大数据试验区建设对城市创新效率的影响

胡婧玮 郭金花 陈鑫

摘要：加快以大数据中心等为代表的数字基础设施建设对实现高质量发展、推进城市创新发展意义重大。本文以“国家大数据综合试验区”设立为准自然实验，基于2011—2019年中国285个地级市研究样本，运用双重差分法考察大数据试验区建设对城市创新效率的影响及作用机制。研究发现：国家大数据试验区建设能显著促进城市创新效率的提升，且主要表现为促进城市技术研发效率提升，但对城市成果转化效率的影响不明显；作用机制检验发现，国家大数据试验区建设可通过强化企业信息化建设、促进数据资源共享和激发城市创业活跃度促进城市创新效率提升；异质性检验发现，在经济发展水平较高城市、大规模城市、低数字产业集聚水平城市和低创新水平城市中，大数据试验区建设促进了城市创新效率提升；相比于非跨区域布局模式，跨区域布局模式的国家大数据综合试验区政策试点对城市创新效率的促进作用更加明显。

关键词：国家大数据综合试验区；城市创新效率；双重差分法；作用机制

中图分类号：F49；F2992；F1243文献标识码：A文章编号：1001-148X（2024）02-0104-10

收稿日期：2023-09-10

作者简介：胡婧玮（1989—），女，山西榆社人，博士研究生，研究方向：创新管理；郭金花（1991—），女，山西朔州人，副教授，博士，研究方向：技术创新与数字化转型；陈鑫（1997—），女，山西朔州人，硕士研究生，研究方向：数字经济与创新。

基金项目：国家自然科学青年基金项目“企业数字化转型、人力资本结构优化影响全要素生产率的效应、机制及治理对策”，项目编号：72102133；教育部人文社会科学青年基金项目“数字基础设施影响企业全要素生产率提升的双重效应、多维机制与情境差异研究”，项目编号：21YJC790040；山西省科技战略项目“数字经济助推山西省制造业绿色创新能力提升路径研究”，项目编号：202204031401072；山西省社科联重点课题“数字经济助推山西省制造业低碳发展路径研究”，项目编号：SSKLZXKT2022016。

一、引言

伴随着大数据、云计算及人工智能等新兴技术的蓬勃发展，数字经济在推动高质量发展中的重要作用日益凸显。数字基础设施作为数据要素流动的“信息高速公路”，是加快数字经济发展的基础支撑和能力保障。特别是大数据中心及5G基站等数字设施的涌现，能通过数据流为城市带来资金流、人才流、技术流等，促进了不同城市间创新合作与知识信息流动，有利于缓解创新资源错配［1］，对加速城市创新效率提升产生了深刻影响。因此，充分发挥大数据中心等数字基础设施建设的引领作用，对激发数字经济活力进而推动城市创新发展和畅通国内大循环意义重大。

国家大数据综合试验区是中国政府从顶层规划和政策指引方面实施的推动数据中心合理布局的区域性政策举措。2016年2月，国家发展改革委、工业和信息化部、中央网信办同意贵州省建设国家大数据综合试验区成为首个国家级大数据综合试验区；同年10月，第二批国家大数据综合试验区在京津冀、内蒙古、辽宁等七个区域推进建设。八大国家大数据综合试验区从南到北、从东到西搭建起了中国大数据发展实践的“立体骨架”，对加快推动以数字经济发展为引擎的创新格局、提升城市创新发挥了重要作用。

已有研究发现，信息网络基础设施对经济高质量增长具有正外部性和溢出效应［2］；“数字经济发展”“宽带中国”等战略实施可以有效改善劳动和资本错配［3］，能够显著提升城市全要素生产率［1］。也有研究指出，互联网可以通过推动创新要素流动、加速金融发展等对区域创新效率产生间接影响［4］；智慧城市发展通过信息基础设施建设和数据赋能促进城市创新能力提升［5］，并且发现数字经济对创新能力越强的城市赋能作用越明显［6］。也有研究指出网络基础设施建设能够通过集聚驱动效应、结构优化效应以及有效改善公共服务供给效率积极影响城市创新［7-9］。但总体而言，关于数字基础设施对城市创新效率提升的实证研究较为零散，也鲜有研究聚焦国家大数据综合试验区设立对城市创新效率的影响效应开展系统探究，特别是作用机制的分析与挖掘尚不够充分。

