徐 胜，梁 靓

（1.中国海洋大学经济学院，山东 青岛 266100；
2.中国海洋大学海洋发展研究院，山东 青岛 266100）

科技是国之利器，国家赖之以强，企业赖之以赢，人民生活赖之以好。创新是经济社会发展的长期动力。世界百年未有之大变局正加速演进，新冠肺炎疫情影响全球贸易和经济发展。应变局、育新机、开新局，需要充分发挥科技创新的支撑引领作用，积极打造创新链，加快培育微观企业自主创新能力，加速构建创新市场，提升经济活力，这是双循环新发展格局下科技创新体系建设的最终落脚点[1]，也是我国科技自立自强的强劲牵引。数字化作为微观领域开展创新活动的重要载体[2]，依托大数据、区块链等信息技术大大增强了金融服务的可得性和便利性[3]，有效突破时空限制，在社会经济各领域中持续扩散和渗透，高效聚合创新知识资源[4]，赋能供应链管理，形成新盈利模式[5]，提升新技术的商业化潜力，释放创新溢出红利[6]，数字经济有望成为增强区域创新活力和经济增长动力的“新引擎”[7-8]。在此背景下，深入探究数字经济对区域创新效率的影响具有重要现实意义。

创新是从新思想产生到研发、试验、生产制造再到商业化，最终产生经济效益的多阶段、多要素价值链传递过程[9-10]，创新系统内部不同环节的互动促进了价值溢出[11]。而既有文献通常将创新过程视作一个“黑箱”，局限于知识创新领域，忽略了创新内部结构及内在运行机理，导致科技与经济脱离，科技成果转化率偏低，不能有效区分创新资源利用效率低是知识生产能力不足还是市场吸纳能力有限造成的，从而制约了区域协同创新的实现。随着数字化时代的到来，创新价值链等知识来源有了新形式[12]。关于数字经济对基于创新价值链视角的区域创新效率影响的讨论具有必要性。

综上所述，本文从创新价值链入手，将区域创新过程划分为技术创新与成果价值转化两个互联互通的创新阶段，利用我国30个省份（香港、澳门、台湾、西藏地区除外）2013—2020年的数据，通过面板空间杜宾模型（Spatioal Dubin Model，SDM），实证检验数字经济对基于创新价值链的两阶段创新效率的空间溢出效应，把握现阶段数字经济的发展进程和区域创新的时空分布特征，分析数字经济对两阶段创新效率影响的存在性和差异性，探究现阶段科技成果价值实现路径是否高效及区域创新协同度问题。如何更好把握数字经济在不同创新阶段的创新激励效应，如何有效释放数字经济对区域协同创新能力的提升效应，成为近年来社会各界广泛讨论的议题。本文从理论和实证两个方面进行探究，为合理借助数字化进行针对性施策，更好地发挥数字经济创新激励作用和空间溢出效应，进而促进区域创新一体化进程建言献策。

我国区域创新存在不均衡发展现象。从区域分布来看，创新要素具有明显的空间集聚特征，不同地区尤其是东部与中西部地区之间差距明显。随着技术创新不断成熟，一个地区的强创新实力并不能使之在日益激烈的市场中维持持久竞争力，各个地区需要通过合理配置创新要素、规避创新风险达到协同创新，这是新时代背景下的必然选择。但是，在区域协同创新加速发展过程中，因各个地区资源禀赋存在较大差异，以及创新资源空间集聚产生“马太效应”，不同区域创新水平的差距进一步增大。而数字经济借助跨时空信息传播和数据共享优势，能够显著降低交易成本，加速数字化要素的空间集聚，有效缓解要素市场供需矛盾、经济活动空间限制和公平与效率问题[6]，实现空间合理布局和功能价值，促进创新要素在各个地区的流动，推动区域协同创新[13]。这也为论证数字经济对创新效率空间溢出效应的存在性提供了依据。

