全面創新改革試驗、軟環境與區域創新生態系統韌性

摘" 要：采用2009—2021年中國內地30個省份面板數據（因數據不全，西藏地區未納入統計），構建基于多樣性、緩沖性、進化性、流動性、協調性五維特性的區域創新生態系統韌性評價體系及基于市場環境、政府治理環境、法制環境、金融環境、創新環境的區域軟環境評價體系，運用空間雙重差分模型、雙重機器學習模型就全面創新改革和軟環境對區域創新生態系統韌性的影響機制進行準自然實驗，結果發現：全面創新改革和軟環境均能顯著強化區域創新生態系統韌性；全面創新改革對區域創新生態系統韌性具有負向空間效應，而軟環境的空間效應能夠強化區域創新生態系統韌性；全面創新改革能夠強化軟環境對區域創新生態系統韌性的促進作用，而軟環境的空間效應對全面創新改革的空間效應具有調節作用；全面創新改革能夠通過優化軟環境對區域創新生態系統韌性的五維特性產生促進作用，但對多樣性的影響有限。

關鍵詞關鍵詞：全面創新改革試驗；軟環境；區域創新生態系統韌性；空間雙重差分；雙重機器學習

DOI：10.6049/kjjbydc.YX202305069

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F061.5

文獻標識碼：A

文章編號：1001-7348（2024）16-0024-13

收稿日期：2023-05-16" 修回日期：2023-07-02

基金項目：國家社會科學基金青年項目（22CTQ028）

作者簡介：呂鯤（1988—），男，浙江寧波人，博士，寧波大學商學院特聘副研究員，研究方向為技術創新管理、大數據分析與挖掘；潘均柏（2001—），男，浙江寧波人，蘭州大學經濟學院碩士研究生，研究方向為區域經濟；李北偉（1963—），男，吉林長春人，博士，吉林大學商學與管理學院教授、博士生導師，研究方向為技術經濟及管理。本文通訊作者：李北偉。

0" 引言

中共二十大報告提出，“深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，開辟發展新領域新賽道，不斷塑造發展新動能新優勢”。區域創新視閾下，以生態位理論為基礎的區域創新生態系統研究已經成為學界關注的焦點。區域創新生態系統是指特定時空范圍內各創新主體與所處環境進行物質交換、能量交流、信息交互而形成的系統。同時，韌性被認為是系統抵御外部沖擊和擾動，并通過內部主體協同、資源整合、能量流動對自身進行調整的能力［1］。在新舊動能轉換、關鍵核心技術面臨“卡脖子”的形勢下，區域創新生態系統需要強化自身韌性，以應對外部沖擊和風險。

2015年9月，中共中央、國務院印發《關于在部分區域系統推進全面創新改革試驗的總體方案》（以下稱《方案》），開啟了首輪全面創新改革試驗。自《方案》實施以來，部分學者認為，全面創新改革能夠調整產業結構、優化資源配置、深化創新驅動［2］，對經濟社會發展全局具有深遠影響。全面創新改革能夠有效調動區域內部有利于創新的要素［3］，但鮮有研究探究全面創新改革對區域創新生態系統整體及其韌性的影響機制，故本文將其作為研究方向。

此外，區域創新生態系統各演化階段與區域市場化進程、經濟發展水平、政府行為、資源存量等環境因素密不可分（廖凱誠等，2022）。基于新制度經濟學視角，社會中任何系統均會受硬環境和軟環境兩個方面的影響［4］。其中，軟環境包括法律法規、市場價格機制靈活度、金融交投活躍度等，可為區域發展提供制度安排。現有研究主要探討軟環境對區域創新生態系統的影響機制，如對人才流動、產業結構升級的影響（孫博等，2022），鮮有研究基于區域創新生態系統全局視角，分析軟環境對區域創新生態系統韌性的影響。

《方案》明確指出，全面創新改革的任務在于通過調整知識產權保護力度、促進市場公平競爭等方式促進區域創新發展。這實質上強調全面創新改革應對軟環境發揮政策效應。因此，有必要將全面創新改革、軟環境和區域創新生態系統韌性納入統一研究框架，探究全面創新改革和軟環境對區域創新生態系統韌性的聯合影響機制。

1" 文獻回顧與理論機制

1.1" 全面創新改革與區域創新生態系統韌性

以促進科技與經濟融合、激發創新活力和深化開放創新為目標的全面創新改革能夠通過加強創新主體間聯合協同、優化創新資源配置、改善政策環境等方式，營造有利于強化區域創新生態系統韌性的條件［5］。

在創新主體上，《方案》指出，既要加快推進高校、科研院所建設和改革，也要激發企業提升創新實力。各試點地區進行全面創新改革試驗進程中，促進創新主體轉型升級的相關舉措與《方案》保持高度協同，如上海積極推進國家重點實驗室、研究機構和研究基地等創新基礎設施建設，并為企業創新活動提供信息、技術、資金等支持［6］。上述舉措能夠增強區域創新生態系統主體多樣性。

在創新資源上，全面創新改革強調創新主體應加強對現有知識的應用，并引導企業等創新主體充分利用創新資源。此外，在地方政府一攬子政策的引導下，從探索技術轉移機制、建設創新資源共享平臺、提升創新資源配置效率等方面，為強化區域創新生態系統韌性創造有利條件。

在創新積累和創新協同方面，《方案》明確提出，要促進知識產權質量和效益顯著提升。這一舉措旨在提升區域技術、知識存量和質量，增加區域技術、知識積累，有利于區域創新生態系統利用已有技術和知識實現自恢復、自學習、自進化，從創新要素儲備上強化創新生態系統抵抗外源壓力的能力［7］。同時，《方案》強調推動科技和知識產權賦能產業發展，促進產學研融合任務和目標實現。上述舉措能夠有效促進創新生態系統內生產者與消費者的有機對接，以此增強區域創新生態系統韌性。

