数字技术创新与工业绿色低碳发展的耦合协调效应研究

2024-06-23杨林燕杨林燕

河北科技大学学报(社会科学版) 2024年2期

杨林燕杨林燕

摘要：

通过构建数字技术创新与工业绿色低碳发展评价指标体系，以2011—2020年30个省（自治区、直辖市）的面板数据为样本，运用熵值法权重赋值分别测算了省级层面的数字技术创新与工业绿色低碳发展综合评价指数，并建立了数字技术创新与工业绿色低碳发展的耦合协调模型；运用Dagum基尼系数法进行了耦合协调度的地区差异化分析。研究发现：样本期间内，全国层面和地区层面的数字技术创新和工业绿色低碳发展评价指数平均值总体均呈现上升趋势，但两者指数值均较低且各区域之间的发展水平具有一定的差距；全国层面数字技术创新与工业绿色低碳发展耦合协调度呈现稳定的上升趋势，耦合协调水平从濒临失调发展至勉强协调，但各区域之间存在较大的差距，东部地区耦合协调水平发展至初级协调阶段，东北及中西部地区发展至勉强协调阶段；数字技术创新与工业绿色低碳发展耦合协调度总体基尼系数、区域内基尼系数均呈现不同程度的下降态势，且4个区域耦合协调度的地区差异主要来源于区域间差异。最后提出了提高数字技术创新和工业绿色低碳发展水平及促进两者协同发展的政策建议。

关键词：数字技术创新；工业绿色低碳发展；耦合协调

中图分类号：F424.1

文献标识码：ADOI：10.7535/j.issn.1671-1653.2024.02.004

Research on the Coupling Coordination between Digital Technology

Innovation and Industrial Green and Low-carbon Development

YANG Linyan1， WANG Jun2

（1.School of Economics and Management， Longyan University， Longyan 364000， China;

2.School of Economics， Tianjin Normal University， Tianjin 300387， China）

Abstract：

By constructing the evaluation index system of digital technology innovation and industrial green and low-carbon development， based on the panel data of 30 provinces （autonomous regions， province-level municipalities） from 2011 to 2020， this paper calculated the comprehensive evaluation index of digital technology innovation and industrial green and low-carbon development at the provincial level by using the entropy method， and established the coupling coordination model of digital technology innovation and industrial green and low-carbon development. The Dagum Gini coefficient method was used to analyze the regional differentiation of coupling coordination degree. The results show that during the sample period， the average index values of digital technology innovation and industrial green and low-carbon development at the national and regional levels show an upward trend， but the values of both indexes are low and the development level of each region has a certain gap. At the national level， the coupling coordination degree of digital technology innovation and industrial green and low-carbon development shows a stable upward trend， and the coupling coordination level developed from the verge of imbalance to barely coordination， but there is a big gap between different regions. The coupling coordination level of the eastern region has been developed to the primary coordination stage， while

both the northeastern region and the central and western region have been developed to a barely coordinated stage. Both the overall Gini coefficient and the intra-regional Gini coefficient of the coupling coordination degree between digital technology innovation and industrial green and low-carbon development show a downward trend to varying degrees. The regional differences of the coupling coordination degree mainly come from the inter-regional differences. Finally， policy suggestions are put forward to improve the level of digital technology innovation and industrial green and low carbon development and promote their coordinated development.

Keywords：

digital technology innovation; industrial green and low-carbon development; coupling coordination

党的二十大报告指出要加快发展方式绿色转型，实施全面节约战略，发展绿色低碳产业。 “十三五”期间工业碳排放约占碳排放总量的70%，因此，促进工业发展方式向绿色低碳化转型成为实现“双碳”目标的重要举措。《2022年数字碳中和白皮书》指出，数字化转型是社会实现“双碳”目标的重要途径。《“十四五”工业绿色发展规划》提出要加快生产方式数字化转型，构建绿色低碳技术体系，推动数字化、智能化、绿色化融合发展，实施“工业互联网+绿色制造”，这为推动工业与数字经济深度融合发展，促进工业绿色低碳转型提供了新的方向和思路。那么数字技术创新与工业绿色低碳发展之间的互动关系如何？其背后的理论机制是什么？中国各省（区、市）数字技术创新与工业绿色低碳发展的协同程度如何？厘清上述问题，有助于更清晰地认识数字化与工业绿色低碳化发展之间的关系，以期为实现“双碳”目标提供有益的政策启示。

