The Reshaping Effect of Digitalization on Regional Innovation Geography: A Study Based on the Empirical Data of Cities in China

Wen Ludi1, Guo Shufen2

(1.School of Business Administration, Shanxi University of Finance and Economics;2.School of Public Administration, Shanxi University of Finance and Economics, Taiyuan 030006, China)

Abstract：China is one of the largest digital economies in the world, and it is served as one of the most important testing grounds for digital transformation. Although digitalization is constantly promoting the diffusion of knowledge in physical and virtual spaces, the existing studies have rarely focused on the potential power to cause the changes in regional innovation geography. Since the digital technologies have triggered a new round of innovation growth, they are reshaping the geography of regional innovation in China. This paper aims to investigate the reshaping effect of digitalization on regional innovation geography based on the theory of backwardness advantage. It is of great practical significance for digital dividend sharing and regional coordinated development by judging scientifically the impact of digitalization on China′s regional innovation geography.

Using 283 city observations in China from 2013-2021,this paper systematically studies the role of digitalization in reshaping regional innovation geography. It selects four dimensions of digital infrastructure, digital element input, digital industry output and digital transaction development to calculate the digitalization index at the city level. Then it constructs the convergence model incorporating the digitalization moderating mechanism to examine the impact of digitalization on the convergence of regional innovation. This paper also investigates the heterogeneous influence of digitalization on the internal innovation convergence process in the northern and southern regions. Furthermore, using the panel threshold regression method, it reveals the nonlinear evolution of the impact of digitalization. The results imply that, first, the overall level of digitalization in China has been continuously improving in recent years, but the digital construction of cities has become polarized. Second, the convergence process of China′s regional innovation and digitalization facilitates the acceleration of this trend significantly. This result still holds after a series of robustness tests. Third, the heterogeneity analysis shows that there is club convergence in regional innovation in the north and south of China, and the innovation convergence rate in the south is faster than that in the north, while the acceleration effect of digitalization on innovation convergence in the north is obviously stronger. Last, the digitalization has an obvious double-threshold effect on regional innovation convergence. Only when the digitalization level reaches the threshold value of 0.154 can it show a significant acceleration effect on the convergence process of regional innovation.

To sum up, this paper explains the impact of digitalization on regional innovation geography and provides a reference for the new round of digital construction strategies in China. Then it puts forward the following policy implications. Overall, the digital infrastructure construction should be further popularized, with special emphasis on improving the network penetration of underdeveloped cities, and incorporating marginal cities into digital networks to realize economies of scale. For the central government, by scientifically judging the influence of digitalization on regional innovation geography in different regions and stages, digital construction can be an effective and new means to promote high-quality and coordinated regional development. Late-developing cities should employ comparative advantages and digital means to strengthen innovation cooperation with developed cities, further transform exogenous knowledge into endogenous pursuit power, and achieve high-level convergence in innovation. While developed cities should make full use of digital infrastructure to expand the effective scope of innovation spillovers, formulate sustainable inter-regional digital economic dividend sharing policies, and drive late-developing regions to carry out innovation activities at different levels.

Compared with previous studies, this paper contributes to the literature in three important ways. First, it studies the role of digitalization in reshaping the regional innovation geography, which is an expansion of the research field of digitalization affecting regional innovation. Second, by introducing a digital adjustment mechanism based on the conditional β convergence model, this paper overcomes the limitation that the conditional β convergence model is only used to describe convergence facts. Third, it further analyzes the threshold conditions for digitalization to accelerate the process of regional innovation convergence, and studies the characteristics of regional clubs in the effect of digitalization on reshaping the regional innovation geography. By analyzing threshold effects and heterogeneous facts of digitalization, it provides a decision-making reference for the government to make targeted digitalization strategies.

Key Words：Digitalization; Regional Innovation Geography; Conditional β-Convergence; Threshold Model

DOI：10.6049/kjjbydc.Q202206024

开放科学(资源服务)标识码(OSID)：

中图分类号：F204

文献标识码：A

文章编号：1001-7348(2024)10-0046-11

收稿日期：2022-06-29

修回日期：2022-10-23

基金项目：国家社会科学基金项目(20BJY040)

作者简介：温璐迪(1995—),女,山西长治人,山西财经大学工商管理学院博士研究生,研究方向为区域创新、数字经济;郭淑芬(1970—),女,山西长治人,博士,山西财经大学公共管理学院院长、教授、博士生导师,研究方向为区域创新与资源优化配置。本文通讯作者:郭淑芬。

