產業智能化對省域生態效率的影響

摘要：基于2010-2021年中國內地30個省域面板數據，運用考慮非期望產出的超效率SBM模型測算省域生態效率，實證分析產業智能化對省域生態效率的影響及其地區異質性，并探究綠色技術創新的中介作用以及產業集聚與綠色金融的調節作用。研究發現，產業智能化正向影響省域生態效率；在東部和中部地區，產業智能化對省域生態效率均存在顯著促進作用，而在西部地區的促進作用不顯著；綠色技術創新在產業智能化影響省域生態效率過程中發揮部分中介作用，產業集聚在產業智能化影響省域生態效率過程中發揮U型調節作用，綠色金融在產業智能化影響省域生態效率過程中發揮正向調節作用。

關鍵詞：省域生態效率；產業智能化；綠色技術創新；產業集聚；綠色金融

中圖分類號：F061.5

文獻標識碼：A

文章編號：1001-7348（2024）22-0070-10

0引言

中國作為世界第二大經濟體，經濟發展一直保持較快增長態勢。然而，經濟增長的同時也帶來資源、能源消耗以及環境污染等問題。資源、能源和生態環境已成為影響中國經濟發展的重要因素^[1]，探索經濟與環境協調的可持續發展新路徑迫在眉睫。作為實施可持續發展戰略的重要內容，省域層面的生態效率提升是促進經濟與環境“共贏”的重中之重。省域生態效率是一個典型的投入產出指標，表示以較少的環境影響實現更高的經濟價值^[2]，其水平高低決定經濟與環境的“共贏”程度。隨著工業4.0的推進，智能化時代正在到來，新興技術已成為推動中國經濟綠色發展的重要引擎。大規模利用人工智能等新興技術有助于實現整個產業智能化，提高生產流程中的資源利用率，減少污染物排放，通過最小化投入實現最大化的經濟產出，促進綠色低碳產業發展，有效平衡經濟與環境的關系，從而提升省域生態效率。可見，深入探究產業智能化如何有效提升省域生態效率具有重要的現實意義。

目前，學術界關于產業智能化的研究已經取得一定進展。如趙培雅等^[3]分析產業智能化對能源消費、碳排放、工業污染排放總量和強度的影響；楊飛^[4]基于產業內效應和產業關聯效應探究產業智能化與勞動報酬份額關系；羅良文等^[5]從城市層面，探討產業智能化與低碳經濟轉型關系；Wang和Li^[6]以及Meng等^[7]采用空間杜賓模型分別探究產業智能化對資源錯配與碳強度的影響。綜上可見，鮮有文獻探究產業智能化與省域生態效率的關系。產業智能化可以實時檢測生產過程中的資源消耗和污染排放情況，減少環境問題，實現高效率、大規模生產，促進經濟發展，進而提高省域生態效率。因此，有必要深入探究產業智能化對省域生態效率的影響。此外，產業智能化可以減少資源浪費，促使更多研發資源投向綠色技術創新，而綠色技術創新遵循環境負面影響最小化的生態經濟原則^[8]，通過合理控制生產環節中的污染排放，進而提升省域生態效率。那么，綠色技術創新是否在產業智能化影響省域生態效率過程中產生路徑作用？產業集聚會引發大規模的資源與技術遷移，同時，也可能導致集聚區內工業廢物排放等環境問題，影響產業智能化對省域生態效率的提升效應。那么，產業集聚在這個過程中究竟扮演何種角色？綠色金融是一種承載環境責任的特殊金融活動，可能帶來環境效益增長和經濟發展^[9]，其是否會影響產業智能化對省域生態效率的提升作用？這些問題都有待進一步探究。

鑒于此，本文選取2010-2021年中國內地30個省域（西藏因數據缺失較多，故未納入）面板數據，探究產業智能化對省域生態效率的影響及其地區異質性，并分析綠色技術創新的中介作用以及產業集聚與綠色金融的調節作用。本研究有助于明晰產業智能化影響省域生態效率的內在機制，為提升省域生態效率提供相關建議。

1文獻綜述與研究假設

1.1產業智能化對省域生態效率的直接影響

產業智能化意味著將智能技術與裝備應用于產業生產的各個領域和環節，實現生產過程決策智能化、資源配置優化和研發模式創新^[7]。產業智能化通過促進創新生態系統建設，推進研發創新，增強消化吸收能力，以智能技術與裝備的引進和改造為載體^[10]，優化資源配置機制，實時監控整個生產流程資源消耗與污染物排放，進而在各環節嚴格控制投入產出，提升省域生態效率。

