数字经济缩小城市间绿色发展差距的逻辑与效应

郑 威，陆远权

（1.贵州财经大学大数据应用与经济学院，贵州 贵阳 550025；2.北京大学经济学院，北京 100871；3.贵州省社会科学院，贵州 贵阳 550002；4.重庆大学公共管理学院，重庆 400030）

一、引言

党的二十大报告明确提出，要“推动绿色发展”，“加快发展方式绿色转型”。在资源环境约束日益趋紧、环境承载能力达到或接近上限的形势下，绿色发展是我国突破发展瓶颈、实现经济发展模式转变、全面建设社会主义现代化国家的重要路径与内在要求。随着以信息与通信技术为基础的数字技术的迅猛发展，数字经济逐渐成为驱动绿色技术创新、加快发展方式绿色转型的新引擎与新动能[1]。得益于数字技术群落的全方位场景渗透，数字经济立体放大了技术与信息延展空间，消弭了城市间绿色发展活动的时空边界，为绿色循环利用技术与污染物治理技术的推广应用提供了信息交互渠道，并促进了绿色技术研发、绿色产业链建设、绿色交易市场部署、政府环境管制策略等的跨区域传递，有助于推进城市间绿色技术多元合作与绿色发展经验共享，从而缩小城市间绿色发展差距。那么，在数字经济蓬勃发展并不断释放强劲动能的背景下，数字经济对城市间绿色发展差距的缩小效应究竟是否成立？倘若成立，数字经济又是通过何种机制推进城市间绿色协调发展的？对于上述问题的研究兼具理论诠释意义与实践参考价值。

目前，已有学者注意到数字经济与绿色发展的关系问题，并探讨了数字经济对绿色技术创新[2][3]、绿色消费行为[4]、绿色经济效率[5]、污染减排[6]等的影响，但直接聚焦研究数字经济如何作用于城市间绿色发展差距的文献较为匮乏。尽管魏丽莉和侯宇琦[7]探讨了数字经济对城市绿色发展的影响效应及异质性表现，但并未揭示数字经济影响城市绿色发展的作用机制。韩晶和陈曦[8]虽然考察了数字经济赋能城市绿色发展的中介渠道，但并未探究数字经济是否会缩小城市间绿色发展差距，也未将城市间绿色发展可能存在的空间相关性纳入理论与实证分析框架，系统探讨数字经济对城市绿色发展空间收敛的影响及其作用机制。鉴于此，本文将从以下几个方面进行拓展研究：第一，厘清数字经济影响城市间绿色发展差距的理论逻辑，既诠释数字经济对城市间绿色发展差距的缩小效应，又侧重从绿色技术进步与绿色技术效率角度，阐述数字经济对城市间绿色发展差距的机制效应，试图为城市间绿色发展差距研究提供新的理论方向。第二，在空间收敛视角下，以城市作为基本研究单元，实证检验数字经济对城市间绿色发展差距的影响效应，为推进数字经济建设以及助力城市间绿色协调发展提供新的实证依据。第三，进一步探究数字经济缩小城市间绿色发展差距的作用机制及区域异质性，为设计数字经济赋能城市间绿色协调发展的具体路径提供政策参考。

二、理论逻辑与研究假设

（一）数字经济与城市间绿色发展差距：直接效应分析

在数字经济背景下，城市间数字经济关联日益紧密，联通可达的数字经济网络初步形成。数据要素作为数字经济的核心引擎，有助于促进城市间绿色发展的关联要素转化为数据资源；或被数字赋能，成为驱动城市间绿色资源传递与共享的新动力。与此同时，依据区域非均衡发展理论与梯度经济理论[9]，随着城市间绿色技术研发、绿色产业链建设、绿色投资及绿色消费等的跨区域传递，高梯度城市（绿色发展水平较高地区）更容易将绿色发展项目或绿色成果产出扩散或转移至低梯度城市（绿色发展水平较低地区），并带动低梯度城市绿色发展水平提升，从而缩小低梯度城市与高梯度城市的绿色发展差距。具体而言，数字经济可以从以下两个方面直接影响城市间绿色发展差距。

