《Sustainability》:Digital-Driven Green Transition: The Impact of Artificial Intelligence on Green Technology Innovation—Perspectives on Nonlinearity and Spatial Heterogeneity
编辑推荐:
人工智能(AI)作为一种代表性的通用技术,其与绿色技术创新(GTI)的潜在关系正受到越来越多的关注。理解这种关系对于促进可持续发展、支持中国的“双碳”目标具有重要意义。本研究利用2012年至2023年长江经济带(YREB)108个地级市的平衡面板数据,考察了人
人工智能(AI)作为一种代表性的通用技术,其与绿色技术创新(GTI)的潜在关系正受到越来越多的关注。理解这种关系对于促进可持续发展、支持中国的“双碳”目标具有重要意义。本研究利用2012年至2023年长江经济带(YREB)108个地级市的平衡面板数据,考察了人工智能发展与城市绿色技术创新之间的关系。为了探究这种关系,研究人员采用双向固定效应(TWFE)模型作为主要的实证框架,并辅以空间计量经济学模型和探索性机器学习技术进行补充分析。具体而言,研究人员检验了人工智能发展是否与城市绿色技术创新相关、这种关联是否表现出空间依赖性、以及数据中是否存在潜在的非线性模式。结果表明:(1)人工智能发展与城市绿色技术创新呈正相关,且与实质性绿色创新的关联性强于与战略性绿色创新的关联性。(2)空间计量估计表明,人工智能发展与邻近城市更高的绿色技术创新水平相关,尽管这些发现应被解释为空间关联而非因果溢出效应。(3)探索性机器学习分析揭示了人工智能发展与绿色技术创新之间潜在的非线性关系。然而,这些模式不应被解释为因果阈值效应的证据。(4)人工智能与绿色技术创新之间的正相关关系在长江经济带中游地区以及环境规制相对严格的地区表现得更为明显。总体而言,研究结果提供了证据表明,在长江经济带内,人工智能发展与城市绿色技术创新相关。这些结果也为理解这种关系的空间和非线性特征提供了初步见解,并可能为未来关于数字技术与可持续发展的研究提供参考。
### **论文解读:人工智能发展与绿色技术创新的空间非线性关联研究**
#### **一、 研究背景与问题**
在全球应对气候变化与中国推进“双碳”目标的宏观背景下,推动经济绿色低碳转型已成为重要的政策目标。绿色技术创新(GTI)被广泛视为提高资源利用效率、支撑可持续发展的关键机制。作为横跨中国东、中、西部的重大经济走廊,长江经济带(YREB)在经济增长与生态保护中均占据战略地位,但该区域仍面临能源消耗、环境压力与创新能力不均衡等挑战。因此,理解长江经济带内绿色技术创新的提升因素是一个重要的研究课题。
与此同时,人工智能(AI)、大数据、云计算及相关数字技术的快速发展正在重塑全球经济活动。作为代表性的通用技术,人工智能具有跨行业的广泛适用性,并具备提升信息处理、资源配置和创新效率的潜力。现有研究表明数字技术有助于产业升级、创业活动和经济发展。然而,人工智能发展在多大程度上与绿色技术创新相关,特别是在城市层面和特定区域背景下,仍未得到充分理解。
尽管已有研究为数字化转型与环境绩效之间的关系提供了宝贵见解,但仍存在几个研究空白。首先,现有研究通常将绿色技术创新视为同质概念,可能忽略了创新质量的差异。其次,虽然数字技术常被假定具有积极的环境效应,但其关联可能并非严格的线性关系。人工智能技术的实施通常需要大量的基础设施、人力资本和互补技术投资,因此其与绿色技术创新的关系可能因技术发展阶段和区域条件而异。第三,数字技术的区域扩散可能在不同地点产生异质性结果。鉴于长江经济带内城市间显著的经济与技术差距,人工智能发展与绿色技术创新的关系可能表现出空间依赖性和区域异质性,但现有研究对此关注相对有限。
为弥补这些空白,本研究利用2012-2023年长江经济带108个地级市的面板数据,旨在考察人工智能发展与城市绿色技术创新之间的关系,并探索这种关系潜在的空间和非线性特征。研究采用双向固定效应(TWFE)模型作为主要实证框架,辅以稳健性检验、空间计量分析、异质性分析和探索性机器学习技术。本研究发表于《Sustainability》期刊。
#### **二、 主要研究方法**
本研究采用分层实证策略,核心是基于双向固定效应(TWFE)模型的面板数据分析,以控制城市个体效应和年份效应。研究样本为2012-2023年长江经济带108个地级市。关键变量构建如下:因变量为城市绿色技术创新,细分为**实质性绿色创新**(以绿色发明专利申请数的自然对数Ln_Green_Inv衡量)和**战略性绿色创新**(以绿色实用新型专利申请数的自然对数Ln_Green_Uti衡量)。核心自变量为**人工智能发展水平**,采用“关键词挖掘与行业代码交叉验证”的双重过滤法,基于城市人工智能相关企业数量构建(Ln_AI_com),并在基准回归中滞后一期。此外,研究还选取了**技术发展水平**(Sci_Exp)和**产业结构整体升级**(Ind_Str)作为潜在关联因素进行考察,并控制了经济发展水平、环境规制、政府干预等一系列变量。
