中国数字经济发展对生态效率的影响研究

刘萍 LIU Ping

（安徽财经大学，蚌埠 233000）

0 引言

中国的经济已进入高质量发展阶段，以往只追求经济增长速度的发展理念带来了产业高能耗、高污染和高排放的问题，生态环境问题日趋严重，传统粗放型经济发展方式已经适应新发展理念。统筹经济发展与生态效率之间的关系是我国实现高质量发展进程中亟需解决的重要问题。伴随经济的迅速发展，涌现了不少新兴经济形态，数字经济也应运而生，不断涌现的科技成果优化了生产要素资源配置，推动我国经济向生态友好型转型。因此，本文基于以上背景深入探究数字经济发展对生态效率的影响，为我实现国高质量发展提供参考。

1 文献综述

关于数字经济对生态效率影响的研究成果较少。具体梳理如下：何维达等（2022）以我国省级面板数据为样本，得出数字经济发展对生态效率提升具有显著促进作用的结论。王梦菲等人（2021）认为在数字经济时代，数据要素投入生产时，不仅带来了传统科技的革新，而且作为一种物化劳动，推动经济社会发展转型和产业结构调整，重新构建了经济生产模式，可以促进供给效率和质量的提升，进一步推动生产方式绿色化。史丹（2020）考察生态效率的影响因素时认为第三产业比重的上升有助于提升生态效率，信息技术行业资源消耗少，能有效促进产业向价值链的高端转移，从而实现经济的绿色可持续发展。周清香等人（2020）基于微观层面从生活方式入手，认为数字经济推动新商业模式、新兴业态快速迭代升级，比传统经济更能够形成健康、低碳、绿色的生活模式和消费模式，进而减少对资源的投入和消耗，降低对生态环境的破坏，促使生产模式绿色转型。盛皓炜等（2023）以长江流域城市为研究对象，得出数字经济发展通过鼓励自主技术创新和加强外来技术引进从而推动工业生态效率提升。

学者们大多认为数字经济的发展会推动提升生态效率。但现有研究也存在一定局限性。首先，现有文献集中研究运用多种指标体系分别评价数字经济发展和生态效率，很少实证分析二者之间影响，未能厘清数字经济发展与生态效率之间的关系。其次，大多从国家层面研究数字经济发展和生态效率的测度，只有少部分文献考虑了区域差异性。

2 数字经济和生态效率测算

2.1 数字经济发展水平测算体系

2.1.1 指标选取

参考刘军等（2020）的研究方法，从数字交易发展、互联网发展和信息化发展三个维度构建一级指标，15 个基础指标，测算数字经济的发展水平。具体指标构建如表1所示。

表1 数字经济发展水平测算体系

2.1.2 数据来源

本文选取全国30 个省份2015-2020 年的面板数据为研究样本，数据来源于《中国统计年鉴》《2021 中国数字经济发展报告》和中国信息通信研究院以及工业和信息化相关研究报告和公布数据。

2.1.3 测定方法

为使数据可比，对原始数据进行标准化去量纲处理。目前学术界常用的指标赋权方法包括主成分分析法、变异系数法、主观赋权法和熵权法等。为保证赋权结果的客观性，本文选取熵值法对各指标的离散状况进行测度，再根据其离散程度对各指标进行赋权。根据权重计算数字经济发展水平综合得分。

2.2 生态效率测算体系

2.2.1 指标选取

本文参考李浩（2019）对生态效率的测度方法，选取投入、期望产出和非期望产出三个维度构建6 个基础指标，采用超效率SBM 模型计算生态效率值。具体指标体系参见表2。

表2 生态效率评价体系

2.2.2 数据来源

本文数据来源于《中国统计年鉴》《中国城市统计年鉴》，资本存量参照单豪杰（2008）等人，以2014 年为基期，采用永续盘存法估算各省市2015-2020 年的资本存量。对于某些省市和年份的缺失值采用线性插值法进行填补。

2.2.3 测定方法

数据包络分析法是利用效率前沿的数据包络线代替生产函数以确定决策最优点的方法，落在最佳前沿面上的投入产出组合即为最有效率的生产决策。传统DEA 模型有效决策单元不止一个，无法对效率值为1 的统计单元进行比较与度量。超效率SBM 模型不仅可以弥补DEA 模型的不足，还能将非期望产出纳入考虑范围。因此，本文参考马思雨（2022）的做法，采用超效率SBM 模型来衡量生态效率。

3 研究设计

3.1 变量选取

被解释变量。本文的被解释变量为生态效率（EE）。运用超效率SBM 模型进行测度。

核心解释变量。本文的核心解释变量是数字经济发展水平（DE），本文选取、信息化基础和互联网基础等指标采用熵权法进行计算。

控制变量。本文认为会影响生态效率的变量有：清洁能源使用情况（ce）、城镇化水平（ur）、环境规制（en）、产业结构（tp）、对外开放（op）。

3.2 描述性统计

本文选取了2015-2020 年全国30 个省市的面板数据，变量的基本统计信息如表3。

表3 主要变量描述性统计

4 实证分析

4.1 模型构建

对面板数据进行回归分析之前，本文对样本数据进行豪斯曼检验，结果表明固定效应模型优于随机效应模型。据此本文构建双固定效应模型考察数字经济发展水平对生态效率的影响。根据上文选取变量构建模型为：

