数字经济发展如何改善城市碳排放？——基于长三角城市群的证据

How Can the Development of the Digital Economy Improve Urban Carbon Emissions?—Evidence Based on the Yangtze River Delta Urban Agglomeration

摘要: 城市群低碳发展对中国“双碳”目标的顺利实现具有重要战略意义，数字经济时代则为区域碳减排带来新的助力和机遇。研究选取了2011~2020年长三角城市群27个城市的面板数据，基于熵值法测度数字经济发展水平，运用双向固定效应模型和机制检验实证分析数字经济对城市碳排放的影响与作用机制。研究表明：(1) 数字经济对碳排放影响显著，且呈现先增后减的倒“U”型特征。(2) 异质性分析表明，数字经济对碳排放的影响因数字经济发展水平、碳排放强度的不同表现出显著性差异。(3) 机制检验发现，数字经济通过促进产业结构升级和绿色技术创新，进而对碳排放表现出先增后减的非线性关系。文章丰富了“双碳”背景下长三角城市群数字经济对城市碳排放的理论研究，为长三角城市群因地制宜发展数字经济，推动城市低碳发展提供经验与政策启示。

Abstract: The low-carbon development of urban agglomerations is of great strategic significance to the smooth realization of China’s “double carbon” goal. The era of digital economy brings new impetus and opportunities for regional carbon emission reduction. This study selects the panel data comprising 27 cities in the Yangtze River Delta urban agglomeration from 2011 to 2020, measures the level of digital economy development based on the entropy method, and uses the two-way fixed effect model and mechanism test to explore the influence and mechanism of digital economy on urban carbon emissions. The study demonstrates that: (1) The digital economy has a significant impact on carbon emissions, and it shows an inverted “U” type characteristic of increasing first and then decreasing. (2) Heterogeneity analysis manifests that the digital economy has a significant impact on carbon emissions due to the different levels of digital economy development and carbon emission intensity. (3) The mechanism test finds that the digital economy shows a non-linear relationship of increasing first and then decreasing carbon emissions by promoting industrial structure upgrading and green technology innovation. This paper enriches the theoretical research on the impact of digital economy on urban carbon emissions in the Yangtze River Delta urban agglomeration under the background of “double carbon” and provides experience and policy enlightenment for the Yangtze River Delta urban agglomeration to develop digital economy according to local conditions and promote urban low-carbon development.

1. 引言

全球气候变暖问题是当前人类面临的重大全球挑战，正严重威胁着人类的生存和可持续发展[1]。自改革开放以来，我国的碳排放量呈持续增长态势。为此，习近平总书记于2020年9月在联合国大会上提出了“2030碳达峰、2060碳中和”的“双碳”目标，以积极应对全球气候变暖和促进经济绿色发展。与此同时，当代数字经济迅速发展，取得了前所未有的成就。《中国数字经济发展报告(2022年)》显示，2021年我国数字经济规模达到45.5万亿元[2]，其在GDP的占比高达39.8%，反映了数字经济在经济增长中的重要地位。当下，数字经济快速发展为中国经济增长注入新动力，也为达成“双碳”目标和低碳发展提供新路径。数字经济通过数字赋能，从多维度对社会生产、消费方式进行转型与升级，实现动力、效率、质量的变革，减轻了对传统能源的过度依赖与对环境的污染，推动社会绿色低碳转型。基于此，深入研究数字经济与碳排放之间的关系不容忽视[3]。

作为“一带一路”的重要枢纽，长三角城市群不仅是中国经济增长的强大引擎和最大经济实体，也是中国数字经济最活跃、最前沿的地区。由于过去几十年长三角城市群快速的城市化与工业化，能源消耗激增、产业结构不协调等问题，该地区碳排放量居高不下[4]，特别在“十三五”期间，长三角地区碳排放年均增长率高达2.4% [5]。近些年来，长三角城市群不断重视生态文明建设，推动生态绿色一体化发展，已成为目前全国低碳试点城市最多的地区。基于此背景，深入剖析该地区数字经济对碳排放的影响，对推动长三角绿色低碳转型与一体化发展，具有举足轻重的战略意义，也为其他地区相关的研究提供理论和方法上的借鉴。

