EN中文

Economic geography >

2025 , Vol. 45 >Issue 5: 13 - 22

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.05.002

Impact Mechanism of the Digital Economy on the Green Development Efficiency in the Yangtze River Delta Region

  • CHEN Hongji , 1, 2, 3 ,
  • HU Senlin 1, 2, 3 ,
  • ZENG Gang , 2, 3, ※ ,
  • CHEN Pengxin 1, 2, 3 ,
  • WANG Jiawei 1, 2, 3 ,
  • WAN Yuanyuan 1, 2, 3
Expand
  • 1. The Center for Modern Chinese City Studies，East China Normal University，Shanghai 200062，China
  • 2. Institute of Urban Development，East China Normal University，Shanghai 200062，China
  • 3. School of Geographic Sciences，East China Normal University，Shanghai 200062，China

Received date: 2024-06-22

  Revised date: 2025-01-15

  Online published: 2025-07-07

Fold

Abstract

Digital economy is an important force driving the regional green development and a strategic need to empower the high-quality integration in the Yangtze River Delta (YRD) region. This paper uses the methods of econometric regression model and chain mediation model to explore the mechanism of digital development on the green development efficiency in the Yangtze River Delta region. It's found that: 1) Both digital development and green development efficiency in the YRD region are rapidly improving, and have significant spatial and temporal heterogeneity and non-equilibrium development characteristics. 2) The digital economy can positively affect the green development efficiency through the parallel intermediary paths and chain intermediary paths of urban intercity cooperation on innovation, industrial structure upgrading and green technological innovation, with the total intermediary effect coefficient of 0.861, and the independent intermediary effect and chain intermediary effect accounting for 70.15% and 29.85%, respectively. 3) The impact intensity of the digital economy on the green development efficiency has heterogeneity in different grades of cities, the digital economy development is more able to promote the improvement of urban green development efficiency in high-grade cities. The research conclusions can provide decision-making references for the coordinated development of digitalization and greening in the Yangtze River Delta region and other areas.

Key words： digital economy; green development efficiency; multiple mediating effects; urban innovation cooperation; industrial structure upgrading; green technological innovation; the Yangtze River Delta Region

Cite this article

CHEN Hongji , HU Senlin , ZENG Gang , CHEN Pengxin , WANG Jiawei , WAN Yuanyuan . Impact Mechanism of the Digital Economy on the Green Development Efficiency in the Yangtze River Delta Region[J]. Economic geography, 2025 , 45(5) : 13 -22 . DOI: 10.15957/j.cnki.jjdl.2025.05.002

长三角地区作为中国经济发展最活跃、开放程度最高和创新能力最强的区域之一[1]，其社会经济发展取得巨大成就的同时也面临着严峻的生态环境问题[2]。2023年11月，习近平总书记在上海召开深入推进长三角一体化发展座谈会时指出，长三角区域要加强生态环境共保联治，建立健全绿色产业体系，加快形成可持续的生产生活方式。绿色发展作为实现经济和环境“双赢”的有效途径[3]，已然成为长三角地区一体化发展的主基调。数字经济时代，互联网、大数据、人工智能等数字技术正与社会经济活动全域渗透融合[4]，逐渐成为区域高质量发展的新质生产力，未来必将引发社会生产要素和生产关系的绿色变革，对绿色发展实现全方位赋能[5]。绿色发展效率作为衡量绿色发展水平和检验绿色发展成效的关键指标[6]，受到决策者、学者和社会公众的共同关注。在此背景下，探究长三角地区数字经济对绿色发展效率的作用机理和路径，对于推动区域数字化和绿色化“双化”协同发展具有重要意义。
数字经济与绿色发展效率是学界关注的热点话题。与本文密切相关的研究主要包括以下几个方面：①数字经济与绿色发展效率评价。数字经济评价方面，现有研究主要从数字基础、数字产业、数字治理等维度构建综合评价指标体系进行测度[7]；绿色发展效率方面，学者们广泛采用投入—产出模型，从要素投入、期望产出和非期望产出3个维度构建绿色发展效率评价体系[8]。②数字经济对绿色发展效率的影响机制。既有研究认为数字经济对绿色发展效率的作用路径包括直接效应和间接效应。在直接效应方面，有研究认为数字经济本身作为一种绿色经济，对区域绿色发展效率具有直接促进作用[9]。同时，鉴于数字经济与绿色发展作用机理的复杂性，学者们更倾向于探讨两者间的中介传导机制。数字经济来源且反馈于技术创新，进而作用于产业转型，最终推动绿色发展。因此，区域创新和产业结构成为学界探讨数字经济与绿色发展效率间复杂机理的解构器。已有研究重点讨论了绿色技术进步、产业结构升级等因素的中介效应[10]，认为数字经济发展能够促进技术创新，促进传统产业集约化和智能化发展，从而降低环境污染和资源冗余消耗[11]，提升绿色发展效率。③城市合作创新的中介效应。数字经济具有开放共享和互联互通的属性，能够打破时空约束，促进知识、技术、信息等创新要素跨界流动，促进城市合作创新[12]；而城市合作创新又能提高区域创新能力，推动产业转型升级，进而促进绿色发展效率的提升[13]。然而，鲜有研究探讨城市合作创新在数字经济与绿色发展效率作用过程中的中介路径和链式传导效应。
综上，数字经济对绿色发展效率的影响机制具有多元性、复杂性和动态性特征，不同机制路径之间存在复杂作用关系。本地创新与跨域创新是经济地理学关注的核心，两者相辅相成，是区域创新活动的一体两面。然而，当前研究仅探讨区域内部绿色技术进步、产业结构升级的中介效应，少有研究探讨城市间合作创新的中介传导机制；大部分研究仅仅关注单一中介路径或忽视了多个中介变量之间的相互作用和连续中介效应，鲜有研究关注数字经济通过多重中介变量的链式效应对绿色发展的影响，难以深刻反映数字化对绿色发展效率的影响机理。鉴于此，本文将数字经济、绿色发展效率、城市合作创新、产业结构升级和技术进步纳入统一框架，并基于长三角地区2011—2022年面板数据进行实证分析，试图揭示数字经济对绿色发展效率的多重作用路径，为长三角地区及其他地区数字化和绿色化协同发展提供政策启示。

