王宏鳴 陳永昌 楊晨

(1.南開大學(xué)經(jīng)濟(jì)學(xué)院，天津 300071；2.南京財(cái)經(jīng)大學(xué)江蘇產(chǎn)業(yè)發(fā)展研究院，江蘇 南京 210003)

一、引言

當(dāng)前，中國面臨日趨激烈的“貿(mào)易戰(zhàn)”和“技術(shù)戰(zhàn)”。在“卡脖子”的創(chuàng)新困境下，黨的十九屆五中全會確立了自主創(chuàng)新在國家現(xiàn)代化全局中的戰(zhàn)略支撐地位，意味著經(jīng)濟(jì)發(fā)展亟需由追求高增速的粗放型模式向追求高質(zhì)量的創(chuàng)新驅(qū)動模式轉(zhuǎn)變。這一轉(zhuǎn)型的根本落腳點(diǎn)在于實(shí)現(xiàn)資源的優(yōu)化配置(蔡昉，2021)。其中，創(chuàng)新要素是直接關(guān)乎國家創(chuàng)新體系整體效能的重要戰(zhàn)略資源，在重視投入規(guī)模的同時(shí)如何推進(jìn)其合理化配置，成為學(xué)者和各界共同關(guān)注的焦點(diǎn)議題。隨著人工智能、區(qū)塊鏈、云計(jì)算、大數(shù)據(jù)等“ABCD”數(shù)字技術(shù)與我國新發(fā)展格局下轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式形成歷史性交匯，數(shù)字化發(fā)展下的新應(yīng)用和新業(yè)態(tài)駢興錯(cuò)出，數(shù)字經(jīng)濟(jì)已是中國經(jīng)濟(jì)增長的大勢所趨(許憲春等，2021)。數(shù)字化在為經(jīng)濟(jì)高質(zhì)量發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)的同時(shí)，也為我國加快創(chuàng)新型國家建設(shè)提供了重大機(jī)遇。那么，在數(shù)字化背景下，創(chuàng)新要素的配置是否得到了優(yōu)化？如果答案是肯定的，數(shù)字化如何改善創(chuàng)新要素錯(cuò)配？以上問題的探討立足于創(chuàng)新驅(qū)動和數(shù)字經(jīng)濟(jì)這兩大趨勢，對研究以數(shù)字化為抓手的中國創(chuàng)新要素錯(cuò)配問題具有重要理論及現(xiàn)實(shí)意義。

從現(xiàn)有研究看，諸多學(xué)者已經(jīng)關(guān)注到中國轉(zhuǎn)型經(jīng)濟(jì)體內(nèi)的資源錯(cuò)配現(xiàn)象，并就錯(cuò)配程度的測算(Hsieh and Klenow，2009；陳永偉和胡偉民，2011)、成因(Brandt et al.，2013；宋馬林和金培振，2016)、對經(jīng)濟(jì)的影響效應(yīng)(袁志剛和解棟棟，2011；李俊青和苗二森，2020)以及改善錯(cuò)配的具體因素(白俊紅和劉宇英，2018；季書涵和朱英明，2019)展開了一系列研究。然而，現(xiàn)有的多數(shù)研究重點(diǎn)考察的是傳統(tǒng)生產(chǎn)要素錯(cuò)配，普遍忽視了創(chuàng)新要素的錯(cuò)配。鑒于此，也有學(xué)者主要圍繞以下三方面展開研究：一是創(chuàng)新要素配置水平的測度。靳來群等(2019)通過構(gòu)建部門間資源錯(cuò)配程度測算模型，利用工業(yè)數(shù)據(jù)測算了創(chuàng)新資源的區(qū)域結(jié)構(gòu)性錯(cuò)配；陶長琪和徐茉(2021)在創(chuàng)新要素的指標(biāo)體系中引入了數(shù)據(jù)要素，基于熵值法測算了創(chuàng)新要素配置水平。二是影響創(chuàng)新要素配置的因素。主要涵蓋：主體內(nèi)部因素，如技術(shù)創(chuàng)新的要素偏向水平以及研發(fā)投入之間的替代彈性(L?fsten，2016)和外部環(huán)境因素，如政策干預(yù)(董直慶等，2020)、金融市場和交通基礎(chǔ)設(shè)施(Li et al.，2017)。三是創(chuàng)新要素配置對創(chuàng)新效率或能力的影響。劉冬冬等(2020)發(fā)現(xiàn)研發(fā)資本價(jià)格扭曲抑制了制造業(yè)創(chuàng)新效率，而研發(fā)勞動力價(jià)格扭曲則起到促進(jìn)作用。從創(chuàng)新主體看，產(chǎn)學(xué)研三大主體的創(chuàng)新資源錯(cuò)配對省域創(chuàng)新效率的影響同樣存在異質(zhì)性(陳懷超等，2021)。

隨著近年來中國數(shù)字經(jīng)濟(jì)方興未艾，學(xué)者們開始從信息化、數(shù)字化的視角對要素錯(cuò)配問題進(jìn)行較為深入的分析，且集中于研究對要素錯(cuò)配的直接影響。如張永恒和王家庭(2020)發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)發(fā)展能明顯改善省際層面的資本錯(cuò)配水平，但對勞動力錯(cuò)配的影響不顯著。韓長根和張力(2019)發(fā)現(xiàn)互聯(lián)網(wǎng)對要素錯(cuò)配的影響具有門檻效應(yīng)，只有當(dāng)互聯(lián)網(wǎng)普及率超過一定水平時(shí)才能促進(jìn)資本或勞動力錯(cuò)配的改善。此外，還有不少學(xué)者將資源配置視作信息化或數(shù)字化影響其他因素的重要內(nèi)在機(jī)制。李宗顯和楊千帆(2021)通過構(gòu)建數(shù)字經(jīng)濟(jì)指數(shù)，發(fā)現(xiàn)要素配置效率是數(shù)字經(jīng)濟(jì)影響經(jīng)濟(jì)高質(zhì)量發(fā)展的中介渠道。Li and Du(2021)從微觀企業(yè)層面的研究表明，互聯(lián)網(wǎng)發(fā)展可以通過緩解資源錯(cuò)配來提高中國企業(yè)的能源效率，從而實(shí)現(xiàn)節(jié)能效果。

