數字經濟如何影響工業SO2排放？**

柏亮 陳小輝

〔 DOI〕 10.19653/j.cnki.dbcjdxxb.2020.05.008

〔引用格式〕 ?柏亮，陳小輝.數字經濟如何影響工業SO₂排放？——理論解讀與實證檢驗[J].東北財經大學學報，2020，（5）：73-81.

〔摘要〕本文將數字經濟發展水平引入代表性企業的生產函數和污染因子，在理論分析的基礎上，基于2012—2018年中國31個省市區平衡面板數據，采用時間和個體雙向固定效應模型，研究數字經濟發展水平與二氧化硫（SO₂）排放量之間的關系。研究結果表明，數字經濟發展水平與工業SO₂排放量之間為倒U型非線性關系。數字經濟發展水平存在拐點，低于拐點時，數字經濟發展水平的提升將加大工業SO₂排放量;超過拐點后，數字經濟發展水平的提升將降低工業SO₂排放量。進一步研究發現，財政分權可拉高拐點。

〔關鍵詞〕數字經濟;工業SO₂排放量;環境污染;財政分權;高質量發展

中圖分類號：F49 ???文獻標識碼：A????文章編號：1008-4096（2020）05-0073-09

一、問題的提出

2008年全球金融危機后，人工智能、區塊鏈、云計算和大數據等技術與經濟的深度融合產生了數字經濟。數字經濟的影響廣泛而深遠，已成為新時代中國經濟高質量發展的重要驅動力量^[1]。2015—2020年，習近平總書記每年均強調要發展數字經濟。2020年的《政府工作報告》中明確提出要“打造數字經濟新優勢”。在宏觀層面，數字經濟對第一二三產業均有深度滲透^[2]。在微觀層面，數字經濟對企業生產活動有顯著影響^[3]，使企業的生產過程發生變革^[4]。當然，數字經濟也會給工業企業的生產過程帶來變革。工業企業在生產過程中通常會排放二氧化硫（以下簡稱SO₂），那么，數字經濟在變革工業企業生產過程時，是否會對工業SO₂排放量產生影響？如何會產生影響，那么究竟是何種影響？

前述問題是環境污染的影響因素問題。關于環境污染的影響因素，國內外文獻認為，其一，財政分權會加劇環境污染^[5-6]，地方政府的經濟競爭會加劇環境污染^[7-8]，而政府規制則能抑制環境污染^[9]。其二，信貸資源的配置與污染排放量相關^[10]，金融發展有利于緩解環境污染^[11]，也有研究認為，金融發展與環境污染之間為非線性關系^[12]。其三，稅負與環境污染負相關^[13]，增加實際稅率可以緩解環境污染^[14]，產業聚集與環境污染之間為倒U型關系^[15]。

總體來看，國內外文獻就環境污染的影響因素進行了大量有益研究，但對數字經濟是否影響、如何影響工業SO₂排放量的問題尚缺乏研究。在數字經濟已成為中國經濟高質量發展抓手、黨的十九大要求“持續實施大氣污染防治行動、打贏藍天保衛戰”的情況下，該研究對助推中國經濟高質量發展具有重要意義。本文基于Stokey^[16]模型，將數字經濟發展水平引入代表性企業的生產函數和污染因子，基于2012—2018年中國31個省市區平衡面板數據進行實證檢驗，研究數字經濟發展水平與工業SO₂排放量之間的關系問題。

本文可能的創新點在于：在理論分析基礎上，基于2012—2018年中國31個省市區平衡面板數據，研究了數字經濟對工業SO₂排放量的溢出效應;本文基于CRITIC方法構建的數字經濟發展指數，從理論解讀和經驗分析兩個維度研究數字經濟的影響;探討了財政分權對數字經濟發展水平拐點的影響，豐富了財政分權領域的文獻。

二、理論分析

在數字經濟大潮中，工業企業正在基于人工智能、區塊鏈、云計算和大數據等技術進行數字化轉型，而數字化水平的提升可能影響工業企業的生產率和污染因子，從而影響工業SO₂排放量。

