數字化能否改善創新要素錯配？
——基于創新要素區際流動視角

王宏鳴 陳永昌 楊晨

(1.南開大學經濟學院，天津 300071；2.南京財經大學江蘇產業發展研究院，江蘇 南京 210003)

一、引言

當前，中國面臨日趨激烈的“貿易戰”和“技術戰”。在“卡脖子”的創新困境下，黨的十九屆五中全會確立了自主創新在國家現代化全局中的戰略支撐地位，意味著經濟發展亟需由追求高增速的粗放型模式向追求高質量的創新驅動模式轉變。這一轉型的根本落腳點在于實現資源的優化配置(蔡昉，2021)。其中，創新要素是直接關乎國家創新體系整體效能的重要戰略資源，在重視投入規模的同時如何推進其合理化配置，成為學者和各界共同關注的焦點議題。隨著人工智能、區塊鏈、云計算、大數據等“ABCD”數字技術與我國新發展格局下轉變經濟發展方式形成歷史性交匯，數字化發展下的新應用和新業態駢興錯出，數字經濟已是中國經濟增長的大勢所趨(許憲春等，2021)。數字化在為經濟高質量發展奠定堅實基礎的同時，也為我國加快創新型國家建設提供了重大機遇。那么，在數字化背景下，創新要素的配置是否得到了優化？如果答案是肯定的，數字化如何改善創新要素錯配？以上問題的探討立足于創新驅動和數字經濟這兩大趨勢，對研究以數字化為抓手的中國創新要素錯配問題具有重要理論及現實意義。

從現有研究看，諸多學者已經關注到中國轉型經濟體內的資源錯配現象，并就錯配程度的測算(Hsieh and Klenow，2009；陳永偉和胡偉民，2011)、成因(Brandt et al.，2013；宋馬林和金培振，2016)、對經濟的影響效應(袁志剛和解棟棟，2011；李俊青和苗二森，2020)以及改善錯配的具體因素(白俊紅和劉宇英，2018；季書涵和朱英明，2019)展開了一系列研究。然而，現有的多數研究重點考察的是傳統生產要素錯配，普遍忽視了創新要素的錯配。鑒于此，也有學者主要圍繞以下三方面展開研究：一是創新要素配置水平的測度。靳來群等(2019)通過構建部門間資源錯配程度測算模型，利用工業數據測算了創新資源的區域結構性錯配；陶長琪和徐茉(2021)在創新要素的指標體系中引入了數據要素，基于熵值法測算了創新要素配置水平。二是影響創新要素配置的因素。主要涵蓋：主體內部因素，如技術創新的要素偏向水平以及研發投入之間的替代彈性(L?fsten，2016)和外部環境因素，如政策干預(董直慶等，2020)、金融市場和交通基礎設施(Li et al.，2017)。三是創新要素配置對創新效率或能力的影響。劉冬冬等(2020)發現研發資本價格扭曲抑制了制造業創新效率，而研發勞動力價格扭曲則起到促進作用。從創新主體看，產學研三大主體的創新資源錯配對省域創新效率的影響同樣存在異質性(陳懷超等，2021)。

隨著近年來中國數字經濟方興未艾，學者們開始從信息化、數字化的視角對要素錯配問題進行較為深入的分析，且集中于研究對要素錯配的直接影響。如張永恒和王家庭(2020)發現數字經濟發展能明顯改善省際層面的資本錯配水平，但對勞動力錯配的影響不顯著。韓長根和張力(2019)發現互聯網對要素錯配的影響具有門檻效應，只有當互聯網普及率超過一定水平時才能促進資本或勞動力錯配的改善。此外，還有不少學者將資源配置視作信息化或數字化影響其他因素的重要內在機制。李宗顯和楊千帆(2021)通過構建數字經濟指數，發現要素配置效率是數字經濟影響經濟高質量發展的中介渠道。Li and Du(2021)從微觀企業層面的研究表明，互聯網發展可以通過緩解資源錯配來提高中國企業的能源效率，從而實現節能效果。

