数字经济对绿色全要素生产率的影响研究

李占风,粟文元

(1.中南财经政法大学统计与数学学院,湖北武汉 430073;2.厦门大学经济学院,福建厦门 361005)

一、引言

随着第四次工业革命的兴起,中国数字技术蓬勃发展,数字经济逐渐成为经济发展中最具增长活力与创新潜力的领域之一。特别是近年来,我国云计算、大数据、区块链和人工智能等网络数字技术快速发展,并与经济社会深度融合,无论是数字经济增加值还是GDP贡献率都呈现出迅速增长的趋势,中国正在逐步成为数字经济大国。《中国数字经济发展白皮书(2021年)》指出,2020年中国数字经济增加值已经由2005年的2.6万亿元增长到39.2万亿,占GDP的比重也由14.2%提升到38.6%。由此可以窥见,当前数字经济已经成为推动我国经济持续稳定健康增长的重要引擎,也是我国实现弯道超车重塑国际经济竞争新优势的关键战场。

随着我国经济总量的持续增长,经济新常态时代逐步开启。新时代对经济的评价不能仅仅局限于速度指标,提升经济增长的质量才是重中之重。由于经济活动需要消耗大量的自然资源、资金和人力资本,过去我国在取得经济高速增长的伟大成就的同时,也面临着严峻的资源消耗和环境污染问题。因此,经济高质量发展阶段,如何坚持追求并实现经济效益、环境效益、社会效益高度统一的绿色低碳模式是重要的战略难题。绿色全要素生产率(Green Total Factor Productivity,简称GTFP)是衡量高质量绿色发展的重要指标,其本质在于以最低的资本、人力及能源等生产要素投入实现最大化的经济效益。加快促进GTFP提升已经成为新时代推动经济社会绿色转型发展的主要目标。探究影响GTFP增长的作用机制,将有助于加速驱动我国绿色发展。

绿色低碳的经济模式注重人、自然、社会三者间的协调发展,关键在于推动经济社会产业结构向绿色可持续发展转型。由于发展清洁能源、节能减排等领域均需要一系列信息技术手段的大力支持,故近些年来蓬勃发展的数字经济是否有利于实现绿色低碳经济模式成为一个值得研究的问题。因此,深入探究数字经济对绿色全要素生产率的影响效应对于提升经济发展质量,推动实现绿色可持续发展目标具有至关重要的理论价值和现实意义。

二、文献综述

在数字经济与绿色低碳经济逐渐成为中国社会经济发展两大主流的背景下,数字经济对GTFP的影响作用引起了学术界的激烈探讨,目前有关二者的研究成果主要聚焦在以下两个方面。

第一,关于数字经济对GTFP影响的研究。多数学者认为数字经济的发展能够显著促进GTFP的提高。肖远飞等[1]通过实证分析发现数字经济发展有助于地区绿色全要素生产率的提升,并且得出东部地区较于西部表现出明显的数字红利释放效果。乌静等[2]也通过分析得到数字经济对绿色全要素生产率存在显著的提升效应,并且此提升效应在中、西部地区更为明显。朱喜安等[3]基于省际面板数据研究得到数字经济发展显著促进了绿色全要素生产率的提高,且这一结论在进行多种稳健性检验后依旧成立。但是,邱泽奇等[4]也指出数字经济的发展可能会导致出现新的数字不平等和“数字鸿沟”,即由于某些地区的新型数字基础设施建设相对落后,政府制度环境也相对薄弱,数字经济的发展可能会引起各类生产要素向发达地区流动,进而导致“强者愈强,弱者愈弱”现象的出现,阻碍和抑制绿色全要素生产率的提高。

