数字技术赋能工业绿色转型：内在机制与空间溢出

袁培 路诣晓

DOI：10．19641/j．cnki．42-1290/f．2024．05．005

【摘要】选取2012 ～ 2021年我国30个省（区、市）的相关数据， 采用熵值法测算数字技术发展指数与工业绿色转型水平， 运用固定效应模型、 中介效应模型和空间计量模型检验数字技术赋能工业绿色转型的影响机制。研究发现： 考察期内， 各省（区、市）数字技术与工业绿色转型的发展水平显著提高， 数字技术能够直接促进工业绿色转型； 创新水平提升和能源结构优化是数字技术赋能工业绿色转型的重要渠道； 数字技术与工业绿色转型在空间上呈现出“高与高”“低与低”聚集的空间特征， 空间溢出效应显著存在。因此， 应加快数字基础设施建设， 发挥数字技术的空间溢出效应， 因地制宜推进数字技术与工业融合发展， 促进工业绿色转型。

【关键词】数字技术；工业绿色转型；中介机制；空间溢出

【中图分类号】 F424     【文献标识码】A      【文章编号】1004-0994（2024）05-0031-6

党的二十大报告指出， 必须站在人与自然和谐共生的高度谋划发展。在强国建设、 民族复兴的新征程上， 绿色发展必然会成为经济发展的主旋律。工业绿色发展是绿色发展的重要组成部分。在我国经济高速发展阶段， 工业发展模式基本上以“高投入、 高消耗、 高污染、 低产出、 低效益”和“先破坏后保护、 先污染后治理”为主。在这种发展模式下， 虽然我国工业发展取得了巨大成就， 但也积累了一系列深层次矛盾和问题， 其中最突出的是： 资源环境承载力接近极限， 高投入、 低产出、 高污染和高排放的传统发展方式不符合可持续和高质量发展要求。进入新发展阶段， 面临工业发展“大而不强、 大而不优、 大而不绿”的问题， 必须进行工业绿色转型升级， 助推经济高质量发展。习近平总书记在中央政治局集体学习时强调， “促进数字技术与实体经济深度融合， 赋能传统产业转型升级， 催生新产业新业态新模式， 不断做强做优做大我国数字经济”。数字技术作为一种新的生产力， 能够极大地提高生产效率， 与传统工业结合以实现绿色转型（戴翔和杨双至，2022）。本文先从理论方面分析数字技术赋能工业绿色转型的内在逻辑， 后以实证数据来分析数字技术与工业绿色转型之间的作用机制、 空间溢出效应、 区域异质性等情况， 对促进我国数字技术与工业绿色转型发展具有重要意义。

一、 文献回顾

当下数字技术的发展如火如荼， 关于数字技术的研究也日渐丰富。一是数字技术的内涵。数字技术以新一代信息和通信技术为基础， 包括大数据、 云计算、 人工智能、 区块链等前沿技术创新（田秀娟和李睿，2022）， 其本质是实现对各类信息进行识别、 转化、 存储、 传播、 分析和应用等（彭刚等，2021）。二是数字技术的经济效应。数字技术通过人力资本积累、 知识溢出和优化创新要素配置提升地区创新效率（赵星等，2023）， 促进企业全要素生产率提升， 赋能我国企业高质量发展（黄勃等，2023）， 促进实体经济的数字化转型（赵德起和孟琳，2023）。

关于数字经济影响绿色转型的研究： 一是工业绿色转型， 数字经济通过工业生产集约化和绿色技术创新推动工业绿色转型发展（王阳和郭俊华，2023）， 存在边际效应递增的非线性效应与空间溢出效应（孔芳霞和刘新智，2023）。二是制造业企业绿色转型， 数字赋能通过规模效应（赵星等，2023）、 提高技术创新水平（吴剑辉和许志玉，2023）、 数字化技术应用（吴卫红等，2023）等促进企业绿色发展。三是家庭消费绿色化转型， 数字经济显著驱动家庭消费低碳转型（张杰和魏振琪，2023）。

