数字经济对黄河流域城市绿色创新的赋能效应

doi:10.7522/j.issn.1000-694X.2026.00008

摘要/Abstract

摘要：

提升黄河流域城市绿色创新水平是贯彻落实高质量发展战略的重要举措。为探究提高黄河流域城市绿色发展能力的新动能，以2000—2023年黄河流域61个地级市面板数据为样本，系统探讨了数字经济对黄河流域城市绿色创新的赋能效应。结果表明：数字经济对黄河流域城市绿色创新产生显著正向影响，该结论在经过系列内生性和稳健性检验后依旧成立。数字经济分别通过提高地区金融发展水平和人力资本水平进而促进城市绿色创新。数字经济对黄河流域城市绿色创新存在非线性影响，具体地，当产业结构升级由低到高超过门槛值时，数字经济对黄河流域城市绿色创新的作用由负转正。此外，数字经济对黄河流域城市绿色创新的促进作用在黄河中下游地区、非资源型城市和省会（首府）城市更加显著。研究结论揭示了数字经济对黄河流域城市绿色创新的赋能效应，为推动黄河流域绿色化转型与高质量发展提供有益参考。

关键词: 数字经济, 城市绿色创新, 黄河流域, 门槛效应

Abstract:

Improving the green innovation level of cities in the Yellow River Basin is an important measure to implement the high-quality development strategy. In order to explore the new kinetic energy to improve the green development ability of cities in the Yellow River Basin， this paper takes the panel data of 61 prefecture-level cities in the Yellow River Basin from 2000 to 2023 as a sample， and systematically discusses the enabling effect of the digital economy on the green innovation of cities in the Yellow River Basin. The study found that the digital economy has a significant positive impact on urban green innovation in the Yellow River Basin. This conclusion is still valid after a series of endogenous analysis and robustness tests. Mechanism analysis shows that digital economy promotes urban green innovation by improving regional financial development level and human capital level respectively. Further analysis shows that digital economy has a non-linear impact on urban green innovation in the Yellow River Basin. Specifically， when the upgrading of industrial structure exceeds the threshold value from low to high， the effect of digital economy on urban green innovation in the Yellow River Basin changes from negative to positive. In addition， the promotion effect of digital economy on urban green innovation in the Yellow River Basin is more significant in non-resource-based cities and provincial capital cities in the middle and lower reaches of the Yellow River. The research conclusions not only reveal the enabling effect of digital economy on urban green innovation in the Yellow River Basin， but also provide a useful reference for promoting green transformation and high-quality development in the Yellow River Basin.

Key words: digital economy, urban green innovation, Yellow River Basin, threshold effect

中图分类号:

F205

吴玉彬, 李月, 陈家创, 张洪瑞. 数字经济对黄河流域城市绿色创新的赋能效应[J]. 中国沙漠, 2026, 46(3): 131-142.

Yubin Wu, Yue Li, Jiachuang Chen, Hongrui Zhang. Digital economy empowering urban green innovation in the Yellow River Basin[J]. Journal of Desert Research, 2026, 46(3): 131-142.

图/表 10

图1 黄河流域研究范围注：基于自然资源部标准地图服务网站审图号为GS（2019）1822号的标准地图制作，底图边界无修改

Fig.1 Location of the Yellow River Basin

表1 变量定义

Table 1 Variable definitions

变量类型	变量名	变量含义	变量衡量
被解释变量	Ugic	城市绿色创新	地区当年绿色发明专利申请数量加一取自然对数
解释变量	Dige	数字经济发展水平	熵值法综合测算
控制变量	Pop	人口规模	地区户籍人口取对数
	Edy	经济密度	地区生产总值/行政区域土地面积取对数
	Eco	经济发展水平	人均地区生产总值取对数
	Urb	城镇化率	非农业人口/户籍人口
	Gov	政府干预程度	地方财政一般预算内支出/地区生产总值
	Inv	财政投资力度	固定资产投资/政府财政一般支出
	Ind	产业结构	第三产业增加值/地区生产总值

