EN中文

地理研究 >

2024 , Vol. 43 >Issue 6: 1407 - 1424

DOI: https://doi.org/10.11821/dlyj020230923

数字经济对城市ESG发展的影响——基于双重机器学习方法的检验

  • 周建平 , 1, 2 ,
  • 徐维祥 , 1, 2 ,
  • 宓泽锋 1, 2 ,
  • 刘程军 3
展开
  • 1.浙江工业大学经济学院，杭州 310023
  • 2.浙江工业大学现代化产业体系研究院，杭州 310023
  • 3.浙江工业大学之江学院，浙江绍兴 312030
徐维祥（1963-），男，浙江东阳人，博士，教授，博士生导师，主要研究方向为数字经济与新型城镇化。E-mail:

周建平（1995-），男，浙江庆元人，博士，主要研究方向为数字经济与城市发展。E-mail:

收稿日期: 2023-10-20

  录用日期: 2024-01-27

  网络出版日期: 2024-06-06

基金资助

国家社会科学基金重大项目(18ZDA045)

浙江省教育厅一般项目(Y202352089)

浙江省高校重大人文社科攻关计划项目(2023QN083)

教育部人文社科规划基金项目(23YJA790069)

收起

The impact of the digital economy on urban ESG development: A test based on double machine learning

  • ZHOU Jianping , 1, 2 ,
  • XU Weixiang , 1, 2 ,
  • MI Zefeng 1, 2 ,
  • LIU Chengjun 3
Expand
  • 1. School of Economics, Zhejiang University of Technology, Hangzhou 310023, China
  • 2. Institute for Industrial System Modernization, Zhejiang University of Technology, Hangzhou 310023, China
  • 3. Zhijiang College of Zhejiang University of Technology, Shaoxing 312030, China

Received date: 2023-10-20

  Accepted date: 2024-01-27

  Online published: 2024-06-06

Fold

摘要

数字经济已成为推动城市可持续发展的重要动力。在生态环境（Environment）、社会生活（Society）、产业治理（Governance）视角下构建了城市ESG指标体系，并基于2011—2021年285个城市数据，探究城市ESG发展空间格局的演进特征，然后运用双重机器学习的研究方法分析数字经济对城市ESG发展的影响。结果发现：① 城市ESG发展的空间分布具有明显的地域差异特征，最终形成以城市群为载体的高水平集聚地。② 数字经济发展会正向提升以生态环境、社会生活、产业治理为内涵的城市ESG发展水平，该结论通过了多种稳健性检验。数字经济分维度而言，数字产业发展与数字创新能力为城市的ESG发展提供了重要的支撑和动力。③ 城市功能分工及创新创业活力是数字经济对城市ESG发展影响的重要渠道。此外，基于空间异质性检验发现，数字经济对东部、西部地区以及城市群区域的城市ESG发展的提升作用更明显。

关键词： 数字经济; 城市ESG发展; 影响机制; 双重机器学习

本文引用格式

周建平 , 徐维祥 , 宓泽锋 , 刘程军 . 数字经济对城市ESG发展的影响——基于双重机器学习方法的检验[J]. 地理研究, 2024 , 43(6) : 1407 -1424 . DOI: 10.11821/dlyj020230923

Abstract

The digital economy has become a vital impetus for the transition of cities towards sustainable development. This paper constructs an urban ESG (Environment, Society, Governance) index system from the perspectives of ecological environment, social life, and industrial governance. Using data from 285 cities between 2011 and 2021, it investigates the evolution characteristics of the spatial pattern of urban ESG development. The study then employs a double machine learning research method to analyze the impact of the digital economy on urban ESG development. The findings are as follows: (1) The distribution pattern of urban ESG development exhibits significant spatial heterogeneity, with the level of development showing dynamic evolution characteristics. However, there is considerable differentiation in the development of urban ESG among the eastern, central, and western regions, with the spatial differences primarily originating from within the regions. It is necessary for regions to enhance internal communication and cooperation, continuously optimize the regional coordinated development system, and establish a new urban governance pattern in the new development era. (2) The double machine learning method confirms that the development of the digital economy will positively enhance the level of urban ESG development, which encompasses ecological environment, social life, and industrial governance. This conclusion has been validated through various robustness tests, including sample exclusion, changing variable measurement methods, sample time-segment testing, and instrumental variable methods. Furthermore, the development of the digital industry and digital innovation capabilities play a prominent role, with industry penetration and digital technology empowerment being important ways in which the digital economy influences sustainable urban development. (3) The division of urban functions and the vitality of innovation and entrepreneurship are important channels for the digital economy to influence urban ESG development, and are crucial pathways to help cities achieve sustainable development goals. From the perspective of spatial heterogeneity, the enhancement of urban ESG levels by the digital economy is more pronounced in the eastern and western regions and urban agglomerations.

Key words： digital economy; urban ESG development; impact mechanism; double machine learning

1 引言

在中国经济持续中高速增长的背景下，盲目扩张的城市发展模式积累了较多的问题和弊端。城市迫切需要改变发展模式，强化治理能力，推动可持续转型。与此同时，“ESG理念”在全球范围内受到关注和热议，该理念强调企业要注重生态环境保护、履行社会责任、提高治理水平[1]。虽然现在学界与实业界重点关注企业ESG问题，但由于城市可持续转型的迫切需求，该理念突破了最初的投资领域和企业范畴，在城市环境（environment）、社会（society）、治理（governance）三大维度形成了更为广义的实践导向，以人为核心的“城市ESG”概念也由此应运而生[2]，它从环境宜居、社会和谐、城市治理角度表达了对城市可持续发展问题的思考[3]。
随着新一代数字技术的成熟应用，数字经济不仅实现了自身的飞速发展，还与传统经济呈现出“数实融合”的发展形态，成为经济社会发展与变革的巨大驱动力[4]，推进着城市ESG发展转型。在可持续发展理念下，现有文献中关于数字经济与城市发展的研究主要包括以下几个方面：一是分析数字基础设施升级对城市发展的作用。这些研究从数字接入鸿沟缩小[5]、推动就业及提高效率[6]、创造产出和推动生产力增长等方面[7]探讨了数字基础设施对城市可持续发展的作用。二是探讨数字经济对城市资源配置的作用。一些学者发现数字经济能够通过发挥对生产要素的聚集、再分配作用[8]，改变城市的资源配置方式[9]，为城市建设的资源要素配置提供助力；还有学者认为数字新技术的发展能够实现城市资源的精准管理[10]，为可持续发展提供决策支持，推动智慧城市建设[11]。三是侧重于分析数字经济对产业发展的作用。一些研究表明数字经济发展能推动传统产业组织形态的重构，有效改善城市间的产业衔接模式[12]，从而影响城镇化发展格局；另一些研究则认为互联网等数字技术具有非竞争性与开放共享特征[13]，能够与传统生产要素融合，赋能城市产业发展。四是学者们认为数字经济推动的治理模式升级为城镇化的可持续发展打下基础[11]。数字技术被视为通过知识和资源的整合和共享为城市治理提供高效、低成本和透明服务的催化剂[14]。在电子政务、数字政府到智慧城市、智能治理的发展进程中，数字技术对城市治理的作用逐步深化，不断触及城市治理的根本逻辑[15,16]，如Glaeser等发现了大数据能够通过降低服务成本来增强政府职能，从而提升城市治理效率[17]。
梳理各类文献后发现数字技术带来的基础设施替代、要素配置优化、产业组织重构及治理模式升级等为城市ESG的发展提供了新的动力。但现有文献缺乏对数字经济与城市ESG发展两者关系的系统性和纵深性分析，对两者关系实证检验的内容也相对匮乏。因此，本文首先在生态环境（environment）、社会生活（society）、产业治理（governance）视角下，基于2011—2021年285个城市的数据测度城市ESG发展水平，并分析其空间演进特征；其次，运用双重机器学习方法分析数字经济对城市ESG发展的影响效应，并通过剔除部分样本、更改变量测度方法、样本分时段分析及使用工具变量等方法进行稳健性检验；然后，从城市功能分工与城市创新创业活力两个维度分析数字经济对城市ESG发展的影响机制；最后，聚焦于空间异质性角度，分析数字经济对城市ESG发展的异质性影响，以期为城市的数字经济及ESG发展提供有益支撑。

