數字基礎設施對生態效率的影響

摘要：

基于2011—2019年283個城市的面板數據，采用漸進雙重差分法分析了數字基礎設施對城市生態效率影響。研究結果表明，數字基礎設施可以顯著提升城市生態效率，具有經濟增長效應和污染減排效應；機制分析表明，產業升級和科技創新是城市生態效率提升的重要渠道；數字基礎設施對生態效率的影響在城市等級和地理干濕分區方面具有明顯的差異。

關鍵詞：

寬帶中國；生態效率；漸進雙重差分；數字基礎設施

中圖分類號：

F49；X321

文獻標志碼：A

文章編號：10061037（2024）03011110

doi：10.3969/j.issn.10061037.2024.03.16

收稿日期：2024-01-24

基金項目：

國家社會科學基金（批準號：21CJY050、19BJL004）資助；安徽省哲學社會科學規劃重點項目（批準號：AHSKZ2021D27）資助；安徽大學世界經濟團隊建設項目資助。

通信作者：

徐毅，男，博士，副教授，主要研究方向為綠色經濟。E-mail： xuyi0551@163.com.

在全球化和信息化的時代背景下，數字基礎設施的建設與發展已成為驅動經濟社會進步與生態效率提升的關鍵要素。隨著科技的日新月異和社會經濟結構的深刻變革，數字基礎設施正以前所未有的深度和廣度滲透到各個行業和領域中，不僅極大地改變了生產方式和商業模式，而且對生態環境保護與資源利用效率產生了深遠影響。已有研究發現，一方面，數字基礎設施通過提高生產過程的智能化水平，實現精準管理和預測性維護，從而降低能耗，減少廢棄物排放，提升整體生態效率［1-2］；另一方面，還能夠促進綠色低碳技術和循環經濟模式的發展，借助數據分析和算法優化實現資源的有效整合與再利用，進一步推進可持續發展目標的實現［3-4］。然而，數字基礎設施建設和應用的過程中也伴隨著一系列挑戰，比如網絡基礎設施在建設實施過程中，促進工業產業發展，增加碳排放和環境污染［5-6］。如何確保其在提升經濟效益的同時兼顧環境效益，以科技創新帶動生態效率升級，成為亟待解決的重要課題。鑒于此，利用2011—2019年283個城市的面板數據，將數字基礎設施與生態效率納入統一的研究框架，用漸進雙重差分法分析了數字基礎設施對城市生態效率影響。

1" 理論機制

1.1" 數字基礎設施對生態效率直接影響

生態效率是指某地區在一定時期內通過有限資源投入創造更多經濟價值，同時產生更少環境負荷，包括兩個方面內容：經濟增長和污染減排。

從經濟增長角度來看，首先，增加數字基礎設施建設可以直接拉動信息、光電、材料等產業發展，催生了大量新的就業崗位，并通過電商平臺等途徑刺激消費需求，擴大內需，拉動經濟增長。數字基礎設施完善也會吸引相關企業投資，進一步促進該地區收入增加。其次，數字設施是現代信息網絡主要載體，通過云計算、大數據分析、物聯網等技術，使企業能夠實現精準生產和智能管理，降低運營成本，提高生產效率，從而推動經濟增長。高速的信息傳播可以優化要素配置，削弱市場分割，降低交易成本，促進地區商品貿易和要素流通，進而促進經濟發展。最后，數字基礎設施具有較強的知識和技術溢出效應，能夠提升人力資本水平和創新能力，通過新古典路徑實現經濟增長。

