数字经济对长江经济带工业绿色全要素生产率影响及路径研究

陶家文

（天津商业大学， 天津 300400）

0 引言

作为中华第一主要河流和母亲河，长江穿越中国东中西三大片，水能资源、航运资源和生态资源都十分充盈。依托长江黄金水道形成的长江经济带涵盖了上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州、云南等11 个省市，面积约205.23 万km2，是我国一项重要的国家战略发展区域。在改革开放四十多年的发展过程中，截至2019 年，长江经济带人均GDP达到78 276 元，超过了全国平均水平。然而，在取得巨大经济成就的同时，由于工业化和城市化迅速推进，长江沿岸地区面临着水体营养过剩、酸雨和大气环境恶化等严重污染问题。

长期以来，我国经济成长主要依靠要素投入的增添[1]，是一种比较典型的投入型增长方法。根据庞瑞芝[2]的计算，1995—2016 年间，我国的全要素生产率年平均增长率约为2.30%，若考虑环境和资源消耗，工业绿色全要素生产率年平均增长率仅为1.015%。这表明我国经济增长呈现出“数量高质量低”的现象。2022 年，推动长江经济带发展领导小组办公室发布了《长江经济带发展负面清单指南（试行，2022 年版）》，其中强调了长江经济带发展要坚持“生态优先、绿色发展”的战略定位。长江经济带历来就是我国最重要的工业走廊之一，我国钢铁、汽车、电子、石化等现代工业的精华大部分汇集于此，集中了一大批高耗能、大运量、高科技的工业行业和特大型企业。但这也同时意味着在国民经济摆脱农业制约、实现由轻工业中心向重工业化中心转变的基础上，加工工业部门的比重不断增大,使其高能耗的发展特征十分明显。在这样的背景下，转变依赖要素投入的发展方式势在必行。数字经济是指人类通过数字化的知识和信息识别、选择、筛选、储存和利用，引导资源快速优化配置，实现经济高质量发展的经济形态[3]。我国政府高度重视数字经济发展，党的十九届五中全会提出了发展数字经济、推进数字产业化和产业数字化、促进数字经济与实体经济深度融合、打造具有国际竞争力的数字产业集群的目标。中国信通院的《中国数字经济发展报告2022 年》指出，到2021 年，我国数字经济规模已达到45.5 万亿元，占GDP 比重接近四成。在数字经济迅速发展的背景下，数字经济能否推动长江经济带工业绿色全要素生产率的提升呢？如果可以，具体有哪些路径和机制起作用呢？此外，对于长江经济带的上中下游地区而言，数字经济的影响是否存在地区间的异质性呢？以上问题将成为本文接下来研究的重点。通过研究这些问题，可以为长江经济带找到绿色转型之路，推动工业绿色全要素生产率的提高。

1 文献综述

本部分将详细探讨数字经济、工业绿色全要素生产率以及数字经济对工业绿色全要素生产率的影响。最早由美国商人Tapscott 提出，数字经济被认为是一种与技术和智能化有关的系统。根据《中国数字经济发展白皮书（2017 年）》，中国信通院将数字经济定义为以数字化的知识和信息为关键生产要素，以数字技术创新为核心驱动力，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高传统产业的数字化和智能化水平，加速经济发展和政府治理模式的重构。国家统计局颁布的《数字经济及其核心产业统计分类（2021）》将数字经济划分为数字产业化和产业数字化两大类。然而，由于数字经济范围广泛、分类不一致且框架庞大，目前国际上还没有较为完善和统一的经济指标体系来衡量数字经济的规模和发展水平。腾讯研究院从经济、政务、文化、生活四个方面对“互联网+”数字经济指数进行测量。张永恒等人[4]则运用熵权TOPSIS 法从数字基础设施建设、数字化生产应用、数字化生活应用和数字化发展潜力等四个方面测算数字经济的发展水平。刘军等人[5]则从信息化发展、互联网发展和数字交易发展三个维度构建了中国分省份数字经济评价指标体系。

