数字经济与绿色经济效率：作用机制及空间溢出

摘要：随着数字化技术的不断进步及其应用范围的不断延伸，数字经济成为助推绿色经济转型的新引擎，为提升绿色经济效率注入新动能。基于我国30个省份2011—2021年的面板数据，运用熵值法计算数字经济发展水平，借助Super SBM-DEA模型测度绿色经济效率，构建双向固定效应模型、中介效应模型、门槛效应模型，多角度实证分析数字经济对绿色经济效率的影响及作用机制，并进一步构建空间计量模型探讨其空间溢出效应。研究发现：数字经济可显著提升绿色经济效率，且该影响存在区域异质性；加强绿色技术创新是数字经济提升绿色经济效率的重要机制，且随着数字经济的发展和研发强度的提升，数字经济对绿色经济效率的影响存在边际递增效应；数字经济可通过空间溢出效应提升邻近地区的绿色经济效率。基于上述结论，从发挥数字经济引擎作用、培育绿色技术创新能力、加大研发投入以及加强区域联动等方面提出建议，以期实现经济效益和生态效益的双赢，提升绿色经济效率。

关键词：数字经济；绿色经济效率；绿色技术创新；研发强度；空间溢出效应

中图分类号：F124.3;F49

文献标识码：A

文章编号：1673-5595（2024）05-0069-10

一、引言

党的二十大报告指出，加快发展数字经济，推动数字经济与实体经济深度融合，打造具有国际竞争力的数字产业集群。旨在通过实施数字化战略赋能实体产业数字化转型，促进我国经济由要素驱动、投资规模驱动转型为绿色创新驱动，最终实现经济社会的效率变革、动力变革和质量变革。然而，随着城镇化、工业化的加速演进，社会发展过程中仍暴露出资源过度消耗、环境持续恶化和经济增长动力逐步衰竭等问题。为达成生态环境治理与经济增长相协调的目标，着力构筑资源节约且环境友好的现代化绿色经济体系，社会发展要把握数字化规律与发展趋势，推动“数字中国”建设。近年来，新一轮科技革命兴起，以云计算、大数据、人工智能为代表的新兴数字化技术深度融入社会经济的实体领域，打造“互联网+”产业融合新业态，通过降低生产和管理成本及促进区域间生产协作等方式突破传统产业边界，实现生产要素高效配置和绿色创新技术能力的提升。可见，数字经济的发展提升了经济效率，并为保护生态环境开辟了新路径。［1-2］绿色经济效率综合考虑了经济增长、资源利用效率及生态环境状况，是衡量绿色发展的重要指标。［3］那么，数字经济能否发挥“新引擎”作用，助力提升绿色经济效率？其作用机制又是什么？是否存在空间溢出效应？此外，考虑到地区资源禀赋差异，数字经济对绿色经济效率的影响有无异质性？基于上述问题，本文实证分析数字经济对绿色经济效率的影响、作用机制及溢出效应，以期为提升我国绿色经济效率提供对策建议。

二、文献综述

（一）关于数字经济的研究

数字经济作为一种新型经济形态，受到了学者们的广泛关注。现有研究主要从数字经济的社会价值和经济效益两方面展开。首先，数字经济的社会价值体现在创业、就业和公共服务等方面。数字经济通过知识溢出效应、要素高效配置和规模经济效益提升创业活跃度［4］，同时提高了就业人员薪酬［5］，扩大了非农群体、年轻化群体的就业比例［6］。数字经济通过缓解政府财政压力和披露财务信息等方式提高公共服务质量。［7］周小刚等［8］利用GMM模型和空间杜宾模型研究发现，数字经济在其中期发展阶段对公共服务水平的积极影响最显著且存在正向溢出效应。其次，数字经济的经济效益聚焦于管控企业成本和提升企业运营效率。一方面，数据分析技术通过处理海量企业数据，精准预测企业成本；大数据平台通过实时监测成本数据，探究过高成本值的成因［9］；财务机器人RPA可实现成本核算的流程自动化［10］。另一方面，CRM技术可有效预测消费者需求，实施靶向营销；OA技术确保了企业内知识、信息动态同步；而ERP技术使企业在营销过程中获得及时信息反馈，并基于“数据-智慧”模型做出最佳决策［11-12］，有效提升企业运营效率。

