黄河流域数字经济发展与能源利用效率的关联特征及作用机制

doi:10.7522/j.issn.1000-694X.2025.00130

摘要/Abstract

摘要：

为了探究数字经济对能源利用效率的影响及其作用机制，进而提升黄河流域的能源利用效率，本文基于2014—2023年78个城市的面板数据，采用非期望产出超效率SBM模型和熵权TOPSIS法分别对能源利用效率和数字经济发展指数进行测算，并运用双向固定效应模型、中介效应模型和调节效应模型分析数字经济与能源利用效率之间的关系。结果表明：（1）黄河流域的能源利用效率在研究期间不断提升，但整体水平较低，且存在显著的空间差异，呈现东高西低的分布特征。（2）数字经济对能源利用效率具有显著的正向影响，尤其在黄河下游地区的效果更为明显。（3）数字经济通过提升产业结构和科技创新水平来促进能源利用效率的提高。此外，政府干预程度对产业结构高级化和科技创新水平与能源利用效率之间的正向关系具有显著的调节效应。

关键词: 黄河流域, 数字经济, 能源利用效率, 作用机制

Abstract:

To investigate the impact of the digital economy on energy utilization efficiency and its underlying mechanisms， thereby enhancing energy utilization efficiency in the Yellow River Basin， this study is based on panel data from 78 cities during the period from 2014 to 2023. The non-desired output super-efficiency SBM model and entropy-weighted TOPSIS method are utilized to measure energy utilization efficiency and the digital economy development index， respectively. Furthermore， a bidirectional fixed effects model， mediating effect model， and moderating effect model are employed to analyze the relationship between the digital economy and energy utilization efficiency. The findings indicate that：（1）The energy utilization efficiency in the Yellow River Basin has been continuously improving over the study period； however， and the overall level remains low， with significant spatial disparities characterized by a distribution pattern of "higher in the east and lower in the west". （2） The digital economy exerts a significant positive impact on energy utilization efficiency， particularly pronounced in the downstream regions of the Yellow River. （3） The digital economy enhances energy utilization efficiency by improving industrial structure and technological innovation levels. Additionally， the degree of government intervention significantly moderates the positive relationship between the advancement of industrial structure， technological innovation levels， and energy utilization efficiency.

Key words: Yellow River Basin, digital economy, energy utilization efficiency, mechanism of action

中图分类号:

F429.9

刘建华, 高新科, 葛世帅, 施天乐. 黄河流域数字经济发展与能源利用效率的关联特征及作用机制[J]. 中国沙漠, 2025, 45(5): 338-349.

Jianhua Liu, Xinke Gao, Shishuai Ge, Tianle Shi. Correlation characteristics and mechanism of action between digital economy development and energy utilization efficiency in the Yellow River Basin[J]. Journal of Desert Research, 2025, 45(5): 338-349.

图/表 13

参考文献 34

[1]	史利江，李前锦，高杉，等.黄河中游城市群绿色技术创新能力的时空演变与影响因素［J］.中国沙漠，2024，44（6）：122-134.
[2]	赵晓丽，张钰琛，杨曦.中国城市能源转型的特征及影响因素分析：基于中国131个城市的经验证据［J］.技术经济，2022，41（4）：130-140.
[3]	刘建华，高新科，施天乐，等.黄河流域农业用水效率的时空格局及影响因素研究［J/OL］.华北水利水电大学学报（自然科学版）：1-11.［2025-06-03］..
[4]	汪东芳，曹建华.互联网发展对中国全要素能源效率的影响及网络效应研究［J］.中国人口·资源与环境，2019，29（1）：86-95.
[5]	杨艳，林凌，王理.数字经济时代的“红利”与“鸿沟”：异质性劳动力的微观表征［J］.统计与决策，2024，40（3）：10-15.
[6]	Wang H， Wu D， Zeng Y.Digital economy，market segmentation and carbon emission performance［J］.Environment，Development and Sustainability，2023：1-25.
[7]	邱娟，陈钦萍，王波，等.黄河流域技术创新与农业绿色高质量发展耦合协调及影响因素［J］.中国沙漠，2024，44（4）：275-283.
[8]	陈晓东，杨晓霞.数字经济发展对产业结构升级的影响：基于灰关联熵与耗散结构理论的研究［J］.改革，2021（3）：26-39.
[9]	赵宸宇，王文春，李雪松.数字化转型如何影响企业全要素生产率［J］.财贸经济，2021，42（7）：114-129.
[10]	杨刚强，王海森，范恒山，等.数字经济的碳减排效应：理论分析与经验证据［J］.中国工业经济，2023（5）：80-98.
[11]	田鸽，张勋.数字经济、非农就业与社会分工［J］.管理世界，2022，38（5）：72-84.
[12]	向云，陆倩，李芷萱.数字经济发展赋能共同富裕：影响效应与作用机制［J］.证券市场导报，2022（5）：2-13.
[13]	岳书敬，张鑫和.数字经济对能源强度的影响研究［J］.南昌大学学报（人文社会科学版），2023，54（1）：77-90.
[14]	孔令章，李金叶.数字经济发展对中国绿色经济效率的影响［J］.经济体制改革，2022（6）：67-73.
[15]	张修凡，范德成.数字经济发展赋能我国低碳经济转型研究：基于国家级大数据综合试验区的分析［J］.科技进步与对策，2023，40（19）：118-128.
[16]	周磊，龚志民.数字经济水平对城市绿色高质量发展的提升效应［J］.经济地理，2022，42（11）：133-141.
[17]	Wang L， Chen L， Li Y.Digital economy and urban low-carbon sustainable development：the role of innovation factor mobility in China［J］.Environmental Science and Pollution Research，2022，29（32）：48539-48557.
[18]	白雪洁，孙献贞.互联网发展影响全要素碳生产率：成本、创新还是需求引致［J］.中国人口·资源与环境，2021，31（10）：105-117.
[19]	徐英启，程钰，王晶晶.中国资源型城市碳排放效率时空演变与绿色技术创新影响［J］.地理研究，2023，42（3）：878-894.
[20]	张逸昕，张杰.资源型城市低碳转型阶段性及其全要素生产率评价：基于非期望产出SBM模型［J］.科技管理研究，2020，40（14）：76-83.
[21]	刘洋，陈晓东.中国数字经济发展对产业结构升级的影响［J］.经济与管理研究，2021，42（8）：15-29.
[22]	李珒，胡佳霖，王熙.全球视域下数字经济发展的碳减排效应及其作用机制［J］.中国人口·资源与环境，2024，34（8）：3-12.
[23]	葛立宇，莫龙炯，张方.数字经济发展与城市区域创新：来自我国281个城市的经验证据［J］.广东财经大学学报，2022，37（5）：18-30.
[24]	郭炳南，王宇，张浩.数字经济、绿色技术创新与产业结构升级：来自中国282个城市的经验证据［J］.兰州学刊，2022（2）：58-73.
[25]	苏耀华，赵鹏睿，柳江.黄河流域数字经济与制造业高质量发展耦合协调及其障碍因子［J］.中国沙漠，2024，44（6）：268-276.
[26]	章玉贵，曹德军.数字经济赋能新质生产力的理论机制与实证检验［J］.上海经济研究，2025（6）：76-88.
[27]	范丹雪，刘明.数字经济、科技创新与生态保护耦合协调发展分析［J］.生态经济，2025，41（7）：165-175.
[28]	温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展，2014，22（5）：731-745.
[29]	方冬莉.数字经济对中国城市能源利用效率的影响：基于技术赋能和技术外溢视角［J］.资源科学，2023，45（2）：296-307.
[30]	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.
[31]	赵晓春，龙来春，周瑛.绿色金融、政府干预与区域碳排放效率［J］.统计与决策，2023，39（10）：149-154.
[32]	张英浩，汪明峰，刘婷婷.数字经济对中国经济高质量发展的空间效应与影响路径［J］.地理研究，2022，41（7）：1826-1844.
[33]	张哲华.数字经济发展对中国绿色全要素生产率的影响机制和效应研究［D］.太原：山西财经大学，2023.
[34]	张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长［J］.经济研究，2019，54（8）：71-86.

