生态位视角下城市数字化对创新空间演变的影响与异质性分析

摘要： 数字化是新质生产力的重要支撑，以其生态化属性赋能城市发展，进而塑造城市创新格局。基于宽度、高度和重叠度的三维生态位理论，构建城市数字化影响创新空间演变的分析框架，并使用2011—2021年284个城市面板数据开展实证检验。研究发现：城市数字化激发了城市创新活力，尤其是良好的数字生态提高后发城市的创新吸收能力，从而缩小后发城市与先发城市间的创新差距，使我国创新空间演化呈现条件β收敛特征；数字化对创新空间演变的影响取决于城市所处的数字生态位，其中生态位宽度和高度的提升能够提高后发城市的创新吸收能力；生态位的适度重叠有利于促进城市间科创资源共享和价值共创，且该作用受到城市间认知邻近性的调节；不同城市在数字化赋能过程中分化为领跑型、赶超型、中等型、发展型、落后型5种类型，对不同类型城市存在差异化的数字发展策略。研究发现为激发城市数字化发展新动能、促进城市协同创新提供了新思路。

关键词：城市数字化；数字生态位；城市创新空间演化

中图分类号：F270 文献标识码：A

基金项目：国家社会科学基金重大项目“雄安新区创新生态系统构建机制与路径研究”（18ZDA044）；教育部哲学社会科学实验室专项基金项目“区域重大战略实施对中国经济高质量发展的影响机制与提升路径研究”（H0122711）；国家社会科学基金“数字经济背景下平台赋能数实企业融通创新的机制、路径与政策研究”（23BGL056）。

0 引言

当前，全球新一轮科技革命和产业变革加速演进，提升科技创新能力已成为培育新质生产力、推进中国式现代化的必然选择。习近平总书记明确提出，中国一定要大力发展科学技术，努力成为世界主要科学中心和创新高地[1]。这需要从根本上解决我国科技创新资源分散、重复、低效的问题。城市是创新活动的重要空间载体，是国家创新体系的组织和功能基础。长期以来，受区域非均衡发展模式影响，我国城市创新功能及创新绩效呈现显著的分化态势：先发城市依托创新资源优势，往往成为创新链中高价值增量环节的集聚地，同时对其他城市产生巨大“虹吸”效应；而后发城市创新功能相对薄弱，创新链地位存在“低端锁定”风险，导致区域创新“落差”过大、协同创新难度较高，在提升创新体系整体效能方面存在较大的“帕累托改进”空间。因此，亟须推动后发城市的高质量追赶，支持不同城市的高水平优势互补、协调共进，推动创新空间格局的均衡化转型。

作为新科技革命最为典型的特征之一，数字化正在加速融入创新活动各环节与全过程，激发城市创新活力。一方面，数字化具有强大的赋能作用，通过激发数据要素、数字技术等的潜能，引导各应用领域实现创新性突破。在城市发展进程中，数字化赋能主要表现在数字技术创新应用、数字经济发展潜力提升、数字基础设施环境改善等方面，使得物理空间下的城市与虚拟空间下的“数字城市”共同支撑城市复杂系统运转[2]。另一方面，数字化赋能下的城市创新活动打破了组织壁垒、地理限制等，利用数据、技术等要素的扩散效应和网络外部性效应合理配置创新资源。因此，城市依托数字技术将数据要素解析化、创新要素网络化、生产活动智能化等，使得区域创新活动复杂性增强[3]，并呈现网络性的泛在关联等特征，提升了城市创新效率[4]。同时，数字化赋能能够释放城市创新发展动能，在企业、城市的转型升级过程中发挥积极作用。

基于上述背景，数字化能否优化创新空间格局，特别是推动后发城市实现创新赶超，成为学界关注的热点问题。一种观点认为，城市数字化有助于缩小城市间创新差距，是后发城市“弯道超车”的机会窗口。例如，FORMAN等[5]发现互联网提高了企业间远程合作概率，在一定程度上减缓了创新活动集中度的增长，促进区域创新格局收敛；刘帅等[6]也指出我国互联网的快速普及和使用有效缩小了城市间的创新差距。而另一种观点认为，城市数字化过程存在内生的“数字鸿沟”问题，可能加剧创新空间极化态势。实践中，不同城市的数字生态建设水平明显分化[7]，各地数字化转型的范围、重点、时序各异，导致数字化对城市创新水平的影响存在空间异质性特征。从城市内看，数字化的指数型增长特性导致城市数字化的机会窗口稍纵即逝，一些数字化转型相对滞后的城市将长期面临转型压力。从城市间看，受城市地理区位、资源禀赋和政府关注度等因素影响，不同发展阶段的城市数字技术普及率及数字化转型效果相异，数字化发展的马太效应现象突出[8]。

