经济政策不确定性对生态效率的影响研究——兼论数字经济的调节效应.pdf

2023年第9期（总第614期）区 域 金 融 研 究Journal of Regional Financial ResearchNO.9，2023General NO.614一、引言随着经济全球化的不断深入，中国秉持合作共赢理念，促进全球经济发展。然而，近年来国际贸易风险迅速扩散，在“单边主义”、“保护主义”、全球性金融危机爆发、公共卫生事件冲击下，世界经济复苏缓慢，中国面临的经济形势错综复杂。为更好地推动经济复苏，中国政府积极推行了一系列经济政策，例如中国证监会等部门为活跃资本市场，优化、延续一揽子支持创新企业境内发行存托凭证、沪深港通等领域的减税降费政策；商务部等部门为促进消费提出要合理增加对消费者购买汽车、家电家具的信贷支持，通过直接降低利率和发放优惠券等方式吸引消费者。在经过一系列经济政策刺激下经济发展颓势得到缓解，但频繁改动经济政策有可能增加我国经济政策不确定性。经济政策不确定性与经济运行状态下行及交易环境恶化关系密切。关于经济政策不确定性，学者从宏观、中观、微观进行实证研究。姜伟等（2021）运用非线性自回归分布滞后模型（NARDL），发现长期内经济政策不确定性增长通过影响企业和居民的投基金项目：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）。收稿日期：2023-08-18作者简介：杨卿，男，江西南昌人，西南林业大学会计学院，研究方向为数字金融与生态经济。李春波，女，云南个旧人，副教授，硕士生导师，供职于西南林业大学会计学院，研究方向为农林经济管理与生态经济。王蕾，女，河北张家口人，西南林业大学会计学院，研究方向为数据资产与数经济。经济政策不确定性对生态效率的影响研究兼论数字经济的调节效应杨卿李春波王蕾（西南林业大学会计学院，云南昆明650224）摘要：为推动数字经济更好服务和融入新发展格局，文章基于20112021年省级面板数据，使用带有非期望产出的超效率SBM模型测度中国生态效率，并引入数字经济作为调节变量，探究中国经济政策不确定性对生态效率的影响与数字经济的调节效应。研究结果表明，经济政策不确定性上升会显著抑制生态效率，该结论经过稳健性检验与内生性分析后仍然成立；作用机制结果显示，经济政策不确定性通过抑制绿色技术创新进而导致生态效率退化，而发展数字经济则显著促进生态效率，且在一定程度上缓解经济政策不确定性对生态效率的负向冲击。进一步分区域看，经济政策不确定性对数字经济发达地区生态效率的负向作用更弱；分维度看，其调节效应主要通过数字基础设施建设与产业数字化实现。基于此，文章提出完善制度建设机制、大力发展数字经济等政策建议。关键词：经济政策不确定性；数字经济；生态效率；调节效应中图分类号：F49文献标识码：A文章编号：1674-5477（2023）09-0074-10-74区域金融研究 2023年第9期经济纵横资消费结构抑制经济增长；反之，经济政策不确定性降低会促进经济增长。宋全云等（2019）研究发现经济政策不确定性升高导致企业的银行贷款成本增加。因此，在内部变化和外部冲击的双重挑战背景下，探讨中国经济政策不确定性与经济变量之间的效应机制是防范经济政策不确定性上升风险的重要环节。党的二十大报告指出，中国式现代化是人与自然和谐共生的现代化。因此，必须加快发展方式绿色转型，协同推进降碳减排，实现绿色发展。改革开放之后，中国经历了长久的经济高速发展期，但粗放型经济发展模式导致的资源利用率低下、生态环境恶化等问题日益凸显。在现阶段高质量发展导向下，解决资源短缺、环境污染与经济增长之间的矛盾是实现中国式现代化的重要抓手。中国提出“双碳”目标，实行“生态补偿”政策、建立生态文明先行示范区、设立低碳城市试点等一系列措施。基于此，学术界对生态效率、绿色发展等热点问题进行深入讨论。其中，生态效率是指生态环境满足经济体活动开发的效率，综合评估国内生态环境、资源利用与经济发展现状。现有文献集中讨论了生态效率的测度、影响因素等。侯孟阳和姚顺波（2018）运用超效率SBM模型测算中国城市生态效率。梁琦等（2022）认为生态文明先行示范区等环境政策是促进生态效率的重要因素。纵观已有文献，较多的文献研究经济政策不确定性与生态环境、资源消耗的影响机理。Su et al.（2022）基于137个国家的跨国数据，发现经济政策不确定性导致环保活动减少，进而对环境绩效产生负面影响。