一、引言

自1978年以来，中国通过持续深化改革开放，以大规模生产要素投入快速实现了工业化和城市化，推动经济高速增长[1]。然而，这种增长模式给中国资源和环境带来了压力，引发了一系列生态环境问题。走可持续发展道路，尽可能地减少环境污染，以更低环境成本实现更高经济产出，不仅是中国也是世界各国共同需要解决的难题。依托于大数据、人工智能、区块链及云计算等新兴技术的数字经济正在蓬勃发展，逐渐成为经济高质量发展的新动能。关于数字经济能否成为抑制环境污染的有效工具，学术界目前尚未达成共识。一些学者认为，数字经济可通过促进产业结构升级、绿色发展、优化资源配置及提高能源效率等方式抑制环境污染。然而也有学者认为，数字经济推动了大量电子设备的生产和使用，导致能源消耗增加。此外，数字经济催生的网络购物产生大量包装垃圾，加剧了环境污染。

数字经济能否抑制环境污染？如果能抑制环境污染，其内在作用机制是什么？哪些因素对数字经济的环境污染抑制效应产生异质性影响？为解决以上问题，借助国家级大数据综合试验区（简称大数据试验区）这一准自然实验，采用双重差分(Difference-indifference,DID)模型对中国278个地级市2012—2021年面板数据进行实证检验。与以往研究相比，文章边际贡献如下：第一，研究视角方面，采用基于大数据试验区准自然实验的方法，将数字经济与环境污染纳入同一研究框架，从政策视角出发系统评估数字经济对环境污染的影响。第二，研究方法方面，将大数据试验区作为数字经济的政策外生冲击，利用DID模型评估数字经济对环境污染的影响，很大程度上克服了样本选择偏差，缓解数字经济测量误差所导致的内生性问题。第三，机制分析方面，从环境规制和技术创新两个角度，借助中介效应模型探究数字经济影响环境污染的传导路径。第四，异质性分析方面，从大数据试验区类型、地理区位及数字普惠金融水平三个层面，系统检验数字经济对环境污染影响的异质性。

二、理论分析与研究假设

1. 数字经济与环境污染

数字经济是以数据资源为关键生产要素、以现代信息网络为重要载体、以信息通信技术有效利用为推动力的一系列经济活动[2]，主要包括产业数字化、数字产业化、数字化治理及数据价值化四个方面[3]。产业数字化方面，数字经济凭借自身强大的资源整合能力，促使传统产业依托互联网、大数据等数字技术重组资源要素，采用高效生产流程和智能化生产模式，推动传统产业向低污染和低消耗的新兴技术产业转型[4]。数字产业化方面，数字经济提高了资源配置效率，打破了传统经济增长路径的依赖限制，孕育出新产业和新业态，增加第三产业的产值比重，推动绿色经济发展，抑制环境污染。数字化治理方面，数字化治理采用“数字技术+资源治理”监管模式，实时获取数据，有效缓解由信息不对称引发的资源配置不均衡问题，提升资源利用效率，降低环境污染[5]。数据价值化方面，数据价值化加速了数据要素市场发展，改变了生产要素获取方式[6]，促进新技术和新业态的发展，推动形成资源节约和绿色经济模式，从而表现出环境污染抑制效应。根据以上分析，提出如下假设：

假设H1：数字经济能够显著抑制环境污染。

2. 环境规制的中介作用

在数字经济快速发展和数字技术大规模应用背景下，环境规制不仅能通过制定完善的行政法规和税费制度，实现节能减排和绿色发展双重任务，而且可以降低环境规制的实施成本和实施难度，其政策实施速度、精准度和覆盖面均有效提升，从而有利于环境规制效力发挥[7]。从监管角度看，一方面，数字技术推动了行业信息公开，拓宽了环境监督途径，打通了传统监管渠道[8]，政府可利用信息技术实现对各类污染物的动态监测、污染溯源及联防联控，加强对企业日常生产与经营的全流程、全时段监督与约束，从而减少企业瞒报排污数据以规避处罚，迫使企业实行清洁生产，有效抑制环境污染[9]。另一方面，数字技术使公众更便捷地参与环境监督，可通过多种互联网渠道反映企业的污染行为，从而实现政府、企业和民众在环境规制上协同发力[10]。总之，数字经济加强了政府和社会的环境规制监管，强化了企业环保责任意识，促使企业绿色转型，采用更清洁的生产模式减少环境污染。由此，提出如下假设：

