摘 要:將國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立視作準(zhǔn)自然實(shí)驗(yàn),基于中國282個(gè)地級(jí)市2011—2020年的面板數(shù)據(jù),構(gòu)建雙重差分模型,實(shí)證檢驗(yàn)了試驗(yàn)區(qū)政策對(duì)城市數(shù)字創(chuàng)新的影響效應(yīng),并從城市區(qū)位和行政等級(jí)兩個(gè)方面入手,探究大數(shù)據(jù)試驗(yàn)區(qū)政策的異質(zhì)性影響。結(jié)果表明:第一,大數(shù)據(jù)試驗(yàn)區(qū)的建設(shè)能夠顯著提升城市數(shù)字創(chuàng)新能力;第二,通過安慰劑檢驗(yàn)、傾向得分匹配法和排除寬帶中國政策等方法證明基準(zhǔn)回歸結(jié)果是穩(wěn)健可靠的;第三,異質(zhì)性分析結(jié)果表明,大數(shù)據(jù)試驗(yàn)區(qū)對(duì)東部城市和一般地級(jí)市數(shù)字創(chuàng)新能力的提升作用更顯著。
關(guān)鍵詞:國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū);數(shù)字創(chuàng)新;雙重差分;數(shù)字經(jīng)濟(jì);傾向得分匹配
中圖分類號(hào):F276.44 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-0298(2024)07(a)--05
1 引言
當(dāng)前,新一輪科技革命引領(lǐng)人類社會(huì)進(jìn)入了數(shù)字經(jīng)濟(jì)時(shí)代,根據(jù)《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》,2022年中國數(shù)字經(jīng)濟(jì)規(guī)模已達(dá)50.2萬億元,占GDP比重達(dá)到41.5%,對(duì)服務(wù)業(yè)、制造業(yè)、農(nóng)業(yè)的滲透率分別達(dá)到44.7%、24.0%和10.5%,數(shù)字經(jīng)濟(jì)與經(jīng)濟(jì)社會(huì)各領(lǐng)域融合的廣度和深度不斷加強(qiáng),在激發(fā)消費(fèi)、拉動(dòng)投資、創(chuàng)造就業(yè)、創(chuàng)新發(fā)展等方面發(fā)揮了重要作用,極大地改變了社會(huì)經(jīng)濟(jì)的運(yùn)作方式,成為經(jīng)濟(jì)增長的新動(dòng)能[1]。數(shù)字經(jīng)濟(jì)的快速發(fā)展引起了我國政府的高度重視。習(xí)近平總書記在十九屆中央政治局第三十四次集體學(xué)習(xí)時(shí)指出:“當(dāng)今時(shí)代,數(shù)字技術(shù)、數(shù)字經(jīng)濟(jì)是世界科技革命和產(chǎn)業(yè)變革的先機(jī),是新一輪國際競爭重點(diǎn)領(lǐng)域,我們一定要抓住先機(jī)、搶占未來發(fā)展制高點(diǎn)?!睘榱顺浞职l(fā)揮數(shù)據(jù)要素的紅利,促進(jìn)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展,2015年國務(wù)院印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》。2016年,國務(wù)院公布了國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)名單,包括貴州省、河南省、上海市、內(nèi)蒙古自治區(qū)、重慶市、沈陽市、京津冀地區(qū)和珠三角地區(qū)。由此可見,大數(shù)據(jù)試驗(yàn)區(qū)的建設(shè)已成為推動(dòng)大數(shù)據(jù)融合應(yīng)用和經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型的重要戰(zhàn)略部署[2]。
