李江龙，杨秀汪，郭小叶 | 数字经济发展赋能城市绿色经济绩效
点击蓝字关注我们
数字经济发展赋能城市绿色经济绩效
——来自中国282个城市的经验证据
推荐语
数字经济是继农业经济、工业经济之后的主要经济形态，中国数字经济发展已上升为国家发展战略，必将影响城市高质量发展。本文构建了城市绿色经济绩效指标（GEPI）和城市数字经济水平指标（DEL），将“宽带中国”试点城市政策作为一项准自然实验，运用渐进DID模型检验了数字经济发展对城市绿色经济绩效的影响。研究结果为数字经济发展支持城市高质量发展提供了新证据，也为完善数字经济发展促进城市低碳转型提供了政策启示。
作者简介
李江龙，西安交通大学经济与金融学院教授、博士生导师，国家社科重大项目首席专家，入选国家级青年人才计划，研究方向为能源环境经济与管理、产业组织。兼任哈佛大学客座研究员、中国人文社会科学期刊评价专家委员会委员、《西安交通大学学报（社科版）》编委、《当代经济科学》青年编委以及多个国际期刊（青年）编委。学术成果发表于《中国社会科学》、《经济研究》、《金融研究》、World Development、Energy Economics、China Economic Review、Economics of Transition等期刊，主持国家社会科学基金重大项目和重点项目、国家自然科学基金面上项目和青年项目、教育部人文社会科学基金等多项课题。研究成果获国家能源局“能源软科学优秀成果奖”、福建省“社会科学优秀成果奖（一等奖）”、陕西省“高等学校人文社会科学研究优秀成果奖（一等奖）”等奖项。
杨秀汪，西安交通大学经济与金融学院博士研究生。
郭小叶，西安文理学院经济管理学院副教授。
摘要：随着数字技术革命的兴起，中国数字经济发展已上升为国家发展战略必将影响城市高质量发展。基于2011—2019年中国282个城市面板数据，构建城市绿色经济绩效指标（GEPI）和城市数字经济水平指标（DEL），运用渐进DID模型检验了数字经济发展对城市绿色经济绩效的影响。研究结果表明，数字经济发展显著提高了城市绿色经济绩效，以“宽带中国”试点城市政策为代表的数字经济发展使得城市绿色经济绩效平均提高了0.028。进一步研究发现，数字经济发展通过产业优化效应、技术创新效应和效率提升效应促进城市绿色经济绩效，但数字经济发展并未通过影响城市市场化程度而促进城市绿色经济绩效。此外，资源型城市、环境规制程度低和政府规制程度低的城市的绿色经济绩效更容易受到数字经济发展的正向影响。
关键词：数字经济；绿色经济绩效；产业优化效应；技术创新效应；效率提升效应
一、引言
党的二十大报告指出，推动高质量发展需要“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。数字经济是继农业经济、工业经济之后的主要经济形态，是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。根据2022年全球数字经济大会的统计数据，中国数字经济规模连续多年仅次于美国，位居全球第二。根据中国信息通信研究院发布的《中国数字经济发展白皮书（2022年）》，2021年中国数字经济规模达到45.5万亿元，名义增速达到16.2%，占GDP的39.8%，其中产业数字化规模占数字经济的比重为81.7%。数字经济与产业深度融合有望成为中国经济增长和产业升级的新动能。长期以来，中国经济高速增长是以较大的资源和环境成本为代价，而随着经济由高速增长向高质量发展转变，经济由追求数量和速度扩张向追求质量和绿色发展转变。实现高质量发展，本质上就是要以尽量少的生产投入实现更多经济产出，并最大限度减少污染物排放和对生态环境的破坏。绿色经济绩效（Green Economy Performance Index, GEPI）用于度量既定投入条件下期望产出（如经济产出）和非期望产出（如污染物）的投入产出效率，被广泛用于衡量经济绿色发展水平。在中国迈向高质量发展的背景下，评价数字经济发展对绿色经济绩效的影响及其作用机理具有重要理论和现实意义。
