數據要素集聚能否驅動包容性綠色增長？

[摘要]隨著數字經濟的蓬勃發展，數據要素對經濟高質量發展的驅動作用已成為新的研究熱點。基于2010—2022年中國283個城市的面板數據，以大數據綜合試驗區試點政策為準自然實驗，通過雙重差分法分析數據要素集聚對包容性綠色增長的影響及其內在機制。結果發現：數據要素集聚在促進包容性綠色增長方面發揮顯著作用，平行趨勢檢驗、安慰劑檢驗、PSM-DID檢驗等穩健性檢驗進一步證實結果的可靠性；從機制檢驗的結果來看，數據要素集聚對包容性綠色增長的驅動作用通過提升城市化水平和改善勞動要素扭曲實現；從異質性角度來看，相對于產業結構初級化城市和經濟欠發達城市而言，數據要素集聚對產業結構高級化城市和經濟發達城市包容性綠色增長的促進作用更為顯著；調節效應檢驗結果表明，人力資本在數據要素集聚與包容性綠色增長兩者關系中發揮正向調節的作用。針對此，要注重人力資本積累、加快城市化進程、改善勞動資源錯配，從而充分發揮數據要素集聚對包容性綠色增長的驅動作用，實現經濟、社會與環境協同高質量發展。

[關鍵詞]數據要素集聚；包容性綠色增長；大數據綜合試驗區；可持續發展；數字資本

一、 引言

18世紀中葉的工業革命使生產方式發生了巨大變革，自此，人類社會由農業文明轉向工業文明，這也是工業化、城市化開始的標志。然而在城市發展過程中，人們忽視經濟發展與生態保護的平衡，為積累巨大物質財富對自然資源進行破壞與掠奪，導致城市出現環境污染、發展不平衡等一系列“城市病”。國際能源署公布的數據顯示，2023年全球二氧化碳排放量達到357.8億噸，比2022年同時間段上升0.11%1。碳排放導致地球溫室效應加劇，2023年9月全球平均氣溫比工業化前高出1.8攝氏度2，地球生態環境治理迫在眉睫。

為推進全球生態治理，促進經濟、社會與環境協調發展，2012年，世界銀行在名為《包容性綠色增長：可持續發展之路》的報告中首次提出了“包容性綠色增長”的概念[1]。包容性綠色增長是一種兼顧生態保護與社會公平的可持續發展方式[2]，旨在提升經濟發展水平的同時促進綠色轉型和社會居民機會平等[3]，它同時具備“環境友好”和“社會公平”的基本特征[4]，對保護地球生態環境、實現人類社會可持續發展具有重要意義。

近年來，中國經濟實現了高速增長，但是傳統的粗放型發展方式催生的環境污染、發展不均衡、貧富差距等一系列問題亟待解決。因此，挖掘數字經濟時代新要素提升社會的“包容性”和改善“綠色化”缺失逐漸成為中國政府、學界關注的重點課題。作為驅動新一輪科技革命和產業變革的基礎性、戰略性資源，數字資本已成為數字經濟時代的“新石油”。與數字化生產線等有形數字資本相比，數據要素等無形數字資本不僅能創造和積累知識，還具有非競爭性，即同一無形數字資本可以被多個主體同時使用而彼此不干擾，因而在推動經濟高質量發展中發揮的作用愈發關鍵。2015年9月，中國在貴州省設立首個國家級大數據綜合試驗區1，旨在加速數據要素集聚，支撐中國經濟轉型升級。此后，2016年10月，又在北京、天津、上海等市設立第二批大數據綜合試驗區試點2。那么，數據要素集聚能否驅動經濟、社會與環境協同發展，促進城市包容性綠色增長？其作用路徑是什么？具有什么特點？基于以上問題，本文展開論述，以期為理解數據要素集聚對包容性綠色增長的影響提供深入的理論與實證支持，為未來提升包容性綠色增長水平、實現人類社會的可持續發展提供有益的參考和建議。

二、 文獻綜述

數字資本包括有形數字資本和無形數字資本[4]。有形數字資本主要包括硬件設備、網絡基礎設施等，而無形數字資本則包括數據及數據分析技術、高端人才資本、商業模式等[5]，兩者在推動經濟高質量發展方面均發揮著重要作用[6]。數據要素作為驅動經濟增長的關鍵無形數字資本，近年來得到學術界的廣泛關注。已有研究認為，數據要素的概念有廣義和狹義之分[7]，廣義的數據要素是指能夠表達客觀事實的經過加工的數據產品[8]，狹義的數據要素是指通過二進制字符串表達和存儲的信息[9]。對于數據要素的經濟效應，已有學者證實了其對價值鏈攀升[10]、區域經濟協調發展[11]、經濟高質量發展等具有積極影響。同時，也有學者圍繞數據要素的市場化建設、數據要素確權[12]、數據要素的價值創造[13]等方面展開了論述。

學術界關于包容性綠色增長的研究主要有理論內涵研究和量化評價研究兩個方面。第一，關于包容性綠色增長的理論內涵，部分學者從發展經濟學視角出發，認為包容性綠色增長是一種可持續發展方式，它在促進經濟增長的同時也注重對自然生態和社會公平的維護。也有學者從福利經濟學視角出發，將包容性綠色增長視為一種能夠提高當代人和后代人福利的發展方式[14]。第二，關于包容性綠色增長的量化評價，已有研究主要通過構建指標評價體系或者利用函數模型等方式對包容性綠色增長進行定量分析。張濤等[15]從經濟增長、收入分配、福利普惠、環保減污四個維度構建指標評價體系，對包容性綠色增長進行了測度。Ren等[16]將基于松弛測度的方向性距離函數模型與Malmquist-Luenberger指數相結合，測度了中國282個城市的包容性綠色增長指數。

