论文部分内容阅读
摘要：随着信息技术时代的到来，互联网技术的发展和普及能够促进技术进步，成为经济增长方式转换的关键。在系统梳理互联网发展与城市创新效率的作用机制基础上，结合2003—2017年中国277个地级市的面板数据，实证分析了互联网发展水平对中国城市创新效率的影响效果。结果表明：互联网发展水平能够显著促进城市的创新效率，这种促进作用主要通过提升创新产出而非创新投入来实现，并随着时间趋势逐步增强;城市的物质环境和人才环境反向调节互联网发展水平对城市创新效率的促进作用，即一个城市的经济发展水平和人力资本水平越高，互联网对其创新效率的正向推动作用越小，而城市金融环境的调节作用并不显著;互联网对创新效率的影响存在显著的区域异质性，西部最大，中部和东部次之，但各区域均在2012年以后才显著提升创新效率。为了更好地挖掘创新潜力，在加强信息技术发展的同时，应进一步提高落后地区的创新环境水平。
关键词：创新效率;城市;互联网发展;专利;创新环境
文献标识码：A
文章编号：100228482021（04）007713
一、引言
进入21世纪以来，伴随着信息技术革命的到来，ICT领域的技术不断发展成熟，以互联网技术为代表的新一代信息技术得到迅速发展，并进一步与各传统产业实现深度融合，推动产业和技术变革。OECD指出，当前社会已从信息经济向互联网经济转变。顺应该趋势，我国的互联网基础设施建设也得到快速发展，互联网宽带接入用户数从2003年的1115万增加到2018年的40738万，增长了近36倍。面对经济增速趋于下滑、产业结构有待调整、经济增长方式亟需转换的社会现实[1]，把握并适应互联网发展作为经济增长新动能的角色，积极推进科技创新和技术进步，无疑成为实现我国经济增长方式转换的关键。从投入产出的关系来看，技术创新活动的顺利开展依赖于高额持续的创新资源投入。近年来，我国在科技活动上的资源投入和创新成果与日俱增，从投入来看，R&D强度从1998年的0.65%增长至2018年的2.18%，高于大部分的OECD国家，从创新成果来看，2011年，我国专利申请量就超过美国和日本，成为世界上最大的专利申请国[2]，2018年，我国发明专利申请量达到152万件，相比于1998年的3.6万件，增长了42倍。可见，近20多年来我国对R&D持续进行投入，产生了大量的创新成果，在经济处于新常态的背景下，如何提高创新效率成为了政府和学界日益关注的重要命题。因此，伴随着“互联网+”战略的提出，在依靠互联网建设来实现我国经济动能转换的关键节点，检验与分析互联网发展水平对我国各地区开展创新活动、提高创新效率的作用效果具有一定的理论意义和实践价值。
从互联网发展水平出发，既有文献主要集中在以下三个层面探讨互联网发展水平与经济活动、创新活动等方面的相关性影响：
一是讨论互联网发展水平对区域经济增长的影响。国外的相关研究起步较早。1987年，Solow在研究信息技术发展对于生产率的作用时，就提出“生产率悖论”理论，之后，众多学者利用不同的信息基础设施指标对“生产率悖论”从不同层面进行了论证，如计算机投入水平[3]、互联网发展水平[4-5]。由于我国的互联网发展起步较晚，针对该领域的研究文献在2000年之后才明显增多，而且大部分研究基于国家和省市级层面，如韩宝国等[6]分析了我國各省市的宽带普及率对经济增长率的影响;郭家堂等[7]构建了各省市互联网发展水平的综合指标，分析其对TFP的影响效果。
二是讨论互联网发展水平对经济相关部门的影响，如产业部门、国际贸易等。针对产业部门的研究具有较为一致的结论，即互联网技术的发展能够助推产业结构调整，以实现产业升级。如Berger[8]发现互联网的发展对银行业的基础服务水平和质量具有显著正向提升作用;茶洪旺等[9]则发现信息化水平能够明显促进我国地区产业结构升级。针对国际贸易的研究多从国家层面展开，如Freund等[10]考察了互联网发展水平与服务贸易的相关关系;施炳展[11]利用微观企业数据分析了互联网发展水平对企业出口贸易的影响。
三是讨论互联网发展水平对创新活动的影响，主要从区域或微观组织层面展开研究[12-13]。如韩先锋[14]从各省市出发，讨论了互联网发展水平对区域创新效率影响的非线性和异质性;王金杰等[15]则利用上市企业数据分析了互联网发展水平对企业创新绩效的影响效果和作用机制。
纵观已有研究，目前在互联网发展影响经济和创新活动方面进行了一些有价值的实证研究，但关注地级市创新效率方面的分析仍然较少，也未深入考虑各个区域不同水平的创新环境所造成的影响差异性。因此，本文基于地级市层面的面板数据，将城市创新环境纳入研究范畴，来检验互联网发展水平对我国各城市创新效率的影响效果，并探讨上述影响效果在不同的城市创新环境水平下是否存在显著差异，从而为我国各城市实施“互联网+”计划、因地制宜开展创新活动、提升创新效率提供一定的理论基础和事实依据。
与现有研究相比，本文在如下三个方面做了拓展分析：
第一，首次基于地级市层面的数据，探讨互联网发展水平对城市创新效率的影响效果;
第二，对互联网影响城市创新效率的作用机理进行梳理，由于互联网具有通用技术的特性，能够提升沟通效率、强化知识溢出、整合创新资源、提升金融服务水平，从而显著促进城市创新效率;
第三，从物质、人才和金融三个维度，探讨创新环境对互联网创新效应的反向调节作用。实证结果发现，互联网发展水平对城市创新效率的提高具有显著促进效果，其影响效果在后期逐步凸显。城市的物质环境和人才环境反向调节互联网发展水平对城市创新效率的促进作用，金融环境并未发挥显著的调节作用。区域的异质性检验结果显示，互联网发展水平对创新效率的影响效果呈现“西部>中部>东部”的趋势，但时间上具有同步效应，后期的影响效果才逐步凸显。 本文剩余部分组织如下：第二部分是理论推演与假设提出;第三部分介绍模型和变量;第四部分是实证分析结果;最后是结论与启示。
二、理论推演与研究假设
（一）互联网对城市创新效率的影响效果
伴随着ICT领域发展与应用的不断成熟，以互联网技术为代表的新一代信息技术得到迅速发展，通过与各传统产业的深度融合，推动着产业变革。Harris[16]的研究表明，互联网具有通用技术（GPT）的特征，能够缓解社会经济生产和交换过程中的信息不对称性，可以以更低的交易成本实现信息、知识等资本的快速传播和流动。基于该特征，从开展创新活动所需资金、知识等投入要素出发，本文认为互联网对城市创新效率具有以下作用：
其一，提升沟通效率，加强区域合作。互联网的连通性特征缩短了城市之间的时空距离[13]。不同地区的创新主体利用互联网相关的沟通方式，在创新过程中可以突破地理距离、组织边界等因素的限制，增强了交流的便利性。与此同时，沟通成本的下降提升了区域创新主体的交流频率，大幅度降低区域间的信息不对称性，避免信息摩擦，有效提高沟通效率，降低协调成本[17]。通过更多交流产生创新思维的碰撞，有利于形成跨区域合作，促进区域协调创新，推动各城市創新效率的提升。
其二，强化知识溢出，提升区域活力。互联网通过信息化的方式拓宽了知识的传播范围，大大加深了知识空间溢出和普及程度[14]。随着互联网技术的发展，不同地区的创新主体通过网络即可快速搜寻和获取外部知识，创新技能在不同区域得到渗透，人力资本积累不断加深，创新素质得到提升[13]。各地区通过吸收同化其他地区的先进技术知识，有利于加速区域创新、增强城市创新活力，从而推动城市创新效率[18]。
其三，调整创新结构，整合创新资源。首先，互联网的重塑效应，打破了原有的边界限制，促进了创新要素的流动，实现资源宽范围、多领域的优化配置，不可避免的带来了区域创新结构的转变[18]。其次，“互联网+”模式的推广，促进了创新资源同其他要素资源的融合发展与再创新，使创新模式得到升级，有利于区域创新的专业化分工[13]。创新主体可以依托不同地区的创新优势进行空间分散化生产，从而提高研发资金的使用效率。最后，基于互联网的通用技术特征，各个创新主体可以低成本、高效率地实现信息的搜寻和甄别，通过强化区域创新主体的资源对接，加大经济社会中资源与要素的整合力度，降低交易成本和创新投入的风险。
其四，推动信息共享，优化金融环境。为顺利实施创新活动，创新主体需要持续稳定的资金来源，而其自身的内部融资往往难以满足资金需求，需要向第三方金融机构进行外部融资，这要求完善的金融服务体系来支持[19]。但是，由于创新相关的投资项目一般风险较高，创新主体在融资的过程中会面临严重的信息不对称性，获取资金的难度进一步加大[20]。互联网服务平台的出现，可以促进信息实现高效地流动、传播和共享，大幅降低双方的信息不对称性。互联网与金融机构的融合能够创造数字银行、普惠金融等新的金融生态，缓解创新主体的融资约束，推动所在地区创新活动的开展[21]。
另外，本文进一步验证互联网发展水平对城市创新效率的影响效果是否会随着时间变动而有所差异。21世纪初，国际互联网产业迅猛发展，伴随中国加入WTO后实施“引进来”和“走出去”同步发展的战略，我国互联网基础设施建设水平迈入快速发展阶段，但2012年之前，我国互联网发展的整体水平较低，在各区域间的非均衡性也极大。2012年后，伴随着“互联网+”战略的提出，我国各城市，尤其是中西部地区，大幅提高互联网基础设施建设，并出台各项财政补贴措施，构建更加高效的科研体系，以利用技术创新能力的提升实现经济发展的弯道超车。而且，在此期间，我国创新效率的整体水平也呈现出快速增长的趋势[22]。基于以上分析，本文提出研究假设H1：
假设H1：互联网发展水平对城市创新效率具有显著正向影响，其影响效果随着时间趋势逐渐加强。
（二）互联网与城市创新环境的交互影响作用
在技术创新能力的决定因素研究中，一部分学者形成了以创新主体的内部因素为主的创新活动观[23]。该种观点认为创新主体的内部特征在一定程度上决定了实现技术创新成果的可能性，如知识及资本投入、企业规模以及所有制特征等。但是，Todtling等[24]的研究表明，不同地区的创新资源相近，但创新能力却具有巨大差异，说明创新资源本身并不是造成区域创新能力水平差异的唯一原因，一个区域的创新能力及效率很大程度上还受到外在创新环境的影响[25]。
目前，关于创新环境的界定和评价方法主要参考中国科技发展战略研究小组自2001年起出版的《中国区域创新能力报告》，从基础设施水平、市场环境、劳动者教育水平、金融支持能力和创业水平五个方面来综合衡量区域创新环境。基于该指标评价体系，由于地级市层面数据的局限性，本文从直接影响创新活动的资本和知识投入出发，将创新环境划分为了物质环境、人才环境和金融环境。
从直接影响来看，一个地区良好的创新环境有利于区域经济的健康运行，进而提高区域创新效率。如当一个区域的经济发展水平较高，往往代表着该区域内市场需求活跃，能够刺激企业为获取市场份额，赢得竞争优势来开展研发创新活动[26]。进一步地，当一个区域内的人力资本水平越高，代表着该地区潜在的创新型人才存量也越高，在资本投入一定的情况下，创新产出和效率可能也会越高。而为顺利开展研发创新活动，创新主体一般需要向银行等第三方金融机构进行外部融资，一个区域的金融环境越完善，表示该地区的金融要素价格和资源配置越合理，可以为创新活动提供较高金额及持续的资金支持。
从交互影响来看，互联网对城市创新效率提升作用的路径机制需要与当地创新环境相融合。根据区域发展的极化理论，一些地区的率先增长会产生极化效应形成经济增长极，而经济极化进一步导致创新极化[27]。随着互联网的发展，区域连通性不断增强，这种极化效应被进一步放大，最终产生强者愈强、弱者愈弱的马太效应。 首先，在发达地区，由于其优良的创新环境，对外产生了明显的虹吸作用，随着互联网的发展，虹吸范围逐渐扩大。发达地区通过对创新资源的整合，充分发挥要素的可利用性，形成了区域创新极。通过创新的规模经济，凭借更高效的组织形式与创新结构，促进了创新效率的提升。与此同时，虹吸作用带来的人流、物流、资金流的抽离，导致了落后地区的创新空洞化。这种流入与流出的非对称性，是造成创新效率两极分化的主要原因[28]。
