數(shù)字經(jīng)濟如何影響工業(yè)SO2排放？**

柏亮 陳小輝

〔 DOI〕 10.19653/j.cnki.dbcjdxxb.2020.05.008

〔引用格式〕 ?柏亮，陳小輝.數(shù)字經(jīng)濟如何影響工業(yè)SO₂排放？——理論解讀與實證檢驗[J].東北財經(jīng)大學學報，2020，（5）：73-81.

〔摘要〕本文將數(shù)字經(jīng)濟發(fā)展水平引入代表性企業(yè)的生產(chǎn)函數(shù)和污染因子，在理論分析的基礎(chǔ)上，基于2012—2018年中國31個省市區(qū)平衡面板數(shù)據(jù)，采用時間和個體雙向固定效應(yīng)模型，研究數(shù)字經(jīng)濟發(fā)展水平與二氧化硫（SO₂）排放量之間的關(guān)系。研究結(jié)果表明，數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型非線性關(guān)系。數(shù)字經(jīng)濟發(fā)展水平存在拐點，低于拐點時，數(shù)字經(jīng)濟發(fā)展水平的提升將加大工業(yè)SO₂排放量;超過拐點后，數(shù)字經(jīng)濟發(fā)展水平的提升將降低工業(yè)SO₂排放量。進一步研究發(fā)現(xiàn)，財政分權(quán)可拉高拐點。

〔關(guān)鍵詞〕數(shù)字經(jīng)濟;工業(yè)SO₂排放量;環(huán)境污染;財政分權(quán);高質(zhì)量發(fā)展

中圖分類號：F49 ???文獻標識碼：A????文章編號：1008-4096（2020）05-0073-09

一、問題的提出

2008年全球金融危機后，人工智能、區(qū)塊鏈、云計算和大數(shù)據(jù)等技術(shù)與經(jīng)濟的深度融合產(chǎn)生了數(shù)字經(jīng)濟。數(shù)字經(jīng)濟的影響廣泛而深遠，已成為新時代中國經(jīng)濟高質(zhì)量發(fā)展的重要驅(qū)動力量^[1]。2015—2020年，習近平總書記每年均強調(diào)要發(fā)展數(shù)字經(jīng)濟。2020年的《政府工作報告》中明確提出要“打造數(shù)字經(jīng)濟新優(yōu)勢”。在宏觀層面，數(shù)字經(jīng)濟對第一二三產(chǎn)業(yè)均有深度滲透^[2]。在微觀層面，數(shù)字經(jīng)濟對企業(yè)生產(chǎn)活動有顯著影響^[3]，使企業(yè)的生產(chǎn)過程發(fā)生變革^[4]。當然，數(shù)字經(jīng)濟也會給工業(yè)企業(yè)的生產(chǎn)過程帶來變革。工業(yè)企業(yè)在生產(chǎn)過程中通常會排放二氧化硫（以下簡稱SO₂），那么，數(shù)字經(jīng)濟在變革工業(yè)企業(yè)生產(chǎn)過程時，是否會對工業(yè)SO₂排放量產(chǎn)生影響？如何會產(chǎn)生影響，那么究竟是何種影響？

前述問題是環(huán)境污染的影響因素問題。關(guān)于環(huán)境污染的影響因素，國內(nèi)外文獻認為，其一，財政分權(quán)會加劇環(huán)境污染^[5-6]，地方政府的經(jīng)濟競爭會加劇環(huán)境污染^[7-8]，而政府規(guī)制則能抑制環(huán)境污染^[9]。其二，信貸資源的配置與污染排放量相關(guān)^[10]，金融發(fā)展有利于緩解環(huán)境污染^[11]，也有研究認為，金融發(fā)展與環(huán)境污染之間為非線性關(guān)系^[12]。其三，稅負與環(huán)境污染負相關(guān)^[13]，增加實際稅率可以緩解環(huán)境污染^[14]，產(chǎn)業(yè)聚集與環(huán)境污染之間為倒U型關(guān)系^[15]。

總體來看，國內(nèi)外文獻就環(huán)境污染的影響因素進行了大量有益研究，但對數(shù)字經(jīng)濟是否影響、如何影響工業(yè)SO₂排放量的問題尚缺乏研究。在數(shù)字經(jīng)濟已成為中國經(jīng)濟高質(zhì)量發(fā)展抓手、黨的十九大要求“持續(xù)實施大氣污染防治行動、打贏藍天保衛(wèi)戰(zhàn)”的情況下，該研究對助推中國經(jīng)濟高質(zhì)量發(fā)展具有重要意義。本文基于Stokey^[16]模型，將數(shù)字經(jīng)濟發(fā)展水平引入代表性企業(yè)的生產(chǎn)函數(shù)和污染因子，基于2012—2018年中國31個省市區(qū)平衡面板數(shù)據(jù)進行實證檢驗，研究數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間的關(guān)系問題。

