数字经济如何赋能生态韧性——基于中介效应与调节效应的实证分析

刘丁蓉，孙 仕 ，杨新辉

(1.广东财经大学 公共管理学院，广东 广州 510320；2.中山大学 政治与公共事务管理学院，广东 广州510006)

一、引言

我国经济不断发展，现已成为世界第二大经济体与世界第一大工业国，科学技术不断攻坚克难、生产力水平得到极大提升、经济产业结构实现持续转型与优化、人民生活水平也获得显著提高。可举世瞩目的成就背后，因粗放式的经济发展方式，造成自然资源的过度消耗与生态环境的严重破环与污染，削弱生态系统的承载力，威胁着部分地区可持续发展的生态安全，不利于我国生态韧性的整体提升。生态问题的症结在于经济发展方式的不适应，党的二十大报告指出，要推进美丽中国建设，统筹产业结构调整、污染治理、生态保护、应对气候变化，协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展[1]。因此，实现经济高质量发展对生态韧性的提升具有重要意义。

以信息技术为支撑的数字经济释放了巨大的创新活力，不仅改变了传统产业的支点，促进了产业结构的转型、升级与优化，同时也加速了现有粗放式的发展方式向绿色低碳循环模式的转变[2]。2022年我国数字经济规模达50.2万亿元，总量稳居世界第二，占国内生产总值的比重提升至41.5%[3]，数字经济已成为我国经济迈向可持续与高质量发展阶段的新引擎与新动能，为促进生态韧性的提升创造了新契机。数字经济如何赋能生态韧性的提升，此路径是否有效，均有待进一步研究与证实。基于此，本研究尝试在测度数字经济和生态韧性综合发展值的基础上，运用实证研究方法探析数字经济对生态韧性的影响效应，以期为进一步促进数字经济高质量发展与提升生态韧性水平提供参考性建议。

二、文献回顾

“数字经济(Digital Economy)”概念始于20世纪90年代，当时仅用来指代基于互联网产生的各种新经济活动与关系。随着互联网技术发展的日新月异，数字经济也逐渐得到学术界的普遍关注。目前，关于数字经济的研究主要集中在数字经济概念、数字经济测度以及数字经济相关实证研究等方面。(1)关于数字经济的概念厘定。国内外学者因侧重点不同而对数字经济的定义具有差异性。国内学者认为数字经济是以信息技术为基础、以信息化平台为主要媒介、以信息化赋权基础设施为支撑而开展的经济活动总称，主要强调经济活动本身[4]。国外学者认为数字经济是包含组织、人员、设备、业务流程和数据之间日常以互联网通信为主要媒介的一种公司活动[5]。也有学者认为数字经济是经济产出中完全或主要来自数字技术的部分，主要强调数字经济的商业性质[6]。(2)关于数字经济的测度。有关数字经济测度的研究也因标准、理论视角的不同而具有差异。部分国内学者根据国家统计局《数字经济及其核心产业统计分类(2021)》标准文件，对我国数字经济核心产业规模进行了相应测度[7]。也有学者基于社会网络分析视角探究了我国数字经济生产认知与核算的相关问题[8]。国外方面，美国经济分析局(BEA)倡导从“数字基础设施、电子商务、收费数字服务与联邦非国防数字服务”等维度进行数字经济测度[9]，而最早提出数字经济测算框架的经济合作与发展组织(OECD)则认为要从“数字媒体、电子商务”等方面的增加值来测算数字经济[10]。(3)关于数字经济的相关实证研究。目前国内外的数字经济实证研究数量颇多，主要围绕高质量发展[11]、产业结构[12]与中小企业发展[13]等经济维度，能源[14]与碳排放[15]等环境保护维度，以及共同富裕[16]与数字鸿沟[17]等社会维度展开。通过以上的研究梳理可以发现，数字经济在我国的发展速度虽然较快，但由于起步较晚，具体测度的标准、评估指标体系等均有待完善。

