數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新效率的影響:本地效應(yīng)與空間溢出

王晶晶,楊奕晨,陳金丹

(南京郵電大學(xué) 經(jīng)濟學(xué)院,江蘇 南京 210023)

0 引言

《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年計劃和2035年遠景目標(biāo)綱要》明確指出,要堅持創(chuàng)新在我國現(xiàn)代化建設(shè)全局中的核心地位,深入實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略。目前,我國自主創(chuàng)新投入力度不斷加大,但創(chuàng)新效率尚待進一步提升,尋求創(chuàng)新效率提升路徑是新發(fā)展格局下實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵。伴隨新一輪科技革命和產(chǎn)業(yè)變革,數(shù)字經(jīng)濟發(fā)展迅速,融合大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、云計算等技術(shù)的數(shù)字服務(wù)業(yè)已成為全球創(chuàng)新最活躍的領(lǐng)域之一,數(shù)字服務(wù)業(yè)高質(zhì)量發(fā)展是數(shù)字時代驅(qū)動創(chuàng)新、重塑國際競爭格局的戰(zhàn)略選擇。與此同時,產(chǎn)業(yè)集聚作為一種空間經(jīng)濟活動,一直是學(xué)界關(guān)注的焦點,尤其是勞動力與企業(yè)在地理空間上的集聚會產(chǎn)生外部性,進而對當(dāng)?shù)貏?chuàng)新活動產(chǎn)生影響。

就產(chǎn)業(yè)集聚形態(tài)而言,在數(shù)字經(jīng)濟背景下,區(qū)塊鏈、互聯(lián)網(wǎng)等技術(shù)在生產(chǎn)領(lǐng)域應(yīng)用改變了產(chǎn)業(yè)空間范圍,催生了產(chǎn)業(yè)組織網(wǎng)絡(luò)化發(fā)展,使得產(chǎn)業(yè)集聚不再受地理條件和人文環(huán)境約束,形成虛擬集聚的空間新形態(tài)[1]。此外,數(shù)字經(jīng)濟可助推服務(wù)業(yè)數(shù)字化升級、降低交易成本以及激發(fā)規(guī)模經(jīng)濟優(yōu)勢、賦能服務(wù)業(yè)發(fā)展。數(shù)字服務(wù)業(yè)中既有作為中間投入的服務(wù)品,又有作為最終消費品的服務(wù)品,前者具有可貿(mào)易性,后者具有追隨需求的特征,均呈現(xiàn)出較強的空間集聚特征,因此數(shù)字服務(wù)業(yè)集聚可突破空間限制,產(chǎn)生更顯著的空間集聚效應(yīng)。諸多地區(qū)關(guān)注數(shù)字服務(wù)業(yè)集聚發(fā)展,2020年商務(wù)部認定中關(guān)村軟件園等12個園區(qū)為國家數(shù)字服務(wù)出口基地。其中,上海依托浦東軟件園建設(shè)國家數(shù)字服務(wù)出口基地,園區(qū)內(nèi)企業(yè)超過1 600家,知識產(chǎn)權(quán)擁有量超過15 000件。近年來,數(shù)字服務(wù)業(yè)中軟件和信息技術(shù)服務(wù)業(yè)集聚效應(yīng)凸顯,2020年全國268個軟件園區(qū)貢獻了75%以上的軟件業(yè)務(wù)收入,13個中國軟件名城業(yè)務(wù)收入占比達77.5%。那么,數(shù)字服務(wù)業(yè)集聚能否驅(qū)動本地創(chuàng)新效率提升?隨著數(shù)字經(jīng)濟高速發(fā)展,不同城市之間的經(jīng)濟聯(lián)系日益緊密,產(chǎn)業(yè)集聚與城市創(chuàng)新效率之間往往存在空間關(guān)聯(lián)性,數(shù)字服務(wù)業(yè)集聚是否會對鄰近城市創(chuàng)新效率產(chǎn)生空間溢出效應(yīng)?厘清數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新效率影響的本地效應(yīng)與空間溢出效應(yīng)有助于我國數(shù)字經(jīng)濟高質(zhì)量發(fā)展以及創(chuàng)新驅(qū)動戰(zhàn)略實施,因此具有重要的理論和現(xiàn)實意義。

與現(xiàn)有研究相比,本文的邊際貢獻如下:第一,以數(shù)字服務(wù)業(yè)集聚為切入點,厘清其對城市創(chuàng)新效率提升的驅(qū)動作用?，F(xiàn)有研究一般從數(shù)字經(jīng)濟或產(chǎn)業(yè)集聚角度探究其與創(chuàng)新效率的關(guān)系,本文拓展了數(shù)字經(jīng)濟與集聚經(jīng)濟的相關(guān)研究。第二,將國家統(tǒng)計局《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類(2021)》與《國民經(jīng)濟行業(yè)分類》進行匹配,并基于剝離和留存系數(shù)確定數(shù)字服務(wù)業(yè)劃分,彌補現(xiàn)有數(shù)字服務(wù)業(yè)及其空間集聚研究的不足。第三,忽略經(jīng)濟活動之間的空間關(guān)聯(lián)性,會導(dǎo)致研究結(jié)果存在偏誤?？臻g杜賓模型考慮了空間相關(guān)性,可同時識別對本地及鄰近地區(qū)特定經(jīng)濟變量的影響?；诖?本文利用空間杜賓模型探究數(shù)字服務(wù)業(yè)集聚產(chǎn)生的本地效應(yīng)與空間溢出效應(yīng)。第四,以國內(nèi)市場規(guī)模為中介機制,厘清數(shù)字服務(wù)業(yè)集聚對創(chuàng)新效率的影響機制,國內(nèi)市場規(guī)模測度參考Harris(1954)構(gòu)建的市場潛能函數(shù),從而為加快建設(shè)全國統(tǒng)一大市場、構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際相互促進的新發(fā)展格局提供經(jīng)驗支撐。

1 文獻綜述與研究假設(shè)

