數字經濟對綠色全要素生產率的影響研究

■包 冰

（長春財經學院國際經濟貿易學院，吉林 長春 130122）

隨著互聯網技術的不斷發展和社會信息化的不斷推進，數字經濟迅速滲透到社會生產生活的各個方面，已成為推動政府治理手段革新和流程再造、促進產業高級化和合理化、顯著改善城市碳排放、提升實現共同富裕程度的重要驅動力。在數字經濟與生產率關系方面，數字經濟與勞動生產率有正相關關系，其要素配置影響著制造業生產率。近年來，隨著研究的深入，已由數字經濟對全要素生產率增長的直接效應、間接效應及作用路徑，進一步關注到數字經濟對綠色全要素生產率的結構性提升效應上來。數字經濟作為新的經濟模式已成為學界的研究熱點，目前關于數字經濟、綠色全要素生產率已經積累了部分有價值的文獻[1]。但對二者關系及作用機制的研究相對較少且起步很晚。鑒于此，本研究在借鑒已有研究的基礎上，利用SBM-GML指數測算綠色全要素生產率，借助固定效應模型探究數字經濟發展對綠色全要素生產率的影響。

一、研究設計

（一）樣本選擇及數據來源

為驗證數字經濟與綠色全要素生產率之間的關系，本文構建以下計量模型：GTFPit=α0+α1DIGEit+α2Xit+μit+εit。模型中的GTFPit為i 省（市/地區）在t 時期的綠色全要素生產率；α0表示常數項；DIGEit為i 省（市/地區）在t 時期的數字經濟發展水平；Xit表示控制變量；μit表示無法觀測的固定效應；εit表示隨機誤差。樣本數據選取2011—2018 年30 個省（自治區、直轄市）的面板數據。鑒于數據可得性，所選取的樣本不包括西藏自治區及港澳臺地區。

（二）變量說明及測度

第一，被解釋變量。綠色全要素生產率GTFP[2]。本文在研究現有文獻的基礎上，采用考慮非期望產出的超效率SBM模型和GML 指數進行測度。投入項包含勞動力投入、資本投入和能源投入。其中，勞動力投入以年末各省就業人數為特征；資本投資采用永續盤存制計量固定資本存量；能源投入以各省、市、自治區的能源消耗量(萬噸標準煤)表示。預期產量是各省市自治區換算后的實際GDP。在這項研究中，意外的產出是工業廢水中的COD排放和工業廢氣中的SO2排放[3]（如表1 所示）。

表1 變量指標體系

第二，解釋變量。解釋變量為數字經濟發展水平DIGE。借鑒現有對數字經濟的研究資料，在考慮數據的可獲得性的基礎上，本文選取數字經濟基礎設施、數字技術應用、數字產業發展動力三個方面的指標，具體評價指標體系，見表1。將獲取數據進行無量綱化處理后通過熵值法對數字經濟發展水平進行測度。其中，2011 年軟件業務收入的數據缺失采用線性趨勢值法預測[4]。

為了更直觀地描述和對比各省（市/地區）的數字經濟發展水平，本文將分區域繪制數字經濟發展趨勢（具體情況如圖1—圖4 所示）。

圖1 東部地區數字經濟發展水平

從整體情況來看，我國數字經濟發展的整體水平是平穩向上的。東部地區的數字發展水平明顯高于其他地區，發展速度也最快。中部地區處于中游水平。除四川省外，西部地區和東北地區起步較慢，整體發展也落后于東部和中部地區。圖1 顯示，北京起點水平最高，江蘇表現也較為出色，廣東發展速度最快，后來居上，主要原因是當地的基礎設施建設、政策規章和技術投入為數字經濟提供了較為寬松的發展環境。圖2 的6 個中部省份發展水平差距不大，其中河南發展速度略高，但其2018 年的發展水平仍不及廣東同時期的一半。圖3中可知，西部地區中四川省表現最為出色，較中部地區的河南省水平相當，甚至發展略好。從圖3 和圖4 來看，西部地區及東北地區的數字經濟發展水平還有較大的提升空間。

圖2 中部地區數字經濟發展水平

圖4 東北地區數字經濟發展水平

第三，控制變量。綠色全要素生產率在經濟社會中受諸多因素影響，因而無法做到全面兼顧。在借鑒已有研究的基礎上，本文選取的控制變量包括：產業結構（IS），以第三產業占地區生產總值比重表征[5]；開放程度（OD），以進出口貿易總額占地區生產總值比重衡量；政府干預（GI），以各省（市/地區）的政府財政支出占地區GDP 比重表示；人力資本（HC），以每十萬人口高等學校平均在校生數表征。

二、實證分析

（一）基本回歸分析

在對方程進行多重共線性檢驗的過程中，VIF 值的范圍在2.159～3.472 之間，方差膨脹系數小于10，因此判斷變量間不存在多重共線性。隨后進行的Hausman 檢驗呈現出5%水平的顯著性，意味著采用固定效應模型更優，結果見表2。