关于数字经济和绿色转型发展， 许多学者认为数字经济能够促进工业绿色转型。数字技术作为数字经济的基础和核心驱动力， 与工业绿色转型的联系更加紧密， 在此背景下， 数字技术如何推动工业绿色转型？作用机制是什么？是否存在空间溢出效应？是否存在区域异质性？这些问题正是本文需要研究的内容。本文可能的边际贡献有： 第一， 数字技术是数字经济的核心驱动力， 本文将数字技术和工业绿色转型纳入同一研究框架， 厘清数字技术影响工业绿色转型的作用机理， 更加突出技术的赋能效应， 此外， 通过历史数据构造工具变量减缓数字技术潜在的内生性， 提高了结果的稳健性。第二， 加入区域创新水平和能源结构优化作为中介机制检验， 更详细地论述数字技术赋能工业绿色转型的内在机制， 拓宽工业绿色发展的现实渠道。第三， 在关于数字技术赋能工业绿色转型的区域异质性分析中， 不同于其他学者采用东部、 中部、 西部的区域划分方式， 本文依据数字技术与工业绿色转型发展耦合协调等级来划分区域， 论述耦合协调等级越高的地区数字技术赋能效应越弱的现象， 以期为数字技术赋能工业绿色发展提出针对性对策。

二、 理论分析与研究假设

（一） 数字技术对工业绿色转型的直接影响

数字技术作为数字经济时代具有突破性和创新性的新技术， 在工业绿色转型过程中， 其直接作用主要体现在以下三个方面。第一， 节能降碳作用。数字技术与传统经济的持续深入融合， 不断为传统产业转型升级提供新动能， 极大地提高了能源效率、 减少了碳排放， 将清洁和绿色生产技术充分应用到传统产业链中， 降低污染排放， 淘汰落后技术和落后产能， 推动产业向清洁节能的方向发展（李兰冰和李焕杰，2021）。数字技术在能源、 制造业、 农业、 建筑、 服务、 交通等领域的应用已帮助全球碳排放減少了15%（The Exponential Roadmap，2020）。第二， 产业结构升级作用。通过数据要素的产业化、 商业化和市场化， 凭借现代数字信息技术、 先进互联网和人工智能技术对传统产业进行全方位、 全角度、 全链条改造， 既产生技术外溢效应， 又能抑制技术冲击带来的负面效应（许恒等，2020）， 有利于催生出共享经济、 体验经济等新业态、 新模式， 促进产业结构合理化、 高级化发展。第三， 促进资源高效配置作用。数字技术的应用促使各类信息流能有效整合， 减少信息不对称问题， 降低匹配成本， 将制造优势与网络化、 智能化优势叠加， 提高生产效率， 优化生产流程， 避免由于无序生产造成的浪费（韩晶和陈曦，2022）， 从而有利于工业绿色转型。因此， 本文提出：

H1： 数字技术能够直接促进工业绿色转型发展。

（二） 数字技术对工业绿色转型的间接影响

1. 创新水平提升效应。在企业创新层面， 数字技术能够降低信息成本、 提高精准度（李帅娜等，2023）， 使得绿色技术创新要素在更广范围、 更多领域、 更深层次上实现优化配置， 获得更丰富的创新资源， 通过信息的集成与共享， 很大程度上消除了创新要素供需双方的信息障碍， 有助于节约搜寻成本、 代理成本和治理成本（王金杰等，2018）。在产业创新层面， 数字技术具有高渗透和高融合的特征， 使其在经济活动中的生产属性不断被强化， 与传统生产要素不断融合发展， 有利于催生出共享经济、 体验经济等新业态、 新模式（吴剑辉和许志玉，2023）。在区域创新层面， 数字技术能够推动企业、 政府等主体共同创新， 高效配置创新资源、 增强区域创新活力（韩璐等，2021）。因此， 数字技术可以通过提升区域创新水平间接促进工业绿色转型。

2. 能源结构优化效应。数字技术借助柔性电子、 机器视觉、 工业传感器等数字技术而建立起来的覆盖能源产业全流程的智能生产体系和综合监测系统， 实现了生产和消耗的优化协同， 提高了能源利用效率（许恒等，2020）， 达到循环、 节能的效果（谢云飞，2022）， 并吸引企业引进新型数字化设备， 淘汰环境污染严重的老旧设备， 直接降低污染物排放， 提升綠色化水平（Huwei等，2021）， 如智能制造车间可以基于数字数据融合驱动实现碳排放预测与低碳控制（Zhang和Ji，2019）。

