数字经济与城市绿色全要素生产率：影响机制与经验证据
原载《统计与决策》2022年第09期
RECOMMENDATIONS
摘 要：文章利用2011—2018年城市面板数据测算了中国282个地级及以上城市的数字经济发展指数与绿色全要素生产率指数，实证分析了数字经济发展水平对城市绿色全要素生产率的影响效应及作用机制。结果表明，数字经济发展显著促进了中国城市绿色全要素生产率提升，这一结论在选取历史数据作为工具变量进行相关检验后依然成立。进一步的机制分析结果表明，城市绿色创新能力和城市生产效率是数字经济促进城市绿色全要素生产率提升的两个重要渠道；但城市的地理区位、行政级别、科教资源禀赋以及环境规制强度等异质性因素，使得数字经济发展对城市绿色全要素生产率的提升效果差异明显。
关键词：数字经济；绿色全要素生产率；绿色创新
中图分类号：F49；F299.2
文献标识码：A
0 引 言
“数字经济”概念最早由Tapscott（1996）[1]提出，其认为数字经济是基于信息通信技术（ICT）广泛运用的一系列经济活动。随着数字经济的不断发展，数字经济的内涵也不断延伸，主要概括为以大数据作为关键投入要素，以数字技术为驱动核心催生的数字技术与实体经济不断融合的新型经济形态。目前，有关数字经济影响效应的研究不断丰富，主要涉及对全要素生产率、经济增长效应等方面的影响。从宏观层面来看，数字经济推动了区域经济增长和高质量发展[2]，其不仅能提升本区域自身全要素生产率，还能提升邻近区域的全要素生产率；从行业层面来看，数字经济与服务业的融合发展，推动了平台经济快速发展，且呈现明显长尾效应，对制造业的影响存在行业差异，主要通过资本深化、资源配置优化和技术创新[3]等途径实现；从微观层面来看，数字经济推动了企业智能化转型[4]，促使企业通过技术创新、规模经济等渠道提升全要素生产率。
影响绿色全要素生产率（Green Total Factor Productivity，GTFP）的主要因素包括宏观经济环境、环境规制政策、对外经济等。在宏观经济环境方面，人力资本、基础设施建设、金融发展、产业集聚程度[5]等因素会促进GTFP的提升；在环境规制政策方面，低碳城市试点政策对城市GTFP具有正向促进作用，但是该影响存在区域异质性[6]；在对外经济方面，多数学者认为对外贸易[7]和对外投资[8]对GTFP具有正向的促进作用，但会受到融资约束、制度环境[8]等门槛条件的限制。
梳理已有文献发现该领域仍有一定的拓展空间。第 一，有关数字经济的研究多为定性分析，部分定量研究的文献主要是从省域和行业等层面测度数字经济发展水平，忽略了省份内部各城市存在的不同。第二，在已有文献中，探讨数字经济对城市 GTFP 影响的还很少，而随着中国数字化转型的深度推进，以及人们对美好绿色生活的不断追求，探析数字经济对城市GTFP的影响具有重要现实意义。基于此，本文采用2011—2018年中国282个地级及以上城市的面板数据，从实证上揭示中国数字经济发展水平对城市绿色转型发展的影响效应及作用机制。
1 机制分析与假设提出
数字技术在各产业中广泛应用，促使数字经济快速发展，不断引导生产方式变革和新经济形态的产生，充分调动了各类市场主体的积极性。在生产者层面，数字经济发展推进企业运营数字化转型，提高资源利用效率及绿色转型发展。在消费者层面，数字经济催生了共享经济、平台经济等新业态，为消费者匹配更个性化的产品服务，减少冗杂的资源服务浪费；此外，随着市民环保意识的提升，越来越多的人选择数字公交、顺风车等绿色出行方式，不断推进城市绿色发展。在政府层面，基于数字技术构建的数字政府有助于充分掌握利益主体的多样化需求及矛盾，提高了政府职能服务效率；特别地，政府职能部门通过数字技术与相关部门的储备数据信息，建立了环境监督体系，对重污染行业、企业进行针对性的跟踪管理，进一步推进城市GTFP提升。基于此，本文提出：
假设1：数字经济发展有助于促进城市GTFP提升。
