激励性政策规制推动中国数字经济高质量发展机制研究

刘 超 张庆雯 聂心容

一、引言及文献综述

数字经济作为第四次工业革命的产物，已然成为推动全球经济发展的关键力量。党的十八大以来，党中央高度重视发展数字经济，将其上升为国家战略，先后出台了多部纲要文件及工作报告，实施中国激励性政策规制给地区数字经济发展以更多的自主选择权（顾昕，2016），先后批准贵州省、京津冀、珠江三角洲、上海市等多地区省市建设大数据综合试验区。激励性政策规制的实施为中国推动数字经济高质量发展提供了新的契机。

在政策规制与数字经济发展路径的关系研究中，魏亚飞和李言（2021）从数字基础设施入手研究“宽带中国”试点政策对数字经济产业发展的影响，发现“宽带中国”试点政策通过互联网应用效应和互联网产出效应途径有效促进了数字产业化。黄华等（2022）针对数字经济产业政策的“目标-效能”不适配情况进行探索，给出进一步优化数字产业环境、加速培养数字人才、善用社会支持等建设性意见。政策规制可以促进全要素生产率增长, 带来技术创新效应，诱导新兴产业的发展，促进了产业结构升级（刘传明和马青山，2020）。在推动传统企业、重点产业数字化转型方面，赖晓冰和岳书敬（2022）、曾皓（2023）分别就“智慧城市”政策和区位导向性政策研究发现，政策规制通过影响资金、人力和创新等方面促进企业数字化转型。在政策规制与数字经济构成要素的关系研究中，有学者将数据作为核心要素，提出从制度层面解决数据在广泛应用中如共享、垄断和信息安全等的问题（胡东兰和夏杰长，2023），规范数据交易市场降低数字经济生产成本、提高数字经济生产效率、护航数字经济发展（杜庆昊，2019）。姚清晨和黄璜（2022）以“民生监察平台”为研究对象，实证发现大数据作为新要素可通过多种机制嵌入社会应用中。一部分学者均认同政策规制对技术的积极影响，并对其影响因素政策规制力度、规制区域、产业特征等做了进一步研究探讨（夏清华和谭曼庆，2022）；余长林和孟祥旭（2022）则从人才引进视角发现，地区制度环境影响“海归”人才的流向，进而影响数字产业技术创新。

综上所述，已有的研究依据政策规制特征的不同大体可分为强制性规制、经济性规制、社会性规制对数字经济高质量发展的影响，还未具体展开研究具有激励性特征的规制与数字经济高质量发展的理论机制和作用效果。激励性政策规制不同于以往政府控制和强制的规制方式，在保持原有规制结构的基础上，侧重设计新的激励机制和手段，根据市场信号实施一系列法律法规激励政策和财政补贴激励政策。基于此，本研究以大数据综合试验区政策创新为切入点，运用全局熵值法测算中国30个省区市的数字经济综合发展指数，并根据多期双重差分模型，探讨激励性政策规制对数字经济高质量发展的政策效果与作用机制，厘清激励性政策规制发挥制度红利的渠道，完善已有研究体系，以期为中国数字经济高质量发展提供实证支持。

二、理论分析与研究假设

（一）激励性政策规制对数字经济高质量发展的政策效果

政府建设理论提出打造数字政府并提供切合本国实际的政策支持，对于培育数字经济发展新动力具有重要意义。数字经济对外部信息具有不对称性和敏锐反应力，这就要求政府要适应这一变化，制定系统完善的激励规制体系，为数字经济高质量发展提供服务。通过信息网络这只“看不见的手”，实施激励性政策规制有利于政府与数字化主体相连接，使得政府成为数字化的“第三者政府”，提升政府决策的精准性、科学性和及时性，从而促进数字经济高质量发展（唐要家，2020）。此外，实践也表明一个数字化的政府在削减成本的同时，也可以大幅促进数字经济质量的提升。根据上述政府规制发展的研究，可以发现激励性政策规制对数字经济高质量发展具有显著成效。

据此，提出假设1：激励性政策规制能够有效促进数字经济的高质量发展。

（二）激励性政策规制对数字经济高质量的区位异质性

基于全国层面，由于各地区的发展基础、资源环境和经济水平等方面的不同，导致激励性政策规制的政策效果在不同区域可能存在较大差异。在相关研究中，部分学者会依据数字经济高质量发展指数判断区域数字经济发展特征，进而将30个省区市划分为不同区域，展开区位异质性分析（吴晓怡和张雅静，2020；万永坤和王晨晨，2022）。其中，部分省区市数据基础设施完善、数字化水平较高，其数字经济发展主要依托新兴技术水平的提高，数字经济发展水平较高，形成技术质量型区域。近年来区域信息通信产业规模增大，数字经济发展依靠地区产业，该地区数字经济发展具有产业质量型发展特点。部分省区市受限于基础设施、经济发展水平和科技创新基础等条件，数字经济发展进程相对缓慢、经济发展水平较低，依赖于各类政策的支持。面对数字经济的不同特点，激励性政策规制的作用效果受到诸多因素影响，对数字经济高质量发展的政策效果在中国不同区域之间存在差异。

