数字经济对中国绿色能源效率的影响——基于中介和门槛效应的分析

夏子惠，古丽娜尔·玉素甫

（新疆大学 经济与管理学院，新疆 乌鲁木齐 830046）

一、引言

中国作为世界第一大能源生产和消费大国，近年来在能源技术创新发展方面取得瞩目成就。但是，中国能源安全形势依然严峻，面临着能源利用效率总体偏低等问题。2020 年中国的能源消费总量约为4.98×109tce，一次能源强度约为世界平均水平的1.5 倍。再加上中国仍处于工业化、现代化发展进程中，能源消费总量还将继续增加[1]。“十四五”规划纲要指出，要坚持推动绿色发展，做到单位GDP 能耗下降13.5%。伴随着大数据、云计算、人工智能等新一代网络技术和能源互联网等网络经济新业态、新模式的快速发展，以数字经济为驱动的生产方式与能源领域相结合，将为提高地区能源效率带来机遇。2022 年政府工作报告中明确表示，数字产业化与产业数字化齐头并进推动产业升级，以数字经济助力国家构建新发展格局。由此可见，在新发展格局背景下，数字经济能否与产业发展相融合以提高绿色能源效率成为亟需解决的问题之一[2]。

从既有研究来看，与文章密切相关的文献大致可分为以下两个方面：

一方面，关于数字经济对全要素能源效率的影响研究较少，而互联网作为数字经济的前身，在数字经济发展的初级阶段，已有的大量研究证实了互联网对地区全要素能源效率的促进作用。比较有代表性的研究有：汪东芳、曹建华(2019)[3]运用Tobit 和门槛效应模型，实证考察了互联网发展对地区全要素能源效率的影响，认为互联网发展能够显著提升地区全要素能源效率，并且这种促进作用存在非线性的网络效应。李朋林、王小丹(2022)[4]研究了能源互联网对高耗能行业全要素能源效率的影响，认为能源互联网并未呈现对高耗能行业全要素能源效率的正向作用机制。可以看出，在数字经济发展的早期，相关研究主要将互联网作为数字经济的替代指标，并不能涵盖数字经济这一整体范畴。随着数字经济的不断发展，一些学者开始关注到数字经济对能源效率的影响。例如，有研究发现数字经济促进了全要素能源效率提升，市场贸易是重要的中介传导途径[2]。也有学者发现在将政府治理作为中介变量时，将对数字经济与能源转型产生积极影响[5]。

另一方面，随着国务院印发的《2030 年前碳达峰行动方案》明确提出，要推进工业领域数字化、智能化和绿色化融合发展。相关研究逐渐关注数字经济与产业发展相融合对经济绿色发展的影响。例如，刘强等(2022)[6]从数字经济对绿色经济效率的作用机制出发进行了研究，发现相比于产业数字化，数字产业化对绿色经济效率的促进作用更强，机制检验结果表明数字经济及数字产业化能够通过优化产业结构间接地提升绿色经济效率，但产业数字化的这一作用并不显著。近期，学者们大多将研究视角聚焦到数字经济空间集聚对绿色能源效率的影响，发现数字经济空间集聚对绿色能源效率呈现倒“N”型的影响特征，产业结构发挥着重要的中介作用[7]。可以看出，数字经济对绿色能源效率的影响已经逐渐受到重视，数字经济与产业发展相融合对于实现经济绿色高质量发展具有重要意义。

通过梳理文献可知，相关研究存在以下三点值得进一步推进：第一，聚焦于数字经济对绿色能源效率的影响研究较少，已有研究集中于互联网对能源效率的影响。但数字经济的本质是数字化的知识+信息，现代信息网络和信息通信技术仅是其载体和核心推动力，并不能涵盖数字经济这一整体范畴。第二，侧重于数字经济对经济绿色发展的影响或数字经济空间集聚对绿色能源效率的影响，很少针对数字经济发展水平对绿色能源效率的影响研究。第三，缺乏将技术创新和产业结构调整作为中介变量，研究对绿色能源效率的影响机制，并考察其影响机制是否存在门槛效应。对作用机制门槛效应的检验，有利于更加清晰地呈现出各省份在提升绿色能源效率的过程中，应关注阶段性这一特征，防止“一刀切”式的治理模式。

