創新要素流動與城市綠色創新發展
——數據要素流動環境的空間調節作用

彭 影，李士梅

(吉林大學 經濟學院,吉林 長春 130012)

0 引言

《“十四五”數字經濟發展規劃》指出：繼農業經濟、工業經濟之后，數字經濟已經成為一種新經濟形態，數據要素是全要素數字化轉型的核心引擎，數據要素蘊藏巨大的價值。數據要素作為一種新型創新要素，能夠推動其它創新要素優化配置，引發創新方式深刻變革，為經濟創新發展帶來強勁動力[1]。數據要素的市場化配置，即有效的流通，是提升數據要素配置效率的重要手段[2]。與人才、資本等創新要素不同，數據要素并不能直接生產物質資料與產品，但數據要素的流動與共享可以縮短人才、資本等創新要素的生產和流通時間，優化創新要素空間配置，提升創新要素匹配效率[3]。因此，良好的數據要素共享與流通環境不僅能推動數據要素有效流動，深度挖掘數據要素潛能，充分釋放數據要素紅利，還能引導人才、資本等創新要素有序流動和精準匹配。

近年來關于生產要素錯配導致全要素生產率損失的實證研究層出不窮，但關于創新要素錯配引發綠色創新效率損失的研究不夠豐富。市場扭曲是引發錯配的根源，要素市場扭曲會顯著抑制創新效率[4]。勞動力市場和資本市場雙重扭曲是制約各地區創新發展及創新效率損失的重要因素[5]。創新研發活動需要高質量、高水平的創新要素投入以及更為復雜的創新環境作為支撐，創新要素空間錯配、不同類型創新要素錯配及投入結構的差異都可能誘發創新效率損失[6]。創新要素自由流動是改善創新要素錯配、優化創新要素空間配置的根本手段。時空壓縮下的創新要素流動對城市綠色創新效率的推動作用更顯著，并且存在區位異質性，如東部地區的創新要素吸引能力較強，對城市綠色創新效率的作用更顯著，而中西部地區受經濟、地理位置等多種因素限制，創新要素流動對城市綠色創新效率的影響較弱[7]。創新要素流動的空間溢出效應有助于協調優化創新要素的空間配置，加強區域間綠色技術合作，加快綠色技術成果轉化，推動城市高質量發展[8]。因此，本文將基于數據要素流動環境的空間調節作用，深入探究創新要素流動與城市綠色創新發展的內在邏輯關聯。

雖然現有文獻已經為研究數據要素流動環境奠定了良好的理論基礎，但在城市層面關于數據要素流動環境的測度是當前實證研究的瓶頸?；诖?，本文可能的邊際貢獻在于：①運用引力模型選取ICT產業從業人員數為核心變量，以城市市場環境、通信環境和互聯網環境作為吸引力變量，嘗試測度城市數據要素流動環境指數；②使用空間杜賓模型分析人才和資本要素流動對城市綠色創新發展的空間影響，并進一步探究創新要素流動空間溢出效應的技術傳導路徑；③在數據要素流動環境的空間調節作用下，揭示創新要素流動、空間錯配與綠色創新發展三者之間的內在邏輯關聯，運用空間調節效應模型實證檢驗三者間的空間關聯及技術路徑。

1 理論分析與研究假設

1.1 創新要素流動對綠色創新發展的空間影響機制

(1)創新要素流動的創新發展空間溢出效應。第一，創新要素的空間流動有助于優化地區創新要素配置，提高創新要素配置效率，隨著創新要素不斷流入，創新要素存量增加，鞏固了流入地創新要素基礎，進而提升了技術創新水平[9]；第二，創新要素在流入地會產生集聚效應，在規模經濟效應的作用下，創新要素投入的邊際報酬增大，有助于激發地區創新活力，強化流入地區技術溢出效應，提高創新能力[10]；第三，創新要素流動本身具有較強外部性，其區際流動有助于整合空間內閑置、分散的創新資源，促進創新知識跨區域傳播和交流，推動區域間異質性創新主體研發合作，形成相互合作、優勢互補的創新網絡，而由知識外溢帶來的異質性知識嵌入將進一步提升地區創新能力[11]。