大多數相關研究分析了數字化轉型、數字經濟對可持續發展的影響，而鮮有研究直接探討數據要素集聚對包容性綠色增長的影響。數字化轉型方面，Kargas等[17]從希臘管理者的視角出發，探討了數字化轉型強度與可持續發展的關系。Yin[18]基于制度理論視角探討了數字化轉型對循環經濟的影響。張傳兵等[19]認為，數字化轉型對實現美麗中國和“雙碳”目標具有重大的現實意義。數字經濟方面，Asif等[20]以信息通信與技術為例，探討了數字經濟與環境可持續性的關系。Wang等[21]認為，數字經濟是保障黃河流域生態安全、實現人與自然和諧共生的關鍵。鐘文等[22]發現，促進數字經濟發展已成為實現“雙碳”目標的重要舉措。

已有研究成果為本文的開展奠定了堅實的基礎。本文的研究重點是探究數據要素集聚驅動包容性綠色增長的機理與路徑，邊際貢獻主要包括以下三個方面：（1）擴大研究范圍。已有研究主要關注包容性綠色增長的理論分析，較少對其進行定量分析。本文基于城市層面數據，采用“CRITIC-熵值”客觀組合賦權法測度中國283個城市的包容性綠色增長水平，豐富該領域的研究格局。（2）拓展研究視角。與普遍強調技術創新或政策制定影響包容性綠色增長的文獻相比，研究數據要素集聚影響包容性綠色增長的文章很少。本文基于數據要素集聚視角，探究其對包容性綠色增長的影響，拓寬該領域的研究視角。（3）深化研究內容。本文考察數據要素集聚影響包容性綠色增長的作用機制，通過全面分析數據要素集聚對包容性綠色增長的作用渠道，擴展現有的研究范式。

三、 理論分析與研究假說

1. 數據要素集聚驅動包容性綠色增長的直接效應

為分析數據要素集聚驅動包容性綠色增長的機理，并對比無形數字資本和有形數字資本對包容性綠色增長的影響差異，本文對Cobb-Douglas生產函數進行了改進，將資本要素拆分為有形資本（數字化生產線等）與無形資本（數據要素等），改進后的Cobb-Douglas生產函數如式（1）所示：

[Y=H（t）αD（t）β[A（t）L（t）1?α?β]] （1）

式（1）中，A、L、H、D分別表示技術、勞動力、有形資本和無形資本。[α]和[β]分別表示有形資本和無形資本的彈性，[αgt;0、βgt;0]且[α+β＜1]。假設有形資本和無形資本具有相同的折舊率，即[δ=δh=δd]，同時，假設[Sh]和[Sd]為有形資本和無形資本的儲蓄率，且為內生變量。假設技術與勞動力為外生變量，基于初始值A（0）和L（0）的增長率分別為g和n。

基于以上假定，總消費函數為：

[C（t）=Y（t）（1?Sh?Sd）] （2）

有形資本積累與無形資本積累分別為：

[H（t）=ShY（t）.?δH（t）] （3）

[D（t）=SdY（t）.?δD（t）] （4）

總體效用函數和人均產出分別為：

[U（t）=e?ρt（C1?σ1?σ）] ， 0lt;[ρ]lt;1，[σ]gt;1 （5）

[y=YAL=hαdβ] （6）

漢密爾頓函數為：

[J=U（t）+μH（t）+θD（t）+φ]C[（t）] （7）

總體效用最大化的一階條件為：

[?J?C=e?ρtC1?σ+φ=0] （8）

[?J?Sh=μY（t）?φY（t）=0] （9）

[?J?Sd=θY（t）?φY（t）=0] （10）

[?J?H=（μSh+θSd）αYH?μδ=?μ] （11）

[?J?D=（μSh+θSd）γYD?θδ=?θ] （12）

求解公式（8）至公式（12），可得，[H∶D=α∶β]。將式（3）、式（4）、式（6）相結合可以得到人均有效的有形資本和無形資本動態積累方程：

[h=Shy?（n+g+δ）h=0] （13）

[d=Sdy?（n+g+δ）d=0] （14）

當h、d均處于均衡增長路徑，那么：

[h=Shy?（n+g+δ）h?=0] （15）

[d=Sdy?（n+g+δ）d?=0] （16）

聯立式（15）至式（16），可得：

[??d?=ShSd] （17）

從上述模型推導可得，當經濟處于均衡增長路徑，有形資本與無形資本之比等于其儲蓄率之比。要實現增長效應，就要保證有形資本與無形資本處于合理配比，即在保證數字化生產線等有形數字資本增長的同時，提高數據要素等無形數字資本的儲蓄率有利于實現包容性綠色增長。

具體來看，數據要素可以通過集聚效應驅動包容性綠色增長：第一，數據要素能通過集聚效應促進經濟增長。集聚的數據資源使生產主體能更精確地分析和配置投入要素，從而優化生產函數、提高資源的使用效率，并且，可以降低生產主體的要素成本壓力，促進生產流程的創新和優化，提升生產效率，從而推動經濟增長。第二，數據要素能通過集聚效應促進社會公平。開放的數據具有公共物品屬性，數據要素集聚可以使這些數據資源成為促進社會公平的有力工具，緩解信息不對稱，使更多的個體和組織平等地獲取重要信息，為社會成員創造更平等的機會和福利，提升社會包容性。第三，數據要素能通過集聚效應促進綠色環保。數據要素集聚能夠優化資源配置，對生產活動等進行精細化管理，使資源的使用更加精準高效，進而減少資源浪費，促進綠色環保。綜合以上三個方面，本文提出研究假說H1：

