数字经济对区域创新影响的实证检验.pdf

统计与决策2023年第16期总第628期0引言近年来，随着相关数据获得性的提升，越来越多的研究评估数字经济对创新的影响。现有文献较为一致地认为数字经济可以赋能区域创新，在赋能过程中，人力资本积累和研发资本投入是重要中介变量1，受到人才集聚和金融发展正向调节2，高市场化水平下的数字经济发展更能激励创新质量3。进一步地，张慧等（2022）4研究发现，完善要素市场化配置和提升要素配置效率是数字经济提升区域创新效率的重要原因。也有研究从微观层面指出，数字经济有助于提升企业创新水平5,6。虽然现有研究已对数字经济与区域创新之间的关系以及作用机制进行了较为丰富的研究，但仍有进一步探讨的空间。与现有文献相比，本文的主要贡献在于：一是区域创新指标选取方面具有一定的启发性。本文从创新质量、创新结构、创新效率和创新价值四个维度构建综合指标体系测度区域创新，合理和全面反映区域创新的丰富内涵，进而丰富区域创新的相关研究。二是揭示了数字经济带来的产业数字化和创新活跃度是影响区域创新的机制，为落实创新驱动战略提供了具体路径。三是考虑了数字经济的非线性特征。本文使用面板门槛模型验证数字经济与区域创新二者之间是否存在非线性关系，进一步以产业数字化和创新活跃度作为门槛变量进行检验，提高了研究结果的精确性和可信度。1理论分析与研究假设1.1数字经济促进区域创新的直接机制数字经济对区域创新的直接影响具体体现在以下方面：首先，数字经济加强了创新主体内部协同创新。新一代数字技术使得新知识在创新主体内部高效流动，各研发部门之间加强相互配合，打破原有创新参与者的思维模式和技术架构，推动创新主体产生颠覆性创意。同时，数据这一全新要素重新组合其他生产要素，能够推动产业链在更大范围内融入创新要素，进而形成稳定的产业内协同创新。其次，数字经济打造了良好的创新网络。数字经济能够突破时空的束缚，并以较低的成本实现跨区域资源共享和创新合作7，从而形成良好的创新网络。依托互联网平台，单一线性的个体创新可以向网络化的集体创新转变，“抱团取暖”使得不同创新参与者涉足技术难度更高的领域。最后，数字经济形成了更大的市场规模。数字经济时代，产品生产部门能够及时响应市场需求，可以在较短的时间突破地理阻隔形成更大的市场规模6，加快科技成果共享与转化，进而降低技术创新的边际成本，提高了技术创新的经济效益。由此，本文提出：假设1：数字经济能够促进区域创新。1.2数字经济促进区域创新的间接机制数字经济可以促进产业数字化，具体表现为：第一，数字经济催生新的商业模式。数字化的生产方式催生了线数字经济对区域创新影响的实证检验鲍鹏程1，朱付彪2（1.西南大学 经济管理学院，重庆 400715；2.合肥工业大学 经济学院，合肥 230601）摘要：文章在理论分析数字经济对区域创新的影响及作用机理的基础上，通过构建数字经济和区域创新的评价指标体系，利用中国286个地级及以上城市20112019年的面板数据就数字经济对区域创新的影响及其机制进行了实证检验。研究发现：数字经济能够显著促进区域创新，加快产业数字化和提升创新活跃度是数字经济促进区域创新的重要原因。门槛模型分析表明，在数字经济发展较成熟、产业数字化较好、创新活跃度较高的情况下，数字经济的创新效应更为突出。异质性分析表明，数字经济对东中部地区城市和大城市创新水平的促进作用明显，而西部地区城市和中小城市的数字经济对区域创新的影响并不显著。关键词：数字经济；区域创新；产业数字化；创新活跃度；门槛效应中图分类号：F49文献标识码：A文章编号：1002-6487（2023）16-0101-05基金项目：教育部人文社会科学研究青年基金项目（20YJC790196）作者简介：鲍鹏程（1993），男，安徽庐江人，博士研究生，研究方向：数字经济。（通讯作者）朱付彪（1984），男，安徽阜阳人，博士，讲师，研究方向：经济地理、环境经济和旅游经济。经 济 实 证DOI:10.13546/ki.tjyjc.2023.16.019101统计与决策2023年第16期总第628期上办公、线上培训等新商业模式，信息技术渗透逐步优化传统生产要素投入比，推动了产业内的生产要素动态调整与相互作用，进而加快传统产业向产业数字化转变的速度。第二，数字经济需要融合其他经济。使用数字技术对传统经济进行改造升级，有效降低生产要素成本以及提升资源利用效率，进而持续满足居民日益增长的消费升级需求。数字经济与传统经济的深度融合、数字化管理、在线服务等能够加快传统产业的数字化改造与转型，推动产业链由中低端向高端迈进。