數字經濟、產業集中度與制造業綠色技術效率

摘要：綠色轉型是制造業高質量發展核心內容，經濟數字化和產業結構優化是制造業綠色技術進步的動力源泉。收集2004—2022年數據，借助GML指數核算制造業綠色技術效率，分析數字經濟及產業集中度等對我國制造業綠色技術效率的影響。研究發現：我國省際數字經濟指數差異大，制造業集中度整體偏低，研發資本比例較低；數字經濟、合理的制造業集中度、研發資本比例及人力質量對制造業綠色技術效率正向驅動；相鄰地區研發資本正向溢出，相鄰地區產業集中度有競爭效應；數字經濟對制造業集中度、研發投入正向效應；環境規制、金融發展和經濟水平越高，研發投入對制造業綠色技術進步正影響越強。建議適度加強數字設施建設，深化數實融合提升制造業產業集中度，提高研發資本比例和勞動力質量，增強制造業升級內生動力，精準實施環境規制，加快制造業綠色技術進步。

關鍵詞：制造業綠色技術；產業集中度；要素質量；效應分析

中圖分類號：F421" " " " 文獻標識碼：A" " " "文章編號：1003-8477（2025）02-0098-12

一、引言

2017年以來，我國經濟由高投入、高排放、低附加值的高速增長模式向高技術、高效率、高價值、綠色化的高質量發展模式轉型。綠色技術是制造業高質量發展的創新方向，有利于促進新質生產力的形成。綠色技術進步是在經濟有效產出增長的基礎上降低污染物排放強度的優化過程。結構影響功能和效率，效率引致結構演變。一國或地區制造業結構決定其運行功能和效率，優化產業組織結構，培養和吸納優質生產要素，增強研發投入和技術創新能力，進一步提高要素生產率，實現制造業綠色技術持續進步和高質量發展。

高價值化和綠色化是實現制造業質量升級的基本導向，研發投入和技術創新是綠色技術進步的根本動力。資源稟賦、能源效率（Batouta，et al.， 2023）、[1]產業結構、產業集聚以及工業智能（唐曉華，遲子茗，2022）導致要素投入替代和有偏技術進步。[2]政府運用財政、稅收和金融進行環境規制（陳詩一和陳登科，2018）可引導資源配置，[3]減少排放和促進綠色技術創新（董直慶和王輝，2019；Gao， et al.， 2023）；[4][5]數字金融及數字化轉型（張宇和錢水土，2022）、[6]國際投資和貿易、反腐敗、城鎮化（李小克、李小平，2022）也影響產業綠色技術進步。[7]

綠色技術進步衡量有參數法和非參數法。其中，參數法通過估算前沿生產函數，根據假設運用總量生產函數和設定投入要素質量變化求解具體函數，以資本和勞動力等要素投入增長不能解釋的經濟增長部分作為技術進步。非參數法用指數法不用設定具體生產函數，運用會計核算法測算投入-產出的指數及其變化形式表示技術進步，如用M-L指數法核算技術效率和技術進步指數（Xie， et al.， 2024）。[8]

現有文獻對產業綠色技術進步衡量及相關影響因素的研究較多，但分析數字經濟背景下產業結構演變對制造業綠色技術進步的影響較少。綠色技術進步是制造業高質量發展的核心方向，高質量生產要素是產業技術創新和持續升級的內在動力，產業結構是要素配置和企業競爭的框架。數字經濟及制造業產業結構對我國制造業綠色技術進步產生怎樣的影響？環境規制等外在因素如何通過制造業內在因素而產生作用呢？

本文試圖分析數字經濟及產業結構等變化對制造業綠色技術進步的影響，探索數字經濟、產業結構等通過要素質量的中介作用，探討財稅、環境規制等外部因素產業結構的調節作用，揭示制造業綠色技術進步的影響機理。本文創新之處在于：其一是分析了數字經濟、產業結構對制造業綠色技術進步的影響；其二是分析了數字經濟、制造業產業結構對要素質量提升的作用機制，估算了合理的制造業產業集中度；其三是分析了數字經濟、環境規制及財稅等宏觀環境因素對制造業產業結構和要素質量的調節作用。

