创新与低碳政策的绿色经济转型效应

彭影 李士梅

［摘 要］准确评估创新与低碳政策结合的绿色经济转型效应对试点政策完善与推广具有重要意义。基于中国地级城市面板数据，运用多期DID模型、固定效应模型和调节效应模型实证检验创新与低碳政策结合的经济绿色转型效应及政策协同效应，并基于数据要素流动环境视角，探究创新与低碳政策结合对数据要素流动环境与经济绿色转型关系的多维度调节效应。研究发现，创新与低碳政策结合更有利于推动城市绿色经济效率提升，且存在政策协同效应，长期作用效果优于短期。调节机制表明，创新与低碳政策结合正向调节数据要素流动环境与经济绿色转型的关系，且正向调节作用效果持续增强。研究结论为数字经济时代“绿色”与“创新”政策结合与完善提供有可靠证据。

［关键词］绿色经济效率；数据要素流动环境；创新型城市试点；低碳城市试点；政策结合

［中图分类号］ F293［文献标识码］ A［文章编号］  1673-0461（2023）08-0069-11

一、引言

改革开放以来，中国经济高速增长的同时产生严重的生态破坏、资源短缺问题。党的十九届五中全会明确提出，到2035年广泛形成绿色生产生活方式，生态环境根本好转，美丽中国建设目标基本实现。2022年11月，为应对全球气候变化，习近平提出：“以科技创新为驱动，推进能源资源、产业结构、消费结构转型升级，推动经济社会绿色发展，探索发展和保护相协同的新路径。”经济绿色转型是破解中国经济高质量发展中生态难题的必然选择，以高水平生态环境保护支撑高质量发展，让绿色成为高质量发展最鲜明的底色。

经济发展与生态环境、自然资源的互动关系始终是学术界关注的焦点，学术成果主要聚焦于以下几个方面：一是经济绿色转型的内涵界定。WANG等（2011）提出绿色经济是一种新型经济发展形式，本质是实现资源节约、生态保护与经济社会发展的多赢局面［1］。李江龙和徐斌（2018）认为绿色经济增长需综合考虑资源节约、生态环境改善与经济发展之间的关系，兼顾经济效益与可持续发展的生产方式［2］。严宇珺和严运楼（2021）基于生态城市规划视角，提出城市经济绿色发展包含绿色生产、绿色产业、绿色治理、绿色环境、绿色社会五个核心层面［3］。二是经济绿色转型的测度。已有文献从国家、省级、城市和行业等不同层面对绿色经济增长进行测度，一方面，基于包含环境污染的投入产出评价体系，运用三阶段DEA、SBM模型等方法测算投入产出绿色效率［4-5］；另一方面，构建评价经济绿色转型发展的综合指标体系，运用熵值法、主成分分析法、层次分析法等测算经济绿色转型综合指数［6-7］。三是经济绿色转型的驱动因素。有关经济绿色转型影响因素的文献研究比较丰富，从技术创新、产业结构、环境规制、外商投资、能源消费结构等多个视角探讨经济绿色转型的驱动因素及影响机制［8-10］。

创新是加快转变经济增长方式的核心力量，绿色是可持续发展的重要标志，绿色发展战略与创新发展战略是中国经济高质量发展的必然选择。中国低碳城市试点与创新型城市试点是坚持绿色发展战略与创新发展战略的实践，经济绿色转型是绿色与创新深度融合、协同发展的过程［11］。2008年，国家批准首个创新型城市试点，即深圳市，随后陆续增设78个创新型城市（区）试点，创新型城市试点由点及面逐步扩展，历经了“试点-推广-趋同”的空间发展过程。2010年，首先在广东、辽宁等5个省份和天津、重庆等8个城市开始启动低碳城市试点，随后于2012年和2017年增设低碳城市试点，北京、上海、南京等城市分批纳入低碳城市试点范围。其中，开展创新型城市与低碳城市双试点的共有35个城市。近年来，学术界关于创新型城市与低碳城市试点政策有效性的评估存在两种截然不同的观点。一方面，部分学者认为试点政策能有效推动城市绿色经济效率。创新型城市试点通过加强绿色技术创新，推动产业结构绿色化，进而推动经济绿色转型［12］；低碳城市试点通过环境规制、能源结构调整倒逼城市节能减排，以实现城市经济绿色发展［13］。另一方面，部分学者认为试点政策反而会引发“绿色悖论”。创新型城市试点通过创新刺激促使经济规模不断扩大，产生能源回弹效应，对城市绿色经济转型存在抑制作用［14］；低碳城市试点出发点是降低碳排放，受环境规制“逐底竞争效应”的影响，环境规制也可能会出现反向作用效果［15］。此外，关于评估创新型与低碳试点政策结合有效性的研究较為罕见，创新型与低碳城市双试点是城市创新与低碳政策结合的主要手段。基于此，本文重点探究创新与低碳政策结合是否提升城市绿色经济效率？城市创新与低碳政策结合是否存在政策协同效应？

