數字經濟對江西省綠色全要素生產率的影響研究

摘 要：數字經濟賦能綠色發展是中國經濟轉型的重要目標，探索數字經濟對城市綠色生產要素（GTFP）的影響對建成智慧城市和綠色城市具有重要意義。基于江西省11個地級市2013—2022年的面板數據，采用熵權法和SBM-GML模型計算其數字經濟發展水平和GTFP，實證探討數字經濟對江西省GTFP的影響機制以及城市綠色創新能力的中介效應，研究結果表明：數字經濟的發展可以顯著地促進江西省各個城市GTFP的提升，還可以提高江西省各個城市的綠色創新能力進而推動GTFP的提升。因此，應當培育江西省數字經濟發展新引擎，推動城市數字化水平和綠色創新能力的提高，助力江西省GTFP的提升。

關鍵詞：數字經濟；綠色全要素生產率；城市綠色創新能力；SBM-GML模型；江西省

中圖分類號：F49；X321 文獻標志碼：A 文章編號：1005-7544（2024）06-0072-13

一、引言

為實現“雙碳”目標，江西省人民政府印發《關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的實施意見》，闡述了江西省綠色發展之路，也明確指出未來必須走高質量跨越式發展道路。綠色經濟增長模式必定要兼顧生態保護和經濟增長，而綠色發展的關鍵就在于綠色全要素生產率（Green Total Factor Productivity，GTFP）的提升。綠色全要素生產率的衡量標準既包括增長效率又考慮生態資源等環Zk9F2RD7FA3gcK0U0izlDw==境因素，充分體現了綠色增長的蘊意，由此成為考察區域綠色經濟增長的關鍵指標。在經濟轉型的關鍵階段，探索綠色低碳發展之路對未來城市發展至關重要，如何提升城市綠色經濟效率并加快城市綠色轉型從而實現高質量發展的問題亟待解決。

與此同時，數字經濟的蓬勃興起為中國經濟社會高質量、可持續發展提供了新的契機，也為綠色發展提供了重要路徑。數字經濟以數據和信息技術作為核心生產要素［1］，具有的規模性不僅打破了有限傳統生產要素供給的局限，還為從根本上改變資源配置的激勵安排提供了有力支撐。自發展數字經濟上升為國家戰略以來，各地政府在新的時代背景下積極實施相應的數字Zk9F2RD7FA3gcK0U0izlDw==經濟規劃。江西省聚焦數字經濟“一號發展工程”，推動數字經濟高質量跨越式發展。根據江西省大數據中心發布的《江西省數字經濟發展白皮書（2022）》，2021年江西省數字經濟發展成效顯著，數字經濟增加值達10378億元，邁入萬億大關，數字經濟規模占GDP比重高達35%。在數字創新技術加快發展、數字產業化和產業數字化快速推進的同時，江西省將迎來重要的戰略機遇期。然而我國正值數字經濟發展初期，在提高區域經濟創新能力方面成效顯著，但在“減污降碳”等影響綠色發展進程的核心問題上依舊任重道遠。

在上述背景下，如何發揮數字經濟的創新驅動作用、培育數字經濟綠色新引擎將是江西省未來發展的重要方向。本文在已有研究的基礎上，聚焦數字經濟和綠色全要素生產率兩大主題，結合江西省數字經濟與綠色發展的實際情況，實證分析數字經濟對江西省綠色要素生產率的影響機制。

二、文獻回顧與研究假設

（一）文獻回顧

近年來關于數字經濟和綠色全要素生產率的研究熱度持續高漲，與本文相關的研究主要包含以下三個方面：數字經濟的內涵界定、統計測度，綠色全要素生產率的測度及數字經濟對綠色全要素生產率的影響。

第一，在數字經濟數年來的蓬勃發展中，其概念愈發包容和多維。Tapscott（1996）首次提出“數字經濟”是指以科學通信技術為基礎并運用于各個領域產生社會經濟收益的一系列活動。學者們在不斷探討后達成如下共識：數字經濟是以數字化技術為主要投入生產要素、以信息化賦能基礎設施為重要載體、以信息通信技術作為優化經濟結構與提升效率推動力的一系列經濟活動。［2］由于數字經濟是一個多維度的綜合概念，其水平測度方法多用構建指標體系的方法，包括采用熵值法、主成分分析法來構建指標體系評價測度和選取相關指標對某地區數字經濟發展水平進行直接測度，通常選取數字基礎設施、數字產業發展、數字經濟環境、數字產業化、數據價值化、產業數字化和數字化治理等指標構建測度體系。［3-6］

