空間視角下工業機器人應用對城市綠色發展效率的影響

摘 要：長江經濟帶在我國綠色發展總體格局中具有重要戰略地位，工業機器人應用給長江經濟帶綠色發展帶來了前所未有的機遇。選取2008—2021年長江經濟帶108個地級市數據，運用多種模型實證考察長江經濟帶工業機器人應用對城市綠色發展效率的影響。研究發現：工業機器人應用能夠有效提升城市綠色發展效率，且主要通過促進綠色技術創新和能源利用效率提升兩種機制實現；工業機器人應用對城市綠色發展效率的提升產生了正向空間溢出效應，并存在具有空間衰減特征的地理邊界；空間溢出作用在已進入工業化后期的城市和城市群節點城市上表現得更為顯著。上述結論為繼續推動工業機器人技術研發及應用、強化城市群內外部科技合作、實施異質性發展策略提供了政策啟示。

關鍵詞：工業機器人；綠色發展效率；空間杜賓模型；長江經濟帶

中圖分類號：F290 文獻標志碼：A 文章編號：1672-626X（2025）02-0109-19

一、引言

黨的二十大報告強調“推動綠色發展，促進人與自然和諧共生”。綠色發展是關系我國發展全局的重要理念，是實現可持續發展和高質量發展的必然要求和關鍵環節。長江經濟帶生態地位特殊，在我國綠色發展總體格局中具有重要戰略地位。2023年長江經濟帶經濟總量占全國比重接近50%，其中電子信息、裝備制造等新興產業產值占比超50%①。然而長期以來，長江經濟帶在快速發展過程中也面臨著環境污染風險加大、資源消耗過快、水土流失加劇等問題。長江經濟帶高質量發展明確以“共抓大保護、不搞大開發”為導向，以“生態優先、綠色發展”為引領。在此背景下，如何以科技創新為主導，提高綠色發展效率，統籌推動長江經濟帶可持續發展與高質量發展是亟待解決的重大現實問題。

在全球新一輪科技革命和產業變革背景之下，二十屆中央政治局第十一次集體學習明確提出“發展新質生產力是推動高質量發展的內在要求和重要著力點”。工業機器人作為新興數字技術在產業發展中的重要應用載體，其突破和創新為新質生產力的形成提供了強大動力。在發展新質生產力的背景下，工業機器人的應用和推廣能夠加快提升產業經濟效率、促進技術創新、降低能源消耗和污染產出，最終推動經濟增長和綠色發展雙贏。長江經濟帶城市經濟結構以工業制造業為主，在工業機器人應用的產業規模、市場主體、平臺載體、基礎設施、技術創新等方面具有突出優勢，還擁有具有國際水平的長三角工業機器人產業集群，依托長江流域智能制造與機器人產業聯盟等產業服務與合作平臺，長江經濟帶各省（市）在人工智能、智能制造等優勢領域先發布局并保持了良好的發展勢頭，深入推進創新驅動發展，推廣智能化應用，加快實施傳統產業智能化改造，長江經濟帶綠色發展正迎來前所未有的機遇。

有關綠色發展效率的研究起始于對綠色發展的探討，普遍認為綠色發展是以高效率、低污染、低損耗的綠色模式實現經濟增長[1]。城市綠色發展效率則是評估城市綠色發展的關鍵指標，它是一種考量了城市經濟增長、資源消耗以及環境污染等多方面因素的綜合效率[2]。具體而言，多數研究通常基于數據包絡分析法，在投入產出框架下納入城市資本、勞動、能源等投入要素與經濟增長、環境污染等產出進行計算得出。簡而言之，可以將城市綠色發展效率視為實現投入和環境污染產出最小化、經濟增長最大化的能力[3]。而關于工業機器人的研究，相關文獻早期重點關注工業機器人應用對經濟增長[4]、社會效率[5]以及就業創業[6-7]的影響，近年來，學者們也開始關注工業機器人應用的環境影響效應。陳昊等（2021）基于2006—2015年中國制造業細分行業數據的實證研究發現，機器人存量和增量的提高顯著降低了工業廢氣的排放量和一般工業固體廢物的產生量[8]；余玲錚等（2022）則利用2013—2018年中國工業機器人與城市空氣污染的數據，發現工業機器人通過有效提高能源利用效率和促進綠色技術創新降低了城市空氣污染水平[9]；盛丹和卜文超（2022）提出機器人應用主要依靠研發增長效應和人工替代效應降低污染物排放，通過前端生產力的提高和末端治污能力的增強改善企業的環境績效[10]；還有學者認為機器人應用對能源效率的提升主要來自產出的增加，而非生產過程能源消耗的減少[11]；以及機器人沖擊以資本體現式技術進步影響制造業的碳排放，其所帶來的技術減排效應高于規模增排效應使得制造業碳排放顯著降低[12]。這些文獻主要研究工業機器人應用對環境污染的具體影響，然而單純的環境污染指標下降并不必然意味著綠色發展。

只有極少文獻探討了工業智能化與綠色發展效率之間的關系，如唐曉華和遲子茗（2022）基于省級和工業行業層面的數據研究發現工業智能化顯著驅動了工業綠色發展效率的提升[13]；林熙等（2023）發現以工業機器人應用為表征的智能制造能夠通過生產技術效應和減排技術效應降低企業污染排放強度，從而實現智能制造與綠色發展效率提升的“雙贏”[14]。也有研究認為工業智能化對綠色全要素生產率沒有顯著影響，只有在環境規制較強的城市，工業智能化才能夠通過促進產業結構優化升級提高綠色全要素生產率[15]。

總的來說，相關文獻雖然討論了工業智能化與綠色發展效率之間的關系，為本文的研究提供了較多啟發，但還存在以下兩個問題：第一，多數文獻忽略了工業機器人應用對城市綠色發展效率的影響會從本地向鄰地擴散而可能產生空間溢出性，更少關注到溢出效應的衰減邊界問題；第二，多數文獻基于省級數據或聚焦于微觀企業層面研究工業機器人或智能化發展對綠色發展效率的影響，來自城市層面的證據不足。鑒于此，本文選取長江經濟帶區域108個地級市2008—2021年間的面板數據，重點采用空間計量模型研究工業機器人應用對城市綠色發展效率的影響。

