| 548 | 0 | 256 |
| 下载次数 | 被引频次 | 阅读次数 |
数据作为新时代的重要生产要素，在AI时代拥有不可替代的地位。论文使用2010—2024年中国地级市层面的样本数据，运用多期双重差分模型，分析各地依次实行的公共数据开放政策和数据要素市场化政策在推动城市包容性绿色增长方面的作用。研究结果表明：（1）数据要素双政策对城市包容性绿色增长具有显著的促进作用。（2）中介效应结果表明，数据要素双政策的实施可以通过产业结构高级化与绿色创新水平影响城市包容性绿色增长。调节机制显示，城市创业活跃度是政策效应实现的重要载体，而数字产业集聚能够放大数据要素“双政策”的绿色效益。（3）异质性分析表明，双政策对城市包容性绿色增长的驱动效应存在显著的结构性差异，在非资源型城市、高收入水平城市以及新型数字基础设施水平高的城市中政策效应更加突出。（4）进一步分析发现，双政策共同推进比单一政策的实施拥有更强的推动力，并且“先市场化、后开放”的实施路径较“基础设施先行”的传统逻辑更具优势，揭示了数据要素配置中“需求牵引供给”的路径优势。
Abstract：As a key production factor in the new era， data occupies an irreplaceable important position in the AI era. Relying on the panel data sets of China’s local cities from 2010 to 2024， this paper uses a multi-cycle dual differential DID model. Combing through the open data opening policy and data factor marketization policy in different regions that systematically assesses the practical role of these policies in driving inclusive green growth in cities. The results indicate that: (1) The data-related dual policies have a clear positive impact on urban inclusive green growth. (2) The mediation effect analysis reveals that the implementation of the dual data factor policies enhances urban inclusive green growth by fostering the upgrading of the industrial structure and elevating the level of green innovation. After analyzing the mechanism of action， this paper found that urban entrepreneurship activities are the key channels for translating policy shocks into growth results， and the agglomeration of digital industries also magnifies the green dividends brought by data elements. (3) The results of heterogeneity analysis show that there are no small structural differences in the role of dual policies in inclusive green growth in cities， which is stronger in non-resource cities， high-income cities， and cities with advanced new digital infrastructure. (4) The sequential path of “market first， follow-up and opening up” reflects greater advantages than the traditional “infrastructure priority” logic， and can also show that the idea of “demand-driven supply” is better when configuring data elements.
[1]李华，董艳玲. 中国经济高质量发展水平及差异探源：基于包容性绿色全要素生产率视角的考察[J]. 财经研究，2021，47（8）：4-18.
[2]李稻葵，徐欣，江红平. 中国经济国民投资率的福利经济学分析[J]. 经济研究，2012，47（9）：46-56.
[3]Berkhout E， Bouma J， Terzidis N， et al. Supporting local institutions for inclusive green growth: Developing an evidence gap map [J]. NJAS: Wageningen Journal of Life Sciences， 2018， 84(1): 51-71.
[4]杨雪星. 包容性绿色经济增长指数构建与实证研究：基于G20国家数据[J]. 福建论坛（人文社会科学版），2014（6）：42-48.
[5]周小亮，吴武林. 中国包容性绿色增长的测度及分析[J]. 数量经济技术经济研究，2018，35（8）：3-20.
[6]赵林，刘焱序，曹乃刚，等. 中国包容性绿色效率时空格局与溢出效应分析[J]. 地理科学进展，2021，40（3）：382-396.
[7]Ren S， Li L， HanY， et al. The emerging driving force of inclusive green growth: Does digital economy agglomeration work? [J]. Business Strategy and the Environment， 2022， 31(4): 1656-1678..
[8]郭家堂. 公共数据开放与中国绿色全要素生产率：数据要素的视角[J]. 经济研究，2025，60（2）：56-72.
[9]蔡跃洲，马文君. 数据要素对高质量发展影响与数据流动制约[J]. 数量经济技术经济研究，2021，38（3）：64-83.
[10]高星，王动，杨帅华. 数据要素市场化配置有助于实现城市减污降碳协同吗?：基于数据交易平台设立的准自然实验[J]. 干旱区资源与环境，2026，40（4）：97-108.
[11]方锦程，刘颖，高昊宇，等. 公共数据开放能否促进区域协调发展？：来自政府数据平台上线的准自然实验[J]. 管理世界，2023，39（9）：124-142.
[12]黄敦平，杨凡，郑娟. 政府公共数据开放与城市数字化绿色化协同发展：来自公共数据开放平台上线的证据[J]. 中国人口·资源与环境，2026，36（3）：114-126.
[13]杜振华. 政府数据开放与创新驱动经济增长的关系[J]. 首都师范大学学报（社会科学版），2020（2）：63-71.