2. 文献综述

数字经济的概念在1995年被美国经济学家Don Tapscott率先提出，指的是互联网兴起后各生产关系。随着时代的更迭与信息技术的快速发展，数字经济的内涵得以丰富与拓展。不同学者和组织对数字经济有着不同的界定与理解。经济合作与发展组织(OECD)把数字经济定义为一种经济活动，将通过电子订购或是电子交付手段实现商品与服务交易的经济活动纳入数字经济范畴[6]。《中国数字经济发展报告(2022)》将数字经济视为以数字化知识和信息为关键生产要素，以数字技术为核心驱动力，以现代信息网络为重要载体，加快经济发展与治理模式的新型经济形态[7]。

在数字经济飞速增长和追求“双碳”目标的大背景下，越来越多的学者开始关注数字经济对碳排放量产生的影响。大部分学者认为数字经济的发展能有效抑制碳排放。Yu Z等(2022)实证发现，数字经济对碳排放具有显著的抑制作用，且随着数字经济的发展，越来越多的城市呈现出数字经济与碳排放的绝对脱钩，正在转向低碳发展[8]。另外，有部分学者认为数字经济与碳排存在非线性关系。Li Z等(2022)通过实证发现数字经济与碳排放之间呈倒“U”型关系，即先增后减的趋势[9]。

此外，学界对数字经济对碳排的影响作用机制进行了大量的研究。孔令章等(2023)研究发现产业结构升级为数字经济发展“减排”与“增效”的中介机制，而人力资本仅为“增效”的中介机制[10]。Meng Z等(2023)指出数字经济通过推动产业结构升级和促进绿色技术创新较好地抑制城市碳排放，并且随着时间推移，数字经济对城市碳减排的促进作用将更加明显[11]。

现有研究在探讨数字经济与碳排放的关系上取得了丰富的成就。数字经济对碳排放的关系无统一口径。但总体来看，更多的研究讨论的是数字经济与碳排放的线性关系，较少的关注非线性影响。另外，受制于经济条件、资源等因素，各地区数字经济发展与碳排放情况存在区域异质性。而现有研究焦点多聚焦于全国层面，忽视了对区域层面的深入探究。

鉴于此，本文基于2011~2020年长三角城市群27个城市的面板数据，利用双向固定效应模型探讨数字经济与城市碳排放的非线性关系，在此基础上纳入产业结构升级、绿色技术创新两个机制变量，分析数字经济影响城市碳排放的作用机制。并考虑到不同城市的异质性，从城市数字经济发展水平、碳排放强度展开异质性分析。对数字经济时代下城市低碳发展具有重要意义。

3. 理论分析与研究假设

3.1. 数字经济对碳排放的影响

数字经济作为数字时代发展的产物，通过赋能数字技术，不断完善社会的数字化、网络化、智能化。在“双碳”背景下，数字经济的快速发展，对碳减排起着至关重要的作用。但数字经济对碳排放并非是简单的线性关系，表现为库兹涅茨曲线，即数字经济与城市碳排放之间呈倒U型关系。

数字经济发展初期，数字经济会短暂促进城市碳排放。在这一时期，数字产业初步发展。而数字经济的发展需要数字要素的投入，带来较大的投资增长。数字经济前期的运营与发展需要建设大量的基础设施与电力消耗，消耗了大量的能源，进而增加了碳排放量。并且，发展初期，传统的产业结构与生产方式导致经济产出需消耗大量能源，导致碳排放量的增多。

数字经济发展到一定阶段，达到某一临界点之后，碳排放将逐渐减少。当数字经济发展至中后期，即EKC曲线右侧，数字经济对碳排放表现出显著的抑制作用。随着数字经济的快速发展，数字产业蓬勃发展，数字经济已深度融入经济和社会生活。从生产角度分析，数字经济的发展降低了对传统能源的依赖，优化了能源结构，提升了资源配置与生产要素，减少了生产中的二氧化碳。从生活方式分析，数字经济发展推动了生活方式的绿色低碳转型。从技术层面分析，数字经济为低碳转型提供了技术支持。大数据、云计算等技术为政府对碳排放、空气质量监测提供了技术保障。