关于如何发展数字经济以助推经济高质量发展，已有研究多从理论角度进行阐释，包括数字经济的内涵、理论基础、指标体系构建等，而实证检验数字经济对经济高质量发展的研究相对较少。赵涛等从创业活跃度视角检验了数字经济促进城市高质量发展；徐维祥等研究了数字经济发展对城市碳排放影响的空间效应。从研究方法来看，主要有两类：一类通过构建数字经济指标，将其作为计量模型的核心解释变量，以经济高质量发展指标作为被解释变量进行回归，进而得出研究结论；另一类使用政策评估方法（如双重差分法），将政府出台的与数字经济相关的政策作为一项准自然实验，进而评估数字经济对经济变量的影响。评价数字经济发展的影响是我们完善数字经济发展政策的前提，因此，如何量化评价数字经济发展对城市绿色经济绩效的影响，厘清数字经济发展通过何种机理影响城市绿色经济绩效，显得尤为重要。
与以往研究相比，本文的边际贡献和创新主要在于：第一，从地级市层面评估数字经济发展对城市绿色经济绩效的影响，为数字经济发展支持城市高质量发展提供了新证据，丰富数字经济与经济高质量发展关系的研究。第二，将“宽带中国”试点城市政策作为一项准自然实验，通过构建渐进双重差分模型评估数字经济对城市绿色经济绩效的影响。第三，从产业优化、技术创新、市场结构、运行效率等角度分析并检验数字经济发展影响绿色经济绩效的作用机理，并从碳强度、资源禀赋、环境规制程度、政府干预程度等维度分析了数字经济发展影响效应的异质性。
二、理论分析与研究假说
经济高质量发展提倡创新、协调、绿色、开放、共享的新发展理念，绿色发展是高质量发展的重要构成，表现为经济与生态环境保护协调发展的包容性增长。数字经济作为以数据资源为基础，以数字技术为核心动力，将数据作为一种生产资本支撑价值创造，加快技术更迭和融合创新、数字技术与实体经济深度融合，能够催生新模式和新业态，助力经济社会绿色发展。据此，提出基本假设：
H1：数字经济发展能够提高城市绿色经济绩效。
数字经济可能通过产业优化效应、技术创新效应、市场结构效应和效率提升效应影响城市绿色经济绩效。产业优化效应表现如下：一方面，以数字技术变革为代表的数字经济推动了社会生产和消费方式转变，促进资源向数字化方向发展，推动产业结构优化调整；另一方面，随着5G、大数据、云计算、人工智能、区块链等技术的发展，培育催生了基于数字技术的新业务和新业态。依托数据为关键要素资源的数字经济促进了产业结构优化，转变传统对资源和环境过度依赖的发展模式，推动城市经济绿色发展。技术创新效应表现为数字经济推动新技术的发展，拓展了技术应用的广度和深度，在提高生产效率的同时也成为促进城市节能减排的重要动力。数字经济促进绿色发展，源于数字技术的产业化效应，强调数字技术的物理功能，即数字经济促进技术创新和产业优化升级，从而影响城市绿色经济绩效。据此，本文提出如下假设：
H2a：数字经济通过影响城市产业升级而作用于城市绿色经济绩效。
H2b：数字经济通过影响城市技术创新而作用于城市绿色经济绩效。
市场结构优化效应表现为数字经济发展有助于发挥市场在资源配置中的决定作用，从供给端和需求侧以及供需信息匹配等方面激发了创业活跃度，降低市场进入壁垒，减少市场信息不对称，从而推动城市高质量发展。例如，数字经济发展具有的颠覆性创造效应、网络效应和平台效应降低交易成本，能够为要素创造更多的流动空间从而创造更多价值。效率提升效应表现为数字经济发展不仅促进生产投入要素的优化，而且对城市管理水平、政府治理能力、营商环境等具有促进作用。数字技术的应用促进生产关系的变革，侧重数字技术的经济功能，即数字经济促进社会生产关系的调整和城市运行效率变革，进而影响城市绿色经济绩效。据此，本文提出如下假设：
H3a：数字经济通过影响城市市场结构而作用于城市绿色经济绩效。
H3b：数字经济通过影响城市运行效率而作用于城市绿色经济绩效。
三、研究设计
（一）识别策略与模型构建
1.识别策略
“宽带中国”战略的主要任务及目标是坚持网络建设与应用服务相结合，深化宽带在各行业领域的集成应用，推动信息消费，培育新服务、新市场、新业态，坚持网络升级与产业创新相结合，提升自主创新能力，实现产业链上下游协调发展。数字经济是基于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，通过信息通信技术在数字产业化和产业数字化过程中的有效使用，实现效率提升和经济结构优化的一系列经济活动。可见，“宽带中国”实施方案提出的目标任务与数字经济的内涵具有较高契合度。本文选择“宽带中国”试点城市政策作为城市数字经济发展的代理变量，将2014年、2015年和2016年先后发布的三批“宽带中国”示范城市作为一项准自然实验，通过构建渐进双重差分（DID）模型评估数字经济对城市绿色经济绩效的影响。
