Pathways to Enhance Resilience in Regional Digital Innovation Ecosystems

Du Danli, Jian Xiaojie

(School of Economics and Management, Harbin Engineering University, Harbin 150001, China)

Abstract：Globally, economies are facing multiple challenges from trade frictions, geopolitical tensions, climate change, etc., which not only pose a direct threat to the economic growth and development of countries, but also have a great impact on the stability and sustainability of the global economic system. The regional digital innovation ecosystem serves as a crucial driver of economic growth and innovation, for it augments the region's resilience against external disturbances and hazards and simultaneously mirrors its adaptability and innovative capability as it undergoes digital transformation. Therefore, an in-depth study of the pathways to enhance the resilience of regional digital innovation ecosystems is significant importance for addressing various challenges in global economic development and promoting sustainable economic growth.

While existing research has explored the resilience of regional digital innovation ecosystems, several gaps remain. First, current studies primarily focus on the concepts, measurement, and governance of ecosystem resilience, with insufficient attention to its antecedents and a lack of comprehensive exploration of influencing factors. Second, the enhancement of regional digital innovation ecosystem resilience is influenced by complex mechanisms across multiple dimensions and levels. A single-perspective approach is inadequate for explaining the variability in ecosystem resilience. There is a noticeable absence of research examining the driving pathways for enhancing resilience from a holistic perspective. In fact, building a resilient regional digital innovation ecosystem is an extremely complex task. It requires not only market entities with innovative capabilities and ample resources such as data, technology, and information, but also an environment conducive to innovation and sustainable development. Future research should focus on achieving effective coordination among various innovation elements, exploring the complex relationships between multiple antecedents and system resilience, and assessing potential substitution effects among different innovation factors.

This study first identifies the factors influencing the resilience of regional digital innovation ecosystems based on the "subject-resource-environment" framework and analyzes the mechanisms of these factors. Next, using a configurational perspective and the fsQCA method, it examines the diverse pathways for enhancing ecosystem resilience. The main findings are as follows. Firstly, compared to innovation resources and environments, innovation entities play a more universal role in enhancing regional digital innovation ecosystem resilience. A high level of industry-university-research coupling coordination and digital economy development is a necessary condition to promote the resilience of regional digital innovation ecosystems. On the contrary, a low level of industry-university-research coupling coordination is a necessary condition to restrict the enhancement of the resilience of regional digital innovation ecosystems. Secondly, there are four driving paths to enhance the resilience of regional digital innovation ecosystems, which can be further categorized into three types: subject-driven digital economy empowerment, government-industry-academia-research collaborative symbiosis, and subject-environment-driven platform support. The potential substitutive relationships among antecedent conditions indicate that, in specific contexts, innovation entities, resources, and environments can equivalently substitute each other to enhance resilience through different routes. Finally, there are four paths that constrain the enhancement of the resilience of regional digital innovation ecosystems, which can be further categorized into three types, namely, total factor deficient, digital economy-dependent and innovation factor dysfunctional. These constraining pathways highlight the main challenges faced by regional digital innovation ecosystems and demonstrate an asymmetric relationship with the driving pathways for resilience.

The research novelties are threefold. First, it pinpoints elements influencing regional digital innovation ecosystem resilience under a subject-resource-environment framework, and further deepens the cross-fertilization between resilience theories and regional digital innovation ecosystem theories. Second, the study unveils diverse resilience-enhancing pathways from a configurational view, addressing academic calls for using configurational perspectives and qualitative comparative analysis methods in studying complex management systems. Finally, it identifies multiple pathways that constrain ecosystem resilience, offering a more comprehensive understanding of resilience enhancement. This not only uncovers the differentiated roles of innovation elements within specific regional innovation ecosystem contexts but also effectively avoids the bottleneck effect of relying on single elements for resilience enhancement, ensuring sustained development and innovative capability.

Key Words：Regional Digital Innovation Ecosystems; Resilience Enhancement; Configurational Pathways; Fuzzy-set Qualitative Comparative Analysis

DOI：10.6049/kjjbydc.2024040497

开放科学(资源服务)标识码(OSID)：

中图分类号：F061.5

文献标识码：A

文章编号：1001-7348(2025)16-0060-12

收稿日期：2024-04-19

修回日期：2024-07-18

基金项目：教育部人文社会科学研究规划项目(24YJA630018);山东省高等学校哲学社会科学研究项目(2024ZSZX289)

作者简介：杜丹丽(1971-),女,黑龙江哈尔滨人,博士,哈尔滨工程大学经济管理学院教授,研究方向为科技管理与创新管理;简萧婕(1996-), 女,河南信阳人,哈尔滨工程大学经济管理学院博士研究生,研究方向为科技管理与创新管理。通讯作者:简萧婕。

0 引言

近年来全球贸易摩擦加剧、地缘政治紧张、极端气候增多,这些挑战不仅对各国经济增长和社会发展构成直接威胁,而且对全球经济体系稳定性和可持续性带来巨大影响。与此同时,数字化转型正在全球范围内蓬勃发展,数字技术的广泛应用正在深刻改变传统产业和商业模式[1]。在这一背景下,区域数字创新生态系统作为实现经济增长和科技创新的重要载体,其韧性提升不仅意味着区域经济抵御外部冲击和风险的能力增强,更体现出区域经济在数字化转型进程中的适应性和创新力[2]。因此,深入研究区域数字创新生态系统韧性提升路径,对于应对全球经济挑战和促进可持续发展具有重要意义。

韧性(Resilience)一词源自拉丁语,最早应用于物理学研究,是指物质在受到形变力时能够反弹、弹回和恢复的能力,表现为对折断的抵抗能力。随着韧性概念应用的深入以及对区域可持续发展的追求,区域创新生态系统韧性概念得以产生。Holling[3]提出,具有韧性的生态系统能够在面对外部突发性冲击和内部持续性干扰下维持生存,不会出现整个系统功能的严重瘫痪;Chen等[4]进一步将区域数字创新生态系统韧性定义为系统通过自适应、自学习、自我调整等多维能力抵御冲击,从而提高系统功能水平;杨伟等[5]、陈红梅等[6]从不同维度构建区域数字创新生态系统韧性评价体系,发现区域数字创新生态系统整体健康水平较低,并呈现出明显的空间异质性。在区域数字创新生态系统韧性治理方面,现有学者围绕响应多样性[7]、社会技术转型[8]、动态能力[9]等展开研究。综合而言,当前关于区域创新生态系统韧性的研究还处于初级阶段,对其影响因素的探讨尚不深入,而关于如何提升区域数字创新生态系统韧性的路径研究也不多见。

