数字生态、金融发展与区域创新水平

李峰 张丽丽

摘 要：数字化发展对经济社会产生了巨大影响，催生了新型商业模式。良好的数字生态激发了创新活力，给区域创新带来了根本性变化。基于2013—2020年31个省（区、市）的面板数据，探究数字生态与区域创新水平之间的关系。研究发现：数字生态对区域创新水平存在显著的正向影响，且这一结论在进行了一系列稳健性检验后仍然成立；在考虑区域异质性的情况下，东部地区数字生态对区域创新水平存在显著的正向影响，中部和西部地区数字生态对区域创新水平的影响并不显著；数字生态能通过促进金融市场的高水平发展，进而推动区域创新水平提高。基于研究结论，提出了相应的数字生态发展建议，以期带动区域创新发展。

关键词：数字生态；金融发展；区域创新水平；中介效应

中图分類号：F832；F124.3    文献标志码：A    文章编号：1671-0037（2024）4-31-12

DOI：10.19345/j.cxkj.1671-0037.2024.4.4

0 引言

创新是经济高质量发展的重要引擎，是引领发展的第一动力。随着中国经济进入新常态，依靠传统要素驱动经济增长逐渐显出疲态，经济增长方式亟须转型为创新驱动，进而保证经济快速平稳增长。党的十九大报告明确指出，创新是建设现代化经济体系的战略支撑；党的二十大报告明确要求，深入实施创新驱动发展战略，不断塑造发展新动能新优势。近年来，随着创新驱动发展战略的深入实施，我国在航空、大数据、互联网等方面取得了重大突破。2022年，《世界知识产权指标》显示，中国发明专利有效量已跃居世界首位。但《2022全球创新指数报告》显示，中国的创新指数排名第11位。我国自主创新能力与发达国家相比仍存在明显的差距，如关键核心技术被“卡脖子”、基础创新和创新产业转化能力不足等，亟须探索区域创新的新动力。

数字技术的广泛应用促使数字生态成为提升区域创新水平的关键因素。数字生态是政府、企业、个人等社会经济主体，以数字基础设施为支撑，通过以数字化、网络化、智能化为核心特征的新一代信息技术进行连接、互动与融合，形成的围绕数据流动循环、相互作用的社会经济生态系统［1］。我国《“十四五”规划和2035年远景目标纲要》首次提出“数字生态”一词，并对营造良好数字生态作出部署，以释放数字创新活力。良好的数字生态逐渐成为提高区域创新水平的核心力量源泉。基于数字技术构建的新生态，推动了数字化与创新的深度融合，改变了区域创新的要素组成及创新资源的配置，重构了区域创新框架［2］。作为数字生态的根基，数据成为区域创新的新要素。而良好的数字化应用生态也能够促进区域创新主体间的联系与资源配置，降低区域创新的中间成本，但却增加了区域创新的复杂性。因此，探析新时代下数字生态是否正向影响区域创新水平以及影响机制，对未来数字生态与区域创新政策的制定及执行具有重要的理论与现实意义。

目前，学术界已从人力资本、资源投入、政府支持、金融发展、外商投资等角度探究了区域创新水平的影响因素［3-8］。针对数字生态与区域创新水平关系的研究并不多见，且更多的是从互联网、数字金融、数字化水平、数字经济等角度来研究数字化对区域创新水平的影响及其影响机制［9-12］。虽然上述文献为研究数字生态与区域创新水平的关系提供了理论和实证支持，但鲜有文献对数字生态与区域创新水平的内在联系进行深入的研究，无法明确数字生态对区域创新水平的影响程度以及具体的影响机制。基于此，本文对数字生态与区域创新水平的关系进行理论分析与实证检验，并探究金融发展在数字生态与区域创新水平之间的中介作用。可能的贡献如下：第一，将数字生态与区域创新水平联系起来，从直接影响、异质性影响等多个维度探究数字生态对区域创新水平的影响，为进一步提升区域创新水平、缩小区域创新水平差异提供了一个新的研究视角；第二，试图从金融发展视角探索数字生态与区域创新水平的关系，丰富了区域创新的研究内容。

