数字基础设施建设对高技术产业创新绩效影响的实证检验

杨志安，孟司雨

（辽宁大学经济学院，沈阳 110036）

0 引言

党的二十大报告在布局“建设现代化产业体系”时强调“构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎”，充分强调高技术产业对于经济发展的重要性。作为贸易竞争、产业升级的支柱产业，高技术产业通过推动前沿技术革命与催生新兴产业，成为一国（地区）促进经济增长与社会发展的核心抓手。本质而言，高技术产业属于知识密集与技术密集型产业，具有创新性强、附加值高的典型特征，需要基于持续性科技进步与技术创新，不断提高创新绩效，以高生产效率与低生产成本实现可持续发展。但是，研发投入短板、国际制度壁垒、知识产权保护力度较小等多重负面因素并存，阻滞高技术产业创新绩效提升[1]。在这一背景下，谋求高技术产业创新绩效的提升路径，成为社会各界重点关注的问题。

数字基础设施是以数据创新为驱动、算力设施为载体的基础设施体系，凭借数字技术融合特性与数据赋能特点，助力新价值网络、新服务体系与新业态衍生，成为驱动高技术产业创新绩效提升的新动能。具体而言，数字基础设施建设可凭借物联网、大数据、区块链等多种数字技术，有效破除供需双侧信息错位“症结”，精准识别市场技术产品需求，以此规避高技术产业创新研发支出的沉没风险[2]，进而赋能高技术产业创新绩效提升。

现阶段，学界已经围绕高技术产业创新绩效的影响因素、数字基础设施建设的赋能效应展开丰富研究，为本文提供了一定理论基础。高技术产业创新绩效的影响因素方面，宛群超等（2021）[3]研究指出，科技人才集聚可以驱动高技术产业创新绩效提升，且市场竞争在这一影响过程中发挥调节效应。陈洪玮等（2021）[4]实证得知，研发投入能够促进高技术产业创新绩效提升，但该驱动效应存在门槛效应。数字基础设施建设的赋能效应方面，朱晓满和王伊攀（2023）[5]研究发现，数字基础设施建设能够显著推动企业数字化转型，并且对交易成本较高、处于经济欠发达区域和高技术密集型的企业效果更为显著。

综上而言，学界已分别对高技术产业创新绩效的影响因素、数字基础设施建设的赋能效应进行深入探讨，为本文提供理论借鉴。然而，鲜有学者将数字基础设施建设与高技术产业创新绩效纳入同一框架，且未深入探讨二者作用机理。因此，本文借助理论分析与实证检验，系统探讨数字基础设施驱动高技术产业创新绩效提升的作用机制及有效路径，以期进一步丰富相关研究，为塑造中国经济发展新动能、新优势提供借鉴。

1 理论分析与研究假设

1.1 数字基础设施建设对高技术产业创新绩效的直接效应

高技术产业创新具有复杂性、动态性与高阶性的显著特点，既依赖于企业自身创新知识储备，也依托于外部资源整合效率。一方面，数字基础设施的建设和运营能够激发创新协同效应进而增加自身创新知识储备，支持高技术产业创新绩效提升。数字基础设施作为数字技术、数据要素的流动载体，凭借信息广泛链接优势促进要素协同与资源共享，助力高技术产业依托创新协同网络获取边际成本近乎为零的共享创新知识资源[6]。进一步地，推动各类信息、数据等生产要素在各主体间加速转移和溢出，以此促进自身创新知识储备扩容，助力高技术产业创新绩效提升。基于上述分析，本文提出以下研究假设：

假设1：数字基础设施建设可提升高技术产业创新绩效。

1.2 数字基础设施建设对高技术产业创新绩效的间接效应

第一，数字基础设施的建设和运营通过提升要素配置效率，间接驱动高技术产业创新绩效提升。数字基础设施以行业性平台、产业链平台及组织性平台为基础，促进创新要素实现由区域分割至自由流动、从要素垄断到合理共享的全方位突破变革[7]。在此基础上，各类平台汇聚技术、资本、数据等要素资源，通过开展面向不同场景的应用创新，不断拓展产品价值空间，助力高技术产业创新绩效提升。与此同时，各类平台借助产业数字化的网络链接优势，为知识、信息、技术等各类生产要素跨空间传播及扩散提供全新渠道，实现边际效益持续递增，以此提升高技术产业创新绩效。

