Therefore, this study first constructs a theoretical framework and discusses the impact of digital industry agglomeration on regional green innovation from the two dimensions of innovation factors and innovation environment. On the one hand, digital industry agglomeration can accelerate the agglomeration of innovation factors such as human capital, technology and capital, provide factor support for regional green technology innovation, and thus help improve regional green technology innovation capabilities; on the other hand, digital industry agglomeration will also impact external environmental factors that affect green technology innovation, such as government environmental regulation,green financial development, and market competition pressure, thereby enhancing regional green innovation vitality. In addition, considering that digital industry agglomeration is closely related to the government's digital support, marketization level, and digital foundation level, the above factors will not only directly affect the speed and scale of digital industry agglomeration,but also have an impact on the green technology innovation effect of digital industry agglomeration. Therefore, the study analyzes the possible differential impacts of digital industry agglomeration on green technology innovation from the three dimensions of government digital support, marketization level, and digital foundation level.
The study employs the panel fixed effects model, the mediation mechanism model, and the instrumental variable method to conduct tests, using the panel data of 30 provinces in China from 2011 to 2022. It draws three conclusions. First, digital industry agglomeration significantly improves regional green technology innovation level,and the conclusion still holds true after robustness testing by adding interactive fixed effects,adjusting samples,changing variable measurement methods,instrumental variables, etc. Second, digital industry agglomeration can not only accelerate the aggregation of technological innovation factors such as human capital, technology, and R&D funds, but also strengthen government environmental regulation, accelerate the development of green finance, and increase market competition pressure, thereby promoting the improvement of regional green innovation levels. Third, the agglomeration of digital industries has strong digital support for the government and a high level of marketization, the promotion effect of green innovation in areas with low digital basic level is stronger than that in areas with weak government digital support, low marketization level and high digital basic level.
