数字经济与碳排放：理论机制与经验证据

摘要：基于数字经济对碳排放的影响机理分析，利用2010-2019年30个省（区、市）的数据实证检验数字经济对碳排放的影响。研究表明：数字经济每增加1%有助于减少区域0．228%的碳排放，该结论以《关于积极推进“互联网+”行动的指导意见》作为外生冲击检验后依旧成立；囿于政策导向和资源禀赋，各地区数字经济发展存在差距，分析表明数字经济对于高数字产业化和高产业数字化地区的减碳作用更为显著，且产业数字化的减碳作用要优于数字产业化；最后，优化能源消费结构是数字经济促进碳减排的中介路径，其中介效应占比为15.4%。基于此，分别从大力发展数字经济、优化能源消费结构和推动传统产业数字化转型等方面提出了发挥数字经济碳减排效应的建议。

关键词：数字经济；碳排放；能源消费结构；机制分析；因果森林

基金项目：国家社会科学基金项目“新发展格局下我国高技术产业链自主可控能力多维评价及提升路径研究”（22BTJ072）

中图分类号：F49 文献标识码：A

文章编号：1674-537X（2024）07. 0073-13

一、引言

碳排放及其气候问题已成为全球关注的焦点。2021年10月，中共中央、国务院正式发布《关于全面贯彻新发展理念，积极推进碳达峰碳中和工作的意见》，该意见旨在统筹国内国际两个大局，破解资源环境制约难题，事关中华民族的可持续发展和人类命运共同体的构建，同时还对“3060”目标做出了战略部署。数字经济作为一种新型经济，已经成为我国经济发展的新引擎，依靠自身的快捷性、高渗透性促进三大产业之间相互融合的趋势，优化产业结构，减少部分以化石能源为主的能源消费，是推动我国绿色低碳发展和产业变革的重要力量。那么，数字经济对碳排放能否产生显著的抑制作用？如果有，数字经济对碳排放的影响是否存在异质性？这其中的影响机制是什么？这些问题的探索研究不仅关乎我国“3060”目标的具体推动方式、路径和措施，也会对我国经济高质量发展产生重要影响。

二、文献回顾

国内外有关数字经济对碳排放的影响研究主要集中在以下几个方面：首先是研究数字经济的测度和其经济红利效应。对于数字经济的测度，现有研究主要是通过增加值测算和相关指数编制的方法，有学者从数字化赋权基础设施、数字化交易、数字经济交易产品、数字化媒体四个维度构建指标，测算出了我国2007-2017年的数字经济增加值：也有学者从数字设施、数字使用、数字生产、数字创新、数字产出五个维度构建数字经济指标，利用熵值法具体计算各指标权重，测算得出各地区数字经济指数。随着机器学习的兴起，部分学者通过构建关键词，利用Python爬虫软件从政府报告中检索相关词文，以此表征各地区数字经济发展水平。对于数字经济的经济红利效应，一个基本共识是，数字经济的发展能够有效促进经济增长。具体表现在技术创新效率、高质量发展、产业结构转型升级等方面。

其次，针对碳排放问题，时空演变和影响因素两个方面是目前学术界主流的研究方向。关于碳排放的时空演变，研究表明目前我国碳排放已进入缓慢增长阶段，东部和东北碳排放占比下降，中西部碳排放对东部呈“追赶”态势，热点排放区向西北转移。关于碳排放的影响因素，基于相关理论和经验研究主要认为有信息化水平、工业化水平、交通运输、经济发展水平、产业结构、能源消费结构等多个方面，并且这些因素在不同时空下存在异质性。

最后，在“双碳”目标下，数字经济作为一种新型高效的经济形式，能否在兼顾经济发展的同时促进节能减排，助力“3060”目标的实现，学者们开始讨论数字经济如何影响碳排放的问题，主要有三种观点：第一，数字经济的发展可以促进碳减排。降低能耗强度、优化产业结构、推进技术进步是实现数字经济减碳的重要机制：数字产业化相对于产业数字化更加亲碳，在低数字产业化与高产业数字化的地区，数字经济的减碳作用更加显著，而也有学者认为数字产业化的碳减排效应更加显著。第二，数字经济可能会增加碳排放，这是因为新型数字产业的发展和相关数字基础设施的建立会造成能源消耗量的迅速增长从而造成区域碳排放。第三，数字经济与碳排放之间存在非线性关系，以“倒U型”关系为主，对外贸易结构、产业结构转型升级、市场化程度等因素能够促进倒U型拐点的提前形成。

