绿色技术创新视角下数字经济对城市绿色全要素生产率的影响研究

○ 王磊 王俊尧

（石河子大学经济与管理学院，新疆 石河子 832000）

一、引言

数字赋能、绿色低碳是我国城市绿色转型升级的动力和鲜明底色。改革开放以来，虽然我国凭借着自然资源禀赋与人口劳动力优势持续推动了经济增长，但由传统要素驱动的生产方式也带来了大量的环境污染和生态破坏。中国在近年来积极参与并推动国际气候变化谈判，这包括《联合国气候变化框架公约》《哥本哈根协议》《京都议定书》《巴黎协定》等。相关学者关注的核心问题已经转向中国的城市以什么样的方式既能够为降低全球污染排放做出贡献，又不至于损害国内经济增长。一方面，在绿色发展背景下，数字经济逐渐成为我国经济改革的新动能，《十四五数字经济发展规划》显示，2020 年，我国数字经济规模已达39.2 万亿元，列居世界第一，数字经济为城市高速发展输入强大动力的同时，也为城市绿色转型升级提供了可能性。《中国数字经济发展白皮书（2021）》中有关数字经济的展望部分明确指出，计划到2025年，数字经济核心产业增加值占GDP 的比重要达到10%，各地应围绕数字新产业、大数据新要素、数字新基建、智能新终端等重点领域，加强数据、技术、企业、空间载体等关键要素的协同联动，加快进行数字经济基础设施发展全面布局。另一方面，短期内中国通过技术引进、技术模仿发展成为制造业大国，造成我国目前在技术创新领域依然存在着诸多问题，包括在新能源开发利用率较低、节能减排效果不明显以及与环境治理能力不足等，这对我国加快绿色技术创新步伐提出了新要求。因此，推进绿色技术创新也是推动城市绿色转型升级的必经之路。

联合国开发计划署发布的《中国人类发展报告（2002）》中，首次提出了绿色发展概念，该报告认为绿色发展强调的是经济发展与环境保护的统一。国内外学者们对可持续发展的研究方向逐渐倾向于绿色发展，并站在不同角度对绿色发展给出了界定，例如，NAHMAN[1]构建了包含经济、社会和环境三个维度的指标体系来衡量世界上193 个国家的绿色发展水平。国内外学者在GML-DEA 指数中添加了非期望产出部分，测量了278个城市的绿色全要素生产率[2-3]。在绿色全要素生产率的影响因素识别方面，周鹏飞[4]探索了异质性环境规制通过绿色技术创新影响GTFP 的中介效应，发现数字经济能够通过不同类型的环境规制影响GTFP 存在差异；THURNER[5]认为，绿色技术创新是影响俄罗斯制造业绿色竞争力的主要因素；张静晓[6]使用扎根理论方法，发现人口规模扩大、环境污染降低、产业结构优化等是提升城市GTFP 的主要因素。目前，国内外学者对数字经济与绿色全要素生产率的关系主要持以下几种观点:首先，部分学者构建了数字经济综合发展的指标体系，研究发现数字经济综合发展水平的提升有利于城市的绿色发展[7-8]，但不同的区域存在异质性，数字经济对中国绿色全要素生产率的促进效果呈现出“中部<东部”的空间分布特征[9]；其次，部分学者研究了数字经济影响绿色全要素生产率的路径，研究发现数字经济可以通过加强技术创新[10]、环境规制[11]、城市生产效率[12]赋能绿色发展；最后，相关学者认为数字经济与绿色全要素生产率间存在非线性关系，技术创新与数字金融的深度融合发展能够促进工业绿色转型升级[12]，且数字经济可以通过空间溢出效应影响临近地区的绿色全要素生产率[13]。

综上所述，目前少有文献以绿色技术创新为视角，研究数字经济对城市绿色全要素生产率的影响。随着数字经济对中国经济的影响不断加深，对中国的城市绿色全要素生产率有着怎样的影响？绿色技术创新又扮演着怎样的角色？本文将从两个方面进行深入探讨：一是研究视角方面，文章以绿色技术创新作为门槛变量和中介变量，并根据城市规模不同对280个城市进行分组，探索绿色技术创新视角下数字经济对城市绿色全要素生产率的影响及其异质性，为我国提升城市绿色全要素生产率提供经验性依据。二是研究区域方面，区别于现有聚焦于国家、行业、省份等层面研究，本文以城市为研究对象，探索数字经济、绿色技术创新与绿色全要素生产率的关系，对于从区域层面研究中国绿色发展有一定参考价值，填补了现有文献中绿色技术创新视角下数字经济影响城市绿色全要素生产率研究的空白。