“生态韧性(Ecological Resilience)”最初由加拿大生态学家Holling[18]于1973年提出，用来刻画生态系统的非线性动态特征。目前学界关于生态韧性的研究已日趋成熟，主要集中在生态韧性概念、评估、影响因素及提升策略等方面。(1)关于生态韧性的概念。生态韧性体现的是生态系统应对各类生态风险与灾害所展现出的抵抗力、适应力以及恢复能力。但在不同视角下，学者对生态韧性的概念界定有些许不同。国外学者基于人类生态学视角提出，生态韧性是生态系统遭到冲击或长期处于高压状态下，能够化解危机并快速恢复，维护和保障生态安全、提供自然屏障、抵御风险与灾害的能力[19]。也有学者指出，生态韧性不仅强调生态系统具有吸收外部干扰的能力，而且还包括适应力、学习力与自我组织能力，这样才能达到人与生态系统的协调融合发展的目标[20]。(2)关于生态韧性的评估。目前学界较多采用实证研究方法，即在构建评估指标的基础上运用评估模型。在评估指标构建上，学者最常用的是“抵抗力—适应力—恢复力”与“压力—状态—响应(PSR)”两种框架，涉及“自然资源、环境污染状况与环境治理能力”[21]等多个维度的指标。研究的差异性主要体现在评估模型的选择上，空间自相关和STIRPAT模型、耦合协调度与障碍度模型、DPSIR模型与径流曲线模型是最常见的评估模型。(3)关于生态韧性的影响因素。已有部分学者通过研究证实经济因素对生态韧性的提升具有正向促进作用，而人口、技术以及土地要素会对生态韧性的提升产生抑制作用[22]，并从地形、植被覆盖、水源条件、对外开放程度、人口集聚、产业结构、环境规制、科技投入等多个维度探讨了生态韧性的空间异质性[23]。(4)关于生态韧性的提升策略。由于生态韧性提升涉及多个维度，不同研究对象的提升与优化措施呈现出一定的差异性。学者较为关注从土地利用转变、防御性生态空间管控、三区三线管控、信息通信技术与发展(ICT4D)理念等方面提出增强生态韧性的措施与对策。

目前关于数字经济对生态韧性影响关系的直接研究较少，已有的文献较多是从环境污染、环境治理、环境规制等影响生态韧性提升的角度出发，研究数字经济对生态韧性的影响关系。(1)关于数字经济与环境污染。数字经济可以通过产业结构红利与人力资本结构红利来提升绿色全要素生产率，从而减少传统行业的能源消耗和环境污染[24]，而且数字普惠金融在污染排放与绿色全要素生产率方面产生双重生态效应，可以显著提升可持续发展水平[25]。另外，数字经济发展过程中的数字基础设施改造能通过促进绿色创新和优化产业结构这两个渠道来减少工业二氧二硫、烟尘与废气的污染排放[26]。(2)关于数字经济与环境治理。已有学者通过面板数据研究证实，数字经济可以显著促进农村环境治理能力的提升[27]，数字化程度与善治能力的提升也可以显著改善环境质量[28]，而且数字经济与能源消费强度、碳排放强度之间均存在“倒U”形关系[29]，即数字经济发展达到一定阈值后才能实现节能与减排的治理效能。(3)关于数字经济与环境规制。数字经济对不同类型的环境规制都具有一定影响，绿色技术创新是环境规制和数字经济影响绿色全要素生产率的重要渠道[30]。数字经济带动的数字技术发展，在增强正式和非正式环境规制对高碳制造业向绿色低碳发展模式转变的过程中起到调节作用[31]。

综上所述，关于数字经济与生态韧性，以往的理论分析较多集中在各自的内涵、概念界定与测度体系，缺乏将二者作为整体进而开展影响关系的研究。现有的研究文献较多关注数字经济与经济韧性、城市韧性、乡村振兴等方面的影响关系研究，顺带提及与生态韧性的关系，或是从生态环境保护的维度探讨数字经济与生态问题的影响关系，但未能从整体或全局视角探析二者的直接与间接影响机制。因此，本研究尝试构建数字经济与生态韧性的评估指标体系，以实证方式探究其影响关系与作用机制。研究的贡献有以下两方面：(1)探析数字经济赋能生态韧性的作用机制与影响效应，进一步深化数字经济与生态韧性的相关研究；(2)测度数字经济与生态韧性的综合发展值，考量数字经济对生态韧性产生影响效应的异质性特征。

三、理论分析与研究假设

(一)数字经济对生态韧性的直接影响

数字经济对生态韧性的影响具有复杂性，可以体现在资源依赖与能耗、环境污染及治理等方面。一方面，数字经济的发展并非百利而无一弊，其发展以数据中心为支撑，并依赖于海量的服务器、存储设备与用户终端电子设备，不仅会增加电子废物的产生量，造成水资源与土地资源污染，对生态系统安全造成威胁，同时其运行也需要大量的能耗，易加大电力能源依赖与碳排放量[32-33]。但另一方面，数字经济智能化、信息化与网络化的发展方式，可以使社会、市场与企业实现对需求和资源状况的准确把握，实现资源的精准配置，促进产业协同，降低资源的依赖、能源的损耗与碳排放量[34]，从而改善生态环境，提高生态系统的韧性和稳定性，同时也能通过提供环境监测、预警、评估、治理等服务，增强环境污染的控制与治理能力[35]。因此，数字经济的发展有利有弊，其积极影响与消极影响的转化或临界点有待进一步验证。基于以上分析，本研究提出以下假设：

