中国数字技术创新时空演变格局及其影响因素

康艺馨, 陈雨欣, 苗成林,2*

(1.安徽理工大学 经济与管理学院, 安徽 淮南 232001;2.山东工商学院 工商管理学院, 山东 烟台 264005)

0 引言

信息化时代的到来,数字技术日益融入经济社会发展的各领域全过程,把握数字新机遇、加速数字技术创新、持续释放数字红利,已成为世界各国推动经济复苏的重要动力.数字技术是由信息通信技术所支撑的一种数字经济形态下的新技术,数字技术的发展对企业、教育和整个社会的变革造成了颠覆性影响[1],在推动经济发展质量和动力上表现出巨大优势.数字技术与实体经济的深度融合有助于推动传统技术的升级和优化企业生产流程[2],进而提高经济社会的数字化、网络化和智能化水平,加速生产和消费结构转型升级,推动技术经济范式转变,从而构建新型经济形态.世界各国特别是主要经济体纷纷出台中长期数字经济发展战略,采取各种措施做强做优做大数字经济,重塑数字时代的国家竞争力和国际新格局.我国先后出台了《促进大数据发展行动纲要》《“十四五”数字经济发展规划》等,明确指出要以数据为关键要素,加强数字基础设施建设,提升数字技术创新能力.党的二十大继续提出加快发展数字经济,促进数字经济和实体经济深度融合,打造具有国际竞争力的数字产业集群的任务.不断做强做优做大数字经济,重塑中国经济的国际竞争力,是把握新一轮科技革命和产业变革新机遇的战略选择.创新是引领发展的第一动力和国家经济增长的源泉,也是建设现代化经济体系的重要支撑.推进数字技术创新是加快数字化建设的重点和驱动经济社会发展的重要引擎,为经济社会结构的转型升级提供强大内生动力.无论是从国家发展战略需求还是从国家政策角度,数字技术创新都是促进中国经济社会高质量发展的关键所在.测度并分析中国数字技术创新的水平及其影响因素,一方面能够更加全面地刻画出我国数字技术创新发展现状与发展特征,另一方面有利于找出影响数字技术创新重要因素,分析数字技术创新发展局限并探索突破路径,为我国数字技术创新发展和政策制定提供参考.

关于数字技术创新内涵的研究,多数学者将数字技术创新拆分为“数字+技术创新”.Yoo等[3]率先提出了数字创新的概念,将数字创新定义为通过数字和物理组件形成新的产品或服务的过程;Hund 等[4]将数字创新定义为创造和利用一种固有的、无限的、增值的新奇事物(例如产品、服务、流程或商业模式);孟庆时等[5]认为数字技术创新是以信息技术为载体,实现产业数字化的技术创新过程;刘洋等[6]则认为数字技术创新是指通过组合信息、计算、连接和沟通技术,创造新的产品或模式.关于数字技术创新的研究大多集中于探讨数字技术应用对创新带来的影响.一部分学者从宏观视角出发,探讨数字技术应用对区域技术创新效率的影响,并发现数字技术应用能够促进区域技术创新效率.曹明[7]则从农村角度研究数字技术对创新的影响,研究发现数字技术是推动乡村公共服务创新的关键所在.更多的学者则聚焦企业角度,探究数字技术对企业创新效率的影响,研究发现数字技术能够提升企业的创新效率.Boeker等[8]以632家成立于十年内的生物科技企业为样本,探究数字技术如何影响创业企业的创新;汪志红等[9]研究表明数字技术可供性能对企业商业模式创新产生正向影响;Liu等[10]认为有效利用数字创新不仅能使促进造企业创新速度还能提高其运营效率;Ranta等[11]基于四家北欧领先企业对数字技术与企业商业模式创新的影响方式进行了探讨,研究表明数字技术能通过知识产生促进企业商业模式创新.但对数字技术创新的研究较少涉及其水平测度方面,在数字技术创新应用研究中少部分文献涉及了数字技术创新指标构建,仅选用数字技术相关专利代表其创新产出.如赵滨元[12]使用专利申请量代表创新产出;孙勇等[13]选用数字技术专利申请量和每千万人数字技术专利申请量分别代表数字技术创新规模与活力;孙勇等[14]的研究中则用数字技术专利申请数代表数字技术创新水平.部分学者从数字经济角度出发,如蔡超岳等[15]从数字基础设施、数字产业发展和数字普惠金融三个维度构建数字经济发展的评价体系;解亚淼等[16]从投入产出视角出发,采用BBC-DEA模型和Malmquist指数模型测算安徽省数字经济产出水平和全要素生产率.数字技术创新指标构建中还存在投入指标选取不具备针对性的问题,如蒋永彩[17]选用财政支出中R&D经费支出占比与地区R&D人员全时当量作为数字技术创新投入指标.