具體而言，首先，隨著產業智能化的逐步推進，一方面，各環節通過應用智能技術優化生產流程，使整個生產環節更精簡、更高效、更高產，在產業內部實現大規模快速生產的同時減少能源消耗，提高生產要素配置效率；另一方面，與產業相關聯的基礎設施、高技能勞動力和配套技術也日益完善^[11]，有助于提高內部運營效率，促進產業建立新生產技術體系，提升省域生態效率。其次，產業智能化有助于各省域充分發揮自身資源優勢，降低產業間信息共享成本，提升先進技術學習效率，并帶動上下游產業研發創新，促進整個產業鏈資源與信息的整合優化，進而通過技術溢出效應提升省域生態效率。最后，隨著智能技術快速發展，不同類型生產要素紛紛涌入智能產業，智能產業成為國民經濟的重要組成部分，這些技術領先型產業通過與傳統產業融合，促進落后產業轉型升級，增強節能減排和綠色發展意識，推動全產業向低碳綠色方向發展，提高資源利用效率，進而通過龍頭帶動效應促進省域生態效率提升。由此，本文提出研究假設H1。

H1：產業智能化對省域生態效率有正向影響。

1.2綠色技術創新的中介作用

智能化通過機器預測和智能算法優化產業創新決策^[12]。智能化不僅使智能機器能夠替代人力，從事大量高度重復的工作，提高產業資源配置效率，而且帶來產業利潤增長，增加綠色技術研發資金與人力投入。產業智能化不僅有助于產業內部實現高效的生產信息傳遞、快速的綠色技術創新機會識別，而且可以通過不斷與外部交換有效信息，合理配置生產要素，增強知識吸收和學習能力，進而為綠色技術創新提供更豐富的知識及信息儲備。同時，產業智能化有利于促進市場競爭，使得產業在市場競爭與資源重新配置的雙重壓力下^[12]，積極創新以維持市場地位，從而提高自身綠色技術創新水平。

綠色技術的環境友好性為其替代高耗能技術奠定了良好基礎，可以提高能源利用效率，減少產業鏈環節的污染排放^[8]，促進污染物的循環利用，將其變廢為寶，真正在源頭上實現綠色生產，進而有效提升省域生態效率。綠色技術創新有助于產業鏈上的企業采納綠色創新建議，促使整條產業鏈都具備綠色環保理念，不斷降低生產成本和能源消耗，進而全方位提升省域生態效率。同時，在綠色技術創新水平較高的省域，政府和產業對綠色技術的重視及認可也達到較高程度^[13]，綠色技術可以獲得更多支持并快速在市場上推廣應用，充分發揮其節能減排作用，進而減少環境污染，提升省域生態效率。綜上，本文提出研究假設H2。

H2：綠色技術創新在產業智能化影響省域生態效率的過程中發揮中介作用。

1.3產業集聚的調節作用

產業集聚表示某產業在一個特定地理區域高度集中，資本要素在空間范圍內不斷匯聚的過程^[14]。根據規模經濟理論，多個產業之間因合理的分工與聯合、合理的地區布局等可以產生外部規模經濟效應^[15]。實際上，產業集聚的根本動力是外部規模經濟效應，主要表現為區域專業化發展、具有特定產業技能的勞動力市場形成和上下游產業關聯增強^[16]，從而促進大規模智能化的人才與技術流動，并影響集聚區內資源利用效率和污染物排放，最終作用于省域生態效率。

當產業集聚程度較小時，意味著集聚區內并未形成合理的產業規模。此時，集聚區的重點是擴大產業規模，智能化領域的資金和人力投入明顯不足。由于區域內缺乏先進的基礎設施和完善的環境監管機制，使得產業規模快速擴大的同時能源消耗和污染物排放增加，進而負面影響產業智能化對省域生態效率的促進作用。當產業集聚超過一定閾值后，規模經濟效應開始發揮作用。集聚帶來的規模經濟效應可以幫助產業降低尋工成本，促進技術交流和基礎設施共享^[17]，引導更多產業資源投向智能化領域，加快推進整個產業智能化，最終提升省域生態效率。同時，產業集聚有利于促進產業間競爭與合作、知識溢出與流動，以及新知識和新思想在產業間傳播^[18]，促使智能化技術能夠廣泛應用于各產業，進一步減少資源浪費，提升省域生態效率。集聚區產業基于競爭效應也會加大智能化研發投入，提高創新活力，優化資源配置，維持自身競爭優勢，從而強化產業智能化對省域生態效率的促進作用。由此，本文提出研究假設H3。

H3：產業集聚在產業智能化影響省域生態效率的過程中發揮U型調節作用。

1.4綠色金融的調節作用

綠色金融的目標是平衡經濟增長、環境保護與可持續發展^[9]。綠色金融是金融的一種特殊形式。金融具有調動儲蓄、加速資本積累、高效配置資源、緩解信息不對稱等關鍵功能^[19]。與傳統金融相比，綠色金融不僅具有上述功能，而且以保護環境和提高資源利用率為導向，更多地關注如何促進各產業綠色發展，減少污染物排放，提高資源利用率，為產業尋求智能化技術提供資金支持，進而促進省域生態效率提升。

