数字经济对江西省绿色全要素生产率的影响研究

摘 要：数字经济赋能绿色发展是中国经济转型的重要目标，探索数字经济对城市绿色生产要素（GTFP）的影响对建成智慧城市和绿色城市具有重要意义。基于江西省11个地级市2013—2022年的面板数据，采用熵权法和SBM-GML模型计算其数字经济发展水平和GTFP，实证探讨数字经济对江西省GTFP的影响机制以及城市绿色创新能力的中介效应，研究结果表明：数字经济的发展可以显著地促进江西省各个城市GTFP的提升，还可以提高江西省各个城市的绿色创新能力进而推动GTFP的提升。因此，应当培育江西省数字经济发展新引擎，推动城市数字化水平和绿色创新能力的提高，助力江西省GTFP的提升。

关键词：数字经济；绿色全要素生产率；城市绿色创新能力；SBM-GML模型；江西省

中图分类号：F49；X321 文献标志码：A 文章编号：1005-7544（2024）06-0072-13

一、引言

为实现“双碳”目标，江西省人民政府印发《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的实施意见》，阐述了江西省绿色发展之路，也明确指出未来必须走高质量跨越式发展道路。绿色经济增长模式必定要兼顾生态保护和经济增长，而绿色发展的关键就在于绿色全要素生产率（Green Total Factor Productivity，GTFP）的提升。绿色全要素生产率的衡量标准既包括增长效率又考虑生态资源等环Zk9F2RD7FA3gcK0U0izlDw==境因素，充分体现了绿色增长的蕴意，由此成为考察区域绿色经济增长的关键指标。在经济转型的关键阶段，探索绿色低碳发展之路对未来城市发展至关重要，如何提升城市绿色经济效率并加快城市绿色转型从而实现高质量发展的问题亟待解决。

与此同时，数字经济的蓬勃兴起为中国经济社会高质量、可持续发展提供了新的契机，也为绿色发展提供了重要路径。数字经济以数据和信息技术作为核心生产要素［1］，具有的规模性不仅打破了有限传统生产要素供给的局限，还为从根本上改变资源配置的激励安排提供了有力支撑。自发展数字经济上升为国家战略以来，各地政府在新的时代背景下积极实施相应的数字Zk9F2RD7FA3gcK0U0izlDw==经济规划。江西省聚焦数字经济“一号发展工程”，推动数字经济高质量跨越式发展。根据江西省大数据中心发布的《江西省数字经济发展白皮书（2022）》，2021年江西省数字经济发展成效显著，数字经济增加值达10378亿元，迈入万亿大关，数字经济规模占GDP比重高达35%。在数字创新技术加快发展、数字产业化和产业数字化快速推进的同时，江西省将迎来重要的战略机遇期。然而我国正值数字经济发展初期，在提高区域经济创新能力方面成效显著，但在“减污降碳”等影响绿色发展进程的核心问题上依旧任重道远。

在上述背景下，如何发挥数字经济的创新驱动作用、培育数字经济绿色新引擎将是江西省未来发展的重要方向。本文在已有研究的基础上，聚焦数字经济和绿色全要素生产率两大主题，结合江西省数字经济与绿色发展的实际情况，实证分析数字经济对江西省绿色要素生产率的影响机制。

二、文献回顾与研究假设

（一）文献回顾

近年来关于数字经济和绿色全要素生产率的研究热度持续高涨，与本文相关的研究主要包含以下三个方面：数字经济的内涵界定、统计测度，绿色全要素生产率的测度及数字经济对绿色全要素生产率的影响。

第一，在数字经济数年来的蓬勃发展中，其概念愈发包容和多维。Tapscott（1996）首次提出“数字经济”是指以科学通信技术为基础并运用于各个领域产生社会经济收益的一系列活动。学者们在不断探讨后达成如下共识：数字经济是以数字化技术为主要投入生产要素、以信息化赋能基础设施为重要载体、以信息通信技术作为优化经济结构与提升效率推动力的一系列经济活动。［2］由于数字经济是一个多维度的综合概念，其水平测度方法多用构建指标体系的方法，包括采用熵值法、主成分分析法来构建指标体系评价测度和选取相关指标对某地区数字经济发展水平进行直接测度，通常选取数字基础设施、数字产业发展、数字经济环境、数字产业化、数据价值化、产业数字化和数字化治理等指标构建测度体系。［3-6］