鉴于此，文章将首先采用数据包络(DEA)方法，依据柯布道格拉斯生产函数测算绿色能源效率；其次，借鉴徐维祥等(2022)[8]的研究思路，构建指标体系，使用DEAP2.1 软件测算各省份数字经济的发展水平，并构建双固定面板回归模型以考察数字经济对绿色能源效率的影响；最后，构建中介效应和门槛效应模型以研究数字经济、技术创新、产业结构合理化和产业结构高级化对绿色能源效率的影响机制，并对影响机制进行门槛效应检验。

与已有研究相比，文章可能存在的边际贡献在于：第一，在研究视角上，与已有研究关于互联网对全要素能源效率影响的研究不同，文章以数字经济为研究对象，考察了数字经济对绿色能源效率的线性和非线性影响特征。第二，在研究内容上，文章采用中介效应和门槛效应模型系统考察了数字经济对绿色能源效率的影响机制及其门槛效应。第三，在实践意义上，不仅为进一步推进数字经济提供了经验证据，也为数字经济提升绿色能源效率提供了实证支持。

二、理论机制与研究假设

1. 数字经济对绿色能源效率的影响

数字经济的相关理论最早是由Tapscott[9]提出的。G20 峰会对数字经济进行了定义：数字经济是指以使用数字化知识和信息作为关键要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和结构优化重要动力的经济活动。信息通信技术和互联网作为数字经济的基础支撑，早在19 世纪初就有学者将其对能源效率的正效应（收入效应） 和负效应（替代效应） 进行了梳理。其中，替代效应能够减少能源消费所产生的节能效应，从而使预期节能效应被抵消。已有研究发现随着互联网规模的扩大，对全要素能源效率的促进作用也呈现先增后减的网络效应[3]。与之原理类似，数字经济对绿色能源效率的影响也存在正负两种效应。一方面，由于以通讯技术为基础的数字经济具有能源密集型属性，在数字经济发展的初级阶段，大量的基础设施建设将会耗费更多的能源资源。此外，技术进步带来的能源效率提升很可能伴随着直接或间接的反弹效应。直接反弹效应体现在使用高效率的能源技术可以让消费者以较低的成本获得等量的服务，而消费者经济压力的下降则可能会消耗更多的能源。间接反弹效应则体现在消费者生活成本的节省可能用于增加其他生活消费，进而导致其他消费量的上升。因此数字经济整体上可能会增加能源消耗[10]。另一方面，数字经济对绿色能源效率也存在正向影响。首先，从宏观层面看，政府可以利用数字技术更好地了解能源市场价格的变动趋势，控制能源供应总量；其次，从产业结构看，数字经济的发展可以全面推动产业结构优化升级，并使得生产要素从低效率部门向高效率部门转移，促进了能源效率的提升[3]；最后，从能源节约角度看，数字经济能够打破时间和空间限制，加速生产要素的流动从而节约了由于时空限制等因素造成的能源消耗，促进绿色能源效率的全面提升[11]。基于此，提出如下假设：

假设H1：基于全国层面，数字经济对绿色能源效率的影响可能存在非线性特征。

2. 数字经济对绿色能源效率的影响机制

数字化可以通过技术进步影响绿色能源效率[12]。数字经济作为一种先进的生产要素，在一个地区的生产与运营过程中可以发挥其技术效应。技术效应是指通过信息通信业务的应用及融合能够改进能源转换和终端能源利用效率。首先，数字经济采用了传感器、无线通信技术和互联网技术互相融合的解决方案，能够精准监测和计算能耗程度；其次，网络改变了信息的传递和控制方式，与传统产业相融合，实现了生产流程的智能化，从而降低能源消耗；最后，根据熊彼特的创新理论可知，创新就是要“建立一种新的生产函数”。运用在数字经济对绿色能源效率的作用上，作为一种具备技术创新和网络性质的生产要素，不管是与生产、交换和消费相结合的任何一个环节都会产生乘数效应[3]。例如，有研究表示数字经济以数据为关键生产要素，大幅降低传统生产过程对有形资源和能源的过度消耗，能够加快要素结构调整，促进要素利用效率提高[13]。随着数字经济的不断发展，各省份资源的流动壁垒将大幅下降，并激励各地区绿色技术创新，实现低能耗高质量发展。

