——基于安徽省16个地级市的空间面板数据

陈济源

(安徽大学经济学院，安徽 合肥 230601)

摘要：数字经济不仅可促进资源利用效率，而且有助于新能源的开发与应用。因此，研究数字经济对绿色经济效率的影响具有现实意义。 本文将研究对象落足于安徽省的16个地级市，从面板数据分析数字经济水平对绿色经济效率的影响。本文分别使用空间计量模型从基准回归、空间效应分解以及区域异质性这三个方面分析数字经济水平对绿色经济效率的影响。结果表明：数字经济水平显著促进绿色经济效率，从空间溢出效应可以看出，本地区的绿色经济的发展对周边地区的绿色经济发展有明显的空间溢出效应。区域异质性分析结果表明数字经济对皖南皖中区域具有显著的促进作用。

关键词：数字经济水平；绿色经济效率；空间计量

一、绪论

1.选题背景与研究意义

随着互联网的普及和发展，数字化技术的不断升级迭代，数字在不断与传统生产相结合，促进传统生产的效率与产能，数字经济蓬勃发展。依据中国信息通信研究院公布的数据，我国数字经济在GDP中的占比逐年增加，从2015年的27%到2020年的38.6%的增速可以说明数字经济在我国经济体系中的地位，已成为国民经济中不可或缺的部分。

在数字经济发展的同时，我国也在提倡可持续发展经济、环境友好型经济的发展，在逐步摒弃高能耗、低效率的生产方式，发展方式绿色低碳转型是推进中国式现代化建设的重要举措。从政府政策也能看出党和国家大力发展绿色经济的决心，“十四五”规划提出“促进经济社会发展全面绿色转型”，党的二十大报告指出“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。”

数字经济和绿色经济稳步发展的时间维度较为吻合，数字经济的发展对提高绿色经济效率有什么影响呢？是在以何种机理在影响着绿色经济效率的呢？研究这些问题将有利于分析数字经济发展带来的潜在优势并且有利于制定数字经济在提升绿色经济效率的发展方向。

2.文献综述

数字经济在大多数发展中被认为是一种环境友好型、低能耗高效率的经济^[1]，其对绿色经济发展的影响和作用被一些学者所研究，但将这两个经济模型放在同一个框架下讨论的文献较少，大多从数字经济或者绿色经济的其中一点切入，研究对另外一方的影响。

Carmen Nadia等人^[2] 认为在当今社会下，数字经济协同绿色经济的发展孕育了一种新的经济模式，有利于促进经济活动，提供给了社会更多的发展机会。Moyer等人^[3] 认为现代数字化的发展促进了信息通信技术的普及，在各个领域提高了生产的效率，减少了能源的浪费，从而实现节能减排达到促进可持续发展的目的。谢熊标等^[4]认为企业可通过数字技术调研客户情况，同行发展情况以及当前的市场信息，这有助于企业合理分配资源、提高资源利用率，进而促进绿色经济的发展。

不仅如此，研究数字经济对绿色经济的影响机理也是一个值得讨论的话题。解春艳等^[5]人研究了政府如何通过数字化技术进行环境保护和治理，实现长时间、大范围的环境监控。王子敏等^[6] 人利用实证分析了互联网发展在减排污染方面起到了正面的作用，分析了其如何减少人均能耗实现节能减排的内部机理。国外的一些学者也有相关的研究，Kumar &Manas等^[7]人通过分析日本、德国等国家的数据认为信息技术的提高有利于降低能源消耗。

3.数据来源

综合考虑各指标数据的科学性和完整性，侧重从政府信息网站和各地级市以及安徽省的统计年鉴中收集数据，而且考虑到一些城市的历史变迁，本文选取时间跨度为2009-2020年这12年间省内16个地级市的数据进行统计。数据主要来源于该时间区间出版的《安徽统计年鉴》以及各地级市的统计年鉴，采用计算邻近年的平均值和线性插值的方式替换缺失值，本文使用Python、Excel和Stata工具对数据进行处理。

