大數據試驗區(qū)建設助推經濟綠色發(fā)展的機制與實現路徑

高玉婷，李波

（中南民族大學 經濟學院，武漢 430074）

經濟發(fā)展綠色化是高質量發(fā)展的必然要求.在向高質量發(fā)展邁進的過程中，高耗能、高排放的粗放式發(fā)展模式帶來了資源枯竭、環(huán)境污染等諸多問題.據此，“十四五”規(guī)劃綱要明確提出：堅持生態(tài)優(yōu)先、綠色發(fā)展，推進資源總量管理、科學配置，協同推進經濟高質量發(fā)展和生態(tài)環(huán)境高水平保護.數據作為數字經濟的關鍵生產要素，具有高滲透性、可復制性與可共享性，能有效破除傳統(tǒng)產業(yè)鏈之間的割裂關系，提高能源使用效率并緩解能源浪費問題，有力推動地區(qū)經濟全面綠色轉型.為激活數據要素的潛能，中國設立大數據綜合試驗區(qū)，深入推進數字技術與實體經濟高效融合.國家級大數據綜合試驗區(qū)建設是否促進了經濟綠色發(fā)展，若能推動，其作用路徑為何，其效應是否存在地區(qū)異質性？相應問題的探索與解決將為各地創(chuàng)新發(fā)展模式、由點及面地推廣大數據試驗區(qū)政策、帶動試點地區(qū)乃至全國經濟環(huán)境協同發(fā)展提供理性的決策依據.

衡量經濟綠色發(fā)展的一個重要指標是綠色全要素生產率.全要素生產率是衡量要素投入轉化為產出的效率指標，而納入環(huán)境約束的綠色全要素生產率是實現中國經濟綠色發(fā)展的動力源泉.與傳統(tǒng)全要素生產率不同，綠色全要素生產率不僅考慮了經濟發(fā)展的效率，還將資源消耗與環(huán)境代價放入測算體系考慮經濟發(fā)展的質量，更加綜合全面地評估經濟綠色高質量發(fā)展［1］.已有研究廣泛關注了綠色全要素生產率的影響因素，外商投資［2］、人力資本［3］、技術集聚［4］、金融發(fā)展［5］、研發(fā)投入［6］等各因素都對綠色全要素生產率有明顯的影響.隨著互聯網信息技術的不斷發(fā)展，數字經濟已被各國視為驅動經濟綠色發(fā)展的重要引擎.

近年來，國家級綜合大數據試驗區(qū)的建設充分發(fā)揮了大數據資源與資金等生產要素相融匯的倍增效應，成為中國數字經濟發(fā)展的重要抓手，擘畫了經濟發(fā)展的綠色藍圖.現有文獻從多個視角關注了建設大數據試驗區(qū)的政策效益.在經濟領域，學者們相繼探討了試驗區(qū)建設的發(fā)展框架與完善措施［7］，以及試驗區(qū)建設對外商直接投資［8］、城市經濟發(fā)展［9］等方面的影響；在環(huán)境領域，學者認為試驗區(qū)建設通過優(yōu)化資源配置、推動產業(yè)結構升級等方式改善了城市的空氣質量［10］、賦能中國低碳轉型［11］.然而，少有研究統(tǒng)籌關注經濟發(fā)展與環(huán)境保護的協同效益.因此，本文選用帶有非期望產出的超效率EBM 模型計算各城市綠色全要素生產率，作為經濟綠色發(fā)展的代理變量，通過將國家級大數據綜合實驗區(qū)建設作為準自然試驗進行分析，重點探討大數據試驗區(qū)對經濟綠色發(fā)展的影響效應與作用機制.