其次，发达地区往往具有市场优势，创新活动能够得到有力支撑。市场的引导作用，使创新更具领先性，有利于实现创新成果的价值兑现，提升转化效率。相比之下，落后地区受自身薄弱的物质、人才、金融等创新环境的影响，创新活动受到一定制约。创新资源的相对匮乏限制了自身创新活力的发挥，致使其效率的提升速度较为缓慢[29]。
最后，发达地区对信息、技术具有较好的吸收、转化能力。由于创新通常具有一定的连贯性，并且创新系统可能较为复杂，发达地区在进行创新活动时能够立足于长期的创新积累，更好地将互联网带来的信息技术融入到复杂的系统中去，实现两者的有效结合。而对落后地区来说，即使互联网为其带来了相同的知识存量，其对信息、技术的消化吸收能力也不及发达地区，落后地區想要提升自身对先进技术的运用效率，需要增强其与创新极的对接能力，当对接落差过大时，创新红利难以释放[29]。同时，知识产权保护制度在一定程度上保证了创新主体的效率领先性。因而，可能导致互联网对落后地区创新效率的提升作用不如发达地区强烈。
与之不同的是，后发优势理论认为，相对落后地区在发展中更具优势，通过技术学习与模仿，存在赶超发达地区实现弯道超车的可能。而这种可能性的实现需要借助一定的有利条件作为支撑，互联网的出现成为其优势向现实转化的有利契机。就创新而言，一方面，落后地区在创新要素上具有比较优势，相对较低的要素成本为创新追赶提供了基础。同时，互联网的连通性为落后地区带来知识和技术，使创新要素得以转化，有效降低了落后地区的创新成本[30]。另一方面，落后地区具有始发优势，由于创新尚处于初级阶段，物质、人力、金融等资源随时蓄势待发，一旦有新技术进入，其创新效率往往呈现爆炸式提升。互联网的发展无疑成为这一效率提升的导火线[14]。根据后发优势理论，创新追赶的关键在于模仿，落后地区依靠模仿，学习了发达地区大量长期积累的先进技术，吸收了此前的经验教训，避免了不必要的浪费。互联网通过打破时空界限，为落后地区的模仿创新创造了有利条件。
另外，根据内生增长理论，经济增长的源泉是知识或人力资本积累所带来的内生技术进步，技术知识能够跨区域外溢，具有明显的外部性。互联网背景下的知识溢出具有区域不对称性，一方面，创新环境相对较好的地区对落后地区产生了明显的正外部性[18]，落后地区通过学习、吸收与迅速转化，实现模仿性创新，而模仿性创新本身速度更快，效率往往也更高。另一方面，创新环境相对落后的地区通常无法对发达地区产生有效的外溢。相反，其自身通过大量的模仿性创新一定程度上挤占了发达地区的创新市场和创新资源，从而损坏了发达地区的创新效率[31]。这种由于互联网的公共性特征带来的类“搭便车”现象，迫使发达地区需要更多的凭借创造性创新来实现自身发展。而创造性创新虽然更具颠覆性，但其本身耗时较长且难度较高，相对于模仿性创新而言，短期效率更低。其结果是，伴随着创新环境的提升，互联网对区域创新效率的提升效果反而减弱。
Kalapouti等[32]对欧洲192个国家和地区的研究发现，相比于经济和技术较为发达的地区，偏落后和待转型地区开展创新活动的效率更高。兰海霞等[22]对我国省市创新效率的描述分析结果也表明，我国不同区域间创新效率具有较大差异性，且从2013年起，西部和中部地区的创新效率开始反超东部地区，三大区域的创新效率差异逐步缩小，而且对未来的预测结果表明，各区域的创新效率仍会保持继续提升的态势，并呈现“西部>中部>东部”的区域格局。另外，部分研究表明，信息基础设施建设水平或互联网发展水平对落后国家或地区生产率的提升作用更为明显。如Alexandre[33]针对世界50个国家的研究表明，在发达国家或地区，ICT对于生产效率基本无显著影响，而在最不发达的非洲国家，ICT显示能够明显提高生产效率。Jung[34]对巴西内部的不同地区研究也说明，相比于发达地区，宽带水平对落后地区的生产率具有更显著的推动作用，因为宽带基础设施的建设可能为落后地区提供了新的经济资源。陈亮等[35]则考察了信息基础设施水平对我国各省市经济增长的影响，结论与上文基本一致，即从信息基础设施水平对经济增长的促进作用来看，西部地区要高于全国平均水平，而大部分中部和东部地区要低于全国平均水平。因此，从一般意义而言，随着各地区互联网普及率的不断提升，相比于物质、人才和金融环境更为发达和完善的地区而言，传统落后地区可能能够利用互联网作为落后基础设施的补充，实现对研发人员、资本投入等创新资源的合理整合和分配，以更加有效地开展创新活动和实现创新成果。
综上所述，互联网对城市创新效率的提升作用既可能随着创新环境的优化而加强，也有可能随着环境的优化而减弱。无论是马太效应的两极分化，还是后发优势理论的创新赶超，均反映了创新环境对互联网提升城市创新效率效果的影响。
基于现有研究和经济理论，本文提出以下假设：
假设H2：物质环境对互联网发展水平提升城市创新效率的效果具有调节作用。
假设H3：人才环境对互联网发展水平提升城市创新效率的效果具有调节作用。
假设H4：金融环境对互联网发展水平提升城市创新效率的效果具有调节作用。
三、模型设定与变量构建
（一）模型设定
为了分析互联网发展水平对城市创新效率的影响作用，本文构建以下计量模型：
lnInnoit=β0+β1lnInterit+β2lnZit+μt+δi+εit（1） 其中，i和t分别表示城市和年份;Inno表示城市创新效率;Inter表示城市互联网发展水平;Z表示一系列控制变量，包括城市的产业结构、经济发展水平、实际使用外资额、财政自主程度、人力资本水平和新增教育投入;μ表示各个城市不随时间变化的固有特征，用来控制地区效应;δ用来控制时间效应;ε表示随机扰动项。
由于影响创新的外在条件在不同城市间具有显著差异，而创新环境影响创新活动的产出效率[25]，本文进一步构建如下模型，探讨城市创新环境与互联网发展水平的交互作用对我国城市创新效率的影响效应。
lnInnoit=β0+β1lnInterit+β2lnSit×lnInterit+β3lnSit+β4lnZit+μt+δi+εit（2）
其中，S表示城市创新环境，包括物质环境、人才环境和金融环境。
（二）变量测度
考虑到在2002年之后，国民经济行业的分类标准发生较大变化，添加了信息传输、计算机服务和软件业，同时删除缺失值较为严重的城市以后，本文最终构建了2003—2017年我国277个地级市的面板数据，以分析互联网发展水平对我国城市创新效率的影响。
1.因变量
创新效率。基于城市数据的可得性，采用发明专利和实用新型专利的申请总数来衡量创新产出，用地方财政一般公共预算支出中的科学技术支出衡量创新投入，用两者比值衡量创新效率。这种测算方法的优点是简单易行，不存在测算误差，但未能包含尽可能多的投入产出变量。与之相对应的是，采用DEA方法可以综合考虑多种创新产出及其相关的投入变量，缺点是存在一定的测算误差[36-37]。本文最终选用发明专利和实用新型的申请总数与地方科学技术支出作为创新效率来进行实证分析，以DEA方法测算的城市创新效率进行稳健性检验。
另外，由于部分城市的专利申请数据出现零值，为减少取对数之后造成的数据丢失，参照Bernstein等[38]现有文献的通用做法，将所有地级市各年的专利申请数均做加1处理。科学技术支出数据来自2004—2018年的《中国城市统计年鉴》。专利数据来自中外专利数据库，根据专利申请人地址识别一项专利的所属城市[网址：http：∥zwzl.hnadl.cn/main.do？method=gotoMain]。
2.核心变量
互联网发展水平。本文以各城市的互联网普及率指标来衡量其互联网发展水平，而互联网普及率采用每百人互联网宽带接入用户数来计算。其中，互联网宽带接入用户和年末总人口数据来自2004—2018年的《中国城市统计年鉴》。
3.控制变量
参考黄群慧等[39-40]在城市层面对于控制变量的选择，本文选择了城市产业结构、经济发展水平、FDI技术外溢、财政自主权、人力资本水平和教育投入指标来控制对创新活动存在影响的城市特征变量。以上数据均来自2004—2018年的《中国城市统计年鉴》，具体的定义和测度见表1。
（1）产业结构。用第二产业产值占GDP的比重来衡量城市产业结构。其中，2018年的统计年鉴中有关产业结构指标的统计范围为市辖区，而非往年的全市范围。由于该指标在上述两个统计范围间无显著差异，故2017年直接采用市辖区数据。
（2）经济发展水平。用人均GDP来衡量。在2018年的统计年鉴中，人均GDP指标的统计范围为市辖区。考虑到本文所用的人均GDP指标为总量概念，直接采用市辖区数据可能会存在误差，故将近两年的数据进行移动平均来得到2017年的数据值。
（3）FDI技术外溢。用实际使用外商投资金额占GDP的比重来衡量FDI技术外溢程度。由于当年使用外商直接投资额以万美元计价，因此采用《中国统计年鉴2019》公布的中美汇率（年平均价），将其换算为万元人民币计价，进而计算出其在GDP中的比重。
（4）财政自主权。用地方性一般财政预算收入和财政预算支出的比值来衡量政府的财政自主权。
（5）人力资本水平。采用普通高等学校和中学学生总数占总人口的比重来衡量。
（6）教育投入。用地方性一般预算支出中的教育支出占GDP的比重来衡量城市每年新增的教育投入。
各变量的描述性统计结果见表1。从各地级市的创新效率来看，每百万科学技术支出可以产出8个专利，其中仅有3项是发明专利，5项实用新型专利。从互联网普及率来看，每100人的互联网宽带接入户数为12户。从城市创新环境来看，2003—2017年，与平均值相比，经济发展水平、人力资本和金融发展环境方差较大，表明变量取值范围波动幅度大，一定程度上说明我国经济发展过程中存在显著的区域差异。
四、实证分析结果
（一）基准回归结果
在运用面板数据分析时，主要考虑两种模型：固定效应（FE）模型和随机效应（RE）模型。前者假设各地市难以测量的固有特性对被解释变量的影响不随时间而变化，即截距项是固定参数;后者則假定各地市的固有特性对TFP的影响会随着时间而变动，即截距项是随机的。Wooldridge[41]指出，假定误差项中被忽略的变量与模型中的所有解释变量都不相关时才使用随机效应模型，否则使用固定效应模型。事实上，由于被忽略的变量包含众多的省市特性，以致被忽略的变量与模型中的所有解释变量都不相关这一假设是难以成立的。因此，本文使用FE模型考察互联网发展水平对城市创新效率的影响，同时，对2012年前后的样本进行回归，以考察“互联网+”概念提出前后，互联网发展水平对我国城市创新的影响作用是否存在显著差异。此外，为了进一步分析互联网发展水平对城市创新效率的影响途径，本文分别将创新产出和创新投入作为因变量对互联网普及率进行回归分析，以探讨互联网发展水平是通过单独促进创新产出或创新投入，还是同时对两个指标产生影响，进而影响城市创新效率。 回归结果见表2。其中，模型1在控制城市特征变量的基础上，分析了互联网发展水平对城市创新效率的影响，模型2和模型3分别为2003—2012年和2013—2017年的分样本回归结果，模型4替换因变量为创新产出，模型5替换因变量为创新投入。
模型1的结果显示，城市互联网发展水平对创新效率具有显著正向影响，互联网普及率每提高1%，城市创新效率能够提高0.125%，这表明，在控制了地区和时间固定效应的基础上，互联网的发展有助于各城市创新活动效率的提高。从模型2—3的结果可以看出，2012年及之前，互联网发展水平的估计系数为0.044，不显著，2012年以后，互联网发展水平对创新效率的产出弹性系数为0.119，在10%的水平下显著，这表明互联网发展水平对城市创新效率的影响作用随着时间趋势发生显著变化，“互联网+”战略提出以后，互联网发展水平显著提高了城市创新效率。假设H1得到验证。
