数字经济对城市绿色经济效率...基于空间面板模型的实证分析_尹天宝.pdf

技术经济与管理研究2023 年第 2 期数字经济对城市绿色经济效率的影响研究基于空间面板模型的实证分析尹天宝，赵红岩，仲颖佳（东华大学 旭日工商管理学院，上海 200062）摘要：文章基于 20112019 年中国 268 个城市面板数据，运用空间滞后模型(SAR)考察数字经济对绿色经济效率的影响。研究发现：第一，数字经济发展对绿色经济效率有显著正向空间溢出效应，且范围主要集中在 150km650km，并存在显著地理区位、规模和资源类型的异质性。第二，数字经济可通过引领产业转型升级、促进绿色技术创新、优化投资调整和扩大市场需求这四条路径来间接促进绿色经济效率提升。第三，数字经济也是推动绿色经济效率空间收敛的“加速器”。研究结果丰富了有关数字经济与绿色经济效率方面的内容。关键词：数字经济发展；绿色经济效率；空间溢出效应；传导路径；异质性特征中图分类号：F014.1文献标识码：A文章编号：1004-292X（2023）02-0018-05Research on the Impact of Digital Economy on Urban Green Economic Efficiency：Empirical Analysisbased on Spatial Panel ModelYIN Tian-bao，ZHAO Hong-yan，ZHONG Ying-jia（Glorious Sun School of Business and Management，Donghua University，Shanghai 200062，China）Abstract：Based on panel data of 268 cities in China from 2011 to 2019,this paper uses the Spatial Lag Model(SAR)to examinethe impact of digital economy development on green economy efficiency.The research finds that:first,the development of digital economyhas a significant positive spatial spillover effect on the efficiency of green economy,and the scope is mainly concentrated in150km-650km,and there is significant heterogeneity in geographical location,scale and resource types.Second,the digital economy can indirectly pro-mote the efficiency of the green economy by leading industrial transformation and upgrading,promoting green technology innovation,opti-mizing investment adjustment and expanding market demand.Third,digital economy is also an accelerator to promote the spatial conv-ergence of green economy efficiency.The above findings enrich the content of digital economy and green economy efficiency.Key words：Digital economy development；Green economy efficiency；Spatial spillover effect；Conduction path；Heterogeneity characteristics基金项目：国家社会科学基金一般项目（21BJY051）；江苏高校人文社会科学校外研究基地项目（2017ZSJD017）。