数字经济对区域创新绩效影响的实证研究——以安徽省为例

陈广洲,张 浩

(1.安徽省生态文明研究院,合肥 230601;2.安徽建筑大学 经济与管理学院,合肥 230022;3.安徽省智慧城市工程技术中心,合肥 230601)

数字经济作为我国经济发展的重要组成部分之一,与经济社会各个领域的融合深度、广度都在不断深化和扩展,在拉动经济、创造新型经济模式和带动区域就业等方面发挥着重要作用。当前,我国的数字经济规模逐年扩大,《中国数字经济发展白皮书》指出,2020年我国数字经济的总体发展规模已增长到39.2万亿元,在国民经济中的比重越来越大。随着经济发展进入新常态,数字经济逐渐成为经济高质量发展的一个重要载体,大数据、人工智能和智能制造等以互联网数字技术为依托的数字产业联动,将企业、高校、科研机构等主体纳入了创新系统[1],对区域创新发展产生了深远的影响。因此,研究安徽省数字经济对创新绩效的影响及其作用机制,并提出针对性的发展策略,对安徽省区域创新水平和创新能力的提高具有重要的理论指导价值。

一、文献综述

数字经济是以数据资源为关键要素、以现代信息网络为主要载体、以信息通信技术融合应用与全要素数字化转型为重要推动力,促进公平与效率更加统一的新经济形态[2]。因而数字经济的核心内涵应包含以下三个方面:1.数据要素。数据要素弱化了经济发展对传统要素的依赖[3]。区别于人力资本、自然资源等传统生产要素,数据要素的获得具有非竞争性、即时性、能够多次重复使用等特点,降低了企业生产资料的获取和使用成本。2.互联网平台。平台是互联网经济最为突出的商业模式。数字经济时代下,大型互联网平台的兴起是经济高质量发展的一个重要特征。互联网的跨时空性,使得数据要素、传统经济等交易平台的边界扩大[4]。随着互联网平台与传统产业的交叉融合,数字经济正不断地塑造新的产业形态[5]。3.信息通信技术。信息通信技术是数字经济发展的根本驱动力,其发展和应用决定了数字经济的发展水平[6]。1998年,美国商务部指出:数字经济是与信息通信技术(ICT)直接相关的经济活动,通过互联网、移动通信网络、物联网等新型技术手段推动社会生产生活不断进步[7]。

数字技术的广泛应用能够提升创新网络的连通性,变革创新活动中的知识创造和共享手段[8],重新构建区域内创新系统,推动区域创新能力的提升[9]。具体作用有:1.产业结构层面:数字经济的发展能够为区域创新中的产业结构升级提供新的技术支撑[10]。数字化技术的广泛应用构建了以创新驱动为主体的商业模式[11],通过产业创新、产业关联和产业融合实现产业结构转型升级[12],而数字经济能够推动产业组织方式的变革和创新资源配置,实现创新模式的改变[13]。2.创新生态层面:数字经济能够提升数字基础设施建设水平和改善创新环境。目前,大数据、人工智能和智能制造等以互联网数字技术为依托的数字化产业,均离不开数字经济的发展和数字基础设施的完善[14]。良好的数字基础设施和创新环境有利于创新资源的集聚,形成“虹吸效应”,促进区域间的人才交流和知识溢出。3.空间层面:创新活动在空间上具有相关性[15],而数字经济具有的规模效应和范围经济等特征打破了创新活动在空间上的限制[16]65。4.实证研究层面:汪亚楠采用我国280个地级市的面板数据构建了中介效应模型,研究发现数字金融能够通过收入和人力资本间接提升城市创新水平[17]。温珺等的研究指出,数字经济能够调动区域间各创新主体的积极性,提高区域创新水平[18]。

已有研究成果阐释了数字经济对区域创新发展的理论机制,肯定了数字经济发展对区域创新水平的促进作用。为把握安徽省数字经济发展对创新绩效的影响,本文以安徽省各地级市面板数据为样本,实证分析了数字经济对区域创新绩效的作用机制,以期为安徽省创新发展提供决策支持。

二、变量选取

(一)被解释变量:区域创新绩效(Inn)

