人工智能對區(qū)域創(chuàng)業(yè)活躍度的影響及作用機(jī)制研究

中圖分類號：F207 文獻(xiàn)標(biāo)識碼：A開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：文章編號：1001-7348（2025）14-0001-10

0 引言

創(chuàng)業(yè)活躍度在推動地區(qū)經(jīng)濟(jì)增長、創(chuàng)造就業(yè)機(jī)會和促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型中發(fā)揮重要作用[1-2]，長期以來備受學(xué)術(shù)界和實(shí)務(wù)界關(guān)注。從宏觀經(jīng)濟(jì)角度來看，隨著全球經(jīng)濟(jì)下行壓力加大，中國經(jīng)濟(jì)進(jìn)人“新常態(tài)”，傳統(tǒng)的經(jīng)濟(jì)增長動力逐漸減弱，創(chuàng)業(yè)環(huán)境面臨嚴(yán)峻挑戰(zhàn)[3]。潛在創(chuàng)業(yè)者不僅要面對日益激烈的市場競爭，而且可能遭遇更低的創(chuàng)業(yè)成功率4]，因此各地區(qū)創(chuàng)業(yè)活躍度一度低迷。人工智能作為新一輪科技革命和產(chǎn)業(yè)變革的核心動力，加速與各行業(yè)融合，催生出新產(chǎn)業(yè)、新技術(shù)、新業(yè)態(tài)和新商業(yè)模式[5-7]。2024年1月，工業(yè)和信息化部等七部門聯(lián)合印發(fā)的《關(guān)于推動未來產(chǎn)業(yè)創(chuàng)新發(fā)展的實(shí)施意見》明確提出，“打造未來產(chǎn)業(yè)瞭望站，利用人工智能、先進(jìn)計算等技術(shù)精準(zhǔn)識別和培育高潛能未來產(chǎn)業(yè)”。截至2024年6月，中國人工智能核心產(chǎn)業(yè)規(guī)模已達(dá)到6000億元，人工智能企業(yè)數(shù)量超過4500家，從側(cè)面反映出人工智能技術(shù)具有驅(qū)動新一輪創(chuàng)新創(chuàng)業(yè)活動的重要潛力。據(jù)此，探討人工智能與區(qū)域創(chuàng)業(yè)活躍度關(guān)系具有重要的理論價值和現(xiàn)實(shí)意義。

從現(xiàn)有文獻(xiàn)來看，人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的影響呈現(xiàn)雙重特征，即積極的創(chuàng)造效應(yīng)與消極的替代效應(yīng)。部分學(xué)者認(rèn)為，技術(shù)進(jìn)步可能對傳統(tǒng)就業(yè)崗位產(chǎn)生替代效應(yīng)，但新技術(shù)變革通常會帶來成本降低和生產(chǎn)率提升[8]，產(chǎn)生的創(chuàng)造效應(yīng)和補(bǔ)償效應(yīng)足以抵消替代效應(yīng)，從而總體上為區(qū)域創(chuàng)業(yè)者帶來新機(jī)遇[9-10]。但也有研究指出，以人工智能為代表的技術(shù)進(jìn)步主要體現(xiàn)為自動化方面，不會顯著提升所有生產(chǎn)環(huán)節(jié)的生產(chǎn)率[11]，反而可能帶來崗位替代效應(yīng)[12]，尤其是在傳統(tǒng)行業(yè)中，大量低技能、高重復(fù)性崗位將被取代[13-14]。這種正負(fù)效應(yīng)的復(fù)雜交織，導(dǎo)致學(xué)界關(guān)于人工智能對區(qū)域創(chuàng)業(yè)活躍度的影響方向與作用強(qiáng)度尚未形成共識。回顧歷次技術(shù)革命，雖然技術(shù)進(jìn)步在短期內(nèi)可能導(dǎo)致某些崗位被替代，但最終會通過衍生新興產(chǎn)業(yè)和創(chuàng)造新崗位，保持工作崗位總量的穩(wěn)定性[15]。隨著人工智能技術(shù)快速發(fā)展及其對中國經(jīng)濟(jì)格局的深刻影響，準(zhǔn)確評估人工智能對區(qū)域創(chuàng)業(yè)活躍度的作用，有助于完善創(chuàng)業(yè)理論，并為指導(dǎo)創(chuàng)業(yè)實(shí)踐、推動區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展提供有益借鑒。

為了更好地推動人工智能技術(shù)創(chuàng)新與實(shí)際應(yīng)用，我國在政策實(shí)施過程中采用“先試點(diǎn)、后推廣”的發(fā)展模式。自2019年科技部發(fā)布《國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)建設(shè)工作指引》以來，至2022年已遴選出18個“國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)”，為當(dāng)?shù)仄髽I(yè)和個人應(yīng)用人工智能技術(shù)實(shí)現(xiàn)創(chuàng)新創(chuàng)業(yè)提供有力支持，也為本文研究提供了實(shí)踐背景和研究契機(jī)。鑒于此，本研究在現(xiàn)有理論成果基礎(chǔ)上，不僅分析人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的影響，而且試圖探討人工智能與區(qū)域創(chuàng)業(yè)活躍度之間的內(nèi)在作用機(jī)制，以及人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的影響是否存在行業(yè)類型和人口規(guī)模的異質(zhì)性。盡管有少量研究在理論層面肯定人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的正向效應(yīng)，但并未結(jié)合創(chuàng)業(yè)選擇視角深入分析其中存在的中介機(jī)制，且缺乏實(shí)證檢驗(yàn)。考慮到人工智能可能通過推動技術(shù)型創(chuàng)業(yè)活動促進(jìn)區(qū)域經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型與高質(zhì)量發(fā)展，因此有必要進(jìn)一步探討人工智能發(fā)展的經(jīng)濟(jì)效應(yīng)。

與現(xiàn)有研究相比，本研究的邊際貢獻(xiàn)主要體現(xiàn)在以下方面：第一，研究視角。不同于以往研究通過工業(yè)機(jī)器人滲透度、企業(yè)年報中有關(guān)“人工智能”的詞頻等方式測度人工智能發(fā)展水平，本研究利用國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立這一準(zhǔn)自然實(shí)驗(yàn)，從宏觀層面系統(tǒng)分析人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的影響。在國家將人工智能視為推動新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力背景下，本研究為實(shí)施“先試點(diǎn)、后推廣\"的人工智能發(fā)展模式提供了決策依據(jù)，助力人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)政策優(yōu)化、區(qū)域創(chuàng)業(yè)生態(tài)營造，并促進(jìn)人工智能技術(shù)在全國范圍內(nèi)廣泛應(yīng)用。第二，研究方法。不同于傳統(tǒng)的雙重差分、斷點(diǎn)回歸等因果推斷方法，本研究采用雙重機(jī)器學(xué)習(xí)模型進(jìn)行無偏因果推斷，有效避免模型設(shè)定誤差、識別假設(shè)、多重共線性和“維度詛咒”等問題，提供更加穩(wěn)健的實(shí)證結(jié)果。第三，研究內(nèi)容。在我國實(shí)施就業(yè)優(yōu)先戰(zhàn)略的背景下，本研究通過揭示人工智能發(fā)展驅(qū)動創(chuàng)業(yè)活躍度的潛在路徑與異質(zhì)性規(guī)律，為促進(jìn)高質(zhì)量充分就業(yè)提供政策啟示。

1 理論分析與研究假設(shè)

本研究以Evansamp;Jovanovic[16]提出的創(chuàng)業(yè)選擇模型為理論基礎(chǔ)，將創(chuàng)業(yè)能力、融資成本和資本回報納入模型，構(gòu)建一個探討人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度影響的數(shù)理模型。假設(shè)個體是理性經(jīng)濟(jì)主體，在勞動力市場上面臨兩種職業(yè)選擇，一是選擇維持工資性就業(yè)，二是選擇開展創(chuàng)業(yè)活動，個體通過比較兩者的相對收入以決定是否創(chuàng)業(yè)。如果創(chuàng)業(yè)活動收益高于工資性就業(yè)，個體將選擇開展創(chuàng)業(yè)活動，反之則繼續(xù)維持工資性就業(yè)。