綜上所述，現有文獻對于數字化對要素錯配的影響并沒有得到一致結論，對創新要素錯配的影響研究更為缺乏。另外，鮮有研究探討數字化對創新要素錯配的內在影響機理。因此，與既有文獻相比，本文可能的邊際貢獻主要有兩點：第一，相較于已有研究聚焦于勞動力、資本等傳統生產要素錯配，本文將研究的焦點定位于創新要素錯配，并以數字化浪潮為切入點，分析其對創新要素錯配的影響；第二，目前關于要素錯配的研究大多基于靜態角度，而忽略了要素在區際之間流動所帶來的資源再配置效應，故本文從創新要素流動視角出發，將創新要素流動和創新要素錯配納入一個統一的分析框架。創新要素流動的過程即體現了再配置的過程，因此本文進一步從創新要素再配置是否實現了配置的優化來深入揭示數字化對創新要素錯配的內在影響機理，從而為我國在新發展格局下以數字化為抓手促進國家創新體系整體效能提升的路徑選擇與優化提供了有益參考。

二、理論分析與研究假設

“要素錯配”即是資源配置未達到最優狀態(陳永偉和胡偉民，2011)。造成要素錯配現象的原因主要有兩類：一是信息不對稱，二是市場分割因素(張永恒和王家庭，2020)。二者的存在均難以促使要素自由流向利用效率更高的行業或區域。考慮到近年來數字化與經濟社會的全方位融合不斷深化，區域創新系統的現有技術格局和創新模式也必然發生轉變。一方面，隨著創新活動的數字化進程加快，數字技術的滲透、數據要素的替代以及產業數字化和數字產業化的協同演進都會直接影響創新要素的使用和配置效果；另一方面，數字化減少了要素的流動障礙，通過創新要素區際流動來實現創新生產的互動、競爭和轉移，以此間接作用于創新要素配置。數字化對創新要素錯配的影響途徑如圖1所示。

圖1 數字化對創新要素錯配的影響

(一)數字化與創新要素錯配

隨著生產活動數字化轉型加快，數字化對要素配置效率的影響具有滲透效應、替代效應和協同效應(蔡躍洲，2018)。滲透效應是指數字技術能夠嵌入到既有生產要素，借助芯片等載體實現要素信息的具體化、動態化，并利用互聯網技術在云端實時共享，充分釋放“信息勢能”，進而有效削減行業與企業之間創新資源的流動壁壘，這必然會直接影響研發要素的使用和配置效果。替代效應是指數字化創造了新要素替代傳統要素，或者通過改變要素的利用方式來使生產效率提升。數據在價值創造過程中擔當著愈加重要的角色，并憑借非競用性、客觀性等特征，迅速成為數字時代的核心生產要素(肖旭和戚聿東，2021)。基于數據要素的價值周期屬性，數據反饋最顯著的特征是高效、動態，對于科學決策具有重要指導意義。例如，設備運行中的在線實時數據，可以成為產品性能改進、精準定位長尾客戶群體潛在需求的重要數據來源，并通過機器學習、應用、持續反饋與持續更新以優化既有要素的組合方式，引導創新要素的合理化配置。協同效應則是指產業數字化和數字產業化協同演進，在這過程中更多的研發人員和研發資本由于新業態、新模式和新產品的不斷涌現，進入了生產更加高效的數字化產業領域，進而區域創新要素配置效率得到提升。

然而，值得重視的是，隨著數字化向縱深發展，數字技術對傳統行業滲透的加深必然推動市場趨向于形成高度集中的市場結構，出現數字平臺壟斷勢力(Subramaniam et al.，2019)。一些科技巨頭往往會利用知識產權、大數據、算法和網絡效應等構建競爭壁壘，尋求壟斷租金，其他創新性企業很難進入市場并與其有效競爭，這有可能損害市場競爭和創新行為，甚至導致創新資源不斷向少數的大企業集中，加劇創新要素錯配。基于以上分析，本文提出如下競爭性假設：

