数字经济赋能林业高质量发展：作用机制与空间效应.pdf

数字经济赋能林业高质量发展：作用机制与空间效应王蕾李春波杨卿（西南林业大学会计学院云南昆明650224）摘要：加快数字经济发展是全面推进林业现代化建设的必然要求，也是实现林业高质量发展的必然选择。文章基于 20112021 年我国 278 个地级市面板数据，综合测度数字经济发展水平与林业高质量发展水平，对数字经济赋能林业高质量发展的影响效应及作用机制进行实证检验，并对空间溢出效应进行多维分析。结果表明：数字经济发展可以显著提升林业高质量发展水平，这种影响具有正向空间溢出效应；东部城市与中心城市的数字经济对林业高质量发展的赋能效应更强；数字经济通过促进林业产业集聚和林业劳动生产率提升实现林业高质量发展；数字经济与绿色技术创新的协同水平在数字经济赋能林业高质量发展进程中具有显著的正向调节效应。为推动林业高质量发展，文章提出要加快数字经济与林业发展的深度融合，推进林业产业集聚，促进数字经济与绿色技术创新协调发展，实施差异化发展策略。关键词：数字经济；林业高质量发展；作用机制；耦合协调度；空间效应中图分类号：F49；F326.2文献标志码：A文章编号：20951124(2024)01003614DOI：10.12181/jjgl.2024.01.04林业高质量发展是以“提质增效”为总要求，加快林业三产融合，促进新旧动能转换，协调生态保护与产业发展的持续进程1。林业高质量发展是推动绿水青山转化为金山银山的有效途径，振兴乡村最大的优势在生态，最大的潜力在林业2。关于林业高质量发展问题，国家林业和草原局在林草产业发展规划（20212025年）中指出，应巩固林草资源基础，提升资源利用效率，建立更加完备的现代林草产业体系，实现更加优化的林草产业结构，加快推动林草产业高质量发展。然而，随着内外部环境的变化，我国林业产业依旧面临着生产成本攀升、供应链稳定性不足、林产品贸易壁垒加剧等诸多问题3。因此，我国迫切需要赋予林业发展新动能以加快林业高质量发展进程。一、文献综述随着人工智能、区块链、云计算等数字技术的不断进步，数字经济发展势头愈加迅猛，其内涵的不断扩展加速了企业的创新驱动，带动了产业的数字化转型，数字经济已成为实现新发展格局的重要路径4，其网络效应与规模效应已渗透至多个产业。而林业作为传统基础产业，其生产、加工和销售等各个环节均受到了数字技术和数字经济的影响。以往研究多聚焦于数字经济对制造业、农业、旅游业的赋能作用。数字经济以其网络链接的技术优势、收稿日期：20231029基金项目：云南省教育厅社会科学研究基金项目“乡村振兴背景下数字经济赋能云南林业高质量发展的作用机制研究”（2023Y0797）。作者简介：王蕾（1997），女，硕士研究生，主要研究方向为数字经济和农林经济管理；李春波（1980），女，硕士，副教授，主要研究方向为农林经济管理。第 35卷第 1 期西部经济管理论坛2024年1月Vol.35,No.1WestForumonEconomyandManagementJan.202436成本节约的生产优势、效率运行的市场优势推动了制造业价值链的攀升5，此外，在企业、行业、区域等层面，数字经济对制造业的影响均存在较强的“数字鸿沟”效应6。得益于数字经济的规模效应与资源集聚效应，农业产业结构优化升级7，向绿色化、合理化、高级化方向发展，加速了农业高质量发展进程8。数字媒介的普及，打破了环境信息不对称性壁垒9，在刺激旅游者消费需求的同时，提升了景区的公共服务水平，助推旅游业全方位发展10。因此，在数字经济成为产业发展重要驱动力的背景下，探究数字经济对林业产业的赋能效应变得尤为重要。虽已有学者证实了数字经济对林业发展具有推动作用11-12，但其具体作用机制仍不够明确且缺乏实证检验，与此同时，伴随着林业经济由高速发展阶段迈向高质量发展阶段，对林业发展的研究也应拓展至高质量发展范畴。当前，对林业高质量发展的研究主要聚焦于发展水平测度、发展动力探讨和发展策略研究三个层面。明确高质量发展内涵，以新发展理念为原则构建指标体系，正确测度林业发展水平，是进行林业高质量发展研究的首要前提13。据此，相关研究者基于系统动力学理论，探讨林业高质量发展系统的内生机制、外发机制与内外联动机制14，并从质量导向、创新驱动、产业融合等方面对林业高质量发展推进策略进行了探讨3。