EN中文

Economic geography >

2024 , Vol. 44 >Issue 10: 46 - 54

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.005

Spatiotemporal Characteristics and Driving Factors of the Coupled Coordination Between Digital Intelligence Development and Carbon Productivity in Urban Agglomerations of the Middle Reaches of Yangtze River

  • XIONG Lei , 1 ,
  • ZHANG Qi 2 ,
  • YAN Youliang , 3, ※ ,
  • JIANG Song 4 ,
  • SU Liyun 5
Expand
  • 1. Accounting School，Chongqing University of Technology，Chongqing 400054，China
  • 2. School of Economics and Business Administration，Chongqing University，Chongqing 400044，China
  • 3. School of Accounting，Zhejiang Gongshang University， Hangzhou 310018，Zhejiang，China
  • 4. School of Economics and Finance，Chongqing University of Technology，Chongqing 400054，China
  • 5. College of Science，Chongqing University of Technology，Chongqing 400054，China

Received date: 2024-06-16

  Revised date: 2024-09-30

  Online published: 2024-11-29

Fold

Abstract

Based on the panel data from 28 cities at prefecture level and above of urban agglomerations in the middle reaches of the Yangtze River from 2012 to 2022,this study employs methods such as the entropy method,coupling coordination degree model, and spatial Durbin model to discuss the spatiotemporal characteristics and driving factors of the coupling coordination between digital intelligence development and carbon productivity. It's found that: 1) From 2012 to 2022, the coupling coordination level between digital intelligence development and carbon productivity exhibited a steady upward trend,with a concentration around the median from 2012 to 2020, and a spread towards both ends from 2021 to 2022,which indicates that the right tailing trend is more obvious than the left tailing trend, and the overall peak shifts towards a higher degree of coordination. 2) A "multi-core" growth pattern has emerged, centered around two high-quality coordinated cities which are Wuhan and Changsha, and "one intermediate coordinated city which is Nanchang,leading to a transition from overall imbalance to a more balanced state with gradually diminishing differences in coordination degrees. 3) There is a significant positive spatial autocorrelation in the coupling coordination between digital intelligence development level and carbon productivity in urban agglomerations of the middle reaches of the Yangtze River. Financial development, technological support, and industrial structure play a positive driving role, human capital has a negative impact.

Key words： urban agglomerations in the middle reaches of the Yangtze River; digital intelligence development level; carbon productivity; coupling coordination

Cite this article

XIONG Lei , ZHANG Qi , YAN Youliang , JIANG Song , SU Liyun . Spatiotemporal Characteristics and Driving Factors of the Coupled Coordination Between Digital Intelligence Development and Carbon Productivity in Urban Agglomerations of the Middle Reaches of Yangtze River[J]. Economic geography, 2024 , 44(10) : 46 -54 . DOI: 10.15957/j.cnki.jjdl.2024.10.005

