习近平在2023年9月首次提出新质生产力的概念[1]，在2024年中共中央政治局第十一次集体学习时强调，新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。它由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志，特点是创新，关键在质优，本质是先进生产力[2]。以上对新质生产力概念的阐述，不仅深化了对当代生产力发展动因的认识，也对未来实践具有指导作用。在宏观层面，政策对生产力的发展也会产生重要的作用。因此，新质生产力与有关政策的相关关系也是促进我国体育产业发展的一个重要且紧迫的议题。
为了实现扩大内需和促进体育消费的战略目标，国家体育总局自2020年起在全国40个城市开展了体育消费政策试点，旨在通过机制创新、政策支持和产品服务创新，激发体育消费潜力，培育体育经济新动能[3]。尽管国内学者已从多个角度评估了消费试点政策的影响，形成了一定数量的研究成果并提供了方法论借鉴，如消费金融试点增强了金融市场活力[4]、新能源汽车消费试点激励了当地制造商[5]、文化消费试点促进了城市产业结构升级[6]等，但是消费试点城市政策对新质生产力的影响却被忽视了，“国家体育消费试点城市”政策是否能促进体育企业新质生产力的可持续发展目前还未可知。从理论上说，在消费政策的引导下，消费者对便捷化与个性化的体验性消费需求不断增长，促使体育企业加速采用电子商务、移动支付等数字技术。这一转变不仅改变了消费者的购物方式，还改善了其消费体验和增强了其消费黏性，进而从需求侧促进了体育企业新质生产力的发展[7]。与此同时，体育企业在提高生产率的过程中也会促进数字技术的应用与扩散，如电商化运营、数字化支付等[8]，说明体育消费与体育企业新质生产力之间存在双向互动的关系。更重要的是，体育消费水平作为评估体育产业规模、体育产业结构、体育产品或服务质量的关键指标，对体育企业的存续起着核心作用[9]。因此，进一步研究“国家体育消费试点城市”政策能否有效促进体育企业新质生产力的可持续发展显得尤为重要。
现有研究主要探讨了新质生产力如何推动体育产业结构调整[10]、体育产业跨产业融合[11]、体育产业现代化[12]以及体育产业高质量发展[13]。然而，具体政策对体育企业新质生产力影响的评估研究相对不足。尽管有学者使用双重差分模型（DID）分析了“国家体育消费试点城市”政策对试点城市体育企业创新的积极效应[14]，但是传统的DID方法未考虑空间溢出效应，可能导致结果偏差[15]。近期有研究者开始关注宏观政策产生的空间溢出效应，并建议通过空间双重差分（SDID）模型将空间因素纳入考量[16]。尽管如此，这种方法还未普遍应用于评估体育企业新质生产力，所以特定政策影响体育企业新质生产力的因果关系尚未得到有效验证。
综上所述，本研究从以下3个方面进行深入分析。1）使用SDID模型分析“国家体育消费试点城市”政策对试点城市体育企业新质生产力的影响，以准自然实验方法处理变量缺失的问题，并通过安慰剂检验和稳健性检验进一步分析因果关系。2）鉴于政策制定是政府工作，新质生产力是评估生产领域企业的一项指标，而数字化转型则是企业微观可操作的选择，所以将数字化创新作为中介变量的作用机制。3）分析该政策对体育企业新质生产力的直接影响和间接影响以及时空演变趋势，以揭示体育企业新质生产力的动态变化和区域特征。这种综合分析旨在深入认识政策效应，并为体育企业的战略决策提供理论支撑。
本研究的学术贡献主要体现在以下几个方面：1）基于2011—2022年沪深A股体育上市企业的数据进行实证分析，为体育企业新质生产力的空间溢出效应提供了实证证据；2）以往研究鲜少探讨体育企业新质生产力的空间溢出效应与宏观政策的关联，本研究将“国家体育消费试点城市”政策与这一效应相结合，深入分析其因果关系和作用机制，从而为产业政策如何促进体育企业新质生产力的发展提供新的依据；3）研究体育企业新质生产力的空间效应和时空演变趋势，揭示体育产业发展的潜在方向，为我国体育产业的下一步的政策调整提供有益见解。
1 理论分析与研究假设