H1：數據要素集聚能驅動包容性綠色增長。

2. 數據要素集聚驅動包容性綠色增長的間接效應

數據要素集聚能夠通過提高城市化水平驅動包容性綠色增長。首先，數據要素集聚可以通過創造城市就業機會、促進產品的虛擬生產等方式提升城市化水平。一方面，數據要素集聚不僅能夠催生新產業、新模式，也能對傳統產業進行數字化改造，這個過程會創造豐富的就業機會，從而吸納大批農村勞動力進入城市就業，提高城市化水平。另一方面，數據要素集聚有助于實現產品的虛擬生產，使生產過程不再依賴土地要素，從而打破城鄉“二元結構”，加快城市化進程。此外，城市化水平的提升能促進包容性綠色增長。城市化的進程伴隨著勞動力的聚集和流動，而勞動力市場的發展通過實現經濟結構轉型和資源配置優化，推動生產效率的提升、社會福利有效分配和綠色技術創新發展，促進包容性綠色增長。因此，本文提出研究假說H2：

H2：數據要素集聚通過提高城市化水平促進包容性綠色增長。

數據要素集聚能夠通過改善勞動要素扭曲驅動包容性綠色增長。首先，數據要素集聚可以通過促進高素質人才動態集聚、提高人力資本的數字素養等方式改善勞動要素扭曲。一方面，數據要素集聚提高了當地相關產業規模，而以數據為生產要素的電子信息技術等產業對高素質勞動者的需求較大，它們為滿足高層次人力需求會吸引大量人才集聚，使高素質人才由靜態、分散的狀態轉化為動態、集聚的狀態，從而改善勞動要素扭曲。同時，數據要素集聚能夠有效推動相關企業的數字化轉型，使企業的人才團隊在“干中學”的過程中提高數字素養，成為高水平的數字化人才，從而改善勞動要素扭曲。另一方面，數據要素集聚增強了行業間的協同效應。不同行業可以通過數據共享協同改進生產和服務，這種跨行業的協同效應促使勞動力在不同部門和崗位之間優化配置，減少因行業壁壘和信息不對稱導致的勞動力錯配，進一步改善勞動要素扭曲。其次，勞動要素扭曲的改善能促進包容性綠色增長。勞動要素扭曲的改善能減少勞動力在區域間、行業間和行業內的流動阻力，提高人力資本供需匹配的質量和效率，為包容性綠色增長水平的提升提供人力支持。因此，本文提出研究假說H3：

H3：數據要素集聚通過改善勞動要素扭曲促進包容性綠色增長。

四、 研究設計

1. 模型設定

雙重差分模型（DID）基于個體數據進行回歸，其主要用于判斷政策的影響是否在統計學上顯著。經典雙重差分模型包含兩個組群：處理組和控制組，它能夠較大限度避免政策作為核心解釋變量所產生的內生性問題。本文以中國“大數據綜合試驗區”試點政策為依據，將基準回歸模型設定如下：

[IGGit=α0+α1DIDit+α2Xit+μi+γt+εit] （18）

式（18）中，i、t分別表示城市和年份；[Growt?it]表示包容性綠色增長；[DIDit]為核心解釋變量數據要素集聚，取值為1時表示i城市在t年時為“大數據綜合試驗區”試點，其余情況取值為0，其系數[α1]表示數據要素集聚對包容性綠色增長的邊際貢獻，如果系數為正表示數據要素集聚能夠對包容性綠色增長產生積極影響；[Xit]為一系列控制變量，[μi]為個體固定效應，[γt]時間固定效應，[εit]為隨機擾動項。

2. 變量選取

（1）被解釋變量

本文的被解釋變量為包容性綠色增長（IGG）。包容性綠色增長是一種同時考慮經濟增長、環境保護和社會公平的可持續發展方式。本文從經濟增長、社會公平和綠色環保三個方面構建包容性綠色增長的指標評價體系，然后通過熵權TOPSIS方法測度包容性綠色增長水平。表1為包容性綠色增長的指標評價體系。數據來自2010—2022年的《中國城市統計年鑒》和《中國城市建設統計年鑒》。

表1" 包容性綠色增長指標評價體系

[目標層 維度層 指標層 指標定義 屬性 包容性

綠色增長 經濟增長 人均GDP 人均地區生產總值 + GDP增長率 地區生產總值增長率 + 職工工資 職工平均工資 + 居民儲蓄 城鄉居民儲蓄年末余額與戶籍人口的比值 + 社會公平 醫療福利 城鎮基本醫療保險參保人數與戶籍人口的比值 + 養老福利 城鎮職工基本養老保險參保人數與戶籍人口的比值 + 文化福利 每百人公共圖書館藏書 + 教育福利 教育支出與戶籍人口的比值 + 就業情況 年末登記失業人員數與在崗職工人數的比值 - 失業保障 失業保險參保人數與在崗職工人數的比值 + 綠色環保 綠色技術 綠色專利授權總量與戶籍人口的比值 + 垃圾處理 生活垃圾無害化處理率 + 空氣污染 PM2.5濃度 - 廢物處理 工業固體廢物綜合利用率 + 廢水處理 工業廢水排放量 - 廢氣處理 工業二氧化硫排放量 - ]

（2）核心解釋變量

本文的核心解釋變量為數據要素集聚（DID），以中國“大數據綜合試驗區”試點政策表示數據要素集聚。依據國家發展改革委、工業和信息化部、中央網信辦公布的兩批“大數據綜合試驗區”試點批復文件，本文選取中國“大數據綜合試驗區”試點省份內的62個城市和4個試點直轄市作為處理組，政策虛擬變量取值為1，另外選擇217個非試點城市作為控制組，政策虛擬變量取值為0，然后構造城市政策虛擬變量與政策沖擊時間虛擬變量的交互項。對于政策沖擊時間虛擬變量，將中國“大數據綜合試驗區”試點政策實施后的年份取值為１，其余年份則取值為0。