(2)創新要素流動的經濟增長空間溢出效應。一方面，內生經濟增長理論認為，內生技術進步是經濟增長的動力，知識積累是經濟持續增長的源泉，而創新以知識積累、全要素生產率提升以及創新空間溢出效應等方式促進經濟增長[12-13]；另一方面，產業結構變遷也是促進經濟增長的主要動力，創新要素流動通過調整創新資源在產業間的配置促進產業結構變遷，進而對經濟增長產生積極作用——產業結構變遷所產生的結構紅利從數量和質量兩個方面推動經濟增長[14]。

(3)創新要素流動生態環境效應的空間溢出。創新要素流動尤其是與綠色技術創新相關的高素質人才區際流動，有助于綠色技術、管理等知識擴散，通過知識溢出效應推動地區綠色發展效率提升[15]。高鐵開通后，城市間經濟聯系愈加緊密，提升了城市間競爭強度，而綠色創新也是市場競爭的重要手段之一，通過市場競爭效應提高城市綠色創新效率[7]。由此，本文提出如下假設。

H1：創新要素流動不僅有利于本地區綠色創新發展，而且對鄰近地區綠色創新發展也具有正向溢出效應。

1.2 數據要素流動環境的空間調節機制

已有研究證明，創新要素錯配是導致創新效率損失的重要原因，并且創新要素自由流動是緩解地區創新要素錯配的主要手段[16]。那么，數據要素流動環境是否能通過調節人才、資本等創新要素的自由流動緩解創新要素空間錯配？數據要素的最大價值在于提供真實可靠的經濟信息，降低經濟活動中的不確定性。在數字產業化階段，數據并不是以一種獨立的創新要素形態存在，而是嵌入在各種數字化經濟活動中，為其它創新要素提供基礎信息環境，通過調節人才、資本等創新要素流動，緩解創新要素的空間錯配程度；在產業數字化階段，數據開始以獨立形態融入經濟系統，成為推動不同產業創新發展的核心要素，并通過大數據提高人才和資本創新要素的流轉效率[17]。因此，數據要素流動環境在經濟系統中與人才、資本等創新要素互動、循環和相互作用，通過引導人才、資本要素流動顯著降低創新要素空間錯配程度，進而推動城市間綠色創新協調發展。

此外，數據要素流動環境主要通過以下兩個方面賦能城市綠色創新發展的空間溢出效應：第一，數據要素流動環境能夠有效整合不同地區創新資源，通過提高創新要素配置效率促進本地和鄰近地區綠色創新發展。蔡躍洲等[18]認為，互聯網傳播技術能顯著降低數據要素流動成本，數據要素自由流動不僅有助于降低本地區人才和資本創新要素錯配程度，還能夠提高鄰近地區創新要素匹配效率。金環等[19]指出，數據要素流動環境依托現代信息網絡打破城市間空間壁壘，不僅能縮短創新要素流動時間，還能降低創新要素流動成本，增強創新要素流動的空間關聯性，優化創新要素空間配置，在促進本地綠色創新發展的同時對鄰近地區綠色創新發展產生空間溢出效應。第二，數據要素流動環境通過調節人才、資本等創新要素自由流動產生集聚效應，通過促進綠色技術創新和綠色技術溢出帶動鄰近地區綠色創新發展。新經濟地理學理論認為，生產要素跨區域自由流動必然會產生集聚效應，進而誘發規模經濟效應[20]。在規模經濟效應作用下，綠色創新成本大幅降低，有助于綠色技術進步，同時，空間集聚又會促進地區間綠色知識、綠色技術自由流動，通過綠色技術進步的空間溢出效應實現本地和鄰近地區綠色創新發展。由此，本文提出研究假設：

H2：數據要素流動環境通過引導人才、資本有序流動和精準匹配，緩解創新要素錯配。

H3：在數據要素流動環境的空間調節作用下，創新要素流動能有效緩解創新要素錯配，并通過提升綠色技術效率和促進綠色技術進步對城市綠色創新發展產生空間溢出效應。

2 研究設計

2.1 模型構建

基于創新要素空間流動視角，考察創新要素流動對城市綠色創新發展的影響以及城市綠色創新發展的空間相關性，構建如下空間杜賓模型：

GTFPit=βt0+ρ1W·GTFPit+βt1Tflit+βt2Xit+δt1W·Tflit+δt2W·Xit+εit

(1)

