数字技术创新、能源偏向型技术进步与城市全要素能源效率

摘要：数字技术创新通过改变资本和能源要素的配置，对能源偏向型技术进步产生影响，并且这种偏向型技术进步可能进一步影响全要素能源效率。本文采用2006—2021年中国275个地级及以上城市数据，利用双向固定效应模型实证检验数字技术创新对能源偏向型技术进步的影响效应及机制，并拓展分析能源偏向型技术进步的能源效率提升效应。研究发现：样本期内，我国城市的数字技术创新水平呈现逐年上升趋势；我国城市技术进步主要偏向资本，但偏向资本的程度在减弱，且我国城市能源和资本之间总体呈现替代关系。数字技术创新能够促进能源偏向型技术进步。数字技术创新能够通过促进能源消费绝对规模增加和相对规模增加，从而促进能源偏向型技术进步。数字技术创新对能源偏向型技术进步的影响在中部和西部地区显著，而在东部和东北部地区不显著。除数字产品服务业外，数字技术创新其他维度均能显著促进能源偏向型技术进步。拓展分析发现，当资本和能源为替代关系时，能源偏向型技术进步对全要素能源效率提升存在不利影响。

关键词：数字技术创新；能源偏向型技术进步；全要素能源效率；替代弹性

中图分类号：F0621文献标识码：A文章编号：1001-148X（2024）05-0019-10

收稿日期：2024-05-13

作者简介：廖珍珍（1996—），女，陕西汉中人，博士研究生，研究方向：数字经济与碳排放；茹少峰（1962—），男，陕西泾阳人，教授，博士生导师，研究方向：数字经济与经济高质量发展；成依阳（1997—），女，陕西西安人，博士研究生，研究方向：资本结构与经济高质量发展。

基金项目：陕西省社会科学基金项目“基于机器学习的陕西数字经济发展质量监测预警体系构建研究”，项目编号：2023D042；西北大学研究生科研创新项目“资本配置结构对经济高质量发展影响研究”，项目编号：CX2024014。

一、引 言

2024年，《政府工作报告》指出要深入推进能源革命，控制化石能源消费，加快建设新型能源体系，推动能源结构绿色低碳发展。能源效率提升是破解经济增长与环境污染内在矛盾的重要途径［1］。目前，世界正处于数字技术创新引领的数字经济革命浪潮中，数字技术创新应用催生了边际报酬递增的数据要素以及虚拟经济、共享经济和平台经济等新的经济形态，对能源、资本、劳动等要素产生替代或互补作用［2］，并且由于不同要素属性不同，数字技术创新可能对不同要素产生非对称作用，从而不同程度地改变要素的边际产出［2-3］，最终影响偏向型技术进步。尤其是当数字技术创新带来的技术进步偏向能源要素时，则会使得能源要素的边际产出效率更高，从而使得企业改变要素投入结构，并影响全要素能源效率［4］。

目前关于数字技术创新、能源偏向型技术进步与全要素能源效率的相关研究主要分为四个方面：（1）数字技术创新对偏向型技术进步的影响。部分文献研究表明，在资本和劳动要素之间，人工智能、互联网等技术能够促进劳动偏向型技术进步［5-6］。随着对数字技术创新不断深入研究，大部分文献则将劳动分为技能劳动和非技能劳动，研究表明数字技术创新能够引起技能劳动偏向型技术进步［7-8］。（2）偏向型技术进步对能源效率的影响。廖茂林等（2018）、吴传清和杜宇（2018）研究发现偏向型技术进步能够显著促进能源效率提升［9-10］；陈晓玲等（2015）研究发现偏向型技术进步对能源效率的影响与要素之间的替代弹性有关，且对不同行业能源效率的影响具有异质性［4］。（3）数字经济对能源效率的影响。方冬莉（2023）研究发现数字经济通过绿色技术进步来促进城市能源利用效率提升［11］；刘建江和李渊浩（2023）、赵艳敏和王迪（2024）认为数字经济通过技术创新、产业结构升级、产业集聚和环境规制等途径促进全要素能源效率提升［12-13］。（4）数字经济背景下偏向型技术进步的节能减排效应。孙学涛（2023）、Li等（2023）研究表明数字金融促进了资本偏向型技术进步［14-15］，Li等（2023）进一步研究发现数字金融带来的资本偏向型技术进步有利于能源效率提升和能源结构转型［15］。张思思等（2022）认为数字要素赋能背景下偏向型技术进步能够促进能源消费结构升级并推动经济规模扩张，最终促进节能但增加了碳排放，并且数字增强资本节约型技术进步会对节能减排产生负向影响［3］。

