2025, Vol. 46
改革开放以来，中国的经济社会快速发展，国内生产总值稳居世界第二位，生产力水平逐步提高，物质财富极大丰富，人民生活幸福感获得感不断增强. 然而，中国在经济建设的同时对生态环境造成了破坏，水污染、大气污染和森林破坏等生态环境问题频发，地区生态压力逐渐增大. 如何缓解生态压力，提升生态韧性，实现经济发展和生态保护协同推进，是当前中国迫切要解决的重要问题. 党的十七大首次提出建设“生态文明”目标，并在党的十八大将其纳入“五位一体”总体布局，党的十九大明确“加快生态文明体制改革，建设美丽中国.”党的二十大进一步提出“深入推进环境污染防治，提升生态系统多样性、稳定性、持续性. ”国家对生态文明建设的重视正在逐渐加强.
与此同时，由新一代信息和通讯技术（ICT）催生的数字经济正在蓬勃发展. 中国信息通讯研究院发布的《中国数字经济发展研究报告（2023年）》显示，2022年，中国数字经济规模达50.2万亿元，总量稳居世界第二，同比增长10.3%，占国内生产总值的41.5%. 数字经济具有环境友好、绿色发展等显著特征，可以发挥推动人民生产生活方式绿色变革，促进产业向绿色化、数字化、智能化转型等作用[1]，为实现经济发展的同时保护生态环境带来了新的机遇. 党的二十大报告指出“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节.” 2024年《政府工作报告》提出“加强生态文明建设，推进绿色低碳发展，推动生态环境综合治理. ”数字经济在绿色发展中的作用正在逐渐显现. 那么，在经济绿色发展的背景下，数字经济对生态韧性的影响究竟如何？数字经济发展通过何种路径对生态韧性产生影响？本地区数字经济发展对其它地区生态韧性的影响是否存在？厘清上述问题，可以深化对数字经济发展与生态韧性关系的认识，明确数字经济是提升生态韧性的有效手段，为实现经济绿色发展提供新的思路，以期为未来中国生态韧性的提升和实现生态文明的目标提供有益的政策启示.
已有研究对于生态韧性、数字经济以及数字经济与生态环境的关系进行了分析. “韧性”（resilience）意为“恢复到初始状态的能力”[2]. Holling[3]首次将韧性概念应用到系统生态学领域，指出生态韧性是生态系统在遭受不同类型的冲击时尽力维持其原有的稳定状态. Folke[4]指出生态韧性不仅具备吸收干扰的能力，还包含适应、学习和自组织的能力，能实现人与环境系统的协调发展. Chaffin等[5]认为生态韧性是指系统在保持结构、功能、反馈和基本系统特性的情况下抵御干扰的能力. 综上，可将生态韧性定义为生态环境在受到外在干扰后恢复到原来状态的能力，对于突然外部干扰的抵抗能力以及在受到长期外部干扰时的适应能力. 随着生态韧性研究的深入，关于生态韧性的影响因素可以归纳为以下3类：第一类是地形条件、水源条件、空间位置和植被覆盖等自然因素[6]；第二类是经济发展水平、投资水平、产业结构和贸易开放程度等经济因素[6，7]；第三类包括人口、技术创新、教育状况和环境规制等社会因素[6，7]. 相关研究主要聚焦自然、社会以及部分经济因素对生态韧性的影响，而从数字经济视角对生态韧性影响的研究还相对较少.
数字经济是以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动[8]. 数字经济作为新型经济业态，可以为经济绿色发展提供新动能[1]，也可以为生态环境的改善带来新机遇. 现有关于数字经济与生态韧性关系的研究相对较少，多数研究集中于数字经济对生态环境的影响. 数字经济可以通过利用大数据和物联网等数字技术，对生态环境指标实时追踪，从而促进资源节约、能源合理利用，进而稳步提高生态环境质量[9]. 数字经济具有高渗透性特征，也可以通过与各行各业融合，促进资源利用率提高，提升生产力水平，进而减少污染物排放，改善和提升绿色生态效率[10]. 数字经济还可以通过发挥基础设施、资源配置、技术创新以及结构优化等效应减少碳排放[11]，同时还能通过空间溢出效应抑制临近地区的碳排放[12]，进而改善区域生态环境状况. 此外，信息化可以通过加快农村居民普及环保理念和提高农业的生产效率和精细化水平等方式改善居民的生活方式和生产方式，从而促进乡村生态韧性的提高[13].
与现有研究相比，本文可能的边际贡献如下：①现有研究较少针对数字经济和生态韧性之间的关系进行理论和实证分析，且已有对数字经济与生态韧性关系的研究仅限于局部地区，缺少全国层面两者关系的研究. 本文将数字经济与生态韧性纳入同一分析框架，以全国286个城市为研究样本对数字经济发展对生态韧性的影响进行实证研究，深化了关于数字经济发展与生态韧性关系的认识. ②现有研究多基于线性角度研究数字经济发展对生态环境影响，缺乏对两者关系非线性特征的分析. 本文使用门槛回归模型探讨了以要素配置效率和人力资本水平作为门槛变量的情况下数字经济发展对生态韧性影响的非线性特征，丰富了现有数字经济发展对生态韧性影响的研究. ③现有关于数字经济影响生态韧性作用机制的研究比较缺乏. 本文同时纳入技术创新和经济集聚两个中介变量，探究其在数字经济发展影响生态韧性过程中的作用. 此外，本文不仅从传导机制出发，还创新性引入政府新质生产力关注度作为调节变量，分析其在数字经济发展与生态韧性关系中的调节作用，丰富了数字经济发展影响生态韧性的作用机制研究，为中国生态韧性的提升和推进生态文明建设提供思路. ④现有研究缺乏数字经济发展对生态韧性影响的空间关联特征探讨. 本文基于“本地-邻地”效应的视角，构造邻接和反距离空间权重矩阵，采用双向固定效应空间杜宾模型检验数字经济发展对生态韧性影响的空间溢出效应，以期为地区之间协作强化生态韧性提供了政策依据.
1 理论分析与研究假设 1.1 数字经济发展对生态韧性的影响数字经济是以数字化的知识和信息作为关键生产要素[14]. 数字化的知识和信息可被称作数据，数据以虚拟的非实物形式存在，具有来源开放性、可复制性和非竞争性等特征[15]，因此，数据的生产、流动和使用过程中本身就具有环保特征. 而数字经济是以数据作为关键生产要素，从数字经济自身来看，数字经济发展可以通过加大数据要素投入优化要素配置，实现对其他物质生产要素的替代[16]，更好发挥数据要素的环境友好性，从而提升生态韧性. 此外，数字经济以数字技术为核心驱动力量，可以通过数字技术与实体经济深度融合[14]. 数字经济可以依靠数字技术收集环境污染信息，把握污染动态，辅助环境政策制定[17]，提升环境治理效率，强化环境治理，保护地区生态；也可以通过产业数字化赋能，推动传统产业转型升级，不断重塑低碳化产业结构，优化能源消费结构[18]，减少环境污染，提升生态韧性. 基于以上分析，提出研究假设1.
假设1：数字经济发展能够显著提升生态韧性.
