技术发展视角下数字经济对绿色经济发展的影响机制及空间效应分析

李玉梅，陈洋毅，雷 鸣

（1.中央党校（国家行政学院）报刊社，北京 100089；2.中国人民大学马克思主义学院，北京 100872；3.中央党校（国家行政学院）经济学部，北京 100091）

0 引言

面对国际形势的变化和经济下滑的压力，发展以数据为关键生产要素的数字经济既是把握新一轮科技革命和产业变革新机遇的重要战略选择［1］，同样也是构建新发展格局、推动经济高质量发展的重要一环［2］。全球各国加快推动数字经济重点领域发展，在数字技术与产业、产业数字化、数据要素等领域积极抢抓发展机遇［3］，数字经济在各国的经济总量中占据了越来越大的份额。2023 年7 月5 日，中国信息通信研究院在2023 全球数字经济大会主论坛上发布《全球数字经济白皮书（2023 年）》，相关数据显示，从总体发展规模来看，2022 年美国、中国、德国、日本、韩国这5 个世界主要国家的数字经济总量为31 万亿美元，占地区生产总值（GDP）比重为58%，数字经济规模同比增长7.6%，并高于GDP 增速［4］。中国也在大力发展数字经济，从发展规模来看，2016—2022 年，中国数字经济持续快速增长，数字经济规模增加4.1 万亿美元，年均复合增长14.2%，且数字经济规模位居世界第二［5］。

绿色经济是一种兼顾经济发展与环境保护的新型发展方式。作为由工业文明向生态文明转变的最佳选择，绿色经济发展逐渐成为衡量国际竞争力和国家综合实力的重要指标，谋求绿色经济发展已经成为世界各国实现经济转型升级的必由之路［6］。面对变化多端的全球气候和严峻的经济形势，一些西方国家通过科技创新来提高可持续发展水平，试图在追求经济效益的同时也能保护生态环境［7］。为顺应气候变化和国际社会的巨大变革，中国基于国内发展现状，愈发意识到生态环境保护的重要性；从把保护环境作为基本国策到建设美丽中国，从将生态文明建设纳入“五位一体”总体布局到人与自然和谐共生再到碳达峰、碳中和，推动绿色经济发展已然成为中国实现高质量发展的重要抓手。

我国全面建设社会主义现代化也离不开数字经济的发展，习近平总书记指出发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择［8］。发展数字经济不仅能够有效提高经济发展的质量，而且也能为实现人与自然和谐共生的现代化提供一定的数字技术支撑。面对如何转变经济发展方式、推动产业结构转型升级、有效提高资源利用效率、降低环境污染等难题，数字经济或许能够提供一剂良方［9］。如何认识数字经济与绿色经济发展之间的关系，如何创造经济发展和环境保护的“双赢”局面，这些都是当前研究的重点难点问题。在上述背景下，研究数字经济对绿色经济发展的影响机理并分析其空间效应，有利于发挥数字经济优势，推动绿色低碳技术数字化转型，推进经济增长方式和增长动能的变革，以在经济绿色化和绿色产业化的进程中实现更高质量的发展。文章立足于数字经济的视角，通过对中国30 个省份（不含港澳台地区和西藏地区）数字经济发展与绿色经济效率之间的实证研究，试图回答以下3 个问题：其一，数字经济发展是否影响以及如何影响中国的绿色经济效率？其二，分析不同要素在多大程度上影响绿色经济效率及其空间溢出效应如何？其三，如何从产业结构与技术创新的视角，分析数字经济影响中国绿色经济效率的内在机理与传导路径？

1 文献综述

数字经济与绿色经济协同发展日益成为中国经济高质量发展与可持续发展的内在要求和必然选择，理论界对于数字经济与绿色经济的研究主要集中在数字经济对绿色经济的影响效应和影响机制这两个方面。