事实上，全面认识城市数字化对城市创新空间的影响，需要着眼于数字化的生态属性，将生态位作为重要的研究视角。数字化的生态属性强调平台化运行、跨界式融合、非线性协同，注重对多层次、多主体关系模式的影响作用，为多方利益主体的复杂互动提供了开放、共享、协同的生态情境[9]。从国外文献看，MORGAN-THOMAS等[10]指出数字化生态情境打破了多元异质创新主体间的组织边界、行业壁垒等，通过技术和资源数字化连接发挥其自组织效能，进而形成高度数字化的创新生态系统。OOMENS和SA‐DOWSKI[11]聚焦于荷兰城市数字化经验，提出城市数字生态为创新主体协调合作提供能量支持，推动城市发展过程中的价值共创探索。国内学者具体聚焦于区域数字生态群落构建，如张吉昌等[12]基于数字生态的制度逻辑，指出数字政府、数字基础和数字经济是提高区域创业活跃度的重要条件。在传统经济形态下，城市创新空间演化主要取决于城市所处的“区位”，即由交通成本最小化准则所决定的城市在创新收益和成本空间里的相对位置；而在数字经济形态下，数字技术应用显著削弱了地理距离限制，促使城市创新空间演化更多取决于城市在实体或虚拟数字生态内的“生态位”，即对创新主体的多样性、创新主体与创新环境的自适应演化以及创新主体间的竞争关系等的刻画[13]。BENITEZ等[14]基于生命周期阶段视角，指出参与者的创新活动及参与者间的关系随着数字生态系统的演化而不断进化，异质性创新主体可以通过寻找各自的最优技术生态位来实现创新资源的最优配置[15]。总体来说，数字生态视角将数字化及其赋能作用视为一个有机整体，强调数字生态群落的关联性、整体性及动态演化特征对城市创新活动的影响。

综上所述，现有研究对城市数字生态构建及其影响的认识逐渐深化，但仍存在一些明显局限。①现有文献大多局限于对城市数字生态建设中具体内容的单独、静态式考察，对数字化的生态属性重视不足，鲜少从动态、共生演化视角探索城市数字生态的具体作用机制。②现有文献尽管已从资源禀赋差异、发展水平差异等异质性维度探究了城市数字化作用的区域差异，但尚未进一步探讨如何依据城市数字化异质性特征推进城市差异化发展路径。面对城市数字化的重要机遇，本文基于生态位视角，就城市数字化对城市创新空间演变的影响进行了深入剖析，思考如何利用城市数字化促进城市群内价值共创等问题，为平衡区域资源配置、提升国家创新体系整体效能提供启示。

1 研究假说

1.1 城市数字化对创新空间演化的影响

城市数字化是城市创新能力的再造过程，并促使城市发展由孤立转向协同，推动创新空间演化呈现均衡化特点。经典空间经济学理论普遍强调创新在地理空间中的集聚或扩散，认为创新要素流动主要取决于城市资源禀赋、市场特性等“场空间”属性[16]。因此，在集聚带来的规模报酬递增效应的影响下，传统的创新空间通常呈现以“核心—边缘”结构为代表的极化特征。例如，在研发、技术创新阶段，创新活动集x聚在先发城市或城市核心区域，而产品生产和销售活动大多分散在后发城市或边缘区域，致使城市创新的空间差异较大[17]。随着信息化社会的到来，各种流要素在城市间不断运动形成了纵贯连通的网络结构。CASTELLS提出“流空间”理论，将“网络社会”作为城市创新空间动态演变的新范式，指出城市网络内的创新活动呈现分工协作、功能互补的特征，促进了创新空间的均衡演化[18]。进入数字时代，创新主体以数字平台为支撑，围绕共同生态价值主张开展创新活动[19]。例如，数字化的泛在关联特征促进城市间关系向“共生式”演进，为后发城市融入先发城市的价值创造网络提供了机会空间和技术支持，使得优质创新要素以资源共用、项目共建、利益共享等途径流向后发城市，激活了城市创新活力，推动创新空间格局均衡化向高水平演进。

城市数字化赋能实现城市创新空间均衡化的关键在于提升后发城市的创新吸收能力。与以往文献偏重的“溢出效应”不同，吸收能力强调城市对外部创新资源应当具有强大的感知、捕获、利用及再创新能力，注重从受体视角提升城市知识、技术等资源溢出的承载力[20]。一方面，对于原始创新能力不足的后发城市，通过数字生态建设赋能创新活动全过程、全环节，有利于从外部条件层面提升环境支撑水平、补齐科技创新短板，从内部运行层面增强创新生态系统融合、沟通与协调功能，提高城市获取及搜索信息的准确度和确定性，以高效转化实现创新应用。另一方面，随着工业互联网、移动互联网、物联网等数字技术的不断普及，城市间创新活动逐渐突显网络化、去中心化趋势。数字化的可拓展性和开放性特征模糊了城市间组织边界、时空边界和信息边界等，开放的数字生态环境增强了城市间创新联系，引导创新要素在更大空间范围内高效流动并实现优化配置，促使创新空间演化整体上呈现均衡化的趋势。基于以上分析，提出以下假设。