尽管现有研究对区域数字创新生态系统韧性进行了一定探讨,但仍存在一些不足之处。首先,现有研究主要集中在区域数字创新生态系统韧性概念、测度和治理等方面,对于区域数字创新生态系统韧性的前因关注不够,对其影响因素缺乏科学全面的探索和讨论。其次,区域数字创新生态系统韧性提升受到多个方面、不同层次复杂机制的影响[5,10],仅从单一视角难以解释区域数字创新生态系统韧性的差异性,缺乏从整体视角探究区域数字创新生态系统韧性提升路径。实际上,构建具有韧性的区域数字创新生态系统是一项极为复杂的任务,不仅需要具备创新能力强的市场主体和充足的数据、技术、信息等资源,还需要有利于创新活动开展和可持续发展的环境。在此过程中,如何实现多种创新要素协同、识别不同前因条件与系统韧性关系,以及评估不同创新要素间可能存在的替代效应,都是需要重点关注的问题。

因此,本文首先基于“主体—资源—环境”框架识别区域数字创新生态系统韧性影响因素,分析各影响因素作用机制;其次,基于组态视角,借助模糊集定性比较分析(fsQCA)方法分析区域数字创新生态系统韧性提升的多元路径。本文的主要创新点如下:①识别影响区域数字创新生态系统韧性提升的多种前因要素,系统分析主体—资源—环境框架下不同要素影响区域数字创新生态系统韧性提升的复杂因果机制;②基于组态视角揭示创新要素不同组态提升区域数字创新生态系统韧性的多元驱动路径,为促进区域数字创新生态系统健康可持续发展提供经验证据和理论支持;③识别制约区域数字创新生态系统韧性的多元路径,深化对系统创新要素互动关系的认知,揭示各创新要素在特定区域创新生态系统中的差异化作用。

1 理论分析与模型构建

数字创新生态系统是数字创新与创新生态系统二者的有机结合,该系统是由相互依存的行为者和支撑他们利用数字技术进行创新的资源所组成的动态集成体[11]。林艳等[12]指出,区域数字创新生态系统是一个复杂系统,涉及不同创新主体和创新环境,并依赖数字技术实现数字与非数字资源的新组合,从而推动新产品或新服务产生。该系统的韧性表现为在面对外部环境冲击和不确定扰动风险时,能够通过自学习、自适应等方式迅速恢复至初始状态或达到更稳定的运行状态[4]。创新生态系统理论强调要素间的相互依赖与协同互补在实现价值共创、系统整体效能最大化过程中发挥关键作用。因此,为了更好地理解区域数字创新生态系统韧性提升机制,有必要从宏观的系统角度审视区域数字创新生态系统,特别是其基础要素构成和相互作用机制。从区域创新生态系统基础要素构成角度,学术界主要有两种划分方式,即二分法和三分法。其中,二分法将创新生态系统划分为创新主体和创新环境两个主要部分[13]。该划分方法强调创新主体与外部环境之间存在相互作用和影响,并关注创新主体在特定环境中的创新行为和创新结果。相比于二分法,三分法更加详细和全面,更能体现创新生态系统整体性和系统性。三分法将创新生态系统划分为创新主体、创新资源和创新环境三部分,强调创新主体与创新资源之间的联系和相互作用,以及创新环境对创新主体、创新资源的影响[14]。三分法视角下区域数字创新生态系统韧性提升可以理解为各资源要素在区域内相互作用,并在不同创新主体之间流动与应用,从而形成资源要素的优化配置与组合。这种不同创新要素的优化配置与组合最终推动系统向更高级状态演化,使其能够更好地适应外部环境变化,实现持续发展和进步。基于此,本文借鉴创新生态系统要素三分法,从创新主体、创新资源和创新环境三个层面构建区域数字创新生态系统韧性提升分析框架,以更加深入、系统地探讨区域数字创新生态系统韧性提升影响因素和内生动力。

1.1 创新主体

区域数字创新生态系统是由企业、高校、科研机构等多元创新主体组成的复杂系统[15]。创新主体的行为特征和相互作用方式直接影响区域数字创新生态系统结构、功能及演化路径。本文选择创新主体适应性和产学研耦合协调度作为创新主体代表性变量。其中,创新主体适应性反映创新主体自身对冲击风险等的适应力和恢复力;产学研耦合协调度反映创新主体的相互依存与协调发展程度。

(1)创新主体适应性。创新主体适应性是指区域数字创新生态系统内创新主体面对外部环境变化时,通过调整自身资源配置、组织结构和创新策略,以维持竞争优势和可持续发展的能力[16]。这种适应性不仅关乎单个创新主体生存和发展,而且对整个区域数字创新生态系统韧性产生深远影响。首先,适应性强的创新主体往往具有更强的市场敏感性和前瞻性,能够更好地把握技术发展趋势和市场需求变化,并主动调整自身创新策略和路径选择[17]。这种自主性和能动性不仅有助于优化单个创新主体行为,而且为区域数字创新生态系统升级提供了重要动力。其次,适应性强的创新主体对外部冲击和内部失衡具有更强的风险洞察力与更快的反应,能够迅速采取行动消解风险、修正偏差,实现状态恢复和动态平衡。同时,这些创新主体往往会成为区域应对危机、引领变革的“领头羊”和“稳定器”,引导和带动其他创新主体共同应对挑战、持续优化升级,最终增强区域创新生态系统应对能力和自我修复能力。

(2)产学研耦合协调度。产学研耦合协调度反映创新主体之间跨界合作紧密程度和协同创新质量[18]。产学研耦合协调能够通过优化创新资源配置、完善创新网络结构,进而对区域数字创新生态系统韧性产生积极影响。首先,在区域创新资源配置方面,产学研耦合协调通过建立更加开放和灵活的合作机制,实现人才、资金、信息等关键资源的跨界流动和优化配置,提高资源利用效率[19]。这种资源的高效配置和利用不仅为区域数字创新生态系统注入持续的发展动力,而且增强系统应对外部冲击和资源瓶颈的适应能力、恢复能力。其次,在区域创新网络形成和完善方面,通过产学研合作制度化、常态化和多元化,区域创新主体联系更加紧密,彼此间的信任度和合作黏性也不断提升。这种创新网络形成不仅为创新主体之间的知识共享和技术扩散提供渠道,而且为区域数字创新生态系统稳定运行提供重要的社会基础和制度保障。

1.2 创新资源

随着数字经济时代的到来,数据成为新生产要素,数字化平台则为数据资源高效利用提供必要的技术支撑和服务环境,促进数据资源转化为具体应用和服务[15]。因此,本文选择数据资源和数字化平台作为创新资源代表性变量。这两种资源密切相关,共同促进数字创新持续发展和生态系统健康运行。