一、国内外研究现状

随着数字技术的进步和“双碳”目标的提出，数字化与工业绿色低碳化发展关系的研究引起了学术界的广泛关注。国外许多学者从数字产业化与工业能源消耗关系的视角分析了数字化对工业绿色发展的影响效应，主要形成了两种不同的观点。部分学者认为数字化对能源消耗有抑制效应。Toffel M W等[1]（P2961-2970）认为数字经济能够顺利与各行各业快速融合并影响其发展效率，主要得益于ICT（信息通信技术）的快速发展。Haseeb A等[2]（P8594-8608）基于金砖国家的实证研究发现，互联网的使用及ICT应用范围的扩大能显著降低传统制造业能源消耗。Shobande O A[3]（P46-83）认为ICT的快速发展提高了互联网应用的普及率，云端的数据传输提高了要素研发与使用效率，降低了线下能源消耗。部分学者则认为数字化对能源消耗有增长效应。Hamdi H等[4]（P227-237）认为互联网产业的快速发展和通信技术性能的优化都是以大量电能消耗为支撑，进而增加了碳排放。Salahuddin M等[5]（P862-878）认为ICT行业本身属于能源密集型行业，相关产品的生产、使用与处置伴随着大量能源消耗。

近年来，随着数字经济在绿色低碳发展方面的作用逐渐显现，国内一些学者开始关注我国数字经济对工业绿色发展的影响。部分学者从互联网、信息技术等角度分析了数字化对工业绿色发展效率的影响。岳丽荣等[6]（P28-36）运用DEA模型测算了2008—2017年中国工业绿色创新绩效，研究发现互联网对工业绿色创新绩效有积极影响。程文先等[7]（P124-140）、肖远飞等[8]（P100-109）、卢福财等[9]（P39-52）实证检验了数字经济发展对中国工业绿色全要素生产率的影响，研究结果均表明数字经济可以从整体上显著提升中国工业绿色全要素生产率。部分学者分析了数字经济对工业绿色转型发展的影响。柏亮等[10]（P73-81）分析了数字经济发展对工业二氧化硫排放的影响，研究发现数字经济发展水平与工业二氧化硫排放量之间呈非线性关系。吕知新等[11]（P184-194）认为数字经济可以通过提高工业企业创新创业水平，进而提高其经营绩效水平，从而促进工业经济绿色转型。邓峰等[12]（P76-85）基于我国省际面板数据分析了信息网络和高技术产业集聚对工业绿色转型的影响，研究发现两者的交互作用对工业绿色转型并未显现出积极作用。

综上所述，学者们关于数字化对工业绿色发展的影响进行了一定的研究和探讨，但已有研究多数局限于分析互联网、信息网络等数字技术应用对工业能源消耗的影响，或者从数字经济整体发展的角度探析数字经济对工业绿色发展效率的单向影响，鲜见从耦合协调发展的视角研究数字技术创新与工业绿色低碳发展二者之间的相互作用和双向关系。基于此，本文尝试对数字技术创新与工业绿色低碳发展的耦合机理进行阐释，并实证分析中国数字技术创新与工业绿色低碳发展的耦合协调程度。

二、数字经济与工业绿色低碳发展的耦合机理

绿色低碳化转型是工业发展的重要趋势。随着数字经济的蓬勃发展，数字技术与传统工业的深度融合正逐渐成为驱动工业绿色低碳化转型的新动能，而工业绿色低碳化的发展需求也能进一步带动数字技术创新。数字技术创新与工业绿色低碳发展之间存在相互作用的耦合关系，其耦合协调关系如图1所示。

（一）数字技术创新为工业绿色低碳化发展提供动能

数字技术通过与传统工业生产要素的融合，推动传统生产方式变革，驱动工业生产“智”变，降低能耗和污染排放，进而推动工业行业绿色低碳化发展。首先，数字技术创新驱动工业生产方式转型，通过优化产业结构，促进工业绿色低碳发展。对于无法适应或者难以进行数字化转型升级的一些传统高碳排放工业，在数字经济快速发展和“双碳”目标驱动下，将逐渐被淘汰。通过对可进行数字化改造的工业行业进行数字化、智能化改造，进而提高行业整体生产效率，淘汰高碳排放的落后产能，实现产业结构的优化。其次，数字技术创新与传统能源行业的融合，有利于优化能源消费结构。能源工业企业引入人工智能数字化技术，通过改进和优化生产工艺流程，提高能源产出，降低碳排放，实现能源结构优化，促进能源生产低碳转型。再次，数字技术创新赋能工业产业链，通过数字技术与工业生产全流程的融合，实现数字化与工业绿色低碳化协同发展。在工业互联网技术的支持下，工业企业可以与数字技术服务企业进行协同合作，进而加快企业设备联网和智能化改造，实现产业链上下游之间数据的互联互通。工业互联网、大数据等技术使工业产业链上的企业能够充分掌握从产品研发设计到生产投入再到销售服务等产品生命周期链上的所有数据信息流，对各个环节投入要素的能源消耗、碳排放进行实时数据采集，缓解要素供给与需求信息的不对称，促进企业从产品设计到服务全流程的绿色低碳化发展。

