开放科学(资源服务)标识码(OSID)：
This study analyzes the concept and connotation of integrated innovation from the perspectives of "integration" and "mobility". "Integration" is mainly reflected in the integration of multiple innovation entities and the open integration of organizational boundaries. The technology threshold and oligopoly in the traditional economy make it difficult for diversified producers to enter the high-tech industries, and consequently due to the lack of collaborative innovation, the problem of production homogenization is unavoidable. Financing innovation is a new innovation paradigm and it can promote the deep integration of industrial chain and innovation chain, facilitate the integration and complementation of heterogeneous resources of different innovation subjects, optimize the allocation of innovation resources, and deeply integrate basic research, application research and industrialization research, which is conducive to breaking the barriers between the government, universities, research institutes, large and small enterprises, intermediaries and other innovation subjects, so as to integrate each link and each subject more closely in the innovation chain. On the basis of the deep integration of enterprises, universities and governments, the relationship among innovation subjects gradually turns to the value symbiotic relationship,which implies the reshaping of the competition and cooperation relationship with the idea of innovation alliance. Because financial innovation can give full play to the advantages of external innovation subjects in innovation, and externalize innovation, enterprise technology innovation and product development could be promoted. The emergence of financial innovation mode is based on the development of digital economy. Therefore, it is important to study how the effects of digital economy affect the development of financial innovation.
This study uses the fsQCA method to analyze the condition configuration and realization path of digital economy penetration effect, mapping effect and scale effect on urban integration innovation level. It takes 27 cities in the Yangtze River Delta as samples. The results show that high financing innovation level has six driving paths and can be divided into three different effect level models. Among the selected paths, scale effect is the main core condition, followed by penetration effect, and mapping effect plays an important role in supporting the six driving paths. Multi-factor synergy helps to improve