1 研究假設

1.1 假設的提出

1.1.1 大數據試驗區(qū)政策對綠色全要素生產率的直接效應

國家級大數據綜合試驗區(qū)將大數據融入經濟社會各個領域，推動數據要素在各行各業(yè)的創(chuàng)新應用，通過興業(yè)、優(yōu)政與惠民三個渠道促進經濟綠色發(fā)展.（1）從企業(yè)角度來看，隨著人工智能、大數據、云計算等新一代高新技術迅速發(fā)展，大數據試驗區(qū)的建設拓展了社會生產、流通、銷售等各個環(huán)節(jié)的應用廣度與深度，有效降低了企業(yè)的搜尋、復制、交流、追蹤和驗證成本［12］，在降低中間消耗、縮短生產時間、改善人力資本績效激勵和提高企業(yè)創(chuàng)新績效等方面改善了企業(yè)的生產效率［13］；（2）從政府層面來看，大數據作為一種新型技術工具引入政府治理，使政府決策更加透明公開、服務更加簡便快捷，大幅降低了政府的服務成本［14］，全面提升政務服務的治理能力和效率，提高了環(huán)境監(jiān)管質量，促進地區(qū)綠色全要素生產率增長［15］；（3）從社會民生的角度來看，數據的匯集、流通與共享沖破了信息壁壘，大大降低了民眾信息獲取的成本，減少數據孤島與信息不對稱現象.通過大數據試驗區(qū)的建設，試點地區(qū)將數據融入教育、交通、環(huán)保等各個方面，催生“智慧食藥監(jiān)”、“智慧公安”等大數據平臺，實現數據代替民眾跑路，數據為民服務，大幅節(jié)約了民眾的生活成本同時做到服務高效，減少了資源浪費與錯配，實現經濟綠色發(fā)展.

據此，本文提出假設1：

H1：國家級大數據綜合試驗區(qū)的建設能夠提升綠色全要素生產率，推動經濟綠色發(fā)展.

1.1.2 大數據試驗區(qū)政策對綠色全要素生產率的間接效應

大數據試驗區(qū)內緊抓試點地區(qū)制度、技術、政府建設、數字社會服務等各領域創(chuàng)新機遇，全方位地推動地區(qū)創(chuàng)新水平提升，進而促進綠色全要素生產率的增長.大數據試驗區(qū)建設吸引多家大數據相關企業(yè)入駐，為試點地區(qū)的經濟綠色發(fā)展提供了強有力的人才與技術支撐.大數據政策吸引高新技術企業(yè)入駐的同時，也培育出一批大數據產業(yè)人才，為推動試點地區(qū)綠色制度創(chuàng)新與綠色技術創(chuàng)新打下堅實的基礎.隨著數字經濟的發(fā)展，數智化成為經濟社會發(fā)展的關鍵驅動力［16］，大數據與政府服務、社會民生深入結合，推進政府加強政務建設創(chuàng)新提出科學綠色決策，市場加快數字社會服務創(chuàng)新，催生出智慧城市、遠程醫(yī)療等一系列數據新業(yè)態(tài).同時，創(chuàng)新水平的提升有利于優(yōu)化資源配置、降低能耗［17］，促進經濟系統(tǒng)由粗放式向集約式轉變，在改善經濟發(fā)展質量的同時帶來地區(qū)綠色全要素生產率的提升.

大數據試驗區(qū)的建立整合了區(qū)域內各產業(yè)的數據資源，通過產業(yè)間數據交互與融合，有效促進了制造業(yè)與生產性服務業(yè)的協同集聚，在優(yōu)化產業(yè)結構的同時形成集聚規(guī)模效應，有力推動了經濟綠色發(fā)展.一方面，大數據創(chuàng)業(yè)創(chuàng)新生態(tài)區(qū)、大數據創(chuàng)業(yè)園等平臺營造了開放的創(chuàng)業(yè)生態(tài)，吸引高端技術人才與新創(chuàng)企業(yè)的入駐，推動試點地區(qū)產業(yè)發(fā)展逐步由單一產業(yè)向多產業(yè)協同集聚轉變，主要表征為制造業(yè)與生產性服務業(yè)的協同集聚；另一方面，制造業(yè)與生產性服務業(yè)的協同集聚通過優(yōu)化資源利用、賦能產業(yè)升級與加強綠色產品開發(fā)生產等方面促進了地區(qū)經濟綠色發(fā)展.首先，二者的協同集聚實現了生產資源的高效利用和優(yōu)化配置，避免了資源的浪費和重復建設，降低了二氧化硫等工業(yè)污染物的排放；其次，專業(yè)化生產形成聚集經濟效益，帶動試點地區(qū)產業(yè)生產效率提升并創(chuàng)造了大規(guī)模的外部經濟，推動技術創(chuàng)新，降低污染排放；再者，多元協同集聚加強了綠色產品的開發(fā)生產進度，使得更多的產品符合環(huán)保要求，滿足消費者環(huán)保意識，帶動了市場需求的轉變，推進經濟走向綠色化.

