數智化賦能城市包容性綠色增長： 來自雙重機器學習的因果推斷

中圖分類號 F124.5 文獻標志碼A 文章編號1002-2104（2025）06-0177-13

DOI：10.12062/cpre.20241134

中國GDP從2013年的59.3萬億元躍升至2022年的121萬億元1，經濟整體實現了從“追趕\"到\"引領\"的歷史性跨越。然而，“包容性”不強與“綠色化”缺失等問題仍是制約經濟高質量發展的關鍵“堵點\"和“短板”，這與國家實現共同富裕、高質量發展等一系列戰略需求極不相稱，加快城市包容性綠色增長迫在眉睫。與此同時，伴隨著第四次工業革命的到來，作為以大數據、互聯網、云計算和人工智能等顛覆性技術為底座的新型戰略性組織形態，數智化以其高創新性、廣覆蓋性和強協同性深刻地影響著社會經濟發展方式和治理模式2，加速推動質量變革、效率變革、動力變革，并成為引領城市包容性綠色增長的核心驅動力。國家層面也高度重視數字智能與社會經濟各領域的深度融合。黨的二十屆三中全會明確強調了數字化與智能化融合的重要性，首次在政策文件中提出“數智”一詞，標志著數智化已成為引領傳統產業優化升級以及推動新質生產力發展的重要引擎。這為依托數智化助力經濟增長、社會公平、生態友好等社會經濟領域協調發展提出了重要命題。然而，關于數智化賦能的相關研究才剛剛起步。已有文獻雖割裂式探究了數字化或智能化在推動經濟提質換擋、新舊動能轉換[3，以及促進全要素生產率提升、社會治理結構優化、生態環境質量改善4等領域中發揮的重要作用，卻普遍忽略了代表“數智融合\"的數智化在驅動城市包容性綠色增長中究竟扮演著何種角色。那么，數智化能否引領經濟包容化、綠色化協同發展？具體效果如何？其又如何賦能包容性綠色增長？賦能的基本規律又是什么？客觀回答上述問題對國家大力推動共同富裕和加快數字中國建設具有重要的理論與現實意義。

1文獻綜述

數智化首次由2015年北京大學“知本財團\"課題組提出，并定義為“數字智慧化與智慧數字化的合成”。相關研究主要聚焦于3個方面。一是集中剖析數智化內涵。張云等2認為，數智化是數字化與智能化的融合升級與再配置；陳劍等5、單宇等則從數字能力與智能技術融合應用角度來探討數智化。二是采用案例研究方法解析數智化賦能。陳劍等5探究數智技術對供應鏈供需兩側的積極作用；單宇等基于林清軒轉危為機的案例，強調數智化在危機中增強組織韌性的重要作用；潘越等首次將數智賦能法治化營商環境建設的創新實踐納入了經濟學研究；李曉娣等8基于區域創新生態系統案例，揭示數智賦能創新生態系統的新路徑。三是實證探究數智化對經濟社會的潛在沖擊。張云等2以主成分分析法構建行業-省份數智化指數，發現數智化不僅能推動國內大循環與國內國際雙循環，還有助于縮小地區收入差距。還有學者研究表明，數智化可有效提高企業韌性和新質生產力[10]。上述研究成果為深入理解數智化本質屬性奠定了一定的理論基礎，然而關于數智化賦能的經驗分析還較為少見。

與本研究直接相關的一支文獻從單一視角考察數字化或智能化對包容性增長的影響。Kouladoum等\"發現數字基礎設施有助于實現更為包容、更加平等的經濟增長；Leng[12強調數字革命有助于降低信息成本進而拓寬包容性增長渠道；陳東等[13認為人工智能總體上促進了包容性增長和共同富裕的實現。另一支文獻則重點研究了數字化或智能化與綠色增長的關系，認為數字化已成為城市綠色經濟轉型的強大驅動力，并表現出空間維度上的“同時共振\"特征[14]；智能化釋放的技術紅利效應不僅能積極賦能綠色增長[15]，還具有輻射帶動空間關聯地區綠色發展的作用。由此可見，以上研究尚未系統探究數智融合為何以及如何賦能城市包容性綠色增長這一重大現實問題。

鑒于此，本研究采用雙重機器學習模型、兩種“黑盒\"模型解釋工具—置換特征重要性及偏依賴圖，實證考察數智化對城市包容性綠色增長的作用效果、異質性表現與傳導機制，并刻畫了數智化賦能的非線性演變規律。可能的創新之處在于：第一，借鑒國家統計局《數字經濟及其核心產業統計分類（2021）》及數智化的內涵界定，利用企研·社科大數據平臺嘗試構造出更加細分的城市層面數智化發展指數，為宏觀層面更為深入地探究數智化賦能問題提供理論參考。第二，客觀刻畫出數智化賦能的事實特征及異質性，構建\"政府-市場-公眾”三維機制框架驗證數智化驅動城市包容性綠色增長的可行路徑，為政府統籌實現數智化轉型與包容性綠色增長的協調發展提供實踐啟示。第三，將雙重機器學習算法運用于數智賦能效果評估中，既避免了傳統計量模型所面臨的“維度詛咒”與模型設定偏誤問題，又模擬出數智化對城市包容性綠色增長的非線性趨勢，在一定程度上有助于提高數智化賦能的靶向性和精確性。

2理論分析與研究假設

2.1數智化賦能城市包容性綠色增長的直接機制

數智化具有高創新、廣覆蓋、強協同等典型特征，能夠通過加強數據和知識要素在區域間的傳播與合作，突破資源壁壘，以有效整合內部資源、鏈接互補外部資源等方式優化資源利用效率，實現經濟體系良性循環，創造更高質量的經濟增長、更包容的社會公平以及更綠色的生態友好，為城市包容性綠色增長謀求更廣闊的發展空間。

