数字经济影响中国区域创新效率差距的双边效应
2023-12-18吴凤平丁晨辉2任阳军
刘 超，吴凤平，丁晨辉2，，任阳军，孙 莺
(1.河海大学公共管理学院，江苏 南京 211100；2.江苏省科技体制改革思想库，江苏 南京 210000；3.河海大学商学院，江苏 南京 211100)
0 引言
在中国经济进入新常态后，国内外环境发生了深刻变化，亟需从投资驱动与要素驱动转化为创新驱动，依靠科技创新提高地区经济发展质量，推进产业优化升级，提升经济整体竞争力，但由于地区资源禀赋、产业结构、创新机制体制等各具特点，地区间创新发展分化依然显著，严重制约了中国创新驱动发展和区域经济一体化战略的实施进程。数字经济作为一种新型经济体制，相较于传统经济，在提升信息传播速度和资源配置效率、降低数据处理与交易成本以及消融地区协同壁垒等方面具有独特优势，已成为未来各国把握新一轮科技革命和产业变革新的战略机遇。近年来，伴随着5G、大数据和人工智能等技术的快速发展，以及数字技术与不同行业领域的加速融合，数字经济在中国经济发展和科技创新中的作用越发重要。数字经济对中国区域创新效率差距存在何种影响，是促进还是抑制影响？相关影响是否因空间分布及地区基础条件差异有所不同？对于上述问题的回答，将有助于从理论层面厘清数字经济影响区域创新发展的内在规律与作用差异，对于释放数字经济对地区创新发展的积极作用、缩小地区间创新发展水平差距有着重要的现实指导意义。
已有研究均可表明数字经济具有提质增效的功能，为区域创新要素流动、产业优化升级与地区间协同发展等提供了重要技术支撑[1-3]。但迄今为止，探究数字经济与区域创新效率关系的研究较为匮乏，直接研究数字经济对区域创新效率差距的文献则更少，相关研究主要包含以下两类。第一类是有关数字经济、数字化要素对区域创新效率或创新能力影响的研究：①在数字经济对区域创新效率或创新能力影响方面，安孟等[4]、熊励等[3]分别从省级及城市层面验证了数字经济对地区创新效率和创新能力的提升作用及其时空差异；②在数字要素对区域创新效率或能力影响方面，韩先锋等[5]、李雪等[6]、李海超等[7]研究发现，互联网发展、信息技术对区域创新效率和创新能力具有显著正向影响，且作用效果会因地区分布、创新主体不同而产生差异。第二类是探讨数字经济或数字要素对区域创新效率或创新水平差距影响的研究：①数字经济或数字要素可缩小区域创新效率差距，金环等[8]提出数字经济空间溢出的特征可以促进本地和相邻区域创新效率提升，有利于缩小区域创新效率差距，韩先锋等[9]、蒋仁爱等[10]、刘帅等[11]的研究也认为“互联网+”已成为区域创新效率收敛的“加速器”，并提出要关注中西部地区“互联网+”创新溢出带来的后发优势；②数字经济或数字要素可扩大创新效率差距，徐辉等[12]研究发现长江经济带省际数字经济发展水平在一定程度上会挤占周边省域资源，抑制周围地区创新发展，张梁等[13]指出数字金融通过人力要素与金融要素的虹吸效应拉大地区间的创新差距，且城市禀赋会带来创新差距变化的差异。
已有研究鲜有关于数字经济对区域创新效率差距影响的探讨，且与之相关的研究多集中于数字化要素对区域创新效率差距单边作用的评价和分析，但忽略了数字经济对经济社会影响的两面性[14-16]，也未能对相关影响的异质性特征予以充分解释。据此，本文在理论探究数字经济对区域创新效率双边影响机理的基础上，采用2011—2020年省级面板数据以及双边随机前沿模型，实证检验数字经济对中国区域创新效率差距产生的双边影响，并通过多种计量模型考察不同空间分布、人力资本和基础设施条件下数字经济产生的异质性作用，进而提出提升数字经济对区域创新效率差距弥合作用的具体政策建议。区别于已有文献，本文的创新之处包含以下三个方面：其一，将数字经济的双边影响同时纳入到区域创新研究中，深入剖析数字经济影响区域创新效率差距的内在作用机制；其二，基于双边随机前沿模型验证数字经济对区域创新效率的双重效应，并实证探究其时空演变特征与变化规律；其三，探究不同创新环境下数字经济产生的差异性影响，探索强化数字经济产生趋同效应的实践路径。
