数字化水平、技术创新效率与区域经济高质量发展

郝金磊 朱英英

【摘   要】   收集2015-2020年中国34个省、自治区、直辖市中30个的面板数据，通过面板数据回归探索数字化水平对区域经济高质量发展的影响机理，同时分析技术创新效率的中介作用和吸收能力的调节作用。结果表明：数字化水平对区域经济高质量发展具有显著正向影响；存在“数字化水平提高→技术创新效率提升→区域经济高质量发展”的影响路径，即数字化水平的提高先作用于技术创新效率，进而间接推动区域经济高质量发展；数字化水平对区域经济高质量发展的提升幅度会受当地人力资本吸收能力的影响，人力资本吸收能力在此过程中发挥着调节作用。

【关键词】   数字化；区域经济高质量发展；技术创新效率；人力资本吸收能力

Level of Digitalization， Efficiency of Technological Innovation and High-Quality Development of Regional Economy Based

on an Empirical Test of Panel Data

Hao Jinlei， Zhu Yingying

（Lanzhou University of Finance and Economics， Lanzhou 730020， China）

【Abstract】    We collect panel data from 30 provinces， municipalities and autonomous regions in China from 2015 to 2020， and explore the influence mechanism of digitalisation level on the high-quality development of regional economy through panel data regression， while analysing the mediating role of technological innovation efficiency and the regulating role of absorptive capacity. The results of the study show that the level of digitisation has a significant positive impact on the high-quality development of regional economy，but there exists the influence path of "increasing the level of digitisation onto improving the efficiency of technological innovation onto high-quality development of regional economy". That is， the increase in the level of digitisation firstly affects the efficiency of technological innovation， which indirectly pushes the high-quality development of regional economy. The magnitude of the improvement of the digitalisation level on the high-quality development of the regional economy will be affected by the local human capital absorption capacity， which plays a moderating role in this process.

【Key words】     digitalisation; regional economic high-quality development; technological innovation efficiency; human capital absorptive capacity

〔中圖分类号〕   F127               〔文献标识码〕  A              〔文章编号〕 1674 - 3229（2024）01- 0084 - 08

0     引言

提高区域数字化水平以促使数字技术逐步成为带动社会经济发展的有力“助推器”，对于改善区域经济发展质量、加快建设数字中国具有重要理论及现实意义。梳理现有文献发现，以往学者聚焦于研究数字经济与高质量发展有何关系。大量实证检验结果表明，数字经济与高质量发展之间呈正向显著关系，且创业活跃度、技术创新、金融效率以及资源配置效率等是数字经济影响高质量发展的重要内在机制［1-4］。然而，数字经济并不等同于数字化，前者侧重经济，而后者强调社会整体性。因此，两者对区域经济高质量发展的内在作用机理可能存在一定差异。目前鲜有学者基于数字化水平视角对区域经济高质量发展的影响机制加以探讨。

本文从数字化水平提升区域技术创新效率进而驱动区域经济高质量发展的视角展开研究，将区域数字化水平、技术创新效率、人力资本吸收能力和经济高质量发展放在同一框架进行研究。

1     研究假设

1.1   数字化提升区域经济高质量发展的直接效应

经济高质量发展不仅包括经济总量的合理增长与经济发展质量的有效提升，还包括创新、协调、绿色、开放、共享的高级发展态势。因此，有必要从多维度阐述数字化水平驱动经济高质量发展的内在逻辑［5-6］。

在经济增长质量方面，数字技术的市场化应用不断发展融合形成数字产业链和产业集群，不仅扩增了市场空间，区域生产能力和效率也得以提高，极大改善经济增长质量。在创新发展方面，数字化的深入推进使得数字技术深度链接产品设计、生产流程、管理系统等各个传统创新链节点［7］，成为推动企业创新的重要引擎，为进一步推动经济高质量发展创造条件。在协调发展方面，数字化能够打破时空限制，促进欠发达地区劳动力、资本、技术及数据要素的适配性和市场化［8］，有助于缩小区域发展差距、驱动区域协调发展，为区域经济高质量发展创造了重要基础。在绿色发展方面，数字智能化能够优化企业工艺流程并提高资源配置效率［9］，使企业实现绿色化生产过程，实现区域高质量绿色发展。在开放发展方面，数字化时代“跨境互联”的成本极大降低，收益显著提升，使得产业更加开放，打破了时间和空间的限制，进一步扩大商品和服务贸易。在共享发展方面，数字技术为要素资源的跨区域利用创造了条件，有助于各地区在整体信息环境和一体化发展模式下实现资源的最大化利用，让全体人民更广泛、更公平地享受发展成果。基于以上分析，提出如下假设。

