区域创新驱动与经济高质量发展耦合协调度研究

利用2005—2018年中国内地30个省域创新和经济相关数据，通过对创新驱动与经济高质量发展的耦合机理分析，构建区域创新驱动与经济高质量发展耦合协调度评价模型，对其耦合协调度进行准确测度和可视化实证分析。研究发现：各省域创新驱动与经济高质量综合发展水平均呈上升趋势，但创新驱动超前于经济高质量发展水平；从时序上看，各省域耦合协调度均有较大提升，但提升速度存在明显差异，大部分处于中度耦合协调阶段；从空间分布看，省域间耦合协调度在空间上呈现东高西低、沿海高内陆低特征。根据以上结论，提出有效促进创新驱动与经济高质量发展的政策建议。     

人工智能、创新驱动与劳动力就业结构

目前，人工智能快速发展带来的劳动力就业结构变化成为广受关注的热点问题。基于2010-2019年中国省级面板数据，利用固定效应模型、门槛效应模型和中介效应模型，实证检验创新驱动下人工智能对劳动力就业结构的影响及作用机制。结果表明：人工智能对就业结构的影响反映出中国的特殊性，推动中国劳动力就业结构趋向高级化，这一促进作用在东部地区和技术密集区更为显著；人工智能对劳动力就业结构具有非线性影响，且人工智能发展程度越高，对劳动力就业结构的优化作用越明显；进一步研究发现，基于创新驱动视角，人工智能还通过技术创新效应和创新人才集聚效应两个间接机制推动劳动力就业结构优化升级。研究结论对于在人工智能背景下优化中国劳动力就业结构具有一定的理论价值和现实意义。     

基于组态视角的数字经济发展驱动模式研究

以中国31个省份为例,借助模糊集定性比较分析方法(fsQCA),剖析龙头企业、政策支持、产业结构、经济基础、人力资本和城镇化6个影响因素通过交互作用对数字经济发展产生的影响,归纳数字经济发展的驱动模式,并分析不同因素之间的替代关系。研究结果发现:单一因素不能构成数字经济发展的必要条件;数字经济发展驱动模式可概括为龙头企业引领型、政府主导型、产业推动型、龙头企业引领下的产业推动型、政府主导下的龙头企业引领型、政府主导与龙头企业引领下的产业推动型6种驱动模式;在一定情形下,“经济基础”与“城镇化+人力资本”“人力资本”与“城镇化”“经济基础”与“产业结构+城镇化+人力资本”之间存在替代关系。研究结果为揭示中国数字经济发展的驱动模式和促进数字经济健康发展提供了借鉴与参考。     

供给侧改革、经济发展方式与投资驱动模式转变

中国经济已经从高速增长转入了中高速增长,这将成为未来经济增长的新常态。转变经济发展方式经历了从注重数量到数量质量并重、从不可持续到可持续、从以物为本到以人为本,由低级向高级非连续性缓慢演变过程。鉴于此,该文结合危机前后供给与需求结构失衡问题,从后发优势视角剖析了经济发展方式转变的主要思路和关键,并抓住转变投资驱动发展模式作为经济发展方式转变的主线。     

长三角城市群新型城镇化与生态效率耦合协调及驱动因素研究

随着我国迈入高质量发展阶段,城市可持续发展的一个重要难题就是城镇化与生态保护的协调问题。以长三角地区作为研究区域,利用熵权法和非期望产出SBM模型定量测度2005—2018年新型城镇化水平和生态效率;借助耦合协调模型,测度二者的时空格局及相对发展状态;通过构建Tobit模型,研究长三角地区新型城镇化与生态效率耦合的驱动因素。结果表明:(1)从综合发展水平来看,长三角地区新型城镇化、生态效率均呈上升趋势,但两个子系统之间发展不平衡;(2)从协调发展水平来看,长三角地区新型城镇化与生态效率的耦合协调度均值在0.38~0.72之间,整体处于上升趋势,经历了“拮抗—磨合—协调”三个阶段,且空间分异特征显著;研究阶段前期,发展水平多为新型城镇化超前,后期发展比例趋向均衡。(3)从驱动因素来看,资源聚集能力、经济发展水平、区域创新环境、社会促进能力对耦合协调度产生显著的积极影响,工业化水平及对外开放程度则对耦合协调度产生显著的负向影响,且地区间的驱动因素差异较为显著。     