鉴于此，本文可能的边际贡献有：第一，将数字经济与林业高质量发展纳入同一研究体系，从理论和实证两方面深入探究数字经济对林业高质量发展的影响效应及作用机制，丰富了数字经济赋能产业发展的相关研究，为林业高质量发展研究提供新方向。第二，选取具有“林业偏向性”的两个变量即林业产业集聚和林业劳动生产率作为中介变量，提出新的作用路径思路，并研究数字经济与绿色技术创新协同水平的调节效应，深化已有研究。第三，从地级市层面对林业高质量发展水平进行综合测度，并深入研究数字经济对林业高质量发展的间接效应及空间溢出效应，以期为全面推进林业高质量发展提供借鉴。二、理论分析与研究假设（一）数字经济对林业高质量发展的直接效应数字经济的信息传播快捷、数据共享便利、内容处理高效、交易成本低廉等内在优势，符合农业农村现代化发展需要和数字乡村建设需要。随着信息化进程的全面推进和数字基础设施的日益完善，数字资源正向林业领域加速渗透，数据要素的嵌入与信息技术的应用，释放了数字经济的乘数效应、溢出效应和普惠效应，为林业高质量发展注入新动能。数字经济对林业高质量发展的直接影响主要体现在增加林业产出、保护林业环境与促进林业产业结构优化等方面。首先，林业生产具有周期长、见效慢、受地理环境制约等特点15，而物联网、区块链等智能技术在林业生产系统中的应用，增强了林业生产的自动化与智能化水平，提升了林业生产效率16，削弱了自然环境约束，拓宽了林业生产可能性边界，增加了林产品种类和产量11。其次，数字环保新技术的广泛应用，极大地提升了资源利用效率，能实现资源最优配置并降低能源消耗17，减少生产过程中的碳排放与颗粒物污染18-19，为林产品质量和林业生态环境提供了有力保障。最后，数字经济作为一种新经济形态，依托大数据等新技术提高资源配置效率20，数字采集、数字监控、数字分析等技术的嵌入有效地延长了林业产业链，实现了林业产业结构高级化；此外，数字经济的强渗透性还有助于数字技术、信息资源在三大产业间的相互流通，促进各产业协调发展，实现林业产业结构合理化。据此，本文提出假设 1：H1：数字经济对林业高质量发展具有显著的促进作用。（二）数字经济对林业高质量发展的间接效应1.林业产业集聚效应林业产业集聚是指在某些特定自然地理区域内，林业产业及相关资本要素相互联系、不断汇集的过程21。随着信息化进程加快，林业经济活动的空间布局逐渐由“资源禀赋+劳动力成本”向“信息+技术”转变22。新第1期王蕾，李春波，杨卿.数字经济赋能林业高质量发展：作用机制与空间效应 J.西部经济管理论坛，2024，35（1）：3649.2024年37经济地理学认为，知识溢出、交易成本、外部市场均会对产业集聚形成影响。首先，数字经济能够加强企业间的沟通、研讨与合作，其高协同性与高扩散性有助于林业企业间建立更广泛、更深层次的联系，使得技术先进、实力雄厚的林业企业可以有效发挥其示范带头作用，拓宽了周边企业模仿学习范围，提高了学习效率，加速了林业企业间的知识外溢，使得周边企业最大程度获得技术溢出，有利于林业产业的地理集聚。其次，数字经济发展下的数据披露和共享提高了供需匹配度，降低了信息搜寻成本，数据信息的高速流转增加了林产品交易价格透明度，降低了合同签订过程的议价成本，依照交易成本理论，数字经济引发的交易成本降低，使得企业能够为林业技术创新活动提供更多的资金支持，促进林业产业集聚。最后，林业智能技术的发展可以帮助企业提供数字制造、个性化定制等系列服务，以低成本满足客户差异化的高需求，随着外部市场消费潜力的释放，林业产业链上下游企业深化集聚，形成综合的林业产业“生产交易”网络。林业产业集聚水平的提升推动了信息共享程度的提高，助推生产链企业的协同合作能力提升23，使得产业劳动分工趋于专业化和精细化24，有益于促进林业发展的效率和质量。据此，本文提出假设 2：H2：数字经济通过提高林业产业集聚水平促进林业高质量发展。2.林业劳动生产率效应林业劳动生产率是指同一林业劳动者在单位时间内创造的劳动成果价值25。数字经济在生产端的高技术性、可持续性以及在需求端的直接性和网络外部性，使其被视作提高生产竞争力与市场竞争力的有效工具26，能够通过创造效应、共享效应与规模效应推动林业劳动生产率的提升。创造效应上，数字经济的强扩散属性促使传统林业生产模式不断吸收数字高新技术27，并将其应用于产业链各个环节，在传统林业产业与数字经济融合的同时，新技术、新工艺、新方法不断开发利用，推动了林业劳动生产率的提高。共享效应上，数据信息的交流互通打破了区域间的要素限制，使各林业产区形成有效“链接”28，提高区域协调发展能力，各产区间的人力共享、资本共享、技术共享有力地提升了生产水平较弱地区的林业劳动生产率。