创新模式异质条件下区域数字经济发展路径研究——基于中国省级数据的模糊集定性比较分析

邵胜南 （浙江理工大学 经济管理学院，浙江 杭州 310018）

0 引 言

党的二十大报告提出，加快数字中国建设和数字经济发展。数字经济已经成为中国落实国家重大战略的关键力量，对创新驱动战略具有重要意义[1]。1995 年，Tapscott[2]首次提出数字经济概念，美国和欧盟依靠领先的数字基础设施和技术创新，确立了数字经济的全球优势[3]。我国数字经济发展也已初见成效[4]，中国信息通信研究院《中国数字经济发展报告》 （2022） 显示，2021 年我国数字经济规模达到45.5 万亿元，占GDP 比重39.8%，北京等地区数字经济占GDP 比已超过50%。数字经济以数据为新的生产要素[5]来推动新经济增长过程中，其发展受对外开放程度[6]、城市化水平[7]、产业结构[8]、创新水平[9]、教育支持程度[10]、经济发展水平等影响。数字经济发展路径尚未统一，其影响因素有待探索。

驱动数字经济发展的诸多因素中，创新水平引起广泛关注。张森等[11]认为中国应坚持以理论创新为先导、以文化创新为底蕴、以技术创新为动力和以制度创新为保障的综合式创新来推动数字经济健康有序的发展。已有研究发现，数字经济两影响因素交互后的解释力要显著强于原来单个因素[12], 即数字经济发展差异受创新水平及其他因素共同制约。创新驱动数字经济发展的路径存在争议，这可能是创新结合产业结构、经济发展水平等因素存在多种模式，应当结合异质性的研究方法加以探测。

模糊集定型比较分析（fsQCA） 是以组态视角，探测多种异质性路径的研究方法。因此，本文运用模糊集定型比较分析的方法（fsQCA），基于省级数据，以整体视角探索创新模式异质条件下区域数字经济发展路径问题。

1 文献综述

1.1 区域数字经济增长模式

数字经济的快速增长引起了学术界的广泛关注，学者们对影响数字经济发展的诸多因素进行了研究，主要集中在对外开放程度、城市化水平、产业结构、创新水平、教育支持程度、经济发展水平等方面。蔡绍洪等[13]研究发现经济增长、产业结构、城市化水平等对数字经济发展水平产生正向促进作用。张玉玲等[14]研究发现经济基础对当地数字经济发展水平的影响最大，教育发展水平的影响次之。李素峰等[15]提出科技创新能够较好地促进数字经济的建设与发展，姚战琪[16]研究发现对外开放显著正向影响数字经济，并提出扩大高水平对外开放等政策来推动数字经济发展。但现有文献多用计量的方法研究单个因素对数字经济的影响，而数字经济是一个复杂的问题，受多种因素影响，并且不同因素之间的不同组合可能会产生相同的结果，殊途同归[17-18]。因此，从整体的角度深入分析数字经济发展路径尤为重要。

1.2 创新与数字经济

熊彼特[19]的新经济发展理论认为，经济发展是创新的结果。随着新兴和前沿技术的广泛应用，科技创新成为驱动数字经济发展的新动能。一方面，科技创新有利于解决数字经济发展中的基础问题[20]，例如基础设施、基础器件等，这些底层基础技术和工艺是数字经济发展水平显著提升的前提。另一方面，科技创新可以攻克数字经济发展中的核心问题，例如复杂性算法等，这为数字经济高质量发展提供了保障。国内外文献使用大量研究方法探索创新与区域数字经济间的关系。Adamu 等[21]研究表明，信息技术设备创新为数字经济发展提供了机遇，其结合新冠疫情背景指出，技术升级促使数字技术在政府、产业和教育管理中被广泛运用。朱洁西等[22]研究发现数字经济能够通过促进技术创新的正向中介效应来间接推动城市绿色经济效率提高。孟维福等[23]运用双向固定效应模型实证检验了科技创新是数字经济促进乡村振兴发展的重要传导机制。

通过上述分析不难发现，已有研究一是侧重于用计量的方法研究单个因素对数字经济影响，二是对创新与数字经济的研究，主要聚焦于创新对数字经济影响的显著性、数字经济发挥作用过程中，创新的中介效应或传导机制。少有研究涉及创新结合其他因素一起作用于数字经济，即创新模式异质条件下数字经济的发展路径。基于以上问题，引入模糊集定型比较分析的方法（fsQCA），该方法以组态视角，提供了多重路径、并发因果和非对称性解释机制，被广泛地应用于一些新的研究领域，在数字经济领域也有学者[24-26]进行了一些研究。

