Most studies have been done to analyze digital innovation from a qualitative perspective, and analyses from a dynamic perspective with comprehensiveness of indicators are rare.Moreover, there is no study to explore the digital innovation ecosystem at the regional level, combined with symbiotic theory.There is a lack of multidimensional integrated indicators to analyze the evolution of digital innovation ecosystems.Given the above research insufficiencies, this paper first analyzes the concept connotation of regional digital innovation ecosystem based on symbiotic theory.Combining the theory of technological progress to explore the evolutionary mechanism of the regional digital innovation ecosystem, the study investigates evolutionary processes and impediments by means of symbiosis, symbiotic evolution momentum, Dagum-Gini coefficient and decomposition method, Markov chain algorithm, and impediment factor diagnostic analysis model.
The results show that (1) regional symbiosis in the provinces of China shows an upward trend, but there are significant regional differences.The possible reason for this feature is that the regional digital innovation ecosystem is more stringent than the traditional regional innovation ecosystem.With insufficient ability of enterprise distribution and period consciousness decision-making, financial support is insufficient in areas of slow development.(2) Regional digital innovation ecosystem symbiotic evolution presents an overall benign development trend, but there are also large regional differences, in which the fluctuations of the total differences in the evolutionary momentum of interregional symbiosis decrease.Intraregional and interregional differences present the distribution patterns of "East >West >Central" and "East-West >East-Central >Middle-West",respectively.Differences in evolutionary momentum between regions are the main source, and the possible reasons for this feature are that evolutionary processes can significantly improve efficiency only in a few developed regions; a more sound regional industrial chain will drive the upstream and downstream supply chain to realize digital collaborative innovation; and the migration of digital technologies is evident in developed regions.(3) Evolutionary momentum trajectories shift from initial to intermediate to medium to high and advanced levels.The possible reason for this feature is that the evolution of regional digital innovation ecosystems is highly correlated with mature markets that can provide adequate consumer products and services, as well as real-time feedback for supply structure optimization upgrades.(4) The average barrier of the guideline layer is aligned as follows: regional symbiotic matrix >regional symbiotic unit >regional symbiotic network >regional symbiotic platform >regional symbiotic environment.The impediments to digital technology development in the indicator layer are 37.47%, and it is the foundation of regional digital innovation ecosystem.
