摘 要：数字经济已然成为提高区域创新能力、促进社会经济高质量发展的新引擎。本文基于数字产业化和产业数字化双重视角，实证检验两者对区域创新质量和创新速度的影响效应，通过随机森林特征重要性算法探究数字产业化与产业数字化指标体系中各变量对两因变量的重要性大小，最终本文通过随机森林预测的稳健性检验来验证回归结果的可靠性。
关键词：区域创新；数字产业化；产业数字化；创新质量；创新速度；随机森林
中图分类号：F061.5 文献标识码：A 文章编号：2096-0298（2024）10（b）--04
党的二十大报告强调“应完善科技创新体系，坚持创新在中国现代化建设全局中的核心地位”。随着创新驱动发展战略的不断推进，中国的创新水平取得了空前进步，各个领域的创新成果与日俱增，但针对部分关键技术的创新能力仍有较大提升空间。中国如今面临的主要创新难题表现为创新质量和科技成果转化率较低[1]，因此从创新大国向创新强国过渡的过程中探索提高创新质量的路径成为当务之急。随着创新研究的发展，学者意识到创新质量具有强大的变革力量，既可以塑造一个产业也可以改变区域发展进程[2]，这表明创新质量既可以从微观上促进企业成长，也可以从宏观上推动区域进步，因此如何提高区域创新质量就成为理论界和实践界关注的重点。在着力提高创新质量的同时，政府也应当关注区域创新速度，创新周期长、创新速度慢已然成为制约中国区域发展的重要掣肘。在如今的经济全球化背景下，加快创新速度成为保持竞争优势、攫取利润的重要方式。研究数据表明，市场第二进入者和第三进入者的市场平均占有率仅为第一进入者的71%和58%[3]，因此加快创新进程、着力提升创新速度迫在眉睫。近年来，中国高度重视区域创新发展，政府部门出台的政策对创新速度多有关注，因此研究对创新速度的影响机制不仅可以完善宏观角度创新速度的相关理论，还对促进区域发展具有重要的实践意义。
当前研究中针对创新质量或创新速度已经取得部分有益成果，遗憾的是其多从单一角度探索创新质量或速度的影响因素，鲜有文献同时将创新速度和质量双重视角纳入同一研究框架。值得注意的是，中国社会正在步入数字化时代，传统的商业逻辑和生活方式逐渐被颠覆，数字化理论研究亟待发展。因此，在如今数字经济迅速发展的背景下应该更为关注数字化要素对区域创新发展的深刻影响。鉴于此，本文基于数字经济两大维度——数字产业化和产业数字化[4]的双重视角，研究数字经济对创新质量和速度的影响效应。同时，通过随机森林算法进行特征重要性评估，测算数字产业化、产业数字化指标体系中各个特征变量对创新质量与创新速度的影响作用大小，力求深度挖掘数字经济对区域创新的细化作用机制。
1 研究假设
1.1 数字产业化
数字产业化本质上是将数据和信息加以整合，使其形成能在企业内部流通并在市场交易的产品，数据是其核心要素[4]。当前数据应用已然凸显产业化特征，形成其独特的产业模式。首先，随着数字产业化的发展，企业战略发生显著转变，企业内部组织结构不再像工业化时代一般表现出垂直式、多层级的特点，这要求企业对组织结构协调重塑[5]，逐渐过渡为扁平化发展模式，使得企业快速响应市场变化，特别是数字产业化企业对客户体验的反应要求尤为快速精准。扁平化组织结构促使企业内部分工机制趋于完善，决策者在创新过程中能够敏捷地进行沟通、整合资源，为企业创新夯实基础并提升创新速度，因此优化组织结构为数字产业化企业提高创新速度提供了必要支持。此外，数字产业化企业创新模式有别于传统企业，其多向上下游企业扩散，促发企业业务间关联范围的扩展，其既定目标的创新实现则依赖于上下游企业联合进行。由于参与的创新主体数量多，可供运用的各类创新资源多样化明显，创新产品质量更高。基于以上分析，本文提出以下假设：
H1：数字产业化对创新速度具有正向促进作用；
H2：数字产业化对创新质量具有正向促进作用。
1.2 产业数字化
产业数字化本质上是传统产业引进数字化技术并加以运用的过程。在数据驱动时代，数字技术为传统产业进行数字化转型提供整体技术优势，企业借助技术优势能够深入分析消费者的消费习惯和体验等信息。根据用户反馈，产业数字化企业可以及时进行产品迭代，改善产品不足，提高供需关系匹配效率，减少创新方向搜索的时间消耗，从而加快创新速度。区别于传统的封闭式研发模式，数字化时代企业的创新模式呈现开放化特征，强调通过多种方式获取异质化资源，且数字经济本身具有集聚效应，能将更多的创新资源聚集于一体[6]。同时，产业数字化企业可以通过数字赋能优化区域产业布局，拓展区域高质量发展空间，释放更多资源用于创新，有助于产生更高质量的创新成果。基于以上分析，本文提出以下假设：
H3：产业数字化对创新速度具有正向促进作用；