基于此，本文基于2011—2019年中国地级市面板数据，采用双重差分模型实证考察国家大数据试验区建设对城市创新效率的影响及作用机制。主要边际贡献如下：第一，以国家大数据综合试验区为准自然试验，将城市创新效率分为技术研发效率与成果转化效率，深入揭示国家大数据试验区建设对城市创新效率的影响，丰富了国家大数据综合试验区试点政策效果评估的研究；第二，从企业信息化建设、数据资源开放共享和创业活跃度等三个方面，探究国家大数据试验区建设影响城市创新效率的作用路径；第三，考察所在城市经济发展、城市规模、城市创新水平、数字产业集聚水平、跨区域布局与非跨区域布局模式异质性条件下，国家大数据试验区建设对城市创新效率影响的异质性，从而深化对大数据试验区建设影响城市创新政策效应的解读。

二、理论分析与研究假设

（一）大数据试验区建设与城市创新效率

数字基础设施是以数据、软件、芯片、通信及分子涂层等“数字材料”为主体构建的软硬件一体化基础设施，涉及5G基站、数据中心及各类数字平台等。2016年2月，经中央网信办、工业和信息化部、国家发展改革委同意，贵州省国家大数据综合试验区成功设立；同年10月，继贵州之后第二批国家大数据综合试验区获批建设，包括两个跨区域类综合试验区（京津冀、珠江三角洲），四个区域示范类综合试验区（上海市、河南省、重庆市、沈阳市），一个大数据基础设施统筹发展类综合试验区（内蒙古）。相比于非试验区城市，大数据试验区主要围绕数据资源管理与共享开放、数据中心整合、数据资源应用、数据要素流通、大数据产业集聚、大数据制度创新等任务开展系统性试验［10］，能够通过政策指引、数据赋能等推动数字经济发展、提升城市创新效率。国家级大数据中心建设能有效扩展知识溢出渠道，减少知识传播在时间和空间方面存在的约束，使得知识尤其是隐性知识能够得到高效的传递和扩散，从而促进了城市创新效率提升。同时，数字技术普及使得城市间创新要素的联结和重组更加快捷高效，促使跨区域资源要素再组织，能缓解要素供需矛盾和城市资源错配，进而提高了创新要素配置效率。如依托国家级大数据综合试验区建立起来的数字网络平台有利于加强不同地区创新主体间的高频率互动，实现创新活动风险分担与收益共享，进而提高了城市创新效率。基于此，本文提出以下研究假设：

H1：国家大数据试验区建设能够显著提高城市创新效率。

（二）大数据试验区建设影响城市创新效率的机制分析

国家级大数据综合试验区建设能够通过促进所在地区强化企业信息化建设、数据资源开放共享、激发城市创新创业活力等，释放技术红利、制度红利和创新红利［11］，为城市创新效率提升提供市场制度力量和政策支持。

1大数据试验区建设能够促进企业信息化进而影响城市创新效率

企业信息化建设离不开所在地区大数据试验区等基础设施建设的支撑作用，良好的数字化发展环境能够加速本地区企业信息技术运用，推动企业数字化转型。作为国家级标杆平台，大数据试验区旨在通过加强信息基础设施建设、培育大数据骨干企业等，抢占数字经济发展先机，有利于加快推进所在地区企业信息化水平。在大数据中心等数字基础设施的支撑下，企业在实际工作中能够利用信息系统强大的数据分析能力，快速获取自身生产运营以及市场客户的相关信息，准确预测市场实际需求，明确创新的方向，进而集中企业有限创新资源进行有效创新，促进城市创新效率提升。如企业信息技术应用有助于其根据客户需求提供全新的服务和产品［12］，并开发全新的市场和商业领域。企业信息化水平提升可以通过降低资源要素的交易成本和提高即时沟通效率，增强企业从事新生产活动的可能性［13］。同时，企业信息化水平提升能够降低企业的信息不对称问题，促进各部门协调配合，并引进先进生产技术和高技能劳动力，降低创新活动成本，进而促进创新效率提升。

2大数据试验区建设能够促进数据资源开放共享影响城市创新效率

数字平台是数字经济时代进行数字交易服务的重要载体，能够对相关信息进行处理和流转，并与多个相关群体相互联系合作，对资源的配置和价值的创造提供支持［14］。大数据中心等数字基础设施的完善与升级加速了城市间数据资源的共享开放，为大众创新数据资源获得与运用营造了良好氛围，将增强大数据的增值性、公益性开发和创新性应用。国家大数据综合试验区统筹大数据基础设施建设，在推动政府数据资源共享、推进公共数据资源开放等方面先行先试，在一定程度上克服了创新主体间的时空障碍，有利于增强彼此间知识共享、技能匹配和学习交流，进而赋能城市创新。具体表现为，数字基础设施的开放共享能够减少信息不对称，降低各主体知识搜集成本、创新资源获取的难度及技术创新活动的各类交易成本，为降低创新创业成本、提升创新频率和效率提供了全新动力。

