李 政 张 怡 赵 哲
（辽宁大学经济学院，沈阳 110136）
引言改革开放以来，我国工业化进程势如破竹，经济持续高速增长，人民生活水平飞速提高。然而在环境方面却存在一定疏忽，工业能耗及污染排放量与发达国家相比仍相对较高，环境问题与经济发展之间的矛盾亟待解决。重工业污水排放，工业废气超标排放，土壤污染等环境问题会严重影响经济可持续健康高质量发展。事实上，国家一直在推动工业部门的绿色转型升级。2016年6月，工业和信息化部制定出台了《工业绿色发展规划（2016～2020年）》，提出加快构建科技含量高，资源消耗低，环境污染少的绿色制造体系。党的十九大报告对“加快构建市场导向的绿色技术创新体系”作出要求。2017年中央经济工作会议提出今后3年要打好污染防治攻坚战，明确了加快推进工业绿色发展，扎实推进清洁生产与加快绿色科技创新的方针策略。习近平主席在党的二十大强调“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”。此外，“十四五”规划纲要也明确提出“要深入实施智能制造和绿色制造工程，发展服务型制造新模式”等一系列具象目标。可见工业绿色转型问题的重要程度。
要想避免环境公地悲剧的发生，就应当在现有发展模式和发展机制上做出改变，而数字经济这种全新的生产要素恰好能为技术创新、资源有效利用和要素的合理配置带来全方位、多方面的改革契机，有助于减少工业生产对生态环境的影响，为可持续发展产业体系提供更有力的支撑。而目前文献对于这部分清晰的理论解释和规范的实证检验较少。因此本文对此进行一定程度的完善和补充，先探讨二者之间关系，数字经济是否促进工业绿色转型？然后引入科技创新水平变量，讨论是否存在中介效应，随后讨论数字经济和工业绿色转型是否存在门槛效应的非线性关系。最后做稳健性检验和内生性分析，完成相关讨论。
1 文献综述数字经济的内涵定义有诸多角度和表述，如谢康和肖静华（2022）［1］、裴长洪等（2018）［2］认为数据作为关键新生产要素可以重新配置既有旧生产要素，不断与一二三产业融合。彭刚等（2021）［3］认为其是一种涉及信息通信技术与数字技术的经济活动。数字经济的测度大多以构建综合指标体系来衡量，分为国家和学者两个角度。国家层面如美国信息技术与创新基金会［4］、欧盟统计局［5］、OECD［6］、中国信息通信研究院［7］；学者层面主要以熵值法指标体系为主，如刘军等（2020）［8］、焦帅涛和孙秋碧（2021）［9］、钟文和郑明贵（2021）［10］、赵涛和张智（2020）［11］等的研究。也有用国民经济核算相关方法和增加值法测算，如许宪春和张美慧（2020）［12］、蔡跃洲和牛新星（2021）［13］的研究。对于工业绿色转型的测度，文献主要分成两种：（1）基于效率测度，分为参数法和非参数法，前者用数据包络法利用非期望产出的超效率SBM 模型来测度［14，15］。后者通过设定生产函数和效率项分布来测度［16］；（2）基于工业绿色转型内涵，采用熵值法等方法构建综合评价体系。如邓慧慧和杨露鑫（2019）［17］、谭华和舒银燕（2020）［18］的研究。本文采取第二种方法测度。
