EN中文

经济地理 >

2024 , Vol. 44 >Issue 6: 102 - 112

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.06.011

产业经济与创新发展

中国市域数字经济创新空间格局演化及其驱动机制

  • 左万水 , 1, 2 ,
  • 古恒宇 3 ,
  • 周麟 4 ,
  • 沈体雁 , 1, 2, ※
展开
  • 1.北京大学 政府管理学院，中国 北京 100871
  • 2.北京大学武汉人工智能研究院，中国湖北 武汉 430075
  • 3.南京大学 地理与海洋科学学院，中国江苏 南京 210023
  • 4.中国人民大学 公共管理学院，中国 北京 100872
※沈体雁（1971—），男，博士，教授，博士生导师，研究方向为区域经济、城市治理。E-mail：

左万水（1996—），男，博士研究生，研究方向为区域经济、产业集群。E-mail：

收稿日期: 2023-08-25

  修回日期: 2024-01-28

  网络出版日期: 2024-09-14

基金资助

国家社会科学基金重大项目(17ZDA055)

国家自然科学基金项目(42301278)

教育部人文社会科学研究项目(23C10284012)

东湖高新区国家智能社会治理实验综合基地”项目

收起

Evolution and Driving Mechanism of the Spatial Pattern of Digital Economy Innovation in China

  • ZUO Wanshui , 1, 2 ,
  • GU Hengyu 3 ,
  • ZHOU Lin 4 ,
  • SHEN Tiyan , 1, 2, ※
Expand
  • 1. School of Government，Peking University，Beijing 100871，China
  • 2. PKU-Wuhan Institute for Artificial Intelligence，Wuhan 430075，Hubei，China
  • 3. School of Geography and Ocean Science，Nanjing University，Nanjing 210023，Jiangsu，China
  • 4. School of Public Administration and Policy，Renmin University of China，Beijing 100872，China

Received date: 2023-08-25

  Revised date: 2024-01-28

  Online published: 2024-09-14

Fold

摘要

文章基于2006—2020年的中国发明专利授权数据，以地级及以上城市作为研究单元，对比全部创新活动，探讨了中国的数字经济创新活动时空格局特征，并从知识生产函数视角构建空间面板数据引入空间杜宾模型揭示了其驱动机制。研究发现：①中国数字经济创新日益成为创新活动中的重要领域，并呈现显著的空间不平衡特征，空间集中度相对全部创新活动更高；②数字经济创新水平与城市创新能力存在正向耦合关系，中东部地区中心城市是引领数字经济创新的主要力量；③中国数字经济创新水平受到创新要素投入和创新活动的空间溢出效应的共同作用。其中，大学、数字基础设施等非流动性要素仅对本地数字经济创新具有促进效应，而知识、人力资本等流动性要素的促进作用还会溢出到邻近城市。据此，提出了优化中国数字经济区域创新格局、完善创新要素配置体制机制和促进创新成果转变为发展效能的政策建议。

关键词： 数字经济; 创新; 发明专利; 知识溢出; 空间杜宾模型; 数字基础设施; 外商直接投资

本文引用格式

左万水 , 古恒宇 , 周麟 , 沈体雁 . 中国市域数字经济创新空间格局演化及其驱动机制[J]. 经济地理, 2024 , 44(6) : 102 -112 . DOI: 10.15957/j.cnki.jjdl.2024.06.011

Abstract

Based on the invention patent authorization data of China from 2006 to 2020,and taking cities at prefecture level and above as the analysis unit,this paper explored the spatiotemporal pattern characteristics of digital economy innovation in China,revealed its driving mechanism with constructing spatial panel data from the perspective of knowledge production functions using the spatial Durbin model. The study found that: 1) Digital economic innovation has increasingly became an important sector in innovation activities,and showed significant spatial imbalance characteristics,as with higher spatial concentration than all innovation activities. 2) There was a positive coupling relationship between digital economic innovation and urban innovation capabilities. Central cities in the central and eastern regions were the main force leading digital economic innovation. 3) The innovation level of digital economy was affected by the joint effects of innovation factor input and the spatial spillover of innovation activities. Non-mobile elements such as universities and digital infrastructure only promote local digital economic innovation,while which of mobile elements such as knowledge and human capital will spill over to neighboring cities. Based on the conclusions, it puts forward policy recommendations to optimize the regional innovation pattern of China's digital economy, improve the institutional mechanism for the allocation of innovation factors and promote the transformation of innovation achievements into development effectiveness.

Key words： digital economy; innovation; patents of invention; knowledge spillover; spatial Durbin model; digital infrastructure; foreign direct investment

