数字经济、资源依赖与绿色经济发展

■徐 昊，马丽君

一、引言与文献综述

丰裕的自然资源能够促进经济发展，但也会产生明显的资源依赖倾向，抑制技术创新和人力资本积累水平，这不仅弱化了当前绿色经济发展水平，而且还造成了恶性循环。为突破经济发展与环境资源损耗间此消彼长的“怪圈”，绿色技术创新将成为重要的衔接工具。而数字经济实现了传统产业价值链的非物质化转型，包含着大量的绿色成分，有着明显的绿色技术创新特征和发展潜力。数字经济可以转换厂商经营环境、赋能生产效率与人力资本积累，一方面可以弥补资源依赖造成的绿色经济发展水平损失，另一方面可以转变厂商使用自然资源的路径与偏好，激活自然资源潜在的创新要素属性。但是，数字经济发展如果过度局限于“产业末端”的模式创新，反而会进一步加剧资源依赖倾向。那么我国当前数字经济发展究竟能否转变厂商资源依赖倾向？其对绿色经济发展究竟如何？此外，数字经济发展突破了区域间信息壁垒，加强了空间关联性，其产生的绿色效益和受到的制约作用是否存在明显的空间溢出效应？对上述问题开展理论和实证研究可以抓住实现数字化与绿色化协同创新发展的关键要素，为打破资源诅咒，进而促进区域间绿色协同发展提供理论和实践支撑。

国内外学者有关数字经济对绿色经济发展的影响效应研究可以体现为三方面，一是认为数字经济发展实现了数据对传统要素的有效替代，进而可以通过技术创新、优化产业结构、提高政府和公众参与环保事业积极性等方式缓解环境污染问题。刘鹏程和刘杰（2020）认为信息化能通过技术进步、人口集聚以及产业结构机制有效地缓解城市环境污染问题。解春艳等（2017）认为互联网可以通过政府环境规制、环境监测技术、公众环保活动参与度以及环保产业发展四项机制减少环境污染。二是认为由于数字经济发展会刺激能源需求进而导致加剧环境污染，致使其带来的净效益较低。李寿国和宋宝东（2019）研究认为互联网的发展既会直接带来更多的能源需求，又会间接推动经济发展刺激能源需求进而导致人均碳排放增加，但互联网发展会使能源使用效率和技术创新水平提升，由此带来的正向效应将完全消化可能产生的负面效应，进而有利于缓解环境污染问题。Moyer&Hughes（2012）则认为ICT（Information and Communication Technology）技术主要通过降低能源强度和促进可再生能源生产减少碳排放，但也会因碳基能源需求减少而导致相关能源价格下降，对可再生能源市场需求产生不利冲击，致使其所带来的净效益有限。三是认为数字经济发展引致能源需求增长所产生的回弹效应将超出其带来的正向效应，导致更为严重的环境污染。一方面，数字设备和基础设施的应用直接提升了对能源需求。王雷等（2013）通过计算发现：ICT产业价值链加剧了环境污染和碳排放足迹。另一方面，数字经济发展不仅会通过引致的经济增长对ICT技术产生更多需求，而且ICT技术在打破技术壁垒的同时也会增加资源可获得性，进一步加剧资源损耗。Peng（2013）认为ICT产业属于能源密集型行业，ICT设备的生产、应用离不开能源损耗，而且ICT技术为传统产业和居民消费带来红利的同时也会引致市场主体对更高性能ICT产品的需求，进而加剧碳排放和环境污染。

综上可知，数字经济对绿色经济发展的负面效应主要源于数字设备和基础设施直接带来的资源消费和赋能经济增长所间接引致的资源消费需求，而两类负面效应皆源于数字经济的发展无法与资源投入解耦。资源依赖程度较高的经济发展模式会挤出人力资本和物质资本，抑制创新动力，进而导致经济增长滞缓（赵康杰，2014）。那么如何降低数字经济发展模式的资源依赖度，进而摆脱和弱化“资源诅咒”的负面影响？万建香和汪寿阳（2016）实证研究表明：社会资本的加速积累可以引导更多劳动力流入技术创新部门，激发技术创新动力，弱化资源依赖对技术创新的挤出效应。然而，不同种类的能源偏向型技术进步将对绿色增长转型产生差异化的影响效应。何小钢和王自力（2015）通过实证研究发现：资本密集型行业的能源依赖程度较高，能源集约化转型成本高，技术创新偏向于能源消耗型技术进步，而技术和设备型轻化产业能源依赖度较低，技术创新更偏向于能源节约型技术进步。因此，张华等（2015）提出要实现能源节约型技术进步，就必须加强其余要素对能源的替代作用，而价格机制是影响要素间替代关系的主要原因。如果数字化技术提高了单位资源的边际产出价值，反而会提高资源价格，抑制资源依赖，增加市场主体对人力资本和技术创新的投入偏好。反之，则会加剧资源依赖，抑制数字经济潜在的“绿色效益”。