模型4—5的结果显示，互联网发展水平显著促进了城市的创新产出，而对各城市的创新投入无明显影响，即互联网发展水平对各城市创新效率的促进作用主要是通过推动创新产出来实现。其中，互联网发展水平对政府科学技术支出无显著影响，本文认为可能是由于相比于互联网发展水平，政府科学技术支出偏向于中性指标，导致难以对其产生影响。具体来说，财政科学技术支出主要用于支持在市场机制下难以有效配置资源的基础性研究，这类研究活动由于具有公共产品特征，企业等创新主体往往缺乏投资动机[42]，所以，为有效开展创新活动，地方政府的科学技术支出一般与地方产业发展的特点高度关联，其支持创新活动的规模和方向也严格依据地方政府建立的经济与科技发展战略，因而受到该地区互联网发展水平的影响不大。
（二）稳健性检验
本文从两个方面验证基准回归结果的稳健性：一是替换核心变量，二是进行内生性检验。
1.替换核心变量
首先，为了综合考虑创新过程中的“投入”和“产出”，本文采用DEA非参数方法来测算各城市的创新效率。基于数据的可获得性，采用发明专利申请数和实用新型申请数作为创新产出，地方科学技术支出和年末城镇单位从业人员数作为创新投入，若该市某年投入产出变量有缺失值，通过线性插入法补足。投入变量和产出变量之间的相关系数介于0.69和0.84之间，均在1%的水平下显著，表明投入产出变量的选取是合理的。回归结果见表3模型6。其次，替换创新效率指标的测度方法。在基准回归中，本文利用发明专利和实用新型专利的申请总数来衡量创新产出，但从创造性、新颖性等标准来说，发明专利更能体现技术创新的质量，因此，本文分别采用发明专利的申请数量和授权数量来计算一个城市的创新效率，结果见模型7—8。最后，替换互联网发展水平指标的测度方法。参考王金杰等[15]对互联网水平的定义，以“互联网宽带接入户数（户）/土地面积（平方公里）”的测算方法来衡量一个城市的互联网发展水平，研究其对城市创新效率的影响作用是否具有稳健性，结果见模型9。
表3的研究结果显示，当采用DEA非参数方法测算的城市创新效率作为被解释变量，或者将专利申请数分别替换为发明专利申请数和发明专利授权数后，互联网发展水平仍然对城市创新效率具有显著正向推动作用。与此同时，在替换了互联网发展水平的测度指标后，城市的互联网发展水平仍显著促进了创新效率的提高。综上可见，互联网发展水平对城市创新效率的正向促进作用与主要测度指标的选取无关。
2.内生性检验
此前基准结果显示，互联网发展水平对城市的创新效率具有正向推动作用，但一个城市创新能力也有可能反过来影响互联网的发展水平。另外，影响一个城市创新效率的因素较多，在控制变量有限的情况下，可能会出现遗漏变量。考虑到可能会出现的反向因果和遗漏变量问题，本文采用工具变量法重新进行估计，以判断结果的稳健性。工具变量的选取原则是，必须与内生变量高度相关，而与残差项不相关。
参考黄群慧等[39]对于工具变量的选择，利用各城市1984年每百人固定电话数量和每百万人邮局数量作为城市互联网发展水平的工具变量，它与各城市的互联网发展水平高度相关，但与近20年来的城市创新效率相关性不高，是较为理想的工具变量。为了使工具变量随时间发生变化，将其与各城市上一年的省级互联网普及率相乘，将这一交叉变量作为最终选用的工具变量。当采用1984年的固定电话数量与邮局数量构建工具变量后，模型10中的2SLS结果显示，第一阶段工具变量的F值为284.26，在1%的水平下显著，这表明工具变量与潜在的内生变量高度相关，与此同时，J-test的F统计值并不显著，表明所选用的工具变量不能拒绝同时为零的原假设，即工具变量与残差项不相关。这两个检验同时表明，所选用的工具变量是有效的，不存在弱工具变量的问题。Hausman检验结果表明，2SLS的回归结果与基准回归结果存在系统性差异，即互联网发展水平确实存在内生性，但采用工具变量纠偏后的回归结果，其系数的方向和显著性与此前结果保持一致，表明基准回歸结果是稳健的。
2SLS方法假设模型的随机误差项服从正态分布才能得到可靠的估计量，当随机误差项存在异方差或序列相关时，2SLS的估计结果并非是最有效率的。由于GMM一般采用自变量的滞后期作为广义矩，不需要知道随机误差项的准确分布信息，当残差项存在异方差或序列自相关时GMM估计比2SLS更为有效，故本文采用滞后1年和2年的互联网普及率作为工具变量，进一步检验结果的稳健性。模型11的结果显示，采用GMM估计方法进行纠偏后，互联网发展水平对城市创新效率仍然具有显著的正向促进作用，本文的基准回归结果是稳健的。
（三）创新环境的交互效应
为进一步验证假设H2到H4，本文在该部分添加互联网发展水平与城市创新环境的交叉项，来分析一个城市的创新环境与互联网发展水平的交互作用对创新效率的影响作用。 参考《中国区域创新能力报告》中对于创新环境的评价方法，囿于城市数据的可得性，本文從创新产出的主要影响因素出发[41]，将城市创新环境划分为三类：
（1）物质环境（PGDP）。物质环境反映的是一个区域影响创新活动的经济发展水平，采用控制变量中的人均GDP指标来衡量。
（2）人才环境（HCA）。人才环境反映的是一个区域可用于支持技术创新活动的人才存量和知识资本，采用控制变量中的人力资本指标来衡量。
（3）金融环境（FIL）。金融环境反映的是一个区域的金融发展水平，即一个区域金融体系的完善程度、对于技术创新活动的融资支持程度、金融服务的覆盖程度以及资源配置均衡程度等。本文参考梁榜等[40]的研究，用金融机构贷款余额占GDP的比重来衡量一个地区的传统金融发展水平。
在实际的计量回归中，考虑到在模型中添加交互项之后，主要变量和交互项之间会具有相关性，导致共线性问题[44]，而且，各城市的人均GDP、人力资本水平和金融机构贷款余额占比指标在实际意义上一般不可能为零值，造成主要观测变量的系数解释并没有太大的经济意义。为解决上述两个问题，本文参考Dalal等[45]的观点，将交互项进行均值中心化处理，即将互联网水平和交互指标均减去其样本均值，然后将两者相乘来添加交互项，以降低主要变量和交互项之间不必要的共线性，而且此时，主要观测变量的系数可解释为当交互变量取均值时，其变动1%带来的被解释变量的变动程度。
回归结果见表4。其中，模型12—14分别添加互联网发展水平与城市物质环境、人才环境和金融环境的交叉变量，考察城市的物质经济水平、人力资本水平和金融发展水平与互联网发展水平的交互影响对城市创新效率的作用效果。模型15将三类创新环境同时纳入模型中，综合考察不同类型创新环境和互联网发展水平的融合对城市创新效率的影响。
首先，从物质环境来看，人均GDP与互联网普及率的交叉项系数是-0.194，在1%的显著水平下显著，表明随着人均GDP的增加，互联网发展水平对创新效率的影响效果显著下降。该结果说明了在物质经济越发达的地区，互联网基础设施的建设程度对于城市创新效率的正向推动作用越小。本文认为这可能基于以下原因：整体上而言，随着各地区互联网发展水平的持续提升，相比于传统落后地区，经济发达地区的创新效
率并未出现稳步提升。另外，2012年以来，伴随着“全民创新”战略以及专利补贴等政策的推行，我国专利申请数量激增，激增的专利主要来源于过去年份未经常开展创新活动的中西部地区[46]。因此，与经济发达地区相比，传统落后地区利用互联网作为落后基础设施的补充，实现了对研发人员、资本投入等的合理整合和分配，实现了更高水平的技术创新能力，因而城市的物质经济越不发达，互联网对城市创新效率的正向促进作用越大。由此也可以看出，互联网发展水平对我国城市创新效率的影响具有显著的区域差异性，后续将进行进一步的检验。
其次，从人才环境来看，人力资本水平与互联网普及率的交叉项系数是-0.381，在1%的水平下显著，表明随着各城市人力资本水平的提高，互联网发展水平对城市创新效率的影响明显下降。该结果与物质环境的结果具有一致性，说明了一个地区的人力资本水平越高，互联网对于城市创新效率的促进作用越小。
最后，从金融环境来看，金融发展水平与互联网普及率的交叉项未通过显著性水平检验，这一结果表明，在不同金融发展水平的城市之间，互联网发展水平对城市创新效率的影响并未存在显著差异。究其原因，从创新主体来看，小微企业是一个城市活跃程度和创新潜力最高的科技创新主体，但是长期以来，我国金融体系存在着深层次、结构性的矛盾，其发展的不完善导致了金融要素价格和资源配置扭曲，小微企业面临着严重的外部融资约束困难，严重抑制了其创新活动的开展和成果实现[43]。而本文利用金融机构贷款余额占GDP的比重来代表一个城市的金融发展水平，衡量的是该城市的传统金融服务水平，难以真正体现在“互联网+”战略下各城市借助互联网基础设施、利用转型升级的金融服务方式，如数字金融、普惠金融等，对城市创新活动的支持性作用。因此，在不同传统金融发展水平的城市之间，互联网发展水平对城市创新效率的影响并未存在显著差异。
（四）区域的异质性分析
由于我国幅员辽阔，区域发展很不平衡，互联网的发展对区域创新效率的影响效果必然存在较大差异。接下来，本文将样本分为东中西部三个地区，以分析互联网的创新影响效应的区域异质性，结果见表5。
首先，东中西部地区的互联网发展水平均显著促进了该地区的创新效率，但存在区域异质性。中部和西部地区的互联网发展对创新效率的产出弹性系数分别是0.148和0.168，高于东部地区。这表明，互联网对创新的促进作用存在边际效应递减，随着发达地区的互联网基础设施的不断完善，其对创新效率的提升作用减小，反观中西部地区，信息基础设施投资对创新仍有很大的推进作用。这在一定程度上验证了人均GDP的交互作用估计结果，随着东中西部地区的人均GDP逐级下降（人均GDP的对数值分别为1.15，0.82和0.59），互联网的发展对创新效率的作用不断增强。其次，与2012年之前相比，东中西部地区2012年以后互联网对创新效率的产出弹性系数更大。这一结果也与全样本的估计结果相吻合。
五、结论与启示
面临我国经济结构趋优、动能转换的现实背景，顺应当前社会从信息经济向互联网经济转变的时代趋势，把握并适应互联网发展作为经济增长新动能的角色，无疑成为实现我国经济增长方式转换的关键。本文基于2003—2017年我国277个地级市的面板数据，将城市创新环境纳入研究范畴，深入探讨了互联网发展水平对我国城市创新效率的影响。研究结果显示，互联网发展水平对城市创新效率的提高具有显著促进效果，且该促进作用通过推动创新产出，而非创新投入来实现。另外，互联网发展水平对城市创新效率的影响随着时间趋势发生显著变化，在近阶段，互联网的发展更能够推动城市创新效率的提高。考虑到不同城市创新环境之间的差异性，一个城市的物质环境和人才环境反向调节互联网发展水平对城市创新效率的促进作用，即一个城市的经济发展水平和人力资本水平越高，互联网对其创新效率的正向推动作用越小，而对于不同金融环境的城市而言，互联网发展水平对创新效率的影响并未存在显著差异。进一步地，区域的异质性检验结果显示，互联网发展水平对西部地区的创新效率影响效果最大，其次是中部和东部，但时间上具有同步效应，后期的影响效果才逐步凸显。 本文的研究可为各城市因地制宜开展创新活动、实现技术进步提供一些政策启示。
（1）加强互联网基础设施建设，实现区域协调发展。应加强城市信息基础设施建设，以实现互联网的有效发展和应用。同时，注重互联网资源在不同区域之间的合理化配置，在保证发达地区互联网建设良性发展的基础上，继续加大对中西部地区的互联网基础设施建设的政府扶持力度。
（2）重视创新投入，协调配置区域间的创新资源。明确各地区的关键支柱产业和高技术产业，加大对落后地区创新资源的支持，完善创新激励政策，加大科研投资力度和财政支持程度，并根据不同创新主体在创新活动中的地位和动机，给予相应的创新成果产权、资金等政策支持，以激发创新主体开展创新活动的积极性。
（3）提高创新环境质量，重视不同区域对于创新环境的内在需求差异。在国家层面上，应建立提高区域创新环境质量的战略方向，明确政府和市场在创新资源配置中的定位。而对于不同发展阶段的地区而言，发达地区应注重调整创新环境结构，由促进物质经济增长转变为促进技术创新，中西部地区应继续提高物质经济水平、市场化程度和金融服务水平，以弥补外在创新环境短板，进一步提高创新效率。
参考文献：
[1]黄群慧. “新常态”、工业化后期与工业增长新动力[J]. 中国工业经济， 2014（10）： 5-19.
