袁歌騁 潘 敏 覃鳳琴

(1.中南財經(jīng)政法大學(xué) 金融學(xué)院，湖北 武漢 430073；2.武漢大學(xué) 經(jīng)濟(jì)發(fā)展研究中心/經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430072；3.中國財政科學(xué)研究院，北京 100142)

一、引言

近年來，我國數(shù)字經(jīng)濟(jì)快速發(fā)展，數(shù)字產(chǎn)業(yè)在全球范圍內(nèi)處于有力的競爭地位。數(shù)字產(chǎn)業(yè)代表了5G、大數(shù)據(jù)、人工智能等數(shù)字技術(shù)發(fā)展方向和最新成果，涵蓋了電子信息制造業(yè)、電信業(yè)、軟件和信息技術(shù)服務(wù)業(yè)以及互聯(lián)網(wǎng)行業(yè)等[1]。另一方面，我國制造業(yè)①面臨發(fā)達(dá)國家“再工業(yè)化”戰(zhàn)略和發(fā)展中國家低成本競爭戰(zhàn)略的“兩端擠壓”，陷入轉(zhuǎn)型困境。在此背景下，借助我國數(shù)字產(chǎn)業(yè)發(fā)展優(yōu)勢，推動制造業(yè)把握數(shù)字化轉(zhuǎn)型升級機(jī)遇已成為我國重要的發(fā)展方向之一?！吨泄仓醒腙P(guān)于制定國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和二○三五年遠(yuǎn)景目標(biāo)的建議》在推動數(shù)字經(jīng)濟(jì)和實體經(jīng)濟(jì)深度融合的基礎(chǔ)上，進(jìn)一步提出要打造具有競爭力的數(shù)字產(chǎn)業(yè)集群?；诖?，各地政府紛紛出臺相應(yīng)政策推動數(shù)字產(chǎn)業(yè)發(fā)展，發(fā)揮數(shù)字產(chǎn)業(yè)集聚效應(yīng)。例如，山東省出臺的《山東省數(shù)字經(jīng)濟(jì)園區(qū)(試點)建設(shè)行動方案》明確以“數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化”為主線，集中打造數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)集聚區(qū)；《杭州市全面推進(jìn)“三化融合”打造全國數(shù)字經(jīng)濟(jì)第一城行動計劃(2018—2022年)》指出將聚焦數(shù)字產(chǎn)業(yè)輻射力，推動杭州成為數(shù)字經(jīng)濟(jì)企業(yè)集聚地。

然而，數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響尚存爭議。一方面，國際經(jīng)驗表明，數(shù)字產(chǎn)業(yè)集聚有助于推動制造業(yè)企業(yè)技術(shù)創(chuàng)新。例如，學(xué)者們發(fā)現(xiàn)隨著美國舊金山灣區(qū)等地數(shù)字產(chǎn)業(yè)集聚程度加深，上述地區(qū)與數(shù)字產(chǎn)業(yè)無關(guān)的專利數(shù)量也呈現(xiàn)出上漲趨勢[2]。上述現(xiàn)象產(chǎn)生的原因可能是數(shù)字產(chǎn)業(yè)集聚為企業(yè)創(chuàng)新提供了所需的數(shù)據(jù)資本，有助于提升創(chuàng)新效率[3]。同時，數(shù)字產(chǎn)業(yè)集聚能夠促進(jìn)高素質(zhì)信息化人才集聚，依托人才流動增強(qiáng)數(shù)字產(chǎn)業(yè)與其他產(chǎn)業(yè)之間的知識傳遞[4]，并有效促進(jìn)地區(qū)內(nèi)數(shù)字相關(guān)通用性技術(shù)創(chuàng)新增長[2]，使區(qū)域內(nèi)制造業(yè)企業(yè)更容易獲得相關(guān)數(shù)字技術(shù)，進(jìn)而降低制造業(yè)企業(yè)間的協(xié)調(diào)成本，提高企業(yè)間的技術(shù)溢出水平，促進(jìn)技術(shù)創(chuàng)新[5]。另一方面，數(shù)字產(chǎn)業(yè)集聚也可能通過勞動力儲備、中間投入共享以及知識溢出效應(yīng)放大具有強(qiáng)大網(wǎng)絡(luò)效應(yīng)和數(shù)據(jù)優(yōu)勢的數(shù)字產(chǎn)業(yè)企業(yè)進(jìn)入其他領(lǐng)域的技術(shù)優(yōu)勢，增強(qiáng)其市場勢力，對制造業(yè)企業(yè)產(chǎn)生明顯的技術(shù)沖擊[6]。負(fù)面技術(shù)沖擊的存在可能導(dǎo)致制造業(yè)企業(yè)在成功轉(zhuǎn)型升級前就被市場淘汰，不利于營造良好的競爭環(huán)境，進(jìn)而抑制技術(shù)創(chuàng)新。因此，在當(dāng)前各省市地方政府大力推動數(shù)字產(chǎn)業(yè)集聚的背景下，有必要深入探討數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響效果以及背后的微觀作用機(jī)制，為優(yōu)化我國數(shù)字產(chǎn)業(yè)布局以充分發(fā)揮數(shù)字產(chǎn)業(yè)賦能制造業(yè)轉(zhuǎn)型升級提供經(jīng)驗證據(jù)。

與此同時，數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響可能會因制造業(yè)企業(yè)所處行業(yè)特征差異而呈現(xiàn)出異質(zhì)性。數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的負(fù)面技術(shù)沖擊主要源于數(shù)字產(chǎn)業(yè)企業(yè)能更有效地借助新的數(shù)字技術(shù)降低成本[7]。對于數(shù)字化程度較低行業(yè)中的制造業(yè)企業(yè)而言，其技術(shù)劣勢更大，更可能受到數(shù)字產(chǎn)業(yè)集聚的不利影響。同時，較低的數(shù)字知識儲備使其難以有效利用數(shù)據(jù)資本進(jìn)行研發(fā)活動，同時限制了利用數(shù)字相關(guān)通用技術(shù)的能力，降低與其他企業(yè)進(jìn)行知識交流的效率，因此數(shù)字產(chǎn)業(yè)集聚對這類企業(yè)積極影響相對有限?；诖?，本文將進(jìn)一步探討數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新影響的行業(yè)異質(zhì)性，以期更客觀地揭示數(shù)字產(chǎn)業(yè)集聚的技術(shù)創(chuàng)新效應(yīng)。

隨著新經(jīng)濟(jì)地理—增長模型的興起，產(chǎn)業(yè)集聚帶來的空間效率與區(qū)域不平衡問題成為主流經(jīng)濟(jì)學(xué)領(lǐng)域的研究熱點。雖然根據(jù)“涓滴效應(yīng)”理論，產(chǎn)業(yè)集聚對周邊地區(qū)技術(shù)創(chuàng)新存在正向溢出效應(yīng)，但近年來的研究表明上述結(jié)論并不總是成立的。鄰近政府的盲從效應(yīng)會弱化正向空間溢出效應(yīng)，甚至因重復(fù)建設(shè)導(dǎo)致產(chǎn)業(yè)結(jié)構(gòu)的同質(zhì)化，不利于區(qū)域分工和協(xié)作機(jī)制發(fā)揮作用，進(jìn)而制約周邊地區(qū)高質(zhì)量發(fā)展[8][9]。那么，當(dāng)前我國各省市興建數(shù)字產(chǎn)業(yè)園、推動數(shù)字產(chǎn)業(yè)集聚對周邊地區(qū)制造業(yè)技術(shù)創(chuàng)新存在何種空間溢出效果？是否可能存在不利影響？這些都值得進(jìn)一步探究。

基于上述研究目的，本文通過構(gòu)建省(直轄市)數(shù)字產(chǎn)業(yè)集聚指數(shù)，并利用2013—2017年我國A股制造業(yè)上市企業(yè)數(shù)據(jù)，實證探討數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響及其行業(yè)異質(zhì)性，并從數(shù)據(jù)資本和技術(shù)溢出兩個渠道探究數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的作用機(jī)制。在此基礎(chǔ)上，本文進(jìn)一步探討了數(shù)字產(chǎn)業(yè)集聚對地區(qū)制造業(yè)技術(shù)創(chuàng)新的空間溢出效應(yīng)。

