數據要素配置與工業綠色轉型：基于市場化和價值化兩階段視角

摘"要：工業綠色轉型是實現新型工業化的重要前提，也是建設工業強國的關鍵環節，數據作為新生產要素在推動工業綠色化方面發揮著至關重要的作用。本文將數據要素配置劃分為市場化建設和價值化配置兩階段，基于2011—2022年中國30個省份的面板統計數據，運用固定效應模型、門檻效應模型以及調節效應模型，多維度實證檢驗了數據要素配置對工業綠色轉型的影響機制。研究發現，數據要素配置能夠顯著促進工業綠色轉型，數據要素配置對工業綠色轉型具有正面的促進作用且具有邊際效應遞增的非線性特征，存在門檻效應。異質性分析發現，東部地區獲得的數據要素配置紅利顯著高于中西部地區；高科教水平地區的促進作用比低科教水平地區更為顯著；低經濟發展水平的省域更能有效推動工業綠色轉型的發展。機制分析發現，"產業結構優化、能源優化和綠色技術創新是數據要素配置促進工業綠色轉型的重要調節機制。

關鍵詞：數據要素配置；市場化建設；價值化配置；工業綠色轉型；數字經濟

中圖分類號：F49；F424文獻標識碼：A文章編號：1001-148X（2025）02-0020-13

收稿日期：2024-11-14

作者簡介：康詩康（1999—），男，河南鄭州人，博士研究生，研究方向：區域經濟、管理創新；尚煜（1979—），本文通訊作者，女，內蒙古呼和浩特人，教授，博士生導師，研究方向：決策理論與管理。

基金項目：北京市自然科學基金項目“環京津貧困帶多尺度相對貧困動態識別與協同治理機制研究”，項目編號：9212015。

①參見中國信息通信研究院發布的《中國數字經濟發展研究報告》。

一、引"言

近年來，中國數字經濟迅速發展，從2015—2022年，中國數字經濟增加值年均同比增長率超過15%，到2022年，數字經濟的增加值超過50萬億元，其在GDP中的比重已突破40%①，已成為經濟增長的重要驅動力。作為第五大生產要素，數據在優化資源配置、推動技術革新中的戰略地位日益凸顯。為克服數據要素規模和質量差異引起的市場無序競爭，通過完善相關機制才能確保數據要素市場化配置平穩運行［1］。隨著數字經濟發展的深化，數據要素配置將重塑數字經濟形態，提高數據要素在數字經濟體系中的流通效率和市場價值，可以為數據賦能產業轉型和數據產業治理提供新動能［2］。因此，需要進一步探索數據要素配置的方式，完善交易體制機制，實現數據要素價值釋放。然而，傳統工業“三高”（高投資、高能耗、高排放）發展模式與“雙碳”目標之間的矛盾日益尖銳［3］。相關數據顯示，工業部門貢獻了全國約70%的碳排放，資源環境約束將倒逼工業向綠色化、智能化方向轉型［4］。在此背景下，如何通過數據要素的高效配置釋放其對工業綠色轉型的賦能效應，成為學界與政策制定者共同關注的重大議題。

在“雙碳”目標驅動下，數據要素配置的各階段不同作用機制，將加快綠色可持續發展、推進綠色轉型的步伐。基于制度經濟學視角，數據要素市場化建設聚焦于降低綠色轉型中的制度性交易成本［5］。工業企業的轉型升級涉及工業數據的共享與流通，但傳統工業生產效率降低和數據流通規則缺失導致交易摩擦。通過建設數據交易市場基礎設施及國家工業互聯網信息平臺，可破除工業企業數據供需與交易難點，為綠色技術研發、供應鏈協同優化提供數據流通基礎設施。數據要素價值化配置強調數據資源向綠色競爭優勢的轉化。當數據基礎設施較為完善時，其價值的釋放依賴于工業部門對數據資源的挖掘與利用。企業通過數據共享與數字技術應用，構建低碳工藝優化模型，驅動傳統工業綠色創新。兩階段契合了生產要素從市場化基礎建設到價值創造能力升級的螺旋發展路徑。數據要素市場化建設使技術基礎設施不斷完善，通過價值化配置帶來的技術變革推動產業數字化，減少傳統產業發展造成的污染危害［6］。以往的研究將數據要素配置過程視為單一整體，較少對配置過程各階段的特點與機制進行深入探索，分階段研究能夠全面刻畫數據要素作用的生命周期過程。

鑒于兩階段的關鍵作用，仍有以下問題有待解決。首先，準確衡量數據要素配置是一個重大挑戰，數據要素在配置過程中主要包含哪兩個階段？兩階段的特點和水平如何？其次，基于本文所劃分的兩階段特點，數據要素配置如何通過兩階段機制影響工業綠色轉型？且作用過程中是否存在非線性效應？最后，哪些因素可以在影響工業綠色轉型過程中發揮調節作用還有待分析。

二、文獻綜述與研究假設

（一）文獻綜述

在數字經濟時代，數據要素與勞動力、技術、資本等傳統生產要素深度融合，推動了資源的高效利用和技術的快速革新。近年來，學者們對數據要素的研究興趣日益濃厚。部分研究表明，數據要素能夠降低能源成本，并通過數字技術的應用顯著提升工業生產率［7］。此外，數字技術還能夠優化工業能源結構［8］，并對環境治理效率產生積極影響［9］。然而，關于數據要素配置與工業綠色轉型之間關系的研究仍較為有限。在數據要素配置的測度方面，現有研究多采用構建數據交易平臺或大數據綜合試驗區虛擬變量的雙重差分檢驗方法［10］，或通過建立指標體系評估數據要素發展水平［11］。這些方法雖然具有一定的參考價值，但未能充分反映數據要素配置在不同階段的特點，也缺乏基于數據要素作用機制的分階段研究。

