SCI论文（www.lunwensci.com）
[摘 要]建设数字中国与美丽中国都是新时代实现经济高质量发展的重要途径。基于 2011—2019 年我国 286 个地级以上城市的面板数据， 利用 ArcGIS 软件可视化分析方法探讨我国数字经济发展的时空演变特征， 并采用空间杜宾模型实证检验数字经济发展对我国雾霾污染的影响。研究发现： 我国数字经济发展水平逐渐提升， 数字经济发展水平较高的地区主要分布在沿海地带，并且我国数字经济发展水平和雾霾污染均呈现明显的“ 高— 高”集聚和“低— 低”集聚的空间关联特征;数字经济发展不仅可以减少本地区的雾霾污染，同时还能改善邻 近地区的环境质量， 这一结论经过引入工具变量、替换被解释变量、替换空间权重等稳健性 检验后依旧成立; 异质性分析发现， 数字经济发展减少雾霾污染的作用在中部地区和西部地 区更明显， 而数字经济发展对雾霾污染的外溢作用在东部地区更大，此外， 雾霾污染较轻地 区数字经济发展对雾霾污染的降低作用和外溢作用较大。因此，加大数字化基础设施建设， 强化数字赋能减霾效应， 加强高污染、高排放等传统产业的数字化转型， 促进区域间技术合 作与信息交流， 充分发挥数字经济发展对雾霾污染的负向空间溢出效应， 对实现经济高质量 发展具有现实意义。
[关键词]数字经济,雾霾,空间溢出效应,空间杜宾模型
一、引言
近年来， 我国部分地区出现严重雾霾污染问题， 这不仅影响人民身体健康， 也严重威胁 到我国经济高质量发展进程。为此，党和国家高度重视经济的绿色发展和环境污染治理问题， 党的十八大更是将绿色发展理念与创新、协调、开放和共享并列作为新发展理念， 将推进中 国特色“五位一体”的生态文明建设上升为国家战略。
与此同时， 以新技术、新理念、新思想为代表的数字经济发展迅速[1] ，为有效解决环境 污染问题提供了路径选择。我国高度重视数字经济发展， 2021 年 12 月国务院印发的《“十 四五”数字经济发展规划》指出， 要稳步提升我国数字经济竞争力和影响力。党的二十大再 次提出， 要加强推进数字中国、美丽中国建设。 习近平总书记也曾多次强调， 要抢抓数字经 济发展机遇， 推进数字产业化和产业数字化。在这个离不开信息技术的时代， 数字经济与各行各业的融合贯通， 为我国经济高质量发展带来了新动能。更为重要的是， 数字经济具有环 境友好的特殊性质， 它在推动技术革新、产业结构转型升级的同时， 还为我国经济实现绿色 发展提供了前进方向。一方面， 作为现阶段经济转型的重要推动力， 数字经济能够通过技术进步、产业结构转型升级、企业全要素生产率提高等方面促进地区经济绿色发展; 另一方面，作为新技术的研发创新， 环境污染治理技术的升级能够提高地区环境质量水平。然而， 对于 环境污染中最严峻的雾霾污染问题而言， 数字经济的快速发展能否解决我国雾霾污染问题?
在当前区域协调发展战略的背景下， 数字经济发展对雾霾污染的影响是否存在空间溢出效应? 探究数字经济发展与中国雾霾的关系以及两者存在的空间溢出效应， 不仅能更好推动数字中 国、美丽中国的建设，对深入研究环境治理方法和途径也具有重要的现实意义。
二、文献综述
数字经济发展具有覆盖性广、渗透性强、融合共享的显著性特征， 对传统经济发展方式 产生重大影响， 是实现我国经济高质量发展的动力源泉[2]。相对英国、法国等发达国家的数 字经济发展， 我国数字经济发展起步较晚， 但速度迅猛， 不少学者已在不同领域对数字经济 发展进行了相关论述。对于数字经济指标的测度， 现有研究主要集中在三个方面， 一是根据内涵界定直接估算数字经济发展规模。美国和澳大利亚国家在数字经济内涵界定范围内对本 国数字经济发展规模进行了测算[3-4]。同样，国内学者也采用同样的方法对中国数字经济发 展规模进行了测算， 通过数字经济内涵界定范围来构建数字经济规模核算框架， 利用数字经 济增加值和总产出的方法测算我国全国层面和省级层面的数字经济规模[5-6] 。二是构建多维 指标体系测算数字经济发展指数。 OECD 构建 ICT 与数字经济指标体系，从投资智能化基 础设施和 ICT 相关的创新能力来衡量各国数字经济发展程度[7] 。刘军基于信息化、互联网、 数字交易等方面测度我国省份数字经济发展水平[8]，王军等和潘为华等从发展载体、数字产 业化、产业数字化和发展环境四个方面来构建数字经济发展指标体系[9-10]。