第二章 文獻綜述與理論基礎

第一節 文獻綜述

為深入分析數字經濟對創新要素配置的作用機制，必須對二者當前發展狀況的研究進行詳細梳理，總結分析其發展特點及經濟效益，以此作為下文作用機制分析的理論基礎。本書的文獻梳理分為三個主要部分，分別是數字經濟的相關研究、創新要素配置的相關研究、數字經濟與創新要素配置互動關系的相關研究。其中，數字經濟的相關研究圍繞數字經濟的內涵與特征、數字經濟發展程度的測算及數字經濟產生的經濟效益展開。創新要素配置的相關研究則主要按照創新要素的內涵、創新要素配置的測度、創新要素配置的影響因素及創新要素配置的經濟效益四個方面展開。數字經濟與創新要素配置互動關系的相關研究則主要包括對數字經濟創新要素配置的影響及創新要素配置對數字經濟發展的影響兩個方面研究的梳理。

一、數字經濟的相關研究

（一）數字經濟的內涵與特征

學術界對數字經濟的內涵及其特征展開了較為深入的研究。從狹義的數字經濟定義來看，Ahmad和Ribarsky（2018）從數字交易的視角對數字經濟進行了定義，認為如果一個交易采用了電子商務或者數字傳輸，那么它就是數字經濟的組成部分。從廣義的數字經濟定義來看，2016年G20杭州峰會對數字經濟的概念進行了界定，認為數字經濟是以使用數字化的知識和信息作為關鍵生產要素，以現代信息網絡作為重要載體，以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。Brynjolfsson等（2019）認為，數字經濟是一種以數據為核心，對信息通信技術和人工智能進行高效利用的經濟活動?！稊底纸洕l展白皮書2020》指出，在當今時代發展背景下，數字經濟的內涵發生了變化，從“二化”協同逐步轉向“四化”協調發展。具體而言，該白皮書強調，伴隨數字產業化和產業數字化的快速發展，完善數字化發展環境及促進數據轉化為現實生產要素從而發揮價值也顯得尤為重要，因此，必須同時重視數字化治理和數據價值化。

作為數字經濟的核心要素，學術界對數據要素至今沒有統一的定義。蔡躍洲和馬文君（2021）認為，對數據的定義具有廣義與狹義之分。他們的研究認為，數據本質上屬于信息，廣義上將數據定義為可以被描述和刻畫出來的信息；狹義上則可以將數據理解為比特數據。陶長琪和徐茉（2021）認為，數據要素主要以數據資源的形式存在。徐翔和趙墨非（2020）關注數據的生產要素化，認為數據資本是數據經過處理而形成的資本，指的是以數字化技術為基礎，以數字化網絡作為重要載體，充分實現數字化和要素化的信息。Jones和Tonetti（2020）對作為生產要素的數據進行了定義，將數據視為信息中創意和知識之外的部分。

關于數字經濟的特征，康偉和姜寶（2018）總結出了數字經濟的主要特點，認為數字經濟不僅使萬物之間能夠互聯互通，而且使知識的生產和傳輸更為智能。在數字經濟發展的過程中，數據得以成為現實的生產要素，社會財富也日益虛擬化。Mueller和Grindal（2019）認為，數字經濟最大的特征之一就是其依賴于數據這一生產要素，這也是數字經濟與傳統經濟的主要區別。由于每一次重大的技術革命都孕育相應的技術—經濟范式（Perez，1985 ，2003），因此，很多研究從技術—經濟范式著手，對數字經濟的特征進行歸納。技術—經濟范式指的是：關鍵技術的創新對生產方式及商業模式進行改造后所呈現的新經濟格局。隨著新的技術—經濟范式理論的發展，新的關鍵生產要素、商業模式及組織生產范式也隨之改變。蔡躍洲和馬文君（2021）運用技術—經濟范式對數據要素的典型特征進行了歸納，包括非競爭性、可復制性及非排他性等。