與已有研究相比，本文可能的邊際貢獻在于：第一，引入空間計量模型探討空間溢出效應，并分析了空間溢出效應的衰減邊界問題，更準確地估計了工業機器人應用對城市綠色發展效率的復合影響。工業機器人應用一方面可能會通過生產要素流動和技術溢出等方式對其他地區的綠色發展直接產生影響，另一方面本地區綠色發展效率的提升也可能會對鄰近地區產生一定的示范效應和競爭效應。第二，以地級市作為研究對象，以期更貼近工業活動的現實情形。值得注意的是，長江經濟帶內部地域差異性十分顯著，即便同一省內的不同城市在資源稟賦、經濟發展水平、產業結構、創新能力、政策支持等方面都存在較大差異，這種差異化特征使得傳統宏觀區域研究難以精準識別微觀主體的作用機制。

二、理論分析與研究假設

（一）工業機器人應用對城市綠色發展效率的影響

1. 工業機器人應用對城市綠色發展效率的直接影響

工業機器人應用能通過多種方式提高城市綠色發展效率，推動城市向更加可持續和環保的方向轉型。首先，工業機器人顯著提升了生產效率。通過自動化操作和精準控制，機器人能夠在制造業中實現高效、連續的生產，減少人為錯誤和停機時間，從而大幅提高產出效率。這種效率提升不僅降低了生產成本[10]，還減少了資源浪費和能源消耗，直接促進了綠色生產。其次，工業機器人在降低能源消耗和減少污染排放方面發揮了重要作用。機器人能夠精確控制生產過程中的能源使用，優化生產流程，減少不必要的能源浪費。再次，機器人應用于清潔生產和廢棄物管理，能夠有效減少有害物質的排放，降低對環境的污染。例如，在汽車制造和電子行業中，機器人可以精確噴涂和處理有害物質，減少揮發性有機化合物（VOCs）的排放。最后，工業機器人促進了資源的循環利用并優化了城市空間布局。通過精確控制材料使用和高效處理廢棄物，機器人能夠提高資源利用效率，減少浪費。通過實現高密度生產和智能物流，機器人減少了土地資源的占用和運輸能耗，優化了城市空間布局。因此，本文提出如下研究假設：

H1：工業機器人應用能夠賦能城市綠色發展效率提升。

2. 工業機器人應用對城市綠色發展效率的間接影響

（1）綠色技術創新效應

首先，工業機器人在綠色技術研發中扮演了關鍵角色。機器人具備高精度、高穩定性和強大的數據處理能力，能夠加速新技術的開發進程。例如，在可再生能源領域，機器人可以用于太陽能電池板和風力渦輪機的制造與維護，提高這些綠色技術的生產效率和可靠性。通過自動化生產線，機器人能夠實現大規模、高精度的制造，降低生產成本，推動綠色技術的商業化應用。其次，工業機器人通過智能算法和數據分析，優化了綠色技術的應用流程。機器人能夠實時監控和調整生產過程中的資源投入，優化資源配置，確保資源的高效利用和污染的最小化。例如，在電子制造行業中，工業機器人通過傳感器和數據采集系統實時監測生產過程關鍵參數，動態調整原料投入，減少廢料產生，推動清潔生產。最后，工業機器人還通過推動跨領域的技術融合，促進了綠色技術的創新及其擴散和普及[16]。通過自動化生產線和智能制造系統，機器人能夠大規模生產綠色技術產品，降低其市場價格，使更多企業和消費者能夠負擔。因此，本文提出如下研究假設：

H2：工業機器人應用通過推動綠色技術創新促進城市綠色發展效率提升。

（2）能源利用效率效應

首先，工業機器人通過精準控制和優化生產流程，顯著減少了能源浪費。機器人能夠實時監控和調整生產設備的運行狀態，確保能源使用的最優化。其次，工業機器人在智能能源管理系統中發揮了重要作用[17]。通過集成傳感器和數據分析技術，機器人能夠實時監測和分析能源使用情況，識別能源浪費的環節，并提出優化建議。再次，工業機器人應用于高效能源設備的制造和維護，進一步提升了能源利用效率，同時還可以用于這些設備的定期維護和故障檢測，確保其長期高效運行，減少能源損失。最后，工業機器人通過推動能源回收和再利用技術的應用，提升了能源利用效率。例如，在工業生產過程中，機器人可以高效回收廢熱和廢氣，將其轉化為可再生資源，這一技術路徑能夠有效降低能源損耗率，不僅降低了生產成本，還減少了對環境的污染。因此，本文提出如下研究假設：

H3：工業機器人應用通過推動能源利用效率提升促進城市綠色發展效率提升。

（二）工業機器人應用對城市綠色發展效率的空間溢出效應

新經濟地理學的“中心-外圍”模型認為，區域內的生產要素流動會使經濟活動的空間關聯性上升，生產要素的相互影響、相互作用，可能造成地理空間上的聚集或擴散效應[18]。當某地區相對于鄰近地區存在資源稟賦優勢時，可能會對周邊地區形成滲透和輻射，即出現空間溢出效應。具體而言，工業機器人應用可以通過技術溢出效應、示范效應以及競爭效應等產生對城市綠色發展效率的空間溢出。

技術溢出效應。工業機器人不僅承載了人工智能、云計算、大數據等新興數字技術，其大規模應用還促進了其他技術創新（諸如綠色技術創新效率）的提升，這類先進的技術和知識能夠通過產業鏈、人才流動、信息技術擴散等渠道輸送至周邊企業或地區，打破了傳統的地理距離屏障，降低了不同地區間技術交流壁壘。周邊地區以及產業鏈上下游的企業吸收和應用先進技術提高整體生產效率和環境績效，從而提升城市綠色發展效率。技術溢出效應大小還取決于區域吸收和消化能力的強弱[19]。如果鄰近地區的產業聚集、工業化水平或基礎設施等條件更好，吸收或采用先進技術的能力就會更強，那么工業機器人應用的技術溢出效應可能會更顯著。

