数字经济如何助力“双碳”目标:基于275个地级市的实证检验

2023-11-08 14:14金殿臣
贵州社会科学 2023年9期
关键词:双碳排放量二氧化碳

金殿臣 陈 昕 刘 帅

(中国财政科学研究院,北京 100142)

一、引言

2030年实现碳达峰、2060年实现碳中和的气候目标(“双碳”目标)既是中国作为负责任大国向世界作出的庄重承诺,也是中国实现经济高质量发展、满足人民日益增长的美好生活需要的必然要求。与此同时,数字经济的蓬勃发展丰富了中国实现“双碳”目标的选择与途径。作为一种全新的经济社会发展形态,数字经济通过与其他经济部门的深度融合,在优化资源配置效率、提高能源利用效率、推动经济绿色发展与促进居民低碳生活等方面可以发挥巨大作用。阿里巴巴集团发布的《环境、社会和治理报告(2023)》显示,旗下的菜鸟物流不仅利用数字技术构建起了全链路绿色物流体系,降低了自身的碳排放水平,还充分发挥自身数字技术优势,和浙江、安徽等省份合作开展邮政快递业的数字化碳资产管理系统试点,推动全行业科学减碳。根据全球气候行动峰会2020年发布的《指数气候行动路线图》显示,数字技术应用于能源、制造业、建筑、交通等部门,可降低全球15%的碳排放。在此背景下,厘清数字经济发展对地区二氧化碳排放的影响与机理,能为中国更快更好地实现“双碳”目标提供有力支撑,具有重要的现实意义与理论价值。

二、文献述评

近年来,数字经济发展速度之快、辐射范围之广、影响程度之深前所未有[1]。随着数字经济的蓬勃发展,数字经济发展带来的环境效应引起了学者们的广泛关注。依托大数据、云计算等数字技术,企业不仅可以实现对污染物的实时监测和溯源分析,还能够据此形成更为精准高效的污染治理方案,从而助力地区生态环境质量的改善[2]。数字技术丰富了政府治理手段,提高了政府治理效能[3]。互联网信息技术的日臻成熟与广泛普及,使得各类污染物监测数据可以在政府部门间共享共用,这既丰富了政府环境监管手段,又提高了政府环境治理效能,从而有效改善地区生态环境质量[4]。智能移动终端的普及、移动互联网的发展以及自媒体的兴起,让公众可以随时随地获取环境信息、举报污染行为、监督治污行动,进而通过保障公众的环保知情权、参与权和监督权,推动地区生态环境的不断优化[5]。石大千等利用PSM-DID方法研究发现,数字技术在智慧城市中的运用,会通过结构效应、技术效应与配置效应推动城市污染物排放量显著下降[6]。邓荣荣与张翱祥运用2011—2018年间中国内地285个城市的数据进行实证分析后发现,数字经济的发展可以降低城市二氧化硫、工业废水和工业烟尘排放量,从而带来环境改善效应[7]。郭炳南等研究发现,国家级大数据综合试验区的设立可以显著降低城市二氧化硫和工业烟尘排放量,从而改善城市空气质量[8]。

与此同时,一些学者开始关注到数字经济发展对地区二氧化碳排放量的影响。企业运用数字技术不仅可以提高生产效率,还可以降低能源消耗强度,从而产生碳排放下降效果[9]。同时,互联网等数字基础设施的普及,也会带来二氧化碳排放量下降的正外部性[10]。因此,增加数字基础设施投资有助于推动城市二氧化碳排放量的下降[11]。通过提高包括能源在内的资源利用效率,数字经济还能够驱动低碳产业发展,进而产生减碳效应[12]。徐维祥等通过构建地级市数字经济发展指数,并在此基础上运用空间杜宾模型进行定量研究后发现,数字经济产生的技术进步效应通过提升城市能源利用效率,能够显著降低地区二氧化碳排放量[13]。同时,数字普惠金融等具体形式的数字经济的发展也有助于降低产业碳排放水平,从而推动地区二氧化碳排放量的下降[14]。张元庆等研究发现,数字产业协同创新可以促进企业数字化转型,进而推动地区碳排放强度下降[15]。另外,有学者注意到数字经济本身的碳排放问题。Malmodin等运用相关数据测算显示,2020年这一年,数字基础设施的二氧化碳排放量与航空业相当,这说明数字经济的某些部分具有高碳排放的特征[16]。实际上,数字经济的蓬勃发展可能会带来电力消费量的急剧上升,进而增加地区二氧化碳排放量[17]。

