数字经济与城市绿色全要素生产率：作用机制与门槛效应

赵 巍

（江苏海洋大学商学院，江苏 连云港 222005）

一、引言

改革开放四十多年，我国经济由高速发展阶段迈向高质量发展阶段，处于建设现代化经济体系的关键时期。随着经济水平的提高，我国劳动力成本以及供求关系发生变化，以往依赖土地、劳动力等生产要素驱动的经济发展模式逐渐凸显出高投入、低效率的问题，实现经济持续健康发展必须依靠全要素生产率的提高。党的十九大报告明确提出，提高全要素生产率是实现经济高质量发展的重要途径，要通过变革经济发展质量、效率和动力，以提高全要素生产率，增强我国经济的创新能力和竞争能力。同时，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（以下简称“十四五”规划）也指出，要推动绿色发展，促进人与自然和谐共生。因此，在传统全要素生产率测算中增加环境要素的绿色全要素生产率（GTFP）已成为衡量经济高质量发展的重要指标[1]。

随着信息通信技术的快速发展和广泛运用，数字经济应运而生并高速发展。中国信息通信研究院发布的《2021年中国数字经济发展白皮书》指出，在新冠肺炎疫情和全球经济波动影响下，2020年我国数字经济规模达39.2 万亿元，占同期GDP比重38.6%，保持着9.7%的高位增长，是同期GDP增速的3 倍。为应对新冠肺炎疫情和全球经济环境不确定性的影响，“十四五”规划指出，要加快数字经济发展，打造数字经济新优势，并通过推动数字经济与实体经济的深度融合，加速构建“双循环”新发展格局。那么，数字经济能否促进绿色全要素生产率的提高，其效果如何，作用机制又是什么，对这些问题的研究有利于充分发挥数字经济的作用、推动绿色全要素生产率提高，对经济高质量发展具有重要的现实意义。

二、文献综述

与本文研究主题相关的文献主要包括绿色全要素生产率的影响因素和数字经济对绿色全要素生产率的影响两个方面。

（一）绿色全要素生产率的影响因素

对绿色全要素生产率的影响因素，学界主要侧重于从行业和地区角度进行研究。对具体行业而言，万伦来等[2]对工业绿色全要素生产率的研究发现，研发能力、国外先进技术引入和行业资本密集度是主要的影响因素。袁嘉琪等[3]构建了内生技术进步的两部门模型，研究了环境规制、要素的行业间配置对工业绿色全要素生产率的影响。李玲等[4]通过对污染密集型行业的绿色全要素生产率进行研究，发现规模效率、规模结构对绿色全要素生产率存在正向影响。王奇等[5]认为，技术进步推动是我国农业绿色全要素生产率的关键要素。

对地区而言，汪锋等[6]以超越对数生产函数核算了我国各省、市、自治区的绿色全要素生产率，发现研发投入和市场化改革起促进作用，而外国直接投资产生了抑制作用。张建伟[7]分析了绿色全要素生产率的区域差异性，发现在绿色全要素生产率增长的地区，财政分权对绿色全要素生产率有促进作用，而在绿色全要素生产率衰退的地区，财政分权对绿色全要素生产率起抑制作用。刘赢时等[8]研究了能源效率对绿色全要素生产率影响的区域异质性特征，结果显示，对能源效率的促进作用在东部地区表现更为显著。

（二）数字经济对绿色全要素生产率的影响

关于数字经济对绿色全要素生产率的影响，程文先等[9]研究发现，数字经济对我国工业绿色全要素生产率的影响呈现出非线性特征。周晓辉等[10]从资本配置的视角分析了数字经济对绿色全要素生产率的影响，认为数字经济对绿色全要素生产率的作用机制存在地区差异，南部地区主要依靠技术进步和环境规制，北部地区则依赖资本配置的优化；数字经济对绿色全要素生产率的影响存在虹吸效应，会阻碍周边城市绿色全要素生产率的提高。蔡玲等[11]以创新能力和生产效率为研究视角，发现数字经济对绿色全要素生产率的影响会随着城市地理位置、城市规模和科学教育资源等的不同而发生变化。

