一、引言

中共十八提出实施创新驱动发展战略，强调科技创新必须摆在国家发展全局的核心位置。根据《国家创新驱动发展战略纲要》的规划，我国将逐步提高国家创新能力，并在2050年建设成世界科技创新强国，成为世界主要科学中心和创新高地。因此，如何促进创新成为学术界关注的一个焦点(柳卸林等，2017；张杰等，2020；苏昕、周升师，2019)。同时，随着数字技术的发展及运用，数字经济在国民经济发展中扮演着越来越重要的角色。根据《中国互联网发展报告2020》的研究，中国数字经济规模在2019年达到35.8万亿元，占当年GDP的36.4%。然而，数字经济对经济社会的影响具有两面性(Chen，2020；姜松、徐鑫，2020；赵涛等，2020)。在此背景下，研究数字经济对区域创新的影响，厘清其背后的影响机制，对构建数字经济时代区域创新体系及实现国家创新驱动发展战略具有重要的意义。

我们认为数字经济的发展可以促进区域创新。一方面，创新过程及创新产出的特点，使得创新活动面临较大的融资约束(Hall and Lerner, 2010)。数字经济发展过程中伴随着信息的快速流动，降低了信息的搜寻成本，从而有利于降低经济主体之间的信息不对称(祁怀锦等，2020)。信息不对称的降低可以帮助投资者更好地对创新项目的可行性及创新主体的信用情况进行评估，有利于创新主体获得外部融资，缓解创新活动面临的融资约束，从而促进区域创新。另一方面，创新产出作为一个非竞争性知识产品，良好的知识产权保护可以为创新活动提供有效的激励(Kanwar and Evenson, 2003；Fang et al., 2017)。数字经济的发展使得创新成果被侵占的风险及面临的损失变大，这使得创新主体会更加主动地使用知识产权法律赋予自己的权利去维护创新利益，从而提高知识产权法律的执行水平，增强区域知识产权保护的力度，促进区域创新。

根据我国专利法，专利可以分为发明型专利、实用型专利和外观型专利。不同类型专利的原创性及投入的资源存在较大的差异(Fang et al., 2017；Tan et al., 2020；Kong et al., 2020)，这使得数字经济发展对区域创新的影响可能在不同类型的创新之间存在差异(温珺等，2019)。此外，不同地区之间数字经济的发展程度也不同(赵涛等，2020；刘军等，2020)，这可能使得数字经济对区域创新的影响在不同地区之间存在差异。

基于上述问题，本文构建了2011-2018年地级市数字经济发展指数，采用专利申请量来量化区域创新，研究了数字经济对区域创新的影响。研究发现，数字经济与区域创新之间显著的正相关，数字经济促进了区域创新。进一步研究发现，数字经济对不同类型的创新产出都具有显著的促进作用；数字经济与区域创新之间的关系在不同地区之间并不存在显著的差异。

本文关于数字经济对区域创新影响的研究在以下三个方面有所贡献：第一，本文在考虑经济金融因素对创新产出的影响具有滞后效应的基础上，以专利的申请量来量化创新产出，采用工具变量处理可能存在的内生性问题，研究了数字经济发展对区域创新的影响及相应的影响机制，进一步拓展了现有关于数字经济与区域创新之间关系的研究(温珺等，2019；熊励、蔡雪莲，2020；李雪等，2021)。第二，丰富了区域创新领域内的研究(Cook et al., 1997; Li, 2009; Fleming et al., 2007；杨思莹、李政，2020)。我们的研究结果表明，在研究区域创新时，当地的数字经济发展水平是一个需要考虑的关键因素。第三，本文的研究为数字经济时代区域创新体系的构建提供了可行的政策路径。