武汉大学区域经济研究中心 协办

0 引言

2019年,中央财经委员会第五次会议指出,我国经济发展的空间结构正在发生深刻变化,新形势下促进区域协调发展,要按照客观经济规律调整完善区域政策体系。在创新驱动发展战略背景下,区域协调发展本质上取决于区域创新空间格局收敛与否。当前,伴随着大数据、云计算、人工智能等新一代数字技术的广泛应用与深度嵌入,数字化不断推动创新要素在虚拟空间迭代与聚合,为重塑区域创新格局提供了可能。理论上讲,新兴数字技术可以克服空间、社会与技术限制,降低创新资源实施门槛(孟庆时等,2022),为后发地区向先发地区追赶创造条件。同时,数字基础设施在促进区域创新协作、推动创新扩散与知识溢出等方面发挥着重要作用[1]。然而,数字化普及存在两极分化现象[2-3],各地区在数字基础设施、数字应用场景、数字技术人才等方面存在的差距导致区域创新空间形成极化趋势。因此,数字化能否成为我国区域创新格局收敛的新契机?伴随着数字化水平的变化,区域创新格局呈现哪些新趋势?2021年,中国数字经济规模高达7.1万亿美元,位居世界第二,已成为全球最重要的数字化转型试验场之一。以2013年“宽带中国”战略为起点的数字化蓬勃发展的区域创新实践可知(见图1),中国283个城市每万人专利申请数和授权数分别由2013年的12.060件、9.785件增长为2021年的34.238件、33.493件。同时,人均专利申请数和人均专利授权数基尼系数则分别由2013年的0.624、0.629降至2021年的0.512、0.494。据此推断,数字化在加速推进中国城市创新水平提升的同时,促使区域创新格局呈现日趋收敛趋势。在此背景下,本文系统分析数字化水平提升对中国区域创新格局演变进程的影响,以及这种影响是否因数字化发展水平不同而表现出阶段性差异。

本文梳理相关文献发现,数字化研究起步虽然较晚但发展势头迅猛,经历了从主要关注数字化测度[4-5]到数字化对经济发展的驱动作用[6]。诸多学者指出数字化对区域创新空间溢出[1]、新兴国家包容性创新[7]具有积极影响,数字化与经济地理格局的关系[8]也成为重要研究方向。也有学者考察数字化对区域创新格局的影响,如研究数字化对不同国家[9]或地区创新的影响[10],抑或是考察数字化对区域创新集聚的影响[11-12]。其中,Forman等[11]利用美国县级经验数据发现,互联网可通过远程专利合作降低先前专利对当期专利的知识存量,阻止创新活动在地理上的集聚,得出互联网对区域创新格局收敛具有积极影响的结论;韩先锋等[13]基于中国省际面板数据实证研究发现,“互联网+”已成为新时期影响中国区域创新效率收敛的重要因素。前者基于美国情景考察早期互联网的影响,未提供中国情景下的经验证据;后者从中国省份层面对创新效率展开研究,但忽略了省内各城市间创新水平差异。综上所述,既有研究为探讨数字化发展与区域创新格局提供了一定的理论基础和实证证据,但对于数字化更能促进发达地区还是落后地区创新水平提升的结论存在较大分歧,未从全局视角回答数字化究竟加速区域创新格局极化还是收敛。另外,虽然学者考察互联网与我国省域创新效率收敛的关系,但较少探讨数字化对城市层面创新水平的收敛效应,且这一效应实现的门槛条件有待检验。

基于此,本文以城市为研究尺度,将数字化动态发展阶段纳入分析框架,考察数字化进程对中国区域创新格局演变的影响,并利用2013-2021年中国内地283个地级市面板数据进行实证研究。本文边际贡献在于:第一,研究数字化对区域创新格局的重塑效应,对数字化影响区域创新研究领域作出拓展,认为科学研判数字化对中国区域创新格局的影响是数字经济背景下构建区域协调发展新格局的重要前提;第二,在条件β收敛模型的基础上纳入数字化调节机制,克服条件β收敛模型仅用于收敛性事实刻画的局限性,有助于从全局视角探究数字化对区域创新格局的影响;第三,基于数字化发展阶段分析数字化加速区域创新收敛进程的门槛条件,并研究数字化对区域创新格局重塑效应的地区俱乐部特征,从而得出更细致的结论和更具针对性的政策建议。

1 理论分析与研究假设

1.1 数字化对区域创新格局的收敛效应

区域创新格局在宏观上表现为区域创新要素集聚与溢出所形成的创新活动空间分布[8,11],其演进趋势呈现极化或收敛两种类型,动因是先发地区与后发地区之间的创新增长差异在拉大或缩小。一种观点认为,创新溢出遵循一定的等级扩散规则,先发地区通过创新积累占据技术优势[14],拉大与后发地区的创新增长差距,从而导致区域创新格局趋于极化;另一种观点却认为,创新过程往往伴随着基础知识存量扩大,这一重要副产品不属于创新垄断租金[15],因而为区域创新格局收敛提供了可能。后发追赶理论认为,后发地区可以低成本获得基础知识溢出,通过研发外包、技术购买、合作专利等有偿方式获得前沿技术溢出,以快速追赶先发地区创新水平。

Nelson &Phelps[16]通过构建技术追赶模型指出,后发地区只有保持或提升吸收能力才能实现从潜在后发优势到实际生产力的跨越,如公式(1)所示。

(1)

其中,A(t)代表该地区技术水平,代表技术增长率,T代表世界技术前沿,φ(·)为吸收能力函数。该模型认为,如果后发地区与世界技术前沿地区存在一定技术水平差距,并且后发地区吸收能力越大,越有可能模仿学习先发地区的知识、技术、经验优势,并将其转化为实际生产力。而吸收能力函数φ(·)主要受到技术可及性、学习能力和宏观背景的影响[17]。

