新一代信息技术产业创新效率空间差异及驱动因素研究——以重大国家战略区域为例

程 刚，王 娜，李旭辉

(1.安徽财经大学 管理科学与工程学院，安徽 蚌埠 233030；2.淮南师范学院，安徽 淮南 232038)

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》(以下简称“十四五”规划)明确指出，“十四五”时期是数字时代，要推动数字产业化和产业数字化，加快建设数字经济。发展数字经济，需要提升新一代信息技术产业等核心产业竞争力。《“十四五”数字经济发展规划》强调，要深化新一代信息技术基础创新，打造新兴数字产业新优势。作为数字经济的先导性和支柱性产业，推动新一代信息技术产业创新发展已成为推动我国数字经济持续高质量发展的必要之举。与此同时，《“十四五”规划》强调要深入实施区域重大战略，提升引领带动能力，并指出当前重大国家战略区域包括京津冀、长江经济带、粤港澳大湾区、长三角和黄河流域。重大国家战略区域作为国家创新发展过程中创新要素集聚、创新技术扩散的重要载体[1]，应以“十四五”规划为指导，通过推动新一代信息技术产业创新发展助力数字产业化与产业数字化，为打造数字经济新优势提供有力支撑。基于此，本文以重大国家战略区域为切入点，深入探究其新一代信息技术产业创新效率的空间非均衡特征、差异来源及关键驱动因素，以期为“十四五”时期优化新一代信息技术产业空间布局、统筹新一代信息技术产业创新协调发展，进而为加快建设数字经济、构建数字中国提供理论依据和政策启示。

新一代信息技术产业创新效率能够综合考察产业创新要素投入与产出关系，是衡量其创新发展质量的重要指标。但我国新一代信息技术产业起步较晚，鲜有文献对其创新效率进行研究。鉴于此，本文将基于新一代信息技术产业联动性强、创新性突出等特点，选取与其相似的高技术产业的相关文献进行梳理，主要包括三个方面：一是产业创新效率的研究方法。已有研究多采用参数的随机前沿模型(SFA)[2-3]和非参数的数据包络模型(DEA)[4]进行分析。与参数模型相比，DEA模型无须设定生产函数，且能同时处理多个投入产出问题，逐渐成为测度创新效率的主流方法[5]。但传统径向DEA模型易忽略非径向松弛变量的影响，使得创新效率测算结果被高估；非径向SBM模型虽能兼顾径向与非径向松弛变量，但在评价无效决策单元时易低估创新效率测算结果[6]。为此，Tone和Tsutsui[7]提出了一种综合径向与非径向特点的混合模型，即EBM模型，为科学、全面测算产业创新效率提供了一种新的解决思路。二是产业创新效率的研究单元。较多学者基于四大板块、城市群等视角展开研究[8-10]，缺少基于重大国家战略区域层面测算新一代信息技术产业创新效率的研究。三是对产业区域差异性的考察。关于新一代信息技术产业创新效率区域差异及驱动因素的研究较为匮乏，仅有少数文献采用泰尔指数对高技术产业创新效率的区域差异进行分析[11]，但忽略了样本数据间交叉重叠的影响，未能正确揭示区域差异的空间来源及关键驱动因素。

基于此，本文将基于区域重大战略视角考察2010—2019年新一代信息技术产业创新效率的区域差异及影响因素。首先，采用超效率EBM模型测算重大国家战略区域新一代信息技术产业的创新效率；其次，运用Dagum基尼系数及其分解方法对产业创新效率的空间差异进行分解，进而探究其空间非均衡程度、来源及贡献率；最后，借助地理探测器识别造成新一代信息技术产业创新效率发展差异的关键驱动因素及其交互影响，进而提出有针对性的新一代信息技术产业创新效率协同提升对策。

