一、引言

数字经济的兴起为传统经济注入了新的活力。自2008年全球金融危机之后，以互联网为代表的新一代信息技术的应用，为数字经济的发展壮大夯实了网络基础。当前，学界对于数字经济的概念并无统一标准，部分研究机构发布的《中国数字经济发展白皮书》、《G20数字经济发展与合作倡议》以及一些学者均对数字经济的概念作了相应的界定(徐翔、赵墨非，2020)。结合数字经济的内涵和发展特征，本文将数字经济定义为“以数字化的知识和信息作为关键生产要素、以数字技术为核心、以数字化平台为载体所产生的一系列经济活动的总和，既包括电子商务、网络数字平台的互联网产业，也包括传统产业的数字化转型。”因此探讨数字经济在经济实践中的作用，实则暗含数字经济的网络基础特征、信息传递功能以及最本质的数字技术能否发挥作用。2019年中国数字经济规模达35.84万亿，占GDP的比重由2005年的14.2%增加到36.2%。在此期间，《全球创新指数报告》显示中国2018年创新水平世界排名第17位，较2015年连续上升12位。中国数字经济发展与全球创新地位提升呈现的典型事实让我们不禁反问：能否依托数字经济发展赋能城市创新？如果能，数字经济赋能城市创新的内在机制又是什么？

不仅如此，当下中国经济的数字化水平还呈现两个明显特征，一是总量上出现显著的数字化分层现象，经济发展水平越高的地区数字化程度也越高；二是增速上呈现出后发追赶特征，中部地区数字化增速快速上升并逐渐超越东部。从区域创新格局的角度来说，区域间数字差异化带来的是数字福利还是数字鸿沟？中西部地区数字化增速的后发优势是否会缩小区域之间的创新差距?由于历史、经济以及地理等方面的因素，近年来南北市场经济发展差距逐渐拉大，南方市场经济领先优势明显，数字经济发展带来的知识溢出效应能否实现区域创新收敛？对于这些问题的回答不仅有助于当下理性看待数字经济的作用，同时也为中国区域创新战略的科学制定和创新型国家建设的深入推进提供了全新视角与可行路径。

数字经济的理论与应用研究是近年来学术界的热点。理论方面，Goldfarb and Tucker(2019)探究了当数字技术带来的搜寻成本、复制成本、运输成本、追踪成本和验证成本大幅下降甚至接近于零时，标准的微观经济模型是如何发生变化的。荆文君、孙宝文(2019)构建了数字经济与高质量发展的理论框架，发现数字经济的应用产生了规模经济、范围经济及长尾效应的经济环境，增加了信息的有效性，提高了经济市场中的匹配效率。蔡跃洲、马文君(2021)将数据要素定义为以比特形式存在的信息，并具有低成本、大规模可得、非竞争性和非排他性以及低成本复制的技术-经济特征，厘清了数据要素对经济高质量发展影响的微观传导机制。实践方面，Acemoglu and Restrepo(2018)发现利用互联网和数字技术能够降低劳动者在市场上的时空错配，极大地改善了劳动要素的配置效率。张勋等(2019)将数字金融纳入包容性增长分析框架后发现，数字金融在中国落后地区发展速度更快，能够显著提高农村低收入群体创业的概率并改善农村内部的收入分配状况，有利于实现包容性增长。然而，Guellec and Paunov(2020)却发现数字创新会产生“赢家通吃”的市场结构，这些新市场结构允许规模经济的存在，从而提高了市场进入壁垒，导致市场份额不稳定，最终可能会加剧收入不平等。赵涛等(2020)首次构建地区层面经济高质量发展综合评价指标，并得出数字经济主要通过激发城市创业活跃度来释放高质量发展的红利，同时数字技术产生的空间溢出效应也会为邻近城市的高质量发展带来一定的好处。此外，还有部分学者致力于对数字经济规模进行测算，例如：宏观层面通过构建了数字经济核算框架，在确定数字经济产品和数字经济产业后，测算了中国2007-2017年数字经济增加值，并将测算结果进行了国际比较(许宪春、张美慧，2020)。中观层面基于数字产业化和产业数字化构建数字经济综合发展指标考察数字经济发展对地区全要素生产率的影响(杨慧梅、江璐，2021)。微观层面选择文本分析法，利用Python从制造业上市公司年报中提取与数字经济内容相关的关键词，构造企业数字化指标(赵宸宇等，2021)。

