數字經濟會促進高技術產業創新能力的提高嗎？

施衛東，張雅婕

(東南大學 經濟管理學院，江蘇 南京 211189)

一、引言

我國高技術產業在快速發展的同時，在關鍵技術自給、核心技術掌握方面仍然存在一定問題，而創新能力不足是其發展的主要障礙之一。創新能力反映了一個地區或產業的科技競爭力，與發達國家相比，我國科技創新資源仍然比較短缺，提升高技術產業創新能力已成為提高產業綜合競爭力的重要途徑。

近年來，我國數字經濟迅速發展，極大地推動了產業升級與經濟發展。2019年底突如其來的新冠肺炎疫情給全球經濟造成沖擊，而2020年我國數字經濟不僅抵抗住了沖擊，實現了逆向增長，而且還推動了世界經濟的復蘇和增長。當前世界經濟受到疫情沖擊，正面臨衰退風險，而與此同時，新一代信息技術作為數字經濟的根本依托廣泛地滲透于人們生活、生產的各個方面，給區域經濟帶來的影響也是前所未有的。

由此引發的值得深思的問題是，數字經濟的發展對地區高技術產業創新能力的提升有哪些影響，數字經濟由于自身特性是否存在著外溢效應，即一個地區的數字經濟發展水平是否對其鄰接地區高技術產業的創新能力產生影響，并且會產生怎樣的影響。基于以上問題，本文利用全國30個省(市、區)(不含西藏、港澳臺)2014—2020年的面板數據，從創新產出的角度，利用熵值法計算全國各省(市、區)的創新能力水平；運用因子分析方法測算得出中國30個省(市、區)的數字經濟發展水平綜合評價指數；通過門檻回歸和分位數回歸檢驗數字經濟對高技術產業創新能力的非線性效應；繼而運用隨機效應下的SDM模型，以鄰接矩陣為權重進行空間計量分析，考察數字經濟發展水平對高技術產業創新能力的影響。

二、文獻綜述與研究假說

隨著新冠肺炎疫情的暴發和反復，數字經濟得到了越來越多的關注。疫情期間國家與國家、地區與地區之間的經濟往來受到了諸多限制，全球經濟面臨動蕩風險，此時數字經濟發揮了穩定器的作用，支持著貿易的發展與全球經濟的復蘇(Lestari等,2020)[1]。越來越多的研究發現經濟高質量發展可以以數字經濟作為其新的推動力。Carlsson(2004)[2]認為數字經濟這種“新經濟”并不是“新”在對生產力的促進，而是由于不同的想法和行為的連接組合而產生的新的產品和新的經濟活力。Kim等(2019)[3]認為在技術進步的推動下，數字經濟改變了制造業的前景，第四次工業革命的新浪潮為新興亞洲的新制造中心提供了機遇，使其生產能力提高到前所未有的水平。Moriset(2011)[4]認為數字經濟的發展可以促進鄉村地區經濟的振興。李柏洲和張美麗(2022)[5]利用分位數回歸和系統廣義矩估計得出數字化轉型可以顯著提高區域經濟發展質量，但這種促進作用在減弱的結論。

經濟的高質量發展與創新息息相關，因此數字經濟與創新之間也就不可避免地存在著一定的聯系。溫珺等(2019)[6]指出數字經濟對創新能力的推動作用會隨著數字經濟能力的提高而減弱。韓先鋒等(2019)[7]則發現互聯網在促進區域創新效率提升方面呈現出邊際效應遞增的非線性特征。殷群和田玉秀(2021)[8]基于省際面板數據運用Tobit模型分析數字化轉型與高技術產業創新效率之間的關系，發現我國數字化轉型程度存在區域差異，且數字化轉型可以促進高技術產業的創新效率的提升。武可棟和閻世平(2021)[9]從理論上分析了數字經濟對區域創新效率提升的直接和間接路徑，并通過實證檢驗發現數字經濟對創新效率影響呈現出倒“U”形效果。通過梳理文獻發現，學者們普遍對數字經濟發展會給創新帶來積極影響持肯定判斷，然而，正如 Watanabe 等(2018)[10]所言，數字經濟也有可能由于其自身特性，使得免費提供、免費復制變得容易和大規模化，造成抄襲、侵權等阻礙創新行為的成本下降，從而使得知識產權保護工作變得更加困難，進而阻礙創新。根據以上分析，本文提出如下研究假設：

