科学学研究 ›› 2026, Vol. 44 ›› Issue (3): 571-585.
收稿日期:2024-11-04
修回日期:2025-03-20
出版日期:2026-03-15
发布日期:2026-03-15
通讯作者:
刘飞
作者简介:王欣亮(1986-),男,教授、博士生导师。基金资助:
WANG Xin-liang1, LI Xiang1, LIU Fei2(
)
Received:2024-11-04
Revised:2025-03-20
Online:2026-03-15
Published:2026-03-15
Contact:
LIU Fei
摘要:
加速驱动数字协同创新,是解决颠覆式技术创新外部性、复杂性问题、推动区域协调发展的关键。基于数字劳动要素特性,剖析数字协同创新的理论机制,并利用283个地级市十余年面板数据进行实证检验,得出:数字劳动要素能通过区内主体协同及区际创新协同合力推进数字协同创新。知识溢出与创新要素流动仍是数字劳动要素激发数字协同创新的渠道机制,但囿于二者的约束,数字劳动要素的协同创新模式存在空间分异特征,其中,知识富集、产权保护程度强的北京、武汉、上海、天津等地区更适宜通过区际协同创新,不断增强自主创新能力,而创新要素流动干预强的广州、宁波、深圳虽能加速区内数字协同创新,但内涵式创新发展路径却因过高的创新要素流动壁垒被阻断。
中图分类号:
王欣亮, 李想, 刘飞. 数字劳动要素累积下数字协同创新的路径研究——基于知识溢出与创新要素流动的分析[J]. 科学学研究, 2026, 44(3): 571-585.
WANG Xin-liang, LI Xiang, LIU Fei. Research on the path of digital collaborative innovation under the accumulation of digital labor elements: Based on the analysis of knowledge spillover and the flow of innovation elements[J]. Studies in Science of Science, 2026, 44(3): 571-585.
图1 2011年-2023年各地市数字创新集聚平均水平 注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)1873号的标准地图绘制,底图无修改。
Figure 1 Average level of digital innovation agglomeration in various cities from 2011 to 2023
| 数据要素获取 | 数字技能应用 | 数字习得意识 | |||
|---|---|---|---|---|---|
| 传统网络渠道 | 移动电话基站数、移动电话交换机容量、长途光缆密度; | 共享互联指数 | 地区拥有网页数、网页字节数、移动电话用户数、互联网宽带接入用户数; | 参与态度 | 人民网留言、普惠金融广度指数; |
| 网络消费指数 | 电信业务总量、邮政业务收入、电子商务交易额; | ||||
| 新型数字渠道 | IPV4/IPV6地址数、每千人拥有域名数、云计算中心建设数; | 数字金融使用 深度指数 | 移动支付使用指数、保险业务指数 银行信贷业务指数; | 认知态度 | 大数据相关政策发布量; |
| 信息创造指数 | 高新技术企业研究开发人员、科学研究和技术服务从业人员; | 数字风险意识 | 数字安全社会关注度; | ||
表1 数字劳动要素指标体系构建
Table 1 Construction of the index system of digital labor elements
| 数据要素获取 | 数字技能应用 | 数字习得意识 | |||
|---|---|---|---|---|---|
| 传统网络渠道 | 移动电话基站数、移动电话交换机容量、长途光缆密度; | 共享互联指数 | 地区拥有网页数、网页字节数、移动电话用户数、互联网宽带接入用户数; | 参与态度 | 人民网留言、普惠金融广度指数; |
| 网络消费指数 | 电信业务总量、邮政业务收入、电子商务交易额; | ||||
| 新型数字渠道 | IPV4/IPV6地址数、每千人拥有域名数、云计算中心建设数; | 数字金融使用 深度指数 | 移动支付使用指数、保险业务指数 银行信贷业务指数; | 认知态度 | 大数据相关政策发布量; |
| 信息创造指数 | 高新技术企业研究开发人员、科学研究和技术服务从业人员; | 数字风险意识 | 数字安全社会关注度; | ||
| 变量 | 样本量 | 均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|---|
| Eff_coor | 3,679 | 0.0042 | 0.0371 | 0.0000 | 1.0000 |
| Equ_coor | 3,679 | 0.0579 | 0.1541 | 0.0000 | 1.0000 |
| Dc | 3,679 | 0.0192 | 0.0293 | 0.0005 | 0.5508 |
| Agdp | 3,679 | 10.8100 | 0.5683 | 8.7729 | 12.4864 |
| Stru | 3,679 | 43.4188 | 10.1081 | 14.3600 | 84.8500 |
| Fin | 3,679 | 1.1085 | 0.6623 | 0.1322 | 12.8171 |
| Open | 3,679 | 0.1944 | 0.3162 | 0.0000 | 3.2092 |
| Inf | 3,679 | 1.2103 | 0.6000 | 0.0484 | 5.2453 |
| Gov | 3,679 | 0.0383 | 0.0336 | 0.0002 | 0.9367 |
表2 描述性统计
Table 2 Descriptive statistics
| 变量 | 样本量 | 均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|---|
