数字经济、绿色技术创新与能源效率提升——基于城市面板数据的实证分析

周彩云 刘丁荣

（天津财经大学经济学院，天津 300222）

引言

改革开放以来，我国经济持续快速增长，取得了举世瞩目的成就，但传统的粗放型经济增长方式也产生了高消耗、高排放和高污染等诸多问题。从国内来看，这加剧了我国经济发展与资源节约、环境保护间的矛盾，不利于经济的可持续发展；从国际来看，在全球性气候变化风险不断加剧的背景下，中国作为负责任大国，这给我国参与全球气候治理带来较大挑战。为此，党的十八大以来，我国把生态文明建设摆在突出位置，深入贯彻绿色发展理念，推动经济发展方式加快转变；积极推动《巴黎协定》 达成、签署、生效和实施，并在第七十五届联合国大会上向世界做出实现“双碳”目标的中国承诺。随着我国碳减排压力和资源环境约束日趋强化，能源作为影响经济发展和环境保护的关键要素，其利用效率的提高既是经济发展方式绿色转型的内在要求，也是节能减排、实现“双碳”目标的关键路径。

与此同时，当今世界进入数字经济时代，数字经济不仅成为支撑世界经济发展的重要动力，也是驱动我国经济发展的新引擎①。作为继农业经济、工业经济之后的主要经济形态，数字经济以数据为要素、以数字技术为驱动的特点使其本身就具有“去物质化”“轻资产”的特性，而且数字技术与实体经济的深度融合可有效提升能源的生产和利用效率②，数字经济已成为能源效率提升的新动能。

那么数字经济发展到底是如何影响能源效率提升的？又存在怎样的特征？为此，本文尝试通过理论分析和实证研究，深入探讨数字经济影响能源效率的内在机制、特征以及传导路径，为政府实施有效调控来实现数字经济发展与能源效率提升的双赢、推动我国经济高质量发展提供决策参考。

1 文献综述

数字经济能否促进能源效率提升与节能减排是近年来学界研究的热点问题。研究表明，数字产业化与产业数字化的发展均可以显著提高能源效率［1－3］，二者综合作用可以改善能源消费结构、提高绿色经济效率［3，4］。但还有部分研究表明，数字产业具有“亲碳”特性［5］，尤其是数字基础设施大规模建设和运营会消耗大量能源［6］，因此有研究指出ICT 对能源消费产生正负两方面影响［7，8］。有研究进一步发现，数字产业化与产业数字化与能源消费强度之间存在显著的倒“U”关系，只有当其超过一定规模时，才能降低能源消费强度［9］。当然也有研究发现数字经济与能源效率之间存在显著的倒“U”关系，这意味着数字经济发展超过一定规模时反而会抑制能源效率提升［10］。

不少学者对影响路径进行了深入分析，研究表明，在数字产业化与产业数字化共同作用下，数字经济可以通过促进技术创新、人力资本积累、提高劳动生产率等来提高能源效率［4，9］。尽管不少研究指出，数字经济可显著提高城市绿色技术创新水平［11］，而绿色技术创新有助于提升能源效率［12］，但目前却鲜有文献将三者置于一个分析框架中。

综上可知，由于不同学者研究视角及样本等的不同，使得在数字经济发展对能源效率提升的影响方面并没有统一的结论；且相关研究多关注数字经济的碳减排效应，仅将能源效率作为路径进行讨论，专注探究数字经济与能源效率间关系的文章较少；此外，现有研究对数字经济发展水平的测度大多限于数字产业化和产业数字化的范畴，未能随着数字经济范围的扩充而拓展。由此本文基于“四化”框架③构建评价指标体系对城市数字经济发展水平进行较为全面的测度，并分别从整体维度和“四化”维度分析数字经济对能源效率的影响，进而更加清晰地探究数字经济影响能源效率的机制；基于数字经济发展实践，探讨其影响能源效率存在的阶段性特征，进一步丰富了相关研究；将数字经济、绿色技术创新、能源效率三者置于一个分析框架，拓宽了数字经济影响能源效率的路径。

