数字经济促进了中国的绿色技术创新吗？

郭炳南，王 宇，李 宁

（1. 江苏科技大学 人文社科学院，江苏 镇江 212003；2. 东华盛顿大学 政治学与公共政策系，美国 斯波坎 99202）

目前全球正处于新一轮的科技革命和产业变革之中，以大数据、人工智能和云计算为代表的数字经济快速发展，与社会各领域的融合已不可阻挡，不难发现，数字经济已演变成创新的动能。“数字经济”的概念在2017 年被写入党的十九大报告之中。国家“十四五”规划纲要明确提出，要激活数据要素潜能，以数字化转型驱动生产方式、生活方式和治理方式变革。同时，中国正处于高速增长阶段到高质量发展阶段的转型时期，要实现高质量发展，就必须依靠技术进步，尤其是通过绿色技术创新来引领推动绿色可持续发展。因此，如何利用数字经济来培育高端生产要素和变革生产方式、推动绿色技术创新水平的提高，对于加快实现中国经济绿色高质量发展具有重要意义。鉴于此，本文基于2004—2019 年中国30 个省级行政单位的面板数据，在测度中国各省份数字经济发展水平的基础上，实证检验数字经济对中国绿色技术创新的影响效应。

一、文献综述

本文聚焦于研究数字经济能否促进中国绿色技术创新，并从区域异质性和外生冲击的角度进行探究，因此进行以下两方面的文献综述。

（一）数字经济的相关文献

数字经济的概念最早是由Tapscott（1996）［1］提出的。2016 年中国杭州G20 峰会上《G20 数字经济发展与合作倡议》对数字经济进行了明确定义：数字经济是指一系列的经济活动，关键生产要素是数字化的知识和信息，载体是现代信息网络，效率提升和经济结构优化的推动力是信息通信技术的有效使用。目前学术界关于数字经济的影响研究，主要包括环境质量［2］、高质量发展［3-4］、生产效率［5-6］和产业结构［7］等方面。同时，也有大量的研究集中探讨数字经济与创新的关系。在理论层面，张昕蔚（2019）［8］探讨了创新资源的配置方式和创新模式如何在数字经济条件下变革，并总结了政府主导型和异质性平台企业主导型的创新生态系统运行模式。在实证层面，张旭亮等（2017）［9］基于2005—2015 年的中国省级面板数据，研究发现互联网发展对区域创新具有正的直接效应和空间溢出效应。赵滨元（2021）［10］利用城市层面的面板数据验证了数字经济具有同样的效果。温珺等（2019）［11］通过构建城市层面的数字经济指标体系，实证分析了数字经济与创新能力的非线性关系。熊励等（2020）［12］从产品创新和技术创新的角度研究发现长三角城市群的数字经济发展对技术创新具有显著的正向影响。汪亚楠等（2020）［13］实证分析了数字金融通过收入效应和人力资本效应对城市创新的驱动影响。此外，相关研究发现，数字经济对创新能力提升的影响机制包括人力资本、金融发展和产业升级［14］以及研发资本投入［15］等。

（二）绿色技术创新的相关文献

关于绿色技术创新影响因素的研究主要集中在环境规制、政府补贴等方面。在微观层面，齐绍洲等（2018）［16］运用三重差分研究发现排污权交易试点政策诱发了上市公司的绿色技术创新活动。王珍愚等（2021）［17］利用2004—2015 年中国上市公司的绿色专利数据，从企业所有制和行业类型方面分析了环境规制对企业绿色技术创新的影响。李青原等（2020）［18］基于中国A 股重污染行业上市企业的数据研究发现排污收费促进了企业的绿色技术创新，但是环保补助却阻碍了企业的绿色技术创新。温湖炜等（2020）［19］发现环保税改革对大中型企业的绿色技术创新具有显著的正向影响。在宏观层面，刘畅等（2020）［20］把城镇化作为中介变量，实证研究了地区环保投资对绿色技术创新的促进作用。李新安（2021）［21］基于2004—2018 年的中国省级面板数据，研究发现环境规制对绿色技术创新具有倒U 型的本地效应以及负的空间溢出效应。而斯丽娟（2020）［22］利用空间杜宾模型发现黄河流域的环境规制对绿色技术创新具有正向的本地效应和空间溢出效应。陈晓等（2019）［23］通过构建静态和动态中介效应模型，验证了环境规制与绿色技术创新之间倒U 型关系的存在。