示范效應。工業機器人應用通過促進技術創新、代替部分勞動力促進勞動力結構優化以及加速產業的規模擴張等在提升本地城市綠色發展效率中發揮了重要作用。“先進”地區在工業智能化以及城市綠色發展方面已取得先發優勢，這些成功的實踐經驗能夠通過官員流動、信息交流等途徑對其他地區產生示范和模仿效應[20]，“后進”地區則會學習和借鑒成功經驗，更好地結合本地實際情況，與“先進”地區加強合作，引進相關技術，加快綠色轉型跟進，提升自身綠色發展效率。

競爭效應。我國強調經濟發展和環境保護的協調，各地建立了以綠色發展為導向的考核評價體制，這種考核機制有助于推動地方政府在促進綠色發展方面采取更為積極和創新的措施，例如推動工業智能化、綠色化轉型，加大綠色技術創新投資等。各個地方政府競相采取更有效的綠色發展措施，以提高自身在綠色績效考核機制中的排名和聲譽，從而在地方政府之間形成了一種“力爭上游”的良性競爭關系[20]。在綠色發展方面，合理的地方政府競爭不僅可以促進本地區與先進地區之間技術、管理經驗等要素流動，還可能影響地方政府各項政策制定以提高環境規制標準、提升地方環境績效為導向，有利于加強綠色發展的“本地-鄰地”效應。

綜上，本文提出如下研究假設：

H4：工業機器人應用對城市綠色發展效率提升具有空間溢出效應。

三、研究設計

（一）模型設定

1. 基準回歸模型

基于上述分析，本文構建如下面板基準回歸模型，以探討工業機器人應用對城市綠色發展效率的影響，設定基準回歸模型如式（1）所示：

[GDEi，t=α0+β1Roboti，t+β2Xi，t+θi+vt+εi，t] （1）

其中，i和t分別表示城市和年份，被解釋變量[GDEi，t]表示i城市t時期的綠色發展效率，核心解釋變量[Roboti，t]表示i城市t時期的工業機器人應用水平，[Xi，t]為一系列控制變量包括經濟發展水平（[lnPgdp]）、外商直接投資（[lnFDI]）、財政分權（[Fde]）、科技支出（[Tec]）、城鎮化率（[Urb]）等。[θi]表示地區固定效應，[vt]表示時間固定效應，[εi，t]為隨機誤差項。

2. 空間計量模型

空間權重矩陣用來衡量研究對象間的空間關聯性，是建立空間計量模型的基礎和關鍵。本文共采用了鄰接空間權重矩陣（W01）、反地理距離空間權重矩陣（Wd）、經濟距離空間權重矩陣（We）和地理經濟嵌套矩陣（Wde）對空間計量模型進行處理。基于理論分析，為了探究工業機器人應用對城市綠色發展效率的空間溢出效應，在基準回歸模型中引入空間交互項，構建空間計量模型如下：

[GDEi，t=α0+ρWijGDEi，t+β1Roboti，t+γ1WijRoboti，t+β2Xi，t+γ2WijXi，t+θi+vt+εi，t] （2）

[εi，t=λWijεi，t+μi，t] （3）

其中，[ρ]為空間自相關系數，[Wij]為空間權重矩陣，[γ1]和[γ2]為核心解釋變量及控制變量空間交互項的系數，[θi]表示地區固定效應，[vt]表示時間固定效應，[εi，t]為空間誤差自相關項，[μi，t]為隨機擾動項。當[ρ≠0、γ1=0、γ2=0、λ=0]時，式（2）為空間自回歸模型（SAR）；當[ρ=0、γ1=0、γ2=0、λ≠0]時，式（2）為空間誤差模型（SEM），當[ρ≠0、γ1≠0、γ2≠0、λ=0]時，式（2）為空間杜賓模型（SDM）。本文后續將通過LM檢驗、LR檢驗、Wald檢驗等方法對模型進行相關檢驗，確定出適合本研究的最優空間計量模型。

（二）變量說明與數據來源

1. 被解釋變量

綠色發展效率（[GDE]）。Tone（2001）提出了在非徑向、非角度的基于松弛的SBM模型（Slack-based Measure）基礎上改進的超效率SBM模型（Super-SBM）[21]，該模型能夠避免單一使用方向距離函數所導致的徑向性和導向性偏差，估計結果更為精確，本文借鑒其提出的超效率SBM模型測度城市綠色發展效率，具體的投入產出指標選取如下。

投入指標。包括資本、勞動力和資源，其中資本存量采用永續盤存法進行估算；勞動力投入選取各城市年末就業人數進行表征；資源投入選取城市建成區面積、全社會用水量和全社會用電量來刻畫。

期望產出。本文以2008年為基期，使用城市所在省份的GDP平減指數進行調整為各城市實際GDP。

非期望產出。主要考察污染排放情況，遵循文獻常用處理方法，采用工業“三廢”進行衡量。

2. 核心解釋變量

城市工業機器人應用水平（[Robot]）。本文參照Acemoglu和Restrepo（2020）、黃賾琳等（2023）的方法[22-23]，采用城市的產業就業結構、城市16～64歲適齡勞動力數量以及行業層面的工業機器人臺數構建城市層面的工業機器人應用指標，根據Bartik工具變量法的思想，計算工業機器人密度來代表機器人的應用水平。設定2008年為基準年份，城市i在t年的工業機器人密度[Robotit]的具體計算公式如下：

[Robotit=j=1Jlabori，j，t=2008labori，t=2008×Robotjtlaborj，t=2008] （4）

其中，i、j、t分別表示城市、行業和年份，[Robotjt]表示行業j在t年的工業機器人數量，[laborj，t=2008、][labori，t=2008]和[labori，j，t=2008]別表示行業j、城市i以及城市i的j行業在2008年的勞動力規模。

3. 控制變量

基于理論分析和現有文獻，引入以下控制變量：經濟發展水平（[lnPgdp]），采用各城市人均GDP衡量；外商直接投資（[lnFDI]），采用各城市當年實際使用外資金額衡量；財政分權（[Fde]），采用地方財政一般預算內收入與支出之比衡量；科技支出（[Tec]），采用地方科技支出占地方財政一般預算支出比重衡量；城鎮化率（[Urb]），采用年末城鎮常住人口占年末總人口比重衡量。

