“双碳”目标下数字经济驱动绿色消费的机制与路径研究

Research on Mechanism and Path of Green Consumption Driven by Digital Economy under the Target of “Double Carbon”

摘要: “双碳”目标确立的背景下，构建新型绿色消费模式是适应生态文明建设、建设中国式现代化的必然选择，而数字经济已成为绿色消费的重要驱动力。基于2014~2023年中国内地30个省份的面板数据，使用调节、门槛、中介效应模型考察数字经济对绿色消费的直接影响和内在机制。研究结果表明：数字经济能显著促进绿色消费，并且对东部地区的作用更明显。机制检验表明：数字经济能通过绿色全要素生产率的提高和城市工资水平的提高来刺激绿色消费，其中研发投入和社会保障水平分别在数字经济促进绿色全要素生产率提高、城市工资收入水平提高的过程中起着正向调节作用，社会保障同时伴随门槛特征。据此，从强化数字基础设施建设、引导企业树立绿色发展理念、呼吁消费者绿色生活和建议政府加强保障等方面来提出数字经济推动绿色消费的政策建议。

Abstract: Under the background of the establishment of the goal of “double carbon”, building a new green consumption model is an inevitable choice to adapt to the construction of ecological civilization and build Chinese modernization, and the digital economy has become an important driving force for green consumption. Based on the panel data of 30 provinces in China from 2014 to 2023, this paper uses the model of regulation, threshold and intermediary effect to investigate the direct influence and internal mechanism of digital economy on green consumption. The results show that the digital economy can significantly promote green consumption, and the effect on the eastern region is more obvious. The mechanism test shows that digital economy can stimulate green consumption through the improvement of green total factor productivity and urban wage level, in which R&D investment and social security level play a positive regulatory role in the process of digital economy promoting green total factor productivity and urban wage income level respectively, and social security is accompanied by threshold characteristics. Based on this, this paper puts forward some policy suggestions on how to promote green consumption by digital economy from the aspects of strengthening the construction of digital infrastructure, guiding enterprises to establish the concept of green development, calling on consumers to live green and suggesting the government to strengthen protection.

1. 引言

党的二十大报告指出，要加快数字中国、网络强国建设。数字中国建设是推进中国式现代化的重要引擎，是构筑国家竞争新优势的重要支撑。数字经济是数字中国建设的重要驱动力。随着数字技术的不断创新升级，数字经济正蓬勃发展，也正在渗透进生产、消费的各个环节，为经济的高质量发展带来新动能，对消费的转型升级产生深刻影响。根据《全球数字经济白皮书》统计数据显示，2020年我国数字经济发展规模位居全球第二，成为推动传统产业改造和升级的新动能[1]。

积极稳妥推进碳达峰碳中和，实现“双碳”目标是一场广泛且深刻的经济社会系统性的变革。为了顺应新的发展方式，我国必须以“双碳”工作为总牵引和目标，推进资源优化配置和环境保护工作，积极倡导居民形成绿色低碳的生活方式，推动经济的全面绿色转型。在“双碳”目标的引领下，我国的绿色消费市场在快速发展。《促进绿色消费实施方案》提出了具体目标：到2025年，绿色低碳循环发展的消费体系初步形成；到2030年，绿色消费方式成为公众自觉选择，绿色低碳产品成为市场主流。在数字经济大力发展的当下，数字技术与消费者的日常行为加速融合，涌现了新型的数字消费方式。数字消费作为一种资源节约型环保消费模式，为消费领域的碳减排做出了巨大贡献。探究数字经济与绿色消费之间的关系既是助力“双碳”目标实现的重要步骤，也是为当前在“双碳”背景下找到经济绿色转型路径的核心举措。

2. 文献回顾

2.1. 数字经济：内涵、测度方法与影响

关于数字经济的内涵，Tapscott Don (1996)最早提出相关定义，他指出数字经济通过数字传递信息，数字经济是智能时代、网络发达时期的一种经济形式[2]。康铁祥(2008)认为数字经济明显区别于传统经济，是一种全新的经济形态[3]。李海舰(2021)认为数字经济包括数字产业化和产业数字化这两方面，分别是指数字经济发展所需的数字技术引导相关产业的出现和升级和农业、制造业等产业运用数字技术[4]。目前国内对数字经济的含义较为权威的理解可以参考中国信通院给出的定义，即数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力量，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态。目前，对数字经济测度的方法有两种，一种是直接法，一种是构建多维指标对比法。美国数字经济咨询委员会(DEBA)在2016年发布的报告中测算了美国的数字规模[5]。OECD在2017年发表的《衡量数字经济》中使用对比法构建数字经济指标体系，详细的指标体系对后来学者们测算数字经济有着指导意义。就数字经济的影响来说，熊子怡(2022)基于中国城市层面数据，发现数字经济发展能够显著缩小城乡收入差距[6]。黄庆华(2023)发现数字经济、数字产业化和产业数字化对城乡居民收入差距的影响均存在门槛效应[7]。周勇(2022)发现数字经济能够通过提高地区创新能力和全要素生产率来促进制造业转型升级[8]。蔡昉(2023)指出数字经济在发展的过程中要始终遵循以人民为中心的发展思想，紧密结合新发展理念，着力融合实体经济，为创造更多高质量就业岗位、增加劳动力报酬和改善收入分配，助力共同富裕的实现创造机会[9]。