已有数字经济的理论和实证研究为本文奠定了良好的基础，但目前尚未有人关注到区域层面数字经济发展对城市创新以及区域收敛效应的影响，一个重要的原因是对数字经济的度量成为实证研究中难以克服的鸿沟，加之构建综合指标可能会产生严重的反向因果，导致对数字经济发挥的作用存在诸多争议。基于此，本文选择腾讯研究院公布的、利用微观大数据测算的中国351个城市(和地区)的“互联网+数字经济”指数作为城市数字经济发展的代理指标，并以地级市市长的专业作为历史工具变量解决模型的内生性。这可能在以下几个方面作出边际贡献：第一，研究视角上，试图为城市创新寻找到数字技术这一新动能，丰富区域创新的研究视角，填补了数字经济与创新发展的缺口。第二，理论机制中，分别从人力资本提升和创业活跃度增强两条路径揭开数字经济发展影响城市创新的“黑箱”之谜。第三，实证策略中，通过替换被解释变量、置换样本区间以消除样本选择偏差以及选择两阶段最小二乘法检验模型的内生性，准确识别了数字经济发展对城市创新的真实影响，为进一步加强数字中国建设、走中国特色自主创新道路提供了实证支持。

二、机制梳理和理论假说

本部分首先分析了数字经济发展如何加快提升人力资本以及城市创业活跃度，进而赋能城市创新；在此基础上，结合数字技术应用可能产生的空间溢出效应，剖析了数字经济发展对城市创新差距的影响，最后提出本文的研究假设。

(一) 数字经济赋能城市创新的机制分析

国外大量增长核算的文献均表明，数字技术的投资和使用能显著提升人力资本，进而促进劳动者的生产率水平提高(Brynjolfsson and Hitt, 2000)。数字经济对人力资本的影响主要体现在以下三个方面：第一，数字技术具有通用性和高渗透性等特点，在对传统产业升级和改造过程中催生出大量如网络办公、共享经济等新兴产业，这些新产业凭借较强的成长能力和较高的利润创造能力，吸引了大量高质量的人力资本积聚(李宗显、杨千帆，2021)。第二，数字技术的使用加速了员工的“干中学”。劳动者在数字网络下能够及时咨询和汲取有益信息，减少了“摸着石头过河”的弯路，在远程学习过程中还能带动低技能劳动者以低成本模仿和享受不同区域创新主体的知识溢出效应(Chen et al., 2010)。第三，数字经济的出现和应用还能有效预防突发事件(汪阳洁等，2020)。例如，2020年国内新冠肺炎疫情的突然爆发，让此前较少使用的APP软件如“钉钉”、“Zoom”以及“腾讯会议”在高校和企业中大放异彩。数字经济在城市各大功能区的应用加速了企业复工、学生复课的速度，促进了生产效率和学习效率的提高。

人力资本水平的提升反过来也会进一步激励创新。首先，人是创新的主体，创新驱动的本质是人才驱动。数字校园、虚拟教室的使用改善了社会教育水平，加速了知识获取、传递和共享的过程，使人们以低廉的成本获得无限丰富的学习资源，大大提高了各阶段培训者的学习效率(Zhang et al., 2006)，为持续创新积累了强大的后备资源。其次，科研机构开展的基础知识与共性技术开发能够有效保障地方创新活动的知识要素供给，人才支撑是搭建产学研合作过程中的关键桥梁(涂振洲、顾新，2013)，人力资本水平落后就会导致城市创新面临较大的基础知识与共性技术缺口，创新激励也会大大受阻。因此，加强基础研究、支持高校和科研院所建立技术转移和服务机构，增强技术储备和持续创新能力就必须要提高城市的人才储备(李政、杨思莹，2019)。此外，高等院校和科研院所是创新活动中最活跃的主力军，当前许多城市开展“人才引进”战略，各地区经济实力、创新实力的竞争归根结底是人才竞争，数字经济发展所需要构建的网络基础设施使得城市聚集了一批高水平的创新创业人才(刘传明、马青山，2020)，为城市创新奠定了良好的要素基础，能够有效促进城市创新水平提升。