本文可能的創(chuàng)新點在于：在理論分析基礎(chǔ)上，基于2012—2018年中國31個省市區(qū)平衡面板數(shù)據(jù)，研究了數(shù)字經(jīng)濟對工業(yè)SO₂排放量的溢出效應(yīng);本文基于CRITIC方法構(gòu)建的數(shù)字經(jīng)濟發(fā)展指數(shù)，從理論解讀和經(jīng)驗分析兩個維度研究數(shù)字經(jīng)濟的影響;探討了財政分權(quán)對數(shù)字經(jīng)濟發(fā)展水平拐點的影響，豐富了財政分權(quán)領(lǐng)域的文獻。

二、理論分析

在數(shù)字經(jīng)濟大潮中，工業(yè)企業(yè)正在基于人工智能、區(qū)塊鏈、云計算和大數(shù)據(jù)等技術(shù)進行數(shù)字化轉(zhuǎn)型，而數(shù)字化水平的提升可能影響工業(yè)企業(yè)的生產(chǎn)率和污染因子，從而影響工業(yè)SO₂排放量。

（一）模型設(shè)定

本文借鑒戴覓等^[17]、宮旭紅和曹云祥^[18]、肖興志等^[19]文獻，將代表性企業(yè)的生產(chǎn)函數(shù)設(shè)定為Cobb-Douglas生產(chǎn)函數(shù)，即，表示產(chǎn)量、表示綜合技術(shù)水平、N表示投入的勞動、K表示投入的資本，其中、、。代表性企業(yè)在生產(chǎn)過程中將排放SO₂，借鑒Stokey^[16]的做法，工業(yè)SO₂排放量為產(chǎn)出和污染因子的函數(shù)。參照盛鵬飛^[20]的做法，將污染函數(shù)簡記為。在數(shù)字經(jīng)濟發(fā)展水平驅(qū)動下，代表性企業(yè)實施數(shù)字化轉(zhuǎn)型。代表性企業(yè)的數(shù)字化水平與數(shù)字經(jīng)濟發(fā)展水平之間的關(guān)系為，為代表性企業(yè)的數(shù)字化傾向，為數(shù)字經(jīng)濟發(fā)展水平。數(shù)字化可優(yōu)化生產(chǎn)要素的配置、提高全要素生產(chǎn)率^[21]，因而在考慮數(shù)字經(jīng)濟發(fā)展水平會對企業(yè)數(shù)字化水平、全要素生產(chǎn)率產(chǎn)生影響的情況下，代表性企業(yè)的生產(chǎn)函數(shù)為。，其中為代表性企業(yè)實施數(shù)字化轉(zhuǎn)型前的綜合技術(shù)水平（全要素生產(chǎn)率），為代表性企業(yè)全要素生產(chǎn)率的邊際提升傾向，得到。

此外，信息通訊技術(shù)（ICT）是數(shù)字經(jīng)濟的基礎(chǔ)。ICT的廣泛應(yīng)用即為信息化^[22]，信息化可改進企業(yè)的生產(chǎn)流程，提高企業(yè)的生產(chǎn)效率^[23-24]，生產(chǎn)效率的提高可能提升代表性企業(yè)的污染排放因子。在考慮數(shù)字經(jīng)濟發(fā)展水平影響的情況下，設(shè)污染因子，為代表性企業(yè)實施數(shù)字化轉(zhuǎn)型前的初始污染因子，為代表性企業(yè)污染因子的提升傾向。

代表性企業(yè)所在的市場為完全競爭市場，為價格接受者，產(chǎn)品價格為p。設(shè)產(chǎn)品的單位變動成本為b，固定成本為，則。代表性企業(yè)對SO₂進行處理后排放，設(shè)處理成本，為單位變動成本。綜上，代表性企業(yè)的利潤。根據(jù)上述假設(shè)，代表性企業(yè)的目標函數(shù)和約束條件如式（1）所示：

（1）

（二）模型分析

代表性企業(yè)通過選擇最佳數(shù)字化水平以實現(xiàn)利潤最大化，式（1）對求偏導，可得式（2）：

（2）

令式（2）為零，可得代表性企業(yè)的最優(yōu)數(shù)字化水平滿足式（3）：

（3）

式（3）為代表性企業(yè)實現(xiàn)利潤最大化時最優(yōu)數(shù)字化水平的一階條件，經(jīng)整理可得代表性企業(yè)選擇最優(yōu)數(shù)字化水平時的產(chǎn)出為式（4）：

（4）

式（4）兩邊分別乘可得代表性企業(yè)在選擇最優(yōu)數(shù)字化水平時工業(yè)SO₂排放量為式（5）：

（5）

從式（5）可知，工業(yè)SO₂排放量是代表性企業(yè)數(shù)字化水平的函數(shù)，而數(shù)字化水平是數(shù)字經(jīng)濟發(fā)展水平的函數(shù)。因此，工業(yè)SO₂排放量是數(shù)字經(jīng)濟發(fā)展水平的函數(shù)。式（5）對求偏導，可得式（6）：

（6）

令式（6）為零，可得式（7）：

（7）

式（6）再對求偏導，可得式（8）：

（8）

由式（1）可知、，得式（9）：

（9）

綜合式（7）和式（9）可知，為工業(yè)SO₂排放量的最大值點，當數(shù)字經(jīng)濟發(fā)展水平小于時，隨著數(shù)字經(jīng)濟發(fā)展水平的提升，工業(yè)SO₂排放量增加;當數(shù)字經(jīng)濟發(fā)展水平大于時，隨著數(shù)字經(jīng)濟發(fā)展水平的提升，工業(yè)SO₂排放量減少。即工業(yè)SO₂排放量與數(shù)字經(jīng)濟發(fā)展水平之間為倒U型非線性關(guān)系。由此，提出研究假說。