數智化為經濟高質量發展提供新引擎。內生經濟增長理論認為，技術進步是長效驅動經濟增長的根源[17]。作為前沿技術創新，數智化利用其數改智轉、跨界融合、群智開放等新優勢充分滲透到生產流程各環節、經濟系統各領域，持續提升經濟社會運轉所依賴的技術水平，形成創新驅動的經濟增長模式。相較于數字化和智能化，數智化真正意義上實現了新一代信息技術從小數據到大數據，再到智慧數據的本質飛躍，能夠在更大技術輻射范圍內實現智慧化生產管理、網絡化協同，強化城市間知識溢出與數據信息合作，推動資源配置效率和生產能力提升，從而為經濟高質量發展提供有效的新質生產力引擎。

數智化為實現包容性社會公平創造新范式。羅爾斯福利經濟學強調，社會福利最大化的標準是使境況最糟的社會成員的效用最大化，以實現最大程度的社會公平[18]。作為一種新型技術創新范式，數智化一方面能夠通過系統化的數據挖掘和場景應用，保證惠民政策實施的精準度和時效性，有效避免各環節的人為干擾并減少下放權力的尋租空間，從而不斷提高社會保障水平及福利分配的透明度和公平性；另一方面，數智化賦能保障了公民的社會福利權，通過快速改變民眾“被溝通”的固有模式，持續拓寬政府與社會的良性互動的渠道，有利于提升弱勢群體的參與度與獲得感，實現數智成果為全體社會成員共享的包容性社會發展。

數智化為推進生態友好建設積蓄新動能。科斯定理表明，在某些條件下，經濟的外部性或非效率能通過談判達到最佳狀態[19]。數智化為實現環境物品和服務帕累托最優供給提供外部驅動力，成為助力綠色發展的關鍵因素。一方面，數智化為產業鏈各環節構建更高級的數據、算法和技術網絡平臺，使外部信息能夠快速進入市場主體的戰略規劃與行為決策中，有利于以低成本方式實現綠色生產、綠色研發；另一方面，數智化發展通過構建創新要素流動和產業鏈協同分工的新型生態，為各類經營主體參與生態領域的協作創新提供技術支撐，并通過釋放結構性制度紅利和強化市場競爭效應，促進了創新效率提升和綠色績效增長，為生態環境友好建設提供動力支撐。基于此，提出研究假設H1。

H1：數智化有助于實現經濟增長、社會公平以及生態友好的高度統一，從而能顯著地促進城市包容性綠色增長。

2.2數智化賦能城市包容性綠色增長的傳導機制

構建“政府-市場-公眾”三位一體的傳導邏輯，認為數智化主要通過誘發政府干預、優化要素配置與改善從業質量3個渠道來釋放城市包容性綠色增長紅利。

2.2.1政府干預誘發機制

數智化能通過引導財政資金流向和甄別財政透明度來驅動城市包容性綠色增長。一方面，數智化發展的強外溢性將誘發政府對其\"正外部性\"行為產生的溢出后果進行成本補貼，同時向外界釋放出“被政府認可”的明確信號，從而在地方政府間自發形成一種增進社會福祉、綠色發展的“逐頂競爭”局面，這有利于促使企業、行業實現精準生產，持續提高資金結構及利用效率，不斷追求資源最優化配置，最終達成社會績效、生態績效和經濟績效共生的增長價值；另一方面，數智化形成的大數據技術平臺可充分發揮智慧數據作為關鍵生產要素的基礎資源和創新引擎作用，有助于營造透明的信息環境，減少官員腐敗概率，增加尋租實施成本2]，由此為精準合理地配置財政資金和信貸資金，發揮“有為政府”作用奠定良好的基礎，進而助力城市包容性綠色發展。

2.2.2要素配置優化機制

數智化應用通過釋放數據要素的非競爭、零邊際成本效能，推動新型數據要素與傳統生產要素配置優化，進而推動城市包容性綠色增長。一方面，數智化能不斷優化要素供給結構和重新整合數據資源，搭建資本、勞動等要素跨時空的智能化流通渠道，通過破除行政分割的桎梏，緩解產業鏈、供應鏈和價值鏈全鏈條出現的要素錯配問題[21]，提高勞動和資本配置效率，要素配置效率的提升則為進一步推動經濟包容化、綠色化發展提供可靠動力；另一方面，數智化范式轉變帶來的資本要素替代效應和增強效應，在一定程度上能優化資本有機結構、資本創新要素密度，帶來更多邊際產出和創新貢獻。同時，數智化借助新興技術加快了“人機協同\"“機器換人”的步伐，強化資本對勞動的替代，也能不斷優化要素配置結構，有助于實現精益生產、節能減排、避免資源浪費和識別冗余資源，最終實現經濟增長、社會包容和生態保護的共贏，推動城市包容性綠色增長。

2.2.3從業質量改善機制

數字智能協同打破了從業供需和傳統中心化的信息壁壘，有效提升公眾從業質量，進而實現城市包容性綠色增長[22]。一方面，數智化發展衍生出一批新業態、新模式、新部門，能快速推動產業結構向縱深發展，形成新的虛實結合的社會空間和更精細化的社會分工，可切實刺激綠色領域的社會有效總需求，帶動綠色企業生產規模擴張并創造出更多新型的高質量就業崗位，有助于實現就業機會均等和綠色發展；另一方面，數智化在供需對接、資源匹配等方面能夠有效彌補“數字鴻溝\"的缺陷，大幅降低公眾擇業成本，提高就業匹配質量和社會平均福利效應水平，實現工資與勞動生產率的同步增長。同時，數智平臺還利用數智技術進行智慧管理，帶動傳統就業模式和就業組織的變革，就業市場因突破了原有的時空邊界和固有的雇傭關系，使勞動主體的工作方式、工作環境更加靈活化、多元化，帶動勞動報酬的快速增長和工作滿意度的普遍提升，最終推動城市包容性綠色增長。基于此，提出研究假設H2。