下文結構是：第二部分介紹綠色技術進步的內涵，借助波特產業競爭優勢關鍵因素理論，分析數字經濟、產業組織結構演變對制造業綠色技術進步的影響機理；第三部分測算分析我國各省域制造業綠色技術進步水平，分析各地數字經濟指數；第四部分實證分析數字經濟、產業結構通過生產要素質量對制造業綠色技術進步的中介效應和調節機制；最后總結結論和提出政策啟示。

二、理論機制分析

技術進步是“生產函數任意一種形式移動的簡稱”，通常將除去要素投入增長貢獻后的經濟增長部分，即“尚未解釋的余值增長”作為技術進步。經濟增長的第一類影響因素是生產要素如勞動力、資本投入總量增加，第二類是投入要素的生產率或效率進步，其中主要是由知識進步、資源配置改善、規模經濟、資源流動等引起的技術進步（Denison， 1967）。[9]新古典經濟增長理論的技術進步是對投入與有效產出的效率測度，從技術進步和技術效率兩個層面進行核算。高質量發展理論將產出分為期望性產出和非期望性產出，在生產運營中的實現途徑是提高期望產出效率的同時，減少非期望產出，或者是在既定產出條件下減少資源的投入量或非期望產出（污染物等），經濟運行轉向可持續發展方式的綠色技術進步，在全要素生產率基礎上還要考慮非期望產出的綠色全要素生產率。因此，綠色全要素生產率不僅要分析產業的期望產出效率，還要考慮非期望產出減少程度，將經濟運行對環境的影響納入分析。

制造業綠色技術進步受到產業內外因素的綜合作用。其中，產業內部因素包括基本生產要素如勞動力和資本、產業經營環境如產業組織結構和競爭格局等，要素質量提升是產業升級的內生動力，產業結構是各種因素組合發揮作用的方式。外部因素有數字經濟格局、經濟發展水平、經濟結構、環境規制及對外經濟關系等宏觀環境。數字經濟與技術提升要素質量，增強制造業綠色技術進步內在動力源泉，通過改進資本設備和吸納技術勞動力，促進要素生產效率提升、生產成本相對下降，提高要素配置效率，產業環境如組織結構優化和有效競爭格局驅動產業技術持續進步。另外，政府產業政策和環境規制引導產業綠色技術進步，宏觀經濟環境影響產業運營效率和市場績效。

（一）產業集中度對制造業綠色技術進步的影響

制造業產業結構是產業相互合作和競爭所形成的組織格局，對綠色技術進步具有綜合性影響。合理的產業結構形成有效的競爭局勢，促使企業自覺改進經營管理，吸納優質的高級生產要素，重視技術創新活動。制造業產業集中度是其產業結構的重要指標，過低則形成過度激烈市場競爭，企業所面臨的競爭壓力過大、利潤過低而導致技術創新的投入能力不足；產業集中度過高會導致市場競爭缺乏，致使企業經營怠惰，創新動力不足，技術進步慢。在產業組織結構不合理的狀況下，產業運行結果效率低、國際競爭力孱弱，產業綠色技術進步緩慢。在區域之間，制造業產業集中度具有競爭效應，合理的產業結構更有利于吸納和集聚高質量的生產要素。因此，產業集中度不僅直接影響制造業綠色技術進步效率，而且調節制造業集聚本地區和吸納周邊地區高質量勞動力和研發資本的能力，對制造業綠色技術進步效率產生間接效應。

H1： 合理的產業集中度對制造業綠色技術效率產生正向效應；

H2： 產業集中度通過勞動力質量、研發資本投入影響制造業綠色技術進步。

（二）數字經濟對制造業綠色技術進步的影響

數字經濟早期被認為是由信息通信行業以及企業和個人電子商務組成，隨著數字技術和智能化演進，數據資源成為關鍵生產要素，使用現代信息網絡和通信技術的數字經濟成為效率提升和結構優化的重要推動力，為產業提供技術、產品、服務、基礎設施的數字化轉型，融入制造業生產、流通、消費等環節，對制造業原材料、生產工藝、產品創新、市場銷售和企業管理等產生巨大的影響，改進要素質量和優化制造業產業結構，推動制造業研發創新和綠色技術進步。