作为数字经济的一部分，数字金融对绿色全要素生产率也存在正向促进作用。孙学涛等[12]通过测算和研究县域绿色全要素生产率发现，数字金融对绿色全要素生产率的提高存在显著的推动作用。范欣等[13]研究了数字金融对绿色全要素生产率影响的空间溢出效应，认为我国已初步形成以北京、上海、广东为中心，周边地区协调发展的高质量发展格局。

梳理已有文献发现，多数研究认同数字经济能够促进绿色全要素生产率的提高和经济高质量发展，但仍存在深入研究和扩展的空间。本研究的贡献主要体现在：从城市层面出发，研究数字经济发展水平对绿色全要素生产率的影响；选择两种绿色全要素生产率的测算方法，提高实证结果的可靠性；考虑内生性问题和异质性问题，进一步验证数字经济对不同规模城市绿色全要素生产率的影响；将城市技术创新能力作为中介变量，对数字经济与绿色全要素生产率的机制作用进行分析，深入探讨数字经济助力绿色全要素生产率的提升路径；以环境规制为门槛变量，进一步探究数字经济对绿色全要素生产率影响的非线性特征。

三、理论分析与研究假设

（一）数字经济对绿色全要素生产率提高的直接效应

绿色全要素生产率是在传统全要素生产率的基础上，结合当下经济发展新方向和绿色发展理念，创新性加入能源投入与环境污染指标所构成的衡量经济高质量发展的重要指标。

数字经济快速发展，规模不断扩张，极大地带动GDP 的增长。宏观上，数字经济通过新要素投入、改善资源配置效率、提高全要素生产率促进经济增长，随着资源配置效率的提高和配置方式的根本性转变，我国经济发展逐渐从土地、劳动力等要素驱动向科技创新驱动转变，向低碳和绿色型的第二、第三产业转变；微观上，大数据、万物互联等新兴技术的应用有效地改善了供需关系，有利于规模经济效应的形成，从而促进经济高质量发展[14]。基于此，本文提出以下研究假设：

H1：数字经济对城市绿色全要素生产率提高有促进作用。

（二）数字经济推动绿色全要素生产率提高的传导机制

制造业受数字经济影响最为显著。随着传统制造业与数字经济的深度融合，我国制造业逐渐突破创新瓶颈，经营效率和质量不断提高，逐步实现从“中国制造”向“中国智造”转变，在全球价值链中的地位稳步提高[15]。在数字经济背景下，政策和资金支持为高新技术企业的创新活动提供了更多的便利[16]。同时，绿色全要素生产率作为衡量经济高质量发展的重要指标，技术创新是起决定性作用的因素[17]。提高绿色技术的使用效率是促进绿色全要素生产率提高的动力源泉。引进高新技术不仅能够提高企业绿色技术创新能力，同时也对企业绿色全要素生产率有显著促进作用[18]。而创新水平的提高能够推动产业转型升级，从而提高城市绿色全要素生产率[19]。基于此，本文提出以下研究假设：

H2：数字经济通过提高技术创新能力促进城市绿色全要素生产率提高。

（三）数字经济推动绿色全要素生产率提高的门槛效应

绿色全要素生产率不仅受数字经济发展水平的影响，同时也与环境规制强度有关。已有研究表明，数字经济的发展能够抵消部分环境规制对绿色全要素生产率的负面影响[20]。数字经济发展与环境规制相互结合，能更好地发挥数字经济对绿色全要素生产率的促进效应。环境规制强度与绿色全要素生产率呈“倒U 型”关系。政府对环境适度规制能够推动企业绿色技术的创新，提升绿色技术使用效率，并通过技术创新获得更高的收益，从而推动绿色全要素生产率的提高；而高强度的环境规制可能会导致生产要素价格发生变化，使企业支付更多的环境治理成本，这将抵消企业技术创新所获得的一部分收益，使企业后续的研发投资减少，从而抑制绿色全要素生产率的提高[21]。即数字经济发展对城市绿色全要素生产率的提升作用受环境规制强度的影响，两者间可能呈现非线性关系，即存在门槛效应。基于此，本文提出以下研究假设：