本文的主要貢獻(xiàn)在于：第一，現(xiàn)有研究從理論和實證兩個角度探究了數(shù)字經(jīng)濟(jì)發(fā)展對制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響[10][11]，但少有研究從經(jīng)濟(jì)集聚的角度探討兩者的關(guān)聯(lián)。本文以數(shù)字產(chǎn)業(yè)集聚為切入點，從集聚經(jīng)濟(jì)理論的角度豐富和拓展了數(shù)字經(jīng)濟(jì)影響制造業(yè)企業(yè)技術(shù)創(chuàng)新領(lǐng)域的研究。第二，現(xiàn)階段數(shù)字經(jīng)濟(jì)發(fā)展對制造業(yè)企業(yè)技術(shù)創(chuàng)新影響的研究，主要從降低成本、技術(shù)溢出、信息溝通以及減輕融資約束等角度分析作用機(jī)制[7][12]，對于數(shù)據(jù)資本這一數(shù)字經(jīng)濟(jì)發(fā)展時代的關(guān)鍵要素鮮有關(guān)注②。本文將探討數(shù)字產(chǎn)業(yè)集聚影響制造業(yè)企業(yè)技術(shù)創(chuàng)新的數(shù)據(jù)資本渠道，從數(shù)據(jù)資本的角度豐富數(shù)字產(chǎn)業(yè)集聚影響制造業(yè)企業(yè)技術(shù)創(chuàng)新的作用機(jī)制研究。第三，探討地方數(shù)字產(chǎn)業(yè)集聚對區(qū)域技術(shù)創(chuàng)新的空間溢出效應(yīng)，為各地政府統(tǒng)籌協(xié)調(diào)數(shù)字產(chǎn)業(yè)建設(shè)政策提供經(jīng)驗支持。

二、理論分析與實證假設(shè)

理論上，數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新同時存在促進(jìn)和抑制效應(yīng)。促進(jìn)效應(yīng)的發(fā)揮主要通過兩種渠道：其一，數(shù)字產(chǎn)業(yè)集聚能為制造業(yè)企業(yè)創(chuàng)新提供所需的數(shù)據(jù)資本進(jìn)而提高企業(yè)創(chuàng)新效率，推動技術(shù)創(chuàng)新。數(shù)據(jù)資本是指以現(xiàn)代信息網(wǎng)絡(luò)和各類型數(shù)據(jù)庫為重要載體，基于信息和通信技術(shù)的充分?jǐn)?shù)字化、生產(chǎn)要素化的信息和數(shù)據(jù)[3]。一直以來，數(shù)據(jù)的價值都是學(xué)者們關(guān)注的重點。近年來，隨著數(shù)字經(jīng)濟(jì)的發(fā)展，數(shù)據(jù)的價值得到了進(jìn)一步體現(xiàn)。例如電商平臺的數(shù)據(jù)分析使其可以精準(zhǔn)獲取消費者購買習(xí)慣，從而識別消費者所需的產(chǎn)品缺口，把握創(chuàng)新方向；交通數(shù)據(jù)有助于生成自動駕駛算法，實現(xiàn)技術(shù)突破；政府部門大數(shù)據(jù)的使用有助于促進(jìn)人工智能的創(chuàng)新發(fā)展[13]。數(shù)據(jù)成為了一種新的生產(chǎn)要素，與勞動力、土地等其他要素一起融入經(jīng)濟(jì)價值創(chuàng)造的過程。有些研究發(fā)現(xiàn)美國政府對數(shù)據(jù)開發(fā)和訪問的支持能夠提升美國企業(yè)的競爭優(yōu)勢[14]。有學(xué)者認(rèn)為企業(yè)研發(fā)活動中增加數(shù)據(jù)資本的投入有助于提升企業(yè)創(chuàng)新效率，更可能產(chǎn)生創(chuàng)新型突破[3]。但并非所有的數(shù)據(jù)都能作為數(shù)據(jù)資本投入創(chuàng)新活動。雖然各家企業(yè)在運營活動中都能產(chǎn)生海量的原始數(shù)據(jù)，但這類原始數(shù)據(jù)并不能直接使用，而是要經(jīng)過挖掘、清洗、處理乃至分析后才能成為能夠?qū)ζ髽I(yè)經(jīng)營決策提供價值的數(shù)據(jù)資本，其中蘊含數(shù)字勞動的持續(xù)性投入[3][15]。數(shù)字產(chǎn)業(yè)企業(yè)依托數(shù)字化技術(shù)優(yōu)勢能夠更快捷、準(zhǔn)確地處理海量數(shù)據(jù)信息，分析其中蘊含的知識并將其轉(zhuǎn)化為可供使用的數(shù)據(jù)資本。同時數(shù)字產(chǎn)業(yè)集聚形成的網(wǎng)絡(luò)效應(yīng)又能進(jìn)一步推動數(shù)據(jù)資本積累，為區(qū)域內(nèi)的制造業(yè)企業(yè)提供創(chuàng)新所需的數(shù)據(jù)資本投入，進(jìn)而增強(qiáng)制造業(yè)企業(yè)的創(chuàng)新效率，推動技術(shù)創(chuàng)新。

其二，數(shù)字產(chǎn)業(yè)集聚能通過增強(qiáng)企業(yè)間的技術(shù)溢出效應(yīng)降低制造業(yè)企業(yè)面臨的研發(fā)不確定性，進(jìn)而促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。企業(yè)的知識來源于內(nèi)部知識儲備和外部知識獲取兩個渠道，而后者主要從企業(yè)間頻繁的知識互動、業(yè)務(wù)往來產(chǎn)生的技術(shù)溢出中獲取。一方面，數(shù)字產(chǎn)業(yè)集聚能夠促進(jìn)高素質(zhì)信息化人才集聚，依托人才流動增強(qiáng)數(shù)字產(chǎn)業(yè)與制造業(yè)之間的知識傳遞[4]。另一方面，數(shù)字產(chǎn)業(yè)集聚能有效促進(jìn)地區(qū)內(nèi)數(shù)字相關(guān)通用性技術(shù)創(chuàng)新增長[2]，區(qū)域內(nèi)制造業(yè)企業(yè)能更容易地獲取先進(jìn)的數(shù)字相關(guān)通用技術(shù)，提高信息的交流效率和傳播速度，進(jìn)而提升企業(yè)間的技術(shù)溢出水平[5]。企業(yè)間技術(shù)知識的互補有助于降低制造業(yè)企業(yè)創(chuàng)新面臨的不確定性，從而促進(jìn)企業(yè)創(chuàng)新。有學(xué)者從成本、及時性以及質(zhì)量三個方面探究了互聯(lián)網(wǎng)對創(chuàng)新效率的影響，發(fā)現(xiàn)互聯(lián)網(wǎng)能通過提高企業(yè)的知識吸收能力提升企業(yè)研發(fā)效率[16]。此外，互聯(lián)網(wǎng)的廣泛使用有助于提高前沿研發(fā)知識的溢出速度[17]。還有學(xué)者認(rèn)為互聯(lián)網(wǎng)通過在應(yīng)用部門的前向創(chuàng)新關(guān)聯(lián)溢出，以及在研發(fā)部門的后向創(chuàng)新關(guān)聯(lián)溢出渠道促進(jìn)企業(yè)創(chuàng)新[18]。

然而，數(shù)字產(chǎn)業(yè)集聚也可能對制造業(yè)企業(yè)技術(shù)創(chuàng)新產(chǎn)生抑制效應(yīng)。隨著數(shù)字經(jīng)濟(jì)的發(fā)展，數(shù)字產(chǎn)業(yè)企業(yè)具有的數(shù)字技術(shù)優(yōu)勢更有助于其低成本地滿足多元化的消費需求。同時網(wǎng)絡(luò)效應(yīng)使數(shù)字產(chǎn)業(yè)企業(yè)在滲透其他市場時具有較強(qiáng)的競爭能力，與制造業(yè)企業(yè)形成非對稱的競爭格局，甚至獲得壟斷地位[19]。因此，區(qū)域內(nèi)數(shù)字產(chǎn)業(yè)集聚可能導(dǎo)致制造業(yè)企業(yè)面臨過強(qiáng)競爭壓力，擠壓其生存空間，甚至使其在尚未完成創(chuàng)新轉(zhuǎn)型前就被擠出市場[6]。當(dāng)制造業(yè)企業(yè)預(yù)期到通過創(chuàng)新獲得競爭優(yōu)勢前就可能退出市場時，會降低企業(yè)在事前從事高投入、高風(fēng)險研發(fā)活動的動力，進(jìn)而抑制制造業(yè)企業(yè)技術(shù)創(chuàng)新。