據此，本文提出假設2與假設3.

H2：國家級大數據綜合試驗區(qū)的建設通過提升地區(qū)創(chuàng)新水平推動經濟綠色發(fā)展.

H3：國家級大數據綜合試驗區(qū)的建設通過促進產業(yè)協同集聚推動經濟綠色發(fā)展.

2 研究設計

2.1 樣本選擇與數據來源

鑒于數據可得性，本文選取2012—2019 年中國271個地級及以上城市面板數據，78個城市構成“實驗組”，193 個城市構成“對照組”，部分缺失數據采用插值法補齊.數據主要來源于《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》和各省份統(tǒng)計年鑒.

2.2 模型構建

根據中國于2016 年2 月建設“國家大數據綜合試驗區(qū)”這一事件進行準自然實驗，運用雙重差分法分析數字經濟發(fā)展對中國經濟綠色發(fā)展的影響.兩次大數據試驗區(qū)試點的批復時間都在2016年，因此選擇2016年作為政策時間節(jié)點，構建DID模型：

其中，i表示地級市，t表示年份.被解釋變量GTFP表示地級市的綠色全要素生產率，policy 表示建立大數據試驗區(qū)的政策變量，如果第i個地級市在第t年為國家級大數據試驗區(qū)，則t年以及之后的年份，policy 取值為1，反之取值為0.Xit表示控制變量，αi為僅隨個體變化的因素，本文控制到省域層面，δt為控制僅隨時間變化的因素，εit為隨機擾動項.回歸系數β1代表了國家大數據試驗區(qū)建設對經濟綠色發(fā)展的凈作用.

為進一步檢驗地區(qū)創(chuàng)新水平、產業(yè)協同集聚在國家大數據試驗區(qū)建設與綠色全要素生產率之間是否發(fā)揮中介效應，本文構建如下模型：

其中，mechanismit表示第i個城市在第t年的地區(qū)創(chuàng)新水平或產業(yè)協同集聚，為本文的中介變量.Xit代表控制變量，θ1為國家級大數據試驗區(qū)建設對經濟綠色發(fā)展的總效應，α1γ2代表國家級大數據試驗區(qū)建設對經濟綠色發(fā)展的中介效應.

2.3 變量說明

2.3.1 被解釋變量：經濟綠色發(fā)展（GTFPit）

本文經濟綠色發(fā)展采用綠色全要素生產率表征，以超效率EBM模型測度.相較于SBM模型，EBM模型可以更好地考慮投入指標的徑向與非徑向問題，使效率與全要素生產率的計算更為科學.模型設定如式（5）：

假定有n個決策單元，每個單元有m種投入、s1種期望產出與s2種非期望產出構成，其中，分別表示投入、期望產出和非期望產出的松弛量，λj為權重向量，ρe為目標函數，越大代表經濟綠色發(fā)展效率越高.εx、εy、εb分別為投入、期望產出、非期望產出指標的離散系數，當ε越接近于0 時，表示對應指標之間的相關性越高，ε=0時，EBM 模型相當于徑向模型；當ε越接近于1 時，表示對應指標之間的相關性越低，ε=1時，EBM模型相當于非徑向模型.

用EBM 模型測度綠色發(fā)展效率后，采用Malmquist指數計算得出地區(qū)綠色全要素生產率，如式（6）所示：

參考前人研究［18］，選取勞動力、資本與能源作為要素投入指標，以地區(qū)生產總值為期望產出指標，工業(yè)三廢為非期望產出指標，如表1所示.

表1 綠色全要素生產率指標選取Tab.1 Index selection of green total factor productivity

2.3.2 核心解釋變量：國家級大數據綜合試驗區(qū)建設（policyit）

本文的核心解釋變量是雙重差分變量，若城市在2016 年之后被列入國家級大數據綜合試驗區(qū)建設名單，則policy 賦值為1；反之，policy 賦值為0.根據國家發(fā)展改革委、工業(yè)和信息化部等對國家大數據試驗區(qū)試點兩批的批復時間分別為2016 年2 月及2016 年10 月，間隔時間較短，故本文采用傳統(tǒng)的雙重差分模型評估試點的政策效應.

