科学学研究 ›› 2026, Vol. 44 ›› Issue (9): 1820-1832.
陈洪飞1,2(
), 牛东晓1,2, 斯琴卓娅3, 尹姝卉1,2
收稿日期:2025-05-28
修回日期:2026-01-12
出版日期:2026-09-15
发布日期:2026-09-15
作者简介:陈洪飞(1996-),男,土家族,博士研究生,E-mail:hfchenhf2022@163.com。基金资助:
CHEN Hong-fei1,2(
), NIU Dong-xiao1,2, SIQIN Zhuo-ya3, YIN Shu-hui1,2
Received:2025-05-28
Revised:2026-01-12
Online:2026-09-15
Published:2026-09-15
摘要:
人工智能是我国培育新质生产力的关键力量,探索双化协同如何推动未来产业发展对破除“卡脖子”难题意义重大。基于2009-2023年中国283个城市的面板数据,建立固定效应模型、中介效应模型和空间杜宾模型,实证检验双化协同对未来产业发展的影响。研究发现:数字化转型显著推动了未来产业发展,绿色化转型仅产生了长期驱动效应,双化协同正好弥补了绿色化转型的短期驱动的不足,使其能从短期和长期共同促进未来产业发展。机制检验表明,双化协同可以通过吸收绿色金融投资、提升绿色创新能力和优化产业结构三种途径推动未来产业发展。异质性分析显示,双化协同对未来产业发展的影响效应在大规模、数字经济水平较高和环境关注度较高的城市中更为显著。此外,双化协同对未来产业发展具有显著的空间溢出效应,有助于推动城市间形成协调发展的产业布局。本文加深了未来产业发展动因以及双化协同赋能未来产业发展的效应、机制和空间差异的理解。
中图分类号:
陈洪飞, 牛东晓, 斯琴卓娅, 尹姝卉. 数字化绿色化协同对未来产业发展的影响研究[J]. 科学学研究, 2026, 44(9): 1820-1832.
CHEN Hong-fei, NIU Dong-xiao, SIQIN Zhuo-ya, YIN Shu-hui. Research on the impact of digitalization and green synergies on future industrial development[J]. Studies in Science of Science, 2026, 44(9): 1820-1832.
| 目标层 | 维度层 | 指标层 | 单位 | 权重 |
|---|---|---|---|---|
| 数字化转型 | 数字化经济 | 电信业务收入 | 万元 | 0.2070 |
| 计算机服务和软件从业人员占比 | % | 0.0466 | ||
| 数字化基础 | 互联网宽带接入用户 | 千户 | 0.1441 | |
| 移动电话年末用户数 | 万户 | 0.1291 | ||
| 互联网普及率 | 户/百万人 | 0.0418 | ||
| 数字软环境 | 专利申请量 | 个 | 0.3621 | |
| 数字普惠金融指数 | - | 0.0693 | ||
| 绿色化转型 | 绿色生态 | 建成区公园绿地面积 | 公顷 | 0.4511 |
| 建成区绿化覆盖率 | % | 0.0430 | ||
| 绿色工业 | 工业固体废物综合利用率 | % | 0.0721 | |
| 工业污水集中处理率 | % | 0.0375 | ||
| 绿色生活 | 生活垃圾无害化处理率 | % | 0.0416 | |
| 人均水资源量 | 立方米/万人 | 0.3547 |
表1 数字化转型与绿色化转型指标体系
Table 1 Indicator system for digital transformation and green transformation
| 目标层 | 维度层 | 指标层 | 单位 | 权重 |
|---|---|---|---|---|
| 数字化转型 | 数字化经济 | 电信业务收入 | 万元 | 0.2070 |
| 计算机服务和软件从业人员占比 | % | 0.0466 | ||
| 数字化基础 | 互联网宽带接入用户 | 千户 | 0.1441 | |
| 移动电话年末用户数 | 万户 | 0.1291 | ||
| 互联网普及率 | 户/百万人 | 0.0418 | ||
| 数字软环境 | 专利申请量 | 个 | 0.3621 | |
| 数字普惠金融指数 | - | 0.0693 | ||
| 绿色化转型 | 绿色生态 | 建成区公园绿地面积 | 公顷 | 0.4511 |
| 建成区绿化覆盖率 | % | 0.0430 | ||
| 绿色工业 | 工业固体废物综合利用率 | % | 0.0721 | |
| 工业污水集中处理率 | % | 0.0375 | ||
| 绿色生活 | 生活垃圾无害化处理率 | % | 0.0416 | |
| 人均水资源量 | 立方米/万人 | 0.3547 |
| 类型 | 名称 | 符号 | 定义 |
|---|---|---|---|
| 被解释变量 | 未来产业发展的短期水平 | Robot1 | 借鉴袁劲等[ |
| 未来产业发展的长期水平 | Robot2 | ||
| 解释变量 | 数字化转型水平 | Dig | 变异系数指数合成法测度 |
| 绿色化转型水平 | Dre | 变异系数指数合成法测度 | |
| 双化协同水平 | Syn | 耦合协调度模型测度 | |
| 机制变量 | 绿色金融投资水平 | Gfi | 绿色金融指数 |
| 绿色创新能力 | Tgipg | 绿色发明专利授权量 | |
| 产业结构 | Is | 第三产业增加值/第二产业增加值 | |
| 控制变量 | 人均GDP | lnGdp | 人均GDP取对数 |
| 人口密度 | lnDp | 户籍人口数量与行政区域面积的比值取对数 | |
| 政府干预 | Gin | 地方财政一般预算支出/GDP | |
| 教育支出水平 | Esp | 地方财政一般预算支出中教育支出占比 | |
| 财政投资力度 | Fin | 固定资产投资/地方财政一般预算支出 |
表2 变量定义表
Table 2 Variable definition table
| 类型 | 名称 | 符号 | 定义 |
|---|---|---|---|
| 被解释变量 | 未来产业发展的短期水平 | Robot1 | 借鉴袁劲等[ |
| 未来产业发展的长期水平 | Robot2 | ||
| 解释变量 | 数字化转型水平 | Dig | 变异系数指数合成法测度 |
| 绿色化转型水平 | Dre | 变异系数指数合成法测度 | |
| 双化协同水平 | Syn | 耦合协调度模型测度 | |
| 机制变量 | 绿色金融投资水平 | Gfi | 绿色金融指数 |
| 绿色创新能力 | Tgipg | 绿色发明专利授权量 | |
| 产业结构 | Is | 第三产业增加值/第二产业增加值 | |
| 控制变量 | 人均GDP | lnGdp | 人均GDP取对数 |
| 人口密度 | lnDp | 户籍人口数量与行政区域面积的比值取对数 | |
| 政府干预 | Gin | 地方财政一般预算支出/GDP | |
| 教育支出水平 | Esp | 地方财政一般预算支出中教育支出占比 | |