进一步，随着机器学习的深入发展，该类方法更多地运用在经济学研究、因果推断中，比如随机森林在因果推断中的应用，即因果森林方法。对于国外而言，Davis等利用因果森林来评估美国暑假工计划对美国就业和犯罪行为的影响：Athey等将因果森林发展为广义随机森林，并在R语言中给出了对应的“grf”命令指示。对于国内而言，唐礼智等在双重差分的基础上，利用因果森林探究了在“大气十条”的政策下，环境规制对企业绿色创新的异质性影响：杜明军利用因果森林探究了绿色金融对碳减排的处理效应：胡尊国等利用因果森林估计了“倾斜性”政策的异质性处理效应。除此之外，国内的相关文献还相对比较稀缺。

综上所述，现有研究较为丰富，但针对数字经济与碳排放的关系并无定论，且在分析其异质性时多数仅从不同地区上进行分析，在研究方法上大部分采用计量经济模型。所以，在已有研究的基础上，本文的边际贡献有：（1）基于中国2010- 2019年30个省份（不含西藏自治区、港澳台地区）的面板数据，利用计量回归模型和中介效应模型实证检验了数字经济对碳排放的影响及其机制；（2）利用因果森林的方法检验了《关于积极推进“互联网+”行动的指导意见》（以下简称“《意见》”）的外生冲击作用；（3）通过中位数分组方法对各省数字产业化和产业数字化程度进行划分，并从这两个维度分析了数字经济在减碳方面的异质性作用。上述分析对于政策制定具有一定的现实意义。

三、理论分析与研究假设

（一）数字经济对碳排放的影响

数字经济作为新型的经济形式，它可以通过信息网络、信息通用技术的融合应用、全要素数字化的变革来推动自身的发展，并使经济社会的数字化、网络化、智能化水平不断提升。在“四化框架”和“双碳”目标的战略指引下，数字经济已成为推动我国经济高质量发展的重要力量，并对生态系统产生了积极的影响。接下来，本文将从数字经济的“四化框架”出发，阐述数字经济对碳排放的影响。

从生产力视角看，数字经济依托云计算、5G通信、人工智能等前沿数字化技术推动数字行业新兴业务的发展，促进数字经济不断向三大产业渗透，据此改变市场结构，促进产业结构转型升级，优化能源消费结构，降低碳排放。例如，数字技术应用于企业业务管理，提高物资的高循环利用率，实现了降本增效与节能减排：数字孪生技术提升了电网智能调度，推动电力市场和碳市场之间的相互耦合，助力碳足迹监控。与此同时，三次产业数字化转型提速发展，产业结构不断提升，根据2023年《中国数字经济发展研究报告》显示，2022年一、二、三产数字经济渗透率分别为10. 5%、24. 0%、44. 7%，数字经济在三大产业中渗透率显著提升，这加速了产业智能化、绿色化转型。

从生产关系视角看，数字化技术融入政府治理，可有效避免政府重复建设系统，促进各部门互联互通、业务协同，推动政府大数据开发与利用，从而不断提升政府的服务水平并实现节能减排。例如，“互联网+政务服务”实现便捷线上办理，减少出行碳足迹：“双碳”管控平台实现精准监测与管理碳排放，为政府减碳决策提供数据支撑。

从生产要素视角看，数据在数字经济时代正成为新的关键生产要素，驱动企业决策、丰富贸易内容、助力社会治理。在数据价值化和双碳目标之间，碳数据价值化是数字经济赋能碳交易，实现碳中和的重要关键点，推动碳数据高质量采集汇聚、构建碳数据要素市场资源体系、建立碳数据确权机制对于实现“3060”目标有着重要意义。

最后，以大数据、云计算和互联网为代表的数字经济也在加快社会信息的流动，借助微博、微信、小红书、抖音等网络媒介平台提高信息之间的沟通效率，使得一系列环境问题能够快速全面地传递给社会大众，提升公众对环境保护意识和社会公共事件的参与度，从而倒逼政府和企业进行环境治理和转型升级。综上所述，本文提出研究假设：