上述研究为理解数字技术创新、能源偏向型技术进步及全要素能源效率之间的关系具有重要的借鉴意义。但是上述文献尚未将数字技术创新、能源偏向型技术进步和全要素能源效率纳入同一分析框架。历次技术革命经验表明，技术革命的爆发会引起偏向型技术进步［7］，数字技术革命也不例外。根据Acemoglu（2002）、Acemoglu等（2012）的偏向型技术进步理论可知，技术进步在资本和能源之间偏向资本有利于节省能源，能够改变能源、资本、劳动等生产要素的投入结构［16-17］，从而影响全要素能源效率。因此，有必要深入研究数字技术创新如何影响能源偏向型技术进步，以及能源偏向型技术进步如何进一步影响全要素能源效率，为数字技术创新赋能新型能源体系建设提供一个新的视角。

本文的边际贡献在于：（1）在理论方面，本文将数字技术创新、能源偏向型技术进步和全要素能源效率纳入同一分析框架。通过三要素组合的双层嵌套CES生产函数，构建数字技术创新、能源偏向型技术进步与全要素能源效率的数理模型，识别数字技术创新对能源偏向型技术进步的影响及由此带来的对全要素能源效率的影响效应。（2）在实证层面，一是采用Python爬取城市数字技术创新专利及子分类数据；二是采用更具包容性的超越对数生产函数方法测度城市的能源偏向型技术进步水平，避免了平行CES函数下要素替代弹性参数相等和标准化供给面系统法替代弹性不变的严格假设。

二、理论分析与研究假说

（一）数字技术创新与能源偏向型技术进步

为从数理角度演绎数字技术创新对能源偏向型技术进步的影响，本文将Acemoglu（2002）［16］、刘亮等（2020）［6］的两要素理论模型框架拓展为包含资本、劳动、能源三要素的理论模型，参考张意翔等（2017）的研究［18］，建立以（KE）L形式的三要素组合的双层嵌套CES生产函数如下：

Yt=α（AltLt）σ－1σ+（1－α）（St）σ－1σσσ－1（1）

St=γ（AktKt）δ－1δ+（1－γ）（AetEt）δ－1δδδ－1（2）

其中，Yt表示t时刻的总产出。Ｋt、Lt、Et、St分别表示t时刻的资本要素投入、劳动要素投入、能源要素投入以及（KE）合成品投入。Akt、Alt、Aet分别表示资本、劳动、能源要素增强型技术进步，α、γ为要素份额参数，σ为Lt与（KE）合成品之间的替代弹性，δ为资本与能源之间的替代弹性。当Akt=Alt=Aet时，CES生产函数表现为中性技术进步形式。

根据式（1）和式（2）可知，能源与资本的边际产出MPe和MPk之比为：

btpek=MPeMPk=Yt/EtYt/Kt=1－γγ（AetAkt）δ－1δ（EtKt）－1δ（3）

根据希克斯要素偏向型技术进步定义可知，偏向型技术进步为要素比不变条件下的要素边际产出之比。根据式（3）可知，btpek衡量了技术进步向能源要素偏向的程度，若技术进步导致btpek增加，则技术进步偏向能源，若技术进步导致btpek减少，则技术进步偏向资本。

从理论上讲，数字技术创新主要对资本和能源要素增强型技术进步产生两种影响：一是在生产和研发中替代部分原有的劳动、资本和能源等生产要素，促进要素增强型技术进步；二是通过数字技术创新与资本、能源等生产要素协同，促进要素增强型技术进步。因此，假定资本增强型技术进步Akt和能源增强型技术进步Aet的提升，一部分来自数字技术创新，另一部分来自要素自身投入和劳动投入的经验积累。借鉴刘亮等（2020）的研究思路［6］，建立数字技术创新影响资本和能源增强型技术进步的理论模型如下：

A=（∫10Xiρdi）1ρ（4）

其中，ρ为数字技术创新对资本或能源的替代参数，Xi为提高A的第i种要素投入。若资本和能源增强型技术进步来自数字技术创新，资本与能源将被数字技术创新所替代；若资本和能源增强型技术进步只来自要素的积累，则由传统投入要素提供。因此，资本增强型技术进步Akt和能源增强型技术进步Aet可表示为关于数字技术创新和传统要素投入的CES生产函数：

Akt=［λkdigtρk+（1－λk）（KtφkLt1－φk）ρk］1ρk（5）

Aet=［λedigtρe+（1－λe）（EtφeLt1－φe）ρe］1ρe（6）

其中，digt表示t时刻的数字技术创新，λk、λe∈（0，1），且分别表示数字技术创新带来的资本增强型技术进步和能源增强型技术进步份额。ρk、ρe∈（0，1），分别表示在资本、能源要素增强型技术进步中数字技术创新对要素的替代参数。

假设ρk→0，ρe→0，并将式（5）、式（6）代入式（3），则得到偏向型技术进步可表示为：

btpek=1-γγdigtλe（EtφeLt1－φe）（1－λe）digtλk（KtφkLt1－φk）（1－λk）δ－1δ（EtKt）－1δ（7）

对式（7）两边同时取对数可得：

lnbtpek=δ－1δ［λelndigt+（1－λe）ln（EtφeLt1－φe）－λklndigt－（1－λk）ln（KtφkLt1－φk）］－1δln（EtKt）+ln（1－γγ）（8）