此外，数字经济可以通过激发各地区的创新动力，促进产业结构向着高级化、合理化方向转型。例如，韩先锋等(2014)[14]认为，生产技术进步是推动生产部门结构优化的根本动力。数字化具备技术进步的属性，应用在生产运营中就会促使生产资源和要素进行重新配置，优化生产体系和组织结构，从而提升资源配置效率。同时，数字技术的传播与融合也将以产业发展相匹配的方式全面推进产业结构优化升级。产业结构优化和升级在与地区发展程度相适应时，数字技术会改变经济对能源资源的路径依赖程度和使用效率，提升资源配置效率，不断提高绿色能源效率[15]。基于上述分析，提出如下假设：

假设H2：数字经济通过技术创新、产业结构高级化和产业结构合理化的方式提升绿色能源效率。

假设H3：数字经济可能会基于技术创新、产业结构合理化和高级化的门槛效应通过间接方式影响绿色能源效率。

研究假设的逻辑关系如图1 所示。

图1 研究假设逻辑图

三、研究设计

1. 基准回归模型

分析可知，数字经济具有能源密集型属性，并且存在正向收入效应和负向替代效应，与数字经济所处的发展阶段密切相关。为此，文章假设数字经济对能源效率的影响可能存在非线性特征。为检验假设H1 是否成立，构建模型(1)：

模型(1)中，i 代表省份，t 代表年份，被解释变量GEEi，t为各省份绿色能源效率。DIGEi，t为文章核心解释变量，代表各地区数字经济发展水平。回归系数β0反映了数字经济对绿色能源效率的影响程度。SDIGEi，t表示数字经济的二次项。若假设H1 成立，β0和β1的回归系数将显著且方向相反。Xi，t为一系列控制变量，k-i为地区固定效应，δt为时间固定效应，εi，t为随机扰动项。

2. 中介效应模型

考虑到数字经济可能通过技术创新(INN)、产业结构高级化(lnTC)和产业结构合理化(lnTS)三种传导机制提升绿色能源效率，文章使用逐步分析法进行中介效应检验，具体建立模型如下：

模型(2)、(4)考察了技术创新在数字经济与绿色能源效率之间的中介效应。

3. 门槛效应模型

为了进一步检验假设H3 传导机制是否存在门槛效应，文章借鉴Hansen(2000)[16]的思路，在模型(1)的基础上构建模型(9)，以单门槛情形为例：

其中，q 为门槛变量，I(·)代表取值为1 或0 的指标函数，γ 为具体的门限值。

4. 变量选取

（1） 被解释变量

基于产出法的绿色能源效率(GEE)是既包含能源利用效率又包含能源环境效率的综合指标。文章借鉴Tone[17]的方法构建非径向、非角度的SBM-Undesirable 模型，在规模报酬可变(BCC)情形下计算绿色能源效率，具体公式如下：

其中，S 为投入产出的松弛变量，λ 表示权重向量。此外，r 为产出，S1为合意产出，S2为非合意产出。

指标体系包含投入和产出两部分。投入要素包括资本、劳动和能源。其中资本要素选择以物质资本存量表示，并借鉴龚志民等(2021)[18]的永续盘存法计算得到：Kit=Kit-(1-δ)+Iit，式中Kit表示i 省份第t 年的资本存量，δ 表示固定资本折旧率(10.0%)，I 表示i 省份第xi年的投资；劳动以当期就业人数表示；能源以能源消费总量表示。产出要素包括期望产出(GDP)和非期望产出两部分。

（2） 核心解释变量

由于在省级层面构建数字经济(DIGE)量化指标的方法并未统一，考虑到数字经济覆盖的全面性，文章借鉴徐维祥等(2022)[8]的思路使用熵权法构建数字经济指标。为了避免受到数据量纲产生的影响，对原始数据进行归一化处理：Yij=，其中Xij和Yij分别表示第i 个年份第j 个指标标准化处理前后的指标值，max(Xij)和min(Xij)分别表示Xij的最大值和最小值，A 表示第j 个指标的适度值基于标准化处理后的指标值Y，具体计算步骤如下：

