兼顾产能与效率：数字经济助力城市低碳发展

【摘  要】论文基于2006-2017年中国城市层面数据，研究数字经济与城市碳排放和碳强度之间的关系。结果表明，数字经济发展对城市碳排放和碳强度具有抑制作用，且能源消费结构、能源利用效率以及产业集聚在其中起到中介作用。此外，通过门槛分析发现，随着产业集聚水平的提升，数字經济发展对碳排放的影响逐步由产能扩张效应主导转化为效率改善效应主导，从而兼顾产能与效率，对碳排放和碳强度的影响呈现为先扬后抑的非线性特征。论文为推动数字中国建设的同时实现低碳经济提供参考依据。

【关键词】数字经济；碳排放；碳强度；产业集聚

【中图分类号】F49；F124.5                                             【文献标志码】A                                                 【文章编号】1673-1069（2023）09-0059-05

1 引言

“数字化”和“低碳发展”是中国未来发展的主旋律，数字经济以其独特优势创造了一批新的产业和新的商业模式，在推动包容性经济增长，促进产业结构升级等方面发挥着重要的作用，已成为世界经济增长的潜力所在。在经济高速发展的同时，全球气候问题突出，2020年全球平均温度较工业化前平均温度高出1.2摄氏度，碳排放的快速增加所引致的温室效应导致危害人类生存的极端天气频发。因此，数字经济与城市碳排放和碳强度之间的研究对于推动我国经济“数字化”及“低碳发展”具有深远而重要的意义。

2 文献回顾

与本文最直接相关的文献即研究数字经济发展与区域碳排放之间的关联性，现有研究结论主要可以分为两大类。一部分学者认为数字经济发展能够显著抑制碳排放，如谢云飞[1]研究发现数字技术的进步可以通过优化能源消费结构继而降低碳排放量。徐维祥等[2]认为数字技术对资源配置效率的优化作用是数字经济发挥碳减排作用的主要渠道。另一部分学者认为其影响是复杂的，具有正反两面的效应，如Li et al.[3]通过实证检验发现数字经济与实体经济的融合发展在短期会促进非绿色技术进步，扩张企业的生产规模和能源需求，进而增加碳排放。而在长期，数字经济技术对生产活动的协调赋能作用，为推动产业转型升级、促进绿色技术发展提供了有力的支持，继而提高企业的能源利用效率形成节能降碳效应。

上述文献虽然从不同的视角探索了数字经济发展对碳排放的影响，但并未得到一致的结论，且未深入探索数字经济发展在不同的产业集聚水平下的异质性作用。因此，本文从产业集聚的视角切入，以探索数字经济发展对碳排放和碳强度的影响。

3 理论分析与研究假设

3.1 数字经济、能源消费结构和能源利用效率与城市低碳发展

本文首先从政府、企业和公众3个层面分析数字经济发展的碳减排效应。

从政府层面来看，一是数字技术对政府的服务和管理能力的优化作用，线上平台有助于提高企业办理业务的效率，同时还避免了企业多次往返于政企之间而造成的交通成本和能源损耗。二是数字技术对碳排放领域监管和治理能力的提升作用，物联网、人工智能不仅可以帮助政府实时监测企业真实碳排放量，还可以结合碳目标和机器预测从而合理分配碳排放配额，激励企业向低碳化转型。

从企业层面来看，一是数据要素对传统要素的赋能作用，极大地提高了企业的运营和生产效率，从而提高能源利用效率；二是绿色技术水平的提升，数字技术对内部治理和生产模式的改良有利于降低企业的内部成本[4]，而互联网技术有助于降低企业与外部金融资本的信息不对称，使得企业能够从内部和外部获得更多的资金以用于绿色技术研发；三是绿色技术应用水准的增强，数字技术作为一种通用的技术，与绿色技术具有强烈的互补性，能够最大化低碳技术的使用效率和减排效应。

从公众层面来看，一是互联网技术对“低碳意识”传播的促进作用，有助于带动城市居民整体践行低碳生活；二是非正式环境规制的形成，居民可以利用互联网技术协助政府监管企业碳排放和环境质量，迫使企业向绿色数字化转型，优化能源消费结构和利用效率，推动城市低碳发展。