对比创新水平提升效应和能源结构优化效应， 由于“双碳”目标、 环境规制政策等非技术因素对工业企业的能源结构优化也有着重要影响， 数字技术的应用起到加快能源结构优化进程的作用。创新水平是影响工业企业发展的重要因素， 数字技术的创新应用体现在研发、 生产、 运营、 排污等各个阶段， 应用范围较广、 程度较深， 能够对工业经济发展与环境绩效持续赋能（曹长帅和苏迎娟，2023）， 为绿色转型带来更加强劲、 持久的驱动力。因此， 本文提出：

H2： 数字技术可以通过提升区域创新水平、 优化能源结构等中介效应间接促进地区工业绿色转型， 且创新水平提升的中介效应大于能源结构优化的中介效应。

（三） 数字技术赋能工业绿色转型的空间溢出效应

从空间视角来看， 生产要素能突破地理限制实现跨区流动， 地理距离越近、 要素流动效率越高（黎翠梅和周莹，2021）。数字技术以信息、 数据和技术为基础， 具有天然的流动性、 共享性， 降低了资源要素的时空壁垒和流动、 交易成本， 易打破区域间的壁垒、 实现跨区域流动， 对邻近地区产生溢出效应。一方面， 技术创新带来的知识技术溢出效应， 加快推动科技成果转化为现实生产力， 推动传统产业向智能化、 数字化和高端化转型（闫雅芬，2021）； 另一方面， 随着生产分工向专业化和精细化发展， 产业链条逐渐延伸拓展， 通过数字技术带来生产红利， 形成高协同性与正反馈效应， 邻近地区在产业链上下游合作紧密（彭刚等，2021）， 使得本地区和邻近地区的工业绿色转型进程加快， 地区间空间互动作用得到发挥， 形成空间溢出效应。因此， 本文提出：

H3： 数字技术赋能工业绿色转型发展具有空间溢出效应， 即对临近地区的工业绿色转型发展产生影响。

（四） 数字技术赋能工业绿色转型的区域异质性

由于各省（区、市）在经济社会发展条件、 资源禀赋结构、 基础设施等方面存在显著异质性， 在创新水平高、 基础设施完善、 人力资本水平高、 经济较发达的地区， 数字技术成果的数量更多、 质量更优、 转化为现实生产力的能力更强， 数字技术发展和工业绿色转型水平也较高， 反之， 数字技术和工业绿色转型水平较低。

数字经济的发展可能会产生新的数字不平等和“数字鸿沟”现象（邱泽奇等，2016）， 从而使得数字技术对工业绿色转型的赋能效应存在区域异质性。然而， 数字技术对工业绿色转型的赋能作用与二者的发展水平并不完全趋同。对于数字技术起步较早、 发展水平较高的地区， 数字技术对工业绿色转型的溢出红利已提前释放， 使得绿色转型对数字技术发展水平的要求更高（韩先锋等，2019）， 赋能的边际效应可能在降低， 对于数字技术发展水平较低的地区， 数字技术的促进作用正在凸显， 赋能效应更加显著。因此， 本文提出：

H4： 各省（区、市）的数字技术和工业绿色转型水平不同， 数字技术对工业绿色转型的促进作用也不同。

三、 研究方法与数据说明

（一） 模型构建

为验证前文的假设， 本文构建以下基本模型：

gtoi_it=β₀+β₁dt_it+β₂control_it+μ_i+λ_t+ε_it（1）

在模型（1）中： gtoi_it表示在t时期省份i的工业绿色发展指数； dt_it表示i省份t时期的数字经济发展水平； control_it表示控制变量； μ_i、 λ_t分别表示个体固定效应与时间固定效应； ε_it是随机扰动项。

模型（1）反映的是直接影响机制， 为了讨论数字技术对工业绿色转型的可能影响机制， 本文根据温忠麟和叶宝娟（2014）提出的中介效应检验方法， 对创新水平提升和能源结构优化等间接效应进行检验， 构建如下模型：

gtoi_it=a₀+a₁dt_it+γcontrol_it+ε_it（2）

M_it=b₀+b₁dt_it+γcontrol_it+ε_it（3）

gtoi_it=c₀+c₁dt_it+c₂M_it+γcontrol_it+ε_it（4）

上式中， M_it表示创新水平、 能源结构等中介机制。由因果逐步回归检验法可知， 在a₁、 b₁、 c₁都显著的情况下， 若回归系数c₁较a₁数值变小或显著性降低， 则存在传导机制（李朋林和候梦莹，2023）。

