创新驱动国家中心城市经济高质量发展研究——经济政策不确定性的“U”型调节效应

赵倚林，尚 娟，史官清

（1.西安电子科技大学经济与管理学院，陕西 西安 710126；2.百色学院马克思主义学院，广西 百色 533000）

一、引言

经济高质量发展即经济增长质量的提升与增长效率的改善，表现在技术创新升级、产业结构优化、资源能耗递减、生态环境改善等方面[1]。绿色全要素生产率(GTFP)追求以更少的能源、资源投入获得更多的经济产出，能够较好地反映资源环境利益、经济利益的融合程度。现有文献大多关注经济高质量发展的内涵界定、指标体系、发展路径等[2]，较少从绿色全要素生产率视角讨论我国如何实现经济高质量发展。创新驱动经济发展的效果往往需要适合的政策环境予以保障，即创新转化的外部环境能够直接决定创新与经济高质量发展的融合程度[3]。目前有关创新水平与经济高质量发展的驱动机制、具体关系、影响效果、作用环境等相关实证研究仍需完善，有必要从实证层面来检验创新对经济高质量发展的影响，并进一步量化创新转化的外部政策环境边界。

国家中心城市作为区域经济高质量发展战略部署的重要空间载体，处于现代化城镇体系顶层，其经济基础雄厚，创新资源丰富，发展韧性强劲，但仍然存在“发展不平衡、环境污染”等顽疾。如何依靠科技创新提升各大城市的经济发展质量，破解大城市资源约束、环境污染等现实难题成为当务之急。诚然，国家中心城市自设立至今，其建设发展过程大多得到国家相关政策的扶持，特别是在人才引进政策、创新支持政策、财政支持政策等方面都得到了诸多激励。然而政策调控手段往往存在两面性，“正效应”与“副作用”并存，创新驱动经济发展的外部政策环境对其本身也有复杂的影响作用。因此，文章将外部环境类要素———经济政策不确定性纳入国家中心城市创新驱动经济高质量发展的主体研究框架中，通过构建计量模型实证考察了经济政策不确定性在两者之间所起到的调节作用，并量化了经济政策不确定性的复杂影响。各大国家中心城市如何坚持“稳中求进”的发展基调、如何面对外部冲击带来的不确定性风险与挑战、如何激活创新发展动力等都是未来探索的重要问题。

现有研究主要集中于经济政策不确定性对宏观经济系统或微观企业行为的影响，缺乏将其视为环境要素对区域创新驱动发展效果的线性关系研究。文章的边际贡献在于：第一，从绿色全要素生产率视角切入，将经济政策不确定性作为调节变量纳入创新与经济高质量发展的研究框架之中，具体分析了三者之间的作用机制；第二，从实证层面考察国家中心城市创新驱动发展战略的执行效果，检验经济政策不确定性作为环境因素对创新与经济高质量发展的非线性影响，并考虑区域的异质性特征；第三，分别从企业创新、产业优化、政策制定、城市发展方面提出国家中心城市的组合发展策略。

二、文献综述与研究假设

1. 创新与经济高质量发展

提高绿色经济发展效率、增强绿色竞争力是经济高质量发展的核心测度指标。创新对绿色全要素生产率的影响主要包括：第一，创新是提升绿色全要素生产率的重要因素，能够减少能源、资源的单位消耗，提高清洁能源、可再生能源的利用效率，形成环境与经济的良性循环[4]；第二，创新可以促进产业升级，通过创新水平的提高将生产活动从低附加值产业升级为高附加值产业，提升能源使用效率，促进产品与消费结构优化，提升城市发展品质[5]；第三，创新可以加速城市的绿色转型发展。技术创新水平的提升可以有效减少城市污染物排放，提升城市治理水平，促进城市的绿色发展[6]。