盡管數(shù)字產(chǎn)業(yè)集聚有可能對制造業(yè)企業(yè)技術(shù)創(chuàng)新帶來促進(jìn)和抑制兩種相反的效應(yīng)，但其影響結(jié)果可能與數(shù)字產(chǎn)業(yè)集聚程度有關(guān)。當(dāng)數(shù)字產(chǎn)業(yè)集聚程度較低時，數(shù)字產(chǎn)業(yè)集聚形成的網(wǎng)絡(luò)優(yōu)勢并不足以構(gòu)成壟斷，向生產(chǎn)生活等制造業(yè)領(lǐng)域滲透的程度相對較小，因此對制造業(yè)企業(yè)創(chuàng)新的沖擊較弱，促進(jìn)效應(yīng)占據(jù)主導(dǎo)地位。而隨著數(shù)字產(chǎn)業(yè)集聚程度的不斷提升，數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)將不斷下降。一方面，與其他要素投入一樣，數(shù)據(jù)資本同樣具有邊際遞減效應(yīng)，當(dāng)制造業(yè)企業(yè)研發(fā)對數(shù)據(jù)資本的需求達(dá)到“峰值”后，單位數(shù)據(jù)資本投入的創(chuàng)新效用會逐漸下降。另一方面，技術(shù)溢出渠道的積極作用受制造業(yè)企業(yè)吸收能力的約束，當(dāng)達(dá)到一定溢出水平后對技術(shù)創(chuàng)新的促進(jìn)效應(yīng)有限。與此同時，數(shù)字產(chǎn)業(yè)集聚水平的增加也將進(jìn)一步強(qiáng)化數(shù)字產(chǎn)業(yè)企業(yè)進(jìn)入其他領(lǐng)域的優(yōu)勢，出現(xiàn)強(qiáng)者越強(qiáng)的“馬太效應(yīng)”，甚至形成壟斷，從而表現(xiàn)為抑制效應(yīng)占主導(dǎo)。由于我國近年來才開始打造數(shù)字產(chǎn)業(yè)集聚區(qū)，現(xiàn)階段數(shù)字產(chǎn)業(yè)集聚水平相對較低，因此本文預(yù)期當(dāng)前我國數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)占據(jù)主導(dǎo)地位，據(jù)此提出如下假設(shè)：

假設(shè)H1：數(shù)字產(chǎn)業(yè)集聚有助于促進(jìn)我國制造業(yè)企業(yè)技術(shù)創(chuàng)新。

假設(shè)H2：數(shù)字產(chǎn)業(yè)集聚通過數(shù)據(jù)資本和技術(shù)溢出渠道促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。

三、研究設(shè)計

(一)數(shù)據(jù)來源

本文通過構(gòu)建省(直轄市)數(shù)字產(chǎn)業(yè)集聚指標(biāo)，以2013—2017年中國A股制造業(yè)行業(yè)上市公司為研究對象，同時基于本文的研究目的剔除屬于數(shù)字產(chǎn)業(yè)的計算機(jī)、通信和其他電子設(shè)備制造業(yè)企業(yè)樣本。選擇2013年作為研究起點是因為本文構(gòu)建數(shù)字產(chǎn)業(yè)集聚指標(biāo)的數(shù)據(jù)在2013年前存在較多缺失值。選擇2017年作為研究終點是因為本文采用當(dāng)年申請專利最終被授權(quán)的數(shù)量衡量核心被解釋變量企業(yè)技術(shù)創(chuàng)新，由于專利申請和專利最終獲得授權(quán)之間存在一定時間差異，因此參考相關(guān)研究[20]，將2017作為截止年份。在此基礎(chǔ)上，剔除上市狀態(tài)為終止上市、*ST、暫停上市、ST以及退市整理期的樣本數(shù)據(jù)。所有連續(xù)變量均按照上下1%的水平進(jìn)行了Winsorize處理。本文企業(yè)層面的數(shù)據(jù)主要來源于國泰安數(shù)據(jù)庫(以下簡稱CSMAR)、數(shù)字產(chǎn)業(yè)集聚指標(biāo)構(gòu)建的原始數(shù)據(jù)以及省份(直轄市)層面的數(shù)據(jù)主要來源于中經(jīng)網(wǎng)和國家統(tǒng)計局網(wǎng)站。本文主要采用Stata 16進(jìn)行數(shù)據(jù)處理以及回歸分析。

(二)變量選擇

1.被解釋變量：企業(yè)創(chuàng)新

參考相關(guān)研究[20][21]，鑒于專利申請和授權(quán)之間存在時滯，本文采用上市公司及其子公司專利申請最終授權(quán)數(shù)量的對數(shù)值作為企業(yè)創(chuàng)新的代理變量(記為Patent1)。為了更好地刻畫企業(yè)創(chuàng)新的質(zhì)量，參考現(xiàn)有研究的常規(guī)做法，本文進(jìn)一步采用上市公司及其子公司發(fā)明專利③申請最終授權(quán)數(shù)量的對數(shù)值衡量企業(yè)技術(shù)創(chuàng)新(記為Patent2)。在穩(wěn)健性檢驗部分，我們還將采用上市公司及其子公司專利和發(fā)明專利申請數(shù)量、上市公司自身專利和發(fā)明專利申請最終授權(quán)數(shù)量、上市公司及其關(guān)聯(lián)公司(子公司、聯(lián)營公司、合營公司)專利和發(fā)明專利申請最終授權(quán)數(shù)量以及企業(yè)研發(fā)投入占比作為企業(yè)創(chuàng)新的代理變量進(jìn)行穩(wěn)健性檢驗。

2.核心解釋變量：數(shù)字產(chǎn)業(yè)集聚

現(xiàn)階段，學(xué)術(shù)界對數(shù)字產(chǎn)業(yè)并不存在統(tǒng)一的界定，但是相關(guān)研究認(rèn)為中國信息通信研究院對數(shù)字產(chǎn)業(yè)的范疇和定義能較好反映數(shù)字產(chǎn)業(yè)的內(nèi)涵[1]。根據(jù)中國信息通信研究院對數(shù)字產(chǎn)業(yè)的界定，數(shù)字產(chǎn)業(yè)應(yīng)包括電子信息制造業(yè)、電信業(yè)、軟件和信息技術(shù)服務(wù)業(yè)以及互聯(lián)網(wǎng)行業(yè)等?；跀?shù)字產(chǎn)業(yè)的上述范圍界定，本文認(rèn)為其主要涉及信息傳輸、軟件與信息技術(shù)服務(wù)業(yè)④以及計算機(jī)、通信和其他電子設(shè)備制造業(yè)兩個行業(yè)。

參考相關(guān)研究[22][23]，本文利用區(qū)位熵方法構(gòu)建省(直轄市)數(shù)字產(chǎn)業(yè)集聚指標(biāo)：

(1)