（二）关于绿色经济效率的研究

目前，有关绿色经济效率的研究集中于效率测度及影响因素分析。关于绿色经济效率的测度方法，杨龙等［13］使用熵权法计算各地区环境污染指数，并作为产出指标纳入DEA模型，计算我国各地区绿色经济效率；林伯强等［14］综合考虑经济、资源与环境因素，采用非径向方向距离函数测度各城市绿色经济效率；徐晓光等［15］构建绿色经济评价体系，经熵值法测算后，结合地理加权回归模型（GWR）进行研究，发现我国各省份绿色经济发展水平有所提升。关于绿色经济效率的影响因素，杨广晖等［16］构建静态与动态空间杜宾模型，得出能源技术创新对绿色经济效率具有正向溢出影响的结论，且创新要素配置和产业结构升级发挥了正向调节作用；吴旭晓等［17］认为，城镇化、政府管制和产业转移显著影响绿色经济效率；此外，环境规制、人均GDP、高新技术产业集聚和外商直接投资等，都是影响绿色经济效率的重要因素［18-21］。

（三）关于数字经济对绿色经济效率影响的研究

近年来，已有学者将数字经济与绿色经济效率相结合，探究数字经济对绿色经济效率的提升作用。首先，数字经济可通过技术进步、优化资源配置、改善能源结构［22-24］等途径显著控碳、降碳。郭炳南等［25］运用多期DID和PSM-DID方法证实，设立大数据试验区可显著抑制工业二氧化硫及粉尘排放；王力等［26］利用系统GMM回归和门槛效应模型分析发现，数字经济显著降低空气污染水平。其次，改善要素扭曲［27］、释放结构红利［28］是数字化赋能绿色生产的重要机制。周晓辉等［29］认为，数字经济可显著促进资本要素流动并提升绿色全要素生产率；笪远瑶等［28］依据“结构红利”假说，验证了产业结构红利、人力资本结构红利对绿色生产的积极影响。

综上所述，现有文献针对数字经济和绿色经济效率展开的研究为本文提供了一定的借鉴。然而，现有关于数字经济对绿色经济效率的作用机制的研究，多是从要素高效配置和产业结构优化等角度切入，以绿色技术创新为角度进行机制分析的文献较少；同时，部分文献忽略了数字经济的空间溢出效应和异质性影响。基于此，本文的边际贡献主要体现在以下三个方面：（1）从绿色技术创新角度切入，实证分析数字经济对绿色经济效率的作用机制；（2）考虑到地区之间的相关性，基于空间视角分析数字经济对绿色经济效率的空间溢出效应；（3）我国地域辽阔，各区域经济发展和资源禀赋存在差异，进一步分析区域异质性，为推进区域绿色发展提供有益参考。

三、理论分析与研究假设

（一）数字经济对绿色经济效率的影响

数字经济以数据为核心生产要素，以现代信息网络为载体，广泛渗透于生产销售等环节。数字经济凭借其高渗透性及网络正外部性有效提升传统资源要素匹配效率。同时，依托数字技术，数字经济与实体产业融合所产生的生产销售活动更具资源节约和环境友好的特点。对于生产加工环节，数据要素与劳动、资本、资源等传统生产要素的深度融合有利于改善资源错配并提升全要素生产率；同时，数字化生产模式降低企业生产成本、优化生产加工流程、减少污染物产出，有利于实现传统产业数字化、绿色化转型。对于销售环节，企业运用大数据和云计算等数字技术，可以针对市场多样化需求进行差异化生产，这将提高供需匹配效率并降低企业资源损耗和交易成本，保障企业产品更新迭代速度并淘汰落后产能，有效提升绿色经济效率。基于以上分析，提出本文第一个假设。

假设1：数字经济能够显著提升绿色经济效率。

（二）数字经济对绿色经济效率的作用机制

科技创新是实现绿色低碳发展的关键。数字经济将通过产业集群效应、知识溢出效应和政策调控效应促进绿色技术创新，进而提升绿色经济效率。首先，数字产业集群借助线上平台，实现优质人才、技术和资金等创新要素集聚，进一步降低企业绿色创新活动成本，推动绿色创新成果的落地和转化，从而赋能传统行业智能升级，最终提升绿色经济效率。其次，数字经济弱化了时空限制，企业通过线上平台进行知识技术的交流共享，降低了信息获取成本和学习门槛，显著促进知识技术的溢出，有利于企业以较低成本开展绿色技术创新活动，大规模向市场提供绿色产品，最终提升全社会绿色经济效率。最后，数字政府发55aaf1f033cfaa001a248a1b3dec54f73c0a98bd0601da4d3c03b63132fdd646挥调控手段，可通过税收减免、贷款贴息和创新创业基金等方式扶持中小型企业的创新活动；此外，还应着力保护创新成果和知识产权，增强市场主体的创新信心和激发绿色经济的发展潜力。基于以上分析，提出本文第二个假设。

假设2：数字经济可通过促进绿色技术创新水平提升绿色经济效率。

（三）数字经济对绿色经济效率_{ec456d980c7bf0dcd801a5d9663107f110fd8496c5b2130b1e61e21712171542}的非线性影响

