“双碳”目标下制造业碳减排的数字技术实现路径研究

2024-04-30 08:13刘战豫张伞伞
资源开发与市场 2024年4期
关键词:双碳制造业效应

刘战豫,张伞伞

(1.河南理工大学 工商管理学院 能源经济研究中心,河南 焦作 454000;2.河南理工大学 太行发展研究院,河南 焦作 454000)

0 引言

中国作为制造业大国,制造业保障社会经济平稳运行的同时,也消耗煤炭、石油等化石能源燃料,产生大量二氧化碳,除了电力、热力部门外,制造业是中国第二大碳排放源,2019 年制造业二氧化碳排放量占社会总排放量的35.8%[1]。传统制造业能源使用效率低、“两高”(高耗能、高污染)问题与中国可持续发展战略相悖,制造业减排的传统技术路径效率低下,所以“双碳”目标下的制造业碳减排任务很重。“十四五”规划和2035 年远景目标纲要提出打造数字经济新优势,建设数字中国和制造强国,推动数字技术与制造业深入融合,实现制造业数字化转型升级,提高现代制造业绿色生产效率,为制造业选择数字化碳减排路径提供了契机。2022 年,党的二十大报告再次强调积极稳妥推进碳达峰碳中和以及加快建设数字中国。在制造业数字化转型与“双碳”目标的双重背景下,数字技术能否成为实现制造业碳减排的有效路径急需验证。本文利用2010—2021 年中国省际面板数据,研究数字技术应用对制造业碳减排的有效性及其作用机制,以期为数字技术应用于制造业碳减排政策制定提供参考。

1 文献综述

1.1 数字技术对碳排放影响的相关研究

目前,聚焦数字技术的碳减排效应研究处于起步阶段,数字技术发展带来“碳增”还是“碳减”,还处于研究探讨过程,二者关系复杂。一方面,数字技术对碳排放产生促进作用。Jones 研究表明随着大规模数据的产生、传送与处理,数字技术应用增加了数字产业能源消耗,导致数字产业的碳排放水平提高[2];Shvakov等发现球数字技术竞争力排名前十的国家,经济数字化发展对环境产生负向影响,加剧环境负担[3];Zhou等研究表明信息与通讯技术快速发展与碳排放量急剧增加呈正向相关关系[4];刘婧玲等研究发现数字技术发展能显著降低城市碳排放强度[5]。数字技术推动市场规模扩张,加速全球贸易增长,交通运输业产品流通与服务需求大幅度提高,能源消费转移,能源密集型基础设施需求量提高,促进二氧化碳排放。另一方面,数字技术对碳排放产生抑制作用。Balogun等通过案例研究,发现各大洲城市数字技术与可持续发展呈正向影响的关系[6];Chen检验金砖国家数字化发展是否会对碳排放产生影响,结果显示在长期或短期发展过程中,数字技术均对碳排放产生负向影响[7];陈晓红等提出在碳中和背景下,数字技术促进能源消费侧和供给侧协调,推进能源产业数字化转型,推动能源绿色消费[8];胡熠等从理论和实践方面论述数字技术有助于实现“双碳”目标,推进绿色可持续发展[9];喻春娇和唐威研究发现中国A 股上市工业企业数字技术应用和数字技术研发均能促进其碳减排[10];虽然数字技术在发展过程中会产生大量的二氧化碳,但数字技术仍然具有强烈的碳减排效应[11]。因此,由于研究领域、时间和方法的不同,数字技术的碳减排效应研究未有一致结论。

1.2 数字技术与制造业低碳发展的相关研究

随着区块链、大数据、互联网等数字技术广泛应用于产业转型升级,学者们开始关注数字技术应用能否促进制造业绿色低碳发展。易子榆等研究发现数字制造部门产业技术水平提高具有显著的碳减排效应[11];李少林等通过研究我国93 个环保重点城市数据,发现区块链应用能够推动制造业企业绿色转型[12];张治栋等对中国283 个城市样本数据进行实证分析,结果表明互联网与制造业协调集聚对城市绿色效率具有正向影响[13];黄海燕等分析我国2006—2018 年18 个工业细分行业面板数据,验证了工业智能化能有效降低碳排放强度[14];刘承毅等研究发现数字技术能显著提升高碳制造业绿色低碳发展水平[15]。

