数字经济驱动工业绿色发展的机制与效应研究

梁树广 冯倩倩 臧文嘉

[摘要]数字经济与工业经济深度融合成为重组工业经济要素资源、重塑工业经济结构、推进绿色低碳转型的关键力量。基于2011—2020年省级面板数据，利用DEA-ML估计法测算我国各省域工业绿色全要素生产率，构建省级数字经济水平综合指标体系，运用个体固定效应模型、中介效应模型和门槛效应模型，探究数字经济对工业绿色全要素生产率的影响。结果表明：数字经济有利于提高工业绿色全要素生产率；数字经济可以通过优化产业结构、改善能源结构和绿色技术创新三个途径有效提高工业绿色生产效率；门槛模型实证检验了数字经济对工业绿色发展的非线性影响，环境规制和研发投入在数字经济提升工业绿色全要素生产率过程中均发挥了单一门槛作用；不同地区数字经济对工业绿色发展的影响存在差异。因此，建议将数字技术运用于工业生产全过程，构建工业绿色发展体系，积极引导數字化和绿色化协同发展，助力“双碳”目标实现。

[关键词]数字经济；工业；全要素生产率；绿色发展

一、 引言与文献分析

党的二十大报告指出，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。在当前工业革命、科技革命和数字经济不断推进的背景下，数字技术助推工业绿色发展已成为实现工业高质量发展的内在要求。数字经济是数据资源信息与数字化技术的结合创新进而产生的一系列新兴技术和新业态的经济活动[1]。在数字经济成为发展趋势的背景下，越来越多学者关注到数字经济在新一轮产业变革中的赋能作用。在宏观层面，数字经济作为一种新型经济形态和未来发展方向，会影响产业结构[2]、经济高质量发展[3]在改善环境污染和提升绿色创新水平中发挥的作用[4]。在微观方面，数字经济对企业提高资源配置效率、劳动生产率和管理效率发挥了重要作用[5]，通过技术创新和降低成本等途径提升企业绩效[6]。

近年来，围绕工业绿色发展这一关键命题，国家陆续出台了各项政策举措。如在《“十四五”工业绿色发展规划》中指出，“十四五”时期是我国应对气候变化、实现双碳目标的关键期，也是工业实现绿色低碳转型的关键五年1。2035年远景目标和党的二十大报告提出要充分利用数字技术新优势，转变传统的工业生产方式，推动数字经济与实体经济融合发展。有研究表明“互联网+”通过中介传导机制能促进工业高质量发展[7]，人工智能在工业领域不仅能直接提升绿色发展效率，还能通过技术创新和优化能源使用结构间接促进绿色发展[8]。此外，数字经济通过产业结构、市场化水平和人力资本积累影响工业绿色生产率[9]。在“双碳”目标和全球气候治理背景下，考察数字经济与碳排放之间的关系对推动经济发展低碳转型，实现碳达峰、碳中和以及构建人类命运共同体具有重要意义[10]。当前，虽然一些行业已将数字化贯穿生产经营全过程，但数字经济与工业绿色发展尚未充分融合，依然面临着资金约束、技术难题和时间约束等问题。

因此，在双碳目标下，工业亟须绿色转型发展，研究数字经济对工业绿色转型的作用机制和效应，对于实现经济高质量发展有重要实践意义。目前，研究者已经关注到数字经济在工业发展领域产生的经济效应，并从不同层面展开了一系列研究，为我们研究数字经济与实体经济深度融合提供了理论和方法借鉴。与已有研究相比，本文的边际贡献主要体现在以下几个方面：一是研究视角，考虑到数字经济对工业绿色发展是多路径、多维度的综合影响，先后从直接、间接和从非线性视角阐述数字经济对工业绿色发展的影响。二是作用机制，一方面引入产业结构、能源消费结构与绿色技术创新水平作为中介变量，探究三者在数字经济驱动工业绿色发展过程中发挥的传导作用；另一方面引入环境规制和研发投入强度探究两者在数字经济对工业绿色全要素生产率产生影响过程中发挥的“门槛效应”。三是研究内容，通过构建数字经济综合指标体系，使用Malmquist指数法测算30个省区市工业绿色全要素生产率，利用计量模型检验数字经济在提高工业绿色全要素生产率过程中的具体实现路径。

