数字经济视域下城市绿色全要素生产率发展研究

刘运材，沈 琛

（湖南工业大学 经济与贸易学院，湖南 株洲 412007）

改革开放以来，中国经济增长速度引起了世界的关注，但是经济腾飞的代价——能源消耗和环境污染，同样引发了人们的担忧。 生态环境部发布的《2020 年生态环境状况公报》显示：在空气质量方面，135 个城市环境空气质量不达标，占40.1%，空气治理力度仍需进一步加强； 在能源消耗方面，能源消费总量达49.8 亿吨的标准煤，较2019 年上涨2.2%，能源需求量继续保持增长态势，生态环境总体质量改善步伐缓慢［1］。 生态环境的双重恶化阻碍了中国经济走向高质量发展的道路，高质量发展必定是经济社会建设与生态环境建设协调发展［2］，过往的以数量竞争为主导的粗犷式经济要转型为以质量竞争为主导的高技术含量的集约型经济［3］。 数字经济作为融合多种新兴技术的新型生产要素，具有传统生产要素不具备的优势，与高质量发展的核心内涵之一“绿色理念”不谋而合，可以说城市高质量发展的途径之一就是要不断提高绿色全要素生产率。传统的全要素生产率并未考虑环境和资源成本问题，这与国家倡导的健康绿色的可持续发展方式背道而驰，已不适用于衡量当前经济发展，而绿色全要素生产率(Green total factor productivity)合理地纳入环境资源要素，可以准确地反映当前经济发展状况。

近年来，互联网、大数据、云计算等新型技术迭代更新速度加快，逐渐渗透至社会发展的每一个角落，数字经济成为疫情后我国参与全球要素资源分配、重塑全球经济结构、改变全球竞争格局的关键力量［4］。 中国信通院发布的《中国数字经济发展白皮书》提到：“2020 年，我国数字经济延续蓬勃发展态势， 规模由2005 年的2.6 万亿元扩张到39.2 万亿元。 ”［5］逐年增高的比重表明数字经济已成为疫情后驱动中国经济增长的新动能，因此挖掘数字经济背后的绿色价值和培育数字经济的绿色发展动能势在必行。 那么，数字经济与城市GTFP 存在什么关系； 数字经济又是通过何种机制来影响GTFP。 本文基于城市层面的数据，从理论与实证角度出发，探究数字经济和城市GTFP 的关系。

一、理论分析与研究假设

（一）数字经济对城市绿色全要素生产率的影响

数字经济最早是由外国学者Don 提出， 他认为传统经济与数字经济的最大区别在于两者信息流呈现方式不同，前者是实体方式为主，而后者主要方式是数字流［6］。 Bukht 等基于应用领域角度将数字经济分为三层：核心层、窄口层和宽口层，可应用涵盖了社会各个产业，而数据作为一种新型的生产要素，打破传统产业高污染、高投入、低产出的特点，优化了生产流程［7］；同时认为数字经济与实体制造融合是未来发展趋势，数字经济会催生一系列新的商业模式如直播带货、共享单车等，这些商业模式具有一定的绿色特征，可以在一定成度上促进城市GTFP［8］。 Baginski 等认为数字经济的创新特征会加速形成平台经济，数字平台可以快速搜索并匹配产品及服务信息，提高交易效率，有节能减排的特点，节能减排是推动GTFP 发展的途径之一［9］。基于此，本文可以将数字经济对GTFP 的影响归纳为三点：第一，数字经济的扩散效应帮助知识向外传播并促进新的商业模式诞生［10］，知识溢出和新商业模式可以显著减少二氧化碳的排放规模来促进城市GTFP。 第二，数字经济能够通过降耗降排提效改善环境质量，从而促进GTFP 增长。第三，数字经济能将碎片化的网络资源和知识信息化整为一，大大提高搜索和匹配效率， 进一步促进GTFP 增长。

基于上述分析， 本文提出H1： 数字经济促进了城市的绿色全要素生产率。

（二） 数字经济影响城市绿色全要素生产率的机制

数字经济作为驱动我国绿色经济增长的中坚力量，已然成为优化产业结构、增强经济发展抗压能力，提升包容性增长的内在动力，可以说数字经济是一种新兴的产业结构驱动力［11］。数字经济对产业结构的影响可以从两个维度来阐述：产业结构合理化和产业结构高级化。

