数字经济发展对碳排放的非线性影响研究※

内容提要：在理论分析基础上，基于2011-2019年276个地级市面板数据，运用面板数据计量模型以及中介效应模型考察数字经济对碳排放的影响及其作用机制。研究结果表明：数字经济对碳排放存在显著的先促进后抑制的倒“U”型影响效应，且该效应在不同地理位置以及经济发展水平地区之间存在显著异质性；数字经济可以通过优化产业结构、加强外资引进管控力度达到促进碳减排目的。因此，在加快推进“数字强国”战略的同时，应因地制宜实施数字经济发展战略。

一、 引 言

近年来，得益于数字技术革命，中国数字经济快速发展，逐渐成为最具潜力和活力的新增长点(Jorgenson和Vu，2016；鲁玉秀等，2021)。顺应数字经济的迅猛发展，中国相关政府部门多次提出要“做大做强做优”数字经济。与此同时，中国经济正逐渐由追求速度和数量的粗放式发展向追求绿色低碳和质量的内涵式发展模式转变(邵帅等，2019)。然而，作为当今全球资源消耗大国，中国仍未有效摆脱对能源的严重依赖(Miao等，2019)。传统能源的消耗带来CO2排放的持续增加，给中国带来了巨大的碳减排压力(Shi等，2018)。据《世界能源统计年鉴》相关数据，2020年中国碳排放量高达99.0亿吨，占世界碳排放总量的30.70%。在“2030碳达峰，2060碳中和”目标(以下简称“双碳”目标)提出后，碳减排作为未来中国发展的重要任务之一，成为各级政府需要重点关注的问题。“十四五”规划明确提出“要将数字经济作为我国实现碳中和目标的关键支柱之一”。那么，在“双碳”目标的背景下，数字经济能否真正赋能碳减排，以及如何赋能碳减排？围绕这一问题，本文系统深入探讨数字经济对碳排放的影响及其作用机制，以期在“双碳”目标下提出促进经济绿色高质量发展的政策建议。

二、 文献综述

数字经济作为新动能，受到学术界的空前关注，主要研究数字经济红利效应，集中在技术创新效率(韩先锋等，2019)、生产效率(黄群慧等，2019)、高质量发展(赵涛等，2020)与高质量就业(王文，2020)等方面。在“双碳”目标下，学术界开始关注数字经济对碳减排的助推作用，主要有三种观点：第一，数字经济发展可以促进碳减排。利用数字技术或数字产业改造传统产业，可以减少碳排放(Yang等，2020)；数字经济能够通过改善能源结构和提升有偏技术水平，抑制地区碳排放(谢云飞，2022；徐维祥等，2022)；以互联网为代表的数字技术的使用和推广会显著抑制碳排放(Haseeb等，2019)。第二，数字经济可能会增加碳排放，其原因为互联网、信息技术及其相关产业的发展对电力能源消耗量迅速增长(Salahuddin和Alam，2015)，从而加剧区域碳排放(Hamdi等，2014)。第三，数字经济与碳排放存在非线性关系。缪陆军等(2022)基于2011-2019年中国278个城市的相关数据，发现数字经济对碳排放的影响为先促进后抑制的非线性关系，并进一步指出创新效率是数字经济促进碳减排的重要路径。

综上，现有研究较为丰富，但仍存在诸多不足：第一，对数字经济的测度方面，当前多以数字普惠金融度量数字经济，但是数字经济的内涵较为丰富，数字经济的测算仍然在不断探索中。第二，现有研究针对数字经济与碳排放的关系并无定论。在已有研究的基础上，本文基于2011-2019年中国276个地级市面板数据，实证检验数字经济对碳排放的影响及其作用机制。本文的创新点及贡献主要体现在：研究视角上，本文从数字经济的环境效应角度入手，深入探究数字经济对碳排放的影响及其作用机制；研究内容上，本文对数字经济与碳排放之间的非线性关系进行理论分析和实证检验，丰富了数字经济与碳排放的相关研究；研究方法上，本文运用了工具变量法处理潜在内生性问题，可以得到数字经济与碳排放的因果关系，对于政策制定具有一定的现实意义。

