數字經濟發展對碳排放的影響*
——基于278 個地級市的面板數據分析

繆陸軍，陳 靜，范天正，呂雁琴

（1.國家稅務總局新疆維吾爾自治區稅務局，新疆 烏魯木齊 830002；2.新疆大學經濟與管理學院，新疆 烏魯木齊 830046）

一、引言與文獻綜述

以二氧化碳為主的溫室氣體持續增加導致全球冰川加速消融、海平面上升、旱澇兩極化等極端現象頻發，在愈發嚴峻的全球氣候問題上，促進低碳發展已然成為各界共識（張華和豐超，2021）。中國作為負責任的大國，在應對全球氣候治理方面做出積極探索并在聯合國大會上做出莊嚴承諾，提出努力爭取在2030 年前實現碳達峰與2060 年前實現碳中和的戰略目標，碳減排壓力在我國被提升到前所未有的高度。一直以來，中國政府一直積極應對二氧化碳排放問題，于2011 年率先在全國7 個省市進行碳排放交易試點，不斷出臺相關碳減排政策，深植綠色低碳循環發展理念，并于2021 年7 月16 日正式啟動全國碳排放權線上交易市場。碳交易市場的啟動不僅有利于中國綠色理念的貫徹，還對世界低碳經濟的發展具有重大意義。

自雙碳目標提出以來，碳減排問題已然成為中國社會各界關注的熱點話題，學術界也從多方面展開對碳排放問題的研究。已有學者發現中國碳排放在時間上呈現不斷上升趨勢，在空間上呈現東高西低的階梯特征（劉華軍等，2021；王少劍等，2021）。多數學者通過實證研究發現環境規制的實施（魏琦等，2021）、產業結構轉型升級（王文舉和向其鳳，2014）、創新水平的提高（劉志華和徐軍委，2022；張華和豐超，2021）是降低碳排放的有力手段。

作為一種新經濟形態，數字經濟通過數字產業化和產業數字化等演變模式，不斷提高經濟社會的數字化、網絡化、智能化水平，在有效推動城市高質量發展（趙濤等，2020）和創新能力提升（韓璐等，2021）的同時，表現出一定的環境改善效應。如鄧榮榮與張翱祥（2022）通過實證發現數字經濟降低了各類污染物的排放，其中對二氧化硫的減排作用最明顯。何維達等（2022）發現數字經濟能促進生態效率的提升，有利于實現經濟發展與環境保護的共贏。那么數字經濟能否有效降低碳排放？鄔彩霞和高媛（2020）指出，數字經濟可以通過能源流、資源流兩個渠道顯著驅動低碳產業發展。謝云飛（2022）進一步研究發現數字經濟會通過能源結構的改善和偏技術的進步降低碳排放強度，且對中國中西部地區的表現更明顯。然而，徐維祥等（2022）從空間效應視角發現數字經濟能顯著降低中國東部城市的碳排放，但會增加中部城市碳排放，而對西部城市沒有明顯作用。此外，作為數字經濟的核心組成部分，信息技術的發展會導致電力消費的增長，從而增加本地的碳排放（Salahuddin 和Alam，2015）。

盡管已有研究已經開始探索數字經濟對環境的影響，但仍有不少問題亟待回答：中國各城市數字經濟發展對碳排放的影響如何？兩者之間是否存在非線性關系？這一關系在考慮空間效應下是否依然成立？數字經濟發展對碳排放影響的作用機制如何？為此，本文采用2011-2019 年中國278 個地級市面板數據，運用不同計量模型對數字經濟發展對碳排放的影響進行深入研究，并以綜合衡量城市創新水平的創新效率作為中介變量，考察數字經濟發展影響碳排放的傳導機制。