在数字经济和工业绿色转型的实证分析中，数字经济方面，宏观角度学者多聚焦于高质量发展、产业结构升级和城乡收入差距三方面问题；微观角度考察对农村居民收入影响、企业绩效创新等。工业绿色转型方面，环境规制、雾霾治理、对外投资、R＆D 投入是影响工业绿色转型的几个热点研究角度。关于二者之间的关系，孔芳霞和刘新智（2022）［19］基于城市视角认为二者关系为正向促进，进而讨论非线性关系和空间溢出关系。冯曦明和龙彦霖（2022）［20］基于省级层面也讨论了空间关系和非线性关系。二者皆以数字经济本身作为门槛变量。那么能否引入其他变量来进行探究？肖远飞和姜瑶（2021）［21］将中介效应纳入议题之中，其中中介变量选取产业结构、市场化进程和人力资本。相关研究中，如与数字经济相关的大数据试验区建设与工业绿色转型的关系［22］选取人力资源和金融服务水平为中介变量探讨；还有学者提出将科技创新水平作为数字经济与制造业绿色转型的中介变量［23］。虽然现有研究在此方面进行了比较丰富的研究和探讨，但是关于数字经济对工业绿色转型发展的影响机理和路径目前尚没有一致结论，其作用和潜在机制只能从其他相关研究中推断，传导路径也有待挖掘。在此基础上，近年来越来越多的研究聚焦于科技创新对绿色转型的影响。亚当·斯密（1776）和李嘉图（1817）最开始就认识到先进技术在实现可持续经济增长方面所发挥的重要作用。目前一般认为知识溢出是技术创新促进绿色发展的根本原因［24］，通过知识的积累和叠加增加制造企业的附加值，向技术密集型和清洁产业发展［25］。技术创新对产业结构升级的影响不仅局限于本地区，还通过溢出效应影响周边地区的产业结构转型，克服了地理空间的限制，实现了跨区域的创新分工和联合。通过提高生产效率、降低生产成本来促进产业结构升级［26］。促进效应具有长期稳定性，随着时间的推移，创新与产业之间的协同作用不断增强［27］，先进的绿色创新技术可以提高企业生产力和竞争力［28］。同时，随着中国经济发展模式由投资驱动向创新驱动转变，中国将更多地依靠自主创新来推动绿色技术创新，进而推动产业结构升级［29］。也有学者认为技术创新对产业升级的影响是不确定的，随着时间的推移不断增强，但作用方向呈现正反交替［30］，这是由于创新投入结构不合理，可能阻碍产业结构升级。数字经济与科技创新之间，随着互联网在各个国家和地区得到广泛应用，信息技术投入的增加，提高了工业企业从外部知识源获取更多信息的能力，促进了企业间信息和知识的传播，有利于提高创新绩效［31］。虽然基于互联网的协作对产品创新绩效有积极影响，但过度依赖互联网也会阻碍技术创新［32］。此外，信息技术的发展可以带来新的商业模式，允许低成本创新实现潜在的业务发展［33］。
由此可见，数字经济对于科技创新以及科技创新对于工业绿色转型均有重要影响。现有研究虽然探讨了数字经济和工业绿色转型之间的关系，但是将科技创新纳入影响机制框架进行探讨的研究较为匮乏。通过分析，本文认为将科技创新变量纳入讨论是可行的，且与自变量和因变量有传导关系，故应作为中介变量出现［34］。除此之外，现有研究大多探讨的是变量之间的线性关系，那么是否存在非线性关系呢？因此本文将科技创新作为一个门槛变量纳入框架中来。基于此，在现有研究基础上做如下创新：（1）识别数字经济对工业绿色转型的影响，从3 个新的理论角度阐述传导机制；（2）采用科技创新作为中介变量和门槛变量；（3）新增省（区、市）发展程度和产业结构作为异质性划分标准。
图1 数字经济对工业绿色转型影响路径
2 理论分析与研究假设2.1 数字经济对工业绿色转型的直接影响我国工业和数字经济融合促进其绿色转型主要体现在如下几点：（1）数字经济推动我国传统工业部门生产方式的绿色化和精益化，提高了工业生产的全流程研发、设计、原材料供应、加工、制造、销售等环节协作精确程度，强化了生产资料、工业设备、人力资源三大生产要素之间的流转利用，实现生产要素的优化整合和高效运转，管理上有效降低信息检索成本，打破“信息孤岛”，有利于各类生产装备的集成和信息系统的互联互通［35］。