综上所述,数字技术应用带来的碳减排效应受到众多学者关注,目前关于数字技术与制造业碳减排实证研究较少。本文聚焦制造业产业领域,正视制造业碳排放问题,主要贡献有:第一,本文利用中国省际面板数据发现数字技术对制造业碳减排具有正向影响,该结论为我国制定制造业碳减排数字化战略提供参考;第二,从理论和实证方面分析数字技术创新对制造业碳减排的中介效应,以及绿色化水平在数字技术对制造业碳减排的调节效应,丰富数字技术影响制造业碳减排的机制分析;第三,探讨数字技术对制造业碳减排效应的异质性,为政府因地制宜精准制定碳减排策略提供相关建议。

2 理论分析与研究假设

2.1 数字技术的制造业碳减排效应

数字技术的“技术—经济”特征使其不断渗透于制造业[16],区块链、大数据、互联网等数字技术加速与制造业融合发展,在制造业碳减排方面发挥重要作用。首先,数字技术应用催生了工业互联网平台,打破时空限制,从而降低资源流通成本,减少制造业能源消耗,有助于制造业碳减排,主要表现为数字服务平台使制造业数据实时共享,实现制造业全产业链互联互通,提升产业资源利用效率,降低制造业碳排放量,促进制造业绿色发展。其次,数字技术不仅能优化制造业碳排放末端治理技术[17],还可以通过完善碳交易市场,激励企业自主进行碳减排[18]。并且利用数字技术准确掌握能源消耗数据,防止制造业出现能源过度使用、资源配置不合理等现象。最后,数字技术赋能制造业产品研发及工艺革新,数字技术能够优化工艺过程,促进清洁能源代替化石燃料,减少制造业二氧化碳排放。数字技术的应用为制造业绿色发展提供技术支持,能源利用效率和配置效率得到提高,制造业绿色全要素生产率显著提升,促进制造业碳减排。因此,提出假设H1:数字技术具有制造业碳减排效应。

2.2 中介效应与调节效应

技术创新的中介效应。数字技术应用使制造业产业创新资源的可获得性和替代性大大增加,创新主体的创新活力提高,创新机会增多。数字技术降低了资源获得成本和交易成本,创新资源配置效率改善,从而提高技术创新效率[19]。因此,数字技术应用将提升产业技术创新水平。占晶晶等研究表明,数字技术通过组织固链、引资紧链、技术补链、市场强链来重塑全球产业链群生态体系的创新路径[20];温湖炜等认为智慧城市建设有助于促进数字技术在制造业领域的应用,制造业企业创新水平得到显著提高[21];程聪等研究发现,数字技术可供性对企业数字创新价值强度和范围有显著的促进作用[22];作为经济增长的重要因素,技术进步能够推动中国碳减排工作,保障低碳经济发展[23]。通过数字技术的制造业技术创新,一方面可以促进制造业产业结构优化升级,低碳技术逐步替代原有技术,制造业生产方式由粗放、高耗能结构向低碳绿色方向不断转型,促进制造业碳减排;另一方面可以促进数字技术与制造业生产工艺融合,绿色工艺、绿色产品不断涌进市场,倒逼高耗能制造业进行技术创新,间接降低了制造业碳排放。因此,提出假设H2:数字技术能够通过技术创新实现制造业碳减排。

绿色化水平的调节效应。绿色化发展和低碳发展是加快我国生态文明建设的基本途径,也是我国经济与环境发展的重要趋势[24]。制造业绿色化发展,一方面,要求实现资源的循环利用,降低能源消耗量,提高资源利用率,降低环境污染;另一方面,绿色化发展倡导制造业提高绿色生产材料对高耗能材料的替代率,并实施材料回收策略,从根本上减少碳排放,推动可持续发展。绿色化发展强化绿色低碳数字技术开发,促进绿色低碳数字技术在制造业领域的应用,绿色、低碳的制造路径被广泛选择。绿色化在促进制造业数字化转型过程中推动了制造业产业结构升级,降低制造业碳排放强度。因此,提出假设H3:绿色化发展水平对数字技术的制造业碳减排效应具有正向调节作用。