与此同时，产业数字化的加快也有助于推动区域创新。一是释放创新活力。产业数字化触及技术发现和技术攻关等多个环节，对金融、制造业、能源产业等关键产业进行数字化改造，能够提高创新活动的频率。产业数字化提升传统产业技术能力与协调能力，破除传统产业固有的壁垒，推动产业链、价值链向高端延伸，进而引领创新主体技术攻关方向。二是促进专利合理。产业数字化涉及多元创新要素8，促进内外创新要素的互动与互补，能够赋能传统创新要素以及催生新型创新要素，提升高端创新要素在配置结构中的占比，形成与之匹配的专利数量和专利结构，协同推进区域创新的数量和质量。由此，本文提出：假设2：数字经济能够通过加快产业数字化对区域创新产生积极作用。数字经济可以有效提升创新活跃度，主要表现为：第一，降低创新成本。数字金融服务的准入门槛低于传统的金融服务，可以降低各类创新主体的融资成本9，从而激发创新人才的创新热情。此外，借助网络协同平台，创新主体接近零成本获取多元化技术信息，并利用数字技术整合资金流、信息流和物流，进一步降低创新成本。第二，降低信息偏误。数字经济以现代信息网络作为载体，有效突破时空的束缚，5G通信、人工智能等数字技术有助于降低信息不对称、增加技术交易透明度10，提高创新主体信息捕获的精准性，使得创新主体得心应手，进而可以增加创新活跃度。第三，引导人才流向。数字经济发展使得创新组织模式逐渐由封闭转向开放，促进闲置资源参与创新，有效缓解劳动力配置的扭曲程度，引导高素质人才自主有序地流向研发部门。创新活跃度的提高将促进区域创新。一是提升知识溢出。创新活跃度提高能在较大的范围调动物力、财力等创新积极因素，创新要素进一步集聚，加速知识传播与溢出11，此时不同创新主体相互学习并利用新知识，能够提高科技创新的成功率。二是降低研发风险。高科技含量的科技创新需要不同创新主体之间加强交流与合作，共同克服和解决创新活动中遇到的难题，进而降低研发风险12。多元创新主体参与创新研发活动，及时探讨研发工作中遇到的难题，进一步降低生产新产品和新知识的成本，从而提高研发活动中创新效率以及成果转化率。三是激发人才竞争。较高的创新活跃度会进一步加剧本地创新参与者之间为了谋求发展产生的激烈竞争，倒逼创新参与者有计划安排业余时间学习从事领域的相关知识，进而促进区域创新水平的提升。由此，本文提出：假设3：数字经济能够通过提升创新活跃度对区域创新产生正向影响。1.3数字经济对区域创新的非线性效应数字经济处在不同发展阶段，数字经济的创新效应或许存在差异。一方面，一批批双创示范基地在数字技术下快速发展，推动大众创业、万众创新，激发创业者、消费者、企业等多元创新主体充分参与区域创新。不同创新参与者基于互联网平台深入交流之后，分工协作快速达成共识，形成多主体、多领域、多部门、多维度深度融合创新，显著降低创新要素的流动成本，有效释放创新潜能13。另一方面，数字经济下的生产成本边际递减，进而能成为引领区域创新的新动能。数字技术迭代更新，生产者和消费者可以无限重复使用数据，使得研发部门的新技术或新产品的边际成本大幅度下降，这会加速信息、数据等生产要素流向高效率研发部门，形成更多的优质产品与服务，带来创新收益边际递增。由此，本文提出：假设4：数字经济对区域创新的影响呈现“边际递增”的非线性关系。2研究设计2.1数据说明本文针对20112019年中国286个地级及以上城市面板数据展开研究。由于城市层面数字经济的相关测度指标最早可追溯至2011年，而在2019年后本文使用的就业人员数据口径发生较大调整，因而选取的研究时段为20112019年。本文使用的数据主要来自 中国城市统计年鉴、各省份统计年鉴和EPS数据库、国家知识产权局网站以及北大数字金融研究中心，缺失的数据通过插值法进行填充。所有价格变量以2011年为基期采用相应的省级价格指数消除物价因素影响，使得不同年份的数据具有可比性。2.2变量设计2.2.1被解释变量区域创新（Inno）。考虑城市层面创新水平相关指标的可获得性，本文从创新质量、创新结构、创新效率和创新价值四个维度刻画区域创新，并采用熵权法测度区域创新水平。具体包括：（1）创新质量，发明专利可以较好地衡量一个地区的创新质量11，专利授权可以挑选出优质的专利申请，本文采用每万人发明专利授权数表征区域创新质量。（2）创新结构，非发明专利较难体现创新产出的质量14，本文采用发明专利授权数占比表征区域创新结构。（3）创新效率，区域创新产出效率越高，成为创新高地的可能性就越大，本文采用专利授权数除以R&D人员和专利授权数除以R&D内部经费表征区域创新效率。