数字经济推动了城市绿色全要素生产率提升吗?——基于“宽带中国”试点的证据

张东玲 焦宇新 刘敏

(1.青岛大学 经济学院, 山东 青岛 266061;2.国家地理空间信息中心,北京 100070)

一、引言

数字经济作为继农业经济、工业经济之后的新经济形态,正在推动生产方式、生活方式和治理方式深刻变革。党的十八大以来,党中央高度重视发展数字经济,将其上升为国家战略,发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择。近年来,随着中国数字经济发展战略的深入实施,我国数字基础设施日渐完善,数字经济规模迅速增长,成为当前助力加快构建“双循环”新发展格局、畅通国民经济循环的关键力量。《中国互联网发展状况统计报告》(第49次) 数据显示,截至2021年12月,中国网络普及率达73%,在线办公用户规模达4.69亿。得益于互联网的快速普及,过去几年间,大数据、云计算等信息技术上的创新不断出现,中国的数字经济经历了快速发展。在新冠疫情冲击的特殊时期,数字经济对社会经济的稳定发挥了重要的作用。随着新一轮科技革命和产业变革深入发展,推动数字化转型和数字经济高质量发展成为构建新发展格局的重要驱动力。面对当前复杂多变的国际国内形势,深入研究数字经济所产生的影响

与作用,对探索以数字技术为驱动的创新发展模式具有重要的战略价值。

以前中国的粗放式发展模式创造了举世瞩目的“奇迹式”增长,但也引致了环境污染、资源消耗、生态透支等问题。在“创新、协调、绿色、开放、共享”理念的发展要求下,绿色全要素生产率(Green total factor productivity,GTFP)逐渐引起了政府、学界以及社会各方的广泛关注。十九届五中全会进一步提出“坚持绿水青山就是金山银山”的发展理念,对经济发展与生态保护间的协调提出了更高要求。数字经济能否成为绿色发展的“两翼”,决定了中国经济发展的转型方向与结构性潜能的挖掘动力。

数字经济是否提升了绿色全要素生产率?如果能够提升,其作用机制是什么?考虑到各地区之间网络基础设施建设、技术水平、地理区位的差异,数字经济发展是否产生了异质性效果?数字经济发展吸纳了周围地区的发展资源还是带动了周围地区共同发展,其究竟产生“溢出效应”还是“虹吸效应”?对这些问题的研究有助于正确认识数字经济在未来经济发展中所发挥的作用,在新发展阶段具有的重要理论价值与现实意义。

二、文献综述

数字经济的影响是学界关注的焦点问题。在数字经济对于宏观经济的作用中,数字经济通过丰富要素来源,提升资源配置效率[1];推动城市合作创新[2],提高经济创新频率;产生“技术溢出”效应,促进技术创新扩散[3];推进产业数字化、数字产业化,优化产业结构[4];降低二氧化碳排放量,减少了大气污染[5]。而在微观层面,数字经济推动了企业管理变革[6];优化管理者行为决策,提高公司治理效率[7];促进企业绿色技术创新[8];提升企业全要素生产率[9];推动企业智能化转型[10]。在现有的定量研究当中,对数字经济的量化和测度所选用的多为省级层面指标。由于指标的选取与测算口径缺少统一标准,相关测算方法具有一定的局限性。另外,所选取的指标也可能受到地区经济水平的影响,面临潜在的内生性问题。

绿色全要素生产率的有关研究可分为测度方法与影响因素两大类。在测度方法研究中,由于绿色全要素生产率加入了对非期望产出的考量,通常不适用参数法,而非参数法中,基于方向距离函数的Malmquist-Luenberger指数得到广泛应用[11]。出于能源和环境是经济发展的刚性约束,这种方法避免了不考虑环境约束所得的生产最优解,更符合绿色发展的理念。已有大量文献使用相关方法完成了对绿色全要素生产率的测度,并分析了各地区的区域差异[12]。绿色全要素生产率主要影响因素的已有研究表明:环境规制与绿色全要素生产率存在“U”型关系[13],短期内呈现抑制作用而长期看则具有促进效果[14];科技创新是绿色全要素生产率提升的直接动力,并伴随正向的空间溢出[15];产业结构对绿色全要素生产率提高提供了有效支撑[16];金融发展能够带来促进作用,但随着金融发展水平提升,其边际效用递减[17];贸易开放整体存在有利影响,但是存在明显的“门槛效应”[18]。

在数字经济对绿色全要素生产率影响的研究中,有观点认为,数字经济通过缓解要素配置扭曲、绿色技术创新和节能减排效应[19]提升了绿色全要素生产率。另一种观点则认为数字经济整合了供应链,产生“关联效应”;加剧了行业竞争,产生“竞争效应”,促进了技术溢出;产生“示范效应”,因而影响存在不确定性以及非线性特征[20]。从已有研究来看,数字经济对绿色全要素生产率影响的研究仍相对较少,传导路径尚不清晰。数字经济的空间溢出效果也存在较大争议。一种观点认为,数字信息技术破除了知识传播的时空限制,有效促进了信息扩散[21];加快开放共享,促进周边的生产率提升和产业升级[22];通过监测数据互通,促进污染区域联防联控[23],因而带来了正向的空间溢出效应。另一种观点认为,数字经济的发展也带来了新的“接入鸿沟”、“运用鸿沟”等数字不平等现象,引致“虹吸效应”,阻碍了外围城市绿色全要素生产率的提高[19]。

