數字經濟對區域創新績效及其空間溢出效應的影響

趙濱元

(天津市大數據管理中心，天津 300221)

0 引言

作為一種新型生產要素，數據在人類生產活動中的地位迅速提升，數據共享、開放、增值以及應用正在深刻改變人類社會生產、生活與工作方式[1-3]。近年來伴隨數字經濟上升為國家戰略，大數據、云計算、人工智能、數字孿生等新一代數字技術高速發展，新基建、城市大腦、“上云用數賦智”等新提法層出不窮[4-5]。隨著“生產服務+商業模式+金融服務”融合發展的數字經濟生態逐漸形成，數字經濟成為推動經濟增長的新引擎，在國家發展戰略中居于重要位置[6]。

由于知識轉移、人才流動與經濟關聯等原因，創新活動往往具有一定空間溢出屬性[7-10]。從表層看，數字經濟發展會消弭創新主體、創新資源要素等存在的地理距離和空間分布對協同創新的影響，同時，弱化區域創新活動在地理維度上的空間關聯。然而，在長三角、珠三角、京津冀等圍繞大城市形成的城市群中，各城市間的協同創新關系并未在數字經濟發展下變得日漸疏遠，但區域創新能力差距仍然較大，區域創新產出、創新投入、創新資源的分布不均衡問題仍然存在[11]。從理論視角看，數字經濟具有規模經濟、范圍經濟、長尾效應等特征，有助于提升本地區創新績效[12-14]；從實證視角看，數字經濟與創新活動也呈現出一定空間關聯效應[15]。但從現有研究成果看，關于數字經濟對區域創新績效的影響是否具有空間溢出效應的問題仍然缺乏深入分析與明確回答。

基于此，本文試圖從理論上分析數字經濟、區域創新活動及其空間溢出效應的內在聯系，并運用空間杜賓模型對上述空間聯系進行實證檢驗。與現有研究成果相比較，本文將從資源要素、載體平臺和技術創新3個角度系統梳理數字經濟特征與屬性，為深化對數字經濟屬性的認識提供新視角。在此基礎上，本文進一步研究數字經濟發展水平對區域創新活動的影響，剖析數字經濟對區域創新績效及其空間溢出效應的作用機制。

1 理論分析

自提出“數字經濟”概念以來，關于數字經濟的研究不斷深入。如Negroponte[16]認為，數字經濟是廣泛運用信息通訊技術(ICT)的經濟系統，通過數字化、信息化、網絡化對人類生存模式帶來巨大變化。2016年G20杭州峰會上提出，數字經濟是以數字化信息與知識作為生產要素、以信息化網絡為載體、以ICT使用促進效率提升和宏觀經濟結構優化的經濟活動總和。總的來看，數字化時代的經濟運行方式呈現出數據驅動、萬物互聯、創新迭代的特征，因此數字經濟具有資源要素、載體平臺和技術創新等三重屬性。

1.1 數字經濟發展水平與本地創新績效

從資源要素角度看，作為一種生產要素，數據已經成為經濟發展和科技創新的重要驅動力。不同于勞動力、資本、自然資源等生產要素，數據要素具有非競爭性特點，可以在虛擬空間內無限次重復使用。同一數據的不同使用者互不干擾，數據使用者越多，數據的利用率就越高[17]。

從載體平臺角度看，數字化網絡連接了大量生產者和消費者，為信息交流和資源配置提供了平臺。智能終端的互聯和科技創意素材的數字化共享、開放消弭了創新主體間存在的時空距離，迅速擴大了在線創新群體規模，形成了基于海量動態數據、全景智能鏈接與智力資源全天候泛在的數字化創新平臺。不同于傳統載體平臺，數字化平臺具有規模收益遞增屬性和顯著的外部性[18]。按照梅特卡夫定律，數字化平臺的價值與用戶數量的平方成正比。因此，在數字化平臺上，在線創新資源獲取、信息交互和思維碰撞將成為常態，創新資源配置效率和創新績效將在數字化平臺上得到提升。王金杰等[19]對4 130家上市公司進行實證研究，發現互聯網的廣泛應用全面打開了企業邊界，形成了全新的開放式創新框架。