三、 理论分析与研究假说

数字经济可以实现资源的优化配置，从而减少能源消耗，实现碳减排。一方面，在数字经济与实体经济不断融合过程中，利用数字技术装备传统行业和新兴行业，可以让资源得到更优化配置；另一方面，随着数字产业化和产业数字化进程不断加快，政府和市场可以更有效地进行资源配置，减少因资源配置不当而导致的能源消耗，提升能源利用效率，由此减少碳排放总量。

在数字经济改造传统产业过程中，存在一个先后顺序：首先，对那些急需改造的行业较早引入数字技术，提高产能。具有代表性的行业有高污染、高排放和高消耗行业，数字技术的应用和推广会大大提升这些行业的生产效率，由此不仅会增强这些行业对能源的需求量，也会使得碳排放总量急剧增加(Li等，2021)；其次，数字经济在电力等能源行业的运用，会让以火电为主的能源生产部分实现技术革新，从而可能会提升火电企业的电力生产。中国现阶段仍以煤电为主的电力结构会让煤炭的消费提高，由此会带来碳排放的增加(Salahuddin和Alam，2015)；最后，随着数字经济的普及，数字经济在全行业的推广和运用，会带来整个国民经济发展质量的提升，数字产业化和产业数字化程度不断上升，数字经济对生态环境的红利效应逐渐凸显。由此，本文提出如下假说：

假说1：数字经济对碳排放的影响为先加剧后抑制的倒“U”型曲线。

数字经济主要以技术和产业的不断渗透和融合的方式，影响产业结构升级，即产业结构合理化和高级化(Song等，2021)。数字经济对产业结构合理化的影响主要体现在两个方面：一方面，数字经济相关技术的应用降低了信息搜寻成本，提升信息交流效率，缓解了市场上供需双方的信息不对称，降低资源要素错配的概率(张永恒和王家庭，2020)，进而使得产业结构更加合理化；另一方面，数字经济发展有利于形成更为有效的市场经济，市场对资源要素的调节和配置能力有所提升，不仅降低了资源要素的运输成本，也提升了产业发展和资源要素配置之间的契合度(余文涛和吴士炜，2020)，使得资源要素能够最大程度流向生产率高的部门。此外，数字经济的发展伴随着经济发展重心由劳动和资本密集型产业向技术密集型产业不断转移，数字经济也可以依托其本身具有的强渗透性和广覆盖性的特点，打破产业发展边界，促进产业间协同发展和不断融合，并在此基础上衍生出符合新时代发展特色的新产业，最终提升地区产业结构高级化水平。产业结构合理化和产业结构高级化水平的提升，意味着资源利用效率的提升，以及产业向高产出、低排放的清洁行业倾斜，从而对生态环境具有正外部性(李宗显和杨千帆，2021)。由此，本文提出如下假说：

假说2：数字经济可以通过优化产业结构对碳排放产生影响。

数字经济发展可以影响外商直接投资，进而影响碳减排。数字经济发展有助于打造更加完善的市场经济体制，提高市场经济参与者之间的信息对称性(蓝庆新，2020)，有助于打破不同地区之间的信息壁垒，提升信息在不同空间上的传播能力和效率(钟慧中，2013)，降低外资投入的交易成本，进而提高吸引外商直接投资的能力。但是，随着数字经济不断发展，经济发展重心持续向高产出、低排放的清洁产业转移，中国对外资引进的管制力度也会随之加强，从而会提升外资引进的成本，最终降低劣质外资进入地区市场的意愿，转而选择成本较低的地区。就外资引进的效应而言，虽然外资引进过程中会伴随一定的技术和知识溢出效应，但现阶段大部分地区的人力资本仍处于较低水平，不足以充分释放引进外资的技术和知识溢出效应(何兴强等，2014)，同时，外企人才积累的过程还会对本地企业的技术进步产生负外部性。且现有政绩考核机制也会使得地方政府为增强自身吸引外资能力，放松对外资引进的环境管制力度(朱平芳等，2011)，承接高污染和高排放产业，进而会对本地的生态环境产生负外部性。由此，本文提出如下假说：