1 文献综述

数字化已成为世界百年未有之大变局的关键变量，数字经济成为新时代最具活力的经济形态。区域间的数字经济竞争逐步表现为数字生态的竞争。“生态”这一概念最早源于生物学领域，后被引入经济学中用来探讨相关利益者与环境间的关系。在新一轮科技革命和产业变革下，数字技术逐渐渗透到社会各个领域，必然需要构建良好的数字生态与之相适应。数字生态是社会经济主体以数字基础设施为支撑，以数字技术为连接，以提高经济发展水平、政府服务水平、社会数字化水平为目的，形成的围绕数据流动循环、相互作用的社会经济生态系统。总之，数字生态与自然生态、社会生态相互作用又各自独立，是数字化与社会生态学融合的产物，是基于数字技术连接形成的多层次、多主体、多结构、多形态的动态复杂的系统。

对于数字生态的研究尚处于起步阶段，现有研究主要从数字生态的指标体系、理论层面等角度展开。关于指标体系，王娟等［13］从数字基础、数字能力、数字应用等3个维度构建了数字生态的指标体系，进一步分析了我国各省份数字生态发展的基本情况；乔天宇等［14］从数字基础、数字能力、数字应用、数字规制等4个维度研究国际数字生态。关于理论层面，数字生态的发展能够深化社会效率变革，对企业、产业、消费等方面均产生了深刻影响。企业通过变革重构能力建立数据赋能平台，进而实现组织结构调整、产业链重构［15］。数字生态为数字化发展提供良好的外部环境。数字生态中的经济主体通过跨层资源互补和共享促进彼此合作与良性互动，提高数字资源获取能力及技术创新能力，进而推动自身数字化转型。与此同时，创业主体利用数字生态系统积累的社会资本开展创业活动，也促进了数字创业生态系统的发展［16］。此外，数字生态系统的建设通过带动经济增长、降低成本、产生规模效益等增加居民收入，进而促进消费水平的提高［17］。但经济的不确定性、数字规制不健全以及数字技术存在安全隐患等问题制约着区域数字生态的构建，需要把握好开放与安全之间的关系，完善数字规则体系，以此塑造良好的数字生态［18］。

关于数字生态影响区域创新水平的研究主要是从互联网、数字经济、数字基础设施、数字资本投入、数字金融发展等角度出发。韩先锋等［9］研究表明，互联网发展不仅能直接提升区域创新效率，还能通过加速人力资本积累、产业升级和金融发展等间接提升区域创新效率，且互联网的创新溢出效应呈现非线性递增的特征。李雪等［19］论证了数字经济可以提升区域创新绩效，且该效应存在区域异质性。李云鹤和李杏［20］证明了数字基础设施可以通过人才集聚、产业集聚、数字金融发展来提升区域创新水平。张晓丹和彭耿［21］研究表明，数字普惠金融对区域创新能力的影响是非线性的，且不同地区的数字普惠金融对区域创新能力的影响程度是不同的。

少数学者研究了数字生态对创新的作用。在数字生态系统中，数字平台整合技术、数据等创新基本要素，降低了创新的門槛［22］。王节祥等［23］认为，创业企业通过现有的数字生态平台镶嵌战略，促进其创新活动开展。朱岩等［24］认为，金融科技以数字生态为传导机制促进了企业创新；数字生态重塑了产业链上各主体之间的关联模式，促进了知识交流、技术共享等，从而提高了企业的创新能力。Yuniarty等［25］研究发现，数字能力对印度尼西亚小型电子企业的创新绩效有积极影响。此外，数字生态的建设和创新活动的开展都需要金融支持。而数字生态反过来也能促进金融发展规模扩大和效率提升。金融发展有利于缓解区域创新主体的资金约束，从而促进区域创新水平提升［26］。

纵观现有文献，关于数字生态与区域创新水平关系的研究较为匮乏。虽然对数字生态的研究取得了一定成果，但鲜有文献把数字生态作为影响区域创新水平的因素纳入研究框架，进而探究数字生态是否能够正向影响区域创新水平。对此，本文在构建省级数字生态指数的基础上，探讨数字生态对区域创新水平的影响及其影响路径；运用2013—2020年省级面板数据实证检验数字生态对区域创新水平的直接影响和间接影响，以及数字生态对区域创新水平影响可能存在的异质性；最后，基于实证结果提出合理的建议，为我国数字生态与区域创新的发展提供参考。