3大数据试验区建设通过激发创业活跃度影响城市创新效率

数字技术在创新创业过程中发挥着重要的赋能作用［15］。数字经济发展加速了数字技术在各领域的应用，通过促进创业生态系统条件要素形成与拓展，实现分散的创业个体及其创业知识的数字化联结［16］，对激活企业家创业精神、提升创业活跃度有积极影响［17］。国家大数据综合试验区重点推进大数据创新创业孵化器建设，完善大数据创新创业投融资体系，对构建富有活力的大数据创业创新生态体系的促进作用明显。一方面，数字基础设施建设加强了城市内及城市间各类创新资源、创新平台的开放共享，为创业者获得相关知识和经验技能提供了更多途径，由此也提高了其创业和学习的效率。创业者通过互联网能够更快速地获取信息和识别机会、提高人力资本和社会资本水平等，进而促进机会型创业的提升［18］。另一方面，数字基础设施完善使得互联网金融、智能金融等为代表的金融新业态、新模式不断涌现，推动了大数据创业投融资体系的完善，缓解了融资难和融资贵问题，有利于激活城市创业活跃度，进而赋能城市创新效率提升。因此，本文提出以下研究假设：

H2：国家大数据试验区建设能够通过强化企业信息化建设、促进数字资源共享和激发创业活跃度提高城市创新效率。

三、研究设计

（一）模型构建

本文通过构建双重差分模型（DID）考察国家大数据试验区建设对城市创新效率的影响，具体如下：

innoit=α0+α1bigdatait+α2controlsit+μj+νt+εit（1）

模型（1）中，innoit表示城市创新效率；bigdatait表示国家大数据试验区建设与否，其系数α1反映大数据试验区建设对城市创新效率的影响效应。α0表示常数项，controlsit表示控制变量，t表示年份，i表示城市个体；μj表示城市固定效应，vt表示年度固定效应，εit为随机扰动项。

（二）相关变量与数据说明

1被解释变量：城市创新效率（inno）。本文参考王栋和赵志宏（2019）［19］的研究，借鉴创新价值链理论将城市创新活动过程划分为两个阶段：第一阶段为技术研发阶段，专注于新技术和新知识的开发；第二阶段为成果转化阶段，即将第一阶段开发的新技术和知识转化为新产品推向市场。本文选取DEA模型对城市创新效率进行测算，其中，在技术研发阶段，投入指标包括科研人员和科研经费，科研人员采用科研综合技术服务业从业人员数衡量，科研经费采用科学事业费支出衡量；考虑到专利申请数量能保证知识的原创性，更容易转化为市场价值，因此，采用专利申请数量作为技术研发阶段的产出指标，对技术研发效率（tech）进行测算。在成果转化阶段，本文将技术研发阶段的专利产出、平均从业人数和科教费用支出作为中间投入指标［20］，将人均GDP和产品销售收入作为最终产出指标，对成果转化效率（conv）进行测算。

2解释变量：大数据试验区建设（bigdata）。根据国家大数据综合试验区获批与否及获批的时间，设置虚拟变量bigdata，将获批国家大数据综合试验区所在的城市定义为实验组，没有获批的城市定义为控制组；并结合获批时间，将国家大数据综合试验区获批当年及以后实验组对应的bigdata变量赋值为1，设立之前的赋值为0，其余控制组对应的bigdata变量赋值为0。

3中介变量

（1）企业信息化（info）。企业电子商务交易活动是指利用电子信息技术将企业的销、产、供、研等活动连接，在增加经济价值和创造商业活动的同时，实现了企业的网络化、数字化管理，在很大程度上能够反映企业的信息化水平。因此，本文采用本地区有电子商务交易活动的企业占比衡量所在城市企业信息化水平，具体通过将省级数据匹配至城市层面来实现。

（2）数据资源共享（inte）。数字基础设施具备开放共享性、知识溢出性和资源扩展性等技术优势，所在城市宽带网络的普及率越高，越有利于促进不同主体间各类数据资源共享。因此，本文采用城市互联网宽带接入用户数占年末户籍人口的比重进行衡量。

（3）创业活跃度（entr）。个体私营经济是创业带动就业的主体，参考全球创业组织提出的中国创业指数，本文采用城市城镇私营和个体从业人员占城镇单位从业人员数比值衡量。