（3）機制變量

參考以往的研究[23]，本文選擇城市化水平和勞動要素扭曲作為機制變量。[①]城市化水平（Urbanization），以城市DMSP-OLS夜間平均燈光強度衡量城市化水平，數據來自Harvard Dataverse平臺。[②]勞動要素扭曲（Distort），采用勞動要素邊際產出與其價格的偏離程度來衡量勞動要素扭曲。計算公式為：[distLit=βYitωitLit?1]，其中，Y為資本存量，通過永續盤存法估算；L為勞動力數量，采用各城市年末就業人數衡量；[ω]為勞動價格，通過各城市就業人員的平均工資表示；β為勞動產出彈性，根據柯布-道格拉斯生產函數作回歸后得到，函數中K為資本存量，通過永續盤存法估算。數據來自《中國城市統計年鑒》。

（4）控制變量

參考已有文獻[24-27]，本文加入以下控制變量：內資水平、人口老齡化、產業結構、創新水平。內資水平能通過優化資源配置等途徑影響經濟增長、社會公平和環境保護[24]，采用內資企業工業總產值與規模以上工業總產值的比值表示內資水平；人口老齡化給經濟發展帶來了挑戰與機遇[25]，采用養老機構床位數與戶籍人口的比值表示人口老齡化；產業結構合理化升級能有效促增長、增就業、優配置[26]，采用第二、三產業從業人員數與常住人口的比值表示產業結構；創新是促進經濟高質量發展的關鍵引擎[27]，以發明專利授權數衡量創新水平。控制變量的數據來自中國國家知識產權局和《中國城市統計年鑒》。

3. 數據說明

本文以2010—2022年中國283個城市的樣本數據為研究對象，考察數據要素集聚對包容性綠色增長的影響。數據主要來自《中國城市統計年鑒》、Harvard Dataverse平臺、地方統計局、中國工信部官網等。各變量的描述性統計結果如表2所示。

表2" 變量描述性統計

[變量類型 變量名稱 變量符號 觀測值 平均值 標準差 最小值 最大值 被解釋變量 包容性綠色增長 IGG 3679 0.050 0.049 0.010 0.531 核心解釋變量 數據要素集聚 DID 3679 0.126 0.331 0.000 1.000 中介變量 城市化水平 Urbanization 3679 7.492 6.616 0.446 41.512 勞動要素扭曲 Distort 3679 3.449 1.685 0.023 20.270 控制變量 內資水平 Domestic 3679 0.880 0.161 0.234 3.562 人口老齡化 Old 3679 0.004 0.003 0.000 0.036 產業結構 Industrial 3679 0.114 0.056 0.022 0.442 創新水平 Innovate 3679 0.133 0.450 0.000 8.813 ]

五、 實證分析

1. 平行趨勢檢驗

本文采用事件研究法來檢驗平行趨勢，它可以避免實驗組和控制組的結果變量隨時間變化趨勢導致的系統性偏誤，從而保證DID識別的有效性。本文構建如下平行趨勢檢驗的計量模型：

[IGGit=α0+k=?34βk×Di，t+k+α1Xit+μi+γt+εit] （19）

式（19）中，[Di，t+k]是“大數據綜合試驗區”試點的啞變量，本部分選取政策實施前3年和政策實施后4年進行平行趨勢檢驗；[βk]表示“大數據綜合試驗區”試點政策實施前后處理組和控制組之間包容性綠色增長的差異。

圖1為平行趨勢檢驗的結果。可以發現，政策實施之前的虛擬變量的估計值不顯著，這表明在實行“大數據綜合試驗區”試點政策之前，處理組和控制組的各個城市之間的包容性綠色增長未出現較大差異，也就是樣本之間存在平行趨勢。另外，在實行“大數據綜合試驗區”試點政策的當年，估計值在統計上也不顯著。但是，在政策實施后的第一年及以后年份，估計值在統計上顯著為正，這表明數據要素集聚對包容性綠色增長具有顯著的正向推動作用。檢驗結果初步說明平行趨勢假設成立。

lt;E：＼2025-2＼圖片＼宏觀3-1.pnggt;

圖1" 平行趨勢檢驗結果

2. 基準回歸

為探究數據要素集聚對包容性綠色增長的影響效果，本文采用經典雙重差分模型進行實證檢驗，表3為數據要素集聚驅動包容性綠色增長的基準回歸結果。模型（1）為政策變量DID作為單解釋變量對包容性綠色增長進行解釋，控制了時間固定效應和個體固定效應；模型（2）至模型（5）則在模型（1）的基礎上逐步加入控制變量，伴隨控制變量的添加，模型的擬合優度不斷升高。模型（5）顯示，數據要素集聚每增強1%，包容性綠色增長提升0.007個百分點，說明數據要素集聚能夠通過促進經濟增長、社會公平和綠色環保等方式提升包容性綠色增長水平，假設H1得以驗證。此外，內資水平、產業結構、創新水平的提升也顯著促進包容性綠色增長，而人口老齡化則顯著抑制包容性綠色增長。

表3" 基準回歸結果

[ （1） （2） （3） （4） （5） DID 0.015*** 0.014*** 0.012*** 0.012*** 0.007*** （5.491） （5.145） （4.631） （4.409） （2.720） Domestic 0.125*** 0.122*** 0.126*** 0.072*** （5.527） （5.495） （5.723） （3.564） Old -0.606*** -0.551*** -0.313*** （-11.314） （-10.309） （-6.271） Industrial 0.100*** 0.063*** （8.430） （5.732） Innovate 0.756*** （25.183） _CONS 0.075*** 0.051*** 0.119*** 0.090*** 0.072*** （111.691） （11.533） （16.051） （11.180） （9.617） 時間固定 Yes Yes Yes Yes Yes 個體固定 Yes Yes Yes Yes Yes R2 0.870 0.871 0.876 0.878 0.898 N 3679 3679 3679 3679 3679 ]