1.1 文獻綜述

與本文相關(guān)的文獻主要包括三方面。

一是厘清區(qū)域創(chuàng)新效率提升的影響因素,分別從環(huán)境、創(chuàng)新價值鏈、政府支持、政府分權(quán)等維度探究區(qū)域創(chuàng)新效率提升問題[2-3]。此類文獻主要基于隨機前沿分析[4]、DEA模型、兩階段非合作博弈[5]、共同邊界的效率評估函數(shù)[6]等對區(qū)域創(chuàng)新效率進行測度。事實上,現(xiàn)有文獻已關(guān)注到產(chǎn)業(yè)集聚與創(chuàng)新效率的關(guān)系,主要基于外部性理論以及新經(jīng)濟地理學(xué)視角探究,但不同產(chǎn)業(yè)集聚對創(chuàng)新效率的影響路徑存在差異:一類文獻認為產(chǎn)業(yè)集聚外部性是影響區(qū)域創(chuàng)新效率的關(guān)鍵因素[4][6-7];另一類文獻則得出產(chǎn)業(yè)集聚可通過地理距離和分工優(yōu)勢降低交易成本,強化知識溢出效應(yīng),驅(qū)動區(qū)域創(chuàng)新效率提升[8-9]。

二是關(guān)注服務(wù)業(yè)尤其是生產(chǎn)性服務(wù)業(yè)集聚的經(jīng)濟效應(yīng),主要集中于對制造業(yè)效率、城市經(jīng)濟績效與技術(shù)創(chuàng)新的影響[10-14]。生產(chǎn)性服務(wù)業(yè)集聚帶來的人才集聚有助于促進員工合作與交流,在集聚區(qū)內(nèi)形成良好的創(chuàng)新氛圍和學(xué)習(xí)環(huán)境[11]。此類文獻大多基于空間溢出視角,探究生產(chǎn)性服務(wù)業(yè)集聚對本地和鄰近地區(qū)經(jīng)濟發(fā)展的差異化影響。首先,在制造業(yè)效率提升方面,現(xiàn)有研究認為生產(chǎn)性服務(wù)業(yè)空間集聚對制造業(yè)生產(chǎn)效率提升與結(jié)構(gòu)升級存在顯著的空間溢出效應(yīng)(肖文等,2014;韓峰等,2020)。其次,在城市經(jīng)濟績效方面,生產(chǎn)性服務(wù)業(yè)集聚能夠改善本地區(qū)經(jīng)濟增長質(zhì)量,但對鄰近地區(qū)經(jīng)濟增長質(zhì)量存在抑制作用[12]。最后,關(guān)于技術(shù)創(chuàng)新的影響與本文研究最為密切。服務(wù)業(yè)集聚區(qū)為企業(yè)橫向合作提供載體,通過勞動力“蓄水池”的外部性與知識溢出外部性促進企業(yè)創(chuàng)新能力提升[14-15]。

三是集中考察數(shù)字經(jīng)濟或數(shù)字產(chǎn)業(yè)發(fā)展的創(chuàng)新驅(qū)動效應(yīng)[16-18]。在數(shù)字經(jīng)濟方面,現(xiàn)有文獻厘清了數(shù)字經(jīng)濟對收入分配、創(chuàng)業(yè)活動、包容性增長、歧視性定價與質(zhì)量競爭策略等方面的影響,在創(chuàng)新激勵方面,認為數(shù)字經(jīng)濟對創(chuàng)新存在正向驅(qū)動作用。一方面,數(shù)字經(jīng)濟可形成規(guī)模經(jīng)濟、范圍經(jīng)濟以及長尾效應(yīng),優(yōu)化供需匹配,完善價格機制,通過要素投入提高資源配置效率和全要素生產(chǎn)率,進而激勵創(chuàng)新[16,18]。另一方面,數(shù)字經(jīng)濟發(fā)展可通過激發(fā)消費者多樣化需求、滿足創(chuàng)業(yè)者信息獲取需求以及優(yōu)化產(chǎn)品匹配3個渠道提升城市創(chuàng)業(yè)活躍度,并通過數(shù)字金融糾正傳統(tǒng)金融中的“屬性錯配”“領(lǐng)域錯配”“階段錯配”,促進企業(yè)創(chuàng)新(趙濤等,20220;唐松等,2020)。在數(shù)字產(chǎn)業(yè)發(fā)展方面,王俊豪和周晟佳(2020)從數(shù)字產(chǎn)業(yè)技術(shù)密集性、高滲透性、先導(dǎo)性以及不確定性角度出發(fā),指出數(shù)字產(chǎn)業(yè)的溢出效應(yīng)包括正外部性、加速工業(yè)數(shù)字化增長、維持服務(wù)業(yè)數(shù)字化領(lǐng)先以及發(fā)揮農(nóng)業(yè)數(shù)字化高潛力,但未進行實證檢驗。

現(xiàn)有文獻分別對服務(wù)業(yè)集聚、區(qū)域創(chuàng)新效率、數(shù)字經(jīng)濟與數(shù)字產(chǎn)業(yè)的經(jīng)濟效應(yīng)進行多維度驗證,但不足之處在于:首先,未從集聚視角出發(fā),探究數(shù)字產(chǎn)業(yè)集聚的經(jīng)濟效應(yīng),更未考慮空間相關(guān)性,研究其對鄰近地區(qū)創(chuàng)新效率的空間溢出效應(yīng)。其次,現(xiàn)有的數(shù)字產(chǎn)業(yè)研究同時涵蓋數(shù)字制造業(yè)與數(shù)字服務(wù)業(yè),并未將數(shù)字服務(wù)業(yè)剝離出來進行深入分析。數(shù)字服務(wù)業(yè)具備服務(wù)業(yè)的無形性、生產(chǎn)與消費的不可分割性特征,與數(shù)字制造業(yè)存在顯著差異。最后,現(xiàn)有研究鮮少從國內(nèi)市場規(guī)模角度探究集聚對創(chuàng)新效率的影響?；诖?本文將利用空間計量模型探究城市數(shù)字服務(wù)業(yè)集聚對創(chuàng)新效率影響的本地效應(yīng)與空間溢出效應(yīng)。

1.2 理論基礎(chǔ)與研究假設(shè)

數(shù)字服務(wù)業(yè)集聚是指數(shù)字服務(wù)業(yè)在某地理區(qū)域的高度集中,是產(chǎn)業(yè)要素在空間范圍內(nèi)匯聚的過程。數(shù)字服務(wù)業(yè)具備數(shù)字產(chǎn)業(yè)與服務(wù)業(yè)的雙重特征,即具備高技術(shù)密集性、高知識密集性、高滲透性以及低邊際成本特征[19],同時,存在無形性、生產(chǎn)與消費的不可分割性,比制造業(yè)更依賴于本地市場規(guī)模,呈現(xiàn)出更顯著的空間集聚效應(yīng)[20]。本文將結(jié)合外部經(jīng)濟理論、新經(jīng)濟地理學(xué)與新新經(jīng)濟地理學(xué)理論詮釋數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新效率的影響及作用機制,主要從本地效應(yīng)、空間溢出效應(yīng)以及市場規(guī)模擴張的中介機制3個方面展開。