H1a：數字化對改善創新要素錯配存在直接促進作用。

H1b：由于壟斷勢力的出現，數字化可能對改善創新要素錯配不存在顯著作用。

(二)數字化、創新要素區際流動與創新要素錯配

改革開放以來，中國憑借社會主義市場經濟制度的確立取得了巨大的經濟成就。然而，地方保護主義和“諸侯經濟”的遺留，導致省際之間出現相互分割的市場，規模經濟的產生與發展嚴重滯后。數字化背景下，網絡空間產業生態的形成和發展突破了“斯密定理”對物理空間市場規模的限制，無限擴展了資源配置的范圍。也就是說，互聯網的公平性和實時交互性可以使要素的供需雙方在獲取信息時不再受到時空的束縛，有助于打破市場分割、緩解信息不對稱以及降低要素的搜尋成本，進而促進要素在區際間的流動——資本自由流向利用效率更高的地區，人員及時獲取與自身技能和薪資要求匹配的招聘信息。因此，空間上相互分散的經濟活動就可以通過要素的區際流動組合成一個大的整體，使某些利用效率低下的要素進入高效的經濟活動過程。

實際上創新生產也是各種研發要素之間組合的互動過程(白俊紅和王鉞，2015)。首先，某個地區研發要素的流出可以與流入地閑置的研發要素相結合，使閑置的資源，如研發基礎設施等，也投入到創新生產中，從而提高研發要素的利用效率，實現創新資源的優化配置。其次，研發要素的區際流動意味著在各個地區的創新生產活動中引進了競爭機制。創新競賽(innovation contests)將促使各個區域持續優化創新環境，提升創新能力，進而使研發資源能夠得到最大限度利用，達到帕累托有效配置(Che and Gale，2003；Boudreau et al.，2011)。通常而言，要素的流動往往還伴隨著產業轉移的發生。某個地區研發要素的流出也可能會加速研發要素從已經失去比較優勢的創新活動向具有更大研發價值的創新活動集聚，實現研發資源的合理配置。基于以上分析，在假設H1a成立的前提下，本文提出如下假設：

H2：數字化可以促進創新要素區際流動來改善創新要素錯配。

三、研究設計

(一)模型設定

為探究數字化對地區創新要素錯配的影響，本文建立如下面板模型：

其中，代表地區，代表時間。τ和τ分別為地區的研發資本錯配指數和研發人員錯配指數；dig為數字化水平；X為控制變量。μ代表個體效應，λ代表時間效應，ε為隨機誤差項。

進一步，為檢驗創新要素區際流動的中介效應是否存在，本文參考溫忠麟等(2004)的研究，設定如下模型：

式(3)、式(5)中，cfl和pfl為中介變量，分別表示研發資本和研發人員區際流動量。根據溫忠麟等(2004)的檢驗步驟，式(1)和式(2)中的顯著是中介效應檢驗的前提，說明數字化對創新要素錯配存在影響。接下來，如果系數和顯著，說明中介效應存在；但是，如果和至少有一個不顯著，則需進行Sobel檢驗，若拒絕原假設，說明中介效應存在，反之不存在。

(二)變量測度與說明

借鑒陳永偉和胡偉民(2011)、Akoi(2012)的研究，本文對表示地區創新要素錯配程度的研發資本錯配指數τ和研發人員錯配指數τ分別進行衡量，具體如下：

式(8)中，s為地區的創新產出的份額，β和β分別為地區的研發資本和人員的產出彈性。式(8)反映了各地區創新要素實際分配與理想情況的比值，即地區的創新要素錯配程度，若該比值大于1(＜0)，表明該地區創新要素配置過度；反之，若該比值小于1(＞0)，表明該地區創新要素配置不足。為避免符號方向不一致對回歸產生干擾，本文沿用季書涵等(2016)對取絕對值的做法，數值越大即錯配越嚴重。接下來，為估算產出彈性，本文借鑒趙志耘等(2006)相關研究，假定創新生產函數為規模收益不變的C-D生產函數，即：

式(9)中，為創新產出，通常而言專利數量可以作為創新產出水平的代理變量(Cheung and Lin，2004)，故本文借鑒靳來群等(2019)，使用專利申請數作為創新產出；K為研發資本投入，用各地區的R&D資本存量衡量；L為研發人員投入，用研發人員全時當量衡量。