綜觀學(xué)術(shù)界關(guān)于數(shù)字創(chuàng)新的研究成果,主要集中于數(shù)字創(chuàng)新的作用和數(shù)字創(chuàng)新的驅(qū)動(dòng)因素等方面。KL Lo等(2023)通過實(shí)證研究發(fā)現(xiàn)數(shù)字技術(shù)創(chuàng)新能夠提升制造業(yè)企業(yè)全要素生產(chǎn)率,并且此效應(yīng)是通過降低運(yùn)營成本、提高資源配置效率等方式實(shí)現(xiàn)的[3]。王智新等(2022)認(rèn)為數(shù)字創(chuàng)新可以通過促進(jìn)數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)的融合滲透實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)的高質(zhì)量發(fā)展[4]。甄俊杰等(2023)認(rèn)為數(shù)字創(chuàng)新是當(dāng)前實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要驅(qū)動(dòng)力[5]。部分學(xué)者探究了數(shù)字基礎(chǔ)設(shè)施對(duì)數(shù)字創(chuàng)新的驅(qū)動(dòng)作用。范合君和吳婷(2022)認(rèn)為數(shù)字基礎(chǔ)設(shè)施的外部效應(yīng)打破了要素流動(dòng)的地域限制,降低了創(chuàng)新主體之間的信息不對(duì)稱,促進(jìn)了區(qū)域內(nèi)創(chuàng)新要素的流動(dòng)與擴(kuò)散[6]。桑玉昆和馮緒猛(2023)認(rèn)為數(shù)字基礎(chǔ)設(shè)施建設(shè)能夠有效打造區(qū)域性數(shù)字應(yīng)用體系,實(shí)現(xiàn)海量數(shù)據(jù)的存儲(chǔ)及計(jì)算,打破創(chuàng)新要素供求信息交互的時(shí)空限制,有助于降低創(chuàng)新要素搜索成本與交易摩擦成本,進(jìn)而促進(jìn)創(chuàng)新要素合理化配置[7]。有學(xué)者探究了資源要素投入對(duì)數(shù)字創(chuàng)新的驅(qū)動(dòng)作用。宋培等(2023)通過實(shí)證分析發(fā)現(xiàn),研發(fā)人員和研發(fā)資本等創(chuàng)新資源要素投入對(duì)數(shù)字經(jīng)濟(jì)創(chuàng)新發(fā)展有顯著的支撐作用[8]。張瑤等(2023)認(rèn)為資金要素的投入有助于促進(jìn)創(chuàng)新資源要素的集聚并激發(fā)主體的創(chuàng)新動(dòng)力,從而提升區(qū)域數(shù)字創(chuàng)新能力[9]。還有學(xué)者探究了政策因素對(duì)數(shù)字創(chuàng)新的驅(qū)動(dòng)作用。X Wang等(2023)認(rèn)為政府?dāng)?shù)字化政策會(huì)提高企業(yè)對(duì)數(shù)字技術(shù)的關(guān)注,從而推動(dòng)數(shù)字創(chuàng)新[10]。蔣永彩(2022)認(rèn)為地方政府支持能夠通過財(cái)政補(bǔ)貼、稅收優(yōu)化等方式扶持中小企業(yè)發(fā)展,影響區(qū)域數(shù)字創(chuàng)新[11]。從現(xiàn)有的研究結(jié)果來看,盡管有大量學(xué)者對(duì)數(shù)字創(chuàng)新的驅(qū)動(dòng)因素進(jìn)行了探究,但有關(guān)政策對(duì)城市數(shù)字創(chuàng)新能力影響的相關(guān)研究依然存在不足,無法有效指導(dǎo)我國數(shù)字創(chuàng)新的發(fā)展,因此本文從政策角度對(duì)城市數(shù)字創(chuàng)新能力進(jìn)行實(shí)證分析。
2 研究假設(shè)