1.2.1 本地效應(yīng)

首先,數(shù)字服務(wù)業(yè)集聚的勞動力蓄水池效應(yīng)表現(xiàn)為吸引創(chuàng)新人才與數(shù)據(jù)要素流入,驅(qū)動創(chuàng)新效率提升。數(shù)字服務(wù)業(yè)隸屬于知識密集型產(chǎn)業(yè),擁有諸多高素質(zhì)勞動力,通過吸引大量數(shù)字專業(yè)人才匯集,形成完備的勞動力市場,為企業(yè)創(chuàng)新提供充足的人才資源和數(shù)據(jù)資源[21],降低企業(yè)人才搜尋成本和信息匹配成本,驅(qū)動城市創(chuàng)新效率提升。

其次,數(shù)字服務(wù)業(yè)集聚存在知識溢出效應(yīng)。因數(shù)字服務(wù)業(yè)集聚形成知識交換場所,有助于降低企業(yè)知識溢出壁壘,提高集聚區(qū)知識存量[14,22]。此外,創(chuàng)新網(wǎng)絡(luò)形成有助于提高知識溢出和擴散速度,并通過產(chǎn)業(yè)內(nèi)、產(chǎn)業(yè)間的雙重知識溢出助推城市創(chuàng)新效率提升。產(chǎn)業(yè)內(nèi)知識溢出使得數(shù)字服務(wù)業(yè)企業(yè)可以通過模仿和示范效應(yīng)共享集聚區(qū)知識,獲得專業(yè)化集聚的外部性,驅(qū)動數(shù)字服務(wù)業(yè)創(chuàng)新效率提升;產(chǎn)業(yè)間知識溢出則通過中間品共享,驅(qū)動以數(shù)字服務(wù)業(yè)為中間投入品的下游產(chǎn)業(yè)創(chuàng)新效率提升。

最后,數(shù)字服務(wù)業(yè)集聚有助于降低創(chuàng)新過程中的交易成本與信息匹配成本。一方面,數(shù)字服務(wù)業(yè)是高滲透性產(chǎn)業(yè),包含人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等數(shù)字技術(shù),高滲透性數(shù)字服務(wù)業(yè)集聚有助于驅(qū)動集聚區(qū)企業(yè)數(shù)字化轉(zhuǎn)型,數(shù)字技術(shù)則通過縮短供應(yīng)鏈長度,實現(xiàn)數(shù)字服務(wù)業(yè)與傳統(tǒng)產(chǎn)業(yè)深度融合[19,23],充分發(fā)揮數(shù)據(jù)要素和信息資源在生產(chǎn)中的作用,降低企業(yè)經(jīng)營與交易成本,提升城市創(chuàng)新效率。另一方面,數(shù)字服務(wù)業(yè)集聚通過數(shù)字服務(wù)技術(shù)等算法助力企業(yè)精準(zhǔn)獲取客戶需求,緩解信息不對稱性,降低創(chuàng)新過程中的信息匹配成本,解決消費者與研發(fā)者信息割裂問題,激勵消費者線上線下參與產(chǎn)品研發(fā),幫助企業(yè)根據(jù)消費者需求不斷完善產(chǎn)品,推動產(chǎn)業(yè)端與創(chuàng)新端緊密銜接[24],進一步提高創(chuàng)新效率?；谝陨戏治?本文提出以下研究假設(shè):

H1:數(shù)字服務(wù)業(yè)集聚能夠促進本地城市創(chuàng)新效率提升。

1.2.2 空間溢出效應(yīng)

鄰近經(jīng)濟單元間存在某種關(guān)聯(lián),忽略經(jīng)濟活動的空間聯(lián)系會導(dǎo)致研究結(jié)果偏誤[25-30]。城市創(chuàng)新效率往往存在空間自相關(guān)性,本地區(qū)創(chuàng)新效率會通過示范效應(yīng)傳遞至鄰近地區(qū),導(dǎo)致相鄰城市創(chuàng)新效率存在一定依賴關(guān)系,形成高—高創(chuàng)新效率集聚地區(qū)、低—低創(chuàng)新效率集聚地區(qū)的空間分布格局。此外,創(chuàng)新要素流動以及上下游產(chǎn)業(yè)關(guān)聯(lián)使得城市創(chuàng)新活動的空間溢出效應(yīng)顯著,表現(xiàn)為:一方面,數(shù)字服務(wù)業(yè)因自身在生產(chǎn)和消費環(huán)節(jié)存在空間上的不可分性,呈現(xiàn)出顯著的空間集聚特征,要素溢出不會局限于當(dāng)?shù)?而是突破地理界限產(chǎn)生跨區(qū)域空間溢出[27-28]。數(shù)字服務(wù)業(yè)空間集聚帶來勞動力要素聚集,而勞動力要素的跨區(qū)域流動有助于實現(xiàn)研發(fā)創(chuàng)新知識的空間溢出。另一方面,上下游產(chǎn)業(yè)之間存在較強的關(guān)聯(lián)效應(yīng),數(shù)字服務(wù)業(yè)集聚可通過前后向產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)影響鄰近城市創(chuàng)新效率。數(shù)字服務(wù)業(yè)中的信息傳輸、軟件和信息技術(shù)業(yè)隸屬生產(chǎn)性服務(wù)業(yè)范疇,生產(chǎn)性服務(wù)業(yè)集聚會對下游制造業(yè)效率提升與第二三產(chǎn)業(yè)協(xié)同產(chǎn)生顯著影響[29],有助于創(chuàng)新效應(yīng)溢出。基于以上分析,本文提出以下研究假設(shè):

H2:數(shù)字服務(wù)業(yè)集聚可通過空間溢出效應(yīng)提高鄰近城市創(chuàng)新效率。

1.2.3 市場規(guī)模擴張機制

經(jīng)典的需求引致創(chuàng)新理論認為,市場需求規(guī)模擴大可驅(qū)動創(chuàng)新[31],新市場需求會激勵企業(yè)開展創(chuàng)新,促進技術(shù)競爭發(fā)生。為了滿足消費者的異質(zhì)性需求、提供多樣化的新產(chǎn)品和新服務(wù),企業(yè)不得不提高創(chuàng)新效率(程鵬等,2017)。擴大本土市場規(guī)模是發(fā)揮規(guī)模經(jīng)濟效應(yīng)和集聚效應(yīng)、降低市場交易成本、暢通國內(nèi)大循環(huán)、構(gòu)建新發(fā)展格局的基礎(chǔ)。2022年4月中共中央、國務(wù)院在《關(guān)于加快建設(shè)全國統(tǒng)一大市場的意見》中明確提出,立足內(nèi)需、暢通循環(huán),發(fā)揮超大規(guī)模市場具有應(yīng)用場景和放大創(chuàng)新收益的優(yōu)勢,通過市場需求引導(dǎo)創(chuàng)新資源有效配置,促進創(chuàng)新要素有序流動和合理配置。