二、理论机制及研究假设

绿色全要素生产率的提升主要依赖技术改良、效率改进以及环境改善等方面[14]，数字经济为其提供动能，技术创新又能够产生数字经济影响绿色转型升级的驱动力，企业可以通过数字经济与技术创新尤其是绿色技术创新领域相融合的模式寻找提升绿色全要素生产率的新增长点。有关数字经济、绿色技术创新与绿色全要素生产率的理论机制主要分为以下几个方面。

第一，数字经济具有数字经济信息化、数字经济智能化以及数字金融支持等特征。其中，数字信息化水平的提高为企业间的知识传递、技术交流提供了便利，有利于企业生产效率的提升[15]。同时，数字信息化可以通过优化资源配置、减少资源错配、提升要素流动水平、降低交易壁垒等模式提高清洁能源利用率，减少污染物的产生，从而提升绿色全要素生产率；数字智能化是指在大数据中加入人的智慧，依托高科技人才处理数据的能力，以此来提高大数据的价值和效用。数字智能化给城市带来了技术上的优势，智能交通、智慧物流、智慧能源、智能化管理、云计算等领域的发展不仅可以提升生产效率，促使物流保通保畅，促进传统产业绿色转型升级，而且可以模拟出科学规范的绿色治理模式，以高效的智能化设施推动传统产业转型升级，为推进生态文明建设提供理论支撑；数字金融作为融资手段提升了企业的融资效率，一方面，数字金融降低了企业融资的交易成本与贷款拒绝率，能够缓解企业使用绿色创新来提高绿色全要素生产率的融资约束，解决融资难、融资贵等问题[16]。另一方面，使用数字金融能够赋能绿色创新。绿色金融领域长期存在着信息不对称的问题，通过数字金融平台建立绿色项目匹配与资金匹配系统，做好降低服务成本与监测资金流向等有关绿色金融的精准“滴灌”工作[17]，引导金融资本向低碳环保产业、绿色研发部门流入，有利于数字金融促进绿色转型升级效应更好的发挥。

第二，通过技术创新促进我国环境全要素生产率提高是我国绿色转型升级的根本途径之一[18]。绿色技术创新作为技术创新中促使传统产业转型升级的核心要素，从多方面形成了技术创新的绿色转型升级效应。从短期来看，高强度的绿色技术创新投入会带来成本的增加，影响提升全要素生产率的效果，但从长期动态过程来看，一旦跨越“遵循成本”的拐点，滞后的“绿色创新补偿”就能够抵消企业在绿色技术创新过程中付出的成本，从而显著提升绿色全要素生产率。绿色技术创新对城市绿色全要素生产率的影响机制主要分为以下三点：首先，从宏观治理方面来看，大数据的分析、现代技术的应用使得政府的日常规划目标更加明确。国家在实施环境规制政策过程中，更多地使用绿色技术减少非期望产出，增加期望产出能够更好地化解环境约束与经济增长间的矛盾。同时绿色技术在实施循环经济、治理污染、进行生态修复等方面都会发挥积极的作用，有利于提升绿色全要素生产率。其次，从中观产业结构来看，共同建设低碳能源基础设施，推动经济结构产业绿色转型升级，建设绿色聚集地以及重复利用废弃物等，均需要发挥绿色技术创新对绿色全要素生产率的正面推动效应。最后，从微观企业层面来看，绿色技术创新引致的设备更新、产能优化能够给企业带来诸多好处，包括人力成本的降低以及可再生能源使用率的提升。同时，绿色技术创新带来的示范效应可以推动企业淘汰老旧设备，引进低碳环保设备以及使用更多绿色低碳能源，从而促进企业绿色全要素生产率提升。此外，绿色技术创新能力的提升有助于形成高新技术开发区的集聚效应，在产业结构不断高级化和绿色升级的动态过程中倒逼企业向低能耗、低污染方向转型。