H2：數智化主要通過誘發政府干預、優化要素配置與改善從業質量來賦能城市包容性綠色增長。

2.3數智化賦能城市包容性綠色增長的非線性調節機制

作為一種更為高級的數字生產力，數智化對城市包容性綠色增長的影響也可能遵循“梅特卡夫法則”，呈現出邊際效應遞增的動態演化特征。在數智化發展初期，數智化發揮“數據同質性\"和“可重復編程性\"功能與傳統生產要素融合發展，一定程度上壓縮了地區間經濟、社會和生態聯系的時空距離，推動資源從低效部門向高效部門進行流動與再分配，為城市包容性綠色增長提供了較為良好的外部市場環境。然而，此時數智化對城市包容性綠色增長的溢出紅利尚未能充分釋放。一方面，數智化在起步期具有見效慢、周期長、成本高和不確定性強等特征，其價值易受到管理層的質疑，導致短期內企業開展數智投資的動力相對不足，存在數智化部署“失靈”等問題；另一方面，社會經濟系統對原技術存在路徑依賴，固有技術在慣性作用下往往會不斷積累和自我提高，容易陷入低效率的系統“鎖定狀態”，導致數智技術難以充分嵌入到創新鏈、產業鏈、人才鏈、政策鏈和資金鏈中。因此，在弱數智時期，數智化對推動經濟發展、塑造公民福祉、促進生態平衡等方面的融合滲透尚不夠充分，導致該情景下數智化賦能城市包容性綠色增長的積極作用還相對有限。

隨著數智融合遞進式發展，數智化與社會經濟各領域融合的廣度、深度和強度都在不斷增強。此時，數智化既可有效強化虛擬要素對傳統要素的替代，持續改善傳統產業的主導技術和生產方式，不斷優化原有的生產效率和結構配置，還能通過提高傳統產業附加值，縮小行業技術差距，增強資源要素的流動，為經濟、社會、環境的協調發展提供新的動力源泉和增長空間，從而為實現城市包容性綠色增長奠定堅實基礎。一方面，數智化新業態搭建能夠實現由點成線、由面成網，縱深推進地區間信息知識溢出、跨界活動協同，乃至全域全鏈業務貫通23，有效提升社會生產生活方式的便利化水平，使更多人群能公平享受到新技術、新模式帶來的溢出紅利；另一方面，大數據、云計算與人工智能等融合衍生的數智技術持續嵌入應用，既有利于通過促進傳統勞動力的技能升級以及培養新興產業技術人才來優化勞動力結構，也能吸引并有效配置金融資本等生產要素流向新興產業，推動技術、綠色密集型產業在產業結構中的比重顯著增加，進而促進經濟發展的綠色化和高級化。另外，高度發展的數智化還可全面實現數字空間與現實空間全景融合，創造出新的數實孿生疊加效率，能夠最大化釋放數智化賦能的雙重價值，為推動經濟增長、社會公平和生態優化提供全方位支持，從而產生更為明顯的城市包容性綠色增長紅利。基于此，提出研究假設H3。

H3：數智化賦能城市包容性綠色增長符合邊際效率遞增規律，證實了“梅特卡夫法則”在數智融合發展的高級階段依然適用。

3 研究設計

3.1雙重機器學習模型構建

借鑒已有研究的設計[24]，采用雙重機器學習部分線性模型檢驗數智化賦能城市包容性綠色增長效應，構建如下模型：

式中：下標 表示城市和年份； G_i，t 為被解釋變量，表示城市包容性綠色增長水平； I_i，t 為核心解釋變量，表示數智化水平； θ₀ 是本研究重點關注的效應系數； X_i，t 為一系列控制變量及其各類函數轉換形式的集合； U_i，t 代表誤差項，條件均值為 為一系列控制變量 X_i，t 及其各類函數轉換形式的集合的預測或估計值。

根據式（1），可得處置效應系數 為：

式中： n 為樣本總量； 表示為 X_i，t 的似然函數值。

其他變量含義同上。

為使系數估計量在小樣本下滿足無偏性，構建輔助模型如下：

式中： 為 I_i，t 對高維控制變量的效應函數； V_i，t 表示誤差項，條件均值為0。其他變量含義同上。

此時將 看作 I_i，t 的工具變量， 可通過 X_i，t 對 I_i，t 回歸得到，獲得新的無偏估計量：

3.2 非線性模型

參考王元彬等25的做法，運用雙重機器學習-隨機森林模型研究數智化賦能城市包容性綠色增長的非線性效應，構建如下模型：

式中： 和 u_t 分別表示地區效應和時間固定效應， φ（*） 為隨機森林方法構建的非線性模型。其他變量含義同上。

3.3 變量設置和說明

3.3.1被解釋變量：城市包容性綠色增長 （G）

參考張濤等22等相關研究的共同性與差異性，本研究認為，城市包容性綠色增長涵蓋“包容性\"和“綠色化”雙重復雜內涵，是一種強調經濟增長、生態綠色、社會包容協調的新發展理念，充分體現了包容性增長與綠色增長的有機融合。具體而言，為更全面客觀地揭示中國經濟發展的“包容性”和“綠色化\"事實，擬從經濟增長 （Q） 、社會公平（S）和生態友好 （F）3 個維度構建綜合評價指標體系，以測算城市層面的包容性綠色增長指數。在指標權重的設定上采用熵權法進行測度，根據各指標的權重進行加權，最終得到各城市包容性綠色增長的量化指數，具體細分指標設計見表1。

3.3.2核心解釋變量：數智化 （I）

數智化反映“數字化發展 + 智能化升級”兩個層面的聯動效應，是數字化同智能化深度融合的系統性過程。為了凸顯數字化與智能化結合所附著的新型產業組織形態，盡可能剝離“數字化”與“智能化”的重疊或替代關系，借鑒國家統計局《數字經濟及其核心產業統計分類（2021）》、陳劍等[5、單宇等對數智化的界定，參考張云等[2]的做法，選用\"城市-年份\"層面的數字化與智能化交乘，構造出“城市-年份\"的數智化指數。具體測度指標體系見表2。

3.3.3機制變量

① 政府干預。從財政補貼以及財政透明度兩個維度來衡量政府干預程度。借鑒田高良等[26的設計，政府補貼 （U） 采用地方政府科技支出占一般財政預算支出來刻畫；財政透明度 （R） 采用清華大學公共管理學院發布的《中國市級政府財政透明度研究報告》中披露的財政透明度指數來衡量，為方便估計，財政透明度進行除以100的線性變換處理。 ② 要素配置。參考白俊紅等27的做法，采用超越對數生產函數測度“價格扭曲\"指數以刻畫勞動和資本的配置效率扭曲程度。勞動配置效率（A）和資本配置效率 （K） 分別表示為勞動力、資本的邊際產出與其價格之比。 ③ 從業質量。參考張濤等22的設計，從居民就業和居民收入兩個維度來刻畫從業質量。就業情況 （M） 和收入水平 （N） 分別采用城鎮單位年末從業人員數與城鎮職工平均工資來表征。