2.2. 绿色消费：概念与影响因素

关于绿色消费的概念，1994年，联合国环境规划署提出了可持续消费的概念，强调绿色消费的重要性，自此关于绿色消费的研究不断拓展。Victoria K. Wells (2011)指出，消费者的绿色消费行为受到绿色消费观念的影响，而消费者的绿色消费行为会对全球气候变化产生间接影响，对整个经济的可持续性产生影响[10]。熊信平(2022)指出，绿色消费是一种能够促使生活、生产方式绿色化的一种消费[11]。关于绿色消费的影响因素研究中，Hyun Ju Lee (2013)认为影响绿色消费行为的关键因素是消费者的情绪等主观心理状况[12]。李文超(2023)使用结构方程模型，结合问卷分析对影响消费者购买绿色产品的影响因素进行了探究，研究表明，消费者的行为态度、主观规范等起着正向作用[13]。

目前，有关数字经济驱动绿色消费的研究较少，现有文献大多集中在理论分析层面的研究，鉴于此，本文拟通过实证分析找到“双碳”目标下数字经济驱动绿色消费行为的机制和路径，丰富现有研究在实证研究层面的不足。目前关于数字经济驱动绿色消费的路径研究各有不同，但鲜少从供需两个方面展开研究。本文以数据包络分析方法计算绿色全要素生产率作为供给端的中介变量、以城市工资收入作为需求端的中介变量进行研究，弥补了该领域的空缺。

3. 理论分析与研究假说

数字经济对消费结构转型升级具有巨大带动作用，数字经济能够通过产品和服务的智能化升级，创新产品功能和提升服务品质引领消费者产生更深层次的需求。数字经济的发展催生了平台经济、大数据、人工智能等新兴数据技术手段的出现，在这样的时代下，消费者实现商品的购买交易显得更为便利，减少了原本进行线下交易的资源消耗，助力碳减排的实现，助推消费结构的转型升级和绿色消费的实现。在生产上，数字经济能以数据生产要素推动生产方式低碳转型，以数字技术赋能推动生活方式绿色转型，以数字科技革命推动能源利用效率提升，推进绿色生产的同时助推绿色消费。鉴于此，本文提出如下假设1：

假设1：数字经济的发展有利于促进绿色消费水平的提升

随着数字经济的发展，企业研发投入进一步增加，激励绿色创新活动的开展，促进绿色全要素生产率的提升。绿色消费不仅涉及消费，也关系绿色低碳生产是否能够顺利开展。绿色消费要求从原材料生产、消费品购买、产品使用和最终处理的全部过程都以低碳为标准，这就倒逼生产者绿色转型满足消费者的绿色消费要求。数字经济推动企业运营的数字化转型，改变企业原本粗犷原始的生产方式，鼓励刺激企业使用绿色清洁能源，提高资源利用效率，在生产端实现企业的绿色高效生产。绿色全要素生产率的提高使得消费者剩余上升，提升消费者绿色消费的满意度，又更加促进了绿色消费。鉴于此，本文提出如下假设2a：

假设2a：数字经济有利于促进绿色全要素生产率提高，在供给端刺激绿色消费增长

数字经济发展会促进绿色全要素生产率的提高，而在这个过程中，研发投入越多，数字经济促进绿色全要素生产率的能力就越强。企业在进行绿色技术创新时需要大量资金投入，只有当企业不会面临内外融资困境，且有较多资金进行高投入高风险的创新活动时，企业的绿色技术创新积极性才会增强，企业会充分利用数字经济进行信息的交流与分享，缓解后续可能的融资约束问题，对绿色创新技术的研发投入增加，提升绿色技术水平。研发投入增加意味着生产设备的大量购入和高科技人才的大量引进，这也意味着数字经济基础设施条件、创新活动开展基础的优化，进一步激励创新，提高绿色技术水平，提高整个社会的绿色全要素生产率。鉴于此，本文提出如下假设2b：

假设2b：研发投入在数字经济促进绿色全要素生产率提高的过程中起着正向调节作用

数字经济的发展拓宽了劳动者收入来源渠道，数字经济催生了线上平台、人工智能等新型技术，更多体制外、跨行业的就业岗位得以诞生，也使得从业者的门槛降低，促进创业和工资收入的增长。工资是收入的重要来源。消费总是随着收入的变化而同向变动，收入是影响消费的最根本因素。绿色消费是消费的一部分，城镇居民收入的增加会增加绿色消费。工资水平和收入水平的上升有利于消费者消费绿色产品，并且高收入居民更追求健康营养安全的生活方式，会更愿意消费绿色高品质的产品。相对于低收入居民来说，高收入居民更愿意将环保意愿付诸行动。因此，居民工资收入提高会促进绿色消费。鉴于此，文章提出如下假设3a：

