安 孟 张 诚

[提要]基于数字基础设施建设、数字产业发展水平以及数字化人才三个维度构建了中国省际层面的数字经济发展指标体系，使用熵值法计算了数字经济发展水平综合指数，然后借助中国大陆31省(市、区)2003-2019年的数据实证检验了数字经济发展对创新效率的影响。结果发现：随着数字经济的不断发展，创新效率得以提升，数字经济发展显著地提升了中国的创新效率，成为新时期提升中国区域创新效率的新动能。这一核心结论在一系列的稳健性检验之后依然成立。中介效应的检验结果表明数字经济发展不仅会直接提升创新效率，还会通过人力资本效应和产业结构升级效应的作用间接提升创新效率。因此，应当全面促进数字经济发展，完善数字基础设施建设，激发创新活力，实现数字经济发展和创新驱动发展战略的双赢。

一、引言和文献综述

伴随着互联网、人工智能以及大数据等新兴技术的蓬勃发展，中国数字经济规模不断扩大。根据《中国互联网发展报告2020》的数据显示，2020年中国的数字经济总体规模高达35.84万亿元，在GDP中的占比达到36.2%，对总体经济发展和社会进步发挥着举足轻重的作用。尤其是2020年，中国的互联网行业在新冠疫情防控方面发挥了积极作用，为中国成为全球唯一实现经济正增长的国家以及圆满完成脱贫攻坚任务做出了重要的贡献。2017年数字经济首次被写入政府工作报告，指出要“促进数字经济加速成长”，2020年作为“十三五”规划的收官之年，我国数字经济蓬勃发展、互联网基础设施全面覆盖、网民规模平稳增长、网络强国建设取得了突破性的成就。工业机器人、5G和大数据等技术的迅速发展，对经济社会的各个方面产生深远的影响，同时数字经济的发展壮大，数字化水平的提高，互联网、计算机、信息与通信技术的渗透，必然会推动新一轮的技术革新。那么数字经济发展能否提升中国的区域创新效率？数字经济发展影响创新效率的作用机制是什么？数字经济发展对创新效率的作用是否受地区发展特征以及时间差异的影响？对上述问题的回答不仅可以评估数字经济发展能否成为新时期中国创新效率提升的新动力，同时也深化了数字经济发展与创新效率关系的理解，还为推进数字经济发展和未来国家相关政策的制定提供了依据。

既有研究从多个角度对创新效率的影响因素进行了探索。开放经济条件下，部分学者认为一方面外商直接投资可以为创新活动提供充足的资金，缓解融资约束导致的研发投入不足问题，因此外商直接投资可以提升东道国的创新效率(Girma等，2008；[1]冉光和等，2013[2])；另一方面，外商直接投资可以带来先进的生产技术和生产工艺，并通过技术外溢效应提升东道国的创新能力(范承泽等，2008；[3]李玉梅和桑百川，2011[4])。但是也有研究认为外资的进入不利于提升东道国的创新效率。蒋殿春和夏良科(2005)认为外资进入会产生竞争效应，内资企业和外资企业相比，在技术竞争方面很难占据上风，因此外资进入抑制了创新效率的提升。[5]李晓钟和张小蒂(2008)指出外资进入凭借丰厚的薪水和良好的待遇，吸引内资企业的人才流动到外资企业，降低了内资企业的研发创新基础，不利于创新效率的提升。[6]李健等(2016)研究发现外资进入降低了内资企业的市场占有率，进而降低了国内的资源配置效率，对创新效率的提升产生负向影响。[7]