| 财政投资力度 | Fin | 固定资产投资/地方财政一般预算支出 |
| 变量 | Obs | Mean | Sd | Min | Max |
|---|---|---|---|---|---|
| Robot1 | 4245 | 4.51 | 4.08 | 0.01 | 25.91 |
| Robot2 | 4245 | 29.06 | 32.64 | 0.07 | 205.58 |
| Dig | 4245 | 0.09 | 0.07 | 0.01 | 0.72 |
| Gre | 4245 | 0.18 | 0.05 | 0.06 | 0.60 |
| Syn | 4245 | 0.34 | 0.07 | 0.16 | 0.81 |
| Gfi | 4245 | 0.33 | 0.11 | 0.01 | 0.72 |
| Tgipg | 4245 | 98.17 | 439.43 | 0.00 | 11760.00 |
| Is | 4245 | 1.06 | 0.61 | 0.11 | 6.33 |
| lnGdp | 4245 | 10.73 | 0.62 | 8.41 | 12.49 |
| lnDp | 4245 | 5.74 | 0.93 | 1.61 | 8.01 |
| Gin | 4245 | 0.20 | 0.10 | 0.04 | 1.03 |
| Esp | 4245 | 0.18 | 0.04 | 0.01 | 0.79 |
| Fin | 4245 | 5.83 | 4.09 | 0.01 | 39.66 |
表3 描述性统计
Table 3 Descriptive statistics
| 变量 | Obs | Mean | Sd | Min | Max |
|---|---|---|---|---|---|
| Robot1 | 4245 | 4.51 | 4.08 | 0.01 | 25.91 |
| Robot2 | 4245 | 29.06 | 32.64 | 0.07 | 205.58 |
| Dig | 4245 | 0.09 | 0.07 | 0.01 | 0.72 |
| Gre | 4245 | 0.18 | 0.05 | 0.06 | 0.60 |
| Syn | 4245 | 0.34 | 0.07 | 0.16 | 0.81 |
| Gfi | 4245 | 0.33 | 0.11 | 0.01 | 0.72 |
| Tgipg | 4245 | 98.17 | 439.43 | 0.00 | 11760.00 |
| Is | 4245 | 1.06 | 0.61 | 0.11 | 6.33 |
| lnGdp | 4245 | 10.73 | 0.62 | 8.41 | 12.49 |
| lnDp | 4245 | 5.74 | 0.93 | 1.61 | 8.01 |
| Gin | 4245 | 0.20 | 0.10 | 0.04 | 1.03 |
| Esp | 4245 | 0.18 | 0.04 | 0.01 | 0.79 |
| Fin | 4245 | 5.83 | 4.09 | 0.01 | 39.66 |
| 变量 | (1) 短期 | (2) 短期 | (3) 短期 | (4) 长期 | (5) 长期 | (6) 长期 |
|---|---|---|---|---|---|---|
| Dig | 0.6478*** (0.1848) | 0.7555*** (0.2126) | ||||
| Gre | 0.0941 (0.0994) | 0.2449* (0.1287) | ||||
| Syn | 0.4702*** (0.1490) | 0.5373*** (0.1744) | ||||
| lnGdp | -0.0640*** (0.0166) | -0.0676*** (0.0168) | -0.0712*** (0.0167) | -0.0939*** (0.0208) | -0.0989*** (0.0210) | -0.1022*** (0.0210) |
| lnDp | -0.0481 (0.0654) | 0.0287 (0.0723) | 0.0112 (0.0702) | -0.0443 (0.0872) | 0.0399 (0.0971) | 0.0253 (0.0948) |
| Gin | -0.3224*** (0.0876) | -0.3534*** (0.0928) | -0.3475*** (0.0912) | -0.2445** (0.0983) | -0.2806*** (0.1039) | -0.2739*** (0.1023) |
| Esp | 0.0654 (0.1025) | 0.1006 (0.1006) | 0.0742 (0.1017) | 0.2589** (0.1129) | 0.2866** (0.1140) | 0.2700** (0.1131) |
| Fin | 0.0008 (0.0005) | 0.0005 (0.0005) | 0.0006 (0.0005) | 0.0021 (0.0013) | 0.0018 (0.0014) | 0.0018 (0.0014) |
| -cons | 0.9318** (0.4193) | 0.5437 (0.4579) | 0.5658 (0.4441) | 1.1490** (0.5202) | 0.7152 (0.5744) | 0.7213 (0.5583) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| R2 | 0.4151 | 0.4818 | 0.5066 | 0.4679 | 0.4919 | 0.5121 |
| Obs | 4245 | 4245 | 4245 | 4245 | 4245 | 4245 |
表4 基准回归结果
Table 4 Benchmark regression results
| 变量 | (1) 短期 | (2) 短期 | (3) 短期 | (4) 长期 | (5) 长期 | (6) 长期 |
|---|---|---|---|---|---|---|
| Dig | 0.6478*** (0.1848) | 0.7555*** (0.2126) | ||||
| Gre | 0.0941 (0.0994) | 0.2449* (0.1287) | ||||
| Syn | 0.4702*** (0.1490) | 0.5373*** (0.1744) | ||||
| lnGdp | -0.0640*** (0.0166) | -0.0676*** (0.0168) | -0.0712*** (0.0167) | -0.0939*** (0.0208) | -0.0989*** (0.0210) | -0.1022*** (0.0210) |
| lnDp | -0.0481 (0.0654) | 0.0287 (0.0723) | 0.0112 (0.0702) | -0.0443 (0.0872) | 0.0399 (0.0971) | 0.0253 (0.0948) |
