數字經濟對林業碳匯增量影響及路徑研究

全陽 溫艷萍 崔希洙

摘要：林業碳匯作為減排的有效手段之一，對如期實現“雙碳”目標具有重大意義。文章利用2011-2021年我國30個省份數據，使用有調節的中介效應模型、雙向固定效應模型和系統廣義矩估計法研究數字經濟對林業碳匯增量的影響及實現路徑。結果表明：（1）數字經濟對林業碳匯增量產生正向影響，促進效應為0.85，異質性分析發現中部地區的促進效應大于東部和西部地區。（2）綠色金融在數字經濟和林業碳匯增量之間具有中介效應，具體表現為數字經濟正向影響綠色金融，綠色金融顯著提升林業碳匯增量。（3）環境規制對林業碳匯增量具有負向調節作用，抑制效應為2.64。（4）環境規制對綠色金融的中介效應及其后半段路徑產生負向調節作用，抑制效應分別為2.99和2.23，環境規制對綠色金融中介過程的前半段路徑不產生調節作用。根據研究結論，文章提出政策啟示：（1）促進數字技術普及和產業數字化轉型，優化數字經濟發展環境。（2）拓展綠色金融和綠色保險等金融商品，解決林業碳匯項目融資問題。（3）因地制宜實施適當的環境規制強度，提高環境規制效率。文章探討數字經濟和環境規制對林業碳匯增量的影響，為林業碳匯影響因素研究提供了新視角。

關鍵詞：林業碳匯增量；數字經濟；綠色金融；環境規制；有調節的中介效應模型

中圖分類號：F326.2；X196；F49文獻標識碼：A文章編號：1673-338X（2023）09-023-16

Study on the Influence and Path of Digital Economy on Forestry Carbon Sink Increment

——Based on the Moderated Mediation Model

QUAN Yang1WEN Yanping1CUI Xizhu2

（1 School of Economics and Management， Shanghai Ocean University， Shanghai 201306； 2 Forest Inventory and Planning Institution of Jilin Province， Changchun 130022）

Abstract：As one of the effective means of emission reduction， forestry carbon sink was of great significance to achieve the double carbon target as scheduled. This paper used the data of 30 provinces in China from 2011 to 2021， by using the moderated mediation model， bidirectional fixed effect model and systematic generalized moment estimation method to study the influence and realization path. The results showed that：（1）Digital economy had a positive impact on forestry carbon sink increment， with the promotion utility of 0.85. The heterogeneity analysis showed that the promotion effect of the central region was greater than that of the eastern and western regions.（2）Green finance had a mediation effect between digital economy and forestry carbon sink increment， which was embodied that digital economy positively effected green finance， and green finance significantly improved forestry carbon sink increment.（3）Environmental regulation had a negative regulatory effect on forestry carbon sink increment， with an inhibitory effect of 2.64.（4）Environmental regulation had a negative regulatory effect on the mediation effect of green finance and the second half of the path， with the inhibitory effects of 2.99 and 2.23， respectively. Environmental regulation did not have a regulatory effect on the path of the first half of the mediation process of green finance. According to the research conclusion， the paper put forward some policy implications：（1）Promoting the popularization of digital technology and the digital transformation of industry， and optimizing the development environment of digital economy.（2）Expanding green finance， green insurance and other financial commodities to solve the financing problems of forestry carbon sink projects.（3）Implementing the appropriate intensity of environmental regulation according to local conditions and improving the efficiency of environmental regulation. This paper discussed the influence of digital economy and environmental regulation on forestry carbon sink increment， which provided a new perspective for the research on the influencing factors of forestry carbon sink.

Key Words：forestry carbon sink increment；digital economy；green finance；environmental regulation；moderated mediation model

1引言

2020年9月22日，習近平主席在第七十五屆聯合國大會一般性辯論上發表重要講話，承諾“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和”。黨的二十大報告指出“必須牢固樹立和踐行綠水青山就是金山銀山的理念，站在人與自然和諧共生的高度謀劃發展。”在綠色發展理念下，實現“雙碳”目標是一場平衡經濟發展與生態保護的變革。我國森林面積遼闊，相比于海洋碳匯、耕地碳匯和草原碳匯，林業碳匯是實現“雙碳”目標的重要途徑和重要資源。為如期實現“碳達峰”和“碳中和”目標，我國出臺了環境保護支持政策和法律法規，各省份也陸續開展林業碳匯項目，林業增匯取得明顯成效。但在期望時間內有效提高林業碳匯增量仍面臨兩個問題：一是如何解決森林保護和產業發展之間的矛盾，繼續擴大森林面積；二是林業碳匯項目開發與經營過程中存在融資難問題。因此，僅依靠政府環境保護政策和增加財政資金投入來提升林業碳匯能力并非長久之計，亟需金融機構等社會資本流向綠色領域。

