本文是一篇政治经济学论文，本文在综合经济学理论的基础上，搜集了长江经济带2011年至2019年107个地级市数据作为面板数据，采用主成分分析法测算数字经济指标，城市人力资本的衡量指标选取地区高等学校在校生人数占地区总人数的比重。
1 机理分析与研究假设
1.1 数字经济对绿色全要素生产率的影响
数字经济是在数字基础设施的基础上发展起来的，主要看这些数字化技术如何运用于产业当中并且如何通过数字化技术汇集形成产业链的。在这一过程中，数据这一要素发挥了重要的作用，当其被融入到具体的生产和生活的实践当中，则会被视为生产力，当这种生产力水平不断发展会有利于全社会的生产效率的提高，而绿色全要素生产率作为融入了非期望要素的全要素生产率也会在一定程度上提高，因此数字经济对绿色全要素生产率具有一定的促进作用。具体来讲，由于数字基础设施作为基础，通常会融入到数字经济的整体运行当中去，因此文章主要将数字经济分为产业数字化和数字产业化两个部分而没有再具体探讨数字基础设施，具体研究产业数字化和数字产业化分别会对绿色全要素生产率产生什么样的影响。
1.1.1 产业数字化对绿色全要素生产率的影响
文章将数字经济分为产业数字化和数字产业化，从前文所提规划中的产业数字化指标来看，产业数字化涵盖了各大产业指标，由此更能体现出生产者的生产能力，具体而言，考察产业数字化经济对绿色全要素生产率的影响可以带入到不同场景中。
在生产阶段，当大数据、人工智能等数据要素被投入到具体农业生产活动中，它不仅会加速与其他生产要素的融合还会从一定程度上代替其他的要素，促进农业绿色发展。我们能够借助数字化智能硬件设施对农作物实现按时浇水、除草与施肥等；利用遥感大数据平台等实时动态捕捉农作物状态同时实时监控农作物生长条件，保证农业生产绿色、可持续发展。除此之外，人工智能平台拓宽销售渠道，为农民拓宽销路，减少农作物积压情况，有利于农业经济发展。在工业生产过程中，一方面企业内部进行数字化改造，物联网、工业机器人等技术能够降低生产成本管理成本和交易成本等，提高生产率，为了推动生产要素在企业内部实现高效运转，需要优化相关资源配置；
1.2 人力资本在数字经济影响绿色全要素生产率过程中的作用
当高素质的劳动者去运用数字化技术时，会加速生产；这些高素质的劳动者不仅能够运用数字化技术，也能够创新改革技术，从而提高生产效率。并且通常来讲越是有素质的人越是能够贯彻绿色发展的理念，从而在这一程度上讲人力资本可以在数字经济促进绿色全要素生产率的过程中发挥正向作用。与前文原因类似，在数字经济被分解为产业数字化和数字产业化的基础上，文章分别探讨人力资本在产业数字化促进绿色全要素生产率过程中的作用以及人力资本在数字产业化促进绿色全要素生产率过程中的作用。
1.2.1 人力资本在产业数字化促进绿色全要素生产率中的调节作用
在数字经济被分解为产业数字化和数字产业化的基础上，首先探讨人力资本在产业数字化促进绿色全要素生产率过程中的调节作用，类似前文，探讨将人力资本投入至不同的产业会产生的不同效果。
具体而言在农业生产过程中，高素质农民越来越多，国家也鼓励支持更多大学生走进农村带动农业生产，随着一批高素质农业人才反流，提升了农村地区的人力资本水平，形成辐射带动作用，传播相关先进知识，解决传统生产所不能解决的问题，改善以前那种使用传统牲畜粪便增肥的方式，助力农业经济发展。除此之外，这批高素质人才还能通过使用互联网平台，传播电商相关知识，将农作物推销出去，从而使得农民们享受数字经济发展带来的便利，节约成本，提高收益，促进经济发展。在越发重视制造业生产的今天，制造业企业往往更加重视员工的培训，随着培训的增加，在数字经济背景下培养的人才大多都是能够从事复杂劳动的劳动力，他们不同于以往那种只能从事简单劳动的劳动力，复杂劳动往往是简单劳动的倍数，从这一方面讲，当这些人力资本被投入到生产过程中必然能够使得整个生产过程更加顺利，生产效率得以提升，产品更受青睐。此外，由于生产更新换代较快，需要劳动力自主学习，互联网也为自主学习提供更多便利，节约了更多的资源从而促进绿色发展。在服务业上，随着数据这一要素的不断渗入，依靠数据平台，从业者可以更快了解消费者的偏好，从而有针对性的为消费者提供定制化服务，节约信息不对称所带来的交易成本；同时随着信息化程度的提高，以及各项监控遥感设备的完善，以信贷市场为例，大数据等人工智能会减少信息不对称的情况，人们既可以通过多家对比选择最优质的银行，银行也可以综合个人征信以及不动产登记等综合评估借款人的风险度以及还款能力，从而减少银行损失。
2 现状评价与演变趋势分析
2.1 长江经济带数字经济发展水平评价与演变趋势分析
