數字經濟、工業智能化和工業碳生產率

[摘要]數字經濟正在引領著工業活動的數字化革命，為其低碳轉型提供了契機。為探究數字經濟發展對城市工業碳生產率發展的空間影響效應和作用機制關系，基于2011—2021年長江經濟帶11省市面板數據，借助雙重固定效應下的靜態和動態空間杜賓模型進行分析，并進一步引入工業智能化檢驗數字經濟對工業碳生產率升級的作用機制和門檻效應。結果顯示：（1）數字經濟發展不僅能顯著提升本地城市工業碳生產率，也促進鄰近城市工業碳生產率提升，且其長期效應大于短期效應，但促進效果存在先增加后減弱的“減速效應”。（2）數字經濟推動工業智能化發展是提升城市工業碳生產率的重要傳導路徑，并存在正向非線性關系，盲目追求智能化指標會削弱數字經濟對碳生產率的促進作用。由此提出深入挖掘數字經濟減排潛力、加強區域間的經濟合作、平衡數字經濟與工業智能化的發展等建議，以放大數字經濟對工業碳減排潛力。

[關鍵詞]長江經濟帶；數字經濟；工業碳生產率；工業智能化

一、 引言

由于碳排放的負向外溢效應，全球各地區都面臨著氣候變暖帶來的負面影響[1]。作為全球最大的發展中國家與碳排放國，中國高度重視全球氣候治理，積極承擔碳減排責任，在明確提出“雙碳”目標后，黨的二十大在實現中國式現代化的高度上再次強調了綠色化低碳化發展的關鍵性1。而工業是碳排放生產的重點領域，提高工業碳生產率是降低工業碳減排成本（工業增加值損失）及幫助地區平衡工業增長和減排的關鍵舉措[2]。同時，受益于數字技術的成熟和普及，新興的數字經濟開始與傳統的生產和生活方式深度融合，為制造業的高質量發展提供了強大的驅動力，為推動工業實現向高級化、低碳化轉變提供了新的路徑，在促進經濟高質量發展和提升人民生活水平方面發揮著關鍵作用[3]。雖然與發達國家相比，中國的數字經濟起步較晚，但充分展現了后發優勢，根據《數字中國發展報告》2，2022年我國數字經濟規模達到了50.2萬億元，位居全球第二，占GDP比重提升至41.5%。數字經濟已逐漸成為經濟提質增效的關鍵驅動力。在實現“雙碳”目標和積極推進數字經濟發展的大環境中，“十四五”規劃以及2035年遠景規劃綱要強調推動能源的低碳安全利用，推進工業等領域的綠色低碳轉型，并要求通過數字化轉型全面推動生產、生活和治理方式的變革3。因此工業領域要充分挖掘數字經濟“降碳提質”潛力，積極推進數字化轉型和智能化升級，為實現工業低碳化綠色化轉型注入強勁動力。

推動長江經濟帶發展是黨中央制定的重要決策，習總書記在全面推動長江經濟帶發展座談會上明確指出，要將長江經濟帶建設成為我國綠色發展的主戰場和引領經濟高質量發展的主力軍1。同時，長江經濟帶不僅是我國重點推進綠色發展的區域之一，也是數字經濟和人工智能發展的核心地區，在推動沿江地區的協調發展、促進沿海內外經濟發展方面發揮著重要牽引作用。因此本研究關注長江經濟帶這一特殊區域，探討數字經濟與工業碳生產率的關系，以及如何有效釋放數字經濟對工業碳生產率的助推力量，進而實現工業碳減排和可持續發展的目標。研究結論不僅為長江經濟帶的綠色轉型和經濟高質量發展提供理論和實踐參考，還可以對全國范圍內的工業碳減排和可持續發展產生積極的示范作用。

二、 研究假設

1. 數字經濟與工業碳生產率

隨著中國邁入“5G+工業互聯網”時代，數字經濟的優勢日益凸顯，城市工業該如何充分利用數字經濟的優勢，實現減污降碳和提質增效？首先，數字經濟通過引領傳統產業轉型升級[4]，推動工業生產從傳統的局部信息化向數字化、網絡化和智能化的方向迅速轉變，有利于優化工業產業和能源結構，提高工業碳生產率。其次，數字經濟為工業企業提供了自動化和數字化的生產過程，高效貫通和精準銜接城市工業生產的各個環節，有效降低信息的不對稱性并減少能源不必要的消耗，從而提升工業碳生產率[5]。此外，數字技術的應用也可以幫助企業實施對能源和碳排放的監測與管理，通過應用碳排放交易平臺和碳中和服務平臺等領域，實現對工業碳排放的精準監測，進而實現污染信息的透明化[6]。

