胡文玉,王文举,刘 用
(1.首都经济贸易大学 经济学院,北京 100070;2.北京物资学院 经济学院,北京 101100;3.中国港湾工程有限责任公司,北京 100027)
新技术的不断推陈出新,技术革新速度的持续加快,催生了“新产业、新业态和新模式”等新经济形态,成为“新常态”下中国经济增长的新动能。李克强总理在政府工作报告中提出制定“互联网+”(2015 年)和“智能+”(2019 年)行动计划,把互联网的成果与经济社会各领域深度融合,推进技术进步、效率提升、组织变革,进一步产生化学反应,形成放大效应。移动互联网、云计算、物联网、大数据驱动经济社会各领域、各行业的跨界融合和深度应用,加快产业结构升级、推进业态和产业的深度融合,尤其是信息通信技术(information communication technology,ICT),已经成为“优结构、促消费”,驱动“互联网+”和“智能+”战略的重要引擎。同时成为优化资源配置,促进产业升级和经济增长的重要手段。信息通信技术创新扩散为国民经济增长释放新活力,充分发挥其先导性、战略性、倍增性和辐射性作用,对国民经济发展的重要性日益凸显,但ICT 创新扩散动力远未达到经济分析家和政策制定者的预期[1]。
那么,技术创新扩散动力靠什么传播?以实现技术成果的快速商业化;技术创新扩散动力靠什么驱动?哪些因素影响并驱动技术持续扩散?此外,技术创新主体、创新客体和创新中介对技术创新扩散的作用机制如何?如何测度?本文针对上述问题进行探索性研究。
熊彼特[2]将技术创新扩散描述为技术创新的大面积“模仿”的过程,舒尔茨[3]认为创新通过市场和非市场渠道传播的过程,并提出“没有扩散,创新也就不可能产生经济影响”。Stoneman[4]提出技术创新扩散是一个相对连续、动态的过程,并概括了熊彼特技术创新“三步曲”,即以产生新思想为标志的创造活动(invention);以新技术实现商品化为标志的创新活动(innovation);以新技术向潜在市场传播为标志的扩散活动(diffusion)。技术扩散是创新过程中的一个后续子过程,但同时又是一个完整独立的技术与经济结合的动态过程,创新扩散过程也是实现商品化的技术创新成果转化过程,其创新扩散是由“扩”和“散”两个方面实现的,所谓“扩”是指企业内部通过生产规模的扩大,将技术创新成果反复应用;所谓“散”是企业外部转移和传播的过程[5]。创新扩散传播在创新成果、沟通渠道、时间、社会体系4 个要素共同作用下实现潜在使用者之间的转移、渗透和传播的商业化过程[6],表现为企业间的扩散、企业内部的扩散和由二者叠加作用的总体扩散[7]。技术创新扩散不仅表现在同一产业内同类企业间的扩散传播,还表现在不同类型产业和企业间的扩散传播。当一项创新越接近已被接受的创新,它将越容易被采用[8],一项创新越具备兼容性则越容易被采用[6]。因此,结合“互联网+”时代特点,将技术创新扩散概括为一项技术创新成果在技术上越具备通用性,在业务上越具备融合性,在平台上越具备开放性,在使用上越具备极简性,在传播上越具备交互体验性,其扩散速度越快,范围越广,渗透力越强。
塔尔德[8]率先将扩散概念应用到技术创新领域,并提出新技术创新扩散“S 型”理论,该理论成为技术创新扩散研究的理论基石。创新扩散过程是一个从少数采用者到多数采用者的转化过程,而转化方式是通过大众传媒和人际关系来实现的,具有S 型曲线、等级效应和邻近效应的特征[9]。Bass[10]提出累计采用者模型(即“S 型”曲线)和非累计采用者模型(即“钟型”曲线),并对耐用消费品创新扩散进行研究,模型能够输出创新因子和模仿因子,将该模型统称为Bass 模型,成为研究技术创新扩散的经典模型。诸多学者应用Bass 模型对信息通信技术领域不同制式或代际标准的移动通信创新扩散进行研究,结果表明随着时间演进创新因子显著增强,模仿因子显著减弱[1115]。
