“互联网+”驱动区域创新效率的异质动态效应研究

韩先锋 刘 娟 李勃昕

(1.西安理工大学经济与管理学院； 2.西安财经大学公共管理学院)

1 研究背景

新时代下，加快建设创新型国家已被提升至一个前所未有的战略高度，持续提升区域创新效率、走集约型创新驱动发展道路也一直是创新型国家建设的重要选择。然而，当前我国区域创新活动仍存在着创新资源浪费严重、创新产出水平不高、创新活力不足等问题，严重制约了区域创新效率水平的提升。美国智库战略与国际研究中心研究指出，中国科技创新存在“虚胖”，究其原因在于，中国花费了很大的人力、资源、金钱、时间和政府政策在创新上，但结果是创新效率并不高。正因为如此，如何走出区域创新活动的“低质量陷阱”，就成为了长期以来困扰政府和广大学者的现实难题。在这种情形下，国家审时度势提出了“互联网+”战略，明确要以促进创新创业为重点，充分发挥“互联网+”的创新驱动作用。当下，考察“互联网+”对区域创新效率的影响，对中国有效实施“互联网+”战略，以及加快推动创新型国家建设具有重要的现实意义。

如何提升区域创新效率是政府和学术界广泛关注的热门话题，多数文献基于政府行为、人力资本、国际技术溢出以及产业结构等维度，解析了如何提升区域创新效率[1～4]。也有文献对信息化或信息技术与区域创新效率的关联性问题进行了探讨，大多得出了较为肯定的结论。FORÉS等[5]研究证实了信息通讯技术对区域创新具有积极影响。储伊力等[6]研究发现，信息化对区域创新的影响在东部和西部地区比较显著，而在中部地区尚不明显。张骞等[7]认为，信息化促进了中国区域创新能力的提升，信息化发展并未造成区域创新能力的马太效应。李长英等[8]研究表明，信息化显著提升了区域创新能力，且在金融发展、人力资本和交通基础设施水平较高的地区，这种积极作用会更加明显。不难发现，关于信息化与区域创新的相关研究多聚集于线性视角，而基于非线性角度的分析还比较少见。

目前，关于“互联网+”创新的相关文献，主要聚集于探讨“互联网+”对企业创新的影响。ARTHUB[9]认为，互联网能有效推动知识和信息的传播扩散，从而有利于创新。GUIRE等[10]强调，在互联网的驱动下，企业更方便进行前瞻性研发。PAUNOVA等[11]实证表明，吸收能力较强、效率较高的企业往往具有更高的互联网创新溢出。国内学者程立茹[12]、李海舰等[13]、赵振[14]均从理论层面肯定了“互联网+”对企业创新的积极影响。平新乔[15]认为，“互联网+”会驱使制造业企业的创新方式从“内部创新”向“开放创新”演变。关于“互联网+”与企业创新关联性的实证研究尚不多见。杨德明等[16]研究发现，“互联网+”会激励企业加大创新投入，从而有利于促进企业创新。王可等[17]考察显示，“互联网+”既能显著促进我国制造业创新，又能带来制造业绩效表现的提升。王金杰等[18]实证发现，互联网对企业创新绩效存在正向影响，且在资金密集型和技术密集型行业中，这种积极影响将更显著。张玉明等[19]则肯定了互联网对小微企业技术创新的积极意义。不难发现，多数文献对“互联网+”企业创新的效果持积极态度，证实了企业创新中的“互联网+”威力。遗憾的是，只有极少数文献强调了互联网对区域创新产出的影响[20，21]，而关于“互联网+”与区域创新效率关联性问题的文献尚不多见，特别是关于“互联网+”驱动区域创新效率的异质动态效应更属凤毛麟角。

本研究试图把“互联网+”纳入区域创新效率提升的分析框架，实证考察“互联网+”与区域创新效率之间的异质非线性动态关联。与以往研究不同，本研究的主要创新在于，从“互联网+”动态驱动这一视角，为重新审视如何有效提升中国区域创新效率问题提供了一个新的视角，也为新时代下中国进一步提升创新驱动发展战略和“互联网+”战略的实施成效，以及正确处理“互联网+”与区域创新的动态关联提供一定启示。

