中国数字生态文明建设时空格局及作用机制

引用本文

韩先锋, 勾亚楠. 中国数字生态文明建设时空格局及作用机制[J]. 环境科学, 2026, 47(9): 6405-6421.

HAN Xian-feng, GOU Ya-nan. Spatio-temporal Pattern and Mechanisms of Digital Ecological Civilization Construction in China[J]. Environmental Science, 2026, 47(9): 6405-6421.

中国数字生态文明建设时空格局及作用机制

韩先锋, 勾亚楠

昆明理工大学管理与经济学院，昆明 650093

收稿日期: 2025-07-08; 修订日期: 2025-10-16

基金项目: 国家自然科学基金项目（72473059）；教育部人文社科规划基金项目（23YJA790026）；云南省基础研究计划项目（202401AT070393）；昆明理工大学数字经济与产业创新发展创新团队项目（KGZSCXTD2025005）

作者简介: 韩先锋（1984~），男，博士，特聘教授，主要研究方向为环境经济、创新与经济增长，E-mail：hanxianfeng2008@163.com

摘要: 科学理解数字生态文明建设水平、时空格局和作用机制，对新发展格局下国家加快建设绿色智慧的数字生态文明具有重要意义. 基于2011~2022年282个地级市面板数据，采用Dagum基尼系数、高斯核密度估计、俱乐部收敛检验和二次指派程序，分析数字生态文明建设水平、时空格局及作用机制. 结果表明：①中国数字生态文明建设水平综合指数及其子系统指数虽不够高，但均呈现稳步上升态势；②全国及八大综合经济区数字生态文明建设水平存在明显的地区差异，且差异主要来源于超变密度，地区间差异的作用次之，地区内差异的影响最小；③数字生态文明建设的地区内差距在不断扩大，除东北地区外，全国及其他地区均存在极化现象；④城市数字生态文明建设的不平衡局面尚未得到根本扭转，且城市间存在显著空间分化，全国及八大综合经济区均已形成以高水平俱乐部为引领、其他城市持续追赶的梯度发展格局；⑤缩小数字生态文明建设成效差异是推进数字生态文明建设协调发展的根本动力，且提升城镇发展的空间协调性和加强差异化金融服务对缩小数字生态文明建设区域差异具有显著的积极作用. 研究为有效推进数字生态文明建设提供了重要启示，国家应充分发挥高水平地区的示范引领作用，引导各地区结合自身特点探索差异化数字生态文明建设路径，并针对不同区域的发展阶段实施梯度化政策支持.

关键词: 数字生态文明（DEC） Dagum基尼系数高斯核密度估计俱乐部收敛二次指派程序

Spatio-temporal Pattern and Mechanisms of Digital Ecological Civilization Construction in China

HAN Xian-feng , GOU Ya-nan

School of Management and Economics, Kunming University of Science and Technology, Kunming 650093, China

Abstract: Scientific understanding of the construction level, spatial and temporal patterns, and mechanisms of digital ecological civilization is of great significance for the country to accelerate the construction of a green and intelligent digital ecological civilization (DEC) under the new development pattern. This study, based on panel data from 282 prefecture-level cities in China from 2011 to 2022, employed the Dagum Gini Coefficient, Gaussian kernel density estimation, club convergence test, and the quadratic assignment procedure to analyze the construction level, spatio-temporal pattern, and mechanisms of DEC. The findings reveal: ① Although the comprehensive index of China's DEC construction level and its subsystem indices remained relatively low, they showed a steady upward trend. ② Significant regional differences existed in the construction level of DEC across the nation and within the eight major economic zones. The main source of differences was hyper-variation density, with inter-regional differences playing a secondary role, and intra-regional differences having the minimal effect. ③ While maintaining certain commonalities, the national and eight economic zones' kernel density distribution curves also exhibited obvious regionally differentiated characteristics. During the sample period, the level of DEC construction nationwide and across regions exhibited an upward trend, with widening regional gaps. Except for in the northwest region, polarization phenomena existed nationwide and in other regions. ④ Urban DEC construction remained imbalanced, and cities showed significant spatial differentiation. Across the nation and within the eight major economic zones, high-level city clusters led a gradient development pattern, and other cities continually caught up. ⑤ The basic conditions, construction support, and construction effectiveness of DEC all had significant positive impacts on differences in digital ecological civilization construction, with construction effectiveness having the largest impact coefficient, making it the primary source of differences. Additionally, enhancing the spatial coordination in urban development and strengthening differentiated financial services helped narrow regional differences in digital ecological civilization construction. Notably, various driving factors exhibited significant heterogeneity across different comprehensive economic zones. This study provides important insights for effectively advancing DEC construction. The government should fully leverage the demonstrative and leading role of high-performing regions, guide different regions to explore differentiated paths for DEC construction based on their unique characteristics, and implement gradient-based policy support according to the development stages of different regions.

Key words: digital ecological civilization (DEC) Dagum Gini Coefficient Gaussian kernel density estimation club convergence quadratic assignment procedure

随着数字化、智能化和绿色化的深入协同发展，建设绿色智慧的数字生态文明已成为数字经济时代下实现人与自然和谐共生现代化的关键举措. 习近平总书记在2023年全国生态环境保护大会上明确强调，要深化人工智能等数字技术应用，构建美丽中国数字化治理体系，建设绿色智慧的数字生态文明. 国家发布的“数字中国”“美丽中国”建设方案进一步从不同角度提出了加快数字生态文明建设的阶段目标和远景规划. 来自国家层面的高度重视已然将数字生态文明建设的重要性提升至前所未有的战略高度，也使得数字生态文明这一话题开始受到政府和学界的密切关注. 然而，当前鲜有研究对中国数字生态文明建设进行量化分析^[1]，且普遍忽视了分析数字生态文明发展的时空演变、差异来源和决定机制. 这种情况下，如何科学合理地识别中国数字生态文明建设的时空差异和发展困境，就成为现阶段亟待探究的重要话题. 那么，全国及各地区数字生态文明建设水平究竟如何、具有怎样的演变趋势？地区间是否存在显著差异？如果答案是肯定的，其地区差异究竟受到哪些因素影响？厘清上述问题，对于未来国家有效实现“美丽中国”和“数字中国”建设的“双赢”具有重要的理论和现实意义.

目前，关于数字生态文明的相关研究仍处于起步阶段，且主要停留在理论层面. 一方面，部分学者认为数字生态文明是以数字化赋能生态文明建设. 刘国菊^[2]指出数字生态文明建设的内在逻辑是通过数字技术赋能生态文明建设，打造绿色智慧的数字生态治理体系；张波等^[3]认为数字生态文明是运用数字技术推动生态环境保护和治理；谢忠强等^[4]发现数字生态文明依托数字技术驱动经济发展方式转变，为中国经济、政治、文化和社会等领域赋能的生态文明建设；李思齐等^[5]发现，数字生态文明是数字技术及其多领域应用与生态文明建设发展总体联动局面的理论探索与实践尝试的总和；肖沁霖等^[6]指出数字生态文明建设是依托数字技术，创新生态文明建设的路径和模式，促进生态文明建设与数字技术深度融合发展的一种特有文明形态；张夺^[7]认为数字生态文明以生态为“体”、以数字为“用”，既是一种智慧化的生态治理模式，又是一种生态与数字相融合的人类文明新形态. 另一方面，也有文献指出数字生态文明是多个系统之间的相互作用. 施志源等^[8]指出数字生态文明是数字时代下，在“数字化”与“绿色化”的融合与协同过程中所形成的一种新型文明形态；孙博文^[9]认为要基于技术进步和人与自然和谐共生的双重视角，并从经济、社会、文化、治理、全球化、技术和要素这7个维度系统性构建数字生态文明理论框架；黄爱宝^[10]提出，需结合经济、政治、文化和社会各领域及全过程准确把握数字生态文明的理论内涵；邬晓燕^[11]认为在中国式现代化的理论视域下，数字生态文明将数字技术的赋能效应与生态文明的伦理诉求融合，是中国特色社会主义生态文明的范式跃迁；陈智雄等^[12]指出数字生态文明融入经济、政治、文化以及社会建设全过程，以生态文明数智化发展打造人与自然生命共同体；景池^[13]指出数字生态文明是在双化协同过程中形成的器物、精神与制度的文明成果总和，是生态文明在数字时代的特有形态. 遗憾的是，关于如何驱动数字生态文明建设的量化分析还极为少见，仅个别研究从数绿政策协同的角度提供了宝贵意见^[1]，但尚未有文献对中国数字生态文明建设水平的时空演变、差异分解、动态演变和决定因素等问题进行较为系统地探讨，导致学界对该问题的认识还存在明显不足.

相较于以往研究，本文的边际贡献在于：一方面，基于“格局-过程-机制”的地理学研究范式，构建了中国数字生态文明建设时空格局及作用机制的完整分析链条，形成了从静态格局测度到动态过程刻画，再到驱动机制解析的系统性研究，一定程度上丰富和拓展了数字生态文明建设的地理学研究范畴. 另一方面，将关系数据分析范式引入数字生态文明影响因素的作用强度研究中，利用二次指派程序揭示数字生态文明建设差异的驱动机制，以期为加快建设绿色智慧的数字生态文明提供了理论支撑和实践参考.

1 材料与方法 1.1 研究方法 1.1.1 Dagum基尼系数及其分解方法

在地区差异分析中，本文借鉴钟玉菲等^[14]的做法，采用Dagum基尼系数及其分解方法刻画中国数字生态文明的地区相对差异及其变化趋势. 该方法通过将总体基尼系数分解，既能深入分析地区差异大小及其来源，又可有效规避样本间的交叉重叠问题^[15]. 具体计算公式如下：

G = \frac{\sum_{j = 1}^{k} \sum_{h = 1}^{k} \sum_{i = 1}^{n_{j}} \sum_{r = 1}^{n_{h}} |D E C_{j i} - D E C_{h r}|}{2 n^{2} \bar{D E C}}

(1)

式中，n为地级市个数，k为总的区域个数，n_j和n_h分别为区域j和h内的地级市个数，DEC_ji和DEC_hr分别为区域j和h内任一地级市的数字生态文明综合指数， $\bar{D E C}$ 为数字生态文明综合指数均值，G为所研究地区的总体区域差异. 基于Dagum基尼系数分解方法，将总体基尼系数（G）分解为地区内差异贡献度（G_w）、地区间差异贡献度（G_nb）以及超变密度贡献度（G_t），即：G=G_w+G_nb+G_t. 值得注意的是，超变密度反映不同区域间的交错分布现象，具体表现为：高水平地区中存在某些地级市数字生态文明建设水平低于低水平地区，从而出现区域间数字生态文明建设水平交叉重叠现象.