表1城市包容性綠色增長指標測度體系

3.3.4控制變量

① 基礎設施水平 （B） ，采用人均道路面積來表示；② 城市綠化水平 （W） ，采用建成區綠化覆蓋率來衡量；③ 經濟發展 （C） ，以夜間燈光均值數據來刻畫地區經濟發展情況； ④ 教育發展水平 （D） ，選擇地方政府教育支出與地區生產總值之比來表征； ⑤ 城鎮化水平 （J） ，選取城鎮常住人口與地區常住人口的比值來表示； ⑥ 交通運輸水平（T），采用鐵路貨物運輸量取自然對數來刻畫； ⑦ 外商投資水平 （H） ，選取當年實際利用外商直接投資額與地區生產總值的比值來衡量； ⑧ 居民消費水平 （P） ，采用社會消費品零售總額與地區生產總值的比值來衡量； ⑨ 研發投入（o） ，選擇Ramp;D內部經費支出取自然對數來衡量； ⑩ 人力資本 （Y） ，采用每萬人在校大學生數取自然對數來衡量。

3.4數據說明及描述性統計

限于數據可得性，本研究未涉及西藏、香港、澳門和臺灣等地區的城市，最終選取了中國30個省份的279個地級及以上城市的面板數據作為研究樣本。其他如三沙、臨滄、儋州、克拉瑪依、吐魯番、哈密、畢節、海東、淮安、荊州、襄陽、銅仁等城市，因管轄范圍變更、設立時間較短或數據缺失嚴重，暫不予研究。目前數智化相關指標僅更新至2020年，依據數據可獲得性和連貫性，最終構建2010—2020年的面板數據集來探究數智化對城市包容性綠色增長的影響，其中政府財政透明度數據僅從2013年開始更新。數智化原始數據來自國研網內部數據庫、企研·社科大數據平臺，其他變量均來自《中國統計年鑒》《中國科技統計年鑒》《中國固定資產投資統計年鑒》《中國城市統計年鑒》《中國市級政府財政透明度研究報告》，以及各地級及以上城市政府工作報告。對于缺失數據采用插值法補齊處理，且經濟指標均采用GDP平減指數將其核算成2006年不變價。

表2數智化指標測度體系及描述性統計

4實證結果分析

4.1效應檢驗

4.1.1 因果效應識別及分析

借助隨機森林算法分析數智化與城市包容性綠色增長之間的因果關系。在加入控制變量、時間和城市固定效應后得到的基準回歸結果見表3。表3列（1）—列（4）列出了樣本分割比分別為 1：2，1：4，1：6，1：8 的估計結果。不難發現，當K折交叉驗證（Kfolds）為5時，預測效果最好，因此選擇1：4為后續研究的最佳樣本切割比。在表3列（2）中，數智化對城市包容性綠色增長的彈性系數為0.072，且通過了 1% 的顯著性水平檢驗，即數智化程度每增加1個百分點，城市包容性綠色增長水平將增加0.072個百分點，這相對于其樣本期間的均值水平0.044而言提升了 164% 左右（即 0.072/0.044×100% ，充分表明數智化能夠顯著地促進地區包容性綠色增長，初步驗證了研究假設H1。

為探究數智化究竟對城市包容性綠色增長哪個維度產生了更為深刻的沖擊，進一步討論數智化對城市包容性綠色增長各分維度指標的具體影響，基于經濟增長、社會公平以及生態友好的回歸結果依次見表3列（5）一列（7）。據此可知，經濟增長和社會公平的估計系數均在1% 水平上顯著為正，且對社會公平的估計系數（0.174）大于對經濟增長的估計系數（0.161）；同時，數智化對生態友好的回歸系數為0.005，但并未通過顯著性檢驗，這意味著數智化對生態優化具有一定的積極作用，但這種正向沖擊還較為有限。產生該現象的原因可能在于：一方面，數智化不斷外延拓展組織邊界，有助于降低綠色活動的模糊性，引導全域全鏈充分釋放數據要素、智能技術的潛在價值，為經濟增長、社會公平、節能減排帶來質量變革、動力變革；另一方面，數智化發展初期需要大量能源消耗與原材料開采，這不僅會無形中增加企業環境成本，又受制于短期內的紅利優勢難以快速形成，可能在一定程度上反而不利于減污降碳。由于數智化對生態環境的正負效應相互抵消，短期內其對綠色低碳發展的積極作用尚未充分顯現。上述結果表明，數智化與城市包容性綠色增長的正向關聯顯著存在，再次驗證了研究假設H1。

為明晰數智化兩個分維度的賦能差異，表3列（8）—列（9）分別列示了數字化、智能化對包容性綠色增長的估計系數，數字化、智能化對城市包容性綠色增長的回歸系數分別為 0.046，0.035 ，且均在 1% 水平上顯著。對比表3列（2）的回歸系數0.072可知，數智化對城市包容性綠色增長的促進作用最大，數字化次之，智能化作用效果相對最小；與單要素驅動相比，數字化與智能化協同對城市包容性綠色發展的推動作用最為明顯，發揮出顯著的“ 1+ 1gt;2 ”的協同效應。其可能的原因在于：區別于數字化、智能化，數智融合衍生的數智化具有更為明顯的高創新、深滲透、廣覆蓋和強協同特征，其不僅驅動企業的數據業務創新、加快場景應用，還有助于全產業鏈達到開源節流、降本增效，有效實現經濟結構優化、能源利用效率提高，并從源頭上實現協同減排，從而促進城市包容性綠色增長向更高更深層次躍遷。

4.1.2穩健性檢驗及內生性處理

（1）改變研究模型。 ① 選取雙向固定效應模型作為雙重機器學習估計結果的重要補充； ② 加入省份-時間交互固定效應重新進行雙重機器學習再估計。結果見表4列（1），研究發現，數智化賦能的積極作用依然明顯，印證了基準回歸結論的可靠性。