随着互联网规模的不断扩大，数字经济将遵循“梅特卡夫法则”，发挥网络效应。数字化企业边际传递成本递减、边际收益递增，并且这种几何式的效益增长将随着数字经济规模的扩大而更加明显，数字经济的乘数效应推动“节能减排、促产增收”。因此，数字经济对绿色经济效率的正向影响具有非线性递增效应。当研发投入强度较高时，科研配套设施及人才质量得到有效保障，增加研发团队储备，实现技术突破，进一步提高技术研发能力，顺应数字经济发展特征和需求，有助于实现绿色可持续发展。因此，随着研发强度的提高，数字经济对绿色经济效率的提升作用逐渐增强。根据以上分析，提出本文第三个假设。

假设3：数字经济对绿色经济效率的促进作用随自身发展水平和研发强度提高而不断增强，表现为非线性递增效应。

（四）数字经济的空间溢出效应

数字经济的空间溢出效应表现为“辐射效应”或“虹吸效应”。一方面，区别于传统生产要素，数据要素流通快、覆盖广且渗透能力强，因此，数字经济将弱化时空限制，促进地区间技术交流和信息共享，加快知识技术溢出，提高区域间协作质量，同时赋能邻地产业数字化、绿色化转型，提升邻地绿色经济效率，表现为“辐射效应”。另一方面，由于我国各地区数字经济起步时间、规模和基础设施水平存在差异，易产生“数字鸿沟”，这将吸引资本、人才与技术向经济中心集聚，抑制了周边地区的绿色高质量发展，表现为“虹吸效应”，这将不利于邻近地区绿色经济效率的提升。结合上述分析，数字经济对绿色经济效率的空间溢出效应有待进一步分析验证。据此，提出本文第四个假设。

假设4：数字经济可通过空间溢出效应影响邻近地区的绿色经济效率。

四、研究设计

（一）模型构建

为验证数字经济对绿色经济效率的影响，构建双向固定效应模型为

Geeit=α0+α1Digit+αcZit+μi+δt+εit（1）

式中：Geeit为地区i在t时期的绿色经济效率，Digit为地区i在t时期的数字经济发展水平，Zit为控制变量，μi、δt分别为地区固定效应和时间固定效应，εit为随机扰动项。

为探究数字经济对绿色经济效率的作用机制，以绿色技术创新为中介变量，构建中介效应模型为

Medit=β0+β1Digit+βcZit+μi+δt+εit（2）

式中：Medit为中介变量绿色技术创新。

为进一步考察门槛变量对数字经济促进绿色经济效率的非线性影响，设定门槛效应模型为

Geeit=γ0+γ1Digit×I（Tit≤θ）+γ2Digit×I（Tit≥θ）+γcZit+μi+δt+εit（3）

式中：Tit为门槛变量数字经济与研发强度，I（·）为取值1或0的指示函数，θ为待估计的门槛值。式（3）为单门槛效应表达式，若存在多门槛效应可将上式类推。

为讨论数字经济对邻近地区绿色经济效率的空间溢出效应，构建空间杜宾模型（SDM）为

Geeit=α0+ρ1

WGeeit+ρ2WDigit+α1Digit+ρcWZit+αcZit+μi+δt+εit（4）

式中：ρ为空间自回归系数，W为空间权重矩阵。本文引入经济距离矩阵、地理距离矩阵和经济地理嵌套矩阵进行回归分析，以提升实证结果的稳健性。

（二）变量说明

1.被解释变量

本文选取绿色经济效率（Gee）作为被解释变量。关于经济效率的测度方法，由于随机前沿分析法和索罗余值法对随机误差项做出强假设，导致对结果的估计有偏；相较而言，基于DEA的SBM模型克服了这一难题，对绿色经济效率的测度更加准确全面。［20］据此，本文选择基于非期望产出的Super SBM模型测算绿色经济效率。其中，投入要素包括资本投入、劳动力投入和能源投入，借鉴单豪杰［30］的研究，使用永续盘存法计算各省资本存量，以各省份年末就业人数衡量劳动力投入，用各省全社会用电总量表示能源投入；期望产出使用以2010年为基期通过平减得到的实际GDP表示，非期望产出以“三废”（工业SO2、废水和烟粉尘排放量）和二氧化碳排放量为衡量指标。

2.核心解释变量

本文选取数字经济（Dig）作为核心解释变量。借鉴赵涛等［4］、杨慧梅等［31］研究，从数字基础设施、数字产业化、产业数字化三方面构建多维度指标体系，运用熵值法测算数字经济发展水平，具体指标体系如表1所示。