党的二十大报告指出，我国目前正处于全面建设社会社会主义现代化国家开局起步的关键时期，中心任务是以中国式现代化全面推进中华民族伟大复兴。在新一轮科技革命和产业变革背景下，数字化转型正在推动生产方式、生活方式发生深刻变化，数字经济已经成为引领全球经济与产业发展的重要增长极，并在中国式现代化进程中对于推动我国经济社会高质量发展具有重要战略意义。数字经济作为新一代信息技术快速发展的产物，具有明显的知识和创新驱动特征，增强数字经济创新能力对于推动数字经济发展至关重要。2022年10月，国务院关于数字经济发展情况的报告指出，我国数字经济发展还存在大而不强、快而不优等问题①，不断增强创新能力是驱动数字经济高质量发展的必由之路。
在数字化转型中，技术范式的变革不断推动资源配置方式和产业组织方式的变革，数字技术的发展正在重塑创新生态系统运行模式[1]。一方面，信息技术的发展拓展了信息的传播范围并将提高生产和服务信息供求匹配的精准度，带来资源配置空间范围的拓展和信息不对称的减少，通过物理空间和网络空间的融合为创新要素的创造、转移和应用提供了条件。另一方面，在数字化过程中经济网络化程度不断提高，由多元主体共同构成的创新生态和连接不同主体的合作平台在创新过程中的重要性不断提高。在此过程中，数字化不断引起市场结构、创新激励发生调整与变化，并对企业的创新活动产生影响[2-3]。因此，在数字产业化和产业数字化过程中，数字经济领域的创新活动正在呈现出不同于一般创新活动的特征，将数字经济创新活动从全部创新中剥离出来分析其时空格局演化过程，并基于其空间分布特征讨论背后的影响因素和驱动机制，对于推动我国数字经济发展具有重要意义。
本文选取中国地级及地级以上城市作为基本单元，基于2006—2020年的发明专利授权数据，借鉴区位商测算可比数字经济创新水平，采用赫芬达尔指数、莫兰指数等方法对中国数字经济创新时空格局演化过程进行刻画与分析。在此基础上，进一步引入知识生产函数模型和空间计量方法，对数字经济创新的驱动机制展开探索。最后，提出优化我国数字经济区域创新格局和促进数字经济高质量发展的政策建议。

1 文献评述

数字经济（Digital Economy）这一概念最早由美国学者Tapscott提出，并将其定义为“以数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”[4]。一般认为，数字经济的发展与数据要素、网络信息技术、平台组织密切相关，包含数字产业化、产业数字化两个基本层面[5-6]。随着数字化转型在全球特别是在我国迅速推进，数字经济的规模测算 [7]、空间格局[8]、经济影响[9-10]成为学者们关注的热点并受到广泛探讨。然而，就数字经济创新而言，目前学界还没有形成统一明确的界定，相关的概念包括“数字创新”“数字技术创新”“数字经济核心产业创新”等。刘洋等认为数字创新是在创新过程中采用信息（Information）、计算（Computing）、沟通（Communication）和连接（Connectivity）等技术的组合，包括带来新的产品、生产过程改进、组织模式变革以及商业模式的创建和改变等[11]；任保平等认为数字经济创新是一种综合创新，包含供需高效匹配的产品创新、企业为主体的技术创新、“产学研”有机结合的知识创新、激励自主创新的制度创新、“包容、诚信、共享”的文化创新[12]；孙勇等认为数字经济是数字技术创新赋能的经济表达，并采用专利数据实证发现长三角地区数字技术创新具有明显空间分异特征和显著空间溢出效应[13]。在数字经济快速发展的背景下，目前直接关注对其具有重要引领作用的数字经济创新活动的研究还较为缺乏，难以支撑对数字经济发展背后的机理形成完整理解。
从有关创新空间格局的研究来看，徐君等从数字嵌入性、环境赋能性、技术支持性以及信息依附性4个维度构建数字创新评价指标，考察了省级层面数字创新能力的空间相关性和分异性[14]；周浩等利用专利数据刻画了省级和区域层面的数字经济创新活动特征事实，并结合创新主体视角进行了分析[15]；张琳等从综合质效、创新能力、产业应用、产业价值4个方面对省级的数字经济核心产业创新能力进行评价[16]。总体上，由于刻画创新水平的核心指标数据获取受到限制，现有研究主要集中在省级层面。在城市层面，部分文献从创新产出[17]、创新能力[18]、创新水平[19]等维度对创新活动的空间格局进行刻画，但未能将数字经济创新活动从全部创新中剥离出来。张雄等虽然从创新环境、创新投入、创新产出3个维度构建了城市数字创新水平评价指标体系，并未在城市尺度上展开分析[20]。总之，目前针对全部经济创新活动刻画的时空格局尚不能准确反映出数字经济领域创新的空间特征，难以对数字经济发展起到有效支撑。
在数字经济创新格局的驱动机制方面，知识生产函数和知识溢出构成了研究创新过程的两个基本视角。Griliches建立的知识生产函数模型认为创新产出取决于当前以及过去的研发投入[21]。然而，进一步的实证研究发现，企业层面的创新投入与产出之间直接的决定性关系并不稳健，需要引入包含空间关系的知识溢出效应构建更完善的模型[22-23]。应用Jaffe提出的包含空间溢出效应的知识生产函数框架[24]，大量实证研究均发现我国创新空间格局受到知识溢出效应的显著影响，创新投入和创新产出在省域和城市等特定空间尺度上均表现出空间相关性[25]。此外，从数字经济创新本身来看，数字技术的发展使组织、协调、沟通成本降低，产品和服务创新更加灵活，突破了时空界限，具有非线性模式、产品快速迭代以及组织去中心化等特征[26]。因此，在探讨数字经济创新空间格局的驱动机制时，一方面既要参考一般创新活动引入空间计量模型以准确捕获不同影响因素的空间溢出效应，另一方面也需要考虑数字本身所具有的创新空间特性进行分析。
综上所述，目前仅有少量文献集中于对数字经济的发展水平和时空格局的测度和刻画，以及探讨其对经济社会发展的影响，对于数字经济创新活动的直接探讨较为缺乏。同时，数字经济相关的研究大多集中在省级层面或者以某一区域作为研究对象，受到数据获取限制难以兼顾精细度和完整度。而城市作为创新活动的主要场所，是研究创新活动更为理想的地理尺度[27]。因此，本文以我国地级及以上城市作为研究对象，重点关注数字经济领域的创新活动，进而采用空间面板数据对其空间格局的演化过程和驱动机制展开分析，并与全部创新活动进行比较，探讨数字经济创新活动是否在空间分布上有其自身特征，以期为推动数字经济高质量发展提供新的见解。