2 研究设计

2.1 模型构建

互联网时代下，区域创新活动日益呈现多元化、网络化、个性化和智能化的复杂特征。由于“互联网+”能有效打破信息传递的时空约束，导致区域创新系统的活动边界逐渐消失。一方面，“互联网+”无形中降低了区域创新系统的运行成本，致使创新主体更容易以低成本方式从网络中获取信息资源；另一方面，“互联网+”持续加速了区域创新系统中信息的处理和整合，使得创新主体的创新速度、方式、成功率、决策效率等均在一定程度上得到改善。正因为如此，使得“互联网+”作用下的区域创新系统运行出现了创新成本不断下降，而创新收益却持续增加的现象。这种情形下，随着“互联网+”区域创新融合的深入，越来越多的消费者、创业者与传统创新主体将一起参与到区域创新中，使得更多创新参与者能在更大区域范围内充分享受到创新溢出红利，通过“互联网+”产生积极的累积循环和持续反馈响应，加快区域创新系统大众创业、万众创新良好氛围的形成，进而可能引起区域创新效应的动态演变。由此，“互联网+”的创新溢出效应可能是不断动态变化的，即具有一定的动态非线性特征。为了揭示区域创新系统中“互联网+”威力的动态特征，这里采用HANSEN[22]的面板门槛回归模型进行考察，首先构建如下模型

Tit=α0+α1INit·I(INit≤γ)+α2INit·

I(INit>γ)+αcXit+λi+εit，

(1)

式中，T表示区域创新效率；IN表示“互联网+”指标，既是核心解释变量，也是门槛变量；I(*)表示一个指示函数，在括号内条件满足的情形下，取值为1，不满足则取值为0；γ表示待估计的门槛值；X表示影响区域创新效率的其他控制变量；λ表示不可观测的个体固定效应；ε表示随机扰动项；α0表示常数项；α1、α2分别表示第一门槛区间和第二门槛区间的估计系数；αc表示控制变量的估计系数；i和t分别表示样本和时序的编号。通过比较门槛变量IN与门槛值γ的大小，能将研究样本划分成两个回归系数取值不同的区域。

式(1)假设仅有一个“互联网+”门槛值，考虑到样本可能存在多个“互联网+”门槛，这里进一步对模型做了拓展，假设存在n个门槛值的模型具体如下

Tit=α0+α1INit·I(INit≤γ1)+α2INit·

I(INit>γ1)+…+αnINit·I(INit≤γn)+

αn+1INit·I(INit>γn)+αcXit+λi+εit。

(2)

另外，若“互联网+”与区域创新效率之间存在某种非线性关联，这种关系是否具有一定的条件限制？其约束机制如何？为了回答上述问题，这里拟进一步探讨创新环境约束下，“互联网+”如何影响中国区域创新效率。一般认为，创新环境不仅包括经济因素，还包括各种非经济因素[23]。本研究拟从经济因素和科技因素两个维度，进一步揭示“互联网+”创新溢出可能存在的非线性规律和异质调节效应。具体构建如下非线性面板门槛数据模型

Tit=α0+α1INit·I(qit≤γ1)+α2INit·

I(qit>γ1)+…+αnINit·I(qit≤γn)+

αn+1INit·I(qit>γn)+αcXit+λi+εit，

(3)

式中，q为门槛变量，表示经济因素和科技因素等代理变量。

2.2 数据说明与变量设定

本研究的样本为中国30省份(剔除了西藏、港澳台等样本)，研究时段为2006～2015年(1)鉴于官方披露的数据，通常会有滞后2～3年的情况，且在文章撰写时，部分指标尚未公布，故本研究采用了2006～2015年的数据进行研究。同时，为了确保采用该数据进行研究的合理性，在文中做了大量的稳健性检验。。基础数据主要来自历年的《中国互联网发展状况统计报告》《中国基本单位统计年鉴》《中国统计年鉴》《中国工业经济统计年鉴》《中国科技统计年鉴》《中国对外直接投资统计公报》与《中国金融统计年鉴》。这里对具体研究变量做如下设定。