[2]龙小宁， 王俊. 中国专利激增的动因及其质量效应[J]. 世界经济， 2015（6）： 115-142.
[3]JORGENSON D W， STIROH K J. Raising the speed limit： U. S. economic growth in the information age[J]. Brookings Papers on Economic Activity， 2000（1）： 125-235.
[4]CHOI C， YI M H. The effect of the internet on economic growth： evidence from cross-country panel data[J]. Economics Letters， 2009， 105（1）： 39-41.
[5]CHU S Y. Internet， economic growth and recession[J]. Modem Economy， 2013， 4（3A）： 209-213.
[6]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.
[7]郭家堂， 骆品亮. 互联网对中国全要素生产率有促进作用吗？[J]. 管理世界， 2016（10）： 34-49.
[8]BERGER A N. The economic effects of technological progress： evidence from the banking industry[J]. Finance andEconomics Discussion Series， 2003， 35（2）： 141-172.
[9]茶洪旺， 左鹏飞. 信息化对中国产业结构升级影响分析： 基于省级面板数据的空间计量研究[J]. 经济评论， 2017（1）： 80-89.
[10]FREUND C， WEINHOLD D. The internet and international trade in services[J]. American Economic Review， 2002， 92（2）： 236-240.
[11]施炳展. 互联网与国际贸易： 基于双边双向网址链接数据的经验分析[J]. 经济研究， 2016（5）： 172-187.
[12]FORMAN C， ZEEBROECK N V. From wires to partners： How the internet has fostered R&D collaborations within firms[J]. Management Science， 2012， 58（8）： 1549-1568.
[13]張旭亮， 史晋川， 李仙德， 等. 互联网对中国区域创新的作用机理与效应[J]. 经济地理， 2017（12）： 129-137.
[14]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.
[15]王金杰， 郭树龙， 张龙鹏. 互联网对企业创新绩效的影响及其机制研究： 基于开放式创新的解释[J]. 南开经济研究， 2018（6）： 170-190.
[16]HARRIS M H. Is the revolution now over， or has it just begun？ A year of the internet in higher education[J]. The Internet and Higher Education， 1998， 1（4）： 243-251.
[17]江小涓. 高度联通社会中的资源重组与服务业增长[J]. 经济研究， 2017（3）： 4-17.
[18]张骞， 吴晓飞. 信息化对区域创新能力的影响： 马太效应存在吗？[J]. 科学决策， 2018（7）： 1-21.
[19]马光荣， 刘明， 杨恩艳. 银行授信、信贷紧缩与企业研发[J]. 金融研究， 2014（7）： 76-93.
[20]HALL B H， LERNER J. The financing of R&D and innovation[J]. Handbook of the Economics of Innovation， 2010（1）： 609-639. [21]李炳， 赵阳. 互联网金融对宏观经济的影响[J]. 财经科学， 2014（8）： 21-28.
[22]兰海霞， 赵雪雁. 中国区域创新效率的时空演变及创新环境影响因素[J]. 经济地理， 2020（2）： 97-107.
[23]张宗和， 彭昌奇. 区域技术创新能力影响因素的实证分析： 基于全国30个省市区的面板数据[J]. 中国工业经济， 2009（11）： 35-44.
[24]TODTLING F， KAUFMANN A. Innovation systems in regions of Europe： a comparative perspective[J]. European Planning Studies， 1999， 7（6）： 699-717.
[25]李习保. 区域创新环境对创新活动效率影响的实证研究[J]. 数量经济技术经济研究， 2007（8）： 13-24.
[26]范红忠. 有效需求规模假说、研发投入与国家自主创新能力[J]. 经济研究， 2007（3）： 33-44.
[27]邓向荣， 周密， 李伟. 我国科技创新极化度指数的构造及区域比较[J]. 财经研究， 2007（6）： 67-76.
[28]宋丽思， 陈向东. 我国四大城市区域创新空间极化趋势的比较研究[J]. 中国软科学， 2009（10）： 100-108.
[29]黄蕊， 张肃. 梯度转移理论下我国区域创新极化效应与扩散效应的非对称性影响研究[J]. 商业经济与管理， 2019（12）： 88-97.
[30]樊纲. “发展悖论”与发展经济学的“特征性问题”[J]. 管理世界， 2020（4）： 34-39.
[31]陈明明， 郑猛. 为什么大多数技术创新没有成为适应性技术[J]. 社会科学研究， 2021（1）： 105-113.
[32]KALAPOUTI K， PETRIDIS K， MALESIOS C， et al. Measuring efficiency of innovation using combined data envelopment analysis and structural equation modeling： empirical study in EU regions[J]. Annals of Operations Research， 2020， 294（1-2）： 297-320.
[33]ALEXANDRE R. ICT penetration and aggregate production efficiency： empirical evidence for a cross-section of fifty countries[J]. Journal of Applied Economical Sciences， 2008（3）： 65-72.
[34]JUNG J. Regional inequalities in the impact of broadband on productivity： evidence from Brazil[R]. MPRA Paper， 2014（56177）.
[35]陈亮， 李杰伟， 徐长生. 信息基础设施与经济增长： 基于中国省际数据分析[J]. 管理科学， 2011（1）： 98-107.
[36]GUAN J C， CHEN K H. Measuring the innovation production process： a cross-region empirical study of China’s high-tech innovations[J]. Technovation， 2010， 30（5）： 348-358.
[37]李政， 杨思瑩. 财政分权、政府创新偏好与区域创新效率[J]. 管理世界， 2018（12）： 29-42.
[38]BERNSTEIN S. Does going public affect innovation？[J]. SSRN Electronic Journal， 2015， 70（4）： 1365-1403.
[39]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.
[40]梁榜， 张建华. 数字普惠金融发展能激励创新吗： 来自中国城市和中小企业的证据[J]. 当代经济科学， 2019（5）： 74-86.
[41]WOOLDRIDGE J M. Introductory econometrics： a modern approach[M]. Mason： South-Western， 2003.
[42]葛园园， 孔刘柳. 我国财政科技支出结构分析[J]. 金融经济， 2013（10）： 78-80.
[43]张会云， 唐元虎. 企业技术创新影响因素的模糊聚类分析[J]. 科研管理， 2003（6）： 71-77.
[44]ALTHAUSER R P， RUBIN D. Measurement error and regression to the mean in matched samples[J]. Social Forces， 1971， 50（2）： 206-214.
[45]DALAL D K， ZICKAR M J. Some common myths about centering predictor variables in moderated multiple regression and polynomial regression[J]. Organizational Research Methods， 2012， 15（3）： 339-362. [46]HU A G， JEFFERSON G H. A great wall of patents： What is behind China’s recent patent explosion？[J]. Journal of Development Economics， 2009， 90（1）： 57-68.
责任编辑、校对： 李再扬
Research on the Impact of Internet Development on Cities’ Innovation Efficiency
JIANG Ren’ai1，2， LI Dongmei1， WEN Jun1
（1. School of Economics and Finance， Xi’an Jiaotong University， Xi’an 710061， China;
2. Innovation-driven and Industrial Upgrading Research Center in Shaanxi Province， Xi’an 710061， China）
Abstract： With the advent of the information technology era， the development and popularization of Internet technology can promote technological progress and has become the key to the transformation of Chinese economic growth mode. On the basis of systematical analysis of the action mechanism of Internet development and urban innovation efficiency， combined with panel data of 277 prefecture-level cities in China from 2003 to 2017， this article empirically analyzess the effect of Internet development level on urban innovation efficiency in China. The results show that the Internet has a significant promotion effect on the improvement of urban innovation efficiency， and the promotion effect is mainly achieved by promoting innovation output rather than innovation input， and gradually strengthens with time. The urban physical environment and talent environment reversely regulate the Internet to promote the efficiency of urban innovation， that is， the higher the level of economic development and human capital of a city， the smaller the positive impact of the Internet on its innovation efficiency. While the regulating effect of urban financial environment is not significant. The influence of the Internet on innovation efficiency has significant regional heterogeneity， with the western region being the largest， followed by the central and eastern regions. However， innovation efficiency was not significantly improved in all regions until 2012. In order to better tap the innovation potential， China should strengthen the development of information technology at the same time， further improve the level of innovation environment in backward areas.
