数字经济赋能长三角高质量发展——基于创新能力视角的机制分析*

胡本田,沈晓东

(安徽大学 经济学院,安徽 合肥 230601)

长三角作为国家一体化发展示范区,数字经济正处在快速发展阶段,对社会发展的重要作用日益凸显,探讨数字经济对城市高质量发展的影响具有重要的现实意义。对此,本文选取长三角2015—2019年41个地级以上城市的面板数据,从创新视角出发,在研究数字经济能否促进高质量发展的基础上,分析数字经济能否通过提高创新能力间接推动城市高质量发展,并探讨数字经济可能存在的非线性溢出特征与空间溢出效应。

一、文献综述

围绕研究的主题,将相关文献归纳为数字经济赋能高质量发展、数字经济提升创新能力以及创新驱动高质量发展三个方面。

(一) 数字经济赋能高质量发展

许宪春等认为数字经济是基于现代网络信息技术所产生的一系列经济活动的总和[1],可以通过大数据整合资源、优化资源配置、提高产品生产效率来实现绿色发展[2]。丁志帆认为经济高质量发展得益于数字技术的创新、扩散与广泛应用[3]。荆文君等认为数字经济的快速发展在微观上降低了企业跟行业的平均成本,宏观上提高了整个社会的经济效率进而推动高质量发展[4]。宋晓玲证实了数字金融的发展有助于城乡收入差距的减小[5],并且可以促进我国经济的包容性增长[6]。赵涛等证实了数字经济可以显著促进城市高质量发展[7]。

(二) 数字经济提升创新能力

部分学者研究了数字经济对创新能力的影响。温珺等选取中国287个地级市的数据进行回归分析,证实数字经济发展能够促进创新能力的提升,原因在于数字经济可以在生产端与消费端之间架设桥梁,打破信息壁垒,促进新产品研发,提高企业创新能力,企业还可以利用数字技术节约经营成本,有更多资金可用于研发来提升创新效率[8]。此外,温珺等通过对我国省域面板数据进行分析,发现数字经济对创新能力提升作用明显[9]。

(三) 创新驱动高质量发展

创新是推动我国经济高质量发展的根本动力。陈昌兵认为不断探索发展的根本动力是经济增长的来源,而发展根本动力在于创新,在创新驱动下,会带来服务业和高端制造业的转型升级[10]。任保平等认为创新是经济迈向高质量增长的核心,发展数字经济、创新发展方式是新旧动力转化的有效方式[11]。还有学者以长江经济带城市为研究对象,证实了科技创新可以显著促进城市的高质量发展[12-13]。

现有文献分析了数字经济可以提高创新能力和促进高质量发展,创新作为新时代经济增长的核心动力,可以推动高质量发展,那么数字经济能否通过提高创新能力间接促进高质量发展呢?对此本文提出研究假设:数字经济可以直接促进城市高质量发展,并且创新能力是这一过程的重要机制。

二、研究设计

(一) 模型构建

为了证实上述假设的正确性,对数字经济影响经济高质量发展的直接作用机制构建如下的基本计量模型

Hqdit=α0+α1DEIit+αcXit+μi+λt+ɛit

(1)

式(1)中,Hqdit为i城市在第t年的高质量发展指数,DEIit为在i城市第t年的数字经济指数,Xit为控制变量,μi和λt分别控制个体、时间固定效应,ɛit为随机扰动项,α1为核心解释变量数字经济的回归系数。

为分析数字经济对城市高质量发展可能存在的影响机制,对创新能力(Rip)是否为二者之间的中介变量进行检验。参考温忠麟等[14]的分析思路，在模型(1)中的系数α1显著性通过了检验的基础上,构建数字经济(DEI)对创新能力(Rip)的计量模型、数字经济(DEI)和创新能力(Rip)对城市高质量发展(Hqd)的计量模型,通过系数β1、γ1和γ2的大小和显著性来判断中介效应是否存在,具体的中介效应模型为

Ripit=β0+β1DEIit+βcXit+μi+λt+ɛit

(2)