2 机制分析与研究假设

在可持续转型理论的指导下[18]，围绕以人为核心这一关键内涵，本文从数字经济影响生态环境、社会生活、产业治理等方面展开分析。但是在城市中心地区和外围地区，不同维度上外部因素的作用存在明显差异，而且不同尺度区域需要针对性的策略来应对差异化的发展需求和挑战。考虑到数字经济对于城市的影响更多集中于中心城镇，因此，本文的理论分析及实证探讨主要围绕在这一尺度展开。

2.1 数字经济对城市ESG发展的直接影响

2.1.1 数字经济改善城市生态环境

在新发展阶段，数字技术创新为推动城市高质量发展提供了新的支撑逻辑[19]。数字经济能够通过提升城市环境管理效率、优化非正式环境规制、提升企业资源利用效率等途径，为改善城市生态环境提供了新的动力。一是数字经济可以提升城市环境管理效率。城市环境管理逐渐从传统的人工监测、管理方式转向智能化、自动化的方式。政府管理者可以通过云计算、大数据等技术进行政务处理和分析，为政府部门提供实时、准确的环境信息，有助于及时发现环境问题，制定针对性的治理措施。而且数字技术还可以帮助政府部门通过智能化手段提高环境执法效率。二是数字经济有助于优化非正式环境规制。通过互联网平台、社交媒体等渠道，政府可以加强环境信息的传播和公开，有助于提高公众对环境问题的关注度，形成对企业环境行为的社会监督。已有研究发现公众关注度展示出了环境污染治理的潜力[20]，能够间接影响城市生态环境[21]。三是数字技术还可以推动企业之间的资源共享和循环利用。通过利用物联网、区块链等技术，企业可以实现废弃物的追踪和交易，推动废弃物的循环利用，降低环境污染。而且数字经济也催生了共享经济等新业态，为消费者减少了冗杂的资源浪费，在一定程度上推动了城市绿色发展[22]。

2.1.2 数字经济影响城市社会生活

随着城市居民的生活方式、消费观念的转变，数字经济在改善城市社会环境、人居条件方面发挥了不容忽视的作用[23]。一是数字经济便利了城市居民的生活，为提升城市生活质量提供了支撑。部分研究表明信息技术的使用对于提升生活质量具有较大的帮助，基于数字技术的城市服务可提高居民的整体生活便利度[24]。二是数字经济改变了城市居民获取信息和知识的方式。如社交媒体、在线新闻和微博等数字平台，使信息传播更为迅速和广泛。网络教育和在线课程也为城市居民提供了灵活的学习和自我提升的途径。三是数字技术的使用能够对居民的工作质量产生正向的影响[25]。数字经济促进了新兴产业和就业形态的发展，也使远程工作和自由职业者模式变得越来越普遍，为城市居民提供了更多样化的就业选择和工作方式。此外，数字基础设施对于提升经济福祉、促进包容性发展也有着明显的正向作用，如通过减轻贫困以改善经济福祉[26]，减轻社会限制来促进社区层面的发展[27]，从而提高城市居民的社会生活质量。

2.1.3 数字经济强化城市产业治理

数字技术在城市产业中的应用促进了产业治理的现代化，这种治理模式的升级不仅推动了城市的综合进步，还实现了生产、交流和消费流程的优化控制，从而提高了城市发展的总体质量[28]。在技术与产业逐渐融合渗透的过程中，城市产业发展格局愈发协调，并强化了城市化进程中的生产支撑功能[10]。一是数字经济能够通过提升产业效率来强化城市产业治理。信息和通信技术的应用，使得数据的收集、存储、分析和利用变得更加高效，这直接提高了生产和服务的效率。二是数字经济能够促进城市产业结构升级，新兴产业如云计算、大数据、人工智能等迅速崛起，成为推动城市经济增长的新引擎。城市可以依托新兴产业，改造制造业生产方式，推动制造业智能化发展，也能通过创新制造业生产服务方式，提高供应链中生产环节与消费环节的协调水平[29]。综上，数字经济通过提升产业效率、促进产业结构升级、优化就业质量，促进了城市产业治理水平提升和产业可持续发展。

2.2 数字经济对城市ESG发展的影响机制

2.2.1 城市功能分工的作用分析

数字经济对城市功能分工产生了深远的影响，尤其是为生产性服务业提供了新的发展空间，也由此提升了以生产性服务为导向的功能分工水平[30]。首先，数字经济的发展极大地提高了生产性服务业的效率。通过应用大数据分析、云计算、人工智能等技术，企业可以更快地获取和处理信息，提高决策效率和运营效率。其次，数字经济促进了生产性服务业的跨界融合。在数字经济的渗透下，不同行业之间的界限变得模糊，生产性服务业与制造业、零售业等其他行业的融合越来越普遍。而且数字技术可以通过生产要素融合以及生产环节重构等方式强化产业的跨区域联系[31,32]，让不同生产经营的环节在不同城市形成集聚，由此产生不同功能的产业集群，推动城市分工格局形成。此外，不少研究表明生产性服务业集聚对城市产业效率提升、城市创新发展[33]、经济质量增长、环境质量优化[34]均有显著影响，也有一些研究指出城市间新型分工关系的形成有助于消除和缓解城市之间的产业冲突[35]，推动经济协调发展。随着以生产性服务集聚为导向的城市功能分工水平不断提升，城市会形成专业性较强的产业集聚区，优化城市治理格局，以此实现城市ESG发展。

2.2.2 创新创业活力的作用分析

数字经济对城市创新能力及创业活跃度有较强的推动作用。一方面，数字技术发展能够降低创新主体间的联系成本，拓展创新主体的信息交流途径，缓解信息不对称现象[36]，通过减小创新成本来提升城市的技术创新活力[37]。另一方面，数字经济的技术创新效应为创业行为提供了技术支撑，拓宽了创业的方向，从而推动了城市创业活力[38]。与此同时，创新创业活力的提升对于城镇化发展具有重要的推动作用，创新创业行为支撑了以人为核心的城市ESG发展[39]。而且城市的创业活动增加了就业机会，也会为城市带来更多产品和服务，从而提升城市吸引力。许多研究发现创新创业活力能够提升城市高质量发展水平[40]，为城市ESG发展提供了内生动力。
综上所述，数字经济可以影响城市发展过程中的生态环境、社会生活以及产业治理水平，而且是通过影响城市空间功能分工以及创新创业活力来实现的（框架如图1所示）。由此，本文提出以下假说：
图1 数字经济对城市ESG发展影响的理论框架

Fig. 1 Theoretical framework of the impact of digital economy on urban ESG development

假说H1：数字经济能够提升以生态环境、社会生活、产业治理为内涵的城市ESG发展水平。
假说H2：数字经济对城市ESG发展水平的促进作用，主要是通过推进城市空间功能分工以及创新创业活力等渠道来实现。

3 模型设定与数据来源

3.1 模型设定：双重机器学习

本文基于双重机器学习方法（Double Machine Learning）识别数字经济对城市ESG发展的影响。参考相关研究[41]，构建双重机器学习模型如下：
E S G i t + 1 = θ 0 D i g i t a l i t + g X i t + U i t
E U i t ∣ D i g i t a l i t , X i t = 0
式中：i表示城市；t表示年份；ESGit+1表示城市ESG发展水平；Digitalit表示数字经济发展水平；θ0表示数字经济的系数，是本文关注的重点；Xit则表示控制变量，需基于机器学习算法来估计 g ^ X i t的具体形式；Uit表示误差项。
如果直接对公式（1）和公式（2）进行估计，则估计的 θ ̑是有偏的。这其中的原因是在高维或者复杂的模型设定中，机器学习模型须引入正则项降维，这虽然避免了估计量的方差过大，但也带来了函数的正则偏误，从而使得 θ ̑难以收敛于θ0。为了解决这一问题，构建的辅助回归如下：
D i g i t a l i t = m X i t + V i t
E V i t ∣ X i t = 0
式中： m X i t为处置变量对高维控制变量的回归函数，需基于机器学习算法来估计其具体形式 m ^ X i t。具体方法如下：首先使用机器学习模型对 m X i t展开估计，获得估计量 m ^ X i t，进而计算得到残差项Vit的估计量 V ^ i t = D i g i t a l i t - m ^ X i t，然后将 V ^ i t作为 D i g i t a l i t的工具变量展开估计，最后继续使用机器学习算法估计函数 g X i t的估计量 g ̑ X i t，并获得无偏的估计值 θ ̑ 0 = 1 n ∑ i ∈ I , t ∈ T V ^ i t D i g i t a l i t - 1 1 n ∑ i ∈ I , t ∈ T V ^ i t E S G i t + 1 - g ^ X i t。

