数字贸易对绿色全要素生产率的影响研究

摘 要：当前，以数据为主要生产因素的数字贸易在大数据、人工智能、云计算等新一代数字技术的推动下发展迅速。数字贸易的发展既给我国的经济发展提供了新的机会也注入了新的动力。在资源短缺、环境污染严重的当下，可持续发展已成为世界各国政府最重视的经济发展目标之一。数字贸易是否能够促进绿色全要素生产率的发展已经是一个全球性问题。基于2008—2020年中国30个省份的面板数据，文章从理论和实证两个角度研究了数字贸易对绿色全要素生产率总量影响的机制。研究表明，数字贸易对绿色全要素生产率的总体增长产生了重大影响，而且这种影响具有时间和地区异质性。

关键词：数字贸易；绿色全要素生产率；SBM-DDF模型；熵权法；异质性

中图分类号：F742 文献标识码：A 文章编号：2096-0298（2024）07（b）--04

在当前中国坚定不移确保经济高质量发展的背景下，数据已成为新的生产要素，数字化转型浪潮正在兴起。近期发布的《中国数字经济发展报告（2022 年）》显示，中国数字经济规模增长16.2%，占国内生产总值的比重达到39.8%。中国数字贸易保持良好发展态势，以数据为驱动的数字贸易逐渐成为中国经济发展的重要力量。同时，党的二十大报告强调，实现人与自然和谐共生，必须改变传统粗放发展方式，走“绿色发展”道路，促进社会持续健康发展。绿色全要素生产率是经济效益和环境效益的综合指标，也是衡量绿色经济发展成效的尺度[1]。因此，在“绿水青山”与“金山银山”之间找到一条“双赢”之路，提高绿色全要素生产率具有重要意义。

数字技术与绿色增长的紧密结合，已成为中国实现高质量增长的不竭源泉。目前，数字贸易与绿色全要素生产率增长的研究较少，一些学者将数字经济作为突破口进行研究。数字经济的快速发展对绿色全要素生产率的整体增长产生了一定的影响。以往研究表明，数字经济通过在生产过程中引入数字要素，改变了初级生产要素的性质和份额，进而在一定程度上影响了传统要素市场，导致市场竞争加剧、产业结构优化、资源失衡和市场扭曲现象减少，从而提高了绿色全要素生产率[2-6]。数字经济通过加强人力资本和金融发展，提高了企业运营效率和创新能力[7-8]。互联网通过技术、平台、理念的赋能，以更高效的技术发展促进绿色全要素生产率的提高。然而，这种效应有一个临界值，且是非线性的[9]。综上，已有研究对于数字贸易如何影响绿色全要素生产率尚未深入研究。因此，本文将数字贸易与绿色全要素生产率纳入一个框架探究两者的关系，分析其影响效应。

1 理论机制与研究假设

绿色全要素生产率是一项考虑了环境保护的重要经济发展指数。在环境保护方面，数字贸易以技术洁净、环境友好的特点，推动各个行业向低能耗方向发展，实现污染物减排。在经济产出效率方面，借助数字技术的强大支持，可以降低行业的运行成本，提升生产效率，推动行业增值。在数字产业化方面，数字技术和数字产品的出现可以降低区域内的资源浪费，达到节能减排的效果，无纸办公方式和便捷社交软件可以减少很多没有意义的工作，提高工作效率。在产业数字化方面，数字化转型可以更精确地厘清供应链上下游的真实需求和实际供应情况，避免经济风险和能量浪费。提高绿色全要素生产率可分为两个方向：开发新技术及其应用，即技术进步[10]以及提高现有技术的效率[11]。

在此基础上，本文提出假设：数字贸易的发展可以提高绿色全要素生产率。

2 研究设计

2.1 模型构建

根据上述对两个因素之间关系的分析，本文建立了以下基准模型

GTFPit=β0+β1DTit+β2Zit+μi+θt+εit（1）

式中，GTFP为绿色全要素生产率；DT为数字贸易发展水平；Z为控制变量；μ为省份虚拟变量，θ为年份虚拟变量，ε为随机误差项，i为省份，t为年份。

2.2 变量设置

2.2.1 被解释变量

被解释变量为绿色全要素生产率（GTFP）。为了降低估计误差，借鉴卢福财等（2021）[12]的研究思想，将投入、期望产出和非期望产出相结合，建立了SBM-DDF模型对绿色全要素生产率进行测度。