假说3：数字经济可以通过降低外资吸引力对碳排放产生影响。

四、 研究设计

1. 研究方法

(1) 计量模型。在上述理论分析的基础上，为实证检验数字经济对碳排放的影响，本文建立如下模型：

(1)

其中，CO2it表示i城市t年碳排放总量；digeit表示i城市t年数字经济发展指数，加入平方项以探究数字经济对地区碳排放的非线性影响；Znit为一系列控制变量；μi、νt分别表示个体固定效应和时间固定效应，εit表示随机误差项。

(2) 中介效应模型。为进一步探究数字经济对地区碳排放的影响路径，检验产业结构升级和外资吸引能力的中介效应，构建如下模型：

(2)

(3)

其中，Qit表示中介变量，包括产业结构升级和外资吸引能力两个方面，其他符号含义同式(1)。

2. 变量选择与数据来源

(1) 被解释变量碳排放量(CO2)。关于地区碳排放量的量化，借鉴已有研究(苏泳娴等，2013)的做法，首先根据CEADs中国碳核算数据库提供的省级碳排放数据，结合NGDC数据库提供的夜间灯光栅格数据反演出每一个栅格的碳排放数据，再根据地级市行政区划地图获得每个地级市的碳排放总量，单位为万吨。考虑到数据的平稳性以及异方差，对其取自然对数，即以地级市碳排放总量的对数作为被解释变量。运用核密度估计方法对城市层面碳排放数据进行拟合，以判断碳排放在2011-2019年分布形态和演变趋势，结果如图1所示。随着时间的推移，碳排放量的核密度分布曲线持续向右移动，表明碳排放有向更高水平提升的趋势，也充分揭示了“双碳”目标实现的紧迫性和必要性。从分布形态看，碳排放核密度分布曲线的主峰高度逐渐上升，曲线宽度在略有减小之后又扩大，表明碳排放内部差异经历了先缩小后扩大的过程，总体上表现为扩大趋势。

图1 中国碳排放核密度曲线

(2) 解释变量数字经济发展指数(dige)。基于对数字经济概念以及内涵特征的理解，结合已有研究(赵涛等，2020；徐维祥等，2022)，并在遵循数据可获得性、指标合理性以及科学性等原则的基础上，本文从互联网以及数字金融发展水平两个维度选取5个指标构建城市数字经济发展评价指标体系。其中，城市层面互联网发展水平选用人均电信业务量、百人互联网宽带接入用户数、百人移动电话用户数、计算机服务和软件业从业人员占城镇单位从业人员比重4个指标进行衡量；城市数字金融发展水平采用被学术界广泛使用的数字普惠金融指数表征。为避免指标权重确定的主观性以及由统计指标之间信息重叠引致的估计结果偏差，本文采用主成分分析方法测算城市数字经济发展指数。

(3) 中介变量。中介变量为产业结构升级(uis)和外商吸引能力(fdi)。产业结构升级过程往往伴随着第三产业占比不断上升(Song等，2021)。因此，借鉴已有研究(赵娜等，2021)，以第三产业增加值占GDP比重作为产业结构升级的代理变量。外资吸引能力指的是地方对外商投资的吸引能力，而地区当年实际利用外商投资金额可以在一定程度上反映出外商进入的意愿，考虑到数据的平稳性，以当年实际利用外商投资金额的对数值表示外资吸引能力。

(4) 控制变量。为提高数字经济对城市碳排放的影响估计结果的可靠性，参考现有研究，本文选取如下控制变量：人口密度(dpop)，采用城市年末人口数与行政区域面积之比的自然对数衡量；对外开放水平(open)，采用当年实际利用外资总额与GDP的比率衡量；财政分权程度(gov)，采用地方政府财政预算内收入与支出之比衡量；产业结构(stru)，采用第二产业增加值占GDP比重衡量；固定资产投资水平(inve)，采用城市固定资产投资总额与GDP的比率的自然对数衡量；经济发展水平(pgdp)，采用人均GDP的自然对数衡量。