| Eff_coor | 3,679 | 0.0042 | 0.0371 | 0.0000 | 1.0000 |
| Equ_coor | 3,679 | 0.0579 | 0.1541 | 0.0000 | 1.0000 |
| Dc | 3,679 | 0.0192 | 0.0293 | 0.0005 | 0.5508 |
| Agdp | 3,679 | 10.8100 | 0.5683 | 8.7729 | 12.4864 |
| Stru | 3,679 | 43.4188 | 10.1081 | 14.3600 | 84.8500 |
| Fin | 3,679 | 1.1085 | 0.6623 | 0.1322 | 12.8171 |
| Open | 3,679 | 0.1944 | 0.3162 | 0.0000 | 3.2092 |
| Inf | 3,679 | 1.2103 | 0.6000 | 0.0484 | 5.2453 |
| Gov | 3,679 | 0.0383 | 0.0336 | 0.0002 | 0.9367 |
| 变量 | (1) | (2) | (3) | (4) |
|---|---|---|---|---|
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 0.4937*** | 1.2467*** | 0.5063*** | 1.2122*** |
| (0.0287) | (0.1944) | (0.0301) | (0.2045) | |
| Constants | 0.0227*** | 0.2798*** | 0.0133 | 0.0414 |
| (0.0007) | (0.0044) | (0.0289) | (0.1961) | |
| 控制变量 | 否 | 否 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 |
| N | 3679 | 3679 | 3679 | 3679 |
| R2 | 0.8607 | 0.8212 | 0.8613 | 0.8216 |
表3 基准回归
Table 3 Benchmark regression
| 变量 | (1) | (2) | (3) | (4) |
|---|---|---|---|---|
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 0.4937*** | 1.2467*** | 0.5063*** | 1.2122*** |
| (0.0287) | (0.1944) | (0.0301) | (0.2045) | |
| Constants | 0.0227*** | 0.2798*** | 0.0133 | 0.0414 |
| (0.0007) | (0.0044) | (0.0289) | (0.1961) | |
| 控制变量 | 否 | 否 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 |
| N | 3679 | 3679 | 3679 | 3679 |
| R2 | 0.8607 | 0.8212 | 0.8613 | 0.8216 |
| 变量 | 替换被解释变量测度 | 更换估计模型 | 剔除个别值 | 增加时间趋势 | ||||
|---|---|---|---|---|---|---|---|---|
| (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | |
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 4.6170*** | -6.1725*** | 0.1388** | 8.8075*** | 0.1989*** | 1.0509*** | 0.5063*** | 1.2123*** |
| (1.1279) | (1.4159) | (0.0618) | (1.5606) | (0.0235) | (0.2647) | (0.1901) | (0.2954) | |
| L.Equ_coor | - | - | - | -0.2799*** | - | - | - | - |
| - | - | - | (0.0399) | - | - | - | - | |
| L.Eff_coor | - | - | 1.2176*** | - | - | - | - | - |
| - | - | (0.0297) | - | - | - | - | - | |
| Constants | 5.6933*** | -12.9007*** | -0.0543*** | -11.4558 | 0.0051 | 0.0458 | 0.0135 | 0.0383 |
| (1.0813) | (1.3573) | 0.0128 | 19.1757 | (0.0167) | (0.1887) | (0.0450) | (0.1848) | |
| 控制变量 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
| N | 3679 | 3679 | 3396 | 3396 | 3627 | 3627 | 3679 | 3679 |
| R2 | 0.8242 | 0.8371 | - | - | 0.8386 | 0.8338 | 0.8613 | 0.8216 |
表4 稳健性检验
Table 4 Robustness test
| 变量 | 替换被解释变量测度 | 更换估计模型 | 剔除个别值 | 增加时间趋势 | ||||
|---|---|---|---|---|---|---|---|---|
| (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | |
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 4.6170*** | -6.1725*** | 0.1388** | 8.8075*** | 0.1989*** | 1.0509*** | 0.5063*** | 1.2123*** |
