数字经济、制度环境与区域创新效率※
2023-11-07周国富林一鸣
周国富 林一鸣
内容提要：基于30个省份的面板数据,考察了数字经济发展对区域创新效率的作用机制,以及制度环境对数字经济发展和区域创新效率二者关系的调节效应。研究发现:数字经济的发展显著促进了区域创新效率水平的提升,并且存在区域异质性,东部地区和南方地区的数字经济发展对区域创新效率有显著的促进作用,中西部地区和北方地区的数字经济发展对区域创新效率仅有微弱的促进作用;制度环境对数字经济发展和区域创新效率之间的关系具有正向调节作用;随着数字经济规模不断扩大以及制度环境的不断优化,数字经济的发展对区域创新效率的促进作用呈现出“边际效应递增”的非线性特征。基于上述结论,给出了相应的政策建议。
一、 引 言
近年来,中国数字经济快速发展,不仅驱动了经济持续中高速增长,还加快了实体经济的转型升级、促进了创新创业和节能减排等,成为推动经济动力变革、效率变革、质量变革的重要力量(戎珂和黄成,2022)。与此同时,传统的粗放型经济增长方式已难以为继,迫切需要将中国的经济增长方式转到以创新驱动为主上来。为此,习近平总书记多次强调要从要素驱动、投资规模驱动发展为主向以创新驱动发展为主转变(习近平,2018);中共二十大报告重申,要深入实施创新驱动发展战略,坚持创新在中国现代化建设全局中的核心地位,提升国家创新体系整体效能。那么,实施创新驱动发展战略的实际进展和成效如何?在当前经济新旧动能接续、转换的关键时期,数字经济的发展是否推动了区域创新效率的提升?二者之间有何种内在关联?显然,这是一个亟待探讨且具有重要意义的问题。
此外,通常认为制度环境对创新有重要的影响(阿姆斯特朗和泰勒,2007);制度环境是影响组织管理实践有效性的重要情境因素,能否实现预期绩效取决于当下制度环境与其组织实践是否协调一致(赵云辉等,2019)。例如,制度环境较完善的地区,通常会更加重视知识产权的保护和专业技能人才的引进,注重激发整个地区的创新活力,进而提升创新效率。对于数字经济发展来说,制度环境亦是不可或缺的条件之一,完善的制度环境将有效避免“数字鸿沟”的产生,促进经济社会平稳运行。因此,在研究数字经济与区域创新效率之间的关系时需要考虑制度环境的影响。
基于以上背景,本文将数字经济、制度环境和区域创新效率纳入同一理论分析框架,试图回答以下问题:数字经济的发展是否促进了区域创新效率的提升?这种影响效应有何规律和特征?是否存在区域异质性?制度环境对于数字经济发展和区域创新效率二者之间的关系有何影响?总之,本文拟通过对这些问题的回答,为数字时代中国实施创新驱动发展战略,从而带动经济高质量发展提出相关的政策建议。
二、 文献综述与研究创新
随着通信技术以及互联网的不断发展,人与人、人与物等万事万物实现了相互连接,经济社会正经历从物质形态到数字形态的逐步转化。相应地,互联网以及数字经济的发展对创新效率的积极影响也受到了部分学者的关注。韩先锋等(2019)指出,互联网在显著促进区域创新效率的同时,还通过促进产业升级和金融发展、加速人力资本积累等传导路径对区域创新效率产生积极影响。安孟和张诚(2021)通过实证检验也发现,数字经济发展不仅会直接提升创新效率,还会通过产业结构升级效应和人力资本效应的作用间接影响创新效率。霍丽和宁楠(2021)通过梳理现有研究的脉络和观点,发现互联网发展可以通过降低区域创新成本、整合区域创新要素等机制对区域创新效率产生影响。汪文璞和徐蔼婷(2022)考察了数字经济发展对企业创新效率的驱动效应与内在机制。赵星等(2023)则考察了数字技术通过人力资本积累、知识溢出和优化创新要素配置进而提升地区创新效率的传导机制。与上述文献不同,白俊红和陈新(2022)通过构建空间效应模型,考察了各地区数字经济发展的空间溢出效应及其对其他地区创新效率的提升作用。但是,目前这方面的文献侧重于检验数字经济发展对创新效率提升的线性影响,还未有探究二者之间非线性关系的实证研究。
创新具有高度不确定性、不可预测性以及长周期性的特点,对制度环境有着很高要求。张维迎(2015)指出,政府需做到有力支持和有效监管,并进一步完善知识产权保护体系和法治环境,才能不断激发创新潜力。陶长琪和彭永樟(2018)则从制度质量的视角出发拓展了内生经济增长理论,以探究创新驱动、制度质量与经济增长的内在联系。赵云辉等(2019)将大数据发展和制度环境、政府治理效率联系起来,基于中国31个省区的面板数据考察了三者之间的相互影响机制,发现制度环境是大数据发展水平对政府治理效率发挥作用的主要边界条件。由此可见,制度环境是影响数字经济发展和区域创新效率提升的关键因素。但是,目前尚未有学者探究制度环境对数字经济和区域创新效率二者之间关系的影响。
鉴于此,为探究数字经济、制度环境和区域创新效率三者的内在关系,本文首先从理论上考察了数字经济发展对区域创新效率的作用机制,以及制度环境对数字经济发展和区域创新效率二者关系的调节效应,并提出了三条理论假设,然后对这些假设逐一进行了实证检验。具体地,在实证检验部分,本文首先基于中国30个省份的面板数据,实证检验了数字经济发展对于区域创新效率的促进作用,并考察了东、中、西部三大地带以及南方和北方的区域异质性;然后,纳入制度环境这一变量,实证检验了制度环境对于数字经济发展和区域创新效率二者关系的调节作用;在此基础上,进一步构建门槛效应模型,考察了数字经济发展对区域创新效率的非线性影响机制及其阶段性特征。最后,根据以上理论分析和实证考察结论,对如何进一步促进数字经济发展,改善制度环境,从而带动区域创新效率的提升和经济高质量发展,提出了相应的政策建议。
