信息通訊技術影響技術創新的地區差異與空間效應

張錦文，何風雋，2

（1.寧夏大學 經濟管理學院，寧夏 銀川 750021；2.寧夏大學 黨委統戰部，寧夏 銀川 750021）

一、引言

21 世紀以來，信息與通訊技術(ICTs)迅速發展，逐漸融入到人們日常生活的方方面面，比如，跨空間、即時、可視化的交流，檢索與閱覽信息，以及日常繳費、購物消費與遠程醫療等。與此同時，也影響了宏觀經濟增長、人類發展、變革性的政策制定以及新興經濟體的轉型。2005—2021 年，全球互聯網用戶人數從10 億增加到48 億，滲透率達59%。而中國的互聯網用戶已達10.11 億，互聯網普及率達71.6%，遠超過世界平均水平，正在成為數字革命的領先者。

ICTs 不僅僅使得技術創新成果迅速地跨空間傳播應用[1]。ICTs 通過信息化能力催化了各交易主體內部組織結構的變革，創造出一個扁平的組織結構，從而降低內部交易成本，提高組織內部的管理效率。Black 等指出ICTs 發展水平，通過提高信息化能力而推動企業內部管理的創新，從而通過提高組織內部的管理效率間接地促進各企業、產業或者不同市場技術創新產出的不斷增加[2]。Steinmueller 等發現ICTs 促進了發展中國家的“跨越式”發展[3]。但ICTs 是否必然推動技術創新也存在爭議（蔣仁愛、賈維晗，2019）[4]。那么，信息通訊技術(ICTs)能促進中國區域技術創新嗎？若有影響，影響的關系是線性的，還是非線性的？這種影響在中國不同區域是否表現出差異，以及是否存在地域間的溢出效應？數字經濟時代，技術創新驅動經濟高質量發展愈加離不開ICTs，因此，有必要厘清ICTs 發展水平和技術創新產出之間是何種影響關系，以及探明其空間效應和區域異質性。

二、文獻綜述與研究假設

1. 文獻綜述

（1） ICTs 的概念

信息與通訊技術(ICTs)被Melody 等人于1986 年首次提出，指融合了信息技術與通訊技術的高新科技領域，涵蓋了以電子方式存儲、檢索、操作、傳輸或接收信息的任何產品。Zuppo等提出廣義的ICTs 指電話網絡、互聯網、人工智能、大數據和社交媒體應用的融合程度[5]。ICTs 不斷地改變著生活和生產方式[6]。互聯網普及度、互聯網用戶、個人計算機或者移動電話的數量等都可以作為ICTs 發展水平的衡量指標。

（2） ICTs 與技術創新之間關系的相關研究

信息通訊技術(ICTs)主要通過獲得、處理、交換信息促進知識、技術的傳播，從而提高新技術的研發效率[7]。ICTs 從多個層面激勵企業技術創新，比如促使技術專利申請及應用更便捷[8]，強化組織間跨空間的協同效應（李后建，2017）[9]，降低創新要素稀缺性和節約創新成本[10]。此外，ICTs 發展水平還是技術創新集聚形成的重要條件（俞立平等，2021）[11]，即ICTs 發展水平越高，創新集聚速度越快。

既有文獻表明ICTs 發展深度影響了經濟社會領域的技術創新。例如，農業領域，ICTs 通過實時檢測氣候等方面的信息，協助制定科學的生產決策[12]。教育領域，ICTs 很大程度上優化了科學知識生產方式，也有效地提升了知識管理的效率[13]。許港等(2013)實證研究發現信息化推動了中國工業的技術創新能力提升，但與技術開發能力相比，信息化對技術轉化能力的促進作用更加顯著[14]。方遠平等(2013)[15]以2001—2011 年廣東省21 個地市為樣本，采用靜態空間模型研究發現服務業創新與信息通訊技術之間顯著空間相關。