其一，數字經濟通過提升勞動力質量，從供給推動和需求拉動兩個方面對制造業綠色技術進步產生影響。數字技術通過提高勞動者收集、處理、加工信息和決策的能力，提升勞動力質量和技能，借助數據模擬分析提高各環節的創新試驗效率，提升材料質量與使用效率，開發高質量產品，更新生產技術，改進生產工序，優化產銷流程，開拓產品銷售市場，改善制造業運行程序與經營管理，推動組織管理創新，從供給方面提高制造業投入—產出綠色技術效率。同時，高素質勞動力是消費的重要群體，對產品質量、生產環境等市場需求形成制造業綠色技術進步壓力，促使制造業向綠色技術轉型。

其二，數字技術通過提升資本質量、運行技術等夯實制造業綠色技術進步的基礎。數字經濟技術提高生產設備、原材料等資本質量，促進制造業勞動力的專業知識積累和技能創新，形成生產要素相互促進的良性機制，通過提高產業信息收集、處理和加工能力，積累數字要素，實現產業信息數據化，激勵政府制定合理的政策，促進公共教育發展，引導企業注重人才和技術創新，不斷累積高級生產要素支撐，優化制造業產業組織結構，促進產業鏈上下游企業技術融合，維護制造業可持續的競爭優勢，深化要素融合而實現綠色技術進步。可提出假設：

H3：數字經濟對制造業綠色技術進步有正向影響；

H4：數字經濟通過誘導產業結構與要素質量改變對制造業綠色技術效率正向影響。

（三）其他因素對制造業綠色技術進步的影響機理

外部環境如經濟發展水平、經濟結構、環境規制與對外經濟關系等構成制造業運行的重要環境，影響制造業供給和需求規模及質量，對制造業綠色技術進步產生間接影響。

環境規制及稅收制度對制造業運營形成制約和調節，對制造業的生產運營施加技術標準，對產品質量及環境影響提出要求，有可能對制造業企業產生過大的壓力，成本快速上升、效率降低，導致技術創新能力下降，對制造業綠色技術進步形成負影響；但也可能促使制造業企業加大綠色技術改造和創新，或淘汰那些不符合環境規制要求的制造業企業，從而加大綠色技術投資，對制造業綠色技術進步形成正向影響。環境規制及稅收制度對制造業綠色技術進步的總效應取決于這兩種影響的綜合。對外經濟影響制造業產品國際市場銷售和獲取資源的可得性，也反映制造業企業承受國際競爭的壓力。

根據上述分析，設制造業綠色技術進步是數字經濟、產業集中度等因素影響的函數，則有：

GTP=f（de，Is，K）" " " " " " " " " " " " " " " " " " " "（1）

其中，GTP表示制造業綠色技術效率，de為數字經濟指數，Is為制造業產業集中度，其他影響因素作為控制變量K。

三、制造業綠色技術進步及主要影響因素狀況

本文采用非參數法，借助SBM和 Malmquist-Luenberger （GML）指數方法，以工業增加值作為期望總產出，以制造業固定資產存量和制造業勞動力作為基本投入要素，將工業固體廢棄物產生量、工業廢水污染物排放量、工業廢氣排放量等對環境產生負面的影響因素表示非期望產出，核算我國制造業綠色全要素生產率和綠色技術效率。

（一）制造業綠色技術進步狀況分析

收集我國內地30個地區（因數據缺乏，西藏，港、澳、臺地區沒有納入分析）的工業增加值作為期望產出值，以各地制造業排放的CO2、SO2以及化學需氧量作為非期望產出，以制造業勞動力、固定資本存量為主要投入。為實現絕對價值數據可比性，以1990年為基期借助價格指數對價值指標進行平減，借助SBM和Malmquist-Luenberger （GML）指數法，核算各地制造業綠色技術進步率。

以Paster和Lovell（2005）的指數表示綠色技術進步指數[10]，其分解式是：

ML[GC（xt， yt， zt， xt+1， yt+1， zt+1）=EGC（xt+1， yt+1， zt+1）EGC（xt， yt， zt）]

（2）

公式（2）左邊表示綠色技術進步指數，右邊式的分子[EGC（xt+1， yt+1， zt+1）]表示在規模報酬不變的情況下t+1期技術變動效率，分母[EGC（xt， yt， zt）]表示在t期的技術變動效率，x、y、z分別表示投入、產出和非期望產出向量。