從污染減排角度來看，數字基礎設施能夠優化資源配置，資源配置優化理論強調通過合理配置和有效利用資源來最大化經濟效益和社會效益。在生態效率的視角下，數字基礎設施的建設與應用對資源配置優化起到了關鍵作用，其利用云計算、物聯網（IoT）等技術平臺，通過實時數據采集和智能分析，可以實現對自然資源和生產要素的精細化管理。例如，通過智能農業系統可精準控制灌溉和施肥，減少水資源和化肥的浪費；通過能源管理系統可以精確監測和調度電力需求，降低能源消耗。其次，根據交易成本理論，數字基礎設施降低了企業和消費者獲取信息、溝通交流、達成交易的成本，促進了綠色商品和服務市場的繁榮，使環保產業在市場競爭中獲得優勢。信息技術還能幫助企業更好地遵守環保法規、實施節能減排措施，從而提高其生態效率。最后，數字基礎設施是企業數字化轉型先決條件，數字基礎設施支持智能制造和工業互聯網的發展，推動企業向低碳、環保的方向轉型，增強創新能力，促進產業結構優化和綠色新型產業發展，達到降污減排的目的。數字基礎設施為清潔能源、節能環保等領域提供了技術研發和應用的重要支撐，激勵企業加大研發投入，加速綠色技術的產業化進程，進而整體提升生態效率。

數字基礎設施在促進經濟增長的同時，也在推動經濟社會走向綠色可持續發展的道路上發揮著重要作用，助力經濟發展與環境保護之間的平衡與協調，提升城市生態效率。因此，提出假說：

H1：數字基礎設施促進生態效率提升。

1.2" 數字基礎設施對生態效率的影響機制

產業結構升級機制。國民經濟活動中，企業是污染排放重要主體。已有文獻實證分析了數字經濟和產業結構影響關系［7］，以及產業結構對環境污染的影響［8］。依托數字基礎設施的信息網絡改變了人們消費方式，線上購物興起，同時人們的消費需求也存在多樣化，消費需求端傳導至生產供給端，倒逼產業結構調整。數字信息降低資源錯配率，人工智能、云計算、大數據等輔助海量信息間匹配，降低搜索成本，加快要素流動速度，且要素由低效率流向高效率的趨勢加強。除傳統工業外，數字基礎設施也帶動一批信息數據、電子商務、軟件外包等新型第三產業發展。在引領新型產業發展同時，數字基礎基礎設施也賦能傳統服務業，如旅游、教育培訓等行業，加速其數字化融合發展。

產業結構升級通常伴隨著從高能耗、高污染的傳統產業向低能耗、低碳環保的新興產業轉型。這一過程有助于優化資源配置，減少對自然資源的過度開采和環境的破壞，從而提高整體的生態效率。在產業結構升級過程中，第三產業多為生態友好型綠色行業，低能耗、低污染、高附加值兼顧經濟增長和生態保護兩大任務，因此數字基礎設施通過產業結構升級提升生態效率。產業升級還意味著經濟結構更加注重與自然生態系統的平衡，減少對生態的負面影響，通過循環經濟、生態補償等機制，實現經濟發展與生態保護的雙贏，長期來看有助于生態效率的持續提升。

技術創新機制。人才是創新的源泉。數字基礎設施建設使專業人才跨空間溝通成為可能，為人才互暢交流搭建平臺。海量網絡學習資源大大降低知識學習門檻，提高社會人力資本水平，通過人力資本積累為創新蓄力。數字基礎設施有助于知識擴散和共享，打破信息壟斷，使企業能及時、高效、低成本、多渠道獲取專業知識和信息，增強企業對知識的消化吸收和再創造。數字基礎設施一方面可以節約企業生產成本、搜尋成本、銷售管理等成本，另一方面通過數字要素增強企產品使用功能，提升產品價值，增加企業營收利潤，使企業研發創新投入增加。此外，數字化技術也打破了企業供應鏈上下游壁壘，促進協同創新，消費者和企業的市場距離也在消弭，消費者可以直接或間接參與企業創新活動，提升社會創新水平［9］。

技術進步是提升生態效率的關鍵驅動力之一，通過多種途徑改善資源利用效率、減少環境污染、促進可持續發展［10］。一方面，技術創新帶來了更高效的能源轉換和利用技術，比如清潔能源技術（太陽能、風能等）的突破降低了對化石燃料的依賴，減少了能源消耗和溫室氣體排放，提高了能源使用的生態效率。另一方面，云計算、大數據、人工智能等信息技術的應用，能夠幫助企業和政府更好地管理和分析環境數據，抓住生態效率提升的機會，優化資源配置，制定更科學的環境保護和資源管理策略。所以技術進步既提高了要素利用效率，保證經濟增長，又降低了環境污染，提高生態效率。因此，提出假說：