H1：數字經濟發展對高技術產業創新能力具有促進作用，但是這種促進作用是非線性的，呈現出邊際遞減的趨勢。

數字經濟與創新關系的研究得到越來越多的關注，越來越多的學者將目光投入到數字經濟對創新的空間效應上來。一些研究表明數字經濟影響科技創新績效的空間異質性，我國東部地區比中西部地區受到數字經濟對科技創新的影響更大(李雪等，2021)[11]。趙濱元(2021)[12]則關注到了數字經濟對創新績效影響的空間溢出效應，運用空間杜賓模型，得出了數字經濟發展不僅對本地區的創新具有積極影響，而且還能夠推動周邊城市的創新績效提升的結論。然而在數字經濟時代，先進入者往往成為掌握大量數據的在位者，形成數據壟斷的“贏家通吃”局面(Eferin等，2019)[13]，甚至導致過度并購產生巨型企業，這將降低市場的競爭程度與創新活力，形成對后入者或者潛在進入者的壁壘。也就是說，如果一個地區的數字經濟發展水平很高，就會形成數據壟斷，而就目前來說這種數據壟斷是難于識別的(Wei，2020)[14]。這種數據壟斷也許會吸引周邊地區更多的資源，對周邊地區創新能力的提高產生一定的限制。因此本文提出以下研究假設：

H2:數字經濟發展水平對本地的高技術產業創新能力具有正向的直接效應影響，但是對鄰近地區的間接效應為負。

通過對已有文獻的梳理，可以大致從降低成本和提高產出兩個角度來分析數字經濟對高技術產業創新能力提高的作用路徑。在降低成本方面，數字經濟的發展依托于堅實的互聯網技術、數字技術的基礎，而在這些技術的作用下，信息搜尋、信息獲得、信息共享等行為的成本大大降低，速度也大大提升，有利于高技術產業充分掌握消費者需求與市場動態，對于創新活動的開展具有良好的導向作用。在提高產出方面，數字化的平臺給了新產品更多更廣的展示舞臺，從而在一定程度上提高新產品的知名度并打開銷路，更迅速更廣泛地進行資源配置，創新產出獲得更高的價值與更普遍的認可，從而有利于高技術產業積累創新資本并投入下一輪創新活動中，形成創新能力提升的良性循環。基于以上兩點研究假說，本文將數字經濟發展水平納入高技術產業創新能力提升的分析框架，試圖對數字經濟發展水平對高技術產業創新能力的影響進行實證層面的分析，以期為高技術產業創新能力的提升提出相應的對策建議。

三、變量測度與數據來源

(一)被解釋變量

創新能力(inno)是本文的被解釋變量，這里用創新成果和創新價值來衡量，其中創新成果產出水平用高新技術產業專利申請數來表示，因為專利是創新活動較為權威與直觀的成果，常常被用以衡量一個地區的創新產出水平；創新價值產出用高新技術產業新產品銷售收入來表示，因為新產品的銷售收入可以反映出創新產品所創造出的價值及其應用普及程度。本文基于熵值法，運用MATLAB 2021軟件進行測算，為創新成果指標和創新價值指標賦予權重，從而計算得出2014—2020年全國30個省市自治區的創新能力水平。創新能力指標及各指標權重具體如表1所示。