1 理论分析与研究假设

1.1 数字经济与绿色发展效率

数字化发展对绿色技术创新产生深刻影响。大数据、区块链等数字技术可以克服创新活动的时空限制，促进创新资源流动、知识共享和技术整合，数字化发展能够加快信息流通，有助于知识、技术等创新要素的溢出和扩散[14]，促进创新主体以低成本和高效率方式获取和吸收外部知识，提高区域绿色技术创新能力；创新主体在产品设计和研发过程中使用虚拟和仿真等数字技术，能够有效提高绿色技术创新效率，从而降低非必要能源消耗和环境污染，进而提升绿色发展效率[15]。基于此，本文提出第1个研究假设。
H1a：数字经济能够促进绿色技术创新从而提升绿色发展效率。
数字经济能够促进区域产业结构转型升级。数字产业化与产业数字化是数字经济推动产业结构升级的两种主要方式。一方面，数字技术快速发展催生出如电子信息制造业、软件和信息技术服务业等新兴产业，同时物联网、大数据、云计算、人工智能等产业发展迅猛并引领数字经济发展潮流[16]；另一方面，数字技术能够与其他产业深度融合，对区域传统产业的生产链、价值链和创新链进行调整和变革，从而优化产业结构和资源配置方式[17]。基于此，本文提出第2个研究假设。
H1b：数字经济能够促进产业结构升级从而提升绿色发展效率。
数字经济能够促进城市合作创新。开放性、共享性和渗透性是数字经济的时代特征，数字化发展能够打破创新活动的时空壁垒，促进城市间知识交流、信息共享和技术整合[18]，数字技术的广泛应用能够扩大城市间协同创新范围与程度，促进城市创新合作网络的形成与发展[19]；现代信息网络和数字平台能够跨越创新研发要素的时间和空间流动，促进政府、企业、科研机构等多元主体协同创新。此外，城市合作创新还能促进先进的管理模式和经验共享，促进区域内各城市间绿色发展政策协调，从而提高绿色发展效率[20]。基于此，本文提出第3个研究假设。
H1c：数字经济能够促进城市合作创新从而提升绿色发展效率。

1.2 城市合作创新与绿色技术进步

城市合作创新是指不同城市联合开展科技创新活动，通过信息共享、资源互补、协同攻关等方式，推动技术创新和经济增长的过程。城市合作创新旨在打破地域壁垒，实现城市间在科技创新领域的合作共赢。在全球化和信息化背景下，“地方空间”向“流动空间”转变，创新合作网络和区域协同创新成为创新要素流动共享、创新主体协同合作的重要途径[21]。关系经济地理学派强调本地与跨区域协同创新的交互作用才能推动持续创新[22]。纵观已有研究，经济地理学者普遍认同城市合作创新能够促进区域之间创新要素流动，实现不同主体之间的先进技术共享和优势资源互补，提高城市的外部联系性和本地知识基础，提升区域绿色技术创新能力[23]。基于此，本文提出以下假设：
H2a：城市合作创新能够促进绿色技术进步；
H2b：数字经济发展能够通过城市合作创新和绿色技术进步的链式中介效应对绿色发展效率产生正向影响。

1.3 城市合作创新与产业结构升级

现有研究表明，城市间合作创新主要通过降低创新成本、提高生产效率和技术溢出效应推动城市产业结构升级。①通过与其他城市的合作获取外部资源和信息，弥补自身研发能力不足等问题，降低研发风险，减少各类成本投入，优化资源要素配置，进而推动区域内产业升级[24]。②在城市合作创新过程中，具有异质性和互补性的创新主体间的分工互动得以深化，因资源整合而实现生产优势、技术优势、管理经验优势等融合互补，促进显性知识和隐性知识转移[25]，从而提高资本与劳动效率和边际产出，推动产业结构调整与优化。③合作创新活动在创造和积累知识时能够产生技术溢出效应，促进新技术的传播和应用，提高生产效率和产品质量，从而推动产业结构的升级和转型[26]。基于此，本文提出以下假设：
H3a：城市合作创新能够促进产业结构升级。
H3b：数字经济发展能够通过城市合作创新和产业结构升级的链式中介效应对绿色发展效率产生正向影响。
综上所述，数字经济对绿色发展效率的影响机理具有多元化和复杂性特征。首先，数字经济本身具有绿色经济属性，能够直接推动绿色发展效率的提升。其次，数字技术的泛在应用使得数字经济通过产业结构升级、城市间合作创新和绿色技术创新等多重中介路径对绿色发展效率产生间接推动作用。基于此，本文构建了数字经济对绿色发展效率影响机理的理论分析框架（图1），旨在指导后续实证研究。
图1 数字经济对绿色发展效率的作用路径