新常态下蓝色经济创新驱动发展研究

在经济新常态下, 中国经济增长模式必须由要素驱动向创新驱动转变, 以广泛的区域经济合作提升对外开放型经济水平. 蓝色经济在世界经济发展中具有举足轻重的地位, 本文结合中国经济新常态特征和中国 "一带一路" 战略规划, 对当前蓝色经济创新驱动的内涵、 创新机制、 驱动模式和发展策略等方面进行了系统梳理, 总结了研究现状, 探讨了蓝色经济创新驱动发展, 明晰了蓝色经济创新驱动发展的研究方向.     

驱动创新与我国经济发展方式转变的分析

在2008年全球爆发金融危机之后,虽然我国并没有出现经济大萧条的状况,但是对我国外部需求也造成了很大的影响.特别是我国市场化改革已经步入后期阶段将的时代背景下.目前,随着我国经济增速进入中高速增长阶段,经济也面临新常态的发展环境.在这种时代背景下,要想持续有效的维持,我国经济的发展,创新驱动战略的实施就显得非常有必要.我国经济发展将开始步入一个崭新的时期,在这个阶段里,创新驱动战略将是我国经济保持稳定增长常态的重要保障,也是提高我国的各项技术,和劳动生产率的一项目标.     

政府干预、创新驱动与区域人才配置

基于政府干预视角探讨创新驱动对区域人才配置的作用，借助中国258个城市2004—2018年面板数据，对创新驱动促进区域人才配置的动力机制进行验证。结果表明：创新驱动和政府干预均能有效改善区域人才配置，加入交互项后二者对区域人才配置的效应进一步增强；受边际效应递减规律的制约，西部创新驱动对区域人才配置呈现出的正向促进效应最强，东部次之，中部最小；政府干预以及政府干预与创新驱动的交互项对区域人才配置的效应均呈现出一定区域异质性；创新驱动对人才配置的效应受到政府干预程度影响，存在政府干预的双重门限效应。     

中国海洋经济增长驱动要素的时空差异

为明确海洋经济增长及其驱动要素的时空差异,文章借鉴经济增长理论和相关研究,构建海洋经济增长驱动要素定量测度指标体系,借助集对分析法计算各驱动要素得分,在此基础上运用LMDI方法对2000—2015年海洋经济增长驱动要素贡献度进行测度分析,研究发现:①2000—2015年中国海洋经济生产总值逐年上升,海洋经济增长变化存在空间差异。②资本要素始终是中国海洋经济增长的主要推动力,资源要素对海洋经济增长的驱动力减弱,除2006—2009年外,结构要素和创新要素均推动海洋经济增长,但前者在整体影响结构中所占份额相对较小,制度要素对海洋经济增长的贡献量保持正负交替演变的态势。③不同驱动要素对各省和各类型区的海洋经济增长贡献量存在空间差异。创新、结构和制度要素分别对落后增长区、积极增长区和问题增长区海洋经济增长的贡献度更大,资本和资源要素对落后增长区的贡献度最小。     

创新驱动新型城镇化高质量发展的效应研究

基于我国2003-2018年的省际面板数据,通过构建科技创新水平与新型城镇化高质量发展的评价指标体系,采用改进熵值法对其进行测度.在此基础上实证检验科技创新对新型城镇化高质量发展的驱动效应.研究结果表明:观测期内我国科技创新水平与新型城镇发展质量均有大幅提升,并处于稳定的上升通道;科技创新对新型城镇化高质量发展具有显著的促进作用,但在不同经济发展水平地区呈现出的驱动效应有所差异;从新型城镇化高质量发展的内部系统来看,科技创新对集约化发展质量的驱动效应最大,对可持续发展质量次之,对均等化发展质量的驱动效应最小.文章最后提出各级政府应当加强科技成果的转化与技术的市场应用;因地制宜的制定相应政策,充分释放科技创新的驱动潜能.     