(二)核心解釋變量

本文的核心解釋變量是數字經濟發展水平(dig)，這里參考溫珺等(2019)[6]的做法并適當改變，從基礎設施和使用程度兩個維度進行分析，將基礎設施和使用程度作為一級指標，其中基礎設施又包括了移動電話用戶數、互聯網寬帶用戶數、企業網站數三個二級指標，使用程度下又包括了移動互聯網接入流量和電信業務收入兩個二級指標。具體指標情況如表2所示。

表1 創新能力指標及各指標權重

表2 數字經濟發展水平指標

文章運用軟件SPSS Statistic 22對以上數據進行因子分析，為指標設定權重。

根據前文的指標體系指定提取兩個因子，從表2可知，提取兩個因子可以解釋原變量總方差的95.694%，表示僅丟失約4.3%的信息，因子分析達到了較好的效果。第三組數據項顯示旋轉后的因子1的方差貢獻率為51.090%，因子2的方差貢獻率為44.604%，累積方差貢獻率仍保持95.694%不變，但是旋轉后的因子意義更分明更易于解釋。

由表3可知，在第1個因子上有較高載荷的指標有企業擁有網站數、移動電話用戶數、互聯網寬帶用戶數，在第2個因子上具有較高載荷的指標有移動互聯網接入流量、電信業務總量，我們把第1個因子定義為基礎設施，把第2個因子定義為使用程度，這與我們之前的數字經濟發展水平測度體系也是吻合的。

根據表4可以寫出以下因子得分函數：

基礎設施=0.434移動電話用戶數+0.295互聯網寬帶用戶數+0.537企業擁有網站數-0.270移動互聯網接入流量-0.169電信業務總量

使用程度=-0.136移動電話用戶數+0.036互聯網寬帶用戶數-0.283企業擁有網站數+0.618移動互聯網接入流量+0.529電信業務總量

最后根據上式計算得出的基礎設施和使用程度兩個一級指標，以這兩個一級指標的方差貢獻率為權重對其加權，計算得出各地區數字經濟發展水平的最終得分。其計算公式為：

數字經濟發展水平=0.51090基礎設施+0.44604使用程度

表3 旋轉后的因子載荷矩陣

表4 因子得分系數矩陣

(三)控制變量

本文選取了消費水平(pgdp)、創新投入(peo)、產業結構(str)、經濟環境(city)四個控制變量，具體如表5所示。

表5 控制變量的測度

(四)數據來源

本文選取了我國30個省(市、區)(西藏、港澳臺除外)2014—2020年的面板數據，其中專利申請數、新產品銷售收入、R&D人員全時當量的數據來自《中國科技統計年鑒》，移動電話用戶數、互聯網寬帶用戶數、企業網站數、移動互聯網接入流量、電信業務收入、人均GDP、第三產業增加值占比、城鎮化率的數據來自《中國統計年鑒》。對所有變量進行描述性統計，結果如表6所示。

表6 描述性統計

四、研究設計與實證分析

(一)非線性效應分析

1.非線性計量模型的構建

對數字經濟對高技術產業創新能力影響的非線性效應分析，本文的思路是,首先構造一個簡單的非線性模型,并結合散點圖初步判斷非線性的影響的存在與否。如果非線性影響存在的話，則進一步進行分析，并且將非線性效應的分析分為兩部分：一方面是數字經濟對高技術產業創新能力的影響是否會隨著數字經濟發展水平的變化而變化，這部分通過將數字經濟這一變量作為門檻變量進行門檻回歸分析；另一方面是數字經濟對不同的創新能力水平的影響是否存在差異，這一部分是通過分位數回歸來進行分析。首先，構造簡單的非線性模型，將數字經濟這一變量設置為冪函數的形式，具體的模型構造如下：

lninnoit=β0+β1(lndigit)β2+β3lnpgdpit+β4lnpeoit+β5lnstrit+β6lncityit

(1)