H1 城市数字化有利于推动创新空间整体上呈现均衡化趋势。

1.2 三维生态位、城市创新吸收能力与创新空间演变

城市数字化过程标志着城市在创新空间中的存在形式发生变化。在数字生态系统中，城市不再是单纯的地理范围概念，而是由多主体、多要素复杂交互所形成的有机整体。每个城市生态元都在系统中有其特定位置，其所占据的数字空间、拥有的数字资源及自身的功能角色都直观地展现了城市数字化的具体表现和多样形态，直接影响了城市所能获得的创新资源丰富度和复杂度，生态位则是对这一状态的准确描述[13]。处于不同生态位的城市在面对创新环境变化时倾向于采取不同的适应策略，并与处于其他生态位的城市竞合互动，从而影响创新空间的动态演化过程。

1.2.1 三维生态位分析框架的构建 生态位的维度解构是识别城市数字化赋能效应的基础。已有文献通常局限于对生态位单一维度的理解，解构思路多沿用传统的“态”“势”分类法等[21]，难以充分反映数字生态系统的复杂性、交互性等特征。事实上，数字生态系统背景下的生态位不再体现为传统意义上城市对创新资源的单纯竞争甚至争夺，而是实现创新资源与城市禀赋的适配，支持不同城市在提升自身创新能力的同时，基于竞合式互动创造出单个城市所无法创造的价值增量。因此，为全面刻画城市数字生态位，从生态位宽度、高度、重叠度的三维属性分别体现城市数字生态创新能力、发展潜力及城市间复杂关系。其中：①数字生态位宽度是指城市所利用的各种数字资源的总和，是数字生态系统与城市环境相互作用并不断成长的状态；②数字生态位高度指城市所拥有数字资源的密度与能级，解析了城市数字化发展成长的潜力；③数字生态位重叠度则描述了两个城市间对数字资源利用状态的相似程度，刻画了不同等级、规模城市间数字化发展的竞合策略。数字生态位宽度和高度都展现了城市数字化与城市环境适应性演化的现实情况，两者相互补充共同促进城市寻找适宜的数字化发展道路。同时，数字技术非均衡扩散的特征使得城市数字生态位宽度及高度的发展存在差异，处于优势生态位的城市具有更广阔的发展空间和更高的发展潜力[22]，在数字资源的获取、共享和利用中占据主导地位，数字生态位重叠度则有利于探究群落数字生态结构，促进城市间数字生态系统的关系建构及功能调适。

1.2.2 数字生态位宽度、城市创新吸收能力与创新空间差异 数字生态位宽度是对生态体专业化或多样化发展的表征。在FREEMAN和HANNAN[23]构建的生态位理论中，一个种群若能在多元环境空间下生存繁殖则被认为具有较宽的生态位，而聚焦于特定生存环境的种群具有较窄的生态位。数字生态具有强渗透性、广覆盖性特征，数字化所提供的资源或服务能嵌入知识生产与应用、供给与需求等多维度[24]，使得数字生态位宽度具有内生扩展属性。数字生态位宽度的扩展主要体现在数字化资源和数字化场景两方面。一方面，城市数字化服务于城市发展需要，运用数字技术、数据要素推动要素高效整合、业务系统集成，使得数字化资源的种类不断丰富。另一方面，数字化场景作为城市数字化赋能成果输出、价值实现的重要载体，通过与多创新领域的融合，创设出新的数字创新主体及业态，进而提升数字生态系统的多样化水平。

在创新空间演化过程中，数字生态位宽度的扩展通过提升城市创新吸收能力，从而减缓创新空间极化。城市数字生态位宽度扩展有利于城市吸纳海量数据、丰富数字化应用场景，激发数字创新平台、数字基础设施、数字政府治理等在优化创新资源配置方面的活力，从而促进城市补充和整合知识、技术等创新资源，提高了创新吸收能力。对创新能力较弱的后发城市而言，创新吸收能力的提升能够有效增强其对依赖多元要素投入的复杂性、集成性创新的承载能力，推动后发城市强化对先进技术的“引进—消化—再创新”过程，以加速向先发城市追赶。例如，贵阳市作为我国首个大数据综合试验区，在数字基础设施、数据中心集群发展方面优势显著，并作为我国重要的算力枢纽节点，以“云边”的高效协同集聚创新要素；同时，贵阳积极探索数据价值化路径，促进数据与创新活动融合，围绕数字政府、医疗卫生、智慧城市、人工智能、农业农村、民生服务等多领域建设数字应用场景，通过提升城市品质集聚人才、技术等创新要素，进而增强城市创新水平。

数字生态位宽度对创新差距的减缓作用存在门槛效应。由于我国客观上仍存在显著的城市间创新差距，城市创新空间演化实际取决于数字生态位宽度提升带来的“赶超效应”与创新“马太效应”之间的权衡。当后发城市的数字生态位宽度尚未达到一定阈值时，城市间的“马太效应”高于“赶超效应”，而发展基础较好的城市凭借资源基础优势，能够进一步吸附优质数字化资源与场景，形成具有更强自适应性与稳定性的数字创新生态。当后发城市的数字生态位宽度超过阈值时，城市间的“赶超效应”高于“马太效应”，后发城市能够通过不断延展其技术边界、依托泛在链接为城市知识创新提速扩容[25]，从而弥合与先发城市之间的数字化发展差距。据此，提出以下假设。