Wei etal.（2022）对中国39个城市展开实证分析，研究发现经济政策不确定性会对城市能源效率产生抑制作用，其影响会在能源效率异质性上存在差异。Zhang&Razzaq（2022）使用持续更新的完全修正和偏差校正估计量，发现经济政策不确定性显著降低了可再生能源的消耗。由此可见，许多学者认为经济政策不确定性会对环境可持续性、能源利用效率产生消极影响。那么，经济政策不确定性是否也对生态效率产生抑制影响？因此，本文在高质量发展背景下，将生态效率作为切入点，深入分析经济政策不确定性与生态效率的关系，这有利于进一步助力生态文明建设和人与自然和谐共生现代化进程，不仅高度符合中国绿色发展的战略要求，揭示了经济政策维护经济社会的稳定性，也能为政府在不确定时期的政策制定提供有益参考。数字基础设施建设方兴未艾，绿色低碳是明确趋势。基于大数据、人工智能等为核心的新一轮科技革命在世界范围兴起，数字经济为中国实现高质量发展注入新动力。当前，中国数字经济步入黄金时期，党的二十大报告明确提出要加快建设数字中国。在经济政策不确定性背景下，数字经济为企业降低成本和化解风险提供了思路，祝数金等（2023）的研究表明，企业数字化转型有助于缓解经济政策不确定性冲击。此外，数字经济发展对生态效率提升具有显著的促进作用（何维达等，2022）。本文通过梳理文献发现数字经济不仅能规避经济政策不确定性风险，也能推动生态效率提高。因此在探讨经济政策不确定性与生态效率的机理时，本文选择数字经济作为调节变量，剖析其在经济政策不确定性与生态效率间的调节作用具备一定合理性，也为数字经济相关研究提供了新的经验证据。区别于以往国内外研究文献，本文将能同时体现资源消耗、生态环境质量、经济发展的生态效率作为切入点，旨在从经济政策不确定性、数字经济、生态效率之间的联系这一核心问题出发，将数字经济纳入“经济政策不确定性生态效率”研究框架，运用多种计量方法实证研究经济政策不确定性对生态效率的影响以及数字经济在其中的调节作用。本文可能的边际贡献在于：第一，从理论和实证两个方面捕捉经济政策不确定性、数字经济与生态效率的内在关联，丰富了生态效率与经济政策关系的研究结论，厘清各因素的作用机理，为中国生态效率优化路径提供新的经验证据；第二，以数字经济作为调节变量，并将数字经济划分为产业数字化、数字产业化、数字基础设施建设，分维度研究数字经济在经济政策不确定性与生态效率关系中的调节效应，拓宽了机理变量的研究视角，为推动绿色发展、加快数字中国建设与推进中国式现代化提供可供参考的启示，具有重要的理论和现实意义。二、理论分析与研究假设（一）经济政策不确定性对生态效率的直接影响经济政策不确定性是指经济主体无法准确预测-75区域金融研究 2023年第9期经济纵横政府当局何时、是否以及如何改变现行经济政策的一种状态。不确定性是一个无形的概念，Bloom（2014）认为产生经济政策不确定性的原因在于：一是在经济衰退期，企业交易活动减少，新信息的流动减慢，从而增加不确定性；二是经济政策不确定性影响个体的主观感知，在经济衰退期个体预测的准确性变得更加难以保障；三是在经济衰退期，政府试图改变经济政策，经济政策的不清晰导致经济政策不确定性上升；四是在经济衰退期，企业能以较低成本尝试新经营思路，会进一步加剧微观不确定性。由此可知，经济政策不确定性起因主要归于信息不对称性以及信息处理的局限性，并且经济政策不确定性可能造成一定的不良后果。经济政策不确定性对生态效率的直接影响主要从资源、环境和经济发展三个方面体现。首先，环境资源方面，经济政策不确定性会通过直接的政策调整效应和间接的需求效应影响环境的可持续性。经济政策不确定性加大，会转移政府对环境紧迫的注意力，对环境政策和环境质量产生负面影响，导致环境退化，降低环境的可持续性。经济政策不确定性的“投资”效应阻碍了研发和可再生能源的投资，同时，会迫使不可再生能源消费量增加（Wang et al.，2020）。其次，经济发展方面。经济政策的调整会导致企业产生未来回报和风险预期的偏离，影响企业的绿色技术投资选择，同时影响其他经济单位的决策行为，由此形成的不稳定营商环境则进一步抑制企业的创新活动，充分表现出企业层面上经济政策不确定性对生态效率的抑制作用。同时，在工业驱动型增长模式下，与生态效率高度关联的能源产业正面临全球气候多变和不确定性增强的问题，上网电价、支出激励、税收优惠、投资组合标准和认证计划等方面的政策不确定性使能源资金对经济政策变得更加敏感，绿色能源投资动力不足，经济政策的不稳定加剧了区域投资回报的不确定性，对固定资产投资和设备重建产生抑制性影响。