与已有文献相比,本文的边际贡献主要在于以下四个方面:第一,丰富了已有研究,基于“宽带中国”政策试点,检验了数字经济对绿色全要素生产率的作用,尽可能避免了数字经济测度过程中产生的潜在内生性问题;第二,厘清了理论机制,通过理论分析与实证检验,挖掘了政策试点对绿色全要素生产率的传导机制;第三,补充了研究方法,基于广义倾向得分法与面板分位数回归,探究了不同政策强度下以及不同绿色全要素生产率水平下的影响效果差异;第四,讨论了空间效应,结合理论分析与实证检验,验证了数字经济发展的“虹吸效应”与“溢出效应”孰大孰小。

三、理论分析与研究假说

(一)数字经济对绿色全要素生产率的直接影响

数字经济对绿色全要素生产率的直接影响可分为对生产端的影响与对消费端的影响两个方面。

第一,在生产端,数字经济促成了人、机、物全面互联的智能化发展新业态,以数字技术、智能技术为支撑,传统产业不断催生出产用融合、资源协同、共创分享的新模式。具体而言,数字经济的影响可以概括为优化生产决策、提高资源利用、改进生产过程三个方面。首先,在企业生产决策中,数字经济通过物联网、人工智能等技术对生产数据进行高效采集,增强了企业数据收集能力,有效缓解了企业决策的信息不对称问题。数字经济的发展将以往的“经验决策”转变为“数据决策”,提升了企业生产决策能力。其次,在资源利用上,企业通过数字技术对生产活动实时采集,动态优化投入产出,由传统管理模式转变为“数据说话、数据管理”,提高生产流程中的资源利用效率,以达到在更少投入的情况下得到更多产出的效果。在这个过程中,由于减少了资源投入的浪费,也就减少了污染的产生,为经济绿色发展提供了支持。最后,在生产过程中,数字经济发展在已有的上下游分工基础上整合了产业链资源,通过上下游企业间协同设计、协同制造、协同管理,重构了企业生产模式,促进各企业充分利用自身优势,减少资源浪费与污染排放,持续推动生产效率改善。

第二,在消费端,数字经济的影响体现在促进居民绿色消费、降低商品流通损耗两个方面。其一是在绿色消费方面,数字技术的运用为超越所有权使用产品和服务的活动提供了实践基础,产生了共享经济。共享经济带动个体参与闲置资源的让渡与使用,有效利用了大量的社会闲置资源,在提高消费者剩余的同时降低了资源浪费,进而减少了污染的产生。其二是在商品流通方面,数字经济通过平台经济提高了企业与消费者之间的互动效率,进而使传统的商品流通过程产生了深刻变革[24]。零售是联系生产与消费不可或缺的环节。数字化平台的兴起带动“新零售”等一系列销售模式改变,数字化平台通过打通商品流通的中间环节,优化企业原有的销售业务流程,降低交易成本[2]。数字平台的新消费模式能够更精确地匹配需求与供给,精确调配各地仓储,降低流通成本,减少了以往经济系统中商品流通环节的资源浪费,促进经济绿色发展。基于上述分析,本文提出假设1。

H1数字经济的发展提升了绿色全要素生产率。

(二)数字经济对绿色全要素生产率的间接影响

数字经济对绿色全要素生产率的间接影响主要体现在以下两个方面:一是数字经济对于城市绿色创新的推动作用;二是数字经济对于产业结构的改善作用。

数字经济的发展主要从创新合作、创新频率、技术扩散三个方面影响城市绿色创新水平。第一,从创新合作的角度看,创新来源于对现有碎片知识的重新结合[25],因此,知识与技术的整合在创新过程中发挥着重要作用。在数字经济背景下,市场不只是承担价值交换的功能,还转变为厂商、消费者、合作网络成员之间知识碰撞、交流的场所[26]。在这个过程中,知识创新的来源将增加。由于不受空间距离限制,创新主体更加多元化,最终引致创新模式的演变,促进绿色技术的合作创新。第二,从创新频率的角度看,在企业内部,数字技术促进了知识在企业内的扩散速度,并且能以更低的成本获取、记录企业的生产信息,增加了企业的知识存量。因此,在外部创新环境改善、内部知识存量增加的双重影响下,企业知识更容易转换为创新成果,进而提升企业绿色技术创新频率。第三,从技术扩散的视角看,绿色技术创新始于已有知识的碰撞,而知识是一种特殊的信息,可以被低成本地复制与传播。因此,知识的信息性决定了知识具有外溢性,在缺乏数字技术的情况下,信息的传递受到空间距离的限制,知识的外溢难以到达地理距离较远的位置。数字经济的发展打破了这种限制,加速了知识在空间中的流动,促进了绿色技术创新的扩散。基于上述分析,提出假设2。