假设3a：数字经济有利于增加城市工资水平，在需求端刺激绿色消费增长

数字经济发展会促进城市工资收入的增加，而在这个过程中，社会保障程度越高，数字经济促进城市工资收入的能力就越强。反之，社会保障程度越低，数字经济促进城市工资收入的能力就越弱。社会保障灵活度的提高，数字经济衍生的人工智能等大数据技术能够提供更多自动化业务流程实现服务质量的提升，也可以通过覆盖全国的社会保险数字技术网络系统满足劳动力自由流动的需求，解决劳动者的就业问题，实现工资收入的保障和增加。此外，当地社会保障越好，越有利于培育数字经济基础设施，引导绿色消费需求，强化数字经济对绿色消费的积极作用。鉴于此，文章提出以下假设3b：

假设3b：社会保障水平在数字经济促进城市工资收入水平的过程中起着正向调节作用，并伴有门槛特征

4. 研究设计

4.1. 模型设定

1) 基准回归模型

为验证上述假设1，本文首先设定基准模型，考察双固定效应下数字经济对绿色消费的影响。基准模型(1)如下：

${\text{GreenC}}_{it}={\alpha }_1+{\alpha }_2{\text{DE}}_{it}+{\alpha }_3{\text{Controls}}_{it}+{\lambda }_i+{\mu }_t+{\epsilon }_{it}$ (1)

其中，${\text{GreenC}}_{it}$ 表示第i个省份t时期的绿色消费水平，${\text{DE}}_{it}$ 表示第i个省份t时期的数字经济发展水平，${\text{Controls}}_{it}$ 表示t时期i省份的各个控制变量，${\lambda }_i$ 和${\mu }_t$ 分别是个体固定效应和时间固定效应，${\epsilon }_{it}$ 是随机扰动项。

2) 非期望产出SBM模型

在学者[14] [15]的研究基础上，本文设定如下模型测算文章的机制变量—绿色全要素生产率。

${\rho }^{*}=\frac{1-\frac{1}{k}{\displaystyle \sum _{i=1}^k\frac{s_i^{-}}{x_{i0}}}}{1+\frac{1}{m_1+m_2}\left({\displaystyle \sum _{q=1}^{m_1}\frac{s_q^{w+}}{y_{q0}^w}+{\displaystyle \sum _{q=1}^{m_2}\frac{s_q^{a-}}{y_{q0}^a}}}\right)}$ (2)

$s_{.}{t}_{.}\{\begin{array}{l}{x}_{i0}={\displaystyle \sum _{j=1}^n{x}_{ij}{\lambda }_j+s_i^{-}},i=1,2,\cdots ,k\\ y_{q0}^w={\displaystyle \sum _{j=1}^n{y}_{qj}^w{\lambda }_j-s_q^{w+}},q=1,2,\cdots ,m_1\\ y_{q0}^a={\displaystyle \sum _{j=1}^n{y}_{qj}^a{\lambda }_j+s_q^{a-}},q=1,2,\cdots ,m_2\\ s_i^{-}\ge 0,s_q^{w+}\ge 0,s_q^{a-}\ge 0,{\lambda }_j\ge 0\end{array}$ (3)

其中，$x_{i0}$ 为决策单元对应的投入指标，$x_{ij}$ 是相应的投入矩阵，$y_{q0}^w$ 为期望产出指标，$y_{qj}^w$ 是期望产出矩阵，$y_{q0}^a$ 为非期望产出指标，$y_{qj}^a$ 是非期望产出矩阵。${\lambda }_j$ 、$s_i^{-}$ 、$s_q^{w+}$ 、$s_q^{a-}$ 分别为各自的权重向量。

3) 中介效应模型

为了验证假设2a与假设3a，进一步探究数字经济在促进绿色消费过程中的传导机制，结合式(1)，设定式(4)、(5)所示的中介检验模型。

${\text{Mid}}_{it}={\beta }_0+{\beta }_1{\text{DE}}_{it}+{\beta }_3{\text{Controls}}_{it}+{\lambda }_i+{\mu }_t+{\delta }_{it}$ (4)

${\text{GreenC}}_{it}={\gamma }_0+{\gamma }_1{\text{DE}}_{it}+{\gamma }_2{\text{Mid}}_{it}+{\gamma }_3\text{Controls}+{\lambda }_i+{\mu }_t+{\delta }_{it}$ (5)