（4）创新价值，技术合同成交额能够反映科技活动成效和技术转移情况，本文采用人均技术市场成交额表征区域创新价值。2.2.2核心解释变量数字经济（Dige）。目前学术界积极探索并完善数字经 济 实 证102统计与决策2023年第16期总第628期经济的测度，在实证研究层面上，城市数字经济发展水平多通过构建综合指标进行测度。本文参考文献15的研究，采用百人中互联网宽带接入用户数和百人中移动电话用户数衡量数字基础设施，采用计算机服务和软件业从业人员占城镇单位从业人员的比重和人均电信业务总量衡量数字产业发展，采用数字普惠金融指数衡量数字普惠金融。基于上述三个方面，采用熵权法测度数字经济发展水平。2.2.3中介变量本文的中介变量设置如下：（1）产业数字化（Idig），采用产业数字化规模与城市GDP之比来衡量。产业数字化规模是传统产业升级改造的结果，其指标的测算过程参见文献7。（2）创新活跃度（Iact），采用地区R&D人员占地区全社会就业人数的比重进行度量。人才是带动地区创新进步的重要驱动力，研发人员比重越大，相对而言越容易获得资本、知识、信息、技术等多种创新要素集聚。2.2.4控制变量借鉴已有研究1,2，本文还考察了影响区域创新的一系列控制变量，具体包括：（1）人口密度（Pop），以单位面积的人口数的对数表示；（2）经济发展水平（Pgdp），以人均GDP的对数表示；（3）财政科技支出水平（Sci），以地方政府财政科技支出占财政总支出的比重表示；（4）产业结构（Ind）,以第二产业增加值占GDP的比重表示；（5）外商投资水平（Fdi），以外商投资额占GDP的比重表示。变量的描述性统计结果见表1。表1变量描述性统计变量类型被解释变量解释变量中介变量控制变量变量InnoDigeIdigIactPopPgdpSciIndFdi变量测算由指标体系计算而成由指标体系计算而成产业数字化规模/城市GDPR&D人员/全社会就业人数单位面积的人口数取对数城市人均GDP取对数科技支出占财政总支出比重第二产业增加值占GDP比重外商投资额占GDP比重平均值0.0490.1420.2160.0055.73510.5540.0160.4600.017标准差0.0470.0840.1000.0050.9330.5390.0150.1060.018最小值0.0040.0110.0280.0001.6288.8420.0010.1070.000最大值0.5880.7360.5400.0367.88212.0450.1310.8930.1732.3模型设计2.3.1基准回归模型为有效识别数字经济对区域创新的影响，构建如下的基准模型：Innoit=0+1Digeit+cXit+i+t+it（1）其中，i和t分别表示城市和年份，Innoit表示区域创新；Digeit表示数字经济，回归系数1是本文关心的参数，其值若显著为正，则表明数字经济促进了区域创新，反之则不是；Xit表示一系列控制变量；i和t分别表示城市固定效应和年份固定效应，it表示随机扰动项。2.3.2中介效应模型为检验数字经济影响区域创新的作用机制，在式（1）的基础上进一步构建如下递归模型：Mit=0+1Digeit+cXit+i+t+it（2）Innoit=0+1Digeit+2Mit+cXit+i+t+it（3）其中，系数1是数字经济对中介变量（Mit）的影响程度，系数1是加入中介变量后数字经济对区域创新的影响程度。若系数1、2显著，且1的显著性下降或系数小于式（1）中的1，则说明中介变量的加入使数字经济的影响程度降低，存在部分中介效应；若1不显著，则说明数字经济完全通过中介效应发挥作用。对式（1）至式（3）进行估算可得出产业数字化或创新活跃度作为中介变量的间接效应占总效应的比重，计算公式为：PM=12/1。2.3.3面板门槛模型本文借鉴Hansen（1999）16的研究，构建数字经济、产业数字化和创新活跃度的门槛面板模型，具体设定如下：Innoit=0+1DigeitI(Adjit)+2DigeitI(Adjit)+cXit+i+t+it（4）其中，I()为指示函数，Adjit为门槛变量，为待估门槛值，其他变量与式（1）相同。3实证结果分析3.1基准回归为了检验数字经济对区域创新的影响，依据式（1）验证假设1，结果如下页表2所示。从列（1）回归结果来看，若只将核心解释变量数字经济纳入模型，那么其与区域创新之间的回归系数是0.321且通过1%水平的显著性检验，表明存在数字经济的区域创新效应；列（2）至列（7）中均控制城市和年份固定效应，并且在列（3）及之后各列中逐步加入可能影响区域创新的其他控制变量。