4. 數據來源

本文選取2008—2021年長江經濟帶地級市層面的面板數據考察工業機器人應用對綠色發展效率的影響。原始數據主要來源于《中國城市統計年鑒》和各城市的《統計年鑒》與統計公報、EPS數據以及IFR全球機器人數據庫。IFR公布的全球機器人數據庫提供了全球70多個國家和地區17個大類行業的機器人數據，是目前研究機器人應用最權威的數據庫。考慮數據的可得性和完整性，除去指標缺失嚴重的地級市②，最終采用2008—2021年長江經濟帶108個地級市的1512個觀測值作為樣本對計量模型進行估計和檢驗。各變量描述性統計如表2所示。

四、實證分析

（一）基準回歸分析

1. 基準回歸結果分析

采用逐步加入控制變量的回歸方式估計在不考慮空間效應的情況下工業機器人應用對城市綠色發展效率的影響。基準回歸結果如表3所示，表3列（1）僅納入工業機器人應用這一核心解釋變量，在對地區和時間固定效應加以控制后，所呈現的結果顯示：工業機器人應用對城市綠色發展效率的影響在5%的水平下顯著為正，即工業機器人應用顯著提升了城市的綠色發展效率。表3列（2）—（6）逐步納入一系列控制變量之后，相應的估計結果依然保持穩健。尤其列（6）納入所有控制變量后，工業機器人應用的系數在1%的顯著性水平下為正，說明在不考慮空間效應的情況下，工業機器人的應用對城市綠色發展效率具有積極的促進作用，回歸結果驗證了本文的假設H1。

其余控制變量中，經濟發展水平對城市綠色發展效率具有顯著的正向影響，即城市經濟發展水平提高有助于實現綠色發展。外商直接投資系數在1%的水平下顯著為正，表明城市引入外商投資可能會帶來更為環保的生產標準和技術落地，促進城市綠色技術體系升級和生產效率提升，從而促進綠色發展效率提升。財政分權的估計系數在1%的顯著性水平下為負，表明財政分權抑制了城市綠色發展效率的提升，可能的原因在于財政分權賦予了地方政府較大的經濟自主權，地方官員在任期內側重于追求經濟高速增長而忽略環境治理，最終不利于綠色發展。科技支出對城市綠色發展未呈現顯著正向影響，反映出單純增加科技投入未必直接提升城市綠色發展效率，這可能主要源于研發成果轉化效率不足、創新方向與市場需求錯配等關鍵問題，導致其對綠色發展效率的促進作用受限。城鎮化率對城市綠色發展效率的影響不顯著，可能是樣本特性、時間范圍、地區差異等因素所導致的。

然而，如果面板數據內部存在空間相互依賴，那么由于遺漏了觀測值之間的空間相互作用，經典計量模型的結果可能是有偏的，并且會得到低效的參數估計。鑒于理論分析已經揭示了空間依賴的可能性，因此還需采用空間計量模型進一步探討工業機器人應用對城市綠色發展效率的影響。

2. 內生性檢驗

為了克服基準回歸模型的內生性問題，本文采用工具變量法緩解內生性問題，借鑒李磊等（2021）的研究，選取上一年度最低工資水平（IV）構造工具變量[24]。原因在于，城市綠色發展效率受到多方面因素的影響，最低工資水平在其中的作用相對較小，滿足外生性假設。此外，最低工資調整會提高企業的工資成本[25]，進而影響企業對工業機器人的使用意愿，影響工業機器人的應用水平，滿足相關性假設。選取兩階段最小二乘法（2SLS）進行估計，表4列（1）和列（2）為最低工資水平工具變量（IV）估計結果。從第一階段回歸結果可知，工業機器人應用與最低工資水平存在顯著正相關關系，滿足相關性假設，符合前文分析結果。第二階段回歸結果顯示工業機器人應用能顯著促進城市綠色發展效率，與基準回歸結果基本一致，且[Kleibergen-Paap rk LM]統計量在1%的水平下顯著，有力證明所選工具變量具有可識別性，此外，[Kleibergen-Paap rk Wald F]統計量為11.60，該數值超過了Stock-Yogo在15%水平下設定的臨界值（8.96），從而可以確定不存在弱工具變量的問題。總體而言，2SLS與基準回歸的結果一致，表明基準回歸結果具有穩健性。

表4 工具變量回歸結果

[變量 IV （1） （2） 第一階段 第二階段 [Robot] [GDE] [IV] 0.022***

（0.006） [Robot] 0.376*

（0.190） [Kleibergen-Paap rk LM]統計量 8.91

[0.0028] [Kleibergen-Paap rk Wald F]統計量 11.60

{8.96} 控制變量 控制 控制 地區固定效應 控制 控制 時間固定效應 控制 控制 觀測值 1，512 1，512 F統計量 11.60 ]

注：[Kleibergen-Paap rk LM]為工具變量的可識別檢驗，[Kleibergen-Paap rk Wald F]為弱工具變量檢驗。[]中的數值對應LM檢驗的P值，{}中的數值對應Stock-Yogo15%臨界值。*和***分別為10%和1%的顯著性水平，括號內報告城市層面的聚類穩健標準誤。

3. 穩健性檢驗

替換核心解釋變量。前文中工業機器人應用水平主要依據各城市工業機器人存量數據進行測算，而在穩健性檢驗過程中，核心解釋變量改用工業機器人安裝量數據來重新測度工業機器人應用水平，回歸結果如表5列（1）所示，從結果可以清晰看出，當使用工業機器人安裝量數據對工業機器人應用水平重新測度后，相應回歸系數依然呈現出顯著的正向關系，與前文回歸模型的結果基本相符，驗證了回歸結果的穩健性。

縮小城市范圍。考慮到直轄市和省會城市在經濟發展水平、產業結構優化以及科技創新能力等方面通常相較于其他城市更具優勢，可能會對整體估計結果產生一定的影響，因此，在原樣本基礎上將直轄市和省會城市樣本數據予以剔除，僅保留其他城市數據，并重新進行模型估計，結果見表5列（2），工業機器人應用回歸系數仍然顯著為正，驗證了結論的穩健性。

縮尾處理。為了有效剔除極端異常值所帶來的干擾，在基準回歸的基礎上，對所有連續變量實施了上下1%的縮尾處理，以修正數據中的極端值，重新進行回歸估計后，結果如表5列（3）所示，工業機器人應用對城市綠色發展效率的影響依然在1%的水平下顯著為正，表明基準回歸結果穩健可靠。