二、 作用机制与研究假设

工业是实现经济绿色高质量增长的重要领域，绿色发展要求工业领域进一步深化转型升级，走生态化、绿色低碳化、高质量发展道路，推进工业发展方式由“高增长高污染高消耗”向“高水平高质量高效益”转变。但当今工业企业在绿色转型过程中仍面临制度环境、资金、技术及传统粗放型发展方式等制约。随着数字经济渗透到工业经济的各领域，其凭借平台化、共享化等特性与智能制造技术和信息技术充分融合，为工业绿色发展提供了新动能。基于此，本文从以下三个方面探讨数字经济驱动工业绿色发展的作用机制并提出假设。

1. 数字经济对工业绿色发展的直接影响

数字经济是继农业经济、工业经济之后的一种新经济形态，具有不同于工业经济的独特运行规律和经济属性，是指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1。使用新一代信息技术能够打破时空限制，推动生产要素资源的流动并实现合理对接和匹配，提高资源配置效率和生产率，带动工业经济绿色发展。在生产环节，数据要素资源和算力基础设施成为新的生产要素并逐步应用到生产过程。相比传统要素，使用新的生产要素投入优化了要素配置结构，从而促进生产要素绿色化。与此同时，人工智能和工业机器的使用极大地改善了工业生产工艺并提高劳动生产率，深化了企业绿色生产观念。在流通消费环节，数字经济通过需求变化倒逼产业转型，推动工业绿色发展。其一，企业利用大数据能更加精准地掌握市场需求信息，根据消费者偏好实现定制化生产。由此，消费者产生的新需求会催生出一批高端产品，引导工业结构由低层次向高层次转换，提高产品的附加值、促进高端技术产业的形成。其二，信息化加速数字平台和电商的发展，拓宽了销售渠道，加快了市场化水平，有利于减少信息不对称导致的资源错配。其三，数字技术还能加快绿色信息知识普及，进而有效引导消费者绿色生活和交易。总之，数字经济对提升工业企业技术和生产效率能够产生直接“赋能效应”。据此本文提出以下假设：

H1：数字经济能够推动我国工业绿色发展。

2. 数字经济驱动工业绿色发展的中介效应

数字经济日益成为新科技革命时期工业企业实现绿色转型的关键支撑，越来越多的企业进行数字化、清洁化改造，努力促进产业结构升级、能源结构优化和绿色技术创新，从而驱动工业经济绿色发展。其一，数字经济通过改造传统产业、促进新兴产业发展，带动产业结构优化，进而影响工业绿色生产和消费。数字经济技术有利于提高企业生产自动化的能力，使企业在达到原来生产数量的前提下只需投入更少的生产要素，从而降低企业生产成本、提高产出效率。其二，数字经济在原有技术水平上通过调整合理的投入与产出来提高资源利用效率，为能源生产和消费端注入新的活力，从而提高绿色全要素生产率。在能源开发方面，数字技术的广泛应用推动传统能源企业智能化改造和绿色低碳转型，帮助企业建立能源消耗信息网络，从而减少碳排放、构建清洁高效的能源体系。在能源利用方面，云计算、区块链和物联网等基础设施建设具有数据归纳、整合、分析和预测等功能，将其逐步运用到工业生产中能实时监测企业污染物排放，为企业节能决策提供数据支持。这有利于推动能源消费结构向低碳、清洁和绿色化转型，并减少能源消耗，从而通过提高能源利用效率和优化能源消费结构的方式赋能工业绿色发展。其三，数字化信息技术的应用通过搭建信息共享平台将企业与其他利益相关者联系起来，帮助企业获取绿色节能技术相关的信息和知识，降低了企业的知识搜寻成本和技术创新的风险，从而鼓励企业积极进行技术创新和改造[11]。可见，数字经济不断渗透到经济社会的各层面，为企业研发创新活动提供优良条件，利于推进绿色可持续发展进程。据此本文提出以下假设：