H2：數字基礎設施通過產業結構升級和科技創新提升生態效率。

1.3" 數字基礎設施對生態效率影響的異質性

生態效率具有明顯的區域差異，隨著城市規模擴大呈現“促進—惡化—促進”的“N”型走勢［11］。小規模城市可供發展的經濟資源有限，數字基礎設施建設對經濟協調作用動力不足，無法有效促進生態效率提升。隨著城市規模擴大，社會閑置資源得以利用，經濟快速發展，生態效率得以提升。然而城市規模進一步擴大，造成人口激增、資源過度使用、經濟效率低下等一系列“城市病”，反而降低生態效率。超大規模城市具有經濟資源優勢，可以通過應用新技術、推廣新理念、出臺新戰略等組合拳，發展綠色高質量經濟，提升生態效率。此外，生態效率也受到自然屬性影響。濕潤和半濕潤地區降水充足，植被覆蓋率高，生物多樣性豐富。植物光合作用是吸收CO2的重要渠道，同時降雨也具有吸收SO2和CO2、固定煙塵的物理作用。與濕潤半濕潤區相比，干旱半干旱地區生態環境更為脆弱，修復時間長、效果差，環境退化嚴重，因此對于生產過程中帶來的非期望產出也更為敏感和不可逆。因此，提出假說：

H3：數字基礎設施對生態效率的影響在不同城市規模和地理分區間具有差異。

2" 研究設計

2.1" 模型構建

“寬帶中國”示范城市中既包括經濟發達的省會及一線城市，又包括二三四線城市，具有隨機性，可視為一次準自然實驗。為充分利用既有數據，緩解內生性問題，同時考慮到示范城市被批復入選時間的多期性，本文采取漸進雙重差分法進行分析。將入選城市作為實驗組，未入選城市作為參照組，模型設定

Ecoit=α0+α1Dit+α2Xit+μi+ρt+εit（1）

其中，因變量Ecoit為城市i在年份t的生態效率，由SBM生態超效率值（supersbm）表示，Dit屬于政策干預虛擬變量，Xit為可能影響城市生態效率的控制變量集，α0為常數項，α1為“寬帶中國”示范城市政策對生態效率的影響系數，α2為控制變量系數，μi為城市層面的固定效應，ρt為時間固定效應，εit為隨機擾動項。

2.2" 變量指標及描述

本文選取2011—2019共283個城市樣本，數據來源于各年份《中國城市統計年鑒》，缺漏較少的數據經線性插值法填補并修正，缺漏多的城市樣本予以刪除。

2.2.1" 被解釋變量" 被解釋變量為生態效率Eco，由超效率SBM模型計算得到。數據包絡分析（DEA）是在多投入和多產出下分析效率的方法，分為CCR（規模報酬不變）和BBC（規模報酬可變）兩種具體模型。傳統DEA模型只考慮了徑向（投入要素同比例變化），不能解釋要素投入冗余和產出冗余情況，且模型只能測度“好”產出，未考慮生產活動產生的負的外部性。在此基礎上，Tone［12］改進并提出SBM-undesirable模型，在傳統DEA模型中加入冗余變量及非期望產出。SBM模型測度出的效率值最高為1，這一局限性導致無法對這些取值為1的有效決策單元做出進一步比較。在SBM模型基礎上，提出了超效率SBM模型［13］，被評價決策單元的前沿面是由不包含自身的其他決策段元構成，會出現效率值大于1情形。為使得效率值跨期可比，本文采用全局前沿非期望產出的超效率值，測度指標體系見表1。