作者简介：尹天宝，东华大学旭日工商管理学院博士研究生，研究方向：数字经济、全球价值链；赵红岩（通讯作者），东华大学旭日工商管理学院教授，研究方向：数字经济、全球价值链；仲颖佳，东华大学旭日工商管理学院博士研究生，研究方向：数字经济、全球价值链。一、引言改革开放 40 多年以来，中国经济以年均 9.4%的速度高速增长。截止到 2021 年，中国 GDP 总量超过 17.7 万亿美元，人均 GDP 突破 10000 美元，达到中上等国家收入水平，经济发展取得卓越成就。但在经济高速增长的同时，产业结构失衡、新旧动能转换不足，环境污染加剧等一系列问题日益凸显，阻碍了中国经济绿色高质量发展。因此，亟需由“高污染、高能耗”为导向的粗犷型经济发展方式转向“绿色低碳、高质量”的经济发展方式。2022 年 10 月，党的二十大会议指出，需加快生态文明建设，积极改善环境质量，促进经济社会的全面绿色转型，实现人与自然和谐相处。这意味着绿色发展是中国未来高质量发展过程中必然的战略选择。与此同时，以数据、知识为主要生产要素的数字经济，发展十分迅速，并借助信息网络技术来持续创新，逐渐渗透到科技创新、生态环境和社会福利等经济社会生活的各个方面，已然成为推动中国技术进步和经济高质量发展的新动能（张腾等，2021）1。随着数字经济规18模和渗透率的持续上升，数字经济能否成为绿色低碳发展新动能，促进绿色经济效率提升，越来越受社会各界的关注。通过现有文献的分析和梳理，大多数学者集中于数字化属性的相关行业来探讨对绿色发展的影响研究。在微观层面上，部分学者研究发现信息通信技术、互联网能提高部门能源效率、增进环境规制强度和激发企业环保投入热情来有效发挥污染治理效应2，3。在宏观层面上，部分学者研究发现互联网、人工智能、电子商务和大数据能提高全要素能源效率、改进分配效率、优化交换模式、促进资源整合和完善环境监管体系以促进绿色经济增长4-7。综上所述，现有文献大多集中探讨数字经济及其相关行业对环境污染方面的影响，鲜有文献研究数字经济对绿色经济效率的影响。作为核心要素的数字经济是否能够在改善环境质量的同时提升经济效率，对实现经济高质量发展具有重要的意义，因而深度探究数字经济对绿色经济效率的影响具有一定的必要性。相比以往研究，文章可能存在以下边际贡献：一是在中国面临产业结构失衡、环境形势依然严峻等背景下，从绿色经济视角出发探讨数字经济对其提升的内在机制。二是运用空间滞后模型考察了数字经济对绿色经济效率的空间溢出效应随不同距离阈值变化的特征，丰富了相关研究内容。三是数字经济不仅可以促进产业升级和绿色技术创新渠道来提升绿色经济效率，还能优化投资调整和扩大市场潜在需求促进绿色经济效率提升，为现有研究提供有益补充。四是进一步考察了数字经济对绿色经济效率空间收敛的态势，拓展了该问题的研究视野。二、理论分析与研究假设绿色经济效率是在保持经济可持续发展的同时，又能兼顾资源节约与环境污染治理，从而实现环境、经济和社会的良好协调发展。数字经济发展影响绿色经济效率主要体现在如下方面：第一，以数据和知识为核心生产要素的数字经济已然成为新经济形态下的先进生产力，在增加经济产出的同时，降低了传统经济工业生产中能源消耗，提高能源利用效率，减少环境污染，促进了经济绿色发展（张云辉、李少芳，2022）8。第二，数字经济能激发消费者对绿色产品的需求。数字经济催生的数字化新业态，使得“互联网+”等在线经济平台为企业的绿色产品提供更多接触消费者的渠道，也为消费者购物提供了便利，刺激了居民的消费需求，推动经济结构由生产主导转向以消费需求为主导。第三，依托数字经济发展搭建的环保信息共享平台，益于提升公众的环保和绿色消费意识，鼓励公众、企业和政府共同参与环境治理，打破各自为政的窘境。基于以上分析，本研究提出假设 H1：假设 H1：数字经济能促进绿色经济效率提升。数字经济发展具有开放、共享和跨时空的特征，打破了知识、技术传递的时空壁垒，并强化区间信息技术的关联性和流动性，从而产生知识与技术溢出效应(Bathelt 等，2004)9。