一、引 言
自实施创新驱动发展战略以来,中国在创新发展方面已经取得了长足的进步,但在关键核心技术、原始创新等方面,中国仍与发达国家存在一定的差距。由于能够促进不同创新主体之间实现资源共享和优势互补,合作创新已经成为推进创新发展的一种重要方式。对于创新资源空间分布极不均衡的中国而言,城市间合作创新是进行合作创新和释放创新潜力的抓手。特别是在构建以国内大循环为主体的双循环新发展格局和深化创新驱动发展的背景下,推动城市间合作创新对于引导创新资源合作,提升创新能力和促进国内创新循环具有重要的现实意义。
近年来,中国以高速宽带网络、5G等为代表的网络基础设施作为基础设施建设的优先行动领域(郭凯明等,2020)。作为信息技术发展的产物,网络基础设施在加速创新要素流动,降低信息传播空间壁垒(Almeida和Kogut,1999),实现跨区域合作创新方面发挥着重要作用,也被视为数字经济等新经济业态的战略基石。在这一背景下,已有文献探讨了网络基础设施对经济增长和新型经济形态发展的重要作用(韩宝国和朱平芳,2014;Salahuddin和Gow,2016;Maurseth,2018;马青山等,2021)。一些研究关注了网络基础设施的改进对企业等微观创新主体的影响(Nambisan等,2019;Lanzolla等,2021)以及其对区域创新活动的影响(Meijers,2014;Xu等,2019;卞元超等,2019;岑聪和姜巍,2021)。这些研究为探讨网络基础设施的经济影响提供了一定的理论基础和实证证据,但是在城市层面,鲜有文献研究网络基础设施建设对城市间合作创新的影响。因此,尚不能得知网络基础设施对城市间合作创新的影响程度,也无法厘清网络基础设施建设影响城市间合作创新的具体机制。
与以往研究不同的是,本文探讨了网络基础设施对于城市间合作创新的影响及作用机制。以“宽带中国”战略为准自然实验的实证研究结果发现,网络基础设施建设能够显著促进城市间合作创新的发展,且随着时间推移,政策红利得到充分发挥,政策在长时间内存在推广效应。机制检验结果表明,网络基础设施建设对于城市间合作创新的影响存在“本地效应”和“连接效应”两种机制。考虑到网络基础设施对于城市间合作创新的影响可能存在差异性,本文的异质性检验发现,“宽带中国”战略对东部省份城市和南部省份城市的合作创新影响更大。另外,城市人口规模越大,“宽带中国”战略对城市间合作创新的政策效应也越强。
与本文最为相关的文献主要有以下两篇。一是,韩先锋等(2019)对于互联网这一新兴要素如何影响区域创新效率的研究。其基于省级面板数据,通过互联网基础设施等指标构建互联网综合发展水平指数,发现网络基础设施建设可以通过加速人力资本积累、金融发展和产业升级推动区域创新水平。从空间尺度来看,该研究主要是从省份层面展开,尚未对网络基础设施如何影响城市创新活动展开研究。二是,薛成等(2020)基于上市公司数据探讨了“宽带中国”战略对企业间信息传递和技术知识扩散的影响,从微观视角为网络基础设施如何影响企业创新提供了支撑。而从城市层面来看,该研究对象没有包括非上市企业这一重要的创新主体,同时也没有对“宽带中国”战略试点政策的推广效应展开研究。
本文可能的贡献主要体现在以下三个方面。第一,本文利用“宽带中国”战略来评估网络基础设施建设对城市间合作创新的影响,丰富了在城市层面进行区域合作创新的研究。第二,本文基于多批次的“宽带中国”战略的试点政策识别了试点政策推广效应。这有助于正确认识试点的示范和带头作用,从而更好地推动政策的推广实施。第三,本文创新性地构造了城市间合作创新距离这一指标,从“本地效应”和“连接效应”两个角度进一步揭示了网络基础设施影响城市间合作创新的作用机制。
本文接下来的组织结构包括以下内容。第二部分为政策背景与研究假说;第三部分为研究设计;第四部分为实证结果及分析;第五部分为作用机制检验;第六部分为异质性分析;第七部分为结论及政策建议。
二、政策背景与研究假说
(一)政策背景
作为“信息高速公路”,网络基础设施的发展水平已经成为国家信息通信技术(ICT)发展水平的“晴雨表”(Majeed和Ayub,2018),被视为是衡量国家综合国力的重要指标之一。自1994年中国接入互联网宽带以来,经过二十多年的发展,中国网络基础设施建设取得了令人瞩目的成就。特别是伴随着宽带网络连通速率的提高和用户规模的快速增长,中国已经成为互联网大国,但与世界先进水平相比,中国在互联网创新能力、核心技术方面仍存在不小差距。为进一步推进网络基础设施建设,国务院于2013年8月正式发布了《“宽带中国”战略及实施方案》。方案指出,“宽带中国”示范城市(群)应加强网络基础设施规划,在政策实施三年之后,对全国同类地区产生较大的示范和引领作用。在此之后,分3批次的117个城市(群)被认定为“宽带中国”战略试点城市。在“宽带中国”战略的整体实施方案下,各试点城市也制定了更为具体的政策措施和工作安排。“宽带中国”战略的实施对网络基础设施建设产生了深远影响。
(二)研究假说
1. 网络基础设施建设与城市间合作创新
创新活动的技术溢出效应及其高投资、高风险、高难度等特点使得合作创新成为创新主体进行创新活动的重要方式(白俊红和蒋伏心,2015;赵增耀等,2015)。对于不同城市的创新主体而言,除合作创新平台、知识产权保护等影响因素外,城市间的空间阻隔被视为制约合作创新的瓶颈(Arthur,2007)。消除信息流动障碍是加强创新主体之间联系的关键,也是发挥其各自信息资源价值的基础。作为“信息高速公路”,网络基础设施被认为能够一定程度上克服城市间地理距离对于创新主体交流的束缚,打破地理空间上阻碍,减少空间信息摩擦,从而实现城市间的联动互通,并且这一过程具有显著为正的网络外部性。
作为影响信息传输的重要基础设施,网络基础设施在不同城市的供给水平情况下存在较大的差异(郭朝先和刘艳红,2020)。对于一个城市而言,其网络基础设施水平是影响其与其他城市互联互通效率的重要因素。随着网络基础设施的建设,城市中的经济主体能够更好地连接到网络平台中,从而更高效地交换信息和实现知识共享。基于以上分析得出,网络基础设施建设为更好地开展城市间合作创新提供了条件。网络基础设施促进了信息的跨区域传播,降低了区域间的信息获取成本。网络基础设施的快速发展有利于不同创新主体之间实现创新要素互联互通,加快创新要素在城市间的流动,提高合作者间的匹配效率,为城市间合作创新提供了可能。基于此,本文提出待检验的假说1。