其中，${\text{Mid}}_{it}$ 是本文的中介变量，即绿色全要素生产率和城市工资水平。其余变量与上述基准模型1相同。

4) 调节及门槛效应模型

为验证上文中的假设2b和假设3b，进一步探索绿色专利发明申请量和社会保障水平在数字经济促进绿色消费中的调节作用，研究社会保障的门槛特征，结合式(1)、(4)设定式(6)、(7)和(8)所示的调节检验和门槛检验模型。

${\text{Gr}}_{it}={\phi }_1+{\phi }_2{\text{DE}}_{it}+{\phi }_3{\text{R\&D\_inv}}_{it}+{\phi }_4{\text{DE}}_{it}\ast {\text{R\&D\_inv}}_{it}+{\phi }_5{\text{Controls}}_{it}+{\lambda }_i+{\mu }_t+{\tau }_{it}$ (6)

${\text{Uw}}_{it}={\upsilon }_1+{\upsilon }_2{\text{DE}}_{it}+{\upsilon }_3\ln {\text{Security}}_{it}+{\upsilon }_{4}D{E}_{it}\ast \ln {\text{Security}}_{it}+{\upsilon }_5{\text{Controls}}_{it}+{\lambda }_i+{\mu }_t+{\omega }_{it}$ (7)

$\begin{array}{c}{\text{GreenC}}_{it}={\rho }_0+{\rho }_1{\text{DE}}_{it}\times I\left(T{s}_{it}\le {\theta }_1\right)+{\rho }_{2}D{E}_{it}\times I\left({\theta }_1<T{s}_{it}\le {\theta }_2\right)+{\rho }_3{\text{DE}}_{it}\times I\left(T{s}_{it}>{\theta }_2\right)\\ +{\rho }_4{\text{Controls}}_{it}+{\lambda }_i+{\mu }_t+{\omega }_{it}\end{array}$ (8)

其中${\text{Gr}}_{it}$ 是本文设定的表示t时期i省份供给端的绿色全要素生产率，${\text{Uw}}_{it}$ 是需求端的城市工资水平。${\text{R\&D\_inv}}_{it}$ 是研发投入，${\text{Security}}_{it}$ 是社会保障水平。$T{s}_{it}$ 是门槛变量。${\tau }_{it}$ 、${\omega }_{it}$ 、${\delta }_{it}$ 分别是随机扰动项。其余变量与上述基准模型1相同。

4.2. 数据来源与变量说明

本文以中国内地30个省份(西藏自治区数据缺失) 2014~2023年的省级面板数据作为数据样本，所有数据均来源于CSMAR数据库、EPS数据库、《中国环境统计年鉴》《中国统计年鉴》《中国科技统计年鉴》，少量缺失数据用线性插值法或已有年份地区数据的平均值补齐。

1) 被解释变量

绿色消费是本文的被解释变量，用GreenC表示，借鉴谢迟[16]等的做法，从绿色消费生活系统和生态系统两个方面构建绿色消费指标体系，采用熵权法测度，构建的指标体系及指标方向、权重如表1所示。

Table 1. Green consumption indicator system

表1. 绿色消费指标体系

一级指标	二级指标	三级指标	方向	权重
绿色消费生活系统	消费水平	居民家庭天然气用量(万立方米)	−	0.013
		居民家庭液化石油气用量(吨)	−	0.028
		生活二氧化硫排放量(吨)	−	0.031
		人均日生活用水量(升)	−	0.069
		人均二氧化碳排放量(吨/人)	−	0.036
	低碳出行	每万人拥有公共交通车辆(标台)	+	0.165
		年末公共汽、电车运营数(辆)	+	0.352
绿色消费生态系统	绿色生态	人均公园绿地面积(平方米)	+	0.118
		人均道路面积(平方米)	−	0.056
		建成区绿化覆盖率(%)	+	0.056
	环境维护	生活垃圾无害化处理率(%)	+	0.039
		城市污水处理率(%)	+	0.037

2) 核心解释变量

本文的核心解释变量是数字经济，用DE表示。从数字产业化和产业数字化两个方面构建数字经济指标体系，采用熵权法进行测算，具体构建的指标体系及指标方向、权重如表2所示。

Table 2. Digital economy indicator system

表2. 数字经济指标体系

一级指标	二级指标	三级指标	方向	权重
数字产业化	通信业	移动电话年末用户(万户)	+	0.034
		互联网宽带接入端口数(万个)	+	0.042
		每百人使用计算机数(台)	+	0.024
		每百家企业拥有网站数(个)	+	0.006
	电子信息业	电信业务总量(亿元)	+	0.082
		邮政业务总量(亿元)	+	0.138
	软件和信息技术服务业	信息传输、计算机服务和 软件业从业人员数(万人)	+	0.074
		软件业务收入(亿元)	+	0.121
产业数字化	工业数字化	有效发明专利数(件)	+	0.183
		发明专利申请数(件)	+	0.153
		引进技术经费支出(万元)	+	0.125
	数字金融	数字普惠金融发展指数	+	0.019