2 研究数据与方法

2.1 研究数据与变量说明

本研究以中国285个地级及以上城市（以下简称城市）为基本空间单元，构建涵盖“十一五”到 “十三五”（2006—2020年）期间的面板数据。对创新活动的测度一般涉及创新环境、创新能力、创新产出等维度，本文侧重于从产出视角来考察数字经济创新水平。对此，相关研究中常用的指标包括专利数量、新产品销售数量、全要素生产率、论文数量等，目前并未形成统一标准。考虑到专利数量由于与创新活动联系紧密、数据可获取性好，应用最为普遍，本文采用中国社科院全球五大专利数据库中的发明专利授权数量来衡量创新活动。同时利用区位商加权测算相对于城市潜在创新能力的数字经济创新水平，通过消除区域自然禀赋和经济条件存在的差异以提高区域间数字经济创新水平的可比性，具体表达式如下：
C D E I i = T D P i / T D P T P i / T P · T D P i
式中：TDP表示数字经济专利数；TP表示全部专利总数；i表示不同城市； T P i / T P是城市i在全国所有城市中的创新份额，反映了城市潜在的创新能力。此外，根据研究期内各城市统计年鉴构造了解释变量对应的面板数据，并通过省级统计年鉴、国民经济和社会发展统计公报、网络公开数据库等资料对统计年鉴中的部分缺失数据进行了补充。
经整理后共获取2006—2020年国家知识产权局受理的273.74万条发明专利授权数据，包含专利名称，主申请人名称、地址，国民经济行业分类代码、名称等信息。本文采用每条专利中的国民经济行业分类代码和国家统计局发布的《数字经济及其核心产业统计分类（2021）》进行匹配①，作为数字经济专利，并从主申请人地址中提取专利所在城市信息。对于经历行政区划调整的城市，采用2020年行政区划名称和实际范围进行统计。在下文的分析中，汇总了全部地级及以上城市的发明专利数量（不包括台湾、香港和澳门地区），由于部分经历行政区划调整的城市在研究期间缺失多年的统计数据，在研究中剔除了这些城市。最终将专利数据与城市特征数据匹配后得到2006—2020年的285个城市的空间面板数据。

2.2 研究方法

2.2.1 赫芬达尔指数

赫芬达尔指数（Herfindahl-Hirschman Index，HHI）是指特定市场中所有企业市场份额的平方和，早期主要作为测度市场集中度的指标，将企业市场份额替换为区域经济指标份额后可以用于刻画经济活动在特定区域中的集中程度。本文采用HHI来揭示不同区域之间创新水平的空间分异情况。

2.2.2 空间自相关分析

空间自相关分析是识别社会经济活动在空间中的集聚与离散特征的重要方法，本文采用全局自相关检验来刻画数字经济创新活动在空间中的分布格局。具体而言，本文采用全局莫兰指数（Global Moran Index）来考察数字经济创新活动在研究区域内是否具备空间相关性，从而反映其在空间上分布的总体特征，为选取空间计量模型提供依据。考虑到创新要素流动带来的溢出效应随着地理距离的增加而衰减和研究单元的非连续性，本文采用基于地理距离的反距离空间权重矩阵进行测算。本文中的空间杜宾模型也采用相同的反距离空间权重矩阵。

2.2.3 知识生产函数与空间杜宾模型

知识生产函数认为经济活动中的创新产出取决于创新要素投入，是目前用来探讨创新驱动机制的主流方法。本文对常见的Griliches-Jaffe知识生产函数进行改进，构建具有Cobb-Douglas形式的知识生产函数作为理论模型。一般认为，创新产出主要受到研发投入（RDI）[28]、知识存量（KS）[29]、国际投资（FDI）[30]、地方吸收能力（LAA）[31]等因素的影响。考虑到数字经济创新对互联网、数据等基础设施的依赖性，本文还在模型中引入基础设施项（INF）[32]。此外，创新投入转化为创新产出存在一定的时滞，本文综合考虑专利审批周期和参考现有文献，采用2年滞后期进行分析。模型的具体表达式如下：
P i , t + 2 = A · R D I i , t α · K S i , t β · F D I i , t γ · L A A i , t δ · I N F i , t θ · e λ
在上式两侧取对数得到基准回归模型如下：
l n P i , t + 2 = c + α l n R D I i , t + β l n K S i , t + γ l n F D I i , t + δ 1 l n U N I i , t + δ 2 l n H C i , t + θ l n I N F i , t + λ 1 l n G D P i , t + λ 2 l n P O P i , t + μ
式中： P i , t + 2是城市i在t+2年的可比数字经济创新水平（CDEI），代理指标为经过区位商加权后专利授权数量；c=lnA，是反映技术水平的参数；RDI是城市创新投入，数据指标为地方一般公共预算中的科学技术支出；KS代表城市知识存量，参考邓明等的方法利用全部发明专利授权数据进行测算[29]；FDI代表国际投资，数据指标为城市当年实际使用外商直接投资额；地方吸收能力（LAA）包括城市大学数量UNI和人力资本水平HC，HC的数据指标为城市信息服务与软件产业从业人数；INF是用城市的互联网宽带接入用户数表示的数字基础设施。此外，参考已有研究，引入地方经济发展水平（GDP）和以常住人口总量表示的城市规模（POP）作为控制变量； μ是模型误差项。
由于知识生产与传播过程中具有明显的外部性，并且这种外部性与人们的交往活动显著相关，导致创新活动表现出显著的空间溢出效应，这种溢出效应反过来也成为塑造创新空间格局的重要力量。本文参考现有文献中发现的知识溢出机制[33]，采用空间杜宾模型对城市层面的数字经济创新活动的驱动机制进行探讨。