近年来，新兴经济体通过对发达国家和地区进行投资，获取其先进的技术和前沿的管理，已经成为新兴经济体提升创新效率的重要途径。Branstetter(2006)研究认为日本企业在美国进行投资，可以获得美国的技术外溢，进而提高日本的创新效率；[8]Buckley和Hashai(2014)认为走出去的同时可以带动出口，扩大海外市场，从而降低单位产品的研发成本，增强创新能力，提升创新效率；[9]毛其淋和许家云(2014)证实了对外直接投资对创新效率具有持续的提升作用，且这种作用是逐年递增的。[10]进一步地，Seyoum等(2015)发现不仅是对发达国家的投资，对发展中国家的投资同样可以产生技术外溢作用，提高母国的创新效率。[11]但是，李思慧和于津平(2016)[12]认为对外直接投资会导致国内的创新投入短缺，抑制创新效率的提升；沈春苗和郑江淮(2019)[13]认为由于发达国家实施技术封锁，中国处于价值链的低端、现实存在的吸收能力不足以及产能过剩等原因，导致对外直接投资抑制了中国的技术进步。

部分研究认为创新效率的提升离不开政府的支持。Guan和Chen(2012)认为政府的干预在创新效率的提升过程中发挥着重要的作用；[14]卢方元和李彦龙(2016)[15]、Szczygielski等(2017)[16]的研究同样证实了政府的干预有助于提升创新效率。但是也有研究认为由于信息的不对称性(安同良等，2009)[17]、政府的补贴会挤出研发投入(白俊红等，2009；[18]Acemoglu等，2018[19])以及企业寻租活动对创新资源配置造成的扭曲(冯宗宪等，2011；[20]肖文和林高榜，2014[21])等原因导致政府的干预抑制了创新效率的提升。

综合上述分析可知，现有研究已经对创新效率的影响因素进行了一系列的探索，但是鲜有研究将数字经济发展这一新兴要素纳入创新效率提升的分析框架，基于此，本文首先从理论上分析了数字经济发展对中国创新效率的影响，然后基于数字经济基础设施、数字产业发展和数字化人才三个方面构建了中国数字经济发展指标体系，借助熵值法测算了数字经济发展水平，最后使用2003-2019年中国大陆31省(市、区)的数据，实证检验了数字经济发展对创新效率的影响。相比已有文献，本文试图从三个方面进行拓展：第一，研究视角上，立足于数字经济发展的现实，从创新效率的角度评价数字经济发展的影响，既补充了数字经济发展的创新效应研究，又拓展了创新效率影响因素的相关研究。第二，指标的计算方面，从数字基础设施建设、数字产业发展和数字化人才三个方面选取15个基础指标，使用熵值法计算了中国省际层面的数字经济发展水平，在此基础上进行的相关实证结果也会更准确、客观、全面以及合理。第三，研究维度上，为了提供更多维度的经验证据，提高研究结果的可信度，进一步考察了数字经济发展在不同的地区和不同时间内的异质性作用。

二、数字经济发展影响创新效率的理论机制分析

(一)数字经济发展对创新效率影响的直接效应

数字经济以数字信息和知识作为关键生产要素，并通过信息通信技术促进经济结构优化和经济效率的提升。数字经济发展对创新效率的直接影响主要体现在两个方面：

第一，数字经济发展为创新活动提供了充足的资金，有利于提高整个地区的创新效率。创新活动需要投入大量的财力、人力以及物力，并且耗时较长，沉没成本较高，风险较大，但数字经济的发展不仅会产生规模经济性，进而降低研发成本，还会促进技术的吸收，提高再创新的速度，进而提升整个地区的研发创新效率。具体来说，数字经济发展模式下，数字资源作为核心生产要素，其投入存在规模经济性。随着在线支付、人工智能以及电子商务用户规模的扩大，前期数字基础设施投入的边际成本不断下降，尤其是当数字经济发展渗透至整个上下游供应链，相关市场之间开始融合，规模经济性更加明显，整个社会的收益上升，盈利能力提高，而盈利能力的提高为企业的研发创新提供了充足的资金支持。因此，随着数字经济的蓬勃发展，在分摊研发成本的同时提高了盈利能力，为创新活动的开展提供了资金支持，进而激发了创新活力，提升了创新效率。