二、文献回顾及研究假设的提出 (一) 文献回顾

与本文相关的文献主要是关于数字经济和区域创新的研究，我们将从这两方面回顾相关已有文献。

数字经济的研究主要关注于数字经济规模的测算及数字经济对经济社会的影响。就数字经济规模的测算而言，数字经济的定义是影响数字经济规模测量的关键因素(Bukht and Heeks, 2018；García-Herrero and Xu, 2018；Brynjolfsson and Collis, 2019; Chen, 2020)。数字经济狭义的定义为信息通信技术部门的经济活动，而数字经济广义的定义为涉及到数字技术的所有经济活动(Chen, 2020)。数字经济不同的定义使得数字经济规模的测算存在较大的差异(Bukht and Heeks, 2018；Chen, 2020)。同时，不同的数字经济测量方式也是影响数字经济规模测算的重要因素(García-Herrero and Xu, 2018; 许宪春、张美惠，2020)。就数字经济对经济社会的影响而言，数字经济的影响具有两面性。一方面，数字经济的发展可以提高劳动力配置效率(丛屹、俞伯阳，2020)和就业质量(王文，2020)、提高消费者剩余(Brynjolfsson et al., 2003)，促进区域创新(温珺等，2019；熊励、蔡雪莲，2020；李雪等，2021)，缩小城乡收入差距(柳江等，2020)，提高经济发展质量(赵涛等，2020)。另一方面，数字经济的发展可能带来用户信息泄露(Chen, 2020)、雇员合法权益受损(Coyle, 2017)、企业采用定价歧视引发过度竞争，降低产品质量(王世强等，2020)，阻碍实体经济发展(姜松、孙玉鑫，2020)等负面影响。

上述研究数字经济对经济社会影响的文献中，三篇关于数字经济对区域创新影响的文献与本文研究比较相近(温珺等，2019；熊励、蔡雪莲，2020；李雪等，2021)。这些研究分别从地级市层面(温珺等，2019；熊励、蔡雪莲，2020)和省级层面(李雪等，2021)探讨了数字经济对区域创新的影响，发现数字经济有利于区域创新水平的提高。然而，上述研究存在以下问题：(1)没有解决数字经济与区域创新之间可能存在的内生性问题，如数字经济与区域创新之间可能互为因果；(2)采用专利授权数量来衡量当年的区域创新产出并不合适，因为专利的申请和授权存在一个较长的时间差，比如中国专利申请和授权之间的时间差平均为1.5年(Kong et al., 2020)，当年获得授权的专利并不能反映出当年的区域创新产出水平；(3)识别数字经济对区域创新影响的模型并不合适，他们研究了数字经济发展对当期区域创新的影响；然而，创新过程需要一定的时间，经济金融因素对创新产出的影响具有滞后效应(Adhikari and Agrawal, 2016；Chang et al., 2019；Kong et al., 2020；曹春方、张超，2020)，当年的经济金融活动一般并不能影响当期的创新产出。因此，有必要解决这些现有研究存在的问题，对数字经济与区域创新之间的关系进行更深入的研究，为数字经济时代区域创新生态系统的构建提供可靠的理论支持。

区域创新的研究主要集中在影响区域创新的因素及区域创新所带来的经济后果。就影响区域创新的因素而言，现有研究表明科研机构(Gunasekara, 2006)、企业(赵庆，2017)作为创新主体一直是影响区域创新的关键因素。同时，适当的区域创新政策(Li, 2009)、外商投资强度(Fu, 2008)、金融发展水平(赵增耀等，2016)、基础设施建设(卞元超等，2019；杨思莹、李政，2020)等也会影响区域创新水平。区域创新对经济增长的影响是区域创新领域的另一个关注点(Romer, 1986; Torres-Preciado et al., 2014; 张凡，2019)。如Torres-Preciado et al.(2014)以墨西哥为研究对象，采用空间计量方法，研究发现区域创新对区域经济增长具有一个显著的正向效应。张凡(2019)同样使用空间计量模型研究了区域创新效率与经济增长的关系，发现区域创新效率可以促进区域经济增长，但不及劳动力和资本的影响大，尚未成为区域经济增长的主要动力。随着数字技术基础设施的建设及数字技术的发展运用，数字经济成为较为活跃的经济因素。本文关于数字经济与区域创新之间关系的探讨将进一步地丰富区域创新领域内的研究。