创新主体多元化是数字经济促进城市创新的又一重要机制。近年来5G技术的大幅度提升和使用、移动通信终端的广泛普及、人工智能自动化水平的提高以及大数据等新型经济形态的出现助力形成风险共担、利益分享机制，给予了更多有意愿、有能力的中小企业和用户更大的市场生存空间和更多的创新机遇(张森等，2020)。以最近几年迅速发展的抖音短视频、直播带货以及线上教育为例，其凭借丰富多元的题材内容、优质高效的多样化选择以及极低的市场准入门槛等特点，使得小微企业乃至普通用户都能参与到其创新发展之中。数字经济的发展一方面会激发用户对于产品多样化的需求，促进产品市场产量和种类的增长，为创业活动的开展打下了良好的基础(赵涛等，2020)；另一方面，数字技术和数字平台的应用满足了创业者对市场信息获取的需求。无论是创业决策前对市场供需匹配的把握还是在创业过程中及时的信息交流与沟通，便捷的数字网络平台都发挥了不可忽视的推动作用(周广肃、樊纲，2018)。因此，数字经济的发展降低了创业者的门槛，提高了决策者信息捕获的敏感度，增强了城市创业活跃度。创业环境的改善以及创新创业活力的增强又会颠覆企业和个人的传统思维与技术瓶颈，加速创新成果转化，进而促进区域创新产出能力的提升(李政、杨思莹，2019；郭俊华等，2020)。

(二) 数字经济赋能城市创新的空间溢出效应分析

数字经济依托强大的现代信息网络打破了不同地理空间区域的分割性和封闭性，增强了要素空间关联的广度与深度，不仅促进了本地城市创新，而且对邻近城市的创新活动也产生了溢出效应。目前，多数文献均已证实互联网和数字经济能够通过网络效应产生知识和信息的溢出，人力资本投资、金融发展等创新要素流动产生的空间外溢效应同时促进了本地和邻近地区经济高质量发展(李宗显、杨千帆，2021；杨慧梅、江璐，2021)。数字经济赋能城市创新的空间溢出效应主要表现在以下两个方面：第一，数字经济能够降低集聚的拥堵效应，增强空间上的经济关联性。新经济地理学理论认为经济活动的空间分布可以在生产要素的驱使下自由流动(Krugman and Venables, 1995)，并且能够产生集聚效应加快知识和技术溢出，这些都被称为集聚促进效应(Fan and Scott, 2003)。然而，集聚在产生正外部性的同时，也会伴随着拥堵效应的出现(Brakman et al., 1996)，带来创新的负外部性。数字经济依托强大的信息网络让原本不相邻的两个区域之间借助数字平台能够及时地传递信息和知识共享(Forman et al., 2008)，在减轻集聚拥堵效应的同时，也让空间集聚引发的知识溢出效应在本地和邻地之间自由流动。第二，数字经济能够加快创新要素在不同区域之间的整合。不同于劳动、土地等传统要素，数据要素具有非竞争性和非排他性以及低成本复制的技术-经济特征(蔡跃洲、马文君，2021)，数据要素的空间溢出不仅能够降低本地传统要素错配的概率，提高要素匹配效率(Farboodi and Veldkamp, 2021)，还能对邻近城市创新带来一定的好处，从而为缩小区域创新差距提供了可能的契机。

综上所述，本文分别提出数字经济发展影响城市创新的理论机制假说并绘制出如图 1所示的理论机制框架。

假说1：数字经济发展主要通过集聚高端人力资本和增强创业活跃度两条具体路径赋能城市创新。

假说2：数字经济发展产生的空间溢出效应不仅有利于本地城市创新，对邻近城市创新产生了溢出效应，从而能够实现区域创新收敛。

三、研究设计 (一) 模型设定

本文把数字经济纳入区域创新系统的分析框架，并结合理论部分的两个假设，首先探究数字经济发展对城市创新的影响，构建如式(1)所示的回归模型：

$ Qualit{y_{it}} = {\alpha _0} + {\alpha _1}Digita{l_{it}} + {\alpha _c}{X_{it}} + {\lambda _i} + {\delta _t} + {\varepsilon _{it}} $

(1)

式(1)中，Quality_it表示i城市在t时期的创新水平，Digital_it表示i城市在第t年的数字经济指数，向量X_it反映地区层面可能影响创新的一系列控制变量。λ_i代表地区固定效应，δ_t表示时间固定效应，ε_it为随机扰动项。α₀表示模型的截距项，α₁系数大小及方向反映数字经济对城市创新能力提升的影响程度。

其次，上述回归模型仅仅关注数字经济发展对城市创新条件均值的影响，为了进一步区分不同创新水平下数字经济发展对城市创新的边际影响，本文进一步构建如式(2)所示的分位数回归模型：