数字经济发展助推城市 GTFP 提升的作用机制分为城市绿色创新及城市生产效率两个方面。
从城市绿色创新效应来看：第一，生产者层面。一方面数字经济具有可复制、自我创新的特征，使得企业能更快获得技术，扩大吸收技术溢出的途径，从而提高了企业技术创新起点[9]，为企业进一步进行绿色创新提供了技术基础。另一方面，数字经济使得企业内部、企业之间、企业与消费者之间的信息传递和沟通成本降低，从而有利于提升企业收益水平，使得企业具有绿色技术创新的物质基础。第二，消费者层面。数字经济发展为绿色消费提供了更加清晰的参照标准，贯穿消费者对消费品的选择，利用到垃圾分类全过程，加速了社会绿色消费观的形成。消费者整体环保意识的提升使得消费者倾向于选择绿色环保标准高的商品，进而影响产品供给市场，浓厚的绿色产品选择意向激励企业加大对绿色产品的研发力度[10]，助推城市绿色创新发展。第三，政府层面。数字技术的拓展应用为政府评估企业绿色生产、排污治理资质提供了更加可靠的量化标准与治理依据。政府通过数字监管平台精确量化生产者的排污量及治污能力，科学评估生产者是否达到基本绿色生产标准，高效落实环境规制，形成系统的监测机制[11]，从而倒逼企业实施绿色生产，提升企业绿色创新意愿。基于此，本文提出：
假设2：数字经济发展通过促进城市绿色创新进而促进城市GTFP提升。
从城市生产效率效应来看：第一，生产者层面。首先，数字经济创造了新的网络融资平台，融资平台借助平台经济的累积效应以及大数据的信息高频交换，实现资金供需高效匹配，提高了资金融通效率。其次，数字经济促使已有的供应链体系不断升级，激发电子商务市场活力，有助于企业充分掌握客户需求动态，建立多渠道品牌营销途径，实现精准营销、个性服务，提高了交易效率。最后，企业的生产数字化改造推进了生产效率不断提升。第二，消费者层面。数字经济发展为消费者带来巨大福利，不仅扩大了消费者的消费空间，也增添了消费者的收入途径，为城市生产效率提升创造了更大的空间。例如，数字经济与医疗产业的融合，创造了巨大线上医疗需求，提高社会医疗服务效率。数字化与教育的融合推进线上教育的兴起，极大地丰富了全社会的教育资源，为教育公平注入新动力，降低了学习成本，并且满足消费者个性化教育需求。此外，数字技术催生的平台经济，如线上购物缓解了商品流通的时空障碍；共享平台如滴滴、微信微商等使消费者在需求者与供给者之间自由切换参与市场的身份，激发了市场活力，提升城市生产效率[11]。第三，政府层面。数字经济快速发展助推了政府数字化转型，提高了城市运行效率。一方面，政府利用数字技术构建数字服务平台，整合海量社会数据，简化政务流程，既提高了业务办理效率，又为个人及企业节省大量时间成本，节约了社会资源，激发了城市活力。另一方面，政府部门在数字技术的支持下，有效实现跨部门的联合管理，协调社会资源分配，建立高效的民意反馈机制，进一步提升政府公共服务质量，构建和谐有序的城市环境。基于此，本文提出：
假设3：数字经济发展通过促进城市生产效率进而促进城市GTFP提升。
2 研究设计
2.1 模型设定
为从经验上检验城市数字经济发展水平对城市GTFP的影响，本文设定基准模型为：
在此基础上，考虑到城市 GTFP 增长具有延续性，当期的GTFP会受到上一年GTFP大小的影响，同时，具有较高GTFP的城市可能自身数字经济发展水平比较高，即存在双向因果关系。动态面板不仅能够揭示 GTFP 的动态变化，而且能够缓解因内生性引致的估计偏误，因此本文使用动态面板模型进行进一步分析，回归模型为：
其中，i 和 t 分别代表城市和年份，城市样本剔除部分数据缺失严重的地级市保留了 282 个地级及以上城市， GTFPi，t 表示 i 城市 t 年的GTFP，GTFPi，t - 1 为滞后一期值（记为 GTFP_lag），digitali，t 表示 i 城市 t 年的数字经济发展水平，αi 表示城市固定效应，θt 表示时间固定效应，εi，t表示随机误差项，Xi，t 代表其他控制变量的集合。