3.中介变量

本文选取绿色技术创新（Gti）作为中介变量。基于研发产出角度，现有研究多选用每万人绿色专利授权量（Gti1）表示绿色技术创新［32-33］，且经审查的专利授权量相较于申请量更能衡量地区绿色创新水平。然而，运用单一指标会导致机制检验的结果有偏。基于研发投入角度，本文选用各地区科技研发人员投入（Gti2）衡量绿色技术创新，并取自然对数进行机制检验。

4.控制变量

借鉴已有文献，考虑到部分因素或对绿色经济效率产生影响［34］，故本文选取的控制变量为：城镇化水平（Urb），用城镇人口数占总人口数的比重表示；外商直接投资（Fdi），以外商直接投资总额与地区生产总值的比值衡量；经济发展水平（Pgdp），用各地区人均GDP的自然对数值表示；人口密度（Popu），采用各地区总人口数与地区行政区划面积的比值表示；环境规制强度（Er），用工业污染治理完成投资额与工业增加值的比值取自然对数表示。

（三）数据来源及描述性统计

_{2erOm8mDclO8XVVChh9nNQ==}本文选取2011—2021年中国30个省份（西藏、港澳台除外）作为研究样本，变量数据来源于国家统计局、《中国统计年鉴》、《中国科技统计年鉴》、《中国工业统计年鉴》、《中国能源统计年鉴》、《中国高技术产业统计年鉴》以及各省份统计年鉴，数字普惠金融数据来源于《北京大学数字普惠金融指数（2011—2021）》。针对样本中存在的数据缺失问题，本文采用线性插值法进行补充。

主要变量的描述性统计结果如表2所示。由表2可以看出，大部分变量标准差处于正常范围，表明变量数据选取较为可靠。相较而言，绿色技术创新的标准差较大，表明不同地区和不同时间的绿色专利授权量及科技研发人员投入差距较大。此外，数字经济的标准差较大且均值较小，说明数字经济的异质性较强，整体发展水平有待提高。

五、实证分析

（一）基准回归分析

首先进行F检验和Hausman检验以确定最优回归模型。检验结果表明，F检验在1%的显著性水平下拒绝原假设，表明固定效应模型优于混合模型，而Hausman检验结果拒绝了使用随机效应的假设。因此，本文使用双向固定效应模型进行实证分析，结果如表3所示。列（1）中未加入控制变量，其结果在1%水平下显著为正，初步证明数字经济能够有效提升绿色经济效率。列（2）在列（1）的基础上加入了一系列控制变量，回归系数在1%的水平下显著为正，即数字经济每提升1%，带动提升绿色经济效率034%，进一步证实数字经济显著促进绿色经济效率提升。因此，假设1得证。

从控制变量的回归结果看，城镇化水平对绿色经济效率的影响显著为负，其原因是：高质量发展明确了城镇化建设要与资源环境承载力相适配，城镇化率过高导致城镇环境污染和农村“空心化”现象加剧，最终抑制绿色经济效率提升。外商直接投资对绿色经济效率的影响显著为正，其原因是：在绿色发展领域，FDI通过示范效应产生正向技术溢出，引领本国的绿色经济发展，有效提升绿色经济效率。经济发展水平对绿色经济效率的影响显著为正，说明随着经济发展水平的提升，居民绿色消费理念逐步深入人心，绿色产品需求增加，推动绿色产业发展，最终提升绿色经济效率。人口密度的系数显著为负，可能是由于我国绿色高质量发展正处于新旧动能转换的初始阶段，庞大的人口基数会给资源利用和环境治理带来较大负担，短期内，高人口密度对于绿色发展而言并非“红利”。环境规制强度对绿色经济效率的影响显著为负，其原因是：随着环境规制强度提升，企业管理和决策行为受到约束，企业环保成本和管理费用会相应增加，这将挤占企业的生产性投入，降低了企业全要素生产率，不利于绿色经济效率的提升。

（二）稳健性检验及内生性分析

为保证回归结果的可靠性，本文采取以下三种方法进行稳健性检验。（1）替换解释变量评价方法。为减少因测算方法不同而导致的回归结果误差，本文使用主成分分析法重新测算数字经济发展水平并进行回归分析。（2）替换被解释变量。现有研究常用碳生产率衡量生态环境状况和绿色发展水平［35］，为验证结论的准确性，本文使用碳生产率替代绿色经济效率进行回归分析。（3）调整样本期。2015年，党的十八届五中全会提出“国家大数据战略”，自此产业数字化进程逐步加快，数字经济进入高速发展阶段，故将样本研究时期调整为2015—2021年，并重新进行回归。上述稳健性检验回归结果如表4列（1）—列（3）所示。可以看出，核心解释变量的显著性水平和系数符号未发生明显变化，证明基准回归结果较为稳健，即数字经济显著提升绿色经济效率。