马克思认为每个时代都有其相适应的生产力[17]，这种生产力主要依赖于生产方式创新和更高效的资源配置[2,18]，在信息化、数字化、智能化时代，通过科技创新形成的先进生产力就是新质生产力。自2020年“国家体育消费试点城市”政策实施以来，国家体育总局通过明确政策要求、搭建工作平台、组织城市间经验交流、开展居民消费调查及推广典型做法持续推动政策落地。后续工作在政策支持与资源统筹方面进一步加强，各省（自治区、直辖市）体育局也出台了相关配套措施，如资金引导、通过体育赛事鼓励体育消费等，营造了体育消费环境，吸引了社会力量的广泛参与。有数据显示，近年来，国家体育消费试点城市的体育消费规模持续增长[8]，在某种程度上体现了“国家体育消费试点城市”政策的实效，也凸显了体育企业在政策的引导下实现了生产率的提高。
进一步分析发现，政策有助于供给端精准满足体育需求，推动体育产品和服务的创新与优质化[19]。如2019年以来，一些体育企业加强了数字技术应用，开创了在线健身等新业态，为体育产业的发展注入了新动能。实际上，消费政策在促进生产率提高方面的价值已经显现，全球许多国家或地区通过实施刺激消费政策应对经济衰退或经济增长放缓，如2008 年全球金融危机后，中国和美国都出台了刺激内需的政策，这些政策被认为有助于恢复经济。在中国，经济特区和自贸区通过放宽市场准入条件等试点政策促进了技术创新和产业升级，显著提高了区域总生产效率。因此，“国家体育消费试点城市”政策可能会促进体育企业新质生产力的发展。
从理论上说，产业政策可以从产业集群协同效应与创新机制2个维度促进体育企业新质生产力发展。1）产业集群协同效应与体育企业新质生产力发展的关联。根据Porter提出的产业集群理论[20]，要素共享、专业分工和知识溢出是企业形成持续竞争优势的核心机制。“国家体育消费试点城市”政策通过财政措施引导、土地供给、赛事鼓励等措施可以促进形成政策与企业联动的空间集群。具体来说：一是集群化有助于提高企业研发效率、促进不同企业的产品与服务的差异化[21]，相关研究表明，产业集群内的企业间的专利合作密度比非集群区域高42%[22]；二是试点城市政策促进体育企业与科研机构聚集，使其共享基础设施与专业化服务网络，可以降低企业研发与运营成本[23]；三是集群内企业间互动可以促进数字技术扩散，如长江三角州地区通过体育用品制造业与体育服务业的协同发展，促进了产业链互补，推动了运动装备的智能化升级；四是试点政策可以引导体育赛事经济发展与体育消费场景创新[24]，促使相关企业增强产品竞争力[25]；五是试点政策可以加剧试点城市企业数字化转型程度，如《智慧城市计划》影响了当地企业的数字化转型[26]，再如刺激消费政策提高了酒店业的数字化服务水平[27]。2）创新机制与体育企业新质生产力发展的关联。依据“国家创新系统”理论[28]，企业创新活动不是孤立进行的，而是嵌于由政府、科研机构、教育体系和市场机制构成的制度环境中。政府通过“国家体育消费试点城市”政策的制度鼓励、信息平台建设、资源统筹布局等措施畅通了该政策传导路径，促进了各类创新要素（如人才、资金、数据、技术）之间的有效联动。相关研究基于“动力-要素-结构”框架证实了企业数字化升级可以提高新质生产力水平[29]。例如，成都市通过AI平台连接中小体育企业，使其新质生产力指数提高了19%[30]。综上分析认为，“国家体育消费试点城市”政策不仅为促进体育企业新质生产力发展增加了直接的经济动力，更可以通过营造集群式发展环境与构建系统性数字技术创新生态圈，促进体育企业在数字化转型过程中实现新质生产力水平的提高。据此，提出以下假设。
H1：“国家体育消费试点城市”政策能促进体育企业新质生产力水平提高。
H2：“国家体育消费试点城市”政策能通过加剧体育企业数字化转型程度促进新质生产力水平提高。
2 研究设计
2.1 数据来源和空间分布