对于地级市层面 数字经济发展水平的测度， 赵涛等基于数据的可获得性， 用互联网发展和数字金融普惠的综 合指标来测度城市数字经济发展水平[11]。三是直接估算与构建指标体系的混合方法，陈梦 根和张鑫结合 BEA 和 OECD 数字经济核算方法， 构建数字经济发展的测度体系， 认为我国 数字经济发展规模年均实际增长率高达 11.24%，是经济持续增长的稳定推动力[12] 。现有测 算数字经济发展指数的相关研究主要集中在宏观层面， 虽然部分研究使用企业层面的微观数 据，但从企业进入率和退出率两个角度来分析中国省级数字经济发展情况[13] ，依旧停留在 宏观层面上。
对于数字经济与雾霾污染的影响研究， 有学者指出， 数字经济是以数字技术为核心的新 经济形态[14] ，因此，互联网、通信技术、人工智能等数字经济内容对环境污染的影响研究 可以为本文提供参考。国外研究指出， 通信技术的使用可以提高生产率、降低能源强度， 进 而促进碳减排[15]。解春艳等采用空间计量模型发现， 互联网技术进步能显著减少环境污染、 改善环境质量[16]。许宪春等以货车帮、滴滴出行等大数据平台为例，归纳总结大数据与绿 色发展的关系， 认为大数据在资源整合、科学决策、环境监管等方面为绿色发展提供重要手 段[17]。对于研究方法而言，部分学者开始借助“宽带中国”战略的准自然实验，认为数字经济发展能够通过释放创新驱动力来促进工业生产方式的集约化转型和居民生活方式的线 上化转型，进而降低环境污染物的排放[18]。郭炳南等基于国家级大数据综合试验区的准自 然实验， 发现数字经济通过推动产业升级、促进技术创新、优化资源配置等改善城市空气质 量[19]。由于环境污染极具负外部性，考虑到空间相关性因素之后，邓荣荣和张翱祥运用空 间计量模型发现， 数字经济发展能够显著减少周边城市环境污染物的排放， 并且相比中西部 地区， 东部地区数字经济发展对环境污染排放的负向空间溢出效应更大[20-21]。同样， 徐维祥 等研究发现东部地区数字经济发展对碳排放的负向作用更强， 并且指出数字经济发展对碳排 放的空间溢出作用具有边界效应[22]。相反， 张帆等还考虑了环境规制的“以邻为壑”现象， 认为数字经济发展的空间溢出作用不显著[23]。
综上所述， 当前学术界对于数字经济发展与环境污染的相关研究已经取得了丰富成果， 认为数字经济发展能够改善环境质量， 但对于数字经济对环境污染的空间溢出作用尚未形成系统认知， 并且多数研究仅考虑我国区域异质性， 未考虑到环境污染程度的区域异质性， 地 区自身环境污染程度的高低也会影响到数字经济对雾霾污染的作用方向和作用程度。因此， 本文基于 2011—2019 年我国 286 个地级以上城市的面板数据，利用 ArcGIS 软件的可视化 分析研究我国数字经济发展的空间演变特征， 并采用空间杜宾模型和空间 GMM 模型实证检 验数字经济发展对我国雾霾污染的影响。本研究的边际贡献在于： 第一，立足当前经济高质 量发展和绿色发展的时代背景， 从技术创新、产业结构、污染治理等三方面系统分析了数字 经济影响雾霾污染的主要机理， 有利于更加科学地认识数字经济对环境治理的影响效应; 第 二，数字经济发展极具超地理特征，雾霾污染具有负外部性特征，同时考虑两者的空间特性， 据此实证检验数字经济发展对雾霾污染的空间溢出效应影响; 第三， 关注区域的地理区位以 及雾霾污染程度的区域异质性，进一步细化政策启示。
三、理论分析与研究假说
(一)数字经济发展与雾霾污染
经济增长与环境污染问题一直是学术界特别关注的问题， 环境库兹涅茨曲线指出， 环境 的恶化程度会随着经济增长而加剧。经济生产活动特别是传统工业的高污染、高排放生产会 带来一系列环境污染问题， 尤其是雾霾污染的加剧。数字经济是以数据信息、技术作为关键 生产要素的一种新经济形式， 它与传统经济相比， 能够凭借其高渗透性、规模效应、网络效 应等特征影响经济体内部生产与外部环境[22] 。不少研究从经济生产过程和居民生活过程两 个方面来探讨数字经济对中国环境污染的影响关系[18]，但本文主要关注雾霾污染这一极具 代表性、污染性强的环境问题，并且雾霾污染主要产生于经济体生产的能源消耗上。因此， 本文主要从技术创新、产业结构、污染治理等三方面来阐释数字经济发展对我国雾霾污染的影响。