第二,关于数字经济对GTFP影响的门槛效应和调节效应研究。随着研究成果的逐步积累,部分学者认为各区域自身的多种禀赋特征条件也会制约数字经济对绿色全要素生产率的影响,即不同的禀赋特征条件下,数字经济对GTFP的影响作用是不同的。门槛效应研究方面,程文先等[5]以地区行业规模、制度环境为门槛变量分别构建面板门槛模型,研究结果表明数字经济对中国工业绿色全要素生产率均表现出显著的边际效应递增的非线性影响。乌静等[2]研究得到在数字经济对绿色全要素生产率的提升作用中存在基于研发投入的单一门槛效应,当跨越门槛值后促进效应会呈现递减的规律。赵巍[6]研究发现数字经济对绿色全要素生产率的提升作用受到环境规制的显著影响,表现出门槛效应。调节效应研究方面,周勇等[7]基于理论分析开展了关于数字经济对工业GTFP影响的实证研究,通过在基准回归中引入交互项发现财政分权和金融发展在数字经济促进工业GTFP提高的过程中起到了正向调节作用。肖远飞等[1]通过引入数字经济与能耗强度的交互项以及数字经济与万人发明专利数的交互项发现两个交互项的系数均显著,因此,数字经济对GTFP的促进作用也存在节能减耗效应和技术创新效应。

通过梳理相关文献,本文发现:现有文献多集中于从单独的技术创新、制度环境、研发投入等视角分析数字经济对GTFP影响的调节效应和门槛效应。然而,就各省、市和自治区自身的多种禀赋特征条件而言,地区本身的数字经济发展水平、综合的数字经济环境也会对数字经济作用于GTFP产生影响。但是目前关于数字经济与GTFP之间关系的研究成果中,尚未有文献同时涉及地区本身的数字经济发展水平和综合数字经济环境差异。因此,本文认为此方面的研究有待进一步拓展和完善。

本文的研究贡献包括:第一,将数字经济与绿色发展同时纳入研究框架,基于绿色全要素生产率这一视角实证探讨数字经济对绿色化发展的影响效应;第二,创新性地以数字经济发展水平作为门槛变量,应用门槛效应模型研究数字经济对绿色全要素生产率的非线性影响,丰富并深化现有文献;第三,基于测度各省、市和自治区的综合数字经济环境水平,创新性地检验了数字经济环境水平在数字经济发展水平对绿色全要素生产率影响中的调节效应,为各地区制定并实施差异化的政策措施提供了经验证据。基于此,本文希望能够为新时代下各省、市和自治区因地制宜地发挥数字经济的绿色价值和推动绿色转型发展提供一定的参考借鉴。

三、理论分析与研究假说

(一)数字经济和GTFP的关系

提高GTFP的关键在于激发创新效率、优化产业结构以及提升治理效能。本文认为数字经济主要通过为企业营造创新创业环境、带动生产要素转移、改变个人消费生活方式、深化生态环境监管体系四个方面影响GTFP。

理论上企业可以通过数字经济降低运营成本,刺激科技创新,降低资源依赖,促进绿色发展。[8-9]数字技术可以帮助企业改变生产经营方式,优化供应网络与销售渠道,直接对接市场供需,降低运营成本,并且数字技术给予了不同创新主体开展创新创业活动的便利性,改善了市场创新创业环境,是推动绿色全要素生产率提升的重要因素[10-11];与此同时,随着我国数字经济的迅猛发展,数字技术可以与生产要素相融合,使得生产要素向技术密集型和资本密集型产业转移,进而推动企业向数字化、绿色化方向转型,带动绿色全要素生产率的提升[12]。此外,周少甫等[13]认为数字技术应用改变了居民的消费生活方式,降低了其对高能耗产品的消费需求。依据乌静等[2]的研究,数字经济也会通过深化生态环境监管服务,完善生态环境治理体系,提升绿色全要素生产率。随着“互联网+政务服务”工作的持续推进,环保系统的资源信息流动速度加快,个人、企业和政府都能及时迅速地获取相关资讯并予以有效利用。此外,借助于数字技术可以实现生态环境的实时监控和预测,有助于提升环境监管水平,促进绿色可持续发展。