首先，綠色金融鼓勵產業采取環保措施，并為低能耗、低污染和低碳產業提供資金支持，引導產業樹立綠色生產觀念，向綠色環保方向發展，進而推動產業采用智能化技術建立綠色生產體系，從源頭減少污染物排放，抑制高污染、高排放的生產行為，從而促進省域生態效率提升。其次，綠色金融通過優化金融結構，降低綠色產業融資成本，提高污染項目的財務成本^[20]，為智能化產業提供更多研發資金支持，有助于產業引入更多先進技術以減少能源消耗，推動綠色低碳技術快速發展，進而減輕生態破壞，提升省域生態效率。最后，綠色金融有助于提高資金利用效率，使資金從高污染、低效率產業直接流向低污染、高效率產業^[19]，通過資金的合理配置促進產業結構升級，降低環境友好型產業財務負擔，限制高污染產業融資活動，進一步借助外部“金融之手”促進產業發展智能化、生態化，從而有效提升省域生態效率。由此，本文提出研究假設H4。

H4：綠色金融在產業智能化影響省域生態效率的過程中發揮正向調節作用。

2研究設計

2.1變量測量

2.1.1被解釋變量

本文被解釋變量為省域生態效率（PEE）。為衡量不同決策單元的資源利用以及環境保護績效，數據包絡分析（DEA）方法被廣泛應用于生態效率評估。但當輸入或輸出因子松弛時，傳統DEA模型在角度和徑向選擇方面存在問題^[21]。因此，為最大程度地克服傳統DEA模型的松弛問題，借鑒Tone^[22]提出的超效率SBM模型，本研究構建考慮非期望產出的超效率SBM模型測算省域生態效率。參考Yao等^[2]以及Wang等^[23]的研究，選取投入、期望產出和非期望產出3個指標測量省域生態效率。其中，投入指標主要指資源消耗，包括土地資源消耗、能源消耗、用水量、用電量和勞動投入，分別采用建設用地面積、能源用量、總用水量、總用電量和三大產業從業人員總數衡量；期望產出指標主要指經濟發展，采用地區生產總值（GDP）衡量；非期望產出指標主要指環境污染，包括廢水排放、廢氣排放和固體廢棄物排放，廢水排放采用廢水排放量和化學需氧量排放量衡量，廢氣排放采用二氧化硫排放量和煙（粉）塵排放量衡量，固體廢棄物排放采用工業固體廢棄物排放量衡量。

2.1.2解釋變量

本文解釋變量為產業智能化（II）。產業智能化是指將人工智能、“互聯網+”、物聯網和機器設備等方面的智能化技術運用到三大產業中。參考Wang和Li^[6]、Meng等^[7]的研究，選取智能裝備投資、智能軟件普及、信息收集能力、數據處理和軟件維護能力、創新能力5個維度測量產業智能化。其中，借鑒Wang和Li^[6]以及Meng等^[7]的研究，智能裝備投資采用電子信息產業營業收入占GDP的比重衡量；智能軟件普及采用軟件產品及嵌入式系統軟件銷售收入占GDP的比重衡量；信息收集能力采用寬帶用戶互聯網端口數衡量；數據處理和軟件維護能力采用信息技術服務銷售收入占GDP的比重衡量。創新能力則借鑒戴翔和金碚^[24]的研究，采用研發投入占GDP的比重衡量。確定測量指標后，采用主成分分析法計算各省域產業智能化水平。為了消除異方差，對產業智能化數據進行對數化處理。

2.1.3中介變量

本文中介變量為綠色技術創新（GTI）。綠色專利申請量反映一個地區的綠色技術發展水平和創新理念。其數量越多，表示綠色技術越先進，環境污染問題的治理效率越高。因此，參考Lin和Ma^[25]的研究，采用每千人綠色專利申請量衡量各省域綠色技術創新水平。

2.1.4調節變量

（1）產業集聚（IA）。本文參考Liu和Zhang^[26]的研究，采用區位熵計算各省域產業集聚度，具體如式（1）所示。

IAj=∑ni=1x_ij/∑ni=1x_ij/xi/∑ni=1xi（1）

其中，IAj表示j省產業集聚，x_ij表示j省第i產業產值，n表示產業個數，x_i表示i產業全國產值。

（2）綠色金融（GF）。本文參考Huang等^[20]的研究，選取綠色信貸、綠色證券、綠色保險和綠色投資4個維度測量綠色金融。其中，綠色信貸采用六大高耗能工業產業利息支出占工業產業利息總支出的比重衡量；綠色證券采用環保企業市值占上市公司總市值的比重衡量；綠色保險采用農業保險收入占農業總產值的比重衡量；綠色投資采用環境污染治理投資占GDP的比重衡量。確定測量指標后，本文采用熵權法計算各省域綠色金融水平。

2.1.5控制變量

（1）城市化水平（UL）。城市化水平影響能源消耗與環境污染監管力度，進而對省域生態效率產生影響。本文參考Dong等^[1]的研究，采用城市人口占總人口的比重衡量各省域城市化水平。為了消除異方差，本文對城市化水平數據進行對數化處理。

（2）產業結構（IS）。產業結構代表不同產業比重和組成情況，不同產業的資源需求以及污染物排放情況存在差異，進而影響省域生態效率。本文參考Wang等^[23]的研究，采用第二產業產值占GDP的比重衡量各省域產業結構。