一方面，数字经济以数字化的知识及信息作为关键生产要素，以现代信息网络或数字化平台作为重要载体[10]，不仅串联起“设计—生产—组装—供应—销售—服务”的绿色产品全生命周期，大幅度降低了传统工业生产对有形资源与能源的过度消耗，缓解了低梯度城市绿色发展要素匮乏的约束，助力低梯度城市顺利承接高梯度城市的绿色产业转移及投资；而且有利于破除传统经济发展模式下因时空错位所导致的信息不对称风险或要素流动壁垒[11]，实现绿色全产业链跨区域高效运转与绿色资源高效利用，并通过示范效应或溢出效应促进绿色新兴产业资本、绿色技术人才等要素资源涌入低梯度城市，为低梯度城市追赶高梯度城市提供有利条件，促进低梯度城市绿色生产转型发展，从而缩小城市间绿色发展差距。

另一方面，数字经济所催生的共享经济、平台经济等新业态，既能够依托绿色认证标准向低梯度城市宣传绿色环保产品，增强消费者对绿色消费模式的认同，不断消弭低梯度城市与高梯度城市绿色消费的时空距离；又可以通过挖掘用户消费数据为消费者匹配更具个性化的产品或服务，减少资源和服务浪费，并倒逼供给端的绿色低碳产品升级，从而提升城市绿色发展水平。在数字经济持续向需求端与供给端融合渗透，以及高梯度城市扩散效应与低梯度城市“干中学”效应相互叠加的影响下，低梯度城市依托广阔的绿色消费空间与绿色生产潜能，拥有了绿色发展的后发优势，绿色发展水平快速提升，其与高梯度城市间的绿色发展差距渐趋缩小。基于以上分析，本文提出研究假设1：

假设1：数字经济对城市间绿色发展差距具有缩小效应。

（二）数字经济与城市间绿色发展差距：机制效应分析

城市绿色全要素生产率作为衡量城市绿色发展水平的重要指标[12]，可为探究数字经济影响城市间绿色发展差距的作用机制提供逻辑参考。Fare等将绿色全要素生产率分解为绿色技术进步与绿色技术效率[13]。绿色技术进步是指以绿色技术为导向的技术自主创新或绿色技术引进模仿等引发的“生产可能性前沿面”向外移动，实现“增长效应”；绿色技术效率是指在当前绿色技术水平下，通过改善绿色资源配置效率，推动投入产出模式向“最佳生产前沿面”逼近。鉴于此，本文将从绿色技术进步与绿色技术效率两个方面探究数字经济影响城市间绿色发展差距的传导机制。

1.数字经济、绿色技术进步与城市间绿色发展差距

数字经济为绿色技术的加速传递和持续改进提供了重要条件。其一，在垂直溢出效应方面，数字经济借助数字生态网络，以虚拟集聚等形式实现上下游产业链的资源整合[14]，产业链条中的各类企业可以利用数字网络平台获得环保知识，增强绿色技术创造力，共同推动绿色技术进步与企业绿色化转型[15]。其二，在水平溢出效应方面，数字经济背景下“大数据+算法+算力”三要素融合，有利于破解传统经济发展范式下因时空错位所带来的信息不对称问题，促进绿色投资、绿色技术、科技人才等的充分流动，助力市场主体更加便捷地利用有效信息进行绿色技术模仿或创新。其三，在融资约束缓解效应方面，绿色技术研发需要整合产品的功能属性与绿色属性，相较于其他研发项目，其研发成本更高昂、研发风险更大、融资约束更严重[16]。而数字经济催生了具有天然绿色属性与技术优势的数字金融，可为绿色技术项目提供多渠道、多元化的灵活融资，从而打破融资壁垒。其四，在多主体协同效应方面，数字经济有利于激发数字政府效能，推动构建政府、市场和社会等多元主体协同共治格局[17]，为绿色技术研发活动提供优质的营商环境与有力的政策保障，有助于推进绿色技术进步。与此同时，随着绿色技术持续改进及城市间绿色技术外溢速度加快，高梯度城市的绿色发展边际收益率递减，高梯度城市向低梯度城市转移绿色产业或绿色投资的需求日益增强，绿色成果产出也更容易扩散或传播至低梯度城市。低梯度城市依托自身后发优势逐渐提升绿色发展水平，从而缩小与高梯度城市的绿色发展差距。基于此，本文提出研究假设2：