H2 数字生态位宽度的扩展对城市创新吸收能力具有明显的门槛效应，即数字生态位宽度一旦越过门槛值，有助于提升城市创新吸收学习能力。

1.2.3 数字生态位高度、城市创新吸收能力与创新空间差异 高质量的资源储备及创新环境是城市消化创新知识、探索自主创新道路的重要基础。数字生态位高度强调了城市数字竞争优势及发展潜力特征，通过推动优质数字化资源的持续集聚，并使其与社会生产生活场景充分结合，达到维系城市创新生态系统高能级运行的目的[26]。具体来说，数字技术具有自我强化迭代的特征，城市运用先进的数据储存和挖掘技术可以实现对海量数据的管理、分析，并通过对数字技术的深入理解不断更新数字技术组合，显著地提高城市的大数据能力。从创新吸收角度看，数字生态位高度的提升有利于城市依托数字化动态能力感知、捕捉、处理创新要素[27]，依托先进数字技术实现知识、信息等的大容量、广范围整合，从而提升城市创新吸收能力，实现数字生态与创新生态的均衡共生发展。例如，深圳市作为我国创新标杆城市，近年来为巩固创新优势，不断加快提升数字化发展能级。根据中国信息通信研究院发布的《中国城市数字经济发展报告（2021）》，深圳市在数字创新要素、数字基础设施、数产融合、数字融合应用、数字政府建设等方面都具有超强的竞争力，已实现5G网络全城市独立组网，并积极探索物联感知网、工业互联网等建设与组合应用模式。深圳市在数字技术方面的先发优势有力引导了全球优质数字资源的流入和集聚，高水平的数字人才队伍、数字平台生态及数字基础设施体系等皆反映了深圳数字生态位高度特征。据此，提出以下假设。

H3 数字生态位高度的提升能够提高城市创新吸收能力。

1.2.4 数字生态位重叠度、创新吸收能力与城市间创新联动关系 基于生物共生理论，生态位重叠度和生态单元间竞争能力差异是城市间关系的重要影响因素。数字生态位重叠度强调城市数字生态的部分共享对城市数字化作用的影响程度[28]。当数字生态位重叠度过高时，城市间数字生态发展路径及需求高度重合，极易引发恶性竞争、相互排斥行为，阻碍城市对创新资源的吸收，从而导致城市创新差异存在固化乃至进一步极化的风险。当数字生态位重叠度过低时，城市间数字生态缺乏以共性技术、共性需求等维系的合作基础，城市开展创新吸收行为的激励不足，使得不同城市的数字生态倾向于各自独立发展而非协同共生。因此，城市间数字生态位重叠度应维持在适度合理区间，使不同城市能够共享数字生态机遇。同时，城市间数字生态的认知差异在一定程度上会影响城市间的资源共享[29]，即在数字生态位适度重叠的基础上，城市创新空间能否实现均衡化发展，还取决于认知邻近性的调节作用。认知邻近性在广义上是指不同地区在知识、技术、观念等认知层面展现的相似性。当城市间数字生态位表现为适度重叠时，城市间创新联系面临有效的外部竞争环境，认知邻近更有助于促进城市间的技术互动与协同创新，在相似的知识水平、技术路线等基础上，有利于生态位宽度或高度较低的城市从优势城市捕获和积累知识、技术等要素，以专业化发展提高城市创新能力，实现后发赶超。据此，提出以下假设。

H4a 城市数字生态位的适度重叠有利于提高城市创新吸收能力，即两者之间为倒U形关系。

H4b 城市间认知邻近性对数字生态位重叠度与城市创新吸收能力的倒U形曲线关系发挥正向调节作用。

2 研究设计

2.1 样本选取及数据来源

选择2011—2021年我国284个城市为研究样本。城市创新能力指标测度上，使用第一财经研究院与复旦大学联合发布的《2017中国城市与产业创新力报告》（以下简称《报告》）中城市创新指数数据，并通过对《国家知识产权统计年报》、CNRDS数据库的数据爬取，将数据更新至2021年。在区分数字产业化的具体行业时，参考证监会2012版上市公司行业分类以提取计算机、通信和其他电子设备制造业、软件和信息技术服务业的数据。其他指标数据来自中国城市统计年鉴、各地级市统计年鉴、CNRDS数据库、北大法宝、地方政府网站、专利信息检索中心及上市企业年报。

2.2 变量定义与测量

2.2.1 城市创新能力和创新空间演化 城市创新能力的变化态势是创新空间演化的直观体现。专利指标具有公开客观、实时更新、直观反映创新等优势，但直接使用专利数量测度无法考虑不同年龄专利的价值差异。由此，借鉴《报告》中对于城市创新指数的处理方式，使用专利更新模型测算不同年龄专利的平均价值，构建城市创新能力变量（innoit）。

2.2.2 城市数字化（digiit） 城市数字化涉及城市治理优化、产业发展、数字社会建设等多场景应用。本文构建数字政府、数字产业、数字社会3个一级指标衡量城市数字化水平，具体如表1所示。其中，数字政府建设水平由政府数字注意力和政府数字平台建设两大指标衡量[30]，城市数字产业发展包括数字产业化、产业数字化、数字创新3个维度[31]，数字社会采用数字生活水平和数字化关注度两方面加以表征。最后，参考王军等[32]的测算方式，采用熵权法确定指标权重。