關于工業綠色轉型的研究表明，大數據對工業綠色轉型具有顯著的直接驅動效應［12］。數字技術［13］和數字金融［14］的發展能夠顯著促進產業鏈的綠色升級。金融的數字化革新不僅提升了工業部門的數字化水平，還推動了產業結構優化和生產效率提升［15］。同時，綠色轉型政策通過加強工業數字化，進一步促進了工業的可持續發展［16］。環境監管的創新效應也有助于減少工業碳排放，推動綠色工業創新［17］。此外，綠色技術創新在工業綠色發展中發揮了重要的調節作用，提升了工業能源效率，加速了綠色轉型進程［18］。然而，現有研究對數據要素配置影響工業綠色轉型的非線性效應與調節機制的探討仍顯不足，尤其是在兩階段視角下分階段分析二者復雜關系的研究較為匱乏。

綜上所述，現有研究存在以下三個方面不足：首先，關于數據要素配置的研究多集中于變量測度或時空演變特征，缺乏對數據要素配置經濟后果的全面評估指標體系；其次，鮮有學者基于市場化建設和價值化配置兩階段的數據要素配置過程，深入探討其對工業綠色轉型的影響機制；最后，對非線性效應的量化分析不足，且關于調節機制的研究較為碎片化，產業結構、能源結構和技術創新的協同作用尚未得到系統揭示。

本文的邊際貢獻體現在三個方面：首先，在理論層面，構建“兩階段”分析框架，揭示數據要素從流通交易到價值轉化的完整作用鏈條；其次，在方法層面，綜合運用門檻模型與調節效應模型，捕捉非線性關系與協同機制；最后，在實踐層面，為差異化政策設計提供依據，推動數據要素市場建設與工業綠色轉型的深度耦合。

（二）研究假設

1數據要素配置與工業綠色轉型

數據要素配置的推進過程，旨在通過制度或技術手段促進市場交易，從而釋放生產要素的價值并實現工業經濟增長［2］。這一過程可分為兩個階段：市場化建設和價值化配置。在市場化建設階段，通過技術和制度改革促進數據要素的流通和交易，為數據要素的市場化奠定基礎。這一階段的核心在于構建數據交易的基礎設施和規則體系，確保數據要素能夠高效流通。市場化建設不僅提高了資源配置效率，還通過技術創新效應加速了數字基礎設施和技術的成熟。具體而言，市場化建設促進了各類要素的自由流動，推動了新知識、新技術和新模式在跨區域、跨行業中的傳播與擴散，進而推動工業生產從傳統的勞動和資源密集型向知識和技術密集型轉變。工業部門借此機會利用知識溢出效應，提升技術創新能力，為綠色轉型提供技術支撐［19］。

在價值化配置階段，市場化的數據要素與其他生產要素協同作用，實現價值轉化并推動數字經濟的高質量發展［1］。這一階段的核心在于數據要素的深度應用和價值釋放。數據要素的價值不僅體現在其對綠色經濟和可持續發展的促進作用上，還體現在其能夠實現工業發展與污染排放的分離，提供實質性的環境效益。通過數據要素的廣泛整合，傳統工業部門能夠消除技術壁壘，提升綠色轉型系統的效率。價值化配置通過釋放數據資源的調節效應，推動工業結構的轉型升級，擴大要素配置的規模和范圍，提升工業內部要素配置的靈活性，最大化各類要素的效率［20］。然而，現實中仍然存在要素配置失衡和價格扭曲等問題，需要進一步探索和完善數據要素價值化配置的方式。例如工業部門如何利用信息網絡技術提高運營效率，推動產業結構升級，緩解工業綠色轉型的內在壓力，以結構效應促進工業綠色轉型。基于上述分析，本文提出如下研究假設：

H1：數據要素配置對工業綠色轉型具有直接驅動作用，且市場化建設和價值化配置均能有效推動工業綠色轉型發展。

2數據要素配置的非線性效應

數據要素的重要性在高技術行業和工業企業中日益凸顯。在工業企業初期發展數據要素時，可能面臨數據資本規模較小和創新作用滯后等問題。然而，隨著數據要素市場化建設和價值化配置水平的提升，工業部門對數據資本的投入和挖掘能力不斷增強，推動創新率顯著提升。同時，數據作為生產要素的廣泛應用，使得各工業部門之間的經濟活動邊界逐漸模糊，網絡獲取信息的成本降低，為更多創業者參與經濟發展創造了機會［21］。

數據要素的廣泛應用提升了各部門的運行效率，提供了更具效率的網絡技術，同時降低了聯動的邊際成本［22］。隨著數據要素配置水平的提高和技術瓶頸的突破，數據使用者迅速增多，數據的利用效率快速提升，消費者和生產者之間的信息交換成本顯著降低。因此，工業企業內部實現綠色生產的優勢逐漸遞增。數據要素配置對工業綠色轉型的影響程度和強度在很大程度上取決于市場化建設、價值化配置和數據要素配置水平。不同層次的數據要素配置水平可能對工業綠色轉型產生不同程度的影響。

在工業綠色轉型中，“梅特卡夫法則”和網絡效應發揮著重要作用，這一規律體現為數據網絡規模擴張帶來的協同效應躍升。數據要素的配置節點通過互聯形成數據網絡，要素配置水平越高，節點間的連接密度與數據交互頻率顯著提升，對工業綠色轉型的作用效果將呈指數增長。此外，網絡外部性理論強調，工業企業從數據網絡中獲取的轉型效用隨配置水平增加而提升。基于上述分析，本文提出如下研究假設：