數(shù)字服務(wù)業(yè)空間集聚可通過循環(huán)因果效應(yīng)和規(guī)模經(jīng)濟效應(yīng)擴大國內(nèi)市場規(guī)模,強化超大規(guī)模市場優(yōu)勢,驅(qū)動城市創(chuàng)新效率提升。首先,Krugman[27]引入規(guī)模報酬遞增和運輸成本概念,構(gòu)建“中心—外圍”模型,考慮到勞動力的跨區(qū)域流動并闡釋循環(huán)累積因果效應(yīng),認為集聚形成的原因包括市場規(guī)模、外部經(jīng)濟和偶然性因素。數(shù)字服務(wù)業(yè)集聚有助于為上下游企業(yè)提供便利的專業(yè)化服務(wù),同時,要素集聚會產(chǎn)生價格指數(shù)效應(yīng),有利于運輸成本、生活成本以及交易成本降低,促進數(shù)字服務(wù)業(yè)企業(yè)進一步集聚,擴大市場規(guī)模,再次強化集聚效應(yīng),如此循環(huán),產(chǎn)生循環(huán)累積因果效應(yīng)。其次,大數(shù)據(jù)、區(qū)塊鏈、云計算等數(shù)字技術(shù)發(fā)展,使得數(shù)字產(chǎn)品和服務(wù)產(chǎn)品的邊際成本大幅降低,有助于企業(yè)擴大生產(chǎn)規(guī)模,形成規(guī)模經(jīng)濟效應(yīng),提升企業(yè)市場占有率[1,31]?；谝陨戏治?本文提出以下研究假設(shè):

H3:數(shù)字服務(wù)業(yè)集聚有助于拓展本土市場規(guī)模,發(fā)揮超大規(guī)模市場優(yōu)勢,提升本地與鄰近城市創(chuàng)新效率。

基于上述分析,構(gòu)建理論框架,如圖1所示。其中,假設(shè)H1用于闡釋數(shù)字服務(wù)業(yè)集聚對本地城市創(chuàng)新效率提升的影響,即本地效應(yīng);假設(shè)H2旨在厘清數(shù)字服務(wù)業(yè)集聚對鄰近城市創(chuàng)新效率的空間溢出效應(yīng);假設(shè)H3探究市場規(guī)模擴張的中介機制,明晰數(shù)字服務(wù)業(yè)集聚通過市場規(guī)模擴張的中介機制實現(xiàn)本地和鄰近地區(qū)城市創(chuàng)新效率提升。

2 模型設(shè)計

2.1 空間計量模型確定

根據(jù)前文分析可知,數(shù)字服務(wù)業(yè)集聚能夠促進城市創(chuàng)新效率提升,基于此,構(gòu)建計量模型如式(1)所示。

lninnovit=C+θ1lnnagglit+θ2X+εit

(1)

式(1)中,i和t分別表示城市與年份, lninnovit表示城市創(chuàng)新效率,為本文的被解釋變量,lnnagglit表示城市數(shù)字服務(wù)業(yè)集聚水平,為核心解釋變量,θ1為核心解釋變量的彈性系數(shù),X為控制變量,包含勞動力水平、政府干預(yù)、信息化水平和基礎(chǔ)設(shè)施投入,εit是隨機誤差項。

為驗證空間溢出效應(yīng),在式(1)基礎(chǔ)上加入空間交互項,借鑒LeSage &Pace[32]提出的空間杜賓模型(SDM)構(gòu)建空間計量模型,如式(2)所示。

(2)

圖1 理論機制框架Fig.1 Framework of the theoretical mechanism

2.2 數(shù)據(jù)來源

選取2009—2019年259個地級城市作為樣本數(shù)據(jù),剔除存在大量缺失數(shù)據(jù)的樣本,包括拉薩、三沙、隴南、海東等29個城市。城市數(shù)據(jù)主要來源于2010-2020年《中國城市統(tǒng)計年鑒》、各省(市)統(tǒng)計年鑒以及各省市《國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》。其中,創(chuàng)新效率輸出指標(biāo)采用各城市當(dāng)年發(fā)明專利授權(quán)量衡量,數(shù)據(jù)源自中國研究數(shù)據(jù)服務(wù)平臺(CNRDS)發(fā)布的1990-2019年地級市專利統(tǒng)計,創(chuàng)新效率輸入指標(biāo)采用各城市2009-2019年科學(xué)技術(shù)支出、教育支出和普通高校在校人數(shù)測度,數(shù)據(jù)源自《中國城市統(tǒng)計年鑒》。

2.3 變量選取

2.3.1 被解釋變量

城市創(chuàng)新效率(innov)。借鑒劉奕[33]等計算生產(chǎn)效率的方法,利用數(shù)據(jù)包絡(luò)分析法(DEA)的CCR模型計算城市創(chuàng)新效率。假設(shè)共有n個決策單元DMUj,有m個輸入指標(biāo)和s個輸出指標(biāo),則引入非阿基米德無窮小量ε,構(gòu)建具有輸入傾向的CCR模型如下:

(3)

式(3)中,s-和s+分別為輸出與輸入變量;Θ是投入x的可壓縮比例,若線性規(guī)劃的最優(yōu)解為Θ,λ、s-,s+,當(dāng)Θ=1且s-=0,s+=0時,則認為決策單元DEA有效。當(dāng)被評價的DMU數(shù)據(jù)為包含多時間的面板數(shù)據(jù)時,可以進一步對創(chuàng)新效率變化以及技術(shù)效率變化、生產(chǎn)技術(shù)變化進行分析,即 Malmquist創(chuàng)新效率指數(shù)可分解為技術(shù)效率變化(EC) 和生產(chǎn)技術(shù)變化(TC) 兩部分。在本研究中,采用相鄰參比法進行 Malmquist 的計算與分解,即求得的Malmquist 指數(shù)是由兩個不同時期前沿的 Malmquist 指數(shù)幾何平均值計算而得。Malmquist 指數(shù)、效率變化、技術(shù)變化三者的數(shù)量關(guān)系為MI=EC×TC。 本文中的創(chuàng)新效率產(chǎn)出指標(biāo)采用城市擁有的發(fā)明專利授權(quán)量表示,投入指標(biāo)采用城市科學(xué)技術(shù)支出、教育支出和普通高等學(xué)校在校人數(shù)衡量。根據(jù)城市創(chuàng)新效率測度結(jié)果可知,創(chuàng)新效率較高城市主要集中在東部沿海地區(qū),這是因為上述地區(qū)經(jīng)濟發(fā)達,重視創(chuàng)新,知識發(fā)展水平高,與此同時,西部省會城市的創(chuàng)新效率也較高。

