数字贸易对地区绿色全要素生产率的影响与异质性分析 王姗姗1博士翟永会2副教授刘满成1教授 (1、淮阴工学院商学院江苏淮安223001;2、河南师范大学商学院河南新乡453000) 内容摘要:本文利用2011-2020年我国30个省份的面板数据,实证检验数字贸易对地区全要素生产率的影响作用。得出结论:数字贸易能够促进地区全要素生产率的提升;数字贸易对全要素生产率的促进作用具有地区异质性,呈现东部高于中部高于西部的特点。最后依据实证结论提出相关政策建议。 关键词:数字贸易;绿色发展;绿色全要素生产率 中图分类号:F124文献标识码:A文章编号:2095-9397(2024)20-0114-04 文章著录格式:王姗姗,翟永会,刘满成.数字贸易对地区绿色全要素生产率的影响与异质性分析[J].商业经济研究, 2024(20):114-117 引言与文献综述 随着数字技术和经济全球化,数字贸易已成为当今世界经济中不可忽视的重要组成部分。数字贸易的快速增长不仅改变了传统贸易模式,同时推动绿色经济和实现可持续发展已成为全球共识和重要目标,在这一背景下研究数字贸易对绿色全要素生产率的影响具有重要的理论和实践意义。绿色全要素生产率作为衡量经济增长和可持续发展的指标,包括资源利用效率、环境影响、经济效益等方面的综合评估,数字贸易作为数字化经济的重要组成部分,其与绿色全要素生产率之间的关系备受关注。基于此,本文利用2011-2020年我国省级面板数据,通过理论分析与实证检验的方式研究数字贸易对地区全要素生产率的影响作用。 针对数字贸易与绿色全要素生产率的研究主要体现在对数字贸易的影响因素和绿色全要素生产率的提升方面。第一,关于数字贸易的影响因素。由于数字贸易的出现,带来最直接影响的是贸易行业。部分学者研究了数字贸易对制造业出口的影响。比如,姚战琪(2021)认为数字贸易通过信息化水平的提高、政府科技支出投入和劳动生产率提高共同提升了出口技术复杂度。韩民春和张霄(2023)认为数字贸易对出口技术复杂度具有正向影响,进一步提升了出口产品质量。除了影响贸易,数字贸易对全球价值链的提升也具有积极作用(杨慧瀛等,2022)。也有部分学者发现数字贸易还可以影响到碳排放(韩晶,2021)。因此,数字贸易的影响作用已经渗透到许多领域。第二,关于绿色全要素生产率的提升。李斌等(2016)认为财政分权程度FDI的两项互动可以显著促进绿色全要素生产率的提升。陈国宏(2022)认为,互联网的渗透可以显著提升全要素生产率水平。综上,贸易与互联网相关的变量均 能提高绿色全要素生产率,数字贸易是建立在互联网和数字技术基础上的贸易,由此可以推测出,数字贸易对绿色全要素生产率同样具有正向促进作用。因此本文的创新点在于:以数字贸易的创新视角探究其对绿色全要素生产率的影响;在考察数字贸易对绿色全要素生产率影响的过程中将异质性分析纳入进来。 理论机制分析 数字贸易可以通过三种方式提升绿色全要素生产率:首先,数字贸易可以提高资源利用效率。数字贸易通过信息和通信技术的应用,可以提高资源的利用效率。例如,通过电子商务平台,企业可以实现供应链的优化和物流的精细管理,减少物质和能源的浪费。此外,数字化技术的应用还可以提供实时的数据和分析,帮助企业更好地管理资源和监控环境影响,进一步提高资源效率,从而推动绿色全要素生产率的提高。其次,数字贸易对绿色全要素生产率的影响可能通过促进创新和技术进步的渠道实现。数字化经济为企业创造了更多的机会和便利条件,通过跨境合作和技术转移,推动绿色技术的研发和应用。同时,数字化技术的不断创新和演进,例如物联网、人工智能和大数据分析等,为绿色全要素生产率的改善提供了新的可能性。最后,数字贸易的发展也受到环境规制和治理的影响。有效的环境规制可以促使企业采取更加环保和可持续的生产方式,进而提高绿色全要素生产率。 