不难发现,现阶段,学者们对数字经济发展带来的环境效应进行了一系列有益探索,一些学者已然关注到数字经济发展对地区碳排放的影响。不过,现有研究还存在一些不足。一是现有成果多得出数字经济发展对地区碳排放的影响是线性的研究结论,这可能忽视了数字经济发展对地区碳排放影响的复杂性,因为在数字经济发展的不同阶段,其对地区碳排放可能存在不同的影响,进而使得数字经济发展给地区碳排放带来的影响是非线性的。二是现有成果多基于单一区域分析数字经济发展对地区碳排放的影响,对本地数字经济发展是否会对邻近地区碳排放产生空间溢出效应的分析不足。

鉴于此,本文运用地级市数据,在综合考虑数字基础设施、数字产业、数字技术等维度的基础上,使用熵权法求得地级市数字经济发展指数,接着从全国和地区层面切入,就数字经济发展对碳排放的非线性关系展开研究,以期为更好地探索有助于实现“碳达峰、碳中和”目标的数字经济发展路径提供有益借鉴。本文的边际贡献体现在:一是在构建地级市数字经济发展指数的基础上,探讨了数字经济发展对地区二氧化碳排放的非线性影响,从而深化了研究层次;二是从空间溢出效应切入,对数字经济与碳排放的空间效应展开分析,以更加全面探究数字经济发展对地区二氧化碳排放的影响;三是运用PSM-DID方法评估了智慧城市试点政策对地区二氧化碳排放的影响。

三、研究假设

数字经济发展初期可能会带来二氧化碳排放量增多的负外部性。首先,通信基站、数据中心等数字基础设施不仅在建设过程中需要消耗大量矿产资源,其在日常运行过程中也需要消耗大量电力,在火力发电占比较高的情况下,电力消耗量的增加势必会带来二氧化碳排放量的增多。其次,以软件和信息技术服务业、计算机、通信和其他电子设备制造业等为代表的数字产业是典型的电力密集型产业,这些产业的发展需要消耗大量电力,从而推动二氧化碳排放量的上升。最后,在产业数字化过程中,传统产业需要将数字传感器、智能机械臂等数字设备与云计算、物联网等数字技术进行融合,进而产生数字农业、无人工厂等新模式,在此过程中,也会带来电力消耗量的增加,从而导致二氧化碳排放量的提高。

随着数字基础设施的完善、数字产业化与产业数字化程度的提高,数字经济的进一步发展又会通过提高政府碳治理能力、促进产业低碳发展与推动居民低碳生活等方式,带来地区二氧化碳排放量下降的正外部性。具体来说,首先,数字经济通过提高政府碳治理能力,有助于降低地区二氧化碳排放量。云计算、大数据等数字技术的发展以及数字信息系统、数字传感器的普及,不仅能大大降低政府碳信息的搜寻、处理与共享成本,还极大地丰富了政府碳治理的手段和工具,从而在显著增强政府碳监管能力的同时,推动地区二氧化碳排放水平的下降。其次,数字经济通过促进产业低碳发展,有利于降低地区二氧化碳排放量。数字经济具有高融合、强渗透的特征,其与能源、建筑、制造等行业的深度融合,可以优化资源要素配置、降低行业能耗水平、赋能企业绿色发展,从而助推地区二氧化碳排放水平的下降。最后,数字经济通过推动居民形成低碳生活方式,有益于地区二氧化碳排放量的减少。移动支付、共享出行等数字经济新模式的发展,不仅便利了居民的日常生活,还在无形中推动了居民绿色低碳生活方式的形成,从而助力地区二氧化碳排放量的下降。

