王信敏 聶冉冉

摘要：智能工業(yè)轉(zhuǎn)型和能源轉(zhuǎn)型是我國重要的發(fā)展戰(zhàn)略，二者互相促進有利于實現(xiàn)協(xié)同轉(zhuǎn)型。利用2007—2020年我國30個省份的面板數(shù)據(jù)，構(gòu)建智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型互動效應(yīng)模型，實證檢驗互動效應(yīng)的存在性并研究互動關(guān)系的形成機理，分析我國智能工業(yè)轉(zhuǎn)型和區(qū)域能源轉(zhuǎn)型的演化特征及互動效應(yīng)的區(qū)域差異。研究發(fā)現(xiàn)：2007—2020年間，智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型水平均呈現(xiàn)持續(xù)增長趨勢，二者之間存在相互促進的互動效應(yīng)；智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的促進作用主要源于企業(yè)效益，而區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的影響則源于政策驅(qū)動；融資環(huán)境、企業(yè)運營和環(huán)境政策等變量對這種互動關(guān)系產(chǎn)生了顯著的正向調(diào)節(jié)作用，并存在明顯的空間異化特征。

關(guān)鍵詞：智能工業(yè)；區(qū)域能源轉(zhuǎn)型；互動效應(yīng)；似不相關(guān)回歸

中圖分類號：F427；X24

文獻標識碼：A

文章編號：1673-5595（2023）03-0009-09

一、引言

國外智能工業(yè)轉(zhuǎn)型起步較早，2013年德國“工業(yè)4.0”計劃就提出了智能工業(yè)的定義，即將網(wǎng)絡(luò)、信息等智能技術(shù)整合到產(chǎn)品生產(chǎn)全過程，給工業(yè)注入“智慧”的綜合技術(shù)。［1］近年來，我國傳統(tǒng)工業(yè)也正在進行智能化轉(zhuǎn)型。黨的十九大報告提出了加快先進制造業(yè)發(fā)展的戰(zhàn)略，推動數(shù)字化、智能化和實體經(jīng)濟深度融合，推進智能工業(yè)轉(zhuǎn)型；2019年工業(yè)和信息化部提出的《“5G+工業(yè)互聯(lián)網(wǎng)”512工程推進方案》是我國智能工業(yè)轉(zhuǎn)型的重要頂層設(shè)計。同時，能源轉(zhuǎn)型也是我國當前的緊迫任務(wù)，2021年發(fā)布的《2030年前碳達峰行動方案》中明確提出了促進能源高效利用、綠色低碳發(fā)展的可持續(xù)發(fā)展戰(zhàn)略；2022年國家發(fā)展改革委和國家能源局發(fā)布的《關(guān)于完善能源綠色低碳轉(zhuǎn)型體制機制和政策措施的意見》中也指出，要推動構(gòu)建能源可持續(xù)發(fā)展體系，完善能源轉(zhuǎn)型機制，全面推進能源轉(zhuǎn)型?？梢?，智能工業(yè)轉(zhuǎn)型和能源轉(zhuǎn)型都是我國重要的發(fā)展戰(zhàn)略。

智能工業(yè)轉(zhuǎn)型與能源轉(zhuǎn)型并不是獨立進行的，二者存在著緊密的聯(lián)系。Zhao等［2］通過對電力行業(yè)的研究發(fā)現(xiàn)，智能化發(fā)展能夠改善能源利用率、促進能源轉(zhuǎn)型；能源轉(zhuǎn)型可以為創(chuàng)新發(fā)展提供動力［3-4］，從而促進智能工業(yè)轉(zhuǎn)型?？梢姡悄芄I(yè)轉(zhuǎn)型和能源轉(zhuǎn)型之間可能存在互動效應(yīng)，同時二者協(xié)同轉(zhuǎn)型更有利于我國經(jīng)濟高質(zhì)量增長和生態(tài)環(huán)境的持續(xù)性發(fā)展。

基于此，本文主要研究智能工業(yè)轉(zhuǎn)型和區(qū)域能源轉(zhuǎn)型的互動效應(yīng)，分析二者互動關(guān)系的調(diào)節(jié)機理，從而提出二者同步進行的政策建議。本文的主要貢獻包括：（1）對智能工業(yè)轉(zhuǎn)型和能源轉(zhuǎn)型的互動效應(yīng)進行了檢驗，證明了二者之間的相互促進關(guān)系；（2）研究了智能工業(yè)轉(zhuǎn)型和能源轉(zhuǎn)型的互動機理，從企業(yè)效益和環(huán)境政策調(diào)節(jié)作用的視角分析了這種互動效應(yīng)的成因，進一步補充和完善了互動效應(yīng)的形成理論。

二、理論回顧與研究假設(shè)

