ICT and Urban Innovation Output: An Analysis of Innovation Growth, Quality Differentiation and Spatial Spillover Distance

Jiang Renai, Wang Longguo, Yang Shenghao, Li Dongmei

(School of Economics and Finance, Xi 'an Jiaotong University,Xi'an 710061,China)

Abstract：Information communication technology (ICT) has become an effective carrier for information dissemination and knowledge spillover. As two representative products of ICT, the transformation of information transmission and communication methods by the Internet and mobile phones can further deepen the innovative connection between cities, thereby directly or indirectly affecting urban innovation activities. Meanwhile, the network externalities of the Internet and mobile phones bring innovation activities certain spatial spillover characteristics. Because of the increasingly complex regional linkages, the factor of distance plays an important role in innovation spillovers. However, most of the existing research on the innovation effect of ICT is limited to the quantitative perspective, ignoring the importance of innovation quality. Especially with the explosive growth of Chinese patents, there are a lot of innovation bubbles, and the pursuit of quantitative growth is not enough to support the realization of self-reliance and self-improvement in science and technology. In this regard, does ICT have an impact on innovation quality? If the externality characteristics of ICT are taken as a general-purpose technology, does it have spatial spillover effects on urban innovation?

Using the panel data of 284 prefecture-level cities in China from 2004 to 2019, this paper respectively constructs four spatial weight matrices and employs the spatial Durbin model to examine the impact and spillover effects of ICT on urban innovation. It then measures urban innovation quantity and quality by the number of granted patents and citations. Although patent citations are taken as a commonly used indicator of innovation quality in the world, the China National Intellectual Property Administration (CNIPA) does not have relevant statistics, which brings difficulties to the evaluation of patent quality in China. Therefore, this paper uses Python to sort out all granted patents in the sample interval, and calculates the average cited index of each city based on the citation relationship and the addresses of the patentees to effectively measure urban innovation quality. On this basis, it further takes the tail innovation index and zero cited index to measure high-quality patents and low-quality patents respectively to investigate the innovation differentiation effect of ICT, and uses the cited lag time and the proportion of cooperative patents for mechanism analysis.

The study shows that, first, ICT, represented by the Internet and mobile phones, has promoted the growth of urban innovation and produced significant spatial spillover effects. Compared with mobile phones, the Internet has a stronger effect on improving the quantity of innovation; mobile phones can also improve the quality of urban innovation, while the Internet can cause the average quality to decline. Second, the spillover boundary of mobile phones for innovation is 1000km, and the optimal overflow range is roughly 100-1 000km; while the Internet reaches 2000km and 1 000-2000km. Third, the decline in innovation quality caused by the Internet is because it promotes urban high-quality innovation, and also leads to a large number of patent bubbles, and the impact is greater than the mitigation effect of mobile phones on patent bubbles. It shows that ICT generally produces an innovation differentiation effect.Fourth, the mechanism analysis further verifies this effect. On the one hand, the Internet shortens the time to search for information, which facilitates innovative imitation and intensifies the patent bubble; on the other hand, the implicit knowledge transmission of the Internet and mobile phones is also conducive to the formation of innovative cooperation, thereby promoting high-quality innovation. Lastly there is heterogeneity in the impact of ICT, and it is generally more obvious in the middle and western regions and non-provincial capital cities.

By taking innovation quality into consideration through the construction of urban patent indicators, this paper makes up for the lack of research on ICT and innovation quality. Then it elaborates on the internal mechanisms that lead to the decline and differentiation of innovation quality and provides theoretical support for the realization of high-quality urban innovation. Finally, it comprehensively examines the direct impact of ICT on innovation output and the spillover effects of different forms. The conclusions constitute a useful supplement to the existing literature, and provide a reference for the realization of China's self-reliance and self-improvement in science and technology.

Key Words：Information Communication Technology; Innovation Quantity; Innovation Quality; Spillover Boundary; Innovation Differentiation

收稿日期：2022-07-25

修回日期：2023-02-28

基金项目：国家自然科学基金面上项目 (71874138)

作者简介：蒋仁爱(1981-),男,广东连州人,博士,西安交通大学经济与金融学院教授、博士生导师,研究方向为技术创新与科技政策;王龙国(1982-),男,甘肃张掖人,西安交通大学经济与金融学院博士研究生,研究方向为ICT与技术经济; 杨圣豪(1994-),男,陕西西安人,西安交通大学经济与金融学院博士研究生,研究方向为技术创新与空间溢出;李冬梅(1977-),女,四川广元人,西安交通大学经济与金融学院博士研究生,研究方向为ICT与科技政策。本文通讯作者:杨圣豪。