其中，n 表示年份数。基于信息熵Ej，计算出各指标权重：

其中，m 表示指标个数。最后，基于标准化处理后的指标值Yij及指标权重Wj，运用线性加权法计算出各年份的数字经济指数DIGEi：

数字经济的指标体系构建如表1 所示。

表1 数字经济发展水平指标体系构建

（3） 中介变量

第一，技术创新(INN)。文章借鉴张万里、宣旸(2022)[19]的思路，使用发明专利授权量与专利授权总量的比值来衡量各省份的技术创新水平。

第三，产业结构高级化(lnTC)。产业结构高级化是指产业结构重心从第一产业向第二、三产业的逐步转移。一般使用第三产业产值与第二产业之比来测度产业结构高级化水平。

（4） 控制变量

考虑到影响能源效率的因素较多，文章借鉴谢云飞(2022)[20]和魏楚等(2020)[21]的研究思路，选择市场分割(Segm)、城镇化率(lnUR)、环境规制(ER)、政府影响力(GOV)和对外开放水平(TRAD)作为控制变量。

第一，市场分割(Segm)。市场分割指数的计算是基于Samuelson 的冰川成本理论采用相对价格法进行测度，具体方法如下所示：假定商品k 在第i、j 两省和第t 期的绝对价格分别为和，由于存在空间及其他制度差异，Pi，t≠Pj，t。首先，定义商品k 在第i、j 两省和两个期间内的相对价格变动为：由于中包含了商品异质性导致的不可加效应，需要消除相应的系统偏误，借鉴Parsley 等去除固定效应的方法对进行OLS 回归，方程为：得到残差值，然后采用均值法消除偏误后，用相对价格变动的方差来测度市场分割大小，即：Segmi，j，t=var()。

第二，城镇化率(lnUR)。人口密度是确定城市化区域范围的常用指标[22]。因此文章采用城市人口密度（人/平方公里） 表示城镇化率。

第三，环境规制(ER)。关于环境规制强度的衡量存在单一指标法、综合指数法和分类考察法三种，但在学界还未形成统一标准。由于单一指标法无法全面客观衡量地区环境规制强度，而分类考察法又存在一定的主观性，因此文章借鉴乐菲菲、张金涛(2018)[23]的方法，使用综合指数法（熵值法），选取工业三废（工业废水、废气、固体废弃物） 数据进行标准化处理后得到环境规制指数。

第四，政府影响力(GOV)。借鉴高建刚(2014)[24]的思路，政府影响力使用政府财政支出占GDP 的比重表示。

第五，对外开放(TRAD)。对外开放水平以进出口总额占GDP 的比重表示。

5. 数据来源

文章选取2011—2020 年中国29 个省份的面板数据为研究样本，剔除数据缺失较为严重的西藏和港澳台地区以及没有相邻省份不能计算市场分割程度的海南省。之所以选择2011 年为起始年份，是因为数字经济的发展需要以互联网普及为基础，2011 年之后随着智能手机等移动终端的广泛使用，数字经济迅速发展起来。以上所有数据均来自历年《中国统计年鉴》《中国能源统计年鉴》和北京大学数字金融研究中心。个别年份数据缺失采用插线值法计算得到。在所有变量中，由于城镇化率的数值较大，故将其对数化处理。

四、数字经济对绿色能源效率影响的实证检验

1. 统计性描述与共线性检验

如表2 所示，2011—2020 年能源效率的最大值为1，而最小值仅0.593；数字经济的最大值与最小值相差0.818。可以看出各省份的能源效率与数字经济发展水平均存在较大差异。多重共线性检验结果显示，样本数据的VIF 均值为1.21 远低于10，说明样本数据不存在严重的多重共线性问题。

表2 变量定义与数据统计性描述

2. 数字经济对能源效率影响的基准回归分析

为检验假设H1 是否成立，先将数字经济一次项纳入模型(1)，采用双固定效应进行回归检验。由表3 第(1)列可知，数字经济一次项的系数为-0.632 在5%的水平上显著。将数字经济二次项加入模型后，一次项的回归系数为-1.538 在5%的水平上显著，二次项回归系数为1.799 在10%的水平上显著。反映出数字经济对绿色能源效率的影响可能存在正“U”型特征。为进一步证实这种正“U”型影响是否真实存在，文章将采用三步检验法验证正“U”型特征的稳定性。