一、方法、指标和数据

(一)模型与方法

1.超效率EBM模型

新一代信息技术产业创新效率测算是一个多投入、多产出的复杂系统，若采用传统径向DEA模型，易因未考虑投入冗余和产出不足共存，指标非同比变化等，而导致测算结果失真。基于此，本文采用全局超效率EBM模型对重大国家战略区域新一代信息技术产业创新效率进行测算。该模型不仅能够同时考虑决策单元(DMU)投入产出要素所具有的径向与非径向特征，有效反映DMU与最佳生产前沿面间的比例信息，而且将EBM模型超效率化，进一步区分有效DMU效率，提升DMU效率测度的准确性[7]。规模报酬可变(VRS)假设下，全局超效率EBM模型具体如下：

(1)

式中：K*表示EBM模型的超效率值；θ表示基于径向条件的效率值；ε表示综合径向与非径向效率值的关键参数，且ε∈[0，1]；φ表示投入产出扩大比例；w-(w+)表示投入(产出)的相对权重，用于反映指标的重要程度；s-(s+)表示投入(产出)松弛变量；t为年份，x，y分别表示新一代信息技术产业创新要素投入、产出向量；m，j分别对应投入、产出要素的数量；λ为权重向量。

2.Dagum基尼系数及其分解方法

Dagum基尼系数是由Dagum[12]提出的一种测度研究对象不同空间单元经济、社会等发展相对差异的无量纲化方法。本文运用Dagum基尼系数测算重大国家战略区域新一代信息技术产业创新效率的总体空间差异，并借助其分解方法将总体空间差异按子群来源分解为区域内差异、区域间差异和超变密度，从而揭示重大国家战略区域新一代信息技术产业创新效率区域差异的大小及其空间来源。根据Dagum的分解理论，总体基尼系数(G)可以分解为区域内差异贡献(Gw)、区域间差异贡献(Gnb)和超变密度贡献(Gt)，具体公式见参考文献[13]。

3.地理探测器

地理探测器是通过研究区域内方差与区域间方差的异同，探究研究对象空间异质性特征的一种统计学方法。该方法能较好地表达同一空间单元的相似性及不同空间单元的差异性，具有样本量要求小、对多自变量共线性免疫、不要求空间连续性等特点[14]，主要包括因子探测、风险区探测等。本文运用因子探测器探测新一代信息技术产业创新效率的空间异质性，并探测不同因素对全国及重大国家战略区域新一代信息技术产业创新效率空间异质性的解释程度，用q值进行表示，其具体公式为：

(2)

(二)指标选取与区域界定

在新一代信息技术产业创新效率投入要素的选取上，从劳动投入、资本投入和技术投入3个维度进行衡量。其中，劳动投入用R&D人员全时当量表征。资本投入选取R&D资本存量，并参考李颖[15]的处理方法，借助永续盘存法进行核算。考虑到目前我国自主创新能力相对薄弱，大多数新一代信息技术企业仍以技术引进和消化吸收再创新等方式进行创新研发[16]，因此本文将技术投入纳入新一代信息技术产业创新投入要素体系中，用新产品开发经费支出与技术引进消化吸收购买费用之和表征。在新一代信息技术产业创新效率产出要素的选取上，从知识产出和经济效益两个维度进行衡量。其中，知识产出是指新一代信息技术产业创新活动创造的知识成果，用有效发明专利数和新产品开发项目数来表征；经济效益是指新一代信息技术产业创新成果的经济价值，反应其效益转化能力，用新产品销售收入和利润总额表征。

根据重大国家战略区各区域发展规划，其覆盖省份如下：京津冀战略区包括北京、天津和河北；长江经济带战略区包括上海、江苏、浙江、安徽、湖北、湖南、重庆、四川、云南、江西和贵州；长三角战略区包括上海、江苏、浙江和安徽；黄河流域战略区包括青海、甘肃、宁夏、内蒙古、陕西、山西、河南和山东；粤港澳战略区包括广东、香港和澳门。由于数据缺失，黄河流域战略区不考虑青海省，粤港澳战略区仅考虑广东省。新一代信息技术产业相关数据来源于《中国高技术产业统计年鉴》和《中国信息产业年鉴》，并以各省统计年鉴进行补充。针对个别指标的数据缺失情况，借助插值法和趋势外推法进行补全。

