我国数字经济对绿色全要素生产率变动的影响研究

摘  要：为研究数字经济对绿色全要素生产率及其分解项在空间上的影响。在对2011—2022年全国30个省份的数字经济与绿色全要素生产率进行测算的基础上，运用个体固定效应的空间滞后模型进行实证分析。实证结果表面：绿色全要素生产率、绿色技术进步与绿色技术效率的提升具有显著的空间溢出正向效应；数字经济对绿色全要素生产率具有一定的抑制作用。从分解项视角研究发现，数字经济对绿色技术进步同样具有抑制效果

关键词：数字经济；绿色全要素生产率；空间滞后模型

2021年COP26会议强调全球应对气候变化的紧迫性，中国提出“双碳”战略目标并纳入国家规划。数字经济快速发展，规模超50万亿元，占GDP比重达41.5%，但存在大而不强的问题。作为新兴产业，数字经济对推动绿色低碳经济、实现人与自然和谐发展具有重要意义。研究其对绿色全要素生产率的影响，有助于提升经济发展质量和实现绿色可持续目标。

一、文献综述

1.1数字经济的测算相关研究综述

以往文献研究从数字经济基础设施、数字产业化、产业数字化等方面构建多维度指标体系。如庞如超（2021）、高敬峰和王彬（2020），肖远飞等（2021）、张雪玲等（2020）、焦帅涛等（2021）和万晓榆等（2021）构建了不同维度的数字经济评价体系，涉及到的研究对象包括国家、省级和城市层面。总体而言，数字经济测算方式多样，主要以建立多维度指标体系为主，涉及数字经济产业、基础设施、发展、技术创新和应用等方面。

1.2绿色全要素生产率的测算相关研究综述

绿色全要素生产率是衡量资源、环境和经济协调发展的重要指标。它考虑了污染排放和生态环境，比传统全要素生产率更全面地评估经济发展质量。研究者们采用多种方法测算绿色全要素生产率，如Chung等（1997）的Malmquist-Luenberger指数，Tone（2001）的SBM-DDF方法，以及后续学者的Luenberger指数和Malmquist指数法等。

1.3数字经济对绿色全要素生产率影响的空间特征

数字经济作为关键生产要素，打破传统增长限制，赋能创新与资源配置，推动低碳绿色技术与模式发展，提升绿色全要素生产率。许恒等（2020）指出，数字经济通过技术溢出加强区域间经济活动关联，影响绿色全要素生产率。高素英等（2023）研究城市绿色经济效率受相邻城市影响的空间效应。杨友才等（2022）与张园（2022）探讨数字经济对绿色全要素生产率的空间溢出及异质性影响。尽管多数学者关注此领域，但二者关系及空间效应尚未充分讨论。深入探究有助于认识数字经济外部性对绿色发展的空间影响，推动新旧动能转换，促进区域绿色高质量发展。

二、变量指标构建与说明

2.1数字经济评价指标体系的构建

目前主要的数字经济测算方法是通过构建指标体系，本文在构建数字经济指标体系时，将互联网发展作为测算发展指数的核心，其中用每百人互联网用户数、每百人移动电话用户数表示互联网普及率，人均电信业务总量、计算机服务和软件从业人员占比表示互联网相关产出及人员从业，北京大学数字普惠金融指数表示数字金融普惠发展，最后借鉴杨丽和孙之淳（2015）使用改进的熵值法测算我国30个省份的数字经济综合发展水平。

2.2绿色全要素生产率指标体系构建

本文采用三个投入指标：劳动力（各省常住就业人口总数）、能源（能源消费量，万吨标准煤）和资本（基于2010年基期的固定资本存量，使用永续盘存法估算）。期望产出为2010年基期的实际GDP（经GDP平减指数调整），非期望产出包括化学需氧量、一般工业固体废物和工业二氧化硫的排放量。利用SBM方向距离函数的GML指数方法，通过Matlab软件计算绿色全要素生产率指数及其分解项——绿色技术进步指数和绿色技术效率指数。