熊彼特[16]继承了马克思的系列观点首次把“创新”引入经济学中,将创新概述为“生产要素的重新组合”,即建立新的生产函数,并提出技术创新是驱动经济增长的原动力。傅家骥[7]认为技术创新扩散机制由供求机制、计划机制、中介机制、激励机制和竞争机制组成,以上5 种机制同时发挥作用,其合力决定扩散的模式。李兆友[17]从技术创新论的视角对创新主体、创新客体和创新中介等做了哲学层面的思考,探讨影响和制约技术创新活动的根本因素,研究了促进技术创新扩散的动力机制。王帮俊[18]从技术创新扩散动力系统出发,对技术创新扩散微观动力机理和复杂网络形成的动力机制进行研究,提出了创新扩散的3 种传播路径,即时空传播、层次传播和梯度传播。
学者们将新经济地理学和空间计量经济学有机结合,利用空间计量理论和方法研究创新扩散活动[19],利用空间溢出效应研究技术创新具有的可传播性及外部性等空间特征[2021],利用空间计量分析工具研究并解释了技术创新扩散驱动机制[22],采用动态空间面板数据模型的理论和方法从时空的视角研究技术创新扩散效应[23],为该领域的研究开拓了新方向。Autant Bernard[24]对空间计量分析方法在创新扩散领域的应用做了全面、系统的文献研究和梳理,认为利用空间距离矩阵应用空间经济理论和分析方法能够更好地测度技术创新的潜在驱动机制。罗雨泽等[25]研究了中国不同地区移动通信发展的路径差异,并考察了相应的扩散影响的驱动机制。胡文玉等[26]采用面板数据动态SAR模型围绕区域资源禀赋、区域经济禀赋和区域资源供给3 个方面对中国ICT 创新扩散及影响因素进行研究,结果表明这3 个方面对ICT 创新扩散均具有显著影响,且时空效应驱动显著。
上述学者对技术创新扩散研究要么集中在技术创新扩散传播的视角,要么集中在技术创新扩散驱动因素的视角,没有将其作为一个有机整体来研究,缺乏对技术创新扩散动力机制的系统阐述。本文基于技术创新扩散方式的视角围绕技术创新主体和创新客体提出了技术创新扩散传播机制;基于技术创新扩散驱动方式的视角围绕技术创新主体、创新客体、创新中介和时空效应提出了技术创新扩散的驱动机制,并运用传播理论和空间计量理论提出了相应的测度方法。技术创新扩散动力机制及测度方法如图1 所示。
首先,探讨技术创新扩散传播机制和驱动机制及其关系,创新扩散传播机制重点是研究扩散的传播方式,即靠什么方式来传播?以实现技术的快速商业化,是“标”;而创新扩散驱动机制重点研究扩散传播的内在驱动力,即靠什么驱动?哪些因素为创新扩散提供动力?是“本”。因此,技术创新扩散的传播机制和驱动机制二者间相互影响、相互促进、互为动力。其次,研究技术创新扩散动力机制的内在机理。一是探讨技术创新扩散传播机制,主要通过技术创新主体的创新力(行为)和创新客体的模仿力(行为)来实现技术成果的快速传播扩散,重点研究扩散速度、扩散潜力、扩散窗口期;二是探讨技术创新扩散驱动机制,主要基于时空观的时空效应(时间效应、空间效应和时空效应),基于宏观的中介素质(区域资源和区域经济),基于中观的主体素质(硬件资源供给、软件资源供给和内容资源供给),基于微观的客体素质(采用者消费支出)等为技术创新扩散提供驱动力。再者,探讨了技术创新扩散传播机制和驱动机制的测度方法,提出了运用Bass 模型来测度技术创新扩散的传播机制,通过计算得出技术创新扩散速度,将其作为被解释变量运用空间计量模型来测度技术创新扩散的驱动机制。因此,本文基于技术创新主体、创新客体、创新中介及时空效应的视角,将技术创新扩散传播机制和驱动机制作为一个有机体来研究,二者一脉相承。