令B⌒ek=d（btpek）/dtbtpek，D⌒=d（digt）/dtdigt分别表示btpek和digt的增长率，由式（8）可得：

B⌒ekD⌒=δ－1δ（λe－λk）（9）

由于δ>0，由式（9）可以看出，B⌒ek/D⌒的正负与（δ-1）（λe－λk）的取值有关。（1）当δ>1，λe>λk时或者当δ<1，λe<λk时，B⌒ek/D⌒>0，数字技术创新促进技术进步偏向能源，即促进了能源偏向型技术进步；（2）当δ>1，λe<λk时或者当δ<1，λe>λk时，B⌒ek/D⌒<0，数字技术创新促进技术进步偏向资本，即抑制了能源偏向型技术进步。

基于上述理论模型可知，数字技术创新对能源偏向型技术进步产生影响，这种影响与要素的替代弹性δ和数字技术创新带来的资本增强型技术进步和能源增强型技术进步份额λk、λe有关。现有研究已经证实资本和能源之间为替代关系［19-20］，因此本文假定δ>1。

并且考虑到数字技术创新能够促进分布式能源、智能电网和微电网、虚拟电厂、智能光储发电和智慧储能等技术发展，在能源领域渗透、融合的作用更强，能够带来能源增强型技术进步份额更大，即λe>λk。由此可知B⌒ek/D⌒>0，即数字技术创新能够促进能源偏向型技术进步。

其作用机制可能为：由偏向型技术进步理论可知，要素的相对投入会对技术进步方向起到决定性的作用。数字技术创新增加了电力能源需求，对能源偏向型技术进步产生需求诱导效应，从而促进能源偏向型技术进步。并且数字技术创新与能源领域深度融合，促进能源领域降本增效，改变能源和资本配置，从而对能源偏向型技术进步产生影响。（1）数字技术创新以电力能源为底座，其快速发展引发了能源规模的快速扩张。无论是数据中心等数字基础设施，还是数字技术创新应用带来的个人电脑和智能手机、智能家居等数字产品均需要电力能源支撑，而数字技术创新的快速发展以及在生产、生活领域的快速渗透和融合必然引起能源消费规模扩张［21-22］。工信部节能与7nHTqMLUEtb3rvapR55fGQ==综合利用司公布的信息显示，2017—2020年我国信息通信领域规模以上数据中心耗电量年均增长率为28%。（2）数字技术创新通过数据、信息的高效收集、传输、存储、分析和预测，通过搭建三维仿真建模掌握能源分布规律，增强了新能源的稳定性和安全性［23］，并降低能源勘探和采掘成本，有助于增加能源供给。同时，数字技术创新通过各环节数据共享、交互、集成、互联，能够实现源网荷储互动、多能协同互补及能源供需智能调控和智能运维，实现能源生产、传输、交易、消费、存储等环节的可视化、交互化、协同化和共享化［24］，从而降低能源生产和交易成本。而能源供给增加和能源成本降低可能引起能源价格下降，从而促进能源要素对资本要素的替代，即引起能源与资本规模之比扩张［22］。根据偏向型技术进步理论，在两要素为替代关系时，由于能源供需规模迅速扩张，企业会倾向于研发或引进与能源要素相匹配的技术，由此诱导能源偏向型技术进步［4］。因此，本文提出如下假说：

H1：当资本和能源之间互为替代品时，数字技术创新在能源领域的渗透、融合，能够促进能源偏向型技术进步。

H2：当资本和能源之间互为替代品时，数字技术创新能够通过促进能源规模扩张（能源消费规模绝对水平）和能源与资本规模之比（能源消费规模相对水平）提高，从而促进能源偏向型技术进步。

（二）能源偏向型技术进步与全要素能源效率

上述理论分析表明，数字技术创新能够促进能源偏向型技术进步。在上述理论基础上，进一步构建能源偏向型技术进步与全要素能源效率之间的理论模型，从而识别能源偏向型技术进步对全要素能源效率的影响效应。对式（1）中取对数可得：

lnYt=σσ－1ln［α（AltLt）σ－1σ+（1－α）（St）σ－1σ］（10）

对于式（10）在σ=1处进行一阶泰勒展开有：

lnYt≈（1-α）lnSt+αln（AltLt）（11）

对式（2）取对数可得：

lnSt=δδ－1ln［γ（AktKt）δ－1δ+（1－γ）（AetEt）δ－1δ］（12）

对于式（12）在δ=1处进行一阶泰勒展开有：

lnSt≈γln（AKtKt）+（1－γ）ln（AEtEt）（13）

将式（13）代入式（11），得到：

lnYt≈（1-α）γ［ln（AKt）－ln（AEt）］+α［ln（Alt）－ln（AEt）］+（1-α）γ［ln（Kt）－ln（Et）］+α［ln（Lt）－ln（Et）］+ln（AEt）+ln（Et）（14）

