数字经济对中国省际大气环境效率的影响研究

DOI：10.13216/j.cnki.upcjess.2025.01.0004

摘要：基于2012—2020年中国30个省份的面板数据，利用超效率SBM-DEA模型计算各省份大气环境效率，并构建面板Tobit模型验证数字经济发展对大气环境效率的影响。研究结果显示：考察期内，中国大气环境效率整体偏低，且效率值较为平稳，始终保持在0.6～0.7之间；不同区域大气环境效率差异显著，东部地区最高，中部和西部地区低于全国平均水平；数字经济对大气环境效率有显著正向影响。进一步研究发现：数字经济发展对西部和东部地区的大气环境效率有显著提升作用，对中部地区作用不明显。基于此，提出制定差异化的环境发展及数字经济发展策略、优化产业结构的建议。

关键词：数字经济；大气环境效率；超效率SBM-DEA模型；Tobit模型

中图分类号：F49;X51

文献标识码：A

文章编号：1673-5595（2025）01-0031-08

收稿日期： 2023-07-24

基金项目： 教育部人文社会科学研究规划基金项目（23YJA790047）

作者简介： 刘丙泉（1982—），男，山东新泰人，中国石油大学（华东）经济管理学院教授，博士生导师，研究方向为环境经济与管理、能源经济与政策。

一、引言

近年来，中国经济快速发展，但“高污染、高能耗、高排放”的“三高”发展模式导致严重的大气环境污染。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出，要推动绿色发展，建设美丽中国，经济发展要兼顾经济增长和环境保护。2020年4月，国务院公布的《关于构建更加完善的要素市场化配置体制机制的意见》明确提出，要加快培育数据要素市场，培育数字经济新产业、新业态和新模式。随着大数据、物联网、人工智能、区块链等数字技术的出现和更新，中国数字经济蓬勃发展，经济社会正在经历着深刻变革。在此背景下，数字经济发展能否有效促进大气环境效率提升、实现经济与环境协调发展？其影响在不同区域是否存在异质性？对这些问题进行探讨不仅有利于丰富数字经济的研究内容，而且对于促进中国大气环境改善和经济高质量发展具有现实意义。

二、文献综述

大气环境效率是对经济增长与大气环境污染协调性程度的度量。当前，大气环境效率的主要评价方法为数据包络分析法（DEA）。汪克亮等［1］基于DEA方法，实证考察了2006—2013年中国30个省份大气环境绩效的动态演进、空间分布与驱动因素；刘丙泉等［2］根据城市群内城市合作博弈的特点构建DEA模型，测度了中国9大城市群2007—2016年大气环境效率；郑石明等［3］运用超效率DEA模型测算了2005—2014年中国29个省份的大气环境效率，分析了大气环境效率的影响因素。能够对大气环境效率产生影响的因素有很多，现有研究主要探讨了经济增长、产业结构、财政分权、环境规制、技术创新、人口集聚、外商投资等因素。［4-9］

中国经济发展进入工业4.0时代，数字经济蓬勃发展，已成为经济绿色发展的重要驱动力。对于“数字经济究竟是什么”，当前存在三种观点：第一种观点认为数字经济是由数字技术创新和产业化所形成的一系列新产业［10］，第二种观点认为数字经济是数字技术驱动形成的新“技术—经济”范式［11-13］，第三种观点认为数字经济是在农业、工业经济之后形成的一种新经济形态［14-15］。本文对数字经济的刻画采用第一种观点。已有研究中，数字经济发展水平的测度方式主要有三种：一是直接利用知名平台提供的指标［16］，二是构建数字经济发展的评价指标体系进行综合评价

［17-19］，三是选择数字经济效率系数［20］、大数据实验区的政策变量［21］、数字经济基础部门对制造业的增值投入［22］等作为数字经济发展的代理变量。其中，第二种方式由于其测度更全面而为学界所推崇。数字经济的迅速发展会不会对大气环境效率产生影响，日渐成为学界研究的热点。目前，国内外研究对此主要持有三种观点：第一，数字经济对大气环境效率存在促进作用［23-25］；第二，数字经济的发展会加剧大气污染程度，从而降低大气环境效率［26-30］；第三，数字经济发展对大气环境效率的影响呈非线性［31-32］。