4. 機制分析

根據前文理論分析可知，工業機器人應用會顯著促進城市綠色發展效率的提升，那么工業機器人應用通過何種機制促進城市綠色發展效率？對此，本文通過檢驗工業機器人應用對綠色技術創新和能源利用效率是否存在影響，進一步剖析工業機器人應用提升城市綠色發展效率的影響路徑。

為了檢驗工業機器人應用對城市綠色發展效率的影響機制，本文構建機制檢驗模型進行驗證。參考江艇（2022）的研究[26]，本文選取的機制變量對被解釋變量城市綠色發展效率的因果關系較為清晰直觀，重點關注核心解釋變量對機制變量的影響，在構建基準回歸模型基礎上，設定模型（5）進行機制效應檢驗：

[Mediatori，t=α0+β1Roboti，t+β2Xi，t+θi+vt+εi，t] （5）

其中，[Mediatori，t]為機制變量包括綠色技術創新（[Gti]）、能源利用效率（[Eue]），[Roboti，t]為工業機器人應用，其余部分與式（1）相同。

（1）綠色技術創新的機制檢驗

為檢驗工業機器人應用能否通過綠色技術創新影響城市綠色發展效率，參考趙培雅等（2023）的研究[27]，采用各地級市上市企業某年所申請的綠色發明專利和綠色實用型專利之和，與其當年申請的所有專利數之比取對數，以此衡量各城市綠色技術創新水平（[Gti]）。

機制分析結果見表6列（2），工業機器人應用對機制變量綠色技術創新的回歸系數在1%的水平下顯著為正，表明工業機器人應用對綠色技術創新具有顯著的正向影響，即工業機器人的應用增加能夠有效降低企業綠色研發創新成本，提高企業創新效率，從而增強綠色技術創新水平，進一步提升生產效率和改善環境質量，驅動城市綠色發展效率提升，驗證了本文假設H2。

（2）能源利用效率的機制檢驗

本文參考林壽富和謝艷晴（2024）、許軍（2024）的方法[28-29]，用單要素能源利用效率（[Eue]）來表征各城市的能源利用效率，能源利用效率=實際GDP/能源消耗總量。其中城市能源消耗總量測算利用全社會用電量、煤氣天然氣供應量和液化石油氣供應量乘以相應折標準煤系數，折算成總標準煤消耗量。同時，為了剔除價格因素的干擾，確保數據平穩性，地區生產總值以2008年為基期進行價格平減得到實際GDP。

機制分析結果見表6列（3），工業機器人應用對能源利用效率的影響系數在1%的水平下顯著為正，表明工業機器人應用能夠幫助企業強化能源智能調控和自動化控制能力，推動能源管理精細化，最大限度降低能源消耗，減少能源浪費，提高單位能源產出，從而提高能源利用效率，進一步提高城市生態環境質量和經濟運行效率，賦能城市綠色發展效率提升，驗證了本文假設H3。

（二）空間計量分析

1. 空間自相關分析

（1）全局自相關檢驗

在進行空間計量分析之前，首先考察數據是否存在空間相關性，對核心解釋變量和被解釋變量的空間相關性進行檢驗。本文采用最為廣泛的Moran’s I指數來檢驗城市綠色發展效率以及工業機器人應用的空間相關性。檢驗結果如表7所示，2008—2021年長江經濟帶城市綠色發展效率以及工業機器人應用的全局Moran’s I指數均大于0，并且絕大多數分別在1%和5%的水平下通過了顯著性檢驗，表明城市綠色發展效率以及工業機器人應用均存在明顯的正向空間相關性，可以進行后續的空間效應分析。

（2）局部自相關檢驗

局部空間自相關采用Moran’s I指數散點圖驗證，限于篇幅，本文僅選取了2012年和2021年兩個年份繪制城市綠色發展效率以及工業機器人應用的局部Moran’s I指數散點圖反映它們的空間集聚特征。

圖1是2012年和2021年長江經濟帶108個地級市綠色發展效率的Moran’s I指數散點圖，圖2是2012年和2021年工業機器人應用水平的Moran’s I指數散點圖，從圖中可以看出，城市綠色發展效率以及工業機器人應用水平在空間上均主要分布在第一象限（H-H）和第三象限（L-L），呈現出明顯的高高-低低集聚狀態，說明綠色發展效率高（低）的城市被同樣較高（低）綠色發展效率的其他城市包圍，工業機器人應用水平較高（低）的城市被同樣較高（低）工業機器人應用水平的其他城市包圍。

綜合來看，Moran’s I指數值和散點圖均說明了長江經濟帶城市綠色發展效率以及工業機器人應用并非隨機分布，而是存在明顯的空間正相關或空間集聚特征，有必要進一步識別工業機器人應用對城市綠色發展效率的空間溢出效應。

2. 空間計量模型的檢驗與識別

為選擇較為合適的空間計量模型，本文借鑒主流文獻的判斷規則，首先對模型進行拉格朗日乘數檢驗（LM檢驗），檢驗結果見表8。可以看出，LM檢驗涵蓋的[LM-error]、[Robust LM-error]、[LM-lag]、[Robust LM-lag]四項指標均在1%的水平下顯著，這為空間計量模型的選擇提供了嚴格的統計支持。進一步通過LR檢驗證實SDM模型不能退化為SAR模型或SEM模型，換言之，選擇SDM模型更優；Wald檢驗統計量同樣在1%的水平下顯著，三重檢驗結果共同支持SDM模型是更優的選擇；此外LR雙固定效應檢驗結果均在1%水平下拒絕原假設，這表明在選擇SDM模型時，采用地區-時間雙固定效應模型更為適宜；為控制因地區差異和時間因素引致的潛在偏誤，本文最終采用地區-時間雙固定效應的空間杜賓模型（SDM）實施參數估計。