1.产业结构合理化。 首先，数字经济作为先进的生产和应用技术， 为传统生产力装备信息化、数字化和智能化的新引擎，引领多种行业交叉融合［12］，改变了传统产业布局［13］，优化经济发展结构［14］，即产业合理化通过提高技术效率推动GTFP 发展［15］；其次，数字经济渗透性的特征能改变先进生产要素的比例［16］，丰富生产要素的种类，重构原有分工协作体系，使生产要素得到最佳组合，即产业合理化通过提高资源配置效率促进GTFP［15］；再次，数字经济有效解决了供求双方的信息不对称性问题［17］，降低市场准入门槛和消费者搜寻和比较成本，供求双方在数量和结构层面更协调， 提高了交易效率，即产业合理化通过降本增效促进GTFP。

2.产业结构高级化。 首先，数字经济帮助低附加值的生产活动进行功能性升级，助推中国制造迈向价值链中高端［18］，终端产品的产业占比逐渐占据主导地位，即价值链依次高级化，而价值链的高端化会促进GTFP 发展［19］；其次，数字经济还可以创新赋能［20］、吸引高素质人力资本［21］，劳动密集型产业退出市场，资金密集型、技术知识密集型产业进入市场，即要素密集度依次高级化，而资本与技术知识带来的技术 进步可以推动GTFP 发展［22］；再次， 传统产业搭载数字技术进化成为了数字化产业， 产业重点逐渐向第二产业和第三产业靠近，即产业重点依次高级化，数字化的第二三产业在节能环保方面有较突出的优势［23］，间接推动了GTFP 的发展。

基于上述分析，本文提出H2：数字经济通过产业升级提高城市绿色全要素生产率。

二、研究方法与数据选取

（一）模型构建

为了研究数字经济与城市GTFP 关系及其影响机制，基于上述假设构建三步法中介检验模型：

其中，i 表示各城市，t 表示各年份，GTFP 表示城市绿色全要素生产率，INT 表示数字经济指数，MED 为中介变量，CV 表示各控制变量，β0表示常数项，β1和β2为核心解释变量和控制变量的系数，μi为不随时间变化的个体效应，σt为不随个体变化的时间效应，εi,t为随机误差项。

（二）变量选取

1.被解释变量：GTFP

本文借鉴张建等［24］的做法，运用DEA-SBM 模型并结合GML 生产率指数测算得到我国278 个地级市的GTFP。

（1）投入指标：本文在资本存量和劳动投入指标的基础上加入了能源投入。 资本投入，采用资本存量表示，本文基于张军等［25］的研究方法，采用“永续盘存法”， 对全国278 个地级市的资本存量进行估算，表示为Kj,t=(1-δ)Kj,t-1+Ij,t，其中K 和I 为资本存量和固定资产投资，j 为城市，t 为年份， 为折旧率，为9.6%。 劳动投入，选取各地级市城镇单位就业人员的年末人数作为指标。 能源投入，采取各地级市全社会用电量来衡量。

（2）产出指标：期望产出，采用以2011 年为不变价的各地级市GDP（gross domestic product）作为指标。 非期望产出，借鉴彭小辉等［26］的做法选取各城市工业烟尘排放量、 废水排放量、SO2排放量为非期望产出指标。

经过软件测得的GTFP 是其增长率而非真实值，参照多数学者做法假设基数年的GTFP 指数为1，通过连乘历年的ML 指数得到下一年的GTFP。

2.解释变量：INT

数字经济指数（INT）的测度国内尚未有统一的测度方法，学者往往根据自己研究的侧重点对数字经济指数进行单变量测算或综合指标的测算，单变量指标的获取虽然简单方便，但无法科学的、客观的、全面的反映数字经济的发展水平。 本文借鉴黄群慧［27］和郭峰［28］等的做法将互联网普及率、相关从业人员情况、相关产出情况和移动电话普及率和北大数字普惠金融指数这五个指标通过熵权法得到数字经济指数。

3.控制变量

本文将人均GDP、外商直接投资、环境规制、人力资本、研发投入、财政分权、政府干预作为控制变量。人均GDP（GDP）：用各地级市人均GDP 来表示；外商直接投资强度（FDI）：用各地级市历年实际利用外商投资额与地区生产总值的比重来表示；环境规制（HJGZ）：将工业二氧化硫去除率、一般工业固体废物综合利用率、 生活垃圾无害化处理率、污水处理厂集中率、 工业粉尘去除率通过熵权法得到；人力资本（JY）：用各地级市高校老师数与高校学生数的比值来表示；研发投入状况（R&D）：用科学支出占地区生产总值的比重来表示； 财政分权（CZFQ）：用预算内收入比上预算内支出来表示；政府干预（ZFGY）：用预算内支出占地区GDP 总值的比重来表示。

4.中介变量

本文将产业结构合理化（TL）和产业结构高级化（TS）设为中介变量。产业结构合理化和产业结构高 级 化 分 别 借 鉴 干 春 晖［29］和 陈 保 启［30］等 的 做 法 计算得出。产业结构合理化的计算方法如下：