根据前文分析可知，城市绿色创新提升和城市生产效率提升是数字经济发展促进城市 GTFP 提升的重要机制。因此，引入城市绿色创新能力（TGreen）和城市生产效率（effciency）两个变量，借助中介效应模型来分析数字经济发展促进城市 GTFP 提升的机制原理，构造模型如下：
其中，MVi，t 表示中介变量，由于基准模型（2）在模型（1）的基础上加入了被解释变量滞后项，因此为保持一致，模型（5）进一步在模型（4）的基础上加入被解释变量滞后项，其他未提及的变量含义同式（1）。
2.2 变量选取及数据来源
2.2.1 被解释变量：GTFP
本文的被解释变量为城市GTFP，借鉴齐绍洲和徐佳（2018）[7]的测算方法，基于数据包络分析法（DEA），同时将多种投入与期望、非期望产出纳入测算框架，运用可变规模收益（VRS）假设下的非径向、非角度松弛方向性距离函数（SBM），并结合全域 Malmquist-Luenberger（GML）生产率指数来测算城市的GML指数。测算使用的数据如表1所示。由于GML指数为年度之间的环比，因此本文借鉴齐绍洲和徐佳（2018）[7]的方法，设定基期的 GTFP 为 1，并依次与各年度的GML值累乘，最终获得各个城市各年份的GTFP。
2.2.2 核心解释变量：数字经济发展水平指数
本文参考赵涛等（2020）[2]的指标选择，从数字金融发展水平和互联网发展水平两个维度构建城市数字经济发展水平的测算框架。其中，数字金融发展水平由北京大学数字金融研究中心和蚂蚁金融服务集团共同编制，使用数字金融普惠指数进行衡量，该指数涵盖了数字金融使用深度，包含支付、信贷等业务指数；互联网发展水平使用每百人互联网宽带接入用户数、移动电话年末用户数、人均电信业务总量、计算机软件业从业人员占比这4个指标进行衡量，数据来源于《中国城市统计年鉴》。借鉴黄群慧等（2019）[3]的方法，采用主成分分析法将以上5个指标降维为1个指标，此外，通过式（6）将主成分分析结果标准化处理至0~1这一范围内后，获得城市数字经济发展水平指数（digitali，t）， 标准化公式如下：
其中，ordigitalit 是由主成分分析法测得的 i 城市 t 年的数字经济发展水平，ordigitalmax 和 ordigitalmin 为样本期内所有年份城市数字经济发展水平的最大值和最小值。
2.2.3 其他变量
（1）机制变量。城市绿色创新能力（TGreen），参考李青原和肖泽华（2020）[12]的做法，将城市绿色发明专利申请量与绿色实用新型专利申请量相加，再加1取自然对数表征城市绿色创新能力，数据来自中国研究数据服务平台（CNRDS）。城 市 生 产 效 率（effciency），参考孙浦阳等（2013）[13]的做法，用城市非农产业劳动生产率表示整体城市生产效率，计算方法为第二、第三产业产值之和除以非农产业总就业量。
（2）控制变量。参考已有研究，本文选择如下控制变量：对外开放水平（fdi），用外商直接投资实际使用额占地方GDP的比重表示；产业结构水平（industry），用第二产业产值占地方GDP的比重表示；城市化水平（Urban），用人口密度的对数表示；人力资本投资（hum），用地方科学教育支出占财政支出的比重表示；金融发展水平（finc），用银行贷款余额占地方GDP的比重表示。以上数据来自中经网统计数据库、EPS数据库、国泰安数据库，以及各城市统计年鉴。
3 实证分析
3.1 基准回归
本文分别对模型（1）和模型（2）进行回归，初步检验城市数字经济发展水平对GTFP的影响，回归结果如表2所示。
表2中列（1）是未考虑任何控制变量及固定效应的回归结果，列（2）、列（3）是固定了城市与时间效应及加入控制变量后（列（3））的结果，回归系数均显著为正。进一步基于GTFP累积效应及内生性考虑，表2中列（4）至列（6）是加入GTFP滞后一期的回归结果，结果显示数字经济发展对城市 GTFP 的回归系数均显著为正。基准回归结果表明数字经济发展促进了城市GTFP提升。假设1得到了验证。
