數字經濟推動了城市綠色全要素生產率提升嗎?
——基于“寬帶中國”試點的證據

張東玲 焦宇新 劉敏

(1.青島大學 經濟學院, 山東 青島 266061;2.國家地理空間信息中心,北京 100070)

一、引言

數字經濟作為繼農業(yè)經濟、工業(yè)經濟之后的新經濟形態(tài),正在推動生產方式、生活方式和治理方式深刻變革。黨的十八大以來,黨中央高度重視發(fā)展數字經濟,將其上升為國家戰(zhàn)略,發(fā)展數字經濟是把握新一輪科技革命和產業(yè)變革新機遇的戰(zhàn)略選擇。近年來,隨著中國數字經濟發(fā)展戰(zhàn)略的深入實施,我國數字基礎設施日漸完善,數字經濟規(guī)模迅速增長,成為當前助力加快構建“雙循環(huán)”新發(fā)展格局、暢通國民經濟循環(huán)的關鍵力量?！吨袊ヂ摼W發(fā)展狀況統計報告》(第49次) 數據顯示,截至2021年12月,中國網絡普及率達73%,在線辦公用戶規(guī)模達4.69億。得益于互聯網的快速普及,過去幾年間,大數據、云計算等信息技術上的創(chuàng)新不斷出現,中國的數字經濟經歷了快速發(fā)展。在新冠疫情沖擊的特殊時期,數字經濟對社會經濟的穩(wěn)定發(fā)揮了重要的作用。隨著新一輪科技革命和產業(yè)變革深入發(fā)展,推動數字化轉型和數字經濟高質量發(fā)展成為構建新發(fā)展格局的重要驅動力。面對當前復雜多變的國際國內形勢,深入研究數字經濟所產生的影響

與作用,對探索以數字技術為驅動的創(chuàng)新發(fā)展模式具有重要的戰(zhàn)略價值。

以前中國的粗放式發(fā)展模式創(chuàng)造了舉世矚目的“奇跡式”增長,但也引致了環(huán)境污染、資源消耗、生態(tài)透支等問題。在“創(chuàng)新、協調、綠色、開放、共享”理念的發(fā)展要求下,綠色全要素生產率(Green total factor productivity,GTFP)逐漸引起了政府、學界以及社會各方的廣泛關注。十九屆五中全會進一步提出“堅持綠水青山就是金山銀山”的發(fā)展理念,對經濟發(fā)展與生態(tài)保護間的協調提出了更高要求。數字經濟能否成為綠色發(fā)展的“兩翼”,決定了中國經濟發(fā)展的轉型方向與結構性潛能的挖掘動力。

數字經濟是否提升了綠色全要素生產率?如果能夠提升,其作用機制是什么?考慮到各地區(qū)之間網絡基礎設施建設、技術水平、地理區(qū)位的差異,數字經濟發(fā)展是否產生了異質性效果?數字經濟發(fā)展吸納了周圍地區(qū)的發(fā)展資源還是帶動了周圍地區(qū)共同發(fā)展,其究竟產生“溢出效應”還是“虹吸效應”?對這些問題的研究有助于正確認識數字經濟在未來經濟發(fā)展中所發(fā)揮的作用,在新發(fā)展階段具有的重要理論價值與現實意義。

二、文獻綜述

數字經濟的影響是學界關注的焦點問題。在數字經濟對于宏觀經濟的作用中,數字經濟通過豐富要素來源,提升資源配置效率[1];推動城市合作創(chuàng)新[2],提高經濟創(chuàng)新頻率;產生“技術溢出”效應,促進技術創(chuàng)新擴散[3];推進產業(yè)數字化、數字產業(yè)化,優(yōu)化產業(yè)結構[4];降低二氧化碳排放量,減少了大氣污染[5]。而在微觀層面,數字經濟推動了企業(yè)管理變革[6];優(yōu)化管理者行為決策,提高公司治理效率[7];促進企業(yè)綠色技術創(chuàng)新[8];提升企業(yè)全要素生產率[9];推動企業(yè)智能化轉型[10]。在現有的定量研究當中,對數字經濟的量化和測度所選用的多為省級層面指標。由于指標的選取與測算口徑缺少統一標準,相關測算方法具有一定的局限性。另外,所選取的指標也可能受到地區(qū)經濟水平的影響,面臨潛在的內生性問題。

綠色全要素生產率的有關研究可分為測度方法與影響因素兩大類。在測度方法研究中,由于綠色全要素生產率加入了對非期望產出的考量,通常不適用參數法,而非參數法中,基于方向距離函數的Malmquist-Luenberger指數得到廣泛應用[11]。出于能源和環(huán)境是經濟發(fā)展的剛性約束,這種方法避免了不考慮環(huán)境約束所得的生產最優(yōu)解,更符合綠色發(fā)展的理念。已有大量文獻使用相關方法完成了對綠色全要素生產率的測度,并分析了各地區(qū)的區(qū)域差異[12]。綠色全要素生產率主要影響因素的已有研究表明:環(huán)境規(guī)制與綠色全要素生產率存在“U”型關系[13],短期內呈現抑制作用而長期看則具有促進效果[14];科技創(chuàng)新是綠色全要素生產率提升的直接動力,并伴隨正向的空間溢出[15];產業(yè)結構對綠色全要素生產率提高提供了有效支撐[16];金融發(fā)展能夠帶來促進作用,但隨著金融發(fā)展水平提升,其邊際效用遞減[17];貿易開放整體存在有利影響,但是存在明顯的“門檻效應”[18]。

在數字經濟對綠色全要素生產率影響的研究中,有觀點認為,數字經濟通過緩解要素配置扭曲、綠色技術創(chuàng)新和節(jié)能減排效應[19]提升了綠色全要素生產率。另一種觀點則認為數字經濟整合了供應鏈,產生“關聯效應”;加劇了行業(yè)競爭,產生“競爭效應”,促進了技術溢出;產生“示范效應”,因而影響存在不確定性以及非線性特征[20]。從已有研究來看,數字經濟對綠色全要素生產率影響的研究仍相對較少,傳導路徑尚不清晰。數字經濟的空間溢出效果也存在較大爭議。一種觀點認為,數字信息技術破除了知識傳播的時空限制,有效促進了信息擴散[21];加快開放共享,促進周邊的生產率提升和產業(yè)升級[22];通過監(jiān)測數據互通,促進污染區(qū)域聯防聯控[23],因而帶來了正向的空間溢出效應。另一種觀點認為,數字經濟的發(fā)展也帶來了新的“接入鴻溝”、“運用鴻溝”等數字不平等現象,引致“虹吸效應”,阻礙了外圍城市綠色全要素生產率的提高[19]。