二、数字经济水平与绿色经济效率的测度及分析

1.数字经济发展的指标选取

本文的核心解释变量是数字经济发展水平(DigEco)，目前学术界对于数字经济发展水平测度还没有一个统一的标准，但大多通过构建综合指标体系、运用数学测算样本地区的数字经济综合指数^[8] 。美国经济分析局（BEA）从基础设施、电子商务、其他收费数字服务三部分进行数字经济的测算。万晓榆等^[9] 从数字化投入、环境和产出三个视角设计了数字经济的评估体系；中国信息通信研究院采用直接法估算一定区域内的数字规模体量，其他机构如阿里研究院、财新和苏州大学等也发布其测算的数字经济发展指数；刘军等^[10] 从信息化、互联网、数字交易三个维度的发展指标评价我国各省（区、市）数字经济发展水平。通过梳理以往学者的研究可以看出数字化基础设施、数字产业化基础是评价数字经济发展的重要维度。本文综合考虑量化指标数据的获取情况，为了获得比较多年份的数据，通过参考赵涛等^[11] 的做法，从数字化基础设施、数字产业化基础构建城市数字经济发展水平综合指标体系。

表1  数字经济发展水平综合指标体系表

2.数字经济发展现状

根据前文所构建的综合指标体系，采用熵权法测算了2009-2020年间安徽省16个地级市及以上城市的数字经济发展水平。表 2为描述性统计结果，从该表中可以得出以下几点结论：首先，安徽省各城市数字经济发展在2009-2020年间呈逐年上升的趋势，2009年样本均值为0.040，2020年为0.374，增长了835%；其次，各城市数字经济发展水平的极差在样本年份期间内从0.077扩大到了0.771，而25%分位数和75%分位数的差值则从0.033增加至0.118，这些数据说明各城市之间的数字经济发展的不平衡不协调是客观存在的；最后，安徽省各个城市的数字经济发展水平标准差逐步扩大，从0.025扩大至0.187，增加了648%，这表明各城市之间数字经济发展水平的差距逐步扩大。

表2  数字经济水平得分描述性统计表

本文汇报了2009-2020年间安徽省内16个地市数字经济发展水平的数据。从测算结果来看，从图 1中可以看出各城市的数字经济发展水平整体上呈现逐年上升的趋势，数字经济发展态势良好。从数值来看，16个城市中得分在0.1以上的城市由2009年的0个增加到2020年的16个，说明近年来安徽省各城市数字经济发展水平得到了质的飞跃。从区域差异角度来看，在2009--2020年间，各城市数字经济发展水平的排名变动不大，合肥、芜湖、马鞍山等皖南城市的数字经济发展水平较高，其中合肥的数字经济发展水平更是一枝独秀，远高于第二名的芜湖。淮南、宿州、亳州等城市的数字经济发展次之，其他城市较为落后。皖北地区相比皖南和皖中而言，数字经济发展水平相对较差，从样本年份的均值来看，排名第一的合肥与排名第十六的阜阳相差0.25，说明安徽省各城市数字经济发展水平差距较大。

 

图 1  安徽省2009-2020年各城市数字经济水平得分图

3.绿色经济效率的指标测度

（1）测度方法——非期望产出的超效率SBM-DEA模型

数据包络模型（DEA）是基于多投入、多产出变量评价同类型决策单元相对有效的方法。Tone于2001年提出的SBM-DEA模型将松弛变量直接纳入目标函数中，这在一定程度上克服了在测定效率时环境和资源因素被忽视的问题，并且在产出中使用了非期望产出。

（2）指标选取

绿色经济效率（Green Economy Efficiency, GeeEco）就是在考虑资源消耗投入与环境污染成本基础上评价地区要素投入、环境污染、经济效益产出的指标。该效率能表现出资源的利用效率、经济效益最大化的程度，同时还在其中考虑到了非期望产出。将资源消耗投入与环境污染非期望产出纳入生产过程中，所获得的综合效率值越大，表明绿色经济效率越高, 安徽城市层面绿色经济效率测度指标如表3所示。