H4：产业数字化对创新质量具有正向促进作用。
2 研究设计
2.1 变量测度
2.1.1 解释变量
（1）数字产业化（Dig）。本文参考陈贵富等（2022）[7]构建的指标体系，采用信息传输、软件和信息技术服务业城镇单位就业人员数量、人均电信业务收入来测度区域数字产业化发展水平。由于各指标的量纲不同，对各指标先进行归一化处理，在此基础上运用熵值法对指标进行客观赋权，进而测度出数字产业化发展水平综合得分。（2）产业数字化（Ind）。本文参考樊辉（2022）[8]的研究，选择有电子商务交易活动的企业数、电子商务销售额、R&D投入经费支出、数字普惠金融指数四个指标来测度区域产业数字化发展水平，同样对各指标先进行归一化处理，并运用熵值法进行客观赋权，计算出相应的综合得分。
2.1.2 被解释变量
（1）创新质量（InQ）。创新成果能较为切实地反映出区域创新质量水平，同时创新成果多以专利授权情况测度，中国专利类型中发明专利的科技含量和获得难度最高，本文参考赵公民等（2021）[9]的测量方法，用发明专利授权率来测度区域创新质量。（2）创新速度（InS）。本文参考俞立平（2022）[10]的研究，用2009—2011年的高技术产业新产品销售收入数据的平均值作为基年数据，用高技术产业新产品销售收入除以基年数据计算区域创新速度。
2.1.3 控制变量
为了避免其他因素对回归结果造成的影响，提升研究结论的精准性，本文对以下变量进行控制：对外开放水平（Fdi），用出口总额测度；地方政府支持（Gov），用地方科技支出占财政支出的比重表示；市场交易效率（Mar），用货物周转量表示，为了保证数据平稳性，研究对货物周转量及出口总额取自然对数。
2.2 数据来源与描述性统计
本文利用2013—2020年全国30个省市自治区的面板数据展开分析，由于西藏地区的部分指标缺失，因此样本中剔除西藏地区。数据主要来源于《中国统计年鉴》《中国科技统计年鉴》、各省统计年鉴和北京大学数字金融研究中心。变量描述性统计如表1所示。
3 实证结果
3.1 基准回归
为了保证回归结果的准确性，本文先进行Hausman检验，结果均拒绝原假设，因此选取固定效应模型进行回归。
模型1为数字产业化对创新速度的回归，结果表明回归效应显著，说明数字产业化对区域创新速度具有显著的正向促进作用，验证了本文假设1。模型2为数字产业化对创新质量的回归，其估计系数在1%的显著性水平下为正，说明数字产业化对区域创新质量有显著正向促进作用，验证了本文假设2。模型3为产业数字化对创新速度的回归，回归结果显著，验证了本文假设3。模型4为产业数字化对创新质量的回归，结果显示回归效应显著，表明产业数字化对区域创新质量具有显著正向促进作用，验证了本文假设4。
3.2 变量重要性评分
为研究数字产业化与产业数字化整体指标对创新质量和创新速度的影响，本文使用随机森林（Random Forests）算法进行变量重要性排序，探讨数字产业化与产业数字化指标体系中各变量对两因变量的重要程度。随机森林重要性评估主要依据是衡量每个特征在随机森林中的每棵决策树上做出的贡献。采用CART算法构建决策树，以递归算法划分最佳特征，采用平均不纯净度降低方法，以基尼系数统计每个特征对随机森林决策树的贡献大小，加总后取平均值，比较所有变量贡献平均值的大小进行变量特征重要性排序。排序结果如图1所示。
图1变量重要性排序结果表明，产业数字化对创新质量影响效应中，电子商务销售额的重要性超过其他因素，有电子商务交易活动的企业数重要性程度最低。产业数字化对创新速度的重要性排序中，R&D经费内部支出对创新速度的贡献最大，电子商务销售额对创新速度的影响最小。数字产业化指标重要性排序中，信息传输、软件和信息技术服务业城镇单位就业人员数量对创新质量的影响更大，人均电信业务总量则对创新速度更为重要，可见提升信息传输、软件和信息技术服务业从业人数对增强区域创新质量成效显著，发展电信业务则能有效提升创新速度。从产业数字化角度来看，可以通过增加R&D经费内部支出提高创新速度，以发展电子商务促进创新质量提升。
3.3 稳健性检验
在预测模型的构建上，随机森林算法不需要考虑回归模型中的多重共线性问题，可以加入大量数据进行分析处理[11]。因此本文使用Python语言，依托scikit-learn库，通过随机森林回归模型对数字产业化与产业数字化和创新质量与创新速度之间的关系进行预测。其主要程序包括从训练集中随机抽取N个训练样本，训练集与测试集8∶2切分，随机种子数为42（random_state=42），以确保程序每次运行均分割相同的训练集和测试集，保证每次运行的效果相同。对训练数据进行随机抽样构建多棵决策树，每棵决策树都在不同的特征子集中进行随机运算，并对各个树的运算结果汇总后进行取平均值得出最终预测结果。随机森林预测值与实际值对比结果如图2所示，从图2看模型预测结果较好，研究结论稳健。