为了验证数字技术赋能工业绿色转型是否存在空间溢出效应， 本文构建空间计量模型后展开探讨。经过一系列检验， 适合本文的空间计量模型为空间滞后模型（SAR）， 具体公式如下：

gtoi_it=KWgtoi_it+α₁dt_it+α₂control_it+σ_i+τ_i+ψ_i

其中， K為空间自回归系数， W为n×n维空间权重矩阵， σ_i和τ_i表示省份和年份的固定效应， ψ_i表示随机误差项。

（二） 指标构建与数据来源

1. 数字技术和工业绿色转型指标体系。本文借鉴赵涛等（2020）的方法构建数字技术指标体系， 共有十三个指标： 数字技术基础设施包括每平方千米的互联网宽带接入端口数、 光缆线路长度、 互联网域名数和互联网宽带接入用户占比； 数字技术产业规模包括移动电话普及率、 每百人使用计算机数、 邮政就业人员数占比、 软件业务收入占比； 数字技术交易水平包括期末使用计算机数、 每百家企业拥有网站数、 有电子商务交易活动的企业数比重、 电子商务销售额占比； 数字技术创新应用包括中国数字普惠金融指数。

借鉴邓慧慧和杨露鑫（2019）的研究， 本文构建工业绿色转型指标体系， 共有五个指标： 单位工业增加值能耗、 单位工业增加值用水量、 单位工业增加值二氧化硫排放量、 单位工业增加值废水排放量、 工业固体废物综合利用率。本文利用熵权TOPSIS法进行量化评价， 得出各省（区、市）数字技术水平和工业绿色发展指数， 记为dt、 gtoi。

2. 中介变量。①创新水平（inno）： 采用各省（区、市）2012 ～ 2021年国内发明专利申请受理量来测度区域创新水平。②能源结构（es）： 反映出工业能耗及排污情况， 本文选取煤炭消费量占能源消费总量的比值来衡量。

3. 控制变量。经济发展水平（lnpgdp）， 以人均国内生产总值表示。人力资本水平（edu）， 以平均受教育年限表示。政府干预能力（gov）， 用每年的公共预算支出与地区生产总值之比表示。外商直接投资（fdi）， 采用各地区利用外资金额与地区生产总值的比值表示。产业结构（ind）， 用第三产业增加值与第二产业增加值的比值表示。

4. 数据来源。本文采用我国30个省（区、市）（不包括西藏、 台湾、 香港、 澳门）2012 ～ 2021年的面板数据， 数据来源于《中国统计年鉴》《中国环境统计年鉴》《北京大学数字普惠金融指数》等， 并对变量进行对数化处理， 缺失数据用插值法补充。

四、 实证结果与分析

考察期内各省（区、市）的数字技术和工业绿色转型发展均呈现出良好态势， 数字技术发展整体水平较低， 全国均值为0.299， 工业绿色转型整体水平相对较高， 全国均值达0.587。但是区域间发展差异大， 东部发达地区的数字技术和工业绿色转型水平高于中、 西部地区， 可能的原因在于东部地区经济较为发达、 工业设施更加完善。

（一） 基准回归结果

在进行回归分析之前， 首先对本文的变量进行多重共线性检验， 各变量最大的方差膨胀因子不超过10， 说明不存在明显的多重共线性问题。表1为本文的基准回归结果。列（1）是未加入控制变量的回归结果， 回归系数显著为正， 说明数字技术能够直接促进工业绿色转型发展； 列（2） ～ 列（6）依次加入控制变量， 数字技术对工业绿色转型的回归系数和显著性未发生明显变化， 基准回归结果较为稳健， 该结果验证了H1。

从控制变量结果来看： 第一， 经济发展水平、 人力资本水平、 政府干预能力、 外商直接投资均有利于促进工业绿色转型。第二， 产业结构对工业绿色转型的影响系数为负， 且未通过显著性检验， 表明当前产业结构并未有利于工业绿色转型， 这可能是当前产业结构不合理造成的， 随着数字技术在第二产业、 第三产业的应用日益深入， 第三产业的附加值较高， 产值增速较快， 而第二产业处于数字化、 智能化、 绿色化的改造升级阶段， 技术密集型、 资本密集型等高附加值产业占比较低导致资源未能实现有效配置（邓国营和田袁果，2023）， 产值增速相对较慢， 因此， 当前产业结构对工业绿色转型未能产生促进作用。