1.2 数字经济发展对生态韧性影响的中介效应数字经济发展对生态韧性的提升作用可能通过不同的中介机制进行传导. 数字经济以数字技术作为物质技术基础，通过与经济社会各领域深度融合[8]，赋能各行业数字化转型，进而影响微观企业的经济活动，而企业的经济活动变化必然会影响到当地生态环境，因此有必要从技术创新角度探讨数字经济发展对生态韧性的影响. 此外，数字经济以现代信息网络作为重要载体[8]，可以通过平台推动经济要素线上集聚以及促进信息共享强化产业线下集聚，进而发挥网络效应以及规模经济优势，降低产业污染分散度，实现污染集中治理，因此有必要从经济集聚角度探讨数字经济发展对生态韧性的影响.
从技术创新角度，一方面，数字经济发展可以通过数字产业化和产业数字化，增加对高素质人力资本的需求，优化人力资本结构，为技术创新提供创新的要素基础[19]. 数字经济发展也可以通过降低企业内部的管理、营业和融资成本，缓解企业资金压力，使企业将更多资金用于技术创新，提升技术创新水平[20]. 数字经济发展还可以通过重塑人们的生产方式和生活方式，增强对消费质量和消费效率的要求，倒逼企业进行创新，以满足消费者不断升级的需求. 另一方面，技术创新可以通过优化资金配置，促使高能耗和污染产业向低碳和绿色型产业转型[21]，从生产端减少环境污染，增强生态韧性. 技术创新还可以促进公共绿色消费观念的传播，增强对绿色产品的需求以及绿色生活方式的普及，在消费端减少环境污染，增强生态韧性[22].
从经济集聚角度，一方面，数字经济能够通过数字技术促进信息自由流动，推动生产要素线上或线下集中，进而推动产业的规模经济形成. 数字经济发展也可以促使企业依托各类信息平台拓展企业业务范围，提升市场竞争水平，从而加强经济集聚[23]. 数字经济发展还可以通过网络平台提升企业与企业之间、企业与消费者间的信息耦合度，满足消费者个性化需求，实现规模化柔性生产，从而促进经济集聚[24]. 另一方面，经济集聚可以通过知识溢出、技术创新和资源共享进行规模化的污染治理，改善地区环境状况[25]. 经济集聚还可以推动治理政策的完善，减少政策壁垒导致的资源浪费和效率低下，进而推动环境保护，提升生态韧性. 基于以上分析，提出研究假设2.
假设2：数字经济发展能够通过促进技术创新和经济集聚提升生态韧性.
1.3 政府新质生产力关注度的调节效应新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能和高质量特征，符合新发展理念的先进生产力质态[26]. 新质生产力自2023年9月由习近平总书记提出以来就受到国内外学界与其他行业的广泛关注，各级政府也围绕发展新质生产力做出积极建设性回应[26]. 考虑到经济活动与生态环境的关系会受到政府相关政策以及当前工作重点的影响，而新质生产力又符合新发展理念，强调绿色发展，因此，有必要探讨政府新质生产力关注度提升对数字经济与生态韧性关系的影响.
政府新质生产力关注度的提高意味着政府对摆脱传统经济增长方式、科技创新以及贯彻新发展理念的重视，可以形成政府关注力软约束，进而能够推动地区转变经济发展方式以及科技创新，促进经济绿色发展，降低环境污染，实现环境保护，提升生态韧性. 此外，政府新质生产力关注度的提高会使政府有计划有重点地投入相应资源，数字经济以数字技术为核心驱动力量，环境保护以及修复需要资金和技术支持，政府加大政策支持以及资金投入不仅可以直接实现环境治理还可以促使企业研发新兴数字技术，推动绿色创新，为环境保护提供技术支持，最终促使生态韧性提升. 因此，本文认为政府新质生产力关注度提高激发了各主体对绿色发展的关注，进而强化数字经济发展对生态韧性的提升作用. 基于以上分析，提出研究假设3.
假设3：政府新质生产力关注度越高，数字经济发展对生态韧性的提升作用越大.
1.4 数字经济发展对生态韧性影响的门槛效应互联网发展具有网络效应，数字经济以数据为关键要素，以现代化信息网络作为重要载体，发展过程中自然会受到“梅特卡夫法则”的影响[27]，因此，数字经济发展对生态韧性的提升作用可能具有门槛效应. 数字经济发展需要大量劳动、资本等要素投入，要素自由流动是稳定供给的基础，因此有必要探讨在不同要素配置效率下，数字经济发展对生态韧性的影响. 此外，数字经济发展以数字技术为物质基础，数字技术研发需要大量高水平人力资本要素支持，因此有必要探讨在不同人力资本水平下，数字经济发展对生态韧性的影响.
一方面，就要素配置效率而言，当要素配置效率较低时，数字经济发展会遇到要素供给不足、要素错配、数字技术研发成本高等问题而发展缓慢，数字产业化和产业数字化规模较小，数字经济红利释放不足，对区域生态韧性提升作用较弱. 随着要素配置效率提高，数字经济发展不仅能够扩大数字产业规模，发挥其网络正外部性，而且可以加快数字技术赋能各产业推进产业要素配置效率的提升[28]，降低产业发展的能源和资源消费，从而推动产业污染降低，加快提升区域生态韧性. 另一方面，就人力资本水平而言，当人力资本水平较低时，高水平人力资本要素稀缺，而数字经济发展需要大量高水平人力资本要素投入进行数字技术研发，数字经济发展基础较为薄弱，进而造成发展缓慢，网络效应难以实现，对区域生态韧性的提升作用较弱. 随着人力资本水平提高，数字经济发展面临的要素限制减弱，会加大高水平人力资本要素的投入，加快对产业发展的能源和资源等物质要素的替代，从而降低产业污染，提升区域生态韧性. 基于以上分析，提出研究假设4.
假设4：数字经济发展对生态韧性的影响存在要素配置效率和人力资本水平的门槛效应.
1.5 数字经济发展对生态韧性影响的空间溢出效应根据前文理论分析可知数字经济发展可以提升本地区的生态韧性，考虑到数字经济以网络基础设施作为发展的基础，因此，数字经济发展具有网络基础设施的空间溢出效应，数字经济发展对生态韧性的影响也可能具有空间溢出效应.
数字经济自身的发展可以发挥数字要素对其他物质要素的替代作用，数字要素本身具有无限复制、即时传播和环境友好的特征[12]，在替代其他要素的过程中逐渐改善本地区环境状况，同时也能够发挥溢出作用改善其他地区的环境状况. 数字经济发展也可以通过与其他产业的融合发展，扩大对人力资本和知识要素的需求，强化对其他物质要素的替代，优化要素结构，推动企业绿色生产，提升本地区的生态韧性，也能够发挥知识溢出效应，提升其他地区生态韧性. 数字经济发展还可以通过数字技术创新环境规制和污染治理工具[9]，强化政府对环境污染规制和减少社会污染存量，提升本地区的生态韧性，也能够发挥技术溢出效应和本地环境治理的正外部性，提升其他地区生态韧性. 数字经济发展还能够推动经济集聚，发挥范围经济效应，提升整体的生产效率，节约生产的能源资源，且能够实现污染集中监管、责任界定、成本分摊、治理专业化分工等，从而改善环境状况，进一步，可以通过发挥协作效应提升整个区域的生态韧性. 基于以上分析，提出研究假设5.
