大数据助推天津传统制造业绿色发展的实证研究

◎文/吴爱东 王 菲

天津作为传统老工业基地，如何从过去的主要依靠资源和低成本劳动力等要素投入向创新驱动转变，树立新发展理念，加快新旧动能转换，一直是天津努力的方向。近年来，受产业结构偏重偏旧、新动能增长点“青黄不接”、民营经济发展滞后等因素影响，天津经济进入优化经济结构、转换增长动力的攻关期。在天津经济由高速增长阶段转向高质量发展阶段过程中，应探寻以生态优先、绿色发展为导向的高质量发展的新机制、新动能和新路径。党的十九届五中全会对加快数字化发展作出全面部署，提出“推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。天津在全力构建“1+3+4”产业体系，打造智能科技产业+三大新兴产业（生物医药、新能源、新材料）+四大优势产业（航空航天、高端装备、汽车、石油石化）的同时，传统制造业的转型升级和绿色发展将成为天津经济转型升级的重要基石。大数据是数字经济时代的代表性技术，将推动制造业由自动化、信息化向智能化、服务化和绿色化转型。而生产工具和工艺过程的更新是科学技术由知识形态向物质形态及直接的生产力转变的基本途径。本文将视角距焦于数字经济中的大数据与天津的传统制造业，探寻大数据是否可以成为天津传统制造业绿色发展的机遇，为天津传统制造业绿色发展带来新的动力，在此过程中大数据起着什么样的作用？大数据是否能够助推天津传统制造业绿色发展？本文选取11个传统制造业行业为研究对象，同时构建大数据发展指数，考察大数据发展程度对天津传统制造业绿色发展的影响，力求为促进天津传统制造业的经济增长动能转换和绿色转型路径提供有价值的数据和对策建议。

一、文献综述

近年以来，随着大数据作为一种技术、一种要素、一种产业的逐渐发展，越来越多的学者研究了大数据、制造业转型升级与绿色发展之间的关系。

在理论方面，许宪春等根据我国为适应人民对美好生活向往的需要的现状，认为绿色发展是中国发展的必然选择；而大数据的迅速发展给中国绿色发展提供了一种重要途径。房建奇，沈颂东，亢秀秋认为大数据时代的到来，为我国提供了新的生产率增长模式，也为我国制造业转型升级开辟了新思路和新途径。大数据可以通过个性化定制、智能化生产、网络化协同和精益化管理来实现制造业转型升级和高质量发展。李辉认为大数据是以数据流为基础，大数据将技术流、物质流、资金流和人才流有效整合，为产业优化发展提供了新路径。王永龙等认为制造业高质量发展是引领我国经济高质量发展的关键。目前的主要任务是探索数字化转型发展新模式、新业态，充分利用大数据等工具，解决制造业对低成本劳动力等传统生产要素的依赖，实现传统制造业的变革。辛璐、唐方成认为大数据是推动制造业企业创新发展的重要战略资源。徐颖，李莉认为大数据时代，其对制造业的影响是越来越明显的。把握大数据时代带来的机遇，正确合理地进行传统制造业的转型升级尤为重要。孙明华从天津的角度出发，认为坚持创新驱动、智能转型、强化基础和绿色发展是我国制造业转型升级的唯一途径。目前，天津想要推动制造业的高质量发展就必须要推动“两化”融合，加速企业转型升级。

在实证方面，李成刚根据柯布-道格拉斯生产函数，建立了评价大数据发展的指标体系，主要利用主成分分析法评估我国大数据发展水平。吕明元等学者构建了大数据发展的指标体系，得到了大数据发展指数。而关于制造业绿色发展的指标，国内外学者多于使用绿色全要素生产率的方式来衡量。

根据上述分析可知，国内学者对于大数据与制造业发展，或大数据与绿色发展之间的相关性的研究较多。本文将以特定区域，即以天津为基础，从大数据是否以及如何能够促进制造业绿色发展的角度出发，构建大数据发展指数与衡量天津传统制造业绿色发展的绿色全要素生产率指标，建立计量模型，通过实证分析其二者之间的相关性。