2 理论分析与提出假设

2.1 数字经济发展影响能源效率的机制与特征

从已有研究④和发展实践来看，我国数字经济经历了从数字产业先导发展、到产业数字化快速扩张、到数字化治理不断推进、再到数据价值化初步实现的发展过程。总体可分为以下3 个阶段：（1）初始阶段，这是信息技术的早期应用阶段，互联网较快发展，数字经济以数字产业化为主导；（2）成长阶段，该阶段云计算、大数据、物联网等新一代信息技术较快发展，推动数字产业化和产业数字化规模迅速扩张，数字基础设施快速增加；（3）进阶阶段，数字产业化和产业数字化继续发展，而且随着数字技术应用领域的拓宽，数字化治理和数据价值化成为数字经济新的组成部分。可见，数字经济随着时间的推进呈现横向维度拓展与纵向规模扩大两个特征。在上述过程中，数字经济发展对能源效率的提升存在两方面效应：

一是正面效应，表现为各维度从经济社会发展的不同环节和层面推动能源效率提升。（1）数字产业化，它是数字经济发展的先导产业，为产业数字化和数字化治理提供技术、产品、服务和解决方案等。数字产业本身拥有边际收益递增、范围经济等重要经济特性［13］，且以技术创新为核心动力，具有强大的渗透效应与倍增效应，可显著拉动城市经济增长；还可以推动生产要素向高生产率部门流动，带动国民经济重心向技术密集型行业转移［14］，从而提升城市能源效率；（2）产业数字化，表现为数字技术与实体经济的融合，是数字经济发展的主引擎［5］。其中农业数字化是指传统农业利用信息技术对相关信息进行收集整合和分析，以此实现农业精准化生产、可视化管理、智能化决策［15］，从而减少农业生产资源消耗；工业数字化是传统制造业通过信息技术、互联网和智能设备在工业生产全流程的应用，提高生产效率和能源利用效率；服务业数字化则是医疗、教育、餐饮等传统服务业应用数字技术打造“互联网＋”等数字服务新模式，实现服务的便捷、高效和智能化，从而提高服务效率［14］；（3）数字化治理，是“数字技术＋治理”，主要表现为数字政府与智慧城市建设。数字政府可通过数字技术手段有效提高治理水平与效率，如通过能源价格与碳排放交易数据等反馈有效调节能源供应总量，提高城市能源效率［16］；智慧城市建设通过现代化感知、监测、通讯、控制等技术的应用，升级城市的运营组织框架，有效降低城市运行管理以及居民消费的物质资源消耗，提升能源效率［17］；（4）数据价值化，它是指数据作为一种资源，通过开发和利用转变为资产和要素，并在流通中产生价值。与传统生产要素不同，数据要素具有非竞争性，并且可以无限复制、重复使用，这使其在价值创造中具有规模报酬递增特性，进而有效提升城市能源效率。综上可知，数字经济通过不同维度对能源效率的提升产生积极影响，而且这种积极影响将随着数字经济的成长与进阶不断增强：随着横向维度的不断拓展，数字经济内部结构不断优化，可从各维度全面提升能源效率；随着纵向规模的不断扩大，各维度的规模效应和网络效应［18］逐渐显现，对经济增长的拉动作用不断增强，为能源效率提升提供强大动能。