假说1：数字经济发展能够显著降低城市碳排放和碳强度。

假说2：数字经济发展能够通过优化能源消费结构和改善能源利用效率降低城市碳排放和碳强度。

3.2 数字经济、产业集聚与城市低碳发展

数字经济的快速发展有力地提高当地的产业集聚水平。一是开发区政策的推广，数字媒介加强了政府与各行各业之间的信息互通，政府可以基于产业规划和产业链发展趋势，招募与现有产业链相关联的企业及其他战略核心产业，提高当地的产业集聚水平；二是区位优势的传播，互联网等数字技术降低了企业间、企业与市场间的信息不对称[5]，提高了外部企业对市场需求规模分布和现有产业集群分布的认知，放大了现有产业集聚区位等优势对外部企业的吸引力，促进相关企业向现有产业集群集聚；三是人力资本水平的提升，数字化产业对高素质人才的虹吸效应和对传统产业的带动作用有助于提高人力资本水平，而高水平的人力资本具有知识溢出效应和创新溢出效应，有助于吸引周边地区的零散企业向当地集聚，提高当地的产业集聚水平。

而产业集聚正外部性的释放能够有效降低各城市的碳排放和碳强度。一是劳动力市场的共享，专业化的产业集聚使得市场充沛着大量熟练劳动力，企业可以根据自身产品定位快速获取所需的劳动力，匹配效率的提高与搜寻成本的降低使得企业能够将更多的人力和物力投入研发之中，提高企业的生产效率从而降低碳排放。二是知识和创新的溢出，同类型企业的高度集中为竞争与合作提供了便利，激励了企业的创新行为和模仿借鉴，从而优化产业链整体生产效率和能源使用效率。三是企业的产出关联，产业集聚为中间品投入制造商提供了一个可以实现规模经济效应的市场，不仅有助于降低中间投入品的价格，还能够提升其质量，从而降低生产成本，提高生产效率，此外地理的临近可以显著降低中间投入品的运输成本[6]，进一步减少能源消耗和碳排放。四是分工效率的提升，一方面同类型企业的生产活动往往产生类似的污染物，有利于实现末端污染治理的规模效应；另一方面清洁服务的外包使得制造型企业能将更多的人力和物力用于核心产品的研发和生产环节的优化，从而降低生产环节的碳排放。

假说3：数字经济发展能够通过促进产业集聚降低城市碳排放和碳强度。

3.3 产能与效率的博弈

数据作为数字经济时代的关键生产要素，其形成与价值的释放与数字技术的应用水平密不可分。而在不同的产业集聚水平下，集群内企业间的关联度、竞争合作程度以及所形成的数据的质量和完整度均具有差异性，因此在不同的产业集聚水平下，数字经济发展对碳排放和碳强度的主导效应可能具有差异。

在产业“集聚化”形成的初期，集群内企业大部分并无关联。集群内难以形成一定成效的竞争与合作，使得技术层面难以得到实质性的创新。宽松的生产标准和竞争的缺乏使得公众层面的“低碳诉求”难以有效传达。而数字技术对市场和客户的挖掘作用与“政策租”的双重激励，使得企业侧重于提高产能而忽视能源效率[7]，进而导致能源消耗的加剧和碳排放的增加，此时数字经济发展对碳排放的影响以产能扩张效应为主。

在产业集聚中期，产业集群呈现为制造业高度集中的趋势。制造业的高度集中使得公众层面的“低碳诉求”能够通过市场需求有效传达，同时同类型企业的高度集中使得知识溢出效应得以显现，从而提高企业的生产和经营效率，进而提高产业链整体的能源使用效率。但由于产业体系未充分完善，数字经济发展对效率提升的促进作用还局限于行业内，尚未扩散到行业间，使得数字经济发展的效率改善作用与数字经济发展的产能扩张效应相互制约。

在产业集聚后期，此时产业集群形成了以知识密集型产业和生产性服务业为主的高度集中的格局。数字经济的碳减排效应进一步加强。一方面，高端服务业所产生的数据的质量更完善，且高数字人才的集聚更有利于数据要素价值的释放；另一方面，数字技术模糊了企业之间的边界，使得企业面临跨行业的替代式竞争和颠覆式创新[8]，迫使企业紧跟用户低碳价值理念，推动集群整体向绿色低碳化转型。此外，集聚水平的提高丰富了数字技术的应用场景，使得数字经济发展的效率改善效应占据主导地位，从而兼顾产能与效率，抑制各城市的碳排放和碳强度。

