數字經濟賦能零售業綠色發展：作用機制與經驗證據

摘"要：數字經濟能夠降低零售環節能耗與碳排放，對于促進零售業綠色轉型和經濟高質量發展具有重要意義。本文基于2008—2020年中國省級面板數據，實證檢驗數字經濟對零售業綠色發展的直接影響與作用機制。研究發現，數字經濟能夠推動零售業綠色發展，并可通過激發綠色技術創新、增強綠色金融支撐、引領上游綠色供給等機制間接促進零售業綠色發展。進一步檢驗發現，政府主導型正式環境規制和公眾參與型非正式環境規制對數字經濟賦能零售業綠色發展均具有正向調節作用；數字經濟對零售業綠色發展的促進效應在東部、南方、高人力資本和物質資本、市場一體化水平高的地區更加突出；零售業綠色發展水平提升能夠強化數字經濟賦能零售業綠色發展的邊際效應。據此，應加強數字基礎設施建設，深化零售企業數字技術應用，強化政府環境治理和消費者環保關注的協同配合，充分發揮數字經濟效應賦能零售業綠色發展。

關鍵詞：數字經濟；零售業綠色發展；環境規制；市場一體化

中圖分類號：F49；F724文獻標識碼：A文章編號：1001-148X（2024）04-0032-13

一、問題的提出

黨的二十大報告提出要“推動綠色發展，促進人與自然和諧共生”。2023年底，中央經濟工作會議提出要“大力發展綠色消費”。面對資源環境約束趨緊等挑戰，全球綠色經濟發展加快，綠色消費逐漸興起，主要經濟體零售業均呈現綠色轉型趨勢，如英國零售商協會宣布至2040年實現零售業凈零碳排，德國93%的零售企業在過去五年中至少采取了一項節能措施。零售業綠色發展不僅包括零售門店節能減排與綠色商品銷售，也涵蓋與上游制造商聯合開發綠色商品、打造綠色供應鏈等活動。事實上，作為銜接生產和消費的樞紐環節，零售業綠色發展既能夠直接節約流通環節的能耗，也可以促進綠色商品生產與消費，加快建設綠色供應鏈，進而助力經濟綠色發展。在當前全球經濟綠色轉型加快形勢下，推進零售業綠色發展具有重要意義。

全球零售龍頭企業探索綠色轉型的實踐較為豐富，但零售業綠色發展進程仍有待加快。早在21世紀初，沃爾瑪已開始探索推進全球采購系統、零售門店、供應商網絡等領域的綠色轉型，不僅降低了沃爾瑪主導的零售供應鏈能耗與溫室氣體排放，也促進了綠色商品流通。中國則于2016年啟動綠色商場創建工作，截至2021年底，已累計創建超過500家綠色商場，銀泰百貨等企業成為零售業綠色發展標桿。然而，零售業綠色發展涉及零售企業及上下游眾多主體，受能耗隱蔽性強、主體聯動性弱、綠色轉型經驗不足、成本高等制約，零售業能耗與溫室氣體排放仍然較高。根據世界可持續發展商業理事會數據，2022年零售企業及其上下游企業的采購、物流、零售等經營活動所產生的溫室氣體排放在全球各行業中占比達1/4。如何有效降低零售業及其上下游能耗與排放，加快零售業綠色發展，已成為當前亟待解決的問題。

已有相關研究可為本文提供借鑒，主要分為兩個方面。一方面，零售業綠色發展有關研究較為豐富。從行業維度來看，零售業綠色發展是指具有節約資源、保護生態環境等影響的經營行為，要求零售與消費、生產等環節協同推進［1］。從企業維度來看，零售企業綠色經營行為是可持續發展的重要條件，主要包括綠色商品銷售、綠色門店建設和綠色營銷等活動［2］。零售企業社會責任意識、環保知識等認知水平提高能夠推動采取綠色經營行為，消費者的環保意識和綠色消費需求增強也要求零售企業圍繞可持續發展實施綠色轉型［3］。但是，受主體逐利驅動，綠色發展的信息、技術等成本高制約零售企業綠色轉型。另一方面，數字經濟促進綠色發展的效應已受到廣泛關注。作為一種新經濟形態，數字經濟有助于提升要素配置效率，并減少不必要的成本損耗。從數字產業化來看，數據要素、數字技術、數字內容產品等構成具有低能耗、低排放和資源共享等屬性，這與綠色經濟具有內在一致性［4］。從產業數字化來看，數字技術應用推動生產方式集約化、管理運營智能化等轉型，實現能耗節約、污染減少和效率改進，進而促進綠色經濟發展［5］。數字化水平的提升，有助于賦能資源型企業綠色技術創新，突破資源約束并實現綠色轉型發展。數字經濟可助力工業節能減排，提升工業綠色全要素生產率。然而，鮮有數字經濟賦能零售行業或企業綠色發展的研究。

鑒于此，本文基于零售業特征，分析數字經濟賦能零售業綠色發展的理論機制，并結合中國經驗數據展開實證研究，提出針對性政策建議助力數字經濟賦能零售業綠色發展。本文可能的邊際貢獻：（1）創新性地測算了零售業綠色全要素生產率，并以此評估零售業的綠色發展水平。（2）拓展了數字經濟對零售業綠色發展的作用機制研究。結合中國零售業在數字經濟時代發展情境，系統梳理作用機制并進行實證檢驗。（3）探索性地引入政府主導的正式型、公眾參與的非正式型兩類環境規制工具以考察其調節機制，進而驗證數字經濟與環境規制的協同配合對于零售業綠色發展的雙輪驅動效應。

二、理論分析與研究假設

（一）數字經濟與零售業綠色發展

數字經濟能夠平衡綠色轉型成本與收益并促進產業綠色發展，這也適用于零售業。首先，數字經濟能夠助力零售門店節能減排實現綠色發展。綠色發展的基本特征是能耗節約和污染、溫室氣體等排放減少，已有研究發現數字經濟對碳排放強度的影響呈現先促進、后抑制的曲線走勢，高數字經濟發展水平能夠提高能源利用效率并實現節能［6］。零售門店的照明、空調、冷凍冷藏等設備耗電量和溫室氣體排放高，伴隨著數字化轉型，零售企業能夠應用智慧管理系統促進資源復用并降低能耗和碳排放，從而實現綠色發展［7］。其次，數字經濟推動零售服務模式改變并賦能綠色發展。數字經濟推動傳統產業服務化升級，降低能耗產出比并實現綠色轉型。電子商務作為零售新業態加快發展，不僅通過虛擬門店經營、無紙化辦公等節約能耗，還通過以銷定產、定制開發等新型“媒介”方式促進供需精準匹配，減少無效供給帶來的不必要浪費，進而提升零售業綠色發展水平。最后，數字經濟以大數據賦能優化零售業經營決策并實現綠色發展。零售業數字化發展的特征之一集聚供需端海量多維數據，大數據資源能夠優化資源整合和經營決策，并促進零售環節綠色發展［8］。由此，本文提出如下假設：