第二，根據國家統計局對全要素生產率的定義，全要素生產率指產出與綜合要素投入之比，綜合要素指資本、勞動、能源及其他要素等兩種及以上要素的組合。全要素生產率反映了資源配置狀況、生產技術水平、生產要素的轉變、生產效率以及經濟制度與各種社會因素對生產活動的影響程度。隨著我國經濟轉向高質量發展，傳統的全要素生產率測算已不能很好反映綠色發展下我國經濟發展趨勢，因此，學者們引入綠色全要素生產率來測度我國經濟綠色發展狀況。章志華等認為提升綠色全要素生產率是推動我國經濟發展綠色低碳轉型的內生動力。［7］國內外學者對GTFP的測度方法主要包括參數法（SFA）和非參數法（DEA）。參數方法（SFA）包括生產函數法和隨機前沿生產模型，早前我國有學者通過SFA來測算我國相關領域全要素生產率，如李勝文等運用三投入的隨機前沿生產函數測算了中國工業全要素生產率的波動。［8］非參數模型中的數據包絡分析法（DEA）相較于隨機前沿模型而言，不要求具體的函數模型和特定的參數分布假設，而是利用線性規劃的數學原理來測算效率值，可以計算含有多個投入和產出的生產效率值。數據包絡法通常與Malmquist-Luenberger（ML）指數結合使用，然而DEA計算過程中各決策單元在求權重時是從對自己最有利的角度出發。因此，Tone在分析總結前人的理論下，引入了SBM模型來優化效率測算，模型中包含非徑向非角度變量，改進了原有模型的變量松弛問題，使得包含非期望產出的測算的效率值更加準確。［9］OH提出了GML模型，使得測算的效率具有可以分期比較的優點。［10］肖遠飛等結合SBM方向距離函數和GML指數計算全局參比的GTFP。［11］

第三，關于數字經濟對綠色全要素生產率的影響研究。學者們基于對不同經濟形態的大量研究，認為數字經濟在環境保護、資源配置以及生產率方面的改善作用不斷凸顯，對綠色全要素生產率具有顯著的促進作用。朱喜安等以創新效率與要素錯配為切入點，通過內在機制檢驗發現數字經濟對GTFP的正向影響不僅存在直接效應和間接效應，還存在空間溢出效應。［12］郭秋秋等以地級市為研究對象，實證發現數字經濟對城市GTFP有積極作用，且在南方城市和非資源型城市的影響效應更為明顯。［13］周曉輝等從要素配置扭曲視角探究了數字經濟對GTFP的影響。［14］單金玉研究發現數字經濟可以通過優化產業結構來促進GTFP提升。［15］張凌潔等研究發現數字經濟可有效通過產業結構升級促進GTFP提升。［16］

根據已有文獻，數字經濟對綠色全要素生產率的影響研究雖然是當前的熱點，但仍有一定的拓展空間：第一，現階段的定量研究大多聚焦省級和行業等層面，城市數字經濟背后的綠色經濟價值有待挖掘；第二，學者們對于數字經濟和綠色全要素生產率的測度沒有統一標準。基于此，本文采用2013—2022年江西省地級市面板數據，探索數字經濟對城市綠色全要素生產率的影響，并將城市綠色創新能力作為中介變量研究其具體影響機制。

（二）研究假設

學者們把數字經濟對GTFP的影響分為直接效應及間接效應。在直接效應方面，當數字經濟融入實體經濟時，能充分激發各類產業的市場活力，進而提升GTFP。宏觀層面，數字經濟具有規模性，存在可復制、自我創新的特征，提高了信息交互的效率，通過提升資源配置效率、新要素投入和全要素生產率極大地推動GDP增長。知識擴散與技術溢出在間接推動區域經濟增長的同時，還可以提升本區域與鄰近區域的資源配置效率與全要素生產率。微觀層面，數字浪潮下，新興技術的應用極大改善了供需關系，不僅可以將企業業務流程化以降低企業的相關成本，還能推動企業智能化轉型，通過技術積累和規模經濟等渠道提升全要素生產率。趙巍利用我國279個城市數據，從作用機制及門檻效應兩個方面對數字經濟對GTFP的影響進行系統研究，認為數字經濟能夠促進GTFP的提升。［17］魏麗莉等研究發現數字經濟對城市綠色發展效率的影響呈上升態勢。［18］基于此，本文提出如下研究假設：