在技术创新方面， 纵观以往生产方式， 我国传统的经济生产方式多是采用生产资源的大 规模投入以达到产量的最大化， 能源的利用效率低是导致工业生产高污染高排放的直接原因。 在同等生产资源投入量的情况下， 低效率的生产方式必然加剧环境污染问题。然而， 数字经 济发展所带来的新技术使用、生产方式的革新等使得企业在生产过程中达到效率最大化， 降 低单位产出的能源消耗与污染排放。同时， 也会促进企业生产组织的集约转化， 优化企业生 产流程设计，有效整合生产决策所需的信息、数据等，提高企业生产资源的利用效率[24]。
比如， 在生产过程中使用智能监控实时监测并采集与企业生产排污相关数据， 使用传感器了 解生产环节全过程等，最大限度降低单位投入产品的能源消耗。
在产业结构层面，产业结构的转型升级会降低雾霾污染[21]。产业结构转型升级主要体 现在产业资源利用效率的提升和产业结构向高级化转型两方面， 而数字经济发展能够为产业 结构转型升级提供要素支撑。一方面， 数字经济发展的共享经济缓解了供求双方的信息不对 称， 加快了生产要素的合理流动， 促使生产资源流向高效率生产部门， 合理优化配置生产资源， 从而提高企业生产效率， 优化产业结构; 另一方面， 数字经济的高渗透性和融合共享性 催生了一系列产业新形态， 利用数字网络平台的竞争效应淘汰传统生产方式、低效运行模式 的低端产业， 倒逼落后低端产业向高级化产业转型。同时， 为应对环境规制， 新型企业多使 用清洁型生产资源、无污染生产模式进行生产，从而减少雾霾污染。
在污染治理方面， 数字经济发展主要通过雾霾动态监测、雾霾数据整合优化两方面来处 理雾霾污染问题。 一方面， 利用大数据、云计算等新技术， 创建雾霾污染监管方式， 实时动 态监测企业生产过程中雾霾污染水平， 实现对雾霾污染源的精准定位和监测; 另一方面， 将 动态监测雾霾数据进行优化整合， 综合分析雾霾污染源及污染数据的变化规律， 预测趋势， 为企业生产模式优化、环境治理问题等提供依据。同时， 还可以通过互联网平台及时公开污 染信息，打破政府、企业与社会之间的信息壁垒，提高公众的环保意识。
因此，本文提出以下研究假说。
假说 1：数字经济发展能有效降低我国雾霾污染。
(二)数字经济发展对雾霾污染的空间溢出效应
数字经济发展本身具有超地理特征，能够压缩信息传递的时空距离， 减少空间信息摩擦， 从而增强区域间经济活动的关联。基于知识和技术传播的角度， 从信息化的空间溢出作用到 互联网的空间溢出性，都同样支持数字经济具有明显的空间相关性的结论[11]。已有研究证 实了数字经济对经济高质量发展、区域创新效率[25]、绿色全要素生产率[14 ，26-27]等方面存在 明显的空间溢出效应。独特的空间地理特征使得数字经济在影响环境质量的过程中， 也会通 过技术创新效应、产业结构效应和污染治理效应三个方面影响其他地区的环境质量。从资源 流动的角度来讲， 数字经济依托网络基础设施所带来的信息、技术交流便利， 使得企业在交 互过程中互相传播和交换各种知识、技术， 由此促进了技术和知识在区域间、企业间的主动 或非主动的扩散和渗透， 从而带动其他地区进行产品技术创新， 有利于改善其他地区的雾霾污染问题。从政府污染治理来讲， 环境污染治理工作很大程度上是由政府主导， 然而， 受竞 争效应的影响， 政府采取新技术或者制定环境管制等用以处理环境污染问题， 都可能会被其 他地区的地方政府模仿。
另外， 雾霾污染物极具负外部性， 在区域之间呈现明显的空间集聚现象， 在研究雾霾污 染问题时， 不可忽视其独特的空间外部性。因此， 在数字经济发展影响雾霾污染的过程中存 在明显的空间溢出效应。故本文提出以下研究假说。
假说 2：数字经济发展通过空间溢出作用影响其他地区的雾霾污染。
四、实证设计
(一)空间计量模型构建
首先，基于数字经济对雾霾污染的直接影响，构建基准回归模型，公式如下：
ln_pm = a0 + a1 dige + a2 cv + ui + λt + εit (1)
式中， ln_pm 表示雾霾污染， dige 表示数字经济发展水平， CV 表示一系列控制变量， ui 表 示个体效应， λt 表示时间效应， εit 为随机扰动项。