假设H2：数字经济可通过加强环境规制抑制环境污染。

3. 技术创新的中介作用

一方面，数字经济可通过多种方式促进技术创新。首先，数字经济建立了企业与银行之间的信息平台，降低了供需双方的交流成本与搜寻成本，加速企业与银行之间供需匹配，保证企业有足够资金进行技术研发[11]。其次，数字经济扩大了市场边界，消除了资源和信息共享的时空障碍，促进企业内外各环节的技术交流，实现知识和技术的外溢与共享，进而推动企业技术创新[12]。最后，数字经济引入了新的生产要素，创造了更广泛的信息沟通渠道，实现更强大的技术扩散效应。另一方面，技术创新推动企业改良生产工艺、优化生产流程，降低能源浪费，增加终端能源循环利用，进而降低污染排放[13]。但也有学者指出，数字经济通过技术创新在减少污染排放方面的效果会因技术创新类型而有所差异。从企业创新动机看，技术创新可分为实质性技术创新和策略性技术创新两种。实质性技术创新是企业致力于掌握核心技术和竞争优势而追求“高质量”创新的行为；策略性技术创新是企业为迎合政府政策而进行的创新行为，其重点并非在于提高核心技术水平和创新质量[14]。为深入探究数字经济通过技术创新抑制环境污染的细微差别，在明确实质性技术创新和策略性技术创新概念的基础上，提出如下假设：

假设H3：数字经济可通过促进实质性技术创新抑制环境污染。

假设H4：数字经济可通过促进策略性技术创新抑制环境污染。

三、研究设计

1. 模型设定

以大数据试验区所在试点城市为实验组，未实施大数据试点城市为控制组，政策实施时间节点为2016年，构建DID模型评估大数据试验区环境政策效果，判断数字经济是否抑制环境污染。其基准回归模型设定如下：

其中，下标i和t分别表示城市和年份；Pollit为城市i在t年的环境污染；Digeit为大数据试验区试点政策虚拟变量；Xit为一系列控制变量集合；ηi和δt分别表示城市固定效应和时间固定效应；εit为残差项。系数β1表示大数据试验区环境污染政策效果。

为探究数字经济对环境污染的作用机制，从环境规制和技术创新两方面来考察，并将技术创新细分为实质性技术创新和策略性技术创新，以探讨数字经济对不同类型技术创新的作用及不同类型技术创新对环境污染中介作用的差别。在模型(1)基础上，构建如下检验方程：

其中，M为中介变量，分别表示环境规制(ER)、实质性技术创新(Subs)和策略性技术创新(Stra)，其他变量解释同前。如果系数α1和φ2均显著不为0，则说明中介效应成立；如果系数α1和φ2至少有一个不显著，则采用Bootstrap法对系数α1和φ2乘积进行检验。如果α1和φ2乘积显著不为0，则中介效应成立，否则，中介效应不成立。

2. 变量设定

(1）被解释变量

被解释变量为环境污染(Poll)。城市环境污染主要来源包括空气污染、水污染、固体废弃物污染、噪声污染和电磁污染[15]。由于缺乏城市层面的固体废弃物污染、噪声污染及电磁污染数据，考虑到城市环境污染治理目标主要是空气污染和水污染，文章选取人均工业二氧化硫排放量、人均工业颗粒物排放量、人均污水排放量、人均二氧化碳排放量及PM2.5浓度5个负向指标，采用熵权法对其归一化处理，并将归一化后的指标数据合成一个综合的环境污染指数衡量环境污染。