2 理论分析与研究假设

2.1 数字生态与区域创新水平

数字生态是基于数字技术的强连接能力和渗透性而形成的数据联通的生态体系。数字生态发展推动经济社会产出新要素、新模式、新业态，降低创新活动要素投入成本，优化创新资源配置，从而提升区域创新水平。数字生态对区域创新水平的正向影响主要表现在以下几个方面。第一，数字生态通过降低创新成本正向影响区域创新水平。一方面，数字生态中重要的基础资源——数据会被作为核心要素投入创新活动。数据具有可复制性、可重复使用、低成本等特点，能够直接降低创新投入成本。数据还能够被创新主体所共享，数字技术的存在促使低成本的数据投入带来高水平的创新产出［27］。企业运用数字技术挖掘信息，并借助大数据进行信息分析，可降低创新的市场风险，减少创新过程中无效的研发投入。另一方面，数字生态具有开放、共享的特性，能够促进信息和知识的低成本共享，进而正向影响区域创新水平。大数据、互联网、人工智能等数字技术可以推动信息资源流动和知识技术共享，提高企业搜寻与学习效率，降低企业创新的试错成本［9］。数字基础设施的发展打破了地理位置对信息、知识与技术流动的限制，为各区域创新主体提供了更便捷的交流方式，使创新主体以较低成本快速掌握新知识、新技术，进而提升区域创新水平。第二，数字生态通过优化创新资源配置正向影响区域创新水平。创新活动需要大量的资源投入。区域若仅依靠自身资源是无法实现高水平创新的，其需要借助数字生态获取更多的创新资源并优化创新资源配置。数字化发展能够拓展区域创新活动的数字空间与物理空间，提升区域资源配置效率等［28］。新型数字基础设施突破了时空对创新资源流动的限制，实现了区域资源的快速分配与组合。资本、劳动力、技术、知识等要素不再受地理位置的限制。通过数字化设备和平台能够在极短时间内实现创新主体与要素等资源的高效、精准对接，带动区域创新加速［29］。第三，数字生态通过优化内外部环境正向影响区域创新水平。在数字时代背景下，新技术范式使得创新组织向网络化、平台化、生态化方向发展，创新内部环境更具开放性、包容性。部分大型数字平台打造出开放的数字生态系统，为区域创新主体提供了更加安全、透明的交流环境，拓展了创新主体的知识范围，从而提升了区域创新水平。同时，各产业均在进行数字化转型，这一外部环境的变化倒逼企业进行创新，进而提高区域创新水平［30］。此外，数字政府的发展也为企业创新提供了良好的生态环境。政府的数据开放服务减少了企业与市场的摩擦，推动企业将更多的资源投入创新活动，从而提升区域创新水平［31］。基于上述分析，本文提出如下假设：

H1：数字生态能够正向影响区域创新水平。

2.2 金融发展的中介作用

创新活动具有资金投入高、风险高等特征，尤其是技术研发类型的创新活动投资周期也长。区域创新活动的开展需要大量的资金支持。传统金融市场存在金融供给规模不足、产品单一、效率低下、信息不对称等问题，使得区域创新活动受到一定的融资约束。而数字生态的建设激发了金融发展的活力，进而促进区域创新发展。一方面，数字生态的发展带动金融机构数字化转型［32］，扩大金融市场规模，使得金融服务方式更加智能化、信息化、便利化，从而推动金融发展水平提升；另一方面，数字生态的发展能够优化金融资源配置，提升金融市场效率。此外，数字生态的发展减少了金融市场的风险，为金融市场信息交流提供更加安全的环境，促进区域金融发展水平提升。

金融发展为区域创新活动提供了资金保障。金融发展通过优化区域创新的融资环境推动区域创新水平提升［33］。一方面，金融发展水平提升能够降低区域创新主体的融资成本和投资风险。创新是一项高投入、高风险的活动，而金融机构承担着监管者角色［34］。地区金融发展能够为企业创新提供高水平的金融服务。金融机构利用数字技术为创新主体提供多种组合的金融产品，减少创新主体所面临的投资风险，拓展其融资渠道与规模，减少区域创新的融资成本，促进区域创新产出。另一方面，金融发展能够减少信息不对称问题，有效提升区域创新活动的资金配置效率。随着金融发展水平的提高，金融机构的信息获取能力增强。各类金融服务机构借助大数据技术进行创新项目评估，通过数字化设备与创新主体及时交流沟通，减少资金的错配，使创新主体可以获得稳定的资金支持，进而提升整个区域的创新水平［35］。基于上述分析，本文提出如下假设：

