Digital Economy Development and Innovation in Cities and Regions: Empirical Evidence from 281 Prefecture Level Cities in China
-
摘要: 基于北京大学企业大数据研究中心的中国城市创新区域指数和281个地级市2011—2017年的经济发展数据，考察我国数字经济发展与城市区域创新之间的关系。结果表明：数字经济发展对中国城市的区域创新具有显著正向影响，且在一系列稳健性检验后结论依然成立；政府公共科技投入、市场金融信贷投资和社会人力资本提升是数字经济促进城市区域创新的主要影响机制；异质性分析表明，数字经济发展对创新的积极效应在教育水平较低、城市规模较小、市场化程度较低的城市更为显著；数字经济对城市区域创新的促进作用具有显著的空间外溢性特征。本文的理论和实证分析进一步丰富了数字经济发展促进区域创新的机制效应研究，为中国数字经济推动区域高质量发展提供了经验证据。Abstract: Based on the China's urban innovation regional index constructed by the enterprise big data research center of Peking University, this paper empirically investigates the causal relationship between digital economy development and urban regional innovation by using the economic development data of 281 prefecture level cities in China from 2011 to 2017. It is found that the development of digital economy has a significant positive impact on the innovation of China's urban areas, the conclusion being still valid after a series of robustness tests; government's investment in public science and technology, market financial credit investment and social human capital promotion are the main influence mechanisms of digital economy to promote China's urban regional innovation. Heterogeneity analysis shows that the positive effect of digital economy development on innovation is more significant in cities with low level of education, smaller cities and lower degree of marketization; the promotion of innovation in urban areas by the digital economy is characterized by significant spatial spillovers. This research not only enriches the theoretical mechanism of the impact of digital economy development on urban regional innovation, but also provides theoretical support and empirical experience for China's digital economy to promote high-quality development.
-
表 1 中国城市数字经济综合发展水平
一级指标 二级指标 二级指标测度 数字经济综合发展指数(Digital) 互联网普及率 每百人互联网用户数 互联网相关从业人员数 计算机服务和软件从业人员占比 互联网相关产出 人均电信业务总量 移动互联网用户数 每百人移动电话用户数 数字金融普惠发展 中国数字普惠金融指数 
下载: 导出CSV
表 2 变量的描述性统计
变量类型 具体变量 变量衡量 数量 均值 标准差 最小值 最大值 被解释变量 城市创新水平 发明专利授权数目 1 967 51.916 28.104 0.341 100 实用新型专利公开数目 1 967 52.017 27.990 1.023 100 外观专利公开数目 1 967 51.740 28.235 0.341 100 商标授权数目 1 967 51.815 28.113 0.682 100 核心解释变量 数字经济发展程度 数字经济综合发展指数 1 967 -0.023 1.021 -1.772 8.727 控制变量 经济发展水平 人均GDP的对数 1 967 10.620 0.574 8.772 13.055 经济发展速度 GDP增长速度 1 967 9.217 3.926 -19.380 23.960 产业结构水平 第三产业增加值占比 1 967 38.848 9.123 10.150 76.945 地方财政投入水平 公共财政收入占比 1 967 0.077 0.026 0.026 0.204 中介变量 公共科技投入 公共科技投入对数 1 967 10.220 1.240 6.620 15.210 金融资金投资 年末金融机构人民币贷款余额对数 1 967 16.250 1.060 13.720 19.830 人力资本 普通高等学校大学生占比(万人) 1 936 184.290 247.010 0.590 1 445.700
下载: 导出CSV
表 3 主回归结果
被解释变量 发明专利授权数目 实用新型公开数目 外观专利公开数目 商标授权数目 回归方法 FE FE FE FE 核心解释变量(Digital) 3.71***(17.88) 4.12***(25.02) 5.92***(23.66) 5.03***(21.7) 控制变量 控制 控制 控制 控制 常数项 -224.7*** -211.3*** -123*** -168.3*** 城市效应 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 城市个数 281 281 281 281 R2 0.358 8 0.336 8 0.521 5 0.323 3 N 1 967 1 967 1 967 1 967 注：***、**、*分别表示1%、5%、10%(双尾)的统计显著性水平，括号内的数值为经过异方差调整后的t值或z值。下表同。