(1)数据资源。中国信息通信研究院在《数据价值化与数据要素市场发展报告(2021年)》中将数据资源定义为能够参与社会生产经营活动、可以为使用者或所有者带来经济效益、以电子方式记录的数据。数据资源作为数字时代重要的生产资料和创新源泉,其战略配置和高效利用对于提升区域数字创新生态系统韧性具有关键影响。首先,通过海量异构数据的采集、汇聚及关联分析,可以多维度、动态地绘制区域创新全景图谱,有利于揭示创新活动演化规律,促进创新活动的智能感知、实时分析、精准决策和动态优化,从而提升创新生态系统的整体运行效率和灵活性[20]。其次,数据资源与新技术的深度融合催生众多新业态和新模式,极大扩展经济发展空间。一方面,数据资源与新技术的结合带动传统产业数字化、网络化、智能化发展,能够提升产业创新能力、增加附加值,进而为区域数字创新生态系统韧性提升提供坚实支撑[1];另一方面,新技术新模式涌现有助于形成新经济增长点,为区域经济发展注入新动能,进而增强生态系统发展活力和国际竞争力[21]。

(2)数字化平台。数字化平台作为连接创新主体、聚合创新资源、驱动创新活动的关键枢纽,通过数据资源集成和网络连接对区域数字创新生态系统韧性提升起重要支撑作用。首先,数字化平台通过提供技术基础设施与服务共享,极大地促进数据资源集成和利用,为创新主体提供丰富的信息资源和高效的数据分析工具[22]。这不仅有助于加快知识流动和技术转移,也为基于数据的决策提供支持,从而增强生态系统面对环境变化的适应性和恢复能力。其次,数字化平台打破地理和时间限制,使得区域创新主体更易于接触全球市场和资源[15]。这种全球化接入不仅有助于增强生态系统的社会协作性,降低重复建设和减少数据孤岛问题,而且为其带来新思想、新技术和新资本,促进生态系统内多样化创新模式涌现,进一步提升生态系统开放性和竞争力。

1.3 创新环境

创新环境是指在特定区域内为数字创新生态系统提供有利条件和支持的各种环境要素,主要包括市场环境和政策环境[23]。本文选择数字经济发展和数字化治理作为创新环境的代表性变量。其中,数字经济发展体现市场对新技术的接受程度、应用深度和创新活力,能够全面反映市场环境的综合实力和发展趋势;数字化治理不仅体现政府在监管、指导和促进数字技术应用与发展方面的支持程度,而且反映其对环境变化和风险挑战的应变能力。

(1)数字经济发展。数字经济发展作为衡量区域数字技术应用、数字化转型进程以及数字服务创新程度的关键指标,直接关系到该区域数字生态系统的复杂性、动态性和多样性。首先,数字经济发展水平高的地区往往具有更大的市场规模和更强的需求拉动效应[24]。这种市场规模效应和需求拉动效应不仅为创新主体提供更多发展机遇与创新动力,刺激其活力和创造力,而且使其能够不断优化创新策略和业务模式,更好地适应市场变化,从而提升区域数字创新生态系统应对外部冲击和不确定性的韧性。其次,数字经济繁荣发展有助于吸引和集聚高端创新要素[12]。数字经济发展水平高意味着创新创业环境好、数字基础设施完善以及社会文化开放包容,能够吸引更多人才、资本、技术等创新要素向区域聚集,有利于进一步提升区域数字创新生态系统的主体多样性和资源缓冲性。最后,数字经济发展过程中不断积累的数据、技术和商业模式等关键创新资源,可为区域创新生态系统的动态优化和升级提供持续动力。

(2)数字化治理。数字化治理是指以信息技术为基础的分析、决策和监督反馈的治理能力,强调治理主体对数字化技术的广泛应用[25]。数字化治理通过提高监管效能和加强防范措施等增强系统抗风险能力与适应性。一方面,借助数字化技术与治理手段,政府通过实时数据采集、分析和共享,实现对区域数字创新生态系统的精确监管,提升信息透明度和监管效能,有利于减少管理环节中的信息不对称和失误,从而提高系统运行韧性[26]。另一方面,在风险防范与应急响应方面,数字化治理通过建立风险预警和应急响应机制,及时发现和应对系统中可能出现的风险隐患,降低潜在损失,保障系统运行稳定性。同时,数字化治理还可以提供多样化风险应对工具,如风险情景模拟、应急预案制定等,从而增强系统的风险抵御能力,确保系统长期稳定运行。

组态视角下,创新主体、创新资源和创新环境对区域数字创新生态系统韧性的影响并不是独立存在的,而是多种因素通过协同互动、联动匹配发挥作用。因此,通过以上分析,本文构建基于主体—资源—环境框架的区域数字创新生态系统韧性提升理论模型,具体见图1。

2 研究设计

2.1 研究方法

模糊集定性比较分析方法(fsQCA)是一种介于定量与定性之间的研究方法。它通过布尔代数进行交叉案例的比较分析,从而关注前因变量与结果变量间的多重并发因果关系。由于本文重点关注区域数字创新生态系统韧性提升路径中各创新要素的协同交互效应,因此采用fsQCA最为合适。首先,区域数字创新生态系统兼具数字生态系统和创新生态系统特征,是典型的复杂适应系统。区域数字创新生态系统韧性提升无法单独依靠某一变量,而是多种因素综合作用的结果,需要从系统角度考察多因素的协同联动作用[15]。而fsQCA基于组态整体视角,为研究多种因素的殊途同归效应提供研究思路。其次,不同于传统的线性回归分析,fsQCA关注前因条件之间的复杂关系,有助于识别多种前因要素之间的替代关系,揭示各前因要素的差异化作用[23]。最后,fsQCA能够通过识别不同组态覆盖的典型案例,对比分析导致不同区域数字创新生态系统韧性差异的根本原因,有助于更加全面深入地理解韧性提升复杂性。

2.2 样本选择

2017年,党的十九大报告明确提出“数字中国”建设目标,这标志着数字化转型被正式提上国家战略议程。基于数据可得性,本研究采用2017—2022年中国内地30个省份(西藏因数据不全未纳入)面板数据探讨区域数字创新生态系统韧性提升路径。研究数据主要从以下渠道收集:①官方统计资料,包括《中国统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》《城市统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》,以及各省市统计年鉴等官方出版物;②研究报告,包括《中国区域创新能力评价报告》《中国互联网络发展状况统计报告》《北京大学数字普惠金融指数》《中国大数据发展报告》《省级政府和重点城市网上政务服务能力调查评估报告》等;③数据库平台,包括智慧芽(PatSnap)全球专利检索分析数据库、中国知网、SCI等数据库资源。对于数据集中的缺失值,本文采用线性插值法和线性预测法等统计方法进行补充,以保证研究完整性和准确性。

