■乌 静，肖鸿波，陈 兵

一、引言

环境与资源问题已成为我国经济社会发展绿色转型的重大挑战，绿色发展是中国高质量发展的战略选择。与此同时，数字经济的蓬勃兴起为中国经济社会高质量、可持续发展带来了新的机遇，也为绿色发展提供了重要路径。数字经济对绿色发展具有显著的正外部性（许宪春等，2019），而绿色发展的根本途径在于绿色全要素生产率的全面提高（王兵和刘光天，2015）。因此，面对数字经济所带来的契机与挑战，数字经济发展是否能够提升绿色全要素生产率，进而驱动绿色发展是值得探讨分析的问题。本文将在归纳梳理已有研究成果的基础上，结合数字经济与绿色发展的实际开展实证分析。

二、文献回顾与研究假设

数字经济是以数字技术优化经济结构与提升效率推动力的一系列经济活动，其中数字化信息与知识是生产要素，信息化赋能基础设施为重要载体（许宪春和张美慧，2020）。全要素生产率是资本与劳动力等生产要素不改变时，经济增长的速度，而绿色全要素生产率（Green Total Factor Productivity）是基于全要素生产率的测算框架进行修订，将环境因素纳入测算的指标（Chung et al.，1997）。绿色全要素生产率的本质在于以最低的资本、能源等生产要素投入实现经济效益最大化。本文认为数字经济可以通过激发创新效率、优化产业结构、提高公共服务能力和加强环境监管有效增加经济效益，降低生产要素投入，减少环境非期望产出，提升区域的绿色全要素生产率。

以互联网、大数据等数字技术为主导的数字经济正在全球范围内改变生产方式与消费模式。一方面，通过数字技术优化供应网络与销售渠道，企业能够改善业务流程与客户服务、制定更具有弹性的价格，以应对供需结构变化，进而减少运营成本。另一方面，数字技术还赋予整合信息资源、融资平台与相关支持政策在内的创业载体新的路径（张前荣，2015），而且模糊了创新各阶段之间的时间与空间边界，给予不同创新主体在不同时空背景下创新活动便利性（Nambisan et al.，2017），创业型企业与各创新主体获得长足发展，改善了市场创新创业环境。科技创新正是推动绿色全要素生产率提升的重要因素（钱娟和李金叶，2018）。此外，创新创业有助于提升人力资本，进而间接地作用于绿色发展。

产业结构升级对区域经济增长具有显著的促进作用，也有助于绿色全要素生产率的提升（刘赢时等，2018）。数字经济则能够通过与传统农业、工业与服务业的融合创新发展，将数字技术融会贯通于生产流通的各个阶段，从而带动各产业结构升级（王凯，2021）。随着我国数字经济蓬勃发展和经济转型升级加速，传统生产要素与数字经济的融合使得生产要素由第一产业转移至第二产业与第三产业。资本与各要素的配置不断优化并最终流向高效率部门，有效改善了经济发展对能源资源的依赖程度，促使产业结构向数字化、合理化与绿色化转型升级（Kohli&Melville，2019）。随着产业结构高级化，资源利用率也进一步提升，生态污染得到有效改善（朱广印和王思敏，2020），绿色全要素生产率必然逐步提高。此外，催生出的一批如“微经济”和“虚拟产业园”等在内的新业态，在加快绿色新产业发展的同时，有利于减少污染物排放，优化资源环境并提升环境整体质量，从而带动绿色全要素生产率提升。

同时，随着“互联网+政务服务”等“数字政府”建设，环保系统的相关部门、生态环境信息与数据得到有效整合。一方面，信息流动速度加快，打破了生态环境的数据壁垒，建立了生态治理管理信息系统，信息资源在个人、企业与政府三者间能够实现顺利流通与有效利用。另一方面，以数字技术为着力点，可以实现生态环境的监控、预测与预警，环境监管体系得到完善，有益于助推绿色发展。基于上述分析，提出如下研究假设：