在以上非線性模型中，β0為常數項，β1為數字經濟對高技術產業創新能力的影響的待估參數，β2為數字經濟的指數。如果β2大于1，表示數字經濟對高技術產業創新能力的影響邊際遞增；如果小于1，則表示數字經濟對高技術產業創新能力的影響呈邊際遞減；如果接近1，則表示數字經濟對創新的影響是線性的。β3、β4、β5、β6為控制變量的系數。以數字經濟作為門檻變量的門檻回歸模型構造如下：

lninnoit=α0+α1lndigit*I(lndigit≤θ)+α2lndigit*I(lndigit≥θ)+∑αilnXit+εit

(2)

式(2)為一個以數字經濟為門檻變量的單門檻模型，實驗時可以擴展至多門檻，α1為數字經濟低于門檻值時的系數，α2為數字經濟高于門檻值時的系數，Xit為控制變量的合集，αi為控制變量的系數。對創新能力的分位數回歸模型如下所示：

lninnoit=γ0+γ1lndigit+∑γilnXit+λit+μit

(3)

式(3)中，lninnoit表示高技術產業創新能力，也是模型的被解釋變量，lndigit為核心解釋變量即數字經濟發展水平，γ1為數字經濟這一變量的待估參數，lnXit為控制變量，λit為固定效應，μit為殘差項。根據分位數的不同，γ1如果發生變化，就意味著數字經濟對不同水平的創新能力產生差異化影響。

2.非線性計量模型實證結果分析

基于上文的非線性計量模型，本文運用stata14軟件進行計量分析，非線性效應分析結果如表7所示。

表7 非線性效應分析結果

根據表7所示，第一列模型是模型(1)的回歸結果。我們需要重點關注的是β2，因為它是數字經濟這一變量的指數，我們希望通過這一指數來初步判斷非線性效應的存在。可以看到，β2為0.049，小于1且通過了5%的顯著性水平檢驗，說明數字經濟對創新能力具有邊際遞減的影響，而數字經濟的系數為12.192，大于0且顯著，說明數字經濟對創新能力具有正向影響，所以可以初步判斷數字經濟對創新能力的影響為正，但是存在邊際遞減的趨勢。并且通過散點及擬合曲線圖(圖1)，我們也可以大致看出數字經濟對高技術產業創新能力的影響呈正向邊際遞減。

圖1 散點及擬合曲線圖

基于以上初步的非線性檢驗結果，下面進一步從兩個角度來探究非線性效應的影響。首先是運用以數字經濟作為門檻變量的門檻回歸來檢驗不同程度的數字經濟發展水平對高技術產業的創新能力的影響是否存在差異。對于門檻效應的檢驗,先是進行單門檻回歸，結果顯著，然后進行三門檻檢驗，在三門檻檢驗中發現第二個門檻和第三個門檻均不顯著，于是得出此模型僅存在單門檻效應，其結果如表7第二列模型所示。當數字經濟這一變量低于10.59時，數字經濟對創新能力的影響系數為0.201；當數字經濟水平高于10.59時，數字經濟對創新能力的影響系數為0.165，且兩個系數均通過了1%的顯著性水平檢驗。可以看出，數字經濟對高技術產業創新能力的促進作用隨著數字經濟水平的提高而逐漸降低，所以可以認為數字經濟對高技術產業創新能力的影響確實呈現出邊際遞減的趨勢，這也在一定程度上證明了我們的假說1。

接下來是運用分位數回歸來分析數字經濟對不同程度的創新能力水平的影響是否是非線性的，這部分結果如表7第三列、第四列、第五列模型所示。第三列模型是普通最小二乘法面板回歸的結果，可以用于和分位數回歸的結果對比。第四列模型和第五列模式分別是對創新能力變量在30%、60%的分位數的回歸結果。以上三個模型的回歸結果中核心解釋變量數字經濟的系數均在5%的顯著性水平下顯著。可以看出，30%的分位數回歸結果中，數字經濟的系數為0.202，大于OLS回歸的0.142，而60%的分位數回歸結果顯示數字經濟的系數為0.074，小于OLS回歸的0.142，可見創新能力水平提高過程中，數字經濟對高技術產業的創新能力的影響系數呈逐漸降低的趨勢，因此驗證了我們的假說1，數字經濟對高技術產業的創新能力的影響為正但呈現出邊際遞減的趨勢，因此這種影響是非線性的。