规模效应上，随着网络的互联互通，林产品生产者可与终端消费者建立直接联系，了解用户需求并综合考虑生产、设计成本，进而扩大生产规模，助推林业劳动生产率的高效提升。效率的提升被认为是经济增长的内生动力，林业劳动生产率的提高势必会带来林业产值的增加与产业的进一步发展。据此，本文提出假设 3：H3：数字经济通过提升林业劳动生产率促进林业高质量发展。（三）数字经济与绿色技术创新协同水平的调节效应绿色技术是指遵循生态经济规律，具有降低碳排放、减少环境污染、改善自然生态等功效，生态负效应最小的“无公害化”或“少公害化”的新兴技术。一方面，数字经济与绿色技术协调匹配不仅影响着数字经济的发展进程，而且对林业的创新能力也会产生影响。传统林业的技术研发部门信息交流相对闭塞，数智技术研发成本相对较高，数字经济与绿色技术创新协调匹配度低，这不仅导致数字经济在林业中的发展迟缓，而且使得林业产业结构难以实现高级化发展。随着二者协调水平的提升，数字经济与绿色技术形成良性循环，资源要素配置得以优化，高污染、高能耗的生产流程被逐步淘汰29，加快了林业企业绿色产品创新和绿色转型30，数字经济对林业发展的促进作用增强。另一方面，数字经济与绿色技术协同发展能够形成一定的融资优势，提高金融服务效率与质量，拓宽融资渠道31，为数字技术加速推进林业生产方式集约型转变提供了稳定的资金支持与外部金融环境，加大了数字经济对林业高质量发展的推动作用。据此，本文提出假设 4：H4：数字经济与绿色技术创新协同水平能够增强数字经济对林业高质量发展的促进作用。（四）数字经济对林业高质量发展的空间溢出效应林业生产的数字化转型，使得林业生产要素能够跨越时空、近零成本扩散，对林业高质量发展产生空间影响7。一方面，数字经济的高流动性与强渗透性打破了传统时空界限，实现了生产要素与数字技术在不同2024年西部经济管理论坛第1期38平台和地区间的高速流动32，提升了不同地区间林业生产要素与生产技术的关联度，降低了信息传输成本，提高了林产品交易效率，促进了资源要素的共享，解决了信息交流等一系列问题，并且，相关企业能够实现大范围、跨时空资源整合，优化资源配置效率，提升供需匹配度，实现不同区域间林业产业的高质量协同发展。另一方面，随着数字技术在林业生产中的不断扩散，现代林业生产体系具有显著的人工化、智能化特征，能够通过数据的网络效应增强区域间数字林业的产业关联性，全面打破林业产业边界，形成开放式的林业产业新格局与通达式的林业商业新模式，产生更大规模的生产、消费空间，使得数字经济不仅能够促进本地区的林业高质量发展，更能通过空间外溢，提升邻近地区的林业发展水平。据此，本文提出假设 5：H5：数字经济对林业高质量发展具有正向的空间溢出效应。三、研究设计（一）模型构建为验证上述假设，本文首先构建如下基准回归模型以检验数字经济赋能林业高质量发展的直接效应：Fhdit=0+1Digit+nXit+i+t+it（1）式中，i 代表城市，t 代表年份，Fhd 表示林业高质量发展，Dig 表示数字经济，X 表示各个控制变量，和 分别为城市固定效应和时间固定效应，为随机扰动项。除式（1）所体现的直接传导机制外，为进一步探究数字经济对林业高质量发展的间接作用机制，本文参照温忠麟和叶宝娟33的研究方法，构建中介效应模型，即在式（1）的基础上加入式（2）和式（3）：Mit=0+1Digit+nXit+i+t+it（2）Fhdit=0+1Digit+2Mit+nXit+i+t+it（3）式中，M 表示中介变量，包括林业产业集聚（Fia）和林业劳动生产率（Flp）。此外，为探讨数字经济对林业高质量发展影响过程中的调节机制，本文还建立了如下模型：Fhdit=0+1Digit+2Dgcit+3DigitDgcit+nXit+i+t+it（4）式中，Dgc 表示调节变量，即数字经济与绿色技术创新协同水平。最后，为研究数字经济对林业高质量发展的空间溢出效应，本文构建如下空间面板计量模型：Fhdit=0+WFhdit+1WDigit+1Digit+2WMit+2Mit+3WDgcit+3Dgcit+nWXit+nXit+i+t+it（5）式中，表示空间自回归系数；W 表示空间权重矩阵，本文中利用地理距离矩阵进行回归；1、2、3和 n分别表示核心解释变量、中介变量、调节变量以及控制变量空间交互项的弹性系数，当式（5）中解释变量与被解释变量的空间交互项均存在时，该模型为空间杜宾模型（SDM）。