综上所述，将数字经济与绿色技术创新有机结合进行研究的文献较为缺乏，仅有的文献开展了对大数据与绿色发展［24］的相关理论范畴的分析。数字经济作为信息时代的崭新技术范式，研究数据这种新型生产要素如何提高资源利用效率以及推动技术创新朝着绿色清洁方向发展，对中国经济高质量发展具有重要的现实意义。因此本文的边际贡献主要在于：首先，本文对中国30 个省级行政单位的数字经济发展水平进行测度，并整理了各省级行政单位的绿色专利授权数量，进而采用空间杜宾模型实证研究了数字经济对中国绿色技术创新的本地效应和空间溢出效应；第二，研究了数字经济发展水平对绿色技术创新影响程度的区域差异性；第三，探讨了2008 年全球金融危机对数字经济以及绿色技术创新所造成的外生冲击。

二、理论机制分析

数字经济由于具备能够降低交易成本、改善资源配置效率以及获取规模经济效应等优势，从而可以提升本地绿色技术创新水平；同时，由于数字经济打破了要素传递的空间限制，因此，数字经济对邻地的绿色技术创新可能具有空间溢出效应。本文从直接作用和空间溢出效应两个方面来探讨数字经济影响中国绿色技术创新的内在机理，并提出相应的研究假设。

（一）数字经济发展水平与本地绿色技术创新

数字经济对绿色技术创新的影响以积极作用为主，主要体现在以下三个方面。第一，从关键生产要素的角度考察，数字经济偏向于环境友好型，对于自然资源的依赖性不强，不会大规模破坏生态环境，因此数字经济的快速发展能够挤压传统的高污染、高耗能产业，推动企业进行绿色技术研发，实现产业结构优化升级。第二，数字经济存在规模经济效应。由于大数据、云计算等先进技术的使用，数字经济改变了传统粗放型的经济发展方式，能够使得人才、资金、技术和知识等创新要素在短时间内进行有效整合，为绿色技术创新提供了强有力的支持。同时，数字经济通过降低信息传递的时滞性以及解决信息不对称问题，降低了企业进行绿色技术创新的边际成本。第三，在需求端层面，可以借助数字媒介向消费者传播绿色生活理念，引导公众保护环境、节约资源，从而倒逼企业进行绿色技术创新。基于此，本文提出研究假设1。

研究假设1：数字经济可以推动本地绿色技术创新水平的提升。

（二）数字经济发展水平与绿色技术创新的空间溢出效应

数字经济最重要的特征就是能够打破要素流动的时空界限，增强区域间经济活动关联的广度和深度。数字经济通过物联网、人工智能以及云计算等技术使得原本无法交易的服务、不能满足的需求可以在更大的空间内实现，促使创新要素在区域间更加快捷地流动，提高了资源配置的效率。张旭亮等（2017）［9］发现互联网对中国区域创新存在溢出效应。赵滨元（2021）［10］通过城市层面的数据研究了数字经济对区域创新绩效的邻地溢出效应。杨慧梅等（2021）［27］基于2004—2017 年的中国省级面板数据探讨了数字经济对全要素生产率的空间溢出效应。数字经济对绿色技术创新的影响在空间上也应该存在溢出效应。基于此，本文提出研究假设2。

研究假设2：数字经济对绿色技术创新具有正向空间溢出效应，可以促进邻地绿色技术创新水平的提高。

三、研究设计

（一）数字经济的测度方法

1.指标体系

目前对数字经济的衡量主要包括直接估算数字经济规模以及构建相应的指标体系［25］。学术界对数字经济的划分包括狭义和广义两种，狭义的数字经济即数字产业化，主要是指传统的信息产业；广义的数字经济即产业数字化，包括信息技术与其他产业部门的融合从而产生的数字经济活动［26］。本文借鉴杨慧梅等（2021）［27］的相关研究，从数字产业化和产业数字化两个角度构建包含电子信息制造业、基础设施、软件和信息技术服务业、工业、第三产业、农业、基建投资和数字化人才八个维度31 项指标的数字经济综合测度指标体系①数字经济综合测度指标体系中各个指标权重是通过熵值法来确定，根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标的权重就越大，熵值法的具体计算过程可参见下文的测度方法。，如表1 所示。