1.1 数字经济对绿色经济的影响效应

关于数字经济赋能绿色经济的内在逻辑。宋美喆等［10］认为数字经济有助于经济绿色高质量发展，并逆向调节命令控制型环境规制的负向影响，正向调节市场激励型环境规制的正向影响，能够有效抑制命令控制型环境规制对绿色全要素生产率的阻碍作用，强化市场激励型环境规制对绿色全要素生产率的促进作用。魏丽莉等［11］指出在理论层面，数字经济扩展了经济增长的分析框架，削弱了地理距离在产业组织和创新过程中的重要作用，并成为支撑大规模公共资源自主治理的制度供给；在现实层面，数字经济赋能绿色发展的内在逻辑体现在效率改进、协同集聚、创新交互和生态治理平台化这4 个方面。韩晶等［12］认为从动力机制来看，数字经济以技术创新为核心，为绿色发展提供不竭动力；从演化机理来看，数字经济对绿色发展的赋能效应主要表现为要素融合和精准匹配带来的企业成长和产业优化；从参与主体来看，数字经济能够为绿色发展推动形成以政府、企业和公众为主体的多元治理体系。樊轶侠等［13］指出我国当前数字经济与经济绿色化之间确实符合倒“U”形曲线关系，即随着数字经济水平的提升，经济绿色化水平会表现出先上升后下降的变化趋势，同时数字经济与能源强度间呈现“U”形曲线关系，表明能源回弹效应是构成倒“U”形约束的主要原因。

关于数字经济对绿色经济的区域异质性影响。徐军委等［14］认为中国省际数字经济与绿色经济的发展水平在逐步提升，但就区域内部而言差异较为显著；与东部地区相比，中部和西部地区的发展水平有待进一步提升。笪远瑶等［15］指出相比中西部城市，数字经济发展对东部城市绿色全要素生产率提升具有更显著的影响；在城市特质差异上，数字经济发展在非资源型城市、人口规模较小城市、一二三线城市和欠发达地区表现出对绿色全要素生产率更强的促进作用。魏丽莉等［16］认为在研究期间我国各地级市的数字经济和绿色发展水平区域差异较大，数字经济对城市绿色发展具有促进作用，但该作用存在时滞性和异质性。

1.2 数字经济对绿色经济的影响机制

关于数字经济对绿色全要素生产率的影响机制。宋美喆等［10］认为在资源和环境的双重约束下，提高绿色全要素生产率对实现经济绿色高质量发展至关重要；数字经济在增强创新能力、优化资源配置等方面发挥着重要作用；绿色技术创新是环境规制和数字经济影响绿色全要素生产率的重要渠道。笪远瑶等［15］指出数字经济会通过释放产业结构红利和人力资本结构红利来提升城市绿色全要素生产率。王巧然［17］研究发现市场化程度的提升是数字经济影响城市群绿色全要素生产率的重要传导机制，但产业结构尚未成为数字经济影响城市群绿色全要素生产率的渠道。杨友才等［18］研究发现产业结构升级和改善要素扭曲是数字经济影响绿色全要素生产率的重要渠道。

关于数字经济提升绿色经济效率的机制。朱洁西等［19］指出数字经济不仅可以显著提升城市绿色经济效率，而且对邻近城市的绿色经济效率产生了积极的空间溢出效应，数字经济背景下的技术创新是驱动绿色经济效率优化的关键途径。尚娟等［20］认为数字经济能够通过推动经济增长、提高科技创新水平等途径间接促进绿色经济发展，并呈现出非线性特征的门槛效应。王庆喜等［21］指出数字经济能够降低能源消耗、减少污染排放、提高生产效率，其中提高生产效率是数字经济促进绿色发展的主要作用机制。刘强等［22］研究发现数字经济及数字产业化通过优化产业结构、促进技术创新和深化市场化程度间接提升了绿色经济效率；在产业结构、技术创新和市场化程度的约束下，数字经济对绿色经济效率表现为非线性影响，在通过特定的门槛值后发生改变，具有显著的门槛特征。曾繁华等［23］指出数字金融在驱动城市绿色经济效率增长的过程中存在创新协调效应和生态补偿效应，并表现出一定的门槛约束，数字金融越发达，其对绿色经济效率的创新协调效应和生态补偿效应越强。

关于数字经济提升城市绿色经济转型的机制。王磊等［24］认为数字经济可以通过提高城市经济集聚、人才集聚和产业集聚程度促进城市经济绿色转型。张传兵等［25］指出数字经济通过提高政府环保投资、促进产业结构升级和增强公众环境关注度三条路径降低碳排放强度，数字经济的碳减排效应有效地促进了城市绿色经济转型。刘维林等［26］认为数字经济通过产业结构优化效应、创新能力激发效应和公众认知能力提升效应三重机制赋能城市绿色高质量发展。

