数字经济发展如何影响城市碳排放？——来自中国283 个地级市的经验数据

曹建飞，韩延玲，刘慧龙

（1. 新疆财经大学 统计与数据科学学院，新疆 乌鲁木齐 830012；2. 中国人民银行乌鲁木齐中心支行，新疆 乌鲁木齐 830012）

2020 年9 月，习近平主席在第七十五届联合国大会一般性辩论上指出，中国将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。随着城市化与工业化的继续推进，对能源的需求还在增长，二氧化碳的排放量持续增加，使得我国面临着巨大的碳减排压力，促进低碳发展已然成为各界共识。与此同时，伴随着大数据、人工智能、云计算、5G等新兴技术与经济社会各领域融合发展，2021 年数字经济占GDP 的比重达到39.8%（数据来源于《中国数字经济发展白皮书（2022 年）》），数字经济已成为驱动经济增长的新引擎。党的十九届五中全会强调，发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合。发展数字经济，契合新发展理念，探索数字经济和碳排放的关系对我国实现高质量发展具有重要的现实意义。

基于上述背景，数字经济的环境改善效应成为学界聚焦的重点之一。已有研究探讨了数字经济对碳排放的影响，有学者实证发现数字经济发展能够显著降低城市碳排放水平[1-2]；谢云飞[3]认为数字经济发展显著降低了区域碳排放强度；也有学者发现数字经济发展对碳排放的影响具有非线性特征，并认为数字经济通过创新效率影响碳排放[4]；而科技创新或产业结构升级促进碳减排大多学者已经形成共识，王文举等[5]采用投入产出模型验证了产业结构升级能够有效促进节能减排；王少剑等[6]认为产业结构升级能够降低碳排放强度，同时技术创新也是降低碳排放的手段和途径[7-8]；刘志华等[9]认为科技创新、产业结构转型升级与碳排放效率有较强的协调性且相互之间能产生正向促进作用；刘翠花[10]认为数字经济发展通过促进科学技术创新和社会分工深化助力实现产业结构升级。那么，是否存在数字经济发展促进技术创新，进而实现产业结构升级影响碳排放的链式中介效应？

本文试图讨论数字经济发展对碳排放的影响，探讨数字经济发展能否影响碳排放效率、碳排放强度和碳排放量？如果存在，其作用是否为非线性影响？数字经济不同发展阶段对碳排放效率、碳排放强度和碳排放量的影响是否存在差异？同时探讨数字经济是否通过技术创新和产业结构升级影响碳排放效率、碳排放强度和碳排放量，以及是否存在技术创新和产业结构升级在数字经济发展与碳排放之间的链式中介效应？如果存在传导机制，那么技术创新水平与产业结构升级程度是否对碳排放效率、碳排放强度和碳排放量存在门槛效应？尽管关于数字经济与碳排放关系的研究取得了一些值得借鉴的成果，但目前仍处于探索阶段，与既有文献相比，本文可能的贡献为：一是探讨数字经济对碳排放效率、碳排放强度和碳排放量的非线性作用机制，以及数字经济发展不同水平对碳排放效率、碳排放强度和碳排放量的影响特征。二是探讨数字经济对碳排放效率、碳排放强度和碳排放量的传导机制，从城市层面验证“数字经济→技术创新→碳排放”“数字经济→产业结构升级→碳排放”和“数字经济→技术创新→产业结构升级→碳排放”的传导关系。三是将环境规制、人口规模、经济发展水平、金融发展水平引入实证分析中，探讨数字经济发展对碳排放的影响，为政府部门科学决策提供参考。