数字经济时代，数据要素已成为一种新型创新要素，随着大数据技术的广泛应用，数据要素的创新驱动作用已不容忽视。在数字产业化阶段，数字要素嵌入在经济活动中，提供真实、准确的经济信息，通过提高创新要素匹配效率促进城市绿色经济效率［16］；在产业数字化阶段，数据要素逐渐以独立形态融合经济活动中，数据要素成为联动不同产业绿色转型的核心纽带。因此，数据要素并不是孤立存在的，数据要素携带大量真实可靠的经济信息，其应用价值源于“流通与共享”［17］。数据要素对全要素生产率存在倍增效应，要素流动环境和要素规模效应决定要素生产率，数据要素流动环境是保障数据要素依法有序流动的基础［18］。现阶段，关于数据要素流动环境的研究聚焦在理论层面。“有效的流动”是激发数据要素潜能和充分释放数据要素红利的前提条件，市场在数据要素配置中具有决定性作用，但市场不是万能的，数据要素市场化配置同时需要良好的数据要素流动环境进行保障［19］。数据要素属于数字信息，以信息技术为支撑、制度建设为保障推动数据要素市场化交易的全过程即是数据要素市场化配置过程，新一代信息技术能有效缓解市场信息不对称问题，数据产权制度建设保护数据要素隐私安全，规范数据要素交易和价格机制［20］。

综上，现有文献已为研究试点政策、数据要素流动环境与经济绿色转型奠定良好的理论基础，但仍存在不足之处：一是仅从创新型城市或低碳城市单试点视角对政策效果进行评估，缺少对创新型与低碳城市政策结合有效性的研究；二是关于数据要素流动环境测度的研究尚处于探索阶段，仅限于省级层面，缺失对城市层面数据要素流动环境的测度；三是鲜有研究分析创新型与低碳城市政策结合的经济绿色转型效应，从数据要素流动环境层面的研究更是少之又少。基于此，本文可能的边际贡献在于：研究方法上：运用创新型与低碳双试点评估城市创新与低碳政策结合水平，并从数据要素开发环境、通信环境、市场环境和政府数字治理环境四个维度构建数据要素流动环境评价指标体系，运用熵值法测度城市数据要素流动环境指数。此外，通过构建经济绿色转型投入产出评价指标体系，采用包含非期望产出的SBM模型测算城市绿色经济效率。研究内容上：运用多期DID模型对比分析创新低碳双试点与单试点的经济绿色转型效应，并进一步探究创新与低碳政策结合对经济绿色转型是否存在政策协同效应。研究视角上，基于数据要素流动环境视角，一方面考察数据要素流动环境在不同试点政策下的经济绿色转型效应；另一方面深入研究创新与低碳政策结合对数据要素流动环境与经济绿色转型关系的调节效应，并从地区、创新要素投入强度和绿色创新能力层面，分析创新与低碳政策结合对数据要素流动环境与经济绿色转型关系调节作用的异质性影响。本文研究为数字经济时代“绿色”与“创新”试点政策完善提供有利证据与制定思路。

二、理论梳理与研究假设

（一）创新与低碳政策结合对城市绿色经济效率的影响机制

创新型与低碳城市试点是城市创新与低碳治理的主要手段，也是我国经济绿色转型过程中的制度探索，试点城市享有创新与低碳发展的政策红利。试点政策进一步加强政府在经济绿色转型发展中的引领作用，通过引导创新要素流动与集聚，形成技术创新效应和结构转型效应，进而推动经济绿色转型［21］。①政策引领效应。在试点政策实施过程中，地方政府根据自身实际及创新要素禀赋，引导适宜城市经济发展的绿色转型方向，加大绿色创新方面的引领性财政投入，加强创新要素有效集聚和改善创新环境，为城市经济绿色转型提供坚实的政策基础［22］。政府通过多举措、多途径引领城市经济绿色转型，如绿色财政科技支出、绿色技术引进、绿色金融及绿色政府采购等，试点政策进一步强化政府在经济绿色转型中的引导作用，加快推动城市经济绿色转型发展。②绿色技术创新效应。解决经济发展与环境根本手段在于绿色技术创新。一是绿色技术创新促进绿色技术升级，加快经济生产方式绿色化转变，使得经济绿色化发展［23］。二是绿色技术创新通过提高传统能源使用效率和调整能源结构显著降低污染物及温室气体排放，实现经济绿色发展。③结构转型效应。试点政策引导产业结构绿色化变迁，重新对城市产业进行规划布局，引导人才、资本等创新要素向低碳生态部门流动，通过产业结构高级化和合理化演变所产生的结构转型效应促进城市农业、工业和服务业的绿色化转型［24］。

现阶段，关于试点政策研究聚焦于单试点政策效应评估，对双试点政策效应研究较少。然而，创新型与低碳城市试点政策结合可能会对城市经济绿色转型产生更强的作用效果。苏涛永等（2022）基于产业升级与绿色创新的双视角，评估双试点政策的碳排放效应，并指出与单试点城市相比，双试点城市的碳减排效应更强［11］。由此提出：