假设5：数字经济发展在提升本地生态韧性的同时，也会提升邻地的生态韧性.
2 材料与方法 2.1 样本选择与数据来源考虑到数据的完备性和可得性，本文以2011~2022年中国286个城市的面板数据为研究样本（中国香港、澳门和台湾资料暂缺）. 其中，数字普惠金融相关指数来自北京大学数字金融研究中心，专利数据来源于国家知识产权局，政府新质生产力关注度词频数据来自政府工作报告，其余指标原始数据均来自研究年份的《中国统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》、部分省市统计年鉴及国民经济和社会发展统计公报、全球统计数据分析平台（EPS）数据库、中国经济信息网等. 部分缺失值采用线性插补法和临近年均值法补齐，同时对所有变量进行缩尾处理.
2.2 模型设定 2.2.1 基准模型基于上述理论，首先建立面板基准回归模型，对数字经济发展对生态韧性的影响进行实证分析. 考虑到不同量纲的数据波动较大，对部分变量取对数处理，基准模型设置如下：
| (1) |
式中，
基于前文分析，数字经济发展能通过影响技术创新（TI）和经济集聚（EA）提升生态韧性，且数字经济发展对这两者具有正向影响. 借鉴段军山等[29]的做法，采用中介效应模型进行检验. 首先，对数字经济发展对生态韧性的影响进行回归估计. 其次，以技术创新（TI）和经济集聚（EA）分别作为被解释变量，数字经济发展为核心解释变量，进行回归估计. 最后，以生态韧性作为被解释变量，数字经济发展为核心解释变量，技术创新（TI）和经济集聚（EA）分别为中介变量，放入模型进行回归估计. 模型设置如下：
| (2) |
| $ \begin{aligned} \mathrm{ER}_{i t}= & \pi_0+\pi_1 \mathrm{DEI}_{i t}+\omega M_{i t}+\sum \limits_{n=2}^6 \pi_n \operatorname{Control}_{n i t}+ \\ & \mu_i+\gamma_t+\varepsilon_{i t} \end{aligned} $ | (3) |
式中，
为考察政府新质生产力关注度（NZ）在数字经济发展与生态韧性之间的调节效应，引入政府新质生产力关注度与数字经济发展水平的交互项（DEI×NZ）进行回归估计，模型设置如下：
| $\begin{aligned} \mathrm{ER}_{i t}= & \delta_0+\delta_1 \mathrm{DEI}_{i t}+\delta_2 \mathrm{NZ}_{i t}+\delta_3 \mathrm{DEI}_{i t} \times \mathrm{NZ}_{i t}+ \\ & \sum \limits_{n=4}^8 \delta_n \text { Control }_{n i t}+\mu_i+\gamma_t+\varepsilon_{i t} \end{aligned} $ | (4) |
式中，
为了检验数字经济发展对生态韧性的影响是否具有非线性特征，借鉴徐军委等[30]的做法，采用面板门槛模型做非线性机制考察. 具体地，建立面板门槛模型来测度要素配置效率（FE）和人力资本水平（HC）的门槛值. 考虑到门槛变量可能会存在多个门槛值，分别以要素配置效率（FE）和人力资本水平（HC）作为门槛变量，构建单门槛和多门槛面板模型如下：
| $ \begin{gathered} \mathrm{ER}_{i t}=\alpha_0+\alpha_1 \mathrm{DEI}_{i t} \times I\left(\mathrm{Thr}_{i t} \leqslant \sigma_1\right)+\alpha_2 \mathrm{DEI}_{i t} \times \\ I\left(\mathrm{Thr}_{i t} \geqslant \sigma_1\right)+\sum_{n=1}^5 \beta_n \mathrm{Control}_{n i t}+\mu_i+\gamma_t+\varepsilon_{i t} \end{gathered} $ | (5) |
| $ \begin{gathered} \mathrm{ER}_{i t}=\alpha_0+\alpha_1 \mathrm{DEI}_{i t} \times I\left(\operatorname{Thr}_{i t} \leqslant \sigma_1\right)+\alpha_2 \mathrm{DEI}_{i t} \times \\ I\left(\sigma_1<\operatorname{Thr}_{i t} \leqslant \sigma_2\right)+\cdots+\alpha_{n+1} \mathrm{DEI}_{i t} \times I\left(\operatorname{Thr}_{i t} \geqslant \sigma_n\right)+ \\ \sum \limits_{k=1}^5 \beta_k \operatorname{Control}_{k i t}+\mu_i+\gamma_t+\varepsilon_{i t} \end{gathered} $ | (6) |
式中，
为探讨数字经济发展对生态韧性影响是否具有空间溢出的现象，在基准回归模型（1）的基础上加入数字经济与生态韧性以及一系列控制变量所对应的空间交互项构建空间计量模型（7）. 具体形式如下：
| $ \begin{aligned} \mathrm{ER}_{i t}= & \beta_0+\tau_1 \boldsymbol{W}_{i t} \mathrm{ER}_{i t}+\beta_1 \mathrm{DEI}_{i t}+ \\ & \sum \limits_{n=2}^6 \beta_n \operatorname{Control}_{n i t}+\varphi_1 \boldsymbol{W}_{i t} \mathrm{DEI}_{i t}+ \\ & \sum \limits_{n=2}^6 \varphi_n \boldsymbol{W}_{i t} \operatorname{Control}_{n i t}+\mu_i+\gamma_t+\varepsilon_{i t} \end{aligned} $ | (7) |
| (8) |
式中，
生态韧性包括抵抗力、适应力和恢复力这三大特征，其中，抵抗力为生态系统抵抗外力干扰的能力，适应力为生态系统维持稳定的能力，恢复力为生态系统遭受危害后返回干扰前状态的潜力[6]. 生态韧性的测度多从构建多维度综合评价体系着手[31，32]，因此，本文在考虑生态韧性结构特征后，借鉴陶洁怡等[6]的方法建立了由抵抗力、适应力以及恢复力3个二级指标和14个具体指标组成的生态韧性评价体系，具体指标情况如表 1所示. 生态韧性的测度主要将上述的14个指标标准化后用熵值法合成得到生态韧性综合指数.
|
表 1 生态韧性综合评价体系1） Table 1 Comprehensive evaluation system of ecological resilience |
2.3.2 解释变量：数字经济发展水平（DEI）
随着数字经济快速发展，数字经济的核算方法也日益丰富，考虑到用单一指标测度不够全面和科学，本文借鉴赵涛等[33]和徐维祥等[11]的方法，从数字基础水平、数字产业发展以及数字普惠金融这3个维度对数字经济发展水平进行测度，具体指标情况如表 2所示. 数字经济发展水平的测度主要将8个指标标准化后用熵值法合成得到数字经济发展水平综合指数.
|
|
表 2 数字经济发展水平综合评价体系 Table 2 Comprehensive evaluation system of the development level of digital economy |
2.3.3 中介变量：技术创新（TI）和经济集聚（EA）
关于技术创新（TI），大多数学者使用专利数量指标进行衡量[18~20]，本文使用地级市专利获得量取对数来测度技术创新水平. 关于经济集聚（EA），借鉴林伯强等[34]的做法，用单位土地面积上的劳动力进行衡量，具体上选取城镇就业人数与行政区划面积的比值测度.