H1：数字经济有利于推动绿色发展，即数字经济能够显著促进区域绿色全要素生产率提升。

区域间绿色全要素生产率的溢出机制主要表现在两个方面：一是知识与技术溢出。知识与技术溢出是不同主体间互动与交流而产生知识与技术传播的过程（赵勇和白永秀，2009）。知识人才的流动、与周围群体的互动既有利于新知识、新技术的产生，又在一定程度上加速了知识与技术的传播速度。同时，通过“产—学—研”创新网络与区域企业间存在的联系或市场交易行为，知识与技术的溢出与扩散效应得到加速。二是制度溢出。制度的溢出是一种循序渐进、潜移默化的过程，既包括地方政府间正式制度的溢出，也包括地方政府及组织间非正式制度与政策知识的溢出。制度与政策知识较为欠缺的地区，会积极学习借鉴邻近制度、知识较为完备地区的先进经验，以降低制度创新成本，从而产生制度的溢出效应。

Yilmaz et al.（2002）使用美国的数据证明了信息化具有空间溢出效应。基于中国数据的实证研究同样证实了互联网能够产生空间溢出效应（边志强，2014）。数字经济的重要特征是依托于超量、高速的信息，压缩了时间与空间距离，区域间经济活动与生产生活关联的广度与深度得到强化，使得知识溢出、技术溢出与制度溢出突破了固有的时空限制，生产要素的流动速度加快，市场交易过程中的交易双方产生了规模经济效应。企业借助数字基础设施，形成规模经济，降低交易成本，又加速了地区间的技术和知识溢出（王娟，2016），从而作用于邻近地区的绿色全要素生产率。依据上述分析，提出以下研究假设：

H2：绿色全要素生产率的发展存在空间溢出效应。

H3：数字经济能够通过空间外溢效应作用于邻近地区的绿色全要素生产率。

三、研究设计

（一）空间权重矩阵构建

地理距离矩阵（W）。根据地理学第一定律，本文从中国30个省（自治区、直辖市）的地理距离出发，构建空间回归的第一种权重矩阵，具体计算如下：

其中，W为地理距离矩阵；d表示两省份之间的地理距离。

经济地理矩阵（W）。借鉴Fingleton&Gallo（2008）的研究，综合考虑地理距离和经济发展两个属性，构建经济地理矩阵，具体计算如下：

其中，W为经济距离权重，pgdp与pgdp分别表示省份i与j的年人均GDP；W为经济地理矩阵。

（二）空间回归模型构建

基于上述空间权重矩阵，通过与空间误差和空间滞后相结合的空间杜宾模型来探讨数字经济对绿色全要素生产率的影响及空间效应。同时，考虑到变量的自相关性，将绿色全要素生产率滞后一期纳入解释变量构建了动态空间杜宾模型，具体如下：

其中，i表示省（自治区、直辖市），t表示年份；GTFP表示地区绿色全要素生产率；GTFP表示地区绿色全要素生产率的滞后一期项；int表示数字经济发展水平；X表示一系列控制变量；ρ表示绿色全要素生产率的空间溢出系数；α、α、α与α分别表示待估参数；W表示空间权重矩阵；μ与θ分别表示个体固定效应和时间固定效应；ε表示扰动项。

（三）变量说明

1.被解释变量：绿色全要素生产率（GTFP）。全要素生产率主要考虑人力资本和物质资本两部分，绿色全要素生产率投入要素包含劳动投入、资本投入和能源投入三项指标。本文中，劳动投入采用城镇就业人数表示；资本投入采用资本存量表征，选取固定资产投资额，通过永续盘存法计算得到；能源投入采用全年用电量刻画。期望产出指标为折价处理后的实际GDP，非期望产出指标包括二氧化硫、工业固体废物和PM2.5。借鉴Chung et al.（1997）的测算方法，基于非径向非角度超效率SBM模型和Malmquist-Luenberger指数计算得到各省际绿色全要素生产率。