DOI：10.6049/kjjbydc.Q202207338

开放科学(资源服务)标识码(OSID)：

中图分类号：F290

文献标识码：A

文章编号：1001-7348(2023)12-0066-12

0 引言

进入21世纪以后,以信息通信技术(Information Communication Technology,简称ICT)为主要驱动力的第四次工业革命逐渐兴起[1],这种新技术范式对世界经济发展带来第五次影响深远的技术长波[2]。在建设创新型国家和创新驱动发展战略指导下,我国高度重视信息通信行业发展,相继推出一系列政策提高信息化发展能力和创新引领水平,如《国家信息化战略发展纲要》《信息基础设施重大工程建设三年行动方案》《“5G+工业互联网”521工程推进方案》等。由于ICT具备通用性技术特征[3],其已成为当前信息传播和知识溢出的有效载体,不仅有助于突破信息传播时空限制,促使各区域联系更加紧密[4],而且还为创新主体获取知识和合作交流提供了广阔平台,进一步促进知识溢出和技术扩散。因此,作为推动经济发展和创新型国家建设的强力引擎,ICT强大的创新赋能作用为区域创新发展注入新动力。

现有研究指出,ICT能够产生显著的技术进步和创新效应[5-7],其带来的时空压缩[8]促使区域创新格局不断改变[9]。其中,互联网和移动电话作为ICT的两种代表性产物,对创新主体绩效和生产率提升发挥着重要推动作用[10-12]。这种信息传递和交流方式转变能够进一步加深城市间的创新联系,从而直接或间接影响城市创新活动[12]。同时,互联网和移动电话的网络外部性特征[13]使创新活动呈现出一定的空间溢出效应[9]。这种日益复杂的区域联系,使距离因素在创新溢出中发挥关键作用[14]。然而,现有文献对ICT创新效应的研究大多局限于数量角度,忽视了创新质量的重要性。尤其是在我国专利数量呈爆炸式增长的现实背景下,创新假象不乏存在(诸竹君等,2020),唯数量论的创新活动不足以支撑科技自立自强战略目标的实现。对此,ICT是否对创新质量具有影响?其效果与创新数量有何不同?内在机制如何体现?此外,多数研究忽视了ICT作为通用技术的外部性特征,未深入考察其对城市创新的空间溢出效应[9,15],更遑论测度其溢出边界。尽管我国学者张旭亮等[12]率先采用空间杜宾模型考察互联网对创新产出的空间影响,但研究主要基于省份维度,且未对创新质量和影响机制进行深入分析。

本文贡献在于:①通过构建城市专利指标,在现有研究的基础上,将创新质量纳入考量,从数量和质量两个维度对比分析ICT所产生的创新效应,可弥补之前关于ICT创新质量研究的不足;②从高质量创新和泡沫化增长两个方面揭示导致创新质量下降并出现分化的原因与内在机制,可为打造城市高质量创新模式提供理论支撑;③综合考察ICT对创新产出的直接影响和不同形式溢出效应,对我国互联网与移动电话发展背景下城市创新空间关联关系进行深入分析,对于实现我国科技自立自强和质量强国建设具有一定借鉴意义。

1 文献综述与研究假设

1.1 ICT创新增长效应

ICT蕴含着强大的技术优势,同时具有即时性、互动性、公共性、共享性、网络性、渗透性等特征,对经济社会发展产生了较为深远的影响。其本身作为创新要素可与其它要素相互融合实现再创新[12],通过整合区域创新要素[16]、降低创新成本[15,17]、优化资源配置[15]、促进知识溢出[9]提高创新产出,直接或间接推动区域创新发展。ICT创新增长和空间溢出效应体现在以下4个方面:

(1)打破时空桎梏,提高沟通效率。Srivastava[18]认为信息技术作为一种媒介,不仅将信息交换的不确定性降到最低,而且使消除时空干扰成为可能。在ICT尚不发达的初级阶段,由于信息交流缓慢,导致不同地区之间的沟通较为困难,空间地理因素对创新活动造成较大限制。随着ICT的不断完善,时空桎梏被逐渐打破,促使不同区域创新主体之间的沟通交流更加通畅[4]。ICT为信息传播和交流搭建了一个高效即时的“桥梁”,使创新主体可以自由分享信息并进行交流合作,能够有效减少区域信息不对称[13],从而促进创新活动的开展。

(2)加强知识共享,降低搜寻成本。创新基于对知识的整合和利用[19],知识在区域创新发展中扮演着重要角色。OECD指出,影响创新的不仅是科学技术投资,更重要的是知识投入[20]。ICT凭借强大的技术优势网罗各方优质的知识资源,为创新主体提供知识分享平台。在此平台上,创新主体以较低成本获取所需知识和信息,从而能够大幅降低各类创新主体的信息搜寻成本,加快市场交易(沈国兵等,2020)。

(3)整合创新要素,促进协同创新。熊彼特“创造性破坏”理论将创新定义为“从未有过的创新要素和生产条件的全新组合”,反映了创新要素的重要性。一方面,ICT前所未有地增强了创新要素的自由流动能力[9]。创新活动受创新要素地理距离的影响,距离越远越不利于创新产出,而ICT可以拉近创新要素之间的距离,当创新主体对人力、信息、资金、技术等创新要素产生需求时,可通过ICT与要素供给者进行匹配,实现要素跨区域自由流动以及在更广范围、更深层次上的优化配置[16],从而实现协同创新;另一方面,ICT本身作为一种创新要素可与其它产业相互融合、渗透,从而对经济增长和创新溢出产生推动作用[12]。例如,“互联网+”与金融、能源、农业等跨产业联合发展已成为当今时代发展的主流[21]。