本文的创新之处主要体现在以下几个方面。第一,本文将数字经济、制度环境和区域创新效率纳入同一分析框架,系统分析了数字经济对区域创新效率的影响机制以及制度环境对于二者关系的调节效应。其中,关于制度环境对数字经济发展和区域创新效率二者关系的影响机制,本文分别从政府与市场的关系、非国有经济发展、要素市场发育、市场法律规范四个维度进行了论述,这是对数字经济与区域创新关系研究的重要补充。第二,本文从数字经济的内涵入手,通过构建能够较为全面地衡量各省份数字经济发展水平的评价指标体系,实证检验了数字经济发展对区域创新效率的作用,并进一步探究了不同的数字经济发展水平以及制度环境等异质性条件下两者可能存在的非线性关系,相关的研究结论不仅有助于政府决策部门运用好数字经济的发展以实现区域创新效率的提升和突破,而且为更好地完善区域科技创新体制机制指出了方向,具有现实指导意义与政策参考价值。第三,为缓解可能存在的内生性对实证分析结论的影响,本文创新性地将政府工作报告对数字经济的关注度作为数字经济发展的工具变量,保证了模型分析结论的稳健性。
三、 理论分析与研究假设
数字经济最本质的特征是通过数据构造现实世界的数字虚拟映像,反映客观世界的运行状态,进而通过人工智能、区块链、云计算等大数据技术和充足的计算能力对数据进行深度分析,挖掘社会经济系统背后隐藏的规律(梅宏,2022)。换言之,数字经济以数据为支撑,取代了实体资本成为关键生产要素来进行价值创造,推动经济发展,这也是其引发经济社会变革最根本性的原因。在此背景下,区域创新系统的创新方式和协作模式都可能发生深刻的改变。下面,本文尝试对此做一个定性分析,并提出本文的研究假设。
1. 数字经济对区域创新效率的影响机制
区域创新系统包含创新主体、创新环境和创新活动三类核心要素。其中,创新活动主要包括创新投入和创新产出两个部分,是创新主体的行为和结果;创新环境对创新主体的积极性和能动性有直接的影响,因而对创新投入和创新产出也有直接的影响。而创新产出和创新投入的对比关系则进一步决定创新效率;创新产出还会提高经济效益,使进一步增加创新投入成为可能。因此,创新系统中各要素相互作用,使创新过程环环相扣紧密连接,形成一个不断“再生产的过程”。
从数字经济对区域创新效率的影响机制来看,首先,数字经济使创新主体之间能突破时空界限,实现知识的分享和更高效的合作;同时,数字经济的发展可为创新活动提供更多资源,刺激创新者的加入和创新思维的产生(赵涛等,2020),激发研发人员的数字化思维与创新意识,对于提升创新效率具有一定的激励作用(韩先锋等,2019)。其次,大数据时代的来临,带动了各类数字化平台加速发展,以开放式的生态系统为主要特点,将网络与现实中的资源有机结合,推动传统经济活动的各个环节逐步整合到平台,由此许多新的商业模式和业态不断涌现;而且数字化平台具有强大的互联互通特性,可以使各类传统产业跨越专业边界相互融合,加速协同生产进程,形成产业数字化集群,最终促使数字经济规模和区域创新效率的持续攀升。再次,利用数字技术对数据中承载的有价值信息进行有效提取与应用,可以提高劳动、资本等其他要素之间的协同性,衍生出提升创新活动运行效率的新机制(蔡跃洲和马文君,2021);大数据技术的更新和突破使得创新活动过程(从知识积累、到研究、再到应用)各阶段的边界模糊且相互作用,创新过程逐渐融为一体(陈晓红等,2022),创新活动也更有效率。因此,本文提出如下假设:
假设1:数字经济的发展会对区域创新效率的提升产生积极作用。
2. 制度环境对数字经济发展和区域创新效率二者关系的调节效应
制度环境作为人们在交往中必须遵循的行为规范和规则体系,通过发挥其激励和约束功能,对数字经济发展和区域创新活动的动力、路径和趋势会产生重要影响(刘西友,2022)。一个区域的创新效率不但与其现代信息技术和数字经济的发展息息有关,而且也与其制度环境有关。
下面,本文综合借鉴樊纲等(2003)、陶长琪和彭永樟(2018)关于制度环境的测度与分析框架,从政府与市场的关系、非国有经济发展、要素市场发育、市场法律规范四个维度论述制度环境对数字经济发展和区域创新效率二者关系可能的影响机制。第一,从政府与市场的关系来看,有为政府可以通过运用数据要素和数字技术,将现代化和数字化的理念融入对市场和宏观经济的治理手段中,同时适度超前建设必要的数字基础设施并降低其运营成本,为研发和科技创新创造条件;此外,有效的市场将规模庞大的技术、人才、资金配置到新兴的数字经济各产业,使得新的数字产品或模式迅速落地并不断迭代,进而促进经济运转和创新效率的提升。所以,政府职能的转换、营商环境的改善都将有利于数字经济的发展和创新效率的提升。第二,改革开放以来中国非国有经济的占比不断提高,随着非国有资本的增加,在一定程度上减轻了企业的社会性负担,使企业能够将更多的资源用于激励员工与技术创新等方面,这在客观上有利于激发企业的创新活力,进而推动所在地区创新效率的提升。第三,随着中国社会主义市场经济体制的不断完善,劳动、资本、技术等要素市场的发育度也在不断提高,各地区科技成果的转化能力也在水涨船高,而科技成果向生产力的顺利转化可以增加企业的收益和利润,进一步调动创新单元的创新热情;同时,随着数据要素市场的发展,各行各业与数据融合的进程将进一步加快,新产品的研发、设计及生产流程将发生巨大变化,这种变化可以大幅提升企业的研发效率和生产效率。第四,完善的法律体系是健康制度环境不可或缺的一部分,随着数字法治建设的推进,可以使现代科技手段与司法体制改革有效结合,通过网络技术实时获取社会舆情动态和有价值的信息,进而保障和提高市场的规范程度,保护市场参与者的合法权益,维护公平的竞争秩序,这会反过来保护和提升研发人员创新的积极性。因此,自上而下健康的制度环境也是推动数字经济发展,进而促进区域创新效率的关键因素。据此,本文提出如下假设:
