數字經濟、實體經濟與綠色福利效應

〔摘 要〕 提高綠色全要素生產率、逐步釋放綠色福利效應是實現經濟高質量發展的關鍵路徑和必然選擇。隨著全球數字技術的廣泛應用， 數字經濟和實體經濟協同發展成為變革經濟發展方式、增強經濟發展韌性的核心驅動力。本文基于２０１１～２０２０ 年城市面板數據， 采用空間杜賓模型實證探究數字經濟、實體經濟及其交互作用對綠色福利效應的直接及空間溢出影響。研究發現： 數字經濟、數字經濟與實體經濟的交互作用促進了本地及鄰近地區綠色福利效應， 而實體經濟抑制了本地及鄰近地區綠色福利效應； 在異質性方面， 數字經濟和實體經濟的交互作用顯著促進了中等規模城市、非資源型城市綠色福利效應并產生了正向空間溢出。本文研究結果為推動數字經濟和實體經濟協同發展以釋放綠色福利效應提供參考。

〔關鍵詞〕 數字經濟 數字技術 實體經濟 綠色福利效應 交互作用 空間溢出

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２４．０６．００６

〔中圖分類號〕Ｆ４９； Ｆ１２４ 〔文獻標識碼〕Ａ

引 言

在數字經濟和實體經濟協同發展的背景下， 數據要素和數字技術雙輪驅動實體經濟變革， 以節能減排、提質增效等戰略性技術創新助推綠色低碳發展， 體現了人與自然和諧共生的綠色發展理念， 也是實現中國式現代化的關鍵。綠色低碳發展的最終目標是實現綠色福利效應， 即政府通過引導企業戰略性技術創新， 優化生產流程， 提高資源配置效率， 降低能源消耗， 減少污染等方式帶來人類多樣化福利水平提升； 綠色福利效應反映著一個國家或地區綠色生產、可持續發展的質量。全面提升綠色福利效應， 既有賴于產業結構、人口密度、金融發展水平等因素的綜合作用， 更有賴于在這些要素聯合效能釋放基礎上的數字經濟與實體經濟協同發展。

中國信息通信研究院發布的《中國數字經濟發展報告（２０２２ 年）》顯示， 我國數字經濟總量達到４５ ５ 萬億元， 較１０ 年前增長了３１３ ６％， 在國內生產總值中的比重由１０ 年前的２１ ６％提升至３９ ８％。我國數字經濟規模中電子商務交易額、移動支付交易規模位居全球第一。數字經濟的發展推動了海量數據共享、生產要素重新配置和綠色技術創新， 促進了綠色福利效應釋放［１］ 。實體經濟是我國國家強盛和贏得國際競爭主動權的關鍵［２］ ，但實體經濟生產成本上升、投資收益率下降、創新能力不強等問題較為突出［３］ ， 制約了我國經濟的綠色、可持續發展進程。

關于數字經濟、實體經濟與綠色福利效應，已有研究大都集中在以下３ 個方面： （１） 綠色福利效應的衡量和測度。由于綠色福利效應主要表征生態環境與福利水平之間的關系， 許多學者考慮采用與其內涵相似的環境福利效應［４］ 、綠色發展績效［５］ 、生態福利績效［６］ 等來間接衡量綠色福利效應， 或者將資源損耗、經濟增長、環境污染等納入投入產出模型中， 采用數據包絡分析方法來直接測度綠色福利效應［７］ ； （２） 數字經濟與綠色福利效應之間的關系。作為技術密集型經濟， 數字經濟以其高滲透性、廣覆蓋性、規模經濟性引得學者們廣泛關注［８，９］ 。數字技術可滲透到生產、生活等各個領域， 催生出大數據、人工智能、互聯網醫療等戰略性新興智能產業， 促進勞動、資本等要素資源優化配置［１０］ ， 成為降本增效［１１］ 、提升全要素生產率［１２］ 的重要抓手； （３） 實體經濟與綠色福利效應之間的關系。盡管實體經濟為經濟快速發展奠定了堅實的基礎， 但實體經濟發展中仍存在對傳統粗放型經濟發展模式過度依賴［１３］ 、綠色轉型動力不足［１４］ 、結構性供需失衡［１５］ 等問題， 從而易造成產能過剩［１６］ 、能源消耗［１７］ 、環境污染［１８］ ， 對綠色發展和綠色福利效應產生不利的影響。

綜合相關研究發現， 學者們就數字經濟、實體經濟與綠色福利效應進行了有益探討， 但是， 數字經濟和實體經濟能否協同促進綠色福利效應還有待進一步分析。本文采用空間杜賓模型探究數字經濟、實體經濟及其交互作用對綠色福利效應的直接及空間溢出影響。