假说1:网络基础设施建设对城市间合作创新有显著促进作用。
2. 网络基础设施建设影响城市间合作创新的作用机制
作为一种本地基础性信息资源,网络基础设施的建设提升了城市的信息化水平,提高了本地创新生产要素配置和使用效率,促进了当地知识密集型产业的发展,从而促进了城市间合作创新。网络基础设施作为基础设施的一种,是实现信息互联互通的基础,其建设程度和质量,在很大程度上决定着与通讯密切相关经济活动的发展水平。网络基础设施的建设有助于提升城市的信息化水平,而信息化被认为是企业提升技术创新效率的重要影响因素(韩先锋等,2014)。
已有研究表明,与网络基础设施紧密相关的信息通信技术(ICT)具有溢出效应,对高新技术产业发展有着较强的推动作用(孙早和徐远华,2018)。这是因为,作为知识密集型产业的代表,高新技术产业集聚了科技创新资源,其创新更加依赖于知识流动效率的加快。网络基础设施建设加快了信息传播速度,降低市场摩擦,使高新技术企业快速掌握市场动态并做出调整,优化了资源的配置效率。根据资源基础理论,企业通过合作互补所需的资产和能力(Williamson,1981),在资源共享的同时,可以刺激知识的创造、扩散,并且产生新的创造。高新技术产业是知识密集、技术密集的产业,其具有研发投入大、风险高的特点,往往需要多行业、多城市的参与。因此,高新技术产业的发展将有利于城市间的合作创新。
作为一种连接性资源,网络基础设施能够改善城市间信息传播效率,减少交易成本。交易成本是与执行交易相关的成本,其产生主要是由于参与交易的经济主体之间的信息不对称和信息不完全问题(Milgrom和Roberts,1990)。从空间维度来看,交易成本会随着组织交易的空间分布的增加而增加(Coase,1937;Krugman,1991)。本文认为降低城市间创新活动交易成本的关键就是要降低信息流的“价格”。而网络基础设施建设恰好为交易主体之间搭建了连接信息流的载体与平台,在突破空间限制的同时,促进了在复杂和不确定环境下经济主体之间的相互交流,缓解了信息不对称,降低了交易成本。
具体而言,网络基础设施建设降低了与交易成本直接相关的搜寻成本和协调成本。首先,网络基础设施的广泛建设加快了知识信息编码,推动了知识和信息的跨城传播,为交易主体获取知识和信息提供了便利(Varian,2010),极大降低交易主体之间信息搜寻成本。其次,数字信息作为一种商品,其近乎零成本复制的特点使得信息可以共享(Goldfarb和Tucker,2019)。信息能以几乎为零的边际成本即时交换,数字信息零成本复制的这一特性突破了时空的约束,信息传递不再依赖地理上的相互临近(王如玉等,2018)。而网络基础设施建设为交易主体之间架起了一座“跨时空桥梁”,使得交易双方之间信息资源实现互通,降低了信息的运输成本。最后,网络基础设施在降低协调成本的同时,也降低了合作创新过程中可能产生的风险问题(Brynjolfsson和Hitt,2000)。
综上,网络基础设施建设促进城市间合作创新的主要原因在于:一方面,网络基础设施建设提升了本地信息化水平,降低了当地市场摩擦,影响了本地企业发展,进而促进了城市间合作创新。另一方面,网络基础设施建设缓解了创新主体之间的信息不对称,降低了交易成本,突破了空间阻隔的约束,促进了城市间合作创新。基于此,提出以下两个待检验假说。
假说2a:作为一种本地资源,网络基础设施建设提升了本地信息化水平,影响了本地企业发展,为促进城市间合作创新提供了条件。
假说2b:作为一种连接性资源,网络基础设施建设提高了城市间信息传播效率,降低了交易成本,这表现为城市间合作创新空间边际外延的扩展。
三、研究设计
(一)模型设定
本文将“宽带中国”战略视为一项准自然实验,以被纳入“宽带中国”战略试点的城市为处理组,以未被纳入“宽带中国”战略试点的城市为对照组,采用双重差分的方法检验“宽带中国”战略对于城市间合作专利数的政策效应,以此来考察网络基础设施对于城市间合作创新的影响。由于“宽带中国”战略试点城市是分批次设立的,参考Beck等(2010)以及Wang(2013),采用渐进双重差分法,构造以下双向固定效应计量模型:
$ {I_{i,t}} = {\beta _0} + {\beta _1}di{d_{i,t - 1}} + \lambda {X_{i,t}} + {\nu _i} + {\mu _t} + {\varepsilon _{i,t}} $ | (1) |
其中,
(二)数据说明
本文被解释变量为城市间合作创新水平。借鉴金培振等(2019)、黄群慧等(2019)的做法,采用城市与其他城市之间的合作专利数(每万人)来衡量城市间合作创新水平。解释变量及外商直接投资水平、政府科学技术投入水平、就业结构、经济发展水平、金融深化程度和制度环境等控制变量的详细计算方法见表1。
变量名称 | 变量含义 | 计算方法 |
|
城市间合作创新水平 | 城市
|
|
宽带中国战略 | 城市
|
|
外商直接投资水平 | (城市实际利用外商直接投资/城市GDP)×100% |
|
政府科技投入水平 | (城市政府科学技术支出/城市GDP)×100% |
|
就业结构 | (城市第三产业从业人员数/城市从业总人数)×100%之后取对数 |
|
经济发展水平 | 城市人均GDP取对数 |
|
金融深化程度 | (城市年末金融机构各项存贷款余额之和/城市GDP)×100% |
|
制度环境 | (政府财政预算内支出/城市GDP)×100% |
本文被解释变量
解释变量试点城市名单来源于公开文件。由于数据可得性,在排除示范城市名单中的自治州(如延边朝鲜族自治州)、县级市(如昆山市)、城市中的部分区(如重庆市江津区、荣昌区)和数据缺失较为严重的城市(如林芝市、拉萨市)后,本文研究样本为210个地级市,其中包括80个处理组城市和130个对照组城市。