2.3.3 控制變量

為使本文研究更加精確，本文參考前人研究，控制了以下可能對綠色全要素生產率產生影響的控制變量：（1）經濟發(fā)展水平（GDP）使用各地級市的人均地區(qū)生產總值的對數形式來衡量；（2）人力資本水平（humancapital）是影響城市綠色全要素生產率的重要因素.本文采用各城市普通高等學校在校學生數（人）的對數形式來衡量；（3）外商投資水平（foreign）使用各地區(qū)當年實際使用外資與地區(qū)生產總值的比值來衡量；（4）財政分權（financial）利用各地公共預算收入與公共預算支出的比值表示；（5）環(huán)境規(guī)制（environment）采用各地政府工作報告中環(huán)保詞頻比重衡量；（6）基礎設施建設（infrastructure）用互聯網寬帶接入用戶的對數形式衡量.

2.3.4 中介變量：地區(qū)創(chuàng)新水平（patent）與產業(yè)協同集聚（industrial）

由于專利從申請到授權需要經歷許多年，難以直觀體現地區(qū)創(chuàng)新水平.因此，本文采用每萬人綠色發(fā)明專利申請數衡量地區(qū)創(chuàng)新水平，產業(yè)協同集聚以制造業(yè)與生產性服務業(yè)的協同集聚程度衡量，產業(yè)協同集聚程度的計算方式如式（7）-式（9）所示：

式中m表示制造業(yè)，s表示生產性服務業(yè)，i表示地級市，t表示年份.manuit、serviceit分別表示i市第t年制造業(yè)與生產性服務業(yè)增加值，manut、servicet表示中國第t年制造業(yè)與生產性服務業(yè)增加值，GDP為地區(qū)生產總值.LQmi、LQsi分別表示i市制造業(yè)與生產性服務業(yè)在全國的區(qū)位熵，industriali為二者的協同集聚程度.

變量描述性統(tǒng)計結果如表2所示.

表2 變量描述性統(tǒng)計結果Tab.2 Descriptivestatistics of variables

3 實證分析

3.1 多重共線性檢驗

本文首先進行多重共線性檢驗，根據表3 中方差膨脹因子的檢驗所示，最大VIF 為2.67，均值VIF為1.89，均遠遠小于要求的臨界值10，故不需考慮變量間存在多重共線性.

表3 方差膨脹因子Tab.3 Variance inflation factor

3.2 平行趨勢檢驗

使用雙重差分法進行政策效應評估的前提是要滿足平行趨勢假設，即表明在國家大數據試驗區(qū)建設之前，實驗組和對照組兩組地級市在經濟綠色轉型上具有相同的變化趨勢.本文采用簡潔直觀的圖示法比較大數據試驗區(qū)建設前后地級市經濟綠色轉型的變化趨勢.根據圖1所示，大數據試驗區(qū)建設之前，實驗組與對照組之間不存在顯著差異，變化趨勢一致；而在大數據試驗區(qū)建設之后，實驗組與對照組在經濟綠色轉型上的差異增大，這說明試驗區(qū)建設對經濟綠色發(fā)展產生了顯著的影響，通過了平行趨勢檢驗，可以使用雙重差分法估計政策對經濟綠色發(fā)展的影響效應.同時中國于2016年較早建設“國家大數據綜合試驗區(qū)”，隨著時間推移，對經濟綠色發(fā)展的政策效應在最后一期有所減弱，因此應加強政策后續(xù)鞏固的措施.

圖1 平行趨勢檢驗Fig.1 Parallel trend test

3.3 基準回歸結果

國家大數據試驗區(qū)建設對經濟綠色發(fā)展影響的基準回歸結果如表4 所示.其中，回歸（1）僅考慮政策對經濟綠色發(fā)展的影響，未加入控制變量與固定效應；回歸（2）進一步控制了其他變量，未添加固定效應；回歸（3）繼續(xù)加入省份與時間固定效應.回歸（1）～（3）的結果表明，國家大數據試驗區(qū)建設對綠色全要素生產率有顯著的正向影響，且在5%的統(tǒng)計水平上顯著.同時，由回歸（3）可知，人力資本水平、財政分權等控制變量對經濟綠色發(fā)展均存在顯著影響.因此選取回歸（3）為基準回歸結果，假設1得到驗證，即國家級大數據綜合試驗區(qū)的建設能夠提升綠色全要素生產率，推動經濟綠色發(fā)展.