(1)被解释变量：区域创新效率本研究基于投入产出角度，采用SFA方法测算中国区域创新效率水平。由于专利富含有关发明、技术和发明者等信息，能够较好地刻画区域创新活动的产出情况，是衡量区域创新活动的可靠指标[24]，故选取专利授权量来衡量区域创新产出。对于区域创新投入指标，借鉴现有研究的通用做法[25]，创新资本和劳动投入指标分别选取R&D经费支出和R&D人员全时当量来衡量。对于SFA模型形式选择，这里分别估算超越对数型随机前沿模型和柯布-道格拉斯生产函数模型，并基于广义似然率方法检验模型适宜性，发现广义似然率大于相应的5%显著水平下的卡方分布临界值为7.815，表明采用超越对数型随机前沿模型测度中国区域创新效率更为合理。

期内中国区域创新效率的演变情况见图1。图1中，由效率的变动趋势可知，东部地区创新效率平均水平一直高于全国和中、西部地区创新效率的平均值，三大地区平均创新效率水平虽均呈现稳步的增长，但区域创新系统发展的不平衡现象是一直显著存在的。各地区创新效率水平的变异系数均呈现下降态势，反映了近年来区域创新系统内部的创新效率差距有缩小趋势。

(2)核心解释变量：“互联网+”水平不同于周斌等[26]以互联网普及率、刘军等[27]以互联网普及率与电信固定资产投资的乘积来表示“互联网+”指标，本研究认为，包括互联网普及率在内的单一指标，虽然都是影响“互联网+”水平高低的重要体现，但不够全面客观，也略显单薄，仅能反映出“互联网+”发展的局部事实，并不能真实揭示“互联网+”发展的综合特征。考虑到“互联网+”是一个较为复杂的系统工程，本研究结合中国“互联网+”发展实际进行综合指标设计，相应的一级指标体系涵盖互联网的基础设施、商务应用、普及、发展环境和信息供给5个层面，细分指标的筛选以导向性、全面性、有效性、可操作性和科学性五大原则为依据，进一步构建出中国省际“互联网+”综合发展水平测度体系。

综合指标体系设计和细分指标选取的主要依据在于：①互联网普及。互联网普及水平是衡量一个国家或地区“互联网+”水平的重要体现，而互联网普及率和网民数分别反映了“互联网+”的未来发展潜力和服务规模的大小。由此，这里选取上述两个指标来衡量。②互联网基础设施。互联网基础设施是“互联网+”发挥作用和体现能力的基础，其中，IP地址是构成现今互联网技术基石的协议，域名相当于互联网上的“门牌号码”，宽带是“信息高速公路”的基石，宽带接入端口是互联网信息传输的主要设备。这里从IPv4地址占比、万人域名数、长途光缆线路长度和互联网接入端口数4个方面来反映。③互联网信息供给。网站和网页是“互联网+”扩散的重要载体，能反映出信息资源的供给能力。对于网站指标，由于其多为企业所独有，故选择网站总数除以地区的法人单位数量来衡量较为合理。对于网页指标，选取每个网页平均字节数可反映出互联网信息资源的丰富程度和多少。④互联网商务应用。“互联网+”的作用效果，在一定程度上表现为互联网商务应用水平的高低。目前关于网络商务应用方面的数据较为缺失，这里主要从网购角度来反映互联网商务的应用情况，选取快递业务量来衡量网购产业的发展状况，该指标越大，说明网购产业越发达。⑤互联网发展环境。“互联网+”发展会受到互联网行为有效实现所需的主要客观条件约束，特别是会受到经济环境、技术环境和消费环境的影响，本研究分别选取人均GDP、R&D投入占GDP比重、城镇居民人均消费水平来表征。综上所述，这里设计的综合指标测度体系见表1。