假說：工業(yè)SO₂排放量與數(shù)字經(jīng)濟發(fā)展水平之間為倒U型非線性關(guān)系，隨著數(shù)字經(jīng)濟發(fā)展水平的提升，工業(yè)SO₂排放量呈先上升后下降趨勢。

（三）作用機制

工業(yè)SO₂排放量與數(shù)字經(jīng)濟發(fā)展水平之間之所以為倒U型關(guān)系，其作用機制可從模型中分析得出。將式（6）寫成微分形式可得式（10）：

（10）

式（10）右邊第一項為正，其中可視為數(shù)字經(jīng)濟發(fā)展水平提升時，代表性企業(yè)全要素生產(chǎn)率的提升幅度;則為全要素生產(chǎn)率增量帶來的產(chǎn)出增加量;為代表性企業(yè)產(chǎn)品價格與變動成本之差，即單位產(chǎn)出給代表性企業(yè)帶來的收益。因此，表示數(shù)字經(jīng)濟提升代表性企業(yè)全要素生產(chǎn)率后增加的利潤。而可視為代表性企業(yè)受全要素生產(chǎn)率提升帶來利潤增加的影響——增加的工業(yè)SO₂排放量。式（10）右邊第一項可視為利潤激勵效應(yīng)。

式（10）右邊第二項為負，同理，為全要素生產(chǎn)率增量帶來的產(chǎn)出增加量。為產(chǎn)出量增加時帶來的工業(yè)SO₂排放量的增量，為工業(yè)SO₂排放量增量產(chǎn)生的處置成本。因此，可視為數(shù)字經(jīng)濟發(fā)展水平在增加產(chǎn)出量的同時，給代表性企業(yè)帶來的SO₂處置成本。可視為增量處置成本減少的工業(yè)SO₂排放量。因此，式（10）右邊第二項可視為成本抑制效應(yīng)。

數(shù)字經(jīng)濟發(fā)展水平對工業(yè)SO₂排放量的影響由利潤激勵效應(yīng)和成本抑制效應(yīng)構(gòu)成，利潤激勵效應(yīng)會增加工業(yè)SO₂排放量，成本抑制效應(yīng)則降低工業(yè)SO₂排放量。由式（9）可知，利潤激勵效應(yīng)在前期占主導影響，會增加工業(yè)SO₂排放量;后期成本抑制效應(yīng)占主導影響，會減少工業(yè)SO₂排放量（如圖1所示）。

三、研究設(shè)計

（一）計量模型設(shè)定

本文借鑒席鵬輝等^[25]、張明志等^[26]文獻，參照杜龍政等^[27]、胡望斌等^[28]檢驗正U或倒U型關(guān)系的做法，構(gòu)建實證模型為式（11）：

（11）

為第i個省市區(qū)第t年的工業(yè)SO₂排放量，為截距項，為第i個省市區(qū)的個體效應(yīng)，為第t年的年度效應(yīng)，為隨機誤差項。為第i個省市區(qū)第t年的數(shù)字經(jīng)濟發(fā)展水平，為其系數(shù)。為的平方項，為其系數(shù)。若顯著小于零，則數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型關(guān)系，假如同時顯著大于零，則數(shù)字經(jīng)濟發(fā)展水平的拐點大于零。為控制變量。

（二）樣本選擇與數(shù)據(jù)來源

本文采用CRITIC方法構(gòu)造數(shù)字經(jīng)濟發(fā)展指數(shù)進行實證檢驗。鑒于計算指數(shù)的原始數(shù)據(jù)最早為2012年，其他數(shù)據(jù)最新為2018年。本文基于2012—2018年中國31個省市區(qū)的數(shù)據(jù)進行檢驗。

本文采用爬蟲技術(shù)采集了計算數(shù)字經(jīng)濟發(fā)展指數(shù)所需的上市數(shù)字科技企業(yè)市值，以及人工智能、區(qū)塊鏈、云計算和大數(shù)據(jù)等四項技術(shù)的專利申請數(shù)據(jù)。工業(yè)SO₂排放量和工業(yè)固定廢物排放量來源于《中國環(huán)境統(tǒng)計年鑒》，計算指數(shù)所需的其他原始數(shù)據(jù)來源于中國人民銀行、國家統(tǒng)計局和Wind數(shù)據(jù)庫，陸地面積來源于百度百科。為消除異常值的影響，本文對連續(xù)變量進行了上下1%的Winsorize縮尾處理。此外，對2016—2018年的工業(yè)SO₂排放量和工業(yè)固體廢物排放量進行了線性插值處理。