H2：数字经济通过产业结构、能源结构和绿色技术创新三条路径间接影响工业绿色发展。

3. 数字经济对工业绿色发展的非线性影响

数字经济对工业绿色发展的作用机制比较复杂，地区研发投入强度和环境规制差异可能会影响数字经济绿色效益发挥。已有研究表明，研发投入在数字经济对绿色全要素生产率的提升作用中发挥门槛作用，呈现非线性特征[12]。研发投入强度大的地区数字化基础设施完善，容易形成人力资本的“虹吸效应”，为数字经济发展提供良好的环境，从而能更好地发挥数字经济绿色特征[13]。环境规制作为推动我国工业经济实现高质量发展的重要政策工具，在发挥数字经济驱动工业绿色发展中有重要影响。数字技术的普及提高了环境信息产生、传输的效率，拓宽了社会主体参与环境治理的渠道，有效激发了市场行为主体的环保意识，进而促进工业绿色转型[14]。数字网络时代随着智能化企业用户数量增加，信息技术在企业之间扩散推动企业数字化转型，从而带动工业经济实现绿色增长，并且数字化在促进经济绿色低碳发展中产生的价值将呈几何级数增长规律，即该影响会随着数字经济水平的提高而越来越明显，由此可见“梅特卡夫法则”在工业绿色发展中成立。据此，本文提出以下假设：

H3：数字经济对工业绿色发展的影响具有非线性特征。

三、 模型构建与变量选取

1. 计量模型构建

为检验数字经济能否提高工业绿色全要素生產率，本文首先构建基准面板回归模型：

[lngtfpit=α0+α1lndeit+α2controlit+εit] （1）

其中i表示地区，t表示年份，[lngtfpit]、[lndeit]、[controlit]分别表示工业绿色全要素生产率、数字经济水平和一系列控制变量，α0、α1和α2分别表示截距项、核心解释变量和一系列控制变量回归系数，[εit]代表随机扰动项。

除了式（1）所体现的总效应，数字经济可能通过产业结构、能源消费结构和绿色技术创新三个中介变量间接影响工业绿色全要素生产率，借鉴温忠麟的做法[15]，建立如下中介效应模型：

[Mit=β0+β1lndeit+β2controlit+εit] （2）

[lngtfpit=γ0+γ1lndeit+γ2controlit+εit] （3）

式中M为表示中介变量，分别为产业结构合理化（lnstru）、能源消费结构（lncon）、绿色技术创新水平（lngpt）；[β1×γ1]表示数字经济通过中介传导机制对工业绿色发展的影响程度。

为验证数字经济对工业绿色全要素生产率存在的非线性影响，参考Hansen的面板门槛模型[16]，从环境规制和研法投入强度探索数字经济对绿色全要素生产率提升的作用中是否存在门槛效应。构建的门槛模型如下：

[lngtfpit=δ0+δ1lndeit×Iqit≤θ+δ1lndeit×Iqit>θ+δ2Zit+εit] （4）

其中，[qit]表示门槛变量，指代环境规制与研发投入强度，环境规制用工业污染治理投资完成额占第二产业比重衡量[17]；研发投入强度用R&D经费支出占地区生产总值的比重表示[18]；I表示指标函数；表示具体的门槛值；Z表示一系列控制变量；[εit]表示扰动项。

2. 变量测度与说明

（1）核心解释变量

从现有文献看，对数字经济水平的统一测度标准还尚未形成，学者们主要使用熵值法和主成分分析法。国家统计局从“数字产业化”和“产业数字化”两个方面确定了数字经济的基本范围，主要涵盖其发展基础、产业发展及发展环境；随着数字经济的范围扩大以及实证研究的需要，逐渐增加了数字应用和科技创新投入产出等因素。考虑到数字经济与其他产业的融合发展，有研究将数字普惠金融发展状况纳入数字经济范围、丰富了数字经济指标体系内容[19]。依据数字经济核心内涵和发展实际并参考相关文献，本研究从数字基础设施、数字产业发展、数字经济环境和数字金融四个维度构建综合指标体系，使用熵值法对全国30省区市（除港澳台地区和西藏）的数字经济水平进行测度，具体内容见表1。