综上,大多数学者对数字技术的定义、数字技术创新的内涵进行了探讨,但相关研究集中于“数字+技术创新”且着重于“数字+技术创新”的分解形式,而鲜少有学者从“数字技术+创新”角度对数字技术创新进行分解.缺乏清晰的概念可能会影响对数字技术创新的理解和研究方向.在数字技术创新指标体系构建时大部分文献仅使用专利衡量数字技术创新产出.虽然用专利衡量创新产出的做法已被普遍接受,但只使用专利能否准确衡量创新产出仍然存在争议.对于数字技术创新水平测度的研究,相关文献则更少,尤其是关于数字技术创新影响因素分析的研究.为此,本文在从“数字技术+创新”角度对数字技术创新内涵做出一定程度梳理的基础上,构建了数字技术创新综合评价指标,对我国各省份数字技术创新水平进行了测度,并根据测度结果,分析其时空演进格局和影响数字技术创新水平的因素.

1 研究方法与数据来源

1.1 指标体系构建

1.1.1 数字技术创新的内涵解释

关于数字技术创新内涵的解释,传统的形式主要是从“数字+技术创新”角度进行分解解释,侧重于数字,如计算、信息、连接和沟通技术的创新,而数字技术是数字中国、数字经济的关键驱动力.对数字技术尚无统一定义,目前主要是从广义上将其定义为:以大数据、区块链、物联网、人工智能等为代表的数字新技术[18-19].由于涉及的行业较多且定义不够明确,这种分类方法难以量化数字技术的投入与产出.国家统计局发表的《数字经济及其核心产业统计分类(2021)》将数字技术应用业定义为软件开发业、电信、广播电视和卫星传输服务业、互联网相关服务业、信息技术服务业和其他数字技术应用业;《国民经济行业分类》(GB/T 4754—2017)中信息传输、软件和信息技术服务业(即ICT产业)包含电信、广播电视和卫星传输服务业、互联网和相关服务业及软件和信息技术服务业.本文参照上述两大文件,从《数字经济及其核心产业统计分类(2021)》定义的“数字技术应用业”视角出发,把数字技术创新分解为“数字技术+创新”,选用信息传输、软件和信息技术服务业代表数字技术行业,聚焦在数字技术的创新投入、创新产出和创新环境,将数字技术行业化,将数字技术创新成果数据化,以便于测算数字技术创新水平和分析数字技术创新的影响因素,也有助于进一步完善数字技术创新内涵的解释.文中所有数字技术相关数据均来源于信息传输、软件和信息技术服务业数据.

1.1.2 指标体系内容

本文从数字技术创新投入、创新产出以及创新环境三个维度来衡量中国的数字技术创新水平.其中数字技术创新投入方面从人员、财力和基础设施三大主体出发.区域数字技术产出可以很大程度测度数字技术创新水平[20].为此本文从经济、业务和知识三个层面选取代表区域数字技术产出的14个二级指标;创新环境则选取企业、经济、开放、文化和生态5个能对数字技术创新产生影响的二级指标.所有具体评价指标体系如表1所示.

表1 中国数字技术创新综合评价指标体系

1.2 数据来源

本文所用数据来源于《中国统计年鉴》《中国科技年鉴》《中国电子信息产业统计年鉴》《中国第三产业统计年鉴》《中国基本单位统计年鉴》《中国火炬统计年鉴》、中国经济社会大数据研究平台及全国各省统计年鉴.专利数据来源于大为专利数据库以及中国研究数据服务平台(CNRDS).