$ Quan{t_\tau }\left( {Qualit{y_{it}}} \right) = {\beta _0} + {\beta _1}Digita{l_{it}} + {\beta _c}{X_{it}} + {\lambda _i} + {\delta _t} + {\varepsilon _{it}} $

(2)

Quant_τ(Quality_it)表示与分位点τ对应的分位数，β₁表示τ分位点下数字经济发展对城市创新的边际影响。

再次，为了验证假说1，即考察数字经济赋能城市创新的内在机制，借鉴Baron and Kenny(1986)的研究方法，本文构造如式(3)和式(4)所示的回归模型，并结合式(1)的回归结果判断数字经济发展对城市创新水平的影响及其作用机制。

$ me{d_{it}} = {\varphi _0} + {\varphi _1}Digita{l_{it}} + {\varphi _c}{X_{it}} + {\lambda _i} + {\delta _t} + {\varepsilon _{it}} $

(3)

$ Qualit{y_{it}} = {\gamma _0} + {\gamma _1}Digita{l_{it}} + {\gamma _2}me{d_{it}} + {\gamma _c}{X_{it}} + {\lambda _i} + {\delta _t} + {\varepsilon _{it}} $

(4)

其中，med代表中介变量，包括人力资本(Human)和创业活跃度(Active)两个变量在内。模型(3)是对是否存在中介效应进行估计，如果估计系数φ₁不显著，说明该中介效应不存在，反之存在中介效应；模型(4)是检验中介效应属于何种类型，如果加入中介变量med后，系数γ₁不显著，说明该中介效应属于完全中介，反之属于部分中介。

最后，为了验证假说2，本文进一步构建空间计量模型，即在式(1)的基础上引入数字经济与城市创新以及其他控制变量的空间交互项，构建空间杜宾模型，讨论数字经济发展对城市创新是否存在空间溢出效应。

$ Qualit{y_{it}} = {\alpha _0} + \rho W\;Qualit{y_{it}} + {\psi _1}WDigita{l_{it}} + {\alpha _1}Digita{l_{it}} + {\psi _2}W{X_{it}} + {\alpha _c}{X_{it}} + {\lambda _i} + {\delta _t} + {\varepsilon _{it}} $

(5)

其中，ρ代表空间自回归系数，W为空间权重矩阵，为提高实证结果的稳健性，本文分别采用了地理距离矩阵、邻接距离矩阵以及经济距离矩阵3种方法进行回归。ψ₁和ψ₂为核心解释变量以及控制变量空间交互项的弹性系数。

(二) 变量与数据说明

1.城市创新

本文研究的城市创新主要指科技创新，技术创新产出能够较为直观地反映一个地区的技术创新成果，目前关于创新产出的度量主要包括新产品销售收入和专利等，而专利授权量可以更加直接地体现科技创新的知识成果。因此，本文参照卞元超等(2019)的做法，选择各地级市当年的专利申请授权数衡量城市创新。我们主要通过手动搜索的方式从国家知识产权局网站数据库系统获取了2015-2018年全国283个地级市的专利申请授权数和发明专利、实用新型以及外观设计专利等相关数据。此外，本文还选择了寇宗来、刘学悦(2017)发布的《中国城市和产业创新力报告》中城市创新指数替换本文的被解释变量，由于该报告测算的城市创新指数截止到2016年，稳健性检验仅采用2015-2016年的样本区间进行被解释变量的替换。

2.数字经济发展

本文选择腾讯研究院官方利用大数据分析测算的“互联网+数字经济”指数作为数字经济发展的代理指标。一方面，构建该指数的数据采集范围不仅包括了国内半数以上的互联网企业与电子政务，还纳入了传统企业在数字化转型中的组织管理实践等内容；另一方面，该指数在构建时还考虑了微观产品、中观产业以及宏观创业环境等一系列经济活动因素，不但有效捕捉了对数字经济界定的内核与外延，而且使用的是真正意义上的大数据。无论在市场份额还是业务类型方面，该指数均具有相当程度的代表性，能够从产业、文化、政务、生活等多个维度综合反映一个城市真实的数字经济发展状况。自2016年起，腾讯研究院每年均公布上一年国内351个城市和地区的“互联网+数字经济”指数。需要说明的是，2017年和2018年该指数更名为“数字中国”指数，但仍是对全国351个城市和地区进行连续追踪测算，为了避免因指数差异化造成测量误差从而产生内生性，稳健性分析中选择分样本区间进行回归检验。

