开放科学(资源服务)标识码(OSID)：
In this context, this paper uses the panel data of 229 prefecture-level and above cities in China from 2014 to 2023, incorporates urban new quality productive forces, digital innovation resilience, entrepreneurial activity, digital divide and government digital attention into a unified research framework, and explores the internal mechanism through which digital innovation resilience affects urban new quality productive forces. Specifically, it examines the mediating role of entrepreneurial activity and the moderating roles of digital divide and government digital attention, thereby providing a comprehensive understanding of the transmission pathway and contextual boundaries of this relationship.
The main conclusions are as follows:First, digital innovation resilience has a significant positive impact on urban new quality productive forces, which is further confirmed by robustness tests. Heterogeneity analyses suggest that the positive impact is significant in cities with a high level of digital economy development, service-oriented cities, as well as large and medium-sized cities, whereas it is insignificant in cities with a low level of digital economy, production-oriented cities and small-sized cities. Second, entrepreneurial activity plays a partial mediating role in the impact of digital innovation resilience on urban new quality productive forces. Third,digital divide plays a negative moderating role in the impact of digital innovation resilience on urban new quality productive forces. The moderating role of government digital attention in the impact of digital innovation resilience on urban new quality productive forces is insignificant.
This study proposes the following policy implications. First, unified data middle platforms should be established and R&D data resources integrated to underpin the development of urban new quality productive forces driven by digital innovation resilience. Meanwhile, accelerating the construction of digital technology pilot bases and facilitating the penetration of digital technologies into traditional industries will help boost urban new quality productive forces. Furthermore, differentiated strategies for enhancing digital innovation resilience should be tailored to local digital economy development, industrial structure, and urban scale. Second, relevant departments need to optimize the business environment and enhance entrepreneurial vitality. In addition, efforts should be made to strengthen intellectual property protection and improve institutional guarantee for innovation and entrepreneurship, thereby smoothing the pathway for digital innovation resilience to drive urban new quality productive forces. Third, bridging the digital divide requires increased investment in new digital infrastructure to lay a hardware foundation. Open access to digital tools should be promoted to encourage widespread adoption by innovative entities. Moreover, intercity cooperation of digital innovation should be strengthened to inject strong impetus into the development of urban new quality productive forces driven by digital innovation resilience.
