摘要：以 2010-2021 年中國 30 個省份制造業(yè)為研究對象，運用超效率 SBM 模型，將數據要素納入生產函數，測算省域制造業(yè)的綠色全要素生產率（GTFP），利用 GMM 方法建立動態(tài)面板模型分析數據要素投入對綠色全要素生產率的影響。研究發(fā)現(xiàn)：（1）數據要素投入對制造業(yè) GTFP 的提升具有顯著促進作用，對東部地區(qū)的影響作用更為顯著。（2）數據要素投入水平對制造業(yè) GTFP 的影響存在基于數據要素投入水平的單門檻效應，當數據要素投入水平小于門檻值 0.317 時，對 GTFP 具有微弱的抑制作用，但當其跨越門檻值后，則表現(xiàn)出明顯的正向促進作用。（3）數據要素投入水平能夠通過推動要素稟賦結構的合理化，進而促進制造業(yè) GTFP 的提升。基于此，就合理配置數據要素投入水平、提升制造業(yè) GTFP 及優(yōu)化要素稟賦結構等提出政策建議。

工業(yè)和信息化部相關數據顯示，2022 年中國制造業(yè)占 GDP 的比重達 27.7%；2023 年制造業(yè)增加值占 GDP 比重基本穩(wěn)定，總體規(guī)模連續(xù) 14 年保持全球第一。制造業(yè)的高質量發(fā)展必須踐行新發(fā)展理念，尤其要避免大量消耗自然資源、導致資源短缺和環(huán)境污染。制造業(yè)綠色全要素生產率既考慮了生產效率，也考慮了制造業(yè)生產過程中二氧化碳非期望產出的排放，是更加全面與合理的測度高質量發(fā)展水平的指標。據此，綠色全要素生產率逐步成為衡量制造業(yè)高質量發(fā)展的重要指標。

數字化作為綠色低碳發(fā)展的重要路徑，其核心是數據賦能或者是數據要素嵌入到制造業(yè)各領域各環(huán)節(jié)；數據要素的價值得到前所未有的重視并逐步成為戰(zhàn)略性資源。一方面，2019 年 10 月通過的《中共中央關于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現(xiàn)代化若干重大問題的決定》，將數據作為與勞動、資本、土地、知識、技術、管理并列的生產要素納入到參與收入分配的范疇，進一步推動數據要素服務于社會經濟發(fā)展。另一方面，中國目前經濟正處于質量變革、效率變革和動力變革的攻堅期，隨著以勞動力短缺和工資持續(xù)提高為特征的"劉易斯拐點"的到來及"人口紅利"的消失，中國經濟開始出現(xiàn)資本報酬遞減現(xiàn)象，靠大規(guī)模的政府主導型投資以保持經濟增長速度的方式不再具有可持續(xù)性，這也使得數字經濟的建設和數據要素的價值釋放成為重要的研究焦點。

基于此，剖析數據要素投入制造業(yè)生產后的內在綠色發(fā)展水平，研究數據要素對綠色全要素生產率的外在影響路徑，對數據要素更好的彌合和驅動我國制造業(yè)經濟發(fā)展、推動數據要素與制造業(yè)兩化協(xié)同轉型助力"雙碳"治理新征程具有重要意義。

1．文獻綜述

從數據要素的界定和測度層面看，數據要素既是純技術角度以信息通信技術（ICT）為載體的二進制字符信息，也是社會經濟角度人類進行生產經營活動的財富創(chuàng)造基礎要素。數據要素具有虛擬形態(tài)屬性、經濟資源屬性和價值釋放屬性，同時由于數據要素有易復制性、非排他性、非競爭性等不易計量的典型特征，現(xiàn)有的對數據要素這一無形資產的評價主要有核心指標法和綜合指標法。核心指標法的可操作性和可比性較強，但其難以全面反映數據要素的絕大部分信息，因此綜合指標法的應用更為廣泛。已有相關研究從不同的研究視角刻畫了數據要素投入水平，從行業(yè)資源傾斜、研發(fā)創(chuàng)新能力以及社會應用認知度三個層面構建了描述數據要素增值能力的指標體系；根據數字產品的場景交易特性認為指標體系應是普適性的數據要素估值指標體系和針對特定領域和行業(yè)的數據要素估值體系的結合；從數據要素的市場化基礎、開發(fā)及規(guī)模三個方面構建了市場化配置效率評價指標。

