数字经济对工业碳排放强度的影响及溢出效应

陈慧灵，杨雪珂，王振波

1.湖南工商大学公共管理与人文地理学院，湖南 长沙 410205

2.长沙人工智能社会实验室，湖南 长沙 410205

3.中国科学院地理科学与资源研究所，北京 100101

温室气体的持续增加会对生态环境和人类社会经济活动造成严重的负面影响，并最终阻碍全球可持续发展进程[1-2].为应对气候变化，国家主席习近平在第七十五届联合国大会一般性辩论上宣布，中国力争2030 年前二氧化碳排放达到峰值，努力争取2060年前实现碳中和目标.《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》中提出实施以碳排放强度控制为主、碳排放总量控制为辅的制度.2021 年的中央经济工作会议指出“创造条件尽早实现能耗‘双控’向碳排放总量和强度‘双控’转变”.系列政策说明处理好经济发展与碳排放的关系是国家当前面临的重要任务，要兼顾经济发展和能源结构清洁化利用.经济发展在产生碳排放的同时，也会通过能源效率提高、产业结构优化、碳排放市场制度成熟等一系列方式带来碳排放的降低[3-4].数字经济是继农业经济、工业经济之后的一种新型经济形态，该概念由Tapscott 在20 世纪末提出，继而被广泛应用[5-6].学者们普遍认为，无论是部分还是全部依赖数字技术，有关数字商品或服务的产出都隶属数字经济[7].据统计，2022 年中国数字经济规模占GDP 的41.5%，其中产业数字化是主引擎，占81.7%[8].数字经济在提高创新能力、促进高质量发展的同时也改善了环境，数字化和绿色化协同转型[9].

迄今为止，国内外学者针对经济增长、产业结构、能源结构等要素对碳排放的影响做了大量研究，其中产业结构被认为是根本因素之一[10-12].诸多学者运用不同方法研究产业结构与碳排放的相互作用机制，发现工业产业占比与碳排放量呈正相关，特别是与碳排放强度的相关性最显著[13-14].虽然近几年工业产业碳排放量在碳排放总量中的比重呈下降趋势，但仍为碳排放来源的主要部门，始终占据较大比重，2018-2021 年的工业碳排放量均占全国碳排放总量的60%以上[15].数字经济发展既能通过加速经济体系中要素的相互作用来提升全要素生产率[16]，又能利用信息与通信技术充分融入实体经济，从而推动经济快速增长[17-18].而数字经济发展对碳排放的影响则是双面的，通过改善资源错配、提高技术创新能力和社会智能化水平等方式，一定程度上能改善环境和减少碳排放[19]，且网络信息带来的非正式环境规制有助于推动公众绿色低碳理念的形成，进一步减少碳排放[20-21]；但另一方面，信息与通信会消耗大量能源，也会增加能源消耗和碳排放，尤其是电子信息设备，其安装和运行需要大量电力[22].可见，数字经济发展并不只是单一影响经济增长或者碳排放，将碳排放强度作为量化指标，不仅可为地区经济增长留有余地，补偿由于经济波动带来的碳排放波动，也能使各省份之间数字经济发展效应更具可比性.另外，互联网等数字技术的发展不仅可以通过技术进步降低本地区的CO2排放，还可以依托空间溢出效应对周边区域能源消耗和CO2排放进行有效管控[23-24].数字经济的碳减排效应也受到经济集聚的影响，在经济集聚背景下，数字经济具有非线性空间减排效应，其发展与本地及邻近地区的碳排放之间呈现不同的U型曲线关系[25].基于此，本文尝试将数字经济发展这一变量引入工业碳排放强度影响因素的研究框架中，系统考察数字经济发展对工业碳排放强度的影响及溢出效应.

