孔令章 李金叶

摘要 从减少城市污染排放和提高城市能源效率的双重视角探究数字经济发展的绿色经济效应符合中国式现代化发展的时代要求。研究基于2011—2019年中国280个地级及以上城市面板数据，利用ArcGIS空间分析法探究中国数字经济发展的时空格局，并采取固定效应模型、双重差分模型和空间杜宾模型检验数字经济发展的“减排”与“增效”效应。结果表明：①中国数字经济发展整体呈现递增态势，区域发展差距日益缩小。在空间演化格局上，先行区发展从“零星式”分布演化为“多点式”覆盖，围绕先行区分布的推进区数量逐渐增多，并与先行区形成“组团式”发展格局。②数字经济发展有利于减少城市约4%的污染排放，提升城市约9%的能源效率，在一系列稳健性检验和内生性讨论后，该结论仍然成立。③不同的地理区位、行政级别和资源禀赋，数字经济发展“减排”与“增效”的影响不同。其中，东部地区数字经济发展“仅增效，不减排”，非东部地区、中心城市和非资源型城市数字经济发展“既减排，又增效”。④产业结构升级是数字经济发展“减排”与“增效”的中介机制，人力资本仅是数字经济发展“增效”的中介机制。⑤数字经济发展有利于本地区“减排”与“增效”，但通过空间溢出效应对邻近地区“仅增效，不减排”。研究建议继续夯实数字经济发展基础，同时警惕地区之间的发展差距，完善数据要素资源体系，着重培养跨界型、复合型人才和推动传统产业转型升级，助推区域形成数字经济发展合力，实现全社会污染排放减少和能源效率提高的“双赢”目标。

关键词 数字经济发展；污染排放；能源效率；人力资本；产业结构升级；空间溢出

中图分类号 FO62. 1 文献标志码 A 文章编号 1002-2104（2023）07-0168-12 DOI：10. 12062/cpre. 20230106

以数字技术、数据要素为核心的数字经济凭借其高渗透性、规模效应及网络效应在城市创新、实体经济、高质量发展等方面表现出强大的影响力［1-3］，逐渐引起社会各界的广泛关注。2022年1月，国务院印发《“十四五”数字经济发展规划》，从全局和战略高度指出，在新阶段新挑战新机遇下，做强做优做大中国数字经济，为构建数字中国，实现经济持续、高效、安全发展提供有力支撑。中国信息通信研究院发布的《中国数字经济发展报告（2022）》显示，2021年，中国数字经济规模达到4. 55×105亿元，占GDP比重为39. 8%，较2005年（2. 6×104亿元）增加了16. 5倍。数字经济在国民经济中“稳定器”“加速器”的作用更加凸显。那么，数字经济发展能否作为一种“新引擎”与“新动力”，聚焦于减少城市污染排放（以下简称“减排”）与提高城市能源效率（以下简称“增效”）的新目标，通过“数字赛道”竞争促进城市绿色发展，为实现中国式现代化提供新方案，是该研究力图解决的核心问题。

1 文献综述

与研究相关的文献主要有三类：第一类是关于数字经济发展的测算。在国家层面上，许宪春等［4］借助行业增加值结构系数、数字经济调整系数与行业增加值率等指标，对中国2007—2017年数字经济增加值和总产出等指标进行测算。部分学者采用了直接测算法、指标体系法、卫星账户法测算了中国数字经济发展规模［5-6］。在省级层面上，刘军等［7］基于数字经济发展内涵，从信息化、互联网和数字交易三个维度构建数字经济评价指标体系。一部分学者限于数据可得性和核算方法有限性，主要选择数字产业化与产业数字化衡量数字经济发展［8-9］。在地级市层面上，黄群慧等［10］和趙涛等［3］从互联网发展和数字金融普惠两个方面构建了数字经济综合发展指数。周晓辉等［11］将其拓展至数字经济载体、产业数字化和数字产业化三大主体。柏培文等［12］从数字用户、数字企业、数字平台、数字产出四大维度出发，进一步增加了数字企业维度的衡量指标。陈贵富等［13］在以往学者的研究基础上，从数字基础设施、数字产业化、产业数字化和数字创新四个维度测度了数字经济综合发展水平。另外，也有学者将“宽带中国”战略视为一项准自然实验以衡量数字经济发展，利用双重差分模型评估其产生的政策效果［14］。

第二类是关于数字经济发展的经济效应研究。部分学者以定性的方法探讨了数字经济影响高质量发展的理论框架［15-16］，数字经济可以通过新的投入要素、新的资源配置效率和新的全要素生产率三条路径促进经济高质量发展。在经历了新型冠状肺炎疫情后，更需要充分发挥数字经济的规模效应，结合中国市场优势和数据优势赋能“双循环”战略［17］。在定量研究上，学术界分别从宏观、中观、微观的多维视角对数字经济发展的经济效应进行了深入讨论。首先，数字经济促进包容性增长［18］，显著提升城市创新能力，且城市创新能力越高，数字经济对城市创新能力的赋能作用越明显。当前，数字经济对经济高质量发展的促进作用仅限于本地区，对邻近地区的积极作用不显著［19］。数字经济对东部地区实体经济产生了“挤出效应”，在中西部地区则产生了“促进效应”［2］。数字经济发展不仅有利于产业结构升级，也带动了就业结构优化和就业质量提升［8］，促使就业结构制造化、高技术化与高技能化［20］。