表2 描述性统计

Table 2 Baseline regression results

变量名	样本量	均值	中位数	标准差	最小值	最大值
Ugic	1 187	3.047	2.996	1.642	0.000	7.460
Dige	1 187	0.042	0.034	0.038	0.002	0.206
Pop	1 187	5.792	5.880	0.675	3.784	7.110
Edy	1 187	6.701	6.810	1.278	3.357	9.203
Eco	1 187	10.290	10.340	0.883	8.231	12.260
Urb	1 187	0.340	0.287	0.159	0.108	0.796
Gov	1 187	0.174	0.143	0.108	0.052	0.666
Inv	1 187	5.878	5.089	3.494	1.424	21.050
Ind	1 187	0.386	0.374	0.103	0.188	0.639

表3 基准回归

Table 3 Baseline regression results

变量及其他指标	Ugic
变量及其他指标	(1)	(2)	(3)
Dige	14.771^***	1.763^**	2.220^**
Dige	(12.612)	(1.998)	(2.443)
Pop			1.336^***
Pop			(3.625)
Edy			-0.330^**
Edy			(-2.290)
Eco			0.152
Eco			(0.822)
Urb			0.666^**
Urb			(2.180)
Gov			-2.442^***
Gov			(-3.747)
Inv			-0.011
Inv			(-1.335)
Ind			-0.554
Ind			(-1.304)
常数项	2.422^***	2.973^***	-3.662
常数项	(36.246)	(73.060)	(-1.231)
年份固定效应	未控制	控制	控制
城市固定效应	未控制	控制	控制
样本量	1 187	1 187	1 187
调整后的R²	0.118	0.886	0.889

表4 内生性分析与稳健性检验

Table 4 Endogeneity analysis and robustness checks

变量及其他指标	Ugic
	（1）	（2）	（3）	（4）	（5）
	工具变量	增加控制变量	替换被解释变量	滞后效应	缩尾
Dige	21.791^***	1.879^**	1.943^**	3.501^***	2.220^**
Dige	(3.180)	(2.058)	(2.050)	(3.560)	(2.443)
常数项	—	-4.513	-10.516^***	-5.138	-3.662
常数项	—	(-1.476)	(-3.389)	(-1.429)	(-1.231)
控制变量	控制	控制	控制	控制	控制
年份固定效应	控制	控制	控制	控制	控制
城市固定效应	控制	控制	控制	控制	控制
不可识别检验	26.212	—	—	—	—
不可识别检验	[0.0000]	—	—	—	—
弱工具变量检验	24.832	—	—	—	—
弱工具变量检验	{16.38}	—	—	—	—
样本量	934	1 187	1 187	1 036	1 187
调整后的R²	—	0.891	0.864	0.886	0.889

表5 作用机制检验

Table 5 Mechanism tests

变量及其他指标	金融发展水平		人力资本水平
	(1)	(2)	(3)	(4)
	Fin	Ugic	Hum	Ugic
Dige	2.276^***		0.075^***
Dige	(2.683)		(4.989)
Fin		0.145^***
Fin		(4.531)
Hum				8.685^***
Hum				(4.850)
常数项	-3.950	-3.315	-0.341^***	-0.891
常数项	(-1.423)	(-1.121)	(-6.922)	(-0.295)
控制变量	控制	控制	控制	控制
年份固定效应	控制	控制	控制	控制
城市固定效应	控制	控制	控制	控制
样本量	1 187	1 187	1 187	1 187
调整后的R²	0.855	0.890	0.892	0.891

表6 门槛效应检验

Table 6 Threshold effect test

门槛变量	门槛模型	F值	P值	BS次数	临界值
门槛变量	门槛模型	F值	P值	BS次数	10%	5%	1%
Adv	单一门槛	26.20	0.035	1 000	19.418	23.440	32.877
	双重门槛	19.22	0.075	1 000	17.936	21.394	30.147
	三重门槛	8.02	0.617	1 000	20.491	24.028	35.532

图2 Adv门槛估计值及似然比检验

Fig.2 The threshold effect of Adv： estimate and likelihood ratio test

表7 门槛效应回归估计结果

Table 7 Regression results of the threshold effect

门槛变量：产业结构升级
（1）	（2）
变量	系数
$D i g e ∙ I A d v ≤ 0.4934$	-9.365^***
$D i g e ∙ I A d v ≤ 0.4934$	(-6.043)
$D i g e ∙ I 0.4934 < A d v ≤ 0.8004$	-3.114^***
$D i g e ∙ I 0.4934 < A d v ≤ 0.8004$	(-3.391)
$D i g e ∙ I A d v > 0.8004$	1.219^*
$D i g e ∙ I A d v > 0.8004$	(1.756)
常数项	-25.593^***
常数项	(-10.608)
控制变量	控制
年份固定效应	控制
城市固定效应	控制
样本量	1 187
调整后的R²	0.793

