［摘要］文章选用长江经济带11个省市2011—2020年的省级面板数据，运用熵权法测算长江经济带数字经济发展水平，应用Super-SBM模型计算生态效率，在对二者进行时间、空间分析的基础上，建立回归模型就数字经济对生态效率的影响进行实证分析。研究发现，数字经济能够显著提升长江经济带生态效率。文章就实证结果提出提升数字基础设施建设水平、注重资源的配置利用、打破区域壁垒等对策建议。［关键词］数字经济；生态效率；Super-SBM模型；长江经济带

　　0引言

　　随着《长江经济带发展规划纲要》的提出并实施，长江经济带的战略地位日益提升，现在已经成为我国区域高质量发展的排头兵。2014年，国务院正式发布《国务院关于依托黄金水道推动长江经济带发展的指导意见》，使长江经济带的发展重要性得以提高。《“十四五”数字经济发展规划》于2022年年初由国务院印发，旨在抓住时代发展机遇，使中国数字经济规模和水平进一步提升，助力我国高质量发展。在此背景下，研究数字经济与生态效率二者之间相互影响的关系与机制对中国经济高质量发展具有重大意义。

　　单独研究数字经济或者生态效率的文献众多，研究二者之间关系的文献较少。吴传清等基于长江经济带省级面板数据，选取数据包络分析（Data Envelopment Analysis,DEA）模型和ML（Malmquist-Lenberger）指数法测算出长江经济带地区全要素能源效率，并用Tobit模型探究了多个外部因素对全要素能源效率产生的影响［1］。关于生态效率的外部驱动因素，黄磊等研究发现，经济发展、环境规制、工业化和对外开放对长江经济带绿色工业效率有着直接驱动的作用［2］。杜宇等人、黄磊和吴传清经研究分别得出政府竞争、市场分割与产业结构变动、外商直接投资对长江经济带城市绿色效率的提升有着积极作用的结论［3-4］。对生态效率有影响的其他因素，有财政支持［5］、经济水平［6］、环境规制力度［7］、能源消费结构［8］等。现有文章内容缺乏对二者关系问题进行多视角的探讨，本文将从长江经济带的区域视角出发，结合长江经济带自身的具体特点对这个问题进行深入研究。

　　1模型构建

　　1.1数字经济发展水平

　　对数字经济发展水平的指标测度，此处参考赵涛所用的指标体系［9］，构建出数字经济综合发展指数，并运用熵权法构建出数字经济发展水平综合指标来对长江经济带数字经济发展水平进行测度。具体指标有互联网普及率（每百人互联网用户数）、互联网相关从业人员数（计算机服务和软件从业人员占比）、互联网相关产出（人均电信业务总量）、移动互联网用户数（每百人移动电话用户数）、数字金融发展（中国数字普惠金融指数）等。

　　1.2生态效率

　　考虑到生态效率的测算过程中会有多项非期望产出，为使结果具有无偏性，本文选用Super-SBM模型综合测算长江经济带省域生态效率。生态效率是一项综合了社会或某个地区多个方面的效率值，因此在整个社会层面上分为投入与产出两个方面。其中社会投入分为资本投入、劳动力投入、能源投入、水资源投入以及土地资源投入；社会产出则分为期望产出、非期望产出两部分。具体投入指标：资本投入（全社会固定资产投资总额）、劳动力投入（地区就业人数）、能源投入（能源消耗量）、水资源投入（用水量）、土地资源投入（建成区面积）等。产出指标分为期望产出与非期望产出两部分，期望产出指标为地区国内生产总值（Gross Domestic Product,GDP），非期望产出有废水排放总量、工业固体废弃物排放量、SO2排放量、氮氧化物排放总量、氮氧化物排放总量、烟（粉）尘排放量等。

　　1.3回归模型

　　为进一步探究数字经济与生态效率之间的关系，本文将生态效率（EE）中的综合技术效率（CRS）作为被解释变量，将数字经济发展水平（DE）作为核心解释变量，同时选取多个控制变量。控制变量有产业结构（第二产业产值与第三产业产值之比）、城镇化水平（城镇人口所占比例）、外商直接投资（外商直接投资占GDP的比例）、技术市场发展水平（技术市场成交额占GDP的比例）、能源结构（煤炭消费量与能源消费总量之比）、研发强度［研究与试验发展（R&D）经费内部支出占GDP的比例］等。以上控制变量按顺序分别简写为IS、UL、FDI、TM、ES、RDI，同时选用时间固定效应模型建立以下回归模型：