图1 技术创新扩散动力机制及测度方法
1.技术创新扩散传播机制
创新扩散传播过程实质是产生新思想或发明新技术和接下来的商业化过程[27],即“两段论”,第一阶段的创新扩散传播靠新思想、新技术的创造力和影响力来驱动,以创新传播为主;第二阶段的创新扩散表现为由于先期采用者的示范作用,消除了后期采用者障碍,后期采用者以模仿为主。围绕供给侧推动和需求侧拉动探讨技术创新扩散传播的动力机制,一是供给侧推动表现为创新成果在企业内和企业间转移,是“扩”的过程,即创新主体“干中学”创新迭代和成果转移的创新传播过程;二是需求侧拉动表现为创新成果在采用者间“散”的过程,即创新客体“用中学”的需求进化和模仿传播过程。因此,本文提出技术创新扩散的传播机制是在早期的创新传播和后期的模仿传播共同作用下完成的,最终实现技术成果快速转移和扩散。技术创新扩散过程实质是潜在用户不断转化为实际用户的过程[6],且具有典型的产品生命周期“钟型”曲线特征[28]。
那么,如何利用技术创新扩散的“钟型”曲线来测度创新扩散传播机制?重点研究扩散传播方式、扩散潜力(即采用者最大数量)、扩散窗口期(即到达最大数量的时间)和传播速度。本文采用非累计采用者模型(简称“非累计Bass 模型”)[10]来研究并测度技术创新扩散的传播机制,该模型能够输出创新因子和模仿因子,用其测度技术创新扩散的传播方式,即创新主体的创新行为和创新客体的模仿行为。计算出采用者扩散潜力、扩散窗口期,并根据采用者的扩散潜力,进一步得出不同时期的技术创新扩散速度。
2.创新扩散传播机制测度方法
采用非累计Bass 模型能够更好拟合技术创新扩散传播过程的“钟型”曲线特征,并能够有效测度技术创新扩散传播过程中创新主体的创新行为和创新客体的模仿行为。考虑到研究时间点非初始时间,将非累计Bass 模型增加了截距项。因此,非累计Bass 模型表达式为
其中:n(t)i表示第i个区域第t年末非累计采用者到达数;k为截距项;p为创新因子;q为模仿因子;m为全生命周期累计采用者的最大值。
对式(1)求导得到第i个区域非累计采用者最大值及到达最大值的时间,其表达式分别为
Bass 模型参数估计多以非线性最小二乘法、拟牛顿法、粒子群算法、模拟退火法和遗传算法等为主,通过对非累计Bass 模型的参数估计,分别得出创新因子(p)和模仿因子(q),来测度创新主体的创新行为和创新客体的模仿行为;通过式(2)计算出非累计采用者的最大值,即扩散潜力;通过式(3)计算出到达最大值的时间,即扩散窗口期。扩散速度(或采用率)是描述创新扩散快慢的重要指标[6],通过式(4)和式(5)可以分别计算出年度扩散速度(Ratioit)和总体扩散速度(Ratioi),其表达式为
其中:n(t)i,startingyear表示起始年末区域i的采用者到达数量。
1.技术创新扩散驱动机制
技术创新扩散驱动机制是指在既定的宏观产业政策、区位资源禀赋、经济发展水平及消费支出水平的条件下,利用技术资源供给,与其所处的社会环境系统中的多种要素之间的相互联系、相互作用,而产生的创新扩散驱动力的方式和方法的总和。技术创新扩散驱动机制是系统的、全方位的,但重点表现为基于宏观的创新中介资源禀赋和经济禀赋驱动,基于中观的创新主体技术资源供给驱动,基于微观的创新客体消费支出水平驱动和基于时空观的时间效应、空间效应和时空效应驱动,如图1 所示。