3.中介变量

人力资本表现为劳动者身体力行的资本。一方面数字经济对人力资本的作用主要体现在促进高校在校生科研和学习效率的提升；另一方面则表现为促进普通劳动者生产效率的提升。因此，借鉴梁婧等(2015)采用每万名劳动力所拥有的普通高校在校生数量表示城市的人力资本水平。城市创新创业活力反映的是该城市的创新和创业的活跃度，北京大学企业大数据研究中心、龙信数据研究院和企研数据联合编制的《中国区域创新创业指数》中，利用工商注册企业数据库获得的新增注册企业数量分指数能够较好地作为城市创业活跃度的代理指标。

4.控制变量

参照刘传明、马青山(2020)以及路京京等(2021)的做法，本文还控制了影响城市创新的其他可观测因素：经济发展水平(rgdp)，选择经价格指数平减后的中国各地级市人均实际GDP衡量；产业结构(Structure)，数字经济与实体经济深度融合，有利于推动产业结构转型升级，从而影响城市创新。本文采用第三产业和第二产业产值的比重表示；外商直接投资(FDI)，技术存在扩散效应，城市对外开放程度的高低会影响到知识成果的溢出(Taskin and Zaim, 2001)，采用经美元换算后的实际利用外资占地区生产总值比重表示；信息化水平(Information)的高低会影响到城市创新环境，采用邮电业务总量占全市地区生产总值的比重衡量；政府支持力度(Support)，政府在研发经费方面的支持同样有助于城市创新水平提升，采用全市科学技术支出占地方财政预算支出的比重代替；缓解融资约束有利于区域创新水平的提升，因此进一步控制金融发展(Finance)，并采用金融机构年末存贷款余额占地区生产总值衡量。为了消除量纲，本文对部分变量进行了对数处理，以上数据均来源于历年的《中国城市统计年鉴》，表 1为各个变量的描述性统计。

四、实证结果分析 (一) 基准回归

首先，对式(1)采用面板固定效应进行回归，以考察数字经济发展对城市创新水平提升的整体影响，估计结果如表 2所示。其中，模型1仅显示控制双向固定效应的单变量回归结果，模型2加入了地区层面的控制变量，在此基础上，模型3和模型4又分别加入了时间固定效应和城市固定效应。从模型1至模型4的回归结果可以看出，数字经济发展对城市创新的回归系数始终为正，说明数字经济发展能够显著促进城市创新，以模型4的回归结果为例，数字经济指数每增加一单位，至少能推动城市创新提升1.54%。此外，为了防止城市创新对数字经济发展可能产生反向因果带来的内生性问题，本文进一步将核心解释变量做滞后一期处理，模型5的结果显示，滞后一期的数字经济发展依旧在5%的水平下显著促进了城市创新。

(二) 分位数回归

上述展示的回归结果描述了被解释变量期望值受自变量影响的过程，即考察数字经济发展对城市创新的平均边际效果。为了厘清不同创新水平下数字经济发展对城市创新的边际影响，本文选择了10%、25%、50%、75%以及90%五个分位点，对式(2)进行回归，回归结果如表 3所示。从回归系数大小来看，数字经济发展对城市创新的影响会随着创新水平的提升出现先增后降再缓慢上升的“N型”变化趋势，意味着数字经济发展对城市创新的促进作用是呈非线性特征，但无论在哪个分位点上，数字经济发展均能显著推动城市创新水平提升，说明基准回归结论较为稳健。

(三) 稳健性分析

本文首先分区间讨论以消除样本选择偏差。前文数据分析，不同年份数字经济指数在分类指标上可能存在遗漏偏差，比如2016-2017年腾讯研究院发布的《报告》中测算的是“互联网+数字经济”指数，但2018-2019年的《报告》中却改成了数字中国指数。为了避免因测量误差导致模型高估或低估数字经济成效，稳健性检验中分区间进行回归检验，估计结果见表 4。模型1采用2015-2016年的样本进行回归，发现数字经济发展对城市创新水平的影响在5%的置信水平下显著为正。模型2采用2017-2018年的样本同样显示数字经济系数通过了5%的置信水平测试。比较两组回归系数，模型2中核心解释变量的回归系数略小于模型1，说明腾讯研究院在2017年之前利用大数据测算的“互联网+数字经济”指数可能高估了数字经济发展对城市创新的影响，但无论高估还是低估，在分时间进行分组回归以消除样本选择偏差后，两组核心解释变量的回归系数均在5%的置信水平下显著为正。