（二）數字經濟發展程度的測度

在衡量數字經濟發展程度方面，當前的研究集中在兩種測算方法上。一是對數字經濟產業進行統計分類，從而對數字經濟發展水平進行絕對規模的測度。例如，吳翌琳和王天琪（2021）構建了數字經濟產業分類體系，測度了我國數字經濟發展的絕對規模。韓兆安等（2021）依據數字經濟行業增加值對中國各省市數字經濟規模進行估算，認為中國數字經濟發展存在地區非均衡性，區域間和區域內部的數字經濟發展均具有一定差距。Barefoot等（2018）定義了數字經濟的范圍，并對美國的數字經濟規模進行了測算。García-Herrero和Xu（2018）采用中國的投入和產出數據測算了中國的數字經濟規模。Guan等（2022）運用中國投入產出表的數據測算了中國生產性服務業的數字化水平，并分析了其演變規律。二是選取數字經濟相關指標，通過將多維度指標合成來測度數字經濟發展水平的相對規模。例如，王軍等（2021）選取數字產業的相關指標及傳統產業數字化轉型的相關指標，以衡量中國的數字經濟發展狀況，測度中國數字經濟發展水平。Milo?evi?等（2018）構建了數字經濟發展指標體系，測算了歐盟28個國家的數字經濟發展水平，并對其進行排名。劉軍等（2020）從信息化、互聯網及數字交易的角度衡量數字經濟發展程度。此外，還有學者將研究視角聚焦于對數字經濟產出效率的測度。例如，李研（2021）運用DEA-Malmquist指數對數字經濟產出效率進行了測度，研究結果表明，2012年后區域間差距是中國數字經濟產出效率差距的主要來源。劉超等（2021）采用三階段SBM模型對數字經濟效率進行了測度，并對其影響因素展開分析。結果顯示，經濟發展水平、人力資本水平、基礎設施情況和對外開放度對數字經濟效率具有顯著的促進作用。其中，前兩個因素對數字經濟效率的正向影響在各分位點均顯著，后兩個因素的促進效應僅在0.1分位點和0.2分位點顯著。

（三）數字經濟產生的經濟效益

（1）數字經濟對生產率和經濟增長的影響。數字經濟對生產率和經濟增長的影響依據研究結論可歸納為三類：一是數字經濟對生產率和經濟增長具有顯著的促進效應。例如，楊慧梅和江璐（2021）不僅驗證了數字經濟發展對全要素生產率的提升效應，而且考慮了數字經濟發展的空間效應，發現本地數字經濟發展對鄰地的全要素生產率也具有顯著的積極影響。Graetz和Michaels（2018）聚焦現代工業機器人的經濟效應發現，工業機器人顯著地提高了各國工業的全要素生產率。Jorgenson和Vu（2016）對ICT（信息通信技術）投資影響經濟增長的作用進行了探究，發現ICT投資促進了經濟增長。Zhang等（2018）提出了一個大數據驅動減少污染物排放的分析框架，發現大數據的發展能夠為能源密集型制造業的可持續發展做出貢獻。二是數字經濟對生產率和經濟增長的促進效應具有非線性特征。例如，Roller和Waverman（2001）研究表明，當互聯網跨越門檻值后，數字經濟對生產率和經濟增長的促進效應更顯著。三是數字經濟對生產率增長在短期內無影響或具有顯著的抑制效應。例如，Aghion等（2018）認為，在短期內，數字經濟對生產率增長的作用效果不明顯；Brynjolfsson等（2017）、Acemoglu和Restrepo（2018）認為，人工智能的應用對生產率的影響非常復雜，過度依賴人工智能可能反而會抑制生產率增長。Van（2016）認為，數字經濟仍處于起步發展階段，生產率效應可能僅發生在數字經濟的技術成熟階段。

（2）數字經濟對制造業升級的影響。制造業的轉型和升級在一定程度上得益于數字經濟發展，這一結論被諸多研究所證實。例如，Manyika和Roxburgh（2011）發現，數字經濟發展對制造業的轉型和升級起到了顯著的推動作用。Caputo等（2016）探究了物聯網對制造業升級的影響，發現物聯網對制造業升級具有顯著的促進作用。Corredoira和Mcdermott（2014）認為，數字經濟通過驅動產業數字化轉型發展，促進制造業升級。還有的研究表明，數字經濟對制造業的轉型和升級具有一定的制約作用。例如，張艷萍等（2022）將研究視角聚焦于探究數字經濟對中國制造業全球價值鏈升級的影響，發現數字經濟對制造業全球價值鏈升級的促進作用具有條件約束?？傮w上，二者之間的促進作用明顯，但通過分樣本回歸發現，在資本密集型企業和技術密集型企業樣本中，數字經濟對中國制造業的全球價值鏈提升沒有顯著的影響，反而呈現出“U”形的單一門檻特性。張艷萍等對這一現象的解釋是：可能在這兩個行業中存在較為嚴重的技術壁壘和“數字鴻溝”，僅當跨越門檻值后，數字經濟積極的推動作用才開始顯現。