最后，产业层面上经济政策不确定性对生态效率亦存在抑制作用。此外，绿色经济需要能源效率和清洁技术的整合以缓解生态失衡，确保可持续的环境发展。作为环境退化的重要诱导因素，经济政策不确定性对绿色经济的负面影响显著（Liang&Qamruzzaman，2022）。基于上述分析，本文提出假设：假设H1：经济政策不确定性上升对生态效率产生显著的抑制作用。（二）经济政策不确定性对生态效率的间接影响在前文中提到，生态效率不仅反映了对环境退化的规制，也包含了对经济增长的要求。在经济高质量发展导向下，绿色技术创新的目标即建立经济、资源、环境相协调的管理模式和调控机制，确保整个经济社会的经济发展、生态环境与资源之间的相互协调，从两者目标来看，绿色技术创新与生态效率之间存在高度关联，刘云强等（2018）对长江经济带城市群展开实证考察，发现绿色技术创新对生态效率具有显著正向作用。因此，在讨论经济政策不确定性是通过何种机制影响生态效率时，关注绿色技术创新十分重要。经济政策不确定性与绿色技术创新的关系可进一步深化为不确定性与企业风险承担的关系，创新行为的模型分析结果表明，企业参与技术研发的意愿与预期的创新回报呈正相关，而与研发风险呈负相关（Calantone et al.，2010）。绿色技术创新风险主要表现为实现预期技术或技术性能的失败、长时间的技术研发时间以及高额的绿色投入成本。当企业面临经济政策不确定性升高时，为规避绿色技术创新的高风险，企业投资绿色技术创新项目的意愿不足。依据企业金融资产配置的“蓄水池”动机、利润追逐动机以及被动选择动机，经济政策不确性上升显著抑制了企业实体投资，使得企业更倾向于持有金融资产，进而促使企业“脱实向虚”（郭胤含和朱叶，2020），挤兑企业绿色技术创新。此外，高经济政策不确定性会加剧信息不对称问题，在此背景下，金融机构对于企业贷款具有更加严格的管控标准，企业面临更大的融资约束，企业贷款成本也随之增加（宋全云等，2019），不利于企业开展大规模的绿色技术创新活动。综上所述，经济政策不确定性通过增加企业金融化成本以及企业贷款成本对绿色技术创新产生负向作用，进而抑制与绿色技术创新高度关联的生态效率。基于上述分析，本文提出假设：假设H2：经济政策不确定性通过抑制绿色技术创新进而导致生态效率退化。（三）数字经济的调节效应当前，日趋复杂的“数据+连接”信息生产体系的-76区域金融研究 2023年第9期经济纵横应用范围不断扩大，而信息生产体系的发展往往伴随着新不确定性的发生，要最大程度应对不可预知或潜在发生的不确定性需在打破时空局限性、维持数据及时性以及数据时空覆盖的基础上保持数字经济高质量发展（杨虎涛和胡乐明，2023）。根据 数字经济及其核心产业统计分类（2021）对数字经济的划分，宏观上数字经济主要表现为“产业数字化”和“数字产业化”，数字基础设施建设是两者发展的前提。因此，数字经济的调节效应具体表现在以下几个方面：第一，高效的数字基础设施是中国数字经济高质量发展的“基石”。首先，不同于传统基建，数字基础设施以数据要素为载体，形成由点到面的网状信息生产体系，打破了信息壁垒，增强了信息的流通性，在一定程度上减少了经济政策不确定性上升引发的信息问题，有助于抵御经济政策不确定性风险。其次，数字基础设施促进虚拟经济与实体经济融合，形成多元化的生产要素体系，带动企业绿色转型（董媛香和张国珍，2023）。数字基础设施的正外部性极大地促进企业内部资源有机整合，优化资源配置，打破外部绿色知识、技术外溢的地区局限性，缓解企业之间的跨区域交流障碍，赋能企业绿色技术创新。最后，数字基础设施的协同性使得社会分工更加精细，产业部门协作度更高，有助于优化产业的生产模式，推动产业结构转型，促进生态效率（张恒硕和李绍萍，2022）。第二，产业转型升级是产业实现高质量发展的根本目标。基于“信息孤岛”理论，不同主体和部门会对同一信息产生不同理解，部门主体解读信息结果的差异加大了跨部门的交流难度，信息孤岛是当下制约产业高质量发展的关键因素（叶明和王岩，2019），而产业数字化转型是破解信息孤岛的重要手段，产业数字化即传统产业利用数字技术对自身进行升级改造的过程，实现了传统产业与数字技术的深度融合。产业数字化转型增强了产业间的协同生产与技术共享，有利于减少产业面临的信息不对称与提高产业的信息处理能力，进而减少经济政策不确定性对产业的冲击。