1. 引言
数字化背景下，良好的数字生态环境是培育创新的土壤[1]，数字创新生态环境内部是由市场、政府、企业三方协作共筑的生态系统，其本质上是数字化时代背景下各市场主体经营活动所面临的外部环境，是一种复杂、协同的制度环境，在该制度环境下，一个良好的制度环境能够提供长期稳定和可预见性，这对于区域创新能力的发展至关重要。一个有利于创新的制度环境能够激发和促进创新能力的发展，反之则会阻碍创新能力的释放和发展。
2. 理论和文献综述
生态系统是由生物群落及其生存环境共同组成的动态平衡系统[2]，闫小娜和刘诚(2024)认为随着数字经济的发展，并不断渗透到各市场主体，企业、市场和政府围绕数据，相互作用、相互依赖，以数据要素连接，形成数字化生态系统，改变市场主体间的关系，以数据机制辅助市场机制[3]，王肖利、顾颖等人(2023)认为数字生态系统是由数字连接引发的相互依存关系所塑造的生态系统，涉及大数据、云计算、人工智能、物联网等多种数字技术应用，数字生态系统通过数字能力建设能够显著促进产品服务创新[4]。
生态系统的外部环境是由金融环境、市场交易环境、政府服务环境等多维环境组成的[5]，因此在数字经济环境下，数字生态系统建设也由政府治理、法律法规、市场交易等多维“数字”赋能的外部环境组成；朱火弟和王澜晰(2024)认为，数字人才能够通过刺激科技创新产出提高以促进创新能力提升[6]，梁红艳与许佳星(2024)认为数字政府建设能够通过激发普惠金融以及公共服务水平提高促进城市创新能力的提升[7]，赵放和蒋国梁等人(2024)认为数据要素市场能够强化政府数字治理，加速产业集聚以促进数字产业创新，从而促进区域创新能力发展[8]。
因此市场主体在数字平台上活动，在发展、成熟、衰退、萧条的周期内，需要数字基础设施的支持、数据安全的制约和保护、数字化人才供给提供的长效发展保证，政府服务提供的便利、金融环境提供的融资服务以及市场环境的稳定[9]，这六个方面共同构成数字生态系统的外部生态。
3. 研究设计与结论
3.1. 变量构建
(1) 数字基础设施与区域创新能力
李刚、刘梦雪等人(2024)认为数字基础设施建设和优化能够降低企业创新门槛和创新成本，从而提高创新效率[10]；任燕燕、王跃文等人(2024)认为数字基础设施对数字产业化和产业数字化具有支撑效应，从而推动经济高质量发展[11]；刘洋、董久钰等人(2020)认为数字基础设施在创新链条中扮演创新支撑角色[12]。
(2) 数字法治与区域创新能力
杜博士、吴宗法认为(2023)要发挥地方政府对科技创新的促进作用，需要加强法治环境建设[13]，孙全胜(2024)认为数字法治是现代化政府治理模式转变的重要组成，数字化手段引入有助于克服传统法治建设依赖人力的低效、监管不足等困境，从而降低交易成本，减少不确定性[14]。
(3) 数字政务与区域创新能力
向玉琼、冯钰婷(2023)通过双层学习分析框架，发现政务服务在数字化转向中通过两种政策学习机制持续推动创新[15]，郭金花和贾月琴(2023)认为数字政务是影响区域绿色创新的核心条件之一[16]。
(4 )数字市场与区域创新能力
赵放、蒋国梁等人(2024)数据要素市场建设提高了数字创新水平[8]，唐要家(2022)认为由数字经济发展带来的市场变革对创新能力具有促进作用[17]。
(5) 数字金融与区域创新能力
徐晓莉、李双圆(2022)等人认为数字普惠金融发展能够缓解要素市场扭曲[18]，从而促进企业创新水平提高；籍明明(2024)认为数字金融是创新的支撑点[19]。
(6) 数字人才供给与区域创新能力
张守凤、刘德胜等人(2024)认为人才在数字化转型下能够提高创新绩效[20]，林艳、卢俊尧(2022)认为数字人才是区域创新绩效提高的关键构成[21]。
3.2. FSQCA方法
模糊集定性比较分析(FSQCA)基于集合论思想和组态思维，借助架构理论和布尔代数运算，从集合的角度考察前因条件及条件组合与结果的关系，从而解释现象背后的复杂因果关系。这种方法不仅关注单一因果关系，还能分析多重因果关系组合，识别影响结果出现的前因条件组态，探讨不同前因组态间的等效性[22] [23]。因此，相较于传统定量研究，FSQCA采用多案例研究，通过建立起因果关系的多元分析构成，充分地注意到了个案本身的异质性和复杂性。这使得FSQCA相较于传统定量研究在处理具有多样性特征的研究对象时具有明显优势。
3.3. 变量及数据来源
