团论文网
团论文网
-
［摘要］文章以数字经济与工业高质量创新的协同效应为研究对象，通过构建耦合协调度模型和面板向量自回归模型，分析数字经济发展水平与工业创新效率的时空演变特征及动态关系。研究表明，数字经济的发展可以通过技术集成、数据推动的创新生态系统建设和区域协调发展，显著促进工业高质量创新。同时，工业高质量创新可以反过来驱动数字经济的发展，形成显著的协同效应。最后，文章建议进一步加强多元化技术集成、数据基础设施建设和区域协调发展，以推动数字经济发展和工业高质量创新。
［关键词］数字化；数字经济；工业高质量创新；协同效应
0引言
随着信息技术的快速发展，数字经济已成为推动经济增长和产业变革的重要力量。在数字化背景下，数字经济的发展给工业高质量创新带来了新的机遇。数字技术的广泛应用不仅提升了工业产品的设计、研发和生产效率，还优化了资源配置，促进了技术更新迭代。工业高质量创新也为数字经济的发展提供了强大的技术支撑，通过推动数字产业化和产业数字化，拓展了数字经济的发展空间。然而，数字经济与工业高质量创新之间的协同效应在不同地区存在差异。因此，研究二者之间的协同效应，对促进区域经济协调发展和提升国家整体创新能力具有重要意义。
1理论分析与研究假设
1.1数字经济发展促进工业高质量创新的赋能机制
在数字化时代背景下，数字经济成为推动工业高质量创新的关键力量。其作用机理广泛渗透至工业生产的每一个环节，实现了全链条效能提升。第一，工业互联网通过集成人工智能、物联网及大数据等先进技术，以及精细化产品设计策略、革新工艺研发流程与智能化制造体系，大幅度提高了各个环节的创新效率。进一步来说，借助数据挖掘技术和仿真模型，工业企业能够精确把握市场动态，明确研发导向，从而缩短产品从构思到上市的时间，增强商品的市场适应性和竞争力。科研前期，数字普惠金融缓解了企业研发的资金压力，而网络化终身学习平台则致力于提升研发团队的专业技能，提高了研发投资的回报率。此外，大规模数据分析与应用不仅优化了研发资源的配置结构，缩减了研发成本，还消除了企业内外部信息流通的障碍，加速了技术创新的循环。尤其是工业互联网的蓬勃发展，重塑了市场格局，大幅提高了信息流通的效率与透明度，使工业企业得以“深耕细作”，激发出前所未有的创造力。第二，数字经济强化了“产、学、研、政、金”多方面主体之间的协同合作，加快了科技研究成果向实际生产力的转化进程。综上所述，数字经济通过优化企业创新流程、改进创新资源的配置策略、促进多方协作等多维度路径，为工业领域的高质量创新发展提供了强劲动力。
1.2工业高质量创新支撑数字经济发展的驱动机制
在推动数字经济发展的过程中，工业领域的高质量创新起到了至关重要的驱动作用，这种促进作用主要通过技术支持的强化与资源配置的优化两大路径得以展现。第一，从数字技术的角度来看，无论是数字产业化，还是产业数字化，皆深深植根于工业界对信息技术的深度探索之中。工业制造和研发环节累积的大量数据构成了数据要素市场的核心板块，为数字产业化铺设了坚实的基石，并提供了丰富的数据资源支持。技术革新往往始于技术积累深厚之处，新式工业制品的研发与制造不仅引领了工业技术水平的持续提升，还推动了多样化应用程序的开发，为数字产业化进程提供了强劲动力。同时，工业创新效率的提升加速了资源向数字技术领域的汇聚，为数字产业化的发展拓宽了领域。第二，促进工业创新成果迅速转化为实际生产力，深化数字技术在工业自动化领域的应用，整合资源，扩大数字产品和服务的覆盖面，能进一步驱使产业数字化向更深层次演进，保障数字经济体系高效落实。综上所述，工业高质量创新通过强化技术支持和优化资源配置这两大路径，强有力地牵引着数字经济蓬勃发展［1-2］。
基于以上分析，本文提出研究假设：数字经济与工业高质量创新之间存在显著的协同效应。
2研究设计
2.1模型与方法
2.1.1耦合协调度模型
为深入探索数字经济与工业高质量创新之间的协同效应，本文采取耦合协调度分析手段进行探究。该方法通过深入剖析两个及以上系统间的关联，展现它们协同发展的程度。核心思路如下：耦合度反映了系统之间的相互作用强度，耦合度值越高，表示系统之间的相互依赖性和影响越大；协调度体现了系统间协同发展水平的高低，该值越大，表明系统间的协调性与平衡发展状态越佳。