由此可见,数字经济既会产生“增碳效应”,也会带来“降碳效应”,并且上述两种效应可能会在数字经济的不同发展阶段交替占据主导地位。即在数字经济发展初期,其“增碳效应”强于“降碳效应”,进而带来二氧化碳排放量增多的负外部性;随着数字经济的进一步发展,其“降碳效应”开始超过“增碳效应”,从而产生二氧化碳排放量下降的正外部性。据此,本文提出假设1。

假设1:数字经济发展对地区碳排放量的影响表现出先上升后下降的倒“U”型特征。

中国作为一个国土辽阔的大国,东、中、西三大地区在数字经济发展程度、二氧化碳排放量、经济发展水平、产业结构、人口密度等诸多方面均存在较大差异。这可能导致数字经济发展对地区碳排放量的影响存在区域异质性。例如,和中西部地区相比,东部地区的数字基础设施更完善、居民数字素养更高,这可以为数字经济发挥“降碳效应”提供更好的条件。同时,一般来说,经济规模更大、资源消耗量更多、产业结构更“重”、人口密度更高地区的二氧化碳排放量也更多,这可能意味着该地区需要更高的数字经济发展水平才可以跨过数字经济发展带来二氧化碳下降的拐点。据此,本文提出假设2。

假设2:数字经济发展对地区碳排放量的影响存在区域异质性。

从空间上来看,数字经济的发展打破了物理空间对经济活动的限制、缓解了市场分割问题,这不但大大促进了技术、资本、能源、劳动力等生产要素的跨区域流动,提高区域间的互联互通水平,还改变了经济生产的空间布局。这使得数字经济的发展不仅会对本地碳排放产生影响,还会对邻近地区碳排放产生空间溢出效应。一方面,依托互联网、5G、大数据等数字技术,数字经济可以有效缓解信息不对称和降低垄断壁垒,这在优化地区间资源配置效率的同时,也会对各地区的产业结构、能源消耗和技术水平产生影响,进而影响地区碳排放水平。另一方面,借助数字技术和信息共享,地区之间可以更好地开展碳联合治理,进而影响地区碳排放水平。据此,本文提出假设3。

假设3:本地数字经济发展会对邻近地区碳排放量产生空间溢出效应。

四、模型设计与结果分析

(一)实证模型构建

为检验数字经济发展对地区二氧化碳排放量的影响,本文设计如下实证模型:

(1)

式(1)中,下标i和t分别代表地级市和年份。因变量lnco2it为地级市二氧化碳排放量,自变量degit和degit2为地级市数字经济发展指数及其平方项,lnxit表示其他控制变量,ui和vt分别为个体效应与时间效应,εit为随机效应。参考林伯强与刘希颖[18]、张克中等[19]学者的研究成果,本文在式(1)中加入如下影响地区二氧化碳排放量的其他控制变量。具体而言,一是经济发展水平及其平方项,用地级市人均GDP及其平方项表示,从而在控制地区经济发展程度的同时,检验中国地级市二氧化碳排放量是否存在环境库兹涅茨效应;二是人口密度,用每平方公里人口数量表示;三是科技支出水平,用地级市科学技术支出占一般公共预算支出比重表示;四是财政分权程度,用地级市人均一般公共预算支出占所在省份人均一般公共预算支出比重表示;五是经济外向程度,用地级市进出口贸易总额占GDP比重衡量。

(二)变量选取和数据说明

1.数字经济发展指数的构建

本文在综合考虑数字基础设施、数字产业、数字技术等维度的基础上,选取地级市百人中互联网宽带接入用户数、人均电信业务量、百人中移动电话用户数和数字普惠金融指数这四类指标,并使用熵权法求得综合指数值,然后将其作为衡量地级市数字经济发展程度的指标。具体方法如下:

第一步,设定指标和构建原始数据矩阵。设定有k个地级市,n个年份,m个指标,形成原始数据矩阵:

X={Xθij}k×m×n(0≤i≤k,0≤j≤m,0≤θ≤n),Xθij为θ年i市的第j个指标。

第二步,标准化处理。由于各指标存在单位和量级差异,需要对各指标数据进行标准化处理。本文涉及的数据均为正向指标,因此只需要进行正向指标标准化:

X'θij=(Xθij-Xmin)/(Xmax-Xmin)

(2)

第三步,确定指标权重:

Pθij=X'θij/∑θ∑iX'θij

(3)

第四步,计算第j项指标的熵值:

Ej=-ln(kn)∑θ∑iPijln(Pθij)

(4)

第五步,计算第j项指标的差异系数:

Gj=1-Ej

(5)

第六步,计算各指标的权重:

Wj=Gj/∑jGj

(6)

第七步,计算各市数字经济发展程度:

dgeθi=∑j(WjX'θij)

(7)

根据上述方法计算得到的数字经济发展指数所含各指标的熵值、差异系数和权重等结果详见表1。

表1 数字经济发展指数指标熵值、差异系数和权重

2.二氧化碳排放量的测算

本文利用城市能源消费数据计算地级市二氧化碳排放量。具体来说,先将地级市天然气消费量、液化石油气、用电量转换为标准煤消耗量,然后再用相应的碳转换因子将其换算成地区二氧化碳排放量。详细计算方法参见式(8),其中,CO2代表二氧化碳排放量,Ei表示第i类能源的消耗量,Fi为第i类能源的折标准煤系数,C表示标准煤的碳排放系数。

(8)

3.数据来源与描述性统计分析

本文选取2011—2021年中国275个地级市为样本构建面板数据进行实证分析。其中,数字普惠金融指数来自北京大学数字金融研究中心,其余数据来源于历年《中国城市统计年鉴》、Wind数据库、各地级市历年统计公报。对于个别地级市某些年份部分数据的缺失问题,本文运用插补法将其补齐。变量的描述性统计见表2。

表2 变量定义及描述性统计

(三)实证结果分析

在实证回归前,本文首先对除数字经济发展指数外的所有变量进行对数化处理。之后,根据Hausman检验强烈拒绝原假设的结果,本文采用双向固定效应模型对数字经济发展与地区二氧化碳排放间的关系展开定量分析。

1.全国层面回归结果

如表3第(1)列可知,数字经济发展指数一次项系数为正、二次项系数为负,且均在5%的显著性水平上显著。同时,utest检验也支持上述倒“U”型关系的存在(14)utest检验计算出的极值点为0.4556,在数字经济发展程度的取值范围[0.0064 0.7258]内,并能在1%的统计水平上拒绝原假设。同时,slope在区间里存在负号,因而可认为倒“U”形关系成立。。这说明数字经济发展对地区二氧化碳排放量的影响呈现先增加后减少的倒“U”型特征,即数字经济发展初期会导致地区二氧化碳排放量的增加,不过,随着数字经济的进一步发展,其又可以带来地区二氧化碳排放量下降的“降碳效应”。因此,本文假设1得到验证。这背后的原因可能在于,在数字经济发展初期,数字基础设施的大规模建设需要消耗大量矿产资源,数字基础设施建成后的运营、数字产业的快速发展、产业加速数字化等过程又需要消耗大量电力,而矿产资源与电力的大量消耗则会带来二氧化碳排放量的增加。随着数字基础设施的完善、数字产业化与产业数字化程度的提高,数字经济的进一步发展又会通过提高政府碳治理能力、促进产业低碳发展与推动居民低碳生活等方式,带来二氧化碳排放量下降的正外部性。控制变量中,经济发展水平一次项系数显著为正、二次项系数显著为负,这说明中国地级市的二氧化碳排放量存在环境库兹涅茨效应。其余控制变量的回归结果基本符合预期。

表3 全国与地区层面回归结果

2.地区层面回归结果

鉴于中国东、中、西三大地区在数字经济发展程度、二氧化碳排放量、经济发展水平、人口密度等诸多方面均存在一定差异,因此,本文将样本进一步划分为东、中、西三个地区子样本,并分别进行回归,回归结果详见表3第(2)—(4)列。三个地区子样本的回归结果中,数字经济发展指数一次项系数为正、二次项系数为负。同时,三个地区子样本的utest检验也支持倒“U”型关系的存在(15)utest检验计算出的东、中、西地区子样本的极值点分别为0.4829、0.3443、0.3105,均在对应的[0.0276 0.7258]、[0.0131 0.4845]和[0.0064 0.3956]的数字经济发展程度取值范围内,且都能在1%的统计水平上拒绝原假设。同时,结果中的slope在区间里都存在负号,因而可认为倒“U”形关系成立。。这从地区层面再次说明,地区二氧化碳排放量会随着数字经济发展呈现出先增加后减少的倒“U”型变化。从拐点绝对值来看,东部地区最大、中部地区次之、西部地区最小。这说明数字经济发展对地区碳排放量的影响存在区域异质性,本文假设2得到验证。背后的原因在于,和中西部地区相比,东部地区经济规模更大、资源消耗量更多、人口密度更高,进而导致其二氧化碳排放量更多,这使得东部地区需要更高的数字经济发展程度才可以跨过数字经济发展带来二氧化碳下降的拐点。