表3雙重機器學習的基準回歸結果

注： ^***Plt;0.01 ；括號內數值為穩健標準誤。

（2）調整研究樣本。 ① 由于包容性綠色增長源于2012年“里約 +20^? 峰會，故將樣本時間調整為2012—2020年； ② 剔除經濟發展較好的4個直轄市及基礎較薄弱的5個自治區將剩余樣本再回歸。結果見表4列（2），發現改變樣本容量后，基準回歸結論依舊穩健。

（3）剔除異常值。異常值的存在會使回歸分析產生偏差，特別是對于組合賦權法合成的指標。對此，將所有連續變量均分別進行 1%5% 分位數極端值處理。具體估計結果見表4列（3），數智化的估計系數符號與基準回歸在方向上保持一致，原結論成立。

（4）替換變量。選擇\"大數據綜合試驗區\"試點與“智慧城市”試點的交乘項作為數智化的替代變量。結果見表5列（1），數智化政策交乘項系數顯著為正，表明實證結果保持了較好的穩健性。

（5）重設機器學習算法。為避免雙重機器學習算法設定偏誤，進一步應用套索回歸、梯度提升及神經網絡3種不同機器學習算法。結果見表5列（2），可以發現，更換機器學習不同算法后，基準回歸結論依然具有穩健性。

（6）工具變量法。應用雙重機器學習模型進行工具變量檢驗，模型如下：

式中： Z_i，t 為本研究的工具變量，將明朝驛站數量、河流密度與時間序列的交乘項作為雙重機器學習算法的工具變量； 為 Z_i，t 對高維控制變量的效應函數。其他變量含義同上。

選擇明朝驛站數量、河流密度與時間序列的交乘項作為雙重機器學習算法的工具變量的原因如下：一方面，驛站主要用于軍事，且距今時間超過400年，對現代經濟包容化、綠色化影響微乎其微，但與現代網絡、通信和交通設施相關[28]，具有較好的外生性。另一方面，一般河流密度越高的城市，其轄地內的國家環境監測控制點越多，數智化發展受到上級的監管力度越大，故滿足相關性；且城市河流密度無法直接影響到城市包容性綠色發展，故又滿足外生性前提。結果見表5列（3），顯然可見，即使充分考慮內生性干擾后，基準結論也沒有實質性改變。

4.1.3異質性檢驗

（1）基于自然地理環境特征反映資源稟賦、發展規模、地理位置、行政等級等的異質性影響，結果見表6。① 資源稟賦。根據《全國資源型城市可持續發展規劃（2013—2020年）》的標準，將樣本劃分為資源型城市和非資源型城市以考察數智化賦能的資源稟賦異質性特征，具體結果見列（1）。結果表明，數智化對非資源型城市包容性綠色增長的回歸系數為0.073，明顯大于資源型城市數智化的賦能效果，且二者均通過了 1% 的顯著性水平檢驗，說明相較于資源型城市，數智化對非資源型城市包容性綠色增長的積極作用更明顯。可能的原因在于，非資源型城市本身在數智化水平、經濟發展基礎以及政策制度傾斜等方面具備優勢，且其制造業與服務業發展的生態基礎較高，能以優良的生態環境吸引社會資本，為轄區內城鄉居民創造出更多的社會福利，從而為該類城市包容性綠色增長奠定良好的物質基礎。 ② 發展規模。以自然地理和人文發展的分界線為依據，劃分出“胡煥庸線”東側城市和“胡煥庸線\"西側城市，具體結果見列（2）。不難發現，與“胡煥庸線\"東側城市相比，數智化對“胡煥庸線\"西側城市包容性綠色發展的促進作用表現得更為顯著。可能的原因在于，隨著數智化技術的深度滲透與融合，數智化不僅能夠有效激發“胡煥庸線\"西側城市的內生發展動力，有效對接國家重大戰略需求，還能發揮“胡煥庸線\"西側城市的比較優勢，從而顯著提升“胡煥庸線”西側城市的包容性綠色增長水平。 ③ 地理位置。從樣本中篩選出53個沿海城市進行分樣本回歸，結果見列（3）。結果表明，不論是沿海城市還是內陸城市，數智化發展對包容性綠色增長的效果均顯著為正，但內陸城市賦能效果略勝一籌。可能的原因在于，內陸地區雖然在人才、技術、資本和管理等方面與作為經濟“領頭羊\"的沿海城市存在一定差距，但其通常具有后發優勢，能通過“小步快跑”揚長避短的方式實現城市包容性綠色增長的“彎道超車”。 ④ 行政等級。將樣本分為中心城市（直轄市和副省級城市）和外圍城市（一般地級市），結果見列（4）。不難發現，數智化對兩種類型城市包容性綠色增長均具有顯著的積極作用，且對中心城市的賦能效果小于外圍城市。可能的原因在于，作為國內大循環戰略實施的重要空間載體，外圍城市在暢通國內大循環的過程中，通過承接中心城市基于比較優勢溢出的生產要素，有效釋放了外圍城市經濟增長潛力，促進了城市的包容性綠色增長水平。