the level of urban integration and innovation. The effective combination of various factors will promote the improvement of urban integration and innovation level through different path regression. Due to the difference of resource endowment, the innovation capability of cities in the Yangtze River Delta is obviously different. According to the original capabilities and core competitiveness of each city, 27 sample cities are divided into "source" cities and "trickle-down" cities. The analysis shows that compared with "trickle-down" cities, "source" cities can use more diversified resource elements to improve the level of integration and innovation, and the correlation between the elements is higher.
On the basis of the above research conclusions, this study puts forward three policy suggestions to improve the level of urban financing innovation. First, it is necessary to deeply promote digital development and urban financing innovation with digital technology as a tool. Second, cities should strengthen the synergy and coupling of digital economic effects. Last but not the least, it is vital to keep focused on the formation and evolution of urban agglomeration spatial innovation network, and effectively exert the positive spillover effect of regional digital economy development on urban financing innovation.
开放科学(资源服务)标识码(OSID)：
在新发展格局下,数字经济不断催生与聚合各类创新资源,加速知识与技术传播,进一步对科技创新活动产生重要影响[1]。由数字经济衍生出的新模式、新技术、新业态对传统创新模式带来深刻影响,推动科技创新数字化、网络化、智能化。创新活动已经不再是单个企业依靠其内部资源开展的单向式活动,而是多元创新主体之间及其与环境之间相互作用的结果。中共十九届四中全会指出,要构建以企业为主体,市场为引导,产学研深度结合的技术创新体系,扶持大中小企业及各类主体融通创新[2]。在此背景下,科技创新与数字经济深度融合将是塑造新型创新范式的支点。一方面,在这种新型生产组织方式中,网络空间与物理空间的整合将引致资源配置方式改变与创新主体多元化,创新活动组织方式也从工业时代的纵向一体化架构走向网络化、协同化与生态化的组织模式[3]。另一方面,数字经济以其较强的渗透力不断模糊技术界限,促进创新模式演变。随着平台经济的快速崛起,以往的企业单边行为或者企业与外部主体间的双边合作逐渐演变为以平台战略为基础的多边共赢合作。数字经济为创新主体整合外部数字化创新资源、发展融通创新带来新势能。为此,本文结合理论与实践,基于当前数字经济发展背景,从多维度探索数字经济效应在融通创新中的作用,以准确把握二者关系,助力我国城市科技创新能力提升。
在创新范式演变过程中,传统的封闭式交互网络不断拓展企业边界,特别是伴随信息网络技术的快速发展企业边界逐渐向外延伸。创新主体亦逐渐由封闭式环境中的研发人员、企业家转变为开放式环境中的创新主体,并经历知识吸收、知识整合、知识共享和知识创新等一系列过程[4]。在开放式创新环境中,技术创新主体逐渐泛化,技术创新过程与技术创新知识来源界限也逐渐淡化,企业开始转向与外部知识主体合作以增强竞争力[5]。在开放式创新环境下,创新主体之间如何形成可持续合作创新模式成为新发展阶段的重要议题。融通创新作为一个全新的创新范式,有助于解决当前创新网络“大而不全、通而不畅”等问题,通过改革释放潜力、激发市场活力,从而增强内生动力。目前,关于融通创新的研究多集中在融通创新概念、内涵与关键特征等方面。如陈劲等[2]认为,融通创新是面向社会实际需求与价值创造,以资源融合与互补、知识协同与共享、价值共创与共得等方式实现产学研,由大中小企业等多主体参与创新的一种跨组织协作创新方式。其实质就是在外部创新网络空间内,通过不同主体间的资源融合和互补,实现知识协同共享和价值共创的一种合作创新发展方式[6]。从创新网络视角看,袁伟等[7]认为,融通创新是由以满足市场需求为目标的相关企业、高校、研究院所、中介服务机构、政府等创新主体组成,为创造、使用、转让和保护知识、技术、商业秘密、新产品而构建的知识相互融合贯通的创新共同体网络。根据上述界定可知,融通创新并不单纯是产学研协同创新上的纵向合作,还包括同一创新主体内部的高效整合。刘众[8]在分析创新模式演进过程中提出,在纵向上,融通创新是由产学研用政多方主体构建的更加紧密的协同网络,并推动产业链上中下游更加畅通地创新,在横向上,强调大中小企业更加平等有效地进行跨界、跨行业合作。融通创新的显著特点:一是注重融通,建立“点—链—网”交互的创新生态系统。王少[9]指出,融通创新通过搭建创新平台,营造开放包容的创新环境,推动企业、政府、高校等多元主体与中介机构联合,建立面向企业的多方位创新服务网络。二是注重通畅,更好地促进多元主体间知识流动。有研究发现,建立由企业、外部产业伙伴、知识伙伴、创新中介机构以及政府等多元创新主体组成的协同创新网络,可进一步疏通资本、技术、人才等不同创新要素在生态圈中的流转(袁胜超,2022)。