根据技术追赶模型,数字化重塑区域创新格局的关键在于数字化对后发地区吸收能力的影响。一方面,数字化能够降低后发地区创新要素稀缺程度,进而增强其对前沿技术的可及性。伴随着数字技术的快速发展,创新要素实现跨边界流动与扩散,能够有效改善后发地区产学研创新主体的要素禀赋。有文献指出,在数字化时代地理因素的重要性受到冲击[18],数字化具有打破地理约束、打通虚拟与实体组织边界以及改变创新要素传统等级跳跃和扩散范围等特征[2,15]。在互联网快速崛起的早期诞生了“地理距离消亡论”,Friedman[19]认为互联网促使世界各个角落的人实现前所未有的交互交谈,在技术层面为“世界是平的”打下坚实基础。另外,数字化通过增加远程合作发明专利阻止创新活动地理集聚[11]。网络基础设施能够缓解创新主体之间的信息不对称,降低交易成本,对城际协同创新具有重要作用[20]。数字化能够突破时空约束,增强后发地区对前沿技术扩散的可及性[13],为后发地区创新追赶提供机会窗口,从根本上重构一个更为均衡的区域创新空间格局;另一方面,数字化能够变革知识交流方式,激发更广泛、更多元的知识重组与创新溢出,提升先发地区对后发地区的辐射带动作用,进而提高后发地区学习能力。数据要素具有非竞争性、非排他性、低成本复制等特征(蔡跃洲等,2021),数字技术能够极大程度上降低各类经济活动搜寻成本、边际成本、追踪成本和验证成本[21],创造新技术—经济范式。数字经济通过开放源代码、共享数据等方式将部分隐性知识转化为显性知识,降低后发地区学习成本,使后发地区创新主体更容易进行新技术和新知识研发。同时,线上交流方式有助于放大显性知识与隐性知识溢出的全域性[22]。截至2021年,腾讯会议服务覆盖全球220个国家和地区,用户数接近2亿人,线上会议次数超过40亿次,这种基于数字技术搭建的全球交流平台为后发地区创新主体共享海量数据并获得知识溢出效应拓展了交流渠道和范围。后发地区借助数字平台嵌入发达地区创新网络,通过对更广泛、更多元的信息流、知识流、技术流进行有效获取与整合应用[23]积累学习能力。综上所述,数字化能够赋能后发地区技术可及性和学习能力,从而加速后发地区向先发地区创新收敛。据此,本文提出如下假设:

H1:数字化有助于缩短后发地区(初始创新水平较低地区)向先发地区(初始创新水平较高地区)的追赶时间,从而加速中国区域创新格局收敛进程。

1.2 数字化的门槛效应

数字化对区域创新格局影响的总体效应可能会掩盖不同数字化发展水平下重塑效应的演化特征。梅特卡夫定律指出,只有当数字网络规模扩大到一定程度时,用户才能从网络效应中获得普遍的额外福利[8]。在数字化初期,网络效应可能会导致“赢者通吃、快者通吃”的局面,因为数字化领域技术进步具有一定技能性或资本偏向性[2],经济基础较好地区往往具有先发优势,会最先受益于数字化发展。与此同时,在数字化初期,不同地区在配套要素应用及互补政策等方面存在数字鸿沟[24],会阻碍创新扩散,造成区域创新马太效应。伴随着数字化应用场景的日益丰富,数字技术应用成本不断下降,后发地区具备一定人才、资金、技术等互补要素,从而更有可能获得数字化创新扩散与知识溢出效应,进而从整体上形成区域创新格局收敛趋势。通用技术理论认为,新兴数字技术等通用技术的适用性需要额外费用[25],因而数字技术广泛普及是后发地区从数字网络中受益于数字化知识扩散效应的前提。与以往降低信息成本的技术类似,数字技术可能会同时推动扩散和集聚[26]。因此,数字化对区域创新格局的收敛效应取决于数字化普及广度和深度。数字化自身发展水平对区域创新格局的重塑效应呈现阶段性特征,数字化对区域创新格局的收敛效应具有一定的实现情境。据此,本文提出如下假设:

H2:数字化对区域创新格局的收敛作用存在门槛效应,只有当数字化水平达到较高程度时,其对区域创新收敛才具有显著加速效应。

2 研究设计

2.1 模型构建

2.1.1 条件β收敛模型

收敛模型最早源于新古典增长理论,用于研究各国经济增长或人均收入增长差异,随后拓展到创新发展领域[13]。Barro等[28]提出绝对β收敛和条件β收敛。绝对β收敛假设在完全一致结构下,区域创新增速与初始创新水平呈反向关系,所有地区创新水平会收敛于相同稳态;条件β收敛指出区域创新增速不仅取决于初始创新水平,还受到其它条件的影响。条件β收敛模型在绝对β收敛模型的基础上加入一系列控制变量,将其它因素考虑在内因而更加贴近现实。因此,本文采用条件β收敛模型研判当前阶段中国区域创新格局,模型如式(2)所示。

(2)

其中,为各城市在(t+T)期的创新增速,本文借鉴韩先锋等[13]的做法,取T=1;lnPate表示区域初始创新水平;X表示所有控制变量;α为常数项;β1表示收敛系数;γ表示控制变量系数;μ为个体固定效应;λ为时间固定效应;ε为随机误差。下标i表示城市,t表示年份。预期收敛系数β1<0表示各城市创新增速与初始创新水平呈反向关系,即后发地区创新增速更快,整体上区域创新格局呈现条件收敛趋势。