综合上述分析，文章提出以下假设：

假设H1：创新对国家中心城市经济高质量发展具有显著的正向影响。

2. 经济政策不确定性与经济高质量发展

经济政策不确定性对经济发展的影响存在抑制论、促进论、非线性论三类观点。

抑制论：由于区域内各经营主体投资回报不确定性的提升不利于固定资产投资和设备升级改造，对经济增长率、就业率产生消极影响[7]。市场预期不确定性的加剧，使得企业的融资难度提升，企业倾向持有更多资金以规避市场风险[8]。

促进论：企业的投资行为可视作增长期权，企业实施研发投入或战略兼并等投资行为带来了一定的预期收益。当企业投资的增长期权价值高于延迟投资的实物期权价值时，外部环境不确定性的加剧一定程度上可以刺激企业加大投资力度从而在激烈的竞争之中获得优势。此外，企业还可以根据市场波动情况灵活调整投资规模来促进长期经济增长[9]。

非线性论：经济政策具有逆周期特征，在经济不景气时能刺激消费与企业投资，进而带动区域经济的增长，而在经济兴盛时期则会抑制消费与企业投资[10]。此外，经济政策不确定性的提高加剧了金融机构的风险厌恶程度和信贷双方的信息不对称程度，对产业结构和调整速率产生波动性影响[11]。

综合上述分析，文章提出以下假设：

假设H2：经济政策不确定性与经济高质量发展之间呈现“U”型特征。

3. 经济政策不确定性的调节机制

经济政策不确定性在创新与经济高质量发展之间的调节作用存在抑制、激励与非线性效应。

抑制效应：企业经营环境的可预测程度会随着经济政策不确定性的提升而更加困难，进而导致资本市场摩擦加剧，企业面临内外部融资受限的困境。为了稳定生产经营，企业会减少高风险的创新投资活动，从而抑制创新驱动效果[12]。

激励效应：经济政策不确定性的提升不仅带来了外部环境“危机”，还蕴含着企业发展的“转机”。当政策环境不确定性提高时，市场竞争程度以及风险系数进一步增加，企业倾向于通过加大创新力度、加快创新速度来获取更大的市场竞争力，并积极承担创新带来的风险[13]。

非线性效应：一方面，经济政策不确定性的提升可能会加剧经济主体创新的融资困难并增加延迟投资的价值；另一方面，经济政策不确定性带来的预期机遇和增长期权价值则可能对创新产生持续性的促进作用[14]。

综合上述分析，文章提出以下假设：

假设H3：经济政策的不确定性在国家中心城市创新与经济高质量发展之间存在非线性的“U”型调节作用。

文章的理论模型如图1 所示。

图1 研究假设与理论模型

三、研究设计

1. 模型构建

已有研究发现滞后两期的创新投入对经济效益提升效果较好[15]，经济政策不确定性对区域经济主体行为的影响也存在二阶滞后性[16]。基于以上分析，构建创新水平对经济高质量发展的主效应回归模型：

其中，lnGTFPit为被解释变量，表示i 城市在t年的经济高质量发展水平；lnR&Dit-2为解释变量，表示i城市t-2年（滞后两期） 的创新水平；Controlsit表示控制变量集；μi表示个体不可观测效应，用来反映不同城市的异质性，εit则表示随机误差项。

参考刘建民、薛妍(2021)[17]的做法，在模型(1)的基础上纳入经济政策不确定性变量及其二次项用于检验经济政策不确定性对经济高质量发展的非线性关系，构建模型如下：

其中，lnEPUit-2为调节变量，表示i 城市t-2年（滞后两期） 的经济政策不确定性水平；ln2EPUit-2则为调节变量的二次项；其他变量与模型(1)一致。

为进一步验证经济政策不确定性在国家中心城市创新与经济高质量发展的非线性调节作用，在模型(2)的基础上纳入解释变量与调节变量的一阶、二阶交互项，构建模型如下：

其中，lnR&Dit-2×lnEPUit-2代表国家中心城市创新水平与经济政策不确定性的一阶交互项；lnR&Dit-2×ln2EPUit-2代表创新水平与经济政策不确定性平方项的二阶交互项，其他变量与模型(1)一致。

