Sci论文 - 至繁归于至简,Sci论文网。 设为首页|加入收藏
当前位置:首页 > 经济论文 > 正文

数字经济提升高技术产业创新效率的机制研究论文

发布时间:2024-02-06 13:55:25 文章来源:SCI论文网 我要评论














SCI论文(www.scipaper.net)
 
   【摘 要】 现阶段高技术产业的不断创新为建设现代化经济发展体系 、实现经济的高质量发 展起到了重要作用,而数字经济的发展是高技术产业创新效率提升的关键 。采用面板熵值法对 数字经济发展进行测度,采用三阶段 DEA 法构造高技术产业创新效率指数,分析数字经济中所 包含的数字化基础设施建设、信息化发展以及数字交易发展对高技术产业创新效率的影响机制, 并对高技术产业创新效率进行 Tobit 回归分析,得到不同指标对高技术产业创新效率的影响 。为 验证所得回归结果,使用方差分解法验证数字经济中三个指标对高技术产业创新效率的影响程 度,发现信息化发展对高技术产业创新效率提升贡献最大,数字交易发展次之,最后为数字化基 础设施建设 。进而基于所得出的结果探讨数字经济如何提升高技术产业创新效率 。

  【关键词】 数字经济,高技术产业,创新效率,三阶段DEA,熵值法

  一、引言

  党的二十大明确提出要以中国式现代化推进中华民族的伟大复兴 ,而中国式现代化的重要特 征之一就是我国经济的高质量发展 。未来 ,我国在科技发展和经济发展方面需要实现的高质量发 展目标中就包含了实现高水平科技自立自强,进入创新型国家前列;通过构建新发展格局建成现代 化经济体系 。高技术产业在完成上述目标的过程中都将起到不容小觑的作用:能够推动经济增长, 促进区域均衡发展;使生产要素结构中的物质资料和资本的作用相对降低,劳动力的创造性作用相 对增强 。而提高创新效率则是保证高技术产业健康发展的关键 。 与此同时 ,数字经济实现了数字 化的发展,数字化是当下各个产业发展的必由之路,创新技术在高技术产业的数字化发展中有着广 阔 的 前 景 。 2021 年 我 国 数 字 经 济 规 模 达 到 了 45.5 亿 元 ,同 比 名 义 增 长 16.2% ,占 GDP 比 重 高 达 39.8% 。可见 ,数字经济在国民经济中占有非常重要的地位 ,对各个产业的支撑作用更加明显 。然 而 ,现阶段高技术产业呈现出区域不均衡发展的态势 。

  2019 年东部地区高技术产业主营业务收入 达到 109388 亿元,而中部地区为 25109 亿元,西部地区为 21385 亿元 。Trofimov( 2021 )认为创新性的 高技术产业活动决定了国家经济发展,数字经济则是国家经济发展的驱动力量,在国家发展中应注 重高技术产业在数字经济中的作用 。近几年的经济发展趋势表明 ,市场中涌现出了大量的高技术 化服务,这也奠定了经济创新发展的基础 。在高技术产业发达的国家,数字经济的出现刺激国家发 展的生产创新活动 。要实现高技术产业的进一步发展,促进全国各地区高技术产业均衡发展,提高 其创新效率应该是必然选择 。而面临数字经济时代的新形势 ,充分利用产业数字化就能够为提高 创新效率提供新型推动力 。可见,数字经济和高技术产业息息相关,产业的数字化转型会形成中国 数字化的产业集群,是未来中国用数字经济构建核心竞争力的重要保障 。

  因此,通过数字经济中的信息化和数字化等关键要素加速高技术产业创新效率的提升,促进产业结构升级,进而推动经济高 质量发展,将成为必然的发展路径 。我们通过探究数字经济影响高技术产业创新效率的机制问题, 阐明数字经济如何提升高技术产业创新效率 ,为高技术产业发展前景提供帮助 。数字经济若能够 做到真正提升高技术产业的创新效率,那么必然会促进经济总体发展,推进现代化和双循环格局的 建立 。我们的研究创新点在于:从影响机制问题出发 ,探寻数字经济影响高技术产业的具体路径 , 并得到高技术产业创新效率在数字经济的推动下如何有针对性地提升这一结论 ,探索出高技术产 业创新效率的具体发展路径以及相应对策 。

