基金项目：中国国家留学基金“国家建设高水平大学公派研究生项目”（202006170081）。

作者简介：彭影（1991—），女，吉林通化人，吉林大学经济学院博士研究生，主要研究方向为产业经济、区域经济。DOI： 10.13253/j.cnki.ddjjgl.2022.03.007数字经济下创新要素综合配置与产业结构调整彭影（吉林大学经济学院，吉林长春130012）

[摘要]  数字经济下将数据创新要素纳入创新要素综合指标体系，运用熵权TOPSIS法测度各地区创新要素综合配置指数，从“速度-质量-效益”三个维度衡量产业结构调整水平，运用动态面板、中介效应模型检验创新要素综合配置与产业结构调整之间的内在逻辑关系。研究发现：创新要素综合配置能加快产业结构调整速度，推动产业结构高级化，提升产业结构调整效益，但对产业结构合理化起到抑制作用;基于维度、强度和地区三个视角检验发现，创新要素综合配置对产业结构调整“速度-质量-效益”存在异质性影响;中介机制检验显示：技术创新和就业结构优化是创新要素综合配置深化产业结构调整的重要传导路径。

[关键词]创新要素综合配置;数据创新要素;产业结构调整;异质性;中介效应

[中图分类号] F202;F062.9[文献标识码] A[文章编号] 1673-0461（2022）03-0048-11

一、引言

数字经济时代，创新驱动数字化转型，智能引领高质量发展，科技创新已成为优化产业结构和转变经济发展方式的动力源泉。2020年4月，国务院颁布《关于构建更加完善的要素市场化配置体制机制的意见》，明确要求加强整合数据创新要素，加大对数据创新要素市场的培育力度，提高数据创新要素质量和规范性。为准确把握创新要素的概念范畴，将数据创新要素引入创新要素综合指标体系，测度数字经济下中国各地区创新要素综合配置水平，有助于科学地认识各地区创新资源配置结构及创新驱动能力。与此同时，随着中国经济进入高质量发展阶段，创新资源空间错配、创新资本回报率低、创新驱动力不足等问题阻碍产业结构调整的进程。因此，如何高效配置创新要素，激活数据创新要素的潜在价值，缓解地区创新要素短缺现状，已成为中国各地区切实做到创新驱动产业结构调整中亟需解决的重要问题。

关于创新要素内涵的研究，由对创新投入要素的单个研究到对创新要素系统的全面分析，创新要素内涵范围被不断拓宽。从创新系统理论来看，COOKE（1992）提出“区域创新系统”是由多个不同主体相互作用而成的组织体系，不同主体在该组织体系内部相互分工，存在某种特定关联[1]。ARNE ISAKSEN 和HEIDI WIIG ASLESEN（2010）将创新系统中创新主体划分成核心主体和具有服务作用的主体[2]。晏宗新等（2010）提出区域创新系统包括创新主体、创新市场和创新要素三个组成部分，企业、高校、科研机构属于创新主体;技术市场、人才市场等属于创新市场;人才要素、信息要素等属于创新要素[3]。周元元等（2015）认为创新要素是为支撑科技成果产出而投入的创新资源，主要有创新技术、创新人才和创新环境等[4]。蔡晓珊等（2018）从广义视角将创新要素分成三个层次，即核心要素、服务要素和環境要素。其中，高校、科研机构等属于核心要素，金融机构、市场和基础设施等属于服务要素，社会环境、文化因素和社会政策等属于环境要素[5]。陶长琪等（2021）从五个方面构建创新要素系统，即人力、知识、技术、数据和制度五大创新要素子系统[6]。基于上述研究，本文将创新要素内涵范围划分成两大部分，即直接作用于创新产出的创新投入要素和服务于创新活动的创新环境要素。数字经济背景下，创新投入要素主要包括人才创新要素、资本创新要素、技术创新要素和数据创新要素，创新环境要素是指制度环境创新要素。