本文选取除西藏以外30个省市自治区作为案例样本。其中区域创新能力数据来源于《中国区域创新能力评价报告》，数字基础设施、市场化以及数字人才供给二级指标数据来源于各省统计年鉴，数字法治、数字政务和数字金融水平数据来源于《中国大数据发展报告》和北大数字普惠金融指数。其中数字基础设施、市场化以及人才供给数据通过构建二级指标，采用熵值法获得指标权重，最终得到一级指标指数。变量构建如表1。
Table 1. Description of variables
表1. 变量说明
变量分类 |
一级指标 |
二级指标 |
数据来源 |
结果变量 |
区域创新能力 |
|
《中国区域创新能力报告》 |
条件变量 |
数字基础设施 |
互联网宽带接入端口 |
各省统计年鉴 |
移动电话普及率 |
每百人使用计算机数 |
公路里程 |
铁路营业里程 |
域名数 |
IPV地址数 |
长途光缆 |
数字法治指数 |
|
《中国大数据发展报告》 |
数字政务指数 |
|
《中国大数据发展报告》 |
数字市场指数 |
电子商务销售额 |
各省统计年鉴 |
经济发展水平 |
数字金融指数 |
|
北大数字普惠金融指数 |
数字人才供给 |
本科及研究生人数占总人口 |
各省统计年鉴 |
移动互联网用户占总人口 |
信息业从业人员占总人口 |
科学研究和技术服务占总人口 |
3.4. 校准
根据现有文献，本文采取直接校准法，将前因变量与结果变量的锚点设置为75百分位数、中位数和第25百分位数，此外由于系统原因，为了避免校准后隶属度为0.5的数据被系统删除，本文将隶属度为0.5的数据改为0.499。前因条件和结果变量校准信息见表2。
Table 2. Calibration results
表2. 校准结果
变量 |
完全隶属 |
交叉点 |
完全不隶属 |
区域创新能力 |
30.9525 |
26.52 |
21.8825 |
数字基础设施 |
0.2557047 |
0.1438279 |
0.08784035 |
数字法治指数 |
36.575 |
25.96 |
18.87 |
数字政务指数 |
73.2625 |
51.76 |
37.0175 |
数字市场指数 |
0.218696275 |
0.1235938 |
0.06128355 |
数字金融指数 |
372.9608919 |
341.9050098 |
317.4522044 |
数字人才供给 |
0.30680005 |
0.18104075 |
0.1059658 |
3.5. 单变量必要性分析
基于QCA理论，首先判断单个条件变量是否为结果变量的必要条件，即在每条路径中该因素均存在。传统QCA分析认为当单变量一致性大于0.9，且覆盖率大于0.5时则可认为该变量为结果变量的必要条件。研究发现所有前因条件对于高区域创新能力和非高区域创新能力的一致性均在0.9以下，不满足必要性的要求，因此可认为单个前因条件不构成结果变量的必要条件。必要性分析结果见表3。
Table 3. Necessity analysis
表3. 必要性分析
前因条件 |
高区域创新能力 |
非高区域创新能力 |
一致性 |
覆盖度 |
一致性 |
覆盖度 |
A |
0.794498 |
0.812660 |
0.292615 |
0.313972 |
~A |
0.329304 |
0.307371 |
0.825403 |
0.808186 |
B |
0.818291 |
0.777743 |
0.343726 |
0.342705 |
~B |
0.308437 |
0.309405 |
0.777081 |
0.817721 |
C |
0.623235 |
0.623594 |
0.463647 |
0.486649 |
~C |
0.486944 |
0.463941 |
0.641385 |
0.641034 |
D |
0.884933 |
0.873308 |
0.265263 |
0.274608 |
~D |
0.264953 |
0.255821 |
0.877620 |
0.888899 |
E |
0.806628 |
0.795023 |
0.326427 |
0.337497 |
~E |
0.327826 |
0.316921 |
0.801746 |
0.813061 |
F |
0.837897 |
0.828760 |
0.299026 |
0.310260 |
~F |
0.302656 |
0.291581 |
0.834961 |
0.843829 |
3.6. 条件组态的充分性分析
