数字经济对碳生产效率的影响:时空演化、传导机制与政策启示*

2023-03-08 01:41石嘉婧林寿富
经济研究参考 2023年2期
关键词:高级化产业结构效率

石嘉婧 林寿富

一、引言

百年未有之大变局下,纷繁复杂的国际局势与持续演变的疫情态势使我国面临需求收缩、供给冲击、预期转弱三重压力,对经济持续健康稳定发展带来了极大挑战。加速构建以国内大循环为主体、国内国际双循环相互促进的新发展格局是我国面对内外部环境不确定性采取的重要举措。作为推动新发展格局的有力抓手,数字经济与低碳经济已成为我国加快新旧动能转换、促进经济社会发展全面绿色转型的重要手段。根据全球碳计划(Global Carbon Project)最新发布的报告显示,2021年中国的碳排放量达到114.7亿吨,是美国(50亿吨)的两倍,欧盟(27.9亿吨)的四倍,且尚未实现碳达峰。作为世界最大的发展中国家,中国虽然面临着平衡经济发展与绿色减排的严峻压力,但仍以积极姿态深度参与全球气候治理与节能环保工作当中。2020年9月,习近平主席在第七十五届联合国大会上发表讲话,宣布中国将提高国家自主贡献力度,采取更加有力的政策和措施,二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和。(1)习近平在第七十五届联合国大会一般性辩论上的讲话[EB/OL].新华网,2020-09-22.党的二十大报告强调,推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。(2)习近平.高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[M].北京:人民出版社,2022.深化动能转换、绿色低碳发展既是我国在新发展时期突破增长局限,实现高质量发展的必然要求,更是我国彰显大国担当,为构建人类命运共同体作出示范表率的应有之义。

“十四五”时期是我国实现“双碳”目标的关键发力期,也是推动经济高质量发展和生态环境质量持续改善的攻坚期(王金南和严刚,2021)。作为反映低碳经济发展情况的重要因素,碳生产效率强调从经济发展效益与二氧化碳排放两个维度构建指标综合衡量区域绿色经济发展成效。近年来,学界对碳生产效率的关注与研究在逐步加强,国外学者已针对碳生产效率的指标构建、测算方式与作用机制展开了较为丰富的探讨,但相关问题研究在我国仍处于起步阶段,关于我国碳生产效率的发展情况、演变趋势、相关影响因素与具体作用路径等问题都有待进一步分析。此外,现有研究已从多维度论证了数字经济在构筑国家竞争新优势、推进社会主义现代化建设中发挥的关键作用,但对于数字经济与碳排放的关系论证,尤其对碳生产效率的作用机制探讨仍然较为缺乏,深入探究相关问题能够进一步完善数字经济治理体系,推动数字经济与低碳经济的深度融合与协调发展。

二、文献综述

数字经济最早由Don Tapscott于1996年提出,后经日本通产省、美国商务部等各国政府引用发布后受到世界的关注与认可,成为现代社会经济体建设发展的重要驱动力。中国信息通信研究院发布的《中国数字经济发展白皮书(2022年)》显示,2021年我国数字经济总体规模达到45.5万亿元,同比名义增长16.2%,其中数字产业化规模为8.35万亿元,同比名义增长11.9%,占GDP比重为7.3%;产业数字化规模达到37.18万亿元,同比名义增长17.2%,占GDP比重为32.5%。对于数字经济的研究虽历时尚短但已有了较为丰富的研究成果。早期学界对于数字经济的关注主要集中于数字经济的内涵、影响与国际比较(卢新德,2001;逄健和朱欣民,2013),随着研究的不断深入,相关学者开始探讨数字经济指标构建、与实体经济中的融合作用机制(Mesenboury,2001;Bukht &Heeks,2018;Brynjolfsson,2019)。李国杰和徐志伟(2017)提出信息技术是未来15~20年发展新经济的主要动力,技术积累与技术创新对于培育经济新动能同等重要。徐晋和梁米亚(2017)通过数字经济背景下“蚂蚁效应”的应用与表现,指出互联网经济可能产生群体理性跨界与社会思潮失控等问题。胡鞍钢等(2016)认为应当充分利用中国发展新经济的战略优势、规模优势,主动抢占“数字革命”制高点。当下数字经济的应用发展已深入到社会各个层面,相关研究也从制度政策分析逐步拓展到细分业态、具体产业与情境下问题探讨。马香品(2020)认为数字技术推动生产方式的重构与融合,促进了生产方式与居民消费之间的循环升级,改变了居民消费行为与消费决策。殷浩栋等(2020)提出构建面向农村的数字技能普及体系,缩小城乡之间分享数字红利机会和能力的不平等,让新一轮科技革命能够更多更公平地惠及农业农村农民。