（一）模型設定

本文借鑒戴覓等^[17]、宮旭紅和曹云祥^[18]、肖興志等^[19]文獻，將代表性企業的生產函數設定為Cobb-Douglas生產函數，即，表示產量、表示綜合技術水平、N表示投入的勞動、K表示投入的資本，其中、、。代表性企業在生產過程中將排放SO₂，借鑒Stokey^[16]的做法，工業SO₂排放量為產出和污染因子的函數。參照盛鵬飛^[20]的做法，將污染函數簡記為。在數字經濟發展水平驅動下，代表性企業實施數字化轉型。代表性企業的數字化水平與數字經濟發展水平之間的關系為，為代表性企業的數字化傾向，為數字經濟發展水平。數字化可優化生產要素的配置、提高全要素生產率^[21]，因而在考慮數字經濟發展水平會對企業數字化水平、全要素生產率產生影響的情況下，代表性企業的生產函數為。，其中為代表性企業實施數字化轉型前的綜合技術水平（全要素生產率），為代表性企業全要素生產率的邊際提升傾向，得到。

此外，信息通訊技術（ICT）是數字經濟的基礎。ICT的廣泛應用即為信息化^[22]，信息化可改進企業的生產流程，提高企業的生產效率^[23-24]，生產效率的提高可能提升代表性企業的污染排放因子。在考慮數字經濟發展水平影響的情況下，設污染因子，為代表性企業實施數字化轉型前的初始污染因子，為代表性企業污染因子的提升傾向。

代表性企業所在的市場為完全競爭市場，為價格接受者，產品價格為p。設產品的單位變動成本為b，固定成本為，則。代表性企業對SO₂進行處理后排放，設處理成本，為單位變動成本。綜上，代表性企業的利潤。根據上述假設，代表性企業的目標函數和約束條件如式（1）所示：

（1）

（二）模型分析

代表性企業通過選擇最佳數字化水平以實現利潤最大化，式（1）對求偏導，可得式（2）：

（2）

令式（2）為零，可得代表性企業的最優數字化水平滿足式（3）：

（3）

式（3）為代表性企業實現利潤最大化時最優數字化水平的一階條件，經整理可得代表性企業選擇最優數字化水平時的產出為式（4）：

（4）

式（4）兩邊分別乘可得代表性企業在選擇最優數字化水平時工業SO₂排放量為式（5）：

（5）

從式（5）可知，工業SO₂排放量是代表性企業數字化水平的函數，而數字化水平是數字經濟發展水平的函數。因此，工業SO₂排放量是數字經濟發展水平的函數。式（5）對求偏導，可得式（6）：

（6）

令式（6）為零，可得式（7）：

（7）

式（6）再對求偏導，可得式（8）：

（8）

由式（1）可知、，得式（9）：

（9）

綜合式（7）和式（9）可知，為工業SO₂排放量的最大值點，當數字經濟發展水平小于時，隨著數字經濟發展水平的提升，工業SO₂排放量增加;當數字經濟發展水平大于時，隨著數字經濟發展水平的提升，工業SO₂排放量減少。即工業SO₂排放量與數字經濟發展水平之間為倒U型非線性關系。由此，提出研究假說。

假說：工業SO₂排放量與數字經濟發展水平之間為倒U型非線性關系，隨著數字經濟發展水平的提升，工業SO₂排放量呈先上升后下降趨勢。

（三）作用機制

工業SO₂排放量與數字經濟發展水平之間之所以為倒U型關系，其作用機制可從模型中分析得出。將式（6）寫成微分形式可得式（10）：

（10）

式（10）右邊第一項為正，其中可視為數字經濟發展水平提升時，代表性企業全要素生產率的提升幅度;則為全要素生產率增量帶來的產出增加量;為代表性企業產品價格與變動成本之差，即單位產出給代表性企業帶來的收益。因此，表示數字經濟提升代表性企業全要素生產率后增加的利潤。而可視為代表性企業受全要素生產率提升帶來利潤增加的影響——增加的工業SO₂排放量。式（10）右邊第一項可視為利潤激勵效應。

式（10）右邊第二項為負，同理，為全要素生產率增量帶來的產出增加量。為產出量增加時帶來的工業SO₂排放量的增量，為工業SO₂排放量增量產生的處置成本。因此，可視為數字經濟發展水平在增加產出量的同時，給代表性企業帶來的SO₂處置成本。可視為增量處置成本減少的工業SO₂排放量。因此，式（10）右邊第二項可視為成本抑制效應。