假设2:制度环境对数字经济发展和区域创新效率之间的关系具有正向调节作用,即制度环境越好,数字经济发展和区域创新效率之间的关系越紧密。
3. 数字经济对区域创新效率的非线性影响机制
现代通信技术与互联网是推动数字经济发展的主导力量,与之相关的摩尔定律(Moore’s Law)和吉尔德定律(Gilder’s Law)同样影响着数字经济的创新溢出效应。根据戈登·摩尔提出的摩尔定律,每18-24个月计算机芯片的信息处理能力就会翻倍,这意味着数字技术是呈指数型发展的。由于摩尔定律的存在,数字经济的发展会倒逼创新效率的提升,以此来实现运行效率的不断升级。乔治·吉尔德提出的吉尔德定律也同样意味着数字经济的边际成本是显著下降的,那么企业的研发创新成本也会随之不断下降。除此之外,数字经济时代多依赖于知识密集型技术,对于企业而言,在达维多定律(Davidow’s Law)的支配下,会促进企业内部数字技能和相关专业技能的提升,因为唯有自身产品更迭速度超过区域内数字经济发展速度,不断为自身发展提供新的方向,提高自身软实力,才能在市场中持续地拥有竞争力。以上观点均表明,数字经济的长渗透性和广覆盖性会对整个创新系统产生影响,区域创新活动会随着数字经济规模的扩大和发展程度的加深而越来越有效率,数字经济发展和区域创新效率之间存在梅特卡夫法则(Metcalfe’s Law)和网络效应。
此外,制度环境对数字经济发展和区域创新效率的正向调节作用并非一成不变。在前期制度环境不断完善的过程中,数字经济发展中积累的创新溢出红利通过降低交易成本、激励创新性投入、促进科技成果转化等,对区域创新效率的促进作用日益凸显。当制度环境水平跨越特定阈值时,得益于前期积累的良好创新环境,数字经济的发展使得社会资源的配置更加合理,产业结构进一步优化,企业突破技术壁垒的能力进一步增强,对区域创新效率的促进作用也随之增强。因此,数字经济发展对区域创新效率的正向影响在制度环境的优化过程中呈“边际效应递增”的非线性特征。据此,本文提出如下假设:
假设3:随着数字经济规模的扩大和制度环境的优化,数字经济发展对区域创新效率的正向影响呈现出“边际效应递增”的非线性特征。
四、 变量测算与实证模型设定
中国数字经济发展势头强劲,但仍处于初期阶段。鉴于2015年以来“互联网+”等相关政策密集出台,“数字经济”一词于2017年首次出现在政府工作报告中,标志着数字经济发展驶入快车道,结合数据可得性,本文选取2015-2021年中国30个省份(不含西藏和港澳台)的面板数据为样本进行实证分析。
1. 变量选取
(1) 被解释变量。本文借鉴韩先锋等(2019)的做法,通过构建随机前沿模型测算区域创新效率,作为被解释变量。其中,在SFA模型变量的选取上,本文以三种专利授权数衡量创新产出,以R&D人员全时当量作为创新人力投入的代理指标,但是不直接以R&D经费内部支出额作为创新资本投入的代理指标,而是借鉴白俊红等(2017)的做法,在R&D经费支出额的基础上测算各省份历年的R&D资本存量。具体做法如下:首先计算R&D支出价格指数(1)R&D支出价格指数=0.6×消费价格指数+0.4×固定资产投资价格指数。由于2020年起国家统计局不再编制固定资产投资价格指数,借鉴江永宏(2016)的做法,2020年和2021年的固定资产投资价格指数用GDP平减指数代替。,将R&D经费支出额进行价格调整;然后按照式(1)计算基期的R&D资本存量,按照式(2)计算其余各年的R&D资本存量。
Ca0=E0/(f+ζ)
(1)
Cait=(1-ζ)×Cai(t-1)+Ei(t-1)
(2)
其中,Ca为R&D资本存量;E为R&D投资流量,即R&D经费支出;i为省份,t为年份;ζ为R&D资本存量的折旧率,取15%;f为考察期内实际R&D经费支出的几何增长率。随后以柯布-道格拉斯生产函数为主体,构建随机前沿模型如下:
lnyit=β0+βklnkit+βllnlit+vit-uit,uit≥0
(3)
其中,yit表示i省份t时期的创新产出,kit和lit分别表示i省份t时期的创新资本投入和创新人力投入;vit为随机冲击项;uit为无效率项,区域创新效率值由e-uit计算得到。
(2) 核心解释变量。本文以数字经济发展指数为核心解释变量。要衡量数字经济的发展,本文认为应重点考虑以下三个维度:一是数字化基础的完善程度;二是数字产业化的发展水平;三是产业数字化的发展水平。其中,数字化基础的完善程度体现为信息化的基础设施和互联网发展水平两大方面,是确保数字经济正常运行与发展的基础;而数字产业化和产业数字化是数字经济新模式和新业态的两大主要表现形式。其中,数字产业化是指完全依赖于数字技术、数字要素的各类经济活动,主要包括ICT产业,为产业数字化发展提供数字技术、产品、服务和解决方案;产业数字化则强调数字技术与信息数据在传统产业中的应用,从而带来传统产业的产出增加与效率提升。以三个维度为一级指标,各维度下的具体评价指标(二级指标)见表1。
表1 数字经济发展评价指标体系
根据上述指标体系,首先将原始数据无量纲化,以消除各指标量纲不同的影响。表1中12个二级指标均为正向指标,其无量纲化公式为:
(4)