表3  安徽城市层面绿色经济效率测度指标表

三、空间效应分析

1.模型设定与检验

（1）空间面板模型的选择

根据地理学的第一定律：一切事物在空间上都是联系在一起的,近处的事物在空间上比远处的事物联系更为紧密，新经济地理学理论探讨了市场与地理之间的关系。该理论认为,决策单元之间的地理距离接近可以降低区域之间的搜索和合作成本,加速其它生产要素的自由流动,并促进区域之间的生产链形成,这反过来又会导致市场规模的不断扩大。根据现有研究,区域间壁垒的逐步减少也有利于劳动力、技术等经济发展的要素从邻近城市流动。考虑到城市数字经济发展和绿色经济效率可能产生的空间效应,传统的非空间计量经济模型在评估中可能因为不能利用到空间信息来产生误差,计量经济模型中包含的空间效应更符合客观事实。因此,本文从空间的角度创建了一个计量经济模型,以实证验证数字经济发展水平对绿色经济效率的影响。

目前三个主流的空间面板模型分别为空间杜宾模型、空间滞后模型、空间误差模型，使用这三个模型对本文的研究对象进行建模。

空间杜宾模型(SDM)：

（2）空间自相关检验

在使用空间面板模型前需要对面板数据的空间自相关性进行检验，本文首先使用全局Moran指数检验2009-2020 年安徽省内16个地级市的数字经济发展水平和绿色经济效率的空间关联性，然后使用局部Moran探索安徽省内各市的数字经济发展水平和绿色经济效率的局部相关性。为了方便展示，表 4仅展示了2016-2020这5年的全局莫兰指数，可以从表中的数据分析，在样本年份期间各城市的数字经济发展水平和绿色经济效率的Moran's I指数均在1%的水平下显著为正数，说明数字经济发展水平与绿色经济效率在样本年份期间具有明显的空间相关性。

表4 安徽省各市数字经济发展水平和绿色经济效率的全局莫兰指数表

（3）空间权重矩阵的选择

目前,较为常用的空间权重矩阵为相邻空间矩阵，相邻空间的权重矩阵主要是根据决策单元的空间邻域来构建的,一般有两种计算方法:邻域Rook和邻域Queen。Rook邻接指两个空间单位有共同的边界,而Queen邻接指两个空间单位有共同的边界或共同的顶点。其中,通常使用Queen邻接矩阵,并定义为:

由于安徽省内各城市的位置相对集中以及Queen邻接矩阵结构和数值关系简单，采用Queen邻接矩阵不仅方便对模型进行计算，而且可以表征各城市之间的空间位置关系。但又考虑到其它空间权重矩阵所表现的不同的空间信息，本文在求解空间面板模型时使用Queen邻接矩阵，进行灵敏性分析时将空间权重矩阵替换成其它空间结构的矩阵进行计算。

2.空间面板数据指标选取

本文主要分析数字经济对绿色经济效率的影响，因此量化后的绿色经济效率（GeeEco）和数字经济水平（DigEco）分别作为模型的被解释变量和解释变量，两者可分别衡量经济发展与环境优劣的关系以及整个城市数字经济生态的水平。

此外，为了从多方面表征绿色经济效率以达到增强实证分析的可信度的目的，本文设计了以下几个控制变量：

城镇化水平（urban）：使用地区城镇化比例来表示，城市相对农村有更完善的资源处理再回收机制，对资源的有效利用符合可持续发展的理念，有利于绿色经济生态的成长。

环境投资力度(env):以每年环境保护的财政支出(万元)来表示。对于环境保护的财政可以很好地表现出政府对于环境方面的政策导向，可以直接地推动城市的绿色经济发展。

经济发展水平（pgdp）：以各城市的人均GDP(万元)来衡量，并进行自然对数处理。根据环境库兹涅茨曲线，环境污染指标与人均GDP之间呈现“倒U型”关系，因此可使用人均GDP侧面表现出城市的环境污染情况和绿色经济发展情况。