  二、数字经济影响机制分析

  数字经济的出现使得数字技术广泛应用于高技术产业中 ,在众多学者对数字经济和高技术产 业的讨论中发现 ,数字化基础设施建设作为数字技术发展的基础对高技术产业产生了一定的影 响 。数字化伴随着信息化 ,数字经济中的信息化发展以及数字交易也成了众多学者定义数字经济 的几项重要指标 。而这些指标在市场经济发展以及生产和消费中逐渐占据了主导地位 ,其中光纤 电缆 、互联网技术以及快递服务等高技术产业运用数字技术不断进行创新扩展,促进了我国经济的 不断发展 。 因此,我们认为数字经济主要通过以下三种机制对高技术产业创新效率产生影响 。

  (一)数字化基础设施建设

  数字化基础设施建设能够作为数字经济的基础推动高技术产业的创新效率提升 。首先 ,数字 化基础设施主要包括计算机硬件 、软件 、电信设备等支持数字经济运转和发展的基础设施 ,为数字 化产业发展奠定基础 。我国重点推进了 5G 网络 、数据中心以及工业互联网等新型基础设施 ,是围 绕科技创新产业的数字经济基础设施 。袁徽文( 2022 )认为数字化基础设施建设是支撑数字经济发 展的底层架构 ,为各类数字应用场景提供坚实的经济基础 。基础设施的存在能够在一定程度上对 高技术产业创新的信息搜寻成本产生影响,进而影响到厂商的生产效率和创新效率 。其次,大多数 统计测度数字经济都会将数字化基础设施建设列为其中一项因素 。荆文君( 2019 )认为数字经济本 质上具有很高的技术属性,互联网等技术不仅降低了企业成本,同时也使企业产品多样化 。高技术 产业通过数字化基础设施建设的铺垫 ,能够在一定基础上扩大生产规模 ,促进要素间的相互流通 , 激发高技术产业不同产业间创新融合的可能性 ,提高高技术产业创新效率 。 因此 ,从上述分析来 看,数字化基础设施建设作为数字经济的基础能够推动高技术产业创新效率的提升 。

  H1 假设:数字经济中数字化基础设施建设促进高技术产业创新效率的提升 。

  (二)信息化发展

  数字经济本质在于信息化 ,而信息化则是促进高技术产业创新效率提升的重要途径 。王开科 ( 2020 )认为数字经济通过数字化 、网络化 、智能化改造提升 ,推动了传统产业的转型升级 ,促进了 新产业 、新业态和新商业的创新发展 。关会娟( 2020 )认为数字经济是以数字设备制造业 、数字信息 传输 、数字基础服务等基础设施为核心支撑 ,高度数字化的媒体内容和互联网应用活动的集合 。 《二十国集团数字经济发展与合作倡议》中提到:数字经济是以数字化的知识和信息作为关键生产 要素 、以现代信息网络作为重要载体 、以信息通信技术的有效使用作为效率提升和经济结构优化的 重要推动力的一系列经济活动 。信息和通信技术产业发展促进了我国不同地区 、不同行业之间的 跨区域信息流通 ,节约了高技术产业生产交易成本以及企业沟通成本 ,促进了区域间 、产业间技术 创新的相互学习 ,进而推动产业结构升级 。张雪玲( 2017 )认为数字经济以信息和通信技术的数字 化为关键生产要素 ,通过现代信息通信基础设施 ,改变了各行业的业务流程以及交易方式 ,信息的 供需对接简单便捷并且零距离,使研发人员能够通过更便捷的渠道获取实时信息,从而提高研发人 员的专业技术水平,降低产业发展的交易成本 。Wu( 2022 )认为在经济发展初期,第二产业 、高技术 产业发展程度相对降低 ,高技能工作从业者相对减少 ,但随着数字化发展 ,产业发展更具有高技术 化趋势 ,可以训练出更多具备高技术才能的从业者 。在数字经济中 ,支持 、促进和引导企业加快数 字化发展进程 ,增加员工的知识储备和技能 ,并激发人力资本红利尤为重要 。 另外 ,信息化使得产 品生产多样化 ,激励产业不断创新 ,顺应时代发展 ,进而提升产业创新效率 。信息化发展会相应降 低高技术产业的创新成本,能够缓解企业创新面临的资源约束 。