Fig.1 Influence path of the digital economy on the green development efficiency

2 研究设计

2.1 研究方法

2.1.1 超效率SBM模型

传统SBM模型将松弛变量考虑到目标函数中，解决了投入产出变量松弛性问题，但其测得的有效决策单元效率值均为1，难以区分有效决策单元之间的效率差异，导致最终决策存在偏差[27]。而超效率SBM模型能够将效率值为1的有效单元进行再分解，实现对有效决策单元的比较，提升结果比较的准确性。因此，本文采用超效率SBM模型测算长三角地区的绿色发展效率。

2.1.2 基准回归模型

基于前述理论分析，本文设定以下基准回归模型来检验数字经济对绿色发展效率的影响：
G I E i t = α i + β l n D E I + γ l n M e d i a t o r i t + φ C o n t r o l i t + μ i + δ t + ε i t
式中： i、 t分别表示年份和城市；GIE为被解释变量绿色发展效率；DEI为数字经济水平；Mediator为中介变量，包括城市合作创新水平（UCI）、产业结构升级（INS）和绿色技术创新（GTI）； C o n t r o l为控制变量，包括经济发展水平（UED）、政府支持程度（DGS）、对外开放水平（LOU）、环境规制（ER）； α i为常数项； β 、 γ 、 φ为回归系数； μ i为城市个体效应； δ t为时间效应； ε i t是随机误差项。

2.1.3 链式多重中介模型

为进一步检验城市合作创新和产业结构升级的中介作用，本文参考盛科荣等的研究[28]，构建链式多重中介模型进行分析。计量模型如下：
l n M e d i a t o r i t = λ 0 + λ 1 l n D E I i t + φ 2 C o n t r o l i t + μ i + δ t + ε i t
G D E i t = γ 0 + γ 1 l n M e d i a t o r i t + γ 3 l n D E I i t + φ 3 C o n t r o l i t + μ i + δ t + ε i t
G D E i t = η 0 + η 1 l n I N S i t + η 2 l n U C I i t + η 3 l n D E I i t + φ 4 C o n t r o l i t + μ i + δ t + ε i t  
G D E i t = θ 0 + θ 1 l n G T I i t + θ 2 l n U C I i t + θ 3 l n D E I i t + φ 5 C o n t r o l i t + μ i + δ t + ε i t
式（2）检验数字经济发展对中介变量是否存在影响；式（3）检验数字经济分别通过3个中介变量对绿色发展效率的影响；式（4）和式（5）分别检验数字经济通过城市合作创新、产业结构升级和绿色技术创新的链式中介效应对绿色发展效应的影响。 λ 0~ λ 1、 γ 0 ~ γ 3、 η 0 ~ η 3、 θ 0 ~ θ 3均为待估计的参数。

2.2 变量选取

2.2.1 被解释变量

绿色发展效率（GDE）。参考已有研究[6]，基于投入—产出模型构建长三角地区绿色发展效率评价指标体系（表1）。在投入指标方面，根据新经济增长理论，劳动力和资本是最基本的生产要素，同时考虑到生态环境约束和资源消耗，本文从劳动力、资本和资源三方面选取指标衡量投入情况。产出包括期望产出和非期望产出，绿色发展内涵强调“社会—经济—生态”三重效应。因此，期望产出从经济效益、社会效益和生态效益三方面衡量；非期望产出选用废水、废气、粉尘等环境污染指标衡量。
表1 区域绿色发展效率评价体系及说明

Tab.1 Evaluation system of green development efficiency and its explanation

一级指标 二级指标 三级指标 代理指标 属性
绿
色
发
展
效
率		 投入 资本投入 环境治理投入费用、政府教育支出和政府科学事业费支出三者之和作为资本投入（万元） +
劳动投入 科研技术服务业就业人数（万人） +
资源投入 全社会用电量（亿kW·h） +
产出 期望产出 经济效益 城市人均GDP（元/人） +
社会效益 社会消费品零售总额（万元） +
生态效益 建成区绿化覆盖率（%） +
非期望产出 废水排放 工业废水排放量（t） -
废气排放 工业SO2排放量（t） -
粉尘排放 工业烟尘排放量（t） -

2.2.2 解释变量

数字经济水平（DEI）。参考赵涛、徐维祥等的研究思路[29-30]，从数字基础设施、数字发展环境、数字产业化和产业数字化4个方面选取9个指标构建长三角区域数字化发展评价指标体系（表2）。熵值法能够消除人为主观赋值带来的结果偏差，提高评价结果的客观性，但其测算结果具有失真性；层次分析法能够根据研究者的专业素养进行赋予权重，但具有较强的主观性。本文综合两种方法测算结果对指标赋予权重，以保证结果的真实性和可靠性。
表2 区域数字经济发展水平评价指标体系及说明