(4)拓宽传播渠道,加速知识溢出。知识资本是区域创新的内生动力之一[22],知识溢出则是ICT影响区域创新产出以及形成创新外部性的重要原因[15]。一方面,ICT改变了知识交换方式,拓宽了知识传播渠道[11]。例如,愈发便捷的即时通信技术、高效的光纤传输技术将以往依赖纸质媒体的知识传播方式转变为数字媒体这种更加高效便捷的方式,在技术上为远距离知识溢出提供了有效载体;另一方面,因为隐性知识需要面对面交流才能传播[14],因此地理因素仍是影响知识溢出的重要因素之一。而ICT发展在一定程度上能够缓解隐性知识溢出限制,5G技术使视频会议、视频通话以近乎面对面交流方式替代传统交流方式,创新主体只需借助软件视频会议功能,即可实现“零距离”交流,进一步加速了知识溢出[8]。

可见,某一地区ICT发展水平不仅对本地区创新产出具有推动作用,还可以跨越空间束缚对其它地区创新产出产生溢出效应。换言之,ICT是创新产出空间溢出的有效载体,当A地某个创新主体利用ICT与B地创新主体进行交流时,信息沟通会变得更加高效,双方所需知识也更易获取。随着信息搜寻成本降低,创新要素在地区之间实现优化整合和自由流动,有助于提高双方交流合作效率,加速知识溢出。据此,本文提出如下假设:

H1:ICT有利于促进城市创新增长,一方面能够促进本城市创新产出增加,另一方面也会对其它地区创新产出产生较为明显的空间溢出效应。

1.2 ICT创新分化效应

作为创新的关键成果,专利对于创新产出的刻画具有天然优势[23]。当前,专利申请和授权数量已成为衡量创新水平的代表性指标(黎文静等,2016)。然而,随着我国专利数量的爆炸式增长,专利泡沫问题愈发严重[15]。大量低质量专利的涌现[24]给创新效果评价和影响因素分析带来困难,甚至还造成研究结论扭曲。因此,对专利质量进行分析受到学界广泛关注[25]。

知识和信息是影响创新成果的重要因素,知识溢出和传递方式影响创新溢出程度及范围[12]。有学者根据可编码性,将知识划分为显性知识和隐性知识两种类型[26]。作为ICT的两种代表性产物[8],互联网和移动电话能够增强知识跨区域传递的便利性,但两者传递方式有所不同。以移动电话为代表的ICT能够打破时空桎梏,提升远距离交流的便利性[8],在一定程度上对跨区域面对面交流形成替代效应,通过降低交流成本进一步加快隐性知识传递。相比之下,互联网不仅能够通过视频、语音等形式传递隐性知识,而且能够以网页、邮件等方式交换大量显性知识。与显性知识相比,非标准化的隐性知识对沟通效率的提升作用更加明显[27]。移动电话和互联网通过隐性知识传递为创新主体跨区域合作创造条件,其所蕴含的大量非编码信息有利于合作主体思维碰撞,加速新知识和新技术的产生,从而促进高质量专利的形成。显性知识是隐性知识的基础[28],互联网通过加速显性知识扩散,一方面能够大幅降低专利搜寻和创新成本,低质量创新主体充分利用互联网的便利性,在短期内会产生大量模仿型和拼凑型专利,导致专利泡沫的出现;另一方面,显性知识所蕴含的编码信息也是创新要素的重要组成部分,其与隐性知识相辅相成[28],两者结合能够进一步提升高质量创新能力。据此,本文提出如下假设:

H2:ICT既能够导致专利泡沫的出现,又能够促进高质量创新。

综上所述,本文构建研究框架,如图1所示。

2 研究设计

2.1 变量选取

本文重点探究ICT对区域创新产出的空间溢出效应,研究建立在地级市层面,考虑到2004年以后《中国城市统计年鉴》关于ICT的数据统计更加完善,故将时间范围界定为2004—2019年。

(1)被解释变量。当前,衡量区域创新产出的指标主要有新产品销售收入和专利数据。其中,新产品销售收入通常以企业数据为主,统计难度较大,在地级市层面难以获取[29]。而专利具备审核明确、数据可得性高、通用性强等优势,被认为是度量区域创新主体创新产出的主要指标(余冬筠等,2014)。因此,本文分别采用专利授权数、平均被引次数对地级市创新数量和创新质量进行度量,数据来源于国家知识产权局(CNIPA)。需要说明的是,尽管专利被引是国际上常用的创新质量指标[25],但CNIPA并无相关统计,这给我国专利质量评价工作带来一定困难[24]。本文利用Python语言对样本区间内所有授权专利进行整理,根据引用关系和专利权人地址计算得到各城市的平均被引指标。由于外观设计专利质量较低且分类体系不同,故本文采用发明专利和实用新型专利作为授权专利的代理指标。