工业绿色全要素生产率的测算主要有参数法和非参数法两种方法。参数法以随机前沿法（SFA）为代表，而非参数法以数据包络分析法（DEA）为代表。然而，SFA 方法在函数选择方面存在不可避免的误差，如果在生产过程中不存在明显的生产函数关系或者采用了错误的生产函数，研究结果会产生较大的偏差[6]。相比之下，基于投入型或产出型距离函数的DEA 方法不仅可以避免参数法可能导致的模型设定误差和随机干扰项正态分布假设无法满足的缺陷，而且最大的好处是可以同时模拟多种产出和多种投入的生产过程，甚至可以区分处理好产出（如GDP）和坏产出（如环境污染）。Chung 等人[7]最早提出了方向性距离函数，将污染排放视为非期望产出，目前学者们主要研究了环境规制、人力资本、科技创新和对外直接投资等因素对工业绿色全要素生产率的影响。Wu等人[8]研究了中国对外直接投资对“一带一路”沿线国家的工业绿色全要素生产率的影响，Song 等人[9]计算了财政分权对长江经济带11 个省份的工业绿色全要素生产率的影响。

至于数字经济对工业绿色全要素生产率的影响，相关研究目前相对较少，大多数是理论研究，实证研究较少。荆文君等人[10]从宏观和微观两个理论层面探讨了数字经济促进经济高质量发展的实现路径；郭吉涛等人[11]通过分解全要素生产率指标，指出数字经济提高了技术效率，但由于国内人才技术资金的薄弱，数字经济对技术进步产生了阻碍作用；乌静等人[12]从空间角度发现数字经济对工业绿色全要素生产率的影响具有地区异质性；安强身等人[13]认为数字经济通过数字产业化和产业数字化两个路径提高了全要素生产率，其中数字产业化侧重于新兴技术创新以促进技术进步，而产业数字化侧重于数字经济与传统产业的结合以提高技术效率。徐嘉钰等人[14]指出，数字普惠金融可以通过产业结构优化和绿色技术创新来提升经济增长质量。

通过阅读上述文献，发现数字经济与工业绿色全要素生产率的相关研究主要集中在理论层面，较少结合实证研究。目前大多数研究都单独探讨了数字经济或工业绿色全要素生产率，而将两者结合起来研究得较少。因此，本文将借鉴已有文献的研究成果，针对长江经济带的11 个省份，构建新的数字经济评价指标体系，将理论分析与实证研究相结合，重点探究数字经济对工业绿色全要素生产率的影响机制。

2 理论分析

首先，传统行业对能源的依赖高，还会造成严重的环境污染，导致付出了巨大的代价。数字经济以数据为核心生产要素，通过替代或结合传统行业，可以大幅减少对能源的依赖和对环境的破坏。相较传统行业而言，数字经济更具可持续发展的潜力，能够实现绿色发展。另一方面，数字经济可以缓解信息不对称问题，在技术和资本方面促进工业绿色全要素生产率的提升。根据内生增长理论，知识和技术进步等先进生产要素是影响经济增长的关键因素。信息平台的出现能够实现高效共享信息，打破信息传播壁垒，实现精准控制和点对点传输，降低新型绿色技术的传播门槛，减少地区间的人力资本移动成本，促进新型绿色技术的产生和应用，推动行业和企业减少高污染和高能耗的生产行为，实现企业的绿色转型升级。数字经济带来的新型数字普惠金融一方面通过降低交易搜寻和匹配成本为企业转型升级提供更宽松的金融环境，另一方面，数字技术可以更准确地识别符合绿色金融要求的资金需求者，提高资金利用效率，减少资源浪费。因此，本文提出以下假设：

H1：数字经济的发展可以提高工业绿色全要素生产率（GTFP）。

其次，数字经济还可以通过推动产业结构升级提高工业绿色全要素生产率。根据荆文君等人的理论，数字经济可以依靠已积累的一种主营业务用户，低成本开展多样化业务，获得更多利润，借助大数据的支持，可以更充分地挖掘潜在客户。同时，通过大数据，客户群体中个性化需求可以及时反馈给企业，促使企业加大研发力度，不断更新升级产品，提供更优质的体验，提高产品附加值。企业可以向价值链的上游发展，通过规模效应进一步降低生产成本，形成产业集群，推动工业绿色全要素生产率的提升。因此，本文提出以下假设：

H2：数字经济通过推动产业结构升级提高工业绿色全要素生产率。

最后，数字经济还可以通过提升人力资本水平来提升工业绿色全要素生产率。在偏远地区，传统学校的分布相对零散，学生数量不集中。再加上地方政府财政资金有限，投入回报不够经济，这就导致这些地区学校无法配备足够科目的教师。但是，在数字经济时代，出现了在线教育模式，这使得偏远地区的学生也能够享受一线的高质量教育资源。同时，数字资源的特点也使得在线教育资源可以进行复制，从而减少了教育劳动力的消耗。此外，数字化的教育还节省了教师通勤的时间，并在人工智能的辅助下减轻了教师的课后批阅和备课压力。根据张静晓等人的研究，提高人力资本水平将显著推动工业绿色全要素生产率的提升。另外，企业智能化的发展将取代低端劳动力的需求，同时数字技术的应用也会增加对高学历劳动力的需求，从而优化企业的人力资源结构。人力资本水平的提高将优化企业的经营模式和管理水平，并促进企业研发能力的增强。这对于企业向价值链的上游发展非常有助益，最终将提升生产效率。