首先,國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)通過政府補(bǔ)貼、政策支持等方式推進(jìn)大數(shù)據(jù)產(chǎn)業(yè)集聚。產(chǎn)業(yè)集聚使創(chuàng)新主體之間形成了緊密的聯(lián)系與合作交流,促進(jìn)了知識(shí)技術(shù)的流動(dòng)與溢出,為創(chuàng)新活動(dòng)提供了有利條件[12]。貴州省在被選定為試驗(yàn)區(qū)之后,大力打造大數(shù)據(jù)產(chǎn)業(yè)集群,構(gòu)建數(shù)字經(jīng)濟(jì)生態(tài)圈,吸引了蘋果、微軟、英特爾、惠普、戴爾等大批國際企業(yè)落戶。其次,大數(shù)據(jù)試驗(yàn)區(qū)的設(shè)立使區(qū)域間數(shù)據(jù)要素的流動(dòng)更加通暢,有效打破了數(shù)據(jù)資源的流動(dòng)壁壘。數(shù)據(jù)資源的傳遞有效緩解了區(qū)域創(chuàng)新系統(tǒng)內(nèi)信息不對(duì)稱問題,交易市場(chǎng)更加開放透明,極大降低了創(chuàng)新主體獲取創(chuàng)新資源所需付出的交易成本,有助于創(chuàng)新主體釋放更多資金用于研發(fā)創(chuàng)新,并可通過數(shù)字技術(shù)整合自身的資金流、信息流等形成去核化、扁平化的組織結(jié)構(gòu),提高管理效率,為數(shù)字創(chuàng)新活動(dòng)提供更加優(yōu)質(zhì)的條件及環(huán)境。最后,國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)能夠完善大數(shù)據(jù)產(chǎn)業(yè)鏈布局,推動(dòng)地區(qū)產(chǎn)業(yè)數(shù)字化的發(fā)展。目前,我國產(chǎn)業(yè)結(jié)構(gòu)存在發(fā)展水平較低、轉(zhuǎn)型速度較慢等方面的問題[13]。各試驗(yàn)區(qū)針對(duì)工業(yè)、農(nóng)牧業(yè)、制造業(yè)、服務(wù)業(yè)等產(chǎn)業(yè)的轉(zhuǎn)型升級(jí),均提出了明確的發(fā)展規(guī)劃。如沈陽出臺(tái)了《沈陽市新一代人工智能發(fā)展規(guī)劃(2018—2030年)》,充分發(fā)揮人工智能產(chǎn)業(yè)對(duì)制造業(yè)轉(zhuǎn)型升級(jí)的輻射帶動(dòng)作用。產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型會(huì)不斷催生新產(chǎn)業(yè)、新業(yè)態(tài)和新商業(yè)模式,為區(qū)域帶來了新的創(chuàng)新增長點(diǎn)。因此,本文提出假設(shè):大數(shù)據(jù)試驗(yàn)區(qū)政策能夠提升城市數(shù)字創(chuàng)新能力。
3 模型構(gòu)建與變量說明
3.1 模型構(gòu)建
雙重差分(DID)是評(píng)估在特定時(shí)間點(diǎn)制定的政策或計(jì)劃(例如新法律的實(shí)施)效應(yīng)的常用方法。DID方法將未受政策干預(yù)影響的個(gè)體隨時(shí)間的變化與受政策干預(yù)影響的個(gè)體隨時(shí)間的變化進(jìn)行比較,兩個(gè)變化之間的差異就是政策干預(yù)對(duì)個(gè)體的影響[14]。Heckman等(1985)最早提出將DID方法用于公共政策效應(yīng)評(píng)估,之后,DID方法的研究成果層出不窮[15]?;诖?,本文采用雙重差分法進(jìn)行準(zhǔn)自然實(shí)驗(yàn),將試驗(yàn)區(qū)城市視為實(shí)驗(yàn)組,其余城市為對(duì)照組。具體模型設(shè)定如下:
Innit=α0+α1didit+α2Xit+μi+vt+εit(1)