二是负面效应，主要来自于数字经济发展过程中数字基础设施建设和运营造成的能耗增加［5，6，10］。具体来看，在数字经济发展的初始阶段，新型数字基础设施尚未大量集中建设，数字经济发展引发的能耗增加并不明显，此时负面效应较低；随着数字经济进入成长阶段，数字产业化和产业数字化的迅速扩张催生新型数字基础设施的数量与规模快速增长⑤，造成了能源消耗量的急剧增加，对能源效率提升的负面效应快速上升［19］；不过随着数字经济的进一步发展，数字基础设施建设逐渐完备，其带来的能耗增长趋缓，再加上节能技术的创新与应用提高了单位信息流的能效⑥，数字经济对能源效率提升的负面效应也趋缓。可见，在数字经济发展过程中，其对能源效率的正面效应不断提升，但负面效应则呈现出波动上升最终趋缓的特征，两相叠加将导致数字经济对能源效率提升的影响可能呈现中间波动，但总体促进的阶段性特征。

基于上述分析，本文提出以下假设：

H1：数字经济整体及各维度对城市能源效率提升的总体效应为正，且各维度对能源效率提升的作用存在差异。

H2：数字经济对城市能源效率提升的影响呈现中间波动但总体促进的阶段性特征。

2.2 数字经济发展影响能源效率的路径

随着绿色发展理念深入人心，绿色技术创新已成为当前技术创新的关键导向，而数字经济的蓬勃发展为城市绿色技术创新提供了诸多便利。（1）数字经济发展可以增强学习效应，促进人力资本积累；增强人员流动效应，优化劳动力资源配置，促进人力资本结构升级［20］，为绿色技术创新提供创新要素；（2）可以打破信息流动的壁垒，便于创新主体之间进行互动与合作，有助于提高城市创新效率［11］。另外，还可以有效改善市场环境并且降低银企之间的信息不对称，为绿色技术创新活动提供重要资金支撑，推动城市绿色技术创新。

绿色技术创新也可以进一步推动城市经济增长，降低能源消耗量，从而提高城市能源效率。绿色技术创新为城市经济增长提供有效动能；另外，绿色技术创新不仅可以推动企业绿色生产，减少生产过程中的能源消耗［21］；还可以提高绿色产品生产数量及其质量，推动绿色便民服务的普及，甚至创造新的绿色消费需求［22］，为居民绿色消费奠定坚实基础［11］，进而减少城市能源消耗。

基于此，本文提出假设3：

H3：数字经济可通过促进绿色技术创新进而对城市能源效率的提升发挥积极作用。

3 研究设计

3.1 模型设计

基于上述理论分析，构建如下基准回归模型考察数字经济对能源效率提升的总体影响：

其中，i表示城市，t表示年份，EE表示能源效率，Dig表示数字经济发展水平，ui为城市固定效应，σt为时间固定效应，εit为随机误差项。

同时，引入Hansen 面板门槛模型［23］探究数字经济影响能源效率提升的阶段性特征：

其中，Tit为门槛变量，τ为门槛值，I（·）为示性函数，满足括号内条件时则I＝1，否则I＝0。

构建如下模型探究数字经济发展影响能源效率的路径［24］：

其中，Gti表示绿色技术创新水平，其他变量与式（1）相同。

3.2 变量说明

3.2.1 被解释变量：能源效率（EE）

现有文献研究对能源效率的测度方法尚未统一，借鉴沈冰和李鑫［25］、史丹［26］的研究，本文用实际GDP（以2011年为基期）与传统能源消费总量的比值来衡量各地区能源效率，数值越大，表明能源效率越高⑦。

3.2.2 核心解释变量： 数字经济发展水平（Dig）

借鉴中国信通院的数字经济“四化” 框架，参考魏丽莉和侯宇琦［27］的研究，从数字产业化、产业数字化、数字化治理和数据价值化4 个维度出发，结合数据的可得性，构建如表1所示的数字经济发展评价指标体系。

