数字产业协同创新对全要素碳生产率的影响研究

[摘要]数字产业协同创新有助于经济低碳转型，为全要素碳生产率提高提供巨大机遇。基于2008—2021年30个省区市面板数据，对数字产业协同创新影响全要素碳生产率进行实证分析。研究表明，数字产业协同创新对全要素碳生产率具有显著促进作用，且在经过系列稳健性检验后该结论依然成立。异质性检验可知，数字产业协同创新对东部地区、新基建水平较高地区的全要素碳生产率提升作用更明显。中介机制检验得知，资本要素配置与人力要素配置水平提高是数字产业协同创新显著提升全要素碳生产率的重要路径。为深层次提升全要素碳生产率，应加强顶层设计，夯实数字产业协同创新基座；发挥各方优势，推动要素市场化配置；因时因势施策，助推数字产业协同创新发展。

[关键词]数字产业协同创新；资本要素配置；人力要素配置；全要素碳生产率

一、 引言与文献综述

“双碳”目标提出并实施以来，我国生态文明建设进入生态环境质量改善由“量变”到“质变”的全面绿色转型期。为此，我国积极加强生态环境治理，并致力于改善以往高度依赖煤炭资源的能源消费结构，助力实现长期有效的可持续“双碳”目标。2023年7月，中央全面深化改革委员会第二次会议通过的《关于推动能耗双控逐步转向碳排放双控的意见》指出，“完善能源消耗总量和强度调控，逐步转向碳排放总量和强度双控制度”“坚持节约优先方针，更高水平、更高质量地做好节能工作，用最小成本实现最大收益”1。此情形下，全要素碳生产率作为“双控”重要着力方向，有助于我国顺利实现经济发展与绿色转型双赢。并且，提升全要素碳生产率不仅是加快社会经济增长和碳排放“脱钩”的有效方式[1]，而且是全面实现社会经济绿色低碳转型、开启生态文明建设新征程的有力保障。因此，如何提升全要素碳生产率，更好支持“双碳”目标顺利实施，成为现阶段备受各界关注的重点。

学术界关于全要素碳生产率的研究着重于以下两方面。一是关于全要素碳生产率的测度。如王凯等[2]从旅游业入手探究全要素碳生产率得知，2000—2017年的中国旅游业全要素碳生产率总体呈不断提升的发展态势，且具有“中部地区＞东部地区＞西部地区”的空间分布格局。苏方林等[3]聚焦东部沿海地区发现，研究期内该地区全要素碳生产率呈现波动上升的发展态势。二是关于全要素碳生产率的影响因素。已有文献资料发现，政府参与型环境规制和市场激励型环境规制[4]、互联网发展[5]、技术进步[6]均能够提升全要素碳生产率，而产业结构升级[7]会抑制全要素碳生产率。鉴于此，是否存在新的因素能够影响全要素碳生产率值得研究。

伴随数字经济的快速发展，数字产业协同创新作为提高产业创新能力与竞争力的关键，日益成为促进经济高质量发展、推进生态文明建设的重要方式之一。深入来说，数字产业协同创新有利于加快社会生产流程改造、重塑社会需求结构，有效衔接传统发展模式和新兴数字技术，赋能全要素碳生产率提升[8-10]。这一过程中，数字产业协同创新通过整合资源优势，创造新型产业链与生态系统，极大提高了产业附加值[11]，为全要素碳生产率的提升提供了支持。此外，数字产业协同创新引入供应链管理、生产流程优化等内容，对我国积极稳妥推进“双碳”目标具有现实意义。显然，数字产业协同创新对于提升全要素碳生产率具有积极作用。不过，这一促进作用的具体影响机制如何？是否因区域、新基建水平差异存在异质性特征？探究以上问题可为提升地区全要素碳生产率、加快生态文明建设提供全新思路。

有别于以往文献资料，本研究重点分析数字产业协同创新对全要素碳生产率的影响作用。可能的边际贡献主要有：一是在研究角度上，以数字产业协同创新为切入点，深入分析如何利用数字产业协同创新提升全要素碳生产率，有利于支持“双碳”目标加快实现。二是在研究内容上，将要素配置作为探究数字产业协同创新与全要素碳生产率的中介变量，并细分为资本要素配置与人力要素配置，对数字产业协同创新提升全要素碳生产率的作用机制展开深入分析，旨在夯实已有研究内容。三是从区域和新基建水平方面，着力探究数字产业协同创新影响全要素碳生产率的异质性，为相关部门制定针对性决策提供理论参鉴。