與已有文獻相比,本文的邊際貢獻主要在于以下四個方面:第一,豐富了已有研究,基于“寬帶中國”政策試點,檢驗了數字經濟對綠色全要素生產率的作用,盡可能避免了數字經濟測度過程中產生的潛在內生性問題;第二,厘清了理論機制,通過理論分析與實證檢驗,挖掘了政策試點對綠色全要素生產率的傳導機制;第三,補充了研究方法,基于廣義傾向得分法與面板分位數回歸,探究了不同政策強度下以及不同綠色全要素生產率水平下的影響效果差異;第四,討論了空間效應,結合理論分析與實證檢驗,驗證了數字經濟發(fā)展的“虹吸效應”與“溢出效應”孰大孰小。

三、理論分析與研究假說

(一)數字經濟對綠色全要素生產率的直接影響

數字經濟對綠色全要素生產率的直接影響可分為對生產端的影響與對消費端的影響兩個方面。

第一,在生產端,數字經濟促成了人、機、物全面互聯的智能化發(fā)展新業(yè)態(tài),以數字技術、智能技術為支撐,傳統產業(yè)不斷催生出產用融合、資源協同、共創(chuàng)分享的新模式。具體而言,數字經濟的影響可以概括為優(yōu)化生產決策、提高資源利用、改進生產過程三個方面。首先,在企業(yè)生產決策中,數字經濟通過物聯網、人工智能等技術對生產數據進行高效采集,增強了企業(yè)數據收集能力,有效緩解了企業(yè)決策的信息不對稱問題。數字經濟的發(fā)展將以往的“經驗決策”轉變?yōu)椤皵祿Q策”,提升了企業(yè)生產決策能力。其次,在資源利用上,企業(yè)通過數字技術對生產活動實時采集,動態(tài)優(yōu)化投入產出,由傳統管理模式轉變?yōu)椤皵祿f話、數據管理”,提高生產流程中的資源利用效率,以達到在更少投入的情況下得到更多產出的效果。在這個過程中,由于減少了資源投入的浪費,也就減少了污染的產生,為經濟綠色發(fā)展提供了支持。最后,在生產過程中,數字經濟發(fā)展在已有的上下游分工基礎上整合了產業(yè)鏈資源,通過上下游企業(yè)間協同設計、協同制造、協同管理,重構了企業(yè)生產模式,促進各企業(yè)充分利用自身優(yōu)勢,減少資源浪費與污染排放,持續(xù)推動生產效率改善。

第二,在消費端,數字經濟的影響體現在促進居民綠色消費、降低商品流通損耗兩個方面。其一是在綠色消費方面,數字技術的運用為超越所有權使用產品和服務的活動提供了實踐基礎,產生了共享經濟。共享經濟帶動個體參與閑置資源的讓渡與使用,有效利用了大量的社會閑置資源,在提高消費者剩余的同時降低了資源浪費,進而減少了污染的產生。其二是在商品流通方面,數字經濟通過平臺經濟提高了企業(yè)與消費者之間的互動效率,進而使傳統的商品流通過程產生了深刻變革[24]。零售是聯系生產與消費不可或缺的環(huán)節(jié)。數字化平臺的興起帶動“新零售”等一系列銷售模式改變,數字化平臺通過打通商品流通的中間環(huán)節(jié),優(yōu)化企業(yè)原有的銷售業(yè)務流程,降低交易成本[2]。數字平臺的新消費模式能夠更精確地匹配需求與供給,精確調配各地倉儲,降低流通成本,減少了以往經濟系統中商品流通環(huán)節(jié)的資源浪費,促進經濟綠色發(fā)展?；谏鲜龇治?本文提出假設1。

H1數字經濟的發(fā)展提升了綠色全要素生產率。

(二)數字經濟對綠色全要素生產率的間接影響

數字經濟對綠色全要素生產率的間接影響主要體現在以下兩個方面:一是數字經濟對于城市綠色創(chuàng)新的推動作用;二是數字經濟對于產業(yè)結構的改善作用。

數字經濟的發(fā)展主要從創(chuàng)新合作、創(chuàng)新頻率、技術擴散三個方面影響城市綠色創(chuàng)新水平。第一,從創(chuàng)新合作的角度看,創(chuàng)新來源于對現有碎片知識的重新結合[25],因此,知識與技術的整合在創(chuàng)新過程中發(fā)揮著重要作用。在數字經濟背景下,市場不只是承擔價值交換的功能,還轉變?yōu)閺S商、消費者、合作網絡成員之間知識碰撞、交流的場所[26]。在這個過程中,知識創(chuàng)新的來源將增加。由于不受空間距離限制,創(chuàng)新主體更加多元化,最終引致創(chuàng)新模式的演變,促進綠色技術的合作創(chuàng)新。第二,從創(chuàng)新頻率的角度看,在企業(yè)內部,數字技術促進了知識在企業(yè)內的擴散速度,并且能以更低的成本獲取、記錄企業(yè)的生產信息,增加了企業(yè)的知識存量。因此,在外部創(chuàng)新環(huán)境改善、內部知識存量增加的雙重影響下,企業(yè)知識更容易轉換為創(chuàng)新成果,進而提升企業(yè)綠色技術創(chuàng)新頻率。第三,從技術擴散的視角看,綠色技術創(chuàng)新始于已有知識的碰撞,而知識是一種特殊的信息,可以被低成本地復制與傳播。因此,知識的信息性決定了知識具有外溢性,在缺乏數字技術的情況下,信息的傳遞受到空間距離的限制,知識的外溢難以到達地理距離較遠的位置。數字經濟的發(fā)展打破了這種限制,加速了知識在空間中的流動,促進了綠色技術創(chuàng)新的擴散。基于上述分析,提出假設2。