式中,Innit表示城市數(shù)字創(chuàng)新能力,didit表示國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的政策虛擬變量,α0表示常數(shù)項(xiàng),Xit表示一系列控制變量。系數(shù)α1是本文重點(diǎn)關(guān)注的指標(biāo),表示政策的數(shù)字創(chuàng)新效應(yīng)。μi為地區(qū)固定效應(yīng),vt為時(shí)間固定效應(yīng),εit為隨機(jī)誤差項(xiàng)。
3.2 變量說明
本文選取2011—2020年282個(gè)地級(jí)市的平衡面板數(shù)據(jù),城市數(shù)字產(chǎn)業(yè)專利數(shù)量來源于中國研究數(shù)據(jù)服務(wù)平臺(tái)(CNRDS數(shù)據(jù)庫)。
(1)被解釋變量:數(shù)字創(chuàng)新(Inn)。由于專利數(shù)據(jù)具有客觀性、及時(shí)性和容易獲得的特點(diǎn),因此專利數(shù)據(jù)被普遍用作創(chuàng)新能力的代理指標(biāo)。本文參考宋培等(2023)[16]的做法,采用各地區(qū)數(shù)字產(chǎn)業(yè)專利授權(quán)量的對(duì)數(shù)值來衡量。
(2)核心解釋變量:國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)(did)。本文的核心解釋變量為個(gè)體虛擬變量(treated)和時(shí)間虛擬變量(time)的交互項(xiàng)。個(gè)體虛擬變量根據(jù)該城市是否納入試驗(yàn)區(qū)進(jìn)行賦值,試驗(yàn)區(qū)城市為實(shí)驗(yàn)組,其對(duì)應(yīng)的treated=1;未設(shè)立試驗(yàn)區(qū)的城市為對(duì)照組,對(duì)應(yīng)的treated=0。時(shí)間虛擬變量根據(jù)大數(shù)據(jù)試驗(yàn)區(qū)設(shè)立前后的年份進(jìn)行賦值,政策實(shí)施當(dāng)年及之后賦值為1,政策實(shí)施之前為0。
(3)控制變量。本文參考以往文獻(xiàn)歸納總結(jié)出以下控制變量:固定資產(chǎn)投資(Inf),固定資產(chǎn)投資可以提升城市經(jīng)濟(jì)水平、調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),從而提高城市數(shù)字創(chuàng)新能力,采用固定資產(chǎn)投資額占GDP比重來衡量;經(jīng)濟(jì)發(fā)展水平(Gdp),經(jīng)濟(jì)發(fā)達(dá)地區(qū)擁有更優(yōu)越的基礎(chǔ)設(shè)施和制度環(huán)境,有利于城市數(shù)字創(chuàng)新產(chǎn)出,采用人均GDP的對(duì)數(shù)進(jìn)行衡量;對(duì)外開放水平(Open),外商投資能夠促進(jìn)技術(shù)的引進(jìn)和轉(zhuǎn)移,產(chǎn)生技術(shù)溢出效應(yīng),提高城市的數(shù)字創(chuàng)新能力,采用實(shí)際利用外資額占GDP的比重來衡量;政府財(cái)政支出(Exp),政府的財(cái)政投入會(huì)對(duì)技術(shù)研發(fā)活動(dòng)提供資金方面的支持,采用政府財(cái)政支出占GDP比重來衡量;金融發(fā)展水平(Fin),金融水平的提升可以提高城市的資源配置能力和風(fēng)險(xiǎn)防范能力,采用金融機(jī)構(gòu)貸款余額占GDP比重來衡量;進(jìn)出口貿(mào)易(Trade),采用進(jìn)出口貿(mào)易總額占GDP比重來衡量。
4 實(shí)證研究
4.1 基準(zhǔn)回歸
基準(zhǔn)回歸結(jié)果如表1所示。表1模型(1)是試驗(yàn)區(qū)政策與城市數(shù)字創(chuàng)新能力的基本回歸結(jié)果;模型(2)是在模型(1)的基礎(chǔ)上加入了固定資產(chǎn)投資、經(jīng)濟(jì)發(fā)展水平、對(duì)外開放水平、政府財(cái)政支出、金融發(fā)展水平和進(jìn)出口貿(mào)易六個(gè)控制變量后的回歸結(jié)果。可以看出,加入控制變量之后did項(xiàng)的估計(jì)系數(shù)為0.161,在1%的統(tǒng)計(jì)水平下顯著為正,驗(yàn)證了本文的基本假設(shè)。