党的二十届三中全会强调“加快经济社会发展全面绿色转型”，把“用数智技术、绿色技术改造提升传统产业”“健全绿色低碳发展机制”等作为重要改革举措。近年来，互联网、大数据、云计算、人工智能、区块链等新兴技术的集成迭代与扩散，日益融入经济社会发展各领域全过程。作为数据化与智能化的结合，数智发展在各类应用场景中实现生产力的跃迁，成为新质生产力的代表性形态。数智发展运用数字与智能技术，实现数智化的管理与分析，为各行业向低碳转型发展赋能，催生了绿色低碳发展新产业、新业态、新模式，成为实现碳达峰碳中和目标的重要推动力量。据全球电子可持续发展倡议组织（GeSI）的研究，到2030年，数字技术通过赋能其他行业可帮助减少20%的全球碳排放。数智化绿色化协同发展日益成为经济社会转型发展的重要趋势。
长江中游城市群是推动长江经济带发展、促进中部地区崛起、巩固“两横三纵”城镇化战略格局的重点区域，在我国经济社会发展格局中具有重要地位，也是构建数智发展水平与碳生产率耦合协调机制、深入推进绿色低碳发展的重要战略腹地。因此，在深入推进长江中游城市群协同发展的战略擘画下，如何把握数智发展与碳生产率耦合协调的内在机理?长江中游城市群的数智发展与碳生产率耦合协调的发展态势如何?其驱动因素又有哪些?及时回应这些问题，对于长江中游城市群更好发挥比较优势、实现更高水平协同发展，打造全国高质量发展的重要增长极具有重要的理论与现实意义。
从现有文献看，与本文主题密切相关的研究主要包括3个方面：一是聚焦数智经济效应的研究。数智发展是数字化与智能化的升级与再配置，有学者从互联网、人工智能、区块链等新型基础设施建设角度出发，研究发现数智发展作为产业发展的新引擎，能够促进技术进步、技术多样化和提高能源利用效率[1]，赋能城市高质量发展[2]；也有学者从全国、省域、城市等宏观角度出发，运用博弈模型、线性回归模型和调节效应模型等，考察数智发展通过技术溢出和创新驱动等途径对中国经济发展的带动作用[3-6]；还有学者从企业等微观角度出发，分析得出数智发展能够激发企业投入创新要素[7]，提升企业创业活跃度和增强企业创新能力[8]。二是围绕碳生产率影响因素的研究。绿色化是产业发展的新航道，学者们从平衡碳排放与经济增长的关系出发，重点关注了技术创新[9]、产业集聚[10]、城市化[11]、外商投资[12]等因素对碳生产率的影响。从成果分布来看，大部分学者针对技术创新因素进行研究，认为技术创新能够促进碳生产率提升[13-14]；此外，也有少数学者认为技术创新在促进经济增长的同时导致碳排放增加，进而对碳生产率产生抑制作用[15]。三是针对数智发展与碳生产率关系的研究。研究指出，数字经济有效降低了人均碳排放量、碳排放增量与碳排放增速[9]，进而提升城市绿色高质量发展[16]；在制造企业层面的研究发现，数字化转型对制造企业绿色全要素生产率产生正向影响[17]。同时，也有文献关注到数智发展与碳生产率二者关系在黄河流域的时空演化规律[18]。
现有文献从不同角度对数智发展与碳生产率问题开展了探究，为本文提供了理论借鉴，但也存在以下不足：①研究视角方面，大多数研究侧重将数字经济与碳减排相结合，即使有少量研究涉及数智发展这一新模式与碳生产率的统筹，也都集中于数智发展对碳生产率的单向影响，缺乏对二者之间互动及耦合协调的动态考察；②研究方法方面，囿于经济学领域，与地理学、环境学的结合较少，鲜有研究对数智发展与碳生产率的耦合协调机理、空间相关性进行全面考量，由此导致数智发展与碳生产率的理论分析框架缺失；③研究案例方面，长江中游城市群作为全国面积最大的城市群，是国家优先提升的4个城市群之一，尚未有面向该城市群的相关研究，无法为其区域数智化绿色化协同发展提供理论支撑。
基于此，本文在阐释数智发展水平与碳生产率耦合协调机理的基础上，以长江中游城市群28个地级及以上城市为研究对象，采用熵值法等分别测度数智发展水平和碳生产率水平；同时结合耦合协调模型衡量数智发展与碳生产率的耦合协调程度，运用箱形图等可视化方法，观测该区域数智发展与碳生产率耦合协调度的动态演进特征；最后基于空间计量模型对数智发展与碳生产率耦合协调的驱动因素进行分析，以期为长江中游城市群以数智化变革激活各种发展要素间的协同作用、进而推动“双碳”目标实现提供实证借鉴。

1 数智发展与碳生产率的耦合协调机理

根据环境库兹涅茨曲线假说，环境污染随着经济发展会经历先恶化再改善的过程[19]。本文聚焦长江中游城市群现实实践，提出以下数智发展与碳生产率耦合协调机理。
①数智发展具有显著的正外部性特征，能够适应多层次多样化的需求，对于绿色化发展具有聚合倍增效应，通过提高资源配置效率、强化技术创新效应、改进生产生活方式等途径减少碳排放，为提升碳生产率培育新动能和提供新引擎。首先，在资源配置效率方面，有研究指出资源配置是影响碳生产率的主要因素[20]，数智发展基于网络效应能够汇聚海量资源，增加有效供需信息、推动供需精准匹配，完善价格机制，提升资源配置效率[21]。在企业层面，数智发展能够借助云计算等数字技术挖掘消费者需求偏好、市场需求量来制定生产计划，创造新产品和新流程，同时科学规划能源消耗结构，减少碳排放；在产业层面，数智发展可以重新配置劳动力、资金、技术、信息等要素，推动生产要素向边际效益高的绿色部门流动，进而促进产业迈向价值链中高端和实现低碳发展；在能源层面，数智发展通过在能源生产、传输、存储、消费等环节的应用，可以实现能源供给的绿色化、能源传输的低碳化、能源消费的高效化，从而促进全场景节能降碳[22]。其次，在技术创新效应方面，技术进步是提高全要素生产率、减少碳排放量的重要途径[23]。数智发展是信息技术的演进和应用创新，具有环境友好型特征，可在加快企业流程再造的同时降低企业的能源损耗，对企业的碳生产率产生正外部性[24]。同时，数智发展还可通过技术创新对传统产业智能化改造，大幅度减少资源浪费和污染排放，以产业替代挤压传统高污染行业的发展空间[24]。另有实证研究表明，数字技术主要通过有偏技术进步降低碳排放强度[25-26]。最后，在生产生活方式方面，数智发展能够精确地掌握生产环境的实时变化，改造高污染、高能耗生产环节，优化生产流程，提高资源利用效率，最大限度减少对环境的污染，为实现可持续发展提供强有力的技术支持。数字金融、智能交通、“互联网+医疗”、智慧物流等新的生活方式涌现，能够为人们提供更加精准和个性化的服务，既可以带来生活便利，还可以减少传统服务所需的时间和成本，最终推动经济社会发展绿色化、低碳化。
②提升碳生产率的实质是促进绿色发展，从绿色政策激励、绿色理念引领、绿色财富反哺等方面，为数智发展提供了方向指引和资源支撑。首先，在绿色政策激励方面，碳达峰碳中和是党中央统筹国内国际两个大局作出的重大战略决策。《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》《中共中央 国务院关于加快经济社会发展全面绿色转型的意见》等政策文件，对提升碳生产率、实现“双碳”目标作出了重要部署安排，并提出了为加快数字化绿色化协同转型发展而提供奖励补助、税收优惠、财税支持等，为数智发展提供了良好的制度保障。其次，在绿色理念引领方面，提升碳生产率将有助于深化社会各界对于绿水青山就是金山银山等绿色发展理念的认同，增强社会和公众采用数智发展技术来实现降碳、减污、扩绿、增长的意愿，促进数智发展应用与发展。进一步地，绿色生产生活方式又反过来促进了公众生态文明意识、环境保护自觉提升，引领更多人员投身数字化，助力智能化，从而为数智发展提供人力支撑。最后，在绿色财富反哺方面，碳生产率的提升有助于创造绿色财富，提升企业的绿色竞争力，为数智基础建设奠定坚实资源基础，倒逼区域逐步淘汰高耗能产业，推动产业结构优化升级。相关研究表明，商业银行等金融机构在碳生产率高的地区企业呈现出融资偏好[27]，这有利于信贷等金融资本集聚，为数智发展提供资本支持。
承前所述，数智发展与碳生产率相互作用产生正向协同效应，使二者关系越来越密切，最终趋于良性互动（图1）。
图1 数智发展与碳生产率耦合协调机理

