數字經濟對高技術產業創新效率的影響研究

馬 琳

（南通大學經濟與管理學院，江蘇南通 226000）

在國際經濟環境日益復雜嚴峻的背景下，數字經濟作為一種新型的經濟形態持續保持高速增長，在國民經濟中的地位不斷上升，成為了驅動我國經濟增長的核心、關鍵力量。2021年3月，第十三屆全國人大四次會議通過的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》指出，要加強關鍵數字技術創新應用，促進數字技術與實體經濟深度融合，加快推進產業數字化轉型。高技術產業作為一種知識技術密集、高附加值、創新型產業，是國家衡量綜合實力的重要指標，也是我國推動科技創新、產業結構升級的核心力量。與此同時，數字技術的普及為高技術產業的發展提供了機遇。基于此，在數字經濟的新形勢下，研究中國高技術產業能否借此提升創新效率具有很強的理論和現實意義。

一、文獻綜述

隨著社會進入數字經濟時代，人類的生產和生活方式都發生了巨大的變革，學者們紛紛開始關注和研究其發展現狀和影響。郭家堂、駱品亮（2016）認為，互聯網技術使信息廣泛快速傳播，通過提升經濟個體的信息資源積累，促進了經濟社會的技術進步。Basu 和Fernald發現，數字經濟改變了傳統的商業模式，減少了信息不完全的問題，使資源配置流向升級。荊文君和孫寶文（2019）認為，互聯網的外部效應形成的規模經濟，提高了資源配置效率，優化了生產要素投入，進而推動了經濟增長。Clarke 等（2015）認為，互聯網的使用頻率對發展中國家的中小企業的生產率有著顯著的積極影響。

通過梳理文獻發現，學者們對數字經濟對經濟活動中的創新的影響也進行了研究。韓先鋒和惠寧等（2014）利用工業部門行業面板數據，實證分析信息化與技術創新效率的傳導機制，認為信息技術的溢出效應促進了技術創新效率的提升。楊德明和劉泳文（2017）認為，互聯網通過匯聚的創新資源，可以使創新個體借助平臺更好進行交流，低邊際成本也會促進企業增加研發投入，提高企業整體的創新能力。王金杰和郭樹龍（2018）認為，互聯網不僅能使創新資源聚集，還會使企業在互聯網開放式思維的引導下，將內部能力與外部信息資源整合起來，從而提高企業的協同創新能力。在數字化的環境下，企業可能比消費者更了解對產品的需求。陳劍和黃朔等（2020）認為，大數據的出現提高了企業對消費者的需求預測能力，數字化技術也能使企業設計出更符合消費需求的產品，而這些都將帶來企業在運營管理上的創新。張驍和吳琴等（2018）通過構建跨界顛覆的理論模型，分析在互聯網時代下組織利用跨界開展新業務，顛覆原有價值創造模式的演化邏輯。數字化同樣能激發企業利用數據進行創新的動力。林琳和陳萬明（2018）發現，在互聯網的背景下，企業與用戶之間的互動性加強，通過反復試錯，迅速得到用戶反饋信息，有利于企業不斷適應外部環境，規避創新創業帶來的風險。王可和李連燕（2018）從制造業視角出發，發現信息的流動與共享會促進企業的創新行為和供應鏈的協同效應，同時互聯網也簡化了企業的銷售和營銷流程。

綜上所述，國內外學者對于數字經濟以及其對創新的影響從不同的角度進行了研究，但從高技術產業的視角出發，研究數字經濟對于不同地區高技術產業創新效率的影響還較為鮮見。因此，本文以高技術產業為研究對象，利用三階段DEA 與Tobit 模型相結合的方法，實證檢驗了數字經濟對各地區的高技術產業創新效率的影響。

二、高技術產業創新效率測評

（一）研究方法

三階段DEA 模型將決策單元都調整到相同的外部環境，剔除環境因素和隨機因素對效率值的影響，與經典DEA 模型相比，得到的效率值更能客觀、準確地反映各決策單元的真實情況。本文利用該方法測度各地區高技術產業創新效率，具體的研究步驟不再過多贅述。

（二）變量選取與數據說明

本文參考國內外學者的相關研究，選擇的投入變量為研發活動人員折合全時當量、研發經費存量。產出變量為新產品的銷售收入、專利申請數。環境變量是指對效率會產生影響，但不受樣本主觀控制，且短時間內不會發生改變的變量。本文選取的環境變量包括：（1）經濟發展水平。選取人均GDP 作為衡量地方經濟發展水平的指標。（2）財政支出。選取各地區科學技術支出占財政支出的比例來衡量各地區政府對科研活動的支持力度。（3）研發環境。選取各地區的高技術產業研發機構數來衡量。（4）開放程度。選擇地區進出口總額占地方GDP 的比例來衡量。考慮數據的完整性和可得性，本文選取2011—2018年28個省、市、區為樣本（西藏、新疆、青海等省份由于數據缺失較多，予以舍棄），數據來于《中國高技術產業統計年鑒》《中國統計年鑒》和各省市統計年鑒。對個別缺失數據采用線性插值法補全。由于產品從研發到投入使用需要一定的周期，故設置創新投入產出的滯后期為一年。同時，為了消除價格因素的影響，以2011年為基期對相關數據進行平減處理。