（一）智能工業(yè)轉(zhuǎn)型對能源轉(zhuǎn)型的影響

智能工業(yè)轉(zhuǎn)型的核心是將數(shù)字化、網(wǎng)絡(luò)化、智能化與傳統(tǒng)工業(yè)相結(jié)合，以提升工業(yè)生產(chǎn)效率，促進工業(yè)轉(zhuǎn)型發(fā)展。智能工業(yè)轉(zhuǎn)型需要加大研發(fā)投入和加強新技術(shù)應(yīng)用，同時也會帶來能源需求的變化。當企業(yè)效益較好時，企業(yè)更有實力增加研發(fā)投入和應(yīng)用新技術(shù)。陳愛萍等［5］研究表明，研發(fā)活動投入的增加可以有效促進生態(tài)技術(shù)創(chuàng)新；隨著生態(tài)技術(shù)創(chuàng)新水平的不斷提升，能源效率、環(huán)境績效等均可以得到有效改善［6-7］。Yang等［8］研究發(fā)現(xiàn)，智能工業(yè)轉(zhuǎn)型能夠?qū)ζ髽I(yè)財務(wù)表現(xiàn)和創(chuàng)新能力產(chǎn)生顯著的促進作用；同時，管理創(chuàng)新能夠降低能源強度、減少能源投入、降低能源成本，也是改善我國環(huán)境績效的重要手段［9-10］。能源需求的變化能夠促進綠色技術(shù)創(chuàng)新，提高綠色能源比重，減少對一次能源依賴。［11］當清潔能源占比增加時，能源成本會隨之降低，環(huán)境績效相應(yīng)提高。［12］綜上所述，智能工業(yè)轉(zhuǎn)型能促進企業(yè)增加研發(fā)投入、加強技術(shù)創(chuàng)新，同時調(diào)整能源結(jié)構(gòu)，進而促進能源轉(zhuǎn)型。由此提出本文第一個假設(shè)。

假設(shè)H1：智能工業(yè)轉(zhuǎn)型能夠正向促進區(qū)域能源轉(zhuǎn)型。

資本對于能源轉(zhuǎn)型而言意義重大，資本充足能源轉(zhuǎn)型才能順利進行。張銳等［13］通過研究臺灣能源轉(zhuǎn)型發(fā)現(xiàn)了資本對能源轉(zhuǎn)型的重要性，認為企業(yè)效益低下阻礙了能源轉(zhuǎn)型的步伐。綠色技術(shù)創(chuàng)新也能夠有效促進能源轉(zhuǎn)型，其同樣需要充足的資金支持。［14］企業(yè)效益是資本的重要來源，對能源轉(zhuǎn)型的意義重大，由此提出本文第二個假設(shè)。

假設(shè)H2：企業(yè)效益能夠正向調(diào)節(jié)智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的促進效果。

智能工業(yè)轉(zhuǎn)型對能源轉(zhuǎn)型影響的因果關(guān)系如圖1所示。

（二）能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的影響

能源轉(zhuǎn)型能夠提升環(huán)境績效，當環(huán)境政策壓力較大時，企業(yè)有動力加大投入以提高環(huán)境績效。秦佩恒等［15］認為環(huán)境績效的提升能夠迫使企業(yè)進行碳減排，推動清潔生產(chǎn)技術(shù)的運用，從而促進能源技術(shù)創(chuàng)新和能源結(jié)構(gòu)的調(diào)整。能源技術(shù)創(chuàng)新和能源結(jié)構(gòu)調(diào)整是規(guī)?；⒆詣踊a(chǎn)的要求，因此能源轉(zhuǎn)型能夠影響企業(yè)實現(xiàn)生產(chǎn)自動化。同時，能源安全和經(jīng)濟支撐也是能源轉(zhuǎn)型的國家戰(zhàn)略要求。在相關(guān)政策引導(dǎo)下，為了保障能源供給，企業(yè)會主動減少一次能源的使用，提高能源利用效率，進行高效管理。［16］而高效管理正是企業(yè)智能化轉(zhuǎn)型的結(jié)果，因此企業(yè)智能化轉(zhuǎn)型符合國家能源戰(zhàn)略和政策需求。由此提出本文第三和第四個假設(shè)。

假設(shè)H3：區(qū)域能源轉(zhuǎn)型能夠正向促進智能工業(yè)轉(zhuǎn)型。

假設(shè)H4：政策強度能夠正向調(diào)節(jié)區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的促進效果。

能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型影響的因果關(guān)系如圖2所示。

三、研究設(shè)計

（一）模型設(shè)定與估計方法

本文主要探討智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型之間的互動效應(yīng)，因此需要分別檢驗二者的相互影響關(guān)系。由圖1可知，在智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型影響的研究中，可以將智能工業(yè)轉(zhuǎn)型作為影響因素之一；除此之外，能源方面資本投入、清潔能源比重、能源成本、能源利用效率和研發(fā)投入等也是重要的影響因素。由圖2可知，在區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的影響中，可以將區(qū)域能源轉(zhuǎn)型作為影響因素之一；同時，產(chǎn)出效率、管理效率、技術(shù)創(chuàng)新能力等也是重要的影響因素。由此，將模型設(shè)定為

本文采用似不相關(guān)回歸方法進行模型估計。由于智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型二者互為因果，各自都不是獨立的過程，因此各模型之間的擾動項很可能具有相關(guān)性。面板似不相關(guān)回歸方法更適合對本文的模型進行估計，相比于單個方程獨立進行逐個回歸，該回歸方法可以提高回歸結(jié)果的效率和有效性。［17-18］

（二）變量說明

1.模型（1）和模型（3）的變量說明

為了研究智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的作用以及企業(yè)效益對這一作用的調(diào)節(jié)效應(yīng)，本文將模型（1）和模型（3）中的變量進行了分類，如表1所示。

（1）被解釋變量

區(qū)域能源轉(zhuǎn)型的測度采用王信敏等［19］提出的區(qū)域能源轉(zhuǎn)型指數(shù)（RETI）。RETI包括能源轉(zhuǎn)型準備和能源轉(zhuǎn)型績效兩個維度，能源轉(zhuǎn)型準備包括能源結(jié)構(gòu)、能源資本投入、政策法律環(huán)境、機構(gòu)和管理、基礎(chǔ)設(shè)施和創(chuàng)新商業(yè)環(huán)境5個二級指標，能源轉(zhuǎn)型績效包括能源安全性、環(huán)境績效和經(jīng)濟支撐3個二級指標。RETI采用因子分析法進行測度，該方法可以避免因指標間的多重共線性帶來的評價偏差。