2.3.2 解釋變量

數(shù)字服務(wù)業(yè)集聚(naggl)。數(shù)字服務(wù)業(yè)界定是本文研究基礎(chǔ),國家統(tǒng)計局的《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類(2021)》中將數(shù)字經(jīng)濟分為五大類,其中,數(shù)字產(chǎn)品制造業(yè)、數(shù)字產(chǎn)品服務(wù)業(yè)、數(shù)字技術(shù)應(yīng)用業(yè)以及數(shù)字要素驅(qū)動業(yè)屬于數(shù)字經(jīng)濟核心產(chǎn)業(yè),即數(shù)字產(chǎn)業(yè)化部分。經(jīng)與《國民經(jīng)濟行業(yè)分類》匹配可知,數(shù)字服務(wù)業(yè)包含批發(fā)和零售業(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),科學(xué)研究和技術(shù)服務(wù)業(yè),居民服務(wù)、修理和其它服務(wù),文化、體育和娛樂業(yè)共六類。其中,信息傳輸、軟件、信息技術(shù)服務(wù)業(yè)中所有部門均屬于數(shù)字產(chǎn)業(yè)部分,其它5個行業(yè)則按照許憲春和張美慧[34]、李騰[35]等構(gòu)建的剝離和留存系數(shù)進行歸類。其中,剝離系數(shù)是指行業(yè)中數(shù)字產(chǎn)業(yè)增加值占行業(yè)總增加值的比重,留存系數(shù)是剝離數(shù)字產(chǎn)業(yè)后剩余產(chǎn)業(yè)的占比。六大數(shù)字服務(wù)業(yè)中,批發(fā)和零售業(yè)的剝離系數(shù)為23.64%,科學(xué)研究和技術(shù)服務(wù)業(yè)的剝離系數(shù)為2.79%,這是因為批發(fā)和零售業(yè)高度依賴數(shù)字平臺發(fā)展,而科學(xué)研究和技術(shù)服務(wù)業(yè)中包含大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等新興關(guān)鍵技術(shù)以及3D打印推廣服務(wù)業(yè)?；诖?本文的數(shù)字服務(wù)業(yè)包括信息傳輸、軟件、信息技術(shù)服務(wù)業(yè),批發(fā)和零售業(yè)以及科學(xué)研究和技術(shù)服務(wù)業(yè)三類服務(wù)行業(yè),并根據(jù)分類測度數(shù)字服務(wù)業(yè)集聚程度。

現(xiàn)有文獻中采用多種方法測度產(chǎn)業(yè)集聚,包括空間基尼系數(shù)、區(qū)位熵指數(shù)、赫芬達爾指數(shù)、E-G指數(shù)等,本文采用區(qū)位熵指數(shù)測度城市數(shù)字服務(wù)業(yè)集聚程度,該指數(shù)主要衡量地區(qū)要素的空間分布,計算公式如式(4)所示。

(4)

式(4)中,naggl表示區(qū)位熵指數(shù),i和r分別表示城市與行業(yè),eir表示i地區(qū)r行業(yè)就業(yè)人數(shù),∑ieir表示所有城市r行業(yè)就業(yè)總?cè)藬?shù),∑reir表示i城市所有行業(yè)就業(yè)總?cè)藬?shù),∑i∑reir表示所有城市就業(yè)總?cè)藬?shù)。由于本文關(guān)注的是城市數(shù)字服務(wù)業(yè)集聚情況,因此r行業(yè)是指數(shù)字服務(wù)業(yè)。根據(jù)2019年數(shù)字服務(wù)業(yè)集聚程度測算結(jié)果可知,數(shù)字服務(wù)業(yè)集聚度較高城市仍然集中在東部沿海地區(qū),或者是各省會城市。值得關(guān)注的是,貴州省自2015年成立大數(shù)據(jù)中心后,貴陽市數(shù)字服務(wù)業(yè)集聚程度不斷提高。

2.3.3 控制變量及中介變量

政府干預(yù)(gov):本文以城市財政收入占全市生產(chǎn)總值的比重表征政府干預(yù)程度。信息化水平(info):地區(qū)信息化水平提高有助于信息傳遞成本降低,從而促進該地區(qū)創(chuàng)新效率提升,本文采用地區(qū)電信業(yè)務(wù)收入衡量信息化水平并對其取對數(shù)。勞動力供給(L):借鑒曾藝[12]等的方法,以城市年末單位從業(yè)人數(shù)衡量勞動力供給水平并對其取對數(shù)。基礎(chǔ)設(shè)施投入(libr):采用每百人公共圖書館藏書量衡量,藏書量越多,側(cè)面體現(xiàn)城市基礎(chǔ)設(shè)施越完善,越能夠吸引更多知識密集型勞動力流入,從而促進城市創(chuàng)新效率提升。

市場規(guī)模(mp):市場規(guī)模是影響城市創(chuàng)新效率的重要因素,本文采用Harris[36]構(gòu)建的市場潛能函數(shù)測度,計算公式如式(5)所示。

(5)

表1 變量描述性統(tǒng)計結(jié)果Tab.1 Statistical description of variables

3 空間計量分析

3.1 城市創(chuàng)新效率空間相關(guān)性分析

采用Moran's I指數(shù)檢驗城市創(chuàng)新效率的空間自相關(guān)性,其計算公式如式(6)所示。

(6)

(7)