3.2 数据来源

基于数字经济的发展历程与数据可得性，本文选定研究时段为2011—2021年，并将285个城市作为研究对象。数据主要来源于2012—2022年的《中国城市统计年鉴》[51]以及《中国城乡建设统计年鉴》[52]；上市公司的ESG评分来自华证ESG评级数据；数字经济专利数据来自国家知识产权局专利检索网站；信息传输、软件和信息技术服务业创新指数与城市创新指数的数据来源于复旦大学产业发展研究中心发布的《中国城市和产业创新力报告2017》；数字普惠金融数据来源于北京大学数字金融研究中心与蚂蚁金服集团合作测度的中国数字普惠金融指数；其他关于企业数量的数据均来源于天眼查网站。此外，需要特别说明的是，对于少量缺失数据，本文使用插值法进行补缺。

4 变量设定

4.1 城市ESG与数字经济测算

4.1.1 城市ESG发展水平

基于理论分析，本文构建了以“人”为核心的城市ESG发展水平评价指标体系，从生态环境、社会生活、产业治理3个方面进行评价。在生态环境方面，本文选取了城市生态空间、城市生态宜居、城市污染治理、城市生态环境等方面指标来衡量城市生态职能。在社会生活方面，本文选取了城市生活空间、基础设施资源、居民生活富裕、居民生活供给等方面指标来反映城市的生活职能。在产业治理方面，本文选取了城市产业空间、城市产业规模、城市就业环境、企业ESG水平、城市工业效率、产业污染治理等方面指标来反映城市的生产职能，最终形成的指标体系（表1）。城市ESG发展水平使用熵权法进行测算。
表1 城市ESG发展水平指标体系

Tab. 1 Urban ESG development level indicator system

目标层 准则层 指标层 指标说明 方向
生态环境 城市生态空间 生态空间占比 建成区绿地与广场用地占比（%） +
（Environment） 城市生态宜居 休闲绿地覆盖 人均公园绿地面积（m2） +
生活绿地覆盖 建成区绿地率（%） +
城市污染治理 污水污染治理 污水处理率（%） +
垃圾污染治理 生活垃圾无害化处理率（%） +
城市生态环境 工业废气污染 每平方千米工业二氧化硫排放量（t） -
工业废水污染 每平方千米工业废水排放量（万t） -
雾霾污染程度 PM2.5含量的年度均值（μg / m3） -
社会生活 城市生活空间 居住用地空间 建成区居住用地占比（%） +
（Society） 公共服务空间 建成区公共管理与公共服务用地占比（%） +
公用设施空间 建成区公用设施用地占比（%） +
基础设施资源 医疗资源配置 每万人医生数（人） +
交通资源配置 人均铺装道路面积（万m2） +
城市供水设施 建成区供水管道密度（km / km2） +
城市排水设施 建成区排水管道密度（km / km2） +
居民生活富裕 居民富裕程度 人均地区生产总值（元） +
居民收入水平 职工平均工资（元） +
居民消费水平 人均社会消费品零售总额（万元） +
居民生活供给 居民供水普及 供水普及率（%） +
居民燃气普及 燃气普及率（%） +
产业治理 城市产业空间 三产用地空间 建成区商业服务业设施用地占比（%） +
（Governance） 工业用地空间 建成区工业用地占比（%） +
物流仓储空间 建成区物流仓储用地占比（%） +
城市产业规模 城市产业支撑 第二与第三产业增加值规模/人口（万元/人） +
规上工业水平 规模以上工业企业数/人口（个） +
城市配套产业 每万人拥有的娱乐、文化、住宿、餐饮
从业人员数量（人）		 +
城市就业环境 城市失业水平 年末城镇登记失业人数/从业人数（%） -
企业ESG水平 企业ESG表现 城市中上市公司ESG评分平均水平 +
城市工业效率 工业能源效率 单位工业产值能耗（kW·h /万元） -
工业生产效率 第二产业增加值规模/第二产业从业人数
（万元/人）		 +
产业污染治理 废物污染治理 一般工业固体废物综合利用率（%） +

4.1.2 数字经济发展水平

针对数字经济发展水平的测度研究已较为成熟，但囿于数据受限，在城市层面的研究仍主要从指标体系构建着手展开测度。现有研究主要分为两类，一类是在数字经济发展基础及拓展上出发，基于数字基础设施、数字产业发展及数字普惠金融着手展开计算[40]，还有一类则从数字经济两大过程切入，从数字产业化与产业数字化两个方面展开研究[8]。本文在借鉴前人研究及考虑数字经济对城市发展过程的影响后，拟从以下几个方面进行计算。在数字基础设施维度，数字基础设施是数字经济推进的基本要素[42]，也是数字经济作用发挥的前提条件。在数字创新能力维度，数字创新能力是数字经济可持续发展的重要着力点，也是数字经济影响城市ESG发展的重要途径[28]。在数字产业发展维度，数字技术的有效使用与技术渗透是产业效率提升和产业结构优化的关键驱动力[10,43]。在数字普惠金融维度，数字金融则是数字经济生活的关键组成。数字金融的渗透方便了居民的工作和生活，也推动了城市居民的消费结构转化[44]与产业结构转变。基于此，形成数字经济发展水平测度体系（表2）。数字经济发展水平使用熵权法进行测算。
表2 数字经济发展水平指标体系

Tab. 2 Digital economy development level indicator system

目标层 准则层 指标层 计算方式 方向
数字经济 数字基础设施 宽带互联网基础 每万人国际互联网用户数量（户） +
移动互联网基础 每万人移动电话用户数量（户） +
数字创新能力 数字创新要素支撑 科学技术支出（万元） +
数字创新产出水平 每万人数字经济相关专利数（项） +
数字产业创新能力 信息传输、软件和信息技术服务业创新指数 +
数字产业发展 信息产业基础 信息传输、计算机服务和软件业从业人员数（万人） +
电信产业产出 电信业务总量（万元） +
信息产业企业集聚 信息传输、计算机服务和软件业企业区位熵指数 +
人工智能企业密度 每万人中人工智能企业数量（个） +
数字普惠金融 覆盖广度 数字普惠金融覆盖广度指数 +
使用深度 数字普惠金融使用深度指数 +
数字化程度 数字普惠金融数字化程度指数 +

4.2 控制变量

为了更为准确评估数字经济对城市ESG发展的影响，本文选取了以下控制变量。① 人口密度（popul）：人口密度会影响城市生态、基础设施利用效率及城市公共服务供给，进而影响城市ESG发展水平[45]。本文采用年末总人口数/行政区域当地面积（万人/km2）来表征。② 人才支撑（human）：人才是推动城市治理模式升级的重要因素。本文采用城市人口每万人中的普通高等学校在校学生数（人）来表征。③ 政府引导（gover）：政府引导能够更好地推动城市治理结构变革，实现城市治理的科学化和高效化，进而推动区域协调发展[46]。本文采用每万人地方财政一般预算内支出（万元）来表征。④ 金融发展（market）：金融系统在要素配置过程中的基础性作用，金融机构和市场通过提供必要的资金和服务，可以帮助城市实现可持续发展的目标，以此推动城市ESG发展。本文采用每万人年末金融机构各项存贷款余额（万元）来衡量。⑤ 对外开放（open）：外资增长带来的技术与知识溢出能在一定程度上影响城市发展过程。本文采用每万人当年实际使用外资金额（万美元）来表征。⑥ 资源禀赋（resources）：资源禀赋差异会对城市经济发展产生影响，进而影响城市ESG发展[47]。根据相关文献[48]，本文采用采掘业从业人员数占比（%）进行表征。