式(1)中，EMDr,t為r地區(qū)t期數(shù)字產(chǎn)業(yè)從業(yè)人員，EMr,t為r地區(qū)t期就業(yè)人數(shù)。省(直轄市)數(shù)字產(chǎn)業(yè)就業(yè)人數(shù)采用信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)就業(yè)人數(shù)以及計算機(jī)、通信和其他電子設(shè)備制造業(yè)就業(yè)人數(shù)之和構(gòu)建，由于缺乏省(直轄市)層面計算機(jī)、通信和其他電子設(shè)備制造業(yè)總就業(yè)數(shù)據(jù)，本文采用計算機(jī)、通信和其他電子設(shè)備制造業(yè)規(guī)模以上工業(yè)企業(yè)平均用工人數(shù)替代。同時利用各省市統(tǒng)計年鑒中計算機(jī)、通信和其他電子設(shè)備制造業(yè)規(guī)模以上工業(yè)企業(yè)平均人數(shù)或者在崗職工人數(shù)對缺失數(shù)據(jù)進(jìn)行補齊。本文采用省(直轄市)層面數(shù)字產(chǎn)業(yè)集聚指標(biāo)，而非地級市層面指標(biāo)是因為在構(gòu)建地級市層面數(shù)字產(chǎn)業(yè)集聚指標(biāo)時缺乏計算機(jī)、通訊和其他電子設(shè)備制造業(yè)規(guī)模以上工業(yè)企業(yè)平均用工人數(shù)。而根據(jù)省(直轄市)層面數(shù)據(jù)，我們發(fā)現(xiàn)計算機(jī)、通信和其他電子制造業(yè)就業(yè)人數(shù)的均值高于信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)就業(yè)人數(shù)均值，因此只采用后者構(gòu)建指標(biāo)顯然會導(dǎo)致測算值與實際值存在較大偏差。

3.控制變量

本文控制了如下企業(yè)層面和地區(qū)層面變量：(1)企業(yè)年齡，采用財務(wù)數(shù)據(jù)所屬會計年度與公司成立日期之差的對數(shù)值衡量；(2)企業(yè)規(guī)模，采用總資產(chǎn)的自然對數(shù)衡量；(3)杠桿水平，采用總負(fù)債除以總資產(chǎn)構(gòu)建；(4)資產(chǎn)收益率，采用企業(yè)凈利潤除以總資產(chǎn)衡量；(5)企業(yè)成長性，采用銷售增長率衡量；(6)經(jīng)營性現(xiàn)金流占比，采用經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額與總資產(chǎn)的比重衡量；(7)流動比率，采用流動資產(chǎn)與流動負(fù)債之比衡量，流動性風(fēng)險可能抑制企業(yè)當(dāng)期的創(chuàng)新行為；(8)有形資產(chǎn)占比，采用固定資產(chǎn)凈額與總資產(chǎn)之比衡量；(9)股權(quán)性質(zhì)，股權(quán)性質(zhì)的構(gòu)建依據(jù)CSMAR數(shù)據(jù)庫中國上市公司股權(quán)性質(zhì)文件，當(dāng)企業(yè)控股股東股權(quán)性質(zhì)屬于國企時記為1，否則記為0；(10)地區(qū)經(jīng)濟(jì)發(fā)展水平，采用省(直轄市)GDP自然對數(shù)衡量。

表1為相關(guān)變量的描述性統(tǒng)計，其中專利申請授權(quán)數(shù)量的變異系數(shù)小于1，而發(fā)明專利申請授權(quán)數(shù)量的變異系數(shù)大于1，說明不同企業(yè)發(fā)明專利的申請授權(quán)數(shù)量差異相對較大。為了檢驗解釋變量之間是否存在多重共線性，本文進(jìn)行了方差膨脹因子(VIF)檢驗，結(jié)果顯示解釋變量的VIF均小于3，說明不存在明顯的多重共線性問題。

表1變量描述性統(tǒng)計

(三)模型設(shè)定

本文采用如下基準(zhǔn)模型探討數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響：

Yi,j,r,t=α0+α1Digagglomerationr,t+α2Agei,j,r,t+α3Sizei,j,r,t+α4Levi,j,r,t+α5Roai,j,r,t+

α6Growthi,j,r,t+α7Cashratioi,j,r,t+α8Liquidityi,j,r,t+α9Tangiblei,j,r,t+α10Soei,j,r,t+

α11GDPr,t+μi+νt+κj+εi,j,r,t

(2)

式(2)中，Yi,j,r,t為企業(yè)創(chuàng)新變量，Digagglomerationr,t為r省(直轄市)t期數(shù)字產(chǎn)業(yè)集聚水平，μi是企業(yè)固定效應(yīng)，νt是年份固定效應(yīng)，κj是行業(yè)固定效應(yīng)。本文關(guān)注式(2)中α1的符號方向以及顯著性水平。

四、實證結(jié)果與分析

(一)實證結(jié)果及分析

表2匯報了本文基準(zhǔn)估計的回歸結(jié)果，其中前兩列的被解釋變量為專利申請授權(quán)數(shù)量，后兩列的被解釋變量為發(fā)明專利申請授權(quán)數(shù)量。其中第(1)和第(3)列匯報了未包含其他控制變量的回歸結(jié)果，第(2)和第(4)列在前者的基礎(chǔ)上增加了控制變量?；貧w結(jié)果顯示，增加控制變量前后，數(shù)字產(chǎn)業(yè)集聚對企業(yè)創(chuàng)新的回歸系數(shù)均顯著為正，驗證了本文實證假設(shè)H1，即數(shù)字產(chǎn)業(yè)集聚能有效促進(jìn)我國制造業(yè)企業(yè)技術(shù)創(chuàng)新。

控制變量的回歸結(jié)果表明，企業(yè)的資產(chǎn)收益率、成長性的提高有助于促進(jìn)企業(yè)創(chuàng)新，而企業(yè)有形資產(chǎn)比重的增加會抑制企業(yè)技術(shù)創(chuàng)新。上述結(jié)論與現(xiàn)有研究結(jié)果保持一致。本文的實證結(jié)果還發(fā)現(xiàn)當(dāng)被解釋變量為專利申請授權(quán)數(shù)時，企業(yè)規(guī)模的回歸系數(shù)顯著為正，說明企業(yè)規(guī)模的增加有助于提高企業(yè)創(chuàng)新水平，此結(jié)論與現(xiàn)階段我們認(rèn)為中小企業(yè)的創(chuàng)新活力更強(qiáng)相悖，但這可能源于大企業(yè)可以通過并購或者合并的方式獲取創(chuàng)新資源。

表2基準(zhǔn)模型回歸結(jié)果

(二)穩(wěn)健性檢驗

為了保證本文基準(zhǔn)模型結(jié)論的穩(wěn)健性，本部分進(jìn)行了如下穩(wěn)健性檢驗：

1.替換變量法

本文的基準(zhǔn)模型部分采用的是上市公司及其子公司專利和發(fā)明專利申請最終授權(quán)數(shù)量的對數(shù)值衡量企業(yè)技術(shù)創(chuàng)新水平。相關(guān)文獻(xiàn)中，還采用了上市公司及其子公司專利和發(fā)明專利申請數(shù)量、上市公司自身專利和發(fā)明專利申請最終授權(quán)數(shù)量以及上市公司及其關(guān)聯(lián)公司(子公司、聯(lián)營公司、合營公司)專利和發(fā)明專利申請最終授權(quán)數(shù)量衡量企業(yè)創(chuàng)新[20][21]。因此，本部分采用上述六個變量作為企業(yè)創(chuàng)新的代理變量重新回歸。結(jié)果如表3第(1)～(6)列所示，其中第(1)和第(2)列的被解釋變量分別為上市公司及其子公司專利和發(fā)明專利申請數(shù)量，第(3)和第(4)列的被解釋變量分別為上市公司自身專利和發(fā)明專利申請最終授權(quán)數(shù)量，第(5)和第(6)列的被解釋變量分別為上市公司及其關(guān)聯(lián)公司專利和發(fā)明專利申請最終授權(quán)數(shù)量。回歸結(jié)果表明，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)均顯著為正，說明本文基準(zhǔn)模型的結(jié)論具有穩(wěn)健性。

此外，企業(yè)專利申請授權(quán)數(shù)以及專利申請數(shù)主要從企業(yè)創(chuàng)新產(chǎn)出的視角衡量了企業(yè)創(chuàng)新水平，但難以觀測企業(yè)對研發(fā)活動的資源投入力度。因此本部分進(jìn)一步從企業(yè)創(chuàng)新投入的視角衡量企業(yè)創(chuàng)新進(jìn)行穩(wěn)健性檢驗。我們采用企業(yè)研發(fā)投入占營業(yè)收入的占比作為企業(yè)創(chuàng)新的代理變量，數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。回歸結(jié)果如表3第(7)列所示，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)在10%的統(tǒng)計性水平上顯著為正，說明數(shù)字產(chǎn)業(yè)集聚有助于促進(jìn)制造業(yè)企業(yè)增加研發(fā)投入，進(jìn)一步驗證了本文基準(zhǔn)模型結(jié)論的穩(wěn)健性。