This study offers three theoretical contributions. First, existing studies have focused on the relationship between digital innovation and new quality productive forces, and lack analyses on the impact of digital innovation resilience on urban new quality productive forces. Based on resilience theory, this study verifies the positive impact of digital innovation resilience on urban new quality productive forces and deepens the research on the impact factor of new quality productive forces. Second, based on technological innovation theory, this study incorporates entrepreneurial activity into the research framework, verifies the mediating role of entrepreneurial activity in the impact of digital innovation resilience on urban new quality productive forces, and clarifies the transmission path through which digital innovation resilience affects urban new quality productive forces. Third, based on regional innovation theory and signaling theory, this study discusses the moderating roles of digital divide and government digital attention in the impact of digital innovation resilience on urban new quality productive forces, and expands the boundary conditions under which digital innovation resilience affects urban new quality productive forces.
开放科学(资源服务)标识码(OSID)：
习近平总书记在二十届中央政治局第十一次集体学习时强调:“新质生产力是创新起主导作用,摆脱传统经济增长方式、生产力发展路径,具有高科技、高效能、高质量特征,符合新发展理念的先进生产力质态。”2024年12月,中央经济工作会议提出,“以科技创新引领新质生产力发展,建设现代化产业体系”。当前,世界经济持续疲软、公共安全事件频发,在外部环境复杂性、不确定性不断攀升的背景下,中国经济面临多重压力,如何加快培育和发展新质生产力至关重要[1]。与此同时,大数据、云计算、人工智能等数字技术通过重塑创新空间、重构创新行为,赋能创新活动网络协同、交互共生,大幅提高生产效率,并催生出各类新业态、新模式,成为培育新质生产力的重要引擎[2]。然而,推动新质生产力形成和发展的技术创新不是单一、间断的,而是全领域、长周期、可持续的[3]。数字创新活动具有易变性、不确定性、复杂性和模糊性特征[4],容易受到技术迭代加速、市场竞争加剧等不确定性因素冲击。在开展数字创新活动的过程中,面对外部冲击,一部分城市具有较强的适应与恢复能力,也有一部分城市难以摆脱困境,无法实现新质生产力稳定发展,造成这种差异化表现的重要原因可能在于城市数字创新韧性存在差异。可见,探究数字创新韧性对城市新质生产力的影响具有重要现实意义。
学者们从政府政策[5]、要素配置[6]、技术创新[7]等视角探讨了新质生产力的驱动因素。就技术创新与新质生产力之间的关系而言,现有研究关注了数智技术创新[8]、数字技术创新[9]等对新质生产力的影响。事实上,数字创新过程和结果难以预测。根据韧性理论,创新韧性意味着创新系统在面临外部冲击时保持系统稳定、恢复,甚至进化为更高创新水平的能力[10]。当面对外部冲击时,只有维持数字创新的持续性和稳定性,才能为新质生产力提供持续动能,因此,需要基于韧性理论探讨数字创新韧性与新质生产力之间的关系。同时,创新韧性内生于城市创新系统[10],城市创新系统在整合创新信息、协调创新资源等方面为各类创新主体提供了发展基础,成为创新资源的集聚地、创新主体的主要输出地[11],其数字创新韧性直接决定区域创新事业的长期稳定发展,进而影响新质生产力发展。然而,现有研究主要关注了企业层面的数字创新韧性问题[12]。在城市层面,相关研究仅探讨了知识产权治理对数字创新韧性的影响[4],未考虑城市数字创新韧性的经济后果。因此,有必要考察城市层面数字创新韧性对新质生产力的影响。同时,自熊彼特将“创新”从技术范畴延伸至经济范畴后,学者们开始在创新与产业之间建立多维联系[13],而活跃的创业活动是创新成果产业化的重要途径,有助于实现从数字创新韧性到城市新质生产力的跨越。在数字创新韧性影响城市新质生产力的过程中,创业活跃度发挥何种作用有待检验。此外,数字创新韧性影响城市新质生产力的过程受到不同情境因素的作用。一方面,不同地区在汲取创新资源方面存在“马太效应”现象,越是弱势地区越难以有效集聚创新资源,从而对创新活动产生抑制作用[14]。换而言之,城市之间的数字鸿沟致使数字弱势城市无法有效承接来自数字优势城市的技术转移,阻碍数字要素跨区域流动[15],从而可能削弱数字创新韧性对城市新质生产力的影响。因此,需要将数字鸿沟纳入研究框架,验证其在数字创新韧性影响城市新质生产力过程中的作用。另一方面,在信息不对称的市场中,具有公信力的主体所释放的信号能够影响市场预期并引导资源配置[16]。政府数字关注能够促进创新要素优化配置与数字技术协调发展,其在数字创新韧性影响城市新质生产力过程中的作用同样有待验证。
综上,本文将城市新质生产力、数字创新韧性、创业活跃度、数字鸿沟和政府数字关注度纳入同一研究框架,探究数字创新韧性对城市新质生产力的直接作用、创业活跃度的中介作用以及数字鸿沟和政府数字关注度的调节作用。
“韧性”一词起源于生态学,是指生态系统适应威胁其功能、生存或发展等干扰的能力[17]。生态学家Holling[18]在韧性概念基础上提出韧性理论,认为韧性的内涵在于生态系统抵抗外部冲击并维持一定功能的能力。随着研究深入,韧性概念逐步拓展至经济和创新领域。数字创新韧性是指数字创新生态系统面对内外因素干扰、冲击时能够保持稳定,实现数字技术水平提升、数字创新效能迭代升级的能力[19]。
面对冲击时,数字创新韧性能够帮助城市快速调整创新策略、整合创新资源、修复创新系统,从而培育新质生产力。首先,数字创新韧性增强有助于提升创新要素配置效率,进而推动城市新质生产力发展。城市数字平台能够整合分散的研发数据、人才信息与资本[20],提升数字创新韧性,优化数据等新型生产要素配置,进而加快城市新质生产力培育。其次,通过实时数据反馈优化创新路径,数字创新韧性能够缩短实验室技术转化应用周期。通过实时数据追踪增强对创新趋势的感知、预判,进而优化创新路径,数字创新韧性能够加速人工智能、区块链等突破性技术转化应用,从而推动城市生产函数跃迁[21]。最后,依托创新主体之间的协同网络,数字创新韧性能够拓展数字技术应用场景。各领域创新主体通过形成稳定的创新网络,推动数字技术在产业领域普惠性落地[22],提升数字创新系统的关联度和容错率,从而促进城市新质生产力发展。基于此,本文提出以下假设:
H1:数字创新韧性对城市新质生产力产生正向影响。
在技术创新理论中,创新被视作“创建一个新生产函数”,通过整合各种生产因素、条件并引入生产系统,从而获得更多收益。创业活动承担着创新试错与实现功能[23],而创业活跃度反映特定区域创业活动的整体强度,体现区域创业活动积极性[24]。数字创新系统抵御风险能力的提升,能够降低创业风险,推动创业活动成功实施,进而加快城市新质生产力发展。