2.1.2 纳入调节机制的条件β收敛拓展模型

数字化对区域创新格局的影响表现为数字化调节后发地区向先发地区的收敛进程。例如,Forman等[11]采用前期专利与互联网交互项考察互联网对专利增长存量优势的影响,指出其会削弱美国发明活动地理集中程度。本文借鉴这一思想,以数字化对区域创新收敛进程的调节作用考察数字化对区域创新格局的影响。在式(2)的基础上加入数字化水平与区域初始创新水平的交互项,构建条件β收敛拓展模型,如式(3)所示。为便于回归分析,对交互项作中心化处理(江艇,2022)。

(3)

其中,Dig表示数字化水平;β2反映数字化水平对区域创新收敛过程的调节效应;δ表示数字化水平系数。为更好地考察数字化对区域创新收敛的作用,进一步对式(3)求创新增速对初始创新水平的偏导,得到式(4)。

(4)

可以看出,等号左侧各城市创新增速与初始创新水平关系不仅受等号右侧收敛系数β1的影响,还受数字化水平Dig(Dig>0)与初始创新水平交互项系数β2的影响。假设β1<0,即整体区域创新格局呈现有条件的收敛趋势。若β2<0,表示数字化水平越高,各城市创新增速与初始创新水平的反向关系越强,即数字化越能够加速区域创新收敛进程;若β2>0,则表示数字化水平越高,各城市创新增速与初始创新水平反向关系越弱,即数字化越能够放缓区域创新收敛进程。因而,β2为本文重点关注参数,通过考察β2可以反映数字化对区域创新格局的重塑效应。

2.1.3 门槛模型

为进一步揭示数字化对区域创新格局的影响,本文在条件β收敛拓展模型的基础上加入数字化水平作为门槛变量,构建如式(5)所示的门槛回归模型。

(5)

其中,τ为门槛变量阈值;I(·)为示性函数,如果括号内表达式为真则取值为1,反之则取值为0;β2-1、β2-2、β2-3分别表示数字化水平与区域创新水平交互项系数β2在不同区间的取值。同样,为便于理解数字化水平的门槛效应,进一步对式(5)求创新增速对初始创新水平的偏导,得到式(6)。

(6)

可以看出,等号左侧各城市创新增速与初始创新水平关系既受等号右侧收敛系数β1的影响,又受数字化水平Dig(Dig>0)在不同区间与初始创新水平交互项系数β2-1、β2-2、β2-3的影响。同样,假设β1<0,即整体区域创新格局呈现有条件的收敛趋势。若β2-1、β2-2、β2-3部分或全部显著,则表明数字化对区域创新收敛趋势的影响因城市数字化水平所处区间不同而不同,即数字化存在门槛效应;反之,则表明数字化不存在门槛效应。

2.2 变量解释

2.2.1 区域创新水平

专利已被广泛应用于区域创新水平测度,是以产出导向衡量区域创新活动的常用指标,专利申请量能够很好地体现当期区域创新水平,并反映各地区创新活动活跃程度。为消除人口规模与异方差的影响,本文选取人均专利申请量的对数衡量区域创新水平(lnPate)。

2.2.2 数字化水平

数字化内涵比较宽泛,凡是直接或间接利用数据引导资源发挥作用、促进生产力发展的经济形态转型都可纳入范畴[4]。本文讨论的数字化是指以互联网、5G网络、云平台等数字基础设施为交换数据、信息和知识的传输载体,在世界范围内相互连接的数字技术在生产生活中的发展应用。数字化水平是反映区域数字化发展的重要指标,当前研究主要包括3类:一是采用互联网普及率等单一指标指代(江艇,2021);二是从技术视角出发,以数字技术专利反映[28-29];三是从传统互联网、移动互联网和数字金融等方面设置评价指标体系进行分析[4]。考虑到城市数字化的复杂性与城市层面数据的可得性,本文采用第3种方式,从数字基础设施、数字要素投入、数字产业产出、数字交易发展4个方面测度区域数字化水平(Dig)。其中,数字基础设施包括互联网普及率和移动电话普及率,分别以每百人互联网用户数、每百人移动电话用户数表示;数字要素投入以信息传输、计算机服务和软件业从业人员占就业人数比重衡量;数字产业产出以人均电信业务量反映;数字交易发展以中国数字普惠金融指数表征。最后,采用熵权法测算中国283个城市数字化水平指数,数字基础设施、数字要素投入、数字产业产出、数字交易发展权重系数分别为0.233、0.289、0.356、0.122。

进一步,本文运用高斯核密度估计法绘制2012年、2015年、2018年、2020年283个城市数字化水平的核密度图,如图2所示。需要说明的是,因收敛模型式(2)中T=1,故此处考察数字化水平为滞后一期数据。可以看出,2012-2020年数字化核密度曲线逐年向右移动,但存在明显的右拖尾特征,且核密度曲线右侧出现较为明显的次峰。这表明,虽然近年来我国数字化水平整体不断提升,但各城市数字化水平差异较大,城市数字化建设出现两极分化发展态势。