In view of the above phenomena and problems, this paper proposes to improve the digital innovation ecological environment based on the development level of different regions, promote the flow of digital symbiotic elements to regions with slower development through government "drainage", and strengthen the symbiotic matrix of the digital innovation ecosystem.This paper proposes the concept connotation of regional digital innovation ecosystem and explores its evolutionary mechanism, which enriches the theory of regional digital innovation ecosystem to some extent.In addition, it provides more adequate data validation, and relevant research results can provide a certain reference basis for enterprises.Finally, this paper makes some theoretical explanations on the characteristics of related phenomena and provides some reference for government decision-making, and a certain reference basis for enterprises.Finally, this paper makes some theoretical explanations on the characteristics of related phenomena and provides some reference for government decision-making.
开放科学(资源服务)标识码(OSID)：
从创新驱动发展战略、“4+3”区域发展战略大布局到二十大区域协调发展战略的深化[1],区域创新已成为我国进行新旧动能转换,实现区域协调发展、创新型国家战略和经济高质量发展的核心动能(冯之浚等,2015)。随着新一轮信息技术变革与发展,数字技术作为数字经济时代的利器全面参与创新范式变革[2-3],推动传统创新转向以新产品和服务数字化为主要特征的数字创新(柳卸林等,2020)。在打造区域数字经济发展新优势的过程中,由数字创新主体、要素、环境和联系等构成的数字创新生态系统,可以为区域数字创新提供组织和资源保障,是区域数字产业化的创新动力源泉,是实现区域经济高质量发展的关键支撑[4]。但现阶段我国面临的外部环境风险加剧,尤其是芯片制造、高端工业软件和5G等关键技术遭受外部壁垒与制约。因此,如何促进区域数字创新生态系统发展、提升内部数字创新水平,成为当下亟待解决的问题。
进化概念主要源于生物学家达尔文的观点,近年来在创新研究领域得到广泛应用。例如有研究认为,技术创新进化与生物进化存在相似性(毛荐其等,2005);还有研究实证了区域创新生态系统的进化特征(李晓娣等,2019);Kolloch&Dellermann[5]也探讨了数字创新的进化现象。但总体而言,目前对于区域数字创新生态系统的研究还不够成熟,尚未明晰其进化过程和制约因素,研究区域数字创新生态系统治理的文献相对不足。基于此,本文对我国省级区域数字创新生态系统进化过程进行实证分析,探寻影响其高水平进化的障碍因子,拓展数字创新进化理论,为区域数字创新生态系统治理提供经验证据。
数字创新是指使用数字技术生产新产品、优化生产过程、变革组织模式及创新商业模式等[6-8],其主要包含3个核心要素:数字技术、创新过程和创新产出(刘洋等,2020),其实现路径主要分为两种:一是数字技术自身的创新变革(闫俊周等,2021);二是通过数字技术创新与应用,产生新产品、新服务、新组织形态、新商业模式等,进而重塑产业组织架构,实现产业变革或突破式创新[9]。数字创新引发的创新变革会渗透创新环境、创新主体、创新过程以及创新结果(刘洋等,2021),与传统创新不同的是,数字创新边界更模糊化、动态化和互动化[10]。基于此,康瑾和陈凯华(2021)从数字创新发展角度构建两个相互增值体系;徐君等[11]从静态宏观层面,使用2019年省域截面数据结合计量方法探究数字创新特征;李婉红等(2022)使用文本挖掘方法,构建数字创新指数;程聪等(2022)从价值实现角度,运用产品创新新颖度评价企业数字创新价值。但上述研究没有从动态视角分析问题,存在维度单一、指标不够全面、研究主观性强、客观性不足等问题。
数字创新生态系统是由多元参与主体依托数字基础设施、数字资源和数字技术等进行互动协作,重塑价值共创逻辑,实现共同价值主张的复杂经济结构(魏江等,2021;孙永磊等,2022)。数字创新生态系统中的主体多元化,在参与系统的动态合作与竞争过程中,形成一种生态化、交互式、可循环的组织系统[11]。在数字技术的催化下,数字创新生态系统不仅具有收敛性[2,12]、自生长性、融合性、开放性[13]、动态性[5]等特征,还具备主体关系生态化、主体虚拟化[2]、创新要素数字化、创新边界模糊化[14]等特征。基于此,宁连举等(2022)借助数值模拟对数字创新进行模拟仿真;林艳和卢俊尧[15]认为,因地制宜地建设数字创新生态系统有助于培育区域创新新动能。此外,还有部分学者探讨了数字创新生态系统治理(杨伟等,2022)、数字农业创新生态系统[16]和数字创新创业(刘志阳等,2021)。现有关于数字生态系统概念特征的研究相对成熟,但未有研究从区域层面,结合共生理论探究数字创新生态系统,缺乏使用多维度综合指标分析数字创新生态系统进化问题的研究。为此,本文首先结合共生理论,厘清区域数字创新生态系统概念内涵,利用技术进化理论探究其进化机制。基于此,首先构建相关指标体系,借助共生度模型讨论共生发展情况;然后使用共生进化动量模型、Dagum基尼系数分解方法和马尔科夫链算法探究共生进化过程;最后利用障碍因子诊断分析模型探寻共生进化的制约因素。研究结果将为相关理论发展提供可靠的数据验证,为进行科学化数字创新决策提供参考依据。
德国真菌学家德贝里提于1879年提出共生概念,认为其是自然界不同种群间延伸的物质联系,共生理论主要用于解释不同物种间合作生存、协同进化的群居行为[17],随后共生概念被广泛应用于创新管理研究。如Li[18]构建了由共生环境、共生单元和共生模式组成的区域创新共生体;温兴琦等(2016)提出以共生环境、共生单元、共生基质和共生界面构成的共生创新体;而Erazo等[19]认为,共生网络具备存在的必要性。相对于传统的区域创新生态系统,区域数字创新生态系统以数字技术为支撑,相互协同的共生关系更紧密。协调多元主体关系、实现价值共创是促进区域数字创新生态系统稳定发展的关键[20]。因此,本文结合共生理论,将区域数字创新生态系统看作是区域数字创新共生体(李晓娣等,2019),主要包括区域数字共生环境、区域数字共生单元、区域数字共生基质、区域数字共生平台、区域数字共生网络五大部分,是数字共生单元在既定数字共生环境下通过数字共生基质,依托数字共生平台相互作用形成数字共生网络的动态复杂系统,具体概念模型如图1所示。
图1 共生视域下区域数字创新生态系统概念模型
Fig.1 Conceptual model of regional digital innovation ecosystem under symbiotic horizon
技术进化理论认为,随着时间推移,创新进化与物种进化类似[11,21]。如纵观人类历史发展进程,从原始工具使用到数字化制造,都伴随着使用工具的不断完善以适应特定环境需求[22],数字技术的发展亦是如此。数字技术是信息、计算、沟通和连接技术的多个模块、组件以及子系统的有机组合,并随着新需求涌现而持续更新迭代[11,23]。随着数字技术的不断发展,围绕它的支持系统趋于成熟,这为数字创新生态系统进化提供了前提条件[24]。
区域数字技术发展是区域数字创新生态系统进化的关键基础(闫俊周等,2021;魏江等,2021),后者的进化过程主要依赖于数字技术的两种机制:①融合机制:数字技术的同质性和可编程性可以将传统分离的物理实体通过标准化的数据方式进行连接,促进生态系统内产品、组织、部门等边界趋于一体化[8,12],激发要素之间发生融合反应,推动生态系统衍生出新创新[25],例如小米智能家居突破了传统物理边界,以融合数字技术、物理设备和空间情景等实现场景创新;②迭代机制:由于数字技术具有动态性、编辑性、自我参照性和延展性等(刘洋等,2020),区域数字创新生态系统可以持续地迭代进化以适应新环境与新需求[13,26],其内部要素不仅自身会在原有基础上实现调整升级,要素间也会出现最优组合方式以满足实际需求,如京东APP基于实时数据反馈对企业组织结构和运营过程进行优化升级。此外,由于数字技术打破了原有时间和空间的限制,使得区域数字创新生态系统进化呈现“边融合边迭代”特征,即在融合中迭代,在迭代中融合。如无人驾驶汽车通过数字技术与周围场景的实时融合,结合数据算法的改进更新,实现安全稳定驾驶功能。
