新质生产力视角下省际创业活跃度提升路径研究

摘 要：在当前中国经济发展新常态下，创业活跃度成为衡量一个地区经济活力和创新能力的重要指标，本文从新质生产力视角出发，以中国30个省份2012—2022年的数据为样本，实证检验新质生产力对省际创业活跃度影响。研究发现新质生产力对创业活跃度具有显著的正向影响；政府债务水平较高的省份往往具有更高的创业活跃度；进一步分析显示：不同地区之间新质生产力对创业活跃度的影响存在异质性，在东部地区较为显著；与地区经济发展水平、产业结构、政策环境等因素有关；同时地区竞争程度作为中介变量，在新质生产力与创业活跃度之间起到了桥梁作用。因此，各省份要加大科技创新的力度，培养创新型人才，积极推动传统产业转型升级，优化创业生态环境，充分发挥新质生产力推动创业活跃度。

关键词：新质生产力；创业活跃度；创新创业

一、引言及文献综述

创业活跃度是城市经济活力的重要体现。在新经济时代，创新创业已成为推动经济增长和转型升级的关键力量[1]。国务院在“十四五”规划中也明确指出，要进一步深化创业创新，通过吸纳更多就业来切实保障和改善民生，让发展的成果惠及更多人民群众。提升城市创业活跃度，不仅可以促进科技创新和产业升级，还可以带动就业增长和经济效益提升，对于推动城市经济持续健康发展具有重要意义[2]。新质生产力是促进城市创业活跃度提升的重要驱动力量。新质生产力作为新经济时代的核心概念，强调以创新为主要动力推动经济增长和社会发展。在中国城市创业活跃度提升过程中，新质生产力的培育和发展至关重要。只有不断注入创新元素，才能推动城市创业活动蓬勃发展，实现经济转型升级和可持续发展[3]。由此看来，地区的新质生产力发展必将对该地区的创新创业活跃度产生重要影响。但由此也引发出一系列需要回应的理论及实践问题：一是理论层面，新质生产力如何影响城市创新创业活跃度，其内在机理是什么？二是实践层面，新质生产力对城市创新创业活跃度的影响效应如何？对上述问题的理论回应和实证检验，无疑具有重要的理论和现实意义。

关于新质生产力的研究，目前主要集中在对其内涵特征的深入剖析上。从现有的学术成果来看，学者们普遍从性质、生态、动力、效率和价值等多个维度来全面阐释新质生产力的丰富内涵。在性质层面，钟茂初将新质生产力界定为一种前沿的、先进的生产力形态，他认为，这种生产力是由“颠覆性技术创新”作为核心生产要素，有效配置其他资源要素，从而形成的引领性力量[4]。从生态视角出发，韩文龙将新质生产力视为一种可持续生产力[5]。在动力维度上，万长松赋予了新质生产力创新驱动型的新标签[6]。效率方面，杜传忠将新质生产力描述为一种高效的生产力。他指出，在数字经济时代和新兴技术的融合下，新质生产力相较于传统生产力，展现出了更高的效能和更优质的产出[7]。最后，从价值维度来看，赵峰将新质生产力视为实现经济高质量发展的社会生产力。他认为，新质生产力不仅促进了经济的快速增长，更在推动社会进步、提升人民福祉方面发挥了重要作用[8]。学界从不同角度深入探讨了新质生产力的内涵特征，普遍将其视为一种先进、绿色、创新驱动和高效的生产力形态，对于推动经济社会的高质量发展具有重要意义。

关于创新创业的研究，早期学者们主要围绕其内涵的界定、现实意义等层面进行了深入的定性探讨。李时椿等强调了创新在创业过程中的核心地位，以及创新在推动创业成功中的重要作用[9]。Samila等认为创业活动在推动经济增长、创造就业机会和促进技术创新等方面扮演着重要角色[10]。随着研究的深入，研究者们逐渐将焦点转向了对创新创业效率的量化评估，并探索了市场一体化、产业转移以及地方政府间竞争等多重因素对创新创业活动的影响。王超超等从企业的微观视角切入，聚焦于京、沪、津、深、渝这五大城市的创新创业生态。他基于创新创业潜力、活力以及成效三个维度进行了细致的评价，展现了这些城市在创新创业领域的独特魅力和竞争力[11]。吕爽等的研究从成果产出、要素投入、社会环境以及经济发展这四个核心维度出发，综合评估了我国创新创业的活跃度[12]。