注：***、**、*分別表示在1%、5%、10%的水平上顯著，括號內為穩健標準 ，下同

3. 穩健性檢驗

（1）安慰劑檢驗

經典雙重差分模型的前提假設是其他因素對分組變量影響隨機分配，為驗證“大數據綜合試驗區”試點政策沖擊對實驗組城市的影響具有隨機性，本文運用引導法隨機分配實驗組，構造一個理論上不會對包容性綠色增長產生顯著影響的偽虛擬政策交互項（[DIDfakeit]），并將它應用于安慰劑檢驗。本文構造的安慰劑檢驗的公式為：

[IGGit=α0+α1DIDfakeit+α2Xit+μi+γt+εit] （20）

本文通過500次重復的隨機模擬進行安慰劑檢驗，得到如圖2所示的安慰劑檢驗結果。圖2顯示，500次重復的隨機模擬的估計值落在0值附近，并且非常接近正態分布，基準回歸結果的系數值0.007位于正態分布的右側末尾位置，大多數“偽實驗組”的系數的估計值與基準回歸的估計系數不同。因此，本文隨機抽樣構建的自變量DID對包容性綠色增長在統計意義和經濟意義上都不具有顯著影響，這說明基準回歸結果是穩健的。

（2）替換被解釋變量

本部分采用熵值法重新測算被解釋變量包容性綠色增長，回歸結果如表4所示。表4中的模型（1）為數據要素集聚對新測算的包容性綠色增長影響的回歸結果，模型控制了時間固定效應和個體固定效應，但是沒有加入控制變量。模型（1）的估計結果顯示，數據要素集聚對包容性綠色增長的影響在1%水平下正向顯著。模型（2）則在模型（1）的基礎上加入控制變量，伴隨控制變量的添加，DID的估計系數依然在1%水平下顯著，同時模型的擬合優度由0.921提升至0.942。模型（2）的估計結果顯示，數據要素集聚每增強1%，包容性綠色增長提升0.006個百分點，這說明數據要素集聚可以有效促進包容性綠色增長，得出的結論與基準回歸結果一致，證明表3中的基準回歸模型是穩健的。

lt;E：＼2025-2＼圖片＼宏觀3-2.pnggt;

圖2" 安慰劑檢驗

表4" 替換被解釋變量

[ （1） （2） DID 0.013*** 0.006*** （6.426） （3.517） _CONS 0.078*** 0.067*** （159.367） （12.925） 控制變量 No Yes 時間固定 Yes Yes 個體固定 Yes Yes R2 0.921 0.942 N 3679 3679 ]

（3）PSM-DID檢驗

由于傾向得分匹配需要滿足共同支撐域假設，因此，為保證“大數據綜合試驗區”和“非大數據綜合實驗區”樣本的匹配質量，本文采用卡尺匹配的方式對處理組和控制組的樣本進行共同支撐域檢驗。圖3和圖4分別為采用kdensity命令繪制的傾向得分匹配（卡尺匹配）前后的核密度圖。從圖3和圖4可以看出，卡尺匹配前的處理組與控制組的樣本差異較大，而卡尺匹配后的處理組與控制組的樣本基本重合，傾向得分值多集中于0.1附近。因此，本文認為樣本的卡尺匹配結果符合共同支撐域假設，樣本具有良好的傾向得分匹配結果。

隨后，本文對傾向得分匹配后的數據再次進行回歸。表6列（1）為通過卡尺匹配后得到的回歸結果。從列（1）可以看出，卡尺匹配后的DID回歸系數仍然在1%水平上顯著為正，這與表3的基準回歸結果基本一致，進一步說明了數據要素集聚對包容性綠色增長具有正向推動作用，并且這種推動作用是穩健的。

lt;E：＼2025-2＼圖片＼宏觀3-3.pnggt;

圖3" 卡尺匹配前的核密度

lt;E：＼2025-2＼圖片＼宏觀3-4.pnggt;

圖4" 卡尺匹配后的核密度

為保證PSM-DID估計方法的有效性，本文通過核匹配的方式對處理組和控制組的樣本進行共同支撐域檢驗。檢驗結果如表5所示。從表5可以看出，通過核匹配，多數控制變量的均值偏差都顯著減少，核匹配后內資水平、人口老齡化和創新水平變量的處理組與對照組之間的均值偏差分別減少99.0%、80.7%和98.8%，匹配后均不再顯著（pgt;0.05）。產業結構變量經過核匹配，均值偏差增加到2.5%，但p=0.594，仍未達到顯著性水平，方差比值由匹配前的1.24*變為匹配后的1.06，核匹配后產業結構的方差略微縮小。這說明核匹配過程有效平衡了控制變量在處理組與控制組之間的差異，提高了分析的準確性。因此，采用PSM-DID方法檢驗數據要素集聚對包容性綠色增長的影響是合適的。

表5" PSM-DID方法適用性檢驗

[變量 Unmatched（U）/Matched （M） Mean %bias %reduct

|bias| t-test V（T）/V（C） Treated Control t p＞|t| Domestic U 0.178 0.199 -41.6 — -11.46 0.000 1.67* M 0.179 0.178 0.4 99.0 0.07 0.943 0.83* Old U 0.101 0.114 -14.2 — -4.29 0.000 3.21* M 0.100 0.102 -2.7 80.7 -0.57 0.570 3.44* Industrial U 0.217 0.219 -1.0 — -0.28 0.782 1.24* M 0.212 0.209 2.5 -139.3 0.53 0.594 1.06 Innovate U 0.029 0.011 26.0 — 8.94 0.000 10.83* M 0.022 0.022 -0.3 98.8 -0.08 0.940 1.32* ]