（二）工业绿色低碳化发展促进数字技术不断创新

绿色低碳化是工业高质量发展的重要目标，数字化是实现工业绿色低碳化发展的重要方式和手段，因此，工业领域绿色低碳化与数字化、智能化的融合发展可以为数字技术创新提供有效的反馈与调节，进而促进数字技术不断创新。首先，工业企业生产绿色低碳化发展需求的增加会促使相关信息技术服务与其融合对接需求的增加，进而推动新一代信息技术服务供给的增加。工业企业绿色低碳化生产离不开从要素投入到产品产出的绿色用能监测等全流程、精细化、智能化的配套管理。因此，工业企业生产每一个流程“绿色低碳化”需求的提高都会对工业互联网、云计算、人工智能等新一代信息技术的发展提出更高的要求，从而“倒逼”数字化技术不断创新和进步。其次，工业供应链绿色低碳化发展需求的增加有利于推动工业互联网的发展，进而促进数字技术不断创新。工业企业需要与原材料供应商、物流商、零售商及最终用户建立紧密的供应链协作关系，因此，工业供应链的绿色低碳化转型离不开新一代信息通信技术的支持。随着工业供应链绿色低碳化发展需求的增加，对实现工业企业内部供应链与上下游企业供应链协同与优化的数字化技术的要求也不断提高，进而推动相应的物联网、云计算、大数据等数字化技术不断创新。再次，工业园区绿色低碳化发展需求的增加有利于夯实园区数字化基础设施建设和扩大数字化技术应用的范围，进而促进数字技术创新。工业园区绿色低碳化运营管理需要先进的数字化技术支持，因此，随着工业园区绿色低碳化转型发展需求不断提高，能源消耗监测、污染排放预警、工业园循环化改造等智慧园区运营管理相关的数字化技术应用将不断升级，进而推动数字技术创新。

三、指标体系与研究方法

（一）数字技术创新和工业绿色低碳发展评价指标体系

1.指标选取

（1）数字技术创新指标。目前还没有统一的关于省级层面数字技术创新水平的测度方法，学者们大多结合研究目的构建综合指标体系。本文主要借鉴赵涛等[13]（P65-76）、谢谦等[14]（P134-144）、薛晴等[15]（P137-146）学者的做法，从数字技术创新基础、数字技术创新应用、数字技术创新环境3个方面构建数字技术创新评价指标体系，下设9个二级指标（见表1），对省级层面的数字技术创新水平予以评价。

（2）工业绿色低碳发展指标。目前还没有统一的关于省级层面工业绿色低碳发展水平的测度方法，学者们大多结合研究目的构建综合指标体系。本文主要借鉴孙海波等[16]（P54-61）、刁莉娟等[17]（P54-59）的研究，结合《“十四五”工业绿色发展规划》的主要目标，从污染减排、能源消耗、环境治理3个方面构建工业绿色低碳发展指标体系，下设8个二级指标（见表2），对省级层面的工业绿色低碳发展水平进行评价。

2.数据来源与处理

鉴于数据的可得性，以2011—2020年中国内地30个省（区、市）为研究对象。数字技术创新水平评价指标体系中各指标的原始数据均来源于历年《中国统计年鉴》；工业绿色低碳发展水平评价指标体系中的工业二氧化碳排放量需要测算，其余指标的原始数据均来源于历年《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》。

从已有文献研究来看，关于碳排放的核算方法，使用较广泛的有4种：一是碳排放系数法；二是投入产出法；三是质量平衡法；四是实测法。由于碳排放系数法的核算公式简单且易于理解，拥有可以直接使用的碳排放因子数据库，以及有大量实例进行参考，因此成为目前碳排放核算方法的主流[18]（P36-41）。借鉴王少剑等[19]（P2602-2622）的研究，使用碳排放系数法测算省级层面的工业碳排放量，具体公式如下：

CE=ADi×NCVi×CCi×COF×44/12，（1）

其中：CE表示各类能源产生的工业二氧化碳排放总量；i表示能源消费的种类；ADi表示i类能源的消费量；NCVi为i类能源的净发热值；CCi为单位净发热值所产生的碳排放因子；COF为i类能源燃烧的碳氧化因子；44和12分别表示为CO2和C的分子量。工业能源消费量的原始数据来源于《中国能源统计年鉴》，各类化石燃料的净发热值、单位净热值所产生的碳排放因子及碳氧化因子的数据来源于《2006年IPCC国家温室气体清单指南》。