（三）變量說明

借鑒現(xiàn)有文獻，設(shè)計被解釋變量、關(guān)鍵解釋變量和控制變量，如表1所示。

⒈ 被解釋變量

被解釋變量為工業(yè)SO₂排放量，設(shè)計被解釋變量wgas，借鑒聶飛和劉海云^[29]、席鵬輝等^[25]、張紅鳳等^[30]的做法，取值為Ln（工業(yè)SO₂排放量/總?cè)丝冢Ａ硗猓訪n（工業(yè)固體廢物排放量/總?cè)丝冢┯嬎鉾gasr做穩(wěn)健性檢驗。

⒉ 關(guān)鍵解釋變量

數(shù)字經(jīng)濟發(fā)展水平（deco）：目前尚無表征各省市區(qū)數(shù)字經(jīng)濟發(fā)展水平的指標。本文基于數(shù)字經(jīng)濟的數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化兩個維度，考慮數(shù)據(jù)可獲得性，從數(shù)字經(jīng)濟基礎(chǔ)發(fā)展水平、用戶數(shù)字化水平、交易數(shù)字化水平、企業(yè)數(shù)字化水平、數(shù)字經(jīng)濟資本化水平和數(shù)字科技技術(shù)創(chuàng)新水平等六個維度構(gòu)造各省市區(qū)數(shù)字經(jīng)濟發(fā)展指數(shù)。前四個維度的原始數(shù)據(jù)來自于國家統(tǒng)計局，數(shù)字經(jīng)濟資本化水平和數(shù)字科技技術(shù)創(chuàng)新水平兩個維度的原始數(shù)據(jù)，本文采用爬蟲技術(shù)獲取。

具體而言，以信息傳輸計算機服務(wù)和軟件業(yè)全社會固定資產(chǎn)投資、軟件業(yè)務(wù)收入衡量數(shù)字經(jīng)濟基礎(chǔ)發(fā)展水平，以電信業(yè)務(wù)總量和移動電話普及率衡量用戶數(shù)字化水平，以有電子商務(wù)交易活動的企業(yè)數(shù)、電子商務(wù)銷售額和電子商務(wù)采購額衡量交易數(shù)字化水平，以域名數(shù)、網(wǎng)站數(shù)和網(wǎng)頁數(shù)衡量企業(yè)數(shù)字化水平，以上市數(shù)字科技企業(yè)市值衡量數(shù)字經(jīng)濟資本化水平，以人工智能、區(qū)塊鏈、云計算和大數(shù)據(jù)專利申請數(shù)量衡量數(shù)字科技技術(shù)創(chuàng)新水平。

以信息傳輸計算機服務(wù)和軟件業(yè)全社會固定資產(chǎn)投資和軟件業(yè)務(wù)收入為初始指標，計算數(shù)字經(jīng)濟基礎(chǔ)發(fā)展水平;以電信業(yè)務(wù)總量和移動電話普及率為初始指標，計算用戶數(shù)字化水平;以有電子商務(wù)交易活動的企業(yè)數(shù)、電子商務(wù)銷售額和電子商務(wù)采購額為初始指標，計算交易數(shù)字化水平;以域名數(shù)、網(wǎng)站數(shù)和網(wǎng)頁數(shù)為初始指標，計算企業(yè)數(shù)字化水平;以上市數(shù)字科技企業(yè)市值為初始指標，計算數(shù)字經(jīng)濟資本化水平;以人工智能、區(qū)塊鏈、云計算和大數(shù)據(jù)等四項技術(shù)的專利申請數(shù)量為初始指標，計算數(shù)字科技技術(shù)創(chuàng)新水平。以數(shù)字經(jīng)濟基礎(chǔ)發(fā)展水平、用戶數(shù)字化水平、交易數(shù)字化水平、企業(yè)數(shù)字化水平、數(shù)字經(jīng)濟資本化水平和數(shù)字科技技術(shù)創(chuàng)新水平”為指標，計算數(shù)字經(jīng)濟發(fā)展水平。

在指標權(quán)重方面，CRITIC方法確定的權(quán)重更為精準^[34]。本文采用CRITIC方法生成指標權(quán)重，。，為指標i的標準差，為指標i與指標j的相關(guān)系數(shù)。在計算出各省市區(qū)數(shù)字經(jīng)濟發(fā)展指數(shù)decoo后，為消除異方差的干擾，對其取對數(shù)得到關(guān)鍵解釋變量deco。

⒊ 控制變量

本文主要借鑒丁鵬程等^[5]、盛鵬飛^[20]、席鵬輝等^[25]和張明志等^[26]的做法，設(shè)計了經(jīng)濟發(fā)展水平及其二次項、財政分權(quán)、人口增長率、教育水平及其二次項、城鎮(zhèn)化率及其二次項、產(chǎn)業(yè)結(jié)構(gòu)水平等控制變量。此外，為進行穩(wěn)健性檢驗，還設(shè)計了人口密度和金融分權(quán)兩個控制變量。

四、實證分析與穩(wěn)健性檢驗

（一）描述性統(tǒng)計

表2為主要變量描述性統(tǒng)計。工業(yè)SO₂排放量wgas的均值為2.2220，最小值僅為-3.0778，最大值達4.0838，在省際層面與中國發(fā)展不平衡的基本國情相符。最小值為負數(shù)是因為取對數(shù)所致。數(shù)字經(jīng)濟發(fā)展水平的均值為6.4754，最小值為5.2969，最大值為8.5251。觀測樣本為7年數(shù)據(jù)，觀測值為217個。