综上所述,现有融通创新研究大多关注理论框架、运行机制等基于理论层面的探讨,并未从实践层面进行深入分析,难以为提升融通创新能力的路径选择提供现实支撑。针对以上局限,本文通过界定融通创新内涵,对数字经济效应进行深入分析,引入fsQCA方法,探索数字经济渗透效应、映射效应、规模效应的多样化组态对融通创新水平的影响,并揭示不同效应间的互动关系。
所谓数字经济,是指利用数字化知识与信息作为关键生产要素,现代信息网络作为重要载体,信息通信技术作为效率提升与经济结构优化的重要手段而进行的一系列经济行为[10]。在数字经济时代,市场交易主体对信息网络产生依赖关系,其交易行为、资源禀赋、成本结构以及商业模式都明显区别于工业经济时代。数字经济具有典型的渗透效应、映射效应和规模效应。
(1)渗透效应。渗透效应是指数字经济通过共享性、广覆盖性等优势渗透于社会生活各领域,从而与实体经济深度融合。具体包括数字经济的高连通性和产业数字化:一是高连通性。在传统的经济地理理论下,由于市场分割的制约,生产要素一般只在一定范围内流通,继而导致在较大空间范围内很难实现资源优化配置[11]。但是数字经济所具有的可持续性、通用性以及易得性等特点有助于打破这种市场分割状态。通过建立数字经济平台,系统整合国际国内市场,以数字链畅通供给与消费环节,实现创新链与产业链融合,打通产品创新与市场间的数字通道,链接创新资源和创新主体,强化微观经济个体间联系,构成复杂的拓扑结构。二是产业数字化。数字经济具有的高渗透性给传统产业变革带来深刻影响,通过一系列技术整合与发展,传统产业形态发生显著变化,生产流程的机械化与流程化逐步转向数字化、协同化,大大提升产业效率。通过对传统产业的数字化改造,数字经济渗透到生产流通的各个环节,并与实体经济相互融合,不断赋能并拓展现代经济增长空间。目前,数字技术已广泛渗透到交通、通信、农业等领域,引导新业态涌现,呈现出多点突破、亮点频现的创新密集性趋势,融通创新已成为数字经济时代经济社会各领域实现信息共享、资源共享的重要推手。
(2)映射效应。映射效应是指以数字技术产品或者以数字技术服务为载体表现出来的扩散效应,具体包括数字产业化和数据使能性两个方面。一是数字产业化。数字产业化有助于提高资源配置效率。由于市场不完全竞争以及政府干预等因素,资源配置过程中出现不同程度的失灵和不匹配现象,特别是数字经济下由于规模扩大和产品种类繁多,产生更多信息,信息冗余使得经济系统更为复杂并带来新的匹配问题。随着以5G为代表的新一代通用技术发展,为解决市场供需难题提供了基础支撑。①提高信息有效性:物联网与互联网技术的联合,扩大了经济系统中信息传播范围,例如平台经济、共享经济等新模式应运而生,能够对供需双方进行良好匹配,把纷繁的数据转化为有用的交易信息,降低供需不对称性,提升匹配效率;②强化生产要素的连接功能,对通用性技术进行赋能。结构化的生产组织模式能够将生产与创新要素连接起来,形成生产网络的协同效应,例如,数字化技术通过降低劳动者时空障碍、丰富劳动者就业选择等提高劳动力资本配置效率[12]。二是数据使能性。数据使能性是指数据可以改进和提升既存技术。数据并非以单独的要素形态出现,而是更多地嵌入各种支持实体经济运行的数字化基础设施中,通过数据中心、网络、终端等硬件基础平台和数据库、数据服务等软件基础平台,为人才、资本、创新等元素融入实体经济提供基础环境[13],同时,也部分解决了企业生产经营过程中信息不足或者不对称问题,促进生产效率与效益提升。数据要素促进经济运行效率提升的核心作用机理是利用数据储存中的有价值信息增强生产要素协同性、提升资源配置效率[14]。随着数字经济通过映射效应不断将自身优势赋能其它创新要素,并广泛存在于创新主体与创新资源互动的各个环节,通过持续赋能和扩展融通创新增长空间,加快要素和资源优化配置。
(3)规模效应。数字经济的规模效应是指以交易平台作为供需双方交易活动的核心链接节点,利用便捷的信息交流平台,通过网络外部性吸引更多用户参与,从而形成最优生产规模[15]。数字经济发展依赖于规模效应,因此具有天然的扩张性和融合性,主要表现为信息增值和规模报酬递增两个特征。一是信息增值。与传统的生产要素相比,信息资源在消费过程中不仅能够零损耗,而且信息消费过程也是信息生产过程,其中蕴含的认知或情感在消费者身上会催生出更多信息,即形成需求衍生效应。消费的人越多,产生的资源总量就越大。因此,数字经济网络中的节点数量越多,则规模经济的信息增值效应越显著,网络收益也会伴随网络用户数量增长呈现倍增效应。二是规模报酬递增。数字经济的显著特征就是拥有梅特卡夫效应,即以规模化为依托的零边际成本经济形式[16]。随着信息技术及互联网技术对传统行业的不断渗透,依赖先发优势和网络外部性带来的区域规模经济使得企业具有高固定成本与低边际成本的新特征。固定成本和边际成本呈现出的新特点使得行业平均成本逐步下降,这一过程显著推动企业规模报酬上升。因此,规模效应中的信息增值和规模报酬递增两大特征刺激技术源源不断地融入整条数字经济产业链,企业之间的界限变得更加模糊,联系更加密切,技术、人才、资金等创新资源在不同企业间的流通更加畅通。