其次，采用替换被解释变量与解释变量的方式进行稳健性检验。借鉴寇宗来、刘学悦(2017)发布的《中国城市和产业创新力报告》，选择城市创新指数替换被解释变量，模型3显示，数字经济仍在5%的水平下显著促进了城市创新。除此之外，城市创新水平是否真正提升更多应该体现在发明专利上。本文进一步根据专利等级将总样本划分为发明专利申请授权、实用新型专利申请授权以及外观设计专利申请授权三个等级，模型4至模型6分别检验了数字经济发展对这三种专利的估计结果。可以发现，核心解释变量的系数对城市发明专利的影响最大且通过了1%的置信水平测试，对实用新型专利影响虽为正但不显著，而对外观设计专利的影响为负且也不显著。这一结果更加验证了数字经济对城市创新的影响体现在质量而非表面上。最后，互联网是一切信息经济的基础。无论是互联网经济还是数字经济，都是在传统互联网的基础上演变而来的产物。借鉴黄群慧等(2019)的做法，采用每百人互联网人数测度的城市互联网普及率替换本文的核心解释变量，模型7的估计结果依然显示以互联网为基础的数字经济发展能够促进城市创新。

(四) 内生性处理：工具变量法

上述基准回归及稳健性检验已经验证了数字经济发展能够赋能城市创新，但仍然担心可能存在不可观测的遗漏变量导致的内生性问题，因此本文进一步选择工具变量法检验模型的内生性。根据外生性和相关性两大基本原则，本文认为各地级市市长的专业是否和数字经济有关这一历史变量是个合适的工具变量。原因主要有两点：第一，市长对自己专业领域的发展态势以及存在的问题更加了解，因此在制定规划方案时可能更倾向于自己擅长的领域。所以，市长的专业是否与数字经济相关对本市数字经济发展会产生一定的影响，满足工具变量的相关性假设。第二，市长当初在选择专业时并不知道自己以后是否能成为市长，只是在本科或研究生阶段凭自己的兴趣和爱好就决定下来，是典型的历史数据。另外，从计量经济学角度看，个体的行为对区域层面几乎很难产生大的实质性影响，如果真的有关联，那么唯一的途径就是借助数字经济这一中间桥梁实现的，满足工具变量的外生性假设。

本文的工具变量来源于《省市领导信息》数据库，该数据库提供1949-2016年全国13642条不同地级市的各届市长的详细信息，包括出生日期、任职时间、离职时间、离职去向、毕业院校以及所学专业等。在挑选专业信息时存在的一个困难是，数字经济是中国近年来刚兴起的学科交叉形成的产物，很难找到直接相关的专业领域。文章试图从基础学科出发，数字经济一般与计算机、信息通讯以及经济学都有密切的关系，因此在挑选专业时，通过手动整理和搜集将理论经济、应用经济、技术经济、信息通信专业的市长记为与数字经济相关的专业，取值为1，其他专业取值为0；年龄在55周岁及以上、未提供专业信息和院校的本科学历市长默认为0；删除了只提供博士学历但无任何院校和专业信息、任职开始到结束不足一年以及成为市长后再修的经济、技术或信息通信专业的样本信息；市长的任职时间须均在本文的样本区间内，如果样本区间连续出现两任市长，专业相近或类似则被归为同一类，否则当年仍以前一个市长的专业为基准；2017年及以后的市长任职情况和专业信息作者通过搜索各省市人民政府网站、地方党政领导人物库、百度百科等平台手工整理并确认，最终得到与数字经济相关专业的市长约占样本总量的37.85%。

表 5汇报了采用工具变量法检验的估计结果。全样本估计结果显示，第一阶段工具变量与核心解释变量在1%水平显著为正，说明市长的专业与该城市数字经济发展具有高度的正相关，第二阶段数字经济的回归系数仍在5%的置信水平下显著为正，说明在采用工具变量法降低内生性后，数字经济发展依然能够显著促进城市创新。此外，在弱工具变量识别检验中，Wald F统计量大于Stock-Yogo弱识别检验10%水平的临界值，不存在弱工具变量的风险。且第一阶段F值明显高于经验法则，说明工具变量的选择是合理的。表 5第三列和第四列还选择了城市创新指数替换被解释变量进行两阶段最小二乘回归，同样发现第二阶段数字经济回归系数显著为正，说明本文选择工具变量估计的结果是稳健且合理的。