目前，数字经济浪潮与“双碳”目标实现的融合是现实需求，迫切需要了解数字经济的发展如何帮助工业产业减排.与以往研究侧重考察对碳排放总量影响不同，本文更加关注数字经济发展对工业碳排放强度的作用.碳排放强度反映经济增长的环境效应，是衡量区域碳排放程度、平衡经济增长和环境污染的重要指标，与碳排放总量相比更具有现实意义和经济含义，有助于深入理解数字经济如何影响碳排放的质量和效率，而不仅仅是数量；同时基于产业结构优化和城镇化的调节效应探讨了数字经济发展对工业碳排放强度的影响，并通过构建动态空间杜宾模型研究数字经济发展水平对工业碳排放强度的溢出效应，以期为制定更精准的减排策略提供参考.

1 研究假设

1.1 数字经济对工业碳排放强度的影响

数字经济对工业碳排放强度影响主要体现在以下三方面(见图1).

第一，数字经济的直接影响.通过改善工业生产流程，提高设备运行效率与管理水平，使企业生产效率和节能减排同时得到提升，降低工业碳排放强度[26].

第二，数字经济通过产业结构间接影响.数字经济使新的要素和资源从效率较低的配置向技术密集型产业更高效的配置转变，从而增加了资源效率更高的技术密集型产业的份额[27].同时产业结构优化和转型升级也将降低高污染和高耗能产业的比例，从而降低工业产业能耗和碳排放强度.

第三，数字经济通过城镇化间接影响.一方面，城镇化给数字经济的发展带来新的应用场景和机遇，新型城镇化背景下经济活动模式发生转变，能耗方式向着更集约的方式转变，通过改善能源消费结构、清洁化程度来抑制碳排放[28].另一方面，污染控制具有规模经济效益[29]，城镇化进程带来的空间聚集对碳排放强度的降低也具有重要意义.

基于此，本文提出假说1：数字经济的发展会直接降低区域的工业碳排放强度，产业结构与城镇化进程也会促进数字经济降低工业碳排放强度.

1.2 数字经济对工业碳排放强度影响的空间溢出效应

数字经济所带来的数字化技术利用互联网虚拟信息打破了各省份传统时空的壁垒，增加了区域间经济活动往来，优化了资源配置，实现了工业协同减排与绿色高质量发展[30].如图1 所示：一方面，由于空气无规则流动、风向等自然因素的存在，邻近省份间工业碳排放强度本身存在显著的空间关联性；另一方面，不同省份间由于资源禀赋的差异，经济活动紧密联系，周边经济发展水平相似的省份其数字经济增加的工业产值也可能通过空间溢出提高了本地的工业产值，从而工业碳排放强度得以降低；最后，由于政府高度重视数字经济赋能产业以及经济高质量发展，可能引发各省份“争上游”现象[31]，通过策略性竞争促使各省份加快发展数字经济以助力工业碳减排[32].

基于此，本文提出假说2：数字经济对周边以及经济相似省份工业碳排放强度存在空间溢出效应.

2 研究设计

2.1 研究方法

2.1.1 工业碳排放强度估算

本文的被解释变量是工业碳排放强度.首先利用碳排放清单方法中“自上而下”的能源表现消费量参考方法估算工业碳排放总量，利用各省份统计年鉴的能源统计数据估算能源消费碳排放量，省级尺度的估算可消除统计口径而带来的差异性.通过各类能源的消耗量来计算热值，然后在此基础上推算出CO2结合量，最后计算得到CO2排放量.具体公式如下：

式中：Q(CO2)表示工业碳排放总量，104t；Mk表示各工业行业第k种能源的消耗总量，104t；NCVk表示第k种能源的平均低位发热量，kJ/kg；CEFk表示第k种能源单位热值当量对应的碳排放因子；kg/GJ；COF 表示地球大气层中的碳氧化因子(在化石燃烧过程中，其中被氧化的碳含量几乎达到100%，所以把1 作为近似值进行计算)；44 和12 分别表示CO2和C 的分子量.工业碳排放强度的计算公式为

式中：Ceii,t表示i省份在t年的工业碳排放强度，104t/(108元)；Qi,t表示i省份在t年的工业碳排放量，104t；Pi,t表示i省份在t年的工业产值，108元.

2.1.2 数字经济指数估算

随着数字经济飞速发展，需要构建相应的指标体系来进行量化，本文基于数字经济的内涵，参考王军等[33-35]的研究，从数字经济的基础设施、创新环境和产业规模3 个维度，6 个二级指标，13 个具体指标，构建数字经济评价综合指标体系(见表1)，并利用TOPSIS 熵权法求得数字经济发展综合指数.