2.模型设定
DID方法的基本原理是假设无法观测因素不变的情况下，分别对比处置组和控制组各自在政策变化前后的差异来识别政策的处置效应。由于“宽带中国”城市试点政策是分批实施，本文选择渐进DID方法评估数字经济发展的净效应。
数字经济发展能否提高城市数字经济水平是研究数字经济发展与城市绿色经济绩效关系的前提，因此先构建以数字经济水平为被解释变量的渐进DID模型：
其中， DEIit是城市i在t年的数字经济水平。核心解释变量depostit是城市i在t年是否实施了“宽带中国”试点城市政策的虚拟变量，若城市i在t年实施了该政策，则取值1，否则，取值0。系数β1反映了数字经济发展对城市数字经济水平影响的净效应。Xit表示一系列控制变量，
在检验数字经济发展对城市数字经济水平影响的基础上，进一步检验数字经济发展对城市绿色经济绩效的影响，为此构建以城市绿色经济绩效指标为被解释变量的渐进DID模型：
其中，GEPIit是城市i在t年的绿色经济绩效。系数φ1反映了数字经济发展对城市绿色经济绩效影响的净效应，是本模型最重要的目标参数。其余变量与模型（1）一致。
（二）研究变量
1.绿色经济绩效指标（GEPI）
本文基于含有期望和非期望产出的非径向距离函数（Non-Radial DDF, NDDF）构造出绿色经济绩效指标（GEPI）作为被解释变量。
（1）定义生产函数。假设每个决策单元（城市）使用劳动、资本和能源作为投入，期望产出为经济产出，非期望产出为二氧化碳和二氧化硫排放量，可定义包含非期望产出的生产技术：
用生产可能性集形式描述以上生产技术，即：
期望产出与非期望产出的联合生产可能性集需满足弱可处置性，以及期望产出与非期望产出联合生产的零交集性，即：
式（6）中弱可处置性条件（1）刻画了污染物减排是有成本的，零交集条件（2）意味着生产过程中污染物排放是不可避免的。此处的期望产出Y以国内生产总值（GDP）度量，非期望产出包括二氧化碳排放量（C）和二氧化硫排放量（S）。借鉴Zhou等的方法，则生产函数可表示为：
（2）定义距离函数。将方向距离函数（Directional Distance Function, DDF）引入能源环境效率评价，距离函数定义为在实现产出扩张的同时，尽可能减少污染物排放，则距离函数可表示为：
对于给定投入(K, L, E)，产出Y和污染物(C, S)按照相同的比例扩张和收缩，β就是产出扩张和污染物减排的最大可能比例。Zhou等放松了DDF中期望产出与非期望产出必须同比例增减的限制并定义了NDDF。因此，本文构造的非径向方向距离函数为：
其中，
本文选择的权重向量为w=(0,0,1/3,1/3,1/6,1/6)T，因为假设投入、期望产出和非期望产出是同等重要，并且投入要素间存在替代性，因此全要素能源环境效率需要剔除资本和劳动。此外，非期望产出有两种，权重各设置为1/6。为保持权重向量与方向向量对应，方向向量取值为g=(0,0,-E,Y,-C,-S)。距离函数式（9）可以通过如下线性优化过程求解：
式（10）的经济含义是指在资本和劳动投入既定的情况下，实现期望产出最大化和非期望产出最小化，而最大化及最小化目标的相对重要性通过权重向量w刻画。求解式（10）可得到最优解
（3）构建绿色经济绩效指标。为了在能源投入、期望产出与非期望产出之间进行权衡，本文采用目标能源强度与实际能源强度的比值定义能源绩效，采用目标污染物排放强度与实际值的比定义污染物排放绩效。最后对两者进行加权来定义城市绿色经济效率（GEPI），GEPI∈[0,1]值越高，表明城市的绿色经济绩效表现越好。具体计算公式如下：
2.数字经济水平指标（DEL）
数字经济是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态，具体表现为信息基础设施建设、产业数字化转型、数字与其他业态融合发展。借鉴刘军等的研究，考虑指标的代表性及数据可得性，本文选择信息基础设施、产业数字化、数字技术创新和数字普惠金融等用以衡量城市数字经济水平。其中，信息基础设施指标由每百人互联网用户数和每百人移动电话用户数合成；产业数字化指标由互联网相关行业从业人数和人均电信业务规模合成；数字技术创新指标以地方财政支出中的科技支出金额代表；数字普惠金融以中国数字普惠金融指数表示。对以上四个指标使用极差法进行标准化处理后，选择熵权法合成城市数字经济水平指标。