4.3 机制变量

4.3.1 城市功能分工

本文旨在分析以生产性服务为导向的城市功能分工（function）的机制作用，借鉴了相关研究[49]中分析城市功能专业化水平的评价指标，将采矿业、电力煤气及水生产供应业和制造业定义为生产制造业，将交通运输及邮政业、金融业、信息传输、计算机服务和软件业、租赁和商业服务业以及科研、技术服务和地质勘查业等5个行业定义为生产性服务业。具体计算公式参考黎文勇等[50]。

4.3.2 创新创业活力

针对创新创业活力指标，本文使用城市创新指数和新创企业数量来衡量城市创新创业活力，这两个指标从不同的角度反映了城市的创新能力和创业环境的活跃程度。城市创新指数（innovation）旨在捕捉城市创新系统的整体表现，反映城市在科技创新方面的综合实力。新创企业数量（enterprise）则直接体现了城市的创业活力。新企业的成立往往伴随着新产品、新服务和新技术的推出，是创新成果市场化和产业化的直接体现。变量说明如表3所示。
表3 变量说明

Tab. 3 Variable description

变量符号 变量 变量说明
ESG 城市ESG 城市ESG发展水平测度值
digital 数字经济 数字经济发展水平测度值
popul 人口密度 年末总人口数/行政区域当地面积（万人/km2）
human 人才支撑 每万人普通高等学校在校学生数（人）
gover 政府引导 每万人地方财政一般预算内支出（万元）
finance 金融发展 每万人年末金融机构各项存贷款余额（万元）
open 对外开放 每万人当年实际使用外资金额（万美元）
resources 资源禀赋 采掘业从业人员数占比（%）
function 城市功能分工 城市功能分工指数
innovation 城市创新指数 城市的创新指数
enterprise 新创企业数量 每万人新创企业数（个）

5 城市ESG发展的空间分布及差异化特征

5.1 城市ESG发展的空间分布特征

本文基于自然断点法将城市ESG发展水平划分为：高水平、较高水平、中等水平、较低水平以及低水平5个维度（图2）。从2011年城市ESG发展水平的空间格局来看，高水平的城市ESG发展区多位于东部地区，这些地区作为中国城镇化发展较好的区域，基础设施投入、人均收入和城市生态在全国范围内处于较高水平，城市生活、生产以及生态职能发挥较好。而城市ESG发展低水平的地区主要集中于中西部地区以及东北三省，其中，定西市、崇左市、安康市、商洛市、玉溪市、达州市、巴中市、咸宁市、绥化市、鸡西市等城市的城市ESG发展水平相对较低，是城市ESG发展水平亟待提升的区域，这可能是因为受到城市的经济发展水平、产业发展层级及区位因素的影响，使得当地的城市ESG发展水平受限。从2011年的城市ESG发展水平测度值来看，大部分城市的ESG发展水平位于0.100~0.200区间内，集中程度较高，这表明各城市的ESG发展水平的发展层级差异性较小。从2021年城市ESG发展水平的空间格局来看，高水平城市ESG发展的空间分布呈现从东部逐渐向中西部拓展的特征，但西部地区以及东北三省仍然是城市ESG低水平发展的集聚地。对比研究时段首末两年的城市ESG发展水平可以发现，ESG发展呈现动态演进特征，多数城市的发展水平有所提升，但又有少部分城市有所回调。中国城市ESG发展水平的空间分布具有明显的地域差异特征，东中西区域差异突出，但是在国家战略推动下，大部分城市的发展得到支撑，发展水平逐渐提升。这反映了各地政府对可持续发展重要性的认识不断增强。环境保护成为城市规划的重要组成部分，社会公平和包容性得到改善，城市居民的生活质量、治理透明度和效率也有所提升。
图2 城市ESG发展水平的空间分布格局

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号: GS(2020)4618号）绘制，底图边界无修改。

Fig. 2 Spatial distribution pattern of urban ESG development levels

5.2 城市ESG发展的差异化特征

为了探究城市ESG发展水平的空间差异化特征，本文运用泰尔指数展开分析，并将城市ESG发展水平的总体差异进行分解，以揭示空间差异的来源。表4展示了东中西区域划分视角下城市ESG发展总体差异及分解结果。基于泰尔指数绝对值分析，2011—2021年间，各城市ESG发展水平的总体差异变化不大。从泰尔指数结构分解结果可以看出，区域内泰尔指数略呈上升趋势，而区域间的泰尔指数则呈现下降趋势。比较东部、中部及西部地区的泰尔指数，可以得知东、西部地区的城市ESG发展差异较大，中部地区则最小。此外，城市ESG发展的空间差异重要来源于区域内部差异。区域内部需要加强交流合作，不断优化区域协调发展体系，形成新发展时期下的区域合作新格局，以此缩小城市发展的空间差异性。
表4 城市ESG发展总体差异及分解结果

Tab. 4 The overall differences and decomposition results of urban ESG development

年度 总体 区域间 区域内 东部 中部 西部
2011 0.052 0.011 0.041 0.049 0.026 0.044
2012 0.052 0.011 0.041 0.049 0.026 0.044
2013 0.053 0.012 0.042 0.050 0.027 0.046
2014 0.058 0.013 0.045 0.056 0.027 0.049
2015 0.058 0.011 0.047 0.055 0.032 0.055
2016 0.057 0.011 0.046 0.056 0.025 0.056
2017 0.055 0.011 0.044 0.056 0.025 0.047
2018 0.053 0.011 0.042 0.054 0.027 0.041
2019 0.053 0.010 0.043 0.055 0.027 0.041
2020 0.055 0.010 0.045 0.060 0.029 0.041
2021 0.052 0.009 0.043 0.058 0.027 0.039

6 结果分析

6.1 数字经济对城市ESG发展的影响

本文使用Stata 17进行数字经济对城市ESG发展影响的检验，其中，样本分割比例为1∶4，并采用随机森林算法进行预测求解，且所有检验均使用了聚类稳健标准误。表5展示了数字经济对城市ESG发展影响的检验结果，第（1）列为仅包含城市数字经济变量的结果，第（2）列表示进一步加入时间固定效应的结果，第（3）列中控制了城市的固定效应，第（4）列的回归中同时控制了城市—时间的固定效应，在所有回归结果中，数字经济变量（digital）的系数均显著为正，这说明数字经济发展会正向影响城市ESG发展，城市数字经济发展水平越高，ESG的水平也越高。实证结果与前文的理论分析符合，验证了假说H1。
表5 数字经济对城市ESG发展的影响结果

Tab. 5 The impact of digital economy on urban ESG development

变量 （1） （2） （3） （4）
城市ESG 城市ESG 城市ESG 城市ESG
digital 0.039***
(5.61)		 0.077***
(8.49)		 0.035***
(5.43)		 0.059***
(7.21)
控制变量 YES YES YES YES
机器学习模型 随机森林 随机森林 随机森林 随机森林
时间固定 NO YES NO YES
城市固定 NO NO YES YES
样本量 3135 3135 3135 3135

注：***、**、*分别代表1%、5%、10%的显著性水平；括号里的数值表示t值。

6.2 稳健性检验

本文采取多样化方法检验基准回归结果的稳健性。

6.2.1 剔除大型城市样本

由于大型城市中数字经济发展与城市ESG水平均较高，而且考虑到中国四大直辖市（北京市、天津市、上海市、重庆市）存在特殊政策，可能会导致数字经济发展对城市ESG发展的影响效应识别产生偏误。本文将直辖市样本进行剔除，并再次展开检验，结果如表6第（1）列所示。数字经济变量（digital）系数为0.053，且通过1%的显著性检验，这表明在剔除大型城市样本后，数字经济发展对于城市ESG发展依然存在正向影响效应。
表6 稳健性检验的结果

