数字经济对绿色全要素生产率的影响研究——基于创新环境的调节作用

王 硕，郑月萍

（山东建筑大学 商学院，山东 济南 250100）

一、引言

当前，我国已经进入高质量发展的新阶段。绿色发展是经济发展的主要目标，而绿色全要素生产率是体现绿色高质量发展的重要指标，符合国家绿色发展理念。数字经济是中国最活跃的领域之一，数字经济作为一种全新的经济形态，在提高创新效率、推动绿色发展等方面发挥了重要作用。因此，探究数字经济、创新环境与绿色全要素生产率之间的关系有利于转变我国经济发展模式，通过绿色技术研发创新，进而推动国家经济绿色高质量发展。

关于数字经济与绿色全要素生产率的文献，包括从要素配置视角探究数字经济对绿色全要素生产率的影响[1]、从非线性角度探讨数字化水平与绿色全要素生产率的关系[2]、从空间溢出效应角度探讨数字经济对全要素生产率[3]、从产业结构转型角度探讨数字经济的作用[4]、从数字技术角度探讨数字经济与全要素生产率的关系[5]，对数字经济赋能绿色发展的模式方面也表现出高度重视[6]，但鲜有文献从地区创新环境角度探讨数字经济对绿色全要素生产率的影响。科技创新环境是推动绿色全要素生产率提升的重要因素[7]，人才环境是反映创新环境的主要方面[8]，人才集聚对创新具有显著的空间溢出效应[9]，范欣和尹秋舒（2021）[10]认为数字金融发展通过促进创新创业提升绿色全要素生产率。现有文献从不同视角对数字经济与绿色全要素生产率关系进行研究，但目前还存在以下缺憾：第一，不同区域的数字经济对绿色全要素生产率的影响不同，但大多数研究关注数字经济对绿色全要素生产率的积极影响，未能充分反映数字经济对绿色发展的区域影响。第二，绿色全要素生产率受到多种因素影响，存在变量与数字经济交互影响绿色全要素生产率，目前尚未探析创新环境对数字经济赋能绿色全要素生产率的影响。本文以数字经济对绿色全要素生产率影响为主线，以创新环境为调节变量，更加全面的揭示数字经济对绿色全要素生产率的重要性。本文研究贡献如下：第一，从省际层面对数字经济和绿色全要素生产率定量测算。第二，丰富数字经济和绿色全要素生产率影响因素的研究层次，从数字经济层面与创新环境层面探究其对绿色全要素生产率的影响。第三，将创新环境作为调节变量纳入数字经济与绿色全要素生产率的研究框架，探究数字经济对绿色全要素生产率的影响。

二、理论分析与研究假设

（一）数字经济与绿色全要素生产率

数字经济是以使用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、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动[11]。

绿色全要素生产率充分考虑到资源消耗和污染排放等非期望产出，用以评价经济发展质量的指标[23]。数字经济的发展不仅推动技术革新，而且提高了产业生产率[12]。数字经济提升绿色全要素生产率的逻辑主要有以下两个方面：第一，传统经济模式以能源和资本的持续投入发展经济，对环境造成污染破坏。数字经济作为新的经济形态，拓展生产可能性边界[13]，减少了资源环境要素的过度消耗，改变传统模式下的规模经济，从而推动社会经济的绿色发展[14]。第二，数字经济催生数字技术的进步，数字技术进步是实现地区绿色经济发展转型的关键[15]，韦施威（2022）[16]认为应不断通过数字技术升级，推动传统第二产业转型升级，推动绿色全要素生产率的发展，实现经济的绿色高质量发展。因此，本文提出如下研究假设：

H1：数字经济对绿色全要素生产率具有促进作用。

（二）数字经济、创新环境与绿色全要素生产率

创新是支撑创新活动、提升绿色经济效率和驱动经济高质量增长的关键因素。现有文献对创新环境的内涵进行探讨，创新环境是指相互协同与进行集体学习的主体所处的区域环境[17]。

Schmidt 等（2016）[18]从金融环境、人力资本等方面分析创新环境对研发的影响。张慧雪等（2020）[19]认为创新环境应包括基础设施、劳动力素质、金融环境等。学者们从不同视角研究创新环境，不难发现，其中人才是反映创新环境的重要维度。人力资本是数字创新的基础[20]，是创新活动中最关键的物质生产要素[21]，科技人才具有吸收先进技术的能力[22]，从而推动区域创新活动的发展。创新发展水平较高的地区不仅可以提供创新人才储备来支持数字经济的发展，而且影响数字经济与其他创新资源的融合及数字经济成果在高耗能、高污染等产业的转化和应用，进而直接推动绿色全要素生产率的增长。因此，本文提出如下研究假设：