其中TL 代表产业结构合理化，Yi表示第i 产业的产值，Y 表示三产总值，Li表示第i 产业的从业人员数，L 表示三产从业人员总数。产业结构高级化的计算方法如下：

其中TS 代表产业结构高级化，yi表示第i 产业产值占总产值比重，i 代表第i 产业。

（三）数据来源说明

为了数据口径的统一性，本文剔除部分城市以及港澳台等地区数据， 选取了2011—2019 年中国278 个地级市全市的数据作为样本进行研究。 为了剔除价格因素的影响， 价格指数折算成以2011 年为基期的可比价格，价格平减指数来自于《中国统计年鉴》。 以上数据均来自于《中国城市统计年鉴》 、各省市历年统计年报、EPS 数据库、WIND 数据库、《中国科技统计年鉴》、《中国环境统计年鉴》。 所有变量说明如表1 所示。

表1 变量说明

三、实证结果与分析

（一）描述性统计

表2 是各变量的描述性统计结果。 整体来看，各变量间极差较大，各城市之间的发展状况存在较大差异。 具体来看，绿色全要素生产率整体处于初级阶段，只有少数城市处于高水平绿色全要素生产率，我国城市的绿色发展道路任重而道远。 产业结构合理化和产业结构高级化也存在升级进程差异，部分城市已加快产业升级步伐，另外部分城市产业升级才还处于初级阶段。数字经济指数表明我国存在“数字鸿沟”现象，数字经济影响程度不一致；人均GDP 的差异表明我国存在贫富差距， 但经济差距很小；地理位置因素、城市产业类型均可导致外商投资额的不一致。 环境规制整体处于起步阶段，有的地方政府实施较严格的环境规制政策，而有的地方政府为了促进经济发展不得已在环境政策上做出让步。研发投入的差异可能是城市定位不同所致， 高新技术产业密集的城市可能会加大研发投入，而资源型、旅游型城市等对研发投入需求不高的城市就可能不重视研发投入。教育资源也存在分布不均的现象，如何让教育资源匮乏的地区得到政策倾斜是国家需要考虑的问题。财政分权指标显示各城市由于财政税收收入的差异导致支出也存在较大差异。政府干预程度的差异表明地方政府利用宏观政策积极引导市场良性发展的意愿是否强烈。

表2 变量描述性统计结果

（二）基准回归结果

本文运用双向固定效应对数据进行逐步回归，同时为了消除异方差影响， 采用了稳健标准误处理。 在回归前进行了豪斯曼检验，结果强烈拒绝原假设，说明适用固定效应回归，估计结果见表3。

从表3 看， 在逐步加入控制变量的过程中，数字经济指数系数一直保持正数且通过了1%的显著性，回归结果具有稳健性，说明数字经济的确促进了城市的绿色全要素生产率，H1 得到验证，也从侧面反映了控制变量的选取是合理科学的。在加入控制变量政府干预后，数字经济指数的影响系数从10%至11%之间下降至7.30%，这说明控制变量政府干预阻碍了数字经济对城市GTFP 的促进作用。城市经济发展对城市GTFP 的发展也是正向影响，影响系数约为11%至12%。 外商投资显著阻碍了城市GTFP 的发展，由于产权保护和吸收能力的差异， 外商直接投资未必会促进东道国的经济增长，可能的原因是由于外来资金更愿意投资已经成熟的传统产业，这些资金帮助企业更换新设备，在一定程度上提升了生产效率， 导致传统产业并不会寻求技术突破，因此会阻碍GTFP 的进步，冯严超等［31］也认同这样的观点。环境规制也同样阻碍GTFP 的发展，但统计上不显著，可能导致的原因是地方政府的治理力度超过经济能力增长的最大值，虽然能够降低非期望产出但也同时加重了环境制约的成本，此种状况下经济发展和环境质量很难实现双赢，这与黄庆华等［32］的研究结论相同。 人力资本对于GTFP的促进作用不明显，这与赵领娣等［33］实证结果相似，原因可能有高素质劳动者很难将知识储备有效转化到实际生产领域且相关人才并非就职于有利于绿色经济发展的岗位。研发投入的正向促进作用从不显著到显著，说明了研发投入是需要各项生产要素组合才能显现， 只有各项生产要素配置到位后， 研发才能促进绿色技术的开发， 提高城市GTFP，实证研究结果符合经济学常识。 财政分权不利于城市GTFP 的发展， 原因在于财政分权增强地方政府的经济和政治自治权利，宏观调控政策实施效果受到影响，阻碍了资源配置效率的提升，产生较大的环境负外部性，阻碍了城市GTFP 的增长。 政府干预也显著阻碍了城市GTFP 的进步，这可能因为过多政府干预会影响解决环境公共物品的效率，由此带来的外部市场失灵问题会阻碍城市GTFP 的发展。