H2數字經濟發(fā)展通過促進綠色創(chuàng)新水平提升綠色全要素生產率。

數字經濟發(fā)展對城市產業(yè)結構的改善作用,在于數字經濟發(fā)展帶來的“經濟服務化”趨勢,具體表現在數字產業(yè)化與社會分工深化兩個方面。第一,在數字經濟的發(fā)展下,出于市場競爭壓力,企業(yè)的數字需求逐步上升。數字技術的價值增長與邊際收益的逐步上升催生了數字技術的產業(yè)化發(fā)展。在傳統信息通訊產業(yè)基礎上,一系列融合了物聯網、人工智能、大數據、云計算等新興技術的服務企業(yè)誕生,不斷增加第三產業(yè)的產值,擴大第三產業(yè)的份額占比,呈現出“經濟服務化”的產業(yè)結構趨勢[27],帶來第三產業(yè)的增量上升。第二,數字經濟發(fā)展還改變了原有的產業(yè)分工模式。由于數字經濟發(fā)展下生產效率的快速變革,傳統產業(yè)產生了顛覆性的“破壞式創(chuàng)新”。根據斯密定理,隨著數字經濟發(fā)展規(guī)模的不斷擴大,社會分工和專業(yè)化程度會不斷提高。在社會分工進一步深化的過程中,以往的生產部門從傳統的生產環(huán)節(jié)當中分離出來,形成新的服務部門。與之相對應的是,一部分第二產業(yè)的份額轉化為第三產業(yè),進一步加速了“經濟服務化”的產業(yè)結構變動趨勢,帶來第三產業(yè)存量上升?；谏鲜龇治?提出假設3。

H3數字經濟發(fā)展通過促進產業(yè)升級提升綠色全要素生產率。

(三)數字經濟對綠色全要素生產率影響的空間效應

數字經濟發(fā)展所產生的空間效應在“虹吸”與“溢出”兩個方面均有體現。在數字經濟發(fā)展初期,由于數字基礎設施建設進度的差異,產生了新的“數字不平等”,即數字化技術接入、使用上的差異。在數字基礎設施薄弱的地區(qū),首先出現了互聯網的“接入差異”,產生了“數字鴻溝”。在這個過程中,資本、技術、人才不斷從周邊地區(qū)涌入,抑制了周邊其他地區(qū)的發(fā)展,形成“虹吸效應”,減緩綠色全要素生產率提升。而在數字基礎設施逐漸完善的階段,率先發(fā)展數字經濟的地區(qū)已經積累了相當程度的數據資源以及技術優(yōu)勢,出現了與弱勢地區(qū)間的 “使用差異”。利用數字技術的優(yōu)勢地位,發(fā)達地區(qū)能夠保有更多的市場份額,更容易獲取數據資源,在領域內形成“數據寡頭”,加劇“虹吸效應”。另一方面,數字經濟的發(fā)展使得原有的市場被“連接”起來,市場規(guī)模迅速擴張。這使數字經濟發(fā)達地區(qū)邊際收益上升,進而帶動周邊地區(qū)經濟增長,產生“數字紅利”,促進綠色全要素生產率提升。此外,在數字經濟對綠色創(chuàng)新的促進作用中,知識的信息性導致了外溢性的產生,數字經濟對傳統經濟產生“技術溢出效應”,已有的技術改進會向周圍地區(qū)輻射,助力其他地區(qū)的數字化轉型升級[28],進而提升綠色全要素生產率?；谏鲜龇治?提出競爭性假設4。

H4a數字經濟發(fā)展的“虹吸效應”大于“溢出效應”。

H4b數字經濟發(fā)展的“溢出效應”大于“虹吸效應”。

四、模型設計及變量說明

(一)模型設定

為了避免潛在的內生性問題,基于“寬帶中國”試點政策,采用雙重差分法(Difference-in-difference,DID)對數字經濟發(fā)展的效果進行評估。2013年,國務院根據《2006—2020年國家信息化發(fā)展戰(zhàn)略》,印發(fā)《“寬帶中國”戰(zhàn)略及實施方案》,分批逐步推進網絡基礎設施建設。該政策于2014年、2015年、2016年分三批遴選共120個城市(群)建設網絡基礎設施?！皩拵е袊痹圏c政策實施以前,電信業(yè)務價格高、網速低,數字企業(yè)和有關產出均較少;政策實施后,寬帶覆蓋和網絡速率快速提升,催生了大量的互聯網相關產業(yè),促進了數字經濟快速發(fā)展。一方面,“寬帶中國”政策極大促進了試點城市的網絡基礎設施建設,而網絡基礎設施是數字經濟發(fā)展的前提支撐;另一方面,“寬帶中國”試點相對隨機,提供了良好的自然實驗研究基礎[21]。

0.070.060.050.040.030.020.010試點與非試點城市的數字經濟指數差異20052007200920112013201520172019年份圖1 政策試點與非試點城市的數字經濟指數差異

同時,為了驗證“寬帶中國”政策與數字經濟發(fā)展之間的關聯性,參照趙濤等(2020)[21]的研究,基于熵權法,使用互聯網普及率、計算機服務和軟件業(yè)從業(yè)人員數占比、人均電信業(yè)務總量、人均郵政業(yè)務總量、人均移動電話用戶數、北京大學數字普惠金融指數[29]測算了數字經濟指數(1)由于北京大學數字普惠金融指數缺失2011年以前的數據,根據變動率的幾何平均值對數據進行填補?？紤]到缺失數據可能產生的影響,在剔除北京大學數字普惠金融指數后重新打分,所得整體趨勢不變。。 “寬帶中國”政策于2013年印發(fā),2014年正式試點,因此以2013年為分界線,分別計算2013年前后的試點城市與非試點城市的數字經濟指數均值差異,所得結果如圖1所示。圖1中,圓點代表試點與非試點城市數字經濟指數的差異,水平虛線表示區(qū)間內差異的均值。從圖1可以看出,政策試點前,試點城市與非試點城市的數字經濟指數平均差值約為0.02,政策實施后,兩者的數字經濟發(fā)展差異逐步顯現,均值達0.04。與所測得數字經濟指數的全樣本均值0.11相比較,這種差異較為明顯。因此,“寬帶中國”政策與數字經濟發(fā)展存在較強的關聯性,政策效果能夠體現出數字經濟發(fā)展所帶來的影響。