1.1.2 高斯核密度估计

在时空动态演变分析中，本文参照李健等^[16]的处理方式，选用Kernel核密度估计法解析中国数字生态文明的地区发展差异、分布动态和演变规律. 具体计算过程如下：

f (D E C) = \frac{1}{n h} \sum_{i = 1}^{n} K (\frac{D E C_{i} - \bar{D E C}}{h})

(2)

式中，f（DEC）为中国数字生态文明建设水平综合指数DEC的密度函数，K（）为核密度函数，n为区域内地级市个数，DEC_i为独立同分布的数字生态文明建设综合指数， $\bar{D E C}$ 为数字生态文明综合指数均值，h为带宽. 高斯核密度函数为：

K (x) = \frac{1}{\sqrt[]{2 π}} e x p (- \frac{x^{2}}{2})

(3)

基于核密度估计得到的密度曲线，可以分析中国数字生态文明综合指数在各区域内的分布位置、分布态势、延展性变化和极化现象. 其中，分布位置反映数字生态文明建设水平的高低，分布态势通过波峰的高度和宽度来刻画区域差异，延展性变化描述空间差异的差距变化，极化现象通过波峰数量来分析分化程度.

1.1.3 俱乐部收敛检验

在俱乐部收敛性分析中，借鉴伏润得等^[17]的做法，本文使用基于非线性时变因子模型的logt检验方法，对中国数字生态文明的收敛俱乐部进行分类识别和深入分析. 相较于传统收敛模型，该方法既能考虑数字生态文明建设随时间变化的地区异质性，又可处理平稳性和非平稳性数据，弥补了传统收敛模型无法进行内生性识别的不足^[18]. 具体可分为全局logt检验和基于logt检验方法识别俱乐部收敛，检验过程如下：

全局logt检验. 构建非线性时变因子模型：

D E C_{i t} = b_{i t} ω_{t}

(4)

式中，DEC_it为城市i在t年的数字生态文明建设水平，b_it为时间变化因子的载荷系数，ω_t为全国地级市的公共因子. 若b_it收敛于b，则DEC_it收敛. 为检验b_it的收敛性，Phillips等^[19]引入相对时变参数h_it，具体表达式如下：

h_{i t} = \frac{b_{i t}}{N^{- 1} \sum_{i = 1}^{N} b_{i t}}

(5)

式中，h_it为第i个城市数字生态文明建设水平DEC_it与全国地级市DEC_it的长期偏离程度，当h_it收敛于1，则各地级市DEC_it存在长期收敛. N为地级市数量. h_it在第t年的截面方差为V_t，具体表达式如下：

V_{t} = \frac{1}{N} \sum_{i = 1}^{N} (h_{i t} {- 1)}^{2} \overset{t \to \infty}{\to} 0

(6)

进一步，构建时变因子b_it的半参数模型，表达式如下：

b_{i t} = b_{i} + \frac{σ_{i} ξ_{i}}{L (t) \times t^{α}}

(7)

式中，b_i为城市的固有差异，σ_i为异质性规模参数， $ξ_{i}$ 在时间截面上独立同分布且与时间弱相关，L（t）为随时间增大的时变函数，式（7）可通过 $α$ 判断收敛性及收敛速度. 基于此，全局logt检验为：原假设H₀：所有城市的数字生态文明建设水平收敛，即 $b_{i} = b$ 且 $α \geq 0$ ；备择假设H₁：至少存在一个城市i不收敛，即 $b_{i} \neq b$ ，或者 $α < 0$ .

当中国数字生态文明不存在全局收敛现象后，可以通过logt检验方法识别城市数字生态文明建设水平是否存在俱乐部收敛. 详细步骤如下：首先，按照区域内各城市每年数字生态文明DEC_it的均值从高到低排序. 其次，选择排名前二的城市进行logt检验，若检验结果拒绝原假设，则剔除排名第一的城市，并依次对剩余的两个城市进行logt检验. 若出现两个城市无法拒绝原假设，则这两个城市构成初始核心组. 如果遍历所有城市后仍无法确定初始核心组，则表明该区域不存在俱乐部收敛. 再次，以初始核心组为基础，将尚未检验的城市逐一加入核心组进行logt检验，遍历所有城市后确定第一个收敛俱乐部. 最后，依次重复上述步骤，直至识别出该区域内所有俱乐部收敛.

1.1.4 二次指派程序

在空间驱动机制分析中，本文基于二次指派程序（QAP）探究中国数字生态文明建设空间差异的驱动机制. 二次指派程序是一种针对“关系数据”进行随机置换的非参数检验方法，通过随机试验对多个矩阵进行相关分析与回归分析，能够避免变量间存在的自相关和多重共线性问题^[20]. 参考梁红涛等^[21]的做法，具体模型构建如下：

D E C = β_{0} + β_{1} X + U

(8)

式中，DEC为中国数字生态文明建设的差异矩阵；β₀为截距项；β₁为待估系数；U为残差项；X为数字生态文明建设驱动因素的差异矩阵.

1.2 指标选取与数据来源 1.2.1 数字生态文明

数字生态文明是数字时代下以人与自然和谐共生现代化为宗旨，以通过深化人工智能等数字技术应用构建美丽中国数字化治理体系为本质特征，依托数字化引领生态化和生态化带动数字化，建设经济现代化、技术数字化和生态绿色化协同发展的绿色智慧文明和特有文明形态. 也可认为，数字生态文明建设是“五位一体”发展理念下经济建设和生态文明建设协同发展产生的新型高级文明形态，深刻体现经济建设领域以人工智能为代表的数字技术与生态文明的深度融合. 数字生态文明是一个综合性和系统化的复杂概念，而单一指标仅能体现数字生态文明建设的局部事实，难以全面揭示其真实水平. 因此，本文基于系统观视角，从数字生态文明的整体性出发，参考韩先锋等^[1]的研究，将数字生态文明划分为：数字生态文明基础条件、技术支撑、建设成效和建设保障这4个维度进行衡量. 数字生态文明基础条件中包括数字基础和生态基础这2个二级指标，其中数字基础包括每百人移动电话用户数（户）、每百人互联网用户数（户）和人均电信业务总量（元·人^-1）这3个三级指标；生态基础包括人均公园绿地面积（m²·人^-1）、人均占有耕地面积（m²·人^-1）和城市人口密度（人·km^-2）这3个三级指标. 数字生态文明技术支撑中涵盖数字技术、绿色技术和数字绿色技术3个二级指标，其中数字技术包括人工智能专利授权数量占比（%）、物联网专利授权数量占比（%）和区块链专利授权数量占比（%）这3个三级指标；绿色技术包括清洁能源专利授权数量占比（%）、环保材料专利授权数量占比（%）和化石能源降碳专利授权数量占比（%）这3个三级指标；数字绿色技术选择数字形式的绿色专利数量（件）这1个三级指标. 数字生态文明建设成效中涉及数绿融合发展、数字转型和绿色转型这3个二级指标，其中数字转型包括金融科技公司数（个）、中国数字金融普惠指数以及计算机和软件从业人员占比（%）这3个三级指标；绿色转型包括工业固体废物综合利用率（%）、空气良好以上天数达标率（%）和建成区绿化覆盖率（%）这3个三级指标；数绿融合发展包括国家绿色数据中心数量（个）、生态环境大数据试验区数量（个）和数绿融合产业营业总收入（亿元）这3个三级指标. 数字生态文明建设保障考量重视程度和保护力度这2个二级指标，其中重视程度包括财政环境保护支出占比（%）、财政科技支出占比（%）、政府环保注意力（%）和政府数字关注度（%）这4个三级指标；保护力度包括环境保护法规数量（件）、知识产权法规数量（件）、环境保护处罚案件数（件）和知识产权审判结案数（件）这4个三级指标. 基于上述评价指标体系，本文选用熵值TOPSIS法测度2011~2022年各地级市层面的数字生态文明建设水平综合指数及各子系统指数.

数字生态文明的内涵和外延是相互联系、密不可分的，构成数字生态文明的基础条件、技术支撑、建设成效和建设保障四大外延特征在其经济现代化、技术数字化和生态绿色化的三大内涵中均有具体表现. 具体而言，数字生态文明技术支撑中的数字绿色技术和建设成效中的数绿融合发展等体现了数字生态文明的经济现代化内涵. 数字生态文明基础条件中的数字基础、技术支撑中的数字技术以及建设成效中的数字转型等反映了数字生态文明的技术数字化内涵. 数字生态文明基础条件中的生态基础、技术支撑中的绿色技术以及建设成就中的绿色转型等展现了数字生态文明的生态绿色化内涵. 此外，数字生态文明建设离不开制度支撑，建设保障中的重视程度和保护力度均从制度层面为推动经济现代化、技术数字化和生态绿色化提供了重要保障.

1.2.2 数据来源

本文采用2011~2022年中国282个地级市面板数据开展研究（基于数据的可获得性，这里未包括西藏、中国港澳台地区，以及毕节、铜仁、海东、哈密、吐鲁番、眉山和济源等数据缺失较多城市）. 中国数字生态文明指标数据来自数字经济研究数据库、北大法宝司法案例库、国泰安CSMAR数据库等，数字生态文明建设决定因素数据来源于《中国城市统计年鉴》等，少量缺失数据采用插值法填补.

2 中国数字生态文明测度结果分析 2.1 中国数字生态文明建设水平综合指数及子系统指数的特征

基于前文构建的指标体系，本文利用熵值TOPSIS法测度2011~2022年中国282个地级市数字生态文明建设水平综合指数及其子系统指数. 从全域看，数字生态文明建设水平综合指数由2011年的0.029增长至2022年的0.081，增长幅度达到176.713%，但总体上仍处于较低水平. 本文截取2011年、2015年、2019年和2022年这4个时间截面的地级市数字生态文明建设水平，具体绘制如下时空格局演变（见图 1），发现2011~2022年中国数字生态文明建设整体水平有所提升，但空间分化趋于扩大. 2011年几乎所有地级市数字生态文明建设处于较低水平，仅零星城市数字生态文明建设处于低水平. 然而，受益于美丽中国和数字中国双重国家战略布局，到2022年较低水平城市数量明显缩减，中水平及以上城市在空间分布上呈现出多中心化特征，逐步分散于区域核心城市，形成“多点开花”的空间格局. 从具体地级市看，2022年北京的数字生态文明建设达到高水平，综合指数为0.567，在全国范围内处于“领头羊”地位. 连云港、淮安和六盘水等21个地级市在样本期内的数字生态文明建设水平年均增长率均超过100%，数字生态文明建设水平显著提高.