综上所述，目前新质生产力主要集中在定性研究，鲜有文献进行新质生产力的定量研究，关于新质生产力对创业活跃度的研究则相对较少。基于此，本文利用中国30个省份2012—2022年的数据实证考察新质生产力对中国省际创业活跃度的影响以及作用机制。与已有文献相比，本文的拓展之处在于：首先，构建了更为科学合理的新质生产力测度指标体系。在评估中国省际新质生产力水平时，考虑到其多维性，本文基于新质劳动者、新质劳动对象、新质生产资料三个方面，共选取21个具体指标，采用机器学习来构建一个综合性的新质生产力指数。其次，丰富了新质生产力与中国省际创业活跃度的相关文献。本文基于新质生产力角度，探索其是否会影响中国省际创业活跃度，厘清了其中的作用机制，并进行了区域异质性分析，是对已有相关文献的有益补充。第三，研究结论对于更好地提高中国城市创业活跃度，推动新质生产力发展，经济高质量发展提供了一定启发。

二、理论分析和研究假设

（一）新质生产力对创新和创业活动的直接影响

新质生产力作为对创新起主导作用的先进生产力质态，通过技术革命性突破、生产要素创新性配置以及产业深度转型升级，为城市创新和创业活动提供了强大的动力。综合来看，新质生产力对城市创新创业活动的影响主要体现在以下三个方面：一是技术推动，新质生产力往往伴随着新技术的出现和应用，如人工智能、大数据、云计算等，新质生产力中的科技创新要素，是推动城市创新和创业活动的核心力量，这些技术不仅提高了生产效率，也为创新创业提供了新的思路和方向[13]；二是资源配置优化，新质生产力强调资源的高效利用和合理配置，通过提高资源利用效率，降低生产成本，使得更多的创业者有机会参与到创新创业活动中来。同时，资源的合理配置也有助于减少创新创业过程中的不确定性和风险[14]，提高成功率，为城市创新和创业活动创造了更好的环境。高效的生产力水平意味着企业能够以更低的成本、更高的质量进行生产，从而有更多的资源和精力投入创新活动中。同时，资源的优化配置也使得创新活动更加顺畅，减少了因资源短缺或配置不当而导致的创新障碍；三是产业结构调整，新质生产力引领产业结构调整和升级，为城市创新创业活动提供了更广阔的空间和机会[15]。随着新质生产力的发展，传统产业将逐渐转型升级，新兴产业将不断涌现。这些新兴产业往往具有高技术含量、高附加值的特点，为创新创业提供了更多的机会和可能性。同时，产业结构的调整也将带动相关产业链的发展，形成创新创业的良性循环。基于以上分析，本文提出：

假设1：新质生产力与创业活跃度之间存在正相关关系，即新质生产力的提升能够显著促进创业活跃度的增加。

（二）不同区域之间新质生产力对创业活跃度的影响

由于当前中国的东中西部之间仍然存在发展不平衡的现象，不同区域在资源禀赋、经济发展水平、政策支持等多方面的差异。资源禀赋的差异直接影响到新质生产力在该区域的发展水平和方向，进而影响到创业活动的活跃度和质量。同时经济发达的地区往往具有更高的市场化程度、更完善的产业链条和更丰富的创新资源，这些都有利于新质生产力的快速发展和创业活动的繁荣。不同区域在政策支持方面也存在差异，包括财政支持、税收优惠、创业培训等方面。政策差异直接影响到创业者的创业意愿和创业活动的质量[16]。一些地区可能出台更加优惠的政策措施，吸引更多的创业者前来创业，提高创业活跃度。基于以上分析，本文提出：

假设2：不同区域之间新质生产力对创业活跃度的影响存在异质性。

（三）新质生产力增强市场竞争程度对创新和创业活动的影响

新质生产力的提高推动了新兴产业的快速发展和传统产业的转型升级，为创业活动提供了新的领域和机会。在市场竞争的推动下，企业会不断探索新的市场空白和消费者需求，通过技术创新和商业模式创新来拓展业务领域，激发企业的创新活力。加大在研发、设计、生产等各个环节的创新投入，以推出更具市场竞争力的新产品、新技术和新服务[17]。同时市场竞争强度的增加有助于优化创新创业环境。政府为了鼓励创新和创业活动，会出台一系列的政策措施，以降低创业门槛和创业成本，提高创业成功率[16]。市场竞争强度还能够促进创新人才的培养。在市场竞争的压力下，企业需要具备更强的创新能力和人才储备。因此，企业会加大在人才培养和引进方面的投入，吸引更多的创新人才加入。这些人才将成为推动新质生产力在创新和创业活动中发挥更大作用的重要力量。基于以上分析，本文提出：