2. 变量选取

（1） 被解释变量：经济高质量发展水平(GTFP)

现有文献主要从全要素生产率角度来体现狭义的经济高质量发展，内生增长理论认为TFP 是经济持续增长的动力源泉。绿色全要素生产率不仅需要考虑资源能源等要素的有效投入，还需要将环境污染类指标纳入经济效率的测算模型之中，更能体现经济高质量发展的理念。

以绿色全要素生产率作为国家中心城市经济高质量发展的测度指标并展开分析，采用可以同时考虑变量松弛、有效DMU 区分性、跨期可比的超效率SBM-GML 方法来测算国家中心城市的绿色全要素生产率，具体测算方法如下：

第一，非期望产出的超效率SBM模型。

要在城市层面测算绿色全要素生产率，因此文章将决策单元定义为现有的国家中心城市。若决策单元的数量为a，投入品的种类为b，各决策单元会有w1种期望产出，w2种非期望产出，将相应的投入、期望产出和非期望产出矩阵表示为：X=[x1，x2，…，xn]∈Rb×a，Y=[y1，y2，…，yn]∈Rw1×a，P=[p1，p2，…，pn]∈Rw2×a，则超效率SBM的算法可以表示为：

其中，xik、yrk和puk分别代表投入、期望产出和非期望产出，λ为指标权重，ρ 为各决策单元的效率值。

第二，全局曼奎斯特—卢恩伯格指数。

文章采用全局曼奎斯特—卢恩伯格指数(Global-Malmquist-Luenberger，GML)方法计算企业绿色全要素生产率，方法如下：

其中，DG代表全局技术可行集下的方向距离函数。为企业绿色全要素生产率在m 到m+1 期的变化。

在城市绿色全要素生产率的指标选取方面，参考卢丽文等(2017)[18]的研究，投入指标采用各城市固定资产投资额、各城市从业人员数、各城市全社会用电量，期望产出指标采用各城市的GDP，考虑到数据的可获得性，非期望产出指标采用各城市的工业二氧化硫的排放量、工业废水的排放量和工业烟尘的排放量。

（2） 解释变量：创新水平(R&D)

城市R&D 资金投入在城市经济主体开展创新活动的过程中有着重要的支撑作用，城市R&D 经费投入强度体现城市的科技创新基础水平，决定着创新产出的绩效水平[19]。经济政策不确定性会对市场主体的创新行为产生影响，直接体现在创新投入的增加上。R&D 经费的投入在一定程度上反映了对环境污染控制的技术发挥水平。因此采用各城市R&D 经费投入强度对该指标进行衡量。

（3） 调节变量：经济政策不确定性(EPU)

以Baker 等(2016)[7]公布的月度经济政策不确定性指数为原始数据，采用算术平均法将原始资料中的月度数据转化为年度经济政策不确定性指数。

（4） 控制变量

国家中心城市的国际贸易、外商投资、财政支持、教育水平、环境规制等因素也可能对经济发展产生重要影响，借鉴已有研究[20]，控制变量选用对外开放程度(OPEN)、政府的财政支出(GOV)、外商投资水平(FDI)、教育水平(EL)、环境规制水平(ED)五项指标。

具体变量定义以及测算方法见表1。

表1 变量定义

3. 数据来源与处理

选取2010—2020年北京、天津、上海、广州、郑州、武汉、重庆、成都、西安九大国家中心城市的面板数据，各项指标均来自各城市统计年鉴和国民统计公报，个别数据来自统计局。各个变量的描述性统计如表2 所示。

表2 变量的描述性统计结果

四、实证结果与分析

1. 回归分析

考虑到样本城市数据具有一定的现实复杂特征，往往较难满足OLS 的经典假设。而全面FGLS 方法进行回归分析，不但可以考虑长面板数据的组间异方差、组内自相关、组间同期相关问题，还可以得到较为稳健的统计结果。

