《Systems》:The Impact of Digital Government on Regional Scientific and Technological Innovation Capacity
编辑推荐:
摘要:背景与目的:当代中国数字政府建设面临一个已有充分现实表征的悖论:数字治理的巨额财政投入与区域创新回报的显著失衡并存。该悖论主要体现为两类结构性错配。其一,地方政府普遍优先配置于数据中心、大型人工智能(AI)模型等高可见度硬件投入,却忽视跨部门业务流程再造
摘要:背景与目的:当代中国数字政府建设面临一个已有充分现实表征的悖论:数字治理的巨额财政投入与区域创新回报的显著失衡并存。该悖论主要体现为两类结构性错配。其一,地方政府普遍优先配置于数据中心、大型人工智能(AI)模型等高可见度硬件投入,却忽视跨部门业务流程再造与要素市场自由化等深层制度改革。“数据聚合而不互通、互通之后又闲置不用”的普遍现象,反映出技术快速部署与制度重构滞后之间存在严重不同步。其二,相近规模的数字化投入在东部、中部和西部地区产生了差异巨大的创新红利,且区域分化进一步固化为“东高西低、南高北低”的格局。现有文献大多局限于“工具理性”视角,将数字政府简化为外生技术变量,因而无法解释“同质化投入产生异质化回报”这一核心现实难题。为突破狭义“技术赋能治理”叙事,本研究依托数字时代治理(DEG)范式,考察制度重构对区域科学技术创新能力的实际影响,旨在为破解数字治理实践中普遍存在的低效率锁定提供经验证据。
研究方法:本研究以2018—2023年中国280个地级及以上城市为研究样本,构建双向固定效应模型开展基准回归分析。为处理内生性问题,采用同省其他城市数字政府发展平均水平作为工具变量,并运用两阶段最小二乘法(2SLS)识别因果效应。在此基础上,进一步开展一系列稳健性检验,包括剔除新型冠状病毒肺炎(COVID-19)疫情的特殊冲击、替换核心变量测度方式以及分解核心解释变量维度,以确保研究结论的可靠性。在机制识别方面,采用Bootstrap抽样方法检验“数字产业集聚”与“资源错配缓解”的双重中介效应;同时引入调节效应与异质性分析模型,以揭示区域经济发展水平和城市类型对赋能效应的边界约束。
主要发现:实证结果表明:(1)数字政府建设显著提升区域科学技术创新能力,且该结论在内生性处理与稳健性检验后依然成立。(2)机制分析显示,数字政府通过“促进数字产业集聚”和“缓解资源错配”两条路径驱动创新,其中缓解资源错配的边际贡献显著高于产业集聚。这表明,在转型经济中,消除要素流动中的制度摩擦所带来的创新红利,大于单纯构建物理空间集聚所产生的效应。(3)调节效应结果显示,区域经济发展水平越高,数字政府的创新赋能效应越强。(4)异质性分析进一步表明,数字政府的创新红利仅在非资源型城市、非中心城市以及大中城市中显著;而在资源型城市、中心城市和小城市中,其效应被系统性吸收,未达到显著水平。
研究结论与贡献:本研究突破了既有研究将数字政府视为技术工具的本体论局限,将其置于数字时代治理(DEG)理论框架之中,证实数字政府是重构区域创新生态系统的一种制度力量。研究结果表明,政策制定者应推动数字政府建设由“技术导向”转向“制度导向”。政策重心应从单纯扩张基础设施,转向消除深层制度摩擦、提升要素配置效率,并在区域经济基础与异质性特征引导下推进梯度推进与分类治理。
本文发表于《Systems》,围绕数字政府如何影响区域科学技术创新能力这一核心议题展开。研究背景在于,中国数字政府建设投入持续扩大,但不同地区创新产出回报并不均衡,形成“高投入、低回报”与“同投入、异回报”并存的现实困境。既有研究多从技术工具视角理解数字政府,将其视为降低交易成本、改善信息供给或优化创新环境的外生变量,却难以解释为何相似的数字化建设在不同地区产生截然不同的创新结果。基于此,研究人员引入数字时代治理(DEG,数字化时代的治理范式)理论,强调数字政府不仅是技术叠加,更是通过再整合(Reintegration)、需求整体性(Needs-based Holism)和数字化(Digitization)重构区域创新生态的制度力量,因此有必要从制度重构而非单纯技术部署的角度重新审视数字政府与区域创新之间的关系。
