EN中文

Economic geography >

2024 , Vol. 44 >Issue 7: 126 - 134

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.07.013

Evaluation，Spatiotemporal Characteristics and Influencing Factors of Collaborative Development Between Digitalization and Greenization at the Provincial Level

  • LI Xuhui ,
  • CHEN Mengwei , ※ ,
  • WANG Jingwei
Expand
  • School of Management Science and Engineering，Anhui University of Finance and Economics，Bengbu 233030，Anhui，China

Received date: 2023-12-07

  Revised date: 2024-07-01

  Online published: 2024-09-13

Fold

Abstract

This article measures the development level of China's digitalization and greenization from 2012 to 2021,and then examines the temporal and spatial evolution characteristics of the collaborative development between digitalization and greenization and its obstacles with the help of the methods of coupling coordination degree model,Dagum Gini coefficient method,relative development degree model and obstacle degree mode. The study finds that: 1) The coordination degree between digitalization and greenization has been rising year by year during the study period,with the overall coordination level raising from primary coordination to good coordination,and substantial progress has been made in the collaborative development of digitalization and greenization. 2) With the implementation of regional coordinated development strategy,the level of the collaborative development between digitalization and greenization in China has shown a regional pattern of "the east of China leading and the west of China developing rapidly",and regional coordination has been enhanced. However,the east of China has always been in the absolute lead. The spatial pattern phenomenon has solidified,which is higher in the east of China than that in the west of China. Narrowing the differences between regions is still the key path to promoting regional collaborative development of digitalization and greenization. 3) Except for four provincial-level regions,namelyBeijing,Guangdong,Shanghai and Jiangsu,the rest of them are digitally lagging behind,and the development synchronization of digitalization and greenization is in urgent need of enhancement. 4) Cultivating digital talents,strengthening technological innovation,improving digital efficiency,and reducing energy consumption are the important focuses of the new development stage to promote the synergistic transformation and development of digitization and greening. The obstacles to the enhancement of the collaborative development level of digitalization and greenization are heterogeneous across different provincial-level regions,regional guidance and classified regulation are the key paths to the collaborative development of digitalization and greenization.

Key words： digitalization; greenization; the collaborative development between digitalization and greenization; coupling coordination degree; obstacle factors

Cite this article

LI Xuhui , CHEN Mengwei , WANG Jingwei . Evaluation，Spatiotemporal Characteristics and Influencing Factors of Collaborative Development Between Digitalization and Greenization at the Provincial Level[J]. Economic geography, 2024 , 44(7) : 126 -134 . DOI: 10.15957/j.cnki.jjdl.2024.07.013

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出“加快数字化发展”“推动绿色发展”。数字化和绿色化是当前新一轮科技革命和产业变革的两大趋势，二者紧密依存、交互演进。推动数字经济和绿色发展深度融合、联动增效，以数字化促进绿色化、以绿色化牵引数字化正成为经济社会转型发展新趋势。2022年1月，中央网信办组织召开的数字化绿色化协同转型发展部际联席会议（以下简称联席会议）指出，做好“双化协同”工作，对于中国实现高质量发展、全面建设社会主义现代化国家具有重要意义[1]。2022年11月，中央网信办、国家发展改革委等五部门联合印发通知，2023年1月开始在全国多个地区开展数字化绿色化协同转型发展综合试点工作，这成为中国建设现代化产业体系，加快发展方式绿色转型的重要举措[2]。需要注意的是，我国“双化协同”工作尚处于初级探索期，“双化”间基础存在较大差异，数字化起步较晚但发展迅猛[3-4]、绿色化发展具有雄厚的自然资源基础但提升空间有限[5]，这为督促落实“双化协同”工作带来严峻考验。联席会议要求，要进一步强化统筹协调和整体推进，加快建立监测体系，为“双化协同”营造良好氛围[1]。对此，迫切需要厘清中国“双化协同”水平的格局演变及突破路径，为着力提升“双化协同”的效能和水平提供科学依据，为实现碳达峰碳中和目标任务、建设数字中国和美丽中国提供决策参考。
数字化和绿色化作为我国经济转型发展的重要推力，其相关研究引起了学术界乃至整个社会的关注。党的十八大以来，国内学者研究重点由新型互联网经济模式逐步向数字技术催生的新业态新模式转移；步入新发展阶段后，数字化转型相关问题则成为研究的热点领域[6]，并主要集中于其发展水平及赋能效应的相关研究。一方面，学者们从不同空间尺度，应用不同指标体系，对数字化发展水平进行测度并评价[7-8]，深入考察了数字化发展态势；另一方面，数字经济作为一种全新的经济形态，可为中国经济社会发展释放潜力，故部分学者在数字化发展水平测度的基础上，探讨了数字化赋能高质量发展、全要素生产率、绿色发展的理论逻辑，并进行了实证检验[9-11]。其中，数字化对绿色发展的影响效应更是细化为碳减排[12]、绿色创新[13]和能源利用效率[14]等方面，使得数字化赋能绿色发展的具体路径进一步明晰。因此，作为当前主要经济形态，数字经济发展在大幅提高资源配置效率的同时，可有效改善生态环境[15]，应从数字化转型中深化并引导绿色化转型，促进二者协调发展。推动经济社会绿色转型，有助于构建人与自然和谐发展的现代化建设新格局[16]。同时，针对绿色化研究以探究其发展水平和路径为主。相关学者在绿色发展本质内涵探讨的基础上，从不同角度对绿色发展水平进行测度分析[17-19]，为推进绿色化发展提供了量化支撑。另外，自绿色发展理念提出以来，如何推进绿色发展成为中国发展战略和政策的主流。为此，相关学者实证检验了数字赋能[20-21]、环境规制[22]和城镇化[23]对绿色发展的影响机理，并据此提出了推动绿色发展的实施路径。其中，在数字赋能方面，部分学者考证了绿色发展对数字技术、数字基础设施[21]和数字金融[24]等的强大需求，这表明发展数字经济是助力绿色化转型发展的必然趋势，且绿色化转型发展能为数字经济发展提供广阔的市场需求，推动数字化转型发展。
整合既有研究的结论发现，数字化与绿色化间存在相互作用的协同关系，有必要深入探讨二者的耦合协调关系。但在阐述数字化绿色化的关系方面，当前学术界普遍围绕数字化对绿色化的影响机制展开研究，鲜有从“双化协同”维度进行探讨的文献。少数学者以耦合关系为切入点，如赵卉心等以绿色专利申请量表征绿色技术创新，剖析了数字经济与绿色技术创新的耦合协调度及其空间效应[25]。需要注意的是，绿色专利申请量虽然融合了创新和绿色两大理念，可以充分衡量绿色技术创新能力，但其作为单一指标，无法系统全面地揭示绿色化发展水平。鉴于此，本文构建数字化绿色化协同发展多维评价指标体系，借助耦合协调度模型和相对发展度模型分析中国2012—2021年的“双化协同”时空演变特征及其同步性，从而精准识别“双化协同”的发展态势；同时，应用障碍度模型识别制约“双化协同”发展的障碍因子，进而确定“双化协同”水平提升的突破路径，以期为政府采取行之有效的针对性措施提供量化支撑和决策依据。