数字经济以大数据、信息技术为发展基础，具有跨界共享、互联互通的特性，因而较传统技术与产业能够更好地突破固有的地理距离限制，所以一个地区数字经济发展能够对关联地区产生更为显著的空间溢出效应。张旭亮等（2017）通过实证检验得出互联网发展能够打破地理距离约束，加快区域间要素匹配与整合，实现邻近地区的高质量创新和产业结构变迁，有利于推动区域协调发展。张俊英等（2019）通过建立空间杜宾模型检验得出电子商务发展降低了区域间交易成本，具有明显的空间关联性，而且随着地区间地理距离越远，空间关联性越薄弱，电子商务在发达地区与非发达地区间建立了信息传递机制，能够促进技术共享与产业集聚。解春艳等（2017）实证分析得出互联网技术进步和环境污染皆存在空间溢出效应，互联网发展可以通过信息共享提高环境治理能力、居民环保意识以及发展环境友好型技术减少环境污染。

依据上述文献梳理，本文发现数字经济发展能否有利于推动绿色经济发展尚未得出统一结论。认为数字经济发展是否会产生自然资源的消费偏向决定了数字经济对绿色经济发展水平的具体影响效应，数字经济的发展起源于数字设备和基础设施的引入和使用，其应用模式决定了厂商对自然资源的依赖程度。如果数字经济发展降低了知识、技能和先进设备与应用模式的获取成本和使用效率，那么数字经济可以增强厂商对知识、技能以及先进资本的使用偏好，继而降低对自然资源的使用偏好。此时，自然资源的使用是服务于知识、技能和先进设备与应用模式的生产和积累，能够有利于促进绿色经济发展水平。然而，如果数字经济发展提高了自然资源获取能力、降低了自然资源获取成本，那么数字经济便会增加厂商的资源依赖程度。对于上述机理本文将通过理论和实证分析加以验证。

二、理论分析与研究假说

数字经济的发展为突破资源诅咒提供了机遇，这主要体现为数字经济的“绿色效益”，本文将其分为替代效应和增值效应两类：第一，替代效应。数字经济发展将厂商的经营环境转入“云端”，直接减少了价值链中无效、冗杂的物理运作环节，降低了企业运行各环节的资源依赖程度。第二，增值效应。数字设备和数字化应用模式的引入和更新为技术创新、知识扩散提供了高效且普惠的运作机制，极大地降低了企业生产与研发人员开展技术创新和获取专业化知识、技能所需要支付的边际成本。此时，厂商使用高技能劳动力、投入先进设备、先进生产和研发模式的边际产出水平明显提升，数字化转型能够使企业的核心生产要素由过度依赖于自然资源消耗的资本和劳动力投入转为先进设备、应用模式与知识、技能投入，这有利于转型企业持续提高价值链的绿色附加值。此时，数字经济与自然资源间呈现明显的“互补性资产特征”，即数字化转型使自然资源并非仅作为生产要素以其规模和价格优势实现经济增长，而是更好地服务于创新要素的生产和品质提升，实现绿色经济发展水平的可持续提升。

然而，数字经济的发展也会产生明显的“回弹效应”，过度重视产业末端环节的数字化转型，反而会进一步赋能数字技术在自然资源信息获取和掠夺方面的应用能力。从厂商角度看，自然资源丰裕程度逐步提升，自然资源供给曲线逐步向右下方移动，降低了自然资源交易市场的均衡价格，如果政府部门并未考虑自然资源消费所产生的环境外部性问题，这将使得企业生产更加依赖于自然资源消费，进一步挤出研发资本和技能要素使用偏好，弱化绿色经济发展水平。此时，数字经济与自然资源间呈现明显的“互斥性资产特征”，即数字经济发展提高了自然资源的丰裕程度，降低了自然资源要素的市场价格，反而巩固了自然资源作为核心生产要素的地位，增加了资源依赖性。