此外，数字经济发展能降低信息、知识与创新等要素跨区域流动成本，并可通过“示范效应”，促使邻近地区学习先进的治污技术，有效治理污染，提高绿色经济效率。然而，数字经济的发展虽然可为实现知识与技术跨域共享提供便捷渠道，加速各城市间知识、技术和数据信息传播，能在一定程度上打破城市之间距离壁垒，但随地理距离增加，技术学习与交流成本上升，特别是隐性知识学习，在超出一定距离范围所面临“面对面”交流成本将大幅上升，导致传递效率急速下降；另外，同区域的社会结构和文化规范密切联系，企业之间具有更高信任度，因而更倾向于与本地区企业展开交流合作，且地方保护主义普遍存在，人为的限制了技术、资本等生产要素跨区域流动，限制了技术溢出效应的传播空间范围。基于以上分析，本研究提出假设 H2：假设 H2：数字经济对绿色经济效率的正向空间外溢效应存在范围边界。上文分析数字经济及其空间溢出效应变化对城市绿色经济效率的影响，那么，可通过哪些传导渠道影响绿色经济效率？首先，数字经济能改造传统产业的落后生产方式，提升产业组织效率，倒逼高消耗和高污染的产业转向低能耗和低污染的产业，提高产业附加值，减少污染排放，促进绿色经济效率的提升（左鹏飞等，2020）10。其次，数字经济能改进企业工艺和生产流程，优化劳动、资本和技术等生产要素，增强要素组合的协同型，同时能为企业绿色研发投入的资金获取降低门槛，提高金融资源的可得性，促进绿色技术创新。其次，数字经济发展能改善企业信息透明度，降低企业信息不对称和委托代理成本，有助于企业优化股权结构和“去杠杆”，降低财务风险，抑制非投资效率。最后，数字经济发展能充分发挥交易平台、信息资源集成共享的功能，帮助企业识别消费者需求偏好，精准定位销售产品，改善居民消费体验，扩大市场需求潜能。基于上述分析，本研究提出假设 H3：假设 H3：数字经济可通过引领产业升级、促进绿色技术创新、优化投资调整和扩大市场需求的传导渠道促进绿色经济效率提升。三、研究设计1.变量说明（1）被解释变量绿色经济效率(GEPI)。参考林伯强、谭睿鹏(2019)的做法11，分别赋予投入要素中劳动(L)、资本(K)和能源(E)的权重为 0、0和 1/3，赋予期望产出中地区实际 GDP 的权重为 1/3，赋予非期望产出中工业废水排放量(WW）、工业二氧化硫(SO2)和工业烟粉尘(SD)的权重分别设置为 1/9，并基于非径向距离函数(NDDF)与数据包络法(DEA)求解在约束条件下的投入和产出目标函数的最优解，得到 i 城市 t 年的绿色经济效率指数：GEPIit=12(1-E*)+12131-WW*+1-SO2*+1-SD*()1+y*(1)其中，式(1)中E*、WW*、SO2*和SD*为在实现最优期望产出下能源消耗和污染物排放最小化的值。（2）核心解释变量数字经济指数(dig)：参考现有研究对城市层面数字经济发展水平的考量（柏培文、喻理，2021）12。考虑数据的可获得性，选取每百人互联网用户数、计算机服务和软件从业人员占比、人均电信业务总量、人均邮政业务总量、每百人移动电话用户数与数字普惠金融指数来构建评价数字经济发展的子维度指数字经济发展对城市绿色经济效率的空间溢出效应研究19技术经济与管理研究2023 年第 2 期标，并采用熵权法测算得到的得分作为代理指标。（3）机制变量选取的机制变量：产业转型升级(inst)：引入产业结构层次系数，充分考察第一、二、三产业的结构调整，计算方法为inst=3i=1qii，qi为 i 产业占 GDP 的比重；绿色技术创新水平(pat)：参考大多数文献做法，采用城市绿色专利申请量表示绿色技术创新水平；投资调整(invest)：采用全市固定资产投资额占 GDP 比重来衡量；市场需求(mdp)：使用人口数量的自然对数来衡量市场需求。（4）控制变量参考林伯强、谭睿鹏(2019)研究11，选取以下控制变量：城市经济发展水平(gdp)：选取人均实际 gdp 自然对数来衡量，为检验库兹涅茨曲线理论，加入人均 gdp 自然对数的平方项；政府干预程度(gov)：政府干预程度是影响绿色经济效率的重要因素之一，采用财政支出占与地区生产总值比值来表示；外商直接投资(fdi)：外商投资既可能产生“技术扩散效应”，促进绿色经济效率提升，也可能导致“污染天堂”假说，抑制绿色经济效率提升，采用实际外商投资额与地区生产总值比值来表示；环境规制(envre)：采用工业固体废物综合利用率来衡量；科技创新水平(tec)：采用地方财政科技支出占地区生产总值比重来衡量。