(2）核心解释变量

核心解释变量数字经济(Dige)为大数据试验区试点政策虚拟变量。Digeit=treati×postt,treati为分组虚拟变量，若城市i为大数据试验区试点城市，则treati取值为1，否则取值为0;postt为年份虚拟变量，2016年当年及以后年份，postt取值为1，否则取值为0。

(3）控制变量

城市环境还受其他诸多因素影响，为减缓遗漏变量对实证研究结果带来的偏误，根据已有研究，选取如下控制变量：经济发展水平(Pgdp)，采用城市人均GDP衡量；人口密度(Popu)，采用城市年末常住人口与行政区域土地面积比值衡量；产业结构(Indu)，借助第三产业增加值与第二产业增加值的比值衡量；对外开放(Open)，采用城市当年实际利用外资金额衡量，并根据年平均汇率将其折算为人民币；政府支持(Gove)，采用城市一般公共预算支出占GDP比重衡量；城市化率(Urba)，采用城镇人口与城市年末常住人口的比值衡量。

(4）机制变量

根据作用机制理论分析，将环境规制(ER)、实质性技术创新(Subs)和策略性技术创新(Stra)作为机制变量。借鉴王元彬等(2022)的方法[16]，采用各城市政府工作报告中环保相关词频表示环境规制，以城市当年申请发明专利数加1表示实质性技术创新(Subs)，以城市当年申请实用新型专利数加1表示策略性技术创新(Stra)。

3. 数据来源

为确保数据可靠性，剔除数据缺失较多的城市，选取中国278个地级市2012—2021年面板数据作为研究样本。原始数据主要来源于历年《中国城市统计年鉴》《中国城市建设年鉴》、各地级市统计年鉴、国民经济和社会发展统计公报及前瞻数据库等，缺失数据采用线性插值法补充。为降低数据离散程度，减缓异方差对方程估计的不利影响，对核心解释变量外的其他变量均采取对数变换处理。

四、实证结果分析

1. 基准回归

为识别控制变量之间相关性是否对数字经济估计结果造成影响，在基准回归中逐步加入控制变量，以验证回归结果的可靠性，根据模型(1)，基准回归的结果如表1所示。列(1)是仅控制城市和时间固定效应的回归结果，Dige估计系数为-0.0592，且在1%水平上显著，表明数字经济显著抑制环境污染。列(2)～列(7)为逐步加入控制变量的回归结果，Dige估计系数仅发生微弱变化，且均在1%水平上显著，进一步表明数字经济确实能够抑制环境污染，故研究假设H1得到验证。另外，列(7)结果将用作稳健性检验的比较基准。

从列(7)控制变量的回归结果看，Pgdp的估计系数均在1%水平上显著为负，此结论与孙耀武和胡智慧(2021)的研究结果相一致[17]。在经济发展水平越高的地区，企业往往拥有较高的清洁生产技术，这可以在一定程度上减少环境污染，同时经济发展水平越高的地区，政府对环保问题就越重视，民众的环保意识也越强，从而有利于抑制城市环境污染。Popu的估计系数均在1%水平上显著为负，这与孙哲远和张雨(2022)的研究结论一致[18]，虽然人口密度的增加可能会消耗更多的城市资源，但人口密度的增加所产生的规模效应和集聚正外部性能够减少环境污染[19]。Indu的估计系数均在1%水平上显著为负，这与大多数研究文献的研究结论相一致。产业结构高级化体现的是第一产业和第二产业逐步向第三产业发展的过程，在该过程中，高污染和高能耗生产企业的比例逐步降低，逐渐形成更加节能、环保的产业结构体系，从而有助于抑制环境污染。Open估计系数均在1%水平上显著为负，这表明对外开放通过技术溢出效应为中国带来先进的环保生产技术和管理经验，有助于进一步提高资源利用效率，从而有利于减少环境污染。Gove的估计系数均在1%水平上显著为负，可能的原因在于，随着《中央生态环境保护督察工作规定》以及环境保护考核“一票否决制”的实施，各地方政府更加重视环境保护工作，由此引发了较好的污染减排效果。Urba的估计系数虽然为正，但未通过显著性检验，可能因为城市化水平的提高引发了大量的能源需求，从而导致更多的污染排放。