(二) 研究假设的提出

外部融资的获得对创新活动具有重要的作用(Kerr and Nanda, 2015；Kim et al., 2016)。创新是一个长期、高风险但回报较高的过程(Holmstrom, 1989)。创新过程本身固有的这些特点使得创新主体一般难以使用自有资金进行持续的创新活动，需要从外部为创新活动融资。同时，外部投资者与创新主体之间存在着信息不对称。相对于外部投资者，创新主体对创新项目成功的可能性及创新项目的特质有着更多的信息(Hall and Lerner, 2010), 这使得外部投资者难以对创新项目的价值做出相对准确的判断，从而使得创新活动面临较大的融资约束。此外，创新主体对自身的信用水平也拥有更多的信息。外部投资者和创新主体之间的信息不对称阻碍了创新主体从外部为创新项目融资。数字经济时代，大数据、移动互联网和云计算等信息技术的运用，促进了信息的高速流动，能够有效地缓解不同经济主体之间的信息不对称(祁怀锦等，2020)。如投资者可以通过大数据等手段搜集相关信息评价创新项目成功的可能性及相应的经济价值，降低投资者和创新主体之间关于创新项目的信息不对称。此外，数字经济背景下，创新主体个人违约可能性可以通过信息技术获得其日常的电子业务数据得到有效的评估，如蚂蚁金服可以根据用户交易信息提供征信服务。数字经济使得创新主体相关信息的搜寻具有快速且低成本的特点，这将有效的缓解投资者与创新主体之间的信息不对称。信息不对称的降低有利于缓解经济主体面临的融资约束(姜付秀等，2019)，使其能够以较低成本获得外部融资(Derrien et al., 2016)。因此，数字经济的发展有利于创新主体为创新项目融资，缓解创新项目面临的融资约束，从而提高创新产出。

知识产权保护是影响创新的另一个重要的因素(Kanwar and Evenson, 2003；Fang et al., 2017；吴超鹏、唐菂，2016)。创新的前期需要资金、人力资本等资源的投入，无论创新成功与否，这些资源大部分变为沉没成本。知识产权的存在使得创新主体可以在一定时期内获得一定的垄断利润，弥补创新的前期投入(Léger，2005)。然而，创新成果是一个非竞争性知识产品，并不能排除其他利益相关者的使用(Kanwar and Evenson, 2003)。没有较好的知识产权保护，其他利益相关者可以窃取创新成果而不用付出相应的创新成本，对创新成果“免费搭便车”的现象会比较普遍，这将降低创新主体的创新动力(Smith and Mann, 2004)。因此，较好的知识产权保护有利于提高创新产出(Fang et al., 2017)。数字经济时代，信息资源快速传播，使得创新成果的获取更加的方便、快捷和低成本，创新成果面临着更大被占用的可能性(温珺等，2019)。其次，数字经济的发展，扩大了市场的范围，使得新产品面临更多的顾客和更高的需求，提高了创新带来的价值(Chen, 2020)。这也意味着数字经济背景下创新成果被侵占的创新主体面临着较以前更大的损失。因此，为了保护创新产出带来的收益，创新主体相对以前有更强的主动性通过知识产权法律赋予自己的权利去处理创新成果被侵占的问题，有利于提高知识产权保护法律的执行水平。知识产权法律的制定和知识产权法律的执行水平是知识产权保护的两个重要方面(Ang et al., 2014)。数字经济背景下，创新主体主动利用知识产权法律赋予自己的合法权利去维护自己的创新利益，有利于地区知识产权保护水平的提高，从而促进区域创新。

基于上述分析，我们认为数字经济的发展可以通过为创新项目融资和提高地区知识产权保护水平来促进区域创新。我们提出以下假设。

假设：数字经济的发展促进了区域创新。

三、研究设计 (一) 数据和样本选择

本文以2011-2018年全部地级市为初始样本。地级市专利数据来自中国研究数据服务平台(CNRDS)中的创新专利研究子库。宏观经济数据来自中国研究数据服务平台中的城市统计子库、国泰安数据库(CSMAR)中的区域经济数据库及CEIC数据库中的中国经济数据子库。我们按照以下标准对样本进行筛选：(1)剔除相关变量数据缺失的样本；(2)为缓解极端值对研究的影响，对所有连续变量在1%和99%的分位点进行缩尾处理。最终，本文得到247个地级市的1624个观测值。