2. 研究假設

信息通信技術內具的數字化特征，使技術知識在不同地區間便捷轉移[16]，所以，ICTs 發展水平對技術創新產出的影響路徑一（如圖1）：ICTs 促進知識在創新主體間流動。Liao 等(2016)認為信息通信技術通過知識溢出促進創新增長[17]。Venturini(2015)基于15 個OECD 國家樣本，發現ICTs 生產部門的技術會溢出到應用部門，促進ICTs 應用部門的全要素生產率增長[16]。此外，ICTs 還能夠通過產業間關聯外溢推動行業生產率增長[4]。所以，路徑二（如圖1）：ICTs 通過知識、技術、產業關聯的外溢效應，加速各產業部門對技術創新的研發，提高行業TFP。Cette 等(2015)指出網絡外部性特征使信息通信技術具備了擴散性[18]。所以，影響路徑三（如圖1）：ICTs 強化技術創新的擴散效應，ICTs 使技術創新在不同創新主體間的擴散更加高效便捷，從而推動技術創新產出的增加。由此，提出如下假設：

圖1 ICTs 發展水平對技術創新產出的影響路徑

假設H1：ICTs 發展水平能顯著地提高中國的區域技術創新產出。

當ICTs 發展水平較低時，信息溝通與知識共享相對困難，阻礙協作的有效性[19]，此時提高ICTs 發展水平，其對技術創新的正向作用彈性比較大。但隨著ICTs 發展水平的逐漸提高，它給知識和技術的傳播提供了足夠的保障，此時再提高ICTs 發展水平，其對技術創新的促進作用彈性較弱。由此，提出如下假設：

假設H2：ICTs 發展水平對技術創新產出的影響存在顯著的非線性關系，且呈現倒“U”型。

改革開放以來，中國省際之間，特別是北京、上海、廣東等經濟發達的地區向其他省份的技術擴散成為彌補區域差距的重要方式。技術擴散源于Hagerstrand(1952)[20]從空間視角提出的創新擴散理論，表現出領先地區的信息與通訊技術優勢不僅僅能帶動自身的技術創新，而且能夠促進其他省份的技術創新。由此，提出假設：

假設H3：ICTs 發展水平對技術創新產出的影響具有顯著的正向空間效應，即本省的ICTs 發展水平對相鄰省份的技術創新也具有顯著的正向促進作用。

由于各地資源稟賦差異，往往決定其產業結構的特點，如沿海區域重點發展金融類、高新技術類產業，而西北地區則仍以能源重化工產業的轉型為主。教育水平、地理區位差異加劇了區域間人力資源的差異。魏守華等(2010)[21]運用1998—2007年的中國省級面板數據實證分析，發現創新能力依賴于區域特定的產業集群環境、產學研協同程度等因素。所以，區位差異會直接影響ICTs 發展水平促進技術創新產出的效果，由此，提出假設：

假設H4：中國中部和西部地區ICTs 發展水平對技術創新產出的正向影響高于東部地區，表現出“后發優勢”。

三、研究設計

1. 數據來源

文章以歷年《中國統計年鑒》和《中國科技統計年鑒》的數據為基礎，選擇中國30 個省份（鑒于數據可得性，剔除西藏和港澳臺地區） 2005—2020 年的面板數據。

2. 變量選擇

（1） 被解釋變量

技術創新產出。技術創新產出是區域技術創新能力最核心的表征，專利指標是目前通用的衡量指標，所以文章選取各省份的專利申請數來衡量區域技術創新產出。

（2） 解釋變量

ICTs 發展水平。根據聯合國國際電信聯盟創建ICTs 發展指數以來，互聯網普及度作為ICTs 發展指數的核心組成部分，直接反映了區域ICTs 發展水平。基于此，文章選用互聯網普及度來代表各省份的ICTs 發展水平。

（3） 控制變量

在社會和經濟領域中，還有其他重要的變量影響區域技術創新發展，例如：人均GDP，指人均國內生產總值，用于衡量區域經濟規模；進出口總額，反映地區對外貿易規模的重要指標，也衡量了地區在國際貿易中的競爭力，文章采用其自然對數表示；R＆D 經費占GDP 比值，代表地區在研發上的投入規模，是影響技術創新的直接因素；環境規制，參考李玲、陶鋒(2012)[22]的做法，選取工業廢水排放達標率、工業二氧化硫去除率及工業固體廢物利用率綜合測算環境規制強度；產業結構升級，用第三產業占第二產業的比值衡量；城鎮化率，即城鎮人口占地區總人口的比例。FDI，侯潤秀和官建成(2006)[23]發現FDI 對發明、實用新型等專利申請均具有顯著正向影響，由此，文章采用外商直接投資的自然對數表征；失業率，資源型區域內單一的產業結構在產業結構升級轉型過程中造成的高失業率也是阻礙技術創新的重要因素[24]。

