我國大數據政策對區域創新能力影響的實證研究

關鍵詞： 大數據政策； 區域創新； 政策效應； 雙重差分； 實證研究

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．１２．００９

〔中圖分類號〕Ｇ２０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） １２－００８９－１３

數據作為新時代重要生產要素， 是國家基礎性戰略資源。大數據作為一種兼備規模性、多樣性、增長高速性的戰略資產， 已成為推動我國經濟轉型發展的新動力。中央政府和地方政府相繼出臺了多項大數據政策， 積極引導大數據發展與創新能力提升。目前， 國內外學者從政策工具［１］ 、政策主題［２］ 、政策擴散機制［３］ 、政策協同［４］ 、共詞網絡［５］ 等方面解析了大數據政策的文本內容； 從法律基礎設施、政治和經濟環境、政策內容、績效指標和公共價值等方面［６－７］ 比較分析了某個或多個國家（地區）的大數據政策［８－９］ ； 從政策工具視角探討了大數據政策評估［１，１０］ ； 從政策協同視角解析了政府開放數據政策的協同效用［１１－１２］ 。此外， 大數據政策可以通過增強企業智能化意識［１３］ 、提升產學研合作水平［１４］ 和企業知識管理能力［１５］ 等增強企業創新， 通過推動產業結構調整、鼓勵大眾創業創新、加大科技財政投入和加強對外合作程度等方式提升技術創新水平［１６－１７］ 。然而鮮見大數據政策對于區域創新能力整體影響的研究。因此， 本文擬對此問題進行初步探析， 以便借助大數據政策提升區域創新能力。

１理論分析與研究假設

１.１大數據政策對區域創新能力的影響

大數據政策通過促進信息的廣泛共享和技術的快速迭代， 顯著降低了區域內外知識轉移和學習的成本， 不僅增強了區域內創新主體的知識基礎， 也為跨區域協同創新提供了堅實的信息支撐［１８］ 。同時，大數據政策通過提供財政支持、稅收優惠和技術服務等激勵措施， 激發了企業、研究機構和高校等創新主體的積極性， 促進了創新資源的有效整合和利用［１９］ 。此外， 大數據政策還推動了大數據技術的研發和應用， 促進了基于大數據的新產品、新服務和新業務模式的創造， 為區域創新提供了新的動能。

總的來說， 大數據政策加快了區域內部的創新活動，促進了區域間的協同和知識流動， 為區域創新能力的提升提供了強有力的支撐， 由此提出如下假設：

Ｈ１：大數據政策對區域創新能力具有顯著的正向效應

１.２大數據政策影響區域創新能力的作用機制

現有研究對大數據政策如何影響區域創新能力的作用機制尚未有統一定論， 且對這一機制的理論探討仍不充分， 許多潛在的影響路徑仍待進一步探索與驗證。因此， 本文基于扎根理論， 通過分析大數據政策文本， 系統歸納大數據政策影響區域創新能力的作用機制。

１.２.１大數據政策收集

本文以２０１５—２０２２年我國發布的與大數據發展相關的政策文件作為扎根理論分析的數據來源，但為保證政策文本的權威性和代表性， 本文選擇國家級行政機構出臺的政策作為分析樣本， 這些政策文件指導地方政府制定大數據發展戰略， 并根據地區特性進行調整和優化， 從而在不同地區產生不同效果， 通過分析這些政策文件有助于理解大數據政策如何影響區域創新能力。因此， 筆者以“大數據”為關鍵詞， 從國務院各部委官方網站以及北大法寶網等進行檢索， 共搜集到政策１０２份。然后按照“針對性”原則（精讀政策文本內容， 僅保留與大數據密切相關的政策文本）和“權威性” 原則（保留中央機構發文政策， 剔除地方性政策文本），通過人工篩選剔除無關政策文件， 經去重和整理共得到４５份與主題密切相關的政策文件， 把它們作為扎根理論分析樣本。