关于创新要素与产业结构关系的研究，经历了由静态向动态、由非线性研究向空间效应研究的演进过程。陶长琪等（2016）基于创新要素集聚的视角发现，技术创新与产业结构升级不存在线性关系，且创新要素在空间上呈现出“集聚”特征，同时产生空间溢出效应[7]。卓乘风等（2018）运用产业结构层次系数衡量产业结构升级，提出研发资金与研发人员跨区域流动会促进产业结构升级[8]。刘飞等（2018）认为创新要素在区域分布上存在显著差异，导致资本和人才创新要素对区域产业结构升级存在空间异质性影响[9]。基于动态流动和空间效应双视角，韩军等（2020）提出R&D人员流动对本地区产业结构高级化具有显著的推动作用，但对产业结构合理化存在消极影响;而R&D资本流动有助于本地区产业结构合理化，却抑制本地区产业结构高级化发展水平[10]。

综合现有文献来看，相关研究仍存在不足之处：一是仅从人才、资金和技术方面测度创新要素，对数据创新要素和制度环境创新要素的实证研究不够丰富;二是对产业结构的研究大多聚焦于产业结构合理化、产业结构高级化和产业结构层次系数三个方面，缺乏对产业结构调整的系统研究;三是现有文献主要分析创新要素与产业结构的非线性关系及空间效应，对二者之间作用机制研究较少。鉴于此，本文深入探究以下几个问题：一是从人才、资本、技术、数据和制度环境五个维度，构建创新要素综合指标体系，且在经济高质量发展视角下从“速度-质量-效益”三个维度测度产业结构调整水平，实证检验创新要素综合配置对产业结构调整的影响;二是从维度、强度和地区三个方面，检验创新要素综合配置对产业结构调整的异质性影响;三是以技术创新、资源错配和就业结构作为中介变量，分析创新要素综合配置对产业结构调整的传导机制，探讨创新要素综合配置促进产业结构调整 “速度-质量-效益”提升的可行性路径。

二、作用机制与研究假说

现阶段，各地区政府加大力度深化产业结构调整，但对产业结构调整的认识不够全面。深化产业结构调整不仅是要加快产业结构调整速度，还应注重产业结构调整质量，更需要重视产业结构调整的经济和生态效益。余泳泽（2015）研究发现中国区域要素禀赋与经济发展阶段存在较大差异，导致创新活动空间集聚特征显著，创新要素“集聚效应”通过技术进步和规模经济提升创新效率，进而实现经济持续增长[11]。茶洪旺等（2018）提出创新是驱动产业结构转型升级的根本动力，创新要素是影响创新活动的基础资源，创新要素有效配置能加快技术创新，提升创新要素使用效率，推动产业结构高级化和产业结构合理化水平[12]。由此提出如下假设：

H1：创新要素综合配置能加快产业结构调整速度，推动产业结构高级化和产业结构合理化，促进产业结构调整效益的增加。

基于维度、强度及地区三个视角分析，创新要素综合配置对产业结构调整具有异质性影响。如从不同维度看，王建民等（2020）运用科技人力资本和R&D费用测度创新要素投入水平，发现创新要素配置水平提升显著推动了长三角地区技术进步[13]。从不同地区分布看，刘备等（2020）指出东部创新要素流入，东北和西部创新要素流出，创新要素空间分布呈“极化”特征，表明创新要素空间配置差异性显著，对各地区产业结构动态演进存在异质性作用[14]。由此提出如下假设：

H2：创新要素综合配置对产业结构调整的影响因维度、强度和地区不同而具有异质性。

创新要素空间配置不仅对产业结构调整产生直接效应，还通过以下三个中介渠道产生间接影响。第一，技术创新效应;王钺等（2017）提出创新要素流动会加快区域新知识创造，通过创新要素区际间流动引发知识溢出，影响区域间技术合作路径提升区域技术创新水平，从而促进产业结构升级[15]。第二，资源错配减缓效应。资源错配不利于技术创新，会抑制产业结构升级，带来产能过剩和高污染等问题。创新要素综合配置通过提高区域技术创新效率，改善传统生产要素在不同区域供给数量和质量，实现传统生产要素跨区域联合重组，有效减缓资源错配问题。第三，就业结构优化效应。陶秋燕等（2013）认为高技术产业劳动生产率较高，吸引更多创新人才流入该行业，实现就业结构优化 [16]。创新要素在空间分布上呈现“集聚”特征，有利于发挥规模经济效应，提高区域劳动产生率，促使创新人才向劳动生产率更高的地区流动。因此，创新要素综合配置从产业和区域两个方面优化就业结构，促使就业结构与产业结构协调发展。由此提出如下假设：