基于此，提出以下假设：

H1：数字经济对城市碳排放影响呈先增加后减少的倒“U”型关系。

3.2. 数字经济对碳排放的影响机制

3.2.1. 产业结构升级

数字经济通过推动传统产业转型升级，促进碳减排。一方面，数字经济与传统产业交叉融合，通过数字技术如大数据、云技术等运用，实现了资源的优化配置，降低了低效的能源消耗和产能过剩，提高了资源的利用效率，减少了碳排放。另一方面，数字经济利用数字技术对生产流程深度优化并对信息数据进行深度发掘、分析，使生产向智能化、集约化转型。

3.2.2. 绿色技术创新

绿色技术创新也是碳减排的重要影响机制。数字经济的发展与成熟促进了绿色技术的创新。一方面，绿色技术的创新推动了高碳产业向技术密集与环境友好型产业转变，提高生产效率与技术效能，降低生产过程中释放的二氧化碳。另一方面，数字经济引领的绿色需求激励企业不断进行绿色技术创新，降低企业固定成本，丰富企业产品类型，以强化产品的差异性优势，提高企业竞争力。

如上所述，数字经济发展通过产业结构升级与绿色技术创新对碳减排产生作用。

基于此，提出以下假设：

H2：数字经济通过产业结构升级和绿色技术创新起到碳减排作用。

综上，提出本文的理论分析与研究假设，理论框架见图1。

Figure 1. The mechanism of digital economy development on carbon emissions

图1. 数字经济发展对碳排放的作用机制

4. 研究设计

4.1. 模型构建

为研究数字经济发展如何影响碳排放，构建双向固定效应模型，具体模型如下：

lnCEI_it = β₀ + β₁lnDig_it + β₂ ln${\text{Dig}}_{it}^2$ + β_iZ_it + u_i + λ_t + ε_it (1)

其中：i表示城市，t表示年份；lnCEI_it为被解释变量，即碳排放强度，核心解释变量lnDig为城市i在t年的数字经济发展水平；为研究数字经济对碳排放是否存在倒“U”关系，故引入核心解释变量的二次项lnDig²；Z_it为控制变量，u_i为时间固定效应，λ_t为个体固定效应，ε_it为随机扰动项。

4.2. 变量选择

本文选取碳排放强度作为被解释变量，数字经济发展水平为核心解释变量，同时选取经济发展水平、人口规模、人力资本、工业化程度作为控制变量，产业结构升级、绿色技术创新作为机制变量。

被解释变量：碳排放强度(lnCEI)。碳排放强度反映每单位GDP的二氧化碳排放量。碳排放强度数据来源于IPE计算的每单位CO₂排放量数据，并作对数处理。

核心解释变量：数字经济发展水平(lnDig)。考虑数据的可得性，参考赵涛[12]等的研究思路，从互联网普及率、互联网相关从业人员数、互联网相关产出、移动互联网用户数、数字金融普惠发展五个维度构建数字经济发展水平指标构。并运用熵值法确定各指标权重，经计算后得到数字经济发展指数，并作对数处理，见表1。

Table 1. Index system of comprehensive development level of urban digital economy in China

表1. 中国城市数字经济综合发展水平指标体系

一级指标	二级指标	三级指标	指标属性	权重
数字经济 发展指数	互联网普及率	每百人互联网用户数	+	0.1908
	互联网相关从业人员数	计算机服务和软件从业人员占比	+	0.3635
	互联网相关产出	人均电信业务总量	+	0.1507
	移动互联网用户数	每百人移动电话用户数	+	0.1930
	数字金融普惠发展	中国数字普惠金融指数	+	0.1020