2.核心解释变量：数字经济（int）。参照王军等（2021）的做法，依据数字经济核心内涵和发展实际从数字经济发展载体、数字经济发展环境、数字产业化和产业数字化四个维度构建中国省际数字经济发展水平测度体系。为了准确测度数字经济发展水平，采用主成分分析法对各省际数据进行处理，且样本数据通过了Bartlett球形检验和KMO检验。中国省际数字经济水平测度体系具体见表1。

表1 中国省际数字经济水平测度体系

3.控制变量。绿色全要素生产率会受多种因素的影响。为降低实证研究偏误，对市场化水平（mar）、开放水平（open）、政府干预（gov）、金融发展水平（fin）与人力资本（hum）变量进行控制。其中：选取非国有企业员工占比刻画市场化水平（mar）；选取用人民币表示的进出口总额与GDP的比值表征开放水平（open）；选取政府财政支出所占GDP的比重表示政府干预（gov）；选取金融机构年末存贷款余额与GDP的比值反映金融发展水平（fin）；选取受小、初、高中教育和大专及以上教育人数所占6岁以上人口的比重乘以相应教育年限（6、9、12、16）的和衡量人力资本（hum）。

（四）数据来源与描述性统计

本文选取中国2006—2019年30个省（自治区、直辖市）的面板数据进行实证分析，鉴于西藏自治区及港澳台地区的相关数据存在明显缺失，故进行了剔除处理。所使用的数据主要来自《中国统计年鉴》《中国科技统计年鉴》与《中国互联网发展状况统计报告》，其中个别缺失数据使用插值法补齐。数据的描述性统计如表2所示。

表2 数据描述性统计

四、实证分析

（一）空间相关性分析

本文基于地理距离矩阵、经济地理矩阵采用运用广泛的Moran’s I指数法来检验30个省（自治区、直辖市）绿色全要素生产率的全局相关性，并使用Stata16软件计算出相关结果，如表3所示。同时，为更好识别不同空间上绿色全要素生产率的空间关联模式，本文选择Local Moran’s I来检验局部相关性，Moran’s I散点图见图1。从图表可以看出，GTFP全部为正且多数通过了10%的显著性检验，散点图表明GTFP主要集中于一、三象限，这表明绿色全要素生产率在空间存在很强的正向相关性和相似的聚集特征。这也说明选择空间回归模型是较为合适的。

表3 两种权重矩阵下绿色全要素生产率的Moran’I指数

图1 绿色全要素生产率莫兰散点图

（二）空间回归结果分析

本文在空间模型中加入包含时间和个体的双重固定效应，以期得到更稳健的结果。同时，对其进行LR和Wald检验以证明SDM模型的稳健性。可以发现，LR和Wald的系数通过了检验，即SDM模型无法退化为SAR或SEM模型，因此本文选用空间杜宾模型研究数字经济与绿色全要素生产率的关系是有效的。

表4为地理距离矩阵和经济地理矩阵下的空间杜宾模型估计结果。从表4的列（1）与列（2）可以发现：首先，从核心解释变量看，数字经济发展系数均在1%的水平上通过显著性检验且为正，表明数字经济的发展会推动绿色全要素生产率的提升，假设H1得到验证。其次，从被解释变量看，绿色全要素生产率存在显著的时间效应和空间效应。从时间维度看，绿色全要素生产率滞后项系数在1%的置信水平上显著为正，说明绿色全要素生产率具有显著的时间滞后效应，即前期的技术进步和效率改善将对后期绿色全要素生产率提升产生积极影响。绿色全要素生产率的相关系数ρ通过1%的显著性检验且为正，表明绿色全要素生产率存在明显的空间互动，即绿色全要素生产率的提升将对邻近地区产生明显的溢出效应，假设H2得到验证。

表4 两种权重矩阵下的空间回归结果

（三）本地溢出效应、邻地域溢出效应与总溢出效应分析

为验证假设H3，并更具体地识别数字经济对绿色全要素生产率的影响，基于地理距离矩阵，进一步将数字经济对绿色全要素生产率影响的溢出总效应分解为直接（本地）溢出效应、间接（邻地）溢出效应，估计结果见表5。