H3：创新要素综合配置通过提升技术创新水平、缓解资源错配程度和优化就业结构间接促进区域产业结构调整。

三、创新要素综合指标体系构建及时空演變特征

（一）创新要素综合指标体系构建及测度

创新要素是指支持创新活动且产出创新成果的生产要素以及服务于创新活动的其他要素。根据其内涵及数字经济对创新要素概念的拓展，基于客观、科学、合理的原则，考虑数据可得性，借鉴陶长琪、徐茉（2021）的研究，从人才、资本、技术、数据和制度环境五大维度，构建创新要素综合指标体系[6]。如表1所示，基础指标数量共计50个，运用熵权TOPSIS法测算中国各地区创新要素综合配置指数。

（二）中国创新要素综合配置水平的时空演变特征

为进一步观察创新要素综合配置水平在时间和空间维度的集聚特征，以2009—2019年中国各地区创新要素综合指数数据为基础，绘制东中西部地区核密度估计图（见图1～4），以观察创新要素综合配置水平在不同区域的动态演进特征。核密度函数计算公式如式（1）：

图1为中国30个省份（未包含中国台湾、香港、澳门和西藏地区）创新要素配置水平核密度曲线图，在样本观察期内，波峰高度经历先缩小、又扩大的过程，始终保持“单峰”分布，峰宽逐年增大，右侧呈“拖尾”分布。以上特征表明创新要素配置整体水平有所提升，但在空间范围内差异化特征显著。图2为东部地区创新要素配置水平核密度估计图，东部地区核密度曲线整体表现出扁平态势，最高峰值在观测范围内由右向左偏移，峰宽逐渐扩大。东部地区内部各省份整体创新要素配置整体水平较高，但东部地区内部非均衡发展问题依旧突出，广东、江苏、浙江、上海等省份增长率为正，涨幅较大，而辽宁、福建、海南等地增长率为负。图3为中部地区创新要素配置水平核密度曲线图，中部地区波峰由“高峰”到“矮峰”再向“高峰”分布转变，最高峰值由右向左再向右偏移，波峰宽度呈现出先增大、再缩小、又增大的特征，意味着2009—2019年中部地区各省份创新要素配置水平差距先增加后缩小再扩大，地区差距两极化现象仍旧十分显著。图4为西部地区创新要素配置水平核密度曲线图，西部地区波峰高度先下降后上升，由最初的“双峰”转变为“单峰”分布，其中，“双峰”由一个“高峰”和一个“矮峰”组成，存在多极化现象，“矮峰”意味着西部地区部分省份创新要素配置水平向中高水平迈进，表明西部地区创新要素高配置水平的省份不断崛起，从而带动西部地区整体配置水平提升，但西部地区内部各省创新要素配置水平的差异性仍未消除。

四、研究设计

（一）模型构建

为检验上述研究假说，根据创新要素综合配置对产业结构调整的直接影响构建如式（2）基准模型：

其中，dpis表示t时期i地区产业结构调整水平，从“速度-质量-效益”三个维度，运用产业结构调整速度、产业结构高级化、产业结构合理化和产业结构调整效益四个指标进行测度。inf表示t时期i地区创新要素综合配置水平，α为截距项，α为创新要素配置对产业结构调整的估计参数，X表示一组控制变量，ε为随机误差项。

为进一步识别和检验创新要素综合配置对产业结构调整的中介作用机制，构建如式（3）、式（4）中介效应回归模型：

（二）变量选取及测度

1.被解释变量

经济高质量发展视角下，参考李治国等（2021）[17]的研究，从 “速度-质量-效益”三个维度，运用产业结构调整速度、产业结构高级化和产业结构合理化、产业结构调整的经济生态效益四个指标，测度各地区产业结构调整的总体水平。

（1）产业结构调整速度。借鉴郭旭等（2021）[18]的研究方法，运用修正后的Lilien指数测算地区产业结构调整速度，修正后的Lilien指数能够测度出劳动力在不同部门之间再分配速度，也是衡量区域产业结构调整速度的有效方法。其计算公式为：

其中，sis为t时期i地区产业结构调整速度。W表示i地区第n产业在t和t-1时期就业人数占地区总就业人数的平均值，x表示t时期i地区第n产业的就业人数，Xit表示t时期全国的总就业人数，n是产业门类数。修正的Lilien指数将变量设定在t和t-1两个时期，修正的Lilien指数越大意味着劳动力再分配速度越快，即产业结构调整速度越快。