１.２.２扎根編碼

本文在４５份政策材料中隨機選擇了３５份進行三級編碼， 得出大數據政策對區域創新能力的作用機制。具體過程如下： ①開放式編碼：對文本中涉及大數據政策作用及效應方面的文字進行編碼， 最終提煉出６８ 個概念， 并歸納為１１個副范疇， 如表１所示； ②主軸編碼：對開放式編碼結果進一步歸納，提取出與研究問題相關的４個主范疇： 數字化驅動、產業集聚、人才集聚與開放合作， 如表２所示； ③選擇性編碼： 以大數據政策的作用及效應為核心范疇， 從促進區域創新能力視角出發， 構建大數據政策影響區域創新能力的作用機制模型， 即大數據政策通過數字化驅動、產業集聚、人才集聚、開放合作４個作用機制， 促進區域創新能力的提升， 如圖１所示； ④飽和度檢驗： 對４５份政策材料中剩余的１０份政策材料進行飽和度檢驗， 通過逐一編碼， 發現并沒有產生新的概念和邏輯關系， 說明本文所構建的大數據政策影響區域創新能力的作用機制理論通過飽和度檢驗， 所構建的作用機制模型有效。

１.２.３大數據政策對區域創新能力的作用機制解析

１） 數字化驅動作用機制

大數據政策的數字化驅動覆蓋以下３ 個方面：①數字基礎設施建設。大數據政策支持的數字基礎設施建設， 為企業克服技術障礙、增強知識管理能力提供了基礎。通過推動云計算、大數據等關鍵技術項目的實施， 企業得以建立一套安全、可靠的大數據技術架構， 進而在數據存儲、處理、分析、可視化以及信息安全與隱私保護等關鍵技術領域取得突破， 顯著提升了企業的數據分析處理能力、知識發現能力及輔助決策能力。②數據要素資源建設。大數據政策通過數據要素資源建設促進數據資源構建和流通共享， 不僅保障了數據資源的有效開發利用， 同時也促進了數據價值的最大化及其對創新活動的賦能作用。這一過程促使數據、人才、知識和技術等各類創新資源高效流動［２０］，推動數據要素市場化發展和生產鏈技術的聚集性創新［２１］ 。③數字化發展環境。大數據政策通過優化數字化發展環境， 增強了網絡空間治理能力和安全保障能力， 提升了數字化發展的治理效率。通過建立一個公平規范的數字治理生態， 為新技術、新產品、新業態和新模式的創新提供了肥沃的土壤， 激發了創新活力，為創新環境的持續優化奠定了基礎。綜上所述， 大數據政策通過數字化驅動作用機制， 不僅加強了技術基礎和數據處理能力， 也促進了各類創新要素的集聚和高效利用， 進而加速了新技術、新產品和新業態的發展， 為創新營造了一個良好的環境。由此提出如下假設：

Ｈ２： 大數據政策通過數字化驅動促進區域創新能力的提升

２） 產業集聚作用機制

大數據政策的產業集聚覆蓋以下３ 個方面： ①產業融合與升級。大數據政策促進了大數據與前沿技術（如人工智能、區塊鏈、云計算等）的融合發展， 不斷完善產業鏈條， 推動了大數據與傳統產業的協同發展， 探索了新的業態和模式， 從而加速了產業的融合與升級。產業的融合升級能夠帶動企業分工細化和市場需求的擴大， 有助于企業明確創新方向、突破核心技術， 從而提升企業自主創新能力［２２］ 。②產業集群。大數據政策通過規劃建設大數據產業集聚區、建立大數據產業園、培育龍頭企業等打造產業集群， 有助于高科技企業“扎堆” 于產業集聚區域， 催生企業創新行為， 促使處于激烈競爭環境中的企業為爭奪市場資源不斷進行改革創新， 從而提升區域創新能力。③產學研合作。大數據政策一方面通過產學研合作促進企業、高校和科研機構等多種創新主體的緊密合作， 有助于各種創新資源的集聚與整合， 加強了創新主體之間的分工協作與資源共享， 能夠降低創新成本， 形成強大的創新合力； 另一方面， 產學研合作有助于產學研戰略聯盟和產學研組織聯盟的形成， 可以促進知識在不同組織間的流動、創造、共享與融合， 加強產業鏈、知識鏈和價值鏈之間的聯動效應， 從而提升區域的創新效率［２３］ 。綜上所述， 大數據政策通過產業集聚作用機制， 推動了產業的融合與升級， 明確了企業的創新方向， 進而促進競爭效應推動企業的改革創新， 加強了產業鏈、知識鏈和價值鏈之間的聯動效應。由此提出如下假設：