(2)核心解释变量。囿于地级市数据在既定时间范围内的可得性,并且考虑到互联网和移动电话是ICT的两种代表性产物,参考Schwanen &Kwan[8]的做法,本文选取互联网普及率和移动电话普及率度量城市ICT水平。其中,互联网普及率(nis)采用每百人互联网接入用户数度量,移动电话普及率(nmt)采用每百人移动电话用户数度量。

(3)控制变量。本文将地级市外商直接投资(fdi)、科学技术支出(est)以及人力资本(cu)设为控制变量。其中,FDI技术外溢采用外商直接投资金额度量,并用2004—2019年人民币对美元平均汇率进行换算;科学技术支出一定程度上反映各区域创新主体尤其是政府部门对创新活动的投入力度;人力资本采用普通高等学校在校学生人数度量。安同良和杨晨[13]指出,城市教育水平充分体现了城市人力资本质量,教育水平越高代表人力资本水平越高,越有助于提升城市创新能力。核心解释变量和控制变量数据均来源于《中国城市统计年鉴》。

2.2 模型构建

2.2.1 空间权重矩阵

空间权重矩阵主要包括绝对距离和相对距离两种类型。其中,绝对距离以地理空间位置为刻画表征,如邻接矩阵、地理距离矩阵等,相对距离更多是对社会经济关系进行刻画,如经济距离矩阵、技术距离矩阵等。本文根据研究目的和内容,分别构建0～1邻接矩阵(W1)、地理距离矩阵(W2)、经济距离矩阵(W3)和嵌套矩阵(W4)。

在空间邻接权重矩阵中,0～1邻接矩阵是最常见也最简单的矩阵,它反映各计量主体在地理上的接壤关系。如式(1)所示,当i和j相邻时取值为1,否则取值为0。

(1)

0～1邻接矩阵对空间区域的划分较为简单,可能会造成信息遗漏,而地理距离矩阵则反映地理距离对计量主体空间关联的影响程度,一般采用距离平方的倒数度量。其中,dij表示地区i和地区j之间基于欧式距离所计算的地理距离,当i=j时,取值为0;当i和j不相等时,取值为两地距离平方的倒数,距离越近表示权重越大。

(2)

绝对距离意义上的空间权重矩阵反映区域地理位置差异,但实际上空间依赖性和空间异质性并非单纯由地理位置决定,而是受地理位置、社会经济发展水平、技术水平等多种因素影响,仅使用绝对距离空间权重矩阵难以完全考察空间效应,因此本文构建更适应经济社会发展水平的经济距离矩阵进行分析。经济距离矩阵以一定时间范围内两地人均GDP均值之差的倒数的绝对值作为构建标准,两地人均GDP差距越小,经济联系越紧密,在矩阵中的数值也就越大。如式(3)所示,ei、ej分别代表i和j两地的人均GDP均值,当i、j相等时取值为0;当i和j不相等时,取值为人均GDP差值倒数的绝对值。

(3)

为考察地理因素与经济因素对空间效应的综合影响,进一步构建同时包含两种因素的空间嵌套矩阵,公式为其中,Wd为反距离矩阵,对角元素中为i城市t年内人均GDP的均值,为全部城市的均值。

根据4种空间权重矩阵,对我国地级市互联网、移动电话与创新产出的空间相关性进行检验。全局莫兰指数在5%水平上显著为正,表明变量具有显著的空间正相关性(限于篇幅,结果留存备索)。

2.2.2 空间回归模型

本文在回归分析前先进行LM检验、LR检验和豪斯曼检验,最终构建同时控制个体效应和时间固定效应的空间杜宾模型(SDM)进行回归。

lnpatit=ρWlnpatit+β1nisit+β2nmtit+β3lnfdiit+β4lnestit+β5lncuit+α1Wnisit+α2Wnmtit+α3Wlnfdiit+α4Wlnestit+α5lncuit+εit

(4)

式(4)中,patit表示i地级市t年的创新产出,包括创新数量(pat_num)和创新质量(pat_cited)。nisit、nmtit分别表示i城市t年的互联网普及率和移动电话普及率,fdiit、estit、cuit为控制变量即外商直接投资、科学技术支出和人力资本,W为4种不同形式的空间权重矩阵,ρ、β、α分别代表被解释变量空间溢出系数、解释变量回归系数、解释变量空间滞后项回归系数。

3 实证结果分析

3.1 基础回归与效应分解

3.1.1 空间回归结果

根据上述模型,本文分别采用4种矩阵对中国内地284个地级市进行回归分析,结果如表1所示。其中,W*lnpat系数在所有回归中均大于0,且在1%水平下显著,表明区域创新产出存在显著正向空间溢出效应。在ICT两个变量中,互联网对本地创新产出的促进作用较为明显,尤其是在地理距离矩阵下最显著,而移动电话在4种矩阵中对本地创新产出均无促进作用。另外,W*nis所有回归系数均在1%水平下显著为正,说明互联网对邻接地区、地理范围较近地区、经济联系紧密地区创新产出存在较强空间溢出效应。同时,W*nmt系数也在0～1邻接矩阵和地理距离矩阵下显著为正,说明移动电话对其它地区创新产出发挥了显著促进作用,这种空间溢出效应对地理距离更加敏感。综合对比nis、nmt、W*nis、W*nmt回归系数可知:①互联网和移动电话均能够促进城市创新数量增长,其中互联网对本地和周边城市具有促进作用,而移动电话产生的创新增长主要得益于地理距离下的空间溢出效应;②相比于移动电话,互联网系数绝对值更大,表明无论是对本地还是周边地区,互联网对创新数量的影响作用均大于移动电话;③从空间项系数看,无论是互联网还是移动电话,其对创新增长的空间溢出效应均大于对本城市的提升作用。因此,假设H1得以验证。