基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号的标准地图制作，底图无修改图 1 中国数字生态文明建设的时空格局演变 Fig. 1 Spatio-temporal evolution of digital ecological civilization construction in China

图 2展示了2011~2022年中国数字生态文明子系统指数的变化趋势，可以发现，数字生态文明基础条件指数在整个样本期内呈现缓慢上升趋势，处于所有子系统指数中的最低水平，最高的2022年也仅为0.004. 此外，数字生态文明技术支撑指数保持稳中有升，2021~2022年间出现迅速上升，年增速达42.420%，反超数字生态文明建设保障指数，处在所有子系统指数中的次高水平. 另外，数字生态文明建设成效指数在样本期内一直处于所有子系统指数中的最高水平，在2015~2016年间发展势头迅猛，年均增长率高达16.690%，这可能源于考察期内国家层面对数绿融合发展的高度重视，较大程度上引领着中国数字生态文明建设成效水平迅速增长. 此外，数字生态文明建设保障指数总体上在0.004~0.009范围内小幅波动，整体水平仍为增长态势.

图 2 中国数字生态文明建设子系统指数变化趋势 Fig. 2 Trends in the sub-system indices of digital ecological civilization construction in China

2.2 中国数字生态文明建设的区域特征

从上文可以看出，中国数字生态文明存在明显的区域差异，为探明数字生态文明建设的区域差异规律，本文参考任保平等^[22]的做法，从东北、北部沿海、东部沿海、南部沿海、黄河中游、长江中游、西南和西北这8个综合经济区的视角进一步分析中国数字生态文明的区域特征. 其中，东北地区包括辽宁、黑龙江和吉林下属的34个地级市；北部沿海地区包括北京、山东、河北和天津下属的29个地级市；东部沿海地区包括江苏、浙江和上海下属的25个地级市；南部沿海地区包括广东、福建和海南下属的32个地级市；黄河中游地区包括河南、陕西、山西和内蒙古下属的47个地级市；长江中游地区包括湖北、安徽、湖南和江西下属的52个地级市；西南地区包括四川、重庆、广西、云南和贵州下属的44个地级市；西北地区包括新疆、甘肃、宁夏和青海下属的19个地级市.

综合经济区在经济发展特征、数字转型情况与生态基础状况等的不同，致使数字生态文明在区域间不可避免地存在建设先后和建设水平上的差异. 八大综合经济区数字生态文明建设水平综合指数变化趋势如图 3所示，不难发现各综合经济区数字生态文明建设水平总体上均呈现稳定增长的态势. 从综合指数的均值大小看，东部沿海地区（0.125）处于领头羊地位，之后依次为东北（0.062）、北部沿海（0.060）、黄河中游和南部沿海（0.054）、西南（0.040）以及长江中游地区（0.033），而西北地区（0.025）较为落后. 从数字生态文明建设水平综合指数的增长速度看，东部沿海、东北、黄河中游以及西南地区的年均增长率分别高达19.550%、18.993%、17.498%和11.801%，随后依次为南部沿海（7.984%）、北部沿海（7.535%）和长江中游（7.424%），而西北地区（5.159%）发展较为迟缓. 综上，东部沿海地区数字生态文明建设水平与其他地区差异较大，一定程度上可以看出经济发展状况好、数字转型成效显著以及生态基础条件良好的地区在数字生态文明建设上更具优势.

图 3 八大综合经济区数字生态文明建设综合指数变化趋势 Fig. 3 Trends in the comprehensive index of digital ecological civilization construction across the eight major economic zones

图 4展示了八大综合经济区的数字生态文明基础条件、数字生态文明技术支撑、数字生态文明建设成效和数字生态文明建设保障这4个子系统的变化趋势，不难发现，八大综合经济区数字生态文明子系统具有以下特征：第一，数字生态文明基础条件子系统内，各地区建设水平稳步增长，2019年后南部沿海、黄河中游地区建设水平出现小幅下降，各地区建设速度均显著放缓，而随后在2021年后除西北地区外，各地区均呈现积极增长态势. 另外，除西南和西北地区数字生态文明基础条件水平相对较低外，各地区基础条件水平高度基本一致，地区间差距较小；第二，数字生态文明技术支撑子系统内，各地区发展水平持续提升，年均增长率均大于10.000%，但样本期内出现小幅波动. 此外，各地区差距较大，大致呈现出东部、北部、南部沿海地区 > 西南地区 > 东北、长江、黄河中游地区 > 西北地区的分布格局；第三，数字生态文明建设成效子系统内，各地区建设水平总体上趋于提升，与综合指数的分布格局相似，2015~2016年间除北部沿海、南部沿海和西北地区外，其余经济区建设水平出现大幅上升，且增长速度显著加快. 究其原因可能是，数字生态文明建设成效中生态环境大数据试验区集中分布于西南、东北、东部沿海以及长江和黄河中游地区，而在西北、南部沿海和北部沿海地区尚未有试验区建设；第四，数字生态文明建设保障子系统内，各地区建设水平总体上呈现上升趋势，但在样本期内出现大幅度波动. 综上，数字生态文明各子系统内均存在不同程度的区域建设差异，推动数字生态文明建设需要因地制宜和因需而变地推动各子系统的建设.

图 4 八大综合经济区数字生态文明建设子系统指数变化趋势 Fig. 4 Trends in the sub-system indices of digital ecological civilization construction across the eight major economic zones

3 中国数字生态文明建设的地区差异及时空动态演进分析 3.1 中国数字生态文明建设的地区差异分析

在测度结果分析的基础上，为进一步探究中国八大综合经济区数字生态文明综合指数的地区相对差异及其变化趋势，本文采用Dagum基尼系数及其分解方法进行地区差异分析.

3.1.1 差异来源与贡献度

中国数字生态文明综合指数地区差异的3类来源及其贡献度变化趋势如图 5所示，可以发现，2016年之前，数字生态文明建设水平超变密度贡献度最高；2016~2019年间，地区间差异贡献度超过超变密度贡献度，成为数字生态文明建设地区差异的主要来源；2019年之后，超变密度贡献度再次成为3部分贡献度中的最高值. 从贡献度的均值大小看，超变密度的贡献度均值在样本期内为46.270%，高于地区内差异和地区间差异的11.495%和42.235%. 这表明超变密度是中国数字生态文明建设地区差异的最主要来源，成为缩小数字生态文明地区差异的核心驱动力. 从具体时间变化趋势看，地区内差异贡献度保持相对稳定，在11.188%~12.043%之间小幅波动，总体变动幅度约0.855%，表现出较强的稳定性；地区间差异贡献度呈现“波动上升-波动下降”的趋势，而超变密度的贡献度呈现出与其相反的“U型”变化趋势，总体演变趋势可分为两个阶段：2011~2017年为波动下降阶段，2018~2022年为波动上升阶段. 这说明地区间差异的贡献度变化被超变密度的变化所吸收，体现出不同地区间数字生态文明建设的溢出效应.

图 5 中国数字生态文明建设的地区差异来源及贡献率变化趋势 Fig. 5 Trends in the sources and contribution rate of regional differences in China's digital ecological civilization construction

3.1.2 总体差异及地区内差异

图 6描绘了2011~2022年全国及八大综合经济区数字生态文明综合指数地区内基尼系数的变化趋势. 从全国层面看，总体基尼系数呈现波动上升趋势，均值为0.528，整体处于较高水平，表明中国数字生态文明建设水平在全域视角下地区内差异逐渐扩大，且差异程度较高. 具体表现为：总体基尼系数在2011~2014年间呈下降趋势，而在2014~2015年小幅回弹后出现高速增长，2015~2016年上涨幅度高达25.054%，此后在0.558~0.571范围内小幅波动. 可能的原因在于：2016年起开始实施生态环境大数据建设试点，受限于试点政策的局限性，仅常州、贵阳、苏州和武汉等35个地级市进行了生态环境大数据建设，试点城市集中分布于东北、东部沿海、黄河中游、长江中游和西南地区，使得中国数字生态文明建设差异明显扩大. 随着数字化绿色化协同转型发展的推进，北京、上海、深圳和成都等64个地级及以上城市分别于2018年、2020年和2021年起建立多个国家绿色数据中心，总体基尼系数的持续增长态势在2017年后得到控制.

图 6 中国数字生态文明建设的地区内差异变化趋势 Fig. 6 Trends in intra-regional differences in China's digital ecological civilization construction

从八大综合经济区层面看，除东部沿海、南部沿海和西北地区外，各经济区数字生态文明地区内差异与总体差异变化趋势大致相同，样本区间内期末基尼系数相比期初水平均显著增大，在均值上呈现出西南地区最大，之后依次为东北、黄河中游、南部沿海、长江中游、北部沿海和西北地区，而东部沿海地区最小的格局. 具体到各地区内，西南、东北和长江及黄河中游地区的内部差异总体上呈现出相同的变化趋势，2011~2015年间波动下降，在2016年大幅攀升后，稳定在一定水平附近小幅震荡；北部沿海、东部沿海和南部沿海地区内部差异均呈现出“U形”变化趋势，北部沿海地区内部差异最小值出现在2015年为0.376，东部沿海地区的最小值出现在2020年为0.282，南部沿海地区的最小值出现在2021年为0.443；西北地区内部差异在2012年显著下降后，在0.355~0.398范围内小幅波动.

3.1.3 地区间差异

2011~2022年中国数字生态文明建设水平综合指数地区间基尼系数的测算结果如表 1所示，据此可分析如下：从地区间差异均值来看，各地区间差异整体处于较高水平. 具体而言，北部沿海与西南地区之间的基尼系数最高，达到0.536；北部沿海与东部沿海之间最低，为0.452. 东北与东部沿海、长江中游与西北、东部沿海与南部沿海、北部沿海与南部沿海、东部沿海与黄河中游、南部沿海与西北、北部沿海与西北以及南部沿海与长江中游的基尼系数均低于0.500，表现出相对较小的区域差异. 其他的地区间基尼系数均值大于0.500，地区间差异程度相对较高. 值得注意的是，西南地区与所有其他地区之间的基尼系数均值均超过0.510. 从地区间差异变动趋势来看，东部沿海与南部沿海、南部沿海与西北以及北部沿海与南部沿海的地区间差异呈现下降趋势，而其他的地区间差异整体呈现扩大趋势，其中东部沿海与西北的地区间差异增幅最为显著，达到39.792%. 这表明中国数字生态文明建设水平呈现出显著的区域分异特征，其中东西部地区间的差距尤为突出，且呈现持续扩大的趋势.