（3）外商直接投資（FDI）。外商直接投資影響省域資金、技術等要素獲取及流動，進而影響省域生態效率。本文參考Wang等^[23]的研究，采用實際利用外資額占GDP的比重衡量各省域外商直接投資。

（4）人力資本（HC）。人力資本影響省域人才供給、先進技術引進、環保理念普及等，進而對省域生態效率產生影響。本文參考Song等^[27]的研究，采用高校學生數占總人口的比重衡量各省域人力資本。

（5）社會消費水平（SCL）。社會消費水平代表整個社會的經濟狀況和居民生活質量，會對資源消耗和環保理念普及產生影響，進而影響省域生態效率。本文參考Song等^[27]的研究，采用消費品零售額占GDP的比重衡量各省域社會消費水平。

（6）政府支出（GE）。政府支出影響環保技術研發投入、環保政策實施和生態基礎設施建設等，進而影響省域生態效率。本文參考Song等^[27]的研究，采用政府公共財政支出占GDP的比重衡量各省域政府支出。

2.2數據來源

本文選取2010-2021年中國內地30個省域為樣本。其中，省域生態效率的投入指標與期望產出指標數據來源于《中國統計年鑒》，非期望產出指標數據來源于《中國能源統計年鑒》《中國環境統計年鑒》和各省（市區）統計年鑒。產業智能化數據來源于《中國統計年鑒》《中國電子信息產業統計年鑒》《中國信息產業年鑒》《中國科技統計年鑒》。綠色技術創新數據來源于中國研究數據服務（CNRDS）平臺和《中國統計年鑒》。產業集聚數據來源于《中國統計年鑒》《中國工業統計年鑒》。綠色金融數據來源于Wind數據庫、《中國統計年鑒》《中國能源統計年鑒》《中國工業統計年鑒》。城市化水平、產業結構、外商直接投資、人力資本、社會消費水平和政府支出數據均來源于《中國統計年鑒》。

3數據分析

3.1描述性統計分析

本文對省域生態效率、產業智能化、綠色技術創新、產業集聚和綠色金融等變量進行描述性統計分析，結果見表1。

3.2相關性、共線性與單位根檢驗

變量相關性分析結果如表2所示。由此可知，變量相關系數及其顯著性與研究假設相符，本文假設得到初步驗證。

本文采用方差膨脹因子（VIF）和容忍度（Tolerance）進行多重共線性檢驗，如表3所示。由結果可知，所有變量的VIF值均小于10，Tolerance值均大于0.1，說明變量之間不存在嚴重的多重共線性問題。

為避免出現偽回歸現象，采用LLC（Levin-Lin-Lhu）和IPS（Im-Pesaran-Skin）方法對各變量進行單位根檢驗，如表4所示。從中可以發現，大多數變量均在1%水平上顯著，其余變量在5%水平上顯著，表明本文面板序列數據平穩，排除偽回歸問題。

3.3模型選擇

在運用面板數據進行分析時，需要進行固定效應模型、隨機效應模型和混合估計模型選擇。為確定最優模型，本文依次進行F檢驗、LM檢驗和Hausman檢驗。F檢驗結果顯示，F（29，323）=10.550，Prob＞F=0.000，表明固定效應模型優于混合估計模型；LM檢驗結果顯示，chibar2（01）=164.656，Prob＞chibar2=0.000，表明隨機效應模型優于混合估計模型；Hausman檢驗結果顯示，chi2（7）=42.959，Prob＞chi2=0.000，表明固定效應模型優于隨機效應模型。因此，本文應選擇固定效應模型。同時，異方差和序列相關檢驗結果分別顯示，chi2（30）=132 236.443，Prob＞chi2=0.000和F（29，323）=3.086，Prob＞F=0.000，由此可知面板數據存在異方差和序列相關現象。由于廣義最小二乘法能修正異方差和序列相關等問題，因此本文采用該方法檢驗產業智能化對省域生態效率的影響。

3.4產業智能化直接作用檢驗

3.4.1基準回歸分析

產業智能化影響省域生態效率的回歸結果如表5所示。由結果可知，在模型1-2中產業智能化對省域生態效率的回歸系數顯著為正（β=0.110，p＜0.01），表明產業智能化對省域生態效率存在顯著正向影響，故研究假設H1成立。這是因為產業智能化不僅可以通過應用智能化技術促進生產流程自動化和生產過程精準、高效，提高資源利用率，而且易于實現生產流程跟蹤和記錄，向公眾和社會展示環保措施以及社會責任，推動全社會建立綠色發展理念，進而有效提升省域生態效率。