1.3 研究方法

1.3.1 熵值法

1.3.2 灰色关联度模型

式中:x0、xi为标准化后的序列数据,第k个时刻的值分别为x0(k)、xi(k),其中k=1,2,…,n;Δi(k)为k时刻参考序列与比较序列的绝对差,Δi=(Δi(1),Δi(2),Δi(n));M、m分为绝对差的最大差、最小差;γi(k)Δ(0,1]为关联系数,表示参考序列与第i个比较序列在k时刻的紧密程度;ρε[0,1]为分辨系数;ri为参考序列与比较序列之间的灰色关联度.

1.3.3 双向固定效应模型

2 数字技术创新时空演变结果分析

2.1 整体角度

基于表1构建的中国数字技术创新综合评价指标体系,根据熵值法计算出的2011—2020年全国四大地区及各省(区市)的数字技术创新综合得分(见表2).

由表2可知:从全国来看,数字技术创新综合得分均值从0.060 1增长至0.174 7,年均增长率达到12.592 1%,整体呈现上升态势.从省份来看,数字技术创新水平也有显著提升,2011—2020年DTI均值有9个省份超过全国平均水平,依次为广东、江苏、北京、浙江、山东、上海、四川、福建、湖北,其中广东以0.487 8的DTI断层领先于其他各省,发展水平极高;年均增长率有17个省份超过全国平均水平,依次为安徽、江西、河南、贵州、广西、陕西、四川、湖南、河北、云南、广东、新疆、浙江、北京、山东、湖北、重庆,其中安徽、江西、河南、贵州、广西、陕西6省的年均增长率均超过了15%,发展势头迅猛.分四大地区来看,2011—2020年DTI均值东部以0.212 3居于断层首位,中部0.085 3次之但较东部差距明显,东北0.067 0位于第三,西部0.051 9最低但与东北相差不大;年均增长率中部以14.953 7%位居第一,西部14.013 8%仅次之,东部12.128 6%略微低于全国平均水平,而东北7.893 0%增速最慢且与全国平均水平差距较大.

2.2 区域角度

为进一步对比分析各地区数字技术创新水平,绘制了2011—2020年东部、西部、中部、东北及全国的数字技术创新综合得分均值趋势(见图1).

图1 2011—2020年四大地区数字技术创新综合得分均值趋势

由图1可知,四大地区数字技术创新综合得分呈递增态势,表现为东部遥遥领先,中部第二,东北位列第三,而西部稍落后于东北的态势.其中东部DTI均值始终高于全国,而中部、东北和西部则低于全国.2015年之前,中部和东北的DTI均值相当;2015年之后,中部超过东北.2018年之前,东北一直比西部高,2018年之后,西部稳步升至与东北相当.由此可见,东部地区凭借其优秀的地理位置、经济发展条件、高技术产业集聚及相关政策支持,数字技术创新水平断层领先于其他各地区.而中西部及东北地区数字技术创新发展水平相较落后.究其原因是其数字产业基础还相对薄弱,产业链条尚未真正形成,数字经济核心产业规模小;同时,数字基础设施建设还有待进一步加强,数字技术应用和创新水平相对滞后,发展要素支撑能力不足,特别是高层次数字人才严重缺乏.这些问题严重制约了中西部及东北地区数字技术创新的发展,需要采取强有力的措施加以解决.数字技术创新综合得分增长幅度表现出中部>西部>东部>东北的特征,其中中部和西部地区年均增长率高于全国,东部略低于全国,东北明显低于全国,2015年之后东北的增幅变缓.由此可见,中西部虽然数字技术创新水平较低,但从增长幅度来看已表现出强劲的活力,反而东北的增速逐渐变慢,需抓住落后原因重点施策.

表2 2011—2020年中国数字技术创新综合得分

2.3 省域角度

为进一步从省域角度上明确我国数字技术创新水平的演进特点,本文使用ArcGIS采用自然断裂法将30个省份的数字技术创新水平为五个等级,从Ⅰ到Ⅴ数字技术创新等级逐渐提高,如表3所示.