表 1 中国数字生态文明建设的地区间差异 Table 1 Inter-regional differences in China's digital ecological civilization construction

项目	2011年	2012年	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	2022年	均值
东北与北部沿海	0.441 6	0.463 8	0.465 6	0.433 6	0.414 1	0.534 9	0.541 5	0.551 2	0.551 9	0.553 6	0.542 6	0.537 7	0.508 2
东北与东部沿海	0.453 0	0.451 9	0.452 9	0.449 7	0.431 7	0.474 7	0.468 2	0.470 3	0.465 8	0.460 7	0.456 3	0.456 9	0.458 1
东北与南部沿海	0.499 9	0.484 4	0.484 8	0.459 3	0.459 2	0.550 1	0.546 4	0.548 2	0.546 3	0.535 9	0.511 3	0.514 5	0.512 7
东北与黄河中游	0.443 4	0.413 4	0.419 2	0.381 5	0.381 8	0.572 7	0.537 5	0.549 4	0.564 6	0.572 4	0.557 9	0.551 0	0.500 1
东北与长江中游	0.438 1	0.435 2	0.461 0	0.422 4	0.428 2	0.572 6	0.567 0	0.567 9	0.573 7	0.574 3	0.553 6	0.556 7	0.519 3
东北与西南	0.493 0	0.434 0	0.464 4	0.412 9	0.423 7	0.596 9	0.594 0	0.592 2	0.588 3	0.590 6	0.576 9	0.576 1	0.531 8
东北与西北	0.437 0	0.417 5	0.457 5	0.397 6	0.404 0	0.584 4	0.584 0	0.582 9	0.578 2	0.578 3	0.557 1	0.553 3	0.517 7
北部沿海与东部沿海	0.430 0	0.454 6	0.436 8	0.400 0	0.386 3	0.480 4	0.476 1	0.479 7	0.477 4	0.461 4	0.460 3	0.458 0	0.451 9
北部沿海与黄河中游	0.479 4	0.463 2	0.437 0	0.410 2	0.424 7	0.552 2	0.516 1	0.535 7	0.559 2	0.565 2	0.558 7	0.558 8	0.507 3
北部沿海与长江中游	0.474 8	0.490 9	0.480 3	0.460 4	0.445 8	0.491 3	0.489 3	0.503 4	0.522 2	0.532 5	0.531 3	0.553 4	0.500 1
北部沿海与西南	0.523 4	0.501 1	0.489 6	0.470 0	0.469 9	0.549 2	0.561 7	0.562 9	0.568 0	0.572 6	0.571 1	0.583 5	0.536 3
北部沿海与西北	0.483 0	0.494 6	0.478 2	0.444 3	0.443 8	0.464 2	0.488 6	0.505 3	0.511 0	0.517 4	0.523 0	0.546 1	0.492 4
东部沿海与南部沿海	0.506 1	0.484 2	0.466 5	0.445 1	0.445 7	0.503 4	0.494 1	0.492 3	0.482 7	0.451 0	0.431 5	0.451 8	0.468 0
东部沿海与黄河中游	0.490 7	0.458 3	0.436 6	0.427 7	0.439 5	0.519 9	0.481 5	0.491 8	0.506 2	0.506 0	0.503 2	0.505 8	0.479 7
东部沿海与长江中游	0.484 7	0.490 7	0.480 1	0.472 6	0.457 6	0.564 1	0.563 9	0.564 4	0.566 0	0.556 9	0.548 2	0.556 7	0.529 2
东部沿海与西南	0.532 7	0.505 9	0.493 1	0.486 2	0.481 5	0.564 1	0.553 1	0.553 8	0.543 1	0.537 4	0.536 8	0.537 4	0.526 6
东部沿海与西北	0.487 5	0.478 7	0.463 6	0.457 9	0.457 7	0.519 5	0.513 9	0.509 4	0.505 0	0.490 2	0.488 8	0.681 5	0.506 0
南部沿海与黄河中游	0.515 3	0.478 0	0.451 2	0.434 0	0.452 6	0.562 1	0.520 6	0.531 2	0.552 9	0.551 2	0.533 2	0.538 9	0.509 6
南部沿海与长江中游	0.511 2	0.504 4	0.487 5	0.474 1	0.475 6	0.497 4	0.479 0	0.482 3	0.512 0	0.520 0	0.507 1	0.518 9	0.496 2
南部沿海与西南	0.556 5	0.513 9	0.494 8	0.480 9	0.490 5	0.554 1	0.555 8	0.549 1	0.559 5	0.557 5	0.543 8	0.559 3	0.532 7
南部沿海与西北	0.541 8	0.516 4	0.494 2	0.475 3	0.487 6	0.473 9	0.471 1	0.472 7	0.496 5	0.498 4	0.482 0	0.495 5	0.487 6
黄河中游与长江中游	0.455 6	0.434 9	0.415 0	0.409 2	0.418 2	0.577 0	0.540 1	0.548 5	0.570 1	0.573 4	0.557 9	0.563 3	0.509 8
黄河中游与西南	0.500 9	0.432 8	0.409 3	0.401 5	0.401 2	0.600 0	0.571 0	0.574 6	0.588 0	0.592 5	0.582 2	0.584 0	0.521 5
黄河中游与西北	0.459 2	0.418 8	0.388 6	0.380 4	0.374 8	0.588 3	0.547 5	0.556 6	0.575 3	0.579 2	0.565 6	0.565 3	0.503 7
长江中游与西南	0.494 8	0.443 0	0.438 4	0.429 9	0.447 9	0.447 9	0.551 0	0.541 3	0.559 3	0.562 2	0.548 8	0.570 0	0.513 6
长江中游与西北	0.450 3	0.437 2	0.433 3	0.424 9	0.442 2	0.491 5	0.451 9	0.453 4	0.473 2	0.482 6	0.469 0	0.490 7	0.459 1
西南与西北	0.514 2	0.423 8	0.420 9	0.404 4	0.414 1	0.568 5	0.574 4	0.562 0	0.570 8	0.570 5	0.556 5	0.579 6	0.513 2

表 1 中国数字生态文明建设的地区间差异 Table 1 Inter-regional differences in China's digital ecological civilization construction

3.2 中国数字生态文明建设的时空动态演变分析

为进一步探究全国及八大综合经济区数字生态文明的空间分布形态和动态演变过程，这里参考刘怡君等^[23]的做法，采用高斯核函数进行核密度估计，具体从分布位置、分布态势、延展性变化和极化现象这四方面进行刻画，结果如图 7所示，据此可分析如下.

图 7 中国数字生态文明建设水平分布动态 Fig. 7 Dynamic distribution of China's digital ecological civilization construction level

图 7（a）展示了2011~2022年中国数字生态文明在全国范围内时空动态演变趋势. 从分布位置来看，主峰位置逐渐右移，表明数字生态文明建设水平不断提高；从分布态势来看，主峰高度波动下降且呈现宽度增大的趋势，说明全国范围内数字生态文明建设的区域差异呈扩大趋势；从延展性变化来看，分布曲线出现右拖尾现象且延展性随时间拓宽，表明存在高水平数字生态文明“示范”城市发挥带动作用，拉动全国数字生态文明建设水平提升，同时各地级市间数字生态文明建设水平差距扩大；从极化趋势来看，2016年分布曲线出现一个相对较低的右侧峰，表明全国范围内数字生态文明建设水平出现两极化现象. 上述核密度估计结果与前文分析结论基本一致，中国数字生态文明建设整体水平呈现缓慢上升趋势，但由于各地级市经济发展特征、数字转型情况与生态基础状况的不同，政策扶持力度、城市功能定位各异，使得数字生态文明建设的差异不断扩大，短时间内难以实现平衡发展.

八大综合经济区数字生态文明时空动态演进趋势如图 7（b）~7（i）所示，不难发现，不同地区的分布曲线在保持一定共性的同时，也呈现出明显的区域差异化特征. 从分布位置来看，各综合经济区数字生态文明建设水平的核密度曲线均出现右移，说明各区域的建设水平呈现增长态势；从分布态势看，各区域主峰高度逐渐下降，宽度变大，说明数字生态文明建设水平各区域内部差异有扩大趋势. 值得注意的是，东部沿海地区主峰高度逐年下降，而侧峰高度逐年上升并于2016年后超过主峰高度，这既表明东部沿海地区内部建设水平差异在不断扩大，又反映出该地区出现高水平集聚，数字生态文明整体建设水平显著提高；从延展性变化看，各地区均出现显著的右拖尾现象，且随时间呈现分布延展性拓宽，说明八大综合经济区各区域内部数字生态文明建设水平的空间差距正逐渐扩大；从极化趋势来看，除西北地区外，其他地区的分布曲线均表现出不同程度的极化现象. 其中，东北、西南以及长江和黄河中游地区在2016年后均出现了两极化趋势. 北部、东部和南部沿海地区则表现出从两极化向多极化的演变趋势，具体表现为，北部和东部沿海地区分布曲线于2022年从双峰特征演变为三峰特征，南部沿海地区分布曲线自2020年起呈现出显著的三峰特征，随后在2022年，这一特征进一步演变为四峰结构，极化现象加剧.

4 中国数字生态文明建设的俱乐部收敛性分析

前文分析表明，中国数字生态文明建设的空间分布呈现出多中心、多层次的异质性扩散模式. 为进一步探究全国及八大综合经济区之间数字生态文明建设的演变分化特征，本文借鉴唐睿^[24]的经验，基于非线性时变因子模型进行俱乐部收敛检验. 全局收敛logt检验结果如表 2所示，t值为-6.734，在1%的水平上拒绝全局收敛的原假设，这说明至少一个城市数字生态文明建设水平与其他城市不一致，即中国数字生态文明的演进过程不存在整体收敛现象. 在整体发散的前提下，进一步检验城市数字生态文明建设水平是否收敛于某些城市群，形成多个具有内部同质性的城市俱乐部. 依据城市数字生态文明水平的波动趋势进行内生分组，并进行潜在的合并俱乐部收敛检验，全国及八大综合经济区的俱乐部收敛结果见表 2，可以发现，2011~2022年中国数字生态文明建设形成3个收敛俱乐部. 其中，太原、重庆、天津和贵阳等96个地级及以上城市收敛于高水平俱乐部（Club1），该俱乐部2011年平均水平为0.047，2022年平均水平为0.178，样本期内数字生态文明建设水平增幅达282.151%，这类城市在数字生态文明建设进程中处于领先地位，发挥示范引领作用，对其他城市数字生态文明建设产生积极的推动效应. 保定、温州、临沂和湘潭等18个地级市组成中水平俱乐部（Club2），该俱乐部2011年平均水平为0.049，与高水平俱乐部数字生态文明建设水平差异较小，然而这类城市在数字生态文明建设呈现后发优势不足的特征，其2022年平均建设水平为0.080，且在样本期内建设水平的增长幅度相对缓慢为64.97%. 阳泉、宿州、黄冈和平凉等166个地级市收敛为低水平俱乐部（Club3），低水平俱乐部的数字生态文明建设水平显著落后于高水平和中水平俱乐部，2011年的平均水平为0.016，仅达到Club1平均水平的35.332%；到2022年，这一差距进一步扩大，平均水平虽增至0.023，但仅为Club1平均水平的12.691%，样本期内建设水平的增长幅度在三者中最低，仅为37.271%. 值得注意的是，北京和自贡两个城市不收敛于上述3个俱乐部，同属于发散组.

