数字经济、环境规制与绿色全要素生产率

赵 爽，米国芳，2，张晶珏

（1.内蒙古财经大学 统计与数学学院，内蒙古 呼和浩特 010070；
2.内蒙古财经大学内蒙古经济数据分析与挖掘重点实验室，内蒙古呼和浩特 010070）

21世纪以来，我国经济飞速发展，国民经济水平不断提高，但同时也带来了一系列的社会问题，如经济发展不注重质量、环境污染问题等。针对经济发展存在的问题，我国采取了相应的治理措施，提出经济要转向高质量发展。党的二十大上习近平总书记再次强调了高质量发展的重要性，要求积极推动经济实现质的提升与量的增长，着力提高全要素生产率。针对当前我国经济发展带来的环境问题，习总书记提出要推动绿色发展观念，倡导生态环境治理与经济向绿色高质量转型，也就是说提升绿色全要素生产率是这一转型的重要部分。

数字经济是当今经济社会发展的新技术、新经济形态，对我国经济发展具有重要意义，如绿色全要素生产率的提升就需要数字经济技术的推动。海南省绿色金融研究院（2021）[1]在发表关于数字经济、绿色发展问题的文章中指出：“数字经济发展仍然面临着严峻的碳排放问题。”渠慎宁等（2022）[2]也认为，数字经济碳排放还未出现绿色低碳发展态势，未来数字经济碳排放将成为我国碳排放的主要来源之一。目前我国正努力制定合理的环境管控措施，以期在发展数字经济的同时减少碳排放量，提升绿色全要素生产率水平，但由于我国本身环境状况与经济发展水平的限制，改进方式仍有待提高与完善。

本文结合数字经济与环境规制，从空间效应与门槛效应两个角度研究二者对绿色全要素生产率的影响，深度挖掘其对经济绿色高质量发展的重要性，希望能够从中找到适合我国经济绿色高质量发展的道路。

目前国内外对于绿色全要素生产率的研究主要集中在两个方面：一是测度和分析不同领域的绿色全要素生产率，二是研究绿色全要素生产率的影响因素。

首先，本文对测度和分析不同领域绿色全要素生产率方面的相关研究进行了综述。Pittman（1983）[3]在研究造纸厂的全要素生产率时，在测算体系中加入了环境因素，分析了环境因素对全要素生产率的影响，绿色全要素生产率的概念也因此开始出现。Hu和Liu（2017）[4]通过核算澳大利亚建筑业的全要素生产率，提出了新的生产率测量方法。国内学者也从不同领域对绿色全要素生产率进行了广泛研究。建筑业领域中，向鹏成等（2019）[5]采用GML模型测算了建筑业绿色全要素生产率，认为建筑业绿色全要素生产率的缓慢增长主要是由于技术进步。花均南和王岩（2020）[6]基于我国30个省份的面板数据，运用CCR、BCC和Malmquist指数模型测度了建筑业绿色全要素生产率，认为建筑业绿色全要素生产率存在地域差异，我国建筑业仍处于高投入、高污染发展阶段。李慧等（2021）[7]采用两阶段网络DEA模型测度了建筑业绿色全要素生产率。农业领域中，周鹏飞等（2020）[8]运用基于松弛变量的超效率模型对三峡库区重庆段的农业绿色全要素生产率进行了指数测算，提出技术进步对农业绿色全要素生产率的增长具有促进作用。郭永奇和侯林岐（2020）[9]采用基于松弛变量的方向距离函数（SBM-DDF）的Luenberger指数，对我国粮食主产区的农业绿色全要素生产率进行了测度。李欠男等（2020）[10]运用混合距离函数的全局ML指数对农业绿色全要素生产率进行了测算。郭海红和刘新民（2020）[11]采用改进的EBM模型并结合ML指数对农业绿色全要素生产率进行了测算。工业领域中，孙燕铭和孙晓琦（2018）[12]运用DEA-Malmquist模型测度了长三角地区城市的工业绿色全要素生产率，并分析了其空间格局，认为工业绿色全要素生产率在逐年上升，且在空间上具有集聚性与溢出性。刘淑茹等（2020）[13]对工业行业进行了划分，选取投入产出指标运用GML指数法对工业绿色全要素生产率进行了分解，认为中国工业绿色全要素生产率正在稳步增长，且不同工业行业依靠的增长方式不同。