這種促進作用遞減現象出現的原因有兩種可能，一種可能是促進作用自身逐漸減弱了，比如數字經濟可以通過共享信息降低信息搜尋成本，通過開拓銷路提升產出收入，從而提高高技術產業的創新能力，但是隨著創新能力的提升，信息已經進行了充分交流，有利于創新的信息越來越少，并且通過數字平臺打入其他地區市場時也會面臨相應市場競爭對手的挑戰，且市場也會逐漸飽和，從而創新收入也很難持續上升，因此外化表現為數字經濟對高技術產業創新能力的促進作用逐漸減弱了；另一種可能是抑制作用逐漸加強從而抵消了一部分促進作用。數字經濟的環境下，免費復制、免費獲得變得更加容易，從而更易引發剽竊、侵權等損害創新能力的行為，并且現代化大數據分析的普遍應用往往會使得人們進入一個信息繭房，即人們更多看到的是自己感興趣的知識與信息，這在一定程度上會束縛人們進行創新活動的思維活躍度，從而更難從固有思維中跳脫出來，以至于造成創新能力的降低，因此這種數字經濟對高技術產業創新能力的負面影響可能會隨著數字經濟的發展而增強，從而抵消了一部分促進作用，呈現出數字經濟對高技術產業創新能力邊際遞減的促進作用這樣一個現象。

(二)空間效應分析

1.空間自相關檢驗

在構建空間計量模型之前，我們首先要分析高技術產業的創新能力的空間相關性以及數字經濟的空間相關性情況，使用的方法是全局Moran’s I指數。莫蘭指數大于-1且小于1、空間相關性為正時，指數大于0，空間相關性為負時，指數小于0，相關性越強絕對值越大。本文選取鄰接權重矩陣進行Moran’s I檢驗，其中鄰接權重矩陣的設置是根據地區的相鄰與否，這里的相鄰包括邊相鄰和點相鄰，當兩個地區相鄰接時矩陣對應位置權重為1，否則為0，海南由于位置的特殊性，本文設置為僅與廣東相鄰。Moran’s I檢驗結果如表8所示，觀測期內創新能力的莫蘭指數均在0.270～0.390之間，顯著為正值。數字經濟綜合得分的莫蘭指數均處于0.140～0.260之間，也顯著為正值。以上空間自相關檢驗結果表明我國各地區高技術產業的創新能力和各地區數字經濟發展水平都具有顯著的正向空間相關性，因此適合進行空間計量分析。

表8 全局Moran’s I空間自相關檢驗

2.空間計量模型構建

上文的空間自相關檢驗結果表明，我國各地區高技術產業的創新能力和各地區數字經濟發展水平空間相關性均顯著為正，因此本文構建包含空間效應的面板模型，首先構建空間杜賓模型(1)，這是一般形式的空間計量模型：

其中，lninnoit表示高技術產業創新能力，也是模型的被解釋變量；lndigit為核心解釋變量，即數字經濟發展水平；lnXit為控制變量的集合，包括消費水平、創新投入、產業結構、經濟環境這四個控制變量，分別用人均GDP、R&D人員全時當量、第三產業增加值占比、城鎮化率來表示；ρ是空間滯后系數；λ為空間誤差系數；wij表示權重。本文采用的是鄰接權重矩陣，β、δ、θ1、θ2為待估參數，其中β表示數字經濟對高技術產業創新能力的直接影響，δ表示控制變量對創新能力的直接影響，θ1表示數字經濟對高技術產業創新能力的空間效應，θ2表示控制變量對創新能力的空間效應。μi表示空間固定效應，ηt表示時間固定效應，vit為隨機誤差項。如果ρ=θ1=θ2=0，此時模型就變成了空間誤差模型(SEM)，如果λ=θ1=θ2=0，此時模型轉化為空間滯后模型(SAR)。