全局DEA模型是以所有年份所有主體數據構成的生產前沿面，即所有數據只有一個前沿面。運用全局DEA模型計算得到各省份歷年制造業綠色技術效率[EGC（xt， yt， zt）]，是以所有年份、所有主體數據構成的一個前沿面為標準比較計算得到的反映各省份制造業綠色技術效率；GML則是反映各省份制造業綠色技術進步率，是各地區前后期的綠色技術效率相比較而得到綠色技術進步指數，反映綠色技術效率的縱向變化。因此，從縱向、橫向兩個角度的可比性，[EGC（xt， yt， zt）]更能反映各地區制造業綠色技術效率和變化。

根據表1，從縱向、橫向比較我國各省份制造業綠色技術效率發現：（1）對2004—2022年間全國制造業綠色技術效率平均值進行縱向比較發現，綠色技術效率年平均值經歷先下降、上升再下降三個階段，其中，2019年的平均值為0.9178處于最高，2004年的平均值為0.7606處于其次，2015年的平均值最低、為0.3856。（2）對2004—2022年間各省區市制造業綠色技術效率平均值進行橫向比較發現，占全國第一、第二的廣東省、海南省的平均值分別為0.9433和0.9270，吉林省平均值僅為0.2672，在全國占第30位。

（二）主要解釋變量說明

主要介紹各省市數字經濟指數、人力質量及物質資本技術水平三個變量指標。

1.數字經濟指數

參考魏曉彤、馮鮑和閻世平（2024）的數字經濟指數衡量體系，[11]選擇數字基礎設施、數字經濟投入、數字經濟產出、數字產業化、產業數字化等包含19個原始數據，為確保數字經濟指數的可比性，運用各地的面積、人口等變量以數字經濟發展的密度、深度等相對指標為基礎，將每項指標除以其最大值進行無量綱標準化，運用熵權法計算權數和核算數字經濟指數。各地數字基礎設施、數字經濟發展指數相差較大，數字經濟發展指數最大、最小值相差近10倍。

2.制造業集中度

以各地大中制造業企業資產與制造業規模以上企業資產的比率表示產業集中度。具體情況是：有24個省區市大中制造業企業資產與規模企業資產比率均低于70%。

3.各地勞動力、資本要素的質量狀況

以各地受不同層次教育水平的人口比例表示人力質量，以制造業研發投入資本存量占總資本比例表示資本技術水平。在2004—2022年間，我國內地31個省區市人口中受高中教育的人口比例變化情況是：北京、天津、上海三個地區受高中（含中專）教育的人口比例呈下降之勢，這些地區受大專及以上教育的人口比例逐年上升；其他28個地區受高中（含中專）教育人口比例都呈增加之勢；在2022年，全國有30個地區受高中教育的人口比例處于10%～20%之間，但西藏地區受高中教育人口的比例低于10%，僅為6.59%。

各地區受大專以上教育人口比例都呈增加之勢，在2022年北京、天津、上海三個地區該比例超過30%，其中，北京該比例達到50.33%；有8個地區受大專以上教育人口比例超過20%，分別是山西（20.53%）、內蒙古（21.47%）、遼寧（21.50%）、江蘇（23.68%）、浙江（21.47%）、廣東（21.07%）、重慶（21.28%）和陜西（22.60%）；其他20個地區受大專以上教育的人口比例相對較低，處于14.19%～20%之間。

根據永續盤存制，參照張軍和章元的（2003）方法，[12]以10%為折舊率核算各地規模以上工業研發資本（rd）存量： K[rdt=δ?Krd（t-1）+Irdt]，且K[rd0=Ird0grd+δ]，其中，K為資本存量，I為研發投資，g為增長率，[δ]為折舊率，t 為時期。

分析2004—2022年間我國各地規模以上制造業研發資產存量占總資產總量的比例可得：我國內地31個地區中，除了西藏、青海外，其他29個地區的規模以上制造業總資產中研發資產比例都提高了；在2022年，湖南省該比例最高，達到10.93%，江蘇省該比例是第二，為8.86%，全國31個地區有17個地區該比例低于5%，其中，山西、海南、西藏、青海和新疆等5個地區該比例低于2%，而西藏地區該比例僅為0.31%，為全國最低。