基于經(jīng)濟距離權(quán)重矩陣測度的城市創(chuàng)新效率全局Moran's I指數(shù)如表2所示,結(jié)果顯示,2009-2019年城市創(chuàng)新效率的Moran's I指數(shù)均通過了顯著性檢驗,并且結(jié)果顯著為正,說明各城市創(chuàng)新效率并非為隨機分布結(jié)果,而是呈現(xiàn)出較強的空間正相關(guān)性,創(chuàng)新效率高值地區(qū)與高值地區(qū)鄰近,低值地區(qū)與低值地區(qū)鄰近。從測算結(jié)果看,除2012年和2014年外,2009—2016年城市創(chuàng)新效率的Moran's I指數(shù)呈穩(wěn)步上升趨勢,從2009年的0.021上升至2016年的0.159,2016-2019年略有下降,城市創(chuàng)新效率的空間依賴性有所減弱但仍然維持在較高水平,2019年Moran's I指數(shù)為0.138。因此,可以認為,樣本城市創(chuàng)新效率存在較強的空間關(guān)聯(lián)性,基于空間自相關(guān)結(jié)果,本文采用空間計量模型進行實證檢驗。

表2 2009—2019年城市創(chuàng)新效率Moran's I指數(shù)及其顯著性Tab.2 Moran's I Index of urban innovation efficiency and its significance from 2009 to 2019

3.2 基準(zhǔn)空間計量回歸結(jié)果分析

根據(jù)Elhorst[38]的檢驗思路以及曾藝[12]的檢驗方法,采用空間計量模型進行實證檢驗。首先,進行LM檢驗。檢驗結(jié)果顯示,LM-lag檢驗、R-LM-lag檢驗、LM-err檢驗、R-LM-err檢驗在1%水平下通過檢驗,說明SAR模型和SEM模型都適用。其次,對SDM模型進行豪斯曼檢驗,檢驗結(jié)果顯示,在1%水平下通過顯著性檢驗,說明模型應(yīng)該選用固定效應(yīng)的SDM模型。最后,對SDM模型進行簡化檢驗,結(jié)果顯示,LR檢驗拒絕了原假設(shè),說明該模型不可退化為SAR模型和SEM模型,應(yīng)選用SDM模型?；诖?本文選擇SDM模型結(jié)果作為最終計量結(jié)果,為便于比較以及檢驗穩(wěn)健性,表3中第(1)—(3)列分別為SEM模型、SAR模型以及SDM模型的固定效應(yīng)回歸結(jié)果。

表3 基準(zhǔn)空間計量估計結(jié)果Tab.3 Estimation results of benchmark spatial metrics

根據(jù)表3結(jié)果,第(3)列中空間杜賓模型的空間自回歸系數(shù)在5%水平下通過了顯著性檢驗,說明不僅存在影響解釋變量數(shù)字服務(wù)業(yè)集聚的外生交互效應(yīng),而且存在影響被解釋變量城市創(chuàng)新效率的內(nèi)生交互效應(yīng)。城市創(chuàng)新效率不僅會受到鄰近城市創(chuàng)新效率的影響,而且會受到本地與鄰近城市數(shù)字服務(wù)業(yè)空間集聚的影響。在SDM模型檢驗結(jié)果中,數(shù)字服務(wù)業(yè)集聚的回歸系數(shù)顯著為正,空間滯后項系數(shù)也通過顯著性檢驗,但是由于表3中的空間杜賓模型包含全局效應(yīng),導(dǎo)致空間滯后項不能很好地體現(xiàn)解釋變量的邊際影響,參數(shù)估計值不能直接反映解釋變量對被解釋變量的全部影響,需要進一步進行直接效應(yīng)和間接效應(yīng)分解。

LeSage&Pace[32]利用偏微分法將SDM模型分解為直接效應(yīng)和間接效應(yīng),可有效避免由點估計造成的溢出效應(yīng)偏誤。直接效應(yīng)表示本地區(qū)解釋變量對被解釋變量的影響,體現(xiàn)了本地效應(yīng);間接效應(yīng)則表示本地區(qū)解釋變量對鄰近地區(qū)被解釋變量的影響,體現(xiàn)了空間溢出效應(yīng)。表4展示了經(jīng)濟距離矩陣下SDM模型的直接效應(yīng)和間接效應(yīng)估計結(jié)果,結(jié)果表明,數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新效率的直接影響效應(yīng)和間接影響效應(yīng)均顯著為正,即數(shù)字服務(wù)業(yè)集聚無論是對本地區(qū)創(chuàng)新效率還是周邊地區(qū)創(chuàng)新效率提升都存在顯著正向效應(yīng)。

直接效應(yīng)結(jié)果顯示,回歸系數(shù)為0.115,通過了5%水平下的顯著性檢驗,說明本地區(qū)數(shù)字服務(wù)業(yè)集聚能夠顯著驅(qū)動本地區(qū)創(chuàng)新效率提升。這是因為數(shù)字服務(wù)業(yè)集聚通過吸引數(shù)字服務(wù)型人才流入,在其集聚區(qū)內(nèi)形成知識交換場所,促進集聚區(qū)企業(yè)直接接觸和交流合作,降低知識壁壘,減少人才匹配成本與信息匹配成本,促進創(chuàng)新知識與人才積累,激勵創(chuàng)新,助力本地創(chuàng)新效率提升。根據(jù)前文研究,我國創(chuàng)新效率較高城市主要集中在東部沿海地區(qū)或者為西部各省會城市,同時,數(shù)字服務(wù)業(yè)集聚程度較高城市亦集中在東部沿海地區(qū)或為各省會城市,如杭州、南京等城市,其數(shù)字服務(wù)業(yè)集聚通過創(chuàng)新人才與數(shù)據(jù)要素匯聚、上下游產(chǎn)業(yè)關(guān)聯(lián)以及創(chuàng)新成本降低等方式,促進本地創(chuàng)新效率提升,從而驗證了前文研究假設(shè)H1。

間接效應(yīng)結(jié)果顯示,數(shù)字服務(wù)業(yè)集聚對周邊地區(qū)創(chuàng)新效率提升的空間溢出效應(yīng)顯著為正,即本地區(qū)數(shù)字服務(wù)業(yè)集聚會提升鄰近地區(qū)創(chuàng)新效率。這是因為,在數(shù)字服務(wù)業(yè)集聚區(qū)形成的創(chuàng)新知識會隨著企業(yè)選址而擴散和溢出,通過企業(yè)異地辦廠以及創(chuàng)新人才跨區(qū)流動形成創(chuàng)新網(wǎng)絡(luò),促進周邊城市創(chuàng)新效率提高。如上海數(shù)字服務(wù)業(yè)的空間集聚程度高,通過集聚規(guī)模對周邊城市產(chǎn)生輻射效應(yīng),特別是對周邊地區(qū)創(chuàng)新效率產(chǎn)生正向溢出效應(yīng)。該結(jié)論驗證了研究假設(shè)H2,即城市數(shù)字服務(wù)業(yè)集聚通過空間溢出效應(yīng)顯著促進鄰近城市創(chuàng)新效率提升。