研究设计 (一)数据来源 本文研究的数据来源于各省份的统计年鉴、《中国科技统计年鉴》、《中国劳动力统计年鉴》、《中国高技术 基金课题:江苏省高校哲学社会科学研究一般项目(2020SJA1800) 表1我国30个省份数字贸易发展指数 产业统计年鉴》、《中国数字经济发展报告》、《中国信息产业年鉴》、《中国能源统计年鉴》等,由于西藏地区数字贸易相关数据略有缺失以及港澳台地区统计口径不一致,因此对数字贸易指数的测量将上述地区排除。综上,选取2011-2020年中国30个省级面板数据进行实证检验。 (二)计量模型构建 本文具体的计量模型设定如下: gtfpit=β0+β1dtit+β2Xit+μi+ωt+εit(1)其中,i表示省份;t表示年份。gtfpit是本文的被解释 变量,即省级绿色全要素生产率;dtit是解释变量,即省级数字贸易发展水平;Xit是本文的控制变量,包括经济发展水平、人力资本水平、环境规制、信息化水平和研发能力。μi、ωt表示控制地区、时间的固定效应;εit为残差项。 (三)变量测度 1.被解释变量。本文的被解释变量是绿色全要素生产率(gtfpit)。对于全要素生产率的核算,本文参考了李斌 (2013)、原毅军和谢荣辉(2015)的方法,采用测量软件MaxDEA并运用SBM-DDF方法测算。其中,期望产出是以2004年不变价格计算的地区生产总值,非期望产 出借鉴王兵等(2010)的做法,选取30个省市区的“工业三废”作为非期望产出指标。投入指标为资本、劳动力和能源。 2.核心解释变量。本文的核心解释变量为数字贸易水平(dtit)。数字贸易是指利用互联网、移动通信技术、 电子支付等数字技术手段进行的跨境贸易活动。随着数字贸易的出现,对于数字贸易的测度部分学者已经形成较为系统的研究。本文参考刘媛媛和陶长琪(2021)的指标选取和测度方法,从数字化技术设施环境、技术创新环境、贸易能力和贸易潜力四个维度,选取8个二级指标,包括互联网基础环境、物流运输环境、科技投入、科技产出、产业数字贸易水平、数字产业贸易水平、对外贸易开放水平和居民消费潜力,以及24个三级指标(即企业拥有网站数、IPv4地址数、忙闲时加权平均可用下载速率、电话普及率、移动互联网用户、交通运营能力指数、公路营运载货汽车拥有量、民用运输船帕拥有量、物流相关活动从业人员、规模以上工业企业R&D经费支出、规模以上工业企业R&D人员全时当量、专利申请受理数、技术市场成交额、快递业务收入、有电子商务交易活动企业数、电子商务销售额、电子商务采购额、软件业务收入、电子出版物出版数量、电视剧播出数、有线电视用户数占家庭总户数比重、贸易开放度、居民人均消费支出、 表2变量的描述性统计 表3基准回归结果 注:括号内为t值,*、**、***分别代表10%、5%、1%的显著水平。 社会消费品零售总额),运用熵权法对数字贸易发展水平进行测算。由于指标中2020年的部分指标数据缺失, 通过2011-2019年各省份的数字贸易发展指标预测2020 年各省份数字贸易发展指标。综合得出2011-2020年各省份的数字贸易发展数据,具体参见表1。 3.控制变量。经济发展水平(ecoit):经济发展水平的提高通常会促进技术创新的开展,包括绿色技术的发展。绿色技术的应用可以改善资源利用效率和环境效益,从而提高绿色全要素生产率。本文从各省份统计年鉴中选择各省份地区生产总值的比重作为对各省份经济发展水平的衡量。人力资本水平(labit):人力资本水平的提高可以激发和支持这种创新能力,从而促进绿色全要素生产率的提升。因此本文选择大学本科及以上的就业人员受教育程度比例加总体现人力资本水平,数据来源为《中国劳动力统计年鉴》。环境规制(envit):环境规制可以通过要求企业减少污染排放、提高资源利用效率等方式,刺激绿色技术的创新和应用。本文选择工业污染治理完成投资额与工业增加值的比重表示地区的环境规制水平,数据来源为地区统计年鉴。信息化水平(infoit):信息化技术可以帮助企业更好地收集和分析环境和资源利用数据。