Fig.1 Mechanism of coupling and coordination between digital intelligence development and carbon productivity

2 研究设计

2.1 研究区域概况

本研究区长江中游城市群地跨湖北、湖南和江西三省，以武汉、长沙、南昌为“三核”，以武汉城市圈、环长株潭城市群、环鄱阳湖城市群为主体，包括湖北省的武汉、黄石、鄂州、黄冈、孝感、咸宁、襄阳、宜昌、荆州和荆门，湖南省的长沙、株洲、湘潭、岳阳、益阳、常德、衡阳和娄底，江西省的南昌、九江、景德镇、鹰潭、新余、宜春、萍乡、上饶、抚州和吉安共28个地级及以上城市（以下简称城市），其在中国式现代化版图中具有承东启西、连南接北的区位特点，担负着推动中部地区高质量发展和长江经济带发展的重任。近年来，长江中游城市群在数智发展引领下的“三新”经济发展迅速，展现出强大的韧性和活力。然而，由于城市群一体化发展水平偏低、关键技术攻关和创新成果转化能力不强、省际协商协作机制不健全等问题的存在，导致城市群绿色低碳高质量发展任务繁重。2022年2月，国家发展改革委印发《长江中游城市群发展“十四五”实施方案》，对加快城市群协同发展提出了明确要求。长江中游城市群正着力彰显三省优势和特色，坚持协同联动、共建共享，优化多中心网络化城市群结构，加快培育数字智能终端、“光芯屏端网”、高端服务器等新兴数智产业，促进经济社会发展全面绿色低碳转型，逐渐形成分工合理与协调联动发展新格局。这为本文探寻城市群内部数智发展与碳生产率之间耦合协调发展特征与驱动因素提供了重要研究场景。

2.2 研究方法

2.2.1 耦合协调模型

耦合协调模型可衡量多个系统之间的相互影响和各要素之间的相互关联程度。借鉴朱建华等研究[28]，本文聚焦数智发展水平和碳生产率水平的耦合协调度，构建测算模型如下：
C = 2 · D I C · C P D I C + C P
T = α · D I C + β · C P
D = C · T
式中：DIC、CP分别代表数智发展水平、碳生产率水平；C表示两者的耦合度；T表示协调度； α 、 β为权重系数，考虑到数智发展和碳生产率在耦合协调系统中同等重要，故将α、β均取值为0.5；D为耦合协调度，参照常规划分标准，耦合协调度D可以分为以下六类：严重失调（0 ≤D<0.2）、中度失调（0.2 ≤D<0.4）、濒临失调（0.4 ≤D<0.5）、勉强协调（0.5 ≤D<0.6）、中级协调（0.6 ≤D<0.8）和优质协调（0.8 ≤D<1.0）。

2.2.2 空间自相关模型

空间自相关模型能有效捕捉观测值之间因空间位置邻近而产生的依赖关系，即一个位置的观测值可能会受到其邻近位置观测值的影响。空间自相关可以分为全局空间自相关和局部空间自相关2种类型。结合研究区实际，本文运用全局莫兰指数（Global Moran's I）考察长江中游城市群数智发展与碳生产率耦合协调的空间依赖程度[29]。