3.空間計量模型的選擇

對于空間計量模型的選擇，需要進行LM檢驗來確定是適用于SDM、SAR、SEM中的哪一個模型。方法是首先將模型設定為SDM，然后對得到的殘差進行LM檢驗，考察模型是否可以退化為SAR或SEM。本文運用軟件stata.14進行LM檢驗,得到的結果如表9所示。

表9 LM檢驗

由表9的檢驗結果可知，空間誤差的三個檢驗均強烈拒絕“SDM可以退化為SEM”的原假設，空間滯后的兩個檢驗中也有一個檢驗在1%的顯著性水平下拒絕“SDM可以退化為SAR”的原假設，因此初步選擇SDM模型。接下來要確定模型是選擇固定效應還是隨機效應，方法是進行Hausman檢驗。利用stata.14進行SDM下的Hausman檢驗，檢驗結果不拒絕模型隨機效應有效的原假設，則應該選擇隨機效應的空間杜賓模型。接下來需要通過LR檢驗和Wald檢驗對模型的穩健性進行檢驗，考察空間杜賓模型是否會退化為SAR或SEM，同樣使用stata.14進行檢驗，LR檢驗結果和Wald檢驗結果顯示的P值均在1%的顯著性水平下拒絕退化為SAR或SEM的原假設。綜合以上檢驗結果，本文的模型應該采用隨機效應的空間杜賓模型。

4.空間計量模型實證結果分析

根據上文一系列有關模型選擇的檢驗結果，本文采用隨機效應的空間杜賓模型更為合適，表10為隨機效應的空間杜賓模型的回歸結果。

表10顯示，模型擬合效果很好，擬合優度為0.924；數字經濟發展水平的估計結果為0.356，這表明區域的數字經濟發展可以提升高技術產業的創新能力，數字經濟的發展能夠降低創新過程中的信息獲取成本、管理監管成本，并且有利于技術共享與交流，從而推動高技術產業創新能力的提高；加入空間權重的數字經濟的系數顯著，為-0.306，表明數字經濟對高技術產業創新能力產生了負向的空間影響，當然這里的檢驗只是初步檢驗，為進一步探究數字經濟水平對高技術產業創新能力的空間效應，還需要繼續將變量效應分解為直接效應、間接效應及總效應進行分析。