(二) 变量的度量

1.区域创新

区域创新主要采用专利数量和新产品销售额来量化(Li, 2009; 温珺等，2019；李雪等，2021)。以新产品销售额来量化创新存在以下两个问题：(1)产品销售额难以区分创新类型；(2)宏观数据中新产品销售额统计的是规模以上企业的新产品销售额，只能反映出区域内小部分创新主体的创新产出，用来量化整体区域创新并不合适。因此，专利可以作为量化区域创新的一个较好指标(Li, 2009)。现有使用专利来衡量创新的研究，一般采用专利数量和专利引用率来分别衡量创新的数量和质量(Chang et al., 2019; Kong et al., 2020; Tan et al., 2020)。然而，省级知识产权局只公布区域内各地级市当年的专利申请数量和专利授权数量，并没有公布专利的引用信息，这使得本文只能使用专利数量来量化区域创新。此外，专利从申请到授权有一个时间滞后，在我国一个专利从申请到获得授权的平均年限为1.5年(Kong et al., 2020)。因此，专利的申请数量更能够较好地反映出当期的创新产出。此外，根据我国专利法，专利分为发明型专利、实用型专利和外观型专利。发明型专利的创新性最强，主要涉及到新技术的产生。实用型专利原创性不高，主要注重现有技术的运用。外观型专利主要是产品外观设计创新，创新程度最低。一般对创新的量化，只关注创新程度较高的发明型专利和实用型专利(Kong et al., 2020；Tan et al., 2020)。鉴于此，我们采用地级市发明型专利和实用型专利申请数量之和来量化当年区域的创新产出，以期较为准确地衡量区域创新。最后，借鉴Kong et al.(2020)和Chang et al.(2019)的做法，我们对专利数量取对数来量化区域创新(Innovation)。

2.数字经济

数字经济发展的测算并没有权威的指标。现有关于地级市数字经济发展的测算一般选取与数字经济相关的宏观经济指标来构建数字经济发展指数(赵涛等，2020；温珺等，2019；李雪等，2021)。虽然熊励、蔡雪莲(2020)以长三角城市群实证检验了数字经济对区域创新的影响，但他们并没有构建数字经济发展的综合指标，只是以大学生数量、高新技术企业数量、科学技术支出、科研人员数量及互联网宽带接入数来表征数字经济的不同层面。然而，这些指标较难反映出一个地区数字经济发展的综合情况。因此，借鉴赵涛等(2020)和温珺等(2019)的研究，我们构建了地级市数字经济指数去衡量数字经济发展。上述两篇文章在构建数字经济指数的基本指标类似，主要区别在于温珺等(2019)在考虑数字基础设施时以固定电话用户数作为数字基础设施的一个指标。数字经济是以先进的信息通信技术为基础发展起来的，固定电话作为较为落后的通信方式对经济的影响正在逐渐减弱(黄群慧等，2019)，固定电话用户数作为数字基础设施并不合适。因此，在选取构建数字经济指数的基础指标时，我们参考赵涛等(2020)的研究。具体来讲，我们采用互联网普及率(百人互联网接入用户数)、移动电话普及率(百人中移动电话用户数)、相关从业人员(计算机服务业和软件从业人员占总人口比例)、相关产出(人均电信业务量)和数字金融发展指数(蚂蚁金服集团和北京大学数字金融研究中心编制的普惠金融指数)作为构建数字经济指数的基础指标。

确定了构建地级市数字经济指数的基础指标后，借鉴刘军等(2020)测量省级数字经济的研究，我们采用线性无量纲法中的阈值法对上述5个基础指标的原始数据进行标准化处理。然后，借鉴赵涛等(2020)的研究，我们采用主成分分析法对已经标准化的5个指标降维处理，获得地级市数字经济发展指数。最后, 我们对地级市数字经济指数进行对数化处理(Deconomic)。