（2）产业结构调整质量。从产业结构动态演进与产业间协调程度两方面衡量产业结构调整的质量，即选取产业结构高级化和产业结构合理化两个指标测度。从质量层面反映产业结构高级化程度，强调劳动生产率较高的产业部门占比不断扩大的动态过程。刘伟等（2008）[19]运用三产产值占比与其劳动生产率之积的加权和测算。其计算公式为：

其中，ais代表t时期i地区产业结构高级化的质量，Y表示t时期i地区第n产业的增加值，Y表示t时期i地区的生产总值，L表示t时期i地区第n产业的劳动力就业人数，Y与L之比代表t时期i地区第n产业的劳动生产率，运用均值法对数据进行无量纲化处理。

产业结构合理化从产业内部层面反映产业间协调发展程度，也是衡量产业结构调整质量的指标之一。干春晖等（2011）[20]运用泰尔指数（Theil index）既能测度变量之间的偏差也能测量出偏差的重要性，客观、真实地反映产业结构合理化水平。其计算公式为：

其中，ris代表t时期i地区产业结构合理化程度，L表示t时期i地区就业总人数，其他变量解释同公式（6），ris的值越大反映产业结构越偏离均衡状态，ris的值越趋向于0产业结构越合理。

（3）产业结构调整效益。从经济和生态两个方面衡量产业结构调整所产生的效益。采用余奕杉、卫平（2021）[21]的研究方法，运用包含非期望产出的超效率SBM模型测度产业结构调整所产生的经济和生态效益。主要包括四个投入指标，即劳动力投入、资本投入、能源投入和工业污染治理投入;经济产出指标为地区实际GDP;衡量生态污染的非期望产出指标分别是工业废水排放量、工业二氧化硫排放量、工业粉尘烟尘排放量。其中，地区劳动力投入用年末从业总人数测度;资本投入运用倪泽强和汪本强（2016）[22]的测算方法，运用公式K=（1-δ）K+I测度地区固定资本存量;能源投入以地区能源消耗总量表示;工业污染治理投入选取各地区工业污染治理完成投资额表征。

2.中介变量

第一，技术创新（tp）。基于创新产出视角，运用国内三种专利申请受理数测度区域技术创新的总体水平。第二，资源错配（rm）。运用白俊红等（2016）[23]的研究方法，测算得出各地区资本和劳动力错配指数，同时采用惠献波（2021）[24]运用主成分分析法得出的权重系数，即0.390和0.610，测算出区域资源错配综合指数。第三，就业结构（es）。数字经济下，创新人才向劳动力生产率和工资更高的产业流动，进而促进各地区就业结构的优化。因此，选取高技术产业就业人数占比衡量地区就业结构的优化程度。

3.控制变量

在模型回归中，同时控制影响产业结构调整的其他变量，如对外开放水平（open，进出口贸易总额占GDP比重）、外商投资水平（fdi，外商直接投资总额占GDP比重）、环境规制强度（ers，环境污染治理费用占GDP比重）、劳动力水平（emp，城镇单位年末就业人员数）、城市化水平（city，各地区年末城镇人口比重）、交通基础设施水平（ti，各地区旅客周转量）。

（三）数据来源

上述数据来源于《中国统计年鉴》《中国科技统计年鉴》《中國人口与就业统计年鉴》《中国工业统计年鉴》《中国金融年鉴》《中国信息年鉴》、Wind数据库以及国研网数据库。在对创新要素综合配置水平测算过程中，指标体系所涵盖基础测算指标较多，中国台湾、香港、澳门和西藏地区数据缺失严重，研究中剔除以上四个地区数据。因此，选取2009—2019年中国30个省（自治区、直辖市）的面板数据进行回归分析，从维度、强度和地区三方面考察创新要素综合配置及各子系统对产业结构调整的异质性影响，并且对创新要素综合配置影响产业结构调整的作用机制进行深入探讨。为了减小异方差的影响，对部分变量进行对数化处理，原始变量具体特征见表2。