假说4：随着产业集聚水平的不断提高，数字经济发展对碳排放和碳强度的影响呈现为先扬后抑的非线性特征。

4 研究设计

4.1 变量选取

被解释变量：城市低碳发展水平，采用城市碳排放和碳强度作为衡量标准，二者均以对数形式表示（lnco2、lncogdp）。

核心解释变量：数字经济（dig），参考赵涛等[9]的研究，本文使用熵值法从数字基础设施、数字产业发展和数字经济创新发展3个维度5个指标测度地级市数字经济发展指数。

中介变量：产业集聚水平，参考胡志强等[10]的做法，以相对工业密度度量各城市工业集聚水平。

控制变量：经济发展水平、经济集聚水平、产业结构、政府科技支持、金融发展、清洁能源供给等。上述主要变量定义及来源如表1所示。

4.2 模型建立

4.2.1 基准回归模型

式中，Yit为本文的被解释变量，代表地级市i第t年的碳排放或碳强度；digit是核心解释变量，代表地级市i第t年的数字经济水平；Xkit代表一系列控制变量；ui和vt分别为城市和年份固定效应；εit为随机扰动项。

4.2.2 中介效应模型

式中，Mit为城市产业集聚水平，表示能源消费结构、能源利用效率和城市产业集聚水平。

4.2.3 门限回归模型

式中，θi为门限值，当I（）的条件被满足时，I=1，否则

为0。

4.3 数据说明

本文所使用的城市层面的碳排放数据来源于中国碳排放核算数据库。其他城市层面的数据主要来自《中国城市统计年鉴》《中国能源统计年鉴》、EPS数据库，表2为各变量的描述性统计。具体来看，两个被解释变量的最大值和最小值分别为5.441 2、2.541 8和0.612 7、-1.667 3，标准差分别为0.784 4和0.570 4，核心解释变量的最大值、最小值和标准差分别为65.353 3、0.055 8和5.053 8，说明不同城市之间的碳排放、碳強度和数字经济发展水平具有较大的差异。其余各变量也均具有一定程度上的差异性。

5 实证分析

5.1 基准估计

表3报告了基准回归结果，所有列中dig系数均显著为负，说明数字经济发展能够有效降低碳排放和碳强度，假说1得以验证。从系数对比来看，第（2）列中数字经济对碳排放的回归系数相对于第（1）列由-0.010 9上升至-0.008 7，第（4）列中数字经济对碳强度的回归系数相对于第（3）列由-0.009 8下降至-0.013 6，说明若忽略这些控制变量会高估数字经济发展对碳排放的影响，低估数字经济发展对碳强度的影响。

5.2 稳健性检验

5.2.1 替换被解释变量

本文借鉴韩峰和谢锐[11]做法，基于各城市人工煤气和天然气用量、液化石油气用量和工业用电量，以排放因子法重新测度各城市的碳排放和碳强度。回归结果如表4列（1）和列（2）所示，可以看出数字经济的回归系数均显著为负，说明数字经济发展能够降低城市的碳排放和碳强度，与基准回归结果保持一致。

5.2.2 替换核心解释变量

借鉴杨慧梅和江璐[12]的做法、从数字产业化和产业数字化两方面共31个细分指标测度各省数字经济发展水平，测算出的数字经济发展水平以dig1表示，回归结果如表4列（3）和列（4）所示，其中dig1系数均显著为负，与基准回归保持一致。

5.3 中介机制检验

表5汇报了以能源消费结构和能源利用效率作为中介变量的回归结果，从列（1）和列（4）来看，数字经济发展对能源消费结构和能源利用效率具有显著的抑制作用，结合列（2）、列（3）、列（5）和列（6）来看，数字经济发展能够通过优化能源消费结构，改善能源利用效率从而降低碳排放和碳强度，假说2得以验证。