自“双碳”目标提出以来绿色低碳发展问题受到社会广泛关注,碳生产效率作为衡量单位二氧化碳的经济效益指标也逐步成为学界研究的热点问题。对于碳生产效率测算的度量方式当前学界主要分为单因素与多因素两类,其中单因素测算法最早由Yokobori和Kaya(1999)提出,通过将二氧化碳排放视作与劳动、资本同等性质的投入要素,采用一定时期内地区生产总值与二氧化碳排放量的比值来衡量单位二氧化碳排放所创造的经济效益。Watanabe和Tanaka(2007)等学者则认为应当在单要素测量基础上考虑更多环境因素的影响作用,由此学者开始从多因素角度对碳生产效率进行研究。当前国内对碳生产效率的研究主要从以下几个维度展开:一是从测量指标角度,通过将碳排放视作非期望产出,针对不同主体构建异质性指标体系进行碳生产效率分析(谌莹和张捷,2016;苏方林和陆洪波,2019);二是从测量方式角度,主要是采取参数分析法(随机前沿分析为主)与非参数分析法(数据包络分析为主),结合碳生产率的变动差异与收敛性等内容进一步丰富相关研究(董锋等,2014;高文静等,2018);三是从细分业态角度,有学者从行业、区域等细分视角探讨碳生产效率的时空演化及提升潜力(马月琴等,2020;张普伟等,2019)。

现有针对数字经济与生态关系的研究已有较多成果,研究重点多在探讨数字经济与产业生态效率的关系。一是基于产业层面探讨数字经济对产业能效提升的驱动作用。邬彩霞和高媛(2020)通过构建低碳产业发展综合指标及数字经济发展水平评价体系探讨数字经济通过能源流、资源流两个渠道对低碳产业发挥的作用。黄海燕等(2021)指出工业智能化对碳排放存在驱动效应和制约效应,我国工业行业是以驱动效应为主的。二是探讨数字经济对地方生态效率与绿色经济建设的影响与作用机制。徐昊和马丽君(2022)认为数字经济发展有利于推动绿色经济发展且该效应呈现明显的正向空间外溢性,有效弥补资源依赖所产生的负面影响。梁琦等(2021)提出产业结构升级是数字经济作用于中国城市生态效率提升的重要路径。三是基于数字金融角度。惠献波(2021)从数字金融发展视角分析数字普惠金融对城市绿色全要素生产率的影响及其作用机理。汪克亮和赵斌(2021)则认为数字金融能够提高区域创新水平进而深刻影响经济发展过程中的能源效率。四是从区域层面论证数字经济对于区域创新、节能减排的影响并分析潜在的区域分布差异与时空演化特征(梁耀文和王宝海,2021;白冰等,2021)。

综上,现有研究已针对数字经济与绿色生态效率关系展开较为丰富的探讨并取得了一定成果,但对于碳生产效率的研究起步较迟且多基于产业碳排放能效的测度与提升对策,缺乏从动态层面探索碳生产效率的分布特征与演变趋势。此外,数字经济与碳生产效率的关系研究仍有待完善,需进一步深入分析数字经济发展对碳生产效率的影响机制路径及潜在的区域异质性问题。本文在以往研究基础上构建数字经济发展水平与碳生产效率测度指标,结合面板回归模型、非线性中介模型及门槛机制等方式分析我国碳生产效率的时空演变趋势,并以产业结构升级作为中介变量探讨数字经济对碳生产效率的传导机制与作用路径,以期丰富数字经济与碳排放的理论研究。