第二，根据国家统计局对全要素生产率的定义，全要素生产率指产出与综合要素投入之比，综合要素指资本、劳动、能源及其他要素等两种及以上要素的组合。全要素生产率反映了资源配置状况、生产技术水平、生产要素的转变、生产效率以及经济制度与各种社会因素对生产活动的影响程度。随着我国经济转向高质量发展，传统的全要素生产率测算已不能很好反映绿色发展下我国经济发展趋势，因此，学者们引入绿色全要素生产率来测度我国经济绿色发展状况。章志华等认为提升绿色全要素生产率是推动我国经济发展绿色低碳转型的内生动力。［7］国内外学者对GTFP的测度方法主要包括参数法（SFA）和非参数法（DEA）。参数方法（SFA）包括生产函数法和随机前沿生产模型，早前我国有学者通过SFA来测算我国相关领域全要素生产率，如李胜文等运用三投入的随机前沿生产函数测算了中国工业全要素生产率的波动。［8］非参数模型中的数据包络分析法（DEA）相较于随机前沿模型而言，不要求具体的函数模型和特定的参数分布假设，而是利用线性规划的数学原理来测算效率值，可以计算含有多个投入和产出的生产效率值。数据包络法通常与Malmquist-Luenberger（ML）指数结合使用，然而DEA计算过程中各决策单元在求权重时是从对自己最有利的角度出发。因此，Tone在分析总结前人的理论下，引入了SBM模型来优化效率测算，模型中包含非径向非角度变量，改进了原有模型的变量松弛问题，使得包含非期望产出的测算的效率值更加准确。［9］OH提出了GML模型，使得测算的效率具有可以分期比较的优点。［10］肖远飞等结合SBM方向距离函数和GML指数计算全局参比的GTFP。［11］

第三，关于数字经济对绿色全要素生产率的影响研究。学者们基于对不同经济形态的大量研究，认为数字经济在环境保护、资源配置以及生产率方面的改善作用不断凸显，对绿色全要素生产率具有显著的促进作用。朱喜安等以创新效率与要素错配为切入点，通过内在机制检验发现数字经济对GTFP的正向影响不仅存在直接效应和间接效应，还存在空间溢出效应。［12］郭秋秋等以地级市为研究对象，实证发现数字经济对城市GTFP有积极作用，且在南方城市和非资源型城市的影响效应更为明显。［13］周晓辉等从要素配置扭曲视角探究了数字经济对GTFP的影响。［14］单金玉研究发现数字经济可以通过优化产业结构来促进GTFP提升。［15］张凌洁等研究发现数字经济可有效通过产业结构升级促进GTFP提升。［16］

根据已有文献，数字经济对绿色全要素生产率的影响研究虽然是当前的热点，但仍有一定的拓展空间：第一，现阶段的定量研究大多聚焦省级和行业等层面，城市数字经济背后的绿色经济价值有待挖掘；第二，学者们对于数字经济和绿色全要素生产率的测度没有统一标准。基于此，本文采用2013—2022年江西省地级市面板数据，探索数字经济对城市绿色全要素生产率的影响，并将城市绿色创新能力作为中介变量研究其具体影响机制。

（二）研究假设

学者们把数字经济对GTFP的影响分为直接效应及间接效应。在直接效应方面，当数字经济融入实体经济时，能充分激发各类产业的市场活力，进而提升GTFP。宏观层面，数字经济具有规模性，存在可复制、自我创新的特征，提高了信息交互的效率，通过提升资源配置效率、新要素投入和全要素生产率极大地推动GDP增长。知识扩散与技术溢出在间接推动区域经济增长的同时，还可以提升本区域与邻近区域的资源配置效率与全要素生产率。微观层面，数字浪潮下，新兴技术的应用极大改善了供需关系，不仅可以将企业业务流程化以降低企业的相关成本，还能推动企业智能化转型，通过技术积累和规模经济等渠道提升全要素生产率。赵巍利用我国279个城市数据，从作用机制及门槛效应两个方面对数字经济对GTFP的影响进行系统研究，认为数字经济能够促进GTFP的提升。［17］魏丽莉等研究发现数字经济对城市绿色发展效率的影响呈上升态势。［18］基于此，本文提出如下研究假设：