Corresponding policy recommendations are proposed from three perspectives. First,with the development of digital industry clusters as the starting point, it is essential to promote the innovation of production technology and methods through green technology innovation,and further stimulate the two-way progress effect between digitalization and greening. To be specific, it is necessary to continue to refine the digital ecosystem to leverage the benefits of shared resources, collaborative innovation, enhanced efficiency, and cost reduction from the agglomeration of digital industries, and stimulate new momentum for regional green technology innovation and the development of a green economy. Meanwhile, it is crucial to reinforce policy guidance, align the orientation of digital industries towards green development through strategic macroeconomic policies, and improve the coordination between the growth of the green and digital economies to ensure the harmonization of ecological, economic, and social benefits. Secondly, in the future, local governments should optimize the allocation of innovation factors such as talents,technology,and capital,realize the effective connection between the innovation chain and the industrial chain,and further optimize the regional green innovation ecology,accelerate the development of green finance,and ensure the function of green finance in promoting high-quality development. Finally, different regions should adopt different development strategies, adapt to local conditions and time, avoid the "one-size-fits-all" approach, and build the advantages of digital industry clusters and release the dividends of green technology innovation in combination with their own characteristics.
开放科学(资源服务)标识码(OSID)：
中共二十大报告提出,加快发展数字经济,促进数字经济与实体经济深度融合,打造具有国际竞争力的数字产业集群。作为数字经济发展的核心载体,数字产业是激发发展新动能、增强经济韧性的重要支撑。其凭借数字技术的虚拟性、强渗透性,突破传统产业集聚形态,为产业转型升级和地区绿色创新发展注入新动力[1]。绿色技术创新作为绿色高质量发展的核心驱动力,是加快产业结构调整、实现污染治理和生态保护的重要抓手,同时,也是面向新时期、新阶段产业变革的主要发展方向。习近平总书记高度重视绿色技术创新,强调要构建市场导向的绿色技术创新体系,为绿色低碳发展打牢坚实的技术基础。因此,在新发展背景下,如何发挥数字产业集聚赋能绿色创新优势、激发绿色技术创新活力、提升区域绿色技术创新水平成为亟待解决的现实课题[2]。
随着数字中国战略纵深推进,我国5G、人工智能、电子信息等数字产业加速发展,目前已形成涵盖网络、平台、安全三大功能的工业互联网体系,核心产业规模已突破1.2万亿元。工业和信息化部公布的45个国家先进制造集群名单显示,与数字产业相关的新一代信息技术领域产业集群已经达到13个,占比接近30%,包括深圳新一代信息通信集群、无锡物联网集群、合肥智能语音集群、杭州数字安防集群等具有国际竞争力的数字产业集群,主要分布在长三角地区、珠三角地区以及成渝地区等。数字产业集群在加速壮大产业规模的同时,也依托产业合作网络,畅通科技、资金、人才等要素流动,推动区域经济增长[3-4]。此外,研究表明,在“数绿融合”的现实背景下,数字产业的低碳性、技术密集性等特点,不仅能够进一步加快数字技术成果转化与应用,利用ICT技术降低能源消耗,为区域绿色技术创新提供动力,而且能够通过成本效应和降污减排效应降低生产交易成本,缓解企业成本压力,为企业绿色创新提供充足的资金支持 [5-7]。因此,厘清数字产业集聚对区域绿色创新的影响和内在作用机理,对于进一步释放数字产业集聚的绿色创新效应、完善区域绿色创新体系具有重要现实意义。
学界针对我国数字产业集聚现况进行了较为全面的分析与概括。研究指出,近年来,随着数字技术快速普及和深度应用,我国数字产业规模不断扩大,产业核心竞争力不断增强,国际数字技术话语权也得到大幅提升[8]。从地理视域看,目前我国多数省份数字产业集聚现象凸显,已初步形成集群化发展态势,但地区间差异显著,数字产业集聚水平由东部地区向西部地区递减,东部地区存在聚集度逐渐变小的趋势,西部则呈现快速增长趋势,整体呈现“东高西低”态势[9]。从影响因素来看,数字产业集聚水平与地区规模、市场化程度、区位条件、数字基础设施建设水平以及科技人力投入等密切相关。其中,研发与技术导向影响突出,科技人力投入不足是制约数字产业集聚的主要因素[8]。政府支持不仅是数字产业集聚的必要条件,而且在推动数字经济核心产业发展过程中发挥关键作用。数字产业集聚不仅能够实现绿色技术跃迁,提升绿色经济发展质量[7],而且能够推动居民生活方式变革和工业生产方式集约化转型,进而为区域绿色高质量发展开辟新赛道、提供新思路[10]。
然而,现有数字产业对经济社会影响的研究多集中于乡村产业振兴[11]、流动人口收入[12]、绿色经济效率[10]等议题,关于数字产业集聚的绿色技术创新效应研究较少,鲜有研究剖析数字产业集聚对区域绿色技术创新的内在影响与机制路径。因此,本文基于2011-2022年中国内地30个省份(西藏因数据不全,未纳入)面板数据,在理论分析数字产业集聚对区域绿色技术创新影响的基础上,运用多种方法进行检验,以期为优化数字产业布局、提升区域绿色创新水平提供参考。
有研究指出,绿色技术创新不仅需要人力资本、技术、资金等核心要素的支撑,而且需要依托区域创新环境,会受到内部创新要素和外部创新环境的双重影响[13-14]。数字产业集聚作为数字经济演进的高级产业集聚形态,不仅能够加速人力资本、技术、资金等创新要素集聚,为区域绿色技术创新提供要素支撑,而且会通过环境规制、绿色金融发展和市场竞争压力等绿色技术创新外部环境,影响区域绿色创新。