（2）被解释变量

衡量工业绿色发展水平的研究主要使用熵值法和主成分分析法建立多维指标综合评价体系，部分学者从工业绿色增长、资源环境压力和政策支持度三方面构建工业绿色化指数[20]。鉴于以上方法具有一定主观性，为避免实证结果和实际情况相差较大，因此，本文以全要素理论为基础采用工业绿色全要素生产率来衡量工业绿色发展水平。目前关于绿色全要素生产率的测算方法主要是随机前沿法（SFA）和数据包络分析方法（DEA）。通过选取投入产出指标、构建绿色全要素生产率测度模型，从而测算工业绿色全要素生产率[21]。基于此本文借助STATA使用DEA方法，将测算的Malmquist指数累乘处理得到各省工业绿色全要素生产率。具体投入产出变量见表2。

（3）中介变量

产业结构（stru）。用第二产业占GDP的比重反映产业结构，一般来说在地区经济发展初期，第二产业短期内能够实现经济增长，促进期望产出的增加，进而提升绿色发展效率[22]。能源消费结构（con）。实现工业绿色发展的关键是促进工业增长的同时并减少二氧化碳排放量，而煤炭、焦炭、煤油、燃料油、天然气和电力是二氧化碳排放的重要根源[23]。基于此，使用产生二氧化碳的6种主要能源消费量占总量的比值来衡量，占比越小反映能源消费结构的改善。绿色技术创新（gpt）。参考相关学者的研究，本文使用指标法从投入产出视角构建了绿色技术创新的指标体系[24，25]，具体内容见表3。

（4）控制变量

环保财政支出（env）。用地方财政环境保护支出衡量。随着我国“双碳”目标的提出，地方政府在推进我国工业绿色发展中发挥了重要作用，增加环保财政支出有利于促进工业转型升级和绿色发展。创新产出（sci）。用规模以上工业专利申请数量衡量。科技创新利于突破专利壁垒，提高企业技术研发水平，在一定程度上利于促进提高工业绿色全要素生产率。贸易开放（trade）。用地区进出口总额衡量。通过与国外先进企业的贸易往来，利于先进技术和管理经验的学习交流，对工业绿色生产率也会产生重要影响。人口城镇化率（urban）。用采用各省非农业人口与总人口比值衡量城镇化水平衡量。已有研究表明城镇化在初期发展阶段由于人口、资源和产业的集聚，可能会加剧环境承载压力，影响绿色发展。但如果城镇化发展到一定阶段，随着人口素质的提高和环保意识的增强对绿色发展又会产生积极影响[26]。经济发展水平（economy）。选取各地区人均gdp表示，水平越高的地区待遇条件越好，越能吸引人力资本和资源，进而为工业绿色发展提供良好的基础。

3. 数据来源和描述性统计

本文选取的样本为2011—2020年中国30个省级行政区的面板数据（由于数据不全，剔除港澳台及西藏地区）。以上变量数据来源于《中國统计年鉴》《中国互联网络发展状况统计报告》《中国能源统计年鉴》《中国城市统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》以及国研网数据库。对于少数的数据缺失，利用线性插值法进行补充。表4为主要变量的描述性统计结果。显示结果可知，被解释变量的均值大于1，说明中国整体的工业绿色全要素有所改善，但仍存在明显的区域差异。核心解释变量的均值小于1，这表明我国整体的数字经济处于初级阶段，仍存在提升空间，标准差为0.169，表明各地区数字经济差距并不大。各控制变量的标准差较大表明不同地区的创新产出、对外开放和城镇化水平等具有较大差异性。绿色技术进步和环境规制的统计量差异不明显。