2.2.2 核心解释变量

核心解释变量为数字贸易发展水平（DT）。本文在中国信息通信研究院对数字贸易定义的基础上，从贸易潜力、信息网络基础、物流环境、创新要素基础、数字化市场和网络安全防护水平六个方面，共选取了19个提炼出对数字贸易发展影响的指标，并采用较为客观科学的熵权法进行衡量[13]。

2.3.3 控制变量

为了减少模型估计的偏差，本文借鉴现有学者的做法，并考虑了数据的可得性，选取了一些控制变量，其中包括城镇化水平、政府干预、交通设施水平、外商直接投资和物质资本积累水平。

2.3 数据来源

本文以中国30个省市（西藏资料匮乏）为研究对象，以2008—2020年的面板数据为研究对象，以数据的完备与有效为目标，主要从《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》《中国信息统计年鉴》《中国城市统计年鉴》等获取了大量的数据资料，并对缺失的数据进行插值处理。

2.4 描述性统计

各变量的描述统计数据见表1。绿色全要素生产率（GTFP）平均值为1.693，显示了总体GTFP在不断提高。数字贸易发展水平（DT）平均值为0.0749，表明了我国数字贸易的总体发展程度还需要进一步提升。实证结果显示，GTFP与DT之间的相关系数达到0.331，且存在显著的正向相关性，初步显示推动数字贸易发展能够促进GTFP增长，但尚需进一步实证验证。

3 实证检验

3.1 基准回归结果

表2为全样本回归结果。在表2第（1）列中，本文的核心解释变量——数字贸易水平的回归系数为6.556，在1%的显著性水平上显著，这意味着数字贸易水平每提高一个单位，绿色全要素生产率（GTFP）水平将提高6.556。在剔除其他控制变量后，数字贸易发展水平与绿色全要素生产率水平之间呈现正相关关系。

本文将城市化水平（UL）、政府干预（GI）、交通基础设施（TFL）、物质资本积累（MCA）和外商直接投资（FDI）等控制变量分别在表2第（2）列至第（6）列依次加入进行回归，数字贸易水平的回归系数仍然达到1%的显著性水平，这说明在加入控制变量后，数字贸易水平对提高绿色全要素生产率的作用没有改变。在回归模型中加入这些控制变量，有效缓解了遗漏变量的问题，使估计结果更加有效。

上述模型的回归分析表明，数字贸易的发展可以提高绿色全要素生产率。假设成立。

3.2 稳健性检验

3.2.1 替换解释变量

通常，由于测算方法的差异，最后得出的结论也会大相径庭，为此，本文利用主成分分析方法，再次测算中国30个省市的数字贸易发展水平，对其对被解释变量的作用效果进行比较。研究结果表明，本研究的假设依旧成立，并且研究结果具有稳健性。具体结果见表3第（1）列和第（2）列。

3.2.2 剔除特殊样本

与全国其他地级城市相比，直辖市在城市规模、人力资源存量、数字基础设施等方面的外部环境条件更为显著，而这些外部环境因素同样也对绿色全要素生产率产生了不容忽视的影响。在此基础上，本文从研究样本中剔除了这些直辖市，并根据之前模型对其进行了回归，以避免样本中的异常值对模型产生影响。具体结果见表3第（3）列和第（4）列。

3.2.3 内生性处理

在彭迪云（2022）[14]研究的基础上，本文应用2SLS方法，将滞后一期数字贸易发展水平作为工具变量，并使用2SLS模型对其进行回归。具体结果见表3第（5）列和第（6）列。

3.3 异质性分析

3.3.1 时间异质性分析

2017年3月，数字贸易首次被写入中国政府工作报告，表明发展数字贸易已上升为国家战略。 因此，本文以2017年为时间点，将研究任务分时段进行，探讨数字贸易对绿色全要素生产率的作用。具体结果如表4所示。分析表明，数字贸易的系数在2017—2020年高于2008—2016年，且无论是否加入控制变量，数字贸易的系数都是显著的。这表明，数字贸易的发展战略地位越高，越会积极影响绿色全要素生产率。