从创新要素构成看,人力资本、技术、资金等要素是开展绿色创新的基础,也是绿色创新的核心组成[15]。创新要素集聚程度越高,越有利于绿色研发活动开展和绿色创新体系完善。数字产业集聚能够加快形成科学分工和协同创新体系,加速人力资本、技术、资金等创新要素集聚与流动,促进资源、技术和经验共享,进而提升区域绿色创新效率,增强区域绿色创新能力。一方面,作为技术密集型产业,科技创新是数字产业生存和发展的生命线,同时,也是数字产业区别于其它产业的显著特点。科技创新不仅是催生数字新业态、新模式的重要引擎,而且也是加快数字产品研发和生产、提高协作效率,实现三链融合的重要抓手[16]。因此,数字产业在集群化发展的同时,必然伴生创新要素的空间汇聚。另一方面,数字产业集聚需要多维主体的共同参与和多种要素的协同发力。中共十八大以来,政府多次强调各类创新要素向企业集聚,促进优质科技资源下沉到产业一线。因此,在数字产业集聚过程中,地方政府会进一步完善产业集聚、创新发展的具体细则,为打造数字产业集群提供充足的创新要素支撑[17]。纵观世界著名的数字产业集群,例如美国硅谷、印度班加罗尔等,无不伴随着数字科技巨头企业、高精尖创新人才的汇集。此外,我国的中关村、深圳湾科技园区等数字产业集聚区也是创新人才汇集区,更是我国创新投资活跃区。因此,数字产业集聚可加速创新要素空间集聚,为区域绿色技术创新提供要素支撑,有利于区域绿色技术创新水平提升。
从外部创新环境看,首先,环境规制是影响区域绿色技术创新的重要因素。环境规制力度越大,企业环境责任意识越强,会不断调整自身发展策略,寻求可持续绿色发展路径[18]。为实现绿色目标,企业会加大绿色创新投入以实现生产过程绿色化和环保化[19],在客观上加速区域绿色技术创新水平提升。数字产业集聚不仅有助于数字技术快速普及和深度应用,为环境规制提供高效、精准的技术支持[20],而且有助于建立与发展数字化媒体平台,拓展公众监督渠道,增强公众参与绿色治理意识,进而优化地区生态环境监管与执法模式,提升政府环境治理效率。其次,绿色金融与绿色技术创新之间存在紧密关系。绿色金融不仅能够为企业绿色技术研发提供资金支持[21],其所具备的资源配置、风险管理和市场定价三大功能也能够通过吸引资金投向绿色领域、提高市场风险识别与管理能力、建立绿色定价机制等方式为绿色研发活动提供保障,进而为区域绿色创新注入新动力[22]。此外,数字产业集聚不仅能够降低金融服务门槛、交易成本和信用风险,增强绿色金融市场透明度,而且能够帮助政府建立绿色金融与绿色项目对接平台,吸引更多资金,进而激发绿色金融市场活力[23]。最后,市场竞争压力也是影响区域绿色技术创新的重要环境因素。市场竞争压力越大,企业为了在激烈的市场竞争中生存和发展,会加大绿色创新力度,通过创新增加收益,抢占更多市场份额,从而在客观上提升区域绿色技术创新水平[24]。数字产业集聚意味着大量同类型企业在同一地区集聚,有助于提升产业集中度,同时,促进市场竞争,倒逼企业加大创新力度。因此,数字产业集聚通过加大环境规制力度、推动绿色金融发展、促进市场竞争,进而加快区域绿色创新水平提升。
基于上述分析,本文提出如下假设:
H1:数字产业集聚能够有效提升区域绿色创新水平。
H1a:数字产业集聚会通过加速人力资本、技术、研发资金等科技要素集聚,推动区域绿色创新水平提升;
H1b:数字产业集聚会通过强化环境规制、推动绿色金融发展和促进市场竞争,推动区域绿色创新水平提升。
数字产业集聚与政府数字支持力度、市场化水平及数字基础水平等息息相关,这些因素不仅会直接影响数字产业集聚速度和规模,而且会对数字产业集聚的绿色创新效应产生影响。由于我国幅员辽阔,各地区数字经济支持力度、市场化发展程度、数字基础发展水平等存在较大差异。因此,本文从政府数字支持、市场化程度和数字基础水平3个维度,分析并检验数字产业集聚对绿色技术创新的差异化影响。
首先,从政府支持角度看,当支持力度较大时,政府对数字产业集聚区的监管和服务水平较高,能够规范集聚区市场主体行为,有利于企业充分享受政府提供的各种优惠政策和服务[25]。此时,政府会通过搭建平台、促进合作等方式,推动区域企业与高校、科研机构等创新主体深度合作,共同开展绿色创新项目,并通过产学研深度融合实现资源共享、优势互补,提升绿色创新效率和质量。反之,当支持力度较小时,政府对数字化转型的引导和监管不足,导致数字产业集聚区企业仅注重短期利益,倾向于将资金投向经济效益显著但生态效益不佳的领域,降低绿色创新投入,进而对绿色技术创新产生消极影响。
其次,从市场化角度看,对于市场化水平较高的地区而言,数字产业集聚会加剧企业竞争,促进技术交流和扩散,从而有助于绿色创新技术快速推广和应用,同时,也会倒逼企业注重绿色创新以获取竞争优势。加之市场化水平较高的地区拥有更加完善的制度和知识产权保护体系[26],数字产业集聚对绿色技术创新的促进效应更显著。反之,对于市场化程度较低的地区而言,企业间竞争较弱,受到的市场压力也较小,开展绿色创新的意愿不强烈,加之市场化水平较低地区的法律制度和保障机制不完善,数字产业集聚对绿色技术创新的促进效应不显著。
最后,从数字基础水平角度看,对于数字基础建设落后地区而言,数字产业集聚有助于填补技术空白,提升地区数字化水平,进而为绿色创新提供技术支持。同时,上述地区由于面临严峻的资源短缺、环境污染等问题,有更迫切的绿色转型需求[27]。此时,数字产业集聚通过引入先进的数字技术和绿色创新资源,为区域绿色发展提供方向和动力,进而有利于激发区域绿色创新活力、实现绿色创新水平提升。反之,对于数字基础建设较好地区而言,由于数字化水平较高,且已形成一定的创新体系和产业格局,数字产业集聚对地区绿色创新的影响有限。同时,这些地区的创新资源和人才储备丰富,数字产业集聚可能无法为当地企业带来显著的绿色创新优势。
基于上述分析,本文提出如下假设:
H2a:数字产业集聚对政府数字支持力度较大地区绿色技术创新的促进效应更显著;
H2b:数字产业集聚对市场化水平较高地区绿色技术创新的促进效应更显著;
H2c:数字产业集聚对数字基础较弱地区绿色技术创新的促进效应更显著。
本文以2011—2022年中国内地30个省市(西藏因数据不全,未纳入统计)数据为研究样本,原始数据来源于《中国科技统计年鉴》《中国第三产业统计年鉴》《中国高技术产业统计年鉴》《中国统计年鉴》《中国保险年鉴》、各省市统计年鉴和国家知识产权局(SIPO)专利数据库。为了提高研究结论的准确性,本文采用线性插值、替换极端值等方法处理样本。
(1)被解释变量。区域绿色创新水平。绿色专利直接能体现区域绿色创新活力和力度,并成为区域绿色创新水平的重要衡量指标,得到学界的广泛认可与应用。因此,本文借鉴董直庆等[28]和闫中意等[29]的研究,采用人均绿色专利授权量(件/万人)衡量区域绿色创新水平。此外,为了提高研究结果准确性,后续稳健性检验中采用其它方式衡量区域绿色创新水平。
(2)解释变量。根据国家统计局发布的《数字经济及其核心产业统计分类(2021)》和中国信息通信研究院发布的《中国数字经济发展与就业白皮书(2020年)》,并借鉴以往研究[30],以数字产品服务业为例,选用电信、广播电视和卫星传输服务业、互联网和相关服务业、软件和信息技术服务业等行业就业人数为样本量,采用区位熵方法构建区域数字产业集聚指标。
(1)
