长株潭都市圈数字化转型的区域协同创新效应研究学术报告
一、作者与发表信息
本研究由中南林业科技大学经济管理学院/产业经济高质量发展研究中心的仇怡（教授、博士生导师）、宋娜、黄丹（通讯作者）合作完成，发表于《经济地理》2025年第10期（Vol.45, No.10），文章编号为1000-8462(2025)10-0141-10，DOI号为10.15957/j.cnki.jjdl.2025.10.015。研究获湖南省社会科学基金、湖南省教育厅重点项目等资助。
二、学术背景与研究目标
科学领域：本研究属于区域经济学与创新管理的交叉领域，聚焦数字化转型（Digital Transformation）对区域协同创新（Regional Collaborative Innovation）的影响机制。
研究背景：随着人工智能、大数据等技术的快速发展，数字化转型成为推动区域协同创新的关键动力。长株潭都市圈作为中部首个国家级都市圈，面临创新资源配置不均、数字化转型鸿沟等挑战，亟需探索数字化赋能协同创新的路径。
研究目标：
1. 验证数字化转型对长株潭都市圈区域协同创新的促进作用；
2. 揭示政府干预、财政压力、行政等级等因素的异质性影响；
3. 分析知识多样性（Knowledge Variety）的调节作用；
4. 探究数字化转型的非线性效应。
三、研究设计与方法
1. 数据与样本
- 研究对象：长株潭都市圈19个区县（含县、市辖区、县级市），时间跨度为2006—2021年，专利数据延至2022年（考虑创新时滞），共262个观测值。
- 数据来源：
- 数字化转型指标：基于Python分词分析各区县政府工作报告中“数字化转型”相关词频占比（表1列出具体关键词，如人工智能、区块链等）；
- 区域协同创新指标：通过Incopat平台获取合作发明专利数据，剔除个人申请及非发明专利；
- 知识多样性指标：基于《国际专利分类表》（IPC分类）计算知识相关多样性（rdiv）与无关多样性（udiv）；
- 控制变量：城镇化率、产业结构、人均GDP等，数据来自《湖南统计年鉴》。
2. 模型构建
- 基准模型：双向固定效应模型（公式1），检验数字化转型对协同创新的线性影响。
- 调节效应模型（公式2）：引入知识多样性与数字化转型的交互项，分析调节作用。
- 非线性分析：采用随机森林模型（Random Forest Model，公式3-4）捕捉数字化转型的网络效应，通过偏依赖图（Partial Dependence Plot）展示非线性关系。
3. 创新方法
- 文本分析技术：首次将政府工作报告词频占比作为县域数字化转型的代理变量，克服微观数据不足的限制。
- 机器学习应用：突破传统回归模型局限，利用随机森林识别数字化转型的阈值效应与变量重要性排序。
四、主要研究结果
1. 基准回归结果
数字化转型系数为0.784（p<0.01），表明数字化转型水平每提升1单位，区域协同创新水平显著提高0.784单位（表3）。控制变量中，经济发展水平（lnpgdp）与固定资产投资（invest）对协同创新有负向影响，可能源于资源错配。
2. 异质性分析
- 政府干预：低干预地区（财政支出/GDP占比低于中位数）的数字化转型促进作用更显著（交互项系数1.239，p<0.01），高干预可能导致资源扭曲（表7-1）。
- 财政压力：财政赤字率低于3%的地区，数字化转型效应更强（交互项系数-1.046，p<0.01），高压力地区因税负挤出创新投入（表7-2）。
- 行政等级：市辖区的数字化转型效应显著高于县级单元（交互项系数1.286，p<0.05），得益于资源集聚优势（表7-3）。
3. 调节效应
- 知识相关多样性（rdiv）正向调节（交互项系数0.018，p<0.05），相似知识领域更易触发协同创新（表8-1）。
- 知识无关多样性（udiv）负向调节（交互项系数-109.232，p<0.01），差异过大可能因吸收能力不足抑制创新（表8-2）。
4. 非线性效应
随机森林模型显示（图2-3）：
- 数字化转型重要性排名首位，超越产业结构等传统因素；
- 偏依赖曲线呈阶梯式上升：初期（<0.13）效应微弱，中期（0.13-0.3）平稳增长，突破0.3阈值后效应激增，体现“梅特卡夫定律”的网络效应。
五、结论与价值
科学价值：
1. 理论层面：揭示了知识多样性在数字化转型与协同创新间的双重调节机制，弥补现有文献空白；
2. 方法层面：融合文本分析、机器学习与传统计量模型，为区域创新研究提供方法论创新。
应用价值：
1. 政策建议：提出差异化推进策略，如低干预地区强化市场作用、高财政压力地区探索“数字飞地”模式；
2. 实践指导：建议企业聚焦知识相关多样性优化创新生态，政府关注数字化转型阈值以制定阶段性支持政策。
六、研究亮点
1. 视角创新：首次从知识多样性角度解析数字化转型的协同创新效应；
2. 方法创新：应用随机森林模型捕捉非线性特征，更适配数字化转型的网络化属性；
3. 数据创新：构建县域级创新面板数据集，填补区域层面研究的微观证据缺口。
七、其他价值
研究揭示了内陆都市圈通过数字化转型突破创新瓶颈的路径，对中部崛起战略具有参考意义，也为全球类似区域提供“数字赋能”的中国案例。