2.模型构建为分析数字经济对绿色经济效率的影响效应是否存在的空间效应，参考李金林等(2020)的做法13，建立如下空间面板模型检验数字经济发展对绿色经济效率及其空间溢出效应的影响：GEPIit=0+Nj=1itGEPIit+1digit+Xit+i+t+itit=Ni=1itit+it(2)另外，为检验数字经济发展对绿色经济效率的作用机理，参考柏培文、喻理(2021)的做法12，考虑空间溢出效应的交互项模型进行实证分析，模型构建如式(3)所示：GEPIit=0+Nj=1itGEPIit+1digit+2institdigit+Xit+i+t+itGEPIit=0+Nj=1itGEPIit+1digit+2patitdigit+Xit+i+t+itGEPIit=0+Nj=1itGEPIit+1digit+2investitdigit+Xit+i+t+itGEPIit=0+Nj=1itGEPIit+1digit+2mdpitdigit+Xit+i+t+itit=Ni=1itit+it(3)其中，公式(2)和(3)中 GEPIit为绿色经济效率，digit为数字经济发展水平，inst、pat、invest 和 mdp 分别表示产业结构升级、绿色技术创新、投资调整和市场需求。ij为空间权重矩阵，ijGEPIit、Xit、i、t、it、和 itit分别表示被解释变量空间滞后项、空间自相关系数、相应控制变量集、年份效应、城市效应、随机误差向量、空间误差系数和随机误差项空间滞后项。3.数据来源文章研究对象为 20112019 年中国 268 个城市，所有数据来源 中国城市统计年（20122020）北京大学数字普惠金融指数（第二期，20112019），中国研究数据服务平台(CNRDS)和各地区统计年鉴，删除缺失值较多地区，少量缺失数据采用线性插值或平均增速处理。四、实证结果分析1.基准回归分析空间误差模型(SEM)和空间滞后模型(SAR)模型中的随机效应模型与固定效应模型区别在于模型回归中是否体现出个体效应联系度，鉴于本研究使用 20112019 年 268 个城市面板数据，重视个体效应与时间效应。因此，采用时空双向固定效应估计结果。并参考韩峰、阳立高(2020)研究14，采用地理距离权重矩阵(W2)进行分析，具体结果如表 1 所示。根据表 1 可以看出，空间误差系数 和空间滞后系数 至少在 5%水平上显著，这表明普通 OLS 方法无法准确估计结果，有必要采用空间计量模型进行分析。另外，对比相应 SEM 模型和 SAR 模型中R-LMERR 和 R-LMLAG 统计量值，发现 SAR 模型 R-LMLAG统计量为 131.821 远大于 SEM 模型 R-LMEER 统计量 71.360。因此，文章选择空间滞后模型(SAR)回归结果加以分析。根据表1 中第(3)列结果可知，数字经济的估计系数为 0.317，在 1%水平下显著为正，说明数字经济(dig)发展水平越高越有利于绿色经济效率提升，假设 H1 得到验证。空间滞后系数 的值为0.363，且在 5%显著水平上显著，说明数字经济不仅促进本地区绿色经效率提升，也能促进邻近地区绿色经济效率提升。表 1基准回归结果2.进一步分析溢出效应为检验数字经济对绿色经济效率的空间溢出效应是否存在随地理距离增加，溢出效应逐渐减弱的可能，文章参考徐维祥等(2021)的做法，设置空间距离阈值权重矩阵考察数字经济对绿色经济效率空间溢出效应边界15。观察数字经济对绿色经济效率的直接和间接效应估计系数变化。如图 1 所示。数字经济的直接效应估计系数值随地理距离增加，基本保持不变，间接效应系数值随地理距离增加，呈先递增后下降的倒“V”型特征。