在数字技术的动态赋能下,数字创新韧性能够提升城市创业生态系统抵御不确定性冲击的能力,增强创业主体积极性,进而提升城市整体创业活跃度。基于城市数字平台提供的海量数据要素,数字创新韧性能够帮助各类创业主体打通信息堵点,准确把握市场机会[25],加速产品更新迭代,促进产出丰富多样[26]。同时,数字创新韧性提升过程中培育的城市包容型创新生态能够促进中小企业与龙头企业协同发展,不断催生新业态[27]。创业主体原有边界不断被突破,能够吸引更多创业主体进入市场,为创业活动提供合作空间。依托产业网络,产业链各环节企业在研发、制造等方面实现技术合作,加速适应性结构调整与资源优化配置,从而推动创业活动开展。
根据技术创新理论,创新具有经济属性,并非单纯的实验室技术突破,需要转化为经济收益。而创业活动是前沿技术、新知识与新模式的重要载体,高创业活跃度意味着有更多创新主体进入市场。在某种程度上,创业行为的竞争特性能够引导人才、资本、数据等生产要素流向高效率领域,推动技术成果转化应用,提升资源利用与价值创造能力,实现创新驱动转型,从而促进城市新质生产力提升。此外,大量新创企业聚焦新兴产业、未来产业与数字经济领域,提供多元化新产品、新服务,催生大量新行业,推动城市产业结构转型升级[28],从而夯实新质生产力的产业基础。基于此,本文提出以下假设:
H2:创业活跃度在数字创新韧性影响城市新质生产力的过程中发挥部分中介作用。
数字鸿沟是指数字技术获取和利用上的差异现象[29],这种差异不仅体现在个体之间,也存在于不同地区、国家乃至全球范围内[30]。根据区域创新理论,不同地区在争夺资源方面存在“马太效应”,即“强者愈强,弱者愈弱”,从而对弱势地区创新活动产生不利影响[14]。同时,已有研究表明,在新质生产力空间关联网络中也存在“马太效应”,综合发展水平较高城市在新质生产力发展中掌握更多优质资源,同时,与网络中的其他城市建立更多合作关系[31]。可见,在探究数字创新韧性影响城市新质生产力的过程中,城市间的数字鸿沟问题不容忽视。
新质生产力发展依托数字经济等,在提升整体效率的同时,面临资源向大城市集中、城市间数字鸿沟扩大等潜在风险[32]。首先,面对数字鸿沟,数字弱势城市缺乏稳定的数字硬件支撑,城市数字资源的可及性较低,难以有效聚集数字资源,数字创新韧性所依赖的技术冗余、快速响应能力无法有效实现,数字创新效率难以提升,从而制约数字创新韧性对城市新质生产力的驱动作用。其次,面对数字鸿沟,数字优势城市能够推动数字工具简化易用,提升各群体数字技能[33],而数字弱势城市难以获取数字技能,进一步扩大数字应用能力差距,不利于数字创新产出,从而制约数字创新韧性对城市新质生产力的提升作用。最后,数字鸿沟会割裂区域创新生态,阻碍创新经验、技术成果的跨城市流动,导致数字创新韧性对新质生产力的驱动作用受到限制。基于此,本文提出以下假设:
H3:数字鸿沟在数字创新韧性影响城市新质生产力的过程中发挥调节作用。
政府在决策过程中需要将有限的关注力集中到特定领域以提高决策准确性,因此其如何分配关注度反映了经济社会发展过程中关键问题的演化。根据信号理论,在信息不对称的市场中,具有公信力的主体所释放的信号能够影响市场预期并引导资源配置[16]。随着数字技术飞速发展,提升数字关注度成为符合经济发展趋势的新方案,在数字创新韧性影响城市新质生产力的过程中发挥重要情境作用。
首先,政府数字关注度代表公共主体的数字化发展预期,会向市场传递出一定的公共信号[34],是引导资源配置的有效手段。政府对数字领域的关注向市场释放出明确信号,这种信号效应能够稳定创新主体预期,引导各类资源向数字创新领域集中,进而为数字创新韧性驱动新质生产力增长提供资源基础。其次,政府注意力决策涉及一种选择机制,政府在面对众多公共事务的决策过程就是分配有限注意力的过程,注意力的聚焦分配反映政府推进公共事务的优先层级[35]。政府对数字领域的关注程度越高,越倾向出台支持数字技术发展的相关政策[36],从而推动数字技术创新应用,成为数字创新韧性赋能城市新质生产力发展的“有形之手”。最后,数字创新韧性推动新质生产力发展不仅依赖单一主体的能力,更依赖于创新网络。政府数字关注度能够通过政策导向推动数字创新系统各主体间协同合作,促进数字技术交流与产业合作,从而增强数字创新韧性对城市新质生产力的影响。基于此,本文提出以下假设:
H4:政府数字关注度在数字创新韧性影响城市新质生产力的过程中发挥调节作用。
2.1.1 解释变量
数字发明专利申请量一定程度上能够衡量一个地区数字创新能力[37],考虑到数字创新过程中的“韧性”特征,本文借鉴Martin &Gardiner[38]提出的韧性测算方式,通过比较数字发明专利申请量缺口差异的变化评估数字创新韧性(DIR)。其中,根据国家知识产权局印发的《关键数字技术专利分类体系(2023)》与国际专利分类参照关系表的IPC号信息,筛选并加总得到各城市数字发明专利申请总量。数字创新韧性计算步骤如下:
DIRi,t=(△Pi-△E)/|△E|
(1)
△Pi=Pi,t-Pi,t-1
(2)
△E=((Pt-Pt-1)/Pt-1)Pi,t-1
(3)
其中,DIRi,t为城市i在第t年的数字创新韧性水平;△Pi为城市i的数字发明专利申请量变化情况,即城市数字发明专利申请量的实际变化;△E是基于样本城市数字发明专利申请总量变化情况估计得出的城市在第t-1年至第t年的数字发明专利申请量变化情况,即城市数字发明专利申请量的预测变化;Pi,t、Pi,t-1分别表示城市i在第t年、第t-1年的数字发明专利申请量;Pt、Pt-1分别表示各样本城市在第t年、第t-1年的数字发明专利申请总量。同时,本文在完成测度后统一对各城市数字创新韧性数据进行正向化处理以便后续分析。
2.1.2 被解释变量
新质生产力(NQPF)以科技创新为基础,引领生产方式变革和经济结构调整。其中,科技生产力代表通过科技创新实现关键性、颠覆性技术突破而产生的生产力;绿色生产力代表环境友好型、资源节约型生产方式,以环保、资源节约为特征;数字生产力强调数字技术在生产过程中的应用,以促进经济数字化转型[39]。本文参考赵鹏等[39]的研究,从科技生产力、绿色生产力和数字生产力三个角度出发,采用熵值法测量城市新质生产力,具体评价指标见表1。
表1 新质生产力评价指标
Table 1 Evaluation indicators of new quality productive forces
一级指标 二级指标 三级指标 单位 属性 科技生产力 科技创新产出 技术合同成交额 万元 正 研发经费支出 R&D内部经费支出 万元 正 研发人员投入 R&D人员数量 人 正 绿色生产力 能源效率 能源消费总量/地区生产总值 万吨标准煤/万元 正 固废利用率 一般工业固体废物综合利用率 % 正 废水排放 工业废水排放量/地区生产总值 吨/万元 负 废气排放 工业二氧化硫排放量/地区生产总值 吨/万元 负 数字生产力 电信业务通讯 移动交换机容量 万户 正 数字基础设施 光缆密度 公里/平方公里 正 产业智能化 工业机器人渗透度 % 正 数字行业发展 信息传输、计算机服务和软件业从业人员数 人 正
2.1.3 中介变量
作为反映区域层面创业活动积极程度的核心指标,创业活跃度(EA)被广泛用于宏观层面的创业度量。本文基于企查查数据库搜集整理考察期内企业微观数据,并根据企业成立年限、地址等信息,将企业数据匹配到相应城市,分类整理得到各城市不同年度新创企业数量。进一步,为克服城市规模的影响,本文参考白俊红等[40]的研究,以城市每百人中新创企业数作为创业活跃度的测量指标。
2.1.4 调节变量
(1)数字鸿沟(DD)。本文参考张正荣等[41]的研究,从数字通信技术使用、数字通信技术技能、数字通信技术产出和数字金融普惠四个方面测量各城市数字技术发展水平。由于数字鸿沟是一种差距,采用现有研究中改进的区位熵法[42],用各城市数字技术发展水平与全国平均水平之比得到数字技术发展指数区位熵DigDQi,通过DigDQi测量各城市数字鸿沟,计算公式如下:
(4)
其中,qij为第i个城市第j项二级指标值,Qj为全国第j项二级指标值。其中,i=1,…,n;j=1,…,m。n=229,m=4。DigDQi为第i个城市数字技术发展指数区位熵。当DigDQi>1时,表明城市i的数字技术发展水平高于全国平均水平;当DigDQi=1时,表示城市i的数字技术发展水平处于全国平均水平;当DigDQi<1时,表示城市i的数字技术发展水平低于全国平均水平。DigDQi越小,表明数字鸿沟越大。
(2)政府数字关注度(GDA)。借鉴解洪涛和王嘉庆[43]的研究,本文收集2014-2023年各城市政府工作报告,使用Python软件统计政府工作报告中涉及“数字技术”和“数字应用”等相关的关键词,以关键词词频测量政府数字关注度。其中,“数字技术”关键词包括大数据、云计算、智能数据分析等;“数字应用”关键词包括数字政府、政务平台、智能计算中心等。
2.1.5 控制变量
本文控制了一系列可能对城市新质生产力产生影响的变量:①产业结构高级化(AIS),本文采用第三产业增加值与第二产业增加值的比值作为产业结构高级化的测量指标;②经济发展水平(EDL),本文采用人均GDP作为经济发展水平的测量指标;③对外开放程度(OD),本文采用实际利用外资金额作为对外开放程度的测量指标; ④社会消费水平(SCL),本文采用社会消费品零售总额与GDP的比值作为社会消费水平的测量指标;⑤人力资本投资(HCI),本文采用科学教育支出占GDP比重作为人力资本投资的测量指标。
本文采用2014-2023年中国229个地级及以上城市面板数据(剔除数据缺失严重的城市样本)展开分析。其中,数字创新韧性数据来自国家知识产权局;城市新质生产力数据来自《中国城市统计年鉴》及EPS数据库;创业活跃度数据来自企查查数据库及《中国城市统计年鉴》;数字鸿沟数据来自《中国统计年鉴》《中国城市统计年鉴》、各城市统计公报以及《北京大学数字普惠金融指数》;政府数字关注度数据来自各城市政府工作报告;产业结构高级化、经济发展水平、对外开放程度、社会消费水平和人力资本投资数据来自《中国城市统计年鉴》、各城市统计局官网。个别样本缺失值结合各城市统计年鉴、统计公报或者采用线性插值法补齐。同时,为了消除不同变量数据之间的量纲影响,回归分析前对数字鸿沟、政府数字关注度、产业结构高级化和经济发展水平数据进行了无量纲化处理。其中,对于数字鸿沟,用1减去无量纲化后的值进行处理。为减少异常值影响,对各变量进行了双侧1%的缩尾处理。
为了检验数字创新韧性对城市新质生产力的直接作用,首先,在模型中纳入全部控制变量,如下所示:
NQPFi,t=α0+β0Ci,t+δi+θt+εi,t
(5)
其次,在模型中纳入数字创新韧性,如下所示:
NQPFi,t=α1+β1Ci,t+μ1DIRi,t+δi+θt+εi,t
(6)
为了检验创业活跃度的中介作用,以创业活跃度为因变量,构建如下模型:
EAi,t=α2+β2Ci,t+μ2DIRi,t+δi+θt+εi,t
(7)
在式(6)基础上加入创业活跃度,构建如下模型:
NQPFi,t=α3+β3Ci,t+μ3DIRi,t+ϑ1EAi,t+δi+θt+εi,t
(8)
为了检验数字鸿沟的调节作用,在式(6)基础上加入数字鸿沟,构建如下模型:
NQPFi,t=α4+β4Ci,t+μ4DIRi,t+
1DDi,t+δi+θt+εi,t
(9)
对数字创新韧性和数字鸿沟进行中心化处理后,加入二者乘积项,构建如下模型:
NQPFi,t=α5+β5Ci,t+μ5DIRi,t+2DDi,t+π1DIRi,t×DDi,t+δi+θt+εi,t
(10)
为了检验政府数字关注度的调节作用,在式(6)基础上加入政府数字关注度,构建如下模型:
NQPFi,t=α6+β6Ci,t+μ6DIRi,t+φ1GDAi,t+δi+θt+εi,t
(11)
对数字创新韧性与政府数字关注度进行中心化处理后,加入二者乘积项,构建如下模型:
NQPFi,t=α7+β7Ci,t+μ7DIRi,t+φ2GDAi,t+ω1DIRi,t×GDAi,t+δi+θt+εi,t
(12)
其中,NQPFi,t为第t年城市i的新质生产力水平,Ci,t是控制变量集,DIRi,t为第t年城市i的数字创新韧性水平,EAi,t为第t年城市i的创业活跃度,DDi,t为第t年城市i的数字鸿沟程度,GDAi,t为第t年城市i的政府数字关注度;α为常数项,δi为城市固定效应,θt为年份固定效应,εit为残差项。
本文利用Stata 15软件对变量进行描述性统计分析,结果如表2所示。
表2 变量描述性统计分析结果
Table 2 Results of descriptive statistical analysis of variables
变量 均值 标准差 最小值 最大值 NQPF 0.033 0.044 0.006 0.679 DIR 0.255 0.137 0.000 0.971 EA 0.165 0.186 0.000 5.120 DD 0.806 0.165 0.000 0.997 GDA 0.068 0.070 0.000 1.000 AIS 0.150 0.099 0.000 1.000 EDL 0.213 0.141 0.000 1.000 OD 0.031 0.061 0.000 0.796 SCL 0.399 0.104 0.110 0.996 HCI 0.037 0.016 0.005 0.151
本文对各变量进行相关性分析,结果如表3所示。
表3 相关性分析结果
Table 3 Analysis results of correlation
变量 NQPF DIR EA DD GDA AIS EDL OD SCL DIR 0.515 *** EA 0.438 *** 0.347 *** DD 0.707 *** 0.354 *** 0.335 *** GDA 0.008 -0.042 *** -0.012 0.002 AIS 0.122 *** 0.192 *** 0.245 *** 0.161 *** -0.013 EDL 0.560 *** 0.372 *** 0.421 *** 0.441 *** 0.041 * -0.046 ** OD 0.644 *** 0.373 *** 0.277 *** 0.596 *** 0.000 0.118 *** 0.491 *** SCL -0.034 * -0.029 -0.017 0.057 *** -0.041 ** 0.223 *** -0.264 *** 0.019 HCI -0.183 *** -0.043 ** -0.178 *** -0.180 *** -0.003 0.233 *** -0.544 *** -0.213 *** 0.087 ***
注:***、**、*分别表示1%、5%和10%的水平上显著,下同
3.4.1 基准回归
数字创新韧性对城市新质生产力的基准回归检验结果如表4所示。由列(2)可知,数字创新韧性正向影响城市新质生产力(β=0.004,p<0.05),表明数字创新韧性能够促进城市新质生产力发展,假设H1得到验证。原因可能是,依托数字技术动态赋能与创新主体间网络协同,数字创新韧性能够帮助创新主体动态调整创新路径,协同开展数字创新活动,强化数字技术应用,增强数字创新连续性,从而推动城市新质生产力提升。
表4 基准回归结果
Table 4 Results of baseline regression