采用全面FGLS 方法进行实证检验，估计结果如表3 所示。

表3 模型估计结果

列(1)报告了加入解释变量的估计结果，创新对经济高质量发展的回归系数显著为正，表明国家中心城市创新对经济高质量发展有显著的促进作用，H1 得到验证。

列(2)加入了经济政策不确定性与二次项的估计结果，创新水平的回归系数变小但仍然显著为正，经济政策不确定性的一次项系数显著为负，其二次项系数显著为正，H2 得到验证。当经济政策不确定性的指数较低时，日趋复杂的市场环境与潜在风险会加剧资金占用、融资约束等问题。政府、企业等部门可能为了降低获利风险而减少环境创新投资带来的收益不确定性。但当经济政策不确定性指数突破一定的阈值后，虽然较高的不确定性加剧了市场风险，但高风险的背后也蕴藏着丰厚的收益，并且高不确定性有助于敦促各地区能源与环境政策体系的完善，使其与国家节能减排政策收紧的预期相契合，促进经济高质量发展。

列(3)加入了国家中心城市创新与经济政策不确定性的一阶交互项与二阶交互项，一阶交互项系数显著为负，二阶交互项系数显著为正，H3 得到验证。经济政策不确定性的增加会逐步削弱创新对经济高质量发展的正向效应。因为不确定、不明朗的外部环境可能会加大企业及时获取信息的难度，使得企业做出暂缓研发投入的决策，降低绿色创新研发速率。然而，当经济政策不确定性指数超过一定阈值时，调节作用由负向转为正向调节。因为创新活动具有高风险、高收益特性，而国家中心城市具有较强的创新势能，不确定性的加剧会使得创新激励效应进一步加强，作为创新主体的各类企业则更偏好加大创新力度来抢占市场先机获得超额利润。企业加大创新力度有助于推动其绿色转型发展进程，不仅可以缓解“城市病”带来的一系列不良影响，还可以化解市场风险、提高市场竞争力，实现可持续发展目标。

2. 稳健性检验

首先，采用各国家中心城市专利申请授权量替代研发投入强度指标，并更换了调节变量的测算方法，采用几何平均法重新测算宏观经济政策不确定性水平，再次使用全面FGLS 方法进行回归，检验结果如表4 中的列(1)～列(3)所示。其次，考虑到国家中心城市经济高质量发展可能会反向影响创新水平，为缓解双向因果导致的内生性问题，同时检验国家中心城市经济高质量发展是否存在时间滞后性，构建动态面板模型并采用SYS-GMM 方法再次检验，结果如表4 列(4)～列(6)所示。AR(2)序列相关检验、Hansen 检验结果均符合SYS-GMM 的要求，且主要变量估计结果与假设检验基本保持一致，研究结果稳健可靠。

表4 稳健性检验

3. 区域异质性分析

考虑到九大国家中心城市在我国东部、中部和西部地区均有所分布，其创新水平、发展韧性、绿色发展效率等可能存在一定的区域异质性特征。现将研究样本按照所属区域划分为东部地区和中西部地区国家中心城市，并基于假设依次进行分组回归，具体估计结果如表5 所示。

表5 分区域估计

由列(1)可知，东部地区国家中心城市创新水平的提升能够促进经济高质量发展，假设H1 成立。由列(2)可知，经济政策不确定性对经济高质量发展的“U”型作用在东部地区国家中心城市得到支持，假设H2成立。因为东部地区国家中心城市治理能力较强，能源与环境的政策体系相对完善，企业发展策略与地区未来节能减排发展策略的预期一致，以创新谋求长远可持续发展依旧是必要途径，经济政策不确定性带来的“创新激励效应”得到较好的发挥。同时，东部地区各大城市创新水平较高且市场竞争力较强，经济政策不确定性的提升也为该区域各大城市提供了发展机遇，有助于敦促城市弥补制度政策短板、完善环境治理体系。