從技術創新角度看，與農業技術、工業技術不同，數字技術的擴散速度快、迭代周期短。而由數字技術引發的創新是一個持續迭代過程，沒有清晰的起點和終點。在數字經濟時代，整個產業體系要敏銳捕捉市場變化，迅速制定調整策略，這對技術創新速度提出了更高要求，催生了技術創新的分工與合作[20]。也有一些學者從實證角度提出質疑，認為信息通信技術并未帶來生產率變化[21-22]。然而，作為一種通用技術，大數據、人工智能、云計算、數字孿生、5G、物聯網和區塊鏈等新一代數字技術與實體經濟深度融合，不斷拓展科技活動、創新驅動與成果轉化邊界，全方位放大實體經濟的技術延展空間，全面促進生產效率提高和經濟增長。

通過上述分析，本文提出如下研究假設：

H1：數字經濟發展水平對本地創新績效具有顯著正向影響。

1.2 數字經濟發展水平與創新績效的空間溢出效應

從資源要素角度看，數據的低擴散成本與高擴散速度導致其具有天然的流動屬性。這種流動性受地理空間的限制較小，體現出較強的地理空間溢出效應。在創新活動中，地理位置較鄰近的創新主體具有更多交流合作機會，通過共享開放數據提升數據要素的利用率，進而增強區域創新績效的空間溢出效應。有研究對339名研發人員和中高層管理者進行問卷調查發現，數據溢出對集群創新能力形成具有顯著促進作用(曹勇、蔣振宇、孫合林等，2016)。因此，數據要素不僅能夠提高本地區創新績效，還能夠通過共享開放提高周邊地區的創新績效。

從載體平臺角度看，數字化平臺不僅為創新主體提供了在線協同配置創新資源的機會，也為創新主體尋找合作伙伴、加強交流與對接提供了信息獲取渠道。創新主體可以通過數字化平臺了解潛在創新合作對象，并在線上交流的基礎上，通過實地調研、線下研討、共建實體平臺等方式進一步深化合作。韓先鋒等[23]實證分析了中國內地30個省域2006-2017年互聯網綜合發展水平對創新效率的影響，結果顯示，互聯網不僅促進了區域創新效率提升，而且呈現出顯著的創新溢出效應。因此，數字化平臺有助于促進創新主體的地理空間集聚，進而為創新資源與創新主體匹配以及空間集聚提供資源支撐。

從技術創新角度看，隨著數字經濟和數字技術發展，企業內部創新平臺的數字化轉型也正在加速。如阿里巴巴人工智能實驗室、騰訊AI Lab、百度AR實驗室等創新平臺運用數字化工具或軟件進行數字化設計、分析、仿真、驗證，實現數字化產品定義、模型數據檢查、機電一體化協同設計、協同工程計算和數字化仿真分析，為研發人員提供虛擬的并行協同設計和仿真的集成工作環境[24]。數字技術提高了實體創新平臺對人才、技術、知識等創新資源的配置效率，增強了實體創新平臺對創新資源的集聚效應，促進了創新資源要素流動和區域協同創新。

通過上述分析，本文提出如下研究假設：

H2：數字經濟發展水平對創新績效的空間溢出效應具有顯著正向影響。

2 指標選擇與模型設定

2.1 指標選取

(1)創新績效。現有研究成果大多從創新產出、創新能力、創新程度、創新效率等方面考察創新績效。其中，創新產出通常使用專利申請數等指標衡量[25]；創新能力通常使用《中國區域創新能力評價報告》中有關指標衡量[26]；創新程度通常使用復合系統協同度模型測度[27]；創新效率通常使用DEA-BCC模型和Malmquist指數模型求解[28]。雖然關于專利數量能否準確衡量創新產出仍然存在爭議，但由于專利數據的可獲得性較強，使用專利數量衡量創新產出的做法已經被普遍接受。因此，本文也將從創新產出角度考察創新績效，并使用專利申請數(件)衡量創新產出。