1 数字化绿色化协同发展的理论分析

数字化转型是以数字基础设施为“压舱石”[26]，以数字人才创新为知识支撑[27]，并通过有效利用各类数字技术推动业务流程和交易模式智能化发展，从而实现产业升级并释放价值效益的一系列过程活动[28]。绿色化转型则针对中国长期粗放发展模式下面临的资源瓶颈与环境容量的约束问题[29]，新发展阶段亟需推动资源能源高效利用，探索循环发展新路径，促进产业绿色低碳转型[30]。数字化和绿色化都对经济社会转型发展起到强大的推动作用，从系统论的角度看，“双化”是一个深度融合的统一体，两者间存在一定的双向互动作用。
一方面，数字化赋能绿色化。数字技术的应用可将各项资源数字化，通过采集、加工、处理生产数据，掌握生产过程中的资源消耗情况，并能根据需求变化及时调整生产运营管理方式，做到精准决策，这能够大幅提升资源利用效率，从而一定程度上实现资源节约。此外，随着数字化的发展，数字、技术替代了原来的土地、矿产、水资源等传统资源驱动新产品的开发，以更低的生态破坏代价实现经济社会发展。
另一方面，绿色化牵引数字化。在碳达峰时间窗口偏紧形势下，绿色化发展过程中的资源节约、生态环境保护和低碳循环等对数字技术提出更高要求，这种需求会倒逼数字化发展。例如，中国正处于从“高投入、高消耗、高排放”向“高效、低碳、循环”生产模式转型阶段，构建绿色低碳循环发展的生产体系刻不容缓，这对数字生产流程监控等生产阶段的数字基础设施建设和数字技术创新提出了更高要求[31]，而数字基础设施和技术创新需要数字产业提供支撑。可见，绿色低碳循环发展生产体系的构建需要依靠数字基础设施、数字技术及数字产业等来实现。

2 研究指标、数据及方法

2.1 指标体系构建

基于数字化绿色化的内涵和要求，参考已有研究做法，遵循科学性、可比性和适用性等原则，本文从数字基础设施、知识支撑、数字产业、资源节约、环境保护、低碳循环6个维度构建指标体系，综合衡量“双化”发展水平（表1）。其中：①数字化由数字基础设施、知识支撑和数字产业3个维度衡量。数字产业的核心是通过数字技术的应用，提高生产效率、优化资源配置、促进产业结构升级，其发展是数字化成效和成果的直接体现。知识支撑包括技术创新和人才培养，是推进数字化发展的核心驱动力。以互联网为代表的数字基础设施，具有打破界限、改造和赋能传统基础设施及优化区域相关布局等优势，是维系和促进数字化发展的保障和基石。②绿色化由资源节约、环境保护、低碳循环3个维度进行衡量。资源的有限性要求我们进行合理利用和节约，而环境保护则是通过减少污染和保护生态系统，为经济社会可持续发展创造良好环境，故资源节约和环境保护是维护生态平衡和保障人类生存和发展的基本条件。同时，低碳循环的发展模式有效地降低碳排放，提高能源效率，减轻环境压力，是绿色化发展的必要条件。
表1 区域数字化绿色化发展水平评价指标体系