1 理论分析与研究假设
结合Krugman[17]提出的有关区域空间体系演变的“中心-外围”理论可知，地区产业结构转变与规模经济效应会导致区域经济发展模式由分散型向集聚型发展，推动各类生产要素向发展较好的地区集中。空间聚型发展模式由于创新要素流动方向不同将产生互为排斥的向心力与离心力作用，即趋同效应与马太效应[18]，持续影响区域经济发展与创新效能的空间分布格局。数字经济作为一种新型经济形态，具有高渗透性、正外部性与规模效应的网络结构[19]，为巩固和加深区域创新空间发展格局中的两种效应创造了更为优越的条件。
1.1 数字经济对区域创新效率差距产生趋同效应
区域空间体系演变的趋同效应主要源自发展优势地区产生的外部经济与知识技术溢出[20]，有利于加速周边城市的模仿内化与创新升级，进而推动区域间创新效率差距的弥合。一方面，大数据作为一种新型创新生产要素，具有渗透率高、流动性强和附加值高等特点，可弥补地区传统创新资源短缺、资源融通壁垒，弱化传统创新资源集聚导致的创新极化效应，并有效提升创新弱势地区的创新要素密度和产出效率，弥补其由于资源禀赋形成的创新能力缺陷，进而缩小创新优势与弱势地区的创新效率差距。另一方面，数字信息技术作为一种使能技术，依托数字网络和数字平台，可打破原有创新活动知识边界[21]，促进创新要素数字化整合、区际流动和均衡分布[22]，推动创新弱势地区加快融入产业价值链与创新网络中[23]，缩小与创新优势地区间的创新效率差距。基于上述分析，可得出假设H1：数字经济可缩小区域效率差距，即数字经济对区域创新效率差距产生趋同效应。
1.2 数字经济对区域创新效率差距产生马太效应
区域空间体系演变的马太效应主要来自要素的单向流动[24]。由于资源有限性以及追求高收益高回报的目的，创新要素会倾向流向创新能力更强、市场机制更完善和经济效益较好的地区[25]。此时创新优势地区要素集聚程度加剧，向外形成“虹吸效应”，甚至造成对外围城市的拥挤效应与污染效应。此外，数字经济特有的赋能优势和融合属性也促使区域创新效率差距扩大成为可能。一方面，数字化技术改变了地区获取信息和资源的方式和渠道，推动创新主体向多元化、网络化发展，促进创新生产模式的智能化和集约化转变，可有效降低创新优势地区的资源错配率，提升创新优势地区的创新水平，进一步加剧区域间创新效率的高低差异[26]。另一方面，信息技术与地区传统创新要素如人力资本之间可形成互补融合的关系，激发创新优势地区间的互动与学习，较短的空间距离仍然更加有助于地区间知识、技术的流动与传播[27]，进而强化创新优势地区内部及邻近地区创新能力的提升，扩大创新优势地区与外围区域间的创新效率差距。基于上述分析，可得出假设H2：数字经济可拉大区域效率差距，即数字经济对区域创新效率差距产生马太效应。
2 模型设定与变量说明
2.1 双边随机前沿模型
参考Kumbhakar等[28]的研究方法，本文构建的可反映数字经济对区域创新效率双重效应的双边随机前沿模型为：
Diffit=i(xit)+ωit-uit+εit=i(xit)+ξit
=xitδ+ξit
(1)
其中，Diffit为区域创新效率差距；xit为影响区域创新效率差距的一系列控制变量，具体为经济发展水平、知识产权保护、贸易开放度、政府干预等；δ为待估参数向量；i(xit)为前沿区域创新效率差距；ξit为复合残差项，ξit=ωit-uit+εit，εit为随机误差项，反映不可观测因素导致的区域创新效率差距对前沿区域创新效率差距的偏离。 由于复合残差项ξit可能并不等于 0，将导致 OLS估计结果有偏。ωit≥0时，表示数字经济对区域创新效率差距存在正向效应，即马太效应；uit≤0时，数字经济对区域创新效率差距存在负向效应，即趋同效应；uit≤0、ωit=0或ωit≥0、uit=0时，模型为单边随机前沿模型；ωit=uit=0时，模型为 OLS 模型，但在ξit可能不为0的前提下，OLS模型将为有偏估计。