H2数字经济发展通过促进绿色创新水平提升绿色全要素生产率。

数字经济发展对城市产业结构的改善作用,在于数字经济发展带来的“经济服务化”趋势,具体表现在数字产业化与社会分工深化两个方面。第一,在数字经济的发展下,出于市场竞争压力,企业的数字需求逐步上升。数字技术的价值增长与边际收益的逐步上升催生了数字技术的产业化发展。在传统信息通讯产业基础上,一系列融合了物联网、人工智能、大数据、云计算等新兴技术的服务企业诞生,不断增加第三产业的产值,扩大第三产业的份额占比,呈现出“经济服务化”的产业结构趋势[27],带来第三产业的增量上升。第二,数字经济发展还改变了原有的产业分工模式。由于数字经济发展下生产效率的快速变革,传统产业产生了颠覆性的“破坏式创新”。根据斯密定理,随着数字经济发展规模的不断扩大,社会分工和专业化程度会不断提高。在社会分工进一步深化的过程中,以往的生产部门从传统的生产环节当中分离出来,形成新的服务部门。与之相对应的是,一部分第二产业的份额转化为第三产业,进一步加速了“经济服务化”的产业结构变动趋势,带来第三产业存量上升。基于上述分析,提出假设3。

H3数字经济发展通过促进产业升级提升绿色全要素生产率。

(三)数字经济对绿色全要素生产率影响的空间效应

数字经济发展所产生的空间效应在“虹吸”与“溢出”两个方面均有体现。在数字经济发展初期,由于数字基础设施建设进度的差异,产生了新的“数字不平等”,即数字化技术接入、使用上的差异。在数字基础设施薄弱的地区,首先出现了互联网的“接入差异”,产生了“数字鸿沟”。在这个过程中,资本、技术、人才不断从周边地区涌入,抑制了周边其他地区的发展,形成“虹吸效应”,减缓绿色全要素生产率提升。而在数字基础设施逐渐完善的阶段,率先发展数字经济的地区已经积累了相当程度的数据资源以及技术优势,出现了与弱势地区间的 “使用差异”。利用数字技术的优势地位,发达地区能够保有更多的市场份额,更容易获取数据资源,在领域内形成“数据寡头”,加剧“虹吸效应”。另一方面,数字经济的发展使得原有的市场被“连接”起来,市场规模迅速扩张。这使数字经济发达地区边际收益上升,进而带动周边地区经济增长,产生“数字红利”,促进绿色全要素生产率提升。此外,在数字经济对绿色创新的促进作用中,知识的信息性导致了外溢性的产生,数字经济对传统经济产生“技术溢出效应”,已有的技术改进会向周围地区辐射,助力其他地区的数字化转型升级[28],进而提升绿色全要素生产率。基于上述分析,提出竞争性假设4。

H4a数字经济发展的“虹吸效应”大于“溢出效应”。

H4b数字经济发展的“溢出效应”大于“虹吸效应”。

四、模型设计及变量说明

(一)模型设定

为了避免潜在的内生性问题,基于“宽带中国”试点政策,采用双重差分法(Difference-in-difference,DID)对数字经济发展的效果进行评估。2013年,国务院根据《2006—2020年国家信息化发展战略》,印发《“宽带中国”战略及实施方案》,分批逐步推进网络基础设施建设。该政策于2014年、2015年、2016年分三批遴选共120个城市(群)建设网络基础设施。“宽带中国”试点政策实施以前,电信业务价格高、网速低,数字企业和有关产出均较少;政策实施后,宽带覆盖和网络速率快速提升,催生了大量的互联网相关产业,促进了数字经济快速发展。一方面,“宽带中国”政策极大促进了试点城市的网络基础设施建设,而网络基础设施是数字经济发展的前提支撑;另一方面,“宽带中国”试点相对随机,提供了良好的自然实验研究基础[21]。

0.070.060.050.040.030.020.010试点与非试点城市的数字经济指数差异20052007200920112013201520172019年份图1 政策试点与非试点城市的数字经济指数差异

同时,为了验证“宽带中国”政策与数字经济发展之间的关联性,参照赵涛等(2020)[21]的研究,基于熵权法,使用互联网普及率、计算机服务和软件业从业人员数占比、人均电信业务总量、人均邮政业务总量、人均移动电话用户数、北京大学数字普惠金融指数[29]测算了数字经济指数(1)由于北京大学数字普惠金融指数缺失2011年以前的数据,根据变动率的几何平均值对数据进行填补。考虑到缺失数据可能产生的影响,在剔除北京大学数字普惠金融指数后重新打分,所得整体趋势不变。。 “宽带中国”政策于2013年印发,2014年正式试点,因此以2013年为分界线,分别计算2013年前后的试点城市与非试点城市的数字经济指数均值差异,所得结果如图1所示。图1中,圆点代表试点与非试点城市数字经济指数的差异,水平虚线表示区间内差异的均值。从图1可以看出,政策试点前,试点城市与非试点城市的数字经济指数平均差值约为0.02,政策实施后,两者的数字经济发展差异逐步显现,均值达0.04。与所测得数字经济指数的全样本均值0.11相比较,这种差异较为明显。因此,“宽带中国”政策与数字经济发展存在较强的关联性,政策效果能够体现出数字经济发展所带来的影响。

考虑到数据的可得性,研究所用样本为2006—2019年281个地级市的面板数据。其中,进入“宽带中国”试点名单的城市为“实验组”,其余为“控制组”。根据进入试点名单的年份生成政策虚拟变量,“宽带中国”试点城市在试点年份后赋值为1,其余赋值为0,构建基准模型式(1)

(1)