本文从数字经济对技术创新效率、成果转化效率的作用方向及差异，空间溢出效应和异质性影响机制等方面探讨数字经济对区域协同创新的影响。

（一）数字经济对基于创新价值链的区域创新效率的影响机制分析

1.技术创新效率对应研发端的研发创新行为

数字经济对区域技术创新效率的影响机理可以围绕存量效应和增量效应展开讨论。一方面，数字化特有的扩散性和无边界性使之能够有效突破创新的地域限制[2]，提升创新知识传播效率，推动创新型思维的产生和碰撞，释放创新溢出效应[5]。与此同时，借助数字技术对碎片化信息进行整合分类，筛选有利于创新的知识信息，进而增加创新知识存量[4]，激励创新的存量效应。另一方面，数字经济发展和产业数字化的进程不断加快，传统行业的持续性创新受到激励[14]，并通过数据价值、网络载体和数字技术赋能，形成纵向互联、横向互通的新产业生态，催生跨界融合新产业新模式[15]。数字化发展与数字技术的融合应用，改变了原有创新结构与创新组织形式，激活了各个层次、各个维度的创新能力，促进了市场中杂乱的知识信息在不同主体间的水平扩散与垂直整合[16]，信息要素的碰撞与融合增加了创新发生的可能性，激励创新的增量效应。

2.成果转化效率对应企业的市场化行为

数字化提供了便捷的信息交流平台[6]，缓解了创新过程中的信息不对称问题[17]，为企业经营决策制定和相关业务经营提供了相对完整的信息[18]。同时，数字化技术特有的连接性与融合性特征为企业获取知识创造了新途径、新机会[19]，使其获取信息的方式发生了很大变化[20-22]，增进了其与外部知识源的合作交流，促进了其开放式创新[23]。并且，丰富的知识资源可以引发新商业模式、新品牌和新技术的出现，更好地促进创新的产生[24]。新兴技术的运用使创新知识的传播频率和创新资源的整合效率大幅提高，分摊了基础设施的固定成本，并形成规模经济效应[4]，赋能供应链的各个环节，实现规模经济与范围经济的结合[5]，为经济市场中的匹配问题提供了优化路径[25]、新销售渠道，创造了新的就业机会[26]，提高了企业的创新能力，为企业带来了显著的创新效益。

基于上述分析，本文提出以下假设：

H1：数字经济能显著促进区域技术创新和成果转化效率的提升。

（二）数字经济对基于创新价值链的区域创新效率的空间溢出效应分析

地理邻近性和空间差异性是地区间产业协作和创新的决定因素，空间溢出效应的存在对地方间的协同创新和经济发展都会产生重要影响[27]。数字经济具有较强的社会互动性，能够通过一定的示范效应，引导创新主体知识学习效应的形成[4]，进而对周边地区的创新创业产生影响[18]，这可以从两方面进行解释。一方面，数字基础设施的普及使得创新主体间的数字连通性大大增强，创新主体间跨区域合作的可能性增加[28]；
另一方面，数字经济高效整合人才、知识、技术等创新资源，进而加速推动区域创新范式的数字化转型[29]。

技术创新和成果转化不是互相割裂的两个阶段，而是前后向关联的动态联动过程。数字化的发展便捷了创新要素的跨时空流动，要素的传播使得区域创新网络形成动态联动[30]，在研发端和企业端形成前后向关联[31]，借助数字技术实现知识互补和思想碰撞，增强协同创新能力[32]。这一前后向关联效应具体体现为，数字化扩散提高研发端获取知识和进行技术创新的能力，并将新知识推向企业端技术应用，形成新的盈利模式和企业良好的创新氛围；
与此同时，企业端提出更加个性化的服务和需求，倒逼研发端持续创新，从而促成数字化在部门间的互动创新溢出机制，促进创新效率的提高[14]。但是，由于创新主体不同，创新环境和创新政策存在差异，以及创新过程具有传导性等，数字经济所产生的创新激励效应可能存在差异性。

基于上述分析，本文提出以下假设：

H2：数字经济的创新激励作用具有空间溢出效应，在不同创新阶段存在差异性。

（三）数字经济对区域创新效率的异质性影响机制分析

由于资源禀赋和发展阶段的不同，无论是数字经济发展水平还是创新能力，在区域分布上都存在明显的异质性特点[6]。东部地区地理位置优越，数字化发展较早，创新水平较高，其数字经济的创新激励效应可能强于在地理区域、数字基建和创新水平处于劣势的中西部地区。并且，数字经济能够充分捕捉市场的一般性变化，赋能市场供需两侧，形成稳定而持续的创新激励效应[33]。但是，随着数字化的不断发展进步，数字科技的运用同样加剧了市场竞争，诱致出盲目、非理性的市场竞争，使对创新能力的激励受到一定阻碍[34]。因此，数字经济对区域创新效率的影响也可能存在地理位置和数字经济发展水平上的异质性。