表5 数字经济溢出效应分析

从表5的列（1）—（3）看，数字经济发展可以显著促进本地绿色全要素生产率的提升；与此同时，从间接效应看，数字经济发展的系数在5%的水平上显著，即数字经济的发展还能辐射周边地区，证实了数字经济会影响邻近地区的绿色全要素生产率，研究假设H3得到验证。

（四）异质性分析

因为不同省域在地理位置、产业结构与经济发展状况等方面存在差异，数字经济对绿色全要素生产率的影响可能在时间与空间维度上存在地区差异，异质性分析结果见表6。

表6 异质性分析结果

异质性回归结果表明数字经济对不同地区绿色全要素生产率的影响存在时空效应差异。从地理距离矩阵来看，第一，不同地区的绿色全要素生产率在时间维度和空间维度上存在差异。一方面，东中西三个地区的时间滞后效应均在1%的水平上显著，而东部地区在时间维度上的路径依赖性明显大于中部和西部地区；另一方面，中部地区的绿色全要素生产率对邻近省份并无显著的空间效应，东部和西部地区的估计系数都表明绿色全要素生产率存在显著的空间溢出效应。第二，核心解释变量的估计结果表明，数字经济对绿色全要素生产率具有显著的促进作用，但影响的强弱程度存在地区间差异，即对于东部地区的影响程度明显低于中西部地区。

从经济地理距离看，第一，不同地区的绿色全要素生产率在时间维度和空间维度上同样存在差异。东中西三个地区的时间滞后效应均在1%的水平上显著，而西部地区绿色全要素生产率时间路径依赖明显小于东部和中部地区。东中西三个地区的空间效应系数表明东部和西部地区绿色全要素生产率的提升均能显著带动邻近省（自治区、直辖市）的发展，即存在显著的空间溢出效应，中部地区的空间溢出效应并不明显。第二，数字经济对绿色全要素生产率的影响强弱存在地区差异性，东中西三个地区的估计系数至少在5%的水平上表明数字经济对绿色全要素生产率存在正向影响，但对中部和西部地区的影响强度要大于东部地区。

（五）门槛效应分析

由于数字经济具有典型的资本和技术密集型产业特征，完善的数字化生态基础是数字经济的良好基础，而资本和技术实力是数字化生态基础的关键。因此，本文利用面板门槛回归模型，进一步探索数字经济对绿色全要素生产率提升的作用中是否存在技术和资本门槛效应，构建的门槛模型如下：

其中，i表示省份，t表示年份；GTFP表示地区绿色全要素生产率；int表示数字经济发展水平；q表示门槛变量，指代研发投入与要素禀赋，研发投入用RD投入强度衡量，要素禀赋用RD人员占城镇从业人数的比重表示；I表示指标函数；c表示具体的门槛值；X表示一系列控制变量；ε表示扰动项。

在进行门槛回归之前，基于Hansen的方法对门槛效应的存在性进行检验，以确定是否存在门槛效应及门槛个数，从而确定门槛模型的形式。从检验结果看，研发投入门槛变量通过了单一门槛检验，未通过双重门槛和三重门槛检验；要素禀赋未通过门槛检验。因此，选用单一门槛模型进行回归，回归结果见表7。从回归结果中可以发现，数字经济对绿色全要素生产率的正向促进作用随着研发投入的提高而边际递减。具体来说，若研发投入跨越第一重门槛值时，数字经济对绿色全要素生产率的影响系数由0.1391变为0.0655。产生这一结果的原因可能在于：新经济增长理论与新贸易理论认为，依托技术的学习与模仿，后发经济体可以实现技术蛙跳（李若曦和赵宏中，2018）。后发地区能够通过前期研发投入的增加，吸收消化先进地区的知识与技术，实现技术的跨越式发展，以进行迎合市场需要的创新活动。当本区域的技术水平接近先进技术水平前沿时，进行自主创新以突破核心技术的难度加大，地区的创新活动进入瓶颈期，创新周期增加。因此，数字经济在跨越研发投入的门槛后，对绿色全要素生产率的促进作用会降低。