2.3 变量测量

2.3.1 结果变量

目前学术界主要通过建立指标体系衡量区域数字创新生态系统韧性。梁林等[27]在2020年提出国家级新区创新生态系统韧性指标体系,包括多样性、进化性、流动性和缓冲性4个维度。此后,杨伟等[5]、陈红梅等[6] 进一步聚焦区域数字创新生态系统韧性,也采用类似维度构建指标体系;Chen等[28]也从压力、状态、回应三个阶段的多样性、进化性、流动性和缓冲性四方面进行测度。除这些维度外,系统主体间协作也是至关重要的[29-30]。依据开放式创新理论,组织通过协作整合多方资源能够更好地应对不确定性带来的风险和挑战[31]。不同主体间协作能够促进知识、技术、资金等资源流动,增强主体间信任,有助于形成更为紧密的联盟与网络关系,提高系统应对外部冲击的能力,从而确保系统长期稳定发展[32]。

因此,为了更全面地评估区域数字创新生态系统韧性,本文在梁林等[27]、杨伟等[5]的研究基础上进一步考虑协作性维度。具体而言,本文从多样性、进化性、流动性、缓冲性和协作性5个维度建立区域数字创新生态系统韧性评价指标体系。其中,多样性关注区域数字创新生态系统主体异质性,主要包括人才多样性、企业多样性、高校多样性和科研机构多样性;进化性评估的是区域数字创新生态系统对环境的敏感性和适应能力,主要考察系统随时间推移适应环境变化、改进和创新的能力,本文从数字创新投入和数字创新产出两部分进行测量;流动性则反映系统内资源流动水平,本文主要从资金流、人口流、信息流和技术流四方面进行衡量;缓冲性评价的是系统应对冲击时的资源储备冗余度和结构复杂度,本文从经济资源、社会环境资源和自然环境资源进行测度;协作性主要反映区域数字创新生态系统不同主体之间的互动性和共生性,本文从系统内部协作性和系统外部协作性两方面进行评估。具体指标见表1。其中,参考杨伟等[5]的研究,本文选择高技术产业中的电子及通讯设备制造业、计算机及办公设备制造业两个产业作为数字产业分析对象。

2.3.2 前因变量

(1)创新主体。创新主体适应性。学习与吸收能力作为创新主体将外部知识、技术和经验内化为自身创新能力的核心指标,直接关系到其对环境变化的适应性和持续创新能力[33]。考虑到数字产业作为区域数字创新生态系统中最具代表性的产业主体[15],其学习与吸收能力在很大程度上代表整个区域在数字化转型和技术创新方面的能力与潜质。因此,本文选取数字产业技术改造经费支出和数字产业消化吸收经费支出作为学习与吸收能力的代理变量,进而衡量创新主体适应性。由于数字产业的技术改造经费支出和消化吸收经费支出的直接数据缺失较多,本文借鉴苏屹等[34]的研究,利用行业增加值结构系数估算数字产业在高技术产业中相关费用支出占比情况,进而计算其相关经费支出。如电子及通讯设备制造业消化吸收经费支出,可以根据式(1)计算得出。

(1)

产学研耦合协调度。参考现有研究,本文采用数字产业、高等学校和科研院所三者的R&D经费内部支出数据,运用耦合协调度模型计算得出区域数字创新生态系统产学研耦合协调度[18]。当产学研耦合协调水平较高时,说明产学研之间协同良好、相互促进,生态系统发展呈现良性循环。

(2)创新资源。第一,数据资源。参考荆玲玲等[22]的研究,本文采用《中国大数据发展报告》中的省域大数据发展指数衡量数据资源。该指数综合考虑了大数据在商业、政务和民生领域的应用发展情况,涵盖大数据商用指数、大数据政用指数和大数据民用指数3个维度,能够较为全面地反映各区域数据资源水平。第二,数字化平台。参考张云等[21]的数智化研究,本文采用各区域网民占比、网站数占比、域名数占比衡量数字化平台。但是由于网站数占比数据只统计到2018年,因此根据数据可得性,本文改用网页数占比测度。本文选取移动互联网用户数占省域常住人口数比重(网民数占比)、省域名数占全国域名数比重(域名数占比)、省域网页数占全国网页数比重(网页数占比)进行估算。

(3)创新环境。第一,数字经济发展。参考代昀昊等[35]的研究,本文从数字基础设施和数字化交易两方面衡量数字经济发展,具体选择移动电话普及率和数字普惠金融指数作为衡量指标。第二,数字化治理。参考现有研究,本文采用《省级政府和重点城市网上政务服务能力调查评估报告》中的省级政府一体化政务服务能力指数作为数字化治理衡量指标[22]。该指数涵盖在线服务效度指数、在线办理成熟度指数、服务方式完备度指数、服务事项覆盖度指数和办事指南准确度指数,能够全面反映区域政府的数字化治理水平。

本文运用基于实数编码加速遗传算法的投影寻踪模型确定区域数字创新生态系统韧性各指标权重,得出系统韧性综合指数。该方法通过将高维数据投影到低维子空间,寻找反映原数据结构或特征的投影,从而以稳健、抗干扰和高准确度优势实现高维、非正态、非线性数据分析[36]。对于创新主体适应性、数字化平台和数字经济发展综合指数,本文采用熵值TOPSIS法进行测算。最终得到2017—2022年中国内地30个省域数字创新生态系统韧性及其前因变量均值的评价结果,具体见表2。

数据显示,2017—2022年不同省份数字创新生态系统韧性表现出显著差异。其中,北京、广东、江苏、上海和浙江5个省市系统韧性位居全国前五,分别为1.369、1.137、0.894、0.697和0.685。上述数据不仅显示出这些省市在数字创新方面具有较强适应性,而且在面对挑战时能迅速恢复至正常运行状态。同时发现,这些省市前因变量均值整体处于全国前列,初步说明这些省市的高系统韧性可能与其较高的创新主体适应性和产学研耦合协调度、充足的数据资源和数字化平台,以及高质量的数字经济发展水平和积极的数字化治理密切相关。相比之下,新疆、青海和宁夏3个省、自治区的数字创新生态系统韧性显著偏低,分别只有0.060、0.039和0.037。这种韧性的巨大差距从侧面反映出中国区域发展不平衡。例如,北京的韧性是宁夏的37倍,这一差距可能源于两者在资源禀赋和政策支持等方面的显著不同。因此,为促进区域数字创新生态系统韧性提升,各地区应充分结合本地发展基础和资源禀赋,选择适合本地的发展战略。