假设1：数字经济对生态韧性产生显著的非线性影响关系。

(二)数字经济影响生态韧性的中介机制

数字经济的绿色发展模式，尤其是绿色创新技术的应用，降低了对自然资源的消耗与浪费，亦能减少环境污染，增强生态系统应对灾害时的抵抗力、适应力与恢复力，从而增强生态韧性。首先，生产过程中企业数字技术的创新与应用，不仅能促进管理效率和劳动生产率的提升[36]，减少对资源的消耗与污染物排放，同时也能有效减少因人口增长带来的环境污染问题[37]，而且绿色制造技术创新对重度污染制造业行业绿色发展的作用更明显，技术创新还可以通过节能减排效应促进制造业的绿色发展[31]；其次，数字经济提升了商品的流通效率[38]，并通过智能化需求引导、精准化管理，改变了大众的生活方式和出行效率，间接减少了碳排放和环境污染[39]；最后，数字经济中的技术创新可以有效地缓解信息不对称所导致的社会问题，提高技术要素的流动性，从而促进生产上的合作与技术创新[40]，使得生产过程中的排污监测与治污手段也开始多样化。因此，技术创新的“降耗减污”赋能效应对提升生态系统韧性具有重要的意义。基于以上分析，本研究提出以下假设：

假设2：数字经济通过技术创新促进生态韧性显著提升。

(三)数字经济影响生态韧性的调节机制

当一个国家的经济发展水平较低时，环境污染的程度也较低，随着居民收入的增加，环境污染程度也随之增高，当经济发展到一定水平，即达到某个“临界点”后，随着居民收入的进一步增加，环境污染程度开始呈现“由高到低”降低的趋势，环境质量逐步改善[41]。一方面，数字化发展通过促进居民收入水平的提高而推动居民的消费升级[42]，而居民消费的“棘轮效应”会加剧自然资源的消耗，居民生活消费支出、能源消耗量和居民人均碳排放量显著促进了城乡居民的碳排放[43]，加速了对环境的破环，增强了生态系统的脆弱性；另一方面，人力资本投资会随着居民收入的增加而显著增多[44]，而随着人力资本水平的不断提升，其在环境规制促进减排过程中的赋能效应越来越显著[45]，同时人力资本投资的增加，提升了社会的高等教育水平，使得公众有更多的契机了解和认识生态环境的重要性，对生态韧性提升具有显著促进作用。因此，居民收入在生态韧性的提升方面既有消费需求的“负能”效应，亦有人力资本的“赋能”效应。基于以上分析，本研究提出以下假设：

假设3：居民收入在数字经济促进生态韧性提升中产生调节效应。

四、研究设计

(一)模型设定

为了验证数字经济对生态韧性的作用机制与赋能效应，本研究设定以下模型。

1.基准回归模型

(1)

2.中介效应模型

Meit=β0+β1DEit+β2Controlsit+μi+νt+εit

(2)

ERit=δ0+δ1DEit+δ2Meit+δ3Controlsit+μi+νt+εit

(3)

其中：Meit为中介变量；β0与δ0为常数项；β1、β2、δ1、δ2与δ3均为待定系数。

3.调节效应模型

ERit=λ0+λ1DEit+λ2Moit+λ3Controlsit+μi+νt+εit

(4)

ERit=ω0+ω1DEit+ω2Moit+ω3DEit×Moit+ω4Controlsit+μi+νt+εit

(5)

其中：Moit为调节变量；DEit×Moit为数字经济与调节变量的交互项；ω0与λ0为常数项；λ1、λ2、λ3、ω1、ω2、ω3、ω4均为待定系数。

(二)数据标准化

(+)(6)

(-)(7)

其中：i为不同省份，t为不同年份，j为不同指标；Xit，j为标准化处理后矩阵数值；Yit，j为指标原始矩阵数值；min(Yj)为指标j原始数值中最小值；max(Yj)为指标j原始数值中最大值。为了让处理后的数值避免出现0而影响权重与综合发展值的计算，本研究特将处理后的指标数值整体非负平移0.001。

(三)熵权法

(8)

(9)

Hj=1-Ej

(10)

(11)

其中：Bit，j为第i个省份第t年第j个指标的数值占该指标总值的比重；Ej为第j项指标的熵值；Hj为第j项指标的变异系数；Qj为第j项指标的权重；n为省份个数(31)与年份个数(12)的交乘数；m为指标个数。