综上所述，当前理论界关于数字经济对绿色经济影响的研究主要集中在两个方面：一是数字经济对绿色经济的影响效应，包括数字经济赋能绿色经济的内在逻辑和数字经济对绿色经济的区域异质性影响；二是数字经济对绿色经济的影响机制，可以归纳为绿色技术创新、产业结构调整、深化市场化程度等。通过对现有文献的分析，当前理论界普遍承认数字经济将成为中国经济新一轮发展的主要动力，但关于数字经济与绿色经济内在联系的分析较为少见。鉴于此，文章的边际贡献有以下三点：第一，立足于数字经济视角，深入研究数字经济发展是否影响以及如何影响中国的绿色经济效率；第二，在研究内容方面，考察不同影响机制对绿色经济效率的影响程度及空间溢出效应；第三，梳理数字经济影响中国绿色经济效率的理论机制，并从产业结构与技术创新的视角剖析数字经济对中国绿色经济效率影响的传导路径。

2 理论分析与研究假设

2.1 数字经济对绿色经济发展的直接影响

数字经济以数据资源为基础、数字技术为核心动力，促进了如区块链、大数据、云计算、人工智能等多种数字化技术集成的数字技术应用的出现，这能够大幅提升资源利用效率和整体经济效率。一方面，作为一种新的经济形态，数字经济使用数据要素打破了传统要素的约束，改变了传统经济粗放型的资源利用方式，数据要素与传统要素的高度结合能够用更低的生态资源创造更多的经济收益，减少资源过度消耗和环境污染，从而促进绿色发展。另一方面，数字经济能够从生产端和消费端同步引领绿色经济发展。在生产端，数字经济使得企业能够使用数字化智能系统对其生产过程进行实时监控和数字化模拟，通过准确分析大量数据对耗能产品进行改造，减少生产中的资源浪费和环境污染；在消费端，数字经济能够通过互联网大数据在社会普及绿色生活理念，引领绿色消费观。同时，数字经济能够实现政府对管制区域企业环境污染情况进行全面的、实时的监督，消除信息不对称，提高监督效率，助力绿色发展。

据此，提出假说1：数字经济发展能够有效提升绿色经济效率。

2.2 数字经济对绿色经济发展的间接影响

2.2.1 产业结构升级带来的间接影响

数字经济通过数字产业化和产业数字化影响绿色经济。一方面，数字经济为数字产业化提供了重要的支持和动力，能够改造传统产业并孕育新兴产业，赋能绿色经济。随着经济的数字化转型，越来越多的企业和产业将数字技术应用于生产、销售、管理等方面，数字技术的广泛应用促进了资源在企业间的合理配置和产业的协同分工，优化了产业结构。数字技术可以将传统产业资源进行优化重组，通过提高清洁行业产值占比转换产业发展结构，同时实现资源利用效率提高和经济效益提高，更合理化和生态化的产业结构有利于提升绿色经济运行效率。另一方面，数字经济提高了产业数字化水平。产业数字化是指传统产业通过数字技术的应用，实现生产、管理、运营等方面的数字化转型。数字经济能够通过大数据整合产业链中的有效信息并向上下游企业传送，企业能够运用这些信息改进生产过程，重新配置劳动、资本、技术等要素，进行更为精准的生产活动。产业数字化水平的提升能够大幅度提升资源的利用率，减少由于信息不对称造成的资源损失。

据此，提出假说2：数字经济可以通过推动产业结构升级对绿色经济产生积极作用。

2.2.2 技术创新带来的间接影响

创新是产业绿色转型升级的核心驱动力，资源利用率的提高是实现绿色发展的重要抓手。一方面，以数字技术为核心的数字经济自身具有知识积累、技术创新等特征，数字技术创新带来的新技术、新理念能够有效弥补传统产业对环境保护的忽视，降低环境保护成本，推动产业绿色化升级转型。同时，数字技术的创新能够加快绿色创新产品的迭代速度。另一方面，数字经济能够加快绿色技术创新效率。技术创新作为提升资源配置效率的手段，可有效降低单位产出能耗，进而在长期内提高绿色全要素生产率水平［27］。综上所述，数字技术创新和绿色技术创新是缓解生态压力、提升资源利用效率的有效手段。