Keywords： innovation efficiency; city; internet development; patents; innovation environment
收稿日期：2020-08-05。
基金項目：国家自然科学基金面上项目“ICT对中国技术进步的作用机理及影响效果研究”（71874138）。
作者简介：蒋仁爱，男，西安交通大学经济与金融学院教授，博士生导师，研究方向：技术创新与科技政策，电子邮箱：jiangrenai@xjtu.edu.cn;
李冬梅，女，西安交通大学经济与金融学院博士研究生，研究方向：技术创新;
温军，男，西安交通大学经济与金融学院教授，博士生导师，研究方向：公司治理与技术创新。
关键词：创新效率;城市;互联网发展;专利;创新环境
文献标识码：A
文章编号：100228482021（04）007713
一、引言
进入21世纪以来，伴随着信息技术革命的到来，ICT领域的技术不断发展成熟，以互联网技术为代表的新一代信息技术得到迅速发展，并进一步与各传统产业实现深度融合，推动产业和技术变革。OECD指出，当前社会已从信息经济向互联网经济转变。顺应该趋势，我国的互联网基础设施建设也得到快速发展，互联网宽带接入用户数从2003年的1115万增加到2018年的40738万，增长了近36倍。面对经济增速趋于下滑、产业结构有待调整、经济增长方式亟需转换的社会现实[1]，把握并适应互联网发展作为经济增长新动能的角色，积极推进科技创新和技术进步，无疑成为实现我国经济增长方式转换的关键。从投入产出的关系来看，技术创新活动的顺利开展依赖于高额持续的创新资源投入。近年来，我国在科技活动上的资源投入和创新成果与日俱增，从投入来看，R&D强度从1998年的0.65%增长至2018年的2.18%，高于大部分的OECD国家，从创新成果来看，2011年，我国专利申请量就超过美国和日本，成为世界上最大的专利申请国[2]，2018年，我国发明专利申请量达到152万件，相比于1998年的3.6万件，增长了42倍。可见，近20多年来我国对R&D持续进行投入，产生了大量的创新成果，在经济处于新常态的背景下，如何提高创新效率成为了政府和学界日益关注的重要命题。因此，伴随着“互联网+”战略的提出，在依靠互联网建设来实现我国经济动能转换的关键节点，检验与分析互联网发展水平对我国各地区开展创新活动、提高创新效率的作用效果具有一定的理论意义和实践价值。
从互联网发展水平出发，既有文献主要集中在以下三个层面探讨互联网发展水平与经济活动、创新活动等方面的相关性影响：
一是讨论互联网发展水平对区域经济增长的影响。国外的相关研究起步较早。1987年，Solow在研究信息技术发展对于生产率的作用时，就提出“生产率悖论”理论，之后，众多学者利用不同的信息基础设施指标对“生产率悖论”从不同层面进行了论证，如计算机投入水平[3]、互联网发展水平[4-5]。由于我国的互联网发展起步较晚，针对该领域的研究文献在2000年之后才明显增多，而且大部分研究基于国家和省市级层面，如韩宝国等[6]分析了我國各省市的宽带普及率对经济增长率的影响;郭家堂等[7]构建了各省市互联网发展水平的综合指标，分析其对TFP的影响效果。
二是讨论互联网发展水平对经济相关部门的影响，如产业部门、国际贸易等。针对产业部门的研究具有较为一致的结论，即互联网技术的发展能够助推产业结构调整，以实现产业升级。如Berger[8]发现互联网的发展对银行业的基础服务水平和质量具有显著正向提升作用;茶洪旺等[9]则发现信息化水平能够明显促进我国地区产业结构升级。针对国际贸易的研究多从国家层面展开，如Freund等[10]考察了互联网发展水平与服务贸易的相关关系;施炳展[11]利用微观企业数据分析了互联网发展水平对企业出口贸易的影响。
三是讨论互联网发展水平对创新活动的影响，主要从区域或微观组织层面展开研究[12-13]。如韩先锋[14]从各省市出发，讨论了互联网发展水平对区域创新效率影响的非线性和异质性;王金杰等[15]则利用上市企业数据分析了互联网发展水平对企业创新绩效的影响效果和作用机制。
纵观已有研究，目前在互联网发展影响经济和创新活动方面进行了一些有价值的实证研究，但关注地级市创新效率方面的分析仍然较少，也未深入考虑各个区域不同水平的创新环境所造成的影响差异性。因此，本文基于地级市层面的面板数据，将城市创新环境纳入研究范畴，来检验互联网发展水平对我国各城市创新效率的影响效果，并探讨上述影响效果在不同的城市创新环境水平下是否存在显著差异，从而为我国各城市实施“互联网+”计划、因地制宜开展创新活动、提升创新效率提供一定的理论基础和事实依据。
与现有研究相比，本文在如下三个方面做了拓展分析：
第一，首次基于地级市层面的数据，探讨互联网发展水平对城市创新效率的影响效果;
第二，对互联网影响城市创新效率的作用机理进行梳理，由于互联网具有通用技术的特性，能够提升沟通效率、强化知识溢出、整合创新资源、提升金融服务水平，从而显著促进城市创新效率;
第三，从物质、人才和金融三个维度，探讨创新环境对互联网创新效应的反向调节作用。实证结果发现，互联网发展水平对城市创新效率的提高具有显著促进效果，其影响效果在后期逐步凸显。城市的物质环境和人才环境反向调节互联网发展水平对城市创新效率的促进作用，金融环境并未发挥显著的调节作用。区域的异质性检验结果显示，互联网发展水平对创新效率的影响效果呈现“西部>中部>东部”的趋势，但时间上具有同步效应，后期的影响效果才逐步凸显。 本文剩余部分组织如下：第二部分是理论推演与假设提出;第三部分介绍模型和变量;第四部分是实证分析结果;最后是结论与启示。
二、理论推演与研究假设
（一）互联网对城市创新效率的影响效果
伴随着ICT领域发展与应用的不断成熟，以互联网技术为代表的新一代信息技术得到迅速发展，通过与各传统产业的深度融合，推动着产业变革。Harris[16]的研究表明，互联网具有通用技术（GPT）的特征，能够缓解社会经济生产和交换过程中的信息不对称性，可以以更低的交易成本实现信息、知识等资本的快速传播和流动。基于该特征，从开展创新活动所需资金、知识等投入要素出发，本文认为互联网对城市创新效率具有以下作用：
其一，提升沟通效率，加强区域合作。互联网的连通性特征缩短了城市之间的时空距离[13]。不同地区的创新主体利用互联网相关的沟通方式，在创新过程中可以突破地理距离、组织边界等因素的限制，增强了交流的便利性。与此同时，沟通成本的下降提升了区域创新主体的交流频率，大幅度降低区域间的信息不对称性，避免信息摩擦，有效提高沟通效率，降低协调成本[17]。通过更多交流产生创新思维的碰撞，有利于形成跨区域合作，促进区域协调创新，推动各城市創新效率的提升。
其二，强化知识溢出，提升区域活力。互联网通过信息化的方式拓宽了知识的传播范围，大大加深了知识空间溢出和普及程度[14]。随着互联网技术的发展，不同地区的创新主体通过网络即可快速搜寻和获取外部知识，创新技能在不同区域得到渗透，人力资本积累不断加深，创新素质得到提升[13]。各地区通过吸收同化其他地区的先进技术知识，有利于加速区域创新、增强城市创新活力，从而推动城市创新效率[18]。
其三，调整创新结构，整合创新资源。首先，互联网的重塑效应，打破了原有的边界限制，促进了创新要素的流动，实现资源宽范围、多领域的优化配置，不可避免的带来了区域创新结构的转变[18]。其次，“互联网+”模式的推广，促进了创新资源同其他要素资源的融合发展与再创新，使创新模式得到升级，有利于区域创新的专业化分工[13]。创新主体可以依托不同地区的创新优势进行空间分散化生产，从而提高研发资金的使用效率。最后，基于互联网的通用技术特征，各个创新主体可以低成本、高效率地实现信息的搜寻和甄别，通过强化区域创新主体的资源对接，加大经济社会中资源与要素的整合力度，降低交易成本和创新投入的风险。
其四，推动信息共享，优化金融环境。为顺利实施创新活动，创新主体需要持续稳定的资金来源，而其自身的内部融资往往难以满足资金需求，需要向第三方金融机构进行外部融资，这要求完善的金融服务体系来支持[19]。但是，由于创新相关的投资项目一般风险较高，创新主体在融资的过程中会面临严重的信息不对称性，获取资金的难度进一步加大[20]。互联网服务平台的出现，可以促进信息实现高效地流动、传播和共享，大幅降低双方的信息不对称性。互联网与金融机构的融合能够创造数字银行、普惠金融等新的金融生态，缓解创新主体的融资约束，推动所在地区创新活动的开展[21]。
另外，本文进一步验证互联网发展水平对城市创新效率的影响效果是否会随着时间变动而有所差异。21世纪初，国际互联网产业迅猛发展，伴随中国加入WTO后实施“引进来”和“走出去”同步发展的战略，我国互联网基础设施建设水平迈入快速发展阶段，但2012年之前，我国互联网发展的整体水平较低，在各区域间的非均衡性也极大。2012年后，伴随着“互联网+”战略的提出，我国各城市，尤其是中西部地区，大幅提高互联网基础设施建设，并出台各项财政补贴措施，构建更加高效的科研体系，以利用技术创新能力的提升实现经济发展的弯道超车。而且，在此期间，我国创新效率的整体水平也呈现出快速增长的趋势[22]。基于以上分析，本文提出研究假设H1：
假设H1：互联网发展水平对城市创新效率具有显著正向影响，其影响效果随着时间趋势逐渐加强。
（二）互联网与城市创新环境的交互影响作用
在技术创新能力的决定因素研究中，一部分学者形成了以创新主体的内部因素为主的创新活动观[23]。该种观点认为创新主体的内部特征在一定程度上决定了实现技术创新成果的可能性，如知识及资本投入、企业规模以及所有制特征等。但是，Todtling等[24]的研究表明，不同地区的创新资源相近，但创新能力却具有巨大差异，说明创新资源本身并不是造成区域创新能力水平差异的唯一原因，一个区域的创新能力及效率很大程度上还受到外在创新环境的影响[25]。
目前，关于创新环境的界定和评价方法主要参考中国科技发展战略研究小组自2001年起出版的《中国区域创新能力报告》，从基础设施水平、市场环境、劳动者教育水平、金融支持能力和创业水平五个方面来综合衡量区域创新环境。基于该指标评价体系，由于地级市层面数据的局限性，本文从直接影响创新活动的资本和知识投入出发，将创新环境划分为了物质环境、人才环境和金融环境。
从直接影响来看，一个地区良好的创新环境有利于区域经济的健康运行，进而提高区域创新效率。如当一个区域的经济发展水平较高，往往代表着该区域内市场需求活跃，能够刺激企业为获取市场份额，赢得竞争优势来开展研发创新活动[26]。进一步地，当一个区域内的人力资本水平越高，代表着该地区潜在的创新型人才存量也越高，在资本投入一定的情况下，创新产出和效率可能也会越高。而为顺利开展研发创新活动，创新主体一般需要向银行等第三方金融机构进行外部融资，一个区域的金融环境越完善，表示该地区的金融要素价格和资源配置越合理，可以为创新活动提供较高金额及持续的资金支持。
从交互影响来看，互联网对城市创新效率提升作用的路径机制需要与当地创新环境相融合。根据区域发展的极化理论，一些地区的率先增长会产生极化效应形成经济增长极，而经济极化进一步导致创新极化[27]。随着互联网的发展，区域连通性不断增强，这种极化效应被进一步放大，最终产生强者愈强、弱者愈弱的马太效应。 首先，在发达地区，由于其优良的创新环境，对外产生了明显的虹吸作用，随着互联网的发展，虹吸范围逐渐扩大。发达地区通过对创新资源的整合，充分发挥要素的可利用性，形成了区域创新极。通过创新的规模经济，凭借更高效的组织形式与创新结构，促进了创新效率的提升。与此同时，虹吸作用带来的人流、物流、资金流的抽离，导致了落后地区的创新空洞化。这种流入与流出的非对称性，是造成创新效率两极分化的主要原因[28]。