假设2：数字经济通过推动绿色技术进步进而缩小城市间绿色发展差距。

2.数字经济、绿色技术效率与城市间绿色发展差距

数字经济对绿色技术效率的影响可通过纯技术效率、规模效率、制度效率及协同效率等功能的发挥来识别。一是纯技术效率的发挥。数字经济通过区块链、人工智能等数字技术群落的全面渗透与共享，实现了数据的自由链接与智能匹配，带动了绿色技术、绿色投资及绿色技能人才等要素在产业间的重组或再配置，有助于改进绿色技术效率。二是规模效率的发挥。数字经济重构全周期跨界共享价值链，不仅引致绿色产业主体在数字网络平台的虚拟集聚，产生规模经济效益[18]，推动绿色技术共享向绿色技术众创延伸，还使得绿色产业链上下游企业间的专业化协作与分工更加便捷，优化了绿色技术要素的资源配置与投入产出结构，从而提升了绿色技术效率。三是制度效率的发挥。制度效率表现为绿色技术适应数字经济环境、整合要素资源、实现绿色技术效率提升的能力。数字经济可以促进绿色低碳产业与信息通信技术相融合，催生出共享经济、智能交通、绿色消费等新型商业模式或消费方式，减少生产生活中单位产出的资源能源消耗与污染排放，有助于提高绿色技术的投入产出比率。四是协同效率的发挥。数字经济消弭了跨地区、跨部门、跨主体间的数据界限，赋能各微观经济主体深度挖掘绿色发展数据，充分释放并激发了产学研主体的群体智慧，有助于协同推进绿色治理理念、绿色技术等的市场扩散，进而改善绿色技术效率。与此同时，绿色技术效率的提升可以大幅度地降低传统工业生产对资源与能源的过度消耗，增强低梯度城市的绿色生产力与循环利用能力，助力低梯度城市承接高梯度城市的绿色产业转移及绿色投资，实现城市间绿色发展的良性传递。综上，本文提出研究假设3：

假设3：数字经济通过提升绿色技术效率进而缩小城市间绿色发展差距。

三、研究设计

（一）计量模型设定

收敛模型起初主要用于检验国家（地区）内的收入差距是否有所缩小，之后逐渐被拓展到信息与通信技术应用[19]、经济高质量发展[20]、碳排放强度[21]等领域的区域差距问题研究。为了检验数字经济对城市间绿色发展差距的影响效应，即验证研究假设1，本文借鉴Camarero 等[22]、白俊红和刘怡[23]等的研究，设定如下条件β 收敛模型：

式（1）中，UGDit指t 时期城市i 的绿色发展水平，UGDi，t-1表示滞后一期城市绿色发展水平，UGDit/UGDi，t-1表示城市绿色发展水平增长率或增速，α为常数项。β 为收敛系数，如果β 显著小于零，说明城市绿色发展具有β 收敛趋势，即城市间绿色发展差距不断缩小；如果β 显著大于零，说明城市绿色发展具有发散趋势，即城市间绿色发展差距不断扩大。X 为控制变量组，νi代表空间固定效应，φt代表时间固定效应，εit为随机扰动项。

数字经济的边界延伸与融合渗透会增强城市间绿色发展的空间联动。为了避免不考虑空间相关性可能带来的估计偏误，本文基于空间计量模型框架，进一步构建条件收敛的空间杜宾模型（SDM）：