H1：数字经济有利于直接推动绿色发展，即数字经济能够显著促进江西省各城市GTFP提升。

在间接效应方面，数字经济的发展提高了信息交互的效率，通过搭建数字经济平台，优化供应网络与销售渠道，整合碎片化供需信息，减少信息不对称，需求和供给被充分调动，提高了社会的资源配置效率，为实现城市绿色发展提供基础保障。［19］科技创新是推动GTFP提升的关键因素［20］，为城市进一步进行绿色创新提供了技术基础。数字经济提高了科技创新水平，而技术进步是地区经济绿色转型升级的关键。［21］一方面，数字经济通过颠覆性创新、资源配置优化，使得创新网络中知识溢出和交互更具高效性，减少了生产成本，使得企业的创新能力提升，进而改善生态环境。另一方面，随着市场需求逐渐绿色化，企业主体可以借助数字和信息化技术的高渗透性特征，提升科技创新能力，从而实现产业绿色化转型。在数字经济背景下，提高绿色技术使用效率是促进GTFP提升的重要动力源泉，不仅实现了高效率、低成本和较少资源损耗的绿色技术创新［22］，也为扩大城市绿色技术前沿和生产可能性边界提供了坚实基础。基于此，本文提出如下研究假设：

H2：数字经济通过提高城市绿色创新能力进而推动江西省各城市GTFP的提升。

三、研究设计

（一）模型设定

根据前文所述的理论机制，建立如下基准回归模型来探究数字经济对江西省GTFP的影响：

gtfpi，t=α0+α1digitali，t+βCVi，t+μt+εi，t （1）

其中，i和t分别表示地级市和年份，gtfpi，t表示i地级市在第t年的GTFP，digitali，t表示i地级市在第t年的数字经济指数［23］，CVi，t代表一系列的控制变量，μt表示时间固定效应，α0表示常数项，εi，t表示随机扰动项。

同时根据前面的理论分析，城市绿色创新能力的提高能够影响数字经济对城市GTFP的作用效应。因此，引入绿色创新能力作为中介变量以探究数字经济对江西省GTFP的间接影响效应［24］，构建模型如下：

gti，t=γ0+γ1digitali，t+βCVi，t+μt+εi，t （2）

gtfpi，t=α0+α1digitali，t+α2gti，t+βCVi，t+μt+εi，t （3）

在模型中，gti，t表示i地级市在第t年的绿色创新能力。

（二）变量的选取和测度

1.数据来源和样本收集

根据本文所研究的内容，样本选自江西省11个地级市2013—2022年的原始数据。数据来源于《江西省统计年鉴》《中国城市统计年鉴》、中国区域经济数据库、中国国家知识产权局、江西省商务厅以及江西省统计局。

2.被解释变量的测度

本文采用SBM-GML模型来测度江西省11个地级市2013—2022年的绿色全要素生产率水平，测算体系及指标说明如表1所示。由于测算出的GML指数反映的是第t-1年到第t年的环比绿色全要素发展水平，因此参考蔡玲的做法，将2012年设定为基期，当年的绿色全要素生产率设为1，然后与之后每一年的绿色全要素生产率指数累乘，获得各个地级市每一年的绿色全要素生产率指数。［25］

SBM-GML模型的构建过程如下所示：

假设有m个决策单元DMU，每个决策单元里面包含有n个投入，p个期望产出以及q个非期望产出，将它们分别表示为xn，yp，zq，定义矩阵S=（Sx，Sy，SZ）。其中Sx表示投入要素过剩，Sy表示期望产出不足量，SZ表示过度的非期望产出量，Sx，Sy，SZ分别代表了投入xn，期望产出yp和非期望产出zq的松弛变量［26］，具体模型如下所示：

