数字经济与工业高质量创新的协同互促效应.pdf

数字经济与工业高质量创新的协同互促效应杨 昕,赵守国(西北大学 经济管理学院,陕西 西安 7 1 0 1 2 7)收稿日期:2 0 2 3-0 5-1 5 修回日期:2 0 2 3-0 7-2 6基金项目:国家社会科学基金项目(2 1 B R K 0 3 3);陕西省社会科学基金项目(2 0 2 0 F 0 0 5);陕西省软科学项目(2 0 2 1 K RM 1 6 9);陕西省哲学社会科学重大理论与现实问题研究项目(2 0 2 1 Z D 1 0 0 3);西北大学研究生创新项目(C X 2 0 2 3 1 5 9)作者简介:杨昕(1 9 9 4),男,陕西咸阳人,西北大学经济管理学院博士研究生,研究方向为数字经济与产业创新;赵守国(1 9 6 3),男,辽宁锦州人,博士,西北大学经济管理学院教授、博士生导师,研究方向为区域创新发展战略。摘 要:数字经济与工业高质量创新协同互促是加速数字经济与实体经济深度融合的必然要求。基于数字技术应用的不同维度与创新价值链理论,利用中国省际面板数据,通过构建耦合协调度模型和面板向量自回归模型解析数字经济与工业创新效率的协同互促效应。研究发现:数字经济与工业两阶段创新效率的耦合协调水平总体呈不断上升态势,但目前尚处于协调发展的过渡区间,且数字经济与工业高质量创新的协同效应主要表现为产业数字化及其与工业科技研发效率的同步共进;数字经济与工业成果转化效率之间存在显著互促效应,而与工业科技研发效率互动的系统特征则主要表现为工业科技研发效率提升对数字经济发展的正向驱动;数字经济与工业高质量创新的互促效应主要源自数字产业化及其与工业成果转化效率的交互响应;数字经济与工业高质量创新的协同效应和互促效应存在链条错位,稳步提升工业成果转化效率是加快数字经济与工业高质量创新协同发展的关键环节,充分发挥数字技术对工业科技研发效率提升的赋能作用是实现数字经济与工业高质量创新互促融合的潜在路径。关键词:数字经济;工业创新;创新效率;协同发展;双向互促D O I:1 0.6 0 4 9/k j j b y d c.Y X 2 0 2 3 0 5 0 6 4 开放科学(资源服务)标识码(O S I D):中图分类号:F 4 0 3.6 文献标识码:A 文章编号:1 0 0 1-7 3 4 8(2 0 2 3)1 7-0 0 2 5-1 00 引言 国家“十四五”规划明确提出促进数字技术与实体经济深度融合。作为实体经济的主体,工业既是国民经济的“压舱石”,又是产业数字化的主战场。工业高质量发展依赖于工业高质量创新,从技术层面看,数字经济与实体经济深度融合也主要体现为数字技术与产业技术创新的融合1。然而,虽然中国工业创新活力持续增强,但工业创新支撑不足仍是困扰当前中国工业经济持续稳定发展的主要挑战2,而数字经济的兴起能为赋能工业高质量创新发展提供有力支撑。同时,工业制造的智能化转型升级也为数字经济注入强劲动能。国务院印发的“十四五”数字经济发展规划明确提出,优化升级数字基础,建设可靠、灵活、安全的工业互联网基础设施。以打造工业互联网平台和数字工厂为导向,以信息化带动工业化,以工业化促进信息化,实现数字经济与工业高质量创新的协同互促,成为加速数字经济与实体经济深度融合的必然要求。由于经济高质量发展主要得益于以技术进步为核心的全要素生产率提高,已有研究大多围绕数字化转型对工业技术创新的影响展开,普遍认为数字经济发展总体上对企业创新能力具有显著驱动作用3。企业数字化不仅能够通过提升人力资本水平降低研发成本4,而且可以降低行业研发离散度,从而提高创新资源配置效率5。然而,也有研究指出,大数据的过度使用可能对企业创新效率产生负向冲击6。受到双重套利与技术创新同群效应的影响,数字化优势只能增加企业创新数量,不能有效提升企业创新质量7。从中国的实践发展经验看,由于目前中国制造业数字化程度普遍不高,使得数字化投入对企业创新效率的促进作用尚未得到充分发挥8。此外,数字经济对创新绩效的影响存在明显的动态非线性特征9。值得注意的是,数字经济与制造业天然具有互补性,宏观产业层面的技术 创 新 对 制 造 业 数 字 化 创 新 具 有 重 要 促 进 作用1 0,而制造业对数字产业的支撑作用更为显著1 1。综上可知,已有文献主要关注某类数字技术对创新产出的影响,而鲜有研究将数字经济对创新发展的影响延伸至效率层面。