由此可见,理论上数字经济可以通过多种方式影响绿色全要素生产率。那么,近年来蓬勃发展的数字经济能否真实有效地促进GTFP的提升呢?为回答这一问题,本文提出:

假设1:数字经济发展能够显著促进GTFP的提升。

由于数字经济对GTFP的影响作用机制较为复杂,可能会受到各省、市和自治区自身禀赋特征条件的制约。因此,本文从数字经济发展水平、综合数字经济环境出发,探究数字经济对GTFP影响的门槛效应和调节效应。

(二)数字经济发展水平的门槛效应

数字经济的规模发展能够极大地提升企业的科技创新水平,带动各种生产要素紧密结合,促进生产模式和生活方式的根本性转变,进而加快绿色发展。肖远飞等[14]发现在数字经济对经济高质量发展的作用机制中存在基于数字经济发展水平的单一门槛效应。类比于此,本文认为在数字经济对绿色全要素生产率的影响作用中也存在着基于数字经济发展水平自身的门槛效应。当数字经济发展水平较低时,由于数字设施建设和科学技术创新具有周期长、成本大、风险高的特点,且前期政府的各项优惠政策和激励机制亟待制定和完善,因此不确定性因素较多,导致企业的数字投入积极性不高,一定程度上会妨碍数字经济对绿色全要素生产率促进作用的发挥。相反,当数字经济处于较高发展水平时,数字技术实力雄厚,数字人才储备充分,伴随着相关优惠政策的扶持和数字建设领先者的非凡积淀,企业将会更加注重科技创新、绿色创新,将更多资本投入新产品研发和技术升级,减少对能源资源的依赖,行业结构将会更加优化。在此情形下,数字经济将会通过激励科技创新、优化产业结构引领绿色智慧城市的加速布局,更加有利于发挥数字经济的绿色价值,进而促进GTFP的提升。基于此,本文提出:

假设2:数字经济对GTFP的影响存在基于数字经济发展水平的门槛效应。

(三)数字经济环境水平的调节作用

数字经济环境与数字经济对GTFP的增长效应之间也存在着密切联系。优良的数字经济环境有益于充分激发企业的市场活力,促使其更加积极地优化资源配置,开展绿色技术创新,从而有效提高生产效率和服务水平,帮助实现绿色高质量发展。[15]邓荣荣等[16]认为良好的数字经济环境有助于打好数字产业的根基,发挥数字经济的减排效应,从而帮助广泛形成绿色生产生活方式,提升城市的绿色创新水平。聂秀华等[17]认为在数字金融发展较为成熟、地区制度较为完善、人力资本水平较高的情况下,数字金融拥有更加突出的区域技术创新激励效应。类比于此,本文认为在数字经济对GTFP的影响中存在数字经济环境的调节效应,即在数字市场较为发达、数字要素较为完善的条件下,数字经济拥有更加明显的GTFP增长效应。结合上述分析,数字经济环境在数字经济对GTFP影响中发挥的作用如下:当数字经济环境尚未完善时,一方面,数字市场尚处于不成熟阶段,企业进行绿色创新时缺乏所需的设施网络和投资资金,从而抑制了企业进行技术创新的积极性和能动性;另一方面,数字信息化基础薄弱、数字建设经验不足等在一定程度上也不利于企业的科技进步,阻碍了绿色全要素生产率的提升。而良好的数字经济环境不仅增强了企业进行技术创新以提高生产效率和服务质量的意愿,也为数字经济对GTFP增长效应的发挥提供了强有力的支撑。基于此,本文提出:

假设3:数字经济环境在数字经济对GTFP的影响中起到了正向调节作用。

四、研究设计

(一)模型设定

1.动态面板模型

为验证前文提出的理论假设1,本文构建研究数字经济与绿色全要素生产率关系的计量模型,见方程(1):

(1)