下载: 导出CSV
表 4 内生性处理结果
被解释变量 发明专利授权数目 实用新型公开数目 外观专利公开数目 商标授权数目 回归方法 GMM GMM GMM GMM 核心解释变量(Digital) 36.82***(2.60) 38.64***(2.67) 21.87**(2.05) 15.9*(1.77) 控制变量 控制 控制 控制 控制 常数项 191.05 220.3 89.95 3.67 城市效应 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 城市个数 219 219 219 219 R2 0.789 3 0.778 4 0.823 4 0.862 6 N 1 533 1 533 1 533 1 533 工具变量识别不足检验 8.945 [0.002 8] 8.945 [0.002 8] 8.945 [0.002 8] 8.945 [0.002 8] 弱工具变量检验 28.6439.756{8.96} 28.6439.756{8.96} 28.6439.756{8.96} 28.6439.756{8.96} 注：工具变量识别不足检验指的是Kleibergen-Paaprk LM statistic，“[]”内数字为p值；弱工具变量检验指的是Cragg-Donald Wald F statistic和Kleibergen-Paaprk Wald F statistic，“{}”内数字为15%的显著性水平。
下载: 导出CSV
表 5 异质性分析结果
科教水平异质性 城市规模异质性 市场化异质性 高 低 大城市 非大城市 程度高 程度低 调节作用 回归方法 FE FE FE FE FE FE FE 被解释变量 发明专利授权数目 发明专利授权数目 发明专利授权数目 发明专利授权数目 发明专利授权数目 发明专利授权数目 发明专利授权数目 核心解释变量(Digital) 0.63**
(3.14)3.52***
(3.94)0.92**
(2.57)7.46***
(5.52)-0.56
(-1.11)14.66***
(6.52)11.1***
(4.15)市场化程度 6.11***
(24.29)数字化×市场化 -1.07***
(-3.6)控制变量 控制 控制 控制 控制 控制 控制 控制 常数项 0.456 -204.2*** -116.1*** -121.5*** -219.1*** -103*** -210.9*** 城市效应 控制 控制 控制 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 控制 控制 控制 城市个数 29 252 76 205 117 164 281 R2 0.170 5 0.268 6 0.381 5 0.165 1 0.513 7 0.201 0 0.430 0 N 203 1 764 532 1 435 819 1 148 1 967
下载: 导出CSV
表 6 稳健性检验
检验方式 控制省份政策环境 替换样本范围 替换核心解释变量 被解释变量 发明专利授权数目 发明专利授权数目 发明专利授权数目 回归方法 FE FE FE 核心解释变量(Digital) 2.78***(4.77) 5.43***(10.65) 2.47***(108.1) 控制变量 控制 控制 控制 常数项 -211.9*** -188.5*** -264.3*** 城市效应 控制 控制 控制 时间效应 控制 控制 控制 省份效应 控制 控制 控制 年份×省份 控制 控制 控制 城市个数 281 250 277 R2 0.571 5 0.243 8 0.439 8 N 1 967 1 750 555
下载: 导出CSV
表 7 机制检验结果
方程 (2) (2) (2) (3) (3) (3) 回归方法 FE FE FE FE FE FE 被解释变量 财政科技投入 金融资金投资 人力资本 发明专利授权数目 发明专利授权数目 发明专利授权数目 数字化指数 0.27 ***
(11.23)0.22 ***
(14.63)40.64***
(4.35)-0.74*
(-1.98)-1.12**
(-2.95)2.74***
(10.09)财政科技投入 16.27***
(20.55)金融资金投资 21.19***
(72.45)人力资本 0.023***
(10.71)控制变量 控制 控制 控制 控制 控制 控制 常数项 -0.74 6.43*** -1755*** -212.6*** -361.2*** -181.7*** 城市效应 控制 控制 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 控制 控制 城市个数 281 281 274 281 281 274 R2 0.480 7 0.444 2 0.440 6 0.619 2 0.636 7 0.389 9 N 1 967 1 967 1 936 1 967 1 967 1 936
下载: 导出CSV
表 8 2011—2017年我国城市数字经济发展水平和发明专利授权数目的Moran's I指数
年份 数字经济指数 发明专利授权数目 Moran's I Z值 Moran's I Z值 2011 0.107 2*** 22.483 1 0.081 8*** 16.210 7 2012 0.099 1*** 21.014 8 0.081 7*** 16.187 7 2013 0.100 7*** 20.881 7 0.094 1*** 18.542 3 2014 0.097 5*** 20.368 5 0.095 1*** 18.730 5 2015 0.096 4*** 19.944 7 0.100 6*** 19.783 6 2016 0.090 9*** 18.359 5 0.111 3*** 21.815 0 2017 0.093 9*** 18.908 4 0.112 8*** 22.101 4
下载: 导出CSV
表 9 数字经济影响城市区域创新的空间模型回归结果
模型设定 SAR SEM SAC SDM (1) (2) (3) (4) ρ 0.95***(64.78) 0.98***(42.63) 0.89***(26.09) 0.93***(56.34) 核心解释变量(Digital) 3.25*(1.81) 3.51**(2.39) 3.38*(1.70) 3.41*(1.65) W×Digital 16.18***(4.37) 控制变量 控制 控制 控制 控制 Log - L -695.45 -647.29 -651.03 -649.15 城市效应 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 城市个数 279 279 279 279 N 1 953 1 953 1 953 1 953 R2 0.006 9 0.329 7 0.029 2 0.023 4