4控制变量。（1）对外开放程度（fdi），用城市年度实际外商投资额占GDP比重衡量，并利用历年人民币年平均汇率进行换算；（2）政府干预（gov），用政府科学教育支出占财政总支出比重衡量；（3）人力资本（univ），用城市普通高校在校生人数占总人口比重衡量；（4）信息化水平（post），用城市年末邮电业务量占GDP比重衡量；（5）金融发展水平（depo），采用年末金融机构人民币各项贷款余额占GDP的比重衡量；（6）市场化水平（mark），用省级层面测算的市场化水平与城市数据匹配获得。

本文选取2011—2019年中国285个地级市面板数据为研究样本，数据主要来源于《中国城市统计年鉴》等。各变量描述性统计结果见表1。

四、实证结果分析

（一）基准回归

结合前文理论分析，本文采用双重差分模型进行实证检验，回归结果见表2。首先，为了检验国家大数据综合试验区设立对城市创新效率的影响，表2中的列（1）为仅加入国家大数据综合试验区试点政策虚拟变量后的回归估计结果，结果显示，bigdata变量的回归系数在１%水平上显著为正，表明国家大数据综合试验区设立对城市创新效率产生了显著促进作用；其次，本文依次加入了外商直接投资水平、政府科技支持、人力资本水平、邮电业务量、金融发展规模和市场化水平等可能对城市创新效率产生影响的控制变量，列（2）的结果显示，bigdata变量的回归系数仍在1%的水平上显著为正，表明国家大数据综合试验区设立能够有效促进城市创新效率提升，研究假设H1得到验证。

进一步地，本文将城市创新效率划分为技术研发效率和成果转化效率再次进行实证检验，其中，列（3）—（4）中bigdata变量对城市技术研发效率的回归系数在1%水平上显著为正，表明国家大数据综合试验区设立能够有效提升城市技术研发效率，而列（5）—（6）中bigdata变量对城市成果转化效率的影响不显著。其原因可能在于：国家大数据综合试验区受到政府利好政策的支持，能够吸引大量创新人才及资金等要素集聚、高新技术企业入驻等，同时，大数据中心等数字基础设施的完善降低了创新主体间互动合作的时空障碍，扩展了大数据创新创业投融资渠道，能够使企业的创新活动获得充足的资金支持和智力支持，促进城市技术研发效率的提升。同时，由于大部分前沿科技成果掌握在高校以及科研机构手中，此类机构往往更加重视理论研究、与市场脱节严重等，对科技成果的经济效益不够重视，进而导致了创新成果转化率下降。

从加入控制变量的回归结果来看，列（2）中对外开放程度对城市创新效率的回归系数在1%水平上显著为负，表明外商直接投资抑制了城市创新效率提升；人力资本水平的回归系数在1%水平上显著为正，表明随着城市高等教育的发展以及高校规模的扩大，城市能够得到有利于科技创新的优质人力资源，因此也有利于城市创新效率提升；金融发展水平对城市创新效率的回归系数在5％水平上显著为正，表明在金融发展水平越高的城市，城市创新活动过程中面临的融资困境越少，金融业能够提供更多更优质的金融服务，为城市创新效率提升助力；市场化水平对城市创新效率的回归系数在1%水平上显著正，表明市场化水平越高越会促进城市创新效率的提升。

（二）稳健性检验

1共同趋势及动态效果检验。为研究国家大数据综合试验区设立前后城市创新效率的动态变化，本文进行了政策效应的平行趋势检验。根据国家大数据综合试验区设立时间分别设置哑变量：bigdataf3表示国家大数据试验区设立之前的第三个年度取值1，否则取值0；bigdataf2表示设立之前的第二个年度取值1，否则取值0；bigdataf1表示设立之前的第一个年度取值1，否则取值0；bigdata0表示设立当年取值1，否则取值0；bigdata1表示设立之后的第一个年度取值1，否则取值0；其他变量以此类推，结果见图1。图中圆点表示政策效应的系数大小，短竖线表示置信区间。首先，通过观察图1可知国家大数据综合试验区设立之前的三个年度，bigdatafi（i=1，2，3）的估计系数值在0附近波动，说明在大数据试验区设立之前，城市创新效率的变化没有显著差异，即大数据试验区设立之前研究样本满足平行趋势假设。国家大数据综合试验区设立之后，该变量对城市创新效率的促进作用随着大数据试验区设立时间的延长表现出明显的上升趋势，这种变化很可能来自国家大数据综合试验区的设立，验证了基准回归结果的稳健性。

2剔除部分特殊样本。考虑到北京、天津、上海与重庆四个直辖市在行政等级及经济规模等方面的特殊性，本文将其从研究样本中予以剔除进行稳健性检验，回归结果见表3中列（1）和列（2）。无论是否加入控制变量，表3中bigdata变量对城市创新效率的回归系数均在1%水平上均显著为正，表明回归结果与基准回归结果基本一致，研究结论不变。