H2：数字生态通过金融发展正向影响区域创新水平。

3 研究设计

3.1 变量选取

3.1.1 被解释变量：区域创新水平（Rinnov）

现有关于区域创新的研究一般选用创新产出来衡量区域创新水平。文献中常用的创新产出指标主要包括专利授权量、专利申请量、新产品销售收入等。虽然专利申请量和专利授权量都能体现创新能力，但专利授权是经过国家相关部门严格审查的，更能真实反映地区的创新能力。因此，本文选择地区年度专利授权总量（pat）来衡量区域创新水平，并对数据进行对数化处理。不同类型专利的创新程度和质量不同，其中发明专利更能反映区域创新水平。进一步地，采用发明专利授权量（inpat）和实用新型专利授权量（umpat）来衡量区域创新的高水平产出和低水平产出，以及验证数字生态对不同创新质量或不同创新程度的技术产出的影响。

3.1.2 核心解释变量：数字生态（de）

现有研究大部分采用TOPSIS法和熵值法［13］对数字生态进行测度。借鉴乔天宇等［14］、邹薇薇［17］、蔡琬琳等［32］的研究，构建如表1所示的数字生态评价指标。在对数据进行标准化处理后，采用熵值法计算得到各省份的数字生态水平。

3.1.3 控制变量

参考数字生态发展和区域创新水平的现有研究，选择以下控制变量：一是城市化水平（urban）。地区的城市化水平影响区域创新系统的资源禀赋结构。较高的城市化水平容易形成专业化的创新网络，进而促进区域创新。采用城镇人口比重来衡量城市化水平［9］。二是政府干预度（gov）。地方政府作为区域创新活动的重要支持者和参与者，为创新活动提供了有力的保障。采用各地区的政府财政支出占地区生产总值的比重来衡量政府干预度［9］。三是人力资本水平（edu）。区域创新活动离不开人力资本的投入。人力资本积累通过促进知识溢出效应产生和创新效率提高，从而提升区域创新水平。采用普通高等学校在校人数的对数值来衡量人力资本水平［20］。四是产业结构水平（ind）。产业结构与创新之间的关系不是孤立的，二、三产业的发展能够促进区域创新水平提升。采用第二产业和第三产业增加值之和占地区生产总值的比重来衡量产业结构水平［21］。五是贸易开放度（open）。贸易开放所产生的技术溢出效应能够提升区域技术创新水平。采用进出口总额的对数值来衡量贸易开放度［9］。六是外商直接投资额（fdi）。外商直接投资通过示范效应提高区域技术水平，同时加速劳动力流动和提高劳动力素质，从而促进区域创新水平提高［12］。本文对外商直接投资额进行对数化处理。

3.1.4 中介变量：金融发展（fin）

借鉴其他学者的研究，选取金融发展作为本文的中介变量，以此考察数字生态对区域创新水平的间接影响。采用金融机构年末存贷款余额的对数值来衡量金融发展（fin）［19］。

3.2 模型设定

为了考察数字生态对区域创新水平的直接影响及其异质性，建立如下基本计量模型：

[Rinnovi，t=β0+β1dei，t+β2xi，t+ui+εi，t] （1）

式（1）中：Rinnovi，t表示i省份t年度的区域创新水平，用i省份t年度的專利授权总量（pati，t）、发明专利授权量（inpati，t）、实用新型专利授权量（umpati，t）来衡量；dei，t表示i省份t年度的数字生态发展水平；x为控制变量，包括城市化水平（urban）、政府干预度（gov）、人力资本水平（edu）、产业结构水平（ind）、贸易开放度（open）和外商直接投资额（fdi）；[ui]为省份固定效应；[εi，t]为随机扰动项。

为了进一步研究数字生态对区域创新水平的间接影响，引入中介变量金融发展（fin）。参考温忠麟和叶宝娟［36］的中介模型检验方法，运用传统的逐步回归法来检验中介效应。构建如下中介模型：

[         fini，t=α0+α1dei，t+α2xi，t+ui+εi，t]            （2）

[Rinnovi，t=φ0+φ1dei，t+φ2xi，t+φ3fini，t+ui+εi，t] （3）

式（2）—（3）中：fini，t表示i省份t年度的金融发展水平；[φ1]表示数字生态对区域创新水平的直接影响效应；[α1]表示数字生态对金融发展的影响，[φ3]表示金融发展对区域创新水平的影响，[α1?φ3]表示数字生态对区域创新水平影响的中介效应；其他变量含义与式（1）中一致。

根据中介模型传统检验方法可知，若模型（1）中系数[β1]显著，则表明数字生态对区域创新水平具有显著影响。在此基础上，进行模型（2）和（3）检验。当α1和[φ3]均显著时，中介效应存在；当[φ1]显著时，存在部分中介效应；当[φ1]不显著时，存在全部中介效应。