变 量 NQP F ( 1 ) NQP F ( 2 ) D I R 0 . 0 0 4 * * ( 0 . 0 0 2 ) AI S - 0 . 0 0 9 * * - 0 . 0 0 8 * ( 0 . 0 0 4 ) ( 0 . 0 0 4 ) E DL 0 . 0 4 0 * * * 0 . 0 4 0 * * * ( 0 . 0 0 5 ) ( 0 . 0 0 5 ) OD - 0 . 0 2 9 * * - 0 . 0 2 9 * * * ( 0 . 0 0 9 ) ( 0 . 0 0 9 ) SCL - 0 . 0 0 3 - 0 . 0 0 3 ( 0 . 0 0 2 ) ( 0 . 0 0 2 ) H CL 0 . 1 9 9 * * * 0 . 1 9 7 * * * ( 0 . 0 3 4 ) ( 0 . 0 3 4 ) 常 数 项 - 0 . 0 0 5 - 0 . 0 0 5 * ( 0 . 0 0 3 ) ( 0 . 0 0 3 ) 年 份 控 制 控 制 城 市 控 制 控 制 N 2 2 9 0 2 2 9 0 R 2 0 . 9 6 3 0 . 9 6 3
注:括号内为标准误,下同
3.4.2 稳健性检验
为进一步检验结果可靠性,采取5种方法进行稳健性检验:①工具变量法。考虑到数字创新韧性对城市新质生产力的影响滞后以及逆向因果可能导致的潜在内生性问题,而解释变量的滞后一期通常被认为与当期的误差项不直接相关,可作为工具变量以控制内生性。因此,本文将数字创新韧性的滞后一期作为当期数字创新韧性的工具变量,并采用两阶段最小二乘法(2SLS)进行回归。②增加控制变量。本文增加金融发展水平(FDL)作为控制变量进行回归,采用金融机构贷款余额与GDP的比值测量。③更换模型。本文采用广义最小二乘法(FGLS)进行模型估计。④调整固定效应。同一省份城市在政策环境、区位特征等方面具有较高一致性,本文在基准回归基础上引入省份—年份交互固定效应,以控制不同省份随时间变化可能带来的影响。⑤替换解释变量测量方式。借鉴杨玉敬[37]的做法,本文构建评价指标体系,重新测算数字创新韧性进行回归。
稳健性检验结果如表5所示。列(1)(2)报告了IV-2SLS的估计结果,第一阶段回归表明,工具变量对内生解释变量具有显著正向影响(β=0.242,p<0.01)。弱工具变量检验的Cragg-Donald Wald F统计量为29.88,大于Stock-Yogo检验10%偏误水平下的临界值16.38,表明工具变量与内生变量相关性较强,可排除弱工具变量的顾虑。不可识别检验的Anderson LM统计量也显著(χ2=33.330,p<0.01),拒绝识别不足的原假设。第二阶段回归表明,在控制数字创新韧性的内生性后,数字创新韧性依然显著正向影响城市新质生产力(β=0.220,p<0.01)。由列(3)可知,增加金融发展水平作为控制变量之后,数字创新韧性的回归系数显著为正(β=0.004,p<0.05),验证数字创新韧性对城市新质生产力产生提升作用。由列(4)可知,使用广义最小二乘法(FGLS)对模型进行估计,数字创新韧性依然显著正向影响城市新质生产力(β=0.004,p<0.05)。由列(5)可知,引入省份-年份交互固定效应后,数字创新韧性依然显著正向影响城市新质生产力(β=0.069,p<0.01)。由列(6)可知,替换解释变量测量方式后,数字创新韧性依然显著正向影响城市新质生产力(β=0.279,p<0.01)。稳健性检验结果与表4的基准回归结果基本一致,由此证明研究结果稳健。
表5 稳健性检验结果
Table 5 Results of robustness test
变量 DIR (1) NQPF (2) NQPF (3) NQPF (4) NQPF (5) NQPF (6) l.DIR 0.242 *** (0.022) DIR 0.220 *** 0.004 ** 0.004 ** 0.069 *** 0.279 *** (0.021) (0.002) (0.002) (0.004) (0.015) AIS 0.131 *** -0.018 ** -0.009 * -0.008 * 0.054 *** -0.009 ** (0.030) (0.008) (0.004) (0.004) (0.005) (0.004) EDL 0.251 *** 0.023 ** 0.042 *** 0.040 *** 0.079 *** 0.023 *** (0.029) (0.009) (0.005) (0.004) (0.005) (0.004) OD 0.403 *** 0.216 *** -0.031 *** -0.029 *** 0.260 *** -0.023 *** (0.063) (0.018) (0.009) (0.009) (0.009) (0.009) SCL 0.015 0.019 *** -0.003 -0.003 0.016 *** -0.002 (0.027) (0.006) (0.002) (0.002) (0.005) (0.002) HCL 1.144 *** -0.177 *** 0.182 *** 0.197 *** -0.053 0.104 *** (0.219) (0.059) (0.034) (0.032) (0.036) (0.032) FDL 0.002 *** (0.001) 常数项 0.071 *** -0.036 *** -0.005 -0.005 * -0.013 *** 0.001 (0.018) (0.005) (0.003) (0.003) (0.005) (0.003) 年份 控制 控制 控制 控制 未控制 控制 城市 控制 控制 控制 控制 未控制 控制 省份×年份 控制 AndersonLM 统计量 33.330 *** Cragg-Donald Wald F 统计量 29.88(>10% 临界值16.38) N 2061 2061 2290 2290 2290 2290 R 2 0.252 0.293 0.964 0.789 0.968
注:FGLS回归中R2不可用,列(4)被解释变量预测值与实际值的相关系数为0.982,以表征回归模型的整体拟合效果
3.4.3 异质性分析
(1)数字经济发展水平异质性。数字经济是发展新质生产力的重要载体,不同城市数字经济发展水平存在差异,数字创新资源禀赋、配置效率与应用场景也不同,进而可能导致数字创新韧性对新质生产力的影响出现分化。因此,借鉴赵涛等[44]的做法,本文构建评价指标体系测量城市数字经济发展水平,并基于其中位数将样本划分为高数字经济发展水平城市和低数字经济发展水平城市进行分组回归,结果见表6。由列(1)(2)可知,数字创新韧性对新质生产力的影响在高数字经济发展水平城市中显著为正(β=0.007,p<0.05),而在低数字经济发展水平城市中不显著。可能的原因是,对于高数字经济发展水平城市,其数字产业集群优势明显,创新主体能够借助完善的数字基础设施开展数字技术合作,同时,通过数字技术与实体经济深度融合,有效提升数字创新韧性,从而推动新质生产力发展。对于低数字经济发展水平城市,数字基础设施覆盖有限,数字产业链条较短,数字技术应用场景不足,导致创新资源闲置、数字技术转化受阻,不利于数字创新韧性提升,从而无法显著推动新质生产力发展。
表6 异质性分析结果
Table 6 Results of heterogeneity analysis