机制变量：

产业机构升级(lnIsu)。选择第三产业增加值与第二产业增加值比重的对数衡量。

绿色技术创新。本文采用各地级市每万人绿色发明专利申请数(Inn)与绿色实用新型专利授权数(lnUm)的对数作为绿色技术创新的代理变量。

控制变量：

选择的控制变量有：经济发展水平(lnPgdp)，以各城市实际人均GDP，即GDP与城市常住人口比重取对数表示。人口规模(lnPop)，以各城市常住人口数取对数表示。人力资本(Hc)，以普通本专科在校学生数与年末总人口数之比表示。工业化程度(Isu)，以第二产业增加值与国民生产总值之比表示。

4.3. 数据来源与描述性统计

考虑到数据的可得性，本研究选取2011~2020年长三角城市群27个城市作为研究对象，形成270个样本观测数据。城市碳排放强度面板数据来自公众环境研究中心(IPE)整理收集的城市二氧化碳排放数据。数字金融普惠指数由北京大学数字金融研究中心与蚂蚁金服共同编制。绿色专利申请与授权数据来自CNRDS数据库。其余数据源自《中国城市统计年鉴》、各省份统计年鉴及各市统计年鉴。各变量描述性统计结果如表2所示。

5. 实证分析

5.1. 基准回归结果

根据上文分析，本文运用双向固定效应模型进行基准回归，结果如表3所示。其中，第(1) (2)列是未加入任何控制变量的结果，(3) (4)列是加入控制变量后的结果。由表3可知，在未加入控制变量时，数字经济的一次项系数为0.11，二次项系数为−0.033，分别在10%、5%下显著，说明数字经济水平与碳排放强度之间存在倒“U”型关系。(3) (4)列引入控制变量，发现一次项系数及二次项系数仍为正负

Table 2. Descriptive statistics

表2. 描述性统计

变量	样本数	均值	标准差	最小值	最大值
lnCEI	270	0.327	0.443	−0.545	1.708
lnDig	270	−1.456	0.531	−2.840	−0.150
lnDig^2	270	2.400	1.598	0.022	8.067
lnPgdp	270	2.054	0.439	0.791	2.889
lnPop	270	6.179	0.689	4.292	7.819
Hc	270	0.026	0.026	0.001	0.127
Ind	270	0.472	0.062	0.263	0.649
lnIsu	270	−0.003	0.285	−0.786	1.025
Inn	270	1.382	1.292	0.021	7.539
lnUm	270	6.074	1.286	2.565	9.013

Table 3. Two-way fixed effect model regression results

表3. 双向固定效应模型回归结果

	(1) Ln CEI	(2) Ln CEI	(3) Ln CEI	(4) Ln CEI
lnDig	0.110^*		0.150^**
	(0.063)		(0.065)
lnDig^2		−0.033^**		−0.036^**
		(0.013)		(0.014)
ln Pgdp			0.094	0.089
			(0.156)	(0.155)
ln Pop			0.436^**	0.422^**
			(0.187)	(0.187)
Hc			2.101^*	1.839
			(1.269)	(1.273)
Ind			1.021^***	0.933^**
			(0.378)	(0.374)
常数项	0.801^***	0.721^***	−2.541^*	−2.540^*
	(0.125)	(0.060)	(1.392)	(1.382)
城市	YES	YES	YES	YES
年份	YES	YES	YES	YES
N	270.000	270.000	270.000	270.000
R^2	0.609	0.614	0.635	0.637

注：括号内为标准误，^*、^**和^***分别表示通过10%、5%和1%的显著性检验。下表同。

且在5%的水平下显著，说明数字经济发展对碳排放强度确实存在倒“U”型关系，假说1得证。并且根据公式(1)计算对称轴X = −β₁/2β₂，得出数字经济发展影响城市碳排放地倒“U”型的拐点为2.08。

5.2. 稳健性检验

5.2.1. 替换被解释变量

本文替换被解释变量，以人均碳排放量代替碳排放强度，在此基础上进行回归。结果见表4，在替换被解释变量情况下数字经济一次项与二次项系数符号未发生变化，且通过了5%显著水平，这表明长三角城市群数字经济的发展对碳排放呈现先增后减的非线性关系。