式（2）中，DEC 表示数字经济；W 表示空间权重矩阵，本文借鉴白俊红和刘怡[23]的做法，构建地理邻接空间权重矩阵与地理距离空间权重矩阵；ρ表示城市绿色发展的空间自回归系数，反映城市间绿色发展收敛的空间依赖性；表示空间滞后收敛系数，反映邻近城市绿色发展对本城市绿色发展增速的影响。此外，借鉴沈小波等[24]的研究思路，在空间杜宾模型中考虑了空间固定效应以控制随空间但不随时间而变化的不可观测因素的影响。

（二）变量选择

1.被解释变量：城市绿色发展

考虑到绿色全要素生产率指标兼顾了资源消耗与污染排放等资源环境约束，与强调兼顾资源承载力与生态环境容量的绿色低碳循环发展理念相契合，本文参考李卫兵和李翠[12]的做法，采用绿色全要素生产率来衡量城市绿色发展水平。方向性距离函数作为不受径向限制、沿预先确定的方向向量估计决策单元相对效率的方法，不仅鼓励预期产量向生产前沿扩展，而且鼓励污染物排放向污染最小化前沿减少。因此，本文参考Chung 等[25]以及陈超凡[26]的研究，利用基于方向性距离函数的Malmquist—Luenberger（ML）生产率指数，测算2011-2020年中国277 个地级市绿色全要素生产率①，以此来衡量城市绿色发展水平（UGD），并将其分解为绿色技术进步（GTC）与绿色技术效率（GEC）。具体地，绿色全要素生产率的投入指标主要涵盖劳动要素与资本要素两个方面，分别采用各地级市年底就业人员数（万人）以及永续盘存法计算所得的资本存量（亿元）衡量；产出指标主要涵盖期望产出与非期望产出两个方面，分别采用各地级市实际地区生产总值（亿元）与PM2.5 值（ug/m3）衡量。

2.核心解释变量：数字经济

刘军、张文魁等将数字经济定义为以现代信息网络为重要载体，以包括数字技术、数字设备及数字化中间品和服务等在内的数据资源为关键生产要素，通过数字化技术提供产品或服务，促使生产者与消费者进行数字交易的新型经济形态[27][28]。可见，数字经济的内涵囊括了信息化发展、数字交易发展等维度。本文基于数字经济的内涵并结合城市层面数据可得性，借鉴黄慧群等[29]、赵涛等[30]的研究方法，重点从互联网综合发展与数字普惠金融两个维度测度地级市数字经济发展水平。互联网综合发展维度主要包括4 个指标，分别是以每百人中宽带互联网用户人数表示的互联网普及率，以计算机服务和软件业就业人员占城镇单位就业人员比重表示的互联网相关从业人员情况，以人均电信业务总量表示的互联网相关产出，以每百人中移动电话用户数表示的移动电话普及率。数字普惠金融指标主要采用北京大学数字金融研究中心和蚂蚁金服集团共同编制的数字普惠金融指数衡量，该指数由3 个维度（覆盖广度、使用深度与数字化程度）、33 个具体指标构成，覆盖广度侧重反映数字金融账户的覆盖率情况；使用深度主要体现信贷、支付、信用、保险以及货币基金等数字金融服务的业务水平；数字化程度集中度量数字金融服务获得的便利性、低成本性以及信用化状况。为了兼顾各指标的较高表现性与同等重要性，本文采用均权法对数字经济各指标分配权重，采取数据标准化的方式剔除单位限制，并依据权重分配进行加权计算，最终得出数字经济指数。

3.其他控制变量

为了全面分析数字经济对城市间绿色发展差距的影响，参考国内外相关文献对绿色发展影响因素的研究[31][32]，本文主要控制了以下变量：（1）产业结构升级（IST），以二三产业增加值之和占国内生产总值的比重表示。产业结构升级会带动绿色低碳关键技术攻关，推进绿色智慧能源产业与节能环保产业发展，为城市绿色发展水平的提升提供产业基础。（2）人力资本水平（HCP），以高等学校数量的对数表示。劳动力资源的空间联动或跨区流动，可为低梯度城市追赶高梯度城市提供有利的人才条件。（3）科技投入水平（SIN），以财政科技支出与地方财政总支出的比值衡量。城市实现绿色发展所必须的关键技术投入，离不开政府财政激励或引导。（4）引进外资水平（FDI），以人均外商投资总额的对数表征。外商直接投资可能通过产业关联、技术外溢等途径影响城市绿色发展水平。