第二，数字基础设施的建设和运营通过促进产业结构升级，间接赋能高技术产业创新绩效提升。数字基础设施以数据为基本生产要素，持续推动产业生产方式、组织模式变革，助力高技术产业由资本密集的低附加值形态逐渐转变为技术密集、知识密集的高附加值形态[8]，在实现产业结构升级的基础上，进一步驱动高技术产业创新绩效提升。同时，数字基础设施建设亦可借助工业互联网技术优势赋能高技术产业分化与重组，催生新模式与新业态，推动产业结构升级，赋能高技术产业创新绩效提升。

第三，数字基础设施的建设和运营通过赋能产业空间集聚，间接推动高技术产业创新绩效提升。数字基础设施是以5G通讯网络、移动物联网为核心的设施体系，通过打造创新知识共享平台吸引高技术产业共同入驻平台，助力高技术产业跨空间集聚。在此基础上，高技术产业集聚可协同驱动高等技术人才、数字技术知识集聚，通过技术交流、知识共享、产业联动为数字创新活动稳定开展提供有力保障，以此提升高技术产业创新绩效[9]。另外，依托于数字基础设施，高技术产业集聚也可促使聚集空间内部企业更易获取先进数字通用技术，提升高技术产业之间技术溢出水平，实现数字技术互补。而技术互补有利于降低数字创新活动过程中的不确定性，由此提升高技术产业创新绩效。结合上述分析，本文提出如下研究假设：

假设2：数字基础设施建设通过提升要素配置效率、促进产业结构升级、赋能产业空间集聚，间接驱动高技术产业创新绩效提升。

1.3 数字基础设施建设影响高技术产业创新绩效的空间溢出效应

数字基础设施作为数字经济的核心构成要素，以其为载体的各类要素扩散具有低成本性与高流动性特征，决定数字基础设施在影响高技术产业创新活动中具有空间关联效应[10]。深入分析来看，数字基础设施破除传统要素跨空间流动限制，促使地理位置邻近的高技术产业能够进行自主信息交流与创新要素转移，进一步赋能高技术产业在创新网络中获得正外部性，驱动数字基础设施对高技术产业创新绩效的正向影响产生空间溢出效应。同时，数字基础设施以互联网平台为载体，通过释放空间溢出效应有效提高区域高技术产业创新效率、缩小区域高技术产业创新差距，以此提升本区域及邻近区域高技术产业创新绩效。基于上述分析，本文提出如下研究假设：

假设3：数字基础设施建设对高技术产业创新绩效的影响具有空间溢出效应。

2 研究设计

2.1 计量模型构建

为验证假设1，参考杨水根和王吉（2023）[11]的研究，构建如下计量模型：

其中，Inhtit为被解释变量，即高技术产业创新绩效；Diginit为解释变量，即数字基础设施建设；β1为待估计参数，用以研究数字基础设施建设对高技术产业创新绩效的影响程度；β0为常数项；Cit为控制变量；μt为时间固定效应；vi为个体固定效应；εit为随机误差项。

为揭示数字基础设施建设影响高技术产业创新绩效的传导机制，参考江艇（2022）[12]的研究，构建如下模型：

其中，M为中介变量。在式（2）的基础上构建式（3），并依次运用Sobel 检验与Bootstrap 检验，通过判断P 值与置信区间数值评估传导机制的存在性。

进一步地，为剖析数字基础设施是否能通过空间溢出效应影响高技术产业创新绩效，构建空间杜宾模型展开实证检验。

其中，ρ为空间自相关系数，W为空间地理距离权重矩阵，ϑ1、ϑ2分别为数字基础设施建设、控制变量的空间交互项系数。

2.2 变量选取

（1）被解释变量：高技术产业创新绩效（Inht）。就创新价值链视角而言，高技术产业创新过程主要包含技术研发阶段与技术商业化阶段。鉴于技术研发与技术商业化的最终目的在于获取经济效应，参考陈洪玮等（2021）[4]的研究，运用新产品销售收入表征高技术产业创新绩效。

（2）解释变量：数字基础设施建设（Digin）。在《中国区域数字化发展指数报告》的基础上，参考董媛香和张国珍（2023）[13]的研究，运用全国5G基站布设数量、智能计算中心数量、光缆建设长度、每百人互联网宽带接入用户数、人均电信业务量、移动电话基站密度、电信固定资产投资占总固定资产投资的比重、移动网络覆盖率与固定宽带使用率9个指标衡量。同时，运用熵值法测算得到数字基础设施建设指数。