從數字經濟對制造業(yè)綠色全要素生產率（green total factor productivity，GTFP）的影響層面看，學術界的基礎研究已較為豐富。通過構建 ML（Malmquist-Lenberger）指數實證分析了數字經濟對我國工業(yè)綠色全要素生產率的影響機制；進一步地，在環(huán)境動態(tài)性視角下的研究指出，大數據主要從戰(zhàn)略規(guī)劃和分析能力上對制造業(yè)綠色競爭力產生顯著積極作用；此外，數字經濟通過人力資本積累、激發(fā)創(chuàng)業(yè)活力和降低出口隱含碳強度，進而顯著正向強化制造業(yè)綠色全要素生產率的提升。但數據作為數字經濟時代的核心生產要素，已有學者逐步構建了將數據要素作為第三要素的生產函數，考察在數據作為內生投入要素對經濟增長的影響。整體而言，現(xiàn)有研究多為數字經濟對制造業(yè)綠色效率的影響機制探討，而將數據要素作為內生投入要素，研究其對制造業(yè)綠色投入產出效率的影響機理還有待擴充。

2．理論分析與研究假設

2.1 數據要素投入與制造業(yè)綠色全要素生產率

制造業(yè)作為數字經濟的主戰(zhàn)場，數據要素如何賦能制造業(yè)也為高質量發(fā)展提供了新思路。數據要素主要通過數字技術、要素配置、人力資本和區(qū)域創(chuàng)新等實現(xiàn)數字價值的釋放，進而賦能 GTFP 的提升。有學者通過構建綜合融合度指數對數字經濟與制造業(yè)的融合水平進行研究，進一步論證了數據要素對綠色發(fā)展的促進作用。就產業(yè)發(fā)展層面而言，數據要素通過促進技術進步和技術效率進而對 GTFP 產生正向影響，技術創(chuàng)新和產業(yè)結構升級是兩條重要的影響渠道；同時，數字經濟的發(fā)展不僅對本地 GTFP 具有促進作用，還會對周邊的其他地區(qū)產生正向影響，并且這種影響會隨區(qū)域位置、行政級別、資源稟賦和環(huán)境規(guī)制強度等方面的不同而表現(xiàn)出顯著差異。就企業(yè)發(fā)展層面而言，數據資源不僅能促進企業(yè)準確感知系統(tǒng)內部和外部環(huán)境的變化，還能促進科學分析和決策，優(yōu)化生產流程和提高運營效率；企業(yè)憑借海量數據創(chuàng)生綠色生產的商業(yè)模式，為企業(yè)可持續(xù)賦能，兼具提升制造業(yè)生產效率和綠色發(fā)展的雙重效應。綜上，數據要素的投入在理論上可以通過多種方式促進 GTFP。那么，就制造業(yè)而言，數據要素投入對制造業(yè) GTFP 能否產生提升作用呢？本文提出：

假設 1：數據要素投入對制造業(yè) GTFP 的提升具有顯著的促進作用。

2.2 數據要素投入的門檻效應

數據要素的大量投入和積累能夠極大的提升其飽含的信息價值及決策支持能力，具有較強的正向規(guī)模效應和網絡效應。本研究認為，數據要素的投入對制造業(yè) GTFP 可能存在基于數據要素投入水平的門檻效應：一方面，從成本角度看，由包含數據要素的生產函數研究可知，數據要素投入的前期固定成本較高、創(chuàng)新風險較大、開發(fā)周期較長，但大規(guī)模使用后的邊際成本幾乎為 0，使得規(guī)模報酬遞增的條件對經濟產生放大效應；另一方面，從產出角度看，數據要素具有一定的正外部性，隨著多主體對數據的收集和反復使用可以不斷強化其信息的積累，這種正反饋效應會使得數據要素投入水平的增加帶來的 GTFP 成果不斷加強。因此，當數據要素投入水平較低時，數據要素的投入所帶來的前期成本會在一定程度上會阻礙數據要素對制造業(yè) GTFP 促進作用的發(fā)揮；而當數據要素投入水平達到較高水平時，數據要素將基于健全的數字基礎設施、雄厚的技術創(chuàng)新實力、充足的數字人才儲備、龐大的數據累積基礎以及相對成熟政策支持環(huán)境，逐步發(fā)揮規(guī)模效應，進而引領制造業(yè)的綠色發(fā)展水平的加速提升。基于此，本文提出：