| (1.1279) | (1.4159) | (0.0618) | (1.5606) | (0.0235) | (0.2647) | (0.1901) | (0.2954) | |
| L.Equ_coor | - | - | - | -0.2799*** | - | - | - | - |
| - | - | - | (0.0399) | - | - | - | - | |
| L.Eff_coor | - | - | 1.2176*** | - | - | - | - | - |
| - | - | (0.0297) | - | - | - | - | - | |
| Constants | 5.6933*** | -12.9007*** | -0.0543*** | -11.4558 | 0.0051 | 0.0458 | 0.0135 | 0.0383 |
| (1.0813) | (1.3573) | 0.0128 | 19.1757 | (0.0167) | (0.1887) | (0.0450) | (0.1848) | |
| 控制变量 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
| N | 3679 | 3679 | 3396 | 3396 | 3627 | 3627 | 3679 | 3679 |
| R2 | 0.8242 | 0.8371 | - | - | 0.8386 | 0.8338 | 0.8613 | 0.8216 |
| 变量 | 宽带中国 | 珠峰计划 | 智慧城市 | 政策组合 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | |||||||||
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | |||||||||
| DID1 | 0.0232*** | 0.1065*** | - | - | - | - | - | - | ||||||||
| (0.0045) | (0.0293) | - | - | - | - | - | - | |||||||||
| DID2 | - | - | 0.0030* | 0.1343*** | - | - | - | - | ||||||||
| - | - | (0.0016) | (0.0231) | - | - | - | - | |||||||||
| DID3 | - | - | - | - | 0.0129*** | 0.0826*** | - | - | ||||||||
| - | - | - | - | (0.0019) | (0.0289) | - | - | |||||||||
| DID1*2*3 | - | - | - | - | - | - | 0.0379*** | 0.1273** | ||||||||
| - | - | - | - | - | - | (0.0063) | (0.0540) | |||||||||
| Constants | 0.0135 | 0.0009 | 0.0291 | 3.4273*** | 0.0129*** | 3.3439*** | 0.0282 | 0.7528*** | ||||||||
| (0.0302) | (0.1980) | (0.0301) | (0.2681) | (0.0019) | (0.2718) | (0.0299) | (0.1172) | |||||||||
| 控制变量 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | ||||||||
| 个体固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | ||||||||
| 时间固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | ||||||||
| N | 3679 | 3679 | 3679 | 3679 | 3679 | 3679 | 3679 | 3679 | ||||||||
| R2 | 0.8510 | 0.8204 | 0.8499 | 0.0202 | 0.2490 | 0.0128 | 0.8513 | 0.0205 | ||||||||
表5 内生性处理检验结果
Table 5 Results of the endogeneity treatment test
| 变量 | 宽带中国 | 珠峰计划 | 智慧城市 | 政策组合 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| (1) | (2) | (3) | (4) | (5) | (6) | (7) | (8) | |||||||||
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | |||||||||
| DID1 | 0.0232*** | 0.1065*** | - | - | - | - | - | - | ||||||||
| (0.0045) | (0.0293) | - | - | - | - | - | - | |||||||||
| DID2 | - | - | 0.0030* | 0.1343*** | - | - | - | - | ||||||||
| - | - | (0.0016) | (0.0231) | - | - | - | - | |||||||||
| DID3 | - | - | - | - | 0.0129*** | 0.0826*** | - | - | ||||||||
| - | - | - | - | (0.0019) | (0.0289) | - | - | |||||||||
| DID1*2*3 | - | - | - | - | - | - | 0.0379*** | 0.1273** | ||||||||
| - | - | - | - | - | - | (0.0063) | (0.0540) | |||||||||
