数字经济如何赋能城市绿色全要素生产率

[摘要]大数据时代，数字经济成为经济社会全面绿色化转型的新动能。本文从大数据综合试验区建设政策视角出发，试图探究数字经济发展对我国城市绿色全要素生产率（GTFP）的影响效应及作用机理。具体以试验区获批建设为准自然实验，运用超效率SBM-GML指数模型测度我国2008—2020年274个地级及以上城市绿色全要素生产率水平，采用双重差分方法进行实证检验。研究结论表明：①国家大数据综合试验区建设对城市GTFP存在显著正效应，且在进行PSM、安慰剂等稳健性检验后均支持该结论。②国家大数据综合试验区建设主要通过产业结构优化和绿色技术创新传导机制赋能城市GTFP提升。③异质性分析发现，国家大数据综合试验区建设对城市GTFP的提振作用在大城市及特大城市、非资源型城市更为明显。针对研究结论，提出拓展试验区建设范畴并推进试验区联动发展、完善配套设施并延展覆盖面、促进数字技术与实体经济深度融合等对策以放大数字经济的绿色全要素生产率驱动效应，助推经济绿色高效转型。

[关键词]大数据；试验区；数字经济；绿色；全要素生产率

一、 引言与文献回顾

伴随着云计算、人工智能、量子信息等新一代信息技术的发展及广泛应用，以数据要素为核心的数字经济发展逐渐成为转变经济发展方式、实现经济绿色化的重要推动力。为了抓住数字经济发展的重大契机，2015年8月我国发布《促进大数据发展行动纲要》（国发〔2015〕50号）1，明确提出开展国家级大数据综合试验区试点建设（以下简称大数据综合试验区或试验区），并将其作为推进我国数字经济发展的重要实现路径。迄今为止，我国已设立了贵州省、河南省、上海市、内蒙古自治区、重庆市、沈阳市、京津冀地区、珠三角地区八大国家级大数据综合试验区，覆盖东、中、西区域2；“双碳”目标约束下，我国政府进一步强化数字经济对绿色发展的作用，《十四五国家信息化规划》强调：“坚持推动以数字化引领绿色化，促进数字化绿色化协同发展”3，党的二十大再强化“加快发展数字经济，促进数字经济和实体经济深度融合”4。新时代依托数字经济发展驱动我国经济全面绿色转型已成为必然趋势，而国家级大数据综合试验区作为我国数字经济发展战略的关键抓手及数字经济的重要载体，其拉动经济绿色发展、提振绿色全要素生产率的关键作用不容忽视。

从现有文献梳理看，数字经济发展越发受到广泛关注，对其研究视角也在不断拓展，主要集中于经济增长及高质量发展[1-2]、产业结构升级[3-4]、低碳转型[5-6]、共同富裕[7]、绿色全要素生产率[8-15]等。许多学者围绕数字经济与绿色全要素生产率的关系展开了深度探讨。蔡玲等[9]认为数字经济发展通过创新能力、生产效率提升会推动绿色全要素生产率提高。张英浩等[12]发现数字经济发展与绿色全要素生产率呈“U”形关系，即数字经济对绿色全要素生产率的影响表现出波动上升态势。王巧然[13]以城市群为考察对象，认为数字经济主要通过市场化程度提升绿色全要素生产率，并揭示了数字经济对GTFP的作用遵循梅特卡夫法则。杨友才等[14]、笪远瑶等[15]分别基于要素流动性、结构红利视角验证数字经济对GTFP存在显著正效应，且改善要素扭曲和产业结构升级是数字经济影响绿色全要素生产率的重要渠道。学者们从多方位论证了数字经济在资源共享、科学决策等方面发挥关键作用，并为助推绿色全要素生产率提供重要手段。但鲜有文献基于大数据综合试验区政策视角，以大数据综合试验区设立作为一项准自然实验，探索数字经济发展对城市绿色全要素生产率的驱动效应及内在关系。