H3：数字经济通过提高人力资本水平将提高工业绿色全要素生产率。

3 研究设计

3.1 数字经济指标选取及测算

本文的核心解释变量为数字经济发展水平。结合城市层面相关数据，从互联网发展和数字金融普惠两方面对数字经济综合发展水平进行测度。在测量城市层面的互联网发展时，参考了黄群慧等人[17]的方法，使用了互联网普及率、相关从业人员情况、相关产出情况和移动电话普及率四个指标。具体包括百人中互联网宽带接入用户数、计算机服务和软件业从业人员占城镇单位从业人员比重、人均电信业务总量和百人中移动电话用户数。这些指标的原始数据可以从《中国城市统计年鉴》中获取。在数字金融发展方面，采用了中国数字普惠金融指数，该指数由北京大学数字金融研究中心和蚂蚁金服集团共同编制[18]。通过topsis熵权法，对以上指标的数据进行标准化处理和降维处理，得到了数字经济综合发展指数。

熵值法计算过程如下：首先对各指标的原始数据和计算数据进行标准化处理，然后使用熵值法进行客观权重赋值，最后基于标准化数据和所赋权重计算出了长江经济带11 个省级行政单位2011—2019 年的数字经济发展水平。

表1 数字经济发展指数指标构建

3.2 工业绿色全要素生产率指标选取及测算

工业绿色全要素生产率为本文的被解释变量，本文采用stata 软件，运用DEA-Malmquist 指数对长江经济带11 个省级行政单位的工业绿色全要素生产率进行测算，相关指标的原始数据来自国家统计年鉴，测算时所用的产出变量是采用以2000 为基期的实际生产总值。

工业绿色全要素生产率的测算依据投入指标、期望产出和非期望产出三个影响指标。投入指标的选择，选取长江经济带各省社会就业人数作为劳动投入变量，选取各省煤炭和石油的消耗量作为能源投入变量，借鉴张军[19]的永续盘存法，通过公式Kt=It/Pt+（1-δ）Kt-1计算各省资本存量，其中Kt是t 时期实际的资本存量，It是t 时期的固定资本投资总额，Pt是固定投资价格指数。基年采用张军[19]所测算的2000 年资本存量数据；经济折旧率在各省假定10%。

3.3 其他指标选取

经济发展水平用各省的国内生产总值来表示，人口规模用各省份总人口数表示，政府干预能力用各省财政支出表示，外商直接投资用实际利用外资额表示，对外开放水平用进出口贸易总额占GDP 比值表示，用第二产业与第三产业比值表示产业结构高度化，用泰尔指数表示产业结构合理化，用上述两个指标来衡量产业结构升级；用人均受教育年限来表示人力资本水平。

3.4 数据来源

基于数据样本的可得性和时间跨度的完整性，本文以2011—2019 年长江经济带11 个省级行政单位为初始研究样本，数据来自《中国统计年鉴》和各省统计年鉴，运用插值法对缺失数据进行补全后，共获得观测指标数量为99 个；利用固定效应实证检验，利用STATA16 软件进行实证结果检验，基于静态的固定效应模型进行回归分析；为了检验核心解释变量的影响是否稳健，采用逐步增加控制变量的方法对变量进行回归。具体检验结果如表2 所示。

表2 核心解释变量逐步回归结果

根据表2 中的模型（1）～（7），可以观察到数字经济发展水平对工业绿色全要素生产率有显著的正向影响。即使在逐步引入控制变量的过程中，其显著性水平始终保持在1%。这表明数字经济发展水平对工业绿色全要素生产率具有直接而重要的影响，初步验证了假设H1。进一步分析控制变量后发现，经济发展水平和政府干预能力对工业绿色全要素生产率有显著的正向影响。这说明随着地区经济的发展和政府财政支出的增加，工业绿色全要素生产率可以得到提升。然而，人口规模对工业绿色全要素生产率有负向影响。这可能是因为人口的聚集虽然可以提高地区的创新水平[20]，但也增加了对环境和资源的压力，从而降低了工业绿色全要素生产率。此外，对外开放水平也对工业绿色全要素生产率产生了负向影响。这说明尽管外商投资带来了新的技术创新和管理模式，但也存在“污染避难所”现象[21]。