除被解释变量和解释变量外,外商直接投资水平、政府科学技术投入水平、就业结构、经济发展水平、金融深化程度和政府规模等控制变量的数据均来自于对应年份的城市统计年鉴。最后,本文实证分析所使用数据集为2008—2018年间210个城市的平衡面板数据。实证分析中所涉及变量的描述性统计情况如表2所示。城市间人均合作专利数均值为0.936,而标准差为3.269,呈现出“均值小,标准差大”的特点,规模较大的一线城市相比规模较小的城市,城市间人均合作专利数(每万人)相差较大,说明中国各个城市之间合作创新存在明显的差异。此外,中国城市间合作创新具有较大的区域差异性,东部、中部、西部地区的城市间人均合作专利数均值分别为1.321、0.375和0.354。与东部地区相比,中部和西部地区城市间合作创新发展相对滞后。
变量名称 | 样本量 | 均值 | 标准差 | 最小值 | 最大值 |
|
2310 | 0.936 | 3.269 | 0 | 45.458 |
|
2310 | 0.106 | 0.308 | 0 | 1 |
|
2310 | 0.349 | 0.351 | 0.006 | 2.990 |
|
2310 | 2.607 | 1.983 | 0.050 | 21.204 |
|
2310 | 0.299 | 0.350 | 0.013 | 5.763 |
|
2310 | 1.627 | 0.495 | 0.499 | 3.284 |
|
2310 | 3.931 | 0.260 | 2.797 | 4.512 |
|
2310 | 2.876 | 0.476 | 1.681 | 5.471 |
四、实证结果及分析
(一)平行趋势检验
双重差分模型评估政策有效性的重要前提假设是处理组样本和对照组样本满足平行趋势条件。即在实施“宽带中国”战略前,处理组样本和对照组样本的城市间合作创新水平应该具有一致的变动趋势。为此,本文参考Jacobson等(1993)提出的事件研究法(Event Study Approach),构建如下模型进行平行趋势检验。
$ {I_{it}} = \alpha + \sum\limits_{k = - 7}^3 {{\beta _k}} {D_{i,{t_0} + k}} + \lambda {X_{it}} + {\nu _i} + {\mu _t} + {\varepsilon _{it}} $ | (2) |
其中,
图1为平行趋势检验结果。可以看到,在
(二)基准模型回归结果
在满足平行趋势假设条件的前提下,本文运用双重差分法对“宽带中国”战略影响城市间合作创新水平的效应进行识别。表3报告了模型(1)的估计结果,其中第1列是未加入控制变量时的估计结果,第2列是加入控制变量得到的估计结果。两列的回归结果显示,无论是否加入控制变量,解释变量
(三)稳健性检验
1. 基于PSM-DID方法的检验
为进一步检验上述结果的稳健性,本文利用PSM-DID的方法来修正可能存在的样本选择性偏误问题。具体而言,选择一系列控制变量作为匹配变量,根据所得到的倾向得分,按照1∶1近邻匹配的方法对处理组样本和对照组样本进行逐年匹配。表3中第3列为PSM-DID的回归结果,其中解释变量
2. 排除其他影响创新政策的干扰
除“宽带中国”战略外,在2008—2018年期间,城市也可能存在其他影响创新的政策。已有研究表明,国家创新型城市试点政策(杨仁发和李胜胜,2020)、智慧城市试点政策(袁航和朱承亮,2020)和低碳城市试点政策(徐佳和崔静波,2020)均对创新具有积极的影响。为准确识别“宽带中国”战略的政策效果,需要排除其他影响创新的政策。因此,本文对上述三种政策加以控制。具体而言,以虚拟变量来反映上述政策的影响,并将代表三种政策的虚拟变量作为控制变量引入在模型(1)中。回归结果见表3第4列,解释变量
(1) | (2) | (3) | (4) | |
|
|
|
|
|
|
1.012*** | 0.890*** | 0.791*** | 0.726*** |
(0.191) | (0.197) | (0.203) | (0.183) | |
|
−0.135 | −0.114 | −0.100 | |
(0.123) | (0.123) | (0.123) | ||
|
0.591*** | 0.471** | 0.470** | |
(0.217) | (0.208) | (0.207) | ||
|
1.205*** | 1.064*** | 1.143*** | |
(0.325) | (0.328) | (0.328) | ||
|
−0.341 | −0.283 | −0.492* | |
(0.271) | (0.271) | (0.263) | ||
|
−0.0193 | 0.0279 | −0.0334 | |
(0.0363) | (0.0280) | (0.0331) | ||
|
−0.664*** | −0.816*** | −0.352* | |
(0.225) | (0.222) | (0.212) | ||
low_carbon city | 1.263*** | |||
(0.268) | ||||
|
0.379*** | |||
(0.0771) | ||||
|
0.594** | |||
(0.236) | ||||
|
0.828*** | −1.511 | −0.759 | −2.211 |
(0.0355) | (1.500) | (1.509) | (1.493) | |
|
2 310 | 2 310 | 2 279 | 2 310 |
|
0.829 | 0.832 | 0.826 | 0.842 |
注:模型控制了个体固定效应和时间固定效应。括号内为标准差,***、**和*分别为在1%、5%和10%的水平上显著,下同。 |
3. 安慰剂检验