  H2 假设:数字经济中信息化促进高技术产业创新效率的提升 。

  (三)数字交易

  数字交易为数字经济中的重要组成部分 ,数字经济的发展离不开数字交易的实现 。 向书坚 ( 2019 )认为数字化经济交易是指交易中的主体 、内容或形式局部或全部映射到“数字空间 ”中所存 储得到的信息 。Ahmad( 2018 )认为数字订购 、平台促成和数字传输三个维度能够界定数字交易 ,数 字交易是识别数字经济的关键因素 。数字交易具有高度流动性 ,不论是厂商还是消费者都能够快 速从数字交易平台获取所需信息,大大降低供求双方的信息搜寻成本,加快交易速度 。赵涛( 2020 ) 认为我国数字经济在规模保持高速增长下逐渐成为国民经济的重要组成部分,数字经济会优化 、加 速产品的匹配和交易 。数字金融作为数字经济发展的产物在促进产业交易中发挥了一定的作用 。 Yang( 2020 )认为数字金融的包容性发展有助于促进小微企业的可持续增长 ,特别是在高技术行业 和竞争性市场 。高技术产业的生产及销售能够通过更加便捷的数字交易渠道实现 ,而数字经济又 能够通过数字交易促进高技术产业的生产 ,提高高技术产业的创新效率 。刘军(2020)认为数字交 易打破了传统的时空概念,在线上众多数字交易平台上完成交易,丰富了交易品类 。数字经济中的数 字交易使得网络中衍生出了众多生产厂商,消费者的选择和需求增加,产品更新换代速度提升,可以 激励研究人员在原有的基础产业上进行创新,进而提高高技术产业的创新效率 。

  H3 假设:数字经济中数字交易发展促进高技术产业创新效率的提升 。

  三、研究设计

  (一)数字经济指标的选取与测度


  “ 数字经济 ”一词由 Tapscott 在 1996 年《数字经济:网络智能时代的机遇和挑战》一书中提出 ,随 着学者们对数字经济的研究逐渐深入,对于数字经济的发展水平和统计测算,国内外仍未有统一的 标准 。根据数字经济界定的不同 ,定义范围从小到大依次包括三类 ,分别为核心定义 、狭义定义以 及广义定义 。核心定义认为数字经济是数字经济活动的核心部门 ,即 ICT 产业;狭义定义认为数字 经济是利用数字工具进行经济活动,即以生产数字产品和服务为主导工作的数字部门;广义定义认 为数字经济是数字化驱动产业升级产生的经济效应 ,即产业数字化和数字产业化 。根据定义的不 同 ,国内外在测算数字经济规模上存在着差异 。根据上述数字经济对高技术产业创新效率的影响 机制分析 ,现将数字经济发展指标划分为三个部分作为一级指标 ,分别为数字化基础设施建设 、信 息化发展以及数字交易发展 。参考学者们对于指标的设定以及考虑数据的可获得性以及准确性 ,我们在测度数字经济中选 定了 3 个一级指标以及 11 个二级指标(见表 1)。 将光缆线路长度 、快递量 、互联网宽带接入端口以 及邮政就业人员数作为度量数字化基础设施建设的指标 ,由于数字化基础设施建设奠定了数字经 济的基础,上述四个指标均体现了基础设施建设中的数字化发展程度,能够更准确地度量数字化基 础设施建设水平;信息化发展指标则由互联网宽带接入用户 、互联网域名数以及软件业务收入这三项数据来体现,信息化的发展主要体现了互联网的发展,因此上述三个指标能够充分客观地反映出 我国各省市信息化发展程度 ;数字交易发展由有电子商务交易活动的企业数 、企业拥有网站数 、期 末使用计算机数以及电子商务交易额四个指标来计算 ,数字交易即通过互联网交易 。而通过互联 网交易所使用的计算机数 、网站数以及互联网交易产生的交易额均能够反映数字交易这一环节的 发展,因此选取上述四个指标对数字交易发展进行评价 。


\

 
  为了全面 、系统地分析面板数据问题 ,考虑表 1 保证数据的准确性 ,我们采用面板熵值法对数 字经济发展进行测度 。熵值法是一种客观赋权方法,通过对单一指标赋予权重,对多个指标进行加 权求和 ,从而得到综合指标 。我们整合 2013 — 2020 年度 30 个省市自治区(由于西藏及港澳台缺失 数据较多,因此不作考虑)的面板数据,使用 11 个二级指标 、3 个一级指标对数字经济发展综合指标 进行计算 。王军( 2021 )依据数字经济内涵和现实背景共设数字经济发展载体 、数字产业化 、产业数 字化及数字经济发展环境 4 个指标 ,应用熵值法赋予权重得出数字经济发展指标 。计算过程参照 杨丽( 2015 )所构建的面板熵值法 ,计算得出具体的数字经济发展综合指标以及数字化基础设施建 设 、信息化发展 、数字交易发展 3 个一级指标的最终权重 。具体计算公式如下 。