五、创新要素综合配置对产业结构调整的实证分析

（一）基准回归

表3中模型（1）～（4）是创新要素综合配置对产业结构调整的基准回归结果。创新要素综合配置对产业结构调整速度影响系数为2.565，在10%的水平下显著为正，表明创新要素综合配置能够加快产业结构调整速度。创新要素综合配置对产业结构高级化、产业结构调整效益影响系数分别为0.794、0.842，在1%的水平下显著，意味着创新要素综合配置对二者都具有明显的促进作用。此外，创新要素综合配置对产业结构合理化回归系数为0.125，相关系数为正值，说明创新要素综合配置会阻碍产业结构合理化。主要原因是创新要素主要集中在高技术产业和新兴产业部门，创新要素集聚必然会引发产业间“极化效应”，对产业结构合理化起到抑制作用。考虑到创新要素综合配置对产业结构调整的影响可能存在滞后性，故引入解释变量滞后一期进行回归，模型（5）～（8）结果显示，创新要素综合配置的滞后项对产业结构高级化和产业结构调整效益具有显著促进作用，对产业结构调整速度无明显作用，同样抑制产业结构合理化。

在控制变量方面，外商投资水平和交通基础设施水平对产业结构调整速度具有消极作用，城市化能加快产生结构调整速度;外商投资水平、劳动力水平和交通基础设施水平对产业结构高级化产生负向影响，城市化对产业结构高级化产生推动作用;环境规制强度不利于产业结构合理化演变，但其他控制变量对产业结构合理化起到推动作用;劳动力水平提升能促进产业结构调整效益的增加，对外开放水平、环境规制强度和交通基础设施水平不利于产业结构调整效益的提高，原因在于现阶段产业结构调整所产生的经济效益不足以弥补资源过度消耗和环境污染。

（二）异质性检验

1.维度异质性检验

为了验证H2，进一步研究创新要素综合配置对产业结构调整的异质性影响。就创新要素配置系统各维度而言，以创新要素五大子系统分别作为解释变量进行回归，详细探讨各子系统对产业结构调整的差异化影响。

表4回归结果显示，人才创新要素对产业结构高级化、产业结构调整效益估计系数分别为0.582、0.428，在1%的水平下显著，说明人才创新要素对产业结构高级化和产业结构调整效益存在显著的正向影响。资本创新要素对产业结构高级化、产业结构调整效益影响系数分别为0.663、0.574，在1%的水平下显著，表明资本创新要素对二者均具有较强推动作用。技术创新要素对产业结构调整速度、产业结构高级化、产业结构合理化和产业结构调整效益的回归系数分别为0.023、0.543、0.098和0.547，说明技术创新要素能有效推动产业结构调整“速度-效益”的提升，推动产业结构高级化，但不利于产业结构合理化。数据创新要素对产业结构高级化和产业结构调整效益影响系数分别为0.364和0.470，在1%的水平下显著为正，意味着数据创新要素能显著推动产业结构高级化，促进产业结构调整效益的提高。但是数据创新要素对产业结构升级速度、产业结构合理化均无明显促进作用。

由于制度环境创新要素对其他子系统创新要素起到调节作用，故引入制度环境创新要素与其他子系统创新要素的交叉项进行回归。回归结果显示，制度环境创新要素通过影响人才创新要素空间流动作用于产业结构调整效益，但人才创新要素流动的扩散效应对产业结构调整效益产生消极影响;制度环境创新要素通过影响资本创新要素空间配置推动产业结构高级化;制度环境创新要素通过调节技术创新要素空间配置作用于产业结构调整效益的提升;制度环境创新要素虽然通过调节数据创新要素空间配置显著影响产业结构合理化，但没有改变产业结构偏离均衡状态。整体而言，创新要素各维度对产业结构调整“速度-质量-效益”存在异质性影响，相互之间还未形成有效推动产业结构调整的驱动链，创新要素系统空间配置仍存在结构性问题。

2.强度异质性检验

创新要素综合配置驱动产业结构调整具有维度异质性，是否也会因创新要素综合配置强度不同而存在异质性呢？对2009—2019年中国30个省份创新要素综合配置指数均值进行排序，根据中位数将样本划分成创新要素综合配置“高水平”和“低水平”两组，分别进行回归估计（见表5）。