2.3.4 调节变量：政府新质生产力关注度（NZ）关于政府新质生产力关注度（NZ），2023年9月，习近平总书记在黑龙江省考察时提出“新质生产力”这一新的经济学理论范畴，2024年1月31日中共中央政治局第11次集体学习中，习近平总书记进一步阐释了“新质生产力”的内涵和特点，将其理论内涵概括为“新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态[26]. ”考虑到新质生产力的提出植根于中国的现实国情并且拥有深厚的历史积累和理论积淀，可根据政府文件以及相关研究[35~37]中对新质生产力的内涵理解以及特征阐释将新质生产力分解为众多相关关键词，然后利用Python软件对各地级市政府工作报告中与新质生产力有关关键词词频数进行统计汇总，并取对数，来衡量各地级市政府对新质生产力关注度.
其中，统计关键词包括：新质生产力、智能、科技创新、技术革新、创新动能、颠覆性技术、突破性、革命性、新技术、前沿技术、高新技术、尖端技术、新能源、新经济、数字经济、创新经济、未来经济、新业态、数字化、产业升级、新模式、战略性新兴产业、未来产业、高科技、新动能、创新驱动、技术驱动、创新引领、重大突破、提高生产力、质的转变、先进生产力、高效能、高性能、高效率、高产出、高质量发展、质量优先、效益提升、高标准发展、主导技术、创新领先、科技引领、关键突破、核心技术突破、信息技术、数智、互联网、量子、算法、数据、芯片、低能耗、低污染和算力.
2.3.5 门槛变量：要素配置效率（FE）和人力资本水平（HC）关于要素配置效率（FE），借鉴林伯强等[38]的做法，采用各地区要素市场发育程度与样本中最高要素市场发育程度之间的相对差距作为要素市场扭曲的代理变量，计算公式为：
| (9) |
式中，
|
|
表 3 人力资本水平指标体系 Table 3 Human capital level index system |
2.3.6 控制变量
考虑到影响生态韧性的因素较多，参考已有研究[21，42，43]，引入以下变量以控制遗漏重要解释变量对实证检验结果造成的偏差. 经济发展水平（lnRGDP），采取以2011年为基期进行平减的当年人均实际GDP取对数来衡量；基础设施水平（lnINF），用城市道路面积取对数来衡量；产业结构（IS），用第二产业增加值占各市GDP的比例来衡量；对外开放水平（OPE），用实际使用外资金额取对数来衡量；能源强度（EI），用当年人均电力消费量来衡量. 变量描述性统计见表 4.
|
|
表 4 变量描述性统计 Table 4 Descriptive statistics of the variables |
3 结果与讨论 3.1 基准回归
为验证假设1，对式（1）进行回归，结果如表 5所示.
|
|
表 5 基准回归结果1） Table 5 Benchmark regression results |
表 5中列（1）和列（2）分别表示不加入和加入控制变量时，数字经济发展对生态韧性影响进行回归的结果. 结果显示，无论是否加入控制变量，数字经济发展水平对生态韧性的影响系数均显著为正，说明中国数字经济发展可以显著提升生态韧性，可知假设1成立. 原因在于，数字经济发展可以通过促进技术创新强化污染治理以及加快数据要素对其他物质要素的替代降低环境污染，提升生态韧性.
3.2 稳健性检验 3.2.1 替换核心解释变量本文用熵值法测算数字经济发展水平，为了研究结论的稳健性，使用主成分分析法重新测算进行估计. 结果如表 6列（1）所示，数字经济发展水平的估计系数仍然显著为正，与基准回归结果保持一致，即数字经济发展可以提升生态韧性.
|
|
表 6 稳健性检验1） Table 6 Robustness test |
3.2.2 剔除部分样本
考虑到青海省和西藏自治区城市、4个直辖市与其他地级市在经济发展水平、行政级别存在较大差异，因此，剔除这些城市进行回归估计. 回归结果如表 6列（2）所示，数字经济发展水平的回归系数显著为正，即数字经济发展可以显著地提升生态韧性，与基准回归结果保持一致.
3.2.3 更换模型估计方法本文构建的模型为静态固定效应模型，考虑到生态韧性可能会受到上一年生态韧性的影响，为了缓解这方面的估计偏误，在模型中加入了上一年的生态韧性变量，通过设立动态固定效应模型进行稳健性估计. 回归结果如表 6列（3）所示，数字经济发展水平的回归系数显著为正，即数字经济发展可以显著地提升生态韧性，与基准回归结果保持一致. 同时滞后一期的生态韧性指标显著为正，说明生态韧性确实受到了上一年的动态影响.
3.2.4 调整样本期本文以2011~2022年中国286个城市的面板数据为研究样本，考虑到2020年初暴发的新冠疫情冲击的影响，剔除2020年之后的样本重新进行回归估计. 回归结果如表 6列（4）所示，数字经济发展水平的回归系数显著为正，即数字经济发展可以显著地提升生态韧性，与基准回归结果保持一致.
3.2.5 内生性处理虽然尽可能地控制了影响生态韧性的因素，但仍可能存在内生性问题. 因此，本文借鉴柏培文等[44]的方法，用各城市1984年的历史邮电数据作为数字经济发展水平的工具变量进行内生性检验. 一方面，互联网以传统通信技术作为发展基础，历史上的电信基础设施水平会影响到后续数字技术的发展，满足相关性；另一方面，随着经济社会发展，固定电话等传统电信工具的影响随着使用频率下降而逐渐微弱，满足排他性. 指标选取上，用上一年全国互联网用户数分别与1984年各城市每万人邮局数量构造交互项，作为该年城市数字经济发展水平的面板工具变量. 同时，为进一步缓解模型中可能存在的内生性问题，借鉴郭峰等[45]的做法，用核心解释变量滞后一期作为工具变量进行内生性检验. 利用两阶段最小二乘法进行回归估计，结果如表 6列（5）和列（6）所示，数字经济发展水平的回归系数均显著为正，且工具变量均通过识别不足和弱工具变量检验，与基准回归结果保持一致，证明了考虑内生性问题后研究结果的稳健性.