| Constants | 0.0135 | 0.0009 | 0.0291 | 3.4273*** | 0.0129*** | 3.3439*** | 0.0282 | 0.7528*** | ||||||||
| (0.0302) | (0.1980) | (0.0301) | (0.2681) | (0.0019) | (0.2718) | (0.0299) | (0.1172) | |||||||||
| 控制变量 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | ||||||||
| 个体固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | ||||||||
| 时间固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | 是 | ||||||||
| N | 3679 | 3679 | 3679 | 3679 | 3679 | 3679 | 3679 | 3679 | ||||||||
| R2 | 0.8510 | 0.8204 | 0.8499 | 0.0202 | 0.2490 | 0.0128 | 0.8513 | 0.0205 | ||||||||
| 变量 | 知识溢出 | 创新要素流动 | |
|---|---|---|---|
| (1) | (2) | (3) | |
| KS | T | K | |
| Dc | 2.0816*** | 6.3338*** | 3.6685*** |
| (0.3567) | (2.0123) | (0.4398) | |
| Constants | 0.0227*** | 8.6512** | 0.0133 |
| (0.0007) | (4.1680) | (0.0289) | |
| 控制变量 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 |
| N | 3679 | 3679 | 3679 |
| R2 | 0.9851 | 0.9722 | 0.5576 |
表6 作用机制分析
Table 6 Analysis of the action mechanism
| 变量 | 知识溢出 | 创新要素流动 | |
|---|---|---|---|
| (1) | (2) | (3) | |
| KS | T | K | |
| Dc | 2.0816*** | 6.3338*** | 3.6685*** |
| (0.3567) | (2.0123) | (0.4398) | |
| Constants | 0.0227*** | 8.6512** | 0.0133 |
| (0.0007) | (4.1680) | (0.0289) | |
| 控制变量 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 |
| N | 3679 | 3679 | 3679 |
| R2 | 0.9851 | 0.9722 | 0.5576 |
| 变量 | 知识富集区 | 知识贫瘠区 | 知识产权保护约束 | ||||
|---|---|---|---|---|---|---|---|
| (1) | (2) | (3) | (4) | (5) | (6) | ||
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | ||
| Dc | 0.5582*** | 1.4705*** | 0.2282 | 0.7733** | -0.8584 | -4.1422*** | |
| (0.0372) | (0.2535) | (0.1625) | (0.3813) | (0.6131) | (0.8961) | ||
| DC*Knop | - | - | - | - | 0.6255** | 3.4365*** | |
| - | - | - | - | (0.2819) | (0.5601) | ||
| Constants | -0.0674 | -0.2102 | 0.0621 | 0.1119 | -0.1203** | -0.0439 | |
| (0.0442) | (0.3015) | (0.0813) | (0.2870) | (0.0407) | (0.1955) | ||
| 控制变量 | 是 | 是 | 是 | 是 | 是 | 是 | |
| 个体固定 | 是 | 是 | 是 | 是 | 是 | 是 | |
| 时间固定 | 是 | 是 | 是 | 是 | 是 | 是 | |
| N | 1950 | 1950 | 1729 | 1729 | 3679 | 3679 | |
| R2 | 0.8824 | 0.8453 | 0.8316 | 0.8061 | 0.8473 | 0.8235 | |
表7 知识溢出约束下区域数字协同创新的路径
Table 7 Paths of regional digital collaborative innovation under the constraint of knowledge spillover
| 变量 | 知识富集区 | 知识贫瘠区 | 知识产权保护约束 | ||||
|---|---|---|---|---|---|---|---|
| (1) | (2) | (3) | (4) | (5) | (6) | ||
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | Eff_coor | Equ_coor | ||
| Dc | 0.5582*** | 1.4705*** | 0.2282 | 0.7733** | -0.8584 | -4.1422*** | |
| (0.0372) | (0.2535) | (0.1625) | (0.3813) | (0.6131) | (0.8961) | ||
| DC*Knop | - | - | - | - | 0.6255** | 3.4365*** | |
| - | - | - | - | (0.2819) | (0.5601) | ||
