| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 数字经济与高技术制造业创新效率 |
| 第730期 作者：□文/黎 涛 时间：2024/6/1 11:18:50 浏览：70次 |
［提要］ 本文采用我国30个省市相关数据，运用面板Tobit模型实证检验数字经济对高技术制造业两阶段创新效率的影响。结果表明：数字经济显著提升高技术制造业的两阶段创新效率，且通过相关稳健性检验。此外，数字经济对两阶段创新效率的正向影响作用在东部、中部、西部地区间呈现显著的区域异质性。
关键词：数字经济；高技术产业；创新效率；面板Tobit模型
中图分类号：F42 文献标识码：A
收录日期：2023年9月18日
引言
如今，面对百年未有之大变局，通过外需拉动经济增长的发展模式已不可持续，我国经济发展模式迫切需要由要素、投资驱动向创新驱动发展模式转变。大数据、人工智能等数字技术加速创新，逐步融入经济社会的各领域、全过程，数字经济的创新驱动效应愈发明显。此外，相比于其他产业，高技术制造业具有知识密度大、创新需求高、研发投入强度高等特点，同时对技术发展变化十分敏感，是技术创新的重要载体。那么，数字经济又能否提升技术研发阶段和成果转化阶段的创新效率？探究和回答上述问题构成本文的主要内容。
针对数字经济与高技术制造业创新效率，现有相关研究主要集中于水平测度和影响因素分析。对于数字经济而言，在水平测度上，可以划分为数字经济的规模测度和发展水平测度，测算方法主要是增加值核算和综合指标体系测算。在影响因素方面，主要包括企业数字化程度和数字人才集聚程度等内在因素以及数字基础设施建设和市场活力等外在因素。对于高技术制造业创新效率而言，在效率测度方法上，运用较多的方法主要为随机前沿分析法（SFA）以及数据包络分析法（DEA）。此外，基于创新价值链视角测算两阶段创新效率，主要以DEA方法为主，采用两阶段网络DEA模型以及网络SBM模型等。在影响因素方面，现有研究主要关注技术购买引进、政府支持、知识产权保护以及企业规模等，实证研究结果方面由于对数字经济及创新效率的测度方法和测算指标不同，导致研究结论存在差异。总体而言，直接探究数字经济与高技术制造业两阶段创新效率的研究较少，本文拟对此进行研究。
一、理论分析与研究假设
（一）数字经济对技术研发阶段创新效率的作用机制分析。在数字经济时代背景下，数字经济的迅速发展带来显著的赋能效应，推动新一轮科技革命和产业变革，能够通过知识与技术的溢出效应以及要素驱动效应，赋能高技术制造业实现技术研发的创新突破。
1、知识与技术的溢出效应。以数字技术创新驱动为牵引的数字经济，一方面通过人工智能、大数据、云计算等数字技术的创新发展与应用可以直接为高技术制造业提供技术支撑，使得现有的创新模式、体系发生转变，以实现智能制造转型，提升技术创新能力；另一方面数字基础设施的建设与数字平台推广应用有助于促进企业通过现代信息网络实现知识与技术的外溢效应，弥补单一企业知识匮乏的缺陷。同时，数字经济的发展加速了数据要素的流通与传播，促进企业间知识网络的构建与联结，实现行业内信息资源配置优化，加快知识的创造、流动与共享，推进企业的信息整合与知识转化效率的提升，从而提升高技术制造业创新效率。
2、要素驱动效应。技术研发过程离不开生产要素的投入。在研发资金方面，一方面数字经济通过降低企业交易成本与运营成本，进而增加企业的资金流入，弱化企业资金约束；另一方面数字经济有助于降低银企之间的信息不对称，使得银行等金融机构能够获取更为全面的企业信息，有效评估企业的经营状况与偿债能力，进而提升企业的融资可获性，缓解企业资金约束问题。在人力资本方面，一方面数字经济通过提高信息流通与数据的可获得性，为人力资本积累与地区创新创业提供了数据与知识基础；另一方面数字经济发展实现了对低端劳动力的替代，加大对高素质与专业化技术人才的需求。各地区与高校也不断加强对大数据人才的培育和引进，大量高素质与专业化技术人才的涌入为企业技术创新奠定了人才基础。在数字技术逐步广泛应用的背景下，数据要素在创新活动过程中的核心驱动作用愈发不可忽视。
基于上述分析，本文提出以下假设：
H1：数字经济能够提升高技术制造业技术创新效率
（二）数字经济对成果转化阶段创新效率的作用机制分析。开展创新活动的根本目的仍旧在于实现更多的经济利润，而且技术研发也必须以市场需求为导向，依靠市场效益获取研发投入的回报。若与此相背离，必然不利于高技术制造业的长远发展，因此在创新价值链环节当中，成果转化阶段能否实现效率的提升尤为重要。本文认为数字经济主要通过成本降低效应以影响高技术制造业的成果转化效率。