3. 空間杜賓模型估計結果與分析

空間杜賓模型的實證結果見表9。結果顯示，在四種矩陣（W01、Wd、We、Wde）設定條件下，城市綠色發展效率存在明顯的空間自相關性和正向空間溢出效應，表明本地城市的綠色發展效率會通過地理或（和）經濟上的關聯正向影響周邊城市的綠色發展效率。需要說明的是，盡管工業機器人應用系數及其空間滯后項（[W×Robot]）的系數均顯著為正，但這并不意味著工業機器人應用對城市綠色發展效率有直接或間接的邊際影響。為了得到各解釋變量影響城市綠色發展效率的直接效應、間接效應和總效應，本文將空間杜賓模型進行分解，以更好地刻畫其中的空間溢出效應。

4. 空間效應的分解

表10報告了空間杜賓模型效應的分解結果。本文中的直接效應包括工業機器人應用對本地區綠色發展效率的影響及空間反饋效應；間接效應又稱為溢出效應，表示“鄰近”地區工業機器人應用對本地區綠色

發展效率的影響；總效應為直接效應與間接效應之和，可以解釋為某一地區的工業機器人應用對所在地區的綠色發展效率的平均影響。從效應分解來看，在四種權重矩陣的設定下，直接效應系數均顯著為正，意味著工業機器人應用水平提升能夠促進本地綠色發展效率。背后的原因可能是工業機器人在城市的大規模應用促進了綠色技術創新、提高了能源利用效率，從而在提高生產效率的同時減少能源消耗和污染產出，帶來了城市綠色發展效率提升。間接效應系數亦均顯著為正，表明工業機器人應用可以通過空間溢出效應對周邊地區的綠色發展效率起到顯著的推動作用。可能的原因在于，一方面工業機器人的應用代表著新興數字技術的成熟以及綠色技術創新的發展，而這些先進的技術和知識會通過技術溢出效應傳播至周邊地區，推動區域內產業集聚與產業結構升級，從而帶來本地綠色發展效率提升；另一方面，若本地在工業智能化或城市綠色發展方面取得較大成效，在以綠色發展為導向的考核評價機制下，則會對周邊地區形成“示范效應”和“競爭壓力”，從而影響周邊城市的綠色發展。回歸結果驗證了本文的假設H4。

5. 空間溢出效應的衰減邊界分析

在證實了工業機器人應用對城市綠色發展效率具有顯著空間溢出效應后，本文進一步基于空間杜賓模型（SDM）重點測度該效應的衰減邊界特征。依據地理學第一定律，空間依賴性隨地理距離擴大呈衰減特征。如果工業機器人應用對城市綠色發展效率的空間溢出效應遵循這一規律，那么空間溢出效應會與城市之間的距離負相關，從而產生空間溢出邊界。本文選取不同的地理距離閾值構建空間權重矩陣，假設兩個城市間地理距離區間為[[dmin，dmax]]，r為[dmin]到[dmax]的遞進距離。當[dij≥d]時，矩陣中地理單元元素為兩城市距離的倒數，當[dij≤d]時，地理單元元素為0。這樣可以將距離空間權重矩陣d內的城市剔除，以便更好地觀察空間溢出效應的遠距離衰減變化。

[Wd|d=dmin，dmin+r，dmin+2r，……，dmax] （6）

[Wd=[Wij，d]N×N=1dij，dij≥d0，dij≤d] （7）

其中，[Wd=[Wij，d]N×N]為權重矩陣。

根據長江經濟帶的地理特征，本文以50公里為起點，城市間距離每增加50公里進行一次空間杜賓回歸，直到距離閾值超過800公里。圖3給出了不同閾值下工業機器人應用對城市綠色發展效率空間溢出效應的檢驗結果。結果顯示，空間溢出系數總體呈下降趨勢，可分為三個階段：第一階段為100公里以內，空間溢出系數小幅下降但總體系數較大，此階段空間溢出效應最強，意味著較短的地理距離有助于工業機器人技術知識以及相應的管理經驗溢出和擴散；第二個階段為100公里～300公里，空間溢出系數呈現快速下降趨勢；第三個階段為300公里以上，空間溢出系數呈隨機波動狀態，不具統計學意義上的顯著性。

由此可以得知，工業機器人應用雖然可以通過空間外溢提升其他地區綠色發展效率，但這種促進作用有明顯的距離衰減特征，超出300公里之后空間溢出效應基本消失。事實上，由于技術知識傳遞邊際成本的增加、跨區域、跨部門信息傳遞容易滯后、失真和缺位、“地方保護主義”以及制度行政壁壘等原因，工業機器人技術發展的溢出和擴散一般局限在一定的地理范圍內，其對城市綠色發展效率的空間溢出效應可能會隨著城市間地理距離增大而減小。

6. 穩健性檢驗③

采用多種空間權重矩陣。為了消除空間權重矩陣的選擇差異可能導致估計結果的偏差，本文采用多種空間權重矩陣進行回歸（結果見表9和表10），發現多種空間權重矩陣下的回歸結果基本一致。可見工業機器人應用對城市綠色發展效率的空間杜賓模型回歸結果是穩健可靠的。

重新測度核心解釋變量。將工業機器人應用水平的測度方法替換為工業機器人安裝量，仍然使用空間杜賓模型回歸并進行效應分解。結果顯示，直接效應、間接效應系數的顯著性未發生變化，空間杜賓模型回歸結果具有穩健性。

建立動態空間計量模型。在解釋變量中引入被解釋變量的一階滯后項，建立動態空間計量模型控制動態時滯和遺漏變量對城市綠色發展效率可能帶來的影響[30]。基于效應分解的回歸分析表明，工業機器人應用對城市綠色發展效率的直接效應、間接效應及總效應均呈現顯著正向特征。與前文結果相比，動態空間計量模型結果各變量回歸系數方向和顯著性水平未發生明顯改變，進一步說明前文結論是穩健的。