第一步，要求模型(1)中，核心解释变量数字经济一次项和二次项的系数方向相反且显著；第二步，要求端点斜率明显陡峭；第三步，要求对称轴取值位于核心解释变量的取值范围内。从表3 的回归结果可知，数字经济一次项和二次项的系数显著且方向相反，满足第一步检验。接下来将对数字经济一次项进行一阶求导，由于控制变量并不影响核心解释变量检验结果，因此暂不考虑控制变量。计算得到最低点和最高点的斜率分别为-1.262 和0.072，这说明斜率明显陡峭满足第二步检验。对称轴为0.584，位于DIGE[0.077，0.895]区间内满足第三步检验。综上，数字经济对绿色能源效率产生了先抑制后促进的正“U”型影响。这反映出在数字经济发展的早期阶段，可能由于数字经济具有能源密集型属性，受基础设施建设和数字经济对降低能源消耗的反弹效应等因素的影响，导致碳排放和能源消耗量增加。而在后期，数字经济利用自身优势逐渐打破时间和空间对能源资源流动配置的束缚，从而提高了绿色能源效率。这一结果验证了假设H1 是成立的。

表3 基准回归结果

在控制变量中，环境规制对绿色能源效率的影响为正，说明从全国层面来看，加强环境规制有利于提升绿色能源效率。这可能由于环境规制对绿色能源效率产生了波特效应，即环境规制通过创新渠道提高了能源效率。其余控制变量中，对外开放对能源效率的影响显著为正，这可能是由于贸易开放度的增加将提高消化吸收国外先进技术与经验的能力，提升自由化程度，进而促进能源效率提升。

3. 稳健性检验

（1） 内生性检验

文章运用系统GMM 方法解决可能存在的内生性问题，检验结果如表4 所示。DIGE 和SDIGE 的系数符号均未发生变动并且在5%的水平上显著。再对模型进行Arellano-Bond 检验和Hansen 检验，结果显示AR(1)为0.007，AR(2)为0.978，Hansen检验显示p 值为0.149 小于0.25，说明模型存在一阶自相关，但是不存在二阶自相关，同时所选工具变量均有效且不存在方程误设问题。

表4 稳健性检验

（2） 截尾与缩尾检验

由表2 的统计性描述可知，数字经济发展水平的最大值与均值相差较大，为避免极值对检验结果的影响，对模型进行1%、99%分位数缩尾与截尾处理后重新进行回归分析。结果显示DIGE 和SDIGE 均在5%的水平上显著，并且相比基准回归结果，稳健性检验结果中DIGE 和SDIGE 的系数绝对值明显增大，说明在剔除极值后数字经济对绿色能源效率的正“U”型影响更加明显。

（3） Tobit 模型

考虑到绿色能源效率指标值是介于0 和1 之间的双截尾数据，可能存在不同年份的数据分别被压缩在1 这一点上。为此，文章选择使用右归并的Tobit 面板模型进行稳健性检验。由检验结果可知，DIGE 和SDIGE 分别在1%和5%的水平上显著，这进一步检验了模型结果的稳健性。

五、数字经济对绿色能源效率的作用机制及其门槛效应

1. 数字经济对绿色能源效率的作用机制分析

为检验假设H2，即数字经济能否通过技术创新、产业结构合理化和产业结构高级化三种渠道提升绿色能源效率，进行了中介效应检验。由表5 第(1)列可知，数字经济一次项的系数为0.282 在5%的水平上显著，数字经济二次项的系数为-0.201 在10%的水平上显著，说明数字经济对技术创新产生了先抑制后促进的正“U”型影响。第(2)列中技术创新的系数说明数字经济可以通过技术创新渠道提升绿色能源效率。由第(3)列可知，数字经济一次项和二次项的系数分别为-0.833 和2.027 并且在10%的水平上显著，反映出数字经济对产业结构合理化产生了先抑制后促进的正“U”型影响。第(4)列中，数字经济对绿色能源效率的影响依然存在正“U”型特征，并且产业结构合理化在10%的水平上显著为负。值得注意的是，由于产业结构合理化指数越小，产业结构越合理，因此产业结构越合理，数字经济越能够通过产业结构合理化渠道提升绿色能源效率。第(5)列中，数字经济一次项对产业结构高级化产生了促进作用，并且在第(6)列中数字经济对绿色能源效率的影响同样存在正“U”型特征，产业结构高级化的系数是1.259 在1%的水平上显著。综上，数字经济能够通过技术创新、产业结构合理化和产业结构高级化三种机制提升绿色能源效率，由此可以证明假设H2成立。这一检验结果既符合一般经验认知也与余紫菱等(2022)[7]的部分研究结论基本一致。