4.2 平行趨勢(shì)檢驗(yàn)
雙重差分法的使用前提是,在受到政策沖擊前,實(shí)驗(yàn)組與對(duì)照組滿足平行趨勢(shì)假設(shè)。平行趨勢(shì)檢驗(yàn)結(jié)果如圖1所示,大數(shù)據(jù)試驗(yàn)區(qū)政策實(shí)施之前,實(shí)驗(yàn)組和對(duì)照組的數(shù)字創(chuàng)新能力不存在顯著的差異,滿足雙重差分法的平行趨勢(shì)假設(shè)。
圖1 平行趨勢(shì)檢驗(yàn)
4.3 異質(zhì)性檢驗(yàn)
不同城市的初始稟賦和國家對(duì)其政策傾斜不同,導(dǎo)致各個(gè)城市的發(fā)展呈現(xiàn)出不平衡的特點(diǎn)。為進(jìn)一步深化對(duì)大數(shù)據(jù)試驗(yàn)區(qū)政策的認(rèn)識(shí),本文將從城市的區(qū)位和行政等級(jí)兩個(gè)方面入手,考察大數(shù)據(jù)試驗(yàn)區(qū)政策的異質(zhì)性影響。
4.3.1 城市區(qū)位異質(zhì)性
我國東中西部地區(qū)的自然資源、地理?xiàng)l件和政策環(huán)境等存在顯著的差異[17],因此本文探究大數(shù)據(jù)試驗(yàn)區(qū)提升城市數(shù)字創(chuàng)新能力的區(qū)位異質(zhì)性。區(qū)位異質(zhì)性回歸結(jié)果如表2的模型(1)和模型(2)所示。東部城市和中西部城市did項(xiàng)的系數(shù)分別在1%和5%水平下顯著為正,表明大數(shù)據(jù)試驗(yàn)區(qū)對(duì)東部城市和中西部城市的數(shù)字創(chuàng)新能力均有提升作用,但對(duì)于東部城市的促進(jìn)作用在顯著度上要優(yōu)于中西部城市。產(chǎn)生這種結(jié)果可能是因?yàn)榇髷?shù)據(jù)試驗(yàn)區(qū)的建設(shè)需要數(shù)字化基礎(chǔ)設(shè)施的支撐,相對(duì)于中西部地區(qū),東部地區(qū)的基礎(chǔ)設(shè)施建設(shè)更完善、經(jīng)濟(jì)發(fā)展水平更高,且能夠吸收大量數(shù)字人才的集聚,為城市數(shù)字創(chuàng)新活動(dòng)營造良好的環(huán)境。
4.3.2 行政等級(jí)異質(zhì)性
行政等級(jí)高的城市在交通水平、政策支持和產(chǎn)業(yè)基礎(chǔ)等方面的優(yōu)勢(shì)是一般地級(jí)市難以比擬的。因此,本文進(jìn)一步探究大數(shù)據(jù)試驗(yàn)區(qū)提升城市數(shù)字創(chuàng)新能力的城市行政等級(jí)異質(zhì)性。城市行政等級(jí)劃分借鑒徐林等(2022)的研究,將直轄市、省會(huì)城市和副省級(jí)城市作為行政等級(jí)高的城市[18]。和一般地級(jí)市相比,此類城市具有優(yōu)越的經(jīng)濟(jì)實(shí)力,能夠發(fā)揮輻射作用,帶動(dòng)區(qū)域經(jīng)濟(jì)社會(huì)的全面發(fā)展。表2模型(3)和模型(4)的結(jié)果表明,大數(shù)據(jù)試驗(yàn)區(qū)對(duì)直轄市、省會(huì)城市和副省級(jí)城市數(shù)字創(chuàng)新能力的促進(jìn)作用并不顯著,在一般地級(jí)市中,大數(shù)據(jù)試驗(yàn)區(qū)對(duì)數(shù)字創(chuàng)新能力的促進(jìn)作用才得以顯現(xiàn),滿足“邊際效率遞減規(guī)律”[19],即大數(shù)據(jù)試驗(yàn)區(qū)對(duì)于城市數(shù)字創(chuàng)新的推動(dòng)作用隨著城市行政等級(jí)的下降反而上升。
4.4 穩(wěn)健性檢驗(yàn)
4.4.1 安慰劑檢驗(yàn)