| Constants | -0.0674 | -0.2102 | 0.0621 | 0.1119 | -0.1203** | -0.0439 | |
| (0.0442) | (0.3015) | (0.0813) | (0.2870) | (0.0407) | (0.1955) | ||
| 控制变量 | 是 | 是 | 是 | 是 | 是 | 是 | |
| 个体固定 | 是 | 是 | 是 | 是 | 是 | 是 | |
| 时间固定 | 是 | 是 | 是 | 是 | 是 | 是 | |
| N | 1950 | 1950 | 1729 | 1729 | 3679 | 3679 | |
| R2 | 0.8824 | 0.8453 | 0.8316 | 0.8061 | 0.8473 | 0.8235 | |
图3 知识溢出约束下的数字协同创新路径(选取约束强度TOP10城市样本)
Figure 3 Digital collaborative innovation paths under the constraint of knowledge spillover (Selecting samples of cities with the Top 10 constraint intensities)
| 变量 | 人才干预强 | 人才干预弱 | ||
|---|---|---|---|---|
| (1) | (2) | (3) | (4) | |
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 0.8385*** | -0.2772 | 0.5090*** | 1.1855*** |
| (0.0766) | (0.8811) | (0.0448) | (0.3087) | |
| Constants | 0.1314** | 0.0054 | -0.0313 | -0.1043 |
| (0.0545) | (0.3881) | (0.0387) | (0.2661) | |
| 控制变量 | 是 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 |
| N | 1262 | 1262 | 2380 | 2380 |
| R2 | 0.8744 | 0.8314 | 0.8360 | 0.8203 |
表8 创新人才要素干预下的数字协同创新效应
Table 8 Digital collaborative innovation effects under the intervention of innovative talent elements
| 变量 | 人才干预强 | 人才干预弱 | ||
|---|---|---|---|---|
| (1) | (2) | (3) | (4) | |
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 0.8385*** | -0.2772 | 0.5090*** | 1.1855*** |
| (0.0766) | (0.8811) | (0.0448) | (0.3087) | |
| Constants | 0.1314** | 0.0054 | -0.0313 | -0.1043 |
| (0.0545) | (0.3881) | (0.0387) | (0.2661) | |
| 控制变量 | 是 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 |
| N | 1262 | 1262 | 2380 | 2380 |
| R2 | 0.8744 | 0.8314 | 0.8360 | 0.8203 |
| 变量 | 资本干预强 | 资本干预弱 | ||
|---|---|---|---|---|
| (1) | (2) | (3) | (4) | |
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 0.6501*** | 1.6428 | -0.0585 | 1.1891*** |
| (0.0744) | (1.2990) | (0.0646) | (0.3102) | |
| Constants | -0.0866 | 0.0057 | 0.0442 | 0.0918 |
| (0.0587) | (0.3961) | (0.0352) | (0.2824) | |
| 控制变量 | 是 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 |
| N | 1575 | 1575 | 2060 | 2060 |
| R2 | 0.8225 | 0.8499 | 0.8748 | 0.8214 |
表9 创新资本要素干预下的数字协同创新效应
Table 9 Digital collaborative innovation effects under the intervention of innovative capital elements
| 变量 | 资本干预强 | 资本干预弱 | ||
|---|---|---|---|---|
| (1) | (2) | (3) | (4) | |
| Eff_coor | Equ_coor | Eff_coor | Equ_coor | |
| Dc | 0.6501*** | 1.6428 | -0.0585 | 1.1891*** |
| (0.0744) | (1.2990) | (0.0646) | (0.3102) | |
| Constants | -0.0866 | 0.0057 | 0.0442 | 0.0918 |
| (0.0587) | (0.3961) | (0.0352) | (0.2824) | |
| 控制变量 | 是 | 是 | 是 | 是 |
| 个体固定 | 是 | 是 | 是 | 是 |
| 时间固定 | 是 | 是 | 是 | 是 |
| N | 1575 | 1575 | 2060 | 2060 |
| R2 | 0.8225 | 0.8499 | 0.8748 | 0.8214 |
图4 创新要素流动约束下的数字协同创新路径(选取约束强度TOP10城市样本)