Tab.1 Evaluation index system for the development level of regional digitalization and greenization

准则层 一级指标 二级指标 度量方式 综合权重
数字化 数字基础设施 移动通信部署（+） 移动通信普及率 0.0695
网络基础设施（+） 网络基础设施接入端口数/年末人口 0.1003
知识支撑 技术创新（+） 每万人发明专利授权量 0.0703
人才储备（+） 数字化研究人员全时当量 0.0805
数字产业 研发强度（+） 研究与试验发展经费支出/GDP 0.0960
数字效益（+） 软件和信息技术服务业总收入 0.0920
绿色化 资源节约 能耗水平（-） 能源消耗总量/GDP 0.0878
水资源利用（-） 用水总量/年末人口 0.1072
环境保护 绿化指数（+） 绿地面积/建成区总面积 0.0559
无害处理（+） 生活垃圾无害化处理量/产生量 0.0734
低碳循环 碳排放水平（-） CO2排放总量/年末人口 0.1144
循环利用（+） （危害废物利用量+处理量）/产生量 0.0526

2.2 研究对象及数据来源

鉴于数据可得性，本文以中国东、中、西和东北四大区域的30个省级单元（以下简称省域，其中不包括西藏和港澳台地区）为研究对象，考察数字化绿色化协同发展水平及其突破路径。各指标原始数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》，时间跨度为2012—2021年。对于个别缺失数据，利用均值法及自回归预测法估算补齐。

2.3 研究方法

2.3.1 LWM组合赋权法

为兼具主客观信息表达，本文采用G1法和熵权法相结合的组合赋权法对指标进行赋权，这既考虑了专家对“双化”各项指标战略地位的经验看法，又能突出指标的可辨识性原则。具体计算步骤参考李旭辉等的研究[5]。
基于主客观组合赋权法获得的权重系数和各指标数据，本文采用线性加权集结模型测算数字化绿色化发展指数并逐步展开后续量化分析。线性加权集结模型为：
I i = ∑ j = 1 n   X i j w j
式中： X i j为经预处理后的指标数据； n为指标个数； w j为基于主客观组合赋权法获得的第 j个指标的权重系数； I i为第 i个样本的数字化或绿色化发展指数。

2.3.2 耦合协调模型

耦合概念源于物理学，现已被广泛应用于社会科学评价领域，用以反映系统间交互作用及协同程度。本文引入耦合协调度模型，衡量数字化与绿色化2个系统间的耦合关系及协同发展水平。在此基础上，引入相对发展度模型揭示两系统的相对发展程度，探寻“双化协同”提升的弱项与短板。计算公式如下：
C = Y 1 Y 2 / Y 1 + Y 2 2 2
T = α Y 1 + β Y 2 D = C · T
E = Y 1 / Y 2
式中： C表示“双化”间的耦合度，取值范围在 0,1之间； Y 1与 Y 2分别代表数字化和绿色化发展指数； T为“双化”间的综合协调指数，用以反映二者间的综合发展水平； α与 β为待定系数，表示“双化”协调发展中各自重要程度，考虑数字化与绿色化具有相同的重要性，故设 α = β = 0.5； D表示“双化”耦合协调度； E表示“双化”相对发展度。

2.3.3 Dagum基尼系数

Dagum基尼系数通过将总体差距分解为区域内差距、区域间差距和超变密度，充分考虑了子样本的分布情况，其优越性在于可以探讨差距贡献度为协调发展布局提供政策取向。详见参考文献[32]。

2.3.4 障碍度模型

为识别“双化协同”的障碍因素，引入障碍度模型，测算各项指标对“双化”协调发展的负向贡献程度。

3 省域数字化绿色化协同发展的特征分析

基于测算出的数字化发展指数和绿色化发展指数，本部分从二者关系出发，借助耦合协调模型对“双化协同”水平展开测度，并从时空与分类视角把握其演进特征。

3.1 数字化绿色化协同发展的时序分析

基于已有研究做法及样本数据离散化思想，将各省域的“双化”协调度按其发展指数划分为严重失调、初级协调、良好协调及优质协调4个等级（表3），等级越高，意味着数字化绿色化协同程度越好。
图1汇报了中国各省域“双化”协调度的测度结果。从全国整体看，各省域“双化”协调度均值逐年上升，由2012年的0.3508上升至2021年的0.6041，年均增速为6.23%，整体协调等级由初级协调跨越至良好协调，这充分表明中国“双化协同”呈加速推进态势。具体来看，考察期初，超过半数省域“双化”协调度不足0.3000，“双化”发展处于失调阶段，同时期仅北京、广东、江苏和浙江等地协调度较为乐观，达到良好协调水平。这4省域作为我国经济发展高地，经济的高速增长助其吸引并留住高素质人才，从而会带来更多利于数字化和绿色化转型发展的新技术手段，促使数字化与绿色化的协调性进一步加强。考察期中（2016年），北京市“双化”协调度升至0.8009，是同年唯一达到优质协调的地区。此外，该时期排名靠后省域的协调度均超过0.3000，根据协调度等级划分标准，处于失调阶段的省域已不存在。至考察期末，2/3的省域数字化绿色化过渡至良好协调阶段，且达到优质协调的省域提升至5个。综上，考察期内各省域数字化与绿色化的协调性均逐渐增强，“双化协同”水平不断提升，但大部分省域仍处于良好协调阶段，“双化协同”水平有待进一步提升。
图1 中国省域数字化与绿色化的协调度