2.2.2" 核心解釋變量" 核心解釋變量為虛擬變量Dit，在t年入選“寬帶中國”示范城市i的樣本地區取值1，為處理組；未入選的樣本地區取值0，為對照組。三批試點城市公布時間分別是在2014年10月、2015年10月、2016年7月，均在下半年?？紤]到政策頒布到正式實施具有時滯，因此此處核心解釋變量取滯后一期。

2.2.3" 控制變量" 人口密度（pi），采用年末人口數占比市區行政區域面積表征，人口密集地區經濟集聚程度高，對環境造成影響；環境情況（er），采用建成區綠化覆蓋率表征；外商直接投資占比（fdi），采用當年實際使用外資金額按當年年平均匯率折算后占GDP比重衡量。根據污染天堂假說，國外重污染企業為規避政府管控，削減成本，傾向于向國外欠發達地區轉移污染產業，污染光環假說則認為fdi帶來的技術溢出可以升級東道國技術水平，反而降低污染；經濟發展水平（pgdp），采用人均GDP衡量，既可以反映經濟規模，又能表征消費購買力。

3" 實證結果

3.1" 平行趨勢檢驗

雙重差分識別因果聯系需滿足共同趨勢假設，即實驗組和處理組在事件沖擊前沒有明顯差異。“寬帶中國”戰略示范城市在入選以前應和未入選城市走勢一致，否則政策識別會有偏差，采用動態雙重差分法檢驗平行趨勢［14］。建立模型

Ecoit=β0+∑k=5k=-5ηkDi，t0+k+∑γXit+μi+ρt+εit（2）

即將示范城市入選時間（下一年）作為基準期，重新定義樣本時間，各樣本點的年份分別與入選年份作差，構建差值的虛擬變量。Di，t0+k是政策沖擊虛擬變量，表示若城市i在年份k入選，則取值1，否則取值0；ηk是系數，反映不同年份實驗組和對照組間的差異，klt;0，表示在入選前| k |年，kgt;0，則是在入選后k年，k=0表示入選當年（下一年）；γ是控制變量系數。圖1為［-5，5］年份區間中回歸系數及95%置信區間，在klt;0時，βk系數在0附近徘徊，且置信區間包含0值，無法拒絕實驗組和對照組不具有差異的原假設，說明在入選前示范城市和其他城市無顯著差異，滿足共同趨勢假設；kgt;0部分還反映了政策沖擊的動態變化趨勢，核心系數呈遞增趨勢，且顯著異于0，表明政策沖擊確實帶來了生態效率值的提升。

3.2" 基準回歸結果

根據式（1），基準回歸結果見表3。第（1）、（2）列是采用漸進雙重差分法得到的回歸結果，第（3）、（4）列是采用傾向匹配得分和雙重差分法（PSM-DID）回歸結果，以上均固定了城市個體異質性和年份異質性。第（1）～（4）列中核心系數均顯著為正，表明隨著政策實施，城市的生態環境效率也得到了明顯提高，這與其他既有文獻觀點一致［15-16］。第（2）、（4）列中，隨著協變量的引入，核心解釋變量的系數有所下降，且顯著性水平有提高，體現控制變量的有效性。第（3）、（4）列可以看出，入選示范城市（D=1）相較于未入選城市（D=0），平均生態效率約提高3.5%～4%。人口密度對生態效率產生負效應，與經濟預期相符，但不顯著。環境情況是衡量生態環境的一個重要指標，直接影響生態系統的健康發展，環境情況的改善，對生態效率具有明顯的促進作用。外商直接投資對生態效率產生正向影響，與污染天堂假說相悖，與污染光環假說相符。地區經濟發展水平的提高為生態效率的提升提供了必要的經濟基礎、技術支持，經濟發展帶動科技進步，新技術如大數據、人工智能、物聯網等在環境保護領域的應用，能更精準地監測環境狀況，優化資源配置，提高環境保護和治理的效率。

PSM需滿足平衡性假設，有效性檢驗結果見表4。經過傾向得分匹配后的處理組和對照組均值更加接近，其差異性顯著降低。匹配后對照組更能體現處理組的反事實框架，緩解樣本自選擇偏誤，幫助識別因果判斷。

