西部地区十二省份数字经济发展水平测度与碳排放影响的关系研究

辛阳 贺民澍 何银宁

摘 要：随着“东数西算”工程全面启动，本文采用一种合适的、可量化的方法测度当前较我国东、中部地区数字经济发展水平存在较大差异的西部地区发展现状。一方面，本文选用2014—2020年国家统计局统计年鉴、第三产业统计年鉴、信息产业统计年鉴及目标省份统计年鉴中部分数字经济可替代性关键指标进行扩展和修正，采用改进的TOPSIS方法对西部地区十二省份的数字经济发展水平进行测度和评价；另一方面，通过构建计量模型探讨上述西部地区十二省份数字经济发展对碳排放的影响关系及其作用机制。结果显示，西部地区各省数字经济发展存在“数字鸿沟”现象，同时西部地区数字经济发展对碳排放的影响并未呈现出显著的倒“U”型非线性关系，而是处于一种发展早期所呈现的正线性相关关系。因此，本文为决策机构制定和实施西部地区数字经济与环境协调发展的相关政策提供了思路和建议，仅供参考。

关键词：数字经济；碳排放；改进的Topsis方法；西部地区十二省份

本文索引：辛阳，贺民澍，何银宁.<变量 2>[J].中国商论，2024（02）：-079.

中图分类号：F127；X324 文献标识码：A 文章编号：2096-0298（2024）01（b）--08

1 研究背景及意义

2021年4月，中国信息通信研究院发布《中国数字经济发展白皮书》报告指出，我国2020年数字经济规模达到39.2万亿元，占GDP的比重高达38.6%，数字经济规模总量保持9.6%的快速增长。近年来，我国数字经济发展正处于快速发展阶段，数字经济规模由2016年的22.6万亿元增长至2020年的39.2万亿元，以2016年为基期，定基增长率为73.45%，年平均增长率为14.76%。随着“双碳”目标的提出，低碳发展逐渐受到国内学者的关注，数字经济的发展是否能够助力“双碳”目标成为一项重要课题，对我国早日实现“双碳”目标具有重要意义。

然而，我国数字经济快速发展的同时逐渐显露出一些问题。从我国区域数字经济发展层面来看，东部、中部和西部地区数字经济发展水平呈现出较大的差异。东部地区各省份数字经济发展保持着明显的领先优势；中部地区虽次之，但与东部地区差距较大；西部地区的数字经济发展现状则一直处于较低水平，与其他地区相比差距较大。因此，关注发展相对落后的西部地区数字经济发展现状，对其进行客观、科学的测度与评价，并进一步探寻其发展与环境发展的内在联系机制，对缩小西部地区数字经济发展与东、中部之间的差距推动形成《二十大报告》中绿色低碳的生产、生活方式具有重要意义。

2 文献综述

2.1 数字经济内涵及其测度体系

数字经济涉及领域广泛，凡是直接或间接利用数据来引导资源发挥作用、 推动生产力发展的经济形态都可以纳入其范畴。目前，数字经济的定义可以分为狭义和广义两种。狭义上的数字经济仅包括数字经济核心产业（Bukht and Heeks，2017）；而广义上的数字经济泛指应用数字技术的一系列技术活动，包括数字经济核心产业、数字经济融合产业等（康铁祥，2008）。

Brent，R.M.和Steven，L.（1999）探讨了数字经济和GDP的关系，认为数字经济包括信息技术和电子商务。Bharadwaj和Pavlou（2013）从电子商务的范围、电子商务的规模、电子商务发展的速度和电子商务中价值的创造四方面对数字化商业模式进行研究。Kim B等（2002）对数字经济发展和数字化交易的关系进行研究，指出数字经济活动是服务和商品数字化的进行方式。Scott和Carrtngton（2011）认为，互联网的发展极大地促进了数字经济的发展，人们在互联网的社交使得数字化服务不断渗透到日常生活中，为数字经济的发展奠定了基础。陈晓红等（2022）对数字经济的内涵与特征、数字经济核心理论和数字经济研究方法体系进行了阐述，探讨了我国数字经济理论体系的拓展及未来的研究方向。刘军等（2020）给出了数字经济的内涵，并在此基础上分析了促使我国数字经济发展的众多因素，指出数字经济发展存在“数字鸿沟”与两极分化现象。