研究假设1：较高的数字化水平可以有效助推区域经济的高质量发展。

1.2   区域技术创新效率的中介效应分析

技术创新效率是指在技术创新过程中投入和产出之间的转化效率［10］。以大数据为主的数字化，激发了区域间知识和技术创新的集聚、改造，提升了产业结构，有效配置创新资源以增加创新创业活动等，使得知识、技术和创新主体突破地理空间限制，对促进区域创新人才与各种复合创新要素的协同发挥至关重要的作用，能够提升区域技术创新的效率［11］。同时，技术创新的有效性可以通过影响区域经济增长的可持续性、协调性和一体化进一步促进高质量发展［12］。由此可见，数字化的发展除了能够直接推动区域经济高质量发展之外，还可以通过技术创新效率这一中介来实现。基于以上分析，提出如下假设。

假设2：区域技术创新效率在数字化水平与区域经济高质量发展之间起中介作用。

1.3   人力资本吸收能力的调节效应

吸收能力概念首先由Cohen和Levinthal提出，是指企业如何识别外部信息以及怎样转化运用的能力［13］。随后Zahra和George将吸收能力重新定义为与创造和使用知识相关的动态能力，旨在提高企业获取及维持竞争优势的能力［14］。由于人力资本不仅能夠决定知识获取的规模和知识同化的力量，同时也承载着知识转化和知识吸收利用的任务，众多学者认为人力资本是制约吸收能力的关键因素［15］。数字化作为一种先进的技术知识，区域在使用它的过程中需要相关人力资本的经验知识和包容的认知结构［16］。即当区域具备一定的吸收能力，可以有效消化利用数字化带来效益［17］，进一步对经济发展质量、创新等经济高质量发展的维度产生积极影响。基于以上分析提出如下假设。

假设3：人力资本吸收能力在数字化水平与区域经济高质量发展的关系中发挥正向调节作用。

基于以上推论，本文的研究模型如图1所示。

2     研究设计

2.1   变量测度

（1）被解释变量——区域经济高质量发展

本文参考苏丽敏等［18］的研究，构建区域经济高质量发展评价指标体系。为消除各指标的属性和量纲差异，借助Stata软件，采用熵权法对各个指标进行标准化处理，并在此基础上对指标进行客观赋权，确定指标权重并测得区域经济高质量发展综合得分。具体见表1。

（2）核心解释变量——数字化水平

参考周青等［19］构建的测度指标，从数字化接入水平、数字化装备水平、数字化平台建设水平和数字化应用水平4个层面，选取5个可获得数据的测量指标。与区域经济高质量发展的评价指标处理类似，也采取熵权法，运用Stata软件对数字化水平的测度指标进行赋权，计算相应综合得分。

（3）中介变量——区域技术创新效率

即技术创新资源的投入产出比，涉及多项要素的投入与产出。本研究运用DEAP2.1对除西藏以外的大陆30个省份2015-2020年的技术创新效率进行测算。在参考已有文献的基础上［11］，本文选择3个投入变量和3个产出变量，具体内容见表2。

（4）调节变量——人力资本吸收能力

考虑到数据的可获得性，本文参考李梅和金照林［15］的做法，采用劳动力受教育年限加权平均指标测算人力资本吸收能力，计算方法为：6*小学就业人员比重 + 9*初中就业人员比重 +12*高中就业人员比重+16*大学就业人员比重 +19*研究生就业人员比重。

（5）控制变量

为排除其他因素对区域经济高质量发展的影响，更准确地分析数字化对区域经济高质量发展的作用效果，提高结论的准确性，本研究将以下因素设为控制变量：①物质基础，②政府支持，③劳动力水平，④城市化水平。综上所述，本文相关变量的定义如表3所示。

