鲍鹏程
（西南大学 经济管理学院，重庆 400715）
近年来，数字经济成为推动经济高质量发展、增强国际竞争力的重要抓手。与此同时，随着居民生活水平的提高，越来越多的人有能力体验绿色生活方式，环境友好型产品的强劲需求激发了创新主体投身绿色技术创新的积极性[1]。一个地区的绿色技术进步离不开研发投入和政策支持，同时也会受到数字经济发展所带来的外部环境的影响。在加快数字经济建设的背景下，如何准确度量数字经济这一巨大成就对我国城市绿色创新的影响，具有重要的理论和政策价值。
从现有文献来看，与本文相关的文献主要有两类。第一类文献是绿色创新的相关研究，如城市财富[1]、市场环境需求[2]、低碳城市试点政策[3]、排污收费[4]如何影响绿色创新水平，这类文献更多从环境视角出发。第二类文献重点关注数字经济的创新效应。数字经济总体上促进区域创新[5]，且促进作用存在门槛效应[6]。也有研究从微观层面指出，数字经济能够提升企业创新绩效[7]，企业数字化可以促进绿色技术创新[8]。这些文献探讨了数字经济对创新发展多个维度的影响，为本文的研究提供了理论支撑。
本文在已有研究的基础上做了如下拓展：第一，实证检验数字经济对城市绿色创新的整体影响，并且从区域、城市规模和城市等级异质性视角细化讨论二者之间的关系，丰富和拓展了数字经济相关理论，补充了关于绿色创新的经验研究。第二，从创新活跃度这个视角出发，系统分析数字经济如何影响绿色创新，以及基于手工整理的创新人才相关数据识别创新活跃度的中介效应比例。第三，使用面板门槛模型分析数字经济与城市绿色创新之间的非线性关系，进一步从地理邻接、地理距离和信息距离维度刻画数字经济的空间关联，引入空间计量模型研究数字经济赋能城市绿色创新的空间溢出效应。
1.1 数字经济对城市绿色创新的间接影响机制
数字经济可以影响创新活跃度，主要表现为：第一，降低创新成本。数字普惠金融为融资提供了多种渠道，创新参与者可以权衡利弊，选择更低成本和更便捷的融资渠道。创新成本下降能够提升多元创新主体的创新意愿。例如，企业配置更多人力从事研发创新的重要动力来自企业创新成本的下降[9]。第二，缓解信息摩擦。数字经济具备信息传播、网络共享等显著优势，能有效缓解信息摩擦，提高创新资源搜寻效率，使得创新主体趋于以零成本获取绿色创新相关信息，相比“单打独斗”“闭门造车”的研发模式，创新参与者更容易了解与掌握绿色创新流程。第三，吸引人才。随着绿色发展理念的深入人心，创新人才也会关注绿色创新活动。数字技术有效组合生产要素可以提高资本与劳动力的配置效率，最大程度释放人的潜力，进而能够吸引更多的潜在创新参与者从事科学研究。
与此同时，创新活跃度的提高有助于促进绿色创新水平。一是加快知识扩散。创新活跃度越高，面对面交流越便捷，知识传播与扩散越快捷[10]。知识扩散有助于优化原有创新参与者的知识结构，并且知识被不同生产部门获得能够加速知识被转化的次数和利用频率，推动城市绿色创新能力的提升。二是促成创新合作。创新人才集聚，彼此有相同的文化认同、类似的生活习惯，可以增强绿色创新合作深度与广度。相比创新主体内部，不同创新主体研发合作有助于实现研发资源优势互补和经验共享[11]，更大范围地整合创新资源，从而共同降低研发风险。三是激发创新潜能。创新活跃度越高，多元创新主体处在竞争环境中，越容易形成“你追我赶”的创新氛围。当前，全球新一轮科技革命深入推进，创新发展稍有不慎就会落后，创新参与者为了获取更有利的个人或团体创新名次，会主动学习专业知识，挖掘自身的绿色创新潜力。综上，提出如下假设：
假设1：数字经济可以通过提升创新活跃度进而促进城市绿色创新。
1.2 数字经济对城市绿色创新的非线性溢出效应
数字经济和创新活跃度处于不同水平，城市绿色创新的响应程度可能也不一样。一方面，在开放式和整合式的创新环境下，多元创新主体能够充分参与区域绿色创新活动，提高了创新要素跨部门、跨领域的整合能力。数字经济时代，单一线性的个体创新逐步向网络化的集体创新转变，推动创新体系的集聚创新[12]，进而最大程度释放创新潜能。另一方面，数字经济可以创建线上市场，及时跟进居民对环境类产品的需求，激发创新主体的绿色技术新创意。伴随着知识及时更新和信息加快运用，绿色产品平均成本不断下降，激励创新主体研发并推出更多节能环保的新产品。据此，提出如下假设：