3.稳健性检验

本文运用下述五种方法进行稳健性检验:(1)用人均二氧化碳排放量替代二氧化碳排放量,其他变量不变重新回归;(2)考虑到可能存在反向因果问题,且当期二氧化碳排放量对数字经济发展程度的滞后项基本不存在影响,所以,将解释变量换为滞后一期的数字经济发展指数,其他变量不变重新回归;(3)用百人中移动电话用户数作为数字经济发展程度指标,将该指标取对数,然后其他变量不变进行回归;(4)用人均二氧化碳排放量替代二氧化碳排放量,用百人中移动电话用户数的对数作为数字经济发展程度指标,然后其他变量不变进行回归;(5)用CEADs数据库中的二氧化碳排放量替代本文计算的二氧化碳排放量,其他变量不变重新回归。稳健性检验结果详见表4,检验结果显示,各回归结果中主要变量的系数符号与基准模型基本保持一致,这表明本文回归结果稳健可靠。

表4 稳健性回归结果

五、数字经济与碳排放的空间效应分析

(一)空间权重矩阵的构建

鉴于地区二氧化碳排放或许具有空间溢出效应,且空间溢出效应在地理相邻地区间可能更显著。因为地理相邻地区在空间上存在紧密的联系。就环境联系来说,考虑到大气空间是均质的,邻近地区二氧化碳排入大气空间后会通过外溢效应影响本地环境,进而影响本地碳排放。就经济联系来说,本地经济增长会对邻近地区经济增长产生影响,进而影响邻近地区碳排放水平。因此,本文构建地理邻接权重矩阵来捕捉上述空间溢出效应。同时,为保证结论的稳健性,本文还提供利用地理距离空间矩阵的回归结果。上述两种空间权重矩阵的设定如下:

1.地理邻接权重矩阵(W0-1)

如果两个地级市在地理上存在同一边界,则空间权重矩阵中其对应的权重wij为1,否则wij为0。即W0-1设定如下:

2.地理距离权重矩阵(Wgeo)

利用地级市经纬度测算两地间球面距离,并用两地级市球面距离差的绝对值的倒数构建地理距离权重矩阵。即Wgeo设定如下:

(二)空间效应检验

为分析数字经济与碳排放的空间效应,需先对地级市碳排放是否存在空间相关性进行检验。为此,本文在地级市地理相邻权重矩阵(W0-1)的基础上,综合利用吉尔里指数C(Geary's C)与莫兰指数I(Moran's I)对2011—2021年中国地级市二氧化碳排放量进行空间自相关检验。同时,本文还提供了运用地理距离权重矩阵(Wgeo)的检验结果,以增强空间效应检验的可靠性。空间效应检验结果详见表5。不难发现,2011—2021年,中国地级市二氧化碳排放量全部通过莫兰指数I和吉尔里指数C检验。由此可初步判断,中国地级市二氧化碳排放量存在显著空间正相关,有必要运用空间计量模型进行实证分析。

表5 2011-2021年中国地级市二氧化碳排放量的空间效应检验

(三)空间模型的设定

本文运用地理相邻权重矩阵对回归结果进行LM检验(结果见表6)。检验结果显示,LM-error、Robust LM-error、LM-lag与Robust LM-lag这四项指标均在1%的显著性水平上显著。再结合LR检验结果可知,应选择空间杜宾模型对数字经济与碳排放的空间效应展开分析。同时,考虑到时间因素、地区差异可能带来的估计偏误,以及分析特定个体的固定效应模型的适用性,本文最终选择采用双向固定效应的空间杜宾模型进行实证分析。