（三）数据说明

兼顾样本数据可得性、连续性以及行政区划调整，本文选取中国大陆277 个地级市2012-2020 年的2493 个样本数据②作为实证研究对象，其中，测算绿色全要素生产率所用的数据区间为2011-2020年。实证研究中各项指标原始数据主要来源于《中国城市统计年鉴》以及各省市统计年鉴或统计公报，数字普惠金融指数数据来源于北京大学数字金融研究中心。本文对涉及货币计量的数据均进行了平减处理，以缓解价格波动对分析结果的偏误影响。为了缓解异常值对模型估计结果的不利影响，对所有连续变量均做了1%的缩尾处理。主要变量的描述性统计结果如表1 所示。

表1 主要变量描述性统计结果

四、实证检验与结果分析

（一）空间自相关性检验

在运用空间计量方法检验中国城市绿色发展收敛性之前，应先判断城市绿色发展是否存在空间自相关性，倘若存在，应采用空间计量模型进行检验；倘若不存在，则采用传统计量方法即可。本文通过测算Moran’s I 指数来检验中国城市绿色发展的空间自相关性。由表2 可知，除2014 年外，在地理邻接空间权重矩阵与地理距离空间权重矩阵下，城市绿色发展的Moran’s I 值均显著为正，这表明中国城市绿色发展存在较强的正向空间自相关性，即中国城市绿色发展水平并不是随机分布的，而是会受到地理邻近城市绿色发展的影响。进一步观察可知，2012-2020 年中国城市绿色发展的Moran’s I值整体上呈现波动上升趋势，这说明样本期内中国城市绿色发展的空间关联特征愈发明显，一定程度上也表明地理空间位置邻接或地理距离相近，加深了各城市间绿色发展要素的融合渗透及协作，城市绿色发展水平表现出更加明显的空间依赖性。这为本文进一步运用空间计量模型实证检验数字经济对城市间绿色发展差距的影响提供了统计意义上的支持。

表2 2012—2020 年中国城市绿色发展的Moran’s I 指数

（二）条件β 收敛分析

表3 分别报告了不考虑空间效应的传统条件β 收敛模型（OLS）与条件β 收敛的空间杜宾模型（SDM）的估计结果。结果显示：第一，在两种条件β收敛模型中，城市绿色发展的收敛系数（β）均显著为负，表明在样本期内中国城市绿色发展存在条件β 收敛特征，在考虑数字经济、产业结构升级、人力资本水平等因素的影响后，城市间绿色发展差距逐渐缩小并向各自稳态水平收敛；第二，加入控制变量后，空间自回归系数（ρ）以及空间滞后收敛系数（W×β）在地理邻接与地理距离空间权重矩阵下显著为正，说明在分析城市绿色发展收敛时考虑空间效应是有必要的；第三，在条件β 收敛的空间杜宾模型中，数字经济（DEC）均显著提升了城市绿色发展水平增长率，说明数字经济为低梯度城市快速追赶高梯度城市提供了重要动力，有利于城市绿色发展的空间收敛，即数字经济对城市间绿色发展差距具有缩小效应，研究假设1 得到证实。

表3 城市绿色发展条件β 收敛模型的检验结果

从控制变量的检验结果来看，产业结构升级（IST）与人力资本水平（HCP）均促进了城市绿色发展的空间收敛，有助于缩小城市间绿色发展差距。科技投入水平（SIN）对城市绿色发展的空间收敛作用并不明显，可能原因在于，低梯度城市实现绿色发展赶超所需要的关键技术无法直接通过政府科技投入转化而来，低梯度城市更需要通过自身绿色技术研发或效仿高梯度城市绿色低碳发展的先进经验来提升城市绿色发展水平。引进外资水平（FDI）在地理邻接空间权重矩阵下显著抑制了城市绿色发展的空间收敛，扩大了邻接城市间的绿色发展差距，可能的原因在于，邻接城市间的地理优势与经济发展程度较为相似，引进外资行为极易在相邻城市间引发竞争效应，导致部分城市可能以牺牲生态环境为代价过度强调引资优惠，而忽视城市间绿色协调发展。