GTFPit=βc0+ρ2W·GTFPit+βc1Cflit+βc2Xit+δc1W·Cflit+δc2W·Xit+εit

(2)

式中，GTFPit為城市綠色創新發展效率，Tflit和Cflit分別是人才要素流動與資本要素流動，Xit為一系列控制變量。ρ為空間自回歸系數，W為空間權重矩陣，β為解釋變量回歸系數，δ為解釋變量的空間回歸系數，εit為隨機干擾項。

由于數據要素流動環境對人才、資本要素流動存在調節作用，分別引入數據要素流動環境與人才、資本創新流動的交叉項(Dtfl、Dcfl)，以及人才、資本要素錯配指數(γLit、γKit)，考察在數據要素流動環境的調節作用下，人才和資本要素流動通過改善創新要素空間錯配對城市綠色創新發展的空間影響?？紤]到數據要素流動環境的空間調節作用可能存在滯后性，動態空間杜賓模型更為適用，構建模型如式(3)和式(4)所示。

GTFPit=βdt0+ρ3GTFPit-1+ρ4W·GTFPit+βdt1Dtflit+βdt2γLit+βdt3Dtflit×γLit+βdt4Xit+δdt1W·Dtflit+δdt2W·γLit+δdt3W·Dtflit×γLit+δdt4W·Xit+εit

(3)

GTFPit=βdc0+ρ5GTFPit-1+ρ6W·GTFPit+βdc1Dcflit+βdc2γKit+βdc3Dcflit×γKit+βdc4Xit+δdc1W·Dcflit+δdc2W·γKit+δdc3W·Dcflit×γKit+δdc4W·Xit+εit

(4)

式中，γLit為人才創新空間錯配指數，γKit為資本要素空間錯配指數，βdt3與βdc3為調節作用的回歸系數，δdt3與δdc3為調節作用的空間回歸系數。

2.2 變量測度

2.2.1 被解釋變量

被解釋變量為綠色創新發展效率。在經濟高質量發展階段，綠色發展內涵被進一步拓展和延伸，綠色可持續發展戰略與創新發展戰略是我國經濟實現高質量發展的必然選擇。周亮等[21]認為，綠色創新是實現綠色增長和綠色福利的根本動力，綠色增長和綠色福利是綠色創新的最終目的，綠色福利即生態環境效益，也是體現綠色經濟增長的一個方面。基于此，本文在綠色發展理念基礎上融合創新發展理念，形成“綠色創新—綠色增長—綠色福利”的綠色創新發展理念。綠色全要素生產率是目前評價綠色經濟發展的重要手段，其基于效率視角，從投入產出角度測度綠色創新發展效率，無需考慮價格因素，因此測度過程和結果相對客觀，具有一定先進性。本文綜合考慮創新、經濟增長與能源環境的投入產出關系，并借鑒董會忠等[22]、曹莉等[23]的指標選取方法，選取勞動力投入、資本投入、能源投入和研發投入為投入指標，以經濟產出與創新產出為期望產出，環境污染為非期望產出，構建城市綠色創新發展效率投入產出評價指標體系。