3.3 数据来源

本文选取2013—2020年我国31个省（区、市）的面板数据进行实证分析。数据来源于国家统计年鉴、各省份统计年鉴、EPS数据库、中国区域经济数据库、中央党校政务研究中心等。部分年份缺失的数据采用线性插值法补全。对被解释变量及部分控制变量进行取对数处理，以减少共线性、异方差对实证结果的影响。各变量的描述性统计结果如表2所示。

4 实证结果分析

4.1 基准回归结果分析

经过Hausman检验发现，采用固定效应模型更为合理。表3展示了数字生态对区域创新水平的影响结果。由表3可知，数字生态的回归系数均为正，且在1%的水平下显著，说明数字生态对区域创新水平存在显著的正向影响，假设H1得到验证。其中，列（1）中未加入控制变量，结果显示，数字生态对区域创新水平的影响系数为正；在加入一系列控制变量后，列（4）中的回归结果显示，数字生态对区域创新水平的影响系数仍然为正，且通过了1%的显著性检验，验证了假设H1。对比列（2）和列（5）、列（3）和列（6）的结果可知，在加入控制变量后，数字生态对发明专利授权量、实用新型专利授权量的影响系数均在1%的显著性水平下为正。对比列（5）和列（6）的结果可知，数字生态对发明专利授权量的影响系数大于对实用新型专利授权量的影响系数，表明数字生态对不同类型创新产出的影响不同，且对发明专利授权量的正向影响大于对实用新型专利授权量的正向影响。综上所述，良好的数字生态能够促进区域创新产出的增加，且对不同类型的创新产出均具有正向影响。

4.2 稳健性检验

4.2.1 替换被解释变量

为了保证回归结果的稳健性，进一步替换被解释变量区域创新水平的衡量指标。分别以专利申请量（patappl）、发明专利申请量（inpatappl）、实用新型专利申请量（umpatappl）、规模以上工业企业新产品销售收入的对数值（lnincome）为被解释变量，进行稳健性检验，结果如表4所示。由表4可知，数字生态的回归系数依然在1%的水平上显著为正，再次验证了假设H1成立。

4.2.2 系统GMM估计

考虑到当期的区域创新水平与以往的创新活动存在一定的相关性，同时为了减少遗漏变量所带来的偏误，将被解释变量滞后一期进行回归，结果如表5所示。由表5中列（1）—（3）可知，AR（1）的P值小于0.1、AR（2）的P值大于0.1，且Hansen检验的P值均大于0.1。这表明模型均通过了残差序列相关检验且工具变量是有效的，即系统GMM模型设定是合理的。同时，系统GMM估计结果与基准结果一致，核心变量数字生态的系数依旧显著为正，再次验证了数字生态正向影响区域创新水平的假设。

4.2.3 缩尾处理

为了减小异常值对回归结果的影响，对连续性变量进行前后1%的缩尾处理，回归结果如表5所示。由表5中列（4）—（6）可知，数字生态的回归系数仍显著为正，表明本文的实证检验结果较为稳健。

4.2.4 面板分位数回归

考虑到固定效应模型仅反映数字生态对区域创新水平均值的影响，并未关注不同区域数字生态对区域创新水平的边际影响，进一步采用面板分位数模型进行回归分析，以探究不同区域数字生态对区域创新水平的异质性影响，具体结果见表6。

由表6可知，数字生态的系数均在1%的水平下显著为正，表明不同区域的数字生态均可以正向影响区域创新水平，再次验证了假设H1。对比列（1）—（3）的结果可知，数字生态在25%、50%、75%分位点的估计系数持续降低。这表明随着分位点的提高，数字生态对区域创新水平的影响在持续下降。具体而言，在控制了城市化水平、政府干预度等因素的情况下，区域创新水平低的省份，其数字生态的边际贡献较高。这可能是因为，对于创新水平较高的区域，其数字基础设施完善、数字技术应用水平高、数字人才集聚程度高等，数字生态对区域创新水平的正向影响作用已被充分释放。对比列（4）—（6）的结果可知，与25%分位点相比，50%、75%分位点的高水平技术创新效应有所增加。这表明随着高水平技术创新产出的增加，数字生态对区域创新水平的影响总体上呈边际效用递增的趋势。而由列（7）—（9）的结果可知，随着分位点的提高，数字生态对低水平技术创新的影响总体上呈持续下降的趋势。总之，随着分位点的提高，数字生态对区域高水平技术创新产出的影响呈边际递增的趋势，而对区域低水平技术创新产出的影响呈边际递减的趋势。这可能是因为，高水平技术创新更加需要数字技术的支持及数据要素的融入。而数字生态的建设正在加速激发数字技术的活力和数据要素的潜力，其对高水平技术创新的促进作用被逐渐释放。