假设2：数字经济发展以及创新活跃度提升能够激励城市绿色创新。
1.3 数字经济对城市绿色创新的空间溢出效应
数字经济通过高效的信息传递能够压缩时空距离，实现创新资源的跨区域整合与协同。数字经济凭借数字化、平台化等特征推动生产方式和生活方式深刻变革，日常工作交流更为频繁，知识在不同创新参与者之间的流动更为顺畅，此时本地可以通过学习其他地区溢出的新知识、新技术进行模仿和二次创新[13]，有助于加快本地的绿色创新进度。同时，数字经济的发展有助于及时传递和跟进绿色创新需求，加速众包、众创、线上线下相结合等新型创新方式的应用，缓解资源错配程度，促进跨部门研发设备共用和跨区域创新合作，进而尽可能调动创新主体的研发积极性以及发挥多元创新主体的比较优势。据此，提出如下假设：
假设3：数字经济能够通过空间溢出效应作用于周边城市的绿色创新。
2.1 模型设定
2.1.1 基准回归模型
为了检验数字经济对城市绿色创新的总效应，本文构建如下基准计量模型：
其中，i和t分别表示城市和年份；
TGreenit表示城市绿色创新；
Digeit表示数字经济；
回归系数α1度量了数字经济对城市绿色创新的影响，若数字经济确实提高了绿色创新水平，则系数α1应该显著为正；
Xit表示一组控制变量；
μi、λt、εit分别表示城市固定效应、时间固定效应、随机扰动项。
2.1.2 中介效应模型
为了检验数字经济对城市绿色创新的影响机制，依据中介效应检验方法，在式（1）的基础上构建如下回归模型：
对于选取的中介变量创新活跃度（Iactit），按如下步骤进行检验：首先，检验城市绿色创新是否受到核心解释变量的影响，预计α1显著为正。其次，判断数字经济与中介变量之间的关系，若β1符合预期则进行下一步检验。最后，若γ2显著且γ1的显著性下降或系数小于模型（1）中的α1，则说明创新活跃度的加入使数字经济的影响程度降低，存在部分中介效应；
若γ1不显著，则说明数字经济完全通过中介效应发挥作用。此外，通过β1γ2/α1可估算出创新活跃度的间接效应占总效应的比重。
2.1.3 面板门槛模型
数字经济和创新活跃度可能会对数字经济促进城市绿色创新的影响产生一定的门槛效应。本文采用门槛回归模型来避免人为划分样本的随意性，具体来说，在式（1）的基础上进一步构建如下模型：
其中，Adjit为门槛变量，包括数字经济和创新活跃度两个门槛变量；
θ为待估门槛值；
I（·）是示性函数，满足括号内条件取值为1，否则为0。
2.1.4 空间计量模型
鉴于数字经济能够压缩时空距离，并且创新活动具有一定的空间联动性，因而有必要考察数字经济对城市绿色创新的空间溢出效应，即在式（1）的基础上延伸为空间杜宾模型（SDM）：
其中，ρ表示空间自回归系数；
W表示空间权重，参考王立平和鲍鹏程（2022）[14]的做法，从地理邻接、地理距离和信息距离三个维度刻画空间关联关系。
2.2 变量说明
2.2.1 被解释变量
城市绿色创新（TGreen）。专利指标可以度量区域创新水平，其中，专利申请未经审查，容易放大创新水平，而专利授权可以直接衡量一个地区的最终科技创新成果。本文参考鲍鹏程和黄磊（2023）[10]的研究，采用每万人绿色发明专利授权数衡量城市绿色创新水平。
2.2.2 核心解释变量
数字经济（Dige）。借鉴赵涛等（2020）[15]的处理思路，互联网和移动电话可以搭载数据资源以及构建现代信息网络，采用每百人互联网用户数和每百人移动电话用户数衡量数字基础设施；
数字技术正常应用能够拓展资源共享空间，采用计算机服务和软件业从业人员占城镇单位从业人员的比重和人均电信业务总量衡量数字产业发展；
普惠、共享是数字经济发展的重要目标之一，采用数字普惠金融指数衡量数字普惠金融。基于上述指标，采用熵权法合成数字经济指数。
2.2.3 中介变量