此外，传统产业利用数字技术简化了复杂的生产流程，提高生产效率，释放技术创新潜力，数字技术的革新为推动产业数字化转型和赋能传统产业绿色发展提供了重要支撑（代新玲和刘伟，2022）。第三，数字产业化以数字技术为基础，促进了信息通讯、互联网、软件、人工智能等行业的产业规模增长。数据要素为数字产业的核心生产要素，数字产业化降低了数据扩散成本，加快了数据传输速度，其衍生的数字平台拓宽了信息获取渠道，为企业数字化转型提供重要路径，有助于规避经济政策不确定性。此外，数字产业化形成了数字行业的规模经济效应，随着数字产业规模的加大，数字行业的生产成本与经营费用都得以降低，从而取得成本优势，进一步加速打造网络节点。依据“梅特卡夫法则”，网络具有极强的正外部性和正反馈性，随着数字产业化水平的不断攀升，其赋能实体经济发展的作用具有边际效应递增的特征（宋旭光等，2022），因此，数字产业化与产业数字化转型之间将体现更高效的协同作用，形成促进生态效率的合力。综上所述，本文提出假设：假设H3：数字经济能削弱经济政策不确定性对生态效率的负向冲击，进而在经济政策不确定性影响生态效率的过程中起到负向调节作用。三、研究设计（一）样本选择与数据来源本文宏观经济数据来源于 中国统计年鉴 中国环境统计年鉴 中国能源统计年鉴 等，在数字经济指标体系中，数字普惠金融指数与中国创新创业指数分别来源于北京大学数字金融研究中心和北京大学企业大数据研究中心，其他数字经济数据来源于国泰安（CSMAR）数据库。其中，本文所有以货币为度量单位的数据均使用基期为2011年的GDP平减指数进行平减，消除价格波动带来的影响。综合考虑数据可得性、数字经济发展起点等原因，本文选择 20112021年中国30个省份（港澳台和西藏地区数据缺失，故未纳入分析）作为研究样本。（二）变量选取1.被解释变量：生态效率（Ee）。本文借鉴侯孟阳和姚顺波（2018）所使用的测算方法，运用规模报酬不变条件下的非期望产出超效率SBM模型进行测算，非期望产出超效率SBM模型优势在于考虑了松弛变量和非期望产出的影响，能对决策单元进行有效比较。进一步，本文构建包含生态效率投入产出的测算指标，中国生态效率指标体系如表1所示，将投入分-77区域金融研究 2023年第9期经济纵横为人力投入和资本投入，人力投入即年末就业人员数，资本投入为资本存量，资本存量的测算方法参照张军等（2004）的研究成果，采用永续盘存法，公式如下：Ki,t=Ki,t-1()1-i,t+Ii,tpt（1）Ki,t表示资本存量，Ii,t表示固定资产投资，pt表示固定资产投资价格指数，i,t折旧率选取9.6%，基期资本存量以2011年样本的资本形成总额除以10%衡量。此外，能源投入为能源消费总量；产出分为期望产出和非期望产出，期望产出为各地区的生产总值，非期望产出包含废水、二氧化硫、粉尘排放量。具体非期望产出的超效率SBM模型DMU()x0,y0,z0公式如下：=min1+1mi=1msxixi01-1s1+s2()k=1s1sykyk0+l=1s2szlyl0（2）xi0j=1njxj-sxi,iyk0j=1njyj+syk,kzl0j=1njzj-szl,l（3）1-1s1+s2()k=1s1sykyk0+l=1s2szlyl0 0sxi 0,syk 0,szl 0,j 0,i,k,l,j（4）其中，为决策单元的生态效率值，m、s1、s2、代表投入、期望产出、非期望产出的变量个数。表1中国生态效率指标体系指标类型投入产出一级指标人力投入资本投入能源投入期望产出非期望产出二级指标年末就业人员数（万人）资本存量（亿元）能源消费总量（万吨标准煤）地区生产总值（亿元）废水排放量（万吨）SO2排放量（万吨）粉尘排放量（万吨）2.核心解释变量：经济政策不确定性（Epu）。由于Baker et al.（2016）构建的中国经济不确定性指数统计范围较窄，本文借鉴Huang&Luk（2020）的方法，通过检索中国10份报纸的“政策”“经济”“不确定性”等关键词数据构造相对更全面的中国经济政策不确定性指数，并将一年内月度数据通过几何平均方式转化为年度数据，进一步将年度数据除以100得到用于实证研究的中国经济政策不确定性指数。3.中介变量：绿色技术创新（Gti）。本文借鉴陶峰等（2021）的研究，从绿色技术创新活动数量和质量两个方面综合衡量绿色技术创新。