如表1所示，在投入指標測算上，勞動力投入采用城市年末單位從業總人數測度；固定資本存量估算采用永續盤存法，借鑒張軍等[24]的做法，以2003年為基期，采用公式Kit=(1-δ)Kit-1+Iit測算固定資產存量，δ為資本折舊率，取值為9.6%；能源投入以城市全社會用電量表示；研發人員投入采用科研、技術服務和地質勘查業從業人員衡量；研發資本投入采用各地區科技支出資本存量衡量，利用公式Kt=Dt-1+(1-?)Kt-1計算，其中，Dt-1為t-1期實際研發資本存量，?為折舊率，一般取值為15%，研發投資價格指數=0.6*消費者價格指數+0.4*固定資產投資價格指數，以2003年為基期，平減得出實際研發資本投入[25-27]。在期望產出方面，經濟產出以2003年不變價的城市實際GDP表示；創新產出采用3種專利申請數表示，參考白俊紅等[5]的做法，分別賦予發明專利、實用新型專利和外觀專利的權重為0.5、0.3以及0.2。在非期望產出方面，選取工業廢水排放量、工業二氧化硫排放量和工業煙粉塵排放量表示，采用熵值法測算環境污染綜合指數。此外，參考余奕杉等[28]做法，選用考慮非期望產出的SBM-Undesirable模型測算綠色全要素生產率，為進一步分析創新要素流動影響城市綠色創新發展的技術傳導路徑，采用全局參比的Globe-Malmquist-Luenberger指數法將其分解為綠色技術效率指數和綠色技術進步指數。在此基礎上，將測算結果轉化為以2003年為基期的累計增長指數。

表1 城市綠色創新發展效率評價指標體系Tab.1 Indicator system for calculating the efficiency ofurban green innovation and development in China

2.2.2 核心解釋變量

核心解釋變量為人才要素流動和資本要素流動。參考白俊紅等[27]的研究，運用引力模型對城市創新要素流動水平進行度量。引力模型的一般表達式為：

(5)

式(5)中，Fij為i地區對j地區的流動性吸引力；Gij為i地區與j地區的引力系數，通常取值為1；Ni和Nj分別表示經濟社會某要素的度量；α表示引力參數，通常取值為1；Rij為i地區到j地區的地理距離；b為距離衰減指數，通常取值為2。參照上述引力模型，考慮到人才要素流動和資本要素流動的不同特征，分別構建測算人才要素流動和資本要素流動的引力模型。

就人才要素流動而言，安琥森等[29]研究得出，工資與房價對人才要素流動具有較大吸引力，是影響人才要素流動的核心因素；卞元超等[30]認為，教育水平、環境污染對人才要素流動的影響力逐漸增強。因此，本文選取工資、房價、教育和環境污染作為影響人才要素流動的吸引力變量。計算公式為：

Tflij=lnrdti×ln(wagej-wagei)×ln(pricej-pricei)×ln(educationj-educationi)×ln(pollutionj-pollutioni)R-2ij

(6)

式(6)中，Tflij為i地區流動到j地區的人才要素數量；rdti為i地區人才要素數量，用科研、技術服務和地質勘查業從業人員數表示；wage為各地區城鎮單位職工平均工資水平；hprice為各地區住宅平均銷售價格水平；education為各地區教育水平，用財政教育支出衡量；pollution為各地區環境污染情況，用工業煙塵粉塵排放量衡量。

Tfli為i地區在統計年度內的人才要素總流動量，計算公式為：

(7)

就資本要素流動而言，參考王欣亮等[31]的研究，由于資本具有逐利性，企業利潤水平、投資環境是影響資本要素流動的主要因素。因此，選取各地區平均利潤水平和金融市場發展水平作為資本要素流動的吸引力變量。計算公式為：

(8)

式(8)中，Cflij為i地區流動到j地區的資本要素數量；rdci為i地區資本要素數量，用各地區科技支出總額表示；profit為各地區企業利潤水平，用規模以上工業企業平均利潤衡量；finance為各地區金融市場發展水平，用年末金融機構各項貸款余額占固定資產投資總額的比重衡量。

Cfli為i地區在統計年度內的資本要素總流動量，計算公式如下：

(9)

2.2.3 調節變量

調節變量為數據要素流動環境。引力模型在社會科學領域常被用于研究空間相互作用問題，借鑒王鉞等[32]的研究方法，應用引力模型測度城市數據要素流動環境。參考楊艷等[3]的研究，一方面，數據要素作為一種新型創新要素，同樣具有趨利性特征；另一方面，數據要素流動還受到通信環境、互聯網環境等流動環境影響。因此，選取各地區平均利潤水平、通信環境和互聯網環境作為吸引力變量。數據要素流動環境的計算公式為：

(10)