（二）研究方法

1.熵权法

在构建数字技术创新和工业绿色低碳发展的评价指标体系的基础上，为避免主观赋权的局限性，采用客观赋权的熵值法得出各衡量指标的权重，据此计算省级层面数字技术创新和工业绿色低碳发展的综合评价指数值。首先采用极值法对各衡量指标进行无量纲标准化处理：

正向指标：

x′ij=xij-min xijmax xij-min xij。（2）

负向指标：x′ij=max xij-xijmax xij-min xij。（3）

式（2）和式（3）分别是正向、负向指标的无量纲标准化处理公式。xij代表某省份第i年第j项指标原始数值；x′ij为标准化后的处理结果。按照如下5个步骤计算各项指标的权重值。

第一步，计算标准化后的第j项指标下第i年占该项指标的比重。

Pij=x′ij/∑[DD（]n[]i=1[DD）]x′ij，（4）

其中P代表各个指标所占的比重。

第二步，计算第j项指标的熵值。

ej=-k∑[DD（]n[]i=1[DD）]Pijln Pij，（5）

其中，k=1/ln（n），n代表样本数量，且k>0，满足eij≥0。

第三步，计算信息熵冗余度。

dj=1-ej。（6）

第四步，计算各项衡量指标的权重值。

wj=dj∑[DD（]m[]j=1[DD）]dj，（7）

其中m代表衡量指标的个数。

第五步，根据上述熵值法确定各衡量指标权重值后，基于无量纲标准化后的指标x′ij，计算系统的综合评价指数值。

U=∑[DD（]m[]j=1[DD）]wjx′ij。（8）

综合评价指数值越高，表示该系统的综合发展水平越高;反之，指数值越低，表示该系统的综合发展水平也越低。

2.耦合协调模型

根据数字技术创新与工业绿色低碳发展的耦合机理分析，以及测算的两个系统的综合评价指数值，分别构建耦合模型及耦合协调模型，深入分析数字技术创新与工业绿色低碳发展在交互作用过程中两个系统指标之间协同作用的强弱程度，即耦合协调程度。参照王淑佳等[20]（P793-810）的方法，构建“数字技术创新工业绿色低碳发展” 耦合协调度模型：

C=2［U1U2/（U1+U2）2］1/2，（9）

D=CT，（10）

T=αU1+βU2，（11）

式（9）中：C为数字技术创新与工业绿色低碳发展两个系统的耦合度；U1为数字技术创新系统的综合评价指数，U2为工业绿色低碳发展系统的综合评价指数，U1和U2用以反映两个系统的综合发展水平。式（10）中：D为耦合协调度;T为数字技术创新与工业绿色低碳发展水平的综合协调指数。式（11）中：α、β为待定系数，数字技术创新与工业绿色低碳发展具有同等重要性，因此，α=β=0.5。在此基础上，借鉴魏奇峰等[21]（P54-61）对耦合协调等级的划分，将数字技术创新与工业绿色低碳发展耦合协调发展类型划分为10个等级，具体见表3。

3.Dagum基尼系数及其分解方法

采用Dagum基尼系数及其分解方法[22]（P515-531），分析省级层面数字技术创新与工业绿色低碳发展耦合协调度的地区差异，并进行差异分解，具体计算公式如下：

G=∑kj=1∑kh=1∑nji=1∑nhr=1yji-yhr/2n2[AKy-]，（12）

其中：G为总体基尼系数；j和h表示某两个特定地区的编号（j=1，2，…，k；h=1，2，…，k）；nj和nh代表相应地区内的省份个数；yji和yhr代表区域内各省份的数字技术创新与工业绿色低碳发展耦合协调度。

Dagum基尼系数可以分解成3个部分：地区内差异贡献（Gw）、地区间差异贡献（Gnb）和超变密度的贡献（Gt），且3个部分的关系满足：G=Gw+Gnb+Gt，具体计算公式如下：

