國家級大數(shù)據(jù)綜合試驗區(qū)對城市數(shù)字創(chuàng)新能力的影響研究

摘 要：將國家級大數(shù)據(jù)綜合試驗區(qū)的設(shè)立視作準(zhǔn)自然實驗，基于中國282個地級市2011—2020年的面板數(shù)據(jù)，構(gòu)建雙重差分模型，實證檢驗了試驗區(qū)政策對城市數(shù)字創(chuàng)新的影響效應(yīng)，并從城市區(qū)位和行政等級兩個方面入手，探究大數(shù)據(jù)試驗區(qū)政策的異質(zhì)性影響。結(jié)果表明：第一，大數(shù)據(jù)試驗區(qū)的建設(shè)能夠顯著提升城市數(shù)字創(chuàng)新能力；第二，通過安慰劑檢驗、傾向得分匹配法和排除寬帶中國政策等方法證明基準(zhǔn)回歸結(jié)果是穩(wěn)健可靠的；第三，異質(zhì)性分析結(jié)果表明，大數(shù)據(jù)試驗區(qū)對東部城市和一般地級市數(shù)字創(chuàng)新能力的提升作用更顯著。

關(guān)鍵詞：國家級大數(shù)據(jù)綜合試驗區(qū)；數(shù)字創(chuàng)新；雙重差分；數(shù)字經(jīng)濟；傾向得分匹配

中圖分類號：F276.44 文獻標(biāo)識碼：A 文章編號：2096-0298（2024）07（a）--05

1 引言

當(dāng)前，新一輪科技革命引領(lǐng)人類社會進入了數(shù)字經(jīng)濟時代，根據(jù)《中國數(shù)字經(jīng)濟發(fā)展白皮書》，2022年中國數(shù)字經(jīng)濟規(guī)模已達50.2萬億元，占GDP比重達到41.5%，對服務(wù)業(yè)、制造業(yè)、農(nóng)業(yè)的滲透率分別達到44.7%、24.0%和10.5%，數(shù)字經(jīng)濟與經(jīng)濟社會各領(lǐng)域融合的廣度和深度不斷加強，在激發(fā)消費、拉動投資、創(chuàng)造就業(yè)、創(chuàng)新發(fā)展等方面發(fā)揮了重要作用，極大地改變了社會經(jīng)濟的運作方式，成為經(jīng)濟增長的新動能[1]。數(shù)字經(jīng)濟的快速發(fā)展引起了我國政府的高度重視。習(xí)近平總書記在十九屆中央政治局第三十四次集體學(xué)習(xí)時指出：“當(dāng)今時代，數(shù)字技術(shù)、數(shù)字經(jīng)濟是世界科技革命和產(chǎn)業(yè)變革的先機，是新一輪國際競爭重點領(lǐng)域，我們一定要抓住先機、搶占未來發(fā)展制高點?！睘榱顺浞职l(fā)揮數(shù)據(jù)要素的紅利，促進數(shù)字經(jīng)濟高質(zhì)量發(fā)展，2015年國務(wù)院印發(fā)《促進大數(shù)據(jù)發(fā)展行動綱要》。2016年，國務(wù)院公布了國家級大數(shù)據(jù)綜合試驗區(qū)名單，包括貴州省、河南省、上海市、內(nèi)蒙古自治區(qū)、重慶市、沈陽市、京津冀地區(qū)和珠三角地區(qū)。由此可見，大數(shù)據(jù)試驗區(qū)的建設(shè)已成為推動大數(shù)據(jù)融合應(yīng)用和經(jīng)濟數(shù)字化轉(zhuǎn)型的重要戰(zhàn)略部署[2]。