由表5可知，创新要素综合配置由于强度不同对产业结构调整“速度-质量-效益”的影响存在显著差异性。对于创新要素综合配置高水平地区，创新要素综合配置对产业结构高级化和产业结构调整效应具有推动作用，意味着创新要素综合配置能有效推动高技术产业的发展，通过技术进步实现产业结构高级化和提升产业结构调整效益。对于创新要素综合配置低水平地区，创新要素综合配置对产业结构调整“速度-质量-效益”均无显著影响，由于创新要素综合配置程度偏低，还未形成对产业结构调整的驱动效应。

3.地区异质性检验

在地区分布上，东部地区创新要素综合配置水平整体高于中西部地区，创新要素综合配置驱动产业结构调整同样存在区域异质性。按照东部和中西部行政区域，划分成两个分样本进行回归（见表6）。

由表6得出，创新要素综合配置对东部地区产业结构高级化回归系数为0.905，对东部地区产业结构合理化影响系数为-0.060，意味着创新要素综合配置提高东部地区产业结构高级化和产业结构合理化水平，而创新要素综合配置对中西部地区产业结构高级化和产业结构合理化均无显著影响。创新要素综合配置对东部和中西部产业结构调整效益回归系数分别为0.498、0.884，东部和中西部创新要素综合配置都能促进产业结构调整效益的提升，且促进作用后者大于前者。总体而言，创新要素综合配置对东部地区产业结构调整的作用整体上大于西部地区，反映东部地区正处于创新要素综合配置驱动产业结构调整的新阶段，而创新要素综合配置对西部地区产业结构调整的驱动作用存在较大进步空间。

（三）稳健性检验

通常认为创新要素综合配置与产业结构调整之间存在内生性关系。创新要素综合配置会影响产业结构调整，反过来，产业结构调整通过结构效应优化创新要素综合配置，即创新要素综合配置与产业结构调整之间可能存在逆因果关系。考虑到模型中可能存在内生性问题，使用SYS-GMM模型检验回归结果的稳健性。

表7中（1）～（4）列SYS-GMM估计结果显示，Hansen检验均拒绝原假设，AR（1）的P值全部小于0.1，而AR（2）的P值全部大于0.1，表明扰動项不存在二阶自相关现象。创新要素综合配置对产业结构调整速度滞后项的影响系数变小，表明创新要素综合配置对当期产业结构调整速度作用更强;创新要素综合配置对产业结构高级化、产业结构合理化和产业结构调整效益滞后项的回归系数明显变大，表明创新要素积累对后期产业结构调整的影响存在惯性现象。可以得出，稳健性检验结果与基准回归结果一致，说明考虑内生性问题后，创新要素综合配置能显著推动产业结构调整速度、效益及产业结构高级化，但抑制产业结构合理化的结论依然成立。

六、创新要素综合配置驱动产业结构调整的作用机制分析

目前，逐步回归法、Sobel检验法和Bootstrap法是检验中介效应常用的三种方法。由于逐步检验法统计功力最小，Sobel检验法要求中介效应必须满足正态分布且具有大样本，Bootstrap法能够克服Sobel检验的严格要求，检验结构更加可靠。因此，为验证假说H3，采用基于结构方程的Bootstrap法，重复抽样1 000次，分别以技术创新、资源错配和就业结构为中介变量检验其中介效应（见表8）。

以技术创新为中介变量的检验结果显示，创新要素综合配置对产业结构调整速度间接效应和直接效应的路径系数分别为-0.906、3.471，在95%置信区间内都不包含0值，说明存在部分中介效应;且对产业结构高级化也具有部分中介效应，间接效应的路径系数也为负值，主要原因是资源错配和技术锁定效应抑制产业结构调整速度和产业结构高级化;创新要素综合配置对产业结构合理化间接效应的路径系数为-0.025，说明创新要素综合配置通过技术创新显著促进产业结构合理化;而创新要素综合配置对产业结构调整效益间接效应路径系数中包括0值，说明不存在中介效应。

以资源错配为中介变量的检验结果显示，创新要素综合配置对产业结构高级化间接效应和直接效应回归系数分别为0.092、0.703，在95%置信区间内没有0值，说明存在部分中介效应;而间接效应路径系数为正数，主要是因为创新要素综合配置对资源错配的回归系数为负，资源错配对产业结构高级化影响系数也为负，间接效应路径系数是两者乘積为正值。此外，创新要素综合配置对产业结构调整速度、效益和产业结构合理化的间接效应在95%置信区间内均涵盖0值，说明中介效应不显著，即创新要素综合配置并未通过减缓资源错配效应而加快产业结构调整速度、促进产业结构合理化及产业结构调整效益的提升。