H1：數字經濟發展能夠有效促進零售業綠色發展。

（二）數字經濟、綠色創新與零售業綠色發展

綠色技術創新有助于企業獲得綠色發展競爭優勢，被較多企業采用以適配環保發展要求同時實現盈利需求［9］。作為微利型行業，零售企業組織化程度偏低而資源利用效率不高，節能技術改造的投入有限，成本負擔使其綠色轉型投入激勵不足，進而導致綠色技術創新難以突破［10］。數字技術發展為綠色技術創新提供契機，有助于提升企業綠色創新績效。首先，伴隨著零售業數字化轉型，零售環節資源利用水平得到優化，數字技術創新與綠色技術創新耦合并互促發展；其次，數字經濟發展有助于降低企業綠色技術創新的成本，這能夠破除零售企業節能技術改造投入不足的制約，提升零售企業實施綠色技術創新的積極性；最后，數字經濟時期涌現出一批綠色技術與解決方案供應商，第三方供應的專業化、批量化、標準化方案有助于企業節約從零起步的試錯成本，為零售企業綠色技術創新提供了低門檻的解決方案。由此，本文提出如下假設：

H2：數字經濟發展能夠通過促進綠色技術創新進而助力零售業綠色發展。

（三）數字經濟、綠色金融與零售業綠色發展

金融機構提供的信貸支持、私募股權資金流向等能夠影響公司經營決策，由此對企業綠色發展產生影響。伴隨著綠色金融體系構建，金融行業以環保、綠色和可持續發展為導向調整資金配置方式，以資金激勵產業綠色發展。然而，在綠色產品市場發展受限、綠色金融效率不高等因素影響下，綠色金融本身存在發展瓶頸。數字經濟能夠賦能綠色金融突破發展瓶頸，并助力零售業綠色發展。一方面，數字賦能的電子商務新業態具有顯著的節能減排效應［11］，大型電商平臺可成為金融支持零售業綠色發展的服務對象，對大型電商平臺的金融支持也有助于零售業綠色發展。另一方面，數字經濟能夠強化綠色金融對產業綠色發展的促進作用，即通過應用數字技術促進信息共享，進而使綠色金融引導企業實施綠色技術創新的成本得以降低［12］。金融科技賦能也有助于提高綠色金融創新、服務與監管等水平，降低風險并更好帶動產業綠色轉型。由此，本文提出如下假設：

H3：數字經濟發展能夠通過增強綠色金融支撐進而推動零售業綠色發展。

（四）數字經濟、綠色供給與零售業綠色發展

綠色產品供給是綠色零售流通的對象，其供給水平直接影響零售業綠色發展，數字經濟發展能夠促進優化綠色產品供給。首先，數字技術進步加速生產設備、生產技術與研發水平的升級，技術紅利能夠推進綠色產品研發與生產，直接豐富綠色產品供給并助力零售業綠色發展［13］。其次，數字經濟時期零售企業創新商業模式，作為核心平臺構建起銜接供給端、需求端、同業企業和跨行業企業等多主體的價值共創平臺網絡［14］。零售企業能夠收集并形成綠色、可持續等消費需求端大數據，與制造業聯合開發并生產綠色產品，以適配于需求端為前提擴大綠色產品銷售，進而提升綠色發展水平。最后，受到生產、流通等環節成本偏高的制約，綠色產品零售面臨規模化困境。數字技術應用能夠促進精準研發與精益生產，降低綠色產品制造環節成本，并通過零售與制造企業的數字化協同降低流通成本，突破供給成本約束實現綠色產品的規模化制造與零售。由此，本文提出如下假設：

H4：數字經濟發展能夠通過引導產業鏈上游的綠色供給間接推動零售業綠色發展。

三、研究設計

（一）模型設定

本文試圖檢驗數字經濟對零售業綠色發展的直接影響效應，故構建基準計量模型如下：

RGTit=α0+α1DEit+βXit+ui+vt+εit（1）

其中，i表示省份；t表示年份；RGT表示被解釋變量，即零售業綠色發展指數；DE為核心解釋變量，即數字經濟指數；X為控制變量組；α0為截距項，α1為本文關注的核心解釋變量的系數值；ui、vt分別表征地區和年份固定效應，εit為隨機擾動項。

同時，根據前文理論機制剖析可知，數字經濟可能會通過促進綠色技術創新、增強綠色金融支撐以及引導上游綠色生產供給等三種機制間接地驅動零售業綠色發展。故而，進一步參考吳海軍等（2023）［15］的中介效應檢驗步驟考察數字經濟驅動零售業綠色發展的傳導機制，在模型（1）的基礎上構建如下模型：

Medit=γ0+γ1DEit+θXit+ui+vt+εit（2）

RGTit=α0+α1DEit+α2Medit+ρXit+ui+vt+εit（3）

其中，Medit為地區i在年度t的中介變量，包括綠色技術創新（GTIit）、綠色金融（GFit）以及綠色制造（GMit），Xit為控制變量組。

除此之外，本文還進一步將環境保護因素嵌入研究分析框架，通過在模型（1）的基礎上引入數字經濟與環境規制的交互項（DEit×ERit），以期考察環境規制是否在數字經濟驅動零售業綠色發展的關系中存在正向調節機制。具體模型如下：

RGTit=β0+β1DEit+β2ERit+β3DEit×ERit+δXit+ui+vt+εit（4）

其中，ERit為環境規制變量，包括正式規制（Reguit）和非正式規制（Epait）兩類；參數β3為數字經濟與環境規制交互項的回歸系數，用來反映環境規制對數字經濟與零售業綠色發展間的調節效應。若參數β3顯著為正，表明環境規制具有正向調節作用，若β3顯著為負，表明環境規制具有負向調節作用，若β3未通過顯著性檢驗則不存在調節效應。