（3）中介变量

要素配置效率（EFF），借鉴李婉红等（2021）[14]的研究，构建以下模型度量要素配置效率：

其中，EFF为要素配置效率，La为非农部门劳动要素，Ln为农业部门劳动要素，ΔLa为非农部门流入的劳动要素，tfp′a表示要素流动后非农部门全要素生产率，tfp′n为要素流动后农业部门全要素生产率，ΔLn为农业部门流出的劳动要素。另需说明的是，封闭经济背景下ΔLa=ΔLn，开放经济背景下ΔLa≠ΔLn。

产业结构升级（IND），参考已有研究，使用地区第三产业增加值与第二产业增加值的比值表示。

产业空间集聚（AGG），参考姬志恒等（2020）[15]的研究，运用区位熵度量产业空间集聚：

其中，AGGit为高技术产业产值；Hteit为地区年高技术产业集聚程度，该值高于1 说明产业空间集聚趋势明显。

（4）控制变量

市场化程度（Dmark），运用国有控股企业主营业务收入与规模以上工业企业主营业务收入的比值衡量。政府支持程度（Govsu），利用地方财政科学技术支出占比表征。出口交货值（Exdev），借助高技术产业出口交货值表示。国际贸易开放程度（Gopen），以境内目的地与货源地进出口总额占GDP 的比重测度。环境规制（Envre），采用工业固体废物综合利用率表示。人口密度（Poden），以年末总人口数度量。

2.3 数据来源

本文研究对象为2010—2021 年30 个省份（不含西藏和港澳台）的面板数据，原始数据主要来源于历年《中国火炬统计年鉴》《中国高技术产业统计年鉴》《中国区域创新能力评价报告》《中国科技统计年鉴》《中国固定资产投资年鉴》《中国统计年鉴》、EPS 数据库与各省份统计年鉴。为规避数据波动与异方差可能引起实证结果偏误，变量均以自然对数形式进行检验。针对个别缺失数据，运用线性插值法进行补齐处理。

3 实证分析

3.1 基准回归分析

（1）数字基础设施建设与高技术产业创新绩效的线性关系检验

基准回归结果见表1。其中，列（1）至列（6）为运用固定效应模型进行实证检验的结果。不难发现，在逐步引入控制变量的基础上，数字基础设施建设系数始终显著为正，说明数字基础设施建设与高技术产业创新绩效间存在正相关关系。据此，假设1 得到证实。从控制变量来看，市场化程度、政府支持程度、出口交货值、国际贸易开放程度、环境规制、人口密度的系数均为正，说明上述变量均有助于高技术产业创新绩效提升。

表1 基准回归结果

（2）数字基础设施建设与高技术产业创新绩效的非线性关系检验

在式（1）基础上引入数字基础设施建设的二次项与三次项，探究数字基础设施建设与高技术产业创新绩效的非线性关系，结果见表2。列（1）至列（3）结果显示，数字基础设施建设一次项系数显著为正，二次项与三次项系数均不显著，表明现阶段我国数字基础设施建设与高技术产业创新绩效间不存在非线性关系，即数字基础设施建设与高技术产业创新绩效间存在正相关关系。

表2 非线性关系检验结果

3.2 稳健性检验

（1）替换被解释变量

运用高技术产业专利授权数（Inht1）替换原被解释变量进行回归检验，检验结果见表3列（1）。可以看出，在更换高技术产业创新绩效衡量方式后，数字基础设施建设与高技术产业创新绩效间仍然存在显著正相关关系，验证前文研究结果具有稳健性。

表3 稳健性检验结果

（2）剔除部分样本

考虑到部分特殊时期样本可能会影响回归结果，选择部分样本进行稳健性检验。鉴于2014年中央网络安全和信息化领导小组第一次会议上提出：“要有良好的信息基础设施，形成实力雄厚的信息经济”，将样本时期更改为2014—2021年再进行回归，结果见表3列（2）。不难发现，数字基础设施建设的回归系数显著为正，说明研究结果具有稳健性。

（3）替换计量模型

运用SYS-GMM 模型替换原有计量模型展开实证检验，结果见表3列（3）。可以看出，数字基础设施建设的回归系数显著为正，说明数字基础设施建设与高技术产业创新绩效间存在正相关关系。同时AR（1）低于0.1，AR（2）高于0.1，Hansen 检验中P 值高于0.1，进一步验证了前文结果的稳健性。