表1 城市数字经济发展评价指标体系

3.2.3 中介变量： 绿色技术创新（Gti）

本文选用标准化处理后的绿色发明专利与绿色实用新型专利申请量之和作为各城市绿色技术创新的代理变量。

3.2.4 控制变量

为了增强回归结果的可靠性，将可能对能源效率产生影响的其他因素设为控制变量，具体如下： 经济发展水平（lnP＿GDP），用实际人均GDP（以2011年为基期）的对数表示；科技投入（Tec），用科学技术支出在地方财政支出中占比来表示；金融发展（Fin），用年末金融机构人民币各项贷款余额与GDP 之比来衡量；环境规制强度（Env），利用熵权法构建工业废水、二氧化硫、烟（粉）尘3 种主要污染物排放的综合指数来反映政府对环境的管控力度；政府干预（Gov），用地方财政支出占GDP 的比重表示；对外开放水平（lnFDI），用各城市实际使用外资金额（以2011 年为基期）的对数表示。

3.3 样本选择与数据来源

基于数据的可得性和完整性，本文选择2011～2020 年中国284 个地级及以上城市作为研究样本，并采用插值法对少量缺失数据进行处理。 企业微观数据来源于CSMAR 数据库，其余数据来源于《中国城市统计年鉴》、《中国统计年鉴》、各城市统计年鉴、中经网统计数据库。 各变量的描述性统计结果见表2。

表2 主要变量描述统计结果续表

4 实证分析

4.1 数字经济影响能源效率的效应及机制检验

4.1.1 基准回归

经过豪斯曼检验，运用固定效应模型对模型（1）进行回归分析，结果见表3，其中列（1）为数字经济总体对能源效率的影响，列（2）～（5）为各维度对能源效率的影响。结果显示，数字经济对能源效率提升的总体效应为正，且各维度对能源效率的提升发挥了不同程度的促进作用，验证了假设H1。其中，产业数字化对能源效率的总体促进作用最强，产业数字化作为数字经济发展的主阵地，是释放数字经济“绿色红利”的重要抓手；数据价值化的总体促进作用最小，可能原因在于当前我国数据价值化尚处于初期摸索阶段，整体发展水平相对较低。

表3 基准回归结果

续表

4.1.2 稳健性分析

（1）滞后解释变量

为缓解可能存在的内生性问题，本文用滞后1 期的解释变量替换原解释变量来进行稳健性分析。回归结果表明（见表4），在控制内生性后，数字经济及其各维度仍然可以显著推动能源效率提升。同时，数字经济及其各维度对能源效率的影响均存在滞后效应，意味着它们对能源效率的提升具有持续性。其中，数字化治理对能源效率提升的滞后效应超过了当期效应，可能原因在于，数字化治理是通过提高政府治理能力和城市智能化管理运营水平间接推动能源效率提升的，这使其对能源效率提升的作用需要较长时间显现。

表4 稳健性检验：滞后解释变量

（2）替换被解释变量

考虑到电能在能源终端消费中占比较大，本文将被解释变量替换为实际GDP 与电力消费量的比值，回归结果（见表5）验证了研究结论的稳健性，其中数字化治理的估计系数不显著可能是因为其对能源效率提升的影响相对滞后。

表5 稳健性检验：替换被解释变量

（3）剔除直辖市

考虑到直辖市与其他普通地级市间的发展差距，本文运用剔除直辖市后的数据重新进行回归，回归结果（见表6）与基准回归结果基本保持一致，佐证了研究结论的可靠性。

表6 稳健性检验：剔除直辖市

4.1.3 区域异质性分析

依据国家统计局划分标准将研究样本划分为东、中、西、东北四大区域，进一步探究数字经济对能源效率影响的区域差异。结果表明（见表7），各区域数字经济发展对能源效率提升的作用大小不同，组间系数差异检验结果验证了这一点。

表7 区域异质性分析结果

其中西部地区数字经济对能源效率的促进作用最强，该地区数字经济发展水平较高，仅次于东部地区，但其能源效率水平却偏低，节能潜力大［28］，这使得数字经济发展对其能源效率的提升作用最明显。其次是东部地区，东部数字经济发展水平最高，且市场规模较大，应用场景丰富，有利于发挥数字经济的规模效应，从而有效促进当地能源效率提升。最后是东北与中部地区，这两个地区的产业结构偏重、能耗偏高，通过数字技术推动产业结构转型升级是其提高能源效率的关键途径，然而经济发展中的路径依赖使得这将是一个较长期的过程，再加上两地数字经济发展水平相对较低，这些都使得现阶段数字经济对当地能源效率提升的促进作用不强。