(2)數字經濟發展水平。結合數字經濟的數據要素、載體平臺、技術創新三重屬性，綜合考慮相關性和可獲得性等，使用“互聯網寬帶接入用戶數(萬戶)”衡量數字經濟發展水平，主要基于以下考慮：一是從相關性看，互聯網寬帶接入用戶既是數據要素的生產主體，也是互聯網平臺的使用主體。因此，互聯網寬帶接入用戶數兼顧了數字經濟的數據要素和載體平臺的雙重屬性，但是未體現數字經濟的技術創新屬性。考慮到本文研究的主題是數字經濟對創新績效及其空間溢出效應的影響，而數字經濟的技術創新屬性與區域創新績效可能存在雙向因果關系，因此使用“互聯網寬帶接入用戶數”指標可在一定程度上削弱由雙向因果關系導致的內生性問題。二是從可獲得性看，數字經濟主要包括數字產業化(數字經濟核心產業)和產業數字化(數字經濟賦能產業)兩部分[29]。目前，國家統計局尚無關于數字經濟核心產業的統一分類標準，未開展統計監測及增加值核算工作，而數字經濟促使傳統產業效率提升所對應的增加值難以通過常規方法測算，因此數字經濟增加值的測算仍然存在現實困境[30-31]。相比之下，“互聯網寬帶接入用戶數”指標具有明確的內涵和外延，更適合進行不同時點、不同區域的比較分析和計量檢驗。

(3)控制變量。基于知識生產函數，創新產出與創新資源投入密切相關，人力資本和研發經費資本都對創新績效具有顯著影響。此外，創新績效也受到地區經濟發展水平等基礎條件制約(陳升，何增華，顧娟，2020)。因此，本文選擇3項指標作為控制變量：一是研發經費投入，使用R&D內部經費支出(萬元)衡量；二是研發人員投入，使用R&D人員數量(人)衡量；三是經濟發展水平，使用地區生產總值(萬元)衡量。

基于數據可得性，以我國361座地級以上城市2010-2018年數據作為考察樣本，原始數據來源于《中國城市統計年鑒》。剔除數據缺失樣本后，為削弱計量單位和異方差對檢驗結果的影響，對原始數據進行對數化處理。為削弱價格變動造成的影響，以2009年為基期，使用當年消費者價格指數對R&D內部經費支出、地區生產總值進行價格平減處理。各變量描述性統計結果如表1所示。

表1 各變量描述性統計結果

2.2 空間權重矩陣與空間計量模型設定

常見的空間權重矩陣W包括相鄰權重矩陣、地理距離權重矩陣、經濟距離權重矩陣、加權相鄰權重矩陣、加權地理距離權重矩陣等類型[32]。綜合考慮到權重矩陣的簡潔性和有效性，選擇相鄰權重矩陣衡量城市空間關系，并對權重進行標準化處理，以開展空間相關性檢驗和構建空間計量模型。標準化前的相鄰權重矩陣如下：

空間計量模型的一般形式為：Y=ρWY+α+Xβ+WXθ+μ，μ=λWμ+ε。其中，Y、X、W分別代表被解釋變量、解釋變量和空間權重矩陣，WY、WX、Wμ分別是被解釋變量、解釋變量和隨機擾動項的空間滯后項。由于各空間計量模型并不一定包含所有類型的空間滯后項，因此需要根據統計檢驗結果和研究目的進行取舍，進而構建適合的空間計量模型[33]。本文在進行空間計量模型設定時，主要考慮兩方面因素：一是從統計檢驗角度看，通過Wald檢驗和LR檢驗判定，空間杜賓模型不宜退化為空間自回歸模型或空間誤差模型；二是從研究目的看，在考察各城市創新績效空間溢出效應的基礎上，進一步研判數字經濟對創新績效及其溢出效應的影響，因此運用空間杜賓模型更為適當。綜合考慮上述因素，本文運用空間杜賓模型進行后續分析。

3 實證檢驗

3.1 空間相關性檢驗

借鑒田增瑞等[34]、崔慶安等[35]的做法，使用莫蘭指數(Moran′s I)檢驗創新績效的空間相關性。各城市2010-2018年創新績效的全局莫蘭指數如表2所示。由上可知，各年度全局莫蘭指數均通過了1%的顯著性檢驗，表明各城市創新績效存在正空間相關性，區域創新在空間上具有顯著的正向溢出效應，即創新能力強的地區能夠對周邊地區產生正向影響。