2.2.3 城市数字生态位的指标体系及测度 城市数字生态按照数字发展的投入、动力、具体场景应用环节细化城市数字化赋能过程，主要从数字基础投入、数字能力驱动和数字应用落地3个维度构建数字生态体系框架[7]，以各个维度生态位为一级指标，评价城市数字生态竞争力。①数字基础生态位测度上，具体使用每百人互联网接入用户数、每百人移动电话用户数衡量基础设施建设情况，用各城市政府工作报告中数字化相关词频数测度数字政策环境。②城市数字能力涵盖了数字人才、数字技术创新两方面，具体采用数字经济相关产业专利授权量、信息传输、软件和信息技术服务业行业期末从业人员占比指标衡量。③在数字应用生态位测度指标选取上，采用市级大数据管理平台成立时间衡量政府数字化程度，以数字金融普惠指数、上市企业年报中数字技术运用相关词频数衡量数字经济与实体经济融合发展程度，以数字化百度指数测度社会生活数字化水平。

3 实证结果分析

3.1 基准回归结果

为选择合理的空间计量模型，分别采用空间相关性检验、LM经验、Hausman检验方法，最终使用时间和空间双向固定效应的空间误差模型，且该模型通过了LR检验和Wald检验。表2是城市数字化影响创新空间演化的基准回归结果，分别展示了不考虑空间因素时的条件收敛模型和空间条件收敛模型两组情形。结果显示，模型的条件收敛系数β2显著为负，证实城市创新水平存在收敛趋势。在引入数字化digi后，数字化回归系数β4显著为正，即数字化发展能显著提升城市创新速率；而数字化digi与期初创新水平ln inno的交乘项回归系数β6显著为负，说明数字化水平的提升作用在初始创新能力较低的城市更为强烈，加快了创新空间收敛进程，形成了后发城市向先发城市的创新追赶效应。此结论在使用空间邻接矩阵、地理反距离矩阵及经济地理矩阵3种空间权重矩阵的回归中皆成立，表明城市数字化在一定程度上促进创新资源在区域内的合理配置，有利于国家创新空间均衡发展，提升创新体系整体效能，验证了H1。

3.2 稳健性分析

本文采取3种方法进行稳健性检验，结果如表3所示。①将空间权重矩阵更换为由时间与空间权重矩阵组合而成的时空权重矩阵[36]，其中时间权重矩阵由全局Moran指数内生化形成，空间权重矩阵由地理反距离权重矩阵与经济地理权重矩阵结合生成①。②将被解释变量替换为城市创新效率（te）。借助DEA模型，选定城市RD人员数、RD经费支出为创新投入指标、发明专利申请数为创新产出指标测算城市创新效率，用于刻画城市创新能力。③剔除直辖市样本数据，以克服城市行政等级差异对回归系数可能造成的偏误。表3表明，基准回归结论在各组回归中依然成立，验证了上文实证结果的稳健性。

3.3 城市数字生态位高度和宽度对城市创新吸收能力的作用

城市数字化通过优化城市数字生态位的宽度和高度，增强城市吸收和学习创新知识、技术等要素的能力，使得城市更易捕获更多的创新要素和资源，并将其实际转化为创新产出。同时，由于城市数字化发展阶段不同，城市数字生态位宽度的影响作用存在阶段性特征。由此，构建数字生态位宽度和高度影响城市内部吸收能力的检验模型，如式（9）、式（10）所示。

表4中的列（1）、列（2）分别为数字生态位宽度对城市创新吸收能力的影响及门槛效应。结果显示，城市数字生态位宽度的提高对其创新吸收能力有一定促进作用，同时也存在门槛值，当城市数字资源占有量及有效使用率达到一定水平时，数字生态位宽度的提升显著促进城市知识捕获源化过程，克服数字化发展带来的马太效应。列（3）展示了数字生态位高度对创新吸收能力的影响，数字生态位高度越大，越能显著提升城市创新吸收及学习转化能力。结论验证了H2、H3。

表5展示了数字生态重叠度对城市外部创新吸收能力的影响作用。列（1）为未加入生态位重叠度二次项的回归结果，γit的回归系数显著为正，说明随着城市数字生态位重叠度的提高，城市捕获创新要素的能力增强，表现为城市数字资源要素占有量、与其他城市间的互动交流深度的提升。列（2）为加入二次项的回归结果，一次项的系数显著为正，二次项系数显著为负，表示数字生态位重叠度对城市创新捕获能力有先正后负的作用，即存在倒U形关系。选择适宜的数字生态位重叠度，有利于提高城市创新吸收能力，即H4a得到支持。

3.4.2 认知邻近性的调节作用 在生态位适度重叠条件下，城市间认知邻近性越高，说明城市间在知识和技术基础方面越为相似，越有利于彼此吸收创新溢出，形成互利共生关系。鉴于当前数字化领域的创新活动多以产业活动为基础和落脚点，可基于产业数据表征认知邻近性（Wij）[38]，具体计算方法如式（12）所示，其中lnSik表示i城市第k类产业占城市地区生产总值的比重。在式（11）的基础上引入城市间认知邻近性（Wij）这一调节变量，检验模型如式（13）和式（14）所示。