數字經濟發展水平對工業SO₂排放量的影響由利潤激勵效應和成本抑制效應構成，利潤激勵效應會增加工業SO₂排放量，成本抑制效應則降低工業SO₂排放量。由式（9）可知，利潤激勵效應在前期占主導影響，會增加工業SO₂排放量;后期成本抑制效應占主導影響，會減少工業SO₂排放量（如圖1所示）。

三、研究設計

（一）計量模型設定

本文借鑒席鵬輝等^[25]、張明志等^[26]文獻，參照杜龍政等^[27]、胡望斌等^[28]檢驗正U或倒U型關系的做法，構建實證模型為式（11）：

（11）

為第i個省市區第t年的工業SO₂排放量，為截距項，為第i個省市區的個體效應，為第t年的年度效應，為隨機誤差項。為第i個省市區第t年的數字經濟發展水平，為其系數。為的平方項，為其系數。若顯著小于零，則數字經濟發展水平與工業SO₂排放量之間為倒U型關系，假如同時顯著大于零，則數字經濟發展水平的拐點大于零。為控制變量。

（二）樣本選擇與數據來源

本文采用CRITIC方法構造數字經濟發展指數進行實證檢驗。鑒于計算指數的原始數據最早為2012年，其他數據最新為2018年。本文基于2012—2018年中國31個省市區的數據進行檢驗。

本文采用爬蟲技術采集了計算數字經濟發展指數所需的上市數字科技企業市值，以及人工智能、區塊鏈、云計算和大數據等四項技術的專利申請數據。工業SO₂排放量和工業固定廢物排放量來源于《中國環境統計年鑒》，計算指數所需的其他原始數據來源于中國人民銀行、國家統計局和Wind數據庫，陸地面積來源于百度百科。為消除異常值的影響，本文對連續變量進行了上下1%的Winsorize縮尾處理。此外，對2016—2018年的工業SO₂排放量和工業固體廢物排放量進行了線性插值處理。

（三）變量說明

借鑒現有文獻，設計被解釋變量、關鍵解釋變量和控制變量，如表1所示。

⒈ 被解釋變量

被解釋變量為工業SO₂排放量，設計被解釋變量wgas，借鑒聶飛和劉海云^[29]、席鵬輝等^[25]、張紅鳳等^[30]的做法，取值為Ln（工業SO₂排放量/總人口）。另外，以Ln（工業固體廢物排放量/總人口）計算wgasr做穩健性檢驗。

⒉ 關鍵解釋變量

數字經濟發展水平（deco）：目前尚無表征各省市區數字經濟發展水平的指標。本文基于數字經濟的數字產業化和產業數字化兩個維度，考慮數據可獲得性，從數字經濟基礎發展水平、用戶數字化水平、交易數字化水平、企業數字化水平、數字經濟資本化水平和數字科技技術創新水平等六個維度構造各省市區數字經濟發展指數。前四個維度的原始數據來自于國家統計局，數字經濟資本化水平和數字科技技術創新水平兩個維度的原始數據，本文采用爬蟲技術獲取。

具體而言，以信息傳輸計算機服務和軟件業全社會固定資產投資、軟件業務收入衡量數字經濟基礎發展水平，以電信業務總量和移動電話普及率衡量用戶數字化水平，以有電子商務交易活動的企業數、電子商務銷售額和電子商務采購額衡量交易數字化水平，以域名數、網站數和網頁數衡量企業數字化水平，以上市數字科技企業市值衡量數字經濟資本化水平，以人工智能、區塊鏈、云計算和大數據專利申請數量衡量數字科技技術創新水平。

以信息傳輸計算機服務和軟件業全社會固定資產投資和軟件業務收入為初始指標，計算數字經濟基礎發展水平;以電信業務總量和移動電話普及率為初始指標，計算用戶數字化水平;以有電子商務交易活動的企業數、電子商務銷售額和電子商務采購額為初始指標，計算交易數字化水平;以域名數、網站數和網頁數為初始指標，計算企業數字化水平;以上市數字科技企業市值為初始指標，計算數字經濟資本化水平;以人工智能、區塊鏈、云計算和大數據等四項技術的專利申請數量為初始指標，計算數字科技技術創新水平。以數字經濟基礎發展水平、用戶數字化水平、交易數字化水平、企業數字化水平、數字經濟資本化水平和數字科技技術創新水平”為指標，計算數字經濟發展水平。