二、 理论假说

数字产业协同创新的本质是产业以数字技术工具为媒介，通过协同创新实现高质量发展的过程，对于全要素碳生产率的提升具有积极作用。根据熊彼特内生增长理论可知，创新活动产生的技术进步是促进经济增长的重要内生因素[12]，有助于实现经济社会高质量发展。于数字产业协同创新而言，其在不断扩大数字技术应用领域，有效优化数字产业生产链条的同时，可降低因环境污染负外部性引致的绿色生产成本，为提高全要素碳生产率提供契机和支持。一方面，数字产业协同创新能够拓展新经济空间，提高全要素碳生产率。在数字产业协同创新过程中，相关参与主体可以通过加深产业链合作，促使产业链上各节点在虚拟空间内实现高度集聚。借此，有限的资源投入可带来更多产品或服务生产与交付，缩短产品从设计到生产、交易的时间成本[13]，极大提升单位产品全要素碳生产率。与此同时，在数字产业协同创新过程中，人工智能、互联网、大数据等数字技术的广泛应用，能够提高组织内部生产经营效率，降低无序经营引致的资源浪费行为，使得不同供应链系统得以高效连接，这益于降低碳排放污染，赋能全要素碳生产率提升[14]。另一方面，数字产业协同创新能够整合碎片化数据，提高全要素碳生产率。马歇尔新古典学派理论认为，地理位置相近的企业之间具有相互依赖关系，有助于推动经济增长[15]。对于数字产业而言，其借助数字技术有效破除了时空隔阂，使得数字产品制造、数字产品服务、数字技术应用等诸多业态实现了实时交互和泛在连接，加快了专业知识积累传播以及创新技术溢出[16]。此情形下，数字产业相关参与主体能够围绕协同创新综合统筹各节点数据信息，提升社会生产从源头到全链条重点问题的处理效率。这有助于减少产业全面绿色转型中的资源浪费，提高全要素碳生产率。据此，本文提出如下假设：

假设1：数字产业协同创新能够促进全要素碳生产率提升。

在数字经济持续影响下，数字新型基础设施建设及相关技术的深度应用，扩大了产业发展对优化要素配置的迫切需求。作为产业变革的新兴产物，数字产业协同创新可在优化要素配置过程中，渐次完善资本要素与人力要素配置，助力全要素碳生产率提升。

第一，资本要素配置的传导机制。一方面，数字产业协同创新能优化资本要素配置。数字经济具有打破时空限制的可达性特征，有助于数字产业在开展协同创新活动时，扩大资本要素的利用率[17]。也就是说，在数字产业协同创新过程中，相关参与主体可充分借助线上支付手段，降低时间、空间对资本要素的流通限制，提高资本要素配置水平。另一方面，资本要素配置可以提高全要素碳生产率。融资约束是制约全要素碳生产率提升的关键因素之一[18]。此过程中，资本要素配置能够有效缓解数字产业协同创新过程中的融资约束，进一步引导资本要素向绿色、可持续发展的数字产业流动。这有助于降低数字产业协同创新活动中的环境污染负外部性，提高相关参与主体绿色发展的资本要素支持力度，加速提高全要素碳生产率。

第二，人力要素配置的传导机制。一方面，数字产业协同创新可提高人力要素配置水平。从产业发展结构审视，当前我国仍以劳动密集型产业为主，且多依赖低成本人力要素攫取发展红利[19]。随着数字经济的快速兴起，既有以劳动力密集型产业为主的低成本人力要素发展模式难以为继[20]，这倒逼相关参与主体主动优化人力要素配置，以更好地开展数字产业协同创新活动。此过程中，数字产业协同创新活动本身具有的发展需求会加大对域外高素质人才的吸引力，一定程度上有助于提升人力要素配置水平。另一方面，人力要素配置有利于提升全要素碳生产率。在资源约束趋紧、生态系统退化严重的当下，秉持生态文明建设理念，加大传统能源、可再生能源、智能电网技术等能源领域人才培养力度，利于提高人力要素配置水平[21]，赋能全要素碳生产率提升。这一过程中，高素质人才能够借助数字技术工具开展协同创新活动，进而减少数字产业协同创新活动中的能源损耗、资源浪费等行为，正向作用于全要素碳生产率。因此，从要素配置视角看，数字产业协同创新能够分别通过优化资本要素配置与人力要素配置，推动全要素碳生产率的提高。综合上述分析，提出如下假设：