（二）變量選擇與說明

1.被解釋變量

零售業綠色發展（RGT）。目前，學界針對產業綠色轉型的測度方式不一，但主要分為兩大類：一類是利用隨機前沿生產函數（SFA）等參數方法、數據包絡分析（DEA）等非參數方法測算得到不同產業的綠色全要素生產率（Green"Total"Factor"Productivity，GTFP），并以此衡量產業綠色發展水平；另一類為構建綜合評價指標體系，并使用熵權法、主成分分析法以及組合賦權法等進行綜合性測算。考慮到構建綜合指標體系可能對數據的要求較高，本文在Tone（2001）［16］提出的松弛變量的非徑向、非角度SBM模型的基礎上，參考劉鉆擴和辛麗（2018）［17］的做法，使用SBM方向距離函數的全局Malmquist-Luenberger（GML）指數測算零售業綠色全要素生產率，計算公式為：

GMLt+1t=1+SGVxt，yt，bt；g1+SGVxt+1，yt+1，bt+1；g（5）

其中，GMLt+1t為t年到t+1年的GTFP增長率，SGV表示非期望產出的全局SBM方向距離函數；xt、xt+1和yt、yt+1分別為t、t+1年各地的投入向量和期望產出向量；bt、bt+1分別為非期望產出向量；g為gx，gy，gb，表示投入減少、期望產出增加、非期望產出減少的方向向量。鑒于GML指數為各年度間環比增長，因此將基期2008年的GTFP設定為1，之后依次與各年GML值累乘得到零售業綠色全要素生產率。

本文在對零售業投入、產出指標進行遴選的過程中，需要考慮到以下限制：目前，中國國家官方統計局在測算行業經濟指標時，往往將零售業與批發業整合在一起統計，難以有效地單獨將零售業剝離出來。基于此，本文借鑒蘇濤永等（2020）［18］的做法，采取限額以上零售業企業的省級面板數據進行測算，此做法的合理性在于：其一，該數據集相對全面且缺失值極少，有助于保證測算結果的完整性和真實性；其二，中國零售行業長期存在諸多分散化、碎片化、小規模的流動攤販、夫妻店、小食雜店等經營模式滯后、效率較低的小型私營或個體零售商，它們由于受規模和資金約束難以進行深層次的綠色轉型。因此，本文真正想研究的對象是具備一定規模效益和管理能力的零售企業，而“限額以上零售企業”的標準為年商品銷售額在500萬元以上，能夠在一定程度上反映零售業整體發展質量，恰好滿足本文研究的數據需求。本文選擇的投入指標包括勞動、資本和能源投入。勞動投入選取限額以上零售企業年末從業人員數（萬人）衡量；資本投入利用限額以上零售企業總資產（億元）衡量；能源投入選取各省以標準煤法折算后的能源消費量（萬噸標準煤）衡量，并以限額以上零售企業年末從業人員數占全國就業總人數比重簡單估算出限額以上零售業能源消耗量；產出指標包括期望產出和非期望產出，期望產出選取限額以上零售企業商品銷售額以及主營業務收入衡量，非期望產出選擇與零售業關聯度較大的二氧化碳排放量（CO2）衡量，同樣以限額以上零售企業就業人數比重估算出零售業碳排放量。其中，二氧化碳排放量（CO2）選擇CEADs中國碳核算數據庫中公布的省級碳排放數據，具備較高的準確性。

2.解釋變量

本文的核心解釋變量是數字經濟（DE）。目前學術界對數字經濟內涵界定和量化評估的方法均尚未形成統一的研究范式。總體而言，數字經濟相對常用的定義為“以數字化的知識和信息作為關鍵生產要素，以數字技術為核心驅動力，以現代信息網絡為重要載體，通過數字技術與實體經濟深度融合，不斷提高數字化、網絡化、智能化水平，加速重構經濟發展與治理模式的新型經濟形態”參見中國信通院官方網站：http：//www.caict.ac.cn/kxyj/qwfb/bps/202007/t20200702_285535.htm.。這一概念綜合反映出數字經濟對傳統生產生活方式的顛覆性改造，以及對經濟社會各行業各領域的廣泛滲透性。本文參考王軍等（2021）［19］的思路，構建了包括數字基礎設施（DE1）、產業數字化（DE2）、數字產業化（DE3）以及數字使用能力（DE4）等四大維度共14個二級指標在內的數字經濟發展綜合評價指標體系，如表1所示。

本文嘗試用熵權TOPSIS法對數字經濟指標體系進行測算，該方法有效地結合了熵權法和TOPSIS評價模型，不僅可以通過熵權法確定數字經濟各個指標的重要程度，并得到各指標的權重；同時還可以借助TOPSIS模型對評價對象與理想化目標的接近程度進行量化排序。具體計算步驟如下：

第一，數據標準化。為消除數字經濟不同測度指標在量綱方面的影響，運用極差法對原始數據進行標準化處理。

對于數字經濟正向指標：

Mij=Xij-XminXmax-Xmin（6）

對于數字經濟負向指標：

Mij=Xmax-XijXmax-Xmin"（7）

第二，計算各指標的信息熵。

Ej=ln1n∑ni=1［（Mij/∑ni=1Mij）ln（Mij/∑ni=1Mij）］（8）

第三，定義各指標的權重。

Wj=（1-Ej）/∑mj=1（1-Ej）（9）

第四，構建加權決策矩陣。

Z=zijn×m=（Wij×Mij）n×m（10）

第五，利用TOPSIS法確定最優理想解S+j和最劣理想解S-j。

S+j={maxzij|j=1，2，…，m}={Z+1，Z+2，…Z+m}（11）

S-j={minzij|j=1，2，…，m}={Z-1，Z-2，…Z-m}（12）

第六，計算評價指標分別與最優、最劣理想解的歐氏距離D+i和D-i。

D+i="∑j=1m（S+j-zij）2（13）

D-i="∑j=1m（S-j-zij）2（14）

第七，計算相對接近度，即最終的數字經濟評價指數。

DEi=D-iD+i-D-i（15）

其中，數字經濟指數DEi介于0—1區間內，其數值越大表示越接近最大值，即數字經濟發展水平越高，反之則越低篇幅所限，最終測算的結果不再贅述，留存備索。。

3.機制變量

綠色技術創新（GTI）。采用地區每萬人綠色專利授權數（件）作為替代指標。數據來源于國家知識產權局提供的專利申請檢索信息，并根據《國際綠色專利分類（IPC）》編碼統計所得。