H3：数字经济对城市绿色全要素生产率的影响存在门槛效应。

四、研究设计

（一）模型构建

为检验数字经济发展水平与绿色全要素生产率的关系，构建基准回归模型：

其中，GTFPit表示i城在t年的绿色全要素生产率；deiit表示i城在t年的数字经济发展指数；Xit为控制变量；δi和φt分别表示城市效应和时间固定效应；β0表示常数项；β1、γ表示变量系数；εit为随机误差项。

城市绿色全要素生产率可能存在序列相关性的问题，即城市绿色全要素生产率可能受滞后一期绿色全要素生产率的影响。这是因为数字经济发展的主要驱动因素是技术水平，而绿色全要素生产率在一定程度上代表了技术水平的发展[22]，所以t-1年绿色全要素生产率对t年数字经济发展水平存在影响，进而间接对t年绿色全要素生产率产生影响。同时，为解决可能存在的双向因果关系导致的内生性问题，参考肖文等[23]的实证研究，利用系统GMM回归法解决内生性问题，构建如下模型：

其中，GTFPit-1表示滞后一期的绿色全要素生产率，β2表示变量系数。

依据理论分析与研究假设，引入技术创新能力作为中介变量，借助中介效应模型，分析数字经济发展对绿色全要素生产率的影响机制，构建如下模型：

其中，GTechit表示i城在t年的技术创新能力，β3表示变量系数。

（二）变量选取与数据来源

1.被解释变量

本文的被解释变量为各城市绿色全要素生产率。传统全要素生产率的测算通常采用数据包络分析法（DEA），然而DEA 不能充分考虑资源投入与产出的变量松弛问题，易导致全要素生产率的估算结果存在偏差。为了克服DEA 测算的缺陷，托恩（Tone）[24]建立了包含非期望产出的SBM（Slacks-Based Measure）模型。在此基础上，欧赫（Oh）[25]提出GML（Globe-Malmquist-Luenberger）模型，将研究数据各期的总和作为参考，具有可传递性，使用SBM-GML模型对绿色全要素生产率进行测算，所得测算结果具有跨期比较的优点。福山（Fukuyama）等[26]将SBM模型与方向距离函数（Directional-Distance Function，DDF）结合，构建SBMDDF 模型，不仅能够避免单一使用方向距离函数所导致的径向性和导向性偏差，还可以更准确地对绿色全要素生产率进行测算。因此，本文选择SBM-GML 和SBM-DDF 两种模型，参考余奕杉等[27]、杨翔等[28]的方法，使用MaxDEA7软件分别对各城市绿色全要素生产率进行测度。其中，投入指标分别为劳动力投入（城市年末从业人口）、资本投入（以2006年为基期，采用永续盘存法进行计算[29]）、能源投入（地级市使用万吨标准煤）；产出指标包括期望产出（以2006年为基期平减GDP）、非期望产出（二氧化硫、工业废水、烟粉尘）。

2.核心解释变量

本文的核心解释变量为数字经济发展指数（dei）。目前，尚未有统一的数字经济发展指数计算方法。数字经济发展依托于互联网，因此刘军等[30]将互联网发展作为测算数字经济发展指数的关键。而对互联网发展水平的测算，黄群慧等[31]选择互联网普及率、相关从业人员占比、移动电话普及率和相关产出为主要指标。考虑到城市层面数据可得性和数字经济发展现状，本文借鉴赵涛等[32]构建的数字经济发展指标测算方法，综合考虑互联网发展与数字金融，采用互联网普及率、数字信息技术从业人员占比、移动电话普及率、人均电信业务量和数字普惠金融指数五个指标，利用主成分分析法测算各城市数字经济发展水平[33]，得出各城市2011—2020年数字经济发展指数。