二、創新要素配置的相關研究

（一）創新要素的內涵

創新要素的概念來源于創新理論。Schumpeter（1912）認為，并非新的生產要素產生或新的生產條件產生就一定能夠形成創新，創新的形成有賴于二者的結合，只有二者相適應并形成新的生產組合，才能形成創新。根據研究目標及研究對象的不同，創新要素的內涵可分為狹義創新要素與廣義創新要素。

狹義創新要素特指參與創新過程的人力創新要素或資本創新要素。學術界中也有諸多學者從這種狹義的視角對創新要素的內涵進行界定。例如，余泳澤和劉大勇（2013）認為，創新要素只是單維度變量，并使用創新投入對創新要素進行了衡量。Crepon等（1998）認為，創新要素是研發資本。王欣亮和劉飛（2018）認為，創新要素包含人力創新要素和資本創新要素。徐維祥等（2019）認為，狹義的創新資源可歸納為人力創新資源和資金創新資源，并分別采用R&D人員和R&D經費對其進行了衡量。

廣義創新要素指的是參與創新活動過程中的各類要素。李江（2021）認為，創新要素不僅包含創新資源（人力、資本和技術創新要素等），而且還包括參與創新的主體及創新活動發生時的環境（包括激勵創新活動的相關政策法規等）。肖興志和徐信龍（2019）也采用廣義創新要素的概念，認為創新環境是創新要素內涵的主要方面。陶曉麗（2017）認為，創新要素指的是創新活動所必需的科技創新的基礎，主要包括人力、技術及資本創新要素。

（二）創新要素配置的測度

（1）創新要素配置水平?，F有研究主要通過構建創新要素配置指標體系對廣義上的創新要素配置水平進行測度。陶長琪和徐茉（2021）運用熵權—Topsis方法測度中國創新要素配置水平，并從時空維度探究其現狀和發展趨勢。研究發現，我國三大地區間的創新要素配置水平的差距正日益減小，但地區內部差距逐年增大。劉帥等（2021）在對我國各省份的創新要素集聚能力進行測度的基礎上，運用基尼系數及空間Markov鏈等方法，分析其時空演進趨勢。研究結果表明，工業企業與高等院校這兩個創新主體中的創新要素集聚能力在我國的區域差距較小，而科研機構的創新要素集聚能力在我國的區域差距較大。戚湧和張洪瑜（2020）對區域高技術產業的創新要素供給水平進行了測度。張偉和張東輝（2021）從人力、資本和技術三個維度構建了創新要素配置指標體系。徐曄和趙金鳳（2021）測度了創新要素配置與經濟高質量發展的耦合協調度。

（2）創新要素配置效率。創新要素配置效率是反映創新要素配置的效益指標，通過對創新要素配置效率進行測度，能夠準確掌握創新主體的創新要素配置情況的好壞及其改善空間。Nelson（1993）和Porter（1998）率先評價了科技資源的配置情況，對各國科技資源配置、科技經費支出和科技創新政策等方面進行了對比研究。Li等（2019）在廣義三階段DEA（數據包絡分析）方法的基礎上，通過結合灰色關聯分析方法，測算了中國半導體產業的技術創新效率。陸建芳和戴炳鑫（2012）采用改進的DEA模型對技術創新資源配置效率進行了測度，指出創新資源配置效率反映了創新資源在技術領域內的投入產出關系。Lin等（2019）嘗試運用數據包絡分析窗口分析法對中國工業企業的技術創新效率進行測度。Zamanian等（2013）運用數據包絡分析（DEA）方法和隨機前沿分析（SFA）方法測算了農業技術效率。Zhong等（2011）運用官方經濟普查數據和DEA模型測算了中國區域的研發效率。