3.3 内生性检验

考虑到计量模型中各变量数值可能存在测量误差、遗漏变量、反向因果关系，运用两阶段最小二乘法处理内生性问题。选取1994年各省份光缆电路数量与当年移动电话交换机容量、工业机器人数量、互联网接入端口数交互项作为数字基础设施建设的第一个工具变量（IV1），选择1984年各地区邮政业务总量与人口数的比值作为第二个工具变量（IV2），检验结果见表4。不难发现，数字基础设施建设的回归系数显著为正，第一阶段回归F 值高于10，工具变量回归系数均显著为正，不可识别检验Kleibergen-Paap rk LM的P值低于0.01，Hansen检验P值高于0.1，说明工具变量具有外生性与内生性，进一步说明前文结论具有较高的稳健性。

表4 内生性检验结果

3.4 拓展分析

本文将前一期与前两期数字基础设施建设依次加入基准回归模型中，探究数字基础设施建设对高技术产业创新绩效的动态影响，结果见表5。可以断定，当前期、前一期、前两期数字基础设施建设对高技术产业新产品销售收入与专利授权数均具有显著促进作用，说明数字基础设施建设对高技术产业创新绩效的正向影响存在动态持续性。

表5 数字基础设施建设对高技术产业创新绩效的动态影响

3.5 异质性分析

（1）地理区位异质性

为探究地理区位异质性的影响，以国家统计局划分依据为标准，将研究样本划分为东部、中部、西部与东北地区，检验数字基础设施建设与高技术产业创新绩效关系的区域异质性（见下页表6）。可以看出，数字基础设施建设对东部地区高技术产业创新绩效的影响最为显著，其次为中部地区，然后是东北地区，最后是西部地区。原因可能在于，东部地区数字经济发展较为迅速，且产业发展较为完善、数据中心建设较为密集，对于算力需求较大，能够有效发挥数字基础设施建设对高技术产业创新绩效的促进作用。

表6 地理区位异质性检验结果

（2）知识产权保护异质性

鉴于专利申请会受到知识产权保护影响，参考吴超鹏和唐菂（2016）[16]的研究，运用专利未被侵权率（1-专利被侵权率）衡量知识产权保护力度，结果见表7 列（1）、列（2）。其中，专利被侵权率为专利侵权纠纷案件数与各省份累积授权专利数的比值。计算各省份专利未被侵权率后求均值，将高于均值省份设定为知识保护力度较大省份，知识产权保护力度虚拟变量取值为1；反之，低于均值则为知识产权保护力度较小省份，虚拟变量取值为0。检验结果显示，数字基础设施建设对知识产权保护力度较大地区高技术产业创新绩效具有显著促进作用，且影响系数高于知识产权保护力度较小地区。原因可能在于，知识产权保护力度较大地区能够为高技术产业打造公平正义创新环境，有利于激发产业创新意愿，从而推动高技术产业创新绩效提升。

表7 知识产权保护异质性与成长周期异质性检验结果

（3）成长周期异质性

2010年、2016年中央政府批复多地建设国家高新区，这说明各国家高新区可能处于不同成长周期。为此，本文将2010—2015年批复建设国家高新区的省份设定为成熟型地区，将2016—2021 年批复建设国家高新区的省份设定为成长型地区，再次进行回归检验，结果见表7 列（3）、列（4）。可以看出，数字基础设施建设对成熟型地区高技术产业创新绩效的影响在1%的水平上显著，对成长型地区高技术产业创新绩效的影响在5%的水平上显著。

3.6 影响机制分析

（1）要素配置效率的机制分析

将要素配置效率这一中介变量代入式（2）、式（3）进行回归检验，结果见表8列（2）、列（3）。可以看出，数字基础设施建设的回归系数显著为正，说明要素配置效率的中介效应存在，即存在“数字基础设施建设→要素配置效率→高技术产业创新绩效”的传导机制。就Sobel 检验结果可知，P值为0.001，低于0.05，说明要素配置效率的中介效应存在。同时，经过1000次抽样后Bootstrap检验结果表明，95%置信区间为[0.002,0.005]，不包括0，验证了要素配置效率的中介效应。