　　其中，i表示个体，t表示时间，α为常数项，β表示解释变量系数，X表示控制变量，μ表示时间效应，ε表示随机扰动项。

　　1.4数据来源

　　本文采用长江经济带11个省市2011—2020年面板数据进行测度。生态效率相关数据来源于生态环境部、国家统计局公布的数据，由EPSDATA整理，缺失数据查找对应省份年份的统计年鉴资料补齐，其他环境相关数据来源于2011—2020年的中国环境统计年鉴、中国能源统计年鉴、中国城市建设统计年鉴、中国统计年鉴以及各省市的统计公报。数字经济发展指数原始数据的来源是2011—2020年的中国第三产业统计年鉴、中国统计年鉴、信息产业年鉴，以及各省市统计年鉴、北京大学数字普惠金融指数等，部分缺失数据利用线性插值的方法补齐。

　　2实证分析

　　2.1数字经济发展水平测度

　　经过熵权TOPSIS法计算之后，各省市数字经济发展水平指数的计算结果如表1所示。

　　从表1可以看出，长江经济带的数字经济在2011—2020年有了长足的发展，在时间维度上，各个省市和长江经济带总体都实现了较大的跨步式发展，2017年之前发展速度相对较慢，提升幅度不够明显；2017年之后，各省市的发展水平提升幅度更大。具体到各个地区之间的差异，长江经济带呈现出的是东部地区和西部地区发展水平较高、中部地区发展水平略低的态势。东部的长三角地区数字经济发展水平最高，上海的发展水平领跑于长江经济带，浙江次之；西部地区的贵州、云南、重庆、四川四省市数字经济发展水平略低于长三角地区的江苏、浙江、上海三地，高于中部地区省市；中部地区的湖北、湖南、江西、安徽四省发展水平处于较低的位置。造成此种结果的原因可能是发展策略与经济基础不同，长三角地区各方面都具有较高的发展基础水平。数字经济发展水平与基础设施和市场息息相关，长三角地区数字经济相关产业发达，毫无疑问比其他地区具有更高的发展水平；西部地区四省市注重发展突出优势产业，尤其是贵州，贵州省将大数据产业的发展提升到战略层面，通过重点扶持其数字经济的发展，成为长江经济带数字经济发展速度最快的省份；中部地区虽有着以“中部崛起”为首的各项政策的扶持，但在数字经济的基础发展和政策扶持方面略显疲软势头，仍然有待加强。

　　2.2生态效率水平测度

　　本文在用MAXDEA软件对生态效率数据进行测算之后得到长江经济带各省市2011—2020年生态效率的综合技术效率值，结果如表2所示。

　　从表2来看，上海、江苏、浙江三省市的生态效率要远远高于长江经济带其他地区，大部分年份效率值大于1，处于有效率的状态，这说明经济发展水平较高的地区对资源的利用、配置与管理更加有效；而江西、重庆、贵州、安徽、湖北、湖南、四川、云南等8个省市在效率值上都处于非有效状态，仍然需要在资源的投入与利用等多个方面进行改进。

　　2.3回归分析

　　为了进一步分析数字经济对生态效率的影响，本文选取生态效率综合技术效率值作为被解释变量，将数字经济指数作为核心解释变量，再将一系列控制变量纳入回归分析框架中。为了在地域层面进一步区分数字经济及各个控制变量对长江经济带不同区域的异质性，本文对长江经济带各地区进行分组回归，将长江经济带划分为上游、中游、下游3个部分。同时，为了消除变量之间的多重共线性，回归分析所用的各个变量数值均进行了取对数处理。本文用Stata 15软件进行回归分析，结果如表3所示。