2.2.3 核密度估计

本文运用三维Kernel密度法分析长江中游城市群数智发展与碳生产率的耦合协调度分布态势。计算公式如下：
f ( x ) = 1 N h ∑ i = 1 n K X i - x h
式中：N为城市数量；h为窗宽；x为平均值；K（·）为核密度函数。

2.3 数智发展水平评价指标体系

结合数智发展的特征，参考张云等的研究成果[28-29]，考虑市域数据的可获取性，本文从数字化、智能化2个方面构建数智发展评价指标体系，运用熵值法确定各指标权重（表1）。其中，数字化从数字基础设施、数字普及推广、数字经济创新3个维度建立准则层，包括宽带接入用户数、移动电话用户数、邮政业务总量、数字普惠金融指数等指标；智能化从智能化投入和智能化创新2个维度建立准则层，包括科学研究和技术服务业从业人员数、普通高等学校数、科学技术支出占地方财政支出比重、人工智能企业数等指标。
表1 数智融合评价指标体系

Tab.1 Evaluation index system for digital intelligence integration

目标层 系统层 准则层 指标层（属性） 权重
数智
融合
指数		 数字化 数字
基础
设施		 宽带接入用户数（+） 0.184
移动电话用户数（+） 0.011
邮政业务总量（+） 0.089
数字
普及
推广		 数字普惠金融指数（+） 0.015
国际互联网用户数（+） 0.025
信息传输、计算机服务和软件业从业人员占比（+） 0.023
数字
经济
创新		 软件著作权登记数（+） 0.018
战略新兴行业从业人员数（+） 0.134
数据要素利用水平（+） 0.015
智能化 智能化
投入		 科学研究和技术服务业从业人员数（+） 0.091
普通高等学校数（+） 0.082
科学技术支出占地方财政支出比重（+） 0.024
智能化
创新		 人工智能企业数（+） 0.157
智能专利申请数（+） 0.114
机器人安装密度（+） 0.019

2.4 碳生产率测度

碳生产率兼顾“碳减排”和“经济增长”双重目标。参考Kaya等的研究[32]，本文以GDP与CO2排放量的比值来表征碳生产率（CP），CO2排放因子的计算方法由政府间气候变化专门委员会（IPCC）提出。
C P = G D P / C O 2

2.5 数据来源

综合考虑党的十八大将“生态文明”建设纳入中国特色社会主义事业“五位一体”总体布局，以及2023年之后的相关统计数据未公布等因素，将研究样本时间跨度设定为2012—2022年。数据来源于《综合能耗计算通则》《中国城市统计年鉴》《中国能源统计年鉴》《中国区域经济统计年鉴》《城乡建设统计年鉴》，以及历年相关城市的统计年鉴。

3 数智发展与碳生产率耦合协调度的时空特征

3.1 数智发展与碳生产率耦合协调水平时序变化趋势

箱形图能够直观展示数据的集中趋势和离散程度等情况。图2为2012—2022年长江中游城市群数智发展与碳生产率耦合协调度箱形图。首先，从整体趋势来看，2012—2022年长江中游城市群数智发展与碳生产率耦合协调水平表现出稳步提升态势，大多数城市集中位于箱形图的上、下四分位数之内，其中2012—2020年“分布沿中值集中”，2021—2022年“发展向两端扩散”。随着数智融合发展，碳生产率有了显著提升，但也有部分城市数智发展与碳生产率的耦合协调水平依旧较低，区域间具有一定差异性。其次，从协调度的中位数来看，第一阶段（2012—2014年），耦合协调度中位数为0.4~0.5，处于濒临失调水平；第二阶段（2015—2020年），耦合协调度中位数为0.5~0.6，处于勉强协调水平；第三阶段（2021—2022年），耦合协调度中位数均大于0.6，表现为中级协调及以上水平，说明长江中游城市群数智发展与碳生产率的协同发展取得了明显进步。再次，从聚集形态来看，长江中游城市群数智发展与碳生产率耦合协调度的绝对差距随时间逐渐收敛，增长相对平稳，说明《长江中游城市群发展“十四五”实施方案》和区域数字经济发展战略的深入推进，多项政策叠加发力，推动各城市的数智发展硬实力逐渐增强，空间规模不断延伸，与绿色低碳发展交相辉映；但也有部分资源枯竭型城市可能存在开发强度超过碳排放承载力阈值等情况，粗放型的经济增长路径下尚未实现数智与低碳的良性互动。
图2 2012—2022年长江中游城市群数智发展与碳生产率耦合协调度箱形图

Fig.2 Box plot of the coupling coordination degree of digital intelligence development and carbon productivity in urban agglomerations of the middle reaches of the Yangtze River from 2012 to 2022