假设1：创新与低碳政策结合更有助于提升城市绿色经济效率。

假设2：创新与低碳政策结合对城市绿色经济效率的正向作用存在政策协同效应。

（二）创新与低碳政策结合、数据要素流动环境与城市绿色经济效率的传导机制

数据要素流动环境对城市绿色经济效率的驱动作用主要表现在以下两个方面：第一，数据要素的倍增效应。数据要素作为新型创新要素为经济增长带来巨大价值，社会各界对数据要素的关注度不断提升。数据要素必须进入经济系统中，与人才、资本等要素互动、循环和相互作用，才能真正实现其价值所在。数据要素的特殊性在于其对其他创新要素的乘数效应，数据要素与其他创新要素深度融合带来经济的成倍增长［25］。数据要素驱动绿色创新，大数据技术的应用与推广诱发持续性交互创新，进而促进经济长期持续高效率增长。数据要素的倍增效应是经济高质量发展的动力源泉，数据要素流动环境是保障数据要素倍增效应得以充分释放的前提基础。第二，数据要素流动环境的空间关联效应。一方面，数据要素流动依托于现代互联网技术，有效缓解市场信息不对称问题，缩短数据要素、绿色知识技术流动与共享时间，大幅降低数据要素流动成本［26］。此外，数据要素流动环境对其他创新要素流动起到有序引导作用，提高城市和产业之间创新要素匹配效率，产生创新资源错配减缓效应，通过数据要素与其他创新要素的多要素合成效应促进城市绿色经济效率［27］。另一方面，數据要素流动环境有序引导其他要素流动，通过创新要素空间集聚引发规模经济效应，降低绿色创新成本，提升城市绿色技术创新水平［28］。创新集聚加强区域间异质性绿色创新主体的交流与合作，促进绿色技术、绿色知识的自由流动，经济绿色增长的空间溢出效应进一步推动区域经济绿色转型协调发展。

数字经济时代，创新与低碳政策结合不仅具有以上直接的经济绿色转型效应，还通过改善数据要素流动环境间接影响城市绿色经济效率。试点政策进一步加快数字信息基础设施建设，推进数据要素市场基础性制度的构建和完善，有利于试点城市形成良好的数据要素流动环境。一方面，信息基础设施建设打破城市间空间壁垒，压缩创新要素流动的时间成本，加快区际间绿色技术合作与转移，增强城市间空间关联。宽带网络是支撑数据要素流动的核心信息基础设施，也是提升数字技术竞争力的重要引擎，数据要素流动依托于宽带网络，全面推进宽带网络建设有利于充分释放数据要素流动环境的经济绿色转型效应。另一方面，当前数据要素市场存在隐私安全隐患、数据产权界定模糊及价格与交易机制不健全等问题。陈兵（2022）认为明确数据要素产权归属是数据要素有序流动的前提，公平竞争的市场环境是数据要素市场化配置的基础，但市场调节作用也会“失灵”，在数据要素市场“有效建设”中，推进“有效市场”和“有为政府”的深度结合，充分利用“有为政府”的保障性作用，营造公平、安全及有序竞争的数据要素流动环境［29］。因此，创新与低碳政策结合通过数字信息基础设施完善和数据要素市场制度构建改善数据要素流动环境，最终促进城市绿色经济效率。由此提出：

假设3：数据要素流动环境对城市绿色经济效率具有积极影响。

假设4：城市创新与低碳政策结合通过有效改善数据要素流动环境对城市绿色经济效率产生正向调节作用。

三、研究设计

（一）模型构建

1多期DID模型

本文将创新型与低碳城市双试点政策作为准自然实验，通过多期DID模型实证检验双试点政策的经济绿色转型效应。其中，双试点城市为实验组，未试点城市视为对照组，以政策具体实施年份为时间节点，量化评估双试点政策对城市绿色经济效率的净效用。多期DID模型设定如式（1）：

GTFPit=α0+α1didit+α2Xit+μi+vt+εit（1）

式（1）中，GTFPit為城市绿色经济效率，didit为创新型与低碳城市双试点的虚拟变量，若i城市第t年实施试点政策，则i城市第t年及以后年份指标取值为1，反之取值为0；Xit为控制变量，μi和vt分别为个体固定和时间固定效应，εit为随机干扰项。

2固定效应模型

本文运用固定效应模型检验数据要素流动环境的经济绿色转型效应，模型设定如式（2）：

GTFPit=β0+β1dflit+β2Xit+μi+vt+εit（2）

式（2）中，dflit为城市数据要素流动环境，β1为数据要素流动环境对城市绿色经济效率的回归系数。

3调节效应模型

基于数据要素流动环境视角，进一步探究双试点政策对城市绿色经济效率的影响。在模型（2）基础上，引入双试点政策虚拟变量及其与数据要素流动环境交叉项，评估双试点政策对数据要素流动环境与经济绿色转型效率关系的调节作用。模型设定如式（3）：

GTFPit=γ0+γ1dflit+γ2didit+γ3didit×dflit

+γ4Xit+μi+vt+εit（3）

式（3）中，dflit为数据创新要素流动环境，γ3为双试点政策调节效应回归系数。

（二）变量选取

1被解释变量：城市绿色经济效率

绿色经济发展是一种可持续的经济增长模式，其主要目标是实现资源、经济和环境的协调发展。绿色经济发展模式的推广和实践有助于实现经济的可持续发展和环境保护的双重目标。在此背景下，绿色经济效率被引入作为衡量绿色经济发展的代理变量。该指标考虑能源、经济和环境等多个投入产出变量，并能够避免主观指标选择的干扰，从而具有客观性［30］。绿色经济效率的提高可以实现经济的增长和环境质量的提升之间的平衡。此外，绿色经济发展强调生态环境容量和资源承载力，旨在经济发展过程中减少能源消耗和污染物排放。因此，运用绿色经济效率衡量绿色经济发展水平更为适用。参考余奕杉等（2021）指标选取方法，将劳动力投入、资本投入和能源投入设定为投入指标，经济产出为经济绿色转型的期望产出，环境污染则为非期望产出［31］。如表1所示，在投入指标测算上，劳动力投入用城市年末单位从业总人数测度；借鉴张军等（2004）的做法，资本投入用以2003年为基期固定资产存量表示；由于当前官方统计能源消耗数据中，仅公布部分城市的能源消耗总量数据，难以获取全部数据，全社会用电总量能够在一定程度上反映城市能源消耗水平，故以全社会用电量表征城市能源投入水平［32］。期望产出方面，经济产出以2003年不变价的城市实际GDP表示。非期望产出方面，选取工业废水排放量、工业二氧化硫排放量和工业烟粉尘排放量表示，采用熵值法测算环境污染综合指数。运用MAXDEA70软件，选择规模报酬不变、产出导向、包含非期望产出的SBM模型测算，并将结果转化为以2003年为基期的累计增长指数。