在地理距离 350km 以内，间接效应系数值随地理距离的增加而变大，溢出效应迅速增强，并在 350km 左右达到峰值；在解释变量(1)(2)(3)OLSSEMSARdig0.309*(3.69)0.336*(4.22)0.317*(4.03)控制变量YESYESYES0.456*(3.41)0.363*(2.54)R-LMERR71.360*R-LMLAG131.821*N241224122412R20.1660.0920.054注：*、*和*分别表示在 1%、5%和 10%的显著性水平下显著，括号内表示t 统计量，表中控制了年份效应和城市效应，下同。20注：数值为 P 值，数值为 Stock-Yogo 弱识别检验 10%水平上的临界值。解释变量替换被解释变量剔除个体值(1)(2)dig0.199*(2.62)0.297*(3.62)0.337*(2.31)0.356*(2.46)Kleibergen-PaparkLM统计量Kleibergen-PapaWaldrk F 统计量控制变量YESYESN24122376R20.0040.073工具变量法(3)1.506*(3.62)91.0510.00094.46316.38YES23850.109(4)1.124*(4.32)230.3370.000256.25516.38YES24120.129表 2稳健性检验结果地理距离超出 350km 后，间接效应系数值逐渐减小，溢出效应减弱；而当超出 700km 的空间范围时，间接效应系数值变得不显著。可能的原因是中国的一般省界距离大约在 350km 左右，在省界范围内有助于信息和知识等要素自由流动、传播和学习，空间溢出效应不断上升；在超出 350km 后，受到省界壁垒和数字基础设施覆盖水平等因素限制，导致信息、知识等要素流动的边际成本较高，使数字经济的空间溢出效应逐渐降低；在超出 700km 之后空间溢出效应受到社会、制度和文化等多重因素的干扰，会趋于无效。通过以上分析，假设 H2 得到验证。3.稳健性检验为确保数字经济发展对绿色经济效率估计结果的可靠性，文章从以下三个方面进行稳健性检验：第一，替换被解释变量(GEPI)，电力消费与能源消费的相关程度较高，采用地级市电力消费数据替代能源消费(E)，重新运用 NDDF 方法测算绿色经济效率进行回归；第二，考虑到上海、重庆、天津、北京为直辖市，其特殊地位对样本回归可能导致的结果偏误，故剔除这四个直辖市。具体回归结果见表 2 中第(1)、(2)列所示，数字经济的估计系数与空间滞后自回归系数依然在 1%水平下显著为正，进一步表明基准回归结果有较好的稳健性。另外，由于绿色经济效率较高城市，拥有良好投资环境，更易吸引外来资金注入本地，经济发展水平也相应较高，对数字经济发展会产生一定的影响。即数字经济与绿色经济效率可能存在反向因果关系。参考黄群慧等(2019)的研究16，采用上一年的全国互联网用户数分别与历史的邮局数量、移动电话用户数量（考虑到行政区域变更以及数据完整性，邮局数量和移动电话用户数使用2004 年的数据）的乘积作为工具变量。根据表 2 中第(3)、(4)列回归结果，在考虑内生性问题后，数字经济促进绿色经济效率提升的结论依然成立，由此判断数字经济对绿色经济效率提升具有显著促进作用。4.异质性分析前文分析表明，数字经济能促进城市绿色经济效率提升，但由于中国幅员辽阔，城市间经济发展水平和资源禀赋各异，那么城市特质不同是否导致数字经济对绿色经济效率提升效果存在差异呢？因此，文章从城市所在地理区位、规模以及资源禀赋三个角度出发，考察城市特质性的差异。实证检验结果如表 3 所示。东部地区城市、大城市和非资源型城市的数字经济系数在 1%水平下显著为正，说明数字经济发展对东部地区城市、大城市和非资源型城市绿色经济效率有显著促进效应，中、西部地区城市、小城市和资源型城市数字经济的估计系数不显著，说明在中、西部城市、小城市和资源型城市促进效果不足。5.机制分析为验证研究假设 H3，采用交互项来进行验证传导机制的存在性，表 4 给出相应的实证结果。结果显示，数字经济(dig)与绿色技术创新(pat)、产业转型升级(inst)、投资调整(invest)和市场需求(mpd)的交乘项系数至少在 10%显著水平为正，说明数字经济可以通过提高绿色技术创新、促进产业升级、优化投资调整和扩大城市潜在的市场需求来提高绿色经济效率。验证了假设 H3。