数字经济、产业结构升级与绿色全要素生产率
——基于空间计量模型的研究

陈 一，罗黎辉

（昆明理工大学管理与经济学院，云南 昆明 650000）

一、引言

数字经济对绿色低碳循环发展具有积极影响。数字经济通过提高全要素生产率，优化存量和激活增量，促进产业结构升级和要素资源重组，重塑经济结构，从而提高绿色低碳循环发展的效率和质量。产业结构升级对绿色低碳循环发展也具有积极的影响。通过促进产业转型和升级，推动高能耗、高污染产业向绿色低碳产业转变，优化能源消费结构和提高能源利用效率，减少碳排放和环境污染，从而实现绿色低碳循环发展。数字经济和产业结构升级的交互作用对绿色低碳循环发展具有更为复杂的影响：一是数字经济的发展可以促进产业结构升级和技术创新，推动绿色低碳产业的发展；二是数字经济的快速发展也会带来一些环境问题。因此，需要综合考虑数字经济的发展和产业结构升级的绿色转型，以实现绿色低碳循环发展。首先，需要选取适当的指标和数据来衡量数字经济、产业结构升级和绿色全要素生产率。其次，运用空间计量方法，构建包含数字经济、产业结构升级和绿色全要素生产率的空间回归模型，并加入相应的交互项和滞后项来分析三者间的空间关系和影响效应。最后，根据分析结果提出相应的政策建议和措施，以促进绿色低碳循环发展。

二、文献分析与研究假设

蔡玲、汪萍(2022)的研究表明，数字经济通过绿色创新能力和生产效率来提升绿色全要素生产率[1]。数字经济的发展可以促进企业的数字化转型，降低信息传递和沟通成本，有利于知识和经验的沉淀，从而提高资源利用效率，促进技术创新。数字经济还可以通过网络效应、边际规模递增效应促进产业链、供应链、价值链的融合融通，提升绿色全要素生产率[2]。根据空间经济学与新经济地理学的研究，区域之间的要素禀赋和要素投入会产生溢出效应[3]。数字经济发展的过程会涉及更多的生产要素，数字技术的应用也为环境治理和资源利用提供了更加智能、高效和可持续的解决方案。数字经济的创新和发展，促进了经济活动的空间集聚，技术进步和规模效应会扩散影响绿色全要素生产率。因此，提出如下研究假设：

假设H1：数字经济对绿色全要素生产率具有空间溢出效应。

有研究认为，产业结构升级能够提升绿色全要素生产率。如王钊、王良虎(2019)的研究表明，产业结构升级对绿色全要素生产率有积极的影响，可以通过多种途径提高碳排放效率和技术创新[4]。同时，产业结构升级对绿色全要素生产率的影响也存在区域差异，这可能与不同地区的产业结构、资源配置和技术水平等因素有关。在推动产业结构升级时，需要考虑不同地区的具体情况，制定差异化的政策措施，以充分发挥产业结构升级对绿色全要素生产率的积极影响，并尽可能减少潜在的负面影响。此外，刘志华等(2022)提到技术溢出和规模扩散也可能带来空间溢出效应[5]。产业结构升级不仅可以直接提高当地的绿色全要素生产率，还可以通过技术溢出和规模扩散等途径对其他地区产生积极的影响。因此提出如下研究假设：

假设H2：产业结构升级会对绿色全要素生产率的提升产生空间溢出效应。

数字经济和产业结构升级对绿色全要素生产率有积极的影响，并且这种影响可以通过多种途径实现。张凌洁、马立平(2022)分析认为数字经济通过产业结构升级促进全要素生产率的增长[6]。谢文倩等(2022)认为数字经济通过产业结构升级来影响碳排放[7]。此外，根据空间异质性理论，空间外溢的本质是外部性，数字经济和产业结构升级都会产生空间外溢效应。赵滨元(2021)认为数字经济的数据要素扩散成本低，扩散速度快，具有高流动性，会产生地理空间溢出效应[8]。吴赢、张翼(2021)认为数字平台能够为产业主体协同配置数据资源、提高资源利用效率创造条件，增强区域间的关联广度[9]。综上，数字经济和产业结构升级产生的空间外溢效应可能会促进区域间的协同发展。因此，提出如下研究假设：

假设H3：数字经济和产业结构升级的协同作用对绿色全要素生产率具有空间溢出效应。

三、研究设计

1. 变量选取

（1） 核心解释变量

数字经济发展综合指数(szjj)。从信息化发展、互联网发展、数字交易发展的基础和影响，构建数字经济发展综合指数的指标体系，如表1 所示。测算方法是，第一步利用极值法对综合评价体系中正向指标与负向指标分别对原始数据进行标准化处理；第二步运用熵值法，确定评价体系中各指标的权重；第三步采用多目标线性加权函数法，对指标进行加权处理，得到各地区数字经济的综合指数。