H2：數據要素配置對工業綠色轉型的影響具有“邊際效應”遞增的非線性特征。

3數據要素配置推動工業綠色轉型的調節機制

數據要素主要通過產業結構優化、能源優化和綠色技術創新三個關鍵機制促進工業綠色轉型。

首先，產業結構優化是數據要素推動工業綠色轉型的核心機制之一。未來發展的新支柱在于產業結構的優化，綠色經濟在經濟總量中的比例象征著工業綠色轉型的成果。優化的產業結構有助于推動綠色化與數字化的協同轉型，其核心目標是實現“雙化”協同，即通過數字化引領并帶動綠色化，最終實現工業生產的高效、智能、降碳和減污。高技術產業在推動工業綠色轉型方面的作用日益顯著，已從單一領域向多領域、從局部向整體深化拓展，在實現工業綠色發展及碳達峰、碳中和目標方面扮演著至關重要的角色［23］。數字技術與產業結構優化相結合，能夠實現生產復雜結構部件、改善工業生產效率和管理等方面的突破，推動工業從勞動密集型向知識技術密集型轉變，提升工業綠色轉型水平。

其次，能源優化是工業綠色轉型的關鍵。改進能源技術、減少能源消耗是工業綠色轉型的核心任務［24］。能源優化不僅能夠提高生產效率，還能與數據要素結合，促進能源的合理利用。通過數據要素治理，低能效工業治污的收益增加，迫使工業部門加大研發投入，推動能源結構向清潔化轉型。清潔能源在能源消費結構中的比重不斷增加，對減排溫室氣體和實現綠色能源轉型起到了不可替代的作用。隨著能源結構的持續優化，清潔能源的快速發展為全社會節能降碳提供了基本要素支撐。工業領域廣泛應用新能源不僅能有效降低能耗和排放，還能提高生產效率和靈活性，推動傳統工業從依賴化石能源向多元化能源結構轉變［25］。

最后，綠色技術創新是數據要素推動工業綠色轉型的另一重要機制。作為生產要素，數據集聚了豐富的信息資源和數字技術，為工業創新活動提供了基礎。綠色技術創新是工業節能減排的重要推動力，帶來了生產、節能和環保領域的技術進步［3］。通過綠色技術創新，工業企業能夠提高生產效率，降低能耗、減少排放和浪費，從而提升經濟效益。此外，綠色技術促進了新興產業的發展，如節能環保、清潔能源等領域，為經濟增長注入新的動力。在高水平的數據要素配置下，綠色技術創新的投入成本得到彌補，與污染治理和減排成本相比更具優勢。因此，工業企業增加創新投入將有助于優化綠色資源的配置效率。基于上述分析，本文提出如下研究假設：

H3：產業結構優化、能源優化、綠色技術創新能夠正向調節數據要素配置與工業綠色轉型的關系。

三、研究設計

（一）模型設定

為了檢驗數據要素配置對工業綠色轉型的總效應，本文構建如下基準計量模型：

Igti，t=α0+α1Dei，t+α2Xi，t+μi+δi+εi，t（1）

式（1）中，i和t分別代表省份和年份，Igti，t為省域工業綠色轉型水平，Dei，t為數據要素配置水平，Xi，t表示一系列控制變量，μi、δi分別為省份固定效應和年份固定效應，εi，t表示隨機擾動項。

考慮到隨著數據要素配置水平的提升，不同數據要素配置程度對各省份工業綠色轉型可能存在非線性動態效應，對此，本文構建面板門檻模型進行檢驗：

Igti，t=ρ0+ρ1Dei，t×IDei，tθ+ρ2Dei，t×IDei，tgt;θ+ρ3Xi，t+μi+δi+εi，t（2）

式（2）中，門檻變量為數據要素配置水平，為取值1或0的指示函數，滿足括號內條件即為1，否則為0。式（2）中考慮的是單門檻情形，可根據樣本數據進行計量檢驗等步驟從而擴充至多門檻情形［25］。

進一步，為驗證數據要素配置和工業綠色轉型之間可能存在的調節機制，在式（1）的基礎上構建調節效應模型進行檢驗。

Igti，t=β0+β1Dei，t+β2Mi，t+β3Dei，t×Mi，t+β4Xi，t+μi+δi+εi，t（3）

式（3）中，Mi，t表示調節變量，Dei，t×Mi，t表示數據要素配置水平與調節變量的交互項。具體檢驗步驟如下：若β3系數顯著，說明調節變量在數據要素配置與工業綠色轉型之間存在調節作用。

（二）變量測度與說明

1被解釋變量：工業綠色轉型

在測度工業綠色轉型水平時，本文主要考慮了資源和環境對工業經濟發展規模和速度的剛性限制，并將經濟活動對資源環境的影響納入工業經濟增長分析的框架。在此過程中，勞動、資本和資源被作為投入指標，而工業增加值和污染物排放則是產出指標，具體指標定義參見表1。參考黃磊等［26］的做法，通過應用全局超效率SBM模型來評估工業的綠色轉型水平，可以解決效率評價中存在的松弛問題，并且實現跨期比較以及有效決策單元的識別。此外，該模型可以消除徑向角度引起的偏差，克服效率最優值為1的局限性，為衡量工業綠色轉型程度提供了一種有效的工具。具體公式如下：

min"ρ=1+1m∑mi=1S－ikxik1－1q1+q2∑q1r=1Sg+rygrk+∑q2r=1Sb－rybrk（4）

st∑nj=1，j≠kxijλj－S－ixik;∑nj=1，j≠kyijλj+Sg+rygrk（5）

∑nj=1，j≠kybtj－Sb－tybtk，ρgt;0，∑nj=1λj=1（6）

式中yg，"yb，"S－，"Sg，"Sb，"λgt;0。yg和yb分別代表能量產出組指標的期望產出和非期望產出，S－、Sg和Sb代表能力投入組指標中的能源投入、期望產出不足和非期望產出過剩。λ是一個權重向量，其和為1。ρ是S－、Sg和Sb的目標函數。xij代表項目i在區域j的投入，yij代表項目i在區域j的產出。

