从创新角度看，通过不断进行科技研发和创新，新技术、新产品和新服务不断涌现，为经济注入新的活力。从协调角度看，科技创新有助于促进产业协调发展和资源优化配置，不同产业之间的协同效应得以增强。从绿色角度看，科技创新可以降低资源消耗和环境污染，推动经济向着更为绿色、低碳的方向转变。从发展角度看，通过科技创新，企业可以不断提升产品和服务的质量，拓展市场份额，实现经济规模的持续扩大。从共享角度看，通过科技创新，信息技术、互联网等工具可以使资源和信息更加平等地分配和共享，缩小城乡、地区之间的发展差距，实现经济发展成果的更加广泛的共享。综上所述，本文提出：

假设1：科技创新对经济高质量发展具有正向影响作用。

科技创新对经济高质量发展的异质性影响体现在多个层面，这种影响在不同经济体之间存在差异，取决于各国或地区的科技发展水平、产业结构、教育与人才储备等因素。为此，提出以下假设：

假设2：科技创新对经济高质量发展具有区域异质性。

经济高质量发展(HQED)，本文从创新、协调、绿色、开放、共享五大维度选取相关指标共36个，并构建如 表1 所示的评价指标体系。

续表

科技创新发展水平(TI)，为了突出人工智能技术的作用，本文在参考李旭辉等 [11] 的研究基础之上，以人工智能产业R&D人员替换每万人R&D人员数量，以人工智能产业R&D经费内部支出替换R&D经费内部总支出，并加入科学研究和技术服务业固定资产投资这一衡量指标。在产出方面，考虑到人工智能技术会对全行业均产生或多或少的影响，因此将人工智能产业利润总额替换成总利润。考虑到高水平的论文质量更能体现出创新这一要素，本文加入高被引论文数量和SCI论文发表数，其中高被引论文数量是指在特定领域和时间内，位于被引用次数前1%的论文数量。具体指标体系见 表2 。

续表

借鉴相关文献的研究，本文设定如下7个控制变量：政府干预程度(gov)，以各个省份政府财政支出与地区生产总值的比值来衡量；环境治理水平(envir)，以各个省份工业污染治理投资占地区生产总值的比重来衡量；金融发展水平(finan)，以各个省份机构存贷款余额与地区生产总值的比值来衡量；城市化水平(urban)，以地区人口密度来衡量；地方经济水平(local)，以地区人均GDP来衡量；交通发展水平(trans)，以各个省份的公路里程总数量来衡量；人力资本水平(human)，以地区人均受教育年限来衡量。

本文对2009~2022年中国30个省份(西藏地区除外)的经济高质量发展水平展开研究，共形成420个省份–年份的面板观测数据。所使用的数据均来自《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》《中国信息产业年鉴》《中国工业经济统计年鉴》、各个省(市)的地方统计年鉴、WOS数据库、国泰安数据库、中经网CEI数据库。对于有关年份数据的缺失值，采用线性插值法填补。各个变量的描述性统计结果如 表3 所示。

对选取数据先进行F检验和Hausman检验，得出选择固定效应模型，考虑到现实中会出现一些突发现象等无法观测的因素对经济高质量发展产生影响，因此本文在模型中加入时间固定和省份固定，最终模型选取为个体时间双向固定效应模型。具体模型如下：

$HQE{D}_{i,t}={\alpha }_0+{\alpha }_{1}T{I}_{i,t}+{\alpha }_2{C}_{i,t}+{\mu }_i+{\delta }_t+{\epsilon }_{i,t}$(1)

其中，i代表省份，t代表年份， $HQE{D}_{i,t}$代表省份i在t年的经济高质量发展水平， $T{I}_{i,t}$代表省份i在t年的科技创新发展水平， $C$代表一系列的控制变量的集合。 ${\mu }_i$代表省份固定效应， $\delta$代表时间固定效应， ${\epsilon }_{i,t}$为随机扰动项。

由 表4 中的结果能够明显得到科技创新对经济高质量发展的影响系数均为正，且均在1%的水平上通过显著性检验，说明科技创新对经济高质量发展存在显著正向作用。就控制变量来说，政府干预程度、环境治理水平、城市化水平、地方经济水平与经济高质量发展水平呈正相关关系，并均在5%的水平上通过显著性检验，表明加大政府干预、增强环境治理、扩大地区城市化程度、提高地方经济水平有助于提升区域经济发展水平。交通发展水平和人力资本水平的影响系数为正，但是都未能通过10%水平的显著性检验，说明提高区域交通水平和提升地方人力资本水平不会显著促进地区经济高质量发展质量。金融发展水平与经济高质量发展之间呈显著反向作用，表明过度集中金融资源虽使金融产业发展迅速，但是可能忽视了实体经济的需求，从而阻碍了经济的高质量发展。上述实证结果证明了假设1成立。

注：^***、^**、^*分别表示回归系数在1%、5%、10%的显著性水平上显著，括号内为相应标准差。下表同。

本部分将30个省份的样本数据划分成东北综合、黄河中游、北部沿海、长江中游、东部沿海、西南综合、南部沿海和西北综合八大综合经济区分别展开研究。各个经济区的异质性回归结果见 表5 的第(1)至(8)列。可以看出，南部沿海、北部沿海和东部沿海三个经济区的影响系数较高，分别为0.517、0.475、0.468，表明这些地区在科技创新方面取得了显著进展。这些地区拥有先进的科研机构、高素质的人才队伍和良好的创新生态环境，使得科技创新能够在这些地区得到有效实施和推广，进而推动了经济高质量发展的实现。东北综合地区的影响系数紧接着三个沿海地区，为0.374，东北地区是我国重要的工业基地，拥有丰富的科技人才和技术资源积累，为科技创新提供了良好的基础，促进了该地区科技创新水平的提升，进而推动了经济的高质量发展。相比之下，黄河中游、长江中游、西南综合和西北综合等地区的影响系数较低，可能是由于这些地区产业结构相对单一，以传统产业为主，科技含量较低，尚处于数字化和科技创新发展的初级阶段，缺乏足够的基础设施和人才支持，导致科技创新难以充分发挥作用。以上结论证明假设2成立。

本文针对模型采取以下三种稳健性检验方法：一是剔除变量，剔除北京市、上海市、天津市和重庆市四个直辖市的历年数据。二是更换被解释变量的衡量指标，选取各个省份的地区生产总值作为对经济高质量发展的衡量指标。三是分时段回归，对2009年~2015年、2016年~2018年、2019年~2022年三个时段分别进行回归。回归结果显示，无论是剔除变量、更换被解释变量指标还是分时段回归，科技创新对经济高质量发展仍然有着显著的促进作用，与上文的基准回归结果相一致，因此满足模型稳健性检验。回归结果见 表6 。

续表