对所有随时间变化的变量的增长率记为：

y⌒=dYt/dtYt，k⌒=dKt/dtKt

e⌒=dEt/dtEt，l⌒=dLt/dtLt

A⌒k=dAkt/dtAkt，A⌒e=dAet/dtAet

A⌒l=dAlt/dtAlt，B⌒ek=d（btpek）/dt&nbsp;btpek（15）

在希克斯偏向型技术进步定义下，对于式（3）两边同时取对数，并关于时间t求导，可得到能源偏向型技术进步的增长率（B⌒ek）为：

B⌒ek=δ－1δ（A⌒e－A⌒k）（16）

式（16）表明，在要素之间的替代弹性给定时，能源偏向型技术进步增长主要取决于要素增强型技术进步增长率之间的差值。

对式（14）两边同时关于时间t求导，并将式（15）代入式（14）可得：

y⌒=（1-α）γ（k⌒－e⌒）+e⌒+α（l⌒－e⌒）fac+（1-α）γ（A⌒k－A⌒e）+α（A⌒l－A⌒e）btp+A⌒eatp（17）

式（17）将最终产出增长来源分解为三个部分：要素投入（fac）、偏向型技术进步（btp）以及能源要素增强型技术进步（atp）。全要素能源效率（G⌒）为产出中扣除能源、资本等生产要素投入的部分，因此G⌒可表示为：

G⌒=（1-α）γ（A⌒k－A⌒e）+α（A⌒l－A⌒e）btp+A⌒eatp（18）

将式（16）代入式（18）可得：

G⌒=（1-α）γδ1-δB⌒ek+α（A⌒l－A⌒e）btp+A⌒eatp（19）

G⌒对于B⌒ek求偏导可得：

G⌒B⌒ek=（1-α）γδ1-δ（20）

根据式（20）可知，由于α，γ∈（0，1），因此偏向型技术进步对全要素能源效率的影响与资本和能源之间的替代弹性δ有关。当δ>1，即当资本和能源互为替代品时，G⌒/B⌒ek<0，能源偏向型技术进步不利于能源全要素生产率提升；当δ<1，即当资本和能源为互补品时，G⌒/B⌒ek>0，能源偏向型技术进步能够促进能源全要素生产率提升。由于δ>1，即能源偏向型技术进步不利于促进能源全要素生产率提升。其主要原因在于：当资本和能源互为替代品时，能源偏向型技术进步能够促进能源边际产出相对提升，追求利润最大化的企业偏向于用能源替代资本，引起能源投入增加和资本投入减少。对于企业而言节约了成本，但是可能导致经济结构固化，甚至造成要素错配［10］，不利于促进能源全要素生产率的提升。由此，本文提出如下假说：

H3：当资本和能源互为替代品时，能源偏向型技术进步不利于能源全要素生产率提升。

三、研究设计

（一）模型设定

1.基准回归。基于上述理论分析，本文采用双向固定效应模型实证检验数字技术创新与能源偏向型技术进步之间的关系：

btpekit=α0+α1digit+∑rj=1αjZjit+ui+νt+εit（21）

其中，i表示城市，t表示年份，btpek表示能源偏向型技术进步水平，digit为本文的核心解释变量，表示数字技术创新水平，Zjit为影响能源偏向型技术进步的第j个控制变量，ui和vt分别为个体固定效应和时间固定效应，用来刻画难以观测的个体和时间特征，εit为残差项。

2.机制检验。为了验证数字技术创新对能源偏向型技术进步的影响机制，本文建立以下机制检验模型：

Mit=β0+β1digit+∑rj=1βjZjit+ui+νt+εit（22）

btpekit=β0+β1digit+β2Mit+∑rj=1βjZjit+ui+νt+εit（23）

在式（22）和式（23）中，Mit代表机制变量，其余变量定义与式（21）相同。

（二）变量选取及测算

1.被解释变量。被解释变量为能源偏向型技术进步（btpek）。CES生产函数具有替代弹性不变的假设，而替代弹性可能随着时间变化而变化，CES生产函数解决替代弹性的时期差异问题只能分时期讨论，而在测度替代弹性时，允许替代弹性随时间变化更符合实际情况且更具吸引力［25］。因此，本文采用更具包容性的超越对数生产函数，测度能源偏向型技术进步和要素之间的替代弹性［2］。设定超越对数生产函数的形式如下：

lnYit=αi+β1t+12β2t2+β3lnKit+β4lnLit+β5lnEit+β6tlnKit+β7tlnLit+β8tlnEit+12β9lnKitlnLit+12β10lnKitlnEit+12β11lnLitlnEit+12β12（lnKit）2+12β13（lnLit）2+12β14（lnEit）2+νit－uit（24）

其中，Yit代表第i个城市第t年的总产出，Kit、Lit、Eit分别代表第i个城市第t年的资本、劳动和能源投入，vit代表随机误差项，uit代表技术无效率项。各指标的选取和计算如表1所示。