| Gin | -0.3224*** (0.0876) | -0.3534*** (0.0928) | -0.3475*** (0.0912) | -0.2445** (0.0983) | -0.2806*** (0.1039) | -0.2739*** (0.1023) |
| Esp | 0.0654 (0.1025) | 0.1006 (0.1006) | 0.0742 (0.1017) | 0.2589** (0.1129) | 0.2866** (0.1140) | 0.2700** (0.1131) |
| Fin | 0.0008 (0.0005) | 0.0005 (0.0005) | 0.0006 (0.0005) | 0.0021 (0.0013) | 0.0018 (0.0014) | 0.0018 (0.0014) |
| -cons | 0.9318** (0.4193) | 0.5437 (0.4579) | 0.5658 (0.4441) | 1.1490** (0.5202) | 0.7152 (0.5744) | 0.7213 (0.5583) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| R2 | 0.4151 | 0.4818 | 0.5066 | 0.4679 | 0.4919 | 0.5121 |
| Obs | 4245 | 4245 | 4245 | 4245 | 4245 | 4245 |
| 变量 | (1) 短期 | (2) 短期 | (3) 短期 | (4) 长期 | (5) 长期 | (6) 长期 |
|---|---|---|---|---|---|---|
| DigE | 0.0265*** (0.0048) | 0.0310*** (0.0077) | ||||
| GreE | 0.1501 (0.1141) | 0.2794* (0.1212) | ||||
| Syn1 | 0.5710*** (0.1695) | 0.6917*** (0.2008) | ||||
| Controls | Yes | Yes | Yes | Yes | Yes | Yes |
| -cons | 0.6335 (0.4410) | 0.5574 (0.4563) | 0.7045* (0.4174) | 0.8012 (0.5473) | 0.5852 (0.5297) | 0.8917* (0.5225) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| R2 | 0.4957 | 0.4873 | 0.4838 | 0.5036 | 0.4911 | 0.5201 |
| Obs | 4245 | 4245 | 4245 | 4245 | 3962 | 4245 |
表5 稳健性检验结果
Table 5 Robustness test results
| 变量 | (1) 短期 | (2) 短期 | (3) 短期 | (4) 长期 | (5) 长期 | (6) 长期 |
|---|---|---|---|---|---|---|
| DigE | 0.0265*** (0.0048) | 0.0310*** (0.0077) | ||||
| GreE | 0.1501 (0.1141) | 0.2794* (0.1212) | ||||
| Syn1 | 0.5710*** (0.1695) | 0.6917*** (0.2008) | ||||
| Controls | Yes | Yes | Yes | Yes | Yes | Yes |
| -cons | 0.6335 (0.4410) | 0.5574 (0.4563) | 0.7045* (0.4174) | 0.8012 (0.5473) | 0.5852 (0.5297) | 0.8917* (0.5225) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| R2 | 0.4957 | 0.4873 | 0.4838 | 0.5036 | 0.4911 | 0.5201 |
| Obs | 4245 | 4245 | 4245 | 4245 | 3962 | 4245 |
| 变量 | (1) 短期 | (2) 短期 | (3) 短期 | (4) 长期 | (5) 长期 | (6) 长期 |
|---|---|---|---|---|---|---|
| L. Dig | 0.5198*** (0.1587) | 0.8524*** (0.2463) | ||||
| L. Gre | 0.0285 (0.0862) | 0.2121* (0.1563) | ||||
| L. Syn | 0.3349*** (0.1272) | 0.6222*** (0.1957) | ||||
| Controls | Yes | Yes | Yes | Yes | Yes | Yes |
| -cons | 0.7326* (0.4029) | 0.3809 (0.4307) | 0.4030 (0.4210) | 1.1736** (0.5513) | 0.7311 (0.5711) | 0.6386 (0.5812) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| R2 | 0.4458 | 0.4656 | 0.4918 | 0.4338 | 0.5013 | 0.5008 |
| Obs | 3962 | 3962 | 3962 | 3962 | 3962 | 3962 |
表6 滞后期模型结果
Table 6 Results of the lag model
| 变量 | (1) 短期 | (2) 短期 | (3) 短期 | (4) 长期 | (5) 长期 | (6) 长期 |
|---|---|---|---|---|---|---|
| L. Dig | 0.5198*** (0.1587) | 0.8524*** (0.2463) | ||||
| L. Gre | 0.0285 (0.0862) | 0.2121* (0.1563) | ||||
| L. Syn | 0.3349*** (0.1272) | 0.6222*** (0.1957) | ||||
| Controls | Yes | Yes | Yes | Yes | Yes | Yes |
| -cons | 0.7326* (0.4029) | 0.3809 (0.4307) | 0.4030 (0.4210) | 1.1736** (0.5513) | 0.7311 (0.5711) | 0.6386 (0.5812) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| R2 | 0.4458 | 0.4656 | 0.4918 | 0.4338 | 0.5013 | 0.5008 |
| Obs | 3962 | 3962 | 3962 | 3962 | 3962 | 3962 |
| 变量 | 短期 | 长期 | ||
|---|---|---|---|---|
| (1) IV1 | (2) IV2 | (3) IV1 | (4) IV2 | |