4.3 区域异质性分析

不同地区的经济发展水平和区位资源各不相同，且每個地区数字生态建设的政策导向也不尽相同。因此，数字生态对区域创新水平的影响可能存在区域异质性。故将样本数据分为东部、中部、西部3个地区进行回归分析，结果如表7所示。从回归结果可知，东部地区数字生态的估计系数均显著为正，表明数字生态对东部地区创新产出有显著的正向影响；而中西部地区数字生态对区域创新产出未有显著的正向影响。可以看出，不同地区数字生态对区域创新水平的影响存在显著的差异性，主要原因可能有以下两点：一是中部和西部地区的数字基础设施建设不如东部地区完善，而且数字基础设施建设完善后发挥作用也需要一定的时间；二是相较于东部地区，中部和西部地区缺乏综合性、高素质的数字人才，且其数字技术的应用效果不明显。这就导致中部和西部地区数字生态发展水平较低，数字生态发展对区域创新水平的带动作用未能得到发挥。

4.4 中介效应分析

为进一步探讨数字生态对区域创新水平的影响机制，采用中介模型进行检验，结果如表8所示。表8中列（2）显示，数字生态对金融发展的影响系数为1.077，且在1%的水平下显著，表明数字生态正向影响金融发展水平。列（3）反映了数字生态、金融发展二者对区域创新水平的影响。由列（3）可知，数字生态、金融发展的系数均显著为正，且数字生态的系数为0.754，小于列（1）中数字生态对区域创新水平的影响系数1.433，说明金融发展在数字生态与区域创新水平之间发挥了中介作用，初步验证了假设H2成立。

为了保证中介效应回归结果的可靠性，采用bootstrap自抽样法重复抽取1 000次进行检验。若间接效应的置信区间不包含零，则表明中介效应成立。由表9中的结果可知，直接效应的系数为0.754，间接效应的系数为0.689，说明金融发展在数字生态正向影响区域创新水平的过程中发挥部分中介作用；95%置信区间都不包含零，表明数字生态能够通过金融发展正向影响区域创新水平，即假设H2得到完全验证。

5 结论及建议

5.1 研究结论

本文基于2013—2020年我国31个省（区、市）的面板数据，考察了数字生态对区域创新水平的影响。研究结果表明：一是数字生态能够正向影响区域创新水平，不同发展水平的数字生态对区域创新水平的促进效应也不同；二是数字生态对区域创新水平的影响存在区域异质性，其中东部地区的数字生态显著正向影响区域创新水平，中部和西部地区的数字生态未能显著影响区域创新水平；三是数字生态发展能够推动区域的金融发展，从而间接促进区域创新水平提升。

5.2 建议

基于以上研究结论，提出以下3点建议：

第一，全面推进数字生态基础设施建设，通过打造高水平的数字生态优化区域创新条件和环境。一方面，要扩大数字基础设施的建设规模并保证质量。政府应制定科学合理的数字生态相关政策，引导资金流向5G、数据中心、人工智能等新型基础设施的开发建设；改善中西部地区数字基础设施的质量，为创新发展提供完备的基础设施支撑。另一方面，要加大数字技术的研发投入力度与数字人才的培育力度。数字技术是创新的技术基础，而数字人才是数字技术进步、区域创新水平提升的核心要素。对此，要引导资金向数字技术研发方面倾斜，注重创新主体数字素养的提升。此外，通过构建数字创新平台，加速数字成果转化应用，推进数字生态发展，从而助力区域创新水平提升。

第二，促进数字化与金融市场的融合，为地区创新发展提供高效的资金支持。首先，各地区金融机构应加快数字化转型，为创新活动提供多样的数字金融服务。其次，各地区应推动“互联网+金融”、金融数字平台等的建设，减少创新主体与金融机构之间的信息不对称，促进双方的沟通，从而精准地为创新主体提供资金支持。最后，要加强数字技术在金融市场的应用，将大数据、云计算等数字技术应用于金融贷款分析，从而提高金融市场对创新活动的资金供给能力。

第三，各地区应因地制宜实施动态化、差异化的数字生态策略，从而高效带动地区创新发展。各地区的经济状况、地理位置等都不相同，数字生态发展各具特色，创新水平的制约因素也不一样。其中：东部地区数字生态发展较好，应鼓励企业加大数字技术的研发投入，打造出更高水平的数字生态；中部和西部地区的数字人才数量少、数字技术较为落后，应推动数字人才的培育和引进，促进数字技术的提升。