(2)
其中，Φ(·)与φ(·)分别为标准正态分布下的概率密度函数(PDF)和累计分布函数(CDF)，相关参数可设定为：
(3)
基于式(3)，构建的极大似然函数(MLE)表达式如下：
lnL(X；π)=-nln (σω+σu)+
(4)
其中，π=[β，σv，σω，σu]。由此，极大似然估计的所有参数值可逐一得到明确。此外，还需估算ωit和uit，因此进一步推导条件密度函数为：
f(ωit∣ξit)=
(5)
f(uit∣ξit)=
(6)
基于式(5)和式(6)可知，ωit和uit的条件期望为：
(7)
(8)
上述条件期望估值即可用来表征正效应和负效应的区域创新效率差距偏离前沿创新效率差距的绝对程度，为了方便后续讨论与比较，进一步将条件期望值转化为偏离前沿水平的百分比，转换公式为：
(9)
(10)
进一步可推导出数字经济对区域创新效率差距影响的净效应，其计算公式为：
NE=E(1-e-ωit∣ξit)-E(1-e-uit∣ξit)=E(e-uit-e-ωit∣ξit)
(11)
其中，NE代表马太效应与趋同效应的差值，若NE>0，说明马太效应强于趋同效应；若NE<0，说明趋同效应弱于马太效应。
2.2 指标选取
(1)被解释变量。区域创新效率差距为本文的被解释变量。选取R&D人员全时当量与经费内部支出为创新劳动与资本投入指标，专利申请授权数为创新产出指标，并通过SFA模型测算区域创新效率水平[21]。通过柯布-道格拉斯生产函数和超越对数型随机前沿模型进行结果测算，并采用广义似然率技术对其计算结果进行检验，确定后者为本文区域创新效率的测算模型。随后采用离差表征区域创新效率差距[13]，即通过计算各省市当年的创新效率与同期所有省市创新效率均值的比值表示差距，记为Diff。
(2)解释变量。数字经济发展水平为本文的解释变量。借鉴赵涛等[16]、刘军等[29]、潘为华等[30]和郭峰等[31]的研究，综合数据可获得性，从数字基础设施、数字产业化和产业数字化三个层面构建数字经济发展水平的指标体系，具体指标及指标说明见表1。采用熵权法将上述三类指标标准化与合成处理后得到区域数字经济发展水平，记为PDig。
表1 数字经济发展评价指标体系构建
(3)控制变量。参考已有研究[10，21]，选取经济发展水平、知识产权保护、研发强度、基础设施建设和贸易开放度等指标作为本文的控制变量。其中，经济发展水平用人均GDP 表示，取其对数后记为lnPgdp；知识产权保护用技术市场交易额占GDP 比重表示，记为KP；研发强度用研发经费投入占GDP 比重表示，记为RD；基础设施建设用邮电业务总量占GDP 比重表示，取其对数后记为lnINFR；贸易开放度用进出口总额占GDP 比重表示，取其对数后记为lnOPEN[17]；教育投入用教育支出占GDP 比重表示，取其对数后记为lnEDI；政府支持指标用一般预算支出占GDP比重表示，取其对数后记为lnGOV；财政自主用一般预算收入与一般预算支出比值表示，取其对数后记为lnFFR。
2.3 数据来源
考虑到港澳台地区和西藏自治区数据缺失严重，对其做剔除处理，故本文选取2011—2020年30个省份的面板数据为研究样本。其中，有关数字经济指标数据来自《中国科技统计年鉴》、EPS数据库和《北京大学数字经济普惠金融指数2011—2020》；其余指标数据来源于国家统计年鉴、国家科技统计年鉴及各省统计年鉴。少量缺失值采取均值法、插值法和灰色预测模型预测，主要变量描述性统计结果见表2。