基于上述分析，本文提出以下假设：

H3：数字经济对区域创新效率的影响因地理位置和数字经济发展水平不同而存在异质性。

（一）主要变量定义

1.基于创新价值链的区域创新效率测度

文献中关于区域创新效率的测量方法大部分基于单一维度，忽略了创新过程中内部传递体系和科技成果的价值实现，且对不同地区创新能力的判断比较笼统。为了准确掌握不同地区创新能力的发展程度和内部传递效率，合理判断数字经济对区域协同创新能力的影响效应，本文借鉴余泳泽等[9]提出的创新价值链理论，将区域创新过程划分为技术创新和成果转化两个阶段，按照创新两阶段的特点分别设计投入产出指标。两阶段区域创新价值链流程见图1。

图1 两阶段区域创新价值链流程

创新过程分为技术创新和成果转化两个互联互通的阶段。其中，技术创新是创新的源头活水[35]，是创新过程的起始阶段；
成果转化阶段直接与生产实践相结合，通过市场机制实现供给[36]。技术研发部门和成果应用部门以数字化为纽带建立起经济关联，对区域创新效率产生持续影响[14]。技术创新通过新技术、新发明服务于产品生产、服务升级；
与此同时，企业端借助新技术优势获得经济收入，并将其投入研发端，进行技术创新与发明，形成基于创新价值链的完整创新过程。技术创新主要在研发端进行，将R&D 经费内部支出额和R&D人员全时当量分别作为技术创新阶段的投入指标（资本投入和人力投入），将专利申请授权量作为产出指标；
成果创新主要在企业端进行，将专利申请授权量和科技论文发表篇数作为投入指标，将新产品销售收入作为产出指标。具体见表1。利用DEA-BCC 模型，通过DEAP2.1 软件测得区域技术创新和成果转化效率。

表1 两阶段区域创新效率测算指标

为了综合分析区域创新能力的差异性，本文根据2013—2020年两阶段区域创新效率的均值绘制区域技术创新效率-成果转化效率图，如图2所示。

图2 技术创新效率-成果转化效率图

图2 表明，2013—2020年我国30 个省份技术创新效率的均值为0.628，成果转化效率的均值为0.583，技术创新效率略高于成果转化效率，两者均具有较大的提升空间。从整体看，我国两阶段区域创新效率的空间分布具有差异性，技术创新效率高的省份分布较发散，而成果转化效率高的省份呈现向东部和南部沿海地区集聚的趋势。分象限看，技术创新和成果转化效率高的地区以广东、江苏、浙江为代表，是高校聚集地和经济发展较快地区，创新氛围浓厚；
以黑龙江、贵州、新疆为代表的中部和西部地区技术创新效率高于全国平均水平，西部大开发、中部地区崛起等战略的实施效果显著，中西部地区基础设施建设水平的提高畅通了东部和中西部地区资源流通渠道，为提升中西部地区创新资源配置能力和创新效率创造了条件[37]；
成果转化效率高的省份以山东、吉林、辽宁为代表，这些省份工业企业数量较多、规模较大，因而，技术创新成果的价值转化效率较高；
云南、青海、甘肃等省份的区域两阶段创新能力均低于全国平均水平。

2.数字经济发展水平测度

数字经济以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率兼顾的新经济形态构建。数字经济发展速度之快、辐射范围之广、影响程度之深是前所未有的，推动生产方式、生活方式和治理方式深刻变革，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。2021年底，国务院印发的《“十四五”数字经济发展规划》明确提出，要以数据为关键要素，以数字技术与实体经济深度融合为主线，加强数字基础设施建设，完善数字经济治理体系，协同推进数字产业化和产业数字化进程，培育新产业新业态新模式，为构建数字中国提供有力支撑。本文基于《“十四五”数字经济发展规划》的总体目标，借鉴韩先锋等[14]关于中国互联网发展体系的构建思路，从数字化普及、数字基础设施、数字信息融合、数字产业和数字环境五个维度入手，综合考虑全面性、科学性、导向性、有效性、可操作性及数据可得性，细分筛选二级指标，运用熵值法赋权，构建了我国省级数字经济发展评价指标体系（见表2），用以测度数字经济发展指数，以此反映各地数字经济发展水平。