5.3 研究不足与展望

本研究存在以下不足之处。一方面，数字生态的衡量体系有待进一步完善。鉴于数据的可获得性和连续性，本文构建了省级层面的数字生态评价指标体系，未来可构建城市层面的指标体系，以进行更深入的研究。另一方面，不同发展水平的数字生态对区域创新水平的影响有待进一步探讨。由面板分位数回归分析可知，不同发展水平的数字生态对区域创新水平的影响不同，未来还须进一步衡量数字生态的发展水平，以判断其对区域创新水平产生不同影响的门槛值，为各地落实数字生态战略和提升区域创新水平作出贡献。

参考文献：

［1］ 北京大学大数据分析与应用技术国家工程实验室.2021数字生态指数总指数篇［R/OL］.（2021-10-16）［2023-12-03］.http：//digiteco.com.cn/api/content/files/1661

578684.55151442.pdf.

［2］ 曹玉娟.數字化驱动下区域科技创新的框架变化与范式重构［J］.学术论坛，2019，42（1）：110-116.

［3］ 钱晓烨，迟巍，黎波.人力资本对我国区域创新及经济增长的影响：基于空间计量的实证研究［J］.数量经济技术经济研究，2010，27（4）：107-121.

［4］ 毕克新，王禹涵，杨朝均.创新资源投入对绿色创新系统绿色创新能力的影响：基于制造业FDI流入视角的实证研究［J］.中国软科学，2014（3）：153-166.

［5］ 余泳泽.政府支持、制度环境、FDI与我国区域创新体系建设［J］.产业经济研究，2011（1）：47-55.

［6］ 赵增耀，周晶晶，沈能.金融发展与区域创新效率影响的实证研究：基于开放度的中介效应［J］.科学学研究，2016，34（9）：1408-1416.

［7］ 李政，杨思莹，何彬.FDI抑制还是提升了中国区域创新效率？——基于省际空间面板模型的分析［J］.经济管理，2017，39（4）：6-19.

［8］ HSU P H，TIAN X，XU Y.Financial development and innovation：cross-country evidence［J］. Journal of Financial Economics，2014，112（1）：116-135.

［9］ 韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗［J］.中国工业经济，2019（7）：119-136.

［10］ 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.

［11］ 聂秀华，江萍，郑晓佳，等.数字金融与区域技术创新水平研究［J］.金融研究，2021（3）：132-150.

［12］ 温珺，阎志军，程愚.数字经济与区域创新能力的提升［J］.经济问题探索，2019（11）：112-124.

［13］ 王娟，张一，黄晶，等.中国数字生态指数的测算与分析［J］.电子政务，2022（3）：4-16.

［14］ 乔天宇，张蕴洁，李铮，等.国际数字生态指数的测算与分析［J］.电子政务，2022（3）：17-30.

［15］ 焦豪，杨季枫，王培暖，等.数据驱动的企业动态能力作用机制研究：基于数据全生命周期管理的数字化转型过程分析［J］.中国工业经济，2021（11）：174-192.

［16］ 杜晶晶，王涛，郝喜玲，等.数字生态系统中创业机会的形成与发展：基于社会资本理论的探究［J］.心理科学进展，2022，30（6）：1205-1215.

［17］ 邹薇薇.区域数字生态发展水平对居民消费支出的影响［J］.商业经济研究，2022（17）：68-71.

［18］ 李昊林，彭錞.良好数字生态与数字规则体系构建［J］.电子政务，2022（3）：31-38.

［19］ 李雪，吴福象，竺李乐.数字经济与区域创新绩效［J］.山西财经大学学报，2021，43（5）：17-30.

［20］ 李云鹤，李杏.数字基础设施建设与区域创新［J］.统计与决策，2022，38（17）：73-77.

［21］ 张晓丹，彭耿.数字普惠金融发展与区域创新能力：基于282个城市数据的非线性影响研究［J］.技术经济与管理研究，2021（10）：32-36.

［22］ 曲永义.数字创新的组织基础与中国异质性［J］.管理世界，2022，38（10）：158-174.

［23］ 王节祥，瞿庆云，邱逸翔.数字生态中创业企业如何实施平台镶嵌战略？［J］.外国经济与管理，2021，43（9）：24-42.

［24］ 朱巖，王康仕，姜岳洋.金融科技、数字生态与企业创新投入：基于医药制造业的异质性分析［J］.农村金融研究，2022（5）：3-11.