数字经济测度指标体系研究方面，2017年中国信通院最早发布《中国数字经济发展白皮书（2017）》；同年新华三集团数字经济研究院发布《中国城市数字经济指数白皮书（2017）》；腾讯发布的“互联网+”数字经济指数。基于运用统计与测算相结合的方法形成相关指标数据的有：浙江省出台的《浙江省数字经济发展综合评价办法（试行）》、重庆市制定的《重庆市数字经济统计报表制度》、贵州省制定的《贵州大数据产业统计报表制度》等。

数字经濟区域发展综合评价方面，巫景飞、汪晓月（2022）基于最新统计分类标准，编制了2009 —2019年中国数字经济产业的发展指标体系，测度了我国30个省份的数字经济发展水平，分析了各省份数字经济发展的差异及时空特征。蓝国姣（2020）对我国中部六省份数字经济发展总体状况进行了评价，并从多个角度给出数字经济发展的建议。徐滢、张娟娟（2022）从区域协同的视角，解析了数字经济产业分布特征。

2.2 数字经济与碳排放研究

本文的研究与数字经济的发展对碳排放的影响关系及其具体的作用机制密切相关。林达（2022）指出，数字经济发展能够有效助力低碳消费。葛立宇等（2022）研究了数字经济、产业结构转型和碳排放之间的关系，认为数字经济发展通过产业结构升级有效地促进了城市的碳减排。缪陆军等（2022）以中国278个地级市为研究对象，论证了数字经济发展能够通过创新效率间接促进碳减排。

由上述文献可知，数字经济可从产业结构转型升级、创新效率和绿色技术创新多方面因素间接影响碳排放。已有研究表明，中国数字经济的发展与碳排放呈现出非线性的关系，该研究结论是从中国整体视角出发得出的，而我国西部地区数字经济发展和碳排放是否依然遵循非线性关系鲜有相关的实证研究。

在综合已有相关文献的基础上，本文可能的边际贡献有三点：第一，采用改进的TOPSIS方法建立了一套符合西部地区十二省份数字经济发展水平现状的综合评价体系；第二，对西部地区十二省份数字经济发展水平与其碳排放影响关系进行了计量和实证；第三，依据综合评价结果，从数字基础设施建设、数字产业化、产业数字化、数字创新能力和发展环境五个维度对西部地区数字经济发展进行了较科学和全面的分析。

3 数字经济发展水平测度方法

3.1 指标体系构建

本文参考《中国数字经济发展白皮书（2020）》中关于数字基础设施、数字产业化、产业数字化和数字创新能力的指标描述，并借鉴蒋金荷（2021），从数字基础设施、数字创新能力、产业数字化、数字产业化和数字发展环境五个层面构建数字经济发展的测度体系，如表1所示。

3.2 数据来源

本文所有数据均来自2014—2020年国家统计局统计年鉴、第三产业统计年鉴、信息产业统计年鉴和西部地区省域相关统计年鉴。根据中国经济地理分区，选取山西省、四川省、重庆市、陕西省、贵州省、云南省、甘肃省、青海省、宁夏回族自治区、广西壮族自治区、内蒙古自治区、新疆维吾尔自治区12个省份的相应数据为研究对象，编制对应年份上述地区的数字经济发展水平指标。

3.3 基于熵权法的权重计算

本文采用熵权法计算每个指标的权重，即根据指标变异性的大小确定权重。该方法具有赋值的客观性，在多场合具备较强的适应性。

3.3.1 数据的标准化处理

本文采用极差法消除量纲的影响，具体方法如下：

设省份数为，指标数为，年份为，则对正向指标有：

相应地，负向指标有：

其中，代表第个省份第个指标第年的数值；为消除量纲后的数值，且取值范围为[0，1]。

3.3.2 计算信息熵

计算信息熵的公式如下：

其中，代表年第j个指标第i个省份所占的比重。

其中，为年第j项指标的信息熵，当时，令。

3.3.3 计算差异性系数和熵权值

差异性系数可以反映该指标在不同评价对象间的差异大小，指标值间的差异越大，差异性系数越大，该指标的信息熵越大，该指标所占的权重也就越大；反之，亦然。具体计算公式如下：

