“双碳”背景下数字经济赋能煤炭资源富集区的低碳转型探析*——基于绿色技术创新的中介视角

郝玉凯,任文丽

(西藏大学 经济与管理学院,拉萨 850000)

一、引 言

“双碳”目标最早由习近平总书记在第七十五届联合国大会上提出,在此次大会上,我国承诺将在2030年前实现碳达峰、在2060年前实现碳中和两个碳减排目标。“双碳战略”发布后,我国连续出台了相关支撑政策。“十四五”规划报告中指出,我国未来要不断推进能源革命,建设更清洁、更安全、更高效的能源体系;2021年10月24日中共中央国务院发布《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》;2021年10月26日国务院发布《2030年前碳达峰行动方案》;至今已发布将近60个行动方案,基本形成了“1+N”的政策体系,即以中央为总领,对不同行业领域制定相对应的行动方案。尽管我国已经出台多项政策为碳减排做出努力,但我国作为煤炭消费大国,煤炭在能源结构中占有主导地位,碳排放量仍然在逐年增长[1]。

我国煤炭资源分布呈现煤炭资源富集区和主要消费区逆向分布、煤炭资源和水资源逆向分布的特点[2]。这就造成了煤炭主产地就地转化率低、主要消费地集约利用率低等问题,煤炭资源主要分布在干旱、半干旱地区,而煤炭加工利用过程中对水资源的需求较高,一定程度上制约了煤炭的转化利用,导致煤炭加工利用率低[2]。同时,煤炭资源富集区的煤炭生产利用在社会经济活动中占比较高[3],与之相应的是一系列高耗能、高污染产业,因此煤炭资源富集区的碳减排任务非常艰巨。而数字经济作为一种新兴的融合性经济,正在渗透到各行各业中发挥其创新与赋能作用[4]。煤炭资源富集区的碳减排效果直接影响着全国碳减排的效果,因此,探究该区域数字经济对碳排放的影响效果并据此提出合理的碳减排政策建议,具有重要意义。本文立足于“双碳”目标的实现,分析数字经济赋能煤炭资源富集区碳减排的作用机制。对于煤炭资源富集区的界定,我们根据中华人民共和国自然资源部2021年全国矿产资源储量统计表中全国能源矿产的分布数据,选取煤炭资源排名前十的省份作为研究对象,其分别是山西、陕西、内蒙古自治区、河南、贵州、甘肃、宁夏、新疆、云南和安徽,该10个省份区域内的煤炭资源总量高达1900多亿吨,占全国煤炭资源量的91%以上,为此,选取这10个省份2011-2020年的面板数据进行实证分析,对于本文研究目标的达成,应该更具典型性、合理性和科学性。

二、相关研究文献综述

目前,关于数字经济赋能“双碳”的相关研究较多,且主要聚焦于数字经济对城市、企业及产业低碳发展的作用影响。金飞等研究发现[5]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;更进一步,孙文远等研究发现[6]数字经济可以通过地方政府竞争间接抑制碳排放。周雪峰等认为[7]数字经济通过数字化转型的中介效应促进企业绿色创新,并且在数字经济产业、非资源型城市以及互联网发展水平高的地区作用更明显。但是,目前国内学界关于煤炭资源富集区、煤炭产业低碳转型的相关研究较少,而关于数字经济赋能煤炭资源富集区低碳减排的研究更少。田娟娟、张金锁等[1]基于STIPAT模型研究煤炭资源富集区碳排放的影响因素,并提出了煤炭资源富集区低碳绿色发展的政策建议;雷贵生[8]以陕西黄陵矿业为例从煤炭绿色开采、高效清洁利用、经济结构转型等方面探究煤炭低碳转型之路;王丹识等[9]研究目前煤炭产业数字化转型存在的问题并提出了政策建议;于光军[3]从实现共同富裕和“双碳”目标的角度出发,探究了煤炭资源富集区的碳排放特点以及实现两个目标的路径;另外,在数字经济与碳排放的关系研究中,部分学者探究了绿色技术创新的中介作用。常皓亮[10]探究了数字经济、绿色技术创新和碳排放强度三者之间的关系,验证了绿色技术创新在数字经济促进碳减排中的中介作用;肖仁桥、刘国帅等[11-12]从企业碳绩效出发,探究绿色技术创新在数字经济与企业碳绩效中的传导作用。