那么，数字经济与自然资源间究竟呈现何种资产特征关系？需要从实证角度进一步分析，当数字经济对绿色经济发展的回归系数显著为正时，说明数字经济的“绿色效益”明显。当数字经济与资源依赖交互项对绿色经济发展的回归系数为正，说明自然资源与数字经济呈现明显的“互补性资产特征”，自然资源的采集能够助力创新要素的积累，进一步赋能数字经济的“绿色效益”，反之则为弱化。

结合既有文献和上述理论分析，本文提出以下研究假设：

假设1：数字经济发展有利于提高绿色经济发展水平且该影响存在明显的正向空间溢出效应。

假设2：依赖于“产业末端”扩张的数字经济发展模式会加剧资源依赖倾向，进而弱化数字经济的“绿色效益”，且该影响存在明显的负向空间溢出效应。

假设3：提高资源价格可以增强其他要素对资源需求的替代效应，将数字经济与自然资源间“互斥性资产”关系转型为“互补性资产”关系，进而赋能绿色经济发展。

三、模型构建及变量选择

（一）模型构建

本文使用空间计量模型对上述经济关系进行系统估计，将空间计量模型分为空间自相关模型（Spatial Autoregressive Model，简称SAR）与空间误差模型（Spatial Error Model，简称SEM）两种形式。模型分别如下所示：

其中，式（1）和式（2）分别为空间自相关模型（SAR）和空间误差模型（SEM）。W是空间权重矩阵，主要为地理距离矩阵和邻近矩阵，依据30个省际间地理距离和相邻情况进行分别赋值；θ为空间误差系数，ρ为空间自回归系数；μ和ε皆表示随机误差项；同时，为消除异方差的影响，对所有变量进行取对数处理。lnggdp是被解释变量，表示表示人均绿色GDP的对数形式；lndige是核心解释变量，表示数字经济水平的对数形式；lncontrol表示控制变量的对数形式；j表示第j个控制变量，i表示第i（i=1，2，3，…，30）省份，t表示年份（j=2011，2012，…，2018）。

（二）变量选择

1.核心解释变量：

数字经济水平（dige），综合数字经济概念和学者构建的指标体系，本文认为互联网和ICT产业是数字经济发展的重要载体和依托，同时数字普惠金融和ICT技术的产出水平的变化是数字经济发展的重要体现。基于此，借鉴李宗显和杨千帆（2021）、赵涛等（2020）的做法构建一致的数字经济发展综合指数，并用改进的熵值法进行赋权。

2.被解释变量

绿色经济发展水平（ggdp），1993年联合国和世界银行就明确提出综合环境与经济核算体系（SEEA）来测算绿色GDP，具体公式为：绿色GDP=传统GDP-环境污染造成的经济损失-资源耗减价值。参考黄虹和许祺（2017）提出的SEEA法减去能源损耗和环境污染损失，来弥补传统GDP中忽略生态成本的缺陷。相关数据选取借鉴了姜琪和王越（2020）、蔡文伯等（2020）的做法，其中环境污染造成的经济损失，采用三废产出量与相应污染损失价值的乘积衡量，污染损失价值数据来源于《中国绿色国民经济核算研究报告2004》，同时借鉴蔡文伯等（2020）的做法，按照CPI指数调整了各污染物的污染损失价值，最后本文选用的绿色经济发展水平消除了人口因素的影响，选用人均绿色GDP表示。

3.控制变量

（1）财政干预程度（lnfs），选取一般预算支出与GDP的比值加以表示。

（2）外贸依存度（lnopen），采用经过年平均汇率折算的经营单位所在地进出口总额与GDP的比值衡量。

（3）市场化程度（lnmkt），选取按登记注册类型划分的全社会固定资产投资总额与国有全社会固定资产投资的差额计算出市场化投资总额并计算出市场化投资总额占全社会固定资产投资总额比重来衡量。