假設 2：數據要素對制造業(yè) GTFP 的影響具有基于數據要素投入水平的門檻效應。

2.3 要素稟賦結構的中介作用

要素稟賦是對一個經濟體擁有的各類生產要素的相對豐裕程度和基于此形成的比較優(yōu)勢的概括。數據要素并非獨立發(fā)揮作用，而是與其他生產要素相互協(xié)調，尤其是與勞動和資本要素的融合，發(fā)揮倍增作用。提出"兩要素互補、多要素協(xié)同、全要素耦合"的分析框架，揭示數據要素與其他生產要素共同促進企業(yè)發(fā)展的微觀邏輯，尤其是數據協(xié)同資本、勞動等傳統(tǒng)生產要素，促進企業(yè)的產品創(chuàng)新、商業(yè)模式重塑以及綠色效率提升。當然，在構建三要素生產函數時，認為要素稟賦結構對經濟增長效率的影響會隨要素間的互補或替代關系而變化。一方面，數據要素的投入能夠推動要素稟賦結構升級（勞動與資本的比值），進而賦能經濟高質量發(fā)展；盡管認為資本豐裕程度相對較高的區(qū)域工業(yè)發(fā)展水平相對更高，但人力資本積累是培育內生比較優(yōu)勢并推進中國制造業(yè)產業(yè)結構升級和技術創(chuàng)新的關鍵因素。另一方面，數據要素有利于引導創(chuàng)新要素流向綠色效率提升的方向，實現(xiàn)要素稟賦結構和產業(yè)綠色可持續(xù)發(fā)展的動態(tài)均衡，助力提升制造業(yè)的綠色全要素生產率。基于此，本文提出：

假設 3：數據要素投入通過影響要素稟賦結構進而促進制造業(yè) GTFP 的提升。

3 .制造業(yè)綠色全要素生產率的測度

3.1 測度方法

超效率 SBM（undesirable slacks-based measurement）屬于 DEA 衍生模型中的一種，能有效用于評價非期望產出與效率大于 1 的決策單元排序問題，相對傳統(tǒng) DEA 模型更能反映效率評價的本質。此外，超效率 SBM 模型可以分解為技術效率和規(guī)模效率：技術效率指在給定的生產投入條件下能夠獲得的最大產出水平，規(guī)模效率是指在給定規(guī)模條件下能夠獲得的最大產量。當多個決策同時有效情況即效率值均為 1 時，超效率 SBM 模型可對達到最優(yōu)狀態(tài)后的額外產出量予以區(qū)分和解決。該方法在本質上為高階線性規(guī)劃的數據包絡模型，符合本研究的研究目的和數據特征，同時滿足投入產出指標數量小于決策單元一半的原則。因此，本研究借助超效率 SBM 模型測度考慮非期望產出的制造業(yè)GTFP，模型如式（1）所示：

式中：n 表示決策單元個數，x 表示為投入變量，m 為投入變量個數，s1、s2、yg、yb分別表示期望產出和非期望產出個數和變量，x、yg、yb為松弛變量，λ 是權重向量。

3.2 指標選取

3.2.1 投入產出指標

本研究以 2011-2021 年我國 30 個省份（西藏及港澳臺地區(qū)除外）的制造業(yè)為研究對象，測度全要素生產率（total factor productivity，TFP）的投入指標在傳統(tǒng)的勞動要素和資本要素基礎上加入數據要素，正產出指標為制造業(yè)的增加值，負產出指標為制造業(yè)的資源與環(huán)境損耗，投入產出要素及其表征如表 1 所示。根據眾多學者對相似指標的表征經驗，本研究投入部分的勞動（L）用制造業(yè)年均從業(yè)人數（萬人）度量，資本（K）用制造業(yè)固定資產（億元）表征，數據要素（D）的投入水平采用下文綜合測度指標表示；產出包括期望產出與非期望產出，期望產出用制造業(yè)主營業(yè)務收入（億元）作為收入（Y）水平的度量，非期望產出（E）的資源與環(huán)境損耗用 CO2排放量來表示。表 1 全要素生產率的投入產出數據表征名稱 要素 表征指標投入勞動（L） 年均從業(yè)人數/萬人資本（K） 固定資產/億元數據要素（D） 評價指標體系測度結果期望產出 收入（Y） 主營業(yè)務收入/億元非期望產出 資源與環(huán)境損耗（E） CO2排放量。