數字經濟是指將數字化知識和信息作為關鍵生產要素，使用現代信息網絡的一系列數字產業活動，具有快速獲取和傳播信息、促進知識技術溢出和擴散、降低成本以及提高生產效率等功能，能有效緩解林業碳匯增長難題。一方面，傳統產業數字化轉型有利于化解產業發展與森林保護之間的矛盾；另一方面，金融企業運用數字技術開展經營活動能夠有效降低風險和融資門檻，為企業開展和經營林業碳匯項目提供資金支持。綜上可知，數字經濟能夠在政府運用環境規制手段促進林業碳匯增量提升的背景下，破解林業碳匯增長難題。因此，研究數字經濟對林業碳匯增量的影響及路徑有助于明確數字產業發展在實現“雙碳”目標過程中的作用，并探索提升林業碳匯能力的可行路徑。鑒于此，本文首先使用雙向固定效應模型研究數字經濟對林業碳匯增量的影響；其次，構建有調節的中介效應模型（Moderated Mediation Model， MMM），探究數字經濟是否通過提高綠色金融普及程度影響林業碳匯增量；最后，分析環境規制對數字經濟和林業碳匯增量之間關系的調節效應，并探討環境規制對綠色金融中介效應的調節。考慮到內生性問題，本文使用替換變量和系統廣義矩估計（System Generalized Method of Moments， SGMM）方法進行穩健性檢驗，以期為實現“雙碳”目標提供參考。

本文可能的邊際貢獻在于：第一，目前較多研究集中在環境規制對綠色發展的直接影響，本文以環境規制作為調節變量，在同一框架內分析數字經濟、環境規制對林業碳匯增量的影響，彌補了現有研究的空白，為林業碳匯增量影響因素及路徑研究提供新視角。第二，為厘清數字經濟影響林業碳匯增量的路徑，以及驗證環境規制與該路徑是否具有關聯性，本文將其一同納入有調節的中介效應模型，以期為完善政府增匯決策和提升林業碳匯增量提供更為全面的參考。

2文獻回顧與評述

國際上最早于1960年開始研究森林碳匯，有關森林碳匯影響因素研究聚焦于自然領域。Schroeder（1991）使用森林生長模型研究得出森林集約經營對碳儲量產生正向影響的結論。在之后的研究中，學者開始將自然科學和經濟學融合納入森林碳匯分析框架，森林碳匯影響因素研究不斷深化（Golub et al.， 2009；Nepal et al.， 2012）。現階段，數字技術的運用和普及能夠有效改善政府、企業治理模式和治理效能，實現數字經濟與綠色經濟協同發展（錢立華等，2020；胡士華等，2022），最終增加林業碳匯。王巧然（2023）、鄒靜等（2023）運用熵值法和基于松弛變量的測度方法（Slacks-Based Measure， SBM）實證得出數字經濟顯著促進城市群綠色全要素生產率的提升，這有利于發展林業碳匯。有關數字經濟對綠色領域的影響研究成為熱點，學者開始聚焦于數字經濟促進綠色發展的實現路徑。首先，數字經濟通過整合金融資源、重構銀行業風控信息系統以及增強金融服務的普適性來降低金融風險和推動綠色金融高質量發展（Mattes et al.， 2012；陳華等，2022）。綠色金融作為應對環境污染和資源浪費等問題的專項融資服務，能夠通過解決金融錯配問題，為提升綠色全要素生產率提供資金支持（Aristizabal-Ramirez et al.， 2017；張愛玲等，2022），引導企業綠色行為和保護地區森林環境（謝婷婷等，2019；劉強等，2020）。可見，數字經濟能夠通過綠色金融為林業碳匯等環保項目提供資金支持，保障林業碳匯能力持續提升。