Fig.1 The coordination degree between the development level of digitalization and greenization in China's provincial-level regions

3.2 数字化绿色化协同发展的空间分析

图2描绘了样本考察期初（2012年）和期末（2021年）中国省域“双化”协调度的空间分布状况。由图2可知，考察期内中国“双化”协调度呈现“东部引领，西部快速发展”的分布格局。从类型分布看，2012年“双化协同”水平较高的省域以东部沿海条带状分布为主，其余零散分布在中西部（图2a）；到2021年各省域“双化”协调阶段均有所改善，多数从基本失调和初级协调的局面转变为良好协调状态，但东高西低格局仍然显著，跃迁至优质协调阶段的5个省域均位于东部，中西部主要为良好协调省域（图2b）。就四大区域增幅看，中西部地区“双化协同”水平各省域均值提升达到东部地区的1.26倍，与东部间差距存在缩小趋势。可能是因为，中西部地区虽然基础薄弱，但其可以借鉴东部优先发展的经验，具备一定的后发优势；而东部多数省域“双化”水平较高且二者之间已接近完全耦合状态，提升空间较小以致增长乏力。
图2 中国数字化与绿色化协调度的空间分布演化

注：基于自然资源部标准地图服务网站审图号为GS（2023）2767号的标准地图制作，底图无修改。

Fig.2 Spatial distribution of the coordination degree between the development level of digitalization and greenization in China

为更加客观地刻画“双化协同”区域协调性的演化特征，并剖析区域差异形成的内在机理，本部分进一步引入Dagum基尼系数及其分解方法对“双化协同”的地区差距进行量化分析（表2）。总体而言，全国整体基尼系数呈逐年下降态势，由2012年的0.1973下降至2021年的0.0856，总降幅达56.61%，中国“双化协同”的区域差距呈缩小态势，“双化协同”的区域协调性明显增强。由差异来源分解结果可知，中国“双化协同”的区域失衡问题主要来自四大区域之间的差距，其年均差距贡献度达68.63%，合理有效地落实区域间协同提升政策是解决中国“双化协同”发展不平衡的关键。
表2 数字化绿色化协同发展的基尼系数

Tab.2 Gini coefficient of the collaborative development of digitalization and greenization

年份 总体 G w贡献率（%） G n b贡献率（%） G t贡献率（%） 东—中 东—西 中—西 东—东北 中—东北 西—东北
2012 0.1973 20.23 67.94 11.83 0.2675 0.2856 0.1226 0.1893 0.1289 0.1586
2013 0.1617 19.39 69.34 11.27 0.2332 0.2379 0.0895 0.1667 0.1049 0.1205
2014 0.1446 19.72 69.41 10.88 0.1982 0.2161 0.0820 0.1480 0.0862 0.1178
2015 0.1348 19.73 69.31 10.96 0.1853 0.2026 0.0767 0.1355 0.0786 0.1103
2016 0.1187 18.89 71.39 9.72 0.1524 0.1856 0.0749 0.1237 0.0550 0.0990
2017 0.1026 19.03 71.62 9.34 0.1386 0.1604 0.0618 0.1068 0.0454 0.0799
2018 0.0947 19.70 69.15 11.15 0.1297 0.1448 0.0565 0.1063 0.0407 0.0684
2019 0.0885 20.28 66.68 13.04 0.1203 0.1328 0.0535 0.1132 0.0305 0.0573
2020 0.0858 20.65 66.37 12.99 0.1129 0.1292 0.0529 0.1119 0.0263 0.0545
2021 0.0856 21.52 65.13 13.34 0.1049 0.1290 0.0580 0.1061 0.0217 0.0580
具体到区域层面可以发现，区域间“双化协同”水平差异主要来源于东部地区与其他三地区的差异。东部地区与中部、西部及东北间“双化协同”水平差异均值分别为0.1643、0.1824和0.1308，均高于区域间差异平均水平。就发展趋势而言，考察期内东部地区与中部、西部及东北间基尼系数均呈波动下降态势，但年均降速均小于平均降速，区域间“双化协同”水平差异也始终位列前三。结合前文分析可以发现，中国“双化协同”水平呈现“东部引领，西部地区快速发展”的分布格局，且“双化协同”的区域协调性有所增强，但东部地区仍处于绝对领先地位，东高西低格局固化，缩小东部与其他三大地区的差异是解决中国“双化协同”发展不平衡的关键。