Gjj=（12yj

∑nji=1

∑njr=1

yji-yjr）/n2j，（13）

Gjh=（∑nji=1∑njr=1yji-yhr）/njnh（yj+yh），（14）

Gw=∑kj=1GjjPjSj，（15）

Gnb=∑kj=2∑j-1h=1Gjh（PjSh+PhSj）Djh，（16）

Gt=∑kj=2∑j-1h=1Gjh（PjSh+PhSj）（1-Djh），（17）

式（13）中Gjj为地区j的基尼系数；式（14）中Gjh为地区j和地区h的基尼系数；式（15）中的

Pj=nj/n，Sj=nj

j/（n），Ph=nh/n，Sh=nhh/（n），Djh为地区j和地区h之间数字技术创新与工业绿色低碳发展耦合协调度的相互影响，其公式为

Djh=（djh-pjh）/（djh+pjh），（18）

式（18）中：djh表示地区间耦合协调度的差值;pjh表示超变一阶矩。其计算公式为式（19）和式（20）。

djh=∫∞0dFj（y）∫y0（y-x）dFh（x）。（19）

pjh=∫∞0dFh（y）∫y0（y-x）dFj（x）。（20）

四、数字技术创新与工业绿色低碳发展的测度及耦合协调分析

（一）数字技术创新与工业绿色低碳发展评价指数值

数字技术创新与工业绿色低碳发展评价指数值是分析两者耦合协调度的基础。根据上述评价方法测算了2011—2020年中国省级层面数字技术创新和工业绿色低碳发展评价指数值，并将内地30个省（区、市）划分为东部、中部、东北、西部4个区域，具体见表4和表5。

由表4可知，2011—2020年期间，全国层面的数字技术创新评价指数平均值呈现平稳上升趋势，表明我国数字技术创新在这期间保持良好的发展态势。分区域来看，东部地区的数字技术创新评价指数平均值从0.200逐渐上升至0.540；中部地区平均值从0.063逐渐上升至0.278；东北地区平均值从0.102逐渐上升至0.326；西部地区则从0.092逐渐上升至0.353，且西部地区的指数值在2019年、2020年有较大幅度的上升。由此可见，各地区的数字技术创新评价指数平均值总体均呈现平稳上升趋势，但各区域之间的发展水平具有一定的差距。东部地区数字技术创新评价指数总体平均值为0.359，显著高于中部（0.153）、西部（0.199）及东北地区（0.205），表明各地区数字技术创新发展呈现一定程度的区域不平衡性。进一步，为更准确地分析省级层面数字技术创新发展水平的差异，采用四分位数将2011—2020年各省（市、区）数字技术创新评价指数的均值划分为4个梯队等级。具体而言，将均值从低到高进行排序，位于整体水平前25%以内的为第四梯队，指数值为0.124～0.168，包括江西、河南、湖南、贵州、广西、甘肃、湖北、安徽等省（区）；位于整体水平25%～50%的为第三梯队，指数值为0.168～0.193，包括青海、河北、山东、山西、吉林、海南、宁夏、内蒙古等省（区）；位于整体水平50%～75%的为第二梯队，指数值为0.193～0.270，包括黑龙江、云南、新疆、辽宁、重庆、四川等省（区）；位于整体水平75%以上的为第一梯队，指数值为0.270～0.705，包括陕西、福建、江苏、广东、天津、浙江、上海、北京等省（市）。从各梯队对应的省份来看，第一梯队中除了陕西省，其余省份都属于东部地区；第二梯队中除了黑龙江、辽宁两省，其余省份均来自西部地区；第三梯队中除了海南省，其他省份均属于中西部地区；第四梯队对应省份均来自中西部地区。从各省历年评价指数平均值排名来看，北京、上海、浙江、天津和广东等省（市）一直稳居前五名。2020年，北京、上海两地的数字技术创新评价指数值均超过0.9，远高于同期东部地区其他省份的指数值，表明这两地的数字技术创新实现了较高的发展水平。

从表6可以看出，2011—2020年期间，全国层面的数字技术创新与工业绿色低碳发展两个系统的耦合度均维持在0.9～1，耦合类型一直为高水平耦合型。虽然这两个系统的耦合度高，但是耦合协调度却较低。2011—2020年期间，全国层面数字技术创新与工业绿色低碳发展两个系统耦合协调度为0.4～0.6，虽然呈现稳定的上升趋势，耦合协调水平从濒临失调发展至勉强协调，但整体仍未达到初级协调状态。这也表明数字技术创新与工业绿色低碳发展相互之间的正向作用显著，但未实现良好的协同发展。对比分析数字技术创新和工业绿色低碳发展评价指数值可知，样本期间内，数字技术创新评价指数值上升速度快于工业绿色低碳发展评价指数值，两者发展不同步，导致两者耦合协调度较低。

