青海省数字经济赋能科技创新发展研究

汪海蓉

(1.青海民族大学经济与管理学院 青海西宁 810007；2.青海理工大学商学院 青海西宁 810000)

党的十八大以来，党中央高度重视数字经济和科技创新，多次提出加快数字化建设，推动互联网、大数据、人工智能和实体经济深度融合。在党的二十大会议上，再度强调数字化、科技创新的重要性，提出完善科技创新体系，加快实现高水平科技自立自强，建设网络强国、数字中国。党的二十大报告指出，要加快发展数字经济，并对进一步发展数字经济作出重要战略部署。国家先后出台《数字经济发展战略纲要》《“十四五”数字经济发展规划》等顶层设计文件，推动数字经济可持续发展，发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择。

近年来，青海省统筹谋划，强化政策保障，加强项目支撑，抢抓数字化发展新机遇，加快“数字青海”建设，用“数字经济”为发展提质、为科技创新赋能，数字化发展成为推动全省经济社会高质量发展和科技创新发展的重要引擎。数字经济是当前和未来经济发展的“新赛道”，青海省先后出台促进数字经济发展的意见和规划等政策措施，细化数字经济发展驱动产业科技创新发展的各项任务和具体举措。同时，国际互联网数据专用通道、根镜像服务器和全国首个100%清洁能源绿色大数据中心建成投运。由此可见，青海省数字经济存在正向驱动科技创新增长的能力，掌握数字经济发展的规律，探索数字经济赋能科技创新发展的内在规律，已成为青海省经济高质量发展新时代的要求。

1 文献综述

2016年9月，G20杭州峰会通过《二十国集团数字经济发展与合作倡议》将数字经济界定为 “以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提高和经济结构优化的重要推动力的一系列经济活动”。2022年，国家发展改革委印发了《“十四五”数字经济发展规划》，强调数字产业化是我国数字经济发展的核心产业，发展产业数字化要突出科技创新的核心引擎作用，加快科技创新平台建设，推动数字核心技术创新，提升区域创新，促进科技成果转化，为数字产业创新、产业数字化转型和推动经济社会高质量发展提供新动力。

熊励、蔡雪莲(2020)以长三角城市群为研究对象，分析数字经济对技术创新和产品创新的影响，数字经济发展能有效推动技术创新和产品创新，对技术创新的作用更为显著。刘志坚(2021)从数字经济发展的规模和效率等维度出发，验证了数字经济发展与科技创新投入的交互项对技术密集型行业出口技术复杂度的影响是显著的。赵滨元(2022)通过对国内31个省市10年数据分析发现，数字经济产业可以直接提高区域创新能力，并加速数字经济，赋能产业发展，间接驱动区域创新能力提高，通过异质性分析发现西部地区数字赋能较弱。因此，要因地制宜、精准施策，才能充分发挥数字经济对区域创新的积极影响。本文选取青海省数字经济和科技创新发展相关指标，探寻青海省数字经济赋能科技发展的路径。

2 研究设计

2.1 数据来源及指标选取

本文选取青海省数字经济、科技创新和经济政策不确定性季度数据进行建模分析，原始数据来源于《中国统计年鉴》《青海省统计年鉴》《中国科技统计年鉴》《信息产业年鉴》、国家统计局、北京大学数字金融研究中心和Wind数据库，样本研究范围为2011年第4季度—2021年第4季度，各指标选取如表1所示。

表1 指标选取

2.2 数字经济与科技创新发展指标构建

数据标准化处理之后，本文采取熵值法客观利用指标的变异程度进行数据的拟合，分别计算得出科技创新和数字经济两个模块各自指标的权重，通过计算所得权重和指标数据计算出数字经济和科技创新加权之后的综合得分，分别计为DE(数字经济综合得分)和RD(科技创新综合得分)。

2.3 描述性统计

描述性统计如表2所示。

表2 描述性统计

3 实证分析

3.1 ADF单位根检验和最优滞后阶数检验

为保证时间序列的平稳性，首先，本文进行ADF单位根检验，根据ADF的检验结果表明，取一阶差分时变量均为平稳序列，所以后续的回归不会存在伪回归的情况。其次，进一步确定模型变量最优滞后期数的选择，在给出了1～6期滞后阶数的检验结果后，根据最小值原则，可以确定模型中各变量的最优滞后期数为5。

3.2 参数估计结果

根据前文的理论模型分析，本文进行变量顺序为DE、RD、EPU，建立一个三变量的TVP-SV-VAR模型，运用OxMetrics 6.0软件，利用蒙特卡洛模拟算法进行参数估计，结果如表3所示。

表3 参数估计及诊断结果

由表3可以看出，各个参数的系数均值在95%的置信区间都是显著的，Geweke收敛诊断值均未超过1.96(5%的临界值点)，无效因子均小于100。这表明，选用TVP-SV-VAR模型能够得到有效取样。进一步分析，基于贝叶斯原理的抽样技术计算得出的样本自相关系数、路径和后验分布，可以发现样本路径途中显示皆呈现白噪音波动轨迹，后验路径分布图显示整体上相对平稳，说明参数间是相对独立的，可以继续进行TVP-SV-VAR模型的构建。