已有研究成果大多以专利授权数量[19-20]、新产品销售收入[21-22]、专利申请数量[23]等指标来衡量区域创新绩效。然而,专利申请数量并不能完全体现区域创新绩效水平,因为单方面的专利申请并不能说明该专利的有效性,而新产品销售收入是创新产出的最终成果,新的创新成果到实现市场应用存在较大的时间滞后性,且并非都能完成市场化应用。Arundel认为,专利授权数量能够有效地衡量区域创新能力,是最常见和可靠的衡量指标[24]。通过综合考量,本文选择专利授权数量衡量区域创新绩效水平。

(二)核心解释变量:数字经济发展水平(Dig)

目前,学术界对于数字经济发展水平尚无明确的衡量方式,参考赵涛[16]66、刘军[25]等的做法以及对数字经济内涵的理解,从互联网发展水平、数据要素流动、数字普惠金融(参考郭峰[26]等人的研究)三个维度进行评价。选取邮电业务总量、电信业务总量、百人移动电话数量、互联网端口接入数量、数字普惠金融五大指标,运用主成分分析法,选取累计方差贡献率达到 85%的因子,测算得出安徽省各城市数字经济发展水平的综合得分,并借鉴韩先锋[27]的做法,对各个城市的数字经济发展水平得分进行标准化处理。

(三)中介变量:人力资本(Rd)、研发投入(Tec)

1.人力资本(Rd)。人才是创新发展的重要动力,人力资本水平越高的城市,其创新产出越多[28],故选用R&D人员全时当量衡量安徽省各地级市人力资本水平。2.研发投入(Tec)。区域的R&D经费支出越多,创新主体获得创新资本越多,区域的创新产出也越多,故选用安徽省各地级市的R&D经费支出衡量安徽省各地级市的研发投入水平。

(四)控制变量:就业结构(Emp)、外商投资(Fdi)、交通水平(Tra)、教育水平(Edu)

1.就业结构(Emp)。数字化人才的数量反映了区域内高新技术产业和数字化发展的概况,故选取第三产业从业人员数量衡量就业结构,应用过程中进行对数化处理。2.外商投资(Fdi)。采用外商直接投资占地区年度GDP的比重来衡量,处理过程中,按照历年来美元对人民币的平均汇率进行计算。3.交通水平(Tra)。交通便利有利于区域间科研人员的流动和知识溢出,故以人均道路面积来衡量。4.教育水平(Edu)。教育水平越高的城市,越有可能聚集更多人才,从而成为创新的重要驱动力量,故选用人均受教育年限来衡量。

以安徽省16个地级市2011—2019年的面板数据为样本,数据来源于《安徽省统计年鉴》《中国城市统计年鉴》及各地级市统计年鉴和统计公报,分析应用时对原始数据进行对数化处理,以保证数据的平稳,削弱异方差等因素对回归结果稳健性的影响。

三、模型设定

(一)基准回归模型

为考察安徽省数字经济对创新绩效的直接影响,构建如下基准回归模型:

Innit=α0+α1Digit+α2Zit+εit

(1)

其中,Innit表示i城市t年的创新绩效,Digit为i城市t年的数字经济发展水平,α0为截距项,α1为数字经济回归系数,α2为控制变量系数,εit为随机扰动项。

(二)中介效应模型

为检验安徽省数字经济对创新绩效的影响是否存在中介效应,构建如下中介效应模型:

Innit=α0+α1Digit+α2Zit+εit

(2)

Medit=β0+β1Digit+β2Zit+εit

(3)

Innit=γ0+γ1Digit+γ2Medit+γ3Zit+εit

(4)

其中,Medit为中介变量,分别将人力资本(Rd)和研发投入(Tec)纳入回归模型;α0、β0、γ0为截距项,α1、α2、β1、β2、γ1、γ2、γ3为各变量系数。

(三)门槛回归模型

为考察安徽省数字经济在推动区域创新绩效水平不断提高的过程中可能存在的非线性特征,设定如下门槛回归模型:

Innit=α+β1Thit×I(Thit≤θ)+β2Thit×I(Thit>θ)+βiZit+εit

(5)

其中,Thit为门槛变量,分别将数字经济(Dig)、人力资本(Rd)和研发投入(Tec)纳入模型回归;I(·)是取值为1或0的示性函数。α为截距项,β1、β2、βi为各变量系数。