然后， 考虑到数字经济对雾霾污染的影响存在空间溢出效应， 本文主要构建空间计量模 型，用以检验数字经济在影响雾霾污染过程中是否存在空间溢出作用。主要选择既包含空间 因变量滞后项，又包含空间误差项自相关的空间杜宾模型(SDM)[28] 。针对数字经济对雾 霾污染的影响而言， 一个地区的雾霾污染不仅受到本地区数字经济的影响， 还会受到周边其 他地区雾霾污染以及数字经济的影响。具体而言，空间杜宾模型的设定如下所示：
ln_pm = a0 + pw × ln_pm + a1 dige + a2 cv + a3 w × dige + a4 w × cv + ui + λt + εit (2)
各变量含义如基准回归模型(1)所示。另外， W 表示空间权重矩阵， ρ表示雾霾污染 滞后项的影响系数。
(二)权重选择
对于空间权重矩阵(W)的选择， 由于雾霾极具外部性， 周边地区环境极易受到本地区 雾霾的影响， 故用空间邻接权重矩阵(W1)。另外， 鉴于雾霾污染的空间相关性与地理距离 密切相关，距离越远， 其周边地区所受到的环境污染相对较小， 故用空间距离权重矩阵(W2 ) 来进行稳健性检验。
其中 i、j 分别代表 i 城市和j 城市，dij 表示 i 城市和j 城市的地理中心位置所相隔的距 离，各城市的中心经纬度坐标取自中国国家基础地理信息系统。
(三)变量设定与数据来源
被解释变量： 雾霾污染(ln_pm)，借鉴黄寿峰的做法[20] ，采用 PM2.5 浓度来表示。该数 据是由加拿大达尔豪斯大学大气成分分析组公布。在得到全球 PM2.5 地表年均浓度栅格数据 之后， 利用 ArcGIS 软件，结合中国地级市以上城市的行政区划数据， 提取城市行政区划范 围内的 PM2.5 栅格数据，得到 286 个地级以上城市的 PM2.5 年均浓度值， 以此作为雾霾污染 的代理变量。
核心解释变量：数字经济发展(dige)。借鉴相关研究[11.29] ，数字经济发展主要体现在 互联网和数字金融两个方面， 其中互联网发展指标采用互联网普及率、互联网从业人员占比、 互联网产出以及移动电话普及率四个方面的指标。数字金融发展采用北京大学数字金融研究中心和蚂蚁金服集团共同编制的中国数字普惠金融指数。最后， 采用熵权法测算得到 2011 —2019 年我国数字经济发展指数。
控制变量：借鉴相关研究[20.30]，主要采用地区经济发展水平(pergdp)、地区经济发展 水平的二次项(pergdp2)、外商直接投资(open)、产业结构水平(ind)、人口密度(people)、 政府财政支出(gov)等 6 个控制变量。
各变量描述性统计如表 1 所示。
由于部分城市数据缺失，故选取 2011—2019 年我国 286 个地级以上城市作为样本，数 据主要来源于历年《中国城市统计年鉴》、《中国数字普惠金融指数》、各省份历年统计年鉴、 历年中国数字经济发展报告等。
五、数字经济发展的空间演变特征
为探讨数字经济发展的空间演变特征， 利用 ArcGIS 软件， 对 2011 年和 2019 年我国数 字经济发展指数进行可视化分析， 结果如图 1 所示。
由于 2011 年与 2019 年数字经济指数最小值和最大值分别为 0.013 和 0.630.在此区间内采用自然间断点分级法(Jenks)，用以分析 我国数字经济发展的空间演变特征。整体来看， 我国数字经济发展水平逐渐提升， 数字经济 发展水平较高的地区主要分布在沿海地带， 其中珠三角城市群、长三角城市群、环渤海城市 群等沿海城市数字经济发展水平较高。具体地，2011 年我国数字经济发展水平最低的城市 是陇南市(0.013)，数字经济发展水平最高的城市是深圳市(0.501)，位于均值(0.068)以 下的城市有 202 个，约占 70.63%，由于数字信息技术设施不完善，数字产业发展不平衡， 我国大部分城市数字经济发展水平较低。再来看 2019 年， 我国数字经济发展水平最低的城 市是毕节市(0.089)，最高的是珠海市(0.630)，位于均值(0.166)以下的城市有 196 个， 由此可见，虽然我国数字经济发展水平整体在提升，但发展极不平衡。
另外， 纵观 2011 年和 2019 年的数字经济发展空间分布图发现， 我国区域数字经济发展 水平呈现集聚式发展， 数字经济发展水平较高的城市大部分是省份核心城市， 数字经济发展格局呈现核心城市向周边城市逐渐扩散的趋势。核心城市聚集了大量数字信息化资源以及基 础设施， 信息化科技、人才也聚集在核心城市之中， 因此， 核心城市的数字经济发展水平相 对较高。