綜觀學(xué)術(shù)界關(guān)于數(shù)字創(chuàng)新的研究成果，主要集中于數(shù)字創(chuàng)新的作用和數(shù)字創(chuàng)新的驅(qū)動因素等方面。KL Lo等（2023）通過實證研究發(fā)現(xiàn)數(shù)字技術(shù)創(chuàng)新能夠提升制造業(yè)企業(yè)全要素生產(chǎn)率，并且此效應(yīng)是通過降低運營成本、提高資源配置效率等方式實現(xiàn)的[3]。王智新等（2022）認為數(shù)字創(chuàng)新可以通過促進數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)的融合滲透實現(xiàn)數(shù)字經(jīng)濟的高質(zhì)量發(fā)展[4]。甄俊杰等（2023）認為數(shù)字創(chuàng)新是當(dāng)前實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的重要驅(qū)動力[5]。部分學(xué)者探究了數(shù)字基礎(chǔ)設(shè)施對數(shù)字創(chuàng)新的驅(qū)動作用。范合君和吳婷（2022）認為數(shù)字基礎(chǔ)設(shè)施的外部效應(yīng)打破了要素流動的地域限制，降低了創(chuàng)新主體之間的信息不對稱，促進了區(qū)域內(nèi)創(chuàng)新要素的流動與擴散[6]。桑玉昆和馮緒猛（2023）認為數(shù)字基礎(chǔ)設(shè)施建設(shè)能夠有效打造區(qū)域性數(shù)字應(yīng)用體系，實現(xiàn)海量數(shù)據(jù)的存儲及計算，打破創(chuàng)新要素供求信息交互的時空限制，有助于降低創(chuàng)新要素搜索成本與交易摩擦成本，進而促進創(chuàng)新要素合理化配置[7]。有學(xué)者探究了資源要素投入對數(shù)字創(chuàng)新的驅(qū)動作用。宋培等（2023）通過實證分析發(fā)現(xiàn)，研發(fā)人員和研發(fā)資本等創(chuàng)新資源要素投入對數(shù)字經(jīng)濟創(chuàng)新發(fā)展有顯著的支撐作用[8]。張瑤等（2023）認為資金要素的投入有助于促進創(chuàng)新資源要素的集聚并激發(fā)主體的創(chuàng)新動力，從而提升區(qū)域數(shù)字創(chuàng)新能力[9]。還有學(xué)者探究了政策因素對數(shù)字創(chuàng)新的驅(qū)動作用。X Wang等（2023）認為政府?dāng)?shù)字化政策會提高企業(yè)對數(shù)字技術(shù)的關(guān)注，從而推動數(shù)字創(chuàng)新[10]。蔣永彩（2022）認為地方政府支持能夠通過財政補貼、稅收優(yōu)化等方式扶持中小企業(yè)發(fā)展，影響區(qū)域數(shù)字創(chuàng)新[11]。從現(xiàn)有的研究結(jié)果來看，盡管有大量學(xué)者對數(shù)字創(chuàng)新的驅(qū)動因素進行了探究，但有關(guān)政策對城市數(shù)字創(chuàng)新能力影響的相關(guān)研究依然存在不足，無法有效指導(dǎo)我國數(shù)字創(chuàng)新的發(fā)展，因此本文從政策角度對城市數(shù)字創(chuàng)新能力進行實證分析。

2 研究假設(shè)

首先，國家級大數(shù)據(jù)綜合試驗區(qū)通過政府補貼、政策支持等方式推進大數(shù)據(jù)產(chǎn)業(yè)集聚。產(chǎn)業(yè)集聚使創(chuàng)新主體之間形成了緊密的聯(lián)系與合作交流，促進了知識技術(shù)的流動與溢出，為創(chuàng)新活動提供了有利條件[12]。貴州省在被選定為試驗區(qū)之后，大力打造大數(shù)據(jù)產(chǎn)業(yè)集群，構(gòu)建數(shù)字經(jīng)濟生態(tài)圈，吸引了蘋果、微軟、英特爾、惠普、戴爾等大批國際企業(yè)落戶。其次，大數(shù)據(jù)試驗區(qū)的設(shè)立使區(qū)域間數(shù)據(jù)要素的流動更加通暢，有效打破了數(shù)據(jù)資源的流動壁壘。數(shù)據(jù)資源的傳遞有效緩解了區(qū)域創(chuàng)新系統(tǒng)內(nèi)信息不對稱問題，交易市場更加開放透明，極大降低了創(chuàng)新主體獲取創(chuàng)新資源所需付出的交易成本，有助于創(chuàng)新主體釋放更多資金用于研發(fā)創(chuàng)新，并可通過數(shù)字技術(shù)整合自身的資金流、信息流等形成去核化、扁平化的組織結(jié)構(gòu)，提高管理效率，為數(shù)字創(chuàng)新活動提供更加優(yōu)質(zhì)的條件及環(huán)境。最后，國家級大數(shù)據(jù)綜合試驗區(qū)能夠完善大數(shù)據(jù)產(chǎn)業(yè)鏈布局，推動地區(qū)產(chǎn)業(yè)數(shù)字化的發(fā)展。目前，我國產(chǎn)業(yè)結(jié)構(gòu)存在發(fā)展水平較低、轉(zhuǎn)型速度較慢等方面的問題[13]。各試驗區(qū)針對工業(yè)、農(nóng)牧業(yè)、制造業(yè)、服務(wù)業(yè)等產(chǎn)業(yè)的轉(zhuǎn)型升級，均提出了明確的發(fā)展規(guī)劃。如沈陽出臺了《沈陽市新一代人工智能發(fā)展規(guī)劃（2018—2030年）》，充分發(fā)揮人工智能產(chǎn)業(yè)對制造業(yè)轉(zhuǎn)型升級的輻射帶動作用。產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型會不斷催生新產(chǎn)業(yè)、新業(yè)態(tài)和新商業(yè)模式，為區(qū)域帶來了新的創(chuàng)新增長點。因此，本文提出假設(shè)：大數(shù)據(jù)試驗區(qū)政策能夠提升城市數(shù)字創(chuàng)新能力。