2.2.3 控制变量

区域创新产出增长与创新投入、创新环境关系密切,因此本文从创新投入和创新环境两个方面设置以下控制变量:①创新要素集聚(Rd):创新人才作为城市创新最积极活跃的因素,是创新活动顺利开展的前提,创新驱动本质上离不开创新人才驱动,基于数据可得性,本文借鉴李洪涛和王丽丽(2021)的研究,以科研、技术服务和地质勘查业从业人员数占就业人数的百分比衡量创新要素集聚;②人力资本(Edu):人力资本可有效提升地区获取、应用、创造知识的能力,是影响区域创新增长差异的重要因素[16],通常采用人均受教育年限衡量区域人力资本水平,但受限于城市层面数据可得性,基于工资水平是人力资本的价值反映,将城市职工平均工资与所在省份职工平均工资之比作为调整系数计算城市人力资本水平,计算公式为:Humij=ωij/ωj×(6×hj1+9×hj2+12×hj3+16×hj4)。其中,ωij表示j省份i城市职工的平均工资,ωj表示j省份职工的平均工资,hjk(k=1,2,3,4)分别表示j省份小学、初中、高中、大学专科及以上文化程度的人口比重;③经济发展水平(GDP):本文利用实际人均生产总值的对数衡量经济发展水平,并以2012年为基期进行平减;④政府支持(Gov):从创新投入到创新产出都面临极大的不确定性,且基础研究等创新活动具有公共物品属性,离不开政府扶持,本文以地方财政支出中科学技术支出所占百分比衡量政府支持;⑤对外开放(FDI):外商直接投资通过示范效应、竞争效应对东道国产生技术溢出,本文以实际利用外商直接投资与GDP之比作为衡量对外开放水平的指标;⑥金融环境(Fin):创新具有高资金投入、高风险特征,金融服务能够提高创新融资便利性,极大程度上影响研发成果转化,故本文以金融机构存贷款余额与GDP之比衡量金融环境;⑦城市化水平(Urb):城市是生产力最集中的地方,城市化通常包括人口城市化与空间城市化,为凸显城市对创新活动的空间承载力,本文借鉴尹鹏等[30]的研究,以建成区面积占土地面积的百分比衡量。

2.3 研究对象与数据来源

城市是创新要素与产业集群集聚的重要载体。因此,本文从城市层面考察数字化对中国区域创新格局的影响。由于毕节、铜仁等城市以及各相关自治州数据存在缺失,因此以中国283个地级及以上城市数据作为研究样本。结合数据可得性与连贯性,将研究窗口期设定为2013-2021年。其中,数字金融发展数据来源于北京大学数字金融研究中心和蚂蚁金服集团共同编制的中国数字普惠金融指数[5],专利数据来源于中国专利数据库,其它原始数据来源于相应年份《中国城市统计年鉴》,并结合地方统计年鉴、统计公报或使用线性插值法补齐个别样本缺失值。变量描述性统计结果如表1所示。

3 实证结果分析

3.1 数字化收敛效应回归结果

基于理论分析,首先利用条件β收敛模型对中国区域创新格局进行初步分析,随机效应模型和固定效应模型回归结果分别如表2第(1)(2)列所示,Hausman检验结果表明应选用固定效应模型。表2第(2)列固定效应模型结果显示,收敛系数β1在1%水平上显著为负,表明初始创新水平较高地区创新增速较慢,而初始创新水平较低地区创新增速较快,先发地区与后发地区创新增长在长期内趋于收敛。

进一步,运用纳入调节机制的条件β收敛拓展模型检验数字化对区域创新收敛进程的调节效应,随机效应模型和固定效应模型回归结果如表2第(3)(4)列所示,Hausman检验结果同样表明应选用固定效应模型。表2中第(4)列固定效应模型结果显示,收敛系数β1依然显著为负,而数字化与初始创新水平交互项系数β2在1%水平上也显著为负,表明数字化对区域创新收敛具有同方向调节作用,即数字化能够显著加速区域创新收敛进程,假设H1得到验证。韩先锋等(2021)基于中国省级数据得到相似结论,表明在考虑“互联网+”驱动效应后,创新效率较低省份赶上创新效率较高省份所需时间缩短。在全球数字化进程中,中美两国数字经济体量处于全球前列,本文与Forman等[11]利用美国县级经验数据得到的结论相似,均认为数字化创新效应呈现区域均衡特征。

此外,数字化对区域创新增速的影响显著为正,表明数字化发展为区域创新注入新动力,正在引起新一轮创新提速。Vu &Asongu[31]通过理论模型推导指出,信息化普及有助于增强各国获取全球知识的能力,从而提高全球技术稳态水平。其余控制变量创新要素集聚、人力资本、经济发展、政府支持、金融环境、城市化水平对区域创新增速具有正向促进作用,对外开放系数为负但不显著,原因可能是部分地区地方政府为实现经济增长引进科技含量较低的外资项目,或是本地企业对外资技术依赖度过高,在一定程度上对本地区创新活动产生挤出效应。