综上所述，现有研究从理论和实证两方面对数字经济与大气环境效率的关系进行了有益探索。本文的边际贡献在于：第一，采用超效率SBM-DEA模型测算中国30个省份的大气环境效率，不仅能够更细致地挖掘每个省份每年投入产出的冗余情况，还能够有效区分各决策单元的相对效率，从而对DEA有效的决策单元进行排序；第二，中国数字经济已经进入高速发展期，数字经济对国民经济发展各方面的作用逐渐显现，以2012—2020年为考察期，能够清晰地揭示数字经济对不同类型区域大气环境效率的作用机制；第三，本文根据不同时期、不同区域数字经济的发展特点，分析数字经济对区域大气环境效率的影响，能够更全面地揭示数字经济对区域大气环境效率的异质性作用机理。

三、机理分析

数字经济发展能够提高知识传播效率，有效提升经济体的知识存量，从而驱动技术创新，改变传统的生产生活方式。数字经济发展能够促进生产生活方式集约化，产生规模效应，有效提升能源利用效率，但同时集约化也会影响大气环境污染状况。数字经济通过技术创新效应和规模效应，对我国大气环境效率产生影响，影响机制如图1所示。

一方面，数字经济通过技术创新效应对大气环境效率产生影响。数字经济所带来的技术创新能够降低传统生产方式对资源的依赖度，提高资源利用率，进而提升大气环境效率；通过绿色技术创新，企业使用的生产要素会更加清洁无害，生产方式可持续，工业生产排放的二氧化硫等大气污染物将大大减少。数字经济发展改变了居民的日常生活方式，“互联网+”、大数据、云上平台等技术创新使得很多线下传统活动变为线上活动。例如，传统的实体消费和线下会议模式会消耗大量能源并产生环境污染，而随着互联网购物平台技术和云上会议平台技术的应用和普及，居民无需前往线下实体场所即能达到相同目的，从而有效降低生活过程中的污染排放，提高大气环境效率。

另一方面，数字经济通过规模效应对大气环境效率产生影响。数字经济发展能够促进工业生产方式集约化转型，进而提升能源利用效率，在保证期望产出不变的情况下，减少能源投入量可以有效减少大气污染物的排放，从而改善大气环境，提升大气环境效率；但数字经济发展带来的规模效应也会使生产过程中产生的污染物集中排放，从而加重大气环境污染，降低大气环境效率。

四、大气环境效率评价

（一）超效率SBM-DEA模型

在经济生产过程中，不仅会产生期望产出，同时也会产生副产品，即非期望产出。Tone［33］提出的DEA-SBM模型包含非期望产出，可以作为测算大气环境效率的重要借鉴。与传统的DEA模型相比，基于非期望产出的SBM模型不仅能够解决投入产出的松弛问题，也可以解决含有非期望产出的效率分析问题，更符合实际情况。传统的DEA模型输出的效率值最大为1，当多个决策单元（DMU）效率值均为1时，则无法实现DMU的有效对比和排序。Anderson［34］提出的超效率DEA模型能够进一步区分各有效决策单元的相对效率，并对其进行排序。因此，本文采用超效率SBM-DEA模型，测算中国30个省份的大气环境效率，其模型表达式为：

ρ*=min1m∑mi=1ixio1s1+s2∑s1q=1wqywqo+∑s2r=1wrywr0（1）

s.t.i≥∑nj=1λjxij

wq≤∑nj=1λjywqjbr≤∑nj=1λjybrjb≥0，λj≥0，∑nj=1λj=1

xio=∑nj=1xjλj+s-i

ywqo=∑nj=1yqjλj-sw+q

ybro=∑nj=1yrjλj+sb-r

i≥xio，wq≤ywqo，

br≥ybro

式中：ρ*为目标效率，n、m、s1、s2分别为决策单元、投入变量、期望产出和非期望产出的个数，xj、ywj和ybj分别为第j个决策单元的投入、期望产出和非期望产出，λ=（λ1，λ2，…，λn）T为权重向量，S-、Sw+和Sb-分别为投入、期望产出和非期望产出的松弛变量，x0、yw0和yb0分别为引入松弛变量后的投入、期望产出和非期望产出。