Ｈ３：大數據政策通過產業集聚促進區域創新能力的提升

３）人才集聚作用機制

大數據政策的人才集聚覆蓋以下３個方面： ①人才引進。大數據政策通過出臺人才引進措施， 吸引了海內外優秀的大數據團隊與創新人才等高層次人才的流入， 高層次人才的集聚會形成知識溢出的正效應， 并將知識溢出效應推向更高層次［２４］ 。②人才培養。大數據政策重視跨領域大數據人才的培養， 通過建立多層次、多類型的大數據人才培養體系， 整合高等教育機構、企業和社會資源， 采取技能培訓、職業教育和產教融合等多元化途徑， 不僅強化了對人才的系統培養， 而且促進了大數據與其他學科領域的緊密融合與產學研一體化， 為大數據產業的高質量發展提供堅定的人才基礎［２］ 。③人才激勵。大數據政策通過完善科技人才評價體系、創新激勵與保障措施， 提高科技人才的社會認可度和個人成就感， 為科技人才提供一個鼓勵發明創造、尊重知識技術的創新環境，可以有效激發科技人才的創新活力。綜上所述， 大數據政策通過人才集聚作用機制， 可以構建有利于科技人才發展和創新活力釋放的創新環境， 有利于提升區域知識存量與人力資本質量以及區域整體創新水平。由此提出如下假設：

Ｈ４：大數據政策通過人才集聚促進區域創新能力的提升

４）開放合作作用機制

大數據政策的開放合作覆蓋以下兩個方面： ①建立開放制度。大數據政策通過建立完善的開放合作保障機制， 可以促進國內大數據法律規章與國際通行慣例和規則的有效對接， 營造一個市場化、法治化、國際化的營商環境， 進而構建一個高度活躍的開放創新生態圈， 實現國內外創新資源的優化配置。②國際交流與合作。大數據政策通過加強企業在技術創新、產品研發、應用推廣等方面的國際交流與合作， 可以促進知識的跨境流動， 方便企業和員工學習與借鑒國際先進技術和經驗， 培育關鍵技術的自主研發能力和原始創新能力， 并通過與國際頂尖企業開展協同創新活動，不斷提升區域創新速度、創新質量與創新能力［２５］ 。綜上所述， 大數據政策通過開放合作作用機制，構筑了一個有利于資源共享、技術交流和協同創新的開放環境， 促進了創新資源的全球配置， 為區域內外的創新活動提供了強大動力和廣闊平臺。由此提出如下假設：

Ｈ５：大數據政策通過開放合作促進區域創新能力的提升

２研究設計

２.１模型構建

２.１.１基礎模型構建

本文采用雙重差分法（Ｄｉｆｆｅｒｅｎｃｅ－ｉｎ－Ｄｉｆｆｅｒｅｎｃｅｓ，ＤＩＤ）作為研究方法， 而非直接量化大數據政策文本進行回歸分析， 主要基于以下原因： ①ＤＩＤ 方法可以很好地控制內生性問題， 避免因變量與干擾變量之間存在相互影響， 從而更準確地估計政策效應，也可以將因果效應分解為各個組成部分進行分析，能夠更加深入地理解因果關系， 為政策制定提供科學依據。②直接量化政策文本時， 難以用單一或幾個指標全面反映政策的多維度特征， 而ＤＩＤ方法通過構建虛擬變量作為政策影響的代理， 對比政策實施前后實驗組與對照組之間的差異， 能夠更加準確地捕捉政策效應， 避免了因直接量化政策文本帶來的偏差［２６］ 。