3.4.2地區異質性分析

本文將樣本分為東部、中部和西部地區分別進行回歸，結果如表6所示。其中，模型1-4、模型1-6和模型1-8分別為東部、中部以及西部地區產業智能化影響省域生態效率的回歸結果。由此可見，產業智能化對省域生態效率的回歸系數在東部地區（β=0.100，p＜0.1）和中部地區（β=0.093，p＜0.05）均顯著，而在西部地區（β=0.008，p＞0.1）不顯著，表明產業智能化對省域生態效率的影響存在明顯的地區差異。在東部和中部地區，產業智能化能夠顯著提升省域生態效率，而在西部地區無顯著促進作用。原因可能是，東部與中部地區經濟相對發達，擁有豐富的資源和先進的產業基礎設施，可以投入充足的研發資源促進產業智能化發展，有助于優化產業生產流程，實現生態保護，進而促進省域生態效率提升。相反，西部地區經濟發展相對落后，交通、信息等基礎設施較為薄弱，無法提供穩定持續的資源供給和技術支持，導致產業智能化對省域生態效率的促進作用不顯著。

3.5綠色技術創新中介作用檢驗

綠色技術創新中介作用的檢驗結果如表7所示。可以發現，在模型2-1中，產業智能化對綠色技術創新存在顯著正向影響（β=0.093，p＜0.01）；在模型2-2中，產業智能化（β=0.076，p＜0.01）與綠色技術創新（β=0.368，p＜0.01）對省域生態效率的影響也顯著，表明綠色技術創新在產業智能化影響省域生態效率的過程中起部分中介作用，故研究假設H2成立。這是因為產業智能化可以借助物聯網、云計算以及大數據等先進技術，對創新過程進行全面、精確和實時的監控，及時發現問題并予以調整和修正，從而推進綠色技術創新。綠色技術創新通過倡導與實現綠色低碳生產模式、減少物質浪費與能源消耗、增加廢棄物回收等方式，能夠實現生態環境保護和資源合理利用，進而有效提升省域生態效率。

本文采用Bootstrap方法進一步驗證綠色技術創新的中介作用，設定樣本量為5 000，置信度為95%，檢驗結果如表8所示。由結果可知，綠色技術創新的Bootstrap置信區間為[0.014，0.054]，不包含0，表明綠色技術創新的中介作用顯著，進一步證明研究假設H2成立。

3.6產業集聚調節作用檢驗

產業集聚在產業智能化影響省域生態效率過程中的調節作用檢驗結果如表9所示。由模型3-2可以看出，產業集聚與產業智能化的一次乘積項回歸系數顯著為負（β=-0.429，p＜0.05），二次乘積項回歸系數顯著為正（β=0.065，p＜0.05），表明產業集聚在產業智能化影響省域生態效率的過程中發揮U型調節作用，故研究假設H3成立。這是因為當產業集聚程度較低且未超過閾值時，該省域在智能化技術領域投入較少，不具備充足的技術、資源和能力對環境污染排放物進行合理處理，因此部分產業更傾向于降低成本，而不是改進生產過程，從而削弱產業智能化對省域生態效率的影響。當產業集聚超過閾值時，有助于實現資源共享和協同創新，通過規模經濟形成最優生產布局和完善供應鏈體系，為產業智能化提供更多實現平臺，并通過生產流程智能化，實現產業鏈降污減排，進而有效促進省域生態效率提升。

3.7綠色金融調節作用檢驗

綠色金融在產業智能化影響省域生態效率過程中的調節作用檢驗結果如表10所示。由模型4-2可以看出，綠色金融與產業智能化乘積項的回歸系數顯著（β=0.307，p＜0.01），表明綠色金融能夠強化產業智能化對省域生態效率的促進作用，故研究假設H4成立。這是因為產業智能化需要大量的資金投入，綠色金融可以通過發行債券、股票等方式為當地產業提供融資支持，還可以針對綠色領域項目提供專項貸款或股權投資等形式的融資支持，為產業智能化提供資金保障。同時，綠色金融注重利用市場機制與經濟手段促進環境保護，實現可持續發展，通過激勵當地產業利用智能化手段減少污染物排放、降低能源消耗等途徑實現資源節約與環境保護，進而對省域生態效率產生積極影響。

3.8穩健性檢驗

3.8.1工具變量法

本文將滯后一期的產業智能化（L.II）作為當期產業智能化的工具變量，并采用兩階段最小二乘法進行穩健性檢驗，結果見表11。可以看出，直接作用、中介作用和調節作用的檢驗結果均與上文保持一致，說明本文研究結果穩健。

3.8.2增加控制變量

借鑒Li等^[28]的觀點，本文采用互聯網用戶數衡量信息化水平（IL），通過加入該控制變量進行回歸，結果見表12。可以看出，增加控制變量后，回歸結果未發生改變，進一步證明本文研究結果具有穩健性。

3.8.3縮尾處理

為了避免異常值對研究結果的干擾，本文對相關變量作1%和99%分位的縮尾處理，并在縮尾處理后重新進行回歸，結果見表13。由表13可知，經過縮尾處理后，回歸結果未發生改變，再次證明本文研究結果具有穩健性。