綠色金融（GF）。考慮綠色金融的多維度內涵和服務類型，從綠色信貸、綠色證券、綠色基金、政府支出以及綠色權益等5個維度選擇細分指標，并用熵權TOPSIS法測算得到綠色金融綜合指標綠色信貸用環保項目信貸總額占信貸總額比重衡量；綠色證券用綠色債券發行總額占所有債券發行總額比重衡量；政府支出用財政環境保護支出占一般預算支出總額比重衡量；綠色基金用綠色基金總市值占所有基金總市值比重衡量；碳金融采用碳交易、用能權交易、排污權交易的總和占權益市場交易總額的比重衡量。。

綠色供給（GM）。從零售環節上游生產過程中的能源消耗視角出發，但由于缺乏制造行業的能源消耗量，故本文選擇工業生產過程的能源消耗量替代，通過采用各地區工業能源消耗量與工業產出增加值的比重（萬噸標準煤/億元）反向衡量供給端生產環節的綠色轉型的程度。

4.調節變量

環境規制（ER）。一般可以分為正式規制和非正式規制兩類［20］。一方面，本文采用環境污染治理投資總額（億元）來測度政府部門對環境污染的正式規制（Regu），并取對數值處理。另一方面，選擇公眾環保關注度（Epa）衡量公眾對環境保護的激勵型非正式規制，并采用“環境污染”的百度搜索指數衡量。百度指數PC端由百度公司在2006年推出，其受眾群體范圍相對較小。而在2011年推出的移動端指數匯集了更大范圍的海量網民行為數據，更能真實反映公眾對環境的關注測度。因此，本文選擇2011—2020年各省以“環境污染”為關鍵詞的百度搜索指數衡量非正式環境規制，并在回歸估計過程中取對數值處理。

5.控制變量

為了盡可能地將零售業綠色發展的其他影響因素納入考量范圍，本文在模型中控制如下變量：經濟發展水平（Pgdp），正如既有文獻普遍做法，以各地人均地區生產總值（萬元/人）予以衡量；社會消費水平（Consume），采取各地區社會消費品零售總額與地區GDP的比值衡量，用來反映地區消費市場整體規模，它能夠對零售業發展和轉型起到關鍵的引導作用；產業結構升級（Industry），以第三產業與第二產業產出增加值的比值衡量，反映產業結構向更高層級演化；對外開放程度（Open），使用進出口貿易總額與地區GDP的比值作為替代指標；城鎮化率（Urban），從人口城鎮化的視角出發，使用城鎮常住人口數占總人口數的比重予以測算；政府干預程度（Gov），采用政府一般預算支出與地區GDP的比重衡量。

（三）數據來源與描述性統計

結合數據可得性，本文將研究對象設定為全國30個省（不含港澳臺及西藏）。考慮到2008年以后我國及全球數字經濟進入快速發展階段，本文將時間跨度設定為2008—2020年。數據來源包括《中國統計年鑒》《中國能源統計年鑒》、各省市統計年鑒以及EPS全球統計數據庫。另外，本文所有貨幣價值數據均以2008年作定基處理以強化不同年份數據的可比性。針對部分缺失的數據，基于線性插值法填補完整。

表2匯報了主要變量的統計信息。其中，零售業綠色發展（RGT）的最小值為0.689，最大值為1.513，平均值為1.059，而標準差達到0.089；數字經濟指數（DE）的最小值為0.078，最大值為0.802，平均值為0.221，而標準差為0.113。因此，核心變量在中國省際層面上具有顯著的地區差異性，符合實證研究的數據要求。

四、實證結果分析

（一）基準回歸

本文基于全國層面的樣本檢驗數字經濟對零售業綠色發展的直接影響效應，但在對基準模型展開回歸估計前，需要避免變量間多重共線性可能造成的偏誤。回歸結果顯示，解釋變量和控制變量組的方差膨脹系數低于經驗法則中的臨界值，即VIF=4.64＜10，故不存在多重共線性。此外，本文還通過豪斯曼檢驗（Hausman）遴選適宜的估計方法，由于Hausman卡方統計量為36.66，且P值為0.009，故而選擇固定效應模型為宜。本文匯報了雙向固定效應模型（TWFE）下分別增加控制變量的回歸結果，如表3所示。可以發現，數字經濟指數（DE）的回歸系數均在1%統計水平下顯著為正。考慮到將所有控制變量均加入模型后的擬合優度最高，因此下文的分析以表3列（7）結果為主。其中，數字經濟DE的回歸系數值為0.813，這意味著數字經濟指數每提升1單位，將會促進零售業綠色發展提升0.813個單位。這一結果證實了研究假設H1的成立，即數字經濟發展能夠顯著地推動零售業綠色發展。

在控制變量方面，經濟發展水平（lnPgdp）、社會消費水平（Consume）、對外開放（Open）的回歸估計系數均為正且通過了顯著性檢驗，因此這些因素對零售業綠色發展具有正向促進作用；城鎮化率（Urban）、政府支出（Gov）的回歸系數顯著為負，這意味著城市化與過度的政府干預將不利于零售業綠色發展；產業結構（Industry）的回歸系數不顯著，即對零售業綠色發展的影響尚不明顯。

（二）內生性處理

鑒于我國零售業綠色發展的影響因素眾多，本文難以在模型中將所有因素均納入控制變量組中，并且數字經濟與零售業綠色發展間還可能存在雙向因果關系，故而誘發內生性問題。基于此，本文試圖采取工具變量法弱化模型中的內生性偏誤。針對工具變量的遴選，第一個工具變量選擇各省份的省會城市距離杭州的歐氏距離倒數來衡量；可行性在于，杭州作為數字經濟和電子商務發展的中心城市，其數字技術和平臺的創新能力在全國范圍內保持領先，并且數字經濟整體規模也相對較高；因此，從新經濟地理學視角看，各地區與杭州的距離越近可能受到空間溢出效應越大，數字經濟發展的水平也越高，故而滿足相關性假設條件。另外，由于城市間距離為地理特征變量，并不會對零售業綠色發展產生影響，故而滿足外生性假設。與此同時，地理距離原始數據的截面特征無法匹配面板數據，故本文借鑒Nunn和Qian（2014）［21］的處理方法，選取各省會城市距離杭州的歐氏距離倒數與全國郵政業務量增長率的交乘項構造工具變量，進而賦予原始截面數據時變性。第二個工具變量采取既有文獻普遍做法，選擇數字經濟滯后一期項（L.DE）衡量。