(四)空间计量模型

根据数字经济的规模效应特征分析,安徽省各地级市数字经济发展对周边城市的创新绩效提升可能存在溢出效应,因此,构建空间计量模型进行实证研究。模型选择需考虑两方面因素,一是根据LM检验判断是否可以选取空间杜宾模型(SDM),二是根据LR检验确定空间杜宾模型(SDM)是否存在退化。具体模型设定如下:

Innit=α+ρWInnit+β1Digit+βiZit+θ1WDigit+θiWZit+μi+εit

(6)

其中,β1和βi表示数字经济和其他控制变量的系数,θ1、θi分别表示核心解释变量和控制变量的空间滞后项系数,μi表示固定效应,ρ表示空间滞后项系数,W为空间权重矩阵。

(五)权重矩阵的选择

选择邻接矩阵和地理距离权重矩阵来衡量安徽省各地级市数字经济的空间关系,如表1所示。

表1 空间权重矩阵

四、结果与分析

(一)基准回归结果

基准回归结果如表2所示,模型(1)为不含控制变量的回归结果。加入控制变量后,模型(2)中数字经济的回归系数下降为0.807,仍然显著,表明安徽省数字经济发展对区域创新绩效具有显著的促进作用,是安徽省各地级市提高创新水平的重要驱动力。

表2 模型基准回归结果及中介效应分析

控制变量中,就业结构的回归系数为正且显著,创新主体大多聚集于第三产业,而第三产业从业人员数量的提升带来了更多的数字化人才,推动了区域创新水平的提高。外商投资的回归系数显著为正,说明外商投资的增加带来了更多的创新资本和手段,能够促进本地与外部知识和技术的交流融合,提升区域创新水平[29]。交通水平的系数虽然为正,但未通过10%水平下的显著性检验,说明交通水平的作用不显著。教育水平的估计系数为正且显著,教育水平提高所带来的知识资本和人力资本促进了创新绩效的提高。

(二)中介效应分析

采用三步回归法,以人力资本和研发投入为中介变量纳入模型进行回归,结果如表2所示。在回归过程中采用3种显著性检验,即Sobel检验、Goodman-1检验和Goodman-2检验。3种检验方式下,中介变量均通过了1%水平下的显著性检验,说明存在显著的中介效应。从模型(3)与(4)来看,数字经济每提升1,区域创新绩效间接提升0.359,总效应为0.807,人力资本的中介效应占比为44.5%。从模型(5)与(6)来看,数字经济每提升1,区域创新绩效间接提升0.414,总效应为0.807,研发投入的中介效应占比为51.3%。因此,数字经济的发展能够通过人力资本和研发投入双重渠道,推动区域创新绩效的提高。

为保证回归结果的稳健性,参考温忠麟[30]的研究,给出基于Bootstrap法中介效应的检验结果,通过Bootstrap自抽样法得出的结果如表3所示。以人力资本为中介变量,中介效应为0.359,总效应为0.807,中介效应占比为44.5%;以研发投入为中介变量,中介效应为0.414,总效应为0.807,中介效应占比为51.3%,与三步回归法的结果吻合。

表3 Bootstrap中介效应检验

(三)非线性效应分析

为检验安徽省数字经济在推动区域创新绩效提高的同时是否存在非线性特征,参考Hansen[31]的方法采用门槛回归模型进行分析。以数字经济发展水平、人力资本和研发投入作为门槛变量,通过Bootstrap自抽样法发现:研发投入和人力资本通过了单门槛检验,未通过双重和三重门槛检验,数字经济发展水平未通过检验,据此得到研发投入和人力资本门槛值,结果如表4所示。研发投入小于等于门槛值2.081时,数字经济的回归系数为0.315;研发投入大于门槛值2.081时,回归系数为0.519。人力资本水平小于等于门槛值-0.841时,数字经济的回归系数为0.352;人力资本水平大于门槛值-0.841时,回归系数为0.499。根据门槛回归模型的结果可知,在高于门槛变量的门槛值时,数字经济对创新绩效的的估计系数均会提高,表明数字经济在推动区域创新绩效提高时存在非线性作用特征。

表4 门槛回归结果

(四)空间效应分析

1.模型选择。基于邻接矩阵和地理距离矩阵,根据LM检验和LR检验的结果,SDM不存在退化,应选用SDM模型。Hausman检验的P值分别通过了5%和1%水平下的显著性检验,故选择固定效应进行分析。其中,固定效应模型又分为时间固定、个体固定以及时间个体双固定,选择时间固定下的空间杜宾模型进行后续分析,各类检验结果如表5所示。