据此，提出假设2：激励性政策规制对数字经济高质量发展的影响具有地区异质性。

（三）科技创新、市场发展和产业升级的调节效应

在新经济增长理论中，技术创新是推动经济发展的重要因素之一。一方面，大数据发展政策体系为数字经济主体提供了发展平台，在政策优惠与人才激励等因素的共同作用下，可以提高自身的数字创新能力。另一方面，在激励性政策规制的引导下，数字经济主体可以与其他市场主体构造良好的“产学研”合作模式，加快创新扩散，实现区域创新发展和创新能力提升的良性耦合（叶祥松和刘敬，2020）。创新为数字经济高质量发展提供新的路径选择和增长驱动力，创新氛围也将带动大数据的公益性开发和创新应用，助推数字经济发展质量的提升。

据此，提出假设3：科技创新程度较高的地区，激励性政策规制对数字经济发展质量的提升效果较好。

市场调节理论强调在市场经济改革过程中，应根据经济环境变化动态调节由市场引导的生产方式和经营模式，增进社会资源配置规划的合理性和科学性（谢康等，2020），扩大市场潜力对数字经济发展的正向促进作用，有助于推进数字经济市场化进程（蔡跃洲和马文君，2021）。由此可知，顺应市场经济改革，着力提升数字经济的市场化水平，有利于发挥激励性政策规制对数字经济高质量发展的驱动作用。

据此，提出假设4：市场化进程加快的地区，激励性政策规制对数字经济发展质量的提升效果较好。

产业是地区发展的关键要素之一，推动大数据和经济社会融合发展，带动地区高新技术产业发展，有利于做大做强大数据产业，实现产业结构的高级化发展（费越等，2021）。产业结构的转型升级可以进一步促进数字经济高质量发展水平的提升，主要体现在改变城市传统粗放型的生产经营方式，运用数据资源和数字技术提高产品的附加值，实现数字经济增长。因此，产业升级是激励性政策规制促进地区数字经济高质量发展的重要条件之一。

据此，提出假设5：产业提质升级的地区，激励性政策规制对数字经济发展质量的提升效果较好。

（四）知识资本的中介效应

新增长理论强调经济增长是经济体系内部力量作用的产物，其中一个重要的力量就是知识资本。激励性政策规制的实施更符合数字经济开放共享的特征，提高了政府规制与数字经济高质量发展的适应性，拓宽了信息获取途径，可以更加及时地获取前沿知识和技术人才，加速人才培养进程和知识资本积累进程，助推知识资本提质升级。同时，数字经济发展的核心是传统生产技术的变革与生活方式的革新，知识资本水平的提升会不断激发数字经济主体的创新活力，为数字经济高质量发展提供优质的人才。

据此，提出假设6：激励性政策规制可以通过推动知识资本的发展，进而提升数字经济发展质量。

三、研究设计

（一）变量选取

1.指标体系构建

目前学者们对数字经济发展水平的测度研究都是基于其内涵界定，万晓榆等（2019）从学理方面阐释了数字经济的指标，更多学者从不同维度选取代表性指标测算数字经济综合指数（刘军等，2020），如数字经济基础设施、数字产业化、外部环境、产业数字化。梳理已有研究（刘淑春，2019；李苍舒和沈艳，2019），发现学者们在数字经济创新研究中，主要从软件信息、电子设备制造业等产业的科研情况反映支持数字经济发展的创新水平。

鉴于此，这里沿用已有研究（万晓榆等，2019），借鉴OECD数字经济指标体系、赛迪顾问中国数字经济指数和上海社科院全球数字经济竞争力指数测度方法，来描述中国数字经济的发展概况。基于数字经济治理环境，以投入产出视角，加入数字驱动创新这一高质量发展特征（刘淑春，2019），最终确定数字经济高质量评价指标体系5个一级指标，并从一级指标内涵出发，最终确定二级指标共计26个，以此测度数字经济高质量发展水平，如表1所示。

表1 数字经济高质量评价指标体系

2.变量及数据说明

（1）被解释变量。本研究以数字经济高质量发展指数为被解释变量，在参考已有研究的基础上（刘军等，2020；李苍舒和沈艳，2019），结合省级层面可获得的数据，基于投入产出视角从数字基础设施、数字驱动创新、数字产业化、产业数字化和数字资源环境五个方面搜集相关指标数据，对2010—2019年全国30个省区市（因样本数据缺失，西藏自治区、香港特别行政区、澳门特别行政区、台湾地区的样本数据暂不列入）的数字经济综合发展指数进行测算，得到数字经济高质量发展水平。数据主要来源于2011—2020年历年《中国统计年鉴》《中国电子信息产业统计年鉴》《中国信息年鉴》《中国科技统计年鉴》，以及中国电子商务研究中心、工业和信息化部的统计公报和Wind数据库。