其中，为差异化系数，为熵权值。

3.4 指标权重的计算结果

根据上文所述的计算步骤，对七组权重计算加权平均得2014—2020年各级指标的权重，计算结果如表2所示。

由表2可知，数字基础设施权重为0.156、数字创新能力权重为0.264、数字产业化权重为0.192、产业数字化权重为0.282、数字发展环境权重为0.106，数字创新能力和产业数字化能力占比权重处于高位水平，数字基础设施和数字产业化发展占比权重较前两者略低，而数字发展环境的平均权重最低。

由图1可知，五大指标在数字经济发展过程中所占的权重相对稳定，历年来权重变化幅度较小，均在合理区间内波动起伏，表明我国西部地区数字经济发展的结构稳定合理，数字经济发展处在平稳的发展区间。其中，数字产业化权重从2014年的0.179上升到2020年0.280，权重占比具有逐年增加的趋势；数字创新能力和产业数字化权重占比较高，但近年权重占比呈现小幅降低的趋势；而数字基础设施和数字发展环境的权重占比较低。2020年，新冠疫情爆发，数字经济发展受到影响，图1表明除了数字化产业权重呈现增长外，其他四个发展指标权重均有不同程度的降低。

3.5 基于改进TOPSIS法计算综合得分

传统的TOPSIS法在计算每个评价对象综合得分时，未考虑指标之间的重要性差异，故在计算各指标权重时采用的是平均权重，可能造成最终的综合得分结果不理想。本文采用改進的TOPSIS法，即将熵权法和TOPSIS法相结合，运用熵权法计算各指标权重后，再利用TOPSIS法计算各评价对象的综合得分，使计算结果更加科学合理，模型基本步骤如下。

3.5.1 原始数据指标正向化

其中，为最大值。对中间型指标有：

其中，为最大值；为最小值。对区间型指标有：

其中

3.5.2 构建标准化矩阵

其中，Xij为第i个省份第j个指标的原始数据；Zij为标准化后的数据；n为西部地区省份个数。

3.5.3 计算各评价对象最优最劣距离

第i个省份与最大值的距离和最小值的距离分别定义为：

其中，为第j个指标的权重（本文由熵权法确定权重）；与分别为标准化矩阵第j个指标的最大值与最小值。

3.5.4 计算评价对象贴进度

计算评价对象贴进度如下：

其中Ci为第i个省份的综合得分，取值范围为[0，100]，数值越大，代表该评价对象表现越优；反之，得分越低，评价对象表现越差。

4 数字经济发展水平综合评价

4.1 西部地区十二省份数字经济发展总体评价

此部分中所有总指数和分类指数的结果均由二中计算所得的权重加权求和后得到，具体计算公式如下：

其中，为第年第j个指标的指数值；为第年数字经济发展总指数。表3为2014—2020年西部地区数字经济发展总指数和各分类指数结果，图2绘制了西部地区数字经济发展总指数折线图。

由表4数据计算可知，在五大分类指数中，数字创新能力指数均值最高，为0.8681；数字产业化指数和产业数字化指数均值略低于数字创新能力指数，分别为0.8597和0.7717；而数字基础设施指数和数字发展环境指数均值较低，分别为0.6704和0.4947。数字经济总指数方面，由图2可知，2014—2019年数字经济发展总指数呈现上升趋势，表明西部地区数字经济发展在此期间呈现较好的发展态势，但应注意到其发展速度较慢，与东部地区省份存在较大的差距。结合表4数据和图2数字经济发展总指数发现，2020年数字经济发展总指数和除数字创新能力指数之外的其他四类指数均存在不同程度的下降，表明在新冠疫情时期，数字经济发展的某些方面也受到了不同程度的影响。

由图3可知，在五大分类指数中，数字创新能力指数不仅处于高位具有逐年增长的趋势，表明近年来数字创新能力成为数字经济发展中越来越重要的一环，创新驱动经济增长。同样的，数字创新助力数字经济增长，在数字经济方面同样需要实施创新驱动发展战略；数字基础设施等其他四方面的指数数据呈现出平稳的趋势。