數字經濟可以突破時間和空間的限制，克服行政邊界的束縛[7]。數字經濟在技術水平相對較高、基礎設施較為完善、數字化產業相對集中的城市內發展，并通過跨區流動和應用傳導到鄰近地區，以更多元的方式建立連接[8]，以經濟和地理的鄰近為區域高技術人才、數字化技術以及創新知識等要素的跨界流動提供客觀條件，通過信息共享、合作創新和資源整合等方式對鄰近地區產生溢出效應[9]，從而帶動鄰近地區的工業碳生產率得到提升。隨著政府對數字經濟“降碳減排”作用的關注，其可能會出臺一系列競爭性和創新性的政策措施，周邊城市及工業之間的競爭行為將導致技術、人才等資源進一步流動，使得數字經濟的創新和知識溢出效應更為顯著。據此，本文提出如下假設：

假設1：數字經濟發展有利于區域工業碳生產率的提升，存在空間溢出效應。

隨著數字經濟的發展，數字技術的應用程度逐漸飽和[10]，導致新產品和技術創新的增長速度減緩。有學者提出數字經濟出現邊際效應遞減的現象[11]，數字經濟對工業碳排放存在非線性關系[12]。在數字經濟發展初期，數字技術的應用對工業生產效率的提升非常顯著，從而使得工業碳生產率得到了極大提高。但是隨著數字經濟的發展，持續增加數字技術的應用可能無法繼續高效提高工業碳生產率。此外，數字技術的適用領域和適用范圍的局限性以及數字技術本身存在的一些缺陷和不足之處[13]，這些都可能限制數字經濟對工業碳生產率的促進作用。因此，本文提出數字經濟對工業碳生產率的“減速效應”，即數字經濟在初期發展階段對工業碳生產率的促進作用較為明顯，但隨著數字經濟的發展趨于成熟，數字經濟的發展速度逐漸放緩，且對工業碳生產率的貢獻逐漸減少。基于這一觀察，本文提出如下假設：

假設2：數字經濟對工業碳生產率的促進作用存在“減速效應”。

2. 數字經濟、工業智能化與工業碳生產率

數字經濟對工業的賦能路徑一直是學界所關注的問題，索洛曾提出著名的“信息技術生產率悖論”他指出盡管數字信息技術已經大規模普及[14]，但似乎并未有效持續地提高全要素生產率。由于工業的數字化和智能化轉型需要考慮國家的勞動力結構和基礎設施建設的規模，并且我國工業部門存在通用性和兼容性不足等問題，限制了數字技術架構的布局，從而造成工業數字化發展相對緩慢。因此，數字經濟對工業生產活動的推動作用不是一蹴而就的，其所帶來的工業智能化是影響碳生產率的重要途徑[15]。引入先進的數字技術，可以推動工業智能化技術的研發和應用。對工業部門進行智能化改造，可以實現產業鏈上下游的協同優化，從而減少資源和能源的浪費，提高工業碳生產率。據此，本文提出如下假設：

假設3：數字經濟通過發展工業智能化來促進工業碳生產率提升。

在工業智能化的背景下，智能化的數字基礎設施促進了各類創新要素的泛在連接，實現生產過程的自動化和智能化[16]，有助于促進城市工業的碳生產率不斷提升。但需要注意的是，這種關系可能存在非線性作用，這是因為工業智能化技術不斷發展，對于碳生產率的影響不是簡單的累加作用，而是具有復雜的相互作用和調節效應。在工業向智能化轉型的過程中，一些城市可能將擴大應用工業智能化技術視為工業數字化轉型的關鍵標準，而往往片面地追求工業技術的升級，忽視企業戰略以及業務要求等問題，導致數字經濟發展在工業的技術研發、生產制造及供應鏈管理等各個環節之間缺乏有機的銜接，非但不能達到預期目標，反而可能會造成效率和經濟的損失，削弱數字經濟對工業碳生產率的促進作用。據此，本文提出如下假設：