（三）空间溢出效应分析

为了进一步考察数字经济的空间溢出效应对于缩小城市间绿色发展差距的影响作用，本文基于地理邻接与地理距离空间权重矩阵，将空间效应分解为直接效应、间接效应与总效应，分解结果如表4 所示。从数字经济（DEC）的空间效应分解结果来看，数字经济的直接效应均显著为正，这与前文条件β 收敛的检验结果一致，再一次证实研究假设1是成立的。数字经济的间接效应同样均显著为正，表明数字经济对地理邻近城市的绿色发展水平具有显著的正向溢出效应，有助于提升地理邻近城市的绿色发展水平增长率，从而增强城市绿色发展的空间收敛性，有效缩小地理邻近城市间的绿色发展差距。

表4 空间溢出效应分解结果

（四）稳健性检验

本文主要进行了如下稳健性检验：第一，考虑外生政策冲击。宽带网络作为新时期战略性公共基础设施，为推动数字经济快速发展提供了重要的网络设施支撑。因此，以“宽带中国”试点作为外生政策冲击，采用空间杜宾双重差分模型重新考察数字经济的绿色发展空间收敛效应。第二，重新测度城市绿色发展水平。在采用方向性距离函数的基础上，根据Tone[33]、何凌云和祁晓凤[34]等的研究，进一步利用非角度、非径向的考虑松弛改进的至强有效前沿最远距离函数和ML 生产率指数，重新测算城市绿色全要素生产率来衡量城市绿色发展水平。第三，更换空间权重矩阵。城市经济体的空间互动关系的形成既可能是因为地理上相邻或地理距离相近，亦可能是由于城市间经济社会的复杂联系拉近了彼此间的空间关联性。因此，本文构建经济距离空间权重矩阵与社会距离空间权重矩阵③，重新刻画城市间的空间互动关系并对前文研究内容进行检验，以减少矩阵的不同设定形式对研究结论的影响。从表5 稳健性检验结果来看，条件β 收敛系数、数字经济影响系数、空间效应分解等结果再一次证实，数字经济不仅对缩小城市间绿色发展差距具有正向直接效应，还存在积极的空间溢出效应，可以证实前文结论可靠。

表5 稳健性检验结果

五、进一步讨论：作用机制检验与区域异质性分析

（一）作用机制检验

本文拟基于前文理论分析，检验绿色技术进步或绿色技术效率的作用机制是否成立，即验证研究假设2 与假设3。机制检验仍然采用地理邻接与地理距离空间权重矩阵，并选择空间固定效应下的空间杜宾模型进行系数估计（见表6）。机制检验结果显示，城市绿色技术进步（GTC）与绿色技术效率（GEC）的作用机制既存在一致性，又表现出明显的差异性。从一致性表现来看，绿色技术进步与绿色技术效率的条件β 收敛系数、空间滞后收敛系数以及空间自回归系数的检验结果都表明，样本期内绿色技术进步和绿色技术效率同时存在空间条件β收敛特征。地理邻近城市的绿色技术进步和绿色技术效率初始值均对本城市绿色技术进步和绿色技术效率存在促进效应，不同城市之间绿色技术进步和绿色技术效率的收敛变迁进程也均存在显著的空间互动关系。

表6 机制检验结果

从差异性表现来看，在城市绿色技术进步方面，数字经济的回归系数均显著为正，说明数字经济有利于促进城市绿色技术进步，绿色技术进步是数字经济影响城市绿色发展空间收敛的重要机制，即数字经济通过推动绿色技术进步显著促进了城市绿色发展的空间收敛，进而缩小了城市间绿色发展差距，假设2 成立。在城市绿色技术效率方面，数字经济的回归系数均未通过显著性水平检验，说明绿色技术效率并不是数字经济缩小城市间绿色发展差距的重要传导渠道。该结果与前文理论分析相背离，主要原因在于，具有竞争属性的数字经济可能通过极化效应，将绿色资源高度集中于数字经济发展较好的城市，而处于绝对竞争劣势的大多数城市将会缩减绿色技术研发投入，从而削弱绿色技术的投入产出比率。与此同时，数字经济的产业链延伸与价值链重构作用可能尚未被绿色产业主体用于提升组织运作效率或改进绿色技术效率，绿色技术要素的投入产出结构并未得到明显优化。