3.中介变量

本文的中介变量为城市技术创新能力。当前对城市技术创新能力水平的评估一般选择多指标分析进行测算，但由于本研究所涉及城市数量较多，为保证获取数据的完整性与研究主题的契合度，所以选择借鉴李青原等[34]的方法，利用各城市当年绿色发明专利和绿色实用新型专利申请量总和的对数表示各城市技术创新能力。

同时，本文参考颜鹏飞等[35]的研究，将利用SBM-GML模型和SBM-DDF模型所得到的绿色全要素生产率指数进一步分解为效率变动指数（EC）和技术进步指数（TC），反映城市技术创新能力对绿色全要素生产率产生的影响。因此，本文将EC和TC 分别作为中介变量，以此研究数字经济对绿色全要素生产率影响的传导机制。

4.控制变量

关于控制变量的选择，综合余奕杉等[36]、刘希章等[37]的研究成果，选择对外开放水平（fdi）、人力资本投资（hum）、政府干预（gov）和金融发展水平（fin）为控制变量。其中，对外开放水平（fdi）与经济发展密切相关，区域对外开放水平越高，外资投入越能够提高当地技术和管理水平，促进绿色全要素生产率的增长，但外商投资也可能会对当地环境产生负面影响，本文以实际使用外国直接投资金额占城市生产总值的比重表示对外开放水平。根据新经济增长理论，人力资本投资（hum）是经济发展的内生动力，实现经济高质量发展的重要因素，本文以地方一般公共科学支出和教育支出占地方财政支出的比重表示。政府干预（gov）是一把“双刃剑”，适度干预可以降低市场配置失灵的风险，引导经济高质量发展，但过度干预则会导致市场配置失灵和资源错配，不利于市场经济发展，本文以地方财政支出占城市生产总值的比重表示政府干预程度。金融发展通过影响社会资本、劳动力转移与技术创新促进经济高质量发展[37]，推动绿色全要素生产率增长，金融发展水平（fin）以金融机构存贷款总额占城市生产总值的比重表示。

剔除数据缺失严重的样本，整理后共得到279个城市样本，以上数据分别来自国研网、EPS（Easy Professional Superior）数据库、城市统计年鉴和环境统计年鉴。

五、实证结果与分析

（一）基准回归

表1为基准回归结果，其中列（1）和列（2）为未加入控制变量和固定效应的回归结果，列（3）和列（4）为加入固定效应的回归结果，列（5）和列（6）为同时加入控制变量和固定效应的回归结果。由表1可知，无论是否加入控制变量和固定效应，核心解释变量数字经济发展指数（dei）的系数均为正，且均在1%水平上显著，说明数字经济发展对绿色全要素生产率有显著的促进作用。城市数字经济发展水平越高，当地绿色全要素生产率越高，H1得到验证。在数字经济快速发展的时代背景下，资源配置效率得到改善，新要素得以投入，高新技术快速发展，使经济发展逐渐从土地、劳动力等要素驱动向科技创新驱动转变，向低碳和绿色型的第二、第三产业转变；通信技术的不断革新，大数据、云计算、云储存等技术改善了供需关系，促进了供需平衡，有利于规模经济效应的形成，从而促进经济高质量发展。

表1 基准回归结果

由列（5）和列（6）可知，hum的系数均为负，且在1%水平上显著，说明政府对城市人力资本投资越多，绿色全要素生产率越低；gov的系数均为负，且至少在10%水平上显著，说明政府对城市经济发展过多干预会对绿色全要素生产率产生负面影响，阻碍其发展；fin的回归系数不显著为正，表明金融发展水平对城市绿色全要素生产率影响不显著。

（二）稳健性检验

1.替换被解释变量

为进一步验证回归结果的稳健性，本文使用熵值法对各城市数字经济发展水平进行重新测算，得到新的数字经济发展指数（dei2）。并且，为避免极端值对回归结果造成的影响，对各变量分别进行1%的缩尾处理。回归结果见表2。列（1）和列（2）为使用熵值法测算数字经济发展指数的回归结果，列（3）和列（4）为所有变量缩尾后的回归结果。结果显示，数字经济对城市绿色全要素生产率存在显著促进作用，说明基准回归结果是稳健的。