在指標權重方面，CRITIC方法確定的權重更為精準^[34]。本文采用CRITIC方法生成指標權重，。，為指標i的標準差，為指標i與指標j的相關系數。在計算出各省市區數字經濟發展指數decoo后，為消除異方差的干擾，對其取對數得到關鍵解釋變量deco。

⒊ 控制變量

本文主要借鑒丁鵬程等^[5]、盛鵬飛^[20]、席鵬輝等^[25]和張明志等^[26]的做法，設計了經濟發展水平及其二次項、財政分權、人口增長率、教育水平及其二次項、城鎮化率及其二次項、產業結構水平等控制變量。此外，為進行穩健性檢驗，還設計了人口密度和金融分權兩個控制變量。

四、實證分析與穩健性檢驗

（一）描述性統計

表2為主要變量描述性統計。工業SO₂排放量wgas的均值為2.2220，最小值僅為-3.0778，最大值達4.0838，在省際層面與中國發展不平衡的基本國情相符。最小值為負數是因為取對數所致。數字經濟發展水平的均值為6.4754，最小值為5.2969，最大值為8.5251。觀測樣本為7年數據，觀測值為217個。

（二）基準回歸

對式（11）采用固定效應FE和隨機效應RE進行估計。本文先進行豪斯曼檢驗，p值為0.0015，但Stata15.1報告“V_b-V_B”矩陣非正定，較難判斷。而固定效應能克服遺漏變量等造成的偏誤，故本文以固定效應進行估計。基于固定效應，采用逐步增加控制變量的方法估計式（11），結果如表3所示。另外，鑒于數字經濟發展水平可能具有內生性，將其滯后一期;借鑒環境污染相關文獻的做法，所有控制變量也滯后一期。表3中均控制了年度效應和個體效應。

⒈ 研究假說檢驗情況

表3模型（1）—模型（5）中，關鍵解釋變量二次項L.deco2的系數均在1%或5%顯著性水平下顯著為負，而一次性L.deco的系數均在5%或10%顯著性水平下顯著為正。即數字經濟發展水平與工業SO₂排放量之間為倒U型非線性關系，工業SO₂排放量隨著數字經濟發展水平的增加先上升后下降。因此，研究假說成立。按模型（5）計算，數字經濟發展水平的拐點為5.2696，即當數字經濟發展水平低于5.2696時，數字經濟發展水平的利潤激勵效應占主導，工業企業將增加產出從而增加工業SO₂排放量;當大于5.2696時，數字經濟發展水平的成本抑制效應占主導，數字經濟的發展將降低工業SO₂排放量。從全國平均水平看，數字經濟發展水平的均值為6.4754，已越過了拐點。因此，在全國平均水平上，中國的數字經濟已開始抑制工業SO₂排放量。

⒉ 其他信息

控制變量方面，從模型（5）可知：第一，經濟發展水平二次項L.ppgdp2的系數在1%顯著性水平下顯著為負，一次項L.ppgdp的系數在1%顯著性水平下顯著為正，經濟發展水平與工業SO₂排放量之間為倒U型非線性關系，與Friedl和Getzner^[35]、李鵬濤^[36]的結論一致。第二，教育水平的二次項L.edu2系數在1%顯著性水平下顯著為正，一次項L.edu的系數在1%顯著性水平下顯著為負，即教育水平與工業SO₂排放量之間為正U型關系，與席鵬輝等^[25]的結論基本一致。第三，城鎮化率的二次項L.urbrate2的系數在1%顯著性水平下顯著為負，一次項L.urbrate系數在1%顯著性水平下顯著為正，與工業SO₂排放量之間為倒U型關系，與席鵬輝等^[25]的結論一致。

對標準誤在個體和時間上雙重聚類（Cluster）調整，可克服自相關和異方差等問題對統計推斷的影響^[37]。表3模型（1）—模型（5）均采用雙重聚類標準誤，以增加估計結果的可靠性。此外，表3模型（1）—模型（5）中，關鍵解釋變量均在1%、5%或10%顯著性水平下顯著，本身也是一種穩健性檢驗。

（三）穩健性檢驗

本文還通過內生性處理、替換被解釋變量、增加控制變量等進行進一步的穩健性檢驗。

⒈ 內生性處理

數字經濟發展水平會影響工業SO₂排放量。反過來，工業SO₂排放量也會增加企業的運營成本，加重企業的環境處置負擔，在資源有限的情況下，將可能影響企業實施數字化轉型，從而影響數字經濟發展水平。如此一來，數字經濟發展水平可能具有內生性。