其次，学者们在研究绿色全要素生产率如何测度的同时，也对其影响因素进行了广泛研究。在环境规制与绿色全要素生产率的相关研究中，蔡乌赶和周小亮（2017）[14]运用EBM-DDF模型测度了我国绿色全要素生产率，之后通过建立计量模型分析发现，绿色全要素生产率会受到环境规制类型的影响，其中命令控制型环境规制对绿色全要素生产率未产生显著影响。王伟和孙芳城（2018）[15]采用SBM模型及ML指数测度了绿色全要素生产率，并运用动态面板模型研究了环境规制和金融发展两个因素对绿色全要素生产率的影响，认为二者对绿色全要素生产率发展都有促进作用。李卫兵等（2019）[16]采用非径向、非角度的SBM方向性距离函数测度了绿色全要素生产率，并分析了绿色全要素生产率与环境规制的关系。高艺等（2020）[17]利用SE-SBM模型测算了各省的绿色全要素生产率，并采用空间计量模型和面板门槛模型分析发现，环境规制对绿色环境保护具有门槛效应。吴磊等（2020）[18]采用DEA-GML指数测算了绿色全要素生产率，并研究了不同类型环境规制对绿色全要素生产率的影响，认为短时间内公众自愿型和市场激励型环境规制会抑制绿色全要素生产率增长，但长时间内却会促进其增长，另外命令控制型环境规制对绿色全要素生产率的增长作用不显著。在数字经济与绿色全要素生产率的相关研究中，程文先和钱学锋（2021）[19]采用面板门槛模型分析认为，数字经济从整体上推动了全要素生产率的发展。周晓辉等（2021）[20]从要素配置视角研究发现，数字经济会提高绿色全要素生产率，但是会出现“虹吸效应”来阻碍周围城市的绿色全要素生产率提升。徐军委和刘志华（2022）[21]运用PVAR模型进行了实证分析，认为数字经济与绿色经济都在逐步提升，且实现了协调互动发展。张帆等（2022）[22]采用DEAML法计算了我国的绿色全要素生产率，并研究认为数字经济在推动效率提高、技术进步的同时也能够促进绿色全要素生产率提升。

综上来看，绿色全要素生产率的相关研究方法与研究角度日渐丰富，但现有研究对绿色全要素生产率与数字经济的空间关系却涉及较少，并且较少从环境规制角度深入研究数字经济与绿色全要素生产率的空间溢出效应以及非线性特征。基于此，本文将构建囊括环境规制和数字经济交互项的空间杜宾模型来研究环境规制、数字经济对绿色全要素生产率影响的空间效应与交互效应，并基于空间计量分析结果进一步构建面板门槛模型来探寻环境规制实施力度的拐点，以及分析不同环境规制拐点区间内数字经济与绿色全要素生产率的非线性结构。

（一）数字经济对绿色全要素生产率的影响

数字经济是当前经济发展形态不断变化下产生的一种新经济形态，其发展的主要动力是数字技术，也就是说，数字技术的创新与发展对经济高质量发展具有重要推动作用。企业对数字经济技术的开发与创新能够有效帮助其进行数字化升级，快速获取行业动态，进而提高企业自身的竞争力。而且，这会产生“鲶鱼效应”，会带动中国企业全面进行数字技术的研发与创新。这种新的经济形态在提高全要素生产率的同时也会对环境产生重要影响，朱喜安和马樱格（2022）[23]认为数字经济发展有利于绿色全要素生产率的提升。若在发展数字经济的同时加大对绿色技术方面的投入，就会提升绿色全要素生产率。基于此，本文提出假设1。

假设1：数字经济对绿色全要素生产率具有促进作用及空间溢出效应。

（二）环境规制对数字经济与绿色全要素生产率关系的门槛作用

环境规制是政府为对环境进行调节而颁布一系列保护环境的制度，以期通过这些制度来改善环境质量。针对环境规制问题提出的“波特假说”认为，在对环境规制进行适当约束时，企业将会加大对绿色生产技术的开发，减少企业生产过程中带来的环境污染，从而提升绿色全要素生产率水平。伦晓波和刘颜（2022）[24]研究认为，绿色生产技术的开发主要是通过数字经济发展获取先进的信息技术资源，从而提高绿色生产技术。陈超凡等（2018）[25]认为，环境规制与绿色全要素生产率之间存在非线性关系且符合倒“U”型关系。基于此，本文提出假设2。

假设2：环境规制对数字经济与绿色全要素生产率之间的关系具有门槛效应。

（一）绿色全要素生产率的测度与现实特征描述

1.绿色全要素生产率（GTEP）的测度。为了克服DEA模型存在的径向和角度测度偏差问题，Tone（2003）[26]提出了基于松弛变量且考虑非期望产出的SBM模型，本文又参考李金克等（2020）[27]对绿色全要素生产率的测算方式，选择在规模报酬不变的情况下构建非期望产出SBM模型，并在此基础上利用Global Malmquist-Luenberger（GML）指数以2004年为基期测算绿色全要素生产率。在测算绿色全要素生产率时，要素投入包括劳动、资本和能源投入，其中劳动投入用就业人数表示，资本投入用永续盘存法测算的资本存量表示，能源投入用能源消费总量表示。非期望产出为工业废水中的COD排放量、废气中的SO2排放量。期望产出为地区生产总值。