  假设数据有 n 年、r 个省市以及 k 个指标,fijθ 代表第 i 年、第j 个省份的第 θ 个指标,n=8.r=30.k=11. 首先对数据进行归一化处理 ,由于 11 个指标均为正向指标 ,因此归一化数据计算公式表示为:
\
  (二)高技术产业创新效率指标的选取与测度

  余泳泽( 2009 )认为高技术产业作为知识密集 、技术密集的产业 ,其效率将直接影响我国的自主 创新能力 ,进而影响我国经济增长的速度和质量 。 目前关于效率指标测度最为常见的方法有 DEA (数据包络分析法)和 SFA(随机前沿分析法)。 DEA 法最早由 A.Charnes 和 W.W.Cooper 等于 1978 年 提出 ,是一种非参数方法 ,即通过线性规划的方法来测度效率 ,不需要知道生产前沿的具体形式 , 只需找出投入产出数据 。SFA 法由艾格纳 、洛夫尔和施密特(Aigner,Lovell and Schmidt,1977 )以及 穆森和布勒克( Meeusen and Van Den Broeck,1977 )各自独立提出 ,是一种参数方法 ,需要确定生 产前沿的具体形式,其考虑了随机因素对于产出的影响,这是非参数方法中所缺乏的一点 。 目前二 者均在各行业的效率测算中得到广泛应用并衍生出更多先进的方法 ,例如 DEA-Malmquist 法 、二阶 段 DEA 法 等 ,这 些 方 法 各 有 利 弊 ,且 大 多 数 并 没 有 考 虑 到 环 境 因 素 和 随 机 误 差 的 影 响 。 三 阶 段 DEA 方法综合了传统的 DEA 法和 SFA 法 ,剔除了环境因素和随机误差的影响 ,提高了创新效率的 准确性 ,且三阶段 DEA 法同样广泛应用于各行业的效率测算(韩斌 ,2022 )。 其中 ,刘伟( 2015 )使用 中国高新技术产业的行业数据 ,基于三阶段 DEA 模型 ,在控制环境因素的基础上测算我国高新技 术产业的研发创新效率 。 因此,我们选取三阶段 DEA 法来测度高技术产业创新效率 。

  首 先 ,需 要 确 定 三 阶 段 DEA 模 型 中 所 使 用 的 投 入 变 量 、产 出 变 量 以 及 环 境 变 量 。 参 考 刘 伟 ( 2015 )所设定的变量及研究过程,研发经费和研发人员是技术创新活动的直接经费投入,新产品的 开发也是促进高技术产业创新效率的一条路径 ,因此选择高技术产业 R&D 人员 、高技术产业 R&D 支出以及新产品开发经费作为三阶段 DEA 测度方式的投入变量 。高技术产业创新成果所表现的 方式为专利的申请以及新产品的销售收入两方面 ,因此使用发明专利申请数以及新产品销售收入 两个指标作为三阶段 DEA 的产出变量 。

  由于环境变量应当选取对高技术产业创新效率产生影响的外生变量 ,Simar 和 Wilson( 2007 )认 为环境变量应满足“分离假设”,即选取对高技术产业创新效率产生影响但不在样本主观可控制范 围内的因素 ,孟维站( 2019 )认为环境变量在短时间内无法被企业控制和改变 ,因此选取以下 4 个环 境变量 。一是政府支持 。政府支出并不在样本主观可控制范围内 ,并且政府的支持在一定程度上 影响高技术产业创新效率的发展,因此政府支持可以作为环境变量,我们使用科技活动经费筹集额 中的政府资金来表示政府支持 。二是市场结构 。用企业数目来表示市场结构 ,能够反映行业的竞 争程度 。三是企业规模 。企业规模是指对企业生产 、经营等范围的划型 ,根据企业从业人员 、营业 收入 、资产总额等指标进行划分 ,由于我们的研究方向为高技术产业创新效率 ,因此企业规模由高 技术产业行业营业收入与企业数之比这一指标来替代企业规模 。 四是所有制结构 。 由于在所有制 结构中,非国有企业的创新效率高于国有企业的创新效率,但所有制结构通常为国有企业就业人数 与总就业人数之比来表征,同样也使用国有经济产值占总体经济产值的比重来表示,根据我们所分析 的内容将所有制结构定义为高技术产业中国有企业年末固定资产总值占全行业固定资产总值之比 。