H2：创新环境在数字经济影响绿色全要素生产率过程中发挥正向调节作用。

三、实证研究设计

（一）模型设定

本文构建如下基准回归模型：

式（1）中，i为省份，t为时间年份，gtfpit表示i省份在t年的绿色全要素生产率，作为本文被解释变量；deit表示i省份在t年的数字经济水平，是本文的核心解释变量；fdiit为外商直接投资；rdit为研发投入；marketit为市场化水平；roadit为交通条件；induit为产业结构；telit为信息化水平；α0为常数项；λi表示省份固定效应；εit为随机扰动项。

为检验创新环境对数字经济与绿色全要素生产率关系的调节作用，构建如下回归模型：

式（2）与式（3）中，tagit表示i省份在t年的人才集聚，衡量i省份在t年的创新水平。式（2）与式（3）结合判断H2 中创新环境的调节效应。本文对数字经济、研发投入、产业结构、人才集聚进行对数化处理，以减少变量单位和量纲的影响。

（二）变量说明与数据来源

本文选择2011—2019 年中国30 个省份（由于数据缺失，不包括西藏自治区、香港特别行政区、澳门特别行政区和台湾省）的省际层面数据进行研究。主要包括以下变量：

1.被解释变量：绿色全要素生产率。绿色全要素生产率考虑了能源消耗及环境污染等非期望产出，能够更加精确地评价绿色经济的增长效率。参考陈超凡（2016）[23]、Chung 等（1997）[24]做法，本文基于DDF 方向性距离函数的ML 指数对绿色全要生产率进行测算，选择的投入指标包括：（1）资本投入。本文沿用张军和施少华（2003）[25]的做法，采用永续盘存法对资本存量进行估算。（2）能源投入，以2011年为基期，使用各省份能源消费总量衡量。（3）劳动投入，本文使用各省份城镇单位就业人员数衡量劳动投入。产出指标包括：（1）期望产出，期望产出使用各省份平减后GDP 来衡量。（2）非期望产出，使用各省份CO2排放总量衡量表示，本文根据中国碳排放数据库发布的中国省级二氧化碳排放清单IPCC（2006）部门核算法进行计算[26]。所有投入产出数据来自《中国城市统计年鉴》《中国能源统计年鉴》《中国统计年鉴》和中国碳核算数据库。

2.解释变量：数字经济。本文借鉴黄群慧等（2019）[27]的研究，从互联网发展和数字普惠金融发展两个层面综合测度省级层面的数字经济指数。其中，互联网发展水平包括4 个指标：一是互联网相关产业产出，以人均电信业务收入表示；二是互联网相关产业从业人员，以信息计算机服务业占城镇单位就业人数比重表示；三是互联网普及情况，以互联网普及率表示；四是移动电话普及情况，以移动电话普及率表示。数字普惠金融采用北京大学数字金融研究中心和蚂蚁金服集团共同编制的数字普惠金融指数来表示[28]，本文使用熵权法对上述指标进行降维得到的中国省际层面的数字经济发展水平。所有数字经济指标数据来自北京大学数字金融研究中心和蚂蚁金服集团联合发布的《数字普惠金融指数》、国泰安数据库及《中国城市统计年鉴》。

3.调节变量。人才是创新活动中重要的物质生产要素，高科技人才对知识转化利用，能够推动各省份技术创新的能力，推动区域绿色经济的发展。本文将人才集聚作为衡量创新环境的指标，分析数字经济对绿色全要素生产率的作用。本研究以科学研究和技术服务业人数来衡量各省份的创新环境[29]，并取对数处理。数据来自国泰安数据库。

4.控制变量。综合已有文献（苏科和周超，2021；谢云飞，2022）[30-31]的相关研究成果，对如下变量进行控制：外商直接投资，本文选用各个省份外商直接投资占地区生产总值的比值来衡量；交通条件，本文以各个省份人均道路面积来衡量交通基础设施水平；产业结构，本文以第二产业增加值来表示地区产业结构；市场化水平，参考王小鲁等编制的《中国分省份市场化指数报告》，选取其中的市场化指数来衡量各地区市场化水平[32]；研发投入，本文以各省份研发经费支出来衡量研发投入；信息化水平，本文以信息传输、软件和信息技术服务业人数来表示信息化水平。数据来自国泰安系列研究数据库和万得数据库。