六、数字经济发展对中国雾霾的影响
(一)空间相关性检验
在进行空间计量分析之前， 首先需要用莫兰指数来验证数字经济发展和雾霾污染两者是 否具有空间依赖性。其 Moran’s I 指数公式如下：
可以发现，我国数字经济发展水平和雾霾污染的 Moran’s I 指数均为正，且至少通过了 1%的显著性水平检验，这表明我国数字经济发展水平和雾霾污染均呈现明显的空间集聚特 征， 数字经济发展水平和雾霾污染较高(低) 地区其邻近地区的数字经济发展水平和雾霾污 染都较高(低)。数字经济发展水平的 Moran’s I 指数逐年降低，表明我国数字经济发展水平 的空间集聚性在减小， 这也印证了上文数字经济发展逐渐向核心城市靠拢， 核心城市与周边 城市数字经济发展水平差距在逐年拉大。另外， PM2.5 所代表的雾霾污染依旧具有强烈的空 间相关性，这主要取决于雾霾污染极强的负外部性特征。
Moran’s I 指数属于全域自相关性检验，全域自相关性检验仅能展示变量在整个区域范 围内的空间相关性， 不能展示变量在各个区域范围内的空间相关性， 故对数字经济发展与雾 霾污染的局域相关性进行检验， 可以进一步区分本区域与邻近区域之间水平高值与低值的空 间联系形式。通过 Moran’s I 散点图的曲线可以发现，我国数字经济发展与雾霾污染主要分 布在一、三象限内， 数字经济发展与雾霾污染存在“高—高”集聚和“低—低”集聚的空间 关联特征， 相对于数字经济发展， 雾霾污染具有更强的空间正相关性， 与全域自相关性检验 结果基本一致。
(二)模型识别
进行空间相关性检验之后，接下来需要根据 Elhorst 的判断原则， 进行空间计量模型的 识别[31]。从表 3 的检验结果来看， LM 检验和 Robust LM 检验均表明存在空间效应， 本研究 所选择的样本可以使用空间计量模型来估计; 利用 LR 检验和 Wald 检验来判断空间滞后、空间误差和空间杜宾三种空间计量模型的关系， 依据“H0 ：θ = 0 ”和“H0 ：θ+βρ =0 ”两个 假设， LR 检验和 Wald 检验结果表明，空间邻接权重矩阵和空间距离权重矩阵的空间计量 模型均拒绝了上述两个假设，空间杜宾模型优于空间滞后模型和空间误差模型;Hausman 检验是判断空间杜宾模型应该选择固定效应还是随机效应， 结果显示， 空间邻接权重矩阵下 的空间杜宾模型选择固定效应模型， 空间距离权重矩阵下的空间杜宾模型选择随机效应模型; 另外， LR 检验是判定固定效应选择个体固定效应、时间固定效应还是个体—时间双向固定 效应， 结果显示， 空间邻接权重矩阵下的空间杜宾模型应该选择个体—时间双向固定效应模型。
(三)回归结果
为保证估计结果的稳健性， 本文主要呈现了双固定模型的基准回归结果和空间杜宾模型 的回归结果。另外，空间 GMM 模型在回归模型中纳入数字经济发展滞后一期的解释变量， 可以解决数字经济发展与雾霾污染之间存在的部分内生性问题，三者估计结果见表 4 所示。
比较双固定模型、空间杜宾双向固定效应模型和空间杜宾 GMM 模型可以发现， 空间杜 宾 GMM 的模型拟合效果更优， 与双固定模型结果较为符合， 故主要分析双固定模型和空间 杜宾 GMM 模型的回归结果。核心解释变量估计结果显示， 数字经济发展的系数为负， 且至少通过 5%的显著性水平检验， 表明数字经济发展有利于降低雾霾污染， 改善环境质量， 证 实了本文提出的假说 1.数字经济发展的滞后项系数为负，且至少通过了 1%的显著性水平 检验， 表明数字经济发展不仅可以降低本地区的雾霾污染， 同时还能降低邻近地区的雾霾污 染，因此证实了本文提出的假说 2.被解释变量的估计结果显示， 雾霾污染的滞后一期以及 滞后项表明， 本地区之前的雾霾污染状况以及邻近地区的雾霾污染都会加剧本地区的雾霾污 染，这也印证了雾霾污染具有“累积”效应和空间集聚特征。
控制变量的估计结果显示，工业化占比和外商直接投资的增加会加剧地区的雾霾污染， 而政府财政支出的提高包括政府采取的一些环境管制措施， 都将降低本地区与邻近地区的雾 霾污染。另外，地区人均实际 GDP 对数的一次项系数和二次项系数表明，经济发展与环境 污染确实存在倒“U”型的非线性关系，证明了环境库兹涅茨曲线的存在。