效率值大于或等于1时，表明该决策单元DEA有效；效率值小于1时，说明该决策单元DEA无效，即可以通过减少投入或增加期望产出、减少非期望产出来提高效率。

（二）评价指标选取与数据来源

考虑到2020年以后相关数据受疫情影响较大，兼顾数据可得性和代表性，本文选取2012—2020年中国30个省份（不含西藏、港澳台）的数据作为样本。参考已有文献［35-36］，本文以能源消耗、固定资产投资、劳动力作为投入指标，以地区生产总值作为期望产出指标，以二氧化硫、氮氧化物和烟粉尘排放量用熵权topsis法综合测算得到的综合指标作为非期望产出指标。数据来源于《中国统计年鉴》《中国能源统计年鉴》以及各省份统计年鉴等。缺失的数据采用线性插值法进行补充；除比率数据外，模型中各变量取对数处理。

（三）大气环境效率测算与结果分析

在MATLAB2018b软件平台上编程测算，得到2012—2020年中国30个省份的大气环境效率值（见表1）。

由表1可知，从全国层面来看，大气环境效率值普遍不高，具有较大的提升空间。2012—2019年，大气环境效率值较为平稳，始终保持在0.6～0.7之间；2020年受疫情影响，效率值降为0.51。2012—2020年全国平均效率值为0.65，这表明在保持投入和经济产出不变的情况下，大气污染物排放可以在原有的基础上减少35%左右。中国大气环境效率还有很大提升空间，降污减排任务较为艰巨，也表明中国大气环境发展与经济增长的关系不协调。

由图2可知，2012—2015年，东部、中部、西部地区大气环境效率均较为平稳；2015—2019年，东部地区大气环境效率呈缓慢下降趋势，中部和西部地区呈缓慢波动上升趋势；2020年受疫情影响，三大区域大气环境效率皆骤降。从区域维度看，东部地区平均大气环境效率最高，西部次之，中部最低，但中部和西部地区效率值相差较小。该结果可能是由于东部地区经济发展较快，环境治理措施有效，治理费用充足，环境监管政策比较严格。西部地区经济发展相对落后，污染治理资金及设备不足，治污技术水平较低，公众环境保护意识较为薄弱。一直以来，西部各省份都以经济增长、提高人民生活水平作为首要目标，忽视了对大气环境的保护。多个省份为了吸引外资，带动本地经济增长，人为降低项目准入的环境门槛，使得一大批能耗高、污染严重的外资项目得以上马，一定程度上使得西部地区成为发达国家的“污染避难所”。中部地区制造业所占比重较大，高能耗、重污染的产业居多，节能减排任务艰巨，大气环境保护形势不容乐观。对于当前面临的巨大资源环境压力，中部地区应抓住新一轮产业升级的机遇，加快推动产业结构优化升级，实现传统行业与新兴产业之间的互融互通，推进创新驱动发展战略的深入实施，走出“中部塌陷”困境，实现跨越式发展与中部崛起。

由图3可知，从省际维度看，2012—2020年，中国各省份大气环境效率呈现出较大的差异，北京、天津、上海、江苏、广东、海南、青海等省份大气环境效率相对较高，而山西、黑龙江、贵州、云南、甘肃、新疆等省份大气环境效率相对较低。大气环境效率相对较高的省份大多位于东部地区，这与东部沿海地区优良的地理位置、发达的技术水平、雄厚的经济实力密切相关。此外，这些省份的实际生产点更接近生产前沿面，经济增长与大气环境保护之间的协调水平较高。经济发展水平高、节能减排技术发达是这些省份的共同特点。大气环境效率相对较低的省份大多位于中西部地区，这些省份经济发展水平不高，公众环境保护意识较为薄弱，环境治理技术、治理经费等不足，节能减排任务艰巨，大气环境保护形势不容乐观。