表 2 收敛俱乐部识别 Table 2 Identification of convergence clubs

进一步，通过对八大综合经济区进行俱乐部收敛识别，发现各经济区内部呈现不同的空间分化特征. 东北地区分化为两个不同水平的俱乐部，高水平俱乐部（Club1）包含沈阳、长春、通化和大庆等13个城市，Club2是包含锦州、鸡西、佳木斯和绥化等21个低水平俱乐部. 北部沿海地区收敛于3个不同水平的俱乐部且存在一个发散组，其中高水平俱乐部（Club1）包含天津、秦皇岛、廊坊和潍坊等14个城市，中水平俱乐部（Club2）仅包括淄博和济宁2个城市，低水平俱乐部（Club3）包括唐山、承德、枣庄和聊城等12个城市，一个发散组仅包括北京这一城市. 东部沿海地区分化为两个不同水平的俱乐部，其中高水平俱乐部（Club1）包含上海、南京、苏州和扬州等15个城市，低水平俱乐部（Club2）包括宁波、湖州、金华和丽水等10个城市. 南部沿海地区分化为两个收敛俱乐部，包括广州、深圳和东莞3个城市的高水平俱乐部（Club1）以及由其他29个城市构成的低水平俱乐部（Club2）. 黄河中游地区形成3个不同水平的俱乐部，其中高水平俱乐部（Club1）包含太原、呼和浩特、通辽和洛阳等17个城市，中水平俱乐部（Club2）包括平顶山、宝鸡、咸阳和延安这4个城市，低水平俱乐部（Club3）由长治、临汾、濮阳和铜川等26个城市构成. 长江中游地区分化为两个俱乐部和一个发散组，其中高水平俱乐部Club1涵盖南昌、武汉、长沙、株洲和湘潭这5个城市，低水平俱乐部（Club2）包含其余46个城市，一个发散组仅包括合肥这一城市. 西南地区同样分化为两个俱乐部和一个发散组，其中高水平Club1包含桂林、重庆、乐山和六盘水等12个城市，其余31个城市组成低水平（Club2），发散组仅包含南宁. 西北地区收敛于两个不同水平的俱乐部，包括兰州、金昌、西宁和中卫等6个高水平俱乐部以及其他13个城市构成的低水平俱乐部.

5 中国数字生态文明建设差异的作用机制 5.1 影响因素选取

从政治经济学视角可以发现，数字生态文明建设差异反映在文明演进与生产力变动协同演化的过程中，文明演进强调内部结构要素的系统协调，而生产力变动则重视外部环境的动态冲击. 基于此，数字生态文明的空间差异取决于内部结构和外部环境的“双轮驱动”. 从内部结构看，数字生态文明的空间差异由数字生态文明基础条件、技术支撑、建设成效和制度保障共同决定，4个子系统构成了内部驱动力. 从外部环境看，本文重点关注教育投入、经济发展、金融服务、人口规模、对外开放、城镇发展和人力资本等外部驱动因素对数字生态文明的影响作用.

驱动因素的代理变量说明如下：数字生态文明基础条件差异（JCTJ），基于数字生态文明基础条件子系统指数构建基础条件地区差异矩阵；数字生态文明技术支撑差异（JSZC），基于数字生态文明技术支撑子系统指数构建技术支撑地区差异矩阵；数字生态文明建设成效（JSCX），基于数字生态文明建设成效子系统指数构建建设成效地区差异矩阵；数字生态文明建设保障（JSBZ），基于数字生态文明建设保障子系统指数构建建设保障地区差异矩阵. 教育投入差异（Education），选取教育支出与地方财政一般预算内支出之比衡量各城市教育投入，进而构建教育投入地区差异矩阵，教育领域的资源投入加速了数字技术和绿色手段的融合发展，促进城市数字化和绿色化的协同发展^[25]. 失业水平差异（Unemp），使用年末城镇登记失业人数与年末总人口之比来体现城市失业水平，进而构建失业水平地区差异矩阵. 经济发展差异（Ngdp），利用地区人均GDP作为城市经济发展水平的代理变量，进而构建经济发展地区差异矩阵，地区经济发展水平的提高能够激发数字要素活力，带动城市产业绿色发展^[26]. 金融服务差异（Finance），使用年末金融机构各项存贷款余额与地区GDP之比来刻画城市金融服务水平，进一步构建金融服务地区差异矩阵，建设绿色智慧的数字生态文明需要金融机构提供更加精确的资金支持，差异化的金融服务有效缓解了国土综合整治和生态环境修复过程中的资金短缺问题，切实提升了数字生态文明建设的质量^[4]. 人口规模差异（People），基于人口自然增长率构建人口规模地区差异矩阵，人口规模所带来的城市集聚效应与生态承载压力，改变绿色数字技术应用的规模与效率^[27]，进而影响数字生态文明建设. 对外开放差异（Open），采用以人民币表示的外商直接投资与地区GDP之比来替代地区对外开放水平，进而构建对外开放地区差异矩阵，对外开放利用技术溢出效应加速绿色数字技术的引进和扩散^[28]，加强数字生态文明的技术支撑. 城镇发展差异（Cityrate），运用城镇户籍人口与总户籍人口的比值来表征各城市城镇发展水平，进一步构建城镇发展地区差异矩阵，城镇化立足城乡生产、生活，加速城市生活、生产方式数字化变革^[29]，建设资源节约型和环境友好型城市^[30]，助力数字生态文明建设. 人力资本差异（Edupop），选用每万人在校大学生人数的自然对数来反映城市人力资本水平，进而构建人力资本地区差异矩阵，现有研究表明人力资本是制约数字化与绿色化协同发展的重要因素^[31]，绿色数字复合型人才推动数字绿色技术创新，为数字生态文明建设提供技术支撑. 此外，对于数字生态文明差异（DEC），使用前文测算的各城市数字生态文明综合指数来构建数字生态文明的地区差异矩阵. 进一步，以数字生态文明差异矩阵为被解释变量，以各驱动因素地区差异矩阵为解释变量，运用QAP方法进行空间差异的驱动机制分析.

5.2 QAP相关分析

表 3为全样本期间的QAP相关分析结果，可以发现，除教育投入差异不显著外，数字生态文明差异与其余驱动因素差异均显著正向相关. 从相关系数大小看，建设成效与数字生态文明的空间差异高度相关，两者间相关系数为0.965，之后依次为技术支撑（0.565）、建设保障（0.500）、经济发展水平（0.457）、城镇化（0.382）、基础条件（0.238）、人力资本（0.225）、金融服务（0.187）、失业水平（0.163）、对外开放水平（0.099）和人口规模（0.056）. 这表明各驱动因素差异与数字生态文明差异之间的关系较为密切，然而相关关系并不代表回归关系，进一步可通过回归分析探索数字生态文明与各驱动因素之间的实际作用关系. 此外，由表中结果可知，各解释变量之间也存在一定的相关关系，变量间的多重共线性必然导致回归结果的不准确. 值得注意的是，本文采用QAP回归分析既能避免变量间的多重共线性，又可缓解遗漏变量偏差的问题^[14].

表 3 QAP相关分析结果^1） Table 3 QAP correlation analysis results

	DEC	JCTJ	JSZC	JSCX	JSBZ	Education	Unemp	Ngdp	Finance	People	Open	Cityrate	Edupop
DEC	1.000 0^***	0.238 0^***	0.565 0^***	0.965 0^***	0.500 0^***	0.001 0	0.163 0^***	0.457 0^***	0.187 0^***	0.056 0^**	0.099 0^***	0.382 0^***	0.225 0^***
JCTJ	0.238 0^***	1.000 0^***	0.238 0^***	0.185 0^***	0.288 0^***	0.150 0^***	0.130 0^**	0.524 0^***	0.146 0^***	0.225 0^***	0.002 0	0.467 0^***	0.137 0^***
JSZC	0.565 0^***	0.238 0^***	1.000 0^***	0.483 0^***	0.716 0^***	-0.042 0	0.108 0^**	0.515 0^***	0.372 0^***	0.038 0	0.203 0^***	0.449 0^***	0.373 0^***
JSCX	0.965 0^***	0.185 0^***	0.483 0^***	1.000 0^***	0.441 0^***	-0.007 0	0.163 0^**	0.404 0^***	0.173 0^***	0.041 0	0.083 0^***	0.332 0^***	0.192 0^***
JSBZ	0.500 0^***	0.288 0^***	0.716 0^***	0.441 0^***	1.000 0^***	-0.011 0	0.174 0^***	0.586 0^***	0.228 0^***	0.063 0^**	0.192 0^***	0.467 0^***	0.243 0^***
Education	0.001 0	0.150 0^***	-0.042 0	-0.007 0	-0.011 0	1.000 0^***	0.214 0^***	0.027 0	-0.015 0	0.303 0^***	-0.047 0^**	0.031 0	0.034 0^*
Unemp	0.163 0^***	0.130 0^**	0.108 0^**	0.163 0^**	0.174 0^***	0.214 0^***	1.000 0^***	0.238 0^***	0.164 0^***	0.112 0^***	0.054 0^*	0.268 0^***	0.200 0^***
Ngdp	0.457 0^***	0.524 0^***	0.515 0^***	0.404 0^***	0.586 0^***	0.027 0	0.238 0^***	1.000 0^***	0.149 0^***	0.118 0^***	0.107 0^**	0.694 0^***	0.258 0^***
Finance	0.187 0^***	0.146 0^***	0.372 0^***	0.173 0^***	0.228 0^***	-0.015 0	0.164 0^***	0.149 0^***	1.000 0^***	-0.030 0	0.060 0^*	0.294 0^***	0.404 0^***
People	0.056 0^**	0.225 0^***	0.038 0	0.041 0	0.063 0^**	0.303 0^***	0.112 0^***	0.118 0^***	-0.030 0	1.000 0^***	-0.050 0^**	0.125 0^***	0.017 0
Open	0.099 0^***	0.002 0	0.203 0^***	0.083 0^***	0.192 0^***	-0.047 0^**	0.054 0^*	0.107 0^**	0.060 0^*	-0.050 0^**	1.000 0^***	0.087 0^**	0.168 0^***
Cityrate	0.382 0^***	0.467 0^***	0.449 0^***	0.332 0^***	0.467 0^***	0.031 0	0.268 0^***	0.694 0^***	0.294 0^***	0.125 0^***	0.087 0^**	1.000 0^***	0.358 0^***
Edupop	0.225 0^***	0.137 0^***	0.373 0^***	0.192 0^***	0.243 0^***	0.034 0^*	0.200 0^***	0.258 0^***	0.404 0^***	0.017 0	0.168 0^***	0.358 0^***	1.000 0^***
1）变量均为282×282矩阵；随机置换5 000次；*表示P < 0.01，表示P < 0.05，*表示P < 0.1，下同