（2）解釋變量

智能工業(yè)轉(zhuǎn)型的測度主要采用綜合評價方法，不同學(xué)者選用的評價指標也有所區(qū)別，例如，Chen等［20］從文化、組織、技術(shù)和洞察力4個維度評估數(shù)字成熟度，并以此衡量智能工業(yè)轉(zhuǎn)型；Yu等［21］從企業(yè)財務(wù)報告中選取指標來測度新能源企業(yè)的智能化轉(zhuǎn)型；而Xiong等［22］則使用企業(yè)經(jīng)濟活動、企業(yè)環(huán)境治理和企業(yè)資源利用率等評價指標，等等。本文采用王信敏等［19］的智能工業(yè)轉(zhuǎn)型指數(shù)（IITI）來測度區(qū)域智能工業(yè)轉(zhuǎn)型水平。智能工業(yè)轉(zhuǎn)型包含智能化轉(zhuǎn)型準備和智能化轉(zhuǎn)型績效兩個維度，智能化轉(zhuǎn)型準備包括互聯(lián)網(wǎng)普及、智能化設(shè)備普及、軟件使用、數(shù)據(jù)處理、平臺運營維護和創(chuàng)新能力6個二級指標，智能化轉(zhuǎn)型績效包括產(chǎn)出效率、社會效益和新產(chǎn)品生產(chǎn)3個二級指標。與RETI相同，IITI也采用因子分析法進行測量。

（3）調(diào)節(jié)變量與控制變量

本文借鑒黃勇等［23］、潘亞東等［24］的相關(guān)研究，選擇融資環(huán)境和企業(yè)運營兩個變量來研究企業(yè)效益對解釋變量的調(diào)節(jié)作用。融資環(huán)境由負債總額占資產(chǎn)總額的比重來確定，企業(yè)運營使用利潤總額占資產(chǎn)總額的比重來量化。

控制變量包括能源方面資本投入、清潔能源占比、能源成本、能源效率和研發(fā)投入。能源方面資本投入和研發(fā)投入的選擇參考了陳愛萍等［5］的研究，借鑒彭旭等［12］的研究使用清潔能源占比作為控制變量，借鑒黃維和等［4］的相關(guān)研究選取能源成本和能源效率研究控制變量對RETI的影響。

2.模型（2）和模型（4）的變量說明

為了研究區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的促進作用以及政策調(diào)節(jié)效應(yīng)，相關(guān)變量及類型設(shè)計如表2所示。

被解釋變量為智能工業(yè)轉(zhuǎn)型，使用上文中的IITI指標。解釋變量為區(qū)域能源轉(zhuǎn)型，使用上文中的RETI指標。借鑒李晟婷等［25］的研究選取環(huán)境執(zhí)法力度來研究政策的調(diào)節(jié)作用，通過排污收費占工業(yè)總產(chǎn)值的比重來評估；參考秦佩恒等［15］的研究，選擇技術(shù)創(chuàng)新能力作為控制變量之一；產(chǎn)出效率、管理效率的選擇則是參考了薛靜靜等［16］的研究。

（三）樣本選擇與數(shù)據(jù)來源

已有文獻中針對區(qū)域問題的研究較多使用省際數(shù)據(jù)，例如，王兆華等［26］采用我國省際數(shù)據(jù)研究了區(qū)域能源效率，林周周等［27］使用我國30個省份數(shù)據(jù)研究了區(qū)域創(chuàng)新績效問題。借鑒這一做法，本文選取除西藏、港澳臺外的30個省級行政區(qū)作為研究對象，以2007—2020年的數(shù)據(jù)為樣本，對我國區(qū)域能源轉(zhuǎn)型和智能工業(yè)轉(zhuǎn)型的互動問題進行研究。能源與環(huán)境方面的指標數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》《中國環(huán)境年鑒》和《中國工業(yè)統(tǒng)計年鑒》；智能工業(yè)轉(zhuǎn)型相關(guān)指標數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國信息年鑒》；科技創(chuàng)新和投入相關(guān)指標數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》；融資環(huán)境和企業(yè)運營的指標數(shù)據(jù)主要來源于《中國工業(yè)統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》；個別缺失數(shù)據(jù)采用插值或線性擬合方法進行了估計。

四、結(jié)果分析與討論

（一）IITI和RETI的動態(tài)演化分析

在對IITI和RETI進行因子分析的結(jié)果中，KMO檢驗結(jié)果分別為0.792和0.745，均超出0.5，Bartlett球形檢驗的p值不及0.05，均為0.000，因此IITI和RETI可以使用因子分析方法。

為了描繪IITI和RETI的動態(tài)演化過程，本文使用小提琴圖來繪制智能工業(yè)轉(zhuǎn)型和區(qū)域能源轉(zhuǎn)型的動態(tài)演化情況，分別如圖3、圖4所示。