2. 平行趋势检验

采用事件研究法进行平行趋势检验。平行趋势检验模型设置如下：

其中，j=t-2016，如果j为负数，则yearj表示大数据试验区设立前第j年的时间虚拟变量；如果j为正数，yearj表示大数据试验区设立后第j年的时间虚拟变量；如果j为0,yearj表示大数据试验区设立当年的时间虚拟变量。文章将大数据试验区设立前一年即2015年作为基准年份，因此，平行趋势假设检验模型中j≠-1。θj估计系数结果及其95%置信区间如图1所示。由图1可知，2016年以前所有θj的估计系数均不显著，表明在大数据试验区设立前，处理组和控制组的环境污染变化趋势相同，不存在显著差异，满足平行趋势假定。而2016年之后，θj估计系数明显呈下降趋势，且通过了显著性检验，说明以大数据试验区反映的数字经济对环境污染的抑制效应具有动态持续性。

表1 基准回归结果

图1 平行趋势检验图

3. 稳健性检验

(1) PSM-DID检验

由于大数据试验区设立并非完全随机选择，可能存在样本选择偏差问题，从而造成DID模型估计的偏误。针对这一问题，先采用倾向得分匹配(PSM)消除样本选择偏差，再利用DID模型进行系数估计，构建PSM-DID模型进行稳健性检验。为增强PSM-DID模型稳健性检验的可靠性，分别采用最近邻匹配、卡尺近邻匹配、核匹配和马氏距离匹配等匹配策略得到4份新的数据样本，再采用DID模型进行系数估计，结果如表2列(1)～列(4)所示，Dige估计系数均在1%水平上显著为负，且与基准回归结果估计系数相差不大，说明基准回归结果具有稳健性。

表2 PSM-DID回归结果

(2）安慰剂检验

为验证基准回归结果是否受其他未观测因素影响，运用反事实法进行安慰剂检验。具体做法是：从所有样本城市中随机选择与真实处理组相同数量的城市作为设立大数据试验区的虚拟处理组，剩余城市作为对应控制组，并随机为被选中的虚拟处理组城市设定政策年份，以形成一份新数据样本，并利用DID模型重新进行系数估计。为提高检验信服力，将上述过程重复2000次，得到2000个虚拟Dige估计系数。估计系数核密度及对应P值如图2所示，虚拟Dige估计系数大致呈正态分布，集中分布于0附近，均值为-0.0001，其绝对值远小于真实情况下Dige估计系数-0.0505绝对值，说明大数据试验区的设立即数字经济显著抑制环境污染，基准回归模型未受其他未观测因素影响，再次佐证基准回归结论的稳健性。

图2 安慰剂检验图

(3）排除同期相关政策影响

在研究区间内，中国设立的“智慧城市”“宽带中国”和“低碳试点城市”可能会影响城市环境污染，从而对大数据试验区试点政策效应识别造成干扰。在基准回归模型中依次加入以上三种试点政策的虚拟变量Did1、Did2和Did3，以排除同期其他政策影响。考虑到政策叠加因素，将上述三种试点政策的虚拟变量同时加入基准回归模型，进一步考察联合试点政策对大数据试验区试点政策效应的影响，结果如表3所示。列(1)～列(3)为依次加入“智慧城市”“宽带中国”和“低碳试点城市”试点政策的回归结果，列(4)为同时加入三种试点政策的回归结果。Dige估计系数仍然在1%水平上显著为负，且Dige估计系数与基准回归结果相差不大，这说明其他试点政策对大数据试验区试点政策的污染减排效应没有造成太大影响。

表3 排除同期相关政策影响的检验结果

4. 作用机制检验

根据前文分析，在基准回归模型基础上进一步从环境规制和技术创新角度出发，通过中介效应模型检验数字经济影响城市环境污染的作用机制。

表4列(1)～列(2)汇报了数字经济通过环境规制影响环境污染的作用机制检验结果。列(1)Dige估计系数在5%水平上显著为正，说明数字经济能够显著加强环境规制。进一步地，列(2) Dige与ER估计系数均显著为负，说明环境规制在数字经济与环境污染之间起到部分中介效应，从而假设H2获得支持。可能的原因是，依托大数据平台的环境规制不仅能够对污染物排放进行精准监督，而且还能降低环境规制的实施成本和难度，从而促进环境规制作用充分释放，进而显著抑制环境污染。

