城市数字智能转型对可持续协同创新的作用:溢出效应分析
作者及机构
本研究由西南财经大学中国西部经济研究院的You Chu、清华大学环境学院的Luo Qingfeng(通讯作者)和Liu Wei(通讯作者)共同完成,发表于2023年2月的期刊《Sustainability》(2025年第17卷,第1890页),文章标题为《The Role of Urban Digital Intelligence in Fostering Sustainable Collaborative Innovation: An Analysis of Spillover Effects》。
科学领域与研究动机
本研究属于区域经济学与创新管理的交叉领域,聚焦数字技术(如“宽带中国”和“智慧城市”政策)对城市间协同创新的影响。随着中国2012年“智慧城市”和2013年“宽带中国”试点政策的推进,数字基础设施的完善为区域经济可持续发展和创新合作提供了新机遇。然而,现有研究多关注单一政策效果,忽视了数字智能转型(Digital Intelligence Transformation, DIT)的空间溢出效应及其对跨区域协同创新的作用机制。本研究旨在填补这一空白,揭示DIT如何通过要素流动和市场潜力提升,推动本地及邻近城市的可持续创新合作。
核心问题与目标
研究提出三个关键假设:
1. H1:DIT通过提升本地和跨城市的创新合作能力,促进可持续协同创新系统的形成。
2. H2:DIT加速研发人才、资本和知识流动,从而推动创新合作。
3. H3:DIT通过增强市场潜力,间接促进跨城市创新协同。
数据与样本
研究覆盖中国284个地级及以上城市(2005–2021年),数据来源包括:
- 专利合作数据:来自中国国家知识产权局,剔除独立申请和市内合作,保留城市间联合专利申请记录。
- 经济与社会数据:来自CNRDS、CEIC和CSMAR数据库,通过插值法填补缺失值。
模型构建
采用空间杜宾模型结合双重差分法(SDM-DID),以解决政策效应的内生性和空间依赖性:
1. 核心变量:
- 因变量:城市间协同创新(lnci),以联合专利申请数量的对数衡量。
- 处理变量(udid):同时参与“宽带中国”和“智慧城市”试点的城市设为实验组,其余为对照组。
2. 空间权重矩阵:
- 地理距离矩阵(G1):基于城市间欧氏距离的倒数平方。
- 经济关联矩阵(G2):基于人均GDP相似性。
- 嵌套矩阵(G3):地理与经济矩阵的加权组合(权重各0.5)。
机制分析
1. 要素流动机制:
- 研发人才流动(lnrdt):通过工资和房价差异的引力模型量化。
- 资本流动(lnrdc):基于工业企业利润的引力模型。
- 知识流动(lnkf):通过专利引用数据衡量。
2. 市场机制:
- 市场潜力(lnmp):采用Harris重力模型,结合GDP和城市间距离计算。
基准回归
机制验证
异质性分析
科学意义
1. 理论创新:首次整合“宽带中国”和“智慧城市”政策的协同效应,构建DIT驱动区域创新的空间分析框架。
2. 方法论贡献:开发SDM-DID模型,量化政策的空间溢出效应,为区域经济学提供新工具。
应用价值
- 政策建议:政府需加强数字基础设施的均衡布局,尤其关注中小城市;通过税收优惠和研发补贴促进跨主体(如产学研)合作。
- 可持续发展:DIT通过绿色技术扩散和资源优化,助力区域低碳转型。
研究亮点
1. 揭示了DIT通过要素流动和市场潜力的双路径机制。
2. 异质性分析为差异化政策设计提供依据,如优先支持大型城市的数字枢纽作用。
3. 数据层面,首次将专利合作网络与城市级经济数据结合,构建长达17年的面板数据集。
局限性
研究未深入讨论数字转型可能加剧的区域不平等问题,未来可结合环境效益指标(如碳排放)进一步拓展可持续性评估。