（二）变量选取与说明1.被解释变量林业高质量发展（Fhd）。参考相关文献研究34-35，本文利用林业生态效率衡量林业高质量发展水平。基于绿色背景下林业高质量发展理念和林下经济发展原则，兼顾数据可得性与测度可靠性，本文构建了包含投入要素、期望产出和非期望产出的林业高质量发展指标体系（见表 1），并采用非期望产出超效率 SBM 模型对林业生态效率进行测算。其中，林业生产总值根据 CPI 指数折算到 2011 年不变价，以剔除价格变化的影响。第1期王蕾，李春波，杨卿.数字经济赋能林业高质量发展：作用机制与空间效应 J.西部经济管理论坛，2024，35（1）：3649.2024年392.核心解释变量数字经济（Dig）。本研究基于“十四五”数字经济发展主要指标，借鉴刘洋等36和黄慧群等37的研究，综合考量数据全面性与代表性，从数字基础设施、数字产业化和产业数字化三个维度构建数字经济发展评价指标体系（见表 2），并运用熵值法对数字经济指数进行测算。表2数字经济发展评价指标体系一级指标二级指标三级指标数字经济数字基础设施移动电话普及率（部/百人）互联网宽带接入用户数（万户）长途光缆线路长度（万公里）数字产业化电信业务总量（亿元）人均软件业务收入（元/人）信息传输、计算机服务和软件业从业人员（万人）产业数字化规模以上工业企业技术改造经费支出（万元）电子商务业务上市公司数量（家）数字普惠金融指数3.中介变量（1）林业产业集聚（Fia）。在既展现区域专业化程度，又兼顾空间地理方位的基础上，本文选用区位熵对林业产业集聚水平进行测度，公式如下：Fiait=(qit/gdpit)/(Qt/GDPt)（6）式中，q 为地级市林业产值，gdp 表示地级市地区生产总值，Q 表示地级市所属省份的全省林业产值，GDP 代表地级市所属省份的全省地区生产总值。如果区位熵大于 1，即 Fiait1，则认为该地区的林业产业存在集聚现象，且区位熵越大，集聚水平越高；反之，则认为林业产业集聚现象不显著。（2）林业劳动生产率（Flp）。林业劳动生产率可使林业产业综合发展的技术先进程度与经济成长效应得到充分展现，其提升有利于缩小城乡收入差距、推进乡村振兴建设。按照上述定义及刘博敏等38对劳动生产率的探讨，本研究将林业劳动生产率设定为林业总产值与林业就业人数的比率。4.调节变量数字经济与绿色技术创新协同水平（Dgc）。参照刘富华和宋然39的研究，利用数字经济与绿色技术创新表1林业高质量发展评价指标体系指标类型一级指标二级指标投入土地林地面积（万公顷）人力林业从业人数（万人）资本营林固定资产投资（亿元）能源林业能耗（万吨）期望产出经济林业生产总值（亿元）生态森林蓄积量（万立方米）非期望产出污染林业废水排放量（万吨）林业SO2排放量（万吨）林业烟粉尘排放量（万吨）2024年西部经济管理论坛第1期40耦合协调度衡量二者的协同水平，计算公式为：Dgc=CT（7）式中：C=vuuutU1U2(U1+U22)2（8）T=U1+U2（9）=0.5式中，U1代表数字经济指数；U2代表绿色技术创新指数，以绿色专利授权量与专利授权总量的比值测算；C 为耦合度；Dgc 为耦合协调度，Dgc 越大，协同水平越高；T 为数字经济与绿色技术创新系统的综合协调发展指数；、为数字经济系统与绿色技术创新系统对二者协同性的贡献率，基于现状考虑，取。5.控制变量为提升研究的科学性与准确性，削弱因遗漏变量而产生的偏差，本文在计量模型中引入以下五个控制变量：经济发展水平（Pgdp），利用该地区人均 GDP 表示，并对数据进行对数处理；对外开放度（OT），利用该地区进出口总额与地区生产总值的比率表示，并将进出口总额用历年美元兑人民币平均汇率进行折算；政府支持度（Gov），采用地区政府公共财政支出与地区生产总值的比值进行衡量；产业结构水平（Isl），用第三产业产值与第二产业产值的比率进行衡量；城市规模（CS），利用城市年末总人口数的对数进行测度。（三）数据来源与描述性统计本文以我国 278 个地级市 20112021 年面板数据为样本，数字普惠金融指数来自北京大学数字金融研究中心，电子商务业务上市公司数量、绿色专利授权量和专利授权总量从 CNRDS 数据库中获得，其余数据均取自中国城市统计年鉴、部分省份统计年鉴、部分地级市统计年鉴及国民经济和社会发展统计公报，以及地级市统计局等官方网站。对个别缺失数据采用线性插值法进行插补。