基于上述分析,从区域数字共生环境、区域数字共生单元、区域数字共生基质、区域数字共生平台、区域数字共生网络5个维度构建指标体系,具体见表1,指标选取遵循科学性、全面性、客观性和可获得性等原则。
表1 区域数字创新生态系统评价指标体系
Table 1 Evaluation indicator system of regional digital innovation ecosystem
准则层指标层 单位方向编号区域数字共生环境光缆密度公里/万人+E1人均移动电话交换机容量户/人+E2移动电话普及率部/百人+E3IPV4地址数个+E4移动电话基站数个+E5区域数字共生单元高校数个+E6ICT相关产业企业数个+E7ICT相关产业从业人员年平均人数人+E8ICT相关产业R&D人数人+E9ICT相关产业研发机构数个+E10区域数字共生基质ICT相关产业R&D经费内部支出万元+E11人工智能发展水平指数次+E12区块链发展水平指数次+E13云计算发展水平指数次+E14大数据发展水平指数次+E15数据应用发展水平指数次+E16ICT产业相关专利数项+E17区域数字共生平台国家级科技孵化器数量个+E18入统大学科技园数量个+E19国家级特色产业基地数个+E20国家级生产力促进中心人均年收入元/人+E21区域数字共生网络电子商务销售额亿元+E22有电子商务交易活动的企业数比重%+E23每百家企业拥有网站数个/百家+E24计算机、通信和其它电子设备制造业主营业务收入万元+E25每百人使用计算机数台/百人+E26技术市场成交金额亿元+E27
(1)区域数字共生环境。区域数字共生环境主要包括传统基础设施和新基建,是进行数字创新活动的基础。数字创新的自生长性和动态性使得新产品与新服务会结合环境变化自动进行迭代更新以及服务升级,而良好的数字共生环境是进行数字创新活动的基础保障。本文选择光缆密度[27]、人均移动电话交换机容量和移动电话普及率对传统基建发展水平进行评价,选择IPV4地址数和移动电话基站数[28]对新基建发展水平进行评价。
(2)区域数字共生单元。区域数字共生单元是加速数字创新活动的推动者,能将数字技术与自身特征有机结合,具备较高的数字创新素养和数字资源统筹能力(闫俊周等,2021)。本文利用高校数量衡量高校群落规模、ICT相关产业企业数衡量企业群落规模、ICT相关产业研发机构数衡量区域数字创新生态系统研发机构规模、ICT相关产业从业人员年平均人数衡量产业发展人力资源水平、ICT相关产业R&D人员数量衡量科技研发人力资源水平。
(3)区域数字共生基质。数字技术作为区域数字创新生态系统的基础支撑,是实现产品创新、服务创新的重要推动力,是形成数字创新新逻辑、新范式、新流程的重要驱动器(孟庆时等,2021)。数字技术的迭代更新需要大力加强科技研发投入,而专利数量可以有效反映数字技术对创新的支持作用(徐君等,2022)。本文使用ICT相关产业R&D经费内部支出衡量经费支持水平,使用上市公司年报中人工智能、区块链、云计算、大数据和数据应用4个维度的词频统计衡量各领域发展水平[29],并结合ICT产业相关专利数量[10,30]衡量数字技术发展水平。
(4)区域数字共生平台。区域数字创新物质交换、能量转移和信息共享等活动以数字共生平台为载体,本文使用国家级科技孵化器数量衡量各地区共生平台数量,使用入统大学科技园数量衡量共生平台中大学科技园规模,使用国家级特色产业基地数衡量共生平台特色产业基地规模,使用国家级生产力促进中心人均年收入衡量共生平台国家级生产力促进中心发展质量(李晓娣等,2019)。
(5)区域数字共生网络。区域数字共生网络是区域数字共生环境、区域数字共生单元、区域数字共生基质和区域数字共生平台有机组合,为实现区域价值共创目标、开展创新活动所形成的关系资本网络。本文使用电子商务销售额[27]衡量网络交易端的产业规模,使用电子商务交易活动的企业数比重[28]衡量具备网络交易能力的企业规模,使用每百家企业拥有网站数[31]衡量不同企业种群的网络互联互通规模,使用每百人使用计算机数衡量个体互联互通规模,利用计算机、通信和其它电子设备制造业主营业务收入衡量不同行业群落互联互通规模,使用技术市场成交金额[15]衡量不同共生单元技术融合情况。
选取2013—2021年24个省级面板数据为研究样本(为保证研究连续性,将数据缺失较多的省份剔除)。研究数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》、上市公司年报、各省市统计局网站、EPS数据库等,具体数据预处理如下:
(1)将计算机及办公设备制造业和电子及通信设备制造业作为ICT相关产业的典型代表,将其数据合并后作为度量指标。
(2)使用上市公司年报进行词频统计分析,以人工智能、区块链、大数据、云计算和数字技术应用5个维度作为数字技术发展子指标。
(3)对于少数缺失数据,使用近点均值进行填补,以尽可能保留数据原始特征和变化趋势。
参考王俭等[32]的研究成果,使用复合生态系统共生度模型对区域数字创新生态系统发展水平进行评价,主要从区域共生环境、单元、基质、平台和网络五大方面结合集成计算衡量区域数字创新生态系统共生度。设xi,j,t为i省域的j要素在第t年的序参量值( i=1,2,…,24;j=1,2,…,24,t=2013,2014,…,2020) 且βij≤xi,j,k≤αij,由于指标均为正向,则序参量的有序度为:
(1)
为保证指标权重的客观性和科学性,使用熵值法确定有序度权重[28],最终结合几何加权法对有序度进行系统集成,得到区域数字创新生态系统共生水平dsmi,k。该值越大,表明区域数字创新生态系统协调程度越高。
(2)
共生度只能反映各要素横向集成发展水平和静态共生关系。生态学中常使用进化动量衡量研究对象提升至最优状态的程度或空间,但传统进化动量模型仅考虑进化总量,无法体现进化质量,因此参考李晓娣等[8]的研究成果,使用共生进化动量模型探究区域数字创新生态系统内在提升能力。设第p个省域在t=(t1,t2,…,tr+1)内的 r+1个时期,其区域数字创新生态系统共生度值构成时空二维信息矩阵C为:
(3)
设某个省域在△t=tk+1-tk内对共生度进行求导,获得区间内区域数字创新生态系统共生进化速度为Vit。若Vit>0,则初步表明该区域共生进化呈现增长态势;若Vit<0,则表明该区域共生进化呈现衰退状态;若Vit=0,则表明该区域共生进化呈现稳定状态。
(4)
(5)
假设当△t趋近于0时,区域数字创新生态系统进化呈现匀速状态,在一定时间内由速度轴与时间轴围成的面积SVi(tk,tk+1)称为进化速度状态量,可表示区域数字创新生态系统变化方向和变化轨迹。
(6)
设某省域在第k、k+1时刻的共生进化速度分别为Vi,tk和Vi,tk+1,则可设:
(7)
可发现∂ik为共生进化速度在△t内的线性增长率,设π是关于∂ik的函数,则可构建区域数字创新生态系统共生进化速度趋势函数:
(8)
式中,利用特值法发现β=2,发现π(∂ik)存在一个拐点:拐点到来前,π(∂ik)的增速处于加速状态;拐点到来后,π(∂ik)的增速处于减速状态。为此,借助π(∂ik)函数作为SVi(tk,tk+1)速度激励或惩罚的调节因子(见表2),进而得到综合进化动量UiV。
UiV=SVi(tk,tk+1)×π(∂ik))
(9)
表2 调节因子
Table 2 Moderating factors
∂ikπ∂ik SVi(tk,tk+1)调节方式=0=1对无进化速度的发展状态不作调节>0>1对呈增长型进化趋势的速度状态进行激励<0<1对呈下降型进化趋势的速度状态进行惩罚
