编辑推荐：
摘要：数据已成为绿色转型中日益重要的生产要素，但其对绿色全要素生产率（Green Total Factor Productivity，GTFP）的独立贡献仍未被充分理解。利用2011—2023年中国30个省份的面板数据，本研究构建了数据要素(数据因子，Data
摘要：数据已成为绿色转型中日益重要的生产要素，但其对绿色全要素生产率（Green Total Factor Productivity，GTFP）的独立贡献仍未被充分理解。利用2011—2023年中国30个省份的面板数据，本研究构建了数据要素(数据因子，Data Factors)综合指数，并采用基于松弛测度的全局Malmquist–Luenberger指数（Slack-Based Measure Global Malmquist-Luenberger，SBM-GML）测算GTFP。研究人员将双向固定效应框架与中介效应模型、门槛效应模型及空间计量模型相结合，检验数据要素对绿色生产率的影响。获得四点主要结论：（1）数据要素显著促进GTFP。经济意义上，数据要素指数每提高一个标准差，GTFP提升0.311，相当于GTFP样本均值的25.3%。在经过一系列稳健性与内生性检验（工具变量估计值达6.203）后结果依然稳健。（2）产业结构升级、绿色技术创新与环境规制是重要的传导渠道。（3）影响呈非线性特征，估计门槛值分别为0.238和0.239，促进效应在中间区间最强。（4）数据要素还产生正向空间溢出效应，其中部分通过金融集聚传递。上述发现凸显了发展数据要素在推进节能型绿色转型中的重要作用。
论文解读：《How Data Factors Drive Green Productivity: Mechanisms and Evidence》
一、研究背景与立项依据
在中国经济由高速增长向高质量发展转型的背景下，如何在缓解资源与环境约束的同时提升经济增长的质量与效率，已成为核心政策议题。数据作为一种新型生产要素，具备可复制性、非竞争性及跨场景可重用性等特征，理论上既可支撑持续经济增长，也有助于绿色转型。然而，既有文献多将"数据"裹挟在广义数字经济或数字化指标中加以考察，未能将数据要素(Data Factors)本身剥离出来作为独立生产要素识别其对绿色全要素生产率(Green Total Factor Productivity, GTFP)——即在传统全要素生产率中纳入能源投入与 undesirable 环境产出(如污染物排放)后的效率指标——的净影响；同时，其作用的内在传导机制(中介路径)、跨区域空间溢出效应及在不同发展阶段可能存在的非线性门槛特征亦缺乏系统实证检验。为此，研究人员以2011—2023年中国30个省份为样本，构建数据要素综合发展指数，采用SBM-GML方法测算GTFP，通过双向固定效应模型并结合中介、门槛及空间计量方法，系统考察数据要素是否、通过何种机制以及在何种条件下提升GTFP，以期弥补上述研究缺口。
本文发表于期刊 Energy。
二、主要关键技术方法概述
研究人员搜集2011—2023年中国30个省（自治区、直辖市，不含港澳台）的面板数据集，从数据资源基础、数据产业化、产业数字化中的数据应用等维度构建数据要素综合指数；采用基于松弛测度的全局Malmquist–Luenberger指数(Slack-Based Measure Global Malmquist-Luenberger, SBM-GML)测算各省年度GTFP，该指标将能源要素作为投入、期望产出与非期望(污染)产出同时纳入方向性距离函数；建立省份(i)–年度(t)双向固定效应基准回归模型GTFPit=α+β·Datait+γ·Xit+μi+λt+εit，控制变量含社会消费水平(SCL)、对外开放度(FDI)、人口密度(PD)、城镇化率(Urban)、人力资本(HC)及政府干预程度(Gov)；在此基础上依次引入中介效应模型检验产业结构升级(Industrial Structure Upgrading)、绿色技术创新(Green Technological Innovation)及环境规制(Environmental Regulation)三条传导路径，Hansen门槛模型识别数据要素对GTFP的非线性阈值特征，以及空间杜宾模型(Spatial Durbin Model, SDM)考察省际空间溢出与金融集聚(Financial Agglomeration)的中介传导，并采用工具变量法(Instrumental Variable, IV)处理潜在内生性问题以完成稳健性校验。