表8 传导机制检验结果

（2）产业结构升级的机制分析

将产业结构升级这一中介变量代入式（2）、式（3）进行回归检验，结果见表8列（4）、列（5）。可以看出，数字基础设施建设的回归系数显著为正，说明产业结构升级的中介效应存在，即存在“数字基础设施建设→产业结构升级→高技术产业创新绩效”的传导机制。就Sobel 检验结果可知，P值为0.035，低于0.05，说明产业结构升级的中介效应存在。同时，经过1000次抽样后Bootstrap检验结果表明，95%置信区间为[0.001,0.004]，不包括0，验证了产业结构升级的中介效应。

（3）产业空间集聚的机制分析

将产业空间集聚作为中介变量代入式（2）、式（3）进行回归检验，结果见表8列（6）、列（7）。可以看出，数字基础设施建设的回归系数显著为正，说明产业空间集聚的中介效应存在，即存在“数字基础设施建设→产业空间集聚→高技术产业创新绩效”的传导机制。就Sobel 检验结果可知，P值为0.021，低于0.05，说明产业空间集聚中介效应存在。同时，经过1000 次抽样后Bootstrap 检验结果表明，95%置信区间为[0.003,0.006]，不包括0，验证了产业空间集聚的中介效应。因此，假设2得到全面验证。

3.7 空间溢出效应分析

选择控制个体与时间固定效应的空间杜宾模型展开实证检验，并将数字基础设施建设与高技术产业创新绩效间关系进行分解，结果见下页表9。可以推断，高技术产业创新绩效的空间自回归系数显著为正，说明本地区与相邻地区高技术产业创新绩效具有空间正相关性。数字基础设施建设的空间滞后项系数显著为正，意味着本地区高技术产业创新绩效不仅受到本地区数字基础设施建设的影响，而且会受到周边地区数字基础设施建设的空间交互影响。间接效应中数字基础设施建设的系数显著为正，说明数字基础设施能够通过空间溢出效应促进高技术产业创新绩效提升。由此，假设3得以验证。

表9 空间杜宾模型回归结果

4 结论与建议

4.1 结论

本文基于2010—2021 年30 个省份的面板数据，实证检验了数字基础设施建设对高技术产业创新绩效的影响。研究发现：数字基础设施建设对高技术产业创新绩效具有正向影响，且这一作用存在动态持续性。异质性分析结果表明，数字基础设施建设对东部地区、知识产权保护力度较大地区与成熟型地区高技术产业创新绩效的促进作用更为显著。进一步的传导机制分析发现，数字基础设施建设主要通过提高要素配置效率、推动产业结构升级、促进产业空间集聚的渠道对高技术产业创新绩效产生促进作用。空间杜宾模型检验结果表明，数字基础设施建设对高技术产业创新绩效提升的影响具有空间溢出效应。

4.2 建议

第一，适度超前布局数字基础设施。一方面，政府部门应着眼于网络基础设施建设，全面深化光纤网络扩容提速以及5G 商用部署和规模应用。同时，中央政府应当加快实施“东数西算”工程，建立健全算力基础设施布局。另一方面，政府部门当以创新基础设施为抓手，聚焦高技术产业转型发展需求和技术成果转化关键环节，持续推进中试基地、产业研究实验基地、成果转移转化平台建设，不断完善科技创新服务链条，赋能高技术产业创新绩效提升。

第二，打造区域产业联动网络。一方面，打造区域联动网络。中央及地方政府应当引导沿海、内陆地区进行联动，加快建立区域数字联动机制，实现区域间高技术产业数字资源、技术要素共享，赋能高技术产业创新绩效提升。另一方面，构建产业联动网络。高技术产业行业协会应当推动高技术产业融合发展，通过配合政府合理调整产业结构，形成内部合理产业创新分工体系，助力高技术产业创新绩效提升。

第三，推进高技术产业“聚链成群”。一方面，中央政府应立足不同区域资源禀赋与数字产业基础，合理借助京津冀、长三角、粤港澳等数字创新资源丰富、数字经济势头强劲的城市群优势，打造一批数字创新密度较高、符合国家战略方向的高技术产业集群，为高技术产业创新绩效提升蓄势。另一方面，高技术产业头部企业应发挥“头雁”引领效应，利用数字基础设施的广泛链接优势，推动在全国形成协同互补的“雁阵式”高技术产业创新绩效集群发展格局，通过促进集群内高技术产业创新资源共享与数据应用，稳步提升高技术产业创新绩效。