式(9)中,融合进化速度状态SVi(tk,tk+1)和进化速度趋势π(∂ik)共同决定区域数字创新生态系统共生进化态势,当UiV>0时,说明共生进化处于良性上升阶段;当UiV<0时,说明共生进化处于恶性下降阶段;当UiV=0时,说明共生进化处于平稳阶段,UiV的值越大,表明其共生进化水平越高。式(10)为其跨时空的算术平均值,代表整体共生进化情况。
(10)
为深入探究区域数字创新生态系统进化的内在制约因素,借助障碍因子诊断模型[33]进行验证。
(11)
由式(1)和式(2)计算得到2013-2021年我国24个省域区域数字创新生态系统共生度值,如表3所示。结果表明:各省域数字创新生态系统共生度均呈现上升趋势,但共生水平和上升幅度存在显著差异。考察期内广东省数字创新生态系统共生水平遥遥领先,共生度始终位列第一,且增长速度远远高于其它地区;江苏和浙江共生发展水平较高,于2021年分别达到0.345 6和0.269 0,且增长速度也相对较快;上海、北京、山东、福建、四川和湖北数字创新生态系统发展紧随其后,也呈现较好的发展态势;而安徽、湖南、河北等省域共生度低于0.100 0,发展趋势滞缓;黑龙江、云南、广西和贵州等省域共生度接近于0,即区域数字创新生态系统尚未进入共生状态,未实现共生效应。
表3 2013—2021年我国区域数字创新生态系统共生度值
Table 3 Symbiosis indexes of digital innovation ecosystem in China from 2013-2021
区域年份201320142015201620172018201920202021上海0.028 3 0.036 4 0.043 8 0.064 6 0.094 7 0.111 5 0.125 6 0.149 0 0.158 8 北京0.053 6 0.066 2 0.060 3 0.069 9 0.099 0 0.103 1 0.117 0 0.132 9 0.144 4 天津0.008 0 0.011 4 0.012 3 0.013 2 0.028 2 0.028 7 0.030 9 0.035 9 0.036 3 山东0.022 5 0.029 4 0.039 5 0.062 2 0.083 6 0.099 6 0.093 5 0.118 8 0.144 3 广东0.119 2 0.152 2 0.205 1 0.299 5 0.395 9 0.455 7 0.508 9 0.586 6 0.635 5 江苏0.059 4 0.069 4 0.077 9 0.133 5 0.184 4 0.225 7 0.256 1 0.301 9 0.345 6 河北0.006 1 0.009 3 0.007 9 0.013 1 0.024 7 0.025 3 0.029 8 0.033 0 0.035 0 浙江0.045 8 0.058 4 0.080 9 0.115 9 0.152 2 0.171 7 0.207 0 0.247 0 0.269 0 福建0.015 4 0.021 2 0.023 1 0.045 6 0.064 1 0.075 5 0.087 4 0.095 8 0.109 9 辽宁0.011 1 0.013 6 0.015 0 0.015 4 0.024 3 0.027 3 0.035 0 0.036 5 0.041 5 东部0.036 9 0.046 8 0.056 6 0.083 3 0.115 1 0.132 4 0.149 1 0.173 7 0.192 0 吉林0.001 6 0.001 9 0.002 4 0.004 2 0.006 1 0.006 7 0.008 9 0.008 5 0.010 2 安徽0.007 5 0.010 6 0.015 3 0.032 8 0.039 3 0.043 7 0.052 3 0.068 2 0.096 0 山西0.001 7 0.002 4 0.002 9 0.003 4 0.006 3 0.005 6 0.006 8 0.008 8 0.014 3 江西0.004 9 0.008 6 0.010 5 0.016 6 0.017 1 0.020 6 0.034 8 0.052 2 0.054 2 河南0.006 5 0.013 8 0.016 5 0.019 2 0.033 8 0.041 7 0.048 7 0.055 5 0.069 1 湖北0.016 8 0.018 1 0.022 5 0.026 1 0.052 4 0.054 0 0.068 8 0.085 3 0.102 3 湖南0.009 3 0.012 2 0.017 2 0.020 1 0.034 9 0.042 2 0.053 0 0.065 7 0.077 8 黑龙江0.002 5 0.003 2 0.003 3 0.004 8 0.007 0 0.005 2 0.005 5 0.006 2 0.006 3 中部0.006 4 0.008 8 0.011 3 0.015 9 0.024 6 0.027 5 0.034 9 0.043 8 0.053 8 云南0.000 9 0.001 1 0.001 6 0.002 2 0.003 8 0.004 1 0.006 0 0.006 7 0.011 0 四川0.015 9 0.021 1 0.031 2 0.038 8 0.050 7 0.064 8 0.080 5 0.086 8 0.107 4 广西0.001 4 0.002 3 0.002 9 0.005 1 0.008 1 0.008 8 0.008 8 0.010 3 0.014 3 贵州0.001 5 0.002 7 0.004 9 0.008 0 0.012 6 0.013 0 0.015 2 0.015 6 0.014 8 重庆0.005 6 0.007 4 0.011 2 0.014 5 0.018 5 0.020 2 0.021 4 0.039 7 0.046 0 陕西0.005 7 0.009 1 0.009 9 0.018 5 0.020 5 0.020 4 0.026 4 0.034 3 0.034 4 西部0.005 2 0.007 3 0.010 3 0.014 5 0.019 0 0.021 9 0.026 4 0.032 2 0.038 0
从地理区域分布来看,全国、东、中、西部地区共生度均值分别从初始的0.018 8 、0.036 9、0.006 4和0.005 2升至期末的0.107 4、0.192 0、0.053 8 和0.038 0,分别增长0.088 6、0.155 1、0.047 4 和0.032 8,年均增速分别为1.11% 、1.94%、0.59%和0.41%,呈现“东>全国>中>西”的空间增长分布格局,这与我国经济发展水平基本一致。可能的原因是:第一,区域数字创新生态系统较传统区域创新生态系统所需要的条件和要求更为严格。东部地区在新型基础设施建设、资金支持力度、企业、高校和院所等科研创新主体方面具备先天优势,而中西部地区尤其是西部地区面临地理位置、气候条件等不利因素,使得数字创新基础设施建设成本较高、创新资源流动不充分、经济发展水平较低,导致数字创新活跃度不足。第二,企业分布不均衡、决策能力不足。相较于东部而言,中西部地区中小企业占比较大,机械化生产比例不高,企业数字化转型意愿不足,决策能力弱,这就造成数字创新生态系统发展难、发展慢等问题。第三,发展缓慢地区资金支持力度不足。相较东部而言,中西部地区缺乏雄厚的资金支持,企业融通发展水平较低,外来资本和龙头企业对中小企业数字化转型支持力度不足,导致发展缓慢地区数字创新生态系统发展难以为继。
使用共生进化动量模型进一步探究共生发展的动态进化过程。根据式(3)-式(6)计算区域数字创新生态系统进化速度,具体见表4。研究发现,绝大多数省域数字创新生态系统进化速度为正值,表明区域数字创新生态系统共生进化呈现上升趋势,即增长状态;少数省域数字创新生态系统进化速度为负值,表明区域数字创新生态系统共生进化呈现下降趋势,即衰退状态。根据公式(7)-式(8)计算,得到区域数字创新生态系统进化速度趋势值,见表 5。可以发现,进化速度基本围绕数值1上下波动,部分省域数值略大于1,表明区域数字创新生态系统共生进化速度呈现微小上升趋势,部分省域数值略小于1,表明区域数字创新生态系统共生进化速度呈现微小下降趋势。