五、大气环境效率影响因素分析

（一）计量模型构建与变量选取

大气环境效率值属于截取数据，本文采用面板Tobit模型来进行回归分析，并利用Stata软件来测算自变量对大气环境效率的影响。

yit为第i个省份在t期的大气环境效率；βT表示回归参数向量；xit为解释变量；εit为残差项。面板Tobit回归模型为：

yit=βTxit+εit，βTxit+εitgt;0（2）

1.被解释变量

本文以大气环境效率为被解释变量，由超效率SBM-DEA模型计算获得，其值可以大于1。

2.解释变量

本文的核心解释变量是数字经济发展水平（DE）。根据中国信息通信研究院《中国数字经济发展与就业白皮书（2019年）》［37］，数字经济可以划分为两大组成部分：数字产业化和产业数字化。考虑到与大气环境效率的相关性，借鉴王军等［18］、岳立等［38］的做法，本文的数字产业化采用电子及通信设备制造业收入、软件业务收入、电子及通信设备制造业企业数和电子及通信设备制造业平均就业人数进行测算；产业数字化采用中国数字普惠金融指数来衡量，各级指标如表2所示。为消除量纲的影响，本文采用熵权Topsis法对三级指标进行综合测算，得出数字经济综合发展指数。

3.控制变量

对于大气环境效率的影响因素，本文从产业、能源、外贸、环保四个方面着手分析，即大气环境效率可能还会受到产业结构、能源结构、对外贸易、环境规制等因素的影响。产业结构（IS），由于第二产业的资源投入较多，且对大气环境产生的影响较大，因此本文用第二产业生产总值占GDP的比重来表示；能源结构（ES），本文采用煤炭的消费量与能源消费总量的比值来表示；对外贸易（FT），本文选用进出口总额来表示；环境规制（ER），政府对环境质量的监管会对大气环境情况产生影响，因此本文采用环境污染治理投资与GDP的比值来表示。

（二）结果分析

1.全国层面回归分析

本文利用Tobit模型对中国30个省份2012—2020年的面板数据进行分时段和全时段回归分析，并利用Stata15软件分析数字经济对大气环境效率的影响，回归结果如表3所示。

回归结果表明，分时段来看，2012—2015年，数字经济对大气环境效率有显著正向影响，通过了5%的显著性检验；2016—2020年，数字经济对大气环境效率的影响通过了1%的显著性检验。2016—2020年的显著性增强，可能是因为中国于2015年提出“国家大数据战略”，促进了数字经济的快速发展，使其对大气环境效率的影响显著提升。从全时段来看，数字经济与大气环境效率的回归系数为正值，且通过了5%的显著性检验，说明数字经济发展能够促进大气环境效率的提升。一方面，数字经济发展能够使污染物的排放量减少，提高大气环境效率；另一方面，数字经济发展促进产业结构高级化，意味着高效率、低能耗的技术密集型产业所占比重上升，有利于降低环境污染物的排放，提升大气环境效率。

在控制变量方面，产业结构对大气环境效率的影响

在2012—2015年间不显著，在2016—2020年回归系数为负值，且通过了1%的显著性检验，全时段回归系数为负值，且通过了5%的显著性检验。总体来看，产业结构对大气环境效率有显著抑制作用，第二产业比重越高，大气污染现象越严重，大气环境效率越低。能源结构与大气环境效率的回归系数均为负值，且都通过了显著性检验。煤炭消费占比越高，大气环境污染越严重，大气环境效率越低，因此要大力发展天然气等清洁能源，减少煤炭的使用。在2012—2015年间和全时段，对外贸易对大气环境效率的影响不显著，在2016—2020年回归系数为负值且通过了10%的显著性检验，说明外资创办的一些生产性企业大多具有严重的环境污染问题，因此对外贸易会抑制大气环境效率的提升。环境规制对大气环境效率有显著促进作用，即加大环境规制力度、加强环境质量监管会促使企业改进生产工艺与治污技术，促进大气环境的改善，提高大气环境效率。

2.稳健性检验

为进一步验证模型的可靠性，本文从以下方面展开模型稳健性检验：（1）改变大气环境效率的测算方法，采用BCC模型来计算各省份的大气环境效率，并将其作为因变量纳入模型，重新进行回归分析；（2）增加控制变量，增加城镇化水平（UL）和人口密度（PD）两个控制变量，重新进行回归分析，回归结果如表4所示。测算结果与前文回归结果一致，所以回归结果具有良好的稳健性。

3.区域层面回归分析

由于中国各地区经济发展水平不同，大气环境污染状况和数字经济发展水平在区域分布上都存在差异，不同地区数字经济发展对大气环境效率的影响也可能有所不同，因而参照中国区域规划标准，对东部、中部和西部地区分别进行回归分析，结果如表5所示。