式(10)中，Dflij為i地區流動到j地區的數據要素數量；datai為i地區數據要素數量，在數字經濟背景下數字技術主要集中在ICT部門，故選用信息傳輸、計算機服務和軟件業從業人員數表征各地區數據要素規模；profit為各地區企業利潤水平，用規模以上工業企業平均利潤衡量；telecom為各地區通信環境水平，用電信業務總量衡量；internet和phone分別為各地區互聯網與移動通信環境，分別用國際互聯網用戶數和移動電話年末用戶數表示。

Dfli為i地區在統計年度內的數據要素流動環境總指數，計算公式如下。

(11)

2.2.4 其它變量

在數據要素流動環境的調節作用下，為進一步探究創新要素流動所產生的創新要素錯配緩解效應，借鑒Aoki[33]的研究方法測度創新要素錯配水平，假設研發生產函數為規模報酬不變的C-D形式，即

(12)

式(12)中，Y為創新產出，用專利申請數表征創新產出水平；Kit為研發資本投入，用研發資本存量表示；Lit為研發人員投入，用各地區科研、技術服務和地質勘查業從業人員數衡量；σi為研發資本彈性。人才要素錯配與資本要素錯配的測算公式如下：

(13)

2.2.5 控制變量

控制變量包括可能影響城市綠色創新發展的主要因素：①經濟發展水平(Pgdp)，采用人均GDP表征；②基礎設施發展水平(Inf)，以公路客運、鐵路客運和航空客運總量占各地區總人口的比重表示；③城市人口規模(Ups)，用年末總人口數衡量；④財政支出(Gov)，以一般公共預算支出占城市GDP的比重表征；⑤市場化水平(Mar)，采用城鎮私有部門從業人員數占城鎮從業人員總數的比重表示；⑥對外開放水平(Open)，以進出口貿易總額占地區GDP的比重表征。

2.3 樣本與數據

數據來源于《中國城市統計年鑒》《中國環境統計年鑒》及各省市統計年鑒和統計公報。剔除數據缺失嚴重的城市，利用線性插值法補齊部分城市的缺失數據，最終選取2004—2019年我國內地280個地級市的面板數據，變量描述性統計結果見表2。

3 實證結果及分析

3.1 空間效應檢驗

3.1.1 空間自相關檢驗

如果城市綠色創新發展效率存在空間依賴性，采用傳統非空間計量方法的估計結果可能存在偏差，而運用空間計量模型能夠更加客觀真實地反映創新要素流動對城市綠色創新發展效率的影響。在地理距離矩陣下，采用莫蘭指數(Moran's I)對城市綠色創新發展效率的空間相關性進行檢驗。表3為空間相關性檢驗結果，可以發現，在研究期內，除2004年和2006年城市綠色創新發展效率的空間相關性不顯著外，其它年份的城市綠色創新發展效率在地理距離矩陣中的Moran's I均通過顯著性檢驗，并且Moran's I值均大于零，表明城市綠色創新發展效率存在顯著的空間正相關性，因此使用空間計量模型進行回歸。

表2 變量描述性統計結果Tab.2 Descriptive statistics of variables

表3 空間相關性檢驗結果Tab.3 Global Moran's I test results

3.1.2 空間杜賓模型回歸結果

由于Wald檢驗和LR檢驗結果均拒絕原假設，Hausman檢驗通過顯著性檢驗。因此，為檢驗H1，選用控制個體效應和時間效應的空間杜賓模型(SDM)進行回歸更合適。表4為空間杜賓模型的估計結果，可以發現，模型(1)和(4)的空間自相關系數均顯著為正，表明本地區綠色創新發展受到鄰近地區綠色創新發展的加權影響，并且本地區綠色創新發展對鄰近地區存在正向空間溢出效應。人才要素流動和資本要素流動對本地區綠色創新發展的影響系數分別為0.040與0.021，空間滯后項回歸系數分別為-0.122與-0.121，且均通過顯著性檢驗，表明人才要素流動、資本要素流動能顯著促進本地綠色創新發展，但對鄰近地區綠色創新發展起抑制作用，即存在負向空間溢出效應。