考慮到數據的可得性,研究所用樣本為2006—2019年281個地級市的面板數據。其中,進入“寬帶中國”試點名單的城市為“實驗組”,其余為“控制組”。根據進入試點名單的年份生成政策虛擬變量,“寬帶中國”試點城市在試點年份后賦值為1,其余賦值為0,構建基準模型式(1)

(1)

其中,GTFPit為被解釋變量,表示第i地區(qū)第t年的綠色全要素生產率;didit為“寬帶中國”政策虛擬變量,系數β代表政策凈效應;X′it表示所有控制變量;μi為地區(qū)固定效應;ηt為時點固定效應;εit為隨機擾動項。

(二)變量說明

1.被解釋變量

綠色全要素生產率(GTFP)為本文的被解釋變量,選用基于方向距離函數的Biennial Malmquist-Luenberger生產率指數(BMLPI)測算GTFP。之所以選取BMLPI的測算方法,是因為使用前后兩期數據構建前沿面可以有效避免不可行解,并且在引入新一期數據時不必重新計算往期數據。參照已有研究[15],以勞動力、資本、能源作為投入指標,以GDP為期望產出、二氧化碳排放量、二氧化硫排放量為非期望產出對GTFP進行測算。投入指標的代理變量參照汪克亮等(2021)[30]的做法進行選取,以資本存量作為資本投入,以從業(yè)人員期末人數作為勞動投入,以城市用電量作為能源投入。其中資本存量參考張軍等(2004)[31]的研究進行測算,且資本存量與GDP均平減為2000年不變價;二氧化碳排放量參照吳建新和郭智勇(2016)[32]的方法,以直接能源消耗、電能、熱能消耗對產生的二氧化碳進行核算。

2.核心解釋變量

根據“寬帶中國”政策生成政策虛擬變量(did)作為核心解釋變量。按照“寬帶中國”試點名單及實施時間,在試點名單內的地級市實施時間以后的年份賦值為1,其他賦值為0,得到虛擬變量作為核心解釋變量。

3.控制變量

參考已有研究[13,17-18,21],結合數據可得性,選擇所有可供篩選的控制變量,如表1所示。其中,創(chuàng)新創(chuàng)業(yè)指數(IEI)由北京大學企業(yè)大數據研究中心發(fā)布,以工商注冊企業(yè)數據庫、專利和商標數據庫等包含5 000多萬條數據記錄為基礎進行測算;政府環(huán)境治理(Regulation)參考陳詩一和陳登科(2018)[33]的做法,逐年對各地級市政府工作報告進行收集,并統計其中與環(huán)境相關的詞匯出現頻次,最后計算詞頻占報告全文的比例。所統計的詞語包括:低碳、環(huán)境保護、空氣、綠色、PM2.5、PM10、二氧化碳、二氧化硫、化學需氧量、生態(tài)、排污、減排、污染、環(huán)保、能耗。為進一步保證控制變量選擇的合理性,避免可能存在的嚴重多重共線性,使用基于最小絕對值收縮與篩選算子(Least absolute shrinkage and selection operator,Lasso)的Post-selection方法對控制變量進行篩選,對于樣本量為N,解釋變量維度為z的線性函數關系,使用Belloni等(2014)[34]的估計方法,Lasso的優(yōu)化目標為

(2)

式(2)中,λ為約束參數,β為各解釋維度變量回歸系數,γj為懲罰載荷,可以處理異方差等模型誤差的非正態(tài)性。約束參數的計算方法為

(3)

其中,c為略大于1的常數,γ為顯著性水平?；贐elloni等(2014)[34]提出的方法,分別將因變量和關鍵變量對所有控制變量進行Lasso回歸,對回歸篩選所得控制變量取并集,代入原方程進行線性回歸,即可得到Post-double-selection估計量。所有參與篩選的控制變量及篩選結果如表1所示。

表1 參與篩選的控制變量及篩選結果

4.中介變量

根據理論機制所提出的假設,選取城市綠色創(chuàng)新水平(Green)以及產業(yè)結構高級化(Industrial)作為中介變量,對“寬帶中國”試點政策的作用機制進行檢驗。在城市綠色創(chuàng)新水平的測算方法上,借鑒董直慶和王輝(2019)[35]的做法,利用知識產權局公布的專利申請信息,根據世界知識產權組織提供的綠色專利清單和國際分類編碼篩選,對綠色發(fā)明專利申請量、綠色實用新型專利申請量在地級市層面進行加總?？紤]到指標量級較大,并且不同城市在企業(yè)數量規(guī)模上存在差異,使用綠色專利申請量除以規(guī)模以上工業(yè)企業(yè)數量作為綠色創(chuàng)新水平的代理變量。在產業(yè)結構高級化的指標選取上,為了避免數字經濟的助農效果[36]對研究設計的干擾,僅使用第二產業(yè)、第三產業(yè)構建指標。參考干春暉等(2011)[27]的做法,根據信息化推動下“產業(yè)結構服務化”的發(fā)展特征,采用第三產業(yè)與第二產業(yè)之間的結構變動衡量產業(yè)結構高級化水平。為了兼顧產業(yè)的增量變動與存量變動,對第三產業(yè)增加值比第二產業(yè)增加值、第三產業(yè)產值比第二產業(yè)產值兩個指標使用熵權法賦權打分,作為產業(yè)結構高級化的代理指標。對于雙重差分模型的中介效應檢驗,使用Baron和Kenny(1986)[37]提出的方法,模型設定如下

(4)

(5)

(6)

其中M為中介變量。對中介機制的檢驗需要關注系數β1、β2、β3,當式(5)中系數β2與式(6)中θ顯著為正,并且式(6)中加入中介變量后β3相比β1在數值大小方面有所下降時,則認為中介效應存在;如果式(6)中β3不再顯著,則為完全中介。

