馬 琳

（南通大學(xué)經(jīng)濟(jì)與管理學(xué)院，江蘇南通 226000）

在國(guó)際經(jīng)濟(jì)環(huán)境日益復(fù)雜嚴(yán)峻的背景下，數(shù)字經(jīng)濟(jì)作為一種新型的經(jīng)濟(jì)形態(tài)持續(xù)保持高速增長(zhǎng)，在國(guó)民經(jīng)濟(jì)中的地位不斷上升，成為了驅(qū)動(dòng)我國(guó)經(jīng)濟(jì)增長(zhǎng)的核心、關(guān)鍵力量。2021年3月，第十三屆全國(guó)人大四次會(huì)議通過(guò)的《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》指出，要加強(qiáng)關(guān)鍵數(shù)字技術(shù)創(chuàng)新應(yīng)用，促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合，加快推進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。高技術(shù)產(chǎn)業(yè)作為一種知識(shí)技術(shù)密集、高附加值、創(chuàng)新型產(chǎn)業(yè)，是國(guó)家衡量綜合實(shí)力的重要指標(biāo)，也是我國(guó)推動(dòng)科技創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的核心力量。與此同時(shí)，數(shù)字技術(shù)的普及為高技術(shù)產(chǎn)業(yè)的發(fā)展提供了機(jī)遇。基于此，在數(shù)字經(jīng)濟(jì)的新形勢(shì)下，研究中國(guó)高技術(shù)產(chǎn)業(yè)能否借此提升創(chuàng)新效率具有很強(qiáng)的理論和現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

隨著社會(huì)進(jìn)入數(shù)字經(jīng)濟(jì)時(shí)代，人類的生產(chǎn)和生活方式都發(fā)生了巨大的變革，學(xué)者們紛紛開(kāi)始關(guān)注和研究其發(fā)展現(xiàn)狀和影響。郭家堂、駱品亮（2016）認(rèn)為，互聯(lián)網(wǎng)技術(shù)使信息廣泛快速傳播，通過(guò)提升經(jīng)濟(jì)個(gè)體的信息資源積累，促進(jìn)了經(jīng)濟(jì)社會(huì)的技術(shù)進(jìn)步。Basu 和Fernald發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)改變了傳統(tǒng)的商業(yè)模式，減少了信息不完全的問(wèn)題，使資源配置流向升級(jí)。荊文君和孫寶文（2019）認(rèn)為，互聯(lián)網(wǎng)的外部效應(yīng)形成的規(guī)模經(jīng)濟(jì)，提高了資源配置效率，優(yōu)化了生產(chǎn)要素投入，進(jìn)而推動(dòng)了經(jīng)濟(jì)增長(zhǎng)。Clarke 等（2015）認(rèn)為，互聯(lián)網(wǎng)的使用頻率對(duì)發(fā)展中國(guó)家的中小企業(yè)的生產(chǎn)率有著顯著的積極影響。