第三，数字经济对绿色技术创新有显著的赋能效果，数字经济降低了绿色技术创新过程中搜寻资料的时间成本，减少了资源消耗，提升了企业在人力、能源、设备、技术等方面的资源配置效率，提高了创新成果市场化的效率，从而达到在推动绿色技术创新过程中不断提升绿色全要素生产率的目标。此外，根据城市自身的综合发展水平不同，数字经济对绿色全要素生产率的提升也存在一定的差异性。当某地区经济发展水平滞后，技术创新或绿色创新水平较低时，数字经济的信息化、智能化以及与数字金融支持带来的好处无法有效的发挥，此时绿色技术创新的门槛调节效应有限。当技术创新与绿色创新水平提高到一定范围，技术创新尤其是绿色技术创新带来的技术溢出具有强大的驱动力，能够激发数字经济促进区域绿色转型升级的功能。考虑到不同的城市在经济发展水平、高端人才数量、数据处理、研发能力上存在差异性，这也会影响数字经济通过绿色技术创新影响绿色全要素生产率的间接效应大小。

基于以上分析，本文提出以下假设：

假设H1:数字经济和绿色技术创新均能够促进城市绿色全要素生产率提升。

假设H2:数字经济对城市绿色全要素生产率的影响受到绿色技术创新门槛调节效应的制约。

假设H3：数字经济能够通过绿色技术创新的中介效应促进绿色全要素生产率提升，且根据城市的规模以及绿色技术创新能力的不同，数字经济通过绿色技术创新对绿色全要素生产率的中介效应具有异质性。

三、研究设计

（一）模型构建

1.固定效应模型

为了验证假设H1提到的数字经济与绿色技术创新均能够提升城市绿色全要素生产率，构建基础回归模型进行分析。因各变量的数据波动性较大，本文对绿色技术创新、环境污染以及人口规模取对数处理，模型设定如下：

其中，gtfpit表示第i个城市第t年的绿色全要素生产率；digeit与lngit分别表示数字经济综合指数、绿色创新指数；strit代表产业结构；finit代表金融发展水平；eduit代表科技教育水平；lnerit代表环境污染取对数；lnpopit代表人口规模取对数，μi、δt、εit分别代表个体效应、时间效应以及随机干扰项。

2.门槛模型

为了验证假设H2提到的数字经济对城市绿色全要素生产率的影响存在绿色技术创新水平的门槛效应，构建门槛模型，并根据其结果将跨越门槛值的绿色技术创新水平定义为高强度绿色技术创新，未跨越门槛值的定义为中低强度技术创新。门槛模型设定如下：

其中，I(.)为门槛指示性函数；lngiit为绿色技术创新门槛变量；xit为控制变量集合。

（二）变量选取

为探讨数字经济影响城市绿色全要素生产率的作用机制，以及绿色技术创新作为数字经济影响城市绿色全要素生产率的重要途径，对两者关系所显示出的门槛效应与中介效应，文章选取的变量如下：

1.被解释变量：绿色全要素生产率（gtfp）。Gtfp 是在tfp 的基础上添加了非期望产出的部分，更加符合当下绿色发展的理念[19]。参考FUKUYAMA[20]的做法，文章使用GML指数测算了各年的城市绿色全要素生产率，期望产出与非期望产出选取的指标如表1所示，因城市绿色全要素生产率受到前一年的影响较大，本文将测得的城市绿色全要素生产率以2002 年为基期进行逐年累乘，最终得到2011—2019年的城市绿色全要素生产率。

2.核心解释变量：数字经济（dige）。考虑到数据的可获得性，本文借鉴李雪[21]的研究，从数字基础、数字金融两个一级指标构建指标体系，二级指标的选取参考表2，并使用主成分分析法求得数字经济发展水平的综合指数。

3.门槛变量与中介变量：绿色技术创新（lngi）。参考蔡玲[22]的做法，在国家知识产权局专利检索系统中对环境技术领域的新型类实用绿色创新进行检索，对各城市的绿色专利申请量进行识别，获取2011—2019 年我国280 个地级城市的绿色专利申请量，以此衡量城市的绿色技术创新水平，并对城市的绿色专利申请数加1取对数处理。

4.控制变量：本文参考韦施威[23]的研究，选取的控制变量包括人口规模（lnpop）、产业结构（str）、金融发展水平（fin）、科技教育水平（edu）、环境污染（lner）。