1、成本降低效应。实现效率的提升不仅需要关注如何提高创新产出，还需要关注成本的降低。数字经济可以通过降低成本的方式提高成果转化效率。一方面通过应用云计算、人工智能等数字技术，有效缓解了信息不对称，极大地降低了信息搜索、传递、加工和攫取成本，有助于进一步整合创新资源并提高利用效率，最终提升了成果转化效率；另一方面借助机器学习、大数据等数字技术对研发设计、原材料采购、产品制造和成品销售等各环节的信息进行收集和分析，显著提高其自身营运能力，进而降低生产、管理成本，促进成果转化效率的提高。
2、资源配置效应。一方面数字经济能够使创新成果转化的需求端与供给端有机结合，进而提升成果转化效率。具体来说，借助数字技术分析市场动态信息，及时了解市场需求，在此基础上，调整内部创新资源，以降低要素错配水平，加速推进技术研发成果转化为市场需要的新产品和新工艺，从而有效增加成果转化阶段的创新产出，带来成果转化效率的提升。另一方面数字经济降低了由于地理空间和市场壁垒造成的交易费用和市场分割，有助于促进创新要素在区域间的自由流动，使得创新要素能够流向更为高效的创新活动中，实现创新要素的配置优化，最终带来了成果转化效率的提升。
基于上述分析，本文提出以下假设：
H2：数字经济能够提升高技术制造业成果转化创新效率
二、计量模型与数据说明
（一）变量选取
1、被解释变量。本文借助网络SBM模型测度其技术研发效率、成果转化效率。在测算指标方面，关于技术研发阶段，研发资本和人力投入分别选取R&D内部经费支出和R&D人员全时当量衡量，创新产出采用专利申请数、新产品开发项目数衡量。关于成果转化阶段，采用R&D人员数表示人员投入，新产品开发经费支出表示资金投入，专利申请数来表示技术投入；选取新产品销售收入和利润总额指标衡量转化成果和经济产出。
2、核心解释变量。本文参考刘军等、吕艳琴和范天正、王军等数字经济发展水平测度相关文献，构建数字经济指标体系，并采用熵值法测度各省的数字经济发展水平综合指数。具体而言，数字基础设施包括互联网宽带接入端口数、每千人拥有域名数、每百人使用计算机数和长途光缆线路长度。数字产业化包括软件产业收入、规模以上电子信息产业主营业务收入、电信业务总量和信息传输、软件和信息技术服务业职工人数。产业数字化包括电子商务销售额、有电子商务交易活动企业比重和数字普惠金融指数。数字经济发展环境包括研发机构数、R&D项目经费和有效发明专利数。
3、控制变量。本文参考现有文献选取政府支持、产业结构、经济发展水平、交通发展水平作为控制变量。
（二）计量模型构建。由于高技术制造业两阶段创新效率值存在最低界限0以及最高界限1，数据被截断，使用传统回归方法会出现偏差，因此优先使用Tobit模型。本文根据数字经济综合发展指数指标和高技术制造业两阶段创新效率，构建面板Tobit模型，具体如下：
Teit＝α0+α1DIGit+α2Controlit+εit （1）
Aeit＝α0+α1DIGit+α2Controlit+εit （2）
公式（1）和公式（2）分别代表数字经济对高技术制造业技术研发阶段创新效率以及成果转化阶段创新效率影响的实证模型。其中，下标i代表省份，t代表年份；被解释变量Te和Ae分别为技术研发效率和成果转化效率；核心解释变量DIG代表数字经济发展水平；Control表示相关的控制变量；εit表示随机干扰项。
三、实证结果分析
（一）基准回归结果分析。本文运用stata17软件进行面板Tobit模型回归，估计数字经济对高技术制造业创新效率的总体影响，回归结果如表1所示。模型1～模型4分别为以技术研发效率、成果转化效率为被解释变量，仅包括核心解释变量以及加入控制变量的回归结果。在回归结果中，LR检验的结果强烈拒绝原假设“H0∶σu=0”，因此存在个体效应，本文选取随机效应的面板Tobit模型进行回归分析。（表1）
由表1可知，在未加入控制变量的模型1和模型3当中，数字经济的系数均显著为正，并且在加入控制变量后的模型2和模型4的回归结果中，核心解释变量仍通过了1%的显著性水平，且系数分别为1.0408、1.5073。回归结果表明：数字经济水平每提高1个单位，高技术制造业的技术研发效率相应的增加1.0408个单位，成果转化效率相应的增加1.5073个单位。内在原因可能是数字经济为高技术制造业创新发展提供了相关数字技术的支持，营造了良好的创新环境，带动技术研发活动的开展，并促进了创新成果的转化。因此，本文提出的研究假设1与假设2得到了验证。