1 理论分析与研究假设

1.1 数字经济与碳排放

数字经济以互联网、大数据、区块链等新兴技术应用为基础，将信息和数据作为生产要素，与经济社会各个领域融合。从产业角度来看，数字经济产业（例如电子商务产业和互联网产业）的发展，传统经营模式发生转变，实体店铺投入减少，对重工业产品依赖度下降[11]，高耗能、高排放产业发展空间压缩，碳排放量减少、碳排放强度降低，提高了生产效率和能源效率，进而提高碳排放效率；按照摩尔定律，信息传输技术高速发展，将以几何级数降低信息存储、传输和处理的成本，实现低成本传播[12]，数字媒介传播的信息覆盖率大幅度提高，通过媒体引导公众建立绿色环保理念，倡导绿色消费、绿色出行，减少了餐饮、交通等碳排放，进而缓解城市污染[13]。从微观企业角度来看，数字化通过企业专业化提高了企业全要素生产率[14-15]，企业管理数字化使得内部信息传递更准确，提高了企业内部治理和决策水平；数字技术带来的信息传播增强了企业间的信息沟通与业务合作，产品价格、质量更透明，降低了企业间的交易成本[16]。此外，基于数字技术建立的数字化平台实时监测企业生产活动和碳排放信息，实现了监管部门对企业的精准规制，有效减少企业碳排放，提高了碳排放效率[17]。

然而，不容忽视的是大量数字技术设备（数据中心）的使用导致电力消耗大幅增加，对环境保护产生负面影响[18]，目前我国煤电占比很高，增加电力消耗，煤炭用量上升，碳排放量增加；采矿业应用数字技术，加大了矿产资源的开采规模，造成资源的过度消耗。此外，企业在数字化转型过程中，转型初期要重置生产设备，通过加大资源投入和能源的消耗而增加产量，碳排放量增加，促使碳排放效率下降，当数字化转型完成时，企业产出稳定，数字化技术和规模降低了污染治理成本[19]，进而提高了碳排放效率，体现出数字经济对碳排放效率的非线性影响。因此，提出如下假设：

H1：数字经济发展能够影响碳排放效率、碳排放量和碳排放强度，但其作用程度会受到数字经济水平高低的约束。

1.2 数字经济、技术创新与碳排放

数字经济通过技术创新影响碳排放主要体现为：一是绿色环保技术发展能有效提高能源的使用效率。数字经济发展能提高技术研发的成功率和研发成果的转化能力，有利于碳捕捉、脱硫脱碳等绿色环保技术的研发和推广，进而能提高企业化石能源的利用效率，降低了投入，增加了正向产出，抑制了碳排放的增长，从而提升了碳排放效率。二是数字经济促进了储能技术的发展，提高了太阳能、风能等可再生能源的开发利用率，减少了化石能源的使用量，降低了碳排放量[20]。三是数字技术不断向产业内部渗透，优化产业的污染治理策略，改进能源管理模式，实现企业部门及生产设备联通，实时动态采集与企业排污活动密切相关的各类要素及能源等信息，调整能源结构及使用效率，实现节能减排[1]。

然而，数字技术的发展能够提高可再生能源和化石能源的利用效率，加剧了两类能源的竞争，但产生的综合效应还是正向的[21]，同时支撑数字技术的数据中心是高耗能行业，数字技术快速发展会增加碳排放，但数字技术发展减碳的综合效应是正向的[22]。因此，提出如下假设：

H2：数字经济通过促进技术创新能够降低碳排放量和碳排放强度，提升碳排放效率。

1.3 数字经济、产业结构升级与碳排放

数字经济促进产业结构升级影响碳排放主要体现为：一是数字产业通过数智化技术支持绿色发展，助力产业升级，实现碳减排。黄玉霞等[23]发现制造业投入服务化能提高生产效率、优化结构，进而降低碳排放强度。二是企业数字化转型将数字技术融入管理架构，生产管理趋向智能化，提高了投入产出效率，企业间信息共享和协同运作提升了供应链的运作效率，由此促进了产业结构升级，显著降低了碳排放水平[24]。三是数字经济将信息和数据作为生产要素，低成本传播，降低了企业与消费者之间因信息不对称产生的成本，为供求双方精准匹配提供路径，提高了资源配置效率。作为新经济形态，创造了大量就业岗位，为弱势群体提供了就业机会，弱化劳动力错配对资源配置效率的消极影响[25]，产业结构合理化将提高能源等各类资源要素的利用效率[26]，推进经济绿色发展，对碳排放效率产生有利影响。此外，数字经济的新业态、新模式大量涌现，形成了网约车、快递小哥、职业主播等以服务业为主的职业，促进了服务业的发展，加快了产业结构升级，产业结构高级化将对碳排放强度产生有利影响[27]。因此，提出如下假设：