4.2 数字经济影响能源效率的特征检验

基于模型（2），将数字经济同时作为核心解释变量与门槛变量来检验其对能源效率影响可能存在的阶段性特征。

回归结果显示（见表8 与表9 列（1）），数字经济对能源效率的影响存在双重门槛，门槛值分别为0.0059、0.1164，当数字经济发展低于第一门槛时（Dig＜0.0059），其对能源效率有明显的促进作用；而当它跨越第一门槛低于第二门槛时（0.0059≤Dig＜0.1164），对能源效率有显著的负向影响；但当它跨越第二个门槛后（Dig≥0.1164），则再次对能源效率表现出显著的促进作用。可见，数字经济对能源效率的提升表现出中间波动但总体促进的“N”型特征，证明了假设2。

表8 门槛检验结果

表9 门槛回归结果

为了进一步验证，本文探究了数字产业化与产业数字化对能源效率影响的阶段性特征⑰。结果显示（见表8 以及表9 列（2）、（3）），数字产业化对能源效率提升的影响呈明显“N”型特征，产业数字化对能源效率提升则呈一直促进但边际效应递减的特征，二者在时间维度上的叠加，为数字经济影响能源效率提升的“N”型特征提供了有力支撑。

根据门槛检验结果对各城市进行阶段划分（见表10），结果显示所有城市的数字经济发展水平均超过第一门槛值，然而突破第二门槛来到进阶阶段的城市仅有43 个，其余城市均处于成长阶段，这意味着我国大多数城市的数字经济发展水平亟需进一步提高，数字经济对能源效率提升的积极效应有待进一步释放。

表10 城市划分结果Ⅰ

4.3 数字经济影响能源效率的路径检验

基于模型（3）进一步考察数字经济影响能源效率的路径。结果显示（见表11 列（1）），数字经济对绿色技术创新具有显著的促进作用，结合前文的理论分析可知，数字经济可通过推动绿色技术创新来提升能源效率，验证了假设3。分组回归结果（见表11 列（2）、（3））显示⑱，在绿色技术创新水平较高的样本组，数字经济对能源效率的影响显著为正，而当绿色技术创新水平较低时，影响系数虽为正但不显著，表明城市绿色技术创新水平的提高有助于发挥数字经济对能源效率提升的积极作用。

表11 路径检验结果

为了考察绿色技术创新是否在数字经济影响能源效率的门槛中发挥作用，本文运用面板门槛模型，将数字经济作为核心解释变量，绿色技术创新作为门槛变量进行回归分析，结果表明当绿色技术创新水平较低时（Gti＜0.0232），数字经济对能源效率提升的负面效应占主导地位；当绿色技术创新水平较高时（Gti≥0.0232），数字经济发展可显著促进能源效率提升。

根据绿色技术创新水平对各城市进行阶段划分（见表12），对比两次的城市划分结果发现（表10与表12），目前有53 个城市跨越绿色技术创新门槛进入绿色技术创新第二阶段，而跨越数字经济第二门槛处于数字经济进阶阶段的城市仅有43个，且二者高度重合，进入数字经济进阶阶段的城市样本中超过80%都具有较高的绿色技术创新水平，这意味着具有较高绿色技术创新水平的城市更容易跨越数字经济的第二个门槛，可见绿色技术创新是各城市尽早实现数字经济与能源效率提升共赢的重要路径。