表6 SDM模型选择的相关统计检验

借鉴任太增和殷志高[20]的做法,本文构建如下空间杜宾模型对数字经济与碳排放的空间效应展开分析:

(9)

其中,w是空间权重矩阵,wlnco2jt、wdegjt、wdegjt2、wlnxjt分别为二氧化碳排放量的空间滞后项、数字经济发展指数一次项和二次项的空间滞后项、控制变量的空间滞后项,ui为地区效应,vt是时间效应,εit为随机误差项,其他变量含义与式(1)一致。

(四)空间实证结果分析

本文运用MLE法对构造的空间杜宾模型进行估计,回归结果见表7。观察表7列(1)可知,数字经济一次项系数为正、二次项系数为负,且通过1%的显著性水平检验。这说明在考虑空间效应的情况下,数字经济发展对地区二氧化碳排放量的影响仍然呈现先增加后减少的倒“U”型特征。列(2)表明,数字经济空间滞后项回归系数同样表现出倒“U”型特征,但系数不显著。列(3)直接效应中,数字经济一次项系数为正、二次项系数为负,且两者均通过1%的显著性水平检验,这说明数字经济在本地区对碳排放的影响呈现出倒“U”型的非线性关系。列(4)与列(5)中,就数字经济对碳排放影响的间接效应和总效应来看,数字经济一次项系数为正、二次项系数为负,虽然仅有一次项系数通过1%的显著性检验,但这也说明数字经济对碳排放会产生空间溢出效应,即本文假设3得到验证。只是这种空间溢出效应不太明显,即相邻地区数字经济发展对本地区碳排放产生的非线性影响较小。

表7 数字经济与碳排放的空间杜宾回归结果

六、智慧城市试点政策对地区碳排放的影响

(一)实证模型设计

2012年12月,中国住建部发布了《关于开展国家智慧城市试点工作的通知》,并确定了首批开展智慧城市工作的试点名单。之后,在2013与2014年,住建部又陆续发布了第二批、第三批开展智慧城市工作的试点名单。考虑到进入智慧城市试点名单的地区将通过运用现代数字技术加强城市规划、建设和管理。因此,智慧城市试点工作的开展为评估数字经济发展对地区二氧化碳排放的影响提供了一项良好的准自然实验。对此,本文运用DID方法评估这一政策效果。具体来说,本文设定如式(10)的多期双重差分模型,就智慧城市试点政策对地区二氧化碳排放的影响进行检验。式(10)中,treated=1代表入围智慧城市试点名单的地级市(处理组),而treated=0代表未入围智慧城市试点名单的地级市(对照组);time=1代表地级市入围智慧城市试点名单之后(含入围当年)的年份,time=0代表地级市入围智慧城市试点名单之前的年份,其他控制变量与式(1)相同。

(10)

需要指出的是,DID方法要求控制组与处理组满足共同趋势假设。即智慧城市试点工作开展前,处理组与对照组的二氧化碳排放变动趋势随时间变化不存在系统性差异。从中国现实情况看,上述假设很可能无法满足,在此情况下,可用倾向得分匹配-双重差分方法(PSM-DID)解决上述问题。PSM-DID方法的核心是匹配估计量,主要方式是在未入围智慧城市试点名单的对照组中找到某个地级市i,使地级市i与入围智慧城市试点名单的处理组中的地级市j的可观测变量尽可能相似。当地级市的个体特征对是否入围智慧城市试点名单的作用完全取决于可观测的控制变量时,地级市i和j入围智慧城市试点名单的概率接近,因而可进行比较。对此,本文首先采用logit回归估计倾向得分并进行核匹配;之后再利用DID方法对式(10)进行估计。