１ 理論分析與研究假設

１. １ 數字經濟對綠色福利效應的影響

從供給層面看， 數字經濟所引發的技術變革，可通過協同效應促進多要素成本降低和效率提升，是綠色福利效應釋放的關鍵途徑。（１） 數字技術之間協同效應。云計算整合、優化各企業之間的數據資源， 區塊鏈連接多項數字技術、追溯產品生產到流通的全過程［１９］ ， 可有效降低企業成本，提升綠色福利效應； （２） 不同主體間的數字技術協同效應。借助于多樣化的開放數字網絡平臺， 龍頭企業、高校、科研院所等利益相關者， 可以加速核心產品或服務譜系的技術群數字化過程； 也可以突破時間、空間障礙， 提高基于集群化的要素協同效率， 加強鄰近地區環境保護與治理， 提升綠色福利效應； （３） 數字技術與其他要素協同效應。數字技術與大數據協作， 可以促進生態環境的數字化治理和保護； 而在生產、交換、消費等眾多環節， 數字技術、數據要素與傳統要素協同， 可優化傳統要素配置效率［２０］ ， 促進降本增效和綠色福利效應釋放。

從需求層面看， 數字經濟為消費者提供多樣化產品， 引導消費者形成綠色環保消費理念， 促進消費提質升級以釋放綠色福利效應。（１） 區域內示范效應。數字經濟不僅可以促進綠色產品研發和生產， 還可依托數字化網絡平臺引導消費者購買這些節能環保產品， 使得消費者逐步養成綠色低碳的消費方式和生活方式； （２） 消費示范引致的生產者學習效應。定制化產品、多元化消費場景、便捷化支付相結合的全新消費模式， 可以從市場端反方向向生產者傳遞示范信號， 促進企業綠色轉型［２１］ ； （３） 區域間示范效應。在驅動消費品質提升、消費理念轉變的同時， 數字經濟還可憑借５Ｇ、移動互聯網、人工智能等進一步縮短區域間消費者認知距離， 釋放鄰近地區綠色福利效應。因此， 提出假設１：

假設１： 數字經濟提升了本地及鄰近地區綠色福利效應。

１. ２ 實體經濟對綠色福利效應的影響

要素、環境、市場競爭等方面的制約［１５］ ， 使得部分實體經濟主體的供給產品單一、附加值較低， 資源利用效率低， 抑制了綠色福利效應。（１）要素成本提高。受稀缺性、不可重復性、排他性特點的約束， 傳統生產要素價格持續上漲， 引致實體企業生產和運營成本上升， 制約了實體企業技術革新和綠色轉型； （２） 生態環境受限。近年來， 虛擬經濟過快發展和環境規制趨緊， 擠壓了實體企業發展空間［２２］ 。實體企業更傾向于以“綠色達標” 為目的［２３］ ， 進行簡單的創新研發活動，并不會改變“高耗低效” 的局面、改善區域綠色福利效應； （３） 市場競爭激烈。受市場不景氣和供給結構質量等影響， 加之部分地區市場分割、惡性競爭和營商環境不好， 多數實體企業疲于價格競爭和促銷， 制約了企業綠色技術創新投入。

從出口需求角度看， ２０２２ 年我國進出口總值首次突破４０ 萬億元人民幣關口， 連續６ 年保持世界第一貨物貿易國地位。面對國際市場的大規模需求， 實體企業傾向于以粗放型發展方式為主，生產、加工、出口大量勞動密集型產品和大宗產品。２０２２ 年， 我國勞動密集型產品出口４. ２８ 萬億元， 占當年出口總額的１７. ８６％。國際市場需求的慣性不斷強化著部分實體企業的規模化生產能力， 從而導致“高排放、低創新”。此外， 不同區域內實體企業間的無序競爭、競相殺價， 也將削弱企業綠色創新投入的動機， 致使本地及鄰近地區實體企業均無法釋放綠色福利效應。因此， 提出假設２：

假設２： 實體經濟不利于本地及鄰近地區綠色福利效應釋放。

１. ３ 數字經濟和實體經濟協同發展對綠色福利效應的影響

經過集約化、集成化、集群化３ 個基本過程，以及不同過程間的交互作用和系統演化， 使得數實協同發展程度、廣度和深度不斷進入新階段，實現數字經濟賦能實體經濟、實體經濟支撐數字經濟， 持續提高綠色福利效應。

在集約化發展階段， 數字技術融入到實體企業內， 嵌入到產品研發、生產、銷售等各個部門中［２４］ ， 加強企業內部門間技術協同、交流、共享，實現規模經濟、釋放綠色福利效應。在集成化階段， 數字技術、數字化網絡平臺與實體企業高度結合， 使得包含數字技術在內的創新資源在企業以及區域間流動， 推動區域內外企業協同創新、數字化變革與規模化生產， 形成“長尾效應” 并實現范圍經濟［２５］ ， 對各區域綠色福利效應產生積極的影響。在集群化階段， 數字經濟和實體經濟協同發展程度走向深化。在這一階段， 各企業、產業的經濟活動邊界以及各區域的地理邊界被弱化［２６］ 。

數字經濟發揮其網絡效應對全行業、全產業鏈條進行數字化變革， 實現全社會內數據和創新資源共享、效率倍增， 重塑價值創造方式， 成為綠色福利效應釋放的重要驅動力量。因此， 提出假設３：假設３： 數字經濟和實體經濟協同發展促進本地及鄰近地區綠色福利效應釋放。