H1：數字經濟有利于直接推動綠色發展，即數字經濟能夠顯著促進江西省各城市GTFP提升。

在間接效應方面，數字經濟的發展提高了信息交互的效率，通過搭建數字經濟平臺，優化供應網絡與銷售渠道，整合碎片化供需信息，減少信息不對稱，需求和供給被充分調動，提高了社會的資源配置效率，為實現城市綠色發展提供基礎保障。［19］科技創新是推動GTFP提升的關鍵因素［20］，為城市進一步進行綠色創新提供了技術基礎。數字經濟提高了科技創新水平，而技術進步是地區經濟綠色轉型升級的關鍵。［21］一方面，數字經濟通過顛覆性創新、資源配置優化，使得創新網絡中知識溢出和交互更具高效性，減少了生產成本，使得企業的創新能力提升，進而改善生態環境。另一方面，隨著市場需求逐漸綠色化，企業主體可以借助數字和信息化技術的高滲透性特征，提升科技創新能力，從而實現產業綠色化轉型。在數字經濟背景下，提高綠色技術使用效率是促進GTFP提升的重要動力源泉，不僅實現了高效率、低成本和較少資源損耗的綠色技術創新［22］，也為擴大城市綠色技術前沿和生產可能性邊界提供了堅實基礎。基于此，本文提出如下研究假設：

H2：數字經濟通過提高城市綠色創新能力進而推動江西省各城市GTFP的提升。

三、研究設計

（一）模型設定

根據前文所述的理論機制，建立如下基準回歸模型來探究數字經濟對江西省GTFP的影響：

gtfpi，t=α0+α1digitali，t+βCVi，t+μt+εi，t （1）

其中，i和t分別表示地級市和年份，gtfpi，t表示i地級市在第t年的GTFP，digitali，t表示i地級市在第t年的數字經濟指數［23］，CVi，t代表一系列的控制變量，μt表示時間固定效應，α0表示常數項，εi，t表示隨機擾動項。

同時根據前面的理論分析，城市綠色創新能力的提高能夠影響數字經濟對城市GTFP的作用效應。因此，引入綠色創新能力作為中介變量以探究數字經濟對江西省GTFP的間接影響效應［24］，構建模型如下：

gti，t=γ0+γ1digitali，t+βCVi，t+μt+εi，t （2）

gtfpi，t=α0+α1digitali，t+α2gti，t+βCVi，t+μt+εi，t （3）

在模型中，gti，t表示i地級市在第t年的綠色創新能力。

（二）變量的選取和測度

1.數據來源和樣本收集

根據本文所研究的內容，樣本選自江西省11個地級市2013—2022年的原始數據。數據來源于《江西省統計年鑒》《中國城市統計年鑒》、中國區域經濟數據庫、中國國家知識產權局、江西省商務廳以及江西省統計局。

2.被解釋變量的測度

本文采用SBM-GML模型來測度江西省11個地級市2013—2022年的綠色全要素生產率水平，測算體系及指標說明如表1所示。由于測算出的GML指數反映的是第t-1年到第t年的環比綠色全要素發展水平，因此參考蔡玲的做法，將2012年設定為基期，當年的綠色全要素生產率設為1，然后與之后每一年的綠色全要素生產率指數累乘，獲得各個地級市每一年的綠色全要素生產率指數。［25］

SBM-GML模型的構建過程如下所示：

假設有m個決策單元DMU，每個決策單元里面包含有n個投入，p個期望產出以及q個非期望產出，將它們分別表示為xn，yp，zq，定義矩陣S=（Sx，Sy，SZ）。其中Sx表示投入要素過剩，Sy表示期望產出不足量，SZ表示過度的非期望產出量，Sx，Sy，SZ分別代表了投入xn，期望產出yp和非期望產出zq的松弛變量［26］，具體模型如下所示：