第二，资本要素的配置和利用层面，数字经济发展可以减少信息的不对称，提高资本要素的配置和利用，进而为创新效率的提升注入全新的动力。在传统的工业经济时代，生产者通常会向金融机构贷款获得资金，但是对于中小企业而言，获得发展所需的贷款难度较大，这导致中小企业迫于资金的压力放弃对自身的投资和技术升级改造，从而继续沿用早应该被淘汰的技术设备，这必定会降低研发创新效率(张腾等，2021)[22]。但是随着数字经济的发展，特别是互联网金融、数字金融的出现有效解决了中小企业和科技企业的融资贷款问题，同时资本市场闲置和多余的资金可以通过互联网平台准确地流入到相应的资金需求企业。因此，数字经济的发展提高了资本的配置和利用效率，为企业的研发创新提供了充足的资金，最终促进了地区的技术进步和研发创新效率的提升。

根据以上两个方面的分析，提出本文的第一个假设：

H1：数字经济发展能够提升中国的区域创新效率

(二)数字经济发展对创新效率影响的间接效应

1.人力资本效应

第一，传统劳动力层面，伴随着大数据、智能技术、互联网、云计算等产业的不断发展，强化了相对应地区的基础设施建设，先进的生产方式、工作模式以及设备的使用对人力资本提出了更高的要求。具体而言，数字经济、数字技术以及数字化的工作平台等生产模式的出现改变了原有的传统生产方式，智能化生产设备的应用使得企业的产出由实体产品转向虚拟产品，传统的生产线工人已经无法满足数字经济发展的需要，尤其是搬运工人、物流配送员和零部件组装人员等传统低技能劳动力会逐渐被机器取代(阎世平等，2020)[23]。因此，传统劳动者迫于生存的压力会通过继续教育、参加技能培训等方式提高自身的技能和素质，这有利于提高传统劳动力的人力资本。

第二，高技能劳动力层面，数字经济的发展不仅提高了经济的数字化水平，还使得传统的生产要素在形态上发生转变，劳动者的社交能力与认知能力等素质在劳动市场竞争中的作用越发重要。因此，数字经济发展对从事数字化生产和服务的科研人员以及工程技术人员等高技能劳动力尤其是复合型人才的需求增加。特别是随着信息通信技术、互联网对经济社会发展的逐渐渗透，科研人员和设计工作者等高技能劳动者备受青睐。为了培养高技能人才，顺从形势发展的需要，整个社会对人力资本的投资将会增加，人力资本水平将会提高。

第三，消费需求层面，数字经济发展不仅会降低信息的不对称性，缓解资源错配，提高资源的配置效率，进而提高生产效率，降低产品的价格和生活成本，间接地提高人们的可支配收入。随着收入水平的提高，人们在数字产品及相关行业产品方面的消费需求增加，这有利于扩大数字经济规模，数字经济规模的扩大和迅速发展对高技能劳动力的需求增加。从这一层面来看，数字经济的发展增加了人们的收入，刺激了人们的消费需求，这有利于扩大数字经济发展规模，增加高技能劳动力的需求。因此为了满足高技能劳动力的需求，整个社会会增加人力资本投资，人力资本水平得以提高。此外，收入水平的提高也有利于劳动者增加自身以及后代的教育投资，这也有利于提升人力资本水平。

人力资本作为技术、知识和能力的综合体现，是技术进步和创新的核心投入要素，不论是自主研发还是吸收国外的技术都离不开高水平的人力资本(张宽和黄凌云，2019)[24]。因此，人力资本在提升创新效率过程中发挥的作用至关重要。根据上述分析，数字经济发展提高了人力资本水平，进而提高了创新效率。由此提出本文的第二个假设：