总体来说，各分类指数处于正常区间内小幅波动，且部分指数呈现出明显的上升趋势；在数字经济发展总指数层面，历年指数呈现出稳定的上升态势，表明西部地区数字经济发展状况良好，且呈现向上的趋势，但由于地理因素和经济技术基础薄弱等条件的限制，西部地区数字经济发展速度较为缓慢。

4.2 西部地区各省数字经济发展综合评价

此部分各省数字经济发展综合得分均采用改进的TOPSIS法计算得出。

4.2.1 西部地区各省（自治区）数字经济发展现状总体分析

由图4可知，四川数字经济发展综合得分排名第一，陕西、重庆数字经济发展综合得分排名分别居第二位、第三位，排名靠后的三位则分别是宁夏、甘肃和青海。各省数字经济发展综合水平呈现出三个梯队，第一梯队综合得分达到40分以上，分别是四川、陕西和重庆，其中四川以77.58的最高得分居于榜首，与陕西、重庆的得分拉开了较大差距；第二梯队综合得分在20～30分，处于该梯队的省份（自治区）分别是广西壮族自治区、山西和云南；第三梯队则是综合得分在20以下，该梯队中的省份（自治区）分别为贵州、内蒙古、新疆、宁夏、甘肃和青海。

可知，四川的数字经济发展在西部地区数字经济发展过程中处于领跑地位，历年来综合得分结果均为第一，综合排名第一。四川能在西部各省份数字经济发展过程中处于领先地位，究其原因，不仅是四川有较好的自然条件，还因为四川相对其他省份具备更加完善的数字经济发展政策、数字经济基础设施建设和较高的数字化建设水平。从表5排名结果可以发现，山西和贵州的数字经济发展一直处于上升态势。具体来看，山西在2014—2016年发展水平处于中等水平，排名第六，从2017年开始，山西的数字经济发展速度加快，此后历年的排名逐年上升，到2020年，山西数字经济发展排名升至第四位，表明山西的数字经济发展速度较快，且发展动力强劲。表5中排名最后的三省份分别是宁夏、甘肃和青海，其数字经济发展综合得分最低，特别是青海，其得分不足10分，与第一梯队的综合得分相距甚远。

4.2.2 西部地区十二省市数字经济发展各分项指标发展水平分析

利用前文与计算综合得分一致的方法，本文对目标省市数字经济发展指标体系中各分项的得分情况进行计算，如图5、图6、图7、图8、图9所示。

（1）四川的数字经济发展在各项得分方面都遥遥领先，但除了四川外，其他各省市在不同分项上的发展水平差异较大。例如，广西壮族自治区的数字经济发展水平综合排名第四，但在数字基础设施建设和数字经济发展环境方面的发展高于平均水平。因此，各省份应按照比较优势因地制宜，充分挖掘数字经济增长的新动能、新潜力。

图9 2014—2020年各省份数字发展环境综合得分雷达图

（2）陕西和贵州的数字创新水平分别在2014—2016年、2020年具有不俗表现，这与近年来两省出台一系列数字经济发展政策，如着力建设数字经济发展创新区、强化数字科技和人才支撑关系密切。

（3）各省的数字产业化发展水平总体呈现增长态势。四川、陕西和重庆处于第一梯队，优势明显。其中，陕西破除地理条件壁垒，大力发展数字化产业，先后建设了陕西省数字经济试点示范区和陕西省“秦岭云计算”平台，极大推动了陕西省的数字经济发展。

（4）西部地区各省市产业数字化发展水平断层现象较严重。中央和地方都应考虑出台相关政策，以缩小西部地区各省份在产业数字化方面的差距。

（5）数字经济发展对环境有正向效应。西部地区各省市数字经济发展环境综合得分总体差别最小，说明数字经济的发展能够促进城市绿色高质量发展。为验证两者之间是否存在因果关系，本文将对目标省市的数字发展水平与碳排放关系进行研究。