２ 研究設計

２. １ 模型構建

２. １. １ 空間自相關性檢驗

根據“地理學第一定律”［２７］ ， 各種事物處在一定的聯系之中， 且距離越近， 事物之間的聯系越緊密。為探究綠色福利效應、數字經濟等空間相關性， 本文從全局空間自相關和局部空間自相關兩方面來考察。

（１） 全局空間自相關性檢驗

Ｇｌｏｂａｌ Ｍｏｒａｎ＇ｓ Ｉ 常用于全局空間自相關檢驗，其主要是測度綠色福利效應、數字經濟等在整個空間上是否具有聚集現象， 計算公式如下［２８，２９］ ：

（２） 局部空間自相關性檢驗

Ｌｏｃａｌ Ｍｏｒａｎ＇ｓ Ｉ 常用于局部空間自相關檢驗，主要用來測度綠色福利效應在局部空間上的空間集聚和空間依賴性特征， 其計算公式如下：

２."１. ２ 空間計量模型

空間杜賓模型（ＳＤＭ）同時考慮了解釋變量、被解釋變量及隨機干擾項的空間溢出特征， 是描述空間溢出效應一般性、標準性的框架， 被廣泛用于經濟學實證研究［３０］ 。因此， 本文采用ＳＤＭ 模型進行分析， 其模型設置如下：

ｌｎＧＴＦＰｉｔ ＝ ? ＋ δＷｌｎＧＴＦＰｊｔ ＋ φ１ｌｎＤＩＧＩｉｔ ＋φ２ｌｎＩＮＤＵＳＴＲＹｉｔ ＋φ３ｌｎＤＩＧＩｉｔ ×ｌｎＩＮＤＵＳＴＲＹｉｔ ＋φ４Ｘｉｔ ＋?１ＷｌｎＤＩＧＩｊｔ ＋?２ＷｌｎＩＮＤＵＳＴＲＹｊｔ ＋?３ＷｌｎＤＩＧＩｊｔ ×ｌｎＩＮ?ＤＵＳＴＲＹｊｔ ＋?４ＷＸｉｔ ＋εｉｔ （３）

式（３） 中， ＧＴＦＰ 為綠色福利效應， ＤＩＧＩ 為數字經濟， ＩＮＤＵＳＴＲＹ 為實體經濟， Ｘ 表示控制變量， Ｗ 為空間權重矩陣。

２. ２ 變量選取與測度

２. ２. １ 綠色福利效應的測度

在本質上， 綠色福利效應反映著綠色、可持續發展活動對資源利用效率提升和環境質量改善的影響程度［７］ 。而綠色全要素生產率追求的產出最大化、資源損耗和環境污染最小化的理念則反映了綠色福利效應的核心要義。因此， 本文采用綠色全要素生產率（ＧＴＦＰ）來衡量城市綠色福利效應水平， 并將其作為本文的被解釋變量。借鑒楊書等［３１］ 的做法， 采用Ｔｏｎｅ［３２］ 提出的非期望產出超效率ＳＢＭ 模型（Ｓｕｐｅｒ－ＳＢＭ－Ｕｎｄｅｓｉｒａｂｌｅ） 測度城市ＧＴＦＰ。測度城市ＧＴＦＰ 時所使用的投入－產出指標如表１ 所示。

將每個城市作為一個決策單元， 假設Ｎ 個決策單元， 每個決策單元均有Ｍ 種投入要素Ｘ ＝（ｘ１，ｘ２，…，ｘＮ ）∈ＲＭ×Ｎ ， 生產出Ｅ 種期望產出Ｙｇ ＝（ｙｇ１，ｙｇ２，…，ｙｇＮ ）∈ＲＥ×Ｎ ， 以及Ｆ 種非期望產出Ｙｂ ＝（ｙｂ１，ｙｂ２，…，ｙｂＮ ）∈ＲＦ×Ｎ ， 則生產可能集為：

Ｐ ＝｛（ｘ，ｙｇ ，ｙｂ ） ｜ ｘ≥Ｘλ，ｙｇ ≤Ｙλ，ｙｂ ≥Ｙλ，λ≥０｝ （４）

式（４） 中， λ 為非負的權重向量， 在規模報酬可變（ＶＲＳ） 下， Σλｔｊ＝１， λｔｊ≥０。

基于生產可能集， Ｓｕｐｅｒ－ＳＢＭ－Ｕｎｄｅｓｉｒａｂｌｅ 模型可以表示為：

在式（５） 中， ｈ?表示ＧＴＦＰ， ｈ?≥０； ｈ?越大， 說明該決策單元ＧＴＦＰ 水平越高； 當ｈ? ≥１時， 表明該決策單元達到了完全效率。

２. ２. ２ 核心解釋變量

（１） 數字經濟（ＤＩＧＩ）： 考慮到數字經濟的核心內涵和發展重點、城市數據的可得性， 本文參照趙濤等［２６］ 的做法， 從數字普惠金融發展狀況和互聯網發展狀況兩方面來綜合衡量數字經濟。①采用郭峰等［３４］ 編制的數字普惠金融指數來反映數字普惠金融發展狀況； ②采用黃群慧等［３５］ 提出的互聯網普及率、互聯網相關從業人員、互聯網相關產出、移動互聯網用戶數４ 個維度來反映互聯網發展狀況； ③本文對這５ 個指標進行無量綱化處理， 利用算術平均法綜合成一個指標來反映數字經濟發展水平。