（3）創新要素錯配。目前，對創新要素錯配程度進行衡量的研究較少，因此，本書對測算要素錯配程度的研究進行了梳理和歸納，在一定程度上為本書的研究奠定了理論基礎。學術界關于要素錯配的測算方法主要有四種：一是使用反映市場化程度的經濟指標衡量，如市場化指數、民營經濟的發展水平和要素市場的發展狀況等（宋馬林和金培振，2016）。一般認為，市場化水平越高，要素自由流動的阻礙相對越小，因此，市場化水平的相關指標能夠在一定程度上反映要素市場配置扭曲的程度。二是運用要素的邊際產出和實際收益之間的價格扭曲來度量（楊振和陳甬軍，2013；楊志才和柏培文，2017）。三是使用要素流動的摩擦阻力來度量。例如，Restuccia和Rogerson（2008）采用要素投入稅比率來表示市場摩擦。Chari等（2002）用比例稅的形式予以刻畫要素配置的扭曲。Aoki（2008）建立了多部門一般均衡模型，使用勞工和資本存在的稅費構成不同行業的資本與勞動力成本差異，并以此來描述要素扭曲系數。解晉（2019）借鑒Aoki（2008）的研究，通過價稅的形式引入要素價格扭曲，測算了中國三大地區的人力資本錯配情況，結果表明，中國東部地區的人力資本結構出現了較大的失衡。四是對產業或企業的全要素生產率差異進行研究，以反映資源配置的扭曲。采用這種衡量方式的原因在于，許多學者認為，如果某一經濟體中的生產要素收益率有顯著差別，那么就說明該地區的資源沒有得到最好的分配。如Hsieh和Klenow（2009）在壟斷競爭模式的框架下，使用TFP的分散性來度量勞動力和資金的不匹配。Brandt等（2012）基于以上的研究，利用最優化配置條件（最大產出）TFP和實際TFP之間的差值衡量各要素的錯配程度。靳來群等（2019）通過對創新資源的定價進行扭曲征稅，得出了存在扭曲條件下的整體創新效率，并以其與有效狀態下的潛在創新效率之比作為衡量創新資源配置的一個重要指標。他們的研究發現，中國創新資源的區域結構性錯配較為嚴重，主要表現為中國東南地區和西南地區創新資源配置相對不足，而東北地區及西北地區則配置過多，同時也存在所有制結構和行業間的錯配。

（三）創新要素配置的影響因素

近年來，由于我國要素配置的優化依然面臨諸多困難，配置水平亟待提高，配置效率存在較大的改善空間，因此，要素配置的影響因素研究受到學術界的廣泛關注。已有研究主要從以下四個方面對要素配置水平和效率的影響因素進行分析。

第一，扭曲的金融市場。例如，Li等（2017）測度了中國各地區的要素錯配情況，并在此基礎上分析了影響要素錯配的因素。他們認為先進的金融市場有利于中國的要素配置，但政府對交通基礎設施的廣泛投資和對國有企業及外商投資企業的優惠待遇與要素配置水平提升具有負相關關系。Moll（2014）認為，長期來看，盡管金融摩擦對資源錯配的影響有限，但在短期內，金融摩擦對資源錯配和總生產率的負向影響是顯著的。Wu（2018）發現，金融摩擦對中國資本錯配的解釋力高達30%。

第二，扭曲的勞動力市場。例如，宗慧雋和李真（2020）研究表明，我國勞動力市場的分割會弱化最低工資水平的提高對資源配置效率的改善效應。蔡昉等（2001）驗證了勞動力市場扭曲對資源配置效率有顯著的負向影響。

第三，制度因素。例如，李斯嘉和吳利華（2021）認為，創新要素配置效率不同于一般的生產要素配置效率，完全依靠市場機制配置難以使創新要素配置效率達到最優。這是由于創新活動不僅具有商品屬性，而且也存在顯著的正外部性，使創新收益往往并非讓創新主體全部得到。因此，他們聚焦于市場分割對創新要素配置效率的影響，并認為市場分割由于能夠在一定程度上保護本地創新，可能對創新要素配置效率具有一定的改善效應。但由于空間溢出，導致市場分割對相鄰地區的創新要素配置效率具有抑制效應。Song等（2011）指出，在轉型期經濟中，不完善的要素市場容易引致市場中資源分配的失衡。Zhang等（2021）認為，政府干預對創新資源的錯配具有顯著的負向影響。

第四，信息不對稱性。例如，Yan等（2016）認為，供應鏈融資能夠解決銀行與貸款者之間信息不對稱所引發的資源配置無效率問題。Jovanovic（2014）認為，企業與勞動者之間關于求職的信息不對稱性，阻礙了勞動力的自由流動，導致了勞動力要素與崗位需求的不匹配。Zhong（2018）發現，透明度的提升能夠促進研發資本更有效地分配。