本文的研究数据主要来自国某安（CSMAR）数据库，以2011—2022年间在沪深A 股上市的体育企业为数据采集对象，通过分析样本企业数据探讨“国家体育消费试点城市”政策对体育企业新质生产力的影响和作用机制。首先，样本企业数据来自经过审计的年报和公开披露文件，受中国证监会和证券交易所的严格监管，具有较高的数据规范性与可信度，并且上市企业通常具有较强的资源整合能力和技术投入财力，在数字化转型方面更为积极，信息披露也更加完整和系统[31]，所以选取这些企业的数据有助于更准确地分析宏观政策对体育企业新质生产力的影响机制。其次，上市企业披露的数据通常反映的是其集团层面的整体经营状况，涵盖其分公司的经营状况，而不仅限于其注册地的具体经营状况。因此，将上市体育企业总部所在城市的数据作为分析样本，虽然可能会因企业业务范围广而导致地方政策效应被“稀释”，从而在统计分析时体现为效应值偏小，但是这种分析仍能揭示政策的总体影响机制。尤其是考虑到某一企业总部在战略制定和资产配置中的核心作用，其所在区域的政策环境往往通过多种机制影响该企业行为，所以上市体育企业总部所在城市的数据仍具有重要研究价值。再其次，目前有40个城市被评定为“国家体育消费试点城市”，这40个城市遍布我国23个省（自治区、直辖市），这些城市的经济发展水平、民俗文化、体育发展基础等均存在较大差异，而本研究选取的样本为上市企业，其经营状况的地区差异并不显著[32]。最后，使用SDID分析不会因样本未涵盖所有国家体育消费试点城市而产生偏误，还可以避免出现因企业经营业务拓展导致的空间溢出效应。
数据处理步骤如下：1）借鉴相关文献的做法[31,33]，选取沪深A股企业中以体育为主营业务且收入占该企业经营业务收入50%以上的企业，参考由新华社公布的《2022中国体育公司经营榜》，筛选有代表性的体育企业，即主营业务经济效益排名前五且与体育相关的企业；2）从样本中去除了所有ST和*ST类公司。在移除缺失值和无效值后，最终选取了44个样本体育企业，共计396个观察数据。所有数据均使用软件“Stata16.0”和“Python 3.8.6”进行处理。样本所在城市为：北京市、天津市、上海市、南京市、杭州市、衢州市、厦门市、南昌市、青岛市、广州市、重庆市、中山市、临海市、余姚市、即墨市、台州市、张家港市、晋江市、深圳市、汕头市、海宁市、淮安市、湖州市、滨州市、白山市。其中属于体育消费试点的城市为：上海市、南京市、厦门市、南昌市、青岛市、深圳市、重庆市。
2.2 变量说明
1）被解释变量。被解释变量为新质生产力（Np）。借鉴了某些学者[34-35]的方法，基于生产力二要素理论构建了企业新质生产力的评估指标体系，具体如下。①新质劳动力分为新质劳动者和新质劳动对象。新质劳动者关乎企业的生产率和竞争力[36]，细分为劳动者技能和劳动效率。劳动者技能反映企业员工的专业知识、技能和经验，以研发人力成本率、研发人员密度、高学历人才密度进行评估。劳动效率即单位劳动时间产出的产品数量或服务数量，以研发人员薪酬比率进行评估。新质劳动对象通过固定资产占总资产比率进行评估，鉴于数字技术产业对设备的依赖，将制造费用占销售成本比率作为补充指标。②新质生产工具包括物质性工具和非物质性工具，是企业提供服务或生产产品的关键要素[37]。物质生产工具如原材料、设备等，以研发折旧摊销率、研发租赁费用比率、研发直接成本率进行评估。非物质性工具如技术、软件、管理知识等，以无形资产比率、总资产周转率、股东权益比率进行评估。具体评估指标见表1。
表1 新质生产力评估指标说明 |
 |
2）解释变量。解释变量为“国家体育消费试点城市”政策（DID，简记为D），是由2个虚拟变量计算得出的(D=D1×D2)。其中：虚拟变量D1用于区分处理组和参照组（如果是国家体育消费试点城市，则D1=1；如果不是国家体育消费试点城市，则D1=0）；另一个虚拟变量D2表示时间变量（如果是对应评定为“国家体育消费试点城市”的那一年及以后的每一年，则D2=1；如果是在评定为“国家体育消费试点城市”那一年之前，则D2=0。在计算D变量之前，D1和D2都进行了标准化处理[38]。
表2 上市体育企业数字化转型程度评估指标说明 |
 |
表3 各变量的定义 |
 |
2.3 模型构建
为了检验体育企业新质生产力的空间溢出效应，运用空间自相关分析的莫兰I数在全局和局部进行了测试[41]， 全局地理空间莫兰I数（Moran I）公式如下。