(四)变量选取与指标体系构建

1.被解释变量

本研究的被解释变量为生态韧性(Ecological Resilience，ER)。在构建生态韧性评估指标体系的基础上对生态韧性综合发展值进行测度，并将其作为生态韧性的变量数据。指标体系的构建结合生态韧性的三个维度，即抵抗力(ER1)、适应力(ER2)、恢复力(ER3)以及Huang等[21]与笪远瑶和罗丹[24]的研究，共划分为3个维度23个指标(见表1)。按照模型设定中式(6)与式(7)标准化处理原始数据后，运用式(8)至式(11)熵权法确认权重，使用加权综合法测算得到中国2010—2021年31个省级单位的生态韧性综合发展值以及三个维度各自的发展值。

表1 生态韧性评估指标体系

2.解释变量

本研究的解释变量为数字经济(Digital Economy，DE)，将测度后的数字经济综合发展值作为数字经济的变量数据。参考Wang和Shi[46]与何维达等[47]的相关研究，将数字经济评估指标体系划分为数字基础设施(DE1)、数字化水平(DE2)与数字产业化(DE3)共3个维度16个指标(见表2)。同样按照模型设定中式(6)与式(7)标准化处理原始数据后，运用式(8)至式(11)熵权法确认权重，使用加权综合法测算得到2010—2021年31个省级单位的数字经济综合发展值以及三个维度各自的发展值。

表2 数字经济评估指标体系

3.中介变量

本研究的中介变量为技术创新(tech)，参考孟维福等[48]的研究，采用“专利申请授权数”反映各省份的技术创新水平。数字经济直接依托于数字技术的发展，因此一个年度内的专利授权数可以较好地反映该年度的技术研发与技术创新成果。

4.调节变量

本研究的门槛变量为居民收入(income)，借鉴杨芳等[49]的研究，采用“人均GDP”反映各省份居民的整体收入水平。一般而言，随着一个国家经济总量的不断增加，人均GDP也会随之增加，国民的总体收入水平亦会有所增长，因此采用人均GDP可以较直观地反映居民的整体收入水平。

5.控制变量

为了更加全面精准地了解和分析数字经济对生态韧性的影响关系，除了指标体系中考虑到的因素，仍然需要对其他可能影响生态韧性的变量进行控制。本研究的控制变量主要包括：(1)财政支出(gov)，选用“政府一般预算支出”反映各省市对自然生态保护、工业生产与环境治理的干预程度，政府的积极干预对生态韧性提升产生重要作用；(2)人口密度(popu)，选用“每平方公里内的人数”进行表示，人口密度越大，在单位范围内的资源需求、消耗与排污量会相应增多，对生态环境的影响就越大；(3)降水量(rainfall)，选用“年均降水量”进行表示，降水量过少会导致旱灾，降水量过多则容易引起洪涝灾害，无论是干旱还是洪涝均会破坏生态系统，进而影响生态韧性；(4)环保理念(envirocon)，使用“15岁及以上文盲半文盲比例”表示，个体受教育程度越高，环保知识积累的水平越高，生态认同度越具有显著性，对环保的重视程度就越高，进而促进生态韧性的提升[50]；(5)人均道路面积(road)，选用“年末总人口数与道路总面积的除项”进行表示，数字经济发展程度越高的区域，城镇化水平也越高，人均道路面积会显著影响生态系统应对灾害时的抵抗力与适应力[51]。

(五)数据说明

数据是实证研究的基础和前提。基于数据的真实性、客观性、可量化性与可获得性等原则，本研究中数字经济、生态韧性的指标数据来源于《中国统计年鉴》《中国区域统计年鉴》《中国环境统计年鉴》；技术创新的数据来源于《中国科技统计年鉴》；居民收入、环保理念、人口密度的数据来源于《中国统计年鉴》；财政支出的数据来源于《中国区域经济统计年鉴》；降水量的数据来源于《中国水利统计年鉴》；人均道路面积的数据来源于《中国环境统计年鉴》《中国区域经济统计年鉴》。所有指标数据的采集时间跨度为2010—2021年，数据主体为我国31个省级单位。由于不同指标数据的单位不一致，且部分数据的数值较大，为了方便后续的回归分析，本研究将技术创新、居民收入、财政支出、人口密度、降水量与人均道路面积的数值进行了对数处理，变量的描述性统计如表3所示。