表4 区域数字创新生态系统进化速度状态值
Table 4 Values of evolution rate status of regional digital innovation ecosystems
区域时间段2014-20152015-20162016-20172017-20182018-20192019-20202020-2021上海0.007 8 0.014 1 0.025 5 0.023 5 0.015 4 0.018 7 0.016 6 北京0.003 30.001 9 0.019 4 0.016 6 0.009 0 0.014 9 0.013 7 天津0.002 1 0.000 9 0.008 0 0.007 8 0.001 3 0.003 6 0.002 7 山东0.008 5 0.016 4 0.022 1 0.018 7 0.005 0 0.009 6 0.025 4 广东0.042 9 0.073 6 0.095 4 0.078 1 0.056 5 0.065 4 0.063 3 江苏0.009 3 0.032 0 0.053 3 0.046 1 0.035 9 0.038 1 0.044 7 河北0.000 9 0.001 9 0.008 4 0.006 1 0.002 5 0.003 8 0.002 6 浙江0.017 5 0.028 7 0.035 7 0.027 9 0.027 4 0.037 6 0.031 0 福建0.003 8 0.012 2 0.020 5 0.015 0 0.011 7 0.010 1 0.011 3 辽宁0.001 9 0.000 9 0.004 7 0.005 9 0.005 3 0.004 6 0.003 2 吉林0.000 4 0.001 1 0.001 8 0.001 2 0.001 4 0.000 9 0.000 7 安徽0.003 9 0.011 1 0.012 0 0.005 4 0.006 5 0.012 3 0.021 8 山西0.000 6 0.000 5 0.001 7 0.001 1 0.000 2 0.001 6 0.003 8 江西0.002 8 0.004 0 0.003 3 0.002 0 0.008 9 0.015 8 0.009 7 河南0.005 0 0.002 7 0.008 7 0.011 2 0.007 5 0.006 9 0.010 2 湖北0.002 8 0.004 0 0.015 0 0.014 0 0.008 2 0.015 7 0.016 8 湖南0.004 0 0.004 0 0.008 8 0.011 0 0.009 0 0.011 8 0.012 4 黑龙江0.000 4 0.000 8 0.001 8 0.000 2 -0.000 7 0.000 5 0.000 4 云南0.000 4 0.000 6 0.0011 0.000 9 0.001 1 0.001 3 0.002 5 四川0.007 6 0.008 8 0.009 7 0.013 0 0.014 9 0.011 0 0.013 5 广西0.000 7 0.001 4 0.002 6 0.001 9 0.000 4 0.000 7 0.002 8 贵州0.001 7 0.002 6 0.003 8 0.002 5 0.001 3 0.001 3 -0.000 2 重庆0.002 8 0.003 5 0.003 6 0.0028 0.001 5 0.009 8 0.012 3 陕西0.002 1 0.004 7 0.005 3 0.0010 0.002 9 0.006 9 0.004 0
表5 进化速度趋势值
Table 5 Values of evolutionary speed trend
区域时间段2014-20152015-20162016-20172017-20182018-20192019-20202020-2021上海0.999 7 1.006 7 1.004 7 0.993 3 0.998 6 1.004 7 0.993 2 北京0.990 8 1.007 8 1.009 7 0.987 5 1.004 9 1.001 0 0.997 9 天津0.998 7 1.000 0 1.007 1 0.992 7 1.000 8 1.001 4 0.997 7 山东1.001 6 1.006 3 0.999 4 0.997 3 0.989 0 1.015 7 1.000 2 广东1.010 0 1.020 7 1.001 0 0.981 7 0.996 7 1.012 2 0.985 6 江苏0.999 2 1.023 6 0.997 6 0.995 2 0.994 5 1.007 6 0.999 0 河北0.997 7 1.003 3 1.003 2 0.994 5 1.001 9 0.999 4 0.999 4 浙江1.004 9 1.006 3 1.000 7 0.991 6 1.007 8 1.002 4 0.991 0 福建0.998 0 1.010 3 0.998 0 0.996 5 1.000 2 0.998 3 1.002 9 辽宁0.999 4 0.999 6 1.004 2 0.997 0 1.002 4 0.996 9 1.001 8 吉林1.000 1 1.000 6 1.000 1 0.999 3 1.000 9 0.998 7 1.001 1 安徽1.000 8 1.006 4 0.994 5 0.999 0 1.002 1 1.003 6 1.005 9 山西0.999 9 1.000 0 1.001 2 0.998 1 1.001 0 1.000 4 1.001 8 江西0.999 1 1.002 1 0.997 2 1.001 5 1.005 3 1.001 6 0.992 3 河南0.997 7 1.000 0 1.005 9 0.996 7 0.999 6 0.999 9 1.003 4 湖北1.001 5 0.999 6 1.011 4 0.987 6 1.006 6 1.000 9 1.000 2 湖南1.001 1 0.998 9 1.005 9 0.996 3 1.001 7 1.001 0 0.999 7 黑龙江0.999 8 1.000 7 1.000 3 0.998 0 1.001 0 1.000 2 0.999 7 云南1.000 2 1.000 0 1.000 5 0.999 4 1.000 8 0.999 3 1.001 9 四川1.002 4 0.998 8 1.002 2 1.001 1 1.000 8 0.995 3 1.007 1 广西0.999 9 1.000 7 1.000 4 0.998 9 0.999 6 1.000 8 1.001 3 贵州1.000 5 1.000 5 1.000 8 0.997 9 1.000 9 0.999 1 0.999 4 重庆1.000 9 0.999 8 1.000 3 0.998 9 0.999 8 1.008 5 0.994 0 陕西0.998 8 1.003 9 0.996 7 0.998 9 1.003 0 1.001 0 0.996 1
结合式(9)-式(10),计算区域数字创新生态系统共生进化动量,具体见表6。由此可知,从跨时间均值看,所有省域数字创新生态系统共生进化动量为正值,表明考察期内这些省域数字创新生态系统共生进化整体呈现良性发展态势 ,但不同地区存在较大差异;从时间序列看,不同时间段的进化动量亦存在较大波动。为更好地探究进化动量的差异性特征,借助Dagum 基尼系数及分解方法[34]进行研究,具体见表 7。结果显示,总体基尼系数呈现波动下降趋势,表明考察期内省域共生进化动量差异缩小;从区域内差异来看,东部差异呈现波动性下降趋势,中部差异呈现波动性上升趋势,西部差异呈现轻微波动性上升变化;从均值来看,呈现“东部(0.496 4)>西部(0.457 9)>中部(0.422 0)”的分布格局;从区域间差异来看,东—中和东—西呈现相似的波动性变化趋势,从均值来看,呈现“东—西(0.713 7)>东—中(0.645 8)>中—西(0.499 4)”的分布格局;从差异来源来看,区域间差异是产生进化动量总体差异的主要来源,其次是区域内差异,最后是超变密度。
