数字经济、知识创新分布与区域协调发展

汤新云, 周 明

(安徽财经大学 经济学院,安徽 蚌埠 233030)

一、问题提出

党的二十大报告指出,要着力推进城乡融合和区域协调发展,推动经济实现质的有效提升和量的合理增长。改革开放以来,我国实行“效率优先”的非均衡发展战略,培育了众多经济增长极,这显然会促进经济稳定持续发展,但同时也拉大了大城市诸如省会与周边地区的发展差距[1]。根据肖金成的研究,其利用2019年数据将省会城市与该省人均GDP最低的地区做对比,发现平均差距为3.12,其中超过5倍的有2个(甘肃、广东),4～5倍的有3个(湖南、云南、四川),3～4倍的有6个(湖北、河南、吉林、辽宁、宁夏、山西),2～3倍的有10个(安徽、广西、黑龙江、贵州、江苏、江西、内蒙古、陕西、山东、浙江),2倍以下的有2个(福建、河北)[2]。结果显示,对比东中西差距和城乡差距,省会城市与外围地区的发展差距已经逐渐形成。要实现区域协调发展,就必须有效缓解这种“中心-外围”型区域发展的不平衡,实现基于各区域比较优势基础上的产业经济结构向高层次演进与转型。

与此同时,数字经济正活跃在社会生产流通等各个领域。根据《中国数字经济发展报告(2022)》(1)中国信通院副院长王志勤于2022年7月8日在中国数字经济创新发展大会上发布了《中国数字经济发展报告》。,数字经济规模已从2011年的11万亿发展至2021年的45万亿,为促进国民经济运行起到积极作用。国内外学者对数字经济能否缓解地区经济发展不平衡进行了大量研究,由于方法和数据资料的差异,尚未得出一致性结论。Tu等在分析美国德州时发现,“信息”已经融入生产过程并成为重要的输入要素,而该要素在促进经济增长的同时,也在扩大德州核心、边缘地区的经济差距[3];另有学者将中国农村电商作为研究对象,发现电商的发展仅拉动了农村消费,并未提升当地收入与生产活动水平[4];段博等基于产业集聚视角,研究发现数字经济促进了制造业集聚,但集聚拉大了地区发展差距[5];钟文等、任晓刚等发现数字经济缩小了区域经济差距[6-7];此外,苏婧等基于省级面板数据,研究发现数据要素集聚对区域经济差距的影响呈倒U型[8]。

探寻数字经济与区域发展不平衡的内在联系,关键是厘清其背后的传导路径,对此,许多学者做了不同程度探索[5-8],可归纳为产业集聚、空间溢出、产业结构升级、要素市场化等,这为本文提供了重要的研究思路。许培源等基于我国省域数据研究发现,知识创新的空间集聚是造成我国区域经济发展失衡的主要原因[9]。空间溢出是影响地区经济发展趋同的重要机制[10],而知识的空间溢出是其中的一种重要体现,Ottaviano等将知识空间溢出现象解释为“某区域的知识资本积累不仅利于本地知识创新,对外地的知识创新也具有正向作用”[11]。伴随着以人工智能、大数据、云计算等信息技术为基础的数字化技术不断进步,一方面,知识与信息的交流成本大幅下降,大大提高了知识溢出的全域性[12];另一方面,产品的运输与交易成本的逐渐下降,导致区际接触、交流的可能性和频率增加,引起知识溢出的范围和强度增大[13]。数字经济发展能否提高省会城市外围地区的知识创新集聚水平?当前,创新正驱动着中国经济迈向新征程,知识创新将成为地区协调发展战略的重要内容。本文旨在探究数字经济能否影响省会城市外围地区的知识创新集聚水平,从而缓解区域发展的不平衡问题。

综上所述,国内外有关数字经济影响区域发展不平衡的文献为本文提供了宝贵经验,但也存在如下不足:一是现有研究大多围绕东中西区域、地级市层面、省际差距等展开,鲜有关注数字经济对省内发展不平衡的影响;二是尚未涉及数字经济通过知识创新分布对区域经济差距的影响。本文的边际贡献主要有:其一,将数字经济以影响“产品的交易与运输成本”“知识与信息的交流成本”的角度纳入新经济地理模型,分析数字经济对“中心-外围”经济差距的影响;其二,从数字经济影响知识创新分布的视角出发,拓展了区域经济差距的影响机制;其三,通过构建23个省域为单元的“中心-外围”区域系统,将其中243个外围城市作为研究对象,探究省域“中心-外围”发展差距受数字经济发展的影响及传导路径。