三、理论基础与研究假设

(一)数字经济与碳生产效率

数字经济作为推动社会生产与经济发展的主要驱动力量为绿色技术创新提供有利环境支撑和要素供给(姬新龙和杨钊,2021),从以下几个层面推动碳生产效率提升。一是行业应用层面。在工业与能源行业推广数字技术有利于降低传统工业生产对有形资源和能源的过度消耗,基于数字经济技术搭建的碳交易平台也被认为能够快速降低碳排放强度,提高能源使用与配置效率(Peitz &Waldfogel,2012)。二是商业模式层面。数字经济具有的开放性、共享性、兼容性特征能够有效降低市场信息搜寻、匹配与交易成本(刘新智和孔芳霞,2021),推动企业生产服务流程的变革与传统产业链再造,提升生产经营效率与资源配置利用率,达到绿色低碳生产的目的。三是产业生态层面。通过数据资源与市场信息的高效交流共享,数字经济能够推动产业生态要素形成集群效应与网络效应,进一步挤压高耗能、高排放产业发展空间,优化城市产业结构,提升绿色技术创新水平。四是基础设施层面。数字技术的广泛应用打通了政府—企业—公众之间的沟通屏障,协助构建完善高效的数字政务平台,也有利于冲破资源要素的时空传递限制,促使资金流、物流、信息流等要素配置更加高效,进而实现重塑环境治理格局、提升环境监督效率的最终目标(李欣等,2017;徐维祥等,2022)。据此,本文提出以下假设。

假设1:发展数字经济有利于提升碳生产效率水平。

当前的数字经济并不等于零碳经济,而是存在“高碳锁定”的现实(梁中和汪跃,2022)。一方面,数字经济快速发展可能引发“杰文斯悖论”。这主要由于数字经济发展伴生规模庞大的数字基础设施建设行为,以及推动产业结构更新换代过程中引发的淘汰旧有闲置设施、盲目上马施工新项目等举措都可能造成资源与能源的过度消耗,导致技术进步没有降低反而加剧了环境负外部性。另一方面,数字经济发展所产生的收入效应大幅提升了居民消费需求与购买力,企业在利润最大化驱动和有限理性约束下盲目扩张生产,也加大了自然资源的浪费程度(樊轶侠和徐昊,2020)。此外,已有文献证实数字经济发展存在地区与行业的不均衡性,这种发展阶段与程度差异可能导致产业发展产生的两极分化与低端锁定效应也会对碳生产效率产生不利影响(周杰琦和韩颖,2016;原伟鹏等,2022)。据此,本文提出以下假设。

假设2:数字经济发展对于碳生产效率水平的提升具有非线性影响。

(二)产业结构的非线性中介效应

数字经济通过推动产业结构转型升级达成节能减排的作用路径主要可以从以下两个方面实现:首先数字经济的规模效应、网络效应与扩散效应能有效推动以劳动密集型、重工业为主的工业产业结构向以技术含量高、环境友好型为主的服务型产业结构转移(陈晓东和杨晓霞,2021),在改善供需结构失衡错位同时实现碳排放的降低。再者,不断推进的数字化智能化转型能够实现传统产业供应链、生态链、价值链革新演化,催生出一系列高效率低耗能的新兴业态模式,进而实现了节能减碳的目标。然而也有部分研究认为产业结构转型升级对于生态效率的提升存在抑制作用。周迪和王雪芹(2019)采用扩展的耦合模型考察了中国各省份碳排放效率与产业结构升级的耦合关系后指出,中国碳排放效率和产业结构升级存在明显的动态不协调,应在解决碳排放效率固化问题的基础上提升各地区碳排放效率与产业结构升级的耦合度。王良虎和王钊(2019)从全国及区域层面探究研发投入、产业结构升级与碳排放之间的关系后认为,产业结构升级在全国和东部地区有效抑制了碳排放,而中部、西部地区则增加了碳排放。综合而言,当下众多研究显示技术与产业融合渗透对碳排放产生积极影响,但产业结构转型升级是否能够进一步提升节能减排效率仍有待深入探讨。因此本文借鉴干春晖等(2011)、李宗显和杨千帆(2021)等学者观点将产业结构转型升级水平拆分为产业结构合理化与产业结构高级化两方面指标,探究产业结构升级在数字经济对碳生产效率作用过程中可能存在的非线性中介影响。据此,本文提出以下假设。

假设3a:产业结构合理化水平在数字经济对碳生产效率提升影响中起到非线性中介作用。

假设3b:产业结构高级化水平在数字经济对碳生产效率提升影响中起到非线性中介作用。

四、研究模型与指标选取

(一)Kernel核密度估计

核密度估计法是一种较为常见的非参数估计方式,它主要通过分析目标数据的分布特征,结合连续的密度函数曲线图直观展示考察目标的密度分布与空间形态,其函数表达为:

(1)

其中,n为观测样本个数,x1,x2,…,xi为独立分布的观测样本,k(x)为核函数,带宽以h表示,其取值能够影响核函数分布图的曲线平滑程度。

对核函数的选取上,选择主流研究常用的高斯核函数进行碳生产效率的分布估计,其表达为:

(2)

(二)面板模型构建

1.基准回归模型设定

为了验证数字经济发展水平与碳生产效率之间的作用机制,首先构建基本面板计量模型为:

TFCPit=β0+β1DIGit+β2xit+λi+θt+εit

(3)

其中,TFCPit表示i地区第t年碳生产效率水平,DIGit表示i地区第t年的数字经济发展水平,β1反映数字经济水平对碳生产效率的影响程度,xit代表控制变量集合,λi表示i地区个体固定效应,θt表示时间固定效应,εit为随机干扰项。

2.非线性中介效应模型设定

为进一步验证数字经济发展是否通过影响产业结构升级提升碳生产效率,文章参考干春晖等(2011)的研究内容,以产业结构合理化(ISR)与产业结构高级化(ISA)变量表示产业结构升级程度,并以此作为中介变量探讨潜在的中介效应,即式(4)、式(5),再分别引入变量的一次项与二次项验证中介变量对碳生产效率提升是否存在非线性效应即式(6)、式(7),具体表达为:

ISRit=α0+α1DIGit+αixit+λi+θt+εit

(4)

ISAit=φ0+φ1DIGit+φixit+λi+θt+εit

(5)

TFCPit=γ0+γ1DIGit+γ2ISRit+γ3ISRit×ISRit+γixit+λi+θt+εit

(6)

TFCPit=ω0+ω1DIGit+ω2ISAit+ω3ISAit×ISAit+ωixit+λi+θt+εit

(7)

3.门槛效应模型设定

基于假设2与假设3所提出的数字经济发展对碳生产效率存在非线性影响,本文分别以数字经济发展水平与产业结构升级水平作为门槛变量,采用Hansen(1999)提出的面板门槛模型进行非线性关系检验。具体模型设定为:

TFCPit=φ0+φ1DIGit×I(DIGit≤μ)+φ2DIGit×I(DIGit>μ)+φixit+εit

(8)

TFCPit=φ0+φ1DIGit×I(ISTit≤μ)+φ2DIGit×I(ISTit>μ)+φixit+εit

(9)

其中,式(8)以数字经济发展水平作为门槛变量,式(9)以产业结构转型水平作为门槛变量(在后续研究中将分别采用产业结构合理化与产业结构高级化变量表示),数字经济发展水平作为核心解释变量,μ为门槛值,I为指示函数。若是门槛变量大小符合设定门槛值则取值为1,否则为0。在单一门槛基础上还需要考虑是否存在多重门槛效应,故在式(8)和式(9)基础上分别以双重门槛为例建立以下模型:

TFCPit=φ0+φ1DIGit×I(DIGit≤μ1)+φ2DIGit×I(μ1

+φ3DIGit×I(DIGit>μ2)+φixit+εit

(10)

TFCPit=φ0+φ1DIGit×I(ISTit≤μ1)+φ2DIGit×I(μ1

+φ3DIGit×I(ISTit>μ2)+φixit+εit

(11)

(三)评价指标选取

1.被解释变量

本文被解释变量为碳生产效率。相比于单因素指标体系,全要素测量方式纳入经济指标以外的多类型投入产出因素进行测算,能够更加综合全面衡量碳生产效率。文章借鉴以往研究中的全要素碳生产效率指标选择,采用非期望产出导向超效率SBM模型测算各地区碳生产效率。其中,投入要素从资本投入、劳动投入、能源投入三方面分别选取各地区年度就业人口(万人)、社会固定资产投资完成额(亿元)、各地区能源消费总量(万吨标准煤)三类指标以表征人、财、物要素投入。效率指标中的产出要素分为期望产出与非期望产出两部分,其中期望产出借鉴过往研究采用地区生产总值(亿元)与地方一般公共预算收入(亿元)两项指标反映(以2000年为基础进行平减处理),非期望产出指标则采用各地区二氧化碳排放数量反映。二氧化碳排放测算基于各地区2011~2019年消费的各类能源数据,采用联合国政府间气候变化专门委员会(IPCC)提供的各类型燃料碳含量与二氧化碳排放因子的计算方法进行测量,具体公式为:

(12)

其中,CO2表示待估算的二氧化碳排放量;i代表14种能源类型,依次分别表示是煤炭、焦炭、焦炉煤气、高炉煤气、转炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气和液化天然气;Ei代表各种能源的燃烧消费量;NCVi为各种能源的平均低位发热量;CCi为各种能源的碳含量;COFi为各种能源的碳氧化因子;44/12为二氧化碳与碳的分子量比率。

2.解释变量

本文解释变量为数字经济发展水平。当前国内外对于数字经济发展水平的测度没有统一标准,其中较有影响力的指标体系包括国家工信安全中心的全国数字经济发展指数、中国信通院数字经济指数、腾讯研究院“互联网+”数字经济指数以及赛迪中国数字经济指数等。在参照行业机构与相关学者的研究后基于数据可得性与完整性考虑,文章从数字经济基础建设、发展应用、创新环境三个维度构建三级指标体系(见表1)。

表1 数字经济发展指标体系

数字经济基础建设强调持续建立并完善信息传输软硬件设施,确保信息通信与数据资源的高速有效传递。这一方面参考相关学者研究(黄群慧等,2019;王军等,2021),选取移动电话普及率、光缆密度、移动电话基站密度、互联网宽带接入端口密度四个指标对数字经济发展所需的基础设施发展状况进行衡量。

数字产业发展应用层面则分为数字产业化与产业数字化两个维度,数字产业化维度以人均软件收入,信息传输、计算机服务和软件业人数占城镇就业比,人均电信业务总量,数字普惠金融指数四个指标测量数字技术深度应用催生演化的新型业态发展成果;产业数字化维度则以每百家企业网站数,有电子商务交易活动企业占总企业数比重,电子商务销售额,互联网域名数四个指标反映数字经济与传统经济交叉融合、推动传统产业在新时代转型升级的发展成效。

数字产业创新环境主要是指资本、人才、技术等核心创新要素在特定空间集聚进而触发学习效应、合作效应与溢出效应,为数字产业协同创新奠定强有力的技术支撑。现有研究已证实地区可通过研发创新投入、促使技术创新量化产出带动数字经济发展(刘志坚,2021;党琳等,2021)。本文借鉴纪玉俊和韦晨怡(2023)、白俊红和陈新(2022)的研究,以研究与试验发展(R&D)经费内部支出、研究与试验发展(R&D)人员全时当量表征创新发展潜力,以规模以上工业企业有效发明专利数、技术合同成交总额表征创新应用成效。所搜集的数据经处理后采用改进的面板熵值法进行测算,具体公式参考白俊红和陈新(2022)的相关研究。

3.中介变量

本文将产业结构转型升级作为中介变量,参照干春晖等(2011)的观点从产业结构高级化与产业结构合理化两个维度对产业结构转型升级水平进行衡量。产业结构高级化理论来源于配第—克拉克理论,即随着人均国民收入水平的持续提高,劳动力首先从第一产业向第二产业转移,进而自第二产业向第三产业转移。当前我国数字经济技术持续深化应用,服务性产业产值比重逐渐升高并带动产业形态不断向第三产业转变(范晓莉和李秋芳,2021),推动了我国产业结构高级化水平的不断提升。因此本文借鉴李鲁和刘学华(2020)、吴万宗等(2018)的研究,采用第三产业与第二产业之比来衡量产业结构高级化趋势。产业结构合理化水平则反映了产业集聚质量以及产业发展对资源的有效利用程度,是不同产业均衡配置与协调发展程度的具体表现形式。借鉴干春晖等(2011)的研究并基于泰尔指数进行测算。

(13)

其中,n取值1~3分别代表第一、第二、第三产业,Yi表示第i行业的产值,Li表示该行业的就业人数,Yi/Y表示该地区的产业结构,Y/L则表示劳动生产率。该指标综合考虑了三大产业在国内生产总值中的权重、各产业劳动生产率与总体生产率的偏离,其取值越趋近于0表明投入产出结构的耦合程度越高,产业结构越趋近均衡状态。