表3穩(wěn)健性檢驗：替換變量

2.工具變量法

雖然本文被解釋變量為企業(yè)層面的技術(shù)創(chuàng)新，而解釋變量為省(直轄市)層面的數(shù)字產(chǎn)業(yè)集聚，在一定程度上減輕了反向因果的影響，但仍不能完全排除內(nèi)生性問題。數(shù)字產(chǎn)業(yè)企業(yè)也可能出于自身業(yè)務(wù)發(fā)展需求更傾向于進(jìn)入經(jīng)濟(jì)活力較強(qiáng)的地域。如果一個地區(qū)企業(yè)創(chuàng)新水平較高往往意味著該地區(qū)的經(jīng)濟(jì)活力較強(qiáng)，從而吸引數(shù)字產(chǎn)業(yè)企業(yè)進(jìn)入該地區(qū)形成數(shù)字產(chǎn)業(yè)集聚。為了緩解上述反向因果對本文研究結(jié)論的影響，本部分我們將尋找工具變量對基準(zhǔn)模型進(jìn)行穩(wěn)健性檢驗。

參考已有研究，本文采用滯后2期至4期的省(直轄市)數(shù)字產(chǎn)業(yè)政策支持力度指數(shù)作為數(shù)字產(chǎn)業(yè)集聚的工具變量。數(shù)字產(chǎn)業(yè)政策支持力度的構(gòu)建主要是基于省(直轄市)五年規(guī)劃是否包含數(shù)字產(chǎn)業(yè)政策的內(nèi)容、政策態(tài)度以及是否為重點支持產(chǎn)業(yè)[24]。當(dāng)省(直轄市)五年規(guī)劃內(nèi)容涉及數(shù)字產(chǎn)業(yè)同時政策態(tài)度為鼓勵并且該產(chǎn)業(yè)為重點支持產(chǎn)業(yè)時,該指標(biāo)記為1，否則記為0。省(直轄市)五年規(guī)劃內(nèi)容來源于中國研究數(shù)據(jù)服務(wù)平臺(CNRDS)。一方面，地區(qū)數(shù)字產(chǎn)業(yè)支持力度越大，越有可能吸引數(shù)字產(chǎn)業(yè)進(jìn)入該地區(qū)，從而區(qū)域內(nèi)的數(shù)字產(chǎn)業(yè)集聚程度越高，滿足相關(guān)性要求。另一方面，數(shù)字產(chǎn)業(yè)政策受制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響較小，且只能通過影響當(dāng)?shù)財?shù)字產(chǎn)業(yè)發(fā)展作用于制造業(yè)企業(yè)技術(shù)創(chuàng)新，滿足外生性要求。

工具變量的回歸結(jié)果如表4所示。表4第(1)和(2)列被解釋變量分別為專利申請授權(quán)數(shù)和發(fā)明專利申請授權(quán)數(shù)。結(jié)果顯示，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)均在1%的統(tǒng)計性水平上顯著為正，說明數(shù)字產(chǎn)業(yè)集聚能有效促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新，本文基準(zhǔn)模型的結(jié)論具有穩(wěn)健性。同時， Kleibergen-Papp rk LM統(tǒng)計量、Kleibergen-Paap rk Wald F統(tǒng)計量和 Hansen J統(tǒng)計量的結(jié)果表明，工具變量滿足相關(guān)性和外生性，且不存在弱工具變量問題，表明本文工具變量的選取是合理的。

3.控制其他的固定效應(yīng)

本文基準(zhǔn)模型部分控制了企業(yè)固定效應(yīng)、行業(yè)固定效應(yīng)以及時間固定效應(yīng)，為了排除其他層面沖擊對本文研究結(jié)論的影響，首先同時控制企業(yè)固定效應(yīng)、行業(yè)固定效應(yīng)、城市固定效應(yīng)以及時間固定效應(yīng)⑤，其次控制企業(yè)固定效應(yīng)以及行業(yè)-年份固定效應(yīng)⑥進(jìn)行穩(wěn)健性分析。回歸結(jié)果如表5所示。表5第(1)列和第(3)列的被解釋變量為專利申請授權(quán)數(shù)，第(2)列和第(4)列的被解釋變量為發(fā)明專利申請授權(quán)數(shù)。結(jié)果表明，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)均在5%的統(tǒng)計性水平上顯著為正，進(jìn)一步驗證了本文基準(zhǔn)模型結(jié)論的穩(wěn)健性。

表4 穩(wěn)健性檢驗：工具變量法

表5穩(wěn)健性檢驗：控制其他固定效應(yīng)

4.采用聚類標(biāo)準(zhǔn)誤

為了避免解釋變量之間和誤差項之間在集群內(nèi)的相關(guān)性對本文研究結(jié)論的影響，本部分我們進(jìn)一步在企業(yè)層面以及企業(yè)和時間兩個層面進(jìn)行聚類處理，回歸結(jié)果如表6第(1)～(4)列所示。其中第(1)列和第(2)列是在企業(yè)層面進(jìn)行聚類處理，第(3)列和第(4)列是在企業(yè)和時間層面進(jìn)行雙重聚類處理。結(jié)果表明，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)均在5%的統(tǒng)計性水平上顯著為正，驗證了本文結(jié)論的穩(wěn)健性。

表6穩(wěn)健性檢驗：聚類標(biāo)準(zhǔn)誤和重新構(gòu)建數(shù)字產(chǎn)業(yè)集聚指標(biāo)

5.重新構(gòu)建數(shù)字產(chǎn)業(yè)集聚指標(biāo)

本文的數(shù)字產(chǎn)業(yè)主要涉及信息傳輸、軟件與信息技術(shù)服務(wù)業(yè)以及計算機(jī)、通信和其他電子設(shè)備制造業(yè)兩個行業(yè)。但計算機(jī)、通信和其他電子設(shè)備制造業(yè)中同樣存在諸多勞動密集型而非技術(shù)密集型企業(yè)，如富士康作為代工廠即表現(xiàn)出典型的勞動密集型特征。為了排除上述勞動密集型企業(yè)就業(yè)規(guī)模對本文數(shù)字產(chǎn)業(yè)集聚指標(biāo)代表性的影響，本部分我們僅采用信息傳輸、軟件與信息技術(shù)服務(wù)業(yè)就業(yè)規(guī)模構(gòu)建新的數(shù)字產(chǎn)業(yè)集聚指標(biāo)，記為DigagglomerationNew，回歸結(jié)果如表6第(5)列和第(6)列所示?；貧w結(jié)果與基準(zhǔn)結(jié)論保持一致。

(三)異質(zhì)性分析

上文驗證了現(xiàn)階段我國數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新整體上表現(xiàn)為促進(jìn)作用，但個體作用效果依賴于制造業(yè)企業(yè)自身吸收、運用技術(shù)知識的能力，因此數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)可能存在行業(yè)間的異質(zhì)性。相較而言，數(shù)字化程度較低行業(yè)中的企業(yè)由于缺乏足夠的軟硬件設(shè)備，可能難以有效利用數(shù)據(jù)資本進(jìn)行研發(fā)活動，同時較低的數(shù)字知識儲備也可能限制其吸收數(shù)字產(chǎn)業(yè)的知識外溢以及利用數(shù)字相關(guān)技術(shù)的能力，削弱其與其他企業(yè)進(jìn)行溝通交流的效率，因此數(shù)字產(chǎn)業(yè)集聚對其技術(shù)創(chuàng)新的促進(jìn)效應(yīng)相對有限。理論上數(shù)字產(chǎn)業(yè)集聚對數(shù)字化程度較高行業(yè)中的制造業(yè)企業(yè)技術(shù)創(chuàng)新的積極影響應(yīng)當(dāng)更明顯。本部分我們采用分組回歸的方式探究數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響在不同數(shù)字化程度行業(yè)間的異質(zhì)性。