同時，《方案》指出，全面創新改革試驗區需要具備“創新活動高度集聚、科技實力強、承擔項目多”等條件。由此表明，被選中的試驗區具有良好的創新資源稟賦。鑒于發達地區對后進地區存在虹吸效應，在創新資源稟賦較好的地區進行全面創新改革試驗會進一步強化這一空間極化效應，進而對受政策支持的地區創新生態系統韌性產生負向影響。

基于上述分析，本文提出如下假設：

H1：國家全面創新改革顯著增強區域創新生態系統韌性。

H2：國家全面創新改革對區域創新生態系統韌性發揮顯著負向空間溢出效應。

1.2" 軟環境與區域創新生態系統韌性

區域創新生態系統演化與發展需要創新生態系統主體和外部環境進行持續信息交互、資源交換及技術交流，以地理位置、產業結構、基礎設施等為代表的硬環境受區域本身發展稟賦的制約，短期內難以調整［8］。與硬環境相比，軟環境作為對經濟社會和生產生活的人為干預，具有較強的敏感性和彈性，決策者能夠短期內運用相關政策工具對其進行調整［9］。

從內容上看，區域軟環境分為市場環境、法制環境、政府治理環境、金融環境和創新環境（郭韜等，2017）。開放、競爭、協同、包容的市場環境下，市場主體能夠體充分開展創新創業活動，促使區域創新生態系統吸納更多的生產者［10］。此外，良好的市場環境有助于創新主體對消費結構升級產生的價格信號作出快速反應，加快新產品研發和生產，從而強化創新生態系統進化性［11］。

在探討法制環境對創新問題的影響機制時，較多學者關注知識產權保護這一法制環境變量（張樨樨等，2022）。知識產權可為創新主體的有序競爭、創新成果轉化和創新資源流動提供法律保障，在賦予知識排他性的同時，將知識向學習者公開，有利于知識溢出與邊際創新［12］，能夠促進區域創新生態系統創新積累，強化其韌性。

良好的區域政府治理環境能夠顯著強化區域創新生態系統韌性。首先，政府可以通過實施稅收補貼和稅收優惠政策、提供科研經費、設立科研基金降低高校、科研院所及企業研發邊際成本［13］，從而提升區域創新生態系統多樣性。其次，政府能夠為創新主體提供技術咨詢、科技培訓、技術轉移等公共服務，從而提高區域創新生態系統協調性和創新要素流動性。

良好的金融環境可為區域創新生態系統提供風險投資、股權投資等融資支持，促進初創企業和高新技術企業發展，同時能夠直接形成資金流并驅動人才、信息流動，進而增強區域創新生態系統流動性。

創新環境是能夠激勵和驅動創新活動的短期人為干預因素的總和。一個資源充裕、政府關注、尊重知識和追求科技創新的軟環境能夠持續吸引人才，并驅動人才專注創新研發，進而增加區域創新積累，增強區域創新生態系統緩沖性。

此外，其它地區軟環境的改善會產生空間外溢效應，對本地區創新生態系統韌性具有促進作用。軟環境的改善能夠驅動區域形成開放競爭市場、靈活有效的制度及交投活躍的金融體系，進而促進產業鏈上下游跨區域協同發展，通過統一開放的市場將知識、資金、信息、技術、人才溢出至周邊地區，強化其它地區創新生態系統韌性。

基于上述分析，本文提出如下假設：

H3：軟環境會顯著強化區域創新生態系統韌性。

H4：軟環境會對區域創新生態系統韌性發揮顯著正向空間溢出效應。

1.3" 全面創新改革進程中的軟環境與區域創新生態系統韌性

從各地貫徹落實全面創新改革進程可見，全面創新改革主要通過優化軟環境對區域創新生態系統韌性產生促進作用。從具體路徑看，全面創新改革能夠通過軟環境對區域創新生態系統韌性的5個方面（緩沖性、流動性、進化性、多樣性、協調性等）產生影響，由此衍生出5條機制路徑。

（1）多樣性。多樣性主要表現在區域創新生態系統創新主體、種群、群落的種類、數量和規模上，系統多樣性程度越高，越能抵御外部擾動。全面創新改革有助于營造良好的市場環境和創新環境，進而培育和吸引更多創新型企業，同時促使相關研發機構數量增多與規模擴張，增強區域創新生態系統多樣性。

（2）緩沖性。緩沖性是區域創新生態系統抵抗外部沖擊的能力特性［14］。從內容上看，地區創新資源稟賦和創新積累及其構成的復雜結構能夠強化區域創新生態系統的緩沖性。全面創新改革通過促進創新主體與企業、金融機構、社會中介組織等其它區域創新生態系統主體融合，形成復雜的主體社會網絡結構，從而增強區域創新生態系統緩沖性。

（3）流動性。流動性是區域創新生態系統內部和外部資金流、信息流、人才流、技術流等交織形成的特性。全面創新改革能夠營造開放包容、競爭有序的市場環境和交投活躍、供求均衡的金融環境，有利于資金、信息流動，進而優化法制環境與創新環境。

（4）進化性。進化性需要依靠區域創新生態系統內創新主體、種群、群落等要素在與外部環境進行信息交互、物質交換、能量交流過程中，不斷壯大規模、升級結構、提升能量加以體現。全面創新改革能夠營造良好的金融環境、法制環境和創新環境，通過政策扶持、變革制度安排等方式引導科研院所、高校、企業整合現有資源，不斷提高創新效率（張明喜，2023），從而顯著增強區域創新生態系統進化性。