表4為兩階段最小二乘法（2SLS）的回歸估計結果。其中，第一階段回歸結果中的兩個工具變量的回歸系數值均顯著為正，故均能夠對數字經濟指數產生正向影響。并且，弱工具變量和外生性檢驗結果也證實了本文構建的兩個工具變量的有效性及合理性。第二階段回歸結果如列（2）所示，數字經濟（DE）的回歸系數為1.079，且在1%統計學意義上顯著，這意味著數字經濟賦能零售業綠色發展的作用在解決了模型內生性問題后依舊穩健。

（三）穩健性檢驗

第一，解釋變量替換。本文試圖將數字經濟綜合評價指標體系的測算方法替換為主成分分析法（PCA），在對其重新測算后進行回歸分析，結果如表5列（1）所示。第二，被解釋變量的替換。作為零售業態重要的組成部分，大型商場和購物中心的綠色轉型能夠在一定程度上代表著零售業綠色發展的先導力量。綠色商場是指深刻貫徹了“環保、健康、安全”的綠色發展理念，并且以節能減排、綠色產品銷售和廢棄物回收為核心經營目標的實體零售企業。近年來，我國政府部門持續開展綠色商場的創建工作，不斷擴增綠色商場的范圍和數量。2016—2020年，商務部在全國范圍內共創建375家綠色商場。基于此，本文采用2016—2020年間的每萬人擁有綠色商場數量作為零售業綠色發展程度的替換指標，并對其進行回歸估計，結果如表5列（2）所示。第三，縮短樣本期窗口。本文將外生沖擊時間節點對結果的影響偏差納入考慮，排除2008年全球金融危機和2020年新冠疫情的突發性公共衛生事件這兩個特殊沖擊年份，將原始樣本時間窗口縮小為2009—2019年，并重新回歸估計，結果如表5列（3）所示。第四，剔除特殊地區樣本。普遍認為，我國省級自治區、直轄市無論是在機構設置和政府政策方面，抑或是歷史文化和民族特色等方面均與普通省級行政區劃存在顯著差異，故剔除原樣本中的4個省級自治區以及4大直轄市后再次回歸估計，結果如表5列（4）所示。第五，動態面板模型。為了更好地突出零售業綠色發展過程中的“路徑依賴”效應及可能的遺漏因素，在基準模型中引入零售業綠色發展的滯后一期項（L.RGT）構建動態面板模型。表5列（5）匯報了動態面板模型下兩步系統廣義矩估計（System-GMM）方法的回歸結果。綜合表5的結果可以發現，不同類型穩健性檢驗方法的回歸系數依舊顯著為正，故而假設H1的結論保持穩健。

（四）外生政策沖擊檢驗

前文證實了數字經濟對零售業綠色轉型的影響，為了使結論更加穩健，本文進一步將“國家級大數據綜合試驗區”的建設工作設置為一項準自然實驗，并通過引入這個外生政策沖擊來評估數字經濟對零售業綠色發展的影響。本文借鑒Beck等（2010）［22］的做法，使用多期雙重差分模型（DID）進行估計，模型設定如下：

RGTit=α0+α1BDit+λXit+ui+vt+εit（16）

其中，BDit為政策虛擬變量，若省份i在t年為大數據綜合試驗區，則賦值為1，否則為0；其中，貴州省于2016年2月獲批設立試驗區，故從2016年起賦值為1；北京、上海、河北等9省市隨后于同年10月獲批第二批國家大數據綜合試驗區分別為：北京市、天津市、河北省、上海市、河南省、重慶市、內蒙古、珠三角和沈陽市。本文將珠三角、沈陽市分別用廣東省、遼寧省替代。，但考慮到兩批試驗區相隔較長，故而將這9省市從2017年起賦值為1。

本文首先采用雙向固定效應模型和兩步系統GMM方法對雙重差分模型進行估計，得到結果如表6列（1）和列（2）所示。可以發現，政策虛擬變量（BD）的回歸系數均顯著為正，說明國家設立大數據綜合試驗區的確有助于賦能零售業綠色發展。不可忽視的是，雙重差分模型的使用前提是實驗組與對照組零售業綠色發展的變化趨勢在政策執行前不存在系統性偏差，即需要滿足平行趨勢假設。基于此，本文進一步采用事件分析法進行檢驗。圖1的檢驗結果顯示，在政策執行前的各期估計系數均未通過5%水平的顯著性檢驗，故研究樣本滿足平行趨勢假設，但在政策執行后的部分年份內估計系數顯著為正，表明“國家大數據綜合試驗區”政策與零售業綠色發展具有正相關性，但這種賦能效應存在大約兩年的滯后期。

為了避免其他無法觀察的可能影響綠色零售轉型的因素，從而提高上述雙重差分模型估計的可靠性，本文進一步展開安慰劑檢驗。首先，在實施“國家級大數據綜合試驗區”政策期間，從30個省中隨機抽取10個省份作為“偽處理組”，其余的樣本自然分配為對照組。其次，設置“偽處理組”虛擬變量與大數據試驗區政策時間虛擬變量之間的交互項，即“假”政策虛擬變量。最后，用“假”政策虛擬變量替換掉模型（16）中的真實虛擬變量BD后進行回歸，在重復進行500次該過程后得到“假”政策虛擬變量的估計系數分布，如圖2所示。可以看出，隨機樣本的回歸系數非常接近于0，近似于正態分布，并且與真實估計值（0.047）存在顯著性差異。這意味著大數據綜合試驗區促進零售業綠色發展的政策效應不受缺失變量和隨機因素的影響，因此上述結論是穩健的。

為了進一步處理準自然實驗缺乏完全隨機性引致的選擇性偏差，本文還將傾向得分匹配法（PSM）和雙重差分法（DID）結合分析。首先，利用Logit模型對協變量估計傾向得分，本文選擇一對一半徑為0.05的近鄰匹配，并使用PSM-DID方法重新估計本文PSM匹配滿足平衡性檢驗，限于篇幅正文未展示。，結果如表6列（3）所示。可以發現，此時的政策虛擬變量（BD）回歸系數與表6列（1）和列（2）相比無根本性變化，這意味著在克服選擇性偏差問題后的結果保持穩健。