通過(guò)梳理文獻(xiàn)發(fā)現(xiàn)，學(xué)者們對(duì)數(shù)字經(jīng)濟(jì)對(duì)經(jīng)濟(jì)活動(dòng)中的創(chuàng)新的影響也進(jìn)行了研究。韓先鋒和惠寧等（2014）利用工業(yè)部門行業(yè)面板數(shù)據(jù)，實(shí)證分析信息化與技術(shù)創(chuàng)新效率的傳導(dǎo)機(jī)制，認(rèn)為信息技術(shù)的溢出效應(yīng)促進(jìn)了技術(shù)創(chuàng)新效率的提升。楊德明和劉泳文（2017）認(rèn)為，互聯(lián)網(wǎng)通過(guò)匯聚的創(chuàng)新資源，可以使創(chuàng)新個(gè)體借助平臺(tái)更好進(jìn)行交流，低邊際成本也會(huì)促進(jìn)企業(yè)增加研發(fā)投入，提高企業(yè)整體的創(chuàng)新能力。王金杰和郭樹(shù)龍（2018）認(rèn)為，互聯(lián)網(wǎng)不僅能使創(chuàng)新資源聚集，還會(huì)使企業(yè)在互聯(lián)網(wǎng)開(kāi)放式思維的引導(dǎo)下，將內(nèi)部能力與外部信息資源整合起來(lái)，從而提高企業(yè)的協(xié)同創(chuàng)新能力。在數(shù)字化的環(huán)境下，企業(yè)可能比消費(fèi)者更了解對(duì)產(chǎn)品的需求。陳劍和黃朔等（2020）認(rèn)為，大數(shù)據(jù)的出現(xiàn)提高了企業(yè)對(duì)消費(fèi)者的需求預(yù)測(cè)能力，數(shù)字化技術(shù)也能使企業(yè)設(shè)計(jì)出更符合消費(fèi)需求的產(chǎn)品，而這些都將帶來(lái)企業(yè)在運(yùn)營(yíng)管理上的創(chuàng)新。張驍和吳琴等（2018）通過(guò)構(gòu)建跨界顛覆的理論模型，分析在互聯(lián)網(wǎng)時(shí)代下組織利用跨界開(kāi)展新業(yè)務(wù)，顛覆原有價(jià)值創(chuàng)造模式的演化邏輯。數(shù)字化同樣能激發(fā)企業(yè)利用數(shù)據(jù)進(jìn)行創(chuàng)新的動(dòng)力。林琳和陳萬(wàn)明（2018）發(fā)現(xiàn)，在互聯(lián)網(wǎng)的背景下，企業(yè)與用戶之間的互動(dòng)性加強(qiáng)，通過(guò)反復(fù)試錯(cuò)，迅速得到用戶反饋信息，有利于企業(yè)不斷適應(yīng)外部環(huán)境，規(guī)避創(chuàng)新創(chuàng)業(yè)帶來(lái)的風(fēng)險(xiǎn)。王可和李連燕（2018）從制造業(yè)視角出發(fā)，發(fā)現(xiàn)信息的流動(dòng)與共享會(huì)促進(jìn)企業(yè)的創(chuàng)新行為和供應(yīng)鏈的協(xié)同效應(yīng)，同時(shí)互聯(lián)網(wǎng)也簡(jiǎn)化了企業(yè)的銷售和營(yíng)銷流程。

綜上所述，國(guó)內(nèi)外學(xué)者對(duì)于數(shù)字經(jīng)濟(jì)以及其對(duì)創(chuàng)新的影響從不同的角度進(jìn)行了研究，但從高技術(shù)產(chǎn)業(yè)的視角出發(fā)，研究數(shù)字經(jīng)濟(jì)對(duì)于不同地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響還較為鮮見(jiàn)。因此，本文以高技術(shù)產(chǎn)業(yè)為研究對(duì)象，利用三階段DEA 與Tobit 模型相結(jié)合的方法，實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)對(duì)各地區(qū)的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響。

二、高技術(shù)產(chǎn)業(yè)創(chuàng)新效率測(cè)評(píng)

（一）研究方法

三階段DEA 模型將決策單元都調(diào)整到相同的外部環(huán)境，剔除環(huán)境因素和隨機(jī)因素對(duì)效率值的影響，與經(jīng)典DEA 模型相比，得到的效率值更能客觀、準(zhǔn)確地反映各決策單元的真實(shí)情況。本文利用該方法測(cè)度各地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率，具體的研究步驟不再過(guò)多贅述。

（二）變量選取與數(shù)據(jù)說(shuō)明

本文參考國(guó)內(nèi)外學(xué)者的相關(guān)研究，選擇的投入變量為研發(fā)活動(dòng)人員折合全時(shí)當(dāng)量、研發(fā)經(jīng)費(fèi)存量。產(chǎn)出變量為新產(chǎn)品的銷售收入、專利申請(qǐng)數(shù)。環(huán)境變量是指對(duì)效率會(huì)產(chǎn)生影響，但不受樣本主觀控制，且短時(shí)間內(nèi)不會(huì)發(fā)生改變的變量。本文選取的環(huán)境變量包括：（1）經(jīng)濟(jì)發(fā)展水平。選取人均GDP 作為衡量地方經(jīng)濟(jì)發(fā)展水平的指標(biāo)。（2）財(cái)政支出。選取各地區(qū)科學(xué)技術(shù)支出占財(cái)政支出的比例來(lái)衡量各地區(qū)政府對(duì)科研活動(dòng)的支持力度。（3）研發(fā)環(huán)境。選取各地區(qū)的高技術(shù)產(chǎn)業(yè)研發(fā)機(jī)構(gòu)數(shù)來(lái)衡量。（4）開(kāi)放程度。選擇地區(qū)進(jìn)出口總額占地方GDP 的比例來(lái)衡量。考慮數(shù)據(jù)的完整性和可得性，本文選取2011—2018年28個(gè)省、市、區(qū)為樣本（西藏、新疆、青海等省份由于數(shù)據(jù)缺失較多，予以舍棄），數(shù)據(jù)來(lái)于《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》和各省市統(tǒng)計(jì)年鑒。對(duì)個(gè)別缺失數(shù)據(jù)采用線性插值法補(bǔ)全。由于產(chǎn)品從研發(fā)到投入使用需要一定的周期，故設(shè)置創(chuàng)新投入產(chǎn)出的滯后期為一年。同時(shí)，為了消除價(jià)格因素的影響，以2011年為基期對(duì)相關(guān)數(shù)據(jù)進(jìn)行平減處理。