表2 我国省级数字经济发展评价指标体系

为了细致分析区域数字经济发展水平和发展差距，本文绘制了2020年我国30个省份数字经济发展水平直方图（见图3）。其中，广东和北京的数字经济发展水平最高；
浙江、江苏和上海次之；
山东、四川和河南近年来数字经济发展较快，居于均值之上；
新疆、青海、宁夏等省份处于落后状态。总体而言，2020年我国数字经济发展水平整体呈现东高西低的分布态势，东部、南部沿海地区数字经济较为发达，中部、西部地区数字经济发展普遍低于全国平均水平，数字经济发展差距明显。

图3 2020年我国30个省份数字经济发展水平直方图

（二）数据来源与描述性统计

数据来源于2013—2021年《中国统计年鉴》《中国科技统计年鉴》以及各省份统计年鉴。鉴于数据的可得性，本文选取我国30 个省份为研究对象，样本区间为2013—2020年。相关变量的描述性统计结果如表3所示。

表3 变量描述性统计

（三）面板空间模型的选择与设定

根据地理学第一定律，事物间存在空间相关性且距离越近相关性越强，考虑到区域科技创新可能存在空间溢出效应，本文选取空间计量模型进行研究。由于权重矩阵是外生的，参考罗能生等[38]的研究方法，选取空间邻接矩阵作为空间权重矩阵，并与地理距离矩阵进行对比。空间邻接矩阵W1表示各省份的相互邻接关系，其元素由0和1 构成，若两省份地理相邻，元素取值为1，否则取值为0；
在地理距离矩阵中，权重设置为两省份地理距离的倒数，表示为：

其中，dij表示用经纬度计算的不同省份省会城市之间的地理距离。

1.空间自相关检验

为了验证空间计量模型的适用性，需要对区域创新的技术创新效率、成果转化效率的空间相关性进行检验。本文通过全局莫兰（Moran）指数I衡量空间相关性，其取值范围为[-1，1]。I大于零，表明存在空间正相关；
I小于零，表明存在空间负相关；
I等于零，表明空间分布具有随机性。全局莫兰指数I的计算公式为：

其中，Wij为空间权重矩阵W中的（i，j）元素，Yi为地区i的观测值，n为地区总数。

根据表4可知，当选取空间邻接矩阵作为空间权重矩阵时，技术创新效率和成果转化效率均在90%置信水平上显著；
当选取地理距离矩阵作为空间权重矩阵时，技术创新效率和成果转化效率基本显著。因此，区域创新效率具有空间相关性，可以通过空间计量模型进行分析。

表4 空间自相关性检验结果

2.空间计量模型的选择

本文主要针对数字经济发展对区域技术创新效率和成果转化效率的影响进行研究，模型为：

其中，TIEit和ATEit分别表示省份i在t时期的区域技术创新效率和成果转化效率，DEit为数字经济发展水平，conit为控制变量，α和α" 为常数项，β、β"、δ、δ"为系数，εit为随机扰动项。

对模型（3）、模型（4）进行随机效应（Random Effect，RE）模型回归以及拉格朗日乘子（Lagrange Multipliers，LM）检验，检验结果表明，数字经济发展对两阶段区域创新效率的影响存在空间溢出效应。SDM 模型不仅考虑被解释变量的空间相关性，还将解释变量的空间相关性纳入研究，其对区域创新空间溢出效应的度量更为准确。同时，根据似然比（Likelihood Ratio，LR）检验结果，SDM 模型最优，因此选择该模型进行分析。SDM 模型表示为：

其中，α为常数项，ρ为空间自回归系数，β为解释变量的回归系数，ϕ为解释变量空间交互项的弹性系数，W为空间权重矩阵。

进一步，对模型（5）进行豪斯曼（Hausman）检验，并选择时间固定效应的SDM 模型进行实证分析，其模型表示如下：

其中，α1、α2为常数项，ρ1、ρ2为空间自回归系数，β1、β2为核心解释变量的回归系数，δ1、δ2为控制变量的回归系数，ϕ1、ϕ2为核心解释变量空间交互项的弹性系数，ψ1、ψ2为控制变量空间交互项的弹性系数，νt表示时间固定效应。