其中，λ为模型中的权重向量，ρ*为在生产层面的决策单位与技术前沿面最近距离的一个点，在SBM超效率模型的基础上，建立GML模型如下所示：

x，y，z分别表示投入要素向量，期望产出向量以及非期望产出要素向量，ρg是根据全局方向性距离函数所计算出来的江西省各个城市的效率值，而ρt是根据前沿T期方向距离函数算出的江西省各个城市在某个特定时间段的效率值，GML计算出来的是江西省各个地级市的全局生产效率，即所测度的绿色全要素生产率。

3.核心解释变量的测度

本文参考赵涛对中国城市数字经济水平的测算方法，从互联网发展水平和数字金融发展水平两个方面来构建江西省数字经济指数的测算体系［27］，其中互联网发展水平采用宽带网普及率、移动电话普及率、电信业务发展水平和互联网相关行业从业人员情况来衡量，数字金融发展水平采用北京大学数字普惠金融指数来表示［28］，测算体系如表2所示。

通过熵权法对各标准化后的指标进行赋权，然后计算江西省各个地级市2013—2022年数字经济指数，各地级市数字经济发展趋势如图1所示。

4.中介变量

本文选取城市绿色创新能力作为模型的中介变量，参考蔡玲的做法，将江西省各地级市各年的绿色发明专利申请量和绿色实用新型专利申请量加总后加1取对数来表示城市绿色创新能力。［29］

5.控制变量

本文选取对外开放水平（fdi）［30］、经济发展状况（rgdp）［31］和人力资本水平（edu）［32］作为控制变量。选取当年实际使用外资金额除以当年的地区生产总值来表示对外开放水平；选取人均GDP来反映该城市当年的经济发展水平；选取高等学校在校生人数与城市总人口之比来表示人力资本水平。［33］各个控制变量的具体测度如表3所示。

四、实证分析

（一）变量的描述性统计

对模型中的各个变量进行描述性统计，结果如表4所示。

（二）基准回归结果分析

对江西省数字经济对绿色全要素生产率的影响效应进行面板回归分析，基准回归结果如表5所示。列（1）为没有加入控制变量和固定效应时的回归结果，列（2）为加入了固定效应但没有加入控制变量的回归结果，列（3）为同时加入了固定效应和控制变量之后的回归结果。

由表5可以看出，在没有加入固定效应和控制变量前及在加入时间固定效应和控制变量之后，数字经济指数对江西省绿色全要素生产率的回归系数均为正数，且都在1%的水平上显著，该结果验证了假设H1，即数字经济和江西省绿色全要素生产率具有显著的正相关性，数字经济推动了江西省绿色全要素生产率的提升。

观察列（3）的其他控制变量，其中对外开放水平与江西省绿色全要素生产率之间具有显著的负相关关系，即外商直接投资水平抑制了江西省绿色全要素生产率的提升［34］，这可能是因为某些投资商为了降低企业治理生产污染的成本费用和减少生产废弃物对本地区环境的污染，将一些污染密集型企业向江西省迁移，而大量的工业生产加大了能源的消耗和环境的污染，使绿色全要素生产率的提升受到抑制。而经济发展水平和人力资本水平均与江西省绿色全要素生产率呈现显著的正相关关系，即经济发展水平提升促进了江西省绿色全要素生产率的提升。高水平人力资本累积了先进的技术与经验，是促进技术进步和生产效率提升的重要力量，同时高水平人力资本倾向于低碳环保型生活方式，倒逼企业绿色创新。

（三）稳健性检验

1.替换核心解释变量

本文借鉴郭秋秋的方法，使用主成分分析法对江西省绿色全要素生产率进行重新测算，变量名记作digitalz，将主成分测算的核心解释变量值替换原来的核心变量值，按照原来的实证分析方法带入模型。［35］回归分析结果如表6中列（1）所示，可以看到，更换核心变量测算方法之后的数字经济指数的回归系数在1%的水平上依然显著为正，说明数字经济对绿色全要素生产率的提升有显著的推动作用，验证了上述回归结果的稳健性。