（三）数据来源与变量描述统计

人口规模（lnpop）、经济服务化水平（str）、金融发展水平（fin）、科技教育水平（edu）、环境污染（lner）、数字经济（dige）的数据主要来源于历年的《中国城市统计年鉴》，数字金融普惠指数由北京大学数字金融研究中心测得。由于城市数据部分缺失，本文研究对象中删除了部分城市，并用移动平均法补充了部分数据，最终得到了2011—2019 年280 个城市的面板数据，表3 列出了各变量的描述性统计。

表3 变量描述性统计

四、实证结果分析

（一）基准回归结果及其内生性和稳健性分析

经Hausman检验，文章采用固定效应模型进行分析，表4中的模型（1）至（3）为固定效应模型进行逐步回归的结果，模型（4）是采用Winsor2 缩尾法进行5%的缩尾，并剔除了四个直辖市后重新进行回归的结果。此外，将数字经济（dige）滞后一期、滞后二期作为替换变量进行回归，结果见模型（5）和（6）。经过对比，模型（1）至（6）中，数字经济、绿色技术创新对城市绿色全要素生产率的系数均显著为正，说明了结果的稳健性。dige 和lngi 的估计系数大于0 且显著性在1%水平上显著，验证了前文的假设H1，数字经济与绿色技术创新均能够促进城市绿色全要素生产率提升，数字经济可以成为绿色转型升级的新动能，提升我国城市绿色全要素生产率。

表4 基准模型估计结果

其中，金融发展水平、产业结构的系数为正且在1%的水平上显著，人口规模系数为正但不显著。数字经济促进绿色全要素生产率提升离不开金融资本和人力资源的支持，且第三产业规模提升会导致绿色全要素生产率上升，是因为与第二产业相比，第三产业不需要消耗大量能源、排放污染，具有低碳环保的优势。其他控制变量中，环境污染的系数为负，当城市日常生产生活产生的有害物质增加时，城市GTFP 降低，这也与现实情况相符。而科技教育水平的系数为负，这说明科技教育水平提升带来的绿色技术溢出与绿色知识溢出，在不断提升科教支出规模的背景下，不仅需要增强人们的低碳环保意识，还需要合理规划好科教支出的方向。

（二）双重差分模型（DID）

参考刘奥[24]的研究，对2014—2016 年“宽带中国”政策选取的120个示范城市与原有数据进行匹配，并对政策效果进行评估。首先，设置实验分组虚拟变量（Treat），将整体样本划分为实验组和控制组，比较政策冲击的实际效果。其次，考虑到数字经济基础设施构建需要一个过程，根据“宽带中国”实施政策设置时间分期虚拟变量（Post），实验组政策实施第二年及以后取1，否则取0，构建实验组与时间分期虚拟变量（Treat*Post）。最终得到的双重差分DID回归结果如表5所示，表5中模型（1）和模型（2）为不加入控制变量的回归结果，模型（3）为加入控制变量后的回归结果。经过观察，treat*post和lngi的系数均显著为正，表明数字经济和绿色技术创新可以显著提高城市绿色全要素生产率，与基准回归模型研究结论保持一致。

表5 双重差分DID回归结果

表6 门槛估计值及其显著性检验

（二）门槛效应结果分析

本文进一步使用门槛模型检验数字经济对城市GTFP 的影响是否受到城市绿色技术创新水平的制约。门槛模型的结果显示，绿色技术创新存在单一门槛值，不存在双重门槛值和三重门槛值，绿色技术创新的门槛值为6.54，且通过了最大似然估计检验。表7的门槛模型估计结果显示，当城市的绿色技术创新水平未跨越门槛值6.54时，数字经济对城市GTFP 的影响系数为0.009，结果在1%水平上显著。当绿色创新水平大于门槛值6.54时，数字经济对城市绿色全要素生产率的影响系数为0.011，结果在1%水平上显著。可见，绿色技术创新的水平越高且跨过门槛值后，数字经济对城市GTFP的促进作用越强，假设H2得到验证。统计性分析表明，2011 年跨越绿色技术创新门槛值的城市有56个，至2019年此数据已达到150个，接近于2011年的三倍，在绿色转型升级背景下，各城市明显更加重视对绿色技术创新的投入，且获得了较好的效果。