2.1.1 数字经济发展水平评价指标选取
数字经济(Dig_eco)。当前关于数字经济指标的衡量标准并未存在一个统一的计算口径，参照韦施威、丛屹等人的做法，将数字经济区分为两大类，分别为产业数字化和数字产业化，同时考虑到产业数字化和数字产业均需要建立在一定的数字基础设施之上，因此本文以每百人互联网宽带接入数、移动电话数和信息传输、计算机服务和软件从业人员占城镇人口比重作为样本地区数字经济基础设施的衡量指标。基于这三部分构建数字经济指标体系，利用全局主成分分析方法来计算数字经济指标及产业数字化和数字产业化两个子指标。文章所采用的数字经济的指标体系如表2-1所示。
2.2 长江经济带绿色全要素生产率发展水平评价与演变趋势分析
2.2.1 绿色全要素生产率评价指标选取
在对衡量绿色全要素生产率的文献进行分析的过程中，我们发现在对绿色全要素生产率的衡量模型中EBM-GML模型更为先进，文章通过结合DEA-EBM模型和GML指数构造的EBM-GML模型作为衡量样本城市绿色全要素生产率的方法。本文采用非期望产出的SBM方向性距离函数和GML指数进行实际测度，这种方法具有一定的优势：一方面，方向性距离函数既可以测度期望产出与正向效率最大化前沿的距离，又可测度负向的非期望产出与负向最小化前沿的距离，能够体现出当下绿色发展的新理念（陈超凡，2016）。另一方面，GML指数同样优于M指数和ML指数，因为既可以考虑非期望产出的问题同时又可以避免线性规划无解的情况。
传统的DEA模型在改进效率时，投入和产出只能径向变化，同时也存在无法处理非期望产出的问题，SBM模型虽然在一定程度上解决了这个问题，但当投入和产出要素之间同时存在径向和非径向的情况时，SBM模型无法解决这一问题，因此在选择上文章选择以EBM-GML指数作为绿色全要素生产率的首要衡量指标。此外，GML指数只是相对于上一期决策单元生产效率的变化率，参照刘鸿燕(2017)的做法，将2010年视为基期，这一时期的绿色全要素生产率为初始值1，2011年的绿色全要素生产率等于基期的水平1乘以当年的GML指数，2012年的绿色全要素生产率等于2011年的绿色全要素生产率乘以2012年测算结果得到的GML指数，之后的年份以此类推，得到2011年-2019年的绿色全要素产率。
3 数字经济、人力资本对长江经济带绿色全要素生产率影响的计量分析....... 25
3.1 数据来源及处理 .................... 25
3.2 控制变量的指标选取 ....................... 25
3.3 模型假定与数据说明 ........................ 26
4 细化的数字经济、人力资本对长江经济带绿色全要素生产率影响的计量分析 . 35
4.1 产业数字化相关的实证检验 ......................... 35
4.1.1 基础回归与交互效应 .......................... 35
4.1.2 异质性分析 ........................... 36
5 结论及对策建议 ......................... 42
5.1 本文结论 ............................. 42
5.1.1 产业数字化角度 ................. 42
5.1.2 数字产业化角度 ................................. 42
4 细化的数字经济、人力资本对长江经济带绿色全要素生产率影响的计量分析
4.1 产业数字化相关的实证检验
4.1.1 基础回归与交互效应
为了展示(3.2)与(3.5)模型的结果，表4-1报告了整体考察产业数字化对长江经济带绿色全要素生产率的影响及其交互效应。从整体来看，产业数字化对长江经济带绿色全要素产率有正向的促进作用，产业数字化每提高1%会使得长江经济带绿色全要素生产率水平提高0.26%，并且这一结果在1%的置信水平下显著。由此可见产业数字化程度越高会使得效率越高，产出越高，新技术应用于具体产业能够减少污染，推动经济高效运行。
此外，从人力资本交互效应的回归结果来看，交互项系数显著为正，这表明人力资本在产业数字化促进长江经济带绿色全要素生产率的过程中起到正向调节作用。这说明随着城市人力资本水平的提高，劳动力自身素质和知识储备提升，传统产业应用数字化技术进行改造升级，数字化生产的速度提升，极大地促进了地区绿色全要素生产率水平。从这一角度验证了假设二与假设五。
5 结论及对策建议
5.1 本文结论
以上实证分析说明，在长江经济带，数字经济对绿色全要素发挥着重要作用，在这个过程