我們按照行業(yè)數(shù)字化程度是否高于所有行業(yè)數(shù)字化程度的中位數(shù)對樣本進(jìn)行分析，當(dāng)行業(yè)數(shù)字化程度高于中位數(shù)時認(rèn)為其屬于數(shù)字化程度較高的行業(yè)，反之則認(rèn)為其屬于數(shù)字化程度較低的行業(yè)。其中行業(yè)數(shù)字化程度利用行業(yè)中企業(yè)數(shù)字化程度的中位數(shù)構(gòu)建⑦。參考相關(guān)研究[25]，我們采用企業(yè)與數(shù)字投資相關(guān)的軟件和硬件投資凈額占總資產(chǎn)的比重測度企業(yè)數(shù)字化程度。由于財務(wù)報表中未直接披露企業(yè)與數(shù)字相關(guān)的軟硬件投資，因此本文根據(jù)CSMAR財務(wù)報表附注數(shù)據(jù)庫中企業(yè)軟件和硬件資產(chǎn)詳細(xì)的投資條目，手工識別企業(yè)與數(shù)字相關(guān)的軟硬件投資規(guī)模。具體而言，我們將投資明細(xì)中包含軟件、域名、網(wǎng)站、OA辦公系統(tǒng)、數(shù)字化、信息化和計算機(jī)等關(guān)鍵詞的軟件投資歸為數(shù)字化軟件投資，將投資明細(xì)中包含計算機(jī)、電子設(shè)備、IP、IT、通信和信息等關(guān)鍵詞的硬件投資歸為數(shù)字化硬件投資，加總構(gòu)建企業(yè)軟硬件投資規(guī)模。

分組回歸的結(jié)果如表7所示，其中第(1)列和第(2)列的被解釋變量為專利申請授權(quán)數(shù)量，第(3)列和第(4)列的被解釋變量為發(fā)明專利申請授權(quán)數(shù)量。第(1)列和第(3)列匯報的是數(shù)字產(chǎn)業(yè)集聚對數(shù)字化程度較低行業(yè)企業(yè)技術(shù)創(chuàng)新影響的回歸結(jié)果，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)雖然為正但均不顯著，說明數(shù)字產(chǎn)業(yè)集聚并不能明顯推動我國數(shù)字化程度較低行業(yè)中的制造業(yè)企業(yè)技術(shù)創(chuàng)新。第(2)列和第(4)列匯報的是數(shù)字產(chǎn)業(yè)集聚對數(shù)字化程度較高行業(yè)企業(yè)技術(shù)創(chuàng)新的影響，回歸系數(shù)分別在5%和1%的統(tǒng)計性水平上顯著為正。上述結(jié)果說明數(shù)字產(chǎn)業(yè)集聚對我國制造業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)在數(shù)字化程度較高行業(yè)中更明顯。

表7行業(yè)異質(zhì)性分析：數(shù)字化程度

此外，為了避免數(shù)字相關(guān)的軟硬件投資關(guān)鍵詞的選擇對結(jié)果的影響，我們進(jìn)一步采用行業(yè)勞動密集度是否高于所有行業(yè)勞動密集度的中位數(shù)對樣本進(jìn)行分組回歸。相較而言，勞動密集型企業(yè)在生產(chǎn)過程中更依賴于勞動要素的投入，而較少使用資本、技術(shù)等要素，因此可能缺乏足夠的數(shù)字相關(guān)軟硬件設(shè)備和數(shù)據(jù)資本進(jìn)行研發(fā)以及足夠的技術(shù)儲備吸收其他企業(yè)的技術(shù)知識，從而削弱數(shù)字產(chǎn)業(yè)集聚對其技術(shù)創(chuàng)新的促進(jìn)效應(yīng)。參考相關(guān)研究[26]，我們采用支付給職工以及為職工支付的現(xiàn)金與銷售收入之比作為衡量企業(yè)勞動密集度的代理變量，并基于行業(yè)中企業(yè)勞動密集度的中位數(shù)構(gòu)建行業(yè)勞動密集度指數(shù)，該指數(shù)越高說明勞動密集度越大。分組回歸的結(jié)果如表8所示，其中第(1)列和第(2)列的被解釋變量為專利申請授權(quán)數(shù)量，第(3)列和第(4)列的被解釋變量為發(fā)明專利申請授權(quán)數(shù)量。第(1)列和第(3)列匯報了數(shù)字產(chǎn)業(yè)集聚對勞動密集度較高行業(yè)企業(yè)技術(shù)創(chuàng)新的影響，結(jié)果表明回歸系數(shù)雖然為正但不顯著。第(2)列和第(4)列匯報了數(shù)字產(chǎn)業(yè)集聚對勞動密集度較低行業(yè)企業(yè)技術(shù)創(chuàng)新的影響，結(jié)果表明數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)顯著為正，說明數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)在勞動密集度較低的行業(yè)中更明顯，與本文預(yù)期相符。

表8行業(yè)異質(zhì)性分析：勞動密集度

五、進(jìn)一步討論：機(jī)制分析

由上文理論分析可知，數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的促進(jìn)效應(yīng)主要通過數(shù)據(jù)資本渠道和技術(shù)溢出渠道發(fā)揮作用。因此本部分將進(jìn)一步驗證數(shù)據(jù)資本和技術(shù)溢出渠道的存在性，以期深入揭示數(shù)字產(chǎn)業(yè)集聚的微觀作用機(jī)制。

(一)數(shù)據(jù)資本渠道

本部分采用式(3)探討數(shù)據(jù)資本渠道的存在性：

Yi,j,r,t=β0+β1Digagglomerationr,t+β2Digagglomerationr,t×DigitalCapitalr,t+β3DigitalCapitalr,t+

β4Agei,j,r,t+β5Sizei,j,r,t+β6Levi,j,r,t+β7Roai,j,r,t+β8Growthi,j,r,t+β9Cashratioi,j,r,t+

β10Liquidityi,j,r,t+β11Tangiblei,j,r,t+β12Soei,j,r,t+β13GDPr,t+μi+νt+κj+εi,j,r,t

(3)

式(3)中，DigitalCapitalr,t為r省(直轄市)t期數(shù)據(jù)資本增量占GDP的比重，本部分關(guān)注數(shù)據(jù)資本增量占GDP比重與數(shù)字產(chǎn)業(yè)集聚交互項的系數(shù)β2的符號和顯著性水平。如果數(shù)據(jù)資本渠道存在，我們預(yù)期β2將顯著大于0。現(xiàn)階段數(shù)據(jù)要素并未形成統(tǒng)一的市場，難以獲取最終產(chǎn)品的價值估值，因此參考2019年加拿大統(tǒng)計局展開的數(shù)據(jù)投資經(jīng)濟(jì)價值研究[27][28]以及國內(nèi)相關(guān)研究[3]，采用成本法構(gòu)建地區(qū)數(shù)據(jù)資本增量數(shù)據(jù)，即利用數(shù)據(jù)生產(chǎn)活動中投入的人工工資、其他成本等進(jìn)行測算。由于相關(guān)數(shù)據(jù)庫中缺乏直接人工工資之外的數(shù)據(jù)，加拿大統(tǒng)計局依據(jù)客觀經(jīng)濟(jì)現(xiàn)實假設(shè)非直接工資和其他成本占工資的50%，同時還存在3%的價值加成。沿用加拿大統(tǒng)計局的相關(guān)假設(shè)，本文基于中國家庭金融調(diào)查(CHFS)2013年、2015年以及2017年的微觀數(shù)據(jù)，計算各年省(直轄市)數(shù)字產(chǎn)業(yè)平均工資⑧，其中2014年的平均工資采用2015年的數(shù)據(jù)替代，2016年的平均工資采用2017年的數(shù)據(jù)替代。隨后，我們將利用微觀調(diào)查數(shù)據(jù)計算出的平均工資水平與省(直轄市)數(shù)字產(chǎn)業(yè)就業(yè)人數(shù)相乘獲得省(直轄市)數(shù)據(jù)生產(chǎn)活動中產(chǎn)生的直接人工工資。在此基礎(chǔ)上，根據(jù)假設(shè)計算非直接工資、其他成本以及價值加成構(gòu)建數(shù)據(jù)資本增量指標(biāo)。與有形資本不一樣，數(shù)據(jù)資本在短期內(nèi)的折舊可以視為0[3]，因此本文并未考慮折舊的因素。