其中,GTFPit为被解释变量,表示第i地区第t年的绿色全要素生产率;didit为“宽带中国”政策虚拟变量,系数β代表政策净效应;X′it表示所有控制变量;μi为地区固定效应;ηt为时点固定效应;εit为随机扰动项。

(二)变量说明

1.被解释变量

绿色全要素生产率(GTFP)为本文的被解释变量,选用基于方向距离函数的Biennial Malmquist-Luenberger生产率指数(BMLPI)测算GTFP。之所以选取BMLPI的测算方法,是因为使用前后两期数据构建前沿面可以有效避免不可行解,并且在引入新一期数据时不必重新计算往期数据。参照已有研究[15],以劳动力、资本、能源作为投入指标,以GDP为期望产出、二氧化碳排放量、二氧化硫排放量为非期望产出对GTFP进行测算。投入指标的代理变量参照汪克亮等(2021)[30]的做法进行选取,以资本存量作为资本投入,以从业人员期末人数作为劳动投入,以城市用电量作为能源投入。其中资本存量参考张军等(2004)[31]的研究进行测算,且资本存量与GDP均平减为2000年不变价;二氧化碳排放量参照吴建新和郭智勇(2016)[32]的方法,以直接能源消耗、电能、热能消耗对产生的二氧化碳进行核算。

2.核心解释变量

根据“宽带中国”政策生成政策虚拟变量(did)作为核心解释变量。按照“宽带中国”试点名单及实施时间,在试点名单内的地级市实施时间以后的年份赋值为1,其他赋值为0,得到虚拟变量作为核心解释变量。

3.控制变量

参考已有研究[13,17-18,21],结合数据可得性,选择所有可供筛选的控制变量,如表1所示。其中,创新创业指数(IEI)由北京大学企业大数据研究中心发布,以工商注册企业数据库、专利和商标数据库等包含5 000多万条数据记录为基础进行测算;政府环境治理(Regulation)参考陈诗一和陈登科(2018)[33]的做法,逐年对各地级市政府工作报告进行收集,并统计其中与环境相关的词汇出现频次,最后计算词频占报告全文的比例。所统计的词语包括:低碳、环境保护、空气、绿色、PM2.5、PM10、二氧化碳、二氧化硫、化学需氧量、生态、排污、减排、污染、环保、能耗。为进一步保证控制变量选择的合理性,避免可能存在的严重多重共线性,使用基于最小绝对值收缩与筛选算子(Least absolute shrinkage and selection operator,Lasso)的Post-selection方法对控制变量进行筛选,对于样本量为N,解释变量维度为z的线性函数关系,使用Belloni等(2014)[34]的估计方法,Lasso的优化目标为

(2)

式(2)中,λ为约束参数,β为各解释维度变量回归系数,γj为惩罚载荷,可以处理异方差等模型误差的非正态性。约束参数的计算方法为

(3)

其中,c为略大于1的常数,γ为显著性水平。基于Belloni等(2014)[34]提出的方法,分别将因变量和关键变量对所有控制变量进行Lasso回归,对回归筛选所得控制变量取并集,代入原方程进行线性回归,即可得到Post-double-selection估计量。所有参与筛选的控制变量及筛选结果如表1所示。

表1 参与筛选的控制变量及筛选结果

4.中介变量

根据理论机制所提出的假设,选取城市绿色创新水平(Green)以及产业结构高级化(Industrial)作为中介变量,对“宽带中国”试点政策的作用机制进行检验。在城市绿色创新水平的测算方法上,借鉴董直庆和王辉(2019)[35]的做法,利用知识产权局公布的专利申请信息,根据世界知识产权组织提供的绿色专利清单和国际分类编码筛选,对绿色发明专利申请量、绿色实用新型专利申请量在地级市层面进行加总。考虑到指标量级较大,并且不同城市在企业数量规模上存在差异,使用绿色专利申请量除以规模以上工业企业数量作为绿色创新水平的代理变量。在产业结构高级化的指标选取上,为了避免数字经济的助农效果[36]对研究设计的干扰,仅使用第二产业、第三产业构建指标。参考干春晖等(2011)[27]的做法,根据信息化推动下“产业结构服务化”的发展特征,采用第三产业与第二产业之间的结构变动衡量产业结构高级化水平。为了兼顾产业的增量变动与存量变动,对第三产业增加值比第二产业增加值、第三产业产值比第二产业产值两个指标使用熵权法赋权打分,作为产业结构高级化的代理指标。对于双重差分模型的中介效应检验,使用Baron和Kenny(1986)[37]提出的方法,模型设定如下

(4)

(5)

(6)

其中M为中介变量。对中介机制的检验需要关注系数β1、β2、β3,当式(5)中系数β2与式(6)中θ显著为正,并且式(6)中加入中介变量后β3相比β1在数值大小方面有所下降时,则认为中介效应存在;如果式(6)中β3不再显著,则为完全中介。

5.数据来源与描述性统计

本文所用数据来源于《中国城市统计年鉴》《中国统计年鉴》《中国城市建设统计年鉴》、各地级市政府工作报告、各省份统计年鉴以及各市统计公报。对于少量缺失值使用线性插值法补齐,并对数据进行缩尾处理以避免异常值。所有主要变量描述性统计如表2所示。