若個體期初選擇工資性就業(yè)，家庭初始財富擁有量為 c ，設(shè)定其能獲得的外生性工資收入為S，則期末工資性就業(yè)的總收人為：

π^w=S+（1+r）C

其中， r 為存款利率，由資本市場外生給定。

若個體期初選擇開展創(chuàng)業(yè)活動，假定其創(chuàng)業(yè)產(chǎn)出函數(shù) E 由創(chuàng)業(yè)能力和資本投入兩方面要素決定，則個體開展創(chuàng)業(yè)活動的產(chǎn)出函數(shù)為：

E=δK^a

其中， δ 表示個體創(chuàng)業(yè)能力，如創(chuàng)新水平或教育水平等； K 為資本投人，包括自有資本和借貸資本； a 為資本產(chǎn)出彈性，主要受生產(chǎn)技術(shù)水平影響，且 a∈（0） .1）。為了引入人工智能要素，假定個體在該領(lǐng)域有 λ 概率獲得人工智能技術(shù)，且 1?λ?0 ，應(yīng)用人工智能技術(shù)的成本為 f 。期末個體開展創(chuàng)業(yè)活動的期望收入為：

π^E=λ{(lán)E₁+（1+R）（C-K）-f}-（1-λ）{E₂+（1+R）（C-K）}

式中， E₁ 為個體利用人工智能技術(shù)得到的產(chǎn)出函數(shù)， E₂ 為傳統(tǒng)產(chǎn)出函數(shù)。 R 表示市場利率，當(dāng) C?K 時為存款利率，反之則為貸款利率。理性的經(jīng)濟(jì)主體會通過權(quán)衡兩種職業(yè)獲得的相對收入做出決策，設(shè)相對收入函數(shù)為開展創(chuàng)業(yè)活動的總收入減去工資性就業(yè)的總收入，具體表達(dá)式為：

π（δ，K）=π^E-π^w

當(dāng) π（δ，K）gt;0 時，個體會選擇開展創(chuàng)業(yè)活動；當(dāng)π（δ，K）lt;0 時，個體會選擇工資性就業(yè)； π（δ，K）=0 時，個體對兩種職業(yè)選擇無偏好。

1.1人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的直接影響

國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)的設(shè)立打破上述職業(yè)選擇的靜態(tài)模型，創(chuàng)業(yè)環(huán)境發(fā)生深刻改變，進(jìn)而影響個體創(chuàng)業(yè)決策。首先，政府主導(dǎo)設(shè)立的人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)通過基礎(chǔ)設(shè)施投入、數(shù)據(jù)開放共享和產(chǎn)學(xué)研協(xié)同，加快技術(shù)知識溢出和擴(kuò)散，顯著提高個體創(chuàng)業(yè)者的人工智能技術(shù)獲取概率 λ [17]。其次，試驗(yàn)區(qū)的集聚效應(yīng)會引致人工智能技術(shù)應(yīng)用成本 f 出現(xiàn)系統(tǒng)性下降。這是因?yàn)樵囼?yàn)區(qū)企業(yè)集聚產(chǎn)生的知識溢出效應(yīng)和基礎(chǔ)設(shè)施共享效應(yīng)，使得個體的技術(shù)應(yīng)用成本降低，進(jìn)而促進(jìn)人工智能技術(shù)應(yīng)用增加[18]。最后，人工智能技術(shù)通過智能合約、精準(zhǔn)匹配和自動化決策，顯著降低傳統(tǒng)市場中的信息搜尋成本、契約執(zhí)行成本和風(fēng)險溢價，使得創(chuàng)業(yè)活動的期望收益函數(shù)發(fā)生結(jié)構(gòu)性改變，即 π^E 顯著增加，而留守傳統(tǒng)職業(yè)的工資效益 π^w 維持剛性，最終形成 π（δ，K）gt;0 的激勵創(chuàng)業(yè)活動現(xiàn)象[19]。據(jù)此，本文提出以下假設(shè)：

H₁ ：新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升。

1.2人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的間接影響

人工智能作為重要的生產(chǎn)要素，可以從創(chuàng)業(yè)能力、融資約束和資本回報三個方面影響個體創(chuàng)業(yè)決策，進(jìn)而促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升。

1.2.1 創(chuàng)業(yè)能力的中介效應(yīng)

人工智能發(fā)展能夠提升創(chuàng)業(yè)者的創(chuàng)業(yè)能力δ，進(jìn)而影響個體創(chuàng)業(yè)選擇。首先，人工智能利用互聯(lián)網(wǎng)技術(shù)與信息平臺，打破傳統(tǒng)的地理和空間限制，促進(jìn)各類生產(chǎn)要素跨區(qū)域流動[20]。以往由于地域限制，創(chuàng)業(yè)者面臨資源獲取難題，而人工智能技術(shù)的應(yīng)用及普及使得部分要素能夠自由流動，縮小區(qū)域間資源差異，有助于不同創(chuàng)新主體平等參與市場競爭。其次，人工智能通過高效處理海量數(shù)據(jù)，幫助創(chuàng)業(yè)者發(fā)掘潛在市場，識別未被充分挖掘的創(chuàng)業(yè)機(jī)會，發(fā)現(xiàn)新興市場需求[21]。最后，隨著人工智能在各行業(yè)中的深度應(yīng)用，促進(jìn)商業(yè)模式創(chuàng)新與優(yōu)化。人工智能在數(shù)據(jù)分析、精準(zhǔn)營銷、供應(yīng)鏈優(yōu)化等方面的應(yīng)用，有助于創(chuàng)業(yè)者更好地洞悉消費(fèi)者需求，提升創(chuàng)業(yè)者在新興商業(yè)模式中的競爭力[22]。據(jù)此，本文提出以下假設(shè)：

H₂ ：人工智能發(fā)展通過增強(qiáng)創(chuàng)業(yè)者創(chuàng)業(yè)能力，提升創(chuàng)業(yè)活躍度。

1.2.2融資約束的中介效應(yīng)

人工智能發(fā)展能夠緩解創(chuàng)業(yè)者面臨的融資約束，進(jìn)而影響個體創(chuàng)業(yè)決策。當(dāng)開展創(chuàng)業(yè)活動所需的資本投入 K 大于家庭初始財富 c 時，創(chuàng)業(yè)者需要借貸 （K- C ）部分資金才能保證創(chuàng)業(yè)活動順利開展。由于道德風(fēng)險存在，資本市場呈現(xiàn)不完全性，創(chuàng)業(yè)者面臨資本市場的融資約束，融資額受到初始財富的限制。假定最大融資額為 λC ，此條件下創(chuàng)業(yè)者的最優(yōu)化問題為：

通過拉格朗日乘數(shù)法求解，最優(yōu)資本投入水平 K^* 為：

若 λCgt;K^* ，則創(chuàng)業(yè)者能夠獲得最優(yōu)資本投入水平 κ^* ，否則會受到融資約束的影響。當(dāng)資本投入無法達(dá)到最優(yōu)值時，創(chuàng)業(yè)者為獲得最佳收益，會將最大融資額 λC 作為創(chuàng)業(yè)資本。人工智能在數(shù)字金融中的應(yīng)用，能夠有效緩解企業(yè)融資約束。一方面，人工智能通過移動應(yīng)用和在線平臺的廣泛使用，使得金融服務(wù)能覆蓋更多創(chuàng)業(yè)者，尤其是偏遠(yuǎn)地區(qū)或規(guī)模較小的創(chuàng)業(yè)者[23]；另一方面，人工智能利用大數(shù)據(jù)分析幫助金融機(jī)構(gòu)精確評估信用風(fēng)險，作出更快、更精準(zhǔn)的信貸決策，提高融資可能性[24]。由此，人工智能發(fā)展有助于將創(chuàng)業(yè)者的最大可融資額λC變現(xiàn)為最優(yōu)資本投入 K^* ，從而緩解創(chuàng)業(yè)者融資約束，促進(jìn)創(chuàng)業(yè)活動開展。據(jù)此，本文提出以下假設(shè)：

H₃ ：人工智能發(fā)展通過緩解創(chuàng)業(yè)者融資約束，促進(jìn)創(chuàng)業(yè)活躍度提升。

1.2.3資本回報的中介效應(yīng)