二、新一代信息技术产业创新效率测度及事实描述

为精准把握京津冀、长三角、长江经济带、黄河流域和粤港澳重大国家战略区域新一代信息技术产业创新效率在全国的格局和定位，本文基于2010—2019年全国29个省份(基于数据可得性，未考虑港澳台及青海、西藏地区)新一代信息技术产业投入产出数据构建最佳生产前沿，从全国视角考察重大国家战略区域新一代信息技术产业创新效率的时空格局(表1)。

表1 重大国家战略区域新一代信息技术产业创新效率

表1报告了2010—2019年全国视角下重大国家战略区域新一代信息技术产业创新效率的时序演变特征。整体来看，全国视角下，重大国家战略区域新一代信息技术产业创新效率均呈波动上升趋势，但不同战略区域存在显著差异。考察期内，五大重大国家战略区域新一代信息技术产业创新效率排名从高到低依次为粤港澳(1.020 8)、长三角(0.872 1)、长江经济带(0.756 3)、黄河流域(0.753 8)、京津冀(0.727 6)。可以看出，考察期内，粤港澳新一代信息技术产业创新效率始终处

于领先地位，且基本处于“生产前沿面”上，而京津冀和黄河流域则相对较低。从演变趋势看，京津冀产业创新效率从2010年的0.696 0上升至2011年的0.770 8，达到考察期最大值，之后呈平缓波动趋势，考察期整体略有上升，增长率为4.89%。长三角产业创新效率显著提升，从2010年的0.686 2波动上升至2019年的0.928 4，年均增长率为3.42%，远高于其他四大战略区域及全国平均水平(2.05%)。样本考察期内，长江经济带产业创新效率上下波动程度最大，分别于2011年和2015年达到考察期最高值(0.886 5)和最低值(0.666 7)，整体呈波动上升趋势，提升速度仅次于长三角。黄河流域产业创新效率从2010年的0.654 6波动上升至2016年的0.822 9，增长幅度为25.71%，随后先下降后上升，考察期整体呈波动上升趋势，年均增长率为2.28%。粤港澳产业创新效率从2010年的1.027 5先上升后下降至2013年的0.960 0，表现为“无效率”，之后基本呈平稳波动趋势，但考察期整体略有下降，年均下降0.28%。由此可知，样本考察期内，重大国家战略区域新一代信息技术产业创新效率的时序演变趋势存在显著差异，粤港澳表现为效率高、增速慢，长三角表现为效率高、增速快，黄河流域和长江经济带则表现为效率低、增速快，京津冀产业创新效率和提升速度均处于落后水平，其新一代信息技术产业创新质量仍存在较大提升空间。

三、新一代信息技术产业创新效率空间差异及来源

上述测度结果表明五大重大国家战略区域新一代信息技术产业创新效率存在显著区域差异，为进一步考察其区域差异的空间来源，以形成具有针对性的区域提升路径，本文借助Dagum基尼系数及其分解方法，将新一代信息技术产业创新效率的区域差异分解为区域内差异、区域间差异和超变密度，进而探究重大国家战略区域(1)鉴于文章的研究区域粤港澳大湾区只覆盖广东省一个省份，其产业创新效率不存在区域内差异，因此下文仅对京津冀、长三角、长江经济带和黄河流域四个重大国家战略区进行区域差异分解及驱动因素探测。发展差异的大小、空间来源及贡献率。