其中，λ為模型中的權重向量，ρ*為在生產層面的決策單位與技術前沿面最近距離的一個點，在SBM超效率模型的基礎上，建立GML模型如下所示：

x，y，z分別表示投入要素向量，期望產出向量以及非期望產出要素向量，ρg是根據全局方向性距離函數所計算出來的江西省各個城市的效率值，而ρt是根據前沿T期方向距離函數算出的江西省各個城市在某個特定時間段的效率值，GML計算出來的是江西省各個地級市的全局生產效率，即所測度的綠色全要素生產率。

3.核心解釋變量的測度

本文參考趙濤對中國城市數字經濟水平的測算方法，從互聯網發展水平和數字金融發展水平兩個方面來構建江西省數字經濟指數的測算體系［27］，其中互聯網發展水平采用寬帶網普及率、移動電話普及率、電信業務發展水平和互聯網相關行業從業人員情況來衡量，數字金融發展水平采用北京大學數字普惠金融指數來表示［28］，測算體系如表2所示。

通過熵權法對各標準化后的指標進行賦權，然后計算江西省各個地級市2013—2022年數字經濟指數，各地級市數字經濟發展趨勢如圖1所示。

4.中介變量

本文選取城市綠色創新能力作為模型的中介變量，參考蔡玲的做法，將江西省各地級市各年的綠色發明專利申請量和綠色實用新型專利申請量加總后加1取對數來表示城市綠色創新能力。［29］

5.控制變量

本文選取對外開放水平（fdi）［30］、經濟發展狀況（rgdp）［31］和人力資本水平（edu）［32］作為控制變量。選取當年實際使用外資金額除以當年的地區生產總值來表示對外開放水平；選取人均GDP來反映該城市當年的經濟發展水平；選取高等學校在校生人數與城市總人口之比來表示人力資本水平。［33］各個控制變量的具體測度如表3所示。

四、實證分析

（一）變量的描述性統計

對模型中的各個變量進行描述性統計，結果如表4所示。

（二）基準回歸結果分析

對江西省數字經濟對綠色全要素生產率的影響效應進行面板回歸分析，基準回歸結果如表5所示。列（1）為沒有加入控制變量和固定效應時的回歸結果，列（2）為加入了固定效應但沒有加入控制變量的回歸結果，列（3）為同時加入了固定效應和控制變量之后的回歸結果。

由表5可以看出，在沒有加入固定效應和控制變量前及在加入時間固定效應和控制變量之后，數字經濟指數對江西省綠色全要素生產率的回歸系數均為正數，且都在1%的水平上顯著，該結果驗證了假設H1，即數字經濟和江西省綠色全要素生產率具有顯著的正相關性，數字經濟推動了江西省綠色全要素生產率的提升。

觀察列（3）的其他控制變量，其中對外開放水平與江西省綠色全要素生產率之間具有顯著的負相關關系，即外商直接投資水平抑制了江西省綠色全要素生產率的提升［34］，這可能是因為某些投資商為了降低企業治理生產污染的成本費用和減少生產廢棄物對本地區環境的污染，將一些污染密集型企業向江西省遷移，而大量的工業生產加大了能源的消耗和環境的污染，使綠色全要素生產率的提升受到抑制。而經濟發展水平和人力資本水平均與江西省綠色全要素生產率呈現顯著的正相關關系，即經濟發展水平提升促進了江西省綠色全要素生產率的提升。高水平人力資本累積了先進的技術與經驗，是促進技術進步和生產效率提升的重要力量，同時高水平人力資本傾向于低碳環保型生活方式，倒逼企業綠色創新。

（三）穩健性檢驗

1.替換核心解釋變量

本文借鑒郭秋秋的方法，使用主成分分析法對江西省綠色全要素生產率進行重新測算，變量名記作digitalz，將主成分測算的核心解釋變量值替換原來的核心變量值，按照原來的實證分析方法帶入模型。［35］回歸分析結果如表6中列（1）所示，可以看到，更換核心變量測算方法之后的數字經濟指數的回歸系數在1%的水平上依然顯著為正，說明數字經濟對綠色全要素生產率的提升有顯著的推動作用，驗證了上述回歸結果的穩健性。