由上述分析可知,数字化引发中国新一轮创新提速的同时,正在加速区域创新收敛进程。本文绘制数字化重塑区域创新格局示意图,如图3所示。其中,横坐标轴表示时间,纵坐标以每万人专利申请数表示区域创新水平,Ph、Pl分别表示先发地区、后发地区创新水平,ΔP表示两地区之间的创新差距。数字化发展促使先发地区与后发地区创新水平分别由Ph、Pl上升到与此同时,数字化突破时空限制,激发更广泛、更多元的创新溢出,降低后发地区创新要素的稀缺性,提高后发地区对前沿技术的可及性,促使先发地区与后发地区之间的创新差距由原来的ΔP缩小为ΔP′。纵向比较两地创新水平均有所提升,横向比较两地创新差距缩小速度加快,从而促进区域创新收敛,这为“在发展中促进相对平衡”提供了新思路。同时也表明,数字技术在一定程度上强化了后发地区追赶效应,为其创新提速注入新一轮动力支撑。这一结论得到跨国研究的呼应,Vu &Asongu[31]通过比较发展中国家与发达国家经济体发现,发展中国家能从ICT投资中获取更多增长收益,认为ICT加快了发展中国家“跨越式发展”速度。

3.2 稳健性检验

(1)更换区域创新水平度量指标。专利申请授权量是度量创新产出的重要指标,考虑到通过国家知识产权局审核的专利质量具有可靠性和一致性,故将区域创新水平指标更换为人均专利申请授权量的对数,使用条件β收敛模型和条件β收敛拓展模型重新进行检验,结果如表3第(1)(2)列所示。结果显示,收敛系数β1与交互项系数β2在1%水平上显著为负,表明数字化发展有助于加速中国城市创新格局收敛进程,这一结果与本文主要研究结论一致。

(2)改变时间序列。鉴于已有创新成果影响后续创新产出需要一定时间,故本文对解释变量、调节变量及控制变量作滞后2年处理(T=2),利用条件β收敛模型和条件β收敛拓展模型重新进行回归,结果如表3第(3)(4)列所示。从中可见,收敛系数β1与交互项系数β2在1%水平上显著为负,表明数字化发展有助于加速中国城市创新格局收敛进程,这与本文主要研究结论依然一致。

(3)克服样本选择偏误。考虑到直辖市与其它地级市经济社会发展资源和环境存在明显差异,行政级别的特殊性可能会掩盖中国城市创新格局更普遍的特征,故从样本中剔除北京、天津、上海、重庆4个直辖市,再次检验条件β收敛模型与条件β收敛拓展模型,结果如表3第(5)(6)列所示。从中可见,收敛系数β1与交互项系数β2在1%水平上显著为负,表明数字化发展有助于加速中国城市创新格局收敛进程,说明本文研究结论稳健。

(4)空间溢出效应。区域创新活动具有明显的空间关联性。先发地区创新活动伴随着显性知识与隐性知识溢出,且先发地区创新驱动发展成效会吸引后发地区竞相实施创新驱动发展战略,在空间层面产生“示范效应”[1],从而促进后发地区向先发地区追赶。因此,考虑区域创新空间溢出效应,在条件β收敛模型与条件β收敛拓展模型的基础上,增加区域创新增速与区域初始创新水平空间滞后项,构建如下空间计量模型:

(7)

(8)

其中,ρ为空间自回归系数;θ为区域创新水平空间滞后项系数;W为标准化后的空间邻接矩阵,若城市i与城市j有共同边界,则矩阵元素wij=1;反之,则wij=0。

本文利用空间杜宾模型(SDM)进行估计,结果如表3第(7)(8)列所示。从中可见,空间自回归系数、区域创新水平空间滞后项系数均显著为正,说明城市间创新活动具有显著正向空间外溢效应;收敛系数β1与交互项系数β2均在1%水平上显著为负,表明数字化发展有助于加速中国城市创新格局收敛进程。因此,在进一步考虑空间溢出效应后,本文研究结论依然稳健。

3.3 地区异质性分析

俱乐部收敛理论认为,收敛进程存在多种增长路径与多个均衡状态,本文进一步将收敛研究从单一稳态拓展到多个稳态共存[32]。事实上,当前中国区域经济发展出现新情况、新问题,南北方发展分化态势明显,南北差距再次成为讨论热点。通过绘制中国南北方地区创新水平差距图发现(见图4),2013—2021年中国南方地区人均创新产出始终高于北方地区,南北方区域创新水平绝对差距呈先扩大后缩小态势。

根据这一特征推测中国南北方可能收敛于不同均值水平。俱乐部收敛稳态由唯一值放宽到多值,以考察不同地区的内部收敛情况。本文借鉴俱乐部收敛思维[13],考察数字化对南北方地区内部收敛进程的异质性影响,结果如表4所示。第(1)(3)列结果显示,北方地区与南方地区收敛系数β1显著为负,且南方地区创新收敛系数绝对值更大。这表明,中国南北方地区创新水平增长存在俱乐部收敛,且南方地区创新收敛进程更快。第(2)(4)列结果显示,无论是北方地区还是南方地区,数字化与初始创新水平交互项系数均显著为负,但数字化对北方地区创新收敛的加速效应更明显。原因在于,数字化重塑区域创新格局的潜在机制体现为数字化能够降低后发地区创新要素的稀缺性,进而增强其对前沿技术的可及性和学习能力。北方地区整体创新水平偏低,内部后发地区创新要素尤为稀缺。而且,已有研究表明,相较于南方地区依托民营企业形成的多中心创新网络结构,北方地区依托国有企业形成单中心创新网络结构(邓慧慧等,2022),这一网络结构差异反映北方地区后发城市对前沿技术的可及性较差,因而更加依赖于数字化发展机遇以降低本地创新要素资源的稀缺性。