（5）協調性。協調性既體現了區域創新生態系統內創新主體、種群、群落通過知識溢出、技術合作、信息共享等方式形成的復雜關系，也體現了知識和技術對當地產業的賦能情況。全面創新改革能夠在制度層面為技術轉移、創新成果轉化、產學研合作提供政策工具和交互渠道，在金融層面協調風險投資、股權投資等金融資源，進而為企業知識轉化、技術引進提供融資支持。

由此，本文提出如下假設：

H5：全面創新改革能夠強化軟環境對區域創新生態系統韌性的促進作用。

H6：軟環境在全面創新改革與區域創新生態系統韌性間發揮顯著正向中介作用。

H6a：軟環境在全面創新改革與區域創新生態系統多樣性間發揮顯著正向中介作用；

H6b：軟環境在全面創新改革與區域創新生態系統緩沖性間發揮顯著正向中介作用；

H6c：軟環境在全面創新改革與區域創新生態系統流動性間發揮顯著正向中介作用；

H6d：軟環境在全面創新改革與區域創新生態系統進化性間發揮顯著正向中介作用；

H6e：軟環境在全面創新改革與區域創新生態系統協調性間發揮顯著正向中介作用。

綜上所述，本文構建研究假設機制如圖1所示。

2" 準自然實驗設計、變量解釋與數據來源

2.1" 模型構建

鑒于研究主線為“全面創新改革試驗和軟環境對區域創新生態系統韌性有何種影響機制”，兼論“全面創新改革和軟環境能否對周邊地區創新生態系統韌性發揮虹吸或溢出效應”，本文構建空間雙重差分模型和雙重機器學習模型進行準自然實驗。

2.1.1" 空間雙重差分模型構建

采用傳統雙重差分模型（DID）進行參數估計的前提是每個決策單元都不受其它決策單元處理的影響，即基于個體處理穩定性假設。本文采用空間面板數據，需要考慮地理單元間空間依賴性，因而參考Chagas等［15］的研究成果，構建空間雙重差分模型如式（1）-（3）所示。

Resit=ρW·Resit+α1DIDit+α2SMit+∑βXit+γt+ui+εit （1）

Resit=α1DIDit+α2SMit+∑βXit+γt+λW·vit+ui+εit （2）

Resit=ρW·Resit+α1DIDit+α2SMit+∑βXit+θW（DIDit+SMit+∑Xit）+γt+ui+εit （3）

模型（1）-（3）分別為基于空間自回歸模型（SAR-DID）、空間誤差模型（SEM-DID）和空間杜賓模型（SDM-DID）的空間雙重差分模型。其中，Resit為被解釋變量區域創新生態系統韌性，α1、α2分別為全面創新改革試驗區政策事件虛擬變量（DIDit）和區域軟環境指數（SMit）的系數，∑βXit為各協變量與其系數乘積的集合，W為空間權重矩陣，ρ為被解釋變量Resit的空間自回歸系數，θ為解釋變量與控制變量在空間權重矩陣下的空間溢出效應系數集合，vit為外界沖擊變量，ui為地區固定效應，γt為時間固定效應，εit為隨機擾動項。

為驗證假設H5，本文在模型中引入核心解釋變量的交互項（DIDit×SMit），此處僅報告模型3中引入交互項的情況，由此構建模型如式（4）所示。

Resit=ρW·Resit+α1DIDit+α2SMit+α3DIDit×SMit+∑βXit+θW（DIDit+SMit+DIDit×SMit+∑βXit）+γt+ui+εit （4）

2.1.2" 雙重機器學習模型構建

為彌補空間雙重差分模型在實證分析過程中因維數詛咒、關鍵協變量難以窮舉帶來的估計偏誤問題，本文采用機器學習模型進行準自然實驗。同時，為解決該模型的正則化偏差問題，參考Chernozhukov等［16］、張濤和李均超［17］的研究成果，本文引入雙重機器學習模型（DML）進行實證檢驗并構建模型如式（5）-（7）所示。

Resit=α1DIDit+g（Xit）+Uit

EUit|DIDit，Xit=0（5）

Resit=α2SMit+g（Xit）+Uit

EUit|SMit，Xit=0（6）

Resit=α3DIDit×SMit+g（Xit）+Uit

EUit|DIDit×SMit，Xit=0（7）

在模型（5）-（7）中，α1、α2、α3分別為全面創新改革試驗區政策事件虛擬變量（DIDit）、區域軟環境指數（SMit）及二者交互項系數，Xit為多維協變量集合（模型（7）中加入DIDit和SMit），g（Xit）的具體函數形式及其估計量g︿（Xit）需要通過機器學習模型獲得。其中，模型（5）、模型（6）用以檢驗假設H1和H3，模型（7）用以檢驗假設H5。

在具體參數估計過程中，以模型（5）為例，DIDit的系數估計量α1︿在機器學習模型引入正則項降維后方差縮小，但g︿（Xit）卻存在正則化偏誤，因而需要構造輔助方程如式（8）所示。