表7 门槛模型估计结果

五、进一步研究

（一）中介效应分析

技术创新与绿色技术创新作为城市绿色发展的重要动力来源，为生产效率提升和环境保护提供支持，但两者的出发点不同，技术创新聚焦于提升全要素生产率，包括了生产效率提升、能源利用率提高以及关键技术的突破等，技术创新更侧重于成果的展现。而绿色技术创新更加强调以生态理念谋划发展，是遵循生态经济规律的体现，绿色技术创新技术主要包括前端的污染削减技术、末端的废物处理技术、终端与首端相结合的循环再生技术以及污染防控技术等。可见，绿色技术创新是一种聚焦于生态与经济协调发展的新型现代化技术。为了检验绿色技术创新在数字经济与绿色全要素生产率之间中介效应的大小，文章构建了中介效应模型，并对不同规模的城市和绿色技术创新能力不同的城市进行分析比较。

（二）中介效应模型

为了验证以上分析以及假设H3提到的绿色技术创新是数字经济对绿色全要素生产率促进的重要途径，且创新水平不同的城市，数字经济通过绿色技术创新对城市GTFP 的影响具有异质性，本文构建以下中介效应模型[25]，选用三步回归法进行中介效应检验，并按照城市的绿色技术创新强度进行分组回归。三步回归法均采用固定效应模型，模型设定如下：

首先，基于基础回归模型（1）构建中介效应模型，将绿色技术创新分组作为被解释变量，数字经济作为解释变量进行回归：

其次，将城市GTFP 作为被解释变量，数字经济作为解释变量，绿色技术创新作为中介变量，分组进行回归：

（三）中介效应及其异质性分析结果

如表8 所示，在第一步回归中，数字经济对城市GTFP的系数为0.0095，数字经济对城市GTFP的影响显著为正；在第二步回归中，数字经济对绿色技术创新的系数为0.2170，结果显著为正；在第三步回归中，数字经济与绿色技术创新的系数均显著为正。参考中介效应[25]的检验及计算方法，存在中介效应，总效应为0.0095，直接效应为0.007，间接效应为0.0026，其中，间接效应占总效应比值为27.4%，占比较小。这与我国正处于绿色转型升级阶段，很多城市绿色创新水平不高，且创新意识正处于向绿色技术创新转变阶段的现实情况相符。城市中企业生产方式的转变，人们低碳环保意识的形成，政府重大生态工程的开展以及绿色创新成果向市场转化等方面均需要一个过程。

表8 中介效应比较性分析结果

为了分析在不同的绿色技术创新水平下，数字经济通过绿色技术创新影响城市绿色全要素生产率的中介效应是否存在异质性，本文以前文门槛模型结果中绿色技术创新的门槛值为分界，将跨越门槛值的绿色技术创新水平定义为高强度技术创新组，未跨越门槛值的定义为低强度技术创新组，整体数据作为参照组，并分组进行中介效应检验。结果如表8 所示，参照组与高强度绿色技术创新组中，中介效应显著存在，低强度绿色技术创新组的中介效应不存在。参考前文的中介效应检验方法及计算方法，整体绿色技术创新组的间接效应占比为27.4%。同理，高强度绿色技术创新组的间接效应占比为37.4%，而低强度组的直接效应和间接效应均不存在。经过比较，高强度绿色技术创新组数字经济影响城市GTFP 的过程中，系数更高且间接效应更高，验证了假设H3，也说明了在绿色技术创新水平良好的地区，不仅有利于数字经济对城市绿色全要素生产率促进作用的发挥，而且体现了城市在绿色转型升级过程中对路径选取具有合理性的特点。此外，从表7 模型（1）与（2）对比可知，第一列回归结果显示，高强度绿色技术创新组数字经济影响系数为0.019，大于整体绿色技术创新组的0.0095，说明绿色技术创新强度提高有利于数字经济提升绿色全要素生产率作用的发挥，这与前文门槛效应得出的结论相同。绿色技术创新对数字经济有驱动的作用，能够通过改善数字经济中的信息化水平、智能化水平来影响人们的生产生活方式，进而提升城市GTFP；通过比较模型（1）和（2）第三列回归结果，发现模型（1）中绿色技术创新对城市GTFP 的系数为0.012，模型（2）中的系数提升到了0.03，说明高强度的绿色技术创新也有利于发挥对城市绿色全要素生产率的提升作用，高强度绿色技术创新具有“1+1>2”的功能，推进绿色技术创新既能够加快数字化建设的重点，也是推动城市绿色转型升级的策略之一。