2.绿色全要素生产率的现实特征描述。为了更好地分析2013—2019年间我国各省份（西藏、香港、澳门和台湾除外）绿色全要素生产率的动态变化情况，本文利用MAXDEA 8.0软件，基于非期望产出SBM模型和GML生产率指数法，测算了我国30个样本省份的GML指数及其分解变量技术效率变化（EC）和生产技术变化（TC），还测算了由技术效率变化（EC）分解出的纯技术效率变动（PEC）与规模效应变动（SEC），测算结果如表1所示。从2013—2019年间30个样本省份的GML指数来看，只有广东、黑龙江、青海、宁夏、新疆这五个省份的GML指数小于1，说明这五个省份的绿色全要素生产率水平存在倒退趋势。进一步从GML分解指数来看，东部地区中广东的技术效率变化（EC）均值为0.911，未达到1，说明广东省技术效率的降低阻碍了其绿色全要素生产率的增长。中部地区中黑龙江的技术效率变化（EC）均值为0.924，也未达到1，说明黑龙江的技术效率降低也阻碍了其绿色全要素生产率的增长。西部地区中青海、宁夏、新疆的技术效率变化（EC）均值都小于1，这也是这三个省份的绿色全要素生产率水平呈下降趋势的原因。其他省（市、自治区）的GML指数均值均大于1，呈现出逐年增长趋势，说明我国大部分省份的绿色全要素生产率水平都在逐年提升。从区域角度来分析，我国东、中、西部地区的绿色全要素生产率呈现出明显的区域异质性。其中，绿色全要素生产率水平最高的区域为东部地区，其GML指数均值为1.039，最低的为西部地区，其GML指数均值为1.015。从GML分解指数整体来看，我国东、中、西部地区技术效率变化（EC）的均值都小于1，说明要想提升绿色全要素生产率的发展水平，就应该多注重技术效率的提升。进一步，将技术效率变化（EC）分解为纯技术效率变动（PEC）与规模效应变动（SEC），可以看出：东部地区除广东外，中部地区除黑龙江外，其余省份的纯技术效率变动（PEC）均值都大于1；
西部地区中除青海、宁夏、新疆的纯技术效率变动（PEC）均值小于1外，其余省份都大于1；
中、西部地区中部分省份的规模效应变动（SEC）均值小于1，最终影响GML指数的是各省份的纯技术效率变动（PEC），所以纯技术效率变动（PEC）小于1的省份，其GML指数也小于1；
东部地区的纯技术效率变动（PEC）均值最大，西部地区最小。要想提高纯技术效率，可以从提高技术水平、技术管理、技术投入等方面进行改进与创新。我国东、中、西部地区的经济科技等方面存在不平衡、差距大等问题，目前我国在注重东中部地区绿色经济发展的同时，也在努力进行西部地区绿色经济发展的改进与创新。其中，针对西部地区进行的经济大开发政策正在有效实施当中，应当继续加大西部地区的科学技术发展，推动数字经济创新发展，这是提高西部地区绿色经济发展水平的一个有效措施。

表1 （续）2013—2019年我国30个样本省份的绿色全要素生产率GML指数及其分解指数均值

表1 2013—2019年我国30个样本省份的绿色全要素生产率GML指数及其分解指数均值

（二）数字经济的测度与现实特征描述

1.数字经济发展水平（DE）的测度。对于数字经济的测度，本文构建了一个指标体系，选取了信息化发展、互联网发展、数字交易发展三个一级指标（刘军等，2020；
袁慧爱等，2022）[28,29]和信息化基础、信息化影响、固定端互联网基础、移动端互联网基础、固定端互联网影响、移动端互联网影响、数字交易基础、数字交易影响八个二级指标。数字经济发展水平测度的指标体系如表2所示，本文基于该指标体系采用熵值法测度了我国30个样本省份的数字经济发展水平。

表2 数字经济发展水平测度指标体系

2.数字经济发展水平的现实特征描述。为了更清楚地展示30个样本省份数字经济发展水平的时序演变特征，本文利用Stata16.0软件绘制了2013—2019年间30个样本省份的时序趋势图，如图1所示。

图1 2013—2019年间30个样本省份的数字经济发展水平时序

从图1可以看出，2013—2019年间我国样本省份的数字经济指数变化整体上呈逐渐上升趋势，但不同省份的发展速度存在较大差异。其中，位于我国东部地区的上海、北京、广东、湖北、浙江这五个省份的数字经济指数上升速度很快，在发展数字经济方面取得了非常显著的成绩，而其他省份的数字经济发展速度则相对缓慢且相差不大。这也从侧面反映出，我国各省份的数字经济发展虽然整体上越来越好，但除少部分地区外，大部分地区的数字经济发展速度仍旧比较缓慢。我国需要不断加大数字经济技术的研发与创新，提高数字经济发展质量，加快数字经济发展速度，尽快实现全国范围内数字经济的高速发展，打破数字经济发展速度不均衡的现象。