组态视角下QCA分析的核心目的是分析不同路径对结果变量产生的影响。根据已有文献，充分性阈值应不低于0.75 [18]，本文在构建真值表时，将一致性阈值设定为0.8，PRI阈值设定为0.75，案例频数设置为1。同时根据质蕴涵项逻辑最小化原则，对质蕴涵项进行进一步筛选。由于我国各省由于历史以及发展政策等原因，发展水平存在较大异质性，前因条件对结果的影响难以做出统一结论，因此对变量不进行方向预设，全部选择“存在或缺失”，最终得到中间解和简约解。并以中间解为主，简约解为辅，探索相关路径的边缘及核心条件，以此发现重点发展方向。下表显示了整体组态结果，在促成高区域创新能力的组态中，共包含三种发展模式，六条组态路径，可概括为数字法治–人才建设驱动型、市场主导政府辅助型以及数字市场–政府双重驱动型。汇总一致性达到0.939413，汇总覆盖度达到0.742965。条件组态结果见表4。
Table 4. Configuration analysis results
表4. 组态分析结果
前因条件 |
高区域创新能力 |
S1 |
S2a |
S2b |
S2c |
S3a |
S3b |
A |
|
|
|
|
|
|
B |
|
|
|
|
|
|
C |
|
|
|
|
|
|
D |
|
|
|
|
|
|
E |
|
|
|
|
|
|
F |
|
|
|
|
|
|
一致性 |
0.987926 |
0.959084 |
0.960061 |
0.995491 |
0.92233 |
0.924892 |
覆盖度 |
0.634541 |
0.334462 |
0.342693 |
0.333591 |
0.146818 |
0.140553 |
汇总一致性 |
0.939413 |
汇总覆盖度 |
0.742965 |
注：表示核心存在，表示辅助条件存在，表示核心条件缺失，表示辅助条件缺失。
(1) 组态S1：高数字法治和高数字人才为核心条件，高数字市场和高数字金融为边缘条件。这说明在数字市场和数字金融环境较缺失的情况下，可以通过优化法治服务，提升法治服务效率，降低司法成本，同时为市场提供强有力的司法背书，还能够有效保护知识产权，维护创新成果的合法权益，为创新提供了持续的动力，营造稳定的法治环境，并且高数字人才是区域创新的核心驱动力。这些人才具备丰富的专业知识、技能和经验，能够不断推动技术创新、模式创新和业态创新。而非高数字市场和非高数字金融为市场主体提供了较良好的创新空间和便捷的融资渠道。典型案例例如北京，2021年《北京市法治政府建设实施意见(2021~2025年)》(下文简称《实施意见》)印发，其中提出，推进重要、新兴领域立法，及时跟进研究数字经济、互联网金融、人工智能、云计算、自动驾驶等新兴领域立法；根据《2021年数字经济人才白皮书》，北京数字经济人才数量总量占全国首位，并与2023年提出《北京市数字技术技能人才培养实施方案》。
(2) 组态S2：高数字基础设施、高数字市场和非高数字政务为核心条件。在该核心条件组合下，存在三条发展路径S2a、S2b和S2c，分别以高数字法治和高数字金融、高数字法治和高数字人才供给、高数字金融和高数字人才供给为边缘条件。一方面高数字基础设施是区域创新能力的基石，为区域内的创新活动提供了必要的技术支持和资源保障。这些基础设施能够大幅提高生产效率、降低交易成本，并推动创新和创业，为区域内的企业和研究机构提供高效、稳定的数字化应用环境；数字市场的快速发展不断激发新的消费需求和商业机会，推动区域内的企业不断进行技术创新和模式创新，以适应市场的变化；此外，政府可以通过建设创新平台、孵化器等方式，为创新活动提供物理空间和服务支持。其中典型案例例如江苏，根据《江苏省数字经济加速行动实施方案》，到2023年，江苏计划建成5G基站超20万个，打造3000项5G优秀应用案例，全省数据中心标准机架规模达60万架，创建不少于8个国家级绿色数据中心，初步实现5G-V2X和自动驾驶功能商业化应用，形成3~4个自主安全可控的区块链底层平台，探索建设1~2个工业数据空间。
(3) 组态3：高数字政务、高数字市场和非高数字基础设施为核心条件。在该核心条件组合下，存在两条发展路径S3a和S3b，分别以高数字法治和非高数字人才供给、高数字金融和非高数字人才供给为边缘条件。高数字法治和高数字金融互为替代条件。一方面数字政务的高水平发展意味着政府管理和服务的高度数字化、智能化。这不仅能够提高政府的工作效率和服务质量，还有助于打破信息壁垒，促进政府与企业、科研机构的合作与交流。通过数据共享、政策协同等机制，数字政务能够为区域创新提供有力支持，促进创新资源的优化配置和创新成果的快速转化；此外数字市场的高水平发展意味着区域内数字经济的繁荣和活跃。数字经济以其独特的优势，如高渗透性、强带动性等，能够促进传统产业的转型升级，推动新兴产业的快速发展。