表4 基準回歸結果Tab.4 Benchmark regression results

3.4 穩(wěn)健性檢驗

3.4.1 PSM-DID修正樣本選擇性偏誤

現實中，政府對國家大數據試驗區(qū)建設試點的選擇并不完全是隨機的，為了避免試點選擇時傾向優(yōu)先選取經濟發(fā)展較好或信息化水平高等具有某一特征的地級市開展試點，造成樣本選擇性偏誤問題，選用PSM-DID 模型對實驗組與控制組城市進行匹配，重新檢驗國家級大數據綜合試驗區(qū)建設對經濟綠色轉型的影響.傾向得分匹配（PSM）階段的協變量為基準回歸模型中的控制變量，匹配方法采用1∶2 最近鄰匹配，匹配后樣本滿足平衡性與共同支撐性檢驗（如圖2 中（a）與（b））.匹配后的結果如表5回歸（4）所示，同上文中的基準回歸（3）結果一致，再一次驗證了本文結果的穩(wěn)健性.最后，又采用半徑匹配與核匹配方法再次回歸，得出的結果與基準回歸（3）一致，進一步驗證了回歸結果的穩(wěn)健性.

圖2 平衡性檢驗與共同支撐檢驗Fig.2 Balance test and co-support test

表5 PSM-DID檢驗結果Tab.5 The results of PSM-DID

3.4.2 安慰劑檢驗

為進一步論證是國家大數據試驗區(qū)建設對經濟綠色轉型產生了政策效果，而非其他隨機性因素引起，本文進行安慰劑檢驗，即在所有樣本中隨機生成實驗組，剩余的所有地級市設置為對照組，重新進行基準回歸，并且將上述模擬重復500次.由此獲得模擬的policy 系數的密度分布圖，根據圖3 可知，安慰劑檢驗中policy系數分布整體是以0為中心的正態(tài)分布，且大部分與基準回歸系數存在較大的差距，故通過了安慰劑檢驗，不存在遺漏變量偏誤.

3.4.3 反事實檢驗

基準回歸結果表明，國家級大數據綜合試驗區(qū)的建設促進了中國的經濟綠色發(fā)展.為了檢驗這種促進效應是由大數據試驗區(qū)建設帶來的，而不是因為其他影響產生的促進效應，本文使用政策時間提前的反事實檢驗，將設立大數據試驗區(qū)的批復時間滯后一期為2015 年，檢驗結果如表6 回歸（5）所示，重新回歸后，政策滯后一期的結果不顯著，說明正是2016 年實施的國家級大數據試驗區(qū)建設對經濟綠色發(fā)展產生的促進效應，反事實檢驗通過，這進一步驗證了本文基準回歸結果的穩(wěn)健性.

表6 反事實檢驗與剔除其他試點結果Tab. 6 Counterfactual test and exclusion of other pilot results

3.4.4 剔除其他政策試點

2013-2015 年中國公布了“智慧城市”試點名單，“智慧城市”提升了城市的創(chuàng)新水平與綠色理念，有利于經濟綠色發(fā)展.隨后2014-2016年國家工信部公布了“寬帶中國”示范城市名單，“寬帶中國”示范城市建設能夠改善企業(yè)的生產方式，對經濟綠色低碳發(fā)展產生一定作用.因此，本文先后剔除“智慧城市”與“寬帶中國”示范城市，對樣本重新回歸，以檢驗在剔除其他政策干擾后，國家級大數據試驗區(qū)建設是否對經濟綠色發(fā)展有顯著的促進作用.

表6中，回歸（6）是剔除了“智慧城市”示范城市的樣本重新回歸，回歸（7）是剔除“寬帶中國”示范城市后重新回歸的結果，檢驗表明，排除了“智慧城市”、“寬帶中國”的政策影響后，大數據試驗區(qū)建設對經濟綠色發(fā)展的影響顯著為正，本文結果依舊穩(wěn)健.

3.5 機制檢驗

為進一步分析大數據試驗區(qū)建設對經濟綠色發(fā)展的作用機制，本文利用中介效應檢驗法，驗證地區(qū)創(chuàng)新水平與產業(yè)協同集聚在二者間的中介效應.具體結果如表7所示.由回歸（8）可知，大數據試驗區(qū)建設對地區(qū)創(chuàng)新水平的估計系數顯著為正，即大數據試驗區(qū)建設能夠顯著提高地區(qū)創(chuàng)新水平；回歸（9）中大數據建設與地區(qū)創(chuàng)新水平的估計系數均顯著為正，表明地區(qū)創(chuàng)新水平在二者間發(fā)揮中介效應，本文假設2得到驗證，即國家級大數據綜合試驗區(qū)的建設通過提升地區(qū)創(chuàng)新水平推動經濟綠色發(fā)展.