Tab.2 Evaluation system of regional digital economy and its explanation

一级指标 二级指标 三级指标 熵值法权重 层次分析法权重 综合权重
数字基础设施 固定宽带基础 每百人互联网用户数（户/百人） 0.0437 0.0324 0.0381
互联网基础 每百人移动电话用户数（户/百人） 0.0504 0.0325 0.0415
数字发展环境 数字行业从业人数 信息传输、软件和信息技术服务从业人员（万人） 0.0506 0.2031 0.1269
数字经济重视程度 数字经济关注度 0.2416 0.0231 0.1323
科学技术支出 科学技术支出（万元） 0.0696 0.1765 0.1231
数字产业化 电信业务 人均电信业务总量（万元/人） 0.1768 0.0677 0.1223
邮政业务 人均邮政业务总量（万元/人） 0.1856 0.0678 0.1267
产业数字化 数字创新水平 数字专利（件） 0.1502 0.2979 0.2241
数字金融水平 数字普惠金融指数 0.0316 0.0992 0.0654

2.2.3 中介变量

城市合作创新（UCI）。数字经济能够通过促进城市间合作创新水平从而提高绿色发展效率。城市间联合申请发明专利是不同创新主体间协同互动与创新联系的重要体现，已有研究采用社会网络分析法测算城市合作创新网络中的加权度中心性，以此衡量城市的协同创新水平[31]。因此，本文采用绿色创新合作网络中的加权度中心性表征各城市的协同创新水平。
产业结构升级（INS）。数字化发展能够通过产业结构升级的中介作用提高绿色发展效率。产业结构升级遵循由较低形态向高形态转变的动态演化过程，根据配第—克拉克定理，产业结构的升级部分体现为生产效率较高的产业在整个产业结构中占比上升[32]。在参考已有研究[29-32]的基础上，采用产业结构层次指数衡量产业结构升级水平。计算公式为：
I N S = g d p 1 G D P + 2 · g d p 2 G D P + 3 · g d p 3 G D P
式中： I N S是产业整体升级； g d p 1、 g d p 2、 g d p 3分别表示某城市某年份第一产业、第二产业、第三产业的产值； G D P表示某城市某年份的地区生产总值。
绿色技术创新（GTI）。由前述理论分析可知，数字经济能够通过促进绿色技术创新从而影响绿色发展效率。发明专利作为区域创新能力的集中体现，能较好反映城市技术创新水平。因此，本文采用人均绿色专利数量衡量城市绿色技术创新水平。

2.2.4 控制变量

除了数字化发展、城市合作创新水平、产业结构升级和绿色技术创新这4个重要变量之外，绿色发展效率还受到诸多因素的影响。参考已有研究[4]，选取经济发展水平（UED）、政府支持程度（DGS）、对外开放水平（LOU）、环境规制（ER）4个控制变量。选择依据如下：①经济发展水平（UED）。经济发展水平的提高必然会引起区域产业结构、消费结构等多方面转型升级，从而影响一个地区绿色发展效率。现有研究多采用人均GDP衡量经济发展水平，为避免控制变量与绿色发展效率所选指标重复，本文采用地均GDP表征城市的经济发展水平。②政府支持程度（DGS）。政府作用在中国城市绿色创新过程中扮演极为重要的角色，政府支持力度对增强区域绿色技术创新能力具有重要支撑作用。本文选取地方政府公共预算支出与GDP的比值衡量政府支持程度。③对外开放水平（LOU）。对外开放对区域的影响具有不确定性。一方面，对外开放会引进国际先进的技术知识，推动地方产业结构升级，提升区域绿色发展效率；另一方面，外资进入也会带来环境污染等现象，不利于绿色创新。长三角地区作为亚太地区重要的国际门户，扩大对外开放具有时代必然性，因而有必要讨论长三角地区对外开放程度对绿色发展效率的影响。基于此，本文选择各城市实际使用外资金额与GDP之比衡量开放程度。④环境规制（ER）。诸多研究表明，环境规制能够提高技术创新从而提高绿色发展效率[33]。已有研究主要采用污染治理结果或政府关注力度来衡量环境规制强度，为避免指标间内生性冲突，本文选取政府关注力度衡量环境规制强度，代理指标为政府工作报告中环保词频占比。

2.3 数据来源与处理

根据《长三角区域一体化发展规划纲要》（2019年），长三角地区包含上海市以及江苏省、浙江省和安徽省全域，共41个城市。考虑到数据的可得性，本文选择2011—2022年作为研究时段。以2011年作为研究起始年的原因在于，2011年中国“十二五”规划将新一代信息技术列为国家战略性新兴产业以来，中国数字经济蓬勃发展，全国数字经济规模占GDP比重从2011年的19.47%提高至2022年的41.5%，数字经济规模发展迅猛。本文使用的绿色创新合作专利数据来源于IncoPat专利数据库（https://www.incopat.com/），绿色创新专利检索策略参考WIPO公布的IPC绿色清单（https://www.wipo.int/classifications/ipc/green-inventory/home）；数字普惠金融指数来源于北京大学数字金融研究中心（https://idf.pku.edu.cn/）；数字经济关注度来源于百度指数（https://index.baidu.com/v2/index.html#/），基于R语言爬取2011—2022年各城市在百度指数中与数字化相关词汇数量作为数字经济关注程度；数字经济专利根据国家知识产权局发布的《国际专利分类与国民经济行业分类参照关系表（2018）》与国家统计局2021年发布的《数字经济及其核心产业统计分类》进行匹配计算得出，数据来源于国家知识产权局（https://www.cnipa.gov.cn/）；政府工作报告文本数据来源于各城市政府网站；其他指标数据主要来源于各地级及以上城市统计年鉴。缺失数据通过查找各地级市统计公报或官方网站得到，或采用均值替换法和回归替换法插补。