表2 主要变量的描述性统计

五、实证结果分析

(一)基准回归

表3报告了多期DID的基准回归结果,其中列(1)-(4)为依次加入控制变量的回归结果。政策虚拟变量(did)的回归系数均显著为正,随着控制变量的加入,其系数大小略有下降。这表明“宽带中国”试点对GTFP存在正向促进作用,加入所有控制变量后,净效应大小为0.105,假设1成立。参考样本总体GTFP均值1.09,净效应占比约为9.63%,这表明数字经济对GTFP产生了显著的促进作用。同时,为保证这一结果的稳健性,使用临近倾向得分匹配对原样本进行匹配,并对匹配后样本重新回归(PSM-DID),所得结果如列(5)所示。PSM-DID的结果显示,政策虚拟变量(did)的回归系数仍在1%水平下显著为正,并且政策净效应有所上升,表明基准回归中可能对政策效果存在小幅度低估。

表3 基准回归结果

(二)机制检验

根据假设2与假设3,以城市绿色创新水平(Green)、产业结构高级化水平(Industrial)作为中介变量,对政策效果的作用机制进行检验,检验结果如表4所示。从绿色创新的机制分析结果来看,政策试点对绿色创新的净效应在1%水平下显著为正。将绿色创新水平加入原回归后,政策虚拟变量(did)系数下降至0.07,中介效应成立。该检验结果表明数字经济显著提升了城市绿色创新水平,进而促进了GTFP提升,假设2成立。从产业结构高级化的机制分析结果来看,试点政策对产业结构高级化的政策净效应为正,并且在1%水平下显著。在原回归中加入产业结构高级化(Industrial)后,政策虚拟变量(did)系数有所下降,假设3成立。

表4 中介机制检验结果

(三)稳健性检验

1.平行趋势检验

平行趋势条件是使用双重差分模型进行政策效应评估的重要前提假设。为检验在“宽带中国”政策实施以前,处理组与控制组间是否存在一致变动趋势,使用事件研究法(Event study approach)进行检验,具体模型如下

(7)

式(7)中,didi,t0+k为虚拟变量,代表“宽带中国”政策实施后(前)的第k年,以数据基期作为基准年份,k=-9,-8,…,5。平行趋势检验重点关注系数βk,若政策实施前,即k<0时系数βk与0不存在显著差异,则表明通过平行趋势检验。绘制各βk系数及90%置信区间如图2所示。

从图2的平行趋势检验结果来看,在政策实施以前,所有政策时点虚拟变量的估计系数均不显著,表明在10%水平下回归系数与0无显著差别,通过了平行趋势检验。在政策实施两年以后,所有时点虚拟变量的系数均为正数,置信区间也不再包含0,回归系数与0存在显著差异。这表明“宽带中国”试点政策产生了显著的正向效果,正向效果在时间上存在两期滞后。并且,在试点政策实施以后,估计系数存在逐步上升的趋势,这意味着政策产生的动态效应逐年上升,数字经济发展对GTFP存在边际递增效应。

图2 平行趋势检验结果

2.安慰剂检验

为了排除双重差分模型中不可观测因素的干扰,借鉴已有研究的做法[2],随机抽取样本作为处理组,并将剩余样本重新分配为控制组,再次进行基准回归。重复上述过程500次,记录每次回归所得系数及对应P值,绘制图像如图3所示,其中实线为回归系数的概率密度,散点为回归所得系数的P值。从安慰剂检验结果来看,所得回归系数围绕0值服从正态分布,且多数P值大于0.10。在基准回归中,政策虚拟变量回归系数为0.11,并在1%水平下显著为正,属于安慰剂检验中的异常值。因此,基准回归结果受不可观测因素所影响的可能性较小,所得结论保持稳健。

图3 安慰剂检验结果

3.干预效应模型

由于“宽带中国”试点城市名单是决策产生,并非完全外生随机分组所得,经济发展水平高、互联网建设基础好的城市可能更容易进入试点名单,进而导致估计结果偏误。为了缓解试点城市选择偏误,对政策虚拟变量建模,通过引入逆米尔斯比率,构建干预效应模型(Treatment effect model)。其中,选择方程为

(8)

4.政策排除

在2006—2019年间,除“宽带中国”试点政策以外,国家创新型城市试点、低碳城市试点、智慧城市试点均可能对GTFP产生影响。为排除其他政策试点对GTFP的干扰,准确识别“宽带中国”试点所产生的净效应,参照种照辉等(2022)[2]的做法,在基准回归中加入不同政策的虚拟变量作为控制变量,重新进行回归。表5报告了将其他政策虚拟变量作为控制变量后的回归结果。表5列(1)为基准回归;列(2)为加入智慧城市政策虚拟变量作为控制变量的回归结果;列(3)为加入国家创新型城市政策虚拟变量后的回归结果;列(4)为加入低碳城市政策虚拟变量后的回归结果;列(5)为同时加入上述三个政策虚拟变量作为控制变量的回归结果。从回归结果来看,“宽带中国”政策虚拟变量系数(did)在所有回归中均显著为正。与基准回归相比较,系数有所下降,但下降幅度不大。在控制了所有其他政策后,“宽带中国”试点政策的净效应仍在1%水平下保持显著。政策排除的回归结果表明,在考虑到2006—2019年间实施其他政策以后,“宽带中国”政策对GTFP的促进影响依然显著为正,结论保持稳健。