(1)宏观的区位资源禀赋驱动技术创新扩散。区域禀赋指随着区域的变迁,其在历史的长河中所继承下来的、特有的、可区别于其他区域的个性化特征。由于我国地域辽阔,地理分布不均衡、资源分布不均衡、经济发展不均衡,具有典型的“区位”特征,如区域位置、面积、人口及人口流量等。因此,创新中介的区位特征决定技术创新扩散驱动机制的差异性。
(2)宏观的区域经济环境驱动技术创新扩散。区域经济发展水平和产业结构转型对技术创新扩散有重要影响[25],是驱动技术创新扩散赖以生存的创新介质环境。通常区域经济越发达,经济发展水平越高,对新事物、新技术的消费能力越强,早期采用者的扩散越快;再者,区域第三产业越发达,对新事物、新技术的接受能力越强,技术创新成果就越容易被接受,创新成果的转化力越强。
(3)中观的技术资源供给驱动技术创新扩散。技术资源供给是驱动技术创新扩散的核心要素,也是驱动技术创新扩散的最底层动力。创新主体的技术资源供给主要表现为对技术创新的投入而产生的技术产出,通常更多的技术资源投入会产生更多的技术产出,能够加快技术创新扩散[25]。技术资源供给主要包括硬件技术、软件技术及承载业务及内容等方面的资源供给能力。
(4)微观的采用者消费支出驱动技术创新扩散。基于微观的创新客体视角,采用者消费支出水平和接受能力是影响创新技术选择、使用和扩散的重要因素。主要表现为采用者接受新技术价格水平的承受能力。通常技术创新成果的价格水平越低,采用者支出越少,进入门槛越低,其采用者的使用和扩散速度就越快,反之,创新扩散速度越慢。
(5)时空观的时空效应驱动技术创新扩散。技术创新扩散除了在产业主体间横向转移,区域间的纵向传播外,还表现为时间和空间维度创新扩散的滞后效应。一是基于时间路径驱动的创新扩散时间滞后性,即前一期对当期的影响;二是基于空间路径驱动的创新扩散空间滞后性,即由于空间区位邻近关系而体现邻近区域对本区域的影响;三是基于时空路径驱动的创新扩散时空滞后性,即邻近区域前一期对本区域当期的影响。
2.技术创新扩散驱动机制测度
技术创新扩散驱动机制的测度方法主要应用多元回归的计量分析方法,通过建立多元回归模型,来测量驱动因素对其创新扩散速度的影响,且多以静态面板数据回归模型为主,没有考虑到时间和空间效应对技术创新扩散的影响。本文考虑到时间效应和空间效应对技术创新扩散的影响,选择面板数据固定效应动态空间计量模型对技术创新扩散的驱动机制进行分析。其主要原因如下:一是研究对象往往是区域个体,而非总体,因此固定效应模型比随机效应模型更适合[29];二是由于固定效应模型假设比随机效应模型更弱一些,能够有效规避面板数据的内生性问题,固定效应总比随机效应更让人信服[30];三是面板数据固定效应空间计量模型比随机效应模型稳健,且计算更加简单,操作性更强[31]。因此,本文采用面板数据固定效应动态时空自回归面板模型(fixed effect time spatial dynamic autoregressive panel model,简称“动态SAR 模型”)[32]来测度技术创新扩散速度的驱动机制及影响因素更为合适。固定效应动态SAR 模型表达式为
其中:Ratiot为被解释变量,代表扩散速度;Ratiot-1为被解释变量的时间滞后项;WRatiot为被解释变量的空间滞后项;WRatiot-1是被解释变量的时空滞后项;X为解释变量;τ、ρ、η、β为K×1 阶固定且未知的待估参数向量;W为N×N阶非负正定空间权重矩阵,通常用空间一阶或多阶邻接矩阵、空间距离矩阵、经济距离矩阵等形式来表示;μ和ξ分别为空间固定效应和时间固定效应;εt为服从均值为0、有限方差为σ2独立同分布(iid)的随机扰动项向量。