由圖3可以看出，IITI的均值在2007—2020年間上升較為明顯，這說明隨著創(chuàng)新驅(qū)動政策的深入實施，近年來我國智能工業(yè)轉(zhuǎn)型取得了較好的成果，數(shù)字化水平迅速提升；分布曲線的形態(tài)也說明了IITI在各省份間的差距在不斷縮小。由圖4可以看出，RETI在2007—2020年間同樣呈現(xiàn)出增長趨勢，只是增速略低于IITI。從分布曲線來看，RETI明顯比IITI更為扁平，說明我國各省份RETI的區(qū)域差異小于IITI，智能工業(yè)轉(zhuǎn)型的區(qū)域差異更為明顯。

（二）回歸結(jié)果分析

為了驗證本文提出的假設(shè)，采用面板似不相關(guān)回歸方法，對智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型之間的互動效應(yīng)以及企業(yè)效益和環(huán)境政策的調(diào)節(jié)作用進行檢驗。估計結(jié)果如表3、表4所示。表中M1為式（1）和式（2）中D（·）=0時的關(guān)系模型，僅檢驗控制變量對區(qū)域能源轉(zhuǎn)型或者智能工業(yè)轉(zhuǎn)型的影響；M2為式（1）和式（2）中D（·）=1時的關(guān)系模型，檢驗加入解釋變量后的影響；M3為式（3）和式（4）檢驗調(diào)節(jié)變量企業(yè)效益和環(huán)境政策對解釋變量的調(diào)節(jié)作用。在卡方檢驗中，三個模型的χ2的p值均為0.000，在1%水平上顯著，表明該模型適用面板似不相關(guān)回歸方法。

在智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的影響關(guān)系模型中加入解釋變量后，R2從0.777增加到了0.812;再加入調(diào)節(jié)變量后，R2增加到0.823，解釋力得到了明顯提升，說明考慮了解釋變量和調(diào)節(jié)變量的調(diào)節(jié)作用后模型得到改善。在區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的影響關(guān)系模型中，未加入解釋變量前，R2為0.821，加入解釋變量后，R2增加到了0.850，再加入調(diào)節(jié)變量后，R2增加到了0.872，解釋力也得到了明顯提升，因此增加解釋變量和調(diào)節(jié)變量后模型同樣得到了改善。

在區(qū)域能源轉(zhuǎn)型方面，控制變量ECI、POCE、EC和RDI均對區(qū)域能源轉(zhuǎn)型表現(xiàn)出顯著的正向影響，說明加大能源資本投入、優(yōu)化能源結(jié)構(gòu)、降低能源成本和增加研發(fā)投入對于區(qū)域能源轉(zhuǎn)型均具有促進作用。EE的回歸系數(shù)為0，因此EE對區(qū)域能源轉(zhuǎn)型的影響并未得到檢驗。在智能工業(yè)轉(zhuǎn)型方面，控制變量OE、TII和ME均對智能工業(yè)轉(zhuǎn)型有顯著的正向影響，表明產(chǎn)出效率、技術(shù)創(chuàng)新能力、管理效率越高，對智能工業(yè)轉(zhuǎn)型的促進作用越強。

表3顯示，M2中解釋變量IITI的系數(shù)為0.357，且通過了1%的顯著性檢驗，說明智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型有顯著的促進作用，假設(shè)H1是成立的，即智能工業(yè)轉(zhuǎn)型能促進能源效率提升、降低能源成本，從而促進區(qū)域能源轉(zhuǎn)型。在增加調(diào)節(jié)變量和交互項后，IITI的系數(shù)變?yōu)樨撝?，說明IITI對RETI影響的主導(dǎo)作用減弱，調(diào)節(jié)變量的調(diào)節(jié)作用占據(jù)主導(dǎo)。表4顯示，M2中解釋變量RETI的系數(shù)是0.662，增加了調(diào)節(jié)變量PI后，RETI的系數(shù)變?yōu)?.526，均通過了1%的顯著性檢驗，說明增加調(diào)節(jié)變量和交互項后，RETI對IITI影響的主導(dǎo)作用并沒有明顯下降。因此，區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型存在顯著的正向促進作用，假設(shè)H3成立，說明區(qū)域能源轉(zhuǎn)型能促使企業(yè)提高生產(chǎn)效率，進行智能化轉(zhuǎn)型。

表3中調(diào)節(jié)變量FE和EO的系數(shù)分別為0.204和-0.093，對比M2和M3，解釋變量IITI的系數(shù)由0.357變?yōu)?0.440，F(xiàn)E×IITI的系數(shù)為1.192且通過了1%的顯著性檢驗，EO×IITI的系數(shù)為1.254且通過了5%的顯著性檢驗。增加調(diào)節(jié)變量后，F(xiàn)E×IITI和EO×IITI主導(dǎo)作用明顯高于IITI和調(diào)節(jié)變量本身，說明融資環(huán)境和企業(yè)運營能夠正向調(diào)節(jié)智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的促進作用，即當企業(yè)獲得的效益增加時，智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的促進作用更加顯著，因此假設(shè)H2成立。表4中調(diào)節(jié)變量PI和交叉項PI×RETI的系數(shù)分別為0.139和0.189，且均高度顯著，表明環(huán)境政策能正向影響智能工業(yè)轉(zhuǎn)型且能正向調(diào)節(jié)區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的促進作用，因此假設(shè)H4成立。