通过以上文献梳理我们发现:第一,主流观点认为数字经济的发展对“双碳”目标的实现有促进作用;第二,研究者普遍认为数字经济赋能城市、企业或产业低碳发展过程中因地域、当地互联网发展水平等不同而表现出赋能作用效果不同;第三,现有研究对于煤炭资源富集区的低碳转型探究较少,特别是结合数字经济对煤炭产业低碳转型赋能作用的研究则更少。据此,本文从“双碳”目标的实现出发,基于绿色技术创新的中介视角,探究煤炭资源富集区数字经济与碳排放的影响关系。本文可能的边际贡献包括以下三点:一是聚焦于煤炭资源富集区探究了数字经济对碳排放的影响作用;二是以绿色技术创新的中介视角探究了其在数字经济与碳排放关系中的传导作用;三是探讨了不同政策时段数字经济对碳排放的影响效果。最后,根据实证分析结果,对数字经济赋能“双碳”、赋能煤炭资源富集区低碳转型提出了相关建议。

三、理论分析与假设提出

(一)数字经济与碳排放

数字经济作为一种新兴的融合性经济,正在渗透到各行各业而发挥其赋能作用[4]。从宏观层面看,数字经济的发展提升了整个社会的数字化、智能化水平,推动了智慧城市、数字政府的建设,例如,“智慧庐阳”平台的上线,以数字技术为支撑打造智慧政务平台,实现了政府、企业和居民三方的高效联动及精细化管理,提高了社会的运行效率,降低了能源的消耗和浪费,进而达到降低碳排放的目的。从微观层面看,大数据、云计算等智能技术的运用正在改变传统行业的生产运营模式,使得能源、电力、城市管理、交通运输、工业生产等领域的运行效率和能源使用效率得到大幅提升[13],从而推动传统行业的低碳转型。对于煤炭行业而言,一方面,数字技术挖掘煤矿开采、运输、剥离等生产管理过程中的数据,挖掘潜在规律与模式,通过提高生产效率,提升能源利用率进而降低碳排放;另一方面,数字技术通过对煤炭产业传统工艺进行技术改进、技术升级,例如利用智能装备实现智能化无人开采,通过缩短工艺流程以及减少人力成本来降低碳排放。

与此同时,数字经济的发展也不是只有单纯的降碳作用,数字经济本身的发展就会带来大量的能源消耗[14]。其一,数字基础设施建设需要投入大量人力、物力、财力,会带来较大的能源消耗进而增加碳排放;另一方面,数字经济的发展依托于互联网业、软件和信息技术服务业、电信业等行业,无论是数字产业化还是产业数字化过程中,都伴随着巨大的电力消耗,我国的电源结构中以火力发电为主导,而火力发电又主要依赖于煤炭燃烧,因此电力消费的上升意味着煤炭消费的上升,从而增加了碳排放量。综上,根据数字经济发展的特征来看,在初级阶段,数字经济的发展会带来较大的能耗,对碳排放呈现正向效应,当数字经济发展到成熟阶段,前期投入的成本渐渐产生净效应,带来产业结构的优化和能源效率的提升,对碳排放产生抑制作用。据此,本文提出以下假设:

H1:数字经济发展对煤炭资源富集区的碳排放影响呈现先促进后抑制的倒U型关系。

(二)数字经济与绿色技术创新

绿色技术创新也称为生态技术创新,是一种以保护环境为目的的技术创新,在生产过程中每一环节都遵循环境原则,实现产品生命周期的成本最小化。数字经济与绿色技术相融合能够促进绿色技术创新水平的提高。一方面,数字经济是一种高效率的经济发展模式,不会过度依赖于自然资源和生态环境,改变了传统高耗能、高污染企业的生产模式,迫使传统企业研发更高效、绿色的生产技术;另一方面,数字经济的发展提高了信息传递和整合的速率,能够在短时间内整合人力、资本、技术和知识等要素,同时一定程度上解决了信息不对称问题,降低了企业进行绿色技术创新的成本[15]。据此,本文提出以下假设:

H2:数字经济发展有利于促进绿色技术创新水平的提升。

(三)绿色技术创新与碳排放

在当前经济高质量发展的背景下,绿色化的生产模式已经成为企业可持续发展的必要条件[16],企业科研投入不断增加,绿色技术创新水平不断提高。从绿色技术的特点来看,绿色技术本身以节约资源、降低能耗、减轻环境破坏和污染为特点,煤炭资源富集区的工业以高耗能、高污染的煤炭产业为主,绿色技术应用于煤炭开采、利用等环节能够显著提高技术效率,进而达到降低碳排放的目的。据此,本文提出以下假设:

H3:绿色技术创新能够降低煤炭资源富集区碳排放水平。

(四)数字经济、绿色技术创新与碳排放

通过上述分析,数字经济对碳排放的影响存在非线性影响关系,数字经济对绿色技术创新存在正向影响效应,而绿色技术创新对碳排放存在负向影响效应,在数字经济对碳排放的影响作用中,绿色技术创新存在中介效应。据此,本文提出以下假设:

H4:数字经济通过绿色技术创新的中介作用降低煤炭资源富集区碳排放水平。

四、研究设计

(一)模型设定

1.基准面板模型

基于上述理论分析,本文构建基准回归模型来估计数字经济对煤炭资源富集区省份的碳排放影响,建立模型如下:

Ceit=α0+β0digit+β1sdigit+β2popuit+β3fgitit+β4laborit+β5RDit+εit

其中:i和t代表不同省份和年份;Ceit代表碳排放量;digit代表数字经济发展水平;sdigit代表数字经济水平平方项;popuit代表人口规模;fgitit代表外商投资水平;laborit代表劳动力水平;RDit代表研发强度;εit为随机扰动项。

2.中介模型

进一步分析,数字经济会通过影响绿色技术创新水平进而影响碳排放量,本文引入绿色技术创新水平为中介变量,借鉴温忠麟[17]的做法采用三步回归法进行验证。首先研究数字经济发展水平对碳排放的影响效应:

Ceit=α1+δ0digit+δ1sdigit+γXit+ε1it

其次,以绿色技术创新水平为被解释变量,以数字经济发展水平为核心解释变量进行回归估计:

lnGPit=α2+θ0digit+γXit+ε2it

其中,lnGPit代表第i个省份第t年的绿色技术创新水平。最后,以碳排放量为被解释变量,以数字经济发展水平为核心解释变量,以绿色技术创新水平为中介变量,放入同一回归模型中进行回归估计:

Ceit=α1+δ0digit+δ1sdigit+ζlnGPit+γXit+ε3it

(二)指标选取与数据说明

(1) 被解释变量。碳排放量是低碳转型的标志性指标,因此选取山西、陕西、内蒙古自治区、河南、贵州、甘肃、宁夏、新疆、云南和安徽10个省份2011-2020年的碳排放量为被解释变量,具体测算根据IPCC《国家温室气体排放清单指南》2006版,将终端能源消费分成煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力九大类,利用10个省份历年终端能源消费量测算二氧化碳排放量,具体计算公式为Ct=∑Etj×ηj(j=1,2,…,9),其中Ct为第t年的碳排放总量,Etj为第t年第j种能源消费量,ηj为第j种能源的二氧化碳排放系数,最终得到10个省份历年碳排放总量。以上数据来源于《中国城市统计年鉴》。

(2) 核心解释变量。核心解释变量选取数字经济发展水平,具体测度借鉴赵涛[18]等的做法,选取百人中互联网宽带接入用户数、计算机服务和软件业从业人员占城镇单位从业人员比重、人均电信业务总量、百人中移动电话用户数和数字普惠金融指数衡量,最后,运用熵权TOPSIS法测算各项指标权重,最终得出数字经济综合发展指数。以上数据均来源于《中国城市统计年鉴》,具体指标体系如表1所示。

表1 数字经济测算指标体系

(3) 中介变量。中介变量选取绿色技术创新水平,具体选取省级绿色专利授权数来衡量,具体分为绿色发明专利授权和绿色实用新型专利授权,本文选取二者之和并取对数来测度,所用数据来源于中国研究数据服务平台(CNRDS)。

(4) 控制变量。考虑到影响碳排放的因素较多,例如人口规模的变化会影响家庭二氧化碳排放量,企业的研发投入通过影响生产技术水平进而影响碳排放,本文借鉴已有研究选取如下控制变量:人口规模(popu),采用常住人口数量衡量;外商投资水平(fgit),采用外商直接投资额与地区生产总值之比来衡量;劳动力水平(labor),采用劳动就业人数取自然对数来衡量;研发强度(RD),采用RD经费内部支出与地区生产总值之比来衡量。以上所用变量的描述性统计如表2所示。