第三类是关于数字经济发展的绿色经济效应研究。一部分学者利用中国城市面板数据发现，数字经济发展通过优化资本配置提升绿色全要素生产率［11］，并通过加速产业结构调整和绿色技术创新促进绿色高质量发展［21］。数字经济发展能够降低环境污染［22］，但与碳减排强度存在“U形”关系［23］。另一部分学者利用中国省级面板数据发现，当前数字经济与经济绿色化之间存在“倒U形”关系，即随着数字经济水平的提升，经济绿色化表现出先上升后下降的发展趋势［24］。数字经济发展对中国能源绩效产生了显著的促进作用，政府财政监管和环境规制力度增加可以显著强化这种促进作用［25］。

以上文献为研究数字经济发展的“减排”与“增效”效应提供了重要参考，但仍存在以下不足：首先，当前学术界更聚焦于数字经济发展的测度研究，关于其产生的经济效应特别是绿色经济效应有所忽视。其次，现有不多的文献中，尚未出现从“减排”与“增效”的双重视角对数字经济发展进行深度剖析。最后，数字经济发展能否通过空间溢出效应影响城市“减排”与“增效”，并未有文献直接回答这一问题。鉴于此，该研究试图从以下三个方面进行深入探索：①从“减排”与“增效”的双重视角探究数字经济发展产生的绿色经济效应；②运用双重固定效应模型、双重差分模型和空间杜宾模型，尝试从一般估计、政策评估和空间关联的多维角度增强研究结论的科学性与稳健性；③结合地理学和经济学的研究范式，运用ArcGIS自然断点法分析中国城市层面数字经济发展的时空变化趋势，通过先行区、推进区、追赶区和滞后区的分布格局，为后文空间溢出效应的研究提供现实基础。期望在作用机制上，厘清数字经济发展产生“减排”与“增效”效应的内在逻辑与不同途径，为数字经济赋能城市绿色发展提供理论支撑。

2 理论分析与研究假说

主要从直接影响、间接影响和空间影响三个方面阐述数字经济发展产生“减排”与“增效”效应的作用机制（图1）。

2. 1 数字经济发展对减少污染排放和提高能源效率的直接影响

数字经济发展对减少污染排放的直接影响主要表现在企业绿色生产模式重构、政府环境污染监管手段更新和社会环保意识增强三个方面。在企业绿色生产模式重构上，数字经济发展增强了企业污染防治的主体地位，依托互联网、大数据、云计算、区块链等新兴技术有效整合生产决策中的各类信息资源，减少信息碎片化、不对称问题，企业生产效率提高，无效性生产降低，污染排放显著减少。在政府环境污染监管手段上，数字技术极大改善了传统环境监管模式供给不足、手段落后、效率低下等问题，特别是遥感技术、大数据、云计算的应用实现了对空气质量、河流水质、污染排放等环境数据的实时动态监测［26-27］，政府环境监管的精准性和有效性明显提升。在增强社会环保意识上，数字媒介通过实现政府与社会之间的信息共享，为公众学习环保知识、践行环保理念提供新方式和新渠道。线上环境监督、交互式数据分发等形式，有利于政府、企业、民众三方之间形成互动沟通机制，通过监督、舆论、建议等方式协同治理污染排放。数字经济发展对提高能源效率的直接影响主要表现在降低交易成本、构建资源共享平台和增强社会节能理念三个方面。在降低成本上，数字经济形成的开放式、网络化生态链，具备明显的平台化、共享化特征，有利于在经济个体之间形成能源利用技术的扩散［28］，同时在买卖双方中快速识别有效需求，实现精准配对，降低交易成本，进而提高能源效率。在资源共享平台构建上，数字技术通过建立环境信息共享平台，及时披露环保项目、绿色产品以及环保活动方面的相关信息，帮助投资者识别绿色投资机会、引导消费者购买环保产品，培养绿色消费模式，降低能源消费。在增强社会节能理念上，数字技术下诞生的共享经济从根本上改变了交通出行、工业生产等领域的生产消费模式。例如，共享单车实现了交通资源的充分利用，绿色低碳出行方式日益普及，通过产品的“触达能力”帮助用户和消费者增强环保意识，推动全社会向节能低碳的行为方式转变。据此，提出以下假说。

假说1a：数字经济发展有利于减少城市污染排放。

假说1b：数字经济发展有利于提高城市能源效率。

2. 2 数字经济发展对减少污染排放和提高能源效率的间接影响

基于现有文献和经济学逻辑，认为人力资本和产业结构升级是数字经济发展减少污染排放和提高能源效率的间接机制。

在数字经济发展起步阶段，新业态的诞生为全社会劳动力提供了大量的就业岗位，为胜任部分知识技能密集型岗位，相关劳动者通过“干中学”或“职业培训与继续教育”提升自身综合能力以适应社会发展。随着数字技术的广泛应用，数字型人才的关键作用日益凸显，刺激了人力资本投资，特别是增加数字人才的培养［29］。数字时代下，现有教育体系在学科建设、专业设置、社会实践等方面，更加注重专业型、复合型、实用型人才的重点培养，有利于打破传统学科壁垒，增强数字知识、技能与不同学科专业之间的相互联系，為数字创新研究成果转化奠定坚实的人才基础。另外，数字教育在促进教育公平、实现全民教育和终身教育，提升中国人力资本水平上具有其他教育方式无法替代的作用。各种搜索引擎、在线学习、人工智能、实时翻译等数字化教育手段，极大拓宽了普通民众获得知识的来源、渠道和种类，进而促进全社会劳动力数量和技能水平提升。然而，人力资本水平并非越高越好，人力资本水平越高，越容易导致污染排放的加剧，但人力资本水平越高的地区通常环境管制也会更为严苛［30］，在一定程度上又会减少污染排放。对于提高能源效率而言，人力教育的发展和人才培养是能源结构和能源效率优化的重要路径［31］。据此，提出如下假说。