表3 变量描述性分析

五、实证检验及结果

(一)基准回归结果

如表4所示，根据上文的模型设定分析了数字经济对生态韧性的影响，包括对生态抵抗力、生态适应力与生态恢复力的影响关系，并分别探讨了数字经济基础设施、数字化水平与数字产业化水平对生态韧性的影响关系，分析结果如下：

表4 数字经济影响生态韧性的基准回归结果

在模型(1)中未加入控制变量与双固定效应，数字经济影响生态韧性的回归系数为0.103，并在1%的水平上呈现显著性；在模型(2)中加入控制变量、双固定效应以及数字经济二次项(DE2)后，数字经济影响生态韧性的回归系数为-0.347，在1%的水平上呈现显著性，同时数字经济二次项(DE2)影响生态韧性的回归系数为0.330，同样在1%的水平上呈现显著性，这表明数字经济对生态韧性的影响效应总体呈现“先负后正”的“U”形特征，即数字经济发展早期不利于生态韧性提升，在数字经济发展值达到拐点值后，其对生态韧性的赋能作用逐渐增大。根据“U”形最低点“-b/2a”计算规则，求得其拐点值为0.525。

在模型(3)至模型(5)中加入控制变量、双固定效应与数字经济二次项(DE2)后，数字经济影响生态抵抗力、生态恢复力的回归结果与模型(2)的回归结果基本一致，均呈现“先负后正”的“U”形特征，即数字经济发展早期不利于生态抵抗力与恢复力水平提升，达到拐点值以后，数字经济的赋能效应逐渐显著。

以上基准回归结果基本证实了数字经济对生态韧性的非线性影响关系，其影响效应总体呈现“U”形特征。因此，本研究的假设1验证通过。

(二)中介效应分析

如表5所示，在模型(9)至模型(15)中加入控制变量与双固定效应的条件下，分析中介变量技术创新在数字经济影响生态韧性过程中的中介效应。

表5 中介效应分析结果

在模型(9)中数字经济影响技术创新的回归系数为5.440(系数1)，且在1%的水平上呈现显著性。在模型(10)中技术创新影响生态韧性的回归系数为0.026，且在1%的水平上呈现显著性，说明技术创新有助于生态韧性提升。在模型(11)中同时加入数字经济与技术创新，此时技术创新影响生态韧性的回归系数为0.006(系数2)，且在10%的水平上呈现显著性，因此间接效应显著。数字经济影响生态韧性的回归系数为0.194(系数3)，且在1%的水平上呈现显著性，回归系数与模型(1)的回归系数均为正数且呈显著性，因此直接效应也显著，可以进一步分析中介效应程度。在模型(11)中，数字经济影响生态韧性的回归系数与技术创新影响生态韧性的回归系数均为正数，且通过了显著性检验，此结果可以证实，技术创新在数字经济影响生态韧性的提升过程中起到部分中介效应，中介效应占比为0.168(系数1×系数2÷系数3)。因此，本研究的假设2验证通过。

在模型(12)中，数字基础设施、数字化水平与数字产业化影响技术创新的回归系数分别为3.218、17.610与3.153，均在1%的水平上呈现显著性，具有正向影响关系，这表明数字经济的三个维度，即数字基础设施、数字化水平与数字产业化均会对技术创新产生显著的赋能效应；在模型(13)至模型(15)中加入技术创新后，数字产业化影响生态韧性的回归系数为0.211，且在1%的水平上呈现显著性，技术创新影响生态韧性的回归系数为0.015，同样在1%的水平上呈现显著性，说明技术创新在数字产业化赋能生态韧性的提升中起到了显著的中介作用。

(三)调节效应分析

如表6所示，在模型(16)与模型(17)中，加入控制变量与双固定效应的条件下，分析调节变量居民收入在数字经济影响生态韧性过程中的调节效应，其分析结果如下：

表6 调节效应分析结果

在模型(16)中加入调节变量居民收入后，数字经济影响生态韧性的回归系数为0.238，且在1%的水平上呈现显著性，表明主效应为显著的正向影响关系；接着在模型(17)中加入数字经济与居民收入的交互项，此时数字经济影响生态韧性的回归系数为2.856，且在1%的水平上呈现显著性，同时居民收入影响生态韧性的回归系数为0.036，在5%的水平上呈现显著性，两项均为显著的正向影响关系，但此时交互项(DE*lnincome)的回归系数为-0.234，且在1%的水平上呈现显著性，为负向影响关系，R2由模型(16)的0.381上升至模型(17)的0.423，这表明居民收入削弱了数字经济对生态韧性的正向影响关系，当居民收入处于低水平阶段时，数字经济促进生态韧性提升的作用更加显著；随着居民收入水平的提高，其会削弱数字经济对生态韧性的赋能作用。因此，假设3验证通过。