四、制造業綠色技術進步的影響因素實證分析

為進行實證分析，根據理論公式（1），建立對應的計量模型為：

GTP=[α0+α1?de+α2?Is+α3?W?de+α4?W?Is+α5?K+μ+η+ε] （3）

其中，[α0]為常數項，[xi]，i=1，2，...，5， 分別為系數向量，W為相鄰影響矩陣，[μ]、[η]為主體和時間效應，[ε]為隨機擾動項。根據檢驗情況，在模型（3）基礎上可構建中介變量模型（4）、（5）和門檻分析模型（6）。

M=[β0+β1?de+β2?Is+β3?K+μ+η+ε] （4）

GTP=[λ0+λ1?de+λ2?Is+λ3?K+λ4?W?Is+δ?M+μ+η+ε] （5）

GTP=[?0+?1?de?I（?）+?2?Is?I（?）+?3?K+?4?W?de+?5?W?Is+μ+η+ε] （6）

[βi]、[λi]、[?i]，i=1，2，...，5分別為系數向量，[δ]為中介變量直接效應，I（·）為指示函數。

（一）指標的描述性分析

計量模型公式（3）的主要變量指標描述性分析，如表2。

因數據跨越年限時間較長且包含我國內地30個各省區市（因西藏自治區缺乏相關數據，就沒有納入分析），一些變量指標最大值與最小值差距較大，如人均GDP、污染投資、研發投入經費等，其他指標最大、最小值差距相對較小。

（二）檢驗與回歸分析

1.回歸分析前的檢驗

在回歸分析之前，對面板數據系列進行平穩性檢驗發現：制造業綠色技術效率EC、數字化水平de、大中制造業企業資產與規上企業資產比值jzd、受高中教育人口比例mr、受大專以上教育人口比例hr、經濟稅率taxr、制造業研發資本與總資產的比值rdclb、規模以上制造業資產負債比fzzb、金融增加值與GDP的比值jrbl、制造業外資資產比例wzbl、制造業管理費用與增加值比率glfbl等顯示為平穩系列，取財政科技投入以及人均GDP對數值系列檢驗為平穩，故所有擬將進入模型的指標系列都是平穩的；對主要變量系列研發資本比例、人力質量、制造業集中度等多重共線性檢驗，方差膨脹系數分別為2.1、2.8和3.2，方差膨脹系數較小，解釋變量的共線性可忽略；對擬回歸方程的變量系列協整檢驗結果表明拒絕不存在協整的原假設，擬回歸方程變量系列存在長期穩定關系。在地區相鄰矩陣基礎上，分析各地制造業綠色技術進步效率、研發資產比例、制造業集中度及各地受大專以上教育人口比例等變量進行空間相關性檢驗得到結果：不能拒絕“無空間自相關”假設，地區間制造業綠色技術進步效率不存在自相關，如表3。

表3 制造業綠色技術進步的相鄰空間相關性檢驗Morans I

[變量 I E（I） sd（I） z P-value EC 0.2226 -0.03448 1.0370 0.2479 0.4032 ]

2.基準回歸分析

通過運用面板加權最小二乘法（PEGLS）并檢驗主體和時間效應，Hausman 檢驗的統計量為29.14，伴隨概率為0.12%，拒絕隨機效應原假設，采用固定效應模型，回歸結果如表4的方程（1）所示。

（1）數字經濟對制造業綠色技術進步效率呈顯著正向影響，數字經濟指數每提升1個百分點，提高制造業綠色技術效率最低達到0.113個百分點，驗證了假設H3。

（2）合理的制造業集中度對綠色技術進步具有顯著的正向促進效應，相鄰地區間制造業集中度具有負向溢出效應。當大中制造業企業與規模以上比例處于（0， 0.6733）區間時，該比例提升將提高綠色技術進步效率，但該比例超過0.6733后導致制造業綠色技術效率下降，驗證假設H1，即：合理的制造業集中度對綠色技術進步效率呈正向效應；相鄰地區制造業集中度對綠色技術進步效率形成-0.11個百分點負向溢出。