相比于创新能力,创新效率能够更好地反映创新绩效,尤其是在中国存在高研发投入与低生产率悖论的情况下,厘清数字经济与创新效率的关系对于实施创新驱动发展战略更具现实意义。同时,既有研究主要关注数字经济对科技创新的赋能作用,而从技术经济范式的角度看,数字经济发展与科技创新具有明显的时空交互特征。因此,揭示数字经济与创新效率之间的互促效应对于分析二者的内在关联机制更具科学性。此外,实践经验表明,工业制造领域的智能化升级是数字技术应用的主战场,数字经济与工业创新深度融合是驱动实体经济高质量发展的关键。因此,针对工业创新的数字赋能研究对于拓展数字技术应用路径更具必要性。基于以上认识,本文边际贡献在于:一方面,聚焦数字经济与工业高质量创新的深度融合,通过测度数字经济发展水平和工业两阶段创新效率,利用耦合协调度模型考察数字经济与工业高质量创新的协同演变特征;另一方面,在协同效应分析的基础上进一步构建联立方程模型,揭示二者之间的双向互促机制,以期为深化对数字经济与工业创新发展互动关系的认识以及明确产业政策取向提供参考。1 理论分析与研究假设1.1 数字经济发展促进工业高质量创新的赋能机制 从创新价值链角度看,数字赋能可以纵深推动工业全生命周期的数字化创新。工业互联网叠加人工智能、物联网、大数据等各类数字技术可以赋能产品设计、工艺研发、加工制造等各个工业环节,通过数据挖掘、仿真建模、软件定义等极大提高产品创新效率。在工业科技研发阶段,数字技术应用衍生的数字普惠金融可以缓解企业研发的融资约束,网络化的终身学习系统有助于提升研发人员人力资本水平,从而提高研发投入强度。同时,数字技术与传统生产要素结合过程中形成的海量数据可以催生新的创新要素1 2,伴随各类数字化平台建立带来的数据要素投入不仅可以优化研发要素投入结构,而且可以打破研发部门间信息壁垒,降低研发代理成本,加快技术更新迭代,进而缩短研发周期,提高研发要素的边际产出效益。在工业成果转化阶段,以工业互联网为代表的数字基础设施建设不仅可以通过降低市场信息不对称拓展企业创新边界1 3,而且可以通过推动开放式创新构建“产学研政金”等多元主体合作的工业创新网络,这有利于促进创新链与产业链有效衔接,从而加速研发成果转化。同时,数据资源在生产场景中的集成作用可以推动创新概念转化为现实产品,与之匹配的工业数控化操作则能促进新型数字产品落地。此外,伴随数字经济引致的要素市场整合与产品市场扩张,市场竞争不断加剧,这有利于强化企业创新激励,从而驱动工业创新实现效率变革。1.2 工业高质量创新支撑数字经济发展的驱动机制 工业数字化转型的最佳方式是在强大的技术支撑下完成供应链转型,从而推动整个供应链形成良性循环。从数字技术应用的不同维度看,数字产业化和产业数字化均源自工业领域的信息技术探索,以推动工业信息化为导向的科技创新是引领数字经济做大做强做优的根本动力1 4。就数字产业化而言,工业产品研发、生产制造过程中形成的海量数据是数据要素的供给来源,良好的工业结构是构建数据要素市场的必要条件。受限于已有技术能力,催生技术多样化的技术变革更可能发生在与原有技术紧密关联的领域,数字技术的创新应用通常出现在原有技术能力较强的工业制造领域。新型工业产品的研发实验在推动数字创新能力迭代升级的同时,其加工制造需求与市场服务需求也直接催生多样化应用软件,从而推动数字产业化进程。同时,制度激励引致的工业创新效率提升能够促进人才、资本、技术设备等创新资源优化配置,这有利于创新资源向数字技术领域倾斜,从而拓展数字产业化发展空间。就产业数字化而言,数字经济与工业创新天然具有融合性,数字经济本质上是以互联网为载体的信息经济与传统产业不断融合的结果,数字技术的深化应用依赖于工业升级过程中的技术积累,工业智能化升级驱动的效率变革反作用于数字经济创新发展。工业成果转化效率的提升不仅能够丰富数字技术在工业自动化生产领域的应用场景,而且可以通过优化与整合创新资源,拓展新型数字产品服务形态,增强数字经济与制造业服务化的产业关联,从而为产业数字化纵深发展提供有力支撑。此外,工业成果转化效率的提升可以通过提高数据要素配置效率促进数字产业化与产业数字化的有效衔接,从而实现数字经济高效发展。基于以上分析,本文提出如下研究假设:数字经济与工业高质量创新之间存在协同互促效应,且二者协同互促的时空交互在实践发展中可能具有显著异质性。2 研究设计2.1 模型与方法2.1.1 耦合协调度模型 耦合协调度模型可用于刻画和评价不同系统之间协同发展关系,本文利用耦合协调度模型分析数字经济与工业高质量创新两大系统之间的协同演变特征。