2核心解释变量：创新与低碳政策结合水平

本文运用创新型与低碳城市双试点政策评估城市创新与低碳政策结合程度。由于创新型城市试点与低碳城市试点实施年份不同，试点城市分别于2010年、2012年、2013年和2017年分批成为双试点城市。其中，2010年12个，2012年9个，2013年3个，2017年11个，双试点城市共计35个。既是创新型城市试点也低碳试点城市试点在政策启动当年及以后年份赋值为1，其余为0。

3控制变量

本文对以下影响城市绿色经济效率的因素进行控制：①经济发展水平（Pgdp），用人均国内生产总值衡量。②基础设施发展水平（Inf），用公路、铁路和航空客运量总和占各地区总人口的比重表示。③城市人口规模（Ups），以年末总人口数表征。④财政支出（Gov），用一般公共预算支出占城市GDP比重测度。⑤市场化水平（Mar），用城镇私有部门从业人员数与城镇总从业人员数之比表示。⑥对外开放水平（Open），以进出口贸易总额占地区GDP比重表征。

4其他变量：数据要素流动环境

本文通过构建数据要素流动环境综合指标体系评价城市数据要素流动环境的优良程度，参考李治国和王杰（2021）的研究，从数据要素开发环境、通信环境、市场环境和政府数字治理环境四个维度，运用熵值法测算数据要素流动环境综合指数［33］。表2为数据要素流动环境评价指标体系，数据要素开发环境用国际互联网用户数、移动电话年末用户数和信息技术服务三个指标度量，信息技术服务水平用信息传输、计算机服务和软件业从业人员数表征；以电信业务总量和邮电业务总量测度城市通信环境；由于数据要素流动具有“趋利性”，同时加大对数据要素的保护力度，才能够促进数据要素的有效共享和流通，选取城市企业平均利润水平和专利授权数测度数据要素流动的市场环境；参考陈诗一和陈登科（2018）的研究，政府工作报告中与数据、数字化相关词汇出现频数能在一定程度上反应政府数字治理力度，本文共选取87个相关词汇①在城市政府工作报告中出现词频数占比作为衡量政府数字治理的代理变量［34］。

（三）数据说明

考虑到部分指标数据的可获取性，本文基于2004—2019年中国280个地级以上城市的面板数据，评估创新与低碳政策结合对城市绿色经济效率的影响。绿色专利申请数来源于国家专利产权局数据库，根据WIPO绿色专利清单和国际分类编码，将数据匹配到城市层面。其他数据来源于《中国环境统计年鉴》、《中国城市统计年鉴》、CNRDS数据库及各省份政府工作报告，但在运用python爬虫政府报告进行词频分析中，通过数据筛选和整理，仅爬虫到2010—2019年221个地级以上城市数字化政府治理词频分析数据。因此，在数据要素流动环境指数的研究中，剔除少数数据缺失严重的城市，并利用线性插值法补齐部分城市缺失数据，选取2010—2019年221个地级以上城市的面板数据进行分析。

四、实证结果分析

（一）基础回归结果

为检验假设1，本文基于2004—2019年中国280个地级以上城市的面板数据，运用包含时间固定和个体固定效应的双固定效应模型进行回归估计，估计结果如表3所示。需要指出的是，由于政策作用效果可能存在滞后性，故将被解释变量滞后1期处理，体现为双试点政策对城市绿色经济效率的短期效应和考虑时间滞后的长期效应。与此同时，为对比分析单试点政策的经济绿色转型净效应，在创新型城市单试点回归估计中，剔除低碳试点城市样本，在低碳城市单试点回归估计中，剔除创新型试点城市样本。第（1）和（2）列为双试点政策对城市绿色经济效率的回归结果，第（3）、（4）列和第（5）、（6）列分别为创新型城市单试点、低碳城市单试点政策对城市绿色经济效率的估计结果。结果显示，从短期效应看，三种类型的试点政策均对城市绿色经济效率产生显著的正向影响，但双试点城市的影响系数更大，意味着双试点城市对城市绿色经济效率的作用效果更强；从长期效应看，双试点政策与创新型单试点政策对经济绿色转型效率的回归系数显著为正，而低碳城市单试点对经济绿色转型效率产生负向作用。

上述结果表明：第一，双试点政策对城市绿色经济效率产生积极的短期效应和长期效应，双试点政策作用效果具有持续性，但短期效应更为显著，长期效应有所减弱；第二，创新型城市单试点与低碳城市单试点对城市绿色经济效率均具有正向短期效应，且创新型单试点政策的长期作用效果更好。