（三）空間異質(zhì)性分析

為了進一步分析不同地域中智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型之間的互動效應(yīng)，本文將30個省份按照RETI和IITI兩個指標進行分類，最終劃分為高水平協(xié)同地區(qū)、智能工業(yè)轉(zhuǎn)型滯后地區(qū)、低水平協(xié)同地區(qū)和能源轉(zhuǎn)型滯后地區(qū)4個類別①。本文依據(jù)2007—2020年RETI和IITI的因子分析評價值的均值進行分類。由于因子分析結(jié)果中0表示平均值，因此，高水平協(xié)同為RETI和IITI均大于0，低水平協(xié)同為二者均小于0，智能工業(yè)轉(zhuǎn)型滯后為IITI小于0而RETI大于0，能源轉(zhuǎn)型滯后為IITI大于0而RETI小于0。

使用式（3）對各類地區(qū)互動效應(yīng)及調(diào)節(jié)作用進行檢驗，似不相關(guān)回歸估計結(jié)果分別如表5、表6所示，從中可以看出，RETI與IITI之間的互動效應(yīng)存在空間異化特征。

表5結(jié)果顯示，智能工業(yè)轉(zhuǎn)型滯后地區(qū)和能源轉(zhuǎn)型滯后地區(qū)中IITI的系數(shù)分別為1.312和4.023，且通過了1%的顯著性檢驗，說明在兩類地區(qū)中IITI對RETI的直接影響更為顯著，能源轉(zhuǎn)型滯后地區(qū)中智能工業(yè)發(fā)展較為迅速，能夠更好地促進能源轉(zhuǎn)型，這一作用明顯強于智能工業(yè)轉(zhuǎn)型滯后地區(qū)。高水平協(xié)同和低水平協(xié)同地區(qū)中IITI對RETI的直接影響并不顯著，智能工業(yè)發(fā)展對于能源轉(zhuǎn)型的影響有待加強。表6結(jié)果顯示，只有智能工業(yè)轉(zhuǎn)型滯后地區(qū)的RETI的系數(shù)小于零，其他類型區(qū)域的回歸系數(shù)均顯著為正，表明智能工業(yè)轉(zhuǎn)型較為積極的地區(qū)中能源轉(zhuǎn)型顯著促進了智能工業(yè)轉(zhuǎn)型。智能工業(yè)轉(zhuǎn)型滯后地區(qū)中并未觀測到能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型產(chǎn)生正向影響，這與假設(shè)H3是一致的。

調(diào)節(jié)變量對被解釋變量的調(diào)節(jié)效應(yīng)也存在空間異化特征。表5中企業(yè)效益的調(diào)節(jié)作用檢驗結(jié)果顯示，F(xiàn)E×IITI和EO×IITI在智能工業(yè)轉(zhuǎn)型滯后地區(qū)和低水平協(xié)同地區(qū)的回歸系數(shù)均未表現(xiàn)出顯著的正向影響，無法觀測到融資環(huán)境和企業(yè)運營在智能工業(yè)轉(zhuǎn)型促進區(qū)域能源轉(zhuǎn)型中的調(diào)節(jié)作用；同時融資環(huán)境和企業(yè)運營變量本身的回歸系數(shù)也不顯著，這是由于這兩類地區(qū)工業(yè)企業(yè)盈余資本不足，智能工業(yè)轉(zhuǎn)型滯后，無法對能源轉(zhuǎn)型產(chǎn)生顯著影響。高水平協(xié)同地區(qū)的FE×IITI和EO×IITI回歸系數(shù)均顯著為正，但FE和EO自身的回歸系數(shù)并不顯著，說明高水平協(xié)同地區(qū)FE和EO的調(diào)節(jié)效應(yīng)占據(jù)主導(dǎo)地位。相比較而言，能源轉(zhuǎn)型滯后地區(qū)的這種調(diào)節(jié)效應(yīng)并不顯著，F(xiàn)E和EO主導(dǎo)作用更為明顯。對于政策變量而言，RETI對IITI的正向調(diào)節(jié)作用在智能工業(yè)轉(zhuǎn)型滯后地區(qū)和高水平協(xié)同地區(qū)表現(xiàn)更為顯著；能源轉(zhuǎn)型滯后地區(qū)也能夠觀測正向調(diào)節(jié)作用，但回歸系數(shù)明顯小于智能工業(yè)轉(zhuǎn)型滯后地區(qū)和高水平協(xié)同地區(qū)，因此這一調(diào)節(jié)效應(yīng)較弱。政策對于低水平協(xié)同地區(qū)中RETI對IITI的調(diào)節(jié)作用并不理想，由于低水平協(xié)同地區(qū)在多個方面處于落后地位，智能工業(yè)轉(zhuǎn)型和能源轉(zhuǎn)型需要加大支持力度。

（四）結(jié)果討論

智能工業(yè)轉(zhuǎn)型能夠促進區(qū)域能源轉(zhuǎn)型，這與溫馨［28］的結(jié)論是一致的；區(qū)域能源轉(zhuǎn)型也可以促進智能工業(yè)轉(zhuǎn)型，這與高歌［29］的研究結(jié)論相符合，因此智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型之間存在互動效應(yīng)。區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的促進作用明顯，即使增加了政策變量和交叉項，RETI的系數(shù)也僅從0.662降為0.526，說明這一促進作用仍然非常顯著。而智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的促進作用則有所差別，增加了企業(yè)效益的調(diào)節(jié)變量后，IITI的系數(shù)從0.357變?yōu)?0.440，交叉項FE×IITI和EO×IITI的系數(shù)達到了1.192和1.254且顯著，可見交叉項起到了主導(dǎo)作用，說明企業(yè)效益對于區(qū)域能源轉(zhuǎn)型具有更為顯著的影響。智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的影響相對偏低，但這并不能否定假設(shè)H1的成立。這一現(xiàn)象較為常見，如王炳成等［30］研究企業(yè)實現(xiàn)可持續(xù)性商業(yè)模式創(chuàng)新時，增加調(diào)節(jié)變量股權(quán)融資后，環(huán)保投資變量的回歸系數(shù)從正值變?yōu)樨撝怠？梢钥闯?，資本對于企業(yè)發(fā)展具有主導(dǎo)作用，對其他變量的影響也較大，這也是導(dǎo)致IITI系數(shù)變化的原因。