2解釋變量：數據要素配置

本文依據數據要素配置過程中數據要素的內涵與特征將其劃分為兩個階段，如圖1所示。第一階段是數據要素市場化建設，在參考陳婷等［10］思路的基礎上，將數據交易所數量與宏觀層面數據要素基礎設施結合起來，構建了有7個具體指標的市場化建設指標，并使用熵值法加權求和得到30個省級數據要素市場化建設水平指數，記為Dmc。第二階段是數據要素價值化配置，通過文本分析法梳理了數字經濟政策文件和研究報告，抓取政策關鍵詞并匯總詞頻數。引入北京大學數字惠普金融指數［27］衡量數據要素價值化釋放中的信貸、支付、投資、保險、貨幣基金、信用服務過程，對數字經濟衡量，共構建10個具體的價值化配置指標，同上述處理得到數據要素價值化配置水平指數，記為Dva。最后，鑒于數據要素市場化建設指數與數據要素價值化配置指數數量級相近，因此對兩個階段指標進行熵值法和對數化處理得到核心解釋變量數據要素配置水平指數，記為De。后續實證檢驗主要是基于數據要素市場化建設和價值化配置兩個階段展開，深入分析兩階段數據要素配置對工業綠色轉型的影響機制。

3控制變量

為了盡可能克服遺漏變量的影響，參考已有文獻，本文設定了如下控制變量：（1）經濟發展水平（Pgdp），用各省份人均GDP對數表示；（2）政府支持力度（Gov），用各省份政府財政支出比地區生產總值表示；（3）人力資本（Hr），用各省份普通高校在校生人數的對數表示；（4）金融發展水平（Fin），用金融機構貸款余額比地區生產總值表示；（5）外商投資（Fdi），用外商直接投資額表示；（6）市場化程度（Mar），參考《中國分省份市場化指數報告》，用各省份市場化指數的對數表示。

（三）數據來源和描述性統計

本文數據來源于中國30個省份2011—2022年平衡面板數據（除港澳臺及西藏地區）。數據來源于各省歷年統計年鑒和統計公報如《中國統計年鑒》《中國能源統計年鑒》《中國工業統計年鑒》《中國信息統計年鑒》等，各類數據庫如國泰安數據庫、EPS數據庫等，以及發展報告如中國信通院發布的《數據要素白皮書（2023）》《中國數字經濟發展白皮書（2021）》《北京大學數字惠普金融指數》等。其中部分省份的缺失值使用線性插值法進行補充，描述性統計如表2所示。

四、實證結果分析

（一）基準回歸

在基準回歸前對模型進行多重共線性檢驗，結果見表3。各變量的VIF值均小于10，故該模型不存在多重共線性問題。為了控制宏觀經濟環境影響以及個體之間的差異，首先運用Hausman檢驗，拒絕原假設即為拒絕隨機效應回歸，因此采取固定效應回歸。本文進一步控制省份和年份的固定效應，同時從數據要素市場化建設、數據要素價值化配置兩個階段分別進行回歸檢驗。表4為數據要素配置對工業綠色轉型影響的基準回歸結果。表4列（1）和列（2）為數據要素配置整體水平對工業綠色轉型的回歸結果，列（3）和列（4）為數據要素市場化建設階段對工業綠色轉型的回歸結果，列（5）和列（6）為數據要素價值化配置階段對工業綠色轉型的回歸結果。首先根據列（2）的結果可知，加入控制變量后數據要素配置水平的回歸系數為0066，且均在1%統計水平上顯著為正，表明數據要素配置對工業綠色轉型具有直接的驅動效應。其次，根據列（4）和列（6）的結果可知，數據要素市場化建設和數據要素價值化配置對工業綠色轉型的回歸系數分別為0680、0059，均顯著為正。比較系數大小可知，數據要素市場化建設階段對工業綠色轉型的影響程度要強于數據要素價值化配置階段。建設和運營國家數據基礎設施，是數字中國建設的關鍵環節，實現高水平科技自立自強需要完備的市場化建設。數字基礎設施將有效推進數據要素的全生命周期管理，帶動數據要素的價值評估、交易流通、使用等一系列制度建設，最終實現數據要素賦能工業企業生產運作，形成數字化帶動綠色化的轉變。因此，基準回歸結果初步表明數據要素市場化建設與數據要素價值化配置兩階段對工業綠色轉型均具有顯著的驅動效應，據此，假設H1得到初步驗證。

從控制變量來看：文中選取的控制變量只有經濟發展水平、金融發展水平的系數在1%水平上顯著。其中，經濟發展水平系數顯著為正，說明經濟增長會顯著加劇工業綠色轉型，主要因為經濟發展水平的提高會帶來工業企業綠色設備的投資增加，進而導致工業污染物產出減少，最終促進工業綠色轉型升級；金融發展水平的回歸系數顯著為負，這說明隨著中國金融發展水平的提高，越來越多的資金被投入到環保技術研發和綠色產業發展中，從而也加大了無法進行技術升級的工業企業的風險，反過來導致技術落后的工業企業陷入技術升級陷阱，從而抑制工業綠色轉型。

（二）穩健性檢驗

在基準回歸中，數據要素配置能夠顯著促進工業綠色轉型，為了驗證研究結論的準確性，進一步進行穩健性檢驗。

1排除極端值的影響

一些經濟嚴重依賴冶金、機械和能源等行業的省份，其綠色工業轉型水平明顯低于其他省份。相反，主要注重第三產業增長以實現經濟擴張的省份往往具有較高水平的綠色產業轉型。這種差異可能會給基準回歸結果帶來偏差。為此，本文對被解釋變量工業綠色轉型進行上下1%的縮尾處理，并重新評估數據要素配置對工業綠色轉型的影響，結果如表5列（1）—列（3）所示。核心解釋變量數據要素配置的估計系數在1%的水平上顯著為正，市場化建設階段和價值化配置階段回歸系數也顯著為正，即排除極端值影響后數據要素配置仍可以顯著推動工業綠色轉型發展，一定程度上表明本文的基準回歸具有穩健性。