由表5的回归结果可知，西部地区数字经济对大气环境效率的促进作用最强，其次是东部地区，中部地区影响不显著。原因是东部和中部地区工业化发展已经比较成熟，会排放较多的大气污染物，而西部地区污染物排放较少，而且在推进数字经济发展的过程中，西部地区主要依托其丰富的风能、水力等自然资源，发展数据中心、智算中心，绿色能源消耗占比较大。而东部和中部地区显然没有这样的资源禀赋优势，数字经济的发展一定程度上还加大了其传统能源的消耗，并对大气环境效率产生了影响。

在控制变量方面，产业结构对三大区域的大气环境效率均呈现显著负向影响，第二产业占比越高的地区，大气环境污染越严重。在东部地区，能源结构对大气环境效率存在显著负向影响，而在中部和西部地区影响不显著，东部地区要减少煤炭的消耗，大力推广天然气等清洁能源的使用。在西部地区，对外贸易对大气环境效率存在显著负向影响，而在东部和中部地区影响并不显著，原因是西部地区为促进经济增长，降低项目准入的环境门槛，引进一批高能耗、重污染的外资项目，加重了西部地区的大气污染程度，从而降低了大气环境效率。环境规制对中部地区大气环境效率存在抑制作用，而对西部地区存在促进作用。中部地区严格的环境制度会使企业的经济产出减少，而对环境的改善作用弱于经济的下滑；西部地区经济落后，污染治理技术较低，加大环境规制力度会促使企业改进生产工艺与治污技术，从而提高大气环境效率。

六、结论与建议

本文基于2012—2020年中国30个省份的面板数据，利用超效率SBM-DEA模型计算各省份大气环境效率，构建面板Tobit模型验证数字经济对大气环境效率的影响，并进一步探究该影响的区域异质性。得出以下结论。

第一，考察期内，中国大气环境效率值普遍不高，始终保持在0.6～0.7之间，且不同区域大气环境效率差异显著。东部地区经济发达，环境监管比较严格，大气环境效率最高；西部地区经济发展相对落后，污染治理技术不高且治污资金和设备投入不足；中部地区是中国主要的能源与制造业基地，高能耗、重污染的产业发展特征明显，因此，中部和西部地区大气环境效率低于全国平均水平。

第二，数字经济对大气环境效率有显著正向影响。分阶段来看，2016—2020年间数字经济对大气环境效率的促进作用大于2012—2015年间。“国家大数据战略”推进了数字化转型，数字经济迅速发展，显著提升了中国大气环境效率。

第三，数字经济对大气环境效率的影响存在区域异质性，在西部地区其影响最为显著，东部次之，中部最后。原因是东部地区和中部地区工业化发展已经比较成熟，会排放更多的大气污染物；而西部地区污染物排放较少，数字经济发展更多依托丰富的绿能资源。

基于以上结论，本文提出如下政策建议。

第一，制定差别化大气环境发展策略。各省份应当因地制宜、因时制宜坚持走好绿色发展道路。对于北京、天津、广东等大气环境效率较高的省份，应当继续发挥其优势，保持当前良好的发展态势；对于甘肃、贵州等工业产出和环境污染都相对较小的省份，要大力促进工业的发展，但切勿以牺牲大气环境为代价，要推动工业企业技术升级和设备更新，鼓励企业采用清洁生产技术和设备，减少污染物排放；对于浙江等经济发展水平较高且大气环境污染比较严重的省份，要加强工业污染源的治理和排放限制，加快产业结构转型升级，促进产业结构高级化，通过降污减排来实现绿色发展。

第二，制定有差异的数字经济发展政策。数字经济能够提升大气环境效率，且其影响存在区域异质性，因此政府在制定数字经济发展政策时要顾及本地区的发展情况。例如，在东部和中部地区要大力推进5G网络建设，在西部地区积极发挥绿能资源优势，发展数算中心。各省份要有针对性地实施数字经济发展战略，东部地区充分发挥示范带头作用，降低数字经济发展成本和治污成本；中部和西部地区要加快数字化平台建设，落实好“西部大开发”和“中部崛起”政策，加快新型基础设施建设，从而提升大气环境效率。