据此，提出假说3：数字经济可以通过技术创新推动绿色经济发展。

3 变量选取与模型设计

3.1 被解释变量

绿色经济效率（GEE）。作为一种以线性规划为基础、以距离函数为方式的模型方法，传统的数据包络分析（DEA）里面包含CCR、BCC 及SBM等若干种模型［28］。鉴于径向距离函数构成CCR 和BCC 模型，而非径向距离函数构成SBM 模型，SBM模型被广泛运用以解决诸多现实问题。文章参考Tone［29］的做法，通过选用具有非期望产出的超效率SBM 模型，并不断补充约束条件来研究绿色经济效率以及相关的生态环境问题。虽然该模型仍属于超效率DEA 模型的范畴，但相比一般的径向DEA 模型（如BCC 模型和CCR 模型），它具有诸多优势。该模型不仅可以有效解决投入要素的松弛问题，对于多投入、产出的经济系统，还能够判定部分投入相对于部分产出规模收益处于递增、不变、递减的充分必要条件［30］。鉴于此，文章通过具有非期望产出的超效率SBM 模型来测算绿色经济效率。其中，绿色经济效率的评价体系包括要素投入、期望产出和非期望产出这三项指标，如表1 所示。

表1 绿色经济效率评价体系

（1）要素投入：借鉴张军等［31］、汪彬等［32］的永续盘存法（PIM）计算出折旧率与以2011 年为基期的资本存量；（2）期望产出：以2010 年为基期的GDP 平减指数进行平减处理［33］；（3）非期望产出：鉴于数据收集的完整性和可靠性，用二氧化硫排放量和化学需氧量排放量作为衡量非期望产出的指标。

3.2 解释变量

数字经济水平（DE）。根据目前已有文献，数字经济的内涵不断在丰富，关于数字经济发展水平评价体系的构建也尚无统一标准。文章参考郭辰等［34］的做法，从数字经济的发展性、共享性和可持续性3 个维度出发，构建指标体系对当前数字经济的发展水平进行测度。其中，数字经济发展水平的评价体系包括数字产业化与技术创新化这两项指标，具体内容如表2 所示。

表2 数字经济发展水平评价体系

此外，文章使用熵值法对数字经济水平进行测度。熵的概念源于热力学，是对系统状态不确定性的一种度量方法；熵值法是一种客观赋值法，其根据各项指标的观测值来确定指标的权重。在信息论中，信息是系统有序程度的一种度量；而熵是系统无序程度的一种度量，两者绝对值相等，但符号相反。详细地说，信息量越大，信息的无序度越低，不确定性因素就越少，熵越小，从而使得其信息的效用值越大，指标的权重越大；相反，信息量越小，不确定性因素越多，熵越大，权重就越小。根据此性质，可以利用计量模型中各项指标的固有信息，通过熵值法得到各个指标的熵，计算出各项指标的权重，并为数字经济发展水平的综合评价提供依据。

3.3 控制变量

为使研究结果保持客观性和准确性，应当考虑其他控制变量，具体控制变量指标如表3 所示。

表3 控制变量指标

产业结构（INS）。产业结构调整是指一个国家或地区的主导产业由第一产业向第三产业转变，其中，第三产业的比重越高，绿色经济效益则越大，这也是经济高质量发展的必然趋势。文章选取第三产业增加值占国内生产总值的比重这一指标来衡量产业结构，并以2011 年为基期进行平减处理［35］。其系数符号预期为正。

对外开放水平（OPEN）。一般而言，对外开放引入国外的优势资源，使我国的创新型人才加速积累、科学技术加速革新，分工的专业化和劳动生产率的提高得以实现，从而经济的高质量发展得以实现。与此同时，对外开放水平的提高可能意味着更多负面效应的出现，例如高污染企业的引入等。文章选取进出口总额占国内生产总值的比重这一指标来衡量对外开放水平。其系数符号预期正负不确定。

城市规模（CITY）。城市规模与城市能够提供的服务种类、服务范围等呈正相关，规模越大的城市，越易于形成人力、物力的集聚效应，加速城市化的进程以及城乡的统筹发展。不可否认的是，由于我国人口基数大，大部分城市的人口规模相较于其他国家城市而言更高，容易造成人员、交通等方面的拥堵，导致资源浪费和环境破坏等现象频发，不利于城市的绿色经济发展。文章选取年末人口密度这一指标来衡量城市规模。其系数符号预期为负。