4結論與建議

4.1結論

本文利用2010-2021年中國內地30個省域面板數據，探究產業智能化對省域生態效率的影響及其地區異質性，并對綠色技術創新的中介作用以及產業集聚、綠色金融的調節作用進行分析，得出以下研究結論：首先，產業智能化正向影響省域生態效率，且該影響存在地區異質性，即在東部和中部地區，產業智能化對省域生態效率均存在顯著促進作用，而在西部地區的促進作用不顯著。其次，綠色技術創新在產業智能化影響省域生態效率的過程中發揮部分中介作用，產業智能化通過促進綠色技術創新提升省域生態效率。再次，產業集聚在產業智能化影響省域生態效率的過程中發揮U型調節作用。當未超過閾值時，產業集聚會降低產業智能化對省域生態效率的促進作用；當超過閾值后，產業集聚會增強產業智能化對省域生態效率的促進作用。最后，綠色金融在產業智能化影響省域生態效率的過程中發揮正向調節效應，增強了產業智能化對省域生態效率的提升作用。

4.2理論貢獻

第一，從產業智能化視角，拓展了產業智能化與省域生態效率關系的研究。區別于以往研究，本文從產業智能化角度驗證了其對省域生態效率的積極影響，厘清了不同地區產業智能化對省域生態效率的差異化影響，是對產業智能化研究的有益補充。

第二，明晰了綠色技術創新在產業智能化影響省域生態效率中的路徑作用。本文驗證了“產業智能化—綠色技術創新—省域生態效率”的路徑，為通過產業智能化促進省域生態效率提升的研究提供了新思路。

第三，揭示了產業集聚在產業智能化影響省域生態效率過程中的非線性作用。本文明晰了閾值前后的產業集聚和產業智能化匹配作用于省域生態效率所產生的差異化影響，豐富了產業集聚、產業智能化以及省域生態效率三者關系的研究。

第四，驗證了綠色金融在產業智能化影響省域生態效率過程中的情境作用。本文證實了綠色金融是產業智能化影響省域生態效率的重要情境因素，拓展了綠色金融與產業智能化在省域生態效率中的整合研究。

4.3建議

第一，加快推進產業智能化，不斷提升省域生態效率。相關部門可以設立專項資金，支持產業智能化技術研究，并出臺相關標準和規范，促進產業智能化健康有序發展；也可以引導產業積極探索智能化技術在生產、質量監控和設計等方面的應用，促進產業鏈上下游建立互聯互通的生態系統，提升省域生態效率。此外，各地區應因地制宜地推動產業智能化發展，東部和中部地區可以借助自身良好的資源與基礎設施，積極開展智能化技術研發，從而實現省域生態效率提升；西部地區需針對自身不足取長補短，通過產業智能化逐步提升省域生態效率。

第二，鼓勵綠色技術創新，發揮其在產業智能化促進省域生態效率提升中的“橋梁”作用。相關部門可以通過制定環保法規和綠色減排標準等，加強公眾教育和宣傳，開展環保主題宣傳活動，使廣大居民與企業樂于接受并使用綠色技術，有效推動綠色技術創新。

第三，積極引導產業集聚，為產業智能化提供資源和技術保障，有效優化省域生態效率。當產業集聚水平較低時，相關部門要重視產業內部失序和資源配置不合理問題，引導各產業結合自身資源稟賦，實現分工協作和優勢互補。當產業集聚達到一定程度時，引導產業與學研方合作，通過為產業智能化提供平臺與資源支撐，促進省域生態效率提升。

第四，發展綠色金融，為產業智能化提供資金支持，確保省域生態效率提升。相關部門可以采取綠色財政政策，引導資金流向綠色領域，建立健全綠色金融風控體系，確保對綠色金融項目進行全面的風險分析和管理，提高產業智能化發展中的資金利用效率，進而提升省域生態效率。

4.4局限與展望

本文實證分析了產業智能化對省域生態效率的影響，但仍存在一些局限有待進一步完善。首先，本文研究范圍僅限于省級層面，未考慮產業智能化的空間溢出效應。未來可以利用空間計量模型探究產業智能化對周邊省份生態效率的影響。其次，由于不同產業標準與技術能力等存在差異，導致產業智能化對生態效率的影響效果也不同。未來可將某具體產業作為研究對象，深入分析產業智能化對其生態效率的作用機制。最后，由于各省域發展不平衡，產業智能化對不同省域生態效率的影響也存在差異，本文僅采用中國內地30個省域面板數據進行實證分析。未來可以選取典型省份展開個案研究，深入探究產業智能化對省域生態效率的影響情境和路徑，提出更有針對性的建議。

參考文獻：

[1]DONG F， ZHANG Y Q， ZHANG X Y. Applying a data envelopment analysis game cross-efficiency model to examining regional ecological efficiency：evidence from China[J]. Journal of Cleaner Production， 2020， 267： 122031.

[2]YAO J D， XU P P， HUANG Z J. Impact of urbanization on ecological efficiency in China：an empirical analysis based on provincial panel data[J]. Ecological Indicators， 2021， 129： 107827.