綜上所述，現(xiàn)有文獻(xiàn)對于數(shù)字化對要素錯(cuò)配的影響并沒有得到一致結(jié)論，對創(chuàng)新要素錯(cuò)配的影響研究更為缺乏。另外，鮮有研究探討數(shù)字化對創(chuàng)新要素錯(cuò)配的內(nèi)在影響機(jī)理。因此，與既有文獻(xiàn)相比，本文可能的邊際貢獻(xiàn)主要有兩點(diǎn)：第一，相較于已有研究聚焦于勞動力、資本等傳統(tǒng)生產(chǎn)要素錯(cuò)配，本文將研究的焦點(diǎn)定位于創(chuàng)新要素錯(cuò)配，并以數(shù)字化浪潮為切入點(diǎn)，分析其對創(chuàng)新要素錯(cuò)配的影響；第二，目前關(guān)于要素錯(cuò)配的研究大多基于靜態(tài)角度，而忽略了要素在區(qū)際之間流動所帶來的資源再配置效應(yīng)，故本文從創(chuàng)新要素流動視角出發(fā)，將創(chuàng)新要素流動和創(chuàng)新要素錯(cuò)配納入一個(gè)統(tǒng)一的分析框架。創(chuàng)新要素流動的過程即體現(xiàn)了再配置的過程，因此本文進(jìn)一步從創(chuàng)新要素再配置是否實(shí)現(xiàn)了配置的優(yōu)化來深入揭示數(shù)字化對創(chuàng)新要素錯(cuò)配的內(nèi)在影響機(jī)理，從而為我國在新發(fā)展格局下以數(shù)字化為抓手促進(jìn)國家創(chuàng)新體系整體效能提升的路徑選擇與優(yōu)化提供了有益參考。

二、理論分析與研究假設(shè)

“要素錯(cuò)配”即是資源配置未達(dá)到最優(yōu)狀態(tài)(陳永偉和胡偉民，2011)。造成要素錯(cuò)配現(xiàn)象的原因主要有兩類：一是信息不對稱，二是市場分割因素(張永恒和王家庭，2020)。二者的存在均難以促使要素自由流向利用效率更高的行業(yè)或區(qū)域?？紤]到近年來數(shù)字化與經(jīng)濟(jì)社會的全方位融合不斷深化，區(qū)域創(chuàng)新系統(tǒng)的現(xiàn)有技術(shù)格局和創(chuàng)新模式也必然發(fā)生轉(zhuǎn)變。一方面，隨著創(chuàng)新活動的數(shù)字化進(jìn)程加快，數(shù)字技術(shù)的滲透、數(shù)據(jù)要素的替代以及產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化的協(xié)同演進(jìn)都會直接影響創(chuàng)新要素的使用和配置效果；另一方面，數(shù)字化減少了要素的流動障礙，通過創(chuàng)新要素區(qū)際流動來實(shí)現(xiàn)創(chuàng)新生產(chǎn)的互動、競爭和轉(zhuǎn)移，以此間接作用于創(chuàng)新要素配置。數(shù)字化對創(chuàng)新要素錯(cuò)配的影響途徑如圖1所示。

圖1 數(shù)字化對創(chuàng)新要素錯(cuò)配的影響

(一)數(shù)字化與創(chuàng)新要素錯(cuò)配

隨著生產(chǎn)活動數(shù)字化轉(zhuǎn)型加快，數(shù)字化對要素配置效率的影響具有滲透效應(yīng)、替代效應(yīng)和協(xié)同效應(yīng)(蔡躍洲，2018)。滲透效應(yīng)是指數(shù)字技術(shù)能夠嵌入到既有生產(chǎn)要素，借助芯片等載體實(shí)現(xiàn)要素信息的具體化、動態(tài)化，并利用互聯(lián)網(wǎng)技術(shù)在云端實(shí)時(shí)共享，充分釋放“信息勢能”，進(jìn)而有效削減行業(yè)與企業(yè)之間創(chuàng)新資源的流動壁壘，這必然會直接影響研發(fā)要素的使用和配置效果。替代效應(yīng)是指數(shù)字化創(chuàng)造了新要素替代傳統(tǒng)要素，或者通過改變要素的利用方式來使生產(chǎn)效率提升。數(shù)據(jù)在價(jià)值創(chuàng)造過程中擔(dān)當(dāng)著愈加重要的角色，并憑借非競用性、客觀性等特征，迅速成為數(shù)字時(shí)代的核心生產(chǎn)要素(肖旭和戚聿東，2021)?；跀?shù)據(jù)要素的價(jià)值周期屬性，數(shù)據(jù)反饋?zhàn)铒@著的特征是高效、動態(tài)，對于科學(xué)決策具有重要指導(dǎo)意義。例如，設(shè)備運(yùn)行中的在線實(shí)時(shí)數(shù)據(jù)，可以成為產(chǎn)品性能改進(jìn)、精準(zhǔn)定位長尾客戶群體潛在需求的重要數(shù)據(jù)來源，并通過機(jī)器學(xué)習(xí)、應(yīng)用、持續(xù)反饋與持續(xù)更新以優(yōu)化既有要素的組合方式，引導(dǎo)創(chuàng)新要素的合理化配置。協(xié)同效應(yīng)則是指產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化協(xié)同演進(jìn)，在這過程中更多的研發(fā)人員和研發(fā)資本由于新業(yè)態(tài)、新模式和新產(chǎn)品的不斷涌現(xiàn)，進(jìn)入了生產(chǎn)更加高效的數(shù)字化產(chǎn)業(yè)領(lǐng)域，進(jìn)而區(qū)域創(chuàng)新要素配置效率得到提升。