（三）實證結果分析

運用DEAP2.1 軟件對28個省、市、區高技術產業創新效率進行測算，然后將得到的人力投入松弛變量、經費投入松弛變量分別作為被解釋變量，以經濟發展水平、財政支出、研發環境和開放程度為解釋變量，建立SFA 回歸模型，運用Frontier4.1 軟件計算得到調整后的投入變量。利用調整后的投入變量和初始的產出變量計算各地區的高技術產業創新效率值。表1 為SFA 模型的回歸結果。從表1 中可以看出，模型的單邊似然比檢驗統計量通過了1%檢驗，拒絕原假設，表明運用SFA模型進行回歸是有必要的。此外，研發人員投入松弛變量和經費投入松弛變量所對應的和值均通過了1%顯著性檢驗，表明與隨機誤差項相比，環境因素對投入松弛值的影響更為明顯。同時可以看出，環境變量的待估計系數通過了顯著性檢驗，表明環境因素對人力投入松弛和資本投入松弛具有顯著影響，所以利用SFA 模型消除環境因素和隨機因素的影響是合理的。

第三階段測算結果與第一階段測算結果存在明顯的差異。在投入變量調整后，高技術產業綜合效率均值為0.360，下降了0.111，降幅達到23.57%；調整后的純技術效率均值為0.804，上升了0.028，上升幅度達到40.56%。高水平的純技術效率表明高技術產業的技術利用效率水平較高，說明近年來國家對技術創新的重視取得了一定的成果。調整后的規模效率均值為0.430，下降了0.416，降幅達到49.17%。與第一階段測算結果相比，高技術產業創新效率均值、規模效率均值都有明顯下降，而純技術效率均值明顯提升。這說明規模效率低下是造成高技術產業創新效率低下的主要原因。此外，各地區的高技術產業創新效率水平差距較大。

表1 SFA 模型回歸結果

三、數字經濟對高技術產業創新效率的影響分析

（一）指標選取及說明

梳理相關文獻，本文借鑒趙濤等（2020）的研究思路，同時考慮到智能物流也是數字經濟下的新型產業，與大數據、人工智能、5G 等數字技術結合得較為緊密，所以將其也納入到指標體系中，并采用以下6個指標對地區數字經濟發展水平進行測度：每百人互聯網用戶數、每百人移動電話用戶數、計算機服務和軟件從業人員占比、人均電信業務總量、中國數字普惠金融指數和快遞業務收入。出于對相關變量的降維考慮，將以上6個指標的數據進行標準化處理，利用SPSS 軟件進行主成分分析，得到數字經濟綜合發展指數。本文選取的控制變量為：（1）政府支持。采用政府資金投入占R&D經費內部支出的比例來衡量政府支持力度。（2）教育水平。選取普通高等學校在校學生數衡量一個地區的教育水平。（3）外資支持。選取外商直接投資實際利用額占地方GDP 的比例來衡量。（4）金融發展。選取各地區銀行年末存貸款余額占地方GDP 的比例來衡量金融發展規模。

（二）實證結果分析

為了進一步探究數字經濟發展水平對我國28個省份的高技術產業創新效率的影響，選取適用于被解釋變量受限的Tobit 模型，以三階段DEA 模型測算出的高技術產業創新效率為被解釋變量。以上述影響因素為解釋變量進行回歸分析，分析結果如表2。

表2 高技術產業創新效率Tobit模型回歸結果

數字經濟水平與綜合效率呈顯著正相關，表明數字經濟每提高1%，高技術產業創新綜合效率提高0.113%。說明數字經濟水平的提高能顯著促進高技術產業創新效率的提升。互聯網的發展提高了信息傳遞的深度和廣度，打破了傳統的時空界限；信息透明度的提高降低了企業搜尋信息的成本，能夠精確識別用戶的需求，進一步提高了創新質量。此外，數字經濟與實體經濟的深度融合，方便利用數據要素的低成本特性產生規模經濟效應，最終提升產業的創新能力。政府支持力度與綜合效率呈負相關，說明政府的研發經費資金存在投入過多導致浪費的現象，可能是資源沒有得到合理的配置。教育水平與綜合效率呈正相關，說明教育水平的提升能顯著提高高技術產業的創新效率。外商投資與綜合效率呈顯著正相關，可能是由于外商投資的技術外溢效應為企業創新提供了良好的環境。金融發展水平與綜合效率呈顯著正相關，說明金融機構貸款對于創新企業發展的全過程起著強大的支撐作用，創新研發需要大量的資金，高質量的金融環境可以擴寬企業的融資渠道。

結語

本文研究了2011—2018年各地區數字經濟發展水平對高技術產業創新效率的影響。研究結果說明，數字經濟對各地區高技術產業創新效率有顯著的正向影響。因此，地區政府應注重加強數字基礎設施建設，根據實際情況實行不同的數字經濟發展戰略，利用創新研發成果推動生產率的提升。