(四)内生性检验

由于影响生态韧性的因素较多，上文中加入部分控制变量和双向固定效应后，通过基准回归证实了数字经济对生态韧性的非线性影响关系，但是本研究提出的变量无法涵盖所有的潜在因素，因此可能存在变量遗漏问题。同时，数字经济与生态韧性可能存在反向因果关系，从而导致上文验证结果存在误差。基于此，本研究参考范合君等[15]的研究，采用“1984年电信业务总量与2010—2021年移动互联网用户数的交乘项”(lninternet)作为工具变量，对数字经济与生态韧性的影响关系进行内生性检验。

如表7所示，加入工具变量(lninternet)利用2SLS回归模型进行内生性检验，第一阶段回归结果显示，该工具变量(lninternet)影响数字经济的回归系数为0.025，且在5%的水平上呈现显著性，表明两者具有显著的正向关系，第一阶段回归F检验值为96.71，说明本研究选取的工具变量不是弱工具变量，该工具变量对内生变量具有较好的解释力。第二阶段回归检验中，该工具变量影响生态韧性的回归系数为-0.034，且在5%的水平上呈现显著性，工具变量二次项(lninternet2)影响生态韧性的回归系数为0.002，在10%的水平上呈现显著性，同时F检验值为50.56，说明解释变量数字经济替换为该工具变量后，依然可以通过检验证实数字经济对生态韧性的“U”形非线性影响关系，该结果与上文的基准回归结果一致。

表7 内生性检验结果

(五)稳健性检验

为了进一步验证数字经济对生态韧性影响关系的可靠性，本研究拟采用三种方法进行稳健性检验：①数字经济以信息技术为载体，产值体现在信息服务、计算机服务与软件业等第三产业中，因此将第三产业产值(lntertiary)替代数字经济进行回归分析检验；②将所有控制变量的二次项作为新的控制变量，加入总控制变量中进行回归分析检验；③本研究主要以省级单位为研究区域，而数字经济发展程度较好的省与直辖市主要集中于东部地区，如广东省、江苏省、浙江省、上海市与北京市，因此将以上5个省份与直辖市从样本中剔除后做回归分析检验。

如表8所示，在模型(20)中，数字经济替换为第三产业产值后，加入控制变量与双固定效应，第三产业产值影响生态韧性的回归系数为0.058，且在1%的水平上呈现显著性，具有正向影响关系；在模型(21)中加入第三产业产值二次项(lntertiary2)，第三产业产值影响生态韧性的回归系数为-0.069，在10%的水平上呈现显著性，第三产业产值二次项影响生态韧性的回归系数为0.007，且在1%的水平上呈现显著性，说明数字经济替换为第三产业产值后，依然可以通过检验证实数字经济对生态韧性的“U”形非线性影响关系；在模型(22)中加入所有控制变量的二次项，数字经济影响生态韧性的回归系数为-0.313，在1%的水平上呈现显著性，数字经济二次项影响生态韧性的回归系数为0.252，也在1%的水平上呈现显著性，该结果与基准回归结果一致；在模型(23)中，剔除广东省、江苏省、浙江省、上海市与北京市的样本数据后，数字经济影响生态韧性的回归结果同样与基准回归结果一致。以上分析再次证明本研究结果具有一定的稳健性和可靠性。

表8 稳健性检验结果

六、进一步研究：异质性分析

为进一步分析各区域数字经济对生态韧性的影响，本研究按国家统计局的经济区域划分标准将研究区域划分为东部、中部、西部与东北部四个地区。为了确保每个地区回归分析中扰动项不具备相关性，本研究在具体的回归分析结果的基础上，采用似无相关估计(SUR)对组间系数进行检验，从而方便各地区进行直观的回归系数比较。如表9所示，将东部、中部、西部与东北部四个地区分别进行组间系数差异检验，组间系数差异p值均呈现显著，表明可以对各地区进行比较分析。

表9 组间系数检验结果

(一)地区异质性

为避免部分地区样本数量过少而影响回归结果，本研究将东部地区与东北部地区、中部地区与西部地区组合成两个部分进行异质性分析。如表10所示，在模型(30)与模型(32)中加入控制变量与双固定效应后，东部地区与中西部地区数字经济影响生态韧性的回归系数为0.111与-0.118，东部地区在1%的水平上呈现显著性，但中西部地区尚未呈现显著性。在模型(31)与模型(33)中加入数字经济二次项后，东部地区、中西部地区数字经济影响生态韧性的效应均呈现先负后正的“U”形特征，其结果与基准回归结果保持一致。但是，通过回归系数对比可以发现，数字经济发展早期阶段，其对中西部地区生态韧性的“负能”效应(-1.283)大于东部地区(-0.120)；数字经济发展超过拐点值后，其对中西部地区生态韧性的“赋能”效应(2.658)同样大于东部地区(0.219)。