3 结果与分析

3.1 数字经济和绿色发展效率的时空格局

3.1.1 时序演化特征

2011—2022年，长三角地区数字经济水平和绿色发展效率均显著提升（图2）。具体来看，长三角地区数字化平均水平由2011年的0.08提升到2022年的0.29，尤其是2017年后数字化发展趋势尤为明显，主要原因在于，2016年中国出台了《大数据产业发展规划（2016—2020年）》，在国家政策引导和支持下，数字经济发展环境持续优化，数字经济得以高速发展，但随着中美贸易战、科技战、数据战日益白热化，加之2020年受到新冠疫情冲击，其后数字经济发展有所减缓。长三角绿色发展效率平均水平由2011年的0.59提升至2022年的0.94，以2014年为节点，呈现出“先缓后快”的提升态势。主要原因在于，长三角地区快速的工业化和城市化进程中，高耗能行业在拉动经济增长的同时也造成大量的能源消耗和环境污染，尤其是大气污染极为严重，2014年长三角地区工业烟粉尘排放量达178.55万t，较2011年增长70.37万t，非期望产出较大，因而2011—2014年长三角绿色发展效率提升缓慢。2014年，长三角地区出台《长三角区域落实大气污染防治行动计划实施细则》，其后出台一系列政策文件加大对环境保护、污染防治以及产业升级的力度，从而促使绿色发展效率得到显著提升。从Pearson相关性检验来看，绿色发展效率和数字经济水平之间的相关系数值R为0.981，并且呈现出0.01水平的显著性，说明两者间存在显著的正相关关系。但从两者变化趋势来看，数字经济水平和绿色发展效率的发展速度并不一致，可能原因是数字经济的发展在不同阶段对绿色发展效率的作用程度存在差异，并且绿色发展效率的影响机理具有多元性和复杂性，除数字经济外，区域绿色发展效率还受到其他诸多因素的综合作用。
图2 2011—2022年长三角地区数字经济与绿色发展效率的变化

Fig.2 Evolution of digital economy and green development efficiency in the Yangtze River Delta region in 2011-2022

3.1.2 空间演化特征

基于ArcGIS将数字经济发展水平和绿色发展效率测算结果进行空间可视化（图3），并采用自然断裂法将测算结果划分为高、较高、一般、较低、低5个等级。整体而言，研究期内长三角地区数字经济发展水平呈现出“东高西低”的空间特征，其中上海、南京、杭州、苏州、宁波等城市数字经济水平长期处于高水平地位，引领长三角数字化发展，主要原因在于这5个城市作为中国超大或特大城市，发展数字经济具有显著优势，在产业基础、科研实力、数字基础设施、人才支撑、政策环境等方面具有得天独厚的禀赋和条件。
图3 长三角地区数字经济水平与绿色发展效率的空间演化

Fig.3 Spatial evolution of digital economy level and green development efficiency in the Yangtze River Delta region

而在绿色发展效率方面，2011—2022年长三角地区整体提升显著。2011年，长三角地区绿色发展效率空间格局呈现出显著的“核心—边缘”结构，其中黄山、舟山等城市凭借着生态环境优势，其绿色发展效率引领长三角地区，而其他地区处于均质化低水平发展状态；2022年，长三角地区大部分城市的绿色发展效率都显著提升，高效率城市主要集中分布在安徽南部一些生态环境较好的城市，以及上海、杭州、合肥等核心城市。可能原因是，一方面六安、黄山等城市具有生态环境优势，在环境规制和政策引导下绿色发展取得较大成效；另一方面，上海、杭州、合肥等核心城市近年来基本完成了产业优化转型和升级，对资源环境依赖度降低，经济发展由资源要素驱动转向科技创新驱动。

3.2 影响机制与异质性分析

3.2.1 基准回归结果

为保证模型设定的科学性，本文首先进行Hausman检验，结果拒绝了“支持随机效应模型”原假设（Prob>chi2=0.000），因此选择固定效应下的面板回归模型。表3回归结果显示：长三角地区数字经济对绿色发展效率具有显著促进作用。其中，模型1在未加入任何控制变量的情况下，数字经济对绿色发展效率的回归系数在1%的置信水平下显著为正；模型2在加入控制变量的情况，数字经济依然对绿色发展效率的提升具有显著正向影响，回归系数为1.014。模型3~模型5分别报告了数字经济对城市合作创新、产业结构升级和绿色技术创新的影响，结果显示数字经济对3个中介变量皆具有显著的促进作用，可以进一步探讨多重中介效应。
表3 2011—2022年长三角地区数字经济与绿色发展效率的回归结果