二、理论模型与命题假说

随着以“中心-外围”模型为代表的新经济地理理论的引入,部分学者开始从空间视角出发,重新审视我国区域发展的失衡问题[14]:其一,新经济地理更强调地区发展失衡的微观基础;其二,Friedmann认为任何区域都可被看作由中心、外围两地区组成,中心地区拥有良好的发展条件、较高的经济收益,处于核心地位,外围地区恰恰相反,处于被支配地位。显然,基于新经济地理的“中心-外围”理论可以为厘清我国区域经济发展不平衡现象提供重要的理论支撑。

参考Ottaviano等的局部溢出模型(LS)[11],构建两地区(r= 1,2)、三部门(农业部门、非农部门以及知识创新部门)、两要素(劳动和知识)空间一般均衡模型,设区域1(中心地区)初始的知识禀赋相对更大(Sk> 1/2)。每个区域拥有总劳动禀赋的一半,且不能在区域间流动。农业部门,两区域均满足农业非专业化条件,农业生产活动满足瓦尔拉斯一般均衡,不考虑交易成本。非农部门满足Dixit-Stiglitz垄断竞争框架设定。知识创新部门具备完全竞争、规模报酬不变的特征。三部门均以劳动力作为可变投入,每个非农部门企业仅生产单位差异化非农产品,并使用一单位知识作为固定投入。其余假定与LS模型一致。

1.数字经济发展下的各部门行为

(1)非农部门 以中心地区1为例,定义消费者效应函数第一层为C-D型,第二层由不变替代弹性(CES)效用函数给出,具体如下:

(1)

式(1)最大化效用的解为:

其中:μ为常数(0<μ<1),表示消费者对可贸易非农产品的支出份额;Y表示消费者的收入水平;E为总收入或总支出(垄断竞争情况下,均衡时企业的超额利润为零,E只包括要素收入Π和wL)。CA和CM分别表示消费者购买农产品和非农产品组合的数量指标;PA代表区域1农产品价格;cj为第j种非农产品的消费量;PM代表地区1非农产品价格指数;pj为第j种非农产品的价格;σ表示任意两种制成品之间的替代弹性且σ>1,满足非黑洞条件,区域内非农产品的种类范围为nw。

参考安同良等的研究[15],跨区销售产品需支付“冰山”运输与交易成本TB/dei(满足1

(3)

其中:Ei为地区i的总收入也是总支出;Pi;M代表地区i的非农产品价格指数;pi;j为地区i生产的第j种非农产品的价格。企业的产出量x为:

(4)

对于某种产品的生产,一单位知识代表了某种技术、想法或某项专利,若每个企业都以单位知识作为固定投入,这意味着企业的经营利润就是知识的收益。结合式(4),建立企业利润的拉格朗日方程:

(5)

其中:Π1为地区1企业经营利润(即知识收益);αM代表每单位产出需要αM单位劳动。式(5)最大化利润的解为:

(6)

式(6)表明,单位价格中wLαM所占份额为1-1/σ,知识所占的份额为1/σ。企业经营利润(知识收益)的初始表达式可表示为:

(7)

结合式(4)、(6)并代入标准化条件wL= 1,aM= (σ- 1)/σ, 总劳动力禀赋LW= 1 ,pi;j=1,nW=KW,sn=sk, 其中sn为地区1企业占两地区企业总量的份额,因为每个企业以一单位知识作为固定投入,所以地区1的企业数等于知识禀赋。计算px:

(8)

(9)

(10)

将式(8)～(10)代入式(7),得到中心地区1的企业经营利润(即知识收益)表达式:

(11)

同理,可得外围地区2的企业经营利润(即知识收益)表达式:

(12)

其中:Π1, Π2分别为区域1、2企业的经营利润;EW为总市场规模,sE为区域1的市场规模所占比重;KW为总知识禀赋;sk为区域1的知识禀赋所占比重。

考虑长期均衡下的经济增长、知识面临的固定折旧以及知识创造者对未来收益的折现等问题,单位知识在当期的价值为:

(13)

其中:v1,v2分别是区域1、2知识在当期的价值;ρ为消费者的时间偏好率;g代表经济增长率;δ代表折旧率。

(2)知识创新部门 生产单位知识资本需投入MPC单位劳动,故创造单位知识的成本F=MPC·wL。基于Ottaviano等的研究[11],设定未受到数字经济影响的知识创新部门生产单位知识的边际成本MPC为:

(14)

(15)

以右上标区分区域1、2;ψ1,ψ2(0 <ψ1,ψ2<1)表示区域1, 2中知识创新部门可利用总知识禀赋的比重,其经济含义为:本地知识可全部被利用,但利用外部知识依赖于区际间的知识溢出强度λ(0 <λ<1)。

齐亚伟等在LS模型上做出改进,引入参数r(0

(16)

(17)

式(16)、(17)蕴含着产业分布不对称对单位知识创造成本的影响,而基于知识创新分布视角的内涵更加丰富:上游知识与技术创新领域多集中于发达的中心地区,下游知识与技术在欠发达的外围地区更常见[17]。随着中心地区知识创新进一步深化,将诞生大量高通用性技术,而该技术可被广泛应用于外围地区的知识创新,并为再创新提供指引[18],从而大大降低外围地区知识创新的不确定性与难度[17]。

曹骥赟认为区域间知识溢出会随着交易成本TB/dei降低而增大,并考虑即使交易成本很大时甚至区际间没有经济联系,也会有其他因素导致知识溢出[13]。基于他们对知识溢出强度λ的改进,设定数字经济影响下知识溢出强度λ的表达式为:

(18)

式(18)表征了数字化技术将知识、想法与技术等暗默信息以编码的形式远距离分享,使信息能够低边际成本、低时滞的传播,扩大了知识溢出的强度与范围[19],即数字经济发展导致知识溢出特性由局域性向全域性转变,f(dei) 刻画了数字经济发展对知识空间外部性的放大作用。

2.数字经济发展对知识创新分布的影响

以中心地区为例,根据资产重置理论,当经济系统达到长期均衡时,满足单位知识在当期的价值v与其创造成本F相等。结合式(11)～(13)、式(16)～(18),推出表达sk如何决定sE的EE曲线,如式(19)所示:

(19)

进一步综合式(11)～(13)、式(16)～(18),推出sE决定sk的NN曲线,如式(20)所示:

(20)

使用剪刀图解法分析式(19)、(20),并采用数值模拟作出剪刀图,如图1所示。参考齐亚伟等研究的参数设置[16],设公共状态参数(μ, σ, ρ, r,TB)=(0.4, 5.0, 0.7, 0.25, 1.8),并赋值不同数字经济发展水平:较低水平dei=1.35和较高水平dei=1.7(满足1

图1 不同数字经济发展水平下的知识创新分布情况

根据图1a,当数字经济发展处于较低水平时,知识创新分布状态发生变化,初始点sk0位于NN曲线右下方,sk增加,即外围地区的知识创新集聚水平(1-sk)下降;观察图1b,当数字经济发展至较高水平时,初始点sk0位于NN曲线左上方,sk下降,即外围地区的知识创新集聚水平(1-sk)上升。因此,伴随着数字经济发展,知识创新分布状态会发生变化,起初会减小外围地区的知识创新集聚水平,但随其水平进一步提升,知识创新集聚水平逐步增加。

3.知识创新分布对“中心-外围”经济差距的影响

以两区域人均实际GDP之比(RPCG1/RPCG2)衡量“中心-外围”经济差距,下面对名义GDP、价格指数作两点说明:第一,不考虑政府与对外贸易存在的情况,名义GDP包括用于消费和投资支出,即GDP=E+I。消费支出相当于购买力,包括知识收益、劳动者收入,并减去折旧与维持知识总量按一定比率增长的投入;投资支出指为维持知识以一定增长率上升和补偿折旧所必需的支出;第二,为获取实际GDP,参考4R方程(3)4R方程指:市场规模方程、价格指数方程、名义工资方程和实际工资方程。中的价格指数方程,并引入本模型,以扣除价格因素影响。

综上,结合式(11)、(12)、(20),得到中心、外围两地区的人均实际GDP之比,如式(21)所示:

(21)

分析发现:随着中心地区知识创新集聚水平sk不断增加,区域经济差距也将持续扩大,即区域经济差距会随外围地区知识创新集聚水平(1-sk)的增加而不断缩小。

4.数字经济对“中心-外围”经济差距的影响

根据上述理论模型推导,本文提出命题假说H1和H2:

H1:数字经济发展会对“中心-外围”经济差距产生倒U型影响,即提升数字经济水平,省域内中心城市与外围城市的经济差距将被拉大,一旦数字经济水平越过某拐点值,该差距将逐渐缩小。

H2:知识创新分布充当了数字经济对“中心-外围”经济差距产生倒U型影响的中介,即当外围城市的数字经济水平跨越某一阈值后,会提高自身知识创新集聚水平,改变省域内知识创新分布状态,促进中心与外围城市经济协调发展。

三、模型设定与数据来源

1.模型设定

建立计量模型如式(22)并将其设置为基准回归模型。模型中加入数字经济平方项,当α1>0、α2<0时,可初步判定数字经济与“中心-外围”经济差距的倒U型关系成立。仅采用传统回归会忽视相邻区域间的经济社会联系,将空间因素引入实证模型可最大限度地提高结论的说服力,故建立空间面板模型,如式(23)所示。

(22)

νi;t=λWGνi;t+ξi;t

(23)

其中:gapi;t代表“中心-外围”经济差距,deii;t代表外围城市数字经济发展水平,deii;t2为平方项;Controli;t是一组控制变量;μi为城市固定效应;κt为年份固定效应;εi;t、νi;t为随机扰动项;WG代表空间权重矩阵(4)引入空间权重矩阵:基于地理位置构造,具体以单元i和j的地理距离平方的倒数表示矩阵内的每个元素。;ρ为空间滞后系数;λ为空间误差相关系数。当λ=0,ρ≠0时,式(10)为空间滞后模型(SAR);当λ≠0,ρ=0时,退化为空间误差模型(SEM)。由于解释变量中包含gapi;t的空间滞后项,出现与随机扰动项相关问题,选择极大似然估计作为估计方法。

进一步检验基于知识创新分布的路径机制。参考王晰等的研究[20],构建检验中介效应的方程组,如式(22)、(24)、(25)所示。式(24)加入了数字经济平方项,当β1<0,β2>0时,可以验证数字经济与知识创新空间分布的U型关系成立。若β1、β2、γ1、γ2和γ3均显著且|α1| >|γ1|、|α2| >|γ2|,则说明存在部分中介效应;若β1、β2、γ3显著但γ1、γ2不显著,则说明存在完全中介效应。

(24)

(25)

其中:inoi;t代表知识创新分布;ιi;t, ζi;t分别为式(24)、式(25)的随机扰动项。

2.变量选择

(1)被解释变量 “中心-外围”经济差距(gap)。参考兰秀娟等的研究[21],以省域为单元,构建“中心-外围”区域系统,并选取中心与外围城市的人均GDP自然对数之差衡量区域经济差距。各省份存在单、双中心之分,例如河南(郑州)、山东(济南、青岛)等,划分依据为:第一,单中心型。若省会城市人均GDP领先省内其他城市,选取省会城市为中心城市(C1),其余为外围城市;第二,双中心型。若省域内存在其他城市人均GDP排名第一,将该城市也划为中心城市(C2),构成双核经济,其中以2011～2019年人均GDP的平均值作为排名依据。另外,由于部分城市的人均GDP实际增加指数数据缺失,为消除价格影响,将各城市所有年份的GDP以2011年为基期,按照GDP实际增长指数处理,并除以当年的人口数,得到各年份可比较的人均实际GDP。

第一,“单中心-外围”型,用省会城市与外围城市的人均GDP对数之差衡量,如式(26)所示:

gapi;t=ln rpcgc1(i);it-ln rpcgi;t

(26)

第二,“双中心-外围”型,鉴于双中心城市之间的经济差异不容忽视,可考虑将其看作整体。具体而言,计算双中心城市整体的实际GDP和人口数,从而得到整体的人均实际GDP,如式(27)所示:

rGDPc1(i)c2(i)=rGDPc1(i)+rGDPc2(i)

Popc1(i)c2(i)=Popc1(i)+Popc2(i)

(27)

其中:rpcgc1(i;t)和rpcgi;t分别表示中心城市和外围城市的人均实际GDP;rGDPc1(i)、rGDPc2(i)和rGDPc1(i)c2(i)分别表示中心城市1、中心城市2和双中心整体的实际GDP;Popc1(i)、Popc2(i)和Popc1(i)c2(i)分别表示中心城市1、中心城市2和双中心整体的人口数;gapi;t代表省域“中心-外围”城市的经济差异。