3 模型構(gòu)建與變量說明

3.1 模型構(gòu)建

雙重差分（DID）是評估在特定時間點制定的政策或計劃（例如新法律的實施）效應(yīng)的常用方法。DID方法將未受政策干預(yù)影響的個體隨時間的變化與受政策干預(yù)影響的個體隨時間的變化進行比較，兩個變化之間的差異就是政策干預(yù)對個體的影響[14]。Heckman等（1985）最早提出將DID方法用于公共政策效應(yīng)評估，之后，DID方法的研究成果層出不窮[15]?；诖?，本文采用雙重差分法進行準(zhǔn)自然實驗，將試驗區(qū)城市視為實驗組，其余城市為對照組。具體模型設(shè)定如下：

Innit=α0+α1didit+α2Xit+μi+vt+εit（1）

式中，Innit表示城市數(shù)字創(chuàng)新能力，didit表示國家級大數(shù)據(jù)綜合試驗區(qū)的政策虛擬變量，α0表示常數(shù)項，Xit表示一系列控制變量。系數(shù)α1是本文重點關(guān)注的指標(biāo)，表示政策的數(shù)字創(chuàng)新效應(yīng)。μi為地區(qū)固定效應(yīng)，vt為時間固定效應(yīng)，εit為隨機誤差項。

3.2 變量說明

本文選取2011—2020年282個地級市的平衡面板數(shù)據(jù)，城市數(shù)字產(chǎn)業(yè)專利數(shù)量來源于中國研究數(shù)據(jù)服務(wù)平臺（CNRDS數(shù)據(jù)庫）。

（1）被解釋變量：數(shù)字創(chuàng)新（Inn）。由于專利數(shù)據(jù)具有客觀性、及時性和容易獲得的特點，因此專利數(shù)據(jù)被普遍用作創(chuàng)新能力的代理指標(biāo)。本文參考宋培等（2023）[16]的做法，采用各地區(qū)數(shù)字產(chǎn)業(yè)專利授權(quán)量的對數(shù)值來衡量。

（2）核心解釋變量：國家級大數(shù)據(jù)綜合試驗區(qū)（did）。本文的核心解釋變量為個體虛擬變量（treated）和時間虛擬變量（time）的交互項。個體虛擬變量根據(jù)該城市是否納入試驗區(qū)進行賦值，試驗區(qū)城市為實驗組，其對應(yīng)的treated=1；未設(shè)立試驗區(qū)的城市為對照組，對應(yīng)的treated=0。時間虛擬變量根據(jù)大數(shù)據(jù)試驗區(qū)設(shè)立前后的年份進行賦值，政策實施當(dāng)年及之后賦值為1，政策實施之前為0。