根据式（24），可以得到在超越对数生产函数设定下能源偏向型技术进步指数的计算公式为：

btpek=β8εe-β6εk（25）

εk=β3+β6t+12β9lnLit+12β10lnEit+β12lnKit（26）

εe=β5+β8t+12β10lnKit+12β11lnLit+β14lnEit（27）

上式中，εk和εe分别表示资本K和能源E的产出弹性。此外，替代弹性为理论分析中的一个重要参数，可以根据式（24）、式（26）和式（27）可进一步测度资本要素和能源要素之间的替代弹性，要素之间的替代弹性公式如下：

subek=1+β10－εkεeβ14－εeεkβ12εk+εe－1（28）

式（28）中，若subek大于0则表示资本与能源之间为替代关系，若subek小于0则表示资本与能源之间为互补关系。

2.核心解释变量。核心解释变量为数字技术创新（dig）。本文依据国家统计局公布的《数字经济及其核心产业统计分类（2021）》以及国家知识产权局印发的《数字经济核心产业分类与国际专利分类参照关系表（2023）》的IPC分类号，以此识别城市数字技术创新水平。

3.控制变量。除核心解释变量外，借鉴孙学涛（2023）、Li等（2023）、张思思等（2022）学者的相关研究［3，14-15］，本文考虑影响能源偏向型技术进步的控制变量有：（1）经济增长水平（pgdp）：采用人均GDP衡量，单位为元/人；（2）政府干预程度（gov）：采用地方政府财政内预算支出与GDP的比值衡量，单位为%；（3）人口密度（pop）：采用城市常住人口除以城市面积衡量，单位为人/平方公里；（4）对外开放水平（open）：采用进出口总额衡量，单位为亿元；（5）人力资本水平（hum）：采用普通本专科在校学生人数衡量，单位为人；（6）产业结构（indus）：采用第三产业增加值与第二产业增加值的比值衡量。

4.机制变量。结合理论分析，本文选取能源消费规模作为机制变量，在实证检验中，分别采用城市能源消费总量（e）、城市能源消费规模与资本规模之比（ek）衡量能源消费规模的绝对水平和相对水平。

（三）数据来源

囿于数据的可得性，本文采用2006—2021年地级及以上城市样本数据进行实证分析。数字技术创新数据来源于大为数据官网。其余数据来源于《中国城市统计年鉴》《中国城市建设统计年鉴》《中国统计年鉴》、各省、各地级市统计年鉴以及统计公报和经济社会大数据平台。在剔除信息过度缺失的样本后，本文采用线性插补法对少数缺失值进行填补，最终样本包含了275个地级及以上城市的4323个样本观测值。同时，为了减少量纲差距和降低异方差影响，对部分变量进行对数化处理。各变量的描述性统计如表2所示。

（四）城市数字技术创新、能源偏向型技术进步和替代弹性的测度结果分析

表3展示了2006—2021年城市数字技术创新、能源偏向型技术进步以及能源与资本的替代弹性平均水平的变化趋势。由表3可以看出，2006—2021年，我国城市的数字技术创新水平呈现逐年上升趋势，这与政府大力推行促进数字经济发展的政策和数字技术应用范围广泛等密切相关［27］。与此同时，在2006—2021年，能源偏向型技术进步均小于0，且除个别年份外，能源偏向型技术进步的绝对值呈现递减趋势，这说明我国城市技术进步主要偏向资本，但偏向资本的程度在减弱，这与Xiu等（2019）研究结论一致［28］。在2006—2021年，资本和能源之间的替代弹性均大于0，这说明我国城市能源和资本之间总体呈现替代关系，这证实了Chen和Liu等（2021）、Welsch等（2005）的研究结论［19-20］。

四、实证结果分析

（一）基准回归

表4汇报了数字技术创新影响能源偏向型技术进步的基准回归结果。其中，表4列（1）和列（2）均控制了个体和时间固定效应，但是列（1）为不加入控制变量的估计结果，列（2）为加入控制变量的估计结果。结果显示，在1%的显著性水平下，数字技术创新的回归系数均显著为正，这说明数字技术创新可以显著促进能源偏向型技术进步。且从表4列（2）回归结果可以看出，城市数字技术创新水平增长率增加1个百分点，将使城市能源偏向型技术进步提高0003，假说H1得到了经验证据支持。

（二）稳健性检验

基准回归结果表明数字技术创新能够显著促进能源偏向型技术进步，为了验证该结论的可靠性，本文进一步从以下四个方面进行稳健性检验。（1）替换核心解释变量。本文通过使用CNRDS数据库中的数字技术创新专利授权量替代基准回归中的解释变量进行回归。（2）剔除直辖市数据。借鉴张思思等（2022）［3］的研究，由于四个直辖市具有特殊的行政地位，为了排除行政因素对基准回归结果的影响，本文将北京、上海、天津、重庆四个直辖市数据从样本中剔除后再进行回归。（3）剔除低碳环境政策干扰。中国分别在2010年、2012年和2017年开展了一批低碳城市试点，在2013部分省市开展碳排放交易权试点。为了排除低碳环境政策干扰，本文将低碳试点城市和碳排放交易权试点城市从样本中剔除后再进行回归。（4）替换模型。利用随机效应模型进行估计。以上四种稳健性检验的结果如表5列（1）—列（4）所示，回归结果均表明，在1%的显著性水平下，数字技术创新能够显著促进能源偏向型技术进步，与基准回归结论一致，说明基准回归结论是稳健的。