其中,i表示选取的各项指标,j表示各省份,t表示年份;Xijt为j省份第t年第i项指标的原始数据,Xijt′代表无量纲化之后的值;max{Xi}与min{Xi}分别表示所有省份所有年份第i项指标的最大值和最小值。然后,采用熵权法测算各指标权重,对上述无量纲化结果加权平均,就得到各省份各年份的数字经济发展指数,记为dige。
(3) 调节变量。为了检验假设2,需要将制度环境作为调节变量。如前所述,本文从政府与市场的关系、非国有经济发展、要素市场发育、市场法律规范4个维度衡量制度环境,而这些维度均为樊纲等(2003)编制的市场化指数的二级指标,所以,本文选取樊纲等(2003)编制并一直在更新的各省份市场化指数(2)由于市场化指数纸质报告中的原始数据每隔几年更换一次指数计算的基期年份,不具有直接的可比性,本文在这里选取的是中国市场化指数数据库(https:∥cmi.ssap.com.cn/dataQuery)中已进行衔接处理的跨年度可比指数,该指数以2001年为计算基期,做到了跨年度基本可比。中的二级指标“政府与市场的关系”“非国有经济的发展”“要素市场的发育程度”“市场中介组织发育和法律制度环境”作为四个维度的代理指标。但由于该指数目前只更新到2019年,因此本文借鉴俞红海等(2010)的做法,以历年市场化指数各二级指标的年平均增长幅度来推算2020年和2021年的数据。然后,采用同前述数字经济发展指数同样的合成方法,先对各指标进行无量纲化处理,并采用熵权法测算各指标权重,最后加权平均得到各省份各年份的制度环境指数。
(4) 控制变量。为克服遗漏变量偏差,本文还选取了以下变量作为控制变量:产业结构水平,采用各省份第三产业增加值与第二产业增加值的比值来衡量;外贸依存度,用各省份以人民币表示的进出口总额与GDP的比值来衡量;城镇化率,使用各省份城镇常住人口占总人口的比重来衡量;金融发展水平,以各省份金融机构存贷款总额之和与GDP的比值来衡量;经济发达程度,以各省份人均GDP作为代理指标,并采用GDP平减指数消除价格波动的影响;研发投入强度,以各省份R&D经费支出和GDP的比值来衡量;外商直接投资水平,以各省份FDI与GDP的比值来衡量;受教育程度,以各省份平均受教育年限来刻画(3)具体将居民受教育程度分为小学教育、初中教育、高中教育、大专及以上教育,分别用不同受教育程度人数占6岁以上人口总数的比重乘以对应的平均累计受教育年限(分别为6年、9年、12年、16年),再求和即可。;交通基础设施,以各省份每平方公里的公路里程数来衡量。
2. 数据来源
本文的基础数据主要来自《中国统计年鉴》《中国科技统计年鉴》、各省份统计年鉴。此外,在构建数字经济发展指数时,还用到北京大学数字金融研究中心和蚂蚁金服集团共同编制并一直在更新的各省份数字普惠金融指数(郭峰等,2020);在测度制度环境的细分指标时,还采用了樊纲等编制并一直在更新的市场化指数的二级指标“政府与市场的关系”“非国有经济的发展”“要素市场的发育程度”“市场中介组织发育和法律制度环境”4个维度的指数。以上各变量的描述性统计结果如表2所示。
表2 变量描述性统计结果
3. 实证模型
首先,为检验假设1,也即数字经济发展对区域创新效率是否存在显著的正向影响机制,构建基准回归模型如下:
teit=β0+β1digeit+βcXit+λi+δt+εit
(5)
式中,i表示省份,t表示时间;teit代表i省份t时期的创新效率水平;digeit表示i省份t时期的数字经济发展指数;Xit为其他控制变量;λi表示不随时间变化的不可观测的个体效应,δt表示不随个体变化的时间效应,εit为随机扰动项。
为检验假设2,也即制度环境对数字经济发展和区域创新效率之间的关系是否具有正向调节作用,设定如下回归模型:
teit=β0+β1digeit+β2insit+β3digeit×insit+βcXit+λi+δt+εit
(6)
其中,insit表示i省份t时期的制度环境,其他变量的含义同式(5)。显然,式(6)和式(5)的主要区别在于引入了制度环境变量insit及其与数字经济发展指数digeit的交互项digeit×insit。具体检验步骤如下:在前述基准回归模型式(5)的系数β1通过检验且显著为正的基础上,进一步检验回归模型式(6)中交互项的系数β3是否显著,判断调节效应是否存在。如果β3显著不为0,则证明制度环境在数字经济发展和区域创新效率两者之间起调节作用;进一步地,若β3显著为正,则说明制度环境越好,数字经济的发展越能促进区域创新效率的提升。
关于假设3,也即数字经济的发展对区域创新效率的正向影响可能呈现非线性特征,实际上包含两层含义:一是区域创新活动会随着数字经济规模的扩大和发展程度的加深而越来越有效率,在数字经济发展和区域创新效率之间存在“梅特卡夫法则”和网络效应;二是在制度环境不断优化的过程中,数字经济的发展对区域创新效率的促进作用呈现出“边际效应递增”的非线性特征。因此,为检验假设3,本文选择了数字经济发展指数和制度环境指数分别作为门槛变量,采用 Hansen(1999)的面板门槛模型进行实证检验:
teit=α0+α1digeit·I(digeit≤φ1)+α2digeit·I(φ1
(7)
式(7)中,数字经济发展指数digeit既是核心解释变量,又是门槛变量;φ1,φ2,…,φn表示以digeit为门槛变量时对应的n个门限值;I(·)为指示函数,取值为0或1。具体地,当digeit位于对应门限值的区间内时,I(·)的取值为1,否则取值为0。