$\text { Moran } I=\frac{\sum_{i=1}^{n} \sum_{j=1}^{n} w_{i j}\left(y_{i}-\bar{y}\right)\left(y_{j}-\bar{y}\right)}{S^{2} \sum_{i=1}^{n} \sum_{j=1}^{n} w_{i j}}$
式中：n表示试点城市数；yi和yj分别表示城市i和城市j的空间特征；$\bar{y}$表示城市空间特征的平均数；ωij表示空间权重；S2表示方差。此外，局部地理空间莫兰I数（Moran Ii）用于评估不同企业的空间聚集情况，并且可用于评估位于单个区域或多个区域的企业产生的空间溢出效应，具体计算公式如下。
$\text { Moran } I_{\mathrm{i}}=\frac{y_{i}-\bar{y}}{S^{2}} \sum_{j=1}^{n} \boldsymbol{A}_{i j}\left(y_{i}-\bar{y}\right)$
式中：n、yi、yj、$\bar{y}$、S2同式(1)；Aij表示空间邻接权重矩阵[42]，如果城市 i与城市j的地理空间边界接壤，则Aij=1，否则Aij=0。同时将矩阵Aij的每一行进行归一化处理，即将每一个城市与其邻接城市之间的权重除以该城市邻接城市的数量，使所有权重满足ΣjAij=1。在数据来源上，城市间地理距离根据各地的市中心经纬度坐标计算，坐标数据来源于某度地图API。标准化后的矩阵可以反映每个城市的体育企业新质生产力受其相邻城市的平均影响，便于将空间溢出效应的评估定量用于SDID模型的运算。
$N_{\mathrm{p}, \mathrm{it}}=\alpha+\beta_{1} D_{i t}+\rho \sum_{j=1}^{n} \omega_{i j} D_{j t}+\sum_{k=1}^{p} \beta_{k+1} \mathrm{C}_{k i t}+\mu_{i t}+\pi_{i t}+\varepsilon_{i t}$
式中：Np，it表示i企业在第t年的新质生产力水平；α表示模型的常数项（截距），评估在不受其他变量影响时的基准水平；β1表示“国家体育消费试点城市”政策对样本企业新质生产力水平的影响系数；Dit表示评估i企业在第t年受“国家体育消费试点城市”政策影响的变量；ρ表示空间溢出系数；$\sum_{j=1}^{n} \omega_{i j} D_{j t}$表示对其他所有城市j的处理状态按照空间权重ωij加权求和，反映邻近城市的政策外溢；Cit表示控制变量；μit、πt 、εit分别表示个体效应、年份固定效应、模型随机扰动项。
3 实证分析结果
3.1 描述性统计结果
由表4可知：1）变量描述性统计数据呈正态分布，Np平均值为4.488，标准差为2.463，说明满足本研究需要，Np最大值与最小值的显著差异说明样本企业的新质生产力水平产生了大幅波动，也说明样本体育企业新质生产力水平还可以提高；2）控制变量间的极值差异说明结果具有有效性；3）皮尔逊相关系数的分析结果表明，样本企业新质生产力与“国家体育消费试点城市”政策、数字化转型程度在1%的显著性水平上正向相关，这为研究假设提供了初步的实证支撑。
表4 变量描述性统计结果和相关性检验结果（n=396） |
 |
3.2 空间自相关检验结果和平行趋势检验结果
1）空间自相关检验结果分析。由表5可知，样本企业新质生产力水平在2011─2021年的全局地理空间莫兰I数均通过显著性检验，且系数为正，平均值为0.066，表明样本企业新质生产力水平在地理空间具有显著的正向自相关性，即某一地区的样本企业新质生产力水平的提高会带动其邻接地区样本企业新质生产力水平的提高。
表5 样本企业新质生产力水平在2011─2022年的全局地理空间莫兰I数统计结果 |
 |
2）平行趋势检验结果分析。由图2可知：在“国家体育消费试点城市”政策出台前的9年中，实验组和对照组的新质生产力水平在95%的置信区间水平提高幅度相近，2015年陡然提高并成为此后生产力水平较为平稳持续的拐点；“国家体育消费试点城市”政策出台后，由于该政策在2020年第一季度之后发布，且经济变量影响具有滞后性，所以样本企业新质生产力水平在2022年开始显著提高，尤其是实验组的新质生产力水平受影响更为明显，说明试点政策对实验组产生了积极的影响。以上结果说明，可以将“国家体育消费试点城市”政策作为一个准自然实验变量，研究该变量对样本企业新质生产力水平的影响。