对于模型需要的数据的描述性统计如下表所示：

表5 实证分析变量描述性统计表

3.实证分析

（1）模型检验和选择

在一定的假设条件下，空间杜宾模型可简化为空间滞后模型和空间误差模型，因此选择空间面板模型时需要对各模型进行检验。首先使用LM检验和LR检验判空间杜宾模型是否可以简化为空间滞后模型和空间误差模型，经过检验LM-Lag和LM-Error以及Robust LM-lag和Robust LM-error均显著，并且LR-SDM-SAR和LR-SDM-SEM的统计值分别为28.57、59.24，均在1%的显著性水平下显著，与LM检验指向的模型一致，说明各项数据指标满足空间滞后模型以及空间误差模型。同时，使用Hausman检验使用固定效应模型还是随机效应模型，经计算检验值为22.03，在1%的显著性水平下拒绝了原假设，故使用固定效应模型。

考虑到分析的面板数据的时间区间较短，空间滞后模型以及空间误差模型会带来一定的空间滞后性，而且为避免残差之间的相关性影响空间计量的回归结果，最终选择双向固定效应的空间杜宾模型分析数字经济水平对绿色经济效率影响的空间效应。

（2）基准回归分析

依据上文的模型选择，本节使用空间杜宾模型结合空间权重矩阵对数据进行回归，为了增强回归的结果的可靠性和科学性，同时使用空间滞后模型进行回归并作为参照，回归结果见表 6。从表中可以看出，各变量的回归系数均能在5%的显著性水平下显著，两种回归模型的回归结果也基本吻合，可认为回归结果具有一定的准确性。数字经济发展水平的回归系数为0.912，并且该系数在1%的显著水平下显著，说明数字经济的发展有利于绿色经济效率的提升。

表6  基准回归结果表

从表中不仅可以分析出核心解释变量数字经济发展水平对绿色经济效率的促进程度，而且可以看出控制变量在绿色经济效率的提升方面同时具有促进作用。城镇化水平的回归系数为0.185，并且在5%的显著性水平下显著，这就说明提高城镇化水平有助于绿色经济的发展，其原因之一在于密集的人口区域更有利于交易和运输等产生的费用以及可以提高资源的利用效率，并且城镇化的建设有利于共享经济的发展。人均GDP可反映当地人民的生活条件以及城市的经济发展状况，该指标的回归系数为0.094，并且在1%的显著性水平下显著，说明经济的发展并不与绿色经济效率的提升具有矛盾，反而相互具有促进作用。使用发展的眼光看待问题，伴随着当地人民生活水平的提升，人民的受教育程度以及综合素质会逐步提高，越来越多的人会提高自己的环保意识、节能意识，培养可持续发展的价值观，同时，对于经济发展较好的地区的人民更倾向构建环境更加优美的城市蓝图^[13] 。随着经济的发展，有利于绿色经济发展的先进的技术将得到改进，企业可以开发、生产和再利用高能源效率的产品，从而降低运营成本并实现可持续发展。提升绿色经济效率不仅需要依靠企业、人民，更多的需要政府的政策导向以及投入环境保护当中的财政支出。环境投资力度的回归系数为6.79e-07，在5%的显著性水平下为正数，说明政府用于环境保护财政投入有利于促进城市的绿色经济发展，从侧面说明对于环境保护的政策导向对于绿色经济的发展起到了不可忽视的作用。

（3）空间溢出性分析

从上文可知，数字经济水平和绿色经济效率存在明显的空间性，现从该角度进行分析，数字经济水平不仅会影响本地的绿色经济效率，还会在空间上辐射到邻近区域的数字经济发展，进一步影响其绿色经济效率，因此分析其空间溢出效应具有一定的现实意义，现对上文使用的空间杜宾模型将数字经济水平对绿色经济效率的总效应分解成直接效应和间接效应，分解的具体结果如表 7所示。