为更加翔实地展示长江中游城市群数智发展与碳生产率耦合协调度的分布演化及延展趋势，绘制三维动态核密度图（图3）。结果显示：①2012—2022年长江中游城市群数智发展与碳生产率耦合协调度的分布重心呈平缓上升态势，说明各城市的数智发展水平和碳生产率呈现同步平缓上升趋势；②其耦合协调度分布右拖尾趋势比左拖尾趋势更明显，出现耦合协调极端的城市数量较少，样本期间峰点数量增加，但增加的峰极并不陡峭，说明长江中游城市群数智发展与碳生产率耦合协调发展尚未表现出明显的多极化趋势；③整体峰值向更高的协调度发展，并且波峰连带的区域范围逐渐扩大，从中看出长江中游城市群数智发展与碳生产率耦合协调正朝着多向态势演进。
图3 2012—2022年长江中游城市群数智发展与碳生产率耦合协调度三维动态核密度图

Fig.3 Dynamic kernel density map of the coupling coordination degree between digital intelligence development and carbon productivity in urban agglomerations of the middle reaches of the Yangtze River from 2012 to 2022

3.2 数智发展与碳生产率耦合协调度的空间变化特征

借助ArcGIS10.3软件绘制2012、2017和2022年长江中游城市群数智发展与碳生产率耦合协调度空间分布图（图4），从中发现其耦合协调度具有明显的空间分异特征。
图4 长江中游城市群数智发展与碳生产率耦合协调度空间分布演变

Fig.4 Spatial distribution of the coupling coordination degree between digital intelligence development and carbon productivity in urban agglomerations of the middle reaches of the Yangtze River in 2012，2017 and 2022

总体上来看，2012、2017和2022年长江中游城市群数智发展与碳生产率耦合协调度的均值分别为0.4822、0.5888和0.6838，逐年稳步上升，反映出在样本期间，城市群数智发展与碳生产率在弱协调性状态中进行博弈，在相互制衡中促进作用逐渐加强，并向高协调性方向有序发展。较之2012年，2022年城市群的数智发展与碳生产率耦合协调度实现了跨越式提升，但地区间的差异依旧存在，形成了以“两个优质协调城市”武汉和长沙、“一个中级协调城市”南昌为中心的“多核心”地理特征增长极，“多核心”辐射效应凸显，有效带动城市群内高耦合协调类型范围不断向城市群中部地区扩散。还有部分城市受产业结构单一、市场经济基础薄弱以及人口结构失衡等因素的影响，数智发展与碳生产率尚未形成良性互动，使得城市群整体上形成了“多核心引领—中边缘追赶”的“凹”型空间特征。
分阶段来看，2012年长江中游城市群数智发展与碳生产率耦合协调度处于失调时期，空间分异现象明显，其中达到协调的城市仅有武汉（0.7726）、长沙（0.7090）、南昌（0.6368）、宜昌（0.5554）、株洲（0.5284）、襄阳（0.5248）、景德镇（0.5223）和湘潭（0.5102）8个，其余20个城市处于不同程度的失调水平。2017年长江中游城市群耦合协调度整体达到勉强协调水平，不再存在失调水平的城市，实现了长江中游城市群数智发展与碳生产率耦合协调度的“脱贫”。到2022年，长江中游城市群数智发展与碳生产率耦合协调度良性发展趋势明显，由于区域内城市加快发展数字经济核心产业，数字经济与实体经济融合发展水平显著提高，28个样本城市的耦合协调度大多表现为中级协调及以上水平，协调度差异逐渐缩小。
在空间关联特征方面，运用全局空间自相关模型检验分析长江中游城市群数智发展与碳生产率耦合协调水平在空间方面的集聚特征。表2的结果表明，2012—2022年的全局莫兰指数均在1%的水平下显著为正，说明各城市的数智发展与碳生产率耦合协调度并非孤立存在，它们之间存在着关联性和相关性，具有显著的空间集聚特征。从时间上看，全局莫兰指数呈现出波动平缓上升趋势，这表明长江中游城市群数智发展与碳生产率的耦合协调在空间集聚特征方面呈现了逐渐增强态势，空间特征由“分散效应”逐步转化成“极化效应”。
表2 2012—2022年长江中游城市群数智发展与碳生产率耦合协调水平的全局莫兰指数

Tab.2 Moran's index of the coupling coordination level of digital intelligence development and carbon productivity in urban agglomerations of the middle reaches of the Yangtze River from 2012 to 2022

年份 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Moran's I 0.387 0.390 0.395 0.395 0.412 0.386 0.385 0.396 0.403 0.392 0.404
标准差 0.104 0.103 0.102 0.102 0.102 0.102 0.100 0.100 0.101 0.104 0.109
Z值 4.076 4.148 4.227 4.219 4.405 4.156 4.210 4.320 4.368 3.274 2.865
P值 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