二、实证研究设计

（一）数据来源

基于我国大数据的发展历程和数据可得性，本文选取了2009—2018年天津的时间序列数据。天津11个传统制造业行业绿色发展的绿色全要素生产率指标的相关数据主要来源于相应年份的《中国统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》《天津经济年鉴》以及相关统计局网站；大数据发展指数构造的相关数据主要来自历年《中国互联网发展报告》《中国互联网络发展统计调查》《中国信息年鉴》《中国电子信息产业统计年鉴》以及相应年份的《中国软件和信息服务业发展报告》《中国京津冀大气污染防治行业现状分析与发展前景研究报告》《天津市环境污染治理投资和构成情况数据专题报告（2018）》等相关行业发展报告；此外，由于部分数据缺失，文章数据选取也参考了《中国大数据与实体经济融合发展白皮书（2019）》，对于无法获取的数据本文采取了插值法对数据进行了估计。

（二）变量选取及描述性统计

1.指标选取

（1）核心解释变量是大数据发展程度指数BDI（Big Data Index）。参考吕明元等学者与中国电子信息产业研究院发布的《中国大数据区域发展水平评估白皮书（2019）》中的区域大数据发展评估体系，从以基础环境指数为标准的大数据发展环境和以产业发展指数、行业应用指数为标准的大数据发展水平两方面综合评价天津近十年的大数据发展程度。参考吕明元学者的研究，选取三个度量方式：互联网普及率、软件和信息技术服务收入占GDP比重与电子信息制造业工业产值占GDP比重，按三项指标对大数据发展的重要程度，分别以0.5、0.25、0.25的权重赋值，综合计算得到大数据发展指数BDI。

（2）被解释变量是天津11个传统制造业行业绿色发展指标。以绿色全要素生产率指 标 GTFP （Green Total Factor Productivity）来衡量，参考袁宝龙（2018）、张小筠（2020） 等 的 研 究， 利 用2009—2018年的天津11个传统制造业行业数据，采用DEA-Malmquist中的DDFGML模型并借助MaxDEA7.0软件进行绿色全要素生产率测算，选择投入指标、期望产出和非期望产出三个影响指标。①投入指标：第一，资本投入：选用了天津2009—2018年11个传统制造业行业（即农副食品加工业，食品制造业，酒、饮料和精制茶制造业，纺织业，纺织服装、服饰业，皮革、皮毛、羽毛及其制品和制鞋业，木材加工及木、竹、藤、棕、草制品业，家具制造业，造纸和纸制品业，印刷和记录媒介的复制业，文教、工美、体育和娱乐用品制造业）企业年度新增固定资产来计算；第二，劳动力投入：选用了天津2009—2018年11个传统制造业行业规模以上企业的平均用工人数来计算；第三，能源投入：选用天津11个传统制造业行业主要能源煤炭的年均消费量计算得出。②期望产出：本文的期望产出参考刘淑茹（2020）等对于绿色全要素生产率的计算和定义方法。使用天津2009—2018年11个传统制造业行业规模以上制造业企业的年度工业总产值来计算。③非期望产出：由于数据的可得性，本文选取了天津年度工业废水排放量与天津年度工业废气中SO2排放量两个非期望产出指标。以2009年为基期，故2009年绿色全要素生产率等于1，通过模型计算得到Malmquist指数，即绿色全要素生产率的变化率，因此其余年份根据公式GTFPt=GTFPt-1*MIt计算得出。