为回答上述问题,研究人员以2018—2023年中国280个地级及以上城市为样本,系统检验数字政府对区域科学技术创新能力的影响、作用机制、边界条件及城市类型差异。研究结论表明,数字政府总体上能够显著提升区域科技创新能力;其作用并非仅通过一般性的服务优化实现,而是主要通过促进数字产业集聚和缓解资源错配两条路径发挥效应,其中缓解资源错配的边际贡献更强。进一步地,区域经济发展水平越高,数字政府的创新赋能效应越突出;同时,这种创新红利主要存在于非资源型城市、非中心城市和大中城市,在资源型城市、中心城市和小城市中并不显著。研究的重要意义在于,它将数字政府从“技术工具”提升为“制度性变量”,为理解区域创新差异提供了新的解释框架,也为地方数字治理由“技术导向”转向“制度导向”提供了经验证据。
在研究方法上,研究人员构建双向固定效应模型,对数字政府与区域科技创新能力之间的关系进行基准回归;以同省其他城市数字政府平均水平作为工具变量,采用两阶段最小二乘法(2SLS)处理潜在内生性;通过剔除COVID-19疫情年份冲击、替换被解释变量和分解数字政府维度实施稳健性检验;使用Bootstrap方法检验数字产业集聚与资源错配缓解的中介效应;并引入调节效应模型和分组回归开展异质性分析。样本来源为中国280个地级及以上城市2018—2023年面板数据,相关统计数据来自权威城市统计资料与数字政府评价体系。
以下结合论文主体,对研究结果进行分项解读。
在“4.2. Baseline Regression Results”部分,研究人员首先验证数字政府的总体影响。基准回归结果显示,无论是否逐步加入控制变量与时间固定效应,数字政府系数均保持显著为正,说明数字政府建设能够显著提升区域科学技术创新能力,从而支持假设H1。论文同时指出,这一结果意味着数字政府并非传统行政流程的简单电子化延伸,而是能够通过重构政府服务接口、优化制度安排,改善区域创新系统运行效率。控制变量方面,金融发展水平与产业结构变量呈显著负向关系。作者将此解释为转型经济中金融规模扩张与配置效率脱节,以及以第三产业占比上升衡量“结构升级”可能掩盖了低附加值服务业扩张、制造业创新基础被削弱等问题;而人力资本、开放水平和政府干预在固定效应控制后未表现出显著影响。
在“4.3. Endogeneity Test”部分,研究人员为避免反向因果和遗漏变量偏误,采用工具变量法进行因果识别。第一阶段结果显示,工具变量与数字政府发展高度相关,且F统计量远高于弱工具变量经验阈值;第二阶段结果显示,在控制内生性之后,数字政府对科技创新能力的影响依旧显著为正,且系数方向与基准回归一致。这表明论文的核心发现具备较强因果识别力度,即数字政府对区域创新的促进作用并非统计假象,而具有较稳固的经验基础。
在“4.4. Robustness Tests”部分,研究人员从多个角度检验结论稳健性。其一,剔除2019年和2020年样本以排除COVID-19疫情系统冲击后,数字政府的促进效应仍显著存在;其二,以未经缩尾处理的专利授权数对数替代原被解释变量后,核心结论保持一致;其三,对数字政府进行维度分解后发现,仅“服务供给能力”维度对创新具有显著促进作用,而“服务响应能力”和“服务智能化”未通过显著性检验。该结果表明,当前数字政府的创新效应主要来源于优化政府服务供给和提升办事效率,而更高阶的响应性与智能化功能尚未充分转化为创新产出。
在“4.5. Mediation Effect Tests”部分,研究人员重点揭示数字政府影响创新的内部机制。
“4.5.1. Digital Industry Agglomeration”显示,数字政府能够通过促进数字产业集聚间接提升区域科技创新能力。该机制建立在DEG理论中的再整合逻辑之上,即通过打破部门分割、推进数据共享和流程协同,降低数字企业进入与协作成本,从而促进数字产业链在空间上的集聚。Bootstrap检验支持该中介路径在10%显著性水平上成立。尽管该路径的统计强度相对有限,研究仍指出其经济含义明确:数字政府可以作为制度供给者,为数字产业集聚提供低摩擦制度接口,使物理空间上的企业集中逐步向创新网络型集聚转化。
“4.5.2. Mediating Effect of Resource Misallocation”则显示,数字政府还可通过缓解资源错配提升创新能力。该机制对应DEG中的需求整体性逻辑,即数字政府通过统一市场准入规则、优化监管与服务流程、减少审批偏差和信息不对称,提升资本、人才等创新要素在区域内的配置效率。Bootstrap结果表明,这一路径同样在10%显著性水平上成立,而且其边际效应明显大于数字产业集聚路径。论文据此强调,在转型经济背景下,数字政府当前更重要的创新价值在于“拆除制度障碍”和“纠正要素错配”,其产生的改革红利强于单纯依靠产业空间集聚所形成的效应。