H3：数字经济通过促进产业结构升级能够降低碳排放量和碳排放强度，提高碳排放效率。

1.4 技术创新与产业结构升级的链式中介作用

技术创新对产业结构升级产生的影响表现为：首先，数字经济发展推动绿色技术的市场扩散，增加绿色技术的市场需求，从而促进高新技术产业的形成，逐步淘汰高能耗、高污染的企业，实现产业结构不断转型升级[28]；其次，技术与产业高度融合发展已成为产业结构合理化与高级化的关键要素[29]，技术创新和产业结构升级交互关联作用能显著降低碳排放强度[30]。因此，提出如下假设：

H4：技术创新和产业结构升级在数字经济与碳排放效率（碳排放量和碳排放强度）之间存在链式中介作用。

综上所述，数字经济对碳排放的影响机理见图1。

图1 数字经济对碳排放影响机理

2 计量模型、变量测度与数据来源

2.1 计量模型

为检验数字经济与碳排放效率、碳排放强度和碳排放量之间的关系，首先，建立基准模型为：

其次，本文在模型（1）的框架下构建中介效应模型，分别加入技术创新（Tec）和产业结构升级为中介变量，深入分析数字经济对碳排放效率、碳排放强度和碳排放量的作用路径。中介效应模型构建如下：

最后，考虑到技术创新和产业结构升级可能制约数字经济对碳排放效率、碳排放强度和碳排放量的驱动效应，参考HANSEN[32]的面板门槛模型进行检验。因此，设定如下模型：

式（7）、式（8）分别表示单门槛和双重门槛模型，门槛变量q分别为数字经济指数、技术创新和产业结构升级，I(·)为取值为1 或0 的指示函数，θ为对应的门槛值。

2.2 变量测度

2.2.1 数字经济指数的测度

现有文献从城市层面对数字经济进行测度的相对较少，黄群慧[33]选择互联网普及率、移动电话普及率、相关从业人员和产出情况4 个指标；赵涛等[34]增加了数字普惠金融指数，构建5 个指标测算数字经济综合发展指数。此外，腾讯研究院从基础、产业、双创和智慧民生4 个方面测算了数字经济指数。考虑到指标数据可得性，本文借鉴赵涛等[34]构建的评价体系和评价方法，测算数字经济指数（表1）。

表1 数字经济综合评价指标体系

2.2.2 城市碳排放效率

（1）SBM 模型与城市碳排放效率。本文采用TONE[35]提出的超效率SBM 模型，对城市碳排放效率进行测算。假定n个决策单元中每个决策单元均有则其矩阵X、Yg、Yb的表达式为：

则生产可能性集p为：

考虑非期望产出的SBM 模型，表达式如下：

本文运用Super-SBM 模型重新定义生产可能性集为：

式中：x、yg和yb代表决策单元量、期望产出变量和非期望产出变量，S-、Sg、Sb分别表示投入、期望产出、非期望产出的松弛变量，λ为权重向量，模型中下标“0”为被评价单元，ρ*为目标效率值。

（2）投入与产出变量。借鉴已有研究，本文选取固定资产投资作为资本投入，选取各城市年末从业人数作为劳动力投入，运用公式It=Kt-(1-δ)Kt-1计算投资，Kt为t期的资本存量，It为t期的投资，δ为平均折旧率，δ=10.96%[36]。选取城市电力消费作为能源投入，并选取城市生产总值作为期望产出，将城市CO2排放量视为非期望产出。由于不能直接获取城市尺度的能源消费数据，本文借鉴吴建新等[37]做法，将电能、煤气和液化石油气、交通运输和热能消耗产生的碳排放相加计算得出各个城市总的碳排放。