3.3 空间双重差分模型分析结果和影响机制检验结果
SDID模型的实证分析结果见表6，其中的模型(1)~(3)用于分析D对因变量的影响，以Np为目标因变量，模型(1)没有控制年份固定效应和个体效应；模型(2)没有控制年份固定效应，但控制个体效应；模型(3)控制年份固定效应和个体效应。为了检验模型的合理性，本研究对模型(2)与模型(3)分别设定随机效应与固定效应，并进行Hausman检验，检验结果显示，χ2=13.76，df=7，p=0.031，在5%水平显著，证伪了随机效应模型的原假设，说明模型(3)更稳健。因此，主要从模型(3)得知，D的系数在控制了不同的变量和效应的情况下均显著为正，表明“国家体育消费试点城市”政策可以促进样本企业提高2.00%的新质生产力水平。显然，该政策可以显著促进样本企业新质生产力水平的提高。据此，假设H1得到验证。
表6 空间双重差分模型计算结果 |
 |
表7 中介效应检验结果 |
 |
上述分析忽视了政策在地理空间上可能同时存在本地效应与邻近效应，即空间上的直接影响与间接影响可能存在差异。如果“国家体育消费试点城市”政策直接影响样本企业新质生产力水平的提高，可以认为是直接影响。如果国家体育消费试点城市的样本企业通过影响邻近城市的样本企业新质生产力而影响当地样本企业新质生产力水平的提高，则可以认为是间接影响。借鉴某学者[45]的做法，通过空间杜宾模型（SDM）判断“国家体育消费试点城市”政策对试点城市样本企业新质生产力水平在地理空间上产生的作用，空间邻接权重矩阵验算结果显示（见表8），模型(6)的D系数为1.129，模型(7)的D系数为0.074，均在1%的水平通过显著性检验，说明“国家体育消费试点城市”政策对该城市样本企业新质生产力水平的提高有直接影响，且直接影响效应大于间接影响效应。也就是说，“国家体育消费试点城市”政策不只影响试点城市样本企业新质生产力水平，也影响其邻近城市样本企业新质生产力水平，这也说明“国家体育消费试点城市”政策与区域体育产业发展相协调的重要性。
表8 “国家体育消费试点城市”政策对样本企业新质生产力水平在地理空间层面的直接影响和间接影响 |
 |
3.4 安慰剂检验结果和稳健性检验结果
1)安慰剂检验。以“国家体育消费试点城市”政策出台前1年、前2年和前3年作为D的安慰剂，将此变量代入回归模型进行分析，模型(9)、模型(10)、模型(11)分别是该政策出台前1年、前2年和前3年的安慰剂检验结果（见表9），其中，D的系数均不显著，表明“国家体育消费试点城市”政策出台前1年、前2年和前3年的试点城市居民体育消费对样本企业新质生产力水平均未产生显著影响，说明前述的“国家体育消费试点城市”政策不是其他因素的代理变量，样本企业新质生产力水平的提高可以归因为“国家体育消费试点城市”政策的实施。
表9 安慰剂检验与稳健性检验结果 |
 |
2)稳健性检验。①以地理空间反距离邻接权重矩阵进行检验。“国家体育消费试点城市”政策对样本企业新质生产力水平的影响可能因地理空间权重矩阵定义的不同而有所不同。因此，使用地理空间权重矩阵进行稳健性检验是必要且合理的[45]。②替换被解释变量。鉴于生产力与生产率在经济学中经常互换使用，本研究以使用OP法计算的全要素生产率（Top）替代生产力指标来评估企业的新质生产力水平。③依据反距离邻接矩阵构建空间权重，以分析地区间的相互影响，同时将政策变量设为政策出台前一年，以避免因果倒置并更真实地反映政策传导过程。稳健性检验结果见表9的模型(12)、模型(13)和模型(14)，从表9可知研究结果可靠。此外，关于内生性问题，如上述检验结果所示，SDID是解决遗漏变量问题和潜在反向因果关系问题的有效方法[36]，而且“国家体育消费试点城市”政策是国家体育总局的一项决策，样本企业新质生产力水平是微观层面的要素，宏观经济政策可能不会对单一微观经济因素产生显著直接影响。
3.5 时空演变趋势