4.控制变量

归纳总结已有文献关于数字经济与碳生产率发展水平的影响因素后结合数据的可获得性,选取以下控制变量:(1)城镇化水平,以城镇人口占地方总人口的比例进行衡量。(2)劳动力水平,以当地就业人口中大学本科及以上文化程度就业人数占比表示。(3)经济发展水平,以地区人均GDP取对数进行测算。(4)对外开放水平,通过当地实际利用外资占GDP的比值取对数进行衡量。(5)能源结构,采用能源消费中煤炭使用量占比进行衡量。

(四)数据来源与描述性统计

由于数字经济发展指标体系中的部分测度指标在2010年前内容缺失较为严重,并且碳生产效率的能源类指标在2021版年鉴中仅更新至2019年,因此本文研究对象基于2011~2019年全国30个省份(3)由于本文内容涉及大量省级数据,为行文及阅读方便,此处及下文省份均指省(区、市)。数据,西藏地区与港澳台地区由于数据缺失较多不纳入研究范围。本文的主要数据来源于《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》及各省份统计年鉴,部分缺省值用线性插值法补齐。相关变量的描述性统计结果如表2所示,其方差膨胀检验系数VIF均值为4.72,小于临界值10,因此认定相关变量不存在多重共线性问题,数据取值较合理。

表2 变量的描述性统计结果

五、实证结果分析

(一) 碳生产效率的时空变动情况

本文基于非期望导向全局超效率SBM模型对2011~2019年中国主要地区的碳生产效率进行测算,结果如表3所示。测算显示观测期间我国碳生产效率整体水平在稳步提升,但也存在整体效率值偏低且地区分布极不均衡,东部发达地区与中西部内陆地区存在两极分化的趋势。

表3 2011~2019中国主要地区碳生产效率

为了直观展示各主要区域碳生产效率的分布状况演变,采用三维核密度绘图法分别绘制全国、东部、中部、西部地区2011~2019年的碳生产效率分布图(见图1),其中X轴代表碳生产效率,Y轴代表年份,Z轴代表核密度分布。从全国范围来看,碳生产效率核密度分布在2014年后逐步由单峰形态转化为双峰形态,其左侧主峰明显右移且右侧缓峰不断升高右偏,这表明近年全国整体碳生产效率不断提升,部分地区增速加快并创新高(北京、上海、广东等地)。东部地区核密度分布趋势与全国相近但演化程度上呈现更为明显的头部分化趋势,表明东部区域中的头部地区碳生产率在创造新高的同时也逐步拉大与其他地区差距。中部与西部地区核密度在观测期间分布趋势一致,均呈现缓慢右偏的单峰形态,反映了中部与西部地区的碳生产率有所增长但整体增长速度较为缓慢,水平仍有待提升。

图1 2010~2019年各区域碳生产效率核密度分布

(二)基准回归与异质性分析

表4的第(1)、第(2)两列是加入控制变量前后数字经济对碳生产效率影响的基准回归结果对比。回归结果显示数字经济对碳生产效率发展水平的影响显著为正,在加入控制变量以后虽然回归系数由0.066下降至0.032但仍在1%的水平上显著,说明数字经济发展对于碳生产效率提升具有显著的正向影响且具有较强的稳定性。从控制变量的角度分析,地区城镇化水平对碳生产率的影响显著为负,表明城镇化水平提升可能导致地区人口密度增加与产业聚集发展,进而增大地区的碳排放强度。经济发展水平与对外开放水平均对碳生产效率产生显著的正向影响,表明高质量的经济发展与对外交流水平能够有效推动节能减排技术提升与效率改进,实现碳生产效率水平的整体提升。能源结构对碳生产效率产生了较为显著的负向影响,这主要由于在短期内以煤为主的基本国情不会改变,当务之急是如何促进煤炭行业的绿色清洁技术升级,在达成“双碳”目标的前提下实现可持续发展(徐涵等,2021)。表4的第(3)、第(4)、第(5)列展示了数字经济水平对碳生产效率影响的区域异质性分析,结果表明数字经济发展对于东部与西部地区碳生产率有显著的正向影响。东部地区得益于长期积淀的发展优势在基础设施建设、人才知识储备、科技发展水平方面均位于全国前沿水平,数字经济整体发展程度较高,对碳生产效率带动提升效果显著。西部地区虽然整体发展水平处在全国中下游,但是部分地区近年来受政策推动与地区间产业转移带动的影响,数字经济建设有了长足发展,也体现出较为明显的碳生产率提升作用。