2.使用分位數回歸

由于面板回歸是根據數字經濟對江西省各個城市GTFP指數的中心趨勢的分析，為了更加精準地描述數字經濟對江西省各個城市GTFP的條件概率分布和各個階段變化趨勢的影響，同時也為了捕捉更全面的分布特征，本文采用分位數回歸來驗證穩健性，回歸結果如表6中列（2）（3）（4）所示。可以看到，在這三個分位的回歸結果中，核心解釋變量數字經濟的回歸系數均為正，且均在1%的水平下顯著，說明江西省數字經濟對各個城市的綠色全要素生產率的提升都有著顯著的推動作用，再次驗證了基準回歸結果的穩健性。

（四）內生性問題的處理

本文研究內容為數字經濟對綠色全要素生產率的影響，而這兩個變量之間很可能存在著雙向因果關系。一方面，由于城市綠色全要素生產率具有時間上的延續性，即某一年城市綠色全要素生產率可能會受到上一年綠色全要素生產率的影響，而綠色全要素生產率的提高代表著技術進步，會對下一年的數字經濟發展起到正向作用，即存在雙向因果關系，其可能會導致內生性問題。另一方面，城市綠色全要素生產率受到多種因素的影響，本文所選取的控制變量很難全面反映所有對綠色全要素生產率產生影響的變量，而遺漏變量也可能會導致內生性問題。

因此，本文采取工具變量法來解決內生性問題，借鑒黃群慧的做法，使用1984年郵局數量乘以上一年各個城市的互聯網用戶數作為江西省數字經濟指數的工具變量。［36］郵局分布越多的地方，其互聯網水平和數字經濟水平通常比較高，但隨著科技的快速發展，互聯網和高速的物流業漸漸取代了郵局的功能，且綠色全要素生產率的影響因素較多，郵局的數量基本不會對現在的綠色全要素生產率產生明顯的影響，這符合工具變量需要具有的外生性和相關性這兩個必要條件。上述數據來自《中國城市統計年鑒》和《江西省統計年鑒》。

采用2SLS兩階段最小二乘法回歸來處理模型中的內生性問題。先對工具變量進行不可識別檢驗和弱工具變量檢驗，得到的檢驗結果如表7所示。可以看到，在不可識別檢驗中，P值為0.000，通過了顯著性檢驗，拒絕原假設，說明工具變量通過了檢驗。在弱工具變量檢驗中，F值為85.409，通過了顯著性檢驗，說明該工具變量是有效的。二階段回歸結果如表8所示。一階段回歸結果中，工具變量的回歸系數為正且在1%的水平顯著，說明工具變量與內生變量之間呈顯著的正相關關系，即早期的郵局數量和互聯網的發展都推動了數字經濟水平的提高。二階段回歸結果在識別了內生性問題后，數字經濟指數的回歸系數仍然在1%的水平下顯著為正，說明數字經濟對江西省綠色全要素生產率提升的推動效果仍是顯著的，證明了結果的穩健性。

（五）機制檢驗

為檢驗數字經濟能否通過影響城市綠色創新能力來間接提升城市綠色全要素生產率，將數據帶入模型（2）（3）進行回歸分析，模型（2）探究的是數字經濟對城市綠色創新能力的影響，模型（3）探究的是城市綠色創新能力是否會作為中介變量影響數字經濟與綠色全要素生產率間的關系。機制檢驗回歸結果如表9所示，列（1）是模型（2）的回歸結果，可以看到數字經濟指數的回歸系數在1%的水平下顯著為正，說明數字經濟和城市綠色創新能力之間是顯著的正相關關系，即數字經濟推動了江西省各個城市綠色創新能力的提高。列（2）是模型（3）的回歸結果，可以看到數字經濟指數和城市創新能力的回歸系數均在1%的水平下顯著為正，說明數字經濟指數和城市創新能力都會正向影響江西省綠色全要素生產率，且數字經濟對綠色全要素生產率的回歸系數相較未引入中介變量前變小，驗證了假設H2，即數字經濟通過提高江西省城市綠色創新能力從而推動江西省各個城市綠色全要素生產率的提升。