表6 共生进化动量
Table 6 Momentum of symbiotic evolution
区域时间段2014-20152015-20162016-20172017-20182018-20192019-20202020-2021均值上海0.007 8 0.014 2 0.025 6 0.023 3 0.015 4 0.018 8 0.016 5 0.017 4 北京0.003 3 0.001 9 0.019 6 0.016 4 0.009 1 0.014 9 0.013 6 0.011 2 天津0.002 1 0.000 9 0.008 0 0.007 7 0.001 3 0.003 6 0.002 7 0.003 8 山东0.008 5 0.016 5 0.022 1 0.018 7 0.004 9 0.009 7 0.025 4 0.015 1 广东0.043 4 0.075 2 0.095 5 0.076 7 0.056 3 0.066 2 0.062 4 0.067 9 江苏0.009 2 0.032 8 0.053 1 0.045 9 0.035 7 0.038 4 0.044 7 0.037 1 河北0.000 9 0.001 9 0.008 4 0.006 0 0.002 5 0.003 8 0.002 6 0.003 8 浙江0.017 6 0.028 9 0.035 7 0.027 7 0.027 6 0.037 7 0.030 7 0.029 4 福建0.003 8 0.012 3 0.020 4 0.014 9 0.011 7 0.010 1 0.011 3 0.012 1 辽宁0.001 9 0.000 9 0.004 7 0.005 9 0.005 4 0.004 6 0.003 2 0.003 8 吉林0.000 4 0.001 2 0.001 8 0.001 2 0.001 4 0.000 9 0.000 7 0.001 1 安徽0.003 9 0.011 2 0.011 9 0.005 4 0.006 5 0.012 3 0.021 9 0.010 5 山西0.000 6 0.000 5 0.001 7 0.001 1 0.000 2 0.001 6 0.003 8 0.001 4 江西0.002 8 0.004 0 0.003 3 0.002 0 0.008 9 0.015 8 0.009 6 0.006 6 河南0.005 0 0.002 7 0.008 7 0.011 2 0.007 5 0.006 9 0.010 2 0.007 5 湖北0.002 8 0.004 0 0.015 1 0.013 8 0.008 2 0.015 7 0.016 8 0.010 9 湖南0.004 0 0.004 0 0.008 9 0.011 0 0.009 1 0.011 8 0.012 4 0.008 7 黑龙江0.000 4 0.000 8 0.001 8 0.000 2 -0.000 7 0.000 5 0.000 4 0.000 5 云南0.000 4 0.000 6 0.001 1 0.000 9 0.001 1 0.001 3 0.002 5 0.001 1 四川0.007 7 0.008 8 0.009 8 0.013 0 0.014 9 0.011 0 0.013 6 0.011 2 广西0.000 7 0.0014 0.002 6 0.001 9 0.000 4 0.000 7 0.002 8 0.001 5 贵州0.001 7 0.002 6 0.003 8 0.002 5 0.001 3 0.001 3 -0.000 2 0.001 9 重庆0.002 8 0.003 5 0.003 6 0.002 8 0.001 5 0.009 8 0.012 2 0.005 2 陕西0.002 1 0.004 7 0.005 3 0.001 0 0.002 9 0.006 9 0.004 0 0.003 9
表7 进化动量的Dagum基尼系数及其分解
Table 7 Dagum Gini coefficient of evolutionary momentum and its decomposition
时间段总体基尼系数东中西东-中东-西中-西区域内差异区域间差异超变密度区域内贡献度(%)区域间贡献度(%)超变密度贡献度(%)2014-20150.599 3 0.555 4 0.378 9 0.465 1 0.669 4 0.672 6 0.462 7 0.202 6 0.321 5 0.075 2 33.8053.6412.552015-20160.661 6 0.578 4 0.443 7 0.400 5 0.765 5 0.760 6 0.436 5 0.216 8 0.371 6 0.073 2 32.7756.1711.062016-20170.577 5 0.439 6 0.399 7 0.330 4 0.663 4 0.749 6 0.433 8 0.168 9 0.382 3 0.026 2 29.2666.204.552017-20180.588 9 0.428 9 0.485 6 0.502 1 0.658 7 0.759 7 0.553 1 0.172 4 0.377 9 0.038 6 29.2864.166.562018-20190.605 7 0.514 2 0.405 6 0.590 0 0.637 6 0.734 8 0.621 1 0.194 0 0.324 5 0.087 2 32.0353.5714.402019-20200.544 7 0.482 5 0.415 8 0.442 5 0.573 5 0.664 6 0.486 4 0.178 4 0.285 9 0.080 5 32.7552.4814.772020-20210.535 9 0.475 6 0.424 9 0.474 5 0.552 6 0.654 1 0.502 3 0.176 4 0.264 3 0.095 2 32.9149.3217.77
究其可能的原因是:数字创新生态系统进化对区域知识、技术等流转存在较高要求,进化过程只在少数发达地区才会明显提高创新效率。就东部地区而言,北京和上海的企业相对聚集。首先,企业间可以通过不断的模仿与吸收实现生产和经营方向的数字创新;其次,较为完善的地区产业链会带动供应链上下游主体实现数字协同创新,提高产业链创新效率;最后,发达地区的数字技术迁移明显,例如将特定行业的数字技术改进后应用于其它领域,实现场景创新等。东部其它地区以及中西部地区的数字创新生态系统进化相对缓慢,短期内难以达到标准,造成东部差异最显著。近些年来,中部地区充分利用人口、区位和区域联动优势,积极推进制造业数字化和智能化转型,从而促进中部地区数字创新生态系统发展。然而,由于西部地区资源禀赋不足,导致东—西部地区间差距最显著。
进一步探究共生进化动量的概率转移轨迹,借助四分位法对共生进化动量进行分类(见表8),再借助马尔可夫概率转移矩阵[35]探究概率轨迹变换(见表9),非对角线表示共生进化动量状态转移概率,对角线为8年后保持原始稳态的概率。从对角线上看,初级、中级、中高和高级维持原始稳态的概率分别为42.86%、63.64%、100.00%以及100.00%;从非对角线上,初级状态省域跃迁到中高、高水平状态的概率分别为21.43%和35.71%(初级状态的省域数下降幅度为16.67%),中级状态省域跃迁到中高、高水平状态的概率分别为13.64%和22.73%(中级状态的省域数下降幅度为16.67%),表明共生进化动量发生概率转移轨迹的活跃范围是“初、中级→中高、高级”。实际上,区域数字创新生态系统进化需要充足的消费品和服务供给,以及成熟市场的支持。首先,发达地区市场容量大,对数字产品与服务的需求大,通过市场规模效应可反哺前期巨大投入,促进区域数字创新生态系统可持续发展;其次,发达地区市场相对成熟,可以及时高效地提供反馈信息,促进区域数字创新生态系统更新与优化迭代;最后是发达地区市场供需较平衡,充足的数字产品和服务供给降低了企业数字化转型难度,同时,规模化带来的成本优势激发了企业数字创新活力。