考虑到创新质量的重要性,本文进一步以城市专利平均被引次数的自然对数作为被解释变量进行回归分析,考察ICT在促进城市创新数量增加过程中是否同样增强了其创新质量。由表2可知,尽管ICT空间溢出效应依然大于本地效应,但互联网和移动电话影响效果有所不同。移动电话对创新质量具有正向影响,并且主要通过空间溢出效应促进周边地区创新质量提升。这得益于内在隐性知识传递,且非编码信息对于高质量创新至关重要。此外,互联网对创新质量的影响作用显著为负,表明无论是对本城市还是周边城市,互联网在加速创新数量增长的同时也导致创新质量平均水平下滑。这可能是因为除隐性知识外,互联网带来的显性知识传递更加充分,而这种易于搜寻和提取的显性知识为大量低质量拼凑和模仿性创新提供了便利,导致在城市创新增长的同时泡沫化问题加剧,从而造成创新质量平均水平下降。

3.1.2 效应分解

Pace等[30]研究指出,SDM回归结果仅能展示解释变量对被解释变量的作用是否显著,无法真正表征溢出作用大小。因此,本文借助偏微分法,将总效应分解为直接效应和间接效应,结果如表3和表4所示。从中可见,无论是直接效应还是间接效应,分解结果与表1和表2均具有一致性。从创新数量看,互联网的直接效应和间接效应均显著为正,移动电话在W1和W3回归分解下间接效应显著为正。这表明,互联网对本地和其它地区创新数量均有显著促进作用,移动电话主要促进地理邻近地区创新数量增长,互联网和移动电话对创新数量均产生较强的空间溢出效应。从创新质量看,互联网的直接效应和间接效应显著为负,而移动电话的直接效应和间接效应显著为正。这表明,相比于互联网,移动电话对创新质量的提升效果更明显。从总效应看,互联网和移动电话均能够促进城市创新数量增长,但与此同时却对创新质量产生了负向影响,而移动电话则产生了正向影响。换言之,ICT发展总体上促进城市创新数量增长,但对创新质量则产生了分化效应。

3.2 空间溢出效应边界测度

随着ICT技术发展以及区域间联系的加强,以ICT为知识溢出的强效技术载体推动创新产出在更大范围内溢出。虽然ICT发展打破了时空桎梏[8],但仍无法完全摆脱地理距离的影响[31]。地理学第一定律指出,空间溢出效应随着地理距离增大而减弱,最终消失在某一特定距离。因此,ICT对区域创新空间溢出效应可能存在一定的地理边界。借鉴相关文献对溢出距离的测度方法(吴友等,2016),本文通过设置连续渐进的地理阈值,将距离以内的地区剔除,进而观察各地级市地理距离逐渐扩大时ICT空间溢出效应变化情况。具体方法如下:①找出各地区之间地理距离的最大值和最小值,设置合理的测算区间;②选择合适的步进距离τ,得到阈值,删除在此区间内的地区值;③重复设定新的空间权重矩阵进行回归,观察空间溢出系数变化情况。

由于ICT对区域创新产出的空间溢出效应受地理距离和经济距离的双重影响,因此本文参考吴友和刘乃全(2016)的做法,采用同时反映地理距离与经济距离的空间嵌套矩阵进行测度。本文中284个地级市之间的地理距离最小值为17.74km,最大值为3 874.85km,因此将研究区间设置为100～3 500km,步进距离设置为100km,即每隔100km将100km+n*100km范围内的城市删除,在此基础上进行空间杜宾模型回归,将结果绘制成折线图,考察互联网和移动电话溢出系数随地理距离阈值变化而变化的规律,如图2和图3所示。

图2、图3虚线为置信区间。可以看出,空间溢出效应总体呈随地理距离增加而减弱的趋势。其中,移动电话对区域创新数量的空间溢出范围在600～1 000km最明显,对创新质量的溢出边界为600km,超出该范围系数开始不显著,溢出效应消失。互联网对区域创新的空间溢出范围大致在2 000km左右,其对创新数量的溢出效应为正,对创新质量的溢出效应为负。互联网对区域创新产出的溢出效应大致可划分为3个区间。第一区间:100～600km。此时,互联网对创新数量的正向溢出效应和对创新质量的负向溢出效应均呈上升趋势;第二区间:600～1000km。此时,互联网对创新数量的正向溢出效应继续上升,并在1 000km处达到顶峰,而对创新质量的负向溢出效应逐渐下降;第三区间:1 000～2 100km。此时,互联网的两种溢出效应均有所下降,并在超过2 000km后开始不显著,即溢出效应逐渐消失。