Hqdit=γ0+γ1Ripit+γ2DEIit+γcXit+μi+λt+ɛit

(3)

考虑到数字经济可能存在的非线性效应。参考Hansen的研究[15],在基准模型基础上构建如下门槛模型

(4)

(5)

(6)

式(4)中,DEIit既是核心解释变量也是门槛变量,式(5)和式(6)中的门槛变量均为DEIit;I(·)为指示函数,满足括号内的条件即为1,否则为0;θ为待估门槛值,其余各项含义均与基准模型相同。上述考虑的为单门槛模型,具体可根据检验结果拓展至多门槛模型。

考虑到经济活动在空间上存在的联系,本文构建空间计量模型来检验数字经济和创新能力在空间上对高质量发展的影响。

设定空间误差模型(SEM)、空间滞后模型(SAR)和空间杜宾模型(SDM)三种模型的形式如下

Hqdit=β1DEIit+βiXit+μi+ɛit,ɛit=λWɛit+ωit

(7)

Hqdit=ρWHqdit+β1DEIit+βiXit+μi+ɛit

(8)

Hqdit=ρWHqdit+β1DEIit+βiXit+β1WDEIit+βiWXit+μi+ɛit

(9)

式中,ρ和λ分别表示空间自回归系数和空间误差系数；W为空间权重矩阵,参考郑瑞坤等的研究方法[16],采用邻接权重矩阵、地理距离矩阵和经济地理距离矩阵三种矩阵来分析数字经济、创新能力对长三角城市高质量发展的影响。

(二) 变量说明

1 被解释变量 本文选取城市高质量发展水平作为被解释变量。参考已有文献对高质量发展水平的测度[17-22],并结合数据可获得性,从经济活力、绿色发展、人民生活、社会和谐四个角度构建城市高质量发展指标体系。在高质量发展指标体系中,经济活力是一个城市高质量发展的核心,因此赋予40%的权重;绿色发展、人民生活和社会和谐具有相同的重要性,各赋予20%的权重。

指标体系的权重处理方法主要有主成分分析法[23-24]、熵值法[25-26]、线性加权法[27]和主观赋权[22]。综合考虑各项指标对于评价体系的重要性以及指标之间的差异程度,参考上述文献对一级指标进行主观赋权,并对二级指标和三级指标使用熵值法客观加权确定权重,指标的差异程度越小,熵值越小,其权重越大。高质量发展的指标体系及各指标权重见表1。

表1 高质量发展指数评价指标体系Table 1 Evaluation index system of high-quality development index

2 核心解释变量 数字经济发展为本文的核心解释变量。参考已有文献对数字经济发展的测度[28-29],并结合城市数据可获得性,本文从数字化基础设施、数字化产业、数字化应用、数字化人才和数字金融发展五个维度构建数字经济发展指标体系。其中,对于数字金融发展,用“北京大学数字普惠金融指数”表示,该指数在数字经济及相关领域的研究中应用广泛[30]。在数字经济指标体系中,本文认为5个一级指标均从不同角度反映了数字经济的发展情况,重要性相同,因此各赋予20%的权重。采用和高质量发展指标同样的赋权方法，得到数字经济评价指标体系及各指标权重见表2。

表2 数字经济指数评价指标体系Table 2 Evaluation index system of digital economy index

3 中介变量 选取专利授权量来衡量地区的创新能力。专利分为发明专利、非发明专利,其中发明专利是对产品和方法的创新,技术含量最高,由此根据不同专利的创新程度,构建城市创新能力(Rip)计算公式如下

Ripit=Patent1it×0.6+Patent2it×0.4

(10)

其中,Patent1为发明专利授权量(千项),Patent2为非发明专利授权量(千项),Rip为城市创新能力。

4 控制变量 为全面分析数字经济对高质量发展的影响,设定一组可能会影响经济发展的控制变量。包括:人口密度(Url),用全市常住人口比城市行政区域面积表示;政府干预度(Gov),用政府财政支出总额比地区GDP表示;城市化水平(Urb),用城镇人口的占比表示;外资依存度(Fdi),用当年实际使用外资金额比地区GDP表示。