其次，发达地区往往具有市场优势，创新活动能够得到有力支撑。市场的引导作用，使创新更具领先性，有利于实现创新成果的价值兑现，提升转化效率。相比之下，落后地区受自身薄弱的物质、人才、金融等创新环境的影响，创新活动受到一定制约。创新资源的相对匮乏限制了自身创新活力的发挥，致使其效率的提升速度较为缓慢[29]。
最后，发达地区对信息、技术具有较好的吸收、转化能力。由于创新通常具有一定的连贯性，并且创新系统可能较为复杂，发达地区在进行创新活动时能够立足于长期的创新积累，更好地将互联网带来的信息技术融入到复杂的系统中去，实现两者的有效结合。而对落后地区来说，即使互联网为其带来了相同的知识存量，其对信息、技术的消化吸收能力也不及发达地区，落后地區想要提升自身对先进技术的运用效率，需要增强其与创新极的对接能力，当对接落差过大时，创新红利难以释放[29]。同时，知识产权保护制度在一定程度上保证了创新主体的效率领先性。因而，可能导致互联网对落后地区创新效率的提升作用不如发达地区强烈。
与之不同的是，后发优势理论认为，相对落后地区在发展中更具优势，通过技术学习与模仿，存在赶超发达地区实现弯道超车的可能。而这种可能性的实现需要借助一定的有利条件作为支撑，互联网的出现成为其优势向现实转化的有利契机。就创新而言，一方面，落后地区在创新要素上具有比较优势，相对较低的要素成本为创新追赶提供了基础。同时，互联网的连通性为落后地区带来知识和技术，使创新要素得以转化，有效降低了落后地区的创新成本[30]。另一方面，落后地区具有始发优势，由于创新尚处于初级阶段，物质、人力、金融等资源随时蓄势待发，一旦有新技术进入，其创新效率往往呈现爆炸式提升。互联网的发展无疑成为这一效率提升的导火线[14]。根据后发优势理论，创新追赶的关键在于模仿，落后地区依靠模仿，学习了发达地区大量长期积累的先进技术，吸收了此前的经验教训，避免了不必要的浪费。互联网通过打破时空界限，为落后地区的模仿创新创造了有利条件。
另外，根据内生增长理论，经济增长的源泉是知识或人力资本积累所带来的内生技术进步，技术知识能够跨区域外溢，具有明显的外部性。互联网背景下的知识溢出具有区域不对称性，一方面，创新环境相对较好的地区对落后地区产生了明显的正外部性[18]，落后地区通过学习、吸收与迅速转化，实现模仿性创新，而模仿性创新本身速度更快，效率往往也更高。另一方面，创新环境相对落后的地区通常无法对发达地区产生有效的外溢。相反，其自身通过大量的模仿性创新一定程度上挤占了发达地区的创新市场和创新资源，从而损坏了发达地区的创新效率[31]。这种由于互联网的公共性特征带来的类“搭便车”现象，迫使发达地区需要更多的凭借创造性创新来实现自身发展。而创造性创新虽然更具颠覆性，但其本身耗时较长且难度较高，相对于模仿性创新而言，短期效率更低。其结果是，伴随着创新环境的提升，互联网对区域创新效率的提升效果反而减弱。
Kalapouti等[32]对欧洲192个国家和地区的研究发现，相比于经济和技术较为发达的地区，偏落后和待转型地区开展创新活动的效率更高。兰海霞等[22]对我国省市创新效率的描述分析结果也表明，我国不同区域间创新效率具有较大差异性，且从2013年起，西部和中部地区的创新效率开始反超东部地区，三大区域的创新效率差异逐步缩小，而且对未来的预测结果表明，各区域的创新效率仍会保持继续提升的态势，并呈现“西部>中部>东部”的区域格局。另外，部分研究表明，信息基础设施建设水平或互联网发展水平对落后国家或地区生产率的提升作用更为明显。如Alexandre[33]针对世界50个国家的研究表明，在发达国家或地区，ICT对于生产效率基本无显著影响，而在最不发达的非洲国家，ICT显示能够明显提高生产效率。Jung[34]对巴西内部的不同地区研究也说明，相比于发达地区，宽带水平对落后地区的生产率具有更显著的推动作用，因为宽带基础设施的建设可能为落后地区提供了新的经济资源。陈亮等[35]则考察了信息基础设施水平对我国各省市经济增长的影响，结论与上文基本一致，即从信息基础设施水平对经济增长的促进作用来看，西部地区要高于全国平均水平，而大部分中部和东部地区要低于全国平均水平。因此，从一般意义而言，随着各地区互联网普及率的不断提升，相比于物质、人才和金融环境更为发达和完善的地区而言，传统落后地区可能能够利用互联网作为落后基础设施的补充，实现对研发人员、资本投入等创新资源的合理整合和分配，以更加有效地开展创新活动和实现创新成果。
综上所述，互联网对城市创新效率的提升作用既可能随着创新环境的优化而加强，也有可能随着环境的优化而减弱。无论是马太效应的两极分化，还是后发优势理论的创新赶超，均反映了创新环境对互联网提升城市创新效率效果的影响。
基于现有研究和经济理论，本文提出以下假设：
假设H2：物质环境对互联网发展水平提升城市创新效率的效果具有调节作用。
假设H3：人才环境对互联网发展水平提升城市创新效率的效果具有调节作用。
假设H4：金融环境对互联网发展水平提升城市创新效率的效果具有调节作用。
三、模型设定与变量构建
（一）模型设定
为了分析互联网发展水平对城市创新效率的影响作用，本文构建以下计量模型：
lnInnoit=β0+β1lnInterit+β2lnZit+μt+δi+εit（1） 其中，i和t分别表示城市和年份;Inno表示城市创新效率;Inter表示城市互联网发展水平;Z表示一系列控制变量，包括城市的产业结构、经济发展水平、实际使用外资额、财政自主程度、人力资本水平和新增教育投入;μ表示各个城市不随时间变化的固有特征，用来控制地区效应;δ用来控制时间效应;ε表示随机扰动项。
由于影响创新的外在条件在不同城市间具有显著差异，而创新环境影响创新活动的产出效率[25]，本文进一步构建如下模型，探讨城市创新环境与互联网发展水平的交互作用对我国城市创新效率的影响效应。
lnInnoit=β0+β1lnInterit+β2lnSit×lnInterit+β3lnSit+β4lnZit+μt+δi+εit（2）
其中，S表示城市创新环境，包括物质环境、人才环境和金融环境。
（二）变量测度
考虑到在2002年之后，国民经济行业的分类标准发生较大变化，添加了信息传输、计算机服务和软件业，同时删除缺失值较为严重的城市以后，本文最终构建了2003—2017年我国277个地级市的面板数据，以分析互联网发展水平对我国城市创新效率的影响。
1.因变量
创新效率。基于城市数据的可得性，采用发明专利和实用新型专利的申请总数来衡量创新产出，用地方财政一般公共预算支出中的科学技术支出衡量创新投入，用两者比值衡量创新效率。这种测算方法的优点是简单易行，不存在测算误差，但未能包含尽可能多的投入产出变量。与之相对应的是，采用DEA方法可以综合考虑多种创新产出及其相关的投入变量，缺点是存在一定的测算误差[36-37]。本文最终选用发明专利和实用新型的申请总数与地方科学技术支出作为创新效率来进行实证分析，以DEA方法测算的城市创新效率进行稳健性检验。
另外，由于部分城市的专利申请数据出现零值，为减少取对数之后造成的数据丢失，参照Bernstein等[38]现有文献的通用做法，将所有地级市各年的专利申请数均做加1处理。科学技术支出数据来自2004—2018年的《中国城市统计年鉴》。专利数据来自中外专利数据库，根据专利申请人地址识别一项专利的所属城市[网址：http：∥zwzl.hnadl.cn/main.do？method=gotoMain]。
2.核心变量
互联网发展水平。本文以各城市的互联网普及率指标来衡量其互联网发展水平，而互联网普及率采用每百人互联网宽带接入用户数来计算。其中，互联网宽带接入用户和年末总人口数据来自2004—2018年的《中国城市统计年鉴》。
3.控制变量
参考黄群慧等[39-40]在城市层面对于控制变量的选择，本文选择了城市产业结构、经济发展水平、FDI技术外溢、财政自主权、人力资本水平和教育投入指标来控制对创新活动存在影响的城市特征变量。以上数据均来自2004—2018年的《中国城市统计年鉴》，具体的定义和测度见表1。
（1）产业结构。用第二产业产值占GDP的比重来衡量城市产业结构。其中，2018年的统计年鉴中有关产业结构指标的统计范围为市辖区，而非往年的全市范围。由于该指标在上述两个统计范围间无显著差异，故2017年直接采用市辖区数据。
（2）经济发展水平。用人均GDP来衡量。在2018年的统计年鉴中，人均GDP指标的统计范围为市辖区。考虑到本文所用的人均GDP指标为总量概念，直接采用市辖区数据可能会存在误差，故将近两年的数据进行移动平均来得到2017年的数据值。
（3）FDI技术外溢。用实际使用外商投资金额占GDP的比重来衡量FDI技术外溢程度。由于当年使用外商直接投资额以万美元计价，因此采用《中国统计年鉴2019》公布的中美汇率（年平均价），将其换算为万元人民币计价，进而计算出其在GDP中的比重。
（4）财政自主权。用地方性一般财政预算收入和财政预算支出的比值来衡量政府的财政自主权。
（5）人力资本水平。采用普通高等学校和中学学生总数占总人口的比重来衡量。
（6）教育投入。用地方性一般预算支出中的教育支出占GDP的比重来衡量城市每年新增的教育投入。
各变量的描述性统计结果见表1。从各地级市的创新效率来看，每百万科学技术支出可以产出8个专利，其中仅有3项是发明专利，5项实用新型专利。从互联网普及率来看，每100人的互联网宽带接入户数为12户。从城市创新环境来看，2003—2017年，与平均值相比，经济发展水平、人力资本和金融发展环境方差较大，表明变量取值范围波动幅度大，一定程度上说明我国经济发展过程中存在显著的区域差异。
四、实证分析结果
（一）基准回归结果
在运用面板数据分析时，主要考虑两种模型：固定效应（FE）模型和随机效应（RE）模型。前者假设各地市难以测量的固有特性对被解释变量的影响不随时间而变化，即截距项是固定参数;后者則假定各地市的固有特性对TFP的影响会随着时间而变动，即截距项是随机的。Wooldridge[41]指出，假定误差项中被忽略的变量与模型中的所有解释变量都不相关时才使用随机效应模型，否则使用固定效应模型。事实上，由于被忽略的变量包含众多的省市特性，以致被忽略的变量与模型中的所有解释变量都不相关这一假设是难以成立的。因此，本文使用FE模型考察互联网发展水平对城市创新效率的影响，同时，对2012年前后的样本进行回归，以考察“互联网+”概念提出前后，互联网发展水平对我国城市创新的影响作用是否存在显著差异。此外，为了进一步分析互联网发展水平对城市创新效率的影响途径，本文分别将创新产出和创新投入作为因变量对互联网普及率进行回归分析，以探讨互联网发展水平是通过单独促进创新产出或创新投入，还是同时对两个指标产生影响，进而影响城市创新效率。 回归结果见表2。其中，模型1在控制城市特征变量的基础上，分析了互联网发展水平对城市创新效率的影响，模型2和模型3分别为2003—2012年和2013—2017年的分样本回归结果，模型4替换因变量为创新产出，模型5替换因变量为创新投入。
模型1的结果显示，城市互联网发展水平对创新效率具有显著正向影响，互联网普及率每提高1%，城市创新效率能够提高0.125%，这表明，在控制了地区和时间固定效应的基础上，互联网的发展有助于各城市创新活动效率的提高。从模型2—3的结果可以看出，2012年及之前，互联网发展水平的估计系数为0.044，不显著，2012年以后，互联网发展水平对创新效率的产出弹性系数为0.119，在10%的水平下显著，这表明互联网发展水平对城市创新效率的影响作用随着时间趋势发生显著变化，“互联网+”战略提出以后，互联网发展水平显著提高了城市创新效率。假设H1得到验证。
模型4—5的结果显示，互联网发展水平显著促进了城市的创新产出，而对各城市的创新投入无明显影响，即互联网发展水平对各城市创新效率的促进作用主要是通过推动创新产出来实现。其中，互联网发展水平对政府科学技术支出无显著影响，本文认为可能是由于相比于互联网发展水平，政府科学技术支出偏向于中性指标，导致难以对其产生影响。具体来说，财政科学技术支出主要用于支持在市场机制下难以有效配置资源的基础性研究，这类研究活动由于具有公共产品特征，企业等创新主体往往缺乏投资动机[42]，所以，为有效开展创新活动，地方政府的科学技术支出一般与地方产业发展的特点高度关联，其支持创新活动的规模和方向也严格依据地方政府建立的经济与科技发展战略，因而受到该地区互联网发展水平的影响不大。