变量的描述性统计结果见表 3。表3变量描述性统计结果变量类型变量名称符号平均值标准差最小值最大值被解释变量林业高质量发展Fhd0.3170.4790.0121.824解释变量数字经济Dig0.0990.1320.0070.739中介变量林业产业集聚Fia1.4191.8430.09711.660林业劳动生产率Flp0.9791.3230.0439.270调节变量数字经济与绿色技术创新协同水平Dgc0.2890.0830.1360.558控制变量经济发展水平Pgdp10.2790.5109.09011.559对外开放度OT0.1070.1950.0011.193政府支持度Gov0.3630.1630.1090.912产业结构水平Isl1.2340.4510.4402.845城市规模CS4.9191.0132.6458.068四、实证结果及分析（一）基准回归结果表 4 为数字经济影响林业高质量发展的基准回归结果。其中，列（1）为控制城市固定效应但不控制时间固定效应且未加入控制变量的回归结果，列（2）在列（1）的基础上加入了时间固定效应控制，列（3）为城市、时第1期王蕾，李春波，杨卿.数字经济赋能林业高质量发展：作用机制与空间效应 J.西部经济管理论坛，2024，35（1）：3649.2024年41间均控制且加入控制变量后的回归结果。由表 4 可知，无论是否加入时间固定效应与控制变量，数字经济的估计系数均显著为正，且在 1%置信水平下显著。此外，列（3）显示，数字经济发展水平每增长 1%，就会促进林业高质量发展水平提升 0.268%。由此可见，数字经济推动了林业高质量发展，假设 1 得以证实。数字经济的崛起与繁荣为林业发展提供了众多机会，依赖于数据的高速流通性，各类要素资源得以共享融通，有效地提升了资源配置效率，实现了绿色发展。数字技术的不断革新推动了产业结构的变革与升级，数字经济的高渗透性推进了数字经济与林业实体经济深度融合，实现了在节能减排的同时促进生产方式高效化，助推林业高质量发展。表4数字经济影响林业高质量发展的基准回归结果变量（1）（2）（3）FhdFhdFhdDig0.157*(3.89)0.235*（4.29）0.268*（4.37）Pgdp0.212*（4.18）OT0.113（0.62）Gov0.230*（4.24）Isl0.118*（1.66）CS0.204*（3.72）城市固定效应YESYESYES时间固定效应NOYESYES常数项0.105（0.33）0.213*（4.21）0.297*（4.89）样本量305830583058R20.6720.7190.775注：*、*分别表示在1%和10%的水平下显著，（）内为t值。控制变量中，经济发展水平的系数值显著为正，说明经济发展程度越高，越有利于扩大经济规模、强化经济基础，加强林业产业基础设施建设，促进林业产业与高新技术融合。对外开放度未通过 10%水平的显著性检验，这可能源于现阶段林业产业对外贸易的规模化经济增长模式仅能促进林业的提速增长，并未实现增质效应，因此，对林业高质量发展的作用效果并不显著。政府支持度结果显著为正，说明政府宏观调控和增加财政支出等有利于激发市场活力，保障林业健康稳定发展。产业结构水平系数显著，说明产业结构优化促使林业产业由劳动密集向技术密集方向转变，增加产品附加值，提高经济效益。城市规模与林业高质量发展间存在负相关关系且在 1%水平下显著，说明城市规模扩张对林业高质量发展水平的提升会造成不利影响。（二）稳健性检验1.替换被解释变量检验依照表 1 中的林业高质量发展评价指标体系，本文利用非期望产出超效率 SBM 模型和 GML 指数测算林业绿色全要素生产率，并用其替代林业生态效率，作为新的被解释变量进行稳健性检验。回归结果如表 5列（1）所示，由于数字经济回归系数仍显著为正，与基准回归结果保持一致，验证了前文结论的稳健性。2024年西部经济管理论坛第1期422.替换解释变量检验依照表 2 中的数字经济发展评价指标体系，本文采用主成分分析法对数字经济发展水平综合指数进行重新测算。如表 5 列（2）所示，采用不同方法重新测算后，数字经济回归系数通过了 5%水平的显著性检验，研究结论依旧稳健。3.内生性检验对于可能存在的内生性问题，前文已进行了基本处理：第一，为避免数据测度误差导致的内生性问题，在计算林业生态效率时采用非期望产出超效率 SBM 模型，并且全文所用数据均由官方权威机构发布，削弱了数据质量带来的估计结果影响；第二，为避免遗漏变量引起的内生性问题，在计量模型中加入经济发展水平、政府支持度、对外开放度等控制变量，并设置城市固定效应与时间固定效应，利用固定效应模型进行估计。