（２） 實體經濟（ＩＮＤＵＳＴＲＹ）： 實體經濟是國民經濟發展的命脈和基礎， 為促進經濟平穩增長、提升國家競爭力提供了有力支撐。而工業則是實體經濟發展的基石和重中之重［３６］ ， 很大程度上代表和決定著實體經濟發展水平。本文采用各城市規模以上工業增加值來衡量工業發展水平， 并將其作為實體經濟水平的代理變量。

２. ２. ３ 控制變量

本文控制了以下可能影響綠色福利效應的因素： （１） 創新政策支持（ＧＩＳ）， 以財政科學技術支出占一般預算財政支出比例來衡量； （２） 金融發展水平（ＦＩＮ）： 以金融機構存貸款余額占城市ＧＤＰ 比重來反映； （３） 人口密度（ＤＥＮＳＩＴＹ）： 以每平方千米人數來表示； （４） 綠化水平（ＧＲＥＥＮ）：以建成區綠化覆蓋率來衡量。

各個變量的描述性統計如表２ 所示。

２. ３ 數據來源

考慮到數據可得性， 本文依次剔除了數據缺失較為嚴重的地區（西藏、香港、澳門、臺灣等）和行政區域調整的城市（巢湖、畢節、三沙、萊蕪等）， 僅以２０１１ ～２０２０ 年我國２８３ 個地級及以上城市面板數據為對象展開研究。數字普惠金融指數來源于北京大學數字金融研究中心， 其余數據大部分來源于《中國城市統計年鑒》、《中國城市建設統計年鑒》、各地級市以及各省（區、市）統計年鑒、統計公報等。個別缺失數據利用插值法補齊。

３ 實證結果與分析

３. １ 自相關性分析

３. １. １ 全局空間自相關性檢驗

依據式（１）， 本文采用地理經濟嵌套距離矩陣依次測度了ｌｎＧＴＦＰ、ｌｎＤＩＧＩ、ｌｎＩＮＤＵＳＴＲＹ、ｌｎ?ＤＩＧＩ×ｌｎＩＮＤＵＳＴＲＹ 的全局莫蘭指數（表３）。ｌｎＧＴ?ＦＰ 的全局莫蘭指數均大于０ 且顯著性逐漸增強，說明樣本期間綠色福利效應具有較好的空間相關性。ｌｎＤＩＧＩ、ｌｎＩＮＤＵＳＴＲＹ、ｌｎＤＩＧＩ × ｌｎＩＮＤＵＳＴＲＹ的全局莫蘭指數較大且在１％ 的顯著性水平下顯著， 表明數字經濟、實體經濟及二者交互作用同樣存在空間集聚性特征， 并且這種特征隨著時間的推移逐漸增強。

３. １. ２ 局部空間自相關性檢驗

根據式（２） 和地理經濟嵌套距離矩陣， 挑選２０１１、２０１４、２０１７、２０２０ 年４ 個年份，利用Ｓｔａｔａ １５繪制出綠色福利效應的莫蘭指數散點圖。圖１ 顯示我國許多城市的綠色福利效應分布在第一、三象限， 呈“高高（Ｈ－Ｈ）”、“低低（Ｌ－Ｌ）” 集聚特征———高綠色福利效應的城市和高的城市相連， 低綠色福利效應的城市往往和低的相連。此外， 越來越多的城市向第一、三象限集聚則表明綠色福利效應逐漸呈現更強的空間關聯和空間依賴性特征。

３."２ 基準回歸分析

表４ 中模型的Ｈａｕｓｍａｎ 檢驗、ＬＲ 檢驗和Ｗａｌｄ檢驗結果通過了１％的顯著性檢驗， 說明ＳＤＭ 模型不會退化為空間自回歸模型（ＳＡＲ）和空間誤差模型（ＳＥＭ）， 具有時空雙固定效應的ＳＤＭ 模型最優， 驗證了本文選擇ＳＤＭ 模型的正確性。分析基準回歸結果： （１） 綠色福利效應的空間滯后項系數ｒｈｏ 顯著大于０， 同樣說明了綠色福利效應具有空間集聚性特征； （２） 解釋變量的回歸系數表明綠色福利效應同時受到本地及鄰近地區數字經濟、實體經濟及二者協同作用的影響。