DIDit=m（Xit）+Vit，EVit|DIDit，Xit=0 （8）

式（8）中，需要采用機器學習模型對m（Xit）進行估計，以獲得該函數估計量m︿（Xit），再對殘差Vit進行估計，如式（9）所示。

Vit︿=DIDit－m︿（Xit） （9）

此時，可將Vit︿作為DIDit的工具變量，通過機器學習算法估計出g︿（Xit）和α1，︿，如式（10）所示。

α1︿=1n∑i∈It∈TVit︿DIDit－11n∑i∈It∈TVit︿（Resi（t+1）－g︿（Xit）） （10）

式中，n為樣本總量。

對于假設H6a-H6e，參考何錦安等（2022）的研究成果，本文構造基于雙重機器學習算法的中介效應模型（模型8），如式（11）所示。

方程1：Resit（Divit，Bufit...）=α1DIDit+g（Xit）+Uit，EUit|DIDit，Xit=0

方程2：SMit=β1DIDit+g（Xit）+Uit，EUit|DIDit，Xit=0

方程3：Resit（Divit，Bufit...）=α'1DIDit+α2SMit+g（Xit）+Uit，EUit|DIDit，Xit=0（11）

其中，式（11）中方程1用以檢驗DIDit對區域創新生態系統韌性（Resit）及其分指標（Divit，Bufit...）的總效應，方程2用以估計DIDit對中介變量（SMit）的影響效應，方程3用以估計在中介變量影響下，DIDit對被解釋變量的影響效應。

2.2" 變量解釋與數據來源

2.2.1" 被解釋變量：區域創新生態系統韌性（Res）

參考劉和東和魯晨曦［18］的研究成果，區域創新生態系統韌性主要分為多樣性、緩沖性、進化性、流動性，故被稱為區域創新生態系統的四維韌性特征。在此基礎上，本文認為，區域創新生態系統韌性除基礎維度（多樣性）、外變維度（緩沖性）、表征維度（進化性）和內驅維度（流動性）外，還應考慮融合維度，以表征創新生態系統內部生產者（高校、科研院所、企業研發部門等創新主體）、消費者（創新技術應用主體）和分解者（基地、園區、孵化器等知識轉化主體）交互、融合及協同程度。因此，本文將共生維度（協調性）納入區域創新生態系統韌性表征框架，如圖2所示。

參考劉和東和魯晨曦［18］的研究成果，本文構建區域創新生態系統韌性指標體系（見表1），并采用熵值法測算區域創新系統韌性綜合指數及其分項指標，數據部分來源于2009—2021年《中國科技統計年鑒》《中國高技術產業統計年鑒》《中國統計年鑒》《中國火炬統計年鑒》《中國高校科技統計資料匯編》。知識賦能新興產業和服務業發展數據來源于數據挖掘，參考《“十四五”國家科技創新規劃》，選取深度學習、機器學習、區塊鏈、人工智能、大數據等57個關鍵詞，通過百度高級檢索搜索2009—2021年與各省下轄地級市相關的上述關鍵詞，并采用Python軟件爬取與各地級市相關的上述關鍵詞詞頻進行分省匯總，以總詞頻表征區域知識賦能新興產業與服務業發展情況。

2.2.2" 解釋變量I：全面創新改革試驗區政策事件（DID）

本文將試驗期實驗組的該變量賦值為1，其余均賦值為0。

在實驗組的確定上，《方案》選取10個地區作為創新改革試驗區，包括北京、天津、河北、上海、四川、廣東、安徽7個省級行政區，以及西安、沈陽、武漢3個副省級行政區。考慮到樣本數量和統計口徑的一致性，本文采用2009—2021年中國內地30個省份（因數據不全，西藏地區未納入統計）面板數據作為研究對象。構建空間雙重差分模型需要考慮地理單元間的依賴性，參考王欣和杜寶貴［19］的研究成果，考慮到“強省會”對本省經濟發展的輻射帶動與政策溢出效應［20］，本文將陜西、遼寧、湖北3個省份與其它7個省份確定為實驗組，其余省份則作為對照組。在后續穩健性檢驗中，將這3個省份從全樣本中剔除再進行參數估計，若結果一致，則認為結論具有穩健性。

在時間維度上，大部分研究將政策實施時間設定為2015—2018年，但這會導致研究缺乏時效性，且2018年后各試點區域各項全面創新改革措施、制度和模式都已成型，與其它地區相比存在政策優勢。因此，可以將2018年以后年份作為處理時間。本文在穩健性檢驗中剔除2019—2021年樣本數據，以此檢驗結論的穩健性。

2.2.3" 解釋變量II：區域軟環境指數（SM）

參考張樨樨等（2022）的研究成果，本文從市場環境、政府治理環境、金融環境、法制環境和創新環境5個維度表征區域軟環境，具體指標體系如表1所示。本文采用黨文娟和羅慶鳳［21］的測度方法，法制環境以知識產權保護指標表征，具體采用知識產權保護立法強度、執法強度和施行效用表征。

本文借助熵值法測得區域軟環境指數，部分數據來源于《中國統計年鑒》《中國科技統計年鑒》《中國法律年鑒》《中國檢察年鑒》《中國金融年鑒》《中國財政年鑒》和EPS數據庫。此外，知識產權保護立法強度采用地方關于知識產權立法文件年度數量與當年該地方總立法數量之比表征，相關地方立法數據通過檢索北大法寶數據庫獲得。創新環境中政府對前沿技術創新的關注度指標采用文本分析方法獲得，具體而言，采用Python軟件爬取2009—2021年各省市政府工作報告中涉及創新、大數據、數據挖掘、平臺互聯網、電子商務、集成電路、智能制造、數字農業、區塊鏈、數字貨幣、人工智能、機器學習、智慧城市、數字鄉村、5G、云計算、射頻識別等相關詞匯（121個）的詞頻數，將其占當年政府工作報告總詞頻的比重作為該地區政府對前沿技術創新的關注度，進而匯總為面板數據。

2.2.4" 協變量

本文選取能源消費強度、產業結構高級化、產業結構合理化和財政透明度指數作為協變量。其中，能源消費強度（萬t標準煤/億元）主要采用能源消費總額和實際產出（GDP）之比衡量，產業結構高級化和合理化相關數據參考干春暉等［22］的研究方法測得，財政透明度指數采用上海財經大學發布的年度《中國財政透明度報告》中分省財政透明度指數。