4 影响因素分析

4.1 驱动因素检验

数智发展与碳生产率耦合协调的形成与变迁是经济社会发展各因素相互作用的结果。前文研究发现，长江中游城市群数智发展与碳生产率耦合协调呈现出空间集聚特征，并且协调水平逐年上升。为了进一步深化对这种耦合协调关系的理解，借鉴已有研究[33-34]，金融发展、人力资本、科技支持和产业结构是影响地区数智发展与碳生产率耦合协调关系的重要因素。因此，本文从这4个维度对其驱动因素展开实证检验与分析。具体来讲：①金融发展（Finance）用当地商业银行分支机构数量来衡量；②人力资本（Labor）用当地在校大学生人数的自然对数来衡量；③科技支持（TEC）用当地科技支出占其GDP比重来衡量；④产业结构（IS）用当地第三产业产值与第二产业产值比重来衡量。
在估计模型选用方面，LM检验结果拒绝了原假设，表明样本具有空间滞后和空间误差自相关效应；进一步地，LR和Wald检验结果支持了选用空间杜宾模型（SDM）的合理性。表3呈现了空间杜宾模型实证检验结果，列（1）~列（3）分别为控制空间固定效应、时间固定效应以及空间时间双向固定效应后的回归结果。具体来看：①金融发展（Finance）的回归系数都在1%的水平上显著为正，表明良好的货币金融环境有助于提升地区数智发展与碳生产率的耦合协调水平。其空间滞后系数也显著为正，说明金融发展具有显著的正向空间溢出效应。金融发展能够推动信贷等资源服务数智发展与碳生产率耦合协调。与此同时，本地金融发展还能产生一定辐射效应，助力周边地区数智发展与碳生产率耦合协调水平提高。②人力资本（Labor）的回归系数分别为-0.1372、-0.1401和-0.1283，都至少在5%的统计水平上显著，表明地区人力资本对数智发展与碳生产率耦合协调度具有负向影响。其空间滞后项系数也显著为负数，表明人力资本具有显著负向空间溢出效应，当地人力资本基础对周边地区的耦合度产生抑制作用。由于人力资本的流入流出与当地人才政策密切相关，在市场和政府共同作用下，人力资本往往向优势地区集聚，这虽然会在一定程度上增强优势地区“智库储备”，促进数智产业、低碳产业集聚发展，但也会削弱城市群内部人力资源的均衡，不利于资源整合。尤其对于城市群内部资源依赖程度较高的城市，由于没有足够的人力资本支持，导致其陷入“资源诅咒”困境。③科技支持（TEC）对耦合协调度发挥了显著的正向影响，其回归系数都至少在5%的统计水平上显著。提升碳生产率需要数智发展以实现绿色资源整合，同样嵌入绿色低碳导向的技术创新有助于推动数智发展达到更高阶形态。科学技术发展成为推动数智发展与碳生产率耦合协调的重要抓手。科技支持因素的空间滞后系数在1%和5%的统计水平上显著为正，这表明科技支持影响具有显著的空间正向溢出效应。④产业结构（IS）对数智发展与碳生产率耦合协调发挥了显著的正向促进作用，城镇化率和第三产业增加值占比不断提高，服务业成为经济增长的重要增长极，这将导致工业碳排放量在一定程度降低，推动碳生产率持续增长。同时，服务业升级反过来又激发了数智不断发展，持续优化产业结构能够成为数智发展与碳生产率耦合协调的重要助力。产业结构因素空间滞后系数在10%的水平上显著为正，表明产业结构还具有良好的正向空间溢出效应，有利于带动周边地区实现数智发展与碳生产率的耦合协调。
表3 空间杜宾模型检验回归结果

Tab.3 Regression results of spatial Durbin model

SDM模型检验
空间固定效应（1） 时间固定效用（2） 双固定效应（3）
Finance 0.0213***（3.12） 0.0307***（3.89） 0.0236***（2.77）
Lobor -0.1372**（-2.03） -0.1401***（-2.74） -0.1283**（-1.98）
TEC 0.0710**（2.36） 0.0802***（3.35） 0.0673**（2.01）
IS 0.0045*（1.87） 0.0039**（1.98） 0.0043*（1.66）
W·Finance 0.0100***（3.44） 0.0076***（3.17） 0.0087***（3.26）
W·Lobor -0.0153*（-1.71） -0.0201*（-1.94） -0.0147*（-1.83）
W·TEC 0.0108**（2.09） 0.0140**（2.36） 0.0122**（2.14）
W·IS 0.0008*（1.73） 0.0015*（1.92） 0.0012*（1.81）
Year NO YES YES
Region YES NO YES
N 308 308 308
R2 0.129 0.106 0.158

注：*、**、***分别表示10%、5%、1%显著性水平，括号内为t值。表4同。

4.2 效应分解

进一步运用Lesage等方法，求偏微分对有关驱动因素影响数智发展与碳生产率耦合协调的相关效应进行分解[34]（表4）。结果显示：①在直接效应方面，金融发展（Finance）、科技支持（TEC）、产业结构（IS）都至少在5%的统计水平上是显著的，说明当地的金融越发达、政府在科技方面支持力度越强大以及产业结构越完善，都将有助于提升城市数智发展与碳生产率耦合协调水平；人力资本（Labor）对于数智发展与碳生产率耦合协调发挥了抑制效应。②在间接效应方面，金融发展和科技支持的间接效应显著为正，其与正向直接效应共同形成了对数智发展与碳生产率耦合协调的促进作用；产业结构的间接效应不显著，总效应呈现出显著的促进作用；人力资本虽然间接效应显著为正，但是综合其负向的直接效应，其对地区数智发展与碳生产率耦合协调水平表现出显著的负向总效应。
表4 效应分解结果