变量 高数字经济发展 水平城市 低数字经济发展 水平城市 服务型城市 生产型城市 大中型城市 小型城市 (1) (2) (3) (4) (5) (6) DIR 0.007 ** 0.001 0.008 *** -0.001 0.035 *** -0.001 (0.003) (0.001) (0.002) (0.002) (0.009) (0.001) AIS -0.023 *** 0.006 0.009 -0.037 *** 0.011 -0.019 *** (0.009) (0.004) (0.006) (0.012) (0.021) (0.004) EDL 0.038 *** 0.018 *** 0.059 *** 0.019 *** 0.063 *** 0.027 *** (0.009) (0.004) (0.008) (0.005) (0.020) (0.004) OD -0.043 *** -0.003 -0.005 -0.006 -0.005 -0.071 *** (0.013) (0.013) (0.016) (0.012) (0.026) (0.010) SCL -0.001 -0.002 -0.002 -0.002 -0.028 * 0.003 * (0.004) (0.002) (0.003) (0.004) (0.015) (0.002) HCL 0.345 *** 0.010 0.186 *** 0.169 *** 0.887 *** 0.109 *** (0.081) (0.023) (0.050) (0.047) (0.295) (0.026) 常数项 -0.017 *** 0.007 *** -0.010 ** -0.001 -0.009 0.001 (0.006) (0.002) (0.005) (0.004) (0.009) (0.002) 年份 控制 控制 控制 控制 控制 控制 城市 控制 控制 控制 控制 控制 控制 N 1145 1145 1281 1009 280 2010 R 2 0.966 0.916 0.974 0.964 0.960 0.943
(2)产业结构异质性。数字技术在产业渗透过程中具有偏向性,通常会先应用于服务业部门,然后向生产端扩展[45]。不同产业结构下数字创新韧性对城市新质生产力的影响可能存在差异。本文根据第三产业增加值与第二产业增加值的比值划分城市类型,如果比值大于1,认定为服务型城市,反之则为生产型城市。据此本文将样本划分为服务型城市和生产型城市进行分组回归,结果见表6。由列(3)(4)可知,数字创新韧性对新质生产力的影响在服务型城市中显著为正(β=0.008,p<0.01),在生产型城市中不显著。可能的原因是,在服务型城市中,现代服务业、数字服务业、科创研发服务业集聚度更高,能够为数字创新成果转化提供坚实的产业基础,极大地增强数字创新产出的稳定性,进而推动新质生产力发展。而生产型城市以制造业为主,依赖大量固定资产投资,创新要素配置的灵活性受限,数字创新成果转化面临较高成本和风险,导致数字创新韧性无法驱动新质生产力发展。
(3)城市规模异质性。直辖市、省会城市与计划单列市等大中型城市在我国城市体系中占据重要地位,反映城市经济实力和发展潜力,因此不同城市规模下数字创新韧性对新质生产力的影响可能存在差异。根据国家统计局城市规模划分标准,本文将样本城市划分为大中型城市和小型城市进行分组回归,结果见表6。由列(5)(6)可知,数字创新韧性对新质生产力的影响在大中型城市中显著为正(β=0.035,p<0.01),而在小型城市中不显著。可能的原因是,相较于小型城市,大中型城市数字基础设施较为完善,能够集聚高端创新资源,同时,创新主体能够借助产学研协同创新,将创新资源精准匹配到相应数字创新领域,提升了数字创新韧性。此外,大中型城市在数据要素市场化配置、创新政策支持上具有一定优势,能够为数字技术动态优化创新路径、创新成果高效转化提供有力支持,从而释放数字创新韧性对新质生产力的推动作用。
创业活跃度在数字创新韧性影响城市新质生产力过程中的中介作用检验结果如表7所示。由列(2)可知,数字创新韧性正向影响创业活跃度(β=0.069,p<0.01);由列(3)可知,数字创新韧性正向影响城市新质生产力(β=0.004,p<0.05),创业活跃度正向影响城市新质生产力(β=0.006,p<0.01),表明创业活跃度在数字创新韧性影响城市新质生产力的过程中发挥部分中介作用,假设H2得证。一方面,依托数字技术动态赋能,数字创新韧性能够帮助创业主体降低信息获取成本、技术应用门槛与市场试错风险,从而激发其创业积极性。另一方面,活跃的创业主体能够敏锐捕捉市场机会,将生产要素快速配置到高效率领域,催生新模式、新业态,持续为新质生产力注入发展动力。
表7 创业活跃度中介作用的检验结果
Table 7 Test results for the mediating effect of entrepreneurial activity
变量 NQPF (1) EA (2) NQPF (3) DIR 0.004 ** 0.069 *** 0.004 ** (0.002) (0.014) (0.002) AIS -0.008 * 0.246 *** -0.008 * (0.004) (0.037) (0.004) EDL 0.040 *** 0.588 *** 0.038 *** (0.005) (0.033) (0.005) OD -0.029 *** 0.015 -0.029 *** (0.009) (0.096) (0.009) SCL -0.003 0.085 *** -0.004 (0.002) (0.022) (0.002) HCL 0.197 *** 0.984 *** 0.195 *** (0.034) (0.341) (0.034) EA 0.006 *** (0.002) 常数项 -0.005 * -0.081 *** -0.005 * (0.003) (0.031) (0.003) 年份 控制 控制 控制 城市 控制 控制 控制 N 2290 2290 2290 R 2 0.963 0.740 0.963
本文采用Bootstrap方法进一步验证创业活跃度的中介作用,设定样本量为5 000,置信度为95%,检验结果如表8所示。由表8可知,创业活跃度的Bootstrap置信区间为[0.005,0.015],不包含0,表明创业活跃度的中介作用显著,进一步证明假设H2成立。
表8 创业活跃度中介作用的Bootstrap检验结果
Table 8 Bootstrap test results for the mediating role of entrepreneurial activity
效 应 效 应 量 S E L L C I U L C I 总 效 应 0 . 0 4 7 0 . 0 0 5 0 . 0 3 7 0 . 0 5 7 直 接 效 应 0 . 0 3 7 0 . 0 0 4 0 . 0 2 9 0 . 0 4 5 间 接 效 应 0 . 0 1 0 0 . 0 0 3 0 . 0 0 5 0 . 0 1 5
数字鸿沟和政府数字关注度在数字创新韧性影响城市新质生产力过程中的调节作用检验结果如表9所示。由列(3)可知,数字创新韧性与数字鸿沟乘积项的系数显著为负(β=-0.127,p<0.01),表明数字鸿沟削弱了数字创新韧性对城市新质生产力的影响,假设H3得到验证。数字鸿沟使得数字弱势城市难以平等地获取和使用数字技术,数字创新韧性难以转化为持续性创新动力,从而制约了其对新质生产力的推动作用。由列(5)可知,数字创新韧性与政府数字关注度乘积项的系数不显著(β=-0.009,p>0.1),假设H4未得到验证,表明政府数字关注度在数字创新韧性与城市新质生产力关系中的调节作用不成立。原因可能在于,政策执行存在一定滞后性[46],随着数字创新迭代不断加速,数字创新活动应对的冲击多为突发性事件,政府数字关注给予的政策支持难以及时发挥作用,导致政府数字关注度在数字创新韧性影响城市新质生产力过程中的调节作用不显著。
表9 数字鸿沟和政府数字关注度调节作用的检验结果
Table 9 Test results for the moderating roles of digital divide and government digital attention