（二） 内生性检验

考虑到模型可能存在内生性问题会导致估计结果不准确， 用工具变量法进行检验， 如表2所示， 参考黄群慧等（2019）的做法， 构造了各省2002年每百万人固定电话数量（与个体变化有关）与滞后一期全国互联网宽带用户数（与时间有关）的交互项， 作为数字技术的工具变量（IV）。工具变量的有效性检验得出p值为0.000， 拒绝不存在内生变量的原假设； 不可识别检验显示， LM统计量p值为0.000， 显著拒绝原假设； 弱工具变量检验显示， Wald F统计量大于弱识别检验10%水平上的临界值16.38。以上检验结果说明该工具变量是有效的。通过两阶段最小二乘法进行回归分析， 结果为表2的列（1）、 列（2）。结果显示， 工具变量与核心解释变量呈显著正相关关系， 满足“相关性”假定， 核心解释变量对被解释变量仍具有显著正向影响， 与基准回归结论一致。

（三） 稳健性检验

为验证前文估计结果是否稳健， 本文采用以下方法进行稳健性检验。第一， 替换解释变量， 由于数字技术的特性， 本文选取高技术产业的数据计算产业集聚指数并进行中心化处理（潘爱民和孟玲磊，2023）， 作为数字技术的代理变量（aggl）。结果见表2列（3）， 高技术产业集聚对工业绿色转型存在显著正向影响。第二， 替换被解释变量， 选取2012 ～ 2021年30个省（区、市）工业烟（粉）尘排放量对数化处理后作为工业绿色转型的代理变量（lngyfc）（孔芳霞和刘新智，2023）， 结果见表2列（4）， 数字技术对工业烟（粉）尘排放存在显著负向影响， 也证实了前文数字技术对工业绿色转型存在正向影响结论的可靠性。本文结论经过多种稳健性检验后， 具有较高可信度。

五、  进一步讨论

（一） 中介机制检验

由前文可知， 数字技术促进了工业绿色转型， 本文选用中介效应模型对创新水平提升、 能源结构优化的中介机制进行实证检验， 具体结果见表3。可知， 数字技术对创新水平的影响系数显著为正， 对能源结构的影响系数显著为负， 说明数字技术对创新水平提升与能源结构优化具有推动作用。列（3）、 列（6）的结果显示， 数字技术水平对工业绿色转型的影响系数分别为0.359和0.538， 且在1%的水平上显著， 表明具有部分中介效应， 该影响系数相比列（1）、 列（4）的直接回归系数0.562有所下降， 说明数字技术可通过提升创新水平、 优化能源结构来间接推动工业绿色转型。为确保估计结果的可靠性， 进一步采用Sobel检验法和Bootstrap检验法， 结果显示， 创新水平的间接效应和直接效应分别为0.126、 0.518， 能源结构的间接效应和直接效应分别为0.102、 0.542， 置信区间均不包含0。由创新水平提升和能源结构优化的中介效应比值可知， 创新水平提升对工业绿色转型的赋能效应更为显著。该结果支持了H2。

（二） 空间溢出效应

本文以空间邻接矩阵为基础， 得出数字技术与工业绿色转型水平的Moran's I指数显著为正， 全局莫兰指数散点图（由于篇幅限制， 图表未列出）显示， 较多省份位于第一、 三象限内， 呈现出“高与高”集聚、 “低与低”集聚的空间特征， 表明存在显著的空间相关性， 且数字技术与工业绿色转型水平越高的地区， 其邻近地区的数字技术与工业绿色转型水平也越高， 反之亦然。造成这一现象的原因可能在于数字技术的发展具有无边界性和共享性， 对邻近地区的正向辐射作用较为明显， 邻近地区通过学习数字技术的发展经验以及接收数字产业的转移， 能够带动本地区的数字技术和工业绿色转型发展。