(2)核心解释变量 数字经济发展指数(dei)。参考赵涛等的研究[22],采用城市层面数字经济发展水平5个指标进行测度。指标基础包括:数字金融普惠发展 、互联网普及率(每百人中互联网宽带接入用户数)、相关从业人员数(计算机服务和软件从业人员占城镇单位就业人员比重)、相关产出(人均电信业务总量)和移动互联网用户数(每百人移动电话用户数)。参考鲁玉秀等研究[23],采用熵值法对5个指标做降维处理,得到数字经济发展指数。

(3)机制变量 知识创新分布(ino)。知识并非以实物形式充当生产部门的投入要素,而是以一种技术或想法等不拘泥于实物的形式引入生产过程,参考吴贵华研究[24],选取发明专利申请授权数衡量知识创新。区位熵常用于衡量某一要素的空间分布情况以及某一区域在高层次区域的地位与作用,又本文构建了以省域为单元的“中心-外围”系统,故采用各外围城市每万人发明专利申请授权数在省域层面的区位熵衡量外围城市知识创新在省域单元的分布情况,如式(28)所示:

inoi;t=(Ii;t/Popi;t)/(It/Popt)

(28)

其中: inoi;t表示t时刻外围城市i知识创新活动的区位熵;Ii;t表示t时刻外围城市i的发明专利申请授权数;表示t时刻外围城市i的人口数;It和Popt分别表示外围城市所在省份的发明专利申请授权数和人口数。

3.数据来源与描述性统计

考虑数据可得性以及研究对象的特殊性,研究区域不含四大直辖市以及新疆、青海、西藏、海南和港澳台等地区,构建23个以省域为单元的“中心-外围”区域系统,并以系统内外围城市(共计243个)为研究对象,探究数字经济对区域经济差距的影响以及路径机制。数据来自中国城市统计年鉴、各地级市统计年鉴、CNRDS数据库以及《北京大学数字普惠金融指数》。变量描述性统计报告见表1所列。

表1 变量描述性统计

四、实证分析

1.基准回归结果

在进行空间计量分析前,需检验数据是否存在空间自相关。基于地理距离权重矩阵使用全局莫兰指数分别对“中心-外围”经济差距和数字经济发展进行空间相关性检验。研究发现,全局莫兰指数均在1%水平下显著为正,这意味着“中心-外围”经济差距和数字经济发展具有明显的空间相关性,有必要进行空间计量分析。

基准回归结果见表2列(4)所列。表2列(2)、(4)是相较于列(1)、(3)加入数字经济平方项的结果,表2列(3)、(4)是加入控制变量的结果。表2列(1)、(3)结果显示,数字经济一次项系数的显著性水平较低,表明数字经济与区域经济差距的线性关系不显著,但表2列(4)结果表明,数字经济一次项估计值在5%水平下显著为正,其二次项估计值在5%水平下显著为负,这说明伴随着数字经济水平提升,外围与中心城市的经济差距将被拉大,但当数字经济发展越过某一阈值时,区域经济差距将逐渐收敛,假说H1得到了验证。

表2 数字经济影响省域内“中心-外围”经济差距的回归结果

基于相应OLS估计结果验证空间面板模型的适用性。LM-lag、Robust-LM-lag、LM-err和Robust-LM-err统计量分别为1030.297、11.036、1400.226和380.964,均通过了1%的显著性水平检验,这说明研究对象满足使用空间面板模型的条件,SAR、SEM模型的回归结果分别报告于表3列(5)、(6)。系数估计结果显示,数字经济一次项和二次项的系数符号与表3列(4)估计结果保持一致,意味着数字经济与区域经济差距之间满足倒U型关系,假说H1得到了验证。另外,空间参数(rho、λ)均显著为正,说明“中心-外围”经济差距的空间效应表现为一种趋同现象,中心城市与外围城市的经济差距具有空间依赖性。关于控制变量,优化外围城市的产业结构,有助于缩小“中心-外围”经济差距;过多的政府支出将造成资源配置扭曲和效率损失[26],不利于缩小与中心地区的经济差距;基础设施建设对区域经济差距或产生扩大效应,这说明现阶段基础设施建设带来的红利大多被中心城市获得,发达地区通过便捷的基础设施网络,不断虹吸外围地区的要素资源,从而提升自身经济发展水平,但该扩大效应未通过显著性检验,意味着当发达地区经济发展趋向饱和时,基础设施建设虽然会带动周围地区经济增长,但该溢出作用会受距离约束,仍有部分地区无法通过基础设施获得中心城市发展的红利[27];增加外围地区人口密度,会扩大经济差距,这与张龙鹏等[28]的实证结论一致,外围城市的行业结构层次较低,吸纳就业的能力有限,再加上劳动力整体受教育水平提升,出现人力资本流向中心城市的现象,同时伴随着收入汇回,短期来看的确增加了外围城市的人均GDP;增加科技人员投入有利于收敛经济差距,但未通过统计检验。