能源消费水平（ENC）。国民经济的平稳运行需要能源消费的大力支持，工业化的平稳发展也需要能源消费的大力推动，然而，不合理的能源消费则会带来能源过量消耗、资源使用率低下等负面问题，致使环境污染、绿色经济效率变低。文章选取年末人均电力消费总量这一指标来衡量能源消费水平。其系数符号预期为负。

环境治理能力（ENG）。政府对环境保护、生态文明建设的重视程度通常体现在利用行政手段加大对环境治理资金的投入量，从而得以更好地开展重点区域的环境综合整治，推动当地经济的绿色发展以及绿色经济效率的提升。文章选取人均工业污染治理投资总额这一指标来衡量环境治理能力。其系数符号预期为正。

3.4 中介变量

依据影响机制分析，参考郭辰等［34］的做法，选取产业优化（INOP）与技术创新（TEIN）作为中介变量。产业优化的过程即产业间协调发展以及产业结构升级，采用泰尔指数度量产业间协调发展水平，泰尔指数的计算方法为三次产业间从业人员数和产值的比例，对于产业结构升级的度量，采用第三产业与第二产业产值的比值表示，产业优化变量为二者加权后取得。技术创新采用DEA-Malmquist指数法进行测算，其中，投入指标选取R&D 人员折合全时当量，产出指标选取专利申请授权量。

3.5 数据来源

文章的原始数据来源于相关年份的《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》《中国人口和就业统计年鉴》《中国环境统计年鉴》及各省份统计年鉴。鉴于个别指标统计口径或者原有统计规则发生变化（如R&D 人员全时当量），且数字经济对社会经济发展的影响具有一定的时滞性，2020 年新冠疫情对其影响难以在当期直接体现出来，故文章将研究时间限定在2011—2020 年，并选取中国30 个省份的面板数据进行实证分析。

3.6 空间计量模型的设计

3.6.1 空间自相关检验

为更好地判断在空间范围内，某些变量是否存在一定的相关度以及它们存在怎样的相关度，需要对模型进行空间自相关检验。对于空间自相关性检验，主要有三种常用的方法：Moran'I指数、Geary'sC和Getis-OrdG（Gi 指 数）。（1）Geary'sC与Moran'I指数的方法类似，二者的区别主要在于Geary'sC具有不同的交叉分子项，前者是比较对相邻空间的样本值与均值偏差的乘积，后者是比较相邻空间样本值的差。后者的数学期望恒为定值，相比之下，前者更易受样本容量及数值和空间矩阵权重的影响，因此Moran'I指数的统计量更优。（2）Gi 指数与前二者略有不同，它是比较相邻空间样本值的乘积，只能通过距离权重矩阵的方法定义邻近空间位置；虽然Gi 指数很好地判断相邻空间的极端区域，但它对于判断空间负相关性不具有明显显著性。

鉴于上述原因，学术界对于空间自相关性检验，一般使用Moran'sI指数，计算如公式（1）所示：

其中，n为样本量；S2是样本方差。Xs、Xt是空间区域s和t的观察值，Wst则是空间权重矩阵。当Moran'sI为正数时，则所研究空间存在正的空间自相关性，相关的观测值形成空间集聚状态；当Moran'sI为负数时，则所研究的空间存在负的空间自相关性，相关的观测值都分散地分布在所研究的空间内；当Moran'sI为0 时，则不存在空间相关性。

3.6.2 空间权重矩阵的设定

空间权重矩阵是空间计量模型的核心要素，它体现着地理要素之间的空间性关系。文章选用地理距离空间权重矩阵来反映省份之间的空间性关系［36］，该空间权重矩阵的构建如公式（2）所示：

其中，dij表示省份i的省会（首府）城市与省份j的省会（首府）城市之间的地理距离，且该矩阵对角线上的空间权重均为0；同时该矩阵的空间权重为地理距离的倒数形式，目的在于减小因距离单位和权重结果产生的误差。