（2）解释变量。激励性政策规制将激励手段运用于政府规制中，其通过利用激励机制和手段，在一定程度上给予了受规制主体自主选择权，从而以最小成本获得规制信息、提高生产经营效率（Gibovic和Bikfalvi，2021）。因此，激励性政策规制的内涵是在自然垄断领域和信息不对称领域，通过激励或诱导的方式给予受规制主体以竞争压力，使之自发地按政策意图进行经济活动，以此提高内部经营效率的规制方法。已有研究常采用强制性政策规制和经济性政策规制（魏亚飞和李言，2021；黄华等，2022），通过强制性政策手段和财政手段对数字经济进行管理，这里使用政府财政性支出表示。而激励性政策规制作为一项重要的政策手段，通过激励机制推动数字经济高质量发展。因此，本文重点分析激励性政策规制对数字经济高质量发展的影响，同时加入强制性、经济性环境规制，探讨多种规制政策对数字经济发展的影响，剖析中国激励性政策规制对数字经济高质量发展的影响程度变化。

在实证检验激励性政策规制影响区域数字经济高质量发展的过程中，本研究使用激励性政策规制和政府财政性支出作为核心解释变量。其中，激励性政策规制是政策变量，国家级大数据综合试验区的设立为本研究提供了一个良好的准自然实验环境，因此采用该地区在该年份是否建立国家级大数据综合试验区来表征激励性政策规制变量，该地区设立大数据综合试验区的当年以及以后的年份中，取值为1，否则取值为0。此外，中央政府和当地各级政府会通过行使其管理职能和协调权力，从财政补贴方面更好地提升数字经济发展水平，因此本研究量化政府的财政支持工作，应用地区财政科技支出的对数来表示政府财政性支出，该对数值越大，表明政府的财政支持力度越大。

（3）三重交互的调节变量。参照梁琦等（2021）研究，选用科技创新水平、市场化进程、产业结构升级三个方面作为调节变量，检验激励性政策规制对于数字经济高质量发展的调节效应。技术创新水平提高有利于获取更多的资本收益，从而提升数字经济发展竞争力，这里采用专利发明授权数衡量区域的科技创新水平，数据来源于《中国城市统计年鉴》，并取对数进行处理；中国要素市场日益完善，市场功能日趋扩大，在整个国民经济中起着十分重要的作用，要素市场发育程度指数是总市场化指数中一个重要组成部分，可以刻画各地区市场化水平，因此这里选用要素市场发育程度指数反映各地区市场化水平，数据来源于Wind数据库；随着数字产业对传统产业的升级改造，知识密集型服务业成为数字经济发展的强劲驱动力，因此应用第三产业产值占国内生产总值比重乘以100表示区域的产业结构升级水平，数据来源于《中国城市统计年鉴》。

（4）中介变量。随着数字经济的迅速发展，互联网日益普及，促进了知识重组与知识转移能力的提升，进一步对知识资本提出更高要求。因此，这里检验激励性政策规制是否通过知识资本水平的提升对数字经济高质量发展产生中介效应。借鉴已有研究，选用人才规模来衡量知识资本发展水平，人才规模具体分为专科、本科、硕士学历人才规模，使用该地区当年专科、本科、硕士学历人员数量表示（孙文浩和张杰，2020）。最终，知识资本变量对以上所有变量进行加和与取对数处理，以上数据均来源于Wind数据库。

（5）控制变量。除了激励性政策规制外，还有其他因素会对数字经济高质量发展水平产生影响，因此，还需要控制这些外生因素的干扰。借鉴邱子迅和周亚虹（2021）的相关研究，在模型中引入地区经济发展水平和贸易开放水平。将国内生产总值纳入控制变量来衡量地区经济发展水平，采用外商投资额占国内生产总值的比重乘以100来衡量区域的贸易开放水平。以上指标数据均来源于2011—2020年《中国城市统计年鉴》。

（6）匹配变量。在倾向得分匹配的过程中，选择匹配变量是关键。选择的变量必须同时对激励性政策规制和数字经济产生作用，也不会因省份参与激励性政策规制而受到影响。因此，这里选择城市化水平、金融发展水平和信息化水平作为匹配变量。加强城镇化建设有利于助推数字经济焕发活力，采用城镇化率衡量区域的城市化水平；服务好数字经济发展，金融行业责无旁贷，对中国数字经济的强势崛起贡献极大，因此采用金融业增加值占国内生产总值比重乘以100 来反映区域的金融发展水平；充分开发信息资源，促进信息交流对提高数字经济增长质量至关重要，因此采用信息化指数表征区域的信息化水平。

3.变量描述性统计

首先对各变量进行初步统计，总体上把握各变量的特征。数字经济高质量发展指数的均值为0，标准差为0.734，说明该指标体系数值分布较为集中，数据稳定性较好，且从总体上来看当前中国各地区的数字经济发展水平存在差异。政策变量均值为0.137，可知在样本中处于处理组的政策期的样本占比约为13.7%。控制变量包含经济发展水平和贸易开放水平两个变量。调节效应运用科技创新水平、市场化进程和产业结构发展三个变量，分析可知科技创新和市场发展的水平较高但差距较大，产业结构发展水平相反。知识资本水平作为中介变量，标准差为11.874，初步判断当前各地区的知识资本水平具有差距。各变量的描述性统计结果如表2所示。