(一)总体及区域内差异

考察期内，重大国家战略区域新一代信息技术产业创新效率发展差异的演变趋势(图1)。从图1可以看出，重大国家战略区域新一代信息技术产业创新效率的总体差异波动较大，但整体呈波动下降趋势，由空间差异化逐渐向全域协同提升格局转变。具体来看，黄河流域基尼系数较高，区域内部创新效率不均衡现象显著，这源于宁夏回族自治区新一代信息技术产业创新效率在黄河流域内的极化地位；京津冀和长江经济带的基尼系数均小于总体基尼系数，考察期均值分别为0.164 7和0.157 6；长三角基尼系数则相对最低，区域内部产业创新效率相对差异与其他战略区相比最小。从变化趋势看，京津冀基尼系数呈波动上升态势，但整体变化幅度较小，年均增幅为0.34%。长三角、长江经济带和黄河流域基尼系数则呈现出波动下降趋势，其中长三角下降幅度最大，年均降幅为10.89%。由此可知，当前新一代信息技术产业创新效率的差异主要存在于黄河流域内，京津冀、长三角和长江经济带的区域内差异虽显著小于黄河流域，但却存在较大的不确定性，特别是京津冀区域非均衡状态趋于强化，这说明在新一代信息技术产业的创新发展过程中，既要保持其总体差异的不断缩小，同时也应重视和控制京津冀内部差异的持续扩大。

图1 新一代信息技术产业创新效率的总体差异及区域内差异

(二)区域间差异

考察期内，重大国家战略区域新一代信息技术产业创新效率区域间差异的演变趋势如图2所示。从图2可以明显看出，四大重大国家战略区域中，长江经济带与其他战略区域的区域间差异较大。具体来看，长江经济带和长三角新一代信息技术产业创新效率发展差异最为显著，考察期基尼系数均值为0.205 1；其次为长江经济带和黄河流域，考察期基尼系数均值为0.191 8；长江经济带和京津冀、长三角和黄河流域、京津冀和长三角区域间的新一代信息技术产业创新效率差异均相对较小，基尼系数均值分别为0.177 0、0.165 1和0.159 3；考察期内新一代信息技术产业创新效率区域间差异最小的是京津冀和黄河流域，基尼系数均值为0.137 8。从变化趋势看，重大国家战略区域新一代信息技术产业创新效率的区域间差异均呈波动下降趋势。其中，长江经济带和黄河流域区域间差异的下降趋势最为明显，年均下降9.52%；长三角和黄河流域的区域间差异在考察期内基本呈下降趋势，年均下降率为9.23%，仅次于长江经济带和黄河流域；京津冀和黄河流域、长三角和长江经济带的变化趋势较为相似，其区域间差异均波动较大，年均下降率分别为8.28%和4.61%；京津冀和长江经济带、京津冀和长三角区域间差异的年均下降率分别为1.91%和1.38%。

图2 新一代信息技术产业创新效率的区域间差异

(三)区域差异来源及贡献

2010—2019年，新一代信息技术产业创新效率空间差异来源的演变过程如图3所示。从演变趋势看，对于总体差异而言，在3种区域差异的空间来源中，区域内差异贡献率基本保持稳定，考察期末略有下降，下降幅度为10.24%；区域间差异贡献率表现出波动上升的变化态势，并在2019年达到考察期最大值(29.35%)；而超变密度贡献率则呈波动下降趋势，降幅为32.83%。从贡献率大小来看，超变密度贡献率最大，平均贡献率高达49.88%；区域内差异的贡献率次之，平均贡献率为29.14%；对总体差异贡献率最小的是区域间差异，贡献率均值为20.98%，不是造成新一代信息技术产业创新效率空间差异的主要原因。综合来看，超变密度是造成新一代信息技术产业创新效率空间差异的主要来源，这意味着区域间样本的重叠交叉问题对新一代信息技术产业创新协同发展的影响较大。但与此同时，区域间差异的快速增长也不容忽视，要解决新一代信息技术产业创新发展的空间非均衡问题，还需兼顾缩小区域内省市的发展差异，促进我国新一代信息技术产业的高质量协调发展。