5.數據來源與描述性統計

本文所用數據來源于《中國城市統計年鑒》《中國統計年鑒》《中國城市建設統計年鑒》、各地級市政府工作報告、各省份統計年鑒以及各市統計公報。對于少量缺失值使用線性插值法補齊,并對數據進行縮尾處理以避免異常值。所有主要變量描述性統計如表2所示。

表2 主要變量的描述性統計

五、實證結果分析

(一)基準回歸

表3報告了多期DID的基準回歸結果,其中列(1)-(4)為依次加入控制變量的回歸結果。政策虛擬變量(did)的回歸系數均顯著為正,隨著控制變量的加入,其系數大小略有下降。這表明“寬帶中國”試點對GTFP存在正向促進作用,加入所有控制變量后,凈效應大小為0.105,假設1成立。參考樣本總體GTFP均值1.09,凈效應占比約為9.63%,這表明數字經濟對GTFP產生了顯著的促進作用。同時,為保證這一結果的穩(wěn)健性,使用臨近傾向得分匹配對原樣本進行匹配,并對匹配后樣本重新回歸(PSM-DID),所得結果如列(5)所示。PSM-DID的結果顯示,政策虛擬變量(did)的回歸系數仍在1%水平下顯著為正,并且政策凈效應有所上升,表明基準回歸中可能對政策效果存在小幅度低估。

表3 基準回歸結果

(二)機制檢驗

根據假設2與假設3,以城市綠色創(chuàng)新水平(Green)、產業(yè)結構高級化水平(Industrial)作為中介變量,對政策效果的作用機制進行檢驗,檢驗結果如表4所示。從綠色創(chuàng)新的機制分析結果來看,政策試點對綠色創(chuàng)新的凈效應在1%水平下顯著為正。將綠色創(chuàng)新水平加入原回歸后,政策虛擬變量(did)系數下降至0.07,中介效應成立。該檢驗結果表明數字經濟顯著提升了城市綠色創(chuàng)新水平,進而促進了GTFP提升,假設2成立。從產業(yè)結構高級化的機制分析結果來看,試點政策對產業(yè)結構高級化的政策凈效應為正,并且在1%水平下顯著。在原回歸中加入產業(yè)結構高級化(Industrial)后,政策虛擬變量(did)系數有所下降,假設3成立。

表4 中介機制檢驗結果

(三)穩(wěn)健性檢驗

1.平行趨勢檢驗

平行趨勢條件是使用雙重差分模型進行政策效應評估的重要前提假設。為檢驗在“寬帶中國”政策實施以前,處理組與控制組間是否存在一致變動趨勢,使用事件研究法(Event study approach)進行檢驗,具體模型如下

(7)

式(7)中,didi,t0+k為虛擬變量,代表“寬帶中國”政策實施后(前)的第k年,以數據基期作為基準年份,k=-9,-8,…,5。平行趨勢檢驗重點關注系數βk,若政策實施前,即k<0時系數βk與0不存在顯著差異,則表明通過平行趨勢檢驗。繪制各βk系數及90%置信區(qū)間如圖2所示。

從圖2的平行趨勢檢驗結果來看,在政策實施以前,所有政策時點虛擬變量的估計系數均不顯著,表明在10%水平下回歸系數與0無顯著差別,通過了平行趨勢檢驗。在政策實施兩年以后,所有時點虛擬變量的系數均為正數,置信區(qū)間也不再包含0,回歸系數與0存在顯著差異。這表明“寬帶中國”試點政策產生了顯著的正向效果,正向效果在時間上存在兩期滯后。并且,在試點政策實施以后,估計系數存在逐步上升的趨勢,這意味著政策產生的動態(tài)效應逐年上升,數字經濟發(fā)展對GTFP存在邊際遞增效應。

圖2 平行趨勢檢驗結果

2.安慰劑檢驗

為了排除雙重差分模型中不可觀測因素的干擾,借鑒已有研究的做法[2],隨機抽取樣本作為處理組,并將剩余樣本重新分配為控制組,再次進行基準回歸。重復上述過程500次,記錄每次回歸所得系數及對應P值,繪制圖像如圖3所示,其中實線為回歸系數的概率密度,散點為回歸所得系數的P值。從安慰劑檢驗結果來看,所得回歸系數圍繞0值服從正態(tài)分布,且多數P值大于0.10。在基準回歸中,政策虛擬變量回歸系數為0.11,并在1%水平下顯著為正,屬于安慰劑檢驗中的異常值。因此,基準回歸結果受不可觀測因素所影響的可能性較小,所得結論保持穩(wěn)健。

圖3 安慰劑檢驗結果

3.干預效應模型

由于“寬帶中國”試點城市名單是決策產生,并非完全外生隨機分組所得,經濟發(fā)展水平高、互聯網建設基礎好的城市可能更容易進入試點名單,進而導致估計結果偏誤。為了緩解試點城市選擇偏誤,對政策虛擬變量建模,通過引入逆米爾斯比率,構建干預效應模型(Treatment effect model)。其中,選擇方程為

(8)

4.政策排除

在2006—2019年間,除“寬帶中國”試點政策以外,國家創(chuàng)新型城市試點、低碳城市試點、智慧城市試點均可能對GTFP產生影響。為排除其他政策試點對GTFP的干擾,準確識別“寬帶中國”試點所產生的凈效應,參照種照輝等(2022)[2]的做法,在基準回歸中加入不同政策的虛擬變量作為控制變量,重新進行回歸。表5報告了將其他政策虛擬變量作為控制變量后的回歸結果。表5列(1)為基準回歸;列(2)為加入智慧城市政策虛擬變量作為控制變量的回歸結果;列(3)為加入國家創(chuàng)新型城市政策虛擬變量后的回歸結果;列(4)為加入低碳城市政策虛擬變量后的回歸結果;列(5)為同時加入上述三個政策虛擬變量作為控制變量的回歸結果。從回歸結果來看,“寬帶中國”政策虛擬變量系數(did)在所有回歸中均顯著為正。與基準回歸相比較,系數有所下降,但下降幅度不大。在控制了所有其他政策后,“寬帶中國”試點政策的凈效應仍在1%水平下保持顯著。政策排除的回歸結果表明,在考慮到2006—2019年間實施其他政策以后,“寬帶中國”政策對GTFP的促進影響依然顯著為正,結論保持穩(wěn)健。