然而，值得重視的是，隨著數(shù)字化向縱深發(fā)展，數(shù)字技術(shù)對傳統(tǒng)行業(yè)滲透的加深必然推動市場趨向于形成高度集中的市場結(jié)構(gòu)，出現(xiàn)數(shù)字平臺壟斷勢力(Subramaniam et al.，2019)。一些科技巨頭往往會利用知識產(chǎn)權(quán)、大數(shù)據(jù)、算法和網(wǎng)絡(luò)效應(yīng)等構(gòu)建競爭壁壘，尋求壟斷租金，其他創(chuàng)新性企業(yè)很難進(jìn)入市場并與其有效競爭，這有可能損害市場競爭和創(chuàng)新行為，甚至導(dǎo)致創(chuàng)新資源不斷向少數(shù)的大企業(yè)集中，加劇創(chuàng)新要素錯(cuò)配?；谝陨戏治?，本文提出如下競爭性假設(shè)：

H1a：數(shù)字化對改善創(chuàng)新要素錯(cuò)配存在直接促進(jìn)作用。

H1b：由于壟斷勢力的出現(xiàn)，數(shù)字化可能對改善創(chuàng)新要素錯(cuò)配不存在顯著作用。

(二)數(shù)字化、創(chuàng)新要素區(qū)際流動與創(chuàng)新要素錯(cuò)配

改革開放以來，中國憑借社會主義市場經(jīng)濟(jì)制度的確立取得了巨大的經(jīng)濟(jì)成就。然而，地方保護(hù)主義和“諸侯經(jīng)濟(jì)”的遺留，導(dǎo)致省際之間出現(xiàn)相互分割的市場，規(guī)模經(jīng)濟(jì)的產(chǎn)生與發(fā)展嚴(yán)重滯后。數(shù)字化背景下，網(wǎng)絡(luò)空間產(chǎn)業(yè)生態(tài)的形成和發(fā)展突破了“斯密定理”對物理空間市場規(guī)模的限制，無限擴(kuò)展了資源配置的范圍。也就是說，互聯(lián)網(wǎng)的公平性和實(shí)時(shí)交互性可以使要素的供需雙方在獲取信息時(shí)不再受到時(shí)空的束縛，有助于打破市場分割、緩解信息不對稱以及降低要素的搜尋成本，進(jìn)而促進(jìn)要素在區(qū)際間的流動——資本自由流向利用效率更高的地區(qū)，人員及時(shí)獲取與自身技能和薪資要求匹配的招聘信息。因此，空間上相互分散的經(jīng)濟(jì)活動就可以通過要素的區(qū)際流動組合成一個(gè)大的整體，使某些利用效率低下的要素進(jìn)入高效的經(jīng)濟(jì)活動過程。

實(shí)際上創(chuàng)新生產(chǎn)也是各種研發(fā)要素之間組合的互動過程(白俊紅和王鉞，2015)。首先，某個(gè)地區(qū)研發(fā)要素的流出可以與流入地閑置的研發(fā)要素相結(jié)合，使閑置的資源，如研發(fā)基礎(chǔ)設(shè)施等，也投入到創(chuàng)新生產(chǎn)中，從而提高研發(fā)要素的利用效率，實(shí)現(xiàn)創(chuàng)新資源的優(yōu)化配置。其次，研發(fā)要素的區(qū)際流動意味著在各個(gè)地區(qū)的創(chuàng)新生產(chǎn)活動中引進(jìn)了競爭機(jī)制。創(chuàng)新競賽(innovation contests)將促使各個(gè)區(qū)域持續(xù)優(yōu)化創(chuàng)新環(huán)境，提升創(chuàng)新能力，進(jìn)而使研發(fā)資源能夠得到最大限度利用，達(dá)到帕累托有效配置(Che and Gale，2003；Boudreau et al.，2011)。通常而言，要素的流動往往還伴隨著產(chǎn)業(yè)轉(zhuǎn)移的發(fā)生。某個(gè)地區(qū)研發(fā)要素的流出也可能會加速研發(fā)要素從已經(jīng)失去比較優(yōu)勢的創(chuàng)新活動向具有更大研發(fā)價(jià)值的創(chuàng)新活動集聚，實(shí)現(xiàn)研發(fā)資源的合理配置?；谝陨戏治?，在假設(shè)H1a成立的前提下，本文提出如下假設(shè)：

H2：數(shù)字化可以促進(jìn)創(chuàng)新要素區(qū)際流動來改善創(chuàng)新要素錯(cuò)配。

三、研究設(shè)計(jì)

(一)模型設(shè)定

為探究數(shù)字化對地區(qū)創(chuàng)新要素錯(cuò)配的影響，本文建立如下面板模型：

其中，代表地區(qū)，代表時(shí)間。τ和τ分別為地區(qū)的研發(fā)資本錯(cuò)配指數(shù)和研發(fā)人員錯(cuò)配指數(shù)；dig為數(shù)字化水平；X為控制變量。μ代表個(gè)體效應(yīng)，λ代表時(shí)間效應(yīng)，ε為隨機(jī)誤差項(xiàng)。

進(jìn)一步，為檢驗(yàn)創(chuàng)新要素區(qū)際流動的中介效應(yīng)是否存在，本文參考溫忠麟等(2004)的研究，設(shè)定如下模型：