其中，i 表示30 个省市，t 表示年份，1nEEit为数字经济发展水平指数，α0是常数项，α1表示核心解释变量系数，α 表示控制变量系数，1nDEit为核心解释变量生态效率值，X 为控制变量，μi为个体固定效应，vt为时间固定效应，εit为随机误差项。

4.2 基准回归

本文通过逐步回归法排除多重共线性的影响，基准回归结果如表4 所示。模型（1）为剔除控制变量，数字经济发展水平对生态效率的影响结果，数字经济发展水平的回归系数在1%的水平上显著为正，即数字经济发展水平对生态效率有显著正向影响。模型（2）-（6）为逐步添加控制变量，数字经济发展水平对生态效率的影响效应，加入控制变量后，数字经济发展水平的回归系数在1%的水平上仍然显著为正。

表4 数字经济发展与生态效率回归结果

水资源使用的回归系数为正，清洁能源使用量增加，可以减少环境污染，从而促进生态效率提升。城镇化水平的回归系数为正，随着城市化的推进，经济发展更为强劲，更加重视环境污染等问题，对生态效率起到促进作用。环境规制的回归系数为正，我国在环境保护方面的投入随着经济的发展持续增多，政府也相应出台生态环境保护政策对企业生产行为进行规制，引导企业走节约资源、保护环境的绿色发展道路，提升生态效率。产业结构的估计系数显著为负，说明了工业发展中存在的高能耗、高排放、高污染等问题使生态效率降低，对外开放水平的回归系数在检验中不显著，表明现期外商直接投资对我国生态效率无促进作用。

4.3 区域异质性检验

考虑到不同地区由于经济、文化、历史等因素的影响，数字经济发展水平对生态效率的影响也可能存在较大差距。因此需要有针对性分析数字经济发展对生态效率的影响是否存在区域异质性。本文将我国30 个省市分为西部、中部和东部地区进行实证检验。结果如表5 所示。从表5可以看出，西部地区数字经济发展水平与生态效率没有显著关系，中部和东部地区数字经济发展水平与生态效率有显著正向关系，得出数字经济发展水平对生态效率的影响存在区域异质性。

表5 西部、中部、东部地区数字经济发展对生态效率影响的检验结果

从实际发展状况来看，数字经济通过数据要素的投入，科技水平的进步，提升经济发展效率的同时，挤出高能耗、高污染、高排放等产业，促进生态效率提升。西部地区的数字经济发展不足，无法改善生态效率。中部地区和东部地区数字经济发展水平较高，对经济的影响效应明显，可以较好地依靠数字技术的快速发展，促进生态效率提升。

5 研究结论与政策建议

5.1 研究结论

从总体来看，30 个省市的分析结果表明数字经济发展水平的提高能够显著推动地区生态效率提升。这说明数字经济这一新经济业态的下沉式普惠发展有利于地区经济效益和环境效益的双重提升，对指导我国实现高质量发展具有重要意义。

从区域来看，在西部地区，数字经济发展对生态效率的促进作用不显著，可能因为西部地区数字经济的规模还未发展到能显著提高生态效率的水平，而中部地区和东部地区的经济较发达，高新技术企业较多，实证结果也表明中部和东部地区数字经济的发展能显著促进生态效率提升。

5.2 政策建议

第一，推进数字经济发展，促进生态文明建设。当前，我国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期。数字经济作为一种新兴经济形态，具有生产要素丰富、商业模式创新、带动作用强劲等特点，在生态文明建设中具有重要作用。在生态文明建设过程中，要大力发展数字经济，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。

第二，增加科技创新投入，提升科技发展质量。科技是第一生产力，创新是引领发展的第一动力。我国对科技创新的投入和西方发达国家相比还存在很大差距，各省市应调整科技创新投入，提升科技创新水平，同时重视将已有科研成果与产业融合，开辟发展新领域新赛道，不断塑造发展新动能新优势，淘汰落后的高能耗、高污染和高排放产业，坚定不移地走生态友好的绿色发展道路。

第三，减小区域发展差异，全面提升生态效率。实证结果表明，不同区域数字经济对生态效率的影响不同，西部地区数字经济发展水平落后，在一定程度上限制了数字经济对生态效率的促进作用。西部地区要根据自己的实际情况合理配置生产要素，通过科技创新带动工业、制造业的转型升级，在提升效率的同时注重生态环境保护。处理好环境与经济之间的关系，才能真正提高经济发展效率。