下载: 导出CSV
表 10 SDM模型的直接效应、空间溢出效应与总效应
效应类别 变量 系数 t统计值 p值 直接效应 Digital 4.28*** 3.05 0.001 间接效应(空间溢出效应) Digital 2.57** 2.23 0.034 总效应 Digital 6.84* 1.66 0.09
下载: 导出CSV
-
[1] GUIRE T M, MANYIKA J, CHUI M. Why big data is the new competitive advantage[J]. Ivey Business Journal, 2012, 7-8: 1-13. [2] GLAVAS C, MATHEWS S. How international entrepreneurship characteristics influence internet capabilities for the international business processes of the firm[J]. International Business Review, 2014, 23(1): 228-245. doi: 10.1016/j.ibusrev.2013.04.001 [3] VARIAN H R. Computer mediated transactions[J]. American Economic Review, 2010, 100(2): 1-10. doi: 10.1257/aer.100.2.1 [4] AUDRETSCH D B, HEGER D, VEITH T. Infrastructure and entrepreneurship[J]. Small Business Economics, 2015, 44(2): 219-230. doi: 10.1007/s11187-014-9600-6 [5] FORES B, CAMISON C. Does incremental and radical innovation performance depend on different types of knowledge accumulation capabilities and organizational size?[J]. Journal of Business Research, 2016, 69(2): 831-848. doi: 10.1016/j.jbusres.2015.07.006 [6] 韩先锋, 宋文飞, 李勃昕. 互联网能成为中国区域创新效率提升的新动能吗[J]. 中国工业经济, 2019(7): 119-136. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201907008.htm [7] 温珺, 阎志军, 程愚. 数字经济驱动创新效应研究——基于省际面板数据的回归[J]. 经济体制改革, 2020(3): 31-38. [8] 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(7): 4-17. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ202107002.htm [9] 马化腾, 孟昭莉, 闫德利, 等. 数字经济: 中国创新增长新动能[M]. 北京: 中信出版社, 2017. [10] HOWELLS T. Financing innovation: evidence from R&D grants[J]. American Economic Review, 2015, 107(4): 1136-1164. [11] 车德欣, 吴传清, 任晓怡, 等. 财政科技支出如何影响企业技术创新?——异质性特征、宏微观机制与政府激励结构破解[J]. 中国软科学, 2020(3): 176-187. [12] 吴非, 常曦, 任晓怡. 政府驱动型创新: 财政科技支出与企业数字化转型[J]. 财政研究, 2021(1): 102-115. https://www.cnki.com.cn/Article/CJFDTOTAL-CZYJ202101008.htm [13] LEE C Y. The differential effects of public R & D support on firm R & D: theory and evidence from multi-country data[J]. Technovation, 2011, 31(5-6): 256-269. [14] 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020(5): 52-66. [15] 谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?——来自中国的证据[J]. 经济学(季刊), 2018(4): 1557-1580. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201804012.htm [16] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020(10): 65-76. [17] 黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验[J]. 中国工业经济, 2019(8): 5-23. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201908001.htm [18] NUNN N, QIAN N. US food aid and civil conflict[J]. American Economic Review, 2014, 104(6): 1630-66. [19] 杜传忠, 张远. 数字经济发展对企业生产率增长的影响机制研究[J]. 证券市场导报, 2021(2): 41-51. https://www.cnki.com.cn/Article/CJFDTOTAL-ZQDB202102005.htm [20] 李天籽, 王伟. 网络基础设施的空间溢出效应比较研究[J]. 华东经济管理, 2018(12): 5-12. https://www.cnki.com.cn/Article/CJFDTOTAL-HDJJ201812002.htm [21] 白俊红, 王钺, 蒋伏心, 等. 研发要素流动、空间知识溢出与经济增长[J]. 经济研究, 2017(7): 109-123. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201707009.htm -