空间溢出效应分析结果见表4。首先， 进行拉格朗日乘子（LM）检验和其稳健性（Robust LM）检验， 发现空间滞后模型（SAR）的LM和R-LM统计量均通过了显著性检验， 空间误差模型（SEM）的LM统计量通过了显著性检验， 但R-LM统计量未通过检验。这说明数字技术赋能工业绿色转型的空间溢出效应不是由模型假设的误差因素决定的， 而是由模型假定的解释变量所决定的。Hausman检验的统计量为负值， 选择随机效应模型。因此， 本文选择随机效应的空间滞后模型（SAR）作为拟合数字技术赋能工业绿色转型空间溢出效应的模型。

空间自回归系数Spatial-rho显著为正， 说明本地工业绿色转型水平越高， 相邻地区的工业绿色转型水平也会越高。数字技术发展对本地工业绿色转型的直接效应和间接效应分别为0.403和0.257， 均通过了1%的顯著性水平检验， 表明数字技术发展水平对本地区和相邻地区的工业绿色转型均存在促进作用。为检验结果的稳健性， 采用地理距离矩阵和经济距离矩阵进行空间溢出效应分析， 估计系数和显著性与前文保持一致， 表明空间溢出效应的分析结果具有稳健性。该结论验证了H3， 即数字技术赋能工业绿色转型发展具有空间溢出效应。

（三）区域异质性

考虑到我国各省（区、市）数字技术与工业绿色转型发展水平存在差异， 为提升研究结论的完整性与充分性， 本文对全国区域进行划分。根据耦合协调度模型， 依据各省（区、市）数字技术与工业绿色转型的耦合协调度指数D分为以下四组数据： ①组指指数D大于0.8， 表示进入良好协调发展阶段， 有北京、 上海； ②组指指数D大于0.7， 进入中级协调发展阶段， 有天津、 江苏、 浙江、 福建、 山东、 广东、 重庆、 陕西； ③组指指数D大于0.6， 进入初级协调发展阶段， 有河北、 山西、 内蒙古、 辽宁、 吉林、 黑龙江、 安徽、 江西、 河南、 湖北、 湖南、 广西、 海南、 四川、 贵州、 云南、 甘肃、 青海； ④组指指数D大于0.5， 进入勉强协调发展阶段， 有新疆、 宁夏。根据以上四组数据分别进行检验。结果见表5。数字技术对工业绿色转型的促进作用在②、 ③、 ④组地区都通过了显著性检验， ①组的影响系数为正， 但未通过显著性检验。由结果可知， 随着耦合协调等级的降低， 数字技术对工业绿色转型的影响系数却在逐渐升高。造成这种结果的原因可能是： 第一， 对于数字技术和工业节能低碳技术发展起步较晚的地区， 在考察期初发展水平较低， 提升空间大（于世海等，2022）， 数字技术对工业绿色转型的促进作用正在凸显出来， 与此同时， 国家大力推进中部崛起战略和西部大开发战略， 因此， 在考察期内处于勉强协调发展阶段和初级协调发展阶段的地区， 数字技术对工业绿色转型的影响较为显著。第二， 考察期内进入中级协调发展阶段的地区， 数字技术发展起步较早、 发展速度较快， 数字技术对工业绿色转型的溢出红利已经提前释放， 使得工业绿色转型水平提升对于数字技术发展水平的要求更高（韩先锋等，2019）， 因此， 在考察期内数字技术赋能工业绿色转型的边际效用在降低， 此现象在进入良好协调发展阶段的地区更为显著。综上所述， 数字技术对工业绿色转型的促进作用存在显著的区域差异， 在数字技术与工业绿色转型耦合协调度较低的地区赋能作用更为显著， 在耦合协调度较高的地区赋能作用较弱。H4得以验证。

六、 结论与政策启示

本文选取2012 ～ 2021年我国省级面板数据， 从理论和实证层面考察了数字技术赋能工业绿色转型的内在机制、 空间溢出效应和区域异质性， 研究发现： ①考察期内， 全国各区域数字技术与工业绿色转型发展水平均有了明显的提升， 东、 中、 西部存在明显区域差异。②数字技术对工业绿色转型存在直接促进作用， 在加入工具变量、 替换解释变量和被解释变量后结论依然稳健。③数字技术通过区域创新水平提升和能源结构优化对工业绿色转型产生间接作用， 且创新水平提升的中介效应更强。④数字技术与工业绿色转型发展存在显著的空间相关性， 呈现出“高与高”集聚、 “低与低”集聚的空间特征， 数字技术的发展对相邻地区工业绿色转型也存在促进作用。⑤在数字技术与工业绿色转型耦合协调等级越低的地区， 赋能效应越显著， 在耦合协调等级高的发达地区， 赋能效应较弱。