人工智能發(fā)展通過提高創(chuàng)業(yè)者資本回報率 Ω_a ，對創(chuàng)業(yè)決策產(chǎn)生重要影響。人工智能技術(shù)通過提供數(shù)據(jù)支持、提高管理效率和優(yōu)化資源配置，幫助創(chuàng)業(yè)者在復(fù)雜的市場環(huán)境中快速作出合理決策。一方面，人工智能通過智能數(shù)據(jù)分析，幫助創(chuàng)業(yè)者預(yù)測市場趨勢、識別潛在機(jī)會與風(fēng)險，從而提前調(diào)整策略，提高應(yīng)對市場變化的靈活性[25]。另一方面，人工智能幫助創(chuàng)業(yè)者優(yōu)化資源配置，使企業(yè)能夠在有限的資源條件下集中力量發(fā)展創(chuàng)新項目，提高技術(shù)研發(fā)和市場推廣效率，提升資本回報率（姚加權(quán)等，2024）。同時，在傳統(tǒng)生產(chǎn)模式中勞動力是主要生產(chǎn)要素，人工智能通過“機(jī)器換人”方式，大規(guī)模取代低技能勞動力崗位，特別是高頻、危險或復(fù)雜任務(wù)。這有助于降低人工依賴，大幅減少與勞動力相關(guān)的成本投人[26]，促進(jìn)創(chuàng)業(yè)活動開展。據(jù)此，本文提出以下假設(shè)：

H₄ ：人工智能發(fā)展通過增加創(chuàng)業(yè)者的資本回報，促進(jìn)創(chuàng)業(yè)活躍度提升。

1.2.4創(chuàng)業(yè)能力與資本回報的協(xié)同效應(yīng)

人工智能技術(shù)應(yīng)用通過提升創(chuàng)業(yè)能力和資本回報水平，對區(qū)域創(chuàng)業(yè)活躍度發(fā)揮協(xié)同效應(yīng)。高水平創(chuàng)業(yè)能力通常意味著資源配置能力與創(chuàng)新能力也較強(qiáng)，創(chuàng)業(yè)者能夠更快識別市場機(jī)會，在開發(fā)新產(chǎn)品或提供服務(wù)時高效利用資本，提升資本邊際產(chǎn)出。這種高效的資本利用往往帶來更高的資本回報，進(jìn)而激勵更多創(chuàng)業(yè)活動涌現(xiàn)[2]；與此同時，較高的資本回報為創(chuàng)業(yè)者提供更多資源投入與擴(kuò)展機(jī)會。資本回報提升不僅意味著企業(yè)能獲得更高經(jīng)濟(jì)效益，而且增強(qiáng)企業(yè)再投資能力，催生更強(qiáng)的創(chuàng)新動力（榮健欣等，2024），提高企業(yè)創(chuàng)業(yè)能力。由此，創(chuàng)業(yè)能力與資本回報之間形成相互促進(jìn)的良性循環(huán)，進(jìn)而產(chǎn)生協(xié)同效應(yīng)，促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升。據(jù)此，本文提出以下假設(shè)：

H₅ ：人工智能發(fā)展通過創(chuàng)業(yè)能力與資本回報的協(xié)同效應(yīng)，促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升。

2 研究設(shè)計

2.1 模型構(gòu)建

本研究將“國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)”設(shè)立視為準(zhǔn)自然實(shí)驗(yàn)，使用雙重機(jī)器學(xué)習(xí)模型識別人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的影響。其合理性在于：一方面，傳統(tǒng)雙重差分模型要求試點(diǎn)滿足非自選擇假設(shè)，但國家在設(shè)立人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)時會受到當(dāng)?shù)亟?jīng)濟(jì)結(jié)構(gòu)和經(jīng)濟(jì)發(fā)展水平的影響，導(dǎo)致變量間存在交互影響偏誤。雙重機(jī)器學(xué)習(xí)通過使用工具變量、開展兩階段預(yù)測殘差回歸和分割樣本的方法，可以有效保障估計結(jié)果無偏性。另一方面，區(qū)域創(chuàng)業(yè)活躍度通常以地區(qū)當(dāng)年新注冊企業(yè)總數(shù)來衡量，會受到當(dāng)?shù)亟?jīng)濟(jì)發(fā)展、文化背景等高維度因素影響，導(dǎo)致傳統(tǒng)計量模型面臨“維數(shù)詛咒\"問題。雙重機(jī)器學(xué)習(xí)的正則化算法具備自動篩選能力，能從高維控制變量中提取出預(yù)測效能顯著的關(guān)鍵控制變量，緩解因控制變量而導(dǎo)致的估計偏差，相比于傳統(tǒng)模型更具優(yōu)越性[28]。

部分線性回歸模型兼具處理線性與非線性關(guān)系的能力，能夠捕捉如人工智能的直接影響等線性效應(yīng)，同時，體現(xiàn)由交互作用誘發(fā)的間接影響等非線性特征。因此，本研究基于雙重機(jī)器學(xué)習(xí)構(gòu)建部分線性回歸模型，以評估設(shè)立“國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)\"的政策效果。具體模型構(gòu)建如下：

lnentre_it=θ₀Treat_it+g（X_it）+ε_it

其中， i 為縣（市、區(qū)）， χ_t 為年份；lnenterit表示被解釋變量區(qū)域創(chuàng)業(yè)活躍度； Treat_it 表示設(shè)立“國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)\"的處置變量，設(shè)立試驗(yàn)區(qū)及以后為1，否則為0； Treat_it 的估計系數(shù) ，用于評估人工智能發(fā)展能否提高區(qū)域創(chuàng)業(yè)活躍度，若 θ 顯著為正，則表示人工智能發(fā)展能夠促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升；若 θ 顯著為負(fù)，則表示人工智能發(fā)展不僅沒帶來區(qū)域創(chuàng)業(yè)活躍度提升，而且對其具有抑制效應(yīng)。 X_it 為其它可能對結(jié)果變量產(chǎn)生影響的高維控制變量合集， ε_it 為誤差項。為了采用雙重機(jī)器學(xué)習(xí)算法進(jìn)行回歸分析，緩解正則偏誤產(chǎn)生的估計誤差，構(gòu)建輔助回歸方程為：

Treat_it=m（X_it）+V_it

其中， m（X_it） ）為處置變量對高維控制變量合集的回歸函數(shù)， V_it 為隨機(jī)誤差項。通過雙重機(jī)器學(xué)習(xí)模型估計政策效應(yīng)的具體步驟為：首先，利用機(jī)器學(xué)習(xí)算法估計輔助回歸 m（X_it ）的具體函數(shù)形式 m（X_it） ），計算殘差的估計值 ；然后，利用機(jī)器學(xué)習(xí)算法估計主回歸中 m（X_it ）的函數(shù)形式 m（X_it） ，將主回歸函數(shù)形式改寫為 ·最后，將第一步估計出的 V_it 作為主回歸中處置變量Treatu的工具變量進(jìn)行回歸，最終獲得無偏的處置變量系數(shù)估計值 θ 。

2.2 變量定義

（1）被解釋變量：區(qū)域創(chuàng)業(yè)活躍度（lnentre）。現(xiàn)有研究通常使用省級和地級市層面新注冊企業(yè)數(shù)衡量區(qū)域創(chuàng)業(yè)活躍程度，但使用該層級數(shù)據(jù)可能掩蓋區(qū)域內(nèi)部的經(jīng)濟(jì)差異，難以精確捕捉政策沖擊對創(chuàng)業(yè)活躍度的影響。縣級單位作為行政區(qū)域的基礎(chǔ)層級，能夠更準(zhǔn)確地反映區(qū)域經(jīng)濟(jì)活躍度與創(chuàng)業(yè)水平，從而實(shí)現(xiàn)對政策效果的精準(zhǔn)評估。借鑒相關(guān)做法（李茂林等，2024），通過Python結(jié)合網(wǎng)絡(luò)爬蟲技術(shù)獲取來自“天眼查”網(wǎng)站的工商企業(yè)注冊登記數(shù)據(jù)，并精準(zhǔn)識別出各縣（市、區(qū)）新增注冊企業(yè)數(shù)量，以此作為創(chuàng)業(yè)活躍度的代理變量。