為了避免大數(shù)據(jù)試驗(yàn)區(qū)對(duì)城市數(shù)字創(chuàng)新能力的促進(jìn)作用是其他不可觀測(cè)的遺漏變量導(dǎo)致的,本文借鑒Li等(2016)[20]的研究進(jìn)行安慰劑檢驗(yàn)。具體思路是,在樣本數(shù)據(jù)中隨機(jī)選取偽實(shí)驗(yàn)組和偽對(duì)照組,生成偽政策虛擬變量并重新對(duì)模型(1)進(jìn)行回歸,由此完成一次安慰劑檢驗(yàn),得到一個(gè)偽政策虛擬變量的估計(jì)系數(shù)。將上述過程重復(fù)500次,圖2繪制了500個(gè)估計(jì)系數(shù)的核密度圖。由圖2可知,隨機(jī)處理下的估計(jì)系數(shù)主要分布在0附近,與真實(shí)系數(shù)存在顯著差異,且近似于正態(tài)分布。由此證實(shí)了本文的估計(jì)結(jié)果不是偶然獲得,大數(shù)據(jù)試驗(yàn)區(qū)設(shè)立對(duì)城市數(shù)字創(chuàng)新能力的影響幾乎沒有受到不可觀測(cè)因素的干擾,進(jìn)一步表明基準(zhǔn)回歸結(jié)果的穩(wěn)健性。
圖2 安慰劑檢驗(yàn)結(jié)果
4.4.2 PSM-DID檢驗(yàn)
試驗(yàn)區(qū)的設(shè)立可能會(huì)受到經(jīng)濟(jì)發(fā)展水平、地理位置等因素影響,并不完全滿足隨機(jī)性的特征。為準(zhǔn)確評(píng)估大數(shù)據(jù)試驗(yàn)區(qū)的數(shù)字創(chuàng)新效應(yīng),本文借鑒常皓亮等(2023)[21]的做法,用PSM-DID法進(jìn)行穩(wěn)健性檢驗(yàn)。首先,對(duì)實(shí)驗(yàn)組和對(duì)照組樣本按照一對(duì)一近鄰匹配法進(jìn)行匹配,為保證匹配結(jié)果的可靠性,還需要進(jìn)行平衡性檢驗(yàn)。若匹配后城市樣本中實(shí)驗(yàn)組和控制組在相關(guān)控制變量上沒有表現(xiàn)出明顯差異,則說明PSM-DID方法具有合理性。平衡性檢驗(yàn)結(jié)果如圖3所示,可以看出傾向得分匹配后控制變量的標(biāo)準(zhǔn)化偏差明顯減小,并且大多數(shù)匹配變量的標(biāo)準(zhǔn)化偏差絕對(duì)值小于5%,匹配效果良好。
將匹配好的樣本納入雙重差分模型重新進(jìn)行基準(zhǔn)回歸分析,得到回歸結(jié)果如表3中的模型(1)和模型(2)所示。從結(jié)果看出,在進(jìn)行傾向得分匹配后,虛擬變量did的系數(shù)均在1%的置信水平下顯著為正,可以證明前文的基準(zhǔn)回歸結(jié)果具有較強(qiáng)的穩(wěn)健性,大數(shù)據(jù)試驗(yàn)區(qū)的設(shè)立顯著提升了城市數(shù)字創(chuàng)新能力。
4.4.3 排除其他政策的影響
由于試驗(yàn)區(qū)設(shè)立期間存在其他相關(guān)政策對(duì)研究效果產(chǎn)生影響,為解決這一問題,本文借鑒石大千等(2018)[22]的做法,將寬帶中國試點(diǎn)政策作為虛擬變量納入基準(zhǔn)模型加以控制,結(jié)果見表4模型(3),加入了寬帶中國政策虛擬變量以后,did項(xiàng)的回歸系數(shù)仍在1%的水平上顯著為正,進(jìn)一步支持了本研究的核心結(jié)論。
5 結(jié)論與建議
本文以國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的設(shè)立為切入點(diǎn),運(yùn)用雙重差分估計(jì)方法,基于我國2011—2020年282個(gè)地級(jí)市的面板數(shù)據(jù),分析了大數(shù)據(jù)試驗(yàn)區(qū)的建設(shè)對(duì)城市數(shù)字創(chuàng)新能力的影響,并進(jìn)一步探討了政策效應(yīng)的異質(zhì)性,研究結(jié)果表明:
第一,大數(shù)據(jù)試驗(yàn)區(qū)的建設(shè)能夠顯著提升城市數(shù)字創(chuàng)新能力。第二,本文通過安慰劑檢驗(yàn)、傾向得分匹配法和排除相關(guān)政策等方法證明基準(zhǔn)回歸結(jié)果是穩(wěn)健可靠的。第三,異質(zhì)性分析結(jié)果表明,大數(shù)據(jù)試驗(yàn)區(qū)對(duì)東部城市和一般地級(jí)市數(shù)字創(chuàng)新能力的提升作用更顯著。