3.2 内生性问题及处理
考虑到模型中遗漏变量、数字经济发展与城市GTFP之间可能存在反向因果关系等导致的内生性问题，本文采用工具变量法来削弱可能存在的内生性问题。在工具变量的构造上，参考黄群慧等（2019）[3]的思路，以1993年城市年末邮电局数量与上一年全国信息传输、软件和信息技术服务业固定资产投资额（与时间有关）的交互项作为城市数字经济发展水平的工具变量。其逻辑在于：一方面，数字经济的发展依托于信息技术的发展，历史上邮局布局较早、较广的地区往往是数字经济发展较快的地区；另一方面，随着信息技术的更新，邮局的相关业务逐渐被替代，不太可能对现今的GTFP产生直接影响，满足了工具变量需要具有相关性及外生性的两个条件。鉴于本文数据为面板数据，使用交互项赋予截面数据时间趋势，构造面板工具变量，数据来源于国家统计局官网与各城市统计年鉴。
在具体检验方法上，本文采用2SLS模型降低内生性对结果的影响，一阶段回归结果显示工具变量对内生变量回归系数在1%的水平上显著为正，说明早期邮局和互联网的发展均促进了数字经济发展。二阶段结果如表3所示，回归结果显示各模型回归系数均显著为正，且分别通过工具变量不可识别LM检验及弱工具变量F检验，验证了基准回归结果的可靠性。
3.3.1 替换解释变量
参考葛和平和吴福象（2021）[14]关于数字经济的核算方法，本文以使用熵权TOPSIS法测算的城市层面数字经济发展水平作为解释变量，进一步验证基准回归结果的稳健性。回归结果如表4列（1）和列（2）所示，回归结果显示数字经济发展水平系数显著为正，且通过1%水平的显著性检验，与基准回归结果一致，表明数字经济发展对城市GTFP提升有正向促进作用。
3.3.2 分位数回归
以上回归都是基于数字经济对城市 GTFP 条件期望的影响进行分析的，不能准确描述数字经济发展对城市GTFP的变化范围及条件分布的影响，此外也较易受极端值的影响。而分位数回归能够更加直接和全面地捕捉到分布的尾部特征，从而得到更加细致的刻画。本文得到了25%、50%、75%和 90%分位四个代表性分位数的回归结果，如表4所示。可以看出，数字经济发展显著促进了城市GTFP，进一步验证了前文结论的稳健性。
3.4 机制检验分析
表 5 是基于模型（3）至模型（5）的城市绿色创新和生产效率机制效应的回归结果。城市绿色创新效应回归结果见表5中列（1）至列（3），其中列（1）结果表明，数字经济发展对城市绿色创新有显著促进作用；列（2）、列（3）结果显示，数字经济发展和城市绿色创新的回归系数均显著为正，且数字经济发展对城市 GTFP 的影响系数变小，表明数字经济发展通过提升城市绿色创新能力进而促进城市GTFP提升。城市生产效率效应回归结果如表 5 中列（4）至列（6）所示，列（4）结果显示，数字经济对城市生产效率回归系数显著为正，表明数字经济发展具有城市生产效率提升效应；表5中列（5）、列（6）结果显示，数字经济发展与城市生产效率的回归系数均显著为正，且数字经济发展对城市GTFP的影响系数变小，进一步表明数字经济发展不仅促进了城市生产效率提升，还通过影响城市生产效率促进城市 GTFP 提升，兼顾了经济效益与生态环境和谐发展。
3.5 异质性分析
城市的发展可能会因地理、人文、政策等因素而不同，其要素吸收转化能力会有所差异，从而导致数字经济发展水平对城市GTFP产生差异化影响。鉴于此，本文从城市地理区位、行政级别、科教资源及环境规制强度四个视角展开异质性分析。回归结果见表6。
第一，城市地理区位视角。本文根据城市所处区域将样本划分为东、中、西部，进行分组回归考察。由表6中列（1）至列（3）可知，数字经济发展显著促进了东中部地区城市 GTFP 提升，但对西部地区城市 GTFP 的促进效应不明显。这可能源于东中部地区拥有较完善的数字化基础设施，且中部崛起、长江经济带等政策的落实使得市场环境不断改善，扩大了数字经济的正向外部效应，进而产生更大的GTFP提升空间。而西部地区数字化产业较稀缺，数字经济发展水平远落后于东中部地区，导致其数字经济的GTFP提升效应尚未发挥出来。