目前，對數字化的研究多數還位于理論層面，僅少量文獻對數字化發展水平進行了量化，且評估標準尚未統一。Habibi and Zabardast(2020)使用單一的互聯網指標來衡量；趙濤等(2020)構建了數字經濟指數來表征；周青等(2020)從數字化接入、裝備、平臺、應用四個視角分別對數字化水平進行評價。結合數字化對各產業的滲透和普及事實看，依靠基礎設施的不斷完善，數字應用和數字產業實現了蓬勃發展。故本文參考龐瑞芝等(2021)的做法，從數字基礎設施、數字生活應用、數字產業發展等三個維度構建數字化發展水平評價指標體系，這三個維度分別體現了一個地區數字化的硬件條件、融合程度以及發展支撐，能夠合理反映數字化推動經濟社會結構演變的復雜過程。在表1所示的指標體系下，本文采用主成分分析法得到數字化發展水平的綜合指數，并對其進行標準化處理，標準化后各地區的數字化發展水平介于0～1之間。標準化公式如下：

表1 數字化發展水平評價指標體系

式(10)中，ordig表示由主成分分析法直接得到的數字化發展水平，和為所有年份和地區數字化發展水平的最大值和最小值，dig即標準化之后的數字化綜合發展指數。

借鑒白俊紅等(2017)的研究，本文采用引力模型來測量區域間創新要素流動情況。其中，R&D資本流動的表達式如下：

式(13)中，pfl表示地區流動到地區的R&D人員流動量，N為地區的R&D人員，G為地區的人均GDP，S為地區的平均工資，P為地區的平均房價，I為地區的研發機構數量。R為地區和地區之間的地理距離，同樣基于兩區域中心的經緯度測得。因此，地區的R&D人員總流動量表示為：

由于測算所得的R&D資本流動量和R&D人員流動量具有典型的右偏性特征，故本文將其進行對數化處理。

為最大程度克服遺漏變量引致的偏誤，本文在參照已有相關文獻的基礎上，引入如下一系列可能影響創新要素配置的控制變量：產業結構()，以第三產業產值占地區生產總值的比重來反映；市場化程度()，采用王小魯等(2019)測算的中國分省份市場化指數；政府干預()，用政府財政支出占地區生產總值的比重來反映；金融發展水平()，以金融機構貸款余額占地區生產總值的比重來衡量；外商直接投資()，以外商直接投資占地區生產總值比重來反映，美元按照每年人民幣匯率中間價折算；對外開放程度()，以進出口貿易總額占地區生產總值的比重來衡量，美元處理同上。

(三)數據來源和描述性統計

本文選取2005―2019年中國30個省、市、自治區的平衡面板數據(缺西藏)作為研究樣本，基礎數據均來源于歷年《中國統計年鑒》《中國科技統計年鑒》、各省份統計年鑒和國家統計局公布的相關數據。表2是主要變量的描述性統計結果。可以看出，研發資本錯配指數的均值為1.1817，最大值為6.9497，標準差為1.1387，表明不同地區間創新要素錯配程度的差異較大；研發人員錯配指數也呈現相同特征，這與靳來群等(2019)的發現相近。數字化發展指數的均值較小，類似于趙濤等(2020)的測算結果，表明目前我國的數字化發展普遍不充分。從其他變量看，不同地區間創新要素流動量、市場化程度、金融發展水平以及對外開放程度等方面也存在明顯差異。

表2 主要變量的描述性統計結果

四、實證結果與分析

(一)基準回歸結果

本文依據Hausman檢驗的結果，采用面板固定效應模型分別對式(1)和式(2)進行估計。表3報告了數字化發展影響創新要素錯配的估計結果。其中，在列(1)和列(2)中，核心解釋變量數字化發展水平的系數為負，且至少通過了5%水平的顯著性檢驗；列(3)和列(4)中進一步納入了控制變量，由于創新要素錯配的相關不可觀測影響被吸收，數字化發展水平系數的絕對值有所減小，但依然在5%水平下保持負向顯著。上述回歸結果均表明，數字化能夠有效改善省際層面的研發資本錯配和研發人員錯配，假設H1a得以驗證。