3.控制变量

借鉴以往研究，本文控制以下影响区域创新的变量：(1)经济发展水平(AGDP)，良好的经济发展水平可以为区域创新提供必要的物质基础，我们采用人均GDP取对数去控制经济发展对区域创新的影响(Papageorgiadis and Sharma, 2016)。(2)产业结构(Structure), 我们采用第二产业产值占GDP的比去控制产业结构对区域创新的影响(温珺等，2019)。(3)外商投资水平(FDI)，外商投资可能会带来技术上的溢出(Fu, 2008)，我们采用外商投资占GDP的比来控制外商投资对区域创新的影响。(4)城镇化水平(Town)，城镇化的发展也会对区域创新产生影响(卞元超等，2019)，我们采用地级市建设用地面积占市辖区面积的比来控制城镇化对区域创新的影响。(5)政府对创新的资助(Fund)，政府的创新资助可以提高创新绩效(Xu et al., 2020)，我们采用政府科学技术支出占财政总支出的比来量化地级市政府的创新资助。(6)工资水平(Wage)，高工资将为科研创新提供有效的激励(Kong et al., 2020)，我们采用地级市人均工资取对数来控制工资水平对区域创新产出的影响。(7)人力资本(Human)，人力资本是影响区域创新的一个重要因素(李雪等，2021)，我们采用区域内高等院校在校生人数占当地总人口的比例来控制人力资本水平对区域创新的影响。

(三) 实证模型

参考Kong et al.(2020)的研究，我们构建了以下模型研究数字经济对区域创新的影响。

$ \begin{array}{l} {\rm{ }}Innovation{{\rm{ }}_{i, t + 1}} = {\beta _0} + {\beta _1}{\rm{ }}Deconomic{{\rm{ }}_{i, t}} + {\beta _2}AGD{P_{i, t}} + {\beta _3}{\rm{ }}Structure{{\rm{ }}_{i, t}}\\ + {\beta _4}{\rm{ }}Town{{\rm{ }}_{i, t}} + {\beta _5}FD{I_{i, t}} + {\beta _6}{\rm{ }}Fund{{\rm{ }}_{i, t}} + {\beta _7}{\rm{ }}Wage{{\rm{ }}_{i, t}}\\ + {\beta _8}{\rm{ }}Human{{\rm{ }}_{i, t}} + {\mu _i} + {\nu _t} + {\varepsilon _{i, t}} \end{array} $

(1)

其中，i表示地级市，t表示年份。由于创新需要一定的时间，我们使用t+1期的创新产出作为被解释变量(Chang et al., 2019; Kong et al., 2020)。此外，模型中还包括了地级市固定效应(μ)去控制无法观测且不随时间变化的地级市特征和年份固定效应(υ)去控制一般时间趋势。我们感兴趣的系数为β₁，根据假设，预期β₁的回归系数显著为正。

四、实证检验 (一) 变量的描述性统计

表 1报告了本文变量的描述性统计结果。由表可知，区域创新(Innovation)的最小值为3.64，最大值为10.20，说明地区间创新产出存在较大差异。其次，数字经济指数(Deconomic)的最小值为0.63，最大值为2.38，表明区域间的数字经济发展不平衡。从图 1可以发现，虽然整体上，数字经济在不同地区的发展呈现上升趋势，但东部地区数字经济的发展进程明显高于中西部地区，中西部地区数字经济发展进程较为接近。这也与实际情况相符，东部地区具有较好的信息通信基础设施及技术储备，信息科技巨头也一般位于东部(如华为、腾讯和阿里巴巴等)，使得东部地区的数字经济发展更快。^①同时，我们可以看到，政府的创新资助(Fund)也存在较大差异，政府创新资助投入最多的样本占到财政支出的20.68%，而最少的仅占财政支出的0.10%。

① 根据国家统计局三大地带的划分东部地区包括北京市、天津市、河北省、山东省、江苏省、浙江省、上海市、福建省、广东省、海南省，辽宁省；中部地区包括吉林省、黑龙江省、河南省、山西省、安徽省、湖北省、湖南省和江西省；其他为西部地区。具体可见国家统计局网站地区数据统计里面的三大地带划分：https://data.stats.gov.cn/easyquery.htm?cn=E0103。