Tab. 6 The results of robustness test

变量 （1） （2） （3） （4） （5） （6）
剔除大型城市样本 更改变量测度方法 样本分时段分析 工具变量法
digital 0.053*** 0.063* 0.176*** 0.123*** 0.069*** 0.354*
(6.56) (1.80) (2.77) (8.31) (6.31) (1.88)
控制变量 YES YES YES YES YES YES
机器学习模型 随机森林 随机森林 随机森林 随机森林 随机森林 随机森林
城市固定 YES YES YES YES YES YES
时间固定 YES YES YES YES YES YES
样本量 3091 3135 3135 855 2280 3135

注：***、**、*分别代表1%、5%、10%的显著性水平；括号里的数值表示t值。

6.2.2 更改变量测度方法

拉开档次法在处理面板数据的时序多指标动态跨期比较时具有优势。本文更改了变量测度方法展开稳健性检验，将熵权法更改为拉开档次法，然后重新进行模型估计，表6的第（2）列为更改被解释变量的结果，第（3）列为更改解释变量的结果。由结果可知，核心解释变量数字经济（digital）均显著为正，这表明基准结果具有稳健性。

6.2.3 样本分时段分析

在2014年，国务院印发了《国家新型城镇化规划（2014—2020年）》。该规划旨在持续提升城镇化推进的质量，更加重视城市可持续发展水平的全面提升。为进一步探究新型城镇化战略推进背景下数字经济对城市ESG水平的影响，本文以2014年为分隔点将样本分为2011—2013年和2014—2021年两个时段，进一步探讨新型城镇化战略实施前后，数字经济对城市ESG发展水平的影响效应差异。表6的第（4）列和第（5）列表明，无论是在2011—2013年的样本，还是在2014—2021年的样本中，数字经济变量（digital）均通过了显著性检验。

6.2.4 工具变量法

考虑到相对于城市ESG发展而言，数字经济发展并非是完全外生。一方面，数字经济发展与城市ESG发展之间可能存在反向因果关系；另一方面，可能存在的遗漏变量会导致估计有偏误。为了解决可能存在的内生性问题，本文采用工具变量法进行估计。借鉴相关研究的做法[40]，使用1984年各地级市固定电话数量作为工具变量，该变量满足工具变量的外生性与相关性假设。然后本文以Chernozhukov等的研究为基础[41,53]，构建基于双重机器学习的部分线性工具变量模型，并展开估计，结果如表6的第（6）列所示，结果发现数字经济变量（digital）显著为正，表明通过了内生性检验。

6.3 数字经济对城市ESG影响的分维度检验

为更细致地估计数字经济的作用，进一步展开数字经济对城市ESG发展影响的分维度检验，分别以数字基础设施（digital1）、数字产业发展（digital2）、数字创新能力（digital3）以及数字普惠金融（digital4）作为解释变量进行检验（表7）。数字基础设施（digital1）的变量系数为正，而且通过了1%的显著性检验，这表明数字基础设施覆盖度的提升对城市ESG发展水平具有显著的正向效应。可能是由于数字基础设施的完善可以吸引更多的投资和企业进驻，推动产业升级和创新发展[54]，进而促进了城市ESG发展[55]。数字创新能力（digital2）对城市ESG发展有显著的正向作用，这说明数字创新作为数字经济发展重要的推动力量，是影响城市ESG发展的路径之一。数字产业发展（digital3）通过了显著性检验，而且系数为正，这表明数字产业发展能够推动城市ESG发展。可能是因为数字产业本身作为环境友好型产业，在城市转型过程中受到政府招商的青睐，能够挤压其他高污染产业的发展空间，从而促进城市经济结构优化升级，提升城市ESG发展水平[56]。但是数字普惠金融（digital4）未通过显著性检验，这表明数字普惠金融发展对城市ESG发展水平提升不存在明显的作用。对比数字经济分维度各指标变量的系数而言，数字创新能力与数字产业发展的作用相对较强。
表7 数字经济对城市ESG发展影响的分维度检验结果

Tab. 7 Dimension test results of the impact of digital economy on urban ESG development

变量 （1） （2） （3） （4）
城市ESG 城市ESG 城市ESG 城市ESG
digital1 0.003*
(1.71)
digital2 0.062***
(14.23)
digital3 0.062***
(7.42)
digital4 0.003
(0.37)
控制变量 YES YES YES YES
机器学习模型 随机森林 随机森林 随机森林 随机森林
城市固定 YES YES YES YES
时间固定 YES YES YES YES
样本量 3135 3135 3135 3135

注：***、**、*分别代表1%、5%、10%的显著性水平；括号里的数值表示t值。

6.4 影响机制的结果分析

6.4.1 城市功能分工视角的机制检验

前文理论分析发现数字经济可以通过影响以生产性服务为导向的城市功能分工水平，进而推动城市ESG发展。为了检验该机制是否成立，本文首先检验了数字经济对城市功能分工水平的影响，然后检验城市功能分工对城市ESG发展的作用，表8的第（1）列和第（2）列为数字经济对城市功能分工的影响与城市功能分工对城市ESG发展的影响的结果。结果显示数字经济变量（digital）与城市功能分工（function）的变量系数均显著为正，这表明数字经济能通过影响城市功能分工进而促进城市ESG发展。实证结果与前文的理论分析符合，这验证了假说H2。数字经济的发展提升了以生产性服务业为导向的城市功能分工水平[57]，满足了城市发展和社会变革的需要[58]，以此推动了城市的转型和升级。
表8 数字经济对城市ESG发展的影响机制检验

Tab. 8 Test of the impact mechanism of digital economy on urban ESG development

变量 （1） （2） （3） （4） （5） （6）
城市功能分工 城市ESG 城市创新指数 城市ESG 新创企业数量 城市ESG
digital 0.102** 0.948*** 0.101***
(1.98) (15.86) (5.39)
function 0.004**
(2.13)
innovation 0.054***
(15.78)
enterprise 0.017*
(1.94)
控制变量 YES YES YES YES YES YES
机器学习模型 随机森林 随机森林 随机森林 随机森林 随机森林 随机森林
城市固定 YES YES YES YES YES YES
时间固定 YES YES YES YES YES YES
样本量 3135 3135 3135 3135 3135 3135

注：***、**、*分别代表1%、5%、10%的显著性水平；括号里的数值表示t值。

6.4.2 创新创业活力视角的机制检验

本文使用城市创新指数和新创企业数量来衡量城市创新创业活力，同样基于前文方法进行机制检验，结果如表8的第（3）~第（6）列所示。结果显示，数字经济（digital）对城市创新指数（innovation）与新创企业数量（enterprise）均有显著的正向作用，而且城市创新指数（innovation）与新创企业数量（enterprise）对城市ESG发展也通过了显著性检验，这表明创新创业活力的机制作用得到检验。究其原因，创新创业活力促进了创新型经济的发展，给城市的经济发展带来活力和动力，这有助于吸引外部投资者，改善社会经济结构，推动城市的ESG发展。总体而言，实证结果与前文的理论分析符合，验证了假说H2。

6.5 空间异质性的结果分析

在数字经济发展的背景下，城市发展空前加快，在这个过程中，由于区域的资源要素以及地理位置差异，数字经济对城市ESG发展的影响可能存在异质性。本文具体从分东中西3个地区及是否为城市群两个视角[4]展开。首先，将总样本分成东部、中部和西部3个区域样本，以检验数字经济发展对城市ESG发展的影响是否存在区域异质性，结果由表9可知。在东部地区样本中，数字经济变量（digital）的回归系数为正，而且通过了显著性检验，这表明数字经济发展对东部地区城市ESG发展具有显著的正向作用；在中部地区样本中，数字经济变量（digital）的回归系数未通过显著性检验，这表明数字经济发展对中部地区城市ESG发展不具有显著作用；在西部地区样本中，数字经济变量的回归系数同样显著为正。就数字经济变量的系数大小而言，在东部地区，数字经济发展（digital）对城市ESG发展的推动作用较强，究其原因，可能是因为东部地区的城市处于数字经济发展迅猛阶段，数字基础设施覆盖速度较快，而且核心城市的发展优势明显，能够集聚大量人才及资本要素，对城市ESG的提升作用更强。然后，本文将总样本分成城市群与非城市群两个样本，以检验在城市群内的城市数字经济发展的推动作用是否与非城市群的城市有所差异，在城市群样本中，数字经济变量（digital）的回归系数为正，而且通过了1%的显著性检验，这表明数字经济发展对城市群内部城市的城市ESG发展具有显著的正向作用；在非城市群的样本中，城市数字经济变量（digital）的回归系数也同样为正。但考虑系数大小而言，城市群中心城市的数字经济赋能作用更明显，对城市ESG发展的提升作用更强。
表9 空间异质性检验