二、理論分析與研究假設

（一）數字經濟與碳排放

主要依托于數字技術，從多方面形成了數字經濟的碳減排效應。首先，從宏觀治理層面看，在數字技術的加持下，政府可以更好地了解能源市場動向和價格變動趨勢，通過定價和交叉補貼等方式控制能源供應總量（Bhattacharya 等，2015），同時，政府還可以通過碳排放權交易市場的數字化運營，更好控制能源使用總量，從而有效控制碳排放總量；其次，從中觀產業結構看，數字技術的滲透全面推動了產業結構優化升級，使得生產要素從低效率部門向高效率部門轉移，資源配置效率得到提高，最終促進了能源效率的提升和碳排放的降低（蘇科和周超，2021）；最后，從微觀企業層面看，數字技術的應用不僅可以優化企業碳排放的末端治理技術，還可以通過精準掌握能源流數據，做到對能源數據的實時收集、監測、傳遞和分析，引導能源要素實現高效率配置（鄔彩霞和高媛，2020），且在數字金融的支持下降低企業融資約束和緩解資源錯配，進而提高能源利用效率，促進綠色全要素生產率的提升（汪克亮和趙斌，2021；惠獻波，2021），實現碳減排。另外，從能源節約視角看，數字經濟打破了地區界限，突破了時間約束，加快了要素的流動和生產，節約了生產生活中因空間和時間因素產生的能源消耗，從而降低了能源損耗率，促進能源利用效率的提升，從而抑制碳排放。

然而，數字經濟并非只有單純的降碳效應，還存在一定的“綠色盲區”，對環境產生負外部性作用，導致碳排放量增加。這種影響主要表現在兩方面：一是隨著數字技術廣泛運用到采礦業，加大了對稀有金屬和礦產的開采規模，造成資源的過度消耗并衍生出負面的環境問題。二是以電信業、軟件和信息技術服務業、互聯網業等為主要行業發展的數字經濟，電力密集程度高，占全球發電量的10%（Walsh，2013），在數字產業化的過程中，需要消耗大量的電力資源，而我國目前煤電比例較高，電力消費上升意味著增加了煤炭消費，從而加大碳排放的產生（蔣金荷，2020）。Li 等（2021）進一步指出，數字經濟帶來的技術進步，會使企業在經濟發展初期重置生產設備，通過加大對資源的開采和能源的消耗而增加產量，從而促使碳排放量增加，當經濟發展到更高水平時，企業產出穩定，數字化技術和規模降低了污染治理成本，從而減少二氧化碳的排放，體現出數字經濟對碳排放的非線性影響。

據此，提出假設一：數字經濟發展對碳排放的影響具有先促進再抑制的倒U 型非線性關系。

（二）數字經濟、創新效率與碳排放

Miller 和Wilsdon（2001）指出，數字經濟代表著技術革命，是技術創新的決定性因素。數字經濟的發展讓數字化基礎設施不斷完善，搜索引擎、云儲存等數字技術的廣泛應用能讓企業、高校等創新主體信息的獲取和管理更加容易，降低了對外部知識的搜尋和管理成本，在前人的基礎上加速對知識的積累，從而提高創新效率（武可棟和閻世平，2021）。此外，數字經濟打破了信息流動的壁壘，不僅能夠使創新主體之間對知識的交換更加及時，優化研發團隊管理效率，還能使創新主體充分捕捉市場對產品和服務的反饋，了解市場對新產品的研發需求，推動創新效率的提升（安孟和張誠，2021）。

創新效率更多反映生產要素從投入到產出的動態轉換過程，前期的要素投入往往要經歷一定的量變積累，才能達到質變的產出，這中間存在一定的滯后效應。殷寶慶等（2018）認為，綠色技術創新需要大量的人力資本與物質資本投入，且難以在當期顯著提升企業生產率。在前期，數字經濟發展會促使高校、企業等研發機構增加對數字經濟基礎產品的研發，產生對相應的數字人才和資金等創新要素的大量需求，推動創新要素的快速投入。在創新投入增加的比例大于創新產出增加比例的情況下，創新效率則會呈現降低趨勢，而當投入達到一定水平，數字經濟則會引起產出的快速擴張，此時創新效率則會轉降為升，整體創新效率將會得到顯著提高（夏杰長等，2021）。因此，數字經濟發展對創新效率的影響不是簡單的線性關系，而是表現出前期下降后期上升的非線性影響。

據此，提出假設二：數字經濟發展對創新效率產生先抑制再促進的U 型的非線性影響。

數字經濟通過數字技術應用滲透的方式對創新效率產生重要影響，創新效率的提升能夠驅動綠色環保技術的發展，環保材料、循環利用技術和污染控制設備等的使用能提高企業化石能源的利用效率和對碳排放的監控力度，從而抑制碳排放的增長。創新效率的提高還能緩解新能源儲存不足和電力消納等技術問題，通過技術的改進來增加對新能源的收集，達到優化我國能源結構、降低碳排放的目的（劉仁厚等，2021）。此外，創新效率的提升有助于推動綠色技術的市場擴散，增加綠色技術的市場需求，從而促進高新技術產業的形成，在產業結構不斷轉型升級的過程中逐步淘汰高能耗、高污染的企業，從而降低碳排放（張翼，2020）。