此外， 本文通過偏微分方法， 進一步將解釋變量產生的綠色福利效應分解為直接效應、間接效應和總效應， 實證結果如表５ 所示。可以發現： （１）數字經濟的直接及間接效應系數分別為０. １０８、０. ５２１， 說明數字經濟的綠色福利效應是存在的；并且由于數字技術擴散和知識溢出， 數字經濟的溢出效應更強更顯著； （２） 實體經濟對本地及鄰近地區綠色福利效應的回歸系數分別為－０. ２３１和－０. ２１２， 且都在１％的水平下顯著， 表明實體經濟不利于本地及鄰近地區綠色福利效應釋放， 證實了假設２。由于區域之間的經濟聯系和產業關聯， 實體經濟在抑制本地區綠色福利效應的同時產生了負向空間溢出； （３） 數字經濟和實體經濟交互作用的直接及間接效應系數分別為０. ０５１、０. ２７１， 說明數字經濟和實體經濟可以協同促進綠色福利效應；（４） 控制變量中， 創新政策支持對本地及鄰近地區綠色福利效應產生了擠出效應， 人口密度顯著促進了本地區綠色福利效應并產生了正向空間溢出， 金融發展水平和綠化水平尚未顯著促進本地及鄰近地區綠色福利效應釋放。

３. ３ 穩健性檢驗

３. ３. １ 更換空間權重距離矩陣

本文將地理經濟嵌套距離矩陣更換為經濟距離矩陣和地理距離矩陣， 進行空間杜賓模型估計，結果如表６ 所示。更換空間權重矩陣以后， 核心解釋變量的符號和顯著性與基準回歸結果基本一致， 基準回歸結果較為穩健。

３. ３. ２ 其他方法

表７ 依次報告了更換被解釋變量、縮短樣本時間、剔除直轄市后的回歸結果。其中， 更換被解釋變量是將以規模報酬可變下Ｓｕｐｅｒ－ＳＢＭ－Ｕｎ?ｄｅｓｉｒａｂｌｅ 模型測度的ＧＴＦＰ 更換為以規模報酬不變下Ｓｕｐｅｒ－ＳＢＭ－Ｕｎｄｅｓｉｒａｂｌｅ 模型測度的ＧＴＦＰ；縮短樣本時間是將２０１１ 年、２０２０ 年的截面數據剔除； 剔除直轄市是將北京市、天津市、上海市、重慶市４ 個城市剔除。表７ 的結果表明， 經過這３ 種方法檢驗后， 核心解釋變量的符號沒有發生變化， 顯著性與基準模型基本一致， 驗證了基準模型計量結果的穩健性。

３. ４ 內生性分析

為了緩解由遺漏變量或雙向因果關系導致的內生性問題， 本文借鑒鄒新月和王旺［３７］ 的做法，選取移動電話普及率這一工具變量進行內生性分析。選取這個工具變量的原因在于， 移動電話是居民上網購物娛樂的主要方式， 移動電話普及率越高， 數字經濟的發展潛力和空間越大， 移動電話普及率與數字經濟滿足相關性要求； 同時， 移動電話普及率并不直接影響綠色福利效應， 滿足排他性要求。基于這一工具變量， 內生性檢驗結果如表８ 所示。

通過表８ 可以看出， 考慮內生性以后， 基準模型中的核心結論依舊成立， 數字經濟、數字經濟和實體經濟的交互作用均顯著促進了本地及鄰近地區綠色福利效應， 實體經濟顯著阻礙了本地及鄰近地區綠色福利效應釋放。

３. ５ 異質性分析

３. ５. １ 城市規模異質性分析

考慮到不同規模的城市在經濟基礎、產業政策、數字經濟發展速度和質量方面存在差異， 數字經濟、實體經濟及其交互作用對不同規模城市綠色福利效應的影響也可能存在不同。本文參照秦文晉和劉鑫鵬［３８］ 的做法， 根據第一財經新一線城市研究所發布的《中國城市新分級名單》， 將一線、新一線城市劃分為大城市， 二三線城市劃分為中等城市， 四五線城市劃分為小城市， 進行空間杜賓模型估計， 結果如表９ 所示。

從直接效應來看， （１） 數字經濟顯著促進了大、中城市綠色福利效應， 但卻抑制了小城市綠色福利效應。數字經濟自身具有助力綠色低碳發展的內在優勢， 但是， 現階段小城市與數字經濟發展配套的數字基礎設施建設、數據資源應用等尚未完善， 因此數字經濟對小城市的綠色福利效應可能存在滯后性； （２） 實體經濟均抑制了大中小城市綠色福利水平。這表明目前實體經濟對各個規模城市綠色福利效應均產生了不利的影響；（３） 數字經濟與實體經濟的交互作用對大、中城市綠色福利效應的促進作用強于小城市。這表明大中城市相對完善的數字資源條件、實體經濟場景以及二者協同發展的空間， 為綠色福利效應釋放提供了更好的條件。

從間接效應來看， （１） 在大城市， 數字經濟對鄰近地區綠色福利效應產生了負向空間溢出，這可能與大城市數字經濟的規模效應還未達到臨界條件， 或者缺乏更為“公共性” 的相關技術利用與擴散等因素相關； （２） 與中小城市不同， 實體經濟對大城市綠色福利效應產生了正向空間溢出。對大城市來說， 某一地區實體經濟的不利影響對鄰近地區影響較小。這種結果意味著， 在實體經濟規模占優的條件下， 實體經濟的綠色技術改造與創新， 將更有助于降低綠色技術應用與擴散成本， 釋放區域內綠色福利效應； （３） 與大、小城市相比， 中等城市數字經濟與實體經濟交互作用產生的正向空間溢出效應更強。這可能是由于大部分中等城市內數字經濟發展的不平衡性以及相關技術的差異性沒有其他兩類城市那么突出，數字經濟和實體經濟的協同發展程度較好， 區域之間技術交流共享、資源優化配置水平較高， 更易提升綠色福利效應并對鄰近地區產生更強的空間溢出。