回歸結(jié)果如表9第(1)列和(2)列所示，結(jié)果表明數(shù)據(jù)資本增量占GDP比重與數(shù)字產(chǎn)業(yè)集聚指標(biāo)交互項的回歸系數(shù)均顯著為正，說明地區(qū)數(shù)據(jù)資本的增加會放大數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)創(chuàng)新的促進(jìn)效應(yīng)，驗證了本文數(shù)據(jù)資本渠道的存在性。

表9 機(jī)制檢驗：數(shù)據(jù)資本渠道

(二)技術(shù)溢出渠道

本部分參考相關(guān)研究[29]，使用逐步檢驗法檢驗技術(shù)溢出渠道的存在性。我們在式(2)的基礎(chǔ)上構(gòu)建式(4)和(5)：

Spilloveri,j,r,t=χ0+χ1Digagglomerationr,t+χ2Agei,j,r,t+χ3Sizei,j,r,t+χ4Levi,j,r,t+χ5Roai,j,r,t+

χ6Growthi,j,r,t+χ7Cashratioi,j,r,t+χ8Liquidityi,j,r,t+χ9Tangiblei,j,r,t+

χ10Soei,j,r,t+χ11GDPr,t+μi+νt+κj+εi,j,r,t

(4)

Yi,j,r,t=γ0+γ1Spilloveri,j,r,t+γ2Digagglomerationr,t+γ3Agei,j,r,t+γ4Sizei,j,r,t+γ5Levi,j,r,t+

γ6Roai,j,r,t+γ7Growthi,j,r,t+γ8Cashratioi,j,r,t+γ9Liquidityi,j,r,t+γ10Tangiblei,j,r,t+

γ11Soei,j,r,t+γ12GDPr,t+μi+νt+κj+εi,j,r,t

(5)

式(4)和(5)中，Spilloveri,j,r,t代表企業(yè)的技術(shù)溢出程度。本文基準(zhǔn)模型已經(jīng)驗證數(shù)字產(chǎn)業(yè)集聚有助于促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新，因此本部分我們主要關(guān)注式(4)中數(shù)字產(chǎn)業(yè)集聚前的系數(shù)χ1以及式(5)中技術(shù)溢出前的系數(shù)γ1。如果χ1和γ1均顯著，就說明數(shù)字產(chǎn)業(yè)集聚能有效增強(qiáng)企業(yè)間的技術(shù)溢出效應(yīng)，同時企業(yè)間技術(shù)溢出效應(yīng)能夠顯著促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新，本文的技術(shù)溢出渠道存在。

參考相關(guān)研究[30]，本文采用上市公司和子公司與其他公司聯(lián)合專利申請授權(quán)數(shù)衡量企業(yè)的技術(shù)溢出水平，相關(guān)數(shù)據(jù)來源于CNRDS數(shù)據(jù)庫。表10的第(1)列匯報了式(4)的回歸結(jié)果，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)在1%的統(tǒng)計性水平上顯著為正，說明地區(qū)數(shù)字產(chǎn)業(yè)集聚能有效促進(jìn)技術(shù)溢出。表10第(2)列和第(3)列分別匯報了當(dāng)被解釋變量為專利申請授權(quán)數(shù)量和發(fā)明專利申請授權(quán)數(shù)量時，式(5)的回歸結(jié)果。兩列中技術(shù)溢出的系數(shù)均在1%的水平上顯著為正，表明技術(shù)溢出水平的增加能有效促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新。上述結(jié)果說明數(shù)字產(chǎn)業(yè)集聚能通過促進(jìn)企業(yè)技術(shù)溢出推動制造業(yè)企業(yè)技術(shù)創(chuàng)新，驗證了數(shù)字產(chǎn)業(yè)集聚技術(shù)溢出渠道的存在性。表9和表10的結(jié)果驗證了本文實證假設(shè)H2。

表10 機(jī)制檢驗：技術(shù)溢出渠道

六、進(jìn)一步分析：空間溢出效應(yīng)

本部分采用如下空間計量模型進(jìn)一步探討數(shù)字產(chǎn)業(yè)集聚對周邊地區(qū)制造業(yè)技術(shù)創(chuàng)新可能存在的空間溢出效應(yīng)。

Yr,t=δ0+δ1wv,rYr,t+δ2Digagglomerationr,t+δ3wv,rDigagglomerationr,t+δx∑CV+

δθwv,r∑CV+?t+εi,j,t

(6)

式(6)中，wv,r代表空間權(quán)重矩陣，我們采用“0-1”鄰接矩陣作為本部分空間權(quán)重矩陣⑨。我們將各省(直轄市)制造業(yè)企業(yè)專利申請授權(quán)數(shù)量和發(fā)明專利申請授權(quán)數(shù)量加總后的對數(shù)值作為被解釋變量。本文基準(zhǔn)模型部分關(guān)注企業(yè)微觀層面的特征變量，而本部分關(guān)注的是地區(qū)層面數(shù)字產(chǎn)業(yè)集聚對地區(qū)制造業(yè)企業(yè)技術(shù)創(chuàng)新的空間溢出效應(yīng)，因此參考相關(guān)研究[31][32]，式(6)選擇地區(qū)GDP對數(shù)值(GDP)、人口規(guī)模對數(shù)值(POP)、人口自然增長率(POPG)、高等院校數(shù)量(School)、政府財政科教支出占比(Education)以及外商投資占GDP比重(Foreign)作為控制變量。

本文采用莫蘭指數(shù)檢驗了省(直轄市)專利數(shù)量和數(shù)字產(chǎn)業(yè)集聚變量的空間自相關(guān)性，結(jié)果顯示數(shù)字產(chǎn)業(yè)集聚呈現(xiàn)空間集聚態(tài)勢，且通過顯著性檢驗，而專利數(shù)量并沒有表現(xiàn)出明顯的空間集聚或擴(kuò)散。同時，根據(jù)LM檢驗和LR檢驗結(jié)果(見表11)，我們選擇空間杜賓模型進(jìn)行回歸，即式(6)中同時包含被解釋變量和解釋變量的空間交互項。

表11 面板模型的檢驗結(jié)果

空間計量模型的回歸結(jié)果如表12所示。結(jié)果顯示數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)顯著為正，同時數(shù)字產(chǎn)業(yè)集聚的空間交互項的回歸系數(shù)顯著為負(fù)，表明數(shù)字產(chǎn)業(yè)集聚對地區(qū)制造業(yè)技術(shù)創(chuàng)新存在明顯的空間溢出效應(yīng)。此外，參考已有文獻(xiàn)的處理方法[22]，我們采用偏微分分解方法分析了數(shù)字產(chǎn)業(yè)集聚對制造業(yè)技術(shù)創(chuàng)新的直接效應(yīng)和間接效應(yīng)。直接效應(yīng)結(jié)果顯示，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)顯著為正，同時間接效應(yīng)結(jié)果顯示，數(shù)字產(chǎn)業(yè)集聚的回歸系數(shù)顯著為負(fù)，說明地區(qū)數(shù)字產(chǎn)業(yè)集聚程度的增加對本地制造業(yè)技術(shù)創(chuàng)新存在明顯的推動效應(yīng)，但是對鄰近地區(qū)制造業(yè)技術(shù)創(chuàng)新則存在顯著的抑制效應(yīng)。