表 3 QAP相关分析结果^1） Table 3 QAP correlation analysis results

5.3 QAP回归分析 5.3.1 全样本回归分析

这里将数字生态文明（DEC）作为被解释变量，所有驱动因素作为解释变量代入QAP中进行回归分析，表 4展示了全国及八大综合经济区数字生态文明建设差异形成的驱动因素标准化回归系数结果. 从全国层面看，数字生态文明差异同时受到内外部“双轮”驱动作用. 对于内部结构驱动因素，数字生态文明基础条件、数字生态文明建设支撑和数字生态文明建设成效的标准化回归系数均显著为正，影响强度从大到小依次为数字生态文明建设成效（0.897）、数字生态文明建设支撑（0.119）和数字生态文明基础条件（0.034），这表明建设成效是数字生态文明建设差异的最主要来源，缩小数字生态文明建设成效差异是协调推进数字生态文明建设强有力的抓手. 对于外部环境驱动因素，城镇发展的差异系数为0.016且在5%的水平下显著，表明促进城镇发展的空间协调性有利于缩小数字生态文明建设的空间差异. 可能原因在于，新型城镇化发展能够从经济城镇化、人口城镇化、空间城镇化和社会城镇化这4个方面对数字生态文明技术支撑和建设成效产生影响^[32]. 具体表现为：经济城镇化伴随着产业结构优化，促进传统产业数字化和绿色化转型升级，推动经济现代化高质量增长^[33]；人口城镇化体现为高质量人口集聚，由此不断激发技术创新溢出，为数字生态文明建设的数绿转型发展和数绿融合创新提供坚实人才基础；空间城镇化表现出城镇生产空间和绿色发展空间之间的不断优化，在提高空间利用效率的同时降低生产过程中的环境污染^[34]，推动数字生态文明的绿色转型发展；社会城镇化体现在科技创新水平的提高，这有助于数字生态文明的数字技术、绿色技术和数字绿色技术创新能力的提升^[29]. 城镇发展较快城市往往会在高素质人才吸引上更具优势^[35]，使得这类城市拥有更高水平的人口城镇化和社会城镇化，从而更明显地推动数字生态文明建设. 相对应地，城镇发展相对较慢城市人才储备和科技水平仍有较大提升空间，数字化和绿色化发展基础能力不足，导致数字生态文明建设进程相对缓慢. 而金融服务的差异系数为-0.024且在1%的水平下显著，这说明增加差异化的金融服务可以进一步缩小数字生态文明的地区差异. 究其原因可能是，差异化的金融服务在数字生态文明技术支撑中发挥重要作用，其为数字技术、绿色技术以及数字绿色技术发展提供坚实资本支持，促使企业持续开发出更多符合市场的数字绿色技术^[36]，引领数字生态文明技术支撑高水平发展，从而促进数字生态文明高质量演进. 金融服务种类较多城市虽为数字生态文明建设提供了更为稳固的资金支持，但数字绿色技术通常难以在短期内实现突破性进展，使得数字生态文明建设速度放缓. 相对而言，金融服务种类较少城市由于较为薄弱的技术创新研发基础，金融服务体系的完善和升级能够有效激发数字生态文明建设中的追赶效应，落后地区利用人工智能、物联网等先进数字技术对传统产业进行改造升级，实现数绿融合产业的快速发展，进而能更好地推进数字生态文明建设.

表 4 中国数字生态文明建设差异的驱动因素回归结果^1） Table 4 Regression results of driving factors for differences in China's digital ecological civilization construction

5.3.2 分地区回归分析

基于表 4八大综合经济区的估计结果可知，数字生态文明建设差异的影响因素与全国趋势大致相似，不仅受到内外部因素的双重影响，而且数字生态文明建设成效也是以上地区数字生态文明建设空间差异最重要的驱动因素，且均通过了1%的显著性检验. 然而，八大综合经济区内数字生态文明建设差异的驱动因素不完全相同，东北地区数字生态文明建设差异受到数字生态文明建设成效差异（0.976）和人口规模差异（0.039）影响；北部沿海地区数字生态文明建设差异受到数字生态文明建设成效差异（0.827）、数字生态文明技术支撑差异（0.097）、数字生态文明建设保障差异（0.082）、人力资本差异（0.052）和金融服务差异（-0.028）影响；东部沿海地区数字生态文明建设差异受到数字生态文明建设成效差异（0.836）、城镇发展差异（0.193）、经济发展差异（-0.173）、数字生态文明建设保障差异（0.106）、对外开放差异（0.091）、教育投入差异（0.060）和失业水平差异（0.005）影响；南部沿海地区数字生态文明建设差异受到数字生态文明建设成效差异（0.554）、数字生态文明技术支撑差异（0.300）、城镇发展差异（0.175）、经济发展差异（-0.051）、对外开放差异（-0.034）和人力资本差异（-0.021）影响；黄河中游地区数字生态文明建设差异受到数字生态文明建设成效差异（0.998）、数字生态文明技术支撑差异（0.086）、失业水平差异（-0.072）、教育投入差异（0.044）、经济发展差异（-0.028）、人力资本差异（-0.026）、城镇发展差异（0.014）和数字生态文明建设保障差异（-0.013）影响；长江中游地区数字生态文明建设差异受到数字生态文明建设成效差异（0.738）、数字生态文明技术支撑差异（0.308）、教育投入差异（0.025）、经济发展差异（-0.024）、人力资本差异（0.021）和人口规模差异（-0.008）影响；西南地区数字生态文明建设差异受到数字生态文明建设成效差异（0.933）、数字生态文明技术支撑差异（0.271）、对外开放差异（-0.118）、金融服务差异（-0.113）、数字生态文明建设保障差异（0.106）和人口规模差异（-0.017）影响；西北地区数字生态文明建设差异受到数字生态文明建设成效差异（0.942）、数字生态文明技术支撑差异（0.053）、金融服务差异（0.025）和人力资本差异（0.012）影响，以上结果均通过显著性检验. 因此，缩小八大综合经济区内部数字生态文明建设的区域差异需要采取差异化的发展策略，实施分层次和递进式的数字生态文明建设协同发展模式.

值得注意的是，人口规模、人力资本、对外开放程度、失业水平、教育投入以及经济发展水平的差异在八大综合经济区的数字生态文明建设中呈现出异质性影响，具体如下.

一是人口规模差异对东北地区数字生态文明建设的空间差异有显著正向影响，而对长江中游和西南地区有显著负向影响且影响系数较小. 究其原因可能是，东北地区长期的低自然增长率和大规模的人口外流共同导致东北地区人口的持续收缩^[37]，该地区由于人口负增长的影响，导致技术进步动力不足，人均收入增长逐渐趋于停滞状态，出现发展瓶颈^[38]. 因此，人口规模较大地区数字生态文明建设速度较快，而人口规模较小地区数字生态文明建设速度较慢，使得人口规模差异加大了数字生态文明建设的空间差异. 而长江中游和西南地区作为新兴的流入人口集聚地^[39]，人口规模较小的地区数字生态文明建设得到快速发展，但人口规模较大的地区在短期内难以实现前沿数字绿色技术的长足进步，导致数字生态文明建设速度放慢，从而有助于缩小数字生态文明建设的空间差异.

二是人力资本差异对北部沿海、长江中游和西北地区数字生态文明建设差异有显著正向影响，而对南部沿海和黄河中游地区存在显著负向影响. 可能原因在于，地区间人才竞争加剧导致了大城市对人力资本的集聚效应和中小城市的人才流失，在北部沿海、长江中游和西北地区这种现象更为明显，发达地区凭借其区位优势和发展基础，对高素质人才形成了显著的虹吸效应，进而对数字绿色创新和数字绿色转型差异产生影响^[40]，使得数字生态文明建设差异进一步扩大. 而在南部沿海和黄河中游地区人力资本水平较低^[41]，人力资本差异在数字生态文明建设差异中的贡献率较低. 基于此，发达地区人力资本不断提高，但数字生态文明建设速率在降低，从而有助于缩小人力资本发达地区与落后地区的数字生态文明建设差异.

三是对外开放差异对东部沿海地区数字生态文明建设差异有显著的正向影响，而对南部沿海和西南地区为显著的负向影响. 原因可能在于东部沿海地区已在上海和浙江两省设立中国自由贸易试验区，自贸试验区政策能够显著提高区内企业创新产出，形成更具影响力的科研成果^[42]，有助于构建数字生态文明建设多层次技术支撑体系. 基于此，对外开放差异促使数字生态文明建设差异进一步扩大. 而在南部沿海和西南地区，对外开放高水平城市在数字生态文明建设方面积累了丰富的实践经验，能够为其他地区提供可借鉴的建设模式，发挥示范效应. 而对外开放低水平城市发挥追赶效应，利用后发优势，吸收发达地区数字生态文明建设先进经验，减少试错成本，实现跨越式发展. 因此，对外开放水平差异的扩大，通过“示范-追赶”效应，反而可能缩小数字生态文明建设的空间差异.

四是失业水平差异对东部沿海地区有显著正向影响但影响系数较小，而对黄河中游地区有显著的负向影响. 这可能是由于在东部沿海地区失业水平的地区差距使得地区间绿色就业和数字就业出现不充分、不协调的问题，从而扩大地区间绿色转型和数字转型成效差异^[43]，影响数字生态文明协调建设. 而在黄河中游地区，高失业水平地区会推动人才流向调整，进一步促进了知识和技术的跨区域流动，有助于各地区间数字生态文明均衡发展.

五是教育投入差异对东部沿海、黄河中游和长江中游地区数字生态文明建设的空间差异有显著的正向影响，即缩小教育投入差异有利于促进数字生态文明协调建设. 究其原因可能是，教育投入为建设新兴学科基地，培养高水平复合型人才提供基础性支撑，高素质人才在数字生态文明技术支撑领域发挥关键作用^[44]，能够持续推动数字技术、绿色技术及其融合技术的创新溢出，进而为数字生态文明建设提供持续动力. 教育投入较多城市为科技创新和人才培养提供更多教育资源，以财政小资金撬动社会大资本投入，使得这类城市在数量和质量上形成高技能人才集聚，推动数绿融合科研平台搭建^[45]，从而更有利于数字生态文明建设. 相反，教育投入不足的城市在学科培养平台建设和人才培育机制方面存在明显短板，致使其数字生态文明的技术支撑能力亟待提升，进而制约了数字生态文明建设的发展进程.

六是经济发展差异对东部沿海、南部沿海、黄河中游和长江中游地区数字生态文明建设的空间差异有显著的负向影响，表明经济发展的地区差异有助于推动数字生态文明协调建设. 可能原因在于，中国经济发展方式正处在转变发展方式、优化产业结构和转换增长动力的攻关时期，然而部分地区在短期内较难摆脱粗放的经济发展模式，导致在发展过程中存在经济循环不畅、资源约束增大、发展方式转型困难等问题^[46]，使得经济发展在数字生态文明协调建设中的贡献率较低. 基于此，经济发展较快地区数字生态文明建设速度相对较慢，有助于缩小经济发展落后地区与发达地区数字生态文明建设差异，实现数字生态文明建设的空间平衡.