表1 中国省际“互联网+”综合发展水平 测度体系

根据表1的测度体系，本研究采用全局主成分方法构造省际维度的“互联网+”综合发展水平指数。经标准化处理后的全部数据通过了KMO检验和Bartlett球形检验，验证了本研究进行全局主成分分析的可行性。同时，这里采用使前k个主成分累计方差贡献率达到80%的方法来确定因子个数。为了研究方便，这里按照以下公式处理转化，将测算所得的数据标准化到[0，1]区间内，即为省际“互联网+”综合发展水平指数。

(4)

式中，Si表示i省份的“互联网+”综合水平因子得分值；max(Si)和mix(Si)分别表示对应综合水平因子得分的最大值和最小值。经测算发现，考察期内平均“互联网+”综合水平指数排名前十的省份，依次是广东、北京、上海、浙江、江苏、山东、福建、辽宁、天津、河北，均在东部地区；平均水平较低的后3位省份，分别是宁夏、贵州和青海，均在西部地区。

(3)门槛变量这里首先选取“互联网+”水平作为门槛变量，旨在揭示“互联网+”的区域创新效应是否呈现动态变化及其门槛特征。另外，考虑到经济因素和科技因素等均可能对“互联网+”的区域创新效应产生异质调节影响，故本研究分别从以上两个方面选取具体指标来探讨。对于经济因素，这里从经济发展、产业结构和贸易开放度3个维度来反映，具体分别选取人均实际GDP、第二产业增加值占GDP比重、用人民币表示的进出口总额与GDP比值来衡量。对于科技因素，本研究从政府R&D资助、R&D强度和技术引进3个维度来反映，并分别选取研发经费内部支出中政府资金金额占比、研发投入占GDP比重、国外技术引进合同金额与GDP比重来刻画。

(4)控制变量为了更精确地分析区域创新系统中“互联网+”的创新溢出效应，这里还对以下变量做了相应控制：①城市化水平，采用省际年末城镇人口与总人口之比来表征；②人力资本，采用省际平均受教育年限来刻画(2)具体地，将居民受教育程度划分为小学教育、初中教育、高中教育、大专及以上教育，并分别用不同受教育程度人数占6岁以上人口的比重乘以对应的平均累计受教育年限，求和即可得各省平均受教育年限水平。；③外商直接投资，将省际FDI数据转换为人民币表示，并用该指标除以同期GDP来衡量；④对外直接投资，选取用人民币表示的OFDI存量与GDP之比来反映；⑤金融支持，使用金融机构年末存贷款余额与GDP比值来表征；⑥要素禀赋，运用资本劳动比来衡量，并采用资本存量来表征资本指标(3)关于资本存量指标的测算，这里借鉴永续盘存法，以1978年为基期，同时使用固定资产价格指数平减方式来进行测度。；⑦市场化水平，采用非国有企业员工占比来衡量。

考察期内“互联网+”与区域创新效率的关联(见图2)，从图2可直观发现，样本点分布相对集中，说明二者总体上具有较为明显的正向关联，即随着“互联网+”水平的不断提高，中国区域创新效率水平均持续提升。

3 实证结果及分析

为了尽可能使研究结论更加稳健，这里在实证分析前首先做了3类检验：①多重共线性检验，测算的最大方差膨胀因子VIF数值小于10，有效控制了计量回归中多重共线性的影响。②面板单位根检验，这里分别运用原假设为存在异质面板单位根的PP-Fisher方法、ADF-Fisher方法和原假设为存在同质面板单位根的LLC方法进行检验。经测试发现，包括区域创新效率和“互联网+”在内的所有变量均在上述方法下通过了显著性检验，即本研究的面板数据平稳，这将有效避免宏观数据可能会因为存在时间趋势而出现的伪回归问题。③面板协整检验，运用基于残差的Pedroni协整方法[28]检验发现，“互联网+”与区域创新效率之间存在着明显的长期均衡关联。在上述检验的基础上，这里将进一步对“互联网+”和区域创新效率之间的关联性进行考察。