H2：数字经济发展通过人力资本效应间接提高了创新效率

2.产业结构效应

第一，传统产业层面。首先，数字经济发展通过提高高端生产要素的比重改变了要素投入结构，进而推动产业结构优化升级。云计算、大数据以及互联网等作为新的生产要素被配置到生产、流通以及消费等各个环节，与其他生产要素的融合可以改善实体经济中各种生产要素的投入和组合方式，进而改变传统产业的发展模式，有利于重塑产业链，促进技术和知识密集型产业的发展。其次，数字经济的发展能够实现规模经济、范围经济以及长尾经济，提高传统经济的附加值。不仅如此，数字经济发展还可以通过资源和信息共享加速实体经济的资源重组，促进资源在各个产业之间的流动，打破传统产业发展的资源约束，进而推动传统产业向智能化、数字化以及自动化等方向转变，促进传统产业升级。

第二，数字产业层面。首先，数字经济发展能够培育新的高端要素，促进产业向数字化方向发展，进而推动产业重新布局和要素重置，释放新的结构红利。其次，数字经济发展一方面使得工业和服务业之间相互渗透，实体经济与新兴服务业不断融合，三大产业之间的界限日渐模糊；另一方面，数字经济的不断发展会催生出网络化、数字化等现代服务业的新形态，进而提高数字产业的占比(胡西娟等，2020)[25]。随着产业向数字化方向发展以及数字产业占比的提高，带动了产业结构升级。

随着产业结构升级和产业自身发展的需要，一方面相关产品的生产将更加密集地使用知识和技术等，产品中也将加入更多的服务性元素，产品的附加值提高，创新回报也会随之提高，因此企业进行创新的动力也就越强；另一方面，产业的布局趋于合理，可以为创新活动的开展提供更好的创新环境和基础，创新效率自然也会提高。此外，随着产业结构升级，生产要素逐渐从低效率的部门流动到高效率的部门，更多优质的创新要素也会被配置到相应的部门，在这一过程中创新资源的重新配置也会对创新效率的提升产生积极作用。根据上述分析，数字经济发展促进了产业结构升级，进而提高了创新效率。据此提出本文的第三个假设：

H3：数字经济发展通过产业结构效应间接提高了创新效率

三、实证模型、变量和数据

(一)模型设定

本文的研究将数字经济发展纳入创新效率提升的分析框架，构建如下的基本计量模型：

TEit=α0+β1Digit+γ1Xit+δt+λi+εit

(1)

(1)式中，i代表省份，t代表年份。TE表示创新效率，Dig表示数字经济发展水平，系数β1反映了数字经济发展对创新效率的影响。X表示一组影响创新效率的其他控制变量，具体包括政府的财政支出(Fis)、科技发展水平(Tech)、对外直接投资(OFDI)、外商直接投资(FDI)、贸易开放度(Open)、基础设施建设(Infra)。δt表示时间固定效应，λi表示个体固定效应，εit表示随机扰动项。

(二)变量说明

1.创新效率(TE)

考虑到创新过程中存在的效率损失，本文从投入产出角度出发，选用超越对数生产函数，借助随机前沿分析方法(SFA)测算创新效率。超越对数生产函数的具体形式如下：

+d4lnRDKit+d5t×lnRDKit+d6t×lnRDKit

(2)

其中，RDY表示创新产出，用新产品销售收入衡量，不仅能够反映创新产出，还能够反映创新产出被市场接受认可的程度，同时用工业品出厂价格指数进行平减。RDL表示创新劳动投入，用R&D人员全时当量衡量，其相比R&D人员数量指标可以更明确地反映R&D人员的实际劳动投入量。RDK表示创新资本投入，用永续盘存法计算的创新资本存量表示，具体公式如下：

RDKit=(1-δ)×RDKit-1+Eit

(3)

其中，RDK表示R&D资本存量，E表示各省份当期的R&D经费内部支出，δ取值15%。各个省份的R&D经费内部支出的平减指数用固定资产投资价格指数和原材料购进价格指数的加权值(两者的权重各为0.5)计算。关于基期RDK的计算公式如下：

RDKio=Eio/(g+δ)

(4)

其中，g为各个省份R&D经费内部支出的算术平均增长率。

那么，创新效率(TE)可以表示为：

(5)

2.数字经济发展(Dig)