表 4机制分析五、进一步讨论：空间收敛分析数字经济对城市绿色经济效率存在正向空间溢出效应，那么在这种显著空间效应下，绿色经济效率是否存在空间收敛态势？数字经济能否促进这种收敛态势？文章参考韩先锋等(2021)研究17，在考虑空间效应后，构建绝对 收敛和条件 收图 1 不同距离阈值数字经济对绿色经济效率的间接和直接效应100 km150 km200 km250 km300 km350 km400 km450 km500 km550 km600 km650 km700 km750 km800 km直接效应间接效应0.350.300.250.200.150.100.050.00表 3异质性分析解释变量地理区位异质性城市规模异质性城市资源类型东部地区城市中部地区城市西部地区城市大城市小城市资源型非资源型(1)(2)(3)(4)(5)(6)(7)dig0.329*(3.08)0.202(1.25)0.257(1.28)0.303*(3.57)-0.094(-0.46)0.147(0.71)0.378*(4.12)0.303*(2.91)0.675*(9.14)0.234*(1.66)0.478*(5.60)0.645*(7.63)0.195(1.44)0.597*(7.57)控制变量YESYESYESYESYESYESYESN873846693120612068461566R20.1680.1190.0500.1540.0660.1230.112解释变量绿色技术创新产业转型升级投资调整市场潜力(1)(2)(3)(4)digpat0.164*(3.63)diginst1.714*(5.14)diginvest0.091*(1.92)digmdp0.383*(6.29)dig0.156*(1.73)-4.057*(-4.75)0.267*(3.22)-2.099*(-5.36)0.360*(2.51)0.393*(2.82)0.357*(2.49)0.273*(1.79)控制变量YESYESYESYESN2412241224122412R20.0450.0850.0080.010数字经济发展对城市绿色经济效率的空间溢出效应研究21技术经济与管理研究2023 年第 2 期敛模型分别检验绿色经济效率是否收敛以及数字经济是否能够促进这种收敛态势，具体回归结果见表 5。从表 5 可知，无论是绝对空间 收敛还是条件空间 收敛，系数值在 1%显著水平均为负，说明绿色经济效率随着时间推移，差异逐渐缩小，存在共同收敛趋势。另外，对比表 5 中第(1)、(2)列结果可知，系数估计值从-0.400 下降到-0.407，收敛速度从 5.6%上升到5.8%，比未考虑数字经济驱动后的收敛速度提高 0.2%，且半生命周期由 12.377 年缩短至 11.950 年，半生命周期缩短了 0.427年，可见数字经济能加速绿色经济效率收敛，有助于较低的城市追赶较高的城市。另外，空间溢出效应系数 值显著为正，表明数字经济可通过空间溢出效应促进邻近城市的绿色经济效率收敛，已然成为绿色经济效率空间收敛的“加速器”。六、研究结论与政策启示文章基于 20112019 年中国 268 个城市数据，运用空间滞后模型(SAR)实证考察数字经济对绿色经济效率空间溢出效应、异质性特征、传导机制以及空间收敛性的影响，得出以下结论：第一，数字经济能促进本地区和邻近地区绿色经济效率的提升，具有显著正向空间溢出效应，但这种效应受到地理距离因素的限制，在 350km 左右到达峰值，随后逐渐降低；第二，数字经济对东部地区城市、大城市与非资源型城市的绿色经济效率的促进效果更为显著；第三，数字经济能通过促进产业升级、提高绿色技术创新、优化投资和扩大市场潜在需求提高绿色经济效率；第四，数字经济能加速绿色经济效率的空间收敛，不断缩小绿色经济效率水平较低的城市与较高城市之间的差距。基于上述结论，得到以下政策启示：第一，要进一步推动数字经济持续发展。目前中国“新基建”的建设水平仍有巨大的提升空间，因此，政策制定者需要加大对数字信息基础设施投资的支持力度，夯实数字基础设施，提高数字经济覆盖广度，加速数字技术融合到相关衍生产业，充分发挥数字经济对绿色经济效率的提升作用。另外，打破各城市的行政壁垒，降低知识、技术等要素流动的边际成本，扩大数字经济的空间溢出半径。