國家級大數據綜合試驗區對城市數字創新能力的影響研究

摘 要：將國家級大數據綜合試驗區的設立視作準自然實驗，基于中國282個地級市2011—2020年的面板數據，構建雙重差分模型，實證檢驗了試驗區政策對城市數字創新的影響效應，并從城市區位和行政等級兩個方面入手，探究大數據試驗區政策的異質性影響。結果表明：第一，大數據試驗區的建設能夠顯著提升城市數字創新能力；第二，通過安慰劑檢驗、傾向得分匹配法和排除寬帶中國政策等方法證明基準回歸結果是穩健可靠的；第三，異質性分析結果表明，大數據試驗區對東部城市和一般地級市數字創新能力的提升作用更顯著。

關鍵詞：國家級大數據綜合試驗區；數字創新；雙重差分；數字經濟；傾向得分匹配

中圖分類號：F276.44 文獻標識碼：A 文章編號：2096-0298（2024）07（a）--05

1 引言

當前，新一輪科技革命引領人類社會進入了數字經濟時代，根據《中國數字經濟發展白皮書》，2022年中國數字經濟規模已達50.2萬億元，占GDP比重達到41.5%，對服務業、制造業、農業的滲透率分別達到44.7%、24.0%和10.5%，數字經濟與經濟社會各領域融合的廣度和深度不斷加強，在激發消費、拉動投資、創造就業、創新發展等方面發揮了重要作用，極大地改變了社會經濟的運作方式，成為經濟增長的新動能[1]。數字經濟的快速發展引起了我國政府的高度重視。習近平總書記在十九屆中央政治局第三十四次集體學習時指出：“當今時代，數字技術、數字經濟是世界科技革命和產業變革的先機，是新一輪國際競爭重點領域，我們一定要抓住先機、搶占未來發展制高點。”為了充分發揮數據要素的紅利，促進數字經濟高質量發展，2015年國務院印發《促進大數據發展行動綱要》。2016年，國務院公布了國家級大數據綜合試驗區名單，包括貴州省、河南省、上海市、內蒙古自治區、重慶市、沈陽市、京津冀地區和珠三角地區。由此可見，大數據試驗區的建設已成為推動大數據融合應用和經濟數字化轉型的重要戰略部署[2]。

綜觀學術界關于數字創新的研究成果，主要集中于數字創新的作用和數字創新的驅動因素等方面。KL Lo等（2023）通過實證研究發現數字技術創新能夠提升制造業企業全要素生產率，并且此效應是通過降低運營成本、提高資源配置效率等方式實現的[3]。王智新等（2022）認為數字創新可以通過促進數字技術與傳統產業的融合滲透實現數字經濟的高質量發展[4]。甄俊杰等（2023）認為數字創新是當前實現經濟高質量發展的重要驅動力[5]。部分學者探究了數字基礎設施對數字創新的驅動作用。范合君和吳婷（2022）認為數字基礎設施的外部效應打破了要素流動的地域限制，降低了創新主體之間的信息不對稱，促進了區域內創新要素的流動與擴散[6]。桑玉昆和馮緒猛（2023）認為數字基礎設施建設能夠有效打造區域性數字應用體系，實現海量數據的存儲及計算，打破創新要素供求信息交互的時空限制，有助于降低創新要素搜索成本與交易摩擦成本，進而促進創新要素合理化配置[7]。有學者探究了資源要素投入對數字創新的驅動作用。宋培等（2023）通過實證分析發現，研發人員和研發資本等創新資源要素投入對數字經濟創新發展有顯著的支撐作用[8]。張瑤等（2023）認為資金要素的投入有助于促進創新資源要素的集聚并激發主體的創新動力，從而提升區域數字創新能力[9]。還有學者探究了政策因素對數字創新的驅動作用。X Wang等（2023）認為政府數字化政策會提高企業對數字技術的關注，從而推動數字創新[10]。蔣永彩（2022）認為地方政府支持能夠通過財政補貼、稅收優化等方式扶持中小企業發展，影響區域數字創新[11]。從現有的研究結果來看，盡管有大量學者對數字創新的驅動因素進行了探究，但有關政策對城市數字創新能力影響的相關研究依然存在不足，無法有效指導我國數字創新的發展，因此本文從政策角度對城市數字創新能力進行實證分析。