五、結論與建議

（一）結論

本文根據江西省2013—2022年11個地級市的城市面板數據測算江西省數字經濟發展水平以及綠色全要素生產率的發展水平，通過構建基準計量模型來分析江西省11個地級市數字經濟發展水平和綠色全要素生產率之間的內在關系。進一步運用中介模型驗證城市綠色創新能力在二者間的中介作用，且通過穩健性檢驗、內生性檢驗驗證了結果的穩定性和可信度。得到結論如下：

第一，根據測算出的數字經濟指數，江西省數字經濟水平總體表現出穩定提高的趨勢。其中南昌市的數字經濟發展最快，其余地級市的數字經濟水平也以穩定的速度不斷提高。

第二，江西省數字經濟的發展可以顯著地推動綠色全要素生產率的提升。在面板回歸、穩健性檢驗和內生性檢驗中，數字經濟對江西省綠色全要素生產率的回歸系數始終為正，說明數字經濟明顯促進了江西省綠色全要素生產率的提升。

第三，從影響機制方面來看，引入城市綠色創新能力這個中介變量后發現，江西省數字經濟發展水平可以通過提高城市綠色創新能力來推動江西省綠色全要素生產率的提升。

（二）建議

根據上述結論，為了持續推進江西省數字經濟水平提高并進一步提升江西省各城市的綠色全要素生產率，實現城市綠色發展和數字化轉型，促進經濟高質量發展，本文給出以下建議：

1.推動數字經濟發展以促進江西省各城市GTFP提升

第一，以江西省數字經濟“一號發展工程”為指引，大力發展和建設數字經濟的基礎設施。推進包括VR（虛擬現實技術）、自動化機械制造、物聯網、5G基站建設、電子設備制造、人工智能等一系列領域的關鍵技術突破。大力培養和招募數字化人才，形成一批高技術、高素質的優秀數字經濟建設團隊。努力推進數字產業化和產業數字化，大力發展南昌市的VR產業，加快技術產業的項目落實，創新核心技術，鞏固和強化南昌市VR技術發展的優勢。按照江西省物聯網產業發展計劃，以打造“物聯江西”為指引，大力發展鷹潭市的物聯網產業基地，同時在各個地級市推動建設一批物聯網產業集群，在交通、產品制造、旅游等方面打造一批物聯網應用品牌。第二，推動江西省大數據產業和云計算工程的發展。在區域范圍內形成大數據產業集群，在大數據產業集群中大力發展數據收集、檢索、挖掘以及數據安全等相關領域關鍵技術，打造一批云服務APP和便民的線上智能應用平臺。

2.提高城市綠色創新能力以提升江西省GTFP

第一，加大綠色技術和產品的研發資金投入和政策支持力度。加大政府財政的支持力度，為企業綠色創新提供基礎支撐。落實稅收優惠政策，降低企業的創新研發成本，鼓勵企業積極創新發展。第二，促進綠色技術交流與學習，構建數字平臺，促進企業間、企業和科研機構、企業和高校等的技術交流與合作，推動綠色生產技術的進步。第三，推動創新型人才隊伍建設，制定創新型人才培育和引進專項政策，加大對人才引進戰略的政策與資金支持，引進數字化、創新型、專業型人才，為城市綠色創新發展賦能。

參考文獻：

［1］烏靜，肖鴻波，陳兵.數字經濟對綠色全要素生產率的影響研究［J］.金融與經濟，2022，（1）.

［2］史宇鵬.數字經濟與制造業融合發展：路徑與建議［J］.人民論壇·學術前沿，2021，（6）.

［3］吳翌琳.國家數字競爭力指數構建與國際比較研究［J］.統計研究，2019，（11）.

［4］金燦陽，徐藹婷，邱可陽.中國省域數字經濟發展水平測度及其空間關聯研究［J］.統計與信息論壇，2022，（6）.

［5］何地，趙炫焯，齊琦.中國數字經濟發展水平測度、時空格局與區域差異研究［J］.工業技術經濟，2023，（3）.

［6］張微微，王曼青，王媛，等.區域數字經濟發展如何影響全要素生產率？——基于創新效率的中介檢驗分析［J］.中國軟科學，2023，（1）.