3 中国数字经济创新的时空演化

3.1 数字经济创新水平时序发展态势

从2006年起，我国的创新水平持续快速提升，全部经济活动和数字经济领域的发明专利授权数量都经历了迅猛增长，并表现出显著的区域不平衡特征（图1）。从总量来看，数字经济领域的发明专利授权从2006年的2936件增长到2020年119774件，年均增长率达32.9%，占全部发明专利授权比例迅速从14.59%增加到27.72%。在此过程中，数字经济发明专利授权数量的增长经历了小幅度的波动，经过“十一五”期间的快速增长后，在“十二五”期间增速放缓，导致在全部发明专利授权中的比例有所下降；此后的“十三五”时期，在国家提出加快建设“数字中国”、加快实施国家大数据战略等重大政策引导下①，数字经济领域的创新活动开始爆发式增长，在全部创新中的地位持续提升。分区域来看，全部创新活动和数字经济创新均高度集中在东部沿海地区，东部地区在全部创新活动中占比70.5%，在数字经济创新活动中占比83.5%；其他3个区域整体来看，创新活动水平呈现“中部地区>西部地区>东北地区”的格局。近年来，西部地区在全部创新活动落后于中部的情况下，取得了与中部基本相当的数字经济创新水平，反映出数字经济为西部地区带来了更多创新机会，在缩小区域创新差距方面发挥了一定作用。总之，数字经济日益成为我国经济创新活动中的重要领域，在大区域层面上，数字经济创新活动的空间分布更加集中在经济发达的东部地区。同时，不同区域中的数字经济创新增长趋势并不与全部创新保持一致，数字经济在重塑创新格局方面的作用正在逐渐显露。
图1 2006—2020年全国与四大区域发明专利授权数量增长趋势

注：实线（TP）为全部专利数量，虚线（DEP）表示数字经济专利数量。图5同。

Fig.1 The increasing trend of the number of invention patents granted in the whole country and four regions in 2006-2020

基于波士顿矩阵方法，利用数字经济创新份额和数字经济创新增速将城市的数字经济创新发展态势划分为数字经济创新领先型城市、成长型城市、发育型城市、停滞型城市4种类型。数字经济创新领先型城市位于第一象限，其数字经济创新占全部创新活动的份额和年均增速都高于全国水平，具有良好的数字经济创新表现，其余类型依此类推。在“十一五”到“十三五”期间，我国数字经济创新领域中的领先型城市和发育型城市数量在不断下降，而成长型城市和停滞型城市数量在持续增加（图2）。具体来看，领先型城市大多是东部、中部、东北3个区域的主要中心城市，这些城市数字经济创新份额高，早期增速快，然而随着创新水平不断提高，增速开始下降，如大连、青岛、广州等城市开始转变为停滞型城市；成长型城市主要是中、东部地区的外围城市，虽然数字经济创新在全部创新活动中的比例偏低，但是增长迅速，大部分逐渐向领先型城市和停滞型城市演进，而少数由于增速下降退化为发育型城市，如鞍山、昆明；发育型城市主要集中在西部和东北地区，这些城市的整体创新水平较低，增长缓慢，随着增速的提高，逐渐向成长型城市和其他类型的城市演进。此外，随着数字经济创新水平出现整体性提高，在“十三五”时期，一些发展相对缓慢的城市重新退化为发育型城市，而停滞型城市主要集中在中、东部地区，这些城市的创新体量相对较大，但是增速缓慢，面临被其他城市赶超的风险。
图2 2006—2020年3个时期4类数字经济创新城市空间分布变化

注：该图基于自然资源部标准地图服务网站下载的GS（2023）2767号的标准地图制作，底图无修改。图4、图6同。

Fig.2 Spatial distribution of four types of digital economy innovation cities in three periods in 2006-2020

3.2 数字经济创新与创新能力的耦合

从过去3个五年规划时期的发明专利授权数量分布来看（图3），我国城市数字经济创新水平和以全部发明专利产出数量衡量的城市创新能力具有正向耦合关系，表明数字经济创新对基础能力的需求与其他创新活动具有一致性。此外，拟合线在“十一五”到“十二五”期间发生逆时针偏转，表明我国数字经济创新总体呈现出集聚发展的特征，尾部城市创新产出增长导致中等创新水平的腰部城市增加的同时，创新能力强的头部城市的数字经济创新水平明显提高。进入“十三五”期间后，腰部城市和头部城市的创新能力积累更加丰厚，尾部城市的创新能力和数字经济创新水平也逐渐提高，数字经济创新呈现整体提升的趋势，表现为拟合线向左上方发生整体移动。
图3 2006—2020年3个时期城市数字经济创新与全部创新活动数量分布变化

Fig.3 Distribution of digital economy innovation and the number of all innovation activities in three periods in 2006-2020

根据数字经济创新水平与城市创新能力的耦合关系划分出引领型城市、突破型城市、薄弱型城市、落后型城市4种类型，其中，引领型城市同时具备高于平均水平的城市创新能力和数字经济创新活动，位于波士顿矩阵的第一象限，其余三类城市以此类推，分别位于第二、三、四象限。在过去3个五年规划期间，我国大部分城市的创新能力和数字经济创新水平均处于较低水平，属于数字经济创新薄弱型城市。这类城市在3个时期占全国城市的比例分别为88.42%、84.57%、82.79%。其他3种类型的城市主要分布在东部和中部地区，并且以省会等中心城市为主。随着创新能力的不断积累，薄弱型城市的创新产出水平也开始逐渐提高，镇江、温州、潍坊、惠州等城市新的创新产出集中在数字经济领域，成为引领型城市；徐州、台州、中山、南宁等城市的创新则集中在其他领域，成为数字经济创新落后型城市；相对于城市创新能力表现出更高的数字经济创新水平的突破型城市十分稀缺，仅在前两个时期出现绵阳和惠州2个城市（图4）。总体而言，数字经济创新与城市创新能力具有较高的耦合关系，引领数字经济创新的城市主要是具有丰富创新能力积累的中东部地区相对发达城市。
图4 2006—2020年3个时期4类数字经济创新与创新能力耦合类型的城市分布变化