（3）控制變量。本文參考以往文獻歸納總結(jié)出以下控制變量：固定資產(chǎn)投資（Inf），固定資產(chǎn)投資可以提升城市經(jīng)濟水平、調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，從而提高城市數(shù)字創(chuàng)新能力，采用固定資產(chǎn)投資額占GDP比重來衡量；經(jīng)濟發(fā)展水平（Gdp），經(jīng)濟發(fā)達地區(qū)擁有更優(yōu)越的基礎(chǔ)設(shè)施和制度環(huán)境，有利于城市數(shù)字創(chuàng)新產(chǎn)出，采用人均GDP的對數(shù)進行衡量；對外開放水平（Open），外商投資能夠促進技術(shù)的引進和轉(zhuǎn)移，產(chǎn)生技術(shù)溢出效應(yīng)，提高城市的數(shù)字創(chuàng)新能力，采用實際利用外資額占GDP的比重來衡量；政府財政支出（Exp），政府的財政投入會對技術(shù)研發(fā)活動提供資金方面的支持，采用政府財政支出占GDP比重來衡量；金融發(fā)展水平（Fin），金融水平的提升可以提高城市的資源配置能力和風(fēng)險防范能力，采用金融機構(gòu)貸款余額占GDP比重來衡量；進出口貿(mào)易（Trade），采用進出口貿(mào)易總額占GDP比重來衡量。

4 實證研究

4.1 基準(zhǔn)回歸

基準(zhǔn)回歸結(jié)果如表1所示。表1模型（1）是試驗區(qū)政策與城市數(shù)字創(chuàng)新能力的基本回歸結(jié)果；模型（2）是在模型（1）的基礎(chǔ)上加入了固定資產(chǎn)投資、經(jīng)濟發(fā)展水平、對外開放水平、政府財政支出、金融發(fā)展水平和進出口貿(mào)易六個控制變量后的回歸結(jié)果?？梢钥闯?，加入控制變量之后did項的估計系數(shù)為0.161，在1%的統(tǒng)計水平下顯著為正，驗證了本文的基本假設(shè)。

4.2 平行趨勢檢驗

雙重差分法的使用前提是，在受到政策沖擊前，實驗組與對照組滿足平行趨勢假設(shè)。平行趨勢檢驗結(jié)果如圖1所示，大數(shù)據(jù)試驗區(qū)政策實施之前，實驗組和對照組的數(shù)字創(chuàng)新能力不存在顯著的差異，滿足雙重差分法的平行趨勢假設(shè)。

圖1 平行趨勢檢驗

4.3 異質(zhì)性檢驗

不同城市的初始稟賦和國家對其政策傾斜不同，導(dǎo)致各個城市的發(fā)展呈現(xiàn)出不平衡的特點。為進一步深化對大數(shù)據(jù)試驗區(qū)政策的認識，本文將從城市的區(qū)位和行政等級兩個方面入手，考察大數(shù)據(jù)試驗區(qū)政策的異質(zhì)性影響。

4.3.1 城市區(qū)位異質(zhì)性

我國東中西部地區(qū)的自然資源、地理條件和政策環(huán)境等存在顯著的差異[17]，因此本文探究大數(shù)據(jù)試驗區(qū)提升城市數(shù)字創(chuàng)新能力的區(qū)位異質(zhì)性。區(qū)位異質(zhì)性回歸結(jié)果如表2的模型（1）和模型（2）所示。東部城市和中西部城市did項的系數(shù)分別在1%和5%水平下顯著為正，表明大數(shù)據(jù)試驗區(qū)對東部城市和中西部城市的數(shù)字創(chuàng)新能力均有提升作用，但對于東部城市的促進作用在顯著度上要優(yōu)于中西部城市。產(chǎn)生這種結(jié)果可能是因為大數(shù)據(jù)試驗區(qū)的建設(shè)需要數(shù)字化基礎(chǔ)設(shè)施的支撐，相對于中西部地區(qū)，東部地區(qū)的基礎(chǔ)設(shè)施建設(shè)更完善、經(jīng)濟發(fā)展水平更高，且能夠吸收大量數(shù)字人才的集聚，為城市數(shù)字創(chuàng)新活動營造良好的環(huán)境。