其公式如下:C=2 U1U2U1+U2(1)T=1U1+2U2(2)D=CT(3)式中,C表示耦合度值,取值范围为0,1,U1、U2分别表示数字经济与工业高质量创新两个子系统中的标准化值,T为反映各子系统间互补关系的综合评价指数;i为第i个子系统的权重,鉴于数字经济与工业高质量创新不存在明显的从属关系,实际分析中1和2均取值0.5;D表示耦合协调度,取值范围为0,1,该值越接近1,说明两大系统之间协调程度越高,反之越低。参照既有研究,本文将耦合协调度D划分为三大区间:D0,0.4)为协调发展不可接受区间,D0.4,0.6)为协调发展过渡区间,D0.6,1)为协调发展可接受区间。62科技进步与对策 2 0 2 3年2.1.2 面板向量自回归模型 耦合协调度模型虽然可以刻画数字经济与工业高质量创新两大系统间的协同关系,但无法考察二者间的互动作用,且耦合协调分析的实际政策含义相对模糊。基于此,在协同效应分析的基础上,本文进一步构建面板向量自回归(P VA R)模型考察数字经济与工业高质量创新的互促效应,如式(4)。Yi,t=C+kn=1(nYi,t-n)+kn=1(nXi,t-n)+i,t(4)式中,t-n表示滞后n期,i、t分别表示省份和年份,Y表示包含数字经济与工业创新效率的列向量。虽然P V A R模型可以在不考虑控制变量的情况下分析变量间的互动关系,但为了避免最佳滞后期数过短可能导致模型估计偏误,本文引入合适的控制变量,X表示包含各类控制变量的向量集;、为各变量对应的回归系数矩阵,C为模型截距项,i t为模型随机误差项。2.2 变量设定2.2.1 数字经济发展水平(D E I)作为信息经济的高级形态,数字经济本质上是传统经济与互联网深度融合的产物。从产业发展层面看,数字经济主要包括产业数字化和数字产业化两方面内容。因此,本文借鉴既有研究思路,从数字产业化和产业数字化角度出发构建综合指标体系测度数字经济发展水平。以集中反映数字经济特征的代表性行业为依据,同时考虑各指标数据可得性,最终选择电信业务总量等2 5个细分指标表征不同维度的数字化水平,如表1所示。采用熵值法测算各指标权重,然后通过线性加权方法合成数字经济发展水平综合指数。表1 数字经济发展水平指标体系T a b.1 I n d i c a t o r s y s t e m o f d i g i t a l e c o n o m y d e v e l o p m e n t l e v e l一级指标二级指标指标说明指标权重(%)单位指标属性数字产业化(D E I1)数字产品制造业手机产量5.0 2 7万台正向微型计算机设备产量7.5 5 4万台正向集成电路产量4.1 1 6亿块正向软件产业企业数5.5 1 1家正向软件产业从业人员数6.7 7 4万人正向数字产品消费业移动电话年末用户数2.8 5 3万户正向每百户家庭移动电话拥有量1.6 3 7部正向每百户家庭电脑拥有量1.4 5 5台正向企业使用计算机数3.9 0 4万台正向数字产品服务业电信业务总量3.4 5 9亿元正向软件业务收入4.7 6 4亿元正向通信等电子设备主营业务收入4.5 2 1亿元正向产业数字化(D E I2)产业数字化设施互联网宽带接入端口3.1 4 1万个正向移动电话交换机容量2.9 9 8万户正向长途光缆线路长度2.0 9 2公里正向移动基站数2.7 5 0万户正向域名数4.3 2 6万个正向企业拥有网站数4.2 2 5万个正向产业数字化销售快递量3.5 2 0万件正向电商企业数量4.2 3 3万个正向电商销售额4.3 9 4亿元正向产业数字化创新软件和信息技术服务业研发经费4.1 1 7亿元正向软件研发人员6.6 9 8万人正向高技术产业专利申请数3.9 1 9项正向产业数字化服务数字普惠金融指数2.0 1 1/正向2.2.2 工业创新效率(G I E)相较于单 一 创 新 产 出,创 新 效 率 更 能 体 现 投 入产出的系统 性 特 征,创 新 质 量 也 集 中 表 现 为 创 新 效率的提高。因 此,本 文 采 用 工 业 创 新 效 率 表 征 工 业高质量 创 新。工 业 创 新 效 率 采 用 超 效 率S BM-D E A模型测度得 到,具 体 地,采 用 产 出 导 向 型、规 模 报 酬可变、参比全 局 前 沿 得 出 的 效 率 值 对 比 分 析 不 同 时期不同决策单元的工业创新效率。