［7］章志華，唐禮智，孫林.雙向FDI協調發展、市場分割與綠色全要素生產率［J］.商業研究，2023，（5）.

［8］李勝文，李大勝.中國工業全要素生產率的波動：1986～2005——基于細分行業的三投入隨機前沿生產函數分析［J］.數量經濟技術經濟研究，2008，（5）.

［9］Tone K. A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research， 2001，（3）.

［10］Oh D hyun. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis， 2010，（3）.

［11］［28］肖遠飛，姜瑤.數字經濟對地區綠色全要素生產率的影響［J］.科技和產業，2021，（12）.

［12］［30］朱喜安，馬櫻格.數字經濟對綠色全要素生產率變動的影響研究［J］.經濟問題，2022，（11）.

［13］［31］［35］郭秋秋，馬曉鈺.數字經濟對城市綠色全要素生產率的影響研究［J］.現代管理科學，2022，（5）.

［14］周曉輝，劉瑩瑩，彭留英.數字經濟發展與綠色全要素生產率提高［J］.上海經濟研究，2021，（12）.

［15］單金玉.數字經濟、產業結構優化與綠色全要素生產率［J］.佳木斯大學社會科學學報，2022，（2）.

［16］張凌潔，馬立平.數字經濟、產業結構升級與全要素生產率［J］.統計與決策，2022，（3）.

［17］［32］［33］趙巍.數字經濟與城市綠色全要素生產率：作用機制與門檻效應［J］.中國流通經濟，2022，（11）.

［18］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，（8）.

［19］肖旭，戚聿東.產業數字化轉型的價值維度與理論邏輯［J］.改革，2019，（8）.

［20］錢娟，李金葉.中國工業能源節約偏向型技術進步判別及其節能減排效應［J］.經濟問題探索，2018，（8）.

［21］方敏，楊勝剛，周建軍，等.高質量發展背景下長江經濟帶產業集聚創新發展路徑研究［J］.中國軟科學，2019，（5）.

［22］韋施威，杜金岷，潘爽.數字經濟如何促進綠色創新——來自中國城市的經驗證據［J］.財經論叢，2022，（11）.

［23］鄭威，陸遠權.財政壓力、技術創新與綠色全要素生產率［J］.貴州財經大學學報，2021，（4）.

［24］潘枝青，陳鈞浩.參與全球價值鏈對行業內工資差距的影響及其機制研究［J］.科技與管理，2020，（6）.

［25］［29］蔡玲，汪萍.數字經濟與城市綠色全要素生產率：影響機制與經驗證據［J］.統計與決策，2022，（9）.

［26］吳旭曉.中國區域綠色創新效率演進軌跡及形成機理研究［J］.科技進步與對策，2019，（23）.

［27］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，（10）.

［34］賢成毅，王恩華.珠江—西江經濟帶FDI與環境規制對綠色全要素生產率的影響——基于空間溢出效應和門檻效應的實證研究［J］.武漢商學院學報，2021，（6）.

［36］黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗［J］.中國工業經濟，2019，（8）.

Research on the Impact of Digital Economy on Green Total Factor Productivity in Jiangxi Province

Zhu Jiawei Pan Silong Jin Xiaobei

Abstract： Empowering green development with the digital economy is an important goal of China's economic transformation， and exploring the impact of the digital economy on urban green production factors （GTFP） is of great significance for building smart and green cities. Based on panel data from 11 prefecture-level cities in Jiangxi Province from 2013 to 2022， the entropy weight method and SBM-GML model are used to calculate their level of digital economy development and GTFP. The impact mechanism of digital economy on GTFP in Jiangxi Province and the mediating effect of urban green innovation capability are empirically explored. The results show that the development of digital economy can significantly promote the improvement of GTFP in various cities in Jiangxi Province， and can also enhance the green innovation capability of various cities in Jiangxi Province， thereby promoting the improvement of GTFP. Therefore， it is necessary to cultivate a new engine for the development of digital economy in Jiangxi Province， promote the improvement of urban digitalization level and green innovation capability， and assist in the enhancement of GTFP in Jiangxi Province.

Key words： Digital economy; Green total factor productivity; Urban green innovation capabilities; SBM-GML model; Jiangxi Province

責任編輯：嚴玉婷