（一）SDM模型回归分析

根据回归结果的稳健性，本文分别选取了空间邻接矩阵和地理距离矩阵作为空间权重矩阵进行SDM模型回归分析，考察数字经济对基于创新价值链视角的区域创新效率影响的存在性和差异性。通过LR 检验判断，SDM 模型不会弱化为空间自回归（SAR）模型或空间误差（SEM）模型，因此继续采用面板SDM模型进行后续实证分析。

表5显示，采用空间邻接矩阵或地理距离矩阵时，数字经济的创新溢出效应大致相同，即模型具有较强的稳健性。数字经济发展能显著提高区域技术创新效率和成果转化效率，即数字经济具有驱动地区创新的能力，且其创新提升效果在技术创新阶段强于在成果转化阶段。创新过程是一个从技术创新到产品升级，再到价值产出的多阶段过程，而数字经济在其中的作用机制是：借助大数据平台高效整合信息和要素资源，实现海量数据跨时空共享和创新思维超时空碰撞，提高研发端的技术创新效率；
企业利用研发端的研发成果，通过数字化平台进行资金的有效配置和信息的高效传递，智能化生产设备和服务模式的出现能增强规模效应和盈利能力，提升企业创新动力，提高企业的成果转化效率。这种多阶段创新价值传递过程存在时滞性，即数字经济对技术创新和成果转化的促进是一个相对漫长的过程。同时，企业在再创新过程中可能存在模仿效应和竞争效应，会进一步阻碍成果转化效率的提高。

数字经济对技术创新效率存在显著的空间溢出效应，对成果转化效率的空间溢出效应具有不确定性，即存在一定程度的数字隔离。表5 显示，技术创新效率的正向空间溢出效应显著，成果转化效率具有负向空间溢出效应。这说明数字经济的创新驱动效应在技术创新阶段表现更为明显，在成果转化阶段受企业未来规划、管理决策等原因影响存在较大的不确定性，侧面反映中国不同地区社会经济发展的异质性和阶段性特征，对数字经济对创新的空间溢出效应具有不同程度的影响，有必要进行区域异质性分析。

表5 SDM模型回归分析结果

（二）SDM模型分解效应回归分析

由于存在空间溢出效应，模型（6）和模型（7）的回归系数不能直接反映解释变量与被解释变量间的影响关系，即数字经济对区域创新效率的影响无法得到完全解释。因此，将数字经济对区域创新效率的影响分解为直接效应和间接效应（直接效应表示数字经济对本地区创新效率的影响，间接效应表示数字经济对其他地区创新效率的影响），分为技术创新和成果转化两个阶段，分别对其进行数字经济驱动创新效率提升的空间分解效果分析。

根据表6可知，技术创新效率具有空间扩散效应，数字经济对技术创新效率的影响不论是直接效应、间接效应还是总效应均显著为正，并且间接效应的影响大于直接效应的影响，说明数字经济发展不仅能够提升区域技术创新能力，还可以通过发挥技术创新的扩散效应，促进周边地区技术创新效率的提高，进而推动我国区域创新协同发展。

表6 数字经济驱动技术创新的分解效应检验结果

根据表7可知，区域成果转化效率的影响效应为负，即成果转化效率阻碍了创新能力的扩散，数字经济对成果转化的驱动效应则进一步证实了这一现象。数字经济对成果转化效率的直接效应显著为正，而间接效应的影响方向不明确，这进一步表明，随着数字经济的发展，区域创新活力和区域技术创新能力得到提升，带动了企业端的创新和价值实现，提高了区域成果转化能力。由于认知的时滞性、企业端的差异性以及非正常模仿和竞争效应的加剧，挤占效应出现并妨碍了成果转化效率的空间扩散，阻碍了周边地区创新成果的价值实现路径。这说明，目前我国创新驱动发展战略不能只注重技术成果产出数量，还要注重技术成果的投入与再生产、从技术成果到产品价值的转化，以实现整个创新链条的互联互通，带动整体创新流程的协同和良性发展。