3.7 空间计量模型的构建

一般而言，空间计量模型分为三种类型：空间滞后模型（SLM）、空间误差模型（SEM）和空间面板杜宾模型（SDM）。

空间滞后模型（SLM）。主要用于研究某个变量的相邻区域是否受到该变量的影响，具体如公式（3）所示：

空间误差模型（SEM）。适用于空间权重矩阵等重要变量被放置在误差项中的情况，即一些重要变量被忽略的情况，具体如公式（4）（5）所示：

空间杜宾模型（SDM）。适用于考虑空间滞后因子的情况，具体如公式（6）所示：

下标i代表省份，t代表年份；GEE 为被解释变量，即绿色经济效率；DE 为解释变量，分别表示数字经济发展水平；INS、ENG、ENC、CITY 和OPEN为控制变量，分别表示产业结构、环境治理能力、能源消费水平、城市规模和对外开放水平。其中，C为常数项，δ为衡量绿色经济效率的空间相关度，β为待估计系数，W为空间权重矩阵，μi和νt分别为固定效应和随机效应，ηit为误差项；W×ηit为空间滞后误差项，εit为随机误差项。

4 实证结果与分析

4.1 空间自相关的结果

通过Stata 软件，文章测算出了2011—2020 年中国30 个省份数字经济发展水平与绿色经济效率的全局Moran'sI数值。由表4 可知，各省份的数字经济发展水平与绿色经济效率的全局Moran'sI均大于0.2，且绝大多数都通过了1%显著性水平的检验。结果显示，文章中的数字经济发展水平与绿色经济效率具有明显的空间正相关性，对于数字经济发展水平与绿色经济效率较高的地区，往往存在一个或多个数字经济发展水平与绿色经济效率同样高的地区与之相邻（“H-H 的正相关”）；同理，对于数字经济发展水平与绿色经济效率较低的地区，往往存在一个或多个数字经济发展水平与绿色经济效率同样低的地区与之相邻（“L-L 的正相关”）。除此之外，数字经济发展水平的Moran'sI在样本期间围绕0.26 左右波动，绿色经济效率的Moran'sI在样本期间围绕0.33 左右波动，由此可见：数字经济发展水平与绿色经济效率的空间相关性持续稳定且处在较高水平。

表4 数字经济发展水平和绿色经济效率的Moran's I

4.2 空间计量模型的选择

为了更好地研究数字经济发展水平与绿色经济效率的关系，需要判断使用随机效应模型还是固定效应模型分析空间自相关。对此，文章进行固定效应检验，检验结果显示，F值为73.58，可以在1%的显著性水平下拒绝原假设。因此，应当选择固定效应模型分析后续实证问题。

由于考虑到空间效应，将空间概念引入模型之中，极可能使普通的面板模型产生有偏估计量，导致分析的结果不准确。基于上述问题，文章使用极大似然估计方法（MLE）对含有空间效应的模型进行回归分析，结合SDM、SLM 和SEM 的回归结果和整体显著性情况，选择最优的空间计量模型［32］。

鉴于上文的检验结果倾向于固定效应模型，同时为了使分析结果更加精准，文章选取时间和空间双固定模型，并分别对SDM、SLM 和SEM 三种空间计量模型进行回归分析。所得结果如表5 所示，SDM 的R2 和log-likelihood 值均高于其他两者，且SDM 相对于SLM 和SEM 而言，有着更显著的变量系数和数量更多的显著变量，即应当选择SDM 进行后续的分析。同时为了验证使用SDM 的正确性，此时需进一步通过似然比（LR）检验和沃尔德（Wald）检验来判断SDM 是否会简化为SEM 或SLM。通过Stata 软件，所得结果如下所示：Wald_Lag 数值为56.35、LR_Lag 数值为60.26、Wald_Error 数值为65.15、LR_Error 数值为102.38，LR 和Wald 对应的空间误差检验、空间滞后检验均可以在1%的显著性水平上拒绝SDM 简化为SEM 或SLM 的原假设，这也更加验证了使用SDM 的正确性。

表5 空间计量模型的回归结果

4.3 空间效应的分析

4.3.1 全样本的空间效应分解

全样本空间杜宾模型的效应分解如表6 所示。从表中可发现：就解释变量而言，数字经济发展水平的直接效应、间接效应和总效应均在1%水平下统计显著，数值分别为1.287、1.194 和2.481；这说明数字经济的发展与绿色经济的发展呈正向相关关系，前者不仅对本地区绿色经济效率的提升具有显著作用，还可以提升周边地区的绿色经济效率，且空间溢出效应比直接效应更为显著，故假说1 得以验证。