從創新要素流動影響城市綠色創新發展的技術路徑看，在地理距離矩陣中人才和資本要素流動對本地綠色技術效率的影響系數顯著為正，空間滯后項系數均顯著為負，說明創新要數流動能顯著促進本地綠色技術效率提升，但對鄰近地區綠色技術效率存在負向溢出效應。這可能歸因于：創新要素從低效率地區流向高效率地區，并通過效率機制改善資源配置效率，提升本地區綠色技術效率。然而，由于存在地方競爭、制度壁壘等因素，導致創新要素流動對鄰近地區綠色技術效率產生消極影響。人才和資本要素流動對本地綠色技術進步的影響系數顯著為負，但對鄰近地區綠色技術進步的影響并不顯著，說明人才和資本要素流動對本地綠色技術進步產生消極影響，對鄰近地區綠色技術進步也沒有形成有效的輻射帶動效應。這主要是因為當前的人才和資本要素更多地集中在ICT產業，更多地關注高技術創新和數字技術發展，對綠色技術創新的關注度不足。

綜上結果，從本地效應看，人才和資本要素流動僅通過改善綠色技術效率推動本地綠色經濟發展，呈現出“單軌驅動”特征；從空間溢出效應看，人才和資本要素流動對城市綠色技術效率存在負向溢出效應，而對城市綠色技術進步無顯著影響，意味著創新要素流動對城市綠色創新發展的空間溢出效應尚未得到有效發揮。

表4 空間杜賓模型回歸結果Tab.4 Regression results of spatial Durbin model

在地理距離矩陣下，將人才和資本要素流動對城市綠色發展的總效應分解為直接效應與空間效應(間接效應)。如表5所示，人才和資本要素流動的直接效應顯著為正，而空間效應和總效應均顯著為負，表明創新要素在城市間流動具有明顯的直接效應，其帶來的空間溢出效應對綠色創新發展存在顯著抑制作用。創新要素流動對城市綠色創新發展存在負向空間溢出效應的原因為：一是城市綠色創新發展存在較強的地區鎖定效應，綠色技術擴散、知識溢出和知識共享尚未在空間上實現自由流動，導致空間溢出效應不顯著；二是創新要素流動所產生的空間溢出效應更多地體現在創新產出和經濟產出方面，對綠色發展的關注度較低，無序的創新要素流動引致負向空間溢出效應。此外，創新要素流動的空間效應強于直接效應，進一步說明創新要素流動的空間溢出效應對城市綠色創新發展具有重要貢獻。

表5 SDM模型空間效應分解Tab.5 Spatial effect decomposition of SDM model

3.1.3 穩健性檢驗

表6為穩健性檢驗結果，本文采用3種方法進行穩健性檢驗：①替換空間權重矩陣，采用地理鄰接矩陣(0-1矩陣)代替地理距離矩陣,重新回歸，結果顯示，創新要素流動對本地綠色創新發展的回歸系數在方向和顯著性上均未發生根本性改變，證明研究結果是穩健的；②運用動態SDM模型回歸，考慮到綠色創新發展可能受到前期城市綠色創新發展水平的影響，引入被解釋變量二階滯后項進行回歸估計，結果表明，創新要素流動對本地綠色創新發展的影響系數顯著為正，對鄰近地區綠色創新發展效率的回歸系數顯著為負，檢驗結果與前文結果一致；③采用空間GMM模型，在模型回歸中，考慮到可能存在遺漏變量以及創新要素流動與城市綠色創新發展兩者間可能存在逆向因果關系等內生性問題，因此應用空間SEM模型的GMM方法，選取W*Tfl/W*Cfl為工具變量進行穩健性檢驗，該結果與SDM回歸結果相比并未發生根本性改變，進一步證實研究結論是穩健可靠的。

表6 穩健性檢驗結果Tab.6 Robustness test results

3.2 數據要素流動環境的空間調節作用檢驗

3.2.1 創新要素錯配緩解效應檢驗

人才和資本要素在推動城市創新發展中的重要作用毋庸置疑，因此城市間對創新資源的爭奪愈演愈烈，創新要素的空間錯配現象也日益顯著。根據前文創新要素錯配的測算方法，得出城市人才和資本要素錯配指數。創新要素錯配指數大于1，意味著創新要素配置過度；創新要素錯配指數小于1，意味著創新要素配置不足。2004-2019年，我國東部、中部和西部地區人才要素錯配均值分別為0.656、0.688以及0.693，說明各地區人才要素配置均呈現出不足狀態；東、中、西部地區資本要素錯配均值分別為1.421、1.019和1.068，說明各地區資本要素配置整體略微過剩，且區域內部資本要素配置極不均衡。