根据以上结论， 本文提出以下政策启示： 第一， 完善数字技术的基础设施建设， 拓宽互联网、 大数据、 云计算、 5G智能等数字技术的应用渠道和范围， 孕育新兴产业或业务形态， 释放数字技术发展红利。第二， 加速推动数字技术与工业生产的深度融合发展， 加强数据、 信息、 技术在不同产业、 不同区域之间的流动性， 加深数字技术在绿色创新中的应用， 深入推进数字技术与清洁能源技术相融合， 提高创新水平、 优化能源结构和工业绿色转型效率， 推动形成绿色低碳的工业产业链体系。第三， 政府可以出台多种优惠政策吸引高水平的技能型人才， 有利于提升区域创新水平， 引导工业企业积极学习高度协调发展地区的发展经验， 与邻近地区的政府和企业建立沟通交流平台， 加强区域间对话、 拓宽合作渠道， 通过数字技术优化资源配置、 缓解信息不对称问题， 加快生产要素的流动速度， 促进区域间数字技术和工业绿色转型的协同推进。第四， 为降低“马太效应”带来的负面影响， 政府和企业应正确认识数字技术和工业绿色转型水平区域间发展不均衡现状， 结合产业结构优势和资源禀赋， 因地制宜地制定策略。对于数字技术与工业绿色转型发展水平较高的地区， 利用自身较发达的经济条件为数字技术发挥正外部性创造良好的市场环境； 对于数字技术与工业绿色转型发展水平较低的地区， 数字技术尚处于起步阶段， 其工业绿色发展提升空间较大， 数字技术释放的绿色转型红利正在凸显， 因此对处于绿色转型的工业企业， 政府应当予以技术支持、 财政支持， 加大对高耗能和高污染企业的淘汰力度， 推动传统工业形成以创新为主导、 以数字技术为驱动力、 以绿色发展为目标的绿色发展模式， 推动我国工业实现绿色转型升级。

【 主 要 参 考 文 献 】

邓国营，田袁果．住房价格区域分化：基于市场化进程的视角［ J］．财经科学，2023（3）：140 ～ 148．

黄勃，李海彤，刘俊岐等．数字技术创新与中国企业高质量发展——来自企业数字专利的证据［ J］．经济研究，2023（3）：97 ～ 115．

黄群慧，余泳泽，张松林．互联网发展与制造业生产率提升：内在机制与中国经验［ J］．中国工业经济，2019（8）：5 ～ 23．

李朋林，候夢莹．数字经济发展对碳排放的影响［ J］．财会月刊，2023（10）：153 ～ 160．

潘爱民，孟玲磊．数字经济、产业集聚和区域创新效率［ J］．山东工商学院学报，2023（4）：109 ～ 122．

彭刚，朱莉，陈榕．SNA视角下我国数字经济生产核算问题研究［ J］．统计研究，2021（7）：19 ～ 31．

赵德起，孟琳．党的十八大以来我国数字化转型取得的成就、经验与前景展望［ J］．湖南科技大学学报（社会科学版），2023（1）：75 ～ 83．

赵涛，张智，梁上坤．数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［ J］．管理世界，2020（10）：65 ～ 76．

Huwei W.，ChienChiang L.，Ziyu S.. Digitalization and environment： How does ICT affect enterprise environmental performance？［ J］．Environmental Science and Pollution Research International，2021（39）：54826 ～ 54841．

（责任编辑·校对： 刘钰莹  罗萍）

【基金项目】新疆维吾尔自治区教育厅人文社会科学重点研究基地项目“丝绸之路经济带沿线国家新能源产业优势资源基地建设与市场开发

政策研究”（项目编号：XJEDU2023J040）；新疆财经大学校地合作招标课题“新疆光伏产业集约化发展对策研究”（项目编号：2023SLC010）；

新疆财经大学科研创新团队项目“‘双碳目标下我国新能源产业发展研究——基于全国统一大市场的思路”；新疆财经大学研究生科研

创新项目“数字技术赋能新疆能源产业绿色转型发展研究”（项目编号：XJUFE2023K005）

【作者单位】新疆财经大学经济学院， 乌鲁木齐 830012