表4 基准回归与区域异质性检验

(三)产业结构升级水平的非线性中介效应检验

为验证数字经济是否通过推动产业结构转型升级提升地方碳生产效率水平,本文分别引入产业结构合理化与产业结构高级化指标作为中介变量进行非线性中介效应检验,结果如表5所示。第(2)列、第(3)列对比分析数字经济发展对产业结构合理化与产业结构高级化产生的影响,结果显示数字经济发展能够在1%的显著性水平上影响产业结构高级化,但对产业结构合理化并没有产生显著影响,表明数字经济无法通过推动产业结构合理化水平提升带动碳生产效率增长,假设3a不成立。第(4)列在引入产业结构高级化为中介变量后数字经济对碳生产效率的影响系数为0.011,低于第(1)列的0.032但仍旧在1%的水平上显著,证实产业结构高级化演变在数字经济发展对碳生产率的影响过程中起到明显的部分中介作用,假设3b成立。此外,产业结构高级化指数的一次项显著负向相关但二次项显著正向相关,表明产业结构高级化提升对碳生产效率产生“U”型非线性关联,这意味着从长远视角分析产业结构高级化程度的提升必将会对产业绿色发展带来有效助力,推动碳生产效率的不断提升,但也不能忽视高级化发展的前期阶段对碳生产效率潜在的消极影响:由于当下信息技术行业、生产性服务行业等数字化程度较高的新兴产业吸纳了大量优质人才、技术、资金等重要生产资源,一定程度上限制了部分发展困难的传统行业顺利转型,造成产业发展的极化效应进而破坏了正常产业生态格局,加剧了产业间发展不均衡(许恒等,2020)。再者,以数字经济为基础的平台经济发展迅猛,头部平台凭借技术或资本积累的优势收购或消灭潜在的竞争对手(丁守海和徐政,2021),为自身带来了更大利益的同时导致产业内腰尾部平台的消失,潜在的低端锁定与产业空心化效应对产业的协同融合发展与碳生产率的提升均造成不利影响。

表5 非线性中介效应检验

(四)门槛变量检验

本文经过分析证实了数字经济发展对碳生产效率具有显著性影响。为验证该影响究竟在何种程度与范围内发挥作用,本文分别以数字经济水平与产业结构高级化水平作为门槛变量进行非线性门槛检验。基于Bootstrap方法反复400次抽样分别进行三重、双重、单重门槛检验,得到门槛效应检验结果如表6所示。数字经济水平作为门槛变量时通过了双重门槛检验(见图2),产业结构高级化则在1%显著水平上存在单重门槛效应(见图3)。门槛值对应的LR估计值均明显小于临界值,上述门槛估计值真实有效。

图2 数字经济门槛效应LR统计

图3 产业结构高级化门槛效应LR统计

表6 门槛效应检验结果

表7报告了上述门槛变量的回归结果。当数字经济发展水平小于2.8538时其回归系数为0.0654,当门槛变量区间处于2.8538~4.0965时回归系数为0.0573,门槛变量大于4.0965回归系数降为0.0499,回归系数的逐步下降在一定程度上验证了前文“高碳锁定”的提法。产业结构高级化水平作为门槛变量时存在单重门槛效应,当产业结构高级化水平低于2.9231时,数字经济发展对碳生产率的回归系数为0.0213,当高级化水平高于2.9231时门槛系数提升至0.0747。这体现了随着数字经济不断发展,产业结构高级化程度的提升能够有效降低碳排放数量,带动地区碳生产率上升。

表7 门槛模型估计结果

(五)稳健性检验

基础面板数据回归分析不能全面完整体现数字经济发展水平对碳生产效率的影响情况,分位数回归则能够反映出不同分位数条件下数字经济与碳生产效率的拟合程度。因此本文采用0.25、0.50、0.75 与 0.90 四个分位点进行稳健性回归检验(见表8),结果显示数字经济发展指标在0.25分位点没有通过显著性检验以外,其他分位点均通过1%的显著性检验,具有较强的拟合性,体现了整体数据的稳健性。