2 研究假設

首先，國家級大數據綜合試驗區通過政府補貼、政策支持等方式推進大數據產業集聚。產業集聚使創新主體之間形成了緊密的聯系與合作交流，促進了知識技術的流動與溢出，為創新活動提供了有利條件[12]。貴州省在被選定為試驗區之后，大力打造大數據產業集群，構建數字經濟生態圈，吸引了蘋果、微軟、英特爾、惠普、戴爾等大批國際企業落戶。其次，大數據試驗區的設立使區域間數據要素的流動更加通暢，有效打破了數據資源的流動壁壘。數據資源的傳遞有效緩解了區域創新系統內信息不對稱問題，交易市場更加開放透明，極大降低了創新主體獲取創新資源所需付出的交易成本，有助于創新主體釋放更多資金用于研發創新，并可通過數字技術整合自身的資金流、信息流等形成去核化、扁平化的組織結構，提高管理效率，為數字創新活動提供更加優質的條件及環境。最后，國家級大數據綜合試驗區能夠完善大數據產業鏈布局，推動地區產業數字化的發展。目前，我國產業結構存在發展水平較低、轉型速度較慢等方面的問題[13]。各試驗區針對工業、農牧業、制造業、服務業等產業的轉型升級，均提出了明確的發展規劃。如沈陽出臺了《沈陽市新一代人工智能發展規劃（2018—2030年）》，充分發揮人工智能產業對制造業轉型升級的輻射帶動作用。產業的數字化轉型會不斷催生新產業、新業態和新商業模式，為區域帶來了新的創新增長點。因此，本文提出假設：大數據試驗區政策能夠提升城市數字創新能力。

3 模型構建與變量說明

3.1 模型構建

雙重差分（DID）是評估在特定時間點制定的政策或計劃（例如新法律的實施）效應的常用方法。DID方法將未受政策干預影響的個體隨時間的變化與受政策干預影響的個體隨時間的變化進行比較，兩個變化之間的差異就是政策干預對個體的影響[14]。Heckman等（1985）最早提出將DID方法用于公共政策效應評估，之后，DID方法的研究成果層出不窮[15]。基于此，本文采用雙重差分法進行準自然實驗，將試驗區城市視為實驗組，其余城市為對照組。具體模型設定如下：

Innit=α0+α1didit+α2Xit+μi+vt+εit（1）

式中，Innit表示城市數字創新能力，didit表示國家級大數據綜合試驗區的政策虛擬變量，α0表示常數項，Xit表示一系列控制變量。系數α1是本文重點關注的指標，表示政策的數字創新效應。μi為地區固定效應，vt為時間固定效應，εit為隨機誤差項。

3.2 變量說明

本文選取2011—2020年282個地級市的平衡面板數據，城市數字產業專利數量來源于中國研究數據服務平臺（CNRDS數據庫）。

（1）被解釋變量：數字創新（Inn）。由于專利數據具有客觀性、及時性和容易獲得的特點，因此專利數據被普遍用作創新能力的代理指標。本文參考宋培等（2023）[16]的做法，采用各地區數字產業專利授權量的對數值來衡量。

（2）核心解釋變量：國家級大數據綜合試驗區（did）。本文的核心解釋變量為個體虛擬變量（treated）和時間虛擬變量（time）的交互項。個體虛擬變量根據該城市是否納入試驗區進行賦值，試驗區城市為實驗組，其對應的treated=1；未設立試驗區的城市為對照組，對應的treated=0。時間虛擬變量根據大數據試驗區設立前后的年份進行賦值，政策實施當年及之后賦值為1，政策實施之前為0。

（3）控制變量。本文參考以往文獻歸納總結出以下控制變量：固定資產投資（Inf），固定資產投資可以提升城市經濟水平、調整優化產業結構，從而提高城市數字創新能力，采用固定資產投資額占GDP比重來衡量；經濟發展水平（Gdp），經濟發達地區擁有更優越的基礎設施和制度環境，有利于城市數字創新產出，采用人均GDP的對數進行衡量；對外開放水平（Open），外商投資能夠促進技術的引進和轉移，產生技術溢出效應，提高城市的數字創新能力，采用實際利用外資額占GDP的比重來衡量；政府財政支出（Exp），政府的財政投入會對技術研發活動提供資金方面的支持，采用政府財政支出占GDP比重來衡量；金融發展水平（Fin），金融水平的提升可以提高城市的資源配置能力和風險防范能力，采用金融機構貸款余額占GDP比重來衡量；進出口貿易（Trade），采用進出口貿易總額占GDP比重來衡量。

4 實證研究

4.1 基準回歸

基準回歸結果如表1所示。表1模型（1）是試驗區政策與城市數字創新能力的基本回歸結果；模型（2）是在模型（1）的基礎上加入了固定資產投資、經濟發展水平、對外開放水平、政府財政支出、金融發展水平和進出口貿易六個控制變量后的回歸結果。可以看出，加入控制變量之后did項的估計系數為0.161，在1%的統計水平下顯著為正，驗證了本文的基本假設。