teit=β0+β1digeit·I(insit≤γ1)+β2digeit·I(γ1
(8)
类似地,式(8)中,门槛变量为制度环境指数insit;γ1,γ2,…,γn表示以insit为门槛变量时对应的n个门限值;I(·)仍为指示函数,当insit位于对应门限值的区间内时,I(·)的取值为1,否则取值为0;其他变量的含义同式(7)。
五、 实证结果及分析
1. 基准回归结果分析
首先,本文对数字经济发展与区域创新效率的关系进行豪斯曼检验,结果显示chi2统计量为42.71,对应p值为0.000,拒绝了随机效应的原假设,应建立固定效应模型。表3给出了数字经济发展影响区域创新效率的线性回归估计结果。
表3 基准回归结果
由表3第(1)至(3)列可以看出,无论单独控制个体或者时间固定效应,还是同时控制两种固定效应,核心解释变量dige的回归系数均在1%的水平上显著为正。这表明数字经济发展对区域创新效率的提升表现出明显的促进作用,这就初步验证了假设1。其次,从表3第(4)至(6)列的回归结果来看,加入控制变量后核心解释变量dige的回归系数值均有一定的变化,但仍在1%的显著性水平上显著为正,这说明加入控制变量后在一定程度上缓解了遗漏变量偏误对因果效应估计的干扰。最后,对比模型(4)至(6)可以看出,模型(6)的调整后的R2明显高于模型(4)(5),回归系数也存在差异,其原因可能是,不随时间变动的各省份地理位置、文化差异等因素,以及不随个体变动的年度宏观经济波动等因素均对回归结果有一定的影响。这说明,加入控制变量,且同时引入个体固定效应和时间固定效应的回归结果(6)更为合理。所以,以下所有检验均基于模型(6)进行扩展与完善。
众所周知,中国幅员辽阔,无论东部、中部和西部三大地带(4)本文所指的东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。具体建模时,因受限于数据可得性,未包括西藏。之间,还是南方与北方(5)本文以秦岭淮河为分界线,将中国内地的31个省份(不含港澳台)分为南方省份和北方省份,其中,南方省份包括上海、江苏、浙江、安徽、湖北、湖南、江西、四川、重庆、云南、贵州、西藏、广西、广东、福建、海南,北方省份包括北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、河南、陕西、甘肃、青海、宁夏、新疆。具体建模时,因受限于数据可得性,未包括西藏。之间,在经济发展水平方面都存在较悬殊的差距。那么,它们在数字经济发展和区域创新效率方面是否也存在一定的差异?为进一步揭示数字经济发展对区域创新效率的影响机制,下面进行区域异质性检验。表4分别给出了东部、中部和西部地区,以及南方与北方的回归结果。可以看出,东部地区核心解释变量dige的系数为0.136,且在1%的水平上显著;而中部地区核心解释变量dige的系数虽然为正,但仅在10%的水平上显著;西部地区的回归系数虽然为正,但不显著。这表明,东、中、西部三大地带的数字经济发展对区域创新效率的影响效应存在明显差异,而全国层面数字经济发展对区域创新效率表现出显著的促进作用,主要是因为东部地区的数字经济发展对区域创新效率的正向影响非常显著。原因可能在于:东部地区是中国经济最发达的地区,在数字技术发展、数字人才储备、企业数字化转型等方面均走在全国前列,数据要素配置效率更高,数字经济发展对创新效率的溢出红利得以大大释放;而中西部地区数字基础设施的建设还不够完善,信息化发展水平相对滞后,数字人才流失严重。再有,平台经济是数字经济时代背景下重要的经济模式,但目前中国主要的平台企业集中在东部地区,中西部地区缺乏有竞争力的数字经济平台企业,导致其数字经济的发展依旧面临“瓶颈”制约,对创新效率的促进作用也很不明显。
表4 区域异质性检验结果
类似地,从表4后两列可以看出,南方地区核心解释变量dige的系数为0.111,且在1%的水平上显著,说明南方地区数字经济发展对区域创新效率表现出显著的促进作用;而北方地区核心解释变量dige的系数虽然为正,但并不显著,说明北方地区的数字经济发展对于区域创新效率的影响非常微弱。原因可能在于:南方的珠三角和长三角对外开放早、市场化水平高、经济发展充满活力,特别是杭州、深圳等城市在数字技术发展、数字人才储备、企业数字化转型等方面均走在全国前列,数字经济发展对创新效率的溢出红利得以大大释放;近年来,以武汉城市圈、长株潭城市群为代表的长江中游地区,以重庆、成都为代表的西南地区经济发展势头也非常强劲,相应地,数字经济发展对创新效率的溢出红利也得到了较好的释放。而反观北方,环渤海地区对外开放相对较晚,经济发展的活力一直不如珠三角和长三角;东北三省是中国的老工业基地,近年来的经济转型也面临较多困难,数字化建设进程缓慢;西北各省份深处内地,没有港口资源和区位优势,尽管在西部大开发和“一带一路”战略的支持下经济有很大发展,但原有的经济基础较差,人力资本相对匮乏,导致其数字经济发展严重滞后,研发创新效率也普遍偏低。
2. 调节效应回归结果分析