6 政策启示

本文利用2011~2022年282个地级及以上城市面板数据，测算各地级市数字生态文明建设水平综合指数和子系统指数，并基于“格局-过程-机制”的地理学研究范式，运用Dagum基尼系数、高斯核密度估计、俱乐部收敛检验和二次指派程序等方法，深入剖析中国数字生态文明建设水平、时空格局和作用机制，提出以下政策建议.

第一，持续增强建设动力，有效提升数字生态文明建设水平. 一方面，强化顶层设计，加快数字生态文明建设. 既要加强“美丽中国”和“数字中国”双重战略的深度融合，增强双重战略宏观引导、统筹协调功能，健全数字生态文明建设制度体系，将数字生态文明建设纳入“十五五”发展规划中，围绕实施数字生态文明建设促进财政、产业和就业等政策协同发力，积极布局数字生态文明基础能力、数字绿色技术体系和数绿融合产业体系，推动数字生态文明试验区先行先试. 又要巩固央地数字生态文明建设联动效应，强化规划衔接落实机制，发挥美丽中国、数字中国等重大战略导向作用，鼓励、支持和引导跨地区、跨部门和跨行业协作配合，数字化和生态化政策协同、资源共享和优势互补，加速推进数字生态文明建设. 另一方面，聚焦关键领域，实现数字生态文明建设提级扩能. 各级政府既应统筹行业协会、金融机构、高校和科研院所等相关部门以及各行业企业，重点提升数字化和生态化双化协同基础能力，明确数字绿色融合技术方向，不断优化数字绿色技术创新环境，以跨行业合作方式推动数绿融合技术体系建设，共同促进数字绿色技术创新. 又要明确本地区数绿融合发展策略，支持引导数字科技企业升级绿色数据中心和绿色基站等设施建设，加强生态环境大数据综合应用和集成分析，提高本地区生态环境数字化治理能力，培育数绿融合产业，注重发展数绿融合产业集群，以高质量建设成效助力数字生态文明建设.

第二，合理规划建设布局，缩小数字生态文明建设地区差异. 一是领先地区，数字生态文明建设水平最高且保持强劲增长势头的东部沿海地区应以多双边开放合作促进经验交流和资源共享，营造开放包容的数字化和生态化合作环境，重点攻克关键领域战略性、前沿性和颠覆性技术难题，尽快打造数字生态文明建设先行示范区；二是优势衰退地区，数字生态文明建设水平较高但增速放缓的北部沿海和南部沿海地区应维持现有建设水平的同时要提高增速，立足数字产业绿色发展和重点产业数字转型，强化供给侧与需求侧协同发力，形成数字生态文明建设有效增长；三是快速赶超地区，数字生态文明建设水平大幅提高、发展态势迅猛的东北、黄河中游和西南地区应把握双化协同发展机遇，优先采取模仿战略，缩短研发周期与市场适应期，增强自主创新能力，实现技术赶超效应，加快推进数字生态文明建设；四是落后地区，数字生态文明建设水平低迷且未出现显著增长的西北地区应充分结合地区资源禀赋、历史条件和发展基础，注重传统产业数字化和绿色化转型，积极开拓地区特色数字生态文明建设路径；五是潜力地区，数字生态文明建设水平不高但增长势头显著的长江中游地区要保持双化协同发展势头，坚持把数绿融合创新作为引领数字生态文明建设的核心动力，突破传统思维和方法，在双化协同中积极探索新模式、新技术和新业态，推动数字生态文明建设稳步增长.

第三，重视多维影响因素，全面推进数字生态文明协同建设. 一方面，将弥合数字生态文明建设成效差异作为协调推进数字生态文明建设的首要任务，推动传统产业绿色低碳转型升级，深化重点产业数字化转型，统筹推进国家绿色数据中心体系建设，完善生态环境大数据试验区空间布局，大力发展战略性新兴产业和数绿融合产业. 此外，打造“经济-人口-城镇化”三位一体的互促发展格局，推动各级城市协调发展，全面推进新型城镇化建设. 同时，丰富数字绿色转型金融工具，为传统产业数字绿色转型提供合理必要的金融支持，鼓励各类资本提高数绿融合领域投资比例. 另一方面，引导各地区结合自身特点探索差异化数字生态文明建设路径，梯次推进数字生态文明建设协调发展. 对于东北地区，健全人口发展支持和服务体系，缩小人口规模的空间差异. 对于北部沿海和西北地区，要加快实施“内培外引”的人才培养策略，缩小人力资本的空间差异. 对于东部沿海地区，深入推进数字经济和绿色经济融合发展，优化经济发展空间布局；建设生态数据统一共享开放平台，增强对外开放的区域联动；优化区域高等教育资源配置，缓解教育投入空间差异；布局数绿融合产业，创造更多就业岗位，实现充分就业. 对于南部沿海、黄河中游和长江中游地区，鼓励高校科研院所跨区域合作，降低教育投入和人力资本在空间上的不平衡；挖掘各地区数字循环经济发展潜能，逐步缩小经济地区差异；值得注意的是，南部沿海地区应充分发挥地理区位优势，拓展双化协同国际交流合作空间；黄河中游和长江中游地区分别在失业水平和人口规模上实施特色化政策，缓解两者对数字生态文明建设空间差异的影响. 对于西南地区，应推进高水平对外开放并完善人口高质量发展战略，实现数绿发展资源共享，缩小人口规模的空间差异.

7 结论

（1）中国数字生态文明建设水平综合指数及其子系统指数虽不够高，但均呈现持续上升趋势.

（2）全国及八大综合经济区的数字生态文明建设水平呈现显著的地区差异性，体现出“多点开花”的空间分布特征，其中超变密度是地区差异的最主要来源，地区间差异的作用次之，地区内差异的影响最小.

（3）全国及八大经济区内核密度分布曲线在保持一定共性的同时，也呈现出明显的区域差异化特征，在样本期内全国及各地区数字生态文明建设水平呈现上升趋势，区域间差距不断扩大，除西北地区外，全国及其他地区均存在极化现象.

（4）城市数字生态文明建设无法实现全局收敛，且地区间存在显著的空间分化特征，在全国及八大综合经济区均已形成以高水平俱乐部为引领、其他城市持续追赶的梯度发展格局.

（5）数字生态文明基础条件、建设支撑和建设成效均对数字生态文明建设差异产生显著的正向影响，其中数字生态文明建设成效的影响系数最大，是数字生态文明建设差异的最主要来源. 此外，提升城镇发展的空间协调性和强化金融服务差异化有助于缩小数字生态文明建设的区域差异，值得注意的是，各驱动因素在不同综合经济区域内表现出显著的异质性特征.