综上所述,互联网对创新的溢出效应边界为2 000km,最优溢出范围为1 000～2 000km。在此之前,其对创新数量的正向溢出效应尚未达到顶峰,对创新质量的负向溢出效应还在增加或刚刚开始下降。而在超过2 000km后,两种溢出效应均不明显。移动电话对创新的溢出效应边界为1 000km,最优溢出范围为100～1 000km。其中,前500km主要促进创新质量提升,后500km主要促进创新数量增长。这一结果与Drivas &Economidou[32]提出的美国500～1 500英里专利交易和引用距离一致。这表明,ICT有助于摆脱时空限制,促进创新产出在更大范围内溢出,且与移动电话相比,互联网对创新产出的溢出效应更显著。这可能是由于互联网能够同时传递可编码的显性知识和不可编码的隐性知识,而与后者相比,标准化的显性知识交换更不容易受地理距离影响,因此具有更强的空间溢出效应。

3.3 稳健性检验

为检验上述结论的稳健性,本文替换解释变量,考虑到专利申请到授权的时间滞后性,采用地级市专利申请数衡量创新数量,回归结果再次验证了ICT的空间溢出效应,结果如表5所示。另外,考虑到ICT的网络效应,进一步构建三代被引指标度量城市创新质量。即考虑被引的被引,一项专利若被直接引用则权重为1,若被间接引用则权重为0.5,计算其被引平均值,结果如表6列(1)～列(4)列所示,结论与前述一致。同时,考虑到不同维度专利质量指标存在一定差异,以经济维度维持期指标代替技术维度被引指标度量创新质量,结果如表6列(5)～列(8)所示,回归结论保持不变。最后,考虑到创新从研发到产出的时间滞后性,本文对核心解释变量进行滞后一期处理,回归结果表明前述结论依然稳健(限于篇幅,此处不再报告)。

4 进一步分析

4.1 创新分化:高质量创新与专利泡沫

由上述分析可知,ICT在促进城市创新增长的同时,也影响创新质量。尤其是互联网普及率上升对本地区和周边地区创新质量均具有显著负向影响。一个可能原因是互联网在提升城市创新数量的同时也为低质量专利的形成提供了便利,从而带来大量专利泡沫。那么,互联网是否加剧了专利泡沫化?与此同时,其能否对高质量创新产生促进作用?

进一步,将专利划分为高质量专利和低质量专利两种类型,考察互联网和移动电话对高质量创新与专利泡沫的影响。参考Acemoglu等[33]关于尾部创新的衡量方法,采用地级市被引排名位于前5%的高被引专利数与前50%的专利数之比度量城市高质量创新(path)。参考Rassenfosse &Jaffe[34]的做法,将被引次数为0的专利视为低质量专利,以其占城市当年授权专利的比重度量专利泡沫化程度(patl),分别作为被解释变量进行回归,结果如表7所示。从总效应看,无论是高质量专利还是低质量专利,互联网均对其具有显著正向影响,即互联网同时对城市高质量创新和专利泡沫产生了创新分化效应。与此同时,移动电话总效应系数显著为负,表明移动电话未导致创新分化,其通过显著的空间溢出效应促进城市创新质量均匀化提升,但与互联网效应系数相比,影响程度较小。从回归项看,互联网对本地区和周边地区均产生创新分化效应,且空间溢出效应显著,假设H2得以验证。

4.2 机制分析:创新模仿与创新合作

低质量专利往往通过对现有创新的模仿和专利拼凑得以实现,而ICT尤其是互联网显性知识传递大大降低了创新模仿者的信息搜寻成本。本文分别以专利首次被引滞后时间和被引平均滞后时间在城市层面的平均值作为被解释变量进行回归,考察ICT是否能够加速创新模仿与学习,结果如表8所示。从总效应看,互联网系数显著为负。这表明,互联网不仅缩短了本地专利被引时间而且也加速了对周边地区创新的学习和模仿,模仿便利化在一定程度上加剧了专利泡沫。需要注意的是,移动电话空间项和总效应系数显著为正,表明移动电话未缩短专利被引时间,反而导致被引滞后时长增加。这可能是由于移动电话隐性知识传递更多促进创新合作,高质量创新往往需要规模更大周期更长的合作,从而延长了专利被引滞后时间。因此,本文以合作专利占比作为被解释变量,考察ICT对创新合作的影响,结果如表9所示。从中可见,无论是互联网还是移动电话均有助于促进创新合作,通过合作,一系列高质量专利最终得以产生。