2.2.5" 空間權重矩陣

空間權重矩陣可以表征地理單元間的地理和經濟關系。空間計量模型中，變量空間溢出效應需要借助基于地理位置關系或經濟距離的空間權重矩陣實現。本文認為，區域創新生態系統內物質、資源、能量流動，以及軟環境的溢出效應主要受地區間經濟關系的影響，故構建經濟空間權重矩陣，如式（12）所示。

W=1W12W211…W1NW2NWN1WN2…1

Wiθ=1|yi－yθ|""" i≠θ" 1""""" i=θ （12）

式中，W為經濟空間權重矩陣，Wiθ為W中的元素，yi、yθ分別為省份i和θ平均實際GDP。

3" 實證分析與假設檢驗

3.1" 空間雙重差分模型分析

3.1.1" 空間自相關性檢驗

本文需要基于經濟空間權重矩陣對區域創新生態系統韌性進行空間自相關性分析，結果如表2所示。經測算，2009—2021年區域創新生態系統韌性全局Moran's I指數均通過1%顯著性水平檢驗，且每年的Moran散點圖均呈現“高—高”“低—低”集聚（見圖3），表明本文被解釋變量區域創新生態系統韌性具有較強的空間自相關性。

3.1.2" 模型適用性檢驗

為了從模型（1）-（3）中選擇合適的空間雙重模型進行實證分析，本文采用LM及Robust LM統計量進行檢驗。結果顯示，空間自回歸模型（SAR）和空間誤差模型（SEM）檢驗結果均顯著，故本文采用空間杜賓模型（SDM）進行分析。由Hausman檢驗結果可知，應采用隨機效應模型。此外，針對SAR和SAR的Wald檢驗、LR檢驗均顯著拒絕SDM退化為SAR和SEM。以上檢驗過程及相應統計結果如表3所示。

本文進行準自然實驗的目的是要考察核心解釋變量的空間溢出效應，此視閾下空間杜賓模型優于空間誤差模型和空間自回歸模型，故本文選擇空間雙重差分模型作為實證分析模型。

3.1.3" 空間雙重差分模型回歸分析

本文基于經濟空間權重矩陣，采用隨機效應SDM-DID模型對假設H1-H5進行機制檢驗，并將變量的空間效應分解為本地效應和鄰地效應，本地效應用以表示解釋變量對本地區被解釋變量的影響，鄰地效應用以表示其它地區解釋變量對本地區被解釋變量的影響，結果如表4所示。其中，空間自回歸系數ρ在模型（3）、模型（4）中分別為0.239和0.503，通過5%和1%顯著性檢驗，表明區域創新生態系統韌性在區域間能夠實現聯動協同發展。

模型（3）的參數估計結果顯示，全面創新改革試驗區政策事件變量（DID）的本地效應系數為0.036 7，區域軟環境指數（SM）的本地效應系數為1.099，均通過1%水平上的顯著性檢驗，假設H1和H3得證。DID的鄰地效應系數為-0.094 2，在1%水平上顯著，表明全面創新改革試驗對區域創新生態系統韌性發揮負向空間傳導效應，由此驗證了假設H2；SM的鄰地效應系數為0.346，通過5%水平上的顯著性檢驗，表明區域軟環境基于經濟空間權重對區域創新生態系統韌性發揮顯著正向空間傳導效應，假設H4得證。

模型（4）在模型（3）的基礎上引入DID與SM的交互項，DID×SM的本地效應系數為0.555，通過1%水平上的顯著性檢驗，表明全面創新改革能夠強化軟環境對區域創新生態系統韌性的正向作用，假設H5得證。此外，DID×SM基于經濟空間權重矩陣的鄰地效應系數（0.535）在5%水平上顯著。這一結果表明，軟環境能夠調節全面創新改革試驗在局部地區產生的地理極化效應。

3.1.4" 平行趨勢檢驗

在基于雙重差分模型進行準自然實驗過程中，實驗組和對照組需要滿足平行趨勢假設。本文參考馬麗梅和司璐［23］的研究成果，設定平行趨勢檢驗模型如式（13）所示。

Resit=λit+θ1policyi（t－5）+θ2policyi（t－4）+...+θ6policyit+...+θ11policyi（t+5）+θ12policyi（t+6）+αSMit+∑βXit+γt+ui+εit （13）

式（13）中，policyi（t±n）分別是全面創新改革在i地區施行前后n年的虛擬變量（以t－6為基期）。若policyi（t－n）不顯著，則說明政策施行前，實驗組和對照組具有平行趨勢；若policyi（t+n）顯著，說明全面創新改革發揮良好的政策效應。圖4表明，本文研究設定通過了平行趨勢檢驗。

3.2" 雙重機器學習模型分析

3.2.1" 基準回歸

參考張濤和李均超（2023）的研究成果，本文采用樣本分割比例為1∶4，并基于隨機森林算法的雙重機器學習模型對模型（5）～（7）進行參數估計，結果如表5所示。

表5顯示，模型（5）、模型（6）中DID和SM的系數在1%水平上顯著為正，分別為0.136和1.140。在模型（7）中，二者交互項系數（1.453）在1%水平上顯著，由此驗證了假設H1—H5，且與基于空間雙重差分模型的本地效應參數估計結果相契合。

（1）調整研究樣本。依據上文，本文剔除陜西、遼寧、湖北3省樣本，并將準自然實驗時間設置為2009—2018年，采用調整后樣本數據重新估計模型（5）—（7），結果如表6所示。表6結果與表5基本一致，驗證了研究結論的穩健性。