四、 实证检验与结果分析

1. 基准回归结果

首先对基本模型（1）进行回归，初步检验数字经济对工业绿色全要素生产率的影响。表5第一列是混合回归结果，其中数字经济系数为0.588且通过1%水平检验，说明数字经济对工业绿色全要素生产率存在显著的正向影响。考虑到混合回归忽视了个体效应的影响，为防止遗漏变量产生的内生性问题，接着使用个体固定效应回归，且Hausman检验的P值为0，这表示选用个体固定效应是合适的。在控制变量方面，由第二列固定效应结果可知各地区经济发展水平、贸易开放程度和创新产出与工业绿色发展之间具有显著的正相关关系；环保财政支出的系数符号为负但并不显著，说明短期内增加地方财政环境保护支出对工业绿色全要素生产率提升不明显；而城镇化水平在1%水平的显著为负，这意味着城市规模扩张不利于工业绿色发展质量提升。

遗漏变量、互为因果和选择性偏差易导致内生性。为缓解内生性问题，在模型中加入五个控制变量并采用固定效应模型分析，在一定程度上弱化了部分内生性问题；但仍不能保证估计参数的一致性，所以继续使用工具变量法处理内生性问题。首先选择数字经济滞后一期做工具变量用两阶段最小二乘法进行回归。结果显示kp-LM统计值为97.246，在1%的水平下拒绝了“工具变量识别不足”的原假设，KP Wald F统计值大于Stock-Yogo弱工具10%显著性水平下的临界值，拒绝了弱工具变量假设。此时表5第四列结果显示核心解释变量数字经济的系数依然显著为正。此外，参考黄小勇等[27]的方法采用各省1984年固定电话数量作为地区数字经济水平的工具变量并进行对数化处理。由汇报的结果可知，不存在工具变量识别不足和弱工具变量问题。数字经济的回归系数符号和显著性水平与结论一致。综上，在使用不同工具变量进行估计后数字经济依旧能促进工业绿色发展，以上结论是有效的。

为检验回归结果的稳健性，使用替换被解释变量、调整样本期和更换模型三种方式进行检验，具体见表6。首先借鉴陈钊等方法[28]，利用单位工业增加值能耗lngid（能源投入/工业增加值）替换被解释变量进行稳健性检验，根据第一列结果可知，数字经济能有效降低单位工业增加值能耗，在一定程度上能够推动工业绿色发展，因此证明研究结论是有效、可靠的。其次，借鉴金泽虎做法[29]缩短样本期进行稳健性检验。2015年世界经济增长乏力，我国工业生产低迷。同时在这一时间互联网进入新发展阶段，互联网与传统产业融合趋势明显，数字基础设施支持资金变化大。因此将2015年数据剔除继续回归，第二列结果表明数字经济的系数符号依然显著为正。最后，考虑到绿色全要素生产率的取值集中在0和1之间，为受限被解释变量，继续采用Tobit模型进行回归分析，第三列结果与上述分析得出的结论一致。

2. 中介效应结果分析

本文采用Bootstrap方法检验中介效应的显著性，表7报告了Bootstrap检验（500次抽样）结果。根据表7列1结果可知省域层面数字经济对绿色全要素生产率的总效应在1%的水平上显著为正，数字经济每增加1%，绿色全要素生产率就相应提高0.385%。三个模型中第一列汇报了中介效应检验第一步的回归结果，发现数字经济的系数均显著为正，说明数字经济降低了煤炭占比、优化了产业结构和绿色技术创新水平。根据Model1的第二列回归结果可知，产业结构的改善可以显著促进工业绿色发展，并且lnde的系数在控制lnstru后仍然显著为正，这说明数字经济发展对工业绿色全要素生产率依然存在促进作用。Model2第二列报告了煤炭消费占比对工业绿色全要素生产率的影响，其系数在1%水平上显著为负，说明数字经济发展降低了煤炭消费比重，通过优化能源消费结构带动了工业绿色发展。同时Bootstrap检验交乘项系数符号在5%水平上为正，这说明数字经济通过影响能源消费结构从而促进工业绿色发展。同理，根据Model3结果可以看到绿色技术进步在10%的水平上显著提高了工业绿色全要素生产率。因此，产业结构、能源结构调整和綠色技术创新是数字经济驱动工业绿色发展的作用机制，这一实证结果证明了假设2。