Table 4. Robustness test: Replacing explanatory variables

表4. 稳健性检验：替换被解释变量

	(1) 人均碳排放量	(2) 人均碳排放量
lnDig	3.054^***
	(0.867)
lnDig^2		−0.405^**
		(0.188)
控制变量	YES	YES
城市	YES	YES
年份	YES	YES
N	270.000	270.000
R^2	0.237	0.211

5.2.2. 解释变量滞后回归

数字经济本身发展对碳排放的影响可能存在一定的滞后性，故将解释变量数字经济发展指数滞后1期，重新进行基准回归。结果表5 (1) (2)列表明lnDig与lnDig²系数仍显著且符号未发生变化，即本文结论仍然稳健。

Table 5. Robustness test: Explanatory variables are lagged one period

表5. 稳健性检验：解释变量滞后一期

	(1) lnCEI	(2) lnCEI
L.lnDig	0.124^*
	(0.064)
L.lnDig^2		−0.029^**
		(0.014)
控制变量	YES	YES
城市	YES	YES
年份	YES	YES
N	243.000	243.000
R^2	0.590	0.591

5.2.3. 删除特殊样本

剔除直辖市。上海作为长三角城市群的中心城市，其经济、科技等方面的发展水平远超过长三角其他城市。并且考虑到上海对周边地级市会产生“虹吸”效应，为规避城市特殊性影响研究结果，故在样本中剔除直辖市上海重新进行分析。表6结果可见，剔除上海后，数字经济系数在5%水平下显著，说明了长三角城市群数字经济发展确实与碳排放呈现先增后减趋势。

Table 6. Robustness test: Deleting special samples

表6. 稳健性检验：删除特殊样本

	(1) lnCEI	(2) lnCEI
lnDig	0.161^**
	(0.067)
lnDig^2		−0.035^**
		(0.014)
控制变量	YES	YES
城市	YES	YES
年份	YES	YES
N	260.000	260.000
R^2	0.623	0.624

5.3. 异质性分析

考虑到长三角城市群内各城市经济水平、数字基础建设等方面存在差距，数字经济水平各有差异，可能对城市碳排放的影响存在异质性。

5.3.1. 数字经济发展水平

本文参考Wang [13]等的研究，将长三角城市群划分为高技术区和低技术区。计算长三角城市群各城市数字经济发展指数平均值，取中位数，高于中位数的城市为高技术区，反之为低技术区，分别进行回归分析。结果如表7所示，数字经济对高低技术区均具有显著性，且高技术区数字经济系数更大，其对高技术区的影响更强。数字经济发展初期，高技术区需建设大量能源密集型基础设施与创新技术，导致

Table 7. Heterogeneity of digital economy level

表7.数字经济水平的异质性

	(1) 低技术区	(2) 低技术区	(3) 高技术区	(4) 高技术区
lnDig	0.166^*		0.250^**
	(0.091)		(0.125)
lnDig^2		−0.039^*		−0.161^***
		(0.020)		(0.052)
控制变量	YES	YES	YES	YES
城市	YES	YES	YES	YES
年份	YES	YES	YES	YES
N	140.000	140.000	130.000	130.000
R^2	0.599	0.600	0.690	0.706

碳排放增加。并且随着区域一体化推进和产能迅速扩张也加剧了能源消耗。然而，随着数字经济成熟，高技术区吸引信息产业规模化发展，推动传统产业绿色低碳转型，提高能源利用效率，实现节能减排。相比之下，安徽、江苏北部等低技术区数字经济发展滞后，前期碳排放无显著增加。随着数字经济的发展，相较于高技术区，低技术区落后的数字基础设施与不完善的数字技术，也削弱了数字经济碳减排的效应。

5.3.2. 碳排放强度

依据上述划分方式，以碳排放强度将长三角城市群划分为低碳排区与高碳排区，分别进行回归。结果如表8所示，低碳排区数字经济系数显著，而高碳排区数字经济系数不显著。可能的原因是，低碳排地区如上海、杭州等城市，在产业结构调整和转型方面往往更加积极，通过发展绿色产业、循环经济等方式，逐步降低传统产业的比重，实现低碳发展。而在高碳排区，例如铜陵、马鞍山、宣城等地，数字经济的发展水平通常相对较低，其数字经济发展带来的减碳效应与基础设施建设带来的碳排放效应相抵。并且，不少高碳排区更依赖传统产业，产业结构转型与调整存在困难，减碳难度较大。