2.4 变量校准

校准是QCA 分析过程中的关键步骤,借鉴已有研究,本文采用直接校准法将研究数据的95%、50%和5%分位数作为校准锚点,分别代表完全隶属、交叉点和完全不隶属[37]。为了避免0.5的值被软件排除,将校准为0.5的数据调整为0.500 1。所有前因变量和结果变量的校准锚点见表3。

3 实证分析

3.1 必要条件分析

首先对各前因变量进行检验,以确定它们是否分别构成区域数字创新生态系统高韧性和非高韧性的必要条件。依据Ragin&Fiss[38]的方法论,若前因变量的一致性指数超过0.9,则该变量被视为是导致特定结果的必要条件。本研究采用fsQCA 4.0软件执行必要性检验。根据表4检验结果,可以发现在区域数字创新生态系统中,高产学研耦合协调度和数字经济发展水平是形成生态系统高韧性的必要条件。相反,在韧性较低的区域数字创新生态系统中,产学研耦合协调度较低被认为是导致系统韧性不足的一个必要条件。

3.2 促进区域数字创新生态系统韧性提升的组态路径分析

基于单一条件必要性分析结果,借助fsQCA方法进一步研究前因变量组合方式,以确定促进区域数字创新生态系统韧性提升的创新要素组合。参考已有研究,本文将原始一致性阈值设为0.8,PRI一致性设为0.7(杜运周等,2020)。鉴于频数阈值的设定至少应涵盖75%的案例,而本文案例总数仅为30个,因此将频数设定为1。根据组态分析结果的中间解和简约解,区分核心条件与边缘条件。其中,同时出现在中间解和简约解中的前因条件被视为核心条件,只出现在中间解中的前因条件被视为边缘条件。最终得到4条区域数字创新生态系统韧性提升路径,具体见表5。

总体来看,促进区域数字创新生态系统韧性提升的组态路径有4条,4条等效路径展示了实现区域数字创新生态系统韧性提升的不同方式。4条组态路径的一致性分别达到0.994、0.989、0.993和0.993,都超过0.8的阈值,说明这4个组态均为促进区域数字创新生态系统韧性提升的充分条件。总体解的一致性为0.992,意味着在所有满足4条驱动路径的区域数字创新生态系统建设案例中,有99.2%的案例呈现高韧性。总体解的覆盖率为0.852,说明4条驱动路径可以解释85.2%的区域数字创新生态系统韧性提升案例。

从上述4条组态路径可以发现,首先,高产学研耦合协调度发挥普适性核心作用,再次验证产学研耦合协调度对提升区域数字创新生态系统韧性的重要性。其次,从各组态看,区域数字创新生态系统中创新主体、创新资源和创新环境存在复杂的多重并发因果关系,驱动系统韧性提升的多元组态路径也呈现出殊途同归特征。具体而言,组态H1表明以高创新主体适应性和高产学研耦合协调度为核心条件,同时以高数据资源和高数字经济发展水平、非高数字化治理为边缘条件时,能够有效促进区域数字创新生态系统韧性提升。适用这一路径的省份包括山东和陕西。组态H2表明以高创新主体适应性和高产学研耦合协调度为核心条件,同时以高数字经济发展水平、非高数字化平台和非高数字化治理为边缘条件时,也可以充分赋能区域数字创新生态系统韧性提升。这一路径的解释案例包括陕西、辽宁。组态H3表明以高产学研耦合协调度和高数字化治理为核心条件,同时以非高创新主体适应性、高数据资源、非高数字化平台为边缘条件,可以实现区域数字创新生态系统韧性提升。这一路径的解释案例仅有重庆。组态H4表明以高创新主体适应性、高产学研耦合协调度和高数字化治理为核心条件,同时以高字化平台和高数字经济发展水平为边缘条件,也可以实现区域数字创新生态系统韧性提升。这一路径的解释案例包括浙江、广东、江苏、福建、四川、上海、安徽等。

根据前因条件匹配特征,区域数字创新生态系统韧性提升的组态路径可以进一步划分为3种类型:主体驱动下的数字经济赋能型、政产学研协同共生型和主体—环境驱动下的平台支撑型。具体来说,组态H1和H2的核心条件完全相同,都只包含创新主体适应性(主体)和产学研耦合协调度(主体),而且都以数字经济发展水平作为辅助条件,因此将两条路径归纳为主体驱动下的数字经济赋能型;组态H3主要由产学研耦合协调度(主体)和数字化治理(环境)发挥核心作用,考虑到政府在数字化治理中担任重要角色,因此将该条路径命名为政产学研协同共生型;组态H4的核心条件包含创新主体适应性(主体)、产学研耦合协调度(主体)和数字化治理(环境),同时,数字化平台发挥辅助作用,且组态H4是4条组态路径中唯一包含数字化平台的路径,因此将此条路径命名为主体—环境驱动下的平台支撑型。

(1)主体驱动下的数字经济赋能型。主体驱动下的数字经济赋能型路径强调在区域数字创新生态系统韧性提升中创新主体适应性和产学研耦合协调度至关重要。该路径充分体现出数字化时代背景下,创新主体通过自身适应性和跨界合作能力,借助数字经济发展优势促进区域数字创新生态系统韧性和持续创新能力提升。具体而言,创新主体根据外部环境变化不断调整自身发展战略和运营模式,不断增强对不确定性的适应和应对能力。同时,产学研等创新主体间建立紧密合作机制,促进知识、技术和数据等创新要素的跨界流动与整合。在此过程中,数字经济的快速发展为创新主体提供良好平台和丰富资源,极大增强其适应性和跨界协同能力。如典型案例中的辽宁,作为中国的重要工业基地,近年来其提出“数字辽宁、智造强省”战略,以数据要素市场化配置改革为主线,不断推进产业数字化和数字产业化发展,通过激发企业内部创新潜能和鼓励企业数字化转型,增强创新主体适应性,从而在快速变化的市场环境中保持竞争力。此外,通过建立多层次、宽领域合作机制,辽宁推动不同高校、研究机构与企业深度合作,不仅促进科技成果快速转化,而且加速知识共享和技术迭代更新。特别是在新兴技术领域,如人工智能、大数据等领域,这种产学研协同创新机制显著提升区域企业技术创新能力和应用水平,为辽宁数字创新生态系统持续健康发展提供强有力支撑。