2.使用分位数回归

由于面板回归是根据数字经济对江西省各个城市GTFP指数的中心趋势的分析，为了更加精准地描述数字经济对江西省各个城市GTFP的条件概率分布和各个阶段变化趋势的影响，同时也为了捕捉更全面的分布特征，本文采用分位数回归来验证稳健性，回归结果如表6中列（2）（3）（4）所示。可以看到，在这三个分位的回归结果中，核心解释变量数字经济的回归系数均为正，且均在1%的水平下显著，说明江西省数字经济对各个城市的绿色全要素生产率的提升都有着显著的推动作用，再次验证了基准回归结果的稳健性。

（四）内生性问题的处理

本文研究内容为数字经济对绿色全要素生产率的影响，而这两个变量之间很可能存在着双向因果关系。一方面，由于城市绿色全要素生产率具有时间上的延续性，即某一年城市绿色全要素生产率可能会受到上一年绿色全要素生产率的影响，而绿色全要素生产率的提高代表着技术进步，会对下一年的数字经济发展起到正向作用，即存在双向因果关系，其可能会导致内生性问题。另一方面，城市绿色全要素生产率受到多种因素的影响，本文所选取的控制变量很难全面反映所有对绿色全要素生产率产生影响的变量，而遗漏变量也可能会导致内生性问题。

因此，本文采取工具变量法来解决内生性问题，借鉴黄群慧的做法，使用1984年邮局数量乘以上一年各个城市的互联网用户数作为江西省数字经济指数的工具变量。［36］邮局分布越多的地方，其互联网水平和数字经济水平通常比较高，但随着科技的快速发展，互联网和高速的物流业渐渐取代了邮局的功能，且绿色全要素生产率的影响因素较多，邮局的数量基本不会对现在的绿色全要素生产率产生明显的影响，这符合工具变量需要具有的外生性和相关性这两个必要条件。上述数据来自《中国城市统计年鉴》和《江西省统计年鉴》。

采用2SLS两阶段最小二乘法回归来处理模型中的内生性问题。先对工具变量进行不可识别检验和弱工具变量检验，得到的检验结果如表7所示。可以看到，在不可识别检验中，P值为0.000，通过了显著性检验，拒绝原假设，说明工具变量通过了检验。在弱工具变量检验中，F值为85.409，通过了显著性检验，说明该工具变量是有效的。二阶段回归结果如表8所示。一阶段回归结果中，工具变量的回归系数为正且在1%的水平显著，说明工具变量与内生变量之间呈显著的正相关关系，即早期的邮局数量和互联网的发展都推动了数字经济水平的提高。二阶段回归结果在识别了内生性问题后，数字经济指数的回归系数仍然在1%的水平下显著为正，说明数字经济对江西省绿色全要素生产率提升的推动效果仍是显著的，证明了结果的稳健性。

（五）机制检验

为检验数字经济能否通过影响城市绿色创新能力来间接提升城市绿色全要素生产率，将数据带入模型（2）（3）进行回归分析，模型（2）探究的是数字经济对城市绿色创新能力的影响，模型（3）探究的是城市绿色创新能力是否会作为中介变量影响数字经济与绿色全要素生产率间的关系。机制检验回归结果如表9所示，列（1）是模型（2）的回归结果，可以看到数字经济指数的回归系数在1%的水平下显著为正，说明数字经济和城市绿色创新能力之间是显著的正相关关系，即数字经济推动了江西省各个城市绿色创新能力的提高。列（2）是模型（3）的回归结果，可以看到数字经济指数和城市创新能力的回归系数均在1%的水平下显著为正，说明数字经济指数和城市创新能力都会正向影响江西省绿色全要素生产率，且数字经济对绿色全要素生产率的回归系数相较未引入中介变量前变小，验证了假设H2，即数字经济通过提高江西省城市绿色创新能力从而推动江西省各个城市绿色全要素生产率的提升。