（二）稳健性检验

1平行趋势检验

上述研究初步验证了双试点政策存在经济绿色转型效应，但满足平行趋势假设是多期DID模型的前提条件，本文在试点政策启动年份前后分别设置6个年份的虚拟变量，构成双试点政策实施之前6年、实施年份、实施之后6年的年份虚拟变量，并将其纳入回归模型中进行估计，图1为平行趋势检验结果。结果表明：在双试点政策启动前，估计系数置信区间包含0，说明双试点政策实施前，处理组和控制组经济绿色转型效率的变动特征满足平行趋势检验假设；在政策实施之后，经济绿色转型效率的估计系数为正值且置信区间内不包含0，说明双试点政策实施后确实对城市绿色经济效率产生显著的推动作用。此外，从系数值变动情况看，随着试点政策的深入推进，经济绿色转型效率估计系数虽然存在小幅波动，但整体呈现出递增态势，表明双试点政策对经济绿色转型效率的促进作用存在持续增强的演变特征。

图1 平行趋势检验

2安慰剂检验

为准确判断回归结果显著性是由试点政策作用，而非其他随机因素影响导致，运用安慰剂检验创新型与低碳城市双试点政策的绿色经济效应是否由其他随机因素导致。第一，随机生成创新型与低碳双试点城市35个；第二，随机生成双试点政策启动时间；第三，对抽取数据重复500次回归模拟，根据500次政策回归系数绘制核密度函数，图2为双试点政策回归系数的概率密度图。结果表明：基准回归结果（虚线）位居右侧，大部分数值位于虚线左侧，仅有少数回归系数位于虚线右侧，因此排除其他随机因素干扰，基准回归结果稳健。

图2 安慰剂检验

3PSMDID检验

由于城市个体差异也可能导致回归结果存在偏误，运用倾向匹配得分法进行检验，以缓解试点政策设立带来的个体差异问题。在邻近匹配后，重新进行多期DID估计，表4中第（1）列为PSMDID检验结果。结果显示did回归系数显著为正，说明双试点政策结合的经济绿色转型效应存在，证实基准回归结果是可靠的。

4排除异常值干扰检验

在回归分析中，极端异常值存在会干扰回归结果的稳健性。个别城市创新要素投入水平高、创新基础环境优越，绿色创新能力远高于其他城市，而部分城市绿色创新能力极低，这两种极端情况都会干扰回归结果，导致“伪回归”的出现。因此，对样本进行1%的双侧缩尾处理，表4中第（2）列为排除极端异常值干扰的检验结果。结果显示，did估计系数显著为正，证明回归结果未受到异常值干扰。

5替换被解释变量检验

在基准模型中运用绿色全要素生产率衡量城市绿色经济效率，城市绿色创新产出也能反映城市绿色经济效率程度，运用城市绿色专利申请数替换原被解释变量。由于部分城市在某些年份绿色专利申请数为0，对城市绿色专利申请数加1后取对数处理，重新进行回归，表4中第（3）列为替换被解释变量的稳健性检验结果。从中可见，替换被解释变量后，双试点政策依然存在经济绿色转型效应。

6控制省份时间趋势

在试点城市设立过程中，各省份均会出台推动本省绿色创新发展的支持政策，政策支持力度不同，對经济绿色转型的作用效果不同。因此，在基准模型基础上引入时间和省份交互项，控制省份时间变动趋势。表4中第（4）列为控制省份时间趋势的检验结果。结果显示，在控制省份时间固定效应后，did的影响系数依然显著为正，进一步验证双试点政策的经济绿色转型效应存在。

7动态面板GMM模型

遗漏变量、双向因果关系等可能会带来内生性问题，动态GMM模型是缓解此类内生性问题的有效方法，表4中第（5）列为动态GMM检验结果。从中得出，经济绿色转型效率滞后项回归系数显著为正，表明城市绿色经济效率受前期影响较大，did的回归系数在10%水平下显著为正，进一步支持本文研究结论。

（三）政策协同效应检验

上述研究已表明双试点政策具有经济绿色转型效应。为进一步探讨政策的协同效应（即检验假设2），按照政策实施时间将样本划分为政策同时实施、先创新型城市试点后低碳城市试点和先低碳城市试点后创新型城市试点三种类型分别进行回归估计。表5为政策协同效应的检验结果，第（1）和（2）列为双试点政策同时实施的回归结果，第（3）和（4）列为先创新型城市试点后低碳城市试点的回归结果，第（5）和（6）列为先低碳城市试点后创新型城市试点的回归结果。结果显示双试点政策同时实施对经济绿色转型效率及一阶滞后项的影响系数为正，且一阶滞后项回归系数更大。先创新后低碳城市试点政策仅对当期城市绿色经济效率产生显著的正向影响，且影响系数高于政策同时实施的情况。先低碳后创新城市试点政策对城市绿色经济效率无显著影响。

由此得出：创新型城市试点与低碳城市试点对城市绿色经济效率存在政策协同效应，双试点政策同时实施对城市绿色经济效率存在短期效应和长期效应，且政策长期作用效果持续增强。先创新后低碳城市试点政策虽短期作用效果更强，但政策长期效应缺乏可持续性。

五、拓展性讨论

（一）数据要素流动环境的经济绿色转型效应检验

1数据要素流动环境的动态特征

图3为2010—2019年中国各地区数据要素流动环境年度均值变动趋势图。全国层面上，中国数据要素流动环境呈逐年递增态势，综合指数从016增长到037，2013年以后全国数据要素流动环境综合指数增长幅度更大，但整体水平有待于进一步提升；地区层面上，东部地区数据要素流动环境综合指数最高，中部次之，西部最低，东部数据要素流动环境综合指数增长幅度最大，从018上升为045，且东部地区与中西部地区之间的差距在2013年以后呈逐年扩大趋势。总体而言，数据要素流动环境地区差异显著，整体水平有待于持续增强。