式(3)、式(5)中，cfl和pfl為中介變量，分別表示研發(fā)資本和研發(fā)人員區(qū)際流動量。根據(jù)溫忠麟等(2004)的檢驗(yàn)步驟，式(1)和式(2)中的顯著是中介效應(yīng)檢驗(yàn)的前提，說明數(shù)字化對創(chuàng)新要素錯(cuò)配存在影響。接下來，如果系數(shù)和顯著，說明中介效應(yīng)存在；但是，如果和至少有一個(gè)不顯著，則需進(jìn)行Sobel檢驗(yàn)，若拒絕原假設(shè)，說明中介效應(yīng)存在，反之不存在。

(二)變量測度與說明

借鑒陳永偉和胡偉民(2011)、Akoi(2012)的研究，本文對表示地區(qū)創(chuàng)新要素錯(cuò)配程度的研發(fā)資本錯(cuò)配指數(shù)τ和研發(fā)人員錯(cuò)配指數(shù)τ分別進(jìn)行衡量，具體如下：

式(8)中，s為地區(qū)的創(chuàng)新產(chǎn)出的份額，β和β分別為地區(qū)的研發(fā)資本和人員的產(chǎn)出彈性。式(8)反映了各地區(qū)創(chuàng)新要素實(shí)際分配與理想情況的比值，即地區(qū)的創(chuàng)新要素錯(cuò)配程度，若該比值大于1(＜0)，表明該地區(qū)創(chuàng)新要素配置過度；反之，若該比值小于1(＞0)，表明該地區(qū)創(chuàng)新要素配置不足。為避免符號方向不一致對回歸產(chǎn)生干擾，本文沿用季書涵等(2016)對取絕對值的做法，數(shù)值越大即錯(cuò)配越嚴(yán)重。接下來，為估算產(chǎn)出彈性，本文借鑒趙志耘等(2006)相關(guān)研究，假定創(chuàng)新生產(chǎn)函數(shù)為規(guī)模收益不變的C-D生產(chǎn)函數(shù)，即：

式(9)中，為創(chuàng)新產(chǎn)出，通常而言專利數(shù)量可以作為創(chuàng)新產(chǎn)出水平的代理變量(Cheung and Lin，2004)，故本文借鑒靳來群等(2019)，使用專利申請數(shù)作為創(chuàng)新產(chǎn)出；K為研發(fā)資本投入，用各地區(qū)的R&D資本存量衡量；L為研發(fā)人員投入，用研發(fā)人員全時(shí)當(dāng)量衡量。

目前，對數(shù)字化的研究多數(shù)還位于理論層面，僅少量文獻(xiàn)對數(shù)字化發(fā)展水平進(jìn)行了量化，且評估標(biāo)準(zhǔn)尚未統(tǒng)一。Habibi and Zabardast(2020)使用單一的互聯(lián)網(wǎng)指標(biāo)來衡量；趙濤等(2020)構(gòu)建了數(shù)字經(jīng)濟(jì)指數(shù)來表征；周青等(2020)從數(shù)字化接入、裝備、平臺、應(yīng)用四個(gè)視角分別對數(shù)字化水平進(jìn)行評價(jià)。結(jié)合數(shù)字化對各產(chǎn)業(yè)的滲透和普及事實(shí)看，依靠基礎(chǔ)設(shè)施的不斷完善，數(shù)字應(yīng)用和數(shù)字產(chǎn)業(yè)實(shí)現(xiàn)了蓬勃發(fā)展。故本文參考龐瑞芝等(2021)的做法，從數(shù)字基礎(chǔ)設(shè)施、數(shù)字生活應(yīng)用、數(shù)字產(chǎn)業(yè)發(fā)展等三個(gè)維度構(gòu)建數(shù)字化發(fā)展水平評價(jià)指標(biāo)體系，這三個(gè)維度分別體現(xiàn)了一個(gè)地區(qū)數(shù)字化的硬件條件、融合程度以及發(fā)展支撐，能夠合理反映數(shù)字化推動經(jīng)濟(jì)社會結(jié)構(gòu)演變的復(fù)雜過程。在表1所示的指標(biāo)體系下，本文采用主成分分析法得到數(shù)字化發(fā)展水平的綜合指數(shù)，并對其進(jìn)行標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化后各地區(qū)的數(shù)字化發(fā)展水平介于0～1之間。標(biāo)準(zhǔn)化公式如下：

表1 數(shù)字化發(fā)展水平評價(jià)指標(biāo)體系

式(10)中，ordig表示由主成分分析法直接得到的數(shù)字化發(fā)展水平，和為所有年份和地區(qū)數(shù)字化發(fā)展水平的最大值和最小值，dig即標(biāo)準(zhǔn)化之后的數(shù)字化綜合發(fā)展指數(shù)。

借鑒白俊紅等(2017)的研究，本文采用引力模型來測量區(qū)域間創(chuàng)新要素流動情況。其中，R&D資本流動的表達(dá)式如下：

式(13)中，pfl表示地區(qū)流動到地區(qū)的R&D人員流動量，N為地區(qū)的R&D人員，G為地區(qū)的人均GDP，S為地區(qū)的平均工資，P為地區(qū)的平均房價(jià)，I為地區(qū)的研發(fā)機(jī)構(gòu)數(shù)量。R為地區(qū)和地區(qū)之間的地理距離，同樣基于兩區(qū)域中心的經(jīng)緯度測得。因此，地區(qū)的R&D人員總流動量表示為：