3) 控制变量

本文采用产业结构(第三产业产值占第二产业产值的比值)、交通基础设施水平(公路里程数取自然对数)、居民生活水平(人均地区生产总值)、政府干预程度(财政支出占地区生产总值的比重)、劳动力水平(对就业人员数取自然对数)作为控制变量。分别用Industrial_st、lnTraffic_il、lnLiving_st、Gov_i、Labor_level表示。在稳健性检验中加入另外两个控制变量，城镇化水平(城镇人口数量占总人口数量的比重)和工业化水平(工业增加值占地区生产总值的比重)，分别用Urban、Ind_level表示。

4) 中介变量

本文拟从供给端和需求端分别构建中介模型，供给端选取绿色全要素生产率作为中介变量，用Gr表示。本文基于投入产出角度，选取劳动力投入(以城镇单位就业人员年末从业人数衡量)、资本投入(采用永续盘存法，以2000年为基期测算出的资本存量衡量)、能源投入(以能源消费总量衡量)作为投入指标，选取GDP作为期望产出的指标，工业二氧化硫排放量、工业烟粉尘排放量为非期望产出指标，采取数据包络分析DEA-SBM非期望模型测算效率，得到绿色全要素生产率Gr。

需求端选取城市工资水平作为中介变量，用Uw表示，用工资收入测算。

5) 调节变量

在考察数字经济对中介变量的影响中，加入调节变量的影响。本文拟选取研发投入(R&D经费内部支出占地区生产总值的比重)和社会保障水平(地区社会保障和就业支出占地区生产总值的比重)作为调节变量，分别用R&D_inv和Security表示。

5. 实证结果与分析

5.1. 数字经济与绿色消费水平分析

图1展示了中国内地30个省份2014年和2023年两年的数字经济发展水平。2014年我国的数字经济发展仍处在较低水平阶段，而江苏、北京及广东的数字经济发展水平相较于我国其他省份来说较高，其数字经济指数分别为0.132、0.124和0.218，这可能是因为，北京及其周边地区的经济发展较为迅速，人才资源相对丰富，挖掘数字技术的能力更优越，所以数字经济发展得更好。广东和江苏均属于沿海省份，本身经济发展速度较快，能更快更好发展数字经济以带动全国数字经济的增长。

到2023年我国各地的数字经济发展水平都有了明显的提高。东部沿海省份如江苏、浙江、山东、上海、广东等地的数字经济发展水平居于全国领先地位。广东的数字经济发展水平处在更高水平，数字经济发展指数达到了0.946，相较于2014年，上升了近4倍。内陆大部分省份的数字经济发展水平较2014年都有了很大程度的提升，少部分省份如新疆、贵州等地的数字经济发展水平较为缓慢。

图2展示了我国30个省份2014和2023年的绿色消费发展水平。从2014年我国各省份的绿色消费水平可以看出，绿色消费水平较高的区域主要集中在东部沿海区域，如江苏、浙江、山东、广东，此外北京的绿色消费水平也较高。这些地区在2014年的绿色消费指数分别为0.480、0.434、0.516、0.568和0.536。

从2023年我国各省份的绿色消费水平可以看出，绿色消费指数较高的省份仍然以东部沿海省份为主，内陆地区的绿色消费指数也较2014年有了很大的提高。新疆、青海等地绿色消费水平发展缓慢。2023年我国绿色消费指数最高的地区是广东，消费指数高达0.751。其次是山东，绿色消费指数达0.741，相较于2014年上涨了43.47%。东部沿海地区经济发展较内陆地区更为迅速。

(a)

(b)

注：基于自然资源部标准地图网站下载的审图号为GS (2019) 1822号的标准地图制作，底图无修改；空白区域数据缺失。下同。

Figure 1. China’s digital economy development level in 2014 (a) and 2023 (b)

图1. 2014 (a)、2023 (b)年中国数字经济发展水平

(a)

(b)

Figure 2. China’s green consumption development level in 2014 (a) and 2023 (b)

图2. 2014 (a)、2023 (b)年中国绿色消费发展水平

5.2. 基准回归

通过豪斯曼检验得知，选用固定效应模型更优。建立基准回归，结果如表3所示。第(1)列报告了数字经济对绿色消费单变量的时间与地区双固定回归结果，数字经济的(DE)的回归系数为0.162，且在1%的水平下显著为正；第(2)列报告了增加控制变量、未固定时间和地区的回归结果，数字经济(DE)的回归系数为0.368，且在1%的水平下显著；第(3)列报告了加入控制变量、同时对时间和地区进行双向固定的回归结果，数字经济(DE)的系数为0.186，且在1%的水平下显著。