三、研究结果
直接效应(Direct effect of data factors on GTFP)
研究人员通过逐步加入控制变量与省份、年份双向固定效应的基准回归发现，数据要素指数(Data)系数始终为正且在统计上显著。未加控制时系数为0.974(t=5.568)，加入全部控制变量后为1.159(t=5.768)，进一步控制省份与年份固定效应后升至2.573(t=5.366)，R2相应上升。经济含义上，数据要素指数提高一个标准差可使GTFP提升0.311，约合GTFP样本均值的25.3%；工具变量第二阶段估计值达6.203，说明在控制内生偏误后促进效应依然成立且稳健。这表明数据要素可通过降低信息不对称、实时优化生产工艺及改善能源—资源配置直接推升区域GTFP。
中介效应 / 传导渠道(Mediation Analysis — Industrial Structure Upgrading, Green Technological Innovation, Environmental Regulation)
依次对三条潜在中介路径做Bootstrap检验与逐步回归：①产业结构升级(通常用第三产业/第二产业比值或高级化指数表征)——数据要素促进低能耗高附加值产业比重上升，进而提升GTFP；②绿色技术创新(绿色发明专利/实用新型授权量)——数据要素加速节能降碳技术研发扩散，经由绿色创新中介提升GTFP；③环境规制强度(如排污费收入占GDP比或综合规制指数)——数据要素赋能政府实施更精准的环境监管与信息披露，倒逼企业减排增效从而改善GTFP。三条中介效应均通过显著性检验，证实其为数据要素影响GTFP的重要传输通道。
门槛效应(Threshold Effects)
研究人员设定单一/双重门槛模型，Hansen自抽样得到双重门槛估计值分别为0.238与0.239（数据要素标准化指数）。当数据要素发展水平低于第一门槛时促进作用较弱；处于两门槛之间的中等发展阶段时促进效应最强；超过第二门槛进入高水平区间后边际促进有所减弱但未逆转为负，整体呈"先弱—中强—略降但仍正"的非线性特征，揭示数据要素驱动绿色生产率的阶段性依赖特点。
空间溢出效应(Spatial Spillovers and Financial Agglomeration Channel)
空间计量结果显示数据要素对本地及周边省份GTFP均有显著正向空间溢出(邻接或经济地理权重矩阵下SDM中解释变量及空间滞后项系数显著)。进一步检验发现，金融集聚程度(Financial Agglomeration Index，如存贷款/GDP或区位熵)在邻近地区随本地数据要素发展而升高，并通过金融资源优化配置将绿色技术与管理模式向外扩散，即金融集聚是跨省空间溢出的重要部分中介机制。
四、讨论与结论总结(翻译并浓缩结论部分)
研究人员总结指出，基于2011—2023年中国30个省份面板数据的研究表明，数据要素并非数字化的副产品，而已成为绿色生产率增长乃至节能型绿色转型的重要驱动力，主要结论如下：
(1) 数据要素显著提升GTFP，基准回归结果正向且统计显著，经替换被解释变量、缩尾、增加控制、工具变量法等系列稳健性与内生性检验后仍成立；
(2) 产业结构升级、绿色技术创新与环境规制是数据要素促进GTFP的重要传导渠道；
(3) 数据要素对GTFP的影响存在双重门槛(0.238与0.239)，促进作用在中等发展水平区间最强，表现出阶段性特征；
(4) 数据要素产生正向空间溢出效应，部分经由金融集聚向周边省份传递。
据此，研究人员认为应完善能源相关数据权属、流通定价与安全互操作制度，差异化推进不同地区数据要素培育，并将数据赋能纳入产业结构低碳升级、绿色创新激励与环境监管数字化等政策设计中，以最大化数据要素对节能绿色转型的推动作用。未来研究可进一步细化数据要素微观度量(如数据资产确认、治理质量、市场交易规模)，并探讨数据要素与传统要素(资本、劳动)的交互效应对绿色生产率的影响。