5.更換解釋變量

為確保結論的穩(wěn)健性,將基準回歸中的政策虛擬變量更換為數字經濟指數連續(xù)變量再次回歸,所得結果如表5列(6)所示。數字經濟指數在1%水平下仍顯著為正,所得結論保持穩(wěn)健。

表5 穩(wěn)健性檢驗回歸結果

6.交錯DID估計方法

在使用雙向固定效應模型估計多時點DID的政策處理效應時,如果處理效應隨時間變化,且不同批次的處理效果存在異質性,與真實政策效果相比,估計結果可能會產生嚴重偏誤[39]。因此,使用Sun 和Abraham(2021)[40]提出的交錯DID估計方法,首先估計特定隊列事件研究回歸(Cohort-specific event-study regression)

(9)

其中,g表示以政策處理的最長持續(xù)時間劃分的隊列;K為隊列g的最長持續(xù)時間;didgi,t0+k為虛擬變量,在觀測值屬于隊列g,且在第k期接受處理時取1,其他取0;βgk表示隊列g在第k期的平均處理效應。

通過對不同隊列不同時期的平均處理效應進行加權,即可得到總體平均處理效應

(10)

使用上述方法對政策的總體平均處理效應重新估計,所得結果為0.12。與雙向固定效應估計量0.11相比,變化幅度不大,這表明雙向固定效應估計量并沒有因為異質性處理效應而產生嚴重偏誤,所得結果保持穩(wěn)健。

六、異質性分析與空間溢出效應檢驗

(一)不同政策強度下的異質性影響

數字經濟發(fā)展的過程中伴隨著兩方面的影響:一方面,數字要素獲取的不均衡、要素流動的不充分使得數字經濟產生了數字不平等現象。從數字經濟的發(fā)展條件來看,在網絡基礎設施不夠發(fā)達的地區(qū),產生了“接入鴻溝”;從數字經濟的技術條件來看,數字技術在發(fā)展中產生差距,由于數字技術的迅速迭代,產生了“運用鴻溝”。在二者的共同作用下,形成“數據壟斷”阻礙數字要素流動,因而數字經濟發(fā)展可能對城市GTFP產生一定的負面作用。另一方面,從數字經濟的積極因素來看,互聯網的價值增長服從梅特卡夫法則,即網絡價值以用戶數量的平方速度增長。因而數字經濟發(fā)展的邊際效果呈現遞增,即對城市GTFP產生的積極效果會隨著數字經濟發(fā)展以更快速度上升。

為了驗證在不同的數字經濟發(fā)展水平下城市GTFP提升效果的異質性,考察在不同處理強度下數字經濟對城市GTFP的影響,選取互聯網接入率衡量“寬帶中國”試點的政策強度。由于政策強度是一個連續(xù)變量,使用廣義傾向得分法(Generalized propensity score,GPS)對不同政策強度下的處理效應進行估計。與使用二元變量來評估政策凈效應的傳統方法相比,廣義傾向得分法能夠估計連續(xù)處理變量的政策凈效應,同時該方法也能夠消除處理組與控制組之間異質性帶來的偏差。廣義傾向得分具體做法如下。

對觀測值i,在給定變量Xi時,處理強度Di的條件分布為

E(Di|Xi)=F(Xiβ)

(11)

估計廣義傾向得分

(12)

根據處理強度T和廣義傾向得分值R構造估計產出變量條件期望的模型如下

(13)

最后,通過使用估計值對處理強度值、廣義傾向得分值進行替換,擬合出平均劑量-反應函數

(14)

對于任意處理強度T上的處理凈效應為

(15)

根據上述方法,以互聯網接入率作為處理強度,計算不同處理強度下對GTFP產生的凈效應,使用bootstrap方法計算90%置信區(qū)間,繪制劑量-反應函數如圖4所示。從劑量-反應函數圖像可以看出,處理強度靠近0時,即互聯網接入率較低時,置信區(qū)間穿過1(GTFP基期初始值),數字經濟對GTFP的正向效果并不顯著。這是由于數字技術發(fā)展初期,數字基礎設施尚不完備,僅有少量經濟主體能夠接入互聯網,因而數字經濟并未完全釋放出對GTFP的積極作用。隨著處理強度上升,劑量-反應函數也逐步上升,置信區(qū)間收窄,表明數字經濟產生的邊際效應逐步提高,對GTFP的促進作用增強。當處理強度超過0.50以后,劑量-反應函數再次下降。此時由于數字技術的快速發(fā)展,數字技術先進的企業(yè)通過迅速的技術迭代阻礙了落后的企業(yè)追趕。領先企業(yè)通過數字要素壟斷,進一步減慢了信息流動與技術分享,產生“運用鴻溝”,抑制了GTFP的增長。在處理強度超過0.80以后,劑量-反應函數由降轉升,再次表現出對GTFP的強勁提升作用。這是因為隨著網絡用戶數的上升,梅特卡夫法則觸發(fā)正反饋效果,帶來邊際遞增效應[3],產生的正向邊際影響迅速超過了數字不平等產生的負向影響。

圖4 劑量-反應函數圖像

(二)不同GTFP水平下的異質性影響

考慮到數字經濟對GTFP的重要傳導路徑在于“技術溢出”,并且不同地區(qū)之間存在技術差距,GTFP較低與GTFP較高的城市之間可能存在政策效果上的差異。為進一步驗證“寬帶中國”試點政策對不同GTFP水平地區(qū)產生的異質性效果,使用非加性固定效應分位數回歸模型進行檢驗。與傳統的條件均值回歸相比,分位數回歸能夠反映出條件分布的整體全貌。從估計方法來看,分位數回歸以殘差絕對值的加權平均為目標函數,受極端值的影響更小。在面板數據的基礎上,出于減少待估計參數的目的,加性固定效應分位數模型假設固定效應與分位數無關,因而對于任意的分位數τ∈(0,1),其總體分位數函數為

(16)