表2 各变量描述性统计分析
3 实证分析
3.1 双边随机前沿模型估计
3.1.1 基准回归模型
表3所示为通过式(1)计算数字经济对区域创新效率差距影响的测算结果，其中，列(1)为不考虑偏离效应的最小二乘法(OLS)测算结果，列(2)至(4)为逐步控制地区固定效应与时间固定效应双边MLE的测算结果。列(5)(6)分别为只考虑数字经济对区域创新效率差距的趋同和马太效应的单边估计结果，列(7)为考虑数字经济对区域创新效率差距双边效应的估计结果。由似然比检验结果可知，在增加偏离效应后，模型拟合效果相较于OLS更为合理。因此，本文后续将选取列(7)展开双边效应分解分析。
表3 双边随机前沿模型基本回归结果
3.1.2 数字经济双边效应的方差分解与影响程度分析
数字经济双边效应的方差分解结果如表4所示，可见，数字经济对区域创新效率差距的影响存在马太效应和趋同效应，且趋同效应占据主导地位；同时，前沿区域创新效率未能解释的总方差占比为0，数字经济双边效应解释了区域创新效率差距总方差的100%。上述结果验证了假设H1和H2。此外，根据式(9)至(11)，进一步测算数字经济对区域创新效率差距影响偏离前沿水平的效应比重，结果如表5所示。数字经济马太效应与趋同效应的综合作用使区域创新效率差距最终低于前沿面。同时，随着数字经济分位水平提升，创新效率差距从低于前沿面逐渐转向高于前沿面。总体而言，数字经济对缩小区域创新效率差距具有重要影响。
表4 影响效应的方差分解
表5 区域创新效率差距的偏离程度 单位(%)
3.2 数字经济双边效应的时间特征
数字经济双边效应的时间变动趋势如表6所示(这里仅列出部分年份)，由表6可见，在马太效应与趋同效应的共同作用下，数字经济的净效应在样本年内由正转负。其中，2011—2013年数字经济的净效应数值呈逐年下降趋势，马太效应占据主导地位；2014—2020年数字经济的净效应数值绝对值呈逐年上升趋势，趋同效应占据主导地位。同时，不同分位数水平下数字经济的双边效应及净效应也呈现类似的变化趋势。总体而言，数字经济对区域创新效率差距影响的净效应呈现出由正转负的U形特征，其原因可能为国家和地区层面数字经济政策的逐步推广与落实，数据要素及数字技术加速地区间创新溢出与圈际扩散，趋同效应逐渐增强并占据主导地位，有效缩小了区域创新效率差距。
表6 数字经济双边效应的时间分布特征 单位(%)
3.3 数字经济双边效应的地区特征
数字经济双边效应的空间分布特征如表7所示，可见，考察期内东部、中部和西部地区数字经济对区域创新效率差距的净效应均表现为趋同效应，且效应强度呈现东中西依次递减的趋势。其中，东部和中部多数省份数字经济缩小了区域创新效率差距，而西部省份数字经济扩大了区域创新效率差距。可能的原因为：东部和中部地区各省份普遍经济社会基础条件优越，数字技术发展和应用水平较高，地区间协同创新机制更为完善，数字经济在缩小区域差异方面发挥了更为显著的促进作用；西部地区经济实力和城市化水平不高，科技创新与数字经济均起步较晚，数字化技术水平与经济社会融合程度不高，且地区间缺乏有效联动与合作，数字经济未能充分发挥其弥合区域间创新效率差距的积极作用。
3.4 不同创新环境下数字经济影响的差异分析
进一步检验不同创新环境下数字经济对区域创新效率差距的影响差异，选取地区人力资本、基础设施和金融发展水平指标来表征地区创新发展的基础条件[32-33]。其中，人力资本作为知识、信息和技术的载体，可为区域创新带来充足的知识储备和技术优势。这里选取平均受教育年限来表征人力资本发展水平，记为EDU。平均受教育年限的计算公式为：平均受教育年限=大专及以上文化人口比重×16+高中文化人口比重×12+初中文化人口比重×9+小学文化人口比重×6。基础设施是支撑地区经济社会高效运转的先决条件，指标选取与上文保持一致，取对数后记为lnINFR。金融环境可为地区数字经济发展及创新活动提供活跃的投融资渠道，有效支撑和引导地区创新主体的创新行为[8]，选取银行存贷款余额占GDP比重表示其地区金融发展水平，取对数后记为lnFEV。