3 研究设计

3.1 模型构建

基准回归模型。探究数字技术对制造业碳排放的直接影响,模型构建如下:

式中:EIit表示i省第t年的制造业碳排放强度;DIGit表示i省第t年的数字技术指数;CONXit表示控制变量,包括政府干预(GOV)、对外开放水平(OPEN)、环境规制强度(lnREG)、城市化水平(lnURB)、经济发展水平(lnPGDP);σi为省份固定效应;γt为年份固定效应;εit为随机误差项。

中介效应模型。参考温忠麟等的研究[25],构建中介效应模型:

式中:Mit为中介变量,本文为技术创新;α、β 和μ为回归系数;εit、φit和δit为随机误差项。公式(2)为总效应模型,公式(3)为数字技术的技术创新效应估计模型,公式(4)为同时考虑数字技术和中介机制的估计模型。α1为数字技术对制造业碳排放强度的总效应;β1为数字技术对中介变量的效应;μ1为控制中介变量影响后,数字技术对制造业碳排放强度的直接效应;μ2为控制数字技术影响后,中介变量对制造业碳排放强度的效应。若系数β1和μ2显著,则间接效应显著;进一步检验μ1是否显著,若μ1也显著,则表示部分中介效应显著,否则表示完全中介效应显著。中介效应示意图见图1。

图1 中介效应示意图Figure 1 Schematic diagram of mediation effect

调节效应模型。借鉴方杰等的研究[26],构建调节效应模型:

式中:GIit为绿色化水平,DIGit×GIit为数字技术与绿色化水平的交互项。

考虑到模型受交互项影响,估算结果可能会产生多重共线性,使结果产生偏差。为避免产生偏差,本文将交互项进行中心化处理,得到如下调节效应模型:

通过验证交互项系数的显著性来判断调节效应是否存在,通过判断数字技术与绿色化发展水平的交互项系数是否显著来判断绿色化发展水平的调节效应。

3.2 变量选取

被解释变量:制造业碳排放强度(EI)。首先测算各省份制造业碳排放量(QCO2),考虑制造业各分行业数据的连续性以及可获得性,参考李新安等的研究[27],将制造业31 个细分行业调整为27 个,然后测算制造业二氧化碳排放量。根据制造业碳排放量和产出水平,计算制造业碳排放强度:

式中:EI 表示制造业碳排放强度,为使数据平稳且降低异方差的影响,进行对数处理。GDP 为制造业产出水平,参考已有文献采用工业增加值测算制造业产出水平。其中,各省份年度实际工业增加值以2010 年为基期,利用各省份年度工业增加值指数(上年=100)计算得出。制造业碳排放强度越大,表明制造业碳排放量越高。

解释变量:数字技术(DIG)。数字技术发展水平测度目前国内外学术界相关研究还没有形成统一的测量标准,为准确评估数字技术发展水平,借鉴黄群慧、方湖柳等的研究[28,29],根据数据的可获得性,本文选取数字技术应用和产出两个一级指标,选择移动电话普及率、互联网普及率、互联网相关产出和信息化从业人员4 个二级指标(表1)。将数据标准化后,运用主成分分析法得到综合指数来衡量数字技术发展水平。

表1 数字技术测量指标体系Table 1 Measurement index system of digital technology

中介变量:技术创新(INN)。使用规模以上工业企业每万人有效发明专利数衡量技术创新效应。

调节变量:绿色化水平(GI)。综合考虑多方面因素,在测算绿色化发展水平时,构建绿色增长、绿色福利、绿色财富和绿色治理4 个二级指标,通过9个具体指标进行数据收集(表2)。数据经过熵值法计算出综合得分来测算绿色化水平。

表2 绿色化水平测量指标体系Table 2 Green level measurement index system

控制变量。参考已有文献,选取以下控制变量:政府干预(GOV),用财政支出占GDP 的比重表示;对外开放水平(OPEN),用当年实际使用外资金额与GDP比值表示;环境规制强度(lnREG),用工业污染治理投资额的对数值表示;城市化水平(lnURB),使用“城镇化率”表征城市化发展水平,使用城镇年末总人口占地区总人口比例的对数值表示;经济发展水平(lnPGDP),用人均GDP 表示,并取对数。控制变量选取结果如表3 所示。