H1：数字经济的发展能够降低区域的碳排放水平。

（二）数字经济对碳排放的差异性影响

对于数字经济发展不同类型的地区，高数字产业化高产业数字化地区（下文统称“双高”地区）通常产业结构更加高级，生产方式更加高效。该地区先进的数字技术和智能化系统能够帮助企业数字化转型，促进地区传统产业的转型升级；而地区经济的高质量发展又需要先进的数字技术作为支撑，从而不断提升地区的数字技术创新水平。这种良性循环使得地区数字经济水平不断提升，产业结构更加高级化，更多地依托于绿色、高科技产业，在这过程中粗放式的生产方式渐渐被替代，产业逐渐向绿色低碳高效方面发展。而高数字产业化低产业数字化、低数字产业化高产业数字化（下文统称“高低”地区）和低数字产业化低产业数字化（下文统称“双低”地区）地区，要么缺乏数字化技术支撑，产业数字化水平低下使得生产过程中出现浪费和低效问题，要么地区产业结构相对简单，缺乏绿色、高科技产业的支撑，产业结构难以向低碳化转型，从而使得这些地区数字经济的减碳效应无法得到充分体现。由此，本文提出研究假设：

H2：“双高”地区的减碳效应要优于“高低”地区和“双低”地区。

考虑到温室气体是碳排放的主要来源，而在整个社会生活中，温室气体的排放又主要来源于社会生产活动。所以本文将在数字产业化和产业数字化的框架下来分析生产力视角下的数字经济对碳排放影响效果的异质性。数字产业化通常是指由数字技术所带来的产品和服务，而在技术发展的过程中不仅需要大量的能源支持，而且伴随着更多的数据中心的建设与运营，这些数据中心需要大量的电力供应，从而使得数字产业化具备一定的“亲碳”效应。例如，2018年我国数据中心耗电量占社会总用电量的比例为2. 35%，并在“十四五”期间还会进一步提高：产业数字化则是应用数字技术和数据资源为传统产业带来的产出增加和效率提升，更多的关注于如何将传统产业转型升级，将数字化技术融人生产的全过程，促进企业的数字化发展，实现生产过程的优化和精细化管理，使得生产不断接近最大产出。由此，本文提出研究假设：

H3：产业数字化的减碳效应要优于数字产业化。

（三）能源消费结构的中介作用

研究证明，数字经济的发展能够优化能源消费结构，降低以化石能源为主的能源消费，具体表现在以下几个方面：首先，数字经济融合“智能制造”“工业互联网+5G”等技术于三大产业，推动产业智能化、绿色化转型，为能源消费结构的优化奠定了产业基础。其次，数字经济引领了能源产业的变革。随着数字经济在新能源领域的应用不断加强，通过提升新能源并网的友好型及发电的预测精度，保障电力系统稳定运行，提高了新能源的发电比例，降低对传统化石能源的依赖，促进能源消费结构清洁化。再次，数字经济通过数字技术为政府和企业数字化治理提供了技术保障，不仅提升了办公效率还降低了能耗。最后，数字经济通过数字化技术的应用监测和对能源消费行为的评估，激励各方进行节能减排，传播和共享能源消费信息，拓宽了宣传渠道，提高公众节能意识，从而减少了能源消费。

化石能源中的煤炭是我国温室气体排放的主源，所以若能够降低能源消费结构，那么碳排放量也能得到一定控制。综上所述，数字经济能够优化能源消费结构，而以煤炭资源消费为主的能源消费又是二氧化碳排放增加的主要原因。由此，本文提出研究假设：

H4：数字经济可以通过优化能源消费结构来降低碳排放。

四、数字经济发展水平的测度

（一）指标体系构建

之所以对数字经济的规模总量测算较为不易，是因为数字经济具有高渗透性的特征，很难准确地从传统行业中分离出来。所以目前尚未有包含省级数字经济的权威数据。为满足本研究需求，借鉴王芳等的方法并根据国家统计局发布的《数字经济及其核心产业分类（2021）》，分别从数字产业化和产业数字化两个维度构建数字经济发展水平指标体系，具体如表1所示。