采用技术创新扩散的传播机制和驱动机制及其测度方法,运用中国288 个地级以上城市2001—2018 年信息通信技术(ICT)相关数据对技术创新扩散的动力机制进行测度和分析,并从城市等级的视角对5 类城市ICT 创新扩散传播机制和驱动机制的差异性进行对比分析。
1.数据及来源
根据最新的ICT 产业界定①根据2017 年第四次修订《国民经济行业分类》标准,将ICT 产业界定为电信、广播电视和卫星传输服务。,288 个地级以上城市2001—2018 年②《中国城市统计年鉴》的数据可追溯到2001 年,因此选取2001—2018 年全国288 个地级以上城市为研究对象。的ICT 用户到达数为年末的固定电话、移动电话、宽带用户和广播电视用户之和,其固定电话、移动电话、宽带用户和广播电视用户来自2002—2019 年《中国城市统计年鉴》和《中国统计年鉴》③284 个城市(不含直辖市)广播电视用户的数据年鉴中没有统计,本文以城市当年常住人口为权重,根据省级数据测算得出相应城市的年度数据。。
2.5 类城市传播机制测度
按照相应的标准④城市分类来源于新一线城市研究所的2019 年城市商业魅力排行榜,2019 05 24,https://www.yicai.com/news/100200192.html。将288 个地级以上城市分为5 类城市,利用2001—2018 年的年末ICT 到达数运用非累计Bass 模型采用遗传算法⑤Bass 模型估计方法主要是非线性最小二乘法、拟牛顿法、粒子群算法、模拟退火法和遗传算法等为主,但遗传算法更优[15]。对式(1)进行参数估计,得到创新因子(p)、模仿因子(q),再利用式(2)、式(3)和式(5)计算得到扩散潜力(S*)、扩散窗口期(T*)和总体速度(Ratioi)。5 类城市ICT 创新扩散非累计Bass 模型参数估计及相关结果见表1。
表1 中国5 类城市ICT 创新扩散非累计Bass 模型估计结果
从表1 中5 类城市非累计Bass 模型输出结果来看,调整后的R2、F统计量均比较显著,模型拟合效果较好,5 类城市的创新因子显著小于模仿因子,因此ICT 创新扩散以创新客体的模仿传播为主。结果表明(图2):一线和二线城市创新传播驱动较强,扩散传播总体速度较快,到达最大值的时间较短,分别为2018 年和2017 年;三线和四线城市以“双混”弱驱动为主,扩散传播速度相对较慢,到达最大值的时间较长,均为2019年;五线城市模仿传播驱动较强,扩散传播速度居中,2018 年到达最大值。总体来看,5 类城市ICT 创新扩散的城市等级层次性特征显著。
图2 中国5 类城市ICT 创新扩散传播方式及扩散窗口期分析
3.288 个城市ICT 创新扩散速度计算
利用2001—2018 年5 类城市(288 个地级以上城市)ICT 用户年末到达数,运用遗传算法对非累计Bass 模型参数进行估计,得到288 个城市模型参数的估计结果,见表2。利用式(2)计算得到第i个城市ICT 创新扩散潜力,利用式(4)可以得到5 类288 个地级以上城市2001—2018 年的年度ICT 创新扩散速度(Ratioit),将其作为创新扩散驱动机制研究的被解释变量,进一步探讨ICT 创新扩散的驱动机制。
表2 中国5 类城市(288 个地级以上城市)非累计Bass 模型估计结果
续表
1.变量设置