融通创新既包含以国家意志为引导的纵向产学研协同创新,也包含市场机制条件下大中小企业、国有企业与民营企业间的横向协同创新,是协同创新理念的扩展与延伸。融通创新机制是在融通创新系统运行过程中各创新主体与创新资源要素之间互动互促关系的综合。融通创新的关键在于“融”和“通”,因此运行机制也包含融合机制与畅通机制两方面。
(1)融合机制。“融”主要体现在多元创新主体间的融合以及组织边界的开放融合。中国的创新范式经历了从个体创新到多元创新主体合作、再到多元创新主体构成一体化创新系统的发展过程[17]。在传统经济下,由于存在技术门槛、寡头垄断,具有异质性的生产者很难进入高技术行业,加之产业内部缺乏创新动力,最终导致生产同质化。融通创新能够推动产业链与创新链深度融合,有利于创新主体对异质性资源进行整合,优化创新资源配置,打破政府、高校、科研院所、企业、中介机构等创新主体之间的藩篱,增强创新链不同主体间联系,促使创新主体间的竞合关系逐渐转向价值共生关系,即以创新联合体思维重塑竞合关系。另一方面,融通创新通过新技术应用,实现不同领域之间的融合创新,不断模糊组织边界,促进组织内部知识互融共通,改善知识供给与需求质量,提高系统响应需求变化的灵活性,在总供给与总需求之间实现较高层次的动态平衡。融通创新不仅注重产学研深度融合,而且注重科技与人文、科技与金融、科技与城市融合。
(2)疏通机制。“通”主要包括创新资源的流通能力和创新链中各环节与各节点间关系稳健两个方面。技术、人才和资金三大创新资源流动状况是体现创新能力的重要标志。创新要素流动顺畅和匹配精准有助于提高创新效率,促进创新产出。由于融通创新是一种新的创新范式,可以通过交易契约和合作协议促进企业与外部环境在人才、知识、技术和资金等方面实现互动,充分发挥外部创新主体的创新优势,利用创新外部化,实现企业技术创新和产品开发目的。从创新链角度,我国关键核心技术之所以受制于人,主要是由于创新链间存在“孤岛”和节点断裂[18],且创新链上占主导地位的创新主体和战略性创新资源具有显著差异性。融通创新注重创新链各环节高效协同和创新要素高效耦合,注重创新节点间资源融通、要素融通和过程机制融通。
由于不同要素对融通创新能力的影响并非单独存在,因此数字经济效应通过联动匹配,形成不同组合并作用于融通创新。对于复杂的组织治理而言,组态视角被广泛应用于分析组织结果背后的因果复杂性。组态理论指出,多重影响因素相互依赖并可以通过差异化排列组合影响组织结果(谭海波等,2019)。因此,基于组态视角开展研究,有助于深化对不同地区融通创新变化的理解。本文将数字经济的渗透效应、映射效应、规模效应3个要素视为前因变量,使用NCA方法测量不同要素是否以及在多大程度上是提高区域创新绩效的必要条件,在此基础上,应用模糊集定性比较分析方法(fsQCA)研究3个要素的组态特征,识别出融通创新能力提升的驱动路径。
图1 研究框架
Fig.1 Research framework
本文将数字经济效应分为渗透效应、映射效应和规模效应3个方面,具体包括数字经济高连通性、产业数字化、数据使能性、数字产业化、信息增值能力和规模报酬水平6个要素。本文研究中,将渗透效应、映射效应和规模效应作为前因变量,将融通创新能力作为结果变量。
渗透效应。渗透效应包含数字经济高连通性和产业数字化。数字经济高连通性建立在网络、通信设备硬件等通用性基础设施完善的基础上。数字基础设施完善有助于提高创新主体之间的数字连通性,促进不同创新主体间实现跨区域合作[19],有助于提高区域资源协同水平。因此,本文利用基础设施水平指标表征数字经济高连通性。产业数字化水平主要通过新兴数字产业、大数据服务业、新经济新业态3个指标测量。
映射效应。数字经济是一种融合型经济,其作用和价值主要是融合赋能,助力国民经济高质量发展。数据使能性使既存技术得到改进和提升,使其具有较高延伸性。本文利用数据基础指数、城市服务指数、城市治理指数3个指标测量数据使能性水平。数字产业化水平测算主要涉及产业划分和数字经济增加值核算,本文从数字产业化主体产业和数字产业化驱动产业两个方面衡量数字产业化水平。
规模效应。信息增值能力测量借鉴陆凤芝等[20]的研究,以数字普惠金融指数衡量,主要包括数字金融覆盖广度、数字金融应用深度、普惠金融数字化程度,上述数据均源于北京大学数字金融研究中心发布的数字普惠金融指数。在数字经济逐渐融入全产业链时,产业界限日益模糊,市场整合此起彼伏,规模效应逐步形成,社会效益成倍提升[21]。基于上述分析,本文使用数字经济规模指标衡量规模报酬水平。
融通创新能力测度不仅包括科研、教育和生产三者间的耦合与协调程度,而且反映相互联系的企业在一定地理区域内的集聚程度。因此,本文通过计算科研、教育、生产三者间的耦合协调度表征纵向协同创新水平;通过计算产业集聚水平表征大中小企业聚集程度,反映横向融合创新能力,最终测算融通创新水平。
2.3.1 数据收集
本研究以长三角27个城市为样本。数据收集渠道如下:一是基础设施水平中的邮电业务总量、电信业务总量、移动电话用户数、互联网宽带接入用户数等数据来自《中国城市统计年鉴》;二是产业数字化、数据使能性、数字产业化、数字普惠金融指数、数字经济规模数据来自《中国城市数字经济指数白皮书》;三是分别使用科学技术支出和发明专利授权数表征科研水平,使用教育经费支出表征教育投入,使用技术市场成交额和规模以上企业主营业务收入表征先进生产力水平;产业集聚水平由第二产业增加值所占比重与第三产业增加值所占比重的综合赋权得出,指标数据均来自《中国城市统计年鉴》《中国科技统计年鉴》。如表1所示,基于构建的指标体系,对三级指标数据进行无量纲化处理,通过熵值法确定各指标权重并计算综合得分,以表征二级指标。
表1 前因与结果变量测量及权重
Tab.1 Measurement and weight of antecedents and outcome variables