3.3 异质性分析 3.3.1 区位异质性中国各城市地理区位和生态环境差异性大，数字经济发展水平和生态韧性的差别明显，据此参照国家统计局的地理区域划分标准将286个样本城市划分为东部和中西部二组，分析不同区域数字经济发展对生态韧性的作用效果异质性. 结果如表 7列（1）和列（2）所示，在东部和中西部城市，数字经济发展水平对生态韧性的影响系数均显著为正，说明数字经济发展有助于提升中西部和东部城市生态韧性，但中西部城市数字经济发展水平的估计系数要大于东部城市，且两组系数差异通过了费舍尔组合检验，这说明数字经济发展对生态韧性的提升作用在中西部城市更为明显. 可能的原因在于，与东部地区相比，中西部地区数字经济发展起步晚，尚处于上升期，并且中西部地区绿电资源丰富，数据与算力中心成本较低，数字经济发展具有后发优势，对生态韧性的提升作用存在更大红利.
|
|
表 7 异质性分析 Table 7 Analysis of heterogeneity |
3.3.2 行政级别异质性
不同行政级别城市的要素积累和经济活跃度差异性明显，因此，数字经济发展水平和生态韧性在不同行政级别城市存在较大差异，数字经济发展对生态韧性的影响也可能存在异质性. 据此参考赵涛等[33]的研究将直辖市、省会城市和副省级城市划分为中心城市，其余城市划分为外围城市，分析不同行政级别城市数字经济发展对生态韧性的作用效果异质性. 结果如表 7列（3）和列（4）所示，在中心和外围城市，数字经济发展水平对生态韧性的影响系数均显著为正，说明数字经济发展有助于提升中心和外围城市生态韧性，但外围城市数字经济发展水平的估计系数要大于中心城市，且两组系数差异通过了费舍尔组合检验，这说明数字经济发展对生态韧性的提升作用在外围城市更为明显. 可能的原因在于，与中心城市相比，外围城市行政级别较低，要素积累速度较慢，创新基础相对薄弱，数字经济起步较晚，数字经济发展通过数字技术提升能源和资源利用效率具有较强的边际效应，能够更好改善环境污染状况，进而提升生态韧性.
3.3.3 资源禀赋异质性资源禀赋不同的城市在经济发展过程中由于资源种类和丰富程度不同而影响产业选择及发展方向，进而对生态环境的影响可能存在较大差异，因此，数字经济发展对生态韧性的影响也可能受到城市资源禀赋的影响. 本文根据《全国资源型城市可持续发展规划（2013-2020年）》中划定的资源型城市及分类，将全部样本城市分为资源型城市和非资源型城市进行回归估计，分析不同资源禀赋城市数字经济发展对生态韧性影响的异质性. 结果如表 7列（5）和列（6）所示，在资源型和非资源型城市，数字经济发展水平对生态韧性的影响系数均显著为正，说明数字经济发展有助于提升资源型和非资源型城市生态韧性，但非资源型城市数字经济发展水平的估计系数要大于资源型城市，且两组系数差异通过了费舍尔组合检验，这说明数字经济发展对生态韧性的提升作用在非资源型城市更为明显. 可能的原因在于，与资源型城市相比，非资源型城市的资源禀赋较差，经济发展过程中对当地资源依赖性低，对当地生态环境的破坏相对较小. 且非资源型城市产业发展多样化程度高，数字经济发展基础好，可以通过数字经济更好赋能产业转型，推动经济绿色发展，快速改善生态环境，进而提升城市生态韧性.
3.4 作用机制检验为探究数字经济发展对生态韧性影响的作用机制，对数字经济发展对生态韧性的影响是否存在中介效应进行检验. 结果如表 8所示，其中，列（1）为基准回归，列（2）和列（4）检验了数字经济发展对两个中介变量的影响，数字经济发展对技术创新和经济集聚均存在显著的正向关系. 从技术创新角度，数字经济发展可以增加对高素质人力资本的需求优化人力资本结构，为企业和社会技术创新提供要素基础，降低创新的成本，进而促进技术创新. 从经济集聚角度，数字经济发展可以促进要素和信息的流动，资源的合理配置，使人和物在线上和线下集聚，促进经济集聚. 列（3）和列（5）是将上述中介变量依次放入基准模型之后的回归结果，可以看出，在加入中介变量后，数字经济对生态韧性的影响依然显著为正，且相较于基准模型的影响系数有所下降，这表明技术创新和经济集聚确实是数字经济发展提升生态韧性的重要作用机制，假设2成立. 上述中介变量对生态韧性的影响系数显著为正，这说明技术创新和经济集聚可以提升城市生态韧性. 技术创新可以促进要素利用效率提升，提高经济绿色发展水平，同时能够利用技术手段推动城市污染治理，可以有效地提升城市生态韧性. 经济集聚可以更好地发挥规模经济的优势，既能够在生产中节约资源，又能够实现城区污染集中治理，减少对其他地区的环境污染，提升城市生态韧性.
|
|
表 8 作用机制检验结果 Table 8 Conduction path test results |
对政府新质生产力关注度在数字经济发展与生态韧性之间是否存在调节效应进行检验，结果如表 8列（6）所示，数字经济发展与政府新质生产力关注度交乘项回归系数显著为正，这说明政府新质生产力关注度提高会增强数字经济发展对生态韧性影响的正效应. 假设3成立. 可能的原因在于，政府通过提高对新质生产力关注度，意味着政府对摆脱传统经济增长方式、科技创新以及贯彻新发展理念的重视，可以形成政府关注力软约束，进而能够推动地区转变经济发展方式以及科技创新，促进经济绿色发展，降低环境污染，实现环境保护，提升生态韧性.
3.5 门槛效应分析为探究数字经济发展对生态韧性影响的非线性特征，利用门槛模型进行分析. 首先对门槛效应的存在性及个数进行检验，如表 9所示. 结果表明，要素配置效率通过了单一门槛检验，但未通过双重门槛检验. 人力资本水平通过了双重门槛检验，但未通过三重门槛检验. 门槛回归结果如表 10所示，在跨越门槛值前后，要素配置效率和人力资本水平的影响系数都显著为正，且系数值变大，这说明随着要素配置效率和人力资本水平提高，数字经济发展对城市生态韧性提升的边际效果会变大. 可能的原因在于要素配置效率和人力资本水平的提高有助于为数字经济发展提供充分的要素基础和创新条件，而且随着要素配置效率和人力资本水平的进一步提高，会使数字经济发展加快对物质要素替代，提升对清洁要素的利用，从而实现正向动态累积，使经济在发展的同时改善生态环境，提升生态韧性. 因此，数字经济发展对生态韧性提升效应会呈现出边际递增的非线性变化趋势，假设4成立.
|
|
表 9 门槛效应检验结果 Table 9 Results of the threshold effect test |
|
|
表 10 门槛模型回归结果 Table 10 Results of the threshold model regression results |
3.6 空间效应检验 3.6.1 空间相关性检验
考察数字经济发展对生态韧性影响的空间效应，首先采用邻接矩阵对生态韧性是否在空间上存在相关性进行检验，用莫兰指数进行检验. 检验结果显示，在样本2011~2022年研究期间，生态韧性指数的莫兰值通过1%的显著性检验，说明生态韧性在空间上存在显著的空间相关性. 进一步用莫兰散点图考察样本在空间上生态韧性的相对地理分布. 结果如图 1所示，在2011年、2015年、2019年和2022年，地级市生态韧性在空间上均主要分布在第一和第三象限，呈现明显的高高⁃低低集聚状态，说明生态韧性较强（弱）的城市被同样较强（弱）的其他城市包围. 综合来看，莫兰指数值和散点图均说明了生态韧性存在明显的空间相关性，有必要采用空间计量模型进行实证分析.
|
图 1 各年生态韧性莫兰指数散点图 Fig. 1 Moran's I scatter plot of ecological resilience in each year |
为选择合适的空间计量模型，首先对回归结果进行LM检验，检验结果显著，可以初步考虑使用空间杜宾模型. 其次，考虑到城市因素和时间因素可能带来的估计偏误以及固定效应模型的适用性，进行豪斯曼（Hausman）检验和双向固定效应LR检验，结果显示双向固定效应空间杜宾模型更优. 最后，经过空间杜宾模型的Wald和LR检验，发现不会退化为空间滞后模型和空间误差模型，所以采用双向固定效应空间杜宾模型.