（二）基準回歸

對式（11）采用固定效應(yīng)FE和隨機效應(yīng)RE進行估計。本文先進行豪斯曼檢驗，p值為0.0015，但Stata15.1報告“V_b-V_B”矩陣非正定，較難判斷。而固定效應(yīng)能克服遺漏變量等造成的偏誤，故本文以固定效應(yīng)進行估計。基于固定效應(yīng)，采用逐步增加控制變量的方法估計式（11），結(jié)果如表3所示。另外，鑒于數(shù)字經(jīng)濟發(fā)展水平可能具有內(nèi)生性，將其滯后一期;借鑒環(huán)境污染相關(guān)文獻的做法，所有控制變量也滯后一期。表3中均控制了年度效應(yīng)和個體效應(yīng)。

⒈ 研究假說檢驗情況

表3模型（1）—模型（5）中，關(guān)鍵解釋變量二次項L.deco2的系數(shù)均在1%或5%顯著性水平下顯著為負，而一次性L.deco的系數(shù)均在5%或10%顯著性水平下顯著為正。即數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型非線性關(guān)系，工業(yè)SO₂排放量隨著數(shù)字經(jīng)濟發(fā)展水平的增加先上升后下降。因此，研究假說成立。按模型（5）計算，數(shù)字經(jīng)濟發(fā)展水平的拐點為5.2696，即當數(shù)字經(jīng)濟發(fā)展水平低于5.2696時，數(shù)字經(jīng)濟發(fā)展水平的利潤激勵效應(yīng)占主導，工業(yè)企業(yè)將增加產(chǎn)出從而增加工業(yè)SO₂排放量;當大于5.2696時，數(shù)字經(jīng)濟發(fā)展水平的成本抑制效應(yīng)占主導，數(shù)字經(jīng)濟的發(fā)展將降低工業(yè)SO₂排放量。從全國平均水平看，數(shù)字經(jīng)濟發(fā)展水平的均值為6.4754，已越過了拐點。因此，在全國平均水平上，中國的數(shù)字經(jīng)濟已開始抑制工業(yè)SO₂排放量。

⒉ 其他信息

控制變量方面，從模型（5）可知：第一，經(jīng)濟發(fā)展水平二次項L.ppgdp2的系數(shù)在1%顯著性水平下顯著為負，一次項L.ppgdp的系數(shù)在1%顯著性水平下顯著為正，經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型非線性關(guān)系，與Friedl和Getzner^[35]、李鵬濤^[36]的結(jié)論一致。第二，教育水平的二次項L.edu2系數(shù)在1%顯著性水平下顯著為正，一次項L.edu的系數(shù)在1%顯著性水平下顯著為負，即教育水平與工業(yè)SO₂排放量之間為正U型關(guān)系，與席鵬輝等^[25]的結(jié)論基本一致。第三，城鎮(zhèn)化率的二次項L.urbrate2的系數(shù)在1%顯著性水平下顯著為負，一次項L.urbrate系數(shù)在1%顯著性水平下顯著為正，與工業(yè)SO₂排放量之間為倒U型關(guān)系，與席鵬輝等^[25]的結(jié)論一致。

對標準誤在個體和時間上雙重聚類（Cluster）調(diào)整，可克服自相關(guān)和異方差等問題對統(tǒng)計推斷的影響^[37]。表3模型（1）—模型（5）均采用雙重聚類標準誤，以增加估計結(jié)果的可靠性。此外，表3模型（1）—模型（5）中，關(guān)鍵解釋變量均在1%、5%或10%顯著性水平下顯著，本身也是一種穩(wěn)健性檢驗。

（三）穩(wěn)健性檢驗

本文還通過內(nèi)生性處理、替換被解釋變量、增加控制變量等進行進一步的穩(wěn)健性檢驗。

⒈ 內(nèi)生性處理

數(shù)字經(jīng)濟發(fā)展水平會影響工業(yè)SO₂排放量。反過來，工業(yè)SO₂排放量也會增加企業(yè)的運營成本，加重企業(yè)的環(huán)境處置負擔，在資源有限的情況下，將可能影響企業(yè)實施數(shù)字化轉(zhuǎn)型，從而影響數(shù)字經(jīng)濟發(fā)展水平。如此一來，數(shù)字經(jīng)濟發(fā)展水平可能具有內(nèi)生性。

本文借鑒Kim等^[38]做法，以其他省市區(qū)相同年度數(shù)字經(jīng)濟發(fā)展水平均值取對數(shù)及對數(shù)的平方項ivdeco和ivdeco2作為工具變量，采用工具變量法（IV）重新估計式（11），如表4所示。表4中均控制了年度效應(yīng)、個體效應(yīng)和控制變量。弱工具變量檢驗的Cragg-Donald F統(tǒng)計量為32.7140，大于10%偏誤下的臨界值7.0300，即拒絕弱工具變量的假設(shè)，ivdeco和ivdeco2為有效工具變量。估計結(jié)果如表4模型（6）。數(shù)字經(jīng)濟發(fā)展水平二次項deco2的系數(shù)在1%顯著性水平下顯著為負，一次項deco的系數(shù)在1%顯著性水平下顯著為正。可見，在排除內(nèi)生性的情況下，依據(jù)模型（5）得出的結(jié)論是穩(wěn)健的。