五、结论与建议

（一）结论

本文根据江西省2013—2022年11个地级市的城市面板数据测算江西省数字经济发展水平以及绿色全要素生产率的发展水平，通过构建基准计量模型来分析江西省11个地级市数字经济发展水平和绿色全要素生产率之间的内在关系。进一步运用中介模型验证城市绿色创新能力在二者间的中介作用，且通过稳健性检验、内生性检验验证了结果的稳定性和可信度。得到结论如下：

第一，根据测算出的数字经济指数，江西省数字经济水平总体表现出稳定提高的趋势。其中南昌市的数字经济发展最快，其余地级市的数字经济水平也以稳定的速度不断提高。

第二，江西省数字经济的发展可以显著地推动绿色全要素生产率的提升。在面板回归、稳健性检验和内生性检验中，数字经济对江西省绿色全要素生产率的回归系数始终为正，说明数字经济明显促进了江西省绿色全要素生产率的提升。

第三，从影响机制方面来看，引入城市绿色创新能力这个中介变量后发现，江西省数字经济发展水平可以通过提高城市绿色创新能力来推动江西省绿色全要素生产率的提升。

（二）建议

根据上述结论，为了持续推进江西省数字经济水平提高并进一步提升江西省各城市的绿色全要素生产率，实现城市绿色发展和数字化转型，促进经济高质量发展，本文给出以下建议：

1.推动数字经济发展以促进江西省各城市GTFP提升

第一，以江西省数字经济“一号发展工程”为指引，大力发展和建设数字经济的基础设施。推进包括VR（虚拟现实技术）、自动化机械制造、物联网、5G基站建设、电子设备制造、人工智能等一系列领域的关键技术突破。大力培养和招募数字化人才，形成一批高技术、高素质的优秀数字经济建设团队。努力推进数字产业化和产业数字化，大力发展南昌市的VR产业，加快技术产业的项目落实，创新核心技术，巩固和强化南昌市VR技术发展的优势。按照江西省物联网产业发展计划，以打造“物联江西”为指引，大力发展鹰潭市的物联网产业基地，同时在各个地级市推动建设一批物联网产业集群，在交通、产品制造、旅游等方面打造一批物联网应用品牌。第二，推动江西省大数据产业和云计算工程的发展。在区域范围内形成大数据产业集群，在大数据产业集群中大力发展数据收集、检索、挖掘以及数据安全等相关领域关键技术，打造一批云服务APP和便民的线上智能应用平台。

2.提高城市绿色创新能力以提升江西省GTFP

第一，加大绿色技术和产品的研发资金投入和政策支持力度。加大政府财政的支持力度，为企业绿色创新提供基础支撑。落实税收优惠政策，降低企业的创新研发成本，鼓励企业积极创新发展。第二，促进绿色技术交流与学习，构建数字平台，促进企业间、企业和科研机构、企业和高校等的技术交流与合作，推动绿色生产技术的进步。第三，推动创新型人才队伍建设，制定创新型人才培育和引进专项政策，加大对人才引进战略的政策与资金支持，引进数字化、创新型、专业型人才，为城市绿色创新发展赋能。

参考文献：

［1］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）.

［2］史宇鹏.数字经济与制造业融合发展：路径与建议［J］.人民论坛·学术前沿，2021，（6）.

［3］吴翌琳.国家数字竞争力指数构建与国际比较研究［J］.统计研究，2019，（11）.

［4］金灿阳，徐蔼婷，邱可阳.中国省域数字经济发展水平测度及其空间关联研究［J］.统计与信息论坛，2022，（6）.

［5］何地，赵炫焯，齐琦.中国数字经济发展水平测度、时空格局与区域差异研究［J］.工业技术经济，2023，（3）.

［6］张微微，王曼青，王媛，等.区域数字经济发展如何影响全要素生产率？——基于创新效率的中介检验分析［J］.中国软科学，2023，（1）.

［7］章志华，唐礼智，孙林.双向FDI协调发展、市场分割与绿色全要素生产率［J］.商业研究，2023，（5）.