表12 城市划分结果Ⅱ

5 结论与政策建议

本文在对数字经济影响能源效率的机制、特征和路径进行理论分析的基础上，以2011～2020年中国284 个地级及以上城市为研究样本，通过多种计量模型对理论假设进行了检验，得出以下主要结论：（1）数字经济及其各维度对能源效率提升的总体效应为正，且各维度对能源效率提升有不同程度的促进作用；异质性分析表明，数字经济对能源效率提升的影响具有区域差异；（2）在数字经济促进能源效率提升的过程中存在双门槛，呈现出中间波动但总体促进的“N”型特征；（3）数字经济可通过促进绿色技术创新进而提升能源效率，且绿色技术创新的提高可促进数字经济第二门槛的提前跨越。

基于研究结论，本文提出以下建议：（1）推动数字经济各维度的全面布局与发展。培育壮大数字产业，加快建设与发展农业物联网、工业互联网以及线上服务新业态，强化数字技术在治理中的应用，优化数据资源供给，探索构建数据要素市场；（2）促进数字经济区域协调发展。东部地区应发挥辐射带动作用，引导数字技术向全国扩散；西部地区应保持数字产业发展良好态势，进一步推动其余维度发展；中部与东北地区应加强数字基础设施建设，提高数字技术渗透性，助力传统优势领域的数字化转型；（3）把握数字经济影响能源效率的阶段性特征，大力推动绿色技术创新发展，实现数字化与绿色化协同发展。

注释：

①《中国数字经济发展研究报告（2023年）》 中指出，2022年，我国数字经济规模达到50.2 万亿元，占GDP 比重达到41.5%。

②国际能源署（IEA）预测，采用数字化技术，可使2016 ～2040年年发电成本降低800 亿美元，相当于全球发电总成本的5%。

③中国信通院在其发布的《中国数字经济发展报告（2020）》 中提出的数字经济“四化框架”：数字产业化、产业数字化、数字化治理、数据价值化较全面地概括了数字经济的内涵，已被较多学者、新闻媒体和政府文件广泛接受和引用。

④《2015 中国信息经济研究报告》、《2016 中国信息经济发展白皮书》、2017～2021年《中国数字经济发展白皮书》。

⑤据信通院数据，我国数据中心以年均30%的速度增长，截止到2021年底，我国数据中心机架总规模已达到520 万架。

⑥近年来，通信行业单位信息流量电能耗已从2017年的54.4kWh／TB 下降到2020年的31.7kWh／TB，3年间下降幅度高达42%。其中，基站能效随着5G 网络规模化部署及相关节能技术的应用大幅提升。

⑦借鉴吴健生等（2014）［29］的做法，基于DMSP／OLS 夜间灯光数据模拟得到中国各地级市能源消费总量。

⑧本文按照各上市公司所在地级市将企业数据与城市进行匹配，进而将企业数据匹配汇总至城市层面，其后各指标涉及到用企业数据来衡量的均做同样处理。

⑨基地公示名单均来源于中华人民共和国农业农村部官方网站。

⑩试点示范项目公示名单均来源于中华人民共和国工业和信息化部官方网站。

⑪数字普惠金融指数来源于北大数字金融中心编制的《北京大学数字普惠金融指数（2011～2020年）》。

⑫数字化相应关键词词频数据来源于CSMAR 数据库。

⑬中国政府网站发展指数来源于中国软件评测中心编制的《中国政府网站绩效评估总报告（2011～2020年）》。

⑭智慧城市试点名单均来源于中华人民共和国住房和城乡建设部官方网站。

⑮国内已有数据交易机构的名单来源于中国信息通信研究院发布的《大数据白皮书（2020）》。

⑯根据复旦大学于2021年发布的《中国地方政府数据开放报告：指标体系与城市标杆》 进行统计。

⑰这里没有验证数字化治理和数据价值化影响能源效率的特征，是因为二者不是数字经济主体；同时考虑到数据化治理的影响相对滞后，而数据价值化发展水平较低，其影响特征难以体现。

⑱按照绿色技术创新水平将研究样本划分为高、中、低3 组，通过对比较高与较低两组样本的回归结果来进行检验。