表6展示了认知邻近性调节效应的检验结果。从列（1）结果看，交互项γit×Wit的回归系数显著为正，说明随着城市认知邻近性的提升，生态位重叠度对城市创新吸收能力的促进作用逐渐增强。列（2）报告了非线性回归中认知邻近性的调节结果，可以看出，认知邻近性对数字生态位重叠度和城市创新吸收能力的倒U形关系发挥了调节作用，即H4b得到了支持。城市间认知邻近性越高，在促进城市间良性竞合共生的同时，提高了数字生态位重叠度作用极值点，增强了城市数字竞争力水平。

4 扩展性分析

信息技术的快速迭代更新促进城市间创新要素联系更加紧密，以城市群为主体的区域创新网络空间布局基本形成，数字生态位理论为构建合理分工、优势互补的创新空间提供了有益的理论基础。

4.1 城市群尺度下数字生态位宽度及高度空间结构特征

根据城市数字生态位宽度及高度的二维属性，可直观描述城市数字生态发展的阶段特征。使用ArcGIS软件对284个样本城市数字生态位高度和宽度年平均值进行等级分类，采用自然断点法辨别数字生态位高度和宽度的“高“”中”“低”特征，最终分为了5个类型，如表7所示。依据上述城市分类标准，对我国京津冀、长三角、珠三角、成渝及长江中游五大城市群内城市的数字生态发展阶段进行识别。这五大城市群是《“十四五”规划和2035年远景目标纲要》中明确要求优化提升的城市群，近年来在数字化发展、数字生态融通方面表现突出，具有巨大的发展空间和创新潜力，因而样本代表性较好。表7展现了上述5大城市群的城市数字生态发展结构。从城市群整体数字生态结构看，五大城市群表现为单中心或多中心城市领跑，共同带动城市群整体的数字生态发展，逐渐形成数字生态一体化的发展格局，数字化发展层级日益完备。其中，长三角、珠三角城市群在多中心城市领跑作用下，整体发展格局趋优。其他城市大多处于努力追赶、发展的阶段中，如京津冀、成渝或长江中游城市群以双中心城市、单中心领跑，辐射带动能力需要进一步优化。

4.2 城市群数字生态位重叠度影响异质性分析

表8展示了不同城市群中数字生态位重叠度对城市创新吸收能力的影响。结果显示，五大城市群中数字生态位重叠度的作用效果均呈现倒U形特征，与前文分析结论一致。其中，长三角、珠三角城市群数字生态位重叠度的极大值点较高，表明城市群内数字生态一体化进程较快，阶梯带动发展的数字生态格局更有助于促进城市群内高度互动交流。

5 结论与政策建议

5.1 研究结论

本文讨论了城市数字化对我国创新空间演化的影响作用，并深入分析了城市数字化的差异性特征。主要结论如下。①城市数字化促进创新空间演化呈现收敛态势，创新吸收能力的提升是数字化影响创新空间演化的内在机制。②城市创新空间的均衡化是城市数字生态位演化的结果，数字生态位宽度和高度提升能够显著增强城市创新吸收能力；适度的数字生态位重叠关系有助于城市捕获创新要素，实现城市价值共创；同时，认知邻近在数字生态位重叠度对城市创新吸收能力的促进作用中有正向调节效应。③根据城市数字生态位宽度和高度特征可以将城市分为“领跑型”城市、“赶超型”城市、“中等型”城市、“发展型”城市、“落后型”城市5大类型，城市群内数字生态一体化发展模式、合理的层级结构更有助于促进协同创新。

5.2 理论贡献

第一，以生态位理论超越传统的区位论研究视角，创新性地构建城市数字生态位“宽度—高度—重叠度”三维分析框架。立足于数字化的生态属性，生态位理论直观地反映数字资源与城市环境的互动关系，深度分析城市节点自主演化和竞争行为对创新空间动态、共生演化趋势的影响。

第二，丰富了数字化对异质性城市的具体作用研究。以往研究在探究先发城市的引领及后发城市的追赶机制中对于异质性城市划分标准较为单一，而数字时代多场景、多领域应用的特征使得城市数字化模式差异明显，依据数字生态位宽度和高度将城市划分为领跑型、赶超型、中等型、发展型、落后型5种类型，并着重探讨后发城市通过城市数字化实现创新追赶的具体路径。