表6汇报了以产业集聚水平作为中介变量的回归结果，回归结果显示数字经济发展能够通过提高产业集聚水平继而降低碳排放和碳强度，假说3得以验证。

5.4 门限回归分析

表7汇报了门限存在性检验结果，结果表明无论是以碳排放还是以碳强度作为被解释变量的总检验中，产业集聚门限变量均显著通过双重门限检验，但都未通过三重门限检验，故在此基础上设定双重门限的回归模型。

表8报告了门槛回归结果，第（1）列和第（2）列则分别为以碳排放和碳强度作为被解释变量的双重门限回归结果。第（1）列表明，随着产业集聚水平的提高，数字经济发展对碳排放具有先扬后抑的非线性特征。第（2）列则表明，随着产业集聚水平的提高，数字经济发展对碳强度的影响由促进转为抑制，并逐步加强其碳减排效应。结合第（1）列和第（2）列可以看出，随着产业集聚水平的提高数字经济发展的碳减排效应逐步释放，从产能扩张效应主导逐步转化为效率改善效应主导。故随着产业集聚水平的提高，数字经济发展对碳排放和碳强度的影响呈现为先扬后抑的非线性特征，从而兼顾产能与效率，假说4得以验证。

6 结论与政策建议

本文基于2006-2017年中国城市层面数据，运用固定效应模型、中介效应模型和面板门限模型，深入探讨了数字经济发展对城市碳排放和碳强度的影响、渠道以及异质性作用的成因。

主要结论如下：①数字经济发展对城市碳排放和碳强度均有显著的抑制作用；②数字经济发展能够通过优化能源消费结构、改善能源利用效率以及促进产业集聚降低城市碳排放和碳强度；③随着产业集聚水平的提升，数字经济发展对碳排放的影响逐步由产能扩张效应主导转化为效率改善效应主导，从而兼顾产能与效率，对碳排放和碳强度呈现为先扬后抑的非线性特征。

结合研究结论，本文提出以下政策建议：①深入推进数字中国建设，最大限度地释放数字经济的节能降碳效应；②激励各企业优化能源消费结构，改善能源的使用效率，同时通过资金和人力扶持提高当地产业集聚水平，增强传导路径，深化数字经济发展的节能降碳效应；③加快完善产业集聚布局，且要注意数字经济与产业集聚的协调发展，督促企业在提高产能的同时牢抓效率。

【参考文献】

【1】谢云飞.数字经济对区域碳排放强度的影响效应及作用机制[J].当代经济管理，2022，44（02）：68-78.

【2】徐维祥，周建平，刘程军.数字经济发展对城市碳排放影响的空间效应[J].地理研究，2022，41（01）：111-129.

【3】Li G， Zhou X， Bao Z. A Win╞Win Opportunity： The Industrial Pollution Reduction Effect of Digital Economy Development—A Quasi-Natural Experiment Based on the "Broadband China" Strategy[J].Sustainability，2022，14（9）：5583.

【4】裴长洪，倪江飞，李越.数字经济的政治经济学分析[J].财贸经济，2018，39（09）：5-22.

【5】何帆，刘红霞.数字经济视角下实体企业数字化变革的业绩提升效应评估[J].改革，2019（04）：137-148.

【6】赵凡，罗良文.长江经济带产业集聚对城市碳排放的影响：异质性与作用机制[J].改革，2022（01）：68-84.

【7】郑江淮，高彦彦，胡小文.企业“扎堆”、技术升级与经济绩效——开发区集聚效应的实证分析[J].经济研究，2008（05）：33-46.

【8】柏培文，喻理.数字经济发展与企业价格加成：理论机制与经验事实[J].中国工业经济，2021（11）：59-77.

【9】赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.

【10】胡志強，苗健铭，苗长虹.中国地市工业集聚与污染排放的空间特征及计量检验[J].地理科学，2018，38（02）：168-176.

【11】韩峰，谢锐.生产性服务业集聚降低碳排放了吗？——对我国地级及以上城市面板数据的空间计量分析[J].数量经济技术经济研究，2017，34（03）：40-58.

【12】杨慧梅，江璐.数字经济、空间效应与全要素生产率[J].统计研究，2021，38（04）：3-15.

【作者简介】刘依儒（1998-），男，江西上饶人，硕士研究生在读，研究方向：数字经济、产业经济。