表3 2SLS方法下数字经济影响“中心-外围”经济差距的回归结果

2.稳健性检验

(1)Utest检验 为验证上述计量分析结果的可靠性,参考Lind 等的研究[29],采用Utest方法对数字经济与区域经济差距的倒U型关系进行精准测试(5)篇幅所限,检验结果未报告,可向作者索取。。其原假设是“模型不满足U型条件”,备选假设是“模型满足U型条件”。检验结果显示:该倒U型关系存在拐点,其左侧斜率系数在5%水平下显著为正,拐点右侧斜率为负值,并在5%水平下通过显著性检验,同时倒U型关系的总体测试结果在5%水平下统计显著,这说明数字经济与区域经济差距的倒U型关系是成立的,假说H1得到验证。

(2)排除极端值影响和控制变量的潜在内生性 在回归分析中,数据中存在的异常值可能导致回归曲线偏移真实趋势,从而扭曲变量间的真实关系,因此在1%水平下对每个变量作缩尾处理。数字经济对区域经济差距产生的倒U型影响同样通过了1%水平下的显著性检验。

(3)更换空间权重矩阵 各个城市之间的空间关联性不仅受地理距离影响,还与经济活动相关。参考吴贵华研究[24],在地理距离权重矩阵基础上嵌入城市经济发展水平,构造经济地理嵌套矩阵WE,基本形式为:

WE=WG·diag (Y1/Y,Y2/Y,...Yi/Y)

其中:diag()函数代表对角矩阵;Yi为城市i样本期内人均实际GDP的均值,Y为所有城市样本期内人均实际GDP的均值。研究发现,数字经济对“中心-外围”经济差距的倒U型影响通过了1%水平下的显著性检验,这与表2列(5)、(6)估计结果基本一致,假说H1依然成立。

3.内生性检验

上述检验已初步证实区域经济差距会受到数字经济的影响,但区域经济差距反过来也会对城市的数字经济发展产生作用,显然,双向因果导致的内生性问题是研究两者关系不能回避的。此外,遗漏变量、测量误差等因素也会引起内生性。本文选取2SLS方法缓解内生性对基准回归结果产生的偏误影响。参考赵涛等[22]和周经等[30]的研究,选取2004年各城市每万人邮政局数量作为工具变量,主要原因在于,一方面,某地区数字化技术的普及会受到历史上电信基础设施在技术水平、使用习惯等多方面影响;另一方面,随着传统通讯工具使用频率下降,其对城市经济发展的影响也逐渐减弱,进而对区域经济差距也逐渐式微。由于工具变量是2004年的横截面形式,需引入随时间变动的变量与其构造成面板类型。构造上一年全国互联网宽带接入端口数(万个)与2004年各城市每万人邮政局数量的交互项,作为数字经济一次项的工具变量(IV),并将IV的平方作为数字经济二次项的工具变量。估计结果见表3所列。结果表明,数字经济对区域经济差距的倒U型影响效果依旧显著,与基准回归结果一致,再一次说明假说H1成立。工具变量的有效性检验量显示通过了Kleibergen-Paap rk LM检验,说明不存在工具变量识别不足问题;Kleibergen-Paap rk Wald F统计量超过了Stock-Yogo检验10%水平临界值7.03,意味着工具变量弱识别假设不成立。总体而言,选取的工具变量是合理有效的。

4.机制检验

理论模型发现,数字经济发展主要通过知识创新分布影响区域协调发展。为此,本文将进一步检验该机制是否存在。具体而言,采用外围城市每万人发明专利申请授权数在省域层面的区位熵衡量其知识创新在省域单元的分布情况。式(22)、(24)、(25)构成的中介效应检验方程组的估计结果见表4列(1)～(3)所示。另外,知识创新水平较高的城市,数字经济往往得到优先发展,从而在应用数字化技术从事生产活动方面具有“先发优势”,这将导致机制检验部分因内生性问题而出现不可避免的系数估计偏误。为此,在式(24)、(25)基础上控制省份、省份与年份交互的固定效应,以缓解数字经济发展引起的宏观系统性环境变化。同时采用省份层面的聚类稳健标准误,以排除每个城市的随机扰动项受所在省份影响造成的系数估计不稳健,估计结果见表4列(4)、(5)所示。