其中,i和t分别表示地区和年份,GTFPit为被解释变量绿色全要素生产率,digit为核心解释变量数字经济发展水平,Xjit为控制变量,β0为常数项,μi和εit为无法观测的固定效应及随机误差项。

在此基础上,考虑到绿色全要素生产率增长具有时间上的延续性,当期的GTFP会受到上期的影响,并且GTFP与数字经济发展水平之间可能存在双向因果关系,本文构建动态面板模型,即在计量方程(1)中引入GTFP的一阶滞后项。这不仅有助于揭示被解释变量GTFP的动态变化特征,也能够一定程度上克服模型内生性所导致的偏误问题,故本文最终采用如下动态面板模型,见方程(2)[18]:

(2)

其中,GTFPit-1为绿色全要素生产率一阶滞后项,其他符号变量的含义同计量方程(1)。

2.面板门槛模型

为验证前文中提出的理论假设2,本文借鉴Hansen的方法,将数字经济发展水平作为门槛变量,深入探讨数字经济对GTFP的非线性影响,构建如下的面板门槛模型[19],见方程(3):

(3)

在门槛模型中,门槛变量按照假设2设置为数字经济发展水平(digit),γ为门槛值,I(·)为示性函数,当括号内条件成立时取值为1,否则取值为0,Xjit代表控制变量,μi为个体固定效应,εit表示随机扰动项。

3.调节效应检验

为验证前文中提出的理论假设3,本文在计量方程(2)的基础上,考虑引入变量数字经济环境deeit及其与数字经济发展水平(digit)的交互项digit×deeit,构建检验数字经济环境调节效应的模型,见方程(4):

(4)

(二)变量选取与说明

1.被解释变量

被解释变量为省际绿色全要素生产率(GTFP)。本文同时将多种投入与期望产出、非期望产出纳入测算框架,运用可变规模收益(VRS)假设下的基于非径向、非角度的DEA—SBM模型结合GML生产率指数测算得到2011—2020年中国30个省、市和自治区(不含西藏和港澳台地区)的绿色全要素生产率,投入产出变量及相关数据处理如表1所示。

表1 测算GML指数的投入产出变量

在此基础上,本文借鉴陈超凡[20]的做法,将年度环比增长的GML生产率指数,通过设定基期GTFP取值为1,并与各年度的GML值累乘,最终转化为2011—2020年中国30个省、市和自治区(不含西藏和港澳台地区)的GTFP,见图1。

图1显示,中国高质量绿色发展水平存在明显的地区差异。总体而言,2011—2020年中国各省、市和自治区的绿色全要素生产率呈现上升的趋势。2020年江苏、北京、广东等地的绿色全要素生产率位于前列,并且2020年北京与绿色全要素生产率最低的青海省之间的差距约为12倍,说明中国省际间的绿色全要素生产率存在较大差距。因此,如何让绿色高质量发展水平较低的地区跟上时代脚步,助推其实现绿色转型发展是当务之急。

2.核心解释变量、门槛变量

核心解释变量和门槛变量均为数字经济发展水平(dig)。参考黄群慧等[22]和赵涛等[23]的指标选择,本文从互联网发展水平和数字普惠金融发展水平两个维度构建中国省际数字经济发展水平测算框架。其中互联网发展测度选用互联网普及率、移动电话普及率、互联网相关从业人员情况及互联网相关产出4个指标。数字普惠金融数据采用由北京大学数字金融研究中心和蚂蚁金融服务集团共同编制的中国数字普惠金融指数,具体指标体系见表2。

将以上5个正向指标进行标准化处理后,利用熵权法测算得到各省、市和自治区的数字经济发展水平,见图2。

图2 2011—2020年中国各省、市和自治区数字经济发展水平

2011—2020年中国各省、市和自治区的数字经济发展水平也在不断提高。2020年北京、上海、浙江和广东的数字经济发展水平位于全国前四。从省域划分来看,东部地区的数字经济平均发展水平较高,2020年达到71.97%,而中、西部地区的总平均值为62.07%,相对较低。因此,如何深入挖掘中、西部地区的数字经济发展潜力,避免进一步加深“数字鸿沟”,并充分发挥数字经济的引擎作用,成为当前亟待解决的问题。