假設4：合理發展工業智能化有助于數字經濟推動工業碳生產率提升，但盲目開發工業智能化會削弱數字經濟對工業碳生產率提升的促進作用。

三、 研究設計

1. 變量選取與定義

（1）被解釋變量

工業碳生產率（ICP）。已有學者借助全要素生產率框架對碳生產率進行核算[17]，但對能源核算指標覆蓋較少以及工業資本存量指標的近似估計時都會帶來誤差[18]。為了確保工業碳生產率的定義一致性以及計算方法的準確性，本文根據Kaya[19]的定義，采用工業增加值（IAV）與工業二氧化碳排放量的比值來衡量工業碳生產率，見式（1）。

[ICP=IAVICO2] （1）

本文參考2006年《IPCC國家溫室氣體清單指南》，通過對不同種類能源消費量（表1）測算工業CO2排放量，見式（2）。

[ICO2=j=115Ej×Cj=j=115Ej×NCVj×CEFj×COFj×4412] （2）

式（2）中，j表示15種能源，ICO2、Ej和Cj分別代表工業碳排放量、第j種能源消耗量以及排放系數；NCVj，CEFj和COFj則分別表示第j種能源的平均低位發熱值、單位熱值含碳量以及碳氧化率，具體參數見表1。

（2）核心解釋變量

數字經濟發展水平（Dige）。數字經濟是一個十分廣泛豐富的概念，其發展水平不僅需要考慮經濟產業和社會環境的影響，還要考慮數字化應用程度和基礎設施建設程度帶來的影響。因此，對數字經濟發展水平的衡量往往需要借助多種指標[20]。借鑒已有學者對數字經濟的研究[21]，以及中國信通院發布的《2021年中國數字經濟發展白皮書》中的指標1，本文從數字基礎設施、數字創新環境和數字產業規模三個維度，運用熵值法對細分的15個二級指標（表2）進行測算以衡量數字經濟發展水平。

（3）中介變量

智能制造是工業智能化的核心構成，而企業年報的智能化轉型指標的詞頻可以直觀地度量難以量化的智能化轉型程度[22-23]。因此，本文借鑒郭磊等[24]的研究，通過關鍵詞關聯度圖譜分析提取57個與工業企業智能制造發展相關關鍵詞，來對各省市30個制造業子行業的上市公司年報中的詞頻提取統計，并進行歸一化處理來表征工業智能化水平。

（4）控制變量

為盡可能緩解遺漏變量所致的估計偏誤，本文參照相關研究分別選取了對外開放（LOP）、工業集聚水平（LIS）、工業環境規制（IER）、科技占比（TC）、工業能源強度（IEQ）、創新水平（IG）、能源結構（IEC）指標來作為控制變量，具體變量定義見表3。

2.數據來源與處理

本文選取長江經濟帶11個省市（9省2市）2011—2021年的統計數據，并從《中國統計年鑒》《中國能源統計年鑒》《中國工業統計年鑒》《中國科技統計年鑒》《第三產業統計年鑒》《中國互聯網絡發展狀況統計報告》以及各省市歷年統計年鑒，北京大學數字普惠金融數據報告等獲取部分專業數據。對所有與價格有關的變量值以2011年為基期進行平減處理，缺失的個別數據采用線性插值法予以補齊。

表3報告了各主要變量的定義和主要統計特征。其中工業碳生產率（ICP）的均值是0.912，標準差為0.463，反映出樣本間工業碳生產率存在較大波動，這與已有研究結果基本一致。數字經濟水平的均值為0.221，標準差為0.188，這表明樣本中的數字經濟整體發展水平尚處于較初級階段，且差距較小。

3. 模型建立

（1）空間相關性和權重矩陣

借鑒已有空間計量模型的研究方法，本文采用全局Moran’I指數進行工業碳生產率的空間自相關分析，如式（3）所示：

[Moran’I=ni=1nj=1nWijxi-xxj-xi=1nj=1nWiji=1nxj-x] （3）

式（3）中，Wij為空間權重矩陣，xi，xj表示第i個與第j個城市的工業碳生產率水平。

根據區域經濟學原理，由于本文的研究對象為長江經濟帶的城市，市域兩兩相鄰，因此選擇基于鄰接關系構建空間權重矩陣W1ij和反距離權重矩陣W2ij作為基準空間權重矩陣：