（二）稳健性检验
本文从两个方面验证基准回归结果的稳健性：一是替换核心变量，二是进行内生性检验。
1.替换核心变量
首先，为了综合考虑创新过程中的“投入”和“产出”，本文采用DEA非参数方法来测算各城市的创新效率。基于数据的可获得性，采用发明专利申请数和实用新型申请数作为创新产出，地方科学技术支出和年末城镇单位从业人员数作为创新投入，若该市某年投入产出变量有缺失值，通过线性插入法补足。投入变量和产出变量之间的相关系数介于0.69和0.84之间，均在1%的水平下显著，表明投入产出变量的选取是合理的。回归结果见表3模型6。其次，替换创新效率指标的测度方法。在基准回归中，本文利用发明专利和实用新型专利的申请总数来衡量创新产出，但从创造性、新颖性等标准来说，发明专利更能体现技术创新的质量，因此，本文分别采用发明专利的申请数量和授权数量来计算一个城市的创新效率，结果见模型7—8。最后，替换互联网发展水平指标的测度方法。参考王金杰等[15]对互联网水平的定义，以“互联网宽带接入户数（户）/土地面积（平方公里）”的测算方法来衡量一个城市的互联网发展水平，研究其对城市创新效率的影响作用是否具有稳健性，结果见模型9。
表3的研究结果显示，当采用DEA非参数方法测算的城市创新效率作为被解释变量，或者将专利申请数分别替换为发明专利申请数和发明专利授权数后，互联网发展水平仍然对城市创新效率具有显著正向推动作用。与此同时，在替换了互联网发展水平的测度指标后，城市的互联网发展水平仍显著促进了创新效率的提高。综上可见，互联网发展水平对城市创新效率的正向促进作用与主要测度指标的选取无关。
2.内生性检验
此前基准结果显示，互联网发展水平对城市的创新效率具有正向推动作用，但一个城市创新能力也有可能反过来影响互联网的发展水平。另外，影响一个城市创新效率的因素较多，在控制变量有限的情况下，可能会出现遗漏变量。考虑到可能会出现的反向因果和遗漏变量问题，本文采用工具变量法重新进行估计，以判断结果的稳健性。工具变量的选取原则是，必须与内生变量高度相关，而与残差项不相关。
参考黄群慧等[39]对于工具变量的选择，利用各城市1984年每百人固定电话数量和每百万人邮局数量作为城市互联网发展水平的工具变量，它与各城市的互联网发展水平高度相关，但与近20年来的城市创新效率相关性不高，是较为理想的工具变量。为了使工具变量随时间发生变化，将其与各城市上一年的省级互联网普及率相乘，将这一交叉变量作为最终选用的工具变量。当采用1984年的固定电话数量与邮局数量构建工具变量后，模型10中的2SLS结果显示，第一阶段工具变量的F值为284.26，在1%的水平下显著，这表明工具变量与潜在的内生变量高度相关，与此同时，J-test的F统计值并不显著，表明所选用的工具变量不能拒绝同时为零的原假设，即工具变量与残差项不相关。这两个检验同时表明，所选用的工具变量是有效的，不存在弱工具变量的问题。Hausman检验结果表明，2SLS的回归结果与基准回归结果存在系统性差异，即互联网发展水平确实存在内生性，但采用工具变量纠偏后的回归结果，其系数的方向和显著性与此前结果保持一致，表明基准回歸结果是稳健的。
2SLS方法假设模型的随机误差项服从正态分布才能得到可靠的估计量，当随机误差项存在异方差或序列相关时，2SLS的估计结果并非是最有效率的。由于GMM一般采用自变量的滞后期作为广义矩，不需要知道随机误差项的准确分布信息，当残差项存在异方差或序列自相关时GMM估计比2SLS更为有效，故本文采用滞后1年和2年的互联网普及率作为工具变量，进一步检验结果的稳健性。模型11的结果显示，采用GMM估计方法进行纠偏后，互联网发展水平对城市创新效率仍然具有显著的正向促进作用，本文的基准回归结果是稳健的。
（三）创新环境的交互效应
为进一步验证假设H2到H4，本文在该部分添加互联网发展水平与城市创新环境的交叉项，来分析一个城市的创新环境与互联网发展水平的交互作用对创新效率的影响作用。 参考《中国区域创新能力报告》中对于创新环境的评价方法，囿于城市数据的可得性，本文從创新产出的主要影响因素出发[41]，将城市创新环境划分为三类：
（1）物质环境（PGDP）。物质环境反映的是一个区域影响创新活动的经济发展水平，采用控制变量中的人均GDP指标来衡量。
（2）人才环境（HCA）。人才环境反映的是一个区域可用于支持技术创新活动的人才存量和知识资本，采用控制变量中的人力资本指标来衡量。
（3）金融环境（FIL）。金融环境反映的是一个区域的金融发展水平，即一个区域金融体系的完善程度、对于技术创新活动的融资支持程度、金融服务的覆盖程度以及资源配置均衡程度等。本文参考梁榜等[40]的研究，用金融机构贷款余额占GDP的比重来衡量一个地区的传统金融发展水平。
在实际的计量回归中，考虑到在模型中添加交互项之后，主要变量和交互项之间会具有相关性，导致共线性问题[44]，而且，各城市的人均GDP、人力资本水平和金融机构贷款余额占比指标在实际意义上一般不可能为零值，造成主要观测变量的系数解释并没有太大的经济意义。为解决上述两个问题，本文参考Dalal等[45]的观点，将交互项进行均值中心化处理，即将互联网水平和交互指标均减去其样本均值，然后将两者相乘来添加交互项，以降低主要变量和交互项之间不必要的共线性，而且此时，主要观测变量的系数可解释为当交互变量取均值时，其变动1%带来的被解释变量的变动程度。
回归结果见表4。其中，模型12—14分别添加互联网发展水平与城市物质环境、人才环境和金融环境的交叉变量，考察城市的物质经济水平、人力资本水平和金融发展水平与互联网发展水平的交互影响对城市创新效率的作用效果。模型15将三类创新环境同时纳入模型中，综合考察不同类型创新环境和互联网发展水平的融合对城市创新效率的影响。
首先，从物质环境来看，人均GDP与互联网普及率的交叉项系数是-0.194，在1%的显著水平下显著，表明随着人均GDP的增加，互联网发展水平对创新效率的影响效果显著下降。该结果说明了在物质经济越发达的地区，互联网基础设施的建设程度对于城市创新效率的正向推动作用越小。本文认为这可能基于以下原因：整体上而言，随着各地区互联网发展水平的持续提升，相比于传统落后地区，经济发达地区的创新效
率并未出现稳步提升。另外，2012年以来，伴随着“全民创新”战略以及专利补贴等政策的推行，我国专利申请数量激增，激增的专利主要来源于过去年份未经常开展创新活动的中西部地区[46]。因此，与经济发达地区相比，传统落后地区利用互联网作为落后基础设施的补充，实现了对研发人员、资本投入等的合理整合和分配，实现了更高水平的技术创新能力，因而城市的物质经济越不发达，互联网对城市创新效率的正向促进作用越大。由此也可以看出，互联网发展水平对我国城市创新效率的影响具有显著的区域差异性，后续将进行进一步的检验。
其次，从人才环境来看，人力资本水平与互联网普及率的交叉项系数是-0.381，在1%的水平下显著，表明随着各城市人力资本水平的提高，互联网发展水平对城市创新效率的影响明显下降。该结果与物质环境的结果具有一致性，说明了一个地区的人力资本水平越高，互联网对于城市创新效率的促进作用越小。
最后，从金融环境来看，金融发展水平与互联网普及率的交叉项未通过显著性水平检验，这一结果表明，在不同金融发展水平的城市之间，互联网发展水平对城市创新效率的影响并未存在显著差异。究其原因，从创新主体来看，小微企业是一个城市活跃程度和创新潜力最高的科技创新主体，但是长期以来，我国金融体系存在着深层次、结构性的矛盾，其发展的不完善导致了金融要素价格和资源配置扭曲，小微企业面临着严重的外部融资约束困难，严重抑制了其创新活动的开展和成果实现[43]。而本文利用金融机构贷款余额占GDP的比重来代表一个城市的金融发展水平，衡量的是该城市的传统金融服务水平，难以真正体现在“互联网+”战略下各城市借助互联网基础设施、利用转型升级的金融服务方式，如数字金融、普惠金融等，对城市创新活动的支持性作用。因此，在不同传统金融发展水平的城市之间，互联网发展水平对城市创新效率的影响并未存在显著差异。
（四）区域的异质性分析
由于我国幅员辽阔，区域发展很不平衡，互联网的发展对区域创新效率的影响效果必然存在较大差异。接下来，本文将样本分为东中西部三个地区，以分析互联网的创新影响效应的区域异质性，结果见表5。
首先，东中西部地区的互联网发展水平均显著促进了该地区的创新效率，但存在区域异质性。中部和西部地区的互联网发展对创新效率的产出弹性系数分别是0.148和0.168，高于东部地区。这表明，互联网对创新的促进作用存在边际效应递减，随着发达地区的互联网基础设施的不断完善，其对创新效率的提升作用减小，反观中西部地区，信息基础设施投资对创新仍有很大的推进作用。这在一定程度上验证了人均GDP的交互作用估计结果，随着东中西部地区的人均GDP逐级下降（人均GDP的对数值分别为1.15，0.82和0.59），互联网的发展对创新效率的作用不断增强。其次，与2012年之前相比，东中西部地区2012年以后互联网对创新效率的产出弹性系数更大。这一结果也与全样本的估计结果相吻合。
五、结论与启示
面临我国经济结构趋优、动能转换的现实背景，顺应当前社会从信息经济向互联网经济转变的时代趋势，把握并适应互联网发展作为经济增长新动能的角色，无疑成为实现我国经济增长方式转换的关键。本文基于2003—2017年我国277个地级市的面板数据，将城市创新环境纳入研究范畴，深入探讨了互联网发展水平对我国城市创新效率的影响。研究结果显示，互联网发展水平对城市创新效率的提高具有显著促进效果，且该促进作用通过推动创新产出，而非创新投入来实现。另外，互联网发展水平对城市创新效率的影响随着时间趋势发生显著变化，在近阶段，互联网的发展更能够推动城市创新效率的提高。考虑到不同城市创新环境之间的差异性，一个城市的物质环境和人才环境反向调节互联网发展水平对城市创新效率的促进作用，即一个城市的经济发展水平和人力资本水平越高，互联网对其创新效率的正向推动作用越小，而对于不同金融环境的城市而言，互联网发展水平对创新效率的影响并未存在显著差异。进一步地，区域的异质性检验结果显示，互联网发展水平对西部地区的创新效率影响效果最大，其次是中部和东部，但时间上具有同步效应，后期的影响效果才逐步凸显。 本文的研究可为各城市因地制宜开展创新活动、实现技术进步提供一些政策启示。
（1）加强互联网基础设施建设，实现区域协调发展。应加强城市信息基础设施建设，以实现互联网的有效发展和应用。同时，注重互联网资源在不同区域之间的合理化配置，在保证发达地区互联网建设良性发展的基础上，继续加大对中西部地区的互联网基础设施建设的政府扶持力度。
（2）重视创新投入，协调配置区域间的创新资源。明确各地区的关键支柱产业和高技术产业，加大对落后地区创新资源的支持，完善创新激励政策，加大科研投资力度和财政支持程度，并根据不同创新主体在创新活动中的地位和动机，给予相应的创新成果产权、资金等政策支持，以激发创新主体开展创新活动的积极性。
（3）提高创新环境质量，重视不同区域对于创新环境的内在需求差异。在国家层面上，应建立提高区域创新环境质量的战略方向，明确政府和市场在创新资源配置中的定位。而对于不同发展阶段的地区而言，发达地区应注重调整创新环境结构，由促进物质经济增长转变为促进技术创新，中西部地区应继续提高物质经济水平、市场化程度和金融服务水平，以弥补外在创新环境短板，进一步提高创新效率。
参考文献：
[1]黄群慧. “新常态”、工业化后期与工业增长新动力[J]. 中国工业经济， 2014（10）： 5-19.