第二，当地政府需根据本地区城市经济基础、资源禀赋等特质，准确合理定位，因地制宜制定有利于数字经济发展的政策，避免由于盲目学习和复制其他区域的发展经验，导致的无序发展，从而无法使得数字经济最大化发挥出对绿色经济的福利效应。第三，充分利用数字经济赋能传统产业升级，催生新型产业，不断引导金融资源流入高效节能领域，提升绿色产业链和价值链，加快地区产业绿色发展。另外，可以借助数字信息平台，激发社会投资活力，引导社会闲散资金流入有绿色研发动力的企业，缓解企业面临的融资约束和投资不足，优化投融资结构，提高企业投资效率，来促进生产设备更新换代，提高绿色经济效率。第四，政府应有效推动以数据要素为核心的数字信息发展，积极破除数据要素扩散的时空壁垒，加快数据信息的整合和循环增值，通过数字经济溢出红利持续缩小各区域绿色经济效率水平差距。【参考文献】1 张腾，蒋伏心，韦朕韬.数字经济能否成为促进我国经济高质量发展的新动能?J.经济问题探索，2021(1)：25-39.2 张彦博，寇坡.环境规制、互联网普及率与企业污染排放 J.产经评论，2018，9(6)：128-139.3 廖进球，邱信丰.互联网应用促进了企业环保投入吗?J.经济经纬，2021，38(3)：95-104.4 汪东芳，曹建华.互联网发展对中国全要素能源效率的影响及网络效应研究 J.中国人口 资源与环境，2019，29(1)：86-95.5 唐晓华，迟子茗.工业智能化提升工业绿色发展效率的实证研究 J.经济学家，2022(2)：43-52.6 刘乃全，邓敏，曹希广.城市的电商化转型推动了绿色高质量发展吗？基于国家电子商务示范城市建设的准自然实验 J.财经研究，2021，47(4)：49-63.7 许宪春，任雪，常子豪.大数据与绿色发展 J.中国工业经济，2019(4)：5-228 张云辉，李少芳.数字金融发展能提升能源效率吗 J.财经论丛，2022(3)：47-55.9 Bathelt H，MalmbeG A，Maskell P.Clusters and knowledge：Local buzz，global pipelines and the process of knowledge creation J.Progress in Hu-man Geography，2004，28(1)：31-5610 左鹏飞，姜奇平，陈静.互联网发展、城镇化与我国产业结构转型升级 J.数量经济技术经济研究，2020，37(7)：71-91.11 林伯强，谭睿鹏.中国经济集聚与绿色经济效率 J.经济研究，2019，54(2)：119-132.12 柏培文，喻理.数字经济发展与企业价格加成：理论机制与经验事实J.中国工业经济，2021(11)：59-77.13 李金林，陈立泰，刘梅.互联网发展对中国区域绿色经济效率的影响J.中国人口 资源与环境，2021，31(10)：149-157.14 韩峰，阳立高.生产性服务业集聚如何影响制造业结构升级?一个集聚经济与熊彼特内生增长理论的综合框架 J.管理世界，2020，36(2)：72-94+219.15 徐维祥，周建平，刘程军.数字经济发展对城市碳排放影响的空间效应 J.地理研究，2022，41(1)：111-129.16 黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验 J.中国工业经济，2019(8)：5-23.17 韩先锋，李勃昕，董明放.“互联网+”有助于加速区域创新效率收敛吗?J.科研管理，2021，42(12)：167-174.表 5数字经济影响绿色经济效率 收敛的估计结果解释变量绝对空间收敛条件空间收敛(1)(2)(3)-0.400*(-22.53)-0.407*(-22.79)-0.421*(-23.46)dig0.559*(3.04)0.355*(1.90)收敛速度0.0560.0580.061半生命周期12.37711.95011.363控制变量NONOYES0.330*(2.18)0.328*(2.17)0.275*(1.75)N214421442144R20.0500.1040.082（责任编辑：WMJ）22