本文结合中国数字经济发展的实际，立足于数字基础设施建设、数字产业发展水平以及数字化人才三个维度，坚持客观性、全面性、科学性以及有效性等原则选取相应的细分指标，并结合黄群慧(2019)[26]、杨慧梅和江璐(2021)[27]等关于互联网和数字经济的研究，从而构建数字经济发展水平指标体系，并在该指标体系的基础上测算中国省际层面的数字经济发展水平指数。本文设计的中国省际数字经济发展水平测度指标体系如表1。

表1 中国省际数字经济发展水平测度指标体系

根据上述指标测度体系，借助熵值法测算中国省际层面的数字经济发展综合指标。首先，为了避免基础指标之间量纲不同可能产生的影响，对原始数据进行标准化处理，具体公式如下：

(6)

然后，在计算熵值时，为了避免标准化后取值为0的情形，同时保持数据的原有信息，对标准化后的取值进行较小幅度的移动：

(7)

(8)

最后，计算指标权重：

(9)

则i地区的数字经济发展综合指数Dig为：

(10)

3.控制变量

为了更加精确地分析数字经济发展对创新效率的影响，本文还控制了以下变量：政府的财政支出(Fis)用各地区财政一般预算支出与该地区GDP的比值衡量，科技发展水平(Tech)用技术市场成交额在GDP中的占比表示，对外直接投资(OFDI)用对外直接投资流量在GDP中的占比表示，外商直接投资(FDI)用实际利用外商直接投资额占GDP的比重表示，贸易开放度(Open)用进出口总额在GDP中的占比表示，基础设施建设(Infra)用各地区的邮电业务总量占GDP的比重表示。

(三)数据来源

本文所选取的数据为除西藏外中国大陆30个省(市、区)2003-2019年的数据，由于西藏地区的数据缺失严重，故进行剔除。其中，新产品销售收入、R&D人员全时当量、R&D经费内部支出数据来自《中国科技统计年鉴》。工业品出厂价格指数、固定资产投资价格指数、原材料购进价格指数的数据来源于《中国价格统计年鉴》。GDP、地方财政一般预算支出、技术市场成交额、实际利用外商直接投资额、进出口总额、邮电业务总量的数据来源于各地区的统计局以及《中国统计年鉴》。对外直接投资流量数据来源于《对外直接投资公报》。所有涉及价格的变量均平减至2003年不变价格表示的实际变量，少量缺失数据用年均增长率予以推算。主要变量的描述性统计如表2所示。

表2 主要变量的描述性统计

四、实证结果与分析

(一)基准回归

我们首先考察的是数字经济发展能否提升创新效率的问题，表3报告了数字经济发展对创新效率影响的估计结果。第(1)列在不加入任何控制变量和固定效应的基础上，仅以数字经济发展水平对创新效率进行简单的OLS估计，数字经济发展水平的系数为0.640在1%的水平上显著；第(2)列在简单回归的基础上加入控制变量，数字经济发展对创新效率的影响系数为0.224在1%的统计性水平上显著；第(3)列加入时间固定效应；第(4)列在第(3)列的基础上加入省份固定效应，第(3)-(4)列数字经济发展对创新效率影响的估计系数依然显著为正；第(5)列汇报了省际层面的聚类稳健标准误，数字经济发展的系数为0.470在10%的水平上显著，表明数字经济发展水平每提高1%，创新效率将提高0.47%，数字经济发展显著地提升了创新效率，这验证了假设H1。

表3 数字经济发展影响创新效率的基准回归

(二)机制检验

根据以上分析，我们证实了数字经济发展提升了创新效率，那么数字经济发展为什么会提升创新效率？即数字经济发展提升创新效率的作用机制是什么？为了回答上述问题，结合前文的分析，引入人力资本(Hum)和产业结构升级(Ind)两个中介变量，构建如下的中介效应检验模型：

Mit=α1+β2Digit+γ2Xit+δt2+λi2+εit2

(11)

TEit=α2+β3Digit+x2Mit+γ3Xit+δt3+λi3+εit3

(12)