5.更换解释变量

为确保结论的稳健性,将基准回归中的政策虚拟变量更换为数字经济指数连续变量再次回归,所得结果如表5列(6)所示。数字经济指数在1%水平下仍显著为正,所得结论保持稳健。

表5 稳健性检验回归结果

6.交错DID估计方法

在使用双向固定效应模型估计多时点DID的政策处理效应时,如果处理效应随时间变化,且不同批次的处理效果存在异质性,与真实政策效果相比,估计结果可能会产生严重偏误[39]。因此,使用Sun 和Abraham(2021)[40]提出的交错DID估计方法,首先估计特定队列事件研究回归(Cohort-specific event-study regression)

(9)

其中,g表示以政策处理的最长持续时间划分的队列;K为队列g的最长持续时间;didgi,t0+k为虚拟变量,在观测值属于队列g,且在第k期接受处理时取1,其他取0;βgk表示队列g在第k期的平均处理效应。

通过对不同队列不同时期的平均处理效应进行加权,即可得到总体平均处理效应

(10)

使用上述方法对政策的总体平均处理效应重新估计,所得结果为0.12。与双向固定效应估计量0.11相比,变化幅度不大,这表明双向固定效应估计量并没有因为异质性处理效应而产生严重偏误,所得结果保持稳健。

六、异质性分析与空间溢出效应检验

(一)不同政策强度下的异质性影响

数字经济发展的过程中伴随着两方面的影响:一方面,数字要素获取的不均衡、要素流动的不充分使得数字经济产生了数字不平等现象。从数字经济的发展条件来看,在网络基础设施不够发达的地区,产生了“接入鸿沟”;从数字经济的技术条件来看,数字技术在发展中产生差距,由于数字技术的迅速迭代,产生了“运用鸿沟”。在二者的共同作用下,形成“数据垄断”阻碍数字要素流动,因而数字经济发展可能对城市GTFP产生一定的负面作用。另一方面,从数字经济的积极因素来看,互联网的价值增长服从梅特卡夫法则,即网络价值以用户数量的平方速度增长。因而数字经济发展的边际效果呈现递增,即对城市GTFP产生的积极效果会随着数字经济发展以更快速度上升。

为了验证在不同的数字经济发展水平下城市GTFP提升效果的异质性,考察在不同处理强度下数字经济对城市GTFP的影响,选取互联网接入率衡量“宽带中国”试点的政策强度。由于政策强度是一个连续变量,使用广义倾向得分法(Generalized propensity score,GPS)对不同政策强度下的处理效应进行估计。与使用二元变量来评估政策净效应的传统方法相比,广义倾向得分法能够估计连续处理变量的政策净效应,同时该方法也能够消除处理组与控制组之间异质性带来的偏差。广义倾向得分具体做法如下。

对观测值i,在给定变量Xi时,处理强度Di的条件分布为

E(Di|Xi)=F(Xiβ)

(11)

估计广义倾向得分

(12)

根据处理强度T和广义倾向得分值R构造估计产出变量条件期望的模型如下

(13)

最后,通过使用估计值对处理强度值、广义倾向得分值进行替换,拟合出平均剂量-反应函数

(14)

对于任意处理强度T上的处理净效应为

(15)

根据上述方法,以互联网接入率作为处理强度,计算不同处理强度下对GTFP产生的净效应,使用bootstrap方法计算90%置信区间,绘制剂量-反应函数如图4所示。从剂量-反应函数图像可以看出,处理强度靠近0时,即互联网接入率较低时,置信区间穿过1(GTFP基期初始值),数字经济对GTFP的正向效果并不显著。这是由于数字技术发展初期,数字基础设施尚不完备,仅有少量经济主体能够接入互联网,因而数字经济并未完全释放出对GTFP的积极作用。随着处理强度上升,剂量-反应函数也逐步上升,置信区间收窄,表明数字经济产生的边际效应逐步提高,对GTFP的促进作用增强。当处理强度超过0.50以后,剂量-反应函数再次下降。此时由于数字技术的快速发展,数字技术先进的企业通过迅速的技术迭代阻碍了落后的企业追赶。领先企业通过数字要素垄断,进一步减慢了信息流动与技术分享,产生“运用鸿沟”,抑制了GTFP的增长。在处理强度超过0.80以后,剂量-反应函数由降转升,再次表现出对GTFP的强劲提升作用。这是因为随着网络用户数的上升,梅特卡夫法则触发正反馈效果,带来边际递增效应[3],产生的正向边际影响迅速超过了数字不平等产生的负向影响。

图4 剂量-反应函数图像

(二)不同GTFP水平下的异质性影响

考虑到数字经济对GTFP的重要传导路径在于“技术溢出”,并且不同地区之间存在技术差距,GTFP较低与GTFP较高的城市之间可能存在政策效果上的差异。为进一步验证“宽带中国”试点政策对不同GTFP水平地区产生的异质性效果,使用非加性固定效应分位数回归模型进行检验。与传统的条件均值回归相比,分位数回归能够反映出条件分布的整体全貌。从估计方法来看,分位数回归以残差绝对值的加权平均为目标函数,受极端值的影响更小。在面板数据的基础上,出于减少待估计参数的目的,加性固定效应分位数模型假设固定效应与分位数无关,因而对于任意的分位数τ∈(0,1),其总体分位数函数为