五、進一步分析

（一）機制分析

上文已驗證數字經濟能夠直接促進零售業綠色發展，那么二者間的內部傳導機制是什么？通過理論機理分析可知，數字經濟可能通過促進綠色技術創新、強化綠色金融支撐以及引導上游綠色生產供給等三大機制間接對零售業綠色發展產生影響，故下文將對此展開實證檢驗，具體結果如表7所示。

首先，為了驗證數字經濟通過刺激綠色技術創新，間接地驅動零售業綠色發展這一傳導機制的存在性（H2），本文展開以下中介效應檢驗，結果如表7列（1）和列（2）所示。其中，數字經濟（DE）的回歸系數在1%統計水平下顯著為正，而綠色技術創新（GTI）的回歸系數也顯著為正，這表明數字經濟能夠促進綠色技術創新，并借助綠色創新能力的提升間接地推動零售業綠色發展，因此假設H2通過檢驗。

其次，根據前文理論分析可知，數字經濟可能通過強化綠色金融支撐間接推動零售業綠色發展（假設H3）。因此，本文進一步驗證這一中介傳導機制的存在。如表7列（3）結果所示，數字經濟（DE）的回歸系數為0.895，且通過了1%統計水平下顯著，這表明數字經濟能夠帶動地區綠色金融的發展；列（4）結果顯示，綠色金融（GF）的回歸系數顯著為0.074，這意味著綠色金融的資金導向性功能可以更好地發揮金融杠桿撬動作用，為零售企業提供低碳轉型方面的金融服務，進而支撐零售業實現綠色發展，因此假設H3也通過了檢驗。

最后，數字經濟還可能通過引導產業鏈上游的生產環節綠色供給間接推動零售業綠色發展（假設H4）。因此，在綠色供給中介機制的檢驗程序中，由表7列（5）結果可知，數字經濟（DE）的回歸系數為-2.826，且在1%統計水平下顯著，表明數字經濟能夠通過引導產業鏈上游的生產制造企業轉變粗放式供給模式，降低生產過程中的能源消耗以實現綠色供給。由列（6）結果可知，綠色供給（GM）的回歸系數同樣顯著為負，表明數字經濟能夠通過推動綠色產品的生產間接地為下游零售業綠色發展提供良好的供給條件，進而推動零售業綠色發展，進一步證實假設H4的成立。

（二）調節效應分析

環境規制不僅是產業綠色發展的重要影響因素，同時還在引導數字經濟活動過程中發揮著重要作用。一方面，環境規制具有巨大的綠色經濟效益，有利于企業綠色創新［23］，推動產業綠色轉型。另一方面，環境規制能夠為數字經濟發展提供良好的外部環境支持，進而強化數字經濟對綠色發展的促進作用［20］。那么，環境規制是否能夠進一步增強數字經濟對零售業綠色發展的促進效果？為了檢驗環境規制在數字經濟對零售業綠色發展影響路徑中所存在的調節效應，本文通過在基準回歸模型中引入政府主導的正式型環境規制、公眾參與性的激勵性環境規制工具與數字經濟的交互項（DE×lnRegu、DE×lnEpa），并分別進行回歸估計，具體結果如表8所示。

其中，表8列（1）和列（2）為加入數字經濟與正式環境規制指數交互項（DE×lnRegu）后的回歸結果。可以發現，正式規制對數值（lnRegu）的回歸系數未通過顯著性檢驗，但數字經濟與正式規制的交互項（DE×lnRegu）回歸系數卻顯著為正，表明政府部門對環境污染的治理雖然不會直接驅動零售業綠色發展，但卻能夠正向調節數字經濟對零售業綠色發展的促進作用。列（3）和列（4）為在加入數字經濟與公眾環保參與度交互項（DE×lnEpa）后的回歸結果。可以發現，公眾環保關注度對數值（lnEpa）的回歸系數顯著為正，表明公眾對環保關注度的提升能夠直接助推零售業綠色發展，而數字經濟與環保關注度的交互項（DE×lnEpa）回歸系數同樣顯著為正，表明公眾環保關注度在數字經濟與零售業綠色發展間還存在正向調節效應。這一結果意味著，隨著中國居民環保意識的提升，消費者對更節能、低碳以及綠色健康的產品需求不斷擴張，這也將從需求端引領零售業綠色供給能力的提升，進而強化數字經濟的綠色賦能效應。總體而言，無論是正式型抑或是非正式型的環境規制均能夠在一定程度上強化數字經濟賦能零售業綠色發展的作用強度。

（三）異質性分析

下文進一步深入挖掘數字經濟對零售業綠色發展的驅動作用是否因地理區位、資本結構、制度體制環境等因素的不同而造成差異。

1.地理區位異質性

本文首先根據中國地理分布特征，將全樣本劃分為東部、中西部地區兩對照組具體參照國發［2000］33號文件標準將我國各省份劃分為東部、中部和西部。及南方和北方兩對照組北方省份包括：北京、天津、河北、甘肅、黑龍江、吉林、遼寧、內蒙古、寧夏、青海、山西、陜西、新疆共13個省市；南方省份包括：安徽、福建、廣東、廣西、貴州、海南、河南、湖北、湖南、江蘇、江西、山東、四川、云南、浙江、上海、重慶共17個省市。分別予以考察。其中，南北方劃分依據來自盛來運等（2018）［24］的文獻標準，具體回歸結果如表9的Panel"A所示。由回歸結果可以發現，不論是東部和中西部兩對照組，抑或是南方和北方兩對照組的數字經濟（DE）系數值均顯著為正。但不同的是，東部組和南方組的回歸系數值明顯大于中西部組和北方組。造成這一結果的原因可能是受到區域經濟發展和基礎設施差距造成的。長期以來，我國東部及沿海地區經濟發展水平較高，并且作為人口、資源、產業集聚的中心，對技術、人才、資金的吸引力越強，更有利于發揮數字經濟對零售業綠色發展的賦能作用；而南方地區的商品貿易發達，數字基礎設施和物流網絡健全，依托穩定的貿易網絡和基建設施促進數字化應用。