变量一级指标二级指标三级指标权重数据来源前因变量渗透效应基础设施水平邮电业务总量0.264《中国城市科技统计年鉴》电信业务总量0.325移动电话用户数0.233互联网宽带接入用户数0.179产业数字化水平新兴数字产业0.4《中国城市数字经济指数白皮书》大数据服务业0.3新经济新业态0.3映射效应数据使能性水平数据基础指数0.45城市服务指数0.35城市治理指数0.2数字产业化水平数字产业化主体产业0.7数字产业化驱动产业0.3规模效应信息增值能力数字普惠金融指数1规模报酬水平数字经济规模1结果变量协同创新水平科研水平科学技术支出0.573《中国城市统计年鉴》《中国科技统计年鉴》发明专利授权数0.427教育投入教育经费支出1先进生产力水平技术市场成交额0.479规模以上企业主营业务收入0.521融合创新水平产业集聚水平产业区位熵1
2.3.2 测量与校准
在fsQCA中,各条件与结果被认为是相互独立的集合。其中,各实例具有隶属分数,对实例给予集隶属分数的过程即为校准(陶克涛,2021)。本文借鉴现有研究,基于已有理论和数据特点,运用直接校准法,将融通创新水平、基础设施水平、信息增值能力和规模报酬水平数据转化为模糊集隶属分数。依据杜运周等[22]的校准标准和案例情况,将完全隶属点、交叉点和完全不隶属点的校准标准分别设为0.95、0.5及0.05分位点,如表2所示。产业数字化、数据使能性、数字产业化指标均为城市得分,为将得分划分为4个等级,即萌芽阶段(0～30)、起步阶段(30～60)、发展阶段(60～80)、领先阶段(80～100),需要运用间接校准法将数据转化为模糊隶属分数。本文借鉴四值模糊集,设置校准标准,分别为完全隶属(1)、偏隶属(0.67)、偏不隶属(0.33)、不隶属(0),最终通过Stata计算得出校准后数值。
表2 条件与结果校准
Tab.2 Calibration of conditions and results
变量条件和结果校准完全隶属交叉点完全不隶属结果变量融通创新水平0.703 60.437 40.107 8基础设施水平0.642 80.115 80.020 4前因变量信息增值能力0.803 90.462 00.059 5规模报酬水平0.652 70.112 5 0.002 3
注：产业数字化水平、数据使能性水平、数字产业化水平直接通过Stata计算校准值
NCA方法可以对要素是否在结果中存在以及重要程度进行分析[23]。本文利用上限回归法CR和上限包络分析法CE两种估计方法计算6个前因变量的效应量。在NCA中,效应量表示由必要条件产生特定结果所需要达到的最低水平。效应量取值区间为[0,1],效应量在0.1以下时表示水平较低,越趋近于1表示水平越高[24]。用NCA方法计算得到的必要性条件需满足:一是效应量不小于1,二是蒙特卡洛模拟置换检验结果表明效应量明显[25]。本文的NCA必要条件分析结果如表3所示,可以发现,高连通性、产业数字化、数据使能性、数字产业化、信息增值能力和规模报酬水平的效应量(d)均小于0.1,且p值显著,说明单个前因变量均不满足产生结果变量的必要性条件。
表3 NCA结果
Tab.3 NCA results
前因条件方法效应量dP值基础设施水平CR0.024 20.003CE0.030 40.000产业数字化水平CR0.030 20.000CE0.028 70.000数据使能性水平CR0.029 10.001CE0.027 70.000数字产业化水平CR0.081 20.003CE0.073 50.026信息增值能力CR0.034 40.000CE0.031 70.000规模报酬水平CR0.029 90.000CE0.029 50.000
注：0≤d<0.1表示“低水平”;0.1≤d<0.3表示“中等水平”;P值代表NCA分析中的置换检验(test.rep=1000),P值越接近于0,表示影响越显著
通过瓶颈水平分析,可以计算出变量在样本观察范围内所能达到的最大值。如表4所示,通过瓶颈分析得出,要达到100%的融通创新水平,高连通性、产业数字化、数据使能性、数字产业化、信息增值能力和规模报酬水平6个前因变量的水平值分别为86.4%、73.3%、61.7%、48.9%、74.0%、47.0%。在此基础上,应用fsQCA方法对NCA必要性条件分析结果进行验证。前因变量能否成为必要条件依赖于前因变量对结果一致性的评估,若一致性值超过0.9,则该前因变量视为结果的必要条件[26]。如表5所示,应用fsQCA软件得到的结果表明,数字经济效应中的单一前因条件并不是提高融通创新水平的必要条件,与NCA分析结果一致。
表4 NCA方法瓶颈水平(%)分析结果
Tab. 4 Analysis results of bottleneck level (%) of NCA method
融通创新水平基础设施水平产业数字化水平数据使能性水平数字产业化水平信息增值能力规模报酬水平0NNNNNNNNNNNN10NNNNNNNNNNNN20NNNNNNNNNNNN30NNNNNNNNNNNN40NNNNNNNNNNNN50NNNNNN4.7NNNN6037.3NNNN13.539.4NN7049.6NN41.122.348.116.08061.854.547.931.256.726.39074.163.954.840.065.436.710086.473.361.748.974.047.0
注：分析结果使用CR方法处理,NN表示不必要
表5 单个条件必要性检测结果
Tab. 5 Single condition necessity test results
前因变量ConsistencyCoverage基础设施水平0.808 40.835 3～基础设施水平0.595 00.561 0产业数字化水平0.872 10.850 0～产业数字化水平0.580 30.578 9数据使能性水平0.833 90.744 5～数据使能性水平0.506 30.654 2数字产业化水平0.516 00.940 7～数字产业化水平0.783 50.529 4信息增值能力0.836 90.860 9～信息增值能力0.571 80.541 3规模报酬水平0.818 90.879 8～规模报酬水平0.560 40.510 6