假设3：市场竞争程度在新质生产力与创业活跃度之间起到中介作用，即新质生产力的提升会通过增强市场竞争程度来间接促进创业活跃度的增加。

三、研究设计

（一）数据来源

本研究选取我国31个省份2012—2022年的样本数据，在收集过程中，由于西藏的数据大量缺失，故本文将西藏进行剔除，其余缺失值采用插值法进行填充。最终为30个省份11年的样本数据，共330个样本。数据主要来源于国泰安数据库，北京大学企业大数据研究中心，各个省份工业、能源、环境统计年鉴和中国统计年鉴。具体而言，被解释变量创业活跃度（EA）的数据来源于北京大学编制的区域创新创业指数，综合反映了各地区的创新创业活跃程度。解释变量新质生产力（NQPI）是基于主成分分析法（PCA）对多个相关指标进行合成得到的综合性指标。此外，控制变量包括对外开放程度（OPEN）、数字化水平（DL）、金融发展水平（FIN）、消费水平（CPI）和政府干预程度（GIL），分别通过进出口总额占GDP的比例、省级上市公司年报中的关键词词频、金融机构存贷款余额占GDP的比例、居民消费价格指数以及政府财政支出与GDP的比值来衡量。中介变量市场竞争程度（MCL）通过地区的法人单位数量来反映。具体指标选取如表1。

（二）变量设定

1. 被解释变量

创业活跃度（EA）作为本研究的被解释变量，反映了各地区创新创业的活跃程度。采用北京大学编制的区域创新创业指数作为衡量标准，该指数从新建企业数量、吸引外来投资、吸引风险投资、专利授权数量和商标注册数量5个维度，运用客观性产出类指标，实现对中国各地区创新创业活力更加真实的度量。

2. 解释变量

本研究的解释变量为新质生产力（NQPI），它代表了基于新技术、新产业、新业态和新模式等要素形成的生产力。通过主成分分析法（PCA），本研究将多个与新质生产力相关的指标进行合成，得到一个综合性的新质生产力指数。具体而言，为了全面衡量新质生产力的水平，本研究构建了一个包括目标层、准层和一级、二级指标在内的指标体系。目标层即新质生产力（NQPI），准层包括新质劳动者、新质劳动对象和新质生产资料三个方面，具体包含了21个二级指标（见表2）。

3. 控制变量

为了更准确地揭示新质生产力与创业活跃度之间的关系，本研究还引入了多个控制变量。其中，对外开放程度（OPEN）反映了各地区对外经济开放的广度和深度；数字化水平（DL）通过上市公司年报中的关键词词频来衡量，反映了各地区数字化发展的水平；金融发展水平（FIN）和金融机构存贷款余额占GDP的比例来衡量，反映了各地区金融服务的完善程度；消费水平（CPI）通过居民消费价格指数来衡量，反映了各地区居民的消费能力和消费结构。政府干预程度通过政府财政支出和GDP的比值进行衡量，反映了政府在区域中的作用程度。

4. 中介变量

市场竞争程度（MCL）作为本研究的中介变量，通过地区的法人单位数量来反映。市场竞争程度的提高可以促进创新创业活动的增加，进而提升创业活跃度。因此，研究市场竞争程度在新质生产力与创业活跃度之间的作用机制具有重要意义。

（三）模型设定

基于上述研究假设，本研究构建以下面板回归模型来检验新质生产力对创业活跃度的影响以及市场竞争程度的中介效应。首先，为了检验假设1，本文构建以下基准回归模型：

其中，[EAit]表示第i个省份第t年的创业活跃度，[NQPIit]表示第i个省份第t年的新质生产力指数，[xit]表示控制变量（开放度、金融发展程度、消费者价格指数等），β0是截距项，[α1]是新质生产力指数的系数，[βi]是控制变量的系数向量，[εit]是误差项。

此外，为了检验假设2，进一步构建以下中介效应模型：

步骤1（同基准模型）：

步骤2（检验新质生产力对市场竞争程度的影响）：

其中，[MCLit]表示市场竞争程度，γ0是截距项，γ1​ 是新质生产力指数的系数，[βi]是控制变量的系数向量，[εit]是误差项。

步骤3（检验新质生产力和市场竞争程度对创业活跃度的影响）：

其中，[η0]是截距项，[η1]、[η2]是新质生产力指数和市场竞争程度的系数，[βi]是控制变量的系数向量，[εit]是误差项。如果步骤1中[α1]显著，步骤2中γ1显著，步骤3中[η1]的显著性降低且[η2]显著，可以认为市场竞争程度在新质生产力与创业活跃度之间起到了中介作用。