3. 數據描述

表1 展示了中國30 個省份（除西藏和港澳臺地區） 2005—2020 年的面板數據集中各變量描述性統計的結果，其中包含變量的觀察值、均值、標準差、最小值和最大值。

表1 數據的統計描述

4. 模型設計

（1） 固定效應模型

為估計中國區域ICTs 發展水平對技術創新的影響，采用以下固定效應模型：

式中，patentit表示技術創新產出，加入數值1 保證了非負數patentit的自然對數是有效的；ICTit表示ICTs 發展水平；Controlsit是指控制變量；i=1，2，…，N，表示省份；t=2005，…，2020，表示年份；ci和pt分別表示中國各省份的個體效應和年份的時間效應；εit表示誤差項；β 和δ 為估計系數。

在面板回歸模型中，固定效應模型的誤差項滿足E(εit|ci，xit)，i=1，2，…，N，xit為所有的解釋變量，而隨機效應模型則滿足E(εit)，i=1，2，…，N。當僅考慮時間效應pt時，可行的廣義最小二乘法(FGLS)優于一般混合最小二乘法。對于時間和個體的雙固定效應的估計，文章采用最大似然估計法(MLE)。

遺漏變量引起的內生性問題會造成模型回歸結果的偏誤。所以，文章將技術創新產出的滯后一期加入方程(1)中，得到方程(2)。技術創新產出的滯后一期不僅保留了因變量自身過去的信息，同時還包含當期影響因變量的其他因素的過去信息。因此，方程(2)不僅消除了文章內生性問題，還增加了模型整體的擬合優度。

（2） 系統GMM 模型

為解決內生性問題，Arellano＆Bond 提出差分GMM 法，但滯后項作為差分的工具變量，可能存在弱工具變量問題，為此，Blundell 等提出系統GMM法，對差分方程和原始的水平方程同時進行估計，不僅解決了內生性問題，還克服了弱工具變量的影響。因此，文章采用兩步法的系統GMM 估計，探索ICTs 發展水平與技術創新產出之間的動態影響關系。

（3） 空間面板杜賓模型

空間自相關性描述的是同一變量在不同空間位置上的數值所反映出的相互依賴性。判斷變量在整個空間中是否存在自相關的一般方法是全局Moran's I 指數，其于1948 年被澳大利亞統計學家帕克·莫蘭(Patrick Alfred Pierce Moran)首次提出，其定義如下：

其中，xi表示第i 個地區ICTs 發展水平和技術創新產出的觀察值；n 為區域數量；wij為空間權重矩陣W 的元素，由i 和j 地區省會城市經緯度測算出來的歐氏距離倒數表示。Moran′s I取值介于-1～1，大于0 表示空間正相關，數值越大分布越集中；小于0 表示空間負相關，絕對值越大分布越離散；接近于0 則表示變量呈隨機分布。

空間杜賓模型能捕捉各變量之間的空間異質性及外溢性。此外，考慮到內生性問題的存在，文章引入被解釋變量的滯后一期構建出動態空間面板杜賓模型，以期更好地擬合優度。具體形式如下：

四、實證結果與分析

1. 統計檢驗

（1） 單位根檢驗

考慮是非平衡面板數據，文章采用ADF-Fisher 進行單位根檢驗，結果見表2。技術創新產出和ICTs 發展水平的檢驗結果都是顯著的，即拒絕原假設：面板數據中的時間序列存在單位根。因此，文章計量模型估計結果是有效的。

表2 單位根檢驗

（2） 共線性檢驗

為確保模型估計的無偏性，Marquaridt(1970)提出方差膨脹因子法(VIF)，檢驗模型中的解釋變量之間是否存在多重共線性。檢驗結果如表3 所示，所有變量VIF 值皆小于10，則表明變量之間不存在多重共線性。因此，回歸分析這些變量構建的模型時，不會存在偽回歸導致有偏誤的系數估計值。