控制變量回歸結(jié)果如下:第一,政府干預(yù)的直接效應(yīng)和間接效應(yīng)均顯著為負,說明地方政府干預(yù)會對本地區(qū)及周邊城市創(chuàng)新效率產(chǎn)生抑制作用,影響城市創(chuàng)新活力,降低城市創(chuàng)新效率。第二,基礎(chǔ)設(shè)施的直接效應(yīng)為正且通過顯著性檢驗,間接效應(yīng)未通過顯著性檢驗,說明基礎(chǔ)設(shè)施完善可以促進本市創(chuàng)新效率提升,吸引創(chuàng)新要素流入,但是對周邊城市創(chuàng)新效率的影響不顯著。第三,信息化水平和勞動力供給對城市創(chuàng)新效率的直接效應(yīng)與間接效應(yīng)均不顯著。

表4 基準(zhǔn)回歸SDM模型的分解結(jié)果Tab.4 Decomposition results of direct and indirect effects of benchmark regression

3.3 穩(wěn)健性檢驗

基于不同空間權(quán)重矩陣對基準(zhǔn)回歸結(jié)果進行穩(wěn)健性檢驗,主要選擇空間距離矩陣,參考程開明和章雅婷[39]的方法構(gòu)建矩陣,如式(8)所示。

(8)

dij=R×arccos(sinaisinaj+cosaicosajcos(βj-βi))

(9)

其中,dij表示城市間距離;dmax為城市間距離最大值,α和β分別表示城市緯度與經(jīng)度,R是地球半徑?；谝陨峡臻g權(quán)重矩陣,構(gòu)建SDM模型,表5中第(1)-(4)列分別顯示SDM模型結(jié)果、直接效應(yīng)、間接效應(yīng)以及總效應(yīng)。穩(wěn)健性檢驗結(jié)果表明,替換不同權(quán)重矩陣后,數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新影響的直接效應(yīng)與間接效應(yīng)均顯著,該結(jié)果與以經(jīng)濟距離矩陣為權(quán)重的結(jié)果一致,說明模型估計結(jié)果具有穩(wěn)健性。

表5 穩(wěn)健性檢驗:替換空間權(quán)重矩陣 Tab.5 Robustness test:replacing the spatial weight matrix

4 機制檢驗:市場規(guī)模擴張效應(yīng)

前文分析可知,數(shù)字服務(wù)業(yè)集聚可拓展本土市場規(guī)模,發(fā)揮超大規(guī)模市場優(yōu)勢,提升城市創(chuàng)新效率。為厘清這一機制,本文選擇城市市場潛能(mp)衡量本地市場規(guī)模,并作為數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新效率影響的中介變量。借鑒Baron &Kenny[40]的檢驗方法,構(gòu)建遞歸模型進行檢驗,中介模型如式(10)—式(12)所示。

(12)

式(10)—式(12)中的直接效應(yīng)分別對應(yīng)表6中第(1)(3)(5)列,間接效應(yīng)對應(yīng)第(2)(4)(6)列。根據(jù)直接效應(yīng)結(jié)果看:第(3)列中,數(shù)字服務(wù)業(yè)集聚對本地市場規(guī)模的影響顯著為正,系數(shù)為0.054,通過了5%水平下的顯著性檢驗;第(5)列結(jié)果顯示,本地市場規(guī)模擴張在數(shù)字服務(wù)業(yè)促進城市創(chuàng)新效率提升的影響中存在部分中介效應(yīng),即數(shù)字服務(wù)業(yè)集聚能夠促進本地超大規(guī)模市場優(yōu)勢形成并驅(qū)動創(chuàng)新效率提升。從間接效應(yīng)結(jié)果看,第(4)列中數(shù)字服務(wù)業(yè)集聚系數(shù)顯著為正,表明數(shù)字服務(wù)業(yè)集聚可對鄰近地區(qū)市場規(guī)模擴張產(chǎn)生正向空間溢出效應(yīng);第(6)列結(jié)果顯示,數(shù)字服務(wù)業(yè)集聚能通過促進鄰近地區(qū)市場規(guī)模擴張,對鄰近地區(qū)創(chuàng)新效率提升發(fā)揮空間溢出效應(yīng)。

表6 市場規(guī)模中介機制檢驗Tab.6 Testing of the mediating mechanism of market size

5 異質(zhì)性檢驗

5.1 行業(yè)異質(zhì)性

不同數(shù)字服務(wù)業(yè)集聚可能由于行業(yè)異質(zhì)性而對城市創(chuàng)新效率產(chǎn)生不同影響,本文將探究不同數(shù)字服務(wù)業(yè)行業(yè)集聚對城市創(chuàng)新效率的影響,結(jié)果如表7所示。研究結(jié)果表明,信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)以及科學(xué)研究、技術(shù)服務(wù)業(yè)對城市創(chuàng)新效率的直接效應(yīng)顯著為正,間接效應(yīng)亦顯著為正,說明上述行業(yè)集聚對提高本地創(chuàng)新效率有顯著正向影響,對于鄰近地區(qū)創(chuàng)新效率也具有正向空間溢出效應(yīng)。究其原因是,信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)作為數(shù)字服務(wù)業(yè)的主要構(gòu)成,也是創(chuàng)新活動開展較多的行業(yè)。一個城市的信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)集聚程度越高,就越有利于該地區(qū)優(yōu)化配置創(chuàng)新要素、加強信息基礎(chǔ)設(shè)施建設(shè)、吸引更多人才,從而促進當(dāng)?shù)爻鞘袆?chuàng)新效率提升。而科學(xué)研究和技術(shù)服務(wù)業(yè)是創(chuàng)新的先鋒力量,該行業(yè)人才與企業(yè)集聚有助于創(chuàng)新效率提升。批發(fā)和零售業(yè)對本地創(chuàng)新效率以及鄰近地區(qū)創(chuàng)新效率的影響均不顯著,究其原因,批發(fā)和零售業(yè)雖高度依賴于數(shù)字平臺與數(shù)字經(jīng)濟,但本身尚存在知識密集度與創(chuàng)新性不足問題,因此對創(chuàng)新效率的驅(qū)動效果不顯著。

表7 行業(yè)異質(zhì)性檢驗回歸結(jié)果Tab.7 Regression results of industry heterogeneity test