为了排除其他不可观测因素的干扰,本文借鉴已有研究(Cai等,2016;曹清峰,2020),通过对处理组和控制组重新随机分配来进行安慰剂检验。具体来说,从样本城市中随机选取处理组,假设随机抽取的这些城市为“宽带中国”战略试点城市,剩余的其他城市视为对照组。在此基础上利用随机抽取的新的样本重新估计模型(1),由此完成1次安慰剂检验,重复上述过程400次,完成400次安慰剂检验,便可得到400个
(四)“试点和推广”效应评价
试点制是中国获取改革经验、探索改革路径的重要方式。需要注意的是,从部分城市的试点推广到更多的城市,试点政策是否有效需要科学的研究。对于政策推广效应的检验,是全局推开相应试点政策的根据,同时这也是进行多批次政策试点的意义之一。
就“宽带中国”战略而言,该政策在研究时段内共推行了3个批次的试点。随着试点政策的推广,“宽带中国”战略试点城市所享受的政策优势和红利相对下降,“宽带中国”战略能否持续促进城市间的合作创新,即其推广效应,是本文所要检验的一个重要问题。由于“宽带中国”战略在不同的年份进行了分批次试点,本文可以通过对不同批次的政策效果进行检验,以识别“宽带中国”战略的政策推广效应。具体来说,分别将第一批次、前两个批次、所有三个批次的试点城市的政策变量与时间虚拟变量相乘,得到交互项
(1) | (2) | (3) | |
|
|
|
|
|
1.594*** | 1.111*** | 0.890*** |
(0.384) | (0.237) | (0.197) | |
|
−0.0848 | −0.113 | −0.135 |
(0.129) | (0.121) | (0.123) | |
|
0.522** | 0.549** | 0.591*** |
(0.214) | (0.214) | (0.217) | |
|
0.966*** | 1.113*** | 1.205*** |
(0.327) | (0.326) | (0.325) | |
|
−0.332 | −0.353 | −0.341 |
(0.278) | (0.267) | (0.271) | |
|
−0.0174 | −0.0150 | −0.0193 |
(0.0339) | (0.0360) | (0.0363) | |
|
−0.684*** | −0.673*** | −0.664*** |
(0.213) | (0.219) | (0.225) | |
|
−0.517 | −1.114 | −1.511 |
(1.517) | (1.490) | (1.500) | |
|
2 310 | 2 310 | 2 310 |
|
0.835 | 0.834 | 0.832 |
表4结果显示,随着试点政策推广到更多的城市,“宽带中国”战略对城市间合作创新的影响仍显著为正。从系数的大小来看,对于第一批次、前两个批次、所有三个批次的试点城市而言,变量
五、作用机制检验
“宽带中国”战略提高城市间合作创新水平的机制是什么呢?前文研究假说提出:对于本地城市而言,网络基础设施建设作为一种本地资源,是支撑数据流、信息流高效运转的前提和基石,直接表现为提升了城市的信息化水平,影响了本地企业发展,为促进城市间合作创新提供了条件。对城市间而言,网络基础设施建设作为一种连接性资源,有利于实现互联互通,提高了信息跨时空传播和交换的速率,促进了知识、信息和创新要素在城市间流动(Roberts,2000),减少了信息不对称,降低了交易成本(王如玉等,2018),对促进城市间合作创新具有重要作用。接下来,将网络基础设施对于城市间合作创新的机制分为“本地效应”和“连接效应”,分别进行讨论。
(一)本地效应
“本地效应”是指网络基础设施作为载体或是平台,改善了本地企业信息条件,促进了本地企业发展。已有文献表明,本地企业,特别是高新技术企业的发展进一步促进了城市间的合作创新(孙早和徐远华,2018)。因此,本文将用城市本地高新技术企业的发展情况和本地创业活动来衡量网络基础设施的“本地效应”。
为验证前述假说2a,本文借鉴陈斌开和张川川(2016)的做法,构建如下计量模型,以检验“本地效应”作用机制:
$ hightec{h_{it}} = {\alpha _0} + {\alpha _1}di{d_{it - 1}} + \lambda {X_{it}} + {\nu _i} + {\mu _t} + {\varepsilon _{it}} $ | (3) |
$ entre{p_{it}} = {\alpha _0} + {\alpha _1}di{d_{it - 1}} + \lambda {X_{it}} + {\nu _i} + {\mu _t} + {\varepsilon _{it}} $ | (4) |
其中,
表5第1列回归结果显示,“宽带中国”战略的系数显著为正,这意味着“宽带中国”战略的实施显著促进了高新技术产业发展。表5第2列将城市本地新进入企业数量替换高新技术企业数量代入模型(3)进行回归,结果表明,网络基础设施建设对城市本地创业活动未显示出显著的促进效果,这也从侧面说明,网络基础设施建设对创新要素流动性较高的产业具有较大的促进作用。以上回归结果表明,网络基础设施建设的“本地效应”显著存在,其促进了城市间的合作创新。因此,假说2a得到了初步的验证,网络基础设施建设促进了本地高新技术企业发展,为城市间合作创新提供了条件。
(1) | (2) | |
|
|
|
|
4.573*** | 0.218 |
(0.699) | (0.531) | |
|
−1.440*** | 3.012*** |
(0.496) | (0.717) | |
|
3.235*** | 0.317 |
(1.109) | (0.686) | |
|
1.004 | 0.055 |
(0.878) | (1.426) | |
|
−3.826*** | 7.765*** |
(1.224) | (1.462) | |
|
−0.117 | −0.306* |
(0.156) | (0.163) | |
|
−2.866*** | 1.892* |
(1.078) | (1.076) | |