Tab. 9 Spatial heterogeneity test

变量 (1) （2） （3） （4） （5）
东部地区 中部地区 西部地区 城市群 非城市群
digital 0.036*** 0.055 0.024** 0.053*** 0.037***
(3.66) (0.77) (1.97) (3.03) (3.65)
控制变量 YES YES YES YES YES
机器学习模型 随机森林 随机森林 随机森林 随机森林 随机森林
城市固定 YES YES YES YES YES
时间固定 YES YES YES YES YES
样本量 1100 1100 935 1815 1320

注：***、**、*分别代表1%、5%、10%的显著性水平；括号里的数值表示t值。

7 结论与政策启示

本文基于2011—2021年285个城市的面板模型分析数字经济对城市ESG发展的影响效应，得到以下结论：① 城市ESG发展的分布格局具有明显的空间异质性，发展水平的层级呈现动态演进特征，但是东中西区域的发展差异化较大，其空间差异主要来源于区域内部。区域内部需要加强交流合作，不断优化区域协调发展体系，形成新发展时期下的城市治理新格局。② 数字经济发展会正向提升以生态环境、社会生活、产业治理为内涵的城市ESG发展水平，该结论通过了剔除样本、更改变量测度方法、样本分时段检验、工具变量法等多种稳健性检验。而且数字产业发展与数字创新能力发挥出突出的作用，产业渗透与数字技术赋能是数字经济影响城市可持续发展的重要方式。③ 以生产性服务为导向的城市功能分工和创新创业活力是数字经济对城市ESG发展的重要渠道，是帮助城市实现可持续发展目标的重要路径。从空间异质性视角来看，受到区域资源要素与产业发展影响，数字经济对东部、西部地区以及城市群区域的城市ESG水平的提升更为明显。
基于此，本文提出如下政策启示：① 推动数字产业空间衔接，因地制宜发展。政府应持续深入推进数字产业的平衡发展，细化区域数字产业的发展目标。在数字经济发展政策规划与实施过程中首先要注意“强优势”，巩固东部地区数字产业发展优势，依托东部地区发展优势以及要素集聚优势，打造长三角集成电路产业集群，聚焦于数字产业发展的核心关键领域。中西部地区则可以依托土地资源及电力价格优势，打造大数据产业集群，形成各具优势的产业发展格局。除了强优势外，还要补短板，改善东西部产业联动不足的局面，建立起跨区域的数字产业发展合作与要素互联交流机制。数字产业化的空间布局应协调多方发展，循序渐进，在更大空间格局中形成优势互补的良性发展局面，以此实现数字产业与实体经济融合发展，提升城市发展质量。② 深化区域分工协作，塑造数字经济赋能的发展合力。针对推进城市功能分工，在城镇化格局调整的基础上，通过数字经济发展强化核心城市的辐射功能，并发挥核心区域的发展溢出效应，以此提升边缘城市的城市ESG水平，最终形成数字经济对城市发展空间格局的重塑合力。③ 平衡数字基建空间分布，缩小落后区域的数字鸿沟。数字基础设施的发展程度以及空间布局对于数字经济发展有着重要的影响，直接影响到居民使用互联网以及参与数字生活的机会。为缩小区域数字鸿沟，需要不断加强中西部地区数字网络基础设施建设水平，带动相对落后的中西部地区的数字经济发展，实现基础设施升级换代，进而逐渐缩小区域数字鸿沟。
本文为理解数字经济与城市ESG之间的关系提供了理论及实证上的证据，但是仍存在一定的局限性。一是在指标选取方面有待改进。本文将ESG研究从企业层面外延至城市层面，表达了对城市可持续发展问题的思考，在衡量城市生态、生活及生产空间时，囿于数据可获得性，使用了相应用地占比这一指标。但是城市空间治理应关注空间的均衡性、合理性及可持续性，在后续研究中，可以运用城市用地产出效率及用地均衡性等指标来进一步完善。二是在研究内容方面仍有待完善。本文采用双重机器学习方法检验了数字经济对城市ESG发展的影响，但由于篇幅限制，并未探讨数字经济影响的空间效应。后续研究可以进一步探讨数字经济对城市ESG空间格局演化过程产生的效应和机制，以深化关于数字经济对城市治理转型作用的理解。

感谢匿名评审专家的认真审稿，专家在引言部分、理论与实证衔接、结论优化等方面的建议使本文改进良多。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王晓红, 栾翔宇, 张少鹏. 企业研发投入、ESG表现与市场价值: 企业数字化水平的调节效应. 科学学研究, 2023, 41(5): 896-904, 915.

[Wang Xiaohong, Luan Xiangyu, Zhang Shaopeng. Corporate R&D investment, ESG performance and market value: The moderating effect of enterprise digital level. Studies in Science of Science, 2023, 41(5): 896-904, 915.] DOI: 10.16192/j.cnki.1003-2053.20220606.001.

[2]
Tantow D. Urban improvement districts in urban restructuring-first results of the German ESG research initiative. Urban Research & Practice, 2012, 5(3): 342-352. DOI: 10.1080/17535069.2012.727559.

[3]
白建军, 陈军. 城市SDGs空间型监测研究进展与展望. 地理学报, 2023, 78(11): 2647-2658.

DOI

[Bai Jianjun, Chen Jun. Geospatial enabled monitoring for urban SDGs: Progress, challenges and prospect. Acta Geographica Sinica, 2023, 78(11): 2647-2658.] DOI: 10.11821/dlxb202311001.

[4]
徐维祥, 周建平, 刘程军. 数字经济发展对城市碳排放影响的空间效应. 地理研究, 2022, 41(1): 111-129.

DOI

[Xu Weixiang, Zhou Jianping, Liu Chengjun. The impact of digital economy on urban carbon emissions: Based on the analysis of spatial effects. Geographical Research, 2022, 41(1): 111-129.] DOI: 10.11821/dlyj020210459.

[5]
金春枝, 李伦. 我国互联网数字鸿沟空间分异格局研究. 经济地理, 2016, 36(8): 106-112.

[Jin Chunzhi, Li Lun. Research on spatial heterogeneity patterns of digital divide of Chinese Internet. Economic Geography, 2016, 36(8): 106-112.] DOI: 10.15957/j.cnki.jjdl.2016.08.015.

[6]
Akerman A, Gaarder I, Mogstad M. The skill complementarity of broadband internet. The Quarterly Journal of Economics, 2015, 130(4): 1781-1824. DOI: 10.1093/qje/qjv028.

[7]
Stiroh K. Information technology and the US productivity revival: What do the industry data say?. American Economic Review, 2002, 92(5): 1559-1576. DOI: 10.1257/000282802762024638.

[8]
杨慧梅, 江璐. 数字经济、空间效应与全要素生产率. 统计研究, 2021, 38(4): 3-15.

[Yang Huimei, Jiang Lu. Digital economy, spatial effects, and total factor productivity. Statistical Research, 2021, 38(4), 38: 3-15.] DOI: 10.19343/j.cnki.11-1302/c.2021.04.001.

[9]
何大安, 任晓. 互联网时代资源配置机制演变及展望. 经济学家, 2018, (10): 63-71.

[He Daan, Ren Xiao. The Evolution and prospect of resource allocation mechanism in the Internet Age. Economist, 2018, (10): 63-71.] DOI: 10.16158/j.cnki.51-1312/f.2018.10.009.

[10]
郭凯明. 人工智能发展、产业结构转型升级与劳动收入份额变动. 管理世界, 2019, 35(7): 60-77, 202-203.