其中，M表示中介变量，具体包括人力资本(Hum)用平均受教育年限的对数值表示，产业结构升级(Ind)用第三产业产值在GDP中的占比表示，控制变量与(1)式保持一致，数据来源于各地区历年统计年鉴。(11)式估计的是数字经济发展对人力资本和产业结构升级的影响，(12)式估计的是数字经济发展与各中介变量对创新效率的影响。

表4报告了数字经济发展影响创新效率的机制检验结果，第(1)列数字经济发展对人力资本的影响系数为0.351在1%的水平上显著，表明数字经济发展有利于提升人力资本水平；第(2)列数字经济发展对创新效率的影响系数显著为正，人力资本对创新效率的影响系数为正且高度显著，第(1)-(2)列表明数字经济发展提高了人力资本水平，并通过人力资本效应提高了创新效率，这验证了假设H2。第(3)列数字经济发展对产业结构升级的影响系数为0.312在1%的水平上显著，表明数字经济发展推动了产业结构升级；第(4)列数字经济发展对创新效率的影响系数显著为正，产业结构升级对创新效率的影响系数为0.035在5%的统计水平上显著，第(3)-(4)列表明，数字经济发展促进了产业结构升级，并通过产业结构升级效应提高了创新效率，这验证了假设H3；第(5)列数字经济发展对创新效率的影响系数为0.417在1%的水平上显著，人力资本对创新效率的影响系数为0.057在1%的水平上显著，产业结构升级对创新效率的影响系数显著为正，这表明数字经济发展对创新效率的影响为不完全中介效应，即数字经济发展不仅会直接提升创新效率，还会通过人力资本和产业结构升级效应间接提升创新效率。

表4 数字经济发展影响创新效率的机制检验

(三)分位数回归

由于普通最小二乘估计法考察的是解释变量对被解释变量条件期望的影响，也就是均值回归，这无法刻画某一范围或者区间内解释变量对被解释变量的影响，而且如果数据呈现肥尾或者尖峰等情况，普通最小二乘估计法的结果是有偏的。因此为了克服这种缺陷，Koendker和Bassett(1978)[28]提出了分位数回归法，这种方法旨在考察在被解释变量的不同分位数下，解释变量对被解释变量的影响，与普通最小二乘估计法相比，分位数回归可以更全面地展示解释变量对不同范围的被解释变量的影响，得到的回归结果更全面。

我们将选取0.10、0.25、0.50、0.75和0.90五个经典分位点，分别考察在不同的创新效率水平下数字经济发展水平对创新效率的影响，估计结果如表5所示。从分位数回归的结果来看，从0.10到0.90分位点上的数字经济发展对创新效率的影响系数均显著为正，这与基准回归的估计结果一致。数字经济发展水平在不同的创新效率分位点上的系数和显著性水平存在差异，即随着分位点的提高，数字经济发展水平对创新效率的影响系数不断减小，0.10分位点处的数字经济发展的系数最大，0.90分位点处数字经济发展的系数最小，这表明在低分位点处，数字经济发展对创新效率的提升作用较强，创新效率的提升空间较大；但是随着创新效率的不断提升，数字经济发展对创新效率的提升作用呈递减趋势，创新效率的提升空间不断缩小，这同时表明数字经济发展对创新效率的影响具有分位数异质性。

表5 数字经济发展影响创新效率的分位数回归

(四)稳健性检验

1.内生性问题

数字经济发展对创新效率影响的估计结果可能受内生性问题的干扰。第一，随着创新效率的提高，企业的盈利能力上升，利润增加，这可能会带动数字基础设施建设的完善和数字产业化的发展，进而促进数字经济发展水平提高，因此数字经济发展与创新效率两者之间可能存在双向因果关系。第二，由于研发创新的周期较长，期间需要大量的资金投入，创新过程还具有不确定性，如果仅依靠企业内部的投资是远远不够的，因此融资能力对创新效率的提升至关重要，融资能力这一变量的遗漏也可能会导致内生性问题。我们将从两个方面解决双向因果和变量遗漏导致的内生性问题。