5.3 政策建议

基于上述结论，可以依据城市数字化赋能的异质性特征，因地制宜制定城市数字化建设战略，激活数字新动能。第一，发挥“领跑型”城市的数字引领效应。北京、上海等城市已在数字场景应用、数字资源集聚等方面优势显著，在持续推进数字实践的同时，也要串联起城市群数字经济产业集群发展布局与组团，通过数字要素市场化配置释放其应用价值、引导可复制的数字技术在城市群的推广，引领带动周边城市的数字生态系统构建。第二，激活“赶超型”城市的数字潜能，向高水平数字城市建设跃迁。充分利用已有的数字资源和数字应用场景，重点探索数字技术组合的场景应用模式，以“算力+存力+运力”的多力协同满足多元化的创新需求，推动高质量赶超发展。第三，发挥“中等型”城市的桥梁纽带作用。加强与周边城市的交流沟通，深化城市间的数字互联，既强调中等型城市对领跑、赶超型城市数字资源的衔接作用，扩大数字资源的供给与应用；也要加强对发展、落后型城市的辐射引导，建立与完善城市群跨层级数字共建共享机制。第四，“发展型”“落后型”城市应紧抓数字化转型机遇，谋划特色的数字生态建设路径。采取“共性+特性”结合的思路，明确城市资源禀赋、产业特色等优势，以场景需求为牵引引入成熟的数字技术，促进“数实”深度融合。

5.4 研究局限与展望

本文深入探究了城市数字化对城市创新空间演化的作用及城市数字化赋能的异质性特征，但仍存在一些不足之处。①从数字生态位的宽度、高度及重叠度3个维度探讨对城市创新能力的作用，但仍只是从静态变化的维度反映城市数字化的具体形态，而对于数字化赋能与城市创新组织、创新环境等协同状态的分析有待深化，即可以进一步引入数字生态位适宜度指标探析城市数字化赋能与城市创新发展的共生演化关系。②以创新吸收能力作为影响创新空间演化的作用机制，仅反映了数字化赋能对城市创新能力影响的一个方面，未能全面考虑城市数字化的功能，后续研究可从城市创新质量、科技成果转化成功率等路径继续深化研究。

参 考 文 献

[1] 习近平. 努力成为世界主要科学中心和创新高地[J].求是， 2021（6）： 4 - 11.

[2] 夏昊翔， 王众托. 从系统视角对智慧城市的若干思考[J].中国软科学， 2017（7）： 66 - 80.

[3] 王芳， 郭雷. 数字化社会的系统复杂性研究[J].管理世界， 2022， 38（9）： 208 - 221.

[4] 曹兴， 李文. 创新网络结构演化对技术生态位影响的实证分析[J].科学学研究， 2017， 35（5）： 792 - 800.

[5] FORMAN C， GOLDFARB A， GREENSTEIN S. Information technology and the distribution of inventive activity[M]//ADAM B J，BENJAMIN F J. The changing frontier： rethinking science and innovation policy. Chicago： Uni‐versity of Chicago Press， 2014： 169 - 196.

[6] 刘帅， 李琪， 徐晓瑜， 等. 互联网是否缩小了城市创新差距？——基于面板门槛模型的检验[J].软科学，2023， 37（1）： 50 - 57.

[7] 北京大学大数据分析与应用技术国家工程实验室. 2022数字生态指数[EB/OL]. http：//digiteco.com.cn/api/ content/files/1669449939.35304883.pdf， 2022.

[8] 赵星， 李若彤， 贺慧圆. 数字技术可以促进创新效率提升吗？[J].科学学研究， 2023， 41（4）： 732 - 743.

[9] MáRTON A. Steps toward a digital ecology ecological principles for the study of digital ecosystems [J]. Journal of Information Technology， 2022， 37（3）： 250 - 265.

[10] MORGAN-THOMAS A， DESSART L， VELOUTSOU C. Digital ecosystem and consumer engagement： a sociotechnical perspective [J]. Journal of Business Research， 2020（121）： 713 - 723.

[11] OOMENS I M F， SADOWSKI B M. The importance of internal alignment in smart city initiatives： an ecosystem approach [J]. Telecomunications Policy， 2019， 43（6）： 485 - 500.

[12] 张吉昌， 龙静， 王泽民. 制度组态视角下数字生态激发创业活跃度的多元路径——基于NCA与fsQCA的研究[J].研究与发展管理， 2024， 36（2）： 113 - 124.

[13] 韩秀娣. 城市生态位的内涵及其调控[J].现代城市研究， 2000（2）： 42 - 43.

[14] BENITEZ G B， AYALA N F， FRANK A G. Industry 4.0 innovation ecosystems：an evolutionary perspective on value cocreation [J/OL]. International Journal of Production Economics，2020，228[2024-09-09]. https：//doi. org/10.1016/j.ijpe.2020.107735.

[15] CANDIANI J A， GILSING V， MASTROGIORGIO M. Technological entry in new niches： diversity， crowding and generalism [J/OL].Technovation，2022，116 [2024-09-09].https：//doi.org/10.1016/j.technovation.2022.102478.

[16] 刘颖， 郭琪， 贺灿飞. 城市区位条件与企业区位动态研究[J].地理研究， 2016， 35（7）： 1301 - 1313.

[17] 王缉慈. 创新的空间：产业集群与区域发展[M]. 北京： 科学出版社， 2019： 13.

[18] CASTELLS M. The rise of the network society [M]. Cambridge， MA： Blackwell， 1996： 407.

[19] SUSENO Y， LAURELL C， SICK N. Assessing value creation in digital innovation ecosystems： a social media analysis approach [J]. Journal of Strategic Information Systems，2018，27（4）：335 - 349.