表7 门槛效应回归估计结果

Table 7 Regression results of the threshold effect

门槛变量：产业结构升级
（1）	（2）
变量	系数
$D i g e ∙ I A d v ≤ 0.4934$	-9.365^***
$D i g e ∙ I A d v ≤ 0.4934$	(-6.043)
$D i g e ∙ I 0.4934 < A d v ≤ 0.8004$	-3.114^***
$D i g e ∙ I 0.4934 < A d v ≤ 0.8004$	(-3.391)
$D i g e ∙ I A d v > 0.8004$	1.219^*
$D i g e ∙ I A d v > 0.8004$	(1.756)
常数项	-25.593^***
常数项	(-10.608)
控制变量	控制
年份固定效应	控制
城市固定效应	控制
样本量	1 187
调整后的R²	0.793

表8 异质性分析

Table 8 Heterogeneity analysis

变量及其他指标	Ugic
	（1）	（2）	（3）	（4）	（5）	（6）
	上游地区	中下游地区	资源型城市	非资源型城市	省会(首府)城市	非省会(首府)城市
Dige	2.042	3.184^***	-2.002	2.788^***	5.238^***	-1.541
Dige	(1.222)	(2.943)	(-1.074)	(2.951)	(4.253)	(-0.955)
常数项	3.238	-14.888^***	7.399	-1.290	12.683^***	-4.208
常数项	(0.684)	(-3.481)	(1.079)	(-0.364)	(3.081)	(-1.046)
控制变量	控制	控制	控制	控制	控制	控制
年份固定效应	控制	控制	控制	控制	控制	控制
城市固定效应	控制	控制	控制	控制	控制	控制
样本量	340	847	677	510	170	1 017
调整后的R²	0.800	0.833	0.770	0.880	0.953	0.791