表10 隨機效應空間杜賓模型回歸結果

從表11中對解釋變量效應分解的結果可以看出，核心解釋變量數字經濟發展水平對高技術產業創新能力具有顯著的正向直接效應和顯著的負向間接效應，且直接效應相比于間接效應處于主導地位，可見一個地區高技術產業的創新能力不僅受到本地區數字經濟發展水平的影響，還會受到鄰接地區數字經濟發展水平的影響，但是總的來說，受本地數字經濟發展水平的影響要大于受鄰接地區數字經濟發展水平的影響，一方面，這可能是由于在數字經濟的環境下，互聯網技術的發展使得臨近地區之間的信息交流、信息共享更加便捷，信息搜集成本大大降低，從而一個地區的高技術產業往往會較為容易地獲取到鄰近地區的創新技術信息，從而影響本地區的創新活動；另一方面，可能由于地域、網關、權限等方面的限制，同地區之間的創新活動交流仍然會大于跨地區之間的交流，那么產生的結果就是一個地區高技術產業的創新活動在數字經濟時代下，會受到臨近地區的影響，但是這種影響是要小于本地區數字經濟發展水平對創新效率的影響的。此外，更值得關注的是，數字經濟發展水平對高技術產業創新能力有正向的直接效應和負向的間接效應。這就意味著一個地區的數字經濟得到發展，會對本地區高技術產業的創新能力提高產生積極的影響，但會對鄰接地區高技術產業的創新能力產生負向影響。這主要是因為數字經濟的發展必然會依托于互聯網技術以及互聯網平臺，從而產生“贏家通吃”的網絡效應，一個地區如果具有比鄰接地區更高的數字經濟發展水平的話，就可能會吸引到鄰接地區的大部分資源，從而使得本地區高技術產業的創新能力得到進一步發展；然而鄰接地區由于處于弱勢地位，可能會產生“回流效應”，即人力資本、物質資本都傾向于流向更發達的地區，那么這往往會導致弱勢地區的創新人力、物質資本的缺乏，從而使得該地區高技術產業的創新水平降低。當然這也許與本文的相關實證數據有一定關系，因為我們可以根據實證結果判斷數字經濟由于自身特性會存在著溢出效應，但是這種溢出應該會具有一定的輻射范圍，大概率會隨著距離的增加而逐漸減弱。因此當基于省級層面進行分析時，檢驗范圍可能已經超出了目前數字經濟正向溢出的輻射范圍。而另一方面省際交流必然會低于市際交流，省內的聯系緊密程度會遠遠大于與省外的聯系緊密程度，省與省之間也更容易形成進入門檻，“贏家通吃”的壟斷局面在省際也會比市際更易形成。因此數字經濟對高技術產業創新能力的促進作用的正向溢出在省際更難實現，而負向溢出卻更易形成，從而導致了數字經濟發展水平對高技術產業創新能力的直接效應為正、間接效應為負的局面。這一結果也在一定程度上證實了本文假設2，數字經濟發展水平對本地區的高技術產業創新能力具有正向的直接效應影響，但是對臨近地區的間接效應影響是負向的。

表11 隨機效應空間杜賓模型下變量效應分解

續表

5.穩健性檢驗

為進一步提高研究結論的可靠性，本文嘗試通過以下三種形式來對研究模型進行穩健性檢驗：第一，對于非線性效應分析，改變分位數，將原有的30%、60%改為20%、70%，進行重新估計；第二，對于空間效應分析，將鄰接權重矩陣換為經濟鄰接權重矩陣重新進行杜賓模型估計，經濟鄰接權重矩陣為鄰接權重矩陣與各地區在觀察期內人均可支配收入均值之差的絕對值的倒數的乘積；第三，對于空間效應分析，對變化控制變量進行重新估計，將原有控制變量消費水平的測度由人均GDP替換為人均可支配收入，將創新投入的測度由R&D人員全時當量替換為R&D經費內部支出。

穩健性檢驗回歸結果如表12和表13所示。其中表12的模型(1)為OLS回歸結果用于與分位數回歸結果對照，模型(2)和(3)分別為20%、70%分位數回歸結果。表13的第(1)至(3)列為運用經濟鄰接權重矩陣估計的杜賓模型結果，第(4)至(6)列為更換控制變量的杜賓模型回歸結果。穩健性檢驗結果顯示，數字經濟發展水平這一核心解釋變量的系數與前文的結果保持了較好的一致性，即在非線性效應分析中呈邊際遞減，在空間效應的分析中呈現出正向的直接效應和負向的間接效應，這也就說明前文得出的主要結論具有一定的穩健性。

表12 非線性效應穩健性檢驗

表13 空間效應穩健性檢驗

五、結論與建議

(一)結論

本文利用2014—2020年全國30個省(市、區)(不含西藏、港澳臺)的面板數據，基于創新成果和創新價值角度，選取熵值法計算全國各省市自治區的創新能力水平；又運用因子分析方法測算得出全國30個省(市、區)的數字經濟發展水平綜合評價指數；通過門檻回歸和分位數回歸檢驗數字經濟對高技術產業創新能力的非線性效應；繼而以鄰接權重矩陣進行個體固定的空間杜賓模型計量分析，以考察數字經濟發展水平對高技術產業的創新能力的影響。具體得出以下幾點結論：