创新活跃度（Iact），采用地区R&D人员与地区全社会就业人数之比衡量。创新活跃度提高意味着创新人才得到集聚，人才集聚在特定地理范围内为协同创新提供了基础。创新人才向绿色技术创新领域有效集聚，能够实现人力资本、技术资本和金融资本相互催化、相互渗透、相互激励，创新要素价值得以体现。本文在《中国城市统计年鉴》的基础上，通过相关省份和城市的统计年鉴补齐各年份的R&D人员数。
2.2.4 控制变量
参考现有文献的研究[5,6]，本文在模型中加入以下控制变量：（1）经济发展水平（Pgdp），采用人均实际地区生产总值表征；
（2）人口密度（Pop），采用单位行政区划面积的人口数表征；
（3）政府创新偏好（Sci），采用地方政府财政科技支出占财政支出总量的比重表征；
（4）外商投资水平（Fdi），采用当年实际利用外资额占地区生产总值的比重表征；
（5）金融发展水平（Fin），采用金融机构存贷款余额占地区生产总值的比重表征。以上变量的描述性统计结果见表1。
表1 各变量描述性统计
2.3 数据来源
本文选取2011—2019 年我国286 个城市的数据为研究样本。截面选择上，剔除了数据缺失严重的样本，最终选择286 个城市；
时间选择上，考虑到数字普惠金融指数测算最早追溯到2011 年，以及为避免新冠肺炎疫情对本文结论的影响，选择时间跨度为2011—2019 年。研究使用的数字普惠金融指数来源于北京大学数字金融研究中心，数字经济企业存量数据来源于数字经济产业专题数据库，其他变量主要来自《中国城市统计年鉴》、各省份和城市统计年鉴、EPS 数据库和国家知识产权局官网，缺失的数据采用插值法补齐。为了消除物价因素的干扰，涉及名义指标的数据均根据省级价格指数调整为以2011年为基期的不变价格。
3.1 基准回归分析
基准回归估计结果如表2 所示。在控制固定效应的前提下，从列（1）可以看出，核心解释变量数字经济的估计系数显著为正，意味着数字经济指数越高，城市层面每万人绿色发明专利授权数越多。进一步，列（2）至列（6）依次加入了可能影响城市绿色创新水平的其他控制变量。容易发现，数字经济系数略有变化，但系数符号和显著性未发生变化，即数字经济的绿色创新效应较为稳健。
表2 数字经济影响城市绿色创新的基准回归结果
进一步考察控制变量。人口密度和政府创新偏好在1%的水平上显著为正，表明人口规模与科技支出是促进城市绿色创新的重要因素。经济发展水平在多数模型中并不显著，意味着绿色创新更依赖于相关的创新投入。外商投资水平的回归系数显著为负，出于本地投资、本地招人更加方便的考虑，外资企业吸引了部分人力、资金等创新要素，从而抑制了城市绿色创新。金融发展水平的回归系数不显著，这可能是因为资金供给双方信息不对称影响了多元创新主体为其绿色创新项目融资的可能性，从而难以发挥金融的积极作用。
3.2 稳健性检验
本文通过一系列方法来验证基准回归结果的稳健性，具体如下：（1）使用1984年各城市每百人电话机数量作为数字经济的工具变量[15]，并引入对应年份全国层面的数字经济企业存量的对数以反映时间变化[16]。（2）采用城市t+1年的每万人绿色发明专利授权数、城市当年每万人绿色专利授权数和城市当年每万人绿色发明专利申请数进一步衡量城市绿色创新。（3）使用互联网发展水平重新度量数字经济。（4）剔除研究样本中的直辖市和省会城市。上述稳健性检验结果（限于篇幅，未呈现）均显示，本文的基本结论依然成立。
3.3 异质性分析
3.3.1 区域异质性
由于资源禀赋、制度安排、区位优势等不同，因此可能会导致数字经济与城市绿色创新存在区域异质性特点。为此，将286个城市划分为东、中、西三大地区，进而检验数字经济对城市绿色创新的影响是否存在区域异质性。表3列（1）至列（3）结果显示，数字经济的回归系数在东部、中部、西部地区均显著为正，并且东部地区的数字经济系数更大。有理由相信，数字经济的绿色创新效应整体上是有效的，但对东部地区城市绿色创新的促进程度更大一些。
表3 区域与城市规模异质性估计结果
3.3.2 城市规模异质性