表8 稳健性检验

续表

六、结论与建议

(一) 结论

本文基于全国30个省份2011~2019年的数据构建指标体系测算数字经济发展水平与碳生产效率,对各地碳生产效率的差异分布特征进行分析并以产业结构转型升级指标作为中介变量探讨了数字经济与碳生产效率的影响机制与非线性作用。主要结论有以下几点。

(1)我国碳生产效率发展水平在稳步提升,但也存在整体效率偏低且地区分布不均衡的情况,东部发达地区与中西部内陆地区存在极化分布的趋势。

(2)数字经济发展对于碳生产效率提升具有显著的正向影响且该结论具有较强的稳健性。

(3)产业结构高级化演变在数字经济发展对碳生产率的影响过程中具有非线性中介作用。

(4)数字经济发展水平与产业结构高级化程度均对碳生产效率提升存在门槛效应。

(二) 建议

实现碳达峰与碳中和,是以习近平同志为核心的党中央统筹国内国际两个大局作出的重大战略决策,是着力解决资源环境约束突出问题、实现中华民族永续发展的必然选择,更是构建人类命运共同体的庄严承诺。(4)中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见[EB/OL].中国政府网,2021-10-24.作为世界上最大的发展中国家,在保持经济增速与社会发展的同时达成“双碳”目标,需要坚定绿色低碳发展的同时积极发挥数字经济的重要引擎作用,实现数字经济发展与碳生产效率提升的融合发展。相关政策层面的启示有以下几点。

(1)因势利导,加强数字经济与低碳经济的深度融合。创新数字技术与绿色低碳理念支撑的新兴绿色产业、新兴商业模式、新兴发展生态将成为新发展格局下社会经济发展的重要推动力量。要实现数字经济与低碳经济的深度融合发展,需深化数字化、网络化、智能化技术在节能减排产业、低碳服务产业、清洁能源产业的应用,促进低碳产业与实体经济的生产要素互通流动,打通产业间信息交换与资源置换的互动渠道,利用创新推动经济社会全面高质量发展。

(2)因地制宜,推动区域层面协调发展。我国幅员辽阔,不同区域资源禀赋与发展环境差异巨大。各地区应明确自身经济发展与节能减排方面的优势与短板,综合考虑当下技术水平、效率前沿发展趋势与自身条件、技术能力、产业结构等因素实施错位发展策略。东部第一梯队地区要稳固技术创新与节能减排的领头羊地位,充分利用技术、人才、经济等核心资源优势进一步提升技术创新水平,推动我国碳生产效率前沿线的不断进步。中部内陆地区可依托现有产业基础与优势资源,利用产业梯度转移的政策背景积极承接沿海发达地区的制造业、生产性服务业等相关产业,深化产业结构转型调整的同时加强传统产业的数字化改造。资源集聚型与传统产业集聚型城市一方面需要转变发展思路,积极探索现有产业发展的数字化低碳化转型路径;另一方面也需要相关部门出台财政与技术方面扶持政策,引导传统产业转型升级同时推进技术密集型与环境友好型产业的落地发展。

(3)因情施策,优化低碳节能产业发展条件。“双碳”目标的顺利达成仅依靠重点区域、城市发展带动是不切实际的,只有形成差异发展、协调合作的紧密配合局面,才能真正扭转碳生产率分化发展的“多峰俱乐部”形势,推动地方经济的高质量发展。各地主管部门应当立足本地比较优势,加强政策引导与规范作用,破除不利于碳生产效率提升的体制机制。一方面,通过加大科技投入、密切产学研合作、探索市场化碳排放权交易机制等方式,有效发挥行政手段与市场手段的共同作用,引导经济发展与节能减排目标达成。另一方面,利用数字技术赋能新基建的有利时机着力布局基础设施建设、优化产业发展环境,为供给侧结构性改革的深入推进与产业结构转型升级创造良好的设施条件,实现激发地区经济发展潜能、弥补地区低碳发展鸿沟的目标。

猜你喜欢
高级化产业结构效率
关于推动机械工业产业基础高级化、产业链现代化的指导意见
《关于推动机械工业产业基础高级化、产业链现代化的指导意见》编制说明
城镇化对产业结构高级化的影响研究
提升朗读教学效率的几点思考
中部地区产业结构高级化测度及效应分析
基于产业结构对接的人力资源培养实践与思考——以湖南省为例
跟踪导练(一)2
“钱”、“事”脱节效率低
产业结构
产业结构变动、技术进步与碳排放