\

 
  在三阶段 DEA 的分析中 ,第一阶段使用投入导向的 BCC 模型 ,计算出综合技术效率以及目标 投入,根据这两部分测算出松弛变量;第二阶段使用松弛变量与环境变量的极大似然估计剔除随机 误差与环境因素对投入变量的影响 ;第三阶段使用重新调整后的投入变量与原始产出变量进行 DEA 测 算 ,最 终 得 到 高 技 术 产 业 创 新 效 率 的 面 板 数 据 值 。 其 中 ,在 三 阶 段 DEA 中 的 第 二 阶 段 似 SFA 模型时需要将环境变量进行标准化处理,将指标控制在[0.1]之间 。

  (三)控制变量

  1. 一般公共预算支出 gov 。一般公共预算支出反映了政府在各项社会事业中的支出情况 ,高技 术产业创新所需的人力资源 、产品资源以及技术资源等都需要政府的部分公共支出来补贴,政府支 出在一定程度上影响高技术产业的产品投入大小和产品供给大小,以及高技术产业的创新效率,因 此选取一般公共预算支出作为影响高技术产业创新效率的一个控制变量 。

  2.货运量 vol 。高技术产业生产需要付出大量的运输成本 ,而货运量的大小能够反映产品运输 成本大小,使高技术产业在生产过程中能够有效控制生产成本,提高产品创新效率以节约生产及运 输成本 ;且货运量能够体现出人力资本的流通程度 ,促进各地区之间的信息流通和信息交换 ,进而 一定程度上提升高技术产业创新效率,因此将货运量作为分析过程的控制变量 。

  3.全体居民人均消费支出 con 。部分高技术产业的创新效率反映在居民人均消费支出中 ,消费 支出的大小会对高技术产业产生不同的激励程度 ,生产技术人员会根据消费者的消费细节来制定合适的产品,并根据消费者不同的消费偏好对产品进行不断的创新,因此在一定程度上全体居民人 均消费支出会影响高技术产业的创新效率 。

  为保证数据的稳定性,增加数据的准确性,因此对控制变量均进行了归一化处理 。上述面板数据均 来自 2013—2020 年国家统计局、《中国统计年鉴》《中国高技术产业统计年鉴》及《中国科技统计年鉴》。

  四、实证分析

  (一)描述性分析


  通过对数字经济指数以及高技术产业创新效率的测度 ,可以从表 3 中得到数字经济指数以及 高技术产业创新效率的描述性统计值 。


\

 
         由于数据量较多 ,因此摘选 2014 年 、2016 年 、2018 年以及 2020年的高技术产业创新效率指标 。 通过三阶段 DEA 测算出的创新效率值最大为 1.效率值超过 1 的数据均按照 1 来处理 ,因此由图 1 可以看出 ,30 个省市自治区的高技术产业创新效率呈现逐渐增加的趋势 ,且大部分省市间高技术 产业创新效率相差不大 ,北京 、上海 、广东等地区高技术产业创新效率值连续为最高值 1.河北 、内 蒙古 、海南以及山西等地区高技术产业创新效率有待提升 。 另外 ,高技术产业发展时间较长 ,不同 地区都已形成自己独特的高技术产业发展体系 。高技术产业包括医药制造业 、航空航天器及设备 制造业 、电子及通信设备制造业 、计算机及办公设备制造业 、医疗仪器设备及仪器仪表制造业以及信息化学品制造业,这些行业均为制造业,优质的人力资源必不可少 。而地区所拥有的资源数量以 及相关发展政策也尤为重要,正是这些复杂的因素导致高技术产业创新效率体现在东部地区 、西部 地区以及中部地区发展不均衡 ,呈现出区域异质性的特点 。但由于信息传递的便捷以及各省市的 开放互通,各地区的高技术产业创新效率随时间增加幅度逐渐扩大,发展态势良好 。