據此，提出假設三：數字經濟發展會通過創新效率對碳排放水平產生間接影響。

三、研究設計

（一）模型設定

1.靜態面板模型

基于上述理論分析，本文首先建立普通面板基準回歸模型，對數字經濟發展對碳排放的影響進行實證分析。考慮到不同量綱的數據波動較大，本文對部分變量取對數處理，基準模型設置如下：

其中：ceit代表第i個城市第t年的二氧化碳排放量；digeit和sdigeit分別是數字經濟指數及其平方項；lnincomit代表地區居民富裕程度；popuit代表人口規模；pollit衡量環境污染狀況；penerit是人均能源消耗量；goverit表示當地政府支持情況；μi、σt、εit分別是個體和時間效應以及隨機干擾項。

2.中介模型

基于前文分析，數字經濟發展會通過影響創新效率進而影響碳排放量，且數字經濟發展對創新效率的影響具有非線性關系。為驗證上述推論，本文采用中介模型進行驗證，具體借鑒溫忠麟和葉寶娟（2014）做法，采用分布回歸法。首先，基于數字經濟發展對碳排放的影響進行回歸估計：

其次，以創新效率為被解釋變量，數字經濟為核心解釋變量進行回歸估計：

最后，以碳排放作為被解釋變量，數字經濟為核心解釋變量，創新效率為中介變量，放入同一模型進行回歸估計：

3.空間面板模型

已有研究表明，隨著時間的推移，地區之間的壁壘正逐漸減小，要素與產品在相鄰城市、縣區之間的流動更加自由，這使得各地區間空間溢出效應的作用尺度逐漸縮小。此外，大多數經濟地理學研究認為，城市是區域發展的核心，也是碳排放的主要來源地。二氧化碳等氣體排放物不僅影響本地的生態環境，還會波及臨近地區，在空間上存在明顯的相關性。基于此，本文建立空間視角下數字經濟發展對碳排放影響的計量模型：

其中：Wij是空間面板權重矩陣，本文主要采用0-1 矩陣；ρ和δ分別為空間自回歸系數和空間自相關系數；Xit為第i個城市第t年的各解釋變量，包括核心解釋變量數字經濟的一次項與二次項以及其他控制變量；εit是空間誤差自相關項，是隨機干擾項。一般常見的空間計量模型有SAR（空間自回歸模型）、SEM（空間誤差模型）、SDM（空間杜賓模型），當式（5）中ρ不為零且θ和δ為零，則模型為SAR；當ρ和θ為零且δ不為零，則模型為SEM；當ρ和θ不為零且δ為零，則模型為SDM。

（二）變量選取

被解釋變量：二氧化碳排放量（ce）。目前，對二氧化碳的測度方法主要有兩類，一是部門核算法，二是表觀排量核算法。本文借鑒Shan 等（2018）的方法，運用相對容易獲得的能源供應統計數據，自上而下計算化石燃料燃燒（原煤、原油和天然氣）產生的二氧化碳排放數據，具體做法是用燃料的表觀消耗量乘以相應的碳轉換因子，并減去非能量燃料的表觀消耗量的使用和損失部分。

核心解釋變量：數字經濟指數（dige）。近年來，隨著數字經濟的快速發展，通過選取相關指標量化數字經濟的發展狀況已成為普遍做法，但受限于量化指標數據的獲取情況，已有研究多從省級層面展開且未形成權威統一的測度體系，從地級市層面展開的相關研究較少。有鑒于此，本文借鑒趙濤等（2020）做法計算數字經濟指數，具體指標選取地級市百人中互聯網寬帶接入用戶數、計算機服務和軟件業從業人員占城鎮單位從業人員比重、人均電信業務總量、百人中移動電話用戶數和數字普惠金融指數（郭峰等，2020），并用熵權法求得綜合指數值。