考虑到绿色经济效率的变化或反向影响数字经济，为缓解双向因果导致的内生性问题，本文选用数字经济一阶滞后项作为工具变量，并进行2SLS估计，估计结果如表4列（4）、列（5）所示，在考虑内生性条件下，数字经济仍显著促进绿色经济效率。此外，Kleibergen-Paap rk LM统计量的P值显著为0，拒绝了工具变量识别不足的原假设；进一步，根据Kleibergen-Paap Wald rk F统计量拒绝工具变量为弱识别的检验。因此，该工具变量的选取是合理的。

（三）作用机制分析

本文运用中介效应模型探讨数字经济对绿色经济效率的传导机制。借鉴江艇［36］的研究，本文优化了中介效应的检验步骤，重点研究解释变量对中介变量的影响，探究数字经济能否通过推动绿色技术创新提升绿色经济效率。表5列（1）、列（2）显示，数字经济对绿色技术创新具有显著正向影响，即数字经济加强了区域互联互通，为技术交流和绿色技术创新活动的开展提供便利；绿色技术创新将通过普及绿色技术、推广绿色产品等方式提高资源利用率，降低污染物产出，为绿色经济发展提质增效。结合上述分析，假设2得证。

（四）非线性效应分析

为探究数字经济对绿色经济效率的影响是否存在非线性效应，本文选用数字经济和研发强度作为门槛变量。其中，研发强度用各地区规模以上工业企业R&D内部经费支出与地区生产总值的比值表示。

首先进行门槛存在性检验，然后运用门槛效应模型回归分析。［37］表6与表7是使用Bootstrap法抽样300次得到的数字经济与研发强度的门槛效应检验结果。结果显示，数字经济与研发强度均存在双重门槛，但三重门槛检验效果不显著。

表8报告了门槛变量回归结果。对于数字经济，双重门槛值为0.239和0.290，表明数字经济对绿色经济效率产生了非线性递增效应，验证了网络的正外部性和梅特卡夫定律，即数字经济的乘数效应对“节能减排、促产增收”产生了积极影响。对于研发强度，双重门槛值为0.005和0026，当RD低于第一门槛值时，Dig系数为负且不显著；当RD跨越第一门槛值时，Dig系数为0.475；当RD大于第二门槛值时，Dig系数为1.359，表明数字经济对于绿色经济效率的影响存在“研发门槛”。这说明，合理的研发投入强度保障了研发设备的质量和高科技人才的引进，其技术创新成果赋能绿色发展；随着研发强度的提升，科研配套设施更加完善，融资约束进一步缓解，研发团队更加精英化，有望更快突破技术壁垒，实现量质齐升的绿色发展。由此，假设3得证。

（五）空间溢出效应分析

数字经济具备快捷性和高渗透性等特点，其发展将在一定程度上打破时空限制，促进地区间技术交流和信息共享。在“双碳”目标背景下，数字经济能否发挥“新引擎”作用，通过空间溢出效应提升邻近地区绿色经济效率？同时，本地区绿色经济效率的提升对于周边地区的绿色发展发挥“辐射”作用还是“虹吸”效应？为探究上述疑问，本文采用空间计量模型进一步分析数字经济对绿色经济效率的空间影响。

考虑到数字经济与各地区经济发展关联密切且存在区域异质性，绿色经济效率同样受到区域经济发展和地理区位双重影响。故构建经济地理嵌套矩阵，同时加入经济距离矩阵对比参照。

1.空间自相关检验

在构建空间计量模型前，应考虑数字经济和绿色经济效率的空间自相关性，故采用全局莫兰指数（Morans I）检验。表9结果显示，数字经济与绿色经济效率的莫兰指数均显著为正，说明其具备显著的空间正相关性，可进一步使用空间计量回归模型。

2．空间计量回归分析

为选取最优空间计量模型进行实证分析，本文依次进行了LM检验、LR检验和Hausman检验［38］，结果如表10所示。首先，LM检验显著拒绝了SLM和SEM无空间相关性的原假设。其次，LR检验结果在1%显著性水平下拒绝了SDM模型退化为SLM模型与SEM模型的假设，即SDM模型的拟合效果更优。最后，Hausman检验结果在1%水平下显著，故应采用固定效应模型。综上，确认构建时空双固定的SDM模型进行实证分析。表11结果显示，在经济地理嵌套矩阵和经济距离矩阵下，绿色经济效率的空间自相关系数显著为负，即本地区绿色经济效率的提升将抑制周边地区的绿色经济效率。其原因是：在绿色高质量发展的起步阶段，地区间存在技术、资源和劳动力等的竞争，发展程度较好的地区将吸引邻近地区的绿色发展要素向其靠拢，表现为“虹吸效应”，不利于邻近区域的绿色发展。此外，数字经济对绿色经济效率的回归系数在5%的水平下显著为正，且空间滞后项系数显著为正，表明数字经济提升了本地和邻近省份的绿色经济效率。