本文在2014 年城市规模发生调整的基础上，以城市市区常住人口为划分标准，将常住人口100万以上的划分为大城市，常住人口50 万至100 万的划分为中等城市，常住人口50 万以下的则为小城市。在此基础上，检验不同城市规模的数字经济对绿色创新的影响效应。由表3 列（4）至列（6）可知，数字经济对城市绿色创新的正向影响在不同规模城市中均得到验证，并且促进程度由大城市→小城市→中等城市依次递减。其原因可能是：大城市数字经济发展处于领跑地位，能够在较短的时间内整合创新资源，开展绿色创新活动，而中小城市在数据及信息化基础设施、产业融合等方面发展基础较为薄弱，这些城市数字经济的创新效应发挥作用有限，但小城市绿色创新水平提升空间较大，可以借鉴大城市绿色创新技术的成功经验提高管理技能，促进本地绿色创新效率的提升。
3.3.3 城市等级异质性
《中国城市商业魅力排行榜》依据商业资源集聚度、城市枢纽性等方面对城市进行分类，本文以样本期中间年份为参照标准，将我国城市粗略分为五个大类。在此基础上，合并一线城市、新一线城市和二线城市作为一等级城市，三线城市作为二等级城市，以此类推，最后划分为一等级至四等级城市，分组回归结果如表4 所示。可以发现，数字经济对一等级城市绿色创新的估计系数为2.230，其他等级城市的绿色创新水平受到数字经济的影响要偏低一些，这意味着在高商业魅力城市中，数字经济的绿色创新效应更强。产生这一现象的原因在于：一方面，相较于三、四等级城市，一等级城市的人口结构中年轻人占比相对较高，从而总体上对众包、线上线下相结合等新型创新方式的接受程度更高；
另一方面，一等级城市具有较快的生活节奏，促使创新主体接受新型创新方式。
表4 城市等级异质性估计结果
4.1 影响机制检验
基于前文的理论分析，可以总结得出，创新活跃度是数字经济影响城市绿色创新的重要原因。本文通过中介效应模型分析其中的逻辑机制，结果见表5。其中，列（1）估计结果再次验证了数字经济对城市绿色创新具有显著的积极影响；
列（2）以创新活跃度作为被解释变量，数字经济的系数通过了1%水平上的显著性检验，说明数字经济可以带动创新活跃度的提升。将创新活跃度和数字经济这两个变量一同纳入回归模型，不难发现，列（3）中创新活跃度的影响系数为3.945且在1%的水平上显著，说明其对城市绿色创新具有显著正向影响；
数字经济对城市绿色创新的影响系数相比列（1）有所下降，表明创新活跃度在数字经济促进城市绿色创新的过程中发挥了部分中介效应。通过β1γ2/α1计算得出，创新活跃度的中介效应占总效应的比重为24.48%。为了增强结论的可靠性，进一步采用R&D人员数与年末人口数之比来衡量创新活跃度（Iact1）。回归结果表明，数字经济通过提升创新活跃度进而促进城市绿色创新的结论依然稳健，进一步验证了假设1。
表5 机制检验结果
4.2 门槛效应
预先对门槛效应的存在性和个数进行检验，结果显示（因篇幅限制，未呈现），数字经济存在单一门槛，创新活跃度存在双重门槛。第一，将数字经济设定为门槛变量。由表6列（1）可知，数字经济的系数通过1%水平上的显著性检验，当其值小于门槛值0.3883 时，数字经济对城市绿色创新的影响系数为1.541；
而当数字经济指数跨过门槛值后，其边际影响系数上升为2.766。由此可以判断数字经济对城市绿色创新的积极作用需要依赖于较为成熟的数字经济体系，数字经济发展初期的绿色创新效应较弱。随着数字经济持续发展，数字经济的绿色创新效应呈现非线性边际递增。第二，将创新活跃度设定为门槛变量。表6列（2）结果显示，当创新活跃度低于门槛值0.1082时，数字经济对城市绿色创新的影响系数为1.201 且通过1%水平上的显著性检验；
当跨过单一门槛且介于双重门槛之间时，数字经济的影响系数增加到2.413；
当跨过双重门槛后，数字经济的影响系数上升为3.569。由此可见，当创新参与者处于较低水平时，数字经济促进绿色创新的作用较小，较多的创新主体参与创新活动有助于数字经济发挥其对绿色创新的激励效应。综上，伴随数字经济发展或者创新活跃度提升，数字经济的绿色创新效应得到增强，假设2得到验证。
表6 门槛模型回归结果
4.3 空间效应