表3 中国数字技术创新水平等级分布

从表3整体来看,我国各省数字技术创新水平整体向右偏移,其中东部沿海省份数字技术创新水平普遍较高,中部次之,其次是东北,西部最低.在我国各省数字技术创新水平逐渐提升的情况下,2011-2014年,北京从Ⅳ升至Ⅴ,河北、湖南从Ⅱ升至Ⅲ,山西从Ⅱ降至Ⅰ,可见北京进步明显,山西和云南相比之下出现退步现象.2014-2017年,中部省份安徽和陕西从Ⅱ升至Ⅲ,山西、贵州从Ⅰ升至Ⅱ,可见河北、陕西、安徽、湖北、湖南进步明显,西南部省份云南和贵州有些许进步.2017-2020年,浙江、山东、上海从Ⅳ升至Ⅴ,四川、福建、河南从Ⅲ升至Ⅳ,江西、重庆、广西、天津、云南从Ⅱ升至Ⅲ,内蒙古、新疆、甘肃从Ⅰ升至Ⅱ,辽宁相比之下出现退步现象.

以2020年为例,广东、江苏、北京、浙江、山东、上海6个省份的数字技术创新处于领先水平,这些省份共同点是经济发展程度领先,综合经济实力较好,且数字产业体系完善,具有大规模的高技术产业,聚集大量科研人才,同时,国家数字政策扶持也为其数字技术创新营造了良好的发展环境.其中广东紧盯技术前沿,培育创新要素,数字产业集群优势突出,是国内最早布局数字经济政策的省份之一;江苏新一代信息不断取得新突破,数字产业化持续壮大;北京研发资源与人力资本丰富,是全国创新要素最为集中的区域;浙江紧密围绕产业数字化,已构建较完备的数字经济政策体系.四川、福建、河南、湖北、安徽、湖南、河北、陕西、辽宁、江西、重庆、广西、天津、云南处于中坚行列,这些省份人口基数较大,发展势头迅猛,应继续以先进的理念和优质的科创氛围汇聚创新要素,打造数字产业化发展的中坚阵地.吉林、山西、贵州、黑龙江、内蒙古、新疆、甘肃、海南、宁夏、青海的数字技术创新发展水平相对较低,为避免数字鸿沟的存在和持续扩大,这些地区需要进一步夯实数字基础设施建设,更加重视资金和人才支撑.

3 数字技术创新影响因素分析

3.1 灰色关联度分析

为进一步明确数字技术创新水平与各指标之间的关联程度,本文采用灰色关联度模型计算出我国30个省份数字技术创新水平与各指标间的灰色关联度,并对指标重要性进行排序,结果如表4所示.

由表4可知,数字技术创新综合评价指标体系的30个指标与DTI的关联度都在0.9以上,其中有23个指标在0.99以上,说明这些指标与数字技术创新的关联度非常高,这也进一步验证了指标体系选取的合理性.基于样本概率论视角,为了使精准度达到99%以上,剔除关联度在1%以外的指标,因此选择关联度0.99以上的23个指标.在这23个指标中,创新投入有5个,占比21.74%;创新产出有11个,占比47.83%;创新环境有7个,占比30.43%;由此可知,创新产出与数字技术创新的关联度最高,其次是创新环境,最后是创新投入.根据30个指标关联序结果及二级子系统的重要性占比,选取出三级指标中靠前的10个具体指标作为数字技术创新水平的重要影响因素,重要影响因素指标如表5所示.

表4 灰色关联度指标重要性排序

表5 重要影响因素指标

3.2 平稳性检验

为确保面板数据平稳,在进行回归前先对数据进行单位根检验,检验结果均为一阶平稳,如表6所示.由检验结果可知,IPS和PP方法下一阶差分检验的p值均显著,所有序列皆为一阶单整I(1)序列,面板数据均呈现平稳.但为仍使用原序列进行回归,进行数据的Johanson协整检验,由Kao检验结果可知,Modified Dickey-Fullert统计量为3.350 6,p值为0.000 4,这说明变量序列之间存在协整关系,可以进行回归分析.

表6 单位根检验结果

3.3 回归分析

首先在回归分析进行F检验以确定是否使用混合效应模型或固定效应模型还是随机效应模型,F检验的p值为0,故使用固定效应模型更优.其次通过Hausman检验得到卡方统计值为118.61,p值为0,故采用固定效应面板模型.随后加入年度虚拟变量来考察是否存在个体时间效应,对所有年度虚拟变量联合显著性的检验结果显示,p值小于0.01,所以最后选择双向固定效应模型,并使用聚类稳健的标准误,以消除异方差对模型的影响.表7报告了模型选择过程中的7个模型的回归结果,由于表格长度限制模型(5)即双向固定效应模型未报告时间虚拟变量.