2.2   数据来源

本文利用2015-2020年30个省、自治区、直辖市面板数据展开分析。由于西藏地区缺失部分指标，故从样本中将西藏剔除。考虑到各省市自治区数据的完整性，本文选择2015-2020年面板数据为研究样本。本文数据均来源于《中国统计年鉴》《中国劳动统计年鉴》以及各省份统计年鉴。

2.3   模型构建

（1）基准回归模型

为检验假设1，构建回归模型（1）：

[HQit=α0+α1DIGit+α2lnMATit+α3lnGOVit+]

[α4lnLABit+α5lnURBit+ εit ] （1）

其中[i]代表不同地区，[t]代表不同年份（下同），[α0]代表常数项，[α1～α5]分别表示各变量的系数，[ε]为随机误差项。

（2）中介效应模型

为检验假设2，即技术创新效率在数字化水平对经济高质量发展影响中发挥的作用，在模型（1）中核心解释变量回归系数[α1]通过显著性检验的基础上，构建数字化水平（DIG）对中介变量技术创新效率（TIE）的线性回归方程，以及包括技术创新效率（TIE）的基准方程，通过回归系数的显著性判断中介效应是否存在。模型具体设定形式如下：

[TIEit=β0+β1DIGit+β2lnMATit+β3lnGOVit+]

[β4lnLABit+β5lnURBit +εit ]         （2）

[HQit=γ0+γ1DIGit+γ2TIEit+γ3lnMATit+]

[γ4lnGOVit+γ5lnLABit+γ6lnURBit+εit ]  （3）

其中，[ β0]、[γ0]代表常数项，[ β1～β5]、[γ1～γ6]分别表示各变量的系数，[ε]为随机误差项。

（3）调节效应模型

为检验假设3，构建回归模型（4）：

[HQit=δ0+δ1DIGit+δ2ABSit+δ3DIGit×ABSit+]

[δ4lnMATit+δ5lnGOVit+δ6lnLABit+δ7lnURBit+εit]                                                         （4）

其中，[δ0]代表常数项，[ δ1～δ7]分别表示各变量的系数，[ε]为随机误差项。

3     實证结果分析

3.1   描述性统计分析

借助Stata软件测得相关变量的描述性统计结果，如表4所示。2015-2020年30个省、自治区、直辖市经济高质量发展综合指数（HQ）的均值为0.1598，最小值为0.0270，最大值为0.6687，可见现阶段各省的经济高质量发展平均水平较低且省间差距较大。数字化水平（DIG）的均值为0.2520，最小值为0.0751，最大值为0.8226，表明整体而言我国数字化水平较低且各省之间的数字化水平还存在较大差距。技术创新效率（TIE）的均值为0.8681，最小值为0.4520，最大值为1，说明总体上各地区技术创新效率比较高，但地区间的差距也很明显。吸收能力（ABS）的均值为0.3667，标准差为0.1824，最小值为0，最大值为1，也说明各省间的人力资本吸收能力同样存在较大差异。控制变量物质基础（MAT）、政府支持（GOV）、劳动化水平（LAB）和城市化水平（URB）的标准差远大于其余变量，为降低变量间的离散程度，已在回归模型中对这4个控制变量取自然对数。

3.2   基准回归结果分析

在进行回归之前对解释变量和控制变量进行VIF检验，查看是否存在多重共线性问题［5］。检验结果显示所有解释变量的方差膨胀因子（VIF）最大值为5.43，控制变量的最大值为6.58，均小于临界值10，总体平均值为4.39，小于5，表明不存在严重的共线性问题，可以进行回归分析。根据Hausman检验结果显示，选择固定效应模型。

