《Sustainability》:Digital Economy, Innovation Factor Mobility, and Urban Green Energy Efficiency: Evidence from Double Machine Learning
编辑推荐:
在数字经济蓬勃发展且气候治理日益收紧的背景下,提升绿色全要素能源效率(green total-factor energy efficiency)已成为社会经济转型的关键。数字经济是否驱动城市绿色能源转型仍悬而未决,尤其是关于要素流动机制和空间溢出效应。利用20
在数字经济蓬勃发展且气候治理日益收紧的背景下,提升绿色全要素能源效率(green total-factor energy efficiency)已成为社会经济转型的关键。数字经济是否驱动城市绿色能源转型仍悬而未决,尤其是关于要素流动机制和空间溢出效应。利用2011—2022年中国281个城市的面板数据,研究人员应用双重机器学习(Double Machine Learning, DML)和空间杜宾模型(Spatial Durbin Model, SDM)检验了数字经济对城市绿色能源效率的影响。研究结果表明:(i)数字经济通过绿色技术创新、绿色金融发展和产业升级显著提升了本地绿色能源效率;(ii)数字经济促进了人才和资本向数字发达地区集聚,创新要素流动充当了关键的中介变量;(iii)存在显著的正向空间相关性,数字经济对邻近城市产生超过直接效应的显著溢出效应,促进了区域协同。本研究克服了传统方法论的局限性,率先将创新要素流动纳入数字经济-绿色转型分析,揭示了要素重新配置作为核心机制。研究结果为跨区域数字-能源协调、要素市场化改革和差异化绿色战略提供了政策参考。
**论文解读:数字经济、创新要素流动与城市绿色能源效率——基于双重机器学习的实证分析**
**研究背景、问题与意义**
全球气候变化日益严峻,推动能源系统和经济结构向绿色低碳转型已成为国际社会的紧迫共识。自《巴黎协定》通过以来,全球气候治理进入全面实施的关键阶段。中国提出的“双碳”战略目标不仅体现了大国责任,更为探索系统性社会经济转型提供了范式。这一转型的微观基础在于全面提升绿色全要素能源效率。然而,数字经济的蓬勃发展能否有效驱动城市绿色能源转型,尤其是其通过创新要素流动的中介机制以及空间溢出效应如何发挥作用,现有研究尚存争议。传统计量方法难以处理高维混淆变量和内生性问题,且缺乏对要素流动作为核心传导机制的深入剖析。为此,本研究聚焦数字经济与城市绿色能源转型,引入双重机器学习(Double Machine Learning, DML)模型和空间计量方法,旨在系统识别数字经济的因果效应,并阐明创新要素流动的中介机制与空间溢出效应。论文发表于《Sustainability》。
**主要关键技术方法**
研究采用2011—2022年中国281个城市的面板数据。关键技术方法包括:第一,使用基于非期望产出的SBM(Slack-Based Measure)模型结合Malmquist-Luenberger指数测算城市绿色全要素能源效率。第二,从互联网普及率、互联网相关从业人员数、互联网相关产出、移动互联网用户数、数字普惠金融发展五个维度,运用熵权法测度数字经济发展水平。第三,采用部分线性双重机器学习(DML)框架,以随机森林(Random Forest)作为基学习器,并配合交叉拟合(cross-fitting)技术进行因果识别,有效克服高维控制变量下的模型误设和正则化偏误。第四,采用空间杜宾模型(Spatial Durbin Model, SDM)并构建经济-地理嵌套权重矩阵,分析空间溢出效应。第五,通过引力模型量化城市间研发资本和研发劳动力的流动强度,以表征创新要素流动。