(16)

Powell和Wagner(2014)[41]则进一步放宽了固定效应与分位数无关这一假设,基于非加性固定效应将分位数回归建模为

(17)

使用自适应马尔可夫蒙特卡洛抽样算法进行1 000次抽样,选取10%、20%、…、90%分位点进行分位数回归,使用不同分位点上回归所得系数及95%水平下的置信区间,绘制图像如图5所示。从图5的分位数回归结果来看,较低分位点上的政策净效应更高,随着GTFP水平上升,政策效果逐渐下降。这是由于技术水平较低的城市受数字经济所产生的“技术溢出”影响较大,政策效果较好;而在GTFP较高的地区,其本身的技术实力较强,差距也相对较小,享受到的政策效应也更小。但是,在50%分位点以后,政策净效应再次上升。这是因为在本身存在技术优势的城市,更容易与其他地区产生“接入差异”和“使用差异”,产生“数字不平等”现象。在技术优势的地区中,一方面企业长期处于数字要素的有利地位,短时间内迅速形成平台优势、市场优势,垄断数据资源,成为“数据寡头”[42]。因而产生了更强的政策效果,表现出一定的“虹吸效应”;另一方面,由于数据价值寿命短暂,随着数字经济发展,数据垄断的竞争优势会逐步下降[43],优势地区仍存在缓慢的“技术溢出”,进而在分位点超过60%以后政策效果有所下降。

图5 分位数回归结果

(三)不同区域的异质性影响

从城市区位来看,中国不同区域存在产业结构、经济水平上的差距。因此,数字经济发展可能存在空间上的区域异质性。根据城市所属省份,将样本划分为东部、中部、西部、东北四个地区,进行分组回归,所得结果如表6所示。结果表明,东北地区、东部地区、中部地区政策效果在1%水平下显著为正。东北地区与东部地区系数较大,中部地区回归系数相对较小。而表6列(4)回归结果中,西部地区的政策效果并不显著,系数在四个地区中也最小。

上述现象的原因在于各区域独特的内在经济特点与外在的政策环境。东北地区作为老工业基地,政府对于传统工业的智能化发展尤为重视,各省制定了一系列政策文件以支持“智能制造”的发展方向,数字经济发展逐渐成为东北地区新的内生动力,因而政策效果较好。东部地区产业发达、人口稠密,因其独特的经济地位与地理优势,电子商务发展较快,数字技术更加前沿,所以也产生了较好的政策效果。相比于东部地区,中部缺少充裕的资源禀赋与发达的产业结构,同时也缺少政策倾斜支持,最终导致政策效果相对较小。西部地区的数字资源则更加匮乏,由于人口稀少、地理环境复杂,西部地区的网络建设成本更高、难度更大,易与发达地区产生“数字鸿沟”;另一方面,西部地区的产业较为薄弱,因而数字经济的发展空间更小,更难释放“数字红利”,政策效果难以显现。

表6 分区域回归结果

表7 空间双重差分模型设定

(四)政策试点的空间溢出效应检验

结合理论分析与分位数回归结果来看,在数字技术发达地区,可能同时存在“虹吸效应”与“技术溢出”。为进一步验证“宽带中国”政策试点对周围地区影响究竟是“溢出”为主还是“虹吸”为主,参考范巧和吴丽娜(2018)[44]的方法,将双重差分模型拓展为空间双重差分(Spatial difference-in-difference,SDID)模型。双重差分通用嵌套空间模型(GNSM-SDID)的设定如下

y=ρTWy+βX′+θTW×X+D(·)+πTW×D(·)+μ

(18)

μ=λTWμ+ε

(19)

(20)

其中TW为时空权重矩阵,使用范巧和Darren(2018)[45]提出的方法,根据两期间的莫兰指数之比生成内生时空权重矩阵,并根据费希尔T统计量在五临近空间权重矩阵、距离平方倒数空间权重矩阵、经济规模和距离平方倒数组合的空间权重矩阵之间遴选,最终选择距离平方倒数空间权重矩阵为最优矩阵;D1是组别虚拟变量,处理组全部为1,控制组全部为0;D2为时点虚拟变量,处理组在试点年份及以后取1,其余取0。

为探究“宽带中国”试点政策的空间溢出效应,对空间计量模型进行遴选,分别采用双重差分空间滞后模型、双重差分空间自回归模型、双重差分空间杜宾模型以及双重差分空间杜宾误差模型进行回归。在GNSM-SDID的基础上,上述模型设定条件如表7所示。

表8 空间双重差分模型回归结果

所得回归结果如表8所示。从空间双重差分模型的回归结果来看,在含有政策虚拟变量空间滞后项(TW×SDID)的列(1)(4),政策虚拟变量空间滞后项的系数均显著为正。这表明其他地区的“宽带中国”政策试点对本地区的GTFP存在显著的正向空间溢出效应。列(2)结果显示被解释变量的空间滞后项(rho)在1%水平下显著为正,表明其他地区GTFP的提升同样会对本地区产生正向的空间溢出效应。而在列(3)回归中,由于同时加入了政策虚拟变量空间滞后项(TW×SDID)以及被解释变量空间滞后项(rho),政策虚拟变量的空间滞后项(TW×SDID)不再显著,且系数大幅度减小。这表明政策的空间溢出效应与被解释变量的空间溢出效应存在重叠,验证了数字经济通过 “技术溢出”对临近地区产生正向影响。考虑到SDID模型的数据生成过程(Data generation process,DGP)有所变化,根据下式计算回归中政策冲击产生的总效应在各年份的平均值