从回归系数的第一行结果来看，不管加入何种解释变量，数字经济的区域创新效应均存在，在将所有变量纳入模型后，数字经济系数为0.202且具有较高的显著性。上述结果意味着，总体而言，考察期内中国城市数字经济可以赋能区域创新，假设1得到验证。对于控制变量，人口密度（Pop）的回归系数均显著为正，说明高人口密度有利于在更大的范围实现人才集聚以及具备较强的知识吸收能力，从而有利于区域创新。经济发展水平（Pgdp）的回归系数由负向不显著变为负向显著，说明经济发展并没有促进区域创新。一方面，良好的经济环境吸引创新要素流入对区域创新的影响需要一定的时间，即经济发展与区域创新的提升可能并不同步；另一方面，经济发展对区域创新的作用可能存在区域差异。财政科技支出水平（Sci）对区域创新有显著的促进作用，可能原因是地方政府对本地区创新进行公共性投入，能够营造良好的创新环境，进而激励和引导本地区创新活动有序开展。产业结构（Ind）的回归系数显著为正，第二产业占比增加在一定程度上预示工业占比也在增加，尤其是制造业因其对生产流程与工艺流程有较高的创新要求，从而提升区域创新。外商投资水平（Fdi）的系数显著为负，表明外商实际投资对区域创新产生负向影响，这意味着依赖外来技术不能提高本地区创新水平，自主研发才是实现区域创经 济 实 证103统计与决策2023年第16期总第628期新的有效途径。表2基准回归结果DigePopPgdpSciIndFdiConstant城市固定效应年份固定效应R2NInno（1）0.321*（0.024）0.003（0.002）否否0.4312574（2）0.213*（0.087）0.014*（0.007）是是0.4462574（3）0.215*（0.079）0.117*（0.037）-0.655*（0.214）是是0.4842574（4）0.215*（0.079）0.117*（0.037）-0.001（0.007）-0.652*（0.224）是是0.4842574（5）0.210*（0.072）0.092*（0.035）-0.008（0.006）0.568*（0.147）-0.444*（0.222）是是0.5112574（6）0.208*（0.072）0.088*（0.033）-0.015*（0.007）0.572*（0.145）0.035*（0.019）-0.365*（0.195）是是0.5142574（7）0.202*（0.072）0.086*（0.032）-0.014*（0.007）0.620*（0.144）0.036*（0.019）-0.172*（0.067）-0.353*（0.191）是是0.5202574注：*、*和*分别表示1%、5%和10%的显著性水平，括号内数值为稳健标准误，下表同。3.2稳健性检验本文进行了多种稳健性检验，包括：（1）区域创新指标中相应的专利授权数更换为专利申请数；（2）采用数字基础设施和数字产业发展两个维度表征数字经济；（3）剔除样本中的直辖市和省会城市；（4）对数字经济与区域创新进行上下1%的缩尾处理。（5）借鉴赵涛等（2020）15的研究思路，采用省级层面的单位面积快递量与1984年各城市的每百人电话数量和人均邮电业务量构造的交互项作为数字经济的工具变量I和工具变量II。上述稳健性检验结果（略）均与本文的基准回归结果保持一致。3.3影响机制检验本文通过基准回归和一系列的稳健性检验，验证了存在数字经济的区域创新效应。本文根据前文理论分析，实证探究产业数字化和创新活跃度是否可以作为数字经济影响区域创新的中介变量。表3为数字经济影响区域创新的中介效应检验结果。其中，列（1）结果显示，确实存在数字经济的区域创新效应。列（2）中数字经济系数在1%的水平上显著为正，表明数字经济与产业数字化具有稳定的正向影响。列（3）将产业数字化和中介变量一同纳入回归模型，捕捉到产业数字化系数为0.096且具有较高的显著性，表明产业数字化对区域创新具有显著促进作用。同时，数字经济系数虽在1%的水平上显著为正，但是其系数要小于列（1），这意味着产业数字化在数字经济与区域创新之间发挥着部分中介效应。根据12/1计算中介效应量PM，结果显示，产业数字化的中介效应占总效应的比重为10.41%。接着考察创新活跃度的中介作用是否也存在。列（4）中数字经济的回归系数为正且具有较高的显著性，表明数字经济可以提升创新活跃度。列（5）创新活跃度系数在1%的水平上显著为正，表明创新活跃度对区域创新产生积极影响，数字经济系数为 0.133，且小于列（1）中的0.202，这意味着创新活跃度在数字经济影响区域创新过程中起到了部分中介效应，经过12/1计算得出中介效应在总效应中的占比为34.59%。