关于制度环境的调节效应实证检验结果,如表5所示。其中,模型(1)在表3模型(6)的基础上进一步引入了制度环境指数及其和数字经济发展指数的交互项(dige×ins)。从检验结果可以看出,交互项的回归系数为0.210,在1%的水平上显著,说明制度环境对数字经济发展和区域创新效率之间的关系确实具有正向调节作用,这就验证了假设2。为进一步观察制度环境各维度的调节作用,本文在基准模型即表3模型(6)的基础上分别引入“政府与市场的关系”“非国有经济的发展”“要素市场的发育程度”“市场中介组织发育和法律制度环境”4个维度指数作为调节变量进行回归检验,得到表5中的模型(2)至(5)。结果显示制度环境的4个维度指数与数字经济发展指数的交互项均在1%的水平上显著为正,这表明制度环境的4个维度对数字经济发展与区域创新效率的关系同样具有正向调节作用,与前文的理论分析保持一致,进一步验证了假设2的稳健性。这一分析结果同时也表明,各省份在推进数字经济发展和市场化改革的过程中,如能妥善处理好政府与市场的关系,以及非国有经济发展、要素市场发展和市场法律规范等几个维度的协调、平衡发展,便会形成更加完善的制度环境,由此拓宽数字经济发展对创新效率发挥作用的边界,实现区域创新效率的稳步提升。
表5 调节效应检验结果
3. 非线性影响机制检验结果分析
下面,对数字经济发展的创新溢出效应是否具有“边际效应递增”的非线性特征进行实证检验。为此,本文估计如式(7)和(8)所示的面板门槛回归模型。首先,选择数字经济发展指数dige和制度环境指数ins作为门槛变量,检验门槛效应的存在性,结果如表6所示。
表6 门槛效应存在性检验
结果表明,以数字经济发展指数为门槛变量进行门槛效应的存在性检验时,单一门槛效应通过了5%水平上的显著性检验;以制度环境指数为门槛变量进行上述检验时,单门槛效应和双门槛效应分别在1%和5%的显著性水平上显著。这表明,数字经济发展对区域创新效率的影响,分别存在以数字经济发展指数为门槛变量的单一门槛效应以及以制度环境指数为门槛变量的双重门槛效应。
表7进一步给出了门槛值的估计结果及置信区间。可以看出,门槛变量dige的门槛值为0.385;门槛变量ins的第一个门槛值和第二个门槛值分别为0.468和0.600。图1和图2分别是对这两个门槛变量的门槛估计值和实际值的一致性进行检验的似然比函数图,其中水平虚线为5%的显著性水平对应的LR临界值,具体为7.35。可以看到上述估计的门槛值对应的LR统计量均明显小于临界值,通过了LR检验,这说明上述门槛估计值是真实的,可以据此设定门限区间,估计面板门槛回归模型。
图1 数字经济发展指数的单一门槛值及似然比函数图
图2 制度环境指数的双重门槛值及似然比函数图
表7 门槛值估计结果及置信区间
表8是面板门槛回归的估计结果。其中,模型(1)是以数字经济发展指数dige为门槛变量的单一门槛效应模型,可以看出,当数字经济发展指数值低于门槛值(即位于区间1)时,数字经济发展的创新溢出效应为0.067,在5%的水平上显著;随着数字经济不断发展并突破门槛值之后(即位于区间2),数字经济发展对创新效率的促进作用上升为0.084,并在1%的水平上显著。这就初步证实了,随着数字经济发展规模不断扩大,其对创新效率的正向影响呈现出显著的“边际效应递增”的非线性特征,也即区域创新活动会随着数字经济规模的扩大和发展程度的加深而越来越有效率,数字经济发展和区域创新效率之间存在“梅特卡夫法则”和网络效应。模型(2)是以制度环境指数ins为门槛变量的双门槛效应模型,可以看出,当制度环境指数位于“低于第一个门槛值”的区间1时,数字经济发展对创新效率的影响系数为0.049,在5%的水平上显著为正;当制度环境指数位于“跨越第一个门槛值处于中间水平”的区间2和“跨越第二个门槛值”的区间3时,数字经济发展对创新效率的影响系数不断上升,分别为0.070和0.095,且均在1%的水平上显著。这就进一步证实了,数字经济发展对区域创新效率的促进作用还会随着制度环境的优化而持续增强,呈现出“边际效应递增”的非线性特征。至此,本文完整地验证了假设3。
表8 门槛回归估计结果
那么,现阶段中国内地各省份的数字经济发展对区域创新效率的影响分别位于哪个门槛区间?为回答这一问题,本文根据2021年各省份的数字经济发展指数和制度环境指数数据,对各省份分别所处的门槛区间进行了整理,结果如表9所示。可以看出,数字经济发展相对落后、位于区间1内的省份达18个之多,其中包括了2个东部省份和全部中部省份、8个西部省份,或者说南方7个省份和北方11个省份;
表9 2021年各省份分别所处的门槛区间
数字经济发展较为领先、位于区间2内的省份包括9个东部省份以及3个西部省份,按南北划分则包括8个南方省份,4个北方省份。而制度环境相对较差、位于区间1内的省份有4个,其中西部省份3个、东部省份1个,按南方和北方划分则是1个来自南方,3个来自北方;位于区间2内的省份有11个,其中西部省份6个、中部省份4个、东部省份1个,按南方和北方划分则是3个来自南方,8个来自北方;而制度环境相对较好、位于区间3内的省份有15个,其中东部省份9个,中部省份4个,西部省份2个,按南方和北方划分则是11个来自南方,4个来自北方。可见,无论数字经济发展,还是制度环境,都是东部地区位于数字经济发展对区域创新效率有更强、更显著正向影响的门槛区间的省份居多;相反,西部和中部地区多数省份的数字经济发展还相对落后,制度环境也有较大的改善空间。按南方和北方划分,则是南方地区位于数字经济发展对区域创新效率有更强、更显著正向影响的门槛区间的省份居多;相反,北方地区多数省份的数字经济发展则相对落后,制度环境也有较大的改善空间。其中,本文也注意到,贵州作为西部省份,近几年的数字经济发展亮点较多,但是从贵州全省来看,其数字经济发展很不平衡,整体仍处于相对落后的状态。此外,东北三省无论在数字经济发展方面,还是制度环境方面,都处于相对较低的门槛区间,这可能是导致近几年东北经济发展缺乏后劲、创新活力严重不足的重要原因之一。此外,通过以上分析也说明了,数字经济发展和制度环境的优劣是导致数字经济对区域创新效率的促进作用产生区域异质性的主要原因。