回归表明，数字经济的确对绿色消费有着正向的促进作用，本文的假设1得到了验证。第(3)列回归结果表明，数字经济(DE)每提升一个单位，绿色消费(GreenC)指数会增加0.186个单位。从控制变量的结果来看，生活水平(lnLiving_st)、政府干预程度(Gov_i)的估计系数分别在5%和1%的水平下显著为正。说明人均地区生产总值、财政支出的增加有助于显著增加绿色消费。产业结构(Industrial_st)和劳动力水平(Labor_level)的系数分别在10%和1%的水平下显著为负，说明产业结构和劳动力水平会负向影响绿色消费。交通基础设施水平(lnTraffic_il)的系数不显著，表明公路里程数对绿色消费的影响不是很明显。

Table 3. Benchmark regression test results of digital economy on green consumption

表3. 数字经济对绿色消费的基准回归检验结果

变量名称	(1)	(2)	(3)
	GreenC	GreenC	GreenC
DE	0.162^***	0.368^***	0.186^***
	(0.027)	(0.038)	(0.029)
Industrial_st		0.025^***	−0.015^*
		(0.005)	(0.008)
lnTraffic_il		0.038^***	−0.026
		(0.007)	(0.025)
LnLiving_st		0.078^***	0.043^**
		(0.011)	(0.018)
Gov_i		−0.141^**	0.233^***
		(0.061)	(0.077)
Labor_level		0.006	−0.099^***
		(0.011)	(0.027)
_cons	0.368^***	−0.939^***	0.925^***
	(0.004)	(0.164)	(0.354)
YEAR FE	YES	NO	YES
REGION FE	YES	NO	YES
N	300	300	300
R^2	0.805	0.759	0.827

注：^*、^**和^***分别表示在10%、5%和1%水平下显著；括号内为稳健标准误，下同。

5.3. 稳健性检验

为进一步证实实证结果的可靠性，本文进行了内生性检验与稳健性检验，检验结果见表4。

1) 内生性检验

Table 4. Endogeneity test and robustness test results

表4. 内生性检验和稳健性检验结果

方法选择	内生性检验		稳健性检验
	第一阶段	第二阶段	熵权topsis		增加控制变量
变量名称	(1)	(2)	(3)	(4)	(5)
	DE	GreenC	rGreenC	rGreenC	GreenC
lnIV	3.176^***
	(3.920)
DE		0.793^***	0.229^***	0.224^***	0.229^***
		(3.860)	(0.030)	(0.033)	(0.029)
Controls	Control	Control	Not Control	Control	Control
Urban					0.524^***
					(0.107)
Ind_level					0.081
					(0.050)
Anderson canon. corr. LM statistic	12.530^*** [0.000]
Cragg-Donald Wald F statistic	11.507
_cons	39.500^***	0.551	0.268^***	1.404^***	0.906^***
	(−4.030)	(1.120)	(0.004)	(0.407)	(0.345)
YEAR FE	YES	YES	YES	YES	YES
REGION FE	YES	YES	YES	YES	YES
N	300	300	300	300	300
R^2	0.886	0.904	0.723	0.748	0.843

注：中括号内为p值，下同。

尽管本文考虑了诸多控制变量，也采用双固定效应模型，但由于以“双碳”目标为导向的政策促进低碳绿色消费，这种绿色消费对数字经济的发展又有示范作用，数字经济的发展会受到绿色消费的影响，这会导致模型可能受到反向因果的干扰，存在内生性问题。也可能由于遗漏变量的存在，让模型存在内生性。鉴于此，本文拟采用两阶段最小二乘法对模型估计结果进行内生性检验。借鉴朱洁西[17]等人的做法，用1984年每百人固定电话数和上一年全国信息技术服务收入的交乘项作为工具变量IV进行回归估计。如表4列(1)、(2)结果所示，工具变量检验中不可识别检验在1%的水平下显著，说明工具变量识别有效，也通过了弱工具变量检验。第一阶段回归，工具变量系数1%的水平下显著为正，第二阶段回归数字经济系数在1%的水平下显著为正，与基准回归结果相同。说明本文所构建模型的内生性问题得到较好解决。

2) 重新测度被解释变量

为进一步证实本文基准回归结果的准确性，本文使用熵权topsis的综合评价方法重新测算绿色消费指数，表示为rGreenC，代替原来的被解释变量进行回归。回归结果如表4列(3)、列(4)所示。其中列(3)并没有加入控制变量，列(4)加入控制变量，结果表明，无论加入控制变量与否，数字经济指数(DE)都在1%的水平下显著为正，说明数字经济的发展确实能刺激绿色消费，与本文的基准回归结果一致，证明本文的基准回归结果稳健。

3) 增加控制变量

同样为了证实本文基准回归结果的稳健性，增加控制变量城镇化水平(Urban)和工业化水平(Ind_level)。重新对模型进行显著性水平检验，回归结果如表4列(5)所示，结果表明，数字经济(DE)的系数在1%的水平下显著为正，表明实证结果通过稳健性检验。