Tab.3 Regression results of digital economy and green development efficiency in the Yangtze River Delta region from 2011 to 2022

解释
变量		 模型1 模型2 模型3 模型4 模型5
GDE GDE lnUCI lnINS lnGTI
lnDEI 1.297*** 1.014*** 0.239*** 0.868*** 0.368***
（27.723） （15.880） （3.332） （20.883） （7.785）
lnUED 0.073*** 0.095*** -0.060*** 0.126***
（4.994） （5.752） （-6.263） （11.584）
lnDGS -0.179 0.126 -0.036 0.162
（-1.308） （0.814） （-0.403） （1.599）
lnLOU -0.846*** -0.209 -0.483** 0.212
（-2.657） （-0.584） （-2.330） （0.898）
lnER 3.611*** -4.728*** 5.037*** -2.247**
（2.776） （-3.230） （5.949） （-2.334）

注：*、**、***分别表示在0.10、0.05、0.01水平上显著，括号中数据为t值。表4~表6同。

3.2.2 影响机制分析

数字经济分别通过城市合作创新、产业结构升级和绿色技术创新的并行中介路径提升绿色发展效率。表4报告了数字经济对绿色发展效率的多重中介路径的逐步回归结果，其中模型1~模型3在依次加入城市合作创新、产业结构升级和绿色技术创新3个中介变量后，数字经济对绿色发展效率的回归系数在1%的置信水平下显著为正，表明城市合作创新、产业结构升级和绿色技术创新在数字经济对绿色发展效率的影响过程中发挥着重要的中介效应，中介模型回归系数大小依次为：产业结构升级（0.523）>绿色技术创新（0.293）>城市合作创新（0.174），验证了假设H1a、H1b和H1c成立。这与已有研究结论一致[14]，然而，本文中产业结构升级的中介效应强于其他中介变量，可能原因在于：一方面，数字经济本身就是产业结构高级化的重要经济形态；另一方面，绿色技术创新也作用于产业转型，因而产业结构升级在数字经济对绿色发展效率的作用过程中发挥着核心中介效应。
表4 多重中介路径逐步回归结果

Tab.4 Results of stepwise regression with multiple intermediary paths

变量 模型1 模型2 模型3 模型4 模型5 模型6 模型7
GDE GDE GDE lnINS lnGTI GDE GDE
lnDEI 0.972***（15.321） 0.560***（6.628） 0.943***（13.984） 0.860***（20.456） 0.249***（7.904） 0.535***（6.425） 0.976***（14.386）
lnUCI 0.174***（4.221） 0.132***（4.154） 0.495***（24.080） 0.158***（4.060） 0.182***（2.895）
lnINS 0.523***（7.632） 0.508***（7.530）
lnGTI 0.293***（4.044） 0.115***（3.155）
控制变量 是 是 是 是 是 是 是
此外，数字经济还通过“城市合作创新→产业结构升级”“城市合作创新→绿色技术进步”两条链式中介路径提升绿色发展效率。模型4和模型5分别检验了城市合作创新对产业结构升级和绿色技术创新的影响，回归系数在1%的置信水平下显著为正，表明城市合作创新能够促进区域产业结构升级和绿色技术的进步，验证了假设H2a和H3a成立。模型6和模型7检验了“城市合作创新→产业结构升级”“城市合作创新→绿色技术进步”在数字经济对绿色发展影响过程中的链式中介效应，回归结果显著为正，表明数字经济不仅能够通过3个中介变量的独立中介路径对绿色发展效率产生影响，还能通过中介变量的相互作用和链式中介传导路径对绿色发展效率发挥作用，验证了假设H2b和H3b成立，即数字经济发展能够通过城市合作创新和绿色技术进步、城市合作创新和产业结构升级的链式中介效应对绿色发展效率产生正向影响，进一步证明了数字经济对绿色发展效率的作用路径具有多元化和复杂化特征。
为进一步检验中介效应是否存在，本文采用Bootstrap抽样检验法进行验证，结果表明，3个中介变量的独立中介效应和链式中介效应均显著为正（表5）。总中介效应系数为0.861，城市合作创新、产业结构升级和绿色技术创新的独立中介效应分别为0.231、0.252和0.121，占总中介效应的26.83%、29.27%和14.05%；“城市合作创新→产业结构升级”“城市合作创新→绿色技术创新”的链式中介效应分别为0.142和0.115，占总中介效应的16.49%和13.36%。进一步佐证了研究假设成立。
表5 多重中介效应检验结果

Tab.5 Test results of multiple mediation effects

检验方法 总中介效应 UCI的中介效应 INS的中介效应 GTI的中介效应 UCI与INS的链式中介效应 UCI与GTI的链式中介效应
Bootstrap抽样法 0.861***（7.674） 0.231***（3.192） 0.252***（7.101） 0.121***（3.842） 0.142***（3.831） 0.115***（2.991）