3.其他变量
（1）中介变量
根据前文理论分析，本文选择以下变量用于检验作用机理假说，具体包括：产业结构优化（opindust）、产业高级化（adindust）、技术创新（techinnov）、市场化程度（market）、城市运行效率（tfp）。其中，产业结构优化（opindust）以第三产业产值比第二产业产值表示；产业高级化（adindust）以交通仓储邮电业，信息传输、计算机服务和软件业，金融业，租赁和商业服务业，科研、技术服务和地质勘查业等生产性服务业从业人数与第三产业从业人数之比表示。技术创新（techinnov）使用财政支出中科技支出占总支出的比例表示。市场化程度（market）分别使用私营和个人从业人员占比、出口额占GDP比值表示。城市运行效率（tfp）使用城市全要素生产率表示。
（2）控制变量
除了核心解释变量，还需考虑其他可能影响城市绿色经济绩效的因素，本文选择的控制变量包括：财政分权度（finall），用财政预算收入比预算支出来表示；经济发展水平（agdp），使用城市人均GDP表示；外商直接投资（fdi），用实际使用外资比GDP表示；城市化水平（urban），使用城市道路面积表示；金融发展水平（finance），使用存贷款规模比GDP表示。
（三）研究数据
1.数据来源及处理
本文选取中国282个地市2011—2019年数据作为研究样本。使用各地市2011—2019年劳动力（L）、资本（K）、能源消耗（E）、国内生产总值（GDP）、二氧化碳排放（C）、二氧化硫排放（S）等数据测算各个城市每年的绿色经济绩效（GEPI）。其中，L以各地级市年末从业人数衡量；K使用永续盘存法计算得出，K和GDP数据统一为固定年份的不变价格；S为工业二氧化硫排放量。二氧化碳排放量通过各城市能源消耗数据计算得出，而城市能源消耗主要考虑城市交通运输以及城市供暖、用电、用气等的能源消耗。在此基础上，再根据2006年政府间气候变化专门委员会(IPCC)制定的二氧化碳计算方法得出各地级市二氧化碳排放量。原始数据来源于历年《中国城市统计年鉴》《中国城市建设统计年鉴》《中国工业统计年鉴》《中国能源统计年鉴》《中国统计年鉴》部分地级市《统计年鉴》，以及CEIC和Wind数据库，中国数字普惠金融指数来源于北京大学数字金融研究中心与蚂蚁金服集团合作测算的中国数字普惠金融指数。
2.描述性统计
表1为主要变量的描述性统计。
四、实证结果与分析
（一）基准回归结果
表2列（1）报告了以“宽带中国”试点城市政策为代表的数字经济发展对城市数字经济水平影响的渐进DID估计结果，代表政策效应的虚拟变量depost系数估计值为0.728，且显著，这为研究数字经济发展对城市绿色经济绩效的影响奠定基础。表2列（2）报告了数字经济发展对城市绿色经济绩效影响的渐进DID估计值，depost系数估计值为0.028，且通过了显著性检验。结果表明，数字经济发展显著提高了城市的绿色经济绩效，支持了假说H1。考虑被解释变量GEPI的取值为[0,1]，列（3）报告了面板Tobit模型的回归结果，其结果与列（2）一致。
（二）平行趋势检验
DID估计处置效应的前提是处置组和控制组满足平行趋势假设。借鉴Jacobson等提出的事件研究方法（Event Study Approach，ESA）对处置组和控制组城市进行平行趋势检验，方法如下：
式(12)变量的含义与模型（1）一致。在平行趋势检验中，系数φt反映了政策实施的第t年处置组城市与控制组城市绿色经济绩效差异。图1报告了平行趋势检验结果，在95%置信区间下各期估计值均不显著，满足平行趋势假设。
（三）安慰剂检验
1.城市安慰剂检验
在渐进DID模型中虽然控制了城市双向固定效应，但是受客观条件限制，模型仍无法完全避免遗漏某些非可观测城市特征变量。为此，通过安慰剂检验进一步排除其他不可观测因素对受政策影响城市选择的影响。参考已有研究，本文采用一种间接性的安慰剂检验，构建一个理论上不会对GEPI产生影响的错误变量