2. 其他穩(wěn)健性檢驗

將被解釋變量替換為人均工業(yè)固定廢物排放量的對數(shù)wgasr，采用FE新估計式（11），結(jié)果為表4模型（7）。增加人口密度lnden，采用FE新估計式（11），結(jié)果為表4模型（8）。增加金融分權(quán)fd及其二次項fd2，采用FE新估計式（11），結(jié)果為表4模型（9）。從模型（7）—模型（9）的結(jié)果來看，數(shù)字經(jīng)濟發(fā)展水平二次項L.deco2的系數(shù)均在1%顯著性水平下顯著為負，數(shù)字經(jīng)濟發(fā)展水平一次項L.deco的系數(shù)均在5%顯著性水平下顯著為正。因此，依據(jù)模型（5）得出的結(jié)論是穩(wěn)健的。綜上，在排除內(nèi)生性、替換被解釋變量、控制人口密度、控制金融分權(quán)的情況下，依據(jù)模型（5）得出的結(jié)論是穩(wěn)健的，即數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型關(guān)系，隨著數(shù)數(shù)字經(jīng)濟發(fā)展水平的提升，工業(yè)SO₂排放量先上升后下降。

五、進一步討論

黨的十九大要求“持續(xù)實施大氣污染防治行動，打贏藍天保衛(wèi)戰(zhàn)”。為落實黨的十九大精神，中央和地方政府對包括SO₂在內(nèi)的大氣污染進行了大力治理。國家統(tǒng)計局數(shù)據(jù)顯示，2012—2017年，國家財政環(huán)境保護支出年復合增長率為13.6%;而黨的十九大后，國家財政環(huán)境保護支出年復合增長率達15.1%。2019年，國家財政環(huán)境保護支出達到7 443.57億元（如圖2所示）。

前文分析表明，數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型非線性關(guān)系。數(shù)字經(jīng)濟發(fā)展水平存在拐點，當超越拐點后，數(shù)字經(jīng)濟的發(fā)展方可抑制工業(yè)SO₂排放。因此，拐點的大小具有重要意義。從地方政府層面來看，在中國改革的進程中，財政分權(quán)制度逐漸得以形成^[39]，財政分權(quán)即中央政府將一定的稅收權(quán)和支出責權(quán)賦予地方政府，使地方政府擁有了一定的收支自主權(quán)^[40]。為貫徹黨的十九大精神，地方政府可能基于財政分權(quán)而加大環(huán)境保護支出。那么，地方政府的財政分權(quán)會對數(shù)字經(jīng)濟發(fā)展水平的拐點產(chǎn)生何種影響呢？

數(shù)字經(jīng)濟發(fā)展水平的拐點如式（12）：

（12）

式（12）中，由前提假設(shè)可知，為代表性企業(yè)污染因子的提升傾向。當?shù)胤秸谪斦謾?quán)而加大環(huán)境保護支出力度時，為應(yīng)對地方政府的環(huán)境保護，代表性企業(yè)的污染因子提升傾向?qū)⒔档停?img alt="" height="17" src="file：///C：＼Users＼ADMINI～1＼AppData＼Local＼Temp＼ksohtml8400＼wps238.jpg" width="134"/>，其中fiscd為地方政府的財政分權(quán)。

式（12）兩邊對財政分權(quán)求偏導可得式（13）：

（13）

前述分析表明，拐點為正，因而，而。因此，。即隨著財政分權(quán)fiscd的增加，數(shù)字經(jīng)濟發(fā)展水平的拐點F₀將上升。表5為財政分權(quán)對數(shù)字經(jīng)濟發(fā)展水平拐點的影響結(jié)果。

本文將財政分權(quán)和數(shù)字經(jīng)濟發(fā)展水平的交互項fiscd×deco追加到式（11）中，采用FE重新估計，結(jié)果為表5模型（10）;以人均工業(yè)固定廢物排放量的對數(shù)wgasr為被解釋變量，采用FE重新估計，結(jié)果為表5模型（11）;以財政支出占全國財政支出比例計算支出分權(quán)rfiscd，采用FE重新估計，結(jié)果為表5模型（12）。表5中均控制了年度效應(yīng)、個體效應(yīng)和控制變量。

從模型（10）—模型（12）看，財政分權(quán)與數(shù)字經(jīng)濟發(fā)展水平的交互項L.fiscd×L.deco、L.rfiscd×L.deco的系數(shù)在1%或5%顯著性水平下顯著為正。數(shù)字經(jīng)濟發(fā)展水平二次項L.deco2的系數(shù)均在1%顯著性水平下顯著為正。因此，隨著財政分權(quán)的增加，數(shù)字經(jīng)濟發(fā)展水平的拐點將提升。