因此，本文采用ＤＩＤ方法建立大數據政策效應評估模型， 將２０１６年國家大數據綜合試驗區政策的實施視為一次自然實驗， 通過比較大數據綜合試驗區建立前后發生的變化， 分析判斷大數據政策的實施是否有助于區域創新能力的提升。具體而言，以全國３１ 個省市（除港、澳、臺地區）為研究對象，ｔｒｅａｔ為省份是否設立國家大數據綜合試驗區的政策虛擬變量， 將設立國家大數據綜合試驗區的所有省份設定為實驗組， 賦值為１， 否則為０。ｔｉｍｅ 為時間虛擬變量， 設立國家大數據綜合試驗區當年及以后的年份取值為１，之前年份取值為０。具體設定如模型１所示：

其中，ｉ表示省份，ｔ表示年份。ｉｎｎｏ為被解釋變量， 表示區域創新能力。ｄｉｄ 為核心解釋變量， 其是政策虛擬變量ｔｒｅａｔ與時間虛擬變量ｔｉｍｅ的交互項， 其系數β 反映了政策實施的凈效應。為克服內生性問題， 本文計量模型還引入了一系列控制變量，用ｘ 表示； γ 為一系列控制變量的待估計系數。此外， δ 代表個體固定效應， θ表示時間固定效應， ε為誤差項。

２.１.２動態效應模型構建

在使用雙重差分法時， 需要驗證政策實施之前的平行趨勢以及政策實施之后的影響。為此， 本文參考事件研究法［２８］ 建立動態效應模型對大數據政策的動態效應進行檢驗， 具體設定如模型２所示：

２.１.３作用機制模型構建

為進一步研究大數據政策通過數字化驅動、產業集聚、人才集聚、開放合作影響區域創新的機制路徑， 通過設立機制變量與核心解釋變量ｄｉｄ的交互項， 將４個機制變量分別與ｄｉｄ 交叉相乘置于模型中， 交互項的系數α１ 反映的就是大數據政策通過４個機制變量對區域創新能力的影響， 具體設定如模型３所示：

其中，ｉ表示省份，ｔ表示年份。ｍｅｄｉａｔｏｒ為機制變量， 包括數字化驅動（ｄｉｇｅ）、產業集聚（ｓｔｒｕｃ）、人才集聚（ｈｕｍ）以及開放合作（ｔｒａｄｅ）。其他變量與模型１ 相同。

２.２變量選取

１） 被解釋變量。本文的被解釋變量為區域創新能力（ｉｎｎｏ）。為全面反映區域創新能力， 本文參考相關研究成果［３１－３３］ ， 從創新環境、創新投入、創新產出３個方面構建區域創新能力評價指標體系，采用熵權法計算各指標的權重， 在此基礎上測算各省的區域創新能力指數， 如表３所示。

２） 核心解釋變量。本文的核心解釋變量是０～１虛擬變量， 為政策虛擬變量ｔｒｅａｔ 與時間虛擬變量ｔｉｍｅ 的交互項（ｄｉｄ）。

３） 控制變量。為了全面分析大數據政策對區域創新能力的影響， 本文設定的控制變量包括： ①經濟發展水平（ｌｎｇｄｐ）； ②基礎設施建設（ｉｎｆ）； ③教育水平（ｅｄｕ）； ④政府支持力度（ｇｏｖｓｕｐ）。其中，經濟發展水平參考劉和旺等［３４］ 的做法， 采用地區實際生產總值的對數來表示； 基礎設施建設參考黃永春等［３５］ 的做法， 采用互聯網寬帶接入用戶數的對數來表示；教育水平參考王欣亮等［３６］ 的做法， 采用普通高校在校生數與總人口的比值來表示； 政府支持力度參考馮苑等［３７］ 的做法， 采用政府財政科學技術支出與政府財政支出的比值表示。