表3 基准回归结果

（三）影响机制检验

本文从产业结构合理化和产业结构高级化两个维度来验证数字经济对GTFP 的影响机制，检验结果见表4。 模型（1）（3）（5）的被解释变量是GTFP，模型（2）的被解释变量是产业结构合理化，模型（5）的被解释变量是产业结构高级化。

表5 Bootstrap 法检验结果

产业结构合理化。 从模型（2）（3）来看，数字经济对产业结构合理化是正向影响，但产业结构合理化对GTFP 的正向影响未通过显著性检验，继续用bootstrap 法（表5）检验中介效应，发现产业机构合理化对GTFP 的间接效应和直接效应分别是0.005 52 和0.001 62， 且均未通过5%的显著性检验，故不能拒绝原假设，因此产业结构合理化的中介效应不成立，即数字经济促进了产业结构合理化，但产业结构合理化未显著影响GTFP 的发展，这也与刘绮莉［34］和于光妍［35］等的研究结果相似。

表4 中介效应结果

产业结构高级化。从模型（5）来看，产业结构高级化和数字经济指数均通过1%的显著性检验，可以认为产业结构高级化存在部分效应。具体来看数字经济对GTFP 的直接效应为0.040 9， 间接效应为0.023 8， 而总效应为直接效应和间接效应之和0.064 8。 H2 得到验证即数字经济通过产业升级中的产业结构高级化推动GTFP 的发展。

（四）稳健性检验

表6 二阶段最小二乘法回归结果

本研究为核心解释变量数字经济指数选取合理的工具变量（历史人均本地电话用户数、数字经济指数一期滞后项）来解决内生性问题。 选择这两个工具变量的原因如下：一是数字经济作为信息技术未来发展方向，当地历史上的通信设施会从后期维护和使用习惯等影响到未来信息技术的发展；二是传统通信设备如固定电话对经济发展的影响随着移动电话的普及而逐渐退出应用市场，满足外生性要求。 二阶段最小二乘法的回归结果如表6 所示，（1）（2）分别是以历史人均本地电话用户数和数字经济指数的一期滞后项作为工具变量。

从表6 可以看出，在加入工具变量后数字经济依旧对GTFP 产生了正向促进作用， 且均通过1%的显著性检验。 此外，在“工具变量识别不足”检验中，LM 统计量通过1%显著性，所以不存在工具变量识别不足的问题；在“工具变量弱识别”检验中，Wald F 统计量远远大于Stock-Yogo 弱识别检验10%水平上的临界值。上述稳健性检验结果表明工具变量历史人均本地电话用户数和数字经济指数一期滞后项的科学性。

四、结论及政策建议

本文主要结论如下：第一，数字经济显著正向影响城市GTFP，人均GDP、研发投入对城市GTFP存在显著正向影响，而环境规制、政府干预和外商投资对城市GTFP 存在显著负向影响。 人力资本对城市GTFP 是促进作用、财政分权对城市GTFP 是抑制作用，但两个变量在统计上不显著。第二，数字经济通过产业结构高级化推动城市GTFP 的发展。数字经济虽然提升了产业结构合理化，但产业结构合理化对城市GTFP 的影响却不显著。

综合上述分析，本文提出如下政策建议：第一，提升数字经济这一角色在促进城市绿色发展中的地位。 研究表明， 数字经济水平有利于促进城市GTFP 的发展， 因此要提高政府对数字经济的重视程度。政府应充分借助数字经济加大对地区绿色发展的引导，在充分考虑地区发展实际情况的基础上实施环境考核政策，避免环境成本高于经济产出造成GTFP 的倒退。 第二，加强数字经济的渗透能力，加快数字经济的下沉速度。只有数字经济发挥规模效应之后，才能显著提升城市GTFP，因此要深化数字经济与传统产业的融合， 帮助传统产业数字化、智能化，丰富数字知识和数字真正应用场景，推动城市GTFP 提升。 第三，推动产业结构高级化，促进城市绿色发展。 研究表明，产业结构高级化才能推动城市GTFP 的发展， 政府要优先发展先进制造业，积极参与全球先进价值链的分工，鼓励绿色技术创新，逐步淘汰产能低、能耗高的重污染企业，同时也要重点扶持手握关键技术和示范效应强的企业，打通上下游供应链，助力城市GTFP 的发展。