[Guo Kaiming. Artificial intelligence, structural transformation and labor share. Journal of Management World, 2019, 35(7): 60-77, 202-203.] DOI: 10.3969/j.issn.1002-5502.2019.07.007.

[11]
Yigitcanlar T, Kamruzzaman M. Does smart city policy lead to sustainability of cities?. Land Use Policy, 2018, 73: 49-58. DOI: 10.1016/j.landusepol.2018.01.034.

[12]
谢莉娟. 互联网时代的流通组织重构: 供应链逆向整合视角. 中国工业经济, 2015, (4): 44-56.

[Xie Lijuan. Distribution organization reconstruction in the Internet Age: Backward supply chain integration perspective. China Industrial Economics, 2015, (4): 44-56.] DOI: 10.19581/j.cnki.ciejournal.2015.04.005.

[13]
Rymaszewska A, Helo P, Gunasekaran A. IoT powered servitization of manufacturing: An exploratory case study. International Journal of Production Economics, 2017, 192: 92-105. DOI: 10.1016/j.ijpe.2017.02.016.

[14]
Cappa F, Franco S, Rosso F. Citizens and cities: Leveraging citizen science and big data for sustainable urban development. Business Strategy and the Environment, 2022, 31(2): 648-667. DOI: 10.1002/bse.2942.

[15]
Dunleavy P, Margetts H, Bastow S, et al. New public management is dead-long live digital-era governance. Journal of Public Administration Research and Theory, 2006, 16(3): 467-494. DOI: 10.1093/acprof:oso/9780199296194.003.0009.

[16]
Kanyam D A, Kostandini G, Ferreira S. The mobile phone revolution: Have mobile phones and the internet reduced corruption in Sub-Saharan Africa?. World Development, 2017, 99: 271-284. DOI: 10.1016/j.worlddev.2017.05.022.

[17]
Glaeser E L, Kominers S D, Luca M, et al. Big data and big cities: The promises and limitations of improved measures of urban life. Economic Inquiry, 2018, 56(1): 114-137. DOI: 10.3386/w21778.

[18]
胡晓辉, 董柯. 可持续性转型研究动态与经济地理学展望. 地理研究, 2022, 41(1): 18-33.

DOI

[Hu Xiaohui, Dong Ke. A review on sustainability transitions and its research agendas in Economic Geography. Geographical Research, 2022, 41(1): 18-33.] DOI: 10.11821/dlyj020210442.

[19]
Bibri S E. Data-driven smart sustainable cities of the future: Urban computing and intelligence for strategic, short-term, and joined-up planning. Computational Urban Science, 2021, (1): 1-29. DOI: 10.1007/s43762-021-00008-9.

[20]
李欣, 杨朝远, 曹建华. 网络舆论有助于缓解雾霾污染吗? 兼论雾霾污染的空间溢出效应. 经济学动态, 2017, (6): 45-57.

[Li Xin, Yang Chaoyuan, Cao Jianhua. Does internet public opinion help to alleviate haze pollution? Study the spatials, pillover effects of haze pollution at the same time. Economic Perspectives, 2017, (6): 45-57.]

[21]
王建明, 赵婧. 数字时代信息嵌入式监管工具对线上绿色消费行为的推进效应: 绿色购买场景模拟和监管工具设计实验. 管理世界, 2022, 38(4): 142-162.

[Wang Jianming, Zhao Jing. The Implementation Effect of Information Embedded Regulatory Tools on Promoting Online Green Consumption Behavior in Digital Era: Green Purchase Scenario Simulation and Regulatory Tools Design Experiments. Journal of Management World, 2022, 38(4): 142-162.] DOI: 10.19744/j.cnki.11-1235/f.2022.0048.

[22]
Huang L, Wang L, Liu Z, et al. Evolutionary game analysis of green industry development in the age of sharing economy. Applied Economics, 2021, 53(27): 3065-3079. DOI: 10.1080/00036846.2021.1874609

[23]
易法敏, 古飞婷, 康春鹏. 公共服务创新性供给如何促进农业经营主体数字化营销: 以广东省“12221”市场体系建设行动为例. 中国农村经济, 2023, (2): 148-167.

[Gu Feiting, Kang Chunpeng. How can innovative delivery of public services promote digital marketing of agricultural operators: An analysis based on examination of the “12221” market system construction initiative in Guangdong province. Chinese Rural Economy, 2023, (2): 148-167.] DOI: 10.20077/j.cnki.11-1262/f.2023.02.005.

[24]
Yeh H. The effects of successful ICT-based smart city services: From citizens' perspectives. Government Information Quarterly, 2017, 34(3): 556-565. DOI: 10.1016/j.giq.2017.05.001.

[25]
Oh H J, Ozkaya E, Larose R. How does online social networking enhance life satisfaction? The relationships among online supportive interaction, affect, perceived social support, sense of community, and life satisfaction. Computers in Human Behavior, 2014, 30: 69-78. DOI: 10.1016/j.chb.2013.07.053.

[26]
Palvia P, Baqir N, Nemati H. ICT for socio-economic development: A citizens' perspective. Information & Management, 2018, 55(2): 160-176. DOI: 10.1016/j.im.2017.05.003.

[27]
Ashraf M, Grunfeld H, Hoque M R, et al. An extended conceptual framework to understand information and communication technology-enabled socio-economic development at community level in Bangladesh. Information Technology & People, 2017, 30(4): 736-752. DOI: 10.1108/itp-03-2016-0067.

[28]
杨俊, 李小明, 黄守军. 大数据、技术进步与经济增长: 大数据作为生产要素的一个内生增长理论. 经济研究, 2022, 57(4): 103-119.

[Yang Jun, Li Xiaoming, Huang Shoujun. Big Data, Technical progress and economic growth: An endogenous growth theory introducing data as production factors. Economic Research Journal, 2022, 57(4): 103-119.]

[29]
Pournader M, Ghaderi H, Hassanzadegan A, et al. Artificial intelligence applications in supply chain management. International Journal of Production Economics, 2021, 241: 108250. DOI: 10.1016/j.ijpe.2021.108250.

[30]
刘玉荣, 杨柳, 刘志彪. 跨境电子商务与生产性服务业集聚. 世界经济, 2023, 46(3): 63-93.

[Liu Yurong, Yang Liu, Liu Zhibiao. Cross-bordere-commerce and agglomeration of producer services. The Journal of World Economy, 2023, 46(3): 63-93.] DOI: 10.19985/j.cnki.cassjwe.2023.03.007.

[31]
陈晓红, 李杨扬, 宋丽洁, 等. 数字经济理论体系与研究展望. 管理世界, 2022, 38(2): 208-224, 13-16.

[Chen Xiaohong, Li Yangyang, Song Lijie, et al. Cross-border e-commerce and producer services agglomeration. The Journal of Management World, 2022, 38(2): 208-224, 13-16.] DOI: 10.19985/j.cnki.cassjwe.2023.03.007.

[32]
赵振, 彭毫. “互联网+”跨界经营: 基于价值创造的理论构建. 科研管理, 2018, 39(9): 121-133.

[Zhao Zhen, Peng Hao. Crossover administration of “Internet Plus”: The theory building based on value creation. Science Research Management, 2018, 39(9): 121-133.] DOI: 10.19571/j.cnki.1000-2995.2018.09.014.

[33]
李勇辉, 沈波澜, 胡舜, 等. 生产性服务业集聚空间效应与城市技术创新: 基于长江经济带108个城市面板数据的实证分析. 经济地理, 2021, 41(11): 65-76.

[Li Yonghui, Shen Bolan, Hu Shun, et al. Spatial effects of producer services agglomeration and urban technological innovation: Empirical analysis based on panel data of 108 cities in the Yangtze River Economic Belt. Economic Geography, 2021, 41(11): 65-76.]

[34]
刘岩, 程钰, 王亚平. 黄河流域生产性服务业集聚对城市绿色全要素生产率的影响效应与空间溢出. 地理研究, 2023, 42(4): 917-935.