5.2 區(qū)域異質(zhì)性

我國創(chuàng)新效率與數(shù)字服務(wù)業(yè)集聚程度均呈現(xiàn)明顯的梯度性及不平衡性。本文參考程開明和章雅婷[35]的城市劃分方法,將樣本城市分成東部、中部和西部地區(qū)并進行區(qū)域異質(zhì)性分析。表8展示不同地區(qū)數(shù)字服務(wù)業(yè)集聚對創(chuàng)新效率影響的SDM模型及其空間分解結(jié)果?？梢钥闯?東部地區(qū)數(shù)字服務(wù)業(yè)集聚對本地城市創(chuàng)新效率呈正向影響,并通過顯著性檢驗,但是會抑制周邊城市創(chuàng)新效率提升,即數(shù)字服務(wù)業(yè)集聚的空間溢出效應(yīng)為負。這是因為東部地區(qū)數(shù)字服務(wù)業(yè)集聚程度較高,不斷吸引創(chuàng)新要素流入,從而提高本地區(qū)創(chuàng)新效率,而周邊城市會因為創(chuàng)新要素流失導(dǎo)致創(chuàng)新效率下降。中部地區(qū)數(shù)字服務(wù)業(yè)集聚對本地創(chuàng)新效率產(chǎn)生正向影響,對周邊城市創(chuàng)新效率的影響亦顯著為正。西部地區(qū)數(shù)字服務(wù)業(yè)集聚的空間溢出效應(yīng)通過檢驗,但本地效應(yīng)未通過顯著性檢驗。這是因為西部地區(qū)城市數(shù)字服務(wù)業(yè)集聚程度不高,受限于數(shù)字服務(wù)業(yè)基礎(chǔ)設(shè)施不完善以及經(jīng)濟發(fā)展水平不高,對本地創(chuàng)新效率提升的作用不顯著。

表8 區(qū)域異質(zhì)性檢驗回歸結(jié)果Tab.8 Regression results of regional heterogeneity test

6 結(jié)論與建議

本文以2009-2019年中國259個地級市面板數(shù)據(jù)為樣本,結(jié)合國家統(tǒng)計局《數(shù)字經(jīng)濟及其核心產(chǎn)業(yè)統(tǒng)計分類(2021)》與區(qū)位熵指數(shù)測度各城市數(shù)字服務(wù)業(yè)集聚程度,利用數(shù)據(jù)包絡(luò)分析法(DEA)的CCR模型測算城市創(chuàng)新效率,并基于空間杜賓模型探究數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新效率影響的本地效應(yīng)與空間溢出效應(yīng)。得到以下研究結(jié)論:第一,我國數(shù)字服務(wù)業(yè)集聚水平以及創(chuàng)新效率較高的城市主要集中在東部沿海地區(qū)或是西部省會城市。城市創(chuàng)新效率全局Moran's I指數(shù)結(jié)果顯示,城市創(chuàng)新效率并非隨機分布,而是呈現(xiàn)出較強的正向空間自相關(guān)。第二,數(shù)字服務(wù)業(yè)集聚對城市創(chuàng)新效率的本地影響效應(yīng)與空間溢出效應(yīng)均顯著為正,即數(shù)字服務(wù)業(yè)集聚能夠明顯提高本地區(qū)及周邊城市創(chuàng)新效率。第三,數(shù)字服務(wù)業(yè)集聚可通過市場規(guī)模效應(yīng),發(fā)揮超大規(guī)模市場優(yōu)勢,促進城市創(chuàng)新效率提升。第四,數(shù)字服務(wù)業(yè)集聚對創(chuàng)新效率的驅(qū)動作用存在行業(yè)與地區(qū)異質(zhì)性,如信息傳輸、軟件和信息技術(shù)業(yè),科學(xué)研究和技術(shù)服務(wù)業(yè)集聚能夠同時促進本地區(qū)與鄰近地區(qū)創(chuàng)新效率提升,對于東部地區(qū)與中部地區(qū)而言,數(shù)字服務(wù)業(yè)集聚程度越高,越能提升城市創(chuàng)新效率,從其影響效果來看,對東部地區(qū)城市創(chuàng)新效率的影響更顯著,中部地區(qū)次之。

基于以上結(jié)論,本文提出如下建議:首先,堅持集聚發(fā)展,提升產(chǎn)業(yè)競爭優(yōu)勢,促進信息技術(shù)服務(wù)業(yè)、數(shù)字內(nèi)容服務(wù)、數(shù)字平臺服務(wù)等數(shù)字服務(wù)業(yè)的空間集聚,實現(xiàn)對創(chuàng)新效率的驅(qū)動機能,突破空間限制,為創(chuàng)新發(fā)展賦能。各地區(qū)應(yīng)鼓勵出臺數(shù)字服務(wù)業(yè)人才引進政策,培育新興數(shù)字服務(wù)企業(yè),出臺專項扶持計劃,促進數(shù)字服務(wù)業(yè)集聚。其次,不同城市需因地制宜,尋求合適的創(chuàng)新效率提升路徑。東部和中部地區(qū)應(yīng)加大數(shù)字服務(wù)業(yè)研發(fā)強度,吸引數(shù)字服務(wù)業(yè)專業(yè)人才流入,發(fā)揮知識溢出效應(yīng)并實現(xiàn)中間品共享,促進創(chuàng)新效率提升;西部地區(qū)應(yīng)制定優(yōu)惠政策、吸引人才,提高本地區(qū)數(shù)字服務(wù)業(yè)發(fā)展水平,發(fā)揮本地產(chǎn)業(yè)優(yōu)勢,完善產(chǎn)業(yè)鏈,實現(xiàn)創(chuàng)新效率提升。此外,可充分發(fā)揮我國超大規(guī)模市場優(yōu)勢和內(nèi)需潛力,通過數(shù)字服務(wù)業(yè)集聚推動數(shù)字基礎(chǔ)設(shè)施連通,降低市場交易成本,加快統(tǒng)一大市場建設(shè),構(gòu)建國內(nèi)國際市場雙循環(huán)格局,共享創(chuàng)新成果。最后,城市間應(yīng)突破行政邊界,加強創(chuàng)新合作,通過知識轉(zhuǎn)移和知識溢出等方式,帶動周邊地區(qū)創(chuàng)新發(fā)展與創(chuàng)新效率提升,促進創(chuàng)新成果轉(zhuǎn)化,實現(xiàn)城市間協(xié)同創(chuàng)新。