参考文献

[1]	韩先锋, 勾亚楠, 肖远飞, 等. 数字生态文明建设中制度创新的力量: 政策协同赋能的视角[J]. 中国工业经济, 2024(11): 62-80. Han X F, Gou Y N, Xiao Y F, et al. The power of institutional innovation in the construction of digital ecological civilization: a perspective of policy synergy empowerment[J]. China Industrial Economics, 2024(11): 62-80.
[2]	刘国菊. 数字生态文明建设的内在逻辑与实践路径[J]. 人民论坛·学术前沿, 2023(18): 87-91. Liu G J. The internal logic and practical path of digital ecological civilization construction[J]. Frontiers, 2023(18): 87-91.
[3]	张波, 王媛祺, 吴班, 等. 数字生态文明的内涵、总体框架和推进路径[J]. 环境保护, 2023, 51(21): 34-38. Zhang B, Wang Y Q, Wu B, et al. The connotation, overall framework and promotion path of digital ecological civilization[J]. Environmental Protection, 2023, 51(21): 34-38.
[4]	谢忠强, 成文雅. 中国式现代化语境中我国数字生态文明建设的重大意义、现实困境与发展进路[J]. 当代经济研究, 2024(4): 52-60.
[5]	李思齐, 郇庆治. 数字生态文明建设的价值旨归与前景展望[J]. 人民论坛, 2024(19): 87-89.
[6]	肖沁霖, 乔怡丹, 邓宗兵. "数绿"协同发展视角下数字生态文明建设的时空跃迁及收敛——基于长三角城市群的实证研究[J]. 经济问题探索, 2025(6): 101-118. Xiao Q L, Qiao Y D, Deng Z B. The spatiotemporal transition and convergence of digital ecological civilization construction from the perspective of "Digital-green" coordinated development: an empirical study based on the Yangtze River delta urban agglomeration[J]. Inquiry into Economic Issues, 2025(6): 101-118.
[7]	张夺. 数字生态文明: 中国式现代化开创生态化与数字化协同转型[J]. 社会科学家, 2025(2): 44-50.
[8]	施志源, 景池. 数字生态文明制度化: 时代意蕴、发展困局与破局策略[J]. 中国地质大学学报(社会科学版), 2024, 24(2): 117-130. Shi Z Y, Jing C. Institutionalization of digital ecological civilization: implications of the times, development dilemmas and breakthrough strategies[J]. Journal of China University of Geosciences (Social Sciences Edition), 2024, 24(2): 117-130.
[9]	孙博文. 面向中国式现代化的数字生态文明建设的三重逻辑[J]. 改革, 2024(10): 62-77. Sun B W. Triple logic of digital ecological civilization construction oriented towards Chinese path to modernization[J]. Reform, 2024(10): 62-77.
[10]	黄爱宝. 数字生态文明的理论蕴涵、实践机理与建设价值[J]. 南京工业大学学报(社会科学版), 2024, 23(2): 12-22, 109. Huang A B. On theoretical implications, practical mechanisms, and construction value of digital ecological civilization[J]. Journal of Nanjing Tech University (Social Science Edition), 2024, 23(2): 12-22, 109.
[11]	邬晓燕. 中国式现代化视域下的数字生态文明建设[J]. 中州学刊, 2025(7): 5-14. Wu X Y. The construction of digital ecological civilization from the perspective of Chinese path to modernization[J]. Academic Journal of Zhongzhou, 2025(7): 5-14.
[12]	陈智雄, 孙蚌珠. 数字生态文明的核心内涵、时代价值与实践路径[J]. 思想教育研究, 2025(6): 128-136.
[13]	景池. 数字生态文明建设推动新质生产力发展的逻辑关联与实践进路[J]. 华东理工大学学报(社会科学版), 2025, 40(2): 1-18. Jing C. The logical correlation and practical approach of digital ecological civilization construction to promote the development of new quality productive forces[J]. Journal of East China University of Science and Technology (Social Science Edition), 2025, 40(2): 1-18.
[14]	钟玉菲, 贾俊松, 刘艳. 中国农业数字化与绿色低碳发展耦合协调及障碍因子分析[J]. 环境科学, 2026, 47(6): 3677-3687. Zhong Y F, Jia J S, Liu Y. Coupling and coordination of agricultural digitalization and green, low-carbon development in China and obstacle factors analysis[J]. Environmental Science, 2026, 47(6): 3677-3687. DOI:10.13227/j.hjkx.202505043
[15]	Dagum C. A new approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics, 1997, 22(4): 515-531. DOI:10.1007/BF01205777
[16]	李健, 刘一璇. 省域交通运输业碳排放生产率时空演变分析[J]. 环境科学, 2026, 47(3): 1498-1512. Li J, Liu Y X. Analysis of spatial and temporal evolution of carbon emission productivity in provincial transportation industry[J]. Environmental Science, 2026, 47(3): 1498-1512. DOI:10.13227/j.hjkx.202411293
[17]	伏润得, 杨振山. 中国城市区域高质量发展时空分异及影响因素[J]. 地理学报, 2024, 79(4): 819-836. Fu R D, Yang Z S. Spatio-temporal differentiation and influencing factors of high-quality development of cities in China[J]. Acta Geographica Sinica, 2024, 79(4): 819-836.
[18]	Du K R. Econometric convergence test and club clustering using Stata[J]. The Stata Journal, 2017, 17(4): 882-900. DOI:10.1177/1536867X1801700407
[19]	Phillips P C B, Sul D. Transition modeling and econometric convergence tests[J]. Econometrica, 2007, 75(6): 1771-1855. DOI:10.1111/j.1468-0262.2007.00811.x
[20]	王小华, 杨玉琪, 罗新雨, 等. 中国经济高质量发展的空间关联网络及其作用机制[J]. 地理学报, 2022, 77(8): 1920-1936. Wang X H, Yang Y Q, Luo X Y, et al. The spatial correlation network and formation mechanism of China's high-quality economic development[J]. Acta Geographica Sinica, 2022, 77(8): 1920-1936.
[21]	梁红涛, 孙燕, 范业婷. 长三角城市群能源碳排放效率的空间关联网络特征及影响因素[J]. 环境科学, 2026, 47(5): 2834-2846. Liang H T, Sun Y, Fan Y T. Spatial correlation network characteristics and influencing factors of energy carbon emission efficiency in Yangtze River Delta[J]. Environmental Science, 2026, 47(5): 2834-2846. DOI:10.13227/j.hjkx.202504024
[22]	任保平, 程至瑜, 宗景辉. 新质生产力形成中制造业新质化发展水平测度与时空演进[J]. 数量经济技术经济研究, 2024, 41(12): 5-24. Ren B P, Cheng Z Y, Zong J H. Measurement and spatiotemporal evolution of new qualitative development level of manufacturing during the formation of new quality productivity[J]. Journal of Quantitative & Technological Economics, 2024, 41(12): 5-24.
[23]	刘怡君, 张榆琴, 李学坤. 数字经济对农业减污降碳协同效应的影响机制[J]. 环境科学, 2026, 47(5): 2927-2938. Liu Y J, Zhang Y Q, Li X K. Impact mechanism of the digital economy on the synergistic effects of pollution reduction and carbon mitigation in agriculture[J]. Environmental Science, 2026, 47(5): 2927-2938. DOI:10.13227/j.hjkx.202505049
[24]	唐睿. 一体化政策对旅游业收敛的影响机制研究——以长三角城市经济协调会发布的政策为例[J]. 产业经济研究, 2021(1): 113-127. Tang R. Research on the influence mechanism of integration policy on the convergence of tourism industry: take the policies issued by the Yangtze River Delta Urban Economic Coordination Committee as an example[J]. Industrial Economics Research, 2021(1): 113-127.
[25]	王韶华, 李乔, 张伟. 知识产权保护对城市"双化"协同发展的影响研究[J/OL]. 科研管理, 1-16. https://link.cnki.net/urlid/11.1567.G3.20250121.1803.006, 2025-01-22. Wang S H, Li Q, Zhang W. Study on the impact of intellectual property protection on the synergistic development of dual modernization of cities[J/OL]. Science Research Management, 1-16. https://link.cnki.net/urlid/11.1567.G3.20250121.1803.006, 2025-01-22.
[26]	杨千龙, 陈慧媛, 文琦. 黄河上游地区市域数字经济与绿色发展耦合协调度及提升路径[J]. 经济地理, 2024, 44(5): 22-32. Yang Q L, Chen H Y, Wen Q. Coupling coordination degree between digital economy and green development and its promotion path in the upper reaches of the Yellow River at the prefecture level[J]. Economic Geography, 2024, 44(5): 22-32.
[27]	Tan D, Xiao Z Q, Hong X T. Modeling green technological imports in the Belt and Road economies[J]. Humanities and Social Sciences Communications, 2025, 12(1). DOI:10.1057/s41599-025-05080-8
[28]	Cao B R, Wang S H. Opening up, international trade, and green technology progress[J]. Journal of Cleaner Production, 2017, 142: 1002-1012. DOI:10.1016/j.jclepro.2016.08.145
[29]	马万里. 新型城镇化、技术溢出与数字经济发展[J]. 科学学研究, 2025, 43(9): 1833-1844. Ma W L. New urbanization, technology spillover and digital economy development[J]. Studies in Science of Science, 2025, 43(9): 1833-1844.
[30]	徐维祥, 王敏吉, 郑金辉, 等. 长江经济带城镇化与绿色化耦合协调的时空演化特征及驱动因素[J]. 长江流域资源与环境, 2023, 32(8): 1561-1572. Xu W X, Wang M J, Zheng J H, et al. Spatio-temporal evolution characteristics and driving factors of coupling and coordination of urbanization and greenization in Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2023, 32(8): 1561-1572.
[31]	李旭辉, 陈梦伟, 王经伟. 省域数字化与绿色化协同发展评价、时空特征及其影响因素[J]. 经济地理, 2024, 44(7): 126-134. Li X H, Chen M W, Wang J W. 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.
[32]	邓毛颖, 韦晓莉, 张国俊. 中国新型城镇化与绿色发展协调演进关系研究[J]. 自然资源学报, 2024, 39(7): 1682-1697. Deng M Y, Wei X L, Zhang G J. Research on the coordinated evaluation relationship between new urbanization and green development in China[J]. Journal of Natural Resources, 2024, 39(7): 1682-1697.
[33]	朱喜安, 张秀, 李浩. 中国高新技术产业集聚与城镇化发展[J]. 数量经济技术经济研究, 2021, 38(3): 84-102. Zhu X A, Zhang X, Li H. Research on the characteristics and promotion path of high-tech industry gathering to boost urbanization development[J]. Journal of Quantitative & Technological Economics, 2021, 38(3): 84-102.
[34]	Wang K W, Fang C L. Revealing the synergy between carbon reduction and pollution control in the process of new-type urbanization: evidence from China's five major urban agglomerations[J]. Sustainable Cities and Society, 2025, 120. DOI:10.1016/j.scs.2025.106154
[35]	Guo M, Luo D L, Liu C. City civilization, employment creation and talent agglomeration: empirical evidence from "National Civilized City" policy in China[J]. China Economic Review, 2024, 87. DOI:10.1016/j.chieco.2024.102215
[36]	陈琪. 环保投入能提高企业生产率吗——基于企业创新中介效应的实证分析[J]. 南开经济研究, 2020(6): 80-100. Chen Q. Does environmental investment contribute to firm productivity? An empirical analysis based on the mediation role of firm innovation[J]. Nankai Economic Studies, 2020(6): 80-100.
[37]	冯可心, 刘振, 刘盛和, 等. 中国陆地边境地区人口收缩演变特征及影响因素[J]. 资源科学, 2024, 46(6): 1045-1059. Feng K X, Liu Z, Liu S H, et al. Evolution and influencing factors of population shrinkage in China's border areas, 1990-2020[J]. Resources Science, 2024, 46(6): 1045-1059.
[38]	Jones C I. The end of economic growth? Unintended consequences of a declining population[J]. American Economic Review, 2022, 112(11): 3489-3527. DOI:10.1257/aer.20201605
[39]	曹广忠, 陈思创, 刘涛. 中国五大城市群人口流入的空间模式及变动趋势[J]. 地理学报, 2021, 76(6): 1334-1349. Cao G Z, Chen S C, Liu T. Changing spatial patterns of internal migration to five major urban agglomerations in China[J]. Acta Geographica Sinica, 2021, 76(6): 1334-1349.
[40]	王珊娜, 张勇, 纪韶. 创新型人力资本对中国经济绿色转型的影响[J]. 经济与管理研究, 2022, 43(7): 79-96. Wang S N, Zhang Y, Ji S. The impact of innovative human capital on green transformation of China's economy[J]. Research on Economics and Management, 2022, 43(7): 79-96.
[41]	芦婷婷, 祝志勇. 八大综合经济区人力资本水平的测度、差距分解及时空演变[J]. 统计与决策, 2023, 39(3): 67-72. Lu T T, Zhu Z Y. Measurement, gap decomposition and spatial-temporal evolution of human capital level in eight comprehensive economic zones[J]. Statistics & Decision, 2023, 39(3): 67-72.
[42]	成程, 王一出, 田轩, 等. 对外开放制度创新、全球创新网络嵌入与中国科技国际影响力[J]. 管理世界, 2024, 40(10): 16-35. Cheng C, Wang Y C, Tian X, et al. Institutional innovation in opening-up, global innovation network integration, and international influence of Chinese science and technology[J]. Journal of Management World, 2024, 40(10): 16-35.
[43]	庄贵阳, 王思博, 陈寅岚. 稳经济目标下的绿色低碳转型逻辑[J]. 改革, 2023(5): 18-28. Zhuang G Y, Wang S B, Chen Y L. Logic of green-oriented transition under the goal of economic stability[J]. Reform, 2023(5): 18-28.
[44]	张亮, 邱斌, 吴腊梅, 等. 人力资本积累、贸易开放与中国制造业企业创新[J]. 经济学(季刊), 2024, 24(2): 379-394. Zhang L, Qiu B, Wu L M, et al. Human capital accumulation, trade, and China's firms innovation[J]. China Economic Quarterly, 2024, 24(2): 379-394.
[45]	高洁, 汪宏华. 教育经费投入对科研创新影响的实证研究[J]. 科研管理, 2020, 41(7): 248-257. Gao J, Wang H H. An empirical study of the impact of educational investment on scientific research innovation[J]. Science Research Management, 2020, 41(7): 248-257.
[46]	彭千芮, 陈华帅. 中国社会保障安全网的综合测度、空间分异与影响效应[J]. 经济地理, 2024, 44(2): 31-42. Peng Q R, Chen H S. Comprehensive measurement, spatial differentiation, and impact effects of China's social security safety network[J]. Economic Geography, 2024, 44(2): 31-42.


环境科学 2026, Vol. 47 Issue (9): 6405-6421	PDF