由表1可知，数字产业化涉及到电信业、电子信息制造业、软件和信息技术服务业以及互联网和相关服务业四个行业，本文选取电信业务收入、移动电话普及率、电子信息制造业主营业务收入、信息传输、计算机服务和软件从业人员占城镇就业人员比重、软件业务收入、互联网接人端口数密度等10项指标来反映；产业数字化则包括农业数字化、工业数字化和服务业数字化三个方面，选取农村互联网宽带接人用户占乡村人口数比重、淘宝村数量、规模以上工业企业新产品销售收入占工业企业主营业务收入比重、第三产业增加值、电子商务销售额、数字普惠金融指数等11项指标来反映。

（二）数据来源与预处理

综上，本文最终构建包含2个一级指标、7个二级指标、21个三级指标的数字经济发展水平指标体系。指标数据主要来自《中国统计年鉴》《中国高技术产业统计年鉴》《中国科技统计年鉴》、CS-MAR数据库、工信部通信业公报、阿里研究院和北京大学《数字普惠金融指数报告》。

为了消除指标的量纲和数量级对实证研究的影响，首先对以上指标进行无量纲化处理，由于上述指标均为正向指标，故采用下述公式：

σjt=Xjt-min（Xjt）/max（Xjt）-min（Xjt）（1）

上式中，标准化后的指标取值为σjt，Xjt表示第j个指标第t年的原始取值，max（Xjt）和min（Xjt）分别表示研究周期内该指标的最大值和最小值。同时为了避免主观因素的影响，采取熵权法确定各指标的权重ωjt，具体方法如下：

接下来，利用式（3）和式（4）来计算第j指标的熵值ej及其差异系数θj。

式（5）用以计算得到该指标在评价体系中的权重ωj取值（结果如表1所示），并由式（6）计算得到各地区i的数字经济发展水平Di。

其中，m为研究周期的年数，n为指标个数。

（三）测度结果

运用公式（1）-（6）测算得出我国30个省份（不含西藏自治区、港澳台地区）2010 - 2019年数字经济指数，并借鉴沈小波等的研究，将样本划分为东中西三个地区，以此分析地区数字经济发展的差异。

从表2可以看出，我国数字经济指数存在明显的时空异质性。总体来看，全国数字经济指数呈逐年递增的趋势，2010 - 2019年，我国数字经济发展年均增长速度为17. 72%。各省数字经济不断发展，2019年，浙江、广东、江苏、北京、上海数字经济发展位于全国前列；浙江、河北、福建、海南、山东、河南、江西数字经济指数增长速度与日俱增，均在20%以上。但是，地区发展差距问题依旧凸显，2019年东部地区数字经济发展均值为0．411，分别是中部地区（0. 072）和西部地区（0.048）的5. 71倍和8.56倍。

同一区域内，不同省份的数字经济发展也存在较大差距，从均值来看，东部地区，广东和浙江位于前列，天津和海南垫底，其中，广东省年平均数字经济指数（0．433）是海南省指数（0．02）的21. 65倍；中部地区，河南和湖北位于前列，内蒙古和黑龙江垫底，河南省平均指数（0. 066）是内蒙古指数（0．014）的4.7倍；西部地区，重庆和陕西位于前列，宁夏和青海垫底，重庆市（0．045）是青海省（0. 006）的7.5倍。所以在同一区域内，东部地区省际发展差距最大。

与全国平均数字经济指数（0．095）相比，东部地区只有天津、河北、辽宁、海南的年均数字经济指数低于全国：而中西部地区的省份年均数字经济指数均低于全国。与此同时，与全国年均增长速度相比，河北、海南、江西、河南、青海、新疆等省份虽然发展水平低于全国，但是其发展速度在全国平均增长速度之上，呈现不断追赶的态势。

综上所述，我国数字经济发展水平整体不平衡，东部高、中西部低；同一地区内，省际发展差距问题依旧凸显，但是河北、海南、江西、河南等发展落后省份正在不断追赶。

为了更加直观地展示我国数字经济发展的地区差距以及10年来各省份数字经济发展的变化，本文采用Arc GIS绘图软件绘制了2010年、2019年各省份数字经济指数时空分布图，并将省域数字经济发展水平划分为五个类别，由高到低分别记为第一梯队、第二梯队、第三梯队、第四梯队和第五梯队。