在數字經濟背景下，數據要素流動環境的價值主要體現在適當調節人才和資本要素的區際流動，緩解城市創新要素錯配，優化創新要素空間配置，進而推動城市綠色創新發展。為保持創新要素錯配指數回歸方向的一致性，取人才、資本要素錯配指數對數的絕對值進行回歸分析，數值越大表示創新要素錯配程度越嚴重。為檢驗H2，深入探究數據要素流動環境的創新要素錯配減緩效應，分別引入數據要素流動環境與人才、資本要素流動的交叉項(Dtfl、 Dcfl)進行估計。由于創新要素錯配緩減效應可能存在滯后性，故選用動態空間杜賓模型進行回歸分析。

表7 創新要素錯配緩解效應檢驗結果Tab.7 Test results of innovation factor mismatch mitigation effect

表7為數據要素流動環境的創新要素錯配緩解效應檢驗結果。結果顯示，Dtfl對本地人才要素錯配的回歸系數顯著為負，對鄰近地區人才要素錯配的回歸系數也為負，但未通過顯著性檢驗，說明數據要素流動環境能合理引導人才要素流動進而降低城市人才創新要素錯配程度。Dcfl對本地資本要素錯配的影響系數為負，對鄰近地區資本要素錯配的影響系數為正，且均通過顯著性檢驗，說明數據要素流動環境能有序引導資本要素流動，降低本地資本要素錯配程度。總而言之，數據要素流動環境能有序引導人才和資本要素流動，精準匹配城市間人才和資本要素，具有創新資源錯配緩解效應。

3.2.2 空間調節效應檢驗

為檢驗H3，進一步研究數據要素流動環境對城市綠色創新發展的空間調節效應，在數據要素流動環境與人才要素流動、資本要素流動交叉項的基礎上，分別引入其與人才要素錯配、資本要素錯配的交互項，即Dtfl×γL和Dcfl×γK。此外，數據要素流動環境對綠色創新發展的空間調節作用可能存在滯后性，故選用動態SDM模型進行回歸估計。

表8為數據要素流動環境空間調節作用的檢驗結果。模型(1)和(4)為數據要素流動環境通過影響人才與資本要素流動，調節創新要素空間錯配程度，進而作用于城市綠色創新發展的回歸結果。結果顯示，Dtfl×γL對本地綠色創新發展的影響系數為0.565，且通過顯著性檢驗，意味著數據要素流動環境能通過調節人才要素空間流動推動本地綠色創新發展；而γK和Dcfl×γK對本地城市綠色創新發展的影響分別為-0.101、0.093，意味著數據要素流動環境能有效引導資本要素流動，通過緩解資本要素錯配，促進本地綠色創新發展效率提升。在空間影響上，Dtfl×γL和Dcfl×γK的空間滯后項對鄰近地區綠色創新發展的回歸系數顯著為正，表明數據要素流動環境能合理調節人才、資本要素的空間流動，改善鄰近地區創新要素錯配程度，并對鄰近地區綠色創新發展存在正向溢出效應。

從數據要素流動環境空間調節效應的技術影響路徑看，Dtfl×γL對本地綠色技術效率和綠色技術進步的回歸系數顯著為正，而Dcfl×γK僅對本地綠色技術效率存在顯著正向影響，表明在數據要素流動環境的空間調節作用下，人才要素流動能緩解城市人才創新要素錯配，并通過綠色技術效率和綠色技術進步兩條路徑提升本地城市綠色創新發展水平，而資本要素流動僅能通過影響綠色技術效率推動本地綠色創新發展。從空間溢出效應看，Dtfl×γL和Dcfl×γK的空間滯后項對綠色技術效率、綠色技術進步均具有顯著正向作用，意味著數據要素流動環境通過調節人才和資本要素流動，緩解創新要素錯配程度，并通過綠色技術效率和綠色技術進步兩條傳導路徑對鄰近地區綠色創新發展產生積極影響。