进一步地，在同时加入中介变量产业数字化和创新活跃度（列（6）之后，可以发现，产业数字化和创新活跃度的估计系数均显著为正，数字经济的估计系数在数值大小和显著性水平上出现了进一步下降，这意味着加快产业数字化和提升创新活跃度是数字经济赋能区域创新的重要渠道，由此验证了假设2和假设3。3.4门槛效应检验理论分析认为，数字经济对区域创新的影响可能为非线性。本文通过重叠模拟似然比检验统计量1000次进行检验，结果显示，数字经济显著通过单一门槛检验，而产业数字化和创新活跃度均通过了双重门槛检验。下页表4报告了面板门槛模型的估计结果，从列（1）可以看出，数字经济的激励效应在其发展初期较弱，伴随数字经济的稳步发展，数字经济对区域创新的激励效应更大。列（2）和列（3）分别汇报了产业数字化和创新活跃度为门槛变量时数字经济对区域创新的回归结果，可以看出随着产业数字化转型加快以及创新活跃度的提升，对应各门槛区间的系数显著变大，即数字经济对区域创新的促进作用持续增强。值得注意的是，只有当产业数字化和创新活跃度分别达到一定阈值时，数字经济的创新效应开始凸显，此结果揭示了产业数字化和创新人才在建设创新型国家进程中的重要性。由此，假设4得到验证。3.5异质性分析3.5.1区域异质性事实上，中国各地自然资源禀赋和经济社会发展条件存在一定的差异，从而数字经济对区域创新可能存在异质性影响。本文将286个城市划分为东部、中部和西部三个子样本，进一步探讨数字经济的创新效应。下页表5列（1）至列（3）结果显示，东中部地区城市数字经济的回归系数显著为正，并且数字经济对中部地区创新的促进作用大于东部地区城市，这可能在于中部地区发挥了数字经济后发优势。相比之下，西部地区城市数字经济对创新的影响是不显著的，这可能在于西部地区数字经济发展水平还不经 济 实 证表3机制检验结果DigeIdigIactConstant控制变量城市固定效应年份固定效应R2N（1）Inno0.202*（0.072）-0.353*（0.191）是是是0.5202574（2）Idig0.219*（0.039）0.576*（0.126）是是是0.9142574（3）Inno0.181*（0.069）0.096*（0.037）-0.408*（0.196）是是是0.5262574（4）Iact0.018*（0.005）-0.016*（0.009）是是是0.3462574（5）Inno0.133*（0.070）3.882*（1.304）-0.292*（0.168）是是是0.5462574（6）Inno0.119*（0.069）0.075*（0.033）3.740*（1.274）-0.337*（0.169）是是是0.5502574104统计与决策2023年第16期总第628期高、产业转化体系还不够完善以及高端创新人才居留意愿不强，从而难以提升创新水平。表5区域与城市规模异质性估计结果DigeConstant控制变量城市固定效应年份固定效应R2NInno（1）东部0.226*（0.105）-0.804*（0.476）是是是0.568909（2）中部0.274*（0.152）-0.156（0.142）是是是0.599900（3）西部-0.004（0.062）0.174（0.154）是是是0.566765（4）大城市0.256*（0.096）-0.187（0.191）是是是0.5871305（5）中等城市0.060（0.100）-1.317*（0.670）是是是0.517810（6）小城市-0.004（0.079）0.265（0.202）是是是0.5144593.5.2城市规模异质性客观上，规模较大的城市具有较强的人才集聚效应，创新资源配置和创新利用效率相对较高，能够提升区域创新水平。因此，不同城市规模下数字经济对区域创新的影响效应可能存在差异。参考文献17，以2014年中国城市市区常住人口为划分标准，100万以上、50万100万和50万以下依次设定为大城市、中等城市以及小城市，进而检验不同城市规模的数字经济对区域创新的影响效应。由表5列（4）至列（6）结果可知，数字经济对区域创新的影响呈现显著的异质性特征，数字经济显著促进大城市创新水平的提升，而对中小城市创新水平并没有呈现显著的正向影响。究其原因，大城市数字经济发展处于领跑地位，极其容易对中小城市的创新要素产生虹吸效应，而中小城市在数据及信息化基础设施、城市服务和产业融合等方面发展基础较为薄弱，从而影响数字经济发挥创新促进效应。总的来说，数字经济对发达城市创新水平具有积极影响，进而会导致区域创新差距持续扩大。