(2)政产学研协同共生型。政产学研协同共生型路径强调政府、产业、高校和科研机构等主体间紧密合作与优势互补,以形成系统化、协同高效的创新合力。在这一路径中,政府扮演策略制定者和调节者角色,通过优化政策环境,激励产业界、高校和科研机构实现高质量的耦合互动;产业界通过提供市场需求信息和实践平台,促进研究成果转化为实际产品和服务;高校和科研机构则负责基础研究与技术开发,为产业创新提供理论支持和技术储备。这种协同效应不仅有利于主体间优势互补和资源共享,促进创新资源高效配置和创新成果快速产出与转化,而且赋予区域数字创新生态系统面对多样化挑战和外部压力时稳定发展的能力,显著增强系统整体韧性。该路径的解释案例仅有重庆。2023年重庆印发《打造市域产教联合体深化现代职业教育改革实施方案》,不仅明确分级分类组建市域产教联合体的具体路径,而且通过强化政府在产教联合体中的建设指导和动态管理角色,展示政策导向下的资源高效配置模式。通过跨界融合、科教结合、产教融合及校企合作,重庆在人才链、产业链、创新链、资金链、政策链等方面实现多链协同,构建了一个多维度的产业生态系统。此外,重庆初步建成的一体化智能化公共数据平台是全国唯一的以省域一体化建设、全市共享的超大城市治理的数字孪生底座。该平台通过实行全市数字资源“一本账”的统筹管理,有效提升城市管理智能化水平和效率,为增强重庆数字创新生态系统韧性和可持续发展能力提供重要保障。

(3)主体—环境驱动下的平台支撑型。主体—环境驱动下的平台支撑型路径强调在数字化平台支撑下,创新主体和政策环境的动态平衡也能够激发系统内生动力与可持续发展能力。在这一路径中,数字化平台通过汇聚海量数据、连接多元主体、搭建共享空间,为创新主体与环境因素互动提供高效便捷的渠道。一方面,平台有助于创新主体快速获取所需数据、技术、人才等创新资源,提升其感知和适应环境变化的能力;另一方面,平台也为政府实施数字化治理提供有效工具,助力构建更加智能、精准、协同的治理体系。如典型案例中的浙江,浙江作为中国数字经济发展的先行省份,近年来在数字化平台支撑下不断优化区域数字创新生态,释放出经济可持续发展新动能。根据《2023年浙江省算力产业发展报告》,截至2023年6月,浙江省已建立166个数据中心,其中包括28个大型和超大型数据中心。这些数据中心建设为浙江一体化算力服务平台搭建奠定了坚实基础。该平台通过汇聚全省算力资源,形成一个跨行业、跨地区和跨层级的算力服务资源池,从而实现多元异构算力资源的协调调度与弹性供给。此外,海兴协同智造工业互联网平台等数字化平台不仅满足制造业向数字化、网络化、智能化转型的需求,而且通过海量数据采集、汇聚和分析,支撑创新资源的泛在连接和高效配置,使得浙江在智能制造、大数据分析和工业互联网应用等方面取得显著成效,成功构建了有利于数字企业发展的良好生态,为地区经济转型升级提供了有力支撑。最后,“浙里办”等政务服务平台建设与运营不仅优化了公共服务供给,提升了政府服务质量和效率,而且增强了政府在应对复杂社会问题时的决策能力,为政策制定提供了重要的数据支持,进一步推动浙江数字化治理进程。

在一定条件下,前因变量之间具有替代关系。对比H1和H3可知,对于产学研耦合协调度较高、数据资源充足的区域数字创新生态系统来说,创新主体适应性(主体)和数字经济发展水平(环境)的条件组合可以与数字化治理(环境)相互替代,任一条件的存在都可以促进区域数字创新生态系统韧性提升。对比H1和H4可知,对于创新主体适应性、产学研耦合协调度以及数字经济发展水平较高的区域数字创新生态系统来说,数据资源(资源)可以与数字化平台(资源)、数字化治理(环境)条件组合相互替代,实现区域数字创新生态系统韧性提升。这种替代关系的存在表明,在特定条件下创新主体、资源和环境要素具有等效性,不同组合均可维持或提升系统整体韧性和效能。

3.3 制约区域数字创新生态系统韧性提升的组态路径分析

表6为制约区域数字创新生态系统韧性提升的4条组态路径。从结果可以发现,首先,产学研耦合协调度较低是制约区域数字创新生态系统韧性提升的核心条件。其次,多种前因条件缺失是制约区域数字创新生态系统韧性提升的主要原因。制约区域数字创新生态系统韧性提升的组态路径可归纳为以下3种类型:①全要素缺失型,当区域数字创新生态系统缺乏抵御风险的主体、资源和环境时,其韧性提升会受到制约,因此本文将此路径命名为全要素缺失型,如组态L1,典型案例有新疆、甘肃、云南、广西、内蒙古等;②数字经济依赖型,当区域数字创新生态系统内仅有完善的市场环境,即仅数字经济得到发展,但是其它资源和环境得不到充分保障时,其韧性提升也会受到制约,本文将此路径命名为数字经济依赖型,如组态L2,典型案例为海南;③创新要素失调型,当区域数字创新系统内产学研耦合协调度不高、数字经济发展水平较低时,即使创新主体适应性较强、数字化平台充足、数字化治理高效或者拥有充足的数据资源和高效的数字化治理水平时,其韧性也很难得到提升,本文将此路径命名为创新要素失调型,如组态L3和L4,典型案例有河北和贵州等。

3.4 稳健性检验

参考杜运周等(2020)的研究,本文采用两种方式进行稳健性检验。首先将原始一致性阈值由 0.800 提高至 0.850,产生的组态与原始结果一致。其次,在原始一致性阈值由 0.800提高至0.850 的基础上,进一步将PRI一致性阈值由 0.700 提高至 0.800,产生的组态同样与原始结果一致,表明本研究结果稳健。

4 结论与启示

4.1 研究结论

本文以中国内地30个省份作为研究样本,构建影响区域数字创新生态系统韧性提升的“主体—资源—环境”框架,进一步采用fsQCA方法揭示驱动区域数字创新生态系统韧性提升的核心条件及复杂互动本质。本文主要研究结论如下:

(1)相对于创新资源和创新环境,创新主体在提升区域数字创新生态系统韧性中发挥更加普适的作用,高水平的产学研耦合协调度和数字经济发展是促进区域数字创新生态系统韧性提升的必要条件。同时,产学研耦合协调度较低是制约区域数字创新生态系统韧性提升的必要条件。

(2)区域数字创新生态系统韧性提升存在4条驱动路径,进一步可归纳为主体驱动下的数字经济赋能型、政产学研协同共生型和主体—环境驱动下的平台支撑型3种,每条路径的关注焦点和策略有所不同,体现出区域数字创新生态系统韧性提升的多维性和复杂性。前因条件之间存在潜在替代关系表明在特定情况下,创新主体、资源和环境能够等效替代,以殊途同归方式促进区域数字创新生态系统韧性提升。

(3)制约区域数字创新生态系统韧性提升的路径有4条,进一步可归纳为全要素缺失型、数字经济依赖型和创新要素失调型3类。3类制约路径反映出区域数字创新生态系统面临的主要挑战,且与生态系统韧性提升路径存在非对称性关系。