由于測算所得的R&D資本流動量和R&D人員流動量具有典型的右偏性特征，故本文將其進(jìn)行對數(shù)化處理。

為最大程度克服遺漏變量引致的偏誤，本文在參照已有相關(guān)文獻(xiàn)的基礎(chǔ)上，引入如下一系列可能影響創(chuàng)新要素配置的控制變量：產(chǎn)業(yè)結(jié)構(gòu)()，以第三產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比重來反映；市場化程度()，采用王小魯?shù)?2019)測算的中國分省份市場化指數(shù)；政府干預(yù)()，用政府財(cái)政支出占地區(qū)生產(chǎn)總值的比重來反映；金融發(fā)展水平()，以金融機(jī)構(gòu)貸款余額占地區(qū)生產(chǎn)總值的比重來衡量；外商直接投資()，以外商直接投資占地區(qū)生產(chǎn)總值比重來反映，美元按照每年人民幣匯率中間價(jià)折算；對外開放程度()，以進(jìn)出口貿(mào)易總額占地區(qū)生產(chǎn)總值的比重來衡量，美元處理同上。

(三)數(shù)據(jù)來源和描述性統(tǒng)計(jì)

本文選取2005―2019年中國30個(gè)省、市、自治區(qū)的平衡面板數(shù)據(jù)(缺西藏)作為研究樣本，基礎(chǔ)數(shù)據(jù)均來源于歷年《中國統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》、各省份統(tǒng)計(jì)年鑒和國家統(tǒng)計(jì)局公布的相關(guān)數(shù)據(jù)。表2是主要變量的描述性統(tǒng)計(jì)結(jié)果。可以看出，研發(fā)資本錯(cuò)配指數(shù)的均值為1.1817，最大值為6.9497，標(biāo)準(zhǔn)差為1.1387，表明不同地區(qū)間創(chuàng)新要素錯(cuò)配程度的差異較大；研發(fā)人員錯(cuò)配指數(shù)也呈現(xiàn)相同特征，這與靳來群等(2019)的發(fā)現(xiàn)相近。數(shù)字化發(fā)展指數(shù)的均值較小，類似于趙濤等(2020)的測算結(jié)果，表明目前我國的數(shù)字化發(fā)展普遍不充分。從其他變量看，不同地區(qū)間創(chuàng)新要素流動量、市場化程度、金融發(fā)展水平以及對外開放程度等方面也存在明顯差異。

表2 主要變量的描述性統(tǒng)計(jì)結(jié)果

四、實(shí)證結(jié)果與分析

(一)基準(zhǔn)回歸結(jié)果

本文依據(jù)Hausman檢驗(yàn)的結(jié)果，采用面板固定效應(yīng)模型分別對式(1)和式(2)進(jìn)行估計(jì)。表3報(bào)告了數(shù)字化發(fā)展影響創(chuàng)新要素錯(cuò)配的估計(jì)結(jié)果。其中，在列(1)和列(2)中，核心解釋變量數(shù)字化發(fā)展水平的系數(shù)為負(fù)，且至少通過了5%水平的顯著性檢驗(yàn)；列(3)和列(4)中進(jìn)一步納入了控制變量，由于創(chuàng)新要素錯(cuò)配的相關(guān)不可觀測影響被吸收，數(shù)字化發(fā)展水平系數(shù)的絕對值有所減小，但依然在5%水平下保持負(fù)向顯著。上述回歸結(jié)果均表明，數(shù)字化能夠有效改善省際層面的研發(fā)資本錯(cuò)配和研發(fā)人員錯(cuò)配，假設(shè)H1a得以驗(yàn)證。

表3 數(shù)字化影響創(chuàng)新要素錯(cuò)配的基準(zhǔn)回歸結(jié)果

從控制變量看，產(chǎn)業(yè)結(jié)構(gòu)升級的系數(shù)值為負(fù)且通過1%水平的顯著性檢驗(yàn)，一定程度上說明第三產(chǎn)業(yè)比重越高越有利于研發(fā)資本和人員錯(cuò)配的改善。市場化程度對創(chuàng)新要素錯(cuò)配的影響顯著為負(fù)，這與白俊紅和劉宇英(2018)的研究結(jié)果一致，表明市場化程度越高，價(jià)格機(jī)制的引導(dǎo)作用越明顯，進(jìn)而緩解創(chuàng)新要素的錯(cuò)配。政府干預(yù)、外商直接投資的系數(shù)均至少在10%水平下顯著為正，意味著政府過多干涉經(jīng)濟(jì)、過度依賴外來投資都會加劇創(chuàng)新要素的錯(cuò)配程度。金融發(fā)展水平的系數(shù)在1%水平下顯著為正，說明金融發(fā)展水平提高并未有效緩解區(qū)域創(chuàng)新要素錯(cuò)配。究其原因，可能是我國很多地區(qū)的金融市場存在諸多亂象，市場服務(wù)效率低下，甚至抑制了地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級，從而對創(chuàng)新要素配置產(chǎn)生負(fù)面影響。對外開放程度對研發(fā)人員錯(cuò)配的影響顯著為正，但對研發(fā)資本錯(cuò)配的影響卻不顯著，表明當(dāng)前我國進(jìn)出口貿(mào)易加劇了研發(fā)人員錯(cuò)配，但對研發(fā)資本錯(cuò)配的影響具有不確定性。

(二)內(nèi)生性討論

基準(zhǔn)回歸結(jié)果表明，數(shù)字化有助于降低創(chuàng)新要素錯(cuò)配程度，二者存在顯著負(fù)相關(guān)關(guān)系。然而，模型中存在內(nèi)生性問題會導(dǎo)致估計(jì)結(jié)果有誤?？紤]到科技創(chuàng)新是數(shù)字化發(fā)展的重要推動力，而創(chuàng)新要素錯(cuò)配程度直接影響了科技創(chuàng)新水平的高低，因此創(chuàng)新要素錯(cuò)配對數(shù)字化可能存在反向因果。選取適當(dāng)?shù)墓ぞ咦兞?，是處理?nèi)生性問題的常用策略，本文借鑒趙濤等(2020)，構(gòu)造各地區(qū)1984年每百人固定電話數(shù)與上一年全國互聯(lián)網(wǎng)用戶數(shù)的交互項(xiàng)作為數(shù)字化發(fā)展指數(shù)的工具變量。為避免工具變量選取中存在偏誤所導(dǎo)致結(jié)果的偶然性，本文還使用數(shù)字化發(fā)展水平的滯后一期作為工具變量進(jìn)行估計(jì)，結(jié)果見表4。