图3 新一代信息技术产业创新效率总体差异的空间来源

四、新一代信息技术产业创新效率空间差异的驱动因素

本文参考已有研究并结合重大国家战略区指标的适用性，从经济发展、政府支持、创新环境、产业结构、劳动者素质及对外开放六个维度衡量因素变动对创新效率的影响程度：经济发展(PGDP)。良好的经济发展水平是新一代信息技术产业创新活动得以有序开展的支撑与保障。产业创新过程中创新主体的培育、创新资源的配置、创新成果的转化等均紧密依赖于本地区的经济发展基础。用人均GDP表征。政府支持(Gov)。政府是创新活动的引导者，是新一代信息技术产业创新活动开展的重要支持机构[17]，通过设立产业集群与科技园区、提供人才补贴和税收优惠等措施为地区新一代信息技术产业创新发展提供制度保障和财政支持。用新一代信息技术产业R&D经费内部支出中政府资金占比表征。创新环境。创新环境是指创新主体开展新一代信息技术产业创新活动的区域环境。新一代信息技术产业整体研发环境越好，越能提高企业的自主研发意愿，激发创新主体创新创造动力，进而提升企业创新效率。用新一代信息技术产业中有R&D活动的企业数表征。产业结构(Ind)。产业结构调整不仅是经济高质量发展的有力支撑，更是增强国家创新能力向创新型强国转变的重要途径[18]，产业结构的调整和升级有利于提高新一代信息技术产业创新研发动力。用第三产业增加值占GDP比重表征。劳动者素质(Lab)。劳动力是新一代信息技术产业创新活动中不可替代的角色。新一代信息技术产业创新活动的开展，需要以高素质的创新人才为驱动，通过突破式创新、集成创新和模仿创新等途径开展新产品、新技术的研发及应用，提升本地区产业创新效率。用每十万人口高等学校平均在校生数表征。对外开放(Open)。“双缺口”理论表明，对外开放程度越高的地区，越容易获取国外先进产品或技术，进而通过引进吸收再消化提升本地企业创新技术水平。用新一代信息技术产业出口交货值表征。上述指标数据均来源于《中国统计年鉴》和国家统计局。

(一)单因素驱动力

全国及京津冀、长三角、长江经济带、黄河流域新一代信息技术产业创新效率空间差异的单因子探测结果如表2所示。从全国层面看，对外开放差异和产业结构差异是新一代信息技术产业创新效率空间差异的主要驱动因素，其作用强度分别为0.122 6和0.122 0，显著高于其他因素。创新环境、经济发展、政府支持和劳动者素质的驱动作用依次降低，作用强度分别为0.057 8、0.045 7、0.043 5、0.026 9。从战略区域层面看，对外开放差异对长三角、长江经济带和黄河流域的影响力均高于其他因素，是造成重大战略区新一代信息技术产业创新效率空间分异的主导因素。究其原因：一方面，对外开放能够吸引外资流入，弥补区域新一代信息技术产业创新活动的资金不足；另一方面，对外开放是国际技术扩散与资本流动的主要途径，能够通过先进信息技术的溢出、创新知识与营销管理经验的流动推动区域新一代信息技术产业创新效率的提高。具体来看，就长三角而言，创新环境差异和劳动者素质差异对其产业创新效率空间非均衡也具有重要驱动作用，其作用强度依次为0.365 5和0.307 8，且分别通过了1%和5%的显著性检验。就长江经济带而言，创新环境差异和产业结构差异对其空间差异也存在显著影响。就黄河流域而言，产业结构为次要驱动因素，政府支持差异和劳动者素质差异对其空间差异的作用强度弱于产业结构。就京津冀而言，除政府支持不具有显著驱动作用外，其他因素对京津冀内部省市新一代信息技术产业创新效率空间差异的作用程度相近，属于多因素协同驱动型，其中创新环境差异为首要驱动因素，经济发展差异和产业结构差异也存在显著影响。

表2 驱动因素的单因子作用结果

(二)双因素驱动力

借助交互作用探测器考察驱动因素的叠加效应，进而揭示各驱动因素对新一代信息技术产业创新效率空间非均衡的交互作用强度及所属类型，结果如图4所示。从图4可以看出，任意两个驱动因素的交互作用均会显著提高其单一因素对新一代信息技术产业创新效率空间差异的解释力，即新一代信息技术产业创新效率的空间非均衡格局是由多个驱动因素综合作用的结果，其交互作用类型均为双因子加强型。对长三角和长江经济带而言，对外开放差异与创新环境差异共同作用时产生的驱动强度