（三）环境规制的现实特征描述

1.环境规制（ER）的测度。对于环境规制的测度虽然目前学术界还存在争议，但主要从三个方面进行：第一，从治理环境投入金额的角度进行测量（米国芳，2021）[30]，治理环境成本越高说明环境管制越强，往往选取设备运行成本、治污减排的投入金额、治污减排投入占GDP的比重、人均污染治理费用等环境污染治理指标作为环境规制强度的主要衡量指标；
第二，从政府颁发环境法规的次数、政府监督企业履行环保政策的次数、居民对环境问题反映的次数等角度进行测量；
第三，结合不同类型的环境污染情况或其他相关指标构建环境规制综合指数来进行度量。本文利用熵值法计算了烟尘、SO2、工业废水排放量的环境规制综合指数，并将其作为环境规制的代理变量（齐红倩、陈苗，2018）[31]。

2.环境规制的现实特征描述。为了更清楚地展示样本省份环境规制的时序演变特征，本文采用Stata16.0软件绘制了2013—2019年间我国30个样本省份环境规制指标的时序图，如图2所示。可以看出，2013—2019年间除上海、北京、天津、宁夏、海南、重庆、青海这七个省份的环境规制变化相对平稳外，其余省份的环境规制都是从开始的上升趋势逐渐转变为下降趋势。其中，内蒙古、山东、山西、广东、河北、河南这六个省份的环境规制波动起伏较大，说明这六个省份在环境规制力度方面做了非常多次的调整来适应自身的环境发展。这也从侧面反映出，我国各省份在不断调整环境规制政策的力度，从一开始的盲目加大环境规制政策力度到后来逐渐放缓环境规制政策力度，进而从中探索出适合自身发展的环境规制力度，争取做到更高效的环境治理，这也是我国在不断调整环境政策中逐渐摸索出来的发展方向。

图2 2013—2019年间30个样本省份的环境规制时序

（一）变量选取与数据来源

本文选取了绿色全要素生产率（GTEP）为被解释变量，同时选取了数字经济（DE）、环境规制（ER）为核心解释变量。考虑到地区差异等因素，还选取了产业结构（SIS）、外商直接投资（FDI）、居民人均可支配收入（IL）为控制变量。具体变量定义见表3。

表3 变量定义

本文选取了2013—2019年我国30个省份为研究样本（由于缺乏数据，西藏、香港、澳门和台湾除外），数据来源于样本省份历年《统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》和国家统计局。

（二）模型设定

1.空间计量模型设定。

（1）空间权重矩阵设定。空间权重矩阵主要包括经济距离空间权重矩阵、邻接空间权重矩阵、地理距离空间权重矩阵等。本文采用邻接空间权重矩阵（wij）分析空间相关性，具体为：

（2）莫兰指数。选择出合适的空间权重矩阵后，需要计算莫兰指数以确定变量是否存在空间相关性。Moran’s I指数的计算公式为：

其中，n为研究区域的个数；
yi和yj分别代表第i个地区和第j个地区的属性值；
y表示研究区域属性值的平均值；
wij为空间权重矩阵。

（3）空间计量模型构建。常用的空间计量模型主要包括三种：空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。其中，SLM模型主要用于研究因变量的自相关情况，SEM模型主要用于研究误差项的自相关情况。SDM是SLM和SEM的扩展形式，主要用于研究同时考虑因变量和自变量的自相关情况，在一定条件下SDM可以转化为SLM或SEM。因此，本文建立空间杜宾模型来研究环境规制、数字经济对绿色全要素生产率的影响。为了进一步研究环境规制与数字经济的交互作用对绿色全要素生产率的影响，本文还在模型中加入了环境规制与数字经济的交互项ER×DE，最终模型构建如下：

式中，i为各省份（i=1，2，...，30），t表示时间（t=1，2，...，7），ρ为空间自回归的相关系数，αn和βn为各项的回归系数，W为空间权重矩阵，εit为随机误差项，WGTEP为被解释变量的空间滞后项，WDE、WER、WER×DE、WSIS、WFDI、WIL为各解释变量的空间滞后项。

2.面板门槛模型设定。为了探讨不同环境规制水平下数字经济对绿色全要素生产率的影响，本文构建了以环境规制为门槛变量的面板门槛效应模型。单门槛效应模型为：

公式（4）表示单门槛变量模型下核心变量为数字经济的面板门槛效应回归模型。其中，ER为门槛变量，γ1、γ2为门槛参数，I（·）表示示性函数。

（一）空间效应分析

1.空间相关性检验。本文利用Stata软件按照Moran’s I指数定义分别计算了邻接空间权重矩阵下2013—2019年环境规制、数字经济、绿色全要素生产率的Moran’I指数，并得到了相应的Z统计量值，结果见表4。