通过检验depost是否对被解释变量产生显著影响而做出判断。depost是随机产生且实际上不会对被解释变量产生影响，如果检验结果显示错误变量对被解释变量产生显著影响，则说明真实变量的估计存在偏差，表明还存在其他未观测因素对被解释变量产生影响。
具体而言，本文假设“宽带中国”试点城市政策对样本城市的影响是随机的，并对式（13）进行估计，并将上述随机过程重复500次，从而产生500个不同的政策效应估计值，估计值的分布如图2所示。结果显示，depost的估计系数分布在0附近，真实变量下交叉项的估计系数显著不同与错误变量情形下的估计系数，验证了未观测城市特征及其他因素几乎不会对被解释变量产生影响，从而排除了基准估计结果是由其他未观测因素导致的可能。
2.时间安慰剂检验
为了避免处置组城市和控制组城市的绿色经济绩效差异是由时间因素导致，假设将实施政策提前2年或3年，构建虚假的政策虚拟变量
（四）稳健性检验
本文通过调整样本观测值、替换被解释变量、加入基准变量和时间趋势项、使用倾向性得分匹配模型，以及考虑同期类似政策等因素进行稳健性检验。
1.调整样本观测值。为了降低极端值对估计结果的影响，本文根据GEPI取值分别截尾1%和5%观测值进行重新估计，结果如表4列（1）和列（2）所示，截取1%和5%观测值后depost系数估计值均为0.028，且均通过了显著性检验，这与基准回归估计结果完全一致。
2.替换被解释变量。基准回归中被解释变量GEPI的非合意产出包括二氧化碳排放和二氧化硫排放。若非合意产出仅考虑二氧化碳排放量，据此计算绿色经济绩效GEPI2作为被解释变量并重新估计。结果如表4列（3）所示，depost系数估计值为0.045，且通过了显著性检验。
3.加入城市基准变量和时间趋势项。本文在模型（2）中加入城市基准因素和时间趋势项的交互项。表4列（4）—（7）结果为加入是否为省会城市、是否为资源型城市、是否为东部城市等特征和时间趋势项后，估计结果与基准回归结果较为接近，且均显著。
4.加入同期类似政策。考虑电子商务发展与数字经济发展具有较强的关联度，因此在模型（2）中引入2012—2017年先后推出的三批电子商务示范城市为代表的虚拟变量。如表4列（8）depost系数估计值为0.025，且显著，表明考虑了同期类似政策的影响后，基准回归结果还是稳健的。
5.使用倾向得分匹配双重差分模型（PSM-DID）。由于样本选择性偏差在DID方法下难以克服，为解决潜在的选择性偏差问题，本文进一步采用倾向得分匹配法(PSM)对样本进行匹配，匹配出尽可能相似的控制组。此处主要使用近邻匹配法为处理组城市寻找相近控制组城市，再使用DID估计政策效应。如表5所示，使用PSM-DID估计的结果依然显著，且与基准结果几乎一致。
五、进一步分析
（一）作用机理检验
1.产业优化效应
为了检验数字经济通过优化产业发展影响城市绿色经济绩效，本文使用产业结构优化（opindust）和产业高级化（adindust）表征产业优化程度。表6列（1）DEL系数估计值为0.012，且显著，表明数字经济发展促进了城市产业结构优化。表6列（2）DEL系数估计值为0.248，也显著，表明数字经济发展促进了城市产业高级化。显然，产业结构优化和产业高级化有助于在降低资源和能源消耗前提下提高城市经济增长和高质量发展。以上结果支持了假设H2a，验证了数字经济发展通过促进产业优化升级而提高城市绿色经济绩效。
2.技术创新效应
为了检验数字经济通过技术创新影响城市绿色经济绩效，本文使用科学技术支出占财政支出的比例表征技术创新（techinnov）。表6列（3）DEL系数估计值为0.099，且显著，表明数字经济发展促进了城市技术创新，而技术创新是推动城市节能减排的重要动力，能提高城市绿色经济绩效。以上结果支持了假设H2b，验证了数字经济发展通过技术创新进而提高城市绿色经济绩效。
3.市场结构效应
为了检验数字经济可能通过影响市场结构而作用于城市绿色经济绩效，本文使用城镇私营和个体从业人员占城市从业人员的比值衡量城市的市场化水平。表6列（4）DEL系数估计值为-0.003，且不显著。为此，进一步使用城市进出口总额与城市GDP的比值衡量市场化程度再次估计，表6列（5）DEL系数估计值为-0.433，也不显著。实证结果不支持假设H3a，可能因为数字驱动的网络效应催生平台经济为代表的数字经济具有天然垄断的属性。