３. ５. ２ 城市類型異質性分析

由于不同資源類型的城市在經濟發展模式、產業結構狀況、技術創新水平等方面存在較大差異， 從而數字經濟與實體經濟協同發展程度不同，對綠色福利效應的影響可能存在異質性。因此，本文根據國務院頒布的《全國資源型城市可持續發展規劃（２０１３ ～ ２０２０ 年）》， 將樣本城市劃分為資源型城市、非資源型城市， 進行空間杜賓模型估計， 結果如表１０ 所示。

直接效應結果表明， （１） 數字經濟分別對資源型城市、非資源型城市綠色福利效應產生了抑制和促進作用。長期以來， 由于資源依賴性強、經濟結構單一、技術水平低下等， 資源型城市數字經濟發展緩慢， 對綠色福利效應產生了抑制作用。而得益于經濟發展、技術水平、產業結構方面的優勢， 非資源型城市可充分發揮數字經濟的綠色福利效應； （２） 實體經濟顯著抑制了資源型、非資源型城市綠色福利效應。這意味著， 實體經濟的負向綠色福利效應影響應引起重視； 因地制宜，結合城市類型制定有針對性的綠色轉型方案、推動數字化轉型應成為未來實體經濟發展的重點；（３） 數字經濟和實體經濟的交互作用抑制了資源型城市綠色福利效應， 促進了非資源型城市綠色福利效應。這可能與資源型城市、非資源型城市在綠色轉型難度、資源依賴程度、數實融合程度等方面的差距有關。

間接效應結果表明， （１） 數字經濟對兩類城市綠色福利效應的空間溢出影響均為負， 表明在這兩類城市中， 數字經濟并未促進鄰近地區綠色福利效應釋放； （２） 在不同資源類型城市中， 實體經濟均對綠色福利效應產生了負向空間溢出。原因可能在于， 地理鄰近性以及實體企業上下游的經濟關聯性， 使得實體經濟在抑制本地區綠色福利效應的同時， 對鄰近地區產生了“一損俱損”的影響； （３） 數字經濟和實體經濟的交互作用僅對非資源型城市綠色福利效應產生了正向空間溢出， 這表明在非資源型城市中， 數字產業化、產業數字化水平較高， 更易發揮網絡效應， 提升本地及鄰近地區綠色福利效應。

４ 結論與啟示

本文從理論和實證兩方面探討了數字經濟、實體經濟及其交互作用對綠色福利效應的直接及空間溢出影響。研究發現， 數字經濟、數字經濟和實體經濟的交互作用促進了本地區綠色福利效應并產生了顯著的正向空間溢出， 實體經濟則顯著抑制了本地及鄰近地區綠色福利效應； 異質性結果表明， 數字經濟和實體經濟的交互作用對中等規模城市綠色福利效應的直接及間接影響均顯著為正， 對非資源型城市綠色福利效應的直接影響顯著為正， 間接影響為正。基于以上結論， 本文提出以下政策建議：

（１） 強化數字引領， 促進數字經濟和實體經濟協同發展。強化數字引領， 以數據要素、數字技術賦能實體企業數字化轉型。加快智能車間、智能工廠、智慧物流、智慧醫療、智慧教育等建設， 打造數字經濟全產業鏈條， 加速新產品和新服務供給， 以提升經濟運行效率、釋放綠色福利效應。

（ ２） 加強區域之間技術交流與合作， 推動綠色福利效應釋放。各地方政府應鼓勵、引導企業研發和使用綠色環保的戰略性技術， 強化區域之間數字化交流與合作， 加強數字核心技術攻關，推動數字知識擴散、技術溢出， 以數賦能本地及鄰近地區綠色福利效應。應促進形成不同規模城市之間具有緊密聯系的城市群， 并與數實協同發展的新趨勢相結合， 推動小城市綠色低碳發展。圍繞數字技術提升、數據資源開發利用等， 加大財政科研投入， 支持企業等創新主體加速重大科研創新， 增強區域數字經濟發展源動力、集聚力和競爭力。

（３） 打造大數據產業中心、創新創業集聚區。引導大型企業、重點企業開展數據中心建設， 打造以大數據為支撐的創新創業集聚區， 打破數據壁壘， 形成大中小企業協同合作的數字產業體系；圍繞高端芯片、集成電路、核心元器件等數字經濟領域的關鍵技術， 引導企業與高校、科研院所開展高水平實質性、戰略性創新合作， 為中國式現代化產業體系構建提供堅實的技術基礎。