表4 2013—2019年环境规制、数字经济与绿色全要素生产率的莫兰指数

从表4可以看出，2013—2016年间及2019年的环境规制、2016—2019年间的绿色全要素生产率和2013—2019年间的数字经济的Moran’s I指数均显著为正，只有个别年份的Moran’s I指数不显著。依据赵磊等（2014）[32]的观点，虽然某些年份的数据不显著，但可以基本说明相关性存在，空间集聚现象是客观存在的。这说明，在空间范围内这三个变量之间具有明显的正向空间关系和空间集聚特征，可以进行空间计量模型分析。

为了对空间相关性的Moran’s I指数散点图进行简单的局部对比分析，本文绘制了2018年和2019年各省份的绿色全要素生产率局部空间散点图，分别见图3和图4。

图3 2018年各省份的绿色全要素生产率局部空间散点图

图4 2019年各省份的绿色全要素生产率局部空间散点图

从图3和图4可以看出，2018年和2019年绿色全要素生产率位于第二象限和第三象限的省份明显多于位于第一象限和第四象限的省份，表明“低-低”型和“低-高”型集聚的省份比“高-高”型和“高-低”型集聚的省份多，也说明绿色全要素生产率主要呈现出“低-低”型和“低-高”型的空间聚集特征。还可以看出，2018年和2019年各省份绿色全要素生产率的空间聚类分布特征保持了较为稳定的态势。其中，具有“高-高”型分布特征的上海、天津位于东部沿海地区，只有北京位于东部内陆地区，而具有“低-低”型分布特征的内蒙古、云南、宁夏、新疆、青海等省份大多位于西部地区。这说明，我国绿色全要素生产率发展较好的省份大多位于东部地区，但从其主要分布形式来看，绿色全要素生产率水平较高的省份对其周边绿色全要素生产率水平较低省份的带动作用还有提升空间。西部地区的绿色全要素生产率发展水平过低，存在绿色全要素生产率在空间上发展不平衡的问题。鉴于我国绿色全要素生产率的整体发展水平仍然偏低，那么应如何让绿色经济发展较好的地区有效带动较差的地区发展，以及如何制定相关政策和进行技术开发以促使绿色经济发展较差的地区发展，这是需要重点考虑的问题。

2.空间模型选择与估计。为了构建合适的空间计量模型来分析环境规制、数字经济对绿色全要素生产率的空间影响，本文首先采用LM检验与稳健的LM检验来判断模型是否存在空间滞后项或空间误差项。LM检验结果如表5所示。可见，稳健的Robust-LM-Lag统计量不显著，LM-Error统计量、LM-Lag统计量和稳健的Robust-LM-Error统计量均通过了1%的显著性检验，这表示既可以构建空间误差模型也可以构建空间杜宾模型来进行回归分析。为了描述数字经济和环境规制对绿色全要素生产率影响的直接效应与间接效应，本文选择构建空间杜宾模型进行回归分析（后面的稳健性检验也证实了构建空间杜宾模型最合适）。为了进一步确定是选择固定效应还是随机效应来构建空间杜宾模型，还需要进行Hausman检验，Hausman检验统计量对应的P值为0.000，在5%的水平下具有统计显著性，拒绝了随机效应的原假设，因此应构建固定效应空间面板杜宾模型进行回归分析。

表5 LM检验

固定效应又分为个体固定效应、时间固定效应和时间个体双固定效应，在确定选用空间杜宾模型的固定效应后，还需进一步确定固定效应的具体形式。表6列出了三种固定效应下空间杜宾模型的回归结果，用以比较进而选择合适的固定效应模型。