（四）創新要素配置的經濟效益

諸多研究顯示，創新要素得到合理配置具有較強的正向經濟效應。關于創新要素配置的經濟效益研究大多集中于探究其對經濟增長和制造業升級的影響。

（1）創新要素配置對經濟增長和生產率的影響?，F有研究大多支持創新要素合理配置能夠促進經濟增長和生產率提升這一結論。白俊紅等（2017）對研發要素流動的外溢效應進行了深入探討，結果表明，這種外溢效應對我國經濟增長的影響是非常明顯的，呈顯著的促進效應。焦翠紅和陳鈺芬（2018）聚焦R&D資源配置對全要素生產率的影響效應，結果表明，如果R&D資源能夠向科研機構傾斜，那么全要素生產率提升效應將更顯著。海本祿等（2022）運用熵權—Topsis方法從五個基本理念出發，對我國高質量發展水平進行了全面的測算，并在此基礎上，探究了創新要素流動對高質量發展的空間影響效應。研究發現，創新要素流動能顯著地促進高質量發展水平的提升，其提升渠道是技術創新和產業結構升級。王麗莉（2021）實證檢驗了高技能移民對企業生產率增長的促進效應。此外，Hornung（2014）、Ghosh等（2014）及Mitaritonna等（2017）均關注來自國際社會的高技能移民即高技能人才流入對企業生產率的影響，發現二者之間呈現顯著的促進作用。K?nig等（2020）構建了一個內生增長模型，以此量化研發資源錯配對新興經濟體TFP增長的影響，研究發現，研發錯配對全要素生產率增長有很大的抑制作用。此外，還有諸多研究關注傳統生產要素的配置對經濟發展和生產率的影響（Inklaar等，2017；Peters，2011），均認為要素錯配將引發嚴重的生產率損失，降低經濟發展速度和質量。

（2）創新要素配置對制造業升級的影響。創新要素的合理配置在推動制造業的轉型和高質量發展中發揮著舉足輕重的作用。大部分研究均認為創新要素配置水平或效率的提升能夠推動制造業升級。李磊等（2019）將研究對象鎖定在勞動力的質量提升與制造業升級，對二者之間的影響效應進行研究，結果表明，勞動力技能的提高推動了產業結構的升級，但是提高勞動力的技術含量只會提高高端制造業的利潤和勞動生產率。這表明人力創新要素存量水平的提升有利于制造業升級。包耀東等（2021）認為，增加研發投資可以通過促進技術創新、產品創新和管理創新等方式間接地推動制造業升級。陽立高等（2018）實證研究發現，人力資本和技術進步對推動制造業升級的作用是積極的。Leifer等（2000）認為，制造業突破式創新是推動產業升級的核心要素。畢克新等（2017）探究了制造業升級與突破性低碳技術創新的相互影響，發現二者相互促進。此外，還有大部分研究關注了傳統生產要素的配置對制造業升級的影響。例如，唐榮和黃抒田（2021）認為，產業政策通過影響資本要素配置和勞動力要素配置顯著作用于制造業升級。

三、數字經濟與創新要素配置互動關系的相關研究

目前，學術界對數字經濟與創新要素配置互動關系的研究可劃分為兩類：一是數字經濟對創新要素配置的影響，二是創新要素配置對數字經濟發展的影響。

（一）數字經濟對創新要素配置的影響

（1）數字經濟對創新要素配置水平的影響。目前大部分研究認為，數字經濟發展對創新要素配置水平具有顯著的提升效應，但也有研究認為大數據提升創新要素配置水平具有一定的條件約束。其中，Litvinenko（2020）探究了數字經濟發展對技術創新的影響，認為數字經濟發展有利于提高技術創新要素的配置水平。翟淑萍等（2022）從互聯網發展和數字普惠金融的角度衡量城市數字經濟發展水平，發現數字經濟發展能夠促進上市企業勞動力結構升級，提升企業對高技能勞動力的需求。鄧榮榮和張翱祥（2022）檢驗了數字經濟發展對研發產出水平的提升效應，他們聚焦城市層面的數字經濟發展對環境污染的影響，將研發產出水平作為二者作用關系的中介變量，發現數字經濟通過提升研發產出水平從而降低了城市環境污染。胡山和余泳澤（2022）以財新智庫披露的“中國數字經濟指數”為數字經濟發展的代理變量，運用企業發明專利授權量作為突破性創新的代理變量，發現數字經濟發展顯著促進企業突破性創新。但Wu等（2020）將視角聚焦至大數據如何影響創新，發現大數據本身對企業創新無顯著影響，而以數據分析技能作為數據分析能力的代理變量，發現數據分析能力通過組合多種技術，擴大企業對于知識的搜索空間，從而促進企業技術創新要素的積累。Dou和Gao（2022）認為，數字經濟對企業綠色技術創新具有倒“U”形影響，但大部分省份還未超過拐點，政府質量能夠正向調節二者之間的影響。