注：～表示逻辑非
组态分析结果如表6所示,结果显示,总体解一致性和覆盖度分别为0.829 2、0.861 9,均高于可以接受的最低水平。针对形成的6种组态,根据核心条件对应的数字经济效应,可以划分为高规模效应水平模式、高渗透效应水平模式和高规模—渗透效应水平模式3种。
表6 组态分析结果
Tab.6 Configuration analysis results
前因变量高规模效应水平组态1组态2高渗透效应水平组态3组态4高规模—渗透效应水平组态5组态6基础设施水平●●●产业数字化水平●●●数据使能性水平●●●●●●数字产业化水平信息增值能力●●●●规模报酬水平●●一致性水平0.953 50.909 90.836 70.862 40.945 20.948 6原始覆盖度0.600 30.448 90.438 10.470 70.545 50.688 9唯一覆盖度0.021 90.005 30.005 80.022 20.014 30.156 9总体一致性0.829 2总体覆盖度0.861 9
注：“●”代表核心条件,“●”代表辅助条件,“⊗”代表条件不存在,空白代表条件可有可无,下同
形成高规模效应水平模式的组态1和组态2中,其核心条件均为信息增值能力。这是因为数字普惠金融以信息科学技术为支撑手段,可以突破金融发展硬约束,扩大金融服务覆盖范围,拓展服务深度[27],实现跨区域金融资源配置优化,帮助中小微企业走出“融资难、融资贵”困境,积极开展技术创新活动。此外,数据使能性、规模报酬水平发挥辅助作用。组态1的一致性为0.953 5,该路径能够解释60.03%的融通创新水平样本,约2.19%的样本城市可以通过该条路径得到解释;组态2的一致性为0.909 9,该路径能够解释44.89%的融通创新水平样本,0.53%的样本城市可以通过该条路径得到解释。
形成高渗透效应水平模式的组态3和组态4中,其核心条件为基础设施水平与产业数字化水平。数字基础设施以数据要素为核心驱动力量,赋予创新主体更多的数据资源和价值增值手段,有助于促进多方参与价值共创,提高融通创新水平。工业互联网对产业数字化具有重要意义——工业互联网下的数字化管理有助于打通研发、生产、管理和服务通道,在新技术推动下实现融合创新。组态3的一致性为0.836 7,约43.81%的样本城市融通创新水平能够被该组态解释,而可以由该路径解释的样本占总样本量的0.58%;组态4的一致性为0.945 2,原始覆盖度为47.07%,唯一覆盖度为2.22%。
形成高规模—渗透效应水平模式的组态5和组态6中,它们的核心变量和辅助变量具有高度相似性。其中,高连通性、产业数字化、信息增值能力发挥核心作用,数字使能性为辅助条件。如图2所示,在组态6中规模报酬水平发挥辅助作用,两个组态都含有无锡、温州、宁波、合肥4个城市。其中,宁波、无锡、苏州的结果变量分别为0.81、0.92、0.98,在该组态下,前因变量组合能够产生更高的融通创新水平。
图2 组态5、组态6的解释案例
Fig.2 Examples of configuration 5 and configuration 6
由于资源禀赋不同,长三角不同城市的创新能力具有显著异质性。另外,不同地区的制度环境差异,也可能导致高连通性、信息增值能力、规模报酬水平等在很大程度上对城市融通创新水平产生不同影响。因此,根据各城市原创能力和核心竞争力强弱,将27个样本城市划分为策源型城市与涓滴型城市两类。策源从概念层面理解,是指学术新思想、科学新发现、技术新发明、产业新方向从无到有,强调区域整体的创新能力,既包括基础研究领域,也注重现代产业集群和创新型企业集聚。本文在策源概念界定的基础上,将策源型城市理解为科技创新活动策划与起源之地。城市群中的一些城市不具有原始创新能力基础,主要依靠中心城市的技术、人才、市场等创新资源的外溢效应带动其创新能力提升,该类城市以二次创新(引进—消化—再创新)为主要方式开展创新活动,本文将这些城市称为“涓滴型城市”。本文将《全球科技创新中心评估报告》中入选全球科创百强城市以及拥有战略性新兴产业集群的城市作为策源型城市,其它城市为涓滴型城市。在对比分析各城市融通创新水平的基础上,探讨不同城市的数字经济渗透效应、映射效应和规模效应在融通创新水平上的差异化作用,结果如表7所示。
表7 策源型城市与涓滴型城市融通创新水平组态分析结果
Tab.7 Configuration analysis on financing innovation level of cities where S&T innovation are planned and originated and "trickle-down" cities
前因条件策源型城市组态1组态2涓滴型城市组态3组态4基础设施水平●●●产业数字化水平●●数据“使能性”水平●●●●数字产业化水平信息增值能力●●●●规模报酬水平●●●一致性0.969 10.948 80.934 20.907 9原始覆盖度0.562 90.835 70.608 80.473 5唯一覆盖度0.015 30.288 10.178 20.042 9解的一致性0.939 10.912 0解的覆盖度0.867 60.651 7