在“4.6. Moderating Effect Analysis”部分,研究人员分析区域经济发展水平的边界约束作用。交互项结果显示,数字政府与区域经济发展水平的交互系数显著为正,验证了假设H3。这说明数字政府并非在所有地区都以相同强度促进创新,其制度红利释放明显依赖于地方经济基础。当地区经济发展水平较低时,数字基础设施、创新主体吸收能力和制度配套环境可能不足,数字政府难以有效转化为创新动能;而在经济基础较强地区,较完善的基础设施、市场体系和创新资源使数字政府更容易转化为稳定且显著的创新产出。论文通过边际效应图和简单斜率分析进一步说明,数字政府的创新促进作用会随着经济发展水平提升而增强。
在“4.7. Heterogeneity Tests”部分,论文保留了多个小标题,对不同城市类型下的差异化结果进行了分析。
“4.7.1. Resource-Based vs. Non-Resource-Based Cities”表明,数字政府在非资源型城市中能够显著提升创新能力,但在资源型城市中作用不显著。研究人员认为,这与资源型城市长期形成的产业路径依赖、财政和信贷资源向少数优势产业集中的格局有关。此类城市中,创新要素易被锁定于既有产业轨道,数字政府的技术嵌入往往只停留于审批流程数字化,难以真正撬动产业链重构和跨部门创新协同,因此创新效应被吸收。
“4.7.2. Central vs. Non-Central Cities”显示,数字政府的创新效应仅在非中心城市中显著。论文指出,中心城市本身已具备较高的创新网络密度、完善的中介组织和较低的市场自组织交易成本,因此数字政府更多体现为边际性流程优化,其增量作用有限。相比之下,非中心城市往往面临创新主体分散、制度联系稀薄的问题,数字政府通过统一平台将分散主体低成本连接起来,更容易发挥系统连接器作用,从而产生更明显的创新回报。
“4.7.3. Large/Medium-Sized vs. Small Cities”表明,大中城市中的数字政府系数显著为正,而小城市中不显著。作者将其归因于需求规模与反馈密度差异。大中城市具有更大的用户规模、更丰富的应用场景和更高频的数据反馈,有利于形成以需求为导向的平台迭代机制,使需求整体性逻辑真正落地。相较之下,小城市受财政空间、应用场景和市场规模限制,数字平台容易退化为单一线上审批工具,缺乏持续学习和精准匹配创新需求的能力,因此难以释放深层生产力效应。
在讨论与贡献部分,论文强调,本研究首次将DEG理论系统引入区域创新研究,突破了将数字政府视为外生技术变量的传统视角,提出数字政府是重构区域创新生态系统的重要制度力量。机制上,论文同时识别并比较了数字产业集聚与资源错配缓解两条并行中介路径,从而打开了数字政府影响创新的“黑箱”。边界条件上,研究揭示经济发展水平的正向调节作用以及不同城市类型下的显著异质性,说明数字政府的成效深受经济基础、产业结构、网络密度和城市规模等初始条件影响。论文也指出局限性,包括以专利授权量衡量创新能力仍无法覆盖非专利化创新及成果转化价值,且金融发展和产业结构负向作用的内部传导机制仍有待借助更微观数据深入分析。
研究结论部分可译述为:基于2018—2023年中国280个城市的面板数据,本研究超越了传统“技术工具主义”视角,将数字政府(DG)置于数字时代治理(DEG)理论框架中,实证检验其对城市科学技术创新能力的重塑作用。研究发现:第一,数字政府是重构区域创新生态系统的制度性力量,能够显著提升区域科学技术创新能力,且该结论在处理内生性和多重稳健性检验后依然成立。第二,数字政府通过“数字产业集聚”和“资源错配缓解”两条路径赋能创新,其中资源错配缓解的边际贡献更大,表明当前数字政府释放创新潜能更主要依赖于拆除行政壁垒、提升要素市场化配置效率。第三,区域经济发展水平是数字政府创新效应的重要调节因素,经济基础越雄厚,数字政府的创新促进作用越强。第四,数字政府的创新效应存在显著结构性非对称,在非资源型城市、非中心城市和大中城市中表现显著,而在资源型城市、中心城市和小城市中则被系统性吸收或不显著。总体而言,研究证实数字政府不只是行政电子化工具,而是推动治理范式变迁、重组区域创新关系的重要制度安排。