由于空间杜宾模型的回归系数不能直接反映其边际效应，因此将总效应偏微分分解为直接效应和间接e9ca0a47d4123c57f5a2f952acf7fc08db8cfcd6824bef62d7b7f339ce2697b7效应［39］，结果如表11所示。数字经济对绿色经济效率的影响，以经济地理嵌套矩阵为例，其直接效应与间接效应均显著为正。从直接效应的回归结果看，数字经济与实体经济的深度融合可以优化生产流程、精进人机协作并加快技术迭代，打破产业边界，推动产业结构高级化和产业链现代化，赋能实体产业的数字化、绿色化转型，最终有效提升当地绿色经济效率。从间接效应回归结果看，数字经济兼具边际传递成本递减和累积溢出的特点，通过加强本地区与邻近地区信息资源共享与技术交流，对邻近地区的绿色发展起到示范提升作用，实现区域一体化协调发展。例如，上海市正着力建设“长三角数字干线”，以期“以点带面”打造万亿级规模长三角数字经济带，实现长三角生态绿色一体化发展。“长三角数字干线”地区数字基础设施完备，数字产业集群高速发展，数字经济体系成熟，为知识技术溢出和数字资源共建共享创造了有利条件，将示范提升长三角地区技术创新水平。同时，跨区域分工协作将在一定程度上提高生产率，降低资源消耗和环境污染，显著提升邻近地区绿色经济效率。综上，假设4得证。

（六）异质性分析

由于各省份间经济发展水平和资源禀赋存在差异，不同地区数字经济发展水平对绿色经济效率的影响具有异质性。基于此，根据数字经济规模将全国各省份划分为数字经济发达省份和数字经济欠发达省份，依据经济发展和地理位置将全国各省份划分为东部地区与中西部地区，实证分析可能存在的异质性影响。

1.数字经济规模

根据《中国数字经济发展白皮书（2022年）》，将数字经济规模在万亿元以上的省份划分为数字经济发达省份，其他为数字经济欠发达省份①，回归结果如表12列（1）、列（2）所示，数字经济发达省份的系数显著为正，数字经济欠发达省份的系数为负且不显著。这说明，相较于欠发达省份，发达省份数字经济的发展正向影响了绿色经济效率。目前国内数字经济的发展趋势为北京市和广东省南北两极示范引领，这两个地区经济发展水平高，数字化基础设施完备，有利于数字化产业集聚并发挥规模效应；两化融合发展指数远超全国平均水平，将高效赋能产业链数字化转型。一系列数字化优势将有利于节能减排、促产增收，提升绿色经济效率。

2.地理区位

将全国30个省份划分为东部地区和中西部地区进行回归分析②，结果如表12列（3）、列（4）所示。可以看出，

东部和中西部地区的数字经济均正向提升绿色经济效率，但后者的影响不显著。其原因是：中西部地区数字经济规模小、起步较晚且缺乏技术型人才，短期内难以形成高水平的数字产业集群并开展高水平绿色技术创新活动，因此对绿色经济效率的影响暂不明显。但近年来，“东数西算”工程将算力需求逐步引至内蒙古、甘肃、贵州、宁夏等中西部地区省份，这将会有效发挥中西部地区的空间资源和可再生能源发电优势，打造数据中心集群，进一步提升算力水平，为未来区域数字经济发展奠定坚实基础。

六、结论与建议

（一）研究结论

本文基于我国2011—2021年30个省份面板数据，构建固定效应模型分析数字经济对绿色经济效率的影响，采用中介效应模型和门槛模型探究其作用机制和非线性效应，运用空间计量模型探究数字经济对绿色经济效率的空间溢出效应，并根据地区经济发展及资源禀赋差异进行异质性分析。得出如下结论：

数字经济显著提升本地绿色经济效率，这一结论经稳健性检验和内生性分析后依旧成立；中介效应及门槛效应结果表明，数字经济通过提高绿色技术创新水平显著提升绿色_{f3f8f6ede07e7c06d57d5dfe741ea264}经济效率，同时，随着数字经济的发展和研发强度的提升，其对于绿色经济效率表现为非线性递增效应；空间计量模型的回归结果显示，数字经济存在空间溢出效应，本地区数字经济将示范提升邻近地区的绿色经济效率，有利于实现区域一体化绿色发展；区域异质性分析表明数字经济红利更多有益于东部地区和数字化规模较大的发达省份，中西部地区和欠发达省份的数字经济发展已初见雏形，其“绿色效应”的潜力有待进一步挖掘。