（2）核心解釋變量：國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立（Treat）。本研究選取長江經(jīng)濟(jì)帶766個縣（市、區(qū)）作為研究樣本，旨在探討以長江經(jīng)濟(jì)帶為代表的重大國家戰(zhàn)略發(fā)展區(qū)域，其人工智能發(fā)展與創(chuàng)業(yè)活躍度之間的邏輯關(guān)系，為其他地區(qū)推動人工智能技術(shù)應(yīng)用與普及提供決策依據(jù)。具體做法為：將設(shè)立為試驗(yàn)區(qū)的縣（市、區(qū)）作為處理組，設(shè)立當(dāng)年及以后取值為1，否則為0;將未設(shè)立為試驗(yàn)區(qū)的縣（市、區(qū)）作為對照組，取值為0。

（3）機(jī)制變量：包括創(chuàng)業(yè)能力（ski）、融資約束（finan）和資本回報（capital）。

創(chuàng)業(yè)能力（ski）是創(chuàng)業(yè)者持續(xù)推動創(chuàng)業(yè)活動的源動力。為了量化并評估創(chuàng)業(yè)能力，本研究借鑒王元地和陳禹29的研究，通過綜合分析創(chuàng)業(yè)能力的三個維度的關(guān)鍵指標(biāo)，即創(chuàng)業(yè)主體、創(chuàng)業(yè)環(huán)境和創(chuàng)業(yè)績效，采用主成分分析法（PCA）提取出代表創(chuàng)業(yè)能力的綜合指標(biāo)。構(gòu)建創(chuàng)業(yè)主體指標(biāo)時，選用普通中學(xué)在校學(xué)生數(shù)和年末總?cè)丝谝?guī)模，以反映區(qū)域內(nèi)潛在創(chuàng)業(yè)者數(shù)量與基礎(chǔ)素質(zhì)；構(gòu)建創(chuàng)業(yè)環(huán)境指標(biāo)時，選用城鎮(zhèn)居民家庭人均消費(fèi)支出、寬帶接入用戶數(shù)和移動電話使用人數(shù)，以衡量創(chuàng)業(yè)依賴的基礎(chǔ)設(shè)施和市場條件；構(gòu)建創(chuàng)業(yè)績效指標(biāo)時，選用發(fā)明專利申請量和服務(wù)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比例，以評估區(qū)域創(chuàng)新能力與經(jīng)濟(jì)活躍度。

融資約束（finan）是限制創(chuàng)業(yè)活動開展的關(guān)鍵因素。在創(chuàng)業(yè)過程中，資金是啟動和維持企業(yè)運(yùn)營的關(guān)鍵資源，高融資成本意味著創(chuàng)業(yè)者在獲取資金過程中需要付出更多努力、面臨更大創(chuàng)業(yè)難度與風(fēng)險；低融資成本則表明創(chuàng)業(yè)門檻較低，有助于更多創(chuàng)業(yè)者進(jìn)入市場。數(shù)字金融能夠有效降低創(chuàng)業(yè)者融資成本和融資難度，參考狄嘉等4的研究，以北京大學(xué)數(shù)字金融研究中心發(fā)布的縣域數(shù)字金融普惠發(fā)展指數(shù)來衡量縣（市、區(qū)）數(shù)字金融發(fā)展程度，以反映融資可得性。

資本回報（capital）通過區(qū)域勞動生產(chǎn)率體現(xiàn)。區(qū)域勞動生產(chǎn)率反映整體生產(chǎn)效率，生產(chǎn)效率高表明資本邊際產(chǎn)出多，即資本回報大，有助于資本在生產(chǎn)過程中實(shí)現(xiàn)高效配置[30]。創(chuàng)業(yè)活動中，較高的勞動生產(chǎn)率通常意味著企業(yè)能夠以更低勞動成本創(chuàng)造出更多價值，不僅體現(xiàn)創(chuàng)業(yè)活動的生產(chǎn)效率高，而且反映出資本回報提升。本研究以區(qū)域總產(chǎn)出增加值與總就業(yè)人數(shù)的比值衡量。

（4）控制變量。基于相關(guān)研究，選取以下控制變量： ① 經(jīng)濟(jì)發(fā)展水平（lnrgdp），經(jīng)濟(jì)發(fā)展水平較高縣（市、區(qū)）通常會產(chǎn)生人才、技術(shù)和資本的集聚效應(yīng)，為創(chuàng)業(yè)者提供更多機(jī)會和更高回報，因此本文以地區(qū)人均生產(chǎn)總值衡量； ② 人力資本（lnedu），擁有較多人力資本的地區(qū)通常具備較高創(chuàng)業(yè)能力，故以普通中學(xué)在校學(xué)生數(shù)占年末總?cè)丝诘谋戎睾饬浚?③ 工業(yè)規(guī)模（ngy），工業(yè)規(guī)模較大地區(qū)通常擁有更多生產(chǎn)資源、基礎(chǔ)設(shè)施和市場機(jī)會，易于吸引更多企業(yè)人駐和投資，本文以地區(qū)第二產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值的比重衡量； ④ 稅收規(guī)模（Lnsr），政府可能通過稅收減免等政策激勵創(chuàng)業(yè)活動，故以政府稅收收入占地區(qū)生產(chǎn)總值的比值衡量； ⑤ 收入水平（lnubrinc），較高的收入水平有助于增強(qiáng)居民創(chuàng)業(yè)意愿和能力，因此以地區(qū)城鎮(zhèn)居民人均可支配收入衡量。

2.3 數(shù)據(jù)來源與描述性統(tǒng)計

本文以2012—2022年長江經(jīng)濟(jì)帶766個縣（市、區(qū)）為研究對象，被解釋變量數(shù)據(jù)來源于“天眼查”網(wǎng)站，控制變量數(shù)據(jù)來源于《中國縣域統(tǒng)計年鑒》《中國區(qū)域經(jīng)濟(jì)數(shù)據(jù)庫》和各地區(qū)統(tǒng)計年鑒。剔除樣本中數(shù)據(jù)缺失較多的縣（市、區(qū)）后，應(yīng)用插值法對數(shù)據(jù)進(jìn)行補(bǔ)齊，最終獲得8426個觀測值。為了使數(shù)據(jù)分析不受量綱差異的影響，運(yùn)算過程中對部分變量取對數(shù)以消除異方差。描述性統(tǒng)計結(jié)果見表1。

3 實(shí)證結(jié)果與分析

3.1 基準(zhǔn)回歸

運(yùn)用雙重機(jī)器學(xué)習(xí)模型估計人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的影響效應(yīng)，具體做法為：將樣本分割比例設(shè)定為 1：4 ，采用隨機(jī)森林算法對主回歸與輔助回歸進(jìn)行預(yù)測求解，基準(zhǔn)回歸結(jié)果見表2。結(jié)果顯示，無論是否加入控制變量，人工智能發(fā)展與區(qū)域創(chuàng)業(yè)活躍度提升均呈顯著正相關(guān)關(guān)系。這表明國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立能有效加快人工智能技術(shù)應(yīng)用，促進(jìn)區(qū)域創(chuàng)業(yè)活動開展，即假設(shè) H_i 成立。

3.2 穩(wěn)健性檢驗(yàn)

（1）縮短研究樣本期。鑒于人工智能技術(shù)正處于快速發(fā)展階段，為了降低技術(shù)進(jìn)展對研究結(jié)果的潛在影響，并考慮到第一批人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)自2019年開始陸續(xù)設(shè)立，本研究將樣本期縮短至2016—2022年，以確保政策實(shí)施前后的時間段保持一致。表3列（1）為縮短樣本期的回歸結(jié)果，估計系數(shù)顯著為正，說明試驗(yàn)區(qū)設(shè)立顯著提升區(qū)域創(chuàng)業(yè)活躍度。

（2）考慮空間溢出效應(yīng)。由于國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立可能對空間關(guān)聯(lián)縣域的創(chuàng)業(yè)活動也產(chǎn)生影響，為了準(zhǔn)確評估試驗(yàn)區(qū)設(shè)立對區(qū)域創(chuàng)業(yè)活躍度的影響，將區(qū)域創(chuàng)業(yè)活躍度的空間滯后項、國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立政策實(shí)施的空間滯后項加入模型，拓展為空間杜賓模型（SDM），回歸結(jié)果如表3列（2）所示。可以發(fā)現(xiàn)，在考慮空間溢出效應(yīng)后，人工智能發(fā)展仍顯著促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升，再次驗(yàn)證基準(zhǔn)回歸結(jié)論穩(wěn)健。