简而言之，数字经济大幅提高了工业部门效率，使其逐渐完成了向以高技术资源为特征的工业绿色转型；（2）数字经济推动工业能源管理的绿色智慧化。在工业情境下，能源管理至关重要，我国每年都会有大量能源因为没有实现合理调度而造成能源浪费。对此，将网络协同制造、远程运维服务、智能环境数据感知技术与工业结合，智能化改造能源生产流程，并升级能源企业的生产管理系统，进而实现能源的循环使用，提升能源利用效率［36］，实现数字化的能源管理和工业生产的节能提效；（3）数字经济实现工业资源循环的绿色高效化。工业废料产生量在数字经济发展后有下降趋势，综合利用量有上升趋势，如国内某水泥厂通过先进控制系统，优化操作参数，使熟料标准煤耗下降1kg 以上［37］。这得益于物联网、大数据等数字技术创新改善工业资源回收利用方式，诸多传统工业部门建立回收利用企业创新电子信息平台，收集信息，分析数据，检测资源流向。基于此，本文提出如下假设：
H1：数字经济对工业绿色转型有促进作用。
2.2 数字经济对工业绿色转型的间接影响数字经济对工业绿色转型的推动作用是通过促进科技创新水平提升来实现的。数字经济聚集了大量信息资源和数字技术，而技术与知识是工业创新活动的基础，可以作为新兴要素嵌入到工业产业链中。利用互联网技术构建数字化创新平台，能够实现研发的协同创新和资源的高效整合，有效打破数据资源壁垒，减少内外部知识传播障碍，方便厂商获取生产相关的创新资源，从而降低信息知识采集、集成与共享等过程的成本，提高其创新水平。而通过提升科技创新水平可以减少资源投入，降低污染排放，带来相关领域的技术进步，达到提高生产率和节能减排双行并举的效果，进而推动传统工业向污染能耗少且附加值高的绿色工业转型。基于此，本文提出如下假设：
H2：数字经济以科技创新水平为中介变量对工业绿色转型有促进作用。
2.3 数字经济对工业绿色转型的非线性效应依照前文分析，数字经济对工业绿色转型具有正向促进作用，但可能存在一定门槛。随着数字化时代的到来，各地都开始重视对新兴领域的研发，数字经济在不断进行科技创新的基础上逐步发展。当科技创新水平较低时，用于数字化服务的资源就会较少，工业企业实现绿色技术生产的成本就会较高，此时研发节能减排技术的投入大于环境污染带来的成本，导致产业绿色转型动力不足。当科技创新水平提高时，会引导数字经济突破技术瓶颈，引人大量高学历创新型人才，吸引资金流入，反过来激发创新活力［38］。且数据使用者越多，数据的利用效率越高，消费者与生产者和信息交流和工业企业实现绿色生产的边际成本就会更低，收益也随之提高。此时环境污染所造成的成本高于节能减排技术研发的成本。这种网络效应对工业绿色转型形成正向激励。基于此，本文提出如下假设：
H3：数字经济对工业绿色转型的影响会因科技创新水平的不同而表现出非线性特征。
2.4 数字经济对工业绿色转型的作用具有异质性数字经济对工业绿色转型的赋能效应在我国南北地区应呈现出不同的趋势。在数字经济发展较早、水平较高的省（区、市），促进作用更加明显，数字经济的红利释放更加充分［39］。南方地区经济较为发达，数字技术应用基础较好，基础设施建设水平较高，数字经济对工业绿色转型发挥了更好的促进作用；而北方地区仍以资源密集型和劳动密集型的产业为主，数字经济与产业的融合程度较低，对数字技术的应用能力偏弱。因此，数字经济在区域工业绿色转型中的作用应具有显着的区域异质性特征。基于此，本文提出如下假设：
H4a：数字经济对南北方地区工业绿色转型的影响存在明显的区域异质性。