表2 數字經濟影響綠色全要素生產率的基本回歸結果

如表2 所示，第1 列報告了數字經濟影響綠色全要素生產率的回歸結果，數字經濟呈現出0.01 水平的顯著性（t=11.815，P=0.000＜0.01），并且回歸系數值為1.645＞0，說明數字經濟對綠色全要素生產率會產生顯著的正向影響關系。第2—第5 列報告了相繼加入控制變量的回歸結果。核心解釋變量DIGE 的估計系數逐漸下降，表明控制變量在一定程度上確實影響了綠色全要素生產率，因此在考慮核心解釋變量對因變量的影響時，不應忽視其控制變量。同時，核心變量的回歸系數顯著為正，加強了前述結論的可靠性。

從回歸結果分析，IS 呈現出0.01 水平的顯著性，并且全樣本回歸系數值為大于0[6]，即產業結構與綠色全要素生產率有顯著的正向作用關系。這說明，產業結構的優化將推動綠色全要素生產率的提高。開放水平（OD），即進出口額GDP 占比對綠色全要素生產率未表現出顯著性。但本文在第3 列變量的FE 與RE 模型對比中發現，在RE 模型中開放程度呈現出0.01 水平的顯著性（t=-5.829，P=0.000＜0.01），并且回歸系數值為-0.383＜0，說明開放程度對綠色全要素生產率產生顯著的負向影響關系。因此，就貿易層面上開放程度而言，貿易結構、貿易方式等方面還有較大改善空間。政府干預即政府公共預算支出GDP 占比對綠色全要素生產率的回歸系數全樣本顯著為負。以每十萬人口高等學校平均在校生數表征人力資本（HC）未表現出顯著性。

（二）異質性分析

根據前文研究，在數字經濟發展中出現了區域差異化的表現，從而應對數字經濟對不同地區綠色、全要素生產率產生的影響，展開進一步的勘查。由于存在地理環境、基礎設施、政策制度等各方面的差異，不同區域的社會經濟發展水平存在較大不同。從表3 的結果來看，數字經濟對綠色全要素生產率的影響存在區域異質性。東部地區數字經濟水平在5%，中部和西部數字經濟在1%水平上，與綠色全要素生產率都呈現顯著正相關的關系，東北地區的結果顯示兩者間的關系不顯著。顯著正相關的三個地區其數字經濟回歸系數分別為0.718、1.746、1.370，中部地區數字經濟的貢獻率最高，西部地區次之，東部地區數字經濟對綠色全要素生產率的貢獻率最小。東部地區區位優勢明顯，經濟相對發達，部分省份被賦予更大的自主權，因此，通過持續推進制度創新，進一步突出全方位、寬領域、多層次的開放特色，實現更高水平的開放，進而推動綠色全要素生產率。中部地區沒有明顯的稟賦優勢，通過在數字經濟基礎設施、數字技術應用及數字產業動力等方面加強建設能夠促進數字經濟的發展，進而提升綠色全要素生產率。數字經濟的發展在一定程度上倒逼產業優化升級，推動了綠色全要素生產率的提升。東北地區作為老工業基地，產業結構單一，新興產業發展不夠，技術進步相對較慢，作用效果不顯著。

表3 數字經濟對綠色全要素生產率影響的空間異質性

三、結論及對策建議

在數字經濟逐步成為引領全球經濟發展的中堅力量的背景下，本文聚焦數字經濟的綠色價值，利用省級面板數據，對數字經濟對綠色全要素生產率的影響進行了實證分析。結果顯示：一是數字經濟發展能夠大幅度促進綠色全要素生產率的提高；二是兩者關系存在區域異質性。東部地區、中部地區、西部地區數字經濟對綠色全要素生產率影響較為顯著，但相較于其他三個區域，東北地區作用不明顯。

基于以上結論，本文提出以下幾點建議：一是堅持推進數字經濟發展，有效發揮其對實體經濟提質增效的帶動作用，促進綠色全要素生產率的提升。基于各省（市/地區）比較優勢，推進能為自身提供社會經濟效益的數字新基建；加快重點領域的數字應用，促進產業數字化發展；加大創新和研發投入，充分利用技術進步引擎，推進數字經濟的發展。二是合理統籌區域數字經濟布局，充分考慮數字經濟對綠色全要素生產率影響的區域異質性，形成數字經濟協調發展新格局。利用北京、廣東、上海、江蘇等數字經濟創新高地，將其作為發展數字經濟的中堅力量，推動周邊省市的聯動發展；加強重點省市間的合作，協同建設跨區域的數字平臺體系支持數字經濟相對落后地區。在后疫情時代經濟下行以及面對國際復雜競爭形勢的壓力下，把握數字經濟發展趨勢及規律，有利于推動實現我國經濟高質量發展。