4.效率提升效应
本文使用全要素生产率（tfp）表征城市运行效率，tfp用于度量除各生产投入要素（例如资本、劳动、能源等）之外的非生产性投入对产出的贡献。tfp不仅能够反映生产过程中投入产出的总体效率，而且能够体现知识水平、管理技能等对产出的影响，能较为全面刻画主体的效率水平，而提高城市全要素生产率将有助于改善绿色经济绩效。表6列（6）DEL系数估计值为0.007，且显著，结果支持了假设H3b，表明数字经济发展提高了城市运行效率进而增强城市绿色经济绩效。
（二）异质性分析
本文从碳排放强度、城市资源禀赋、环境规制程度和政府干预程度等维度分析数字经济发展对城市绿色经济绩效影响的异质性。首先，根据城市碳排放强度差异进行分组回归，如表7列（1）和列（2）所示，高碳强度城市组的depost系数估计值为0.015，不显著，而低碳强度城市组为0.011，也不显著，表明数字经济发展对城市GEPI的影响在碳排放强度不同的城市之间并无显著差异。其次，根据城市资源禀赋差异进行分组回归，如表7列（3）和列（4）所示，资源型城市组的depost系数估计值为0.046，且显著，而非资源型城市组的depost系数估计值为0.015，但不显著，数字经济发展在资源型城市对城市GEPI的正向影响是非资源型城市的3倍多，表明数字经济更有助于提升资源型地区城市绿色经济绩效。最后，根据环境规制程度和政府干预程度的差异进行了分组回归。表7的列（5）和列（6）结果表明，数字经济发展对环境规制程度低的城市的GEPI正向影响更为显著。虽然环境规制能够约束企业用能行为并刺激企业加快技术创新从而有利于提高效率，但严格的环境规制也导致治污投入增加，可能会挤占生产研发投入，对绿色增长不利。列（7）和列（8）结果表明，数字经济发展对政府干预程度低的城市的GEPI正向影响更大且显著。
六、结论与政策启示
中国数字经济发展已上升为国家发展战略必将影响城市高质量发展。本文将“宽带中国”试点城市政策作为一项准自然实验，基于282个城市2011—2019年的数据使用渐进DID方法研究了数字经济发展对城市绿色经济绩效的影响，得出以下研究结论：第一，数字经济发展显著提高了城市绿色经济绩效水平。以“宽带中国”试点城市政策为表征的数字经济发展使得城市绿色经济绩效平均提高了0.028，该结果通过了平行趋势检验、安慰剂检验和稳健性检验。第二，数字经济发展通过产业优化效应、技术创新效应和效率提升效应促进城市绿色经济绩效，但数字经济发展并未通过影响市场化程度进而作用于城市绿色经济绩效。数字经济发展通过优化产业结构、提升产业高级化水平，增强城市技术创新，提高城市运行效率，进而促进城市在降低资源和能源消耗前提下提高城市绿色经济绩效。第三，数字经济发展对城市绿色经济绩效影响存在较为显著的差异性。数字经济发展对绿色经济绩效的促进作用在资源型城市、环境规制程度低的城市以及政府干预程度低的城市表现更为显著。
基于以上结论，本文提出如下政策启示：第一，数字经济发展有助于推动城市高质量发展，未来应继续完善中国数字经济发展政策，丰富数字经济发展政策体系，落实数字经济发展规划，进一步发挥数字经济对提高城市绿色发展的贡献，这对助力中国实现“双碳”目标意义重大。第二，数字经济发展在推动产业升级、技术创新、运行效率方面具有积极表现。当前中国产业数字化规模远超数字产业化规模，未来应重点支持数字产业化在促进产业升级中的贡献，并通过数字产业化带动产业数字化发展，通过财税政策充分发挥数字技术的物理功能和经济功能，加强数字政府建设，发挥数字经济对城市管理水平、政府治理能力、营商环境等方面的积极作用。第三，数字经济发展对城市绿色经济绩效的正向影响效应因城市特征不同而存在显著差异。因此，需要因城施策地制定数字经济发展政策，研究如何提高数字经济发展政策对非资源型地区、高环境规制、高政府干预地区绿色经济绩效的正向影响，才能从整体上增强数字经济发展对城市经济绿色发展的积极作用。
原文刊发于《厦门大学学报（哲学社会科学版）》2023年第4期《经济与管理研究·能源经济》专栏，第30—41页。因篇幅问题，注释删略。
相关文章：
欢迎关注“厦门大学学报哲社版”微信公众号
投稿平台
https://xdxbs.xmu.edu.cn/