表4穩健性檢驗結果I

注：*** Plt;0.01 ；括號內數值為穩健標準誤。

表5穩健性檢驗結果Ⅱ

注： ^*Plt;0.10，^**Plt;0.05，^***Plt;0.01 ；括號內數值為穩健標準誤。

表6自然地理環境異質性檢驗結果

注： ^**Plt;0.05，^**Plt;0.01 ；括號內數值為穩健標準誤。

（2）基于社會經濟環境特征反映來自市場一體化、金融發展、宗族文化、數字經濟等方面異質性的影響，結果見表7。 ① 市場一體化。參考張柳欽等[29]的設定方式，采用各省份市場分割指數衡量市場一體化水平，并對各省份2010一2020年市場分割指數的倒數進行均值化處理，依據中位數將樣本分為市場一體化水平高、低兩組進行回歸檢驗，估計結果見列（1）。可以發現，市場一體化水平低、高兩組城市的數智化估計系數分別為0.120和0.060，在 5% 和 1% 水平上顯著，表明在市場一體化水平低的情形下數智化的賦能效果更好。這可能是因為，市場一體化水平高的城市在推動新舊動能轉換和經濟結構轉型升級過程中，通常需要更高標準的招才引智配套，客觀上提升了數智化賦能城市包容性綠色增長的標準和要求。 ② 金融發展。借鑒孫少巖等3的做法，選取年末金融機構存貸比作為金融發展的代理變量，來體現城市金融要素配置程度和金融競爭力，并依據中位數將樣本分為高水平和低水平金融發展組，回歸結果見列（2）。可以發現，金融發展高水平組城市的數智化估計系數為0.109，遠大于低水平組的估計系數0.066，表明金融發展水平高的城市能夠有效滿足數智化發展的資本需求，并為推動城市包容性綠色增長提供持續性的資金支持。具體而言，企業在進行數智化轉型過程中普遍面臨融資約束，而良好的融資環境不僅有助于緩解企業資金壓力、拓寬融資渠道，更能為數智化轉型創造有利條件，進而對城市包容性綠色發展產生顯著的促進作用。 ③ 宗族文化。借鑒張柳欽等[29的方法，基于城市每百萬人族譜數量來衡量宗族文化強度，并對其進行均值化處理，根據中位數將樣本分為宗族文化強、弱兩個組，結果見列（3）。結果表明，數智化對宗族文化較弱城市包容性綠色增長的積極作用更為顯著。這可能是因為，在宗族文化影響較弱的城市，個人、家庭和企業間建立的信任關系有助于降低民間融資風險，進而穩定金融市場秩序并增進社會福祉。 ④ 數字經濟。參考《中國數字經濟發展白皮書（2021）》，以1萬億元為臨界值將樣本分為數字經濟發展高水平組和低水平組。列（4）結果表明，數智化對城市包容性綠色增長的賦能效果均顯著為正，但低水平組的回歸系數遠高于高水平組的回歸系數，表明數智化更能提升數字經濟發展水平低城市的包容性綠色增長，這也意味著數智化可以激發低水平組城市的后發優勢，通過消除區域間的“數字鴻溝”現象，顯著促進城市經濟包容化、綠色化發展。

4.2 傳導機制檢驗

參考江艇[3的做法，基于“政府-市場-公眾\"理論框架，從政府干預、要素配置、從業質量3個方面檢驗數智化對城市包容性綠色增長的傳導機制，回歸結果見表8，研究假設H2成立。

（1）政府干預誘發機制。據表8列（1）可知，數智化對政府財政補貼、城市財政透明度的估計系數分別為0.037、0.564，且均在 1% 水平上顯著，表明數智化發展能顯著激勵政府干預。這是因為，數智化發展改變了生產管理模式，催生了新產業并擴大市場規模，不僅能夠倒逼政府持續進行正外部性補貼，還能夠突破信息交流的時空限制并強化社會媒體對政府行為的監督，顯著提升政府財政透明度[32]。進一步分析，地方政府更了解地方信息和公眾偏好，可以通過財政投入和補貼等手段來引導資源分配，從而提升公共資源配置效率并促進經濟高質量發展。與此同時，財政透明度的持續提升也會促進政府間良性競爭，如地方政府通過提高環境監管標準來提升競爭力，最終形成地方政府間環境規制的“逐頂競爭\"現象，有利于經濟的綠色轉型升級。因此，數智化能通過吸引政府補貼、增加財政透明度來促進城市包容性綠色增長。

（2）要素配置優化機制。根據表8列（2）可知，數智化對資本配置效率、勞動配置效率的估計系數分別為0.130、0.746，且均在 1% 的水平上顯著，表明數智化發展能改善地區要素配置效率。這是因為，數智化發展能充分發揮數據要素跨時空優勢，實現信息的共享與傳播，降低資本市場、勞動力市場信息不對稱成本，從而提升資本配置效率和勞動配置效率，實現區域利益帕累托改進。進一步分析，要素配置效率的提升一方面能夠優化資本市場供需結構，顯著提高資本投資回報率及全要素生產率，推動地區實現集約型經濟高質量發展；另一方面還可促進高技能、高素質勞動力的高效流動，激活市場各類生產要素潛能，顯著提升整體社會經濟福利，從而促進包容性綠色增長。因此，數智化能通過提升資本、勞動要素配置效率來促進城市包容性綠色增長。

（3）從業質量改善機制。根據表8列（3）可知，數智化的估計系數均在 1% 水平上顯著為正，表明數智化可積極改善居民從業質量。這是因為，一方面，數智化發展能有效降低商品與服務價格并通過“收入效應\"刺激消費者的消費需求，激發企業擴大生產經營規模，由此增加就業需求；另一方面，數智化發展也有助于企業降低生產成本、提高生產效率，帶來勞動生產率的普遍提高，從而持續增加居民收入。進一步地分析，一方面，居民工資收入和就業機會的改善能引導勞動關系的良性調整，激發員工積極性和創造力，從而創造更多的經濟產出；另一方面，收入薪酬和就業機會的增加能增進民生福祉，不僅促使更多居民共享經濟發展成果，還能顯著增強居民的環保生態意識和綠色低碳消費觀念，從而有利于推動包容性綠色增長[12]。因此，數智化能通過從業水平的量質齊升來推動城市包容性綠色增長。

表7社會經濟環境異質性檢驗結果

注： ^**Plt;0.05，^***Plt;0.01 ；括號內數值為穩健標準誤。

表8機制檢驗結果

注： ^***Plt;0.01 ；括號內數值為穩健標準誤。

4.3非線性效應檢驗

構建隨機森林模型分析數智化對包容性綠色增長的影響，將數智化、數字化、智能化和所有控制變量視為自變量，城市包容性綠色增長作為因變量，采用回歸樹作為基本學習器并依據最小均方誤差（minimummean squareerror，MMSE）準則選擇分裂節點，通過觀察分裂變量使得殘差平方和（residualsumofsquares，RSS）的下降程度來衡量各投入要素的相對重要性。假設某一變量導致RSS下降幅度較小，其值越接近0，說明該變量的貢獻度或重要性相對較低。圖1為影響城市包容性綠色增長的13種投入要素的重要性排序圖。不難發現，數智化、數字化與智能化排名位于13種投入要素的前4名，僅次于研發投入的作用。這表明，與傳統影響城市包容性綠色增長的因素相比，三者的相對效應達到了相同數量級，而絕對效應尤為顯著，且其重要性表現為“數智化 gt; 數字化gt;智能化”。因此，數智化是推動城市包容性綠色發展的重要投入要素，且數智化賦能城市包容性綠色增長的積極效果顯著大于數字化或智能化，在一定程度上再次驗證了基準回歸結果的可靠性。