表10 地区异质性分析结果

数字经济对生态韧性的影响效应具有地区异质性的原因可能有：(1)中西部地区经济发展水平整体落后于东部地区，以损害自然环境为代价的粗放式经济发展程度弱于东部地区，本身具有较好的生态抵抗力与适应力，数字经济赋能生态韧性提升的替代因素也较少，因此数字经济发展带动的绿色技术创新与应用，赋能西部地区生态治理能力与韧性水平提升的效应会更加显著；(2)东部地区整体经济发展水平更高，影响生态韧性提升的其他因素也相对较多，比如居民收入在高水平阶段与数字经济发展在影响生态韧性提升上具有替代关系。因此，东部地区作为全国居民收入水平最高的地区，在数字经济发展后期对生态韧性的赋能效应弱于西部地区；(3)中西部地区农业基础较好，工业基础较薄弱，也较多地接受了东部沿海地区资源损耗型产业的转移，经济发展的同时环境也在遭受破坏，同时该地区对数字经济发展的重视程度有所欠缺，因此数字经济早期对生态韧性的“负能”效应亦会更加明显。

(二)维度异质性

如表11所示，本研究分别分析了数字经济三个维度即数字基础设施、数字化水平与数字产业化对生态韧性三个维度即抵抗力、适应力与恢复力的影响关系。在加入控制变量与双固定效应的情况下，其分析结果如下：

表11 维度异质性分析结果

在模型(34)至模型(36)中，数字基础设施影响生态抵抗力、生态恢复力的回归系数分别为0.343与0.469，且在1%的水平上呈现显著性，说明数字基础设施发展可以增强生态系统的抵抗力与恢复力，从而助推生态韧性提升；在模型(37)至模型(39)中，数字化水平影响生态抵抗力、生态恢复力的回归系数分别为0.581与1.108，且在1%的水平上呈现显著性，说明数字化水平的提升同样可以增强生态系统的抵抗力与恢复力，从而助推生态韧性提升；在模型(40)至模型(42)中，数字产业化影响生态抵抗力、生态恢复力的回归系数分别为0.166与0.251，且在1%的水平上呈现显著性，说明数字产业化水平的提升亦能提升生态系统的抵抗力与恢复力，从而助推生态韧性提升；数字基础设施、数字化水平与数字产业化对生态韧性适应力赋能效应尚不明显。

(三)水平异质性

如表12所示，在进一步研究中，本文使用面板分位数回归方法分析了生态韧性不同分位点上数字经济对生态韧性的影响效应，其分析结果如下：

表12 水平异质性分析结果

数字经济对生态韧性的影响效应因生态韧性水平的不同而呈现显著差异。无论在10%、25%、50%、75%还是90%分位点上，数字经济均对生态韧性产生显著的正向影响关系，即说明数字经济发展有助于推动生态韧性的提升。由各分位点上回归系数(0.191、0.234、0.232、0.267与0.206)的整体递增趋势可知，随着生态韧性水平的提高，数字经济的影响效应逐渐提升，尤其在75%分位点上影响效应最为显著。具体原因可能有：(1)生态韧性相对较弱的地区，生态治理技术手段与治理能力也较弱，反映出该地区数字化水平相对较弱，尤其是数字经济带动的技术创新程度较低，因此数字经济赋能该地区生态韧性提升的效应也会差强人意；(2)数字经济的绿色发展模式可以极大地促进低耗能、低污染、高附加值产业的发展，增加对生态系统中自然资源的保护，绿色技术的创新也为生态治理提供了更有成效的手段与方式，从而推动生态韧性的提升；而生态韧性较强的地区，也具有较好的数字基础设施、创新能力与人才储备，为数字经济的进一步发展创造了有利条件。