(五) 中介机制检验

正如前文理论机制部分所述，数字经济发展对城市创新水平提升的主要机制在于数字经济引发的高质量人力资本提升和城市创业活跃度增强。本部分将运用中介效应模型，在式(1)这一主效应回归的基础上对式(3)和式(4)分别进行回归检验。表 6中模型2检验了数字经济发展对人力资本提升的影响，可以看出，数字经济发展对城市人力资本水平的提升在1%的置信水平下显著为正，说明数字技术的应用促进了城市高质量人力资本的提升。模型3检验了数字经济与人力资本对城市创新水平的共同影响，在加入人力资本这一机制后，数字经济发展对城市创新水平的提升由主效应回归中的5%显著性降为不显著，说明人力资本在数字经济发展影响城市创新的过程中发挥完全中介作用。数字经济的兴起催生出大量具有较高技术水平的新兴智能产业，如网络办公、智能制造等，这些新兴产业凭借独特的成长能力和利润创造能力，吸引了大量人力资本积聚，从而推动城市创新水平提升。

同理，模型5考察了数字经济发展对城市创业活跃度的影响，可以发现，核心解释变量的系数在5%的置信水平下显著为正，说明数字经济的发展、数字平台的应用大大降低了创新创业的准入门槛，增加了城市的创新和创业活力。模型6检验了数字经济与创业活跃度对城市创新水平的共同影响，发现城市创业活跃度对城市创新的影响仍在10%的置信水平下显著为正，说明城市创业活跃度的增强、创业积极性的增加有利于城市创新水平的提升。结合基准回归中的主效应回归结果，创业活跃度在解释数字经济发展对城市创新的作用中所占的比重为2.60%(1-γ₁/α₁)，其中α₁为主回归中不加入创新创业活跃度变量后数字经济发展对城市创新的影响系数。因此，理论部分的假说1得到验证，即数字经济可以通过人力资本的直接效应以及创业活跃度的间接效应推动城市创新水平提升。

五、进一步分析：空间溢出效应检验

在进行空间计量分析之前，需要对数字经济指数与城市创新水平两者是否均存在空间自相关进行检验。为此，文章采用Moran’I指数法计算了地理距离矩阵下2015-2018年的空间效应，计算结果如表 7所示。2015年至2018年间“互联网+数字经济”指数与城市创新水平在地理距离权重矩阵下的莫兰指数均通过了1%的置信水平测试，这一结果至少说明自2015年起中国各城市的数字经济和创新水平在空间分布上出现了空间自相关的集聚现象。

其次，在选择Wald检验、LR检验和LM检验等对模型的拟合效果检验时，发现SDM模型具有更好的解释效果, 因而本文选择SDM模型进行分析, 为了保证结果的稳健性，表 8还列出了SAR模型作为对照。模型1至模型3中，空间自回归系数ρ显著为正，而且数字经济与经济距离矩阵的空间交互项系数为正且通过了1%的置信水平，说明样本城市在空间上不仅存在外生的数字经济交互效应，还存在城市创新水平提升的内生交互效应；第三列的估计结果还发现，数字经济发展对城市创新的溢出效应显著存在，但也仅在以经济距离构造的空间权重矩阵中显著，说明当下数字经济主要通过影响区域间的经济联系，作用于临近城市的创新水平提升。

既然数字经济发展存在显著的空间溢出效应，那么作用于邻近城市的知识溢出效应能否缩小区域创新差距，从而实现区域创新收敛？前文也提到，中国数字经济发展的另一典型事实表明，数字经济增速上出现了后发追赶现象，中西部地区数字化增速近年来不断上升并逐渐超越东部，结合数字技术产生的空间溢出效应，本文进一步检验数字经济发展对区域创新差距的影响，并从区域创新速度的角度出发，采用各城市专利申请授权数的增长率对区域创新差距进行衡量，表 9汇报了检验的估计结果。