综上，虽已有文献证实数字经济对绿色全要素生产率存在正向影响，但关于数字经济发展的测度指标大多采用多维度指标体系、文本数据挖掘等方法，难免存在主观片面性以及严重内生性问题，可能导致数字经济驱动绿色全要素生产率的实证结果可靠性有误差；目前将大数据综合试验区建设与绿色全要素生产率纳入系统研究的成果较为缺乏。为此，本文基于2008—2020年274个城市样本，采用DID方法识别数字经济发展对城市绿色全要素生产率的影响，主要贡献体现在以下三方面：一是研究视角方面。基于综合试验区建设政策视角，研究数字经济对城市绿色全要素生产率的影响，不仅为数字经济驱动绿色全要素生产率提供可靠实证证据，而且扩展目前绿色全要素生产率影响因素研究以及试验区经济效应研究的研究边界，也能体现中国宏观调控的制度优势。二是研究方法方面。利用试验区这项外生冲击，使用PSM-DID、安慰剂检验等方法在一定程度上规避样本选择偏差问题，进一步验证数字经济发展与绿色全要素生产率关系结论的可靠性。三是机制检验方面。本文从绿色技术创新和产业结构优化角度检验大数据综合试验区影响绿色全要素生产率的传导路径，既厘清两者的内在联系，也为提升试验区的绿色全要素生产率驱动效应提供可操作性的政策实施维度。

二、 理论分析与研究假设

1. 产业结构优化效应

产业结构优化的本质是产业结构内部资源要素的优化配置[16]，产业结构优化通过将生产要素由高污染低产出的生产部门流入低污染高产出的生产部门，实现生产要素以更加高效清洁的方式重新组合并驱动绿色全要素生产率提升。因此，绿色全要素生产率的有效增长实际上与产业结构优化之间存在着密不可分的联系。

首先，数字经济依托数字化技术加速数据要素区域流动，促进生产要素重组和产业分化，推动新需求、新模式和新业态形成，促进产业结构优化。试验区试点政策自建成以来坚持以数据为核心，在推动数据要素开发共享、完善数据基础配套设施建设等方面取得重大成就，使数字化技术实现跨越式发展与进步。数字化技术的快速迭代升级在产业关联效应及竞争激励效应影响下，进一步促进新兴数字化产业衍生发展[17]，助推产业链向中高端迈进，引发全产业链的持续革新。

其次，数字经济利用数字技术的高渗透性，引导传统产业向信息化、网络化和智能化方向改造，实现产业结构优化升级。基于大数据综合试验区建设的政策引导，区域数据要素能够进一步加快数字化技术与传统产业深度融合的步伐。数字化技术通过数据服务、数据信息等主要形式与传统产业生产经营各环节融合，加大了其对传统产业改造的渗透力度，有效提升了传统产业生产效率，促进了传统生产模式持续变革，赋能传统产业实现产业结构升级[18]。因此，大数据综合试验区建设可能以产业结构优化效应为中介路径，提升城市绿色全要素生产率。

据此，本文提出研究假设1：大数据综合试验区通过产业结构优化效应间接驱动绿色全要素生产率提升。

2. 绿色技术创新效应

绿色技术创新是借助新理念与新科技，通过有效避免或减少环境污染，以实现可持续发展的技术创新产出总称[19]。绿色技术创新不仅能直接降低自然资源利用强度、提升环境绩效，还能创造绿色经济价值，成为经济发展的战略资本。因而，绿色技术创新已成为引致绿色全要素生产率提高、加快经济社会全面绿色转型的关键驱动力。

首先，新增长理论认为知识是技术创新的核心要素，以数据驱动为核心的数字经济能有效加速信息要素流动，为绿色技术创新提供优质信息环境与治理环境，有效提升绿色创新产出效率。试验区按照高质量发展要求，围绕数据创新应用、大数据制度创新进行试验探索，借助数字技术打破市场信息不对称壁垒，提高了信息流通速度[20]。一方面有利于从事绿色技术研发企业在市场环境中及时甄别筛选有效信息，降低绿色技术创新风险，为其提供更加公开透明的市场环境；另一方面有利于政府及相关平台公布绿色环保政策、行业清洁技术变革等信息，高效提高政府协调能力和监督效率，改善绿色创新资源供需匹配过程中的低效率与资源无谓损耗。

其次，数字经济发展倒逼创新主体重视绿色技术创新活动，增大绿色技术创新产出。试验区建设会带动产业局部集聚，产业在空间地理范围内的集中又将激发企业的竞争活动，在同行业企业间的决策和行为相互影响下及时传递在绿色技术创新、新市场开发等方面的压力，倒逼企业在绿色技术、市场拓展等方面进行绿色技术创新[21]。此外，大数据试验区始终贯彻生态文明发展理念，尤其注重对绿色相关产业的扶持与优惠。这意味着在政策积极引导下，创新主体也会为增加自身竞争优势和谋求更高利润，增强绿色技术知识的储备与积累，加大研发资金和研发人力投入，提高自身绿色技术创新的投入和产出水平。因此，大数据综合试验区建设可能以绿色技术创新效应为中介路径，提升城市绿色全要素生产率。