４） 機制變量。本文共有４ 個機制變量： ①數字化驅動（ｄｉｇｅ）： 本文參考趙濤等［３８］ 、王軍等［３９］的研究， 從數字基礎設施、數字產業發展和數字普惠金融３ 個方面構建多維評價指標體系衡量數字化驅動， 具體評價指標體系如表４ 所示。②產業集聚（ｓｔｒｕｃ）。本文采用各地區就業密度來衡量產業集聚［４０］ 。③人才集聚（ｈｕｍ）。本文采用地區Ｒ＆Ｄ 人數占該地區就業人數的比重與全國Ｒ＆Ｄ 人數與全國就業人數的比重的比值來衡量人才集聚［４１］ 。④開放合作（ｔｒａｄｅ）。本文參考莊子銀等［４２］ 的方法，采用進出口交易額占該地區生產總值的比重來衡量開放合作。

２.３樣本選擇與描述性統計分析

以大數據綜合試驗區的成立作為衡量標準， 本文將貴州、北京、天津、河北、廣東、上海、河南、重慶、遼寧、內蒙古這１０個省級行政區域作為實驗組， 將山西、吉林、黑龍江、江蘇、浙江、安徽、福建、江西、山東、湖北、湖南、廣西、海南、四川、云南、西藏、陜西、甘肅、青海、寧夏、新疆這２１ 個省級行政區域作為對照組。根據雙重差分法的特點， 本文設定２０１６年為政策執行時間點，２０１６ 年及之前的年份為政策實施前，２０１６年之后的年份為政策實施后。

由于部分城市在樣本期間數據缺失嚴重或行政區域發生變化， 綜合考慮數據完整性和變化性后，本文樣本選擇２０１０—２０２０年全國３１個省市（除港、澳、臺地區）平衡面板數據評估大數據政策對區域創新能力的影響。本文的數據來源包括《中國統計年鑒》《中國科技統計年鑒》《中國高技術產業統計年鑒》以及各省份的統計年鑒， 并采用插值法補齊了缺失的數據。變量描述性統計結果如表６所示。

３實證結果分析

３.１基準回歸檢驗

為了使用雙重差分模型評估大數據政策對區域創新能力的影響， 本文采用基礎模型（模型１）， 固定時間并控制個體進行基準回歸， 結果如表７所示。第（１） 列為大數據政策效應對區域創新能力的影響， 第（２） ～ （５） 列為加入了一系列控制變量后的回歸結果。結果顯示， 不論是否加入其他控制變量， 被解釋變量的估計系數都顯著為正。這說明本文利用雙重差分法進行實證檢驗得到的大數據政策能夠促進區域創新能力提升的研究結論是可靠的。

Ｈ１ 得到驗證。

３.２平行趨勢與動態效應檢驗

本文采用動態效應模型（模型２）進行平行趨勢與動態效應檢驗， 結果如圖２所示。

由圖２ 可知， 在政策實施前， 回歸系數在０值附近波動， 表明實驗組和對照組在區域創新能力上并沒有顯著的差異， 符合平行趨勢假設； 而在政策發生后（２０１６ 年）， 回歸系數開始跳出波動范圍不斷增加， 呈現明顯的上升趨勢， 說明大數據政策確實對區域創新能力提升發揮了實質作用。

３.３穩健性檢驗

穩健性檢驗可以衡量估計結果的穩健性和可靠性。本文采用以下３種方式進行穩健性檢驗。

１） 安慰劑檢驗

區域創新能力的提升可能是城市經濟發展引起的演化結果， 而不是由于大數據政策效應引發的促進作用。為了消除這種遺漏變量的影響， 本文從隨機效應的角度， 采用安慰劑方法進行檢驗。分別將國家大數據綜合試驗區政策的執行時間（２０１６年）提前１ 年、２ 年和３ 年進行回歸檢驗， 回歸結果如表８ 中（１）～（３） 列所示， 沒有實施大數據政策前，該變量的系數不顯著且為負數， 說明反事實構建的虛擬時間變量對區域創新能力不存在顯著影響， 從而消除了遺漏變量等因素的影響。