从图2可以看出，我国省域数字经济发展的时空特征表现为：时间上的稳步上升和空间上的分布不均。具体来说，从时间上看，在2010年时只有极少数东部省份数字经济发展水平位于第一二梯队，其他大多数省份数字经济发展水平均位于第四梯队及以下，而经过10年的发展，除了部分西部地区外其余省份数字经济发展水平均处于第三梯队及以上，整体数字经济发展水平有了很大的提升；从空间上看，北京、上海、浙江、广东、江苏是我国数字经济发展的“领头羊”，与其他省份之间存在较大差距，而全国数字经济发展大体也存在着东南向西北递减的趋势。

五、研究设计

（一）模型构建

1．基准回归模型

为验证假设H1，本文建立面板基准回归模型，模型构建如下所示：

lnCo2it=α0+α1Digit+πcontrolit+μit+λit+εit（7）

式中，i代表省份，t代表年份；被解释变量CO2it为碳排放量；Digit为核心解释变量；controlit为控制变量序列；α0为常数项，α1表示数字经济对碳排放的总效应，μit为省份固定效应，λit为时间固定效应，εit为随机扰动项。

2．中介效应模型

为了验证假设H4，本文建立如下中介效应模型，模型构建如下所示：

ESCit=β0+β1Digit+β2controlit+μit+λit+εit（8）

lnCo2it=γ0+γ1Digit+γ2ESCit+γ3controlit+μit+λit+εit（9）

其中，ESCit为中介变量，即能源消费结构。Yi表示数字经济对碳排放的直接效应，β1×γ2表示能源消费结构的中介效应。

（二）变量选取

碳排放量（CO2）：被解释变量CO2数据来源于CEADs中国碳核算数据库。该数据库是编制涵盖中国及其他发展中经济体碳核算清单，旨在打造国家、区域、城市、基础设施多尺度统一、全口径、可验证的碳核算数据平台。本文所采用的我国30个省份（不含西藏、港澳台）的碳排放量数据是由CEADs团队根据国家统计局最新修改后的能源活动数据具体核算得到的。

数字经济发展水平（Dig）：核心解释变量Dig的具体数值由前文构建的指标体系利用熵权法测算得出。

控制变量（Control）：本文参考既有研究，选取以下变量作为控制变量，分别是能源消费量（Lner），选取各省的能源消费量衡量各省能源消费情况，考虑到数据的波动对其进行取对数处理；碳排放强度（Cei），由碳排放量除以地区生产总值得到；森林覆盖率（Fe），由森林面积除以各省行政区域面积得到；二产占比（Sid），由第二产业增加值除以地区生产总值得到；三产占比（Tid），由第三产业增加值除以地区生产总值得到。中介变量（ESC）：本文采用能源消费结构作为中介变量，即利用各省煤炭消费量除以各省能源消费总量得到。

（三）数据来源

本文将2010 - 2019年30个省份（不含西藏、港澳台）作为具体研究对象，所选指标主要来源于《中国统计年鉴》、EPS数据库、《中国能源统计年鉴》、CEADs数据库等。个别缺失值利用线性插值的方法补齐，同时为了减少样本波动，对非比值型的指标做取对数处理。主要变量的描述性统计表如表3所示。

六、实证分析

（一）基准分析

本文为了确定数字经济对碳减排效应的最佳回归模型，首先进行了Hausman检验，根据Hausman检验结果，其P值小于0．05，认为固定效应模型具有更好的解释性，所以后文仅报告固定效应模型回归结果。

表4为基于式（7）的计量回归结果，其中（1）为未引入控制变量的回归模型结果，（2）为未控制时间和个体固定效应的回归模型结果，（3）为固定时间效应的回归模型结果，（4）为同时固定时间和个体效应的回归模型结果。

数字经济发展水平（Dig）：根据回归结果，无论是否加入控制变量，数字经济均在1%的水平下显著为负。因此，可以得到假设H1得到证实，即数字经济发展水平的提高能够减少我国的碳排放水平。一方面，数字经济的平台化、共享化等特征可以有效提高资源利用率，数据作为新的生产要素投入到碳减排领域中，可以提升生产和消费之间的实时互动水平，能够提升全要素生产率，节约化石能源的消耗，从而减少碳排放。另一方面，数字经济的发展带动了产业结构的转型升级，改变了经济发展的新形势。数字产业化和产业数字化的协同发展通过信息技术创新、商业模式的融合，不断催生新产业新业态新模式，绿色低碳的生产方式正在逐渐替代粗放式的经济发展模式。