3.3 数字化绿色化协同发展的类型分析

为了更直观地分析“双化协同”的特点，本部分在“双化”协调阶段划分的基础上，依据相对发展度测算结果，进一步将各省域细分为4个发展类型，并逐一详细解析（表3），具体如下：①初级协调—数字落后型（Ⅰ）。该类型区包含山西、安徽和广西等18个省域，占样本总数60.00%。该类型以西部和中部省域为主，数字化和绿色化总体呈“低—较高”的发展状态。这些省域受数字技术研发创新落后、新兴数字产业占比小及传统产业数字化转型缓慢等问题的限制，数字化发展相对滞后，一定程度上制约了其“双化协同”，亟需着力提高数字化发展水平，以数字化赋能绿色化，进而促进“双化协同”向更高等级跃迁。②良好协调—数字落后型（Ⅱ）。该类型区包含福建、山东和天津等8个省域，占样本总数26.67%，其绿色化发展成果较为显著，但数字化发展滞后制约了“双化协同”进程。未来应将数字化发展摆在更加突出的位置，加大数字技术的研发和应用并加强政策引导和支持，努力实现“双化协同”水平向更高阶段提升。③良好协调—同步发展型（Ⅲ）。该类型区包括上海、江苏和广东3省域，占比10.00%，其“双化协同”处于良好协调发展状态，且耦合系统趋于优化，但距优质协调仍有小许差距，应保持数字化发展的持续稳定及绿色化发展的质量和速度，持续推动地区数字化与绿色化发展的协同共进。④优质协调—同步发展型（Ⅳ）。处于Ⅳ类型区的北京市，与Ⅲ类型区省域相似，数字化发展势头强劲，绿色化持续稳定推进，“双化”均已取得了显著成果且彼此形成了较好的协同作用，促进系统的良性共振。
表3 数字化绿色化协同发展类型划分及分布

Tab.3 Type division and distribution of the collaborative development of digitalization and greenization

发展指数 协调等级 相对发展度 协调亚等级 省域
0.3≤D<0.5 初级协调 0<E ≤0.8 初级协调—数字落后（Ⅰ） 河北、山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、海南、贵州、云南、甘肃、青海、宁夏、新疆（18）
0.5 ≤D<0.7 良好协调 0<E ≤0.8 良好协调—数字落后（Ⅱ） 浙江、福建、山东、天津、重庆、辽宁、四川、陕西（8）
0.8<E ≤1.2 良好协调—同步发展（Ⅲ） 上海、江苏、广东（3）
0.7 ≤D<0.1 优质协调 0.8<E ≤1.2 优质协调—同步发展（Ⅳ） 北京（1）
值得注意的是，除北京、上海、江苏及广东4省域外，其余省域均属于数字落后型，不利于地区可持续发展，亟需着力提高数字化发展水平，突破当前“双化协同”进程面临的“瓶颈”。

4 数字化绿色化协同发展的影响因素

前文结果表明，中国“双化协同”水平有待提高，协调质量仍需加强，从而实现数字化绿色化高质量协同发展。为此，本部分引入障碍度模型识别影响“双化协同”的主要障碍因子，为实现“双化”良性互动与协同发展提供理论支撑。

4.1 数字化绿色化协同发展的障碍因子诊断

表4显示了2012、2015、2018和2021年“双化”各指标障碍度的变化状况。首先，人才储备、数字效益、研发强度等因子的障碍度始终超过10%，是影响“双化协同”的高作用力驱动因子。尤其是人才储备，考察期内该因子障碍度大幅提升，由2012年的10.26%增至2021年的13.19%。近年来，各地区虽着力打造数字人才高地并取得阶段性进展，但必须要注意的是，新发展阶段中国数字化人才需求依然十分紧迫且缺口在持续放大。《中国ICT人才生态白皮书（2024年）》显示，到2025年我国数字人才缺口将达到2000万，且随着各行业数字化的深入推进，数字化人才缺口仍在持续放大。其次，技术创新、水资源利用、碳排放水平等因子对“双化协同”的作用强度也较高，目前这些因子障碍度均高于6.00%且呈上升趋势，因此现阶段提升数字研发强度和节水控碳水平在推动“双化协同”过程中也发挥着不可忽视的作用。此外，循环发展、绿化指数等因素的障碍度始终不高，对“双化协同”的阻碍程度较低。最后，2012年网络基础设施、移动通信部署和无害处理3个指标的障碍度分别为12.26%、7.62%和3.07%，但随时间推移，这些因子的障碍度不断下降，至2021年，网络基础设施对“双化协同”的障碍度减少了6.73%，无害处理的障碍度已不足0.10%。党的十八大以来，中国准确把握数字化、网络化、智能化发展趋势和特点，实施网络强国战略并做出“大力推进生态文明建设”的战略决策，中国绿色发展的价格机制日益创新并完善，上述因素对“双化”发展的制约程度不断减弱。
表4 中国的数字化绿色化协同发展障碍因子及障碍度(%)

Tab.4 Obstacle degree and obstacle factor of the collaborative development of digitalization and greenization in China