（二）异质性检验
1、区域异质性。将我国30个省市划分为东部、中部、西部三个区域进行分样本回归，回归结果如表2所示。回归结果显示：在东部地区，数字经济对技术研发效率和成果创新效率的影响系数分别为0.7431、1.9065，且均在1%的显著性水平下通过检验。在中部、西部地区，数字经济对技术研发效率在5%的显著性水平下通过检验，而对成果转化效率则不显著。即数字经济对两阶段创新效率的正向影响作用在东部、中部、西部地区间呈现显著的区域异质性。（表2）
2、稳健性检验与内生性讨论。在稳健性检验方面，替换核心解释变量计量指标，熵值法以指标的原始数据信息为依据确定相应权重，相对比较客观，但对数据的依赖程度较大，使得回归结果可能具有偶然性。本文重新选取主观赋权法，对数字经济指标体系的四个层面平均赋权重新测度数字经济发展水平综合指数。如表3所示，替换核心解释变量进行面板Tobit回归的结果表明，数字经济对两阶段创新效率仍具有显著的正向影响且显著性水平未发生变化。因此，无论采取主观赋权法还是客观赋权法测度数字经济发展水平，数字经济对高技术制造业两阶段创新效率均存在显著的促进作用。（表3）
考虑可能存在的内生问题，即高技术制造业技术研发效率、成果转化效率与数字经济可能存在的反向因果问题，将核心解释变量和控制变量滞后一期，重新进行回归估计，结果与前文实证结果一致，说明可信度较好。
四、结论及建议
（一）研究结论。本文分别采用熵权法、网络SBM模型测度了2013～2021年我国30个省（区、市）的数字经济发展水平综合指数和高技术制造业两阶段创新效率，应用面板Tobit模型实证检验数字经济对高技术制造业两阶段创新效率的影响。主要结论：第一，数字经济显著提升了高技术制造业的技术研发效率以及成果转化效率。第二，异质性检验表明，东部地区数字经济对两阶段创新效率均表现显著的正向影响；而在中部、西部地区数字经济仅对技术研发效率有显著的正向影响。
（二）政策建议。第一，以提升技术研发能力和成果转化能力为核心，促进数字经济与高技术制造业深度融合发展。本文研究表明数字经济对高技术制造业两阶段创新效率均具有显著的正向影响，因此一方面要不断加强对数字经济相关人才的培育和引进，为技术研发创新奠定人才基础；另一方面在不断加强研发资金投入力度的同时，还需要注重提高资金的使用效率。第二，加快构建和完善数字经济协作发展机制，促进数字经济协调发展，提升数字经济发展水平。一方面坚持市场导向与宏观调控相结合的方式，进一步优化数字资源的配置，实现数字经济在区域间的协调发展，进而提高数字经济发展水平；另一方面要加快完善中西部经济落后地区的数字基础设施建设，深化数字产业化和产业数字化，并进一步缩小“数字鸿沟”，增强数字经济的赋能效应。
（作者单位：兰州交通大学）
主要参考文献：
［1］石勇.数字经济的发展与未来［J］.中国科学院院刊，2022.37（01）.
［2］许宪春，张美慧.中国数字经济规模测算研究——基于国际比较的视角［J］.中国工业经济，2020（05）.
［3］王军，朱杰，罗茜.中国数字经济发展水平及演变测度［J］.数量经济技术经济研究，2021.38（07）.
［4］陈庆江，王彦萌，万茂丰.企业数字化转型的同群效应及其影响因素研究［J］.管理学报，2021（05）.
［5］范德成，李盛楠.区域高技术产业技术创新效率测度与提升路径研究——基于共享投入关联型两阶段DEA模型［J］.运筹与管理，2019.28（05）.
［6］赵巧芝，刘倬璇，崔和瑞.中国高新技术产业技术创新效率测度及空间收敛研究［J］.统计与决策，2023.39（01）.
［7］李盛楠，范德成.中国高技术产业技术创新效率影响因素研究——一个理论框架［J］.科技进步与对策，2020.37（07）.
［8］胡山，余泳泽.数字经济与企业创新：突破性创新还是渐进性创新?［J］.财经问题研究，2022（01）.
［9］邱子迅，周亚虹.数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析［J］.财经研究，2021.47（07）.
［10］孙早，侯玉琳.工业智能化如何重塑劳动力就业结构［J］.中国工业经济，2019（05）.
［11］朱有为，徐康宁.中国高技术产业研发效率的实证研究［J］.中国工业经济，2006（11）.
［12］刘军，杨渊鋆，张三峰.中国数字经济测度与驱动因素研究［J］.上海经济研究，2020（06）.
|
|
|
|