假说2a：数字经济发展通过提升人力资本减少城市污染排放的中介机制存在不确定性。

假说2b：数字经济发展通过提升人力资本进而提高城市能源效率。

数字经济通过数字技术降低搜寻、交易和复制成本，拓展产业链分工边界，改变生产关系，加速产业之间融合发展和产业内部结构调整。随着数字技术与市场经济的深度融合，数字经济发展规模不断扩大，通过对传统产业进行数字化、网络化和智能化改造，促进传统产业与数字化产业相互融合，改变了传统的产业模式和生产方式，逐渐向绿色转型发展［32］。另外，数字信息的零边际成本特征，孵化高科技、高附加值、高成长性并存的“三高”现代化产业，凭借生产效率更高、资源配置效率更优、生产技术更先进的显著优势，在生产过程中降低石油等能源使用和二氧化碳等污染物排放［33］。在数字时代下，新产业和新业态的出现会加快高污染、高耗能产业的淘汰进程，对提高能源效率产生显著的积极作用［34］。据此，提出如下假说。

假说3a：数字经济发展通过产业结构升级减少城市污染排放。

假说3b：数字经济发展通过产业结构升级提高城市能源效率。

2. 3 数字经济发展对减少污染排放和提高能源效率的空间影响

数据作为一种新型生产要素，相较于劳动、资本等传统要素，具有高速度和可复制的典型特征，有利于不同地区之间实现资源跨区域共享。数字经济以数字化的知识和信息作为关键生产要素，以现代信息网络作为重要载体，有利于打破时空限制和行政壁垒，增强区域间经济交流的广度与深度。随着数字技术的进步，数据的流动性和获取性大大提高，跨时空传播的成本呈几何级数下降［35］。同时，在“数字中国”构建和绿色发展的目标下，占领数字技术高地成为各级政府政绩竞争的“新标杆”，地区政府之间的策略性互动决定了数字经济发展不会局限于影响本地区“减排”与“增效”，也会通过空间溢出效应对邻近地区产生重要影响。在减少污染排放方面，数字经济发展对周边城市各类环境污染物存在负向空间溢出效应［36］，借助环境监测数据的互通共享，通过区域污染联防联控手段，可以实现资源节约和污染减排。在提高能源效率方面，数字经济发展不仅有利于本地区能源环境绩效的增加，并通过正向的空间溢出效应带动周边地区能源绩效的提高［25］。据此，提出如下假说。

假说4a：数字经济发展不仅有利于本地区减少污染排放，并通过空间溢出效应促进邻近地区减少污染排放。

假说4b：数字经济发展不仅有利于本地区提高能源效率，并通过空间溢出效应促进邻近地区提高能源效率。

3 研究设计

3. 1 研究方法

3. 1. 1 基准回归

选用双重固定效应模型检验数字经济发展的“减排”与“增效”效应，具体模型如下所示：

= 0 + 1 + 2+ + + （1）

式中：和为城市和年份，为被解释变量污染排放和能源效率，为解释变量数字经济发展，为一系列控制变量，为个体固定效应，为时间固定效应，为随机扰动项。

3. 1. 2 机制检验

选用中介效应模型“三步法”进行作用机制分析［37］。具体公式如下：

= 0 + 1+ 2+ i + + （2）

= 0 + 1 + 2 + 3+ + + （3）

式中：表示人力资本和产业结构升级二个中介变量。①对式（1）进行基准回归，若1 通过显著性检验，说明数字经济发展有利于减少城市污染排放和提高城市能源效率；②对式（2）分别回归，若1 显著为正，说明数字经济发展促进了人力资本和产业结构升级；③加入中介变量后，若式（3）中2通过显著性检验，且1系数的绝对值相对于1变小或显著性降低，则表明人力资本和产业结构升级是数字经济发展产生“减排”与“增效”效应的中介机制。

3. 1. 3 空间杜宾模型（SDM）

借鉴文献［38］的做法，经过Hausman检验、LM 检验和Wald检验等一系列空间计量事前检验后，选用SDM模型分析数字经济发展对减少城市污染排放和提高城市能源效率的空间影响，具体公式如下：