2.区域层面的数字技术创新与工业绿色低碳发展耦合协调分析

运用耦合协调度模型测算2011—2020年省级层面数字技术创新与工业绿色低碳发展耦合协调度，具体见表7。

从时间演变来看，2011—2020年各区域数字技术创新与工业绿色低碳发展耦合协调度均呈现稳定上升态势。具体而言，2011年，仅有北京、上海两市的耦合协调度达到0.6，实现初级协调；天津、浙江和广东三省（市）的耦合协调度达到0.5以上，实现勉强协调；其余省份的耦合协调度均未达到0.5，还处于失调状态。2015年，北京、上海两市的耦合协调度达到0.7以上，实现了中级协调；耦合协调度达到0.6以上的省（市）增加了天津、浙江；耦合协调度达到0.5以上的省份较2011年增加了7个。2020年，北京、上海两市的耦合协调度达到0.8以上，实现了良好协调；浙江省的耦合协调度上升至0.7以上，实现中级协调；耦合协调度达到0.6以上的省份较2015年增加了江苏、福建、广东和海南等省；耦合协调度达到0.5以上的省份较2015年增加了12个。截至2020年，两个系统耦合协调度达到0.6以上的省份有8个，占内地省份的26.67%。总体而言，样本期间内，虽然各区域数字技术创新与工业绿色低碳发展的耦合协调度均显著上升，但实现初级协调以上评价等级的省份占比仍然较低。

从空间演变来看，各区域之间存在较大差距，东部地区的耦合协调度最高，东北次之，中、西部地区均较低。具体而言，东部地区的耦合协调度从2011年的0.499逐渐上升至2020年的0.662，耦合协调程度从濒临失调发展至初级协调，但东部地区各省（市）间的耦合协调发展程度并不均衡。2020年，北京、上海两市的耦合协调度均超过0.8，而河北省还未达到0.5，处于濒临失调状态，山东省处于勉强协调状态。中部地区的耦合协调度从2011年的0.345逐渐上升至2020年的0.520，耦合协调程度从轻度失调发展至勉强协调，且中部地区各省份间的耦合协调发展程度差距较小。东北地区的耦合协调度从2011年的0.407逐渐上升至2020年的0.550，协调程度从濒临失调发展至勉强协调，且东北三省间的耦合协调发展程度差距也较小。西部地区的耦合协调程度在样本期间内从轻度失调发展至勉强协调，但各省（区）间的耦合协调发展程度差距较大。陕西、四川两省分别从2013年和2014年开始达到了勉强协调的发展状态，而内蒙古在2013年、2014年达到勉强协调状态后又陷入濒临失调的状态，宁夏仅在2014年和2016年达到勉强协调状态，其余年份依然处于濒临失调状态。

3.数字技术创新与工业绿色低碳发展耦合协调度区域差异化分析

通过对区域层面的数字技术创新与工业绿色低碳发展耦合协调度的分析可知，数字技术创新与工业绿色低碳发展耦合协调度存在显著的地区差异。为了更准确地分析区域差异及其来源，采用Dagum基尼系数及其分解方法，对数字技术创新与工业绿色低碳发展耦合协调度的总体差异、区域内差异、区域间差异及贡献率进行测算，具体结果见表8和表9。

由表8可知，2011—2020年数字技术创新与工业绿色低碳发展耦合协调度总体基尼系数呈现明显的下降态势，并伴随小幅度波动，表明样本期间内我国数字技术创新与工业绿色低碳发展耦合协调度地区差异总体表现出缩小的态势。具体而言，总体基尼系数从2011年的0.115持续下降至2014年的0.095，2015年和2016年的总体基尼系数有小幅度上升，2017年开始呈现较快的下降趋势，2019年和2020年均降至0.08以下。样本期间内，数字技术创新与工业绿色低碳发展耦合协调度总体基尼系数的下降幅度达到31.30%。

从表8的区域内基尼系数来看，样本期间内4个区域数字技术创新与工业绿色低碳发展耦合协调度的区域内基尼系数均呈现不同程度的下降，表明各区域内两个系统耦合协调度差异呈缩小趋势，区域内协同发展程度逐渐提升。分区域来看，东部地区数字技术创新与工业绿色低碳发展耦合协调度内部差异最大，区域内基尼系数均值达到0.097；其次是西部地区，区域内基尼系数均值为0.051；中部、东北地区内部差异相对较小，区域内基尼系数均值分别为0.032和0.018。