5.4. 区域异质性分析

中国经济区域主要分为东、中、西部地区。由图1、图2可知，中国东部沿海地区的数字经济发展水平较中西部地区更高，绿色消费指数也大致呈现东部沿海区域高、内陆较低的趋势。因此，数字经济发展水平对绿色消费可能存在地区异质性影响。为此，本文进行分样本回归，回归结果如表5、表6所示。

Table 5. Impact of digital economy on green consumption in eastern, central and western China

表5. 中国东、中、西部地区数字经济对绿色消费的影响

变量名称	(1)	(2)	(3)
	东部地区	中部地区	西部地区
DE	0.147^***	0.330	0.233
	(0.036)	(0.261)	(0.180)
Controls	Control	Control	Control
_cons	0.748	−0.288	−0.133
	(1.174)	(0.818)	(0.960)
YEAR FE	YES	YES	YES
REGION FE	YES	YES	YES
N	110	80	110
R^2	0.886	0.880	0.786

Table 6. Impact of digital economy on green consumption in highly developed, relatively developed and underdeveloped regions

表6. 高发达、较发达、欠发达地区数字经济对绿色消费的影响

变量名称	(1)	(2)	(3)
	高发达地区	较发达地区	欠发达地区
DE	0.204^***	0.281	−0.404
	(0.038)	(0.296)	(0.581)
Controls	Control	Control	Control
_cons	3.777^***	−0.449	1.000
	(0.938)	(0.581)	(0.687)
YEAR FE	YES	YES	YES
REGION FE	YES	YES	YES
N	120	100	80
R^2	0.889	0.829	0.833

根据国家统计局划分，内地30省市分属于东部、中部、西部和东北四大区域，将东北区域包括的省份划入东部区域中。回归结果如表5所示。列(1)显示，中国东部地区的数字经济发展指数系数为0.147，在1%的水平下显著为正，说明中国东部地区的数字经济发展能促进绿色消费水平的提升；列(2)、列(3)是中国中部和西部地区数字经济的影响结果，数字经济的系数不显著，说明在中部和西部地区，数字经济对绿色消费的促进作用并不明显，可能是当地政府更注重经济的发展，略微忽视了经济结构转型的重要性，对居民绿色消费的呼吁程度略显不足，居民的消费结构尚未呈现明显改变。

基于2014年至2023年中国30个省份数字经济发展指数的平均值，将30个省份分为数字经济发展高发达(广东、江苏、北京、浙江、上海、山东、四川、湖北、福建、辽宁、河南和河北)、较发达(安徽、陕西、湖南、重庆、天津、黑龙江、江西、云南、吉林和广西)、欠发达地区(山西、贵州、内蒙古、甘肃、新疆、海南、宁夏和青海)，研究不同数字经济发展水平地区数字经济对绿色消费的影响。回归结果如表6所示。列(1)展示了数字经济高发达地区的数字经济对绿色消费的影响，可以看到数字经济系数为0.204，且在1%的水平下显著，表明数字经济越发达，绿色消费指数也越高，数字经济能显著促进绿色消费的发展；列(2)、(3)系数都不显著，说明在较发达和欠发达地区，数字经济发展对绿色消费的影响不大。

5.5. 中介效应分析

为了验证假设2a与3a，进一步探究供需两端数字经济对绿色消费的作用路径，本文依据构建的三步中介效应模型，检验绿色全要素生产率和城市工资水平的中介作用。结果如表7所示。表7列(2)表明，数字经济对绿色全要素生产率的影响系数为0.240，且在5%的水平下显著，表明数字经济对绿色全要素生产率有着正向的促进作用。列(3)结果表明，数字经济和绿色全要素生产率的系数都显著为正，验证了绿色全要素生产率中介效应的存在。列(4)表明，数字经济对城市工资水平的影响系数为0.109，且在5%的水平下显著，表明数字经济对城市工资水平有着正向的促进作用。列(5)结果表明，数字经济和绿色全要素生产率的系数都显著为正，验证了城市工资水平中介效应的存在。

Table 7. Test of the mediating mechanism of green total factor productivity

表7. 绿色全要素生产率中介机制检验

变量名称	(1)	(2)	(3)	(4)	(5)
	GreenC	Gr	GreenC	UW	GreenC
DE	0.186^***	0.240^**	0.288^***	0.109^**	0.362^***
	(6.460)	(2.130)	(6.820)	(2.390)	(6.980)
Gr			0.046^*
			(1.730)
UW					0.046^*
					(1.730)
Controls	Control	Control	Control	Control	Control
_cons	0.925^***	3.202^**	−0.989^***	8.103^***	−0.979^***
	(2.610)	(2.310)	(−4.780)	(14.350)	(−6.300)
YEAR FE	YES	YES	YES	YES	YES
REGION FE	YES	YES	YES	YES	YES
N	300	300	300	300	300
R^2	0.827	0.552	0.751	0.989	0.989