= 0 + 1Σ= 1+ 1 + 2Σ= 1+Σ+ Σ= 1+ + + （4）

式中：表示空间权重矩阵，主要选择地理距离权重矩阵（1）、0-1邻接矩阵（2）和经济地理距离权重矩阵（3）。其余变量与基准回归模型一致。

3. 2 变量选择

3. 2. 1 解释变量

数字经济发展指标体系构建。以中国数字经济发展现实为基础，结合前人研究成果，充分考虑数据真实性、科学性与可获取性，最终以数字基础设施、数字产业发展、数字创新能力和数字惠普金融四个维度构建中国城市层面数字经济发展指标体系，并包含11个二级指标，具体细则见表1。测算方法主要借鉴文献［10］和［3］的做法，将准则层指标进行标准化处理后采用主成分分析法进行降维处理，最终得到中国城市層面数字经济发展指数（）。数字经济发展的区域差异。按照中国国家统计局的标准将所有样本划分为东部、中部和西部地区。图2结果显示，整体上，2011—2019年，中国数字经济发展呈现递增态势。分区域来看，东部地区数字经济发展遥遥领先，中部地区次之，西部地区稍落后于中部地区。在发展差距上，东部地区与中部地区数字经济发展差距由0. 47下降至0. 42，与西部地区数字经济发展差距由0. 52下降至0. 44。可见，随着时间的推移，数字经济发展势头愈发强劲，在提升综合国力、促进中国式现代化、复兴全球经济等方面具有重要意义。同时，中国政府出台的“东部率先发展、西部大开发、东北振兴、中部崛起”等一系列政策举措，在精准推进区域数字经济协调发展，缩小区域发展差异等方面产生了重要作用。

为了进一步探讨中国城市层面数字经济发展的时空分布特征，借鉴文献［39］的做法，利用ArcGIS自然断点法将数字经济发展指数由高到低划分为先行区、推进区、追赶区和滞后区四个等级（先行区是指在数字经济发展中属于先行一步，率先发展的区域；推进区仅次于先行区，是指朝着先行区目标前进的区域；追赶区排名第三，是指需要加快步伐，实现赶超的区域；滞后区排名末位，该区域数字经济发展水平落后于整体形势，是缩小区域差距的重点），主要选择2011、2015、2019年的数据进行展示。表2结果表明，先行区空间发展格局从“零星式”分布演化为“多点式”覆盖。2011年，先行区仅有北京和上海2个城市，均集中在东部地区。2015年，先行区城市数量并未发生改变。2019年，先行区城市增加至5个，覆盖范围涉及东部、中部和西部地区，空间布局日趋合理。围绕先行区分布的推进区城市数量逐渐增多，区域形成“组团式”发展格局。2011年，推进区仅有广州、深圳、成都3个城市，与先行区呈现独立发展。2015年，推进区增加至5个城市，其中，天津与先行区（北京）产生经济联系。2019年，推进区增加至8个城市，其中，天津、南京、苏州、杭州、重庆5个城市围绕先行区分布，形成“组团式”发展格局。因此，探讨数字经济发展产生的空间溢出效应是十分科学且有必要的。

3. 2. 2 被解释变量

污染排放（）：受限于数据的可得性，主要选取工业二氧化硫排放量、工业废水排放量和工业烟尘排放量，采用熵值法构建环境污染指数衡量城市污染排放程度。能源效率（）：选取考虑非期望产出的超效率SBM模型测算能源效率［40-41］。测算指标主要包括：投入要素，考虑到当前能源供给问题对中国经济高质量发展的关键作用，以能源投入表示资源投入要素，劳动力、资本投入表示非资源投入要素。其中，能源投入以用电量表示；劳动力投入以从业人员数表示；资本投入以社会固定资产投资总额表示。期望产出，以地区生产总值表示。非期望产出，以工业二氧化硫排放量、工业废水排放量和工业烟尘排放量表示。

3. 2. 3 机制变量

人力资本（）：人力资本水平的提升为数字创新研究成果转化奠定坚实的人才基础［30］，以普通高等学校在校学生人数与地区总人口的比重表示。产业结构升级（）：产业结构升级是经济高质量发展的重要支撑条件［33］，以第三产业增加值与第二产业增加值的比重表示。

3. 2. 4 控制变量

参考现有文献［42-43］，选取的控制变量有：经济发展水平（），以实际人均GDP 取对数表示。人口规模（pop），以年末总人口数取对数表示。政府干预（），以一般预算支出与地区生产总值的比重表示。科技投入水平（），以科学技术支出取对数表示。城镇化（），以城镇常住人口与年末总人口数的比重表示。描述性统计见表3。

3. 3 数据来源与处理

选取2011—2019年中国280个地级及以上城市（鉴于数据可获得性，研究未涉及香港、澳门、台湾和西藏）面板数据为样本，并对样本进行一系列筛除：数据缺失年份连续超过4年的城市，有三沙市、儋州市、毕节市、铜仁市、普洱市、中卫市。研究期间行政区划进行调整、变动的城市，有巢湖市、莱芜市、海东市、吐鲁番市、哈密市。统计年鉴、国民经济与社会统计发展公报、EPS数据库等统计口径无法一致的城市，有汕头市、陇南市。对以下几类数据进行重点说明。

城市经济面板数据。主要来自EPS数据库中的《中国城市统计年鉴》和《区域经济统计年鉴》，部分缺失数据通过各城市国民经济与社会统计发展公报予以补充，连续缺失数据在Stata软件中输入epolate命令填补。

数字经济发展指标构建数据。电子商务园区数据来自电子商务产业园发展联盟（http：//cyylm. ec. com. cn/）。数字经济相关专利数据来自国家知识产权局专利检索网站（http：//pss‑system. cnipa. gov. cn/）。上市公司中数字高新技术应用渗透程度来自CSMAR提供的中国数字经济研究数据库（http：//cn. gtadata. com/）。数字普惠金融數据来自北京大学数字金融研究中心与蚂蚁金服集团合作计算的中国数字普惠金融指数（http：//tech. antfin. com/research/data）。