Table 8. Heterogeneity of carbon emission intensity

表8. 碳排放强度的异质性

	(1) 低碳排区	(2) 低碳排区	(3) 高碳排区	(4) 高碳排区
lnDig	0.415^***		−0.044
	(0.099)		(0.109)
lnDig^2		−0.118^***		−0.012
		(0.025)		(0.021)
控制变量	YES	YES	YES	YES
城市	YES	YES	YES	YES
年份	YES	YES	YES	YES
N	140.000	140.000	130.000	130.000
R^2	0.632	0.643	0.646	0.646

5.4. 机制检验

前文研究表明，城市数字经济发展对城市碳排放具有先增后减的非线性关系。那么数字经济影响碳排放的作用机制是什么？考虑到逐步法检验中介效应可能会产生偏误[14]，本文参考江艇[15] (2022)的研究方法进行机制检验，重点关注解释变量与机制变量之间的关系，无需验证机制变量对被解释变量的影响[16]。

选取产业结构升级和绿色技术创新作为机制变量，检验数字经济发展水平对机制变量的影响，构建机制检验模型如式(2)所示。

M_it = β₁ + β₂lnDig_it + β₃control_it + μ_i + ν_t + ε_it (2)

M_it代表机制变量，若核心解释变量lnDig的回归系数显著，则说明本文提出的产业结构升级与绿色技术创新两条作用机制具有合理性。

5.4.1. 产业结构升级

产业结构升级方面，回归结果如表9列(1)所示。数字经济的系数显著为正，表明数字经济有助于推动产业结构的升级。更进一步的研究指出，产业结构升级能有效降低碳排放。在数字经济发展初期，数字经济与传统产业融合发展带动生产规模扩大，进一步增加能源需求，碳排放量随之增加。但随着数字经济对产业结构升级的不断深入，数字产业的不断融合，生产方式由传统粗放型向绿色集约型转变，提高了能源利用与生产效率，改善了能源结构。并且随着产业的不断升级，催生出不少智能低碳新业态，优化了高耗能高排放的资源配置效率，减少了损耗，不断抑制碳排放。

5.4.2. 绿色技术创新

绿色技术创新方面，表9列(2) (3)所示。数字经济的系数显著为正，说明数字经济对绿色技术创新起积极推动作用。通过对现有文献进行梳理，绿色技术创新是碳减排的关键纽带。数字经济的发展在短期内主要促进非绿色技术进步。绿色技术的开发与应用往往具有时间滞后性。并且新技术的研发、试验和推广往往需要更多的能源和资源投入，这可能会导致碳排放量的暂时增加。后期，数字技术的创新与发展能显著降低碳排放。在数字时代与市场竞争背景下，各企业加快绿色转型与研发新技术。数字技术创新应用于工业与生产中，可以促进绿色生产，提高清洁能源使用效率，减少生产过程产生的二氧化碳。

Table 9. Mechanism analysis

表9. 机制分析

	(1) lnIsu	(2) Inn	(3) lnUm
lnDig	0.016^*	0.529^*	0.764^***
	(0.009)	(0.311)	(0.147)
lnPgdp	0.135^***	2.732^***	−0.649^*
	(0.021)	(0.747)	(0.353)
lnPop	0.130^***	2.439^***	−1.220^***
	(0.025)	(0.898)	(0.425)
Hc	0.130	−13.209^**	−1.239
	(0.172)	(6.084)	(2.880)
Ind	−3.910^***	−11.529^***	2.711^***
	(0.051)	(1.811)	(0.857)
常数项	0.799^***	−11.864^*	13.827^***
	(0.188)	(6.672)	(3.158)
城市	YES	YES	YES
年份	YES	YES	YES
N	270.000	270.000	270.000
R^2	0.991	0.619	0.830

6. 结论与建议

基于“双碳”目标与数字经济快速发展的背景下，本文基于2011~2020年长三角城市群27个地级市的面板数据，构建双向固定效应模型研究数字经济对城市碳排放的非线性关系及作用机制，进行了相关的实证分析，得出如下结论：