7. 空間異質性分析

（1）城市群異質性

空間異質性被認為是地理學第二定律的核心內涵。鑒于長江經濟帶空間尺度廣闊，各地區產業發展水平、能源資源以及技術稟賦均存在差異，這些都有可能導致估計結果存在區域異質性。本文基于反地理距離空間權重矩陣，從城市群視角展開空間異質性分析。城市群是支撐和引領區域一體化、高質量發展的重要功能區。長江經濟帶自東向西分布著長三角城市群、長江中游城市群和成渝城市群三大城市群，涵蓋9省（市）71個城市群節點城市④，另外還有37個非城市群城市。本文對城市群和非城市群進行空間異質性分析，結果如表11所示，城市群的間接效應和直接效應回歸系數均顯著為正，表明工業機器人應用還能通過溢出效應影響鄰近地區。究其原因，可能是工業機器人在城市群內的廣泛應用得益于其良好的基礎設施、高度的產業集聚、優良的經濟生態和創新環境，能夠更有效地提升生產效率，減少資源消耗和污染排放，從而顯著影響城市綠色發展效率。非城市群的直接效應和間接效應的回歸系數均不顯著。可能相比于城市群，非城市群的城市交通網絡、信息通信等基礎設施不夠完善、政策扶持與資金投入相對較少、人才和技術創新受限導致工業機器人應用帶來的城市綠色發展效率提升效應并不明顯。

（2）工業化水平異質性

城市工業化水平通常與城市的產業結構、技術水平和資本密集等因素相關，這些因素都可能影響工業機器人應用對城市綠色發展效率的作用，因此，在分析工業機器人應用對城市綠色發展效率影響時，考慮工業化水平作為異質性因素是一個重要的視角。按照非農增加值比重是否達到90%為標準，本文將長江經濟帶108個地級市分為進入工業化后期和未進入工業化后期兩類城市，探究不同工業化水平下工業機器人應用對城市綠色發展效率的空間效應。仍然使用空間杜賓模型（SDM）進行分析和效應分解，結果如表12所示。兩類城市的直接效應系數均顯著為正，意味著工業機器人應用對城市綠色發展效率有促進作用，其中未進入工業化后期的城市系數稍大。背后的原因可能是，已進入工業化后期的城市已經具備成熟的產業結構以及高水平的技術能力，工業機器人應用為其帶來的邊際效應相對較小，而未進入工業化后期的城市正處于快速工業化和技術革新階段，工業機器人的引進能更有效地促進產業結構轉型升級和技術創新，尤其是在綠色技術和清潔生產等方面的實際應用，能夠帶來更加明顯的效率提升和環境改善效果。此外，未進入工業化后期的城市間接效應系數不顯著。可能的原因是，未進入工業化后期的城市一般工業基礎薄弱、缺乏必要的技術接收能力和轉化機制、產業間聯系不夠緊密、經濟發展水平和市場規模存在局限性，對先進城市溢出技術知識的吸收和利用能力較弱，從而限制了工業機器人等先進技術的擴散和應用。

五、結論與政策建議

（一）結論

在互聯網、大數據以及人工智能等新一代信息技術全面發展的背景下，工業機器人的大量應用正在助推長江經濟帶城市的高質量和可持續發展。本文考察了長江經濟帶108個地級市工業機器人應用對城市綠色發展效率的影響效應，研究發現：第一，長江經濟帶地級城市工業機器人應用能顯著提升城市綠色發展效率，在經過一系列穩健性檢驗后結論依然成立；第二，工業機器人應用能夠通過綠色技術創新和能源利用效率兩種機制促進城市綠色發展效率提升；第三，長江經濟帶地級城市工業機器人應用對城市綠色發展效率的影響存在正向的空間溢出效應，且這種空間溢出效應在100公里以內表現強烈，超過300公里溢出效應不再顯著；第四，在長江經濟帶三大城市群內的節點城市和已進入工業化后期的城市，工業機器人應用對城市綠色發展效率提升作用以及空間溢出效應相較于其他城市都更加明顯。

（二）政策建議

第一，繼續推動工業機器人技術研發及應用，加快推進工業智能化轉型。一方面，鼓勵企業提高研發投入和減排降污技術水平，提升工業機器人技術與節能減排技術深度融合。企業技術創新必須依賴充足的資金，因此既要依靠政府出臺更多激勵和優惠政策，如稅收減免、研發補貼、貸款優惠等，又要引導鼓勵各類社會資本積極參與，投資智能升級和綠色制造。另一方面，依托數字經濟發展紅利，政府應牽頭加快構建工業機器人產學研用協同創新體系，為企業引進工業機器人提供資金、技術和人才等方面支持，推進工業機器人與各相關產業的深度融合，以工業機器人為抓手升級改造傳統高耗能、高污染、高排放產業的發展模式，推動產業智能化轉型和綠色升級，助力城市綠色發展。

第二，著力強化城市群內外部科技合作，建立科技創新與綠色發展地區協作機制。為提升整個長江經濟帶的綠色發展效率，長江經濟帶三大城市群的71個節點城市應加強與37個非城市群城市的科技合作。一方面，推動長江經濟帶智能產業和綠色發展合作要消除或弱化由于行政區劃以及“地方保護主義”導致的行政壁壘，各地方政府加強交流合作，不斷拓展合作區域、增加合作層級、拓寬合作領域、完善合作機制，充分發揮工業機器人應用的空間溢出效應，提高空間外溢衰減的地理距離。另一方面，加大對工業機器人應用先進城市扶持力度，強化區域內產業鏈、創新鏈融合聯動，健全落實對接機制，既能發揮先進城市示范帶動作用，又能加快推進先進技術和知識的溢出，與周邊城市和非城市群內城市共享智能轉型和綠色發展經驗，帶動長江經濟帶綠色發展效率整體提升。

第三，立足城市資源稟賦和發展差異，實施異質性發展策略。具體而言，對于未進入工業化后期、地處非城市群地區的城市，首先，政府應提供更多的財政支持和優惠政策，加大交通、能源和通信領域基礎設施建設，加強城市工業互聯網建設，縮小和先進城市差距；其次，應加強數智化技術人才職業技能培訓，并通過人才政策引進高端自動化技術方面人才以匹配工業機器人的研發、生產和操作，從而進一步提高對發達地區空間外溢的吸收利用能力。對于已進入工業化后期和城市群內部城市，一方面，穩步推進長江經濟帶區域城市群、都市圈建設戰略，加強城市群內部政策協同和工作協調，政策重點應放在優化現有產業結構，充分利用其成熟的基礎設施、技術創新生態和產業集群優勢，加強區域間交流與合作，提升城市間互聯互通水平，強化產業鏈協同，促進資源優化配置，加快推進工業機器人應用為代表的產業智能化升級，促進效率提升和綠色發展；另一方面，通過政策引導和市場機制加強城市群核心城市對周邊城市的輻射帶動和技術溢出，提升整個區域綠色發展效率。