障碍因子 2012年 2015年 2018年 2021年
研发强度 10.55 10.70 11.53 11.77
数字效益 11.88 12.27 12.70 12.50
技术创新 9.19 9.81 10.11 10.60
网络基础设施 12.26 11.20 7.39 5.53
移动通信部署 7.62 6.65 6.68 6.35
人才储备 10.26 10.88 11.88 13.19
能耗水平 10.26 10.34 10.48 9.30
水资源利用 8.49 8.87 9.67 10.32
循环发展 5.23 5.71 6.24 6.62
碳排放水平 7.41 8.42 9.04 10.33
绿化指数 3.77 3.67 3.68 3.40
无害处理 3.07 1.48 0.59 0.08

4.2 四大区域数字化绿色化协同发展的障碍因子诊断

为进一步强化统筹协调和整体推进工作，本部分以四大区域为对象，识别制约各区域的主要障碍因子。以各指标障碍度年均值大小排序，表5报告了四大区域“双化协同”排名前五的障碍因子。
表5 四大区域的数字化绿色化协同发展主要障碍因子及障碍度

Tab.5 Obstacle degrees and main obstacle factors of the collaborative development of digitalization and greenization in four regions

区域 1 2 3 4 5
东部 人才储备（12.26%） 数字效益（12.10%） 能耗水平（10.41%） 技术创新（10.41%） 碳排放水平（10.19%）
中部 数字效益（13.18%） 研发强度（11.59%） 人才储备（11.22%） 网络基础设施（10.31%） 技术创新（10.02%）
西部 数字效益（12.58%） 研发强度（11.87%） 人才储备（11.20%） 网络基础设施（9.42%） 技术创新（9.77%）
东北 数字效益（11.91%） 人才储备（10.89%） 研发强度（10.83%） 水资源利用（10.17%） 碳排放水平（10.14%）

注：表中第1行的1~5依次为障碍因子的排名，括号内数值为障碍度。表6同。

由表5可知，对于数字化转型进程领先的东部地区，人才储备是制约“双化协同”的重要因素，建立全面、系统、专业的数字经济人才培养和培训体系的任务刻不容缓。中西部“双化协同”排名前五的障碍因子一致，均是数字化维度的数字效益、研发强度、人才储备、网络基础设施及技术创新，这与中西部数字经济核心产业规模小、数字技术应用和创新水平相对滞后及发展要素支撑能力不足等现实情况相符，亟需夯实数字基础设施、加快数字经济制度创新及加大人才培养和引进力度。作为中国工业发展的摇篮，东北地区新旧动能转换艰难，高消耗、高排放的发展方式难以根本扭转，水资源利用和碳排放水平制约其生态环境难以进一步改善。同时因东北地区传统产业占比大且近年人口流失严重，提高核心数字产业比例及数字应用人才的引进亦是推进区域“双化协同”的关键举措。

4.3 各类型省域数字化绿色化协同发展的障碍因子诊断

分类调控是高质量调控的具体呈现，故引用障碍度模型进一步识别不同类型省域“双化协同”的关键影响因素，以确定各类型省域的主要突破路径，为“双化协同”的精准调控提供参考。以各指标障碍度年均值大小排序，表6展现了4类省域的“双化协同”排名前五的障碍因子。
表6 四类省域的数字化绿色化协同发展主要障碍因子及障碍度

Tab.6 Main obstacle factors and obstacle degrees of the collaborative development of digitalization andgreenization in four types of provincial-level regions

发展类型 1 2 3 4 5
Ⅰ 数字效益（12.69%） 研发强度（11.80%） 人才储备（11.00%） 人才储备（10.16%） 技术创新（9.65%）
Ⅱ 数字效益（12.82%） 人才储备（11.95%） 研发强度（10.91%） 技术创新（10.68%） 能耗水平（10.66%）
Ⅲ 水资源利用（13.80%） 碳排放水平（10.94%） 技术创新（10.80%） 研发强度（10.30%） 能耗水平（10.07%）
Ⅳ 人才储备（26.09%） 数字效益（14.33%） 无害处理（12.96%） 能耗水平（11.07%） 技术创新（8.31%）
由表6可知，不同类型省域“双化协同”进程的障碍因子存在异质性。具体来看，Ⅰ型省域以中西部为主，在经济发展、产业结构及社会服务方面处于劣势，但地域辽阔、自然资源和动能资源丰富，“绿色化”特征明显，故制约此类型省域“双化协同”的主要障碍因子为数字化维度的数字效益、研发强度、人才储备及技术创新。未来该区域既要发挥自身优势，强化生态对其绿色化发展的支撑作用，又要突破数字化发展“障碍”，促进“双化协同”水平的提升。Ⅱ型省域的主要障碍因子与Ⅰ型省域相似，主要为数字化维度的数字效益、人才储备、研发强度及技术创新，因此加大科技财政支出力度，提高数字创新能力，大力发展新型数字产业并积极培育数字化人才是这类省域推动“双化协同”的重要任务。Ⅲ型仅包括上海、江苏和广东3省域，主要障碍因子既包括数字化维度的技术创新和研发强度，又包括绿色化维度的能耗水平、碳排放水平及水资源利用水平。这主要是因为，一方面结合数字化发展水平，这3个省域是我国数字化转型的领军者，在数字基础设施、知识支撑和数字产业方面优势明显，目前的技术创新能力和研发强度难以进一步推进数字化转型；另一方面，这3个省域的经济活动较为活跃且工业发展较为先进，而工业生产往往是能耗和碳排放主要来源。Ⅳ型仅含北京市，数字经济快速发展和产业数字化转型加速的北京，数字化人才需求井喷式增长，即使考虑大量人才向北京流动的现实情况，人才在质量、数量及结构方面的需求均难以满足，人才储备是北京“双化协同”的核心障碍因素。因此，北京要进一步提升“双化协同”水平，需从改善人才培养机制、提高教育质量及优化人才流动政策等方面突破。