其中,employedj,t为j地区t时期数字产业从业人员数量,employj,t为j地区t时期就业总人数。Digital-industry反映j地区t时期数字产业集聚水平。此外,本文在后续稳健性检验中采用其它方法衡量数字产业集聚水平,以增强研究结论准确性。
(3)控制变量。借鉴相关研究[31-32],本文选用以下影响区域绿色创新的因素作为控制变量:环境污染程度(Pollution),采用二氧化硫排放量(百万吨)衡量;人力资本水平(Human),采用普通高等学校在校学生数(亿人)衡量;交通发展水平(Traffic),采用城镇居民平均每百户年末家用汽车拥有量(百辆)衡量;基础设施建设水平(Infrastructure),采用基础设施固定资产投资增长率(%)衡量;政府科技支持力度(Science &technology),采用地方财政科学技术支出(亿元)/地区生产总值(亿元)衡量;工业发展水平(Industrial),采用工业增加值(亿元)/地区生产总值(亿元)衡量。
(4)中介变量。创新人才集聚(Human),采用地区R&D人员数量(万人)衡量;创新资本集聚(Capital),采用地区R&D经费投入(万亿元)衡量;创新技术集聚(Technology),采用技术市场成交额(万亿元)衡量;环境规制力度(Regulation),采用地方财政环境保护支出(万亿元)衡量;绿色金融发展水平(Green-finance),采用绿色金融指数衡量(利用熵值法从绿色信贷、绿色投资、绿色保险和政府支持4个维度测量);市场竞争压力(Press),采用开展创新活动的企业数占总企业数的比值衡量。
各变量描述性统计结果如表1所示。
表1 变量描述性统计结果
Table 1 Descriptive statistics of variables
变量样本量均值标准差最小值最大值Green-innovation3600.925 6 1.217 2 0.025 8 8.680 9 Digital-industry3600.898 6 0.730 3 0.367 2 5.019 3 Pollution3600.374 7 0.378 0 0.001 2 1.827 4 Human3600.009 5 0.005 7 0.000 5 0.028 9 Traffic3600.003 5 0.001 4 0.000 6 0.006 9 Infrastructure360-1.275 6 23.476 5-112.900 0 126.500 0 Science&technology 3600.004 8 0.002 6 0.001 6 0.012 9 Industrial3600.333 6 0.079 8 0.100 1 0.573 8 Human3609.715 913.644 40.115 772.756 8Capital3600.039 80.053 6 0.000 6 0.351 6Technology3600.056 70.105 30.000 1 0.804 4Regulation3600.015 3 0.009 9 0.002 1 0.074 7 Green-finance3600.108 3 0.003 1 0.095 0 0.118 7 Press3600.161 90.100 50.026 10.497 4
首先,为了考察数字产业集聚对区域绿色创新的直接影响,构建如下模型进行检验。
Green-innovationit=α0+α1Digital-industryit+∑αjxjit+vt+ui+εit
(2)
式(2)中,Digital-industry为本文解释变量数字产业集聚,Green-innovation为本文被解释变量区域绿色创新水平。x包含环境污染程度、人力资本水平、交通发展水平、基础设施建设水平、政府科技支持力度和工业发展水平等控制变量,ui、vt分别表示控制个体固定效应和时间固定效应,εit为随机误差项。
其次,为了验证人力资本、技术、研发资金等内部创新要素集聚机制以及环境规制力度、绿色金融发展、市场竞争压力等外部环境机制的作用,本文构建如下模型进行检验。
Mit=β0+β1Digital-industryit+∑βjxjit+vt+ui+εit
(3)
Green-innovationit=γ0+γ1Digital-industryit+γ2Mit+∑γjxjit+vt+ui+εit
(4)
式(3)(4)中,M为中介变量,其余变量设置同式(2)。通过观测Digital-industry、M的系数值和显著性水平,考察前文提出的中介机制是否存在。
为了检验研究假设H1,考察数字产业集聚是否对区域绿色创新产生显著促进效应,对式(2)进行回归,具体结果如表2所示。首先,模型(1)为未加入控制变量以及未控制时间固定效应、个体固定效应的回归结果。从中可以看出,数字产业集聚回归系数显著为正,表明数字产业集聚与区域绿色创新之间存在显著正相关关系,即数字产业集聚水平越高,其对区域绿色创新水平的促进效应越显著。为了进一步检验研究结论稳健性,本文在模型(2)中加入环境污染程度、人力资本水平、交通发展水平、基础设施建设水平、政府科技支持和工业发展水平等影响区域绿色创新的变量。模型(3)在模型(2)的基础上控制了个体固定效应,模型(4)在模型(3)的基础上控制了时间固定效应。回归结果显示,数字产业集聚的回归系数均显著为正,证实数字产业集聚能显著提升区域绿色创新水平,验证了假设H1成立。
表2 基准回归结果
Table 2 Baseline regression results
变量(1)(2)(3)(4)Green-innovationGreen-innovationGreen-innovationGreen-innovationDigital-industry0.907 7∗∗∗0.900 5∗∗∗0.785 1∗∗∗1.117 7∗∗∗(0.124 9)(0.088 3)(0.213 8)(0.177 1)Pollution-0.307 2∗∗0.119 80.387 1∗∗(0.140 4)(0.178 6)(0.177 8)Human-1.013 7 0.948 7-53.402 1∗(10.252 4)(30.094 9)(30.779 3)Traffic4.207 0∗∗∗5.010 9∗∗∗-3.600 0∗∗∗(0.383 2)(0.535 1)(0.824 7)Infrastructure0.000 30.000 40.000 1(0.000 3)(0.000 4)(0.000 3)Science&technology 72.607 6∗∗∗13.529 412.002 0(21.935 7)(30.495 1)(25.769 4)Industrial2.092 0∗∗∗0.169 42.850 5∗∗(0.798 7)(1.174 8)(1.277 8)个体固定效应否否是是时间固定效应否否否是Constant0.101 0 -2.272 9∗∗∗-1.705 1∗∗∗-1.084 9(0.150 4)(0.325 8)(0.597 9)(0.696 5)Observations360360360360R20.712 70.883 10.760 30.368 6