标准差椭圆（SDE）是一种分析和呈现空间数据变化的有效方法。在本研究中，SDE用于分析样本企业新质生产力的地理空间分布特征及其演变过程。从分析结果可知，新质生产力的空间分布范围和重心在2011—2022年发生了变化，从重心的位置可知，依托新质生产力发展的样本企业主要集中在华东地区和华南地区。从样本企业新质生产力的空间变化轨迹可知，2022年的空间分布范围比2011年的空间分布范围更为扩大。这一变化说明与新质生产力关联的样本企业的地理空间分布范围在10多年间逐步扩大，同时，市场的地理空间分布重心也发生了明显变化，向北延展了22.828 km，向西延展了117.676 km。这种地理空间分布重心的变化表明，“国家体育消费试点城市” 政策对依托新质生产力发展的样本企业的市场产生了显著影响。通过计算所有样本企业在不同时期的新质生产力平均水平，可以初步发现不同区域的样本企业的新质生产力水平的显著差异，也可以反映出一定的时空演变特征。这些变化不仅揭示了样本企业新质生产力在地理空间分布上的动态变化，也反映了“国家体育消费试点城市”政策的影响效应，意味着该政策对样本企业新质生产力的发展已产生了实际影响。
4 研究结果分析
4.1 “国家体育消费试点城市”政策与体育企业新质生产力水平的相关关系和影响机制分析
改革开放以来，随着我国体育产业的发展，居民体育消费需求也在日益增长，体育产品和体育服务的经销模式也在不断翻新，有效带动了体育产业总体生产效率的提高。充满活力的市场机制优化了体育资源配置，深刻影响着中国体育产业的结构调整，与此同时也为体育企业新质生产力的发展增添了动力。新质生产力作为科技创新、动能转换和发展数字经济的主体力量[46]，区别于传统的以劳动力、土地和资本为中心的生产方式下的生产力，其结合了大数据、人工智能、互联网、云计算等新兴数字技术要素，进而催生了新产品和新业态。换言之，新质生产力本质上是一种以科技创新驱动产生的生产力形态。从市场需求促进科技创新的理论视角而言，需求市场是促进企业科技创新的主要动力来源，通过扩大消费可以驱动企业增加研发投入和主动创新，进而有助于提高生产率和促进新质生产力水平提高。因此，促进居民体育消费将从根本上为体育企业新质生产力水平的提高增添动力。有研究者通过分析企业财务数据发现，消费者需求的变化与企业在科技领域的研发投入及生产力水平提高存在显著的因果关系[47]。
从国际经验来说，许多国家的体育产业政策同样证实了扩大体育消费对企业创新和生产力水平提高的促进作用。例如，一些发达国家通过举办大型体育赛事、打造“体育消费城市”等措施，将体育活动融入城市发展战略，带动了当地经济发展和激发了当地体育企业的创新活力。美国、英国、德国等国家通过建设国际知名“体育城市”重构了城市经济发展格局，对其城市生产力发展也起到了促进作用[48]。这些国家的经验表明，有关扩大体育消费和发展体育产业的政策能促进生产力水平的提高。这与我国实施的“国家体育消费试点城市”政策的结果一致。不同的是，我国的政策更加侧重激发国内体育消费潜力，并将其与体育企业通过数字技术创新相结合，以使体育企业形成创新发展的内生动力。
从政策目标来说，“国家体育消费试点城市”政策旨在通过引导体育消费、推动体育产业与相关领域深度融合，促进我国体育消费规模持续增长和消费升级[3]。其中，数字化创新是该政策引导体育企业提高服务能力、激发体育企业创新活力的重要路径之一，有助于培育新质生产力。从更宏观的视角来说，该政策与扩大内需的国家战略高度契合。例如，《扩大内需战略规划纲要（2022—2035年）》中就明确提出，发展在线健身、线上赛事等新业态[49]。由此可见，评定国家体育消费试点城市不仅是体育产业领域的政策试验，也是扩大内需的国家战略在消费端的重要实施载体。然而，我国目前的体育消费占国内总体消费的比重偏小，这正是政策发力的切入点。根据2020年的相关数据，我国全国居民体育消费总规模不足2万亿元[50]，人均体育消费金额为1 330.4元，占居民人均可支配收入的比例仅为4.1%[51]，说明体育消费在居民消费支出中所占比例较低[52]。这表明，体育消费仍需加大促进力度。“国家体育消费试点城市”政策在2020年出台，为体育企业的发展提供了有力的支持。试点城市的体育企业和消费者逐渐享受到了该政策的红利，特别是在数字技术应用方面。