系统广义矩估计方法的动态回归。考虑到创新劳动和资本投入在短期内不会迅速发生变化，创新效率可能存在一定的趋势性，同时考虑到数字经济发展和创新效率之间存在的双向因果关系，我们引入创新效率的滞后一期，采用系统广义矩估计方法(GMM)进行动态面板回归。在进行系统GMM回归之前，首先进行Arellano-Bond检验和Sargan检验，AR(1)的p值为0.00，AR(2)的p值为0.19，Sargan值为1，这表明模型选择的工具变量和滞后期数是合理的。系统GMM的估计结果如表6(1)列所示，数字经济发展对创新效率的影响系数为0.423且高度显著，表明数字经济发展提升了创新效率。

增加可能遗漏的重要变量。融资能力的强弱可能会影响创新效率的提升，我们以金融机构本外币各项贷款余额在GDP中的比重表示融资能力，数据来源于各省历年的统计年鉴和央行发布的《金融运行报告》。表6(2)列汇报了加入融资能力之后数字经济发展对创新效率的影响，数字经济发展水平的系数为0.442在1%的水平上显著。加入融资能力后，数字经济发展水平的系数与基准回归的结果相比出现了小幅度的下降，这表明部分应该由融资能力解释的效应在基准回归中被数字经济发展水平解释了，变量遗漏导致数字经济发展对创新效率的影响系数出现上偏。克服内生性问题后，数字经济发展提升了创新效率这一核心结论仍然成立。

2.创新效率指标的再计算

本文关注的核心被解释变量是创新效率，并使用超越对数生产函数的随机前沿分析法对其进行计算，考虑到数字经济发展水平对创新效率影响的估计结果可能受创新效率测算方法的影响，因此我们选用柯布-道格拉斯生产函数对创新效率重新测算，并将测算的结果代入(1)式重新进行估计。估计结果如表6(3)列所示，数字经济发展水平对创新效率的影响系数为0.015在1%的水平上显著，表明数字经济发展有利于提升创新效率，这与基准回归的结果一致。

3.异常值的处理

考虑到计算所得的创新效率最大值和最小值之间相差较大，同时数字经济发展对创新效率的影响可能受到创新效率极端高低值的影响，因此我们将创新效率低于3%分位数或者大于97%分位数的样本点剔除，对得到的子样本重新进行估计。估计结果如表6(4)列所示，数字经济发展对创新效率的影响系数为0.389在1%的水平上显著，这证实了本文核心结论的稳健性。

表6 数字经济发展影响创新效率的稳健性检验

(五)进一步分析

1.地区差异分析

考虑到地区之间的资源禀赋、基础设施、交通的便利性以及经济发展水平存在较大的差异，这可能会影响数字经济发展对创新效率作用的发挥，因此我们将样本划分为东部、中部和西部三个区域，分组考察数字经济发展对创新效率的影响。估计结果如表7(1)-(3)列所示，无论是东部、中部还是西部地区，数字经济发展对创新效率的影响系数均显著为正，这支持本文的核心结论。进一步对比三个地区数字经济发展的系数发现，不同地区数字经济发展对创新效率提升的强度不同，西部地区最强，东部次之，中部最弱。这是由于：第一，相对于中部和东部，西部地区创新效率提升的空间更大。第二，西部地区的数字经济发展起步较晚，水平较低，创新能力较弱，数字经济发展对创新效率作用的发挥正处于上升阶段。第三，东部和中部地区数字经济发展起步较早，水平较高，数字经济对创新效率的溢出红利已经提前释放，使得创新效率提升对数字经济发展水平的要求更高(韩先锋等，2019)[29]。因此，东部和中部地区数字经济发展对创新效率的提升作用相对西部地区较弱。