六、結(jié)論與啟示

發(fā)展數(shù)字經(jīng)濟究竟會對工業(yè)SO₂排放量產(chǎn)生何種影響？國內(nèi)外文獻對這一問題缺乏研究。而這一問題的研究對助推中國經(jīng)濟高質(zhì)量發(fā)展具有重要意義。研究結(jié)果表明：第一，數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型非線性關(guān)系，隨著數(shù)字經(jīng)濟發(fā)展水平的提升，工業(yè)SO₂排放量先上升后下降。第二，數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間之所以為倒U型非線性關(guān)系，原因在于數(shù)字經(jīng)濟具有利潤激勵效應(yīng)和成本抑制效應(yīng)。第三，財政分權(quán)可抑制環(huán)境污染，同時會拉高數(shù)字經(jīng)濟發(fā)展水平的拐點。

基于研究結(jié)論得到的啟示如下：第一，數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型非線性關(guān)系，各地方政府在推進數(shù)字經(jīng)濟發(fā)展的過程中，在拐點左側(cè)，數(shù)字經(jīng)濟的發(fā)展將加大SO₂排放量。因此，為防治工業(yè)SO₂排放，地方政府需采取對沖政策以緩解其不利影響。第二，財政分權(quán)可抑制工業(yè)SO₂排放量，同時會拉高數(shù)字經(jīng)濟發(fā)展水平的拐點。因此，地方政府在基于財政分權(quán)治理工業(yè)SO₂排放和促進數(shù)字經(jīng)濟發(fā)展時，需考慮對數(shù)字經(jīng)濟發(fā)展水平拐點的影響。第三，數(shù)字經(jīng)濟發(fā)展水平與工業(yè)SO₂排放量之間為倒U型非線性關(guān)系，地方政府促進數(shù)字經(jīng)濟發(fā)展的政策可抑制本地區(qū)的工業(yè)SO₂排放量，但對其他地區(qū)則未必。因此，地方政府需因地制宜，制定差異化政策，不可一味模仿。

參考文獻：

[1] ?丁志帆.數(shù)字經(jīng)濟驅(qū)動經(jīng)濟高質(zhì)量發(fā)展的機制研究：一個理論分析框架[J].現(xiàn)代經(jīng)濟探討，2020，（1）：85-92.

[2] ?羅以洪.大數(shù)據(jù)人工智能區(qū)塊鏈等ICT促進數(shù)字經(jīng)濟高質(zhì)量發(fā)展機理探析[J].貴州社會科學，2019，（12）：122-132.

[3] ?李輝.大數(shù)據(jù)推動我國經(jīng)濟高質(zhì)量發(fā)展的理論機理、實踐基礎(chǔ)與政策選擇[J].經(jīng)濟學家，2019，（3）：52-59.

[4] ?王夢菲，張昕蔚.數(shù)字經(jīng)濟時代技術(shù)變革對生產(chǎn)過程的影響機制研究[J].經(jīng)濟學家，2020，（1）：52-58.

[5] ?丁鵬程，孫玉棟，梅正午.財政分權(quán)、地方政府行為與環(huán)境污染——基于30個省份SO₂排放量的實證研究[J].經(jīng)濟問題探索，2019，（11）：37-48.

[6] ?肖超，肖挺.財政分權(quán)對我國環(huán)境污染的影響——基于產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟發(fā)展水平的視角[J].華東經(jīng)濟管理，2019，（11）：72-77.

[7] ?Wheeler， D. Racing to the Bottom ： Foreign Investment and Air Pollution in Developing Countries[J]. Journal of Environment and Development，2001， 10（3）：225-245.

[8] ?List，A. J.， Millimet， D. L.， Fredriksson，P. G.，et al.Effects of Environmental Regulations on Manufacturing Plant Births： Evidence From a Propensity Score Matching Estimator[J]. The Review of Economics and Statistics， 2003， 85（4）：944-952.

[9] ?朱向東，賀燦飛，李茜，等.地方政府競爭、環(huán)境規(guī)制與中國城市空氣污染[J].中國人口·資源與環(huán)境，2018，（6）：103-110.

[10] ?Dong， Q.， Wen， S.， Liu， X. Credit Allocation， Pollution， and Sustainable Growth： Theory and Evidence From China[J/OL]. Emerging Markets Finance and Trade， 2019.

[11] ?胡宗義，李毅.金融發(fā)展對環(huán)境污染的雙重效應(yīng)與門檻特征[J].中國軟科學，2019，（7）：68-80.

[12] ?王偉，楊敬峰，孫芳城.金融發(fā)展與城市環(huán)境污染：加劇還是緩解——基于268個城市數(shù)據(jù)[J].西南民族大學學報（人文社科版），2019，（5）：96-106

[13] ?張華.稅收競爭與環(huán)境污染：影響機制與實證檢驗[J].財經(jīng)問題研究，2019，（3）：34-42.

[14] ?周林意，朱德米.地方政府稅收競爭、鄰近效應(yīng)與環(huán)境污染[J].中國人口·資源與環(huán)境，2018，（6）：140-148.

[15] ?韓晶，毛淵龍，朱兆一.產(chǎn)業(yè)集聚對環(huán)境污染的影響[J].經(jīng)濟社會體制比較，2019，（3）：71-80.

[16] ?Stokey， N. L. Are There Limits to Growth？[J]. International Economic Review， 1998， 39（1）：1-31.