4.2 理论贡献

(1)本文基于主体—资源—环境框架识别出支持区域数字创新生态系统韧性提升的关键前因条件,丰富了区域数字创新生态系统韧性提升的影响因素研究。尽管现有文献已广泛探讨区域数字创新生态系统韧性的基本概念、特征及测度方法[5,9,12],但对于影响系统韧性的具体前因条件识别与分析仍然不足。本文基于主体—资源—环境框架,明确6个关键前因要素,并对这些要素如何影响系统韧性进行系统分析,进一步深化了韧性理论与区域数字创新生态系统理论的交叉融合。

(2)本文从组态视角识别促进区域数字创新生态系统韧性提升的差异化路径,丰富了区域数字创新生态系统韧性的理论研究。相较于传统研究多从单一视角分析区域数字创新生态系统韧性问题[4],本文通过组态视角,揭示不同前因要素组合路径在促进区域数字创新生态系统韧性提升方面的殊途同归效应。这一研究不仅解释了各地区应根据自身状况选择合适的发展路径,同时,也回应了学术界对于采用组态视角及定性比较分析方法研究复杂管理系统,特别是区域数字创新生态系统的呼吁(杜运周等,2020)。

(3)通过对制约区域数字创新生态系统韧性提升路径的研究,为韧性理论研究提供了更全面的视野。本文的发现有效填补了研究单一要素对系统韧性提升存在瓶颈效应的不足,从而确保系统可持续发展和创新能力增强。区域数字创新生态系统韧性提升的4条促进路径与4条制约路径在前因条件上并不是完全对应的,也再次印证学者们关于组态路径的非对称性研究结果[38]。通过深入探讨不同创新要素之间的互动作用和替代关系,本文为管理者提供了更系统、全面的研究视角,并为多种创新要素在区域数字创新生态系统韧性提升过程中的作用发挥提供新思考与新启迪。

4.3 实践启示

考虑到各区域资源禀赋不同,各地需结合本地发展特点和需求,从组态思维和整体视角关注系统创新要素的联动匹配,因地制宜地制定差异化发展策略。基于本文研究结论,对提升区域数字创新生态系统韧性提出如下建议:

(1)“个体精进、整体提升”,发挥创新主体优势,夯实生态系统韧性根基。高水平的产学研耦合协调度和数字经济发展是促进区域数字创新生态系统韧性提升的必要条件,也是推动经济发展和提升系统韧性的关键。首先,对于采用主体驱动下数字经济赋能型路径的典型区域来说,陕西、辽宁等利用本地数字经济发展经验和产学研合作优势,通过强化创新主体适应性和主体间耦合协调,不仅提升了自身竞争力,也为区域数字创新生态系统的持续发展奠定了坚实基础。为进一步增强这些区域的数字经济竞争力和生态系统韧性,保持战略的稳定性并持续优化创新主体协同机制显得尤为重要,这包括加强网络安全建设、提升网络安全防护能力以保障数字经济健康发展,以及充分利用数据资源,加强数字化治理。其次,对于海南、甘肃等需要进一步提升创新能力的区域来说,不仅要充分借鉴邻近区域成功经验,依托其辐射效应,为本地创新主体提供定制化培训和咨询服务,提升其感知和适应环境变化的能力,还要设立产学研合作专项资金,搭建交流合作平台,引导和支持协同创新。通过这些措施,强化创新主体自身适应性和主体间耦合协调发展,以点带面增强区域数字创新生态系统韧性。

(2)“政通方能产兴、学研相辅相成”,政产学研联动打造生态系统持续竞争力。在数字经济时代,政府应充分发挥多角色作用,推动政产学研联动,形成协同创新、合作共赢的生态系统,打造生态系统持续竞争力。一方面,对于重庆等已经采用政产学研协同共生型路径的区域来说,政府作为生态系统的优化者,应进一步健全数字经济相关法律法规,加强知识产权保护,营造公平竞争的市场环境,同时,建立健全数据安全和隐私保护制度,加速数据资源市场化利用,增强创新主体和公众信任,激发数字创新活力。另一方面,对于政产学研还未形成协同联动的区域来说(如河北、新疆),需要进一步完善政策环境,加大对创新活动的支持力度,特别是在科技成果转化、创新资金投入等方面提供更多实质性帮助和指导。通过政策鼓励和引导创新主体间交流合作,建立区域数据共享机制,鼓励政府部门、研究机构和企业之间数据交流及合作。此外,政府要充分发挥数字化治理的主导作用,通过在线平台提供行政审批、社会保障等服务,优化政府服务流程,提升政府自身治理能力和服务质量,促进区域经济社会的全面发展。

(3)“平台牵引、要素流动”,以数字化平台助力系统韧性提质升级。对于已经采用主体—环境驱动下的平台支撑型路径的区域(如浙江、广东)来说,数字化平台发挥了汇聚数据、连接主体、搭建共享空间的作用。此类区域应聚焦平台迭代优化,着力建立和完善数字通信网络标准及规范,加强数字基础设施建设和升级,完善数字通信网络,提升网络覆盖率和传输速度。同时,提升数字包容性,确保数字基础设施和服务普惠共享,减少数字“鸿沟”,进而为系统韧性提升奠定坚实基础。对于内蒙古等数字化平台不充足的区域来说,应着重推动数字化平台建设和完善,鼓励企业、高校、科研机构等创新主体参与平台建设和应用,促进数据、技术、人才等创新资源的高效流动和共享。同时,在数字化平台助力下,建立多元参与、开放协同的数字化治理模式,推动治理流程再造,提高决策科学性和精准性,增强区域数字创新生态系统应对复杂环境变化的能力。

4.4 研究局限与展望

尽管本文取得了一些研究成果,但仍存在以下局限。第一,本文仅就主体—资源—环境框架下不同要素组合对区域数字创新生态系统韧性提升的静态作用进行了探讨,未考虑这种组态关系随时间推移的动态变化。未来研究可以考虑采用动态的QCA方法,探究在不同发展阶段驱动区域数字创新生态系统韧性提升的前因条件组态变化。第二,本文只选择了6个前因条件进行研究,然而区域数字创新生态系统是一个复杂的动态系统,影响因素很多。未来研究可以从不同视角出发,适当增加前因变量,考虑将政府风险偏好、公众需求等因素纳入研究框架,以更全面地探究区域数字创新生态系统韧性提升的复杂因果关系。第三,在样本选择方面,本文基于数据可得性,只选取了中国内地2017—2022年30个省份的数据。未来研究可以进一步扩大样本量,选择多个国家进行对比分析。

参考文献：

[1] 赵滨元. 数字经济核心产业对区域创新能力的影响机制研究——数字赋能产业的中介效应[J].科技进步与对策, 2022, 39(15): 50-57.