专利更容易反映创新产出，因此，采用地区绿色发明专利申请数衡量绿色技术创新活动数量（LnNgti），采用地区绿色实用新型专利申请数衡量绿色技术创新活动质量（LnQgti），两者均取自然对数。4.调节变量：数字经济（Digital）。关于数字经济的测度，参考戴祥和马皓巍（2023）的研究成果。首先，宏观层面上本文将数字经济分为“产业数字化”“数字产业化”和“数字基础设施建设”，从“产业数字化（Id）”“数字产业化（Di）”“数字基础设施建设（Dic）”三个方面构建中国数字经济指标体系（如表2所示）。结合赵涛等（2020）对数字经济指标的选取，在考虑数据全面性、可获得性、客观性的基础上，选用长途光缆线路长度、网页数、域名数作为衡量数字基础设施建设的三级指标。其次，选用规模以上工业企业改造技术经费支出、中国数字普惠金融指数（郭峰等，2020）、中国创新创业指数衡量产业数字化，并利用电信业务总量、互联网普及率、互联网宽带接入端口数衡量数字产业化。最后，本文运用熵值法分别测度数字经济发展综合指数、数字基础设施建设指数、产业数字化指数以及数字产业化指数来综合衡量中国数字经济发展水平。表2中国数字经济指标体系一级指标数字经济二级指标数字基础设施建设产业数字化数字产业化三级指标长途光缆线路长度（万公里）网页数（万个）域名数（万个）规模以上工业企业改造技术经费支出（万元）中国数字普惠金融指数中国创新创业指数电信业务总量（亿元）互联网普及率（%）互联网宽带接入端口数（万个）5.控制变量。为确保实证结果更加稳健，本文选取其他可能影响生态效率的控制变量主要如下：经济发展水平（LnGdp），用人均地区生产总值的对数衡量；人力资本水平（Hcl），用高等学校在校学生人数与总人口的比值表示；研发强度（Ri），以R&D经费内部支-78区域金融研究 2023年第9期经济纵横出与地区生产总值的比值表示；财政投入（Fil），以地方财政支出与地区生产总值的比值衡量；对外开放水平（Fdi），计算方式为外商直接投资人民币对美元汇率/地区生产总值；产业结构（Is），用第三产业与第二产业的比重表示；环境规制（Er），用工业污染治理投资与工业增加值的比值衡量。相关变量情况如表3所示。表3描述性统计变量类型被解释变量核心解释变量中介变量调节变量控制变量符号EeEpuLnNgtiLnQgtiDigitalIdDiDicLnGdpHclRiFilFdiIsEr变量名称生态效率经济政策不确定性绿色技术创新数量绿色技术创新质量数字经济产业数字化数字产业化数字基础设施建设经济发展水平人力资本水平研发强度财政投入对外开放水平产业结构环境规制观测值330330330330330330330330330330330330330330330均值0.32571.40357.45427.39110.14700.28480.17180.094610.83070.02040.01710.26120.01991.05180.0033标准差0.26350.12771.38131.33160.10740.14080.13350.11870.45080.00560.01140.11280.01810.45340.0035最大值1.59351.632910.381810.60200.66810.91120.97090.787912.14160.04240.06520.75820.12093.21440.0309最小值0.13531.24452.56492.89030.01670.00610.01730.00559.68180.00800.00410.10500.00010.49430.0001（三）模型构建1.基准回归模型。为检验经济政策不确定性对生态效率的影响，本文设置基准回归模型如下：Eei,t=0+1Eput+Xi,t+i+i,t（5）其中，t表示时间，i表示省份；Eei,t为被解释变量，表示生态效率；Eput为解释变量，表示经济政策不确定性；Xi,t为控制变量的集合；i,t为随机扰动项；i为个体固定效应，以控制不随时间变化的省份特征对估计结果的影响。由于经济政策不确定性是时间序列数据，为避免多重共线性对估计结果的影响，本文将不控制时间固定效应。2.中介效应模型。为检验绿色技术创新在经济政策不确定性影响生态效率过程中的中介作用，构建中介效应模型如下：Mi,t=0+1Eput+Xi,t+i+i,t（6）Eei,t=0+1Eput+3Mi,t+Xi,t+i+i,t（7）其中，Mi,t表示中介变量，包含绿色技术创新数量和绿色技术创新质量，其他设定与基准回归模型一致。3.