2替換解釋變量

當下，全國范圍內均已啟動數據交易市場建設，不僅是南方沿海省會，西部的內陸省會也在加大力度籌備、試點。數據要素配置往往以數據交易平臺和數據交易所為依托。因此，以省域是否建立數據交易平臺或數據交易所作為核心解釋變量進行雙重差分回歸［10］。具體來說，如果省域i在第t年建立數據要素交易市場，則該省域在第t年及以后年份的Dtp=1，其他年份Dtp=0。運用雙重差分法對模型進行估計，考察數據要素配置對工業綠色轉型的影響，回歸結果如表5列（4）所示。核心解釋變量系數為0047，且在10%的水平上顯著為正，這說明以數據交易平臺建設為表征的數據要素市場配置有效推動了工業綠色轉型，本文的估計結果可靠。

3改變樣本時間

中國數據要素配置發展過程分為萌芽期、蓬勃發展期。在萌芽期數據要素市場化建設水平及其驅動效應相對較弱，因此，研究數據要素配置的時期選擇應該以政府開始重視數據要素為依據。隨著數字經濟成為熱點話題，圍繞數據要素市場化配置改革也正在推進一系列重點工作，支持措施包括完善基礎數據系統、加強數據領域的核心技術、加強數據安全治理。國內數據交易所于2014年開始陸續成立，基于此，本部分僅采用"2014—2022年的樣本重新進行估計，回歸結果如表5列（5）—列（7）所示。結果顯示，數據要素配置水平對工業綠色轉型的影響系數為0072，市場化建設階段和價值化配置階段的回歸系數分別為1072和0066，且通過顯著性檢驗。由此說明數據要素配置發展顯著推動了工業綠色轉型。

4Tobit模型

Tobit回歸模型是一種廣泛應用于計量經濟學領域的模型，主要用于解決存在截斷數據的情況下的統計分析問題。由于工業綠色轉型綜合指數在某些情況下無法被完全觀測到，只能觀測到部分取值范圍，存在截斷現象，因此符合Tobit設定條件。表5列（8）—列（10）展示了Tobit模型回歸的結果，由回歸結果可知，似然比統計量顯著為正，拒絕了數據要素配置系數為0的原假設，數據要素配置水平對工業綠色轉型的影響系數為"0032，且在10%的水平上顯著，由此可進一步說明上文中基準回歸結果的可靠性。

5外生事件沖擊

本文使用的樣本時間為2011—2022年，在該樣本期內有兩件可能會對工業綠色轉型產生影響的重大事件：一是“寬帶中國”試點政策。該試點政策將“數據”作為工業的一種新型關鍵生產要素推動工業綠色轉型發展。然而，我國工業資源能源消耗量仍然很大，生態環境問題仍較為突出，“寬帶中國”試點政策初期無法對工業綠色轉型造成巨大沖擊，可能會產生倒逼和警醒作用，進而有利于中國工業企業的減排行為。二是大數據試驗區建設。中國于2015年出臺《促進大數據發展行動綱要》，并開展區域試點，推進各省份建立國家級大數據綜合試驗區。建設大數據試驗區為探索工業綠色轉型的途徑提供了新視角。根據上述分析，本文生成“寬帶中國”試點政策（Broad）以及大數據試驗區（Zone）的虛擬變量，2013年中國開始實施“寬帶中國”試點政策前設定為0，2013年后設定為1；2016年大數據試驗區建設前的時間設定為0，之后則設置為1，將兩個虛擬變量代入回歸中，回歸結果如表5列（11）—列（13）所示。在大數據試驗區開始建設后，數據要素配置水平的估計系數為0066，大數據試驗區建設的估計系數為0176，二者均在1%的水平上顯著。同理，市場化建設和價值化配置的回歸系數與大數據試驗區建設的估計系數均顯著，由此可見中國工業綠色轉型確實受到試驗區建設的積極影響。關于“寬帶中國”試點政策的外生沖擊，結果顯示，工業綠色轉型受到了“寬帶中國”試點政策所帶來的負面影響，原因可能是因為在試點政策實行起步階段，我國正處于工業產值迅速增長階段，政策前期對工業綠色轉型作用并不明顯。綜上，基于各種穩健性檢驗結果可見，前文的理論假說得到進一步驗證。

（三）內生性檢驗

實證研究面臨的一個關鍵問題是如何減輕內生性的影響。在本文所關注的主題中，一方面，數據要素配置過程與工業綠色轉型之間可能存在潛在的相互影響關系；另一方面，影響工業綠色轉型的因素較多，可能存在省略變量的問題。因此，本文旨在通過采用工具變量法和系統GMM估計法來減輕與內生性相關的問題，從而提高實證研究結果的可信度。

1.2SLS回歸

參考已有研究［28］，本文采用移動電話普及率和信息技術服務收入作為數據要素配置的工具變量。一方面，中國互聯網技術的發展始于通過固定電話的撥號接入，隨著技術的進步過渡到移動電話的使用。而通信技術往往會從使用人數和技術廣度等方面影響后續階段互聯網等信息數字技術的發展和應用水平，地區信息技術服務收入恰好反映了互聯網技術的應用結果以及效益，因而可以滿足相關性要求［29］。另一方面，隨著信息通信技術的進步，移動電話普及率對工業綠色轉型的影響逐漸消失。移動通信技術旨在為社會提供通信服務，無法直接影響工業綠色轉型，故移動電話普及率以及信息技術服務收入作為數據要素配置水平工具變量也基本滿足排他性要求。

表6列（1）—列（3）詳細匯報了工具變量回歸結果。數據要素配置水平、市場化建設及價值化配置水平對工業綠色轉型的影響均顯著為正，表明在考慮內生性問題后，基本結論依舊穩健。同時，"Kleibergen"Paap"rk"LM統計量為43421，對應P值為0，說明不存在識別不足的問題；Cragg-Donald"Wald"F"的值為115120，大于10%的臨界值假設，因此不存在弱工具變量問題。此外，Hansen"J檢驗P值為0770，大于01，因此接受所有工具變量都是外生變量的原假設。綜合來看，本文所選取的工具變量是合理的。