以就业结构为中介变量的检验结果显示，创新要素综合配置对产业结构调整速度间接效应路径系数为1.960，在5%的水平上显著，而直接效应路径系数不显著，说明存在完全中介效应。即在创新要素综合配置与就业结构优化对产业结构调整速度的作用机制下，创新要素综合配置完全通过就业结构优化加快产业结构调整速度;同样地，就业结构优化对产业结构合理化存在完全中介效应;而创新要素综合配置对产业结构高级化和产业结构调整效益间接效应和直接效应路径系数在95%置信区间内均不包括0值，意味着具有部分中介效应。整体而言，就业结构优化效应确实是创新要素综合配置促进产业结构调整的一条重要渠道。

七、研究结论与对策建议

数字经济下将数据创新要素纳入创新要素综合指标体系中，运用熵权TOPSIS法测算中国地区创新要素综合配置水平，实证检验创新要素综合配置与产业结构调整之间的内在逻辑关联。研究结论如下：①创新要素综合配置能够加快产业结构调整速度，推动产业结构高级化，提升产业结构调整效益，但对产业结构合理化起到抑制作用。②从创新要素各维度看，创新要素各子系统对产业结构调整“速度-质量-效益”存在异质性影响，制度环境创新要素通过调节其他创新要素子系统的空间配置作用于产业结构调整，但制度环境的调节作用并未得到充分发挥;从强度方面看，在创新要素配置高水平地区，创新要素综合配置能显著促进产业结构高级化和产业结构调整效益的提升;而在创新要素配置低水平地区尚未产生有效驱动作用;从不同地区看，创新要素综合配置对东部地区产业结构调整的作用整体上大于西部地区。③中介机制检验发现，技术创新对产业结构调整速度和产业结构高级化存在遮掩效应，但技术创新是创新要素综合配置驱动产生结构合理化的唯一路径;创新要素综合配置能够通过减缓资源错配效应推动产业结构高级化;就业结构优化效应在创新要素综合配置对产业结构调整速度、效益和产业结构高度化的影响中起到桥梁作用。

基于上述研究结论，提出如下建议：

第一，激活数据创新要素的潜在价值，挖掘其在创新要素空间配置中的引擎作用，精准推动创新要素市场化配置。深入推进国家大数据发展战略，完善数据收集、分析处理及存储系统，打造数据创新要素供应链，拓宽数据创新要素应用范围，有效减缓各地区资源错配，持续深化产业结构调整。

第二，优化政府和市场对创新要素的协同配置功能，有针对性地引导创新要素流动。各地区创新要素存在无序竞争现象，经济发达地区创新要素集聚能力较强，部分地区甚至出现“拥挤效应”，导致创新要素市场扭曲。在市场机制有效引导下，政府也应优化与创新相关的制度环境，做好政策引导。在经济欠发达地区，增加创新资本投入，完善交通与通信基础设施，加强与经济发达地区人才交流与技术合作，切实做到创新驱动产业结构调整。

第三，加强地区间合作，引导协同创新，构建区域产业与创新协调发展新机制。破除制约创新要素跨区域流动的政策性障碍，实现创新要素自由流动，优化地区就业结构，最大限度激发和释放创新要素集聚和流动的空间效应，形成优势互补、协同发展的区域经济发展新格局。

[参考文献][1]COOKE P. Regional innovation systems， clusters， and the knowledge economy[J]. Industrial and corporate change，2001，10（4）：945-974.

[2]ISAKSEN A， ASLESEN H W. Oslo： in what way an innovative city？ [J]. European planning studies， 2001，9（7）：871-887.

[3]晏宗新， 董瀛飞.集群效应、企业研发与产业升级——兼论广东的区域创新政策[J].产业经济研究， 2010（2）：73-79.

[4]周元元，冯南平.创新要素集聚对于区域自主创新能力的影响——基于中国各省市面板数据的实证研究[J].合肥工业大学学报：社会科学版，2015，29（3）：57-64.

[5]蔡晓珊，陈增欢.基于多维要素的知识型企业创业环境评估创新研究[J].河南师范大学学报（哲学社会科学版），2018，45（2）：45-50.