调节效应模型。在基准回归式（5）的基础上，引入数字经济变量，检验数字经济对生态效率的直接影响，构建模型如下：Eei,t=0+1Eput+2Digitali,t+Xi,t+i+i,t（8）同时，为识别数字经济的调节效应，设置模型如下：Eei,t=0+1Eput+2Ri,t+3Eput Ri,t+Xi,t+i+i,t（9）其中，Eput Ri,t为经济政策不确定性与调节变量的交互项，Ri,t包含数字经济综合指数、产业数字化指数、数字产业化指数、数字基础设施建设指数，并对经济政策不确定性与调节变量都进行中心化处理。如果1显著为负，3显著为正，则说明调节变量的负向调节效应显著存在。四、实证结果与分析（一）基准回归分析表4报告了经济政策不确定性对生态效率的全样本回归结果。从列（1）可知，在没有加入控制变量的情况下经济政策不确定性的估计系数在1%的水平下显著为负。在列（2）加入经济发展水平、人力资本水平、研发强度等一系列控制变量后，经济政策不确定性的估计系数仍然为负，且通过了1%的显著性水平检验，说明经济政策不确定性上升对生态效率有显著的抑制作用，经济政策不确定性上行，造成经济体面临更多的信息不对称问题，经济下行压力增大，更不利于企业实施绿色技术创新决策，进而对生态效率产生负向冲击。进一步在列（3）中引入数字经济变量，经济政策不确定性的回归系数没有发生根本性改变，数字经济的回归系数为0.1038，且在1%的水平下显著，说明数字经济促进了生态效率上升，作为政策鼓励的重要发展方向，数字经济以互联网、时空大数据、人工智能、算力、数字水印、区块链等为基础形成促进效应，从直接效应看，数字经济实现了低碳出行和无纸化办公等，减少了资源消耗，降低了碳排放。数字经济催生出的平台经济、共享经济实现了相对较低的业务成本，形成新型产业、数字产业的比较优势，倒逼“高能耗、高污染”企业升级改造，在知识技术外溢下，赋能企业绿色技术创新，推动生产端的绿色技术进步。同时，数字技术实现了更高效的业务场景和-79区域金融研究 2023年第9期经济纵横生态体系，数字经济被企业纳入战略层面进行思考和探索，更有助于企业利用数字技术与数字金融进行企业数字化转型，优化资本配置，提高绿色全要素生产率。从间接效应看，数字经济扩容了就业空间，促进了人力资本结构演进，提升了人力资源配置效率。数字经济也为环境污染数据监测提供了技术支持，环境污染数据信息的传递更加便捷，增强了公众的环境感知能力，实现监督效应。此外，数字经济实现了数据生产要素与实体经济生产要素的深度融合，其跨区域整合资源和信息的能力可以重塑经济结构，形成正反馈机制以协调产业发展，从而提高跨区域创新能力。总的来说，数字经济不仅在优化经济结构、提升经济质量等方面表现突出，其生态红利也逐渐显现，基准回归结果支持假设H1。控制变量方面，经济发展水平的估计系数在1%的水平下显著为正，说明经济发展水平对生态效率的影响遵循了环境库兹涅茨曲线右侧的关系逻辑，经济发展达到一定水平后，高新技术的快速增长改善了资源利用效率，降低单位产出的要素投入，环境污染水平逐步降低，生态效率得到提升；产业结构的系数在10%的水平下显著为正，说明加快产业结构的高级化和合理化进程有利于提升生态效率。表4全样本回归变量EpuDigitalLnGdpHclRiFilFdiIsErCons个体固定效应NR2（1）Ee-0.0313*（-4.51）0.1975*（3.95）控制3300.6459（2）Ee-0.0213*（-3.74）0.0547*（3.29）0.7306（0.13）-4.155（-1.30）-0.3017（-0.81）-0.3648*（-3.07）0.0031*（1.86）0.512*（1.94）0.1029*（3.84）控制3300.5548（3）Ee-0.0125*（-4.19）0.1038*（3.61）0.0803*（3.01）1.5106（0.30）-4.759（-1.43）-0.3421（-1.27）-0.3650*（-3.09）0.0029*（1.66）0.7210*（1.89）0.1308*（1.73）控制3300.5344注：*、*、*分别表示1%、5%以及10%的显著性水平，系数下方括号内为t值，下表同。（二）稳健性检验为检验本文实证结果的稳健性，首先，本文基于已构建的生态效率评价指标体系测算绿色全要素生产率（Gtfp），将绿色全要素生产率替代生态效率作为被解释变量进行稳健性检验。表5列（1）为经济政策不确定性对绿色全要素生产率的回归结果。