（3）我國研發投入對制造業綠色技術進步呈正向影響。制造業研發資產與制造業總資產比率每提升1%，促進制造業綠色技術進步效率提高2.886個百分點，證實了假設H3，提高相鄰地區制造業綠色技術進步效率0.095個百分點。

（4）人力質量提升對制造業綠色技術進步效率正向作用。受大專以上教育人口比例每提升1%，促使制造業綠色技術進步效率提高0.599個百分點，但研發投入與人力質量交叉項對制造業綠色技術進步效率呈負影響，財政科技投入對制造業綠色技術進步效率作用不顯著。

（5）金融增加值比例、管理費用比例對制造業綠色技術效率呈負向效應，稅率、第三產業比例、外資比例、人均產值和污染治理等對制造業綠色技術進步效率的影響不顯著，制造業利潤率對綠色技術進步效率呈正向影響。

（三）穩健性檢驗

穩健性檢驗采用兩種途徑，分別是工具變量回歸和更換主要變量法。一是為防止主要解釋變量如數字經濟指數、制造業集中度、研發資產比例的內生性，取這些解釋變量指標滯后一期作工具變量進行2SLS回歸分析，得到表4的方程（2）。

二是采取GMM法進行回歸。取研發資本比率、接受大專以上教育人口比例、制造業大中企業資產比例等主要解釋的滯后一期作為工具變量，經過Hansen檢驗的統計量為0.778，伴隨概率為37.78%，接受“所有工具變量均為外生”的原假設，GMM回歸結果為表4方程（2）。

三是改變被解釋變量指標制造業綠色技術效率的計算方法。將CO2作為非期望產出外，計算制造業綠色技術進步效率為EC；將CO2和SO2、化學需氧量等都納入非期望產出，計算制造業綠色技術進步效率記為EC1。以EC1替代被解釋變量EC，進行回歸分析得出表4的方程（3），以研發資本、人力質量、制造業集中度等滯后一期指標作為工具變量對EC1回歸分析得出表4的方程（4）。

四是用制造業綠色技術進步指數jszs代替被解釋變量綠色技術效率，進行回歸分析得出表4中的方程（5），數字經濟、制造業集中度、研發資本、人力質量對制造業綠色技術指數呈正向效應，研發資本與人力質量的交叉項呈現顯著的負向效應，鄰近地區的研發資本比例對綠色技術進步指數呈正向作用，相鄰地區的集中度對綠色技術進步指數呈負向影響，這些與基準回歸分析結果相似。穩健檢驗結果表4方程（2）—（5）表明：基準回歸分析所得到的主要解釋變量對制造業綠色技術進步的作用具有相對穩健性。

（四）異質性分析

根據社會經濟發展水平，將我國內地分為東部、中部、西部和東北4個細分地區1進行異質性回歸分析，如表5顯示：數字經濟對我國各地區制造業綠色技術進步效率均呈正向影響，其中，東部地區的影響系數最高為0.3745，中部地區的系數最低為0.248。東、中、西部三個地區的制造業集中度對綠色技術進步效率呈正向影響，但東北地區制造業集中度呈現負向效應。研發資產比例提高對制造業綠色技術效率都呈正向影響，其中，東北地區該效應系數最大，其次是中部地區，東部地區最小。東部、西部兩地區人力質量對制造業綠色技術效率呈正向效應，中部、東北地區的人力質量對制造業綠色技術效率的影響不顯著。

（五）機制分析

首先，檢驗制造業集中度對高級生產要素的吸納效應，分析制造業集中度對人力質量和研發資產比例影響，結果如表6的方程（1）—（7）。提高數字經濟、制造業集中度有利于增加研發投入和提升研發資產比例，制造業集中度對勞動力受大專以上教育人口比例呈正效應，數字經濟發展提高制造業集中度，驗證假設H2、H4。因此，適度提高我國各地制造業集中度，提升制造業綠色技術進步效率。

其次，稅收比率對制造業研發投入增長和產業集中度提升都呈顯著的正向效應；集中度與污染投資增長率的交叉項對制造業研發投入增長具有正影響，金融發展對制造業集中度呈正向效應。財政科技投入增加對制造業研發投入呈正向影響，但對制造業集中度呈負向效應；外商資本比例對制造業研發投入增長和集中度都呈顯著的負向影響。