根据两阶段创新价值链理论,本 文 将 工 业 创 新 分 为 科 技 研 发 阶 段 和成果转化阶 段,通 过 设 定 投 入 产 出 指 标 计 算 工 业 两阶段创新效 率,相 关 指 标 均 采 用 各 地 区 规 模 以 上 工业企业数据。其中,R&D资本存量借鉴白俊红等1 5的做法,采用永续盘存法计算得到;实际新产品销售收入以2 0 1 2年为基期,利用工业产品出厂价格指数经过平减得到;采用熵值法计算工业废水、工业二氧化硫、工业烟尘(颗粒物)排放量各自权重,进而通过加权求和得到工业污染排放综合指数。考虑到创新产出相对于 创 新 投 入 具 有 滞 后 性,实 际 测 度 中 将 创新产出指标进行滞后一期处理。两阶段工业创新效率测度指标体系见表2。72 第1 7期 杨 昕,赵守国:数字经济与工业高质量创新的协同互促效应表2 两阶段工业创新效率测度指标体系T a b.2 I n d i c a t o r s y s t e m o f t w o-s t a g e i n d u s t r i a l i n n o v a t i o n e f f i c i e n c y m e a s u r e m e n t创新阶段指标指标分类 指标设定单位科技研发效率(G I E1)投入指标资本投入工业企业R&D资本存量万元人力投入工业企业R&D人员全时当量人年产出指标期望产出工业企业有效发明专利数项成果转换效率(G I E2)投入指标技术投入工业企业有效发明专利数项资本投入工业企业新产品开发经费存量万元能源投入工业污染治理投资额万元产出指标期望产出工业企业实际新产品销售收入万元非期望产出工业污染排放综合指数/2.2.3 控制变量 根据研究经验,选取以下指标作为控制变量:人力资本,劳动力素质提升带来的人力资本红利是推动技术进步的源泉,采用人均受教育年限的对数值表示,人均受教育年限采用教育年限法计算得到;对外开放,对外开放水平的提高有助于加强技术交流,提高创新效率,采用外资企业投资额占G D P比重表示,外资企业投资额利用历年中美平均汇率折算为人民币口径;产业结构,产业结构服务化升级能够优化创新资源配置,采用第三产业与第二产业产值之比表示;基础设施,完善的基础设施能够促进研发要素自由流动,以区域每平方公里公路里程数作为基础设施的代理变量;政策支持,政府财政支持可以为企业创新营造良好的市场环境,采用财政支出占G D P比重表示。为使控制变量与核心解释变量的指标属性保持一致,实际分析中对以上指标进行标准化处理。2.3 样本选择与数据来源 本文采用2 0 1 32 0 2 1年中国内地3 0个省份(西藏因数据缺失较多,未纳入统计)面板数据进行实证分析。数据主要来源于 中国统计年鉴 中国科技统计年鉴 中国电子信息产业统计年鉴 中国工业统计年鉴 中国环境统计年鉴 以及各省统计年鉴,数字普惠金融指数数据来自北京大学数字金融研究中心公布的北京大学数字普惠金融指数。在测算数字经济发展水平的过程中发现,个别年份的每百户家庭移动电话拥有量、电子设备主营业务收入、软件研发经费等指标数据存在缺失,为确保数据的连续性,本文对指标缺失值采用该指标前后年份的数值滑动平均代替。3 数字经济与工业高质量创新的协同效应3.1 时空演变分析3.1.1 数字经济与工业高质量创新耦合协调的时序演变特征 如表3所示,总体而言,数字经济与工业高质量创新之间具有协同发展的演变特征,数字经济与工业科技研发效率的耦合协调度呈逐年上升态势,数字经济与工业成果转化效率的耦合协调度呈波动上升态势。相较而言,数字经济与工业科技研发效率的耦合协调度更高,表明数字经济与工业高质量创新的协同效应主要体现在工业科技研发阶段。进一步对比分析发现,工业成果转化效率滞后是造成其与数字经济耦合协调度波动上升的主要原因。中国劳动力转型引致的用工成本上升与产业升级引致的制造业比重下滑造成工业成果转化效率短期波动,从而影响数字经济与工业成果转化效率的协同演进。以上结果表明,与考察期内数字经济持续快速发展相比,中国工业成果转化的“效率跛足”问题依然突出,工业成果转化效率的稳步提升成为强化数字经济与工业高质量创新协同发展的关键环节。