Powell和Wagner(2014)[41]則進一步放寬了固定效應與分位數無關這一假設,基于非加性固定效應將分位數回歸建模為

(17)

使用自適應馬爾可夫蒙特卡洛抽樣算法進行1 000次抽樣,選取10%、20%、…、90%分位點進行分位數回歸,使用不同分位點上回歸所得系數及95%水平下的置信區(qū)間,繪制圖像如圖5所示。從圖5的分位數回歸結果來看,較低分位點上的政策凈效應更高,隨著GTFP水平上升,政策效果逐漸下降。這是由于技術水平較低的城市受數字經濟所產生的“技術溢出”影響較大,政策效果較好;而在GTFP較高的地區(qū),其本身的技術實力較強,差距也相對較小,享受到的政策效應也更小。但是,在50%分位點以后,政策凈效應再次上升。這是因為在本身存在技術優(yōu)勢的城市,更容易與其他地區(qū)產生“接入差異”和“使用差異”,產生“數字不平等”現象。在技術優(yōu)勢的地區(qū)中,一方面企業(yè)長期處于數字要素的有利地位,短時間內迅速形成平臺優(yōu)勢、市場優(yōu)勢,壟斷數據資源,成為“數據寡頭”[42]。因而產生了更強的政策效果,表現出一定的“虹吸效應”;另一方面,由于數據價值壽命短暫,隨著數字經濟發(fā)展,數據壟斷的競爭優(yōu)勢會逐步下降[43],優(yōu)勢地區(qū)仍存在緩慢的“技術溢出”,進而在分位點超過60%以后政策效果有所下降。

圖5 分位數回歸結果

(三)不同區(qū)域的異質性影響

從城市區(qū)位來看,中國不同區(qū)域存在產業(yè)結構、經濟水平上的差距。因此,數字經濟發(fā)展可能存在空間上的區(qū)域異質性。根據城市所屬省份,將樣本劃分為東部、中部、西部、東北四個地區(qū),進行分組回歸,所得結果如表6所示。結果表明,東北地區(qū)、東部地區(qū)、中部地區(qū)政策效果在1%水平下顯著為正。東北地區(qū)與東部地區(qū)系數較大,中部地區(qū)回歸系數相對較小。而表6列(4)回歸結果中,西部地區(qū)的政策效果并不顯著,系數在四個地區(qū)中也最小。

上述現象的原因在于各區(qū)域獨特的內在經濟特點與外在的政策環(huán)境。東北地區(qū)作為老工業(yè)基地,政府對于傳統工業(yè)的智能化發(fā)展尤為重視,各省制定了一系列政策文件以支持“智能制造”的發(fā)展方向,數字經濟發(fā)展逐漸成為東北地區(qū)新的內生動力,因而政策效果較好。東部地區(qū)產業(yè)發(fā)達、人口稠密,因其獨特的經濟地位與地理優(yōu)勢,電子商務發(fā)展較快,數字技術更加前沿,所以也產生了較好的政策效果。相比于東部地區(qū),中部缺少充裕的資源稟賦與發(fā)達的產業(yè)結構,同時也缺少政策傾斜支持,最終導致政策效果相對較小。西部地區(qū)的數字資源則更加匱乏,由于人口稀少、地理環(huán)境復雜,西部地區(qū)的網絡建設成本更高、難度更大,易與發(fā)達地區(qū)產生“數字鴻溝”;另一方面,西部地區(qū)的產業(yè)較為薄弱,因而數字經濟的發(fā)展空間更小,更難釋放“數字紅利”,政策效果難以顯現。

表6 分區(qū)域回歸結果

表7 空間雙重差分模型設定

(四)政策試點的空間溢出效應檢驗

結合理論分析與分位數回歸結果來看,在數字技術發(fā)達地區(qū),可能同時存在“虹吸效應”與“技術溢出”。為進一步驗證“寬帶中國”政策試點對周圍地區(qū)影響究竟是“溢出”為主還是“虹吸”為主,參考范巧和吳麗娜(2018)[44]的方法,將雙重差分模型拓展為空間雙重差分(Spatial difference-in-difference,SDID)模型。雙重差分通用嵌套空間模型(GNSM-SDID)的設定如下

y=ρTWy+βX′+θTW×X+D(·)+πTW×D(·)+μ

(18)

μ=λTWμ+ε

(19)

(20)

其中TW為時空權重矩陣,使用范巧和Darren(2018)[45]提出的方法,根據兩期間的莫蘭指數之比生成內生時空權重矩陣,并根據費希爾T統計量在五臨近空間權重矩陣、距離平方倒數空間權重矩陣、經濟規(guī)模和距離平方倒數組合的空間權重矩陣之間遴選,最終選擇距離平方倒數空間權重矩陣為最優(yōu)矩陣;D1是組別虛擬變量,處理組全部為1,控制組全部為0;D2為時點虛擬變量,處理組在試點年份及以后取1,其余取0。

為探究“寬帶中國”試點政策的空間溢出效應,對空間計量模型進行遴選,分別采用雙重差分空間滯后模型、雙重差分空間自回歸模型、雙重差分空間杜賓模型以及雙重差分空間杜賓誤差模型進行回歸。在GNSM-SDID的基礎上,上述模型設定條件如表7所示。

表8 空間雙重差分模型回歸結果

所得回歸結果如表8所示。從空間雙重差分模型的回歸結果來看,在含有政策虛擬變量空間滯后項(TW×SDID)的列(1)(4),政策虛擬變量空間滯后項的系數均顯著為正。這表明其他地區(qū)的“寬帶中國”政策試點對本地區(qū)的GTFP存在顯著的正向空間溢出效應。列(2)結果顯示被解釋變量的空間滯后項(rho)在1%水平下顯著為正,表明其他地區(qū)GTFP的提升同樣會對本地區(qū)產生正向的空間溢出效應。而在列(3)回歸中,由于同時加入了政策虛擬變量空間滯后項(TW×SDID)以及被解釋變量空間滯后項(rho),政策虛擬變量的空間滯后項(TW×SDID)不再顯著,且系數大幅度減小。這表明政策的空間溢出效應與被解釋變量的空間溢出效應存在重疊,驗證了數字經濟通過 “技術溢出”對臨近地區(qū)產生正向影響?？紤]到SDID模型的數據生成過程(Data generation process,DGP)有所變化,根據下式計算回歸中政策沖擊產生的總效應在各年份的平均值