2.2.3 门槛/中介变量

技术创新（Tec）。考虑数据的可得性，本文选择城市年度专利授权数作为技术创新的替代变量。

产业结构升级。本文借鉴刘翠花[10]的研究思路，选取产业结构高级化指数（Iri）和产业结构合理化指数（Iai）度量产业结构升级。产业结构高级化指数用第三产业产值与第二产业产值之比衡量，产业结构合理化指数借鉴干春晖等[38]的思路计算获得。

2.2.4 控制变量

城市碳排放除受数字经济的影响外，还受其他变量的影响，为全面分析城市碳排放效率中数字经济的影响，参考现有文献的研究，设定如表2 所示的控制变量。

表2 控制变量基本描述

2.3 数据来源与描述性统计

本文的原始数据来源于《中国城市统计年鉴》《中国城市建设统计年鉴》以及各省市统计年鉴和统计公报，本文选用2011—2020 年全国283 个地级及以上城市的面板数据，其中缺失值采用插值法予以补充。此外，本文数据以2011 年为基期进行平减处理。表3 报告了各变量的基本统计特征，表明了不同地级及以上城市的指标存在着明显的差异。

表3 各变量描述性统计信息

3 实证结果与分析

3.1 城市碳排放的特征

首先，核算城市碳排放量和碳排放强度。然后，基于非期望产出的超效率SBM 模型，测算2011—2020年283 个城市的碳排放效率，并计算各年份平均值。图2 显示，2011—2020 年城市碳排放量保持平缓增长趋势，城市碳排放强度2011—2016 年呈现缓慢下降态势，2017—2020 年表现为大幅波动上升，虽然碳排放量增幅不高，但城市GDP 增长速度逐步向发展质量转变，使得碳排放强度较大幅度波动上升，城市碳排放效率呈现出“U”型特征，2011—2017 年表现为缓慢下降，2018—2020 表现为上升趋势，城市经济高质量发展有利于提升碳排放效率。

图2 碳排放效率、碳排放总量和碳排放强度变化趋势

表4 报告了2011—2020 年前20 名城市碳排放效率、碳排放总量和碳排放强度平均值排序。表4 显示，碳排放量较高的城市包括北京、上海、天津、广州、深圳等一线城市，沿海城市及省会城市，主要集中在经济发展较好的城市；碳排放强度较高的城市集中在河北石家庄、秦皇岛、邯郸等，山西太原、大同、阳泉等，东北三省大部分城市，甘肃、青海的部分城市，主要集中在北方城市；碳排放效率较高的城市有11 个，包括上海、无锡、苏州、长沙、广州、深圳等，总体上表现为“南高北低”的特征。

表4 2011—2020年前20名城市平均碳排放量、碳排放强度和碳排放效率

3.2 基准回归结果

在表5 中，列（1）、列（3）、列（5）数字经济指数的估计系数在10%的水平下均统计显著，表明数字经济发展对减少碳排放量、降低碳排放强度、提升碳排放效率具有促进作用；列（2）、列（4）、列（6）加入了数字经济指数平方以及控制变量的影响，结果显示数字经济指数及平方项的估计系数在5%的水平下均统计显著。列（2）显示数字经济指数的系数为负，平方项的系数为正，数字经济发展对碳排放效率的影响呈现“U”型特征；列（4）、列（6）显示数字经济指数的系数为正，平方项的系数为负，数字经济发展对碳排放量和碳排放强度的影响呈现倒“U”型特征，这是因为在企业数字化转型初期，数字化大量投入不一定能够有产出效率提升[39]，高投入、高成本提升了碳排放水平。当企业数字化投入水平达到阈值，资本、人力、技术投入逐渐产生正向净效应，能源利用效率得到提高，从而显著降低了碳排放水平[4]，验证了H1。