3更换城市创新水平测度方法。为增强模型估计的稳健性，本文进一步采用寇宗来和刘学悦（2017）［21］的《中国城市和产业创新力报告》中城市创新创业总指数作为城市创新效率的代理变量，重新进行实证检验。表3中列（3）和列（4）结果显示，在更换城市创新效率测度指标后，bigdata变量对城市创新效率的回归仍然在1%水平上显著为正，表明国家大数据综合试验区政策的创新驱动效应较为稳健。

4PSM-DID检验。为缓解样本选择偏差引起的内生性问题，本文采用PSM-DID方法进行稳健性检验。具体地，结合实验组与控制组变量，选取对外开放水平、政府干预、人力资本、信息化水平、金融发展水平和市场化水平等作为特征变量，采用Logit回归模型得到倾向值得分，对实施政策试点的样本与未实施政策试点的样本进行1∶1邻近匹配，得到配对后的实验组样本并进行回归分析。由表3中列（5）和列（6）可知，无论是否加入控制变量，bigdata变量对城市创新效率的回归系数均在5%水平下显著为正，表明回归结果与基准回归结果基本一致，研究结论不变。

5基于单一时点DID的估计。本文选择了2016年第二批国家级大数据示范区试点中的京津冀城市作为研究对象，进行单一时点双重差分稳健性检验。具体地，将2016年进行国家大数据示范区试点区域的京津冀作为实验组，其余非试点城市样本作为对照组。同时，由于2016年设立的其他国家大数据示范区试点城市样本可能会对回归结果产生影响，因此，本文剔除掉了其他试点城市并进行回归估计。结合表3中列（7）和列（8）可知，bigdata变量与城市创新效率的回归系数均在5%水平下显著为正，表明国家大数据综合试验区设立有利于促进城市创新效率提升，研究结论具有稳健性。

五、进一步分析：作用机制与异质性检验

（一）作用机制分析

依据前文理论分析，为进一步探究国家大数据综合试验区设立影响城市创新效率提升的作用机制，本文在模型（1）基础上，构建了模型（2）与模型（3）进行中介效应检验，具体如下：

Mit=β0+β1bigdatait+controlsit+μi+νt+εit（2）

innoit=γ0+γ1bigdatait+γ2Mit+controlsit+μi+νt+εit（3）

其中，模型（2）与模型（3）中M表示中介变量，包括企业信息化水平（info）、数据资源共享（inte）与创业活跃度变量（entr）；模型（2）中bigdata的系数β1表示国家大数据综合试验区设立对中介变量的影响，通过β1和γ2的系数是否显著判断该变量是否为国家大数据综合试验区设立提升城市创新效率的作用机制；其余变量同前文定义一致。

结合表4可知，列（1）和列（2）分别给出了国家大数据综合试验区设立对企业信息化水平的回归结果以及国家大数据综合试验区设立、企业信息化水平对城市创新效率的回归结果。其中，列（1）显示，国家大数据综合试验区设立对企业信息化的回归系数在1%水平上显著为正，表明国家大数据综合试验区设立有利于强化地区企业信息化水平。列（2）中企业信息化对城市创新效率的回归系数在5%水平上显著为正，表明企业信息化能有效促进城市创新效率提升。综上可知，国家大数据综合试验区设立可通过强化地区企业信息化建设，进而促进城市创新效率提升。同时，Sobel检验的系数为0002，在5%水平上显著，证实了企业信息化中介效应的存在性，且中介效应约占总效应的6213%。

列（3）和列（4）分别给出了国家大数据综合试验区设立对数据资源共享的回归结果及国家大数据综合试验区设立、数据资源共享对城市创新效率的回归结果。其中，列（3）显示，国家大数据综合试验区设立对数据资源共享的回归系数在1%水平上显著为正，表明国家大数据综合试验区设立有利于促进地区数据资源开放共享。列（4）中数据资源共享对城市创新效率的回归系数在1%水平上显著为正，表明数据资源共享能够有效促进城市创新效率提升。综上可知，国家大数据综合试验区设立可通过强化地区数据资源开放共享促进城市开展创新活动，进而促进城市创新效率提升。同时，Sobel检验的系数为0011，在1%水平上显著，证实了数字资源共享中介效应的存在性，且中介效应约占总效应的2956%。