表1 数字经济综合指数的评价指标体系

（2） 被解释变量

绿色全要素生产率(gtfp)。参考已有研究，把资源消耗和环境污染纳入到全要素生产率的测算体系中对产业发展和经济增长进行评价。文章选取的投入指标为资本、劳动、能源，其中资本投入以2012 年为基期，用固定资产投资价格指数平减后的值来衡量，劳动投入用城镇单位年末就业人数来衡量，能源投入用能源消耗总量来衡量。期望产出是以2012 年为基期，使用对应省份GDP 平减指数平减后获得。非期望产出使用熵值法将各省份工业三废（废水、SO2和烟（粉） 尘） 排放量合成一个综合指标。因此，运用SBM-DDF 方法，通过MaxDEA 软件测算绿色全要素生产率。

（3） 调节变量

调节变量是产业结构升级指数(cyjg)。文章借鉴已有研究的做法，用熵权法测算产业结构合理化和产业结构高级化的权重，对求得的权重标准化处理后加权求和取对数得到产业结构升级指数。产业结构合理化用泰尔指数的倒数来测算，产业结构高级化的测算公式如下：

其中，IH表示产业结构高级化水平，i表示省份，t表示年份，Git表示地区生产总值，Git，j表示第j产业增加值。

（4） 控制变量

各省经济发展水平(pgdp)，用人均GDP 取对数表示；对外开放水平(open)，用进出口总额占GDP 的比重表示；人力资本投资(rlzb)，用平均受教育年限占高等教育人数的比重表示；社会消费水平(soc)，用社会消费品零售总额占GDP 的比重表示；金融发展水平(fud)，用存贷款总额占GDP 的比重表示；环境规制强度(eoc)，用工业污染治理完成投资占第二产业增加值的比重表示；技术市场的发展程度(jssc)，用技术市场交易额表示。

2. 数据来源

数据来源于中国信息通信研究院、 《中国互联网发展报告》、国家统计局、CNRDS 数据库、北大数字普惠金融指数、《中国统计年鉴》 《中国科技统计年鉴》 《中国劳动统计年鉴》，时间跨度为2012—2021 年，区域范围是全国30 个省份（不包括西藏和港澳台地区）。

四、实证研究

1. 空间相关性检验

文章运用全局莫兰指数(Morans'I)分别对30 个省份2012—2021 年的数字经济、产业结构升级和绿色全要素生产率进行空间自相关检验。如表2 所示，2012—2021 年数字经济、产业结构升级和绿色全要素生产率的全局莫兰指数(Morans'I)值均大于0，且均通过显著性检验，表明具有显著的空间正相关关系，具体表现为高水平省份向高水平省份集聚，低水平省份向低水平省份集聚。从总体来看，数字经济、产业结构升级和绿色全要素生产率存在空间依赖性，因此，选择空间计量模型是合适的。

表2 数字经济、产业结构升级、绿色全要素生产率的全局莫兰指数值

2. 空间模型选择

第一步，LM 检验。根据已有学者提出的判断规则，若LM-Error 检验的统计量显著，采用空间误差模型(SEM)，反之采用空间滞后模型(SAR)；若LM-Lag 检验的统计量显著，则采用空间滞后模型(SAR)，反之采用空间误差模型(SEM)。拉格朗日乘子检验（LM 检验）的结果如表3 所示，检验结果均显著，说明需要同时考虑空间滞后和空间误差两种效应，因此，初步判断应选择空间杜宾模型(SDM)。

表3 LM 检验、LR 检验、豪斯曼检验

第二步，LR 检验。对空间杜宾模型(SDM)进行LR 检验，结果如表3 所示，比较SDM 模型与SEM 模型的LR 检验值为36.78，比较SDM模型与SAR 模型的LR 检验值为25.67，均在1%水平上显著，不能简化为空间误差模型(SEM)和空间滞后模型(SAR)，且SDM模型的σ2值最小，因此，适合选择空间杜宾模型(SDM)。

第三步，豪斯曼检验(Hausman)。根据表3 可知，SDM模型豪斯曼检验结果在1%的显著性水平上通过了检验，因此选择固定效应模型。通过计算空间杜宾的时间固定效应模型、个体固定效应模型和双固定效应模型的Log-likelihood 值，分别为-261.1827、-199.7134、-177.6244，双固定效应的值最大，因此选择空间杜宾的双固定效应模型。

3. 空间效应分解

空间效应分解结果如表4 所示，从直接效应结果可以看出，数字经济发展和产业结构升级的系数显著为正，说明本地区的数字经济发展和产业结构升级对本地区绿色全要素生产率的提升均有显著的推动作用。从间接效应结果可以看出，数字经济发展和产业结构升级的系数显著为正，说明数字经济发展和产业结构升级会对绿色全要素生产率的提升产生正向的空间溢出效应，能够辐射和带动周边区域发展。从总效应结果可以看出，数字经济发展和产业结构升级的系数显著为正，说明全国层面上数字经济发展和产业结构升级对绿色全要素生产率的提升具有显著的促进作用；数字经济发展和产业结构升级的交互项系数也显著为正，说明全国层面上数字经济发展和产业结构升级的协同作用能够促进绿色全要素生产率的提升。