|
15.58*** | 39.69*** |
(5.503) | (6.537) | |
|
2 310 | 2 266 |
|
0.901 | 0.937 |
(二)连接效应
网络基础设施建设,还可能通过“连接效应”对外间接降低交易成本。网络基础设施建设的良好建设,连接了创新资源,促进了跨区域知识溢出,降低了因距离摩擦产生的交易成本,本文将这种作用机制称为网络基础设施建设的“连接效应”。为验证这一机制,本文创新性地使用城市间的地理距离矩阵与城市间合作创新矩阵构造一个加权合作创新距离指标,用该指标表示与城市
$ dis\_coinventio{n_{i,t}} = \frac{{\displaystyle\sum\limits_{j = 1,j \ne i}^N {ppaten{t_{ij,t}} \times distanc{e_{ij}}} }}{{\displaystyle\sum\limits_{j = 1,j \ne i}^N {ppaten{t_{ij,t}}} }} $ | (5) |
其中,
作为稳健性检验,本文同时构造了不加权的合作创新距离指标,其计算方式如下:
$ disno\_coinventio{n_{i,t}} = \frac{{\displaystyle\sum\limits_{j = 1,ppaten{t_{ij,t}} > 0}^N {distanc{e_{ij}}} }}{{nu{m_{ppaten{t_{ij,t}} > 0}}}} $ | (6) |
其中,
表6为以合作创新距离指标作为被解释变量的回归结果。结果显示,无论是加权重的合作创新距离指标
(1) | (2) | |
|
|
|
|
59.37*** | 50.56*** |
(11.25) | (7.777) | |
|
−15.74 | −1.790 |
(11.84) | (10.16) | |
|
43.86*** | 14.20* |
(16.54) | (7.866) | |
|
80.44*** | 9.841 |
(24.76) | (15.74) | |
|
−41.67* | −29.90 |
(22.94) | (18.90) | |
|
−0.523 | 0.241 |
(1.834) | (1.368) | |
|
−56.57*** | −24.27*** |
(14.70) | (8.968) | |
|
75.96 | 214.2*** |
(118.6) | (78.52) | |
|
2 310 | 2 310 |
|
0.906 | 0.717 |
六、异质性分析
(一)区域异质性
区域经济发展的空间差异是中国经济发展中面临的重要问题。本文分别从东、中、西部和南、北部两个维度探讨“宽带中国”战略对不同区域下城市间合作创新的影响。表7中前3列为东部、中部、西部省份城市样本的回归结果。在东部、中部和西部省份城市样本下,解释变量
(1)东 | (2)中 | (3)西 | (4)北 | (5)南 | |
|
|
|
|
|
|
|
1.600*** | 0.703*** | 0.259*** | 0.568*** | 1.351*** |
(0.413) | (0.149) | (0.0955) | (0.164) | (0.421) | |
|
0.388 | 0.0917 | −0.378 | −0.538*** | 0.133 |
(0.264) | (0.127) | (0.252) | (0.184) | (0.215) | |
|
1.396** | 0.157* | 0.298 | 0.827*** | 0.854 |
(0.585) | (0.0949) | (0.274) | (0.285) | (0.724) | |
|
0.894** | −0.231 | 1.348*** | 1.030** | 1.705*** |
(0.382) | (0.311) | (0.274) | (0.407) | (0.502) | |
|
0.102 | −0.404 | −0.208 | −0.422 | 0.253 |
(0.457) | (0.327) | (0.260) | (0.293) | (0.583) | |
|
0.0247 | 0.00810 | 0.00892 | −0.0996* | 0.0750 |
(0.0740) | (0.0147) | (0.0698) | (0.0527) | (0.0460) | |
|
−1.295** | −0.475*** | 0.00156 | −0.656*** | −0.981* |
(0.582) | (0.150) | (0.151) | (0.251) | (0.502) | |
|
0.387 | 3.143** | −4.820*** | −0.384 | −4.075* |
(2.104) | (1.561) | (1.239) | (1.818) | (2.356) | |
|
913 | 935 | 264 | 1 408 | 902 |
|
0.781 | 0.649 | 0.782 | 0.895 | 0.766 |
表7的后2列为南部、北部省份城市样本的回归结果。对比南部、北部省份城市样本的回归结果可以发现,表示“宽带中国”战略试点政策效应的解释变量
(二)城市规模异质性
本文按照城市人口规模将样本城市从大到小三等分,分别对不同人口规模的城市样本进行回归分析,以检验“宽带中国”战略影响城市间合作创新是否存在城市规模异质性。表8的回归结果表明,在人口规模最大和中等的样本城市中,解释变量
(1)大 | (2)中 | (3)小 | |
|
|
|
|
|
1.366*** | 0.557*** | 0.423 |
(0.379) | (0.147) | (0.267) | |
|
−0.184 | −0.218* | −0.0778 |
(0.235) | (0.120) | (0.274) | |
|