列（5）和列（6）分别给出了国家大数据综合试验区设立对创业活跃度的回归结果以及国家大数据综合试验区设立、创业活跃度对城市创新效率的回归结果。其中，列（5）显示，国家大数据综合试验区设立对创业活跃度的回归系数在10%水平上显著为正，说明国家大数据综合试验区设立有利于激发城市创新活跃度。列（6）显示，创新活跃度对城市创新效率的回归系数在1%水平上显著为正，表明国家大数据综合试验区设立可通过激发创新活跃度，促进城市创新效率提升。综上，国家大数据试验区建设能够通过强化企业信息化建设、促进资源共享和激发创业活跃度提高城市创新效率，研究结果支持了假设H2。

（二）异质性检验

考虑到各城市在经济发展水平、城市规模、创新水平和国家大数据综合试验区的布局模式等方面差异明显，因此，本文从上述方面对国家大数据综合示范区影响城市创新效率的区域异质性进行考察，结果见表5。

1经济发展水平异质性。依据经济发展水平差异，本文将一、二线城市视为高经济发展水平城市，三线及以下城市视为低经济发展水平城市，检验国家大数据综合试验区设立对城市创新效率影响的异质性。由表5中列（1）—（2）可知，高经济发展水平城市中bigdata变量的回归系数为0047，在1%水平上显著为正，表明国家大数据综合试验区设立促进了高经济发展水平城市创新效率提升。而对低经济发展水平城市而言，bigdata变量的回归系数未通过显著性检验，表明国家大数据综合试验区设立对低经济发展水平城市创新效率的影响在统计上均不显著。究其原因，一、二线城市相比于三线及以下城市而言，城市发展水平相对更高，不仅具有较高的经济发展水平，且在科技创新能力方面也有较大差距，因此，在一、二线城市国家大数据综合试验区的试点政策能够得到更有利的发挥。

2城市规模异质性。依据城市人口的均值，将样本划分为大规模城市和小规模城市子样本，检验国家大数据综合试验区设立对城市创新效率影响的异质性。结合表5中列（3）—（4）可知，对小规模城市而言，bigdata变量的回归系数为0042，在1%水平上显著为正，表明国家大数据综合试验区设立促进了较小规模城市创新效率提升。而对于较大规模城市而言，bigdata变量的回归系数未通过显著性检验，表明国家大数据综合试验区设立对大规模城市创新效率的影响在统计上均不显著。

3创新水平异质性。依据城市专利申请数量的均值，将样本划分为高创新水平城市和低创新水平城市子样本，检验国家大数据综合试验区设立对城市创新效率影响的异质性。结合表5中列（5）—（6）可知，对低创新水平城市而言，bigdata变量的回归系数为0041，在1%水平上显著为正，表明国家大数据综合试验区设立促进了低创新水平城市创新效率提升。而高创新水平城市中bigdata的回归系数未通过显著性检验，表明国家大数据综合试验区设立对高创新水平城市创新效率的影响在统计上均不显著。究其原因，相对于创新水平较高的城市，在低创新水平城市中设立国家大数据综合试验区能够促使城市获得更丰裕的创新资源、优化创新环境，有利于高技术企业发展和科技投入增加，进而促进城市创新效率提升。

4跨区域布局与非跨区域布局模式异质性。截至2022年年底，国家发展改革委、工业和信息化部、中央网信办共批复了两个跨区域国家大数据综合试验区（京津冀、珠江三角洲），6个区域示范类综合试验区（贵州省、上海市、河南省、重庆市、沈阳市、内蒙古自治区）。为了更清晰地了解不同布局模式国家大数据综合试验区对城市创新效率影响的差异，本文分别检验跨区域布局与非跨区域布局模式试验区对城市创新效率的影响。结合表6中列（1）跨区域模式中bigdata变量的回归系数为0079，在1%水平上显著；列（2）非跨区域模式中bigdata变量的回归系数为0046，也在1%水平上显著，表明非跨区域模式的国家大数据综合试验区对城市创新效率的政策效果明显，但略小于跨区域模式的试验区。相较于非跨区域试验区，跨区域大数据综合试验区的设立更能加强各城市间创新主体的合作创新与知识外溢，进而促进区域创新效率提升。

5数字产业集聚异质性。采用计算机和软件从业人员数占单位从业人员的比重衡量数字产业集聚水平，依据数字产业集聚水平均值将样本划分为高数字产业集聚水平城市和低数字产业集聚水平城市进行异质性检验。表6中列（3）显示，低数字产业集聚水平城市bigdata变量的回归系数为0045，在1%水平上显著，而高数字产业集聚水平城市bigdata变量的回归结果不显著，表明国家大数据综合试验区设立主要促进了低数字产业集聚水平城市创新效率提升。究其原因，相比高数字产业集聚城市而言，国家大数据综合试验区设立带来的制度红利，更能够推进低数字产业集聚城市的数据资源应用、数据要素流通等，为城市创新效率提升提供了有利的政策支持。