（四）变量的描述性统计分析

所有变量的描述性统计结果如表3所示。

新质生产力指数（NQPI）的均值为35.30，标准差较大（17.99），表明各省份间的新质生产力水平存在显著差异。创业活跃度（EA）的均值为79.65，同样显示出一定的波动性。偏度和峰度值揭示了部分变量的非正态性。创业活跃度（EA）呈现出尖峰左偏的形态。而新质生产力指数（NQPI）呈现出尖峰右偏的形态。Jarque-Bera统计量及其对应的p值说明除了消费水平，其余变量均不服从正态分布。此外，从描述性统计可以看出：数字化水平（DL）数值较大，与其他变量不在同一单位量级，故后续在回归分析中对于DL进行取对数处理。

（五）相关性分析

相关性分析表明（见表4），新质生产力指数（NQPI）与创业活跃度（EA）之间存在显著的正相关关系（r=0.54），说明新质生产力水平较高的省份往往具有更高的创业活跃度。EA与OPEN（开放度）的相关性系数为0.41，呈现中等程度的正相关。说明更开放的经济环境有利于创业活动的增加。EA与DL的相关性系数为0.38，同样显示为正相关。表明劳动力资源的丰富性和创业活跃度之间存在正相关关系。此外，EA与FIN、CPI和GIL的相关系数的绝对值较小。值得注意的是，相关分析不是因果分析，因此，还需要进行回归分析。

四、基于机器学习的省际新质生产力指数测度

在评估省际新质生产力水平时，考虑到其多维性，本研究采用机器学习中的主成分分析法（PCA）来构建一个综合性的新质生产力指数。PCA是一种常用的降维技术，它能够在保留原始数据大部分信息的同时，将多个相关变量转化为少数几个不相关的主成分，从而简化数据结构并揭示变量之间的内在关系。

（一）KMO检验

在进行主成分分析之前，首先需要对数据进行KMO检验，以确保数据适合进行主成分分析。KMO检验用于测量变量之间的偏相关性，其值越接近1，表示变量间的相关性越强，越适合进行主成分分析。巴特利特球形度检验用于检验数据的分布是否满足多变量正态分布的总体，如果显著（即p值小于0.05），表明数据适合进行主成分分析。

如表5所示，KMO值为0.739，大于0.7的通常接受标准，表明变量间的相关性较强，适合进行主成分分析。同时，巴特利特球形度检验的近似卡方值为6467.181，显著性水平为0.000，小于0.05的显著性水平，拒绝原假设，说明数据适合进行主成分分析。

（二）主成分提取

在主成分分析中，根据特征值大于1的标准，本文提取了5个主成分，并计算了解释的总方差。

如表6所示，前五个主成分的累积方差百分比达到了73.061%，表明这五个主成分能够解释原始数据中大部分的信息。因此，本文选择前五个主成分作为新质生产力的代表性指标。同时，本文还计算了每个变量在主成分分析中的公因子方差，即变量在提取的主成分上的方差。

如表7所示，大部分变量的公因子方差都在0.5以上，表明这些变量在主成分分析中有较好的解释力。

（三）新质生产力的合成

旋转后的成分得分矩阵如下表8所示，其提供了每个变量在各个主成分上的载荷系数。这些载荷系数反映了变量与主成分之间的相关性，即变量对主成分的贡献程度。

从上表中可以看到每个变量在各个主成分上的载荷系数。这些系数反映了变量与主成分之间的相关性，并可用于计算各个主成分上的得分。具体来说，对于每个省份，本文将其在各个变量上的值与该变量在对应主成分上的载荷系数相乘，然后将结果相加，即可得到该省份在该主成分上的得分。此外，为了进一步将这些主成分综合成一个综合的新质生产力指数，本文采用了加权求和的方法。权重为每个主成分的方差百分比。新质生产力指数（F）的计算公式如下：