\

 
  从图 2 可以看出:全国各省市的数字经济指数随着时间逐渐增加 ,且增加幅度逐渐增大 ,但各 省市之间的数字经济发展程度差异较大 。 由于不同省市资源差异,对于逐渐新兴的数字经济来说, 要想在数字经济这一环节快速发展需要投入大量人力以及资本 ,不同省市对数字经济的重视程度 以及投资程度不同,会造成在同一时间内发展程度的不同,且数字经济发展较好的省市集中在沿海 地区 ,沿海地区对外贸易 、信息传输等相较中西部地区发展更为快速 。北京 、广东 、江苏 、浙江等省 市的数字经济明显高于其他省市,但各省市数字经济都在逐年增加,这一现象证明如果改变发展策 略或进一步完善发展策略,数字经济发展仍然会呈现出良好的态势 。

\

 
  (二)实证分析

  数字经济中数字化基础设施建设 、信息化发展以及数字交易发展对高技术产业创新效率的影 响程度是不一样的 。殷群( 2021 )使用 Tobit 模型解释数字化转型对高技术产业创新效率的影响机 制 ,由于测度出来的高技术产业创新效率值处于 0 到 1 之间 ,因此使用传统的回归方法所得到的结 果可能会出现偏差 ,而因变量受限时使用 Tobit 模型更合适 。创新效率值存在最低界限 0 以及最高 界限 1.数据被截断,因此处理限值因变量优先使用 Tobit 模型 。首先对构造的数字经济整体指标与 高技术产业创新效率进行 Tobit 回归分析 ,若整体回归效果较好则将数字经济分解为数字化基础设 施建设 、信息化发展以及数字交易发展三部分 ,对高技术产业创新效率再次进行回归 ,进而分析三者对高技术产业创新效率的影响程度 。具体回归形式如下:


\

 
  别代表 i 时 t 地区的数字经济总指标 、数字化基础设施建设 、信息化发展 、数字交易发展 、一般公共 预算支出 、技术市场成交额 、货运量以及全体居民人均消费支出指标 。所得结果如表 4 所示 。


\

 
  表 4 列( 1)为数字经济总体指标对高技术产业创新效率的 tobit 回归结果,结果显示在 1%的显著 性水平上数字经济对高技术产业创新效率存在显著的正向影响,即数字经济水平每增加 1 个单位,高 技术产业创新效率就会相应增加 1.39 个单位,表明数字经济能够显著提高高技术产业创新效率。

  表 4 列( 2 )为数字经济中数字化基础设施建设 、信息化发展及数字交易发展对高技术产业创新 效率的 Tobit 回归结果 。结果显示数字化基础设施建设与高技术产业呈负相关 ,而信息化发展 、数 字交易发展与高技术产业呈正相关 。 主要原因为创新效率与信息化及高端技术发展关联程度较 大,而现阶段基础设施建设发展较为成熟,因此若持续增大基础设施建设在数字经济中的占比反而 会使得创新效率的边际增长率逐渐降低 ,从而呈现出下降的状态 。Tobit 回归结果表现在其他条件 不变的情况下 ,数字化基础设施建设每增加 1 个单位 ,高技术产业创新效率会相应减少 2.31 个单 位 ;信息化发展指数每增加 1 个单位 ,高技术产业创新效率会相应增加 2.23 个单位 ;数字交易发展 指标每增加 1 个单位 ,高技术产业创新效率会相应增加 5.37 个单位 。 由于数字化基础设施建设并 未促进高技术产业创新效率的提升 ,因此机制分析中 H1 假设不成立 ,信息化发展和数字交易发展 促进了高技术产业创新效率的提升 ,H2 、H3 假设成立 。 由于高技术创新效率的提升关键来源于对 其能够产生正面影响的因素,由此可以判断出对高技术产业创新效率影响较大的为数字交易发展, 其次为信息化发展,最后为数字化基础设施建设 。

  为了进一步考察数字化基础设施建设 、信息化发展及数字交易发展三者影响高技术产业创新 效率的相对重要性 ,我们使用方差分解法进行分析 。彭水军( 2006 )认为方差分解法将系统的预测 均方误差分解成系统中各种变量冲击所做的贡献 ,从而可以考察任意一个变量的预测均方误差的 分解,能够计算出变量的贡献占总贡献的比例 。