［25］ YUNIARTY Y，SO I G，ABDINAGORO S B，et al. Impact of the extended digital eco-dynamic on innovation performance：an empirical study on small e-businesses in Indonesia［J］. Frontiers in Psychology，2022，13：864530.

［26］ 庄毓敏，储青青，马勇.金融发展、企业创新与经济增长［J］.金融研究，2020（4）：11-30.

［27］ 张超，陈凯华，穆荣平.数字创新生态系统：理论构建与未来研究［J］.科研管理，2021，42（3）：1-11.

［28］ 张昕蔚.数字经济条件下的创新模式演化研究［J］.经济学家，2019（7）：32-39.

［29］ 温珺，阎志军，程愚.数字经济驱动创新效应研究：基于省际面板数据的回归［J］.经济体制改革，2020（3）：31-38.

［30］ 白俊红，陈新.数字经济、空间溢出效应与区域创新效率［J］.研究与发展管理，2022，34（6）：67-78.

［31］ 彭远怀.政府数据开放的价值创造作用：企业全要素生产率视角［J］.数量经济技术经济研究，2023，40（9）：50-70.

［32］ 蔡琬琳，刘慧倩，王琳玉.数字生态建设对跨境贸易人民币结算的影响研究［J］.亚太经济，2023（5）：22-32.

［33］ 韩璐，陈松，梁玲玲.数字经济、创新环境与城市创新能力［J］.科研管理，2021，42（4）：35-45.

［34］DE LA FUENTE A，MAR?N J M. Innovation，bank monitoring，and endogenous financial development［J］. Journal of Monetary Economics，1996，38（2）：269-301.

［35］ 赵星.新型数字基础设施的技术创新效应研究［J］.统计研究，2022，39（4）：80-92.

［36］ 温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展，2014，22（5）：731-745.

Digital Ecology， Financial Development， and Regional Innovation Level

Li Feng， Zhang Lili

（School of Business， Jishou University， Jishou 416000， China ）

Abstract： In the context of global digitization， digital ecology has merged as pivotal forces in national innovation development and key engine for constructing competitive advantages. A good digital ecology has become an inherent requirement for the construction of digital China. As digitization progresses， the digital ecology has stimulated the vitality of regional innovation in China and had a fundamental impact on regional innovation development. The level of regional innovation not only determines the level of regional development， but also underpins the national innovation enhancement. As a matter of fact， a good digital ecology  will change the composition of innovation elements， organization and resources allocation of innovation by promoting the deep integration of digital technology and innovation， resulting in the reconfiguration of the regional innovation framework and ultimately causing changes in the regional innovation level. However， existing academic research lacks an integrated framework that combines digital ecology with regional innovation. Therefore， exploring the impact of digital ecology on  regional innovation level and the mechanism it works on is a crucial issue to be studied.

Taking the provincial panel data from 2013 to 2020 as the research sample， this study measures the level of digital ecology adopting the entropy method. And the stata17 is used to conduct empirical regression to analyse the impact of digital ecology on regional innovation level， so as to test the financial development mechanism between digital ecology and regional innovation level. Firstly， based on the connotation and characteristics of digital ecology， the impact of digital ecology on the regional innovation level is analyzed， and panel regression analysis is carried out using individual fixed effect model. Secondly， according to the characteristics of innovation activities， the mediating effect model is used to analyse the mechanism of financial development between digital ecology and regional innovation level.  Meanwhile， the mediation test of the bootstrap method is used to further determine the magnitude of the mediation effect of financial development.

The empirical results show that digital ecology significantly promotes regional innovation level， and this result is still present after a series of robustness tests. Panel quantile regression reveals that the impact of digital ecology on regional innovation level gradually decreases as quantiles increase. Heterogeneity analysis shows a significant promotive effect of digital ecology on regional innovation level in eastern areas， whereas this effect is not evident in central and western regions. Further research found that financial development plays a significant mediating role between digital ecology and regional innovation level. In other words， digital ecology can drive regional innovation improvements by enhancing financial development levels. The mediating role is further verified by the robustness test.

Based on the above analysis， to begin with， this paper suggests implementing differentiated digital ecology strategies. Next， it comprehensively promotes the infrastructure construction of digital ecology to create a good digital ecology. Lastly， give full play to the facilitating role of digital ecology in enhancing the level of regional innovation， and increase the integration and development of digital ecology with the financial market， as well as other measures， to promote the enhancement of the level of regional innovation.

Key words： digital ecology; financial development; regional innovation level; mediation effect