污染排放和能源效率数据。主要来自《中国统计年鉴》《中国能源统计年鉴》和《中国环境统计年鉴》。

4 实证分析

4. 1 基准回归

基于模型（1）检验数字经济发展对减少城市污染排放和提高城市能源效率的直接影响。表4列（1）、列（2）结果表明，不论是否加入控制变量，的系数均在1%水平上显著为负，说明数字经济发展产生了显著的“减排”效应，假说1a成立。同理，列（3）、列（4）结果表明，不论是否加入控制变量，的系数均在1%水平上显著为正，说明数字经济发展产生了显著的“增效”效应，假说1b成立。控制变量中，经济发展水平（）对减少污染排放和提高能源效率均产生了显著的正向影响，说明增强地区经济综合实力是“减排”与“增效”的重要基础。政府干预（）对减少污染排放和提高能源效率均产生了显著的负向影响，说明政府干预程度过高，越容易造成资源配置效率损失，反而不利于地区减少污染排放和提高能源效率。

4. 2 稳健性与内生性检验

4. 2. 1 更换解释变量衡量指标

重新选取电信业务总量（）作为数字经济发展的衡量指标进行回归分析，表5列（1）结果表明，的系数在5%水平上显著为负，与基准回归结果一致。列（2）的系数在1% 水平上显著为正，与基准回归结果一致。可见，数字经济发展的确存在“减排”与“增效”效应。

4. 2. 2 滞后效应检验

考虑到数字经济发展可能存在滞后性影响，因此将除数字经济发展（）以外的所有变量进行滞后处理。表5列（3）—列（6）结果表明，不论是滞后1期还是滞后2期，系数的显著性与符号均未发生改变，且系数绝对值不断增加，在一定程度上说明了相较于短期影响，数字经济发展产生“减排”和“增效”效应的长期影响可能更大。

4. 2. 3 政策效应评估

网络基础设施建设是数字经济发展的基础，“宽带中国”战略的实施将着力扩大宽带覆盖范围和宽带用户数，大力提升宽带网速，服务中国经济高质量发展。因此，研究将“宽带中国”战略视为一项准自然实验［14］，利用双重差分模型（DID）评估数字经济发展对减少城市污染排放和提高城市能源效率的政策影响。

= 0 + 1 + 2+ + + （5）

式中：表示政策虚拟变量，2013年，国务院发布了《“宽带中国”战略及实施方案》，因此将2013年作为政策实施起始年份，对于2013年前取值为0，2013年后取值为1，其余变量与基准回归一致。表6 列（1）、列（2）结果表明，的系数显著性与基准回归结果一致，说明相较于非试点城市，“宽带中国”战略的实施更有利于试点城市“减排”和“增效”，再次验证了基准回归结果的稳健性。

4. 2. 4 内生性讨论

稳健性检验在一定程度上缓解了研究可能存在的内生性问题，但仍无法避免因遗漏变量和反向因果产生的误差。鉴于此，寻找工具变量进一步佐证基准回归结果的稳健性。考虑到工具变量需要满足“严外生”和“强相关”的要求，借鉴文献［10］的做法，选取1984年地区电话机拥有量作为数字经济发展的工具变量。需要说明的是，当工具变量为截面数据时，难以适用于面板数据回归的问题，因此参考文献［44］的做法，构造截面数据（1984年地区电话机拥有量）与时间序列数据（全国互联网投资额）的交互项作为工具变量（Ⅳ）进行2SLS回归。表6列（3）第一阶段回归结果表明，工具变量与数字经济发展存在显著的正向关系，同时Gragg‑Donald Wald 值为32. 11，大于临界值10，拒绝了弱工具变量的原假设，说明构建的工具变量合理。列（4）、列（5）第二阶段回归结果与基准回归结果一致，说明不存在因遗漏变量和反向因果造成的内生性问题。

4. 3 异质性分析

4. 3. 1 地理区位的异质性

中国东部、中部和西部地区在经济规模、资源禀赋、政策扶持力度等方面均存在显著差异，表7结果也证明了数字经济发展对减少城市污染排放和提高城市能源效率的影响的确受到地理区位的干扰。具体而言，东部地区数字经济发展产生了“增效”效应，而“减排”效应并不显著。中、西部地区数字经济发展则产生了显著的“减排”与“增效”效应。原因在于，当前东部地区数字经济发展属于“黄金上升期”，经济规模的扩张在一定程度上加剧了城市污染排放，同时在利润激励效应驱使下，数字技术的“治污”效应大打折扣，进而“减排”效应不显著［22］。中、西部地区数字经济发展仍处于“萌芽起步期”，但在“中部崛起”“西部大开发”等区域协调发展战略下，数字经济红利释放空间较大，结构优化效应和技术溢出效应更强，更有利于“减排”与“增效”。因此，数字经济发展对东部地区“仅增效，不减排”，对中、西部地区“既减排，又增效”。

4. 3. 2 城市级别的异质性

城市行政级别是探究中国城市和区域发展差异时不可忽视的关键性因素［45］。城市行政级别越高，一方面经济社会管理权限越宽，有助于城市争取更多来自中央政府的政策便利和战略资源。另一方面在“虹吸效应”下，人口、资本、技术等关键生產要素的逐利性特征不断放大，更有利于城市高质量发展。因此，借鉴文献［46］的做法，将直辖市、副省级城市或省会城市划分为中心城市，其余样本内城市则为非中心城市，再次探讨数字经济发展的“减排”与“增效”效应。表8列（1）的系数在5%水平上显著为负，列（2）的系数在5% 水平上显著为正，而列（3）、列（4）的系数均不显著，说明数字经济发展对中心城市产生了“减排”与“增效”效应，而对非中心城市的影响不显著。原因在于，一是中心城市管理效率较高，更有利于新业态和新兴产业的成长。二是中心城市获得政策扶持的机会与力度更大，容易成为中央政府区域经济发展的着力点。三是中心城市自身的经济发展基础良好，面对数字经济的迅猛冲击，具备更强的敏锐性与应对能力，进而快速响应相关政策并运用于城市绿色发展。