  表 5 显示在分解后的数字经济三者中 ,数字交易发展这一因素对高技术产业创新效率影响最 大 ,贡献度为 0.1629.为主导影响因素 ,其次为信息化发展 ,贡献度为 0.1388.最后为数字化基础设 施建设 ,贡献度为 0.0977 。 由此能够验证在数字经济中数字交易发展对高技术产业创新效率的影 响最大,其次为信息化发展,最后为数字化基础设施建设 。随着数字交易平台的增多以及信息传递 速度的加快 ,数字交易在数字经济中起到的作用越来越大 ,有产品交易才会促进产品的不断创新 , 厂商生产新产品所获取的信息大多来自数字交易平台 。随着数字交易平台的逐渐规范以及对垄断 企业的管制,通过提高价格而获取大量利润的方式逐渐变得困难,因此产品的不断创新是高技术产 业必不可少的生产方式,数字交易发展能够促进高技术产业创新,从而提高其创新效率 。


\

 
  将各省市分为东部地区 、中部地区以及西部地区进行区域间的异质性分析 ,得到的 Tobit 回归 结果如表 6 所示 。

\

 
  由表 6 可以看出 ,东部地区 、中部地区以及西部地区的数字经济指标对高技术产业创新效率分 别在 1% 、10%及 1%的显著性水平下有着正向影响 ,数字经济的发展能够显著促进不同地区的创新 效率发展 ,但在三者中数字经济对西部地区的高技术产业创新效率影响最大 ,其次为中部地区 ,最 后为东部地区 。数字经济每增加一单位 ,东部地区 、中部地区 、西部地区的高技术产业创新效率分 别相应增长 1.62 、4.58 、5.86 。西部地区的创新效率相对较低 ,数字经济的发展对西部地区的创新效 率边际影响较大,增长较为快速 。而东部地区数字经济以及高技术产业发展稳定并且较为完善,从长 久来看数字经济会逐渐促进西部地区、中部地区的高技术产业向东部地区靠近,发展前景较为乐观 。

  五、结论与启示

  为实现我国经济高质量发展 ,高技术产业的不断创新起到了重要作用 ,而数字经济的发展正是 提升高技术产业创新效率的关键 。 因此我们分析了数字经济影响高技术产业创新效率的机制 ,进 而在经济高质量发展时期通过数字经济的发展实现高技术产业的不断创新 ,进一步实现中国式现 代化 。并将数字经济中的数字化基础设施建设 、信息化发展及数字交易发展三个机制对高技术产 业创新效率进行 tobit 回归及方差分解 ,发现数字交易发展对高技术产业创新效率的发展促进效应 最为显著 ,其次为信息化发展 ,而数字化基础设施建设对高技术产业创新效率呈负向影响 ,但其对 贡献率最低 。通过研究数字经济对不同区域高技术产业创新效率的异质性,发现东部地区 、中部地 区及西部地区的数字经济发展均促进了高技术产业创新效率的发展 。 因此 ,可以通过促进数字经 济的发展来促进高技术产业的不断创新,但在三个地区中,数字经济对西部地区的高技术产业创新 效率影响最大 ,其次为中部地区 ,最后为东部地区 ,这也表明只要不断地促进数字经济的发展 ,西 部地区 、东部地区的创新效率将会慢慢趋近东部地区的创新效率,最终达到平衡状态 。

  基于上述的研究结论 ,得到以下启示:首先 ,由于数字交易发展最能够促进高技术产业的创新 效率,因此在不断促进数字经济的发展中,需要加速完善数字交易平台的交易制度以及厂商生产信 息 ,提高数字交易效率 ,使得消费者较快筛选出优质产品 。加大市场监管力度 ,保证生产产品的多 样化 ,提高相似产品间的竞争力度 ,保证高技术产业的创新速度 ,加大数字交易发展在数字经济中 所占的比例 ,以促进高技术产业的创新效率 ;其次 ,持续促进信息化发展 ,具体体现在持续推动互 联网信息与技术共享方面,通过互联网信息筛选优质高技术产业技术人才,运用高技术产业不同生 产方式 ,提前掌握未来高技术产业的发展方向 ,实现高技术产业的不断创新 ;再次 ,当前数字化基础设施建设已趋于完善 ,需要稳定数字化基础设施建设 ,相应减少数字化基础设施建设的投入占 比 ,将更大的资源分配到数字交易发展以及信息化发展中 ;最后 ,还需扩大数字经济生产规模 ,完 善资源的分配,明确数字经济在高技术产业中的具体作用,更细致地将数字经济融入到高技术产业 的发展中 。

  【参考文献】

  [1] Trofimov,OV;Frolov,VG;Klimova,EZ;Ilyicheva,NM;Kislinskaya,MV.Assessment and analysis of innovative activities of high-tech industries in the digital economy based on the cluster approach[J].Nexo Revis- ta Cientifica,2021(37).