表2 稳健性检验结果

2.内生性问题

对可能存在的内生性问题，本文采用系统GMM 回归法加以解决，回归结果见表3。结果显示，dei的回归系数均为正，且在1%水平上显著，说明在考虑了绿色全要素生产率序列相关的问题、加入L.GTFPi，t-1（GTFP滞后一期）这一变量后，数字经济对城市绿色全要素生产率的促进作用依旧显著。这再次对H1进行了验证，提高了回归结果的可靠性。

表3 系统GMM回归结果

3.异质性分析

不同地理位置会对城市发展产生影响，也会在一定程度上对数字经济发展与城市绿色全要素生产率产生影响。因此，为探讨数字经济对不同区域城市绿色全要素生产率的影响，本文将279个城市依据所在省份地理位置分为东部、西部和中部地区，区域的异质性检验结果见表4。

由表4可知，数字经济发展对中部地区城市绿色全要素生产率影响最大，其次是东部地区，最后是西部地区。这可能是因为相较于西部地区，中部与东部地区城市基础建设更完善，经济发展水平较高，高新技术产业能够获得更多的资金和人才支持。此外，京津冀协同发展、长江经济带保护和发展等政策的实施也提高了数字经济对绿色全要素生产率的影响。而西部地区经济与东部和中部地区仍有差距，数字经济发展环境较差，但在政府政策的支持下，市场环境逐渐优化，提高了数字经济绿色全要素生产率的影响能力，但尚不能完全发挥其促进作用。

表4 不同区域的异质性检验结果

在异质性实证检验中，政府干预和金融发展水平均不显著。这可能是由于不同地区在经济发展过程中已形成适应当地经济发展的市场配置能力，政府干预容易破坏市场与政府之间的平衡，因此政府干预对地区经济影响不显著为负。社会资本、劳动力转移与技术创新大多在区域内流动，而金融发展主要通过影响社会资本、劳动力转移与技术创新促进经济高质量发展，因此仅仅对于区域而言，金融发展水平对绿色全要素生产率的影响不显著为正。

为深入分析数字经济对绿色全要素生产率影响在城市层面的差异性，本文参考韩兆安等[38]的研究方法，将279 个样本城市划分为五个城市等级，分别为（新）一线城市19 个、二线城市30 个、三线城市68 个、四线城市78 个、五线城市84个。不同等级城市的异质性分析结果见表5。

由表5可知，数字经济发展对不同等级城市的绿色全要素生产率增长均有显著促进作用，且存在异质性，对（新）一线城市影响最为显著，其次是二线城市、三线城市、四线城市和五线城市。

表5 不同等级城市的异质性检验结果

（新）一线城市包括北京、上海、广州、深圳和杭州，优越的地理位置，强有力的经济支撑、人才支撑、政策支持，以及便利的交通为数字经济发展提供了良好的市场环境。同时，（新）一线城市制造业普遍以轻工业为主，数字经济发展能够优化产业空间布局，提高资源配置效率与创新要素的流动性，改善制造业生产效率，提升市场流通效率，从而促进经济高质量发展，推动绿色全要素生产率提高。作为高新技术企业主要集聚地，（新）一线城市拥有完善的基础配套设施，便于企业或创业者进行技术创新活动，在数字技术加持下能够实现知识与信息快速流动，形成协同创新的新发展格局。高新技术企业不仅是大力实施创新发展战略的重要支撑环节，也是推动城市经济高质量发展的重要载体。

二线城市经济发展水平虽然不及（新）一线城市，但也拥有一定的发展优势。如厦门、珠海、温州和大连等沿海城市，拥有丰富的港口资源，对外贸易便利；珠海、中山、惠州作为珠江三角洲城市，得到了经济、人才和政策方面的扶持。第二、第三产业为二线城市主要产业，其中，第二产业多以轻工业为主，在数字经济发展的影响下，资源配置效率的提高推动了产业生产效率的增长。随着（新）一线城市市场和人口的饱和，越来越多的企业与人才将发展目光转向二线城市。在政策支持下，城市间合作进一步深化，产业布局不断优化，形成了升级效应。（新）一线城市发挥数字经济优势地位与作用，带动二线城市数字经济发展，共同推进高端制造业发展，推动城市经济发展绿色转型，优化区域生态环境，提高城市绿色全要素生产率。