（2）數字經濟對創新要素配置效率的影響。現有研究多以創新績效作為衡量創新要素配置效率的一方面，探究數字經濟對創新績效（效率）的影響。例如，金芳等（2021）構建了大數據評價指標體系，發現大數據促進了我國各省市的綠色技術創新效率改善。侯世英和宋良榮（2021）將數字經濟、市場整合及創新效率納入同一研究框架，發現數字經濟與市場整合均有利于提升研發效率，并且數字經濟對市場整合的創新激勵效應具有正向調節作用。馬琳（2021）將研究對象鎖定在高技術產業，發現數字經濟發展能顯著提升其研發效率。此外，在關注數據要素的創新激勵效應的研究中，Caputo等（2019）驗證了大數據對企業創新績效有正向促進效應。但也有研究認為，數據要素提升創新績效與數據量無關。例如，Ghasemaghaei和Calic（2020）認為，數據速度和數據多樣性對企業創新效率有顯著的促進作用，但數據量對企業創新效率的影響不顯著。

（二）創新要素配置對數字經濟發展的影響

目前，僅有少數學者關注數字經濟發展的影響因素，對創新要素配置影響數字經濟發展的研究集中于探究創新要素配置存量的提升對數字經濟發展的影響。劉軍等（2020）通過構建數字經濟指標體系，以數字經濟發展程度為因變量，對人力資本等要素對數字經濟發展的促進作用進行了實證研究。余海華（2021）認為，信息和技術等要素是驅動數字經濟空間關聯的主要因素。李娟和劉愛峰（2022）探究了區域數字產業平衡發展的驅動因素，發現人力資本和科技創新水平的提升能夠有效驅動中國區域數字產業的平衡發展。Wang和Su（2021）以中國制造業為例，發現技術創新是企業數字化轉型的驅動因素。Catalini（2017）發現區塊鏈技術創新對數字經濟有顯著的正向影響。

四、文獻評述

通過梳理國內外文獻可見，學術界關于數字經濟與創新要素配置的研究多集中于對各自內涵、測度、影響因素與經濟效益的探討，也有部分研究關注到數字經濟發展與創新要素配置二者之間的互動關系，這些都為本書的研究奠定了一定的理論基礎。但也發現，現有研究仍存在以下不足。

（1）對數字經濟發展水平的評價多從“二化”協同視角展開，對數字經濟“四化”協同這一內涵給予充分關注的研究尚不多見。對數字經濟內涵缺乏充分理解，忽視數字化治理和數據價值化，不利于準確測算數字經濟發展水平。此外，現有研究中對創新要素配置進行全面和系統衡量的文獻也較少，多數文獻僅關注單一維度的創新要素，這與我國現階段優化要素配置、加強創新引領的重要性不相匹配。

（2）尚未有研究對數字經濟發展綜合系統與創新要素配置綜合系統之間相互促進和協調的動態關聯關系進行探討，更未有研究運用統計學相關方法，對二者耦合協調發展的時空特征和動態演進規律進行深入分析。忽視數字經濟與創新要素配置的協同發展，難以實現創新要素配置的優化對數字經濟發展的支撐保障作用，也難以依靠數字經濟的發展推動創新要素合理、高效地配置。

（3）現有研究對數字經濟優化創新要素配置的內在作用機制考慮不足。綜觀現有研究，尚未有研究立足于研發要素視角，從研發投入水平提升、研發產出質量提升及研發效率改善三個維度綜合評價創新要素配置優化，從而全面、深入分析數字經濟對創新要素配置的作用機制。對二者之間作用機制的考慮不足，不利于在數字經濟迅猛發展的時代形成優化創新要素配置的路徑保障。

（4）學術界對數據要素的內涵尚未達成共識，尚未有研究較為全面和系統地衡量我國各省份的數據要素存量，更未有研究從數據要素與人力創新要素匹配的角度嘗試刻畫數據要素的價值化，并給予實證支持。數據價值化是數字經濟發展的基礎，忽視數據要素對其他生產要素的賦能效應，可能會低估了數字經濟優化創新要素配置的影響效應。