表3 变量的描述性统计Table 3 Descriptive statistics of variables

3.3 数据来源

基于数据的可获得性,本文选取2010—2021 年中国30 个省份的面板数据(未包含西藏自治区、香港特别行政区、澳门特别行政区和台湾地区),研究数字技术对制造业碳减排的影响以及实现路径。制造业二氧化碳排放数据来源于中国碳核算数据库(CEADs)(https:/ /www.ceads.net/data/county/),其余数据来自《中国工业统计年鉴》《中国统计年鉴》《中国科技统计年鉴》和各省统计年鉴,缺失数据采用线性插补法补齐。

4 实证结果及分析

4.1 制造业碳排放测算结果及分析

利用本文选取的相关数据,计算得到制造业碳排放总量,并利用公式(7)对30 个省份2010—2021年制造业碳排放强度进行测算(图2、3)。从图2 左侧制造业年均碳排放总量时间变化趋势来看,制造业碳排放总量在2010—2014 年间逐步增加,碳排放总量达3 324.566 百万吨,2015—2020 年碳排放总量呈“U”型变化,之后碳排放总量下降趋势;图2 右侧制造业碳排放总量均值分布表明,河北、山东、江苏制造业碳排放总量较高,北京、海南、青海、宁夏、甘肃、贵州和上海碳排放总量较低。从图2 整体上看,我国中东部地区制造业碳排放总量比西部地区高,主要原因在于:我国中东部地区资源丰富,制造业生产集中,制造业碳排放总量较高。从图3 左侧核密度图来看,2010—2021 年曲线波峰逐渐向左移动且曲线更加“高瘦”,表明制造业碳排放强度在不断下降,省级之间的总体差异在不断减少;从图3 右侧制造业年均碳排放强度分布来看,青海、河北碳排放强度较高,东部地区碳排放强度较低。从图3 整体上看,西部地区碳排放强度比中东部地区高,主要原因在于:我国西部地区制造业产业生产方式粗放,制造业能源消耗量较大,碳排放强度较高,环境污染严重。作为中国第二大碳排放源,制造业碳减排成功与否对我国“双碳”目标的实现至关重要[30]。制造业碳排放量大,高耗能、高污染产业结构升级迫切,传统减排路径技术难度大,数字技术发展为制造业碳减排提供新的路径选择。

图2 制造业碳排放总量时空分布Figure 2 Spatial and temporal distribution of total carbon emissions from manufacturing industry

图3 制造业碳排放强度时空分布Figure 3 Temporal and spatial distribution of carbon emission intensity in manufacturing industry

4.2 基准回归结果

对数据进行回归之前,需要从固定效应模型、随机效应模型和混合回归模型中选择适合的模型。混合回归模型和固定效应模型比较时,F 检验对应的P值小于0.01,且对省份虚拟变量做F 检验结果P值远小于0.01,认为存在个体效应,选择固定效应模型。检验混合回归模型和随机效应模型时,LM检验结果显著拒绝原假设,选择随机效应模型。最后,豪斯曼检验结果显著拒绝随机效应模型,选择固定效应模型。

数字技术发展与制造业碳排放强度的回归结果如表4 所示。表4 中第1、3 列没有加入控制变量,且第3 列没有控制年份效应,结果显示数字技术系数均在1%水平上显著为负,数字技术能够显著降低制造业碳排放强度。第2 列加入控制变量,同时控制年份效应和省份效应,数字技术系数为负且通过了1%的显著性水平检验,数字技术对制造业碳排放强度产生负向影响。第4 列考虑控制变量但没有控制年份效应,数字技术在5%水平上显著降低制造业碳排放强度。因此,无论是否加入控制变量、是否控制年份效应,数字技术都能显著降低制造业碳排放强度,验证了假设H1。作为数字经济时代关键的生产要素,数字技术利用自身融合性和可持续性等特点可以有效提高制造业产业资源整合率与利用率,使制造业更加信息化、智能化,系统地降低了制造业二氧化碳排放。