表4 空间效应分解

4. 进一步分析

由于经济社会发展的惯性，滞后一期的数字经济可能会对当期的数字经济产生影响，即存在动态效应，将滞后一期的数字经济纳入空间杜宾模型构成动态空间杜宾模型。然后用偏微分方法将动态空间杜宾模型分解为短期效应和长期效应。再把空间矩阵换成地理距离矩阵、经济距离矩阵、经济地理矩阵和邻接矩阵进行动态空间效应分解。不同矩阵的动态空间效应分解结果如表5 所示，可以看出，数字经济发展对绿色全要素生产率的提升在经济距离矩阵和经济地理矩阵下空间溢出效应显著，在地理距离矩阵和邻接矩阵中空间溢出效应不显著。产业结构升级对绿色全要素生产率的提升在地理距离矩阵、经济距离矩阵和经济地理矩阵下空间溢出效应显著，在邻接矩阵中空间溢出效应不显著。数字经济发展和产业结构升级的协同作用对绿色全要素生产率的提升在经济距离矩阵和经济地理矩阵的动态长期效应中有正向的空间溢出效应，在邻接矩阵的短期效应和长期效应中都有负向的空间溢出效应，表明数字经济发展和产业结构升级的协同作用会对邻接区域产生虹吸效应，但从长期来看，却能为经济关联区域产生辐射带动作用。

表5 不同矩阵的动态空间效应分解

五、结论与建议

文章在对2012—2021 年全国30 个省份的数字经济发展指数、产业结构升级和绿色全要素生产率测算的基础上，运用双固定效应的空间杜宾模型研究数字经济发展、产业结构升级以及数字经济发展和产业结构升级的协同作用对绿色全要素生产率的提升的空间效应。得出如下结论：一是数字经济发展对绿色全要素生产率的提升有正向的空间溢出效应，数字经济发展具有广泛的赋能效应，需要拓宽数字技术应用场景。二是产业结构升级对绿色全要素生产率的提升产生正向的空间溢出效应，产业结构升级能够增强产业链、供应链的弹性和韧性，提升产业规模优势和配套优势。三是数字经济发展和产业结构升级的协同作用能够促进绿色全要素生产率的提升，需要明确数字产业化和产业数字化的发展路径，着重打造具有国际竞争力的数字产业集群。四是数字经济发展和产业结构升级的协同作用会对邻接的区域产生虹吸效应，但从长期来看，却能够对经济关联区域产生辐射带动作用。

为进一步利用数字经济发展的红利，优化产业结构升级，实现区域绿色全要素生产率的提升，文章提出以下建议：

第一，重视区域空间效应。遵循数字经济发展、产业结构升级和绿色全要素生产率之间的空间溢出规律，利用区域之间的合作与资源优化配置，促进绿色全要素生产率的提升。一方面，要集聚力量实现重点区域数字经济的快速发展和产业结构的优化升级，通过培育和发展一些具有先进技术和绿色经营理念的产业或企业，促进绿色技术的传播和应用，推动其他相关产业的转型升级，并最终提高整个区域的绿色全要素生产率。另一方面，要协同东部、中部、西部地区的数字经济发展和产业结构转型升级，构建数字经济发展合作平台，在交流和协作中共同推动技术创新和环保措施的应用，通过共享资源，互相学习和借鉴成功的绿色发展经验，加强技术合作和人才培养，推动绿色全要素生产率的提升。

第二，通过数字化转型助推产业结构升级。数字化是双向的，包含“产业数字化”和“数字产业化”，数字化转型和产业结构升级的过程中会涉及更多的生产要素，各区域应充分挖掘资源潜力，优化数字经济的发展路径和产业结构的升级路径。一方面，加强关键核心技术的自主可控和守正创新，在强国产化替代的过程中促进经济的内循环发展，实现高水平科技自立自强。另一方面，协同发展区域间的数据、算力、算法要素，统筹规划“东数西算”工程，用算法的优势弥补算力的欠缺，提高区域间数据、算力、算法要素的利用效率，发挥新型举国体制优势，持续优化科技创新力量布局。

第三，扩大绿色全要素生产率的提升空间。绿色全要素生产率的提升受到了多种因素的影响，各区域应充分发挥资源优势，实现绿色全要素生产率的突破性发展。一方面，加大对绿色产业人才的培育和科技的投入，促进各区域绿色创新技术的发展。另一方面，加强对绿色产业的扶持力度，完善绿色金融服务体系和碳交易制度，提高监管效率及决策的科学性，实现各区域绿色转型发展，促进经济高质量发展。