2.系統GMM回歸

本文還采用動態面板模型來評估基準回歸分析的內生性問題。鑒于系統GMM提供了優于差分GMM的優勢，通過結合水平方程來最小化估計誤差，選擇系統GMM方法進行回歸分析。從表6列（4）—列（6）的回歸結果可以看到，在系統GMM模型的估計下，數據要素配置、市場化建設及價值化配置水平對工業綠色轉型的直接效應分別為0297、0662、0275。AR（1）顯著，但"AR（2）不顯著，表明回歸方程擾動項的一階差分存在自相關而二階差分不存在自相關。對于過識別問題，Hansen檢驗均不顯著，說明工具變量有效，系統GMM的回歸結果再次證明了基準回歸的穩健性。

（四）非線性效應分析

在上文的分析中，數據要素配置可以顯著提高工業綠色轉型水平，然而只要加大數據要素配置水平就會帶動工業綠色轉型嗎？此外，不同程度數據要素配置水平會對工業綠色轉型有不同的影響嗎？根據梅特卡夫法則，數據要素配置進程呈現明顯的網絡效應特征。這意味著數據要素對于工業綠色轉型可能產生躍遷式的影響。為了描述數據要素配置與工業綠色轉型之間的非線性關系，本文進行門檻回歸分析來進一步探討。在估計門檻效應之前，采用“自助法”（Bootstrap）反復抽樣300次。由表7結果可知在以工業綠色轉型為被解釋變量的總檢驗中，數據要素配置水平這一核心解釋變量門檻效應顯著通過了單一門檻和雙重門檻。隨后對數據要素配置水平的門檻值選擇是否合適進行檢驗，圖2表明接受原假設，門限值選擇合適。在此基礎上設定雙重門檻效應的回歸模型，回歸結果如表8所示。

表8列（2）表明，加入控制變量后，隨著數據要素配置水平的提高，其對工業綠色轉型的影響發生了顯著變化，即數據要素配置對工業綠色轉型的影響具有非線性變化軌跡。具體來看，當門檻變量數據要素配置指數低于15794時，數據要素配置對工業綠色轉型的影響系數是0063，且在1%的水平上顯著，此時數據要素市場化建設處于起步階段；當數據要素配置指數在15794～16955之間時，數據要素配置對工業綠色轉型的影響系數提高為0070，說明數據要素市場化建設發展加速時，數據要素價值獲得充分釋放，數據要素價值化配置過程對工業綠色轉型的促進作用十分顯著；當數據要素配置指數高于16955時，數據要素配置對工業綠色轉型的影響系數仍為正值且數值上升為"0085，3個階段數據要素配置對工業綠色轉型的促進作用逐漸增大。綜上表明數據要素配置水平對發展工業綠色轉型具有“邊際效應”遞增的非線性特征，通過數據要素與傳統要素相融合，加強傳統部門，特別是第二產業的技術創新，可以改變低效的生產做法，促進工業運作的綠色轉型。該實證結果支持了假設H2。

（五）異質性分析

1區域異質性

本研究將省域劃分為東部、中部和西部三個子樣本，并進行回歸分析。表9列（1）—列（3）結果顯示東部和西部地區的回歸系數為正值，在5%和10%的顯著性水平上通過了檢驗，表明數據要素配置對東西部地區的工業綠色轉型有正向影響。這一現象可以解釋為東部地區經濟發展迅速，數字資源豐厚，數據要素配置促進了東部地區與其他地區之間的數字化流動，有助于數據要素的傳播和經濟活動的展開。而西部地區相對經濟落后，在少數核心城市如貴陽和西安設立的數據交易平臺的推動下，西部地區的數據要素逐漸向核心省域流動和聚集，形成了集群效應，促進了數字資源的傳播和經濟活動的展開。相比于東部和西部地區，中部地區的經濟發展適中，這導致中部地區對通過數據要素配置來改變工業現狀的積極性不如西部地區高。因此，數據要素配置對中部地區的工業綠色轉型影響并不顯著。

2科教水平異質性

知識水平高的人才能夠迅速適應數據要素配置帶來的技術變革，為工業綠色轉型提供必要的技術支撐，該研究根據各省擁有的雙一流大學數量是否在均值以上，將樣本省份劃分為高科教水平和低科教水平地區，并進行回歸分析。結果如表9列（4）和列（5）所示。我們可以觀察到，數據要素配置水平對工業綠色轉型的影響在高科教水平和低科教水平地區均顯著，且高科教水平地區顯著性更強。這是因為高科教水平地區擁有更多的智力知識儲備，這有助于提高科技創新水平，從而促進數據要素配置對工業綠色轉型的影響。同時也說明了科教水平悖論，即低科教水平地區在數據要素配置方面并不落后于高科教水平地區。

3經濟發展水平異質性

根據實際人均GDP對數的均值，將均值以上的省份作為高經濟發展水平地區，均值以下的省份作為低經濟發展水平地區。由表9列（6）和列（7）結果顯示，高經濟發展水平地區核心解釋變量并未通過顯著性檢驗；而低經濟發展水平地區核心解釋變量顯著且估計系數為0072，這說明數據要素配置能夠有效推動低經濟發展水平地區進行工業綠色轉型。可能的原因是低經濟發展水平地區在工業發展方面往往處于相對較低的起點，沒有過多的既有基礎和傳統產業束縛，這使得它們能夠更加靈活地采納和應用新的綠色技術和理念。而高經濟發展水平地區則更加致力于發展第三產業，其工業綠色轉型的程度本身較高。因此，低經濟發展水平地區更能有效推動工業綠色轉型的發展。