（六）進一步分析

為分析主要解釋變量制造業集中度、研發資產比例的非線性效應，取相關變量為門檻變量進行檢驗，發現污染治理對數值、人均GDP對數值和金融增加值比例具有門檻劃分作用，研發資產比例具有非線性效應，結果如表7所示。

分別以污染治理投資對數、人均GDP對數和金融增加值比例為門檻變量，以研發資本比率門檻效應變量進行回歸分析發現：（1）污染治理投資對數、人均GDP對數和金融增加值比例越高，研發資產比例對制造業綠色技術效率的正向影響越高；（2）制造業集中度對綠色技術效率顯著正影響且強度越大；（3）在非線性回歸分析中，數字經濟指數對制造業綠色技術效率呈顯著正向效應。

五、結論與對策

（一）結論歸納

其一，我國各省市數字經濟發展水平、制造業生產要素質量差異較大。具體為：1.全國各地數字設施建設、數字經濟發展水平區域間、城鄉之間的差距較大。2.制造業集中度整體偏低。全國有20個省份制造業大中企業資產與規模以上企業資產比率低于基準分析估計的合理集中度67.33%。3.人力資本狀況差異較大，2022年僅有10個省份受大專以上教育的人口比例超過20%，其他地區人口教育水平較低。全國制造業研發資本存量比例相對較低，在2022年，湖南省該比例為10.93%，全國最高，全國有17個省份制造業研發資本比例低于5%。

其二，數字經濟發展、產業組織等因素對制造業綠色技術效率具有正效應，環境規制等的影響比較顯著。（1）數字經濟對我國制造業綠色技術進步效率呈顯著的正向影響，合理的制造業集中度對制造業綠色技術效率呈顯著正向效應，相鄰區域制造業集中度具有競爭作用，對綠色技術效率產生負向溢出效應。研發資本比例對制造業綠色技術效率產生正向影響，相鄰區域研發投入對制造業綠色技術效率具有顯著的正向溢出效應；人力質量對制造業綠色技術效率呈正影響，但人力質量與研發資本比例交叉項對綠色技術效率影響為負。（2）財政科技投入對制造業綠色技術效率效應不顯著，金融發展、企業管理費比例對制造業綠色技術效率呈負向影響，亟須提高經濟調控工具的精準性。

其三，異質性回歸分析表明，區域間數字經濟指數、制造業集中度對制造業綠色技術效率存在差異性影響。其中，數字經濟東部地區效應系數最高，中部地區效應系數最低；制造業集中度在東部地區效應系數最低，對中部地區的影響最大。

其四，機制分析顯示，數字經濟、產業集中度對制造業研發投入增長呈正影響，數字經濟對制造業集中度有正向作用。人力質量對研發資本比例呈正向效應，研發資本比例對制造業集中度呈正向作用；稅收比率、環境規制、財政科技投入增加對制造業研發投入增長呈正向效應，環境規制、金融發展對制造業集中度呈正向影響。

其五，門檻回歸分析發現，污染治理投資對數、人均GDP對數和金融增加值比例越高，研發資產比例對制造業綠色技術進步效率的正向影響越高；數字經濟、制造業集中度對綠色技術進步效率顯著正影響且強度越大。

（二）對策建議

為促進我國制造業綠色技術進步，發揮數字經濟和數字技術驅動力，優化產業結構和提升生產要素質量，充分發揮環境規制和調控職能，提高我國制造業綠色技術研發投入和科技創新能力，實現制造業綠色高效發展，根據上述分析結論，提出政策啟示如下。

1.推進數字設施建設，優化制造業結構，提升要素質量，增強制造業質量升級動力基礎

其一，加強數字基礎設施建設，實現數字技術與制造業綠色轉型融合。數字技術是新時期技術創新進步主導方向，促進我國各地新型設施建設和數字經濟發展水平，減少區域之間、城鄉之間發展條件的不均衡，加快數字技術對傳統產業融合改造，大力發展新能源、智能制造、戰略新興產業，催生新質生產力，提升制造業價值鏈和國際競爭力，降低非期望產出，實現制造業綠色發展。