本文研究范围为中国大陆276个地级市，数据主要来源于《中国统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》《中国区域统计年鉴》以及各地区统计年鉴。对于少数缺失数据，采取插值法进行填补。此外，上述用货币表示的指标均以2011年为基期利用GDP平减指数进行平减。主要变量的描述性统计见表1。

表1 变量的描述性统计

五、 实证结果分析

1. 基准回归

基于2011-2019年中国276个地级市的面板数据，根据式(1)，采用个体和时间双向固定效应模型对假说1进行验证，结果见表2。列(1)和列(2)分别在不加入和加入控制变量时考察数字经济发展指数一次项对碳排放的影响。结果显示，数字经济显著促进了碳排放增加。列(3)和列(4)是在列(1)和列(2)的基础上，加入数字经济发展指数的二次项，结果显示，数字经济发展指数的一次项仍然显著为正，但是二次项显著为负。这说明数字经济对碳排放的影响为显著的先促进后抑制的倒“U”型曲线，如果仅考虑数字经济的一次项，势必会误判数字经济与碳排放的关系。这与缪陆军等(2022)的发现一致，同时也验证了假说1。同时，对比估计结果列(3)和列(4)可得，加入控制变量后，数字经济发展指数的一次项系数由0.702 下降至0.691，二次项估计系数由-0.466上升至-0.459，对比两个模型的倒“U”型曲线拐点可以发现变化非常小，说明加入控制变量与否，对拐点的影响非常小。从列(4)的估计结果来看，只有产业结构的估计系数在1%的水平上显著为正，表明第二产业的发展会加剧城市碳排放，即制造业是加剧碳排放的重要因素，这主要是由于现阶段第二产业内部依然存在高耗能和高污染行业，其发展对能源的依赖性较强。

表2 基准回归结果

2. 稳健性检验

为验证以上估计结果的稳健性，本文分别以更换解释变量、更换被解释变量以及同时更换解释变量和被解释变量3种方式进行稳健性检验，具体结果见表3。

表3 稳健性检验

(1) 更换解释变量。分别利用因子分析方法和等权重加权方法重新测算数字经济发展指数，替换使用主成分分析方法计算的数字经济发展指数，进行稳健性检验。结果见表3列(1)、(2)。无论是使用因子分析方法还是等权重加权方法，数字经济发展指数的一次项估计系数显著为正，二次项系数显著为负，与基准回归中的结果保持一致，即数字经济对碳排放的影响存在先促进后抑制的特征。但是，针对不同的数字经济衡量指标，其拐点大小是不同的，分别为0.5377和0.969。

(2) 更换被解释变量。分别使用地均碳排放量(landCO2)、人均碳排放量(popCO2)的对数值作为替代变量重新进行估计，结果见表3列(3)和(4)。无论被解释变量是地均碳排放量还是人均碳排放量，数字经济发展指数及其二次项的估计系数方向与基准回归分析中保持一致，再一次证明了研究结果的稳健性和可靠性。此时的拐点分别为0.8010和0.8410，比基准回归略高。