3.2.2 指標刻畫與數據來源

（1）年均從業(yè)人數、固定資產凈值和主營業(yè)務收入從歷年的《中國工業(yè)經濟年鑒》中獲取。其中，2017 年的《中國工業(yè)經濟年鑒》中省級區(qū)域的平均用工人數、主營業(yè)務收入及固定資產等數據缺失，因此，該年的相關數據從《中國統(tǒng)計年鑒》、地方統(tǒng)計資料中獲取或由相鄰年份的均值估計得出。

（ 2 ） 非 期 望 產 出 中 各 省 份 制 造 業(yè) CO2 排 放 量 的 數 據 來 源 于 《 中 國 碳 核 算 數 據 庫 》（https://www.ceads.net.cn），根據《國民經濟行業(yè)分類（2017）》的標準整理得出。

（3）數據要素投入水平以數據要素的價值實現(xiàn)路徑作為構建指標的根本依據，將數據要素作為一種涉及從原始數據到采集、傳輸、計算、存儲、分析、保護直至形成數據產品及服務的全過程資源，基本遵循"數據資源-數據資產-數據商品-數據資本"的數據形態(tài)演進及"潛在價值-價值創(chuàng)造-價值實現(xiàn)-價值增值"的相應價值形態(tài)演進。借鑒學者們表征制造業(yè)、工業(yè)和全國范圍內數據要素水平的指標，本文認為數據要素投入集中體現(xiàn)在數據要素內部化生產的相關投入和市場化流通的配置投入兩個方面，并構建了描述各省份制造業(yè)數據要素投入水平的綜合評價指標體系。數據的內部化生產主要涉及數據的生產與管理以及數據的研發(fā)與創(chuàng)新，依次可以從制造業(yè)行業(yè)的數字化裝備、高技術產業(yè)、研發(fā)經費支出及創(chuàng)新能力四個方面考量。數據要素的外部化市場流通投入主要聚焦于物聯(lián)網、5G、云計算、區(qū)塊鏈及 AI 等數字經濟環(huán)境下的數字應用環(huán)境配置和數據共享傳播程度，依次可以從制造業(yè)的數據運載基礎、數字化裝備、數據傳播流量及數據共享程度四個方面考量。本文最終從數據生產管理、數據研發(fā)創(chuàng)新、數據應用環(huán)境、數據共享傳播四個系統(tǒng)層入手，細化為數據運載基礎、數字化裝備、高技術產業(yè)、研發(fā)創(chuàng)新能力、研發(fā)經費支出、數據傳播流量和數據共享程度 7 個準則層，選取 24 個指標對我國省域制造業(yè)的數據要素投入水平予以評價，指標體系如表 2 所示。采用熵權-TOPSIS 法測度省域制造業(yè)數據要素投入水平的結果見圖 1。

3.3 制造業(yè)綠色全要素生產率測度結果

表 3 為我國省域制造業(yè)綠色全要素生產率的測度結果，GTFP 的整體均值為 0.751，純技術效率（TECH）大于 1，而規(guī)模效率（SECH）的值相對較低，表明 GTFP 的提升更依賴于技術水平的進步。在研究期類，北京、上海、江蘇、浙江、廣東和內蒙古具有明顯的增加；除了內蒙古具備得天獨厚的區(qū)位優(yōu)勢，在低碳經濟發(fā)展中擁有較豐富的自然資源，以風力發(fā)電為代表的新能源產業(yè)發(fā)展迅猛外，其余省份均位于東部地區(qū)，說明在保持經濟及制造業(yè)發(fā)展領先的同時，這些省市在環(huán)境保護方面也成效顯著。山東省盡管 TFP 與 GTFP 均大于 1，但其 GTFP 要相對較低，表明其制造業(yè)發(fā)展速度和質量上尚不能實現(xiàn)有效協(xié)調與統(tǒng)一，未來在綠色發(fā)展維度還有待加強。以江西為代表的中部省份在中部崛起戰(zhàn)略的推動下，制造業(yè) GTFP 也大多位于均值至上，綠色可持續(xù)發(fā)展能力不斷增強。排名相對靠后的山西、黑龍江、貴州、云南、新疆等地制造業(yè) GTFP 值也在逐年上升。由此可見，2010-2021 年我國區(qū)域制造業(yè)綠色生產效率水平較低的省份在國家政策的支持下具備明顯的后發(fā)優(yōu)勢，制造業(yè)的綠色發(fā)展能力大幅提升。