此外，控制变量的回归结果显示：能源消费量（Lner）和碳排放强度（Cei）对碳排放量具有显著的正向影响，这是因为大部分能源的生产和使用都依赖于化石燃料，如煤炭、石油和天然气，而这些化石燃料的燃烧过程会释放出大量的二氧化碳，另外，当碳排放强度增加时碳排放量也随之增加，这表明以化石能源为主导的能源消费结构以及低下的能源利用率是造成我国碳排放增加的重要原因：森林覆盖率（Fe）和三产占比（Tid）对碳排放量具有显著的负向影响，这说明增加陆地上的森林面积可以促进生态环境的可持续发展从而有效地减少碳排放量，同时，第三产业的发展伴随着产业结构的转型升级和技术的创新，相对于第一、第二产业其能源消耗和物质消耗相对较少，从而减少了碳排放量；而二产占比（Sid）对碳排放量的影响并不显著，这可能是因为目前我国第二产业的发展已不再完全依赖化石能源，因此不会显著的增加碳排放。

（二）稳健性检验

为了保证分析结果的稳健性，本文采取下述方法进行稳健性检验。

1．外生冲击检验

我国数字经济的发展可以追溯到20世纪90年代末和21世纪初，但这个阶段我国并没有关于数字经济完整的政策体系，只是开始大力发展信息技术产业。然而，《意见》提出了数字经济和“互联网+”的战略框架，同年年底，总书记在第二届世界互联网大会上指出中国将推进“数字中国”建设，数字经济逐渐上升至国家战略层面。因此，为了更加稳健的评估数字经济对碳排放的影响，本文以《意见》作为一项外生政策冲击，以揭示旨在加强数字经济的政策能否起到降碳减排的作用。

本文采用R语言的“casual forest”这一命令来检验《意见》的外生冲击影响，相关参数均为默认参数。根据《意见》发布的时间，以2015年为界构建二分类变量，2015年以前为0，2015年以后为1，以此形成模型的处理变量，模型的因变量和协变量与基准回归模型保持一致。将所有变量输入模型，结果见表5所示。

因果森林结果表显示，《意见》所产生的平均处理效应显著为负，说明旨在加强我国数字经济的政策能够对我国碳排放产生显著的抑制作用。

2．内生性检验

解决内生性的主要方法是为核心解释变量选取合适的工具变量。由于当期的碳排放量不会对上期的数字经济发展水平产生影响，因此本文选择滞后一期数字经济指数，作为各省份数字经济发展指数的工具变量。

表6第（1）和第（2）列结果显示，在第一阶段回归中，工具变量的系数在1%的置信水平上正向显著，说明工具变量与内生变量之间存在相关性。第二阶段回归中，数字经济回归系数在1%的置信水平上负向显著，与主回归结果保持一致，并且，对于原假设“工具变量识别不足”的检验，Kleibergen-Paap rk LM统计量在1%的水平下显著，拒绝不可识别原假设；Kleibergen-Paap Wald rk F统计量为1012. 04大于弱工具变量检验10%水平下的临界值16. 38，拒绝弱工具变量的原假设，再次说明了研究结论的稳健性。

3．其他方法

为了进一步保证本文结论的稳健性，本文通过替换被解释变量、动态面板回归、更改测度方法、改变研究年份等方法进行稳健性检验。其中，替换被解释变量采用人均二氧化碳排放量替代lnCO2进行回归检验：动态面板回归采用各省碳排放量的滞后一期作为控制变量，带人回归方程进行回归分析：更改核心解释变量的测度方法使用主成分分析法替代熵权值法所得到的数字经济发展指数进行回归检验：改变研究年份则是将研究的年份缩短至2014-2019年进行回归检验。具体结果见表7。从表7的稳健性回归结果可以看出，数字经济的系数均在0. 05的水平下显著为负，说明本文的回归结果具备一定程度的稳健性。

七、进一步讨论

（一）异质性分析

为了剖析数字经济发展对碳减排的异质性影响，更有针对性的制定碳减排政策。本文从数字经济的核心组成部分——数字产业化和产业数字化两个角度分析论证数字经济的碳减排效应。