3.6.3 空间效应的实证分析对双向固定效应空间杜宾模型进行回归，分析数字经济发展对生态韧性的具体影响. 双向、时间和空间固定效应模型的回归结果见表 11列（1）、列（2）和列（3）. 列（4）是更换空间权重矩阵之后双向固定效应空间杜宾模型的回归结果. 由表 11中列（1）结果可知，数字经济发展对本市和邻近市的生态韧性影响系数都显著为正，这表明数字经济发展能提升本市和邻近市的生态韧性. 在更换空间权重矩阵之后，数字经济发展对本市和邻近市的生态韧性影响系数仍然显著为正，进一步说明了数字经济发展提升城市生态韧性空间效应的稳健性，综上可知假设5成立.
|
|
表 11 空间面板杜宾模型计量回归结果 Table 11 Spatial panel Dubin model econometric regression results |
将影响效应分解为直接、间接与总效应进一步分析数字经济发展的空间溢出效应，具体分解结果见表 12. 由列（1）可知，数字经济发展的直接效应、间接效应、总效应均显著为正，更换矩阵之后结果如列（2）所示，仍然均显著为正. 说明本市数字经济水平越高，对生态韧性的提升作用越明显. 可能的原因在于，数字经济的发展可以发挥技术创新效应推动城市的环境治理能力提升、促进经济以线上和线下两种方式深化集聚实现集中治污和加强政府环境动态监督能力强化环境规制等方式促进本地区生态韧性的提升. 此外，数字经济发展还可以通过技术溢出效应促进邻近地区技术创新，加快其污染治理方式转变，进而实现各城市空间协同提升生态韧性.
|
|
表 12 效应分解结果 Table 12 Effect decomposition results |
4 建议
（1）采取各种措施支持数字经济发展，巩固数字经济发展对生态韧性的提升作用. 第一：加大数字经济基础设施建设投入，促进物联网、区块链、工业互联网等数字技术的进一步完善，为数字经济发展提升生态韧性提供技术支持，维持数字经济发展对生态韧性提升的边际递增效果. 第二：大力支持数字经济和传统产业的融合发展，利用数字信息技术助力传统产业升级和转型，尽可能提升产业的能源和资源利用效率，减少对环境的破坏，提升生态韧性. 第三：完善数字经济发展的政策和法律法规，减少数字经济发展的政策壁垒，在促进数字经济发展的同时实现对生态韧性提升的正外部性.
（2）促进技术创新和经济集聚，为数字经济发展提升生态韧性提供畅通渠道. 第一：大力促进技术创新. 加大人力和资本要素的投入，为技术创新提供必要的基础条件；营造大众创新的良好氛围，给予创新的组织和个人奖励激励，推动创新性环境的形成；尽快实现创新的内生累积，发挥市场作用引导创新的方向. 技术创新的发展可以提供更好的环境治理工具和手段，减少环境污染状况，提升生态韧性. 第二：积极促进经济集聚. 积极推动经济线上集聚，完善并及时更新互联网发展的相关法律法规，破除线上集聚壁垒，同时要严格打击网络犯罪等扰乱市场的行为，推动线上市场发展，实现经济要素线上集聚，可以更好保护环境. 积极推动经济线下集聚，支持相关数字产业园区建设，完善产业集聚区的联动机制，利用集聚的要素优势和产业互补效应，实现集聚区环境污染集中有效治理以及非集聚区环境的自然恢复，进而提升生态韧性.
（3）提高对新质生产力关注度，强化数字经济发展对生态韧性的提升作用. 注重新质生产力自身发展，重视以劳动者、劳动资料、劳动对象及其优化组合的跃升，为强化数字经济发展对生态韧性的提升作用创造物质基础；注重调整与新质生产力相适应的生产关系，制定适应新质生产力发展的相关政策，支持科技创新以及经济高质量发展，推动经济绿色发展，强化数字经济发展对生态韧性的提升作用.
（4）充分发挥数字经济快速发展对本地区和相邻地区生态韧性的提升作用. 加强相邻地区之间的合作，尽量破除临近地区的市场分割，共同推动数字经济的发展，比如可以在推动技术创新、人力资本培育、经济集聚区的设立等方面开展深入合作，进而发挥数字经济发展的溢出效应提升本地区和相邻地区的生态韧性.
（5）因地制宜制定数字经济发展差异化政策. 与东部、中心和资源型城市相比，数字经济发展在中西部、外围和非资源型城市对生态韧性具有更大的提升作用，这就要求对于不同的城市要制定不同措施. 在东部和中心城市，经济活动十分活跃，对当地生态环境造成破坏，要加快实现经济数字化转型，实现经济绿色发展，增强生态环境的恢复力和抵抗力，提升生态韧性. 在中西部和外围城市，数字经济发展具有红利，要抓住机遇，继续完善数字经济基础设施，为后续提升生态韧性提供持续动力. 在资源型城市，经济发展过程中过度依赖当地资源，导致当地生态环境较为脆弱，要加快完善数字基础设施，推动产业数字化转型，减少对环境破坏，提升生态韧性. 在非资源型城市，数字经济基础相对完善，要注重数字经济对其他产业赋能，深入推进产业数字化，优化产业内部结构，为数字经济提升生态韧性提供持续动力.
5 结论（1）数字经济发展能够显著提升生态韧性，并且该结论在经过一系列稳健性检验后仍然成立. 在作用机制上，数字经济发展能够通过促进技术创新和经济集聚提升生态韧性，且政府新质生产力关注度提高强化了数字经济发展对生态韧性的提升作用.
（2）数字经济发展对生态韧性的提升作用存在着城市地理位置、行政级别和资源禀赋异质性，即与东部、中心和资源型城市相比，在中西部、外围和非资源型城市数字经济发展对生态韧性具有更大的提升效应.
（3）数字经济发展对生态韧性的影响存在要素配置效率和人力资本水平的显著门槛效应，跨越门槛值前后数字经济发展对生态韧性提升效应具有边际递增的非线性特征.