| Syn | 0.4532** (0.1781) | 0.4855*** (0.17780) | ||
| IV | 0.0019*** (0.0001) | 0.0019*** (0.0001) | ||
| Controls | Yes | Yes | Yes | Yes |
| -cons | -0.4370*** (0.0497) | -1.2144*** (0.1494) | -0.4370*** (0.0497) | -1.7241*** (0.1516) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| Kleibergen-Paap rk LM statistic | 140.5820 [0.0000] | 140.5820 [0.0000] | ||
| Cragg-Donald Wald F statistic | 312.5340 {16.3800} | 312.5340 {16.3800} | ||
| R2 | 0.5416 | 0.7177 | 0.5416 | 0.4338 |
| Obs | 3679 | 3679 | 3679 | 3679 |
表7 工具变量法结果
Table 7 Results from instrumental variables method
| 变量 | 短期 | 长期 | ||
|---|---|---|---|---|
| (1) IV1 | (2) IV2 | (3) IV1 | (4) IV2 | |
| Syn | 0.4532** (0.1781) | 0.4855*** (0.17780) | ||
| IV | 0.0019*** (0.0001) | 0.0019*** (0.0001) | ||
| Controls | Yes | Yes | Yes | Yes |
| -cons | -0.4370*** (0.0497) | -1.2144*** (0.1494) | -0.4370*** (0.0497) | -1.7241*** (0.1516) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| Kleibergen-Paap rk LM statistic | 140.5820 [0.0000] | 140.5820 [0.0000] | ||
| Cragg-Donald Wald F statistic | 312.5340 {16.3800} | 312.5340 {16.3800} | ||
| R2 | 0.5416 | 0.7177 | 0.5416 | 0.4338 |
| Obs | 3679 | 3679 | 3679 | 3679 |
| 变量 | (1) Gfi | (2) Tgipg | (3) Is |
|---|---|---|---|
| Syn | 0.1073* (0.0552) | 0.6069*** (0.1925) | 0.2245** (0.1110) |
| Controls | Yes | Yes | Yes |
| -cons | -0.0252 (0.1205) | -0.5390* (0.0061) | 0.4884** (0.2258) |
| City | Yes | Yes | Yes |
| Year | Yes | Yes | Yes |
| R2 | 0.2235 | 0.1406 | 0.2269 |
| Obs | 4245 | 4245 | 4245 |
表8 机制检验结果
Table 8 Mechanism verification results
| 变量 | (1) Gfi | (2) Tgipg | (3) Is |
|---|---|---|---|
| Syn | 0.1073* (0.0552) | 0.6069*** (0.1925) | 0.2245** (0.1110) |
| Controls | Yes | Yes | Yes |
| -cons | -0.0252 (0.1205) | -0.5390* (0.0061) | 0.4884** (0.2258) |
| City | Yes | Yes | Yes |
| Year | Yes | Yes | Yes |
| R2 | 0.2235 | 0.1406 | 0.2269 |
| Obs | 4245 | 4245 | 4245 |
| 变量 | 短期 | 长期 | ||||
|---|---|---|---|---|---|---|
| (1) 中小规模 | (2) 大规模 | (3) 特大及超大 | (4) 中小规模 | (5) 大规模 | (6) 特大及超大 | |
| Syn | 1.3477 (1.0195) | 0.8684*** (0.2462) | 0.0398 (0.1764) | 2.7086 (1.6825) | 0.8102*** (0.2291) | 0.0233 (0.2036) |
| Controls | Yes | Yes | Yes | Yes | Yes | Yes |
| -cons | 2.6559 (1.5491) | -0.7878 (0.6017) | 3.1865*** (0.7719) | 1.0467 (1.7079) | -0.4231 (0.6682) | 3.8421*** (0.9332) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| 系数差异p值 | 0.0000 | 0.0000 | ||||
| R2 | 0.1108 | 0.3621 | 0.0751 | 0.1039 | 0.3429 | 0.0598 |
| Obs | 184 | 2548 | 1513 | 184 | 2548 | 1513 |
表9 城市规模异质性结果
Table 9 Results of urban scale heterogeneity
| 变量 | 短期 | 长期 | ||||
|---|---|---|---|---|---|---|
| (1) 中小规模 | (2) 大规模 | (3) 特大及超大 | (4) 中小规模 | (5) 大规模 | (6) 特大及超大 | |
| Syn | 1.3477 (1.0195) | 0.8684*** (0.2462) | 0.0398 (0.1764) | 2.7086 (1.6825) | 0.8102*** (0.2291) | 0.0233 (0.2036) |
| Controls | Yes | Yes | Yes | Yes | Yes | Yes |
| -cons | 2.6559 (1.5491) | -0.7878 (0.6017) | 3.1865*** (0.7719) | 1.0467 (1.7079) | -0.4231 (0.6682) | 3.8421*** (0.9332) |
| City | Yes | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes | Yes |
| 系数差异p值 | 0.0000 | 0.0000 | ||||