第二，城市行政级别视角。一般而言，行政级别较高的城市（中心城市）其技术、劳动力、资本等要素资源更充足，从而有利于扩大数字经济发展的外部效应，因此本文从城市行政级别视角进一步探讨数字经济对城市 GTFP的影响是否存在不同。本文将直辖市、省会、副省级城市这三类行政级别较高的城市定义为中心城市，设置虚拟变量（level）并赋值为1，其他地级市为外围城市，赋值为0，设置交互项 digital ´ level 并将其纳入模型（2）。回归结果见表6中列（4），结果显示交互项回归系数显著为正，表明相对于外围城市，中心城市可能因具有更完善的市场机制、更高的要素配置效率、更便捷的数字平台，能够为数字经济发展拉动城市GTFP提升提供更广阔的空间。
第三，城市科教资源视角。通常科学技术发展和高精尖人才的培养能够为数字经济发展持续注入创新动力，而良好的科教资源为高精尖人才培养提供了基础。本文将拥有原“211 工程”高校的城市定义为科教资源丰富的城市，设置虚拟变量（gx）并赋值为1，否则赋值为0，设置交互项 digital ´ gx 并将其纳入模型（2）进行异质性检验，结果见表6中列（5）。结果显示拥有良好科教资源的城市，其数字经济发展更能够促进GTFP提升，可能是因为良好的科教资源能够为城市开展绿色创新等活动提供更充足的人力资本，有利于发挥创新资源的集聚效应，从而进一步强化数字经济对城市GTFP的提升作用。
第四，城市环境规制强度视角。环境规制强度对GTFP的影响效应一直是国内外学者研究的热点，那么环境规制强度是否会影响数字经济对城市 GTFP 提升效应的发挥呢？基于此，本文引入环境规制强度（ER）变量，设置交互项 digital ´ ER 并将其纳入模型（2），参考前人的研究，使用城市工业三废（废水、SO2、烟（粉）尘）排放量之和与本市GDP比值的倒数表征城市环境规制强度，该值越大，说明规制强度越大，回归结果见表6中列（6）。结果表明数字经济发展对城市 GTFP 的影响效应受到城市环境规制强度的正向调节，说明适当的环境规制政策能够与数字经济发展形成良性互动，从而进一步推进城市绿色发展。
4 结论与建议
本文在测度2011—2018年中国城市层面的数字经济发展水平的基础上，分析了数字经济对城市GTFP产生的具体影响，并探究其作用路径，得出如下结论：
（1）数字经济发展显著促进了中国城市GTFP的提升，表明数字经济有利于推动中国城市绿色转型发展。同时，根据中介效应模型检验结果发现，数字经济发展通过促进城市绿色创新提升和城市产业结构升级，进而促进了城市GTFP的提升。
（2）数字经济发展对城市GTFP的影响会因城市异质性因素存在差异。具体来说，东中部地区城市的数字经济发展显著促进了城市GTFP提升，但是在西部地区城市这一效应并不显著；数字经济发展对中心城市GTFP的正向影响大于其对外围城市GTFP的影响；城市的科教资源越丰富，数字经济对城市 GTFP 的推动作用越明显；环境规制强度能够正向调节数字经济发展水平对城市 GTFP 的提升效应。
为进一步推动城市数字经济发展和实现中国绿色转型发展，本文提出以下建议：
（1）两手抓数字化基础设施软、硬环境建设。一方面，当前各地数字基建差距较大，仍需要继续完善5G、智能物联网等数字基建建设，拓宽数字要素升级应用渠道，缩小区域数字发展差距，助力城市 GTFP 提升。另一方面，完善数据安全监管体系，优化数字发展软环境。数字化发展形成了数据网络集聚效应，在数据收集和传递过程中，产生了数据泄露、数据垄断等影响数字经济健康发展的新问题，所以在完善数字基础设施硬环境的同时，也要兼顾数字要素流动监管等软环境发展，避免因盲目追求数字扩张而造成城市生产效率损失。