表1 数字经济指数测度的指标体系Table 1 The index system of digital economy measurement

2.1.3 计量模型

基于我国工业产业碳排放现状以及相关研究中影响因素的选取[3,36-37]，本文引入能源消耗(ec)、能源强度(ei)、工业产值(igdp)、贸易开放度(tra)、人口规模(pop)、经济增长(pgdp)指标作为控制变量.能源消耗(ec)是以省份电力消耗量为代表；能源强度(ei)是能源消费总量与GDP 的比值；工业产值(igdp)能表征工业化程度；贸易开放度(tra)能通过影响能源进出口来影响工业碳排放强度，是计算进出口总额占GDP 的比重；家庭在CO2排放上所起的作用不可低估，能通过人口规模反映，因此人口规模(pop)通过常住人口总数衡量；经济增长(pgdp)是可以推动碳排放量增长和能源消耗增加的关键因素，本文以人均GDP 代表经济增长.由于产业结构和城镇化是数字经济减少工业碳排放的影响机制，所以本文选取产业结构(is)和城镇化水平(ur)作为调节变量，用第三产业增加值占第二产业增加值的比重代表产业结构，用城镇人口与年末常住总人口的比值代表城镇化水平.

2.1.3.1 基准回归模型

本文首先建立静态面板回归模型分析数字经济发展对工业碳排放强度的影响，基准模型设置如下：

式中，ceiit表示i省份第t年的工业碳排放强度，digit表示i省份第t年的数字经济指数，Xit表示一系列控制变量，β和β1分别表示数字经济指数的回归系数和工业碳排放强度滞后项的回归系数，ω表示各控制变量的回归系数，μi、σt、εit分别表示个体效应、时间效应和随机扰动项.由于数字经济发展对工业碳排放强度的影响程度存在时间滞后和空间滞后性[3,38]，因此将工业碳排放强度的滞后项加入模型中，得到动态面板模型〔见式(4)〕，并使用系统广义矩估计方法(SYSGMM)以缓解其内生性.

2.1.3.2 调节效应模型

根据1.1 节对传导机制的讨论，产业结构和城镇化在数字经济发展对于工业碳排放强度的影响中起着一定的作用.为了探讨这两个变量在其中发挥的作用，本文建立调节效应模型进行实证分析.

先构建工业碳排放强度对数字经济指数的回归模型〔见式(3)〕，然后研究加入调节变量产业结构和城镇化以及其交互项后数字经济与工业碳排放强度的关系，建立如下模型：

式中，M为产业结构(is)或城镇化(ur)，N为数字经济指数与产业结构或城镇化的交互项.

2.1.3.3 空间杜宾模型

研究[11]表明，CO2排放对当地和邻近区域的生态环境都会产生影响，既会通过大气环流等自然因素影响邻近区域，还会通过产业转移和集聚效应等机制扩散或转移.例如，产业转移可以改变转入和转出地的碳排放量，经济发达省份向欠发达省份转移污染密集型产业，一方面导致承接产业转移的省份同时承接了碳转移，另一方面技术水平和管理水平的提升在一定程度上会降低转入地的碳排放量；同样，经济活动在空间与地理上的集中化带来的碳排放流动会影响邻近区域的碳排放量.为了研究数字经济发展对工业碳排放强度的空间溢出性，本文建立如下空间计量模型：

式中：Wij为空间面板权重矩阵；ρ和δ分别为空间自回归系数和空间自相关系数；Xit为第i个省份第t年的各解释变量，包括核心解释变量数字经济指数以及其他控制变量；ω为其回归系数；εit为空间误差自相关项；ϑit为随机干扰项.本文采用0-1 邻近矩阵、地理距离矩阵、经济距离矩阵、地理经济嵌套矩阵四种矩阵，其中0-1 邻近矩阵(W1)指的是如果省份i和j相邻，则在矩阵中赋值为1，反之为0；地理距离权重矩阵(W2)指的是省份i与j直线距离的倒数，利用各省份质心坐标计算而来；经济距离权重矩阵(W3)是利用省份i和j之间人均GDP 年均值绝对差值的倒数表示；地理经济嵌套的空间权重矩阵(W4)则是利用公式W4ij=φW2ij+(1-φ)W3ij得到，其中φ值在0～1 之间，此处将φ简化为0.5.