表1 数字经济综合测度指标体系

续表1

2. 测度方法

本文采用熵值法对2004—2019 年中国30 个省级行政单位①研究对象包括北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆，但不包括中国的港澳台地区以及数据缺失比较严重的西藏自治区。的数字经济发展水平进行测度。作为一种客观赋权方法，熵值法在确定权重的过程中可以很大程度上避免主客观局限，能够有效地解决多指标变量间信息的重叠问题［28］，具体步骤如如下。

第一，对指标无量纲化处理：

Xij为第i个省级行政单位的第j项指标，i=1，2，…，n；j=1，2，…m。

第二，构建规范化矩阵：

第四，计算信息熵冗余度：

（二）空间自相关检验方法与权重选择

1. 全局空间自相关

全局空间自相关是从整体层面上衡量各省级行政单位绿色技术创新的空间相关性，计算公式如下所示：

2. 局域空间自相关

局域空间自相关是从局部的角度来考察各省级行政单位与其空间相邻省级行政单位绿色技术创新之间的相似程度，与全局空间自相关相比，局域空间自相关更能准确识别各省级行政单位之间的异质性和集聚特征。具体公式如下：

局域Moran’s I指数可以识别各省级行政单位之间绿色技术创新的局部空间格局特质，并可分为四种类型：H-H、H-L、L-L 和L-H，其中，H-H 为高-高集聚，H-L 为高-低集聚，L-L 为低-低集聚，L-H 为低-高集聚。

3. 空间权重矩阵选择

为了系统观察数字经济与绿色技术创新的空间关联，本文构建了以下三种空间权重矩阵。第一种为Queen 型邻接权重矩阵（W1）。当省级行政单位i与省级行政单位j的边界相邻时，则Wij为1，否则就为0。第二种为经济距离权重矩阵（W2）。Wij=1/ |RGDPi-RGDPj |，RGDP 表示人均地区生产总值。第三种为地理距离权重矩阵（W3）。其中Wij为省级行政单位i与省级行政单位j省会之间的公路里程倒数。

（三）空间计量模型

1. 模型设定

目前的空间计量模型主要包括空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM），其中空间杜宾模型同时包括了被解释变量和解释变量的空间相关性。因此，本文的空间计量模型设定如下所示：

式中，i表示省级行政单位，t表示时间；GTPit表示被解释变量，在本文中为绿色技术创新；DEIit表示核心解释变量，为数字经济发展水平；Xit为其他控制变量；模型中所有变量都取了自然对数；ρ为被解释变量的空间回归系数；β 为解释变量的回归系数；θ 为解释变量的空间回归系数；γ 为随机扰动项的空间回归系数；ui为空间固定效应；εit为随机扰动项。当θ、γ=0，ρ≠0 时为空间滞后模型，当θ、ρ=0，γ≠0 时为空间误差模型，当θ、ρ≠0，γ=0 时为空间杜宾模型。

2008 年爆发的全球金融危机对世界各国都产生了巨大的冲击，此后各个国家都开始推动产业结构转型升级，在这个过程中，人工智能作为提高生产效率、推动产业结构合理化和高级化的重要工具受到了重视并逐渐推广［29］。因此，本文在模型（10）中加入了金融危机（crisis）与数字经济发展水平的交互项，具体模型如下所示：

其中，crisis为0—1 虚拟变量，若t≥2008 时，则取值为1，否则就为0。

2. 变量选取与指标说明

被解释变量：绿色技术创新（GTP）。现有研究对于绿色技术创新的衡量主要使用绿色专利数量［30］，绿色专利数量包括申请数和授权数，专利申请数据在一定程度上只是反映了对绿色技术的重视程度但并不代表实际技术水平的提升［16］。因此，本文选择绿色发明专利和绿色实用新型专利授权量来衡量各个省级行政单位的绿色技术创新水平。