城市化驱动经济增长的机制与实证分析

城市化与经济增长是当前中国面临的重要问题.城市化和经济增长是紧密联系又互相促进的,城市化水平的提高对国民产出的增长具有促进作用.城市化推进是其运行中各要素之间相互作用、相互影响的过程,这些要素之间的关系构成了城市化驱动经济增长的机制.中国城市化进入快速发展阶段后,农村剩余劳动力的无限供给满足了城市化的需要,城市化通过刺激投资规模扩张、产业结构优化和人力资本提升作用于经济增长.     

创新驱动下城市产业生态转型升级研究——基于城市空间杜宾模型的实证

由工业化初期向工业化中后期转变的关键时期，我国的产业增长方式将经历从资源和资本驱动转变为创新驱动的过程。以创新为驱动力，延长产业价值链，实现产业结构的合理化与高度化，已然成为研究的重点。本文基于空间杜宾模型，利用2002-2017年272个城市的面板数据，研究了城市创新驱动与产业转型升级的关系，得出了以下结论：城市产业转型具有正的空间溢出效应，创新驱动能显著提升城市产业转型升级的水平，并且城市的创新驱动水平对周边城市的产业转型升级有明显的促进作用。进一步研究，发现城市群的出现能有效加强城市创新驱动对周边城市产业转型升级的促进作用。本文通过替换指标、邻接关系矩阵替换、分组检验等方式进行稳健性检验，实证结果保持稳健。     

人力资本结构高级化对科技创新绩效的影响

科技创新是社会发展的动力，人力资本是创新的主体，人力资本由低层次向高层次演化的动态过程即人力资本结构高级化过程。人力资本结构高级化通过与技术结构升级匹配，营造和改善创新环境，并通过需求结构升级提升科技创新绩效。采用向量夹角衡量人力资本结构高级化水平，分析其对科技创新绩效的促进作用，并将其与人力资本存量对科技创新绩效的影响进行对比分析。回归结果显示，人力资本结构高级化能够显著提升科技创新绩效，相对于人力资本存量而言，人力资本结构高级化对科技创新绩效的作用更大。分区域研究中，东部和中部地区人力资本结构高级化对于科技创新绩效的作用高于全国平均水平，东北地区呈抑制作用。因此，在制定创新驱动人力资本政策时应考虑如何提高人力资本结构高级化水平，针对区域情况制定差异化人力资本政策。     

创新驱动发展实现路径的动态异质门槛效应

针对如何选择创新路径以提升创新驱动发展绩效问题,科学构建了创新驱动发展路径结构关系体系,并从知识积累异质性视角,深入探讨高技术产业创新驱动发展路径影响机制的动态异质门槛特征。研究表明：高技术产业创新驱动发展路径的影响机理存在显著的知识积累门槛特征效应;适度的知识积累水平更有利于创新路径充分发挥正向促进效应,较高或较低的知识积累水平均会在一定程度上影响创新路径的驱动作用,说明知识积累对创新路径驱动效应存在临界规模;随着地区知识积累水平提升,不同创新路径的驱动效应呈现差异化,需要针对知识积累水平选择最优创新路径以驱动地区发展。最后,地区知识积累具有阶段性发展特性,而现阶段还需控制和保持在合理范围内,警惕门槛特征带来的负向效应。     

智慧专业化视角下区域资源集聚与区域创新驱动发展

传统发展动力逐渐式微，创新驱动成为区域经济发展的新引擎。走创新驱动发展道路，需要新的经济理论解释、构建并指导各区域经济增长方式和发展模式转型。智慧专业化是一种新兴经济理论，能够较好解释区域创新驱动发展的内在动力。智慧专业化有效支撑区域资源集聚与区域创新驱动发展相关性研究，从资源内存性和外向性、资源技术和经济属性以及资源支持程度3个方面，论述区域创新驱动发展的动力来源与动力持续性，进而解释区域创新驱动发展资源集聚对区域创新驱动发展绩效的影响。     