2.2 数据来源

本文选择我国30 个省份的面板数据(不包括西藏自治区和港澳台地区数据)为研究对象，时间跨度为2005-2019 年，根据国家统计局的划分方法，将全国划分为3 个区域——东部地区、中部地区、西部地区(见表2).根据《国民经济行业分类》(GB/T 4754-2017)，工业行业可分为37 个部门.本文中工业总产值、各类能源消费量等数据以各省份统计年鉴为依据，部分缺失值采用线性补法补齐；平均低位发热量(NCV)、碳排放因子(CEF)以《中国能源统计年鉴》为依据，折原煤系数(CORC)以《各种能源折标准煤参考系数》为依据.

表2 研究中三大区域包含的主要省份Table 2 The distribution of China′s three major regions

3 结果与分析

3.1 数字经济与工业碳排放强度演变特征

从图2(a)可以看出，2005-2019 年各省份工业碳排放强度在逐渐降低，大多数东部地区工业碳排放强度相对不高；中部地区的工业碳排放强度随着时间的推进发生较大变化，但山西省、河南省的工业碳排放强度一直明显高于周边区域，原因可能是东部地区有一些劳动密集型的高排放产业环节布局，且山西省又是煤矿大省，所以这两个省份工业碳排放强度较高；西部地区的内蒙古自治区、新疆维吾尔自治区和宁夏回族自治区随着时间推移也一直保持着较高水平的工业碳排放强度，至2019 年这三个省份的工业碳排放强度亦在前列.2005-2019 年我国各省份的数字经济指数则一直在快速增长〔见图2(b)〕，东部地区的数字经济指数较高，特别是北京市、江苏省、浙江省、广东省这些数字产业发展较好的区域；大多中西部省份的数字经济指数增长速度较慢，特别是青海省、宁夏回族自治区等地的数字经济指数一直处于较低水平，“高度数字化的省份”和“数字化不足的省份”之间的差异越来越明显.

图2 2005-2019 年我国各省份工业碳排放强度与数字经济指数的演变趋势Fig.2 The evolution of digital economy index and industrial carbon emission intensity in China′s provinces from 2005 to 2019

3.2 数字经济发展对工业碳排放强度的影响

3.2.1 基准回归结果

利用传统最小二乘法(OLS)和系统广义矩估计(SYS-GMM)两种方法计算得到数字经济指数对工业碳排放强度影响的回归结果(见表3)，两种方法均使用双向固定效应.用普通最小二乘法依次增加控制变量的回归结果，可以看到，无论是否增加控制变量还是增加多少控制变量，数字经济指数回归系数均通过了显著性水平为1%的显著性检验，且回归系数为负，这也是稳健性的一种表现.从加入所有控制变量的结果来看，当控制其他变量不变时，数字经济指数每提高10%，工业碳排放强度将会降低1.03%，说明数字经济发展显著降低工业碳排放强度.主要原因是数字经济可以通过数字技术和技术创新有效地改善工业生产流程，提高设备运行效率，提高生产过程的管理水平，进而降低工业碳排放强度，从而验证了假说1.此外，就控制变量而言，能源强度的增加显著提升了工业碳排放水平，因为煤炭消耗是影响工业碳排放的一个重要因素，能源消耗越多，越能增加工业碳排放强度.而贸易开放程度和经济增长显著降低了工业碳排放强度.最后，用系统广义矩估计方法进行稳健性检验，减弱其内生性，结果显示数字经济指数回归系数为-0.189，且通过了显著性水平为1%的检验.这说明数字经济发展显著降低了工业碳排放强度，与利用普通最小二乘法得出的结果一致，说明此方法稳健有效.