5 西部地区十二省份数字经济发展与碳排放关系影响研究

目前，部分学者认为我国数字经济发展和碳排放的关系遵循倒“U”型的非线性影响关系（葛立宇等，2022），且数字经济发展通过产业结构升级加快了U型拐点的形成。徐维祥等（2022）发现，数字经济的发展在东部地区对碳排放存在显著的降低作用，而在中部、西部地区则在一定程度上加剧了碳排放量，造成这一现象的主要原因是数字经济发展初期需要大量的能源消耗，导致碳排放量的增加。

据此，本文提出以下假设：西部地区数字经济发展仍处于初期阶段，对碳排放的影响遵循正线性相关关系。

5.1 变量的选取

（1）被解释变量的选取：二氧化碳排放量（ce），本文参考陈诗一（2009）关于二氧化碳排放量测定的做法，将各项能源指标分别加权求和得到最终的二氧化碳排放总量。具体计算方法为：。其中，为二氧化碳总量，为各项能源指标转换系数，为各项能源指标。

（2）解释变量：数字经济发展指数，本文采用上文计算得到的各省数字经济发展指数作为模型中的核心解释变量。

（3）控制变量：参考高原（2022）的做法，本文选取绿色金融（gre）、能源消耗（per）、环境污染（poll）作为模型的控制变量。采用绿色信贷、绿色证券、绿色投资、绿色保险、碳金融5项指标计算绿色金融发展指数；火力发电量作为衡量能源消耗情况的指标；参考董直庆和王辉（2019）的做法，计算环境污染指数作为环境污染状况的衡量指标。

5.2 个体固定效应面板数据模型的建立

本文建立个体固定效应模型如下：

其中，Ince、Inper分别为二氧化碳、火力发电生产量的对数值；digt、gre、poll分別为数字经济指数、绿色金融指数和环境污染指数；分别为个体固定效应和随机扰动项。

5.3 數据来源

本部分数据主要来源于国家统计局数据库、中国环境数据库、中国金融数据库、中国宏观经济数据库和各省统计年鉴。本文以西部地区12个省市（自治区）为研究对象，收集2014—2020年相关指标数据，各指标描述性统计量如表6所示。

5.4 实证分析

5.4.1 面板回归结果分析

根据表7的回归结果，数字经济（digt）指数在1%水平上显著为正；而在表8中，数字经济（digt）一次项系数为正，二次项系数为负，在5%水平上未通过系数的显著性检验。模型结果与本文假设预期一致，即西部地区数字经济的发展处于初期阶段，其发展红利并未显著减少二氧化碳排放量；相反，碳排放量还有一定程度的增加，出现了数字经济所谓“绿色盲区”的问题。表8数字经济指数系数也已表明，西部地区数字经济发展对碳减排的倒“U”型非线性关系已初具雏形，数字经济发展对碳排放的效应正由正线性关系向倒“U”型非线性关系转化。

控制变量中，绿色金融指数系数在1%水平上显著为负，表明绿色金融发展水平越高，碳减排效果越好，这一结果与现实相符。火力发电量系数显著为正，说明西部地区目标省市能源消耗较大，加剧了碳排放量；环境污染指数系数亦显著为正，可知工业废水、工业二氧化硫和工业烟尘等工业污染物的排放与碳排放存在交互作用。

5.4.2 模型检验

F（chow）检验与Hausman检验结果显示，在5%的显著性水平上均拒绝原假设，表明真实模型为个体固定效应变截距模型。

面板单位根检验：对被解释变量碳排放量（Ince）进行LLC和IPS检验。结果显示，在5%的显著性水平上均拒绝了原假设，表明个体趋势平稳，且在剔除了趋势项后被解释变量所有个体均是平稳的。

6 结语

通过以上研究发现：（1）我国西部地区数字经济发展现状总体平稳，但与中部地区、东部地区的数字经济发展存在较大差距，说明我国东中西部地区数字经济发展仍存在明显的“数字鸿沟”现象。（2）西部地区各省数字经济各分项发展情况总体稳定，呈现稳步上升趋势，但各省发展水平存在较大差异，呈现出三个梯队。（3）各省市（自治区）都较重视数字创新能力的发展，且具有各自比较优势，但在产业数字化发展方面的差距较大。（4）西部地区数字经济的发展处于初期阶段，数字经济发展在西部地区对碳排放的影响呈现出正线性关系向倒“U”型非线性关系的转化。