本文利用邮电业务总量与地区GDP所占比重来表示地区信息化水平,数据来源为《中国信息产业年鉴》。研发强度(depit):高研发强度意味着企业或国家在研发方面的投入更大。这样的投入可以推动技术的创新和发展,包括绿色技术的研发。本文利用R&D内部经费支出占GDP比重表示研发强度,数据来源为各省份统计年鉴。具体变量的描述性统计见表2。 实证结果 (一)基准回归 在控制了个体与时间效应后,本文选择固定效应模型进行回归。表3展示了随着控制变量的递增,数字贸易与 绿色全要素生产率的回归结果。由此可知,数字贸易的发展可以显著促进地区绿色全要素生产率的发展,且伴随控制变量递增,回归始终保持1%的显著性水平。从控制变量上看,经济发展水平、劳动力水平和研发能力均对数字贸易产生了显著正向的影响。 (二)内生性问题处理 为了保证基准回归模型的稳健性,本文对模型可能产生一系列内生性问题进行处理,选择被解释变量滞后一阶作为工具变量,使用两阶段最小二乘法进行回归。回归结果见表4第(1)列。可以看出在被解释变量滞后一 阶后,数字经济发展水平仍然能在1%的水平下与数字贸易保持显著。 (三)稳健性检验 为了进一步验证基准回归的稳健性,本文通过更换计量方法和更换变量的方式对模型进行稳健性检验。 更换计量模型。本文将基准回归更换为最小二乘法对模型再次回归。回归结果见表4第(2)列,可以得 表4内生性问题处理与稳健性检验 注:(1)列回归系数下为z值,(2)(3)(4)列回归系数下为t值,*、 **、***分别代表10%、5%、1%的显著水平;AR统计量括号内的数分别为prob>z和prob>chi2的值,中括号内为相应统计量的P值;大括号内为Stock-Yogo检验10%水平上的临界值。 出更换模型后被解释变量绿色全要素生产率与解释变量数字贸易水平的回归仍然保持显著,说明前文结果较为稳健。 更换变量。接着本文又将解释变量替换为数字经济发展水平(decit),将被解释变量替换为绿色发明专利数量取对数(lngpit)。首先,数字经济发展水平是从各省份历年统计年鉴、《中国数字经济发展报告》、《中国信息产业年鉴》中选取16个指标(光缆长度、移动电话基站数、互联网宽带接入端口数、互联网域名数、软件业收入、数字金融覆盖广度、数字金融使用深度、数字金融数字化程度、网上移动支付水平、规模以上工业企业R&D人员、规模以上工业企业R&D经费支出、规模以上工业企业R&D项目、技术合同成交总额、信息服务业从业人数、信息服务业产值、电信业务量),利用熵权法对上述指标进行赋权计算,得到2011-2020年30个省份的数字经济发展指数。其次,本文用绿色发明专利数量取对数(lngpit)替换被解释变量进行稳健性检验,数据来源于各省份的统计年鉴。更换变量的结果见表4的(3)(4)列。可以发现,更换被解释变量和解释变量后回归结果保持不变,说明前文的计量模型是较为稳健的。 (四)异质性分析 我国地区经济发展程度差距较大,因此数字经济发展对数字贸易发展水平的促进作用可能还具有地区异质性。表5为地区异质性的回归结果。本文将我国分成东中西三个地区进行回归分析。从回归结果可以看出,从总体上看,东中西部地区的数字贸易均对绿色全要素生产率具有显著的影响。其中,东部地区数字经济发展对数字贸易发展水平的回归结果最为显著且回归系数最高为8.6468,说明东部地区的数字贸易发展相对较为成熟,能够极大促进地区的绿色全要素生产率,东部地区具有先进的通信和数字基础设施,这为数字贸易提供了稳定和高效的网络环境;中部地区与西部地区差异并不是很大,中部地区略高于西部地区。西部地区可能更偏重于资源开发和农业等传统产业,数字贸易的发展可能相对落后一些。 表5异质性分析结果 结论与政策建议 本文利用2011-2020年我国省级面板数据,采用理论与实证检验的方法得出数字贸易可以提升地区的绿色全要素生产率,并且数字贸易对地区全要素生产率的提升作用存在地区差异;即东部地区的提