但考虑到本文解释变量与被解释变量间可能存在“反向因果”关系，即数字经济推动了林业的高质量发展，但随着林业的发展，经济水平持续提升，产业需求大幅增加，对高新技术的依赖程度不断增长，可能会倒逼数字经济的进一步发展。为应对反向因果导致的内生性问题，本文采用系统 GMM 模型与工具变量法进行处理。（1）系统 GMM 模型。本文引入动态面板并构建系统 GMM 模型进行重新估计。从表 5 列（3）可以看出，数字经济对林业高质量发展的影响作用与基准回归结果保持一致，AR(2)统计量 P 值大于 0.1，表明随机扰动项无自相关，Hansen 检验的 P 值亦大于 0.1，表明系统 GMM 模型有效。因此，本文回归结果稳健。（2）工具变量法。借鉴郭家堂和骆品亮40的方法，本文将解释变量滞后一期作为工具变量进行两阶段最小二乘（2SLS）回归，该工具变量满足与解释变量的“相关性”和与扰动项的“排他性”。表 5 列（4）显示了第二阶段回归结果，考虑内生性问题后，数字经济对林业高质量发展的影响效应依旧存在。与此同时，Kleibergen-PaaprkLM 统计量的 P 值为 0.000，拒绝了“工具变量识别不足”这一原假设；Cragg-DonaldWaldF 和 Kleiber-gen-PaaprkWaldF 的统计量值均显著大于 16.38，即 Stock-Yogo 弱识别检验 10%水平上的临界值，表明不存表5稳健性检验结果变量(1)(2)(3)(4)替换被解释变量替换解释变量系统GMM工具变量法Dig0.170*（2.15）0.179*（2.32）0.243*（4.47）0.411*（5.29）AR(2)0.178HansenTest0.601Kleibergen-PaaprkLM统计量45.9320.000Cragg-DonaldWaldF统计量203.25616.38Kleibergen-PaaprkWaldF统计量136.26216.38控制变量YESYESYESYES城市固定效应YESYESYESYES时间固定效应YESYESYESYES常数项0.187*（2.41）0.303*（3.95）0.079（0.18）0.352*（4.92）样本量3058305830582780R20.9630.8580.947注：*、*分别表示在1%、5%的水平下显著，（）内为t值，内为P值，为Stock-Yogo弱识别检验10%水平下的临界值。第1期王蕾，李春波，杨卿.数字经济赋能林业高质量发展：作用机制与空间效应 J.西部经济管理论坛，2024，35（1）：3649.2024年43在弱工具变量问题，工具变量选取有效。因此，本文回归结果稳健。（三）异质性分析由于资源环境和要素禀赋的差异，数字经济对林业高质量发展的影响可能存在显著的区域异质性，本文基于地理区位和城市行政等级两个层级进行区域异质性分析。一方面，在地理区位层级，按照地理位置将样本划分为东部城市与中西部城市；另一方面，在城市行政等级层级，将直辖市、副省级城市和省会城市划分为中心城市，其余城市为外围城市，对其分别进行回归。表 6 列（1）、（2）显示了东部城市与中西部城市的回归结果，数字经济回归系数均显著为正，说明东部城市与中西部城市的数字经济发展均显著促进了该地区林业发展水平。表 6 列（3）、（4）表明中心城市与外围城市数字经济对林业发展的推动作用均在 1%水平下正向显著。此外，东部城市与中心城市数字经济对林业高质量发展的赋能效应更强，其原因可能是相较于中西部和外围城市，东部城市与中心城市数字经济起步更早，数字化基础设施更完善，开发强度更大，数字经济发展水平也更高，在林业产业发展方面释放的红利更多。表6异质性检验结果变量（1）（2）（3）（4）东部城市中西部城市中心城市外围城市Dig0.293*（4.94）0.207*（2.57）0.285*（4.86）0.215*（4.19）Pgdp0.246*（4.48）0.150（1.37）0.238*（4.31）0.125*（1.81）OT0.121（1.16）0.088（0.43）0.122*（1.70）0.082（0.22）Gov0.297*（4.83）0.135*（1.92）0.242*（4.38）0.174*（2.23）Isl0.139*（1.94）0.114（0.87）0.124*（1.72）0.083（0.23）CS0.062（0.15）0.308*（4.98）0.071（0.21）0.208*（3.88）城市固定效应YESYESYESYES时间固定效应YESYESYESYES常数项0.264*（4.55）0.226*（4.18）0.130*（1.91）0.116*（1.64）样本量123218263632695R20.8190.6380.9720.761注：*、*、*分别表示在1%、5%和10%的水平下显著，（）内为t值。