參考文獻

［１］ 謝康， 肖靜華． 面向國家需求的數字經濟新問題、新特征與新規律［Ｊ］． 改革， ２０２２， （１）： ８５～１００．

［２］ 羅茜， 王軍， 朱杰． 數字經濟發展對實體經濟的影響研究［Ｊ］．當代經濟管理， ２０２２， ４４ （７）： ７２～８０．

［３］ 懷仁， 李建偉． 我國實體經濟發展的困境擺脫及其或然對策［Ｊ］． 改革， ２０１４， （２）： １２～２７．

［４］ 戴翔． 產品內分工、出口增長與環境福利效應———理論及對中國的經驗分析［Ｊ］． 國際貿易問題， ２０１０， （１０）： ５７～６３．

［５］ Ｌｉｎ Ｂ， Ｂｅｎｊａｍｉｎ Ｎ Ｉ． Ｇｒｅｅｎ Ｄｅｖｅｌｏｐｍｅｎｔ Ｄｅｔｅｒｍｉｎａｎｔｓ ｉｎ Ｃｈｉｎａ：Ａ Ｎｏｎ－ｒａｄｉａｌ Ｑｕａｎｔｉｌｅ Ｏｕｔｌｏｏｋ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｅａｎｅｒ Ｐｒｏｄｕｃ?ｔｉｏｎ， ２０１７， １６２： ７６４～７７５．

［６］ 王圣云， 韓亞杰， 任慧敏， 等． 中國省域生態福利績效評估及其驅動效應分解［Ｊ］． 資源科學， ２０２０， ４２ （５）： ８４０～８５５．

［７］ 廖顯春， 李小慧， 施訓鵬． 綠色投資對綠色福利的影響機制研究［Ｊ］． 中國人口·資源與環境， ２０２０， ３０ （２）： １４８～１５７．

［８］ 荊文君， 孫寶文． 數字經濟促進經濟高質量發展： 一個理論分析框架［Ｊ］． 經濟學家， ２０１９， （２）： ６６～７３．

［９］ 涂心語， 嚴曉玲． 數字化轉型、知識溢出與企業全要素生產率———來自制造業上市公司的經驗證據［Ｊ］． 產業經濟研究，２０２２， （２）： ４３～５６．

［１０］ Ａｃｅｍｏｇｌｕ Ｄ， Ｒｅｓｔｒｅｐｏ Ｐ． Ｔｈｅ Ｒａｃｅ Ｂｅｔｗｅｅｎ Ｍａｎ ａｎｄ Ｍａｃｈｉｎｅ：Ｉｍｐｌｉｃａｔｉｏｎｓ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ｇｒｏｗｔｈ， Ｆａｃｔｏｒ Ｓｈａｒｅｓ， ａｎｄ Ｅｍ?ｐｌｏｙｍｅｎｔ ［Ｊ］． Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ， ２０１８， １０８： １４８８～１５４２．

［１１］ Ｇｏｌｄｆａｒｂ Ａ， Ｔｕｃｋｅｒ Ｃ． Ｄｉｇｉｔａｌ Ｅｃｏｎｏｍｉｃｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏ?ｎｏｍｉｃ Ｌｉｔｅｒａｔｕｒｅ， ２０１９， ５７ （１）： ３～４３．

［１２］ 萬曉榆， 羅焱卿． 數字經濟發展水平測度及其對全要素生產率的影響效應［Ｊ］． 改革， ２０２２， （１）： １０１～１１８．

［１３］ 宋馬林， 金培振． 地方保護、資源錯配與環境福利績效［Ｊ］． 經濟研究， ２０１６， ５１ （１２）： ４７～６１．

［１４］ 解學梅， 韓宇航． 本土制造業企業如何在綠色創新中實現“華麗轉型”？———基于注意力基礎觀的多案例研究［ Ｊ］． 管理世界， ２０２２， ３８ （３）： ７６～１０６．

［１５］ 黃群慧． 論新時期中國實體經濟的發展［ Ｊ］． 中國工業經濟， ２０１７， （９）： ５～２４．

［１６］ 黃群慧． 論中國工業的供給側結構性改革［ Ｊ］． 中國工業經濟， ２０１６， （９）： ５～２３．

［１７］ 李斌， 彭星， 歐陽銘珂． 環境規制、綠色全要素生產率與中國工業發展方式轉變———基于３６ 個工業行業數據的實證研究［Ｊ］． 中國工業經濟， ２０１３， （４）： ５６～６８．

［１８］ 陳詩一， 陳登科． 霧霾污染、政府治理與經濟高質量發展［Ｊ］． 經濟研究， ２０１８， ５３ （２）： ２０～３４．

［１９］ 田秀娟， 李睿． 數字技術賦能實體經濟轉型發展———基于熊彼特內生增長理論的分析框架［Ｊ］． 管理世界， ２０２２， ３８（５）： ５６～７４．

［２０］ 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．

［２１］ 王如玉， 梁琦， 李廣乾． 虛擬集聚： 新一代信息技術與實體經濟深度融合的空間組織新形態［ Ｊ］． 管理世界， ２０１８，３４ （２）： １３～２１．

［２２］ 羅來軍， 蔣承， 王亞章． 融資歧視、市場扭曲與利潤迷失———兼議虛擬經濟對實體經濟的影響［Ｊ］． 經濟研究， ２０１６， ５１（４）： ７４～８８．

［２３］ 陶鋒， 趙錦瑜， 周浩． 環境規制實現了綠色技術創新的“增量提質” 嗎———來自環保目標責任制的證據［Ｊ］． 中國工業經濟， ２０２１， （２）： １３６～１５４．