[2]龙小宁， 王俊. 中国专利激增的动因及其质量效应[J]. 世界经济， 2015（6）： 115-142.
[3]JORGENSON D W， STIROH K J. Raising the speed limit： U. S. economic growth in the information age[J]. Brookings Papers on Economic Activity， 2000（1）： 125-235.
[4]CHOI C， YI M H. The effect of the internet on economic growth： evidence from cross-country panel data[J]. Economics Letters， 2009， 105（1）： 39-41.
[5]CHU S Y. Internet， economic growth and recession[J]. Modem Economy， 2013， 4（3A）： 209-213.
[6]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.
[7]郭家堂， 骆品亮. 互联网对中国全要素生产率有促进作用吗？[J]. 管理世界， 2016（10）： 34-49.
[8]BERGER A N. The economic effects of technological progress： evidence from the banking industry[J]. Finance andEconomics Discussion Series， 2003， 35（2）： 141-172.
[9]茶洪旺， 左鹏飞. 信息化对中国产业结构升级影响分析： 基于省级面板数据的空间计量研究[J]. 经济评论， 2017（1）： 80-89.
[10]FREUND C， WEINHOLD D. The internet and international trade in services[J]. American Economic Review， 2002， 92（2）： 236-240.
[11]施炳展. 互联网与国际贸易： 基于双边双向网址链接数据的经验分析[J]. 经济研究， 2016（5）： 172-187.
[12]FORMAN C， ZEEBROECK N V. From wires to partners： How the internet has fostered R&D collaborations within firms[J]. Management Science， 2012， 58（8）： 1549-1568.
[13]張旭亮， 史晋川， 李仙德， 等. 互联网对中国区域创新的作用机理与效应[J]. 经济地理， 2017（12）： 129-137.
[14]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.
[15]王金杰， 郭树龙， 张龙鹏. 互联网对企业创新绩效的影响及其机制研究： 基于开放式创新的解释[J]. 南开经济研究， 2018（6）： 170-190.
[16]HARRIS M H. Is the revolution now over， or has it just begun？ A year of the internet in higher education[J]. The Internet and Higher Education， 1998， 1（4）： 243-251.
[17]江小涓. 高度联通社会中的资源重组与服务业增长[J]. 经济研究， 2017（3）： 4-17.
[18]张骞， 吴晓飞. 信息化对区域创新能力的影响： 马太效应存在吗？[J]. 科学决策， 2018（7）： 1-21.
[19]马光荣， 刘明， 杨恩艳. 银行授信、信贷紧缩与企业研发[J]. 金融研究， 2014（7）： 76-93.
[20]HALL B H， LERNER J. The financing of R&D and innovation[J]. Handbook of the Economics of Innovation， 2010（1）： 609-639. [21]李炳， 赵阳. 互联网金融对宏观经济的影响[J]. 财经科学， 2014（8）： 21-28.
[22]兰海霞， 赵雪雁. 中国区域创新效率的时空演变及创新环境影响因素[J]. 经济地理， 2020（2）： 97-107.
[23]张宗和， 彭昌奇. 区域技术创新能力影响因素的实证分析： 基于全国30个省市区的面板数据[J]. 中国工业经济， 2009（11）： 35-44.
[24]TODTLING F， KAUFMANN A. Innovation systems in regions of Europe： a comparative perspective[J]. European Planning Studies， 1999， 7（6）： 699-717.
[25]李习保. 区域创新环境对创新活动效率影响的实证研究[J]. 数量经济技术经济研究， 2007（8）： 13-24.
[26]范红忠. 有效需求规模假说、研发投入与国家自主创新能力[J]. 经济研究， 2007（3）： 33-44.
[27]邓向荣， 周密， 李伟. 我国科技创新极化度指数的构造及区域比较[J]. 财经研究， 2007（6）： 67-76.
[28]宋丽思， 陈向东. 我国四大城市区域创新空间极化趋势的比较研究[J]. 中国软科学， 2009（10）： 100-108.
[29]黄蕊， 张肃. 梯度转移理论下我国区域创新极化效应与扩散效应的非对称性影响研究[J]. 商业经济与管理， 2019（12）： 88-97.
[30]樊纲. “发展悖论”与发展经济学的“特征性问题”[J]. 管理世界， 2020（4）： 34-39.
[31]陈明明， 郑猛. 为什么大多数技术创新没有成为适应性技术[J]. 社会科学研究， 2021（1）： 105-113.
[32]KALAPOUTI K， PETRIDIS K， MALESIOS C， et al. Measuring efficiency of innovation using combined data envelopment analysis and structural equation modeling： empirical study in EU regions[J]. Annals of Operations Research， 2020， 294（1-2）： 297-320.
[33]ALEXANDRE R. ICT penetration and aggregate production efficiency： empirical evidence for a cross-section of fifty countries[J]. Journal of Applied Economical Sciences， 2008（3）： 65-72.
[34]JUNG J. Regional inequalities in the impact of broadband on productivity： evidence from Brazil[R]. MPRA Paper， 2014（56177）.
[35]陈亮， 李杰伟， 徐长生. 信息基础设施与经济增长： 基于中国省际数据分析[J]. 管理科学， 2011（1）： 98-107.
[36]GUAN J C， CHEN K H. Measuring the innovation production process： a cross-region empirical study of China’s high-tech innovations[J]. Technovation， 2010， 30（5）： 348-358.
[37]李政， 杨思瑩. 财政分权、政府创新偏好与区域创新效率[J]. 管理世界， 2018（12）： 29-42.
[38]BERNSTEIN S. Does going public affect innovation？[J]. SSRN Electronic Journal， 2015， 70（4）： 1365-1403.
[39]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.
[40]梁榜， 张建华. 数字普惠金融发展能激励创新吗： 来自中国城市和中小企业的证据[J]. 当代经济科学， 2019（5）： 74-86.
[41]WOOLDRIDGE J M. Introductory econometrics： a modern approach[M]. Mason： South-Western， 2003.
[42]葛园园， 孔刘柳. 我国财政科技支出结构分析[J]. 金融经济， 2013（10）： 78-80.
[43]张会云， 唐元虎. 企业技术创新影响因素的模糊聚类分析[J]. 科研管理， 2003（6）： 71-77.
[44]ALTHAUSER R P， RUBIN D. Measurement error and regression to the mean in matched samples[J]. Social Forces， 1971， 50（2）： 206-214.
[45]DALAL D K， ZICKAR M J. Some common myths about centering predictor variables in moderated multiple regression and polynomial regression[J]. Organizational Research Methods， 2012， 15（3）： 339-362. [46]HU A G， JEFFERSON G H. A great wall of patents： What is behind China’s recent patent explosion？[J]. Journal of Development Economics， 2009， 90（1）： 57-68.
责任编辑、校对： 李再扬
Research on the Impact of Internet Development on Cities’ Innovation Efficiency
JIANG Ren’ai1，2， LI Dongmei1， WEN Jun1
（1. School of Economics and Finance， Xi’an Jiaotong University， Xi’an 710061， China;
2. Innovation-driven and Industrial Upgrading Research Center in Shaanxi Province， Xi’an 710061， China）
Abstract： With the advent of the information technology era， the development and popularization of Internet technology can promote technological progress and has become the key to the transformation of Chinese economic growth mode. On the basis of systematical analysis of the action mechanism of Internet development and urban innovation efficiency， combined with panel data of 277 prefecture-level cities in China from 2003 to 2017， this article empirically analyzess the effect of Internet development level on urban innovation efficiency in China. The results show that the Internet has a significant promotion effect on the improvement of urban innovation efficiency， and the promotion effect is mainly achieved by promoting innovation output rather than innovation input， and gradually strengthens with time. The urban physical environment and talent environment reversely regulate the Internet to promote the efficiency of urban innovation， that is， the higher the level of economic development and human capital of a city， the smaller the positive impact of the Internet on its innovation efficiency. While the regulating effect of urban financial environment is not significant. The influence of the Internet on innovation efficiency has significant regional heterogeneity， with the western region being the largest， followed by the central and eastern regions. However， innovation efficiency was not significantly improved in all regions until 2012. In order to better tap the innovation potential， China should strengthen the development of information technology at the same time， further improve the level of innovation environment in backward areas.
Keywords： innovation efficiency; city; internet development; patents; innovation environment
收稿日期：2020-08-05。
基金項目：国家自然科学基金面上项目“ICT对中国技术进步的作用机理及影响效果研究”（71874138）。
作者简介：蒋仁爱，男，西安交通大学经济与金融学院教授，博士生导师，研究方向：技术创新与科技政策，电子邮箱：jiangrenai@xjtu.edu.cn;
李冬梅，女，西安交通大学经济与金融学院博士研究生，研究方向：技术创新;
温军，男，西安交通大学经济与金融学院教授，博士生导师，研究方向：公司治理与技术创新。