Fig.4 Distribution of four types of cities on coupling relationship between digital economy innovation and innovation capabilities in three periods in 2006-2020

3.3 数字经济创新水平空间格局演化

全国及四大区域的赫芬达尔指数（HHI）表明创新活动的集中程度总体上呈现出逐年下降趋势，在空间上不断趋于分散（图5）。这反映了我国的创新活动从原来高度集中于少数中心城市开始向不同等级的城市均衡分布的转变趋势。2006—2020年期间，数字经济创新活动对城市发展水平和创新能力具有依赖性，集中在少数中心城市，导致集中程度总体高于全部创新活动。但是自“十二五”时期以来，随着东部和中部地区的低等级城市数字经济创新活动快速增长，数字经济创新活动的空间集中程度已经开始大幅度下降，在空间上趋向于均衡分布。与此同时，西部地区和东北地区的创新活动空间分布却呈现出波动上升趋势，目前处于较高的集中度水平。
图5 2006—2020年全国及四大区域HHI变化趋势

Fig.5 The changing trend of HHI in the whole country and four regions in 2006-2020

数字经济创新水平表现出明显的空间不平衡特征，绝大部分创新活动集中在少数中心城市，而大量城市仅有微量的创新活动，主要分布在西部和东北地区以及中东部的外围区域（图6）。数字经济创新份额前10个城市（占比不到前3%）在3个时期分别占据了全部创新活动的64.20%、52.28%、47.13%和数字经济创新活动的86.86%、77.39%、69.88%。同时，区位商表明这些城市的数字经济创新集聚程度正在不断上升，在创新活动中占据重要地位①。其中，北京、深圳、上海的创新份额显著高于其他城市并保持稳定，具有全国性创新中心特征；其他城市在全部创新份额未出现显著增长的情况下，数字经济创新份额均有所提高，表明数字经济正在成为支撑这些城市打造区域性创新中心的重要力量。在空间聚散特征方面，数字经济创新快速增长的城市集中分布在主要中心城市及其周边区域，在全国范围内形成5个大型的数字经济创新组团：京津冀城市群、山东半岛、长三角城市群、粤港澳大湾区和成渝都市圈组团。此外，郑州、西安、哈尔滨等省会城市也表现出较高的数字经济创新水平，在其周围形成小片的创新组团。
图6 2006—2020年3个时期城市数字经济创新水平的空间分布变化

Fig.6 Spatial pattern of urban digital economy innovation level in three periods in 2006-2020

综上所述，不同区域的数字经济创新发展均具有阶段性特征，空间集中度在不同发展阶段总体上呈现倒“U”型曲线特征：早期所有城市的创新水平都较低，创新格局表现为低水平的空间分散，随着一些中心城市的创新能力迅速提升，创新活动的空间集中度也随之提高。此后，创新活动将向其他城市溢出，城市间的创新活动水平差异缩小，趋向于均衡分布。目前，我国的全部创新活动在空间上向外溢出持续增强，开始进入趋向稳定和均衡阶段。然而，数字经济创新作为一个新兴领域，总体上空间集中度仍然较高，其趋向空间均衡的过程相对滞后。在此过程中，随着城市间的创新联系不断加强，外围城市创新水平普遍提升的同时中心城市及其邻近区域创新持续增强，整体上呈现“大分散、小集聚”格局。

4 中国数字经济创新的驱动机制

4.1 空间计量模型设定与检验

为了进一步探讨数字经济创新空间格局背后的驱动机制，本文基于知识生产函数构建计量模型进行分析。全局莫兰指数表明①，虽然数字经济创新活动在建立空间相关性的进程中相对于全部创新滞后，但一直呈现出从空间随机分布向空间集聚的发展趋势。尤其是近年来，随着我国城市间的创新交流日益紧密，数字经济创新在空间上已经表现出显著的空间相关性。普通的计量模型由于并未考虑创新活动的空间相关特征，可能导致估计结果存在偏误。因此，本文构造空间面板数据并基于极大似然法采用空间杜宾模型进行估计，从而消除估计中的偏误[34]。由于空间计量模型要求使用完全平衡的面板数据进行估计，对于解释变量中存在无法由公开数据获取的个别缺失值，本研究中采用趋势外推法进行消除。
为了确定处理OLS模型误差的空间计量模型的具体形式，在理论分析的基础上，本文进行了相应的模型检验。表1中对随机效应SDM和固定效应SDM的Hausman检验均在1%的统计水平上显著，因此采用固定效应模型的估计结果。此外，为了确定空间计量模型的形式，以空间滞后模型（SAR）和空间误差模型（SEM）为参照，对模型进行LM、LR和Wald检验，除SAR模型的稳健LM检验外，所有检验统计量均在1%的统计水平上显著拒绝了原假设，表明至少部分地区和部分变量之间存在空间溢出效应，模型不能退化为SAR和SEM。综上，本研究的最优模型是固定效应的空间杜宾模型，下文基于这一模型分析数字经济创新活动的影响机制。
表1 模型检验结果汇总