列(3)表明东部地区国家中心城市经济政策不确定性的“U”型调节效应成立，假设H3 得到验证。东部地区国家中心城市集聚着先进的科学技术与高级技能人员，创新基础雄厚，现代产业体系较为完善，该区域企业市场信息搜寻能力更强，对市场需求变化的敏感程度更高。当宏观经济政策波动较大时，该区域企业能够通过加速技术创新转化来巩固市场力量，以应对市场竞争与风险，灵活求变的同时发挥好创新激励效应并不断提升环境效益。

列(4)、列(5)、列(6)为中西部地区国家中心城市的估计结果，假设H1～H3 在该区域也得到验证，但主要变量的回归系数要低于东部地区国家中心城市。首先，中西部地区创新活动相关配套设施与创新产业体系仍不够完善，创新潜能有待进一步激活。其次，中西部地区经济发展对经济政策有较强的依赖，且其市场化水平不及东部发达地区，由此可能会缓释经济政策不确定性本身对经济发展带来的“双刃剑”影响。最后，由于研发与创新活动存在高风险、高收益的特征，中西部地区经济主体在面对经济政策不确定性提升时可能会持有更为谨慎的态度以规避损失。

五、研究结论与政策建议

文章选取2010—2020年我国九大国家中心城市面板数据，从理论与实证层面分析了创新水平、经济政策不确定性与经济高质量发展之间的复杂作用关系，讨论了不同区域国家中心城市的异质性特征，得出如下结论：第一，国家中心城市创新是促进经济高质量发展的重要推手。第二，经济政策不确定性与国家中心城市经济高质量发展之间存在“U”型关系。第三，经济政策不确定性在国家中心城市创新水平与经济高质量发展之间存在“U”型调节效应。第四，相较于中西部地区，东部地区国家中心城市创新驱动效果更为明显，其对经济政策不确定性的敏感程度更高，不确定性与创新的耦合效果更好。

基于上述结论，文章提出以下政策建议：第一，政府的经济政策制定应充分考虑其对企业创新行为的影响，引导企业加大创新投入力度，多措并举确保企业创新主体的地位，提升科技成果转化效率，促进创新资源有效整合。加大R&D 经费投入力度，运用政府税收或财政调控政策，激励企业建立科技研发机构，重点加大绿色节能技术创新研发力度。增强企业创新应用、技能型人才引育及激励力度，充分调动各类人才的创新能动性。加速推进各类企业的科技制度创新，积极完善企业创新活动市场环境准入规范，通过制度创新引驻更多绿色企业、现代企业，为科技创新营造良好的市场环境，多措并举助力经济高质量发展。第二，政府的创新扶持政策应基于城市创新系统动态发展过程，以处理好城市内创新要素的联动关系为主要目标。应依据各大中心城市的发展实际，健全各大城市科技评估与孵化服务体系，提升科研成果的实际转化效率；并鼓励以知识产权交易为中心的科技服务机构发展，促进完善“产—学—研—用”的创新体系建设。此外，要提升区域的自主创新能力，应重点加大节能环保技术与产品、工艺创新的力度，特别是加快高污染、高耗能、低附加值企业向低碳、节能、高附加值转变。东部地区未来可以聚焦前沿科技与核心技术，中西部地区国家中心城市则以环境友好发展为导向，依托本土资源培育具有特色化的创新型产业业态。第三，坚持“因城施策、因地制宜”的理念，以“扬长补短、瞄准关键”的原则来制定各大城市创新战略与经济发展政策。相关政府部门需要综合考虑各大城市的经济发展现状、发展模式、禀赋条件、产业基础、技术发展水平等差异，以节能减排与经济增长的双重目标为导向，基于历史特征灵活制定出推动经济高质量发展的政策激励机制，制定契合发展战略的创新政策引导。对于不同发展定位的城市要因地制宜、因时制宜制定政策，将政策压力转化为内在发展动力，充分尊重有关各城市经济运行系统对经济政策不确定性的敏感度差异，进而增强政府和市场发展的良性互动趋势。