進一步分析數智化對城市包容性綠色增長的邊際貢獻。基于模型（5）和模型（6）檢驗數智化對城市包容性綠色增長的偏依賴關系，結果如圖2（a）所示，反映了在其他投人要素不變的情況下，數智化投入對城市包容性綠色增長的非線性效應。圖中斜率表示數智化發展對城市包容性綠色增長的邊際貢獻。可以發現，隨著數智化水平的提高，數智化賦能的城市包容性綠色增長呈現正向且邊際效率遞增的非線性演化特征，且當數智化到達0.1與0.2之間的某一臨界點時，其邊際貢獻的積極作用進一步加強。這說明，數智化助推城市包容性綠色增長的積極效應在某一臨界點可能會遇到瓶頸，進一步發展數智化則更有利于釋放其賦能城市包容性綠色增長的紅利，假設H3得證。進一步地，圖2（b）圖2（c）分別列示了數字化、智能化對城市包容性綠色增長的偏依賴圖。通過對比可知，數字化、智能化賦能效果明顯弱于數智化。因此，在新一代信息技術迅猛發展的現實背景下，全方位加快數智化發展將是有效促進城市包容性綠色增長的重要舉措。

5結論與政策建議

通過匹配“城市-年份”的數智化指數，結合雙重機器學習模型考察數智化對城市包容性綠色增長的因果效應、傳導機制及非線性規律。研究結果表明： ① 數智化對經濟發展、社會福祉及生態績效均具有一定的積極影響，能顯著地推進城市包容性綠色增長，且呈現出“數智化 gt; 數字化 gt; 智能化”的階梯形賦能效果。 ② 異質性分析發現，數智化的作用效果受自然地理環境和社會經濟條件的影響，其積極作用在非資源型城市、“胡煥庸線”西側城市、內陸城市和外圍城市更顯著；另外，數智化在一定程度上彌補了市場一體化、非正式制度與數字經濟發展的不足，而金融發展水平則強化了數智化的促進作用。 ③ 機制分析表明，數智化可通過激發政府財政補貼、提升財政透明度、優化資本和勞動要素配置、增加居民就業和提高從業薪酬等渠道驅動城市包容性綠色增長。 ④ 進一步分析表明，數智化賦能的包容性綠色增長效應遵循“網絡效應\"和“梅特卡夫法則\"共存現象，呈現出正向且邊際效率遞增的非線性演化特征，即只有不斷提升數智化水平，才能最大化釋放數智化對城市包容性綠色增長的賦能紅利。以上結論蘊含的政策含義如下。

圖1各投入要素重要性排序

圖2要素投入對城市包容性綠色增長的偏依賴圖

第一，聚焦關鍵核心技術領域，積極引導數智化形成頭雁效應，以驅動城市包容性綠色增長。首先，把握數智變革趨勢，加快培養大量創新型、復合型和技術型高端數智研發隊伍，充分保障數智發展與人力資本結構要求相匹配，實現人才紅利助力經濟增長；其次，夯實數智新基建底座，加大互聯網、云計算、區塊鏈與人工智能等數智基礎設施的投資力度，創新服務場景，豐富交互方式，借助數智設施實現便民助民惠民；最后，通過搭建可視化平臺，整合多個管理模塊，系統解決經濟生產中的照明控制、安防治理、交通監控、排污檢測等一攬子問題，同時還需推動以共性計算、存儲、超算算力為特征的數智化與產業深度融合，實現制造業企業生產方式、生產效率綠色化變革，最終推動實現城市包容性綠色增長。

第二，探索符合各城市包容性綠色增長的實際路徑，不斷優化數智化發展的實施策略。各地區需依據自身數智化基礎及包容性綠色增長現狀，充分利用已有技術和市場優勢，合理分工、優化布局、因需而變，避免盲目模仿。一方面，從自然地理環境特征看，應積極挖掘非資源型城市、“胡煥庸線\"以西城市、內陸城市和外圍城市的數智化紅利，通過設立專項數智化引導基金、實施關鍵數智技術補貼、加快數智基礎設施建設及培育新型數智融合產業，持續釋放數智賦能的包容性綠色增長紅利；另一方面，從社會經濟環境特征看，市場一體化與非正式制度較弱、數字經濟水平較低、金融支持力度較大的城市要集中優勢資源實現5G網絡、數據中心等關鍵數字基建，為數智化賦能提供強有力的物理和網絡支撐。

第三，推動有為政府、有效市場與有機社會的協同發力與良性互動，為數智化發展與城市包容性綠色增長創造良好的外在條件。首先，政府可通過實施更積極的產業政策和財政政策糾正數智賦能過程中存在的使命偏移、效率不足等問題，提高政府治理能力與財政透明度，引導企業加快數智化轉型，著力促進全產業鏈條的高端化、數字化、智能化和綠色化發展；其次，要基于數智化手段不斷優化要素配置方式及擴展使用邊界，產業內的存量要素可以依托數據要素的共享性特征，延伸其使用邊界，增加資本、勞動要素供給，在推進存量要素效用最大化的同時，實現要素資源的帕累托改進，進而為城市包容性綠色增長提供堅實的要素支撐；最后，應充分利用大數據、智能化技術實現就業領域的供需精準對接，為勞動力高效匹配就業、創新、培訓等資源，助推從業優先工作，提高勞動者報酬，不斷增進民生福祉，進而最終實現城市經濟包容化、綠色化發展。