图3 中国各地区数据要素流动环境的动态特征

2数据要素流动环境的经济绿色转型效应检验结果

为检验假设3，本文基于2010—2019年221个地级以上城市的面板数据进行回归分析。如表6所示，第（1）和（2）列分别为不加入控制变量和加入控制变量的固定效应回归结果，数据要素流动环境对城市绿色经济效率的估计系数均显著为正，表明数据要素流动环境的经济绿色转型效应存在。第（3）～（6）列分别为双试点城市、无试点城市、创新型城市单试点和低碳城市单试点的回归结果，为精确分析试点城市的净效应，在双试点城市中，仅保留既是创新型城市也是低碳型城市样本，在无试点城市中仅保留既不是创新型城市也不是低碳城市的样本，在创新型试点城市中剔除双试点城市和低碳试点城市样本，在低碳试点城市中提出双试点城市和创新型试点城市样本。由（3）～（6）列结果得出，在双试点城市、无试点城市及低碳单试点城市中，数据要素流动环境均对城市绿色创新发展存在显著的正向作用，而在创新型单试点城市中，数据要素流动环境的经济绿色转型效应不显著。

（二）创新与低碳政策结合的调节效应检验

数字经济时代，双试点政策实施环境已发生变化。为检验假设4，本文基于数据要素流动环境视角，引入创新型与低碳城市政策结合与数据要素流动环境交叉项，运用调节效应模型探讨创新与低碳政策结合对数据要素流动环境与城市绿色经济效率效应关系的调节效应。表7是双试点政策结合调节效应的检验结果，第（1）和（2）列分别为未加入控制变量和为控制时间效应的回归结果，交叉项系数显著为正，表明在创新型与低碳城市政策的调节作用下，数据要素流动环境对城市绿色经济效率依然存在显著的正向影响。第（3）列为无滞后项的固定效应检验结果，交叉项对经济绿色转型效率的影响系数为0442，且交叉项系数明显大于数据要素流动环境影响系数，表明短期内双试点政策对数据要素流动环境的经济绿色转型效应存在显著的正向调节作用，并且在双试点政策调节作用下，数据要素流动促进城市绿色经济效率提升的作用效果更加明显。第（4）和（5）列分别为被解释变量滞后1期和滞后2期的回归结果，滞后1期的交叉项系数不显著，滞后2期的交叉项系数显著为正，且影响系数更大，表明双试点政策对数据要素流动环境与城市绿色经济效率的正向关系存在长期调节效应。总体而言，在创新与低碳政策结合的调节作用下，数据要素流动环境的经济绿色转型效应显著提升，且长期作用效果持续增强。

（三）异质性分析

1地区异质性检验

按照行政区域将221个样本城市划分成东部、中部和西部三个样本区间，分别进行回归估计。由表8可知，在双试点政策调节作用下，从短期效应看，东部地区交叉项与数据要素流动环境回归系数在1%水平下显著为正，且交叉项系数明显高于数据要素流动环境系数，表明受双试点政策影响，东部地区数据要素流动环境的经济绿色转型效应更加明显；而中部地区和西部地区交叉项系数不显著，原因在于：中部和西部地区数据要素流动环境综合指数相对较低，数据要素流动环境对城市绿色经济效率尚未形成有效的驱动作用。从长期效应看，东部与中部地区交叉项回归系数为正，意味着双试点政策对东部与中部地区数据要素流动环境与经济绿色转型效率正相关关系的调节作用存在长期效应。

2创新要素投入强度异质性检验

在创新型与低碳城市双试点政策实施过程中，政府通过有序引导创新资源流动，优化创新要素空间配置，从而提升城市绿色经济效率。但是，一方面城市绿色创新发展以创新要素投入为物质基础，双试点城市创新要素投入水平不同政策实施效果可能存在异质性；另一方面城市绿色创新能力直接影响城市绿色经济效率。因此，创新要素投入和绿色创新能力是影响双试点政策调节效应的主要因素。创新要素投入主要包括人才创新要素投入和资本创新要素投入，分别用城市科研、技术服务和地质勘查业从业人员数和科学支出总额表征，绿色创新能力用城市绿色专利申请数表示，并根据人才创新要素投入、资本创新要素投入、绿色专利申请数样本年度均值，将其分别划分为“高”和“低”两组分别进行估计。由表9可知，在双试点政策影響下，从城市创新要素投入看，高人才创新要素投入交叉项系数不显著，低人才创新要素投入交叉项系数显著为正，高资本创新要素投入交叉项的影响系数显著高于低资本创新要素投入城市，均通过显著性检验；从城市绿色创新能力看，高绿色创新能力城市对经济绿色转型效率具有显著的正向影响，而低绿色创新能力城市无显著影响。

由此得出，受创新要素投入强度和城市绿色创新能力影响，创新与低碳政策结合对数据要素流动环境的经济绿色转型效应存在异质性调节作用。第一，人才创新要素投入强度对创新与低碳政策结合调节效应的差异化影响较大，在低人才创新要素投入的试点城市影响更明显；第二，受资本创新要素投入强度影响，创新与低碳政策结合调节效应的异质性影响较为显著，即资本创新要素投入越大，创新与低碳政策结合对城市绿色经济效率效应的促进作用越高；第三，创新与低碳政策结合对高绿色创新能力城市数据要素流动环境的经济绿色转型效应具有显著的促进作用，对低绿色创新能力城市的驱动作用尚未形成。