表3 数字经济发展水平对工业碳排放强度影响的回归结果Table 3 Benchmark regression results of the impact of digital economy development on industrial carbon emission intensity

3.2.2 区域与资源禀赋的异质性

3.2.2.1 区域异质性

由于区域间发展的差异较大，本文将东、中、西三个区域间数字经济发展水平对工业碳排放强度的影响进行对比，回归结果如表4 所示.从表4 可以观察到，东部地区数字经济指数的回归系数为-0.160 且通过了1%的显著性检验，说明数字经济发展显著降低了东部工业碳排放强度；中部地区数字经济发展对工业碳排放强度的影响并不显著；西部地区数字经济指数的回归系数为-0.128，表明数字经济发展与西部的工业碳排放强度呈显著负相关，但这种影响弱于东部地区.原因可能在于东部地区数字经济发展比中西部相对较早，数字技术与传统产业的融合程度更高，而中西部地区数字经济发展还在初级阶段，产业融合还不完善，导致数字经济的影响不明显.

表4 数字经济发展水平对工业碳排放强度影响的异质性分析Table 4 Heterogeneity analysis of the impact of digital economy development on industrial carbon emission intensity

3.2.2.2 资源禀赋异质性

为了对比资源型和非资源型省份之间数字经济发展的影响差异，基于已有文献[19,39]对样本进行划分.其中，资源型省份包括黑龙江省、内蒙古自治区、山西省、贵州省、云南省、陕西省、青海省、宁夏回族自治区和新疆维吾尔自治区，非资源型省份包括北京市、天津市、河北省、辽宁省、吉林省、上海市、江苏省、浙江省、安徽省、福建省、江西省、山东省、河南省、湖北省、湖南省、广东省、广西壮族自治区、海南省、重庆市、四川省和甘肃省.如表4 所示，非资源型省份数字经济指数回归系数为-0.112 且通过了5%的显著性检验，说明数字经济发展显著降低了非资源型省份的工业碳排放强度.原因可能是非资源型省份数字经济发展水平相对较高，可以提高生产效率，促进绿色创新，推动可再生能源使用，进而降低工业碳排放强度.然而资源型省份数字经济指数回归系数为-0.109 且影响不显著，原因可能是资源型省份数字经济发展水平较低，技术创新水平尤其是绿色技术创新水平不高，且多为以化石能源消费为主的高污染、高能耗工业产业，低碳清洁能源较少，未能全面发挥数字经济红利.

3.2.3 基于产业结构和城镇化调节效应的影响

3.2.1 节和3.2.2 节结果均展示的是在其他变量既定情况下数字经济发展对工业碳排放强度的平均影响，其实，不同产业结构以及不同城镇化发展水平的区域，数字经济发展对工业碳排放强度的作用也会存在差异.为了检验这一异质性的存在，本文构建了数字经济指数变量与产业结构变量、城镇化变量的交互项，并作为解释变量分别单独代入回归模型中，发现了统计显著并具有一定逻辑解释力的交互项结果(见表5).首先，数字经济指数与产业结构交互项的回归系数为负，且结果通过了显著性检验，说明产业结构升级将增强数字经济发展对工业碳排放强度的负面影响，即产业结构升级会促进数字经济降低工业碳排放强度，假说1 得到验证.其次，检验城镇化对数字经济与工业碳排放强度关系的调节作用时发现，自变量数字经济指数的回归系数为负，数字经济指数与城镇化交互项的回归系数为负，通过显著性检验，这说明城镇化对数字经济作用工业碳排放强度具有显著的强化作用，城镇化进程将会增强数字经济发展对工业碳排放强度的负面影响，假说1 得到验证.这些都表明数字经济发展对工业碳排放强度的影响不仅存在独立效应，其作用还会因为区域产业结构和城镇化水平的异质性而不同.