为了进一步验证前文结论准确性,分别采用加入交互固定效应、调整样本、更换变量衡量方式以及工具变量等方法进行稳健性检验。
(1)为了消除共同因素对不同个体影响的差异性,本文采用面板交互固定效应模型进行回归分析,结果如表3模型(1)所示。从中可以看出,在加入时间与个体的交互效应后,数字产业集聚的回归系数仍显著为正,再次表明数字产业集聚会对区域绿色创新水平具有显著促进效应,验证了前文结论的稳健性。
表3 稳健性检验:加入交互固定效应与调整样本
Table 3 Robustness test: adding interactive fixed effects and adjusting samples
变量加入交互固定效应(1)Green-innovation调整样本(2)Green-innovation(3)Green-innovationDigital-industry0.225 3∗∗∗0.308 2∗∗∗0.869 5∗∗∗(0.040 4)(0.130 0)(0.171 2)控制变量是是是个体固定效应是是是时间固定效应是是是R20.002 40.082 0Constant-0.463 9∗∗∗-0.815 9 -1.260 3∗∗∗(0.125 8)(0.539 2)(0.462 1)Observations360270312
(2)考虑到新冠疫情影响,各行各业都受到不同程度的冲击,可能对本文研究结论产生一定干扰。因此,剔除2020—2022年数据样本进行回归,结果如表3中模型(2)所示。从中可以看出,数字产业集聚对区域绿色技术创新具有显著促进效应,与前文研究结论保持一致。此外,考虑到国家对北京、上海、天津、重庆4个直辖市的绿色创新支持力度较大,其绿色科技水平高于其它省份,故将上述地区从样本中剔除以消除极端值带来的影响。表3中模型(3)展示了将上述4个城市剔除后的回归结果,从中可以看出,数字产业集聚回归系数仍显著为正,再次印证了前文结论。
(3)本文采用更换变量衡量方式的方法进行检验。一方面,将被解释变量区域绿色创新水平的衡量方式变更为人均绿色发明专利授权量(件/万人)和人均绿色实用新型专利授权量(件/万人),分别进行回归检验,结果如表4中列(1)(2)所示。另一方面,更换解释变量数字产业集聚的衡量方式,首先从数字产品制造业(通信设备制造业、计算机制造业)入手,以数字产品制造业就业人数为样本,采用区位熵构建数字产业集聚指数进行回归分析,具体如表4中列(3)所示;其次从数字产业收入(软件业务收入、软件产品收入、信息技术服务收入、信息安全收入、嵌入式系统软件收入)的角度,采用数字产业收入占地区生产总值的比重测度数字产业集聚水平,结果如表4中列(4)所示。上述回归结果显示,数字产业集聚回归系数均显著为正,说明数字产业集聚对区域绿色技术创新具有显著提升效应,验证本文研究结论。
表4 稳健性检验:更换变量衡量方法
Table 4 Robustness test: changing variable measurement method
变量更换被解释变量衡量方法(1)(2)Green-innovationGreen-innovation更换解释变量衡量方法(3)(4)Green-innovationGreen-innovationDigital-industry0.508 7∗∗∗1.006 1∗∗∗1.194 4∗∗∗4.125 2∗∗∗(0.174 1)(0.128 1)(0.090 9)(0.367 6)控制变量是是是是个体固定效应是是是是时间固定效应是是是是R20.163 90.365 10.748 20.721 4Constant-0.982 1-1.297 4∗∗∗0.125 1 0.946 3∗ (0.685 0)(0.503 8)(0.542 3)(0.568 7)Observations360360360360
(4)为了克服遗漏变量、双向因果等内生性问题对研究结论的影响,本文采用工具变量法进行回归检验。具体而言,参照相关研究[33-35],采用杭州到各省会城市的球面距离作为工具变量进行回归检验,结果如表5所示。从回归结果来看,工具变量通过了相关性检验、弱工具变量检验、不可识别检验和过度识别检验,在统计意义上验证了工具变量的有效性;第二阶段回归结果显示,数字产业集聚回归系数仍显著为正,消除了内生性问题的干扰,验证了本文结论的稳健性。
表5 稳健性检验:采用工具变量法
Table 5 Robustness test:instrumental variable method
第一阶段第二阶段Green-innovationGreen-innovationDistance-0.003 0∗∗∗Digital-industry1.798 7∗∗∗(0.000 3)(0.506 1)控制变量是控制变量是时间固定效应是时间固定效应是个体固定效应是个体固定效应是Observations360Observations360F统计值=74.250LM统计值=61.681C-D Wald统计值=74.251Sargan统计值=0.000
为了进一步检验前文提出的中介机制,对式(3)(4)进行回归,结果如表6、表7所示。
表6 中介机制回归结果之一
Table 6 Analysis results of mediation mechanism 1
变量(1)(2)(3)(4)(5)(6)HumanGreen-innovationCapitalGreen-innovationTechnologyGreen-innovationDigital-industry5.196 7∗∗∗0.856 9∗∗∗0.034 8∗∗∗0.653 1∗∗∗0.057 4∗∗∗0.688 8∗∗∗(1.198 9)(0.171 7)(0.006 0)(0.166 6)(0.017 9)(0.118 3)Human0.050 2∗∗∗(0.007 9)Capital13.339 2∗∗∗(1.496 1)Technology7.466 6∗∗∗(0.368 5)个体固定效应是是是是是是时间固定效应是是是是是是控制变量是是是是是是Sobel0.261∗∗∗0.465∗∗∗0.429∗∗∗(0.073)(0.095)(0.135)R20.954 20.888 90.926 00.899 90.828 70.945 9Constant-29.653 2∗∗∗1.304 2-0.206 0∗∗∗2.563 9∗∗∗0.146 2-1.275 9∗∗(6.579 8)(0.944 7)(0.032 9)(0.921 6)(0.098 2)(0.641 2)Observations360360360360360360
表7 中介机制回归结果之二
Table 7 Analysis results of mediation mechanism 2