从GDP 层面和产业结构方面考虑该问题，GDP较高的省（区、市）产业发展专业化和市场化程度偏高，在有利的区位优势条件和政策支持下，外资企业的大量进入使该地区资源受限，与企业数量飞增之间存在冲突，过度竞争会对技术创新产生负面影响，进而形成挤出效应，其发展空间和发展红利反而不如人均GDP 较低区域；第三产业＞第二产业时，数字经济对工业绿色转型的促进作用会越明显，基于此，本文提出如下假设：
H4b：人均GDP 存在差别时，数字经济对地区工业绿色转型的影响存在明显的异质性。
H4c：产业结构存在差别时，数字经济对地区工业绿色转型的影响存在明显的异质性。
3 研究设计3.1 模型构建本文的研究对象为中国的31 个省（区、市），研究期间为2011～2020年，属于短面板数据。由于地区差异，面板数据可能存在一些不可观测的异质性，因此直接进行混合回归会导致结果不精确，而这种异质性往往对被解释变量有固定或随机的影响，从而应建立固定效应模型或随机效应模型。在F 检验中，p 值为0.000，表明拒绝了混合回归模型的原假设，选择固定效应模型；在LM 检验中，p 值为0.0000，表明拒绝混合回归模型的原假设，选择随机效应模型；在豪斯曼检验中，p 值为0.0000，表明拒绝随机效应模型的原假设，选择固定效应模型。
针对数字经济对工业绿色转型的影响传导机制设定如下模型：
其中，gls为工业绿色转型，digital为数字经济，innove为中介变量技术创新水平，Control为控制变量，i和t分别为区域和时间，μi为个体效应，ε为随机扰动项。
为探究二者之间的间接作用机制，本文参考温忠麟等［34］的方法建立中介效应模型，检验科技创新水平的路径作用：
门槛效应：
3.2 变量选取与数据处理3.2.1 被解释变量
被解释变量为“工业绿色转型”。本文根据《“十四五”工业绿色发展规划》 中提出的工业绿色发展新要求，综合中国社会科学院工业经济研究所对工业绿色转型的定义，构建了工业绿色转型指标体系，从碳排放强度、污染物排放强度、能源效率、资源利用水平、绿色制造体系完善程度5 个维度构造一级指标，并扩展为单位工业增加值二氧化碳排放量，钢铁、有色金属、建材等重点行业碳排放量，一般工业固体废物产生量，工业废水排放情况，工业二氧化硫排放量，规模以上工业单位增加值能耗，能源消费总量（万吨标准煤），分地区能源工业投资，重点工业产品单耗（钢、水泥、乙烯等），一般工业固体废物综合利用量，单位工业增加值用水量，环保类产业产值／地区GDP，工业污染治理完成投资13 个二级指标。架构思路和指标的具体含义如表1所示。考虑到与解释变量衡量方法的统一性与客观性，本文参照运用熵值法来进行客观赋权，以消除指标权重设定过程中的主观因素。
表1 被解释变量综合指标体系
熵值法具体测算方法如下：
首先对各指标进行标准化处理：
正向指标：
其中，i是省（区、市），t是时期，j是指标，Digitalitj是第i个省（区、市）在t时期第j个指标的观测值。
指标比重公式：
熵值公式：
为保证ln（Qitj）有意义，当取值为0 时，用0.00001 取代，Q为指标比重，E为熵值。计算指标差异系数Gj＝1-Ej，得到指标权重Wj：
通过加权方式求和，计算出综合值：
3.2.2 解释变量
解释变量为“数字经济”。本文参考现有学者研究以及中国信息通信研究院《2022 中国数字经济发展报告》，结合数据的可视化与可得性并综合考虑数字经济带动经济和社会结构演变的复杂过程，从数字经济发展载体、数字产业化、产业数字化、数字经济发展环境4 个一级指标，8 个二级指标，29 个三级指标构建数字经济发展水平的综合指标体系。使用熵值法进行权重测算，进而计算得出数字经济的发展水平。