(四)内生性检验与稳健性检验
1. 内生性检验
数字经济发展与雾霾污染之间的反向因果关系， 以及其他影响环境的不可观测变量， 都将导致数字经济发展与雾霾污染之间可能存在内生性问题。因此， 本文利用工具变量法来解 决其内生性问题，借鉴赵涛等方法[11] ，考虑到面板工具变量的时间变化趋势，采用上一年 全国互联网上网人数与 1984 年各地区每万人电话机数量构造交互项，作为该年数字经济发 展的工具变量。一方面，互联网技术的发展是从固定电话普及开始[29] ，固定电话等传统电 信工具会通过技术、习惯等因素来影响后来的互联网技术发展， 满足工具变量相关性的条件; 另一方面， 历史上的电话机使用数量对现在的环境污染影响较小， 满足工具变量外生性的条 件。因此，该工具变量的选取均符合内生性与外生性的双向要求。
表 5 模型(1)报告了基于工具变量方法的 2SLS 回归结果。可以看到，在工具变量的 相关性检验中，Kleibergen-Paap rk LM 统计量 P 值为 0.000 ，拒绝了“工具变量识别不足” 的 原假设; Kleibergen-Paaprk Wald F 统计量均大于相应的 Stock-Yogo 弱识别检验 10%水平上 的临界值 16.380.拒绝了弱工具变量的原假设。总体而言， 以上检验说明了工具变量选择的 合理性。从2SLS 回归结果来看，在考虑数字经济与中国雾霾之间可能存在的内生性问题后， 数字经济(dige)的系数依然显著为负，且至少通过了 1%的显著性水平检验，说明数字经 济发展的提升可以减少雾霾污染， 该结论与基准回归的结果一致。并且， 工具变量法的数字 经济发展系数(-2.056)要显著大于基准回归结果的系数(-0.705)，这也从侧面反映出忽略 内生性问题将低估数字经济发展对中国雾霾的影响作用。另外， 为有效控制内生性和空间溢 出效应，本文还采用广义空间两阶段最小二乘法(GS2SLS)进行估计[24]。表 5 模型(2) 显示了 GS2SLS 回归结果， 雾霾污染的滞后项系数显著为正， 数字经济发展系数为负， 与前 文估计结果类似，均证实了本文研究结论的可靠性。
2. 稳健性检验
一是替换被解释变量。由于雾霾污染属于扩散性较强的气体污染物， 为考虑气体污染存 在的外部性特征，本文选取另一类大气污染物指标， 以工业二氧化硫排放量的对数(ln_so2 ) 作为环境污染的第二代理变量， 同样采用空间杜宾 GMM 模型进行回归检验， 结果显示如表 6 模型(1)所示。本地区与邻近地区的数字经济发展均会减少本地区工业二氧化硫的排放， 只是本地区数字经济发展降低本地区工业二氧化硫排放的作用不显著， 可能原因在于数字经 济发展并不直接降低工业二氧化硫的排放。作为一种绿色、创新、可持续的高质量经济范式 [32] ，数字经济发展能重新构建企业绿色生产模式，减少资源浪费[33] ，从源头上解决了环境 污染问题， 而在具体污染物排放方面并不会有明显的直接影响作用，但依旧能够证明数字经 济发展改善环境质量的结论的稳健性。
二是替换空间距离权重矩阵。徐维祥等认为， 数字经济发展对环境污染的空间外溢作用在 1 100 千米处达到峰值[22]。可见， 在两地区不同距离情况下， 数字经济发展对环境污染的 作用影响也会不一样，故采用空间距离权重矩阵进行空间杜宾 GMM 模型的回归。回归估计 结果见表 6 模型(2)所示，数字经济发展对本地区以及距离越近地区的雾霾污染排放的降 低作用更大，依旧支持上述结论。
(五)异质性分析
1. 东中西区域异质性
在中国特殊的国情之下， 不同地区在经济发展水平上存在巨大差异， 数字经济发展也如 此。本文根据地域属性，将我国地级城市划分为东部地区、中部地区和西部地区三个组别。 三大地区的数字经济发展水平见表 7 所示，东中西部地区的数字经济发展水平呈现逐年上升 的趋势。此外， 横向比较同一年度不同地区的数字经济发展水平可以发现， 东部地区数字经 济发展水平大于中部地区和西部地区， 而中部地区数字经济发展水平稍小于西部地区。因此， 鉴于东中西三大区域数字经济发展水平的差异性， 本文接下来考察我国数字经济发展对雾霾 污染的影响是否存在区域异质性。
由于空间邻接权重矩阵无法探讨非邻接区域之间的空间溢出效应， 而空间距离权重矩阵 可以根据两地块距离的远近来体现两者之间的空间相关性， 因此， 在区域异质性分析部分本文均采用空间距离权重矩阵下的空间杜宾 GMM 模型进行回归。