4 结语
4.1 研究结论
本文基于2013—2020年全国30个省份的样本数据，实证检验了数字产业化和产业数字化对区域创新的细化赋能作用，得到以下研究结论：第一，数字产业化可以加快区域创新速度，提高区域创新质量；第二，产业数字化可以提升区域创新速度与创新质量。第三，产业数字化指标体系中电子商务销售额对创新质量重要性程度最高，R&D经费内部支出则对创新速度的贡献最大，数字产业化指标体系中信息传输、软件和信息技术服务业城镇单位就业人员数量对创新质量的影响比重更大，人均电信业务总量对创新速度更重要。
4.2 理论贡献
（1）关注创新速度和创新质量。本文基于省级面板数据实证检验了数字经济对创新速度和创新质量的影响作用，将对区域创新的研究加以拓展，从而尽可能得出较为全面的研究结果，对加强创新速度和创新质量的协调发展、促进区域创新高质量发展的理论研究做出了一定贡献。
（2）将机器学习算法应用于细粒化研究。研究基于随机森林变量重要性测度方法，探究数字经济对区域创新的影响因素重要性排序，目前这一方法大多应用于控制工程、医学等领域，本文进行变量重要性测度也为随机森林算法在数字经济领域的广泛应用做出了贡献。
4.3 实践启示
（1）统筹数字产业化与产业数字化协调布局。近年来，传统产业数字化转型发展较为成功，区域应关注传统产业与新兴产业融合过程中产生的技术创新和知识溢出，以此促进数字产业化发展，充分发挥产业创造性，进而实现区域数字产业化与产业数字化良性互补循环，防止资源浪费和同质化竞争，以协调布局高效提升区域数字经济发展水平。
（2）兼顾数字经济对区域创新速度和创新质量的提升作用。从数字产业化角度来看，区域应推动高新技术进步，对促进区域创新发展的重要数字技术进行集中攻关布局和重点突破，并且加快数字基础设施建设，提高信息传输、软件和信息技术服务业从业人数，着力提升人均电信业务总量，以此提高创新质量和创新速度。从产业数字化角度来看，区域应加快传统产业数字化转型，可以通过增加R&D经费内部支出提高创新速度，大力发展电子商务促进创新质量提升。
参考文献
程俊杰. 高质量发展背景下破解“创新困境”的双重机制[J].现代经济探讨， 2019（3）：5-10.
Teemu M， Tommi I. Innovation quality in knowledge cities： Empirical evidence of innovation award competitions in Finland [J]. Expert Systems with Applications，2014，41（12） 5597-5604.
DPvnmrBF+DAbAespNYUdmg==Urban G L ， Carter T ， Gaskin S ， et al. Market Share Rewards to Pioneering Brands： An Empirical Analysis and Strategic Implications[J]. Management Science， 1986， 32（6）： 645-659.
刘钒， 余明月.长江经济带数字产业化与产业数字化的耦合协调分析[J].长江流域资源与环境， 2021， 30（7）：1527-1537.
戚聿东， 肖旭. 数字经济时代的企业管理变革[J].管理世界， 2020， 36（6）：135-152+250.
毛建辉， 张蕊， 管超. 数字经济、财政分权与企业创新[J].西南民族大学学报（人文社会科学版）， 2022， 43（8）：118-129.
陈贵富， 韩静， 韩恺明.城市数字经济发展、技能偏向型技术进步与劳动力不充分就业[J].中国工业经济， 2022（8）：118-136.
樊辉. 产业数字化、科技创新与外贸出口水平： 基于长江经济带的实证[J].统计与决策， 2022， 38（19）：115-119.
赵公民， 俞立平， 戴化勇. 创新数量、创新质量与高技术产业出口[J].中国管理科学， 2021， 29（2）：61-68.
俞立平， 万晓云.技术市场厚度、流畅度与创新速度[J].统计与决策， 2022，38（1）：158-162.
Statistics L B ， Breiman L . Random Forests[J]. Machine Learning， 2001：5-32.