(21)

其中,N为地级市数量,T为时期数量,ιNT为取值均为1的列向量。计算所得结果在表8各回归结果中分别列示。总效应代表所有地区政策变动对本地区的平均影响。在不同模型中,由于引入的空间滞后项之间存在差别,所得的总效应在数值大小上产生了一定的差异;但所有模型的总效应均为正数,表明“宽带中国”试点政策整体呈现正向影响。结合政策总效应、政策虚拟变量的空间溢出效应、被解释变量的空间溢出效应来看,“宽带中国”政策试点的“技术溢出”占据主导地位,数字经济发展产生的“技术溢出”大于“虹吸效应”,因而总体上呈现出正向的空间溢出效应,假设4b成立。结合理论分析与实证检验来看,这种结果的原因在于,数字经济发展的“虹吸效应”是阶段性的,仅在数字经济发展的特定时期内占主导作用。具体而言,在数字经济发展初期,出于“使用差异”“接入差异”产生的资源、技术优势,发达地区对周围地区产生了负向影响,并形成一定的程度的“数据垄断”,阻碍周围地区的GTFP提升。但是,随着数字经济的不断发展,发达地区产生了双重溢出效应:其一是发达地区上升的边际收益沿产业链传导,带动了周边地区的产业发展,产生“数字红利”,促进GTFP提升;其二是数字技术的运用加速了知识外溢,落后地区得以低成本地分享先进地区技术成果,产生“技术溢出效应”,进而提升GTFP。在以上两种溢出效应的叠加下,数字经济发展初期产生的“虹吸效应”逐渐被“溢出效应”所取代,因而在整体上表现为“溢出效应”。

七、研究结论与政策建议

(一)研究结论

本文基于2006—2019年中国281个地级市的面板数据,利用“宽带中国”政策试点构建双重差分模型,就数字经济发展对城市绿色全要素生产率的影响展开研究。通过中介效应模型讨论了政策的具体影响机制,并进一步对政策影响的异质性效果及空间溢出效应进行分析,所得主要研究结论如下。

第一,数字经济发展能够促进绿色全要素生产率提升。数字经济发展对绿色全要素生产率表现出促进作用,在经过PSM-DID、政策排除、干预效应模型等一系列稳健性检验后,所得结果均支持数字经济发展对绿色全要素生产率存在明显的正向效果。

第二,数字经济发展通过绿色创新与产业结构影响绿色全要素生产率。经过理论机制分析与中介效应检验,绿色创新、产业结构是数字经济发挥作用的重要中介。数字经济促进了城市的绿色创新水平提升、产业结构升级,进而提升了绿色全要素生产率。

第三,数字经济发展对绿色全要素生产率的促进效果存在异质性。在不同政策强度、不同绿色全要素生产率水平、不同地理位置的城市中,数字经济发展的影响不同。在不同政策强度下,随着政策强度的提高,政策效果表现出先上升、后下降、再上升的变化趋势。在不同绿色全要素生产率水平下,绿色全要素生产率水平越高,提升效果越低,当分位点超过50%时,政策效果有所回升。在不同地理位置中,东北、东部、中部地区均存在明显的正向效果,西部地区的正向效果不明显。

第四,数字经济发展的影响存在正向空间溢出效应。空间双重差分模型结果表明,周围地区的政策实施与绿色全要素生产率提升均会对本地区产生正向的空间溢出效应。所有其他地区对本地区的平均影响为正,数字经济发展的“溢出效应”大于“虹吸效应”。

(二)政策建议

根据上述结论,提出以下建议。

第一,大力推动数字经济发展,完善网络基础设施建设。数字经济对经济绿色发展与高质量发展起到带动作用,而网络基础设施建设则为数字经济提供了底层支撑。就政府而言,应当重视网络基础设施建设,将更多城市纳入试点名单。通过政策支持、资金支持不断完善网络设施建设,提升数字经济的覆盖广度与技术深度,培育数字经济的产业发展与体系完善,带动城市经济的绿色转型与产业升级。

第二,科学引导数字经济发展模式,充分发挥数字经济积极作用。当前,数字经济在我国西部地区尚未释放“数字红利”,仍然存在“数字鸿沟”。政府应当加速布局“东数西算”工程,充分利用西部能源优势与东部产业需求,让“数字红利”在全国区域内充分释放。科学引导企业开展数字技术交流、数据平台共享,积极应对数字经济所产生的“接入鸿沟”“运用鸿沟”“数据垄断”等不平等现象,破除数字要素流动壁垒,疏通数字经济发展“堵点”。

第三,合理布局发展数字经济,挖掘数字经济区域带动作用。立足空间视角,积极推广数字经济发展成功经验,发挥数字经济“示范效应”。促进城市间交流,构建“数字城市群”“数字城市网”,协同发展数字经济。合理布局数字经济发展的重点城市,充分利用数字经济“光环效应”,建立区域内的交流平台、促进区域间创新主体合作,扩大数字经济的“溢出效应”。