其次，在前文中，本文利用Huang&Luk（2020）构造的经济政策不确定性指数进行基准回归分析，为避免经济政策不确定性指数的测度方法差异导致的回归估计结果偏差，本文将Baker et al.（2016）构造的经济政策不确定性指数重新进行回归分析，结果见表5列（2）。最后，考虑到2020年受新型冠状病毒感染的影响，本文将2020年的样本数据剔除，重新进行基准回归，结果见表5列（3）。通过替换被解释变量、核心解释变量以及缩小样本稳健性检验后，经济政策不确定性对生态效率的影响与基准回归估计结果一致，假设H1仍然成立。表5稳健性检验变量Epu控制变量NR2（1）替换被解释变量-0.0282*（-4.10）控制3300.7391（2）替换核心解释变量-0.0163*（-3.60）控制3300.4567（3）缩小样本-0.0238*（-4.26）控制3000.9823（三）内生性分析1.系统GMM。虽然经济政策不确定性作为外生冲击变量，生态效率的变化难以影响经济政策不确定性，但是依然可能存在遗漏变量导致的内生性问题。为缓解内生性问题，本文引入动态面板并利用系统GMM估计方法处理内生性问题，回归结果见表6。表6列（1）结果表明AR（2）的P值大于0.1，说明随机扰动项不存在自相关；Hansen检验的P值也大于0.1，说明所有工具变量有效。此时，经济政策不确定性对生态效率的影响结果依然与基准回归结果一致。2.工具变量法。为进一步控制误差项中可能存在与内生变量相关的因素，本文借鉴祝树金等（2023）的研究思路，选择美国经济政策不确定性构建工具变量。工具变量的要求是满足相关性和排他性，选取美国经济政策不确定性作为工具变量的关键逻辑在于美国和中国经济贸易来往密切，因此美国经济政策的变化会对中国经济政策不确定性产生影响。此外，目-80区域金融研究 2023年第9期经济纵横前尚未有研究证明美国经济政策不确定性会直接影响中国生态效率，因此美国经济政策不确定性符合工具变量要求。此时，以美国经济政策不确定性指数为工具变量进行 2SLS 回归，回归结果见表 6。表 6 列（2）为第一阶段的回归结果，工具变量系数显著为负。表6列（3）为第二阶段的工具变量回归结果，此时经济政策不确定性对生态效率的影响依然显著为负，且Kleibergen-Paap rk LM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-DonaldWald F和Kleibergen-Paap rk Wald F的统计量值均显著大于16.38，即Stock-Yogo弱识别检验10%水平的临界值，说明工具变量选取有效，回归结果稳健。综合上述分析，在克服内生性问题后经济政策不确定性对生态效率的影响依然为负，表明本文研究结论是稳健的。表6内生性分析变量EpuAR（2）HansenIVKleibergen-Paap rk LM统计量Cragg-Donald Wald F统计量Kleibergen-Paap rk Wald F统计量控制变量NR2（1）SYS-GMMEe-0.0264*（-3.72）0.4220.912控制330（2）工具变量法Epu-0.018*（-3.08）控制330（3）Ee-0.0214*（-3.22）49.7730.00050.50216.38244.10016.38控制3300.7413注：IV为工具变量，（）内为t值，内为P值，为Stock-Yogo弱识别检验10%水平的临界值。（四）作用机制分析1.绿色技术创新的中介作用。前文从绿色技术创新的视角理论分析经济政策不确定性对生态效率影响的传导机制，为检验绿色技术创新的中介效应是否成立，表7报告了绿色技术创新的中介效应的检验结果。在表4中已论证了经济政策不确定性对生态效率的抑制影响基础上，表7验证了经济政策不确定性对绿色技术创新的影响，从列（1）、（2）看，经济政策不确定性对绿色技术创新数量与质量的影响均为负，且分别在5%和1%的水平下显著，说明经济政策不确定性会抑制绿色技术创新。进一步，将绿色技术创新纳入模型中，通过三者系数与显著性变化判断，列（3）、（4）为中介效应模型的回归结果，经济政策不确定性对生态效率的影响依然显著为负，而绿色技术创新数量与质量都对生态效率产生了显著的正向促进作用。上述分析表明，经济政策不确定性通过抑制绿色技术创新进而导致生态效率退化，绿色技术创新是经济政策不确定性抑制生态效率的传导机制，支持了假设H2。