核心解释变量：数字经济发展水平（DEI）。本文从数字产业化和产业数字化两个层面构建数字经济综合测度指标体系，并采用熵值法综合测算各省级行政单位的数字经济发展水平。

控制变量。本文借鉴斯丽娟（2020）［22］的相关研究，选择以下控制变量：研发投入（RD）用研究与实验发展经费支出占GDP 的比重来表示；环境规制（ER）用污染治理投资总额与GDP 的比值来表示；外商直接投资（FDI）用实际利用外资与GDP 的比值表示；工业水平（TVI）用规模以上工业企业的资产表示；资本投入（FA）用全社会固定资产投资总额来表示；生活支出（CON）以社会消费品零售总额表示；人口规模（POP）以各省级行政单位的总人口表示；行政管制（GOV）以地方政府财政支出占GDP 的比重表示；政府补贴（SUB）以研发投入中政府资金与GDP 的比重表示。

本文选取了2004—2019 年中国30 个省级行政单位的相关数据（西藏因数据不完整而被剔除，且不包括中国的港澳台地区），各变量的描述性统计如表2 所示。绿色专利授权数是基于世界知识产权组织（WIPO）发布的国际专利分类绿色清单（IPC）编码，根据中国国家知识产权局提供的专利申请信息整理得到；其他变量数据来自EPS 数据库中的中国宏观经济数据库以及各省级行政单位各年份的统计年鉴。

表2 变量的描述性统计

四、实证结果与分析

（一）数字经济发展水平的时空分布特征

为了更好地探究数字经济发展水平的时空分布特征，本文利用ArcGIS 的自然间断点分类法，将中国30 个省级行政单位的数字经济发展水平划分为五个等级，并选取了2004 年、2009 年、2014年和2019 年的数据，结果如图1 所示。

图1 数字经济发展水平的时空分布特征

从区域差异来看，中国的数字经济发展水平具有较强的空间异质性①根据中国国家统计局的划分标准，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。，东部地区远远高于中部和西部地区，尤其是广东省和江苏省的数字经济发展水平领先其他省份，而青海、宁夏、新疆等西部地区的数字经济水平则远低于全国均值。同时，中部地区的安徽和江西的数字经济水平明显低于周边其他省份，形成了一个塌陷地带。

从时间趋势来看，2004—2019 年中国的数字经济发展水平不断提高，年平均增长率达到了6.27%。增长速度最快的是贵州，年平均增长率达到了14.34%，远远高于全国均值，其原因主要在于贵州省深入实施大数据战略行动，强化基础保障，率先建设全国首个大数据综合试验区，同时作为国内首个发布省级层面数字经济发展规划的省份，贵州加速释放数字红利，着力培育高质量发展新动能。年均增长速度较快的分别是四川和安徽，而东北三省的数字经济年均增长率则是全国最低。

（二）空间相关性检验结果分析

1. 全局空间格局特征

表3 为2004—2019 年绿色技术创新（lnGTP）在邻接权重矩阵（W1）、经济距离权重矩阵（W2）以及地理距离权重矩阵（W3）条件下计算得到的全局Moran’s I指数。从结果可以发现，除了2004 年、2005 年和2006 年在邻接权重矩阵条件下Moran’s I指数不显著以外，其他结果均显著大于0。整体上来看，全局Moran’s I指数保持着不断上升的趋势，表明研究期间内中国绿色技术创新的空间相关性不断增强。通过以上分析，可以发现将空间效应纳入数字经济对中国绿色技术创新的作用分析是恰当的。

表3 绿色技术创新（lnGTP）Moran’s I 指数

2. 局域空间格局特征

由于文章篇幅限制，本文选择了2019 年中国绿色技术创新水平在邻接权重矩阵、经济距离权重矩阵和地理距离权重矩阵条件下的局域Moran’s图，来分析省级行政单位之间的空间分布格局，具体如下所示。