（3）剔除異常值影響。考慮到回歸樣本中的異常值可能導(dǎo)致估計結(jié)果偏誤，本研究將基準(zhǔn)回歸模型中除核心解釋變量外的所有變量分別進(jìn)行前后 1% 、2.5%.5% 的縮尾處理，替換超出上分位點(diǎn)和低于下分位點(diǎn)的數(shù)值，并以此進(jìn)行回歸分析，回歸結(jié)果見表3列（3）～（5） 。結(jié)果顯示，剔除異常值后未出現(xiàn)顯著變化，說明基準(zhǔn)結(jié)論具有穩(wěn)健性。

（4）更換計量模型。本研究在雙重機(jī)器學(xué)習(xí)模型的基礎(chǔ)上，補(bǔ)充基于雙重差分模型（DID）的估計結(jié)果，回歸結(jié)果如表3列（6）所示。可以發(fā)現(xiàn)，通過雙重差分模型得到的估計系數(shù)仍顯著為正，且系數(shù)絕對值未發(fā)生明顯變化，說明基準(zhǔn)回歸結(jié)論具有穩(wěn)健性。

（5）更換機(jī)器學(xué)習(xí)算法。為避免預(yù)測算法設(shè)定偏誤對結(jié)論產(chǎn)生影響，將前文中采用的隨機(jī)森林算法更換為套索回歸、梯度提升以及神經(jīng)網(wǎng)絡(luò)，由此得到的估計結(jié)果見表4。由表4列 （1）～（3） 可以看出，無論采取何種機(jī)器學(xué)習(xí)算法，均不影響人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的正向促進(jìn)效應(yīng)，說明基準(zhǔn)回歸結(jié)果穩(wěn)健。

（6）調(diào)整樣本分割比例。為避免雙重機(jī)器學(xué)習(xí)模型設(shè)定偏誤對研究結(jié)論的影響，重設(shè)樣本分割比例，將分割比例由 1：4 調(diào)整為 1：2 和 1：6 。表4列（4）（5）結(jié)果顯示，在調(diào)整雙重機(jī)器學(xué)習(xí)的樣本分割比例后，人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的作用效應(yīng)仍然顯著為正，再次驗(yàn)證基準(zhǔn)回歸結(jié)果穩(wěn)健。

（7）重設(shè)雙重機(jī)器學(xué)習(xí)模型。基準(zhǔn)回歸中利用雙重機(jī)器學(xué)習(xí)構(gòu)建部分線性模型進(jìn)行分析，模型設(shè)定存在一定主觀性，接下來采用雙重機(jī)器學(xué)習(xí)構(gòu)建更為一般性的交互式模型，探究模型設(shè)定對本文結(jié)論的影響。從表4列（6）的回歸結(jié)果可以看出，重設(shè)雙重機(jī)器學(xué)習(xí)模型并不改變估計系數(shù)顯著性，說明基準(zhǔn)結(jié)論穩(wěn)健。

（8）內(nèi)生性處理。為避免存在雙向因果和遺漏變量問題，本研究一方面對所有控制變量采取滯后一期處理，并進(jìn)行回歸分析；另一方面，通過工具變量法緩解內(nèi)生性問題，借鑒張濤和李均超[31]的做法，構(gòu)建雙重機(jī)器學(xué)習(xí)的部分線性工具變量模型，具體設(shè)置如下：

lnentre_it+1=θ_oTreat_it+g（X_it）+U_it

Instrument_it=m（X_it）+V_it

其中，Instrument 為 Treat_it 的工具變量，參考黃群慧等[32]的做法，將1984年地級市層面每百人擁有固定電話數(shù)作為人工智能發(fā)展的工具變量。這是因?yàn)?984年固定電話普及程度反映了當(dāng)時各城市基礎(chǔ)設(shè)施和信息通信技術(shù)水平。通常情況下，基礎(chǔ)設(shè)施完善且信息化程度高的城市更易于落實(shí)科技政策，滿足工具變量的相關(guān)性要求。此外，1984年固定電話普及率與當(dāng)前區(qū)域創(chuàng)業(yè)活躍度無直接聯(lián)系，從而滿足外生性條件。由于研究樣本為均衡面板數(shù)據(jù)，僅采用1984年固定電話數(shù)作為工具變量可能導(dǎo)致難以度量的問題，故借鑒 Nunn^[33] 的方法，構(gòu)造1984年每百人固定電話數(shù)與上年各縣（市、區(qū)）寬帶用戶接入數(shù)的交互項，作為國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立的工具變量。表4列（7）（8）為內(nèi)生性處理的回歸結(jié)果，可以看出Treat的估計系數(shù)顯著為正，再次證明本研究結(jié)論成立。

3.3 機(jī)制檢驗(yàn)

基于前文理論分析，進(jìn)一步探討人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的作用機(jī)制。借鑒溫忠麟等[34]和倪宣明等[35]構(gòu)建的中介效應(yīng)模型，檢驗(yàn)創(chuàng)業(yè)能力、融資約束和資本回報的中介作用。具體的機(jī)制檢驗(yàn)?zāi)Ｐ腿缦拢?/p>

lnentre_it=θ₀Treat_it+g₁（X_it）+ε_1it

E（ε_1it∣Treat_it，X_it）=0

M_it=θ₁Treat_it+g₂（X_it）+ε_2it

E（ε_2it∣Treat_it，X_it）=0

Treat_it=m（X_it）+V_it，E（V_it|X_it）=0

其中， M_it 為機(jī)制變量合集，包括創(chuàng)業(yè)能力（skill）、融資約束（finan）和資本回報（capital），其余變量同式（7）（8）。機(jī)制檢驗(yàn)結(jié)果見表5。

（1）提升創(chuàng)業(yè)能力。由表5列（1）（2）的回歸結(jié)果可知，國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立增強(qiáng)了創(chuàng)業(yè)能力，促進(jìn)了創(chuàng)業(yè)活躍度提升。這是因?yàn)樵囼?yàn)區(qū)的創(chuàng)業(yè)者能夠較早、較全面地接觸最新人工智能技術(shù)，不僅激勵其創(chuàng)新思維、增強(qiáng)創(chuàng)新能力，而且通過應(yīng)用先進(jìn)技術(shù)提升產(chǎn)品和服務(wù)質(zhì)量，促進(jìn)創(chuàng)業(yè)活動開展，因此假設(shè) H₂ 得以驗(yàn)證。

（2）緩解融資約束。由表5列（3）（4）的回歸結(jié)果可知，國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立有效緩解了創(chuàng)業(yè)者融資約束，促進(jìn)了創(chuàng)業(yè)活躍度提升。這是因?yàn)樵囼?yàn)區(qū)內(nèi)通過應(yīng)用人工智能、大數(shù)據(jù)等技術(shù)，金融機(jī)構(gòu)能夠更加準(zhǔn)確地評估創(chuàng)業(yè)項目風(fēng)險和潛力，作出科學(xué)的投資決策，提升融資效率，從而助力更多有潛力的創(chuàng)業(yè)者獲得資金支持，即假設(shè) H₃ 得以驗(yàn)證。

（3）增加資本回報。由表5列（5）（6）的回歸結(jié)果可知，國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立有效提升創(chuàng)業(yè)者資本回報率，從而促進(jìn)創(chuàng)業(yè)活躍度提升，即假設(shè) H₄ 得以驗(yàn)證。這是因?yàn)槔孟冗M(jìn)的人工智能技術(shù)，能夠提高產(chǎn)品生產(chǎn)或服務(wù)效率，降低勞動成本，進(jìn)而增加資本回報率。

（4）創(chuàng)業(yè)能力與資本回報的協(xié)同效應(yīng)。創(chuàng)業(yè)能力能夠通過提高資源利用率和創(chuàng)新成果產(chǎn)出增加資本回報，而資本回報增大則能為創(chuàng)業(yè)者提供更多資金支持和激勵，進(jìn)一步提升創(chuàng)業(yè)能力。因此，二者的協(xié)同作用能促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升，本研究將創(chuàng)業(yè)能力、資本回報及二者的交互項納入中介機(jī)制模型，進(jìn)行實(shí)證檢驗(yàn)。由表5列（7）的回歸結(jié)果可知，創(chuàng)業(yè)能力提升與資本回報增大均可以顯著促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升。進(jìn)一步將二者交互項加入模型，從表5列（8）可以看出，交互項回歸系數(shù)顯著為正，表明二者之間具有協(xié)同效應(yīng)，說明創(chuàng)業(yè)能力與資本回報能夠協(xié)同促進(jìn)區(qū)域創(chuàng)業(yè)活躍度提升，假設(shè) H₅ 得以驗(yàn)證。