3.3" 安慰劑檢驗

為檢驗估計結果是否由政策沖擊帶來，隨機為不同組別賦予政策干預組和對照組，得到隨機生成的處理組虛擬變量，將其替代基準模型中的干預組變量后進行回歸分析［17］。首先，在283個城市中隨機選取110城市作為“偽”入選示范城市，政策虛擬變量（Treatit）取值1，其他剩余城市作為“偽”未入選賦值0；其次，構造“偽”處理組虛擬變量和時期虛擬變量（Postit）交互項作為“偽”政策虛擬變量（Dpseudoit）。理論上，構造的“偽”政策虛擬變量不會對被解釋變量產生顯著影響，即“偽”核心系數為0。否則說明除政策沖擊外，其他未被固定或控制的變量也對被解釋變量產生顯著影響，造成模型設定偏誤。圖2是重復了500次的回歸圖示結果，比較安慰劑政策虛擬變量的回歸系數與零點關系，發現其未顯著偏離零點?；鶞誓Ｐ椭袑嶋H估計系數明顯偏離零點，表明生態效率的提升并非偶然事件。

3.4" 穩健性檢驗

3.4.1" 縮小樣本容量" 研究樣本涵蓋了直轄市、省會城市和非省會其他城市，部分城市正處于產業結構優化進程中，人均經濟發達，可能在未加入“寬帶中國”戰略之前生態環境業已改善。為緩解樣本自選擇偏誤，將4個直轄市和12個東中部省會城市從樣本中剔除，同時刪除缺漏值超過2個以上的城市，采用剩余254個城市樣本進行穩健性分析。表5第（1）列為回歸結果，核心系數在5%水平上依舊顯著為正，表明被剔除省份對結果并未產生顯著影響。

3.4.2" 單期DID" 由于政策具有一定滯后，2015年和2016年公布實施的政策在有限的樣本年份區間內可能捕獲不到因果聯系。鑒于此，采取最早公布實施方案年份2014年（實際政策實施定義在下一年）作為政策沖擊時間點，構建政策虛擬變量（D1it）和時間虛擬變量（Post1it）交乘項，使用單期DID檢驗政策有效性。表5第（2）列回歸結果中，單期核心系數在1%水平上顯著為正，與本文基本結論一致。

3.4.3" 外生政策沖擊" 中國政府近年來逐漸開始重視環境問題，出臺了一系列環境規制措施，如低碳城市試點政策、“兩控區”政策和大氣污染物特別排放限制政策。選取與本文時間跨度和樣本個體重疊度最高的低碳試點政策作為外生政策沖擊變量（Dexit），將其納入基準模型中控制住外生政策對因變量影響，以此檢驗核心系數穩健性。表5第（4）列回歸結果中，雖然外生沖擊變量具有10%顯著性水平，但并未改變核心系數的顯著性水平。系數值略有降低，表明基準結果中可能會高估加入試點城市對生態效率改善的影響，但并不影響本文核心結論。

3.4.4" 更改傾向匹配方式" 基準中傾向得分匹配采用了k近鄰匹配，并設定k=4。匹配方法無優劣之分，彼此可充當穩健性檢驗。本文選擇核匹配方法重新處理組和對照組，核函數和帶寬默認?；貧w結果見表5第（4）列，核心系數顯著為正，與基本結論一致。

3.4.5" 增加控制變量" 為進一步刻畫城市特征，緩解樣本選擇性偏誤，本文在基準回歸基礎上加入更多的控制變量。具體包括人力資本（labor），采用普通高等學校在校生人數對數衡量；金融發展水平（fina），采用金融機構各項貸款余額占GDP比值衡量；基礎設施建設（infra），采用固定資產投資占GDP比值衡量；失業率（unemp），采用城鎮等級失業人數占人口比重衡量。表5第（5）列為回歸結果，在加入更多控制變量后，核心系數并未有顯著差異，基本結論穩健。