[3]趙培雅， 高煜， 孫雪. “雙控”目標下產業智能化的節能降碳減排效應[J]. 中國人口·資源與環境， 2023， 33（9）： 59-69.

[4]楊飛. 產業智能化如何影響勞動報酬份額——基于產業內效應與產業關聯效應的研究[J]. 統計研究， 2022， 39（2）： 80-95.

[5]羅良文， 張鄭秋， 周倩. 產業智能化與城市低碳經濟轉型[J]. 經濟管理， 2023， 45（5）： 43-60.

[6]WANG S J， LI M Y. Does industrial intelligence improve resource misallocation？ an empirical test based on China[J]. Environmental Science and Pollution Research， 2022， 29（51）： 77973-77991.

[7]MENG X N， XU S C， ZHANG J N. How does industrial intelligence affect carbon intens_ity in China？ empirical analysis based on Chinese provincial panel data[J]. Journal of Cleaner Production， 2022， 376： 134273.

[8]KUANG H W， AKMAL Z， LI F F. Measuring the effects of green technology innovations and renewable energy investment for reducing carbon emissions in China[J]. Renewable Energy， 2022， 197： 1-10.

[9]CHENG Z， KAI Z， ZHU S W J. Does green finance regulation improve renewable energy utilization？evidence from energy consumption efficiency[J]. Renewable Energy， 2023， 208： 63-75.

[10]LIU L， YANG K， FUJII H， et al. Artificial intelligence and energy intens_ity in China's industrial sector：effect and transmission channel[J]. Economic Analysis and Policy， 2021， 70： 276-293.

[11]ZHAO P Y， GAO Y， SUN X. How does artificial intelligence affect green economic growth——evidence from China[J]. Science of the Total Environment， 2022， 834： 155306.

[12]LI C M， XU Y， ZHENG H， et al. Artificial intelligence， resource reallocation， and corporate innovation efficiency：evidence from China's listed companies[J]. Resources Policy， 2023， 81： 103324.

[13]CHEN H Y， YI J Z， CHEN A B， et al. Green technology innovation and CO2 emission in China： evidence from a spatial-temporal analysis and a nonlinear spatial durbin model[J]. Energy Policy， 2023， 172： 113338.

[14]陽長征. 信息擴散、產業集聚與區域技術創新績效——基于2005-2018年區域面板數據的動態分析[J]. 科技進步與對策， 2022， 39（1）： 39-49.

[15]MARSHALL A. Principles of economics[M]. London： Macmillan Press， 1890.

[16]HAO Y， GUO Y X， LI S X， et al. Towards achieving the sustainable development goal of industry：how does industrial agglomeration affect air pollution [J]. Innovation and Green Development， 2022， 1（1）： 100003.

[17]LI X H， XU Y Y， YAO X. Effects of industrial agglomeration on haze pollution：a Chinese c_ity-level study[J]. Energy Policy， 2021， 148： 111928.

[18]孫冰， 韓敏睿. 產業集聚與兩階段區域創新績效——基于區域技術要素強度門檻的實證研究[J]. 科技進步與對策， 2023， 40（2）： 30-40.

[19]BAKRY W， MALLIK G， NGHIEM X H， et al. Is green finance really \"green\"？ examining the long-run relationship between green finance， renewable energy and environmental performance in developing countries[J]. Renewable Energy， 2023， 208： 341-355.

[20]HUANG Y M， CHEN C， LEI L J， et al. Impacts of green finance on green innovation： a spatial and nonlinear perspective[J]. Journal of Cleaner Production， 2022， 365： 132548.

[21]SHANG H， JIANG L， PAN X Y， et al. Green technology innovation spillover effect and urban eco-efficiency convergence：evidence from Chinese c_ities[J]. Energy Economics， 2022， 114： 106307.

[22]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2002， 143（1）： 32-41.

[23]WANG S H， ZHAO D Q， CHEN H X. Government corruption， resource misallocation， and ecological efficiency[J]. Energy Economics， 2020， 85： 104573.

[24]戴翔， 金碚. 產品內分工、制度質量與出口技術復雜度[J]. 經濟研究， 2014， 49（7）： 4-17， 43.

[25]LIN B Q， MA R Y. How does dig_ital finance influence green technology innovation in China？evidence from the financing constraints perspective[J]. Journal of Environmental Management， 2022， 320： 115833.

[26]LIU X P， ZHANG X L. Industrial agglomeration， technological innovation and carbon productiv_ity：evidence from China[J]. Resources， Conservation amp; Recycling， 2021， 166： 105330.

[27]SONG M L， ZHAO X， SHANG Y P. The impact of low-carbon c_ity construction on ecological efficiency：empirical evidence from quasi-natural experiments[J]. Resources， Conservation amp; Recycling， 2020， 157： 104777.

[28]LI Y， ZHANG J N， YANG X D， et al. The impact of innovative c_ity construction on ecological efficiency： a quasi-natural experiment from China[J]. Sustainable Production and Consumption， 2021， 28： 1724-1735.