表7 门槛回归结果

（六）稳健性检验

第一，工具变量法。借鉴韩璐等（2021）做法，选取1999年邮电历史数据即1999年移动电话数作为衡量数字经济发展的工具变量。有效的工具变量应该满足外生性和相关性两个条件。从外生性来看，1999年邮电数据作为历史数据，不会对现在的绿色全要素生产率产生显著的影响，满足外生性的条件。从相关性看，移动电话作为重要的通信设备，早期移动电话数量较多的地区通信行业较为发达，对于数字经济的发展具有重要的推动作用，因此二者之间存在相关性。此外，邮电数据是截面数据，而本文的模型设定要求数据是随时间变化的面板数据，所以本文构造了截面工具变量与时间变量的交互项来作为数字经济的工具变量。

表8列（1）、列（2）中报告了两阶段最小二乘法（2SLS）估计的结果。回归结果显示：工具变量（IV）与核心解释变量（inte）存在着显著的正相关关系，且Cragg—Donald Wald F检验的统计量为78.82，通过了弱相关检验，验证了工具变量的有效性；核心解释变量（int）的系数表明，在1%的显著水平下数字经济显著地促进了绿色全要素生产率的提升。与上文基准回归结果一致，证明了本文回归模型的稳健性。

第二，更换空间矩阵。本文用地理邻接矩阵作为新的空间权重矩阵纳入基准回归。稳健性检验结果见表8的列（3）。核心解释变量数字经济的系数仍然在1%的水平上显著，再次说明本文的实证结果具有稳健性。

表8 稳健性检验结果

五、结论与对策建议

本文基于2006—2019年中国30个省（自治区、直辖市）的面板数据，运用空间杜宾模型与面板门槛模型，分析和检验了数字经济对绿色全要素生产率的影响及地区间的异质性，并进一步探索了数字经济对绿色全要素生产率提升作用中存在的技术和资本门槛效应。主要研究结论如下：第一，数字经济会显著促进绿色全要素生产率的提升，同时还存在空间溢出性，即本地数字经济的发展还能促进邻近地区绿色全要素生产率的进步。第二，绿色全要素生产率在时间维度和空间维度上都具有路径依赖性。在时间维度上，绿色全要素生产率具有显著的时间滞后效应，即前期的技术进步和效率改善将对后期绿色全要素生产率提升产生积极影响；在空间维度上，绿色全要素生产率的提升会带动周边地区或者经济发展水平相似地区的绿色全要生产率的提升。第三，区域异质性结果表明，不同地区的绿色全要素生产率在时间维度和空间维度上存在差异。总体来看东部和中部地区的时间滞后效应要强于西部；东部和西部地区的空间溢出效应要强于中部地区。从数字经济发展对绿色全要素生产率的促进作用来看，中部和西部地区要强于东部地区。第四，研发投入在数字经济对绿色全要素生产率的提升作用中发挥了单一门槛作用，当跨越门槛值后促进效应会出现递减的规律。

本文所得出的研究结论对于我国数字经济与绿色发展具有一定的启示与借鉴意义。首先，要加大对数字技术、数字基础设施研发与投入的支持力度，进一步强化资源的合理分配，提升资源的有效利用率，推进数字中国的建设进程，为我国绿色发展培育新引擎。其次，要对我国数字经济的区域发展与布局进行宏观调控，充分发挥数字经济对绿色全要素生产率提升的空间溢出效应。政府部门应明确区域发展的异质性战略方向，形成以创新为导向的发展战略，避免区域间的恶性竞争，从而导致绿色全要素生产率出现“虹吸效应”。对于高水平绿色全要素生产率地区，应充分发挥人力资本、新技术与知识向邻近地区的辐射与带动作用，实现区域化协同发展；对于低水平绿色全要素生产率的地区，在积极培育创新型人才，提升区域创新能力的同时，提升学习与吸收借鉴的能力，促进绿色全要素生产率的提升。最后，重视研发投入在绿色全要素生产率提升中的作用，要基于区域与绿色发展阶段的差异性，制定适度的地区研发投入，以助推区域的绿色发展与高质量发展。