六、结论与启示

本文实证考察了国家大数据试验区设立对城市创新效率的影响及作用机制。主要结论如下：（1）国家大数据试验区设立显著促进了城市创新效率提升，通过采用平行趋势、PSM-DID方法和单一时点DID等检验，研究结果依然稳健；且国家大数据试验区设立能够有效提升城市技术研发效率。（2）作用机制检验发现，国家大数据试验区设立可通过强化企业信息化建设、数据资源共享和城市创业活跃度促进城市创新效率提升。（3）异质性检验发现，经济发展水平较高城市、大规模城市、低数字产业集聚水平城市、低创新水平城市，国家大数据试验区设立促进了城市创新效率提升。相比于非跨区域布局模式，跨区域布局模式的国家级大数据综合试验区政策试点对城市创新效率的促进作用更加明显。

基于研究结论得到如下启示：

第一，各地区应加大以大数据中心为主的数字基础设施建设力度，充分释放其对城市创新的重要作用。一方面，支持试点地区总结先行先试的成功经验，有序扩大国家大数据综合试验区示范城市的实施范围，逐步构建数据驱动型创新体系，促进各城市创新要素、创新主体间有机衔接，进而提高城市创新效率；另一方面，要贯彻实施“数字中国”战略，加快5G基站、大数据中心、工业互联网等基础设施建设步伐，促进城市数字化、智能化升级与经济社会转型需求相结合，激发城市创新活力。

第二，探索国家大数据综合试验区建设促进城市创新效率的多维路径，形成数字基础设施建设与城市创新相互共进的发展格局。一是充分利用数字基础设施的泛在使能性，对企业信息系统分层次进行构建，形成真正意义上的电子商务信息化，从根本上提高企业信息化前进脚步；二是充分发挥数字基础设施的资源配置优势，推进公共数据资源开放，提高数据中心的规模化效益，构建数据与创新要素的开放共享机制，破除数据及各类创新要素的流动障碍；三是充分利用数字基础设施在社会经济各领域的应用和渗透，使得创业者较容易获得高效的创新资源，推动创新思维的产生和碰撞，促使创新溢出红利得以释放，激发城市创新活力，塑造数字基础设施建设与城市创新“双轮驱动”的发展格局。

第三，各地区应结合本地经济发展水平、数字产业集聚程度及国家级大数据示范区的布局模式等，因地制宜地推进大数据中心建设。如对于小规模、低经济发展水平等城市应努力促进本地数字基础设施建设、营造良好的营商环境、加大科技创新支持力度，形成自身的比较优势，充分激发后发优势；而对于高数字产业集聚水平和高创新水平城市应防止受到亲缘、地缘等社会关系网络影响阻碍人力资本、技术和产业的跨区流动，应发展多样化产业和创新要素集聚，激发区域创新活力。同时，在试点经验推广过程中，各城市应结合不同城市的实际情况，构建具有地方特色国家大数据综合试验区，推动完善国家大数据综合试验区建设合理布局，使中国创新体系建设更具包容性。

参考文献：

［1］刘传明，马青山.网络基础设施建设对全要素生产率增长的影响研究——基于“宽带中国”试点政策的准自然实验［J］．中国人口科学，2020（3）：75-88，127-128.

［2］曹跃群，郭鹏飞，杨玉玲.网络基础设施投入对区域经济高质量增长的影响研究——基于生产性资本存量的估算［J］．管理评论，2022，34（3）：19-30+54.

［3］张永恒，王家庭.数字经济发展是否降低了中国要素错配水平？［J］．统计与信息论坛，2020，35（9）：62-71.

［4］何理，冯科，朱诗瑶.互联网发展影响区域创新的产业、资金、人才机制研究［J］．统计与信息论坛，2023，38（5）：14-26.

［5］张龙鹏，钟易霖，汤志伟.智慧城市建设对城市创新能力的影响研究——基于中国智慧城市试点的准自然试验［J］．软科学，2020，34（1）：83-89.

［6］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.

［7］张杰，付奎.信息网络基础设施建设能驱动城市创新水平提升吗？——基于“宽带中国”战略试点的准自然试验［J］．产业经济研究，2021（5）：1-14+127.

［8］谢文栋.“新基建”与城市创新——基于“宽带中国”战略的准自然实验［J］．经济评论，2022（5）：18-34.