2.3变量说明与数据来源

本文的被解释变量为绿色全要素生产率指数（gtfp），解释变量为数字经济综合指数（szjj）。控制变量为：政府干预程度（zfgy）：一般公共预算支出/地区生产总值；科教发展水平（kjsp）：科学和教育支出/一般公共预算支出；人力资本水平（rlzb）：普通本专科在校生/年末总人口；环境规制强度（hjgz）：工业污染治理完成投资/第二产业增加值。本文研究对象不包括西藏以及港澳台地区。文中所涉及到的数据来源于各省市《统计年鉴》、《国民经济与社会发展公报》、EPS数据库等获取。

三、实证结果与分析

3.1空间相关性分析

本文基于空间邻接矩阵计算了2011年至2022年全国30个省市的绿色全要素生产率的全局莫兰指数。从表中可知，绿色全要素生产率的全局在绝大多数年份都在1%的水平上显著且为正值，这说明在空间邻接矩阵下，绿色全要素生产率具有显著的空间正相关关系，从总体来看，绿色全要素生产率存在空间依赖性，因此，选择空间计量模型是合适的。

3.2空间计量模型的选择

基于Anselin（2004）的传统LM检验和Elhorst（2010）的稳健LM检验，LM-lag比LM-error更为显著，同时robust LM-lag显著但robust LM-error不显著，因此本文最终建立个体固定效应的空间滞后效应模型。

3.3实证结果分析

本文选取我国30个省市2011-2022年的面板数据，回归结果如下表所示

（1）数字经济对绿色全要素生产率影响的回归结果分析

从表中第一列显示，绿色全要素生产率的空间滞后项系数为0.523，并在1%的水平上通过了显著性检验。这表明绿色全要素生产率在空间上呈现正相关关系，反映出随着经济社会的发展，我国绿色全要素生产率的空间集聚现象愈发显著。数字经济对绿色全要素生产率的影响在5%的水平上显著，但回归系数为-0.048，表明数字经济发展水平的提高反而可能不利于绿色全要素生产率的提升。这可能是由于地区差异、数字经济环境不完善、企业战略柔性不足、技术创新和金融发展支持力度不足等因素导致的。‌从控制变量来看，科教发展水平回归系数为0.071，在10%水平下显著，说明对科学与教育的投入有利于绿色全要素生产率的提高。人力资本水平的回归系数为1.607，在10%的显著性水平下显著，意味着人力资本水平的提升能促进绿色全要素生产率的增长。这反映出地区教育发展与经济发展之间的良好匹配关系，二者相互促进，形成良性循环。

（2）数字经济对绿色技术进步影响的回归结果分析

表中数据显示，绿色技术进步的空间滞后项系数为0.435，并在1%的水平上显著，表明绿色技术进步在空间上存在显著的正相关性，反映出我国绿色技术进步的空间集聚现象愈发明显。数字经济发展对绿色技术进步的影响回归系数为-0.064，并在5%的水平上显著，说明数字经济发展水平的提高在某种程度上抑制了绿色技术的进步。这可能由于：1.数字经济的创新主要集中在商业模式和应用层面，基础研究相对薄弱。2.国内在数据分析等智能化领域面临较大人才缺口，尤其是复合型人才稀缺。3.相关政策监管缺失及市场机制不完善。从控制变量来看：政府干预程度回归系数为-0.25，在10%水平下显著，说明政府干预在一定程度上不利于绿色技术进步。科教发展水平回归系数为0.096，在10%水平下显著，表明对科学与教育的投入有利于绿色技术进步。人力资本水平回归系数为2，在10%水平下显著，说明人力资本水平会促进绿色技术进步。环境规制强度回归系数为16.246，在5%水平下显著，表明环境规制强度有利于绿色技术进步的提升。

（3）数字经济对绿色技术效率影响的回归结果分析

从表中第三列显示，绿色技术效率的空间滞后项系数显著为正，系数值为0.315，并在1%的水平上通过了显著性检验。这表明绿色技术效率在空间上存在正相关关系，反映出随着经济社会的发展，我国绿色技术效率的空间集聚现象愈发显著。数字经济发展对绿色技术效率影响的回归系数为0.012，尽管数字经济发展水平的提高在一定程度上有利于绿色技术效率的提升，但未能通过显著性水平。