  [2] 袁徽文,高波 . 数字经济发展与高技术产业创新效率提升——基于中国省级面板数据的实证检验[J].科技进 步与对策,2022(10):61-71.

  [3] 荆文君,孙宝文 .数字经济促进经济高质量发展:一个理论分析框架[J].经济学家,2019(2):66-73. [4] 王开科,吴国兵,章贵军 .数字经济发展改善了生产效率吗[J].经济学家,2020(10):24-34.

  [5] 关会娟,许宪春,张美慧,郁霞 . 中国数字经济产业统计分类问题研究[J].统计研究,2020(12):3-16. [6] 张雪玲,焦月霞 . 中国数字经济发展指数及其应用初探[J].浙江社会科学,2017(4):32-40+157.

  [7] Wu,BZ;Yang,WG.Empirical test of the impact of the digital economy on China's employment structure [J].Finance Research Letters,2022(49).

  [8] 向书坚,吴文君 . 中国数字经济卫星账户框架设计研究[J].统计研究,2019(10):3-16.

  [9] Ahmad N,Ribarsky J.Towards a framework for measuring the digital economy[R].Paper prepared for the 16th conference of IAOS,2018.

  [10] 赵涛,张智,梁上坤 . 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020 (10):65-76.

  [11] Yang,L.;Zhang,Y.Digital Financial Inclusion and Sustainable Growth of Small and Micro Enterprises— Evidence Based on Chinas New Third Board Market Listed Companies[J].Sustainability,2020(12).

  [12] 刘军,杨渊鋆,张三峰 . 中国数字经济测度与驱动因素研究[J].上海经济研究,2020(6):81-96.

  [13] 王军,朱杰,罗茜 . 中国数字经济发展水平及演变测度[J].数量经济技术经济研究,2021(7):26-42. [14] 杨丽,孙之淳 .基于熵值法的西部新型城镇化发展水平测评[J].经济问题,2015(3):115-119.

  [15] 余泳泽 . 我国高技术产业技术创新效率及其影响因素研究——基于价值链视角下的两阶段分析[J].经济科 学,2009(4):62-74.

  [16] A.Charnes,W.W.Cooper,E.Rhodes.Measuring the efficiency of decision making units[J].European Jour- nal of Operational Research,1978(2):429-444.

  [17] Aigner,Lovell and Schmidt.Formulation and estimation of stochastic frontier production function models[J].Journal of econometrics,1977(6):21-37.

  [18] Meeusen,Wim,and Julien van Den Broeck.Efficiency estimation from cobb-douglas Production Func- tions with Composed Error[J]. International Economic Review,1977(2):435-445.

  [19] 韩斌,冯筱伟,苏屹,梁德智 . 中国新能源汽车上市公司创新效率测度及影响因素研究——基于三阶段 DEA 与 Tobit 面板模型[J].科技进步与对策,2022:1-11.

  [20] 刘伟 . 中国高新技术产业研发创新效率测算——基于三阶段 DEA 模型[J].数理统计与管理,2015(1):17-28. [21] Simar,L;Wilson,PW.Estimation and inference in two-stage,semi- parametric models of production processes[J].Journal of Econometrics,2007(136):31-64.

  [22] 孟维站,李春艳,石晓冬 . 中国高技术产业创新效率分阶段分析——基于三阶段 DEA 模型[J].宏观经济研究, 2019(2):78-91.

  [23] 殷群,田玉秀 .数字化转型影响高技术产业创新效率的机制[J].中国科技论坛,2021(3):103-112.

  [24] 彭水军,包群 . 中国经济增长与环境污染——基于广义脉冲响应函数法的实证研究[J].中国工业经济,2006 (5):15-23.
 
关注SCI论文创作发表,寻求SCI论文修改润色、SCI论文代发表等服务支撑,请锁定SCI论文网!

文章出自SCI论文网转载请注明出处:https://www.scipaper.net/jingjilunwen/72863.html

发表评论

Sci论文网 - Sci论文发表 - Sci论文修改润色 - Sci论文期刊 - Sci论文代发
Copyright © Sci论文网 版权所有 | SCI论文网手机版 | 豫ICP备2022008342号-1 | 网站地图xml | 百度地图xml