表7 数字经济驱动成果转化的分解效应检验结果

（三）异质性分析

由于社会经济发展水平、环境不同，我国不同省份数字经济发展水平差异性明显，数字经济的创新驱动效果可能存在差异。本文分别以地理位置和数字经济发展水平作为依据分类，进行异质性分析，对比不同情况下数字经济对基于创新价值链的创新效率的影响。

1.基于地理位置的异质性分析

将30 个省份划分为东部和中西部地区，并通过空间邻接矩阵对技术创新和成果转化效率进行回归分析，结果如表8所示。

表8 基于地理位置的异质性分析结果

从数字经济驱动技术创新效率看，东部地区数字经济对本地区和周边地区技术创新效率均具有显著的促进作用；
而在中西部地区，数字经济的技术创新激励效应表现不显著，但其空间溢出效应较强。这可能是因为，相较于中西部地区，我国东部地区数字经济基础设施健全、金融基础雄厚，在初期即可通过数字经济的创新溢出机制，对技术创新效率产生积极影响；
中西部地区数字经济基础较差，数字经济技术创新红利的释放尚不充分，技术创新提升效应滞后于东部地区，具有较大的提升空间和发展可能性。从数字经济对成果转

化效率的影响看，现阶段数字经济对东部地区的成果转化效率的影响具有正向促进作用，对中西部地区具有抑制作用。成果转化效率涉及企业端的创新及经营行为表现，存在个体不确定性，只有在相对健康的竞争氛围中，数字经济驱动的成果转化才可能充分发挥积极影响。

2.基于数字经济发展水平的异质性分析

仅按照地理位置分类探讨，不能完全而准确地解释数字经济在驱动区域创新效率提升中的作用和影响。因此，本文以数字经济发展水平的均值为标准，将30 个省份划分为高水平地区和低水平地区，进一步分析数字经济的创新驱动效应。其中，数字经济发展高水平地区包括北京、上海、江苏、浙江、福建、山东、河南、广东、四川；
低水平地区包括天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、江西、湖北、湖南、广西、海南、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆。

根据空间邻接矩阵的性质可知，某省份与其他省份可能完全不相邻。因此，选择地理距离矩阵对技术创新和成果转化效率进行回归分析，结果如表9所示。

根据表9可知，数字经济对区域技术创新效率具有提升作用，在数字经济发展高水平地区的提升效应大于在低水平地区，空间溢出效应也是如此。在提高技术创新效率的路径中，数字经济发挥着重要作用，在数字经济发展水平高和环境氛围浓厚的地区，其技术创新氛围活跃，数字经济技术创新溢出效应更明显；
在数字经济发展薄弱地区，受政策、环境等因素限制，其数字经济技术创新溢出效应较弱。随着数字经济的发展，其激励区域技术创新的表现会更明显，即数字经济对技术创新的激励效应具有持续正向影响。

表9 基于数字经济发展水平的异质性分析结果

数字经济的成果转化驱动效应在高水平地区表现为负向抑制作用，在低水平地区表现为正向提升作用，其空间溢出效应结果与之类似。这可能由于数字经济发展高水平地区成果转化能力差距较小、发展空间不大、持续发展动力不足所致，数字经济驱动成果转化遇到瓶颈；
而数字经济发展低水平地区尚处于起步阶段，发展空间大、动力强，成果转化溢出效应表现较好。

（四）稳健性检验

由于指标选取依据、变量测度方法多样，为避免实证研究因创新效率测算和数字经济发展指数构建导致的变量偏误，以及空间权重矩阵设定造成的模型稳健性不足等问题，保证实证结果的准确性，本文通过替换被解释变量、解释变量和更换空间权重矩阵进行稳健性检验。其中，被解释变量用专利申请授权量的对数代替；
数字经济发展指数用主成分分析法重新赋权计算，并以此替换解释变量；
空间权重矩阵更换为空间倒数平方矩阵①。稳健性检验结果如表10所示。

根据表10 可知，核心解释变量的回归系数均显著为正，并且核心解释变量的回归系数和空间交互项的弹性系数与表5基准回归结果比较，未发生显著变化，表明数字经济对区域技术创新效率和成果转化效率均存在显著的激励效应，且数字经济对创新的空间溢出效应在技术创新阶段显著为正，在成果转化阶段存在数字隔离，验证了本文基本结论的稳健性。