表3 共線性檢驗

2. 基礎回歸分析

表4 中模型(1)、(2)展示了ICTs 發展水平與技術創新產出的靜態回歸結果。模型(1)和(2)分別為引入個體趨勢和時間趨勢的固定效應和隨機效應，且Hausman 檢驗證實固定效應模型更優，都一致表明ICTs 發展水平對技術創新產出具有顯著的正向影響，假設H1 得到驗證。在固定效應模型中引入變量的滯后期，構成基于固定效應下的動態模型(3)、(4)，進一步分析ICTs發展水平對技術創新產出的動態影響。表4 中，模型(3)和(4)顯示在動態模型下ICTs 發展水平對技術創新產出也具有顯著的正向影響，則假設H1 的穩健性得到一定驗證。其次，模型(5)中ICTs 發展水平的一階滯后項的正向顯著性，表明ICTs 發展水平對技術創新產出的正向影響呈現時滯性。模型(6)進一步說明了該影響，短期來看并不顯著。

表4 ICTs 發展水平與技術創新的靜態與動態回歸結果

3. 拓展研究

（1） 非線性關系

表5 分別使用一般線性模型、固定效應模型和GMM 模型研究ICTs 發展水平對技術創新產出的影響，以及在不同的ICTs 水平階段中是否存在差異性。模型(1)至(4)的結果一致，表明ICTs 發展水平對技術創新產出是正向顯著的，而ICTs 發展水平的平方項則是負向顯著的，這表明ICTs 發展水平對技術創新產出的影響是非線性的，且呈倒“U”型。所以，假設H2 得到驗證。

表5 ICTs 發展水平與技術創新產出之間的非線性分析

（2） 杜賓空間計量分析

首先，采用全局Moran's I 指數進行空間自相關檢驗（限于篇幅，省略）。結果表明：2005—2020 年，技術創新及ICTs 發展水平的Moran's I 指數雖有波動，但均為正值，且均通過1%的顯著性檢驗，表明技術創新及ICTs 發展水平具有顯著的空間正相關特征。因此，從總體來看，被解釋變量及解釋變量的空間相關作用顯著，文章考慮空間因素是有必要的。接著，依據LM 檢驗選擇空間計量模型的估計形式。LM_Error 檢驗值為6.197（P 值0.013），穩健的LM_Error 檢驗值為7.040（P 值0.008），LM_Lag 檢驗值為5.753（P 值0.016），穩健的LM_Lag檢驗值為6.596（P 值0.010），可見，所有LM檢驗結果均拒絕原假設，說明文章樣本具有空間滯后和空間誤差自相關雙重效應，由于杜賓模型同時考慮這兩種效應，因此，就文章而言，合適的空間計量估計應該采用杜賓模型（SDM）。

表6 展示了空間杜賓模型(SDM)的回歸結果，模型(1)ICTs發展水平在1%的顯著水平上對技術創新具有正向影響，表明本省ICTs 發展水平越高，技術創新越高。ICTs 發展水平的空間交叉項也是正向顯著的，說明ICTs 發展水平具有顯著的空間效應，即本省的ICTs 發展水平對相鄰省份的技術創新也具有顯著的正向促進作用。同時，模型(2)～(4)所示直接效應、間接效應以及總效應均顯著為正，進一步表明存在空間溢出效應。

表6 基于空間杜賓模型(SDM)的回歸結果

（3） 區域異質性

分組探究東部、中部和西部地區ICTs 發展水平對技術創新產出的影響關系，結果見表7。其中，東部地區ICTs 發展水平對技術創新產出的促進作用最小，相關系數僅為0.5125，遠小于中部地區(2.8069)和西部地區(2.1967)；即使考慮非線性關系，包含ICTs 發展水平的平方項后，仍然是東部地區(2.4246)遠小于中部地區(9.8208)和西部地區(4.1411)。這一結果與ICTs 發展水平對技術創新產出的影響呈現倒“U”型關系是一致的，即ICTs 發展水平普遍較高的東部地區對技術創新的正向作用相對于ICTs 發展較為落后的中、西部地區明顯較小。所以，中、西部地區ICTs 發展水平對技術創新產出的促進作用表現出顯著的“后發優勢”。西部地區因其地理區位相對劣勢、自然資源高度依賴、基礎設施還遠不完善等原因，表現在城市化、出口貿易和產業結構升級等方面相對落后，在一定程度上削弱了ICTs 發展水平對技術創新產出的促進作用，所以模型(5)與(6)中西部地區的相關系數2.1967、4.1411 還是低于中部地區相應模型(3)的2.8069 與模型(4)的9.8208。