表7 機制檢驗Tab.7 Mechanism effect test

由回歸（10）可知，建設大數據試驗區(qū)對產業(yè)協同集聚的估計系數顯著為正，回歸（11）中政策變量與產業(yè)協同集聚的估計系數均顯著為正，表明大數據試驗區(qū)建設對推進制造業(yè)與生產性服務業(yè)協同集聚產生明顯偏好，進而影響地區(qū)綠色全要素生產率.隨著試點地區(qū)不斷加強大數據與實體產業(yè)相融合，不同產業(yè)間通過共享資源、公用設施等推動能源循環(huán)利用、減少環(huán)境污染；產業(yè)間相互補充、協同作業(yè)、協同創(chuàng)新形成了規(guī)模效應，進一步推進產業(yè)鏈的延伸與價值鏈升級.本文的假設3得到驗證，即大數據綜合試驗區(qū)的建設通過促進產業(yè)協同集聚推動經濟綠色發(fā)展.

3.6 異質性分析

鑒于目前中國存在地區(qū)發(fā)展不平衡現象，國家大數據綜合試驗區(qū)建設對不同地區(qū)經濟綠色發(fā)展的促進作用可能相異，因此，本文分別從地理區(qū)位、人力資本水平、城鎮(zhèn)化水平三個方面進行異質性檢驗.具體結果如表8、表9所示.

表8 地理區(qū)位異質性分析Tab.8 Analysis of geographical location heterogeneity

表9 異質性結果分析Tab.9 Analysis of heterogeneity results

回歸（12）-（15）為地理區(qū)位異質性檢驗結果.國家公布了兩批大數據綜合試驗區(qū)，共有八大大數據綜合試驗區(qū)，旨在分別引領東部、中部、西部與東北四大板塊的大數據產業(yè)發(fā)展，實現數據共享、產業(yè)結構優(yōu)化、經濟綠色轉型.據此，本文根據國家地理位置，將樣本分為東、中、西與東北四組.可以看出，大數據試驗區(qū)建設對經濟綠色發(fā)展的影響存在地理區(qū)位異質性.對于東部地區(qū)與西部地區(qū)而言，大數據建設對經濟綠色發(fā)展的效應不顯著，而對中部地區(qū)、東北地區(qū)而言，建設大數據試驗區(qū)對綠色全要素生產率提升有顯著的正向作用.可能的原因在于：中部地區(qū)與東北地區(qū)城市較多為資源依賴型，產業(yè)結構單一，運作方式落后.大數據試驗區(qū)的建設促進了中部地區(qū)與東北地區(qū)的數據要素流通，打破其人力、資本與綠色技術的流動壁壘，加快其傳統(tǒng)產業(yè)結構轉型升級，從而有效突破了資源依賴約束，改善了資源型經濟的弱點，顯著促進了地區(qū)經濟綠色發(fā)展；而在東部綠色發(fā)展水平較高的城市與西部欠發(fā)達城市中，建設大數據試驗區(qū)的影響作用不顯著，西部地區(qū)面臨通信網絡等基礎設施落后、技術創(chuàng)新能力較弱、大數據相關人才短缺、產業(yè)體系尚未健全等劣勢無法全面有效地支持大數據試驗區(qū)產業(yè)的深入發(fā)展，故而建設大數據試驗區(qū)對于其經濟綠色發(fā)展的促進效應還不明顯.以上說明在中部與東北地區(qū)建設大數據試驗區(qū)對經濟綠色發(fā)展的促進效應更大.

回歸（16）-（17）為人力資本水平異質性檢驗結果.本文基于政策施行前一年的人力資本水平進行分組，若各地區(qū)的人力資本水平大于當年的中位數，則將地級市劃分至高人力資本水平地區(qū)；反之，劃歸至低人力資本水平地區(qū).估計結果表明：在低人力資本水平地區(qū)，建設大數據試驗區(qū)對經濟綠色發(fā)展產生的影響更顯著，這可能是因為高人力資本地區(qū)經濟綠色發(fā)展的水平已經較高，建設大數據試驗區(qū)對其提升效果不明顯；而低人力資本地區(qū)釋放數據動能的潛力更大，大數據試驗區(qū)的建設顯著改善了人力資本的積累，促進了當地大數據相關產業(yè)發(fā)展、吸引高質量人才流入、提升地區(qū)創(chuàng)新發(fā)展水平，推動了經濟綠色發(fā)展.