（三）内生性检验

在基准回归中，可能会因为存在反向因果、遗漏变量等引起内生性问题，为了避免面板模型中存在的内生性问题，本文选取1984年每百万人邮局数乘以全国上一年互联网用户数作为数字技术创新的工具变量。工具变量检验结果表明，Kleibergen-PaaprkLM统计量的p值为00000，强烈拒绝不可识别的原假设。Kleibergen-PaaprkWaldF统计量为43766，大于Stock-Yogo检验所有水平的临界值，可以拒绝工具变量弱识别的原假设，意味着工具变量与内生变量具有较强的相关性，因此本文选取的工具变量是合理有效的。表6列（1）展示了工具变量法的第一阶段回归结果，结果表明在1%的显著性水平下，工具变量与数字技术创新呈现显著的正相关关系。表6列（2）展示了工具变量法的第二阶段回归结果，结果表明数字技术创新能够显著促进能源偏向型技术进步。内生性检验结果表明在考虑内生性问题后，基准回归结果是稳健的。

（四）机制检验

理论分析部分指出数字技术创新可能通过促进能源消费规模扩张，进而促进能源偏向型技术进步。表7为数字技术创新影响能源偏向型技术进步的机制检验结果。表7列（1）结果显示，数字技术创新能够显著促进能源消费规模总量增加，这验证了Zhu和Lan等的研究结论［22］。表7列（2）结果显示，数字技术创新和能源消费规模总量能够显著促进能源偏向型技术进步。因此，数字技术创新能够通过能源消费规模绝对水平增长，从而促进能源偏向型技术进步。同理，表7列（3）和列（4）结果表明，数字技术创新能够通过促进能源消费规模相对水平提升，从而促进能源偏向型技术进步。在此基础上，表7列（5）和列（6）表明，数字技术创新能够促进能源、资本之间的替代弹性增加，从而通过加速能源对资本要素的替代，最终促进能源消费规模相对水平增长。这验证了研究假说H2。

（五）异质性分析

1.地理区位异质性

不同地理区位在能源禀赋、产业结构和经济发展水平等方面存在差异，数字技术创新对能源偏向型技术进步的影响可能会因城市所在的地理区位不同而存在差异。由表8可知，数字技术创新对能源偏向型技术进步的影响在东部、东北地区不显著，而在中部和西部地区显著。其可能的原因在于：相比于其他区域，东部地区拥有大量资金和机器设备，更容易将数字技术创新与具有规模优势的机器设备相融合。东部地区能源、资源较为匮乏，再加上土地资源紧张，建设大型能源项目的空间有限，从而限制了数字技术创新对能源偏向型技术进步的赋能效果。同时，在数字技术创新应用不断增加能源消费需求规模情景下，能源丰富的中西部地区企业更有动力研发或引进与能源要素相匹配的技术，从而能够显著促进中西部地区能源偏向型技术进步。根据研究数据发现，数字技术创新在东北地区的水平远低于其他地区（样本期间东北、东部、中部和西部地区城市的数字技术创新专利平均水平分别为703、5658、1162、937件），因此在东北地区，数字技术创新与实体经济融合程度较低，导致数字技术创新对能源偏向型技术进步的赋能效果还未显现。

2.数字技术创新维度异质性

本文依据国家统计局公布的《数字经济及其核心产业统计分类（2021）》将数字技术创新划分为数字产品制造、数字产品服务、数字技术应用与数字要素驱动四个维度。不同数字技术创新维度可能会对能源、资本等要素的影响不同，从而对能源偏向型技术进步产生不同的影响。由表9可知，除数字产品服务以外，数字技术创新其他维度均能显著促进能源偏向型技术进步。其可能的原因可能在于：与其他维度相比，数字产品服务主要包括数字产品批发、零售、租赁和维修，与其相关的数字技术创新对能源要素的影响相对较低，从而导致数字产品服务维度的数字技术创新对能源偏向型技术进步的影响不显著。

五、拓展分析：数字技术创新对全要素能源效率的影响效应

在理论模型中进一步研究了能源偏向型技术进步对全要素能源效率的影响效应。本文主要利用DDF-ML模型测度全要素能源效率。其中，投入指标和期望产出均为表1中的指标，非期望产出指标为碳排放，主要根据表1中各种能源消费量分别乘以相应的碳排放系数并加总得到。表10列（1）结果表明，在5%的显著性水平下，能源偏向型技术进步对全要素能源效率产生了负面影响，这验证了研究假说H3。并且进一步对全要素能源效率进行分解发现，能源偏向型技术进步对全要素能源效率的负向效应主要是由能源偏向型技术进步对全要素能源技术效率产生负向作用引起的。