本文借鑒Kim等^[38]做法，以其他省市區相同年度數字經濟發展水平均值取對數及對數的平方項ivdeco和ivdeco2作為工具變量，采用工具變量法（IV）重新估計式（11），如表4所示。表4中均控制了年度效應、個體效應和控制變量。弱工具變量檢驗的Cragg-Donald F統計量為32.7140，大于10%偏誤下的臨界值7.0300，即拒絕弱工具變量的假設，ivdeco和ivdeco2為有效工具變量。估計結果如表4模型（6）。數字經濟發展水平二次項deco2的系數在1%顯著性水平下顯著為負，一次項deco的系數在1%顯著性水平下顯著為正。可見，在排除內生性的情況下，依據模型（5）得出的結論是穩健的。

2. 其他穩健性檢驗

將被解釋變量替換為人均工業固定廢物排放量的對數wgasr，采用FE新估計式（11），結果為表4模型（7）。增加人口密度lnden，采用FE新估計式（11），結果為表4模型（8）。增加金融分權fd及其二次項fd2，采用FE新估計式（11），結果為表4模型（9）。從模型（7）—模型（9）的結果來看，數字經濟發展水平二次項L.deco2的系數均在1%顯著性水平下顯著為負，數字經濟發展水平一次項L.deco的系數均在5%顯著性水平下顯著為正。因此，依據模型（5）得出的結論是穩健的。綜上，在排除內生性、替換被解釋變量、控制人口密度、控制金融分權的情況下，依據模型（5）得出的結論是穩健的，即數字經濟發展水平與工業SO₂排放量之間為倒U型關系，隨著數數字經濟發展水平的提升，工業SO₂排放量先上升后下降。

五、進一步討論

黨的十九大要求“持續實施大氣污染防治行動，打贏藍天保衛戰”。為落實黨的十九大精神，中央和地方政府對包括SO₂在內的大氣污染進行了大力治理。國家統計局數據顯示，2012—2017年，國家財政環境保護支出年復合增長率為13.6%;而黨的十九大后，國家財政環境保護支出年復合增長率達15.1%。2019年，國家財政環境保護支出達到7 443.57億元（如圖2所示）。

前文分析表明，數字經濟發展水平與工業SO₂排放量之間為倒U型非線性關系。數字經濟發展水平存在拐點，當超越拐點后，數字經濟的發展方可抑制工業SO₂排放。因此，拐點的大小具有重要意義。從地方政府層面來看，在中國改革的進程中，財政分權制度逐漸得以形成^[39]，財政分權即中央政府將一定的稅收權和支出責權賦予地方政府，使地方政府擁有了一定的收支自主權^[40]。為貫徹黨的十九大精神，地方政府可能基于財政分權而加大環境保護支出。那么，地方政府的財政分權會對數字經濟發展水平的拐點產生何種影響呢？

數字經濟發展水平的拐點如式（12）：

（12）

式（12）中，由前提假設可知，為代表性企業污染因子的提升傾向。當地方政府基于財政分權而加大環境保護支出力度時，為應對地方政府的環境保護，代表性企業的污染因子提升傾向將降低，即，其中fiscd為地方政府的財政分權。

式（12）兩邊對財政分權求偏導可得式（13）：

（13）

前述分析表明，拐點為正，因而，而。因此，。即隨著財政分權fiscd的增加，數字經濟發展水平的拐點F₀將上升。表5為財政分權對數字經濟發展水平拐點的影響結果。

本文將財政分權和數字經濟發展水平的交互項fiscd×deco追加到式（11）中，采用FE重新估計，結果為表5模型（10）;以人均工業固定廢物排放量的對數wgasr為被解釋變量，采用FE重新估計，結果為表5模型（11）;以財政支出占全國財政支出比例計算支出分權rfiscd，采用FE重新估計，結果為表5模型（12）。表5中均控制了年度效應、個體效應和控制變量。

從模型（10）—模型（12）看，財政分權與數字經濟發展水平的交互項L.fiscd×L.deco、L.rfiscd×L.deco的系數在1%或5%顯著性水平下顯著為正。數字經濟發展水平二次項L.deco2的系數均在1%顯著性水平下顯著為正。因此，隨著財政分權的增加，數字經濟發展水平的拐點將提升。