3.1 “互联网+”影响区域创新效率的动态效应考察

由于“互联网+”具有开放共享、互联互通和超越时空等鲜明特征，致使其对区域创新效率的影响将可能是动态非线性的。这里采用门槛回归技术进行实证检验，以克服人为划分样本区间造成的主观偏差。在估计二者非线性关联前，首先需要检验门槛效应是否存在，以此确定“互联网+”变量的门槛值个数以及模型的具体形式。基于HANSEN[22]的“自举法”重叠模拟似然比检验统计量300次，并估算Bootstrapp值。以“互联网+”指数作为门槛变量的检验结果见表2。由表2可知，无论是否考虑控制变量，“互联网+”水平变量均依次通过了1%显著性水平下的单一门槛、双重门槛和三重门槛检验，不考虑控制变量和考虑控制变量情形下三重门槛检验的95%置信区间分别为[0.594，0.600]和[0.583，0.609]，且两种估计方法的门槛值比较接近。据此，本研究选取三重门槛回归模型(4)三重门槛模型存在3个门槛值，按照门槛值由小到大可依划分出4个门槛区间，经济含义在于随着门槛变量由小到大变动，“互联网+”对区域创新效率的影响在不同门槛区间内是动态变化的。来估算“互联网+”对区域创新效率影响的非线性效应是较为合理的。为了增强研究结论的稳健性，本研究还进行了以下方面的工作予以佐证：①利用各去掉平均区域创新效率水平最高和最低的样本进行稳健性检验1，以及各去掉平均“互联网+”水平最高和最低的样本进行稳健性检验2，以消除非随机性和异常值对回归结果的影响；②根据LUCCHETTI等[29]处理面板门槛模型稳健性的做法，将门槛数据模型改为滞后一期进行稳健性检验3。检验发现，上述3种情形下仍表现为门槛模型，且门槛值的个数与原模型相同，其对应的门槛值相比也差别很小，均印证了本研究采用三重门槛模型进行研究是可靠的。

表2 “互联网+”水平门槛检验

注：BS次数=300，表4同；***表示在1%的显著性水平下通过检验，下同。

在估计非线性模型之前，这里首先初步估计了3个线性模型以方便比较。经Hausman检验发现，采用固定效应模型进行估计较为科学。为了进一步校正异方差的不利影响，这里采用固定效应的GLS方法，并结合white-period稳健方法做估计。与此同时，为了尽可能克服内生性问题，采用“互联网+”水平的滞后1期的做法，以及运用带有工具变量的固定效应(FE-IV)的估计方法进行处理。上述情形下的估计结果分别见表3中的模型1～模型3。由模型1可知，“互联网+”对区域创新效率的影响系数为0.282，且通过了1%的显著性水平检验，说明“互联网+”显著促进了中国区域创新效率水平的提升。正是由于“互联网+”具有互联互通、开放共享、跨越时空、信息获取近乎零成本等鲜明的溢出特征，导致其能持续改善区域创新系统的运行方式、资源配置水平、要素使用效率、研发成功率以及创新决策水平，进而促进了区域创新效率水平的提升。与滞后1期的估计结果相比，“互联网+”系数差别较小，说明模型的内生性问题并不严重，但滞后1期的“互联网+”变量系数略大于采用当期数据进行估计的系数值，表明“互联网+”对区域创新效率的影响不仅只体现在当期，而且还存在明显的滞后效应。进一步比较发现，考虑内生性问题后，估计结果基本上没有发生变化，证实了前文所得结论是可靠的。

表3 面板门槛模型回归结果

注：括号内数值表示经修正异方差后的t统计量，**、*分别表示各变量的系数在5%、10%的显著水平下通过了检验。IN1～IN4为不同门槛区间“互联网+”水平变量的系数。下同。