表 8 报告了数字经济发展影响雾霾污染分东中西部地区检验的回归结果， 可以看出， 数 字经济发展减少雾霾污染的效用在中部地区和西部地区更加明显， 但数字经济发展对雾霾污 染的外溢作用在东部地区更大。相对于东部地区而言， 中西部地区数字经济发展尚处于初级 阶段， 对雾霾污染的减排效应更强， 但中西部地区数字经济发展所产生的减排效应只够本地 区资源消耗， 还不足以支撑邻近地区的减排节能， 所以本地区数字经济发展对邻近地区雾霾 污染的影响作用较小， 甚至不明显。然而， 东部地区数字产业优势更加明显， 数字基础设施 也较完善， 聚集了大量数字创新人才和资金， 多方面优势能更好发挥数字赋能优势，并且， 东部地区大城市具有更强的虹吸效应， 核心城市数字经济发展带动周边地区进行节能减排的 作用也更加明显。
2. 雾霾污染程度的区域异质性
上述分析表明， 在数字经济发展不同地区其数字经济对环境的影响不尽相同， 那么， 对 于雾霾污染程度不同的区域，数字经济对雾霾污染的影响又是怎样的?我们根据 2011 — 2019 年各城市 PM2.5 浓度年均值，采用自然断点法将我国划分为雾霾污染程度较轻区域(141 个城市)、雾霾污染程度中度区域(105 个城市) 和雾霾污染程度较重区域(40 个城市)。
具体结果见表 9 所示。相对于雾霾污染较重区域而言， 雾霾污染较轻地区和雾霾污染中 度地区数字经济发展减少本地区和邻近地区雾霾污染的作用较强， 并且雾霾污染中度地区数 字经济减排效应的外溢作用更强。然而， 雾霾污染严重区域由于固定的重工业化布局以及传统的高污染、高排放的生产方式， 导致数字经济发展难以有效发挥减排效应。提高数字经济 发展的减排效应， 改善雾霾污染严重区域的环境质量， 是污染程度严重区域亟需解决的现实 问题。另外， 观察被解释变量滞后一期的系数发现， 随着雾霾污染程度的加深， 雾霾污染滞 后一期的系数越大， 并且均通过统计学检验， 这表明雾霾污染越严重的区域， 其对未来环境 质量的改善越有挑战。
七、结论与建议
推动数字经济高速发展是提升环境质量、促进经济高质量发展的重要举措。本文基于 2011—2019 年我国 286 个地级以上城市的面板数据， 利用 ArcGIS 软件探讨我国数字经济发 展的时空演变特征， 并采用空间杜宾模型实证检验数字经济发展对我国雾霾污染的影响。主 要结论如下： 第一，我国数字经济发展水平逐渐提升， 数字经济发展水平较高的地区主要分 布在沿海地带， 并逐渐呈现出数字经济发展水平较高的核心城市向周边城市扩散的组团形态; 第二， 我国数字经济发展水平和雾霾污染均呈现明显的“高—高”集聚和“低—低”集聚的 空间关联特征， 相对而言， 雾霾污染的空间集聚特征更强; 第三， 数字经济发展不仅可以减 少本地区雾霾污染， 同时还能改善邻近地区的环境质量， 通过引入工具变量、替换被解释变 量、替换空间权重矩阵等稳健性检验， 该结论依旧成立; 第四， 数字经济发展对雾霾污染的 影响作用在中部地区和西部地区更加明显， 但数字经济发展对雾霾污染的外溢作用在东部地 区更大。另外， 与雾霾污染程度较重区域相比， 雾霾污染较轻地区数字经济发展减少本地区 和邻近地区雾霾污染的作用较强。
数字经济发展所带来的环境质量提升正促使经济社会发生新一轮变革，本文的研究结论 不仅提供了一系列经验证据， 也具有以下几个方面的政策启示; 第一，加大数字化基础设施 建设， 强化数字赋能减霾效应。加大对互联网投资力度， 推进数字中国建设， 特别是推动中 西部地区、中小城市的数字基础设施建设， 实现区域网络基础设施及公共服务的均等化， 从 而带动周边地区数字赋能减霾效应。第二，加强高污染、高排放等传统产业的数字化转型， 促进数字经济向传统产业渗透， 提高生产效率， 使数据成为核心生产要素并提高传统要素的 利用和配置效率。第三，借助高效便捷的数字化平台，促进区域间的技术合作与信息交流， 充分发挥数字经济发展对雾霾污染的负向空间溢出效应， 实现经济与生态“鱼与熊掌兼得” 的高质量发展。
[参考文献]
[1] 陈晓红, 李杨扬, 宋丽洁, 等. 数字经济理论体系与研究展望[J]. 管理世界, 2022. 38(2): 208-224.