对于数字经济水平，其在直接效应和间接效应的回归系数均为正数，说明数字经济发展在空间上具有一定的辐射能力，对本地和周边城市的绿色经济效率均具有促进作用。从分解的间接效应的回归系数可以看出，数字经济水平对提升绿色经济效率的溢出效应主要通过经济发展(pgdp)和环境投资力度(env)的渠道。变量pgdp在直接效应和溢出效应的回归系数均为正数，并且均在1%的显著性水平下显著，说明经济发展水平强的区域具有很强的带动作用，能对周边城市的经济发展起到带动作用，符合“先富带动后富”的发展方针，并且可促进周边城市的产业绿色化，提升企业发展过程中的技术创新意识，有利于提升绿色经济效率。环境投资力度(env)在两种分解效率下均为正数并且在5%的显著水平下显著，说明政府对于环境保护的投入可提高城市之间的绿色经济的流动，可吸纳相关专业的人才涌入到绿色经济发展的浪潮当中。技术方面的创新离不开高科技创新人才，技术创新带来的实际资本可在城市间自由流动，知识与智慧可促进和推动各城市之间的绿色产业的互补，侧面提升绿色经济效率^[14] 。 

表7  空间效应分解结果表

（4）区域异质性分析

从数字经济水平和绿色经济效率的量化结果可以看出，其均在区域上具有发展不平衡的特点，本节仍按照上文提到的分区域的结果对三个区域进行实证分析，具体数值见表 8。

从表中可以看出，皖南和皖中的数字经济发展对绿色经济效率的影响具有显著性，皖北地区则不具备，这说明确实存在区域之间的互质性。皖南和皖中数字经济对绿色经济效率的促进作用显著，皖南和皖中地区的旅游业相对皖中地区发展较好，而且皖南皖北地处淮河以南地区，地理优势对发展绿色经济具有一定的增益。深入推进改革开放，高质量发展动力活力持续释放，全面融入长三角一体化发展，这为其数字经济的发展提供了稳固的基础支持。皖南皖中地区在保持自然生态系统原真性和完整性的前提下，实现资源的可持续利用，满足多元发展需求，这对绿色经济效率产生的促进作用也就更为明显。

皖北地区的回归系数不显著，可能有以下几个原因导致：一是皖北城市相对产业结构落后，城市发展偏向工业化，相比而言，拥有更多的高污染、能源利用率低的企业，相比皖南皖中而言，这种经济发展模型制约了绿色经济的发展，企业转型速率也相对较慢。二是皖北地区的人口密度大，但外出务工人员较多，这就导致其数字经济建设起步较晚并且步伐较慢，在部分农村地区仍缺少完善的数字基础设备，数字基础设施建设方面仍有较大发展空间，数字经济的发展并没有形成明显的辐射效应。综合以上两点原因，皖北地区的数字经济对绿色经济效率的促进作用较皖南皖中地区小。 

表8  数字经济对绿色经济效率影响的分区域回归结果表

（5）灵敏性分析

为了检验回归结果的稳健性，现将通过更换空间权重矩阵和更换评价模型的方法进行检验。上文使用的是最基本的Queen邻接矩阵作为空间权重矩阵进行表征各城市的空间关系，现将各省内城市之间的高速公路条数作为空间权重矩阵的元素，该矩阵能表现出两个城市之间的经济和人员流动性，并将该矩阵带入模型中进行计算。将评价数字经济发展水平使用的熵权法替换成主成分分析法并重新进行计算，并将新得到的数字经济得分代入模型进行计算。

上述两次更换后模型求得的回归系数和显著性同上文一致，说明模型具有一定的稳健性。

四、结果分析与政策建议

1.结果分析

本文通过2009-2020年的面板数据分析安徽省内各城市的数字经济水平对绿色经济效率的影响。使用熵权法对各城市的数字经济水平进行测度，使用非期望产出的超效率SBM-DEA模型评估各城市的绿色经济效率。使用空间杜宾模型深入探索各城市的数字经济水平对绿色经济效率的影响关系，并增加了人均GDP、环境投资力度、城镇化水平作为控制变量。通过回归结果可以看出，数字经济水平对绿色经济效率具有促进作用，提升各控制变量也有利于提高绿色经济效率。通过杜宾模型的效应分解，可认为二者在空间上存在一定的关联性，从溢出效应可以看出，数字经济发展对区域绿色经济效率的提升作用主要通过经济发展(人均GDP)以及环境投资力度的渠道产生溢出效应，表明城市数字经济的发展有利于其他城市绿色经济效率的提高，这为推动区域绿色协调发展提供了实证依据。通过区域异质性分析得出，数字经济对皖南和皖中城市的绿色发展具有显著的促进作用，但皖北地区的回归结果并不显著，说明数字经济发展对绿色经济效率的促进作用在安徽省各区域存在差异。 最后，对模型进行了灵敏性分析，验证了模型具有一定的稳健性。