表2 各城市2010-2018年創新績效的全局莫蘭指數

為考察各城市創新績效的空間溢出效應，進一步測算2018年各城市創新績效的局部莫蘭指數，局部莫蘭指數散點分布如圖1所示。圖1表明，2018年225座城市創新績效的局部莫蘭指數分別位于第一象限和第三象限內，表明創新績效呈現高—高集聚和低—低集聚特征，存在較強的正空間相關性。從區域角度看，呈現高—高集聚特征的城市主要集中在以長三角為主的東南沿海一帶，東北地區、西部地區城市創新績效的局部莫蘭指數呈現出低—低集聚特征，說明受創新人才分布、資金投入分布和經濟發展水平分布等因素影響，我國創新績效仍然呈現東—中—西梯度分布特征。

圖1 2018年創新績效局部莫蘭指數散點分布

3.2 回歸結果分析

常見的空間計量經濟模型參數估計方法主要包括極大似然估計法(MLE)、廣義空間兩階段最小二乘法(GS2SLS)、空間廣義矩估計法(空間GMM)3種[36]，本文將使用上述估計方法對以創新績效為被解釋變量的空間杜賓模型進行回歸。由于空間計量模型的點估計結果并不能解釋變量的邊際作用，因此需要在初步回歸結果的基礎上進一步估計各解釋變量的直接效應和間接效應，進而分析各解釋變量作用效果的差異和空間溢出效應。表3中的模型1-模型3分別列出了使用極大似然估計法、廣義空間兩階段最小二乘法和空間廣義矩估計法的估計結果，出于簡潔性考慮，表3僅報告了各解釋變量的直接效應、間接效應、總效應及判斷回歸結果擬合優度的部分指標。

表3顯示，使用極大似然估計法、廣義空間兩階段最小二乘法和空間廣義矩估計法進行估計，得到的各解釋變量系數和穩健標準誤基本相似。比較模型1-模型3的可決系數和對數似然比可知，模型1的擬合效果更優。因此，僅就模型1的估計結果進行分析，在穩健性檢驗中僅報告極大似然估計法的估算結果。

表3 空間杜賓模型回歸結果

在控制變量中，研發經費投入的直接效應為正且通過了1%的顯著性檢驗，間接效應為負且未通過顯著性檢驗，說明研發經費主要來源于地方財政，一般用于支持本地區創新活動，因此研發經費投入有利于提升本地區創新產出，但對周邊城市的空間溢出效應不明顯。研發人員投入的直接效應和間接效應均為正且分別通過了1%與10%的顯著性檢驗，說明研發人員不僅在本地區創新活動中發揮重要作用，而且通過人員流動、信息交流、知識共享等方式帶動了周邊城市創新，體現出一定的空間溢出效應。地區經濟發展水平的直接效應為正且通過1%的顯著性檢驗，表明一個地區經濟發展水平對于本地區創新產出的提升具有促進作用，但間接效應不顯著，說明經濟發展水平對創新產出的促進作用更多地發生于本地區，對周邊城市的溢出效應不明顯。與上述控制變量相比，數字經濟發展水平的直接效應和間接效應均為正，且分別通過了1%和5%的顯著性檢驗。其中，模型1的回歸結果顯示，dig的直接效應和間接效應分別為0.349與0.077，表明在其它條件不變的情況下，數字經濟發展水平每變動1%，當地創新績效均值將變動0.35%，而周邊地區創新績效均值將變化0.08%。由此，可以得出，數字經濟發展不僅在本地區創新活動中扮演重要角色，而且能夠增強區域創新績效的空間溢出效應。