| R2 | 0.1108 | 0.3621 | 0.0751 | 0.1039 | 0.3429 | 0.0598 |
| Obs | 184 | 2548 | 1513 | 184 | 2548 | 1513 |
| 变量 | 短期 | 长期 | ||
|---|---|---|---|---|
| (1) 较低 | (2) 较高 | (3) 较低 | (4) 较高 | |
| Syn | 0.0784 (0.1269) | 0.3839** (0.1547) | 0.1004 (0.1514) | 0.5383** (0.2364) |
| Controls | Yes | Yes | Yes | Yes |
| -cons | 0.7168* (0.4244) | 0.0987 (0.5340) | 0.6137 (0.4255) | 0.9458 (0.8760) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| 系数差异p值 | 0.0000 | 0.0000 | ||
| R2 | 0.4106 | 0.4645 | 0.5544 | 0.4662 |
| Obs | 2179 | 2066 | 2179 | 2066 |
表10 城市数字经济水平异质性结果
Table 10 Heterogeneity results for urban digital economy levels
| 变量 | 短期 | 长期 | ||
|---|---|---|---|---|
| (1) 较低 | (2) 较高 | (3) 较低 | (4) 较高 | |
| Syn | 0.0784 (0.1269) | 0.3839** (0.1547) | 0.1004 (0.1514) | 0.5383** (0.2364) |
| Controls | Yes | Yes | Yes | Yes |
| -cons | 0.7168* (0.4244) | 0.0987 (0.5340) | 0.6137 (0.4255) | 0.9458 (0.8760) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| 系数差异p值 | 0.0000 | 0.0000 | ||
| R2 | 0.4106 | 0.4645 | 0.5544 | 0.4662 |
| Obs | 2179 | 2066 | 2179 | 2066 |
| 变量 | 短期 | 长期 | ||
|---|---|---|---|---|
| (1) 较低 | (2) 较高 | (3) 较低 | (4) 较高 | |
| Syn | 0.4286*** (0.1632) | 0.4528** (0.1741) | 0.4070** (0.1837) | 0.5879** (0.2337) |
| Controls | Yes | Yes | Yes | Yes |
| -cons | 0.6173 (0.4040) | -0.2541 (0.4711) | 0.4547 (0.5552) | 0.2887 (0.6351) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| 系数差异p值 | 0.0000 | 0.0000 | ||
| R2 | 0.5013 | 0.3171 | 0.4132 | 0.4335 |
| Obs | 2280 | 1965 | 2280 | 1965 |
表11 城市环境关注度异质性结果
Table 11 Heterogeneity results for urban environmental concerns
| 变量 | 短期 | 长期 | ||
|---|---|---|---|---|
| (1) 较低 | (2) 较高 | (3) 较低 | (4) 较高 | |
| Syn | 0.4286*** (0.1632) | 0.4528** (0.1741) | 0.4070** (0.1837) | 0.5879** (0.2337) |
| Controls | Yes | Yes | Yes | Yes |
| -cons | 0.6173 (0.4040) | -0.2541 (0.4711) | 0.4547 (0.5552) | 0.2887 (0.6351) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| 系数差异p值 | 0.0000 | 0.0000 | ||
| R2 | 0.5013 | 0.3171 | 0.4132 | 0.4335 |
| Obs | 2280 | 1965 | 2280 | 1965 |
| 时间 | Syn | 时间 | Syn | 时间 | Robot1 | 时间 | Robot1 | 时间 | Robot2 | 时间 | Robot2 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 2009 | 0.202*** | 2017 | 0.204*** | 2009 | 0.205*** | 2017 | 0.203*** | 2009 | 0.205*** | 2017 | 0.204*** |
| 2010 | 0.224*** | 2018 | 0.201*** | 2010 | 0.205*** | 2018 | 0.199*** | 2010 | 0.205*** | 2018 | 0.203*** |
| 2011 | 0.219*** | 2019 | 0.194*** | 2011 | 0.205*** | 2019 | 0.201*** | 2011 | 0.205*** | 2019 | 0.203*** |
| 2012 | 0.202*** | 2020 | 0.195*** | 2012 | 0.205*** | 2020 | 0.203*** | 2012 | 0.205*** | 2020 | 0.203*** |
| 2013 | 0.206*** | 2021 | 0.193*** | 2013 | 0.205*** | 2021 | 0.206*** | 2013 | 0.205*** | 2021 | 0.203*** |
| 2014 | 0.193*** | 2022 | 0.197*** | 2014 | 0.205*** | 2022 | 0.210*** | 2014 | 0.205*** | 2022 | 0.203*** |
| 2015 | 0.193*** | 2023 | 0.175*** | 2015 | 0.204*** | 2023 | 0.215*** | 2015 | 0.205*** | 2023 | 0.203*** |
| 2016 | 0.198*** | 2016 | 0.203*** | 2016 | 0.204*** |
表12 全局Moran's I检验结果
Table 12 Results of global Moran's I test