3.4 異質(zhì)性分析

根據(jù)集聚經(jīng)濟(jì)理論，人口規(guī)模擴(kuò)大與集聚經(jīng)濟(jì)形成不僅能夠刺激區(qū)域市場需求和消費(fèi)潛力，而且能夠降低交易成本，加速知識溢出，從而激發(fā)區(qū)域市場主體的創(chuàng)業(yè)活力[36]。為探究區(qū)域人口規(guī)模的差異性對國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)政策效果的影響，參考崔靜和程文[3的研究，通過對各縣（市、區(qū)）每年人口規(guī)模的加總?cè)【担⒏鶕?jù)其中位數(shù)46萬人，將樣本分為人口規(guī)模較大和較小地區(qū)，具體回歸結(jié)果見表6。

從表6結(jié)果看，國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立的政策效應(yīng)僅在人口規(guī)模較大 （gt;46 萬人）地區(qū)顯著為正，而在人口規(guī)模較小（ ?46 萬人）地區(qū)不顯著，說明當(dāng)人口規(guī)模超過46萬則知識溢出與市場規(guī)模效應(yīng)顯著，符合創(chuàng)業(yè)生態(tài)的臨界質(zhì)量理論。這可能是因?yàn)槿丝谝?guī)模較大地區(qū)由于擁有龐大的消費(fèi)群體和多樣化需求，人工智能技術(shù)應(yīng)用和創(chuàng)新空間更為廣闊，促使商業(yè)活動能夠迅速達(dá)到最低生產(chǎn)門檻，從而推動創(chuàng)業(yè)活動開展。而在人口較少地區(qū)，由于市場規(guī)模較小、消費(fèi)需求較弱，人工智能技術(shù)的應(yīng)用范圍有限，從而限制創(chuàng)業(yè)活動開展。因此，應(yīng)優(yōu)先在人口密集的大城市布局和推廣人工智能技術(shù)，同時，針對中小城市優(yōu)化技術(shù)滲透路徑，以最大化人工智能發(fā)展對創(chuàng)業(yè)活躍度的積極效應(yīng)。

4進(jìn)一步分析

4.1 經(jīng)濟(jì)效益分析

前文探究了人工智能發(fā)展能夠提升區(qū)域創(chuàng)業(yè)活躍度，進(jìn)一步分析，人工智能能否通過促進(jìn)創(chuàng)業(yè)活動增加，為區(qū)域經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型和高質(zhì)量發(fā)展注人新動力呢？為驗(yàn)證這一觀點(diǎn)，本研究以地區(qū)生產(chǎn)總值作為經(jīng)濟(jì)發(fā)展水平的代理變量，以第三產(chǎn)業(yè)與第二產(chǎn)業(yè)生產(chǎn)總值之比作為產(chǎn)業(yè)結(jié)構(gòu)水平的代理變量，分別替換被解釋變量進(jìn)行回歸分析，結(jié)果如表7所示。人工智能發(fā)展顯著推動我國區(qū)域經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型，促進(jìn)經(jīng)濟(jì)發(fā)展水平提升，說明人工智能正成為驅(qū)動經(jīng)濟(jì)高質(zhì)量發(fā)展的重要引擎。

4.2 行業(yè)分析

由于技術(shù)需求、勞動密集度、資本投入等方面的差異，不同行業(yè)對人工智能的適應(yīng)性和應(yīng)用效果也各不相同，可能導(dǎo)致人工智能發(fā)展對創(chuàng)業(yè)活躍度的影響具有行業(yè)異質(zhì)性。為探討人工智能發(fā)展對創(chuàng)業(yè)行業(yè)類型的異質(zhì)性影響，本研究基于2012一2022年中國工商注冊企業(yè)數(shù)據(jù)庫，依據(jù)行業(yè)分類指導(dǎo)目錄，計算各縣（市、區(qū)）18個行業(yè)每年新增企業(yè)注冊總量，具體結(jié)果如圖1所示。A一R分別為科學(xué)研究和技術(shù)服務(wù)業(yè)、信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)、租賃和商務(wù)服務(wù)業(yè)、批發(fā)和零售業(yè)、采礦業(yè)、居民服務(wù)修理和其他服務(wù)業(yè)文化、體育和娛樂業(yè)、建筑業(yè)、交通運(yùn)輸倉儲和郵政業(yè)、房地產(chǎn)業(yè)、水利環(huán)境和公共設(shè)施管理業(yè)、電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè)、農(nóng)林牧漁業(yè)、住宿和餐飲業(yè)、制造業(yè)、金融業(yè)、教育衛(wèi)生和社會工作業(yè)。

從圖1可以看出，人工智能發(fā)展顯著提升多行業(yè)創(chuàng)業(yè)活躍度，包括科學(xué)研究和技術(shù)服務(wù)業(yè)、信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)等，說明人工智能技術(shù)在各行業(yè)中的應(yīng)用，尤其是在技術(shù)密集型產(chǎn)業(yè)、生產(chǎn)性服務(wù)業(yè)和生活性服務(wù)業(yè)中能夠顯著降低創(chuàng)業(yè)門檻、提升市場競爭力，從而促進(jìn)創(chuàng)業(yè)活動開展。

5結(jié)語

5.1 研究結(jié)論

本研究基于創(chuàng)業(yè)選擇視角，運(yùn)用雙重機(jī)器學(xué)習(xí)模型探究國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立對區(qū)域創(chuàng)業(yè)活躍度的影響及作用機(jī)制，得出以下研究結(jié)論：（1）人工智能發(fā)展顯著提升區(qū)域創(chuàng)業(yè)活躍度。通過更換雙重機(jī)器學(xué)習(xí)模型、考慮空間溢出效應(yīng)、改變機(jī)器學(xué)習(xí)算法等一系列穩(wěn)健性檢驗(yàn)，研究結(jié)論依然成立。（2）作用機(jī)制檢驗(yàn)發(fā)現(xiàn)，人工智能發(fā)展通過提升創(chuàng)業(yè)者創(chuàng)業(yè)能力、緩解融資約束和增加資本回報，間接驅(qū)動區(qū)域創(chuàng)業(yè)活躍度提升。其中，創(chuàng)業(yè)能力提升通過提高資源利用率和成果創(chuàng)新價值增加資本回報，資本回報增加則給創(chuàng)業(yè)者帶來更多資金支持和激勵，從而能進(jìn)一步提升創(chuàng)業(yè)能力，二者之間具有顯著協(xié)同效應(yīng)。

（3）基于分行業(yè)進(jìn)一步分析發(fā)現(xiàn)，人工智能發(fā)展對多個行業(yè)的創(chuàng)業(yè)活動具有顯著驅(qū)動作用，尤其是在技術(shù)密集型產(chǎn)業(yè)、生產(chǎn)性服務(wù)業(yè)和生活型服務(wù)業(yè)。通過經(jīng)濟(jì)效應(yīng)的實(shí)證檢驗(yàn)發(fā)現(xiàn)，人工智能發(fā)展顯著推動我國區(qū)域經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型和高質(zhì)量發(fā)展。

（4）人口規(guī)模異質(zhì)性分析發(fā)現(xiàn)，在人口規(guī)模較大地區(qū)，人工智能發(fā)展對區(qū)域創(chuàng)業(yè)活躍度的促進(jìn)作用更顯著；在人口規(guī)模較小地區(qū)，這種促進(jìn)作用并不明顯。這說明只有當(dāng)區(qū)域人口規(guī)模達(dá)到一定閥值時，人工智能發(fā)展對創(chuàng)業(yè)活躍度的促進(jìn)效應(yīng)才會顯現(xiàn)。