2 设计研究

2.1 研究方法

本文采用模糊集定性比较分析的研究方法原因如下：（1） fsQCA 是一种集合分析方法，该方法根植于组态思维和系统性，集定性（案例导向） 和定量（变量导向） 为一体，利用多种前因条件的组合来解释因果的复杂现象。fsQCA 能很好地解释不同条件组合对数字经济发展水平的影响，揭示影响数字经济发展的多条路径，殊途同归，探索具体哪些要素组合可以影响数字经济发展水平。（2） 模糊定性比较分析法具有多重并发性，即多个前因条件可以同时变化，不要求变量独立，而一般的计量方法要求变量独立，探索每一个变量对结果的作用。（3） 模糊集定性比较分析结果具有非对称性。区别于传统的定量研究，QCA 聚焦于因变量和自变量之间的非对称关系，并通过一致性（Consistency ）和覆盖度（Co verage ）来衡量，一致性和覆盖度取值范围为[0,1 ]，越接近于1 表明前因条件或组合解释力度越好。

2.2 样本和数据来源

本文研究样本选取2020 年中国大陆31 个省、市、自治区。为保证分析结果真实可靠，分析数据均来自国家统计局官方网站。

2.3 变量和校准

2.3.1 结果变量选择及度量。本文选取各省数字经济发展水平（DE ）作为结果变量。用电信业务总量、互联网宽带接入端口、光缆线路长度、移动电话普及率、大学生数量、R&D 投入强度、软件产品收入七个指标对数字经济发展水平进行测度，这七个指标可分为三类，即数字经济基础建设水平、数字经济应用程度、数字经济发展程度。本文对这七个二级指标用熵值法进行处理，来衡量数字经济发展水平。

2.3.2 前因条件选择及度量。在原有研究的基础上，并结合目前数字经济环境，本文选用如下前因变量：（1） 对外开放程度（OP E ）：用各省进出口总额占各省生产总值的比例来衡量。（2） 城市化水平（UR B ）：用各省城镇人口数占总人口数的比例来衡量。（3） 产业结构（IN D ）：用各省第三产业增加值占地区生产总值的比例来衡量。（4） 创新水平（IN N ）：用专利授权数来衡量。（5） 教育支持程度（ED U ）：用地方财政教育支出和财政科学技术支出之和占地方财政一般预算支出比例衡量。（6） 经济发展水平（EC O ）：用人均地区生产总值来衡量经济发展水平。

2.3.3 校准。本文采用Ragin 的直接法[27]进行校准，选取前因条件的5、50 和95 分位点作为其完全非隶属度、转折点和完全隶属度锚点，前因条件和结果变量的校准参数如表1 所示。

表1 结果与前因条件的校准参数

3 研究结果

3.1 单个前因条件必要性分析

在对前因条件进行组态分析之前，需要对单个前因条件进行必要性分析，即研究单个前因条件及逻辑“非”情况下，是否成为决定数字经济发展的必要条件。在fsQCA 中，一致性指标被用于衡量必要条件是否存在，当某一前因条件的一致性大于0.9 时，该前因条件被认为是结果的必要条件。如果必要条件存在，则说明该前因条件是结果变量集合的子集，即结果产生时该前因条件必然存在。单个前因条件实证结果见表2，所有前因条件的一致性均低于0.9，即在对外开放程度、城市化水平、产业结构、创新水平、教育支持程度和经济发展水平这六个前因条件中，不存在数字经济发展的单个必要条件。

表2 单个前因条件的一致性和覆盖度

3.2 不同条件组态充分性分析

区别于必要性分析，充分性分析旨在探索能够产生结果的条件组态，也就是检验条件组态的集合是否为结果集合的子集。同时，充分性的一致性阈值水平也有所差异，一般认为不低于0.75，且小样本的案例频数为1。本文将一致性门槛设为0.8，案例频数设为1。运用fsQCA3.0 软件计算出数字经济发展水平的复杂解、简约解和中间解，本文将结合中间解和简约解来解释所得到的条件组态。fsQCA解出数字经济发展水平组态如表3 所示。

表3 数字经济发展水平组态分析（pri 0.75）

由表3 可知，单个组态的一致性水平均高于0.8，总体解的一致性水平为0.958 6 具有较好解释度。总体解的覆盖度为0.771 6，高于已有研究，能够较好地解释本文所研究的问题。四种组态具体隶属案例如表4 所示。

表4 数字经济发展水平的各组态具体隶属案例（pri 0.75）

3.3 稳健性检验

本文参照Ordanina 和罗银秀等的方法，把一致性阈值提高0.05，即使用0.85 代替0.8，案例频数仍为1，用更加严格的阈值再次展开分析，发现调整一致性阈值后的组态与调整前的组态具有一致的内在解释机制，仅在覆盖度上存在细微变化。因此，提高调整一致性阈值后，本文的研究结果仍然具有稳健性。

4 讨论与分析

4.1 创新模式讨论

党的二十大报告提出，创新才能把握时代、引领时代。在大数据时代，数字技术是数字化转型的技术支撑，其创新过程对数字化转型效果具有关键性作用[28]。徐昊[29]运用空间计量模型对中国省域数字经济发展的影响因素进行实证研究，结果显示，一个地区的创新水平对当地数字经济发展具有正向影响，提出数字经济发展水平高的地区通过加快数字化创新应用来发挥引领示范作用。与已有研究一致，本文采用模糊集定性比较分析（fsQCA） 的方法，通过对已有文献的梳理，提炼出的对外开放程度、城市化水平、产业结构、创新水平、教育支持程度、经济发展水平六个影响数字经济发展的因素中，创新水平是发展路径的核心条件，即一定的创新水平对数字经济的发展至关重要。