(三) 数据来源和描述性统计

本文选取的是2015—2019年长三角41个地级市的平衡面板数据,少量缺失数据难以获取，用相应的统计方法补齐,数据主要来源于《中国城市统计年鉴》、各省市的统计年鉴以及各省市政府网站年报和工作报告。表3为本文变量的描述性统计结果。

为了消除量纲对指标的影响,方便指标之间的比较,需对原始数据进行预处理。参考已有研究的做法[31-32],对原始数据采用阈值法进行无量纲化,即对于正向指标,也称效益型指标,指数值越大、效益越好的指标,处理方法为

(11)

对于负向指标,也称成本型指标,指数值越小、效益越好的指标,处理方法为

(12)

由此进行数据处理后,所有指标值均在1～7之间,式中“+1”的目的是为了让指标的最小值或最大值经过无量纲处理后的值不为0,避免对数处理时出现个别值不存在的情况。

表3 描述性统计Table 3 Descriptive statistics

三、实证检验

(一) 基准回归分析

经Hausman检验和过度识别检验,选择固定效应模型分析数字经济对高质量发展的影响及其机制。表4的模型(1)(2)(3)报告了不添加控制变量时的结果,在模型(4)到模型(6)中则对应加入控制变量。模型(1)和模型(4)显示了核心解释变量数字经济对高质量发展的结果,表明无论是否加入控制变量,数字经济均显著促进了长三角城市群的高质量发展,本文假设的前半部分得以验证;从控制变量结果看,人口聚集可能会促进经济的增长,但并不能推动城市高质量发展[13];政府适当的财政干预可以为经济高质量发展提供有力支撑[12];城市规模化的扩张也未必能提高经济发展质量[33];外资依存度(Fdi)的系数同样为负且不显著,表明外商直接投资并不能显著促进地区的高质量发展,反而可能会因为外商的过度投资,造成技术上的依赖,不利于创新能力的提升,不同地区引进的外资类型不同也可能会造成地区之间经济社会发展的不平衡,进而不利于我国城市层面的高质量发展[12]。从模型(2)和模型(5)数字经济对创新能力(Rip)的影响看,数字经济可以显著提高创新能力,其发展带来了专利申请数量和授权数量的增加,专利质量得到提高,创新能力因而得以提高[8];人口密度对创新能力的影响显著为正,可能因为密集的人口有利于人才的聚集和知识的吸收,进而可以提升区域创新能力[34];地方政府也可以通过主导创新环境建设以及直接参与创新两种方式有效提升创新效率[35]。在模型(3)和模型(6)中,加入机制变量创新能力(Rip)后,创新能力对高质量发展的影响系数同样显著为正,数字经济对高质量发展的促进作用依然显著,但回归系数和显著程度相比模型(1)和模型(4)有所下降,经Sobel检验也显著拒绝了模型不存在中介效应的假设,说明创新能力提升是数字经济推动高质量发展的作用机制。具体来看,在加入控制变量的中介效应模型(4)(5)(6)中,其他因素不变,数字经济每提升1个单位,高质量发展就会直接提升0.071个单位,同时,创新能力也会提升3.896个单位,进而会使得高质量发展提升0.039个单位,总效应为0.111,间接效应占总效应的比重为35.14%,即数字经济可以通过提高创新能力来推动城市高质量发展。以上验证了本文的研究假设。

表4 面板基准回归结果Table 4 Panel benchmark regression results

(二) 非线性效应分析

采用面板门槛模型分析数字经济可能存在的非线性效应。先检验门槛存在性,在Bootstrap自助抽样法反复抽样500次后,在数字经济推动创新的门槛模型中,数字经济显著通过了单门槛检验,未通过双门槛和三门槛检验;在创新推动高质量发展的门槛模型中,数字经济显著通过了双门槛检验,未通过三门槛检验;在数字经济直接促进高质量发展的门槛模型中,存在一定的非线性效应,但未通过门槛检验。根据检验结果进行实证,得到表5所示的结果。