控制變量：考慮到影響二氧化碳排放的因素較多，本文借鑒已有研究成果（陳占明等，2018；田建國和王玉海，2018），引入相關變量以控制數字經濟對碳排放影響結果的準確性，包括居民富裕水平（incom）、人口規模（popu）、環境污染（poll）、能源消耗（pener）、政府支持（gover）。其中居民富裕水平采用城鎮居民人均收入衡量，一個區域的富裕程度代表著該區域的經濟發展程度及收入水平，會對該區域的能源消費水平和二氧化碳排放量產生重要影響（陳占明等，2018）。人口規模用城市人口總數衡量，已有研究表明，家庭部門對二氧化碳排放量的貢獻不容小覷，人口規模是體現家庭層面通過消耗能源而增加碳排放量的重要方面。現有研究普遍采用工業廢水排放量、工業二氧化硫排放量和工業固體廢物排放量衡量一個地區的環境污染狀況，但由于地級市層面的固體廢物排放量數據缺失，因此選擇各地市的工業廢水排放量、工業二氧化硫排放量和工業煙（粉）塵排放量，借鑒董直慶和王輝（2019）做法，計算出環境污染指數。我國是煤炭消費大國，也是碳排放的主要來源之一，能源消費結構中煤炭占據主要地位，而火力發電是消耗煤炭的主要途徑之一，選取地級市人均用電消耗量衡量能源消耗情況。地方政府干預行為對我國經濟發展、產業結構調整和技術創新水平產生重要影響，隨著我國“30·60”雙碳目標的提出，政府行為在推進我國低碳減排中發揮著更加不可忽視的作用，本文用一般公共預算支出占GDP 比重衡量政府對碳減排的支持程度。

中介變量：創新效率（ie）。借鑒已有研究并考慮到數據的獲得情況，本文選取一般公共預算支出中財政科學技術支出作為創新的資本投入（蔣仁愛等，2021），選取城鎮科學研究和技術服務業從業人數作為創新的人力投入，選取專利申請授權數作為創新產出，運用DEASBM 模型測算各地市創新效率。

（三）數據來源

考慮數據的可得性和完整性，本文最終選取278 個地級市作為研究對象，時間跨度為2011 年至2019 年，文中所選指標數據除個別指標如數字普惠金融指數外，其余數據主要來源于2012-2020《中國城市統計年鑒》、各地級市統計年鑒等，部分缺失值采用線性插補法和臨近年均值法補齊。所用變量的描述性統計如表1 所示。

表1 變量描述性統計

四、實證分析

（一）靜態面板模型下數字經濟對碳排放的影響

1.基準回歸分析

如表2 所示，本文先將數字經濟一次項納入回歸模型，在控制其他可能影響碳排放水平的變量以及時間和個體效應后，回歸結果如表2 第（1）列所示，發現數字經濟對碳排放的回歸系數為-0.0197，但未通過顯著性檢驗，說明數字經濟對碳排放可能存在一定的負向影響效應，但這一線性關系并未在統計模型上得到證實。接著，將數字經濟二次項加入模型，考察數字經濟是否以非線性的關系影響碳排放，回歸結果如表2 第（2）列所示，數字經濟一次項系數為正，且通過5%的顯著性檢驗，數字經濟二次項系數為負，且通過1%的顯著性檢驗，說明數字經濟與碳排放水平存在顯著的倒U 型關系。證實了前文假設1，即在數字經濟發展初期，由于數字經濟發展較為不成熟，在數字產業化和產業數字化的過程中，數字經濟引致的高投入、高成本提升了生產生活中碳排放水平，而且在倒逼企業進行綠色技術研發的同時，也進一步形成能耗投入的疊加影響，導致前期碳排放水平只升不降。當數字經濟發展不斷成熟，前期資本、人力、技術投入逐漸產生正向凈效應，能源利用效率得到提高，產業結構得到優化升級，企業生產成本降低且技術研發效率提升，從而顯著降低碳排放水平。