（3）其他可能影响天津传统制造业绿色发展的控制变量。①环境规制ER（Environmeatal Regulation）。环境规制一直被认为是产业绿色发展中一个重要的因素，并且其对绿色全要素生产率也发挥着比较复杂的作用机制。本文参照多数学者对环境规制的设定，并且根据本文的特点将其定义为天津历年工业污染物投资额占11个传统制造业行业历年工业总产值的比重，计算得到环境规制指数。②经济发展水平 GDP （Gross Domestic Product）。一般而言，经济发展水平较高的地区，对绿色发展的关注越强，不论是国家还是地方政府对区域制造业绿色发展的要求也就越高，因此制造业的绿色发展水平会较高。本文选用天津地区生产总值指数中的第二产业增加值指数来代替表示其制造业经济发展水平。③能源消耗ENS（Energy Consumption）。城市的能源消耗与城市不同产业的绿色发展有着必然的联系。根据近十年天津雾霾的情况，本文将能源消耗定义为天津传统制造业行业标准煤的消耗占城市人均GDP的比重来衡量能源消耗指数。

2.变量的描述性统计

（1）天津2009—2018年大数据发展水平

图1为天津2009—2018年大数据发展水平的三个指标的变化趋势，其中黑色指数如图例所示为天津2009—2018年互联网普及率，比率1表示软件和信息技术服务收入占天津年度GDP比重，比率2表示电子信息制造业工业产值占GDP比重。根据赋值方式计算得到的BDI趋势图如图2。

（2）天津绿色全要素生产率GTFP

根据DEA-Malmquist中的DDF-GML模型，加入了非期望产出，绘制了天津传统制造业行业绿色全要素生产率的趋势图如图3。

（3）BDI及其他控制变量的描述性统计

图1 天津2009—2018年大数据发展水平

图2 天津2009—2019年大数据发展水平BDI

经过上述图1、图2、图3的分析，笔者将对核心解释变量大数据发展水平BDI与其他控制变量中的环境规制ER、经济发展水平GDP、能源消耗ENS进行描述性统计，包含了平均值、标准差、最大值、最小值等的描述性统计结果如表4所示。

（三）模型建立

在进行某些解释变量被其他因素所影响的实证分析时，回归模型通常是首选，本文主要分析大数据发展程度BDI对天津传统制造业绿色发展的绿色全要素生产率GTFP的影响。为了消除所得的样本数据中存在的潜在异方差的影响，本文对各个变量取对数处理，因此设定回归模型为：

其中，GTFPt表示第t年天津传统制造业绿色发展的绿色全要素生产率指标；BDIt表示第t年天津的大数据发展水平；β表示解释变量也就是影响因素的系数；GDPt、ERt、ENSt表 示 其 他 控制变量，γ、δ和μ表示其影响系数；εit是随机误差项。在模型（1）中若大数据发展程度BDI的系数β在统计上显著为正数，则说明天津的大数据发展对当地传统制造业绿色发展有明显的助推作用。

图3 天津2009—2018年11个传统制造业行业绿色全要素生产率GTFP

表4 变量的描述性统计

三、实证结果与分析

因为本文选取的数据为2009—2018年天津的时间序列数据，时间序列数据通常存在不稳定的特点，如果直接进行回归统计容易出现伪回归，因此笔者将对五个变量进行ADF检验，检验结果显示：本文所选取的五个变量在进行了对数处理后有四个变量达到了水平平稳，且通过了ADF平稳性检验，但能源消耗指数ENS不能满足一阶平稳的假定，且无法与其他四个序列同阶单整，因此将此变量剔除，使用满足了建立模型前提条件的其他四个变量进行模型的设计。

并且，在对文中各变量构成的回归模型（1）做初步回归后，发现回归模型整体是显著的，但出现了单个参数检验不显著的情况，因此可以初步判断模型可能存在多重共线性的问题。而方差膨胀因子（VIF）是检验回归方程是否存在多重共线性的有效方法之一，笔者利用其对各变量进行了多重共线性检验，发现核心解释变量大数据发展程度指数BDI、其他控制变量中经济发展水平GDP的VIF值均较大，进一步证实了模型存在多重共线性问题，因此笔者采用逐步回归法对模型进行修正和调整。调整过程中发现，由于GDP的引入会导致其他解释变量的显著状态改变，因此可以认为控制变量经济发展水平GDP因素在本模型中影响程度微弱，可以视为干扰变量将其进行剔除。将GDP剔除后的最优回归方程设定为：