（4）产业结构高级化水平（lndus），选取第三产业增加值与第二产业增加值的比值表示。

（5）交通基础设施（lntraffic），选用公路里程数与省域面积的比值表示。

（6）受教育水平（lnedu），选用每十万人中高等院校在校生人数表示。

4.调节变量

（1）资源依赖度（lnnature），借鉴徐盈之和顾沛（2019）的做法，选取按行业分固定资产投资中采矿业固定资产投资额与固定资产总投资的比值来衡量本地区自然资源禀赋水平和资源依赖程度。

（2）资源价格（lnprice），由于当前没有完整的资源价格水平，而能源是自然资源的重要组成部分，借鉴龚新蜀等（2018）的做法，使用燃料类商品零售价格指数表征资源价格，并以2010年为基期进行折算；

考虑到我国当前各省份数字普惠金融指数是从2011年开始统计，且三废（废水、废气和一般工业固体废物产生量）数据仅更新到2018年，为保证数据真实性和实证结果的有效性，选用2011—2018年我国30个省际面板数据进行研究（西藏及港澳台除外），原始数据分别来源于《北京大学数字普惠金融第三期（2011—2020）》、国家统计局分省年度数据、CSMER数据库、《中国环境统计年鉴》。上述变量的描述性统计如表1所示：

表1 描述性统计

四、实证分析

（一）空间自相关检验以及模型选择

在进行空间计量模型估计之前，必须就数字经济水平、人均绿色GDP水平的空间相关性进行检验。采用莫兰指数法对2011—2018年上述变量的空间溢出效应进行检验，检验结果见表2。在地理距离矩阵和邻接矩阵下，2011—2018年我国数字经济水平、人均绿色GDP的Moran’s I值皆为正且至少通过了10%显著性水平检验，这表明我国各省份数字经济水平、人均GDP整体上呈现显著的空间集聚效应现象。

表2 Moran’s I指数统计

在验证变量存在空间相关性后，还需就空间计量模型是选择SAR模型还是SEM模型进行检验。为此，按照Anselin&Florax（1995）提出的判别标准，首先比较不同模型下LMLAG和LMERR的显著性检验结果，如果二者同时通过显著性检验再比较相应模型的R-LMLAG与RLMERR的显著性大小，显著性水平更高的模型其估计效率更高。在此原则下，经检验后选择SAR模型进行空间计量分析。

（二）非空间计量模型的估计结果及分析

表3列（1）为数字对绿色经济发展影响的双向固定效应模型估计结果，结果显示：数字经济的回归系数在5%水平上显著为正，表明数字经济水平提升有利于促进绿色经济发展。同时，为检验资源依赖对数字经济“绿色效益”的制约作用，本文在列（1）的基础上引入资源依赖度以及资源依赖度与数字经济的交乘项，结果如表3列（2）所示：资源依赖度和数字经济的交乘项在5%水平上显著为负，这说明资源依赖度在数字经济对绿色经济发展的影响路径中起到了负向调节作用，一方面说明资源依赖严重制约了数字经济发展所产生的“绿色效益”，另一方面也说明数字经济与采集的自然资源间存在明显的“互斥性资产”关系。我国数字技术研发周期长、配套人力资本水平较低、成果转换率不高，而厂商更加注重生产和研发模式的稳定性，产业末端的创新更为方便而且可以直接销售获取短期收益，因而更受厂商青睐。近年来，我国逐步重视绿色经济转型并对环境规制、绿色税收制度进行不断完善，资源消耗和环境污染所产生的外部成本将逐步内部化为市场价格，不同力度的环境管制行为将对市场主体的资源依赖度产生不同的抑制作用。为比较不同环境管制力度对资源依赖负面影响的弱化作用，选用车船税、资源税、城市维护建设税、耕地占用税、土地使用税及排污费等6种税收之和衡量环境税收总额，同时为消除区域间经济发展差异的影响，将环境税收总额占税收收入总额的比重作为环境税收政策征收力度，以反映不同区域的资源获取成本。基于此，将数字经济对绿色经济发展的影响效应分别划分为资源获取成本较低区、资源获取成本适中区以及资源获取成本较高区三类，具体实证结果如表3列（3）—（5）所示：处于资源获取成本较低区的数字经济水平回归系数为负且未通过显著性检验，这说明处于资源获取成本较低区的数字经济发展对绿色经济发展产生出抑制作用。而处于资源获取成本适中区和资源获取成本较高区的数字经济发展皆显著为正，且通过比较回归系数大小发现，处于资源获取成本较高区的数字经济发展所产生的“绿色效益”明显不如资源获取成本适中区。本文认为：一是由于自然资源的消费行为存在明显的外部性，由于资源消费成本未纳入价格机制中，相较于其他要素，厂商对自然资源消费的偏好程度会明显增强。二是过高的资源获取成本反而会对企业的技术创新和人力资本投入资金产生挤出效应，抑制技术创新效能，不利于资源使用效率的提升，这反而弱化了其他要素对资源的替代作用，而且弱势群体面临的挤出效应会更加明显。