　　从表3的回归结果可以看出，从长江经济带总区域的视角出发，数字经济发展水平对生态效率具有显著的正向影响，但将长江经济带上、中、下游区域单独拆开来看，其影响均是不显著的，甚至上游地区与下游地区的影响是负面的。由于数字经济的发展需要一定的协同性，单个小范围区域的数字经济发展速度与发展质量可能会受到限制，导致数字经济的发展并不会直接导致生态效率的提高。若想贯彻落实数字经济发展战略以促进生态环境良性发展，要增强数字经济相关产业布局的协调性、地区交流的联动性。同时，从表3也可以看出控制变量上有许多能够对生态效率产生影响的因素。产业结构对生态效率的影响在长江经济带整体及中、下游地区是显著为正的，且中游地区的显著性低于长江经济带总体和下游地区，产业结构对上游地区的影响为负，并且是不显著的。城镇化水平对生态效率的影响在长江经济带整体及上游、下游地区均显著为正，且下游地区显著性低于上游及整体地区，相反的是中游地区结果为负且不显著。外商直接投资对长江经济带生态效率影响在长江经济带整体上显著为正，但在上游、中游、下游地区均为负，且仅有下游地区是显著的。技术市场发展水平对长江经济带的影响在整体和下游地区显著为负，对上游和中游地区的影响不显著。我国总体的能源结构长期以煤炭为主，我国煤炭利用、清洁等相关技术水平也有了较大提升，因此尽管煤炭在各省市能源结构中所占比重持续下降，但能源结构中的高煤炭占比依旧会在一定程度上促进生态效率的提高。研发强度对长江经济带生态效率的影响在整体上显著为正，在中游地区显著为负，在上游和下游地区则是不显著的。

　　3结论与建议

　　本文将长江经济带11个省市作为研究对象，对研究对象近10年的数字经济发展水平和生态效率进行了测度，建立回归模型将生态效率作为被解释变量对其与数字经济和一系列控制变量之间的关系进行了分析，得出以下研究结论：一是长江经济带数字经济发展水平在时间上呈现出逐年上升的趋势，在空间分布上呈现出东部高于西部高于中部的现象；二是长江经济带生态效率出现明显的地区差异，长江经济带下游地区生态效率远超长江经济带其他地区，大多上游、中游地区处于非有效率的状态，并且贵州、江西、重庆的生态效率提升潜力明显；三是数字经济发展水平的提升对长江经济带生态效率有显著的促进作用，但对长江经济带不同区域有着不同的异质性作用，产业结构、城镇化水平、外商直接投资、能源结构、研发强度、技术市场发展水平等因素也会一定程度上影响生态效率，并在不同区域上呈现出一定的异质性特征。

　　基于上述结论，本文从以下3个方面提出促进长江经济带生态效率提升的建议。一是提升数字基础设施建设水平，优化产业结构，扩大数字经济消费市场。各地要扶持当地重点数字经济相关产业，注入新的数字经济发展动力。经济欠发达地区可以通过挖掘自身的发展优势，打造特色发展产业，实现数字经济又好又快发展。二是在持续加大资源投入力度的过程中，要更加注重资源的配置与利用，以此实现生态效率的提升。生态效率不仅与生产率相关，还与资源的利用效率息息相关。长三角地区依托其高水平的科技与创新能力有着超高的生态效率，应加快技术转移，将先进的技术和经验与其他地区共享，做到协调发展。三是打破区域壁垒，推动协同发展。不同地区之间有着不同的发展水平与发展路线，要想实现地区生态效率的协同提升，必然要着手缩小区域内部差异，站在战略高度统筹全区域规划，在制定生态效率提升策略时必须要因地制宜，实现多维度、多方面的生态深度协作。

　　主要参考文献

　　［1］吴传清,董旭.环境约束下长江经济带全要素能源效率研究［J］.中国软科学,2016(3):73-83.

　　［2］黄磊,吴传清.长江经济带城市工业绿色发展效率及其空间驱动机制研究［J］.中国人口·资源与环境,2019(8):40-49.

　　［3］杜宇,吴传清,邓明亮.政府竞争、市场分割与长江经济带绿色发展效率研究［J］.中国软科学,2020(12):84-93.

　　［4］黄磊,吴传清.长江经济带城市绿色技术创新效率及其动力机制研究［J］.重庆大学学报(社会科学版),2021(1):50-64.

　　［5］MA Xiaojun,WANG Changxin,YU Yuanbo,et al.Ecological efficiency in China and its influencing factors—a super-efficient SBM metafrontier-Malmquist-Tobit model study［J］.Environmental Science&Pollution Research,2018(21):20880-20898.

　　［6］韩增林,吴爱玲,彭飞,等.基于非期望产出和门槛回归模型的环渤海地区生态效率［J］.地理科学进展,2018(2):255-265.

　　［7］韩燕,邓美玲.中原城市群生态效率时空演变及影响因素［J］.生态学报,2020(14):4774-4784.

　　［8］王圣云,林玉娟.中国区域农业生态效率空间演化及其驱动因素：水足迹与灰水足迹视角［J］.地理科学,2021(2):290-301.［9］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(10):65-76.