3.2.3 中介变量、门槛变量
中介效应和门槛效应的分析涉及科技创新水平变量。在借鉴大量文献的基础上，本文选取专利申请数（件）、有效发明专利数（件）、新产品开发项目数（项）、科学技术支出（亿元）、R＆D 人员全时当量（人／年）和R＆D 经费投入强度（%）6项指标通过熵值法计算综合指数以反映各地区的科技创新水平。
3.2.4 控制变量
本文实证分析中涉及的控制变量有：（1）经济发展水平：地区人均GDP，并对其取对数处理；（2）产业结构：第三产业增加值／第二产业增加值；（3）城镇化水平：城镇人口占总人口比重；（4）外商直接投资（fdi），通过查询每年美元兑人民币汇率，折算成人民币表示的实际利用外商直接投资额来衡量，并对其取对数处理；（5）城镇居民人均消费支出。
3.3 数据来源本文数据是2011～2020年31 个省（区、市）（考虑到数据的可获得性，不包括港、澳、台地区）构成的面板数据，来源主要有《中国统计年鉴》、各省（区、市）历年统计年鉴和统计公报、《中国环境统计年鉴》、《中国能源统计年鉴》、《中国工业统计年鉴》、《中国信息统计年鉴》。主要变量的描述性统计见表3。由于部分指标数据缺失，因此分析过程截止到2020年。后续研究将持续关注数据信息并进一步更新研究。
表3 描述性统计
4 实证结果与分析4.1 数据的平稳性检验本文运用了LLC 方法对面板数据进行单位根检验，以避免出现伪回归现象，具体检验结果如表4所示。从表4 中可以发现，所有变量都通过了显着性检验，拒绝存在单位根的假设。因此，本文模型估计结果真实有效，可以继续进行回归分析。
表4 数据的平稳性检验
4.2 数字经济对工业绿色转型影响的基准回归结果本文利用STATA 软件，通过逐步回归的方式加入变量，进行基准回归，以保证模型的准确性，基准回归结果如表5所示。模型（1）表示不加入任何控制变量，模型（2）～（6）表示依次加入控制变量。
表5 数字经济对工业绿色转型影响的基准回归结果
表中显示，直接回归系数是0.324，即数字经济每提升1 个单位，工业绿色转型程度就提高32.4%，结果在1%的显着水平上通过检验，假说1 成立。逐个加入控制变量后，影响系数从0.324提升到0.498，进一步验证了结果的准确性。关于控制变量的系数，lnpgdp为-0.175，在1%的水平下显着为负，表明经济发展水平会抑制工业绿色转型。这是否说明二者始终存在负面影响？本部分参考孙传旺和张文悦（2022）［40］的研究，在基准回归中加入人均GDP 的二次项，结果显示，（lnpgdp）2系数为0.075，在1%水平显着为正，经济增长与工业绿色转型呈现“U”型关系。在发展前期，高能耗、低效益的粗放型经济模式虽然带来经济的短期快速增长，但这种不健康的模式会抑制工业的绿色发展；而在发展后期，经过技术进步带来的发展模式转型，经济增长将会对绿色工业的发展产生正向作用。产业结构系数在1%的水平下显着为负，城镇化水平在1%的水平下显着为正，对外投资系数显着性不强，可能是由于外资带来的先进技术使本土工业企业陷入“技术升级陷阱”。城镇居民人均消费支出显着为正，反映了随着社会消费层次的提升，消费者更关注消费品是否是绿色产品。这种观念上的进步倒逼了工业的绿色发展。
4.3 数字经济赋能工业绿色转型的中介效应根据徐晓慧（2022）［41］的研究，中介效应模型判断的步骤如下：
（1）对式（1）进行回归，若γ1显着，则表明数字经济对工业绿色转型具有显着影响。前文已经证明。
（2）对式（2）做回归分析，若β1显着，表明数字经济对科技创新具有显着影响。