六、结论及政策建议

本文将数字技术创新、能源偏向型技术进步和全要素能源效率纳入同一分析框架，通过采用资本、劳动和能源三要素组合的双层嵌套CES生产函数，构建数理模型演绎了数字技术创新、能源偏向型技术进步与全要素能源效率之间的关系。通过采用python爬取城市数字技术创新专利数据，结合2006—2021年中国275个地级及以上城市数据，利用双向固定效应模型实证检验了数字技术创新对能源偏向型技术进步的影响效应及机制，并检验了能源偏向型技术进步对全要素能源效率影响效应。研究结论如下：（1）现状分析发现，样本期内，我国城市的数字技术创新水平呈现逐年上升趋势；我国城市技术进步主要偏向资本，但偏向资本的程度在减弱，且我国城市能源和资本之间总体呈现替代关系。（2）从影响效应来看，数字技术创新能够促进能源偏向型技术进步，并且通过稳健性和内生性检验。（3）从影响机制看，数字技术创新能够通过促进能源消费绝对规模增加，通过促进能源对资本的替代进而促进能源消费相对规模增加，从而促进能源偏向型技术进步。（4）从异质性来看，数字技术创新对能源偏向型技术进步的影响在中部和西部地区显著，而东部和东北部地区不显著。除数字产品服务业外，数字技术创新其他维度均能显著促进能源偏向型技术进步。（5）拓展分析发现，当资本和能源为替代关系时，能源偏向型技术进步对全要素能源效率提升存在不利影响。

综合上述研究结论，本文得到以下政策启示：（1）能源对于城市经济发展愈发重要，因此，需要加快能源要素的优化配置以及促进能源技术创新。一方面，加快推进分布式能源交易、分布式碳交易体系建立，促进能源交易市场和碳交易市场效率提升；另一方面，优化高校和研究机构的能源学科专业布局以及金融机构的绿色金融资金配置，加快新能源人才培养和新能源产业链培育，加快能源技术研发人才投入和资金投入。（2）加快促进数字产业节能化和绿色化，应尽快利用数字技术创新促进能源结构低碳转型。一方面，需要合理化数字基础设施布局和提高数字基础设施、数字产品性能，促进数据中心、数据产品等能耗降低以及用能绿色化和清洁化；另一方面，加快数字技术创新在能源领域的渗透、融合，尤其是加快水电、风电和太阳能发电领域的数智化和市场化发展，促进源网荷储一体化、光储充一体化以及智慧楼宇等技术发展，加快新能源对化石能源的替代。（3）应充分考虑到区域异质性，针对不同区域的资源禀赋和技术创新特征，采取差异化政策促进各区域新型能源体系建设。对于中西部地区，采用更强的节能减排规制、节能技术创新专项补贴等，激励其节能技术改造和产业结构升级；对于东部地区，主要重点完善碳交易权、用能权交易等市场规制工具，促进要素的合理流动和合理配置。对于东北地区，则应加强数字技术补贴和完善数字基础设施，促进数字技术创新。

参考文献：

［1］史丹，李少林.排污权交易制度与能源利用效率——对地级及以上城市的测度与实证［J］．中国工业经济，2020（9）：5-23.

［2］ZhongMR，CaoMY，ZouH.TheCarbonReductionEffectofICT：APerspectiveofFactorSubstitution［J］．TechnologicalForecastingandSocialChange，2022，181：121754.

［3］张思思，崔琪，马晓钰.数字要素赋能下有偏技术进步的节能减排效应［J］．中国人口·资源与环境，2022，32（7）：22-36.

［4］陈晓玲，徐舒，连玉君.要素替代弹性、有偏技术进步对我国工业能源强度的影响［J］．数量经济技术经济研究，2015，32（3）：58-76.

［5］赵伟，赵嘉华.互联网应用与我国技术进步的要素偏向［J］．浙江社会科学，2019（7）：4-13+22+155.

［6］刘亮，李廉水，程中华，等.智能化如何影响技术进步偏向？［J］．研究与发展管理，2020，32（4）：1-11.

［7］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业［J］．数量经济技术经济研究，2019，36（5）：3-22.

［8］朱金海，潘国祯.信息通信技术（ICT）的收入分配效应分析［J］．上海经济研究，2023（10）：18-31.

［9］廖茂林，任羽菲，张小溪.能源偏向型技术进步的测算及对能源效率的影响研究——基于制造业27个细分行业的实证考察［J］．金融评论，2018，10（2）：15-31+122-123.

［10］吴传清，杜宇.偏向型技术进步对长江经济带全要素能源效率影响研究［J］．中国软科学，2018（3）：110-119.

［11］方冬莉.数字经济对中国城市能源利用效率的影响——基于技术赋能和技术外溢视角［J］．资源科学，2023，45（2）：296-307.