为了进一步验证数字经济对工业绿色全要素生产率的中介效应，在之前的回归模型中添加了产业结构升级和人力资本水平两个中介指标。从表3 模型（1）（2）可以观察到，数字经济发展水平对产业结构升级有着显著的正向影响，且在产业结构升级的中介变量参与回归的模型（2）中，数字经济发展水平仍然对工业绿色全要素生产率有着显著影响，影响系数为0.212。这表明数字经济可以通过优化产业结构升级来促进工业绿色全要素生产率的提高，初步验证了假设H2。从表3 模型（3）、（4）可以看出，数字经济发展水平对人力资本水平存在显著的正向影响，且在人力资本水平的中介变量参与回归的模型（4）中，数字经济发展水平仍然对工业绿色全要素生产率有着显著影响，影响系数为0.287。这表明数字经济可以通过提高人力资本水平来促进工业绿色全要素生产率的提高，初步验证了假设H3。

表3 工业绿色全要素生产率影响因子显著性

3.5 地区异质性及稳健性检验

为了进一步验证本文研究结果的可靠性，进行了一系列稳健性检验：

1）替换了解释变量的计量方式。除了用互联网发展和数字金融普惠两方面衡量数字经济综合发展水平外，我们还利用城市数字基础、应用能力和数字产业化相关的指标来进行主成分分析，以测量本文中数字经济的发展程度。利用2011—2018 年的样本进行主成分分析，得到了一个新的数字经济发展指数。回归结果如表2 第（6）列所示，核心解释变量DE 的系数仍然显著为正，表明数字经济对工业绿色全要素生产率具有积极推动的作用。这同时也表明基准结果是相当可靠的。

2）为了排除统计年鉴中劳动力统计误差对估计数字经济对城市就业效果影响的偏误，对被解释变量GTFP 进行了1%水平的尾部修正处理。然后进行了实证回归分析，回归结果如表2 第（7）列所示，核心解释变量DE 的系数仍然显著为正，表明数字经济对工业绿色全要素生产率具有积极推动的作用。这也再次证明了我们的基准结果是可靠的。

考虑到长江经济带内部发展的不平衡性，进一步将其划分为上、中、下游三个部分。具体的回归结果请见表4。可以看出，长江经济带的上、中、下游地区数字经济都对工业绿色全要素生产率产生了积极的促进作用。不过，上游地区的影响系数最大，下游地区次之，而中游地区的影响最小。这可能是因为上游地区的经济发展水平最低，对数字经济的促进作用最为迫切，地方政府和企业对数字经济的重视程度最高。而下游地区的基础设施和经济基础最好，数字经济发展的基础较为坚实。而中游地区虽然经济基础优于上游地区，但发展模式还比较原始，尚未完全释放出数字经济的活力。

表4 长江上中下游数字经济对工业绿色全要素生产率异质性影响

4 结论及政策建议

随着我国数字经济的快速发展，数据作为一种新的生产要素对经济发挥了越来越大的驱动作用。通过本文的研究，得出以下结论：首先，数字经济发展水平对长江经济带的工业绿色全要素生产率具有积极的带动作用。然而，在长江经济带的上、中、下游地区存在一定的区域差异。具体而言，数字经济对长江经济带的上游和下游地区的工业绿色全要素生产率具有显著的影响，而对中游地区的影响相对较小。其次，数字经济不仅可以直接提升工业绿色全要素生产率，还可以通过促进产业结构升级和提高人力资本水平来间接提高工业绿色全要素生产率。

基于以上结论，本文提出以下政策建议：

1）加强和完善数字基础设施建设，充分利用数字经济对工业绿色全要素生产率的带动效应，加快数字经济平台的发展。在此基础上，进一步增强数字经济在产业融合中的关键作用，以提高工业绿色全要素生产率。

2）根据实际情况采取因地制宜地发展策略。根据东部和中西部在经济发展程度和资源禀赋等方面的差异，制定差异化的产业政策，与数字经济形成良性互动机制，最终推动绿色发展。

3）通过产业政策和资金支持等手段，支持产业的制度改革，增加对教育资源的投入，推动教育资源的数字化发展，注重产业升级，优化人力水平，与数字经济实现协同发展。