表7 區域異質性分析

4. 穩健性檢驗

采用分組回歸、增加控制變量和工具變量法下固定效應模型，檢驗基礎回歸結果的穩健性。結果見表8，模型(1)、模型(2)分別是中國創新驅動發展戰略推出之前（年份＜2012） 和之后（年份≥2012） 的回歸結果，ICTs 發展水平對技術創新產出的影響皆是正向顯著的。其次，增加其他控制變量后的模型(3)，ICTs 發展水平也顯著地促進技術創新產出提高。最后，模型(4)使用工具變量法，選取ICTs 發展水平的一階滯后項和GDP 增速為工具變量。Sargan 過度認定檢驗結果是不顯著的，則接受原假設即工具變量是嚴格外生的，Davidson-MacKinnon內生性檢驗(0.288)在5%的水平上是不顯著的，也說明原模型不存在明顯的內生性問題。模型(4)的結果與模型(1)～(3)的結果方向一致并顯著，基礎回歸結果的穩健性再次得到驗證。

五、結論與建議

文章以中國30 個省份2005—2020 年的面板數據為樣本，使用固定效應、系統GMM 和杜賓空間計量模型，探究信息通訊技術(ICTs)發展水平與技術創新產出之間的影響關系、空間效應和區域差異。研究結果表明：一是，ICTs 發展水平對技術創新產出具有顯著的正向促進作用。ICTs 發展水平通過促進知識流動、擴大（知識、技術和產業） 溢出效應以及強化技術創新的擴散效應，推動區域技術創新產出提高。其次，該影響具有顯著的滯后性，即長期影響顯著，而短期影響不顯著。二是，ICTs 發展水平對技術創新產出的影響是非線性的，呈現倒“U”型；即隨著ICTs 發展水平的提高，其正向影響技術創新的邊際效應逐漸降低，所以，當ICTs 處于低水平時期（發展初期），ICTs 發展水平對技術創新能產生更大的促進作用。三是，ICTs發展水平對技術創新產出的影響具有顯著的正向空間效應，即領先地區的信息通訊技術優勢不僅僅帶動自身的技術創新，而且能夠促進鄰近省份的技術創新。四是，中部、西部地區ICTs發展水平對技術創新產出的促進作用遠高于東部地區，表現出明顯的“后發優勢”，但在西部地區的正向影響低于中部地區；即這種促進作用存在明顯的區域差異，呈現“中部地區＞西部地區＞東部地區”的特點。據上述結論，為推動ICTs 促進區域技術創新，提出以下對策建議：

第一，大力推廣互聯網的普及，充分激發信息通訊技術(ICTs)對區域技術創新水平的促進作用。互聯網普及度直接反映了區域ICTs 水平，整體上來看，中國互聯網普及度遠超世界平均水平，但區域內普及程度差異仍然明顯，所以，仍有必要全面普及互聯網。

第二，加快建設全國一體化算力網絡樞紐及迭代更新移動通信技術等，形成ICTs 區域中心節點，提高區域數字信息處理與服務能力，有效發揮“以點帶面”的創新示范作用。依托信息通訊技術(ICTs)在空間上的正向擴散效應，在一些具備條件的區域建設全國一體化算力網絡樞紐及迭代更新移動通信技術等，集聚優勢資源形成幾個ICTs 區域中心節點，有力推動本地與周邊地區的技術創新發展。

第三，進一步加速中、西部地區互聯網基礎設施的建設，發揮中、西部地區ICTs 促進區域技術創新的“后發優勢”。與東部地區相比，中國中、西部地區互聯網基礎設施仍不足，這不利于區域ICTs 發展。由于ICTs 在低水平發展初期對技術創新的促進作用更大，欠發達地區應該抓住這個“后發優勢”，加大力度全面建設地區管道、寬帶、光纜、基站等互聯網基礎設施，更好地利用信息和通信技術。