从表5中模型(1)的结果看,随着数字经济发展水平的提高,数字经济对创新能力的提升呈现出显著正向的非线性特征,当数字经济指数低于4.168时,数字经济的系数为1.522并且通过了显著性水平为10%的检验,表明数字经济发展对于创新能力的促进作用较为显著;当数字经济发展水平大于4.168时,数字经济的影响系数上升至2.931,并且通过了显著性水平为1%的检验,说明数字经济对于创新能力的推动强度更大且效果更加显著。在创新推动高质量发展的门槛模型(2)中,当数字经济指数小于2.973时,创新能力的影响系数较小,且未通过显著性检验,表明在数字经济发展水平很低的环境下,创新对于高质量发展的推动效果微乎其微;当数字经济发展水平介于2.973和3.737之间时,创新对于高质量发展的正向影响显著增强,系数达到了0.021;当数字经济发展指数跨越了3.737时,创新能力对城市高质量发展的推动力度更进一步。

表5 门槛模型回归结果Table 5 Threshold model regression results

(三) 空间效应分析

使用空间模型之前需要确定变量是否存在空间相关性,莫兰指数是考察地理距离权重矩阵和经济地理距离权重矩阵下空间自相关性的常用指标。经检验，在两种不同空间权重矩阵下，2015—2019年长三角地区的高质量发展指数、数字经济发展指数和创新能力的莫兰指数均达到1%的显著性水平,表明这三个指标具有显著的空间自相关性。

参考Elhorst的研究思路[36],先对样本进行OLS回归估计,再进行LM检验和R-LM检验，考察样本是否适合空间误差模型(SEM)与空间滞后模型(SAR),再用LR检验来确定是否适用于空间杜宾模型(SDM)。表6的检验结果显示,在不同权重矩阵假定下,样本均通过了SAR模型的LM检验与R-LM检验,未通过SEM模型的部分检验,因此倾向于SAR模型为最优模型,作为比较同时列出SEM模型的回归结果。

表6 空间面板模型的LM检验Table 6 LM test of the spatial panel model

表7结果显示,数字经济和创新能力对高质量发展的影响始终显著为正,再次说明二者对于城市发展始终起着重要的推动作用。在不同空间权重矩阵下,SAR模型中空间自回归系数均显著为正,说明长三角各城市的高质量发展之间存在着正向交互效应。仅采用回归系数解释空间回归结果可能会因为地区之间存在的大量交互信息而产生偏差,将总效应分解为直接效应和间接效应(空间溢出效应)。在经济地理距离矩阵与邻接矩阵假定下的SAR模型中,数字经济、创新能力推动高质量发展的直接效应、间接效应和总效应均显著为正,表明本地区数字经济发展和创新能力的提升不仅会促进当地经济的高质量发展,也会提高周围邻近地区的发展质量,即数字经济和创新能力都存在显著正向的空间溢出效应。

表7 数字经济、创新能力影响高质量发展的空间模型回归结果Table 7 Spatial model regression results of digital economy and innovation ability affecting high-quality development

四、稳健性检验

以上分析表明长三角地区的数字经济可以显著推动高质量发展,为了确保结论的准确性,本文进行以下稳健性讨论。

(一) 工具变量方法

考虑到在分析数字经济对高质量发展的促进作用时可能存在的内生性问题,即数字经济和经济高质量发展可能会同时受到一系列不可观测因素的影响,二者之间形成双向因果关系,意味着地区经济的高质量发展可能会对数字经济产生影响。

针对这一现象,为数字经济选取合适的工具变量,可以有效地解决内生性问题。参考黄群慧等[37]的处理方法,选取2004年长三角各城市的每百人固定电话数作为数字经济指数的工具变量。因为本文采用的是面板模型,只采用2004年的城市层面每百人固定电话数量的截面数据不能直接用于分析,因此引入随时间变化的变量来构造面板工具变量[38]。具体而言,为了比较估计的结果,引入上一年的全国移动互联网接入流量(IAT)与全国互联网宽带接入用户(IAU)两个指标分别与2004年长三角各城市的每百人固定电话数量(FLT)构造交互项,作为城市该年数字经济发展指数的两个工具变量。