(二)基于PSM-DID方法的实证结果分析

考虑到智慧城市试点政策的实施具有一定针对性,因为入围名单的试点城市多为经济发展良好、数字化程度较高的地区。对此,本文运用经济发展水平、数字经济发展水平、人口密度、经济外向型程度、财政分权程度等变量进行匹配平衡检验。检验结果显示,匹配后处理组和对照组的特征差异明显缩小,各匹配变量标准差绝对值显著小于10,且均值T检验也显示,匹配后处理组和对照组不存在显著差异。这说明本文选取的匹配方法得当可靠。在此基础上,本文对式(10)进行DID检验,回归结果见表8。由表8可知,交互项treated×time的系数显著为负,这说明智慧城市试点政策可促进地区二氧化碳排放量降低。这背后的原因可能是智慧城市试点地区通过运用现代数字技术、整合数字资源、统筹数字应用系统,提高了城市建设和管理水平,从而推动了地区二氧化碳排放量的下降。

表8 智慧城市试点政策对地区二氧化碳排放影响的回归结果

七、结论与政策建议

(一)主要结论

本文在综合考虑数字基础设施、数字产业、数字技术等维度的基础上,首先使用熵权法求得地级市数字经济发展指数,之后,运用中国275个地级市2011—2021年的面板数据,研究数字经济发展对地区二氧化碳排放量的影响。研究发现:①数字经济发展对地区二氧化碳排放量的影响表现出先上升后下降的倒“U”型特征,即数字经济发展初期会导致地区二氧化碳排放量的增加,不过随着数字经济的进一步发展,其又可以带来地区二氧化碳排放量下降的“降碳效应”。②从拐点绝对值来看,东部地区最大、中部地区次之、西部地区最小。背后的原因在于,和中西部地区相比,东部地区经济规模更大、资源消耗量更多、人口密度更高,进而导致其二氧化碳排放量更多,这使得东部地区需要更高的数字经济发展程度才可以跨过数字经济发展带来二氧化碳下降的拐点。③数字经济对碳排放会产生空间溢出效应,但并不明显,即相邻地区数字经济发展对本地区碳排放产生的非线性影响较小。④智慧城市试点政策有效推动了地区二氧化碳排放量的下降。

(二)政策建议

本文依据上述研究结论提出以下政策建议:一是积极增强数字经济的软硬实力,充分发挥数字经济的“降碳效应”。一方面,积极把握财政部将新基建项目纳入地方政府专项债支持范围之契机,运用政府投资的杠杆效应吸引社会资金,加快5G基站、数据中心等数字基础设施硬件建设,夯实数字经济发展的底座,以更好发挥数字经济的“降碳效应”。另一方面,在综合运用税费抵扣、所得税减免、加速折旧等财税政策的基础上,适度放宽对有核心技术支撑的数字科技企业的上市要求,为数字科技企业加快数字技术在碳排放领域的创新提供融资支持,催生更多数字降碳新模式、新业态,为数字经济“降碳效应”的发挥提供技术、模式等软支撑,助力“双碳”目标的顺利实现。二是降低数字经济本身的碳排放水平,推动数字经济绿色低碳发展。考虑到数字基础设施的普及、数字产业的发展与产业数字化过程中需要消耗不少电力,从而会带来二氧化碳排放量增多的负外部性。因此,要将绿色发展理念贯彻到数字经济发展的全过程各领域,通过更多地使用风力发电、光伏发电等清洁能源以及广泛应用节能降碳技术等方式,降低数字经济本身的碳排放水平,实现数字经济绿色低碳发展。三是加快传统经济部门数字化步伐,扩大数字经济“降碳效应”的辐射范围。工业、交通、能源等传统经济部门是碳排放大户,也是碳减排的重点领域。因此,要根据不同传统经济部门的实际情况与特点,分领域、分步骤、分层次地推进传统经济部门数字化转型步伐,通过对传统经济部门进行数字化改造,推动传统经济部门绿色低碳发展,降低地区碳排放水平。

猜你喜欢
双碳排放量二氧化碳
“双碳”背景下福建省绿色经济发展质量评价
扬眉吐气的二氧化碳
天然气输配系统甲烷排放量化方法
“抓捕”二氧化碳
“双碳”目标下企业如何应对碳市场带来的挑战与机遇
专访奚国华:中信力争成为国企助力“双碳”目标的旗帜
“双碳”下县城发展新思维
黑龙江省碳排放量影响因素研究
如何“看清”大气中的二氧化碳
高性能可变进气岐管降低二氧化碳排放