五、進一步分析

為進一步探討數據要素配置對工業綠色轉型的影響存在的優化調節效應，本研究構造了產業結構優化、能源優化、綠色技術創新與核心解釋變量的交互項，以分析三者對數據要素配置與工業綠色轉型關系的調節效應。其中，產業結構優化（Ind）借鑒馮素玲和許德慧［23］的做法，從產業結構合理化和產業結構高級化兩個維度構建產業結構優化水平，產業結構合理化采用泰爾指數倒數來度量；產業結構高級化采用不同產業產值之比來度量，引入熵值法測算產業結構合理化和高級化的綜合指數，構建出產業結構優化水平。能源優化（Ecs）采用非煤能源消費量占能源消費總量比例來衡量，其中非煤能源消費主要指煤炭消費、石油消費、天然氣消費以外的能源消費。綠色技術創新（Tecit）選取綠色專利發明數、綠色實用新型數量、新產品開發項目數、科學技術市場成交額等4項指標，通過熵值法計算綜合得分來反映各省的綠色技術創新水平。回歸結果如表10所示。

由表10結果可知，數據要素配置對工業綠色轉型均具有顯著的正向驅動作用，且三個調節變量與數據要素配置水平間不存在相關性，因此排除虛假調節效應。由表10列（1）—列（3）可知，數據要素配置水平與產業結構優化的交互項系數為0230，市場化建設水平、價值化配置水平與產業結構優化的交互項系數為0205和0239，均在1%的水平上顯著。由此表明產業結構優化對數據要素配置與工業綠色轉型的關系存在正向調節作用。這是因為通過調整和升級產業結構，鼓勵發展綠色經濟和環保產業，可以提供更多的綠色產品和服務，滿足市場對環保和可持續發展的需求，表明產業結構優化水平正向調節數據要素配置與工業綠色轉型的關系。由表10列（4）—列（6）可知，核心解釋變量與能源優化水平的交互項系數分別為0057、0052、0057，且在5%的水平上顯著，表明能源優化正向調節數據要素配置與工業綠色轉型的關系，原因在于能源優化水平的提高可以促進綠色能源的開發和利用。通過改善能源結構，增加可再生能源比例，減少對傳統高碳能源的依賴，可以為工業綠色轉型提供更多的綠色能源選擇。表10列（7）—列（9）回歸結果顯示，核心解釋變量與綠色技術創新的交互項系數分別為0381、0215、0370，且在1%的水平上顯著，這表明通過應用大數據分析和綠色技術，可以實現對環境指標和排放情況的實時監測和管理。這有助于提高企業對環境影響的認識和控制，推動工業向綠色轉型的方向發展，因此綠色技術創新可以正向調節數據要素配置與工業綠色轉型的關系。至此，假設H3得到驗證。

六、結論與政策建議

本文構建了數據要素配置兩個階段的理論模型，即數據要素市場化建設與數據要素價值化配置，系統考察數據要素配置與工業綠色轉型的關系，并基于中國30個省份相關數據進行了實證檢驗。主要結論如下：（1）"數據要素配置顯著促進了工業綠色轉型。該結論經過一系列穩健性檢驗和內生性處理后依然成立。（2）數據要素配置對工業綠色轉型的促進作用呈現“邊際效應”遞增的非線性特征。隨著數據要素市場化建設和價值化配置兩階段的不斷推進，工業綠色轉型的提升程度逐步增加。（3）異質性分析發現，東部地區享受到的數據要素配置紅利顯著高于中西部地區；高科教水平地區的促進作用比低科教水平地區更為顯著；低經濟發展水平的省域更能有效推動工業綠色轉型的發展。（4）機制分析發現，"產業結構優化、能源優化、綠色技術創新是數據要素配置促進工業綠色轉型的重要調節機制。

基于上述研究結論，本文提出如下政策建議：

1加快數據要素市場化建設與價值化配置

首先，加強完善市場化建設。當前，中國數據要素市場化建設仍處于起步階段，政府與科研機構應加大對數據要素供給、需求、流通交易及安全治理等方面的探索力度，推動數據要素交易模式和定價機制的試點與創新，打造標準化、高效的數據要素市場。其次，強化價值化配置。各級政府應高度重視數據要素價值化配置對工業綠色生產的促進作用，引導工業實體經濟確立“數實融合”的發展理念，鼓勵企業利用數字技術改造生產流程和管理模式，提升生產效率和產品質量。

2實施差異化數據要素配置策略

針對中西部地區、低科教水平地區以及高經濟發展水平地區數據要素配置效應尚未充分釋放的問題，應采取因地制宜的數據要素配置策略，加強區域合作與互聯互通，推動轉型驅動政策的空間整合，逐步縮小區域差距。此外，重點推進跨省份的產業協作治理，探索數據要素協同開發的適宜路徑，促進區域間資源共享與優勢互補，探索跨區域協作。

3強化調節機制，推動工業綠色轉型

首先，促進產業結構優化。鼓勵數據要素與傳統產業的深度融合，充分發揮數據要素的乘數效應，推動產業結構向綠色化、高端化轉型。其次，優化能源結構。通過數據要素的深度應用，調整工業部門能源結構，提升能源利用效率，助力工業綠色轉型。最后，支持綠色技術創新。完善相關制度，集聚創新資源，加速知識成果轉化，實現從數據要素到綠色技術創新再到工業綠色轉型的雙重飛躍。

參考文獻：

［1］"喬晗，"李卓倫.數據要素市場化配置效率評價研究［J］.中國科學院院刊，"2022，37（10）："1444-1456

［2］"蔡繼明，劉媛，高宏，等.數據要素參與價值創造的途徑——基于廣義價值論的一般均衡分析［J］.管理世界，2022，38（7）："108-121

［3］"鐘昌標，盧建霖.大數據試驗區建設推動我國工業綠色轉型了嗎［J］.江西社會科學，2023，43（1）："122-133.

［4］"Meng"X"N，Xu"S"C，Hao"M"G.Can"Digital-real"Integration"Promote"Industrial"Green"Transformation："Fresh"Evidence"from"China’s"Industrial"sector［J］.Journal"of"Cleaner"Production，2023，426："139116

［5］"李麥收，李華.大數據發展與企業勞動收入份額——基于國家大數據綜合試驗區的準自然實驗"［J］.管理學刊，2024，37（4）："14-29

［6］"Xiao"M，"Dong"R，"Yang"J，nbsp;et"al."Can"Market-based"Allocation"of"Data"Elements"Expand"Enterprise"Innovation"Boundary？"Evidence"from"a"Quasi-natural"Experiment"in"China［J］.Applied"Economics"Letters，"2024：1-5."