Figure 4 Digital collaborative innovation paths under the constraint of the flow of innovative elements (Selecting samples of cities with the Top 10 constraint intensities)
| [1] | 刘秉镰, 曾锦萍. 中国式分权与京津冀区域协同创新[J]. 北京社会科学, 2025(2): 15-27. |
| Liu B L, Zeng J P. Chinese decentralization and regional collaborative innovation of Beijing-Tianjin-Hebei[J]. Social Sciences in Beijing, 2025(2): 15-27. | |
| [2] | 刘洋, 董久钰, 魏江. 数字创新管理:理论框架与未来研究[J]. 管理世界, 2020(7): 198-217. |
| Liu Y, Dong J Y, Wei J. Digital innovation management: Theoretical framework and future research[J]. Management World, 2020(7): 198-217. | |
| [3] | 韩先锋, 勾亚楠, 董明放. 数智政策协同对城市数字技术创新的影响研究[J/OL]. 科研管理, 2024-12-19/2025-3-20. |
| Han X F, Gou Y N, Dong M F. Research on the impact of digital intelligence policy coordination on urban digital technology innovation [J]. Science Research Management, 2024-12-19/2025-3-20. | |
| [4] | 王欣亮, 汪晓燕, 刘飞. 税收竞争有利于提升区域创新绩效吗?——基于创新要素流动的空间机制分析[J]. 财贸研究, 2021, 32(6): 98-110. |
| Wang X L, Wang X Y, Liu F. Is tax competition conducive to improving regional innovation performance? Analysis of spatial mechanism based on innovative elements flow[J]. Finance and Trade Research, 2021, 32(6): 98-110. | |
| [5] | 刘烨, 王琦, 班元浩. 虚拟集聚、知识结构与中国城市创新[J]. 财贸经济, 2023, 44(4): 89-105. |
| Liu Y, Wang Q, Ban Y H. Virtual agglomeration, knowledge structure and urban innovation[J]. Finance and Trade Economics, 2023, 44(4): 89-105. | |
| [6] | 洪永淼, 史九领. 数据要素与数据经济学[J]. 经济理论与经济管理, 2024, 44(8): 1-16. |
| Hong Y M, Shi J L. Data elements and data economics[J]. Economic Theory and Business Management, 2024, 44(8): 1-16. | |
| [7] |
Yoo Y, Boland RJ Jr, Lyytinen K, et al. Organizing for innovation in the digitized world[J]. Organization Science, 2012, 23(5): 1398-1408.
DOI URL |
| [8] | 魏江, 赵雨菡. 数字创新生态系统的治理机制[J]. 科学学研究, 2021, 39(6): 965-969. |
| Wei J, Zhao Y H. Governance mechanism of digital innovation ecosystem[J]. Studies in Science of Science, 2021, 39(6): 965-969. | |
| [9] | 李振东, 张冬冬, 朱子钦, 等. 数字化情境下的协同创新:理论框架与研究展望[J]. 科学学与科学技术管理, 2022, 43(8): 47-65. |
| Li Z D, Zhang D D, Zhu Z Q, et al. Collaborative innovation in the digital context: Theoretical framework and research prospects[J]. Science of Science and Management of S&T, 2022, 43(8): 47-65. | |
| [10] | 孙大明, 胡苏敏, 黄菁菁. 数字协同创新的区域数字治理归因[J]. 科学学研究, 2024, 42(11): 2421-2433. |
| Sun D M, Hu S M, Hang J J. Regional digital governance attribution in digital synergy innovation[J]. Studies in Science of Science, 2024, 42(11): 2421-2433. | |
| [11] |
Augustsson N P, Nilsson A, Holmström J, et al. Managing digital infrastructures: Negotiating control and drift in service provisioning[J]. International Journal of Business Information Systems, 2019, 30(1): 51-78.