表6 空间杜宾模型的效应分解

对于控制变量，产业结构能够显著推动本地区及周边地区绿色经济的发展，这说明产业结构优化升级能够提高生产效率、减少环境污染和资源浪费，并推动经济朝着高质量方向发展，实现经济效益与环境效益齐头并进。对外开放在一定程度上会阻碍本地区绿色经济发展，但会促进周边地区绿色经济的发展，这说明地区在对外开放的同时可能会引进一些高耗能高污染的企业，导致对当地生态环境造成一定的破坏，本地区污染物的增多进而可能使周边地区污染物相应地减少。城市规模和能源消费水平均不利于本地区及周边地区绿色经济的发展，这说明城市规模扩大和能源消耗量增大会产生更多的生活垃圾、工业废水废气等污染物，对当地的生态环境造成破坏，进而阻碍绿色经济的发展；本地区生活垃圾的增多可能会通过陆运的方式转运到周边地区的垃圾处理厂，而工业废水废气可能会通过河流、管道或者空气排放至周边地区，从而也抑制周边地区绿色经济的发展。环境治理能力对本地区及周边地区的绿色经济发展起推动作用，这说明当地政府可以通过加大对本地区生态环境的监管以及与周边地区政府进行环境保护方面的合作，来推动绿色经济发展。

4.3.2 分样本的空间效应分解

鉴于中国幅员辽阔、区域间数字经济发展水平存在较大差异，文章将全国30 个省份划分为东部、中西部地区并进行分样本空间效应分析，以验证数字经济发展对绿色经济效率影响的区域异质性。分样本空间杜宾模型的效应分解如表7 所示。

表7 分样本空间杜宾模型的效应分解

根据表7 的结果，可以发现：在区域层面上，就解释变量对绿色经济效率的作用强度而言，东部地区明显强于中西部地区。数字经济发展水平对东部地区绿色经济效率的提升作用及其溢出效应较中西部地区更为显著。这可能的原因在于较中西部地区而言，东部地区凭借雄厚的经济实力、更好的数字发展平台等优越条件，汇聚了更多的优质人才、平台资源，数字技术能够有效提高生产的质量和效率，降低对环境的污染程度，而人才、平台资源可以为社会经济发展提供强大的动力，所以东部地区的数字经济发展更有利于兼顾经济效益与环境效益，推动经济实现高质量发展，进而提升绿色经济效率。

4.4 影响机制检验

检验产业优化与技术创新是否在数字经济对绿色发展影响过程中产生中介效应，结果如表8 所示。首先，检验数字经济对产业优化的影响，结果如列（1）所示，数字经济对绿色经济效率存在着正向空间溢出效应。列（2）结果显示，数字经济发展能促进产业结构优化升级。列（3）结果显示，数字经济与产业优化对绿色效率的回归系数均显著为正，表明产业优化在数字经济影响绿色发展的过程中起到了中介作用，数字经济的发展有利于加速传统产业数字渗透，优化传统的产业生产方式、供应链和价值链，促进产业结构优化，引导生产要素跨区域向资源节约、环境优化的新兴产业流动，提升区域整体绿色发展能力，故假说2 得以验证。其次，检验数字经济对技术创新的影响，列（4）表明数字经济对技术创新存在着正向空间溢出效应。列（5）中的数字经济与技术创新的回归系数均显著为正，表明数字经济影响绿色发展的过程中，技术创新起到了中介作用，数字知识和技术的外溢性与共享性使企业突破学习新技术和新知识的时空障碍，促进企业创新能力提升和数字化转型，推动绿色发展进程，故假说3 得以验证。

表8 影响机制检验

4.5 稳健性检验

4.5.1 变换空间权重矩阵

为了检验空间计量模型的精准度，文章选用不同的空间权重矩阵进行稳健性检验，将原有的空间权重矩阵更改为二元邻接空间矩阵；其中，即省份i和省份j在空间上相邻，则空间矩阵的权重为1；若省份i和省份j在空间上不相邻，则空间矩阵的权重为0［37］。具体公式如下：