为了进一步佐证检验的结论,再选取数字经济指数的滞后一期(L.DEI)作为第三个工具变量,并进行相应的稳健性检验,见表8。其中,模型(1)(2)(3)的工具变量分别为IAT*FLT、IAU*FLT、L.DEI。模型(4)(5)(6)中的工具变量各有两个,分别为IAT*FLT和IAU*FLT、L.DEI和IAT*FLT、L.DEI和IAU*FLT,模型(7)中的工具变量为三个。

表8 工具变量回归Table 8 Instrumental variable regression

表8的Anderson canon.corr.LR为工具变量不可识别的检验,结果显示本文的工具变量是合理的;Cragg-Donald F为工具变量弱识别检验,统计量的值大于10%水平上的临界值,即不存在弱工具变量;模型(4)～(7)的工具变量个数大于解释变量个数,需进行过度识别检验,Hansen J统计量表明所有工具变量均外生,是合理的;Endogeneity test of DEI是对于数字经济稳健的内生性检验,表明模型中数字经济确实存在内生性。结果说明,在考虑内生性问题之后,数字经济均在1%的水平下正向显著,验证了本文结论的稳健性。

(二) 控制固定效应

参考赵涛等[7]的做法,设定省份固定效应、省份与年份交互效应以减小宏观系统性环境变化产生的影响,表9第(1)(2)列的结果显示,在考虑宏观环境变化后,数字经济依旧显著推动长三角地区城市的高质量发展。

(三) 更换核心解释变量

本文研究是基于主观加权和熵值加权测算的数字经济指数,研究结论可能存在偶然性。为此,通过更换核心解释变量进行进一步验证,使用“北京大学数字普惠金融指数”来体现城市的数字经济发展水平。表9第(3)列结果显示,更换核心解释变量后,数字经济依然在1%的水平上显著,再次表明数字经济对长三角高质量发展的促进作用是显著的。

表9 控制固定效应与更换核心解释变量Table 9 Controlling fixed effects and changing core explanatory variables

五、结论与政策建议

(一) 研究结论

本文通过实证分析得出如下结论:(1) 数字经济可以显著促进长三角地区城市的高质量发展,通过引入工具变量等稳健性检验,该结论依然成立;(2) 区域创新能力是数字经济驱动高质量发展的作用机制,数字经济能够提升区域创新能力,通过正向中介效应间接推动城市的高质量发展;(3) 数字经济促进高质量发展的影响机制中存在非线性溢出效应,数字经济对创新影响呈现出“边际效应”递增的非线性特征,并且随着数字经济发展水平的提高,创新驱动高质量发展也具备该特征;(4) 数字经济和创新能力对长三角地区城市的高质量发展均有显著的空间溢出效应,表明数字经济和创新能力会随着地区经济交流促进区域之间共同的高质量发展,形成良好的经济格局。

(二) 政策建议

我国数字经济正处于飞速发展阶段,为充分培育数字经济的新动能,推动长三角地区经济高质量发展,给出以下政策建议。第一,要全面推动数字经济发展,持续推进数字经济基础设施建设,提高地区经济发展质量,助力产业数字化改革和数字化产业发展。从政府角度,应积极推进政府数字化转型,用数字化改革的方式实现政府治理能力的现代化,充分掌握经济社会信息,合理分析经济社会大数据,赋能长三角地区数字经济全面发展；从企业角度,应积极应用互联网、大数据、人工智能等数字技术,提高企业生产效率与产品品质；从个人角度,努力提高自身数字化素养,在生产端和消费端掌握数字化技能。第二,创新能力是数字经济促进高质量发展的重要机制,各地区应积极加大创新投入,提升创新成果产出,努力建设创新人才队伍,不断推动相关领域核心技术的突破,培育我国经济高质量发展的根本动力。第三,加大区域间经济建设的协调与联系,利用现代化数字技术积极构建区域协同发展网络,充分发挥数字经济对高质量发展贡献的空间溢出能力，不断提升创新能力在区域协同网络下对经济高质量发展的支撑作用。