（3）对式（3）进行回归，若β1、γ2均显着，则表明数字经济对工业绿色转型的直接效应和间接效应都存在，此时，若γ1不显着，则表明存在完全中介效应，若γ1显着，则表明存在部分中介效应，通过下式求得中介效应所占比重。
（4）若β1、α2中至少有1 个不显着，则需要使用Sobel 统计量进行二次检验，该统计量计算公式如下：
根据表6 回归结果，可看出列（1）的回归结果与前文的回归结果一致，数字经济前的系数为0.498 并在1%的显着性水平下显着；列（2）的结果是数字经济对科技创新的影响系数为0.256，且在1%的显着性水平下显着，说明数字经济能够促进地区科技创新水平提高；列（3）的检验结果为科技创新水平对工业绿色转型水平具有正向促进作用，且在1%的水平下显着，系数为0.330，小于列（1）中数字经济的回归系数0.498，表明科技创新水平在数字经济促进工业绿色转型的过程中存在中介效应。观察具体的效应，数字经济每提高1 个单位，科技创新水平能提高0.256 个单位，而科技创新水平每提高1 个单位，工业绿色转型水平将提高0.330 个单位，即数字经济每提高1 个单位，通过科技创新路径能够促进工业绿色转型水平提高0.08448 个单位，中介效应占比为24.17%。此外，Sobel 统计量的值大于1%的显着性水平下的临界值，表明中介效应的结果具有稳健性。
表6 数字经济赋能工业绿色转型的中介效应
4.4 数字经济赋能工业绿色转型的门槛效应在上文的分析中，数字经济可以显着提高工业绿色转型水平，那么，只要加大数字经济规模就一定会带动工业绿色转型吗？不同科技创新水平会使数字经济对工业绿色转型的影响有什么不同？本文继续对数据进行门槛回归分析来进一步探讨。首先检验门槛变量是否具有门槛效应，结果见表7。结果表明，通过了单一门槛和双重门槛检验，故选择双门槛模型分析，门槛值分别为0.032 和0.1673，随后对科技创新水平的门槛值选择是否合适进行检验，图2 表明接受原假设，门限值选择合适。
表7 门槛效应检验结果
表8 门槛效应估计结果
表9 面板门槛回归结果
图2 门槛效应估计结果
当科技创新水平低于门槛值0.032 时，数字经济对工业绿色转型影响的系数为-0.165，故在第一门槛区间内影响是负向的；当科技创新水平高于门槛值0.032 并低于门槛值0.1673 时，系数为0.210，具有显着正向的影响；当科技创新水平高于门槛值0.1673 时，系数为0.477，数字经济对工业绿色转型影响显着为正且系数更大。3个阶段数字经济对工业绿色转型的促进作用越来越大，验证了本文的假说3。表明在提高科技创新水平条件下，数字经济对绿色经济发展工业绿色转型愈发具有正面的促进作用，通过加大研发投入强度，提高数字化创新，增加了传统产业尤其是第二产业的科技创新，进而改变了低效生产方式，推动工业绿色转型。
4.5 异质性分析（1）区位异质性
鉴于省级基础设施、资源禀赋、外资投入等差异，不同区位的数字经济发展对工业绿色转型的影响可能存在显着差异性。为此，本文以秦岭淮河为界划分南北，以此进行分样本回归。表10 的回归结果列（1）、（2）显示，在北方和南方地区数字经济与工业绿色转型的回归系数分别为0.467和0.578，北方地区的这种提升作用相比于南方地区的提升效果更强。上述结果说明，数字经济对南北方地区工业绿色转型的影响存在明显的区域异质性，假设成立。
表10 异质性回归结果
（2）经济发展水平异质性
本文将人均GDP 对数以1 为界划分两部分，以此考察人均GDP 异质性对传导过程的影响。表10 的列（3）、（4）说明当lnpgdp＞1 时数字经济与工业绿色转型的回归系数为0.283，小于lnpgdp≤1 时的回归系数1.071（二者均在1%水平下显着）。结果表明，一个地区经济发展水平使数字经济对地区工业绿色转型的影响存在明显的区域异质性，假设成立。