4.3.2 行政等級異質(zhì)性

行政等級高的城市在交通水平、政策支持和產(chǎn)業(yè)基礎(chǔ)等方面的優(yōu)勢是一般地級市難以比擬的。因此，本文進一步探究大數(shù)據(jù)試驗區(qū)提升城市數(shù)字創(chuàng)新能力的城市行政等級異質(zhì)性。城市行政等級劃分借鑒徐林等（2022）的研究，將直轄市、省會城市和副省級城市作為行政等級高的城市[18]。和一般地級市相比，此類城市具有優(yōu)越的經(jīng)濟實力，能夠發(fā)揮輻射作用，帶動區(qū)域經(jīng)濟社會的全面發(fā)展。表2模型（3）和模型（4）的結(jié)果表明，大數(shù)據(jù)試驗區(qū)對直轄市、省會城市和副省級城市數(shù)字創(chuàng)新能力的促進作用并不顯著，在一般地級市中，大數(shù)據(jù)試驗區(qū)對數(shù)字創(chuàng)新能力的促進作用才得以顯現(xiàn)，滿足“邊際效率遞減規(guī)律”[19]，即大數(shù)據(jù)試驗區(qū)對于城市數(shù)字創(chuàng)新的推動作用隨著城市行政等級的下降反而上升。

4.4 穩(wěn)健性檢驗

4.4.1 安慰劑檢驗

為了避免大數(shù)據(jù)試驗區(qū)對城市數(shù)字創(chuàng)新能力的促進作用是其他不可觀測的遺漏變量導(dǎo)致的，本文借鑒Li等（2016）[20]的研究進行安慰劑檢驗。具體思路是，在樣本數(shù)據(jù)中隨機選取偽實驗組和偽對照組，生成偽政策虛擬變量并重新對模型（1）進行回歸，由此完成一次安慰劑檢驗，得到一個偽政策虛擬變量的估計系數(shù)。將上述過程重復(fù)500次，圖2繪制了500個估計系數(shù)的核密度圖。由圖2可知，隨機處理下的估計系數(shù)主要分布在0附近，與真實系數(shù)存在顯著差異，且近似于正態(tài)分布。由此證實了本文的估計結(jié)果不是偶然獲得，大數(shù)據(jù)試驗區(qū)設(shè)立對城市數(shù)字創(chuàng)新能力的影響幾乎沒有受到不可觀測因素的干擾，進一步表明基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

圖2 安慰劑檢驗結(jié)果

4.4.2 PSM-DID檢驗

試驗區(qū)的設(shè)立可能會受到經(jīng)濟發(fā)展水平、地理位置等因素影響，并不完全滿足隨機性的特征。為準(zhǔn)確評估大數(shù)據(jù)試驗區(qū)的數(shù)字創(chuàng)新效應(yīng)，本文借鑒常皓亮等（2023）[21]的做法，用PSM-DID法進行穩(wěn)健性檢驗。首先，對實驗組和對照組樣本按照一對一近鄰匹配法進行匹配，為保證匹配結(jié)果的可靠性，還需要進行平衡性檢驗。若匹配后城市樣本中實驗組和控制組在相關(guān)控制變量上沒有表現(xiàn)出明顯差異，則說明PSM-DID方法具有合理性。平衡性檢驗結(jié)果如圖3所示，可以看出傾向得分匹配后控制變量的標(biāo)準(zhǔn)化偏差明顯減小，并且大多數(shù)匹配變量的標(biāo)準(zhǔn)化偏差絕對值小于5%，匹配效果良好。

將匹配好的樣本納入雙重差分模型重新進行基準(zhǔn)回歸分析，得到回歸結(jié)果如表3中的模型（1）和模型（2）所示。從結(jié)果看出，在進行傾向得分匹配后，虛擬變量did的系數(shù)均在1%的置信水平下顯著為正，可以證明前文的基準(zhǔn)回歸結(jié)果具有較強的穩(wěn)健性，大數(shù)據(jù)試驗區(qū)的設(shè)立顯著提升了城市數(shù)字創(chuàng)新能力。

4.4.3 排除其他政策的影響

由于試驗區(qū)設(shè)立期間存在其他相關(guān)政策對研究效果產(chǎn)生影響，為解決這一問題，本文借鑒石大千等（2018）[22]的做法，將寬帶中國試點政策作為虛擬變量納入基準(zhǔn)模型加以控制，結(jié)果見表4模型（3），加入了寬帶中國政策虛擬變量以后，did項的回歸系數(shù)仍在1%的水平上顯著為正，進一步支持了本研究的核心結(jié)論。