耦合协调度的计算公式如下［3］：
式（1）中，C表示耦合度，D1和D2分别代表数字经济和工业高质量创新的综合发展指数。
协调度的计算公式如下［4］：
T=αD1+βD2（2）
式（2）中，T表示系统的综合发展水平，αD1和βD2分别为数字经济和工业高质量创新的权重系数。
基于此，综合得出耦合协调度模型，如式（3）所示：
2.1.2面板向量自回归模型
为了进一步研究数字经济与工业高质量创新之间的动态关系，本文采用面板向量自回归（Panel Vector Autoregression,PVAR）模型。PVAR模型在分析多变量时间序列数据时，既考虑了变量间的相互影响，又兼顾了个体间的异质性。其基本形式如下：
Yit=A(L)Yit+μi+εit（4）
式（4）中，Yit为包含数字经济和工业高质量创新指标的向量，A(L)为滞后项多项式矩阵，μi为个体固定效应，εit为随机误差项。
具体而言，模型可以作如下表示［5］：
式（5）中，DEit代表数字经济的发展水平，IHQIit代表工业高质量创新的水平，ait(L)为滞后项系数。
通过估计PVAR模型，可以分析数字经济和工业高质量创新之间的动态交互关系，揭示二者在时间维度上的相互影响机制。
2.2变量设定
2.2.1数字经济发展水平（DEI）
数字经济作为传统经济与互联网技术高度融合的成果，其发展水平主要可通过两大维度—产业的数字化进程与数字产业本身的培育与发展来评判。为全方位描绘数字经济的特点，本研究从数字产业化及产业数字化的双重视角出发，构建了一套综合性评价指标体系（见表1），精心挑选了25项三级指标，以此来体现多维度的数字化程度。然后，通过熵值法科学计算各指标的权重，再借助线性加权手段整合形成数字经济总体发展水平指数。此指数能有效地测评各地数字经济的发展现状与未来潜能，为相关政策的规划与执行提供有力支持。
2.2.2工业创新效率（GIE）
相较于仅关注单一创新成果的产出，工业创新效率这一指标能够更加全面地反映出整个创新过程中资源投入与最终产出之间的复杂关系，同时也能体现创新质量的整体提升情况。本研究运用了超效率M-DEA模型来评估工业领域的创新效率，具体从科学技术研发及成果应用转化两大环节展开探讨。通过精心选取的投入与产出指标，系统地评估了各地工业企业在创新过程中的两个关键阶段的效率表现，具体指标包括研究与发展（Research and Development,R&D）资本存量、新产品销售收入、工业污染排放等，如表2所示。为确保数据的科学性和准确性，本研究采用了熵值法计算工业污染排放的权重，并将创新产出指标进行滞后一期处理。该测度方法能够全面反映工业创新的效率和质量。
2.2.3控制变量
在研究数字经济发展水平和工业创新效率的过程中，本文选取了以下控制变量：①人力资本。用人均受教育年限的对数值表示，反映劳动力素质的提升。②对外开放。采用外资企业投资额占国内生产总值（Gross Domestic Product,GDP）的比重表示，反映对外技术交流的加强。③产业结构。采用第三产业与第二产业产值之比表示，反映产业结构的服务化升级。④基础设施。将区域每平方千米公路里程数作为代理变量，反映基础设施的完善程度。⑤政策支持。采用财政支出占GDP的比重表示，反映政府对创新的支持力度。本文对这些控制变量进行了标准化处理，以保持与核心解释变量一致。
3数字经济与工业高质量创新的协同效应分析
本文选用2013—2021年30个省份的面板数据进行深入研究。为确保数据的全面性和可靠性，研究团队广泛收集了多方面的统计资料，主要依托国家级统计年鉴，如中国统计年鉴、中国科技统计年鉴、中国电子信息产业统计年鉴、中国工业统计年鉴和中国环境统计年鉴等。同时，为了获取更细致的地方信息，本研究还参考了各省份的官方统计年鉴，以期全方位涵盖研究所需的各类数据指标。
3.1数字经济与工业创新效率耦合协调度时序演变
表3展示了2013—2021年30个省份数字经济发展水平（DEI）与工业创新效率（GIE）耦合协调度的时序数据。从表3可以看出，从2013年到2021年，数字经济发展水平（DEI）和工业创新效率（GIE）均呈现出逐年上升的趋势，二者之间的耦合度和协调度也相应提高。这表明数字经济发展与工业创新高质量之间的协同作用正在持续增强，二者协同发展的层次实现了显著增长。