图2、图3 和图4 分别为邻接权重矩阵、经济距离和地理距离权重矩阵条件下的局域莫兰散点图。由上述散点图可知，2019 年中国绿色技术创新的空间分布状态可以划分为四种类型：第一象限（H-H）、第二象限（H-L）、第三象限（L-L）和第四象限（L-H）。第一象限和第三象限属于空间正相关状态，第一象限属于高-高集聚，表示绿色技术创新水平较高的省级行政单位其周围省级行政单位的绿色技术创新水平也较高；而第三象限属于低-低集聚，表示绿色技术创新水平较低的省级行政单位其周围省级行政单位的绿色技术创新水平也较低。第二象限和第四象限属于空间负相关状态，表示相邻省级行政单位之间的绿色技术创新水平相差较大。从数量角度观察，中国的绿色技术创新在2 0 1 9年主要分布在第一象限和第三象限，表明中国的绿色技术创新具有较强的正空间相关性。同时，处于第一象限的省级行政单位数量远远多于第三象限。且第一象限的东部和中部地区省级行政单位占主导地位，而第三象限的省级行政单位主要位于西部地区。呈现这种趋势的原因主要可能是经济发展水平的差异，较高经济发展水平的东部和中部地区可以为绿色技术创新提供一系列的资金、技术和人才支持，而西部地区由于经济发展水平较低从而阻碍了绿色技术创新水平的提高。

图2 局域莫兰散点图（W1）

图3 局域莫兰散点图（W2）

图4 局域莫兰散点图（W3）

（三）空间计量模型检验结果与分析

在实证分析之前需要进行一系列检验从而选择适合本文的空间计量模型。由表4 可得，LM 检验和Robust LM 检验表明同时存在空间滞后效应和空间误差效应，因此选择空间杜宾模型（SDM）更合适。同时，再对空间杜宾模型（SDM）进行检验，Wald 检验和LR 检验表明SDM 模型不能退化为SLM 模型和SEM 模型。Hausman 检验表明空间杜宾模型倾向于选择固定效应。固定效应包括空间固定效应、时间固定效应和时空双固定效应，本文通过对比空间相关系数和Within-R2从而进行选择，结果显示不管是邻接权重矩阵还是经济或者地理距离权重矩阵，空间固定效应的空间相关系数和Within-R2都显著比其他两种固定效应要好。因此本文选择空间固定效应杜宾模型进行实证分析。

表4 空间计量模型检验结果

本文首先使用模型（10）来分析数字经济发展水平对中国绿色技术创新的影响，具体估计结果如表5 所示。权重矩阵W1、W2和W3条件下的空间相关系数均显著为正，组内拟合优度分别为0.974、0.973 和0.970，这表明空间固定效应杜宾模型具有良好的解释能力。同时，由表5 可以看出，第（4）—（5）列经济距离权重矩阵的结果比较显著，因此下文主要对经济距离权重矩阵（W2）条件下的估计结果进行分析。

表5 SDM 模型估计结果

与传统计量模型不同，空间杜宾模型的估计系数并不能直接反映解释变量的边际效应，因此本文对空间杜宾模型的回归结果进一步分解处理，从而得到被解释变量和解释变量的直接效应、间接效应和总效应。

由表6 可得，数字经济发展水平直接效应的系数为0.563，并通过1%显著性检验，即数字经济发展水平提升1%，则本区域的绿色技术创新提高0.563%。数字经济发展水平的溢出效应系数值为0.624，表明数字经济对邻近地区的绿色技术创新也具有促进作用。综合数字经济的直接效应和间接效应，得到总效应为1.187，即数字经济发展水平提高1%，则整体的绿色技术创新可以提升1.187%。数字经济时代，得益于快速发展的信息通信技术，加速了人才、资本和技术等要素的流动，为绿色技术创新奠定了基础。另一方面，物联网和互联网技术的融合扩大了创新要素配置的空间范围，促进了创新要素更加高效快捷地流入邻近地区。