［9］姜竹，徐思维，刘宁.信息基础设施、公共服务供给效率与城市创新——基于“宽带中国”试点政策的实证研究［J］．城市问题，2022（1）：53-64.

［10］邱子迅，周亚虹.数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析［J］．财经研究，2021，47（7）：4-17.

［11］侯林岐，程广斌，王雅莉.国家级大数据综合试验区如何赋能企业数字化转型［J］．科技进步与对策，2023，40（21）：45-55.

［12］KarlssonC，MaierG，TripplM，etal.ICTandRegionalEconomicDynamics：ALiteratureReview［R］．JRCScientificandTechnicalReports，2010.

［13］孙伟增，郭冬梅.信息基础设施建设对企业劳动力需求的影响：需求规模、结构变化及影响路径［J］．中国工业经济，2021（11）：78-96.

［14］王俊豪，周晟佳.中国数字产业发展的现状、特征及其溢出效应［J］．数量经济技术经济研究，2021，38（3）：103-119.

［15］郭吉涛，朱义欣.数字经济、区域创新效率与地区创业活力［J］．哈尔滨商业大学学报（社会科学版），2022（1）：98-111.

［16］EliaG，MargheritaA，PassianteG.DigitalEntrepreneurshipEcosystem：HowDigitalTechnologiesandCollectiveIntelligenceAreReshapingtheEntrepreneurialProcess［J］．TechnologicalForecastingandSocialChange，2020，150：119791.

［17］JacobidesMG，CennamoC，GawerA.TowardsaTheoryofEcosystems［J］．StrategicManagementJournal，2018，39（8）：2255-2276．

［18］刘斌，魏倩，吕越，等.制造业服务化与价值链升级［J］．经济研究，2016，51（3）：151-162.

［19］王栋，赵志宏.金融科技发展对区域创新绩效的作用研究［J］．科学学研究，2019，37（1）：45-56.

［20］RoperS，DuJ，LoveJH.ModellingtheInnovationValueChain［J］．ResearchPolicy，2008，37（6）：961-977.

［21］寇宗来，刘学悦.中国城市和产业创新力报告2017［R］．上海：复旦大学产业发展研究中心，2017.

TheInfluenceofBigDataCenterConstructiononUrbanInnovationEfficiency

——AQuasi-naturalExperimentbasedontheNationalBigDataComprehensivePilotZone

HUJingwei1a，2，GUOJinhua1b，CHENXin1b

（1.ShanxiUniversityofFinanceandEconomics，a.ResearchDepartment，b.SchoolofBusiness

Administration，Taiyuan030006，China;2.SchoolofEconomicsandManagement，TaiyuanUniversity

ofTechnology，Taiyuan030024，China）

Abstract：Acceleratingtheconstructionofdigitalinfrastructurerepresentedbybigdatacentersisofgreatsignificancetoachievinghigh-qualitydevelopmentandpromotingurbaninnovationanddevelopment.Withtheestablishmentofthe“NationalBigDataComprehensivePilotZone”asthestandardnaturalexperiment，basedontheresearchsamplesof285prefecture-levelcitiesinChinafrom2011to2019，thispaperinvestigatestheimpactoftheconstructionofnationalbigdatacentersontheefficiencyofurbaninnovationanditsmechanismbyusingthemethodofdifferentialdifference.Thestudyfoundthat：theconstructionofbigdatacentershassignificantlypromotedtheimprovementofurbaninnovationefficiency，anditcaneffectivelyimprovetheefficiencyofurbantechnologyresearchanddevelopment;Themechanismtestfoundthat，theconstructionofbigdatacenterscanpromotetheimprovementofurbaninnovationefficiencybystrengtheningenterpriseinformatization，dataresourcesharingandenhancingurbanentrepreneurshipactivity;Theheterogeneitytestfoundthat，citieswithhighlevelofeconomicdevelopment，large-scalecities，citieswithlowdigitalindustrialagglomerationlevelandcitieswithlowinnovationlevel，bigdatacenterconstructionpromotestheefficiencyofurbaninnovation.Comparedtothenon-cross-regionallayoutmode，thenationalbigdatacomprehensivepilotzonepolicypilothasplayedamoreobviousroleinpromotingurbaninnovationefficiency.Theresearchconclusionsprovideareferenceforimprovingtheconstructionqualityofnationalbigdatacomprehensivedemonstrationzonesandacceleratingthepromotionandimplementationofinnovation-drivendevelopmentstrategies.

Keywords：nationalbigdatacomprehensivepilotarea;urbaninnovationefficiency;doubledifferencemethod;intermediarymechanism

（责任编辑：赵春江）