5.6. 调节及门槛效应分析

为了验证假设2b与假设3b，本文分别将研发投入和社会保障程度作为调节变量，构建其与数字经济的交互项并加入回归，结果如表8中列(2)、(4)所示。

Table 8. Moderating effect and threshold effect test

表8. 调节效应及门槛效应检验

变量名称	(1)	(2)	(3)	(4)	(5)
	Gr	Gr	Uw	Uw	GreenC
DE	0.240^**	0.744^**	0.109^**	0.271^***
	(2.130)	(0.287)	(0.046)	(0.089)
R&D_inv		4.281
		(3.258)
DE*R&D_inv		19.270^*
		(11.100)
lnSecurity				−0.044^*
				(0.025)
DE*lnSecurity				0.292^**
				(0.146)
DE (lnSecurity < 0.055)					−0.050
					(0.083)
DE (0.055 ≤ lnSecurity < 0.490)					0.256^***
					(0.059)
DE (lnSecurity ≥ 0.490)					0.114^***
					(0.028)
Controls	Control	Control	Control	Control	Control
_cons	3.202^**	2.122	8.103^***	9.359^***	0.128
	(2.310)	(1.368)	(0.565)	(0.633)	(0.285)
YEAR FE	YES	YES	YES	YES	YES
REGION FE	YES	YES	YES	YES	YES
N	300	300	300	300	300
R^2	0.552	0.582	0.989	0.989	0.797

表8中列(1)中数字经济指数的系数为0.240，在5%的水平下显著为正，表明数字经济的发展有利于促进绿色全要素生产率的提高。列(2)中数字经济与研发投入的交互项系数为正，且显著为正，说明研发投入正向调节数字经济与绿色全要素生产率的关系。

表8列(3)中数字经济指数系数为0.109，且在5%的水平下显著，说明数字经济发展显著促进了工资的增加。列(4)中数字经济与社会保障程度的交互项系数为正，且在5%的水平下显著为正，说明社会保障程度正向调节数字经济与城市工资水平的关系。

为了进一步研究社会保障程度在数字经济驱动绿色消费过程中是否存在门槛效应，采用上文构建的面板门槛模型进行实证检验。首先，通过Bootstrap反复抽样500次，结果显示，社会保障程度通过了双重门槛检验，未通过三重门槛检验。其中社会保障程度的门槛值为0.055和0.490。表8列(5)汇报了门槛效应的回归结果。结果显示，当社会保障程度不超过0.055时，数字经济对绿色消费的影响并不显著，当社会保障程度指数在0.055和0.490之间时，数字经济回归系数为0.256，表明在该区间内，政府增强社会保障强度能够在短期内强化数字经济对绿色消费的促进作用，而当社会保障程度指数大于0.490时，数字经济回归系数为0.114，表明社会保障强度达到一定程度后，会减弱数字经济对绿色消费的正向影响。

6. 结论与政策建议

本文基于2014~2023年中国内地30个省份的面板数据，采用中介、调节、门槛效应模型实证分析了数字经济驱动绿色消费的机制和路径。研究结果表明，数字经济的发展显著促进了绿色消费的增长，这一结论在进行了一系列的稳健性检验后仍然成立。对作用机制路径的研究结果表明，数字经济可以显著促进绿色全要素生产率的增加，在供给端促进绿色消费；也可以显著促进城市工资收入的增加，在需求端促进绿色消费。其中，研发投入和社会保障水平分别在两条路径中起着正向的调节作用，且社会保障存在门槛特征。

本文提出如下政策建议：第一，加快推动数字经济发展，推进大数据、云计算等信息技术基础设施的建设与升级，促进数字经济进一步发展壮大。依托人工智能、物联网等技术实现资源的优化配置与共享，助力绿色低碳出行、能源结构改善、企业数字化转型、经济绿色低碳发展的实现，改善消费结构，助力绿色消费水平提升。第二，引导企业逐步树立并承担绿色生产和绿色发展的社会责任，鼓励督促企业扩大绿色产品的生产力度。在全行业内评选绿色生产标杆企业，使其成为引领全社会低碳生产的“带头人”。企业也要加大研发投入，增强创新能力，加大研发绿色创新产品的力度，扩大绿色产品市场，同时也要秉持诚信理念，客观宣传产品，吸引消费者消费，满足消费者的绿色消费需求。第三，呼吁消费者树立绿色消费观念，购买低碳环保产品，依托数字经济发展带来的便利设施，如线上购物平台、新能源交通工具等打造绿色生活方式。第四，政府应采取多种措施保障绿色消费，提高社会保障程度和就业水平，以期提高居民的工资收入来拉动绿色消费。政府也要加强对数据市场的监管，建立健全数据保护制度，保障数据市场安全有效开展服务。