为深入探究,研究采用了多种技术方法:1. **稳健性检验与内生性处理**:包括使用地形起伏度与时间趋势的交互项、邻近城市人工智能发展的逆距离加权平均值作为工具变量进行两阶段最小二乘法(2SLS)估计,以及动态面板GMM估计和安慰剂检验。2. **空间计量经济学模型**:通过全局莫兰指数检验空间自相关性,并基于拉格朗日乘数、沃尔德和似然比检验结果,选择**空间杜宾模型**(SDM)来考察人工智能发展与绿色技术创新关系的空间依赖性,并分解为直接效应、间接效应和总效应进行分析。3. **探索性机器学习分析**:采用**XGBoost-SHAP**可解释机器学习框架作为探索性工具,通过特征重要性分析和**部分依赖图**(PDP)来识别数据中潜在的非线性关联模式,该分析旨在描述预测性关系而非建立因果机制。
#### **三、 研究结果**
**4.1 基准回归分析**
基准回归结果表明,人工智能发展(滞后一期)与实质性绿色技术创新(Ln_Green_Inv)呈显著正相关。在纳入全部控制变量后,该正相关关系在10%的统计水平上保持显著,表明人工智能发展水平较高的城市,其绿色发明专利申请活动也更为活跃。
**4.2 内生性处理与稳健性检验**
为缓解内生性担忧,研究进行了多项检验。工具变量估计(2SLS)和动态面板GMM估计的结果均支持基准结论,即人工智能发展与实质性绿色技术创新之间存在稳定的正相关关系。安慰剂检验也表明基准结果不太可能由随机变异驱动。在稳健性检验中,研究发现:(1)当因变量替换为混合绿色专利或战略性绿色创新(Ln_Green_Uti)时,人工智能的系数变得不显著,说明观察到的关联主要体现在技术含量更高的实质性创新上。(2)使用工业机器人密度或人工智能相关发明专利申请数作为人工智能发展的替代指标,结果与基准发现基本一致。(3)排除直辖市样本或对连续变量进行缩尾处理后,核心结论依然成立。
**4.3 潜在关联因素与异质性分析**
机制检验结果显示,在控制人工智能变量后,产业结构升级和技术发展水平这两个潜在关联因素的系数并未表现出持续强统计显著性,因此证据不支持将它们解释为人工智能影响绿色技术创新的直接线性传导渠道。异质性分析发现,人工智能与绿色技术创新的正相关关系存在区域和制度环境差异:(1)**地理异质性**:该正相关关系仅在长江经济带**中游**城市的样本中显著,在上、下游城市样本中则不显著。(2)**环境规制异质性**:该关系在**高环境规制强度**的城市组中显著为正,在低规制组中则不显著。
**4.4 空间依赖性分析**
空间相关性检验显示,绿色技术创新和人工智能发展均存在显著的正向全局空间自相关(莫兰指数显著为正),表明两者在空间上呈现集聚分布。空间杜宾模型(SDM)的效应分解结果表明:(1)**全样本**:人工智能发展对本地绿色技术创新有显著的正向直接效应,同时存在更大且显著的正向间接效应(空间溢出效应),表明该关系具有显著的空间依赖性。(2)**区域异质性**:空间效应存在明显的区域差异。**中游**地区的直接、间接和总效应均显著为正;**上游**地区仅直接效应边际显著;**下游**地区则主要表现为显著的正向间接效应。这些结果在使用不同空间权重矩阵(地理距离、经济距离等)和不同空间模型(SAR、SEM)的稳健性检验中保持相对稳定。
**4.5 基于可解释机器学习的非线性模式探索**
XGBoost-SHAP框架的探索性分析为非线性关系提供了描述性证据。特征重要性分析显示,滞后的人工智能发展指标对预测绿色技术创新具有较高的贡献度。部分依赖图(PDP)分析表明,人工智能发展与预测的绿色技术创新值之间的关系呈现**非线性特征**:在人工智能发展水平较低时,预测值变化平缓;随着人工智能发展水平提升,曲线斜率变陡,预测值增长加快。这提示两者间的关联强度可能随人工智能发展阶段而变化,但需谨慎解读,这并非因果阈值效应的确证。
#### **四、 讨论与结论**
**讨论**部分指出,本研究结果揭示了人工智能发展与绿色技术创新之间稳定的正向关联,尤其体现在实质性创新上。这种关联表现出空间依赖性和区域异质性,且探索性分析提示了潜在的非线性模式。然而,空间模型并未指明区域关联的具体渠道,机制分析也未为简单的线性中介过程提供强有力支持。因此,产业结构升级和技术发展更应被视为潜在的相关背景条件而非已确认的传导渠道。研究也承认了在更广泛的国际背景下,数字技术的成果同样高度依赖于区域经济条件、制度环境和创新能力。
**研究结论**总结如下:
1. 人工智能发展与实质性绿色技术创新呈正相关。在各项检验中,更高水平的人工智能发展始终与更高水平的绿色发明专利活动相关联。相比之下,人工智能发展与战略性绿色创新之间的关系在统计上不显著。
2. 人工智能发展与绿色技术创新之间的关系似乎表现出非线性特征。探索性机器学习分析表明,两者之间的预测性关联随人工智能发展水平的不同而变化。然而,这些模式应被解释为描述性证据,而非特定阈值效应或因果发展阶段的确认。
3. 人工智能发展与绿色技术创新的关系表现出显著的空间依赖性和区域异质性。空间计量经济学分析表明,人工智能发展不仅与本地绿色技术创新成果相关,也与更广泛的区域模式相关联。这些空间关系在使用不同的空间权重矩阵和模型设定时保持基本稳健。尽管如此,导致这些空间模式的内在机制仍需进一步研究。
总体而言,研究结果表明,在长江经济带,人工智能发展与绿色技术创新密切相关。同时,这些结果应在观测数据的局限性和所采用的实证框架内进行解释。未来利用更细粒度的微观数据和更强的识别策略的研究,将有助于厘清观察到的关系背后的因果机制。