第四，制定長期發展規劃與階段性目標，深刻把握“網絡效應”和“梅特卡夫法則”在數智化賦能城市包容性綠色增長中的規律。首先，政府應優先投資于高速網絡、智能感知系統及數據中心等關鍵數智化基礎設施，構建高效安全的信息平臺，加速“網絡效應”的形成；其次，采取政策激勵與資金支持雙輪驅動策略，激勵企業、高校及科研機構在數智化關鍵技術、綠色生產技術及智能化管理領域持續創新，確保技術進步的邊際效益遞增，并精準配置資源，重點扶持旨在提升數智化水平、促進綠色轉型及增強社會包容性的項目；最后，強化政策協同，創新監管模式，確保各項政策措施形成有效合力，既推動數智化賦能城市包容性綠色增長，又建立健全數據安全與隱私保護體系，以科技向善的理念增強公眾信任，共同創造有利于數智化可持續發展的社會環境，最終實現經濟增長、社會包容和生態保護的共贏，推動城市包容性綠色增長。

參考文獻

[1]新華社.十組數據見證新時代偉大成就[EB/OL].（2023-12-12）[2024-04-15].https：//www.gov.cn/yaowen/liebiao/202312/content_6919636.htm.

[2]張云，柏培文.數智化如何影響雙循環參與度與收入差距：基于省級-行業層面數據[J].管理世界，2023，39（10）：58-83.

[3]譚玉松，任保平，師博.人工智能影響產業協同集聚的效應研究[J].經濟學家，2023（6）：66-77.

[4]蔡躍洲，陳楠.新技術革命下人工智能與高質量增長、高質量就業[J].數量經濟技術經濟研究，2019，36（5）：3-22.

[5]陳劍，劉運輝.數智化使能運營管理變革：從供應鏈到供應鏈生態系統[J].管理世界，2021，37（11）：227-240.

[6]單宇，許暉，周連喜，等.數智賦能：危機情境下組織韌性如何形成：基于林清軒轉危為機的探索性案例研究[J].管理世界，2021，37（3）：84-104.

[7]潘越，謝玉湘，寧博，等.數智賦能、法治化營商環境建設與商業信用融資：來自“智慧法院”視角的經驗證據[J].管理世界，2022，38（9）：194-208.

[8]李曉娣，饒美仙，原媛.數智情境下如何提升區域創新生態系統能級？[J].科學學研究，2024，42（9）：1988-1999.

[9]張秀娥，王衛，于泳波.數智化轉型對企業新質生產力的影響研究[J].科學學研究，2025，43（5）：943-954.

[10]沈馨怡，吳松強.數智化發展、雙重網絡嵌入與新創企業韌性：長三角中小集成電路企業的實證研究[J].科學學研究，2024，42（4）：797-804.

[11]KOULADOUMJC，CHANDRAKANTHMG，RAJASEKHARD，etal.Digital infrastructural development and inclusive growth inSub-Saharan Africa[J]. Journal of social and economic develop-ment，2023，25（2）：21-25.

[12]LENG X.Digital revolution and rural family income：evidence fromChina[J]. Journal of rural studies，2022，94（8）：336-343.

[13]陳東，秦子洋.人工智能與包容性增長：來自全球工業機器人使用的證據[J].經濟研究，2022，57（4）：85-102.

[14]馬茜，廖甍，張紅兵.網絡基礎設施建設、知識流動與城市包容性綠色增長：基于調節中介與鏈式中介的綜合分析框架[J].統計研究，2024，41（8）：98-111.

[15]周銳波，吳云峰，宋佳晞.共生共榮：工業智能化發展與包容性綠色增長[J].中國人口·資源與環境，2024，34（5）：162-174.

[16]李金昌，連港慧，徐藹婷.“雙碳\"愿景下企業綠色轉型的破局之道：數字化驅動綠色化的實證研究[J].數量經濟技術經濟研究，2023，40（9）：27-49.

[17]李勃昕，董雨，朱承亮，等.雙向跨境投資、技術創新與生產效率[J].管理科學，2023，36（2）：35-52.

[18]陳素梅，何凌云.相對貧困減緩、環境保護與健康保障的協同推進研究[J].中國工業經濟，2020（10）：62-80.

[19]趙雪雁，李巍，王學良.生態補償研究中的幾個關鍵問題[J].中國人口·資源與環境，2012，22（2）：1-7.

[20]王曉曉，黃海剛，夏友富.數字化政府建設與企業創新[J].財經科學，2021（11）：118-132.

[21]陳彥龍，諶仁俊，李明軻.環保考核對各類主體綠色創新活力的影響[J].數量經濟技術經濟研究，2023，40（12）：194-214.

[22]張濤，李均超.網絡基礎設施、包容性綠色增長與地區差距：基于雙重機器學習的因果推斷[J].數量經濟技術經濟研究，2023，40（4）：113-135.

[23]江小涓，靳景.數字技術提升經濟效率：服務分工、產業協同和數實孿生[J].管理世界，2022，38（12）：9-26.

[24]CHERNOZHUKOVV，CHETVERIKOVD，DEMIRERM，etal.Double/debiased machine learning for treatment and structural pa-rameters[J]. Econometrics journal，2018，21（1）：1-68.

[25]王元彬，張堯，李計廣.數字金融與碳排放：基于微觀數據和機器學習模型的研究[J].中國人口·資源與環境，2022，32（6）：1-11.

[26]田高良，劉曉豐，司毅.財政透明度與企業避稅行為[J].管理工程學報，2024，38（3）：58-75.

[27]白俊紅，卞元超.要素市場扭曲與中國創新生產的效率損失[J].中國工業經濟，2016（11）：39-55.

[28]歐陽艷艷，張光南.基礎設施供給與效率對“中國制造”的影響研究[J].管理世界，2016（8）：97-109.

[29]張柳欽，李建生，孫偉增.制度創新、營商環境與城市創業活力：來自中國自由貿易試驗區的證據[J].數量經濟技術經濟研究，2023，40（10）：93-114.

[30」孫少巖，王笑音，高翠云.綠色信貸能發揮碳減排效應嗎？[J].中國人口·資源與環境，2023，33（8）：37-47.

[31]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.

[32]WANG L H，SHAO J.Digital economy，entrepreneurship and en-ergy efficiency[J].Energy，2023，269（4）：126801.