（三）实证分析

1.描述性统计。文中涉及的变量、指标含义及变量描述性统计结果如表1 所示。

表1 变量描述性统计

2.基本回归分析。本文借鉴杨海兰等（2022）[33]的做法，使用多维固定效应模型进行实证分析，表2列（1）是数字经济对绿色全要素生产率的回归结果，由表2 列（1）可知，数字经济的回归系数约为0.011 0，且在5%的水平上显著。这表明，数字经济与绿色全要素生产率之间存在显著的正相关关系，省际数字经济发展可以显著提升绿色全要素生产率的水平，假设H1 得到支持。数字经济的发展具有区域经济效应，本文证实了数字经济具有绿色经济价值，不仅符合绿色发展的理念，而且推动经济高质量发展。为检验H2 即创新环境对数字经济和绿色全要素生产率关系的调节作用，模型2 在模型1 的基础上引入调节变量人才集聚，在5%的水平上显著为正，列（3）在列（2）的基础上进一步引入数字经济与人才集聚的交互项，由检验结果可知，数字经济与人才集聚交互项在5%的水平上显著为正。表明在人才集聚程度高的省份，数字经济对绿色全要素生产率的促进作用更为明显。在人才集聚程度较高的省份，能够更好发挥数字经济对绿色全要素生产率的促进作用。本文认为，人才集聚通过影响数字经济与其他创新资源的融合正向调节数字经济与绿色全要素生产率之间的关系。

表2 2011—2019 年绿色全要素生产率回归结果

3.稳健性检验。为保证结果的稳健性，本文分别采用剔除特殊样本、变换估计模型和调整样本时间跨度进行稳健性检验。表3 第（1）列～第（2）列汇报了剔除北京上海广州三个省份后的回归结果。为验证结论的可靠性，本文采用线性回归模型替换面板多维固定效应模型重新回归，表3 第（3）列～ 第（4）列汇报了回归结果。本文将实证回归的样本时间维度缩短至2011—2018 年进行重新回归分析，表3第五至第六列汇报了回归结果。由表3 可知，上述三类检验皆分别呈现了数字经济对各省份绿色全要素生产率的作用及创新环境对二者调节作用的检验结果，所有结果皆与上文一致，上述分析表明本文结果具有稳健性。

表3 稳健性检验回归结果

4.内生性问题讨论。本文对可能存在的内生性问题做了一定的处理，本文借鉴黄小勇等（2020）[34]、赵涛等（2020）[35]的做法，采用各省份互联网宽带接入用户数和各省份1984 年末邮局数与上一年固定电话年末用户数的交互项作为工具变量和构建各省份1984 年末邮局数与上一年固定电话年末用户数的交互项作为工具变量。在表4 中，列（2）列（3）汇报了结果，结果显示，关键变量的符号和显著性未发生实质性变化，数字经济对绿色经济的增长依然有显著的正向促进作用，而创新环境对二者仍具有显著的正向调节作用，这进一步佐证了前文得出的结论。

表4 内生性检验回归结果

四、进一步分析

（一）数字经济对绿色全要生产率的区域异质性

由于资源禀赋和发展阶段的不同，数字经济的发展在区域分布上存在着异质性特点。本文将我国划分为东部、中西部地区以分别考察数字经济对不同区域绿色全要素生产率的差异性影响。由表5 可以发现，正向的促进作用发生在东部地区和中西部地区。但从回归系数来看，东部地区为0.036 3，明显高于中西部地区。在经济相对欠发达的中西部地区，数字经济对绿色全要素生产率的促进作用小于东部地区。

表5 分地区样本回归结果

（二）不同生产率水平下数字经济影响差异

考察不同绿色全要素生产率水平下，数字经济对其促进作用是否存在差异，本文借鉴Koenker（2005）[36]提出的面板分位数回归模型分析数字经济与绿色全要素生产率的关系。由表6 可知，数字经济对于不同水平下的绿色全要素生产率均产生了显著的正向影响，这表明当省际绿色全要素生产率不同时，数字经济对绿色全要素生产率的影响存在显著差异。

表6 全样本分位数回归结果

五、结论与建议

数字经济是推动绿色经济效率提升的重要因素，在促进绿色全要素生产率过程中具有明显作用。文章基于2011—2019 年30 个中国省份的面板数据，实证分析了数字经济水平对绿色全要素生产率的影响以及创新环境的调节作用，得到以下结论:第一，数字经济对绿色全要素生产率的提升具有显著的正向影响。第二，创新环境在数字经济影响绿色全要素生产率过程中发挥了显著的正向调节作用。第三，数字经济发展对绿色经济效率的影响存在显著的区域异质性，数字经济对绿色全要素生产率的影响在东部地区最为显著，中西部地区次之。

基于以上结论，本文建议如下：第一，大力发展各省数字经济，培育大数据、区块链等数字经济基础产业，提升整体的绿色全要素生产率。第二，加大科技创新在环保领域的投入，促进“产学研”的发展，加强数字经济与人才战略、技术升级等各方面的融合，改善创新环境，把数字创新融入传统产业之中，实现经济的绿色发展。第三，加快产业转型升级，大力发展创新性强的数字经济产业，注重东中西地区和沿海内陆地区协调发展，推进中西部和内陆地区的产业结构调整，加快高新技术产业引入中西部地区及内陆地区，将数字产业与传统第二产业相结合，提升绿色发展质量[37]。