4.2 平行趨勢檢驗

雙重差分法的使用前提是，在受到政策沖擊前，實驗組與對照組滿足平行趨勢假設。平行趨勢檢驗結果如圖1所示，大數據試驗區政策實施之前，實驗組和對照組的數字創新能力不存在顯著的差異，滿足雙重差分法的平行趨勢假設。

圖1 平行趨勢檢驗

4.3 異質性檢驗

不同城市的初始稟賦和國家對其政策傾斜不同，導致各個城市的發展呈現出不平衡的特點。為進一步深化對大數據試驗區政策的認識，本文將從城市的區位和行政等級兩個方面入手，考察大數據試驗區政策的異質性影響。

4.3.1 城市區位異質性

我國東中西部地區的自然資源、地理條件和政策環境等存在顯著的差異[17]，因此本文探究大數據試驗區提升城市數字創新能力的區位異質性。區位異質性回歸結果如表2的模型（1）和模型（2）所示。東部城市和中西部城市did項的系數分別在1%和5%水平下顯著為正，表明大數據試驗區對東部城市和中西部城市的數字創新能力均有提升作用，但對于東部城市的促進作用在顯著度上要優于中西部城市。產生這種結果可能是因為大數據試驗區的建設需要數字化基礎設施的支撐，相對于中西部地區，東部地區的基礎設施建設更完善、經濟發展水平更高，且能夠吸收大量數字人才的集聚，為城市數字創新活動營造良好的環境。

4.3.2 行政等級異質性

行政等級高的城市在交通水平、政策支持和產業基礎等方面的優勢是一般地級市難以比擬的。因此，本文進一步探究大數據試驗區提升城市數字創新能力的城市行政等級異質性。城市行政等級劃分借鑒徐林等（2022）的研究，將直轄市、省會城市和副省級城市作為行政等級高的城市[18]。和一般地級市相比，此類城市具有優越的經濟實力，能夠發揮輻射作用，帶動區域經濟社會的全面發展。表2模型（3）和模型（4）的結果表明，大數據試驗區對直轄市、省會城市和副省級城市數字創新能力的促進作用并不顯著，在一般地級市中，大數據試驗區對數字創新能力的促進作用才得以顯現，滿足“邊際效率遞減規律”[19]，即大數據試驗區對于城市數字創新的推動作用隨著城市行政等級的下降反而上升。

4.4 穩健性檢驗

4.4.1 安慰劑檢驗

為了避免大數據試驗區對城市數字創新能力的促進作用是其他不可觀測的遺漏變量導致的，本文借鑒Li等（2016）[20]的研究進行安慰劑檢驗。具體思路是，在樣本數據中隨機選取偽實驗組和偽對照組，生成偽政策虛擬變量并重新對模型（1）進行回歸，由此完成一次安慰劑檢驗，得到一個偽政策虛擬變量的估計系數。將上述過程重復500次，圖2繪制了500個估計系數的核密度圖。由圖2可知，隨機處理下的估計系數主要分布在0附近，與真實系數存在顯著差異，且近似于正態分布。由此證實了本文的估計結果不是偶然獲得，大數據試驗區設立對城市數字創新能力的影響幾乎沒有受到不可觀測因素的干擾，進一步表明基準回歸結果的穩健性。

圖2 安慰劑檢驗結果

4.4.2 PSM-DID檢驗

試驗區的設立可能會受到經濟發展水平、地理位置等因素影響，并不完全滿足隨機性的特征。為準確評估大數據試驗區的數字創新效應，本文借鑒常皓亮等（2023）[21]的做法，用PSM-DID法進行穩健性檢驗。首先，對實驗組和對照組樣本按照一對一近鄰匹配法進行匹配，為保證匹配結果的可靠性，還需要進行平衡性檢驗。若匹配后城市樣本中實驗組和控制組在相關控制變量上沒有表現出明顯差異，則說明PSM-DID方法具有合理性。平衡性檢驗結果如圖3所示，可以看出傾向得分匹配后控制變量的標準化偏差明顯減小，并且大多數匹配變量的標準化偏差絕對值小于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行基準回歸分析，得到回歸結果如表3中的模型（1）和模型（2）所示。從結果看出，在進行傾向得分匹配后，虛擬變量did的系數均在1%的置信水平下顯著為正，可以證明前文的基準回歸結果具有較強的穩健性，大數據試驗區的設立顯著提升了城市數字創新能力。

4.4.3 排除其他政策的影響

由于試驗區設立期間存在其他相關政策對研究效果產生影響，為解決這一問題，本文借鑒石大千等（2018）[22]的做法，將寬帶中國試點政策作為虛擬變量納入基準模型加以控制，結果見表4模型（3），加入了寬帶中國政策虛擬變量以后，did項的回歸系數仍在1%的水平上顯著為正，進一步支持了本研究的核心結論。