例如，在线票务系统、智能场馆管理系统、电子支付等数字技术的应用，可以大幅降低体育企业的交易成本，以及提高顾客服务效率和体育企业内部管理效率。再例如，虚拟现实技术和增强现实技术的应用可以使观众获得沉浸式观赛体验，体育线上赛事平台通过实现粉丝对球队、运动员的评论交流可以增强粉丝的参与感。微观层面的证据也表明，数字技术融入体育消费领域后，一些居民的健身需求和体育消费需求会显著增长[53]。以上都可以转换为体育企业新质生产力发展的动能。总的来说，“国家体育消费试点城市”政策通过促进一部分体育企业的数字化创新，可以间接影响新质生产力水平的提高。
从平台经济视角分析，政府通过鼓励体育企业加速数字化创新，从而推动体育企业形成线上与线下融合的营销模式，以及加快响应市场需求的速度和提高资源的市场配置效率。例如，职业联赛俱乐部等体育社会组织通过自建数字化平台与球迷实时互动，不仅有助于增强消费黏性，也为产品和服务增值开辟了新渠道，从而可以将平台经济价值最大化。更重要的是，随着企业数字化程度加深，由此产生的海量数据可以成为以数据驱动创新的核心支撑，体育企业可以运用大数据与人工智能技术对消费者偏好、赛事运营、运动表现、市场趋势等进行深入洞察，从而可以优化决策流程、推动产品或服务创新以及降低试错成本[32]。因此，政策赋能的数字化创新为平台经济和数据驱动创新奠定了基础，而数字平台化互动、数据智能分析又对体育企业新质生产力水平的日益提高提出了新要求。
总之，“国家体育消费试点城市”政策通过促进体育消费，不仅促进了样本企业的数字化创新，也为样本企业新质生产力水平的提高增添了强劲动力。本研究的实证分析结果显示，该政策显著提高了试点城市样本企业的新质生产力水平（提高约2%），而新质生产力水平提高的35.5%是由这些企业的数字化创新的中介效应促进的。可以说，“国家体育消费试点城市”政策为样本企业营造了一个良好的数字化创新环境，将消费需求转化为了新质生产力水平提高的内在驱动力。由此得出如下结论，“国家体育消费试点城市”政策不仅可以直接提高体育企业新质生产力水平，还可以通过促进体育企业的数字化创新促进体育企业新质生产力水平提高，这在理论和实践两方面均得到证实。
4.2 空间效应和时空演化趋势分析
根据空间经济学理论，区域之间存在空间相关性和异质性[54]，相邻区域通常关联更为紧密，会产生空间溢出效应。某个企业诸如社会治理表现、营销模式等行为和策略可以通过直接经济联系（如供应链合作）或间接影响作用于其周边地区的相关企业，从而形成空间溢出效应。本研究发现，“国家体育消费试点城市”政策对样本企业新质生产力水平的提高产生了直接影响和间接影响。其中的直接影响更为显著，主要源于国家体育总局的政策引导和各省（自治区、直辖市）体育局的公共资源分配，如税费补贴的措施可以直接降低体育企业经营成本，而创新体育产品和服务供给可以直接促进新质生产力水平提高，直接影响更大。这可能是因为政策直接面向体育消费试点城市，相较于试点城市以外的样本企业，影响更为直接，政策效力更显著。而间接影响源于示范效应和经济社会网络的扩散，主要通过行业培训和交流、产业链的协同效应对新质生产力形成影响。这种影响虽然广泛，但是传导机制复杂，影响较为间接且可能会延迟。因为新质生产力水平的提高不是立竿见影的，是需要时间的，特别是科技创新具有阶段性。此外，数字化创新通常需要大量资金，所以资金的可用性也是一个实际问题。综上所述，体育企业新质生产力的发展不仅受其所在地各种因素的影响，还与其周边区域的经济发展水平密切相关。而扩大政策施行范围可以最大化产生直接影响和间接影响，有利于促进区域性体育产业的发展。
从时空演变趋势来说，在该政策引导下，依托新质生产力发展的样本企业的地理空间分布重心逐渐向中国内地北部地区和西部地区转移，“国家体育消费试点城市”政策影响范围也随之扩大。其原因有以下3个。一是“国家体育消费试点城市”政策对资源配置和投资产生了影响，可以促进试点城市体育产业发展。特别是我国内地西部地区和北部地区通过新建体育设施，逐渐成为体育企业的新聚集地。二是我国内地西部地区和北部地区的居民收入水平在提高，体育消费需求日益增长。三是“国家体育消费试点城市”政策激活了我国内地西部地区和北部地区的试点城市体育产品和体育服务市场，尤其是滑雪等体育旅游活动成为新的消费热点。据相关资料显示，受北京冬奥会、冰雪出境旅游回流等因素的影响，旅游人次从2016—2017年冰雪季的1亿7 000万增加到2020—2021冰雪季的2亿5 400万[55]。总之，上述这些因素产生的综合作用使样本企业新质生产力逐渐向我国内地西部地区和北部地区扩散，对区域体育产业的发展也产生了一定影响。