表6 经济距离权重矩阵下SDM 模型空间效应分解结果

控制变量方面，环境规制对本地的绿色技术创新的影响显著为正，而对邻地绿色技术创新显著为负。一方面可能是由于企业为了控制成本以及追求利益最大化，进而增加研发投入，进行绿色技术研发。因此适当的环境规制对于提升本地绿色技术创新水平具有促进作用，也验证了波特假说。另一方面，由于环境规制的存在，规制强度高的省级行政单位可能会对高污染产业进行转移，进而导致邻近地区的技术倾向于非清洁方向，最终抑制了邻近地区的绿色技术创新。研发投入对本地的绿色技术创新具有显著促进作用，而对邻地的溢出效应则不显著。外商直接投资对本地的绿色技术创新具有抑制作用，表明了中国在招商引资过程中引资质量不高，导致大量的高污染产业进入中国，呈现出“污染避难所”的特征。工业水平的直接效应系数显著为正，而空间溢出效应显著为负。可能主要是由于环境规制的影响，本地的企业逐渐开始偏向清洁生产，而相邻省级行政单位接收了大量的污染企业，从而可以促使本地绿色技术创新的提高，但是抑制了邻地的绿色技术创新发展。

资本投入和人口规模对绿色技术创新的直接效应和间接效应都显著为正，这表明资金和人才是促进绿色技术创新提高的重要因素。行政管制对于本地的绿色技术创新具有一定的促进作用，主要可能是因为企业是技术创新的主体，政府通过制定相应的政策法规以及税收优惠可以引导企业进行绿色技术研发，同时由于国有企业具备更高的绿色技术研发意愿［31］，而政府对国有企业可以进行更多的引导，从而促进本地绿色技术创新的提高。政府补贴对绿色技术创新的直接效应和间接效应都显著为负，表明中国经济仍然处于向创新发展转变中，政府的补贴资金集中于传统技术领域，没有大规模投入到绿色清洁技术领域。

（四）稳健性检验

1. 更换权重矩阵

上述结果表明，数字经济不仅能提高本地的绿色技术创新，也有助于提升相邻地区的绿色技术创新。为了保证结果的准确性，本文在借鉴邵帅等（2016）［32］的研究基础上，构建了地理与经济距离的嵌套权重矩阵（W4），W4=μW1+（1-μ）W2，为简化分析，取μ=0.5。W4同时考虑了地理和经济因素，因此可以用来进行稳健性检验。

由表7 可知，模型（10）在地理与经济距离的嵌套权重矩阵条件下的空间相关系数为0.492，且在1%的水平上显著。同时数字经济的直接效应系数值在1%的水平上显著为0.727，间接效应系数值在1%的水平上显著为1.221。这与前文的结论基本一致，充分表明前文的结果是稳健可靠的。

表7 稳健性检验回归结果

2. 变量替换

为了检验上文回归结果的稳健性，本文以绿色专利申请量来衡量绿色技术创新水平，再次进行回归，结果见表8。可以发现，尽管数字经济对绿色技术创新的影响在系数大小和显著性水平上与前文有所差异，但从根本来看，本次回归中数字经济对本地绿色技术创新具有显著的提升作用，同时具有显著的正向溢出效应，这说明上文得到的结果是稳健可靠的。

表8 稳健性检验回归结果

五、进一步讨论

（一）区域异质性分析

以上对于数字经济与中国绿色技术创新的研究更多的是基于平均影响效应，然而，地区间的发展水平不同可能导致数字经济对绿色技术创新的影响程度有所差异。因此，本文将中国划分为东部、中部和西部地区，从而分区域进行研究分析。

由分区域回归结果可以看出，东部、中部和西部地区的数字经济直接效应系数值都显著为正，在空间溢出效应方面，东部和西部地区显著为正，而中部地区尽管为负，但并不显著。同时，东部、中部和西部地区的总效应都显著为正，但作用效果有所差异。数字经济发展水平对西部地区的绿色技术创新促进作用最大，其次是中部地区，而对东部地区的绿色技术创新促进程度最小。主要原因可能在于中西部地区的绿色技术创新具有更大的提升空间，从而使得数字经济对绿色技术创新具有更强的带动作用。