[W1ij=1" " " " " "區域i和j相鄰0" " " " " "i=j或不相鄰] （4）

[W2ij=1dij" " " " " "i≠j0" " " " " " " i = j] （5）

式（5）中，dij為兩地區之間的歐氏距離。

（2）空間模型設定

據上述分析，鑒于城市數字經濟發展和工業碳生產率之間的空間相關性，而空間杜賓模型（SDM）能夠同時考慮因變量和自變量之間的空間關聯性，因此本文選擇時空雙固定效應的SDM模型進行檢驗，具體見式（6）。同時本研究通過LM檢驗、Wald檢驗、Hausman檢驗以及LR檢驗對所選計量模型適配進行驗證，進一步保證實證的可靠性和精確性。

[ICPit=α0+α1j=1nWijICPit+α2Digeit+α3j=1nWijDigeit+α4Controlit+α5j=1nWijControlit+μi+ηt+εit" ] （6）

式（6）中，Wij表示城市i和j的空間權重矩陣，α0-α5 均表示待估計參數；μi和ηt分別表示城市固定效應和年份固定效應；εit表示隨機誤差項。

考慮到數字經濟對城市工業碳生產率發展的促進作用具有滯后性[25]，本文在靜態SDM模型的基礎上引入工業碳生產率（ICP）的滯后一期驗證動態SDM模型，其不僅能考慮動態效應，還能緩解其內生性問題[24]，提高估計結果的準確性和可靠性，如式（7）所示：

[ICPit=β0+β1ICPit-1+β2j=1nWijICPit-1+β3j=1nWijICPit+β4Digeit" " " " nbsp; +β5j=1nWijDigeit+β6Controlit+β7j=1nWijControlit+μi+ηt+εit] （7）

（3）機制檢驗模型

進一步考察數字經濟對城市工業碳生產率的影響機制，考慮到中介效應檢驗逐步回歸方法存在爭議和不足，可能影響研究結論信度，本文借鑒江艇[25]的做法，來考察核心解釋變量（Dige）對機制變量工業智能化（MSI）的影響。

[MSIit=ρ0+ρ1j=1nWijICPit+ρ2Digeit+ρ3j=1nWijDigeit+ρ4Controlit+ρ5j=1nWijControlit+μi+ηt+εit] （8）

（4）門檻模型

借鑒Hansen的研究[28]，本文進一步構建如下面板門檻回歸模型如式（9）：

[ICPit=θ0+θ1DigeitI（Tit＜δ1）+θ2DigeitI（δ1≤Tit＜δ2）+θ3DigeitI（Tit≥δ2）+γControlit+μit+εit] （9）

式（9）中，Tit是代表門檻變量，δ為門檻值，且δ1lt;δ2，I（·）為指標函數，當滿足括號內條件即取值為1，否則為0；其他變量定義不變。

四、 實證分析

1. 時空演化特征

為分析長江經濟帶數字經濟時空演化規律和特征，本文借助ArcGIS10.8軟件分別繪制2011年和2021年數字經濟時空分布（圖1）。從圖中可以觀察到，2011年長江經濟帶大部分城市的數字經濟發展水平仍相對較低，而江蘇和浙江的數字經濟水平較為領先；2021年，大部分城市的數字經濟水平得到顯著提升，然而云南貴州地區的數字經濟水平仍較低，各地區數字經濟水平總體上呈現東、中、西部地區逐級遞減格局。從圖2可以看到，2021年長江經濟帶各地區工業CO2排放及工業碳生產率情況，其中參照區為各地區的平均水平，上海、浙江、湖南和重慶市處于碳排放低于平均、碳生產率高于平均的良好發展態勢，江蘇省的工業碳生產率雖然高于平均水平，但仍是工業碳排放的大省，存在巨大的碳減排潛力與空間，云南、安徽和江西等地的工業碳生產率水平偏低。

2. 空間相關性分析

本文對被解釋變量進行空間相關性檢驗，結果表明所有年份Morans’I指數均在1%水平上顯著（表4），說明地區工業碳生產率存在顯著空間相關性，但莫蘭指數總體呈降低態勢，說明不同地區之間的工業碳生產率在空間上的差異逐漸減小。