表2 变量描述性统计

（二）模型设计

1.全局熵值法

借鉴已有文献研究（王展昭和唐朝阳，2020），运用全局熵值法，基于指标、时间、空间三维角度建立时序立体数据表，在全局可参比的数据分析框架下对数字经济高质量发展指数进行科学测度，描绘数字经济总体水平在时间和空间上的变化趋势。全局熵值法在测算数字经济的研究中具有显著优势，可以反映数字经济的时序动态特性。首先，运用全局熵值法对2010—2019年中国30个省区市数字经济高质量发展指数进行测算时，能够动态地更新每一方面中各项指标的权重，同时也可以很好地反映出每个地区在同一评价方面的区别和差距，使结果更具可比性。其次，在综合评价函数中，根据熵值法确定的权数是客观、合理的，使得最终计算出的综合得分更加准确。借鉴杨丽和孙之淳（2015）的研究，选用改进熵值法评价模型，计算各地区数字经济高质量发展指数。

2.多期双重差分—倾向匹配模型

参照郝健等（2021）学者的研究，将倾向得分匹配模型和双重差分模型相结合，构建多期双重差分—倾向得分匹配模型，同时控制个体因素和总体变化影响，并剔除不随政策时间变化和外部非可控因素，有效减少样本偏差和内生性问题，进而识别激励性政策规制对数字经济高质量发展的净影响。

选取被解释变量和匹配变量，其中被解释变量为激励性政策规制，匹配变量为省份特征变量。通过Logit概率回归模型，计算倾向得分值，即省份的边际影响。根据倾向得分值，运用匹配方法为实验组省份匹配一个未实施政策但高度相似的省份作为控制组。根据倾向得分相近和差异不显著原则进行平衡性假设检验和共同支撑假设。检验通过后，进行多期双重差分估计，实证模型设定如下：

其中，i为地区，t为年份。被解释变量Yi,t为该地区的数字经济高质量发展指数，DIDi,t表示激励性政策规制政策变量，等价于交乘项treati×postt，treati为国家级大数据综合试验区设立的虚拟变量，试验区地区取1，非试验区地区取0；postt表示试验区设立时间的虚拟变量，设立试验区后取1，设立试验区前取0。因此，对于设立试验区的当年及以后年份的地区，取值为1，否则取值为0。β1表示激励性政策规制对数字经济高质量发展的总影响效应，Xi,t为省级控制变量，γi为省级固定效应，μt为时间固定效应，εi,t为随机扰动项，所有标准误均使用稳健标准误计算。

在识别激励性政策规制对数字经济高质量发展政策效果的同时，这里展开二者的作用机制分析。调节效应探讨激励性政策规制对数字经济高质量发展的作用情境，当二者之间具有某种关系时，存在调节变量Z会影响激励性政策规制与数字经济高质量发展之间的作用大小，调节变量Z所起的作用就是调节作用，构建如下模型进行调节效应的甄别：

其中，DIDi,t表示激励性政策规制变量，Zi,t为相应的三个调节变量，即科技创新水平、市场化进程和产业结构升级，β2为政策变量与调节变量交互项的系数，代表每一个调节变量的调节效应。调节作用的检验通常是检验交互项的系数β2，若系数β2显著，则认为存在调节作用。

中介效应探讨激励性政策规制对数字经济高质量发展的影响路径。如果激励性政策规制可以通过影响某个其他变量M进而影响数字经济高质量发展，则M称为中介变量，中介效应模型的公式如下：

其中，式（3）更换因变量为中介变量Mi,t，即知识资本水平。式（4）在式（1）的基础上加入中介变量Mi,t，按照如下步骤判别是否存在中介效应：首先，检验激励性政策规制对于数字经济高质量发展是否存在因果效应，若式（1）中β1不显著，停止中介效应检验，β1显著进入下一步检验；其次，判断激励性政策规制是否能够影响地区的知识资本水平，若式（3）中的α1不显著，说明二者关系较弱，停止检验，α1显著进入下一步检验；最后，检验激励性政策规制是否可以通过知识资本水平的提高进而提升数字经济发展质量，式（4）中的λ1代表激励性政策规制对数字经济高质量发展的直接效应，λ1代表不同中介变量在激励性政策规制对数字经济高质量发展之间的中介效应。

四、实证研究结果与分析

（一）模型估计及分析

中国激励性政策规制作为一种具体的政府创新手段，能否对数字经济高质量发展产生推动作用，需要进一步验证。通过倾向得分匹配原理，以“得分最接近”原则确定配对样本，实现实验组和控制组的一对一配比，从而进行Logit回归，分析省份的边际影响。这里选择城市化水平、金融发展水平和信息化水平作为匹配变量，以设立国家级大数据综合试验区为被解释变量进行Logit回归，估计结果如表3所示。可以发现，所有匹配变量的边际影响均显著，说明这些变量是确定实验省份的重要因素。

表3 参与试验区倾向得分的Logit估计结果

绘制倾向得分概率发布图，进一步直观地反映倾向得分匹配质量。图1 中，左图展示了倾向得分匹配前的概率密度分布情况，右图展示了倾向得分匹配后的概率密度分布情况。可以发现，倾向得分匹配后，在0.1～0.3 区间，实验组和控制组两条曲线的间隔距离变窄，走势基本一致，说明匹配后实验组和控制组之间的概率分布差异进一步变小，倾向得分匹配的方法有效，使得激励性政策规制对数字经济高质量发展的影响估计是无偏的。