3.调节变量

对于调节变量数字经济环境(dee),参考王娟娟等[24]的做法,本文依据科技支持、金融支持、人才支持、数字应用度、技术交易活跃度5个维度构建数字经济环境测度体系,见表3。

表3 数字经济环境综合评价指标体系

将以上5个正向指标进行标准化处理后,利用熵权法测算得到各省、市和自治区的数字经济环境指数,见图3。

图3 2011—2020年中国各省、市和自治区数字经济环境指数

2011—2020年中国各省、市和自治区的数字经济环境有所改善优化。2020年北京、天津、上海、陕西的数字经济环境指数位于全国前四。从省域划分来看,东部地区的数字经济环境较为优越,2020年平均值达到35.57%,而中、西部地区的平均值分别为22.56%、20.28%,相对较差。因此,对于中、西部地区而言,如何有效营造良好的数字经济环境,为数字经济发展提供强有力的支持,依旧是需要关注的重点问题。

4.控制变量

参考已有研究,本文选择如下控制变量:经济发展水平(eco),选取各省年生产总值的对数值测度;人口规模(pop),选用各省年末总人口数的对数值表示;城镇化水平(urb),选取各省城镇人口在总人口中所占比例表示;科教投入(edu),使用科学技术与教育支出占财政支出的比重衡量;对外贸易(tra)采用各省进出口总额(换算成人民币)与GDP的比值刻画。

(三)数据来源与统计描述

鉴于数据的可得性,本文研究样本为2011—2020年中国30个省、市和自治区(除西藏和港澳台地区)的省际面板数据。研究数据均来源于相关年份的《中国统计年鉴》《中国能源统计年鉴》《中国劳动统计年鉴》《中国环境统计年鉴》《中国金融年鉴》及《北京大学数字普惠金融指数(2011—2020年)》和CSMAR数据库。对于缺失数据,本文按照其变化趋势进行平滑处理。相关变量的描述性统计结果见表4。

表4 变量描述性统计结果

从表4可以看出,2011—2020年我国30个省、市和自治区绿色全要素生产率的差距较大,绿色全要素生产率最高达到5.510,最小只有0.177。同样,数字经济发展水平最高达到0.982,最低只有0.077。此外,科教投入方面,科学技术与教育支出占财政支出比重的平均水平为0.185,表明目前我国对于人才培养和科技事业建设较为重视。对外贸易方面,进出口总额(换算成人民币)与GDP比值的平均水平为0.272,说明外贸出口作为拉动经济增长的三驾马车之一,在样本区间内的表现可圈可点。

图4给出了数字经济与绿色全要素生产率的散点图与拟合曲线,直观上看,数字经济与绿色全要素生产率之间存在着较为明显的正相关关系,即数字经济发展水平的提高可能会对绿色全要素生产率的提升带来正向影响,但该作用是否真实存在需要进一步实证检验。

图4 数字经济与绿色全要素生产率的散点图与拟合曲线

五、实证结果分析

(一)数字经济对GTFP的影响

1.实证检验

本文使用一步系统GMM估计方法对构建的面板模型(2)进行参数估计,采用了稳健标准误以消除模型异方差的影响,具体的估计结果见表5。从表5可以看出,Hansen检验不拒绝原假设,说明以解释变量的一阶滞后项作为工具变量是有效的,内生性得以克服;此外,二阶序列相关性检验的结果AR(2)也不拒绝原假设,即表明模型已不存在自相关问题。