（4）各城市生态韧性具有显著的空间相关性，且数字经济发展提升生态韧性具有显著的空间溢出特征，即数字经济发展不仅可以提升本城市生态韧性，也有助于提升邻近城市的生态韧性.
| [1] |
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. Wei L L, Hou Y Q. Research on the impact of China's digital economy on urban green development[J]. The Journal of Quantitative & Technical Economics, 2022, 39(8): 60-79. |
| [2] |
邵亦文, 徐江. 城市韧性: 基于国际文献综述的概念解析[J]. 国际城市规划, 2015, 30(2): 48-54. Shao Y W, Xu J. Understanding urban resilience: a conceptual analysis based on integrated international literature review[J]. Urban Planning International, 2015, 30(2): 48-54. |
| [3] | Holling C S. Resilience and stability of ecological systems[J]. Annual Review of Ecology and Systematics, 1973, 4: 1-23. DOI:10.1146/annurev.es.04.110173.000245 |
| [4] | Folke C. Resilience: the emergence of a perspective for social-ecological systems analyses[J]. Global Environmental Change, 2006, 16(3): 253-267. DOI:10.1016/j.gloenvcha.2006.04.002 |
| [5] | Chaffin B C, Scown M. Social-ecological resilience and geomorphic systems[J]. Geomorphology, 2018, 305: 221-230. DOI:10.1016/j.geomorph.2017.09.038 |
| [6] |
陶洁怡, 董平, 陆玉麒. 长三角地区生态韧性时空变化及影响因素分析[J]. 长江流域资源与环境, 2022, 31(9): 1975-1987. Tao J Y, Dong P, Lu Y Q. Spatial-temporal analysis and influencing factors of ecological resilience in Yangtze River delta[J]. Resources and Environment in the Yangtze Basin, 2022, 31(9): 1975-1987. |
| [7] |
吕添贵, 胡晗, 付舒斐, 等. 长三角地区城市生态韧性时空分异特征及影响因素[J]. 地域研究与开发, 2023, 42(1): 54-60. Lyu T G, Hu H, Fu S F, et al. Spatio-temporal differentiation and influencing factors of urban ecological resilience in the Yangtze River Delta[J]. Areal Research and Development, 2023, 42(1): 54-60. DOI:10.3969/j.issn.1003-2363.2023.01.010 |
| [8] |
田秀娟, 李睿. 数字技术赋能实体经济转型发展——基于熊彼特内生增长理论的分析框架[J]. 管理世界, 2022, 38(5): 56-71. Tian X J, Li R. Digital technology empowers the transformation and development of real economy: an analysis framework based on Schumpeter's endogenous growth theory[J]. Management World, 2022, 38(5): 56-71. |
| [9] |
余典范, 龙睿, 王超. 数字经济与边界地区污染治理[J]. 经济研究, 2023, 58(11): 172-189. Yu D F, Long R, Wang C. Digital economy and pollution control in border areas[J]. Economic Research Journal, 2023, 58(11): 172-189. |
| [10] |
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. Yang G Q, Wang H S, Fan H S, et al. Carbon reduction effect of digital economy: theoretical analysis and empirical evidence[J]. China Industrial Economics, 2023(5): 80-98. DOI:10.3969/j.issn.1006-480X.2023.05.005 |
| [11] |
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. Xu W X, Zhou J P, Liu C J. The impact of digital economy on urban carbon emissions: based on the analysis of spatial effects[J]. Geographical Research, 2022, 41(1): 111-129. |
| [12] |
杨昕, 赵守国. 数字经济赋能区域绿色发展的低碳减排效应[J]. 经济与管理研究, 2022, 43(12): 85-100. Yang X, Zhao S G. Low-carbon emission reduction effect of digital economy empowering regional green development[J]. Research on Economics and Management, 2022, 43(12): 85-100. |
| [13] |
程莉, 黄兰稀, 严月岑, 等. 长江经济带乡村生态韧性测度及影响因素研究[J]. 中国农业资源与区划, 2024, 45(5): 11-23. Cheng L, Huang L X, Yan Y C, et al. Research on the measurement and influencing factors of rural ecological resilience in the Yangtze River economic belt[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2024, 45(5): 11-23. |
| [14] |
李青原, 李昱, 章尹赛楠, 等. 企业数字化转型的信息溢出效应——基于供应链视角的经验证据[J]. 中国工业经济, 2023(7): 142-159. Li Q Y, Li Y, Zhang Y S N, et al. Information spillover of enterprise digital transformation: evidence from supply Chain[J]. China Industrial Economics, 2023(7): 142-159. DOI:10.3969/j.issn.1006-480X.2023.07.012 |
| [15] |
周文, 韩文龙. 数字财富的创造、分配与共同富裕[J]. 中国社会科学, 2023(10): 4-23, 204. Zhou W, Han W L. Digital wealth creation, distribution and common prosperity[J]. Social Sciences in China, 2023(10): 4-23, 204. |
| [16] |
刘耀彬, 邓伟凤, 李硕硕, 等. 数字产业集聚对减污降碳协同的影响——以长江经济带为例[J]. 资源科学, 2024, 46(4): 744-760. Liu Y B, Deng W F, Li S S, et al. The impact of digital industry agglomeration on synergistic pollution reduction and carbon emission reduction: taking the Yangtze River Economic Belt as an example[J]. Resources Science, 2024, 46(4): 744-760. |
| [17] |
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. Han J, Chen X, Feng X H. The real challenge and path of enabling green development of digital economy[J]. Reform, 2022(9): 11-23. DOI:10.3969/j.issn.2095-1507.2022.09.005 |
| [18] |
王帅龙. 数字经济之于城市碳排放: "加速器"抑或"减速带"?[J]. 中国人口·资源与环境, 2023, 33(6): 11-22. Wang S L. Digital economy development for urban carbon emissions: 'accelerator' or 'speed bump'?[J]. China Population, Resources and Environment, 2023, 33(6): 11-22. |
| [19] |
肖土盛, 孙瑞琦, 袁淳, 等. 企业数字化转型、人力资本结构调整与劳动收入份额[J]. 管理世界, 2022, 38(12): 220-235, 15. Xiao T S, Sun R Q, Yuan C, et al. Digital transformation, human capital structure adjustment and labor income share[J]. Management World, 2022, 38(12): 220-235, 15. DOI:10.3969/j.issn.1002-5502.2022.12.015 |
| [20] |
董香书, 王晋梅, 肖翔. 数字经济如何影响制造业企业技术创新——基于"数字鸿沟"的视角[J]. 经济学家, 2022(11): 62-73. Dong X S, Wang J M, Xiao X. How does digital economy affect manufacturing enterprise technological innovation?—based on the perspective of "digital divide"[J]. Economist, 2022(11): 62-73. |
| [21] |
卢娜, 王为东, 王淼, 等. 突破性低碳技术创新与碳排放: 直接影响与空间溢出[J]. 中国人口·资源与环境, 2019, 29(5): 30-39. Lu N, Wang W D, Wang M, et al. Breakthrough low-carbon technology innovation and carbon emissions: direct and spatial spillover effect[J]. China Population, Resources and Environment, 2019, 29(5): 30-39. |