3.4.1 不同人力资本发展水平下数字经济的影响差异
数字经济在不同人力资本发展水平下影响差异的测算结果如表8所示，当EDU≤ 8.72、8.72
表8 不同人力资本水平下数字经济净效应的差异 单位(%)
3.4.2 不同基础设施条件下数字经济的影响差异
数字经济在不同基础设施条件下影响差异的测算结果如表9所示，当 lnINFR≤0.28时，数字经济的马太效应强于趋同效应，数字经济显著扩大了区域创新效率差距；当0.28
表9 不同基础设施水平下数字经济净效应的差异 单位(%)
3.4.3 不同金融发展水平下数字经济的影响差异
数字经济在不同金融发展水平下影响差异的测算结果如表10所示。当lnFEV≤0.59时，数字经济的马太效应显著强于趋同效应，数字经济显著扩大了区域创新效率差距；当0.59
表10 不同金融发展水平下数字经济净效应的差异 单位(%)
4 结论与政策启示
本文以2011—2020年省级面板数据为研究样本，实证检验与分析结果如下：①数字经济马太效应与趋同效应的综合作用导致创新效率差距低于前沿边界，数字经济总体缩小了区域创新效率差距；②数字经济对区域创新效率差距的净效应呈现由正转负的U形时间分布特征；③数字经济显著缩小了三大区域的创新效率差距，但净效应强度呈现东中西依次递减的趋势；④随着人力资本、基础设施和金融发展水平不断提升，数字经济对区域创新效率差距的净效应呈现不断变小的发展趋势。
基于上述结论，本文得出如下政策启示。
(1)加快各地数字经济发展，推进区域创新体系变革。一是加紧出台地方数字经济发展规划与促进条例，完善数据知识产权保护机制、数据风险监管法律法规，加速完善地区顶层设计和体制机制建设。二是加强数字产业化与产业数字化，建设协同、共治的数字技术创新集群发展生态。具体措施包括：积极培育地方数据要素交易市场，打造具有地方特色的数据交易新产业、新生态和新模式；鼓励地方企业尤其是龙头企业通过数字技术创新开展自主创新活动，实现规模化柔性制造；推动跨区域的数字技术创新平台、云上应用与服务平台的建设，促进工业互联网与消费互联网的融通，推进产业集聚区建设。
(2)发挥政府统筹协调作用，实施差异化数字引导和支持策略。一方面，增强中西部地区数字经济对区域创新效率差距的趋同作用，加强中西部信息通信基础设施建设，构建产业互联网与创新创业平台，实施数字经济、创新扶持和补贴政策，积极承接来自东部地区的数字产业配套，鼓励与推动较高信息技术水平的项目落地，加速数据要素市场的培育，加速释放中西部地区数字经济的创新溢出红利和“后发优势”。另一方面，不断强化东部地区数字经济对缩小区域创新效率差距的积极作用，在保持原有数字产业质量与规模稳定增长前提下拓展大数据应用场景，积极探索数字化管理和应用新模式，建立生态化数字创新集群，并加强核心数字技术攻坚突破，推动区域与国家层面高水平科技自立自强目标的实现。
(3)提高创新环境质量，强化数字经济的创新效率收敛加速器功能。首先，加速各地新型数字基础设施建设，降低地区数据处理成本，尤其要提高中西部及农村地区数字基础设施水平，推动集群式超大数据处理中心建设，协同推进不同地区基础设施的发展。其次，因地制宜建立与当地经济发展相适应的层次分明、功能多元的人才培养体系，积极培育跨领域、跨专业的复合型人才，提高人才供给数量与质量。此外，推动数字技术在金融机构组织运营、产品设计、信贷审批与风险管控等各个环节的融合应用，创新金融产品与服务供给，建立完整的数字化企业信用评价机制，为地区经济发展尤其是技术研发和改造项目、重大产业项目和新型基础设施建设等提供匹配的融资支持，保障各地金融服务的有效供给。