表5 数字经济与碳排放：基准回归

加入控制变量后，科技支出增加能够显著减少碳排放量，提高碳排放效率，但对碳排放强度的影响不显著，加大科技支出力度可以促进节能环保技术研发应用，有利于节能减排；环境规制和经济发展水平均对碳排放量和碳排放强度具有抑制作用，对碳排放效率具有促进作用，加大环境规制力度能够倒逼企业加大研发投入或采用绿色专利实现节能降耗，形成绿色产业链和发展循环经济，实现减碳增效；经济发展水平提高，尤其是经济高质量发展坚持“创新、协调、绿色、开放、共享”的新发展理念，有利于降低碳排放量，提高碳排放效率。金融发展水平能够显著提升碳排放效率和降低碳排放强度，但对碳排放量的影响不显著，在碳达峰、碳中和的背景下，应不断提升金融对绿色低碳转型的服务能力，银行为企业融资，打造绿色资产，推动企业实现绿色低碳转型。人口规模在1%的水平上统计显著，人口规模越大，出行活动范围和强度越大，对交通、餐饮消费的需求增加，生活垃圾也会增加，增大了碳排放量和碳排放强度，降低了碳排放效率。

3.3 链式中介效应检验结果

根据式（2）～式（6）进行中介效应分析，检验结果如表6 所示，然后利用Bootstrap 进行链式中介效应检验，结果如表7 所示。

表6 中介效应回归分析

表7 利用Bootstrap方法估计的中介效应及95%置信区间

表6 中列（1）数字经济能够显著地促进技术创新（,P＜0.01），列（3）～列（5）中技术创新对碳排放效率（,P＜0.01）、碳排放强度（,P＜0.05）、碳排放量（,P＜0.01）均统计显著。与表5 基准回归比较发现，表6中列（3）～列（5）数字经济系数均有所减小，且在10%水平下统计显著，表明技术创新在数字经济与碳排放效率、碳排放强度和碳排放量之间发挥了部分中介效应。由表7 可知，部分中介效应分别为0.110、-0.084、-0.148，且95%的置信区间不包括0，因此，数字经济能够通过技术创新提升碳排放效率，降低碳排放强度和碳排放量，验证了H2。

本文检验了链式中介模型，即数字经济通过影响技术创新促进产业结构高级化（合理化），进而提高碳排放效率、降低碳排强度和碳排放量。结果显示，表6 中列（2）技术创新能够显著促进产业结构高级化（，P＜0.01）、 列（6）产业结构合理化（，P＜0.01），并且在表7 中，技术创新与产业结构高级化在数字经济与碳排放效率（碳排放强度和碳排放量）之间的链式中介效应显著，其部分中介效应分别为0.009、-0.088、-0.033，且95%的置信区间不包括0，表明数字经济能够促进技术创新和产业结构高级化提升碳排放效率、降低碳排放强度、减少碳排放量，验证了H4。

3.4 门槛效应分析

根据式（7）、式（8），通过300 次的Bootstrap 模拟，表8 报告了门槛变量检验的F值及对应的P值，检验结果表明，Dige、Tec、Iri对碳排放效率、碳排放量和碳排放强度均存在单一门槛，Iai对碳排放效率、碳排放量和碳排放强度均存在双重门槛。图3 报告了相应的似然比函数图。