［8］李胜文，李大胜.中国工业全要素生产率的波动：1986～2005——基于细分行业的三投入随机前沿生产函数分析［J］.数量经济技术经济研究，2008，（5）.

［9］Tone K. A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research， 2001，（3）.

［10］Oh D hyun. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis， 2010，（3）.

［11］［28］肖远飞，姜瑶.数字经济对地区绿色全要素生产率的影响［J］.科技和产业，2021，（12）.

［12］［30］朱喜安，马樱格.数字经济对绿色全要素生产率变动的影响研究［J］.经济问题，2022，（11）.

［13］［31］［35］郭秋秋，马晓钰.数字经济对城市绿色全要素生产率的影响研究［J］.现代管理科学，2022，（5）.

［14］周晓辉，刘莹莹，彭留英.数字经济发展与绿色全要素生产率提高［J］.上海经济研究，2021，（12）.

［15］单金玉.数字经济、产业结构优化与绿色全要素生产率［J］.佳木斯大学社会科学学报，2022，（2）.

［16］张凌洁，马立平.数字经济、产业结构升级与全要素生产率［J］.统计与决策，2022，（3）.

［17］［32］［33］赵巍.数字经济与城市绿色全要素生产率：作用机制与门槛效应［J］.中国流通经济，2022，（11）.

［18］丽莉，侯宇琦.数字经济对中国城市绿色发展的影响作用研究［J］.数量经济技术经济研究，2022，（8）.

［19］肖旭，戚聿东.产业数字化转型的价值维度与理论逻辑［J］.改革，2019，（8）.

［20］钱娟，李金叶.中国工业能源节约偏向型技术进步判别及其节能减排效应［J］.经济问题探索，2018，（8）.

［21］方敏，杨胜刚，周建军，等.高质量发展背景下长江经济带产业集聚创新发展路径研究［J］.中国软科学，2019，（5）.

［22］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］.财经论丛，2022，（11）.

［23］郑威，陆远权.财政压力、技术创新与绿色全要素生产率［J］.贵州财经大学学报，2021，（4）.

［24］潘枝青，陈钧浩.参与全球价值链对行业内工资差距的影响及其机制研究［J］.科技与管理，2020，（6）.

［25］［29］蔡玲，汪萍.数字经济与城市绿色全要素生产率：影响机制与经验证据［J］.统计与决策，2022，（9）.

［26］吴旭晓.中国区域绿色创新效率演进轨迹及形成机理研究［J］.科技进步与对策，2019，（23）.

［27］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，（10）.

［34］贤成毅，王恩华.珠江—西江经济带FDI与环境规制对绿色全要素生产率的影响——基于空间溢出效应和门槛效应的实证研究［J］.武汉商学院学报，2021，（6）.

［36］黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验［J］.中国工业经济，2019，（8）.

Research on the Impact of Digital Economy on Green Total Factor Productivity in Jiangxi Province

Zhu Jiawei Pan Silong Jin Xiaobei

Abstract： Empowering green development with the digital economy is an important goal of China's economic transformation， and exploring the impact of the digital economy on urban green production factors （GTFP） is of great significance for building smart and green cities. Based on panel data from 11 prefecture-level cities in Jiangxi Province from 2013 to 2022， the entropy weight method and SBM-GML model are used to calculate their level of digital economy development and GTFP. The impact mechanism of digital economy on GTFP in Jiangxi Province and the mediating effect of urban green innovation capability are empirically explored. The results show that the development of digital economy can significantly promote the improvement of GTFP in various cities in Jiangxi Province， and can also enhance the green innovation capability of various cities in Jiangxi Province， thereby promoting the improvement of GTFP. Therefore， it is necessary to cultivate a new engine for the development of digital economy in Jiangxi Province， promote the improvement of urban digitalization level and green innovation capability， and assist in the enhancement of GTFP in Jiangxi Province.

Key words： Digital economy; Green total factor productivity; Urban green innovation capabilities; SBM-GML model; Jiangxi Province

责任编辑：严玉婷