5.2 政策啟示

（1）加快人工智能基礎(chǔ)設(shè)施建設(shè)與技術(shù)普惠化應(yīng)用，充分激發(fā)區(qū)域創(chuàng)業(yè)活力。應(yīng)建設(shè)區(qū)域性人工智能開放創(chuàng)新平臺，提供標(biāo)準(zhǔn)化算法庫、開發(fā)工具及行業(yè)數(shù)據(jù)集，借助技術(shù)擴(kuò)散提升創(chuàng)業(yè)者的技術(shù)整合與應(yīng)用能力，確保區(qū)域內(nèi)所有創(chuàng)業(yè)者能夠共享技術(shù)紅利，從而推動整體創(chuàng)新能力提升。同時，建議設(shè)立“人工智能 + 創(chuàng)業(yè)\"公共服務(wù)基金，為初創(chuàng)企業(yè)提供低成本的人工智能模型訓(xùn)練及技術(shù)咨詢服務(wù)，重點(diǎn)解決中小企業(yè)在融資與技術(shù)采納方面的困難。由此，通過強(qiáng)化“創(chuàng)業(yè)能力—資本回報\"之間的協(xié)同機(jī)制，提升創(chuàng)業(yè)者人工智能素養(yǎng)與資源整合能力，形成“能力提升 $$ 資本增值 $$ 能力再投資”的正向反饋循環(huán)，最大化機(jī)制協(xié)同效應(yīng)，促進(jìn)技術(shù)創(chuàng)新與資本流動的良性互動。

（2）實(shí)施產(chǎn)業(yè)差異化發(fā)展引導(dǎo)策略，推動經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型與高質(zhì)量發(fā)展。應(yīng)根據(jù)各行業(yè)特征，精準(zhǔn)制定相關(guān)政策。對于技術(shù)密集型產(chǎn)業(yè)，應(yīng)加大政策支持力度，推動技術(shù)創(chuàng)新和產(chǎn)業(yè)升級；對于生產(chǎn)性服務(wù)業(yè)和生活性服務(wù)業(yè)，應(yīng)提供更多優(yōu)惠政策和便利措施，促進(jìn)人工智能技術(shù)與服務(wù)業(yè)深度融合。此外，還應(yīng)鼓勵龍頭企業(yè)牽頭，聯(lián)合初創(chuàng)企業(yè)與科研機(jī)構(gòu)攻關(guān)共性技術(shù)，推動跨行業(yè)技術(shù)擴(kuò)散，促進(jìn)技術(shù)密集型產(chǎn)業(yè)與服務(wù)業(yè)協(xié)同創(chuàng)新，進(jìn)而加速區(qū)域經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)向技術(shù)賦能型、高附加值業(yè)態(tài)，夯實(shí)高質(zhì)量發(fā)展的產(chǎn)業(yè)基礎(chǔ)。

（3）以人口規(guī)模為基準(zhǔn)優(yōu)化空間布局，破解人工智能發(fā)展閾值的約束。對于人口規(guī)模較大的都市圈或城市群，應(yīng)深化“人工智能 + 城市經(jīng)濟(jì)\"融合，設(shè)立人工智能創(chuàng)業(yè)集聚區(qū)，并提供土地和人才政策優(yōu)惠，強(qiáng)化技術(shù)、人才與資本的集聚效應(yīng)。在人口規(guī)模較小地區(qū)，應(yīng)著力彌合數(shù)字鴻溝，通過加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)與遠(yuǎn)程人工智能協(xié)作平臺建設(shè)，激發(fā)跨區(qū)域的技術(shù)輸出與服務(wù)外包，突破小規(guī)模區(qū)域發(fā)展瓶頸，推動區(qū)域間協(xié)同發(fā)展與技術(shù)共享，進(jìn)而提升整體區(qū)域的創(chuàng)新能力和經(jīng)濟(jì)競爭力。

5.3 局限與展望

本文尚存在如下不足：當(dāng)前對人工智能政策的測度存在一定局限性。現(xiàn)有研究主要以國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)設(shè)立作為代理變量，這一方式難以全面反映政策實(shí)施強(qiáng)度、覆蓋范圍以及持續(xù)時間等多維特征。后續(xù)研究可構(gòu)建更加系統(tǒng)且多樣化的指標(biāo)體系，結(jié)合政策文本分析、財政投入數(shù)據(jù)等多種信息來源，更全面、精準(zhǔn)地評估人工智能相關(guān)政策的實(shí)際效果，為完善創(chuàng)業(yè)理論、指導(dǎo)創(chuàng)業(yè)實(shí)踐以及推動區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展提供參考。

參考文獻(xiàn)：

[1]ASTURIAS J，HUR S，KEHOE T J，et al. Firm entryand exit and aggregate growth[J]. American EconomicJournal：Macroeconomics，2023，15（1）：48-105.

[2]李宏彬，李杏，姚先國，等．企業(yè)家的創(chuàng)業(yè)與創(chuàng)新精神對中國經(jīng)濟(jì)增長的影響[J]．經(jīng)濟(jì)研究，2009，44（10）：99-108.

[3] VOLKMANNC，F(xiàn)ICHTER K，KLOFSTENM，et al. Sus-tainable entrepreneurial ecosystems： an emerging field of re-search[J]. Small Business Economics，2021，56（3）：1047-1055.

[4]狄嘉，孫朋飛，苑春薈，等．?dāng)?shù)字經(jīng)濟(jì)發(fā)展驅(qū)動創(chuàng)業(yè)活躍度——基于國家大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2025，42（1）：157-177.

[5]李玉花，林雨昕，李丹丹．人工智能技術(shù)應(yīng)用如何影響企業(yè)創(chuàng)新[J]．中國工業(yè)經(jīng)濟(jì)，2024，42（10）：155-173.

[6] 陳浩，黃小洪，隆杰，等．人工智能對戰(zhàn)略性新興企業(yè)進(jìn)入的影響研究[J]．軟科學(xué)，2025，39（3）：19-27.

[7] 馬鴻佳，林樾，蘇中鋒，等．人工智能可供性、智能制造平臺價值共創(chuàng)與制造企業(yè)數(shù)字化轉(zhuǎn)型績效[J]．中國工業(yè)經(jīng)濟(jì)，2024，42（6）：155-173.

[8]SCHIAVONE F，PIETRONUDO M C， SABETTA A，etal. Designing AI implications in the venture creation process[J].International Journal of Entrepreneurial Behavior amp;.Research，2023，29（4）：838-859.

[9]AUTORD H，LEVY F，MURNANERJ. The skill con-tent of recent technological change：an empirical exploration[J].The Quarterly Journal of Economics，20o3，118（4）：1279-1333.

[10]CHALMERSD，MACKENZIE NG，CARTER S. Artifi-cial intelligence and entrepreneurship：implications forventure creation in the fourth industrial revolution[J]. En-trepreneurship Theory and Practice，2021，45（5）：1028-1053.

[11]ACEMOGLU D，RESTREPO P. Automation and new tasks ：how technology displaces and reinstates labor[J]. Journal ofEconomic Perspectives，2019，33（2）：3-30.

[12]FREY C B，OSBORNE M A. The future of employment：howsusceptible are jobs to computerization [J]． TechnologicalForecasting and Social Change，2017，114： 254-280.

[13]王永欽，董雯．機(jī)器人的興起如何影響中國勞動力市場來自制造業(yè)上市公司的證據(jù)[J]．經(jīng)濟(jì)研究，2020，55（10）：159-175.

[14]GREGORY T，SALOMONS A， ZIERAHN U. Racingwith or against the machine？ evidence from Europe[J].Journal of the European Economic Association，2022，20（2）：869-906.

[15]沈坤榮，喬剛，譚睿鵬．國家級大數(shù)據(jù)綜合試驗(yàn)區(qū)設(shè)立與就業(yè)增長[J]．中國工業(yè)經(jīng)濟(jì)，2024，42（12）：5-23.

[16]EVANS D S，JOVANOVIC B. An estimated model of en-trepreneurial choice under liquidity constraints[J]. Journalof Political Economy，1989，97（4）：808-827.

[17]BUCKLEY P J. The power of creative destruction： eco-

[18］陳喆，鄭江淮，冉征，全國統(tǒng)一大市場建設(shè)、地區(qū)間技術(shù)互補(bǔ)與省際貿(mào)易增長[J]．管理世界，2025，41（3）：68-95.

[19］張元釗．人工智能發(fā)展的多重就業(yè)效應(yīng)[J]．東南學(xué)術(shù)，2023，36（6）：170-178.

[20] 譚玉松，孫歡．人工智能技術(shù)賦能共同富裕：理論邏輯與經(jīng)驗(yàn)證據(jù)[J]．經(jīng)濟(jì)問題，2024，46（10）：59-67.