3.2.3 异质性分析

上文实证了数字经济能够显著提升绿色发展效率，然而不同地区的发展程度具有差异性，数字经济对绿色发展效率的影响理应存在异质性。因此，本文参考已有研究[34]的思路，从城市等级视角出发进行城市异质性分析，将省会城市、副省级城市和“较大的市”划分为高等级城市，其他的则为一般等级城市，其中高等级城市包括上海、南京、无锡、苏州、杭州、合肥和宁波。结果显示（表6），无论是高等级城市还是一般等级城市，数字经济促进绿色发展效率提升的结论依然成立。然而，高等级城市的数字经济发展更有助于推动绿色发展效率的提升，其原因可能在于，高等级城市在产业基础、科研实力、政策环境等方面具有得天独厚的优势，数字经济发展到一定规模后的其外部溢出效应逐渐凸显和强化。
表6 城市异质性分析结果

Tab.6 Results of heterogeneity analysis in different grades of cities

变量 高等级城市 一般等级城市
模型1 模型2 模型3 模型4 模型1 模型2 模型3 模型4
GDE GDE GDE GDE GDE GDE GDE GDE
lnDEI 0.879***（11.955） 0.831***（11.001） 0.383***（3.909） 0.750***（9.523） 0.504***（2.708） 0.412**（2.430） 0.297**（2.622） 0.147**（2.242）
lnUCI 0.357**（2.488） 0.192***（3.867）
lnINS 0.488***（7.134） 0.729（1.537）
lnGTI 0.546***（4.069） 0.391***（4.324）
控制变量 是 是 是 是 是 是 是 是

4 结论与讨论

4.1 结论

①长三角地区数字化发展水平和绿色发展效率均快速提升，且两者在时空演化进程中呈现出显著异质性和非均衡发展特征。2011—2022年，长三角地区数字化发展水平从0.08提升到0.29，且2017年后数字化发展趋势尤为明显；绿色发展效率从0.62提升至0.93，以2014年为节点，呈现出“先缓后快”的提升态势。
②长三角地区数字经济显著提升了绿色发展效率。在控制了经济发展、政府支持等因素后，数字化发展对绿色发展效率的影响仍在1%水平下正向显著。此外，数字经济对绿色发展效率的作用强度具有显著的城市异质性，与一般等级城市相比，高等级城市的数字经济发展更能促进城市绿色发展效率的提升。
③数字经济对绿色发展效率的作用机制具有多元性和复杂性，能够通过城市合作创新、产业结构升级和绿色技术创新的独立中介路径和链式中介路径正向影响绿色发展效率，总中介效应系数为0.861，其中独立中介效应和链式中介效应分别占70.15%和29.85%。
④城市合作创新在数字经济对绿色发展效率的影响过程中扮演着极为重要的中介角色，不仅能够作为数字经济对绿色发展效率的中介传导，还能正向影响城市产业结构升级和绿色技术创新。

4.2 讨论

本文在探讨数字化发展与绿色发展效率的时空演化特征的基础上，实证分析了数字经济对绿色发展效率的链式多重中介传导路径，为深入理解数字化和绿色化协同发展提供了理论支撑和科学借鉴。与已有研究相比[15-16]，本文关注数字经济通过多重中介路径以及链式中介效应对绿色发展效率的影响，并探讨了城市合作创新在数字经济与绿色发展效率互动过程中的作用，具有一定的创新性。然而，数字经济对绿色发展效率的作用机制具有复杂性、地域性和动态性等特征，未来可从不同产业、不同地域着手深化数字经济对绿色发展效率的研究内容。
根据研究结论，本文提出以下政策建议：①加快推动区域数字化绿色化“双化”协同转型。一方面，应引导实体经济企业生产装备的数字化升级，深化生产制造、经营管理、市场服务等环节的数字化应用，提高传统产业生产效率和资源利用率，实现传统产业数字化、智能化和绿色化发展；深入推进人工智能、大数据、数据中心等数字基础设施建设，为绿色技术的研发、应用和优化提供数据支持。另一方面，应深入建设长三角城市协同创新联合体，促进知识共享和技术整合，通过区域协同创新进一步推动各城市技术进步和产业结构升级，从而降低生产能耗和污染排放，推动区域绿色发展。②因地制宜选择数字经济与绿色发展路径。上海、杭州、南京等高等级城市应发挥引领作用和溢出效应，建立完善的数据交易市场和流通机制，促进数据资源的开放共享和高效利用，带动周围地区数字化转型；一般等级城市应以产业结构升级为重点，推动企业数字化和绿色化转型，加强与周边城市的区域协同合作，利用区域资源禀赋和比较优势，形成错位发展、优势互补的数字经济区域布局。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
曾刚, 王丰龙. 长三角区域城市一体化发展能力评价及其提升策略[J]. 改革, 2018(12):103-111.

[2]
胡森林, 鲍涵, 郝均, 等. 环境规制对长三角城市绿色发展的影响——基于技术创新的作用路径分析[J]. 自然资源学报, 2022, 37(6):1572-1585.

[3]
程丹亚, 曾刚, 胡森林. 国外环境经济地理研究进展[J]. 经济地理, 2023, 43(3):44-56.

DOI

[4]
王胜鹏, 滕堂伟, 夏启繁, 等. 中国数字经济发展水平时空特征及其创新驱动机制[J]. 经济地理, 2022, 42(7):33-43.