3. 内生性问题

内生性问题的存在会使得实证结果出现估计偏误。本文内生性的主要来源为以下三个方面：一是遗漏变量。尽管模型中已经纳入了会对碳排放产生影响的一系列控制变量，并且对城市和年份效应进行控制，但不可否认的是，模型仍可能遗漏一些会对碳排放产生影响的变量。二是测量误差。对被解释变量碳排放的测算结果可能存在误差，由此导致估计结果存在偏差。三是互为因果。数字经济与碳排放之间可能存在互为因果关系，即不仅数字经济会对碳排放产生影响，碳排放量较大地区的数字经济发展水平也可能是较高的。针对模型中可能存在的内生性问题，参考已有研究(黄群慧等，2019)，并基于数据可得性原则，选取2000-2008年邮政所数量(post_off)并取对数作为数字经济发展水平的工具变量，以此缓解模型的内生性问题，从而更加准确地识别数字经济对碳排放的影响。历史邮政所数量会对数字经济发展产生影响，满足相关性；同时，历史邮政所数量与现阶段碳排放基本没有直接关系，满足外生性；历史邮政所数量与其他控制变量之间的相关性也并不明显，满足排他性。表4汇报了工具变量的2SLS估计结果。从第一阶段估计来看，当被解释变量为dige时，post_off和post_off2对dige均具有显著的影响(显著性水平在10%以上)，此时排他性检验的F为37.15，显著拒绝不具有排他性的原假设；当被解释变量为dige2时，post_off2对dige2具有显著的影响，此时排他性检验的F为29.66，同样显著拒绝不具有排他性的原假设；从第一阶段弱工具变量和过度识别检验来看，均显著拒绝工具变量是弱工具变量和存在过度识别的原假说。综合来看，无论是从理论层面还是实证检验结果来看，该工具变量均满足相关性、外生性以及排他性原则，是一个合适的工具变量。从估计结果来看，数字经济的二次项系数均在10%的水平上显著为负，说明数字经济与碳排放之存在显著的倒“U”型曲线关系。同时，与基准回归相比，此时的系数更大，说明工具变量存在扩大效应，也说明基准回归的估计结果可能存在低估的现象。通过工具变量的分析，再次验证数字经济与碳排放之间存在倒“U”型曲线关系，假说1再次得到验证。

表4 工具变量估计结果

4. 异质性分析

考虑到数字经济发展水平以及碳排放均会由于城市自身资源禀赋以及经济发展阶段的不同而存在差异，因此城市之间禀赋和经济发展水平差异可能会对数字经济的碳排放效应产生影响，而城市的地理位置是影响其资源禀赋的重要因素，由此，本文根据城市所处地理位置以及经济发展水平划分样本进行讨论，结果见表5。列(1)和列(2)为根据地区生产总值大小将样本划分为经济发达地区和欠发达地区进行分样本回归的结果，列(3)至列(5)为根据城市所处地理位置分为东、中、西部进行讨论的结果。对比列(1)和列(2)不难看出，相对于经济发达地区，经济欠发达地区数字经济与碳排放的倒“U”型曲线拐点显著减小。可能的原因是，对于经济发展水平较低地区，其经济发展对资源依赖性更强，产业结构升级的步伐滞后，而随着数字经济发展水平提升，数字经济红利不断凸显，不仅能够迅速提升能源利用效率，还可以为经济发展提供新动能，带来新发展机遇，丰富生产要素，使产业结构不断优化。此外，随着数字经济发展水平提升，信息技术、人工智能和大数据等技术应用有利于打破地区之间的壁垒，有助于其承接经济发达地区的知识和技术溢出效应，由此，经济欠发达地区能够在较低数字经济水平下享受到其生态红利。

表5 异质性分析估计结果

由表5列(3)至列(5)可得，无论是东部、中部地区，还是西部地区，数字经济与城市碳排放之间的关系均为倒“U”型曲线。就倒“U”型曲线拐点对应的数字经济发展指数大小而言，有西部>中部>东部，且东部地区拐点对应的数字经济发展指数值远小于中西部地区，原因可能在于，相对于中西部地区，东部地区数字经济起步较早，基础设施较为完善，市场经济较为成熟，由此使得在较低水平便能够释放其对碳排放的红利。就拐点之后数字经济的碳减排效应大小而言，有西部>中部>东部，即相同数字经济水平的情况下，西部地区的数字经济释放的红利最大，中部地区次之，东部地区最小，原因可能在于，相对于东部地区，中西部地区的市场经济还不够完善，资源配置效率以及生产率保持在较低水平，且从边际效应递减角度，数字经济发展能够更加有效地降低其生产成本，提升生产效率，从而数字经济对该区域的碳减排效应更大，这一发现也验证了“长尾理论”(梁琦等，2021)。