变量 NQPF (1) NQPF (2) NQPF (3) NQPF (4) NQPF (5) DIR 0.004 ** 0.004 ** 0.005 *** 0.004 ** 0.004 ** (0.002) (0.002) (0.001) (0.002) (0.002) AIS -0.008 * -0.007 -0.010 **-0.008 * -0.008 * (0.004) (0.004) (0.004) (0.004) (0.004) EDL 0.040 *** 0.036 *** 0.028 *** 0.040 *** 0.040 *** (0.005) (0.005) (0.004) (0.005) (0.005) OD -0.029 ***-0.022 ** -0.011 -0.028 ***-0.028 *** (0.009) (0.009) (0.008) (0.009) (0.009) SCL -0.003 -0.003 -0.001 -0.003 -0.003 (0.002) (0.002) (0.002) (0.002) (0.002) HCL 0.197 *** 0.181 *** 0.123 *** 0.197 *** 0.198 *** (0.034) (0.033) (0.031) (0.034) (0.034) DD -0.015 ***-0.018 *** (0.002) (0.002) DIR ×DD -0.127 *** (0.006) GDA 0.003 0.003 (0.003) (0.003) DIR ×GDA -0.009 (0.016) 常数项 -0.005 * 0.008 ** 0.014 *** -0.005 * -0.005 * (0.003) (0.003) (0.003) (0.003) (0.003) 年份 控制 控制 控制 控制 控制 城市 控制 控制 控制 控制 控制 N 2290 2290 2290 2290 2290 R 2 0.963 0.964 0.970 0.963 0.963
本文研究结论包括:①数字创新韧性对城市新质生产力具有显著的正向影响,稳健性检验支持了这一结果。通过异质性分析发现,数字创新韧性对新质生产力的影响在高数字经济发展水平城市、服务型城市和大中型城市中显著为正,而在低数字经济发展水平城市、生产型城市和小型城市中不显著。②创新活跃度在数字创新韧性影响城市新质生产力的过程中发挥部分中介作用,数字创新韧性能够通过提升创新活跃度,进而促进城市新质生产力发展。③数字鸿沟在数字创新韧性影响城市新质生产力的过程中发挥负向调节作用,其削弱了数字创新韧性对城市新质生产力的正向影响。政府数字关注度在数字创新韧性影响城市新质生产力过程中的调节作用不显著。
(1)增强数字创新韧性,提升城市新质生产力。相关部门应搭建统一数据中台,整合研发数据资源,为数字创新韧性驱动城市生产力发展提供数据支持。同时,加快建设数字技术中试基地,推动人工智能、区块链等技术向传统产业渗透,培育多元化应用场景,从而推动城市新质生产力发展。此外,因地制宜实施差异化提升策略:对于高数字经济发展水平城市,应搭建数字创新风控平台,巩固创新链、供应链、产业链抗冲击能力,不断提升数字创新韧性,推动新质生产力快速发展;对于低数字经济发展水平城市,应加快完善数字基础设施,立足资源禀赋推进产业数字化改造,主动对接产业帮扶、技术合作,为数字创新韧性提升新质生产力创造条件。对于服务型城市,应完善知识产权运营、科创孵化等环节,加快培育数字服务新业态;对于生产型城市,应加快搭建工业互联网平台,补齐供应链金融、工业运维等生产性服务短板,释放数字创新韧性对新质生产力的推动作用。对于大中型城市,应进一步发挥政策与规模优势,完善城市级数字平台,提升数据配置效率,拓展数字技术应用场景,加快新质生产力发展;对于小型城市,需加强与周边大中城市的技术与产业合作,培育特色产业,推动新质生产力发展。
(2)提升创业活跃度,打开数字创新韧性提升城市新质生产力的通道。相关部门应搭建城市级数字创新协同平台,促进创业主体与高校、科研院所、企业之间的资源共享与技术合作。组建产业创新联盟,围绕新质生产力重点发展领域开展联合攻关,提升创业项目的针对性与产业化水平。同时,优化营商环境,完善知识产权保护制度,降低交易成本和创业风险,从而打通数字创新韧性驱动城市新质生产力发展的通道。
(3)弥合数字鸿沟,强化数字创新韧性对城市新质生产力的作用。相关部门应加大新型数字基础设施投入,为数字创新韧性驱动城市新质生产力发展提供硬件基础。同时,推动数字工具开放,针对不同行业开展差异化数字技能培训,激发各主体对数字技术的应用。此外,建立健全城市间数字创新协作机制,推动数据互通、平台共享,加速数字技术转化,为数字创新韧性推动城市新质生产力发展注入强化剂。
(1)从数字创新韧性出发探究其对城市新质生产力的影响,深化了新质生产力影响因素的相关研究。现有研究关注了数字创新与新质生产力之间的关系,缺乏分析数字创新韧性对城市新质生产力的影响。基于韧性理论,本文验证了数字创新韧性对城市新质生产力的正向影响,深化了新质生产力影响因素的相关研究。
(2)明晰了数字创新韧性作用于城市新质生产力的传导路径。基于技术创新理论,本文将创业活跃度纳入研究框架,验证了创业活跃度在数字创新韧性影响城市新质生产力过程中的中介作用,明晰了数字创新韧性影响城市新质生产力的传导路径,为数字创新韧性促进新质生产力的研究提供了新思路。
(3)拓展了数字创新韧性作用于城市新质生产力的边界条件。基于区域创新理论和信号理论,本文将数字鸿沟和政府数字关注度纳入研究框架,探讨了数字鸿沟和政府数字关注度在数字创新韧性影响城市新质生产力过程中的调节作用,拓展了数字创新韧性影响城市新质生产力的边界条件。
一是本文聚焦城市数字创新韧性单一维度展开分析,未来可以分维度进一步探究数字创新韧性对城市新质生产力的影响。二是本文采用回归方法考察数字创新韧性对城市新质生产力的影响,而不同因素可能对城市新质生产力产生联动作用,未来可以采用定性比较分析方法(fsQCA)考察多因素联动对城市新质生产力的组态影响。三是本文采用城市层面数据展开探讨,未来可以获取行业或企业层面数据,更细致地揭示数字创新韧性对新质生产力的作用机制。
[1] 卜伟, 张应允. 公共数据开放对新质生产力的赋能效应——基于社会再生产视角[J].科技进步与对策, 2025, 42(20):129-141.
[2] 聂光宇, 彭兴越, 唐秋雨. 中国特色金融发展赋能企业新质生产力——经验证据、现实挑战与对策建议[J].山西财经大学学报, 2024, 46(12):65-79.
[3] 廖恒, 邱志刚. 金融助力新质生产力的长效机制研究[J].理论与改革, 2024,37(3):52-61, 159.
[4] 毛毅坚. 知识产权治理与数字创新韧性:基于准自然实验的证据[J].云南财经大学学报, 2024, 40(3):97-110.
[5] YU D J, ZOU X L. The effect of smart city construction on the green evolution of enterprises under the formation of new-quality productivity:based on double machine learning models[J].Journal of Cleaner Production, 2025, 521:146286.
[6] 康健, 曹执令, 谢诗蕾. 数据要素赋能专精特新企业新质生产力涌现机制及其适配组态研究[J].科技进步与对策, 2025, 42(8):13-23.
[7] WANG J, QIAO L, ZHU G, et al. Research on the driving factors and impact mechanisms of green new quality productive forces in high-tech retail enterprises under China's dual carbon goals[J].Journal of Retailing and Consumer Services, 2025, 82:104092.