[17] ?戴覓，張軼凡，黃煒.貿(mào)易自由化如何影響中國區(qū)域勞動力市場？[J].管理世界，2019，（6）：56-69.

[18] ?宮旭紅，曹云祥.資本深化與制造業(yè)部門勞動生產(chǎn)率的提升——基于工資上漲及政府投資的視角[J].經(jīng)濟評論，2014，（3）：51-63.

[19] ?肖興志，張偉廣，朝鏞.僵尸企業(yè)與就業(yè)增長：保護還是排擠？[J].管理世界，2019，（8）：69-83.

[20] ?盛鵬飛.環(huán)境污染與城鄉(xiāng)收入差距：作用機制與基于中國經(jīng)濟事實的檢驗[J].中國人口·資源與環(huán)境，2017，（10）：56-63.

[21] ?肖旭，戚聿東.產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的價值維度與理論邏輯[J].改革，2019，（8）：61-70.

[22] ?孫琳琳，鄭海濤，任若恩.信息化對中國經(jīng)濟增長的貢獻：行業(yè)面板數(shù)據(jù)的經(jīng)驗證據(jù)[J].世界經(jīng)濟，2012，（2）：3-25.

[23] ?Ann， B.， Casey， I.， Kathryn，S. ?How Does Information Technology Affect Productivity？ Plant-Level Comparisons of Product Innovation， Process Improvement， and Worker Skills[J]. ?Quarterly Journal of Economics，2007，122（4）： 1721-1758.

[24] ?朱秋博，白軍飛，彭超，等.信息化提升了農(nóng)業(yè)生產(chǎn)率

嗎？[J].中國農(nóng)村經(jīng)濟，2019，（4）：22-40.

[25] ?席鵬輝，梁若冰，謝貞發(fā).稅收分成調(diào)整、財政壓力與工業(yè)污染[J].世界經(jīng)濟，2017，（10）：170-192.

[26] ?張明志，余東華，孫婷.高鐵開通對城市生產(chǎn)體系綠色重構(gòu)的影響[J].中國人口·資源與環(huán)境，2019，（7）：41-49.

[27] ?杜龍政，趙云輝，陶克濤，等.環(huán)境規(guī)制、治理轉(zhuǎn)型對綠色競爭力提升的復合效應(yīng)——基于中國工業(yè)的經(jīng)驗證據(jù)[J].經(jīng)濟研究，2019，（10）：106-120.

[28] ?胡望斌，張玉利，楊俊.同質(zhì)性還是異質(zhì)性：創(chuàng)業(yè)導向?qū)夹g(shù)創(chuàng)業(yè)團隊與新企業(yè)績效關(guān)系的調(diào)節(jié)作用研究[J].管理世界，2014，（6）：92-109.

[29] ?聶飛，劉海云.FDI、環(huán)境污染與經(jīng)濟增長的相關(guān)性研究——基于動態(tài)聯(lián)立方程模型的實證檢驗[J].國際貿(mào)易問題，2015，（2）：72-83.

[30] ?張紅鳳，周峰，楊慧，等.環(huán)境保護與經(jīng)濟發(fā)展雙贏的規(guī)制績效實證分析[J].經(jīng)濟研究，2009，（3）：14-26，67.

[31] ?何德旭，苗文龍.財政分權(quán)是否影響金融分權(quán)——基于省際分權(quán)數(shù)據(jù)空間效應(yīng)的比較分析[J].經(jīng)濟研究，2016，（2）：42-55.

[32] ?王蘭平，王昱，劉思鈺，等.金融發(fā)展促進產(chǎn)業(yè)結(jié)構(gòu)升級的非線性影響[J].科學學研究，2020，（2）：239-251.

[33] ?王先柱，吳蕾.土地財政、房價上漲與產(chǎn)業(yè)結(jié)構(gòu)升級——基于面板數(shù)據(jù)聯(lián)立方程模型的分析[J].經(jīng)濟問題探索，2019，（3）：32-39.

[34] ?許滌龍，陳雙蓮.基于金融壓力指數(shù)的系統(tǒng)性金融風險測度研究[J].經(jīng)濟學動態(tài)，2015，（4）：69-78.

[35] ?Friedl，B.， Getzner， M. Determinants of CO₂Emissions in a Small Open Economy[J]. Ecological Economics， 2003， 45（1）：133-148.

[36] ?李鵬濤.中國環(huán)境庫茲涅茨曲線的實證分析[J].中國人口·資源與環(huán)境，2017，（S1）：22-24.

[37] ?Petersen， M. A .Petersen Estimating Standard Errors in Finance Panel Data Sets： Comparing Approaches[J]. The Review of Financial Studies，2009， 22（1）： 435-480.

[38] ?Kim， Y.， Li， H.， Li， S. Corporate Social Responsibility and Stock Price Crash Risk[J]. Journal of Banking and Finance， 2014， 43（6）：1-13.

[39] ?王文劍，仉建濤，覃成林.財政分權(quán)、地方政府競爭與FDI的增長效應(yīng)[J].管理世界，2007，（3）：13-22，171.

[40] ?方曉利，周業(yè)安.財政分權(quán)理論述評[J].教學與研究，2001，（3）：53-57.

（責任編輯：鄧菁）