表5 数字经济对GTFP影响的估计结果

具体来看,在一步系统GMM的估计结果中,绿色全要素生产率的一阶滞后项L.GTFP的系数显著为正,说明绿色全要素生产率具有正向的延续性和累积性,更深层次证实本文构建动态面板模型是十分必要的。由表5列(2)的估计结果可知,核心解释变量数字经济发展水平dig的系数显著为正,这验证了前文理论分析中所提出的研究假设1,即数字经济的蓬勃发展显著地加快了中国GTFP的提升,能够成为新时代提高中国GTFP的新引擎。其原因可能是,通过数字经济的发展,中国企业能够更加迅速有效地推进技术创新,减少对能源资源的依赖,从而带动绿色全要素生产率的提升,帮助实现绿色可持续发展。

此外,控制变量中科教投入edu对绿色全要素生产率具有正向影响,这表明加大科技研发投入与教育投入能够显著提升GTFP。而值得注意的是,对外贸易tra对提高绿色全要素生产率具有抑制作用,这在一定程度上说明“污染避难所”现象可能在我国存在。

2.区域异质性

由于不同区域在地理位置、经济环境、产业结构等方面存在差异,故为了探究数字经济对GTFP影响的区域差异,本文同样使用一步系统GMM方法分别对中国东部、中部和西部三个区域(1)东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、山东、福建、广东和海南等;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南等;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、宁夏和新疆等。的数据进行动态面板估计,估计结果见表6。

表6 数字经济对GTFP影响的区域差异

由表6的结果可以发现,数字经济对GTFP的影响存在明显的区域差异,数字经济的发展显著促进了东部地区GTFP的增长,而对中、西部地区的影响不明显。本文猜测其原因可能是:我国幅员辽阔,区域之间经济发展水平、技术水平、人力资本和资源禀赋等都存在较大差异,而数字经济的绿色促进效应发挥依赖于较高的环境吸收能力,或者是受到数字经济环境等其他外部条件的制约。因此,本文得到在大力推进数字经济战略和绿色发展战略的同时,需要密切结合各地区的实际情况,因地制宜制定相应发展策略,落实相应举措,才能更加有效地促进各地区绿色全要素生产率的提升。

3.稳健性检验

本文主要从两方面检验研究结论的稳健性。

(1)调整样本时期。本文以2011—2017年为研究区间重新进行上述动态面板估计,表7中列(1)的结果显示数字经济(dig)的回归系数依旧为正,系数方向与显著性和基准回归结果相同。

表7 稳健性检验结果

(2)更换解释变量的测度方法。参考赵巍[6]关于数字经济发展水平的核算方法,本文以使用主成分分析法测算的经标准化后的数字经济发展水平作为解释变量,从而验证基准回归结果的稳健性。表7列(2)给出的回归结果显示,数字经济发展水平的系数在10%的显著性水平下显著为正,与基准回归结果一致,进而表明数字经济发展对GTFP提升存在促进作用,本文的研究结果稳健性较好。

前文中已经从线性角度分析了数字经济对GTFP的影响,并得到存在数字经济的绿色促进效应,但是该结论忽视了地区间的禀赋特征差异。然而,就禀赋特征条件而言,地区本身的数字经济发展水平、综合数字经济环境也是不容忽视的重要影响因素。接下来,本文基于数字经济发展水平和数字经济环境水平进一步分析数字经济对GTFP影响的门槛效应和调节效应。

(二)数字经济对GTFP影响的门槛效应

本文使用面板门槛模型以验证研究假设2,即处于不同的数字经济发展水平,数字经济对GTFP是否会呈现出不同的影响。

1.门槛效应检验

将数字经济发展水平作为门槛变量进行门槛效应检验,运用Bootstrap自助法抽样500次估计出门槛值和相关统计量,结果见表8。

表8 门槛存在性检验

从表8中的检验结果可以看出,5%的显著性水平下,在数字经济对GTFP的影响中显著存在基于数字经济发展水平的单一门槛效应,并且估计得到门槛值为0.674,置信区间为[0.669 3,0.698 7]。