[6]陶长琪，徐茉.经济高质量发展视阈下中国创新要素配置水平的测度[J].数量经济技术经济研究，2021，38（3）：3-22.

[7]陶长琪，周璇.要素集聚下技术创新与产业结构优化升级的非线性和溢出效应研究[J].当代财经，2016（1）：83-94.

[8]卓乘风，邓峰.创新要素区际流动与产业结构升级[J].经济问题探索，2018（5）：70-79.

[9]刘飛，王欣亮.创新要素、空间配置与产业结构升级——基于我国1998-2015年面板数据[J].大连理工大学学报（社会科学版），2018，39（4）：7-14.

[10]韩军，孔令丞.创新要素流动与产业结构变迁关系及其空间溢出效应研究[J].科技进步与对策，2020，37（19）：59-67.

[11]余泳泽.中国区域创新活动的“协同效应”与“挤占效应”——基于创新价值链视角的研究[J].中国工业经济，2015（10）：37-52.

[12]茶洪旺，郑婷婷，袁航.资源诅咒与产业结构的关系研究——基于PVAR模型的分析[J].软科学，2018，32（7）：97-101.

[13]王建民，杨力.长三角创新要素、配置效率与创新绩效[J].上海经济研究，2020（1）：75-85.

[14]刘备，王林辉.创新要素空间流动对区域创新能力的影响：外地吸引与本地依赖[J].求是学刊，2020，47（5）：66-75.

[15]王钺，刘秉镰.创新要素的流动为何如此重要？——基于全要素生产率的视角[J].中国软科学，2017（8）：91-101.

[16]陶秋燕，汪昕宇.可持续发展框架下产业结构调整对就业结构的影响研究——以北京地区为例[J].中国人口·资源与环境，2013，23（S2）：421-426.

[17]李治国，车帅，王杰.数字经济发展与产业结构转型升级——基于中国275个城市的异质性检验[J].广东财经大学学报，2021，36（5）：27-40.

[18]郭旭，孙晓华，翟钰.地区产业结构升级速度的测算及时空演变分析[J].数量经济技术经济研究，2021，38（9）：98-116.

[19]刘伟， 张辉， 黄泽华.中国产业结构高度与工业化进程和地区差异的考察[J].经济学动态， 2008 （11）：4-8.

[20]干春晖， 郑若谷， 余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究， 2011（5）：4-16.

[21]余奕杉，卫平.中国城市绿色全要素生产率测度研究[J].生态经济，2021，37（3）：43-52.

[22]倪泽强，汪本强.中国省际公共物质资本存量估算：1981-2013[J].经济问题探索，2016（2）：71-79.

[23]白俊红，卞元超.要素市场扭曲与中国创新生产的效率损失[J].中国工业经济，2016（11）：39-55.

[24]惠献波.数字普惠金融与城市绿色全要素生产率：内在机制与经验证据[J].南方金融，2021（5）：20-31.Comprehensive Allocation of Innovation Factors and Adjustment

of Industrial Structure under Digital Economy

Peng  Ying

（School of Economics， Jilin University， Changchun 130012， China）

Abstract：   Under the digital economy， the data innovation elements are introduced into the comprehensive index system of innovation elements. The entropy weight TOPSIS method is used to measure the comprehensive allocation index of innovation elements in various regions. The level of industrial structure adjustment is measured from the three dimensions of “speed-quality-benefit”. The dynamic panel and intermediary effect model are used to test the internal logical relationship between the comprehensive allocation of innovation elements and the industrial structure adjustment. It is found that： the comprehensive allocation of innovative factors can accelerate the speed of industrial structure adjustment， promote the upgrading of industrial structure and improve the benefits of industrial structure adjustment， but inhibits the rationalization of industrial structure; Based on the three perspectives of dimension， intensity and region， it is found that the comprehensive allocation of innovation factors has a heterogeneous impact on the “speed-quality-benefit” of industrial structure adjustment; The test of intermediary mechanism shows that the technological innovation and the optimization of employment structure are important transmission paths for comprehensive allocation of innovation factors deepening industrial structure adjustment.

Key words：comprehensive allocation of innovation elements; data innovation elements; adjustment of industrial structure; heterogeneity; the mediation effect

（责任编辑：张梦楠）