表6 （续） 固定效应空间杜宾模型的三种回归结果

表6 固定效应空间杜宾模型的三种回归结果

从表6来看，时间个体双固定效应的rho和Sigma2均通过了1%的显著性检验，且log-likelihood的数值最大，因此选取空间杜宾模型固定效应中的时间个体双固定效应对后续内容进行研究。（1）数字经济（DE）对绿色全要素生产率（GTEP）的影响系数为2.882，且在1%的统计水平上显著，说明发展数字经济对提升绿色全要素生产率的水平具有显著促进作用。习近平总书记曾强调，生态文明建设是我国绿色经济发展中需要考虑的重点问题，其中数字经济在绿色经济发展中具有非常重要的地位。在2022年初举行的新经济智库大会上，参加会议的专家一致认为，目前能源变革的关键在于数字化技术发展，让数字经济发展得更强是夯实社会发展的“绿色基石”。数字经济为低碳生活注入了新的活力，人们可以借助数字技术开发新的绿色消费理念，让全民参与到绿色消费活动中，从而进一步促进我国经济向绿色高质量发展。（2）环境规制（ER）对绿色全要素生产率影响的回归系数为0.345，且在1%的水平上显著，说明环境规制对绿色全要素生产率提升具有显著的促进作用，这恰好与“促进论”的“波特假说”结果相同。出现这种现象的主要原因可能是，政府为了推动经济绿色发展，在不断制定环境治理方案的同时，也在督促企业进行污染排放治理与节能减排装置开发，从而加快了企业的环境治理进程，提升了绿色全要素生产率水平。为了降低我国环境污染程度，促进经济绿色高质量发展，我国已经在积极开发清洁能源，除了进行煤炭发电外，我国部分地区已经逐步开始使用风力发电、太阳能发电。并且，我国还针对传统煤炭发电带来的污染问题进行了节能减排技术改进，比如使用洁净煤技术进行煤炭发电。这些节能减排技术的改进与清洁能源的开发利用促使我国在环境治理方面以及经济绿色发展方面都有了很大提升。（3）数字经济与环境规制交互项的回归系数为-1.323，说明环境规制能够降低数字经济对绿色全要素生产率的提升作用。原因可能是，政府过于加强企业环境监督检查，使得企业在进行自身生产的同时还要支付因环境检查不合格带来的额外罚款以及进行数字经济技术升级改造所需的费用，这些都会提升企业的生产成本，加重企业的经济负担。企业为了保持正常生产运作，不得不减慢数字经济技术的开发和创新，经济负担严重的企业甚至会停止开发、应用新数字经济技术，使得绿色全要素生产率水平的发展受到限制。（4）控制变量中，产业结构（SIS）对绿色全要素生产率的影响系数是-0.758，在10%的水平上显著，说明产业结构的发展会抑制绿色全要素生产率的提升，我国应该优化产业结构，提高绿色经济发展质量。外商直接投资（FDI）对绿色全要素生产率的影响系数显著为正（8.902），说明外商直接投资显著促进了绿色全要素生产率的提升，随着我国对外商投资市场环境、政策等条件的改善，外商投资对我国经济发展越来越有利。居民人均可支配收入（IL）对绿色全要素生产率的影响系数显著为负（-0.377），说明其对绿色经济发展有抑制作用。

3.模型稳健性检验。在确定选取空间杜宾模型的时间个体双固定效应后，需要进行稳健性检验来判断模型的稳定性。本文采用LR检验与Wald检验两种方法对模型进行稳健性检验，结果如表7所示。可见，LR检验统计量和Wald检验统计量对应的P值均通过了1%水平下的显著性检验，说明该模型不会退化为空间滞后模型和空间误差模型，即本文构建的个体时间双固定效应空间杜宾模型是合适的。

表7 LR检验和Wald检验

4.空间溢出效应分解。为了更具体识别环境规制和数字经济对绿色全要素生产率的空间效应，本文基于空间邻接权重矩阵，进一步采用偏微分法将环境规制和数字经济对绿色全要素生产率影响的空间溢出效应分解为直接效应、间接效应与总效应，分解结果如表8所示。

表8 （续） 空间溢出效应分解

表8 空间溢出效应分解

表8显示，数字经济对绿色全要素生产率的直接效应在1%的水平上显著为正，说明发展数字经济可以直接提升绿色全要素生产率。这主要是由于，数字经济技术的进步能有效促进企业进行低碳转型，改变企业原有的生产技术并减少其带来的污染，使生产技术朝“数字化”“低碳化”方向迈进，推动经济向绿色高质量发展。数字经济对绿色全要素生产率的间接效应也显著为正，说明数字经济对邻近省份产生了正向溢出效应。这主要是由于，数字经济发展水平较高的省份不仅提升了本省份的数字经济内在质量和绿色全要素生产率水平，而且推动了数字经济发展规模扩大及其技术高度创新，当周边省份发现其发展数字经济的益处后会向其积极学习数字经济创新发展技术，所以本省份数字经济水平的提升会通过“扩散效应”带动周边地区的绿色全要素生产率水平提升。比如，珠三角地区是我国最早布局数字经济政策的地区之一，广东省更是在其2018—2025年规划中提出了2022年数字经济规模要达到7万亿元的目标，这是明确提出数字经济目标规模最大的省份。广东省数字经济规模的加大在改善本省经济环境、提升本省绿色全要素生产率的同时，也带动了福建、湖南、江西等周边省份的数字经济发展，从而提升了这些周边省份的绿色全要素生产率水平。