首先，对总体样本进行检验，发现数字经济发展对专利申请授权数的增长率具有显著的正向影响，说明数字经济不仅对区域创新产生正向影响，更能够促进区域创新速度的整体提升。其次，分别对东部、中部和西部地区的城市创新速度进行检验，发现数字经济发展仅对西部城市的创新速度产生显著的正向影响，说明数字经济发展对发达地区和落后地区城市的创新差距并不会出现所谓“强者愈强，弱者愈弱”的“马太效应”，反而产生的数字福利会进一步缩小区域创新差距，这为实现区域创新均衡发展提供了良好的契机。对此，本文给出的解释是：东部地区数字经济发展目前已日臻成熟，数字提质增效的作用已经得到部分释放，导致数字经济对东部城市的创新增速有所减弱，而西部地区数字经济方兴未艾，数字技术对城市创新增长率的加速作用才刚刚显现，因此表现出对西部地区的创新速度可能更为显著，理论部分的假说2得到了验证。

六、结论与政策建议 (一) 研究结论

本文在理论分析基础上，探究数字经济发展对城市创新的影响及内在逻辑机制，在此基础上又进一步讨论数字经济引发的空间溢出效应能否实现区域创新收敛。通过选取2016-2018年中国283个地级市的面板数据，并结合腾讯研究院官方利用大数据测算的数字经济指数，构建了同时包含数字经济发展与城市创新的实证框架，分别采用固定效应法、分位数回归、两阶段最小二乘法以及空间计量分析等一系列方法，评估了数字经济发展对城市创新水平提升的影响。主要结论如下：(1)整体来看，数字经济快速发展、数据要素的投入使用以及数字技术的渗透应用能显著推动城市创新。(2)数字经济发展主要通过人力资本集聚效应和创业活力增强效应两条渠道赋能城市创新。(3)数字经济依托强大的现代信息网络打破了空间分布的局域性，强化了区域间的经济联系，同时也加快创新溢出效应的传播和扩散。从数字经济发展对区域创新差距的影响效应来看，数字经济产生的空间溢出效应能够缩小区域创新差距，数字经济对区域创新发展带来的是“数字红利”而非“数字鸿沟”。除此之外，相较于实用新型专利和外观设计专利，数字经济发展对城市发明专利的影响更显著，说明数字经济发展推动的区域创新是真正意义上的质量创新而非策略创新。

(二) 政策建议

基于上述研究得出的结论，本文主要的政策建议如下：

第一，增强数字经济发展规模，充分发挥数据作为新的生产要素对创新的引领作用。数字经济整体上能加速推动区域创新，而且对区域创新的促进效果表现为“发明专利>实用新型专利>外观设计专利”，说明数字经济推动的是区域真实的实质性创新。当前，中国数字经济已经取得举世瞩目的成就，但作为世界第二大经济体，中国数字经济规模与美国等发达国家仍存在明显的差距，中国的数字经济并没有想象中的那么强。根据CAICT测算的结果显示，中国数字经济规模2018年已经突破4.7万亿美元，但这一体量仅相当于美国数字经济的38.3%。因此，政府应该大力扶持数字经济发展，加快数字经济在多个领域的扩散和应用，实现数字经济加速器的提质增效作用，促进城市整体创新水平提升。

第二，利用数字技术加速干中学，提高城市人力资本，借助数字平台降低创新创业准入门槛，增强区域创新活力。数字经济不但加强了相邻空间区域的经济联系，也让原本不相邻的两个区域之间跨越时空界限有了更多的交流和联系，降低了集聚的拥堵效应。因此，要增加数字技术在企业中的应用，深化数字经济与产业的融合，利用数字技术充分发挥企业集聚的促进效果，避免集聚拥堵带来的负外部性。此外，也要意识到数字经济对人力的效率提高的显著效果。政府要鼓励和支持数字经济在各行各业的应用，尤其加快提高在高等院校、科研院所以及医疗卫生等事业单位的水准和力度。

第三，加快中西部地区的网络技术设施建设投资，努力缩小区域创新差距。数字经济对区域创新差距的影响会因创新主体的不同表现出区域异质性。尽管东部地区数字经济规模基数大，但在增长速度和对创新水平提升的效果上西部地区已经开始反超东部，这为解决中国由来已久的区域差异化问题提供了良好的典范。地方政府应着力继续加大中部地区数字经济的投入规模，发挥数字经济引领城市创新水平提升的驱动作用，同时为了避免数字经济对西部地区创新的无效提升，还要继续增加西部地区的电信基础设施投资，给予西部地区更多的人、财、物力以及技术方面的支持。此外，东部地区数字经济增速放缓说明东部数字经济投入量已经足够多，应该适当释放东部地区数字经济的创新激励效应，让不同生产要素在促进城市创新过程中都尽量发挥各自的作用，避免让数字福利变成数字鸿沟。