3.3 时变脉冲响应分析

有关数字经济、科技创新和经济政策不确定性三者之间的动态脉冲响应分析，TVP-SV-VAR模型能够有效描述不同时期的动态反映情况，其中包括等间隔脉冲响应和特定时点上的脉冲响应两种形式。

3.3.1 等间隔脉冲响应分析

等间隔脉冲函数是指样本每一期参数的当期值分别对固定之后若干起的其他参数产生的影响，可以很好地表示不同期的经济政策不确定性、数字经济、科技创新之间的时滞影响。在模型中设置了提前1期，3期、8期，分别测算短期、中期和长期的时变效应。

如图1所示，当给予科技创新一个标准差的冲击后，数字经济呈现出明显的时变特征，滞后3期时呈现较大的波动，说明短期内由于青海省科技创新和数字经济发展水平不够高，财政资金支持度有限等，科技创新可能抑制数字经济的发展，但从长期来看，科技创新将会支持数字经济的发展。

图1 等间隔脉冲响应分析

在对数字经济给予一个标准差冲击后，科技创新做出的反应，从整体来看，数字经济都会支持促进科技创新发展，尤其是在第5期的滞后下，促进效果尤为明显；长期来看，数字经济更能助力科技创新的进步和发展。这表明发展数字经济是支持青海省科技创新发展的有效途径，并着眼于青海省科技创新长期发展角度来看，效果更加明显。

在对经济政策不确定性给予一个标准差冲击后，科技创新做出的反应，图像呈现明显的时变特征。在短期内，经济政策不确定性对科技创新存在一定的抑制作用；从长期来看，由于科技创新发展成熟，受经济政策不确定性的干扰较小。经济政策不确定性都会对数字经济产生抑制效应，可以得出经济政策不确定性对数字经济的发展有很强的负面干扰性。

3.3.2 时点脉冲响应分析

根据标志性事件和变量特征设置不同的时点，进行时点脉冲响应函数图像分析，研究青海省数字经济、科技创新和经济政策不确定性在不同时期下的动态特征关系。本文选取的三个时间点分别是2015年1月、2018年1月和2019年4月，分别是“一带一路”、中美贸易摩擦和新冠疫情时期。

如图2所示，加大科技创新对数字经济的时点脉冲响应，在三个时期，波动趋势趋于重合。总的来看，长期的波动强度更为明显，在10～15期时产生剧烈的负面效应，但15期之后呈现很强的正面效应。

图2 等时点脉冲响应分析

加大数字经济对科技创新的时点脉冲响应，在三个时期，波动趋势趋于重合。总的来看，长期的波动强度更为明显，在10～15期时，产生剧烈的负面效应，但在15期之后呈现很强的正面效应。这说明青海省数字经济的发展还不成熟，还有很大的发展空间；从长期来看，数字经济对科技创新发展有很大的促进意义。

加大经济政策不确定性对科技创新的时点脉冲响应，2015年总体呈现正向趋势，2018年和2019年趋势波动性较大，尤其是从长期来看，2019年第15期产生剧烈的负面效应。这说明在“一带一路”时期，经济政策对科技创新的有正向的推动作用，在中美贸易摩擦和新冠疫情时期，经济政策波动性较大对科技创新发展的影响冲击明显，尤其是新冠疫情期间产生了很大的负面影响在经济政策不确定性对数字经济的时点脉冲响应，2018年和2019年呈现趋势变化较大，短期呈现负效应，12期之后均呈现正效应，在中美贸易摩擦和新冠疫情时期，由于经济政策波动的不确定性，对数字经济的发展短期呈现一定的抑制效应。

4 结语

青海省数字经济发展赋能科技创新是一个长期的过程。青海省数字经济发展和科技创新发展都不够成熟，处于数字经济产业化转型的初期阶段，所以从短期来看，数字经济发展开始时对科技创新的影响逐渐下降，发展初期，数字经济和科技创新的协调发展是一大挑战，但其中有很大的发展空间；从长期来看，数字经济对科技创新发展具有稳定的促进作用。因此，发展数字经济是支持青海省科技创新发展的有效途径，并着眼于青海省科技创新长期发展角度来看，坚持数字经济的长期健康发展会不断赋能提升科技创新水平。

经济政策的不确定性对数字经济和科技创新产生较大影响。在“一带一路”时期，经济政策对数字经济和科技创新都有正向的推动作用；在中美贸易摩擦和新冠疫情时期，由于经济政策负面波动性较大，对科技创新和数字经济发展的冲击明显，尤其是新冠疫情期间产生很大的负面影响。因此，青海省在发展数字经济时，应注意经济政策波动性，加大政策支持力度，优化提升营商环境，提供正向稳定的经济政策环境，加快推动数字产业化，有利于数字经济的发展，更好地赋能科技创新。