[2] 杨佩卿. 数字经济的价值、发展重点及政策供给[J]. 西安交通大学学报(社会科学版), 2020. 40(2): 57-65.
[3] ABS. Measuring digital activities in the Australian economy[R]. Australian Bureau of Statistics Research, 2019.
[4] BEA. Measuring the digital economy: an update incorporating data from the 2018 comprehensive update of the industry economic accounts[R]. Rureau of Economic Analysis Research, U. S. Department of Commerce, 2019.
[5] 许宪春, 张美慧. 中国数字经济规模测算研究—— 基于国际比较的视角[J]. 中国工业经济, 2020(5): 23-41.
[6] 韩兆安, 赵景峰, 吴海珍. 中国省际数字经济规模测算、非均衡性与地区差异研究[J]. 数量经济技术经 济研究, 2021. 38(8): 164- 181.
[7] OECD. Measuring the digital economy: anew perspective[M]. Paris: OECD Publishing, 2014.
[8] 刘军, 杨渊鋆, 张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究, 2020(6): 81-96.
[9] 王军, 朱杰, 罗茜. 中国数字经济发展水平及演变测度[J]. 数量经济技术经济研究, 2021. 38(7): 26-42.
[10] 潘为华, 贺正楚, 潘红玉. 中国数字经济发展的时空演化和分布动态[J]. 中国软科学, 2021(10):137- 147.
[11] 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.
[12] 陈梦根, 张鑫. 中国数字经济规模测度与生产率分析[J]. 数量经济技术经济研究, 2022. 39(1): 3-27.
[13] 毛丰付, 张帆. 中国地区数字经济的演变： 1994~2018[J]. 数量经济技术经济研究, 2021. 38(7): 3-25. [14] 杨友才, 王玉聪, 魏涛. 数字经济是否提高了绿色全要素生产率? [J]. 学习与探索, 2022(12): 114- 123.
[15] MOYER J D, HUGHES B B. ICTs: do they contribute to increased carbon emissions?[J]. Technological forecasting and social change, 2012. 79(5): 919-931.
[16] 解春艳, 丰景春, 张可. 互联网技术进步对区域环境质量的影响及空间效应[J]. 科技进步与对策,2017(12): 35-42.
[17] 许宪春, 任雪, 常子豪. 大数据与绿色发展[J]. 中国工业经济, 2019(4): 5-22.
[18] 李广昊, 周小亮. 推动数字经济发展能否改善中国的环境污染——基于“ 宽带中国” 战略的准自然实验 [J]. 宏观经济研究, 2021(7): 146- 160.
[19] 郭炳南, 王宇, 张浩. 数字经济发展改善了城市空气质量吗——基于国家级大数据综合试验区的准自 然实验[J]. 广东财经大学学报, 2022. 37(1): 58-74.
[20] 黄寿峰. 财政分权对中国雾霾影响的研究[J]. 世界经济, 2017. 40(2): 127- 152.
[21] 邓荣荣, 张翱祥. 中国城市数字经济发展对环境污染的影响及机理研究[J]. 南方经济, 2022(2): 18-37. [22] 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.
[23] 张帆, 施震凯, 武戈. 数字经济与环境规制对绿色全要素生产率的影响[J]. 南京社会科学, 2022(6): 12-20.
[24] 吕民乐, 陈颖瑶. 信息化有助于降低雾霾污染吗?——基于空间计量模型的实证检验[J]. 南京财经大 学学报, 2021(3): 12-24.
[25] 白俊红, 陈新. 数字经济、空间溢出效应与区域创新效率[J]. 研究与发展管理, 2022. 34(6): 67-78.
[26] 张英浩, 汪明峰, 崔璐明, 等. 数字经济水平对中国市域绿色全要素生产率的影响[J]. 经济地理, 2022. 42(9): 33-42.
[27] 张圆. 城市数字经济对绿色全要素生产率的空间效应研究——理论机制与实证检验[J]. 经济体制改革, 2022(4): 43-50.
[28] LESAGE J, PACE R K. Introduction to spatial econometrics[J]. Spatial demography, 2013. 1(1): 143- 145.
[29] 黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升： 内在机制与中国经验[J]. 中国工业经济,2019(8): 5-23.
[30] 邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研 究, 2016. 51(9): 73-88.
[31] ELHORST J P. Matlab software for spatial panels[J]. International regional science review, 2014. 37(3): 389-405.
[32] 陈晓东, 杨晓霞. 数字经济发展对产业结构升级的影响——基于灰关联熵与耗散结构理论的研究[J]. 改革, 2021(3): 26-39.
[33] 荆文君, 孙宝文. 数字经济促进经济高质量发展： 一个理论分析框架[J]. 经济学家, 2019(2): 66-73.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/77067.html