表4 基准回归结果Table 4 Baseline regression results

4.3 稳健性检验

替换被解释变量。上文基准回归中被解释变量选用制造业碳排放强度,为达到增加结论可靠性的目的,在稳健性检验时,选择使用制造业碳排放总量和人均制造业碳排放量代替制造业碳排放强度,结果如表5 所示。表5 中第1 列是制造业碳排放总量作为被解释变量,第2 列是人均制造业碳排放量作为被解释变量,结果显示数字技术系数均为负,均通过1%水平的显著性检验,表明数字技术显著降低制造业碳排放,与上文回归结果一致,进一步验证了假设H1。

表5 稳健性检验和内生性检验结果Table 5 Results of robustness test and endogeneity test

剔除直辖市。将北京、上海、天津、重庆4 个直辖市从全样本中剔除后进行回归,结果如表5 第3列所示。从结果来看,数字技术对制造业碳排放强度依然具有显著的负向性,与上文结果一致,说明回归结果稳健。

4.4 内生性检验

影响制造业碳排放强度的因素很多,本文收集的相关数据只是一部分,虽然已经控制一些变量,但很难避免遗漏变量的产生;同时,数字技术发展影响制造业碳排放强度,制造业碳排放强度也会作用于数字技术发展,因此研究可能会面临因果内生问题。为了规避遗漏变量和双向因果问题,反映数字技术发展对制造业碳排放的净效应,本文尝试用工具变量法缓解内生性问题。借鉴黄群慧等[28]、刘婧玲等[5]相关研究提出的研究方法,本文工具变量选用各省份1984 年固定电话用户数量,其满足工具变量的相关性和外生性要求。一方面,历史的固定电话用户数量对各省数字基础设施的使用和普及产生影响,进而影响数字技术发展水平;另一方面,1984 年固定电话用户数量对现在制造业碳排放强度影响微乎其微,可以忽略不计。由于1984 年固定电话用户数量为截面数据,无法进行面板数据分析,因此借鉴Nunn等的方法[31],选择1984 年固定电话用户数量与各年移动电话用户数的交互项作为数字技术发展指数的工具变量,并采用最小二乘法进行内生性检验,结果如表5 第4、5 列所示,数字技术对制造业碳排放强度产生显著的负向性。同时,Wald F 检验和K-LM 检验结果表明不存在弱工具变量和不可识别问题,检验结果有效,基准回归结果稳健,再次验证了假设H1。

4.5 异质性分析

时间异质性分析。2015 年国务院印发《中国制造2025》,明确提出“以加快新一代信息技术与制造业深度融合为主线,以推进智能制造为主攻方向”,标志着我国制造业与数字技术发展进入了新的发展阶段。本文将研究时间段划分为2010—2014 年和2015—2021 年两个阶段,探究中国智能制造快速发展前后数字技术对制造业碳排放强度的影响,计算结果如表6 第1 列和第2 列所示。由结果可知,2010—2014 年数字技术系数为0.098,通过了显著性检验,表明该时段内数字技术发展与制造业碳排放呈正相关;2015—2021 年数字技术对制造业碳排放影响显著为负。在数字经济发展初期,数字技术水平较低,制造业数字化发展缓慢,加速了电力等能源消耗,致使制造业碳排放量增加。随着中国智能制造体系不断完善,数字技术发展与制造业深度融合,提高了各行业能源利用效率,制造业碳排放水平显著下降。