表7绿色技术创新的中介效应检验变量EpuLnNgtiLnQgti控制变量NR2（1）LnNgti-0.1885*（-2.59）控制3300.7303（2）LnQgti-0.7763*（-3.49）控制3300.6034（3）Ee-0.0219*（-3.06）0.0021*（1.58）控制3300.6777（4）Ee-0.0254*（-3.33）0.0051*（2.26）控制3300.59752.数字经济的调节作用。前文分析了数字经济的调节效应，为检验理论分析中的研究假设，本文将数字经济发展程度分组和分维度构建交互项，进而分析数字经济的调节效应。首先，本文按数字经济综合指数中位数将全样本分为数字经济发达地区与数字经济欠发达地区并分别进行估计，表8列（1）为数字经济发达地区的估计结果，列（2）为数字经济欠发达地区的估计结果。相较于数字经济欠发达地区，数字经济发达地区经济政策不确定性对生态效率的负向影响的绝对值更小，数字经济对生态效率的促进作用更大，分组回归结果初步检验了数字经济的负向调节效应，支持了假设H3。进一步，表8列（3）（6）是分维度构建交互项的估计结果，从列（3）看，经济政策不确定性对生态效率的影响显著为负，数字经济与Epu Digital的回归系数均为正，且分别在1%和10%的水平下显著，说明数字经济不仅是提高生态效率的新动能，也是削减经济政策不确定性对生态效率的负面影响的有力工具，数字经济能在经济政策不确定性影响生态效率的过程中起到负向调节作用，验证了假设H3。从列（4）、（6）的估计结果可知，产业数字化与数字基础设施建设在经济政策不确定性影响生态效率的过程中也充-81区域金融研究 2023年第9期经济纵横分发挥了负向调节效应，与数字经济的估计结果一致。列（5）的数字产业化回归系数为负，但其在经济政策不确定性与生态效率的关系中并没有体现出显著的负向调节效应。从新结构经济学的观点看，可能是由于数字产业规模的扩张对与当下的要素禀赋结构不适配，加剧“数字鸿沟”，阻碍生态效率提高，该结果与已有理论共识的矛盾佐证了“数字化悖论”现象。总的来看，数字经济的调节效应主要是通过产业数字化和数字基础设施建设实现的，而数字产业发展与资源禀赋结构的协调仍然有待改善。五、研究结论与启示（一）研究结论在数字经济浪潮下，本文基于20112021年中国30个省份的面板数据，采用面板固定效应模型实证研究经济政策不确定性对生态效率的影响，并揭示数字经济在经济政策不确定性与生态效率关系中的调节作用。研究结果表明：第一，经济政策不确定性对生态效率产生显著的抑制作用，绿色技术创新在经济政策不确定性影响生态效率的过程中起到中介作用；第二，数字经济对生态效率产生显著的促进作用，并且数字经济在经济政策不确定性抑制生态效率的过程中发挥显著的负向调节效应，其负向调节效应主要通过数字基础设施建设与产业数字化实现。（二）启示对于政府而言，在外部宏观经济环境复杂多变的特征下，控制经济政策不确定性的关键在于制定公平和透明的经济政策，避免经济政策的频繁变动。政府应当重点关注经济政策不确定性风险和评估经济政策不确定性可能影响环境可持续性的方式，相关部门能够充分地分析经济政策的不确定性，发现经济发展问题，从而采取针对性措施。同时，政府主导型环境规制在绿色发展方面仍发挥主要作用，政府有关部门必须探索可行的政策，促进清洁能源的使用，如部署额外资金购买清洁能源，实施国内和国外投融资。此外，通过提供资金和放宽阻碍绿色技术投资的部分税收，提高企业绿色技术创新动力，激励清洁能源领域发展，从而促进生态效率提升。最后，加大数字经济发展力度，完善数字经济基础设施，重视科技人才培养，夯实数字化基础，将数字经济作为产业升级的关键抓手，加快各领域数字经济成果转化，提升数字经济创新水平，发挥数字经济的生态优势，充分利用数字经济的负向调节效应，抵御经济政策不确定性对生态效率的负面影响，实现生态效率良性发展。参考文献1SU H，GENG Y，XIA X Q，et al.Economic policy uncertainty，social development，political regimes and environmental表8数字经济的调节效应变量EpuDigitalIdDiDicEpuDigitalEpuIdEpuDiEpuDic控制变量NR2（1）Digital_1-0.0108*（-3.34）0.1296*（3.52）控制1650.5988（