環境規制之所以對增加林業碳匯非常重要，是因為森林碳匯是外部性較強的公共品，政府部門能夠通過環境約束政策和強制實施環保法律來約束森林碳匯負外部性問題，保證森林碳匯健康發展（Roh et al.， 2014；Furness et al.， 2015）。當前，學者主要從處罰環境不友好行為、給予環保補貼和公眾參與環保監督三個角度研究環境規制對林業碳匯增量的影響，并探討其對實現“雙碳”目標的作用。環境規制能夠激發企業技術創新，抵消環境規制遵循成本，通過創新補償效應促進綠色發展，最終有利于提高林業碳匯增量（何愛平等，2019；Fang et al.， 2021；戴魁早等，2022）。沈月琴等（2015）通過構建一般均衡模型和編制社會核算矩陣等方法，研究得出建立健全森林碳匯保障制度、出臺相關的碳補貼和碳稅政策以及運用直接管制與市場監管相結合的方式能夠保障森林碳匯發展。宋美喆等（2023）認為，公眾通過監督、投訴、舉報等方式對企業環境破壞行為制造輿論壓力，能夠促進企業綠色發展和環境保護，最終有利于增加林業碳匯。

綜上所述，有關數字經濟對綠色發展和綠色全要素生產率的影響及路徑研究、環境規制對森林碳匯的影響研究，為本文提供了理論支撐和方法借鑒。但仍存在兩方面的不足：第一，現有研究缺乏數字經濟對林業碳匯增量的直接影響和路徑研究；第二，已有文獻大多研究環境規制對林業碳匯的直接影響，將環境規制作為調節變量，在同一框架內分析數字經濟、環境規制對林業碳匯增量影響的文獻不多。因此，本文將環境規制作為調節變量，研究數字經濟對林業碳匯增量的直接影響及實現路徑，并探討環境規制對數字經濟與林業碳匯增量之間關系的直接調節作用，以及對中介變量的間接調節作用。

3理論分析框架與研究方法

首先，基于馬克思主義政治經濟學基本原理，分析數字經濟、環境規制和綠色金融對林業碳匯增量影響的內在機理機制，并構建理論分析框架，據此提出研究假設；其次，采用雙向固定效應模型和有調節的中介效應模型，進一步闡釋本文的研究方法。

3.1理論分析框架

依據馬克思主義政治經濟學基本原理，加速提升林業碳匯增量助力實現碳達峰、碳中和目標，歸根結底是要遵循生產力與生產關系矛盾運動推動生產方式變革的邏輯主線，實現生產方式和生活方式的綠色低碳化轉型。數字經濟伴隨著新一輪科技革命和信息革命，是繼農業革命、工業革命后經歷的第三次重大革命，使人類從物理生態走向數字生態，邁入數字經濟時代。數字經濟之所以能夠增加林業碳匯，助力實現碳達峰、碳中和目標，關鍵在于數字化作為一種先進的現代社會生產力，能夠通過數字科技革命推動傳統生產生活方式向資源節約型、環境友好型生產生活方式轉變。首先，數字生產力以數據生產要素推動生產方式低碳轉型。數字經濟是以數字化知識和信息作為關鍵生產要素的一種新型經濟形態，能夠通過優化生產管理流程來提高綠色生產要素資源的利用效率，同時平臺經濟的發展能夠提高生產要素供需雙方的信息匹配效率，從而降低林草等綠色原材料成本，減少資源浪費，間接促進林業碳匯增量提升（祝合良等，2020；馮子洋等，2023）。其次，數字生產力以數字技術賦能生活方式綠色轉型。在消費方式和綠色觀念方面，電商平臺通過網絡直銷方式壓縮商品經銷中間環節，從而增強消費者綠色消費信任，引導消費者樹立綠色觀念、落實綠色消費，共同助力提升林業碳匯增量（戚聿東等，2022）。在綠色生活方面，截至2021年底，“互聯網+支付寶螞蟻森林”已累計種下3.26億棵樹，種植面積超過26.47萬公頃（張璐等，2023），所增加的森林面積對于加速提升林業碳匯增量產生直接促進作用。