[8] 尹西明, 苏雅欣, 陈泰伦, 等. 场景驱动:产业智能化加速新质生产力发展的逻辑与路径研究[J].中国科学院院刊, 2025, 40(6):1070-1081.
[9] 王奕淇, 张华玮. 数字技术创新对城市新质生产力的影响研究[J/OL].科研管理, 1-14[2025-07-25].http://kns.cnki.net/kcms/detail/11.1567.G3.20250617.1828.004.html.
[10] 胡甲滨, 俞立平. 创新韧性对高技术产业创新的影响机制与特征研究[J].科技进步与对策, 2022, 39(2):49-59.
[11] 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.
[12] 廖杨月, 余传鹏, 林春培. 数字创新韧性:概念、测量与演化模式识别——基于中国制造业上市企业的分析[J].科学学研究, 2025, 43(8):1676-1686.
[13] 王琳, 贾书真, 王亚梅. 企业创新韧性、风险投资力度与产业结构升级[J].金融经济学研究, 2026, 41(1):66-81.
[14] HASSINK R,MARQUES P.The regional innovation paradox revisited[M].London:Routledge,2015.
[15] 王欣悦, 白雪洁. 数字技术互补、数字要素流动与城际经济周期协同性[J/OL].当代经济科学, 1-15[2026-03-02].https://link.cnki.net/urlid/61.1400.F.20260209.1105.002.
[16] 赵婉楠. 新型举国体制视角下促进企业技术创新的税收政策研究[J].宏观经济研究, 2022,44 (12):83-97.
[17] 张贵, 孙建华. 数智赋能:智慧城市建设如何影响城市创新韧性 [J].经济与管理研究, 2026, 47(1):100-115.
[18] HOLLING C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics,1973, 4:1-23.
[19] ANCA M,GEORGETA S.A structural framework for assessing the digital resilience of enterprises in the context of the technological revolution 4.0[J].Electronics, 2022, 11(15):2439.
[20] 张文武, 王进国, 赵顺吉. 数字金融对城市韧性的影响研究——基于新质生产力的视角[J].西南大学学报(社会科学版), 2024, 50(6):166-181.
[21] 汤凯, 刘晓康, 王海杰. 促进还是抑制——城市收缩与新质生产力发展[J].管理学刊, 2025, 38(4):108-121.
[22] 吴群, 韩天然, 杜媛媛, 等. 数字技术赋能平台创新生态系统韧性提升研究[J].经济与管理研究, 2025, 46(3):112-127.
[23] 宋新宇, 罗光强. 区域数字创新创业共生下数字创业的驱动机制与组态路径研究——基于全国100个大中城市的证据[J].科学管理研究, 2026, 44(1):121-131.
[24] 阳杨, 郭佳钦, 王少国. 新质生产力、创业活跃度与城市高质量发展[J].科技进步与对策, 2024, 41(22):1-12.
[25] 肖春梅, 黄桂鑫. 数字经济是否提升了城市韧性:来自中国285个城市的经验证据[J].区域经济评论, 2023,11(4):117-125.
[26] 余江, 孟庆时, 张越, 等. 数字创新:创新研究新视角的探索及启示[J].科学学研究, 2017,35(7):1103-1111.
[27] 陈鸣, 王志帆. 以“数”赋能,向“新”提质:数据要素市场化与城市新质生产力[J/OL].重庆大学学报(社会科学版), 1-13[2025-08-01].https://link.cnki.net/urlid/50.1023.C.20241129.0928.002.
[28] 金环, 于立宏. 双创示范基地对经济高质量发展的影响研究[J].科研管理, 2023, 44(10):35-42.
[29] VAN DEURSEN A J A M, VAN DIJK J A G M. The first-level digital divide shifts from inequalities in physical access to inequalities in material access[J].New Media &Society, 2019, 21(2):354-375.
[30] 谢宜泽. 中国式数字化之路:从跨越数字鸿沟到构建数字中国[J].经济学家, 2023,35(12):104-113.
[31] 王勤升, 王宁宁, 王佳琦. 中国城市新质生产力的空间关联网络结构演化特征及影响因素[J].世界地理研究, 2026, 35(3):136-149.
[32] 胡润哲, 梅慧璇, 魏君英. “桥梁”还是“鸿沟” 新质生产力对城乡消费差距的影响[J].经济与管理研究, 2025, 46(12):3-20.
[33] 陈桂生, 徐铭辰. 基于数字素养与技能的韧性治理[J].江淮论坛, 2023,66 (1):42-49.
[34] 阳镇, 凌鸿程, 陈劲. 城市绿色发展关注度与企业绿色技术创新[J].世界经济, 2024,47 (1):211-232.
[35] BOYDSTUN A E, BEVAN S, THOMAS H F. The importance of attention diversity and how to measure it[J].Policy Studies Journal, 2014, 42(2):173-196.
[36] 钟坚, 冯峥. 知识产权制度建设与企业数字技术创新——来自中国制造业上市公司的证据[J].广东财经大学学报, 2024, 39(3):114-128.
[37] 杨玉敬. 数字创新韧性对实体经济高质量发展的影响效应检验[J].统计与决策, 2025, 41(16):105-110.
[38] MARTIN R, GARDINER B. The resilience of cities to economic shocks:a tale of four recessions (and the challenge of Brexit)[J].Papers in Regional Science, 2019, 98(4):1801-1833.
[39] 赵鹏, 朱叶楠, 赵丽. 国家级大数据综合试验区与新质生产力——基于230个城市的经验证据[J].重庆大学学报(社会科学版), 2024, 30(4):62-78.
[40] 白俊红, 张艺璇, 卞元超. 创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济, 2022,39(6):61-78.
[41] 张正荣, 梅可, 高枫, 等. 数字鸿沟对中国式现代化的影响研究——基于绿色科技创新视角[J].软科学, 2025, 39(6):61-68.
[42] NISHIDA T, PICK J B, SARKAR A. Japan's prefectural digital divide:a multivariate and spatial analysis[J].Telecommunications Policy, 2014, 38(11):992-1010.
[43] 解洪涛, 王嘉庆. 数字化赋能全过程人民民主:人大预算联网监督改革实践与成效分析[J].财政研究, 2024, 45(1):45-60.
[44] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界, 2020, 36(10):65-76.
[45] 周鹃, 盛宇华. 数实融合与要素配置扭曲:作用机理与经验证据[J].科技进步与对策, 2026,43(10):53-62.
[46] 李露, 徐维祥. 数字乡村建设:通往城乡融合的路径检验——来自长三角电子商务进农村综合示范县的证据[J].自然资源学报, 2025, 40(10):2786-2807.