| 时间 | Syn | 时间 | Syn | 时间 | Robot1 | 时间 | Robot1 | 时间 | Robot2 | 时间 | Robot2 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 2009 | 0.202*** | 2017 | 0.204*** | 2009 | 0.205*** | 2017 | 0.203*** | 2009 | 0.205*** | 2017 | 0.204*** |
| 2010 | 0.224*** | 2018 | 0.201*** | 2010 | 0.205*** | 2018 | 0.199*** | 2010 | 0.205*** | 2018 | 0.203*** |
| 2011 | 0.219*** | 2019 | 0.194*** | 2011 | 0.205*** | 2019 | 0.201*** | 2011 | 0.205*** | 2019 | 0.203*** |
| 2012 | 0.202*** | 2020 | 0.195*** | 2012 | 0.205*** | 2020 | 0.203*** | 2012 | 0.205*** | 2020 | 0.203*** |
| 2013 | 0.206*** | 2021 | 0.193*** | 2013 | 0.205*** | 2021 | 0.206*** | 2013 | 0.205*** | 2021 | 0.203*** |
| 2014 | 0.193*** | 2022 | 0.197*** | 2014 | 0.205*** | 2022 | 0.210*** | 2014 | 0.205*** | 2022 | 0.203*** |
| 2015 | 0.193*** | 2023 | 0.175*** | 2015 | 0.204*** | 2023 | 0.215*** | 2015 | 0.205*** | 2023 | 0.203*** |
| 2016 | 0.198*** | 2016 | 0.203*** | 2016 | 0.204*** |
| 变量 | Robot1 空间经济距离矩阵 | Robot2 空间经济距离矩阵 | Robot1 空间地理距离矩阵 | Robot2 空间地理距离矩阵 |
|---|---|---|---|---|
| Syn | 0.2052*** (0.0624) | 0.2182*** (0.0688) | 0.2520*** (0.0613) | 0.2430*** (0.0670) |
| Controls | Yes | Yes | Yes | Yes |
| W*Syn | 1.2402*** (0.1137) | 1.6500*** (0.1246) | 0.6055*** (0.1912) | 0.9385*** (0.2042) |
| ρ | 0.7970*** (0.0117) | 0.6288*** (0.0172) | 0.9546*** (0.0100) | 0.9497*** (0.0124) |
| 直接效应 | 6.6241*** (0.4867) | 4.5862 (0.2844) | 18.8892*** (5.4446) | 24.0023*** (7.6875) |
| 溢出效应 | 0.4724*** (0.0679) | 0.4267*** (0.0709) | 0.3222*** (0.0670) | 0.3318*** (0.0753) |
| 总效应 | 7.0965*** (0.5120) | 5.0129*** (0.3006) | 19.2114*** (5.4684) | 24.3341*** (7.7186) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| Log-likelihood | 6061.8571 | 5766.3650 | 6426.5045 | 6046.2836 |
| R2 | 0.1963 | 0.5258 | 0.3752 | 0.3332 |
| Obs | 4245 | 4245 | 4245 | 4245 |
表13 空间杜宾模型回归结果
Table 13 Regression results for the spatial durbin model
| 变量 | Robot1 空间经济距离矩阵 | Robot2 空间经济距离矩阵 | Robot1 空间地理距离矩阵 | Robot2 空间地理距离矩阵 |
|---|---|---|---|---|
| Syn | 0.2052*** (0.0624) | 0.2182*** (0.0688) | 0.2520*** (0.0613) | 0.2430*** (0.0670) |
| Controls | Yes | Yes | Yes | Yes |
| W*Syn | 1.2402*** (0.1137) | 1.6500*** (0.1246) | 0.6055*** (0.1912) | 0.9385*** (0.2042) |
| ρ | 0.7970*** (0.0117) | 0.6288*** (0.0172) | 0.9546*** (0.0100) | 0.9497*** (0.0124) |
| 直接效应 | 6.6241*** (0.4867) | 4.5862 (0.2844) | 18.8892*** (5.4446) | 24.0023*** (7.6875) |
| 溢出效应 | 0.4724*** (0.0679) | 0.4267*** (0.0709) | 0.3222*** (0.0670) | 0.3318*** (0.0753) |
| 总效应 | 7.0965*** (0.5120) | 5.0129*** (0.3006) | 19.2114*** (5.4684) | 24.3341*** (7.7186) |
| City | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| Log-likelihood | 6061.8571 | 5766.3650 | 6426.5045 | 6046.2836 |
| R2 | 0.1963 | 0.5258 | 0.3752 | 0.3332 |
| Obs | 4245 | 4245 | 4245 | 4245 |
| [1] |
李旭辉, 陈梦伟, 王经伟. 省域数字化与绿色化协同发展评价、时空特征及其影响因素[J]. 经济地理, 2024, 44(7):126-134.
DOI |
| Li X H, Chen M W, Wang J W. Evaluation, spatiotemporal characteristics, and influencing factors of coordinated digitalization and greening development at the provincial level[J]. Economic Geography, 2024, 44(7): 126-134. | |
| [2] |
Li J, Li Y Z. Digitalization, green transformation, and the high-quality development of Chinese tourism enterprises[J]. Finance Research Letters. 2024, 66:105588.