4.3 异质性分析

4.3.1 区域异质性

不同地区创新产出与ICT发展水平不同,其溢出效应也会存在区域异质性[9]。近年来,中西部地区经济快速崛起,创新水平持续上升,ICT建设也保持较快速度发展。由于中西部地区ICT发展起步较晚,发展空间更广阔,因此,其对本地区和其它地区创新产出的推动作用有较大提升空间。与之相反,东部地区经济相对发达,创新水平整体较高,创新产出较为丰富,并且ICT起步较早,发展相对成熟,对于创新产出的溢出红利已经得到部分释放。因此,本文将地级市划分为东、中、西部3个地区并设置虚拟变量进行回归(限于篇幅,不再一一列示)。从创新数量看,ICT对中部和西部地区创新数量的促进作用均高于东部地区,尤其是西部地区效果最明显。其中,相比于东部地区,中部地区空间溢出效应更显著,而西部地区本地效应更显著。从创新质量看,互联网对中部和西部地区创新质量的负向影响高于东部地区,而移动电话对西部地区创新质量提升的本地效应弱于东部地区,对中部地区质量提升的溢出效应高于东部地区。

4.3.2 城市异质性

进一步,本文将地级市划分为省会城市和非省会城市并设置虚拟变量进行回归(限于篇幅,不再一一列示)。从创新数量看,相比于非省会城市,互联网对省会城市的影响作用相对较弱,而移动电话对两类城市的影响无显著差别。从创新质量看,移动电话对省会城市的提升作用不如非省会城市。由此可见,无论是创新数量还是创新质量,ICT对非省会城市的促进作用更加显著,这可能是由于省会城市往往创新和ICT发展程度较高,非省会城市ICT普及率提升能够帮助其获得来自省会城市的先进知识、经验、技术,从而有助于提升其创新产出。

5 结论与启示

5.1 研究结论

本文以2004—2019年中国284个地级市为研究对象,采用0～1邻接、地理距离、经济距离和空间嵌套4种权重矩阵进行空间效应分析。首先,从创新数量看,以互联网和移动电话为代表的ICT均能够促进城市创新增长,并且具有显著空间溢出效应。相比于移动电话,互联网对创新数量的提升作用更加明显。从创新质量看,移动电话对其具有显著提升作用,而互联网则会导致平均创新质量下降;其次,移动电话对创新的溢出效应边界为1 000km,最优溢出范围为100～1 000km。互联网边界能够拓展至2 000km,最优溢出范围为1 000～2 000km;最后,互联网之所以造成创新质量下降,主要是因为其在促进城市高质量创新的同时形成大量专利泡沫。相反,移动电话则主要促进创新质量均匀化提升,但其作用效果明显小于互联网创新分化效应。这是因为:一方面,互联网会加速显性知识传递,为创新模仿和低质量专利的产生提供便利;另一方面,互联网和移动电话带来的隐性知识有利于形成创新合作,从而促进高质量创新。此外,ICT对中西部地区和非省会城市的影响更显著。

5.2 政策建议

(1)地方政府不能盲目依赖ICT提升创新产出。本文研究发现,ICT在促进创新增长的同时也会加剧专利泡沫、导致创新质量下滑。因此,地方政府一方面应该增强ICT的可得性和连接性,推动工业互联网、数据中心、物联网等新型基础设施建设,促进信息与知识高效传播,从而为高质量创新活动的开展提供强大的交流载体和技术支撑;另一方面,也需谨慎提防利用ICT尤其是互联网便利性进行低质量创新的策略性行为。在专利审查过程中严把质量关,避免唯数量论的考核和奖励机制,防止低质量创新行为泛滥。

(2)充分发挥ICT空间溢出优势,促进创新合作。本文发现,ICT具有较强的空间溢出效应,能够对其它地区创新产出产生远距离影响。尤其是得益于隐性知识溢出,ICT能够有效促进创新合作,进而推动城市高质量创新。因此,各地区需要充分利用ICT在信息沟通和知识溢出方面的强大优势,推动ICT与区域创新活动深度结合。政府应积极发挥引导作用,构建基于ICT或“互联网+”的“政府+企业+科研机构+高校+ICT提供商”五位一体的区域创新协作平台。分行业、分性质建立数据共享、文献共享、成果转化网络中心,吸引创新主体利用并分享创新成果,促进知识溢出和再创新。同时,鼓励来自不同地区的创新主体积极参与创新合作,加强不同创新主体跨区域合作,实现创新要素优化配置,促进创新成果转化,进一步释放ICT溢出红利。

(3)针对不同区域范围合作主体建立不同形式合作平台。例如,对于1 000～2 000km范围内的合作主体应重点依赖互联网建立线上合作和交流平台,对于位于100km～1 000km区间内的创新主体可采用互联网与移动电话相结合的方式进行合作,从而保证信息传递的有效性。而在100km以内则可建立面对面交流中心,以线下沟通方式开展创新合作。省会城市在加强ICT建设的同时,可利用自身经济、区位优势打造一批具有辐射能力的创新中心,从而培育出更多新兴创新联合体。

参考文献：

[1] 李勇.ICT成为第四次工业革命主驱动[N].人民邮电报,2017-08-09.

[2] CASTELLACCI F. Innovation, diffusion and catching up in the fifth long wave[J]. Futures, 2006, 7(38): 841-863.

[3] HARRIS M H. Is the revolution now over, or has it just begun a year of the internet in higher Waldo Tobleeducation[J]. The Internet and Higher Education, 1998,1(4):243-251.