表4 工具變量回歸結(jié)果

表4第(1)(2)列是選取歷史固定電話數(shù)和上一年全國互聯(lián)網(wǎng)用戶數(shù)的交互項(xiàng)作為工具變量的回歸結(jié)果，第(3)(4)列是選取數(shù)字化發(fā)展水平的滯后一期作為工具變量的回歸結(jié)果。結(jié)果顯示，考慮內(nèi)生性問題后，數(shù)字化發(fā)展水平的系數(shù)仍然顯著為負(fù)，這與表3的基準(zhǔn)回歸結(jié)果保持一致，進(jìn)一步印證了數(shù)字化有利于改善創(chuàng)新要素錯(cuò)配。

(三)穩(wěn)健性檢驗(yàn)

為排除變量測度方法給估計(jì)結(jié)果帶來的干擾，本文從以下兩方面進(jìn)行穩(wěn)健性檢驗(yàn)：第一，更換核心解釋變量。將數(shù)字化發(fā)展指數(shù)的合成方式由主成分分析法調(diào)整為熵值法，回歸結(jié)果見表5第(1)(2)列；第二，更換被解釋變量。一是在測度創(chuàng)新要素錯(cuò)配指數(shù)的過程中使用發(fā)明專利申請數(shù)來衡量創(chuàng)新產(chǎn)出，回歸結(jié)果見表5第(3)(4)列；二是考慮到從創(chuàng)新要素投入到產(chǎn)出可能需要經(jīng)過一定的時(shí)間和周期，因此對式(9)中的創(chuàng)新投入進(jìn)行滯后一期處理，即創(chuàng)新產(chǎn)出采用當(dāng)期數(shù)據(jù)，研發(fā)人員和研發(fā)資本投入采用上期數(shù)據(jù)，回歸結(jié)果見表5第(5)(6)列。結(jié)果顯示，核心解釋變量數(shù)字化發(fā)展水平的回歸系數(shù)均至少在10%水平下顯著為負(fù)，表明樣本期間我國數(shù)字化發(fā)展顯著促進(jìn)了省際創(chuàng)新要素錯(cuò)配的改善，由此驗(yàn)證了結(jié)論的穩(wěn)健性。

表5 穩(wěn)健性檢驗(yàn)I：更換變量測度方法

上述估計(jì)結(jié)果均成立在靜態(tài)面板回歸的基礎(chǔ)上。如果要素錯(cuò)配具有一定的路徑依賴性(袁志剛，2013)，結(jié)果的穩(wěn)健性則可能受到影響。對此，本文進(jìn)一步加入被解釋變量的一階滯后項(xiàng)，建立動態(tài)面板模型進(jìn)行估計(jì)。表6中，第(1)(2)列是差分GMM的估計(jì)結(jié)果，第(3)(4)列是系統(tǒng)GMM的估計(jì)結(jié)果。結(jié)果顯示，在考慮模型的動態(tài)效應(yīng)后，數(shù)字化發(fā)展水平對創(chuàng)新要素錯(cuò)配的影響仍然保持負(fù)向顯著。

表6 穩(wěn)健性檢驗(yàn)II：使用動態(tài)面板估計(jì)

五、進(jìn)一步研究

(一)創(chuàng)新要素區(qū)際流動機(jī)制檢驗(yàn)

理論分析表明，數(shù)字化可以促進(jìn)創(chuàng)新要素的區(qū)際流動來改善創(chuàng)新要素錯(cuò)配。為驗(yàn)證該作用機(jī)制假設(shè)，本文擬采用式(3)～(6)的中介效應(yīng)模型進(jìn)行檢驗(yàn)，結(jié)果如表7所示。列(1)和(3)中數(shù)字化對研發(fā)資本流動和研發(fā)人員流動的回歸系數(shù)為正，且均通過1%水平的顯著性檢驗(yàn)，表明數(shù)字化能夠顯著促進(jìn)創(chuàng)新要素在區(qū)際間的流動。列(2)加入了中介變量研發(fā)資本流動，數(shù)字化發(fā)展水平和研發(fā)資本流動的系數(shù)均顯著為負(fù)，且數(shù)字化發(fā)展水平系數(shù)的絕對值相比表3中列(3)有所減小，說明研發(fā)資本的區(qū)際流動是數(shù)字化緩解研發(fā)資本錯(cuò)配程度的作用機(jī)制。列(4)加入了中介變量研發(fā)人員流動，研發(fā)人員流動對研發(fā)人員錯(cuò)配的影響不顯著；進(jìn)一步通過Sobel檢驗(yàn)也無法顯著拒絕不存在中介效應(yīng)的假設(shè)，說明研發(fā)人員的區(qū)際流動并非數(shù)字化緩解研發(fā)人員錯(cuò)配的作用機(jī)制。因此，假設(shè)H2僅部分成立。