从表8区域间基尼系数来看，东中部地区间数字技术创新与工业绿色低碳发展耦合协调度差异最大，区域间基尼系数均值达到0.153；其次是东西部地区，区域间基尼系数均值为0.132；东东北地区的区域间基尼系数均值也超过0.1；而中西、中东北、西东北地区间的差异较小，区域间基尼系数均值为0.04～0.06。这表明数字技术创新与工业绿色低碳耦合协调度的区域间差异主要是由东中、东西与东东北地区间的差异所带动。这主要是由于中西部及东北地区的数字经济和工业绿色低碳化发展水平较接近，而东部地区无论是在数字经济，还是在工业绿色低碳化转型发展方面都走在全国前列，且两个系统的耦合协调度在样本期间内也显著高于中西部及东北地区。

由表9可知，区域间差异贡献率均值达到70.36%，区域内差异贡献率为21.47%，而超变密度贡献率仅为8.17%，这表明2011—2020年我国数字技术创新与工业绿色低碳发展耦合协调度的地区化差异主要来源于区域间的差异。此外，从各类型贡献率的变动趋势来看，超变密度贡献率在2017—2019年间的波动幅度较大，其余年份的变化较平稳；区域内和区域间差异贡献率在整个样本期间内的变化均比较平稳，未出现大幅度波动。因此，缩小区域间和区域内差异有利于促进我国数字技术创新与工业绿色低碳的协同发展。

五、结论与启示

（一）结论

通过对数字技术创新与工业绿色低碳发展耦合机理的阐释，以2011—2020年30个省（区、市）的面板数据为样本，运用熵值法权重赋值分别测算了省级层面的数字技术创新与工业绿色低碳发展综合评价指数，实证分析了中国数字技术创新与工业绿色低碳发展耦合协调程度，得到如下主要结论。

第一，数字技术通过与传统工业生产要素的融合，推动传统生产方式变革，驱动工业生产“智”变，降低能耗和污染排放，进而推动工业行业绿色低碳化发展；工业领域绿色低碳化与数字化、智能化的融合发展可以为数字技术创新提供有效的反馈与调节，进而促进数字技术不断创新。全国层面和地区层面的数字技术创新与工业绿色低碳发展的综合评价指数值均较低，各区域之间的发展水平存在一定的差距。

第二，全国层面数字技术创新与工业绿色低碳发展两个系统耦合协调度总体呈现稳定的上升趋势，耦合协调水平从濒临失调发展至勉强协调，距离良好协调还有较大的差距。各区域数字技术创新与工业绿色低碳发展耦合协调度都呈现上升趋势，但区域之间存在较大的差距，东部地区的耦合协调度最高，耦合协调程度从濒临失调发展至初级协调；东北次之，从濒临失调发展至勉强协调；中西部地区均较低，从轻度失调发展至勉强协调。

第三，从地区差异来看，样本期间内，数字技术创新与工业绿色低碳发展耦合协调度总体基尼系数、区域内基尼系数均呈现不同程度的下降态势，表明我国数字技术创新与工业绿色低碳发展耦合协调度地区差异总体呈缩小趋势，区域内协同发展程度逐渐提升。分区域来看，东部地区数字技术创新与工业绿色低碳发展耦合协调度内部差异最大，其次是西部地区，中部、东北地区内部差异相对最小。从区域间基尼系数来看，东部和中部地区间耦合协调度差异最大，东部和西部、东部和东北地区的耦合协调度差异也较大，而中部与西部、东北及西部与东北地区间的差异较小。我国数字技术创新与工业绿色低碳发展耦合协调度的地区化差异主要来源于区域间的差异；其次是区域内差异。

（二）启示

第一，数字技术创新是促进工业绿色低碳转型发展的重要动力，而工业绿色低碳发展可以为数字技术创新提供反馈调节。结合当前中国数字技术创新与工业绿色低碳发展的状况，一方面要夯实数字中国建设基础，大力推进数字技术创新，促进数字技术赋能工业绿色低碳发展；另一方面，要加快构建绿色低碳工业体系，全面推进工业绿色低碳转型。围绕数字技术创新方面，不仅需要加强顶层设计，强化数字技术赋能工业绿色低碳化发展的功能作用，统筹规划新型数字基础设施建设，推动数字技术创新与工业生产的深度融合，而且需要相关部门加大对数字技术研发的财税、金融、科技等方面政策支持，提升数字技术创新效率，充分发挥数字技术创新对工业绿色低碳化发展的引领和带动作用，促进数字技术创新与工业绿色低碳转型的协调发展。在《2030年前碳达峰行动方案》和《“十四五”工业绿色发展规划》的指导下，应加快构建工业绿色低碳技术体系，充分激发工业大数据、人工智能、云计算等数字化应用技术对优化工业产业结构和生产方式的重要作用，推动传统工业向绿色化、低碳化和智能化方向发展；同时要加快推动传统能源绿色低碳化转型，优化工业能源消费结构，依托能源互联网平台，提升工业企业的能源使用效率和绿色能源的应用率。