表3 数字经济对绿色经济发展影响效应的非空间面板估计结果

（三）空间计量模型的估计结果与分析

本文首先基于地理距离矩阵构建空间计量模型进行实证分析，结果如表4所示。由于模型中Hausman检验皆表明所列方程皆适用于固定效应模型，因此在表4中列示了固定效应的估计结果，同时考虑到绿色经济发展受到时间趋势项的影响，模型中控制了个体和时间固定效应。但是为检验本文估计结果的稳健性，本文在表4中同时列示了SAR模型和SEM的估计结果。

1.基准回归模型实证分析

表4报告了数字经济对人均绿色GDP的主效应、直接效应与间接效应的SAR和SEM估计结果。从估计结果来看，表4列（1）和列（2）中的空间自回归系数（spatial rho）和空间自相关系数（lambda）的估计结果皆为正且通过了1%显著性检验水平，这表明绿色经济发展水平存在明显的空间正相关性，即关联地区绿色经济发展水平越高，有利于本地区绿色经济发展，而且区域间地理距离越近，这种空间关联性就会越强。对比两列中数字经济水平对绿色经济发展水平的回归系数，发现无论是SAR还是SEM模型主效应中数字经济水平的回归系数大小、方向以及显著水平差异性不大，表明模型回归结论具有稳健性。为进一步检验数字经济对绿色经济发展的直接效应和间接效应，发现SAR模型中数字经济回归系数的结果表明数字经济水平无论是在直接效应还是间接效应中皆呈现与主效应一致的结果，直接效应和间接效应中数字经济水平皆在1%水平上显著为正，这表明本地区数字经济水平的提升不仅能够助力本地区绿色经济发展，而且有利于推动关联地区绿色经济发展，而且区域间地理距离越近，这种空间溢出效应就会越强，故研究假设1成立。空间距离越近，企业间能够享受到的物流效率和交通便利程度越高，无论是产业升级、技术创新还是人力资本积累所产生绿色溢出效应都将更为明显，因此数字经济的“绿色效益”具有明显的正向空间溢出性，且空间距离越近溢出效应越强。

表4 数字经济对绿色经济发展影响效应的空间面板估计结果

续表4

2.数字经济、资源依赖及绿色经济发展间逻辑关系检验

为验证中国数字经济与自然资源间关系是“互补性资产”还是“互斥性资产”，在原有空间计量模型基础上引入资源依赖度以及其与数字经济的交乘项，构建调节效应模型以考察该问题，回归结果见表4列（3）—列（4）。结果显示SAR和SEM模型主效应中资源依赖度与数字经济水平的交互项在1%水平上显著为负，说明在数字经济促进绿色经济发展的同时，资源依赖度的增加会弱化数字经济所产生的“绿色效益”，且交互项的回归系数在直接效应和间接效应的估计结果中均在5%水平上显著为负，表明资源依赖对数字经济“绿色效益”的制约作用呈现明显的空间相关性，即本地区资源依赖度提升，不仅会抑制本地区数字经济对绿色经济发展的促进作用，而且关联地区资源依赖度提升也会抑制本地区数字经济对绿色经济发展的促进作用。这说明我国数字经济的发展并未改变厂商自然资源的使用偏好，反而强化了资源依赖对绿色经济发展的负面影响，我国现有数字经济发展模式仍然局限于“产业末端模式创新”注重资源信息的获取和掠夺开采，数字经济与自然资源呈现明显的“互斥性资产”关系。而且，空间距离越近的地区间要素流动更为便利，一个地区资源丰裕度的提升不仅会使得本地资源规模消费的边际净效用上升，还会增加邻近地区的资源规模消费净效用，空间距离越近的地区间资源净效用越明显。因此，资源依赖对数字经济“绿色效益”的制约作用不仅具有本土效应，而且具有明显的空间溢出效应，研究假设2成立。