2.门槛回归结果分析

门槛存在性检验通过后,面板门槛模型的估计结果见表9。可以看出,当数字经济发展水平低于门槛值0.674时,核心解释变量dig的影响系数显著为1.300。因此可以得到在第一门槛区间内,数字经济对于绿色全要素生产率GTFP具有显著的正向促进作用;当数字经济发展水平高于门槛值0.674时,核心解释变量dig的影响系数显著为2.306,故表明在第二门槛区间内,数字经济对GTFP仍具有显著的正向促进作用,且促进作用较第一门槛区间得到了明显增强。

表9 面板门槛模型

由此可知,数字经济对GTFP的增长效应受到数字经济发展水平的约束,即随着区域数字经济发展水平的不断提升,数字经济对GTFP表现出显著的正向且边际效率递增的非线性影响。本文认为其原因可能在于:当数字经济发展水平较低时,数字基础设施建设尚不完善,由于技术创新存在较高的风险且前期投入资本较大,企业缺乏进行绿色技术创新的动力,导致数字经济对GTFP的正向促进作用有限。随着数字经济发展水平的提高,相应的政策优惠陆续落实,并且数字技术的进步带来投资市场的迅速扩大,为企业提高科技水平、进行绿色创新提供一定的资金支持。同时,当较多数字领先者在所处领域取得非凡成绩时,其他企业也会通过学习和模仿提高绿色生产水平,进而带动整个行业的绿色发展。但是,通过观察发现在样本考察期2011—2020年之间多数省、市和自治区还未跨过数字经济发展水平的门槛值0.674,导致数字经济驱动GTFP增长的效果还比较有限。因此,坚持提升数字经济发展水平并促进数字经济与GTFP的良性互动,是新时代下促进GTFP稳步增长的重要参考路径。

(三)数字经济对GTFP影响的调节效应

在计量方程(2)的基础上,引入数字经济环境dee及其与数字经济发展水平dig的交互项dig×dee,再次进行GMM系统动态面板估计,表10报告了引入数字经济环境调节效应后的回归结果。

表10 数字经济环境的调节效应

由表10列(2)可以发现,数字经济发展水平dig的系数在1%的显著性水平下显著为负,而其与数字经济环境的交互项dig×dee在1%的显著性水平下显著为正,说明数字经济环境在数字经济对GTFP的影响中起到了正向调节作用,良好的数字经济环境能够强化数字经济对GTFP的促进作用,证明了理论分析中所提出的研究假设3的成立。具体表现为当数字经济环境dee低于0.171时,数字经济发展反而会抑制GTFP的提升,而当数字经济环境dee高于0.171时,数字经济的绿色促进效应才能得以发挥,且数字经济环境越良好,数字经济的绿色促进效应越强。其原因可能在于:数字经济环境的不完善一定程度上制约了数字经济的健康发展,并且数字基础设施相对落后,数字市场尚未成熟,政府制度环境也相对薄弱,发展数字经济可能会带来生产要素向发达地区流动,从而导致“强者愈强,弱者愈弱”,阻碍和抑制绿色全要素生产率的提高;而优良的数字经济环境有益于打好数字产业的坚实根基,营造创新氛围,为企业进行绿色技术创新提供有力的多方位保障,帮助广泛形成区域的绿色生产生活方式,推动GTFP的增长。但是,通过观察发现在样本考察期内多数省、市和自治区的数字经济环境还存在较大提升空间,其主要集中于中、西部地区。因此,未来这些省、市和自治区应该高度重视数字经济环境的充分营造,有力促进数字经济绿色增长效应的发挥,尽可能高效地推动本地区的数字经济增长和其对GTFP的促进效应发挥,加快实现绿色发展。