图4 驱动因素的双因子交互结果

远大于其他交互组合，对应q值分别为0.909 9和0.318 4，而黄河流域内对外开放与其他因素的交互驱动力也显著高于其他交互组合，进一步说明了对外开放差异是新一代信息技术产业创新效率空间差异的关键驱动因素。京津冀的政府支持与创新环境交互作用的q值高达0.928 0，是京津冀新一代信息技术产业创新效率空间分异的最主要交互驱动因素。值得注意的是，对于四大重大国家战略区而言，政府支持与其他因素的交互作用强度均显著高于政府支持因素的独立作用，说明政府支持因素与经济发展、创新环境、产业结构、劳动者素质、对外开放的协同提升可以有效缓解重大国家战略区新一代信息技术产业创新效率的空间非均衡程度。

五、结论与政策启示

本文运用超效率EBM模型测算了2010—2019年重大国家战略区域新一代信息技术产业的创新效率，并借助Dagum基尼系数和地理探测器深入探究了重大国家战略区域新一代信息技术产业创新效率的区域差异、空间来源及其驱动因素。

(1)研究结论如下：在全国视角下，重大国家战略区域新一代信息技术产业创新效率均呈波动上升趋势。粤港澳战略区新一代信息技术产业创新效率始终处于领先地位，京津冀和黄河流域处于较低水平，长三角和长江经济带的提升速度较快。由Dagum基尼系数结果可知，重大国家战略区域新一代信息技术产业创新效率总体差异呈波动下降趋势。超变密度是造成其空间非均衡的重要来源，各战略区域内部省市之间的发展差异也不容忽视。其中黄河流域区域内基尼系数最高，京津冀区域内差异则呈扩大趋势，亟需引起重视。由地理探测器结果可知，对外开放是长三角、长江经济带、黄河流域新一代信息技术产业创新效率空间差异的主导因素，而创新环境则对京津冀的空间差异具有较强的解释力。对外开放与创新环境的交互作用是长三角和长江经济带的最主要交互驱动组合。

(2)重大国家战略区新一代信息技术产业的创新发展应结合其空间差异及驱动因素差异而有所侧重。由此，可得到如下政策启示。

第一，应坚定不移实施创新驱动发展战略，推动新一代信息技术产业创新发展。上文研究表明，大部分地区新一代信息技术产业创新效率仍表现为“无效率”，因此，应持续提高新一代信息技术产业创新能力。一方面，新一代信息技术企业是技术创新的主体，应强化企业在创新过程中的主导作用，充分调动企业开展创新活动的积极性、主动性，引导企业由渐进式的产品创新扩展到突破性的关键技术创新。另一方面，政府是企业开展创新活动的后盾，应充分发挥政府的引导作用，通过制定区域产业创新发展规划，培育和发展产业集群，为新一代信息技术企业创新发展营造良好环境。

第二，应从空间差异的来源出发，重视其空间非均衡问题。重大国家战略区域各省份新一代信息技术产业在创新发展过程中，应破除地理壁垒、行政壁垒和体制壁垒的阻碍，树立区域一体化发展意识，以京津冀协同发展战略、长三角一体化战略等国家战略为契机，积极开展双边或多边合作，并以区域比较优势为原则，立足不同区域不同领域新一代信息技术产业的发展基础，构建分布合理、分工互补的区域分布格局，实现区域间“平台共建、要素共用、利益共享”的协作联动机制，实现新一代信息技术产业协同创新发展。

第三，应从驱动因素出发，因地施策，实施差异化提升战略。京津冀应发挥创新资源集聚、创新环境良好的区域比较优势，推动其产业链与创新链深度融合，培养引领新一代信息技术产业发展的重要策源地。长三角和长江经济带应加大区域对外开放力度，加强与世界新一代信息技术产业的合作交流，深度融入全球价值链分工体系。黄河流域应优化产业结构，转变经济增长方式，加快推动工业互联网、人工智能等新一代信息技术产业与传统产业的创新融合发展。