1．不同水平的数字产业化和产业数字化

首先，利用上文所构建的指标体系，分别对数字产业化和产业数字化两个一级指标进行测度，并按照两者测度结果的中位数对全部样本划分为高数字产业化高产业数字化、高数字产业化低产业数字化、低数字产业化高产业数字化和低数字产业化低产业数字化四组。基于此，分组进行回归，比较不同组别之间数字经济对碳排放影响的不同。

表8为分组回归结果，从表中可知，只有“双高”地区数字经济对碳减排的效应是显著的，其余三组地区数字经济对碳减排的效应均不显著。因此，研究假设H2得以验证，即“双高”地区的减碳效应要优于“高低”地区和“双低”地区。

浙江作为我国经济发达的地区之一，同时也是高数字产业化和高产业数字化地区，深入剖析浙江地区的减碳模式能够为其他地区提供借鉴与参考。

一方面，从数字产业化看，阿里巴巴作为浙江龙头企业，依托先进的数字技术，通过“带动减碳”和“赋能减碳”积极推进碳中和目标的高质量实现。自2016年“蚂蚁森林”在支付宝正式上线以来，鼓励人们进行绿色消费、绿色出行、循环利用、线上移动支付等行为获得以碳减排方法学计算的“绿色能量”，并累计到一定程度的参与者就能在荒漠种下一棵真树，据蚂蚁集团2022年可持续报告统计，截至2022年底，累计超过6.5亿用户在“蚂蚁森林”参与绿色低碳生活，减排累计产生“绿色能量”2600多万吨，累计种下4亿棵树，这样的模式不仅带动了经济发展也保护了生态环境。

另一方面，从产业数字化看，通过数字化技术与三大产业的不断融合，浙江省三次产业增加值比例从2015年的4.1：47.4：48.6调整到2020年的3.3：40.9：55.8，产业结构进一步优化经济发展对环境的友好程度更高，并且八大耗能产业占比降至33. 2%。在农业数字化方面，通过物联网技术的应用示范，发展精准农业，“十三五”期间“肥药两制”改革深入推进，开发的“肥药两制”改革数字化系统助力实现了全省化肥和化学农药使用量七连降，减少了生产过程中的浪费。在工业数字化方面，浙江交通以数字化改革为抓手，在全国率先为高速公路上线运用“双碳”数字化能源管理平台，通过物联网技术实时监测高速公路的隧道、服务区、管理处、收费站等场景的水、电、气、风、光、储、充、烟感、温感九大类目的能源数据并分析能源去向，实现能耗精细化管理，避免能源浪费，为精准“降碳”奠定基础。在服务业数字化方面，数字技术应用于不同的场景下，省内“在线教育”“跨境电商”“移动支付”“远程医疗”等行业模式蓬勃发展，《2020年浙江省县域数字农业农村发展水平评价报告》指出，2019年浙江省县域农产品销售额达到819亿元，农产品销售率为27. 6%，高于全国平均水平17.6个百分点，淘宝村和淘宝镇数量稳居国内第一，这说明浙江省内电商市场活跃，且与农业相结合推动了农业产值的增长。

由此可见，在数字产业化和产业数字化程度都较高的地区能够更好地发挥政策指引、市场驱动和技术赋能三者的作用，合力推动个人、企业、社会的降碳减排。

2．数字经济子维度

根据上文分组的异质性检验可以得知，数字产业化和产业数字化的协同发展才能更好地促进碳减排。进一步，为了明确两者在碳减排中的异质性，分别将数字产业化和产业数字化替代数字经济发展水平纳入回归方程，比较两者在减碳方面的效应大小。表9显示了分维度的回归结果，根据结果显示，数字产业化对碳排放的抑制作用并不显著，而产业数字化的减碳效应在1%的水平下显著为负。因此，研究假设H3得以验证，即产业数字化的减碳效应要优于数字产业化。这是因为：（1）数字产业化是以数字技术为核心，通过数字技术带来的产品和服务，不断衍生出新的产业。而行业和产品本身所带来的能源消耗是巨大的，并且数字产业化的不断提升必须依靠相应的数字基础设施作为支撑，数字基础设施的建设也会带来一定的碳排放。2008至2020年间，数字基础设施导致碳排放量从2. 58万吨增至23. 95万吨，数字产品碳排放量由2. 85万吨增至38. 44万吨，二者合计在中国碳排放总量的比重由0. 80%增至6.31%，可以发现这两者所带来的碳排放量增加明显，表现出明显的“亲碳”效应。（2）产业数字化是指在传统的产业中利用数字技术后，带来的产出增长和效率提升。它与数字产业化相比不会带来行业层面的碳排放增加，并且将数字化技术融于三大产业中促进了产业结构的转型升级，提升了资源配置的效率，使得实际生产不断接近最大产出。