（3）产业结构异质性
本文将第三产业增加值／第二产业增加值以1为界划分成两部分，以此考察产业结构异质性对传导过程的影响。表10 的列（5）、（6）说明：第三产业增加值＞第二产业增加值时，数字经济对工业绿色转型的促进作用为0.523；第三产业增加值≤第二产业增加值时，数字经济对工业绿色转型的促进作用为0.444。上述结果说明，一个地区的产业结构使数字经济对地区工业绿色转型的影响存在明显的区域异质性，假设成立。
5 稳健性检验5.1 分阶段回归随着近年来互联网的快速发展，我国进入一个数字化的全新时代，考虑重要程度和可视化程度，从一系列相关政策中以2015年7月国务院印发《关于积极推进“互联网＋”行动的指导意见》 时间点为界进行划分，对2011～2015年和2016～2020年两个阶段分别进行回归，表11 列（1）、（2）的回归结果体现出近几年来数字经济正以更高速度推进工业绿色转型，进一步证明了结果的稳定性。
5.2 改变样本容量：缩尾处理为防止极端值的影响，本文将所有样本按照工业绿色转型指标数值的大小进行排序，对小于1%和大于99%分位的数据分别以1%和99%的数值进行替代缩尾处理，并基于此进行回归分析。表11 列（3）结果中digital的回归系数在符号和绝对值方面与基准回归均符合，实证结果比较稳健，删除潜在gls异常值不会影响假设基本结论。同理进行5%的缩尾，列（4）实证结果亦稳健。
5.3 Tobit 模型回归使用Tobit 模型进行回归。由于绿色经济发展综合指数介于0～1 之间，符合Tobit 设定条件，表11 列（5）回归结果与前文结论相一致，验证了结果的稳健性。
5.4 替换解释变量采用主成分分析方法对数字经济发展水平进行重新测算，记为digital0。从表12 回归结果的列（1）、（2）来看，以主成分分析法测算的解释变量的代入结果与被解释变量回归的结果与基准回归一致，表现为系数为正且在1%水平下显着。从该角度说明基准回归的结果是稳健的。
表12 替换解释变量和被解释变量的回归结果
5.5 替换被解释变量参考谭卫华和舒银燕（2020）［18］的研究，运用废水排放量、SO2排放量、工业粉尘排放量3个负向指标加权评价被解释变量。从表12 的回归结果列（3）、（4）来看，回归结果与基本回归结果一致，表现为系数为正且在1%的水平下显着。从该角度说明基准回归的结果是稳健的。
5.6 解释变量滞后1 期的稳健性检验考虑到数字经济对工业绿色转型的影响可能存在时滞效应，因此对解释变量滞后1 期处理，再次进行实证回归。结果如表13所示，回归系数和显着性均与原结果一致，再次验证了实证结果稳健可信。
表13 解释变量滞后回归结果
6 内生性处理由于在探讨数字经济、科技创新、工业绿色转型的过程中，涉及到的相关因素很多。本文虽然已纳入部分经典控制变量，但还有其他影响因素可能遗漏，有造成误差的可能；另外，数字经济以信息赋能提高资源利用率，而传统工业向绿色工业转型的一个重要表现方面也为此，从而反过来需要更高的数字技术。这可能导致分析过程中存在互相影响、互为因果的关系。为解决上述内生性问题，本文采用长途光缆的线路长度和局用交换机容量作为工具变量，其中光缆为固定性的基础设施，局用交换机作为早期阶段通信的一种设备代表，在一定程度上反映地区后续的互联网发展，越发达的省（区、市）在后期数字经济阶段越具有先发优势，理论意义上可行且经过检验满足外生性条件。运用两阶段最小二乘法方法和系统GMM 方法重新估计。表14、15 表明，在解决内生性问题后，数字经济能够驱动工业绿色转型的结论仍然在1%显着性水平上成立。