綠色金融作為一種先進生產關系，在受到數字化生產力推動從而走向高質量發展的同時，承擔著“金融”和“綠色”發展的社會責任，應為林業碳匯項目提供資金支持。然而，綠色金融的資本集聚、資源配置和投資消費導向功能需要政府宏觀調控才能達到綠色金融與提升林業碳匯相互協調的目的。與此同時，林業碳匯是一種公共品，需要政府干預來解決公共品外部性導致的市場失靈問題。因此，綠色金融助力提升林業碳匯增量離不開政府環境規制。斯蒂格利茨的政府干預理論認為，政府對微觀經濟主體從公共政策、強制性管制、發揮第三方或社會公眾作用等方面實施環境規制，通過約束經濟主體的環境不友好行為能夠有效解決綠色金融市場失靈和林業碳匯外部性問題。合理的環境規制能夠產生“創新補償”效應，彌補環境規制“遵循成本”，從而實現經濟與環境效益協同發展，加快提升林業碳匯增量（黎文靖等，2016；李青原等，2020）。綜上所述，本文選擇以生產力與生產關系矛盾運動和斯蒂格利茨的政府干預理論作為研究基礎。

3.2研究假設

根據理論分析框架，本文從數字經濟對林業碳匯增量的直接影響、綠色金融的中介作用以及環境規制的調節作用三個方面展開論述，在此基礎上進一步闡釋本文的研究方法和模型構建思路。

3.2.1數字經濟與林業碳匯增量

提升林業碳匯增量和實現“雙碳”目標的本質在于實現經濟、社會、環境三者的有機協調。具體而言，數字經濟發展對林業碳匯增量的影響主要體現在企業數字化轉型、政府環境監管模式的優化和社會公眾環保行為三個方面。第一，從供給端來看，數字經濟通過提高資源利用效率和信息整合效率、企業生產模式綠色轉型、綠色技術進步和產業結構升級來實現企業數字化轉型，進而提高林業碳匯增量。在生產模式層面，數字經濟發展有利于企業構建綠色生產模式（高維龍等，2023），從而提升林業碳匯增量。數字技術可以有效整合企業生產決策中的各類信息資源，緩解數據采集、開發等方面存在的信息碎片化和不對稱問題，克服供應鏈內的生產協作障礙，實現生產過程的綠色、高效率推進（許憲春等，2019），從而有利于資源節約和森林保護，最終提升林業碳匯增量。在綠色技術進步和產業結構升級層面，數字技術對產業和技術創新體系的重構能力，不僅可以推進工業、能源等高排放行業的低碳化、智能化和數字化轉型（聶耀昱等，2022），而且數字經濟賦能下的技術進步更偏向于綠色低碳，可以通過催生新業態和新模式加快淘汰傳統高耗能、高污染等落后產業，化解“金山銀山”與“綠水青山”之間的矛盾，實現生產效率與碳匯效率的雙提升（鈔小靜等，2011；Lyu et al.， 2021）。第二，從消費端來看，數字經濟催生了平臺經濟和移動互聯網支付，有利于增強居民綠色消費信任和公眾綠色行為，從而提升林業碳匯增量。在綠色消費層面，數字經濟能夠促進居民消費結構和消費品質迭代升級，有效提高居民綠色產品需求和低碳意識（馬香品，2020）。互聯網和數字技術的廣泛應用能夠增強低碳發展的需求引致效應（白雪潔等，2021），通過打造綠色消費平臺和移動支付，增強居民綠色消費信任（馮子洋等，2023），最終實現綠色消費和林業碳匯增量提升。在綠色生活方式層面，“互聯網+環保公益”平臺如螞蟻森林，通過線上、線下相結合的環保活動形式，能夠吸引廣大公眾參與植樹等環境保護活動，有利于提高林業碳匯增量。第三，從監管端來看，數字經濟發展能夠實現環境治理從傳統的政府主導型向多元協同式轉變，促使環境治理過程中的數字技術應用和市場公眾多主體參與，有助于提高森林環境信息監測能力（龐瑞芝等，2021），有效預防森林破壞，保護和增加森林資源，從而提高林業碳匯增量。在政府監管上，數字治理模式能夠高效采集、有效整合與全面共享森林環境監測數據，實現對森林生態環境的數字化治理（Bunse et al.， 2011；陳曉紅等，2022；劉慧等，2022）。在社會監管上，數字媒介豐富了獲取森林環境信息的渠道與方式。因此，數字經濟的開放性和實時性滿足了森林環境信息監管的有效性、充分性和及時性，有助于實現森林生態環境保護，提高林業碳匯增量。基于此，本文提出假設H1。