本文對核匹配后的樣本重新進行DID估計，從表6列（2）可以看出，核匹配后得到樣本的DID回歸系數仍然在1%水平上顯著，系數值為0.006，這與表3中的基準回歸結果是一致的，進一步說明數據要素集聚對包容性綠色增長具有正向影響，結論保持穩健。

（4）排除其他政策干擾

在樣本期2010—2022年，中國相繼頒布了多項與“大數據綜合試驗區”試點政策相關的政策措施，其中與本文的研究內容關系最為密切的是自2014年開始實施的“寬帶中國”試點政策。為排除“寬帶中國”試點政策的干擾，本文在式（18）中引入表示樣本城市i在t年是否實行“寬帶中國”試點政策的虛擬變量（[DID2]）：

[IGGit=α0+α1DIDit+α2Xit+α3DID2it+μi+γt+εit] （21）

隨后，本文利用式（21）對樣本再次進行回歸，回歸結果如表6列（3）所示。從列（3）可以看出，在控制了樣本城市是否實行“寬帶中國”試點之后，DID的估計系數值依然在1%水平下顯著，這表明在排除其他政策干擾后，數據要素集聚促進包容性綠色增長的結論依然成立。

表6" 其他穩健性檢驗結果

[ PSM-DID 排除其他政策干擾 （1） （2） （3） DID 0.005** 0.005** 0.007*** （2.272） （2.199） （2.894） “寬帶中國”試點政策 0.011*** （4.954） _CONS 0.054*** 0.057*** 0.069*** （6.693） （7.178） （9.198） 控制變量 Yes Yes Yes 時間固定 Yes Yes Yes 個體固定 Yes Yes Yes R2 0.892 0.894 0.898 N 3638 3665 3679 ]

4. 機制檢驗

上述分析得出數據要素集聚對包容性綠色增長有正向影響，本文試圖進一步探究其具體的影響機制。根據前文中假說H2、H3的描述，數據要素集聚可能通過提升城市化水平和改善勞動要素扭曲等途徑促進包容性綠色增長。因此，本文進一步采用中介效應模型對以上機制進行檢驗。機制檢驗的基本方程組參考江艇[28]的研究，具體構建方式如下：

[IGGit=α0+α1DIDit+α2Xit+μi+γt+εit] （22）

[Zit=α0+α1DIDit+α2Xit+μi+γt+εit] （23）

上式中，[Zit]為中介變量，主要包括城市化水平和勞動要素扭曲，[μi]、[γt]、[εit]均為隨機誤差項。式（22）用于估計數據要素集聚對包容性綠色增長的總影響，式（23）用于估計數據要素集聚對中介變量城市化水平和勞動要素扭曲的影響。

以上述形式進行回歸，得到如表7所示的機制檢驗結果。式（22）的檢驗結果在表3列（5）中已進行了匯報，此處不再贅述。表7列（1）為城市化水平的檢驗結果。列（1）中城市化水平的影響機制系數為正且顯著，這意味著數據要素集聚能夠有效提升城市化水平。城市化水平的提升又能推動生產效率的提升、社會福利分配和綠色技術創新發展，促進包容性綠色增長。假說H2成立。表7列（2）為勞動要素扭曲的檢驗結果。列（2）的結果顯示，勞動要素扭曲的影響機制系數為負且顯著，這意味著數據要素集聚能夠改善勞動要素扭曲。勞動要素扭曲的改善又能提高人力資本供需匹配的質量和效率，為包容性綠色增長水平的提升提供人力支持。假說H3成立。

表7" 機制檢驗結果

[ （1） （2） 城市化水平 勞動要素扭曲 DID 0.029*** -0.014*** （9.241） （-3.706） _CONS 0.154*** 0.764*** （16.417） （64.904） 控制變量 Yes Yes 時間固定 Yes Yes 個體固定 Yes Yes R2 0.946 0.680 N 3679 3679 ]

5. 異質性分析

為探究城市在產業結構不同的情況下，數據要素集聚對包容性綠色增長的影響是否存在明顯差異，本文將283個城市根據2010—2022年的產業結構均值劃分為產業結構高級化城市和產業結構初級化城市兩種類型，分別得到1404個和2275個樣本。產業結構異質性檢驗結果如表8列（1）、列（2）所示。從表8可以看出，數據要素集聚對產業結構高級化城市的影響效果更強，回歸系數為0.013，在1%水平下顯著，說明數據要素集聚能夠顯著促進產業結構高級化城市的包容性綠色增長。對產業結構初級化城市而言，數據要素集聚對其包容性綠色增長的回歸系數為0.006，在5%水平下顯著，這說明數據要素集聚對產業結構初級化城市的包容性綠色增長也具有正向影響，但作用效果相對較弱。也就是說，數據要素對第二、第三產業的滲透作用大于第一產業。

本文試圖進一步探究在城市經濟發展水平不同的情況下，數據要素集聚對包容性綠色增長的影響是否存在明顯差異。將283個城市根據2010—2022年人均GDP均值劃分為經濟欠發達城市和經濟發達城市兩種類型，分別得到2249個和1430個樣本。從表8中列（3）至列（4）政策變量的回歸系數可以看出，數據要素集聚對經濟發達城市的包容性綠色增長的影響最大，其系數為0.013并且在1%水平下顯著，說明數據要素集聚對經濟發達城市的包容性綠色增長具有明顯的正向影響。數據要素集聚對經濟欠發達城市的包容性綠色增長影響的估計系數為0.007，在5%水平下顯著，說明數據要素集聚對經濟欠發達城市的包容性綠色增長也具有促進作用，但作用效果相對較弱。可能的原因是數據要素需要一定的經濟基礎來催生新模式、新業態，促進經濟增長、社會公平和綠色發展，從而促進包容性綠色增長。