3. 门槛效应回归分析

首先在基准面板模型中引入数字经济发展水平的二次项初步检验数字经济对工业绿色发展的非线性影响，表9列1结果验证了假设3。然后继续用门槛模型进行检验，基于Hansen的方法确定是否存在门槛效应及门槛个数。根据表8检验结果看，环境规制和研发投入强度门槛变量均通过了单一门槛检验，未通过双重门槛；两个门槛变量均在1%水平下显著，其中政府规制的一门槛估计值为0.0003，研发投入强度的一门槛估计值为0.0094。

根据上述结果选用单一门槛模型进行回归。表9估计结果显示，在环境规制水平低于门槛值0.0003时，数字经济对工业绿色全要素生产率的影响为正但不显著；在高于环境规制的门槛值时，数字经济的正向影响由0.149提高到0.407且显著为正。由此变化可以发现政府适度的环境规制有利于数字经济驱动工业绿色发展，这和学者们有关环境规制的“创新补偿”观点一致[30]，并验证了“波特假说”理论，即环境规制能够激发企业进行绿色技术创新，从而带动工业绿色发展。从长期发展看，适度的环境规制可以激励企业技术创新，改进原有落后的、低效率的生产方式，从而提高生产效率[31]，为工业绿色全要素生产率的提升提供了制度保障。

据表9第三列结果发现数字经济对绿色全要素生产率的正向影响呈现随研发投入的增加而边际递增的规律。当研发投入未跨越一重门槛值时，数字经济对绿色全要素生产率的影响系数为0.163，没有通过显著性检验。出现这一情况的主要原因可能是：数字经济发展处于初期阶段，提升核心技术水平需要巨大的研发投入资金，地区进行自主创新难度较大，故而导致研发投入对绿色发展的正向影响有限。当研发投入跨越第一重门槛时，数字经济对绿色发展的影响效应有所提升，估计系数为0.293，在10%水平上显著。这一变化表明随着数字经济基础条件改善，整合资源要素的效率得到提高；与此同时前期的研发投入积累使得创新活动具备了一定基础，研发投入强度产生的效果明显增强，进而提升了数字经济对绿色发展的正向作用。因此，在以政府规制和研发投入强度作为门槛变量时，数字经济对工业绿色全要素生产率有正向影响，均呈现“边际效应”递增的非线性特征。

4. 异质性分析

上述基本回归结果证明数字经济在整体上能够显著提高工业绿色全要素生产率，但考虑到我国地域辽阔，资源环境和区域经济基础差异较大，数字经济和工业绿色发展的基础和能力也存在差别。于是，进一步围绕数字经济影响工业绿色发展展开异质性分析。考虑到东部各省的数字经济领先优势明显，而中、西部各省的差异不大，本文将所研究的30个省区市分为东部和中西部两大区域，对这两个区域分别使用固定效应模型进行回归，结果如表10所示。比较东部和中西部地区回归结果发现，数字经济对工业绿色全要素生产率的影响程度存在地区间差异。从东部地区来看，数字经济对工业绿色全要素生产率的影响为正但不显著。而在中西部地区，数字经济对工业绿色全要素生产率的影响为正且通过了1%的显著性检验。导致中西部地区数字经济对工业绿色节能发展的影响显著高于东部地区的原因可能有以下两点：第一，中西部相较东部地区工业节能低碳技术发展起步晚，仍处于初期发展阶段，工业转型升级提升空间较大[32]。第二，中西部地区经济发展落后，数字经济的普及对优化中西部地区产业结构的影响效果明显，能有效促进工业绿色转型；而东部则更多是在原有经济技术水平上缓解工业发展面临的环境资源约束，所以数字经济对东部经济绿色发展作用并不显著。综上，数字经济对工业经济实现绿色发展存在区域差异，更能拉动西部地区工业绿色转型。