表5 数字经济发展水平与产业结构、城镇化交互项影响的回归结果Table 5 The regression results of the interaction between the level of digital economy and industrial structure and urbanization

3.3 数字经济发展对工业碳排放强度影响的空间溢出效应

3.3.1 空间自相关检验

各省份历年数字经济发展水平与工业碳排放强度的空间自相关性结果如表6 所示，2005-2019 年数字经济发展水平的全局莫兰指数(Moran′s I)均为正值且显著，说明数字经济发展水平的空间正相关性明显，且这种相关性先增强后减弱.工业碳排放强度全局Moran′s I 在0.189～0.322 之间，均通过显著性检验，说明工业碳排放强度同样具有很强的空间正相关性，且这种相关性越来越明显，因此，利用空间计量模型研究其空间溢出性十分必要.

表6 2005-2019 年数字经济发展水平与工业碳排放强度全局Moran′s ITable 6 Global Moran′s I of digital economy development and industrial carbon emission intensity from 2005 to 2019

3.3.2 空间溢出效应

首先对基准回归结果进行拉格朗日乘子检验(LM 检验)(见表7)，结果显示四项指标中只有一项不显著，因而有必要采用空间模型进行研究.其次利用似然比检验(LR 检验)进行比较以选择合适的空间模型，检验结果(见表7)显示，相比于空间滞后模型(SAR)和空间误差模型(SEM)，空间杜宾模型(SDM)效果更好，所以本文使用空间杜宾模型进行检验.另外，考虑到空间的滞后性，使用动态空间杜宾模型，并在此基础上进行相关检验以确定在不同权重矩阵下空间固定、时间固定以及时空双固定三种情况中的最优效果.

表7 数字经济发展水平对工业碳排放强度影响的面板计量模型检验Table 7 Panel econometric model test of the impact of digital economy development on industrial carbon emission intensity

在四种空间矩阵下进行参数估计，结果如表8 所示.可以看出，数字经济指数对工业碳排放强度直接影响的回归系数为负，且通过了显著性为1%的检验，说明数字经济显著抑制了本地的工业碳排放强度，这与基准回归的实证结果一致.基于四种空间矩阵的工业碳排放强度空间滞后项均显著，表明邻近省份工业碳排放强度之间相互作用，且地理距离相近和经济相似的省份在工业碳排放强度方面集聚态势明显.而数字经济发展对工业碳排放强度空间滞后项的影响系数只在经济距离矩阵下显著为正，说明各省份数字经济发展对经济相似省份的工业碳排放强度有明显的促进作用.对于其他控制变量，只有人均GDP 的空间滞后项系数在四种空间矩阵下都通过了显著性为1%或5%的检验，说明经济发展不仅对本地工业碳排放强度有影响，对邻近省份、地理相近、经济相似的省份都有显著影响.能源消耗和工业产值空间滞后性系数在一些矩阵下显著，但通过的显著性程度不高，说明本地能源消耗和工业水平的发展对邻近省份有影响，但影响不明显.

表8 数字经济发展水平对工业碳排放强度影响的空间溢出效应Table 8 Spatial spillover effects of digital economy development on industrial carbon emission intensity

进一步针对数字经济发展对工业碳排放强度影响的直接效应、间接效应与总效应进行分解，结果如表9 所示.在四种矩阵下，数字经济发展对工业碳排放强度影响的直接效应、间接效应和总效应均显著，说明数字经济不仅降低了本地工业碳排放强度，其空间溢出效应也比较显著，从而验证了假说2.对于其他变量，在四种矩阵下，除人口规模外，其余均表现出显著的直接效应，但仅有工业产值、能源强度和人均GDP 这三个变量都存在有明显溢出(间接效应).0-1矩阵下的结果表明，本省份工业化水平、能源强度和经济发展水平的提高同样会降低邻近省份工业碳排放强度.另外，贸易开放度在大部分空间矩阵下只有直接效应显著，间接效应和总效应都不显著，说明相对于对经济或地理邻近省份工业碳排放强度的影响，贸易开放度对本省份的影响更加明显.从直接效应与间接效应的回归系数大小差异来看，与降低本省份工业碳排放强度的不同在于，数字经济发展对周边省份工业碳排放强度反而具有促进作用.从4 种矩阵的估计结果看，数字经济发展对工业碳排放强度直接效应的估计系数大小表现为地理经济嵌套矩阵(-0.443)˃ 0-1 邻近矩阵(-0.167)˃地理距离矩阵(-0.159)˃经济距离矩阵(-0.070)，表明数字经济发展对工业碳排放强度的影响同时受经济距离和地理距离的约束.间接效应的估计系数大小表现为地理经济嵌套矩阵(0.193)˃经济距离权重矩阵(0.164)˃地理距离矩阵(0.090)˃0-1 邻近矩阵(0.085)，反映出地理距离不是约束数字经济发展对工业碳排放强度影响溢出的主要因素；相比其他矩阵，经济地理距离矩阵下数字经济发展对工业碳排放强度影响的溢出效应最大，说明地理经济距离嵌套是作用于数字经济发展对工业碳排放强度影响溢出的最主要因素，原因可能在于“双碳”目标驱动下，政府在减排的制度设计上易于形成显著的策略性竞争效应，因而减排政策的制定和实施必须形成有效的区域协同联动效应.