第三，在产业结构方面，要促进第三产业的发展，加快产业结构转型升级；同时要坚持走新型工业化道路，提高各个产业的科技水平。在能源结构方面，要优化调整能源结构，大力发展天然气等清洁能源，提高能源利用率。在对外贸易方面，要优化对外贸易结构，提升生产技术和大气环境治理的科技水平，在引进外资的同时要注意消化吸收其先进的管理经验。在环境规制方面，提高环境污染物的排放标准，加强对环境污染物排放的监管和控制。政府要为符合环境保护要求的企业提供优惠政策，以鼓励企业加大环境投资和技术创新。

参考文献：

［1］ 汪克亮，孟祥瑞，杨宝臣，等.中国区域经济增长的大气环境绩效研究［J］.数量经济技术经济研究，2016，33（11）：59-76.

［2］ 刘丙泉，常旭冉，王超.合作博弈视角下我国城市群大气环境效率评价研究［J］.中国石油大学学报（社会科学版），2021，37（4）：48-55.

［3］ 郑石明，罗凯方.大气污染治理效率与环境政策工具选择——基于29个省市的经验证据［J］.中国软科学，2017，321（9）：184-192.

［4］ 汪克亮，孟祥瑞，杨宝臣，等.技术异质下中国大气污染排放效率的区域差异与影响因素［J］.中国人口·资源与环境，2017，27（1）：101-110.

［5］ Li M， Huang Y， Han M. How to Maintain a Sustainable Environment？ A Spatial Evolution of Urban Atmospheric Pollution and Impact Factors in China［J］. Sustainability， 2019，11（16）：43-76.

［6］ Miao Z， Chen X，Baleentis T， et al. Atmospheric Environmental Productivity Across the Provinces of China： Joint Decomposition of Range Adjusted Measure and Luenberger Productivity Indicator［J］. Energy Policy，2019，132：665-677.

［7］ 蔡婉华，叶阿忠.工业大气环境效率、要素流动与经济产出互动关系研究［J］.软科学，2019，33（11）：47-52.

［8］ 谭志雄，张阳阳.财政分权与环境污染关系实证研究［J］.中国人口·资源与环境，2015，25（4）：110-117.

［9］ 汪克亮，王丹丹，孟祥瑞.技术的异质性、技术差距与中国区域大气环境效率［J］.华东经济管理，2017，31（5）：48-55.

［10］ 许宪春，张美慧.中国数字经济规模测算研究——基于国际比较的视角［J］.中国工业经济，2020（5）：23-41.

［11］ 王姝楠，陈江生.数字经济的技术—经济范式［J］.上海经济研究，2019（12）：80-94.

［12］ 杨虎涛.社会—政治范式与技术—经济范式的耦合分析——兼论数字经济时代的社会—政治范式［J］.经济纵横，2020（11）：1-11.

［13］ 张路娜，胡贝贝，王胜光.数字经济演进机理及特征研究［J］.科学学研究，2021，39（3）：406-414.

［14］ 裴长洪，倪江飞，李越.数字经济的政治经济学分析［J］.财贸经济，2018，39（9）：5-22.

［15］ 张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长［J］.经济研究，2019，54（8）：71-86.

［16］ 王彬燕，田俊峰，程利莎，等.中国数字经济空间分异及影响因素［J］.地理科学，2018，38（6）：859-868.

［17］ 姚志毅，张扬.数字经济与区域经济联动性的动态分析［J］.经济经纬，2021，38（1）：27-36.

［18］ 王军，朱杰，罗茜.中国数字经济发展水平及演变测度［J］.数量经济技术经济研究，2021，38（7）：26-42.

［19］ 吕雁琴，范天正.中国数字经济发展的时空分异及影响因素研究［J］.重庆大学学报（社会科学版），2023，29（3）：47-60.

［20］ 王开科，吴国兵，章贵军.数字经济发展改善了生产效率吗［J］.经济学家，2020（10）：24-34.

［21］ 邱子迅，周亚虹.数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析［J］.财经研究，2021，47（7）：4-17.

［22］ 张艳萍，凌丹，刘慧岭.数字经济是否促进中国制造业全球价值链升级？［J］.科学学研究，2022，40（1）：57-68.