六、结论与政策建议

处在经济转型换挡期,受全球新冠病毒感染的影响,我国经济发展面临前所未有的困难与挑战。在此严峻复杂的形势下,如何加快实现创新高效、节能环保的经济高质量发展模式是我国目前亟待解决的核心问题。本文在测度2011—2020年中国30个省、市和自治区(不含西藏和港澳台地区)的数字经济发展水平与GTFP的基础上,实证分析了数字经济对GTFP的影响,得到主要结论有:

第一,数字经济的绿色促进效应存在,显著地促进了GTFP的增长,能够成为新时代下提升中国GTFP的新引擎,表明数字经济有利于推动我国绿色发展的进程。分区域检验结果显示,数字经济对GTFP的影响存在明显的区域差异。具体来看,数字经济的发展显著促进了东部地区GTFP的增长,而对中、西部地区的影响不明显。

第二,数字经济对GTFP的影响显著存在基于数字经济发展水平的单门槛效应。当数字经济发展水平低于门槛值0.674时,核心解释变量数字经济发展水平dig的影响系数显著为1.300,而高于门槛值时,影响系数显著为2.306,促进作用较第一门槛区间得到了明显增强,即随着数字经济发展水平的不断提升,数字经济对GTFP表现出显著的正向且边际效率递增的非线性影响。

第三,数字经济环境在数字经济对GTFP的影响中起到了正向调节作用,良好的数字经济环境能够强化数字经济对绿色全要素生产率的促进作用。具体表现为当数字经济环境低于0.171时,数字经济发展反而会抑制绿色全要素生产率的提升,而当数字经济环境高于0.171时,数字经济的绿色促进效应才能得以发挥,且数字经济环境越良好,数字经济的绿色促进效应越强。因此数字经济环境的跨越式改善将有利于充分促进数字经济绿色增长效应的发挥,进一步说明了营造良好数字经济环境的重要性。

本文在研究内容上,不局限于从单独的技术创新、制度环境、研发投入等视角分析数字经济对GTFP影响的调节效应和门槛效应,而是以各地区的数字经济发展水平作为门槛变量进行了门槛效应分析,并且基于测度数字经济环境这一变量,综合考察了数字经济环境等外部条件支持在数字经济发展水平对绿色全要素生产率影响中的调节效应,丰富了数字经济与绿色全要素生产率之间关系的研究。鉴于此,为充分发挥数字经济的绿色促进效应,推动实现中国经济绿色转型发展,结合上述研究结论,本文提出以下政策建议:

第一,在数字经济与绿色低碳经济逐渐成为中国社会经济发展两大主流的背景下,各省份要深入挖掘自身数字经济发展潜力,坚持推动形成数字经济发展新格局。当前,我国数字经济发展虽较为迅速,但仍有较大的上升空间,且区域间发展不均衡明显,这就需要各级政府持续落实数字化基础设施建设,拓宽数字要素应用范围。与此同时,也要注重区域间的数字经济发展水平差异,根据各地区经济发展实际情况分类推进,精准施策,从而充分发挥数字经济的绿色促进效应,助力我国省际GTFP增长。

第二,在发挥数字经济对绿色全要素生产率的增长效应时,尤要重视数字经济发展水平和数字经济环境等外部条件的约束。总体上来看,不断提升数字经济发展水平,营造良好的数字经济发展环境,并促进数字经济发展水平与数字经济环境的良性互动是新时代下促进GTFP增长的重要参考路径。在数字经济发展水平方面,现阶段各省份要因地制宜,不断提升数字化,既要发挥数字经济发展水平的“筛选”作用,也要激励企业进行绿色技术创新,最大限度地发挥数字经济的绿色促进效应,从而推动GTFP的增长;在数字经济发展环境方面,各省份要努力为数字经济绿色促进效应的发挥提供良好的数字环境支持,尤其是中、西部地区,应该全力营造充分高效的数字经济环境,避免进一步加深“数字鸿沟”,从而尽可能快地推动本省份的数字经济增长及其对GTFP的促进效应,加快实现绿色转型发展。