六、結論與啟示

發展數字經濟究竟會對工業SO₂排放量產生何種影響？國內外文獻對這一問題缺乏研究。而這一問題的研究對助推中國經濟高質量發展具有重要意義。研究結果表明：第一，數字經濟發展水平與工業SO₂排放量之間為倒U型非線性關系，隨著數字經濟發展水平的提升，工業SO₂排放量先上升后下降。第二，數字經濟發展水平與工業SO₂排放量之間之所以為倒U型非線性關系，原因在于數字經濟具有利潤激勵效應和成本抑制效應。第三，財政分權可抑制環境污染，同時會拉高數字經濟發展水平的拐點。

基于研究結論得到的啟示如下：第一，數字經濟發展水平與工業SO₂排放量之間為倒U型非線性關系，各地方政府在推進數字經濟發展的過程中，在拐點左側，數字經濟的發展將加大SO₂排放量。因此，為防治工業SO₂排放，地方政府需采取對沖政策以緩解其不利影響。第二，財政分權可抑制工業SO₂排放量，同時會拉高數字經濟發展水平的拐點。因此，地方政府在基于財政分權治理工業SO₂排放和促進數字經濟發展時，需考慮對數字經濟發展水平拐點的影響。第三，數字經濟發展水平與工業SO₂排放量之間為倒U型非線性關系，地方政府促進數字經濟發展的政策可抑制本地區的工業SO₂排放量，但對其他地區則未必。因此，地方政府需因地制宜，制定差異化政策，不可一味模仿。

參考文獻：

[1] ?丁志帆.數字經濟驅動經濟高質量發展的機制研究：一個理論分析框架[J].現代經濟探討，2020，（1）：85-92.

[2] ?羅以洪.大數據人工智能區塊鏈等ICT促進數字經濟高質量發展機理探析[J].貴州社會科學，2019，（12）：122-132.

[3] ?李輝.大數據推動我國經濟高質量發展的理論機理、實踐基礎與政策選擇[J].經濟學家，2019，（3）：52-59.

[4] ?王夢菲，張昕蔚.數字經濟時代技術變革對生產過程的影響機制研究[J].經濟學家，2020，（1）：52-58.

[5] ?丁鵬程，孫玉棟，梅正午.財政分權、地方政府行為與環境污染——基于30個省份SO₂排放量的實證研究[J].經濟問題探索，2019，（11）：37-48.

[6] ?肖超，肖挺.財政分權對我國環境污染的影響——基于產業結構和經濟發展水平的視角[J].華東經濟管理，2019，（11）：72-77.

[7] ?Wheeler， D. Racing to the Bottom ： Foreign Investment and Air Pollution in Developing Countries[J]. Journal of Environment and Development，2001， 10（3）：225-245.

[8] ?List，A. J.， Millimet， D. L.， Fredriksson，P. G.，et al.Effects of Environmental Regulations on Manufacturing Plant Births： Evidence From a Propensity Score Matching Estimator[J]. The Review of Economics and Statistics， 2003， 85（4）：944-952.

[9] ?朱向東，賀燦飛，李茜，等.地方政府競爭、環境規制與中國城市空氣污染[J].中國人口·資源與環境，2018，（6）：103-110.

[10] ?Dong， Q.， Wen， S.， Liu， X. Credit Allocation， Pollution， and Sustainable Growth： Theory and Evidence From China[J/OL]. Emerging Markets Finance and Trade， 2019.

[11] ?胡宗義，李毅.金融發展對環境污染的雙重效應與門檻特征[J].中國軟科學，2019，（7）：68-80.

[12] ?王偉，楊敬峰，孫芳城.金融發展與城市環境污染：加劇還是緩解——基于268個城市數據[J].西南民族大學學報（人文社科版），2019，（5）：96-106

[13] ?張華.稅收競爭與環境污染：影響機制與實證檢驗[J].財經問題研究，2019，（3）：34-42.

[14] ?周林意，朱德米.地方政府稅收競爭、鄰近效應與環境污染[J].中國人口·資源與環境，2018，（6）：140-148.

[15] ?韓晶，毛淵龍，朱兆一.產業集聚對環境污染的影響[J].經濟社會體制比較，2019，（3）：71-80.