| [22] | Kammerer D. The effects of customer benefit and regulation on environmental product innovation.: empirical evidence from appliance manufacturers in Germany[J]. Ecological Economics, 2009, 68(8-9): 2285-2295. DOI:10.1016/j.ecolecon.2009.02.016 |
| [23] |
洪银兴, 任保平. 数字经济与实体经济深度融合的内涵和途径[J]. 中国工业经济, 2023(2): 5-16. Hong Y X, Ren B P. Connotation and approach of deep integration of the digital economy and the real economy[J]. China Industrial Economics, 2023(2): 5-16. |
| [24] |
王如玉, 梁琦, 李广乾. 虚拟集聚: 新一代信息技术与实体经济深度融合的空间组织新形态[J]. 管理世界, 2018, 34(2): 13-21. Wang R Y, Liang Q, Li G Q. A new form of the spatial agglomeration under the deep integration of a new generation of information technology and the real economy[J]. Journal of Management World, 2018, 34(2): 13-21. |
| [25] |
邵帅, 张可, 豆建民. 经济集聚的节能减排效应: 理论与中国经验[J]. 管理世界, 2019, 35(1): 36-60, 226. Shao S, Zhang K, Dou J M. Effects of economic agglomeration on energy saving and emission reduction: theory and empirical evidence from China[J]. Journal of Management World, 2019, 35(1): 36-60, 226. DOI:10.3969/j.issn.1002-5502.2019.01.004 |
| [26] |
刘伟. 科学认识与切实发展新质生产力[J]. 经济研究, 2019, 59(3): 4-11. Liu W. Special research reports on new quality productive forces[J]. Economic Research Journal, 2019, 59(3): 4-11. |
| [27] | Rohlfs J. A theory of interdependent demand for a communications service[J]. The Bell Journal of Economics and Management Science, 1974, 5(1): 16-37. DOI:10.2307/3003090 |
| [28] |
黄永春, 宫尚俊, 邹晨, 等. 数字经济、要素配置效率与城乡融合发展[J]. 中国人口·资源与环境, 2022, 32(10): 77-87. Huang Y C, Gong S J, Zou C, et al. Digital economy, factor allocation efficiency, and integrated urban-rural development[J]. China Population, Resources and Environment, 2022, 32(10): 77-87. |
| [29] |
段军山, 庄旭东. 金融投资行为与企业技术创新——动机分析与经验证据[J]. 中国工业经济, 2021(1): 155-173. Duan J S, Zhuang X D. Financial investment behavior and enterprise technological innovation—Motivation analysis and empirical evidence[J]. China Industrial Economics, 2021(1): 155-173. |
| [30] |
徐军委, 刘志华, 吴福生. 数字经济能否赋能地区低碳经济转型: 基于中介效应、门槛效应与空间溢出效应[J]. 环境科学, 2025, 46(4): 2089-2102. Xu J W, Liu Z H, Wu F S. Whether digital economy empower low carbon economy transformation: based on intermediary effect, threshold effect, and spatial spillover effect[J]. Environmental Science, 2025, 46(4): 2089-2102. |
| [31] |
王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(4): 973-991. Wang S J, Cui Z T, Lin J J, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River delta[J]. Acta Geographica Sinica, 2021, 76(4): 973-991. |
| [32] |
王松茂, 牛金兰. 山东半岛城市群城市生态韧性的动态演化及障碍因子分析[J]. 经济地理, 2022, 42(8): 51-61. Wang S M, Niu J L. Dynamic evolution and obstacle factors of urban ecological resilience in Shandong peninsula urban agglomeration[J]. Economic Geography, 2022, 42(8): 51-61. |
| [33] |
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, 2019, 36(10): 65-75. Zhao T, Zhang Z, Liang S K. Digital economy, entrepreneurship, and high-quality economic development: empirical evidence from urban China[J]. Journal of Management World, 2019, 36(10): 65-75. |
| [34] |
林伯强, 谭睿鹏. 中国经济集聚与绿色经济效率[J]. 经济研究, 2019, 54(2): 119-132. Lin B Q, Tan R P. Economic agglomeration and green economy efficiency in China[J]. Economic Research Journal, 2019, 54(2): 119-132. |
| [35] |
周文, 许凌云. 论新质生产力: 内涵特征与重要着力点[J]. 改革, 2023(10): 1-13. Zhou W, Xu L Y. On new quality productivity: connotative characteristics and important focus[J]. Reform, 2023(10): 1-13. |
| [36] | 孟捷, 韩文龙. 新质生产力论: 一个历史唯物主义的阐释[J]. 经济研究, 2024, 59(3): 29-33. DOI:10.3969/j.issn.1002-5863.2024.03.007 |
| [37] |
张林. 新质生产力与中国式现代化的动力[J]. 经济学家, 2024(3): 15-24. Zhang L. New quality productivity and the driving force of Chinese-style modernization[J]. Economist, 2024(3): 15-24. |
| [38] |
林伯强, 杜克锐. 要素市场扭曲对能源效率的影响[J]. 经济研究, 2013, 48(9): 125-136. Lin B Q, Du K R. The energy effect of factor market distortion in China[J]. Economic Research Journal, 2013, 48(9): 125-136. |
| [39] | 王小鲁, 胡李鹏, 樊纲. 中国分省份市场化指数报告(2021)[M]. 北京: 社会科学文献出版社, 2021. |
| [40] |
逯进, 周惠民. 中国省域人力资本与经济增长耦合关系的实证分析[J]. 数量经济技术经济研究, 2013, 30(9): 3-19, 36. Lu J, Zhou H M. Empirical analysis of coupling relationship between human capital and economic growth in Chinese provinces[J]. Journal of Quantitative & Technological Economics, 2013, 30(9): 3-19, 36. |
| [41] |
孙铭, 王茗旭. 中国数字经济发展对碳排放的影响[J]. 西安交通大学学报(社会科学版), 2019, 44(3): 102-114. Sun M, Wang M X. The impact of China's digital economy development on carbon emissions[J]. Journal of Xi'an Jiaotong University (Social Sciences), 2019, 44(3): 102-114. |
| [42] |
尹礼汇, 吴传清. 环境规制与长江经济带污染密集型产业生态效率[J]. 中国软科学, 2021(8): 181-192. Yin L H, Wu C Q. Environmental regulation and the ecological efficiency of pollution-intensive industries in the Yangtze River economic belt[J]. China Soft Science, 2021(8): 181-192. |
| [43] |
赵培雅, 高煜, 孙雪. "双控"目标下产业智能化的节能降碳减排效应[J]. 中国人口·资源与环境, 2023, 33(9): 59-69. Zhao P Y, Gao Y, Sun X. Energy-saving, carbon emissions-reducing, and industrial pollution emissions-reducing effects of industrial intelligence under the 'dual control' system[J]. China Population, Resources and Environment, 2023, 33(9): 59-69. |
| [44] |
柏培文, 喻理. 数字经济发展与企业价格加成: 理论机制与经验事实[J]. 中国工业经济, 2021(11): 59-77. Bai P W, Yu L. Digital economy development and firms' markup: theoretical mechanisms and empirical facts[J]. China Industrial Economics, 2021(11): 59-77. |
| [45] |
郭峰, 熊云军, 石庆玲, 等. 数字经济与行政边界地区经济发展再考察——来自卫星灯光数据的证据[J]. 管理世界, 2023, 39(4): 16-32. Guo F, Xiong Y J, Shi Q L, et al. The re-estimation of digital economy and economic development in administrative border areas: evidence from nighttime light data[J]. Journal of Management World, 2023, 39(4): 16-32. |