五、实证结果分析

（一）基准回归分析

基准回归模型的结果揭示了新质生产力对创业活跃度的影响（见表9）：

在模型（1）中，仅考虑新质生产力指数作为解释变量，结果显示新质生产力对创业活跃度具有显著的正向影响（系数为0.3782，t统计量为11.5750）。在模型（2）至（6）中，本文逐步加入了其他控制变量，以更全面地考察新质生产力对创业活跃度的影响。结果显示，在加入控制变量后，新质生产力的系数仍然显著为正，且系数值相对稳定，说明新质生产力显著促进省际创业活跃度，假设1得到验证。

此外，从控制变量来看，政府债务水平（DL）的系数为正，表明政府债务水平较高的省份往往具有更高的创业活跃度，这与政府债务对基础设施建设和公共服务的支持有关。金融发展水平（FIN）的系数为负，反映了金融市场的波动性和不确定性对创业活动的负面影响。政府干预水平（GIL）的系数为正，表明政府政策对创业活动的支持有助于提升创业活跃度。

在模型选择方面，随着控制变量的加入，模型的R²值逐渐增加，说明模型对数据的拟合度逐渐提高。同时，F统计量的值也较大，且对应的概率值均小于0.01，表明模型的整体解释力较强。

（二）稳健性检验

在稳健性检验中（见表10），通过将新质生产力指数（NQPI）滞后一期（NQPI（-1））以及滞后一期（NQPI（-2））作为解释变量，以检验基准回归结果的稳健性。将新质生产力指数（NQPI）滞后一期的原因在于创业活动不是独立的，往往会受到前期经济、环境等影响，因此，前期的新质生产力更能表示滞后影响。

结果显示，滞后一期的新质生产力指数（NQPI（-1））对创业活跃度（EA）仍然具有显著的正向影响（系数为0.1087，t统计量为2.3080，在5%显著性水平下显著），滞后二期的新质生产力指数（NQPI（-2））对创业活跃度（EA）也具有显著的正向影响（系数为0.0930，t统计量为1.9666，在10%显著性水平下显著）表明新质生产力对创业活跃度的影响具有持续性。同时，其他控制变量的符号和显著性未发生明显变化，增强了模型的稳健性。

（三）异质性分析

异质性分析旨在探讨不同地区之间新质生产力对创业活跃度影响的差异（见表11）。

根据模型结果，东部、中部、西部和东北地区的新质生产力指数（NQPI）对创业活跃度（EA）的影响存在显著差异。东部地区的新质生产力指数对创业活跃度有显著的正向影响（系数为0.1930，t统计量为3.1238），而中部、西部和东北地区的新质生产力指数对创业活跃度的影响不显著或存在负向影响。结果表明，不同地区之间新质生产力对创业活跃度的影响存在异质性，与地区经济发展水平、产业结构、政策环境等因素有关。假设2得到验证。

（四）中介效应检验

为了验证假设3，本文进行了中介效应检验（见表12）：

从中可以看出：模型（1）检验了新质生产力对创业活跃度的影响。结果表明，新质生产力对创业活跃度具有显著的正向影响，即新质生产力的提升能够促进创业活动的增加。模型（2）检验了新质生产力对中介变量地区竞争程度（MCL）的影响。结果显示，新质生产力对地区竞争程度具有显著的正向影响（系数为0.0138，t统计量为4.6136）。说明新质生产力的提升能够增强地区的竞争程度。模型（3）将地区竞争程度和新质生产力同时作为解释变量纳入模型，以检验地区竞争程度是否作为中介变量影响了新质生产力与创业活跃度之间的关系。结果显示，当中介变量地区竞争程度被纳入模型后，新质生产力对创业活跃度的直接影响系数显著下降（从0.1149降至0.0398），但地区竞争程度对创业活跃度的影响仍然显著为正（系数为4.0484，t统计量为5.9883）。符合中介效应的存在条件，即当加入中介变量后，原先的解释变量（新质生产力）对被解释变量（创业活跃度）的影响减弱，而中介变量对被解释变量的影响显著。因此，可以说明地区竞争程度在一定程度上解释了新质生产力对创业活跃度的影响，即新质生产力通过提升地区竞争程度进而促进了创业活动的增加。验证了假设3，即地区竞争程度作为中介变量，在新质生产力与创业活跃度之间起到了桥梁作用。

六、结论与建议

本文通过中国30个省份2012-2022年的数据实证研究探讨了新质生产力对中国城市创业活跃度的提升路径。主要研究结论如下：第一，新质生产力对创业活跃度具有显著的正向影响，新质生产力能够显著促进省际创业活跃度。第二，不同地区之间新质生产力对创业活跃度的影响存在异质性，与地区经济发展水平、产业结构、政策环境等因素有关，其中在东部地区影响较为显著。第三，地区竞争程度在一定程度上解释了新质生产力对创业活跃度的影响，即新质生产力通过提升地区竞争程度进而促进了创业活动的增加。