4. 稳健性检验
为检验本文基准回归结果分析结论的可靠性,本文从以下几方面进行了稳健性检验。
(1) 剔除样本极端值。样本极端值可能会对回归结果产生一定影响,为避免这一问题,本文剔除区域创新效率最大和最小的样本值,对模型重新进行估计。从表10的结果可以看出,核心解释变量的回归系数大小和显著性都没有发生明显的变化,说明本文的基准回归结论,即数字经济的发展对区域创新效率的提升有积极的影响,具有一定的稳健性。
表10 稳健性检验回归结果
(2) 剔除异常年份。上述基准回归是基于2015-2021年的全样本,但是2020年开始爆发和蔓延的新冠肺炎疫情对中国的经济运行产生了较大的冲击,相关的创新资源、设施和人才等创新要素难以发挥应有效能,制约了创新活动的开展,对创新效率可能造成了持续的负面影响。因此,下面剔除新冠肺炎疫情发生后2020年、2021年的样本数据,将样本区间调整为2015-2019年重新进行估计,回归结果如表10第二列所示。可以看出,在剔除新冠肺炎疫情的影响之后,核心解释变量的回归系数仍然显著为正,且系数值相较于基准回归有所提升。这一方面说明,本文的主要研究结论是稳健可靠的,数字经济发展对区域创新效率确实有显著的正向影响;另一方面也能看出,由于疫情对整个经济运行和创新活动的负面冲击,使数字经济发展对区域创新效率的促进作用有所减弱。
(3) 扩大样本区间。在前文的基准回归中,为了充分利用现有数据,全面地反映各省份的数字经济发展,本文采用了如表1所示的数字经济发展评价指标体系,该指标体系中的某些指标从2015年开始才有系统的统计数据,这也是本文的基准回归以2015年为起点的主要原因。但是,从2015年至今的样本区间较短,样本量偏小,这可能影响到回归分析结果的可靠性。为进一步检验基准回归结果的稳健性,本文对表1中的数字经济发展评价指标体系进行了精简,仅保留从2011年开始就有统计数据的评价指标(6)精简后的数字经济发展评价指标体系包括6个指标,分别是:一级指标“数字化基础”下的光缆密度、互联网接入端口密度、宽带互联网用户人数占比;一级指标“数字产业化”下的信息化从业人员数占比、电信业务总量;一级指标“产业数字化”下的北京大学数字普惠金融指数。可见,三个一级指标下都有相应的评价指标,仍具有较好的代表性。,进而将样本的起始年份往前延伸至2011年,重新测算各省份的数字经济发展指数,区域创新效率等其他变量的样本数据也往前延伸至2011年,然后进行实证检验,结果如表10第三列所示。可以看出,将样本区间扩大至2011-2021年之后,核心解释变量dige的回归系数的符号仍然显著为正,进一步验证了本文的基准回归结论具有一定的稳健性。
(4) 工具变量法。在进行计量模型分析时,是否存在内生性也是需要重点关注的一个问题。就本文所研究的问题而言,如果数字经济的发展促进了区域创新效率的提升,而区域创新效率的提升反过来又促进了数字经济的发展,二者互为因果,就会产生内生性问题。为此,本文采用工具变量法对模型重新进行了估计。借鉴陈诗一和陈登科(2018)、陶长琪和彭永樟(2022)的做法,本文将“数字经济政府关注度”作为数字经济发展指数的工具变量。具体地,本文以2015-2021年各省份政府工作报告中与数字经济相关的词汇出现频次占全文词汇总数的比重来衡量“数字经济政府关注度”。因为一方面,政府工作报告作为总结上一年并规划新一年发展路径的重要文件,其中与数字经济相关词汇(7)借鉴陶长琪和彭永樟(2022)一文,与数字经济相关的词汇具体包括:数字经济、智能经济、信息经济、知识经济、智慧经济、数字化信息、现代信息网络、信息和通信技术、ICT、通信基础设施、互联网、云计算、区块链、物联网、数字化、数字乡村、数字产业、电子商务、5G、数字基础设施、人工智能、电商、大数据、数据化、产业数字化、数字产业化、数据资产化、智慧城市、云服务、云技术、云端、电子政务、移动支付、线上、信息产业、软件、信息基础设施、信息技术、数字生活。出现的频数能在一定程度上体现各省份对于数字经济发展的关注程度和投入程度,反映各地关于数字经济政策的全貌,与数字经济发展的相关性不言自明。另一方面,地方政府工作报告发布在每年年初,而创新活动则贯穿于一年的始终,从而可以有效规避“反向因果”所引起的内生性问题。
表10的最后一列给出了以数字经济政府关注度作为工具变量的2SLS回归结果。可以看出,Kleibergen-Paap LM 检验的p值为0.000,拒绝了工具变量识别不足的原假设;Kleibergen-Paap Wald F检验统计量的值为19.326,大于10%显著性水平下的临界值16.38,表明不存在弱工具变量问题。因此,数字经济政府关注度作为工具变量具有合理性和可行性。从2SLS回归估计结果来看,数字经济发展对区域创新效率的影响系数仍然显著为正。这说明在克服了内生性问题后,数字经济发展对区域创新效率依旧有着显著的促进作用,再一次印证了研究假设1。
六、 结论与政策建议