［7］"黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展——來自企業數字專利的證據［J］.經濟研究，2023，58（3）："97-115

［8］"Xin"Y，"Chang"X，"Zhu"J."How"does"the"Digital"Economy"Affect"Energy"Efficiency？"Empirical"Research"on"Chinese"Cities［J］.Energy"amp;"Environment，"2024，35（4）："1703-1728.

［9］"Ren"S，Hao"Y，Xu"L，et"al.Digitalization"and"Energy："How"does"Internet"Development"Affect"China’s"Energy"Consumption？［J］.Energy"Economics，2021，98："105220.

［10］陳婷，段堯清，吳瑾.數據要素市場化能否提升城市創新能力——一個準自然實驗［J］.科技進步與對策，2024，41（3）："74-83

［11］潘宏亮，趙蘭香，葉璐.我國數據要素發展水平的測度及時空演進研究［J］.科學學研究，2025（1）：1-17.

［12］鐘昌標，盧建霖.大數據試驗區建設推動我國工業綠色轉型了嗎［J］.江西社會科學，2023，43（1）：122-133.

［13］王永進.數字技術會帶來“技術奇點”嗎？［J］.產業經濟評論，2024（2）："107-120

［14］衛彥琦.數字金融對產業鏈韌性的影響［J］.中國流通經濟，2023，37（1）："71-82

［15］成瓊文，申萍.數字金融對城市產業結構升級的影響研究［J］.中南大學學報（社會科學版），2023，29（2）："109-123.

［16］蘭梓睿.產業政策如何影響企業綠色創新？——基于技術創新和資源再配置的視角［J］.經濟體制改革，2023（4）："176-183

［17］趙莉，王慧娟.內部控制視角下政府環境監管與企業綠色技術創新——市場化水平的調節作用［J］.科技進步與對策，2024，41（19）："100-108

［18］楊永杰，阮鑫妍.數字化轉型、綠色技術創新與企業ESG表現——環境規制的調節作用［J］.哈爾濱商業大學學報（社會科學版），2023（5）：34-47.

［19］陳媛媛，趙晴.多主體互動視角下數據要素市場參與主體的策略選擇研究［J］.圖書情報工作，2024，68（1）："50-64

［20］劉金釗，汪壽陽.數據要素市場化配置的困境與對策探究［J］.中國科學院院刊，2022，37（10）：1435-1444

［21］馮偉，李嘉佳.企業家精神與產業升級：基于經濟增長原動力的視角［J］.外國經濟與管理，2019，41（6）："29-42

［22］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）：61-70

［23］馮素玲，許德慧.數字產業化對產業結構升級的影響機制分析——基于2010—2019年中國省際面板數據的實證分析［J］.東岳論叢，2022，43（1）："136-149+192.

［24］羅世華，王棟.碳交易政策對省域全要素能源效率的影響效應［J］.經濟地理，2022，42（7）："53-61

［25］唐要家，王鈺，唐春暉.數字經濟、市場結構與創新績效［J］.中國工業經濟，2022（10）："62-80

［26］黃磊，吳傳清.長江經濟帶城市工業綠色發展效率及其空間驅動機制研究［J］.中國人口·資源與環境，2019，29（8）："40-49

［27］郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征［J］.經濟學（季刊），2020，19（4）："1401-1418.

［28］袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化［J］.中國工業經濟，2021（9）："137-155

［29］張虎，張毅.數字經濟如何影響中國產業鏈現代化：理論依據與經驗事實［J］.經濟管理，2023，45（7）："5-21

Data"Element"Configuration"and"Industrial"Green"Transformation：Based"on"

a"Two-stage"Perspective"of"Marketization"and"Value-orientation

KANG"Shikang，"SHANG"Yu

（School"of"Management，China"University"of"Mining"and"Technology-Beijing，Beijing"100083，China）

Abstract：Industrial"green"transformation"is"an"important"prerequisite"for"achieving"new"industrialization"and"a"key"link"in"building"an"industrial"powerhouse.Data，as"a"new"production"factor，plays"a"crucial"role"in"promoting"industrial"greening.The"allocation"of"data"elements"is"divided"into"two"stages："market-oriented"construction"and"value-oriented"allocation.Based"on"panel"statistical"data"from"30"provinces"in"China"from"2011"to"2022，fixed"effects"model，threshold"effect"model，and"moderation"effect"model"are"used"to"empirically"test"the"impact"mechanism"of"data"element"allocation"on"industrial"green"transformation"from"multiple"dimensions.Research"has"shown"that"data"element"allocation"can"significantly"promote"industrial"green"transformation，and"this"conclusion"still"holds"true"after"considering"endogeneity"and"robustness"issues.The"configuration"of"data"elements"has"an"increasingly"positive"promoting"effect"on"industrial"green"transformation"and"has"a"non-linear"characteristic"of"increasing"marginal"effects，with"a"threshold"effect.The"optimization"of"industrial"structure，energy"optimization，and"green"technology"innovation"have"significantly"strengthened"the"relationship"between"data"element"allocation"and"industrial"green"transformation.Group"regression"shows"that"there"is"heterogeneity"in"the"allocation"of"data"elements"for"industrial"green"transformation"across"regions，levels"of"science"and"education，and"levels"of"economic"development.The"research"findings"contribute"to"improving"the"efficiency"of"data"element"allocation，accelerating"the"process"of"industrial"green"transformation，and"providing"policy"insights"for"local"governments"to"build"a"unified"national"market

Key"words：data"element"configuration;"market-oriented"construction;value-oriented"allocation;"industrial"green"transformation;digital"economy"

（責任編輯：趙春江）