The Impact of Data Element Allocation on Regional Green Innovation Performance: The Mediating Role of New Quality Productive Forces

तकनीकी सारांश: क्षेत्रीय हरित नवाचार प्रदर्शन पर डेटा तत्व आवंटन का प्रभाव

समस्या विवरण
यह अध्ययन डिजिटल परिवर्तन और हरित विकास के दोहरे दबावों के तहत आर्थिक विस्तार और पर्यावरणीय स्थिरता के बीच सामंजस्य बिठाने की चुनौती को संबोधित करता है। जबकि मौजूदा साहित्य डिजिटलीकरण, उत्पादकता और हरित नवाचार के अंतर्संबंधों की खोज करता है, महत्वपूर्ण अंतराल बने हुए हैं। विशेष रूप से, पूर्व शोध मुख्य रूप से परिधीय डिजिटल कारकों (जैसे, डिजिटल वित्त, बुनियादी ढांचा) पर केंद्रित रहा है, न कि "डेटा तत्व आवंटन" (Data Element Allocation) को एक स्वतंत्र चालक के रूप में मानने पर। इसके अलावा, इस संबंध में "नई गुणवत्ता वाली उत्पादक शक्ति" (New Quality Productive Forces - NQPF) की मध्यस्थ तंत्र (mediating mechanism) अभी भी अपर्याप्त रूप से खोजी गई है, और विभिन्न क्षेत्रीय संदर्भों में संभावित गैर-रेखीय (थ्रेशोल्ड) और विषमता प्रभावों को व्यवस्थित रूप से सत्यापित नहीं किया गया है। यह शोध स्पष्ट करने का प्रयास करता है कि डेटा तत्व आवंटन को अनुकूलित करना क्षेत्रीय हरित नवाचार प्रदर्शन को कैसे प्रभावित करता है और चीनी संदर्भ के भीतर यह किन विशिष्ट मार्गों और शर्तों के तहत होता है।

कार्यप्रणाली
यह शोध 2015-2024 की अवधि के दौरान 30 चीनी प्रांतों के पैनल डेटा का उपयोग करते हुए एक मात्रात्मक अनुभवजन्य दृष्टिकोण अपनाता है।

• चर निर्माण (Variable Construction):

  • आश्रित चर (Dependent Variable): क्षेत्रीय हरित नवाचार प्रदर्शन (GIP), जिसे हरित पेटेंट आवेदनों की संख्या द्वारा मापा गया है।
  • स्वतंत्र चर (Independent Variable): डेटा तत्व आवंटन (DEA), जिसे चार आयामों को कवर करने वाले एंट्रॉपी-वेटेड इंडेक्स सिस्टम के माध्यम से निर्मित किया गया है: डेटा तत्व अनुसंधान एवं विकास (R&D), डेटा बुनियादी ढांचा, डेटा संचार/साझाकरण, और डेटा तत्व अनुप्रयोग।
  • मध्यस्थ/थ्रेशोल्ड चर (Mediating/Threshold Variable): नई गुणवत्ता वाली उत्पादक शक्ति (NQPF), जिसे श्रम प्रतिभाओं, उत्पादन वस्तुओं और उत्पादन परिवेश पर आधारित एक इंडेक्स सिस्टम का उपयोग करके मापा गया है।
  • नियंत्रण चर (Control Variables): सरकारी सहायता, विदेशी निवेश स्तर, क्षेत्रीय नवाचार प्रणाली का पैमाना, और वित्तीय सहायता।

• अर्थमितीय मॉडल (Econometric Models):

  1. टू-वे फिक्स्ड-इफेक्ट मॉडल: व्यक्तिगत और समय-निश्चित प्रभावों को नियंत्रित करते हुए, GIP पर DEA के प्रत्यक्ष प्रभाव का अनुमान लगाने के लिए उपयोग किया गया है।
  2. मध्यस्थ प्रभाव मॉडल (Mediating Effect Model): यह परीक्षण करने के लिए एक स्टेपवाइज रिग्रेशन दृष्टिकोण कि क्या NQPF, DEA और GIP के बीच संबंध को मध्यस्थता प्रदान करता है।
  3. पैनल थ्रेशोल्ड मॉडल: गैर-रेखीय संबंध की जांच करने के लिए नियोजित, विशेष रूप से यह परीक्षण करना कि क्या NQPF एक थ्रेशोल्ड चर के रूप में कार्य करता है जो DEA-GIP संबंध की शक्ति को बदल देता है।
  4. मजबूती और अंतर्जातता जाँच (Robustness and Endogeneity Checks): अध्ययन वेरिएबल विंसरइजेशन (1%), व्यवहार्य सामान्यीकृत न्यूनतम वर्ग (FGLS), आश्रित चर के प्रतिस्थापन (प्रदान किए गए हरित पेटेंट), और 2SLS दृष्टिकोण का उपयोग करके इंस्ट्रुमेंटल वेरिएबल (IV) अनुमान के माध्यम से परिणामों को मान्य करता है।

प्रमुख परिणाम
अनुभवजन्य विश्लेषण चार प्राथमिक निष्कर्ष प्रस्तुत करता है:

1. प्रत्यक्ष सकारात्मक प्रभाव: डेटा तत्व आवंटन क्षेत्रीय हरित नवाचार प्रदर्शन पर महत्वपूर्ण रूप से सकारात्मक प्रभाव डालता है। यह परिणाम विभिन्न विनिर्देशों और अंतर्जातता उपचारों में सुदृढ़ बना रहता है।
2. NQPF की मध्यस्थ भूमिका: नई गुणवत्ता वाली उत्पादक शक्तियाँ आंशिक मध्यस्थ भूमिका निभाती हैं। डेटा तत्व आवंटन NQPF के विकास को बढ़ावा देता है, जो बदले में क्षेत्रीय हरित नवाचार को गति देता है।
3. थ्रेशोल्ड प्रभाव: DEA और GIP के बीच संबंध में NQPF एक एकल थ्रेशोल्ड प्रभाव प्रदर्शित करता है। थ्रेशोल्ड मान 0.065 पर पहचाना गया है। जब NQPF का स्तर इस थ्रेशोल्ड से नीचे होता है, तो DEA का बढ़ावा देने वाला प्रभाव सांख्यिकीय रूप से महत्वपूर्ण नहीं होता है। एक बार जब NQPF 0.065 से ऊपर निकल जाता है, तो हरित नवाचार प्रदर्शन पर डेटा तत्व आवंटन का सशक्त बनाने वाला प्रभाव काफी मजबूत हो जाता है।
4. विषमता (Heterogeneity): डेटा तत्व आवंटन का बढ़ावा देने वाला प्रभाव विभिन्न क्षेत्रों में समान नहीं है। यह अधिक स्पष्ट है:
   • भौगोलिक रूप से: मध्य, पश्चिमी और उत्तरी क्षेत्रों की तुलना में पूर्वी और दक्षिणी क्षेत्रों में।
     कें आर्थिक रूप से: निम्न-आर्थिक स्तर वाले क्षेत्रों की तुलना में उच्च-आर्थिक स्तर वाले क्षेत्रों में।
   • संसाधन-आधारित: गैर-संसाधन आधारित क्षेत्रों की तुलना में संसाधन-आधारित क्षेत्रों में।
   • नियामक रूप से: कमजोर विनियमन वाले क्षेत्रों की तुलना में मजबूत पर्यावरणीय विनियमन वाले क्षेत्रों में।

प्रमुख योगदान
यह शोध निम्नलिखित द्वारा साहित्य में योगदान देता है:

• सामान्य डिजिटलीकरण मेट्रिक्स से आगे बढ़ते हुए, डेटा तत्व आवंटन को हरित नवाचार के एक विशिष्ट चालक के रूप में अलग करना।
• नई गुणवत्ता वाली उत्पादक शक्तियों (NQPF) के मध्यस्थ तंत्र को अनुभवजन्य रूप से सत्यापित करना, जो चीन की विकास रणनीति में निहित एक अवधारणा है लेकिन डेटा-संचालित हरित संक्रमण के संदर्भ में पहले कम-सैद्धांतिक थी।
• एक गैर-रेखीय थ्रेशोल्ड तंत्र की पहचान करना, यह प्रदर्शित करना कि डेटा आवंटन के लाभ उत्पादक शक्ति के विकास के एक महत्वपूर्ण द्रव्यमान (critical mass) तक पहुँचने पर निर्भर हैं।
• एक सूक्ष्म विषमता विश्लेषण प्रदान करना जो भौगोलिक, आर्थिक, संसाधन और नियामक आयामों को एकीकृत करता है, जिससे क्षेत्रीय असमानताओं की अधिक विस्तृत समझ मिलती है।

महत्व और दावे
लेखक दावा करते हैं कि यह अध्ययन चीनी संदर्भ-विशिष्ट अनुसंधान और डिजिटल-हरित संक्रमण पर अंतर्राष्ट्रीय विमर्श के बीच के अंतर को पाटकर हरित नवाचार को प्रभावित करने वाले कारकों पर सैद्धांतिक अनुसंधान को समृद्ध करता है। व्यावहारिक रूप से, निष्कर्ष बताते हैं कि डेटा संसाधन आवंटन को अनुकूलित करना और NQPF को विकसित करना उच्च-गुणवत्ता वाले हरित विकास को आगे बढ़ाने के लिए महत्वपूर्ण रणनीतियाँ हैं।

यह तर्क दिया गया है कि नीतिगत हस्तक्षेप 'एक ही आकार सबके लिए उपयुक्त' (one-size-fits-all) नहीं होने चाहिए। इसके बजाय, अधिकारियों को चाहिए कि वे:

• क्षेत्रीय बाधाओं को तोड़ने के लिए डेटा तत्व परिसंचरण मंच (circulation platforms) का निर्माण करें।
• डेटा आवंटन के लिए लक्षित संस्थागत प्रणालियाँ तैयार करें।
• क्षेत्रीय विशेषताओं के आधार पर विभेदित रणनीतियाँ लागू करें (जैसे, डेटा-संचालित नवाचार को बढ़ाने के लिए विशिष्ट क्षेत्रों में मजबूत पर्यावरणीय नियमों का लाभ उठाना)।
• पहचाने गए थ्रेशोल्ड को पार करने के लिए NQPF विकसित करने पर ध्यान केंद्रित करें, जिससे हरित नवाचार के लिए डेटा तत्वों की पूर्ण क्षमता को अनलॉक किया जा सके।

अध्ययन निष्कर्ष निकालता है कि हालांकि डेटा तत्व एक शक्तिशाली चालक हैं, उनकी प्रभावकारिता तब अधिकतम होती है जब उन्हें नई गुणवत्ता वाली उत्पादक शक्तियों के मजबूत आधार द्वारा समर्थित किया जाता है और विशिष्ट क्षेत्रीय संदर्भों के अनुरूप बनाया जाता है।