七、研究结论与政策建议

(一)研究结论

本研究以数字经济发展和生态韧性提升为立足点，基于中国2010—2021年31个省级单位的面板数据，在构建数字经济与生态韧性评估指标体系的基础上，运用基准回归、中介效应与调节效应等模型检验了数字经济对生态韧性的影响关系，并进一步按地区、数字经济维度与生态韧性发展阶段检验了数字经济影响生态韧性的异质性特征。研究结论如下：(1)数字经济对生态韧性的影响效应总体呈现“先负向后正向”的“U”形非线性影响关系，即数字经济发展前期对生态韧性的“负能”效应显著，超过一定发展临界值后，其“赋能”效应逐渐凸显。经过内生性检验与稳健性检验后，结论依然成立；(2)数字经济可以通过技术创新正向影响生态韧性的提升；(3)居民收入水平较低时，数字经济赋能生态韧性提升的效应更加显著。随着居民收入的提高，数字经济赋能生态韧性的作用会逐渐减弱，居民收入在数字经济影响生态韧性提升上具有调节作用；(4)异质性分析结果表明，中西部地区数字经济影响生态韧性的“赋能”与“负能”效应均大于东部地区。数字基础设施、数字化水平与数字产业化对生态韧性抵抗力与恢复力具有显著的赋能作用；数字经济对生态韧性的影响效应会因生态韧性阶段的不同而呈现显著差异，即生态韧性越强，数字经济的赋能效应亦越明显。

(二)政策建议

第一，持续推进数字经济发展，做优做强做大数字经济。目前，数字经济已成为我国经济发展最重要的增长引擎，但依然面临着只关注规模扩张而不注重整体发展、只追求增长速度而不注重创新提质、只关注数字化转型而忽略与实体经济融合等诸多问题。未来需要抓住“新基建”、创新发展与数字化转型等方面的机遇，发挥东部地区数字经济的发展优势，通过转移数字化产业，促进东部地区与中西部地区的联动协调发展，让数字经济的“赋能”效应在中西部地区进一步凸显，实现数字经济的良性发展。

第二，鼓励绿色技术创新，实现科技和生态的协同发展。生态问题的本质是社会发展方式、生产方式与生活方式的问题。科技创新对生活、生产方式的改变是全方位的，它不仅提高了生产效率和质量，也带来了更好的生活体验和发展机会。未来需要充分利用信息技术的创新优势，加大对土壤、水质、大气的监测与污染防治，并利用科技创新提高生产领域的节能效率，减少企业的排污量。其次，加强科技成果的转化，利用科技产品改变公众的出行方式与生活方式，减少碳排放与大气污染。同时，开展环境保护科技宣传，营造低碳绿色的社会氛围。

第三，着力增加中西部地区居民收入，加速其数字经济发展。结合上文实证分析可知，数字经济对生态韧性的影响为前期“负能”、后期“赋能”效应，同时当居民收入处于低水平阶段时，数字经济对生态韧性的影响效应会更加显著，而目前中西部地区不仅数字经济处于前期阶段，居民收入也处于较低水平阶段。因此，未来需要进一步助推中西部地区居民增产增收，扩大其内需，从而促进数字经济发展，实现中西部地区数字经济对生态韧性从“负能”向“赋能”影响效应的加速转变。

第四，坚持生态保护第一，实现数字经济发展与生态环境的互促互融。生态环境保护和经济发展不是矛盾对立的关系，而是辩证统一的关系。上文的研究分析也证实，随着生态韧性的提升，数字经济对生态韧性的“赋能”效应也逐渐增大。因此，未来仍需置生态保护于第一位，要坚定不移走生态优先、绿色低碳的高质量发展之路。一方面，良好的生态环境是数字经济发展的重要基础，生态环境保护和治理的加强，可以促进数字经济的可持续发展，提高其竞争力和创新力。另一方面，随着数字经济发展推动社会向绿色发展模式的转变，逐渐提高资源利用效率和减少环境污染，促使公众形成更加环保的可持续消费模式，从而反哺生态环境并提升生态韧性，增强生态系统应对灾害的抵御能力、适应力与恢复力。

(三)研究不足与展望

本研究虽通过固定效应、中介效应与调节效应等模型分析了数字经济对生态韧性的影响效应，明晰了其“U”形非线性影响关系，并通过异质性分析检验了东部地区与中西部地区的影响效应差异，但仍存在相关研究不足：(1)由于本研究的样本数据主要来源于省级面板数据，因此研究数字经济对生态韧性的影响效应具有一定宽泛性，无法全面反映城市之间的影响效应差异；(2)数字经济发展与生态韧性自身具有一定的复杂性，因此除了本研究证实的“U”形影响关系、技术创新的中介效应与居民收入的调节效应外，其联系与影响有待进一步探析。

基于此，未来可以扩大数据收集来源，以城市面板数据为研究样本，进一步细化相关研究；加强科学实证方法的应用，进一步挖掘数字经济对生态韧性的影响关系，如空间溢出效应、门槛效应等，进而丰富相关维度的理论基础研究。