回歸（18）-（19）為城鎮(zhèn)化水平異質性檢驗結果.本文基于政策施行前一年的城鎮(zhèn)化水平的中位數進行分組，劃分高城鎮(zhèn)化水平與低城鎮(zhèn)化水平.估計結果表明在低城鎮(zhèn)化水平地區(qū)，建設大數據試驗區(qū)對經濟綠色發(fā)展產生的影響更顯著.低城鎮(zhèn)化水平地區(qū)的經濟環(huán)境基礎較差、產業(yè)低效，建設大數據試驗區(qū)能夠顯著地促進當地數據要素流通、減少要素扭曲、帶動高新技術產業(yè)的發(fā)展、發(fā)揮產業(yè)集聚效應，從而實現經濟與環(huán)境協同發(fā)展.

4 結論與政策建議

本文基于2016 年中國國家綜合大數據試驗區(qū)建設，選取2012-2019年271個地級及以上城市為研究樣本，利用雙重差分模型檢驗了國家級大數據試驗區(qū)建設對經濟綠色發(fā)展的影響.研究發(fā)現：（1）國家大數據試驗區(qū)的建立顯著促進了經濟綠色發(fā)展，在經過一系列穩(wěn)健性檢驗之后，結果依舊顯著；（2）地區(qū)創(chuàng)新水平與產業(yè)協同集聚在數字經濟對綠色全要素生產率的提升中發(fā)揮著中介效應；（3）國家大數據試驗區(qū)對綠色全要素生產率的提升存在異質性效果，從地理區(qū)位來看，大數據試驗區(qū)建設對中部地區(qū)、東北地區(qū)的綠色全要素生產率均有顯著的正向促進作用，對東部地區(qū)與西部地區(qū)的影響不顯著；從人力資本水平與城鎮(zhèn)化水平來看，低人力資本水平、低城鎮(zhèn)化地區(qū)建設大數據試驗區(qū)對經濟綠色發(fā)展產生的影響更顯著.

基于上述結論，本文提出以下政策建議：（1）以大數據試驗區(qū)建設的成功案例為典型樣板，推行高效、創(chuàng)新的數字經濟發(fā)展模式，總結更多可復制可持續(xù)的經濟綠色發(fā)展經驗，從而形成由點及面的示范效應，帶動周邊鄰近地區(qū)乃至全國的大數據建設發(fā)展與應用，加快提升各地區(qū)的發(fā)展效率并推動經濟綠色發(fā)展；（2）著力提升地區(qū)創(chuàng)新水平，滿足大數據應用的需求并為可持續(xù)建設大數據治理體系提供動力源泉.具體而言，政府可以加大科研投入，出臺相關指導政策、發(fā)展方案和專項政策等，集聚高質量人力資本，形成創(chuàng)新效應；（3）根據各地的資源稟賦與比較優(yōu)勢，加快大數據與優(yōu)勢產業(yè)融合，推進產業(yè)協同集聚，為經濟綠色發(fā)展提供重要助益.同時，實施動態(tài)差異化發(fā)展戰(zhàn)略，推動當地產業(yè)與數字經濟融合發(fā)展，加快產業(yè)的數字化轉型，減少能源消耗與浪費，提高區(qū)域發(fā)展優(yōu)勢與效率；（4）充分考慮地區(qū)異質性，依據各區(qū)域的資源稟賦，加強西部地區(qū)數字基礎設施建設，推進低人力資本水平與低城鎮(zhèn)化水平地區(qū)的大數據建設.西部地區(qū)、低人力資本水平與低城鎮(zhèn)化水平地區(qū)的數字建設落后，經濟綠色發(fā)展的提升空間高，加強這些地區(qū)的移動互聯網、寬帶網等通訊基礎設施的建設，遙感衛(wèi)星、氣象監(jiān)測、物流服務等領域的完善，帶動區(qū)域數字化轉型升級，推進大數據的建設與應用，能夠較快較好地推動經濟實現綠色高質量發(fā)展.