4" 擴展分析

4.1" 機制分析

構建模型嘗試驗證假設機制的正確性

Mit=α+βDit+∑γXit+μi+ρt+εit（3）

其中，Mit是中間變量，表示產業結構和科技創新?？疾臁皩拵е袊睉鹇詫χ虚g變量的直接影響，關于產業結構和科技創新的經濟增長［18-19］和節能減排［20-21］作用已被眾多文獻檢驗和闡述，因此若數字基礎設施對中介變量的回歸系數顯著，則表明假設機制存在的合理性。

產業結構升級包含產業高級化（ais）和合理化（theil）兩部分，采用第三產業增加值與第二產業增加值比值表征產業高級化，產業結構合理化使用各部門產出與就業人數比值的生產率的泰爾指數測算，為了更直觀地反映產業結構合理化水平的變化趨勢，參考相關文獻［22］選擇用泰爾指數的倒數衡量產業結構合理化水平，其數值越大則產業結構合理化水平越高，計算方式為：theil=1/∑ni=1YiYlnYi/LiY/L?？萍紕撔虏捎帽本┐髮W企業大數據研究中心編制的創新創業指數（innov）［23］和萬人發明專利數（pat）表征。表6是機制分析結果，產業結構中僅有產業結構合理化顯著為正，表明產業升級對生態效率提升的部分機制具有合理性，但產業高級化有待提高，與既有文獻研究結論一致［24］。信息高速流動傳播提高交易效率和降低信息不對稱，從而實現產業合理化。考慮產業高級化的投資屬性可能具有時滯，在第（2）列中加入了滯后一期（L1.D），核心系數符號為正，符合理論預期，且具有10%的顯著性水平，滯后一期系數在5%水平上顯著，至此產業結構升級機制得到驗證。第（4）、（5）列顯示了科技創新機制回歸結果，核心系數均顯著為正，“寬帶中國”戰略確實顯著提高了城市創新水平，科技創新的機制作用得到驗證。

4.2" 異質性分析

除了數字基礎設施影響生態效率提升的有效性研究，兩者之間是否會因為個體特征不同而呈現不同的影響程度也是本文研究主題。異質性是加強因果識別的有益環節，本文從城市等級差異及地理干濕分區兩個角度來考察數字基礎設施提升生態效率影響的異質性。

4.2.1" 城市等級差異" 城市等級劃分人口規模、經濟活躍度、商業資源密集度等多重因素影響。不同級別城市因經濟政策、可用資源好地理位置有別，使數字基礎設施對生態效率影響因城市級別不同而有所區別。依據第一財經新一線城市研究所發布的《2019城市商業魅力排行榜》，將樣本城市劃分為一線城市、二線城市、三線城市、四線城市和五線城市共五類，分樣本回歸結果見表7。一二線城市系數顯著為正，表明一二線城市數字基礎設施建設均對生態效率起到一定提升作用。二線城市系數值大于一線城市，可能由于一線城市產業結構相較二線城市更完善，二線城市主要承接一線城市產業轉移，污染也更嚴重，因而數字基礎設施對其影響也較大，具有“追趕效應”。五線城市結果并不顯著，因為數字基礎設施并不直接影響生態環境，而是協調和動員其他經濟資源，五線城市雖然數字基礎設施較為完善，但并無充沛的經濟資源可動用配合，造成對生態效率無顯著影響的局面。四線城市系數在10%顯著性水平上為正，與五線城市相比，其具有一定的經濟資源，可快速帶動經濟發展，促進生態效率提升。三線城市結果也不顯著，體現了城市規模擴大對生態環境的非線性影響。在這個時期，粗放式經濟結構增加了環境污染。整個城市等級和生態效率的關系也較好符合了“N”型趨勢。