[21] 劉志陽，張宇擎．大模型創(chuàng)業(yè)：范式演進(jìn)與理論建構(gòu)[J].中國人民大學(xué)學(xué)報，2024，38（3）：87-99.

[22]譚玉松，任保平，師博．人工智能影響產(chǎn)業(yè)協(xié)同集聚的效應(yīng)研究[J]．經(jīng)濟(jì)學(xué)家，2023，35（6）：66-77.

[23] 裴輝儒，高儀琳，梁鍶．人工智能金融、就業(yè)供求意愿和高質(zhì)量充分就業(yè)——基于供求行為視角的面板雙欄模型分析[J]．陜西師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2024，53（4）：88-105.

[24］馮婉昕.人工智能與企業(yè)金融資產(chǎn)配置——來自國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)的經(jīng)驗(yàn)證據(jù)[J]．當(dāng)代財經(jīng)，2024，45（4）：141-152.

[25]MANN K，PPTTMANN L. Benign effects of automation：new evidence from patent texts[J]. The Review of Eco-nomics and Statistics，2023，105（3）：562-579.

[26]尹志鋒，曹愛家，郭家寶，等．基于專利數(shù)據(jù)的人工智能就業(yè)效應(yīng)研究——來自中關(guān)村企業(yè)的微觀證據(jù)[J]．中國工業(yè)經(jīng)濟(jì)，2023，41（5）：137-154.

[27]白雪潔，孫獻(xiàn)貞．商事制度改革對資本生產(chǎn)率的影響基于準(zhǔn)自然實(shí)驗(yàn)的研究[J]．中國經(jīng)濟(jì)問題，2022，64（4）：50-65.

[28]CHERNOZHUKOV V， CHETVERIKOV D， DEMIRERM，et al. Double/debiased machine learning for treatmentand structural parameters[J]. The Econometrics Journal，2018，21（1）：C1-C68.

[29］王元地，陳禹．區(qū)域“雙創(chuàng)”能力評價指標(biāo)體系研究-基于因子分析和聚類分析[J]．科技進(jìn)步與對策，2016，33（20）：115-121.

[30]李曉華，曾昭睿．前沿技術(shù)創(chuàng)新與新興產(chǎn)業(yè)演進(jìn)規(guī)律探析——以人工智能為例[J]．財經(jīng)問題研究，2019，41（12）：30-40.

[31]張濤，李均超．網(wǎng)絡(luò)基礎(chǔ)設(shè)施、包容性綠色增長與地區(qū)差距——基于雙重機(jī)器學(xué)習(xí)的因果推斷[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（4）：113-135.

[32]黃群慧，余泳澤，張松林．互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機(jī)制與中國經(jīng)驗(yàn)[J]．中國工業(yè)經(jīng)濟(jì)，2019，37（8）：5-23.

[33]NUNN N，QIAN N. US food aid and civil conflict[J]. A-merican Economic Review，2014，104（6）：1630-1666.

[34]溫忠麟，張雷，侯杰泰，等．中介效應(yīng)檢驗(yàn)程序及其應(yīng)用[J]．心理學(xué)報，2004，36（5）：614-620.

[35] 倪宣明，鄭田田，趙慧敏．軍民融合能降低高新技術(shù)企業(yè)權(quán)益融資成本嗎——基于雙重機(jī)器學(xué)習(xí)的實(shí)證研究[J].系統(tǒng)工程理論與實(shí)踐，2023，43（6）：1630-1650.

[36]DURANTON G，PUGA D. Micro-foundations of urbanagglomeration economies[M]//Handbook of regional andurban economics. Elsevier，2004：2063-2117.

[37] 崔靜，程文．知識產(chǎn)權(quán)保護(hù)賦能數(shù)字產(chǎn)業(yè)創(chuàng)新：影響機(jī)理與空間效應(yīng)[J]．科技進(jìn)步與對策，2025，42（8）：93-103.

The Influence of Artificial Intelligence on Regional Entrepreneurial Activity and Its Mechanism

Jiang Hengpeng1，Shi Annal，Zhou Yingqiu2 （1. School of Business，Hohai University，Nanjing 211loo，China; 2.School of Business and Management，Shanghai International Studies University，Shanghai 2Ol62o，China）

Abstract：Entrepreneurial activities are key factors driving regional economic growth，creating job opportunities，and pro moting economic transformation.However，with the intensification of global economic pressures andtheentryof the Chineseeconomy intoa\"new normal\"，traditional driversof economic growth are gradually weakening，posing significant chalenges to theentrepreneurial environment.Potential entrepreneurs notonlyneed tocontend with increasinglyfierce market competition but may also face lower success rates，leading toa decline in entrepreneurial activities across various regions.

As the coredriving forceof thenew waveof technological revolutionandindustrialtransformation，artificialintellgence（AI） is rapidly integrating into various fields in China，spawning new industries，new technologies，new business forms，and newbusiness models，thereby demonstrating its tremendous potential todriveanew waveof innovationand entrepreneurship.This rapid integration has transformed traditional industries，leading to breakthroughs in automation， data analysis，and customer engagement，which in turn accelerates economic growth. However，existing research indicatesthat the impactof AIonregional entrepreneurial activities has dual characteristics，with both positivecreation effects，suchastheemergenceof new marketsand joboportunities，and negativesubstitution efects，including thedisplacement ofcertain jobs andsectors.Thecomplex interplayofthese positiveand negative efects makes thedirectionand intensityofA'simpactonregionalentrepreneurialactivitiesstillinconclusive，eavinguncertaintyaroundtheoveralout comes for different regions and industries.

Looking back at past technological revolutions，although technological advancements may temporarily replace certain jobs in the short term，they ultimately stabilizetotal employment by generating emerging industries and creating new job positions.Therefore，with the rapid development of AI technologyand itsprofound impact on the economic landscape of China，accuratelyassessing theroleofAIinregional entrepreneurialactivities isof greatsignificanceforimproving entrepreneurial theory，guiding entrepreneurial practice，and promoting high-qualityregional economic development.To this end，this paper takesthe constructionof national new-generation AIinnovation development pilot zones asatypical case， exploring the intrinsicconnectionsand mechanisms between AI development and regional entrepreneurial activities from the perspectiveof entrepreneurialchoices，utilizing county-level panel data from 2Ol2 to 2O22andadouble machine learning model.

The research findings indicate that the construction of national new-generation AI innovation development pilot zones has asignificant efect on enhancing regional entrepreneurial activities.Mechanism analysis reveals that AIdevelopment indirectlypromotes entrepreneurialactivitiesbyenhancing entrepreneurialcapabilities，alleviating financing constraints， andincreasing capital returns，with asynergistic efect between entrepreneurial capabilitiesandcapitalreturns.Furtheranalysis finds that AIcanstimulateentrepreneurialactivities intechnology-intensive industries and productive service ndus tries，effectivelydriving regional economic structuraltransformationand highqualitydevelopment.Heterogeneityanalysis shows that the positive effectof AIonentrepreneurial activities only becomes apparent when the regional population reaches a certain threshold.

This studycontributes tothe literature in three aspects：Firstly，by revealing theexperiments of AI policies and national new-generation AI innovationdevelopment pilot zones，it proposes an innovative research perspective to explain the impactof AIonregional etrepreneurialactivities.This notonlyintegrates theoreticalexplanations fromtheperspectiveof entrepreneurial choices but also provides empirical supportfor institutionaltheoriesinthe AIera.Secondly，the paper introduces anew chainconstruction path，namely \"entrepreneurial capability—financing constraints—capital returns\"，providing strong support forfurther clarifying the complex mechanisms between AI and regional entrepreneurial activities. Onthe basisof the synergistic mechanism between \"entrepreneurial capability—capital returns\"，it proposes enhancing entrepreneurs'AIliteracyand resource integration capabilities，forminga positive fedback loopof \"capabilityenhancement-capitalappreciation-reinvestmentofcapabies\"，maximizing thesynergisticefectof the mechanism，and further promoting thevirtuous interaction between technological innovation and capital flow.Thirdly，methodologically，the paper adopts double machine learning methods to solve the problems of model mismatch and curseof dimensionality in complex analyses，thereby effectively improving the accuracy of the conclusions.

KeyWords：Artificial Intellgence；Regional Entrepreneurial Activity；Economic Structure Transformation；DoubleMachine Learning;Entrepreneurial Capability