注 釋：

① 數據來源：《長江經濟帶統計年鑒2024》，長江經濟帶發展統計監測辦公室編。

② 長江經濟帶包括上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州11個省（市），共110個地級市（不含自治州）。由于空間計量模型需要強平衡面板數據，但部分地級市變量數據殘缺，因此做了相應刪減，最終選取108個樣本城市。被刪減城市為貴州省的畢節市和銅仁市，它們不處于長江流域核心地理位置，刪減后對研究結論影響不大。

③ 限于篇幅，本文未匯報空間效應穩健性檢驗具體結果，感興趣的讀者可以向作者索要。

④ 根據國務院批復的《長江三角洲城市群發展規劃》《長江中游城市群發展規劃》和《成渝城市群發展規劃》，三大城市群共涉及9個省（市）74個地級及以上城市，其中長三角城市群包括上海、江蘇、浙江、安徽4省（市）26個城市和浙江省溫州市（2019年列入），共27市；長江中游城市群包括湖北、湖南、江西3省31個城市；成渝城市群包括重慶、四川2省（市）16個城市。由于湖北省仙桃市、潛江市、天門市3個縣級市不在本文研究范圍內，予以剔除，因此，本文所涉及長江經濟帶三大城市群涵蓋71個城市。

參考文獻：

［1］ 魏麗莉，侯宇琦.數字經濟對中國城市綠色發展的影響作用研究［J］.數量經濟技術經濟研究，2022，39（8）：60-79.

［2］ 劉強，馬彥瑞，徐生霞.數字經濟發展是否提高了中國綠色經濟效率？［J］.中國人口·資源與環境，2022，32（3）：72-85.

［3］ 向云波，王圣云，鄧楚雄.長江經濟帶化工產業綠色發展效率的空間分異及驅動因素［J］.經濟地理，2021，41（4）：108-117.

［4］ 楊光，侯鈺.工業機器人的使用、技術升級與經濟增長［J］.中國工業經濟，2020（10）：138-156.

［5］ ACEMOGLU D，RESTREPO P. Automation and New Tasks：How Technology Displaces and Reinstates Labor［J］.Journal of Economic Perspectives，2019，33（2）：3-30.

［6］ 韓民春，毛春英，袁瀚坤.工業機器人應用對創業的影響——基于中國微觀調查數據的分析［J］.華中科技大學學報（社會科學版），2023，37（6）：18-28.

［7］ 王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業上市公司的證據［J］.經濟研究，2020，55（10）：159-175.

［8］ 陳昊，閆雪凌，朱博楷.機器人使用影響污染排放的機制和實證研究［J］.中國經濟問題，2021（5）：126-138.

［9］ YU L，ZENG C，WEI X. The Impact of Industrial Robots Application on Air Pollution in China：Mechanisms of Energy Use Efficiency and Green Technological Innovation［J］.Science Progress，2022，105（4）：00368504221144093.

［10］ 盛丹，卜文超.機器人使用與中國企業的污染排放［J］.數量經濟技術經濟研究，2022，39（9）：157-176.

［11］ HUANG G，HE L Y，LIN X. Robot Adoption and Energy Performance：Evidence from Chinese Industrial Firms［J］.Energy Economics，2022，107：105837.

［12］ 蔣為，龔思豪，李錫濤.機器人沖擊、資本體現式技術進步與制造業碳減排——理論分析及中國的經驗證據［J］.中國工業經濟，2022（10）：24-42.

［13］ 唐曉華，遲子茗.工業智能化提升工業綠色發展效率的實證研究［J］.經濟學家，2022（2）：43-52.

［14］ 林熙，劉啟仁，馮桂媚.智能制造與綠色發展：基于工業機器人進口視角［J］.世界經濟，2023，46（8）：3-31.

［15］ SIYING YANG，FENGSHUO LIU. Impact of Industrial Intelligence on Green Total Factor Productivity：The Indispensability of The Environmental System［J］.Ecological Economics，2024，216：108021.

［16］ LIANG L，LU L，SU L. The Impact of Industrial Robot Adoption on Corporate Green Innovation in China［J］.Scientific Reports，2023，13（1）：18695.

［17］ LIXIN，LISHIYUAN，CAOJIFENG，ET AL. Does Artificial Intelligence Improve Energy Efficiency？ Evidence from Provincial Data in China［J］.Energy Economics，2025，142：108149.

［18］ 許釗，高煜，霍治方.高鐵開通對能源效率的影響研究——基于“中心-外圍”模型的理論分析與實證檢驗［J］.軟科學，2022，36（5）：1-8+14.

［19］ 上官緒明.空間異質視閾下技術多維溢出、吸收能力與技術進步［J］.科學學與科學技術管理，2018，39（4）：74-87.

［20］ 邵帥，范美婷，楊莉莉.經濟結構調整、綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察［J］.管理世界，2022，38（2）：46-69+4-10.

［21］ TONE K.A Slacks-Based Measure of Efficiency in Data Envelopment Analysis［J］.European Journal of Operational Research，2001，130（3）：498-509.

［22］ 黃賾琳，蔣鵬程.數字低碳之路：工業機器人與城市工業碳排放［J］.財經研究，2023，49（10）：34-48.

［23］ ACEMOGLU D，RESTREPO P. Robots and Jobs：Evidence from US Labor Markets［J］.Journal of Political Economy，2020，128（6）：2188-2244.

［24］ 李磊，王小霞，包群.機器人的就業效應：機制與中國經驗［J］.管理世界，2021，37（9）：104-119.

［25］ 馬雙，張劼，朱喜.最低工資對中國就業和工資水平的影響［J］.經濟研究，2012，47（5）：132-146.

［26］ 江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100-120.

［27］ 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.

［28］ 林壽富，謝艷晴.高鐵開通對城市能源利用效率的影響機制及空間溢出效應研究［J］.產業經濟研究，2024（2）：102-114，129.

［29］ 許軍.產業智能化賦能低碳經濟發展：理論機制與實證檢驗［J］.統計與決策，2024，40（15）：76-81.

［30］ 白俊紅，蔣伏心.協同創新、空間關聯與區域創新績效［J］.經濟研究，2015，50（7）：174-187.