DOI URL |
| [3] | 杨硕, 陈劲, 杨建龙, 等. 中国未来产业发展潜力测度及时空演化研究[J/OL]. 科学学研究,DOI:10.16192/j.cnki.1003-2053.20251209.003. |
| Yang S, Chen J, Yang J L, et al. Measuring the Development Potential and Spatio-Temporal Evolution of China's Future Industries[J/OL]. Studies in Science of Science,DOI:10.16192/j.cnki.1003-2053.20251209.003. | |
| [4] | 赵志疆. 发力双化协同赋能产业转型[N]. 河南日报,2024-10-28(005). |
| Zhao Z J. Driving synergistic transformation to empower industrial upgrading[N]. Henan Daily, 2024-10-28( 005). | |
| [5] |
Foster L, Haltiwanger J, Krizan C J. Market selection, reallocation, and restructuring in the US retail trade sector in the 1990s[J]. The Review of Economics and Statistics, 2006, 88(4):748-758.
DOI URL |
| [6] | 胡继晔, 付炜炜. 数据要素价值化助力培育新质生产力[J]. 财经问题研究, 2024(9):48-60. |
| Hu J Y, Fu W W. Enhancing the value of data elements to foster new quality productivity[J]. Research on Financial and Economic Issues, 2024(9): 48-60. | |
| [7] | Aredondo E. Garcia M. Prot-enhancing environmental policy: Uninformed regulation in an entry-deterrence model[J]. Journal of RegulatoryEconomics, 2016, 50:146-163. |
| [8] |
Feng G, Mclaren K R. Yang O, et al. The impact of environmental policy stringency on industrial productivity growth: A semi-parametric study of OECD countries[J]. Energy Economics, 2021, 100:105320.
DOI URL |
| [9] | 陈庭强, 张情, 刘梦, 等. 环境规制下绿色金融驱动产业绿色发展的实证研究[J]. 南京工业大学学报(社会科学版), 2023, 22(3):76-94,114. |
| Chen T Q, Zhang Q, Liu M, et al. Empirical study on green finance driving green industrial development under environmental regulation[J]. Journal of Nanjing Tech University (Social Sciences Edition), 2023, 22(3): 76-94,114. | |
| [10] |
Wang X Y, Wang Q. Research on the impact of green finance on the upgrading of China's regional industrial structure from the perspective of sustainable development[J]. Resources Policy, 2021, 74:102436.
DOI URL |
| [11] | Zhao S X, He X Y, Kenjayeva umriya faxritdinovna. Does industrial structure changes matter in renewable energy development? Mediating role of green finance development[J]. Renewable Energy, 2023, 214:250-258. |
| [12] | Wu N, Liu Z K. Higher education development, technological innovation and industrial structure upgrade[J] Technological Forecasting and Social Change, 2021, 162:120433. |
| [13] | 潘珊, 李剑培, 顾乃华. 人工智能、产业融合与产业结构转型升级[J]. 中国工业经济, 2025(2):23-41. |
| Pan S, Li J P, Gu N H. Artificial intelligence, industrial integration, and industrial structure transformation and upgrading[J]. China Industrial Economics, 2025(2): 23-41. | |
| [14] | 马海良, 顾莹莹, 黄德春, 等. 环境规制、数字赋能对产业结构升级的影响及机理[J]. 中国人口·资源与环境, 2024, 34(3):124-136. |
| Ma H L, Gu Y Y, Huang D C, et al. The impact and mechanism of environmental regulation and digital empowerment on industrial structure upgrading[J]. China Population, Resources and Environment, 2024, 34(3): 124-136. | |
| [15] |
Lu W X, Wu H C, Yang S J, et al. Effect of environmental regulation policy synergy on carbon emissions in China under consideration of the mediating role of industrial structure[J]. Journal of Environmental Management, 2022, 322:116053.