4. 3. 3 资源禀赋的异质性

关于资源型城市的划分标准，按照国务院发布的《关于印发全国资源型城市可持续发展规划（2013—2020年）的通知》（国发〔2013〕45号），并参考文献［47］的做法，当某个地级市所辖县级地区属于资源型城市或者该地级市市区属于资源型城市，则定义该城市为资源型城市，最终得到201个资源型城市。表9结果表明，数字经济发展有利于非资源型城市“减排”与“增效”，而对资源型城市的影响不显著。原因在于，资源型城市虽然具备较高的资源禀赋，但产业路径依赖严重且结构单一，长期以资源开采和制造业产业为主导致环境污染严重，当数字经济发展与当地特色产业融合不足时，难以推动固有的产业结构升级与经济发展模式转型。相较于资源型城市，非资源型城市受经济发展惯性制约较小，产业发展模式较为灵活，数字经济发展更容易产生“减排”与“增效”效应。

4. 4 作用机制分析

4. 4. 1 人力资本的中介机制

表10中，当=，被解释变量为时，列（2）的系数在1%水平上显著为正，说明数字经济发展促进了人力资本水平，而列（3）的系数不显著，说明数字经济发展通过提升人力资本减少城市污染排放的中介機制不成立。理论分析表明，数字经济发展为城市绿色发展提供了良好的人才基础，然而人力资本提升导致的交通拥挤、能源消耗增加、环境污染加剧等“城市病”问题日益突出，产生了阻碍绿色发展的“拥堵效应”。因此，在正负效应相互抵消后，“数字经济发展→人力资本提升→污染排放减少”的作用机制并不成立。当=，被解释变量为时，列（4）、列（5）结果表明，“数字经济发展→人力资本提升→能源效率提高”的作用机制成立，即数字经济发展促进了人力资本水平，进而提高了城市能源效率，假说2b成立。因此，在数字时代下，跨界型、复合型人才的培养是提高城市能源效率的重要路径，特别是高素质人才具备更强的环保意识和更加绿色的消费方式，为城市“增效”提供了必要支撑。

4. 4. 2 产业结构升级的中介机制

表11中，当，被解释变量为时，列（2）的系数在5%水平上显著为正，说明数字经济发展促进了产业结构升级，列（3）和的系数均在1%水平上显著为负，且列（3）系数的绝对值小于列（1）系数的绝对值，说明“数字经济发展→产业结构升级→污染排放减少”的中介机制成立，即数字经济发展促进了产业结构升级，进而减少了城市污染排放，假说3a 成立。同理，当，被解释变量为时，列（4）、列（5）、列（6）结果表明，“数字经济发展→产业结构升级→能源效率提高”的中介机制成立，即数字经济发展促进了产业结构升级，进而提高了城市能源效率，假说3b成立。可见，数字信息的零边际成本特征，孵化高科技、高附加值、高成长性并存的“三高”现代化产业，凭借生产效率更高、资源配置效率更优、生产技术更先进的显著优势，在生产过程中降低石油等能源使用和二氧化碳等污染物排放，实现“减排”与“增效”。

5 进一步研究：空间溢出效应

基于模型（4）选用SDM模型分析数字经济发展对减少城市污染排放和提高城市能源效率的空间影响。表12中，当被解释变量为时，三种空间权重矩阵下，的系数均在1%水平上显著为负，说明数字经济发展有利于减少城市污染排放。当被解释变量为时，的系数均在1%水平上显著为正，说明数字经济发展有利于提高城市能源效率。值得注意的是，空间模型中的系数绝对值均大于基准回归中的系数绝对值，说明考虑空间关系后，数字经济发展产生“减排”与“增效”效应的解释力会更强。

进一步观察×的系数发现，当被解释变量为时，仅有空间权重矩阵为1 时，×的系数显著为负。当被解释变量为时，三种空间权重矩阵下，×的系数均显著为正。这说明数字经济发展可能对减少城市污染排放和增加城市能源效率产生了空间溢出效应，然而，简单的点估计结果难以准确解释地区间与地区内的空间关系，更有可能得出错误的结论。因此，进一步选用偏微分法［48］，以直接效应验证某地区自变量对本地区因变量的影响，以间接效应验证某地区自变量对其他地区因变量的影响。分解效应表明，数字经济发展有利于减少本地区污染排放，但并未通过空间溢出效应减少邻近地区污染排放，假说4a部分成立。数字经济发展不仅有利于提高本地区能源效率，并通过空间溢出效应提高邻近地区的能源效率，假说4b成立。因此，如何充分利用数字经济发展的空间溢出效应，与邻近地区形成发展合力，通过区域污染联防联控的手段减少邻近地区污染排放，是现阶段数字经济赋能城市绿色发展过程中亟须思考的问题。