一级指标	二级指标	可测度指标
投入	资本投入	固定资本存量
	资本投入	固定资产投资总额
	能源投入	能源消耗总量
	能源投入	天然气供应量
	劳动力投入	制造业就业人数
	劳动力投入	电力煤气及水生产供应业从业人数
产出	期望产出	工业产值增量占比
	期望产出	地区生产总值
	非期望产出	二氧化碳排放量
		工业二氧化硫排放量
		工业废水排放量
		工业氮氧化物排放量

一级指标	二级指标	可测度指标
投入	资本投入	固定资本存量
	资本投入	固定资产投资总额
	能源投入	能源消耗总量
	能源投入	天然气供应量
	劳动力投入	制造业就业人数
	劳动力投入	电力煤气及水生产供应业从业人数
产出	期望产出	工业产值增量占比
	期望产出	地区生产总值
	非期望产出	二氧化碳排放量
		工业二氧化硫排放量
		工业废水排放量
		工业氮氧化物排放量

一级指标	二级指标	二级指标权重/%	三级指标	三级指标权重/%	指标属性
数字经济发展水平	数字化基础	19.67	互联网普及率	6.33	+
			移动电话普及率	5.82	+
			人均电信业务总量	7.52	+
	数字化产业	44.55	计算机服务与软件从业人员	7.38	+
			人均邮政业务收入	20.22	+
			人均电信业务收入	16.95	+
	数字化金融	35.78	年末金融机构人民币存款	22.13	+
			数字普惠金融指数	6.36	+
			普惠金融数字化程度	7.29	+

一级指标	二级指标	二级指标权重/%	三级指标	三级指标权重/%	指标属性
数字经济发展水平	数字化基础	19.67	互联网普及率	6.33	+
			移动电话普及率	5.82	+
			人均电信业务总量	7.52	+
	数字化产业	44.55	计算机服务与软件从业人员	7.38	+
			人均邮政业务收入	20.22	+
			人均电信业务收入	16.95	+
	数字化金融	35.78	年末金融机构人民币存款	22.13	+
			数字普惠金融指数	6.36	+
			普惠金融数字化程度	7.29	+

变量类型	变量名称	变量含义	样本量	平均值	标准差	最小值	最大值
被解释变量	DLCT	能源利用效率	780	0.678	0.335	0.218	1.322
解释变量	DEG	数字经济发展水平	780	0.209	0.094	0.013	0.687
控制变量	ECO	经济发展水平	780	1.530	0.619	0.126	3.415
	URB	城镇化水平	780	0.602	0.151	0.262	1.026
	POP	人口密度	780	5.910	1.149	1.847	7.575
	ERL	环境规制水平	780	1.869	0.236	0.419	2.738
	IND	工业化水平	780	0.410	0.181	0.074	3.048
中介变量	AIS	产业结构高级化	780	1.021	0.532	0.247	3.942
中介变量	TIL	科技创新水平	780	0.014	0.013	0.001	0.182
调节变量	GOV	政府干预程度	780	0.078	0.024	0.025	0.199