(二) 主回归

表 2报告了模型(1)的回归结果。表 2的第1列，我们没有加入控制变量，只使用数字经济对区域创新进行回归，数字经济(Deconomic)的回归系数为正值且在1%的统计水平上显著，这表明了数字经济的发展促进了区域创新。表 2的第2列，我们控制了地区经济发展水平(AGDP)、产业结构(Structure)和城镇化水平(Town)，数字经济的回归系数仍旧显著为正。表 2的第3列，我们加入了所有控制变量进行回归，数字经济(Deconomic)的回归系数为正值且在1%的统计水平上显著，这支持了本文的研究假设即数字经济的发展促进了区域创新。同时，从经济学意义上来讲，数字经济发展水平提高1%，使得区域创新产出增加1.05%。

就控制变量而言，地区经济发展(AGDP)有利于区域创新水平的提高(Papageorgiadis and Sharma, 2016)。同时，我们可以发现第二产业在经济中的占比提高(Structure)促进了区域创新，这与温珺等(2019)的发现一致。此外，更高的地区工资水平(Wage)可以为创新提供更好的激励(Kong et al., 2020)。最后，地区人力资本(Human)在区域创新中同样扮演着重要角色，是提高区域创新水平的一个关键因素。

(三) 稳健性检验

表 3报告了稳健性检验的结果。在第1列，我们改变了区域创新的衡量方式，将外观型创新也考虑在内。以发明型专利、实用型专利和外观型专利申请数量的总和取对数来量化区域创新(Innovation1)。由回归结果可知，数字经济(Deconomic)的回归系数为正值且在1%的统计水平上显著，仍旧支持本文的假设。第2列，考虑到创新成果可能需要更多的时间才能研发成功，借鉴Chang et al.(2019)的研究，将区域创新产出前置两期(Innovation2)。回归结果表明数字经济的发展显著地提高了区域创新水平。第3列，考虑到高铁作为我国近些年重大的基础设施建设，促进了地区之间生产要素的流动，对区域创新产生了重大影响(卞元超等，2019；杨思莹、李政，2020)，我们进一步控制了高铁开通对区域创新的影响。具体而言，我们设置了一个虚拟变量HRS来量化高铁开通对区域创新的影响，地级市高铁开通当年及以后年份HRS的取值为1，否则为0。由回归结果可知，在控制高铁对区域创新可能产生的影响后，数字经济的回归系数显著为正，仍旧支持本文的研究假设。

(四) 内生性问题处理

上述的研究结果表明，数字经济促进了区域创新。然而，区域创新水平的提高也可以为数字经济的发展提供重要的技术支持，从而提高了数字经济的发展水平。因此，互为因果的内生性问题可能会影响本文的研究结果。借鉴黄群慧等(2019)和赵涛等(2020)的研究，我们采用工具变量的方法处理可能存在的内生性问题。具体来讲，我们采用2000年地级市每百万人拥有邮局数量作为地区数字经济发展的工具变量。一方面，邮局作为固定电话普及前人们信息沟通的主要方式，也是铺设固定电话的执行部门，邮局的分布会通过使用习惯和技术水平影响后续互联网技术的发展与应用，满足工具变量相关性要求(黄群慧等，2019；赵涛等，2020)。另一方面，历史上的邮局数量并不会影响到如今的区域创新活动，满足工具变量排他性要求。此外，该工具变量是一个截面数据，只有2000年的数据，无法直接应用于面板数据的实证分析。参考黄群慧等(2019)和赵涛等(2020)的研究，本文引入一个随时间变化的变量来构造面板工具变量。具体来讲，我们以上一年全国互联网用户比例与地级市每百万人拥有邮局数量的交互项作为工具变量(IVDeconomic)，并对该变量取对数。