由表3中的非线性模型估计发现，“互联网+”变量在4个门槛区间内均显著为正，即“互联网+”对区域创新效率的非线性动态影响是显著的，且无论是否考虑控制变量这种结论均成立。由模型5可知，当“互联网+”水平低于0.546时，“互联网+”变量的系数为0.160且显著，表明“互联网+”对区域创新效率的影响在第一门槛区间内表现出显著的正向效应。当“互联网+”水平介于0.546～0.566之间时，“互联网+”变量的系数增大至0.202且显著，即在第二门槛区间内“互联网+”对区域创新效率仍存在显著的促进效应，且影响强度有所增大。当“互联网+”水平超过0.566且小于0.586时，“互联网+”对区域创新效率仍保持着显著的积极影响，促进强度进一步增大至0.224。当“互联网+”水平超过0.586时，“互联网+”对区域创新效率的促进效应进一步提升至0.244且显著，说明“互联网+”对区域创新效率的积极影响在此门槛区间内最为显著。由此，随着“互联网+”水平的提高，其对区域创新效率的影响呈现显著的正向且边际效率递增的动态关联特征，证实了区域创新系统中“梅特卡夫法则”(5)计算机网络先驱梅持卡夫指出，网络的价值与节点数的平方相等，表现出网络溢出的边际效应递增特征。完全适用。3种稳健性估计结果依次见模型6、模型7和模型8。不难发现，“互联网+”在4个门槛区间内系数均为正且显著，且系数从第一门槛区间至第四门槛区间逐步增大，表明“互联网+”的创新溢出效应仍表现出正向且边际效率递增的非线性特征，即主要结论是稳健的。

本研究中还包括了一些控制变量，这里分别做一简单阐释：①城市化水平系数显著为正，加快城市化进程能带来生产要素的快速集聚、信息网络的迅速形成以及基础设施的高效利用，进而显著提高了区域创新效率；②人力资本显著地促进了区域创新效率改善，表明加强教育有利于提高劳动者能力和素质，促进专业化知识生产和加速人力资本积累，进而有利于区域创新效率水平提升；③外商直接投资对区域创新效率的影响效应并不明显，说明一厢情愿地通过引进外资，采用“市场换技术”来增强自主创新能力的做法是不符合当前实际的，外资虽然可能扩大了我国自主创新规模，但并没有对我国自主创新能力提升产生显著影响；④对外直接投资对区域创新效率产生了明显的积极影响，表明随着中国“走出去”战略的实施，企业能接触到国际上的管理经验、生产工艺和先进技术，并通过消化、整合、吸收乃至二次创新，产生了显著的逆向技术溢出，进而对区域创新效率提升产生了积极影响；⑤金融支持的系数显著为正，表明考察期内金融发展有利于中国区域创新系统的创新实践，金融发展为创新活动提供了坚实的资金支持，能有效促进区域研发投入，扩大创新规模；⑥要素禀赋的系数显著为正，说明资本有机构成的提升，使得产业结构正从劳动密集型向资本密集型转化，有利于企业采用更先进的技术，从而促进了区域创新效率的改善；⑦市场化水平的系数显著为正，说明中国的市场化改革是富有成效的，市场化进程对创新资源的优化配置、创新技术和知识的扩散起到了一定的积极作用，进而促进了区域创新效率。

3.2 “互联网+”影响区域创新效率的异质约束机制分析

“互联网+”的创新溢出效应不仅会受到自身水平的约束，还可能受到来自科技、经济等其他外部因素的异质调节。为了更加客观地揭示“互联网+”创新的这种调节效应和约束规律，这里基于经济发展、产业结构、贸易开放度、政府R&D资助、R&D强度和技术引进等方面做进一步探讨，具体检验结果见表4。采用面板门槛方法检验发现，以上因素均在不同显著性水平下通过了门槛检验，且采用三重面板门槛数据模型来探讨更为合理。