表4 基于知识创新分布的中介效应机制检验结果

第一,表4列(2)中数字经济系数符号在1%水平下显著为负,其二次项系数符号为正,这意味着数字经济对知识创新分布产生明显冲击,外围城市的知识创新集聚水平表现为“先减后增”的正U型特征,并通过了Utest检验。可能的原因有:中心城市拥有相对较多的知识,在数字经济发展初期,知识溢出的局域性较强,使本地知识创新成本下降,导致中心城市的知识积累速率大于外围城市,引起外围城市知识创新集聚水平相对下降。伴随着数字化技术水平持续提升,除大量形式知识可以被低成本、无时滞地获取外,越来越多的缄默知识也可通过数字化技术(多媒体、区块链、5G、VR/AR等)远距离传播,从而提高了知识溢出的全域性[12],引起外围城市的知识创新成本下降,利于知识在外围城市不断积累,提高了知识创新集聚水平。

第二,表4列(3)中知识创新产出的系数符号在1%水平下显著为负,表明增加外围地区知识创新集聚水平,将对中心与外围城市的经济差距扩大产生抑制作用。原因在于,提升外围城市自主创新能力,打破知识创新空间分布失衡状态,可以通过发展新技术、建立效能更强的生产体系与知识创新流程框架,有效支撑现代化经济运行,实现外围地区经济高质量增长,从而缩小与中心城市的经济差距。

第三,将表4列(3)的数字经济一次项和二次项系数与表4列(1)比较,可知前者变量绝对值小于后者(0.396 <0.625, 0.504 <1.032),且表4列(3)系数未通过显著性检验。综上所述,知识创新分布满足完全中介效应的成立条件,表明数字经济快速发展将改变知识创新分布状态,导致外围地区的知识创新集聚水平先下降后上升,从而引起区域经济差距出现先增后减的倒U型变动特征,假说H2得到验证。

另外,表4列(4)、(5)的检验结果显示:其一,表4列(4)中数字经济及其二次项的系数估计结果满足正U型设定且通过了显著性检验;其二,表4列(5)中知识创新分布的系数符号显著为负,数字经济及其二次项的系数估计结果未通过显著性检验。综上说明,基于知识创新分布的影响路径显著存在。

五、结论与政策启示

数字经济与区域协调发展之间存在普遍性规律和一般性趋势。为此,本文尝试基于新经济地理理论,从“中心-外围”视角出发,利用2011-2019年我国23个省域243个外围城市的面板数据,探寻了数字经济发展对省域内“中心-外围”经济差距产生的影响,并检验了基于知识创新分布的传导路径。研究发现:伴随着数字经济发展,“中心-外围”经济差距并非呈现线性变动,而是表现为先扩大后缩小的倒U型特征,且通过了一系列稳健性和内生性检验;数字经济发展通过引起外围城市知识创新集聚水平发生先减小后增加的变化,进而导致与中心城市的经济差距出现倒U型变动现象。

本文研究提供的政策启示有:其一,研究表明,虽然在数字经济发展初期,处于被支配地位的欠发达外围城市与发达中心城市的经济差距会被逐渐拉大,但只要加大对外围城市“数字化建设”的投资力度,提升数字经济发展水平,让其搭上“数字经济+”的便车,就可以帮助外围城市跨越经济发展差距的倒U型拐点,实现区域经济差距收敛。显然,做大做强我国数字经济规模,让数字时代的红利普惠至更多地区是推动不同区域协调、平衡、包容发展的核心要义。其二,在持续推进数字化技术普及的同时,对于外围城市而言,要充分认识到数字经济削弱空间地理约束的特性,努力扩大市场经营范围,形成规模收益递增,从而激发知识创新活力,提高知识积累速率。对于中心城市而言,可以充分利用数字发展契机,扩大知识空间溢出的范围与强度,发挥知识创新指示效应,加强与外围城市在知识、技术创新等领域的合作与交流,从而提高外围城市知识创新集聚水平,改善知识创新分布严重不平衡状态,实现区域协调发展。