环境规制对绿色全要素生产率的直接效应在1%的水平上显著为正，表明环境规制会推动绿色全要素生产率水平提升，这与政府有效进行的环境管控有关。环境规制对绿色全要素生产率的间接效应显著为负，说明环境规制对邻近省份绿色全要素生产率水平的提升具有明显抑制作用。这可能是由于，本地区环境管制的实施使得企业无法在短时间内进行技术升级与改造，但企业还要进行正常的生产与运作，企业为了保证利益不受损失，在进行技术改造之前只能把污染较为严重的工厂暂时转移到相邻地区，致使转移到邻近地区的污染工厂突然增多，而邻近地区政府又无法在第一时间提出应对之策，最终使得邻近地区的环境污染加重，从而严重阻碍了邻近地区绿色全要素生产率的提升。所以，邻近地区政府应该提前制定应对这种情况的政策，以保证在问题发生时不会影响其经济的绿色发展。

数字经济与环境规制的交互项对绿色全要素生产率的直接效应在1%的水平上显著为负，说明环境规制力度的增强会降低数字经济对本地区绿色全要素生产率水平的提升作用。数字经济与环境规制的交互项对绿色全要素生产率的间接效应也显著为负，说明二者交互作用对邻近省份绿色全要素生产率的增长产生了负向空间溢出效应。主要原因可能是，政府对企业的环境管制在抑制企业发展数字经济的同时也降低了本地区的绿色全要素生产率水平，本地区企业为保证利益会暂时将污染工厂转移至邻近省份，导致邻近省份出现环境问题，而邻近省份企业在保护自身利益不受损害的同时却无暇兼顾环境管理与数字经济技术创新发展，从而阻碍了绿色全要素生产率水平的提升。张帆等（2022）[22]在研究中也明确指出，数字经济与环境规制的交互项对绿色全要素生产率具有负向空间溢出效应。

产业结构和居民人均可支配收入对绿色全要素生产率的间接效应为负，但并不显著，说明其对周边地区的空间溢出效应并不明显。外商直接投资对绿色全要素生产率的间接效应在1%的水平上显著为正，说明外商直接投资会对邻近省份产生正向空间溢出效应。外商直接投资在带动本省份发展的同时，也会推动周边省份的外商直接投资发展，从而提升周边省份的绿色全要素生产率水平。

（二）门槛效应分析

1.门槛效应检验。前文的空间计量回归结果显示，环境规制力度的增强会削弱数字经济对绿色全要素生产率的提升效果，为了探寻环境规制实施力度的拐点及分析不同环境规制拐点区间内数字经济与绿色全要素生产率的非线性结构，本文构建了以环境规制为门槛变量、以数字经济为核心变量的面板门槛模型。门槛效应检验结果见表9，可见单门槛下检验统计量对应的P值为0.000，且通过了1%的统计显著性检验，说明当环境规制为门槛变量时，数字经济对绿色全要素生产率的影响只存在单一门槛效应。

表9 门槛效应检验

2.估计结果分析。对单门槛回归模型进行参数估计，结果如表10所示。估计结果显示，单门槛效应下，当门槛变量环境规制力度处于较低水平时（ER≤0.006），数字经济的系数估计值为5.414，且在1%的水平上显著，说明数字经济发展对绿色全要素生产率提升存在显著正向影响。当环境规制跨过门槛值0.006之后，数字经济的系数估计值为0.425，也具有统计显著性，但系数变小了，说明随着环境规制力度的加大，数字经济发展对绿色全要素生产率提升的促进作用开始减弱。原因可能是：当政府采取适度的环境管控时，会产生“倒逼效应”，使得企业有更多的时间进行生产设备升级，而这会通过加大数字经济技术改革力度降低企业生产过程中的污染水平，从而提升绿色全要素生产率水平；
如果政府的环境管控约束过于紧绷，就会导致企业无暇兼顾生产与技术改革，使企业经济面临崩溃的局面，数字经济技术改革也会变缓，环境治理效率低下，从而绿色生产效率的提升也会变慢。可见，过强的环境管控不一定会对环境治理、数字经济与经济绿色高质量发展产生正向影响。

表10 门槛模型回归

我国“十四五”发展规划中明确指出，进行绿色发展是我国当前发展的首要目标，绿色经济发展是我国未来经济发展的重要方向。经过我国对绿色经济发展方向的不断探索，认为数字经济与绿色经济发展有着非常重要的联系，只有不断进行数字经济技术创新与改革，才能有效带动绿色经济高质量发展。但是，目前我国的数字经济发展还面临着很多问题，如数字经济创新发展的技术不成熟、目标不明确、人才缺失以及带来的环境问题等都有待解决。对于数字经济发展对环境产生的影响以及环境管制对数字经济发展带来的影响，我国正在积极调整二者之间的关系。在制定环境管制政策时，过于宽松或过于紧绷都会影响数字经济对绿色经济发展的促进作用。只有合理把握数字经济、环境规制与绿色经济这三者之间的关系，才能有助于我国更好地进行经济发展转型。