表8 门槛检验结果

图3 样本门槛的估计值和置信区间

表9和表10报告了门槛回归的实证结果。表9中列（1）以数字经济指数为门槛变量时，数字经济对碳排放效率的影响关系根据门槛值0.347 可分为两个区制，其估计系数在10%水平下均统计显著，其系数分别为-0.363 和0.105，表明数字经济在门槛值前对碳排放效率有抑制作用，跨越门槛值后对碳排放效率有显著的促进作用，这与表5 中列（2）的回归结果相一致；表9 中列（2）以技术创新为门槛变量时，根据门槛值可分为两个区制，其估计系数在1%水平下均统计显著，其系数分别为-0.263 和0.510，表明技术创新在门槛值前对碳排放效率有抑制作用，跨越门槛值后对碳排放效率有显著的促进作用；表9 中列（3）以产业结构高级化指数为门槛变量时，根据门槛值可分为两个区制，门槛值前估计系数在10%水平下统计不显著，门槛值后估计系数在1%水平下统计显著，表明产业高级化门槛值前对碳排放效率不存在显著影响，跨越门槛值后对碳排放效率具有显著促进作用；表9 中列（4）以产业结构高级化指数为门槛变量时，根据门槛值可分为三个区制，估计系数在1%水平下均统计显著，其系数分别为0.476、0.337和-0.458，表明产业结构合理化指数越高，在第一个门槛值前后对碳排放效率表现为抑制作用，当跨越第二门槛值后，产业结构越合理，越能够显著提升碳排放效率。

表9 碳排放效率与碳排放量门槛回归结果

表10 碳排放量与碳排放强度门槛回归结果

表9 中列（5）和表10 中列（9）以数字经济指数为门槛变量时，根据门槛值可分为两个区制，仅有表10 中列（9）门槛值前估计系数在10%水平下统计不显著，其他系数在1%水平下均统计显著，系数符号方向表明，当数字经济发展指数小于门槛值时，数字经济发展会增加碳排放量，对碳排放强度的影响不显著，跨越门槛值后，数字经济发展能够显著降低碳排放量和碳排放强度，进一步验证了数字经济发展对碳排放量和碳排放强度具有非线性影响；表9 中列（6）和表10 中列（10）以技术创新为门槛变量时，根据门槛值可分为两个区制，表10中列（10）门槛值前估计系数在10%水平下统计不显著，其他系数在1%水平下均统计显著，结合系数符号，表明技术创新在跨越门槛值前增加了碳排放量，对碳排放强度未产生影响，跨越门槛值后，技术创新能够减少碳排放量和降低碳排放强度；表10 中列（7）、列（11）以产业结构高级化指数为门槛变量时，根据门槛值可分为两个区制，列（7）估计系数在1%水平下均统计显著，列（11）估计系数在10%水平下统计不显著，结合系数符号，表明产业高级化在门槛值前增加了碳排放量，对碳排放强度不产生影响，跨越门槛值后能够显著降低碳排放量，但对碳排放强度不具有影响；表10 中列（8）、列（12）以产业结构合理化指数为门槛变量时，根据门槛值可分为三个区制，列（8）估计系数在1%水平下均统计显著，列（12）估计系数在10%水平下统计不显著，结合系数符号，表明产业结构合理化指数在第一个门槛值前后，跨越第二门槛值前增加了碳排放量，跨越第二个门槛值后能够显著降低碳排放量，而对碳排放强度两个门槛值都不产生影响。

3.5 区域异质性分析

鉴于中国区域间数字经济发展水平、科技支出水平、经济发展存在差异，因此将样本分为东部、中部和西部城市，分别考察数字经济对不同区域碳排放效率、碳排放强度和碳排放量的影响。表11 表明中西部城市数字经济对碳排放效率的影响呈现“U”型，对碳排放强度和碳排放量的影响呈现倒“U”型，而东部城市数字经济指数的系数统计显著，但数字经济指数平方的系数统计均不显著。从影响程度看，中部城市数字经济对提升碳排放效率、降低碳排放强度和碳排放量的作用显著高于东部和西部城市，而西部城市显著高于东部。中西地区“新基建”逐步完善，大数据、物联网、区块链等技术延伸到传统行业，数字经济红利逐步显现，尤其是中部城市较为明显，呈现出“先抑后扬”的特点，而东部城市经济活跃度高、信息技术发达，数字经济对碳排放的影响已经到促进作用阶段。