表5列出了基准回归估计结果，模型1为数字化水平（DIG）综合指数对经济高质量发展（HQ）的回归，结果发现：回归系数为0.4317，p < 0.001，表明数字化水平越高的地区，经济高质量发展越明显，验证了假设1。具体而言：模型2数字化接入水平（DIG1）和模型3数字化装备水平（DIG2）对经济高质量发展（HQ）的影响系数分别为1.6747和1.1470，对应的p值都小于0.001，说明数字化接入水平和数字化装备水平是提高区域经济高质量发展的关键要素；模型4显示数字化平台建设水平（DIG3）对经济高质量发展（HQ）的影响不显著，说明当前数字化平台建设不是提升区域经济高质量发展的关键因素，原因可能在于数字化平台建设作为重要载体，其积极作用可能更多体现在对技术创新效率的提升作用；模型5说明数字化应用水平（DIG4）显著正向影响经济高质量发展（HQ）。因此各省应适当加大数字化接入、装备和应用水平，提高区域生产能力和效率，进而促进区域经济高质量发展。

3.3   中介效应结果分析

为了检验技术创新效率的中介作用，借助Stata软件，利用逐步回归进行分析，结果如表6所示。模型1为数字化水平对经济高质量发展的影响，结果发现：回归系数为0.4463，且p值小于0.001，与上述理论分析一致，数字化水平越高，区域的经济高质量发展水平就越高；模型2为数字化水平对技术创新效率的影响，其中β=0.3662，p=0.0019，表明数字化水平正向影响区域技术创新效率；模型3同时将数字化水平和技术创新效率纳入回归模型，检验对经济高质量发展的影响。结果发现：数字化水平和技术创新效率对经济高质量发展的影响均是正向显著，且数字化水平对经济高质量发展的回归系数由原来的0.4463下降为0.4237，说明存在“数字化水平提升→技术创新效率提高→经济高质量发展”的传导机制，验证了假设2。

3.4   调节效应结果分析

表7为调节效应模型的回归分析，模型1为纳入解释变量和调节变量的模型对被解释变量的影响；模型2在模型1的基础上纳入了数字化水平和区域人力资本吸收能力的交乘项；为增强结果的可靠性，模型3则进一步对变量进行中心化处理。回归结果显示，数字化水平（DIG）对经济高质量发展的回归系数为0.3075，显著性为三颗星，数字化水平与人力资本吸收能力交乘项（DIG*ABS_c）对经济高质量发展的回归系数为0.4717，显著性为两颗星，且二者系数一致。为更加清晰直观地反映区域人力资本吸收能力的调节作用，本研究将数字化水平和区域吸收能力均分为高、低两组。由回归结果及图2显示，交互项系数显著为正，表明吸收能力越强，数字化对区域经济高质量发展的正向作用越大，即人力资本吸收能力正向调节数字化水平与区域经济高质量发展间的关系，假设3得到验证。

3.5   稳健性检验

本文采取两种方式进行稳健性检验：（1）增加控制变量，选用地区工业污染治理投资总额（万元）代表环境规制作为新的控制变量，用ER来表示，在回归模型中对其取自然对数；（2）将核心解释变量用互联网普及率（IPR）来替换进行回归。由于在前文的基准回归模型中，选择了固定效应模型，为保证核心结论的可靠性，两种稳健性检验均采用随机效应模型进行回归。回归结果见表8，可以看出，解释变量系数符号和显著性与前文回归结果相同，说明本文的研究假说依然成立，研究结论稳健。

4     结论及建议

4.1   结论

（1）数字化水平的提高对区域经济高质量发展具有助推效用。

（2）数字化水平的提高可以通过提升技术创新效率来间接推动区域经济高质量发展，即存在“数字化水平提升→技术创新效率提高→经济高质量发展”的作用机制。

（3）数字化水平对区域经济高质量发展的提升大小会受当地人力资本吸收能力的影响，区域人力资本吸收能力能够增强数字化水平对区域经济高质量发展的提升作用。

4.2   政策建议

（1）提高各地区数字化水平。推动区域数字化转型，要深刻把握数字化接入、数字化装备和数字化应用这三个数字发展的关键要素，三者相辅相成、相互渗透、相互关联。各省市政府要加大财政政策支持，积极开展以数字技术为基础的新兴产业试点，使产业数字化与实体产业得到全方位高效融合。积极推进新兴基础设施建设，激发企业和个人的活力，不断改革创新。充分利用数据资源，全面提升区域数字化应用水平，改善经济发展质量。