6 结论与政策建议

该研究基于2011—2019年中国280个地级及以上城市面板数据，探究数字经济发展的“减排”与“增效”效应。结果表明：中国数字经济发展整体呈现递增态势，地区之间数字经济发展差距日益缩小。在空间分布格局上，先行区发展格局从“零星式”分布演化为“多点式”覆盖，推进区与先行区形成“组团式”发展格局。数字经济发展有利于减少城市污染排放和提高城市能源效率，经过更换解释变量衡量指标、滞后效应检验、政策效应评估和内生性讨论后，该结论仍然成立。东部地区数字经济发展“仅增效，不减排”，非东部地区、中心城市和非资源型城市数字经济发展“既减排，又增效”。数字经济发展可以通过促进产业结构升级实现城市“减排”和“增效”的“双赢”目标，但提升人力资本“仅增效，不减排”。数字经济发展有利于本地区“减排”和“增效”，但通过空间溢出效应对邻近地区“仅增效，不减排”。

鉴于此，提出如下政策建议：①高度重视中国数字经济发展。继续扎实推进以数字化为核心的新型基础设施建设，例如人工智能、5G网络、“宽带中国”战略等，夯实数字经济发展基础。完善数据要素资源体系，增强数字经济发展动能，赋能全社会绿色发展目标的实现。②正确认识地区之间的发展差距。近年来，数字经济发展迅猛，但各地发展水平与发展速度仍存在一定差距，如若地方政府不能充分认识和重视“数字鸿沟”的危害，任由差距扩大，中小城市、偏远城市等弱势群体则很大可能在“数字赛道”竞争中掉队。欠发达地区需要主动加强与发达地区的经济联系，通过竞争、合作、学习等方式实现后发赶超，提升自身数字经济发展水平，推动区域协调发展。③利用数字技术培养跨界型、复合型人才和推动传统产业转型升级。通过“干中学”“职业培训与继续教育”“产学研”体系提升相关劳动者的数字素养和技能，缓解当前传统就业岗位数字人才缺失的问题。加快现有教育体系与数字经济发展的融合程度，增强数字知识、技能与不同学科专业之间的相互联系，为数字创新研究成果转化、城市绿色发展奠定坚实的人才基础。持续推动数字经济赋能传统产业转型升级，提高生产、管理、运营、销售等环节运行效率，倒逼落后低端产业实现循环、高效、集约的生产方式。④扩大数字经济发展的辐射效应。当前，中国数字经济发展高地仍集聚在北上广等发达地区，而周围地区数字经济发展水平普遍较低。发达地区需要进一步夯实数字龙头作用，形成区域增长极，引导数字红利扩散至邻近地区。同时，邻近地区也需找准自身优势，与发达地区形成资源互补，在数字共享中进一步实现绿色发展。

参考文献

［1］ 韩璐，陈松，梁玲玲. 数字经济、创新环境与城市创新能力［J］.科研管理，2021，42（4）：35-45.

［2］ 姜松，孙玉鑫. 数字经济对实体经济影响效应的实证研究［J］.科研管理，2020，41（5）：32-39.

［3］ 赵涛，张智，梁上坤. 数字经济、创业活跃度与高质量发展：来自中国城市的经验证据［J］. 管理世界，2020，36（10）：65-76.

［4］ 许宪春，张美慧. 中国数字经济规模测算研究：基于国际比较的视角［J］. 中国工业经济，2020（5）：23-41.

［5］ 蔡跃洲，牛新星. 中国数字经济增加值规模测算及结构分析［J］. 中国社会科学，2021（11）：4-30，204.

［6］ 向书坚，吴文君. 中国数字经济卫星账户框架设计研究［J］. 统计研究，2019，36（10）：3-16.

［7］ 刘军，杨渊鋆，张三峰. 中国数字经济测度与驱动因素研究［J］.上海经济研究，2020，32（6）：81-96.

［8］ 戚聿东，刘翠花，丁述磊. 数字经济发展、就业结构优化与就业质量提升［J］. 经济学动态，2020（11）：17-35.

［9］ 陈文，吴赢. 数字经济发展、数字鸿沟与城乡居民收入差距［J］.南方经济，2021（11）：1-17.

［10］ 黄群慧，余泳泽，张松林. 互联网发展与制造业生产率提升：内在机制与中国经验［J］. 中国工业经济，2019（8）：5-23.

［11］ 周晓辉，刘莹莹，彭留英. 数字经济发展与绿色全要素生产率提高［J］. 上海经济研究，2021（12）：51-63.

［12］ 柏培文，喻理. 数字经济发展与企业价格加成：理论机制与经验事实［J］. 中国工业经济，2021（11）：2-20.

［13］ 陈贵富，韩静，韩恺明. 城市数字经济发展、技能偏向型技术进步与劳动力不充分就业［J］. 中国工业经济，2022（8）：118-136.

［14］ 刘奥，张双龙. 数字经济发展对财政透明度的影响研究：基于“宽带中国”战略的准自然实验［J］. 产业经济研究，2022（4）：46-58.

［15］ 刘淑春. 中国数字经济高质量发展的靶向路径与政策供给［J］. 经济学家，2019（6）：52-61.

［16］ 荆文君，孙宝文. 数字经济促进经济高质量发展：一个理论分析框架［J］. 经济学家，2019（2）：66-73.

［17］ 李天宇，王晓娟. 数字经济赋能中国“双循环”战略：内在逻辑与实现路径［J］. 经济学家，2021（5）：102-109.