4.2.2" 地理干濕分區差異" 按照200 mm、400 mm和800 mm等降水量線將中國大陸劃分為濕潤、半濕潤、干旱和半干旱三塊區域。本文采用2011—2017年年均降水量數據將樣本城市分為三大區域，表8為回歸結果。濕潤區和半濕潤占總樣本90%以上，系數均在5%水平上顯著為正，干旱半干旱區回歸系數不顯著，表明濕潤和半濕潤地區的城市生態效率提升效果好于干旱半干旱地區。干旱半干旱區樣本總量占比不到10%，異質性結果可能有偏差?？赡茉驗?，濕潤和半濕潤地區的植被覆蓋率較高，數字基礎設施支持的城市綠化管理系統和生態監測系統能夠更有效地維護和恢復城市綠地，監測生物多樣性，促進城市生態系統的健康。相比之下，干旱和半干旱地區的城市綠化成本更高，維護難度大，數字技術雖然能輔助植被管理和節水灌溉，但受限于水資源、生態系統脆弱，以及極端氣候事件頻發等特點，使數字基礎設施在直接提升生態效率方面的效果受限。為進一步考察地理干濕分區異質性機制，第（4）、（5）列分別加入了降水量和森林覆蓋率變量進行調節。地理干濕分區是降水分界結果，直接表現在地表植被覆蓋率上。由回歸結果可知核心系數依舊顯著，降水量和森林覆蓋率都具有一定顯著水平的正向調節作用，表明城市間會因降水和森林覆蓋特征差異而對生態效率的提升有所差別。

5" 結論與建議

基于全國283個城市2011—2019年面板數據測度了城市非期望產出SBM超效率值，并將“寬帶中國”戰略作為一次準自然實驗，采用雙重差分法實證檢驗了數字基礎設施對城市生態效率的影響。數字基礎設施能夠提升城市生態效率，通過產業升級和科技創新渠道實現。不同等級城市的提升程度有差異，基本符合“N”型走勢。

據此建議加大對數字基礎設施建設，制定長期且全面的數字基礎設施建設計劃，包括但不限于云計算中心、物聯網、5G網絡、智慧城市平臺等，并確保這些設施與城市綠色發展目標相結合，提升公共服務領域如能源、交通、環保等行業的數字化水平，利用智能技術提高資源使用效率，減少浪費；引導和支持產業升級轉型，制定優惠政策激勵企業采用先進的數字技術和綠色生產方式，推動傳統產業向智能制造、服務型制造和循環經濟轉變，通過產業基金、稅收優惠等方式支持新興產業特別是數字經濟、綠色經濟的發展，促使產業結構朝著低碳、高效的方向優化；鼓勵科技創新與生態技術研發應用，建立科技創新體系，支持高校、科研機構及企業合作研發適應城市生態環境保護需求的新技術、新產品和新模式，加強對環?？萍柬椖康闹С至Χ?，包括污染治理、資源循環利用、清潔能源等方面的關鍵技術研發與產業化推廣；注重區域差異與定制化發展，根據不同城市的資源稟賦、發展階段以及環境承載力，實施具有針對性的數字基礎設施建設和生態效率提升措施，引導各地區根據自身的實際情況，構建符合地方特色的數字化綠色產業鏈條，發揮各自優勢，實現差異化協同發展。

參考文獻

［1］鈔小靜， 沈路. 新型數字基礎設施對黃河流域城市生態效率的空間溢出效應——基于2013—2020年沿線97個城市數據的分析［J］. 陜西師范大學學報（哲學社會科學版）， 2023， 52（6）： 46-60.

［2］徐毅， 王志強. “雙碳”目標下數字經濟與地區綠色發展——基于國家級大數據綜合試驗區的分析［J］. 哈爾濱商業大學學報（社會科學版）， 2023（4）： 117-128.

［3］扎恩哈爾·杜曼， 孫慧. 綠色技術創新對城市生態效率空間溢出和門檻效應分析［J］. 統計與決策， 2022， 38（14）： 169-173.

［4］薛飛， 周民良， 劉家旗. 數字基礎設施降低碳排放的效應研究——基于“寬帶中國”戰略的準自然實驗［J］.南方經濟， 2022（10）： 19-36.