三线城市经济发展水平不及一线、二线城市，交通网络仍在不断完善，产业转型尚处于起步阶段，新兴产业发展不成熟，数字经济发展更多依赖技术引进与应用，对数字技术在生产方面的应用尚不成熟，还未与产业达到最佳融合状态，在一定程度上影响了经济效率的提升，绿色全要素生产率提升幅度较小。

四线、五线城市经济结构不合理，传统产业占比较高，企业技术创新与研发不足，在一定程度上阻碍了技术进步，对城市绿色全要素生产率有严重影响。同时，城市数字经济发展水平低，无法推动新兴产业的发展，资本投资难以流向新兴产业。因此，数字经济发展对城市绿色全要素生产率的促进作用不大。

数字经济发展水平对城市绿色全要素生产率的影响与城市等级正相关的原因可能有：（新）一线、二线城市数字技术发展相对成熟，对经济发展有重大影响；数字技术仍属于高新技术，数字经济发展对市场规模、资金投入和人才投入有大量需求，低等级城市尚不能满足数字经济发展条件，只能依赖技术引进和政策扶持；数字技术在推动经济发展的同时，也存在一定的风险，四线、五线城市尚不能有效应对这一风险。

六、进一步分析：作用机制与门槛效应

（一）作用机制分析

根据前述的研究结果可知，数字经济对我国各城市绿色全要素生产率提高存在促进作用。为进一步研究数字经济对绿色全要素生产率影响的作用机制，本文运用中介效应回归模型进行检验，结果见表6。

表6 中介效应检验结果

在列（1）中，城市技术创新水平（GTech）为被解释变量，城市数字经济发展水平为自变量，结果显示dei的系数为正，且在5%水平上显著，说明城市数字经济对提高技术创新水平有显著促进作用。受数字经济快速发展影响，为获得更多利益和更大的市场，企业与数字经济的融合逐渐深入，不断突破自身创新瓶颈，生产经营效率和质量稳步提高。在数字经济背景下，政策和资金支持为高新技术企业的创新活动提供了更多的便利；研究机构可以利用互联网等信息通信技术互通有无，进行技术互补，解决研究难点；计算机计算和模拟可以加速研究进程，提高研究成功的可能性。在列（2）和列（3）中，GTFP为被解释变量，结果显示GTech的系数均为正，且在1%水平上显著，说明技术创新对绿色全要素生产率有显著正向影响，技术创新水平的提高能够促进城市绿色全要素生产率提高。同时，dei系数显著为正，说明数字经济通过影响技术创新促进城市绿色全要素生产率的提高，技术创新在数字经济与绿色全要素生产率的关系中发挥中介作用，验证了H2。

GML指数可分解为效率变动指数（EC）和技术进步指数（TC），因此可以通过这两个指数进一步研究数字经济的影响机制。回归结果见表7。可以看出，两个模型分别测算出绿色全要素生产率的分解指标中，数字经济对效率变动指数（EC）的影响不显著，对技术进步指数（TC）的影响显著为正，且在1%水平上显著，说明数字经济对技术进步有明显的促进作用，其对绿色全要素生产率的影响主要通过技术进步来实现，再次验证了H2。

表7 GTFP分解指标回归结果

（二）门槛效应

以环境规制强度（Thr）作为门槛变量，分别对全样本城市和不同等级城市绿色全要素生产率提高是否存在门槛效应进行检验。

其中，Thr表示环境规制强度，Indw表示工业废水排放量，SO2表示二氧化硫排放量，smo表示烟粉尘排放量，GDP表示地区生产总值。

门槛效应检验结果见表8。

由表8可知，二线城市单门槛检验结果不显著，说明不存在门槛效应，除二线城市外其他城市均存在门槛效应。因此，以环境规制强度为门槛变量，分析不同环境规制强度下数字经济对绿色全要素生产率的影响具有科学性。以环境规制强度为门槛变量，选择门槛模型进行回归，结果见表9和表10。