5 结论与建议

5.1 主要结论

本文在测度2012—2021年中国数字化发展指数及绿色化发展指数的基础上，探索了“双化协同”的格局演变特征及其影响因素。主要研究结论如下：①党的十八大以来，中国各省域“双化”协调度均值提升明显，整体协调等级由初级协调跨越至良好协调，“双化协同”取得实质性进展。②中国“双化协同”水平呈现“东部引领，西部地区快速发展”的分布格局，且2012—2021年中国省域“双化协同”基尼系数总降幅达56.61%，区域协调性明显增强，但东部地区仍处于绝对领先地位，东高西低格局固化，缩小区域间差异是推动“双化协同”区域协调的关键路径。③各省域“双化协同”发展类型分为初级协调—数字落后、良好协调—数字落后、良好协调—同步发展及优质协调—同步发展四类，除北京、广东、上海及江苏4省域外，其余省域均属数字落后型，“双化”发展同步性亟需加强。④从全国看，人才储备、技术创新、数字效益及能耗水平等因素始终是实现“双化协同”的主要障碍因子。从区域层面看，不同区域“双化协同”水平提升的障碍因子具有异质特征。分类型看，初级协调—数字落后型和良好协调—数字落后型省域障碍因子主要是数字化维度的数字效益、人才储备、研发强度及技术创新；良好协调—同步发展型省域主要障碍因子既包括数字化维度的技术创新和研发强度，又包括绿色化维度的能耗水平、碳排放水平及水资源利用水平；对于优质协调—同步发展型省域，人才储备是其“双化协同”的核心障碍因素。

5.2 对策建议

基于上述结论，本文提出如下对策建议：①要深刻认识“双化协同”是经济社会高质量发展的内在需求。党的十八大以来，“绿水青山就是金山银山”的理念深入人心，让绿色成为高质量发展的鲜明底色，坚定不移走生态优先、绿色低碳的高质量发展之路逐渐成为全社会的新共识，而实现绿色低碳转型，迫切需要数字化手段为其提供解决途径。此外，绿色化需求亦对数字化发挥倒逼作用，以绿色金融投资助力数字产业不断进步，且数字化在助力绿色发展的同时，自身能耗也在快速增长，因此数字产业绿色低碳发展同样势在必行。数字化和绿色化既是需求，亦是趋势，二者应深度融合，在协同转型中服务高质量发展。②要在聚焦“双化协同”目标的同时突出工作重点。根据前文研究结果，数字人才、技术创新、能耗水平等因素是推动“双化协同”发展的核心驱动力。现阶段，中国数字化人才需求依然十分紧迫且缺口在持续放大，应以需求为导向建立高效的数字人才引进机制，重视数字化双碳人才的培养，加强“双化”试点区人才孵化创新基地的建设，以人为本强化数字化发展的治理能力。要在完善数字技术规则体系的基础上，深入推进技术创新，打破各领域的技术桎梏并推行低碳智慧管理，从而优化能源生产消费结构及各领域业务流程，全面提升节能控碳效率。③要增强“双化协同”发展的区域协调性。中国四大区域在数字基础设施、知识积累、数字产业、资源节约、环境保护和低碳循环等各方面均取得显著成就，但总体上地区间“双化协同”发展的协调性仍有待提升。对此，各地区既要积极畅通数据资源大循环，也需合力布局绿色生态网络。同时，通过优化数字基础设施和应用的空间布局，各地区协同联动，形成数据自由流通、按需配置、有效共享的要素市场，在区域协调中充分实现降本增效，推动数字化绿色集约发展。此外，协调度较低的地区应充分认识到“双化协同”所呈现出的诸多高水平应用场景，离不开云计算、人工智能、大数据等底层技术的支撑，要在牢固技术基础，强化底层架构的前提下，逐步推动产业数字化转型和生态化布局。④要基于省域要素组合差异，分类推进“双化协同”。在中国地域辽阔和资源禀赋的现实背景下，不同类型省域“双化协同”的障碍因子存在差异，故其适宜的“双化协同”推进模式与突破路径也不尽相同。例如，对于“初级协调—数字落后”型省域应以政策倾斜为契机，在完善数字基础设施、吸引并培训数字化人才的基础上，牢牢抓住“数字经济”这一引擎，鼓励和支持电子商务等新兴产业，推进传统产业数字化转型，从而提高数字效益；对于“良好协调—同步发展”型省域应在保持数字化发展的持续稳定及绿色化发展的质量和速度的基础上，进一步加大研发支出，深入核心技术突破与创新，进而加快能源绿色转型，有效提升节能控碳效率，在数字化转型过程中促进绿色低碳发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中国网信网. 数字化绿色化协同转型发展部际联席会议第一次会议在京召开[EB/OL]. 2022-01-22.