２） 改變被解釋變量

為了避免由變量定性選擇導致估計結果存在偏誤， 本文重新刻畫區域創新能力衡量方式以檢驗基準回歸結果穩健性［４４］ ， 選擇專利授權數量（ｐａｔ）衡量區域創新能力。回歸結果如表８ 中（４）、（５） 列所示， 更換被解釋變量后核心解釋變量ｄｉｄ 的估計系數依然顯著為正， 表明大數據政策對區域創新能力的驅動作用具有穩健性， 證實了實施大數據政策有助于區域創新。

３） 其他穩健性檢驗

直轄市的大數據技術發展在全國處于領先地位，在全樣本中加入直轄市可能會放大大數據政策的賦能效果。因此， 本小節刪除了直轄市樣本進行重新估計， 結果如表８ 中（６）、（７） 列所示。結果表明， 大數據政策對區域創新能力提升仍然具有顯著的推動作用， 證實結果穩健可靠。

３.４作用機制檢驗

運用模型３進行作用機制檢驗， 結果如表９所示， ４個交互項ｄｉｄ?ｄｉｇｅ、ｄｉｄ?ｓｔｒｕｃ、ｄｉｄ?ｈｕｍ、ｄｉｄ?ｔｒａｄｅ的系數分別為０.０５８８、０.１３０、０.０１０６、０.０３４６， 均顯著為正， 表明大數據政策通過數字化驅動、產業集聚、人才集聚、開放合作４ 個作用機制推動區域創新能力分別提升了５.８８％、１３.００％、１.０６％、３.４６％。綜上所述， Ｈ２～Ｈ５ 成立， 大數據政策影響區域創新能力的４ 個作用機制通過了實證檢驗， 數字化驅動、產業集聚、人才集聚、開放合作是大數據政策影響區域創新能力的４條路徑。

３.５異質性分析

考慮到異質性因素對大數據政策創新效應的影響， 本文從區域異質性、分維度異質性、不同發展水平異質性３ 個方面對政策效應進行異質性分析。

１） 區域異質性分析。參考國家統計局劃分標準， 將研究樣本分為東部、中部和西部３ 個區域進行回歸分析， 結果如表１０所示。

由表１０可知， 東部和中部的ｄｉｄ系數顯著為正， 均在１％的統計水平下顯著， 而西部地區的ｄｉｄ系數在統計上不顯著， 表明大數據政策對區域創新能力的影響具有明顯的區域差異性。大數據政策的實施對西部地區區域創新能力的影響并不明顯， 造成這種現象的原因是多方面的。一方面， 西部地區的大數據產業發展相對滯后， 人力、財力、物力等方面存在嚴重不足， 政策實施難以取得很好的效果；另一方面， 西部地區的經濟發展水平相對落后， 市場需求不足， 創新投入不足， 也制約了區域創新能力的提升。

２） 分維度異質性分析。表１０報告了大數據政策分別影響區域創新能力的創新環境、創新投入、創新產出３個不同維度的回歸結果。由表１１可知， 加入控制變量后， 大數據政策對于創新環境、創新投入、創新產出影響的回歸系數分別為０.００４２、０.００５３、０.０１６３，均在１％的統計水平下顯著。大數據政策對區域創新能力３ 個維度均有正向作用，但對創新產出的影響最為明顯， 對創新環境的影響則相對有限， 這與區域創新能力評價指標體系中創新環境的權重排名正好相反， 說明我國當前的大數據政策并沒有充分考慮到科技創新環境的需求， 因此需要對政策進行調整和完善， 特別是需要制定更多直接針對科技創新環境的大數據政策。通過增強大數據政策的精準度和方向， 以更好地促進區域創新能力的提升。