4．數據要素投入對制造業(yè)綠色全要素生產率的影響

4.1 模型設定

4.1.1 動態(tài)面板模型

為檢驗假設 1 構建式（2）的回歸模型。

式中：i 和 t 分別表示地區(qū)和年份，被解釋變量為 Yit 表示制造業(yè)的綠色全要素生產率，解釋變量 Dit表示數據要素投入水平，β0 和 β1 分別表示常數項和解釋變量系數。Xit 表示四項控制變量：環(huán)境規(guī)制水平（ER）、高技術產業(yè)占比（IS）、存貸款余額比（EE）和外貿依存度（WW），θt 表示各變量對應系數，μit和 εit分別表示固定效應及隨機誤差項。

由于 GTFP 的變化是一個動態(tài)調整過程，且數據要素與 GTFP 間可能存在雙向因果關系，故添加GTFP 的一階滯后項來構建動態(tài)面板模型，采用系統(tǒng) GMM 的方法進行分析，既能揭示數據要素與綠色效率間的動態(tài)影響關系，又能在一定程度上克服模型內生性所導致的誤差。

4.1.2 面板門檻模型

為檢驗假設 2，本文借鑒 Hansen 的方法將數據要素水平作為門檻變量，構建式（3）的面板門檻模型，研究數據要素對 GTFP 的非線性影響。其中，γ 為門檻值，I(?)為示性函數，當括號內條件成立時取 1，反之為 0。

4.1.3 中介效應模型為檢驗假設 3，本文在基準回歸方程的基礎上，進一步構建了研究要素稟賦結構（FE）作為中介變量的檢驗模型，見式（4）、式（5）。當式（2）、式（4）中的系數 β1 及式（5）中的系數 β2 同時顯著，則表明存在中介效應；在此基礎上，若式（5）中的系數 β1顯著，則表明存在部分中介效應，反之，則為完全中介效應。

4.2 變量說明與相關性分析

4.2.1 變量說明

本文的被解釋變量為制造業(yè)的 GTFP 及其 TECH 和 SECH，由前文超效率 SBM 模型測度得出。核心解釋變量及門檻變量為數據要素投入水平（D），由前文 Topsis-熵權法測度得出。中介變量為要素稟賦結構（FE），借鑒張皓辰等[28]的表征方式，以制造業(yè)的勞動和資本要素投入比值來予以度量。本文選取的控制變量包括以下四項：環(huán)境規(guī)制水平（ER）、高技術產業(yè)占比（IS）、存貸款余額比（EE）和外貿依存度（WW）。其中，環(huán)境規(guī)制水平用各省份工業(yè)污染治理投資額與規(guī)模以上工業(yè)企業(yè)主營業(yè)務收入的比值刻畫，高技術產業(yè)占比即為制造業(yè)中高技術產業(yè)與制造業(yè)的主營業(yè)務收入之比，存貸款余額比是用居民存貸款之和與地區(qū) GDP 之比來表征居民消費水平，外貿依存度用外商及港澳臺投資的規(guī)模以上工業(yè)企業(yè)固定資產凈值占總固定資產凈值之比衡量。

4.2.2 相關性分析

由表 4 可知，數據要素投入水平和綠全要素生產率、純技術效率及規(guī)模效率間均具有顯著的相關性，表明這些變量間存在不同程度的內在關聯(lián)有待進一步探究。解釋變量及控制變量間互相的相關系數絕對值在 0.6 以下，可以認為不存在嚴重的多重共線性問題，能夠進行回歸分析。

4.3 實證分析

4.3.1 直接影響

為保證 GMM 估計結果的一致性和工具變量的有效性，需對模型進行二階序列自相關性檢驗和Hansen 檢驗，結果如表 5 所示，AR(2)結果顯示不存在二階序列相關，Hansen 檢驗結果顯示工具變量具有有效性，內生性得以克服。