（2）进一步加大对科教创新的支持力度，注重提升人力资本水平。数字经济在推动城市创新及 GTFP 提升的同时，也受到人力资本、教育资源、技术水平等因素的约束。因此，在新一轮科技变革的过程中，各地区可结合自身的人才需求，有针对性地培养专业型人才。尤其是针对西部地区高校较少、人力资源储备不足等问题，需要进一步完善人才引进制度，从而通过推动数字产业发展来实现绿色转型。
（3）进一步完善环境规制、碳交易制度等政策体系。合理的环境监管举措能有效地正向调节数字经济发展对城市GTFP的提升效应，政府部门在利用大数据高效便捷性等优点的同时，应充分整合各部门的生态环境数据信息，完善环保评估监管反馈机制，从而提高监管效率及决策的科学性，推进美丽生态城市建设。
参考文献：
[1]Tapscott D. The Digital Economy: Promise and Peril in the Age of Networked Intelligence [J].Educom Review,1996,22(5).
[2]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).
[3]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).
[4]Acemoglu D, Restrepo P. The Race Between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment [J].American Economic Review,2018,108(6).
[5]Dong F, Wang Y, Zheng L, et al. Can Industrial Agglomeration Promote Pollution Agglomeration? Evidence From China [J].Journal of Cleaner Production,2019,(246).
[6]王亚飞,陶文清.低碳城市试点对城市绿色全要素生产率增长的影响及效应[J].中国人口·资源与环境,2021,31(6).
[7]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(4).
[8]Yue S, Yang Y, Hu Y. Does Foreign Direct Investment Affect Green Growth? Evidence From China's Experience [J].Sustainability,2016,8 (2).
[9]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).
[10]侯艳辉,李硕硕,郝敏,等.市场绿色压力对知识型企业绿色创新行为的影响[J].中国人口·资源与环境,2021,31(1).
[11]许宪春,任雪,常子豪.大数据与绿色发展[J].中国工业经济,2019, (4).
[12]李青原,肖泽华.异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J].经济研究,2020,35(9).
[13]孙浦阳,韩帅,许启钦.产业集聚对劳动生产率的动态影响[J].世界经济,2013,36(3).
[14]葛和平,吴福象.数字经济赋能经济高质量发展: 理论机制与经验证据[J].南京社会科学,2021,(1).
蔡 玲（1964—），女，安徽巢湖人，教授，博士生导师，研究方向：世界经济、生态经济。
汪 萍（1988—），女，河南郑州人，博士研究生，研究方向：世界经济、生态经济。
END
统计与决策
CSSCI来源期刊、中文核心期刊
投 稿
请登陆本刊投稿平台http://www.tjyjc.com
订阅&合作
订阅杂志：027-87819376
----------