表8" 產業結構異質性檢驗結果

[ （1） （2） （3） （4） 產業結構高級化 產業結構初級化 經濟欠發達城市 經濟發達城市 DID 0.013*** 0.006** 0.007** 0.013*** （3.041） （2.198） （2.370） （3.199） _CONS 0.145*** -0.002 -0.001*** 0.125*** （12.279） （-0.246） （-0.141） （10.754） 控制變量 Yes Yes Yes Yes 時間固定 Yes Yes Yes Yes 個體固定 Yes Yes Yes Yes R2 0.939 0.655 0.620 0.939 N 1404 2275 2249 1430 ]

6. 調節效應分析

在異質性分析的基礎上，為進一步探討社會因素在數據要素集聚與包容性綠色增長兩者因果關系中發揮何種作用，本文擬從人力資本水平角度進行調節效應分析，為推動包容性綠色增長水平提升、促進可持續發展提供切實可行的政策思路。以普通高等學校在校學生數表征人力資本水平，并在基準回歸模型中加入核心解釋變量與人力資本水平的交互項進行回歸。表9匯報了人力資本水平與DID的交互效應。交互項的回歸系數為0.008，在1%水平下顯著，且大于基準回歸系數0.007。這表明數據要素集聚對包容性綠色增長的提升作用在人力資本水平較高的城市表現得更加明顯，即人力資本水平在兩者關系中發揮正向調節的作用。

表9" 調節效應檢驗結果

[ 包容性綠色增長 DID×人力資本水平 0.008*** （8.056） DID -0.006** （-2.099） 人力資本水平 0.011*** （5.166） _CONS 0.057*** （7.479） 控制變量 Yes 時間固定 Yes 個體固定 Yes R2 0.902 N 3679 ]

六、 結論與建議

數據要素集聚在促進包容性綠色增長方面發揮著重要作用。本文在對數據要素集聚驅動包容性綠色增長進行理論分析的基礎上，運用雙重差分模型對研究假設進行了實證檢驗，所得結論如下：第一，基準回歸的估計結果顯示，DID的估計系數為0.007，在1%水平下顯著，說明數據要素集聚能夠有效促進包容性綠色增長，這一結論在安慰劑檢驗、PSM-DID檢驗、排除其他政策干擾等一系列穩健性檢驗后依然成立。此外，內資水平、產業結構、創新水平的提升也對包容性綠色增長具有明顯的正向促進作用，而人口老齡化則不利于提升包容性綠色增長水平。第二，機制檢驗結果表明，城市化水平和勞動要素扭曲的估計系數分別在1%水平下正向和負向顯著。說明數據要素集聚能夠通過提升城市化水平和改善勞動要素扭曲兩條路徑促進包容性綠色增長。第三，異質性檢驗表明，數據要素集聚對包容性綠色增長的促進作用具有產業結構異質性和經濟發展水平異質性特征。產業結構異質性方面，產業結構高級化城市的回歸系數為0.013，在1%水平下顯著，產業結構初級化城市的回歸系數為0.006，在5%水平下顯著，說明數據要素集聚對產業結構高級化城市的包容性綠色增長的促進作用更強。經濟發展水平異質性方面，經濟欠發達城市的估計系數為0.007，在5%水平下顯著，經濟發達城市的估計系數為0.013并且在1%水平下顯著，這說明數據要素集聚對經濟發達城市包容性綠色增長的促進作用更強。第四，調節效應表明，人力資本水平在數據要素集聚和包容性綠色增長兩者關系中發揮正向調節的作用。基于以上結論，本文提出如下建議：

第一，重視數據作為新關鍵生產要素在促進包容性綠色增長方面的重要助推作用。加快推進“大數據綜合試驗區”建設，逐步完善數據要素體制機制和市場規則，協調數據的開發利用、交易與隱私保護。以數據流引領技術流，更好地發揮數據要素的可復制性及其與傳統生產要素融合的“乘數效應”，為產業升級提供新動力，進而提高勞動生產率，促進經濟增長。

第二，推進新型城鎮化建設。加快實施以人為本的新型城鎮化戰略，優化城市空間布局，完善城市基礎設施和公共服務體系，促進人口合理集聚與產業協同發展。推動城鄉融合發展，縮小城鄉差距，提升城市化質量，充分釋放新型城鎮化在數據要素集聚驅動包容性綠色增長過程中的中介作用。

第三，加快推進數據要素市場體系建設。構建全國統一數據要素大市場，推動行業與地區間的資源整合，進一步推動公共數據開放，提升全社會數據規模與質量，充分釋放中國海量數據要素紅利，保障數據要素在城市間、區域間自由有序流動，助力城市化建設并以此促進包容性綠色增長。

第四，深化勞動要素市場化改革。一方面，建立培養數據要素領域專業型人才和復合型人才的體制機制，引進和培育相關創新科研團隊，通過提高數據要素領域的人力資本水平促進包容性綠色增長。另一方面，發揮“大數據綜合試驗區”帶來的數據要素集聚和融合作用，促進數據要素與勞動要素相互融合發展，改善勞動要素扭曲制約包容性綠色增長的問題。

參考文獻：

[1] WORLD BANK.Inclusive Green Growth： The Pathway to Sustainable Development[M].Chicago：" "World Bank Publication，2012.