3. 空間杜賓模型回歸結果

從表5的結果可以觀察到，動態SDM擬合度R2值均大于靜態SDM擬合程度，說明該動態SDM模型具有更好穩健性。其中滯后一期的工業碳生產率（ICPt-1）系數顯著為正，說明上一期工業碳生產率對當期城市工業碳生產率的提升存在正向作用，展現了長江經濟帶環境保護和經濟增長協調推進的動態連續性趨勢。在靜態SDM模型（1）列和（3）列中，空間自回歸數rho顯著為負，表明工業碳生產率存在負向的空間溢出現象，本地區工業碳生產率的提升可能會對其他地區造成競爭效應。但從動態的SDM模型（2）列和（4）列中可以發現，滯后一期的工業碳生產率的空間自回歸數為正，說明在時間的演變下，工業碳生產率較高的地區能通過技術等要素溢出推動鄰近地區工業碳生產率提升，對鄰近地區起到較好示范帶動作用。不論在哪個模型中，數字經濟及其空間滯后項（W·Dige）的系數都顯著為正，說明數字經濟對工業碳生產率存在顯著促進提升作用，且有空間溢出效應，即本地區數字經濟的發展不僅會對當地工業碳生產率產生正向影響，也會帶動周邊城市工業碳生產率的提升，驗證假設1。

為了進一步探討數字經濟發展對工業碳生產率影響的作用，本研究采用偏微分法將結果分解為直接效應、間接效應以及總效應。表6展示了在鄰接關系權重矩陣下，動態SDM模型所得到的短期與長期效應，由于反距離空間權重矩陣下回歸結果的正負號及顯著性與表7相近就不再贅述。考慮動態效應后，數字經濟對工業碳生產率仍表現為顯著的促進提升作用，且數字經濟對工業碳生產率促進作用的長期效應大于短期效應。

4. 穩健性檢驗

本文采用3種方法分別對結論的穩健性程度進行檢驗：（1）替換空間權重矩陣。考慮到空間權重矩陣選擇差異對空間分析結果可靠性的影響，采用經濟地理嵌套空間權重矩陣證實數字經濟對工業碳生產率空間溢出效應的穩健性，結果如表7列（1）所示。（2）使用轉換被解釋變量的方法進行穩健性檢驗。將工業碳生產率替換為工業碳排放量取對數值，其系數變負表明數字經濟對碳排放的抑制作用，回歸結果見表7列（2）所示；（3）使用剔除極端值的方法進行穩健性檢驗。主要是將所有變量進行上下1%的縮尾處理。通過以上3種方法測算，其直接效應、空間溢出效應和總效應同上述計算結論結果較為一致，故研究結論具有穩健性。

五、 進一步分析

1. 機制檢驗

表8匯報了作用機制檢驗的結果，其中第（1）和（2）列分別展示了在鄰接矩陣W1ij和反距離權重矩陣W2ij下，數字經濟對工業智能化的回歸結果。可以發現數字經濟包括其空間滯后項的系數均顯著為正，即數字經濟的發展不僅能夠提升本地工業智能化水平，還會帶動周邊城市的工業智能化水平提高。因此，數字經濟為工業創新提供了新的機遇和平臺，推動工業智能化發展使企業能夠更加高效地利用資源，減少工業碳排放，這也意味著工業智能化是數字經濟提升工業碳生產率的重要機制，假說3得到了證實。

2. 非線性效應分析

為進一步驗證數字經濟和工業智能化的門檻效應，本文采用門檻效應模型（9），經過Bootstrap反復抽樣500次后，數字經濟和工業智能化均在1%的顯著性水平下通過了雙重門檻檢驗，但都未通過三重門檻檢驗。表9結果顯示，數字經濟與工業碳生產率之間存在顯著正向的非線性關系，隨著數字經濟水平的不斷提高，其對工業碳生產率的促進作用會逐漸先增加后削弱，存在數字經濟的“減速效應”；當以工業智能化作為門檻變量時，隨著工業智能化水平的持續提升，數字經濟對工業碳生產率的貢獻相應增大，當其智能化水平處于0.399～0.619范圍時，該影響系數顯著上升為1.323，數字經濟所帶來的工業智能化升級的積極影響更加明顯。但過度開發工業智能化，其大于門檻值0.619時，工業智能化反而會削弱數字經濟對工業碳生產率提升的促進效果。綜上，假說2和4得到證實。