六、 机制分析

为进一步探究数字经济对碳排放的影响路径，基于式(2)和(3)，利用中介效应模型展开实证分析，结果见表6。由列(2)和(3)可知，数字经济对产业结构升级存在先抑制后促进的“U”型曲线影响，而对外资吸引能力存在先促进后抑制的倒“U”型曲线影响，这一现象可能是因为在数字经济发展水平较低时，其对产业结构升级和外资引进质量的红利效应被掩盖。在城市数字经济的发展早期，基础设施建设以及人才培养和引进需要大量资本投入。因此，一方面会使得第二产业比重有所提升，不利于经济发展向第三产业转型升级；另一方面，大量的资金缺口会使得地区在一定程度上放松对外资引进的管制，使得外资吸引能力呈现上升趋势，而随着数字经济发展水平不断提升，相关技术越来越成熟，相关领域人才不断增多，数字经济对产业结构升级的正向促进作用逐渐凸显，且地区对外资管制的力度也有所提升，外资引进能力有所下降。根据列(4)和列(5)可知，将中介变量、数字经济发展指数的一次项及二次项纳入同一模型之后，数字经济对碳排放的影响依然为先加剧后抑制的倒“U”型曲线，产业结构升级变量的估计系数显著为负，外资吸引能力的系数显著为正，说明产业结构升级可以有效缓解碳排放，外资引进会加剧碳排放，且对比加入中介变量前后数字经济发展指数的一次项和二次项系数的估计结果不难看出，中介变量的加入使得数字经济发展指数的一次项和二次项的估计系数均发生一定变化，说明产业结构升级和外资吸引能力对数字经济影响碳排放存在中介效应，两者是数字经济影响碳排放的重要路径，验证了假说2和假说3。加入2个中介变量后，列(4)和列(5)的拐点分别为0.7899和0.6515，与列(1)相比，加入产业结构升级会让数字经济对碳排放的影响拐点滞后，加入外资吸引能力会让数字经济对碳排放的影响拐点提前。综上可知，数字经济发展到一定水平，有利于通过产业结构升级和吸引外资影响碳排放。

表6 数字经济对碳排放的影响路径估计结果

七、 结论与政策建议

如何在“双碳”目标下利用数字经济发展助推碳减排，是中国当前亟须解决的重大现实问题。本文基于2011-2019年276个地级市面板数据，利用面板数据回归模型和中介效应模型，从理论和实证两个层面探讨了数字经济对碳排放的影响及其作用机制。研究结果表明：数字经济对碳排放存在先促进后抑制的倒“U”型曲线影响效应；异质性分析发现，东部和经济欠发达地区在较低数字经济发展水平下即可实现数字经济的碳排放效应由正转为负，但是在拐点之后，中西部地区数字经济的碳减排效应较大；机制分析表明，数字经济可以通过产业结构升级和吸引外资能力来影响碳排放。

基于以上研究结论，本文提出以下政策建议：第一，正确处理数字经济与碳排放的关系。在数字经济起步较晚的地区，其碳排放可能是增加的，但不要因此而否定数字经济作用，应该加快数字经济发展，以实现全行业数字化转型，快速越过数字经济作用拐点。第二，不断促进地区产业结构升级，加强外资引进的管控力度。考虑到数字经济可以通过产业结构升级和外资吸引能力作用于碳排放，在继续推进“数字强国”和碳减排战略的同时，不仅要促进产业结构升级转型，还要加强外资引进管控力度。第三，因地制宜实行以数字经济推动碳减排战略。数字经济发展水平较低的地区，应根据自身资源禀赋以及经济发展优势，建立具有自身发展特色的数字产业，同时也要加强对外资引进的管控力度，引导其流向低污染和低排放行业。数字经济发展水平较高的地区，要不断优化产业结构，提高能源利用效率，激发数字经济的碳减排效应。