其二，加強綠色技術創新投入，提高人力資本和物質資本技術水平，夯實制造業價值鏈升級內在動力基礎。2022年來我國規模以上制造業研發投入與營業收入比率提高到1.2%左右，但遠低于發達國家制造業研發投入強度；我國各省區市以及不同行業研發投入強度差距大、不均衡，制造業研發資本占總資本比率差異大。發揮東部地區制造業的科技創新帶動作用，引導中、西和東北地區制造業技術改進，積極利用數字化技術改造傳統制造業，通過科技創新提升人力素質和資本技術升級，促進制造業價值鏈升級和綠色轉型，夯實綠色技術可持續進步動能。

其三，調整制造業組織結構，優化市場競爭機制，激勵制度創新，提升產業技術創新能力。通過制度不斷創新，優化制造業治理結構，健全企業激勵機制，有效發揮市場競合機制，促進制造業科技創新。近年來，我國各地制造業集中度下降較快，全國大部分地區制造業集中度低于最佳值。制造業大中企業規模太小制約研發創新投入能力，阻礙綠色技術進步，提高戰略決策科學性，激勵資源流向經營效率較高企業，實施適度的集中度和合理規模化經營，增強制造業企業營利能力和研發投入能力，提升制造業的要素吸納能力、高質量要素創造能力和價值創造力。

2.促進數實融合，綜合運用宏觀調控、環境規制措施，精準提升經濟政策功能

其一，發揮數字信息技術優勢，綜合運用財稅手段與環境規制措施多層功能，實行獎勵引導和處罰制約相結合。一是精準發揮綠色創新財政資助、科技投入稅收和金融優惠、污染排放收費制度等的作用，提高這些措施對制造業綠色技術進步的直接效應；二是充分發揮環境規制的間接功能，促進制造業企業增加綠色科技研發投入，增強技術創新能力，促使制造業優化產業組織結構，提高制造業生產運營效率，實現綠色可持續發展。

其二，經濟高水平對外開放，發揮外商投資和對外貿易對綠色技術進步的正向溢出效應。隨著我國經濟由高速增長轉入高質量發展階段，需要提升外資引進的質量，通過引導和激勵，實現需求精準化和高標準，扭轉當前外資對綠色技術進步貢獻的不足，根據產業發展動態調整和完善貿易政策，為我國制造業結構優化和綠色技術進步服務。

參考文獻：

[1]Batouta K I， Aouhassi S， Mansouri K. Energy Efficiency in the Manufacturing Industry-A Tertiary Review and a Conceptual Knowledge-based Framework[J]. Energy Reports， 2023， （09）.

[2]唐曉華，遲子茗.工業智能化提升工業綠色發展效率的實證研究[J].經濟學家，2022，（02）.

[3]陳詩一，陳登科. 霧霾污染、政府治理與經濟高質量發展[J].經濟研究，2018，（02）.

[4]董直慶，王輝. 環境規制的“本地—鄰地”綠色技術進步效應[J].中國工業經濟，2019，（01）.

[5]GAO J， FENG Q， GUAN T， et al. Unlocking Paths for Transforming Green Technological Innovation in Manufacturing Industries[J]. Journal of Innovation amp; Knowledge， 2023， （08）.

[6]張宇，錢水土.綠色金融、環境技術進步偏向與產業結構清潔化[J].科研管理，2022，（04）.

[7]李小克，李小平. 中國全要素生產率演變的測度和多重效應分解：偏向性技術進步視角[J].經濟研究，2022，（04）.

[8]XIE W， ZHENG D， LI Z， et al. Digital Technology and Manufacturing Industrial Change： Evidence from the Chinese Manufacturing Industry[J]. Computers amp; Industrial Engineering，2024，（187）.

[9]Denison E. Why Growth Rate Differ： Postwar Experience in Nine Western Countries[M].Washington， DC： Brookings Institution， 1967.

[10]Pastor J T， Knox Lovell C A. A Global Malmquist Productivity Index[J]. Economics Letters， 2005， （88）.

[11]魏曉彤，馮鮑，閻世平. 數字經濟對城鄉融合發展的影響及其作用機制[J]. 技術經濟與管理研究， 2024，（01）.

[12]張軍，章元.對中國資本存量K的再估計[J].經濟研究，2003，（07）.

責任編輯" "郁之行