在空間異質(zhì)性特征方面，高水平協(xié)同地區(qū)中模型的交叉項都非常顯著，說明調(diào)節(jié)效應(yīng)在高水平協(xié)同地區(qū)表現(xiàn)較為突出。王信敏等［19］研究發(fā)現(xiàn)，我國智能工業(yè)與能源可持續(xù)協(xié)同轉(zhuǎn)型呈現(xiàn)了“東部沿海+長江經(jīng)濟帶”的“T型”格局;在本研究中，高水平協(xié)同地區(qū)均分布在東部沿海，二者的研究結(jié)論是基本一致的。調(diào)節(jié)效應(yīng)的結(jié)果表明，企業(yè)效益和政策調(diào)節(jié)變量是智能工業(yè)轉(zhuǎn)型與能源轉(zhuǎn)型通過互動實現(xiàn)協(xié)同轉(zhuǎn)型的紐帶。低水平協(xié)同地區(qū)中調(diào)節(jié)變量的調(diào)節(jié)作用均不理想，主要源于經(jīng)濟水平欠佳以及傳統(tǒng)產(chǎn)業(yè)的路徑依賴嚴重。

企業(yè)效益能夠直接影響能源轉(zhuǎn)型，這與范英等［31］的結(jié)論一致，企業(yè)效益也可以調(diào)節(jié)智能工業(yè)轉(zhuǎn)型對能源轉(zhuǎn)型的影響。PI的系數(shù)為正值，政策變量也可以直接影響智能工業(yè)轉(zhuǎn)型，這與王雪冬等［32］的結(jié)論相符；同時PI×RETI的系數(shù)顯著為正，說明它可以通過影響企業(yè)行為正向調(diào)節(jié)能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的促進作用。企業(yè)效益和政策變量是互動效應(yīng)的重要調(diào)節(jié)變量，本文研究了這兩個變量對互動效應(yīng)的調(diào)節(jié)效果。值得注意的是二者同樣存在一些關(guān)聯(lián)，Yu等［21］在新能源汽車領(lǐng)域的研究發(fā)現(xiàn)，智能化轉(zhuǎn)型較快的企業(yè)中政府補貼可以有效提升企業(yè)的財務(wù)表現(xiàn)，可以看出政策變量和企業(yè)效益之間并不是獨立的，本文并未考慮二者的關(guān)聯(lián)性。

（五）穩(wěn)健性檢驗

為了檢驗?zāi)Ｐ偷姆€(wěn)健性，本文采用固定效應(yīng)模型進行了重新估計，選取調(diào)節(jié)變量FE、EO和PI的代理變量進行估計，從而驗證模型的可靠性和結(jié)果的穩(wěn)健性。Hausman檢驗顯示固定效應(yīng)模型估計結(jié)果更為合適，估計結(jié)果如表7、表8所示。M2中解釋變量IITI和REIT的系數(shù)分別為0.184、0.116，均通過了1%的顯著性檢驗;M3中的交互項系數(shù)均為正，且通過了1%的顯著性檢驗，與似不相關(guān)回歸的估計結(jié)果較為一致。

使用“流動資產(chǎn)/流動負債”數(shù)據(jù)替代調(diào)節(jié)變量FE，使用“利潤總額/地區(qū)生產(chǎn)總值”作為EO的代理變量，使用“環(huán)境污染治理投資總額/地區(qū)生產(chǎn)總值”作為PI代理變量，對模型結(jié)果進行了重新估計。對比發(fā)現(xiàn)，F(xiàn)E×IITI對RETI的影響水平、顯著性與原變量完全一致，EO×IITI結(jié)果也基本一致，顯著性略低;同樣FE×IITI、EO×IITI和PI×RETI對解釋變量的影響水平、顯著性與原變量也完全一致，說明代理變量與原變量調(diào)節(jié)效果一致。

五、結(jié)論與建議

本文使用2007—2020年我國30個省份數(shù)據(jù)，分析了智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型的演化過程，實證檢驗了二者之間的互動效應(yīng);以企業(yè)效益和環(huán)境政策兩個調(diào)節(jié)變量，研究了調(diào)節(jié)變量對互動關(guān)系的調(diào)節(jié)作用和空間異化特征，得到以下結(jié)論：（1）2007—2020年間，我國智能工業(yè)轉(zhuǎn)型呈現(xiàn)穩(wěn)步提升的趨勢，區(qū)域能源轉(zhuǎn)型持續(xù)改善，區(qū)域差異逐漸減弱；（2）智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型之間存在顯著的互動關(guān)系，企業(yè)效益能夠顯著調(diào)節(jié)智能工業(yè)轉(zhuǎn)型對區(qū)域能源轉(zhuǎn)型的促進作用，而環(huán)境政策可以調(diào)節(jié)區(qū)域能源轉(zhuǎn)型對智能工業(yè)轉(zhuǎn)型的促進作用；（3）互動效應(yīng)存在明顯的空間異化特征，高水平協(xié)同地區(qū)中企業(yè)效益和環(huán)境政策的正向調(diào)節(jié)效應(yīng)均較為顯著，能源轉(zhuǎn)型滯后地區(qū)中企業(yè)效益在智能工業(yè)轉(zhuǎn)型促進區(qū)域能源轉(zhuǎn)型過程中的直接影響更為明顯，智能工業(yè)轉(zhuǎn)型滯后地區(qū)中環(huán)境政策在區(qū)域能源轉(zhuǎn)型促進智能工業(yè)轉(zhuǎn)型中的作用明顯強于其他地區(qū)，低水平協(xié)同地區(qū)中調(diào)節(jié)變量和調(diào)節(jié)效應(yīng)均不理想。