同时，数字市场还能够为企业提供更多的创新机会和融资渠道，降低创新成本，提高创新效率；另一方面，非高的数字基础设施仍旧能为创新能力建设提供一定的基础支持，辅助创新能力发展。典型案例例如天津市，《天津市加快数字化发展三年行动方案(2021~2023年)》中指出，深化政务数据开放共享，完善全市信息资源统一共享交换平台，推动政务数据跨部门、跨层级、跨区域无缝即时流动，积极探索“数字化”与“政务服务”有机结合，探索建立政府首席信息官(CIO)制度，推动政务数据应用场景创新等，加快构建数据基础制度，推动落实“数据二十条”，加大公共数据开发开放力度，释放数据要素价值。推动数据资源市场化交易，培育数据要素市场生态，探索建立数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系，依托现有优势产业和龙头企业，建设一批具有影响力的数字平台，吸引和集聚产业链上下游企业，形成数字产业集群。
3.7. 非高区域创新能力组态路径研究
形成非高区域创新能力的路径共有六条，其中组态S1以非高数字市场、非高数字金融和非高数字人才供给为核心条件，在该组态下存在两条不同路径S1a、S1b，分别以非高数字法治和非高数字基础设施为边缘条件，且在核心条件稳定的情况下，非高数字法治和非高数字基础设施互为替代条件。组态S2以非高数字法治、非高数字政务和非高数字金融为核心条件，在该组态下存在两条边缘条件不同的路径S2a、S2b，路径S2a以非高数字市场为边缘条件，路径S2b以非高数字基础设施和非高数字人才供给为边缘条件。组态S3以非高数字基础设施、非高数字市场和非高数字金融为核心条件，以非高法治为边缘条件。组态S4以非高数字基础设施、非高政务和非高数字市场为核心条件，以非高数字人才供给为边缘条件。具体结果见表5。
Table 5. Configuration analysis results
表5. 组态结果
前因条件 |
非高区域创新能力 |
S1a |
S1b |
S2a |
S2b |
S3 |
S4 |
A |
|
|
|
|
|
|
B |
|
|
|
|
|
|
C |
|
|
|
|
|
|
D |
|
|
|
|
|
|
E |
|
|
|
|
|
|
F |
|
|
|
|
|
|
一致性 |
0.968593 |
0.955673 |
0.972108 |
0.96906 |
0.96182 |
0.942364 |
覆盖度 |
0.546833 |
0.609036 |
0.42647 |
0.399647 |
0.545097 |
0.467098 |
汇总一致性 |
0.934397 |
汇总覆盖度 |
0.780844 |
注：表示核心存在，表示辅助条件存在，表示核心条件缺失，表示辅助条件缺失。
4. 结论
本文基于复杂系统观，尝试以模糊定性比较分析方法探索区域创新能力建设路径，利用2019~2021年中国省域面板数据，分析不同数字生态建设路径如何形成高区域创新能力，得到主要结论如下：第一，必要性分析结果表明，单因素都不构成实现高区域创新能力的必要条件；第二，条件组态充分性分析结果表明，有利于形成高区域生产能力的路径主要有六条，其中，高数字市场建设是数字生态建设的主要要素。
基于上述结论提出以下启示：(1) 完善法律法规体系是数字法治建设的基础。我们需要加快信息化立法步伐，制定涵盖数字经济、网络安全、数据管理等方面的法律法规，为数字化社会提供法律保障。这包括制定和完善数据管理和隐私保护法律体系，加强个人信息保护，规范数据采集、存储、传输和使用，保障公民的信息安全和隐私权益。建立健全数字化诉讼和审判机制，利用大数据、人工智能等技术手段提高司法效率和公正性，推动司法公正和便民化。同时，加强网络安全保障，建立健全网络安全法律体系和监管机制，提升全民网络安全意识，保障网络空间的安全稳定。(2) 推动政府服务向数字化转型，建立数字政务平台，推动政务服务的一体化和便民化，提升政府治理效能。这包括强化数据共享和开放，通过一体化政务平台汇聚各类数据资源，实现数据的互联互通和集约互享。(3) 推进政务数字化智能化，完善云计算、数据中心和多方安全计算等新型基础设施，提升算法优化和数据挖掘能力。(4) 培育数据要素市场，通过建立数据交易平台、发展数据服务业等方式，促进数据要素的流通和交易，并结合数字人才需求，深化数字领域新工科研究与实践，加强高等院校数字领域相关学科专业建设，加大交叉学科人才培养力度。同时，充分发挥职业院校作用，推进职业教育专业升级和数字化改造，新增一批数字领域新专业。