表8 门槛效应检验结果

表9 门槛估计值及其置信区间

表10 门槛效应模型估计结果

对全样本城市，环境规制强度门槛值为5.494。当环境规制强度小于5.494时，数字经济对绿色全要素生产率的提升有显著促进作用；当环境规制强度大于5.494时，数字经济对绿色全要素生产率的估计系数为1.192，在1%水平上显著，小于4.131，表明随着环境规制强度的增加，数字经济对绿色全要素生产率的促进作用减小。由此可见，数字经济对绿色全要素生产率的影响存在门槛效应，随着环境规制强度的增加，数字经济对绿色全要素生产率的促进效应边际递减，验证了H3。

对（新）一线城市，环境规制强度的门槛为6.842。当环境规制强度小于门槛值时，数字经济对绿色全要生产率的影响不显著为负；随着环境规制强度的增加，跨越门槛值后，数字经济对绿色全要素生产率的影响显著为正。可能原因是（新）一线城市主要产业为第三产业，对环境友好，环境规制对主要产业的影响低。当环境规制强度低于门槛值时，企业较少利用数字技术减轻生产对环境的影响；当环境规制强度跨越门槛值后，为应对高环境规制强度，企业会选择利用成熟的数字技术减轻生产对环境的影响，或选择向绿色低碳企业转型。

二线城市不存在门槛效应可能是由于二线城市主要产业为第三产业，对环境影响较小，第二产业中轻工业占主要地位，环境污染程度低，所以环境规制强度的门槛效应不存在。

三线城市存在三个门槛值，分别是4.911、5.764、6.376。其中，当环境规制强度高于第二门槛值（5.764）、低于第三门槛值（6.376）时，数字经济对绿色全要素生产率的影响显著为负。四线城市存在两个门槛值，分别是7.075 和7.119，当环境规制强度高于第一门槛值（7.075）、低于第二门槛值（7.119）时，数字经济对绿色全要素生产率的影响显著为负。可能原因是三线、四线城市数字技术应用主要依赖外部引进，还不太成熟，且随着环境规制强度的不断提高，数字技术对减轻环境污染的能力下降，作用无法得到充分发挥。随着一线、二线城市数字技术的发展与成熟，三线、四线城市为满足环境保护的要求，会选择学习并引进更先进的数字技术。

对五线城市，环境规制强度的门槛为4.924。当环境规制强度小于门槛值时，数字经济对绿色全要素生产率的影响显著为正；随着环境规制强度的增加，跨越门槛值后，数字经济对绿色全要素生产率的影响不显著为负。原因可能是传统产业在五线城市经济中处于主要地位，在低强度环境规制下，企业依靠外部学习引进的数字技术能够满足环境保护要求，推动经济发展，因此数字经济对绿色全要素生产率影响显著为正。但随着环境规制强度的增加，原有技术无法满足市场需求，现有数字技术已经落后，无法对经济发展起更大作用。五线城市无法满足更成熟或更高级的数字技术应用条件，所以数字经济对其绿色全要素生产率的影响不再显著。

七、结论与建议

（一）结论

本文利用2011—2020年我国279 个地级及以上城市的面板数据，构建了数字经济发展指数和城市绿色全要素生产率指标，通过系统GMM 模型、中介效应模型和门槛效应模型，系统分析了数字经济对城市绿色全要素生产率影响的作用机制和门槛效应，研究结果表明：

第一，数字经济对城市绿色全要素生产率的提高具有显著促进作用。通过基准回归与固定效应模型、系统GMM 模型分析、异质性与稳健性检验，发现数字经济发展水平对绿色全要素生产率有明显的促进效应。