根据表9 的结果可以发现，更换空间权重矩阵后，解释变量系数的符号均未发生变化，且显著性水平基本相同，实证结果是稳健的。

表9 更换空间权重矩阵后的空间计量模型效应分解

4.5.2 改变观测时间

文章采用改变样本观测时间的方法，将样本观测时间由2011—2020 年更改为2006—2020 年［38］，所得的结果如表10 所示。

表10 调整样本观测时间后的空间计量模型效应分解

根据检验结果可知，解释变量系数显著性的差异较小，且符号保持一致，所得结果依然稳健。

5 主要结论与政策建议

5.1 主要结论

文章基于2011—2020 年中国30 个省份的面板数据，利用熵值法来测度数字经济发展水平，并通过构建空间计量模型，分析数字经济促进绿色经济的空间溢出效应和区域异质性。研究结果如下：第一，从变量来看，数字经济对绿色经济存在着显著的正向促进作用，其不仅可以通过创新效应促进产业结构升级来推动绿色经济发展，同时也可以通过空间溢出效应提高周边区域的绿色经济发展水平，以平台经济和规模效应提高生产质量、减少污染排放。第二，产业结构、环境治理能力对本地区及周边地区绿色经济发展的促进作用显著；对外开放一定程度上会抑制本地区绿色经济发展，但是对周边地区绿色经济发展起促进作用；城市规模和能源消费不利于本地区及周边地区绿色经济的发展。第三，从区域来看，数字经济的发展在东部地区对于绿色经济的促进作用明显强于中西部地区，且在东部地区具有更显著的正向空间溢出效应。第四，数字经济可以通过产业结构优化升级与技术创新改善提升从而推动绿色经济的发展，即存在着“数字经济—产业结构优化、技术创新提升—绿色经济发展”的传导路径。

5.2 政策建议

基于以上结论，针对国内发展现状，进一步提出如下政策建议：（1）进一步加强数字经济建设，全面推动数字经济与传统产业融合，加速产业结构转型升级，助力绿色经济发展。我国正处在由制造业主导向服务业主导转型的关键期，广泛促进数字技术应用于传统产业，推进产业数字化、数字产业化，能够加快实现高效率、低消耗的绿色经济模式［39］。（2）加大对于数字技术研发和创新的投入，推动数字技术与绿色创新技术的融合发展。数字经济能够通过信息技术的推力在能源消费结构调整的过程中促进绿色低碳技术进步，提高资源的利用效率，赋能绿色经济发展；同时要注意加大数字经济方面的教育投入，为后续数字经济和绿色经济发展提供更多基础扎实的后备人才，进而提升整体的技术研发能力。（3）充分发挥数字经济对绿色经济效率的促进作用。政府、企业等经济主体在推动经济增长和实现自身发展的过程中要充分利用数字化手段来提升经济运行效率。为充分释放数字经济对绿色经济的赋能作用，要继续加大数字基础设施的建设力度，如5G 互联网、数据中心、人工智能、工业互联网等，全面推动经济数字化转型。（4）进一步提升对外开放的水平和层次，增强绿色经济发展动力。在国内国际双循环新发展格局下运用数字经济继续提升对外开放水平和层次，通过构建数字化信息合作平台、数字化贸易商务平台、数字化金融支付平台、数字化交流平台，通过高水平平台推动高水平开放，加强国际合作，积极引进低污染低耗能的新兴技术企业。（5）坚持因地施策，构建各区域协同发展格局。数字经济能够依托互联网、大数据等数字技术打破区域壁垒，构建全国一体化市场。同时，数字经济对绿色经济也具有区域差异性影响。因此，应依托各区域优势因地施策，寻找数字经济与各地产业的融合点，实现区域间的分工合作，缩小区域数字经济发展差距。政府应搭建城市间交流合作平台，增强城市间数字经济协同作用，扩大数字经济的空间溢出效应。（6）加大数字经济对环境治理的支持力度，充分发挥数字经济在环境治理和绿色经济中的推动作用。要积极发挥政府对绿色经济的引导作用，一方面，要发挥环境治理政策对绿色经济的指导作用，推动产业结构绿色化转型；另一方面，要适度加大环境治理财政支出规模，为数字经济与环境治理在技术层面实现融合，提高环境治理能力，推动绿色经济高质量发展提供基础保障。