数字经济正引领中国乃至全球经济发展方向。深入探究数字经济的发展对区域创新效率的影响,对于中国实施创新驱动发展战略具有重要意义。本文首先从理论上考察了数字经济发展对区域创新效率的作用机制,以及制度环境对数字经济发展和区域创新效率二者之间关系的调节效应,并提出了三条理论假设,然后基于中国内地30个省份的面板数据,对这些假设逐一进行了实证检验。研究结果表明:数字经济的发展对区域创新效率水平的提升有显著的促进作用,这一结论在剔除样本极端值、剔除异常年份、扩大样本区间、以及采用以数字经济政府关注度为工具变量的工具变量法重新进行回归检验后,仍然成立。分地区来看,主要是东部地区的数字经济发展显著提升了区域创新效率水平,中西部地区的数字经济发展对区域创新效率仅有微弱的促进作用。如果按南方和北方划分,那么主要是南方地区的数字经济发展对区域创新效率有显著的促进作用,而北方地区数字经济发展对区域创新效率的影响并不明显。制度环境对数字经济发展和区域创新效率之间的关系具有正向调节作用,制度环境越好,数字经济发展和区域创新效率之间的关系就越紧密,数字经济的创新溢出红利释放得越多。将制度环境指数替换为具体的四个维度(包括政府与企业的关系、非国有经济发展、要素市场发展、市场法律规范)指数之后,这一结论同样成立。数字经济发展和区域创新效率之间具有明显的非线性关系,表现在:一是区域创新活动会随着数字经济规模的扩大和发展程度的加深而越来越有效率,在数字经济发展和区域创新效率之间存在“梅特卡夫法则”和网络效应;二是随着制度环境不断优化,数字经济发展对区域创新效率的促进作用也呈现出“边际效应递增”的非线性特征。这些实证检验结论一一验证了前文提出的理论假设。
基于以上的研究发现,为更好地发挥数字经济和制度环境在提升区域创新效率中的重要作用,使创新驱动发展战略更有成效,本文提出以下政策建议。
第一,为推动数字经济发展,应大力推动数据资源的开放共享。数据要素是数字经济发展的核心引擎,不仅有助于生产新产品和服务,还可以用于研发和知识创造,从而提高生产效率和创新效率(Cong等,2021)。而运营商提供的通信服务则是将数字化资源与区域创新主体连接起来的主要联系途径,高昂的使用费会加大创新人员的负担。因此,对于垄断型通信运营商,政府应敦促其减免高昂的政企业务收费或降低其资费,给区域创新主体减负增效,提高其创新积极性。此外,鉴于在全社会数据资源总量中,公共数据资源量约占80%,公共数据资源能否高效流通是国家实施大数据战略的关键问题,为使公共数据资源得到有效利用并实现交流互通,在建设国家级数据开放平台的同时,各地方政府也要下大力建设本区域的数据资源平台,整合区域数据资源,提高其共享性,使数据资源真正成为创新发展的源头和基础,进而提升区域创新效率。这一点,对于数字经济发展相对落后、区域创新效率偏低的天津、东北三省和中西部多数省份,尤其值得重视。
第二,为推动数字经济发展,应大力培育数字经济高层次人才、注重创新主体作用发挥。一方面,发展数字经济需要大量专业技术人才的支持。可以结合数字经济发展的实际需要,在住房、落户、子女上学、配偶工作等一切有利于该领域高层次人才施展才华的政策层面给予相应的支持,切实保障他们的生活与家庭需求,进而为新兴数字产业的建设和发展提供强有力支撑。此外,也应加强数字经济方面职能部门的干部队伍建设。因为要推动数字经济发展,决策者也要有专业的数字经济业务知识和服务能力,才能引导数字经济高速发展,从而带动区域创新效率提升。另一方面,各个区域的创新活动是由区域内的创新主体所主导的,目前被公认的创新主体主要有企业、高等院校、科研机构三大类,地区的创新活动正是通过这三大主体既独立又相互关联的创新活动体现出来。所以,现阶段应更加重视释放数字经济对基础研究以及应用研究的创新溢出红利,打造一批成长性强、具有潜在竞争力和引领作用的新型创新主体,最大限度提高创新主体的创新效率。
第三,为提升区域创新效率,应进一步优化区域制度环境。前文的分析表明,目前经济发展缺乏后劲、创新活力严重不足的地区,往往存在数字经济发展水平偏低或严重失衡、制度环境亟待改善等问题。为改变这一现状,一是要继续转变政府职能,建立健全创新的生态环境,同时有效发挥市场配置资源的作用,提升创新效率;二是要深化要素市场改革,完善现代产权制度,完善鼓励创新的制度和环境,激发各类市场主体的创新活力;三是要深化国企国资改革,提升国有企业的创新动力和活力,同时大力支持民营企业发展;四是要加大对科技成果转化的政策激励,完善知识产权保护措施,营造创新文化氛围。
第四,实施差异化的数字经济发展和区域创新策略。鉴于前文的分析表明,目前主要是东部地区多数省份已处于数字经济发展对区域创新效率有更强、更显著正向影响的门槛区间,而西部和中部地区多数省份的数字经济发展还相对落后,制度环境也有较大的改善空间;从南方和北方对比来看,则是南方地区位于数字经济发展对区域创新效率有更强、更显著正向影响的门槛区间的省份居多,北方地区多数省份的数字经济发展还相对落后,制度环境也有较大的改善空间。也即现阶段中国各省份间的数字经济发展、制度环境和创新效率水平方面的差距还较大。这说明,各地还应该因地制宜、精准施策,推动各地区数字经济与制度环境协调发展,以此来平衡中国创新资源空间分布的不均匀(沈宏婷,2023),提升创新效率。这里强调协调发展,并不是要求各地区的数字经济发展与制度环境都高度一致,而是更加关注有效释放各自的优势和制度红利、着力缩小地区间的“数字鸿沟”和创新效率上的差距。例如, “东数西算”政策将东部的算力需求有序引导到西部,既减轻了东部地区的经济压力,也有利于发挥西部地区在人力与电力成本方面的优势,对提升各地区的创新效率,进而推动各地区经济高质量发展,建设创新型国家,都有好处。再如,天津和东北三省作为中国的老工业基地,具有科技、人才等方面的优势,但是近年来在数字经济发展方面都相对落后,这些省份更应该从体制机制上分析原因,深挖数字经济发展潜力,并以此激发创新的积极性和能动性,带动北方经济重新焕发生机和活力。