五、 结论与政策建议

本文基于省级面板数据实证研究了数字经济与工业绿色发展的作用机制和效应，研究结论如下：（1）数字经济能够显著提高工业绿色全要素生产率，并且该结论通过了稳健性检验。（2）产业结构优化、能源结构改善和绿色技术创新是数字经济驱动工业绿色发展的有效中介环节。（3）数字经济对工业绿色全要素生产率影响存在以环境规制和研发投入强度为门槛变量的单一门槛效应，当跨越门槛值后数字经济的促进效应会显著提升。（4）数字经济对工业绿色全要素生产率的影响存在区域差异，对中西部地区的影响大于东部地区。根据以上结论，为更有效地使数字经济助力工业绿色转型、实现“双碳”目标，提出以下政策建议：

一是通过优化产业结构、改善能源结构和促进绿色技术创新三个途径助力建立健全绿色工业体系。一方面，依托信息技术分析数据，推进生产与经营各个环节智能优化决策，以数字化技术赋能钢铁、水泥、石油化工等高耗能高排放产业，采用低碳技术和工艺推动工业智能清洁化改造和绿色转型，实现绿色生产。加强数字技术与传统工业相结合，利用数据管理系统优化能源调配，提升企业的生产效率和能源使用率，积极促进绿色发展。另一方面，积极鼓励创新各类绿色金融产品和服务，提高企业数字研发创新技术，打造工业绿色发展新引擎，将绿色金融赋能数字绿色化融合发展。

二是发挥政府引导职能，推动数字化绿色化协同发展。由于政府规制和研发投入强度在数字经济提升工业绿色全要素生产率过程中起到门限作用，一方面，政府应通过合理使用环境规制工具，引导企业使用绿色清洁生产技术，利用数字化技术创造绿色创新竞争环境，全面推动节能减排工作，进而发挥数字经济对技术进步和效率改进的积极作用[16]。另一方面，加强大数据、云计算、人工智能等关键数字技术的研发和应用，积极引导和鼓励各行各业利用云计算等数字化技术积极创新，为工业绿色发展赋能。

三是因地制宜，缩小区域间数字经济发展差距。由于地区间的资源差异数字经济对工业绿色全要素生产率的影响具有异质性特征。一方面，充分利用中西部资源禀赋和低成本优势，加大基建投资力度，夯实数字经济发展基础。而加大东部地区科技创新投入、提升数字化水平，发挥对落后地区的引领带动作用。另一方面，在全面建设数字基础设施的过程中，“东数西算”成为推动我国数字经济实现区域协同发展的关键方式，将东部“算力”需求引导到西部，进而实现东西部协同联动和区域协调发展，发挥各区域数字经济对工业节能绿色发展的驱动效应。

参考文献：

[1] 陈晓红，李杨扬，宋丽洁，等.数字经济理论体系与研究展望[J].管理世界，2022，38（2）：208-224.

[2] 沈运红，黄桁.数字经济水平对制造业产业结构优化升级的影响研究——基于浙江省2008—2017年面板数据[J].科技管理研究，2020，40（3）：147-154.

[3] 任保平，孙一心.数字经济培育我国经济高质量发展新优势的机制与路径[J].经济纵横，2022（4）：38-48.

[4] 韦施威，杜金岷，潘爽.数字经济如何促进绿色创新？——来自中国城市的经验证据[J/OL].财经论丛，2022（11）：10-20.

[5] Autio E.Strategic Entrepreneurial Internationalization：A Normative Framework[J].Strategic Entrepreneur－ship Journal，2017，11（3）：211-227.

[6] Briel F V，Davidsson P，Recker J.Digital Gpthnologies as External Enablers of New Venture Creation in the IT Hardware Sector[J].Entrepreneurship Theory and Practice，2018，42（1）：47.

[7] 李振叶，刘杨程，徐斌.“互联网+”对工业高质量发展的影响——基于面板中介效应模型的估计[J].科技进步与对策，2020，37（14）：86-93.

[8] 唐晓华，迟子茗.工业智能化提升工业绿色发展效率的实证研究[J].经济学家，2022（2）：43-52

[9] 肖远飞，姜瑶.数字经济对工业绿色生产效率的影响研究[J].现代管理科学，2021（8）：100-109.