5 结论与建议
5.1 结论
在新时代中国特色社会主义背景下，提高新质生产力水平已成为我国体育企业增强市场竞争力的关键策略。本研究以2011—2022年沪深A股上市的44个有代表性的体育企业为数据采集对象，运用空间双重差分模型分析了“国家体育消费试点城市”政策与样本企业新质生产力水平的相关关系，主要得出以下几个结论。
1）样本企业新质生产力存在显著的地理空间自相关性，探究“国家体育消费试点城市”政策对体育企业新质生产力水平的影响时必须考虑这一空间溢出效应。如果忽视这一空间溢出效应，政策效应评估将产生偏差估计。本研究填补了这一认知空白。
2）“国家体育消费试点城市”政策是提高样本企业新质生产力水平的一个重要决定因素，且这一相关关系在经过一系列安慰剂检验和稳健性检验后仍然显著。
3）在作用机制上，“国家体育消费试点城市”政策能通过推动样本企业数字化创新而促进样本企业新质生产力水平提高。
4）在空间效应上，“国家体育消费试点城市”政策对样本企业新质生产力产生的空间溢出效应分为直接影响和间接影响，且直接影响比间接影响大。
5）在时空演变趋势上，样本企业新质生产力在2011—2022年的地理空间分布重心由我国东南沿海地区向我国西部地区和北部地区转移，且影响范围在逐渐扩大。
5.2 建议
本研究为体育产业政策与新质生产力的相关关系研究提供了新视角和新方法，为“国家体育消费试点城市”政策与体育企业新质生产力水平的相关关系提供了经验证据，也为我国相关产业部门下一步完善和调整体育产业政策提供了经验证据。基于此提出以下建议。
1）进一步完善“国家体育消费试点城市”政策在促进体育产业发展方面的引导和激励措施。我国相关产业部门应进一步明确提高试点城市体育消费水平的目标和时间表，完善体育消费试点城市政策后期推进措施，如为体育设施服务供给和体育企业数字化创新提供相应的激励措施，鼓励体育消费试点城市的体育企业在体育设施、体育活动、体育服务等方面创新营销模式，通过示范效应带动其他城市跟进。
2）进一步促进试点城市体育产业结构调整和体育企业数字化创新。我国相关产业部门应加大对体育企业进行数字化创新的政策支持力度。如鼓励体育企业与健康、旅游、教育等领域的服务供给融合。
3）加强体育消费试点城市间的经验分享。我国相关产业部门应建立体育消费试点城市间的交流机制，促进城市间的互学互鉴。例如，鼓励体育消费试点城市定期举办促进体育消费方面的经验分享研讨会，共同探索体育产业发展的新路径和新模式。
4）增强居民体育消费意识和体育消费参与度。体育消费试点城市应加强体育消费宣传，鼓励当地居民参与体育消费试点城市建设，通过举办社区活动、提供志愿服务等方式提高体育消费试点城市居民对体育消费的认识水平，促进当地居民树立体育消费理念。
6 展望
本研究有一定局限性，未来的研究应从以下几个方面进一步深入探讨。
1）由于数据有限，可能影响研究结果的外部有效性，上市体育企业在股权结构、企业治理和数字技术资源方面有一定优势，所以将本研究的结论推导至未上市企业或初创企业时需谨慎。未来可进一步分析未上市体育企业的数据，以分析不同规模、不同股权结构的体育企业的新质生产力水平的差异，进一步完善本研究的结论。
2）由于上市体育企业经营范围广，本研究通过面板数据和SDID方法弱化了空间溢出效应的影响。随着数字技术的迭代，未来应更深入地分析体育企业的空间溢出效应的变化。
3）当前尚缺乏统一施行的体育产业新质生产力水平的量化评估指标，未来应根据体育产业的特点创新相关评估方法。
4）居民、企业、政府在消费市场中的互动是复杂的，体育企业数字化创新作为中介变量无法充分解释体育消费与新质生产力之间的复杂关系。因此，未来的研究需要分析更多的指标，为国家体育消费试点城市提出更全面的建设策略。