2.資本結構異質性

本文進一步根據資本結構特征，將全樣本劃分為高、低人力資本地區兩對照組以及高、低物質資本地區兩對照組分別予以考察。本文采用人均受教育年限衡量人力資本水平，高于全國人均受教育年限中位數的樣本劃分為高人力資本組，否則為低人力資本組；而物質資本采取固定資產投資總額衡量，同樣將高于全國固定資產總額中位數的樣本即為高物質資本組，否則即為低物質資本組，具體回歸結果如表9的Panel"B所示。可以發現，各對照組的數字經濟（DE）系數值均顯著為正。有所不同的是，高物質資本和人力資本的地區數字經濟的回歸系數更大，對零售業綠色發展的推動作用也越大。在當今大數據、人工智能引領的數字經濟時代，掌握數字技術的新型人才成為國家和地區之間提高競爭力的關鍵。并且，零售業作為高投資、高回報的現代服務業的重要組成，其綠色轉型過程中嚴格受到物質資本的制約。因此，在物質和人力資本水平較高的地區，數字化吸收和應用程度更大，零售業綠色創新成果也越多。

3.制度環境異質性

本文試圖從行政邊界的制度規則出發，參考毛其淋和盛斌（2012）［25］的步驟，采取相對價格指數法測算市場分割指數，并將考察商品范圍擴大至15大類商品15大類商品包括：食品、飲料煙酒、紡織品、服裝鞋帽、化妝品、文化辦公用品、體育娛樂用品、家用電器及音響器材、金銀珠寶、燃料、交通通信用品、日用品、書報雜志及電子出版物、中西藥品及醫療保健用品以及建筑材料及五金用品。，各類商品的價格指數來源于《中國統計年鑒》中的商品零售價格分類指數；本文根據測得的市場分割指數中位數將全樣本劃分為市場分割組和市場一體化組，并進行分組回歸，結果如表9的Panel"C所示。結果顯示，市場一體化組和市場分割組的數字經濟（DE）的回歸系數值均顯著為正，但可以發現市場分割組的DE系數值（0.457）明顯小于市場一體化組的DE系數值（0.928），這表明數字經濟對不同制度環境下的零售業綠色發展均具有驅動效應，但這一過程也受到市場分割的制度性障礙而導致數字紅利嚴重削弱。在現實經濟社會中普遍存在地方保護主義和“錦標賽”式晉升模式而引致的市場分割，這一制度性壁壘不僅嚴重阻礙零售領域綠色技術和商業模式的普及應用，同時也導致區域間新型綠色商品和生產要素的自由流動受阻，嚴重削弱數字技術和數字平臺在實現綠色供給和需求匹配過程中的賦能效應，不利于零售業綠色發展的推進。

4.數字經濟分維度異質性

作為一種全新的經濟形態，數字經濟的內涵頗廣且是由不同子系統共同組成的集合體。考慮到數字經濟的不同維度與零售業綠色發展的關聯度并非一致，以整體視角的考察可能會忽略內部具體的異質性影響路徑。因此，本文將數字經濟綜合指數分解為四個不同維度的子指標分別進行回歸估計，結果如表10所示。其中，表10列（2）—（4）結果顯示，DE2—DE4的回歸系數值分別為0.242、0.177和0.326，且均通過了顯著性檢驗，這表明數字產業化、產業數字化以及數字使用能力均能夠對零售業綠色發展起到正向推動作用，而列（1）結果顯示了DE1的回歸系數雖為正，但未通過顯著性檢驗，表明數字基礎設施對零售業綠色發展的促進作用尚不明顯。造成這一結果的原因可能是由于我國數字經濟發展時間相對較短，數字基礎設施建設尚不完善且區域間缺乏統籌，尤其是西部欠發達地區以及農村地區新基建嚴重滯后，城鄉數字鴻溝短期難以彌合，降低了數字經濟對零售業綠色發展的賦能作用。

前文分析結果主要反映數字經濟對零售業綠色發展的平均效應系數，但卻忽視了數字經濟影響零售業綠色發展的異質性分布情況。一般認為，數字經濟具有普遍的網絡效應，但其對零售業綠色發展的影響過程是否因網絡效應的存在造成非線性特征需要進一步采用分位數回歸方法予以驗證。基于此，本文構建了面板分位數模型如下：

Qτ（RGTit）=α0+ατDEit+φXit+ui+vt+εit（17）

其中，Qτ（RGTit）為零售業綠色發展指數的τ分位數，ατ為數字經濟對零售業綠色發展的τ分位數估計系數。

表11列（1）—（5）分別匯報了在0.1、0.25、0.50、0.75、0.90等五個代表性分位數上的回歸結果，通過觀察各分位數上的回歸系數值來確定數字經濟影響零售業綠色發展的邊際效應。結果顯示，數字經濟指數（DE）在五個分位數上的系數值均顯著為正，顯示出數字經濟對零售業綠色發展的不同程度均具有正向促進作用。不同的是，在0.1的分位數上DE的回歸系數值最小，但在0.9的分位數上DE回歸系數值最大，且隨著分位數的不斷升高，數字經濟發展（DE）的回歸系數值呈現遞增的趨勢。換而言之，數字經濟賦能不同程度零售業綠色發展的作用呈現非線性遞增特征。隨著零售業綠色發展程度的增加，數字紅利所帶來的邊際效應越大，即驗證了網絡效應的存在。在數字經濟時代下，零售業綠色發展對數字經濟的依賴程度不斷加深，并將隨著綠色轉型程度的提升承擔著愈發重要的數字賦能作用。

六、研究結論與政策建議

在數字經濟時代背景下，面對愈發嚴峻的環境和資源約束，推動數字化賦能零售業綠色發展對于經濟高質量發展的意義重大。本文從理論上剖析了數字經濟賦能零售業綠色發展的作用機理，并結合2008—2020年中國省級面板數據，分別利用熵權TOPSIS法和SBM-GML法測算了數字經濟發展指數和零售業綠色全要素生產率，進而實證檢驗了數字經濟對零售業綠色發展的直接影響和作用機制。主要結論如下：（1）在樣本考察期內，數字經濟顯著地促進了中國零售業綠色發展，以“國家級大數據綜合試驗區”作為準自然實驗、進行內生性處理、替換核心變量以及估計方法后進一步證實了該結論。（2）政府主導的正式型和公眾參與的非正式型環境規制在數字經濟賦能零售業綠色發展的過程中均具有正向調節作用，即政府部門污染治理和公眾環保關注度能夠強化這種正向推動效應。（3）綠色技術創新、綠色金融支撐以及上游綠色供給是數字經濟驅動零售業綠色發展的主要作用機制。（4）在東部和南方地區、具備更高人力和物質資本、市場一體化程度高的地區，數字經濟對零售業綠色發展的推動作用更大；與此同時，數字經濟賦能綠色零售的邊際效應也伴隨著零售業綠色發展程度的提升而變得更大。（5）產業數字化、數字產業化以及數字應用能力等三個數字經濟分維度對零售業綠色發展的促進作用更加突出。