表11 数字经济对碳排放影响的区域异质性

从控制变量看，科技投入在东部城市和西部城市对碳排放强度的影响不显著，西部城市增加科技投入显著高于东中部城市；经济发展水平的系数在10%水平下均统计显著，东中部城市提高经济发展水平提升碳排放效率显著高于西部城市，而西部城市减少碳排放量显著高于中东部城市，中西部城市降低碳排放强度高于东部城市；在东部城市提高金融发展水平能够提升碳排放效率、减少碳排放量和降低碳排放强度，在中部城市能提升碳排放效率，不能影响碳排放量和降碳排放强度，在西部城市能影响碳排放效率和碳排放量，不能影响碳排放强度；东中西部城市扩大人口规模均能够显著降低碳排放强度，提高东部城市碳排放效率和增加碳排放量；环境规制对提升东中西部城市碳排放效率具有显著的促进作用，且中西部城市更显著，对降低东部城市碳排放量以及降低中西部城市碳排放强度具有显著的影响。

3.6 稳健性检验

（1）内生性检验。为核心变量选取合适的工具变量，能够避免数字经济与碳排放之间存在双向因果产生内生性问题，借鉴黄群慧[33]、赵涛等[34]研究方法，采用上一年全国互联网用户数分别与1984 年各城市每万人电话机数量构造交互项（Iv_Internet），作为当年城市数字经济指数的工具变量。由于互联网在传统通信技术基础上发展形成，当前数字经济发展水平受到过去发展基础的影响，而传统电信工具（如固定电话）使用量的减少对城市发展的影响逐步减弱，满足排他性，与随机扰动项不相关，且对碳排放不存在直接关联路径，因此Iv_Internet能够作为数字经济的工具变量。

在考虑了内生性问题后，表12 中列（1）～（3）加入互联网与电话机数量构造交互项（Iv_Internet）为工具变量。结果显示，在1%水平下，LM 统计量拒绝“工具变量识别不足”的原假设，Wald F 统计量大于Stock-Yogo 弱识别检验10%水平上的临界值，工具变量有效，且DWH 检验不能拒绝模型不存在内生性的原假设。表12 中列（4）～（6）为系统GMM 检验结果，AR(1)在1%水平下拒绝接受扰动项不存在自相关的原假设，而AR(2)不能拒绝不存在自相关的原假设，接受扰动项不存在自相关，同时Sargan 检验接受工具变量都有效的原假设，因此，可以判定模型不存在严重的内生性问题，且Iv_Internet工具变量能缓解模型中的内生性。列（1）～（6）估计系数符号与表5基本一致，变量显著性方面除个别有差别外基本保持一致，进一步表明模型是稳健的。

表12 工具变量与系统GMM检验

（2）替换核心解释变量。数字经济发展与数字金融发展水平密切相关，本文用数字普惠金融指数替换核心解释变量检验数字经济发展对碳排放的影响，结果如表13 的列（1）、列（2）、列（3）所示，数字普惠金融指数的系数符号与表5 一致，仅有数字普惠金融指数平方对碳排放强度在10%水平统计不显著，说明实证结果稳健。

表13 替换核心变量与缩尾处理结果

（3）Winsorize 缩尾处理。本文采用Winsorize 缩尾剔除异常值，重新估计式（1），表13 的列（4）～（6）报告了回归结果。重新估计的系数值与表5 比较有较小的变化，仅有金融发展水平对碳排放强度的系数在5%水平统计显著性发生变化，其余系数显著性均未变化。

4 研究结论与政策建议

4.1 研究结论

本文基于中国2011—2020 年283 个地级以上城市的面板数据，运用面板固定效应模型、门槛回归模型和链式中介效应模型，实证检验了数字经济对城市碳排放的影响及其内在机制，主要结论如下：