表2 模型回歸結果

其余控制變量中，居民富裕水平系數為正，說明居民富裕水平越高將會導致更多碳排放，因為當居民收入水平提高，對個人和家庭而言，會加大對生活能源的使用量，而且家庭富裕程度的提升會進一步增大消費需求量，從而引發企業的供給水平提升，導致碳排放量水平的上升，但這一結果并未通過顯著性檢驗，說明作用不明顯。人口規模回歸系數為正，且在5%顯著性水平下顯著，說明人口規模每增加1%，會促進碳排放量增加0.04%，除了人自身呼出的二氧化碳排放量外，人口規模越大會加大生活圈的集聚，增大了人們活動范圍和強度，如對交通運輸工具的大規模使用和生活垃圾的產出，都會增加碳排放產出。環境污染回歸系數為正，且在10%顯著性水平下顯著，說明環境污染能顯著增加碳排放量，這一結果與現實相符。能源消耗回歸系數為正，且在1%顯著性水平下顯著，說明能源消耗越高越能增加碳排放量，這一結果與現實相符。政府支持回歸系數為負，且在5%顯著性水平下顯著，說明政府支持能有效抑制碳排放量，可能的原因在于，在“30·60”雙碳目標約束下，政府支持也表現出明顯的碳減排傾向，與現實符合。

2.中介機制分析

利用前文中介模型對創新效率是否在數字經濟和碳排放之間存在中介效應進行檢驗，檢驗結果如表2 第（3）、（4）列所示。從第（3）列可以看出，在對時間和個體效應進行固定后，數字經濟對創新效率的影響在10%顯著性水平下顯著，其中數字經濟一次項系數顯著為負、二次項系數顯著為正，說明數字經濟對創新效率具有先抑制后促進的U 型關系，假設2 得到驗證。數字經濟在發展前期需要大量的資源來進行信息化基礎設施的建設和數字化人才的培養，大量的創新投入導致創新產出結構的失衡，從而不利于創新效率的提升，而當數字經濟發展到一定程度后，數字技術應用領域不斷成熟，數字經濟帶來的規模效應、網絡效應顯著提升，加快了創新投入向創新產出轉變的步伐，而在新型數字技術的加持下，付出的創新成本被其產生的收益沖銷，從而有力促進創新效率的提高。將創新效率與數字經濟統一納入模型中考察對碳排放的影響，回歸結果如表2 第（4）列所示，數字經濟對碳排放的影響依然為顯著的倒U 型關系，創新效率對碳排放影響的回歸系數在5%顯著性水平下顯著為負，且在加入中介變量創新效率后，數字經濟對碳排放的回歸系數不管是一次項還是二次項均有所下降，說明創新效率發揮了部分中介作用，即數字經濟會通過影響創新效率而間接對碳排放產生抑制作用。另外，創新效率回歸系數在5%顯著性水平下顯著為負，說明創新效率對碳排放具有明顯的抑制作用，隨著創新效率的提高，碳排放水平會逐漸降低，假設3 得到驗證。

進一步地，從數字經濟發展對碳排放產生抑制作用的拐點來看，在未加入創新效率之前拐點為0.2759，即當數字經濟水平大于0.2759 時，便對碳排放產生抑制作用，當前數字經濟平均水平為0.1343，遠小于拐點值0.2759，在總體樣本2502 中僅有76 個樣本越過拐點發揮數字經濟的碳減排效應，說明目前我國數字經濟主要分布在倒U 型的左側，對碳排放主要表現為促增作用。在加入創新效率之后拐點值變為0.2700，前者大于后者，且越過拐點的樣本增加為90 個，說明在創新效率提升的作用下，數字經濟會提前發揮對碳排放的抑制作用。另外，數字經濟對創新效率的拐點為0.4296，遠高于平均水平0.1343，且越過拐點對創新效率產生促進作用的樣本僅為21 個，說明目前數字經濟產生的技術溢出效應還相對處于前期階段，對創新效率的積極影響還有待進一步激發，也使得數字經濟通過提升創新效率而降低碳排放的作用較為有限。可能的原因在于，目前我國數字化相關配套措施還處于建設推廣階段，加之我國地區間不平衡不充分發展的現實矛盾，使得我國整體數字經濟發展水平較低，同時，數字技術的發展帶動了各行各業的技術創新投入，滯后效應的存在進一步導致創新效率不升反降，從而造成數字經濟發展的降碳效應不管是直接渠道還是間接渠道均表現不足。