本文预先进行了LM 检验、SDM 模型固定效应检验、Hausman检验以及SDM模型简化检验，发现基于双向固定效应的SDM 模型适用于地理距离矩阵和信息距离矩阵，而地理邻接矩阵采用双向固定的空间自回归（SAR）模型更加有效。本文同时列出了双向固定的SAR模型与SDM模型，表7 报告了上述空间模型的估计结果。列（5）和列（6）结果显示，数字经济的空间交互项系数为正，初步表明城市绿色创新会受到数字经济空间溢出效应的影响。点回归分析可能存在误差，为精确探究空间效应，需要重点关注空间模型的溢出效应。进一步捕捉到空间溢出效应系数显著为正，即数字经济发展会对周边城市绿色创新产生正向空间溢出效应。由此，验证了假设3的成立。
表7 数字经济影响城市绿色创新空间模型的回归结果
进一步关注城市绿色创新是否存在溢出效应。由表7列（1）可知，城市绿色创新空间滞后项在5%的水平上显著为正，意味着邻近城市的绿色创新与本地绿色创新正相关。与地理距离和信息距离相比，来源于地理邻近城市的空间溢出能促进本地绿色创新水平的提升。客观上，城市之间地理距离的远近在一定程度上反映了城市之间的创新交流成本，城市相邻情况下的创新交流成本相对较低，邻近城市之间联合开展创新活动也会更频繁。相邻城市的研发人员相互交流，促进了技术、知识的空间溢出，创新合作双方能够以更快的速度吸收和学习新的技术，进而提高本地绿色创新水平。由模型（5）和模型（6）可知，绿色创新水平的空间溢出效应并不显著。一方面，受到知识产权保护的限制，导致远距离城市之间绿色创新合作频率较低，从而知识溢出受益难以得到体现；
另一方面，开展绿色创新活动的重要动力来自空气污染的压力，地理上直接毗邻的城市，空气污染的负外部性更容易受到重视，从而导致近距离城市之间开展绿色创新合作的意愿更强烈。
本文基于我国286个城市的数据，采用熵权法测度数字经济指数，利用每万人绿色发明专利授权数衡量城市绿色创新水平，实证考察了数字经济对城市绿色创新的影响。研究发现：（1）数字经济显著提高了城市绿色创新水平，这一结论在一系列稳健性检验后没有发生实质性变化。（2）数字经济的创新效应在不同区域、城市规模和城市等级层面皆得到验证，但数字经济对东部地区、大城市和高商业魅力城市绿色创新水平的正向效应更大。（3）数字经济能够通过提升创新活跃度来促进城市绿色创新。（4）门槛效应检验结果显示，在较完善的数字经济发展阶段和较高的创新活跃度下，数字经济对城市绿色创新的激励效应更大；
空间效应检验结果显示，数字经济对城市绿色创新的影响存在正向空间溢出效应。
上述研究结论具有如下启示：第一，有序建设数字经济，营造适宜的创新环境。中央政府应给予欠发达地区适度的政策倾斜，推动更多城市深度融入全国数字经济发展大阵营。地方政府应完善各种数据的标准制定与功能设计，及时畅通信息，逐步打造一体化、高效、共享的科技公共服务平台，有效发挥数字经济的绿色创新效应。第二，挖掘创新人才，提高数字素养。各城市应加大对本地人才的挖掘和对外地人才的引进力度，培育研发人员绿色创新意识，鼓励创新主体利用网络信息化平台进行交易，提高创新参与者使用数字技术的能力，充分释放数字红利对绿色创新的促进作用。第三，加强绿色创新合作，推动创新协同发展。政府部门在制定绿色创新政策时，应加强区域间的协调合作，及时跟进周边地区创新政策变动，促进创新人才在区域间的有序流动，引导创新资源合理共享，共同提升创新水平。
猜你喜欢效应检验数字铀对大型溞的急性毒性效应核科学与工程(2021年4期)2022-01-12懒马效应今日农业(2020年19期)2020-12-142021年《理化检验-化学分册》征订启事理化检验-化学分册(2020年12期)2020-03-02对起重机“制动下滑量”相关检验要求的探讨中国特种设备安全(2018年10期)2018-12-18答数字创新作文(5-6年级)(2018年11期)2018-04-23应变效应及其应用中学物理·高中(2016年12期)2017-04-22关于锅炉检验的探讨山东工业技术(2016年15期)2016-12-01临床检验检验前质量指标的一致化现代检验医学杂志(2016年1期)2016-11-12数字看G20南风窗(2016年19期)2016-09-21成双成对小天使·六年级语数英综合(2014年3期)2014-03-15