五、进一步分析（一）作用机制分析1.中介效应分析为进一步研究数字经济对林业高质量发展影响的传导机制，本文采用中介效应模型进行检验，结果见表 7。列（1）表明数字经济能够提升林业产业集聚水平，列（2）表示在基准回归模型的基础上加入中介变量林业产业集聚的回归结果，数字经济的回归系数通过了 1%水平的显著性检验，林业产业集聚系数也显著为正，说明林业产业集聚在数字经济对林业高质量发展的影响中发挥中介效应，假设 2 得以验证。列（3）、列（4）中，数字经济与林业劳动生产率的回归系数均显著为正，说明数字经济的发展带动了林业劳动生产率的提高，2024年西部经济管理论坛第1期44而林业劳动生产率提高产生的规模效应又正向作用于林业高质量发展，林业劳动生产率形成的中介传导机制得以实现，假设 3 得以验证。为确保中介效应检验稳健性，本文进行了 Sobel 检验，结果显示，中介变量均通过了 Sobel 检验，即二者的中介效应存在。表7作用机制检验结果变量(1)(2)(3)(4)（5）FiaFhdFlpFhdFhdDig1.099*（6.67）0.256*（4.53）0.767*（5.82）0.273*（4.52）0.317*(4.99)Fia0.153*（2.11）Flp0.149*（2.03）Dgc0.182*(2.35)DigDgc0.236*(4.30)控制变量YESYESYESYESYES城市固定效应YESYESYESYESYES时间固定效应YESYESYESYESYESP值（Sobel）0.0000.026常数项0.084（0.24）0.203*（3.70）0.129*（1.85）0.223*（4.16）0.177*(2.28)样本量30583058305830583058R20.9160.8080.9560.7960.887注：*、*、*分别表示在1%、5%和10%的水平下显著，（）内为t值。2.调节效应分析基于前文构建的相关模型，本文对数字经济与绿色技术创新协同水平的调节效应进行检验，回归结果如表 7 列（5）所示。表 7 显示，核心解释变量与数字经济与绿色技术创新协同水平交乘项的回归系数在 1%水平下显著为正，说明数字经济与绿色技术创新协同水平的正向调节效应存在，其对数字经济赋能林业高质量发展进程具有显著的促进作用，原因可能在于绿色发展理念与数字化建设理念互融共进，数字经济与绿色技术创新之间产生协同效应，有效地提升了林业企业绿色技术创新水平，使资源要素配置得以优化，对林业产业结构高级化演进和生产方式集约型转变形成积极影响，假设 4 得以证实。（二）空间溢出效应分析为进一步探究数字经济对林业高质量发展的影响是否存在空间溢出效应，本文首先利用 MoransI 指数对林业高质量发展水平在空间上是否存在相关性进行检验，结果如表 8 所示。可以看出，林业高质量发展水平在地理距离矩阵下的莫兰指数均显著为正，说明林业高质量发展具有明显的空间相关性。表8林业高质量发展空间自相关检验结果年份MoransIZ值20111.096*2.90920121.075*2.587第1期王蕾，李春波，杨卿.数字经济赋能林业高质量发展：作用机制与空间效应 J.西部经济管理论坛，2024，35（1）：3649.2024年45经过 Hausman 检验与 LR 检验后，本文确定双向固定效应空间杜宾模型（SDM）为最优估计模型，结果见表 9。在列（3）中，数字经济的空间交互项系数在 1%水平下显著为正，但其并不能直接用于表示数字经济对林业高质量发展的边际影响，其原因是将点回归估计结果用于地区空间溢出效应的分析会产生估计偏误，故参照 Elhorst41的研究，利用偏微分方法分解各变量的溢出效应。结果显示，数字经济对林业高质量发展存在显著的空间溢出效应，换言之，区域内数字经济的进步对邻近地区的林业高质量发展具有一定的促进作用，假设 5 得以验证。