［23］ 李广昊，周小亮.推动数字经济发展能否改善中国的环境污染——基于“宽带中国”战略的准自然实验［J］.宏观经济研究，2021（7）：146-160.

［24］ 邓荣荣，张翱祥.中国城市数字经济发展对环境污染的影响及机理研究［J］.南方经济，2022（2）：18-37.

［25］ 郭炳南，王宇，张浩.数字经济发展改善了城市空气质量吗——基于国家级大数据综合试验区的准自然实验［J］.广东财经大学学报，2022，37（1）：58-74.

［26］ 樊茂清，郑海涛，孙琳琳，等.能源价格、技术变化和信息化投资对部门能源强度的影响［J］.世界经济，2012，35（5）：22-45.

［27］ Salahuddin M，Alam K. Information and Communication Technology， Electricity Consumption and Economic Growth in OECD Countries： A Panel Data Analysis［J］. International Journal of Electrical Power amp; Energy Systems，2016，76：185-193.

［28］ Sadorsky P. Information Communication Technology and Electricity Consumption in Emerging Economies［J］. Energy Policy，2012，48：130-136.

［29］ Danish M， Ahmad T. A Review on Utilization of Wood Biomass as a Sustainable Precursorfor Activated Carbon Production and Application［J］. Renewable and Sustainable Energy Reviews， 2018，87：1-21.

［30］ 李雷鸣，贾江涛.信息化与能源效率的关系研究［J］.中国石油大学学报（自然科学版），2011，35（5）：163-166.

［31］ Li L， Zheng Y， Zheng S， et al. The New Smart City Programme： Evaluating the Effect of the Internet of Energy on Air Quality in China［J］. Science of The Total Environment， 2020，714：136-380.

［32］ Han B， Wang D， Ding W， et al. Effect of Information and Communication Technology on Energy Consumption in China［J］. Natural Hazards，2016，84（1）：297-315.

［33］ Tone K. A Slacks-based Measure of Efficiency in Data Envelopment Analysis［J］. European Journal of Operational Research，2001，130（3）：498-509.

［34］ Anderson D. Energy Efficiency and the Economists： The Case for a Policy Based on Economic Principles［J］. Annual Review of Energy amp; the Environment，1995，20（1）：495-511.

［35］ 林伯强，杜之利.中国城市车辆耗能与公共交通效率研究［J］.经济研究，2018，53（6）：142-156.

［36］ Liu B， Tian C，Li Y， et al. Research on the Effects of Urbanization on Carbon Emissions Efficiency of Urban Agglomerations in China［J］. Journal of Cleaner Production，2018，197：1374-1381.

［37］ 中国信息通信研究院.中国数字经济发展与就业白皮书（2019年） ［R］.北京：2019中国数字经济发展论坛，2019.

［38］ 岳立，韩亮.数字经济对黄河流域水资源利用效率的影响及作用机制［J］.工业技术经济，2022，41（7）：21-27.

责任编辑：曲" 红

Research on the Impact of Digital Economy on Atmospheric Environmental Efficiency

LIU Bingquan， HAN Xuemin， WANG Yakun， JIANG Nan

（School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China）

Abstract：This study utilizes panel data from 30 provinces and cities in China from 2012 to 2020 to analyze the atmospheric environmental efficiency across different regions. The Super Efficiency DEA （Data Envelopment Analysis） model is applied to calculate the environmental efficiency for each province and city， while a panel Tobit model is constructed to explore the impact of the development of the digital economy on atmospheric environmental efficiency. The results show that the overall atmospheric environmental efficiency in China remained relatively low throughout the period， consistently ranging between 0.6 and 0.7， with little variation. Significant regional disparities were observed， with the eastern region exhibiting the highest atmospheric environmental efficiency， while the central and western regions had values below the national average. Furthermore， the study reveals a significant positive correlation between the development of the digital economy and atmospheric environmental efficiency. Further analysis indicates that the digital economy positively affects the atmospheric environmental efficiency in the eastern and western regions， but its influence in the central region is not statistically significant. Based on these findings， the article proposes several policy recommendations aimed at improving atmospheric environmental efficiency.

Key words： digital economy; atmospheric environmental efficiency; super-efficiency SBM-DEA model; Tobit model

英文编校：马志强