(21)

其中,N為地級市數量,T為時期數量,ιNT為取值均為1的列向量。計算所得結果在表8各回歸結果中分別列示?？傂硭械貐^(qū)政策變動對本地區(qū)的平均影響。在不同模型中,由于引入的空間滯后項之間存在差別,所得的總效應在數值大小上產生了一定的差異;但所有模型的總效應均為正數,表明“寬帶中國”試點政策整體呈現正向影響。結合政策總效應、政策虛擬變量的空間溢出效應、被解釋變量的空間溢出效應來看,“寬帶中國”政策試點的“技術溢出”占據主導地位,數字經濟發(fā)展產生的“技術溢出”大于“虹吸效應”,因而總體上呈現出正向的空間溢出效應,假設4b成立。結合理論分析與實證檢驗來看,這種結果的原因在于,數字經濟發(fā)展的“虹吸效應”是階段性的,僅在數字經濟發(fā)展的特定時期內占主導作用。具體而言,在數字經濟發(fā)展初期,出于“使用差異”“接入差異”產生的資源、技術優(yōu)勢,發(fā)達地區(qū)對周圍地區(qū)產生了負向影響,并形成一定的程度的“數據壟斷”,阻礙周圍地區(qū)的GTFP提升。但是,隨著數字經濟的不斷發(fā)展,發(fā)達地區(qū)產生了雙重溢出效應:其一是發(fā)達地區(qū)上升的邊際收益沿產業(yè)鏈傳導,帶動了周邊地區(qū)的產業(yè)發(fā)展,產生“數字紅利”,促進GTFP提升;其二是數字技術的運用加速了知識外溢,落后地區(qū)得以低成本地分享先進地區(qū)技術成果,產生“技術溢出效應”,進而提升GTFP。在以上兩種溢出效應的疊加下,數字經濟發(fā)展初期產生的“虹吸效應”逐漸被“溢出效應”所取代,因而在整體上表現為“溢出效應”。

七、研究結論與政策建議

(一)研究結論

本文基于2006—2019年中國281個地級市的面板數據,利用“寬帶中國”政策試點構建雙重差分模型,就數字經濟發(fā)展對城市綠色全要素生產率的影響展開研究。通過中介效應模型討論了政策的具體影響機制,并進一步對政策影響的異質性效果及空間溢出效應進行分析,所得主要研究結論如下。

第一,數字經濟發(fā)展能夠促進綠色全要素生產率提升。數字經濟發(fā)展對綠色全要素生產率表現出促進作用,在經過PSM-DID、政策排除、干預效應模型等一系列穩(wěn)健性檢驗后,所得結果均支持數字經濟發(fā)展對綠色全要素生產率存在明顯的正向效果。

第二,數字經濟發(fā)展通過綠色創(chuàng)新與產業(yè)結構影響綠色全要素生產率。經過理論機制分析與中介效應檢驗,綠色創(chuàng)新、產業(yè)結構是數字經濟發(fā)揮作用的重要中介。數字經濟促進了城市的綠色創(chuàng)新水平提升、產業(yè)結構升級,進而提升了綠色全要素生產率。

第三,數字經濟發(fā)展對綠色全要素生產率的促進效果存在異質性。在不同政策強度、不同綠色全要素生產率水平、不同地理位置的城市中,數字經濟發(fā)展的影響不同。在不同政策強度下,隨著政策強度的提高,政策效果表現出先上升、后下降、再上升的變化趨勢。在不同綠色全要素生產率水平下,綠色全要素生產率水平越高,提升效果越低,當分位點超過50%時,政策效果有所回升。在不同地理位置中,東北、東部、中部地區(qū)均存在明顯的正向效果,西部地區(qū)的正向效果不明顯。

第四,數字經濟發(fā)展的影響存在正向空間溢出效應?？臻g雙重差分模型結果表明,周圍地區(qū)的政策實施與綠色全要素生產率提升均會對本地區(qū)產生正向的空間溢出效應。所有其他地區(qū)對本地區(qū)的平均影響為正,數字經濟發(fā)展的“溢出效應”大于“虹吸效應”。

(二)政策建議

根據上述結論,提出以下建議。

第一,大力推動數字經濟發(fā)展,完善網絡基礎設施建設。數字經濟對經濟綠色發(fā)展與高質量發(fā)展起到帶動作用,而網絡基礎設施建設則為數字經濟提供了底層支撐。就政府而言,應當重視網絡基礎設施建設,將更多城市納入試點名單。通過政策支持、資金支持不斷完善網絡設施建設,提升數字經濟的覆蓋廣度與技術深度,培育數字經濟的產業(yè)發(fā)展與體系完善,帶動城市經濟的綠色轉型與產業(yè)升級。

第二,科學引導數字經濟發(fā)展模式,充分發(fā)揮數字經濟積極作用。當前,數字經濟在我國西部地區(qū)尚未釋放“數字紅利”,仍然存在“數字鴻溝”。政府應當加速布局“東數西算”工程,充分利用西部能源優(yōu)勢與東部產業(yè)需求,讓“數字紅利”在全國區(qū)域內充分釋放?？茖W引導企業(yè)開展數字技術交流、數據平臺共享,積極應對數字經濟所產生的“接入鴻溝”“運用鴻溝”“數據壟斷”等不平等現象,破除數字要素流動壁壘,疏通數字經濟發(fā)展“堵點”。

第三,合理布局發(fā)展數字經濟,挖掘數字經濟區(qū)域帶動作用。立足空間視角,積極推廣數字經濟發(fā)展成功經驗,發(fā)揮數字經濟“示范效應”。促進城市間交流,構建“數字城市群”“數字城市網”,協同發(fā)展數字經濟。合理布局數字經濟發(fā)展的重點城市,充分利用數字經濟“光環(huán)效應”,建立區(qū)域內的交流平臺、促進區(qū)域間創(chuàng)新主體合作,擴大數字經濟的“溢出效應”。