从表7可以看出,提高策源型城市融通创新水平存在两种路径。组态1表明,即使在数字产业化水平较低地区,以信息增值能力作为核心条件,高连通性、数据使能性、规模报酬水平作为辅助条件,也会驱动融通创新水平提升。与其它3种组态相比,组态2的数字经济效应关联程度最高,其以规模报酬水平为核心条件,其它前因条件为边缘条件,共同促进融通创新水平提高。两条组态路径显示,作为策源型城市,在数字经济规模效应一定时,不同核心与边缘条件的组合可以殊途同归地促进城市融通创新。从涓滴型城市的两条路径可以看出,在提高融通创新水平上,数字经济效应之间的关联程度不高。在组态3中,以信息增值能力为核心条件,仅数据使能性水平和规模报酬水平作为辅助条件出现。该组态中,原始覆盖度为60.88%,唯一覆盖度为17.82%,说明涓滴型城市中大部分表现为组态3。组态4显示,各城市在促进融通创新水平提升过程中以信息增值能力为核心,同时,数字普惠金融对中小企业创新具有辅助效应。随着数字金融应用深度和广度增加,其对企业融合创新的影响更加显著。综上所述,策源型城市和涓滴型城市在提升融通创新水平上存在差异化路径。
本文运用fsQCA方法,以长三角27个城市融通创新水平为样本案例,进行条件组态分析,探究数字经济渗透效应、映射效应、规模效应对城市融通创新水平的联动效应以及驱动路径,揭示影响城市融通创新水平的核心条件及其复杂互动本质。研究结果如下:
(1)总体上看,数字经济渗透效应、映射效应、规模效应都不能单独成为城市融通创新水平提升的必要性条件。高融通创新水平存在6条驱动路径,分为3种不同效应模式,具体可以归纳为高规模效应模式、高渗透效应模式以及高规模—渗透效应模式。映射效应在6条驱动路径中充当重要辅助条件,尤其是数据使能性。
(2)城市融通创新水平是多因素协同作用的结果,各因素间的有效联合以殊途同归方式提升城市融通创新水平。在高规模效应模式中,信息增值能力为核心条件,数据使能性和规模报酬水平为辅助条件,共同推动城市融通创新水平提高;在高渗透效应模式中,分别以高连通性、产业数字化为核心条件,两个组态具有相同辅助条件(数据使能性);在高规模—渗透效应模式中,两条路径具有高度相似性,均以高连通性、产业数字化、信息增值能力作为核心条件。此外,组态6中的原始覆盖度和唯一覆盖度都高于其它组态,说明该条路径适用于大多数城市。
(3)由于创新资源禀赋差异,将样本城市划分为策源型城市和涓滴型城市,二者在融通创新水平驱动路径上存在显著差异。相较于涓滴型城市,策源型城市在提高融通创新水平上的要素来源更加多样化,要素间关联程度更高。路径选择的多样化进一步说明提高城市融通创新水平是不同要素关联组合的结果,即导致城市融通创新水平异质性的条件并不唯一。
第一,将数字经济的渗透效应、映射效应、规模效应共同纳入研究框架,探讨数字经济效应对城市融通创新水平的综合影响,揭示其中的复杂因果机理。从组态视角出发,分析多个变量提升城市融通创新水平的联动匹配模式和协同倍增效应。研究发现,数字经济的渗透效应、映射效应、规模效应相互作用并形成多元组态,以殊途同归方式提高城市融通创新水平,策源型城市与涓滴型城市的融通创新水平提升路径也大相径庭。
第二,在数字经济背景下,现有研究将融通创新作为一种新的创新范式,关注其理论框架、运行机制等理论层面探讨,并未从实践层面进行深入分析。本文率先将fsQCA方法引入融通创新研究,利用NCA识别特定条件的必要性,为解释驱动融通创新水平提升过程中数字经济效应之间的复杂互动性和因果不对称性提供了整体分析视角。
第一,深入推进数字化发展,以数字化技术为工具,促进城市融通创新。一是以5G网络基站、大数据中心、工业互联网、人工智能、区块链等数字技术及基础设施应用和普及为重点,促进数字技术与创新主体融合。具体为推动包括企业、高校、研究机构等在内的数字化转型,破除创新主体之间以及其内部要素流动壁垒,扭转创新要素分散化、碎片化分布格局。二是各城市应不断提升不同数字经济效应之间的协同耦合度。各地政府应结合自身条件,促进数字经济效应多重条件的联动匹配,从而发挥数字平台的赋能效应,积极探索诸如众包、众筹等数字化协同创新模式,吸引多元化主体参与融通创新,不断提高创新主体间的关联性及融通创新水平。
第二,多途径构建大中小企业融通创新渠道,发挥产业链高水平协同创新功能。切实加强大企业在产业链中的“链主”地位,构建以价值共创为导向的商业生态体系,以此引导中小企业融通创新发展。大中小企业在技术创新模式上具有不同特点,大企业擅长在原有基础上进行增长式创新,突破式创新是中小企业的优势,也是提供技术来源和使用新技术进行产业链重构的主力军。因此,大企业可以通过创新创业、创新联合体等方式加强与中小企业合作,联合产业链上下游企业和高校院所进行融通创新,最终形成大中小企业融通发展、优势互补、利益共享的良好产业生态。
第三,基于城市群创新网络演变,充分发挥区域数字经济发展对城市融通创新的正向溢出效应。借助数字经济发展优势,加强城际技术合作,建设融通创新网络,提高各城市创新韧性,打造创新发展新高地。倡导由核心城市引领关键核心技术攻关,促进城市群创新集聚红利外溢及城市群创新势能扩散。各地区政府可通过搭建产业项目合作平台,推动大中小企业围绕关键场景项目进行创新合作,充分释放场景创新资源。加强高校、科研院所、企业等创新主体间的城际合作,共享发达地区的知识、技术外溢红利,推动经济发展水平协同,同时,增强城市融通创新能力。
本研究从组态视角揭示数字经济效应与融通创新水平之间的复杂因果机理,分析二者之间的联动匹配模式和协同增效作用,但囿于研究视角和研究方法的局限性,不能完全透析二者之间的复杂系统性关系,具体表现为:第一,将数字经济效应分为渗透效应、映射效应和规模效应,但数字经济效应远比理论研究中复杂,未来研究可考虑其它数字经济效应(例如长尾效应、集聚效应等)对融通创新水平的影响;第二,由于数字经济效应与融通创新水平之间是非对称关系,高期望结果与不出现原因并非线性的反向路径,应分别对高融通创新水平与非高融通创新水平产生路径进行分析,但本文仅对高融通创新水平组态路径进行分析,未分析导致非高融通创新水平的前因组态,后续研究中可将二者结合,深入研究数字经济效应影响融通创新水平的多重因果并发机制;第三,受到fsQCA方法的限制,本文只讨论了截面数据下数字经济效应对融通创新水平的影响,未将时间因素考虑在内,未来可以利用其它模型对时间序列数据、面板数据进行相关研究。
[1] 邱洋冬. 数字经济发展如何影响企业创新[J]. 云南财经大学学报, 2022,38(8): 61-81.