变量(1)(2)(3)(4)(5)(6)RegulationGreen-innovationGreen-financeGreen-innovationPressGreen-innovationDigital-industry0.004 2∗∗∗1.006 4∗∗∗0.022 9∗∗0.977 6∗∗∗0.080 3∗∗∗0.924 2∗∗∗(0.001 5)(0.174 9)(0.010 1)(0.167 5)(0.015 5)(0.180 6)Regulation26.197 5∗∗∗(6.411 1)Green-finance6.125 2∗∗∗(0.930 3)Press2.410 0∗∗∗(0.631 5)个体固定效应是是是是是是时间固定效应是是是是是是控制变量是是是是是是Sobel0.111∗∗0.140∗∗0.193∗∗∗(0.048)(0.065)(0.063)R20.859 30.880 80.875 20.889 70.858 10.880 0Constant-0.007 70.016 7-0.018 2-0.072 7-0.089 60.032 1(0.008 4)(0.949 4)(0.055 5)(0.912 0)(0.085 3)(0.952 9)Observations360360360360360360
表6为人力资本、技术、研发资金等创新要素集聚作为中介机制的回归结果。其中,列(1)(2)为创新人才集聚作为中介机制的回归结果。列(1)中数字产业集聚的回归系数显著为正,列(2)中创新人才集聚的回归系数也显著为正,说明数字产业集聚能够显著加快创新人才集聚,为绿色技术创新提供研发人才支撑,进而促进区域绿色创新水平提升。此外,进一步的Sobel检验也证实存在创新人才集聚这一中介机制。列(3)(4)为创新资本集聚作为中介机制的回归结果。其中,列(3)中数字产业集聚的回归系数显著为正,列(4)中创新资本集聚的回归系数也显著为正,说明数字产业集聚能够显著加快创新资本集聚,增加研发创新投入,为绿色创新活动提供更为充足的资金支持,进而提升区域绿色创新水平。此外,进一步的Sobel检验也证实存在创新资本集聚这一中介机制。列(5)(6)为创新技术集聚作为中介机制的回归结果。结果显示,列(5)中数字产业集聚的回归系数显著为正,列(6)中创新技术集聚的回归系数也显著为正,说明数字产业集聚能够显著激发技术市场活力,促进技术传播与交流,进而为绿色技术创新提供技术保障,带动区域绿色技术创新水平提升。此外,进一步的Sobel检验也证实存在创新技术集聚这一中介机制。综上分析,假设H1a得以验证。
表7为环境规制力度、绿色金融发展、市场竞争压力等外部环境因素作为中介机制的回归结果。其中,列(1)(2)为环境规制作为中介机制的回归结果。结果显示,列(1)中数字产业集聚的回归系数显著为正,列(2)中环境规制的回归系数也显著为正,说明数字产业集聚能够显著提升环境规制水平,强化政府对生态环境的治理能力,进而倒逼企业通过绿色技术革新实现降本增效,推动区域整体绿色创新水平提升。此外,进一步的Sobel检验也证实存在环境规制这一中介机制。列(3)(4)为绿色金融发展作为中介机制的回归结果。其中,列(3)中数字产业集聚的回归系数显著为正,列(4)中绿色金融发展的回归系数也显著为正,说明数字产业集聚能够显著带动区域绿色金融发展,激发绿色金融市场活力,为区域绿色技术创新提供充足的资金支持,进而提升区域绿色创新水平。此外,进一步的Sobel检验也证实存在绿色金融发展这一中介机制。列(5)(6)为市场竞争压力作为中介机制的回归结果。结果显示,列(5)中数字产业集聚的回归系数显著为正,列(6)中市场竞争压力的回归系数也显著为正,说明数字产业集聚显著加剧地区市场竞争,增大企业竞争压力,倒逼企业通过创新适应市场竞争,进而提升区域绿色创新水平。此外,进一步的Sobel检验也证实存在市场竞争压力这一中介机制。综上分析,假设H1b得以验证。
由于各地区数字支持力度、市场化水平和数字基础水平等不同,为了检验数字产业集聚对绿色创新影响的地区差异性,本文采用划分样本的方式进行回归检验。首先,借鉴相关研究[36,37],借助Python软件,统计各省政府工作报告中与数字经济相关的关键词词频,并将高于中位数的样本记为政府数字支持力度较高地区,将低于中位数的样本记为政府数字支持力度较小地区,分别进行回归检验。其次,参照相关研究[38],采用市场化指数衡量地区市场化水平,并根据地区市场化指数,将高于均值的样本记为市场化水平较高地区,将低于均值的样本记为市场化水平较低地区,分别进行回归检验。最后,以地区移动电话普及率划分数字基础水平较高地区和数字基础水平较低地区。具体而言,以地区移动电话普及率(部/百人)为参照,将高于均值的样本记为数字基础水平较高地区,将低于均值的样本记为数字基础水平较低地区,分别进行回归检验。上述回归结果如表8所示。
表8 异质性回归结果
Table 8 Heterogeneity analysis results
变量政府数字支持异质性(1)(2)低高Green-innovationGreen-innovation市场化水平异质性(3)(4)低高Green-innovationGreen-innovation数字基础异质性(5)(6)低高Green-innovationGreen-innovationDigital-industry-0.341 8∗ 1.842 2∗∗∗0.093 3 0.654 6∗∗0.236 7∗∗∗0.100 5 (0.200 7)(0.298 4)(0.092 6)(0.266 8)(0.069 4)(0.278 7)控制变量控制控制控制控制控制控制个体固定效应是是是是是是时间固定效应是是是是是是R20.535 70.383 2 0.164 40.034 20.236 40.266 4Constant0.3064∗∗∗2.707 3∗∗-0.291 8 -6.782 1∗∗∗-0.563 0∗∗0.224 3 (0.7417)(1.3685)(0.178 2)(1.888 7)(0.234 7)(1.434 2)Observations180180167193144216
表8中列(1)(2)、列(3)(4)、列(5)(6)分别对应地区数字支持异质性、市场化水平异质性和数字基础水平异质性回归结果。从列(1)(2)的结果可以看出,在地区数字支持度较低的分组中解释变量回归系数显著为负,而地区数字支持度较高的分组中解释变量回归系数显著为正,表明由于政府数字支持力度不同,数字产业集聚对区域绿色创新存在差异化影响,即数字产业集聚对数字支持较高地区的绿色创新产生显著促进效应,而对数字支持较低地区的绿色创新产生显著抑制效应。从列(3)(4)的结果可以看出,在市场化水平较低的分组中解释变量回归系数不显著,而市场化水平较高的分组中解释变量回归系数显著为正,表明由于各地区市场化水平不同,数字产业集聚对区域绿色创新存在差异化影响,即数字产业集聚对市场化水平较高地区绿色创新的促进效应强于市场化水平较低地区。从列(5)(6)的结果可以看出,在数字基础水平较低的分组中解释变量回归系数显著为正,而数字基础水平较高的分组中解释变量回归系数不显著,表明由于各地区数字基础水平不同,数字产业集聚对区域绿色创新存在差异化影响,即数字产业集聚对数字基础水平较低地区绿色创新水平的促进效应强于数字基础水平较高地区。综上,假设H2a、H2b、H2c通过验证。
激发区域绿色创新活力、完善绿色创新体系,以绿色创新为引擎推动经济社会高质量发展是中国式现代化进程中的重要任务。本文以2011—2022年中国内地30个省域数据为研究样本,分析并检验数字产业集聚对区域绿色技术创新的影响和作用机理,并从各地区数字支持力度、市场化水平和数字基础水平等方面,考察数字产业集聚对区域绿色创新的差异化影响。研究发现:
(1)数字产业集聚显著提升区域绿色技术创新水平,且在经过加入交互固定效应、调整样本、更换变量衡量方式、采用工具变量等方法进行稳健性检验后结论依旧成立。
(2)数字产业集聚会通过加速人力资本、技术、研发资金等科技创新要素集聚以及强化环境规制、加快绿色金融发展和促进市场竞争,进而提升区域绿色创新水平。
(3)数字产业集聚对政府数字支持力度大、市场化水平高、数字基础水平低地区绿色创新的促进效应强于政府数字支持力度小、市场化水平低、数字基础水平高的地区。
本文分析并检验了数字产业集聚对区域绿色创新的影响,相比既有研究,本文的边际贡献如下:
(1)从区域绿色技术创新视角切入,将区域绿色技术创新作为数字产业集聚产生的重要经济效应纳入研究范畴,丰富了数字产业集聚研究视角。现有研究重点分析数字产业集聚的时空演化趋势和区域空间格局[1][39],探究数字产业集聚经济社会效应的研究较少,尚未有文献从绿色技术创新视角讨论数字产业集聚对区域发展的影响。本文通过构建理论框架,分析并检验数字产业集聚对区域绿色技术创新的促进效应,丰富了数字产业集聚经济效应研究视角。
(2)从内部创新要素和外部创新环境两个维度,论证数字产业集聚赋能区域绿色创新的影响机制,对现有以要素配置为数字产业集聚主要传导渠道的研究进行了有益补充。现有研究多从资本、技术、人才等要素视角切入,论述数字产业集聚对经济发展的影响,探讨数字产业集聚对人力资本汇集、科学技术突破的冲击[40,41]。本文进一步从环境规制、绿色金融发展、市场竞争压力等外部创新环境视角进行讨论,有效弥补了关于数字产业集聚传导渠道的研究局限,为后续理论研究提供了新思路。
(3)从政府、市场、基础设施3个维度深入考察数字产业集聚对区域绿色创新的差异化影响,深化了现有研究,增强了对数字产业集聚影响不同区域主体绿色创新的认知。有研究指出,政府、市场和基础设施差异不仅会影响产业空间布局,而且会对产业集群发展产生重大冲击[42-43]。本文以数字产业为例,分别论述并检验了不同政府数字支持、市场化水平和数字基础水平等对数字产业集聚赋能效应的差异化影响,对现有研究进行了补充与深化。
(1)优化数字产业布局,提升数字产业集群竞争力,为区域绿色创新提供数字技术支持,实现数字化、绿色化协同推进。未来应以数字产业集群化发展为出发点,通过绿色技术创新推动生产技术与方式革新,进一步激发数字化与绿色化之间的双向共进效应。一方面,应持续优化数字生态,积极扶持区域内数字产业发展,加大力度引入数字龙头企业,充分发挥数字产业集聚发展带来的资源共享、创新协同、效率提高、成本降低等优势,为区域绿色技术创新和绿色经济发展注入新动力;另一方面,应强化政策引领,通过宏观政策制定和实施,强化数字产业绿色发展导向,并充分释放数字产业集聚对绿色化技术创新的赋能效应,提升绿色经济与数字经济发展协同程度,实现生态效益和经济社会效益相统一。
(2)优化区域创新要素配置,同时,激发市场创新活力,为区域绿色技术创新提供良好的环境支撑。一方面,各地政府应严格落实中央关于促进各类创新要素向企业集聚的要求,充分利用数字产业集聚带来的创新要素集聚优势,优化人才、技术、资本等创新要素配置,实现创新链与产业链有效对接,激发区域绿色创新活力;另一方面,各地应进一步优化区域绿色创新生态,强化政府环境规制,激发区域内企业绿色创新意愿,同时,加快绿色金融发展,为绿色技术创新破除融资约束,有效解决企业绿色技术创新研发资金不足问题,打通绿色金融助推绿色创新的内外部渠道,保障绿色金融助力高质量发展。
(3)因地制宜、因时制宜谋求绿色发展。不同地区应结合自身特色,采用不同发展策略,避免“一刀切”的做法,构筑数字产业集群优势、释放绿色技术创新红利。对于政府数字支持力度较大、市场化水平较高、数字基础水平较低地区,应以构筑健康的数字产业集群生态为任务主线,出台相应政策扶持数字产业发展,充分发挥数字产业集聚所带来的人才、资金、技术积累优势,助力绿色创新发展。对于政府数字支持力度较弱、市场化水平较低、数字基础水平较高地区,应更多发挥数字产业集聚所带来的创新要素流动共享、创新环境优化提升等优势,加大政府对绿色技术创新的支持力度,分阶段、有计划逐步提升区域绿色创新水平。
本文的不足在于:一方面,研究仅局限于区域层面,讨论数字产业集聚对区域绿色技术创新的影响,未来可从企业视角出发,进一步讨论数字产业集聚对微观企业绿色技术创新的影响;另一方面,绿色技术创新包含自主创新、模仿创新、合作创新和集成创新等多种模式,本文仅讨论了数字产业集聚对区域整体绿色技术创新的影响,未划分绿色技术创新模式进行讨论,未来可进一步结合绿色技术创新模式进行具体分析。
[1] 赵放,李文婷,马婉莹.数字经济视域下地理集聚与虚拟集聚的演化特征及耦合关系[J].吉林大学社会科学学报,2024,64(1): 117-132,238.
[2] 曹裕,李想,胡韩莉,等.数字化如何推动制造企业绿色转型——资源编排理论视角下的探索性案例研究[J].管理世界,2023,39(3): 96-112,126,113.
[3] TENG Y Y, ZHENG J Z, LI Y C, et al. Optimizing digital transformation paths for industrial clusters: insights from a simulation[J]. Technology Forecasting and Social Change,2024,200:123170.
[4] CHANG K, ZHANG H J, LI B Y. The impact of digital economy and industrial agglomeration on the changes of industrial structure in the Yangtze River delta[J]. Journal of the Knowledge Economy, 2024,15(2): 9207-9227.
[5] 王海花,谭钦瀛,李烨.数字技术应用、绿色创新与企业可持续发展绩效——制度压力的调节作用[J].科技进步与对策,2023,40(7): 124-135.
[6] WANG X J, DIAO Y X, HAN D R. Does digital industry agglomeration bring substantive green innovation-empirical analysis of SPDM and PTR models based on spatiotemporal dual fixation[J]. Managerial and Decision Economics, 2024, 45(3): 79-94.
[7] 辛璐璐.数字产业集聚、颠覆式技术创新与城市绿色经济效率[J].学习与实践,2023,46(10): 71-80.
[8] 张恪渝,武晓婷,何子龙.中国数字产业的宏观经济效应分析: 基于投入产出视角[J].统计与信息论坛,2023,38(12): 50-62.