表3 数字经济与工业创新效率耦合协调度时序演变T a b.3 T i m e s e r i e s e v o l u t i o n o f t h e c o u p l i n g c o o r d i n a t i o n d e g r e e o f d i g i t a l e c o n o m y a n d i n d u s t r i a l i n n o v a t i o n e f f i c i e n c y年份D E I-G I E1D E I-G I E2D E I1-G I E1D E I1-G I E2D E I2-G I E1D E I2-G I E22 0 1 30.2 9 10.4 2 00.2 8 80.4 1 40.2 8 90.4 1 72 0 1 40.3 1 10.4 0 90.3 0 50.4 0 10.3 1 00.4 0 92 0 1 50.3 3 40.3 9 70.3 2 40.3 8 60.3 3 70.4 0 02 0 1 60.3 7 70.3 9 30.3 6 40.3 7 90.3 8 20.3 9 92 0 1 70.3 9 20.4 0 20.3 7 70.3 8 60.3 9 80.4 0 82 0 1 80.4 1 00.4 0 70.3 9 50.3 9 10.4 1 70.4 1 42 0 1 90.4 3 80.4 0 60.4 2 10.3 9 00.4 4 60.4 1 42 0 2 00.4 5 40.4 0 00.4 3 60.3 8 40.4 6 20.4 0 82 0 2 10.4 7 30.4 4 50.4 4 90.4 2 30.4 8 60.4 5 8注:限于篇幅,表中仅汇报了当期各省份耦合协调度的平均值,下同 从数字技术应用的不同维度看,数字产业化、产业数字化与工业科技研发效率的耦合协调度稳步上升,与工业成果转化效率的耦合协调度呈波动上升态势,且二者与工业科技研发效率的耦合协调度更高。通过对比分析可知,相较于数字产业化,伴随数字技术与实体经济不断融合,产业数字化在数字经济中的占比加速提升,使其与工业各阶段创新效率的耦合协调度更高。因此,数字经济与工业高质量创新的协同效应主要表现为82科技进步与对策 2 0 2 3年产业数字化及其与工业科技研发效率的同步共进。就各省份耦合协调度的平均水平而言,数字经济与工业各阶段创新效率的耦合协调度仍处于协调发展过渡区间。虽然近年来中国数字经济规模持续扩大,但工业创新发展仍处于累积阶段,中国工业全面数字化也处于转型升级阶段,数字技术与工业生产创新的深度融合有待加强,这使得数字经济与工业高质量创新的协同发展存在一定时空错位。3.1.2 数字经济与工业高质量创新耦合协调的空间演变特征 从空间特征看,数字经济与工业高质量创新的协同演变呈现出明显的空间分异特征。鉴于分省份的结果汇报较为冗余,且难以体现区域异质性,本文根据国务院发展研究中心 区域协调发展的战略与政策 中的划分标准,进一步将全样本划分为八大综合经济区,如表4所示。通过横向对比发现,数字经济与工业高质量创新协同发展在东部沿海及南部沿海地区具有更高的耦合协调度,而东北、西北等地区则相对偏低,这与中国经济发展的空间分布格局基本一致,即由于经济相对发达地区在电子信息产业和工业创新累积方面更具优势,使其数字经济与工业高质量创新的协同发展水平更高。表4 数字经济与工业创新效率耦合协调度的空间演变T a b.4 S p a t i a l e v o l u t i o n o f t h e c o u p l i n g c o o r d i n a t i o n d e g r e e o f d i g i t a l e c o n o m y a n d i n d u s t r i a l i n n o v a t i o n e f f i c i e n c y地区D E I-G I E1D E I-G I E2D E I1-G I E1D E I1-G I E2D E I2-G I E1D E I2-G I E2东北 0.3 0 10.3 7 80.2 8 80.3 6 30.3 0 80.3 8 5北部沿海0.3 9 70.4 6 40.3 7 70.4 4 20.4 0 50.4 7 3东部沿海0.4 5 10.5 2 50.4 3 80.3 6 30.4 5 20.5 2 5南部沿海0.5 0 10.4 8 70.4 8 60.4 7 30.5 0 60.4 9 2黄河中游0.3 0 70.3 4 60.2 9 20.3 2 90.3 1 70.3 5 7长江中游0.4 0 00.4 0 90.3 8 40.3 9 30.4 1 00.4 1 8西南 0.4 1 30.3 7 90.4 0 60.3 7 30.4 1 30.3 7 7西北 0.3 4 00.3 3 00.3 2 90.3 2 10.3 4 50.3 3 4 从数字技术应用的不同维度看,各地区数字产业化和产业数字化及其与工业各阶段创新效率的耦合协调总体呈现出明显的空间分异特征,与上述全样本的空间分异特征基本相似。