此外,第(2)(4)列结果显示,数字化对北方地区创新提速效应更显著,可能是因为南方地区数字化建设起步较早,数字化创新溢出红利提前释放,这一结果佐证了数字化有助于加速中国整体区域创新收敛进程的结论。韩先锋等[13]对区域创新效率的研究同样表明,在互联网发展较早、创新活动更为活跃的地区,“互联网+ ”对创新效率的促进效应以及对创新效率收敛的“加速器”效应不显著。

3.4 数字化门槛效应回归结果

基于上述理论分析,只有当数字化水平达到较高程度时,其对区域创新收敛才具有显著加速效应。本文利用门槛模型进一步检验数字化对区域创新收敛进程的调节效应,迭代次数设置为1 000,数字化水平门槛检验结果如表5所示。从中可见,在个体固定效应模型中数字化水平单门槛通过检验,门槛值为0.149,在双向固定效应模型中数字化水平双门槛通过检验,门槛值分别为0.102和0.154。

数字化水平门槛效应估计结果如表6所示。从中可见,双向固定效应模型拟合度优于个体固定效应模型。为与前文保持一致,对表6第(2)列双向固定效应模型进行分析。可以发现,表6第(2)列收敛系数β1在1%水平上显著为负,表明中国区域创新格局依然表现为收敛趋势。当数字化水平小于门槛值0.102时,交互项系数β2在5%水平上显著为正,表明此时数字化抑制了区域创新收敛进程;当数字化水平介于门槛区间(0.102, 0.154]时,交互项系数β2转为负数,但未通过10%显著性水平检验,表明数字化对区域创新收敛的调节作用由抑制效应转变为加速效应,但加速效应不明显;当数字化水平超越门槛值0.154时,交互项系数β2在1%水平上显著为负,表明数字化对区域创新收敛的作用表现出显著加速效应。这一结果表明,随着数字化水平的动态演化,其对区域创新格局的重塑效应发生改变。只有当数字化水平从低门槛区间跨入更高的门槛区间时,其对创新活动的扩散效应才有所增强,数字化对区域创新收敛的作用才表现为显著加速效应,假设H2得到验证。在数字化发展过程中,接入鸿沟、使用鸿沟、能力鸿沟等数字鸿沟是实现数字红利共享需要克服的难题[24]。当数字化水平较低时,创新溢出效应在中国区域间存在非对称与局域性特征。伴随着数字化应用场景的日益丰富,数字技术应用成本不断下降,后发地区更容易获取数字化带来的创新扩散与知识溢出效应,从整体上形成区域创新格局收敛趋势。结合图2可知,2012年超过一半的城市数字化水平小于0.102的门槛值,而到2020年所有城市数字化水平均跨越0.102的门槛值,并且绝大多数城市已经跨越0.154的门槛值,因此数字化对区域创新格局表现出显著创新收敛加速效应。

4 结论与启示

4.1 研究结论

深入探究数字化对中国区域创新格局的影响,对缓解区域发展不平衡矛盾、构建区域协调发展新格局具有重要意义。本文结合技术追赶模型分析数字化对区域创新格局的影响效应,将数字化发展阶段纳入分析框架,构建纳入数字化调节机制的条件β收敛拓展模型和门槛模型,利用2013—2021年中国内地283个城市经验数据检验数字化对区域创新格局的重塑效应及门槛条件,得出以下结论:第一,中国数字化水平整体呈上升趋势,但各地区数字化建设程度存在明显差异,表现出两极分化发展态势。第二,中国城市创新格局呈现收敛趋势,数字化能够显著加速区域创新收敛进程,推进数字化建设是强化后发地区创新追赶效应、重塑中国区域创新格局的重要抓手。第三,中国南北方地区创新水平增长存在俱乐部收敛,南方地区创新收敛速度快于北方地区,数字化对北方地区创新收敛的加速效果更明显。第四,数字化对区域创新格局的重塑机制表现出明显的阶段性效应。只有当数字化水平由低门槛区间跨入更高的门槛区间即达到0.154门槛值时,其对区域创新收敛进程的作用才具有显著加速效应。

4.2 研究启示

基于上述研究结论,本文提出以下政策启示:在国家顶层设计上,应普及数字基础设施建设,尤其重视加快欠发达城市网络普及速度,将边缘城市纳入数字网络以实现规模效应。在宏观层面上,需要科学研判在不同地区和不同数字化阶段下数字化对区域创新格局的影响,准确把握数字化发展规律,制定全局性、前瞻性数字化发展战略,以数字化建设作为推进区域高质量协调发展的重要抓手。同时,相对落后城市应结合自身发展阶段和比较优势,借助数字技术加强与发达城市的创新合作,进一步将外生知识根植为内生追赶动能,抓住数字化转型的“机会窗口”,实现创新高水平趋同。相对发达城市应充分利用数字基础设施扩大创新溢出效应,通过先发地区示范效应带动后发地区开展不同层次创新活动,制定可持续性区域数字经济红利共享政策。

参考文献：

[1] 梁琦,肖素萍,李梦欣.数字经济发展、空间外溢与区域创新质量提升——兼论市场化的门槛效应[J].上海经济研究,2021,39(9):44-56.