六、研究结论与政策启示

本文将分批启动的创新型城市与低碳城市双试点政策结合视为一次准自然实验，基于2004—2019年中国280个城市的面板數据，采用双重差分法检验双试点政策的经济绿色转型效应，并基于数据要素流动环境视角，深入探究析双试点政策对数据要素流动环境与城市绿色经济效率关系的调节作用。研究发现：①双试点政策更有助于提升城市绿色经济效率，并存在短期效应和长期效应，短期效应更为显著，长期效应有所减弱。②双试点政策对城市绿色经济效率存在政策协同效应，双试点政策同时实施对城市绿色经济效率存在明显的正向作用，且政策长期作用效果更好。③在双试点城市、无试点城市及低碳单试点城市中，数据要素流动环境显著推动城市绿色经济效率，而在创新型单试点城市中，数据要素流动环境对城市绿色经济效率无显著影响。④调节机制表明，双试点政策对数据要素流动环境与城市绿色经济效率关系均存在正向调节效应，且正向调节作用的长期作用效果持续增强。

上述研究表明，创新与低碳政策结合更有助于城市绿色经济效率，并且创新与低碳政策结合通过改善数据要素流动环境对城市绿色经济效率存在短期效应和长期效应，长期作用效果更为显著。研究结论的政策启示如下：首先，政府应继续扩大创新型与低碳城市试点范围，注重区域“创新发展”与“绿色发展”的政策协调性，构建区域绿色创新发展新机制。政府部门需要加强科学管理水平，破除制约绿色发展和创新发展的体制机制障碍，加强政府对数据要素市场引领作用的重视程度，引导人才、资本、数据等创新要素自由流动，避免创新要素拥挤造成的资源浪费。其次，健全数据要素流动的基础性制度，规范数据要素定价与交易机制，构建良好的数据要素流动环境，强化高质量数据要素供给。数据要素交易和流通需要完善的法律制度作为支撑和保障，政府部门和立法机构应基于数据要素交易市场现状，做好顶层设计，明确不同类型数据要素权属边界，制定合理的价值评估和定价机制，规范数据交易市场秩序，保障数据要素信息安全。再次，优化完善信息网络基础设施，促进数据要素市场化流通，逐步推进数据要素全国统一大市场建设。数据要素供给和流动依托于信息网络设施，信息网络基础设施水平直接决定数据要素的供给规模和流动速度，加快5G网络基础设施建设和推广，加强卫星互联网建设，建立多层次、高水平数据开发利用机制，保障高质量数据要素供给。最后，搭建全国一体化数据交易平台，打破区域数据要素流通壁垒，构建标准化数据市场交易规则和制度，规范数据要素交易流程，有序推进数据要素市场流通与共享，充分释放数据要素的动力和红利。

［注 释］[KH*2D]

①

相关词汇：数字化、数据中心、数据库、数据共享、数据质量、数据管理、数据服务、数字家庭、数据安全、数据交换、公共数据、数据处理、数据分析、数据通道、数据系统、数据备份、宽带数据、数字信息、数据传输、数据平台、数字通信、数字科学、数字控制、数字技术、数字终端、数字营销、大数据、云计算、云IT、云生态、云服务、云平台、区块链、物联网、机器学习、互联网、网络、网购、网点、网上交易、淘宝网、网商、宽带网、网建、政府网、交易网、网上支付、网上贸易、Internet、O2O、B2B、C2C、B2C、C2B、信息化、两网化、通信化、智能、数控、工业云、未来工厂、线上、电子商务、电商、邮电通讯、电子政务、电子信息、信息技术、信息产业、信息系统、信息管理、信息网、信息安全、信息中心、信息流、信息工程、信息业、电信业、无线通信、通信工程、国家信息中心、信息科学、卫星通信、信息共享、信息集成、信息软件、信息终端。

［参考文献］

［1］WANG Y， HUANG X Z， WANG L. The development research of green economic in capital cities in Shandong ［J］. Energy procedia，2011（5）：130-134.

［2］李江龙，徐斌.“诅咒”还是“福音”：资源丰裕程度如何影响中国绿色经济增长？［J］.经济研究，2018，53（9）：151-167.

［3］严宇珺，严运楼.江浙沪地区城市绿色发展竞争力评价指标体系设计与实证研究［J］.生态经济，2021，37（8）：49-54.

［4］CHEN H，WANG X K. Measurement of provincial green economic efficiency—based on threestage DEA model［J］. Scientific journal of economics and management research，2020，2（12）：98-107.

［5］LI J L， CHEN L T， CHEN Y， et al. Digital economy， technological innovation， and green economic efficiency—empirical evidence from 277 cities in China［J］. Managerial and decision economics，2021，43（3）：616-629.

［6］曾刚，胡森林.技術创新对黄河流域城市绿色发展的影响研究［J］.地理科学，2021，41（8）：1314-1323.

［7］舒成，朱沛阳，许波.江西省绿色发展水平测度与空间分异分析［J］.经济地理，2021，41（6）：180-186.

［8］SU S， ZHANG F. Modeling the role of environmental regulations in regional green economy efficiency of China： empirical evidence from super efficiency DEATobit model［J］. Journal of environmental management，2020，261（5）：110-127.