**研究结果**
**5.1 基准回归结果**
通过双重机器学习模型,在控制城市与年份固定效应及控制变量的线性与二次项后,数字经济的系数在1%水平上显著为正(约0.321-0.323)。分解数字经济五个二级指标发现,所有子维度均正向影响绿色能源效率,其中数字金融的推动作用最强。
**5.2 稳健性检验**
通过5%-95%缩尾处理、剔除2020年新冠疫情冲击、改变交叉拟合样本分割比例(1:2、1:7)、替换机器学习算法(梯度提升树、支持向量机)以及使用工具变量(两阶段最小二乘法)重新估计后,核心结论依然稳健。
**6.1 要素流动渠道**
数字经济发展显著促进人才净流入(正向影响人才流入、负向影响人才流出),同时显著促进资本净流入(正向影响资本流入、负向影响资本流出),表明数字经济通过吸引高素质劳动力和研发资本集聚,构成提升绿色能源效率的关键微观渠道。
**6.2 机制检验**
绿色技术创新、绿色金融发展和产业结构升级三个并行渠道均作为中介机制发挥作用:数字经济在1%水平上显著提升绿色创新产出、绿色金融发展指数和产业结构高级化指数,从而多维度赋能绿色能源效率提高。
**6.3 时空异质性**
空间异质性分析显示,数字经济对绿色能源效率的提升效应在沿海城市、位于胡焕庸线东南侧城市、大城市、中心城市以及交通枢纽城市中更为显著;在四大区域(东部、中部、西部、东北)均显著,其中东北地区系数最高。时间异质性分析表明,效应随数字经济发展阶段(2006-2012、2013-2018、2019-2023)呈递增趋势。
**6.4 时空演化特征**
数字经济和绿色能源效率的空间分布均呈现“东高西低、多极并起”的格局,且随时间持续上升,两者在东部城市群存在高度空间耦合,但区域间差异仍较明显。
**6.5 空间溢出效应**
全局莫兰指数证实数字经济和绿色能源效率均存在显著正向空间自相关。空间杜宾模型分解显示,数字经济的直接效应为0.513(1%显著),间接效应(空间溢出效应)高达1.070,约为直接效应的2.09倍;同时,空间自回归系数ρ=0.175(1%显著),表明邻地效率提升可通过空间反馈进一步促进本地效率,形成良性循环。
**讨论与结论**
**讨论部分**
研究得出四项主要发现:数字经济显著提升城市绿色能源效率;创新要素流动是关键中介渠道;绿色技术创新、绿色金融和产业升级构成多维赋能机制;效应存在显著时空异质性,且空间溢出效应超过直接效应。这些机制有效降低了单位产出的能源消耗和污染强度。研究局限性包括:数字经济仅由五个二级指标测度,未能涵盖更细粒度指标(如基站密度);空间分析仅采用经济-地理嵌套矩阵。未来研究可考察人工智能、区块链等具体技术的作用,构建基于数字连通性的新型空间权重矩阵,整合企业级微观数据,并开展跨制度比较。
**结论部分**
本研究将数字经济定位为城市绿色能源转型的关键战略变量。实证结果证实,数字经济通过绿色技术创新、绿色金融拓展和产业结构合理化显著提升本地绿色能源效率,同时重塑跨区域人才与资本流动,产生正向空间溢出效应。然而,这一赋能过程存在潜在挑战:要素集聚可能加剧区域差距,数字基础设施运行本身消耗能源并排放碳,且时空异质性可能导致部分地区的虹吸效应破坏协同发展平衡。据此提出四项政策建议:加强顶层设计,建立涵盖数字经济、绿色能源效率及其协同的综合评价体系;实施差异化区域战略,东部沿海和中心城市应深度融合数字技术与绿色前沿产业,中西部和中小城市需补齐基础设施与人才短板,老工业基地和资源型城市应针对性推动传统产业绿色升级;完善跨区域协同治理,通过共享平台、标准互认和产业联盟,配合生态补偿和飞地经济机制;构建促进创新要素有序流动的制度环境,加快全国统一市场建设,同时通过均等化公共服务和技能培训缓解转型成本。