第一，數字經濟發展水平對高技術產業創新能力存在非線性效應，即數字經濟發展水平對高技術產業創新能力的提高具有正向作用，但是這種正向作用呈邊際遞減。和過去很多學者的研究一樣，本文同樣得到了數字經濟對創新能力具有積極影響這一結論，但是本文的研究結果表明，這一積極影響不但會隨著數字經濟的發展水平的提高而降低，也會隨著創新能力的提高而降低。這可能是數字經濟使得免費提供、免費復制變得容易和大規模化，造成抄襲、侵權等阻礙創新行為的成本下降，從而使知識產權保護工作受到威脅，進而阻礙創新。也就是說，經濟學中經典的邊際遞減效應在數字經濟對高技術產業創新能力的影響中同樣存在。

第二，數字經濟的發展顯著促進本地區高技術產業創新能力提高，即存在顯著的正向的直接影響。一方面數字經濟使傳統的商業運行模式發生改變，大大降低企業的管理、經營成本，從而使得企業有更多的精力轉移到創新活動中去；另一方面數字經濟使得生產者與消費者的交流、信息交換更加方便快捷，這在一定程度上使消費者與生產者之間的信息不對稱程度減弱，降低了生產者對于消費者創新需求的信息搜尋成本，因此高技術產業創新能力的提高受到了積極影響。

第三，數字經濟的發展對高技術產業創新能力存在顯著的間接的負向影響。數字經濟對創新能力影響的間接效應表現為鄰接地區的數字經濟發展水平對本地區高技術產業創新能力的負向影響，這種間接效應雖然要弱于直接效應，但是仍然是不可忽視的一種力量。因為這種間接效應恰恰是數字經濟發展的網絡效應的最大體現，“贏家通吃”的網絡效應的存在，使得弱者更弱、強者更強，數字經濟發展水平更高的地區會吸引到更多的創新投入資源，如科研人員、科研經費等，而處于弱勢的地區由于創新資源減少，可能會導致其高技術產業創新水平停滯不前甚至降低。

第四，區域間的發展差距可能會阻礙落后地區高技術產業創新能力的提升。這種發展差距體現在數字經濟發展水平的高低、創新氛圍的好壞上，如果鄰近地區的發展水平更高，則可能產生“回流效應”，即人力資本、物質資本都傾向于流向更發達的地區，那么往往會導致本地區的創新人力、物質資本的缺乏，進而阻礙本地區高技術產業的創新能力的提高。

(二)啟示

根據以上結論，本文提出如下建議。

第一，應大力發展數字經濟。首先要使發展數字經濟所必需的基礎設施得到完善與強化，然后在基礎設施穩固的基礎上不斷降低數字經濟基礎設施的邊際成本，包括移動網絡流量費、寬帶使用費、通信費用等，從而讓數字經濟基礎設施的滲透作用更大、普及面更廣，構建起互聯互通的數字網絡，讓數字經濟對生活質量與工作效率的促進作用惠及更多群眾。

第二，數字經濟和實體經濟融合才能使數字經濟煥發更大活力，從而利用數字經濟對高技術產業創新能力的驅動效應來進一步提升區域的創新水平。這不僅需要對數字經濟的發展給予鼓勵，還需要持續支持各創新主體包括高新技術企業、科研機構、高校等的活動，除了給予資金、政策等支持外，健全知識產權保護的法律法規也是應有之意，從而提升創新主體的創造主動性與積極性，提高區域的創新能力。

第三，我國各省(市、區)數字經濟發展水平存在著差距，而這種差距的存在可能會危害到弱勢地區高技術產業創新能力的提高，因此各地區應根據自身實際情況制定數字經濟發展戰略，更好地利用數字經濟對創新能力的驅動效應來促進本地區高技術產業創新水平的提高，從而進一步帶動當地經濟發展，讓弱勢地區抓住機會逐步縮小差距，并且讓高技術產業成為引領我國經濟發展的先鋒之勢，為把我國建設成為現代化的科技強國而貢獻力量。