Tab.4 Results of effect decomposition

SDM模型
直接效应 间接效应 总效应
Finance 0.0218***（3.47） 0.0165*（1.88） 0.0383***（3.07）
Lobor -0.1163***（3.12） 0.0321*（1.74） -0.0842**（2.11）
TEC 0.0496**（2.04） 0.0122*（0.19） 0.0618**（2.34）
IS 0.0035**（1.99） 0.0012（1.58） 0.0047*（1.73）
Year YES YES YES
Region YES YES YES

5 结论与建议

5.1 主要结论

本文以2012—2022年长江中游城市群28个城市为研究样本，首先综合运用熵值法、耦合协调模型等，对区域内数智发展水平与碳生产率水平的耦合协调度进行了系统性研究；进而运用箱形图、核密度估计和空间自相关模型等全面刻画了其耦合协调度的时空特征；最后基于空间杜宾模型探究了长江中游城市群数智发展与碳生产率耦合协调度的驱动因素。主要研究结论如下：①从时序变化特征来看，2012—2022年长江中游城市群数智发展与碳生产率的耦合协调水平表现出稳步提升态势，其中2012—2020年“分布沿中值集中”，2021—2022年“发展向两端扩散”，绝对差距渐趋收敛，增长相对平稳；在分布演化及延展趋势上，耦合协调度分布重心变化平缓、右拖尾趋势比左拖尾趋势更明显，呈现整体峰值向更高的协调度发展态势。②从空间变化特征来看，长江中游城市群数智发展与碳生产率耦合协调度实现了跨越式提升，形成了以“两个优质协调城市”武汉和长沙、“一个中级协调城市”南昌为中心的“多核心”地理特征增长极。至2017年，耦合协调度失调城市消失，实现耦合协调度整体“脱贫”，协调度差异逐渐缩小。③从耦合协调特征来看，长江中游城市群数智发展与碳生产率耦合协调度存在显著正向空间自相关性。其中金融发展、科技支持与产业结构对区域内数智发展与碳生产率耦合协调具有正向驱动作用；人力资本对区域内数智发展与碳生产率耦合协调具有负向影响。

5.2 对策建议

基于上述研究结论，本文提出如下对策建议：①坚持优势互补，协同发展。要实施“分类分区”异质性治理策略，以“多峰”地理特征增长极为中心形成资源集聚优势，通过政策引导促进区域协调发展；数智发展能够激活长江中游城市群各种提升碳生产率的发展要素间的协同作用，而提升碳生产率又会反哺数智发展，要统筹好教育科技人才一体化发展，优化人才引育路径来改善区域内人才结构，促进数智化绿色化协同发展。②坚持创新引领，改革驱动。要依托长江中游城市群高水平创新平台，加快推进数智领域的原创性引领性技术创新，加快面向提升碳生产率方面的多元化应用场景的技术融合和产品创新，狠抓绿色低碳技术攻关；要致力于打破行政分割和市场壁垒，培育以“长沙—武汉—南昌”为关键节点的优质协调先行示范区，构建高协调度区域与低协调度区域长效合作交流机制[35-36]，通过拓展区域合作、携手共赢发展。③坚持市场引导，金融支撑。要充分发挥市场配置资源的决定性作用，以健全绿色金融市场体系、创新绿色金融产品和服务、完善绿色金融服务供给等举措，加快传统产业转型升级和新兴产业培育，健全绿色转型市场化机制，进而全面促进长江中游城市群数智发展与碳生产率的耦合协调。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
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.

[2]
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.

[3]
王淑英, 卫朝蓉, 寇晶晶. 产业结构调整与碳生产率的空间溢出效应——基于金融发展的调节作用研究[J]. 工业技术经济, 2021, 40(2):138-145.

DOI

[4]
韩璐, 陈松, 梁玲玲. 数字经济、创新环境与城市创新能力[J]. 科研管理, 2021, 42(4):35-45.

[5]
熊磊, 石恒贵, 文泽宙. 数字技术驱动下普惠金融的减贫效果评价及其创新发展[J]. 科技管理研究, 2023, 43(12):68-76.

[6]
周青, 王燕灵, 杨伟. 数字化水平对创新绩效影响的实证研究:基于浙江省73个县(区、市)的面板数据[J]. 科研管理, 2020, 41(7):120-129.

[7]
周文辉, 王鹏程, 杨苗. 数字化赋能促进大规模定制技术创新[J]. 科学学研究, 2018, 36(8):1516-1523.

[8]
杨德明, 刘泳文. “互联网+”为什么加出了业绩[J]. 中国工业经济, 2018(5):80-98.