[9] 李栋,张映芹,李开源.中国省际数字经济核心产业集聚度、非平衡性与动态演进[J].统计与决策,2023,39(18): 103-108.
[10] 焦嶕,郭金花,赵国浩.数字产业集聚、地方政府竞争与城市绿色经济效率[J].经济经纬, 2023,40(6): 51-60.
[11] 汪振,唐惠敏.数字下乡:乡村产业振兴的技术实践与风险规避[J].农村经济,2023,43(12): 53-61.
[12] 尤济红,梁浚强.数字产业发展如何影响流动人口收入 [J].产业经济研究,2023,26(5): 87-100.
[13] XU J,HU W W. How do external resources influence a firm's green innovation? a study based on absorptive capacity[J]. Economic Modelling, 2024, 133:106660.
[14] ZUO Y,ZHOU Y P. Research on influencing factors and configuration effects of green innovation efficiency of patent-intensive industry[J]. Technology Analysis &Strategic Management,2023,10(6): 1-18.
[15] MOLDEN L H,CLAUSEN T H. Playing 3D chess, or how firms can thrive under complexity: The mediating role of innovation capabilities in the use of innovation input[J]. Journal of Business Research,2021,125:1-13.
[16] PI
A C A C,ACUR N, CETINDAMAR D. An activity theory analysis of digital innovation orchestration in Industry 4. 0[J]. Journal of Manufacturing Technology Management,2024,163(4):1-22.
[17] 陈强远, 殷赏, 程芸倩, 等. 围绕创新链布局产业链: 基于中关村科技园周边新企业进入的分析[J]. 中国工业经济, 2024, 41(1): 75-92.
[18] 杜龙政,赵云辉,陶克涛,等.环境规制、治理转型对绿色竞争力提升的复合效应——基于中国工业的经验证据[J].经济研究,2019,54(10): 106-120.
[19] 李青原,肖泽华.异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J].经济研究,2020,55(9): 192-208.
[20] MA R L,LIU H,LI Z P,et al. Promoting sustainable development: revisiting digital economy agglomeration and inclusive green growth through two-tier stochastic frontier model[J]. Journal of Environmental Management, 2024,355:120491.
[21] LEE C C,LEE C C. How does green finance affect green total factor productivity? evidence from China[J]. Energy Economics, 2022,107:105863.
[22] 王遥.绿色金融体系如何推动经济绿色转型[J].人民论坛·学术前沿,2024,28(1): 59-67.
[23] LI X,WANG S W,LU X,et al. Quantity or quality? the effect of green finance on enterprise green technology innovation[J]. European Journal of Innovation Management, 2023,45(9):133-152.
[24] SHANG T T,MIAO X M,LU D,et al. The evolutionary process of disruptive green innovation in China: evidence from the electric bicycle sector[J]. Technology Analysis &Strategic Management, 2020,32(8): 10-22.
[25] 孙伟增,毛宁,兰峰,等.政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J].中国工业经济,2023,40(9): 117-135.
[26] PENG X Y,ZOU X Y,ZHAO X X,et al. How does economic policy uncertainty affect green innovation[J]. Technological and Economic Development of Economy, 2023,29(1): 14-40.
[27] LI G X,ZHANG R,FENG S L,et al. Digital finance and sustainable development: evidence from environmental inequality in China[J]. Business Strategy and the Environment, 2022,31(7): 74-94.
[28] 董直庆,王辉.环境规制的“本地—邻地”绿色技术进步效应[J].中国工业经济,2019,36(1): 100-118.
[29] 闫中意,卜伟,王雅婧.国家级新区与城市绿色技术创新——基于产业集聚的中介效应研究[J].科学学与科学技术管理,2024,45(7):49-67.
[30] 王俊豪,周晟佳.中国数字产业发展的现状、特征及其溢出效应[J].数量经济技术经济研究,2021,38(3): 103-119.
[31] LI X,GUO F,XU Q,et al. Strategic or substantive innovation? the effect of government environmental punishment on enterprise green technology innovation[J]. Sustainable Development, 2023,31(5):65-86.
[32] XU A T,ZHU Y H,WANG W P. Micro green technology innovation effects of green finance pilot policy:from the perspectives of action points and green value[J]. Journal of Business Research,2023,159:113724.
[33] 张勋,万广华,张佳佳,等.数字经济、普惠金融与包容性增长[J].经济研究,2019, 54(8): 71-86.
[34] 何宗樾,宋旭光.数字经济促进就业的机理与启示——疫情发生之后的思考[J].经济学家, 2020,1(5): 58-68.
[35] 张勋,杨桐,汪晨,等.数字金融发展与居民消费增长: 理论与中国实践[J].管理世界, 2020,36(11): 48-63.
[36] 金灿阳,徐蔼婷,邱可阳.中国省域数字经济发展水平测度及其空间关联研究[J].统计与信息论坛,2022,37(6): 11-21.
[37] 陶长琪,丁煜.数字经济政策如何影响制造业企业创新——基于适宜性供给的视角[J].当代财经,2022,10(3): 16-27.
[38] 樊纲,王小鲁,张立文,等.中国各地区市场化相对进程报告[J].经济研究,2003,38(3): 9-18,89.
[39] 刘娜.中国数字产业技术进步水平测度及区域差异[J].科技进步与对策, 2024,41(13):79-89.
[40] 赵放,李文婷,马婉莹.数据要素市场化能否促进数字产业集聚——来自准自然实验的证据[J].浙江学刊,2024,26(3): 143-152.
[41] 罗爽,肖韵.数字经济核心产业集聚赋能新质生产力发展: 理论机制与实证检验[J].新疆社会科学,2024,59(2): 29-40,148.
[42] GEREFFI G,LEE J. Economic and social upgrading in global value chains and industrial clusters: Why governance matters[J]. Journal of Business Ethics, 2016,13(1): 25-38.
[43] WU Y Y,WEI Y D,LI H,et al. Amenity,firm agglomeration,and local creativity of producer services in Shanghai[J]. Cities,2022,120(5): 1-17.