Tab.1 Summary of model test results

统计量 Hausman_test LM_test Robust_LM LR_test Wald_test
chi2 423.96***
SAR_chi2 157.082*** 0.008 285.07*** 29.25***
SEM_chi2 1512.296*** 1535.222*** 135.13*** 43.71***

注：***、**、*分别表示t检验在0.01、0.05、0.10的水平上显著。

4.2 数字经济创新驱动机制分析

表2中混合OLS模型估计结果的调整的R2为0.72，表现出良好的拟合优度，说明模型中选取的变量对数字经济创新活动具有较高解释度。然而，OLS模型忽略了创新活动的空间相关性，导致估计结果可能存在偏误，列（5）为本文的正式估计结果。其中，因变量滞后项WlnCDEI的系数ρ为0.684，并在1%的统计水平上显著为正，表明我国数字经济创新活动在城市层面上存在显著空间溢出效应。总体来看，这意味着相邻城市的数字经济发明专利授权数量增加1%将为本市的数字经济发明专利授权数量带来0.684%的增长。这一数值大于表2列（6）中利用同一模型对全部创新活动的估计结果（0.315%），说明在研究期内，空间溢出已经成为推动中国数字经济创新发展的重要途径，相对于全部创新活动而言，数字经济创新活动的溢出效应更加显著，反映出我国城市间在数字经济领域的创新合作与协同水平相对更高。
表2 中国数字经济创新空间面板数据回归结果

Tab.2 Regression results of spatial panel data of digital economy innovation in China

变量 （1） （2） （3） （4） （5） （6）
混合OLS 固定效应OLS 固定效应OLS 随机效应SDM 固定效应SDM 固定效应SDM
lnCDEI lnCDEI lnTP lnCDEI lnCDEI lnTP
rho 0.821***（0.040） 0.684***（0.069） 0.315***（0.118）
R2 0.7237 0.5223 0.9287 0.6857 0.2069 0.8715
Adjust_R2 0.7231 0.5214 0.9286
N 4275 4275 4275 4275 4275 4275

注：由于篇幅有限，本表中删去了解释变量及其空间滞后项的估计结果，如有需要，请联系作者索取。***、**、*分别表示t检验在0.01、0.05、0.10的水平上显著，括号内为稳健标准误。表3同。

上述估计结果表明，研发投入、知识存量、大学数量、人力资本和基础设施对数字经济创新活动具有显著影响并且存在一定程度空间溢出效应。但是，LeSage等认为由于存在空间效应，空间杜宾模型中的解释变量的估计系数并不能直接测度知识溢出的方向和大小[35]。因此，本文将解释变量的影响分解为直接效应、间接效应和总效应，结果见表3。
表3 空间杜宾模型效应分解结果

Tab.3 Decomposition results of spatial Durbin model effect

模型 （1）数字经济创新固定效应SDM （2）全部创新活动固定效应SDM
直接效应 间接效应 总效应 直接效应 间接效应 总效应
lnRDI 0.047**（0.022） -0.096（0.504） -0.049（0.500） 0.041***（0.011） 0.174（0.112） 0.215**（0.109）
lnKS 0.063**（0.025） 4.826***（1.358） 4.889***（1.360） 0.857***（0.012） 0.756***（0.164） 1.613***（0.161）
lnFDI 0.006（0.009） -0.536（0.373） -0.531（0.374） -0.002（0.004） -0.201**（0.080） -0.204**（0.079）
lnUNI 0.233***（0.055） -7.321*（3.808） -7.088*（3.822） 0.077***（0.026） -1.170*（0.698） -1.092（0.700）
lnHC 0.221***（0.031） 10.579***（3.046） 10.801***（3.058） 0.011（0.014） 0.729**（0.337） 0.741**（0.338）
lnINF 0.265***（0.028） -4.874***（1.487） -5.139***（1.493） 0.005（0.013） -0.512**（0.216） -0.507**（0.215）
lnGDP 0.124**（0.057） 0.286（0.205） 0.411*（0.249） 0.029（0.028） 0.015（0.019） 0.044（0.044）
lnPop -0.048（0.060） -0.110（0.144） -0.158（0.201） -0.064**（0.029） -0.031（0.022） -0.095**（0.047）
N 4275 4275 4275 4275 4275 4275
政府研发投入（RDI）尽管对全部创新活动存在显著的促进作用，但目前在推动数字经济创新方向尚显乏力，仅在5%的显著性水平上促进了本地的数字经济创新活动，对相邻城市创新的促进作用和总效应并不显著。这些结果反映出我国政府研发投入对于数字经济的支持力度仍然有待加强，同时政府研发投入具有明显的属地意识，缺少对相邻地区之间创新合作的关注，不能对研发要素区际流动形成有效引导，导致研发投入的流动性实际上处于较低水平，没有发挥出最大效益。
知识存量（KS）对本地和相邻地区的创新活动都具有显著的促进作用，与大量现有研究的结论保持一致。本地的知识存量增长1%将为本地和周边地区的数字经济创新活动分别带来0.063%和4.826%的增长，知识存量的溢出效应远大于直接效应。这一结果表明既有知识基础在时间和空间上的溢出是创新的重要源泉，城市知识多样性是数字经济创新活动的重要基础，邻近区域的城市之间通过既有知识传播、扩散、整合促进了数字经济创新成果的形成，从而导致数字经济创新向知识存量丰厚的中心城市和主要城市群不断集聚。
外商直接投资（FDI）在估计结果中并未对城市创新活动产生预期的显著影响。一方面，外商直接投资中包含国际知识与技术向国内的转移，对本土创新活动同时存在促进和替代作用，最终影响难以简单确定。另一方面，我国的数字经济主要阵地是产业数字化，数字经济创新集中于利用数字化技术改造原有的生产过程，创新需求具有明显的本土化特征，从而可能导致外商直接投资的作用并不显著。
地方吸收能力中的大学数量（UNI）和人力资本水平（HC）均在一定程度上对城市创新活动产生了促进作用。其中，大学数量对数字经济创新和全部创新活动均表现出显著的促进作用，并且这种促进作用集中在本地而不会溢出到其他城市。由于模型中选取的指标重点测度了数字经济领域的人力资本水平，人力资本水平对数字经济创新无论从直接效应、间接效应还是总效应来看都具有显著的促进作用，而对全部创新活动的影响主要集中在间接效应上。这反映出随着人口流动性的提高，城市之间在数字经济领域的人才交流联系日益密切，正在成为影响城市创新发展的重要力量。
数字基础设施（INF）在对本地数字经济创新产生显著促进作用的同时，还表现出“虹吸效应”，并对周边地区的创新活动产生了显著的抑制作用。由于这种“虹吸效应”过于强大，数字基础设施对创新活动的总体效应反而转变为显著的负向影响。目前诸如光纤、算力、存储等大量的数字基础设施仍然以物理形态存在，难以在空间中转移，因此基础设施建设完善的城市更能响应数字经济创新需求，导致邻近区域的创新资源相对更加缺乏，引起数字经济创新活动不断向这些城市集聚。
综上发现，2006—2020年驱动我国数字经济创新发展的主要动力来自于创新要素的投入和创新活动在空间中的溢出效应，在总体上呈现出内生驱动的特征。一方面，政府研发投入、知识积累、大学、人资资本、数字基础设施等创新要素显著地促进了本地的数字经济创新；另一方面，创新要素的流动引起创新资源在空间中的再配置，通过溢出效应影响着城市的数字经济创新绩效。具体而言，知识、人力资本等具有较强流动性的要素通过溢出效应可以促进邻近区域的数字经济创新活动，而大学、数字基础设施等非流动性要素不仅对其他区域创新活动影响不显著，甚至会因为“虹吸效应”抑制邻近区域的创新活动。