第二，数字经济对城市绿色全要素生产率的作用存在异质性。数字经济对不同等级城市绿色全要素生产率增长均有显著促进作用，其中对（新）一线城市影响最为显著，其次是二线城市、三线城市、四线城市，最后是五线城市。

第三，技术创新能力在数字经济对绿色全要素生产率的影响中起中介作用。中介效应检验发现，数字经济通过推动技术进步提高城市技术创新能力，从而实现城市绿色全要素生产率的提高。

第四，数字经济对不同等级城市的绿色全要素生产率影响存在环境规制强度的门槛效应。对于（新）一线城市，当环境规制强度小于门槛值时，数字经济对绿色全要素生产率的影响不显著为负，环境规制强度跨越门槛值后，数字经济的影响显著为正；二线城市不存在门槛效应；三线城市存在三个门槛值，其中，当环境规制强度高于第二门槛值、低于第三门槛值时，数字经济对绿色全要素生产率的影响显著为负；四线城市存在两个门槛值，当环境规制强度高于第一门槛值、低于第二门槛值时，数字经济对绿色全要素生产率的影响显著为负；五线城市环境规制强度小于门槛值时，数字经济对绿色全要素生产率的影响显著为正，环境规制强度跨越门槛值后，数字经济的影响不显著为负。

（二）建议

根据上述结论，为推动城市绿色全要素生产率提高，促进经济高质量发展，提出以下建议：

第一，完善城市新型数字基础设施建设，推动地方数字经济持续健康发展。数字经济的基础特征之一是信息化，对信息基础设施建设提出了更高的要求。一方面，在政府政策支持与推动下，我国应继续完善互联网协议第6版（IPv6）、5G等新型通信网络基础设施建设，加快数据中心、区块链等数据设施建设，促进工业互联网等融合基础设施建设，缩小区域差异，推动城市绿色全要素生产率提高。另一方面，应全方位强化网络安全与保障，拓展对数字经济发展的监管手段，实现全链条监管、全流程规范。分别从数字经济发展的硬环境和软环境出发，不断完善数字经济发展体制，提高数字经济发展水平，促进数字经济与实体经济深度融合，以提高城市绿色全要素生产率，促进经济高质量发展。

第二，增加技术研发投入，提高技术创新能力。数字经济水平与技术创新能力是实现经济高质量发展的重要动力，要积极吸收借鉴国外先进技术，缩小与国外市场的技术差距，加大对基础研究的资金支持，实现技术创新能力的自我积累，加快突破创新瓶颈，提高制造效率和质量，逐步实现从“中国制造”向“中国智造”转变，提高制造业在全球价值链中的地位，推动产业转型升级。

第三，合理规划环境规制强度。环境规制对经济发展的影响存在两面性，只有保持适度的环境规制强度，才能进一步推动经济高质量发展。采取合理的环境监管措施，一方面刺激企业提升绿色技术研发创新效率，获得更高的收益；另一方面，根据当地经济发展水平，合理实施环境规制，发挥数字经济对绿色全要素生产率的提升作用，实现“金山银山”与“绿水青山”共存。

第四，实施差异化发展战略。我国各城市数字经济发展水平不断提高，总体呈上升趋势，但各城市数字经济发展差异不断扩大，不同等级城市发展呈现失衡态势。为避免出现马太效应和城市之间的数字鸿沟，政府应根据不同地区发展情况，实施区域化、差异化、精准化发展战略。（新）一线城市、二线城市依靠其经济发展与劳动力等资源优势，稳步提高数字经济发展水平，不断向三线城市、四线城市输出数字经济发展人才、技术、成果与经验，持续推动数字经济与实体经济的深度融合。三线城市、四线城市借鉴（新）一线城市、二线城市数字经济发展经验，因地制宜，推动产业转型。利用国家政策，发挥制度优势，吸纳数字技术人才，不断完善数字基础设施建设，进一步推动数字经济发展；发挥辐射作用，促进产业转移和人才流动，加强不同等级城市间合作交流，带动五线城市数字经济发展，缩小地区差异，打破信息流通壁垒，更好发挥数字经济的溢出效应。