DOI

[5]
韩晶, 陈曦, 冯晓虎. 数字经济赋能绿色发展的现实挑战与路径选择[J]. 改革, 2022(9):11-23.

[6]
周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素[J]. 地理学报, 2019, 74(10):2027-2044.

DOI

[7]
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

[8]
窦睿音, 焦贝贝, 张文洁, 等. 西部资源型城市绿色发展效率时空分异与驱动力[J]. 自然资源学报, 2023, 38(1):238-254.

DOI

[9]
Wang K L, Sun T T, Xu R Y, et al. How does internet development promote urban green innovation efficiency? Evidence from China[J]. Technological Forecasting and Social Change, 2022,184:122017.

[10]
Luo K, Liu Y B, Chen P F, et al. Assessing the impact of digital economy on green development efficiency in the Yangtze River Economic Belt[J]. Energy Economics, 2022,112:106127.

[11]
范丹, 孙晓婷. 环境规制、绿色技术创新与绿色经济增长[J]. 中国人口·资源与环境, 2020, 30(6):105-115.

[12]
Lange S, Pohl J, Santarius T. Digitalization and energy consumption. Does ICT reduce energy demand?[J]. Ecological Economics, 2020,176:106760.

[13]
Tang M G, Liu Y L, Hu F X, et al. Effect of digital transformation on enterprises' green innovation:Empirical evidence from listed companies in China[J]. Energy Economics, 2023,128:107135.

[14]
Chirumalla K, Leoni L, Oghazi P. Moving from servitization to digital servitization:Identifying the required dynamic capabilities and related microfoundations to facilitate the transition[J]. Journal of Business Research, 2023,158:113668.

[15]
程丹亚, 曾刚. 长三角区域绿色技术创新对工业二氧化碳排放影响的空间效应研究[J]. 长江流域资源与环境, 2023, 32(6):1152-1164.

[16]
余博, 潘爱民. 数字经济、人才流动与长三角地区高质量发展[J]. 自然资源学报, 2022, 37(6):1481-1493.

DOI

[17]
Mondejar M E, Avtar R, Diaz H L, et al. Digitalization to achieve sustainable development goals:Steps towards a Smart Green Planet[J]. Science of the Total Environment, 2021,794:148539.

[18]
Wu L F, Sun L W, Chang Q, et al. How do digitalization capabilities enable open innovation in manufacturing enterprises? A multiple case study based on resource integration perspective[J]. Technological Forecasting and Social Change, 2022,184:122019.

[19]
Lyytinen K, Yoo Y J, Boland R J. Digital product innovation within four classes of innovation networks[J]. Information Systems Journal, 2016, 26(1):47-75.

[20]
Zhao S L, Cacciolatti L, Lee S H, et al. Regional collaborations and indigenous innovation capabilities in China:A multivariate method for the analysis of regional innovation systems[J]. Technological Forecasting and Social Change, 2015,94:202-220.

[21]
周灿, 曾刚, 尚勇敏. 演化经济地理学视角下创新网络研究进展与展望[J]. 经济地理, 2019, 39(5):27-36.

DOI

[22]
司月芳, 曾刚, 曹贤忠, 等. 基于全球—地方视角的创新网络研究进展[J]. 地理科学进展, 2016, 35(5):600-609.

DOI

[23]
范斐, 连欢, 王雪利, 等. 区域协同创新对创新绩效的影响机制研究[J]. 地理科学, 2020, 40(2):165-172.

DOI

[24]
孙大明, 原毅军. 空间外溢视角下的协同创新与区域产业升级[J]. 统计研究, 2019, 36(10):100-114.

[25]
周灿, 曾刚, 王丰龙, 等. 中国电子信息产业创新网络与创新绩效研究[J]. 地理科学, 2017, 37(5):661-671.

DOI

[26]
Lapple D, Renwick A, Cullinan J, et al. What drives innovation in the agricultural sector? A spatial analysis of knowledge spillovers[J]. Land Use Policy, 2016,56:238-250.

[27]
吴启余, 曾刚, 杨阳, 等. 长三角城市绿色创新效率时空演变与绿色创新网络驱动效应[J]. 长江流域资源与环境, 2024, 33(3):461-471.

[28]
盛科荣, 李晓瑞, 孙威, 等. 中国城市网络地位对碳排放效率的影响[J]. 地理学报, 2023, 78(11):2864-2882.

DOI

[29]
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.

[30]
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

[31]
戴靓, 丁子军, 曹湛, 等. 长三角地区城市协同创新网络的演化特征及其驱动力[J]. 资源科学, 2023, 45(5):1006-1019.

DOI

[32]
黄寰, 黄辉, 肖义, 等. 产业结构升级、政府生态环境注意力与绿色创新效率——基于中国115个资源型城市的证据[J]. 自然资源学报, 2024, 39(1):104-124.

DOI

[33]
Zhang J X, Kang L, Li H, et al. The impact of environmental regulations on urban green innovation efficiency:The case of Xi'an[J]. Sustainable Cities and Society, 2020,57:102123.

[34]
郭艺, 曹贤忠, 魏文栋, 等. 长三角区域一体化对城市碳排放的影响研究[J]. 地理研究, 2022, 41(1):181-192.

DOI

Options
Outlines

/

〈 〉