5 結(jié)論與建議

本文以國家級大數(shù)據(jù)綜合試驗區(qū)的設(shè)立為切入點，運用雙重差分估計方法，基于我國2011—2020年282個地級市的面板數(shù)據(jù)，分析了大數(shù)據(jù)試驗區(qū)的建設(shè)對城市數(shù)字創(chuàng)新能力的影響，并進一步探討了政策效應(yīng)的異質(zhì)性，研究結(jié)果表明：

第一，大數(shù)據(jù)試驗區(qū)的建設(shè)能夠顯著提升城市數(shù)字創(chuàng)新能力。第二，本文通過安慰劑檢驗、傾向得分匹配法和排除相關(guān)政策等方法證明基準(zhǔn)回歸結(jié)果是穩(wěn)健可靠的。第三，異質(zhì)性分析結(jié)果表明，大數(shù)據(jù)試驗區(qū)對東部城市和一般地級市數(shù)字創(chuàng)新能力的提升作用更顯著。

基于實證研究結(jié)果，本文提出以下建議：第一，積極推進國家級大數(shù)據(jù)綜合試驗區(qū)建設(shè)。政府要加大對大數(shù)據(jù)產(chǎn)業(yè)的財政投入，加強數(shù)字人才隊伍建設(shè)，構(gòu)建完善的制度體系，為大數(shù)據(jù)的發(fā)展和創(chuàng)新活動的開展提供制度保障。第二，注重城市數(shù)字創(chuàng)新能力的提升。加強云計算、人工智能、5G等數(shù)字技術(shù)的研發(fā)與應(yīng)用，推進數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)融合發(fā)展，為數(shù)字創(chuàng)新提供良好的發(fā)展空間。第三，因地制宜制定大數(shù)據(jù)發(fā)展戰(zhàn)略。由于不同城市在地理區(qū)位和行政等級等方面存在差異，大數(shù)據(jù)試驗區(qū)建設(shè)對城市數(shù)字創(chuàng)新的驅(qū)動效應(yīng)也具有差異性。因此，在建設(shè)大數(shù)據(jù)試驗區(qū)的過程中，應(yīng)堅持因地制宜，充分考慮不同城市的實際發(fā)展階段，抓住當(dāng)?shù)匕l(fā)展數(shù)字創(chuàng)新的稟賦優(yōu)勢和區(qū)域特色，構(gòu)建更加包容、靈活的城市數(shù)字創(chuàng)新體系，平衡數(shù)字創(chuàng)新在東中西部地區(qū)和不同行政等級城市之間的發(fā)展。

6 研究局限與未來展望

本文采用數(shù)字產(chǎn)業(yè)專利數(shù)量衡量城市數(shù)字創(chuàng)新能力，未能考慮到城市數(shù)字創(chuàng)新能力的其他產(chǎn)出，未來可以通過構(gòu)建指標(biāo)體系的方式對城市數(shù)字創(chuàng)新能力進行測度。本文僅考察了試驗區(qū)建設(shè)對城市數(shù)字創(chuàng)新影響的直接效應(yīng)和異質(zhì)性分析，未來在數(shù)據(jù)能夠獲得的前提下，可以進一步探索試驗區(qū)提升城市數(shù)字創(chuàng)新能力的作用路徑和空間效應(yīng)。

參考文獻

岳書敬，董迪妮，賴曉冰.數(shù)字創(chuàng)新如何影響城市經(jīng)濟差距：“數(shù)字鴻溝”還是“數(shù)字紅利”[J].財經(jīng)科學(xué)，2023（9）： 76-88.

邱子迅，周亞虹.數(shù)字經(jīng)濟發(fā)展與地區(qū)全要素生產(chǎn)率： 基于國家級大數(shù)據(jù)綜合試驗區(qū)的分析[J].財經(jīng)研究，2021，47（7）：4-17.

Lo K L， Zhang J， Xia F. Does digital technology innovation work better for industrial upgrading？ An empirical analysis of listed Chinese manufacturing firms[J]. Applied Economics Letters， 2023， 30（18）： 2504-2509.