（二）數字經濟發展對碳排放影響的空間效應

1.空間相關性檢驗

考察數字經濟發展對碳排放影響的空間效應，首先要對碳排放是否在空間上存在相關性進行檢驗，用Moran's I 指數進行檢驗。檢驗結果顯示，在樣本研究期間，二氧化碳排放量的莫蘭值為0.377，且通過1%的顯著性檢驗，說明二氧化碳排放在空間上存在顯著的正相關性。

進一步用莫蘭散點圖考察樣本在空間上碳排放的相對地理分布。結果如圖1 所示。可以看出，在研究期間，我國地級市碳排放在空間上主要分布在第一和第三象限，呈現明顯的高高-低低集聚狀態，說明碳排放水平較高（低）的城市被同樣較高（低）碳排放水平的其他城市包圍。綜合來看，莫蘭指數值和散點圖均說明了我國城市碳排放存在明顯的空間正相關性，有必要采用空間計量模型進行實證分析。

圖1 樣本期間碳排放的Moran’s I 散點圖

2.空間計量模型

為選擇較為合適的空間計量模型，本文首先對回歸結果進行LM 檢驗（結果見表3），檢驗結果顯示LM-lag、Robust LM-lag、LM-error 和Robust LM-error 四項指標均在1%的顯著性水平下顯著，說明本文實證選擇空間模型的正確性。LR 檢驗的結果表明，空間杜賓模型更優。進一步考慮到地區差異和時間因素可能帶來的估計偏誤，以及分析特定個體的固定效應模型的適用性，本文采用雙向固定效應空間杜賓模型進行估計。

表3 基于OLS 估計結果的殘差空間相關性檢驗

3.空間效應的實證分析

空間杜賓模型的實證結果如表4 所示。從第（1）列可知，數字經濟一次項系數為正，二次項系數為負，且均在1%顯著性水平下顯著，數字經濟對碳排放的影響呈現倒U 型，與前文實證結果一致。第（2）列表明，數字經濟的空間滯后項回歸系數符合非線性的倒U 型特征，但未通過顯著性檢驗，說明在目前我國城市間數字經濟的發展對于周圍城市碳排放影響不明顯。表4 第（3）-（5）列分別反映了各解釋變量對碳排放影響的空間效應，包括直接效應、間接效應和總效應。可以看出，數字經濟一次項及其平方項的直接效應和總效應在1%顯著性水平下顯著，說明數字經濟在本地區以及總體上對碳排放的影響明顯具有非線性關系，而數字經濟對碳排放影響的間接效應僅有二次項通過10%的顯著性檢驗，說明相較于直接效應，數字經濟對碳排放產生的空間溢出效應不明顯，即相鄰地區數字經濟對本地區碳排放產生的非線性影響較小。其余變量中，除了政府支持外均表現出顯著的直接效應，但在間接效應中僅有居民富裕水平表現出負向溢出效應，說明了本地居民水平的提升有利于周圍城市碳排放水平的降低，可能的原因在于，經濟發展水平較高的地區會對周圍地區產生一定的虹吸效應，表現出對周圍地區資源的掠奪，本地經濟總量越大，能源消耗越多，從而造成本地碳排放水平的增加，周圍城市碳排放水平降低。另外，能源消耗間接效應不顯著，直接和總效應顯著為正，說明相對于對臨近城市產生的碳排放增加量，消耗能源對本地碳排放的增加更加明顯。

表4 空間杜賓模型回歸結果

（三）穩健性檢驗

為進一步檢驗數字經濟對碳排放的非線性影響，本文通過換因變量、選取工具變量、換空間權重矩陣的方法進行穩健性檢驗。

第一，替換因變量。借鑒邵帥等（2019）做法，采用人均碳排放對被解釋變量進行替換，從而進一步觀察替換變量后的結論是否仍然成立，表5 的模型（1）為數字經濟對人均碳排放影響的回歸結果，與前文結論基本一致，證明結果的穩健性。

第二，替換數字經濟指數。趙濤等（2020）運用主成分分析法對數字經濟指標進行賦權求值，本文則運用熵權法計算數字經濟指數，主要原因在于通過對兩種方法計算的數字經濟指數分別進行實證回歸，發現在兩種賦權法下數字經濟對碳排放的倒U 型關系均成立，但熵權法的結果更優，因此，本文將主成分分析法計算的數字經濟指數回歸結果作為穩健性檢驗呈現，見表5 模型（2）。