DOI URL |
| [16] |
Yang Y Y, Chen W K, Gu R D. How does digital infrastructure affect industrial eco-efficiency? Considering the threshold effect of regional collaborative innovation[J]. Journal of Cleaner Production, 2023, 427:139248.
DOI URL |
| [17] | 张佐敏, 吴英珏, 王红蕾. 绿色创新与绿色金融支持共生的空间溢出效应[J]. 中国人口·资源与环境, 2024, 34(5):102-113. |
| Zhang Z M, Wu Y J, Wang H L. Spatial spillover effects supporting symbiosis between green innovation and green finance[J]. China Population, Resources and Environment, 2024, 34(5): 102-113. | |
| [18] | 袁劲, 刘啟仁, 赵灿. 城市工业机器人渗透与中国制造业出口——来自多维数据的证据[J]. 经济学动态, 2024(3):25-43. |
| Yuan J, Liu Q R, Zhao C. The penetration of urban industrial robots and China's manufacturing exports: Evidence from multidimensional data[J]. Economic Dynamics, 2024(3): 25-43. | |
| [19] | 王韶华, 李乔, 张伟. 知识产权保护对城市“双化”协同发展的影响研究[J/OL]. 科研管理,1-16. |
| Wang S H, Li Q, Zhang W.The impact of intellectual property protection on the coordinated development of urban “dual modernization”[J/OL]. Science and Technology Management, 1-16. | |
| [20] | 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. |
| Zhao T, Zhang Z, Liang S K. Digital economy, entrepreneurial activity, and high-quality development: Empirical evidence from Chinese cities[J]. Management World, 2020, 36(10): 65-76. | |
| [21] | 柏培文, 喻理. 数字经济发展与企业价格加成:理论机制与经验事实[J]. 中国工业经济, 2021(11):59-77. |
| Bai P W, Yu L. Digital economic development and firm markups: Theoretical mechanisms and empirical evidence[J]. China Industrial Economics, 2021(11): 59-77. | |
| [22] | 王伟光, 韩旭. 企业战略性技术创新与产业自主可控水平[J]. 中国工业经济, 2024(8):43-60. |
| Wang W G, Han X. Strategic technological innovation in enterprises and the level of industrial autonomy and control[J]. China Industrial Economics, 2024(8): 43-60. | |
| [23] | 丁宁, 王贵荣, 王福红, 等. 甘肃省农村产业融合发展、农业产业结构升级与农民增收研究[J]. 调研世界, 2024(8):84-96. |
| Ding N, Wang G R, Wang F H, et al. Research on integrated rural industrial development, agricultural industrial structure upgrading, and farmer income growth in Gansu Province[J]. Research World, 2024(8): 84-96. | |
| [24] | 陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展[J]. 经济研究, 2018, 53(2):20-34. |
| Chen S Y, Chen D K. Haze pollution, government governance, and high-quality economic development[J]. Economic Research Journal, 2018, 53(2): 20-34. | |
| [25] | Elhorst J P. Spatial Econometrics from Cross-Sectional Data to Spatial Panels[M]. Springer, 2014. |
| [1] | 周嘉, 苏秦. 工业企业如何构建开放式数字平台能力——基于“数字—生态”协同视角[J]. 科学学研究, 2026, 44(9): 1994-2002. |
| [2] | 李健旋, 蒋佳浩. AI赋能制造业数字化转型发展态势[J]. 科学学研究, 2026, 44(6): 1169-1177. |
| [3] | 余江, 卢燃, 陈凤, 张越. 制度视角下的数字化转型:理论探索与框架构建[J]. 科学学研究, 2026, 44(6): 1206-1216. |
| [4] | 张化尧 倪悦雨 綦方中. 美国“脱钩”政策对我国智能制造的影响研究[J]. 科学学研究, 2024, 42(7): 1409-1418. |
| [5] | 马鸿佳, 王亚婧. 大数据资源对制造企业数字化转型绩效的影响研究[J]. 科学学研究, 2024, 42(1): 146-157. |
| [6] | 李佳钰 黄甄铭 梁正. 工业数据治理:核心议题、转型逻辑与研究框架[J]. 科学学研究, 2023, 41(12): 2216-2225. |
| [7] | 解学梅. 协同创新效应运行机理研究:一个都市圈视角[J]. , 2013, (12): 1907-1920. |
| [8] | 柴国荣;宗胜亮;王璟珮. 创新网络中的企业知识共享机理及其对策研究[J]. , 2010, 28(2): 295-298. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||