六、 結論與建議

數字經濟正在引領著工業領域的數字化革命，為其低碳轉型提供了契機。長江經濟帶城市既是數字化轉型的主要參與者，又是工業碳減排和可持續發展的重要推動者，因此成為結合這兩個研究主題的理想載體。本文采用靜態和動態的空間杜賓模型考察數字經濟與工業碳生產率的時空演化關系，并基于工業智能化進行機制分析，同時探討數字經濟和工業智能化的非線性關系，得到以下研究結論：

（1）長江經濟帶城市數字經濟總體呈波動性提升態勢，到2021年各地區數字經濟水平顯著提升，各地工業碳生產率水平在空間上的差異逐漸減小，未來仍有巨大的碳減排潛力與空間；（2）數字經濟能夠助推城市工業碳生產率的提升，并存在正向的空間溢出效應，即一定程度上推動周邊城市工業碳排放效率增長，且其長期效應大于短期效應；（3）數字經濟能夠驅動工業智能化間接提高工業碳排放效率，釋放經濟與環境的雙重紅利；（4）數字經濟與工業碳生產率存在正向非線性關系，對工業碳生產率的促進作用呈現先增加后減弱的“減速效應”，同時有序推進工業智能化發展有利于數字經濟促進工業碳生產率提升，而盲目追求智能化指標可能削弱數字經濟對碳生產率的促進作用。

基于上述研究結果，為協調長江經濟帶數字經濟與工業智能化對工業碳生產率的推動作用，本文提出如下政策建議：

第一，優化數字經濟發展環境，挖掘數字經濟減排潛力。加大對數字經濟的政策支持力度，提供優惠政策、人才培養和資金支持，鼓勵工業企業利用數字技術；充分發揮數字經濟優勢，通過優化要素配置、提高生產效率、降低能耗等方式釋放經濟與環境的雙重紅利。同時，為了確保數字經濟對工業碳生產率提升的長期效應得到充分發揮，加強數字基礎設施建設和數字經濟發展的權威評估體系，通過建立數據共享和信息交流平臺，提高網絡覆蓋率和質量、降低數字鴻溝，從而推動數字經濟發展的普惠性。

第二，充分考慮空間特征，針對長江經濟帶各地工業碳生產率水平的差異，因地制宜制定工業綠色減排方針。各城市應立足于自身發展優勢推動工業數字化發展，并鼓勵區域間的合作與技術交流，特別是要重視數字經濟水平較高的省區對其周邊地區工業碳排放效率的涓滴效應。同時，加強對低碳技術和產業的扶持，突破“卡脖子”關鍵核心技術難關，改造升級傳統粗放式工業產業，淘汰落后產能，加強工業數字化、智能化的研發與應用。開發更高效和環保的生產方式，以助力工業綠色協同發展，激發數字化、智能化在工業碳生產率賦能作用。

第三，注重數字經濟與工業智能化的平衡發展，以避免數字經濟出現“減速效應”。通過推動數字經濟的創新和轉型，加強數字技術的研發和應用，引導激發工業智能化新動能，從而推動數字經濟可持續發展。同時，避免盲目追求智能化指標而削弱數字經濟對碳生產率的促進作用。大多地區工業智能化發展仍處于起步階段，未來有很大的發展空間，應根據各地區的實際情況制定科學的智能化發展目標，通過加強地區間的經濟和生產要素的合作，合理推動工業智能化與碳生產率協同發展。

參考文獻：

[1] 杜之利，蘇彤，葛佳敏，等.碳中和背景下的森林碳匯及其空間溢出效應[J].經濟研究，2021，56（12）： 187-202.

[2] Hu W， Wang D.How Does Environmental Regulation Influence China’s Carbon Productivity？ An Empirical Analysis based on The Spatial Spillover Effect[J].Journal of Cleaner Production，2020（257）：120484.

[3] 滕磊，冷玥.數字經濟能夠提升美好生活水平嗎[J].調研世界，2022，350（11）：22-31.

[4] 遲明園，石雅楠.數字經濟促進產業結構優化升級的影響機制及對策[J].經濟縱橫，2022，437（4）： 122-128.

[5] Lu W C.The Impacts of Information and Communication Technology， Energy Consumption，Financial Development，and Economic Growth on Carbon Dioxide Emissions in 12 Asian Countries[J].Mitigation and Adaptation Strategies for Global Change，2018（23）：1351-1365.