［12］刘建江，李渊浩.数字经济如何赋能全要素能源效率提升？［J］．财经理论与实践，2023，44（2）：105-113.

［13］赵艳敏，王迪.数字经济发展对全要素能源效率的影响机制研究——以黄河流域73个地级市为例［J/OL］．软科学：1-14［2024-04-22］.

［14］孙学涛.数字金融如何影响技术进步偏向？［J］．南方经济，2023（4）：63-78.

［15］LiG，WuH，JiangJ，etal.DigitalFinanceandtheLow-CarbonEnergyTransition（LCET）fromthePerspectiveofCapital-BiasedTechnicalProgress［J］．EnergyEconomics，2023，120：106623.

［16］AcemogluD.DirectedTechnicalChange［J］．TheReview&nbsp;ofEconomicStudies，2002，69（4）：781-809.

［17］AcemogluD，AghionP，BursztynL，etal.TheEnvironmentandDirectedTechnicalChange［J］．AmericanEconomicReview，2012，102（1）：131-66.

［18］张意翔，成金华，汤尚颖，等.技术进步偏向性、产权结构与中国区域能源效率［J］．数量经济技术经济研究，2017，34（8）：72-88.

［19］ChenY，LiuY.HowBiasedTechnologicalProgressSustainablyImprovetheEnergyEfficiency：AnEmpiricalResearchofManufacturingIndustryinChina［J］．Energy，2021，230：120823.

［20］WelschH，OchsenC.TheDeterminantsofAggregateEnergyUseinWestGermany：FactorSubstitution，TechnologicalChange，andTrade［J］．EnergyEconomics，2005，27（1）：93-111.

［21］ZhouX，ZhouD，ZhaoZ，etal.AFrameworktoAnalyzeCarbonImpactsofDigitalEconomy：TheCaseofChina［J］．SustainableProductionandConsumption，2022，31：357-369.

［22］ZhuY，LanM.DigitalEconomyandCarbonReboundEffect：EvidencefromChineseCities［J］．EnergyEconomics，2023，126：106957.

［23］LinB，HuangC.PromotingVariableRenewableEnergyIntegration：TheModeratingEffectofDigitalization［J］．AppliedEnergy，2023，337：120891.

［24］YuW，PatrosP，YoungB，etal.EnergyDigitalTwinTechnologyforIndustrialEnergyManagement：Classification，ChallengesandFuture［J］．RenewableandSustainableEnergyReviews，2022，161：112407.

［25］郝枫，盛卫燕.中国要素替代弹性估计［J］．统计研究，2014，31（7）：12-21.

［26］张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000［J］．经济研究，2004（10）：35-44.

［27］陶锋，朱盼，邱楚芝，等.数字技术创新对企业市场价值的影响研究［J］．数量经济技术经济研究，2023，40（5）：68-91.

［28］XiuJ，ZhangG，HuY.WhichKindofDirectedTechnicalChangeDoesChina’sEconomyHave？FromthePerspectiveofEnergy-SavingandLow-Carbon［J］．JournalofCleanerProduction，2019，233：160-168.

DigitalTechnologyInnovation，Energy-BiasedTechnologicalProgressand

TotalFactorEnergyEfficiency

LIAOZhenzhena，RUShaofenga，b，CHENGYiyanga

（NorthwestUniversitya.SchoolofEconomicsandManagement;b.InstituteofWesternChina

EconomicDevelopment，Xi’an710127，China）

Abstract：Digitaltechnologyinnovation（DTI）affectsenergy-biasedtechnologicalprogress（EBTP）bychangingtheallocationofcapitalandenergyfactors，andEBTPfurtherimpactstotalfactorenergyefficiency（TFEE）.Basedonthedataof275citiesattheprefecturelevelandaboveinChinafrom2006to2021，thetwo-wayfixedeffectsmodelisusedtoempiricallytesttheimpactofDTIonEBTPandEBTPonTFEE.Thefindingsareasfollows：Duringthesampleperiod，thelevelofDTIofChinesecitiesshowsanincreasingtrend;China’surbantechnologicalprogressismainlybiasedtowardscapital，butthedegreeofcapitalbiasisweakening，andthereisanoverallsubstitutionrelationshipbetweenenergyandcapital.DTIcanpromoteEBTP.DTIcanpromoteEBTPbyincreasingtheabsolutescaleandrelativescaleofenergyconsumption.TheimpactofDTIonEBTPissignificantinthecentralandwesternregions，butitisnotsignificantintheeasternandnortheasternregions.Besidesdigitalproductsandservices，otherdimensionsofDTIcansignificantlypromoteEBTP.Throughextendedanalysis，wefoundthatEBTPharmsTFEEwhenthereisasubstitutionrelationshipbetweenenergyandcapital.

Keywords：digitaltechnologyinnovation;energy-biasedtechnologicalprogress;totalfactorenergyefficiency;elasticityofsubstitution

（责任编辑：周正）