假设2：资本要素配置在数字产业协同创新对全要素碳生产率的影响关系中发挥中介效应。

假设3：人力要素配置在数字产业协同创新对全要素碳生产率的影响关系中发挥中介效应。

三、 研究设计

1. 模型设计

为深入探究数字产业协同创新对全要素碳生产率的影响，本文选择构建双向固定效应模型展开实证检验，具体如式（1）所示：

[TFCPit=α0+α1CIDIit+α2Xit+ui+vt+εit]  （1）

式（1）中，[TFCPit]表示[i]省份于[t]年的全要素碳生产率，[CIDIit]表示[i]省份于[t]年的数字产业协同创新水平，[Xit]表示系列控制变量，包含经济发展水平（[PGDP]）、对外开放水平（[OPEN]）、市场化水平（[MAR]）、产业结构（[IS]）、城镇化水平（[URB]）；[ui]为省份固定效应、[vt]为年份固定效应，[εit]为随机误差项。

2. 变量测度与说明

（1）全要素碳生产率。结合已有研究[22-23]，本文综合运用超效率SBM-DDF模型和Luenberger方法对全要素碳生产率进行计算。投入层面分别利用人员投入、资本投入和能源投入指标衡量，人员投入以地区总人口指代，资本投入以固定资本存量表征，能源投入以各地区能源消费量表示。产出层面包含期望与非期望产出，期望产出以各地区GDP表示，非期望产出以二氧化碳排放量表征1。

（2）数字产业协同创新。现阶段，学术界并未就数字产业协同创新进行统一界定。由于数字创新涉及范围内容较广，借助多指标测算数字产业协同创新水平则更为合理。结合已有文献资料[24-26]，本文从数字产业协同创新基础、数字产业协同创新需求、数字产业协同创新应用3个维度选取指标，建立如表1所示的数字产业协同创新指标体系，并利用熵权法测得数字产业协同创新综合指数。

（3）控制变量。参考过往文献研究[27-28]，本文选取如下控制变量：经济发展水平（[PGDP]）、对外开放水平（[OPEN]）、市场化水平（[MAR]）、产业结构（[IS]）、城镇化水平（[URB]）。相关变量说明如表2所示。

3. 数据来源

本文选取2008—2021年30个省区市面板数据，探究数字产业协同创新对全要素碳生产率的影响。相应指标的数据主要来源于《中国统计年鉴》《电子信息产业年鉴》《中国环境统计年鉴》以及各省份统计年鉴、中经网统计数据库、国泰安数据库，在此基础上对部分缺失的数据以线性插值法补充，最终得到各变量描述性统计如表3所示。

四、 实证检验与结果分析

1. 基准回归结果

利用式（1）探究数字产业协同创新对全要素碳生产率的影响，具体回归结果见表4。其中，列（1）、列（2）分别为未纳入和纳入控制变量的结果，明显可见，数字产业协同创新对全要素碳生产率影响的结果均显著为正。这说明数字产业协同创新对全要素碳生产率具有显著提升作用，验证了假说1。控制变量方面，城镇化水平的回归系数值显著为负，表明研究期内城镇化发展会降低全要素碳生产率。对外开放水平的回归系数值为正，说明提高对外开放水平能够提升全要素碳生产率，但现阶段来看效果并不显著。经济发展水平、市场化水平以及产业结构的回归系数值显著为正，说明此三者水平提高能够有效提升全要素碳生产率。

2. 异质性分析

（1）地区差异。数字产业发展水平以及资源要素禀赋可能在不同地区具有相应差异性，这促使数字产业协同创新对全要素碳生产率的影响作用也可能存在地区异质性特征。由此，本文依据国家统计局划分标准将样本划分为东部、中部以及西部地区，并进一步展开回归结果分析（表5）。根据表5中列（2）至列（4）结果得知，数字产业协同创新对全要素碳生产率的提升作用具有显著差异，其中东部地区的影响效应明显较中部、西部地区高。深究其因，东部地区数字产业协同创新水平较高，且汇聚各类高水平创新要素，能够催生或变革社会经济生产范式，继而有效提升产能利用率、劳动生产率、行业利润率，推升全要素碳生产率。不仅如此，东部地区较高的数字产业协同创新水平能够促进智能建造、工业互联、智慧能源、智慧农业等快速落地应用，为全要素碳生产率提升有效赋能。是以，在对全要素碳生产率提升作用方面，东部地区数字产业协同创新水平释放的红利边际效应更强劲，能够对全要素碳生产率发挥更明显的促进效应。