单金玉

(安徽大学 创新发展战略研究院，安徽 合肥 230601)

一、引言

我国经济正处于高速增长逐步转向高质量发展的重要阶段，而绿色发展是经济高质量发展的应有之义。因此积极改变传统粗放式生产模式和消费模式，加速经济增长方式从投资驱动向全要素生产率驱动转变，成为促进我国经济可持续发展的必然选择。绿色全要素生产率(简称“GTFP”)有助于对经济增长绩效做出更为科学的判断，被认为是衡量经济发展质量的重要指标。互联网等信息技术不断变革，催生了数字经济新业态。数字经济通过对传统产业的智能化改造，提高资源的利用效率，大幅度减少资源浪费和污染排放，为提高GTFP提供重要途径。

二、文献综述

(一)数字经济与GTFP

张腾[1]认为社会资源利用效率的提升能够借助数字经济发挥监督约束效应与技术创新效应来达到。丁志帆[2]进一步指出在微观层面，数字经济可纠正资源错配与提升资源配置效率。宏观层面，经济增长数量与速度通过数字经济借助生产要素扩充、资本积累深化与要素配置改善来提升。郭家堂和骆品亮[3]认为数字经济以互联网为核心内容，理论上可助益于全要素生产率，实证模型验证了互联网首先作用于技术进步效率，提高全要素生产率。

(二)数字经济与产业结构优化

我国产业结构向中高端迈进，需要以数字经济为驱动，要坚持有步骤、有层次地对所有实体经济进行数字化改造。陈小辉等[4]认为数字经济对我国产业结构的调整优化具有边际递增效应；刘姿均和陈文俊[5]运用空间计量模型得出结论，互联网经济覆盖广度可以显著提升我国经济增长速度，同时我国第三产业增加值所占比重也得到增长。

(三)数字经济、产业结构优化与GTFP

首先，伴随着物联网等的发展创新，以大数据为关键技术形成数字经济的模式，实现产业结构转型升级；其次，数字经济自身对环境破坏程度较小，其快速发展可以通过产业替代挤压传统高污染行业的发展空间，从而直接降低环境压力。同时数字经济对传统产业的智能化改造，能够显著提高资源的利用效率，大幅度减少资源浪费和污染排放。

三、模型设计与变量选择

(一)模型设计

为验证数字经济对GTFP的直接传导机制，本文设定如式(1)所示的基准模型：

GTFPi,t=α0+α1digei,t+αcZi,t+ui+ei,t

(1)

对产业结构优化是否为二者之间的中介变量进行检验。设定如下回归模型：

GTFPi,t=α0+α1digei,t+αcZi,t+ui+ei,t

(2)

risi,t=β0+β1digei,t+βcZi,t+ui+ei,t

(3)

GTFPi,t=γ0+γ1digei,t+γ2risi,t+γcZi,t+ui+ei,t

(4)

(二)变量描述与数据说明

1.被解释变量——绿色全要素生产率(GTFP)

运用SBM-ML指数模型测算GTFP，测算过程借鉴邱斌等[6]计算方法。采用各省年末从业人员数作为劳动力投入指标;根据张军[7]永续盘存法计算出各省年末资本存量作为资本投入指标;用各省的能源消耗量作为能源投入指标。采用各地区生产总值作为好产出；选用工业废水、工业二氧化硫排放量作为坏产出。

2.核心解释变量——数字经济(dige)

本文借鉴赵涛等[8]测度方法，用相关从业人员情况、互联网普及率、移动电话普及率、相关产出情况和数字金融发展5个指标测度数字经济。用中国数字普惠金融指数衡量数字金融发展，该指数由北京大学数字金融研究中心和蚂蚁金服集团编制[9]。

3.中介变量

产业结构优化(ris)：以第三、第二产业的产值之比测度产业结构高级化，产业结构合理化则用泰尔指数，进一步用上述两个指标衡量产业结构优化。

4.控制变量

控制变量主要为可能影响GTFP的因素，包括：(1)研发投入成果(rda)；(2)环境规制(env)；(3)资源丰裕度(rai)；(4)对外开放程度(open)；(5)教育发展(edu)。

5.数据来源及统计性描述

实证数据为中国2011—2017年30个省级区域的面板数据(不含西藏和港澳台)。文中涉及的原始数据来自《中国统计年鉴》《中国能源统计年鉴》。

表1 变量描述性统计结果

四、实证结果分析

(一)基本回归结果分析

1.全国样本估计结果

表2的1至2列报告了全国数字经济发展水平与GTFP的检验结果。首先，分析数字经济对GTFP的影响。在模型1和2中，dige的估计系数显著为正。其次，在加入了控制变量的模型2中，在研发投入成果方面，科研成果与GTFP显著负相关，可能的原因是我国专利技术转换率没有达到理想水平[10]；环境规制系数值为负但并不显著，可能是不合理的环境规制挤占了企业用于技术创新的资金。资源丰裕度在10%的显著性水平上对GTFP有负面作用，从一定程度上支持了“资源诅咒”假说。对外开放度与我国的GTFP显著负相关，这可能是由于地区出口企业在生产时注重经济效益，忽略了环境保护。而受教育程度，则与GTFP存在不显著的正相关关系，这表明提高劳动者素质能够提升GTFP。

2.分样本估计结果

本部分将30个省(市、自治区)划分为东部和中西部区域进行分样本回归。根据回归结果得出：一方面，东部和中西部地区数字经济估计系数均显著为正；另一方面，通过比较东部和中西部区域数字经济回归系数得出，东部地区数字经济对绿色TFP的影响较为突出。

表2 数字经济影响绿色TFP的基准回归结果

(二)中介效应回归

中介效应回归结果见表3。表3第1列结果显示，变量估计系数显著为正，这说明数字经济可显著促进产业结构优化。第2列显示，间接效应的估计系数(-0.024)与直接效应的估计系数(0.129)是相反的，即存在遮掩效应，效应量为0.186。第3、4列和第5、6列结果显示，东部地区的数字经济发展可显著提升产业结构优化水平，并且产业结构优化的遮掩效应在东部区域内依然显著；而中西部的中介效应未通过检验。

表3 数字经济影响绿色TFP作用机制的检验结果

(三)稳健性检验

改变被解释变量的测算方式：本文基于EBM-GML模型重新测算GTFP。全国样本及分区域样本回归结果显示，数字经济对GTFP估计系数依然为正。产业结构优化变量的遮掩效应依然在全国区域及东部区域显著。进一步验证了本文的核心结论是稳健的。

五、政策性建议

研究结论对于促进数字经济发展，提高绿色全要素生产率具有一定实践意义。一是应加快数字基础设施建设，加快数字经济平台孕育，在此基础上增强数字经济在产业融合中的关键作用，提高绿色全要素生产率。二是坚持因地制宜发展策略。在经济发展程度、资源禀赋等方面存在不同的东部和中西部制定差异化的产业政策，使之与数字经济形成良性互动机制，最终推动绿色发展。三是要加快促进中西部地区产业链向中高端攀升，营造利于创新的良好氛围，努力提升数字经济能力向东部地区靠拢，争取突破不发达地区的发展瓶颈，促进区域协同发展。