表6 时间和区域异质性分析结果Table 6 Results of heterogeneity test

区域异质性分析。中国不同区域经济发展阶段、产业分布格局和工业化进程存在差异,数字技术发展水平、资源利用率以及能源消费结构也存在地区差异,因此,数字技术发展水平对制造业碳排放强度影响会因区域差异而有所不同。在进行异质性分析时,本文将30 个省份划分为东部、中部、西部和东北地区,探究四大区域数字技术与制造业碳排放强度的关系(表6)。第3 列东部地区数字技术系数为正,结果不显著;第4、5 列给出中部和西部地区的检验结果,数字技术系数均为负且通过显著性检验,表明中西部地区的数字技术显著降低制造业碳排放强度。第6 列结果表明数字技术发展对东北地区制造业碳排放强度没有显著的负向性。东部地区在地理位置、体制和市场方面具有发展优势,制造业产业外向性高,产业结构优化升级速度快,能源消耗量较大,数字技术对制造业碳排放产生的负向影响不足以抵消正向作用,制造业碳排放不断提高。中西部地区产业能源利用效率低,资源配置存在不合理现象,数字技术的应用有效缓解中西部制造业产业对传统能源的依赖度,促进产业可持续发展,负向影响制造业碳排放强度,所以中西部地区数字技术的制造业碳减排边际效益更大。东北地区数字技术发展水平低,数字技术应用对环境产生的正向性远小于负向性,制造业碳减排任务艰巨。我国中西部地区积极扩大对外开放水平,引进先进的机器设备与生产技术,制造业碳排放强度下降潜力大,中西部地区制造业碳减排目标实现对我国实现“双碳”目标意义重大。

行业异质性分析。制造业各行业生产要素投入存在差异,使得产业结构和能源利用效率不尽相同,因此数字技术对不同行业制造业碳排放影响可能存在异质性。参考刘明、刘成坤的研究[32,33],本文将27 个制造业行业划分为劳动密集型、资本密集型和技术密集型,具体分类如表7 所示。

表7 制造业类型划分Table 7 Manufacturing industry classified according to factor density

行业异质性分析结果如表8 所示。由表8 前3列可知,数字技术对劳动、资本和技术密集型行业碳排放强度均呈负向影响关系,系数分别是-0.070、-0.062、-0.020,仅有资本密集型行业负向影响通过了显著性检验。资本密集型行业内部能源消耗量较大,产业链较长,数字技术应用对其产线能效、质量管控等领域的数字化升级效能显著,生产工艺流程优化,资源配置效率提升,行业碳排放量得到显著下降。此外,非金属矿物制品业,黑色金属冶炼和压延加工业,石油、煤炭及其他燃料加工业,化学原料和化学制品制造业,有色金属冶炼和压延加工业2010—2021 年碳排放量均位居前五,且碳排放占比均超过90%,借鉴王霞等的分类方法[34],本文将该5 个制造业行业划分为高碳制造业,其余制造业行业为中低碳制造业,进行异质性分析,回归分析如表8 第4、5 列所示。由表8 第4、5 列可知,数字技术均显著降低高碳和中低碳制造业碳排放强度,且对高碳制造业行业负向影响更加显著。数字技术应用能够优化产出结构,提高制造业行业生产效率,推动制造业生产工艺和设备更新,进而减少高碳和中低碳制造业行业碳排放。

表8 行业异质性分析结果Table 8 Results of industry heterogeneity analysis

5 中介效应与调节作用检验

5.1 技术创新效应检验

根据公式(2)—(4)检验技术创新是否在数字技术与制造业碳排放之间发挥中介效应。检验结果如表9 所示。表9 第2、3 列结果显示,系数β1、和μ2分别为-0.151、0.230,均通过了显著性检验,表明间接效应显著;μ1为负,且通过了显著性检验,表明直接效应显著。同时,β1、和μ2乘积与μ1同号,说明技术创新具有部分中介效应,中介效应占总效用的48%,即数字技术能够通过技术创新水平实现制造业碳减排,验证了假设H2。

表9 中介效应检验Table 9 Test of mediating effect

5.2 绿色化水平的调节作用

根据公式(6)检验绿色化水平的调节效应,检验结果如表10 所示。由表10 第1 列结果可知,数字技术与绿色化水平交互项的系数为负,且在1%水平上显著,说明绿色化发展水平对数字技术的制造业碳减排效应具有正向调节作用,验证了假设H3。由第2 列结果可知,东部地区绿色化水平可以显著调节数字技术的制造业碳减排效应。第3、4 列结果显示,中西部地区数字技术与绿色化水平交互项的系数也显著为负,而东北地区交互项系数不显著。整体来说,绿色化发展水平可以增强数字技术的制造业碳减排效应。制造业绿色化发展模式日益普及,传统高污染、高耗能、低效率的产业结构被淘汰,高效、节能、低碳的产业结构不断发展。制造业绿色化发展是现代制造业的发展趋势,绿色化发展水平越高,制造业产业能源利用率越高,资源配置更加合理,碳排放强度会大大降低。