[2] FLOETGEN R J, STRAUSS J, WEKING J, et al. Introducing platform ecosystem resilience: leveraging mobility platforms and their ecosystems for the new normal during COVID-19[J].European Journal of Information Systems, 2021, 30(3): 304-321.

[3] HOLLING C S. Engineering resilience versus ecological resilience[J].Engineering Within Ecological Constraints, 1996, 31:32.

[4] CHEN H, CAI S. Research on evaluation and influencing factors of regional digital innovation ecosystem resilience—empirical research based on panel data of 30 provinces and cities in China[J].Sustainability, 2023, 15(13): 10477.

[5] 杨伟, 劳晓云, 周青, 等. 区域数字创新生态系统韧性的治理利基组态[J].科学学研究, 2022, 40(3): 534-544.

[6] 陈红梅, 蔡松林. 区域数字创新生态系统韧性评价与时空演变分析[J].统计与决策, 2023, 39(20): 51-55.

[7] KRAUSE P J, RAZAVI A R, MOSCHOYIANNIS S, et al. Stability and complexity in digital ecosystems[C].2009 3rd IEEE International Conference on Digital Ecosystems and Technologies,2009: 85-90.

[8] KÖNNÖLT, ELORANTA V, TURUNEN T, et al. Transformative governance of innovation ecosystems[J].Technological Forecasting and Social Change, 2021, 173: 121106.

[9] KHURANA I, DUTTA D K, GHURA A S. SMEs and digital transformation during a crisis:the emergence of resilience as a second-order dynamic capability in an entrepreneurial ecosystem[J].Journal of Business Research, 2022, 150: 623-641.

[10] JACOBIDES M G, CENNAMO C, GAWER A. Towards a theory of ecosystems[J].Strategic Management Journal, 2018, 39(8): 2255-2276.

[11] RAO B, JIMENEZ B. A comparative analysis of digital innovation ecosystems[C].2011 Proceedings of PICMET' 11: Technology Management in the Energy Smart World (PICMET),2011:1-12.

[12] 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.

[13] 黄鲁成. 区域技术创新生态系统的稳定机制[J].研究与发展管理, 2003,14(4): 48-58.

[14] 刘洪久, 胡彦蓉, 马卫民. 区域创新生态系统适宜度与经济发展的关系研究[J].中国管理科学, 2013, 21(S2): 764-770.

[15] 李晓娣, 饶美仙. 区域数字创新生态系统发展路径研究——基于fsQCA的组态分析[J].管理工程学报, 2023, 37(6): 20-31.

[16] 何声升, 迟景明, 张旭雯. 产学研创新主体适应性行为演进路径研究——基于扎根理论的案例研究[J].中国科技论坛, 2023,39(9): 38-47,101.

[17] JIA X, JIANG M, SHI L. Research on cooperative innovation behavior of industrial cluster based on subject adaptability[J].Discrete Dynamics in Nature and Society, 2016, 2016(1): 3069065.

[18] 盛彦文, 马延吉. 区域产学研创新系统耦合协调度评价及影响因素[J].经济地理, 2017, 37(11): 10-18,36.

[19] WU Y, GU X, TU Z, et al. System dynamic analysis on industry-university-research institute synergetic innovation process based on knowledge flow[J].Scientometrics, 2022, 127(3): 1317-1338.

[20] 戴魁早, 王思曼, 黄姿. 数据要素市场发展与生产率提升[J].经济管理, 2023, 45(6): 22-43.

[21] 张云, 柏培文. 数智化如何影响双循环参与度与收入差距——基于省级—行业层面数据[J].管理世界, 2023, 39(10): 58-83.

[22] 荆玲玲,黄慧丽. 时空双维下数字创新生态系统对区域创新能力的激发与影响研究——基于省域面板数据的动态QCA分析[J].科技进步与对策,2024,41(16):13-23.

[23] 李煜华,张云飞.创新生态系统视角下高技术产业创新质量提升组态路径研究[J].科技进步与对策,2024,41(15):138-148.

[24] GOLDFARB A, TUCKER C. Digital economics[J].Journal of Economic Literature, 2019, 57(1): 3-43.

[25] BRIDGES L E. Competing digital capacities: between state-led digital governance and local data center tradeoffs[J].Information, Communication &Society, 2024,36:1-18.

[26] HANISCH M, GOLDSBY C M, FABIAN N E, et al. Digital governance: a conceptual framework and research agenda[J].Journal of Business Research, 2023, 162: 113777.

[27] 梁林, 赵玉帛, 刘兵. 国家级新区创新生态系统韧性监测与预警研究[J].中国软科学, 2020,35(7): 92-111.

[28] CHEN H M, CAI S L. Evaluation and analysis of regional digital innovation ecosystem resilience[J].Statistics and Decision, 2023, 39(20): 51-55.

[29] YI C, MA L, LIU Z, et al. Cultivating regional innovation ecosystems in the digital age: case studies of four cites in China[J].Science, Technology and Society, 2023, 28(2): 191-212.

[30] 杨伟, 蒲肖. 数据驱动构筑富有韧性的创新生态系统[J].清华管理评论,2021,12(11):74-80.

[31] CHESBROUGH H W. Open innovation: the new imperative for creating and profiting from technology[M].Brighton:Harvard Business Press, 2003.

[32] GAMIDULLAEVA L, TOLSTYKH T, BYSTROV A, et al. Cross-sectoral digital platform as a tool for innovation ecosystem development[J].Sustainability, 2021, 13(21): 11686.

[33] BURNARD K J, BHAMRA R. Challenges for organisational resilience[J].Continuity &Resilience Review, 2019, 1(1): 17-25.

[34] 苏屹, 支鹏飞, 郭秀芳. 区域数字经济规模测算及其对区域创新的影响[J].科研管理, 2023, 44(9): 29-38.

[35] 代昀昊, 王晓允, 童心楚. 从共享经济到低碳经济——来自共享单车平台进驻的证据[J].数量经济技术经济研究, 2024, 41(4): 111-130.

[36] 李世玲. 基于投影寻踪和遗传算法的一种非线性系统建模方法[J].系统工程理论与实践, 2005,25(4): 22-28.

[37] ANDREWS R, BEYNON M J, MCDERMOTT A M. Organizational capability in the public sector: a configurational approach[J].Journal of Public Administration Research and Theory, 2016, 26(2): 239-258.

[38] RAGIN C C, FISS P C. Net effects analysis versus configurational analysis: an empirical demonstration[J].Redesigning Social Inquiry: Fuzzy Sets and Beyond, 2008, 240: 190-212.

(责任编辑：胡俊健)