0.848** | 0.329 | 0.817 |
(0.349) | (0.220) | (0.503) | |
|
2.088*** | −0.486* | 2.016** |
(0.488) | (0.258) | (0.884) | |
|
0.284 | −0.359 | −0.419 |
(0.650) | (0.274) | (0.429) | |
|
0.0353 | 0.0253 | −0.0390 |
(0.0890) | (0.0325) | (0.0389) | |
|
−1.913*** | −0.304* | −0.456 |
(0.614) | (0.162) | (0.378) | |
|
−2.588 | 3.899*** | −5.182 |
(2.602) | (1.232) | (3.596) | |
|
770 | 770 | 770 |
|
0.782 | 0.937 | 0.886 |
(三)专利类型异质性
为考察不同专利类型是否会对“宽带中国”战略的创新效应产生差异,本文选取城市间人均合作发明专利(
(1) | (2) | |
|
|
|
|
0.497*** | 0.393*** |
(0.125) | (0.0778) | |
|
−0.0894 | −0.0460 |
(0.0605) | (0.0744) | |
|
0.366*** | 0.225** |
(0.123) | (0.0988) | |
|
0.700*** | 0.505*** |
(0.184) | (0.151) | |
|
−0.0424 | −0.299* |
(0.142) | (0.153) | |
|
−0.0116 | −0.00765 |
(0.0237) | (0.0133) | |
|
−0.414*** | −0.250*** |
(0.139) | (0.0926) | |
|
−1.107 | −0.404 |
(0.868) | (0.694) | |
|
2 310 | 2 310 |
|
0.816 | 0.843 |
七、结论与政策建议
在构建双循环新发展格局和深化创新发展的背景下,正确认识和评价网络基础设施建设对于城市间合作创新的影响具有重要的现实意义。本文以“宽带中国”战略为准自然实验,基于2008—2018年中国地级市面板数据,利用渐进双重差分法评估了网络基础设施建设对城市间合作创新的影响,并对作用机制进行了探讨。本文主要得到以下三方面的结论。第一,“宽带中国”战略显著促进了城市间合作创新水平。平均而言,该战略的实施使试点城市的城市间合作专利数(每万人)提高约0.890个。并且随着试点的推广,“宽带中国”战略的政策效应存在推广效应。第二,机制检验表明,网络基础设施建设通过影响本地高新技术企业发展,降低了城市间交易成本,拓展了城市间合作创新的空间外延,促进了城市间合作创新。第三,异质性检验表明,首先,对于不同区域的试点城市,“宽带中国”战略对城市间合作创新的影响存在差异,东部沿海城市和中西部城市的政策效应都显著,但东部沿海地区的政策效应明显大于中西部地区。同时,“宽带中国”战略对于南部城市的政策效应要大于北部城市。其次,对于人口规模更大的城市而言,“宽带中国”战略的政策效果更加显著。最后,就合作专利类型而言,相对于城市间其他合作专利,“宽带中国”战略政策对于城市间合作发明专利的促进效果更好。
基于以上研究,本文得到的如下政策启示。首先,网络基础设施建设需考虑区域差异并加强与相关政策的协同。考虑到网络基础设施建设对于城市间合作创新的影响存在异质性效应,网络基础设施的布局更应与区域经济发展阶段相协调。具体而言,东部地区应加快部署新兴网络基础设施,提高新兴网络基础设施服务企业生产的广度和深度。对于中西部地区而言,应逐步推进其互联网宽带接入水平,提升网络基础设施覆盖率及其融合到企业生产环节的程度。其次,除网络基础设施建设布局应因地制宜外,政府应注重网络基础设施与相关区域创新政策间的协调配合,通过政策协同助力区域间创新网络的形成,引导创新资源在区域之间进行分配,为区域经济发展和国内大循环建设注入新的动能。最后,夯实网络基础设施建设也有助于新兴产业的发展。新兴产业,特别是数字经济及其催生出来的“新制造”“新零售”等新业态,已经成为中国经济高质量发展的新增长点。作为影响新兴产业快速发展的重要因素,各级政府应加快建设高速、高效的网络基础设施,推广升级千兆光纤宽带网络,扩大其覆盖范围,提升网络性能和效率,为创新活动开展提供有利信息条件,为发展新产业、新业态、新商业模式提供有力保障。
[1] | 白俊红, 蒋伏心. 协同创新、空间关联与区域创新绩效[J]. 经济研究, 2015(7): 174–187. |
[2] | 卞元超, 吴利华, 白俊红. 高铁开通是否促进了区域创新?[J]. 金融研究, 2019(6): 132–149. |
[3] | 曹清峰. 国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据[J]. 中国工业经济, 2020(7): 43–60. |
[4] | 岑聪, 姜巍. 互联网发展、空间关联与区域协同创新[J]. 统计与决策, 2021(2): 70–74. |
[5] | 陈斌开, 张川川. 人力资本和中国城市住房价格[J]. 中国社会科学, 2016(5): 43–64. |
[6] | 郭朝先, 刘艳红. 中国信息基础设施建设: 成就、差距与对策[J]. 企业经济, 2020(9): 143–151. |
[7] | 郭凯明, 潘珊, 颜色. 新型基础设施投资与产业结构转型升级[J]. 中国工业经济, 2020(3): 63–80. |
[8] | 韩宝国, 朱平芳. 宽带对中国经济增长影响的实证分析[J]. 统计研究, 2014(10): 49–54. DOI:10.3969/j.issn.1002-4565.2014.10.008 |
[9] | 韩先锋, 惠宁, 宋文飞. 信息化能提高中国工业部门技术创新效率吗[J]. 中国工业经济, 2014(12): 70–82. |