考慮到不同區域創新績效及其空間溢出效應存在顯著差距，為檢驗數字經濟發展水平對不同區域城市創新績效的影響，將361個城市按照地理位置分為東部城市、中部城市、西部城市3類。表4中，模型4在模型1的基礎上加入區域與數字經濟的交叉項，與模型1的回歸結果相比，其解釋變量的系數符號和顯著性水平均未發生明顯變化，而東部地區數字經濟發展水平的直接效應與間接效應均略高于模型1的回歸結果，中、西部地區結果低于模型1的回歸結果。與東部地區相比，中、西部地區數字經濟發展水平的直接效應和間接效應均較低，表明中西部地區數字經濟發展水平仍有待提高，對本地創新績效的提升作用有限，且數字經濟對創新的溢出紅利也未充分釋放，通過數字經濟發展帶動周邊地區創新績效提升的空間較大。

表4 分區域變系數模型檢驗結果

3.3 穩健性檢驗

為克服統計變量選擇對估計結果的影響，用相似的統計變量替換模型中的統計變量以進行穩健性檢驗。表5給出了替換創新績效、創新經費投入和創新人員投入3項指標的統計變量穩健性檢驗結果。其中，模型5使用“專利授權數量”代替被解釋變量“專利申請數量”，模型6使用“R&D經費投入強度”(R&D經費內部支出占地區生產總值的比重)代替解釋變量“R&D經費內部支出”的對數值，模型7使用“R&D人員全時當量”代替解釋變量“R&D人員數量”。由表5的回歸結果可以發現，模型5-模型7的可決系數和對數似然比相對穩定，各解釋變量系數符號均與模型1的回歸結果保持一致，系數絕對值和顯著性水平也未發生明顯變化，表明模型1的回歸結果穩健。

表5 變量穩健性檢驗結果

為進一步控制遺漏變量帶來的內生性問題，考慮到2016年在貴州省、京津冀、珠三角等8個區域批準設立國家大數據綜合試驗區，據此生成國家大數據綜合試驗區虛擬變量，對上述8個區域2016年之后的樣本和其它樣本分別賦值1與0，以此作為工具變量,進行兩階段最小二乘回歸。使用國家大數據綜合試驗區作為虛擬變量的合理性主要體現在兩個方面：一是從相關性看，設立國家大數據綜合試驗區體現出國家發展數字經濟的區域導向，有助于地方更好地調配資源、發展數字經濟。表6第1列第一階段回歸結果顯示，工具變量與數字經濟發展水平正相關，系數在1%的水平下顯著。二是從外生性看，2016年設立國家大數據綜合試驗區屬于無法事先預料的外生沖擊性事件，弱工具變量檢驗F統計量也大于10%的臨界水平，因此能夠有效保證工具變量的外生性。表6中第二階段回歸結果顯示，數字經濟發展水平的直接效應和間接效應均在5%的水平下顯著為正，進一步驗證了本文結果的穩健性。

表6 兩階段最小二乘法回歸結果

表7報告了空間權重矩陣的穩健性檢驗結果，其中，模型9-模型11分別使用地理距離權重矩陣、經濟距離權重矩陣、加權相鄰權重矩陣(用地區生產總值加權)3種矩陣替換模型1的相鄰權重矩陣以進行檢驗。與模型1的回歸結果相比，各解釋變量對創新績效的直接效應、間接效應、總效應方向及穩健標準誤并未發生明顯變化，表明模型1的回歸結果具有一定穩健性。

表7 空間權重矩陣穩健性檢驗結果

在進行面板數據模型設定時，僅通過Chow檢驗和Hausman檢驗判定個體—時點雙固定效應的存在，而未考察不同時點差異性對面板數據模型的影響，因此有必要對構建的面板數據模型進行穩健性檢驗。表8列出了面板數據模型的穩健性檢驗結果，其中，模型12-模型14分別使用個體固定效應模型、時點固定效應模型、個體—時點雙隨機效應模型進行檢驗。檢驗結果顯示，表8中各模型的可決系數和對數似然比均小于模型1的回歸結果，且各解釋變量系數及其穩健性標準誤差與模型1的回歸結果基本一致。因此，模型1使用的個體—時點雙固定效應模型估計方法具有較強穩健性。