3.4稳健性检验

本文使用社会经济距离矩阵代替空间邻接矩阵运用空间滞后模型模型对模型的稳健性进行检验，从检验结果来看，除个别变量的系数大小不同以外，核心解释变量显著结果与前文所得结果并无多大差异，说明实证模型具有真实性和稳健性。

四、结论与启示

本文基于2011—2022年全国30个省份的数据，利用个体固定效应的空间滞后模型，探讨了数字经济对绿色全要素生产率及其分解项（绿色技术进步与绿色技术效率）的空间效应。结果显示，绿色全要素生产率、绿色技术进步与绿色技术效率的提升均表现出显著的空间溢出正向效应。然而，数字经济对绿色全要素生产率及绿色技术进步具有抑制作用，这可能归因于地区间数字经济发展不平衡、数字经济发展水平低、数字经济环境不完善、企业战略柔性不足及技术创新和金融支持不足等问题。对于绿色技术效率，数字经济的影响则不显著。

政策建议：1.加强数字基础设施建设：数字基础设施是数字经济的基石，直接影响数字经济发展。各地政府应依据“数字中国”政策，加大数据中心、5G和人工智能等设施建设，推动区域数字经济发展。当数字经济达到一定水平时，数字产业化和产业数字化将促进全要素生产率提升，发挥绿色价值。2.推动高污染、高耗能企业的绿色发展：在经济新常态下，高污染、高耗能企业需加大资金投入，推动技术创新和绿色发展，促进绿色增长。为此，需要完善的金融监管体系支持：数字普惠金融：打破信息壁垒，建立统一的数字金融信息系统，实现信息共享，提高金融监管有效性。国家金融监管网络：利用数字技术实时、精准监控金融环境，降低交易成本和风险，提高交易效率。资源流向绿色企业：促进资源向绿色环保企业流动，缓解其融资难题，助力绿色发展。

参考文献：

[1]庞如超，韩钰，赵金发.中国地区数字经济发展质量评价研究[J].浙江档案，2021（01）：41-43.

[2]高敬峰，王彬.数字技术提升了中国全球价值链地位吗[J].国际经贸探索，2020，36（11）：35-51.

[3]肖远飞，姜瑶.数字经济对工业绿色生产效率的影响研究[J].现代管理科学，2021（08）：100-109.

[4]张雪玲，焦月霞.中国数字经济发展指数及其应用初探[J].浙江社会科学，2017（04）：32-40+157.

[5]焦帅涛，孙秋碧.我国数字经济发展测度及其影响因素研究[J].调研世界，2021（07）：13-23.

[6]万晓榆，罗焱卿.数字经济发展水平测度及其对全要素生产率的影响效应[J].改革，2022（01）：101-118.

[7]汪锋，解晋.中国分省绿色全要素生产率增长率研究[J].中国人口科学，2015，（02）：53-62+127.

[8]蔡乌赶，周小亮.中国环境规制对绿色全要素生产率的双重效应[J].经济学家，2017（09）：27-35.

[9]齐绍洲，徐佳.贸易开放对“一带一路”沿线国家绿色全要素生产率的影响[J].中国人口资源与环境，2018，28（04）：134-144.

[10]许恒，张一林，曹雨佳.数字经济、技术溢出与动态竞合政策[J].管理世界，2020，36（11）：63-84.

[11]高素英，王迪，马晓辉.产业协同集聚对绿色全要素生产率的空间效应研究——来自京津冀城市群的经验证据[J].华东经济管理，2023，37（01）：73-83.

[12]杨友才，王玉聪，魏涛.数字经济是否提高了绿色全要素生产率？[J].学习与探索，2022（12）：114-123.

[13]张圆.城市数字经济对绿色全要素生产率的空间效应研究——理论机理与实证检验[J].经济体制改革，2022（04）：43-50.

[14]杨丽，孙之淳.基于熵值法的西部新型城镇化发展水平测评[J].经济问题，2015（03）：115-119

[15]单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008，25（10）：17-31.

基金项目：本文系重庆理工大学研究生教育高质量发展行动计划资助成果（项目编号：gzlcx20243442）阶段性研究成果。