表10 稳健性检验结果

（一）研究结论

数字经济是新时代助力区域创新的全新动力。为深入探究数字经济的创新激励效应和内部传导途径，本文基于2013—2020年我国30 个省份数据，测算我国省级数字经济发展指数并基于创新价值链视角的两阶段区域创新效率，分析数字经济和创新效率的时空分布和演变特征，验证空间计量模型的适用性。进一步，选用面板SDM 模型检验数字经济对两阶段区域创新效率的空间溢出效应的存在性和差异性。

第一，自2013年以来我国数字经济发展迅速，数字经济发展差距随之扩大。两阶段区域创新效率的空间分布呈现东高西低的地区差异性，技术创新效率高的省份分布较发散，其空间溢出效应更强。成果转化效率高的省份呈现局部集聚状态，更容易造成无序竞争、模仿效应等，形成挤占效应，阻碍数字经济驱动的成果转化的进一步扩散。

第二，数字经济发展能够显著提升区域技术创新效率和成果转化效率，且提升效果在技术创新阶段强于在成果转化阶段。从空间溢出角度来看，数字经济对创新的溢出效应在技术创新阶段表现明显，在成果转化阶段存在一定程度的数字隔离，这与企业间无序竞争、模仿效应以及成果转化的空间挤占效应有关。进一步,根据空间分解效应可知，数字经济发展对区域技术创新效率具有空间溢出效应，能够带动本地区和周边地区技术创新效率提高，数字经济发展同样可以提高本地区成果转化效率，但其空间溢出效应不明确。

第三，从地理位置看，东部地区拥有完善的数字化基础和发达的金融实力，比中西部地区更容易受到数字经济激励创新的积极影响，中西部地区数字经济基础较差，创新溢出红利释放不充分，具有较大的提升空间和发展潜力。从数字化发展水平看，数字经济对技术创新的激励效应在高水平地区强于在低水平地区，而对成果转化激励效应的表现恰恰相反，即数字经济对区域技术创新具有持续正向的激励作用，而对成果转化的激励作用在发展到一定程度后存在阻碍。

（二）政策启示

第一，积极完善区域间数字基础设施建设，增强区域政策的适用性，搭建区域间数字基础设施一体化平台，有序推进数字化的资源共享和信息流动，打造良性有序的市场环境和监管体系，鼓励创新要素的跨时空传播和良性互动，逐步缩小地区间数字化发展差距。

第二，充分利用数字经济在驱动科技创新战略中的催化剂作用，打造创新链条。积极搭建技术创新与成果转化阶段的桥梁，构建良性市场机制，缓解企业间不正当竞争和模仿行为，探索更高效的技术成果价值实现途径，实现创新要素的空间传播和创新价值链的协同共通。

第三，合理借力地理位置和数字经济基础的长板。比如继续推动东部地区和数字经济发达地区的数字化创新进程、发挥好中西部地区数字经济对周边地区创新的空间溢出效应、利用好数字经济欠发达地区成果转化初期阶段的特点等，针对施策，探索数字化激励创新的持久性实现机制，积极推动以数字经济为催化剂的区域协同创新目标的实现。

注释：

①空间倒数平方矩阵中的元素为利用经纬度计算得出的各个省会城市间地标距离倒数的平方。

猜你喜欢成果效应效率铀对大型溞的急性毒性效应核科学与工程(2021年4期)2022-01-12懒马效应今日农业(2020年19期)2020-12-14提升朗读教学效率的几点思考甘肃教育(2020年14期)2020-09-11工大成果浙江工业大学学报(社会科学版)(2019年2期)2019-07-08“走出去”成果斐然石油化工建设(2017年5期)2018-01-26“健康照明”成果聚焦照明工程学报(2017年6期)2018-01-10应变效应及其应用中学物理·高中(2016年12期)2017-04-22“三医联动”扩大医改成果中国卫生(2016年2期)2016-11-12跟踪导练（一）2时代英语·高二(2015年1期)2015-03-16“钱”、“事”脱节效率低中国卫生(2014年11期)2014-11-12