2.政策建议

第一，安徽省各地政府应持续优化数字经济发展政策，确保数字经济健康可持续发展，尤其对于数字经济发展相对缓慢的皖北地区。通过本文对数字经济和绿色经济效率的测度以及实证分析，认为数字经济对于绿色经济效率起到了不可忽视的正向作用，维护好数字经济的发展也是在促进绿色经济效率的稳步提升。各级政府可加快数字基础设施的建造以及数字化人才的储备过程，将数字经济发展的基础夯实，为全省乃至周边省份的绿色经济发展贡献安徽力量。

第二，政府制定相关政策时，应考虑到各区域之间的差距，做到因地制宜、因势利导。上文可看出数字经济水平以及绿色经济效率具有明显的区域性，无论是在时间维度还是在空间维度上。各地政府应该意识并尊重发展过程中的差距，制定科学的、有利于当地发展现状的治理政策。

第三，制定策略构建区域发展新格局，充分发挥数字经济带来的辐射效应。数字经济相对传统经济可打破空间维度上的限制，可实现区域之间的快速联通。数字经济与传统经济模式相结合的发展模式可促进各区域之间的合作，有利于社会资源的流动，缩小各地区发展速度的差距。因此，政府部门应该合作构建数字经济高质量发展区域网络，利用数字经济的辐射效应实现多方面多角度的合作共赢。

参考文献：

[1]沈运红,黄桁.数字经济水平对制造业产业结构优化升级的影响研究——基于浙江省2008—2017年面板数据[J].科技管理研究,2020,40(3):147-154.

[2]Ciocoiu, Carmen Nadia. Integrating Digital Economy and Green Economy: Opportunities for Sustainable Development[J]. Theoretical and Empirical Researches in urban Management. 2011, 6(1): 33-43.

[3]Moyer, J. D. and Hughes, B. B. ICTs: Do They Contribute to Increased Carbon Emissions[J].Technological Forecasting ＆ Social Change,79(5):919-931.

[4]谢雄标,吴越,严良.数字化背景下企业绿色发展路径及政策建议[J].生态经济,2015,31(11): 88-91

[5]解春艳,丰景春,张可.互联网技术进步对区域环境质量的影响及空间效应[J].科技进步与对策,2017,34(12): 35-42.

[6]王子敏,李婵娟.中国互联网发展的节能减排影响实证研究: 区域视角[J]. 中国地质大学学报(社会科学版),2016,16(6):54-63+152.

[7] Kumar I S, Manas T . The nexus of ICT, electricity consumption and economic growth in India:an ARDL approach[J]. International Journal of Indian Culture and Business Management, 2017,14(4):457-469.

[8]刘传辉,杨志鹏.城市群数字经济指数测度及时空差异特征分析——以六大城市群为例[J].现代管理科学,2021(4):92-111.

[9]万晓榆,罗焱卿,袁野.数字经济发展的评估指标体系研究——基于投入产出视角[J].重庆邮电大学学报(社会科学版),2019,31(6):111-122.

[10]刘军,杨渊鋆,张三峰.中国数字经济测度与驱动因素研究[J].上海经济研究,2020(6):81-96.

[11]赵涛,张智,梁上坤.数字经济、 创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.

[12]陈琳.数字经济发展对绿色经济效率的影响研究[D].太原:山西财经大学,2023

[13]高智.加快推进环保服务业数字化转型升级——评人民出版社《数字经济与环保服务业发展研究》一书[J].价格理论与实践,2023(4):117.

[14]白俊红,王钺, 蒋伏心,李婧.研发要素流动、空间知识溢出与经济增长[J].经济研究,2017,52(7):109-123.