[2] 陳明華，謝琳霄，李倩，等.黃河流域包容性綠色增長績效評價及地區差距——基于減污降碳和共同富裕雙重目標的經驗考察[J].資源科學，2023，45（3）：564-578.

[3] CAO J.The Dynamic Coupling Nexus among Inclusive Green Growth： A Case Study in Anhui Province， China[J].Environmental Science and Pollution Research International，2022，29（32）：49194-49213.

[4] 毛小驊，盧荻.論數字資本的多重屬性[J].經濟學動態，2024（9）：130-145.

[5] 夏鑫雨.數字資本主義價值來源的四重解釋路徑——兼論馬克思勞動價值論的科學性[J].河北經貿大學學報，2025，46（1）：21-35.

[6] 唐欣，許永斌，謝詩蕾.數字經濟和數據要素配置如何影響城市高質量水平提升？——來自長江經濟帶的證據[J].科學學與科學技術管理，2025，46（1）：39-53.

[7] 潘宏亮，趙蘭香，葉璐.我國數據要素發展水平的測度及時空演進研究[J].科學學研究，2025，43（1）：205-216.

[8] 何玉長，王偉.數據要素市場化的理論闡釋[J].當代經濟研究，2021（4）：33-44.

[9] 蔡躍洲，馬文君.數據要素對高質量發展影響與數據流動制約[J].數量經濟技術經濟研究，2021，38（3）：64-83.

[10] SHI J，WANG T.The Siphon Effect of Consumption End on Production End in the Value Chain under the Data Factor Flow： Evidence from the Regional Comprehensive Economic Partnership Region[J].Sustainability，2022，14（21）：13726-13726.

[11] 蘇婧，趙城，王必達.數據要素集聚能實現區域協調發展嗎——論大國區域發展的“集聚”與“協調”[J].財經科學，2022（6）：62-77.

[12] 尚博文，郭靂.數據要素產權的復合性運行范式[J].上海經濟研究，2023（3）：88-96.

[13] YE Y，ZHOV A，SHI X， et al.A SEED Model for Constructing the Data Factor Market： Evidence from Guiyang Global Big Data Exchange（GBDEx） in China[J].Journal of Digital Economy，2022，1（3）：273-283.

[14] BERKHOUT E，BOUMA J，TERZIDIS N， et al.Supporting Local Institutions for Inclusive Green Growth： Developing An Evidence Gap Map[J].NJAS-Wageningen Journal of Life Sciences，2018，84（1）：51-71.

[15] 張濤，李均超.網絡基礎設施、包容性綠色增長與地區差距——基于雙重機器學習的因果推斷[J].數量經濟技術經濟研究，2023，40（4）：113-135.

[16] REN S，LI L，HAN Y， et al.The Emerging Driving Force of Inclusive Green Growth： Does Digital Economy Agglomeration Work？[J].Business Strategy and the Environment，2022，31（4）：1656-1678.

[17] KARGAS A，GKIKA C E，SEPETIS A.Exploring Digital Transformation Intensity and Its Relationship with Sustainability： Greek Managers’ Perspectives[J].Sustainability，2024，16（14）：6077.

[18] YIN S， JIANG M，CHEN L， et al.Digital Transformation and the Circular Economy：An Institutional Theory Perspective[J].Industrial Management amp; Data Systems，2024，124（4）：1627-1655.

[19] 張傳兵，趙藝婷，肖婷婷.數字化轉型對企業環境績效的影響研究[J].統計與信息論壇，2025，40（1）：92-105.

[20] ASIF K，WU X.Digital Economy and Environmental Sustainability： Do Information Communication and Technology（ICT） and Economic Complexity Matter？[J].International Journal of Environmental Research and Public Health，2022，19（19）：12301-12301.

[21] WANG Y， LI Y.The Impact of the Digital Economy on Urban Ecosystem Resilience in the Yellow River Basin[J].Sustainability，2025，17（2）：790.

[22] 鐘文，鄭明貴，鐘昌標.數字經濟發展與城市低碳轉型：影響效應與機制檢驗[J].統計與決策，2024，40（22）：109-114.

[23] 呂康銀，梁孝成，賈利雯.數字經濟發展與企業勞動資源配置效率[J].商業研究，2023（6）：69-77.

[24] 林春，文小鷗，孫英杰.知識產權示范城市建設對城市經濟韌性的影響研究[J/OL].科研管理，1-14[2025-02-08].

[25] 唐樂，強微，孫世玉.人口老齡化對城鄉收入差距的影響——基于新型城鎮化與人力資本投資視角[J/OL].人口與發展，1-11[2025-02-08].

[26] 舒長江，郭瑞碩.新結構經濟學視角下數字經濟對高新技術產業韌性的影響[J].江西財經大學學報，2025（3）：37-49.

[27] 王艷芳，邸春碩.數字技術創新、傳統技術變革與經濟增長[J].科學學與科學技術管理，2025，46（1）：109-121.

[28] 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.

基金項目：國家社會科學基金資助項目“絲綢之路經濟帶‘核心區’物流業效率及其影響因素研究”（項目編號：16XJL004）；中央高校基本科研業務經費資助項目“數字經濟對絲綢之路經濟帶‘核心區’物流業高質量發展影響研究”（項目編號：LHRCTS23013）。

作者簡介：王琦，女，陜西師范大學國際商學院博士研究生，研究方向為發展經濟學、數字經濟；王琴梅，通訊作者，女，博士，陜西師范大學國際商學院教授，博士生導師，研究方向為發展經濟學與中國西部經濟發展、資源環境與西部可持續發展、轉型經濟學與中國經濟的轉型發展等。

（收稿日期：2024-11-27" 責任編輯：殷 俊）