３） 不同發展水平異質性分析。表１２報告了使用面板分位數回歸， 在區域創新能力不同分位數上，大數據政策影響區域創新能力的估計結果。結果顯示， 大數據政策賦能區域創新的效應因區域創新能力發展水平的不同存在顯著差異。其中， 在１０％、２５％、５０％、７５％和９０％的分位數上， 大數據政策效應均為正向顯著， 但隨著分位點的增加， 核心解釋變量ｄｉｄ對區域創新能力的影響逐漸增強， 說明區域創新能力發展水平越高， 大數據政策的賦能效果越顯著。其原因可能是區域創新能力發展較為滯后的省份主要為中西部地區， 這些地區數字基礎設施建設相對薄弱， 大數據產業發展也較為緩慢， 因而大數據發展的紅利并未得到充分釋放。另外， 這些地區還面臨著公共財政能力困境、公共資源配置能力困境、公共危機管理能力困境以及公共政策執行困境， 制約了大數據政策對區域創新賦能作用的有效發揮。

４結論與建議

本文研究結論是： ①大數據政策可以顯著推動區域創新能力提升； ②大數據政策可以通過數字化驅動、產業集聚、人才集聚、開放合作４ 條路徑來促進區域創新能力的提升； ③大數據政策對東部和中部地區的創新能力影響更強， 對區域創新能力中的創新產出影響更為明顯， 對高水平區域創新能力地區的創新驅動效應更顯著?；谏鲜鼋Y論， 為進一步提升區域創新能力， 本文提出如下建議：

第一， 加強大數據政策實施力度， 賦能區域創新發展。中央政府應該制定更加明確詳細的大數據政策； 地方政府應該制定更加具體的地方大數據政策， 注重開展數據挖掘和分析， 深入挖掘本地區的發展潛力， 提高創新能力和競爭力。在制定政策時，中央和地方政府需要注重其科學性和可行性， 對政策的實施過程進行科學評估， 及時調整和完善政策，以確保政策的有效性和可持續性， 從而為區域創新發展注入最大效能。

第二， 推進數字化轉型， 推動產業轉型升級，強化人才培養， 擴大開放合作。我國應進一步推進數字基礎設施建設， 加強大數據技術的推廣和應用，推動數字化轉型； 加強大數據產業服務平臺和大數據產業基地建設， 構建大數據產業生態系統， 建立健全相關政策法規體系和產業標準， 提高大數據產業的創新能力和核心競爭力； 強化人才培養， 通過創新人才培養機制， 鼓勵各界人才將所學知識運用到大數據建設實踐中； 持續擴大區域創新能力開放合作， 構建與高水平對外開放相適應的制度型開放，推動和參與全球科技治理， 擴大國際交流合作， 加快科技創新要素的國際流動， 構建具備全球競爭力的開放創新生態環境。

第三， 促進區域協調與交流， 發揮先進地區的引領作用。由于大數據政策對區域創新能力的影響具有異質性， 因此， 東部地區作為我國大數據建設的重要示范區， 應當在探索新技術、新模式方面發揮帶頭作用， 將成功經驗推廣到其他相對落后的地區， 幫助其更好地促進本地區的創新發展。同時，相對落后的地區應當發揮后發優勢， 尤其要在知識管理和資源配置方面做好功課， 不斷提升自身的創新能力， 從而實現各地區創新能力的聯動發展， 共同推動我國區域產業的轉型升級和經濟發展。

５研究不足

受樣本來源和能力限制， 本文僅考察了２０１０—２０２０年大數據政策對區域創新能力的影響， 且國家大數據綜合試驗區政策始于２０１６年， 政策實施后的時間跨度較短， 因此動態效應分析的結果可能缺乏一定的準確性。此外， 本文沒有采用主客觀結合的方法確定區域創新能力的指標權重， 導致本文所設計的區域創新能力的指標權重缺乏嚴謹性。后續研究可以進一步擴大樣本的時間跨度， 運用主客觀賦權法設計更為全面、系統的區域創新能力評價指標體系， 增強研究的科學性和嚴謹性。