表12 空間溢出效應(yīng)分析

七、結(jié)論與政策建議

本文通過構(gòu)建省(直轄市)數(shù)字產(chǎn)業(yè)集聚指標(biāo)，以我國2013—2017年A股制造業(yè)上市公司數(shù)據(jù)為研究樣本，實證探究了數(shù)字產(chǎn)業(yè)集聚對我國制造業(yè)企業(yè)技術(shù)創(chuàng)新的影響及行業(yè)間的異質(zhì)性。在此基礎(chǔ)上，本文進(jìn)一步從數(shù)據(jù)資本和技術(shù)溢出兩個方面探討了數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新的微觀作用機(jī)制。本文的實證結(jié)果表明：第一，現(xiàn)階段，我國數(shù)字產(chǎn)業(yè)集聚能有效促進(jìn)我國制造業(yè)企業(yè)的技術(shù)創(chuàng)新；第二，我國數(shù)字產(chǎn)業(yè)集聚主要對數(shù)字化程度較高行業(yè)中的制造業(yè)企業(yè)技術(shù)創(chuàng)新存在明顯的推動效應(yīng)，而對數(shù)字化程度較低行業(yè)中制造業(yè)企業(yè)的技術(shù)創(chuàng)新并不存在明顯的作用效果；第三，數(shù)字產(chǎn)業(yè)集聚主要通過增加地區(qū)數(shù)據(jù)資本以及增強(qiáng)企業(yè)間技術(shù)溢出效應(yīng)促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新；第四，數(shù)字產(chǎn)業(yè)集聚雖然對本地區(qū)制造業(yè)技術(shù)創(chuàng)新存在積極影響，但會抑制鄰近地區(qū)制造業(yè)技術(shù)創(chuàng)新發(fā)展。

本文的研究結(jié)論對推動我國數(shù)字經(jīng)濟(jì)服務(wù)實體經(jīng)濟(jì)，提升制造業(yè)企業(yè)技術(shù)創(chuàng)新水平以實現(xiàn)高質(zhì)量發(fā)展具有如下政策含義：

第一，應(yīng)進(jìn)一步推動區(qū)域數(shù)字產(chǎn)業(yè)集聚，同時注重制造業(yè)的數(shù)字化發(fā)展。本文的研究結(jié)論表明，雖然理論上數(shù)字產(chǎn)業(yè)集聚可能對制造業(yè)企業(yè)技術(shù)創(chuàng)新形成負(fù)面沖擊，但現(xiàn)階段，我國數(shù)字產(chǎn)業(yè)集聚對制造業(yè)企業(yè)技術(shù)創(chuàng)新表現(xiàn)出顯著的促進(jìn)效應(yīng)。因此政府和相關(guān)產(chǎn)業(yè)規(guī)劃部門應(yīng)當(dāng)進(jìn)一步實施積極支持政策推動數(shù)字產(chǎn)業(yè)集聚以提高地區(qū)研發(fā)效率。但本文的研究結(jié)論同樣發(fā)現(xiàn)我國數(shù)字產(chǎn)業(yè)集聚無法有效提升數(shù)字化程度較低行業(yè)中企業(yè)的創(chuàng)新。因此，政府在實施相關(guān)產(chǎn)業(yè)政策、關(guān)注數(shù)字經(jīng)濟(jì)發(fā)展時，應(yīng)同時關(guān)注數(shù)字化程度較低的制造業(yè)企業(yè)轉(zhuǎn)型面臨的困境，采取適當(dāng)?shù)母深A(yù)手段幫助其提高數(shù)字化程度、降低數(shù)字產(chǎn)業(yè)集聚對其可能存在的負(fù)面影響，幫助其創(chuàng)新轉(zhuǎn)型，實現(xiàn)高質(zhì)量發(fā)展。

第二，應(yīng)大力推動數(shù)據(jù)資本市場建設(shè)，加快數(shù)據(jù)資本積累。本文的理論分析和機(jī)制檢驗表明數(shù)字產(chǎn)業(yè)集聚可以通過增加區(qū)域數(shù)據(jù)資本推動制造業(yè)企業(yè)技術(shù)創(chuàng)新，因此提高數(shù)字產(chǎn)業(yè)集聚帶動的數(shù)據(jù)資本增加效率有助于高效發(fā)揮數(shù)字經(jīng)濟(jì)助力傳統(tǒng)經(jīng)濟(jì)轉(zhuǎn)型的積極影響。雖然在數(shù)字經(jīng)濟(jì)不斷發(fā)展的當(dāng)下，數(shù)據(jù)資本作為一種新的生產(chǎn)要素已經(jīng)達(dá)成了共識，但由于其與土地、勞動力等生產(chǎn)要素不同，具有非排他性的特征，因此如何界定其產(chǎn)權(quán)所有、如何評估數(shù)據(jù)資本價值仍存在較大提升空間。數(shù)據(jù)市場制度不足可能阻礙數(shù)據(jù)資本積累。因此，政府和相關(guān)決策部門應(yīng)盡快完善相關(guān)法律、行業(yè)規(guī)則和定價方法以提升社會數(shù)據(jù)資源價值，從而提高數(shù)字產(chǎn)業(yè)集聚促進(jìn)制造業(yè)企業(yè)技術(shù)創(chuàng)新的效率和質(zhì)量，助力經(jīng)濟(jì)高質(zhì)量發(fā)展。

第三，地方政府應(yīng)關(guān)注數(shù)字產(chǎn)業(yè)集聚的空間溢出效應(yīng)，統(tǒng)籌協(xié)調(diào)地區(qū)間數(shù)字產(chǎn)業(yè)政策。本文的研究發(fā)現(xiàn)數(shù)字產(chǎn)業(yè)集聚具有明顯的空間溢出效應(yīng)，雖然對本地區(qū)制造業(yè)技術(shù)創(chuàng)新存在積極影響，但是不利于鄰近地區(qū)制造業(yè)技術(shù)創(chuàng)新的發(fā)展。因此各地政府在實施數(shù)字產(chǎn)業(yè)政策時，應(yīng)充分考慮政策可能存在的外部性，與周邊地區(qū)地方政府共同商討、協(xié)調(diào)以達(dá)成共贏目的。

注釋：

①本文中的制造業(yè)不包含屬于數(shù)字產(chǎn)業(yè)的計算機(jī)、通信和其他電子設(shè)備制造業(yè)。

②徐翔和趙墨非(2020)首次構(gòu)建了包含數(shù)據(jù)資本的經(jīng)濟(jì)增長模型[3]，在生產(chǎn)函數(shù)中引入數(shù)據(jù)資本這一新的生產(chǎn)要素。但除此之外鮮少有研究關(guān)注數(shù)據(jù)資本作為企業(yè)要素投入在創(chuàng)新過程中的重要作用。

③我國專利分類分為發(fā)明專利、實用新型專利以及外觀設(shè)計專利三種類型，其中發(fā)明專利相較于其余兩種的研發(fā)難度更高，能更好刻畫企業(yè)創(chuàng)新的質(zhì)量。

④包含電信、廣播電視和衛(wèi)星傳輸服務(wù)、互聯(lián)網(wǎng)和相關(guān)服務(wù)以及軟件和信息技術(shù)服務(wù)業(yè)。

⑤雖然控制了企業(yè)層面的固定效應(yīng)已經(jīng)在很大程度上控制了行業(yè)固定效應(yīng)和城市固定效應(yīng)，但為了穩(wěn)健起見，我們?nèi)赃M(jìn)行了相應(yīng)回歸分析。

⑥樣本期間，企業(yè)所處行業(yè)環(huán)境、規(guī)則等可能發(fā)生持續(xù)性的不易被衡量的改變，這些改變同樣會影響企業(yè)技術(shù)創(chuàng)新，因此在模型中控制了行業(yè)和年份的交互固定效應(yīng)。

⑦我們采用財務(wù)報表附注中的相關(guān)信息識別企業(yè)數(shù)字化程度，存在部分企業(yè)未詳細(xì)披露的情況，此時如果以企業(yè)層面的數(shù)字化水平劃分樣本會導(dǎo)致樣本選擇偏誤。而本文采用匯報了詳細(xì)信息的企業(yè)的中位數(shù)構(gòu)建行業(yè)數(shù)字化程度，則有助于在一定程度上減輕樣本偏誤的影響。

⑧微觀調(diào)查數(shù)據(jù)中存在調(diào)研異常值，因此我們刪除其中居民工資為0的樣本，同時對異常值采取截尾處理。

⑨由于不能存在孤島，所以本文將海南省認(rèn)定為與廣東省接壤。同時本文基準(zhǔn)回歸采用2013—2017年數(shù)據(jù)，但省份層面2017年數(shù)據(jù)存在缺失值，為了滿足空間矩陣對稱性的特點，本部分的回歸僅采用2013—2016年省份面板數(shù)據(jù)。