［5］JALEEL A， RAIES， UMAR F， et al. The moderating role of information and communication technology in the nexus between financial development， economic growth and energy consumption［J］. OPEC Energy Review， 2022， 46（4）： 399-412.

［6］PARK Y， MENG F C， BALOCH M A. The effect of ICT， financial development， growth， and trade openness on CO2 emissions： An empirical analysis［J］. Environmental Science and Pollution Research， 2018， 25（30）： 30708-30719.

［7］焦帥濤， 孫秋碧. 我國數字經濟發展對產業結構升級的影響研究［J］. 工業技術經濟， 2021， 40（5）： 146-154.

［8］王祖山， 姚欣雨. 長江經濟帶的產業結構調整與生態環境發展——基于面板向量自回歸模型的證據［J］.中南民族大學學報（人文社會科學版）， 2022， 42（6）： 137-145+187.

［9］馬兆良， 許博強， 田淑英. 數字經濟、研發創新與出口技術復雜度——基于中國省際面板數據的經驗研究［J］. 安慶師范大學學報（社會科學版）， 2022， 41（3）： 90-98.

［10］ GONZLEZ-RAMOS M I， DONATE M J， GUADAMILLAS F. The interplay between corporate social responsibility and knowledge management strategies for innovation capability development in dynamic environments［J］. Journal of Knowledge Management， 2023， 27（11）： 59-81.

［11］ 李佳佳， 羅能生. 城市規模對生態效率的影響及區域差異分析［J］. 中國人口·資源與環境， 2016， 26（2）： 129-136.

［12］ TONE K. A slack-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research， 2001， 130（3）： 498-509.

［13］ TONE K. A slacks-based measure of super-efficiency in data envelopment analysis［J］. European Journal of Operational Research， 2002， 143（1）： 32-41.

［14］ 嚴兵， 謝心荻， 張禹. 境外經貿合作區貿易效應評估——基于東道國視角［J］. 中國工業經濟， 2021（7）： 119-136.

［15］ 李廣昊， 周小亮. 推動數字經濟發展能否改善中國的環境污染——基于“寬帶中國”戰略的準自然實驗［J］. 宏觀經濟研究， 2021（7）： 146-160.

［16］ 郭勁光， 王虹力. 數字賦能下減排戰略的創新性選擇——基于“寬帶中國”試點政策的準自然實驗［J］. 產業經濟研究， 2022（4）： 101-113+142.

［17］ 呂越， 陸毅， 吳嵩博， 等. “一帶一路”倡議的對外投資促進效應——基于2005—2016年中國企業綠地投資的雙重差分檢驗［J］. 經濟研究， 2019， 54（9）： 187-202.

［18］ 干春暉， 鄭若谷， 余典范. 中國產業結構變遷對經濟增長和波動的影響［J］. 經濟研究， 2011， 46（5）： 4-16+31.

［19］ 聶長飛， 馮苑， 張東. 創新型城市建設提高中國經濟增長質量了嗎［J］. 山西財經大學學報， 2021， 43（10）： 1-14.

［20］ 李珊， 湛泳. 產業轉型升級視角下智慧城市建設的碳減排效應研究［J］. 上海財經大學學報， 2022， 24（5）： 3-18+107.

［21］ 余東華， 燕玉婷. 環境規制、技術創新與制造業綠色全要素生產率［J］. 城市與環境研究， 2022（2）： 58-79.

［22］ 鄧小華， 王志強. 數字經濟與制造業轉型升級——基于皖江經濟帶經驗數據的實證研究［J］. 銅陵學院學報， 2023， 22（4）： 3-8.

［23］ 戴若塵， 王艾昭， 陳斌開. 中國數字經濟核心產業創新創業：典型事實與指數編制［J］. 經濟學動態， 2022（4）： 29-48.

［24］ 袁航， 朱承亮. 數字基礎設施建設加速中國產業結構轉型升級了嗎？ ——基于“寬帶中國”戰略的準自然實驗［J］. 經濟問題探索， 2022（10）： 118-133.