表9 分区域回归结果

（二）全球金融危机的冲击

2008 年的全球金融危机对于世界各国来说是一个转折点，在遭受冲击以后，大部分国家都开始依靠人工智能和互联网来提高生产效率。基于此，本文在模型（10）的基础上加上了金融危机（crisis）与数字经济的交互项，从而得到模型（11）。因此，本文在邻接权重矩阵、经济距离权重矩阵和地理距离权重矩阵条件下对模型（11）进行空间回归，表10 显示：在三种权重矩阵条件下，交互项的直接效应系数都显著为正，表明全球金融危机发生以后数字经济对本地绿色技术创新具有更大的积极作用；而交互项的间接效应在经济和地理距离权重矩阵条件下显著为负，表明全球金融危机以后数字经济对于邻地绿色技术创新的正向影响出现了弱化。从整体上来看，在邻接权重矩阵条件下，全球金融危机具有强化作用，在其他两种权重矩阵条件下结果并不显著。

表10 全球金融危机的外生冲击空间效应分解

六、结论与政策建议

本文基于2004—2019 年中国30 个省级行政单位的面板数据，在利用熵值法综合测算数字经济发展水平的基础上，构建空间杜宾模型检验数字经济对中国绿色技术创新的本地效应和空间溢出效应。研究发现：第一，从时序特征来看，2004—2019 年中国的数字经济发展水平不断提高；从区域差异来看，中国的数字经济发展水平整体上呈现出一种非均衡的空间分布特征，东部最高，中部其次，西部最低。第二，数字经济不仅对本地的绿色技术创新显著为正，还提升了邻地的绿色技术创新。同时，数字经济与其他要素相结合共同推动绿色技术创新提升。从空间效应分解结果可以看出，数字经济对绿色技术创新的作用也依赖于其他变量，其中研发投入、环境规制、工业水平、资本投入、人口规模和行政管制都能提升本地的绿色技术创新，而邻地的资本投入和人口规模也能推动本地绿色技术创新的提升。第三，数字经济对绿色技术创新的影响程度具有区域异质性。与创新水平较高的地区相比，低创新水平的中部和西部地区的数字经济发展水平能给绿色技术创新带来更大的效果。第四，2008 年的全球金融危机一方面强化了数字经济对本地绿色技术创新的促进作用，另一方面又弱化了数字经济对邻地绿色技术创新的正向影响，但是全球金融危机还是在整体上促进了数字经济对绿色技术创新的正向影响。

根据以上结论，本文的政策建议如下：第一，积极促进数字经济发展，不断加快数字产业化和产业数字化发展速度。首先，加大对数字经济的研发支持，重点关注大数据、云计算和人工智能等领域，同时要加强对于数字经济基础设施的建设。其次，东部地区要保持数字经济的优势，加大人才和资金投入，鼓励社会资本对于数字经济的投资；中西部地区要加强对数字经济发展的政策扶持力度，发挥行政的引导支持作用，充分利用数据要素这个经济发展的新动能，利用数字经济推动绿色技术创新，实现经济高质量发展，从而缩小与东部地区的发展差距。第二，制定适宜的环境规制政策，促进区域间协同发展。本文研究发现环境规制促进了本地的绿色技术创新，但对邻地的绿色技术创新具有显著的负向影响。因此，一方面要合理制定环境规制的力度，倒逼高污染企业为了节约成本从而进行绿色技术研发；另一方面要意识到环境规制的空间溢出效应，需要对本地和邻地的环境规制政策进行全盘考虑，加强区域间的协调合作，制定适宜的环境规制政策。第三，提高外资引进质量，吸收国外的绿色清洁技术。研究发现目前的外商直接投资具有显著的负向影响，表明目前的外资引进质量不高，较多中低端和高污染产业。因此要提高外资的质量，汲取国外先进的绿色技术和清洁工艺，促进中国绿色技术创新水平的提高。第四，加大人力资本积累，增加资本投入。人才和资本是绿色技术创新的基础。一方面要注重积累人力资本，政府要加大对人才培养的投资，提高教育质量，对人力资本进行优化配置；另一方面政府要增加对创新和清洁技术的财政投入，促进民间资金投入有效供给，提升绿色技术创新水平。