DOI

[Liu Yan, Cheng Yu, Wang Yaping. Spatial spillover and effect of producer service agglomeration on urban green total factor productivity the Yellow River Basin. Geographical Research, 2023, 42(4): 917-935.] DOI: 10.11821/dlyj020220865.

[35]
魏后凯. 大都市区新型产业分工与冲突管理: 基于产业链分工的视角. 中国工业经济, 2007, (2): 28-34.

[Wei Houkai. The new industrial division and conflict management in metropolitan region: Based on the perspective of industrial-chain division economics. China Industrial Economics, 2007, (2): 28-34.] DOI: 10.19581/j.cnki.ciejournal.2007.02.004.

[36]
Hendriks P. Why share knowledge? The influence of ICT on the motivation for knowledge sharing. Knowledge and process management, 1999, 6(2): 91-100. DOI: 10.1002/(sici)1099-1441(199906)6:2<91::aid-kpm54>3.0.co;2-m.

[37]
Lakhani K R, Panetta J A. The principles of distributed innovation. Innovations: Technology, Governance, Globalization Summer, 2007, 2(3): 97-112. DOI: 10.1162/itgg.2007.2.3.97.

[38]
姜南, 李鹏媛, 欧忠辉. 知识产权保护、数字经济与区域创业活跃度. 中国软科学, 2021, (10): 171-181.

[Jiang Nan, Li Pengyuan, Ou Zhonghui. Intellectual property protection, digital economy, and regional entrepreneurship activity. China Soft Science, 2021, (10): 171-181.] DOI: 10.3969/j.issn.1002-9753.2021.10.017.

[39]
辜胜阻, 李睿. 以互联网创业引领新型城镇化. 中国软科学, 2016, (1): 6-16.

[Gu Shengzu, Li Rui. Driving the new urbanization with internet startups. China Soft Science, 2016, (1): 6-16.] DOI: 10.3969/j.issn.1002-9753.2016.01.002.

[40]
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. 管理世界, 2020, 36(10): 65-76.

[Zhao Tao, Zhang Zhi, Liang Shangkun. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China. Management World, 2020, 36(10):65-76.] DOI: 10.19744/j.cnki.11-1235/f.2020.0154.

[41]
Chernozhukov V, Chetverikov D, Demirer M, et al. Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 2018, 21(1): C1-C68. DOI: 10.1111/ectj.12097.

[42]
Malecki E J. The economic geography of the Internet's infrastructure. Economic geography, 2002, 78(4): 399-424. DOI: 10.2307/4140796.

[43]
黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验. 中国工业经济, 2019, (8): 5-23.

[Huang Qunhui, Yu Yongze, Zhang Songlin. Internet development and productivity growth in manufacturing industry: Internal mechanism and China experiences. China Industrial Economics, 2019, (8): 5-23.] DOI: 10.19581/j.cnki.ciejournal.2019.08.001.

[44]
王勋, 王雪. 数字普惠金融与消费风险平滑: 中国家庭的微观证据. 经济学(季刊), 2022, 22(5): 1679-1698.

[Wang Xun, Wang Xue. Digital financial inclusion and household risk smoothing: Chinese household-level evidence. China Economic Quarterly, 2022, 22(5): 1679-1698.] DOI: 10.13821/j.cnki.ceq.2022.05.11.

[45]
苏红键, 魏后凯. 密度效应、最优城市人口密度与集约型城镇化. 中国工业经济, 2013, (10): 5-17.

[Su Hongjian, Wei Houkai. Density effect, urban optimum density and intensive urbanization. China Industrial Economics, 2013, (10): 5-17.] DOI: 10.19581/j.cnki.ciejournal.2013.10.001.

[46]
陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展. 经济研究, 2018, 53(2): 20-34.

[Chen Shiyi, Chen Dengke. Air Pollution, government regulations and high-quality economic development. Economic Research Journal, 2018, 53(2): 20-34.]

[47]
余壮雄, 李莹莹. 资源配置的“跷跷板”: 中国的城镇化进程. 中国工业经济, 2014, (11): 18-29.

[Yu Zhuangxiong, Li Yingying. A seesaw for resource allocation: The process of Chinese urbanization. China Industrial Economics, 2014, (11): 18-29.] DOI: 10.19581/j.cnki.ciejournal.2014.11.002.

[48]
李虹, 邹庆. 环境规制、资源禀赋与城市产业转型研究: 基于资源型城市与非资源型城市的对比分析. 经济研究, 2018, 53(11): 182-198.

[Li Hong, Zou Qing. Environmental regulations, resource endowments and urban industry transformation: Comparative analysis of resource-based and non-resource-based cities. Economic Research Journal, 2018, 53(11): 182-198.]

[49]
Duranton G, Puga D. From sectoral to functional urban specialisation. Journal of urban Economics, 2005, 57(2): 343-370. DOI: 10.1016/j.jue.2004.12.002.

[50]
黎文勇, 杨上广. 城市群功能分工对全要素生产率的影响研究: 基于长三角城市群的经验证据. 经济问题探索, 2019, (5): 74-81.

[Li Wenyong, Yang Shangguang. Study on the influence of urban division functional division on total factor productivity: Based on empirical evidence of the Yangtze River Delta urban agglomeration. Exploration of Economic Issues, 2019, (5): 74-81.]

[51]
国家统计局. 中国城市统计年鉴. 北京: 中国统计出版社, 2012—2022.

[National Bureau of Statistics of People's Republic of China. China City Statistical Yearbook. Beijing: China Statistics Press, 2012-2022.]

[52]
中华人民共和国住房和城乡建设部. 中国城乡建设统计年鉴. 北京: 中国统计出版社, 2012—2022.

[Ministry of Housing and Urban-Rural Development of the People's Republic of China. China Urban-rural Construction Statistical Yearbook. Beijing: China Statistic Press, 2012-2022.]

[53]
张涛, 李均超. 网络基础设施、包容性绿色增长与地区差距: 基于双重机器学习的因果推断. 数量经济技术经济研究, 2023, 40(4): 113-135.

[Zhang Tao, Li Junchao. Network infrastructure, inclusive green growth, and regional inequality: From causal inference based on double machine learning. Journal of Quantitative & Technological Economics, 2023, 40(4): 113-135.] DOI: 10.13653/j.cnki.jqte.20230310.005.

[54]
胡斌, 王莉丽. 物联网环境下的企业组织结构变革. 管理世界, 2020, 36(8): 202-210, 232, 211.

[Hu Bin, Wang Lili. Innovation of enterprise organizational structure in IOT environment. Journal of Management World, 2020, 36(8): 202-210, 232, 211.] DOI: 10.19744/j.cnki.11-1235/f.2020.0128.

[55]
郭凯明, 潘珊, 颜色. 新型基础设施投资与产业结构转型升级. 中国工业经济, 2020, (3): 63-80.

[Guo Kaiming, Pan Shan, Yan Se. New infrastructure investment and structural transformation. China Industrial Economics, 2020, (3): 63-80.] DOI: 10.19581/j.cnki.ciejournal.2020.03.014.

[56]
李辉. 大数据推动我国经济高质量发展的理论机理、实践基础与政策选择. 经济学家, 2019, (3): 52-59.

[Li Hui. The theoretical mechanism, practical basis and policy choice of big data to promote the high quality development of China's Economy. Economist, 2019, (3): 52-59.] DOI: 10.16158/j.cnki.51-1312/f.2019.03.007.

[57]
施炳展, 李建桐. 互联网是否促进了分工: 来自中国制造业企业的证据. 管理世界, 2020, 36(4): 130-149.

[Shi Bingzhan, Li Jiantong. Does the internet promote division of labor? Evidences from Chinese manufacturing enterprises. Journal of Management World, 2020, 36(4): 130-149.] DOI: 10.19744/j.cnki.11-1235/f.2020.0058.

[58]
田鸽, 张勋. 数字经济、非农就业与社会分工. 管理世界, 2022, 38(5): 72-84.

[Tian Ge, Zhang Xun. Digital economy, non-agricultural employment, and division of labor. Journal of Management World, 2022, 38(5): 72-84.] DOI: 10.19744/j.cnki.11-1235/f.2022.0069.

Options
文章导航

/

〈 〉