（2）改變樣本分割比例。本文將雙重機器學習模型樣本分割比例調整為1∶3和1∶7，以此重新估計參數，結果如表6所示。表6結果與前文相一致，再次驗證了本文研究結論的穩健性。

（3）更換機器學習算法。本文將隨機森林算法替換為神經網絡算法與梯度提升算法，以此重新估計參數，結果如表6所示。表6結果與前文基本一致，表明本文研究結論具有穩健性。

3.2.3" 擴展分析：全面創新改革試驗對軟環境不同維度的調節效應

上述實證分析結果表明，全面創新改革試驗對區域創新生態系統韌性發揮顯著強化作用。與一般試驗試點政策相比，全面創新改革試驗政策兼具綜合性、全面性、多樣性等特性，所錨定的經濟因素較多。本文研究對象之一的軟環境涉及市場環境、政府治理環境等5個維度。因此，為進一步消除內生性問題，探究全面創新改革試驗和軟環境對區域創新生態系統韌性的聯合影響機制，本文將軟環境分解為5個分項維度指標，以剖析全面創新改革試驗對區域創新生態系統韌性的調節機制，結果見表7。

由表7可知，法制環境（SM-III）、金融環境（SM-IV）對區域創新生態系統韌性的直接影響系數分別為0.231和0.647，均通過1%水平上的顯著性檢驗。DID×SM-III、DID×SM-IV的影響系數顯著為正，表明法制環境和金融環境能夠顯著強化區域創新生態系統韌性，同時全面創新改革試驗可以強化這一效應。

創新環境（SM-V）的直接效應不顯著，但DID×SM-V的影響系數為0.506，通過1%水平上的顯著性檢驗。由此表明，我國當前區域創新體制和創新模式下，創新環境受創新鏈環節銜接不暢、創新主體協同性缺失、創新成果評價激勵機制扭曲等不利因素影響，導致創新資源錯配。同時，政府創新政策會因路徑依賴支持成熟技術的線性創新，而忽視關鍵核心技術和基礎研究的非線性創新。全面創新改革試驗能夠通過變革創新體制、促進創新鏈補鏈強鏈等方式矯正創新環境內部不利因素，從而強化區域生態系統韌性。

同時，參數估計結果顯示，市場環境（SM-I）的直接效應顯著，但DID×SM-V的影響系數不顯著，可能原因在于，實行全面創新改革的地區為了在驗收期內獲得較好的驗收成績而忽視了基礎研究主體，以及處于初創階段且創新能力有限的科技企業，將過多的政策資源配置給成熟企業，進而陷入路徑依賴，因而對區域創新生態系統韌性產生不利影響。

此外，政府治理環境（SM-II）的直接效應系數和DID×SM-II的影響系數均不顯著，表明盡管政府治理績效、地區治安水平、生態環境質量提升有利于吸引創新主體“用腳投票”，但與區域創新生態韌性的相關性不強，無法發揮顯著效應。

3.2.4" 基于雙重機器學習的中介路徑檢驗

針對機制假設H6a—H6e，本文構建基于雙重機器學習算法的模型（8），以檢驗軟環境在全面創新改革、區域創新生態系統韌性及分項指標間的中介效應，結果如表8所示。由Sobel、Aroian、Goodman檢驗結果可知，機制假設H6a—H6e成立。同時，經過Bootstrap抽樣500次求出中介效應系數，并通過基于Pereentile方法和Bias-Corrected方法的置信區間判斷所有路徑的中介效應，Bootstrap檢驗結果見表9。

表8～9第（1）組回歸中，軟環境在全面創新改革與區域創新生態系統韌性間發揮顯著正向中介效應，中介效應系數為0.517，中介占比為59.3%。

第（2）組回歸中，軟環境在全面創新改革與區域創新生態系統多樣性間發揮顯著正向中介效應，中介效應系數為0.013 6。但上述中介效應為完全中介效應，即全面創新改革對創新主體多樣性的影響不顯著。可能因為實行全面創新改革的地區為了在驗收期內獲得更多創新成果，忽視了基礎研究主體，以及處于初創階段且創新能力有限的科技企業，將過多的政策資源配置給成熟企業，導致多樣性缺失，因而無益于強化區域創新生態系統韌性。這一結果再次印證了政策試點的短期經濟行為對區域創新生態系統韌性的不利影響。

第（3）組回歸結果與第（1）組回歸結果一致，軟環境在全面創新改革和區域創新生態系統緩沖性、進化性、流動性、協調性間均發揮顯著正向中介效應，中介占比分別為66.6%、55.7%、53.4%、76.2%。由此表明，全面創新改革能夠通過軟環境強化區域創新生態系統的緩沖性、進化性、流動性、協調性等維度特性，從而驗證了假設H6b—H6e。

4" 結語

4.1" 結論

本文采用空間雙重差分模型、雙重機器學習模型對“全面創新改革對區域創新生態系統韌性有何種影響機制”“軟環境如何影響區域創新生態系統韌性”以及“全面創新改革和軟環境對區域創新生態系統韌性具有何種聯合影響”三大命題進行研究，得出以下主要結論：

（1）全面創新改革能夠發揮創新積累效應、知識總量效應和資源配置優化效應，從而強化區域創新生態系統韌性。其中，全面創新改革對區域創新生態系統的緩沖性、進化性、流動性、協調性具有正向影響，但對于多樣性的作用不顯著，表明地方政府短期經濟行為對區域創新生態系統的多元創新主體發展和規模擴張不利。此外，由于區域間存在虹吸效應和無序競爭，區域創新生態系統韌性會在全面創新改革的影響下形成地理極化。