4 結論與啟示

4.1 主要結論

在國家大數據戰略引導下，數字經濟發展如火如荼。關于數字經濟對技術創新和經濟增長的影響，現有研究已經作了較為詳盡的分析。然而從地理空間維度看，數字經濟對創新究竟發揮了怎樣的作用尚未形成定論。本文聚焦數字經濟與區域創新績效及其空間溢出效應的關系，從數字經濟的資源要素屬性、載體平臺屬性和技術創新屬性3個維度展開討論：①從資源要素屬性看，數據具有較強的非競爭性、非排他性等公共物品屬性，重復利用成本較低，容易通過信息傳播、人員“面對面”交流等方式傳播與擴散，從而促進區域協同創新活動發生；②從載體平臺屬性看，網絡經濟不僅為創新主體提供了線上協同創新平臺，而且能夠為一定空間范圍內的創新主體提供信息互通、資源共享渠道，加強地理鄰近創新主體之間的聯系；③從技術創新屬性看，作為應用領域廣泛的一種通用技術，新一代數字技術降低了創新主體協作創新的邊際成本，但在技術迭代過程中產生的隱性知識又限制了數字技術擴散的地理空間范圍，強化了創新的空間集聚性。在此基礎上，本文運用空間杜賓模型檢驗數字經濟發展水平對區域創新績效及其空間溢出效應的影響。實證研究結果驗證了以下結論：數字經濟發展不僅能夠帶動本地創新績效提升，而且對周邊地區創新績效產生顯著正向作用，帶動周邊城市創新績效提升。分區域看，東部地區數字經濟發展對本地創新績效的促進作用更顯著，對周邊地區創新績效的帶動作用也顯著。

4.2 政策啟示

本文研究結論為實踐提供了政策啟示，即推動數字化轉型不僅可以作為促進本地區經濟高質量發展的主導力量，同時，能夠促進周邊地區創新績效提升。據此，提出三方面政策建議。

(1)以數據資源賦能創新應用。由于數據的所有權、使用權、控制權、收益權難以有效分割，數據確權、數據流通、數據安全等關鍵問題尚未有效破解，在一定程度上制約了數據資源在創新活動中的開發利用。因此，可根據社會數據、政府數據的不同屬性，分區分類，精準施策。東部地區可引導社會數據所有者參與創新活動，通過市場化配置手段釋放數據要素在創新過程中的應用價值，帶動本地和周邊地區創新績效提升。中、西部地區可做好政府數據的共享開放，持續推進政府數據在線活用，探索政府數據的創新應用場景。

(2)以網絡平臺支撐對接合作。網絡作為一種新興載體，在創新活動中的服務支撐功能日益顯現，而不同地區在創新活動中的網絡應用能力也各有不同，應根據地區特點探索本地化發展路徑。具體而言，東部地區可增強本地互聯網科技網站資源匯聚能力，引導本地科技資源在線對接，促進線上線下交流合作；中、西部地區可加強5G、數據中心、人工智能等新一代數字基礎設施建設，探索“東數西算”可行路徑，打造區域數據樞紐節點。

(3)以數字技術引領科技攻關。在疫情沖擊下，以數字經濟為代表的新動能逆勢成長，催生了新一代數字技術創新應用，數字技術已經成為引領帶動創新驅動發展的重要引擎。東部地區可根據自身產業技術發展特點，聚焦關鍵核心技術重點突破口，加快建設布局基礎性、前瞻性、引領性重大創新平臺；中、西部地區可聚焦本地標志性產業鏈，支持龍頭企業建設產業鏈級工業互聯網平臺，組織開展智能化技術改造，營造良好的創新發展生態。

4.3 研究展望

受限于數字經濟發展水平的衡量與測算研究尚處于探索階段，本文實證分析仍存在一定不足：一是數字經濟的統計體系缺乏，在一定程度上限制了實證分析效果，城市層面數字經濟發展衡量指標的選擇有限，有待進一步提升其科學性；二是數字經濟統計指標的時間較短且多為年度數據，難以進行平穩性檢驗和動態分析，無法通過實證檢驗反映數字經濟發展對創新動態演化歷程的影響路徑。隨著統計數據的日臻完善，上述問題將在今后的研究中進一步完善。