第二，大力推动数字技术创新与工业绿色低碳化耦合协调发展。深入贯彻落实《科技支撑碳达峰碳中和实施方案（2022—2030年）》，运用财税、金融、科技、人才、产业等多种政策组合，营造数字技术创新赋能工业绿色低碳化转型发展的良好环境，积极推动数字技术企业与工业企业协同创新，促进数字化与绿色化融合发展。加强顶层设计，激励数字创新企业与工业企业在数字化平台的支持下开展技术创新研发合作，为工业企业提供生产流程数字化升级方案，以此推动工业行业整体向绿色低碳化发展。与此同时，在数字技术创新的过程中要高度重视数字基础设施建设和运营的绿色化导向，在数字技术赋能工业绿色低碳发展的过程中实现数字化与绿色化的协同发展。

第三，正确认识数字技术创新与工业绿色低碳发展的地区差异，构建区域间优势互补和协调发展机制，促进数字技术创新与工业绿色低碳全面协调发展。一方面，各地要因地制宜地制定数字技术创新与工业绿色低碳发展规划，选择适宜的工业绿色低碳发展路径。东部地区要立足已有的数字基础设施、数字人才、区域优势等，稳步推进数字技术创新和工业绿色低碳耦合协调发展；东北地区要抓住数字经济发展机遇，依托数字化技术创新促进工业绿色低碳转型，助力东北老工业基地全面振兴；中西部地区传统产业占比较大，面临较大的碳减排压力，应重视加快数字基础设施建设，补齐数字人才短板，积极采用数字化技术驱动传统工业绿色低碳化转型。另一方面，通过建立数字资源共享、数字平台共建、数字人才共用等区域协调机制，加强区域间开展数字技术创新赋能工业绿色低碳发展的交流与合作，充分发挥北京、上海、浙江等省（市）的辐射带动作用，缩小区域间的差异。

参考文献：

[1]Toffel M W，Horvath A.Environmental Implications of Wireless Technologies： News Delivery and Business Meetings［J］. Environmental Science & Technology， 2004（11）.

［2］Haseeb A， E Xia， S Saud， et al. Does Information and Communication Technologies Improve Environmental Quality in the Era of Globalization？ An Empirical Analysis［J］.Environmental Science and Pollution Research，2019（9）.

［3］Shobande O A. Decomposing the Persistent and Transitory Effect of Information and Communication Technology on Environmental Impacts Assessment in Africa： Evidence from Mundlak Specification［J］. Sustainability，2021（9）.

［4］Hamdi H，Sbia R，Shahbaz M. The Nexus between Electricity Consumption and Economic Growth in Bahrain［J］.Economic Modelling， 2014（2）.

［5］Salahuddin M，Alam K. Internet Usage， Electricity Consumption and Economic Growth in Australia： A Time Series Evidence［J］.Telematics and Informatics，2015（4）.

［6］岳丽荣，邵博，申君宜.工业互联网对绿色创新绩效的影响：基于制造业的实证研究［J］.科技与管理，2020（5）.

［7］程文先，钱学锋.数字经济与中国工业绿色全要素生产率增长［J］.经济问题探索，2021（8）.

［8］肖远飞，姜瑶.数字经济对工业绿色生产效率的影响研究［J］.现代管理科学，2021（8）.

［9］卢福财，刘林英，徐远彬.互联网发展对工业绿色全要素生产率的影响研究［J］.江西社会科学，2021（1）.

［10］柏亮，陈小辉.数字经济如何影响工业SO2的排放？：理论解读与实证检验［J］.东北财经大学学报，2020（5）.

［11］吕知新，包权，任龙梅，等.数字金融能够促进工业经济绿色转型发展吗？［J］.科技管理研究，2021（24）.

［12］邓峰，任转转.信息网络、高技术产业集聚与工业绿色转型［J］.经济经纬，2021（5）.

［13］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）.

［14］谢谦，郭杨.数字技术、创新要素结构优化与企业全要素生产率［J］.北京师范大学学报（社会科学版），2022（6）.

［15］薛晴，焦文庆.数字技术、科技金融与企业创新投入：基于“科技与金融结合试点”的准自然实验［J］.西北大学学报（社会科学版），2022（6）.

［16］孙海波，刘忠璐.环境规制、清洁技术创新与中国工业绿色转型［J］.科研管理，2021（11）.

［17］刁莉娟，姚建，艾怡凝.基于SPA-TOPSIS耦合的工业绿色发展综合评价［J］.生态经济，2020（9）.