具體來看，制造業(yè)的綠色全要素生產率、純技術效率和規(guī)模效率的一階滯后項 L.GTFP、L.TECH和 L.SECH 的系數在 1%的顯著性水平下為正，表明數據要素投入與綠色全要素生產率之間具有一定的動態(tài)關聯(lián)性，前期綠色全要素生產率的成果會對當期的效率水平產生延續(xù)性影響。由模型（4）的估計結果可得，數據要素投入水平 D 對綠色全要素生產率的影響系數顯著為正，前文得假設 1 得到驗證，即數據要素的投入能夠促進我國制造業(yè) GTFP 的顯著提升。根據模型（5）和（6）中核心解釋變量 D 的系數可知，數據要素的投入對制造業(yè) GTFP 的提升主要表現(xiàn)在對規(guī)模效率的促進，而對純技術效率的影響卻不顯著；可能是由于數據要素通過發(fā)揮規(guī)模效應來提升企業(yè)的生產決策效率，由此減少企業(yè)對能源資源的依賴，進而促進綠色全要素生產率的提升。反之，囿于數字技術創(chuàng)新具有周期長、風險大、成本高的特點，數據要素投入對純技術效率的促進作用還未顯現(xiàn)。此外，控制變量中高技術產業(yè)占比和外貿依存度對 GTFP 具有一定的促進作用，而環(huán)境規(guī)制水平卻表現(xiàn)出較弱的抑制作用，這與劉偉江等[33]提出二者存在倒"U"型關系有關，短期來看，在環(huán)境規(guī)制政策的要求下，企業(yè)需舍棄部分效益來優(yōu)先遵守法規(guī)，這導致生產經營活動在一定程度上受阻，進而對其效率產生一定的擠出效應。

為確保回歸結果的穩(wěn)健性，本文通過以下兩種方式進行檢驗：一是更換解釋變量的測度方法，利用主成分分析法對表 2 中數據要素投入水平進行測度，回歸后得出的結果如表 6 中列（1）顯示數據要素（New_D）的系數顯著為正，這與基準回歸結果一致。二是增加控制變量加以回歸分析，借鑒王鈺等[35]將人工智能的應用作為影響制造業(yè)發(fā)展水平的因素，本文引入制造業(yè)人工智能專利數這一控制變量，根據國家知識產權局發(fā)布的《戰(zhàn)略性新興產業(yè)分類與國際專利分類參照關系表（2021）（試行）》收集并整理數據，回歸后得出列（2）數據要素（D）的系數依然顯著為正，表明本文的結果仍具有穩(wěn)健性。

為探究數據要素對我國省域制造業(yè) GTFP 影響的區(qū)域異質性，本文用系統(tǒng) GMM 系統(tǒng)估計法進一步對我國東部、中部和西部地區(qū)的樣本進行回歸分析。由表 7 可知，數據要素投入能夠顯著促進東部地區(qū) GTFP 的提升，但對中西部地區(qū)卻沒有顯著的影響，原因可能是我國東部地區(qū)的數據要素投入水平相對較高，在其規(guī)模效應的作用下，顯著促進了東部地區(qū)的綠色技術創(chuàng)新和戰(zhàn)略布局，進而對 GTFP的提升表現(xiàn)出推動作用。同時，不同省域的制造業(yè)發(fā)展水平參差不齊，且資源稟賦、產業(yè)特點、人力水平和經濟環(huán)境也存在較大差異，這些都是造成數據要素對 GTFP 的影響存在區(qū)域異質性的原因。

4.3.2 門檻效應

本文預判數據要素對制造業(yè) GTFP 可能存在非線性影響，為驗證假設 2，本文將數據要素投入水平作為門檻變量，利用面板門檻模型進行檢驗，Bootstrap 自助法抽樣 300 次后得出結果如表 8 所示。單一門檻變量系數通過了 1%水平下的顯著性檢驗，得到的門檻值為 0.317，表明我國制造業(yè)的數據要素投入對 GTFP 的影響存在基于數據要素投入的單一門檻效應，假設 2 得證。

進一步對面板門檻模型系數進行回歸估計，當數據要素投入水平低于門檻值 0.317 時，核心解釋變量 D 的系數為-0.077，表明這一階段數據要素投入對 GTFP 具有微弱的抑制作用，可能源于數據要素投入所帶來的綠色發(fā)展效益還不及綜合成本。當數據要素投入水平超過門檻值 0.317 時，核心解釋變量 D 的系數為 0.163，意味著數據要素投入水平達到一定體量后，對制造業(yè) GTFP 的提升產生了顯著促進作用。這再一次印證了前述數據要素的作用特點，初期的數據要素投入規(guī)模和基礎設施建設水平尚不完善，且存在較高的投資成本和創(chuàng)新風險，以至于阻礙制造業(yè)企業(yè)的綠色技術創(chuàng)新和綠色效率增長。后期隨著數據要素投入的累積，從企業(yè)創(chuàng)新動力到市場投資環(huán)境均逐步形成促進 GTFP 提升的良性互動狀態(tài)。