表14 2SLS 回归结果
表15 系统GMM 估计结果
7 结论与建议本文以全国31 个省（区、市）为研究对象，选取2011～2020年10年范围数据，采用熵值法测度数字经济、科技创新水平、工业绿色水平的综合指标体系，在理论分析的基础上采用双向固定效应模型，温忠麟三步法和门槛效应验证了相关假设，得出如下主要结论：
（1）数字经济对工业绿色转型具有显着促进的作用，数字经济每提升1 个单位，工业绿色转型程度就提高32.4%，加入控制变量后提升到0.498。在分析控制变量的过程中发现经济增长与工业绿色转型呈现“U”型关系，并从“技术升级陷阱”角度解释了外商投资系数。
（2）中介效应表明，数字经济每提高1 个单位，科技创新水平能提高0.256 个单位，而科技创新水平每提高1 个单位，工业绿色转型水平将提高0.330 个单位，即数字经济每提高1 个单位，通过科技创新路径能够促进工业绿色转型水平提高0.08448 个单位，中介效应占比为24.17%，并通过Sobel 统计量检验。
（3）门槛效应表明，科技创新对这种促进作用有双门槛效应，门槛值为0.032 和0.1673，通过门限值检验。当科技创新水平小于0.032 时，数字经济对工业绿色转型影响的系数为-0.165，具有一定负向影响；当科技创新水平高于门槛值0.032 并低于门槛值0.1673 时，系数0.210 显着为正；当科技创新水平高于0.1673 时，数字经济对工业绿色转型影响系数为0.477，显着为正且系数更大，证实了在提高科技创新水平条件下，数字经济对工业绿色转型呈递进的促进关系。
（4）异质性分析结果表明，由于区位优势和先发优势，南方的促进作用大于北方；从挤出效应解释，GDP 小的省（区、市）促进作用大于GDP大的省（区、市）；从产业结构看，第二产业占比小的省（区、市）的促进作用大于占比大的省（区、市）。
通过分阶段回归、Tobit 模型回归、缩尾回归、替换解释变量与被解释变量回归、解释变量滞后1 期回归的5 种稳健性检验以及基于2SLS 和系统GMM 的内生性检验，说明上述结论可靠。根据上述结论，本文提出以下建议：
（1）政府应充分认识到数字经济发展对国家的重要作用。①加紧新型基础设施建设，如移动通信网络、光缆、数据中心等，建立大数据发展特区等鼓励数字经济发展，做到政企结合，基层落实；②加强关键核心技术的突破，在大数据、云计算和人工智能等领域加速发展，加大人力资本投资，实现专家、企业、学校形成“产-学-研”闭环；③加快相关配套政策的出台，完善法律法规和地方政策。在工业领域也不能滥用数字经济，做到法治要健全，监管要覆盖，宣传要广泛。
（2）大力推动技术创新，可以看到其对于数字经济具有直接和间接的促进作用。对于技术创新不仅要有数量，还要有质量；不仅要有中端，还要有高端；不仅要有微观，还要有宏观。健全聚集创新资源和转化知识成果的相关制度，营造良好的创新营商环境，实现从数字经济到技术创新再到工业绿色转型的两步飞跃。最重要的是，要与工业产业和社会发展紧密结合在一起，才能够产生好的协同效应。因为在过去科技创新的供给和传播是有限的，而现在科技资源趋于饱和，技术迭代以月为单位，只有通过协作领域把科技创新产业化才是真正有价值、有质量的及时创新。
（3）关于地区差异，应尽量做到协调发展，要关注当地由于数字经济发展迅速而造成的“挤出效应”，基于对GDP 发展和工业绿色转型的综合考量对外资企业等作出合理规束。