此外，林业产业集聚溢出效应的回归系数也通过了 1%的显著性检验，说明林业产业集聚对林业高质量发展也存在一定的空间溢出效应。表 8(续)年份MoransIZ值20131.128*3.43920141.247*4.20820151.361*5.52120161.172*3.63120171.251*4.57720181.190*4.07320191.283*4.96320201.337*5.01920211.394*5.912注：*表示在1%的水平下显著。表9空间杜宾模型回归结果变量Fhd模型类型（1）（2）（3）城市固定效应时间固定效应双向固定效应WDig0.263*（4.56）0.247*(4.51)0.278*（4.68）WFia0.068（0.17）0.281*（4.77）0.225*（5.36）WFlp0.102（0.29）0.192*（2.44）0.115（1.08）WDgc0.205（0.21）0.069（0.19）0.109（0.46）控制变量YESYESYES溢出效应Dig0.241*(4.32)0.224*（4.23）0.265*(4.54)Fia0.054（0.13）0.178*（2.20）0.148*（2.01）Flp0.066（0.15）0.034（0.11）0.106（0.41）Dgc0.093（0.25）0.046（0.12）0.075（0.20）0.185*（2.37）0.209*（3.73）0.381*（5.03）2024年西部经济管理论坛第1期46六、研究结论及对策建议（一）研究结论数字经济与林业高质量发展之间存在复杂的作用机理。本文基于 20112021 年我国 278 个地级市面板数据，利用非期望产出超效率 SBM 模型和熵值法分别对林业高质量发展水平与数字经济发展水平进行测度，并采用固定效应模型、中介效应模型和调节效应模型对数字经济赋能林业高质量发展的影响及其作用机制进行实证检验，且对其空间溢出效应进行多维分析。主要结论如下：（1）数字经济的发展可以显著促进林业高质量发展水平的提升，这一结论在经过替换解释与被解释变量、内生性检验等稳健性检验后依旧成立。（2）数字经济对林业高质量发展的影响存在区域异质性，相较于中西部和外围城市，东部城市与中心城市的数字经济对林业高质量发展的赋能效应更强。（3）数字经济通过提升林业产业集聚水平和林业劳动生产率来间接促进林业高质量发展。（4）数字经济与绿色技术创新协同水平在数字经济赋能林业高质量发展进程中具有显著的正向调节效应。（5）数字经济对林业高质量发展具有正向的空间溢出效应。（二）对策建议首先，加快数字经济发展，推动数字经济与林业高质量发展深度融合，充分发挥数字经济对林业高质量发展的赋能作用。加大数字经济基础设施建设投入，积极推进超计算、卫星遥感、低空巡航、高点视频监控等数字技术在林业资源采集统计、监督检查及灾害防控方面的高效布局与深度应用。依托大数据、物联网、区块链等技术，推动现有林业数据资源改造迁移、增量数据资源协同共享和林业生产技术共同进步，改变林业资源分散、林业技术发展参差不齐的局面，汇集林业生态、林业生产、林业管理、林业市场等相关领域数据，建立林业信息资源数据库，实现林业数据的集中管理与全面共享，打破信息交流壁垒，将数字技术全面渗透至林业产业链的各个环节，加速林业产业数字化转型步伐，推动林业高质量发展。其次，发挥林业产业集聚和林业劳动生产率的中介效应以及数字经济与绿色技术创新协同水平在数字经济赋能林业高质量发展过程中的正向调节效应。建立林业产业园区，充分释放数字经济的扩散效应，加速林业产业集聚水平的提升，打破地理距离局限，实现资源共享、技术共享和信息共享，为企业间的交流学习提供便利，充分发挥龙头企业的带动作用，使企业间形成强大合力，推动林业产业链生产要素充分流动与林业产业结构优化升级，着力构建智能一体化生产线，促进生产数智化、高效化。重视数字技术在林业生产环节的应用，加大智能化生产设备的投入，促进林业劳动生产率的提升，为林业高质量发展奠定坚实的生产基础。此外，注重数字经济与绿色技术协调发展，增强林业数字技术和绿色技术的创新能力，对数字创新要素资源进行整合利用，推动绿色技术发展进步，加强数字技术与绿色技术的融合交流，利用其良性互动强化数字经济对林业高质量发展的促进作用。最后，结合地区发展优势，制定差异化发展策略，充分发挥数字经济赋能林业高质量发展的空间溢出效表 9(续)变量FhdHausmanTest27.56*LRTes