（2）提升地区技术创新效率。充分认识到数据资源是关键的创新输入，加快利用数字技术彻底改变当地的知识库，获取大量外部知识和技术促进新产品和服务的创新与创造。充分利用数字技术，深入链接产品设计、生产流程、管理系统等各个传统创新链的节点，激发创新主体的活力。加强地方科技创新平台的建设、推进高新技术人才队伍建设，以全面提高地方科技创新能力和效益，促进地方经济社会的高质量发展。

（3）提高地区人力资本吸收能力。各级政府应该站在全局对资源进行规划和布局，出台相关政策，吸引新兴技术和人才去相对落后的地区发展，避免由于吸收能力的不同造成差距的进一步扩大。同时，各省市要鼓励本地企业与发达地区企业的交流，增强对外部知识技术的获取、同化、转化和利用，尤其是要鼓励欠发达地区培育本地吸收能力，縮小区域技术差距，充分吸收数字技术应用于本地区，促进当地经济高质量发展。

［参考文献］

［1］  赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020，36（10）：65-76.

［2］  宋洋.数字经济、技术创新与经济高质量发展：基于省级面板数据［J］.贵州社会科学，2020（12）：105-112.

［3］  史丹，孙光林.数字经济、金融效率与我国经济高质量发展［J］.企业经济，2022，41（1）：5-16+2.

［4］  赵玉龙.金融发展、资本配置效率与经济高质量发展——基于我国城市数据的实证研究［J］.金融理论与实践，2019， 482（9）：17-25.

［5］ 马茹，罗晖，王宏伟，等.中国区域经济高质量发展评价指标体系及测度研究［J］.中国软科学，2019（7）：60-67.

［6］ 史丹，李鹏.我国经济高质量发展测度与国际比较［J］.东南学术，2019（5）：169-180.

［7］ 阳镇，李纪珍，凌鸿程.政策不确定性与创新数字化——双元创新的视角［J］.科研管理，2022，43（4）：1-10.

［8］  任晓刚，李冠楠，王锐.数字经济发展、要素市场化与区域差距变化［J］.中国流通经济，2022，36（1）：55-70.

［9］ Bourgeois L J. On the measurement of organizational slack［J］.Academy ofManagement Review， 1981，6（1）：29-39.

［10］ 虞晓芬，李正卫，池仁勇，等.我国区域技术创新效率：现状与原因［J］.科学学研究，2005（2）：258-264.

［11］ 李思思，张目.大数据产业、区域技术创新效率与金融科技发展——基于空间杜宾模型及中介效应的实证分析［J］.金融理论与实践，2021（7）：10-18.

［12］ 王金波，郑红玲，佟继英，等.京津冀城市群技术创新效率对经济高质量发展的影响［J］.石家庄学院学报，2022，24（1）：60-69.

［13］ W M Cohen， D A Levinthal. Absorptive Capacity： A New Perspective on Learning and Innovation Administrative［J］.Science Quarterly， 1990， 35（1）：128-152.

［14］ Zahra S A ， George G . Absorptive Capacity： A Review， Reconceptualization， and Extension［J］. Academy of Management Review， 2002， 27（2）：185-203.

［15］ 李梅，金照林.国际R&D、吸收能力与对外直接投资逆向技术溢出——基于我国省际面板数据的实证研究［J］.国际贸易问题，2011， 346（10）：124-136.

［16］ 柳卸林，张文逸，葛爽，等.数字化是否有利于缩小城市间发展差距？——基于283个城市的实证研究［J］.科学学与科学技术管理，2021，42（6）：102-113.

［17］ Keller W. Are international R&D spillovers trade-related？： Analyzing spillovers among randomly matched trade partners［J］. European Economic Review， 1998， 42（8）： 1469-1481.

［18］ 苏丽敏，马翔文.经济高质量发展评价指标体系的构建［J］.统计与决策，2022，38（2）：36-40.

［19］ 周青，王燕灵，杨伟.数字化水平对创新绩效影响的实证研究——基于浙江省73个县（区、市）的面板数据［J］.科研管理，2020，41（7）：120-129.