（二）影响机制分析

根据上文分析，数字经济的发展能够对碳排放量产生显著的抑制作用，而以化石能源为主的能源消费结构是我国二氧化碳排放的主要原因。据此，数字经济发展是否是通过调整我国能源消费结构，提高清洁能源占比来减少二氧化碳排放的呢？为了厘清这一作用机制，本文利用中介效应模型进行验证，模型如上文式（8）-（9）所示。

此处中介效应检验采用双固定效应模型，控制变量与上文保持不变，利用Bootstrap法对样本进行有放回的重复抽样1000次，进而进行回归得到1000个β1系数和γ2系数的估计值，接着得到1000个βi×γ2乘积的估计值，最后对其进行检验，判断其是否显著异于0，结果如表10所示。

根据Bootstrap方法，由中介效应引起的碳减排效应为0. 035，且在5%的水平下显著为负，拒绝了中介效应等于0的原假设。而根据表4可知，数字经济引起的碳减排的总效应为0．228，说明数字经济每提升1%，平均可以实现碳排放减少0.228%，且能源消费结构在其中所起到的中介效应占比为15.4%。因此，假设H4得到证实，即数字经济能够通过优化能源消费结构来抑制碳排放。

八、主要结论与政策启示

（一）主要结论

本文基于2010-2019年的省级面板数据，实证探究了数字经济对省域碳减排的作用，并阐明了其中的作用机制。研究发现：

1．近十年来，我国数字经济发展迅速，在区域发展上呈现东部高、中西部低的发展态势；同一地区内存在省际差异，东部地区内省际差异最大：中西部地区数字经济发展水平虽落后于全国平均水平，但部分中西部省份年均增速位于全国前列。

2．数字经济的发展具有显著的碳减排效应，数字经济的发展每增加1%有助于减少区域0．228%的碳排放，并且经过一系列稳健性检验后该结论依然成立。

3．进一步分析发现，在“双高”地区，数字经济的发展更有益于实现区域碳减排：相比于数字产业化，产业数字化的碳减排效应更为显著。而优化能源消费结构是数字经济促进碳减排的主要路径，其中能源消费结构所起到的中介效应占比为15. 4%。

（二）政策启示

根据上述结论，为了更好地发挥数字经济的碳减排效应，助力双碳目标的实现，本文得出以下政策启示：

1．加强对数字经济发展的政策引导和帮扶

为了推动数字经济的持续发展，必须要打好基础设施建设、提升大数据平台、5G、云计算等新基建的建设能力。在后疫情时代，为了数字经济保质保量的提升，除了要做好顶层设计还需要因地制宜明确不同地区的发展机制。一方面，制定总体方针政策明确发展目标和重点领域。另一方面，对于中西部地区应该给予更多的政策倾斜和资金扶持，消除地区发展限制，提升区域数字化发展的协同性，带动落后地区数字经济发展的提高。

2．重视数字经济发展的碳减排效应

推动数字技术与传统产业的融合并鼓励发展新产业、新业态，不断深化我国信息化、数字化的发展，建设完善的数字基础设施，使得数字经济在更大的领域中得到充分应用，并且要加强对创新和发展的投资，促进人工智能、大数据、物联网等技术的研究与开发。

3．优化能源消费结构，以数字技术为支撑带动产业转型升级，发挥能源消费结构在碳减排中的中介作用

企业方面要强调绿色低碳的生产方式，提升清洁可再生能源消费占比，加速向低污染、高产出型企业转型升级：政府方面可通过行政管制和征收能源税等方式对企业和个人进行监管，改善以化石能源为主的能源消费结构。

4．深入推动传统产业数字化转型

异质性分析表明产业数字化的减碳作用更为显著，各政府应努力搭建数字经济与产业结构转型升级交流平台，提升政企互动水平，帮助企业解决数字化转型升级中遇到的实际困难：企业应树立数字经济意识，加快数字化转型升级步伐，深化工业互联网及人工智能等新技术的应用，努力向低耗能、高产出企业升级。