基于上述結(jié)論，本文提出智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型同步進行的幾點建議。（1）充分利用智能工業(yè)轉(zhuǎn)型與區(qū)域能源轉(zhuǎn)型的互動關(guān)系，加快實現(xiàn)傳統(tǒng)產(chǎn)業(yè)智能化與能源協(xié)同轉(zhuǎn)型。傳統(tǒng)產(chǎn)業(yè)要加快推動新一代信息技術(shù)與工業(yè)融合，完善新技術(shù)產(chǎn)業(yè)鏈條，拓展智慧服務(wù)類高附加值業(yè)務(wù)；同時，要重視研發(fā)創(chuàng)新，從企業(yè)獨立創(chuàng)新向跨領(lǐng)域合作、網(wǎng)絡(luò)化的創(chuàng)新體系轉(zhuǎn)變，充分發(fā)揮產(chǎn)業(yè)集群化優(yōu)勢。能源轉(zhuǎn)型要強調(diào)可持續(xù)能力，與智能工業(yè)轉(zhuǎn)型同步推進，重視智能化、低碳化的綠色能源技術(shù)創(chuàng)新與空間溢出。（2）充分發(fā)揮政策工具的杠桿作用。環(huán)境規(guī)制要與傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級相適應(yīng)，相關(guān)部門應(yīng)依據(jù)產(chǎn)業(yè)結(jié)構(gòu)特征制定相應(yīng)的能源消費、碳排放規(guī)制的強度，實現(xiàn)正向激勵效果；同時應(yīng)注意區(qū)域經(jīng)濟、資源稟賦等差異，采用倒逼與激勵相結(jié)合的政策設(shè)計思路。（3）關(guān)注企業(yè)效益，優(yōu)化傳統(tǒng)產(chǎn)業(yè)發(fā)展環(huán)境。一方面可以優(yōu)化傳統(tǒng)產(chǎn)業(yè)的融資環(huán)境，實現(xiàn)生態(tài)技術(shù)創(chuàng)新和智能化升級，提高企業(yè)效益，可以引入“PPP”模式，設(shè)計合理互惠的商業(yè)模式，引導(dǎo)股權(quán)資本更多地進入到智能化和能源轉(zhuǎn)型進程；另一方面可以完善補貼性扶持政策，加大對綠色技術(shù)創(chuàng)新等高風(fēng)險活動的資金補貼力度，同時實施差異化降稅減費，幫助傳統(tǒng)行業(yè)改善經(jīng)營環(huán)境。

注釋：

①高水平協(xié)同地區(qū)包括：北京、天津、上海、江蘇、浙江、福建、廣東和海南；智能工業(yè)轉(zhuǎn)型滯后地區(qū)包括：湖北、四川、云南和青海；低水平協(xié)同地區(qū)包括：河北、山西、內(nèi)蒙、遼寧、吉林、黑龍江、安徽、江西、山東、河南、湖南、廣西、貴州、陜西、甘肅、寧夏和新疆；能源轉(zhuǎn)型滯后地區(qū)為重慶。

參考文獻：

［1］楊青峰，任錦鸞.智能工業(yè)時代的企業(yè)核心能力構(gòu)成與作用機理——基于對223篇企業(yè)領(lǐng)袖公開談話的扎根理論分析［J］.中國科技論壇，2020（12）：86-97.

［2］ZhaoY，XiaS，ZhangJ，etal.EffectoftheDigitalTransformationofPowerSystemonRenewableEnergyUtilizationinChina［J］.IEEEAccess，2021，9：96201-96209.

［3］李志學(xué)，李樂穎，陳健.產(chǎn)業(yè)結(jié)構(gòu)、碳權(quán)市場與技術(shù)創(chuàng)新對各省區(qū)碳減排效率的影響［J］.科技管理研究，2019，39（16）：79-90.

［4］黃維和，韓景寬，王玉生，等.我國能源安全戰(zhàn)略與對策探討［J］.中國工程科學(xué)，2021，23（1）：112-117.

［5］陳愛萍，陳會英.基于LMDI的中國上市公司綠色專利分解分析［J］.情報雜志，2020，39（9）：103-109.

［6］ChenM，SinhaA，HuK，etal.ImpactofTechnologicalInnovationonEnergyEfficiencyinIndustry4.0Era：ModerationofShadowEconomyinSustainableDevelopment［J］.TechnologicalForecasting&SocialChange，2021，164：120521.

［7］RehmanSU，KrausS，ShahSA，etal.AnalyzingtheRelationshipbetweenGreenInnovationandEnvironmentalPerformanceinLargeManufacturingFirms［J］.TechnologicalForecasting&SocialChange，2021，163：120481.

［8］YangJ，YingL，GaoM.TheInfluenceofIntelligentManufacturingonFinancialPerformanceandInnovationPerformance：theCaseofChina［J］.EnterpriseInformationSystems，2020，14（6）：812-832.