图1 匹配前与匹配后倾向得分的概率分布图

为保证匹配顺利进行，倾向得分匹配还需要满足平衡性假设和共同支撑假设。平衡性假设要求实验组和控制组的倾向得分值相同或相似，两者偏差不显著则代表两者之间几乎没有差异。在研究中，通常采用半径匹配、核匹配和近邻匹配三种方法进行平衡性假设检验，旨在减少个体异质性影响，提高多期政策结果的准确性。三种匹配方法下的平衡性假设检验结果如表4所示。

表4 三种匹配方法下的平衡性假设检验结果

综合比较可知，核匹配中各变量的标准偏误绝对值减少最多，核匹配的效果最好。同时，在核匹配之后，实验组与控制组的样本在匹配变量上无明显差异，通过了平衡性假设检验。图2（1）通过展示匹配变量在核匹配前后的绝对偏差情况，进一步证明通过了平衡性假设检验，其中，在核匹配前（垂直实线右侧），各变量的绝对偏差较大，核匹配后（垂直实线左侧），各变量的绝对偏差明显缩小，说明在匹配变量方面实验组和控制组已无明显差异。在进行倾向得分匹配时，为了提高匹配质量，共同支撑假设需要检验实验组与控制组倾向得分的重叠面积大小，即倾向得分的共同取值范围。由图2（2）可知，采用核匹配方法进行倾向得分匹配后，实验组样本与控制组样本的倾向得分值大部分处于共同取值范围之内（Treated:on support），仅有少量样本处于共同取值范围之外（Untreated:off support）。因此，通过了共同支撑假设检验，实现了实验组与控制组样本的成功匹配。平衡性假设和共同支撑假设的满足意味着采用倾向得分匹配法展开激励性政策规制驱动数字经济高质量发展的研究是合适的。

图2 倾向得分匹配法适用性检验

在倾向得分匹配的基础上，进一步构建多期双重差分—倾向得分匹配模型，探讨国家级大数据综合试验区设立前后的政策效应以及不同地区的异质化效应。中国政府在促进数字经济高质量发展方面积极作为，对于促进数字经济发展采取一系列支持措施，主要表现为政策支持和财政支持两个方面。政策支持手段一般表现为激励性政策规制，通过实施建立试验区、实验点等一系列激励手段，从政策层面提升政府数据开放水平，推进数字经济制度保障体系的完善；财政支持一般表现为采取政府财政性支出手段，对涉及数字经济发展的部分环节进行财政补贴。激励性政策规制和政府财政性支出是政府行为的两个主要组成部分，因此从这两个方面考察促进中国数字经济高质量发展的政府行为，对比两种政府行为的作用效果，有利于着重识别出促进数字经济高质量发展的有效手段。

基于式（1），通过构建多期双重差分—倾向得分匹配模型实证检验激励性政策规制和政府财政性支出对于区域数字经济高质量发展水平的影响，结果如表5所示。列（1）研究激励性政策规制对于数字经济高质量发展的影响；列（2）是在加入不同的控制变量情况下，激励性政策规制对于数字经济高质量发展的影响；列（3）是在加入政府财政性支出变量和控制变量情况下，激励性政策规制解释变量是否稳健，如果得到的结果是稳健的，则能够验证假设成立。

表5 多期双重差分—倾向得分匹配模型回归结果

在表5 的列（1）中，激励性政策规制的系数显著为正，激励性政策规制的实施能够提高平均2.7%数字经济高质量发展水平，表明国家级大数据综合试验区的设立能够有效提高中国的数字经济高质量发展水平，假设1得到有效验证。在列（2）中，加入经济发展水平变量和贸易开放水平变量后，激励性政策规制的实施依然能够有效提高数字经济高质量发展水平。在列（3）中引入政府财政性支出和控制变量，结果表明实施激励性政策规制和加大政府财政性支出对数字经济发展均具有显著的促进作用。同时，政府财政性支出的加入提升了激励性政策规制对数字经济高质量发展的促进作用，进一步说明实施激励性政策规制有利于促进数字经济的高质量发展，再次验证假设1。可能由于在数字经济发展初期，各级政府在数字经济基础设施建设、资源环境完善等方面投入了大量的财政资金，但随着近年来中国数字经济发展水平的不断提高，仅靠财政支持并不能促进数字经济“质”的提升，而激励性政策从顶层设计层面进一步完善数字经济发展体系，激发数字经济发展活力，为数字经济高质量发展提供了良好的生产环境和管理环境。

列（3）中，在5%的显著性水平下，经济发展水平对数字经济高质量发展产生正向影响，说明在样本期内，经济发展有助于提升数字经济的发展质量。伴随着中国经济的进一步增长，可以更好地实现软件行业集聚和信息通信业开放，有效改善数字经济发展环境，直接激发试验区省份的数字经济活力。同时，在1%的显著性水平上，贸易开放水平对中国数字经济高质量发展也起到显著的促进作用。原因可能在于政策实施进一步提高经济外向度，有利于发挥技术外溢与知识外溢对中国数字经济发展的促进作用，拓宽数字经济发展路径。