[10] 谢云飞.数字经济对区域碳排放强度的影响效应及作用机制[J].当代经济管理，2022，44（2）：68-78.

[11] 赵星.新型数字基础设施的技术创新效应研究[J].统计研究，2022，39（4）：80-92.

[12] 乌静，肖鸿波，陈兵.数字经济对绿色全要素生产率的影响研究[J].金融与经济，2022（1）：55-63.

[13] 严斌剑，吴启凡.数字经济、研发投入强度对区域全要素生产率的影响研究[J].价格理论与实践，2021（9）：159-162.

[14] 张帆，施震凯，武戈.数字经济与环境规制对绿色全要素生产率的影响[J].南京社会科学，2022（6）：12-20.

[15] 温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

[16] Hansen E B. Threshold Effects in Non-dynamic Panels： Estimation，Testing， and Inference [J].Journal of Econometrics，1999，93（2）：345-368.

[17] 卢福财，刘林英，徐远彬.互联网发展对工业绿色全要素生产率的影响研究[J].江西社会科学，2021，41（1）：39-50.

[18] 刘荣增，何春.环境规制对城镇居民收入不平等的门槛效应研究[J].中国软科学，2021（8）：41-52.

[19] 赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.

[20] 鹿晨昱，成薇，黄萍，等.中国工业绿色发展水平时空综合测度及影响因素分析[J].生态经济，2022，38（3）：54-61.

[21] 刘淑茹，贾箫扬，党继强.中国工业绿色全要素生产率测度及影响因素研究[J].生态经济，2020，36（11）：46-53.

[22] 安梦天，何爱平.欲速则不达：地方政府经济预期目标与绿色发展效率[J].中国人口·资源与环境，2022，32（10）：50-64.

[23] 陈双莲.经济增长与能源消费结构的实证研究[J].科技管理研究，2013，33（21）：222-227.

[24] 黄万华，王梦迪.长江经济带制造业绿色技术创新效率测度[J].统计与决策，2021，37（19）：61-63.

[25] 李楠博，高晨磊，臧云特.绿色技术创新、环境规制与绿色金融的耦合協调机制研究[J].科学管理研究，2021，39（2）：100-108.

[26] 庄汝龙，宓科娜.能源消费、结构变化与空气质量——基于省际面板数据的实证检验[J].地理研究，2022，41（1）：210-228.

[27] 黄小勇，查育新，朱清贞.互联网对中国绿色经济增长的影响——基于中国省域绿色竞争力的实证研究[J].当代财经，2020（7）：112-123.

[28] 陈钊，陈乔伊.中国企业能源利用效率：异质性、影响因素及政策含义[J].中国工业经济，2019（12）：78-95.

[29] 金泽虎，蒋婷婷.数字贸易助力制造业高质量发展的机理与实证研究——基于长三角样本的分析[J].工业技术经济，2022，41（6）：44-51.

[30] 胡士华，黄天鉴，王楷.数字经济与绿色经济协同发展：时空分异、动态演进与收敛特征[J].现代财经（天津财经大学学报），2022，42（9）：3-19.

[31] 沈春苗，郑江淮.环境规制、企业更替与制造业生产率——基于工业企业污染排放数据的实证检验[J].南京社会科学，2021（3）：10-18.

[32] 于世海，许慧欣，孔令乾.数字经济水平对中国制造业资源配置效率的影响研究[J].财贸研究，2022（12）：19-34.

基金项目：国家社会科学基金项目“新发展格局下制造业创新链产业链资金链耦合的机制与路径研究”（项目编号：21BJY065）。

作者简介：梁树广（1982-），男，副教授，经济学博士，聊城大学商学院副院长，硕士生导师，研究方向为产业经济；冯倩倩（1999-），女，聊城大学商学院硕士研究生，研究方向为产业经济；臧文嘉（1995-），女，聊城大学商学院硕士研究生，研究方向为产业经济。

（收稿日期：2023-01-08  责任编辑：苏子宠）