值得注意的是,受到国家数字要素与科技创新力量空间布局规划的影响,数字经济及其分维度指标与工业科技研发效率的耦合协调水平在南部沿海、西南、西北地区更高,说明数字经济与工业各阶段创新效率的协同演变在空间布局上存在渐趋分化特征。3.2 动态趋势分析 基于前述时空演变分析,进一步采用K e r n e l密度估计方法考察数字经济与工业高质量创新协同发展的动态演变趋势,如图1、图2所示。从分布位置看,考察期内数字经济与工业科技研发效率的协同发展水平显著提高,但与工业成果转化效率的协同发展水平有待进一步提升;从主峰分布形态看,各地区间数字经济与工业科技研发效率协同发展的绝对差异呈先缩小后扩大的趋势,而与工业成果转化效率协同发展的绝对差异则呈先扩大后缩小的趋势;从极化趋势看,随着时间推移,数字经济与工业科技研发效率协同发展的多极分化现象有所加剧,而与工业成果转化效率的协同发展尚未出现明显的多极分化。从数字技术应用的不同维度看,数字产业化、产业数字化与工业科技研发效率耦合协调度的K e r n e l密度分布曲线与图1大致相似,且相较而言,各地区间产业数字化与工业科技研发效率协同发展的绝对差异呈现出更为明显的扩大趋势,其极化趋势也更为突出;数字产业化、产业数字化与工业成果转化效率耦合协调度的K e r n e l密度分布曲线与图2大致相似,且相较而言,各地区间数字产业化与工业成果转化效率协同发展的绝对差异呈现出更为明显的扩大趋势,而产业数字化与工业成果转化效率协同发展的极化趋势则更为突出。图1 D E I-G I E1动态演变F i g.1 D y n a m i c e v o l u t i o n o f D E I-G I E13.3 空间收敛分析 空间收敛分析可以在识别变量空间关联特征的基础上考察变量的区际差异,本文参照刘帅1 6的做法,采用空间收敛模型分析数字经济与工业高质量创新协同发展的区际差异。实际分析中,空间权重矩阵采用反地理距离矩阵,反地理距离矩阵用各地区间地理距离平方的倒数表示,地理距离借助经纬度计算得到。对各变量依次进行全局M o r a n s I指数检验,发现数字经济与工业各阶段创新效率的耦合协调度均存在显著92 第1 7期 杨 昕,赵守国:数字经济与工业高质量创新的协同互促效应的空间自相关性,说明可以构建空间计量模型进行空间收敛检验。进一步结合相关统计检验,最优模型形式采用双向固定效应的空间杜宾模型,模型估计结果见表5。根据模型估计结果可知,各模型的空间收敛系数均显著为负,说明数字经济与工业各阶段创新效率的耦合协调水平存在显著的空间收敛特征。根据空间收敛系数计算变量的收敛速度及收敛所需的半生命周期后发现,与工业科技研发效率相比,数字经济与工业成果转化效率协同效应的空间收敛速度更快。进一步分维度看,数字产业化及其与工业成果转化效率协同效应的空间收敛速度最快。以上结果表明,各地区间数字经济与工业成果转化效率协同发展的区际差异相对较小,数字产业化及其与工业成果转化效率的空间协同是弥合数字经济与工业高质量创新区际差异的内在动力,数字经济与工业科技研发效率的协同发展存在区际潜在分化趋势。这也在一定程度上反映出创新资源禀赋差异与市场分工合作使得中国各地区工业创新在空间分布上存在明显的非均衡性。图2 D E I-G I E2动态演变F i g.2 D y n a m i c e v o l u t i o n o f D E I-G I E2表5 空间收敛检验结果T a b.5 T e s t r e s u l t s o f s p a t i a l c o n v e r g e n c e变量 D E I-G I E1D E I-G I E2D E I1-G I E1D E I1-G I E2D E I2-G I E1D E I2-G I E2收敛系数-0.6 5 8*-0.9 8 5*-0.6 5 9*-0.9 9 1*-0.6 5 6*-0.9 8 0*(-1 2.5 1)(-1 