表5 各类检验结果

2.空间自相关分析。采用邻接矩阵和地理距离权重矩阵计算安徽省各地级市数字经济发展水平的全局Moran’I 指数,以此考察数字经济发展的空间相关性。如表6所示,两种权重矩阵下的全局Moran’I 指数在大多数年份均在10%的水平下显著,表明安徽省各地级市之间的数字经济发展在空间上具有正向的相关性。

表6 莫兰指数结果

3.回归结果分析。邻接矩阵和地理距离矩阵下的回归结果见表7。两种权重矩阵下的主效应中,数字经济的回归系数均在1%的水平下显著。空间杜宾模型主效应系数显著为正,但未能诠释数字经济发展的“本地-邻地”效应,故进一步将主效应分解为直接、溢出和总效应,并在R2较大的邻接矩阵下探讨数字经济对区域创新绩效的空间溢出效应。

表7 SDM空间效应分解

根据模型回归结果,邻接矩阵下数字经济的空间溢出效应系数为正,通过了1%水平下的显著性检验。溢出效应系数为0.438,表明数字经济不仅能够促进本地区创新绩效水平的提高,也能带动周边城市创新绩效的提高。控制变量中,外商投资水平促进了本地区的创新绩效发展,但溢出效应并不显著。教育水平的溢出效应为负值但不显著,教育水平推动了本地区创新绩效水平提升,可能会对周边地区的创新绩效产生负向效应。就业结构和交通水平的溢出效应系数为正值并且显著,数字化人才的数量和良好的交通水平有利于本地区和周边地区的创新交流,促进区域之间实现联动发展。

为检验研究结果的稳健性,进行如下检验:(1)变量替换。使用专利申请数量对被解释变量专利授权数量(Inn)进行替换,邻接矩阵下的回归结果如表8中模型1所示(限于篇幅,只列出了空间效应分解)。结果表明:数字经济对创新绩效的空间溢出效应系数与前文相比仍然显著,表明前文的回归结果稳健。(2)增加控制变量。新产品销售收入是创新产出的一个重要体现,新产品销售收入不仅能反映创新产出,还能够反映产出成果被市场接受的程度[32]。此外,政府财政支出中的科技支出(Exp)也会对区域创新绩效产生一定的影响。因此,增加新产品销售收入占地区总GDP的比重(Nsa)和科技支出(Exp)作为控制变量。回归结果如表8中的模型2和模型3所示:数字经济对创新绩效的空间溢出效应系数仍然显著,表明前文回归结果稳健。

表8 稳健性检验结果

五、结论与建议

(一)结论

选取安徽省2011—2019年各地级市面板数据为样本,通过构建中介效应模型、门槛回归模型和空间杜宾模型,探讨了安徽省各地级市数字经济发展对区域创新绩效的影响及机制,得出主要结论如下:

1.数字经济的发展对区域创新绩效提升作用明显,是促进安徽省各地级市创新系统发展和提升区域创新水平的重要驱动力。数字经济每增长1%,区域创新绩效提升0.807%,同时,数字经济的发展能够通过人力资本和研发投入间接推动区域创新水平提高,存在部分中介效应。

2.门槛回归分析表明,数字经济的发展对区域创新绩效提升具有非线性特征。

3.数字经济的溢出效应表明,数字经济和区域创新绩效在空间上存在显著的空间相关性。数字经济的发展对区域创新绩效的提升具有较强的空间溢出效应,本地区的数字经济发展每上升1%,周边城市的创新绩效将提升0.438%。

(二)建议

1.各地级市要高度重视加大对数字经济的投资力度,提升人工智能、大数据、物联网、云计算等技术的应用力度,不断完善5G通讯、互联网等数字基础设施建设,夯实数字经济发展的基础,创造良好的数字经济发展环境和创新环境,提升区域创新水平。

2.各地级市要加强对人才的重视程度,积极引进各类技术人才。要提高教育水平,保证创新基础,不断优化升级就业结构,扩大数字化人口数量。同时,继续扩大研发资本的投入比例,保证良好创新环境,促进高新技术发展。

3.城市之间要加强技术交流与合作,形成良性竞争效应,扩大追赶效应,发挥辐射效应,提升数字经济发展水平,从而提升创新绩效,实现区域协调发展。