表8 进化动量区域分布
Table 8 Regional distribution of evolutionary momentum
区域时间段2014-20152015-20162016-20172017-20182018-20192019-20202020-2021初级7846863中级11863437中高4367787高级2588577
表9 进化动量的马尔可夫概率转移矩阵
Table 9 Markov probability transfer matrix of evolutionary momentum
等级初级(%)中级(%)中高(%)高级(%)初级42.860.0021.4335.71中级0.0063.6413.6422.73中高0.000.00100.000.00高级0.000.000.00100.00
式(11)用于计算各级因子的障碍度,从准则层上看(见图2),结果表明,二级平均障碍度从高到低依次为区域共生基质(43.53%)>区域共生单元(23.36%)>区域共生网络(13.33%)>区域共生平台(13.11%)>区域共生环境(6.68%)。其中,考察期内区域共生基质、区域共生网络的障碍度呈下降趋势,而区域共生单元和区域共生平台均呈现上升趋势,区域共生环境则呈现微小波动趋势。从指标层上看(见图3),以区块链、人工智能、ICT相关产业专利申请数、大数据、云计算和数据应用衡量的数字技术发展障碍度为37.47%,验证了数字技术对区域数字创新生态系统发展的基础性作用。ICT相关产业研发机构数、从业人员年平均人数、产业企业数和R&D人员的障碍度分别为7.67%、4.89%、5.34%和4.83%,也验证了区域数字创新需要多元主体融入;ICT相关产业R&D经费内部支出的障碍度为5.81%,验证了区域数字创新生态系统需要充足的经费投入与支持;计算机、通信和其它电子设备制造业规模以上工业企业主营业务收入、技术市场成交金额和电子商务销售额的障碍度分别是4.49%、4.12%以及2.87%,验证了区域数字创新生态系统需要多元技术的融合;国家级科技孵化器数量、入统大学科技园数量、入统基地数、生产力促进中心人均年收入的障碍度分别为2.84%、2.93%、4.14%和3.42%,验证了区域数字创新生态系统发展离不开数字创新平台的支撑。
图2 区域数字创新生态系统二级障碍度
Fig.2 Regional digital innovation ecosystem impediments at level II
图3 区域数字创新生态系统三级障碍度
Fig.3 Regional digital innovation ecosystem impediments at levelⅢ
区域数字创新生态系统进化与区块链、人工智能、大数据和云计算等新兴技术发展高度相关。实际上这些高新技术产业发展面临较高的门槛,如技术研发的持续推进、数字技术的高效转化与应用都需要充足的人力及资金支持,这就使得数字共生基质成为制约区域数字创新生态系统进化的关键因素。企业数字创新活动诸如数字产品创新、数字组织创新、数字过程创新和数字商业模式创新,均以数字技术为关键支撑。如数字技术与物理组件相融合的智能家居产品、以APP为代表的纯数字产品等,都是基于数据要素的数字技术贯穿其中,因此数字技术发展深度决定区域数字创新生态系统进化程度。此外,诸如数字技术设施建设、多元主体参与、多元技术融合、平台建设等都会影响数字技术功效,在区域数字创新生态系统中也发挥特定作用。
以2013-2021年我国24个省域为研究样本,对区域数字创新生态系统共生进化过程进行实证研究。主要结论有:区域数字创新生态系统共生进化整体呈现良性发展趋势 ,但也存在较大的地区差异。其中,省域间共生进化动量差异总体波动减小,区域内和区域间差异分别呈现 “东部>西部>中部”和“东-西>东-中>中-西”的分布格局,区域间进化动量差异是主要来源;进化动量轨迹由初、中级水平向中高、高级水平转移;准则层的平均障碍度中,区域共生基质>区域共生单元>区域共生网络>区域共生平台>区域共生环境,指标层中数字技术发展障碍度为37.47%,验证了其是区域数字创新生态系统的基础。结合研究结果,提出以下政策建议:
(1)针对不同区域数字创新共生发展异质化表现,需要基于不同地区发展水平针对性地完善数字创新生态环境,全面提升创新主体的数字创新能力。一是对于东部地区,鼓励大数据、区块链、人工智能等数字技术在多场景广泛应用,不断创新数字技术商业模式,构建区域数字创新生态系统,加快数字经济质量变革、效率变革。二是对于中部地区,加快建设覆盖数字创新全过程的科学研究、技术开发共享平台等创新基础设施,对开展数字技术创新相关产学研合作的企业、高校、研究院所等创新主体给予奖励,构建从研发端到应用端的数字创新闭环,持续推动高校、科研院所数字技术相关专利成果转化与规模化应用,对数字技术科技成果的转化效益进行分级分类奖励,实现数字创新的追赶超越。三是对于西部地区,一方面,要加快建设以新一代信息技术为支撑的5G、物联网等信息基础设施,实现数字创新基础设施的弯道超车;另一方面,要增强数字创新人才吸引力度,创新培养方式、提供基本保障,提升区域数字创新能力。
(2)针对区域数字创新共生进化差异显著问题,需要促进数字共生要素向欠发达地区流动。一是引导东部地区数字算力需求向西部等数字创新发展落后地区转移,依托国家“东数西算”工程,鼓励互联网企业等算力需求巨大的组织机构在西部地区建立云计算、大数据一体化的新型数据中心,促进东西部协同联动。二是发挥中部地区连接东西部的优势,在鼓励中部地区数字产业向西部地区迁移的同时,承接东部地区高端数字产业迁入,推动区域数字产业升级,促进区域数字创新共生进化。三是拓展西部等数字创新发展落后地区的数字技术应用场景,围绕西部地区煤、石油、天然气等能源产业,镁、铅、稀土等原材料产业,果蔬、乳制品、棉花等农产品加工制造业及旅游业等优势产业,探索数字技术在各产业链不同环节的应用,通过数字技术场景创新推动西部地区产业链和创新链融合,提升落后地区数字创新生态系统发展水平,缩小东西部发展差距。
(3)针对数字创新共生发展整体水平较低问题,强化区域数字创新生态系统共生基质。一是加大数字技术投入,鼓励各地区设立数字经济发展专项基金,对开展数字技术创新并取得一定成果的企业单位进行分级分类奖励,同时,在财政税收上对数字技术先进企业进行减税降费,促进经费支持向数字技术领域倾斜。二是加大数字技术研发,坚持产业需求导向,创新高校、企业及科研院所科技体制机制,在数字化背景下探索自主创新、协同创新和融合创新有机结合的新型研发模式,推动数字技术创新更上一层楼。
虽然本文研究得到了一些有理论价值和实践意义的结论,但考虑到研究问题的复杂性,还存在一些不足。其一,考虑到篇幅限制,只研究了区域数字创新生态系统概念内涵和进化机制,没有考虑影响前因(如数字基础设施建设、数字经济政策、区域产业结构等与区域数字创新生态系统的关系),也没有探究区域数字创新生态系统引致后果(如通过区域数字创新生态系统实现经济高质量发展)。其二,文章只是从宏观角度探究数字创新生态系统的共性特征,实际上行业背景、企业性质、区域政策差异性都会导致区域数字创新生态系统进化过程呈现特色化,如何细分不同场景下的数字创新生态系统尤为关键。其三,考虑到现有模型的局限性,本研究使用共生度模型计算出来的值近似代替区域数字创新生态系统发展程度,可能存在一定测量偏差,未来研究可围绕其构建更为精确的方法模型,进而测量共生度。其四,考虑到数据的可获得性,本研究仅通过公开的二手数据构建变量,可能存在测量偏差,未来随着数据公开和技术进步,可构建更为丰富的指标体系。
[1] 习近平.高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[EB/OL].[2023-01-01].https://lsrm.hinews.cn/xinwen/show-17283.html.