表7 面板模型回归结果

3.3.1 创新投入角度

人才投入的回归系数为0.073 4,p值为0.461 0;基础设施投入的回归系数为-0.006 2,p值为0.595 0;财力投入的回归系数为0.091 3,p值为0.回归结果显示财力投入对数字技术创新存在显著的正向作用,说明财力投入能够显著促进数字技术创新水平提升,因此要加大数字技术行业固定资产投资;而人才投入与基础设施投入对数字技术创新水平的影响均不显著,其中人才投入对数字技术创新水平存在不显著的促进作用,基础设施投入对数字技术创新水平呈现不显著的抑制作用.基于数字技术行业就业人员数的增加不能显著促进数字技术创新水平提升,主要是因为数字技术行业就业人员需要在不断的专业实践和历练中慢慢提升自身创新能力,且与创新能力相关的更多是人才质量而非就业人员数量,为此要注意人才综合素质的培养,不断提升人才质量,但不可否认的是大量的就业人员能够带来更多的数字技术人才,所以人才投入呈现不显著的促进作用.基于有线广播电视传输干线网络总长不能显著抑制数字技术创新水平,主要是因为广播电视只是信息传输、软件和信息技术服务业大类中电信行业的细小分支之一,所占比重较小,且随着数字技术的发展,有线网络技术逐渐被无线网络所覆盖,所以基础设施投入呈现不显著的抑制作用.

3.3.2 创新产出角度

业务产出的回归系数为0.074 5,p值为0.033 0;知识产出的回归系数为0.077 0,p值为0.026 0;经济产出的回归系数为0.234 0,p值为0.回归结果显示业务产出和知识产出均通过了5%水平下的显著检验,经济产出则通过了1%水平下的显著检验.实证结果与预期相符,说明业务产出、知识产出和经济产出均能显著提升数字技术创新水平,因此要扩大数字技术业务量范围,支持数字技术相关专利的申请授权,提升数字技术行业收入.一方面,企业作为各类经营主体,是数字技术创新发展的重要动力,故要加强数字化企业的引进和建设,形成推动区域数字经济发展的企业主体集群.另一方面,针对目前一些企业存在的数字化转型顾虑大、资金有限、人才匮乏等问题,需要地方政府发挥主体责任,帮助企业解决困难,以优惠扶持政策有重点地培育和引进数字化企业.只有政府与市场形成合力,才能充分激发市场活力.

3.3.3 创新环境角度

经济环境的回归系数为0.021 3,p值为0.594 0;文化环境的回归系数为0.011 2,p值为0.834 0;企业环境的回归系数为-0.015 3,p值为0.259 0;开放环境的回归系数为0.48,p值为0,在1%水平下显著.回归结果显示创新环境中仅开放环境通过了显著性检验,说明良好的开放环境能显著提升数字技术创新水平,因此要积极引进数字技术行业外商投资,扩大国际科技交流合作,加强国际化科研环境建设,形成具有全球竞争力的开放创新生态.而经济环境、文化环境和企业环境均没通过显著性检验,但呈正向促进作用,这说明在数字技术创新初期环境的影响对其水平的提升尚不明显,仍需提升第三产业在经济结构中的占比,不断完善文化环境与企业环境.

4 结论与建议

4.1 结论

(1)数字技术创新时空演变格局上:本文从创新投入、产出、环境角度构建了中国数字技术创新综合评价指标体系,采用熵值法计算了中国数字技术创新水平,并用自然断裂法剖析数字技术创新的时空演进格局.结果表明:从全国来看,数字技术创新水平整体呈现上升趋势,年均增长率达到12.592 1%,综合得分集中分布为0.05～0.40.从四大区域来看,数字技术创新综合得分均值表现出东部>全国>中部>东北>西部的时空格局,增长幅度则表现出中部>西部>全国>东部>东北.分省份来看,数字技术创新综合得分也有显著提升,其中广东、江苏、北京、浙江、山东、上海位于发展前列,安徽、江西、河南、贵州、广西、陕西位于追赶前列,而内蒙古、新疆、甘肃、宁夏、青海位于落后行列.