通过上节ICT 创新扩散传播机制分析可知,5 类城市ICT 创新扩散传播方式、扩散速度、扩散潜力和扩散窗口期均存在显著差异,那么5 类城市ICT 创新扩散靠什么驱动和影响的?本文将上节计算出的ICT 创新扩散速度(Ratioit)作为被解释变量,解释变量(X)围绕宏观、中观和微观选取10 个解释变量(取对数后进入模型)和3 个时空观的被解释变量时空滞后变量,构建面板数据固定效应动态SAR 模型来研究并测度ICT 创新扩散驱动机制,见表3。
2.数据来源
2001—2018 年中国288 个地级以上城市的常住人口、城市面积、客流量、人均GDP、第三产业产值、GDP总值、通信收入、固定交换容量、移动交换容量、通信光缆长度、宽带接入端口数量等数据均来源于2002—2019 年《中国城市统计年鉴》,广播电视的收入、光缆长度、节目制作时长的省级数据来源于2002—2019 年《中国统计年鉴》⑥中国288 个地级以上城市的固定交换容量、移动交换容量、通信光缆长度、宽带接入端口数量的数据在2002—2019 年《中国城市统计年鉴》中没有统计,288 个城市的上述数据分别以固定电话用户数、移动电话用户数、移动电话用户数和宽带用户数的权重进行测算;广电收入、广电用户、广电光缆长度、广电节目制作时长根据2002—2019 年《中国统计年鉴》以年末人口为权重测算得到的。。
表3 ICT 创新扩散驱动机制测度模型变量选择及设置说明
3.5 类城市驱动机制测度
运用面板数据固定效应动态SAR 模型对5 类城市ICT 创新扩散驱动机制进行空间计量分析⑦选取空间距离平方倒数作为权重矩阵对5 类城市ICT 创新扩散固定效应面板数据动态SAR 模型的空间相关性进行检验,其检验结果的莫兰指数(Moran’I)均通过1%显著性水平的Z 值检验。,选取城市间距离平方的倒数作为空间权重矩阵[26],以充分表征技术创新扩散空间效应随着距离增加呈几何级衰减的特征[33],并采用拟极大似然法对固定效应动态SAR 模型进行参数估计,5 类城市ICT 创新扩散驱动机制的测度结果见表4。从表4 中可以看出,5 类城市固定效应动态SAR 模型的时间和空间效应的联合显著性似然比检验均比较显著,且调整后R2、对数似然比(logL)、σ2也都比较显著。因此,采用时空固定效应动态SAR 模型对5 类城市ICT 创新扩散驱动机制及影响因素进行计量分析,拟合效果较好,且具有较强的解释力。
表4 5 类城市ICT 创新扩散驱动机制动态SAR 模型估计结果
(1)基于时空观的时间和空间效应驱动分析。5 类城市ICT 创新扩散速度的时间滞后性(Ratiot-1)、空间滞后性(WRatiot)和时空滞后性(WRatiot-1)对其扩散速度影响均比较显著,5 类城市的面板数据固定效应动态空间计量模型均满足平稳性的充要条件,即Ratiot-1、WRatiot和WRatiot-1的系数之和均小于1,表明5 类城市ICT 创新扩散具有区域俱乐部收敛特征[34]。此外,5 类城市的Ratiot-1、WRatiot和WRatiot-1对ICT 创新扩散驱动影响系数显著高于其他10 个影响因素,对ICT 创新扩散有重要影响。结果表明:5 类城市创新扩散时间滞后性表现为ICT 当期扩散速度与上期之间存在较强的依赖性、连续性和惯性;创新扩散空间滞后性表现为ICT 扩散速度在空间上存在较强的依赖性和正向空间溢出效应;创新扩散时空滞后性表现为邻近城市上期扩散速度对其当期扩散速度具有显著抑制作用。此外,5 类城市创新扩散驱动系数存在一定差异,四线城市的时间滞后性影响较其他4 类城市更为明显,三线城市的空间滞后性和时空滞后性均显著高于其他4 类城市。