（1）数字经济发展对碳排放表现为非线性作用。从全样本看，数字经济发展能够提升碳排放效率，其促进作用呈现出“U”型特征，同时数字经济发展能够降低碳排放强度和减少碳排放量，其促进作用呈现出倒“U”型特征；分区域考察发现东部城市数字经济发展能够显著影响碳排放效率、碳排放强和碳排放量，表现为显著的促进作用，而中西部城市对碳排放效率、碳排放强和碳排放量为非线性影响，与全样本一致。

（2）技术创新和产业结构升级在数字经济与碳排放之间存在中介效应。数字经济能够通过技术创新或产业结构升级提升碳排放效率、降低碳排放强度和碳排放量；同时技术创新和产业结构升级在数字经济与碳排放效率（碳排放强度和碳排放量）之间的链式中介效应成立。

（3）数字经济、技术创新和产业结构升级对碳排放存在门槛效应。数字经济和技术创新在门槛值前后对碳排放效率的影响均呈现“先抑后扬”，对碳排放量的影响为“先扬后抑”，对碳排放强度门槛值前影响不显著，跨越门槛值后有显著的抑制作用；产业高级化在门槛值前对碳排放量有正向作用，对碳排放效率和碳排放强度不产生影响，跨越门槛值后对碳排放效率和碳排放量均表现为正向作用，但对碳排放强度不产生影响；产业结构合理化指数在第一个门槛值前后对碳排放效率表现为抑制作用、对碳排放量为促进作用，当跨越第二门槛值后，产业结构越合理，越能够显著提升碳排放效率、减少碳排放量，但对碳排放强度不产生影响。

（4）城市科技支出、环境规制和经济发展水平的提高对碳排放有积极的影响，提高金融发展水平能够提高碳排放效率和降低碳排放强度。城市经济实力不断增强，有更多财力用于科技投入，有利于促进节能环保技术研发推广，提升了能源利用效率，同时金融重点支持绿色低碳项目，城市污染治理能力不断提高，碳排放量减少，碳排放强度降低，提高了碳排放效率。

4.2 政策建议

（1）加快发展数字经济，提高数字经济水平。一是加快5G 基站、云计算平台和大数据中心等承载数字技术的新型基础设施建设，着力打造极致时延、高度自治的承载网络，提升网络化、智能化水平，推动数字经济与城市、产业和企业的深度融合发展。二是大力发展数字经济核心产业，培育具有地方特色的数字化产业，在基础、核心、高端的领域深挖数字产业，扎牢数字产业的根基，发挥数字经济核心产业对污染物的减排效应。三是加快企业数字化转型发展，依托数字技术实现企业管理数字化变革，提升投入产出效率，降低能源消耗，提高碳排放效率。

（2）加大科技投入，多措并举支持技术创新。一是加大5G 网络、人工智能、区块链等前沿技术方面的投入，促进数字技术向传统产业渗透，强化数字技术在生产、生活、交通和能源以及城市治理和管理等各个领域的广泛应用，有效推动节能减排发展。二是制定激励性的财政信贷政策和绿色信贷政策，加大对绿色技术研发项目的财政资金支持，加强绿色低碳核心技术的科技攻关，尤其是加大对碳封存、碳捕集技术的研发投资力度，依托绿色技术实现节能降碳。三是营造良好的政策环境，激励企业开展绿色技术研发或节能改造，提升能源利用率，实现零排放。

（3）大力培育数字经济新业态、新模式，加快产业结构升级。一是深化数字经济与实体经济融合，加快数字技术融入农业、工业等传统产业，利用数据生产要素提高传统要素的利用和配置效率，进而形成新业态、新模式促进产业结构升级发挥降碳减排效应。二是以数字化、智能化为发展方向，提高产业数字化水平，推动能源效率变革，促进产业结构升级，降低能源消耗，提高碳排放效率。三是根据数字经济发展不同时期，考虑不同地区的具体情况，制定合理的产业结构优化升级政策，合理配置算力资源，提高能源利用效率，实现碳减排。