表5 中介效应检验

2. 作用机制的门槛效应分析

为进一步检验假设H3 数字经济可能会基于技术创新、产业结构合理化和高级化的门槛效应通过间接方式影响绿色能源效率，文章基于模型(9)进行了面板门槛模型估计。

门槛效应检验发现只有产业结构合理化存在单重门槛特征，假设H3 仅部分成立，检验结果如表6 所示。结合图2 和表7 可知，当产业结构合理化跨越0.392 这一门槛时，数字经济一次项的系数由0.028 下降为-1.58，并且在1%水平上显著。这说明在产业结构不合理的现象持续时，将会对能源效率产生明显的抑制作用。

表6 门槛检验结果

图2 产业结构合理化的门槛效应

表7 门槛回归结果

文章依据2011—2020 年产业结构合理化水平年均值绘制了图3。由图3 可知，目前产业结构合理化还未跨越0.392 这一门槛的省份均属于东部地区，而中部地区，尤其是西部地区省份的产业结构不合理现象较明显。

图3 各省份产业结构合理化发展水平年均值

六、结论与启示

1. 研究结论

首先，文章系统构建了数字经济指标体系，并运用数据包络分析方法计算了绿色能源效率，考察了数字经济对绿色能源效率的非线性影响特征；其次，研究了数字经济对绿色能源效率的影响机制；最后对传导机制进行了中介效应和门槛效应检验。研究发现：第一，数字经济对绿色能源效率的影响存在正“U”型特征；第二，数字经济能够通过技术创新、产业结构合理化和高级化三种机制提升绿色能源效率；第三，产业结构合理化对绿色能源效率的影响存在门槛效应。具言之，产业结构越合理，数字经济越能够通过产业结构合理化机制提升绿色能源效率，而从区域层面看，相较于中国东部地区省份，中、西部地区省份存在较严重的产业结构不合理现象；第四，适度加强环境规制有利于提高绿色能源效率。

2. 对策建议

第一，提高数字经济在提升各省份绿色能源效率作用中的认识。研究发现数字经济对绿色能源效率的影响存在正“U”型特征，尽管在数字经济发展初期可能会降低绿色能源效率，但随着数字经济发展水平的提升，将会对绿色能源效率产生促进作用。因此，要提高政府、企业等经济主体的认识，政府应充分利用数字经济加强对各省份绿色经济高质量发展的监管，企业要提高数字经济的应用水平，利用数字经济加快节能降耗的进程。

第二，中、西部地区省份要重视产业结构合理化在提升绿色能源效率中的作用。研究表明产业结构合理化作为数字经济提升绿色能源效率的重要传导机制，在中、西部地区的省份存在较明显的产业结构失衡现象，对能源效率的提升产生了抑制作用。因此，中、西部地区省份要推进第二产业内部的熟练劳动力向高附加值制造业和高新技术产业逐渐转移，第三产业内部的熟练劳动力向高端服务业转移，形成劳动力的合理流动机制。此外，由于产业结构高级化能够促进绿色能源效率提升，各地区省份还要结合各地区经济社会发展的实际情况和水平制定合理的产业结构优化升级政策。

第三，各地方政府要着力培养当地的技术创新能力并适度加大环境规制力度，加强污染问题的整治，减少碳排放，推动相关技术设备的升级改造，进一步提升能源效率。通过政府的合理引导和严格规范的治理，以及学校和社会加强对绿色发展理念的宣传教育，以此培养技术创新和加强环境管制，才能够促进绿色能源效率提升。因此，各地方政府要支持企业和学校对技术创新能力的培养，加大对企业技术创新的财政补贴力度，还要通过严谨和规范的手段加强对工业“三废”排放的环境监管力度，并进一步从思想上提升各地区人民对实现经济绿色高质量发展的决心和信心。