3.资源价格变动对优化数字经济、资源依赖及绿色经济发展间逻辑关系的实证检验

为研究资源价格变动影响资源依赖制约作用的实证结果，本文在表4列（3）—列（4）基础上进一步分别引入资源价格、数字经济与资源依赖度间两两交乘项以及三者的交乘项以反映资源价格变动对优化数字经济、资源依赖及绿色经济发展间逻辑关系的具体影响效应。实证结果如表4列（5）—列（6）所示，直接效应和空间溢出效应结果显示三连乘回归系数均显著为主，表明本地区资源价格提升不仅可以将本地区数字经济与自然资源间“互斥性资产”关系转型为“互补性资产”关系，而且关联地区资源价格提升也能将本地区数字经济与自然资源间“互斥性资产”关系转型为“互补性资产”关系，研究假设3成立。这是因为政府的环境规制增加了资源可获取成本，提高了资源价格，减弱了企业对资源产品的消费偏好，相对应的人力资本和技术创新的边际净效应相对增强，更有利于将数字经济发展模式转变为以“研发和生产端”为主要领域的集约化发展模式，实现能源节约型技术进步。而且这种要素替代效应也会通过市场机制影响到关联区域，对于空间距离越近的地区，彼此间市场贸易关联和活跃度越高，更易受到价格机制的影响，因此更能够扭转资源诅咒的制约作用。

4.稳健性检验

为保证回归结果的稳健性，选用邻近矩阵代替地理距离矩阵对上述模型进行重新回归来检验基准回归、调节效应结果的稳健性。结果显示，两类权重矩阵的实证结论一致，因而本文得出的结论具有稳健性，由于篇幅限制，具体结果不在文中显示。

五、结论与对策建议

本文从理论和实证视角深入分析了数字经济、资源依赖以及绿色经济发展间的关系，结果表明：第一，丰裕的自然资源能够促进经济发展，但也会产生明显的资源依赖倾向，抑制技术创新和人力资本积累水平，这不仅弱化了当前绿色经济发展水平而且还造成了恶性循环。第二，中国数字经济发展有利于推动绿色经济发展，而且该效应呈现明显的正向空间外溢性，能够有效弥补资源依赖所产生的负面影响。第三，中国数字经济与自然资源间关系并非是“互补性资产”而是一种“互斥性资产”，数字经济对资源依赖的具体影响仅表现为弥补作用，数字经济发展不仅没有改变自然资源的使用偏好，反而还加剧了资源依赖倾向，同时该影响还存在明显的空间溢出效应。第四，政府环境管制可以通过影响价格机制进而降低资源依赖度，而且不同管制力度下数字经济的“绿色效益”存在明显差异。第五，资源依赖程度取决于要素间替代关系，资源与其余要素间的相对价格是影响要素间替代关系的关键因素，资源价格的提升可以将数字经济与自然资源间“互斥性资产”关系转型为“互补性资产”关系，进而打造有利于绿色经济发展的可持续发展优势，而且该影响效应存在明显的空间溢出效应。

基于本文结论，提出以下对策建议：一是加强环境规制力度，设置好环境规制力度的弹性空间，尊重不同资源消费群体的结构性差异，由于环境税费的征收具有一定的累退性，相关税率的设计可以对弱势群体和产业提供更多的优惠条件，进而为摆脱资源依赖提供物质支撑。二是地方政府在制定环境规制政策时应发挥地区间的空间关联性，在空间距离较近的区域内提高能源价格能够更好地借助价格机制激发数字经济潜在的“绿色效益”。三是全面设计数字化扶持机制，转变“产业末端规模扩张”的发展模式。地方政府要整合各类优质要素加强“产学研”合作对产业数字化水平提升的引导作用，构建理论创新、技术创新和技术应用相衔接的强耦合机制，打破信息技术与新模式研发的信息壁垒，拓宽数字经济对技术创新的赋能水平与应用范围。