[6] ElMassah S，Mohieldin M. Digital Transformation and Localizing the Sustainable Development Goals（SDGs）[J].Ecological Economics，2020（169）：106490.

[7] 趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J].管理世界，2020，36（10）：65-76.

[8] 鄧慧慧，劉宇佳，王強.中國數字技術城市網絡的空間結構研究——兼論網絡型城市群建設[J].中國工業經濟，2022（9）：121-39.

[9] 李雪松，黨琳，趙宸宇.數字化轉型、融入全球創新網絡與創新績效[J].中國工業經濟，2022，415（10）： 43-61.

[10] Polák P.The Productivity Paradox： A Meta-analysis[J].Information Economics and Policy，2017（38）：38-54.

[11] 郭守亭，張旺虎，熊穎.數字經濟賦能城鄉協調發展的實證研究[J].南京審計大學學報，2022，19（5）： 81-89.

[12] Li Z， Wang J.The Dynamic Impact of Digital Economy on Carbon Emission Reduction： Evidence City-level Empirical Data in China[J].Journal of Cleaner Production，2022（351）： 131570.

[13] Mokyr J.Secular Stagnation？ Not in Your Life[J].Secular Stagnation：Facts， Causes and Cures，2014（1）：83-89.

[14] Solow R. We'd better watch out[J]. New York Times Book Review，1987（36）.

[15] 王艷秋，陶思佳.工業智能化對中國工業碳排放效率的影響及空間效應研究[J].技術經濟，2023，42（1）：130-40.

[16] 白雪潔，宋培，李琳.數字經濟如何平衡“穩增長調結構”目標——基于地區-行業層面的分析[J].南開經濟研究，2022（7）：3-22.

[17] Pan X， Li M， Wang M， et al.The Effects of Outward Foreign Direct Investment and Reverse Technology Spillover on China’s Carbon Productivity[J].Energy Policy，2020（145）：111730.

[18] 任曉松，馬茜，劉宇佳，等.碳交易政策對工業碳生產率的影響及傳導機制[J].中國環境科學，2021， 41（11）：5427-5437.

[19] Kaya Y，Yokobori K.Environment，Energy，and Economy：Strategies for Sustainability[M].United Nations University Press，1997.

[20] 王香艷，李金葉.數字經濟是否有效促進了節能和碳減排？[J].中國人口·資源與環境，2022，32（11）：83-95.

[21] 萬曉榆，羅焱卿.數字經濟發展水平測度及其對全要素生產率的影響效應[J].改革，2022（1）：101-118.

[22] 溫素彬，張金泉，焦然.智能制造、市場化程度與企業運營效率——基于A股制造業上市公司年報的文本分析[J].會計研究，2022（11）：102-117.

[23] Yu F，Wang L，Li X.The Effects of Government Subsidies on new Energy Vehicle Enterprises：The Moderating Role of Intelligent Transformation[J].Energy Policy，2020（141）：111463.

[24] 郭磊，賀芳兵，李靜雯.中國智能制造發展態勢分析——基于制造業上市公司年報的文本數據[J].創新科技，2020，20（2）：61-71.

[25] 魏麗莉，侯宇琦.數字經濟對中國城市綠色發展的影響作用研究[J].數量經濟技術經濟研究，2022， 39（8）：60-79.

[26] 邵帥，范美婷，楊莉莉.經濟結構調整、綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察[J].管理世界，2022，38（2）：46-69.

[27] 江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[28] Hansen B E.Threshold Effects in Non-dynamic Panels： Estimation， Testing， and Inference[J].Journal of Econometrics，1999，93（2）：345-368.

基金項目：國家自然科學基金一般項目“內陸城市群生產性服務業空間集聚格局、機理與效應研究”（項目編號：41261023）；南昌航空大學研究生創新專項資金項目資助（校級項目）（項目編號：YC2023-069）。

作者簡介：謝奉軍，男，博士，南昌航空大學經濟管理學院，教授、碩士生導師，研究方向為產業經濟；江昕杰，通訊作者，男，南昌航空大學經濟管理學院碩士研究生，研究方向為產業與能源經濟。

（收稿日期：2023-10-24" 責任編輯：蘇子寵）