表4列(3)～列(6)分别呈现了以实质性技术创新和策略性技术创新为机制变量的作用机制检验结果。列(3) Dige估计系数在1%水平上显著为正，说明数字经济能够显著提升实质性技术创新水平。列(4) Dige与Subs估计系数均显著为负，说明实质性技术创新在数字经济与环境污染之间起到了部分中介效应，从而假设H3获得支持。列(5) Dige估计系数在1%水平上显著为正，说明数字经济能够显著提升策略性技术创新水平。进一步地，列(6) Dige估计系数在1%水平上显著为负，但Stra估计系数虽然为负，却未通过显著性检验。此时采用Bootstrap检验，结果显示策略性技术创新偏差矫正后的中介效应检验置信区间包含0，说明策略性技术创新的中介效应不显著，从而研究假设H4未获得支持。

表4 作用机制检验结果

五、进一步讨论：异质性分析

前文的基准回归结果表明，数字经济显著抑制城市环境污染，但数字经济对环境污染的影响可能因大数据试验区类型、地理区位以及数字普惠金融水平而存在异质性。

1. 大数据试验区类型异质性

大数据试验区可分为跨区域试验区、基础设施统筹发展试验区及区域示范试验区三种类型。不同类型大数据试验区发展定位存在一定差异，可能会导致数字经济对环境污染的影响存在差异。基于此，分别将上述三种类型大数据试验区所对应的城市作为处理组，剩下未设立大数据试验区的城市作为控制组，依次进行回归，结果如表5列(1)～列(3)所示。跨区域试验区和区域示范试验区Dige估计系数均为负，在数值上相差不大，而且都通过了显著性检验，但基础设施统筹发展试验区Dige估计系数虽为负却未通过显著性检验，而且其Dige估计系数绝对值也小于另外两类试验区Dige估计系数绝对值。

2. 地理区位异质性

中国幅员辽阔，不同城市由于地理区位不同可能导致数字经济对环境污染的影响存在差异。基于此，将样本城市划分为沿海城市和内陆城市，探讨数字经济影响环境污染的地理区位异质性，回归结果如表5列(4)～列(5)所示。Dige估计系数均在1%水平上显著为负，但沿海城市Dige估计系数绝对值要明显大于内陆城市Dige估计系数绝对值，说明沿海城市数字经济对环境污染的抑制效应明显优于内陆城市。

3. 数字普惠金融水平异质性

数字普惠金融水平可能影响数字经济对环境污染的作用效果。以北京大学数字金融研究中心和蚂蚁金服集团联合编制的数字普惠金融指数作为数字普惠金融水平测量变量[20]，并根据研究样本中数字普惠金融指数均值，将样本城市数字普惠金融指数位于该均值以上界定为数字普惠金融较高水平城市，反之，则为数字普惠金融较低水平城市，并分别进行回归，结果如表5列(6)～列(7)所示。Dige估计系数均为负，且都通过了1%水平显著性检验，但数字普惠金融较高水平城市Dige估计系数绝对值更大。说明无论数字普惠金融水平高低，数字经济均能显著抑制环境污染，但数字普惠金融水平较高城市数字经济的环境污染抑制效应则更强。

表5 异质性分析结果

六、研究结论与政策建议

文章将大数据试验区的设立作为数字经济的政策冲击，实证检验了数字经济对环境污染的抑制效应及其传导路径和异质性。研究结果表明：以大数据试验区体现的数字经济能够显著抑制城市环境污染。该结论经过平行趋势检验、PSM-DID检验、安慰剂检验及排除同期相关政策影响后依然成立。机制检验表明，数字经济不仅能直接抑制环境污染，还能通过环境规制和实质性技术创新两条传导路径抑制环境污染。异质性分析表明，跨区域试验区和区域示范试验区所体现的数字经济环境污染抑制效应更强；与内陆城市相比，沿海城市表现出更显著的环境污染抑制效应；数字普惠金融水平较高的城市也具有更强的数字经济环境污染抑制效应。