H1：數字經濟正向影響林業碳匯增量。

3.2.2綠色金融的中介效應

數字經濟主要通過提高綠色金融普及程度來促進林業碳匯增量提升。由于林業碳匯產生于森林植被吸收空氣中二氧化碳、釋放氧氣的過程，因而林業碳匯項目具有開發周期較長的特點，且用于林業碳匯項目的森林資源除碳匯收入之外的伐木收入有限，高支出、低收入是開展林業碳匯項目面臨的主要問題。數字經濟能夠降低融資門檻和風險，通過提高綠色金融普及度，助力林業碳匯項目突破融資困境（Demertzis et al.， 2018）。數字經濟能夠誘發鯰魚效應和示范效應，吸引互聯網公司和信息技術企業進入金融行業，為金融服務提供數字技術支持（周雨晴等，2020），從宏觀上加速信息流通效率，改善金融市場信息不對稱與供需不匹配問題，降低綠色金融風險；從微觀上優化綠色金融審批流程，大幅降低金融機構運行成本和融資門檻，規范和保證綠色資金的定向投入，解決林業碳匯項目融資難問題，最終有利于提升林業碳匯增量。基于此，本文提出假設H2。

H2：數字經濟通過綠色金融正向影響林業碳匯增量。

3.2.3環境規制視角下有調節的中介效應

環境規制是政府主導實施強制性約束手段，通過劃定環境標準、下達一系列行政指令嚴懲環境違法行為，以達到節能減排的目標。適當的環境規制能夠激發具備一定資金與技術基礎的企業進行綠色創新和轉型升級（郭凌軍等，2022），從而加速我國數字經濟發展進程，保護地區生態環境，實現經濟效益與環境效益協同發展（黎文靖等，2016；李青原等，2020），助力提高林業碳匯增量。此外，環境規制對綠色金融產生正向影響。政府嚴格的環境治理監管壓力倒逼企業進行綠色技術創新和數字化轉型升級，通過增加污染程度較低企業的產值提高其信貸需求，從而顯著帶動當地銀行業發展（羅知等，2021）。尤其對于金融企業來說，數字化轉型升級能夠發揮“長尾效應”，通過降低融資約束將“長尾群體”納入金融市場，有助于企業突破環境治理成本較高所面臨的資金困境（Demertzis et al.， 2018）。此外，數字技術的運用有利于提高信息傳播效率、降低信貸風險和門檻，從而促進綠色金融助力實現“雙碳”目標。基于此，本文提出假設H3和H4。

H3：環境規制正向調節數字經濟和林業碳匯增量之間的關系。

H4：環境規制正向調節綠色金融在數字經濟和林業碳匯增量之間的中介效應。

3.3研究方法

為分析數字經濟對林業碳匯增量影響的作用機理，本文通過豪斯曼（Hausman）檢驗得出存在內生性問題，通過組內離差法檢驗得出存在個體效應。因此，需要使用雙向固定效應模型解決內生性問題，構建面板數據實證檢驗基礎模型（1），以驗證假設H1。

有調節的中介效應模型是一種同時包含中介變量和調節變量的模型，該模型中解釋變量通過中介變量對被解釋變量產生影響，且中介過程受到調節變量的調節。借鑒溫忠麟等（2014）的研究，為檢驗綠色金融能否在數字經濟和林業碳匯增量之間充當中介要素，采用依次檢驗回歸系數的方法分析中介效應，構建模型（2）和模型（3），以驗證假設H2。

4數據來源與描述性統計

本文選取2011-2021年我國30個省份（不包括西藏自治區和香港、澳門、臺灣地區）的非平衡面板數據，使用Stata 15.0軟件xtbalance命令將非平衡面板數據變為平衡面板數據后，對數據進行描述性統計分析，以提高研究結果的科學性。由于西藏自治區各年度數據缺失嚴重，因此予以剔除。

4.1數據來源

本文數據均來源于2011-2021年各行業統計年鑒以及國家統計局、科技部、中國人民銀行、北京大學等權威機構網站，并通過熵值法計算得出。其中，森林蓄積量、林業固定資產投資和林業系統在崗職工年末人數等數據來源于《中國林業統計年鑒》《中國林業和草原統計年鑒》；數字基礎設施中的硬件設施和軟件設施、數字化產業中的信息傳輸和技術應用以及產業數字化中的服務業各項指標分別來源于國家統計局、《北京大學數字普惠金融指數（2011-2021）》，并運用熵值法進一步計算得出；環境規制、綠色專利授權數量、綠色金融指數各項指標以及產業數字化中的第一產業和智能制造分別來源于《中國生態環境狀況公報》《中國環境狀況公報》《中國科技統計年鑒》《中國能源統計年鑒》《中國金融年鑒》《中國農業統計年鑒》《中國工業統計年鑒》《中國第三產業統計年鑒》。第一產業占地區生產總值比重、五個層次人口數、林業總產值相關數據來源于《中國統計年鑒》和各省份統計年鑒。