［18］ 张勋，万广华，张佳佳，等. 数字经济、普惠金融与包容性增长［J］. 经济研究，2019，54（8）：71-86.

［19］ 张英浩，汪明峰，刘婷婷. 数字经济对中国经济高质量发展的空间效应与影响路径［J］. 地理研究，2022，41（7）：1826-1844.

［20］ 叶胥，杜云晗，何文军. 数字经济发展的就业结构效应［J］. 财贸研究，2021，32（4）：1-13.

［21］ MA D， ZHU Q. Innovation in emerging economies： research onthe digital economy driving high‑quality green development［J］.Journal of business research， 2022，145： 801-813.

［22］ 李广昊，周小亮. 推动数字经济发展能否改善中国的环境污染：基于“宽带中国”战略的准自然实验［J］. 宏观经济研究，2021（7）：146-160.

［23］ ZHANG W， LIU X， WANG D， et al. Digital economy and carbonemission performance：evidence at China’ s city level［J］. Energypolicy， 2022， 165：112927.

［24］ 樊轶侠，徐昊. 中国数字经济发展能带来经济绿色化吗：来自我国省际面板数据的经验证据［J］. 经济问题探索，2021（9）：15-29.

［25］ CAO S P， NIE L， SUN H P， et al. Digital finance， green technologicalinnovation and energy‑environmental performance： evidencefrom China’ s regional economies［J］. Journal of cleaner production，2021， 327： 129458.

［26］ HAMPTON S E， STRASSER C A， TEWKSBURY J J， et al. Bigdata and the future of ecology［J］. Frontiers in ecology and the environment，2013， 11（3）：156-162.

［27］ SHIN D H， CHOI M J. Ecological views of big data： perspectivesand issues［J］. Telematics and informatics， 2015， 32（2）：311-320.

［28］ 汪東芳，曹建华. 互联网发展对中国全要素能源效率的影响及网络效应研究［J］. 中国人口·资源与环境，2019，29（1）：86-95.

［29］ 柏培文，张云. 数字经济、人口红利下降与中低技能劳动者权益［J］. 经济研究，2021，56（5）：91-108.

［30］ 卢进勇，杨杰，邵海燕. 外商直接投资、人力资本与中国环境污染：基于249 个城市数据的分位数回归分析［J］. 国际贸易问题，2014（4）：118-125.

［31］ 钟超，刘宇，汪明月，等. 中国碳强度减排目标实现的路径及可行性研究［J］. 中国人口·资源与环境，2018，28（10）：18-26.

［32］ 陈昌兵. 新时代我国经济高质量发展动力转换研究［J］. 上海经济研究，2018（5）：16-24，41.

［33］ 李金林，陈立泰，刘梅. 互联网发展对中国区域绿色经济效率的影响［J］. 中国人口·资源与环境，2021，31（10）：149-157.

［34］ 刘争，黄浩，邓秀月. 人口规模、产业结构与能源效率：基于空间面板计量模型的实证［J］. 宏观经济研究，2022（8）：117-130，175.

［35］ 张焱. 数字经济、溢出效应与全要素生产率提升［J］. 贵州社会科学，2021（3）：139-145.

［36］ 邓荣荣，张翱祥. 中国城市数字经济发展对环境污染的影响及机理研究［J］. 南方经济，2022（2）：18-37.

［37］ BARON R M，KENNY D A. The moderator‑mediator variable distinctionin social psychological research： conceptual， strategic，and statistical considerations［J］. CBE life sciences education，1986，51（6）：1173-1182.

［38］ 白俊红，王钺，蒋伏心，等. 研发要素流动、空间知识溢出与经济增长［J］. 经济研究，2017，52（7）：109-123.

［39］ 徐维祥，周建平，刘程军. 数字经济发展对城市碳排放影响的空间效应［J］. 地理研究，2022，41（1）：111-129.

［40］ LI H，FANG K N，YANG W，et al． Regional environmental efficiencyevaluation in China： analysis based on the Super SBM Mod‑el with undesirable outputs［J］．Mathematical and computer modelling，2013，58（5/6） ：1018-1031．

［41］ 胡安军，郭爱君，钟方雷，等. 高新技术产业集聚能够提高地区绿色经济效率吗［J］. 中国人口·资源与环境，2018，28（9）：93-101.

［42］ 李德山，张郑秋，付磊，等. 中国城市PM2. 5减排效率的区域差异及其影响机制［J］. 中国人口·资源与环境，2021，31（4）：74-85.

［43］ 史丹，吴利学，傅晓霞，等. 中国能源效率地区差异及其成因研究：基于随机前沿生产函数的方差分解［J］. 管理世界，2008（2）：35-43.

［44］ NUNN N，QIAN N．US food aid and civil conflict［J］．Americaneconomic review，2014，104（6）： 1630-1666．

［45］ 江艇，孙鲲鹏，聂辉华. 城市级别、全要素生产率和资源错配［J］. 管理世界，2018，34（3）：38-50，77.

［46］ 魏丽莉，侯宇琦. 数字经济对中国城市绿色发展的影响作用研究［J］. 数量经济技术经济研究，2022，39（8）：60-79.

［47］ 顏银根，倪鹏飞，刘学良. 高铁开通、地区特定要素与边缘地区的发展［J］. 中国工业经济，2020（8）：118-136.

［48］ LESAGE J P，PACE R K. Introduction to spatial econometrics［M］. Boca Raton： CRC Press，2009.