[14]李晓龙，牟业洪. 公共数据开放能否促进数字产业集聚?：基于双重机器学习的因果推断[J]. 商业研究，2026（1）：1-11.
[15]高静，陈峰，李丹，等. 公共数据开放促进县域经济高质量发展的效应与机理[J]. 中国农村经济，2025（5）：145-165.
[16]汪克亮，付丽翔. 公共数据开放与城市绿色发展效率：来自政府数据平台上线的准自然实验[J]. 科技进步与对策，2025，42（21）：106-118.
[17]魏巍，欧阳慧，王磊，等. 推动数据要素市场化配置改革试点激活重点城市新质生产力[J]. 宏观经济管理，2024（6）：43-51.
[18]范德成，肖文雪. 数据要素配置与区域创新：赋能效果及作用路径[J]. 科技进步与对策，2023，40（20）：30-41.
[19]乔晗，李卓伦. 数据要素市场化配置效率评价研究[J]. 中国科学院院刊，2022，37（10）：1444-1456.
[20]周乐欣. 区域数据要素市场化配置发展模式及驱动路径研究[J]. 贵州社会科学，2023（12）：102-110.
[21]杜传忠，曹效喜，刘书彤. 数据要素市场化与地区绿色低碳发展：来自数据交易平台建设的准自然实验[J]. 经济与管理研究，2025，46（4）：25-44.
[22]张边秀，陈明华，谢琳霄，等. 和谐共生：数字消费对城市包容性绿色增长的影响研究[J]. 上海财经大学学报，2025，27（2）：18-33.
[23]张毅，樊斯幔，张海波，等. 数据要素市场化与制造业绿色全要素生产率：理论机制与中国经验[J]. 统计与决策，2025，41（13）：168-172.
[24]吕一清，杨磊. 公共数据开放对城市能源利用效率的影响研究：来自中国城市的证据[J]. 工业技术经济，2025，44（9）：66-76.
[25]张涛，李均超. 网络基础设施、包容性绿色增长与地区差距：基于双重机器学习的因果推断[J]. 数量经济技术经济研究，2023，40（4）：113-135.
[26]贾洪文，叶志伟，吴嘉乐. 数据要素市场化、专利质押与包容性绿色增长：基于机器学习的因果推断[J]. 统计理论与实践，2025（4）：5-14.
[27]刘培. 数据要素影响绿色生态效率的机制与效应研究[J]. 经济经纬，2023，40（6）：136-148.
[28]周天松，苏波. 产业结构化对城市绿色全要素生产率的影响分析[J]. 工业技术经济，2025，44（3）：101-107.
[29]陈晓，张鑫奥，王育宝. 数字技术创新赋能城市低碳转型路径机制研究[J]. 科技进步与对策，2024，41（23）：41-51.
[30]郭卫军，田素华. 城市创业活力与企业全要素生产率：兼论金融集聚的赋能作用[J]. 统计研究，2026，43（4）：118-130.
[31]黄阳平，甘景丰，林欣. 城市规模、产业集聚模式选择与城市经济效率[J]. 经济学动态，2024（8）:20-38.
[32]江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济，2022（5）：100-120.
[33]宋清华，周学琴. 金融科技能提升城市包容性绿色全要素生产率吗?[J]. 中南财经政法大学学报，2024（2）：67-80.
[34]周锐波，吴云峰，宋佳晞. 共生共荣：工业智能化发展与包容性绿色增长[J]. 中国人口·资源与环境，2024，34（5）：162-174.
[35]Goodman-Bacon A. Difference-in-differences with variation in treatment timing [J]. Journal of Econometrics， 2021， 225(2): 254-277.
[36]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.
[37]钞小静，廉园梅，罗鎏锴. 新型数字基础设施对制造业高质量发展的影响[J]. 财贸研究，2021，32（10）：1-13.
[38]Zhang J， Zheng T. Can dual pilot policy of innovative city and low carbon city promote green lifestyle transformation of residents? [J]. Journal of Cleaner Production， 2023， 405: 136711.
[39]张杰，李效顺，陈姜全，等. 低碳和创新型城市双试点协同赋能对碳排放效率的影响：来自中国282个城市的准自然实验证据[J]. 产业经济研究，2025（1）：15-28.
基本信息:
中图分类号:F124.5;F123.9;D630
引用信息:
[1]刘慧,董美心.“有效市场”与“有为政府”如何影响城市包容性绿色增长？——基于数据要素市场化政策与公共数据开放政策的准自然实验[J].生态经济().
基金信息:
山东省社会科学规划项目“山东省能源消费的碳排放差异及碳补偿机制研究”（23CGLJ53）
2026-09-09
2026-09-09
2026-09-09