5 結論與建議

本文以國家級大數據綜合試驗區的設立為切入點，運用雙重差分估計方法，基于我國2011—2020年282個地級市的面板數據，分析了大數據試驗區的建設對城市數字創新能力的影響，并進一步探討了政策效應的異質性，研究結果表明：

第一，大數據試驗區的建設能夠顯著提升城市數字創新能力。第二，本文通過安慰劑檢驗、傾向得分匹配法和排除相關政策等方法證明基準回歸結果是穩健可靠的。第三，異質性分析結果表明，大數據試驗區對東部城市和一般地級市數字創新能力的提升作用更顯著。

基于實證研究結果，本文提出以下建議：第一，積極推進國家級大數據綜合試驗區建設。政府要加大對大數據產業的財政投入，加強數字人才隊伍建設，構建完善的制度體系，為大數據的發展和創新活動的開展提供制度保障。第二，注重城市數字創新能力的提升。加強云計算、人工智能、5G等數字技術的研發與應用，推進數字技術與傳統產業融合發展，為數字創新提供良好的發展空間。第三，因地制宜制定大數據發展戰略。由于不同城市在地理區位和行政等級等方面存在差異，大數據試驗區建設對城市數字創新的驅動效應也具有差異性。因此，在建設大數據試驗區的過程中，應堅持因地制宜，充分考慮不同城市的實際發展階段，抓住當地發展數字創新的稟賦優勢和區域特色，構建更加包容、靈活的城市數字創新體系，平衡數字創新在東中西部地區和不同行政等級城市之間的發展。

6 研究局限與未來展望

本文采用數字產業專利數量衡量城市數字創新能力，未能考慮到城市數字創新能力的其他產出，未來可以通過構建指標體系的方式對城市數字創新能力進行測度。本文僅考察了試驗區建設對城市數字創新影響的直接效應和異質性分析，未來在數據能夠獲得的前提下，可以進一步探索試驗區提升城市數字創新能力的作用路徑和空間效應。

參考文獻

岳書敬，董迪妮，賴曉冰.數字創新如何影響城市經濟差距：“數字鴻溝”還是“數字紅利”[J].財經科學，2023（9）： 76-88.

邱子迅，周亞虹.數字經濟發展與地區全要素生產率： 基于國家級大數據綜合試驗區的分析[J].財經研究，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.數字創新賦能數字經濟發展研究： 一個文獻綜述[J].科學管理研究，2022，40（5）：91-97.

甄俊杰，師博，張新月.中國數字創新與經濟高質量發展的協同效應及動態演進預測[J].現代財經（天津財經大學學報），2023，43 （3）：3-20.

范合君，吳婷.新型數字基礎設施、數字化能力與全要素生產率[J].經濟與管理研究，2022，43（1）：3-22.

桑玉昆，馮緒猛.數字基礎設施、創新要素配置與全球價值鏈嵌入[J].軟科學，2023（12）： 1-11.

宋培，李琳，艾陽，等.中國數字經濟創新發展的技術選擇與效果評估[J].科學學研究，2023，41（8）：1410-1421.

張瑤，張光宇，張洪振.組態視角下區域數字創新發展的驅動機制研究[J].技術經濟與管理研究，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、財政分權與區域數字創新[J].統計與決策，2022，38（4）：32-37.

梁海萌，申丹虹.數字經濟發展戰略對產業結構升級的政策效應： 基于國家級大數據綜合試驗區的準自然實驗[J].現代管理科學，2023（1）：46-55.

許鋒，時海博.產業集聚、數字技術創新與制造業發展質量[J].商業經濟，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.數字產業創新對產業結構現代化的影響研究[J].科學學研究，2023（6）：1-18.

支宇鵬，黃立群，陳喬.自由貿易試驗區建設與地區產業結構轉型升級： 基于中國286個城市面板數據的實證分析[J].南方經濟，2021（4）：37-54

徐林，侯林岐，程廣斌.國家級大數據綜合試驗區創新效應研究[J].科技進步與對策，2022，39（20）：101-111.

付平，劉德學.智慧城市技術創新效應研究： 基于中國282個地級城市面板數據的實證分析[J].經濟問題探索，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.大數據戰略對電力消費碳排放的影響： 基于國家級大數據綜合試驗區的準自然實驗[J].經濟與管理研究，2023，44（5）：93-109.

石大千，丁海，衛平，等.智慧城市建設能否降低環境污染[J].中國工業經濟，2018（6）：117-135.