3.2数字经济与工业创新效率耦合协调度空间演变
表4展示了2021年我国30个省级行政区数字经济发展水平（DEI）与工业创新效率（GIE）耦合协调度的空间分布数据。从表4可以看出，数字经济与工业创新效率耦合协调度在不同省份间存在明显差异。例如，北京、上海、广东、江苏及浙江等经济发达地区展现出了较强的联动性和协同效应，意味着这些地区在促进数字经济与工业转型升级的高质量协同发展中具有显著优势。而中西部地区的耦合度和协调度相对较低，需要在政策支持和资源投入方面加大力度，以促进区域协调发展。
4数字化背景下数字经济发展与工业高质量创新的建议
4.1加强技术创新
在数字化背景下，加强技术创新是推动数字经济发展与工业高质量创新的关键。首先，政府应出台相关政策，鼓励企业加大研发投入，积极研发新技术、新工艺，提升其自主创新能力，促进数字经济与工业领域的深度融合。其次，推动产学研用一体化发展，加强高校、科研院所与企业的合作，共同研发具有市场竞争力的新产品、新技术。最后，建立健全技术转移和成果转化机制，确保科技成果能够迅速转化为生产力，为数字经济发展与工业高质量创新提供有力支撑。
4.2建设数据驱动的创新生态系统
数据已成为数字经济时代的核心资源，建设数据驱动的创新生态系统对推动数字经济发展与工业高质量创新至关重要。首先，要加强数据基础设施建设，提升数据采集、存储、处理和分析能力，确保数据资源有效利用。其次，推动企业加强数据治理，建立规范的数据治理体系，提高数据质量，确保数据的安全性。再次，鼓励企业深入挖掘数据价值，通过数据分析优化生产流程、提升产品质量、降低运营成本。最后，政府应引导企业探索数据驱动的新模式、新业态，打造开放、共享、协同的数据创新生态，为数字经济发展与工业高质量创新注入强大动力。
4.3推动区域协调发展，助力整体创新能力提升
数字经济与工业高质量创新的协同效应在区域层面表现出显著差异，东部发达地区在资源和政策优势下具有较高的耦合度和协调度，而中西部地区相对不足。为了实现区域间的协调发展，应加大对中西部地区的政策扶持和资源倾斜力度，推动创新资源的合理配置和共享。通过构建区域创新合作网络，促进技术交流与合作，实现各地区优势互补，共同提升整体创新能力，进而推动全国范围内数字经济与工业高质量创新的协同发展。
5结束语
在数字化背景下，为了进一步强化数字经济对工业高质量创新的赋能作用，企业应积极探索多元化技术集成的创新模式，构建基于数据驱动的创新生态系统。同时，政府应加大对中西部地区的扶持力度，推动区域协调发展，促进各地区优势互补，共同提升整体创新能力。
主要参考文献
［1］甄俊杰,师博,张新月.中国数字创新与经济高质量发展的协同效应及动态演进预测［J］.现代财经(天津财经大学学报),2023(3):3-20.
［2］曲永义.数字经济与产业高质量发展［J］.China Economist,2022(6):2-25.
［3］李政,张怡,赵哲.数字经济与工业绿色转型：基于科技创新的中介效应和门槛效应［J］.工业技术经济,2023(10):3-16.
［4］余文涛,王雅云.数字经济、一体化与产学研协同创新
［J］.合肥工业大学学报(社会科学版),2022(4):20-33.
［5］胡鹏钰.数字经济发展与产业结构升级协同效应研究［J］.全国流通经济,2022(34):99-102.后台-系统设置-扩展变量-手机广告位-内容正文底部 -
本文标签：
数字化背景下数字经济与工业高质量创新的协同效应研究论文
人参与 2025-04-16 10:36:12 分类 : 管理学 点这评论 作者：团论文网 来源：https://www.tuanlunwen.com/
-
站内搜索
-
随机文章
-
标签列表
-
-
最近发表
-
-
热门文章 | 最新文章 | 随机文章
-
-
最新留言
-
首页 论文知识 教育论文 毕业论文 教学论文 经济学 管理学 职称论文 法学 理学 医学 社会学 物理学 文献 工程论文 学位论文 研究论文
Powered 团论文网 版权所有 备案号：鄂ICP备2022005557号统计代码
全站搜索