基于以上研究結論，本文提出以下政策建議：

第一，引導各地政府加強數字基礎設施建設，因地制宜優化算力網絡、數字物流網絡等布局，推動5G網絡、物聯網等設施全覆蓋，升級超市、商圈、步行街等傳統零售設施，鼓勵打造智慧商店、智慧商圈、智慧街區，充分發揮數字經濟賦能效應助力零售業綠色發展。第二，引導零售企業更廣更深地應用數字技術，推廣智能機器人等設施與智能技術設備，開發數字信息平臺，提升綠色創新能力，集聚掌握數字技術的創新型人才，提升零售企業數字化服務能力，增強零售業綠色發展的內生動力。第三，支持金融、制造等多個產業的綠色轉型，豐富面向綠色零售企業的金融產品，降低綠色零售企業的融資成本，以金融支持等形成激勵。豐富可供銷售的綠色產品，完善綠色產品標準，支持培育新能源汽車、節能家電、環保家具等品牌，鼓勵零售企業與制造企業合作生產新型綠色產品，助力零售業綠色水平提升。第四，深入推進國家大數據綜合試驗區建設，有序創新數據要素流通機制，鼓勵大數據國際交流和區域合作，推進大數據融合與協同創新，依托政策紅利促進該區域零售生態體系創新，引領零售業綠色發展并在全國形成示范。第五，引導形成綠色消費文化，打造綠色產品銷售專區，豐富綠色消費場景，開展綠色商品促消費活動，強化居民的公共環保關注與綠色消費理念，拉動零售業綠色發展。

參考文獻：

［1］"周殿昆，李榮慶，郭紅兵.構建促進綠色商業發展的良性互動機制［J］．"財貿經濟，2007（10）：103-107+129.

［2］"趙亞平，孫筠婷.零售綠色經營的界定及其實踐［J］．"商業研究，2009（12）：18-20.

［3］"Vadakkepatt"G"G，Winterich"K"P，Mittal"V，"et"al."Sustainable"Retailing［J］．"Journal"of"Retailing，2021，97（1）：62-80.

［4］"梁佳，嚴鋒，張其林.數字技術提升零售產業效率：機理與實證［J］．"商業經濟與管理，2023（12）：5-21.

［5］"余姍，樊秀峰，蔣皓文.數字經濟發展對碳生產率提升的影響研究［J］．"統計與信息論壇，2022，37（7）：26-35.

［6］"Wang"C，Zhang"R，Ibrahim"H，Liu"P."Can"the"Digital"Economy"Enable"Carbon"Emission"Reduction："Analysis"of"Mechanisms"and"China’s"Experience［J］．"Sustainability，2023，15（13）：10368.

［7］"翟金芝.低碳經濟下中國零售業發展的對策［J］．"經濟與管理，2010，24（5）：84-87.

［8］"許憲春，任雪，常子豪.大數據與綠色發展［J］．"中國工業經濟，2019（4）：5-22.

［9］"Salim"K"T，"Hossein"S"T，Zahra"S"P."Green"Innovation："A"Systematic"Literature"review［J］．Journal"of"Cleaner"Production，2021，279.

［10］賀愛忠，杜靜，唐宇.“兩型”試驗區流通業綠色發展狀況與提升對策探討［J］．"北京工商大學學報（社會科學版），2013，28（2）：20-26.

［11］金環，于立宏，魏佳麗.國家電子商務示范城市建設對企業綠色技術創新的影響及機制研究［J］．"科技進步與對策，2022，39（10）：81-90.

［12］周肖肖，賈夢雨，趙鑫.綠色金融助推企業綠色技術創新的演化博弈動態分析和實證研究［J］．"中國工業經濟，2023（6）：43-61.

［13］戴翔，楊雙至.數字賦能、數字投入來源與制造業綠色化轉型［J］．"中國工業經濟，2022（9）：83-101.

［14］依紹華，梁威.傳統商業企業如何創新轉型——服務主導邏輯的價值共創平臺網絡構建［J］．"中國工業經濟，2023（1）：171-188.

［15］吳海軍，楊其靜，陽鎮.生產性政府債務與城市創新力——基于中國城市面板數據的經驗研究［J］．"中國工業經濟，2023（10）：42-60.

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

［17］劉鉆擴，辛麗.“一帶一路”建設對沿線中國重點省域綠色全要素生產率的影響［J］．"中國人口·資源與環境，2018，28（12）：87-97.

［18］蘇濤永，張亮亮，單志汶.產業耦合、區域異質性與新零售組織場域［J］．"商業經濟與管理，2020，346（8）：5-21.

［19］王軍，朱杰，羅茜.中國數字經濟發展水平及演變測度［J］．"數量經濟技術經濟研究，2021，38（7）：26-42.

［20］何愛平，安夢天.地方政府競爭、環境規制與綠色發展效率［J］．"中國人口·資源與環境，2019，29（3）：21-30.

［21］Nunn"N，Qian"N."US"Food"Aid"and"Civil"Conflict［J］．American"Economic"Review，2014，104（6）：1630-1666.

［22］Beck"T，Levine"R，"Levkov"A."Big"Bad"Banks？"The"Winners"and"Losers"from"Bank"Deregulation"in"the"United"States［J］．The"Journal"of"Finance，"2010，"65（5）：1637-1667.

［23］李青原，肖澤華.異質性環境規制工具與企業綠色創新激勵——來自上市企業綠色專利的證據［J］．"經濟研究，2020，55（9）：192-208.

［24］盛來運，鄭鑫，周平，等.我國經濟發展南北差距擴大的原因分析［J］．"管理世界，2018，34（9）：16-24.

［25］毛其淋，盛斌.對外經濟開放、區域市場整合與全要素生產率［J］．"經濟學（季刊），2012，11（1）：181-210.