第三，內生性檢驗。借鑒趙濤等（2020）、黃群慧等（2019）、Nunn 和Qian（2014）做法，運用1984 年各地級市每萬人電話機數與前一年全國互聯網用戶數作交乘項，構成與本文研究相匹配的面板數據，作為數字經濟指數的工具變量。主要原理有兩點，一是1984 年的電話機數代表了該地區的歷史通信設施，作為以互聯網等通信技術為發展依托的數字經濟，傳統基礎條件會對數字經濟的后續發展產生重要影響；二是隨著通信手段越來越發達，人們對固定電話的使用頻率越來越低，產生的二氧化碳排量也可以忽略不計，滿足選取工具變量的排他性要求。運用兩階段最小二乘法進行實證檢驗，結果如表5 模型（3）所示，可以看出，數字經濟一次項及二次項均在5%的顯著性水平下顯著，且結果符合倒U 型的非線性關系，證明前述結果的穩健性。

第四，替換空間權重矩陣。由于不同的權重矩陣可能會對回歸結果產生不同的影響，因此本文將0-1 矩陣替換為地理距離矩陣來考察數字經濟對碳排放的空間效應，表5 模型（4）為變換空間矩陣后的回歸結果，各解釋變量的符號與顯著性與前文總體上一致，且顯著性更強，進一步證實本文結果穩健。

表5 穩健性回歸結果

五、研究結論與啟示

本文基于“30·60”雙碳目標背景研究數字經濟對碳排放的影響，得出以下結論：第一，數字經濟與碳排放水平存在顯著的倒U 型關系，即數字經濟在發展初期會使碳排放量增加，在發展的成熟期便會產生抑制碳排放的作用。第二，數字經濟與創新效率具有U 型的非線性關系，在數字經濟發展前期引致創新投入迅速增多，在資源要素配置不合理的基礎上進一步加劇創新投入與產出的不匹配性，進而表現出對創新效率的抑制作用；當數字技術發展不斷成熟會加速創新投入向創新產出轉化，進而表現出對創新效率的促進作用。第三，數字經濟對碳排放的影響機制存在直接和間接兩種方式，一方面數字經濟通過數字要素性質和數字技術對碳排放水平產生直接影響；另一方面，數字經濟能夠通過影響創新效率對碳排放量產生間接作用，且在創新效率的作用下，數字經濟會提前發揮出對碳排放的抑制作用。第四，空間杜賓模型的回歸結果顯示，在加入空間因素后數字經濟對碳排放產生倒U 型的非線性影響依然成立，且相對于數字經濟產生的溢出效應，數字經濟對本地碳排放的直接效應更加明顯。基于以上研究結論，提出如下啟示：

第一，提高數字經濟發展速度和質量。首先要加快數字經濟發展速度，數字經濟是以數字平臺為基礎而產生廣泛的規模效應和范圍經濟，要加大承載數字技術和平臺的新型基礎設施建設力度，如5G 網絡基站、大數據中心、區塊鏈服務、人工智能等，全面推動經濟數字化轉型。其次，考慮到數字經濟具有一定的能源消耗特性，在大力發展數字經濟的同時要避免粗放式增長，注重對節能減排技術的研制與運用普及，提高企業及工作人員節能意識和能源使用效率，促進數字經濟內涵式增長。最后，數字人才是提高數字經濟發展速度和質量的關鍵，從長遠來看，數字技術的學習周期較長，門檻較高，因此要重視數字經濟相關的教育領域，通過開設相關專業，培養全民數字意識，為我國未來數字經濟可持續發展輸入更多的人才。

第二，重視創新效率的發展。研究發現創新效率不僅會抑制碳排放，而且在創新效率的加持下，數字經濟會提前產生對碳排放的抑制作用，但目前該作用較為有限。這一方面在于目前我國數字經濟發展水平較低，另一方面在于創新投入與產出的不匹配性。因此，在促進數字經濟高質量發展的同時，更要重視創新效率的發展。要科學規劃，合理高效配置，保障創新投入積極并適度、綠色且環保，降低投入產出損耗，從而確保創新產出的高效和高質。同時，政府層面要發揮好管理、監督、調控的職能，提高政府部門的宏觀管控效率，構建并完善創新效率轉化機制，健全與企業間的溝通協作機制，形成宏觀治理、微觀落實的高效運作體系。