表9 数字经济发展水平对工业碳排放强度空间溢出效应的分解Table 9 Decomposition of spatial spillover effects of digital economy development on industrial carbon emission intensity

4 结论与建议

4.1 结论

a) 通过构建数字经济指数评价指标体系和运用碳排放能源测量方法，分别测度我国各省份2005-2019 年的数字经济指数和工业碳排放强度，比较数字经济指数和工业碳排放强度的水平以及演变特征可知：各省份之间数字经济水平差异较大，“高度数字化的省份”和“数字化不足的省份”之间的差异越来越明显；中西部省份的工业碳排放强度一直高于东部地区.

b) 数字经济的发展能提高资源配置效率，减少能源使用规模，降低工业碳排放强度，这一结论在经过稳健性检验后依然成立，且能通过促进产业结构升级和降低城镇化过程中工业碳排放强度.数字经济发展对工业碳排放强度的影响存在空间异质性，相比于中西部地区，东部地区数字经济与工业产业发展融合程度更高，能显著作用于工业碳排放强度；资源型省份数字经济发展对工业碳排放强度的影响远低于非资源型省份.

c) 数字经济发展和工业碳排放强度均呈显著的空间正相关性；通过空间杜宾模型分析以及空间效应分解，得到数字经济发展对工业碳排放强度的影响存在明显的空间外溢，与显著降低本省份工业碳排放强度不同，数字经济发展对周边省份却有促进作用；相比其他矩阵，经济地理距离矩阵下数字经济发展对工业碳排放强度影响的溢出效应最大，原因可能是“双碳”目标驱动下政府在减排的制度设计上易形成策略性竞争效应.

4.2 建议

中国工业产业发展过程中节能减排存在巨大的提升提质空间，发展数字经济是协调经济高质量发展与绿色集约的必然选择.基于所得结论提出以下三点建议：

a) 工业产业低碳转型过程中，完善数字化驱动的智能制造设施，采用更节能的工业生产技术和设施设备；综合考虑区域所处的经济发展阶段，兼顾工业产业的刚性需求，推动工业生产活动的空间集聚，最终改变工业增长长期依赖于高碳产业的局面.同时充分利用双循环发展格局，以市场效应拉动数字服务和数字产品供给，注重绿色低碳为导向引领数字经济高质量发展.

b) 增强高数字化省份的辐射带动作用，低数字化省份则需调动自身主观能动性.一方面，巩固东部地区高数字化水平以及降碳效果，积极探索工业增绿提效先进经验与恰当的低碳转型路径；另一方面，增加东部与中西部之间的低碳数字技术交流和产业融合，推动中西部地区数字经济和低耗能产业的发展，全面推动工业产业的绿色化、智能化转型.

c) 地方政府在出台减碳政策与制定区域规划时需明确各自的重点方向，发挥“省(自治区、直辖市)-市-县”行政体系的溢出优势，为数字经济发挥低碳的正外部性提供保障.充分考虑区域差距，推动知识溢出、人才流动、产业转移、设施以及政策服务的互联互通，以工业产业链上下游协同与跨区域、跨行业协同为核心，构建有效的协同产业联盟，在最大程度提高工业生产效率的同时，降低工业产业碳排放强度.