（2）在制度安排和與創新生態建設上，良好的軟環境能夠為區域創新生態系統提供有利的市場競爭條件、穩定的社會秩序、良好的政商關系、適度的知識產權保護、活躍的金融活動，營造尊重人才、重視創新的氛圍，從而增強區域創新生態系統韌性。此外，軟環境能夠基于經濟空間權重矩陣發揮外溢效應，對區域創新生態系統韌性產生顯著正向空間溢出效應。

（3）全面創新改革能夠強化軟環境對區域創新生態系統韌性的促進作用，良好的軟環境能夠調節全面創新改革對區域創新生態系統韌性的負向空間溢出效應。同時，全面創新改革能夠通過優化軟環境強化區域創新生態系統的多樣性、緩沖性、進化性、流動性、協調性。

4.2" 政策建議

（1）總結第一輪全面創新改革試驗經驗，在新一輪全面創新改革過程中，復制和推廣成功經驗。將全面創新改革目標和任務與防范化解重大風險的要求相結合，關注區域創新生態系統抵御由新舊動能轉換、逆全球化浪潮、發達國家技術封鎖帶來的沖擊，以強化區域創新生態系統韌性。

（2）新一輪全面創新改革試驗中，要重點關注區域協同發展，將第一輪全面創新改革試驗中的地理極化效應轉變為地理涓滴效應。具體而言，構建跨區域創新資源共享機制，鼓勵企業、高校、科研院建立跨區域研發聯盟。先進地區可以引導本地區創新主體發揮改革示范效應，在后進地區圍繞強化創新生態系統韌性實施改革。

（3）新一輪全面創新改革要以優化軟環境為基礎任務，既要根據創新生態系統演化和外部環境變化，運用政策工具對軟環境進行靈活調整，又要維持相對穩定的軟環境。同時，需要進一步加快建設開放有序的統一大市場，關注跨區域聯結，進而強化軟環境對區域創新生態系統韌性的正向空間溢出效應。

（4）新一輪全面創新改革要給予試驗區適當的改革模式探索和戰略實施時間，避免地方政府為應對政績考核而采取短期經濟行為。同時，要制定中長期計劃，營造包容寬松的創新環境，從而強化區域創新生態系統韌性。

4.3" 不足與展望

（1）本文探討了全面創新改革通過軟環境對區域創新生態系統韌性的影響，但全面創新改革也會對創新基礎設施、企業轉型產生影響，未來需要進一步探討硬環境和其它環境因素在其中發揮的作用。

（2）本文僅基于省級面板數據對區域創新生態系統韌性進行了實證分析，但區域創新生態系統在不同行業、不同時空范圍和不同細分技術環節的子系統間具有異質性，未來需要進一步探討全面創新改革和軟環境對產業創新生態系統、企業創新生態系統以及細分技術環節創新生態系統的影響機制。

（3）鑒于區域創新生態系統的自組織、自調節和自反饋特性，未來可以采用系統動力學、耗散結構理論等多元理論探討系統動態演化引起的區域創新生態系統韌性的突變性、非線性變化。

參考文獻：

［1］" MEEROW S，NEWELL J P，STULTS M.Defining urban resilience：a review［J］.Landscape and Urban Planning，2016，147（1）：38-49.

［2］" 張杰，付奎.創新制度改革與城市全要素生產率提升——來自全面創新改革試驗區的經驗證據［J］.現代經濟探討，2021，40（9）：26-35.

［3］" 尹力.推進全面創新改革試驗 打造四川高質量發展戰略支撐［J］.宏觀經濟管理，2018，34（10）：14-15，20.

［4］" 袁文融，楊震寧.營商環境如何影響居民創業——營商硬環境與軟環境的異同［J］.技術經濟，2021，40（11）：35-45.

［5］" 王敏，張興隆，段佳萌.全面創新改革試驗區能否促進產業結構升級［J］.財經科學，2022，66（3）：135-148.

［6］" 劉艷，曹偉，李石柱，等.上海市全面創新改革試驗區相關政策研究［J］.科技管理研究，2017，37（23）：72-78.

［7］" 朱松平，葉阿忠.技術進步視角下經濟政策不確定性對經濟增長的影響研究［J］.系統科學與數學，2022，42（2）：398-416.

［8］" 晏小燕.硬環境、金融機會與區際發展差異——基于機會平等視角［J］.商業經濟研究，2015，690（35）：84-87.

［9］" 于東平，段萬春.區域軟環境、企業家能力與中小企業績效［J］.科研管理，2012，33（12）：68-77.

［10］" 夏緒梅，李翔.營商環境與城市創新創業質量的協同機制及其關系檢驗［J］.統計與決策，2023，39（7）：184-188.

［11］" GARACIA F， JIN B， SALOMON R.Does inward foreign direct investment improve the innovative performance of local firms［J］.Research Policy， 2013， 42（1）：231-244.

［12］nbsp; 章志華，賀建風.知識產權保護如何影響OFDI的綠色創新效率［J］.暨南學報（哲學社會科學版），2023，45（4）：73-88.

［13］" MONTMARTIN B， HERRERA M.Internal and external effects of Ramp;D subsidies and fiscal incentives：empirical evidence using spatial dynamic panel models［J］.Research Policy， 2015，44（5）：1065-1079.

［14］" 梁林，趙玉帛，劉兵.國家級新區創新生態系統韌性監測與預警研究［J］.中國軟科學，2020，35（7）：92-111.

［15］" CHAGAS A L S， AZZONI C R， ALMEIDA A N.A spatial difference-in-differences analysis of the impact of sugarcane production on respiratory diseases［J］. Regional Science and Urban Economics， 2016， 59（6）：24-36.

［16］" CHERNOZHUKOV V， CHETVERIKOV D， DEMIRER M， et al.Double/debiased machine learning for treatment and structural parameters［J］.The Econometrics Journal，2018，21（1）：1-68.