表2 变量描述性统计

五、实证结果分析及讨论

(一)基准回归结果

如表3所示,模型(1)为加入数字经济一次项的回归结果,发现数字经济对碳排放的回归系数为0.5564,即随着数字经济的发展会增加碳排放量,说明数字经济对碳排放的影响存在正向效应,且通过1%显著性水平检验。进一步,将数字经济平方项加入模型进行回归估计,回归结果如表3第(2)列所示,数字经济一次项系数为正,二次项系数为负,并且都通过了1%的显著性检验,说明数字经济发展对碳排放的影响呈现先促进后抑制的倒U型关系,因此本文假设1得到验证。数字经济的发展初期主要投入为基础设施的建设,随着数字技术的推广和应用,企业生产效率得到大幅提升的同时对于能源的消耗也会大幅增加,尤其是电力消耗,这一阶段数字经济的发展会增加地区碳排放量;当数字经济发展到一定阶段时,发展初期投入的人力、资本和能源渐渐产生净效应,数字经济通过改进传统企业的生产模式和运营模式提升企业的生产效率,实现产业结构优化和资源的高效利用,这一阶段数字经济发展对碳排放的影响呈现负向影响。

表3 基准回归结果

(二)稳健性检验

为排除异常值和极端值对模型回归的影响,本文分别采取了增加控制变量和缩尾处理的方法进行稳健性检验。参考赵哲和谭建立的研究[19],政府的财政支出对地区碳排放具有影响效应,财政支出规模通过直接效应和环境规制效应对碳排放产生抑制作用,因此本文添加政府支出作为控制变量加入模型中进行回归估计,具体测算用省份RD经费内部支出与地区生产总值之比来衡量,回归结果如表4第(1)列所示,未出现显著变化。本文对数据在1%水平上进行缩尾处理[20],结果如表4第(2)列所示,与基准回归结果基本保持一致。

表4 稳健性检验

(三)中介机制检验

本文采用中介模型,以绿色技术创新水平为中介变量,对数字经济影响碳排放的机制进行检验,结果如表5所示,第(1)列为主效应回归,一次项系数为正,二次项系数为负,且在1%显著性水平下显著,与基准回归结果一致;第(2)列是以绿色技术创新水平为被解释变量,探究数字经济发展对绿色技术创新水平的影响,结果显示数字经济对绿色技术创新水平存在正向影响效应,且在5%显著性水平下显著,这样假设2得到验证。第(3)列为将中介变量绿色技术创新水平加入回归模型的回归结果,发现数字经济对碳排放的影响作用与基准回归结果基本一致,仍然是倒U型关系,但在加入中介变量绿色技术创新水平后,数字经济对碳排放的影响系数的绝对值不论是一次项还是二次项都有所下降,说明绿色技术创新水平在数字经济对碳排放的影响关系中存在部分中介作用,即数字经济会通过影响绿色技术创新水平间接影响碳排放水平,这样假设4得到验证。此外,绿色技术创新水平对碳排放影响的回归系数在5%显著性水平下显著为负,说明绿色技术创新水平的提高会对地区碳排放产生抑制作用,这样假设3得到验证。

表5 中介机制回归结果

表6 异质性检验结果

(四)异质性分析

目前,数字经济的发展逐渐受到政府的重视,十四五规划报告中提出加快数字化发展、建设数字中国的愿景,并且从关键数字技术、数字产业化、产业数字化、数字社会、数字政府等方面提出了详细的发展要求和具体措施,党的二十大报告中同样提出了加快实现高水平科技自立自强的要求,数字经济的发展受到党中央各项政策实施的影响,对碳排放的影响作用可能存在政策时段异质性[20]。由于“数字经济”一词是在2017年政府工作报告中首次被提出,因此本文根据我国数字经济政策导向,以2017年十九大为划分标准,将政策时段划分为2011-2017年和2018-2020年两个时段,分别进行检验。表7结果显示2011-2017年间,数字经济对煤炭资源富集区的碳排放影响已经呈现倒U型影响作用,但是2018年之后数字经济对煤炭资源富集区的碳排放影响作用更为明显。说明数字经济对煤炭资源富集区的碳排放影响受到我国数字经济政策实施的影响,具有阶段性和时滞性[20]。

表7 内生性检验结果

(五)内生性检验

考虑到煤炭资源富集区的低碳转型可能受到地区经济发展水平、技术进步水平和政策环境等的影响,同时数字经济指数的测度没有统一标准,导致数字经济与碳排放之间可能存在内生性问题。为此,本文采用工具变量法和替换核心解释变量两种方法进行内生性检验。