人工智能对绿色经济增长的作用机制与赋能效果——产业结构优化视角

人工智能作为新一轮科技革命和产业变革的重要抓手,深刻影响着中国绿色发展的路径选择偏向。结合非连续性技术创新理论与中国现实情景,从产业结构优化视角构建人工智能技术赋能绿色增长的逻辑框架,并利用2010—2020年中国省级面板数据检验人工智能的绿色增长效应。结果表明,人工智能通过技术红利效应直接推动绿色经济增长,引入地区高校平均科技产出和《中国制造2025》政策冲击作为工具变量进行内生性修正后,人工智能的绿色增长效应仍显著存在。机制识别揭示,人工智能通过产业结构高级化和合理化驱动绿色经济增长,二者在人工智能绿色增长效应中的相对贡献分别为20.33%和8.35%。异质性分析发现,中国转型经济背景下,人工智能的结构红利在要素市场扭曲程度更低、创新人力资本水平更高、制度环境更完善的地区表现得更为明显,从而可以更充分释放其对绿色增长的赋能效果。拓展性分析发现,人工智能对绿色经济增长具有显著正向空间溢出效应,本地人工智能发展对空间关联地区的绿色发展绩效存在辐射带动作用。聚焦产业结构升级与绿色发展双重视角,可为塑造以人工智能为核心的技术竞争优势、实现经济高质量发展提供理论支撑和经验证据。     

资本回报率增长的最优知识产权保护强度研究——基于82个国家面板数据的实证

基于制度层面分析资本回报率变动的动因有助于探索经济增长新动力。计算82个国家的资本回报率，并基于知识产权保护视角对其变动机制进行分析，得出以下主要结论：①资本回报率增长存在最优知识产权保护强度，但发展中国家的理论最优强度小于发达国家；②发展中国家知识产权保护以远离最优强度状态促进资本回报率提升，发达国家则以接近最优强度状态促进资本回报率提升；③金融危机后，知识产权保护的促进效应在发展中国家更加明显，在发达国家有所弱化；④机制分析显示，知识产权保护通过促进技术创新提升资本回报率。     

知识密集型服务业集聚、高技术制造业集聚及二者协同集聚的创新驱动效应

知识密集型服务业集聚、高技术制造业集聚及二者协同集聚能够促进创新进而驱动经济增长与绿色发展。运用中介效应分析方法实证检验了3种类型集聚在经济增长、绿色发展方面的创新驱动效应水平差异，结果表明：知识密集型服务业集聚能够驱动经济发展，对绿色发展的正向驱动作用不显著，创新在其集聚驱动经济增长、绿色发展的过程中未表现出显著的中介效应；高技术制造业集聚能够驱动经济发展与绿色发展，创新在此过程中的中介效应显著；相比单个产业集聚，二者协同集聚对经济发展与绿色发展具有更强的正向驱动作用，创新在此过程中的中介效应也更显著。基于上述结论，提出加快创新驱动发展的3项政策建议。     

The Mechanism and Path for Digital Economy to Foster New Drivers for High-Quality Economic Development in China

As traditional drivers fade, cultivating new drivers has become the key to the high-quality development of China’s economy. In the new round of scientific and technological revolution and industrial transformation, the digital economy plays a strategic role in promoting high-quality economic development in China, by using data as a new key production factor and innovation as the driving force, and driving impetus change, efficiency change and quality change to increase total factor productivity. The mechanism for the digital economy to cultivate new drivers for the high-quality development of China’s economy is through four dimensions, namely allocation optimization, economies of scale, industrial integration, and innovation-driven growth. In the context of the digital economy, accelerating the cultivation of new drivers calls for the following efforts: speeding up digital innovation and promoting the driving force change, efficiency change, and quality change; accelerating the process of digital industrialization and pushing advanced industrial basic capabilities; using industrial digital transformation to promote the modernization of the industrial chain; and advancing the high-quality development of the manufacturing industry, and promoting the deep integration of the digital economy and the real economy.     

Patent protection, capital accumulation, and economic growth

In this paper, we investigate how strengthening patent protection affects economic growth in an endogenous growth model where both innovation and capital accumulation are the driving forces of economic growth. In this model, stronger patent protection raises the profit flow obtained by innovation but reduces the factor demand for capital. This process accelerates innovation but discourages capital accumulation, and because of the negative effect on economic growth through reducing capital accumulation, strengthening patent protection may then impede economic growth. This result contrasts with earlier studies where innovation is the sole driving force for economic growth. Moreover, in an open economy model where technologies are transferred and capital is imported from abroad, the strictest protection of patents enhances technology adoption from abroad but impedes capital accumulation, and thus, the relation derived between patent protection and output can be nonmonotone. In terms of implications, these findings may be able to partly explain the complex relation found by some empirical studies in this area.