基于實(shí)證研究結(jié)果,本文提出以下建議:第一,積極推進(jìn)國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)建設(shè)。政府要加大對(duì)大數(shù)據(jù)產(chǎn)業(yè)的財(cái)政投入,加強(qiáng)數(shù)字人才隊(duì)伍建設(shè),構(gòu)建完善的制度體系,為大數(shù)據(jù)的發(fā)展和創(chuàng)新活動(dòng)的開展提供制度保障。第二,注重城市數(shù)字創(chuàng)新能力的提升。加強(qiáng)云計(jì)算、人工智能、5G等數(shù)字技術(shù)的研發(fā)與應(yīng)用,推進(jìn)數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)融合發(fā)展,為數(shù)字創(chuàng)新提供良好的發(fā)展空間。第三,因地制宜制定大數(shù)據(jù)發(fā)展戰(zhàn)略。由于不同城市在地理區(qū)位和行政等級(jí)等方面存在差異,大數(shù)據(jù)試驗(yàn)區(qū)建設(shè)對(duì)城市數(shù)字創(chuàng)新的驅(qū)動(dòng)效應(yīng)也具有差異性。因此,在建設(shè)大數(shù)據(jù)試驗(yàn)區(qū)的過程中,應(yīng)堅(jiān)持因地制宜,充分考慮不同城市的實(shí)際發(fā)展階段,抓住當(dāng)?shù)匕l(fā)展數(shù)字創(chuàng)新的稟賦優(yōu)勢(shì)和區(qū)域特色,構(gòu)建更加包容、靈活的城市數(shù)字創(chuàng)新體系,平衡數(shù)字創(chuàng)新在東中西部地區(qū)和不同行政等級(jí)城市之間的發(fā)展。
6 研究局限與未來展望
本文采用數(shù)字產(chǎn)業(yè)專利數(shù)量衡量城市數(shù)字創(chuàng)新能力,未能考慮到城市數(shù)字創(chuàng)新能力的其他產(chǎn)出,未來可以通過構(gòu)建指標(biāo)體系的方式對(duì)城市數(shù)字創(chuàng)新能力進(jìn)行測(cè)度。本文僅考察了試驗(yàn)區(qū)建設(shè)對(duì)城市數(shù)字創(chuàng)新影響的直接效應(yīng)和異質(zhì)性分析,未來在數(shù)據(jù)能夠獲得的前提下,可以進(jìn)一步探索試驗(yàn)區(qū)提升城市數(shù)字創(chuàng)新能力的作用路徑和空間效應(yīng)。
參考文獻(xiàn)
岳書敬,董迪妮,賴曉冰.數(shù)字創(chuàng)新如何影響城市經(jīng)濟(jì)差距:“數(shù)字鴻溝”還是“數(shù)字紅利”[J].財(cái)經(jīng)科學(xué),2023(9): 76-88.
邱子迅,周亞虹.數(shù)字經(jīng)濟(jì)發(fā)展與地區(qū)全要素生產(chǎn)率: 基于國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的分析[J].財(cái)經(jīng)研究,2021,47(7):4-17.
Lo K L, Zhang J, Xia F. Does digital technology innovation work better for industrial upgrading? An empirical analysis of listed Chinese manufacturing firms[J]. Applied Economics Letters, 2023, 30(18): 2504-2509.
王智新,高天,王若男.數(shù)字創(chuàng)新賦能數(shù)字經(jīng)濟(jì)發(fā)展研究: 一個(gè)文獻(xiàn)綜述[J].科學(xué)管理研究,2022,40(5):91-97.