据此，本文提出研究假设2：大数据综合试验区通过绿色技术创新效应间接驱动绿色全要素生产率提升。

三、 研究设计与数据说明

1. 策略识别与模型构造

国家大数据综合试验区的获批建设恰好构成一个良好的“准自然实验”，本研究采取双重差分法进行检验。在2016年，贵州省、河南省、上海市、内蒙古自治区、重庆市、沈阳市、京津冀地区、珠三角地区八大国家级大数据综合试验区逐步获批建设，覆盖本文地级及以上样本中的67个城市。由此，本文将2016年作为试验区建设的政策时点，将以上67个城市构成本研究实验组，其余作为对照组，构建如下模型：

[GTFPit=α+βDidit+γControlit+δi+ψt+εit] （1）

式（1）中，[被解释变量GTFP]表示城市绿色全要素生产率水平；[核心解释变量Did]表示大数据综合试验区虚拟变量，其系数[β]表示大数据综合试验区建设对城市绿色全要素生产率的边际贡献，是本文重点关注的系数；[Control]表示控制变量；[δ]、[φ]、[ε]分别是城市个体、时间固定效应和随机扰动项。

2. 变量选择与数据说明

（1）变量选择

被解释变量采用超效率SBM-GML指数模型测度2008—2020年我国各城市绿色全要素生产率。具体投入产出变量及数据处理如下：投入方面，劳动投入选取各城市年末就业总人数来测度；资本投入，基于永续盘存法利用公式（Ⅰ）：[Kit=IitPit]+（1-[δ]）[Ki（t-1）]估算各城市资本存量来测度，其中K为资本存量，I为全社会固定投资额，P为价格指数，以2007年为基期进行价格平减，[δ]折旧率采用9.6%[22]；能源投入，由于大部分地级市能源消费总量数据并未统计，采取将各城市供气总量（煤气、天然气）、液化石油气供气总量、全社会用电量通过折标煤系数转换为标准煤后加总求和衡量能源投入。产出方面，期望产出选取各城市2007年不变价的实际GDP来测度，非期望产出则选取城市工业废水排放量、二氧化硫排放量和工业烟（粉）尘排放量来测度。

核心解释变量为大数据综合试验区虚拟变量（Did）。若城市i在2016年及之后建设大数据综合试验区则赋值为1，否则赋值为0。

控制变量选取如下：城市经济发展水平（Pgdp）采用城市人均GDP对数化衡量；对外开放水平（Fdi）采用实际利用外资额/GDP衡量；金融发展（fin）采用金融机构存贷款总额/GDP衡量；人力资本水平（Hum）采用每万人大学生人数衡量；社会消费需求规模（Scs）采用人均社会消费品零售总额；环境规制（Er）从环境治理成效角度采用一般固体废弃物利用率衡量；基础设施建设（Road）采用年末实有城市道路面积对数化衡量。表1为主要变量计算。

（2）数据说明

鉴于数据的完整性，本研究选择2008—2020年274个城市面板数据，探究大数据综合试验区建设对城市GTFP的影响效应。城市层面主要数据来自《中国城市统计年鉴》、各省市统计年鉴以及EPS数据库；城市绿色专利数据来自国家知识产权局专利数据库；部分缺失数据利用移动平均法填补。表2为变量描述性统计结果。

四、 实证结果及分析

1. 平行趋势分析

对本研究而言，双重差分法要求在国家级大数据综合试验区获批建设前，实验组和控制组的绿色全要素生产率基本维持相同的时间趋势。据此，本文构建如下模型进行检验：

[GTFPit=α+k=-84βkDidkit+γControlit+δi+ψt+εit] （2）

模型（2）中，[Didkit]是国家级大数据综合试验区获批建设前后年份的虚拟变量，其中[k∈-8， 4]，表示国家大数据综合试验区获批建设前8年到后4年，同时本文以国家大数据综合试验区获批建设前第k=-8期为基期，其平行趋势检验的结果如图1所示。可以看出国家大数据综合试验区建设前，各期回归系数均不显著，表明政策前实验组和控制组时间变化趋势一致，不存在显著差异，满足平行趋势假定。在政策时点后3-4期，系数均显著异于0且呈增长趋势，初步判断国家级大数据综合试验区建设对促进城市绿色全要素生产率提升存在一定影响效应。