表10 绿色化水平的调节效应Table 10 Moderating effect of greening level

6 结论与建议

6.1 结论

本文以“双碳”目标为背景,利用2010—2021年中国30 个省份的面板数据探究数字技术能否成为制造业碳减排的实现路径,同时考察技术创新的中介效应和绿色化水平的调节作用。主要结论如下:①数字技术能显著降低制造业碳排放强度,具有制造业碳减排效应,运用替代被解释变量法和剔除直辖市方法进行稳健性检验,同时利用1984 年固定电话用户数量和移动电话用户交互项作为工具变量进行内生性讨论后,研究结果依然成立,数字技术具有制造业碳减排效应。②2010—2014 年数字技术对制造业碳排放强度具有显著的正向影响,2015—2021 年数字技术对制造业碳排放具有显著的负向影响;数字技术对不同区域制造业碳排放强度的影响存在显著差异,数字技术对中部和西部地区具有显著的制造业碳减排效应,而对东部和东北部地区制造业碳排放强度具有正向影响,影响效果不显著;数字技术对劳动密集型、资本密集型和技术密集型行业制造业碳排放强度均有负向影响,对资本密集型行业影响效应显著,而对劳动和技术密集型行业的负向影响不显著;数字技术对高碳和中低碳制造业行业碳排放强度均有显著的负向影响。③数字技术通过影响技术创新对制造业碳排放强度产生作用,即数字技术的制造业碳减排效应可以通过技术创新效应实现。④绿色化水平能够正向调节数字技术的制造业碳减排效应,其中绿色化水平的调节作用在东部和中西部地区更为显著。

6.2 建议

加大制造业数字技术发展的投资力度,因地制宜构建数字化发展战略。一方面,需要重视数字基础设施建设,优化数字基础设施结构,提升数字基础设施能源利用率,为制造业碳减排奠定坚实基础,同时鼓励制造业利用良好的外部环境,加大数字技术投资力度,加强关键核心技术研发,特别是在“双碳”目标背景下,加强绿色低碳、节能减排的核心数字化技术应用研究;另一方面,不同区域之间应加强数字技术合作交流,中西部地区继续增强数字技术在制造业碳减排方面的应用,东部地区利用自身优势充分发挥数字技术应用对制造业碳减排的效能,进而形成制造业的数字化碳减排技术扩散与承接。

加强制造业产业与数字技术融合深度与广度,推动制造业数字化转型。一方面,通过数字技术与制造业深度融合,重点关注资本密集型制造业行业,实时掌握能源消耗数据,监测制造业各环节碳排放,加强制造业关键环节的碳排放核心数字技术研发,构建拥有自主知识产权的技术体系,利于数字化技术提高制造业能耗效率,降低制造业二氧化碳排放,减少环境污染;另一方面,促进现代制造业、制造服务业和环保产业的多链融合、协同发展格局,打破产业和区域壁垒,加强不同区域、不同领域的合作交流,形成优势互补的制造业数字化碳减排技术研发与扩散系统。

重视数字技术创新和绿色化发展政策引导。数字技术创新是制造业产业结构升级的重要内容,同时融入碳减排的数字技术创新使制造业能够一次性完成系统升级目标,所以数字技术创新推动制造业“双碳”目标实现能够有效提升产业升级效率,统筹制定引导政策能够发挥多重效果;充分发挥绿色化数字技术对制造业碳减排效应的调节作用,强化制造业绿色发展理念,有效促进制造业碳减排,形成不同区域绿色化协调发展格局,推进制造业绿色能源产业发展,促进制造业绿色转型升级。

猜你喜欢
双碳制造业效应
冰雪制造业的鲁企担当
铀对大型溞的急性毒性效应
“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
懒马效应
喜看新中国七十年突飞猛进的制造业
应变效应及其应用
2014上海民营制造业50强
2014上海制造业50强