4结论本文以中国286个地级及以上城市20112019年的面板数据为样本，采用熵权法分别测度了数字经济和区域创新的综合水平，实证考察了数字经济对区域创新的影响及其机制。主要结论如下：（1）数字经济显著促进了区域创新，在经过一系列稳健性检验后该结论仍然成立。（2）机制分析表明，数字经济通过加快产业数字化与提高创新活跃度进而促进区域创新。（3）门槛模型结果显示，在较完善的数字经济发展阶段、较好的产业数字化和较高的创新活跃度情况下，数字经济对区域创新将产生更大、更显著的激励效应。（4）异质性分析发现，数字经济对东中部地区城市和大城市的创新水平促进效应明显，而西部城市和中小城市的数字经济对区域创新的影响并不显著。参考文献：1李雪,吴福象,竺李乐.数字经济与区域创新绩效J.山西财经大学学报,2021,43(5).2韩璐,陈松,梁玲玲.数字经济、创新环境与城市创新能力J.科研管理,2021,42(4).3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,(9).4张慧,易金彪,徐建新.数字经济对区域创新效率的空间溢出效应研究基于要素市场化配置视角J.证券市场导报,2022,(7).5Ferreira J,Fernandes C I,Ferreira F.To be or Not to be Digital,Thatis the Question:Firm Innovation and Performance J.Journal of Business Research,2019,101(8).6侯世英,宋良荣.数字经济、市场整合与企业创新绩效J.当代财经,2021,(6).7鲍鹏程,黄林秀.数字经济与公共服务质量来自中国城市的经验证据J.北京社会科学,2023,(5).8Gupta R,Mejia C,Kajikawa Y.Business,Innovation and Digital Ecosystems Landscape Survey and Knowledge Cross Sharing J.Technological Forecasting and Social Change,2019,(147).9陈小辉,张红伟.数字经济如何影响企业风险承担水平J.经济管理,2021,43(5).10Teece D J.Profiting From Innovation in the Digital Economy:Enabling Technologies,Standards,and Licensing Models in the Wireless World J.Research Policy,2018,47(8).11鲍鹏程,黄磊.创新人才集聚如何影响城市生态财富J.山西财经大学学报,2023,45(5).12卞元超,吴利华,白俊红.高铁开通是否促进了区域创新?J.金融研究,2019,(6).13戚聿东,褚席.数字经济发展、经济结构转型与跨越中等收入陷阱J.财经研究,2021,47(7).14黎文靖,郑曼妮.实质性创新还是策略性创新?宏观产业政策对微观企业创新的影响J.经济研究,2016,51(4).15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).16Hansen B E.Threshold Effects in Non-dynamic Panels:Estimation,Testing,and Inference J.Journal of Econometrics,1999,93(2).17王立平,鲍鹏程.创新驱动对城市经济增长空间溢出效应的实证考察J.统计与决策,2022,(10).（责任编辑/方思）经 济 实 证表4门槛模型回归结果门槛值q1门槛值q2Dige I（Thq1）Dige I（q1Thq2）Dige I（Thq2）Constant控制变量城市固定效应年份固定效应R2NInno（1）Dige0.3550.3550.040*（0.022）0.172*（0.019）-0.249*（0.064）是是是0.5672574（2）Idig0.3940.4040.028（0.019）0.104*（0.019）0.192*（0.018）-0.070（0.061）是是是0.6212574（3）Iact0.0140.0190.020（0.019）0.156*（0.018）0.279*（0.018）-0.192*（0.059）是是是0.6302574105