[10] | 韩先锋, 宋文飞, 李勃昕. 互联网能成为中国区域创新效率提升的新动能吗[J]. 中国工业经济, 2019(7): 119–136. |
[11] | 黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验[J]. 中国工业经济, 2019(8): 5–23. |
[12] | 金培振, 殷德生, 金桩. 城市异质性、制度供给与创新质量[J]. 世界经济, 2019(11): 99–123. |
[13] | 马青山, 何凌云, 袁恩宇. 新兴基础设施建设与城市产业结构升级——基于“宽带中国”试点的准自然实验[J]. 财经科学, 2021(4): 76–90. DOI:10.3969/j.issn.1000-8306.2021.04.007 |
[14] | 齐绍洲, 林屾, 崔静波. 环境权益交易市场能否诱发绿色创新? ——基于我国上市公司绿色专利数据的证据[J]. 经济研究, 2018(12): 129–143. |
[15] | 孙早, 徐远华. 信息基础设施建设能提高中国高技术产业的创新效率吗? ——基于2002—2013年高技术17个细分行业面板数据的经验分析[J]. 南开经济研究, 2018(2): 72–92. |
[16] | 王如玉, 梁琦, 李广乾. 虚拟集聚: 新一代信息技术与实体经济深度融合的空间组织新形态[J]. 管理世界, 2018(2): 13–21. DOI:10.3969/j.issn.1002-5502.2018.02.002 |
[17] | 徐佳, 崔静波. 低碳城市和企业绿色技术创新[J]. 中国工业经济, 2020(12): 178–196. DOI:10.3969/j.issn.1006-480X.2020.12.016 |
[18] | 薛成, 孟庆玺, 何贤杰. 网络基础设施建设与企业技术知识扩散——来自“宽带中国”战略的准自然实验[J]. 财经研究, 2020(4): 48–62. |
[19] | 杨仁发, 李胜胜. 创新试点政策能够引领企业创新吗? ——来自国家创新型试点城市的微观证据[J]. 统计研究, 2020(12): 32–45. |
[20] | 袁航, 朱承亮. 智慧城市是否加速了城市创新?[J]. 中国软科学, 2020(12): 75–83. DOI:10.3969/j.issn.1002-9753.2020.12.008 |
[21] | 张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019(8): 71–86. DOI:10.3969/j.issn.1005-2674.2019.08.008 |
[22] | 赵增耀, 章小波, 沈能. 区域协同创新效率的多维溢出效应[J]. 中国工业经济, 2015(1): 32–44. |
[23] | Almeida P, Kogut B. Localization of knowledge and the mobility of engineers in regional networks[J]. Management Science, 1999, 45(7): 905–917. DOI:10.1287/mnsc.45.7.905 |
[24] | Arthur W B. The structure of invention[J]. Research Policy, 2007, 36(2): 274–287. DOI:10.1016/j.respol.2006.11.005 |
[25] | Beck T, Levine R, Levkov A. Big bad banks? The winners and losers from bank deregulation in the United States[J]. The Journal of Finance, 2010, 65(5): 1637–1667. DOI:10.1111/j.1540-6261.2010.01589.x |
[26] | Brynjolfsson E, Hitt L M. Beyond computation: Information technology, organizational transformation and business performance[J]. Journal of Economic Perspectives, 2000, 14(4): 23–48. DOI:10.1257/jep.14.4.23 |
[27] | Cai X Q, Lu Y, Wu M Q, et al. Does environmental regulation drive away inbound foreign direct investment? Evi- dence from a quasi-natural experiment in China[J]. Journal of Development Economics, 2016, 123: 73–85. DOI:10.1016/j.jdeveco.2016.08.003 |
[28] | Coase R H. The nature of the firm[J]. Economica, 1937, 4(16): 386–405. DOI:10.1111/j.1468-0335.1937.tb00002.x |
[29] | Goldfarb A, Tucker C. Digital economics[J]. Journal of Economic Literature, 2019, 57(1): 3–43. DOI:10.1257/jel.20171452 |
[30] | Jacobson L S, LaLonde R J, Sullivan D G. Earnings losses of displaced workers[J]. The American Economic Review, 1993, 83(4): 685–709. |