［２４］ 王開科， 吳國兵， 章貴軍． 數字經濟發展改善了生產效率嗎［Ｊ］． 經濟學家， ２０２０， （１０）： ２４～３４．

［２５］ 江小涓． 高度聯通社會中的資源重組與服務業增長［Ｊ］． 經濟研究， ２０１７， ５２ （３）： ４～１７．

［２６］ 趙濤， 張智， 梁上坤． 數字經濟、創業活躍度與高質量發展———來自中國城市的經驗證據［Ｊ］． 管理世界， ２０２０， ３６（１０）： ６５～７６．

［２７］ Ｔｏｂｌｅｒ Ｗ． Ａ Ｃｏｍｐｕｔｅｒ Ｍｏｖｉｅ Ｓｉｍｕｌａｔｉｎｇ Ｕｒｂａｎ Ｇｒｏｗｔｈ ｉｎ ｔｈｅ Ｄｅ?ｔｒｏｉｔ Ｒｅｇｉｏｎ ［Ｊ］． Ｅｃｏｎｏｍｉｃ Ｇｅｏｇｒａｐｈｙ， １９７０， ４６： ２３４～２４０．

［２８］ Ｍｏｒａｎ Ｐ Ａ Ｐ． Ｔｈｅ Ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｏｆ Ｓｔａｔｉｓｔｉｃａｌ Ｍａｐｓ ［ Ｊ］． Ｊｏｕｒ?ｎａｌ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｃｉｅｔｙ， １９４８， １０： ２４３～２５１．

［２９］ Ｍｏｒａｎ Ｐ Ａ Ｐ． Ｎｏｔｅｓ ｏｎ Ｃｏｎｔｉｎｕｏｕｓ Ｓｔｏｃｈａｓｔｉｃ Ｐｈｅｎｏｍｅｎａ ［ Ｊ］．Ｂｉｏｍｅｔｒｉｋａ， １９５０， ３７： １７～２３．

［３０］ Ｅｌｈｏｒｓｔ Ｊ Ｐ． Ｓｐａｔｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ： Ｆｒｏｍ Ｃｒｏｓｓ－ｓｅｃｔｉｏｎａｌ Ｄａｔａ ｔｏ Ｓｐａｔｉａｌ Ｐａｎｅｌｓ ［Ｍ］． Ｐｈｙｓｉｃａ－Ｖｅｒｌａｇ ＨＤ， ２０１４： ５７～６０．

［３１］ 楊書， 范博凱， 顧蕓． 投資型環境規制對綠色全要素生產率的非線性影響［Ｊ］． 中國人口·資源與環境， ２０２２， ３２ （５）：１２０～１３１．

［３２］ Ｔｏｎｅ Ｋ． Ａ Ｓｌａｃｋｓ－ｂａｓｅｄ Ｍｅａｓｕｒｅ ｏｆ Ｅｆｆｉｃｉｅｎｃｙ ｉｎ Ｄａｔａ Ｅｎｖｅｌｏｐ?ｍｅｎｔ Ａｎａｌｙｓｉｓ ［ Ｊ］． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ，２００１， １３０ （３）： ４９８～５０９．

［３３］ 單豪杰． 中國資本存量Ｋ 的再估算： １９５２～２００６ 年［Ｊ］． 數量經濟技術經濟研究， ２００８， ２５ （１０）： １７～３１．

［３４］ 郭峰， 王靖一， 王芳， 等． 測度中國數字普惠金融發展： 指數編制與空間特征［Ｊ］． 經濟學（季刊）， ２０２０， １９ （４）： １４０１～１４１８．

［３５］ 黃群慧， 余泳澤， 張松林． 互聯網發展與制造業生產率提升：內在機制與中國經驗［Ｊ］． 中國工業經濟， ２０１９， （８）： ５～２３．

［３６］ 姜松， 孫玉鑫． 數字經濟對實體經濟影響效應的實證研究［Ｊ］． 科研管理， ２０２０， ４１ （５）： ３２～３９．

［３７］ 鄒新月， 王旺． 數字普惠金融對居民消費的影響研究———基于空間計量模型的實證分析［Ｊ］． 金融經濟學研究， ２０２０， ３５（４）： １３３～１４５．

［３８］ 秦文晉， 劉鑫鵬． 網絡基礎設施建設對數字經濟發展的影響研究———基于“寬帶中國” 試點政策的準自然實驗［Ｊ］． 經濟問題探索， ２０２２， （３）： １５～３０．

（責任編輯： 楊 婧）

基金項目： 國家自然科學基金面上項目“吸收能力－技術體制匹配下的企業戰略性技術創新機理研究” （ 項目編號： ７２１７２０５５）； 遼寧省教育廳面上項目“遼寧省民營企業戰略性創新模式研究” （ 項目編號： ＬＪＫＲ００３８）； 遼寧省興遼英才計劃項目“ 遼寧經濟高質量發展研究” （項目編號： ＸＬＹＣ１９０４００４）。