据此，本文提出以下建议：（1）为缩小西部地区各省市（自治区）数字经济发展差距，四川、陕西和重庆等数字经济发展强省应对西部地区数字经发展落后省份，如青海、甘肃等省进行相应的数字技术和产业交流、扶助，带动西部地区数字经济整体向上发展。（2）从前文分析可知，西部地区数字经济发展环境方面差别较小、教育资源水平相当，如何吸引数字经济人才到当地发展成为关键。因此，各级政府应加大数字化人才的引进力度，培养具有数字化技术的复合型人才，积极出台具有吸引力的就业政策，促进数字经济人才在本土的全面发展。（3）西部地区各省应立足自身优势，加大加快符合省情的数字经济基础设施建设，尤其是在技术创新方面的投入，促进数字经济朝着更高、更好的方向发展。（4）西部各省市应借力“双碳”目标发展机遇，形成科学、合理、渐进的企业与环境协调发展机制，更好地助力数字经济发展和节能减排。

参考文献

Bharadwaj，A. and Pavlou，P. A.，.Digital Business Strategy： Toward a Next Generation of Insights[J]. MIS Quarterly，2013，37（2）：471-482.

Brent，R. M. and Steven，L..，. GDP and the Digital Economy： Keeping up with the Changes[J].Understanding the Digital Economy Data，1999，4（5）：34-48.

Bukht， Rumana， Richard Heeks. Defining， conceptualising and measuring the digital economy[J]. Development Informatics working paper，2017，68：67-89.

Kim B， Barua A， Whinston A B. Virtual Field Experiments for a Digital Economy： A New Research Methodology for Exploring an Information Economy[J]. Decision Support Systems，2002，32（3）：215-231.

Li X， Liu J， Ni P. The Impact of the Digital Economy on CO2 Emissions： A Theoretical and Empirical Analysis[J]. Sustainability， 2021， 13（13） ：84-102.

Salahuddin M， Alam K. Internet Usage， Electricity Consumption and Economic Growth in Australia： A Time Series Evidence [J]. Telematics and Informatics， 2015， 32（4） ：57-63.

Scott J， Carrington P J. The SAGE Handbook of Social Network Analysis[M]. SAGE Publications，2011：34-38.

陈桂龙.为数字城市提供优化创新的发展模式：《2019城市数字发展评价指数报告》发布[J].中国建设信息化，2020（3）：70-75.

陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究， 2009，44（4）：41-55.

陈晓红，李杨扬，宋丽洁，等. 数字经济理论体系与研究展望[J].管理世界，2022，38（2）：208-224.

董直庆，王辉.环境规制的“本地—邻地”绿色技术进步效应[J].中国工业经济， 2019（1）：100-118

高原，申珍珍.绿色金融改革政策的碳减排效应[J].中国环境科学， 2022（10）：1-13.

葛立宇，莫龙炯，黄念兵.数字經济发展、产业结构升级与城市碳排放[J].现代财经（天津财经大学学报），2022，42（10）：20-37.

蒋金荷.可持续数字时代：数字经济与绿色经济高质量融合发展[J].企业经济，2021，40（7）：23-30

康铁祥.中国数字经济规模测算研究[J].当代财经，2008（3）：118-121.

蓝国姣. 中部地区数字经济发展水平的统计测度研究[D].南昌：江西财经大学，2020（8）：11-22.

林达.“双碳”目标下数字经济助力低碳消费[J].中国集体经济，2022（14）：29-32.

刘军，杨渊鋆，张三峰. 中国数字经济测度与驱动因素研究[J]. 上海经济研究，2020（6）：81-96.

缪陆军，陈静，范天正，等.数字经济发展对碳排放的影响：基于278个地级市的面板数据分析[J].南方金融，2022（2）：45-57

巫景飞，汪晓月.基于最新统计分类标准的数字经济发展水平测度[J].统计与决策，2022，38（3）：16-21.

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（1）：111-129.

徐滢，张娟娟.五大城市群数字经济产业发展水平测度研究[J].信息系统工程，2022（3）：24-27.

中国信息通信研究院.中国数字经济发展白皮书（2020年）[J].2020：23-25.