（二）区域异质性分析

处于不同地理位置的城市，其地方政府在绿色技术创新诉求、区域绿色发展策略选择、政策目标设定等方面可能存在差异。为了进一步探究数字经济对城市间绿色发展差距的影响在地理区位不同的城市间是否存在异质性，本文将城市样本划分为东部地区城市与中西部地区城市④，采用地理邻接与地理距离空间权重矩阵，并选择空间固定效应下的空间杜宾模型进行实证考察，分区域检验结果见表7。东部和中西部地区城市绿色发展的条件β收敛系数均显著为负，说明样本期内东部与中西部地区城市绿色发展均存在空间收敛特征。从收敛速度来看，以地理邻接空间权重矩阵为例，东部地区城市绿色发展的收敛速度⑤为3.59%，中西部地区为4.60%，东部地区收敛速度慢于中西部地区⑥。可能原因在于，一方面，随着中部崛起战略与西部大开发战略的升级及持续推进，中西部地区城市的绿色发展意识逐步增强，绿色产业链建设取得积极进展，有效提升了城市绿色发展水平增长率，促进了城市间绿色发展的空间收敛性，各城市间绿色发展差距逐渐缩小；另一方面，中西部地区的碳汇资源相对丰富，绿色转型与绿色福利释放的潜力与后发优势强于东部地区，城市绿色发展呈现出赶超趋势。

表7 分区域检验结果

数字经济的回归系数显示，在中西部地区，数字经济显著促进了城市绿色发展的空间收敛，而在东部地区，数字经济对绿色发展空间收敛的影响效应并不显著。这可能是因为，城市绿色发展水平与要素资源禀赋条件、绿色信息与知识的普及性等因素有关，虽然中西部地区绿色发展初始水平低于东部地区（样本统计发现），但得益于数字经济的发展，中西部地区依靠信息与通信技术较大程度地弱化了城市间绿色要素的地理与组织边界，有效减少了城市间要素流动壁垒，加快了绿色技术、绿色知识及信息等的跨城市传播速度，并通过数字政府平台获取各级政府绿色发展策略信息，从而有助于提升中西部地区城市绿色发展水平，缩小中西部地区城市间绿色发展差距。

六、结论与建议

本文以中国277 个地级市2012—2020 年数据为样本，基于空间收敛视角，实证检验了数字经济对城市间绿色发展差距的直接效应与机制效应等。研究发现：第一，中国城市绿色发展具有较强的正向空间自相关性与空间条件β 收敛特征；第二，数字经济显著促进了城市绿色发展的空间收敛，对缩小城市间绿色发展差距既存在正向直接效应，也存在空间溢出效应；第三，绿色技术进步是数字经济缩小城市间绿色发展差距的重要机制，绿色技术效率的机制效应并未通过显著性检验；第四，中西部地区城市绿色发展的空间收敛速度明显快于东部地区，数字经济对缩小城市间绿色发展差距的促进效应在中西部地区更显著。结合研究结论，本文得到如下政策启示。