表4 基于约束机制的门槛检验结果

揭示“互联网+”区域创新约束机制的门槛估计结果见表5。由表5可见，在不同因素的调节下，“互联网+”对区域创新效率的影响亦呈现复杂的动态非线性关系，主要表现如下。

表5 不同约束条件下的稳健标准差门槛估计结果

基于经济因素维度的约束机制分析可知：①在经济发展水平门槛条件下，“互联网+”对区域创新效率具有正向且边际效率递增的影响特征。具体表现为，当经济发展水平低于0.309时，“互联网+”的影响系数为0.131且显著，即在该门槛区间内“互联网+”显著地促进了区域创新效率；当经济发展水平介于0.309～0.472之间时，“互联网+”对区域创新效率的积极影响有所增强；当经济发展水平大于0.472且小于0.777时，“互联网+”的创新溢出效应进一步增强；当经济发展水平大于0.777时，“互联网+”对区域创新效率的正向效应增至最大。②在产业结构门槛约束下，“互联网+”对区域创新效率具有显著的正向U动态影响特征，具体表现在，第二产业增加值占比以0.497水平为分界点，低于该分界点时，第二产业增加值占比水平越低，将越有利于“互联网+”的创新溢出效应，这也意味着第三产业占比越高，越有利于“互联网+”的创新溢出，表明产业结构优化对“互联网+”创新溢出的作用是积极的。③贸易开放度显著作用于“互联网+”对区域创新效率的动态影响，3个门槛值分别是0.061、0.405、0.672。在第一、二门槛区间内，“互联网+”对区域创新效率的促进强度由0.169增大至0.191，在第三门槛区间内“互联网+”的创新溢出效应又降至0.137，而在第四门槛区间，“互联网+”对区域创新效率的促进效应又再次增强。不难发现，在贸易开放度调节下，“互联网+”的创新溢出效应具有显著的正向N型动态特征。

基于科技因素维度的约束机制分析可知：①当政府R&D资助水平低于0.092时，“互联网+”对区域创新效率产生了积极影响，但这种促进作用较小。当政府R&D资助水平依次跨越0.092、0.117和0.257时，“互联网+”对区域创新效率的促进效应是持续增强的。由此，在政府R&D资助调节下，“互联网+”的区域创新溢出效应呈现出显著的正向且边际效率递增的非线性动态特征，即当政府R&D资助水平超过25.70%时，“互联网+”对区域创新效率的促进效果将最为明显。②“互联网+”对区域创新效率影响的R&D强度门槛值分别为0.020、0.024和0.026。当R&D强度低于2.0%时，影响系数为0.436且显著，表明“互联网+”对区域创新效率在该门槛区间内有着显著的促进效应。当R&D强度位于2.0%～2.4%之间时，“互联网+”的创新溢出效应有所减弱。当R&D强度大于2.4%且小于2.6%时，“互联网+”对区域创新效率的正向效应持续减小。当R&D强度超过2.6%时，“互联网+”对区域创新效率的正向影响又再次增大。总之，在R&D强度门槛条件下，“互联网+”对区域创新效率有着显著的正向U型动态影响特征。③“互联网+”对区域创新效率影响的技术引进门槛值分别为0.001、0.003和0.007。当技术引进水平依次跨越0.001、0.003时，即国外技术引进合同金额占GDP的比重依次超过0.1%和0.3%时，“互联网+”对区域创新效率产生了较为显著的促进效应，但促进强度是持续降低的。只有当技术引进水平超过0.007时，即国外技术引进合同金额占GDP的比重超过0.70%时，“互联网+”对区域创新效率的正向影响又再次增大，但作用强度尚低于第一门槛的影响。由此，在技术引进约束下，“互联网+”对区域创新效率存在显著的正向U型动态影响特征。相比表3，在政府R&D资助和R&D强度约束下，各门槛区间内的“互联网+”变量系数均明显增强，意味着上述因素约束下，“互联网+”的创新溢出效果可得到进一步的强化。

由于在经济发展、产业结构、技术引进等门槛条件下，“互联网+”驱动区域创新效率的非线性动态效应存在一定差异。这里进一步从上述维度探析其样本分布特征，根据门槛值将样本进行分类(见表6)。