2.时间差异分析

本文选取的样本时间跨度17年，其中经历了2008年的经济危机，经济危机的发生给中国经济造成创伤，外向型经济发展受挫。在这一背景下，中国为了恢复经济，开始调整发展方向，实施自主创新战略，同时注重发展更高水平的外向型经济，吸引优质的外资，获取全球化红利。为了考察经济危机的发生是否会影响数字经济发展对创新效率作用的发挥，我们以2008年为时间节点，将样本划分为两组，分组回归予以考察数字经济发展对创新效率的影响。结果如表7(4)-(5)列所示，数字经济发展对创新效率的影响在2008年前后两个时段内的系数均显著为正，但是系数的大小存在差异性，具体表现为2008-2019年数字经济发展对创新效率的提升作用更大。这是因为：第一，2008年以后，中国的数字基础设施不断完善，数字产业不断发展，数字人才增多，因此数字经济发展迅猛，对创新效率的提升作用更强。第二，经济危机之后，政府实施了一系列的自主创新激励政策，给予创新企业财政支持和税收优惠，社会也更加注重创新人才的培育，这都为创新提供了良好的外部环境，有利于提升创新效率，助推数字经济对创新效率作用的发挥。

表7 数字经济发展影响创新效率的进一步分析

五、结论与启示

本文首先从数字基础设施建设、数字产业发展以及数字化人才三个方面构建数字经济发展指标体系，使用熵值法计算了中国省际层面的数字经济发展水平。然后，基于中国大陆31省(市、区)2003-2019年的数据，实证检验了数字经济发展对创新效率的影响，得出的主要结论如下：

第一，数字经济发展有助于提升创新效率，数字经济已经成为新时期驱动中国创新效率提升的重要引擎。第二，中介效应的检验结果表明数字经济发展对创新效率的作用机制为不完全中介效应，即数字经济发展不仅会直接提升创新效率，还会通过人力资本和产业结构升级效应间接提升创新效率。第三，数字经济发展对创新效率的提升作用存在地区和时间异质性，与中部和东部地区相比，西部地区数字经济发展对创新效率的正向作用更大，2008年之后数字经济发展对创新效率的提升作用更强。

就当前中国的创新活动现状来看，虽然各个省份的创新驱动发展都取得了一定的进步，但是还存在创新效率较低、地区差异较大的问题。数字经济发展作为提升创新效率的重要力量，无疑为上述问题的解决指明了方向。本文的研究具有如下政策启示：

第一，要全面推进数字经济发展，同时促进数字经济与实体经济的融合。数字经济不仅是一种经济现象，还是当前中国提升创新效率的重要驱动力。因此，应该完善数字经济基础设施建设，加大对数字经济核心领域如人工智能、云计算、大数据、5G以及区块链等领域的扶持力度。同时政府还要完善数字经济发展的顶层设计，做好数字经济发展的相关规划，促进数字经济的持续发展。

第二，要因地制宜，实施差异化的数字经济发展策略。根据本文的研究，数字经济发展对创新效率的提升作用存在明显的地区差异，这就要求数字经济发展策略的制定不能一刀切。对西部地区来说，要继续加快数字经济发展，强化数字经济发展的创新效应，充分把握数字经济发展带来的机遇，利用其后发优势实现弯道超车。对中部和东部地区而言，虽然数字经济发展对创新效率的提升作用低于西部地区，但是在中国“创新型国家”建设过程中，中部和东部地区发挥着中流砥柱的作用，因此中部和东部地区应该稳步推进数字经济发展，实现各类创新要素的更优配置，并及时将创新成果转化为生产力。

第三，由于产业结构效应和人力资本效应是数字经济发展提升创新效率的传导机制，因此一方面要对传统产业进行改造，加快传统产业升级和新旧动能转换。另一方面，还要完善人才培养机制，在人才培养方面，高等院校和科研院所要积极围绕数字经济的研发创新、基础研究和产业发展等方面设立相关的专业，加强专业人才的培养；职业院校应该以市场需求为导向，加强实践型和应用型人才的培养；企业也应该定期对员工进行技能培训，提高员工的技能水平。