基于以上研究结论，本文提出以下建议：

第一，加大科技创新的力度，增加科研投入，建立一批高水平的科技创新平台，吸引和培养创新型人才。通过科技成果转化，形成具有市场竞争力的新产品、新业态，为创业者提供更多商业机会和创业灵感。

第二，积极推动传统产业转型升级，发展新兴产业，形成多元化、高附加值的产业结构。通过引导资本、技术、人才等要素向新兴产业集聚，培育一批具有创新能力和市场潜力的创业企业。同时，鼓励传统产业企业通过技术创新、管理创新等方式实现转型升级，为创业者提供更多创业空间和发展机遇。

第三、优化创业生态环境，打造良好的创业生态环境，为创业者提供全方位的支持和服务。包括简化创业流程、降低创业成本、提供税收优惠等政策支持；建立创业孵化器、加速器等创业服务机构，提供场地、资金、人才等一站式服务；加强创业教育和培训，提升创业者的素质和能力。

第四，激发市场主体活力，充分发挥市场在资源配置中的决定性作用，激发各类市场主体的活力。鼓励大型企业通过开放创新、合作共享等方式，与创业者形成紧密的产业链合作关系；支持中小微企业发挥灵活创新的优势，快速响应市场需求，成为城市创业活跃度的重要力量。

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] 周韬.空间竞争视阈下中国城市群形成与发展的动力、模式及对策研究[J].社科纵横，2020，35（1）：39-44.

[3] 徐政，郑霖豪，程梦瑶.新质生产力赋能高质量发展的内在逻辑与实践构想[J].当代经济研究，2023（11）：51-58.

[4] 钟茂初.“新质生产力”发展演进及其增长路径的理论阐释[J].河北学刊，2024，44（2）：151-157.

[5] 韩文龙，董鑫玮，唐湘.新质生产力与绿色发展的辩证关系与实践路径[J/OL].电子科技大学学报（社科版）， 1-10[2024-05-09].

[6] 万长松，徐志源，柴亚杰.新质生产力论[J].河南师范大学学报（哲学社会科学版），2024，51（2）：1-6.

[7] 杜传忠，疏爽，李泽浩.新质生产力促进经济高质量发展的机制分析与实现路径[J].经济纵横，2023（12）：0-28.

[8] 赵峰，季雷.新质生产力的科学内涵、构成要素和制度保障机制[J].学习与探索，2024（1）：92-101+175.

[9] 李时椿，刘冠.关于创业与创新的内涵、比较与集成融合研究[J].经济管理，2007（16）：76-80.

[10] SAMILA，S. ，SORENSON O.，Venture Capital，Entrepreneurship and Economic Growth，Review of Economics and Statistics[J].2011，93（1）：338-349.

[11] 王超超.基于企业视角的重庆创新创业活跃度评价及与京津沪深的比较[J].科技管理研究，2018，38（22）：64-69.

[12] 吕爽，谭军华，刘帅等.中国创新创业活跃度的连续动态测度及时空差异分解[J].统计与决策，2022，38（7）： 72-76.

[13] 任保平，王子月.数字新质生产力推动经济高质量发展的逻辑与路径[J].湘潭大学学报（哲学社会科学版），2023，47（6）：23-30.

[14] 曹裕，杨方杰，刘凡璠.资源配置视角下数字普惠金融对区域创新创业的影响研究[J].湖南大学学报（社会科学版），2023，37（6）：36-43.

[15] 杜传忠，李钰葳.强化科技创新能力加快形成新质生产力的机理研究[J].湖南科技大学学报（社会科学版），2024，27（1）：100-109.

[16] 张安军，叶彤.产品市场竞争、财政补贴与资本配置效率[J].财经论丛，2022（5）：34-45.

[17] 任希丽.技术差距、市场竞争与制造业技术创新[J].统计与决策，2021，37（21）：127-131.

作者简介：杨杰（1977— ），男，安徽蚌埠人，安徽财经大学副教授，博士，硕士生导师，研究方向为跨国公司与外商投资，陈德钦（2003— ），男，福建莆田人，安徽财经大学学生，研究方向为产业经济学；王娜（1982— ），女，山东莱芜人，安徽财经大学副教授，博士，硕士生导师，研究方向为文化创意旅游与管理。