（三）實(shí)證結(jié)果分析

運(yùn)用DEAP2.1 軟件對(duì)28個(gè)省、市、區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行測(cè)算，然后將得到的人力投入松弛變量、經(jīng)費(fèi)投入松弛變量分別作為被解釋變量，以經(jīng)濟(jì)發(fā)展水平、財(cái)政支出、研發(fā)環(huán)境和開(kāi)放程度為解釋變量，建立SFA 回歸模型，運(yùn)用Frontier4.1 軟件計(jì)算得到調(diào)整后的投入變量。利用調(diào)整后的投入變量和初始的產(chǎn)出變量計(jì)算各地區(qū)的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率值。表1 為SFA 模型的回歸結(jié)果。從表1 中可以看出，模型的單邊似然比檢驗(yàn)統(tǒng)計(jì)量通過(guò)了1%檢驗(yàn)，拒絕原假設(shè)，表明運(yùn)用SFA模型進(jìn)行回歸是有必要的。此外，研發(fā)人員投入松弛變量和經(jīng)費(fèi)投入松弛變量所對(duì)應(yīng)的和值均通過(guò)了1%顯著性檢驗(yàn)，表明與隨機(jī)誤差項(xiàng)相比，環(huán)境因素對(duì)投入松弛值的影響更為明顯。同時(shí)可以看出，環(huán)境變量的待估計(jì)系數(shù)通過(guò)了顯著性檢驗(yàn)，表明環(huán)境因素對(duì)人力投入松弛和資本投入松弛具有顯著影響，所以利用SFA 模型消除環(huán)境因素和隨機(jī)因素的影響是合理的。

第三階段測(cè)算結(jié)果與第一階段測(cè)算結(jié)果存在明顯的差異。在投入變量調(diào)整后，高技術(shù)產(chǎn)業(yè)綜合效率均值為0.360，下降了0.111，降幅達(dá)到23.57%；調(diào)整后的純技術(shù)效率均值為0.804，上升了0.028，上升幅度達(dá)到40.56%。高水平的純技術(shù)效率表明高技術(shù)產(chǎn)業(yè)的技術(shù)利用效率水平較高，說(shuō)明近年來(lái)國(guó)家對(duì)技術(shù)創(chuàng)新的重視取得了一定的成果。調(diào)整后的規(guī)模效率均值為0.430，下降了0.416，降幅達(dá)到49.17%。與第一階段測(cè)算結(jié)果相比，高技術(shù)產(chǎn)業(yè)創(chuàng)新效率均值、規(guī)模效率均值都有明顯下降，而純技術(shù)效率均值明顯提升。這說(shuō)明規(guī)模效率低下是造成高技術(shù)產(chǎn)業(yè)創(chuàng)新效率低下的主要原因。此外，各地區(qū)的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率水平差距較大。