[16] ?Stokey， N. L. Are There Limits to Growth？[J]. International Economic Review， 1998， 39（1）：1-31.

[17] ?戴覓，張軼凡，黃煒.貿易自由化如何影響中國區域勞動力市場？[J].管理世界，2019，（6）：56-69.

[18] ?宮旭紅，曹云祥.資本深化與制造業部門勞動生產率的提升——基于工資上漲及政府投資的視角[J].經濟評論，2014，（3）：51-63.

[19] ?肖興志，張偉廣，朝鏞.僵尸企業與就業增長：保護還是排擠？[J].管理世界，2019，（8）：69-83.

[20] ?盛鵬飛.環境污染與城鄉收入差距：作用機制與基于中國經濟事實的檢驗[J].中國人口·資源與環境，2017，（10）：56-63.

[21] ?肖旭，戚聿東.產業數字化轉型的價值維度與理論邏輯[J].改革，2019，（8）：61-70.

[22] ?孫琳琳，鄭海濤，任若恩.信息化對中國經濟增長的貢獻：行業面板數據的經驗證據[J].世界經濟，2012，（2）：3-25.

[23] ?Ann， B.， Casey， I.， Kathryn，S. ?How Does Information Technology Affect Productivity？ Plant-Level Comparisons of Product Innovation， Process Improvement， and Worker Skills[J]. ?Quarterly Journal of Economics，2007，122（4）： 1721-1758.

[24] ?朱秋博，白軍飛，彭超，等.信息化提升了農業生產率

嗎？[J].中國農村經濟，2019，（4）：22-40.

[25] ?席鵬輝，梁若冰，謝貞發.稅收分成調整、財政壓力與工業污染[J].世界經濟，2017，（10）：170-192.

[26] ?張明志，余東華，孫婷.高鐵開通對城市生產體系綠色重構的影響[J].中國人口·資源與環境，2019，（7）：41-49.

[27] ?杜龍政，趙云輝，陶克濤，等.環境規制、治理轉型對綠色競爭力提升的復合效應——基于中國工業的經驗證據[J].經濟研究，2019，（10）：106-120.

[28] ?胡望斌，張玉利，楊俊.同質性還是異質性：創業導向對技術創業團隊與新企業績效關系的調節作用研究[J].管理世界，2014，（6）：92-109.

[29] ?聶飛，劉海云.FDI、環境污染與經濟增長的相關性研究——基于動態聯立方程模型的實證檢驗[J].國際貿易問題，2015，（2）：72-83.

[30] ?張紅鳳，周峰，楊慧，等.環境保護與經濟發展雙贏的規制績效實證分析[J].經濟研究，2009，（3）：14-26，67.

[31] ?何德旭，苗文龍.財政分權是否影響金融分權——基于省際分權數據空間效應的比較分析[J].經濟研究，2016，（2）：42-55.

[32] ?王蘭平，王昱，劉思鈺，等.金融發展促進產業結構升級的非線性影響[J].科學學研究，2020，（2）：239-251.

[33] ?王先柱，吳蕾.土地財政、房價上漲與產業結構升級——基于面板數據聯立方程模型的分析[J].經濟問題探索，2019，（3）：32-39.

[34] ?許滌龍，陳雙蓮.基于金融壓力指數的系統性金融風險測度研究[J].經濟學動態，2015，（4）：69-78.

[35] ?Friedl，B.， Getzner， M. Determinants of CO₂Emissions in a Small Open Economy[J]. Ecological Economics， 2003， 45（1）：133-148.

[36] ?李鵬濤.中國環境庫茲涅茨曲線的實證分析[J].中國人口·資源與環境，2017，（S1）：22-24.

[37] ?Petersen， M. A .Petersen Estimating Standard Errors in Finance Panel Data Sets： Comparing Approaches[J]. The Review of Financial Studies，2009， 22（1）： 435-480.

[38] ?Kim， Y.， Li， H.， Li， S. Corporate Social Responsibility and Stock Price Crash Risk[J]. Journal of Banking and Finance， 2014， 43（6）：1-13.

[39] ?王文劍，仉建濤，覃成林.財政分權、地方政府競爭與FDI的增長效應[J].管理世界，2007，（3）：13-22，171.

[40] ?方曉利，周業安.財政分權理論述評[J].教學與研究，2001，（3）：53-57.

（責任編輯：鄧菁）