表7 創(chuàng)新要素區(qū)際流動的中介效應(yīng)回歸結(jié)果

可能的原因是相較于流動性強(qiáng)、流動成本低的資本而言，人員流動更容易受到政策或主觀意愿的影響。例如，隨著地方政府“人才爭奪戰(zhàn)”的白熱化，不少三、四線城市也加入其中，相比于北京、上海、廣州、深圳等一線城市，零落戶門檻和低住房價(jià)格吸引到較多的創(chuàng)新人才流入；然而，多數(shù)三、四線城市的創(chuàng)新活動研發(fā)價(jià)值不高，這在一定程度上也致使創(chuàng)新人才不能自由轉(zhuǎn)移到回報(bào)率更高的地區(qū)。面臨這一窘境，三、四線城市應(yīng)加快產(chǎn)業(yè)轉(zhuǎn)型升級，重視創(chuàng)新發(fā)展，不盲目倚靠優(yōu)惠政策“搶人”，真正精準(zhǔn)定位當(dāng)前地區(qū)發(fā)展迫切需求的專業(yè)型人才。此外，即便一些經(jīng)濟(jì)實(shí)力優(yōu)越的地區(qū)吸引到了大量的創(chuàng)新人才，有限的研發(fā)設(shè)備使用擁擠也可能會扭曲研發(fā)人員的合理配置(白俊紅和王鉞，2015)。

(二)區(qū)域異質(zhì)性分析

改革開放40多年來，我國經(jīng)濟(jì)突飛猛進(jìn)，但區(qū)域間發(fā)展水平失衡的問題也日益凸顯。步入數(shù)字時(shí)代后，區(qū)域“數(shù)字鴻溝”同樣成為不可回避的問題。那么，數(shù)字化對創(chuàng)新要素錯(cuò)配的改善效果是否存在著區(qū)域差異？

一般而言，東部發(fā)達(dá)地區(qū)的數(shù)字化進(jìn)程較快，對創(chuàng)新要素錯(cuò)配的改善作用相比于中西部地區(qū)可能更加明顯。當(dāng)然，中西部地區(qū)數(shù)字化發(fā)展水平雖然較低，但“后發(fā)優(yōu)勢”帶來的邊際貢獻(xiàn)也可能大于東部地區(qū)(陳小輝等，2020)。鑒于此，本文將總體樣本劃分為東部和中西部兩個(gè)子樣本，以考察數(shù)字化對創(chuàng)新要素錯(cuò)配影響的地區(qū)差異。此外，地區(qū)的創(chuàng)新要素配置存在過度(＜0)和不足(＞0)兩種情形，不同情形下，數(shù)字化對創(chuàng)新要素錯(cuò)配的影響可能不同，于是，本文進(jìn)一步將總體樣本分成“配置過度地區(qū)”和“配置不足地區(qū)”兩個(gè)子樣本。分地區(qū)估計(jì)的結(jié)果見表8。

從表8第(1)～(4)列可以看出，東部地區(qū)數(shù)字化發(fā)展水平的系數(shù)均顯著為負(fù)，而中西部地區(qū)均不顯著，表明數(shù)字化對創(chuàng)新要素錯(cuò)配的影響存在著地區(qū)差異。與經(jīng)濟(jì)發(fā)展水平類似，我國數(shù)字化在規(guī)模持續(xù)增加的同時(shí)也具有地區(qū)發(fā)展不均衡的特點(diǎn)，表現(xiàn)為由東向西呈階梯狀逐級減弱。據(jù)《中國區(qū)域數(shù)字化發(fā)展指數(shù)報(bào)告(2020)》顯示，數(shù)字化發(fā)展水平排名前六位的均為東部省份，排名末十二位的全部為中西部省份。同時(shí)，東部地區(qū)由于市場化進(jìn)程較早，具備相對完善的要素市場和良好的競爭環(huán)境，這有利于減少數(shù)字化影響創(chuàng)新要素配置時(shí)所受到的約束，進(jìn)而有效緩解其錯(cuò)配程度。而中西部地區(qū)可能受到市場機(jī)制不完善以及要素流動障礙等一系列制約，使數(shù)字化對創(chuàng)新要素錯(cuò)配的改善效果沒有得到充分展現(xiàn)。

表8第(5)～(8)列為地區(qū)的創(chuàng)新要素配置存在過度和不足兩種情況下，數(shù)字化對創(chuàng)新要素錯(cuò)配的影響。結(jié)果顯示，對于創(chuàng)新要素配置過度地區(qū)，數(shù)字化均能顯著降低研發(fā)資本和研發(fā)人員錯(cuò)配水平。原因在于數(shù)字技術(shù)衍生出更多的新應(yīng)用、新模式和新產(chǎn)業(yè)，驅(qū)動過多的研發(fā)人員和研發(fā)資本流向效率更高的數(shù)字產(chǎn)業(yè)領(lǐng)域，提高了創(chuàng)新要素配置效率。對于創(chuàng)新要素配置不足地區(qū)，數(shù)字化顯著改善了研發(fā)資本錯(cuò)配，但對研發(fā)人員錯(cuò)配的改善效果卻不明顯。上文機(jī)制檢驗(yàn)表明，數(shù)字化可以促進(jìn)研發(fā)資本的區(qū)際流動，使研發(fā)資本從配置過度地區(qū)流向配置不足地區(qū)，但相比于資本，人員的流動性較差，流動成本較高，更容易受到政策或主觀意愿的影響。觀察到樣本期內(nèi)研發(fā)人員配置不足的地區(qū)多為南方發(fā)達(dá)省市，如上海、江蘇、浙江、廣東等，對研發(fā)人員的需求量較大。然而，現(xiàn)行的戶籍制度和這些地區(qū)的高生活成本在一定程度上也阻礙了研發(fā)人員的自由流動，使之不能自由轉(zhuǎn)移到回報(bào)率更高的地區(qū)，導(dǎo)致研發(fā)人員的合理配置發(fā)生扭曲。綜上，數(shù)字化對于創(chuàng)新要素錯(cuò)配的改善效果存在著區(qū)域異質(zhì)性。