参考文献 40

[1]	李达，林龙圳，林震，等.黄河流域生态保护和高质量发展的EKC检验［J］.生态学报，2021，41（10）：3965-3974.
[2]	孙继琼.黄河流域生态保护与高质量发展的耦合协调：评价与趋势［J］.财经科学，2021（3）：106-118.
[3]	张云飞，李娜.习近平生态文明思想的系统方法论要求：坚持全方位全地域全过程开展生态文明建设［J］.中国人民大学学报，2022，36（1）：1-10.
[4]	张明，赵蓉.黄河流域高质量发展目标下价值链融合对区域协调发展的影响研究［J］.人民黄河，2023，45（5）：24-29.
[5]	Huang Y， Wang Y.How does high-speed railway affect green innovation efficiency？：a perspective of innovation factor mobility［J］.Journal of Cleaner Production，2020，265：121623.
[6]	裴梦迪，刘乃全.国家级城市群规划能否促进城市绿色创新？［J］.现代经济探讨，2024（6）：16-26.
[7]	李政，刘丰硕.创新型城市试点能否提升城市绿色创新水平［J］.社会科学研究，2021（4）：91-99.
[8]	郑威，张义治.绿色财政政策能否提升城市绿色创新效率：创新技术集聚与创新人才集聚双重视角［J/OL］.科技进步与对策，1-13［2025-12-03］.
[9]	马军杰，杨晨，王晔.碳排放权交易政策对中国城市绿色创新的影响及其异质性分析［J］.经济问题，2025（1）：27-36.
[10]	Xin P， Zhao M， Bai Y.Does the belt and road initiative promote green innovation quality？：evidence from Chinese cities［J］.Sustainability，2022，14（10）：6060.
[11]	丁佐琴，千东必，汪小龙.贸易摩擦对城市绿色创新效率的影响研究：基于盈利质量分析的视角［J］.科研管理，2025，46（3）：160-169.
[12]	陆菊春，肖晓寒，卞文婕.知识产权保护与城市绿色创新：赋能还是挤出：以长三角与珠三角城市群为例［J］.科技进步与对策，2025，42（6）：34-45.
[13]	Yuan H， Zhang T， Feng Y，et al.Does financial agglomeration promote the green development in China？：a spatial spillover perspective［J］.Journal of Cleaner Production，2019，237：117808.
[14]	纪玉俊，张子琪.制造业集聚如何影响城市绿色创新效率？［J］.南京财经大学学报，2024（4）：12-22.
[15]	马宇佳.土地资源错配与城市绿色技术创新［J］.税务与经济，2023（5）：82-90.
[16]	杨春林，郭爱君，张永年.数据要素市场化能否提升城市绿色创新效率：基于数据交易平台建设的准自然实验［J］.科技进步与对策，2025，42（19）：10-22.
[17]	鲍鹏程.数字经济、创新活跃度与城市绿色创新［J］.统计与决策，2023，39（13）：16-21.
[18]	李婧，苏美雅.数字经济、创新资源空间错配与城市绿色创新效率［J］.研究与发展管理，2025，37（5）：79-91.
[19]	毛其淋，谢汇丰.服务业开放与制造业企业绿色创新［J］.数量经济技术经济研究，2025，42（10）：176-195.
[20]	刘晶，杨怡帆.数据要素流动对区域协调发展的影响机理研究［J］.管理学刊，2025，38（3）：133-148.
[21]	刘志彪，严文沁.从“世界工厂”到“智造强国”：中国制造业转型的逻辑与策略［J］.财经问题研究，2025（11）：3-15.
[22]	吕岩威，张帅.数字金融对绿色创新效率的影响及传导机制研究［J］.金融论坛，2022，27（8）：52-62.
[23]	Nguyen D K， Sermpinis G， Stasinakis C.Big data，artificial intelligence and machine learning：a transformative symbiosis in favour of financial technology［J］.European Financial Management，2023，29（2）：517-548.
[24]	顾海峰，童晓力.银行数字化转型、银企协同与企业期限错配风险［J］.经济理论与经济管理，2025，45（8）：72-91.
[25]	刘心怡，吴非，叶显.金融科技对企业融资约束的影响：结构优化、机制检验与金融监管效应差异［J］.金融论坛，2022，27（7）：22-31.
[26]	刁海璨，张延群.碳排放交易、基础研究与实质性绿色创新［J］.经济管理，2025，47（7）：107-124.
[27]	Tang K， Wang Y， Wang H.The impact of innovation capability on green development in China's urban agglomerations［J］.Technological Forecasting and Social Change，2024，200：123128.
[28]	孙伟增，毛宁，兰峰，等.政策赋能、数字生态与企业数字化转型：基于国家大数据综合试验区的准自然实验［J］.中国工业经济，2023（9）：117-135.
[29]	江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100-120.
[30]	Hansen B E.Sample splitting and threshold estimation［J］.Econometrica，2000，68（3）：575-603.
[31]	王珍愚，曹瑜，林善浪.环境规制对企业绿色技术创新的影响特征与异质性：基于中国上市公司绿色专利数据［J］.科学学研究，2021，39（5）：909-919.
[32]	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.
[33]	苏孜，周德良，李浩.数字经济对黄河流域产业结构转型升级的影响［J］.中国沙漠，2025，45（5）：161-171.
[34]	韦施威，杜金岷，潘爽.数字经济如何促进绿色创新：来自中国城市的经验证据［J］.财经论丛，2022（11）：10-20.
[35]	鹿洪源，马婕，陈旭东.多主体共治视角下财政生态转移支付的民生与环境协同激励效应：以跨省流域横向生态补偿机制为例［J］.经济经纬，2025，42（4）：16-31.
[36]	龚梦琪，刘海云，姜旭.中国低碳试点政策对外商直接投资的影响研究［J］.中国人口·资源与环境，2019，29（6）：50-57.
[37]	戴翔，华笑烨，林金官.环境规制、绿色全要素生产率与经济增长：人与自然和谐共生的经济学逻辑［J］.经济纵横，2025（3）：66-86.
[38]	吴玉彬，何非洋，王永瑜，等.基于冰冻圈背景的中国西部五省（区）旅游生态效率测度及其影响因素分析［J］.冰川冻土，2024，46（1）：325-334.
[39]	许英达，胡彦迪.能源转型政策与城市经济韧性：基于示范城市的经验证据［J］.统计与决策，2025，41（17）：58-63.
[40]	王欣亮，杜壮壮，刘飞.大数据发展、营商环境与区域创新绩效［J］.科研管理，2022，43（4）：46-55.