4.3.3 中介效應

本文選取要素稟賦結構作為中介變量進行檢驗，結果如表 10 所示。核心解釋變量數據要素 D 在模型（1）中對制造業(yè) GTFP 具有顯著的正向影響，系數為 0.462，在模型（3）中對中介變量要素稟賦結構 FE 的影響系數也顯著為正，系數為 21.718，表明數據要素投入水平與要素稟賦結構間的正向關聯(lián)度很強。同時，模型（4）中要素稟賦結構 FE 對制造業(yè) GTFP 具有顯著的正向影響，系數為 0.02。據此，數據要素投入水平通過提高要素稟賦結構的合理化進而促進制造業(yè) GTFP 的提升，假設 3 得證。由于模型（4）中的核心解釋變量數據要素 D 的系數也具有顯著性，要素稟賦結構在本研究中具有部分中介效應。通過對比各影響系數的絕對值，表明單純依靠勞動與資本要素投入的增加及結構的調整對我國制造業(yè) GTFP 不具有持久的動能優(yōu)勢，還需通過技術創(chuàng)新和數據要素的拉動來進一步提升制造業(yè)的綠色發(fā)展。

5．結論與政策建議

挖掘數據要素價值是提升制造業(yè)綠色高效發(fā)展的重要路徑之一，本文以 2010-2021 年我國 30 個省份制造業(yè)為研究對象，運用超效率 SBM 模型對其綠色全要素生產率進行測度，通過 GMM 方法構建動態(tài)面板模型分析數據要素投入對綠色全要素生產率的影響。本文得出的主要結論有：

（1）我國制造業(yè)的數據要素投入水平整體呈現(xiàn)東部高于中部高于西部的經濟態(tài)勢，中部和西部地區(qū)的差距相對較小。

（2）數據要素投入對制造業(yè) GTFP 的提升具有明顯的促進作用，主要表現(xiàn)在對規(guī)模效率的提升，且對東部地區(qū)的影響作用更為顯著。

（3）數據要素投入水平對制造業(yè) GTFP 的影響存在基于數據要素投入水平的單門檻效應，當數據要素投入水平小于門檻值 0.317 時，對 GTFP 具有微弱的抑制作用，但當其跨越門檻值后，則表現(xiàn)出明顯的正向促進作用。

（4）數據要素投入水平能夠通過推動要素稟賦結構的合理化，進而促進制造業(yè) GTFP 的提升。

基于以上結論，提出如下政策建議：

（1）提升我國制造業(yè) GTFP 不僅要注重技術效率，也要重視規(guī)模效率的提升。從數據要素的應用環(huán)境、企業(yè)管理和共享傳播等方面把握數字經濟的發(fā)展紅利，打造成規(guī)模的綠色集成制造業(yè)。短期來看，制造業(yè) GTFP 的提升要求企業(yè)注重節(jié)能和減排；長期來看，GTFP 的提升還需以科技創(chuàng)新為抓手，平衡企業(yè)營收和環(huán)境友好之間的關系，進而實現(xiàn)制造業(yè)高質量發(fā)展要求。

（2）充分認識區(qū)域間的產業(yè)特征和數據要素的影響差異性，因地制宜地制定制造業(yè)相關的綠色產業(yè)扶持政策，同時增強區(qū)域間的數字技術交流和數據要素共享，拓寬數據要素與制造業(yè)產業(yè)融合與應用的范圍，全力營造活力高效的數據要素流通環(huán)境，促進東部地區(qū)數據要素所帶來的綠色效能向周邊外溢，充分提升各區(qū)域數據要素對制造業(yè) GTFP 的促進效果。

（3）數據要素能夠通過影響要素稟賦結構進而對制造業(yè) GTFP 產生促進作用，因此要不斷優(yōu)化產業(yè)內部要素稟賦結構的合理化，尤其是在大力投入數據要素的過程中，注重甄別和契合制造業(yè)產業(yè)的要素比較優(yōu)勢，使得產業(yè)的數字化轉型能在長期中取得持續(xù)發(fā)展，并與制造業(yè)的綠色低碳理念相協(xié)調，從而增強數據要素對綠色全要素生產率的賦能作用。

來源：生態(tài)經濟