［17］" 張濤，李均超.網絡基礎設施、包容性綠色增長與地區差距——基于雙重機器學習的因果推斷［J］.數量經濟技術經濟研究，2023，40（4）：113-135.

［18］" 劉和東，魯晨曦.創新生態系統韌性對經濟高質量發展的影響［J］.中國科技論壇，2023，39（1）：48-57.

［19］" 王欣，杜寶貴.全面創新改革試驗政策對科技成果轉化的影響效應［J］.科技進步與對策，2023，40（2）：111-121.

［20］" 吳傳清，孟曉倩.虹吸還是溢出——“強省會”戰略的經濟增長極效應分析［J］.安徽大學學報（哲學社會科學版），2022，46（1）：124-136.

［21］" 黨文娟，羅慶鳳.環境管制、知識產權保護與區域創新能力——基于我國省際面板數據的實證研究［J］.重慶大學學報（社會科學版），2021，27（3）：203-215.

［22］" 干春暉，鄭若谷，余典范.中國產業結構變遷對經濟增長和波動的影響［J］.經濟研究，2011，46（5）：4-16，31.

［23］" 馬麗梅，司璐.低碳城市與可再生能源技術創新［J］.中國人口·資源與環境，2022，32（7）：81-90.

（責任編輯：張" 悅）

Comprehensive Innovation Reform Experiment， Soft Environment and Resilience of Regional Innovation Ecosystem：A Quasi-Natural Experiment Based on SDID and DML

Lyu Kun1，Pan Junbai2，Li Beiwei3

（1.Business School， Ningbo University， Ningbo 315211，China;2.School of Economics Lanzhou University， Lanzhou 730099，China;3.School of Business and Management， Jilin University， Changchun 130022，China）

Abstract：The Chinese government is endeavoring to implement the strategy of innovation-driven development.From the perspective of regional innovation， research on regional innovation ecosystem based on niche theory has become the focus of academic research. A regional innovation ecosystem is a system formed by the material exchange， energy exchange， and information exchange between each innovation subject and its environment in a specific space and time range， and its resilience is considered to be the ability of the system to resist external shocks and disturbances， adjust and recover itself through the coordination of internal entities， resource integration and energy flow. Although there were 10 regions selected for comprehensive innovation reform pilot experiments， few studies have explored the impact mechanism of comprehensive innovation reform on the overall regional innovation ecosystem and its resilience. In addition， each evolution stage of the regional innovation ecosystem is closely related to the regional marketization process， economic development level， government behavior， resource stock and other environmental factors. The soft environment represented by laws and regulations， market price mechanism flexibility， and financial trading activity is profoundly affecting the evolution of the regional innovation ecosystem. Moreover， the comprehensive innovation reform test clearly takes policy measures and institutional arrangements as the key tasks of the reform. Therefore， it is necessary to incorporate the comprehensive innovation reform experiment， the soft environment and the resilience of regional innovation ecosystem into a unified research framework for analysis.

This paper designs a set of quasi-natural experiments based on the SDID model and the DML model， and with the panel data of 30 provinces in mainland China （except Tibet） from 2009 to 2021， it conducts empirical research on the five mechanisms involved in the research system of \"comprehensive innovation reform experiment—soft environment—resilience of regional innovation ecosystem\"： （1） the impact mechanism of comprehensive innovation reform experiment on the resilience of regional innovation ecosystem; （2） the impact of soft environment on the resilience of regional innovation ecosystem; （3） how the spatial effects of comprehensive innovation reform experiment and soft environment affect the resilience of regional innovation ecosystem respectively; （4） whether the comprehensive innovation reform experiment can adjust the influence mechanism of soft environment on regional innovation ecosystem， and whether the adjustment effect is positive or negative; （5） the role of soft environment in the path of comprehensive innovation reform experiment on the resilience of regional innovation ecosystem.

It is concluded that， first， comprehensive innovation reform can impact innovation accumulation， knowledge aggregate and resource allocation optimization， which has a significant promoting effect on improving the resilience of regional innovation ecosystem. Among them， the comprehensive innovation reform can play a direct positive impact on the evolution， mobility and coordination of the regional innovation ecosystem， but the direct effect on diversity is not significant， indicating that the short-term economic behavior of local governments is not conducive to the development and scale expansion of multiple innovation entities in the regional innovation ecosystem. In addition， due to the siphon effect and disorderly competition between regions， comprehensive innovation reform will strengthen the geographical polarization of the resilience of regional innovation ecosystems.Second， a high-quality soft environment can provide favorable market competition conditions， stable social order， and structural improvement of the regional innovation ecosystem in terms of institutional arrangements and innovation ecological construction. Therefore， the positive factors in the region can be mobilized to strengthen the complexity， self-organization and self-recovery abilities of the regional innovation ecosystem， and enhance its resilience. In addition， the soft environment can also realize the spillover effect based on the economic spatial weight matrix. Finally， comprehensive innovation reform can strengthen the enhancement effect of soft environment on the resilience of regional innovation ecosystem， and the optimization of soft environment can adjust the negative spatial spillover effect of comprehensive innovation reform on the resilience of regional innovation ecosystem due to the spatial siphon effect. Meanwhile， comprehensive innovation reform can optimize the soft environment to promote the diversity， buffering， evolution， mobility and coordination of regional innovation ecosystem， especially for diversity. Although the comprehensive innovation reform itself has a limited impact on the diversification and scale development of innovation entities， it can have a positive indirect impact on diversity by adjusting the soft environment.

Key Words：Comprehensive Innovation Reform; Soft Environment; Resilience of Regional Innovation Ecosystem; SDID; DML