一是数字经济与碳排放之间存在非线性关系。随着数字经济的发展，碳排放强度表现出先增加后减少的倒“U”型曲线。

二是数字经济对碳排放的影响存在异质性。高技术区比低技术区数字经济对碳排的倒“U”型影响更显著；低碳排区数字经济发展对碳排放有显著的非线性关系，但在高碳排区未表现出来。

三是机制检验发现，数字经济通过促进产业结构升级与绿色技术创新，进而对碳排放表现出先增后减的非线性关系。

根据上述结论，提出如下建议：

第一，立足各城市实际情况，精准施策，差异化发展数字经济。数字经济先进地区主要集中于上海、浙江以及苏南地区，安徽、苏北等大多数城市数字经济水平相对较低。政府应针对各地发展情况予以差异化、精细化的指导。低数字经济发展地区应着眼于顶层设计，找准自身优势与困境，重视数字基础设施的全覆盖，主动剔除高能耗、低效产业。在数字经济发展过程中重视低碳政策，利用地理优势，实现区域间的资源互补。

第二，发挥数字经济辐射带动作用，推动长三角城市群区域协调发展。数字经济先进地区数字经济的辐射能力与资源的配置能力较强，应充分发挥引领、示范作用。利用技术、资源溢出效应，通过人才流动、技术扩散、资金外溢等方式，逐步将数字经济资源向长三角中部与西北部城市引导，促进区域内的要素资源共享，带动各要素协同联动。同时加强先进城市自身的数字经济水平与质量，对接国家区域发展战略，主动承担国家数字经济发展与绿色转型重任。

第三，促进产业结构升级，实现错位发展，打造特色产业集群，提高区域发展整体水平。对于上海，应重点发展经济、金融、贸易等现代服务业，发挥产业引领功能，夯实龙头作用。推动先进制造业发展，将一些低端制造业向周边城市转移，形成“中心–外围”的产业梯度发展格局。对于江苏，应充分利用其雄厚的制造业基础、优质的科教资源等优势，持续发展制造产业，致力于构建国际高水平的制造业集群。对于浙江，应凭借其数字经济领域的领先地位、集聚的互联网产业以及民营经济的蓬勃活力，全面发挥数据产业与数据资源的优势，致力于塑造成为全国数字经济创新的引领高地。对于安徽，应发挥其创新活力、内陆地域广阔等优势，加强建设科技创新产业、集聚新兴产业。

第四，推动绿色技术发展，联合提高绿色创新能力。由于长三角城市群高校与新兴产业众多，应联合共建产业创新大平台，发挥创新资源集聚优势，形成具有全国影响力的科技创新高地。政府也应加大对绿色技术研发和应用的扶持力度，设立绿色技术创新专项资金，对绿色技术研发和应用项目给予资金支持和税收优惠。鼓励企业、高校、科研机构开展关键共性技术和“卡脖子”技术的攻关，推动绿色技术成果的创新与发展。

第五，完善长三角高铁网络，推动一体化综合交通体系建设。完善的高铁网络能缩短长三角城市群各城市的距离，促进资源、人才、技术等要素流动，推动数字经济的发展，产业结构转型与技术的提高。2024年6月15日首条长三角“环线”开行，这是连接长三角一市三省的超级“环线”，横跨沪苏浙皖，串联起上海、南京、合肥、杭州四座枢纽城市，助力长三角内循环。长三角地区轨道交通网络已成为区域一体化的标志性成就，更是推动长三角城市群区域一体化发展的重要推动力。轨道交通网络的覆盖加强了周边城市与中心城市的紧密连接。在现有交通网络的基础上，长三角城市群应不断完善交通网络布局，不断提高长三角城市群高铁网络覆盖率，推动区域一体化综合交通建设。

基金项目

本文系2023年度上海市哲学社会科学规划课题“高质量一体化发展背景下长三角土地绿色利用的响应机制与效率提升研究”的阶段性成果。

NOTES

^*通讯作者。