表1 SFA 模型回歸結(jié)果

三、數(shù)字經(jīng)濟(jì)對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響分析

（一）指標(biāo)選取及說(shuō)明

梳理相關(guān)文獻(xiàn)，本文借鑒趙濤等（2020）的研究思路，同時(shí)考慮到智能物流也是數(shù)字經(jīng)濟(jì)下的新型產(chǎn)業(yè)，與大數(shù)據(jù)、人工智能、5G 等數(shù)字技術(shù)結(jié)合得較為緊密，所以將其也納入到指標(biāo)體系中，并采用以下6個(gè)指標(biāo)對(duì)地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平進(jìn)行測(cè)度：每百人互聯(lián)網(wǎng)用戶數(shù)、每百人移動(dòng)電話用戶數(shù)、計(jì)算機(jī)服務(wù)和軟件從業(yè)人員占比、人均電信業(yè)務(wù)總量、中國(guó)數(shù)字普惠金融指數(shù)和快遞業(yè)務(wù)收入。出于對(duì)相關(guān)變量的降維考慮，將以上6個(gè)指標(biāo)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，利用SPSS 軟件進(jìn)行主成分分析，得到數(shù)字經(jīng)濟(jì)綜合發(fā)展指數(shù)。本文選取的控制變量為：（1）政府支持。采用政府資金投入占R&D經(jīng)費(fèi)內(nèi)部支出的比例來(lái)衡量政府支持力度。（2）教育水平。選取普通高等學(xué)校在校學(xué)生數(shù)衡量一個(gè)地區(qū)的教育水平。（3）外資支持。選取外商直接投資實(shí)際利用額占地方GDP 的比例來(lái)衡量。（4）金融發(fā)展。選取各地區(qū)銀行年末存貸款余額占地方GDP 的比例來(lái)衡量金融發(fā)展規(guī)模。

（二）實(shí)證結(jié)果分析

為了進(jìn)一步探究數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)我國(guó)28個(gè)省份的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響，選取適用于被解釋變量受限的Tobit 模型，以三階段DEA 模型測(cè)算出的高技術(shù)產(chǎn)業(yè)創(chuàng)新效率為被解釋變量。以上述影響因素為解釋變量進(jìn)行回歸分析，分析結(jié)果如表2。

表2 高技術(shù)產(chǎn)業(yè)創(chuàng)新效率Tobit模型回歸結(jié)果

數(shù)字經(jīng)濟(jì)水平與綜合效率呈顯著正相關(guān)，表明數(shù)字經(jīng)濟(jì)每提高1%，高技術(shù)產(chǎn)業(yè)創(chuàng)新綜合效率提高0.113%。說(shuō)明數(shù)字經(jīng)濟(jì)水平的提高能顯著促進(jìn)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的提升。互聯(lián)網(wǎng)的發(fā)展提高了信息傳遞的深度和廣度，打破了傳統(tǒng)的時(shí)空界限；信息透明度的提高降低了企業(yè)搜尋信息的成本，能夠精確識(shí)別用戶的需求，進(jìn)一步提高了創(chuàng)新質(zhì)量。此外，數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的深度融合，方便利用數(shù)據(jù)要素的低成本特性產(chǎn)生規(guī)模經(jīng)濟(jì)效應(yīng)，最終提升產(chǎn)業(yè)的創(chuàng)新能力。政府支持力度與綜合效率呈負(fù)相關(guān)，說(shuō)明政府的研發(fā)經(jīng)費(fèi)資金存在投入過(guò)多導(dǎo)致浪費(fèi)的現(xiàn)象，可能是資源沒(méi)有得到合理的配置。教育水平與綜合效率呈正相關(guān)，說(shuō)明教育水平的提升能顯著提高高技術(shù)產(chǎn)業(yè)的創(chuàng)新效率。外商投資與綜合效率呈顯著正相關(guān)，可能是由于外商投資的技術(shù)外溢效應(yīng)為企業(yè)創(chuàng)新提供了良好的環(huán)境。金融發(fā)展水平與綜合效率呈顯著正相關(guān)，說(shuō)明金融機(jī)構(gòu)貸款對(duì)于創(chuàng)新企業(yè)發(fā)展的全過(guò)程起著強(qiáng)大的支撐作用，創(chuàng)新研發(fā)需要大量的資金，高質(zhì)量的金融環(huán)境可以擴(kuò)寬企業(yè)的融資渠道。

結(jié)語(yǔ)

本文研究了2011—2018年各地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響。研究結(jié)果說(shuō)明，數(shù)字經(jīng)濟(jì)對(duì)各地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率有顯著的正向影響。因此，地區(qū)政府應(yīng)注重加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)，根據(jù)實(shí)際情況實(shí)行不同的數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略，利用創(chuàng)新研發(fā)成果推動(dòng)生產(chǎn)率的提升。