4.2 路径分析

本文以我国31 个省市自治区为样本进行研究，得出影响我国数字经济发展的四条路径。根据除创新水平外的其他核心条件，本文将四条路径归纳为创新-产业支撑型和创新-经济驱动型两类。创新-产业支撑型是指服务型产业发展较好、创新水平较高的区域数字经济发展较好，即使在其他环节较为薄弱，如外贸营商环境较差、城市化水平较低、教育支持程度较低；创新-经济驱动型是指经济发展较好、创新水平较高、城市化水平也较高的区域数字经济发展较好。在此基础上，本文结合相关理论及文献解释上述两种类型路径。

4.2.1 创新-产业支撑型。国内外经济发展的实践证明，区域经济发展实质上就是通过产业结构的调整和优化来实现的[30]。数字经济成为推动经济发展的新引擎后，产业结构一直是学者们分析数字经济问题的核心变量。数字经济本身与实体经济的一、二、三产业间均存在密切的联系，但以零售业电子商务为代表的第三产业在数字经济中具有举足轻重的地位[31]。因此，从理论上分析，区域产业结构发展差异会对数字经济产生重要影响。实际上，胡艳等[32]运用QAP 分析法对长三角数字经济进行研究，发现产业结构是影响数字经济的重要因素。同上述研究一致，本文通过fsQCA 解得的组态1a、1b 中，除了创新水平核心条件外，还有产业结构核心条件，并将其归纳为产业支撑型的数字经济发展路径。

进一步分析组态1a、1b 所覆盖的具体案例，发现河北、湖南、上海、辽宁、四川这些省份在对外开放程度、教育支持程度等方面有所差异，但都具有较高的创新水平和较合理的产业结构。上海持续推进新旧动能转换，加快高端产业集群培育，提升产业链的现代化水平[33]。上海市人民政府印发的《上海打造未来产业创新高地发展壮大未来产业集群行动方案》提出，强化高端产业引领功能，全力打造具有世界影响力的未来智能等未来产业创新高地。2021 年，河北省产业结构调整和优化取得明显成果，新旧动能转换明显加快，构建了以高端装备制造等产业为主导的较为完备的产业体系。

4.2.2 创新-经济驱动型。数字经济由实体经济与互联网融合产生[34]，根据数字经济综合评价指标体系，经济社会发展水平高的地区往往数字化应用程度会偏高[35]，其发展受城市经济发展影响。蔡绍洪等[36]采用自然断裂法、因子探测器和生态探测器对数字经济发展的影响因素进行分析，发现经济增长对数字经济发展水平产生正向促进作用，同时也是省域数字经济发展空间差异的主要原因。同上述研究一致，本文通过fsQCA 解得的组态2a、2b 中，除了创新水平核心条件外，还有经济发展水平核心条件，并将其归纳为经济驱动型的数字经济发展路径。

进一步分析组态2a、2b 所覆盖的9 个具体案例中，有8 个是当年经济发展水平前十五名，并且GDP 排名前四的广东、江苏、山东、浙江都属于组态2a 覆盖的案例。同时，城市化水平作为2a、2b 的另一项共有条件，在数字经济发展过程中也具有重要作用。城乡在基础设施、社会保障体系、教育资源等方面存在严重不平衡，《“十四五”规划纲要》进一步强调推进区域协调发展和新型城镇化。在区域经济学理论中，城市化的内在协调性是城市综合竞争力的体现[37]。例如，湖北省着力打造“一主两翼、两横两纵、多点支撑”的城镇化空间格局，在中部地区率先基本实现新型城镇化，即使存在对外开放程度、产业结构、教育支持度等条件的制约，数字经济仍然发展较好。

5 结论与启示

5.1 结 论

本文运用模糊集定性比较（fsQCA） 的方法，以我国31 个省市自治区为样本，研究区域数字经济不平衡发展的路径，得到如下结论：我国数字经济发展不依赖于单个条件，而是由不同的前因条件组合所产生的结果。此外，影响我国区域数字经济发展的四条路径，根据组态中的核心条件将其分为创新-产业支撑型和创新-经济驱动型两类。其中，创新-产业支撑型模式的核心条件为创新水平和产业结构，创新-经济驱动型模式的核心条件为创新水平和经济发展水平。

5.2 启 示

从宏观层面来看，应鼓励企业创新的积极性，让创新引领数字经济高质量发展。从微观层面来看，组态2a 是主流，唯一覆盖度远高于其他三条路径，也就是说较高的对外开放度、较高的城市化水平、较高的创新水平、较高的教育支持度及较高的经济发展水平是较多省份数字经济高质量发展的路径。