（二）稳健性检验

在激励性政策规制可以有效促进数字经济高质量发展的结论基础上，还需要通过一系列稳健性检验方法验证所得结论是否可靠，这里采取平行趋势检验和安慰剂检验进行稳健性检验，其核心思想是实验组和控制组在受到试验区政策冲击前后，不会因为时变因素对数字经济高质量发展产生影响，从而检验试点和非试点地区的数字经济发展差异是否由试验区政策导致。根据表6 的平行趋势检验结果可知，政策在实施后的第二期产生显著效果，说明多期双重差分模型通过平行趋势检验，即选取的实验组和控制组符合模型要求，以及激励性政策规制对数字经济高质量发展的影响是有效的。

表6 平行趋势检验结果

进一步观察图3（1），可以直观地看出在试验区政策实施前，激励性政策规制的政策效果均不显著。而在试验区设立之后，影响效应呈增长趋势，在发生政策冲击两期后显著为正，说明激励性政策规制对数字经济高质量发展的促进作用存在持续正向的累积动态效应。虽然短期内试验区政策并未对数字经济高质量发展产生显著影响，但试验区政策的长期作用效应十分显著，发展情景广阔，这也进一步证实了本文的研究结论，激励性政策规制可以显著地促进中国数字经济高质量发展水平。

图3 稳健性检验

多期政策方法可能存在着随时间、地点变化的因素，比如不同的地方政府、企业对于试验区政策的动态调整，进而导致估计产生偏误。因此这里进行安慰剂检验，通过引入反事实框架，构建虚拟政策冲击来检验非观测因素是否会影响模型结果，以此反映虚构政策的作用效应。如果虚拟政策冲击系数的分布以零为中心，且P 值不显著，说明非观测因素不会影响作用结果，反之产生影响。通过500 次自助抽样，检验结果如图3（2）所示。其中，虚拟政策冲击的回归系数基本分布在以零为中心的两侧，且估计系数的P值非常接近1，说明即使存在不可观测的因素，试验区设立的回归结果仍是稳健的。同时，系数0.055的虚线分布在右侧，说明系数估计值并非偶然事件，激励性政策规制可以显著提高政策区域的数字经济高质量发展水平。

（三）区位异质性分析

1.区域政策效果分析

在国家层面上，激励性政策规制有利于提升数字经济的发展质量，政策实施对于数字经济高质量发展具有重要意义。但是，现阶段中国的区域经济发展依然存在不平衡、不充分的问题，本文数字经济高质量发展指数测度结果与已有研究结果（吴晓怡和张雅静，2020）均表明各省份之间数字经济高质量发展的总体情况存在明显差异。由此，本文结合已有研究方法，根据数字经济发展特点，将2010—2019年各省份数字经济高质量发展指数的平均值作为划分依据，将研究区域分为技术质量型区域（数字经济高质量发展指数大于0.1）、产业质量型区域（数字经济高质量发展指数大于0.045 小于0.1）和政策质量型区域（数字经济高质量发展指数大于0.025小于0.045），运用多期双重差分—倾向得分匹配模型进一步探讨在不同发展质量的区域，激励性政策规制对数字经济高质量发展的政策效果，结果如表7所示。

表7 激励性政策规制对数字经济高质量发展的分区域回归

从表7 的（1）～（3）列可以发现，激励性政策规制对于政策质量型区域的数字经济高质量发展水平提升效果显著，在技术质量型区域和产业质量型区域并未产生明显的作用效果，说明激励性政策规制对推动区域数字经济高质量发展存在区位异质性，假设2 得到有效验证。同时，激励性政策规制对数字经济高质量发展的分区域回归结果也进一步说明了国家政策实施得当，确实可以促进区域发挥自身的比较优势。对于政策质量型区域，激励性政策规制对数字经济高质量发展水平产生约1%的正向影响，一方面，政策倾斜力度的加大有利于数字经济质量的提高，另一方面，试验区建设以发展互联网、云计算等新兴技术为主，这些以智能化、网络化和数字化为主导的信息技术具有较高的外部性和灵活性，对地理位置、自然资源和经济发展水平没有较强的依赖，因此中国激励性政策规制的实施利于政策质量型区域的数字经济发展，实现对发达地区的追赶。

2.省域政策效果分析

前文从国家层面和区域层面验证了激励性政策规制对数字经济高质量发展的促进作用，但是多期双重差分—倾向得分匹配模型侧重研究政策的平均效应，无法进一步识别政策在试点地区的实施效果。因此，在省域层面上，为了探究激励性政策规制对数字经济高质量发展的政策效果，运用合成控制法将2015年和2016年设立为国家级大数据综合试验区的10个省份设定为实验组，其他20个省份设定为控制组，通过为每一个试验区省份构建理想的合成控制对象，比较二者的数字经济高质量发展水平变化，进而评价激励性政策规制实施的效果。

具体来看，在政策实施之后，各试验区省份实际的和合成的数字经济增长路径发生了变化，并且不同省份的数字经济增长态势呈现出差异性。北京市、广东省、河南省、河北省、内蒙古自治区和贵州省的数字经济实际增长路径均高于合成增长路径，即激励性政策规制显著地促进了这些省份的数字经济高质量发展水平；近些年，上海市和重庆市的数字经济实际增长路径与合成增长路径接近吻合，且实际增长路径略高，说明激励性政策规制对于提升当地数字经济发展质量存在极大发展潜力；天津市和辽宁省的数字经济实际增长路径并未高于合成增长路径，激励性政策规制的效果还未凸显。