（責任編輯：胡俊健）

英文標題The Impact of Industrial Intelligence on Provincial Ecological Efficiency：An Empirical Study Based on Panel Data

英文作者Chen Huaichao， Bai Shan， Fan Jianhong， Liu Baijun

英文作者單位（College of Economics and Management， Taiyuan Univers_ity of Technology， Taiyuan 030024， China）

英文摘要Abstract：Resources， energy and ecological environment have become important factors impacting China's economic development， and _it is urgent to explore a new sustainable development path that coordinates the economy and environment. As an important content of implementing the sustainable development strategy， the improvement of ecological efficiency at the provincial level is the top prior_ity of all to promote the \"win-win\" of the economy and environment. The large-scale use of emerging technologies such as artificial intelligence can realize the intelligence of the entire industry， promote resource utilization in the production process， reduce pollutant emissions， and effectively balance the relationship between the economy and environment， so as to improve provincial ecological efficiency. There has been some progress in academic studies on industrial intelligence， but no study has explored the relationship between industrial intelligence and provincial ecological efficiency. In view of this， w_ith the panel data of 30 provinces （excluding Tibet） in the Chinese mainland from 2010 to 2021， this paper explores the impact of industrial intelligence on provincial ecological efficiency and the regional heterogene_ity of this impact. The mediating role of green technology innovation and the moderating roles of industrial agglomeration and green finance are also explored.

The conclusions of this study include four aspects. Firstly， industrial intelligence impacts provincial ecological efficiency pos_itively; industrial intelligence has significant promoting roles on provincial ecological efficiency in the eastern and central regions， but has no significant promoting role in the western region. Secondly， green technology innovation plays a partial mediating role in the impact of industrial intelligence on provincial ecological efficiency. Thirdly， industrial agglomeration plays a U-shaped moderating role in the impact of industrial intelligence on provincial ecological efficiency. Finally， green finance plays a pos_itive moderating role in the impact of industrial intelligence on provincial ecological efficiency.

The theoretical contributions include four aspects. Firstly， different from previous studies， from the perspective of industrial intelligence， this paper verifies _its pos_itive impact on provincial ecological efficiency， clarifies the different impacts of industrial intelligence on provincial ecological efficiency of different regions， and makes a useful supplement to studies of industrial intelligence. Secondly， this paper clarifies the path role of green technology innovation in the impact of industrial intelligence on provincial ecological efficiency， and provides a new idea for the study on how industrial intelligence promotes the improvement of provincial ecological efficiency. Thirdly， this paper reveals the nonlinear role of industrial agglomeration in the impact of industrial intelligence on provincial ecological efficiency， and enriches relationship study of industrial agglomeration， industrial intelligence and provincial ecological efficiency. Finally， this paper verifies the s_ituational role of green finance in the impact of industrial intelligence on provincial ecological efficiency， and expands the integration study of green finance and industrial intelligence on provincial ecological efficiency.

This paper provides several suggestions for relevant departments. Firstly， relevant departments can establish special funds to support industrial intelligence technology study， and can also guide industries to actively explore the application of intelligence technology， and build an ecosystem of the interconnected upstream and downstream of industrial chain， so as to promote the improvement of provincial ecological efficiency. In add_ition，the regions should promote the development of industrial intelligence according to local cond_itions so as to improve provincial ecological efficiency. Secondly， relevant departments can formulate environmental protection regulations and green emission reduction standards， etc.， and effectively promote green technology innovation. Thirdly， when the level of industrial agglomeration is low， relevant departments should guide all industries to realize division and cooperation and complementary advantages according to resource endowment. Otherwise， when industrial agglomeration reaches a certain level， relevant departments can guide industries to cooperate w_ith univers_ities and research inst_itutes， provide platforms and resources for industrial intelligence， so as to improve provincial ecological efficiency. Finally， relevant departments can adopt green fiscal policies to guide funds to the green field， and can also guide industries to effectively use funds in the development of industrial intelligence， so as to improve provincial ecological efficiency.

英文關鍵詞Key Words：Provincial Ecological Efficiency; Industrial Intelligence; Green Technology Innovation; Industrial Agglomeration; Green Finance

基金項目：國家自然科學基金青年科學基金項目（71602137）；山西省科技戰略研究專項項目（202104031402048）；山西省回國留學人員科研資助項目（2021-063）

作者簡介：陳懷超（1980-），男，安徽淮南人，博士，太原理工大學經濟管理學院副院長、教授、博士生導師，研究方向為創新管理、國際商務管理、企業社會責任；白珊（1998-），女，山西陽泉人，太原理工大學經濟管理學院碩士研究生，研究方向為創新管理、國際商務管理、企業社會責任；范建紅（1981-），女，山西晉中人，博士，太原理工大學經濟管理學院副教授、碩士生導師，研究方向為創新管理、國際商務管理、企業社會責任；劉柏君（1998-），女，山西臨汾人，太原理工大學經濟管理學院碩士研究生，研究方向為創新管理、國際商務管理、企業社會責任。