[20] RODRIGUEZ-POSE A， WILKIE C. Putting China in perspective： a comparative exploration of the ascent of the Chinese knowledge economy [J]. Cambridge Journal of Regions， Economy and Society， 2016， 9（3）： 479 - 497.

[21] XIE X M， WANG H W. How to bridge the gap between innovation niches and exploratory and exploitative inno‐vations in open innovation ecosystems [J]. Journal of Business Research， 2021，124： 299 - 311.

[22] 张贵， 孙建华. 京津冀协同创新共同体的生成机理、评价及对策——基于生态视角的区域创新新解释[J].城市问题， 2024（2）： 18 - 27.

[23] FREEMAN J， HANNAN M T. Niche width and the dynamics of organizational populations [J]. American Jour‐nal of Sociology， 1983， 88（6）： 1116 - 1145.

[24] 黄阳华. 基于多场景的数字经济微观理论及其应用[J].中国社会科学， 2023（2）： 4 - 24.

[25] 赵璐. 数字经济加速我国经济空间发展格局重塑[N].科技日报，2021-06-22（6）.

[26] 杨力， 刘敦虎， 魏奇锋. 共生理论下区域创新生态系统能级提升研究[J].科学学研究， 2023， 41（10）：1897 - 1909.

[27] YAQOOB I， HASHEM I A T， GANI A， et al. Big data：from beginning to future [J].International Journal of In‐formation Management， 2016， 36（6）： 1231 - 1247.

[28] HURLBERT S H. The measurement of niche overlap and some relatives [J]. Ecology， 1978， 59（1）： 67 - 77.

[29] PASTORE A I， BARABáS G， BIMLER M D， et al. The evolution of niche overlap and competitive differences[J]. Nature Ecology Evolution， 2021， 5（3）： 330 - 337.

[30] 曾凡军， 陈永洲. 什么样的数字治理生态能提高数字政府发展水平？——基于生态视角的动态QCA分析[J].电子政务， 2024（4）： 27 - 41.

[31] 魏丽莉， 侯宇琦. 数字经济对中国城市绿色发展的影响作用研究[J].数量经济技术经济研究， 2022， 39（8）： 60 - 79.

[32] 王军， 朱杰， 罗茜. 中国数字经济发展水平及演变测度[J].数量经济技术经济研究， 2021， 38（7）： 26 - 42.

[33] 方曦， 田梦婷， 刘云. 基于熵权—突变级数法与专利组合策略的高价值专利培育研究[J].中国科技论坛，2023（11）： 108 - 119.

[34] 王之禹， 李富强. 城市规模对创新活动的影响——基于区域知识吸收能力视角的分析[J].中国软科学，2021（8）： 140 - 151.

[35] 温璐迪， 郭淑芬. 数字化对区域创新格局的重塑效应研究——基于中国城市的经验数据[J].科技进步与对策， 2024， 41（10）： 46 - 56.

[36] 范巧， HUDSON D.一种新的包含可变时间效应的内生时空权重矩阵构建方法[J].数量经济技术经济研究， 2018， 35（1）： 131 - 149.

[37] 才国伟， 陈思含， 李兵. 全国大市场中贸易流量的省际行政边界效应——来自地级市增值税发票的证据[J].经济研究， 2023， 58（3）： 59 - 77.

[38] 侯媛媛， 刘云， 张振伟. 北京技术输出的模式及其影响因素研究[J].研究与发展管理， 2017， 29（1）：65 - 74.

Impact and Heterogeneity of Urban Digitalization on the Evolution of Innovation Space from the Perspective of Ecological Niches

ZHANG Gui1， QIAN Yu2， ZHAO Yong-guan2

（1. College of Economic and Social Development， Nankai University， Tianjin 300071， China；2. School of Economics， Nankai University， Tianjin 300071， China）

Abstract： Digitalization is an important support for new quality productivity， and empowers urban development with its ecological attributes， which in turn shapes the innovation space. Based on the three-dimensional ecological niche theory， it constructed an analytical framework to analyze the impact of urban digitalization on evolution of innovation space， and used the panel data of 284 cities from 2011 to 2021 to conduct empirical tests. The results show that urban digitalization stimulates the urban innovation vitality， and enhances the innovation absorption capacity of developing cities by improving digital ecosystem， which narrowes the innovation gap between developing cities and developed cities， and makes the evolution of innovation space in China show conditional β-convergence characteristics. The impact of urban digitalization on the evolution of innovation space dependes on the digital ecological niche. The improvement of digital ecological niche width and height enhances the innovation absorptive capacity. The moderate overlap of digital ecological niches promotes the sharing of innovation resources and value co-creation between cities，and this effect is moderated by the cognitive proximity between cities. In the process of digital empowerment， different cities are divided into five types， and there are different digital development strategies for different types of cities. The findings provide new ideas for stimulating new momentum of digital development and promoting urban collaborative innovation.

Keywords： urban digitalization； digital niche； evolution of innovation space

①具体操作分为3步：第一步构建空间权重矩阵并进行标准化处理；第二步计算2011—2021年全局Moran指数的年间比值，构建时间权重矩阵；第三步将空间权重矩阵和时间权重矩阵元素相乘，即得到时空权重矩阵。