（二）对策建议

基于上述研究结论，本文提出以下对策建议。

第一，发挥数字经济引擎作用，为产业绿色转型注入“新动能”。加大数字基础设施建设投资力度，协同推进数字产业化和产业数字化进程。发挥浙江省、北京市、上海市、广东省等数字经济强省的示范作用，加强区域协同制造，着力提升京津冀、长三角、珠三角等地区数字产业集群水平。数字经济的发展需兼顾进度与质量，实现经济效益和生态效益的双丰收，达成“降碳减排、促产增收”的绿色发展目标。

第二，培育企业绿色技术创新能力，加大科技研发经费投入，为绿色发展拓宽“新渠道”。一方面，为充分释放数字红利，传统产业企业应因势利导，引进技术型研发人员、完善数字化配套设施、推出绿色产品，以实现数字化转型；另一方面，针对我国绿色研发领域起步较晚和创新成果转化率较低的问题，加强企业、高校和科研院所的三方合作，加大研发经费投入，推动“产学研用”一体化，加快突破技术壁垒，实现绿色高效发展。

第三，充分利用后发地区区位优势，为弥合数字鸿沟构建“新思路”。我国东部省份及数字经济发达省份，已具备良好数字经济基础和成熟的区域一体化水平，已进入数字经济赋能“节能减排、促产增收”的快车道；我国中西部省份及数字经济欠发达省份，则要转变思想，善抓机遇，加大数字基础设施投资，加强与发达省份的技术交流，促成与发达省份的区域联动，弥合地区间数字鸿沟。以“东数西算”为例，通过匹配东西部优势资源，加强东西部间技术交流和产业合作，在破解东部地区相对棘手的环境污染和能源约束等难题的同时，提高西部地区企业生产积极性、改善就业形势。加强区域间的协同联动使其发挥空间优势，优化资源配置、减少环境污染，促进绿色经济效率的提升。

注释：

① 数字经济发达省份包括：广东、江苏、山东、浙江、上海、北京、福建、湖北、四川、河南、河北、湖南、安徽、重庆、江西、辽宁；其他省份归类为数字经济欠发达省份。

② 东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；其余省份为中西部地区。

参考文献：

［1］ 王如玉，梁琦，李广乾.虚拟集聚：新一代信息技术与实体经济深度融合的空间组织新形态［J］.管理世界，2018，34（2）：13-21.

［2］ 李洪伟，范泽世，陶敏.数字经济推动共同富裕发展的影响路径研究——基于山东省面板数据和地理回归加权模型［J］.中国石油大学学报（社会科学版），2024，40（3）：94-102.

［3］ 钱争鸣，刘晓晨.中国绿色经济效率的区域差异与影响因素分析［J］.中国人口·资源与环境，2013，23（7）：104-109.

［4］ 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.

［5］ 戚聿东，刘翠花，丁述磊.数字经济发展、就业结构优化与就业质量提升［J］.经济学动态，2020（11）：17-35.

［6］ 夏炎，王会娟，张凤，等.数字经济对中国经济增长和非农就业影响研究——基于投入占用产出模型［J］.中国科学院院刊，2018，33（7）：707-716.

［7］ 惠宁，宁楠.数字经济驱动公共服务质量提升的效应与机制研究［J］.北京工业大学学报（社会科学版），2023，23（1）：109-124.

［8］ 周小刚，文雯.数字经济对公共服务高质量发展影响的机理分析与实证研究［J］.统计与信息论坛，2023，38（3）：97-105.

［9］ 徐雅琴，李明.数字经济背景下制造企业成本管理的特征与创新［J］.财会通讯，2021（20）：172-176.

［10］ 祁怀锦，曹修琴，刘艳霞.数字经济对公司治理的影响——基于信息不对称和管理者非理性行为视角［J］.改革，2020（4）：50-64.

［11］ 戚聿东，蔡呈伟.数字化对制造业企业绩效的多重影响及其机理研究［J］.学习与探索，2020（7）：108-119.

［12］ Teece D J.Reply to Nelson，Helfat and Raubitschek［J］.Research Policy，2018，47（8）：1400-1402.

［13］ 杨龙，胡晓珍.基于DEA的中国绿色经济效率地区差异与收敛分析［J］.经济学家，2010（2）：46-54.

［14］ 林伯强，谭睿鹏.中国经济集聚与绿色经济效率［J］.经济研究，2019，54（2）：119-132.

［15］ 徐晓光，樊华，苏应生，等.中国绿色经济发展水平测度及其影响因素研究［J］.数量经济技术经济研究，2021，38（7）：65-82.

［16］ 杨广晖，郑浦阳，单燕斐.能源技术创新对区域绿色经济效率的空间溢出效应［J］.工业技术经济，2023，42（1）：129-138.