5 结论与建议

随着信息技术快速发展并且与社会经济运行过程不断结合，数字经济日益成为实现中国经济高质量发展重要增长极，提高数字经济创新能力在塑造新发展动能中的重要地位不断凸显。本文采用2006—2020年的发明专利授权数据对中国数字经济创新活动的空间特征及其与一般创新活动的差异进行探讨，并基于知识生产函数，构建空间面板数据，引入空间杜宾模型探讨了其驱动机制。主要结论如下：
①研究期间，我国的数字经济创新活动经历了快速增长，日益成为创新活动中的重要领域。同时，数字经济创新活动表现出显著的空间不平衡特征，空间集中度相对更高。东部地区集中了超过七成全部创新活动和超过八成的数字经济创新活动，是数字经济创新活动增长的主要阵地。
②我国城市数字经济创新水平与城市创新能力存在正向耦合关系，数字经济创新与其他创新活动具有基本一致的创新基础能力需求，具有丰富创新能力积累的中东部地区中心城市成为引领数字经济创新的主要力量。数字经济创新活动在不断向中心城市集聚的同时，外围城市的创新水平也在逐渐提高，从而导致数字经济创新呈现“大分散，小集聚”的格局。
③我国数字经济创新水平受到创新要素投入和创新活动的空间溢出效应的共同作用，城市数字经济创新水平不仅取决于本地创新要素投入，还受到邻近城市的数字经济创新水平和创新投入溢出效应的影响。具体而言，大学、数字基础设施等非流动性要素仅对本地数字经济创新具有促进效应，而知识、人力资本等流动性要素对数字经济创新活动的促进作用还会溢出到邻近区域。
基于上述结论，本文对提升我国的数字经济创新水平，推动数字经济高质量发展提出如下建议：
①抓住数字经济发展机遇，以数字经济创新为抓手，促进我国区域创新格局进一步优化。面向产业数字化和数字产业化中的创新需求，一方面不断巩固和强化中心城市的数字经济创新引领地位，通过集聚和溢出集中增强自身发展动力，辐射带动周边区域发展，形成连片创新区和创新带；另一方面鼓励东西部城市基于自身知识积累和创新环境形成的创新能力，结合数字化赋予创新要素及其流动性的内涵挖掘创新增长点，积极塑造“专精特新”的城市创新优势。
②完善创新要素配置的体制机制，推动城市间的创新合作与协同，提高流动性、非流动性要素投入的创新效能。首先，继续加大政府研发投入对数字经济创新活动的支持，鼓励跨地区创新合作与资源共享；其次，进一步破除阻碍创新要素流动的各类障碍，特别是结合数字化手段促进人的流动和交流，充分发挥知识和人力资本对创新的促进作用；最后，科学规划配置科研院所、网络基础设施等不可流动的在地要素，避免出现过度配置带来效率损失。
③积极开展数字经济创新成果转化和应用示范，推动数字经济与实体经济融合发展，切实将创新成果转变为发展效能。我国数字经济创新水平的持续提高为数字经济赋能高质量发展提供了坚实基础，在加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局背景下，应进一步构建面向应用的创新体系，以企业为主体，强化产学研有机结合，面向市场需求提供高质量的数字产品，将数字经济打造为推动经济高质量发展的“新引擎”。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张昕蔚. 数字经济条件下的创新模式演化研究[J]. 经济学家, 2019(7):32-39.

[2]
唐要家, 王钰, 唐春晖. 数字经济、市场结构与创新绩效[J]. 中国工业经济, 2022(10):62-80.