(2)基于宏观的城市资源及经济禀赋分析。从5 类城市资源禀赋的视角来看,人口密度除四线城市外,对其他4 类城市ICT 创新扩散均具有正向促进作用,且影响显著,对五线城市的影响更大,表明城市人口密度越大,对ICT 创新扩散驱动越显著,其扩散速度也就越快,进而表明ICT 创新扩散具有规模性和群集性特征;人均客流量除五线城市外,对其他4 类城市均具有正向促进作用,且对二线城市扩散影响最大,且比较显著,表明二线城市人均客流量越大对ICT 创新扩散推动就越大;从城市经济禀赋的视角来看,人均GDP 除二线城市外,对其他4 类城市均具有正向促进作用,一线和五线城市影响较为显著,尤其对一线城市影响最大,表明城市的人均GDP 越高,经济发展水平越高,ICT 创新扩散速度越快;第三产业占比对5 类城市ICT 创新扩散均有正向影响,尤其对三线、四线和五线城市的影响更为显著,对三线和四线城市的影响较大,表明城市的第三产业越发达,越容易接受和使用新技术和新产品,越有利于ICT 创新扩散。
(3)基于中观的产业ICT 资源供给能力分析。人均光缆长度对5 类城市ICT 创新扩散均具有负向影响,但影响不显著,表明5 类城市的人均占有光缆长度越长,越不利于ICT 创新扩散;人均固定交换容量对5 类城市ICT 创新扩散均有负向影响,除一线城市影响不显著外,对其他4 类城市均有显著影响,且对二线城市的影响最大,表明5 类城市的人均占有固定交换越多,越不利于ICT 创新扩散;人均移动交换容量对5 类城市ICT创新扩散均有显著正向影响,对二线城市的影响更大,表明人均占有移动交换越多,越能促进ICT 创新扩散。因此应进一步提高5 类城市的人均移动交换容量占有量,是未来通信运营商投资的重点,尤其是5G 网络;人均宽带接入端口数量对5 类城市ICT 创新扩散均有正向影响,对二线和五线城市影响更为显著,且对二线城市的影响最大,表明5 类城市的人均拥有更多宽带接入端口数量,越有利于ICT 创新扩散;人均广播电视节目制作时长对一线和二线城市扩散有正向影响,对二线城市的影响更为显著,表明提高一线和二线城市的人均广电节目制作时长对ICT 创新扩散具有正向推动作用;对三线、四线和五线城市有负向影响,提高人均广电节目制作时长不利于ICT 创新扩散。
(4)基于微观的采用者户均ICT 消费支出水平分析。户均(每个采用者或用户)ICT 消费支出除一线城市外,对其他4 类城市均有负向影响,但对二线和五线城市影响更为显著。对于一线城市而言,户均ICT 消费支出越高,越有利于ICT 创新扩散,可见一线城市是价格不敏感型的。除一线城市外,其他4 类城市的户均ICT消费支出越多,越不利于ICT 创新扩散,这一点充分验证了我国实施“提速降费”的重要性和必要性,尤其是进一步推进不发达或欠发达城市的的“提速降费”,对其ICT 创新扩散的重要推动作用。
本文对技术创新扩散传播机制和驱动机制进行探索性研究,并提出了相应的测度方法。采用非累计Bass 模型来测度技术创新扩散的传播机制;采用空间计量模型来测度技术创新扩散的驱动机制,通过非累计Bass 模型的输出结果更加科学地计算出技术创新扩散速度,将其作为技术创新扩散驱动机制研究的被解释变量,采用面板数据固定效应动态SAR 模型来测度技术创新扩散的驱动机制。得出如下结论及建议:
(1)传播机制。本文站在创新主体和客体的视角,采用非累计Bass 模型研究并测度技术创新扩散传播机制,重点分析了技术创新扩散的传播方式,即技术创新主体的创新行为驱动和创新客体的模仿行为驱动,并进一步测度了扩散潜力、扩散窗口期及扩散速度。由于本文将Bass 模型参数设定为静态参数,即技术创新扩散过程的产业主体的创新行为、客体的模仿行为和扩散潜力不随时间的变化而变化,存在一定的局限性⑧技术创新扩散传播过程随着时间(1985—2018 年)的演进,其创新系数(p)不断增大,模仿系数(q)不断减少,扩散潜力(S*)不断增大[15]。,建议今后在实证研究中可将Bass 模型中的参数设置为随时间变化的函数,这样得出的结论更科学、更有解释力。