表8 空間調節效應檢驗結果Tab.8 Test results of spatial adjustment effect

綜上結果，就本地效應而言，數據要素流動環境能有效調節人才要素區際流動，提高城市人才要素配置效率，并通過影響綠色技術效率和綠色技術進步提升城市綠色創新發展水平，呈“雙軌驅動”特征；而資本要素流動僅通過改善綠色技術效應作用于城市綠色發展，綠色技術進步的作用未得到有效發揮，呈“單軌驅動”特征。從空間溢出效應看，數據要素流動環境調節人才和資本要素流動，產生顯著的創新要素錯配緩解效應，通過提升綠色技術效率和綠色技術進步水平對鄰近地區綠色創新發展產生正向空間溢出效應。

4 結論與展望

4.1 研究結論

本文基于2004-2019年我國內地280個地級市面板數據，運用空間杜賓模型評估創新要素流動對城市綠色創新發展的空間溢出效應，并采用動態空間杜賓模型進一步檢驗數據要素流動環境的創新要素錯配緩解效應，及其對城市綠色創新發展的空間調節效應。主要結論如下：①人才和資本要素流動能顯著促進本地綠色創新發展，但對鄰近地區綠色創新發展起抑制作用。從本地效應看，創新要素流動僅通過提升綠色技術效率推動本地綠色創新發展，呈現出“單軌驅動”特征；從空間溢出效應看，創新要素流動對城市綠色技術效率存在負向溢出效應，而對城市綠色技術進步的空間效應尚未充分發揮；②數據要素流動環境能有序引導人才和資本要素自由流動，提升城市人才、資本要素配置效率，存在創新要素錯配緩解效應；③在數據要素流動環境的空間調節作用下，從本地效應看，數據要素流動環境能有序引導人才要素自由流動，通過改善綠色技術效率和提升綠色技術進步水平促進城市綠色創新發展，呈“雙軌驅動”特征，而資本要素流動僅通過改善綠色技術效率推動城市綠色創新發展，呈“單軌驅動”特征。從空間溢出效應看，數據要素流動環境調節人才和資本要素流動，并通過改善綠色技術效率和推動綠色技術進步對鄰近地區綠色創新發展產生正向溢出效應。由此可見，在數據要素流動環境的空間調節作用下，人才要素流動對城市綠色創新發展的影響由“單軌驅動”轉變成“雙軌驅動”，且創新要素流動對城市綠色創新發展產生顯著的正向溢出效應。

4.2 政策啟示

基于上述結論，本文提出3點政策建議。第一，創新要素流動是推動城市綠色創新協調發展的重要動力，政府應加強對創新要素流動的科學管理，破除地方保護和區域壁壘，構建創新要素流動的全國統一大市場，引導人才和資本要素有序流動，充分發揮市場在創新要素配置中的重要作用，提高人才和資本要素的空間配置效率，避免創新要素擁擠造成資源浪費，最大限度地激發和釋放創新要流動的空間溢出效應。第二，數據要素空間效應的發揮需依托數據要素流動環境，而當前數據要素流動的通信環境、互聯網環境和市場環境還存在諸多問題。各地政府應優化完善“新基建”，加快數字基礎設施建設和推廣，通過大數據技術加快人才、資本等要素流動的技術轉移網絡建設，進一步提高創新要素流動的開放性和有序性。第三，建立城市間綠色創新合作組織，搭建綠色創新合作網絡平臺，深化創新要素市場轉移轉化體制改革，加強區域間綠色創新活動的互動，充分發揮城市群、都市圈對周邊經濟欠發達地區的帶動作用，形成優勢互補、區域協調發展的綠色創新新格局。

4.3 研究局限與展望

當前關于數據要素流動環境的測度尚未形成標準、權威的測算方法，并受到數據來源、樣本范圍和數量的局限。未來研究可以從中觀和微觀視角入手，深入探究更精確的數據要素流動環境測算方法，提高研究結果的精準度和適用性，探究數據要素流動環境在綠色創新發展中的深層次影響。