[2]
中国网信网. 中央网信办、国家发展改革委、工业和信息化部、生态环境部、国家能源局等5部门联合开展数字化绿色化协同转型发展(双化协同)综合试点[EB/OL]. 2022-11-17.

[3]
康芸. 加快传统产业企业数字化转型[J]. 宏观经济管理, 2022(6):82-90.

[4]
刘军, 杨渊鋆, 张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究, 2020(6):81-96.

[5]
李旭辉, 王经伟. 共同富裕目标下中国城乡建设绿色发展的区域差距及影响因素[J]. 自然资源学报, 2023, 38(2):419-441.

DOI

[6]
陈晓红, 李杨扬, 宋丽洁, 等. 数字经济理论体系与研究展望[J]. 管理世界, 2022, 38(2):208-224,13-16.

[7]
李旭辉, 陈梦伟. 中国乡村数字化转型:测度、区域差异及推进路径[J]. 农业经济问题, 2023(11):89-104.

[8]
潘为华, 贺正楚, 潘红玉. 中国数字经济发展的时空演化和分布动态[J]. 中国软科学, 2021(10):137-147.

[9]
万晓榆, 罗焱卿. 数字经济发展水平测度及其对全要素生产率的影响效应[J]. 改革, 2022(1):101-118.

[10]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10):65-76.

[11]
魏丽莉, 侯宇琦. 数字经济对中国城市绿色发展的影响作用研究[J]. 数量经济技术经济研究, 2022, 39(8):60-79.

[12]
杨刚强, 王海森, 范恒山, 等. 数字经济的碳减排效应:理论分析与经验证据[J]. 中国工业经济, 2023(5):80-98.

[13]
卢建霖, 蒋天颖, 傅梦钰. 数字金融对绿色创新效率的影响路径[J]. 经济地理, 2023, 43(1):141-147,235.

DOI

[14]
方冬莉. 数字经济对中国城市能源利用效率的影响——基于技术赋能和技术外溢视角[J]. 资源科学, 2023, 45(2):296-307.

DOI

[15]
Levinson A. Technology,international trade,and pollution from US manufacturing[J]. The American Economic Review, 2009, 99(5):2177-2192.

[16]
毛华滨, 刘苏燕. 绿色发展理念的四重维度[J]. 理论视野, 2020(1):51-55.

[17]
彭定洪, 李旭锋. 资源型城市绿色转型成效评价研究——以云南省为例[J]. 城市问题, 2023(7):21-32,52.

[18]
任嘉敏, 郭付友, 赵宏波, 等. 黄河流域资源型城市工业绿色转型绩效评价及时空异质性特征[J]. 中国人口·资源与环境, 2023, 33(6):151-160.

[19]
张友国, 窦若愚, 白羽洁. 中国绿色低碳循环发展经济体系建设水平测度[J]. 数量经济技术经济研究, 2020, 37(8):83-102.

[20]
戴翔, 杨双至. 数字赋能、数字投入来源与制造业绿色化转型[J]. 中国工业经济, 2022(9):83-101.

[21]
蔺鹏, 孟娜娜. 新型数字基础设施建设对中国工业绿色发展效率增长的影响研究[J]. 科研管理, 2023, 44(12):50-60.

[22]
杜克锐, 欧阳晓灵, 郑泳薇. 环境规制是否促进我国城市的绿色经济增长?[J]. 统计研究, 2023, 40(12):39-49.

[23]
赵杨, 王京, 潘为华. 中国省域新型城镇化水平与绿色发展水平的区域特征及其影响机制[J]. 经济地理, 2023, 43(9):1-9.

DOI

[24]
刘敏楼, 黄旭, 孙俊. 数字金融对绿色发展的影响机制[J]. 中国人口·资源与环境, 2022, 32(6):113-122.

[25]
赵卉心, 孟煜杰. 中国城市数字经济与绿色技术创新耦合协调测度与评价[J]. 中国软科学, 2022(9):97-107.

[26]
王军, 朱杰, 罗茜. 中国数字经济发展水平及演变测度[J]. 数量经济技术经济研究, 2021, 38(7):26-42.

[27]
伦晓波, 刘颜. 数字政府、数字经济与绿色技术创新[J]. 山西财经大学学报, 2022, 44(4):1-13.

[28]
许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020(5):23-41.

[29]
秦书生, 杨硕. 习近平的绿色发展思想探析[J]. 理论学刊, 2015(6):4-11.

[30]
潘爱玲, 刘昕, 邱金龙, 等. 媒体压力下的绿色并购能否促使重污染企业实现实质性转型[J]. 中国工业经济, 2019(2):174-192.

[31]
尹西明, 陈泰伦, 金珺, 等. 数字基础设施如何促进区域高质量发展:基于中国279个地级市的实证研究[J]. 中国软科学, 2023(12):90-101.

[32]
Dagum C. A New approach to the decomposition of the Gini income inequaity ratio[J]. Empirical Economics. 1997, 22(4):515-531.

Options
Outlines

/

〈 〉