表3 數字化影響創新要素錯配的基準回歸結果

從控制變量看，產業結構升級的系數值為負且通過1%水平的顯著性檢驗，一定程度上說明第三產業比重越高越有利于研發資本和人員錯配的改善。市場化程度對創新要素錯配的影響顯著為負，這與白俊紅和劉宇英(2018)的研究結果一致，表明市場化程度越高，價格機制的引導作用越明顯，進而緩解創新要素的錯配。政府干預、外商直接投資的系數均至少在10%水平下顯著為正，意味著政府過多干涉經濟、過度依賴外來投資都會加劇創新要素的錯配程度。金融發展水平的系數在1%水平下顯著為正，說明金融發展水平提高并未有效緩解區域創新要素錯配。究其原因，可能是我國很多地區的金融市場存在諸多亂象，市場服務效率低下，甚至抑制了地區產業結構升級，從而對創新要素配置產生負面影響。對外開放程度對研發人員錯配的影響顯著為正，但對研發資本錯配的影響卻不顯著，表明當前我國進出口貿易加劇了研發人員錯配，但對研發資本錯配的影響具有不確定性。

(二)內生性討論

基準回歸結果表明，數字化有助于降低創新要素錯配程度，二者存在顯著負相關關系。然而，模型中存在內生性問題會導致估計結果有誤。考慮到科技創新是數字化發展的重要推動力，而創新要素錯配程度直接影響了科技創新水平的高低，因此創新要素錯配對數字化可能存在反向因果。選取適當的工具變量，是處理內生性問題的常用策略，本文借鑒趙濤等(2020)，構造各地區1984年每百人固定電話數與上一年全國互聯網用戶數的交互項作為數字化發展指數的工具變量。為避免工具變量選取中存在偏誤所導致結果的偶然性，本文還使用數字化發展水平的滯后一期作為工具變量進行估計，結果見表4。

表4 工具變量回歸結果

表4第(1)(2)列是選取歷史固定電話數和上一年全國互聯網用戶數的交互項作為工具變量的回歸結果，第(3)(4)列是選取數字化發展水平的滯后一期作為工具變量的回歸結果。結果顯示，考慮內生性問題后，數字化發展水平的系數仍然顯著為負，這與表3的基準回歸結果保持一致，進一步印證了數字化有利于改善創新要素錯配。

(三)穩健性檢驗

為排除變量測度方法給估計結果帶來的干擾，本文從以下兩方面進行穩健性檢驗：第一，更換核心解釋變量。將數字化發展指數的合成方式由主成分分析法調整為熵值法，回歸結果見表5第(1)(2)列；第二，更換被解釋變量。一是在測度創新要素錯配指數的過程中使用發明專利申請數來衡量創新產出，回歸結果見表5第(3)(4)列；二是考慮到從創新要素投入到產出可能需要經過一定的時間和周期，因此對式(9)中的創新投入進行滯后一期處理，即創新產出采用當期數據，研發人員和研發資本投入采用上期數據，回歸結果見表5第(5)(6)列。結果顯示，核心解釋變量數字化發展水平的回歸系數均至少在10%水平下顯著為負，表明樣本期間我國數字化發展顯著促進了省際創新要素錯配的改善，由此驗證了結論的穩健性。

表5 穩健性檢驗I：更換變量測度方法

上述估計結果均成立在靜態面板回歸的基礎上。如果要素錯配具有一定的路徑依賴性(袁志剛，2013)，結果的穩健性則可能受到影響。對此，本文進一步加入被解釋變量的一階滯后項，建立動態面板模型進行估計。表6中，第(1)(2)列是差分GMM的估計結果，第(3)(4)列是系統GMM的估計結果。結果顯示，在考慮模型的動態效應后，數字化發展水平對創新要素錯配的影響仍然保持負向顯著。