5.3 2)(-1 2.6 1)(-1 5.3 0)(-1 2.4 3)(-1 5.3 3)L o g-l i k2 1 8.1 1 11 7 9.9 4 12 1 7.5 8 61 7 9.0 1 52 1 8.0 8 51 8 0.2 8 1R-20.4 2 50.4 8 90.4 2 70.4 9 50.4 2 40.4 8 1v0.1 1 90.4 6 70.1 2 00.5 2 30.1 1 90.4 3 55.8 1 41.4 8 55.7 9 81.3 2 45.8 4 61.5 9 5注:v表示收敛速度,v=-l n(1-(|)/T,其中,T表示样本的时间周期;表示变量收敛所需的半生命周期,=l n(2)/v。*表示在1%的置信水平下通过显著性检验,括号内为t值3.4 区域差异分析 虽然空间收敛分析可以考察变量区际差异的动态变化,但无法反映区域内部差异及总体差异来源,而D a g u m基尼系数可以在分析总体差异的基础上进一步解析差异来源(区域内差异、区域间差异、超变密度)。鉴于此,本文参照刘帅1 6的做法,进一步利用D a g u m基尼系数分析数字经济与工业高质量创新耦合协调度的区域差异及其来源。按照前述空间演变特征分析部分的划分依据,同样将全样本划分为八大综合经济区进行分析,估计结果见表6。表6 数字经济与工业创新效率耦合协调度的区域差异分解结果T a b.6 R e g i o n a l d i f f e r e n c e d e c o m p o s i t i o n r e s u l t s o f c o u p l i n g c o o r d i n a t i o n d e g r e e o f d i g i t a l e c o n o m y a n d i n d u s t r i a l i n n o v a t i o n e f f i c i e n c y年份D E I-G I E1区域内差异区域间差异超变密度D E I-G I E2区域内差异区域间差异超变密度2 0 1 30.0 6 20.7 5 80.1 8 00.0 5 50.7 9 10.1 5 42 0 1 40.0 5 60.7 7 30.1 7 10.0 5 30.7 9 20.1 5 42 0 1 50.0 6 00.7 4 90.1 9 10.0 5 70.7 6 80.1 7 52 0 1 60.0 6 20.7 4 00.1 9 80.0 5 90.7 5 80.1 8 32 0 1 70.0 6 50.7 0 90.2 2 60.0 6 20.7 2 60.2 1 22 0 1 80.0 6 40.6 9 70.2 3 90.0 6 40.7 1 00.2 2 72 0 1 90.0 6 50.6 9 10.2 4 40.0 6 50.7 0 40.2 3 12 0 2 00.0 6 70.6 8 30.2 4 90.0 6 70.6 9 60.2 3 72 0 2 10.0 6 60.7 0 80.2 2 60.0 6 40.7 2 60.2 1 0 根据估计结果可知,各地区数字经济与工业各阶段创新效率耦合协调度的总体差异在考察期内均呈不断扩大趋势,但从2 0 2 0年后开始缩小。从总体差异的分解结果看,数字经济与工业创新效率耦合协调度的区域内部差异呈扩大态势,区域间差异则呈缩小态势。通过对比分析可以发现,区际差异是造成数字经济与工业高质量创新协同发展差异的主要来源。进一步从空间分布看,数字经济与工业高质量创新协同发展的区际差异主要表现为东南沿海地区与西北内陆地区之间的差异。从数字技术应用的不同维度看,与前述分析相似,数字产业化、产业数字化与工业各阶段创新效率协同发03科技进步与对策 2 0 2 3年展的总体差异也主要源自区际差异。通过对比可知,数字经济与工业高质量创新协同发展的区际差异主要源自各地区间数字产业化及其与工业成果转化效率的协同发展差异,而其区域内差异则主要源自各地区内部数字产业化与工业科技研发效率的协同发展差异。4 数字经济与工业高质量创新的互促效应4.1 变量与模型构建 构建面板向量自回归(P VA R)模型进一步考察数字经济与工业高质量创新的互促效应。P VA R模型的建模条件主要包括变量平稳性检验、模型最佳滞后期数确定、模型稳定性检验等,本文对各变量及模型依次执行上述检验流程。