［17］ 吴旭晓.区域绿色经济效率演化及其影响因素研究［J］.商业研究，2014（9）：27-33.

［18］ 钱争鸣，刘晓晨.环境管制与绿色经济效率［J］.统计研究，2015，32（7）：12-18.

［19］ 聂玉立，温湖炜.中国地级以上城市绿色经济效率实证研究［J］.中国人口·资源与环境，2015，25（S1）：409-413.

［20］ 胡安军，郭爱君，钟方雷，等.高新技术产业集聚能够提高地区绿色经济效率吗？［J］.中国人口·资源与环境，2018，28（9）：93-101.

［21］ Yue S，Yang Y，Hu Y.Does Foreign Direct investment

Affect Green Growth？ Evidence from Chinas experience［J］.Sustainability，2016，8（2）： 158.

［22］ 李治国，王杰.经济集聚背景下数字经济发展如何影响空间碳排放？［J］.西安交通大学学报（社会科学版），2022，42（5）：87-97.

［23］ 徐维祥，周建平，刘程军.数字经济发展对城市碳排放影响的空间效应［J］.地理研究，2022，41（1）：111-129.

［24］ 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.

［25］ 郭炳南，王宇，张浩.数字经济发展改善了城市空气质量吗——基于国家级大数据综合试验区的准自然实验［J］.广东财经大学学报，2022，37（1）：58-74.

［26］ 王力，李兴锋，董伟萍.数字经济、城市创新与雾霾污染［J］.调研世界，2023（3）：11-21.

［27］ 杨友才，王玉聪，魏涛.数字经济是否提高了绿色全要素生产率？［J］.学习与探索，2022（12）：114-123.

［28］ 笪远瑶，罗丹.数字经济、结构红利与绿色全要素生产率［J］.西南民族大学学报（人文社会科学版），2023，44（3）：107-118.

［29］ 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）：51-63.

［30］ 单豪杰.中国资本存量K的再估算：1952—2006年［J］.数量经济技术经济研究，2008，25（10）：17-31.

［31］ 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.

［32］ 薛飞，周民良.用能权交易制度能否提升能源利用效率？［J］.中国人口·资源与环境，2022，32（1）：54-66.

［33］ 郭炳南，王宇，张浩.数字经济、绿色技术创新与产业结构升级——来自中国282个城市的经验证据［J］.兰州学刊，2022（2）：58-73.

［34］ 尹天宝，赵红岩，仲颖佳.数字经济对城市绿色经济效率的影响研究——基于空间面板模型的实证分析［J］.技术经济与管理研究，2023，319（2）：18-22.

［35］ 潘家华，张丽峰.我国碳生产率区域差异性研究［J］.中国工业经济，2011（5）：47-57.

［36］ 江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100-120.

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

［38］ Elhorst J P.Matlab Software for Spatial Panels［J］.International Regional Science Review，2014，37（3）：389-405.

［39］ Lesage J P.An Introduction to Spatial Econometrics［J］.Revue Déconomie Industrielle，2008 （123）：19-44.

责任编辑：曲 红

Digital Economy and Green Economy Efficiency： Impact Mechanisms and Spatial Spillover

QU Hao1， FAN Qiufang1， LIU Haomin2

（1.School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China;

2.Research Institute of Petroleum Exploration and Development， Beijing 102206， China）

Abstract：With the progress of digital technology and the continuous extension of the application scope， the digital economy has become a new engine to boost the transformation of the green economy and inject new momentum to enhance green economy efficiency. Based on the panel data of 30 provinces in China from 2011 to 2021， this paper uses the entropy method to calculate the development level of the digital economy， and adopts the Super SBM-DEA model to measure green economy efficiency. Through constructing two-way fixed effect model， mediation effect model， and threshold effect model， the influence and mechanism of the digital economy on green economy efficiency are empirically analyzed from multiple perspectives， and the spatial econometric model is further constructed to discuss its spatial spillover effect. The study finds that the digital economy can significantly improve green economy efficiency and there is regional heterogeneity in this influence. Strengthening green technology innovation is an important mechanism for the digital economy to enhance green economy efficiency. With the development of the digital economy and the enhancement of research and development intensity， there is a marginal increasing effect of the impact of the digital economy on green economy efficiency. Besides， there is a positive spatial spillover effect of the impact of the digital economy on green economy efficiency. Based on the above conclusions， this paper puts forward suggestions from the aspects of playing the role of digital economy engine， cultivating green technology innovation ability， increasing R&D investment， and strengthening regional linkage， to achieve a win-win situation of economic and ecological benefits and improve green economy efficiency.

Key words： digital economy; green economy efficiency; green technology innovation; R&D intensity; spatial spillover effect

英文编校：马志强