五、作用机制分析

（一）基于三重交互项的调节效应机制

前文证实了激励性政策规制可以促进数字经济高质量发展，且结果稳健，但是还需进一步实证分析在何种发展状况下，激励性政策规制的实施更有利于提升数字经济发展质量。因此，这里分别考察科技创新驱动效应、市场发展驱动效应、产业升级驱动效应的调节效应。

基于公式（2），使用政策变量与调节变量的三重交互项作为核心解释变量，数字经济高质量发展指数作为被解释变量构建调节效应机制模型，模型实证结果如表8所示。列（1）是加入科技创新驱动效应与激励性政策规制三重交互项的模型，列（2）是加入市场发展驱动效应与激励性政策规制三重交互项的模型，列（3）是加入产业升级驱动效应与激励性政策规制三重交互项的模型，调节效应机制的具体结果如表8所示。

表8 激励性政策规制对数字经济高质量发展影响的调节效应机制

由表8 第（1）列可知，在1%的显著性水平上，科技创新驱动效应与激励性政策规制的三重交互项回归系数显著为正，表明国家级大数据综合试验区的设立对数字经济高质量发展的影响受到科技创新水平的调节，即区域科技创新水平程度越高，激励性政策规制对数字经济高质量发展水平的提升作用越大，进一步验证了假设3。试验区设立后进一步要求数字资源的开放共享，因此需要提高区域的科研能力，加大应用技术的开发力度，培育信息化、智能化数字企业，释放区域科技创新活力，通过技术进步提升区域数字经济发展水平。

由表8 第（2）列可知，在1%的显著性水平上，市场发展驱动效应与激励性政策规制的三重交互项回归系数显著为正，表明国家级大数据综合试验区设立对数字经济高质量发展的影响受到市场化程度的调节，即区域市场的发展进程越快，激励性政策规制对数字经济高质量发展的促进效应越强，进一步验证了假设4。提高市场化效率，强化市场化程度，有利于发挥市场机制在资源配置中的决定作用，推动区域将基础设施资源向满足经济发展需求的方向集中，故而在一定程度上对提升区域数字经济高质量发展水平产生显著影响。

由表8 第（3）列可知，在1%的显著性水平上，产业升级驱动效应与激励性政策规制的三重交互项回归系数显著为正，表明国家级大数据综合试验区设立对数字经济高质量发展的影响受到产业结构升级的调节，即区域产业结构高级化程度越高，激励性政策规制对数字经济高质量发展水平的提升影响越大，进一步验证了假设5。试验区设立之后，数字经济相关的生产性服务业获得更多的扶持优惠政策，提高了产业结构的高级化。与此同时，随着中国数字经济发展步伐的加快，还需进一步关注产业融合和现代化发展，鼓励企业向价值链高端发展，将产业生产力及时转化为数字经济生产力。

（二）基于分组回归的中介效应检验

激励性政策规制的实施促进了中国的数字经济高质量发展，同时技术质量型区域、产业质量型区域和政策质量型区域表现出了区位异质性，进一步引发思考：激励性环境规制可以通过哪些中介渠道提高数字经济高质量发展水平？中介作用机制是否具有区位异质性？基于模型（1）、模型（3）和模型（4），从全国层面和区域层面分别对中介效应进行探讨。

随着数字技术的不断发展，数字经济增长受益于内部力量的作用，其中一点就是知识资本的助推。知识资本水平的提高能够充分发挥人才溢出效应，而人才恰恰是驱动数字经济高质量发展的基础条件，那么激励性政策规制是否可以通过知识资本对数字经济高质量发展产生影响？为了验证该问题，这里展开知识资本的中介效应研究。表9 报告了全国层面上知识资本发挥中介效应的检验结果，模型（1）估计结果表明，在1%的显著性水平上，试验区建设对数字经济高质量发展的影响系数为0.027，表明激励性环境规制的实施能够显著促进数字经济高质量发展，与前文政策效果分析得到的结果一致。模型（3）估计结果表明，试验区建设对知识资本的回归系数显著为正，表明激励性政策规制的实施显著提高了知识资本发展水平。模型（4）将政策变量与知识资本变量同时纳入模型中，发现试验区建设的影响结果为0.02，通过了5%的显著性水平检验，同时知识资本变量对数字经济高质量发展的影响系数显著为正。综合以上结果，激励性政策规制可以通过提升知识资本水平进而对数字经济高质量发展产生促进作用，假设6 得到了验证。由于试验区在实现数据共享开放、促进数据资源运用的过程中，为区域数字经济高质量发展积累了大量的知识资本，奠定了人才基础，从而形成数字经济发展新优势。

表9 激励性政策规制对数字经济高质量发展的中介效应检验

在技术质量型区域、产业质量型区域和政策质量型区域，激励性政策规制能否通过提高知识资本水平进而提升各区域数字经济的发展质量呢？对此进行分类考察，结果如表10所示。

表10 不同地区的中介效应检验

表10 的技术质量型区域中介效应检验结果发现，激励性政策规制的实施既没有对知识资本发展产生影响，也没有对数字经济高质量发展产生显著影响，这可能因为技术质量型区域的省份多位于经济基础发达的地区，本就具有较高的数字经济发展水平，因此实施数据政策的效果并不明显。