第一，逐步加深城市间绿色发展要素的融合渗透与协作，促进城市间绿色生产与绿色消费协同发展，并构建起城市间梯次联动的区域绿色发展网络，发挥城市空间联动与内外互动的强大合力，充分释放城市绿色发展的空间效应。首先，要强化绿色生产与绿色消费的联系与对接。通过践行绿色发展理念、大力推进绿色低碳循环发展、倡导绿色消费和低碳生活方式等途径，帮助城市淘汰落后产能，降低资源能源损耗，促进城市绿色化改造与升级。其次，建立城市间梯次联动的区域绿色发展网络。通过绿色产业分工和绿色发展布局，持续增强城市间政府层面、企业层面、制度层面的战略合作与统筹协调，建立城市间环境信息共享网络、资源利用监测系统与绿色发展规划体系，利用信息共享做好“联”字文章，破除阻碍城市空间联动的合作壁垒，充分发挥高梯度城市绿色产业迁移与绿色技术溢出的辐射带动作用，实现城市间经济发展与节能减排、环境保护相融合的绿色协调发展目标。

第二，因城施策优化城市间数字经济发展格局，深挖数字经济发展的数据红利与技术优势，发挥数字经济的垂直溢出与水平溢出效应，助推城市间绿色发展差距收窄。首先，基于城市数字经济发展异质性设计差异化、精准化的绿色发展路径。高梯度城市需依托数字经济的海量数据储备与完善的绿色低碳循环发展体系，加快绿色全产业链跨区域高效流动，充分利用低梯度城市的后发优势，引领城市间绿色协同发展；低梯度城市需制定与本城市资源环境承载能力相匹配的绿色发展战略，通过强化绿色发展财政资金、绿色金融等政策激励，承接高梯度城市绿色低碳技术或绿色产业链的转移或延伸。其次，妥善规避数字经济在绿色要素方面释放出的“虹吸效应”。要达到这一目标，关键在于寻求数字经济与绿色发展相融合的平衡点，推动城市间绿色融合发展。具体地，低梯度城市应推动建立数字技术协同研发机制，挖掘绿色低碳技术红利，增强自身数字经济与绿色发展实力；高梯度城市应大力推进数字化与绿色化协同转型发展，最大化数字经济在绿色发展中的应用价值。

第三，重视助力城市绿色发展的各类条件的辅助作用，充分发挥产业结构升级、人力资本水平提升、绿色科技投入增长等因素的绿色发展效应，系统推进城市绿色低碳转型。首先，扭转城市间绿色产业的非均衡发展态势。低梯度城市可侧重出台鼓励清洁能源利用、提升能源效率、降低碳排放的绿色发展政策，接通城市绿色产业链的断环和孤环，构建全链条、全要素、大融合的绿色低碳产业发展体系；高梯度城市可以向绿色产业链的上下游拓深延展，承担起促进上下游企业间合作与整合的重担，协调好企业与用户、企业与供应商以及产业链内部各环节的关系，助力城市间绿色产业发展形成良性循环。其次，严格贯彻绿色发展规划，分阶段、分层次地培养或引进掌握先进绿色低碳技术的创新型科技人才，积极引导高层次绿色技能人才向企业流动，充分调动环保企业的绿色生产积极性。此外，仍需持续增加对新环保技术、清洁能源及新能源技术等绿色技术的研发资金投入，加速替代传统化石能源消耗，不断推进城市绿色制造，实现城市绿色高质量发展。

注：

①测算得到的ML 生产率指数为环比改进指数，为了保证面板数据处理的一致性，本文参考陈超凡的方法，将其调整为以2011 年为基期的定比改进指数。参见陈超凡.中国工业绿色全要素生产率及其影响因素——基于ML 生产率指数及动态面板模型的实证研究[J].统计研究,2016,33(3):53-62.

②不包括北京、上海、重庆和天津4 个直辖市，同时剔除了来自海南、青海、新疆、西藏等《中国城市统计年鉴》中城市数量较少的省或自治区的样本。

③以城市间人均GDP 差额的倒数、人口密度差额的倒数分别作为经济距离、社会距离参数进行设定，差距越小被赋予的空间权重越大。

④东部地区包括河北、辽宁、江苏、浙江、福建、山东和广东，中西部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、四川、贵州、云南、陕西、甘肃和宁夏。

⑤根据收敛系数的估计值计算收敛速度，计算公式为s=-ln(1+β)/T，T 为样本跨期年数。

⑥在地理距离空间权重矩阵下，计算结果依旧为东部地区收敛速度慢于中西部地区。