结果表明,各变量均为一阶差分平稳序列,因而本文统一采用数字经济和工业各阶段创新效率的增长变化解释二者互动的系统特征;B I C等信息准则显示模型最佳滞后期数均为滞后一期;特征根的 模 均 小 于1,说 明P VA R模 型 稳 定,可 以 构 建P VA R模型进行实证分析。4.2 G r a n g e r因果关系检验区别于线性回归的单方程因果推断模型,G r a n g e r因果关系检验能够反映变量间的历史信息是否有助于预测各自未来变化,从而为构建分析联合内生变量间动态关系的非结构化多方程模型和识别模型预测效力提供统计参考。基于此,本文对变量进行G r a n g e r因果关系检验,结果如表7所示。结果显示,数字经济与工业科技研发效率是造成彼此变动的G r a n g e r原因,工业科技研发效率是造成数字经济变动的G r a n g e r原因,数字经济不是造成工业成果转化效率变动的G r a n g e r原因。需要说明的是,虽然G r a n g e r因果关系检验得出数字经济与工业创新效率的互动关系并非其在实际经济活动中的真实因果关系,但结合经济发展实践可知,二者的互动关系具有丰富的经验依据。数字经济与实体经济深度融合引致的工业智能化升级能够加速工业科技成果落地转化,从而为提升工业创新效率创造有利条件。同时,工业技术进步催生的信息化变革是促进数字经济发展的内生动力,工业创新效率持续提升带来的通用技术扩散能够夯实数字经济的技术基础,从而为拓展数字经济发展空间提供有力支撑。因此,可以认为实际分析中的G r a n g e r因果关系与真实的因果关系基本一致,即数字经济与工业创新效率的历史信息均对彼此的未来变化具有较强的解释效力。表7 G r a n g e r因果关系检验结果T a b.7 T e s t r e s u l t s o f G r a n g e r c a u s a l i t y原假设卡方统计量z值p值结论(1 0%)D E I不是造成G I E1变动的G r a n g e r原因1.1 2 62.0 40.0 4 2拒绝原假设 G I E1不是造成D E I变动的G r a n g e r原因-0.0 8 9-4 2.0 00.0 0 0拒绝原假设 D E I不是造成G I E2变动的G r a n g e r原因0.1 0 40.2 90.7 7 0不拒绝原假设G I E2不是造成D E I变动的G r a n g e r原因0.0 1 62.0 00.0 4 5拒绝原假设 4.3 脉冲响应函数分析 由于P VA R模型无需对变量作任何先验性约束,因此通常不分析模型参数估计值的经济意义,而更为关注模型系统的动态特征,也就是分析模型中一个内生变量的冲击给其它内生变量带来的动态影响,这种动态影响可以通过脉冲响应函数(I R F)分析予以刻画。基于此,本文通过脉冲响应函数考察数字经济与工业各阶段创新效率对彼此作用的动态影响路径。由图3、图4可知,当数字经济和工业科技研发效率分别给出一个标准差冲击后,数字经济对工业科技研发效率在长期内存在较强的正向响应,而工业科技研发效率对数字经济总体上存在负向响应。由图5、图6可知,当数字经济和工业成果转化效率分别给出一个标准差冲击后,二者在长期内均对彼此存在较强的正向响应。以上结果表明,数字经济与工业成果转化效率之间存在显著互促效应;数字经济与工业科技研发效率之间不存在显著互促效应,二者互动的系统特征主要表现为工业科技研发效率提升对数字经济发展的正向驱动。原因可能在于,工业科技研发效率的提升有利于夯实数字经济的技术基础,但由于基础研发依赖于具有划时代革新性的核心技术突破,而且数据要素过度投入可能诱发“索洛悖论”问题1 7,这使得既有数据分析未能有效缓解中国工业科技研发低效的困境。从数字技术应用的不同维度看,数字产业化与工业科技研发效率对彼此不存在显著正向响应,二者互动的系统特征主要表现为工业科技研发效率提升对数字图3 D E I冲击引起G I E1的脉冲响应F i g.3 I R F o fG I E1 c a u s e d b y D E I s h o c k13 第1 7期 杨 昕,赵守国:数字经济与工业高质量创新的协同互促效应图4 G I E1冲击引起D E I的脉冲响应F i g.4 I R F o f D E I c a u s e d b y G I E1 s h o c k图5 D E I冲击引起G I E2的脉冲响应F i g.5 I