[4] EAGLE N, MACY M, CLAXTON R. Network diversity and economic development[J]. Science, 2010, 328(5981): 1029-1031.

[5] BRESNAHAN T F, TRAJTENBERG M. General purpose technologies: engines of growth[J]. Journal of Econometrics, 1995, 65(1): 83-108.

[6] BASU S, FERNALD J. Information and communications technology as a general-purpose technology:evidence from US industry data[J]. German Economic Review, 2007, 8(2): 146-173.

[7] 蔡莉,杨亚倩,詹天悦,等.数字经济下创新驱动创业过程中认知、行为和能力的跨层面作用机制——基于三一集团的案例研究[J/OL].南开管理评论:1-24[2022-12-13].

[8] SCHWANEN T, KWAN M P. The Internet, mobile phone and space-time constraints[J]. Geoforum, 2008, 39(3): 1362-1377.

[9] 韩先锋,宋文飞,李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济,2019,37(7):119-136.

[10] AHMED E M. ICT and human capital spillover effects in achieving sustainable East Asian knowledge-based economies[J]. Journal of the Knowledge Economy, 2017, 8(3):1086-1112.

[11] PRADHAN R P, SARANGI A K, SABAT A. The effect of ICT development on innovation: evidence from G-20 countries[J]. Eurasian Economic Review, 2022, 12(2): 361-371.

[12] 张旭亮,史晋川,李仙德.互联网对中国区域创新的作用机理与效应[J].经济地理,2017,37(12):129-137.

[13] 安同良,杨晨.互联网重塑中国经济地理格局:微观机制与宏观效应[J].经济研究,2020,55(2):4-19.

[14] LEAMER E E, STORPER M. The economic geography of the internet age[M]. London:Location of International Business Activities, 2014: 63-93.

[15] 李海超,肖瑶.ICT提升区域创新效率的作用机理研究[J].软科学,2021,35(5):20-26.

[16] 凌华,李新伟,董必荣,等.互联网、创新要素流动与区域创新能力差异[J].审计与经济研究,2020,36(6):119-130.

[17] 霍丽,宁楠.互联网发展对区域创新效率影响的动力机制研究[J].西北大学学报(哲学社会科学版), 2020,50(3):144-156.

[18] SRIVASTAVA S K. IT capital in improving national innovation productivity: understanding IT productivity paradox through cognitive path-dependence model[J]. Information Technology for Development, 2021, 27(2): 314-335.

[19] COHEN W M, LECINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1): 128-153.

[20] Organisation for Economic Co-operation and Development.Supporting investment in knowledge capital, growth and innovation[R]. OECD, 2013.

[21] JIANG R, SAEED M, SHENGHAO Y, et al. The impact-mechanism of "Internet+" on the innovation performance of traditional enterprises: empirical evidence from China[J]. Technological Forecasting and Social Change, 2023, 186: 122129.

[22] ROMER P M. Increasing returns and long-run growth[J]. Journal of Political Economy, 1986, 94(5): 1002-1037.

[23] AGHION P, BLOOM N, BLUNDELL R, et al. Competition and innovation: an inverted-u relationship[J]. The Quarterly Journal of Economics, 2005, 120(2): 701-728.

[24] 张米尔,胡素雅,国伟.低质量专利的识别方法及应用研究[J].科研管理,2013,34(3):122-127.

[25] HALL B H, JAFFE A, TRAJTENBERG M. Market value and patent citations[J]. RAND Journal of Economics, 2005,36(1):16-38.

[26] STORPER M, VENABLES A J. Buzz: face-to-face contact and the urban economy[J]. Journal of Economic Geography, 2004, 4(4): 351-370.

[27] GLAESER E L. Learning in Cities[J]. Journal of Urban Economics, 1999, 46(2): 254-277.

[28] 王锁柱,李怀祖.硬信息与软信息的内涵及其关系研究[J].情报杂志,2004,23(4):60-61,64.

[29] 刘思明,侯鹏,赵彦云.知识产权保护与中国工业创新能力——来自省级大中型工业企业面板数据的实证研究[J].数量经济技术经济研究,2015,32(3):40-57.

[30] PACE R, LESAGE J P, ZHU S. Spatial dependence in regressors and its effect on estimator performance[J]. SSRN Electronic Journal, 2011, 30: 257-295.

[31] BLUM B S, GOLDFARB A. Does the internet defy the law of gravity[J]. Journal of International Economics, 2006, 70(2): 384-405.

[32] DRIVAS K, ECONOMIDOU C. Is geographic nearness important for trading ideas? evidence from the US[J]. The Journal of Technology Transfer, 2015, 40(4): 629-662.

[33] ACEMOGLU D,AKCIGIT U,CELIK M A.Young, restless and creative: openness to disruption and creative innovations[R]. National Bureau of Economic Research, 2014.

[34] DE RASSENFOSSE G, JAFFE A B. Are patent fees effective at weeding out low-quality patents[J]. Journal of Economics &Management Strategy, 2018, 27(1): 134-148.

(责任编辑：王敬敏)