基于以上结论，提出如下政策建议：第一，以大数据试验区建设为切入点，总结大数据试验区建设经验和典型案例，扩大试点范围，充分激活数字经济的环境污染减排效应。一方面，进一步推进新型数字基础设施建设，夯实数字经济发展基础，从而为城市环境污染治理提供数字技术支撑。另一方面，推动数字技术和实体经济深度融合，引导高能耗、高污染产业通过数字化转型从资源粗放型向技术集约型转变。第二，充分重视环境规制和实质性技术创新在数字经济抑制环境污染的中介效应。一方面，政府应加大对企业环境规制约束，加快建立绿色生产和消费的法律法规体系，发挥环境规制倒逼作用，引导企业加大清洁生产技术研发、应用与推广。另一方面，政府应优化税收优惠及研发费用加计扣除政策，制定科学长效的技术创新激励机制，减少企业策略性技术创新行为，最大限度激发企业实质性技术创新积极性和潜能。第三，在后续大数据试验区建设中，还应考虑大数据试验区类型、地理区位及数字普惠金融等因素，因地制宜制定推动大数据试验区的建设规划，使得以数据要素为核心的数字经济尽可能发挥环境污染减排效应。

参考文献:

[1]王群勇,李海燕.数字经济的节能减排效应[J].贵州财经大学学报,2023(3):81-90.

[3]许远.适应数字经济发展实现高质量充分就业和体面劳动:面向新时代的我国数字技能开发策略及展望[J].教育与职业,2023(3):59-67.

[5]韩晶,陈曦.数字经济赋能绿色发展:内在机制与经验证据[J].经济社会体制比较,2022(2):73-84.

[6]刘建华,普凌宇.黄河流域数字经济与高质量发展耦合互动关系研究[J].人民黄河,2024,46(1):5-11+18.

[7]胡海洋,杨兰桥.数字经济赋能经济绿色发展的效应与机制研究[J].区域经济评论,2023(6):84-93.

[8]魏丽莉,侯宇琦.数字经济对中国城市绿色发展的影响作用研究[J].数量经济技术经济研究,2022,39(8):60-79.

[10]华淑名,李京泽.数字经济条件下环境规制工具能否实现企业绿色技术创新的“提质增量”[J].科技进步与对策,2023,40(8):141-150.

[12]王小波,孔莉霞.城市数字经济发展对制造业集聚水平的影响[J].经济地理,2023,43(9):131-138.

[13]赵艳敏,王迪.数字经济发展对全要素能源效率的影响机制研究:以黄河流域73个地级市为例[J].软科学,2023(12):1-14.

[14]谢浥好,冯帆.财政补贴､科技创新与经济高质量增长:基于企业“实质性”创新与“策略性”创新的视角[J].内蒙古财经大学学报,2023,21(5):102-108.

[16]王元彬,张尧,李计广.数字金融与碳排放:基于微观数据和机器学习模型的研究[J].中国人口·资源与环境,2022,32(6):1-11.

[17]孙耀武,胡智慧.数字经济､产业升级与城市环境质量提升[J].统计与决策,2021,37(23):91-95.

[18]孙哲远,张雨.产业政策能否改善城市空气质量:基于国家级高新区设立的准自然实验[J].华东经济管理,2022,36(9):66-74.

[20]李金磊,黄远标.跨境电子商务与城市创业活力:来自跨境电子商务综合试验区的经验证据[J].国际贸易问题,2023(12):151-167.

[21]王庆,郑梓若.地方政府竞争是否促进了城市创新?[J].新疆财经,2022(6):56-66.

基金资助:广东省普通高校特色创新类项目(2023WTSCX008);

文章来源:李高扬,刘明广.数字经济对环境污染的影响及作用机制研究[J].技术经济与管理研究,2024,(08):52-58.