由表6可以看出：①在经济发展门槛条件下，研究样本集中分布在第三、四门槛区间内，说明当前“互联网+”对区域创新效率的积极影响集中在0.211～0.241水平。未来较长一段时间内，持续提高人均GDP水平应对“互联网+”区域创新协调发展是大有裨益的。②在产业结构调节下，研究样本主要集中在第二、三、四门槛区间内，“互联网+”的作用强度集中在0.216～0.247，可见当前大多数省份产业结构并未处于最有利于发挥“互联网+”创新溢出的门槛区间，且现阶段仅北京和海南的产业结构水平位于最优区间，这意味着大多数省份应持续注重推动产业高级化进程，不断提升第三产业占比，进而通过产业结构优化来进一步激发“互联网+”的创新溢出红利。③在贸易开放度约束下，大约70%省份样本位于第二门槛区间，影响力度集中在0.191水平且位于最优门槛区间内，仅天津、江苏和浙江等少部分省份落在最优区间之外。可见，对大多数省份而言，要注重保持适度的贸易开放度，以尽可能地释放“互联网+”的创新溢出。④在政府R&D资助门槛条件下，研究样本集中分布在第三、四门槛区间内，说明当前“互联网+”对区域创新效率的影响集中在0.334～0.374水平，但仍有56.67%省份的政府R&D资助水平尚未跨入最优区间。由此，未来较长一段时间内，持续提升政府R&D资助水平，可强化“互联网+”对区域创新效率的积极影响，这亦是推动“互联网+”区域创新协调发展所不能忽略的。⑤在R&D强度调节下，研究样本主要分布在第一门槛区间，样本集中度为73.33%，但河北、青海、山西、内蒙古、云南、吉林、海南、黑龙江、江西、贵州、湖北、宁夏和新疆13省份的R&D强度水平尚处于1.22%以下，远低于第一门槛值2.00%，且这些省份在第一门槛区间占比为59.09%。由此，新时代下这些省份仍要持续提高R&D强度水平，进一步激发“互联网+”的创新溢出。⑥在技术引进约束下，样本主要集中分布在第一、二门槛区间，此时“互联网+”对区域创新效率的积极影响更为明显，说明大多数省份应该保持适度的技术引进水平，而对少数位于第三门槛区间的省份，则可选择加大国外技术引进力度，迈入有利于发挥“互联网+”创新溢出的次优门槛区间。

4 研究结论与政策建议

如何有效依托“互联网+”，深入驱动技术创新是当前政府和学术界关注的焦点问题。本研究把“互联网+”纳入区域创新效率提升的分析框架，利用中国30省份面板数据，并采用门槛回归技术探究了“互联网+”对区域创新效率影响的异质动态效应。主要结论是：①“互联网+”显著促进了中国区域创新效率，且这种影响存在一定的滞后效应。②“互联网+”的创新溢出效应呈现显著的正向且边际效率递增的动态非线性特征，证实了区域创新系统中“梅特卡夫法则”完全适用。③“互联网+”的创新溢出效应存在显著的异质动态约束机制。在经济发展、政府R&D资助门槛条件下，呈现明显的正向且边际效率递增特征；在产业结构、R&D强度和技术引进调节下，表现为显著的正向U型动态特征；在贸易开放度约束下，具有明显的正向N型非线性特征。④经济发展、产业结构、贸易开放度、政府R&D资助、R&D强度和技术引进均可正向调节“互联网+”的创新溢出效应，现阶段只有不断提高经济发展水平、R&D强度和政府R&D资助力度，不断优化产业结构，以及保持适度的技术引进和贸易开放度水平，才能最大限度地提升“互联网+”的创新溢出效应。

本研究具有以下政策涵义：①加快制定“互联网+”区域创新的支持政策，可通过设立“互联网+”区域创新的投资引导基金，打造“互联网+”区域创新的试验区、技术孵化中心、基地等，大力引导社会资本投向“互联网+”区域创新溢出的核心领域和关键领域，积极发挥社会资本推动“互联网+”区域创新的效率优势，不断推动“互联网+”区域创新的高质量融合进程。②“互联网+”在区域创新系统中的创新溢出效应，会随着“互联网+”水平的提升呈现出正向且边际效率递增的动态演变特征，但并不是一成不变的。这预示着，新时代下中国持续释放“互联网+”的创新溢出红利将是可持续的，这印证了“互联网+”可为加快建设创新型国家注入新动力，而不同地区和省份也应结合自身“互联网+”发展的实际，主动实施差异化、动态化的“互联网+”区域创新策略，进而最大可能地释放“互联网+”的创新溢出红利。③政府不仅要在优化产业结构、增强R&D资助力度、提升全社会R&D强度等方面下功夫，还要注重使得国外技术引进和贸易开放度处于适度或合理的水平上。