［9］李兰冰，李焕杰.技术创新、节能减排与城市绿色发展［J］.软科学，2021，35（11）：46-51.

［10］黄磊，吴传清.外商投资、环境规制与长江经济带城市绿色发展效率［J］.改革，2021（3）：94-110.

［11］苏涛永，郁雨竹，潘俊汐.低碳城市和创新型城市双试点的碳减排效应——基于绿色创新与产业升级的协同视角［J］.科学学与科学技术管理，2022，43（1）：21-37.

［12］陈超凡，王泽，关成华.国家创新型城市试点政策的绿色创新效应研究：来自281个地级市的准实验证据［J］.北京师范大学学报（社会科学版），2022（1）：139-152.

［13］LIU X， LI Y C， CHEN X H， et al. Evaluation of low carbon city pilot policy effect on carbon abatement in China： an empirical evidence based on timevarying DID model［J］. Cities，2022，123（4）：1-13.

［14］GU W， ZHAO X H， YAN X B， et al. Energy technological progress， energy consumption， and CO2 emissions： empirical evidence from China［J］. Journal of cleaner production，2019，236（12）：2-14.

［15］张华.“绿色悖论”之谜：地方政府竞争视角的解读［J］.财经研究，2014，40（12）：114-127.

［16］徐翔，厉克奥博，田晓轩.数据生产要素研究进展［J］.经济学动态，2021（4）：142-158.

［17］李标，孙琨，孙根紧.数据要素参与收入分配：理论分析、事实依据与实践路径［J］.改革，2022（3）：66-76.

［18］杨艳，王理，廖祖君.数据要素：倍增效应与人均产出影响——基于数据要素流动环境的视角［J］.经济问题探索，2021（12）：118-135.

［19］孔艳芳，刘建旭，赵忠秀.数据要素市场化配置研究：内涵解构、运行机理与实践路径［J］.经济学家，2021（11）：24-32.

［20］黄少安，张华庆，刘阳荷.数据要素的价值实现与市场化配置［J］.东岳论丛，2022，43（2）：115-121.

［21］YANG J Y， XIONG G Q， SHI D Q. Innovation and sustainable： can innovative city improve energy efficiency？ ［J］. Sustainable cities and society，2022（80）：1-11.

［22］李政，杨思莹，路京京.政府参与能否提升区域创新效率？［J］.经济评论，2018（6）：3-14，27.

［23］周键，刘阳.制度嵌入、绿色技术创新与创业企业碳减排［J］.中国人口·资源与环境，2021，31（6）：90-101.

［24］臧传琴，孙鹏.低碳城市建设促进了地方绿色发展吗？——来自准自然实验的经验证据［J］.财贸研究，2021，32（10）：27-40.

［25］王谦，付晓东.数据要素赋能经济增长机制探究［J］.上海经济研究，2021（4）：55-66.

［26］杨飞虎，龚子浩.数据要素对城镇居民收入分配的影响——基于2003—2019年我国286个城市的经验数据［J］.江西社会科学，2022，42（3）：87-96.

［27］蔡跃洲，马文君.数据要素对高质量发展影响与数据流动制约［J］.数量经济技术经济研究，2021，38（3）：64-83.

［28］李士梅，彭影.区域制度环境对创新人才集聚的空间影响研究——基于人口老龄化的视角［J］.吉林大学社会科学学报，2020，60（5）：82-91，237.

［29］陈兵.新发展格局下数据要素有序流通的市场经济法治建构［J］.社会科学战线，2022（1）：191-203.

［30］LI H， SHI J F. Energy efficiency analysis on Chinese industrial sectors： an improved superSBM model with undesirable outputs ［J］. Journal of cleaner production，2014（65）：97-107.

［31］余奕杉，卫平.中国城市绿色全要素生产率测度研究［J］.生态经济，2021，37（3）：43-52.

［32］张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000［J］.经济研究，2004（10）：35-44.

［33］李治国，王杰.数字经济发展、数据要素配置与制造业生产率提升［J］.经济学家，2021（10）：41-50.

［34］陈诗一，陈登科.雾霾污染、政府治理与经济高质量发展［J］.经济研究，2018，53（2）：20-34.

Green Economy Transition Effects of Innovation and Lowcarbon Policies

—Based on the Environmental Perspective of Data Element Flows

Peng Ying，Li Shimei

（School of economics， Jilin University， Changchun 130012， China）

Abstract：   Accurately assessing the green economy transition effect of the combination of innovation and lowcarbon policies is of great significance for the improvement and promotion of pilot policies. Based on the panel data， this paper uses the multiperiod DID model， fixed effect model and moderation effect model to empirically test  the economic green transformation effect and the policy synergy effect of the combination of innovation and lowcarbon policies. From the perspective of data factor flow environment， the multidimensional moderating effect of combining innovation and lowcarbon policies on the relationship between data factor flow environment and economic green transformation is explored. The study found that the combination of innovation and lowcarbon policies is more conducive to promoting the green transition of urban economy， and there are policy synergies. Moreover， the longterm effect is better than the shortterm effect. The adjustment mechanism shows that the combination of innovation and lowcarbon policies positively adjusts the relationship between the flow environment of data elements and the green transition of the  economy. The positive adjustment effect continues to increase. The research  conclusions provide reliable evidence for the improvement of the combination of “green” and “innovation” policies.

Key words：green economy efficiency; data element flow environment; pilot innovative city; pilot lowcarbon city; policy combination

（責任编辑：张梦楠）