工具变量回归的第一阶段结果如表 4的第1列所示，工具变量(IVDeconomic)对数字经济的回归结果显著为正值，两者之间具有很强的相关性。同时，Cragg-Donald Wald F值为129.93，表明弱工具变量的问题并不存在。工具变量回归的第二阶段结果如表 4的第2列所示，数字经济(Deconomic)的回归系数为正值且在5%的统计水平上显著，说明数字经济的发展促进了区域创新。

(五) 机制检验

我们在前文指出，数字经济可以通过为区域创新融资和提高区域知识产权保护水平来促进区域创新。本文在该部分研究数字经济影响区域创新的机制。借鉴叶康涛等(2018)的研究，我们采用如下方式进行机制检验。

$ { Channel }_{i, t+1} =\gamma_{0}+\gamma_{1} { Deconomic }_{i, t}+\gamma_{2} A G D P_{i, t}+\gamma_{3} { Structure }_{i, t} \\ +\gamma_{4} { Town }_{i, t}+\gamma_{5} F D I_{i, t}+\gamma_{6} { Fund }_{i, t}+\gamma_{7} { Wage }_{i, t} \\ +\gamma_{8} { Human }_{i, t}+\mu_{i}+\nu_{t}+\varepsilon_{i, t} $

(2)

$ Innovation _{i, t+1}=\beta_{0}+\beta_{1} Deconomic _{i, t}+\beta_{2} Channel _{i, t}+\beta_{3} A G D P_{i, t}\\ +\beta_{4} { Structure }_{i, t}+\beta_{5} { Town }_{i, t}+\beta_{6} F D I_{i, t}+\beta_{7} { Fund }_{i, t} \\ +\beta_{8} { Wage }_{i, t}+\beta_{9} { Human }_{i, t}+\mu_{i}+\nu_{t}+\varepsilon_{i, t} $

(3)

上式中i表示地级市，t表示年份。Channel为相应的机制变量，其他变量的定义和公式(1)相同。当我们检验数字经济是否可以通过为创新提供融资来促进区域创新，Channel表示融资机制，采用地级市金融机构年末总贷款除以GDP来量化(Finance)。当研究数字经济是否可以通过提高知识产权保护水平来促进区域创新时，Channel表示知识产权保护机制。借鉴吴超鹏、唐菂(2016)的研究，采用地级市法院关于知识产权一审案件的数量加1取对数来量化(IPP)。这是由于我国产权保护和法律体系建设相对于发达国家处于较低的水平(Allen et al., 2005)，较少的知识产权案件数量并不是当地知识产权保护水平较高的体现，而是知识产权保护水平较低的体现。因此，采用法院关于知识产权一审案件数来量化区域知识产权保护水平具有较大的合理性。知识产权一审案件数的数据手工搜集于北大法宝数据库。

当数字经济可以通过上述两个机制影响区域创新时，模型(2)的回归中，数字经济对相关机制的回归系数应该显著为正。同时，模型(3)的回归中，在相应的机制变量回归系数显著为正的基础上，数字经济回归系数的显著性应该降低或者回归系数的绝对值相对于表 4第2列的回归系数减小。

表 5报告了机制检验的回归结果。如表 5的第1列所示，数字经济的回归系数为正值且在1%的统计水平上显著，这表明数字经济的发展有利于区域创新融资。同时，如表 5的第2列所示，数字经济对区域知识产权保护水平的回归结果显著为正，说明数字经济的发展提高了区域知识产权保护水平。最后，表 5第3列报告了模型(3)的回归结果，可以发现区域创新融资(Finance)和知识产权保护(IPP)显著地正向影响区域创新水平。同时，虽然数字经济对区域创新的回归系数仍旧显著为正，但是回归系数的值相对于表 4的第2列减少。上述结果表明，数字经济可以通过为区域创新融资和提高区域知识产权保护水平来促进区域创新。