[2] KORINEK A, STIGLITZ J. Artificial intelligence, globalization, and strategies for economic development[R]. NBER Working Papers 28453, National Bureau of Economic Research, Inc, 2021.

[3] 刘传明,尹秀,王林杉.中国数字经济发展的区域差异及分布动态演进[J].中国科技论坛,2020, 36(3):97-109.

[4] 李研.中国数字经济产出效率的地区差异及动态演变[J].数量经济技术经济研究,2021,38(2):60-77.

[5] 郭峰,王靖一,王芳,等.测度中国数字普惠金融发展:指数编制与空间特征[J].经济学(季刊),2020,19(4):1401-1418.

[6] 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.

[7] PAUNOV C, ROLLO V. Has the internet fostered inclusive innovation in the developing world [J]. World Development, 2016, 78:587-609.

[8] 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.

[9] SPEZIA V. Are ICT users more innovative? an analysis of ICT-enabled innovation in OECD Firms[J]. OECD Journal: Economic Studies,2011(1):99-119.

[10] 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,2020,35(6):115-126.

[11] FORMAN C, GOLDFARB A, GREENSTEIN S. Information technology and the distribution of inventive activity[R]. NBER Working Papers 20036, National Bureau of Economic Research, Inc,2014.

[12] PAUNOV C, GUELLEC D, EL-MALLAKH N, et al. On the concentration of innovation in top cities in the digital age[R]. OECD Science, Technology and Industry Policy Papers, 2019.

[13] 韩先锋,李勃昕,董明放.“互联网+”有助于加速区域创新效率收敛吗[J].科研管理,2021,42(12):167-174.

[14] PRED A. City system in advanced societies[M]. London: Hutchinson, 1977.

[15] BENHABIB J, SPIEGEL M M. Human capital and technology diffusion[J]. Handbook of Economic Growth, 2005, 1(13): 935-966.

[16] NELSON R R, PHELPS E S. Investment in humans, technological diffusion, and economic growth [J]. The American Economic Review, 1966, 56(1/2):69-75.

[17] 白俊红,刘怡.市场整合是否有利于区域创新的空间收敛[J].财贸经济,2020, 41(1):96-109.

[18] ROGERS M. Absorptive capability and economic growth: how do countries catch-up[J]. Cambridge Journal of Economics, 2004, 28(4): 577-596.

[19] 黄鑫楠,孙斌栋,张婷麟.地理距离对互联网社会中网络信息传播的影响[J].地理学报,2020,75(4):722-735.

[20] FRIEDMAN T L. The world is flat: a brief history of the twenty-first century[M]. New York: Farrar, Straus, &Giroux, 2006.

[21] 种照辉,高志红,覃成林.网络基础设施建设与城市间合作创新——“宽带中国”试点及其推广的证据[J].财经研究,2022,48(3):79-93.

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

[23] 曹玉平.互联网普及、知识溢出与空间经济集聚——理论机制与实证检验[J].山西财经大学学报,2020,42(10):27-41.

[24] 李雪松,党琳,赵宸宇.数字化转型、融入全球创新网络与创新绩效[J].中国工业经济,2022,38(10):43-61.

[25] 邱泽奇,张樹沁,刘世定,等.从数字鸿沟到红利差异——互联网资本的视角[J].中国社会科学,2016,37(10):93-115,203-204.

[26] FORMAN C, GOLDFARB A, GREENSTEIN S. Geographic location and the diffusion of Internet technology [J]. Electronic Commerce Research and Applications, 2005,4:1-13.

[27] LEAMER E E, STORPER M. The economic geography of the internet age[J]. Journal of International Business Studies, 2001, 32(4):641-665.

[28] BARRO R J, SALA-I-MARTIN X. Convergence[J]. Journal of Political Economy, 1992,100(2):223-251.

[29] 陈楠,蔡跃洲.数字技术对中国制造业增长速度及质量的影响——基于专利应用分类与行业异质性的实证分析[J].产业经济评论,2021,20(6):46-67.

[30] 周芮帆,洪祥骏,林娴.中国对外直接投资与“一带一路”数字经济创新[J].山西财经大学学报,2022, 44(6):70-83.

[31] 尹鹏,王富喜,段佩利. 中国基本公共服务效率与城镇化质量的时空耦合关系研究 [J]. 地理科学,2021,41(4):571-579.

[32] VU K M, ASONGU S. Backwardness advantage and economic growth in the information age: a cross-country empirical study[J]. Technological Forecasting and Social Change, 2020, 159:120197.

[33] 董雪兵,池若楠.中国区域经济差异与收敛的时空演进特征[J].经济地理,2020,40(10):11-21.

(责任编辑：王敬敏)