王智新，高天，王若男.數(shù)字創(chuàng)新賦能數(shù)字經(jīng)濟發(fā)展研究： 一個文獻綜述[J].科學(xué)管理研究，2022，40（5）：91-97.

甄俊杰，師博，張新月.中國數(shù)字創(chuàng)新與經(jīng)濟高質(zhì)量發(fā)展的協(xié)同效應(yīng)及動態(tài)演進預(yù)測[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2023，43 （3）：3-20.

范合君，吳婷.新型數(shù)字基礎(chǔ)設(shè)施、數(shù)字化能力與全要素生產(chǎn)率[J].經(jīng)濟與管理研究，2022，43（1）：3-22.

桑玉昆，馮緒猛.數(shù)字基礎(chǔ)設(shè)施、創(chuàng)新要素配置與全球價值鏈嵌入[J].軟科學(xué)，2023（12）： 1-11.

宋培，李琳，艾陽，等.中國數(shù)字經(jīng)濟創(chuàng)新發(fā)展的技術(shù)選擇與效果評估[J].科學(xué)學(xué)研究，2023，41（8）：1410-1421.

張瑤，張光宇，張洪振.組態(tài)視角下區(qū)域數(shù)字創(chuàng)新發(fā)展的驅(qū)動機制研究[J].技術(shù)經(jīng)濟與管理研究，2023（1）：123-128.

Wang X， Li Y， Tian L， et al. Government digital initiatives and firm digital innovation： Evidence from China[J]. Technovation， 2023， 119： 102545.

蔣永彩.政府偏好、財政分權(quán)與區(qū)域數(shù)字創(chuàng)新[J].統(tǒng)計與決策，2022，38（4）：32-37.

梁海萌，申丹虹.數(shù)字經(jīng)濟發(fā)展戰(zhàn)略對產(chǎn)業(yè)結(jié)構(gòu)升級的政策效應(yīng)： 基于國家級大數(shù)據(jù)綜合試驗區(qū)的準(zhǔn)自然實驗[J].現(xiàn)代管理科學(xué)，2023（1）：46-55.

許鋒，時海博.產(chǎn)業(yè)集聚、數(shù)字技術(shù)創(chuàng)新與制造業(yè)發(fā)展質(zhì)量[J].商業(yè)經(jīng)濟，2023（7）：52-55.

Stuart E A， Huskamp H A， Duckworth K， et al. Using propensity scores in difference-in-differences models to estimate the effects of a policy change[J]. Health Services and Outcomes Research Methodology， 2014， 14： 166-182.

Heckman J J， Robb Jr R. Alternative methods for evaluating the impact of interventions： An overview[J]. Journal of econometrics， 1985， 30（1-2）： 239-267.

宋培，白雪潔，李琳，等.數(shù)字產(chǎn)業(yè)創(chuàng)新對產(chǎn)業(yè)結(jié)構(gòu)現(xiàn)代化的影響研究[J].科學(xué)學(xué)研究，2023（6）：1-18.

支宇鵬，黃立群，陳喬.自由貿(mào)易試驗區(qū)建設(shè)與地區(qū)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級： 基于中國286個城市面板數(shù)據(jù)的實證分析[J].南方經(jīng)濟，2021（4）：37-54

徐林，侯林岐，程廣斌.國家級大數(shù)據(jù)綜合試驗區(qū)創(chuàng)新效應(yīng)研究[J].科技進步與對策，2022，39（20）：101-111.

付平，劉德學(xué).智慧城市技術(shù)創(chuàng)新效應(yīng)研究： 基于中國282個地級城市面板數(shù)據(jù)的實證分析[J].經(jīng)濟問題探索，2019（9）：72-81.

Li P， Lu Y， Wang J. Does flattening government improve economic performance？ Evidence from China[J]. Journal of development economics， 2016， 123： 18-37.

常皓亮，金碚，薛飛.大數(shù)據(jù)戰(zhàn)略對電力消費碳排放的影響： 基于國家級大數(shù)據(jù)綜合試驗區(qū)的準(zhǔn)自然實驗[J].經(jīng)濟與管理研究，2023，44（5）：93-109.

石大千，丁海，衛(wèi)平，等.智慧城市建設(shè)能否降低環(huán)境污染[J].中國工業(yè)經(jīng)濟，2018（6）：117-135.