[2] NAMBISAN S, LYYTINEN K, MAJCHRZAK A, et al.Digital innovation management:reinventing innovation management research in a digital world [J].MIS Quarterly, 2017, 41(1): 223-238.
[3] GOLDFARB A, TUCKER C.Digital economics [J].Journal of Economic Literature, 2019, 57(1): 3-43.
[4] 叶丹,姚梅芳,葛宝山,等.数字技术驱动传统非互联网企业数字创新绩效的作用机理——组织合法性的调节作用[J].科技进步与对策,2023,40(11):11-18.
[5] KOLLOCH M, DELLERMANN D.Digital innovation in the energy industry:the impact of controversies on the evolution of innovation ecosystems[J].Technological Forecasting and Social Change, 2018, 136: 254-264.
[6] BHARADWAJ A, EL SAWY O A, PAVLOU P A, et al.Digital business strategy: toward a next generation of insights [J].MIS Quarterly, 2013,37(2): 471-482.
[7] FICHMAN R G, DOS SANTOS B L, ZHENG Z.Digital innovation as a fundamental and powerful concept in the information systems curriculum [J].MIS Quarterly, 2014, 38(2): 329-353.
[8] YOO Y, HENFRIDSSON O, LYYTINEN K.Research commentary—the new organizing logic of digital innovation: an agenda for information systems research [J].Information Systems Research, 2010, 21(4): 724-735.
[9] 谢卫红,林培望,李忠顺,等.数字化创新:内涵特征、价值创造与展望[J].外国经济与管理,2020,42(9):19-31.
[10] HUESIG S, ENDRES H.Exploring the digital innovation process:the role of functionality for the adoption of innovation management software by innovation managers[J].European Journal of Innovation Management, 2019,22(2):302-314.
[11] BELTAGUI A, ROSLI A, CANDI M.Exaptation in a digital innovation ecosystem:the disruptive impacts of 3D printing [J].Research Policy, 2020, 49(1): 103833.
[12] PORTER M E, HEPPELMANN J E.How smart, connected products are transforming competition [J].Harvard Business Review, 2014, 92(11): 64-88.
[13] YOO Y, BOLAND JR R J, LYYTINEN K, et al.Organizing for innovation in the digitized world [J].Organization Science, 2012, 23(5): 1398-1408.
[14] 张超,陈凯华,穆荣平.数字创新生态系统:理论构建与未来研究[J].科研管理,2021,42(3):1-11.
[15] 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.
[16] 李海艳.数字农业创新生态系统的形成机理与实施路径[J].农业经济问题,2022,43(5):49-59.
[17] DOUGLAS A E.The symbiotic habit[J].Bioscience,2015,61(4):326-327.
[18] Li Y R.The technological roadmap of Cisco's business ecosystem[J].Technovation, 2009, 29(5): 379-386.
[19] ERAZO M A, RONG R, LIU J.Symbiotic network simulation and emulation[J].ACM Transactions on Modeling and Computer Simulation (TOMACS), 2015, 26(1): 1-25.
[20] GRANSTRAND O, HOLGERSSON M.Innovation ecosystems:a conceptual review and a new definition [J].Technovation, 2020, 90: 102098.
[21] DARWIN C.On the origin of species by means of natural selection, or the preservation of favoured races in the struggle for life[M].London: John Murray, 1859.
[22] BASALLA G.The evolution of technology[M].America:Cambridge University Press, 1988.
[23] ARTHUR W B.The nature of technology: what it is and how it evolves[M].Canada:Simon and Schuster, 2009.
[24] IANSITI M, LEVIEN R.Strategy as ecology[J].Harvard Business Review, 2004, 82(3): 68-78, 126.
[25] NYLEN D, HOLMSTROM J.Digital innovation in context:exploring serendipitous and unbounded digital innovation at the church of Sweden[J].Information Technology &People, 2019, 32(3): 696-714.
[26] CIRIELLO R F, RICHTER A, SCHWABE G.Digital innovation[J].Business &Information Systems Engineering, 2018, 60: 563-569.
[27] 刘军,杨渊鋆,张三峰.中国数字经济测度与驱动因素研究[J].上海经济研究,2020,37(6):81-96.
[28] 王军,朱杰,罗茜.中国数字经济发展水平及演变测度[J].数量经济技术经济研究, 2021,38(7):26-42.
[29] 吴非,胡慧芷,林慧妍,等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界,2021,37(7):130-144.
[30] 杜丹丽,简萧婕,赵丹.中国数字技术创新与数字经济发展耦合协调度研究[J].科技进步与对策,2023,40(22):1-11.
[31] 苏冰杰,卢方元,朱峰,等.中国数字经济发展水平:时空特征、动态演化及影响因素[J].运筹与管理,2022,31(9):161-168.
[32] 王俭,韩婧男,胡成,等.城市复合生态系统共生模型及应用研究[J].中国人口·资源与环境,2012,22(S2):291-296.
[33] 鲁春阳,文枫,杨庆媛,等.基于改进TOPSIS法的城市土地利用绩效评价及障碍因子诊断——以重庆市为例[J].资源科学,2011,33(3):535-541.
[34] 韩兆安,赵景峰,吴海珍.中国省际数字经济规模测算、非均衡性与地区差异研究[J].数量经济技术经济研究,2021,38(8):164-181.
[35] 刘义臣,沈伟康,刘立军.科技金融与先进制造业创新发展的动态耦合协调度研究[J].经济问题,2021,43(12):36-43.