表6 穩健性檢驗II：使用動態面板估計

五、進一步研究

(一)創新要素區際流動機制檢驗

理論分析表明，數字化可以促進創新要素的區際流動來改善創新要素錯配。為驗證該作用機制假設，本文擬采用式(3)～(6)的中介效應模型進行檢驗，結果如表7所示。列(1)和(3)中數字化對研發資本流動和研發人員流動的回歸系數為正，且均通過1%水平的顯著性檢驗，表明數字化能夠顯著促進創新要素在區際間的流動。列(2)加入了中介變量研發資本流動，數字化發展水平和研發資本流動的系數均顯著為負，且數字化發展水平系數的絕對值相比表3中列(3)有所減小，說明研發資本的區際流動是數字化緩解研發資本錯配程度的作用機制。列(4)加入了中介變量研發人員流動，研發人員流動對研發人員錯配的影響不顯著；進一步通過Sobel檢驗也無法顯著拒絕不存在中介效應的假設，說明研發人員的區際流動并非數字化緩解研發人員錯配的作用機制。因此，假設H2僅部分成立。

表7 創新要素區際流動的中介效應回歸結果

可能的原因是相較于流動性強、流動成本低的資本而言，人員流動更容易受到政策或主觀意愿的影響。例如，隨著地方政府“人才爭奪戰”的白熱化，不少三、四線城市也加入其中，相比于北京、上海、廣州、深圳等一線城市，零落戶門檻和低住房價格吸引到較多的創新人才流入；然而，多數三、四線城市的創新活動研發價值不高，這在一定程度上也致使創新人才不能自由轉移到回報率更高的地區。面臨這一窘境，三、四線城市應加快產業轉型升級，重視創新發展，不盲目倚靠優惠政策“搶人”，真正精準定位當前地區發展迫切需求的專業型人才。此外，即便一些經濟實力優越的地區吸引到了大量的創新人才，有限的研發設備使用擁擠也可能會扭曲研發人員的合理配置(白俊紅和王鉞，2015)。

(二)區域異質性分析

改革開放40多年來，我國經濟突飛猛進，但區域間發展水平失衡的問題也日益凸顯。步入數字時代后，區域“數字鴻溝”同樣成為不可回避的問題。那么，數字化對創新要素錯配的改善效果是否存在著區域差異？

一般而言，東部發達地區的數字化進程較快，對創新要素錯配的改善作用相比于中西部地區可能更加明顯。當然，中西部地區數字化發展水平雖然較低，但“后發優勢”帶來的邊際貢獻也可能大于東部地區(陳小輝等，2020)。鑒于此，本文將總體樣本劃分為東部和中西部兩個子樣本，以考察數字化對創新要素錯配影響的地區差異。此外，地區的創新要素配置存在過度(＜0)和不足(＞0)兩種情形，不同情形下，數字化對創新要素錯配的影響可能不同，于是，本文進一步將總體樣本分成“配置過度地區”和“配置不足地區”兩個子樣本。分地區估計的結果見表8。

從表8第(1)～(4)列可以看出，東部地區數字化發展水平的系數均顯著為負，而中西部地區均不顯著，表明數字化對創新要素錯配的影響存在著地區差異。與經濟發展水平類似，我國數字化在規模持續增加的同時也具有地區發展不均衡的特點，表現為由東向西呈階梯狀逐級減弱。據《中國區域數字化發展指數報告(2020)》顯示，數字化發展水平排名前六位的均為東部省份，排名末十二位的全部為中西部省份。同時，東部地區由于市場化進程較早，具備相對完善的要素市場和良好的競爭環境，這有利于減少數字化影響創新要素配置時所受到的約束，進而有效緩解其錯配程度。而中西部地區可能受到市場機制不完善以及要素流動障礙等一系列制約，使數字化對創新要素錯配的改善效果沒有得到充分展現。

表8第(5)～(8)列為地區的創新要素配置存在過度和不足兩種情況下，數字化對創新要素錯配的影響。結果顯示，對于創新要素配置過度地區，數字化均能顯著降低研發資本和研發人員錯配水平。原因在于數字技術衍生出更多的新應用、新模式和新產業，驅動過多的研發人員和研發資本流向效率更高的數字產業領域，提高了創新要素配置效率。對于創新要素配置不足地區，數字化顯著改善了研發資本錯配，但對研發人員錯配的改善效果卻不明顯。上文機制檢驗表明，數字化可以促進研發資本的區際流動，使研發資本從配置過度地區流向配置不足地區，但相比于資本，人員的流動性較差，流動成本較高，更容易受到政策或主觀意愿的影響。觀察到樣本期內研發人員配置不足的地區多為南方發達省市，如上海、江蘇、浙江、廣東等，對研發人員的需求量較大。然而，現行的戶籍制度和這些地區的高生活成本在一定程度上也阻礙了研發人員的自由流動，使之不能自由轉移到回報率更高的地區，導致研發人員的合理配置發生扭曲。綜上，數字化對于創新要素錯配的改善效果存在著區域異質性。