其中各个变量解释的定义与方程（1）相同，根据所得的最优回归方程，使用Eviews10.0对其进行回归操作，即得到最优回归结果，如表5。

根据表5可知大数据发展指数的系数为正，即大数据发展水平与传统制造业绿色全要素生产率存在显著的正相关关系，并且在5%水平上显著，样本可决系数R2为76%，基本证实本文的研究假设；其次环境规制的系数为负，表明环境规制与制造业绿色发展的绿色全要素生生产率之间存在着负相关关系。因此盲目加强环境规制并不能提高绿色全要素生产率，从而促进天津传统制造业绿色发展。

表5 最优回归结果

四、结论与政策建议

本文以天津2009—2018年省级时间序列为基础，采用了DEA-Malmquist中的DDF-GML模型并借助MaxDEA7.0软件进行天津11个传统制造业行业绿色全要素生产率的测算，计算了天津的大数据发展指数；并使用Eviews 10.0对模型逐步回归，考察大数据发展水平对天津传统制造业绿色发展的影响。研究结果表明：首先，大数据发展指数与制造业绿色发展的绿色全要素生产率之间存在显著的正向相关关系，即大数据发展水平可以在一定程度上助推天津传统制造业绿色发展。这进一步表明，大数据与实体经济融合发展的战略，不仅能够催生新兴战略性产业，还能够促进传统制造业的绿色发展；其次，最终回归模型中的样本可决系数R2为76%，表示被解释变量天津11个传统制造业行业绿色全要素生产率改变的76%可以由解释变量大数据发展水平所影响和解释。从统计学的角度出发，这是一个具有统计学意义的合理模型，但是从经济学的角度出发，76%的样本可决系数代表大数据发展程度与天津传统制造业的绿色全要素生产率之间的相互影响关系是比较相关而不是高度相关的。这与大数据目前在天津的发展水平有着紧密的联系，大数据发展对天津的传统制造业的绿色发展的影响已经初见端倪，而天津目前大数据发展的水平、大数据与传统制造业的融合都存在一定的发展空间。

因此可以从本文的研究中得出结论：大数据发展水平在一定程度上可以助推天津传统制造业绿色发展，但仍有一定的局限性。基于上述研究结果，为了响应国家发展战略规划，同时为了提高大数据发展对天津传统制造业绿色发展的助推作用，减少其局限性，本文提出如下政策建议。

第一，对于以大数据为主要内容之一的数字经济的发展，政府部门应当予以高度重视。京津冀地区作为全国大数据发展的核心区域之一，不仅拥有全国顶尖的企业和人才，而且拥有巨大的数据体量，这一优势条件可以为天津大数据产业的发展提供巨大的市场空间。因此政府部门要抓住京津冀协同发展的机遇，迎接大数据促进传统制造业高质量发展、绿色发展所带来的挑战。充分利用京津冀地区的资源和市场，鼓励促进大数据相关技术的实现，引进和培育人才，推进传统制造业企业对于大数据技术的应用，助力大数据环境下的天津传统制造业的绿色发展。

第二，从宏观角度来看，政府部门应长期贯彻落实绿色理念，积极扶持传统制造行业的绿色发展，想要实现大数据对于传统制造业的促进作用，其根本落脚点在于绿色发展。绿色发展是目标，大数据推动是手段。因此政府部门应当利用大数据技术与大数据产业，落实其生态环境的监管任务，提升政府治理能力，保障政府决策的科学性。同时进行创新激励，鼓励传统制造业企业加大绿色研发投入。

第三，在微观企业方面，传统制造业企业应以大数据快速发展为契机，增强产业链的各个环节对于大数据技术的应用，实现个性化制造，提高生产效率，实现绿色生产。通过将大数据分析与管理技术等应用于传统制造业，充分发挥平台引流、集聚和配置资源功能。推动企业实现需求精准响应、实现传统生产方式数字化转型、实现从研发到制造，从利用生产要素到实现生产产品的整个产业链的各个环节，尽可能地渗透新资源，使用新技术，从而实现制造业企业的绿色发展。