[31] | Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3): 483–499. DOI:10.1086/261763 |
[32] | Lanzolla G, Pesce D, Tucci C L. The digital transformation of search and recombination in the innovation function: Tensions and an integrative framework[J]. Journal of Product Innovation Management, 2021, 38(1): 90–113. DOI:10.1111/jpim.12546 |
[33] | Majeed M T, Ayub T. Information and communication technology (ICT) and economic growth nexus: A comparative global analysis[J]. Pakistan Journal of Commerce and Social Sciences, 2018, 12(2): 443–476. |
[34] | Maurseth P B. The effect of the Internet on economic growth: Counter-evidence from cross-country panel data[J]. Economics Letters, 2018, 172: 74–77. DOI:10.1016/j.econlet.2018.08.034 |
[35] | Meijers H. Does the internet generate economic growth, international trade, or both?[J]. International Economics and Economic Policy, 2014, 11(1-2): 137–163. DOI:10.1007/s10368-013-0251-x |
[36] | Milgrom P, Roberts J. Bargaining costs, influence costs, and the organization of economic activity[A]. Alt J E, Shepsle K A. Perspectives on positive political economy[M]. Cambridge: Cambridge University Press, 1990. |
[37] | Nambisan S, Wright M, Feldman M. The digital transformation of innovation and entrepreneurship: Progress, challenges and key themes[J]. Research Policy, 2019, 48(8): 103773. DOI:10.1016/j.respol.2019.03.018 |
[38] | Roberts J. From know-how to show-how? Questioning the role of information and communication technologies in knowledge transfer[J]. Technology Analysis & Strategic Management, 2000, 12(4): 429–443. |
[39] | Salahuddin M, Gow J. The effects of internet usage, financial development and trade openness on economic growth in South Africa: A time series analysis[J]. Telematics and Informatics, 2016, 33(4): 1141–1154. DOI:10.1016/j.tele.2015.11.006 |
[40] | Varian H R. Computer mediated transactions[J]. American Economic Review, 2010, 100(2): 1–10. DOI:10.1257/aer.100.2.1 |
[41] | Wang J. The economic impact of special economic zones: Evidence from Chinese municipalities[J]. Journal of Deve- lopment Economics, 2013, 101: 133–147. DOI:10.1016/j.jdeveco.2012.10.009 |
[42] | Williamson O E. The economics of organization: The transaction cost approach[J]. American Journal of Sociology, 1981, 87(3): 548–577. DOI:10.1086/227496 |
[43] | Xu X, Watts A, Reed M. Does access to internet promote innovation? A look at the U. S. broadband industry[J]. Growth and Change, 2019, 50(4): 1423–1440. DOI:10.1111/grow.12334 |