DOI URL |
| [12] |
Henfridsson O, Mathiassen L, Svahn F. Managing technological change in the digital age: The role of architectural frames[J]. Journal of Information Technology, 2014, 29(1): 27-43.
DOI URL |
| [13] | 沈坤荣, 林剑威. 链“岛”成“陆”:公共数据开放的技术创新效应研究[J]. 管理世界, 2025, 41(2): 83-104. |
| Shen K R, Lin J W. Linking islands into continent: The impact of public data openness on technological innovation[J]. Management World, 2025, 41(2): 83-104. | |
| [14] | 徐晔, 王志超, 陶长琪. 数据要素市场化建设对企业资源配置效率的影响研究[J]. 科研管理, 2025(1):1-14. |
| Xu Y, Wang Z C, Tao C Q. Research on the impact of data factor marketization on enterprise resource allocation efficiency[J]. Science Research Management, 2025(1): 1-14. | |
| [15] | Cusumano M A, Gawer A, Yoffie D B. The business of platforms: Strategy in the age of digital competition, innovation, and power[J]. Strategic Management Journal, 2020, 41(3): 240-242. |
| [16] |
Trippl M. Developing cross-border regional innovation systems: Key factors and challenges[J]. Tijdschrift voor Economische en Sociale Geografie, 2010, 101(2): 150-160.
DOI URL |
| [17] | 张勋, 乔坤元. 中国区域间经济互动的来源:知识溢出还是技术扩散?[J]. 经济学(季刊), 2016, 15(4): 1629-1652. |
| Zhang X, Qiao K Y. Regional economic interactions in China: Knowledge spillover or technological diffusion?[J]. China Economic Quarterly, 2016, 15(4): 1629-1652. | |
| [18] |
Abrell T, Pihlajamaa M, Kanto L, et al. The role of users and customers in digital innovation: Insights from B2B manufacturing firms[J]. Information and Management, 2016, 53(3): 324-335.
DOI URL |
| [19] | Santoso H, Elidjen E, Abdinagoro S, et al. The role of creative self-efficacy, transformational leadership, and digital literacy in supporting performance through innovative work behavior: Evidence from telecommunications industry[J]. Management Science Letters, 2019, 9(13): 2305-2314. |
| [20] |
左万水, 古恒宇, 周麟, 等. 中国市域数字经济创新空间格局演化及其驱动机制[J]. 经济地理, 2024, 44(6): 102-112.
DOI |
|
Zuo W S, Gu H Y, Zhou L, et al. Evolution and driving mechanism of the spatial pattern of digital economy innovation in China[J]. Economic Geography, 2024, 44(6): 102-112.
DOI |
|
| [21] |
Roper S, Love J H, Bonner K. Firms’ knowledge search and local knowledge externalities in innovation performance[J]. Research Policy, 2017, 46(1): 43-56.
DOI URL |
| [22] | 刘修岩, 王峤. 知识溢出的边界效应——来自专利引用数据的证据[J]. 经济研究, 2022, 57(11): 84-101. |
| Liu X Y, Wang Q. The border effect of knowledge spillover: Evidence from patent citation data[J]. Economic Research Journal, 2022, 57(11): 84-101. | |
| [23] | 张骁, 吴琴, 余欣. 互联网时代企业跨界颠覆式创新的逻辑[J]. 中国工业经济, 2019(3):156-174. |
| Zhang X, Wu Q, Yu X. The logic of cross-boundary disrupt innovation of enterprises at internet age[J]. China Industrial Economics, 2019(3): 156-174. | |
| [24] | 徐艳如. 当代西方左翼学者视域中的数字商品、数字劳动和数字资本——基于马克思主义政治经济学的辨析[J]. 马克思主义研究, 2025(2):92-102,152. |
| Xu Y R. Digital goods, digital labor and digital capital from the perspective of contemporary western left-wing scholars - analysis based on Marxist political economy[J]. Marxist Studies, 2025(2): 92-102,152. | |
| [25] | 白俊红, 刘怡. 市场整合是否有利于区域创新的空间收敛[J]. 财贸经济, 2020, 41(1):96-109. |
| Bai J H, Liu Y. Does market integration promote spatial convergence of regional innovation?[J]. Finance & Trade Economics, 2020, 41(1): 96-109. | |
| [26] |
Brynjolfsson E, Hui X, Liu M. Does machine translation affect international knowledge flows? Evidence from a digital platform[J]. Management Science, 2019, 65(12): 5449-5460.