(2)驱动机制。本文以创新主体、创新客体、创新中介和时空效应的视角,围绕宏观的区域资源和区域经济,中观的技术主体素质,微观的采用者消费支出,时空观的时间效应和空间效应来研究技术创新扩散驱动机制,并采用空间计量分析方法测度了技术创新扩散的驱动机制。通过实证分析发现,技术创新扩散的时空效应对其扩散速度的影响更大,更为显著。因此,选择空间计量模型更为合适。建议今后进一步拓展其他空间计量模型进行探索性研究,如随机效应空间计量模型、地理加权的空间计量模型等。
本文采用中国5 类城市(288 个地级以上城市)的ICT 数据对技术创新扩散的传播机制和驱动机制进行实证分析。得出主要结论如下:
(1)5 类城市ICT 创新扩散传播机制存在显著差异。首先5 类城市ICT 创新扩散传播的创新因子均小于模仿因子,以模仿传播为主;其次一线和二线城市属于创新驱动型,五线城市属于模仿驱动型,三、四线城市属于混合驱动型;再者城市等级越低,总体扩散速度越慢,扩散窗口期越长。
(2)5 类城市ICT 创新扩散时间和空间效应驱动显著。5 类城市ICT 创新扩散速度的时间滞后性、空间滞后性和时空滞后性对其扩散速度影响显著高于10 个影响因素,且参数估计结果均比较显著,表明ICT 创新扩散时间上存在依赖性,空间上存在溢出性。
(3)5 类城市ICT 创新扩散驱动机制及影响因素存在一定差异。总体来看,人口密度(除四线城市)、人均客流量(除五线城市)、人均GDP(除二线城市)、第三产业占比、人均移动交换容量、人均宽带端口数量对ICT创新扩散起正向驱动作用,而人均光缆长度、人均固定交换容量、户均消费支出(除一线城市)对其创新扩散起负向驱动作用。
基于上述实证分析得出的主要结论,提出以下政策建议:
(1)充分利用ICT 创新扩散城市间的空间溢出效应,促进城市间ICT 协调发展。以ICT 技术为切入点,充分利用ICT 创新扩散空间溢出效应,进一步发挥优势城市(如一线、二线城市)对周边城市的辐射性、传导性和带动性作用。总体实现以特色产业带动周边产业发展,以优势区域辐射弱势区域,充分发挥区位优势,推进城市二元化进程,促进人口流动、资源流动和产业升级,进一步发挥区域协同和群集效应。
(2)牢牢抓住技术要素资源投入窗口期,抓好关键要素,助力“新基建”建设。一是5 类城市固话交换容量、光缆长度ICT 创新扩散驱动已经达到阀值。因此,要适当减少或控制这方面的技术资源投入;二是5 类城市移动交换容量对创新扩散影响未达到阀值且影响显著,对ICT 创新扩散依然具有较强的驱动力,因此,要加大对移动语音和移动上网交换容量的资源投入;三是5 类城市宽带接入端口数量对ICT 创新扩散影响未达到阀值,具有正向驱动作用。因此,要加大互联网宽带接入端口数量的技术资源投入,进一步支撑“互联网+”“智能+”总体战略部署。
(3)深入推进ICT 领域的“提速降费”,进一步释放网络和资费红利。4 类城市(除一线城市)的户均ICT消费支出对ICT 创新扩散有显著的负向影响。因此,“提速降费”在5 类城市之间要有所区隔,实现精准提速和精准降费。一线城市是资费价格不敏感型的,可以作为新技术的“试验区”,鼓励早期创新采用者率先使用,起到率先垂范作用,进而让企业受益,让用户受惠。