更进一步地，经济发展水平、人口规模、创新能力不同的城市在选取提升绿色全要素的路径时，会制定不同的政策，为了分析区域在不同的城市规划标准下，数字经济通过绿色技术创新影响城市绿色全要素生产率的直接效应和间接效应是否存在异质性，本文根据《国务院关于调整城市规模划分标准（2014）》中的城市规模划分标准，将城市划分为五档，采用三步回归法，使用固定效应模型进行分组中介效应检验。结果如表9所示，超大城市存在数字经济提升城市绿色全要素生产率的直接效应，不存在间接效应。特大城市的直接效应、间接效应和总效应均不显著，中介效应受阻。小型城市、中等城市和大型城市的直接效应、间接效应和总效应均显著为正，说明数字经济通过绿色技术创新提升城市绿色全要素生产率的中介效应在维护小型、中等、大型城市的生态安全中发挥了重要作用，假设H3得到验证。

表9 分区域中介效应回归结果

六、结论与政策建议

（一）结论

本文基于中国城市绿色转型升级背景，从绿色技术创新层面切入，研究了数字经济对城市绿色全要素生产率的影响，得出以下结论：首先，数字经济和绿色技术创新均能够促进城市绿色全要素生产率提升，随着城市综合发展水平不断提升，数字经济赋能、绿色技术创新驱动都给城市绿色转型升级带了动力。其次，数字经济促进绿色全要素生产率提升存在绿色技术创新的门槛，在城市绿色技术创新水平提升的过程中，存在着规模报酬递增的效果，当绿色技术创新水平跨过门槛值时，绿色技术的驱动效果更好，创新效率更高，加速了数字经济投入向数字经济产出的转化，且数字化城市在生产生活中更倾向于低碳环保技术，进而表现出数字经济对城市绿色全要素的正向促进作用。最后，绿色技术创新是数字经济对绿色全要素生产率促进的重要中介变量，数字经济通过绿色创新技术水平提高，从而提升了城市绿色全要素生产率，且跨越绿色技术创新水平门槛的城市，数字经济通过绿色技术创新对绿色全要素生产率的影响明显且更加有效。分区域的回归结果显示，数字经济通过绿色技术创新提升了我国大、中、小城市的绿色全要素生产率，坚持数字赋能和绿色创新驱动是我国绿色转型升级的重要途径。

（二）政策建议

1.全方位提升数字经济发展规模，建设数字中国。首先，普及城市云计算、大数据中心，依托数字化平台带动生产方式、生活方式、治理方式变革，开展政府、企业、经济三维对接，为城市政企数字化转型提供服务。其次，运用物联网、人工智能等手段合理进行城市规划，精准定位推动城市绿色发展，为改善资源错配与提升生产效率赋能。最后，在清洁能源、绿色交通、绿色建筑、制造业减碳脱碳等领域给予一定程度的数字金融政策，推动数字金融逐步向绿色金融和碳金融领域发展。

2.构建绿色创新研发体系，推动城市可持续发展。一方面，在双循环新发展格局中合理利用国内、国际两种研发资源，增加自主创新投入，实施人才引进计划，构建产学研交流体系，加强与国际绿色技术创新平台的合作，系统性提升我国绿色技术领域研发水平。另一方面，以市场化为导向，通过健全市场交易体系，完善机理和风险防范机制，提高公共服务水平，强化金融服务水平等，加快绿色技术创新相关成果在教育、医疗、汽车、智慧城市等领域的普及应用。

3.坚持绿色发展模式，合理规划我国城市绿色转型升级路径。在物联网环境下，利用云计算、大数据等对符合低碳环保条件的企业进行识别，并实施一定的税收减免政策。设置国家中小企业绿色技术研发团队，加强企业与研发中心的沟通，明确绿色转型的详细计划并将研发成果在企业间共享，进一步发挥数字赋能和绿色技术创新驱动在我国城市绿色转型升级领域的引领作用。