表10的产业质量型区域中介效应检验结果发现，知识资本的系数显著，说明中国激励性政策规制的实施对产业质量型区域的知识资本发展水平存在显著正向影响。但是对于数字经济高质量发展而言，激励性政策规制并未产生显著影响。模型（4）进一步的机制检验发现，知识资本系数显著为正，但是政策系数不显著，结论进一步得到证实。虽然国家级大数据综合试验区的设立提高了产业质量型区域的知识资本水平，但是目前中国仍存在着人才链与产业链衔接不紧的困境，许多产业的人才供需结构存在矛盾，所以在产业质量型区域，激励性政策规制并未通过知识资本提升对数字经济高质量发展产生促进效应。

表10的政策质量型区域中介效应检验结果发现，政策变量系数和知识资本系数均显著为正，说明在政策质量型区域，激励性政策规制对数字经济高质量发展的促进效应会受到知识资本水平影响。这可能是因为近些年国家对于该区域的政策倾斜力度较大，部署实施了一系列人才培养战略和人才留住项目，人力资本水平的提升使得数字经济高质量发展迸发出巨大的潜力和活力，政策实施易产生较为明显的效果。

综上所述，在国家层面上，激励性政策规制可以通过提升知识资本水平进而促进数字经济高质量发展，同时激励性政策规制能够帮助政策质量型区域实现数字经济的弯道超车。因此，一个区域若能充分发挥政策带动效应，也能够实现数字经济发展质量的提升。

六、主要结论与政策建议

当前，中国数字经济总体规模不断扩大，激励性政策规制对数字经济发展质量的提升作用至关重要。本文基于数字经济高质量发展指数，构建多期双重差分—倾向得分匹配模型，实证检验激励性政策规制对数字经济高质量发展的推动效应，探讨调节效应与中介效应的内在作用机制，得出以下结论。

第一，在数字经济发展新时期，激励性政策规制的实施显著促进了数字经济发展质量的提升。从政府的政策实施和财政支持方面考虑，两种手段配合使用有利于提升中国数字经济高质量发展水平，政府财政性支出的加入提升了激励性政策规制对数字经济高质量发展的作用。

第二，激励性政策规制对数字经济高质量发展的带动效应具有区位异质性，“数字鸿沟”依然存在。从区域上来讲，激励性政策规制的实施对于享受政策优惠区域数字经济发展质量的提升效果最为明显，为该区域实现数字经济的后发赶超提供了契机，具有较大的发展空间。

第三，科技创新驱动效应、市场发展驱动效应和产业升级驱动效应对激励性政策规制与数字经济高质量发展之间的关系存在正向调节作用，为提升数字经济发展质量提供了良好的发展情境。中国不断加大数字经济高质量发展的外部支持，实施更多的“输血行为”激发数字经济发展活力，通过分别考察科技创新水平、市场化进程和产业结构升级三个方面发现，激励性政策规制的实施对数字经济发展质量的提升作用会随着科技创新水平、市场化进程和产业结构升级水平的提高而提高，调节效应越积极越能够显著提升数字经济质量。

第四，激励性政策规制通过提升知识资本水平对数字经济高质量发展产生促进作用，知识资本是重要的中介作用渠道。在全国层面上，激励性政策规制通过知识资本的传导作用提升数字经济发展质量。在具体区域方面，享受政策优惠的区域依托政策倾斜力度，知识资本的中介效应更为显著，激励性政策规制更容易发挥知识资本的作用，提升数字经济发展质量，从而有效地促进地区数字经济发展。

针对当前激励性政策规制实施的特征事实，并结合上述实证研究结论，为促进数字经济健康平衡发展，提出如下针对性政策建议。

第一，继续加强试验区支持力度，大力推广试验区政策经验，实施更具激励特征的创新规制措施。在全面推行大数据发展战略的基础上，拓宽激励形式，加强政策力度，借鉴以国家级大数据综合试验区为代表的试点项目经验，加速开展试验区示范工作，强化激励性政策规制对数字经济高质量发展的促进作用。

第二，立足区域特色，制定具有针对性和有效性的差异化发展策略，缩小区域间数字经济鸿沟（任保平，张陈璇，2022）。中国数字经济发展在不同区域各具特色，激励性政策规制的实施要充分结合地区发展状况，制定差异化发展策略。

第三，构建多元提升互补机制，催生以数字技术为核心、市场融合为抓手、产业升级为导向的新发展路径，加快提升数字经济发展质量。除激励性政策规制之外，科技、市场、产业也深刻影响着数字经济的发展，因此应将激励性政策规制与多方结合，全面打造数字经济良好发展的环境基础，共同配合发挥更加积极的政策效应。

第四，制定和实施数字经济人才队伍建设计划，建立多元化人才培养机制，加强数字时代人力资源积累。激励性政策规制赋能数字经济高质量发展必须优化知识资本结构，强化人才的主体地位。