(六) 进一步研究

1.不同创新类型

根据我国专利法，专利可以分为发明型专利、实用型专利和外观型专利，三者创新程度存在较大差异。发明型专利是对产品、工艺或其他改进所提出的新的技术方案。实用型专利是指对产品的形状、结构或者其结合所提出的适用于实用的新技术方案。外观型专利则指对产品整体或局部的形状、图案或其结合及色彩与形状、图案结构所做出的富有美感且适用于工业应用的新设计。其中，发明型专利创新程度最高、实用型专利次之，外观型专利最低(Tan et al., 2020; Kong et al., 2020)。由于三种专利的创新性不同，研发过程中投入的资源也具有差异。数字经济的发展可能对不同类型的区域创新产生异质性影响(温珺等，2019)。表 6的前3列为数字经对三种区域创新产出的影响。其中，Invent为发明型专利申请数量取对数，Utility为实用型专利申请数量取对数，Enternal为外观型专利申请数量取对数。由回归结果可知，数字经济对不同类型区域创新的影响都显著为正，表明数字经济的发展显著地提高了三种区域创新产出。这与温珺等(2019)的研究有所区别，他们发现数字经济的发展对外观型创新的影响并不显著。然而，相对于发明型创新和实用型创新，外观型创新研发所投入的资源最少，创新程度最低，创新过程更短。这使得创新主体可以更快地将创新产出运用到产品生产中，获得创新收益，抢占市场份额。因此，数字经济时代，创新主体进行外观型创新具有技术上和经济上的合理性。

2.不同区域

从描述性统计部分的图 1，我们可以发现数字经济的发展进程在不同地区之间并不均衡，东部地区数字经济发展进程较快，而中西部地区数字经济发展进程较为相近。因此，数字经济对区域创新的影响可能在不同地区具有异质性。为了检验数字经济与区域创新之间的关系是否在不同地区存在的显著差异，我们将样本分为东部地区和非东部地区，使用模型(1)来研究数字经济对区域创新的影响。表 6的第4列报告了数字经济对区域创新的影响在东部地区的回归结果。表 6的第5列报告了数字经济对区域创新的影响在非东部地区的回归结果。由实证结果可知，数字经济对区域创新的影响在东部地区和非东部地区都显著为正，表明数字经济对区域创新的影响在不同地区之间并不存在显著的差异。

五、研究结论及政策建议

构建数字经济时代区域创新系统具有重要意义。本文采用2011-2018年地级市数据构建了地级市数字经济发展指数，研究了数字经济对区域创新的影响。研究发现数字经济促进了区域创新。

在改变区域创新的衡量方式，改变识别模型，控制高铁对区域创新的影响后，本文的研究结论仍然成立。使用地级市历史上的邮局数量作为数字经济发展的工具变量，采用2SLS工具变量回归，我们识别了数字经济与区域创新之间的因果关系。机制检验发现，数字经济可以通过为创新活动融资和提高区域知识产权保护水平来促进区域创新。进一步，我们考虑数字经济对不同类别区域创新的影响，我们发现数字经济显著的促进区域的发明型创新、实用型创新和外观型创新。同时，虽然数字经济在我国东部地区和非东部地区的发展进程存在差异，但是数字经济对区域创新的影响在东部地区和非东部地区并不存在显著的差异。

根据本文的研究发现，为了更好地构建数字经济时代背景下区域创新体系和实现国家创新驱动发展战略，政府可采取以下措施：(1)加大对数字产业的政策支持力度，加快产业数字化的步伐，加大对数字经济基础设施的建设水平，如扩大对5G基站的建设和提高对大数据、云计算、工业物联网、区块链和人工智能等领域的投资；(2)主动加强对知识产权保护的执法力度，不能仅仅依靠数字经济背景下，更大侵权风险及损失使得创新主体主动维护创新利益而促使地区知识产权水平的提高。应该主动加大对创新主体维权诉讼的支持力度，主动提高对侵害知识产权行为的惩罚力度，与创新主体一起营造尊重和保护知识产权的良好社会氛围，提高地区知识产权保护强度。(3)加大对创新活动融资的支持力度，如进一步降低对创新主体创新活动的贷款利率，积极推进专利质押融资在各地区的执行力度。同时，拓宽数字经济时代创新主体的融资渠道，如大力发展普惠金融缓解中小创新主体面临的融资约束。