［9］廖進球，徐加濤.企業(yè)創(chuàng)新與能源強度［J］.當代財經(jīng)，2019（1）：108-118.

［10］蘇培添，魏國江，張玉珠.中國環(huán)境規(guī)制有效性檢驗——基于技術(shù)創(chuàng)新的中介效應(yīng)［J］.科技管理研究，2020，40（22）：223-233.

［11］李江龍，楊秀汪.聚焦“新常態(tài)”：中國能源需求變化的驅(qū)動因素分解［J］.廈門大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2021（4）：43-56.

［12］彭旭，崔和瑞.中國能源結(jié)構(gòu)調(diào)整對碳強度的影響研究［J］.大連理工大學(xué)學(xué)報（社會科學(xué)版），2016，37（1）：11-16.

［13］張銳，黃偉隆.臺灣地區(qū)能源轉(zhuǎn)型的困局［J］.亞太經(jīng)濟，2021（5）：136-145.

［14］寇靜娜，孫鳳君.科技創(chuàng)新對我國能源轉(zhuǎn)型的促進性與前景分析［J］.科技管理研究，2020，40（16）：244-250.

［15］秦佩恒，趙蘭香，萬勁波.清潔生產(chǎn)技術(shù)運用對企業(yè)經(jīng)濟及環(huán)境績效的影響——基于2009年中國金屬制品業(yè)調(diào)查的實證研究［J］.生態(tài)經(jīng)濟，2014，30（12）：49-55.

［16］薛靜靜，沈鐳，劉立濤，等.中國能源供給安全綜合評價及障礙因素分析［J］.地理研究，2014，33（5）：842-852.

［17］ZellnerA.AnEfficientMethodofEstimatingSeeminglyUnrelatedRegressionEquationsandTestsforAggregationBias［J］.JournaloftheAmericanStatisticalAssociation，1962，57（298）：348-368.

［18］樊茂清，任若恩，陳高才.技術(shù)變化、要素替代和貿(mào)易對能源強度影響的實證研究［J］.經(jīng)濟學(xué)（季刊），2010，9（1）：237-258.

［19］王信敏，孫金鳳.智能工業(yè)與區(qū)域能源可持續(xù)協(xié)同轉(zhuǎn)型的時空演化研究［J］.中國石油大學(xué)學(xué)報（社會科學(xué)版），2021，37（6）：11-20.

［20］ChenH，TianZ.EnvironmentalUncertainty，RresourceOrchestrationandDigitalTransformation：AFuzzy-SetQCAApproach［J］.JournalofBusinessResearch，2022，139：184-193.

［21］YuF，WangL，LiX.TheEffectsofGovernmentSubsidiesonNewEnergyVehicleEnterprises：TheModeratingRoleofIntelligentTransformation［J］.EnergyPolicy，2020，141：111463.

［22］XiongL，NingJ，WangJ，etal.CouplingDegreeEvaluationofHeavyMetalEcologicalCapacityandEnterpriseDigitalTransformationinRiverBasins［J］.EcologicalIndicators，2021，133：108358.

［23］黃勇，張紅梅.關(guān)于金融科技企業(yè)經(jīng)營效益的研究——基于數(shù)據(jù)要素增值的視角［J］.金融與經(jīng)濟，2022（6）：89-96.

［24］潘亞東，牛東來.基于灰色關(guān)聯(lián)分析的我國上市家禽養(yǎng)殖企業(yè)經(jīng)營效益綜合評價研究［J］.中國家禽，2022，44（6）：78-82.

［25］李晟婷，周曉唯，武增海.中國環(huán)保產(chǎn)業(yè)高質(zhì)量發(fā)展的異質(zhì)性政策驅(qū)動研究［J］.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2021，18（2）66-80.

［26］王兆華，豐超.中國區(qū)域全要素能源效率及其影響因素分析——基于2003—2010年的省際面板數(shù)據(jù)［J］.系統(tǒng)工程理論與實踐，2015，35（6）：1361-1372.

［27］林周周，蘇屹.知識源異質(zhì)性視角下知識溢出與區(qū)域創(chuàng)新績效關(guān)系——基于知識產(chǎn)權(quán)保護的門檻效應(yīng)分析［J］.系統(tǒng)管理學(xué)報，2021，30（2）：227-237.

［28］溫馨.“雙碳”目標下的能源轉(zhuǎn)型：多維闡釋與中國策略［J］.貴州社會科學(xué)，2021（10）：145-151.

［29］高歌.新工業(yè)革命中智能制造與能源轉(zhuǎn)型的互動［J］.科學(xué)管理研究，2017，35（5）：45-48.

［30］王炳成，麻汕，馬媛.環(huán)境規(guī)制、環(huán)保投資與企業(yè)可持續(xù)性商業(yè)模式創(chuàng)新——以股權(quán)融資為調(diào)節(jié)變量［J］.軟科學(xué)，2020，34（4）：44-50.

［31］范英，衣博文.能源轉(zhuǎn)型的規(guī)律、驅(qū)動機制與中國路徑［J］.管理世界，2021，37（8）：95-105.

［32］王雪冬，聶彤杰，孟佳佳.政治關(guān)聯(lián)對中小企業(yè)數(shù)字化轉(zhuǎn)型的影響——政策感知能力和市場感知能力的中介作用［J］.科研管理，2022，43（1）：134-142.

責(zé)任編輯：曲紅