（一）研究结论

本文以我国30个样本省份2013—2019年的面板数据为样本，构建空间杜宾模型和面板门槛模型分析了环境规制和数字经济这两个因素对绿色全要素生产率的影响。结果表明：（1）我国东部地区的绿色全要素生产率发展水平最高，中部地区次之，西部地区最低；
（2）环境规制、数字经济与绿色全要素生产率三者之间具有显著的空间相关性，空间效应和地理因素会影响三者之间的关系；
（3）环境管制政策的实施会在一定程度上促进绿色全要素生产率增长，政府实施环境规制会促使企业加速开发绿色技术，从而促使数字技术不断升级创新，在给企业带来经济收益的同时也会提高绿色经济发展水平；
（4）环境规制会对数字经济产生重要影响，从而带动绿色全要素生产率发展，但只有适度的环境管控与高效的数字经济发展才会有效促进绿色全要素生产率提升，环境管制过于紧绷会减弱数字经济对绿色全要素生产率的促进作用。

（二）政策建议

为了更有效地提升经济发展效率，使经济向绿色高质量发展方向迈进，根据面板数据的空间效应与门槛效应分析结果，本文提出了七点建议。

第一，发挥中心省份的“带头”作用。前文研究得到，环境规制、数字经济与绿色全要素生产率在空间上具有溢出效应与集聚特征，这可以使中心省份起到很好的带领作用，促进邻近省份联合开放，从而带动相邻地区的数字经济发展并促进其绿色全要素生产率提升。所以，各地区应积极进行经济发展交流，互相学习发展经验，制定相应政策，有效发挥中心省份的带头作用。要督促周边地区向中心省份学习数字经济创新技术，吸取其环境政策实施的经验教训，努力提升绿色全要素生产率水平。

第二，把握环境管制力度。政府应该把握好环境管制的力度，因地制宜地制定相关环境治理政策与法律法规。既不要过度进行环境管控，也不要过于放松环境治理，要找到适中的环境治理方式，有效督促企业进行绿色技术改革与创新，从而有效促进绿色全要素生产率水平提升。

第三，注重数字经济的自身发展及其与环境规制的融合发展。政府应注重发展数字经济，鼓励中小企业进行数字技术改革，加大数字经济发展投入，建立起全面、立体化的数字经济发展体系。我国经济领域的创新发展已离不开数字经济的发展，为了加快数字经济发展，我国应积极推进新的信息基础设施建设，将数字经济推向经济改革的顶峰。同时，还要注重环境规制与数字经济的融合发展，找到适合的融合发展之路，并探索其如何带动绿色全要素生产率提升。

第四，贯彻落实产业结构升级理念。政府在进行产业结构升级的同时也要考虑其对周围环境与经济发展的影响，对产业结构升级问题进行合理研究与规划，找到适合产业结构升级与绿色经济发展的道路，以期能够在进行产业结构升级的同时兼顾绿色经济发展理念。

第五，重视科技技术改革与创新。科学技术创新与改革是推动绿色经济发展的重要环节，能够直接影响不同地区的绿色全要素生产率水平，所以要重视科学技术的改革与创新，加强科学技术发展。在技术创新角度，要积极创造新型机器设备，以有效提高我国的绿色经济发展水平。

第六，缩小地区间的绿色全要素生产率差异。当前我国的绿色全要素生产率水平存在严重的地域差异，应重视中、东、西部地区的发展不均衡问题，在高速发展东部及中部地区绿色经济的同时，也要注重西部地区绿色全要素生产率的提升。要准确找到西部地区在绿色经济发展中存在的不足，制定合理的西部经济绿色发展政策计划，加大西部绿色经济发展建设。

第七，优化外商直接投资。外商直接投资对我国经济发展而言是一把双刃剑，既给我国带来了巨大经济利益，促进了国民经济快速发展，也由于不完善的外商投资制度而使得国外企业把污染严重的工厂建在我国，虽然短期内提高了我国就业率、促进了我国经济发展，但长期来看会导致我国的环境质量下降。所以，政府应重点关注外商直接投资的优化问题，实施外商投资政策、外商投资市场、外商投资环境等的升级优化，建立合适的外商投资法律法规，规范外商投资方式，让外商直接投资更有利于我国的绿色经济发展。

猜你喜欢生产率省份规制中国城市土地生产率TOP30决策(2022年7期)2022-08-04主动退市规制的德国经验与启示南大法学(2021年4期)2021-03-23论我国民间借贷法律规制的发展和完善——从抑制性规制到激励性规制法大研究生(2020年2期)2020-01-19谁说小龙虾不赚钱？跨越四省份，暴走万里路，只为寻找最会养虾的您当代水产(2019年11期)2019-12-23跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13保护与规制：关于文学的刑法刑法论丛(2018年4期)2018-05-21外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26关于机床生产率设计的探讨中国市场(2016年45期)2016-05-17内容规制现代出版(2014年6期)2014-03-20

推荐访问:生产率 要素 规制