[9]
张争妍, 李豫新. 数字经济对我国碳排放的影响研究[J]. 财经理论与实践, 2022, 43(5):146-154.

[10]
孟凡生, 赵艳. 工业智能化、产业集聚与碳生产率[J]. 科学学研究, 2023, 41(10):1789-1799.

[11]
唐志鹏, 刘卫东, 宋涛. 基于混合地理加权回归的中国省域碳生产率影响因素分析[J]. 资源科学, 2017, 39(12):2223-2232.

DOI

[12]
Jahanger A, Usman M, Ahmad P. A step towards sustainable path:The effect of globalization on China's CP from panel threshold approach[J]. Environmental Science and Pollution Research, 2022,29:8353-8368.

[13]
裴海峰, 陈镜如. 基于省级面板数据的技术创新与碳生产率的关系研究[J]. 经济与管理评论, 2023, 39(4):109-119.

[14]
宋成镇, 刘庆芳, 马伟, 等. 技术创新对黄河流域地区和长江经济带碳生产率影响路径比较——基于数字金融的中介效应[J]. 资源科学, 2024, 46(3):450-461.

DOI

[15]
张文彬, 李国平. 中国区域经济增长及可持续性研究——基于脱钩指数分析[J]. 经济地理, 2015, 35(11):8-14.

[16]
周磊, 龚志民. 数字经济水平对城市绿色高质量发展的提升效应[J]. 经济地理, 2022, 42(11):133-141.

DOI

[17]
刘文俊, 彭慧. 区域制造企业数字化转型影响绿色全要素生产率的空间效应[J]. 经济地理, 2023, 43(6):33-44.

DOI

[18]
马中东, 周桐桐, 高建刚. 数字经济对黄河流域制造业绿色全要素生产率的影响研究[J]. 人民黄河, 2023, 45(4):6-12,34.

[19]
Grossman G M, Krueger A B. Economic growth and the environment[J]. The Quarterly Journal of Economics, 1995, 110(2):353-377.

[20]
徐维祥, 周建平, 刘程军. 数字经济发展对城市碳排放影响的空间效应[J]. 地理研究, 2022, 41(1):111-129.

DOI

[21]
荆文君, 孙宝文. 数字经济促进经济高质量发展:一个理论分析框架[J]. 经济学家, 2019(2):66-73.

[22]
葛立宇, 莫龙炯, 黄念兵. 数字经济发展、产业结构升级与城市碳排放[J]. 现代财经(天津财经大学学报), 2022, 42(10):20-37.

[23]
马海良, 张格琳. 偏向性技术进步对碳排放效率的影响研究——以长江经济带为例[J]. 软科学, 2021, 35(10):100-106.

[24]
Hsiao S H. PTE,innovation capital and firm value interactions in the biotech medical industry[J]. Journal of Business Research, 2014, 67(12):2636-2644.

[25]
宋洋. 数字经济、技术创新与经济高质量发展:基于省级面板数据[J]. 贵州社会科学, 2020(12):105-112.

[26]
谢云飞. 数字经济对区域碳排放强度的影响效应及作用机制[J]. 当代经济管理, 2022, 44(2):68-78.

[27]
郭俊杰, 方颖, 郭晔. 环境规制、短期失败容忍与企业绿色创新——来自绿色信贷政策实践的证据[J]. 经济研究, 2024, 59(3):112-129.

[28]
朱建华, 王虹吉, 郑鹏. 贵州省循环经济与绿色金融耦合协调发展研究[J]. 经济地理, 2019, 39(12):119-128.

DOI

[29]
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.

[30]
张云, 柏培文. 数智化如何影响双循环参与度与收入差距——基于省级—行业层面数据[J]. 管理世界, 2023, 39(10):58-83.

[31]
孙小强, 高秀云, 王玉梅. 制造业数智化融合转型发展的关键要素、机理分析及评价指标研究[J]. 中国科学院院刊, 2024, 39(2):323-332.

[32]
Kaya Y, Yokobori K. Environment,Energy,and Economy:Strategies for Sustainability[C]// Tokyo Conference on Global Environment, Energy,and Economic Development. Tokyo:1997.

[33]
陈佳琦, 姜海宁, 金星星. 长三角地区科技创新与绿色发展耦合协调格局及驱动机制[J]. 长江流域资源与环境, 2024, 33(5):924-936.

[34]
邓宗兵, 肖沁霖, 王炬, 等. 中国数字经济与绿色发展耦合协调的时空特征及驱动机制[J]. 地理学报, 2024, 79(4):971-990.

DOI

[35]
李俊明, 魏雯琪, 张鹏, 等. 中国市域数字经济发展对减污降碳协同的促进效应及其空间分异[J]. 经济地理, 2023, 43(12):169-180

DOI

[36]
熊磊, 胡石其. 长江经济带生态环境保护中政府与企业的演化博弈分析[J]. 科技管理研究, 2018, 38(17):252-257.

Options
Outlines

/

〈 〉