[3]
李健, 张金林, 董小凡. 数字经济如何影响企业创新能力:内在机制与经验证据[J]. 经济管理, 2022, 44(8):5-22.

[4]
Tapscott D. The Digital Economy:Promise and Peril in the Age of Networked Intelligence[M]. New York: Mc Graw-Hill, 1996.

[5]
裴长洪, 倪江飞, 李越. 数字经济的政治经济学分析[J]. 财贸经济, 2018, 39(9):5-22.

[6]
李长江. 关于数字经济内涵的初步探讨[J]. 电子政务, 2017, 14(9):84-92.

[7]
许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020(5):23-41.

[8]
王胜鹏, 滕堂伟, 夏启繁, 等. 中国数字经济发展水平时空特征及其创新驱动机制[J]. 经济地理, 2022, 42(7):33-43.

DOI

[9]
张英浩, 汪明峰, 崔璐明, 等. 数字经济水平对中国市域绿色全要素生产率的影响[J]. 经济地理, 2022, 42(9):33-42.

DOI

[10]
岳书敬, 董迪妮, 赖晓冰. 数字创新如何影响城市经济差距——“数字鸿沟”还是“数字红利”[J]. 财经科学, 2023,(9):76-88.

[11]
刘洋, 董久钰, 魏江. 数字创新管理:理论框架与未来研究[J]. 管理世界, 2020, 36(7):198-217,219.

[12]
任保平, 何厚聪. 中国式现代化新征程中我国数字经济创新体系的构建[J]. 上海经济研究, 2022(12):17-26.

[13]
孙勇, 樊杰, 刘汉初, 等. 长三角地区数字技术创新时空格局及其影响因素[J]. 经济地理, 2022, 42(2):124-133.

DOI

[14]
徐君, 郭鑫, 蒋雨晨. 中国区域数字创新能力评价及空间相关性与分异性研究[J]. 软科学, 2022, 36(11):49-58.

[15]
周浩, 李健斌. 中国数字经济创新活动的特征事实与分析——来自专利的证据[J]. 暨南学报:哲学社会科学版, 2023, 45(9):54-68.

[16]
张琳, 果春山, 孙毅, 等. 数字经济核心产业创新能力研究与评价[J]. 科学管理研究, 2022, 40(5):71-76.

[17]
马静, 邓宏兵, 张红. 空间知识溢出视角下中国城市创新产出空间格局[J]. 经济地理, 2018, 38(9):96-104.

DOI

[18]
周锐波, 刘叶子, 杨卓文. 中国城市创新能力的时空演化及溢出效应[J]. 经济地理, 2019, 39(4):85-92.

DOI

[19]
周麟, 古恒宇, 何泓浩. 2006—2018年中国区域创新结构演变[J]. 经济地理, 2021, 41(5):19-28.

DOI

[20]
张雄, 高志刚, 克甝. 中国城市数字创新水平的地区差距及动态演进[J]. 统计与决策, 2023, 39(12):5-10.

[21]
Griliches Z. Issues in assessing the contribution of research and development to productivity growth[J]. The Bell Journal of Economics, 1979:92-116.

[22]
Anselin L, Varga A, Acs Z. Local geographic spillovers between university research and high technology innovations[J]. Journal of Urban Economics, 1997, 42(3):422-448.

[23]
Audretsch D B, Feldman M P. Knowledge spillovers and the geography of innovation[J]. Handbook of Regional and Urban Economics, 2004, 4:2713-2739.

[24]
Jaffe A B, Trajtenberg M, Henderson R. Geographic localization of knowledge spillovers as evidenced by patent citations[J]. The Quarterly Journal of Economics, 1993, 108(3):577-598.

[25]
何舜辉, 杜德斌, 焦美琪, 等. 中国地级以上城市创新能力的时空格局演变及影响因素分析[J]. 地理科学, 2017, 37(7):1014-1022.

DOI

[26]
陈晓红, 李杨扬, 宋丽洁, 等. 数字经济理论体系与研究展望[J]. 管理世界, 2022, 38(2):208-224,13-16.

[27]
吕拉昌, 赵彩云. 中国城市创新地理研究述评与展望[J]. 经济地理, 2021, 41(3):16-27.

DOI

[28]
白俊红, 王钺, 蒋伏心, 等. 研发要素流动、空间知识溢出与经济增长[J]. 经济研究, 2017, 52(7):109-123.

[29]
邓明, 钱争鸣. 我国省际知识存量、知识生产与知识的空间溢出[J]. 数量经济技术经济研究, 2009, 26(5):42-53.

[30]
陈超. 进口贸易、FDI与国际知识资本溢出——来自跨国面板数据的经验分析[J]. 世界经济研究, 2016(2):90-100,137.

[31]
何兴强, 欧燕, 史卫, 等. FDI技术溢出与中国吸收能力门槛研究[J]. 世界经济, 2014, 37(10):52-76.

[32]
Feldman M P, Florida R. The geographic sources of innovation:Technological infrastructure and product innovation in the United States[J]. Annals of the Association of American Geographers, 1994, 84(2):210-229.

[33]
王俊松, 颜燕, 胡曙虹. 中国城市技术创新能力的空间特征及影响因素——基于空间面板数据模型的研究[J]. 地理科学, 2017, 37(1):11-18.

DOI

[34]
Anselin L. Spatial Econometrics:Methods and Models[M]. Berlin:Springer Science & Business Media, 2013.

[35]
LeSage J, Pace R K. Introduction to Spatial Econometrics[M]. London: Chapman and Hall/CRC, 2009.

Options
文章导航

/

〈 〉