工具变量法借鉴赵涛等的做法[18],采用1984年每百人固定电话数与上一年全国信息技术服务收入的交乘项作为数字经济的工具变量,其原理在于:一是历史上固定电话数会对目前城市的基础设施建设产生影响,而基础设施是数字经济发展的必要条件,满足相关性条件[13-14];二是1984年各省份每百人固定电话数作为历史工具变量足够外生,同时随着科学技术的进步和互联网的普及,固定电话的使用率越来越低,对现今城市的碳排放影响可以忽略不计,满足工具变量的外生性要求[13-14]。运用二阶段最小二乘法进行检验,结果如表7第(1)列所示,数字经济一次项为正,二次项为负,且都通过1%显著性水平检验,符合前文所述的倒U型关系。

替换核心解释变量采取变换数字经济综合指数计算方式来进行检验,前文采取熵权TOPSIS法计算数字经济指数,现采取主成分法计算数字经济指数并进行回归检验,结果如表7第(2)列所示,数字经济对碳排放影响的倒U型关系仍然成立,且均通过1%显著性水平检验。

六、研究结论及政策建议

本文利用2011-2020年煤炭资源富集区10个省份的数据,采用熵权-TOPSIS方法测算数字经济综合指数,探究数字经济发展对碳排放的影响作用,研究结论如下:(1)数字经济对煤炭资源富集区的碳排放影响呈现先促进后抑制的倒U型非线性关系;(2)数字经济通过促进绿色技术创新水平的提升进而降低煤炭资源富集区的碳排放水平,说明绿色技术创新水平的提升优化了企业的产业结构,提升了能源利用率,最终达到降低碳排放的效果;(3)数字经济对煤炭资源富集区碳排放的影响存在显著的政策时段异质性,2017年之后数字经济对碳排放的作用效果明显强于2017年之前。

基于数字经济对煤炭资源富集区碳排放影响的理论和实证分析,本文提出如下政策建议。

第一,要持续发挥数字经济赋能煤炭资源富集区碳减排的作用,可以从以下两个方面着手:一是加快数字基础设施建设。煤炭资源富集区处于经济发展较弱地区,与东部沿海城市数字经济发展差距较大,但后发优势明显,应当加快煤炭资源富集区的数字化发展,推动大数据中心、资源共享平台、云计算等智能化平台的建设,形成较为完善的数字技术发展体系。二是在数字经济发展的同时要建立严格的碳核算体系,避免数字化的盲目发展造成能源的过度消耗,从而反过来增加碳排放,尽快越过倒U型曲线的拐点。

第二,要推进数字化技术和绿色技术的融合,更好地发挥绿色技术创新促进碳减排的中介作用,推动煤炭资源的数字化利用、数字化发展。这可以从以下几个方面着手:一是要做精做优煤炭智能开采,提高煤炭清洁利用。5G+智慧矿山已经在内蒙、山西、宁夏、新疆等地取得了可观的成效,应当继续推行智慧矿山建设,但智慧矿山建设并不是煤炭产业数字化转型的最终目标,应当从煤炭产业全链条考虑,实现产业上游煤矿开采、运输、加工到煤炭企业管理运营,再到下游煤炭发电、煤炭炼钢、煤炭化工全产业链的数字化、智能化转型升级,以实现煤矿开采智能化、企业运营数字化、产业链数字化,从而提高煤炭产业整体生产效率,进而达到降低碳排放的目标。二是要提高碳汇能力与碳捕获技术。生态碳汇是效果最好,也是最符合自然规律的碳中和方法。研究表明,CO2浓度和温度同时升高能促进植物生长,可以在矿山、钢铁厂、化工厂等大型工业厂区周围建设植被基地、大鹏蔬菜等,既能美化周边环境,又能吸收煤炭开采和利用过程中排放的二氧化碳,从而实现CO2的高效循环利用,达到降低碳排放的效果。三是政府应当加大对绿色降碳技术研发的支持力度,规范市场秩序,为企业绿色技术研发营造良好的市场环境,推动关键技术攻关,为碳减排提供技术支撑。

第三,要强化数字经济政策的密度和广度。本文的研究表明,数字经济对碳排放的抑制作用受政策实施的影响,政府应当加快数字经济战略的出台,推动资源的优化配置,为煤炭资源富集区重工业数字化转型提供支撑,从而增强数字经济对碳减排的赋能作用。