[2] 陈劲, 阳银娟, 刘畅. 面向2035年的中国科技创新范式探索:融通创新[J]. 中国科技论坛, 2020,36(10): 7-10.
[3] 张鹏. 数字经济的本质及其发展逻辑[J]. 经济学家, 2019,31(2): 25-33.
[4] 陈劲, 阳镇. 融通创新视角下关键核心技术的突破:理论框架与实现路径[J]. 社会科学, 2021,43(5): 58-69.
[5] 陈劲, 阳镇, 张月遥. 共同富裕视野下的中国科技创新:逻辑转向与范式创新[J]. 改革, 2022,38(1): 1-15.
[6] SAEED N, ZHALEH N, PETER N, et al. How collaborative innovation networks affect new product performance: product innovation capability, process innovation capability, and absorptive capacity[J]. Industrial Marketing Management, 2018,132(15): 73-87.
[7] 袁伟, 高继平, 于薇, 等. 融通创新模式及其支撑体系构建——荷兰人工智能创新中心对我国人工智能领域发展的启示[J]. 科技进步与对策, 2020,37(17): 1-8.
[8] 刘众. 融通创新中更好发挥政府作用的内在要求探析[J]. 科技管理研究, 2022,42(4): 29-35.
[9] 王少. 科技创新策源地:概念、内涵与建设路径[J]. 科学管理研究, 2021,39(2): 17-21.
[10] 陈明明, 张文铖. 数字经济对经济增长的作用机制研究[J]. 社会科学, 2021,43(1): 44-53.
[11] 邓峰, 冯福博, 杨小东. 市场分割、数字经济与区域创新效率[J]. 统计与决策, 2022,38(9): 17-20.
[12] DARON A, PASCUAL R. The race between man and machine: implications of technology for growth, factor shares, and employment[J]. American Economic Review, 2018,108(6):1488-1542.
[13] 卢福财, 李春根, 李实. 学习贯彻党的十九届五中全会精神系列笔谈(一)[J]. 江西财经大学学报, 2020,22(6): 3-10.
[14] 丁松, 李若瑾. 数字经济、资源配置效率与城市高质量发展[J]. 浙江社会科学, 2022,38(8): 11-21.
[15] 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.
[16] 王伟玲, 王晶. 我国数字经济发展的趋势与推动政策研究[J]. 经济纵横, 2019,35(1): 69-75.
[17] 刘红华. 创新、协同创新与融通创新内涵的探究[J]. 中小企业管理与科技(中旬刊), 2020,29(10): 64-65.
[18] 张其仔, 许明. 中国参与全球价值链与创新链、产业链的协同升级[J]. 改革, 2020,37(6): 58-70.
[19] 张慧, 易金彪, 徐建新. 数字经济对区域创新效率的空间溢出效应研究——基于要素市场化配置视角[J]. 证券市场导报, 2022,30(7): 13-22.
[20] 陆凤芝, 徐鹏, 李仲武. 数字普惠金融与城市创新创业质量[J]. 武汉大学学报(哲学社会科学版), 2022,75(5): 35-48.
[21] 温珺, 阎志军, 程愚. 数字经济驱动创新效应研究——基于省际面板数据的回归[J]. 经济体制改革, 2020,38(3): 31-38.
[22] 杜运周, 贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界, 2017,33(6): 155-167.
[23] 林艳, 卢俊尧. 什么样的数字创新生态系统能提高区域创新绩效——基于NCA与QCA的研究[J]. 科技进步与对策, 2022,39(24):19-28.
[24] JAN D, ERWIN V D L, ROELOF K. A statistical significance test for necessary condition analysis[J]. Organizational Research Methods, 2020,23(2): 147-159.
[25] 杜雯秦, 郭淑娟. 双碳目标下我国绿色能源效率提升路径研究[J]. 管理现代化, 2021,41(6): 96-99.
[26] ZHANG M, LI B, YIN S. Configurational paths to regional innovation performance: the interplay of innovation elements based on a fuzzy-set qualitative comparative analysis approach[J]. Technology Analysis and Strategic Management, 2020,54(9): 124-143.
[27] 马俊. 数字普惠金融对区域创新能力影响的空间效应研究[J]. 技术经济, 2022,41(7): 1-12.