表8 分地區估計結果

六、結論與啟示

本文在數字化改善創新要素錯配的理論分析基礎上，測算了2005―2019年中國30個省份的創新要素錯配指數和數字化發展水平，并對內在的作用機制進行了實證檢驗。結果表明：(1)數字化能夠顯著改善研發資本和研發人員錯配，在處理內生性問題、更換變量的測度方法以及使用動態面板估計后，這一結論仍然成立；(2)數字化可以通過促進研發資本的區際流動來改善其錯配程度，而研發人員的區際流動則沒有起到中介效應，這是因為相較于流動性強、流動成本低的資本而言，人員流動更容易受到政策或主觀意愿的影響；(3)數字化對于創新要素錯配的改善效果存在地區差異，其顯著緩解了東部地區創新要素的錯配程度，但對中西部地區的作用卻并不明顯。此外，地區間創新要素錯配方向的不同也會對估計結果產生影響，對于創新要素配置過度地區，數字化均能顯著降低研發資本和研發人員錯配水平；而對于創新要素配置不足地區，數字化僅顯著改善了研發資本錯配，對研發人員錯配的改善效果則不明顯。

以上研究為數字化背景下我國創新型國家建設提出了一些建議與啟示：一是孕育形成以數字化為代表的新動能。各地政府應順數字化之勢而為，將其作為推進經濟高質量發展的全局之舉和“牛鼻子”工程，在培育壯大數字產業的同時，借助數字技術全領域、全方位、全鏈條賦能傳統產業，以硬件設施升級為重點、軟件服務優化為抓手，切實推動創新要素的高效化配置。二是實施柔性人才引進戰略。在研發人員引進的過程中出臺具體的政策措施，打破戶籍制度和人事關系的限制，采取聘用、合作、學術研討、技術指導咨詢等多樣化形式，塑造自由流動的、全面開放的人才環境，同時還需要為人才提供優厚的待遇補貼，落實“按貢獻分配”的原則。三是完善創新要素市場轉移轉化體系。過程中應成立一批高度專業化、服務化的國家技術轉移機構，并利用數字技術加快資本、人才等創新資源的技術轉移網絡建設，從而提高創新要素的開放性和流動性。此外，還需加快建設科教密集、創新成果多的省會城市成為具有區域影響力的創新中心，借助數字化發展強化創新中心城市的輻射作用，推動重點領域項目、資金、人才一體化配置。 ■

注釋

1. 包括研發資本和研發人員。

2. 數據價值周期被描述為從數據化到數據分析和決策的一系列階段，這個過程不是一條線性的價值鏈，而是涉及價值創造過程中多階段反饋的價值循環。

3. “斯密定理”指勞動分工受到市場規模限制。

4. 這里使用專利申請數而非授權數，是因為專利數量從申請到授權的過程中還面臨著很多不確定因素。

5. 借鑒余泳澤(2015)[36]修正后的永續盤存法來測算。關于初始R&D資本存量的確定，采用余泳澤(2015)以1998年為基期計算得到的省際R&D資本存量。

6. 研發人員全時當量是全時人員與非全時人員依據實際工時折算成全時人員之后的和，比直接用研發人員數量更具客觀性。

7. 由于住房價格越高越會阻礙人才流入，故這里將房價視為負向指標處理。

8. 其中2017―2019年的市場化指數根據年均增長率予以推算。

9. “上一年全國互聯網用戶數”是隨時間變化的指標，避免了不隨時間變化的工具變量在面板模型中的運用(Nunn and Qian，2014)[11]。

10. 專利包括三種形式：發明專利、實用新型專利和外觀設計專利，其中最能體現創新產出的當屬發明專利。

11. 東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中西部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南、四川、重慶、貴州、云南、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古。