甄俊杰,師博,張新月.中國數(shù)字創(chuàng)新與經(jīng)濟(jì)高質(zhì)量發(fā)展的協(xié)同效應(yīng)及動(dòng)態(tài)演進(jìn)預(yù)測(cè)[J].現(xiàn)代財(cái)經(jīng)(天津財(cái)經(jīng)大學(xué)學(xué)報(bào)),2023,43 (3):3-20.
范合君,吳婷.新型數(shù)字基礎(chǔ)設(shè)施、數(shù)字化能力與全要素生產(chǎn)率[J].經(jīng)濟(jì)與管理研究,2022,43(1):3-22.
桑玉昆,馮緒猛.數(shù)字基礎(chǔ)設(shè)施、創(chuàng)新要素配置與全球價(jià)值鏈嵌入[J].軟科學(xué),2023(12): 1-11.
宋培,李琳,艾陽,等.中國數(shù)字經(jīng)濟(jì)創(chuàng)新發(fā)展的技術(shù)選擇與效果評(píng)估[J].科學(xué)學(xué)研究,2023,41(8):1410-1421.
張瑤,張光宇,張洪振.組態(tài)視角下區(qū)域數(shù)字創(chuàng)新發(fā)展的驅(qū)動(dòng)機(jī)制研究[J].技術(shù)經(jīng)濟(jì)與管理研究,2023(1):123-128.
Wang X, Li Y, Tian L, et al. Government digital initiatives and firm digital innovation: Evidence from China[J]. Technovation, 2023, 119: 102545.
蔣永彩.政府偏好、財(cái)政分權(quán)與區(qū)域數(shù)字創(chuàng)新[J].統(tǒng)計(jì)與決策,2022,38(4):32-37.
梁海萌,申丹虹.數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的政策效應(yīng): 基于國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J].現(xiàn)代管理科學(xué),2023(1):46-55.
許鋒,時(shí)海博.產(chǎn)業(yè)集聚、數(shù)字技術(shù)創(chuàng)新與制造業(yè)發(fā)展質(zhì)量[J].商業(yè)經(jīng)濟(jì),2023(7):52-55.
Stuart E A, Huskamp H A, Duckworth K, et al. Using propensity scores in difference-in-differences models to estimate the effects of a policy change[J]. Health Services and Outcomes Research Methodology, 2014, 14: 166-182.
Heckman J J, Robb Jr R. Alternative methods for evaluating the impact of interventions: An overview[J]. Journal of econometrics, 1985, 30(1-2): 239-267.
宋培,白雪潔,李琳,等.數(shù)字產(chǎn)業(yè)創(chuàng)新對(duì)產(chǎn)業(yè)結(jié)構(gòu)現(xiàn)代化的影響研究[J].科學(xué)學(xué)研究,2023(6):1-18.
支宇鵬,黃立群,陳喬.自由貿(mào)易試驗(yàn)區(qū)建設(shè)與地區(qū)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí): 基于中國286個(gè)城市面板數(shù)據(jù)的實(shí)證分析[J].南方經(jīng)濟(jì),2021(4):37-54
徐林,侯林岐,程廣斌.國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)創(chuàng)新效應(yīng)研究[J].科技進(jìn)步與對(duì)策,2022,39(20):101-111.
付平,劉德學(xué).智慧城市技術(shù)創(chuàng)新效應(yīng)研究: 基于中國282個(gè)地級(jí)城市面板數(shù)據(jù)的實(shí)證分析[J].經(jīng)濟(jì)問題探索,2019(9):72-81.
Li P, Lu Y, Wang J. Does flattening government improve economic performance? Evidence from China[J]. Journal of development economics, 2016, 123: 18-37.
常皓亮,金碚,薛飛.大數(shù)據(jù)戰(zhàn)略對(duì)電力消費(fèi)碳排放的影響: 基于國家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J].經(jīng)濟(jì)與管理研究,2023,44(5):93-109.
石大千,丁海,衛(wèi)平,等.智慧城市建設(shè)能否降低環(huán)境污染[J].中國工業(yè)經(jīng)濟(jì),2018(6):117-135.