DOI URL |
| [27] | Tambe P, Hitt L M. How data analytics is transforming the labor market: Evidence from online professional networks[J]. Information Systems Research, 2020, 31(2): 456-478. |
| [28] | Mirabile R J. Everything You wanted to know about competency modeling[J]. Training and Development, 1997, 51(8): 73-78. |
| [29] | 林周周, 苏屹. 知识源异质性视角下知识溢出与区域创新绩效关系——基于知识产权保护的门槛效应分析[J]. 系统管理学报, 2021, 30(2): 227-237. |
| Lin Z Z, Su Y. Relationship between knowledge spillover and regional innovation performance from the perspective of knowledge source heterogeneity: Threshold effect analysis based on intellectual property protection[J]. Journal of Systems and Management, 2021, 30(2): 227-237. | |
| [30] | 肖叶, 刘小兵. 税收竞争促进了产业结构转型升级吗?——基于总量与结构双重视角[J]. 财政研究, 2018(5): 60-74. |
| Xiao Y, Liu X B. Does tax competition promote the transformation and upgrading of industrial structure? Based on the dual perspectives of total amount and structure [J]. Public Finance Research, 2018( 5): 60-74. |
| [1] | 王震 谢赤. 绿色技术创新如何突破同质壁垒和虹吸效应?[J]. 科学学研究, 2025, 43(5): 1014-1026. |
| [2] | 王兵 杨宝 冯子珈. 同群效应:同辈群体影响大学生创业意愿吗[J]. 科学学研究, 2017, 35(4): 593-599. |
| [3] | 刘凤朝 刘靓 马荣康. 区域间技术交易网络、吸收能力与区域创新产出——基于电子信息和生物医药领域的分析[J]. 科学学研究, 2015, 33(5): 774-781. |
| [4] | 王庆喜. 多维邻近与我国高技术产业区域知识溢出:一项空间面板数据分析(1995-2010)[J]. , 2013, (7): 1068-1076. |
| [5] | 王春杨 张超. 地理集聚与空间依赖——中国区域创新的时空演进模式[J]. 科学学研究, 2013, (5): 780-0. |
| [6] | 傅利平 周小明 罗月丰. 知识溢出与产学研合作创新网络的耦合机制研究[J]. , 2013, (10): 1541-1547. |
| [7] | 陈傲;柳卸林;程鹏. 空间知识溢出影响因素的作用机制[J]. , 2011, 29(6): 883-889. |
| [8] | 孙建;齐建国. 中国区域知识溢出空间距离研究[J]. , 2011, 29(11): 1643-1650. |
| [9] | 向希尧;蔡虹. 组织间跨国知识流动网络结构分析——基于专利的实证研究[J]. , 2011, 29(01): 97-105. |
| [10] | 李燕;韩伯棠. 弱隐性知识溢出对经济增长的贡献分析——基于CNKI和ISI的论文合作数据[J]. , 2010, 28(10): 1547-1554. |
| [11] | 黄苹 . 物化溢出、纯知识溢出与生产率——基于中国制造业实证[J]. , 2010, 28(10): 1484-1489. |
| [12] | 黄玮强;庄新田;姚爽. 企业创新网络的自组织演化模型[J]. , 2009, 27(5): 793-800. |
| [13] | 吴玉鸣. 官产学R&D合作、知识溢出与区域专利创新产出[J]. , 2009, 27(10): 1486-1494. |
| [14] | 吴波;杨菊萍. 区域龙头企业的知识溢出与本地中小企业成长——基于浙江省三个产业集群中小企业调查的实证研究[J]. , 2008, 26(1): 130-136. |
| [15] | 朱美光. 区域知识能力与区域知识吸收能力比较研究——基于空间知识溢出视角的分析[J]. , 2007, 25(6): 1183-1187. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||