3.3.2 区域异质性分析

我国疆域辽阔，各区域发展不平衡，这些地区差异必然会对数字贸易的 “绿色效应”产生不同影响。在此基础上，本文将研究对象划分为东、中、西部三个区域，考察其区域异质性。结果见表4。结果显示，无论是否考虑控制变量，数字贸易对西部城市的影响最大，其次是中部城市，最后是东部城市，且系数均显著。这表明，西部地区的数字贸易对绿色全要素生产率增长的贡献最大。这可能与发展时期的区域结构相对应，东部地区比中西部地区更发达，拥有更多的数字资产，导致数字贸易的边际贡献较低。与此同时，继续推行区域协调发展战略，在贵州、江西等地区，已逐渐建成国家级大数据平台，可以帮助西部地区进行信息化规划与区域开发，并形成规模化，促进绿色全要素生产率的提升[15]。

4 结论及政策建议

4.1 结论

新时期，在环境与经济的双重压力下，我国开展数字贸易对绿色全要素生产率影响的研究具有重要意义。研究表明，数字贸易对绿色全要素生产率具有显著的正向影响，数字贸易改进了技术并提高了技术效率，从而提高了绿色全要素生产率。研究结果具有异质性：从时间异质性来看，随着数字贸易发展战略地位的提升，影响效果会增加；从区域异质性来看，西部城市的影响效果更好。

4.2 政策建议

4.2.1 强化数字贸易架构，推动区域协作发展

数字贸易的发展离不开以数字技术为核心的新型基础信息设施，而东部地区有着蓬勃的市场与工业基础，应该强化“数字城市”信息体系的建设，提升区域网络的速率与水平，增加对大数据分析技术的投资，走出一条新的经济高质量发展之路。相对于东部，我国中西部对数字贸易发展的拉动作用更强。加快中西部地区5G基站、数字交换平台及数据存储设备等的建设，整合已有资源，将显著缩短东、中、西部地区在数字贸易发展上的差距。

4.2.2 打造数字贸易综合试验区，推动“数字中国”建设

为了探讨数字贸易的发展方式，我们可以通过设立一个以经济发展带动贸易发展的数字贸易综合试验区，从试点开始，逐渐扩展到全国。按照我国目前的数字贸易发展状况，试验区将按照东、中、西部三个区域划分为高、中、低三个等级。数字贸易高梯度地区是一个高度市场化、经济基础、产业结构与数字贸易相融合的地区，是数字贸易发展的先导。数字贸易中梯度区域的产业结构、人力资源都比较薄弱，还需要对产业数字化和数字产业化的道路进行更深层次的探索，从而在数字贸易试点中建立一个中等的区域，试验区的经验进行积极的学习与借鉴。数字贸易低梯度区域经济结构简单，不能自发地发展出一个数字贸易行业来。依靠着自身的地理位置和资源禀赋，与产业结构相结合构建数字贸易基础，逐渐获得竞争优势。

参考文献

林伯强， 谭睿鹏. 中国经济集聚与绿色经济效率[J].经济研究， 2019（2）：119-132.

BASU S，Fernald J.Information and communications technol-ogy as a general purpose tec-hnology： Evidence from U.S.industry data[J].Economic Review，2008，8（2）：146-173.

韩长根，张力.互联网是否改善了中国的资源错配： 基于动态空间杜宾模型与门槛模型的检验[J].经济问题探索，2019（12）：43-55.

余文涛，吴士炜.互联网平台经济与正在缓解的市场扭曲[J].财贸经济，2020，41（5）：146-160.

杨慧梅，江璐.数字经济、空间效应与全要素生产率[J].统计研究，2021，38（4）：3-15.

田皓森，潘明清.数字金融发展与城市经济绩效研究： 空间效应与门槛特征[J].经济问题，2021（12）：22-28.

韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济，2019（7）：119-136.

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.

郭家堂，骆品亮.互联网对中国全要素生产率有促进作用吗？[J].管理世界，2016（10）：34-49.

AGHION P，HOWITT P.A model of growth through creative destruction[J].Econometrica，1992，60（2）：323-351.

PRESCOTT E C，PARENTE S L.Monopoly rights： A barrier to riches[J].American Economic Review，1999，89.

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（1）：39-50，254-255.

赵会杰， 于法稳. 基于熵值法的粮食主产区农业绿色发展水平评价[J].改革， 2019 （11）： 136-146.

彭迪云， 伍贻忠， 李伊力. 贸易开放、人力资本结构高级化与科技创新能力： 基于省级面板数据的实证分析[J].南昌大学学报（理科版）， 2022（4）：405-415.

杨翔， 李小平， 周大川.中国制造业碳生产率的差异与收敛性研究[J]. 数量经济技术经济研究， 2015（12）：3-20.