(2)数字技术创新影响因素分析上:采用灰色关联度分析选取出数字技术创新水平的10个重要影响因素,并选择双向固定效应模型分析了数字技术创新水平影响因素.结果表明:从创新投入上看,财力投入对数字技术创新存在显著的正向作用,而人才投入存在不显著的促进作用,基础设施投入呈现不显著的抑制作用.从创新产出来看,业务产出、知识产出和经济产出均能显著提升数字技术创新水平.从创新环境来看,只有开放环境能显著提升数字技术创新水平,而经济、文化和企业环境对数字技术创新水平的影响都不显著,其中企业环境的影响为负.

4.2 建议

(1)发展水平上:深入实施区域协调发展战略,构建优势互补、高质量发展的区域数字经济布局和数字技术创新体系.对于四大地区,要继续深入推动西部大开发形成新格局,推动东北全面振兴取得新突破,促进中部地区加快崛起,鼓励东部地区加快推进数字技术创新,如通过实施“东数西算”工程,推动算力枢纽和数据中心优先向西部地区布局,缩小区域间发展差距.对于各大省份,广东、江苏、北京、浙江、山东、上海位于发展前列,所以要发挥引领作用,积极开展数字技术融合发展活动,共享生产制造资源;安徽、江西、河南、贵州、广西、陕西发展速度很快,所以要稳定增速,依据资源禀赋与人文优势,不断追赶发展前列的省份;而内蒙古、新疆、甘肃、宁夏、青海发展较为落后,所以要紧紧抓住数据与算力中心成本较低等优势,继续夯实数字基础设施基础.

(2)创新投入上:加大数字技术固定资产投资,培养引进数字技术行业优质人才,提升无线网络的覆盖率.实证结果表明,固定资产投资投入能够大幅度提升数字技术创新水平,为此应升级维护数字基础设施,推动全球信息基础设施加快普及,弥合数字鸿沟.而数字技术行业就业人员数的增加并不能大幅促进数字技术创新水平,说明数字技术创新人员投入在质不在量,只有提升有创新能力人才占比才能真正实现数字技术创新.为此要健全数字化人才自给体系,进一步优化人才优惠政策,广泛吸纳国内外优秀人才,着力培育更多创新研发与高层次应用型专业人才、善于跨界整合的高端人才.相比之下,有线广播电视传输干线网络总长投入对数字技术创新水平有不显著的抑制作用,为此提升无线网络的覆盖率,不断升级各地区有线技术改造.

(3)创新产出上:加强数字化企业的引进和建设,建立健全创新保障与激励政策,形成推动区域数字经济发展的企业主体集群.实证结果表明,网页数、数字技术专利数、软件产品收入均能够显著地提升数字技术创新水平.对于企业来说,应加快大数据、云计算和人工智能等技术应用,打造数字化车间和智能工厂,挖掘数据价值,促进企业生产运营、企业管理、销售服务整体跃升.对于政府来说,应支持企业创新平台建设,鼓励企业申报、创建创新型企业和高新技术企业,强化数字技术知识产权保护和运用,以优惠扶持政策有重点地培育和引进数字化企业,同时政府要发挥好宏观调控和管理服务职能,通过“放管服”等一系列改革,激发创造活力,加快推动产业数字化转型,以满足数字经济发展新要求.

(4)创新环境上:发挥高水平开放优势,为企业搭建数字经济创新发展的平台,大力优化数字创新环境.实证结果表明,良好的开放环境对提升区域综合发展水平及数字技术创新能力有着重大的推动作用.一方面,应推动共建“一带一路”高质量发展,加快推动新型基础设施互联互通,积极融入数字经济关键技术研发国际合作.另一方面,应利用好进博会、世界互联网大会等对话窗口,与世界各国在数字经济领域开展多层次务实合作,维护和完善多边数字经济治理机制.经济环境、文化环境和企业环境不能显著地促进数字技术创新水平的提升,故需不断完善经济环境,培养适宜数字技术创新发展的浓厚的文化环境、企业环境,进而提升数字技术创新水平.