表8 分地區(qū)估計(jì)結(jié)果

六、結(jié)論與啟示

本文在數(shù)字化改善創(chuàng)新要素錯(cuò)配的理論分析基礎(chǔ)上，測算了2005―2019年中國30個(gè)省份的創(chuàng)新要素錯(cuò)配指數(shù)和數(shù)字化發(fā)展水平，并對內(nèi)在的作用機(jī)制進(jìn)行了實(shí)證檢驗(yàn)。結(jié)果表明：(1)數(shù)字化能夠顯著改善研發(fā)資本和研發(fā)人員錯(cuò)配，在處理內(nèi)生性問題、更換變量的測度方法以及使用動態(tài)面板估計(jì)后，這一結(jié)論仍然成立；(2)數(shù)字化可以通過促進(jìn)研發(fā)資本的區(qū)際流動來改善其錯(cuò)配程度，而研發(fā)人員的區(qū)際流動則沒有起到中介效應(yīng)，這是因?yàn)橄噍^于流動性強(qiáng)、流動成本低的資本而言，人員流動更容易受到政策或主觀意愿的影響；(3)數(shù)字化對于創(chuàng)新要素錯(cuò)配的改善效果存在地區(qū)差異，其顯著緩解了東部地區(qū)創(chuàng)新要素的錯(cuò)配程度，但對中西部地區(qū)的作用卻并不明顯。此外，地區(qū)間創(chuàng)新要素錯(cuò)配方向的不同也會對估計(jì)結(jié)果產(chǎn)生影響，對于創(chuàng)新要素配置過度地區(qū)，數(shù)字化均能顯著降低研發(fā)資本和研發(fā)人員錯(cuò)配水平；而對于創(chuàng)新要素配置不足地區(qū)，數(shù)字化僅顯著改善了研發(fā)資本錯(cuò)配，對研發(fā)人員錯(cuò)配的改善效果則不明顯。

以上研究為數(shù)字化背景下我國創(chuàng)新型國家建設(shè)提出了一些建議與啟示：一是孕育形成以數(shù)字化為代表的新動能。各地政府應(yīng)順數(shù)字化之勢而為，將其作為推進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的全局之舉和“牛鼻子”工程，在培育壯大數(shù)字產(chǎn)業(yè)的同時(shí)，借助數(shù)字技術(shù)全領(lǐng)域、全方位、全鏈條賦能傳統(tǒng)產(chǎn)業(yè)，以硬件設(shè)施升級為重點(diǎn)、軟件服務(wù)優(yōu)化為抓手，切實(shí)推動創(chuàng)新要素的高效化配置。二是實(shí)施柔性人才引進(jìn)戰(zhàn)略。在研發(fā)人員引進(jìn)的過程中出臺具體的政策措施，打破戶籍制度和人事關(guān)系的限制，采取聘用、合作、學(xué)術(shù)研討、技術(shù)指導(dǎo)咨詢等多樣化形式，塑造自由流動的、全面開放的人才環(huán)境，同時(shí)還需要為人才提供優(yōu)厚的待遇補(bǔ)貼，落實(shí)“按貢獻(xiàn)分配”的原則。三是完善創(chuàng)新要素市場轉(zhuǎn)移轉(zhuǎn)化體系。過程中應(yīng)成立一批高度專業(yè)化、服務(wù)化的國家技術(shù)轉(zhuǎn)移機(jī)構(gòu)，并利用數(shù)字技術(shù)加快資本、人才等創(chuàng)新資源的技術(shù)轉(zhuǎn)移網(wǎng)絡(luò)建設(shè)，從而提高創(chuàng)新要素的開放性和流動性。此外，還需加快建設(shè)科教密集、創(chuàng)新成果多的省會城市成為具有區(qū)域影響力的創(chuàng)新中心，借助數(shù)字化發(fā)展強(qiáng)化創(chuàng)新中心城市的輻射作用，推動重點(diǎn)領(lǐng)域項(xiàng)目、資金、人才一體化配置。 ■

注釋

1. 包括研發(fā)資本和研發(fā)人員。

2. 數(shù)據(jù)價(jià)值周期被描述為從數(shù)據(jù)化到數(shù)據(jù)分析和決策的一系列階段，這個(gè)過程不是一條線性的價(jià)值鏈，而是涉及價(jià)值創(chuàng)造過程中多階段反饋的價(jià)值循環(huán)。

3. “斯密定理”指勞動分工受到市場規(guī)模限制。

4. 這里使用專利申請數(shù)而非授權(quán)數(shù)，是因?yàn)閷＠麛?shù)量從申請到授權(quán)的過程中還面臨著很多不確定因素。

5. 借鑒余泳澤(2015)[36]修正后的永續(xù)盤存法來測算。關(guān)于初始R&D資本存量的確定，采用余泳澤(2015)以1998年為基期計(jì)算得到的省際R&D資本存量。

6. 研發(fā)人員全時(shí)當(dāng)量是全時(shí)人員與非全時(shí)人員依據(jù)實(shí)際工時(shí)折算成全時(shí)人員之后的和，比直接用研發(fā)人員數(shù)量更具客觀性。

7. 由于住房價(jià)格越高越會阻礙人才流入，故這里將房價(jià)視為負(fù)向指標(biāo)處理。

8. 其中2017―2019年的市場化指數(shù)根據(jù)年均增長率予以推算。

9. “上一年全國互聯(lián)網(wǎng)用戶數(shù)”是隨時(shí)間變化的指標(biāo)，避免了不隨時(shí)間變化的工具變量在面板模型中的運(yùn)用(Nunn and Qian，2014)[11]。

10. 專利包括三種形式：發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利，其中最能體現(xiàn)創(chuàng)新產(chǎn)出的當(dāng)屬發(fā)明專利。

11. 東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中西部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南、四川、重慶、貴州、云南、陜西、甘肅、青海、寧夏、新疆、廣西、內(nèi)蒙古。