4.2變量選取

（1）被解釋變量：林業碳匯（carbsin）。運用蓄積量擴展法計算2011-2021年間我國30個省份林業碳匯增量；數值越大，表明林業碳匯增量越高。

（2）解釋變量：數字經濟發展綜合指數（dig）。關于數字經濟的測度主要有指標體系法和直接采用騰訊研究院發布的數字經濟指數兩種方法。鑒于數字經濟各個維度的表現，參考楊慧梅等（2021）和葛和平等（2021）的研究，本文綜合考慮數字基礎設施、數字化產業和產業數字化三個維度以及數據的可得性，最終采用17個指標作為子維度構建數字經濟指標體系，采用客觀賦權的熵值法進行測度，數字經濟發展綜合指數如表1所示。

（3）中介變量：綠色金融（finance）。數字經濟能夠誘發鯰魚效應和示范效應，提高綠色金融普及度，降低企業融資門檻和風險，助力林業碳匯項目突破融資困境（Demertzis et al.， 2018）。因此，參考舒泰一等（2022）和劉超等（2023）的研究成果，本文采用綠色信貸、綠色保險、綠色債券、綠色基金、綠色權益5個二級評價指標，運用熵值法計算得出綠色金融。綠色金融指數如表2所示。

（4）調節變量：環境規制（envir）。政府主導實施的環境規制是企業治污成本的反映，環境規制強度越大，企業治污成本越高。因此，借鑒范洪敏等（2017）的研究，本文使用工業污染治理完成投資占第二產業增加值比重作為環境規制的代理變量。

（5）控制變量：產業結構（industry）、教育水平（edu）、綠色創新（crea）、林業從業人數（labor）和林業固定資產投資（fixcap）。林業碳匯受經濟、社會和環境等多重因素影響。本文使用第一產業占地區生產總值比重作為產業結構的代理變量，反映某省份第一產業對林業碳匯增量提升的貢獻程度。由于受教育程度高的農戶對林業碳匯的認知程度較高，其參與和開展林業碳匯項目的可能性越大，因而采用年限平均法①測算我國居民受教育程度。綠色創新能夠促進綠色技術進步和產業轉型升級，進而有利于提高林業碳匯增量，使用各年份綠色專利授權數量表示綠色創新能力。由于林業碳匯產生于森林生態系統，提高林業碳匯增量離不開林業從業人員對森林生態系統的維護和投資，因此，使用林業系統在崗職工年末人數衡量林業從業人數，使用永續盤存法（Perpetual Inventory Method， PIM）計算林業固定資產投資存量，作為林業固定資產投資額的代理變量。在穩健性檢驗中，控制變量為產業結構和教育水平。

4.3描述性統計

依據聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change， IPCC）標準，本文采用森林蓄積量擴展法抵消原有采用生物量法和蓄積量法所低估的部分，在生物量轉換因子法的基礎上計算涵蓋森林、疏林、散生木和四旁樹構成的林業總碳匯量，林業碳匯總量為林木生物固碳量、林下植物固碳量和林地固碳量之和，相鄰年份作差計算出林業碳匯增量。

變量描述性統計如表3所示，各省份林業碳匯總量平均數達到90854.01萬噸，最大值省份是最小值省份的768.82倍，說明我國林業碳匯總量較高，各省份差距較大。數字經濟發展綜合指數最大值省份為0.46，最小值省份為0.0086，平均數為0.06，說明我國各省份數字經濟發展水平差距較大，總體水平不高。各省份綠色金融平均數為0.76，標準差為0.07，說明我國綠色金融發展程度整體較高。環境規制標準差為0.0029，說明我國環境規制強度整體不高，各省份差異不大。產業結構、教育程度和技術進步等控制變量標準差較大，說明我國各地區經濟發展不平衡，產業發展重心、基礎設施完善程度以及政策支持力度不同。以福建省為例，截至2023年7月，福建省森林覆蓋率保持全國首位，全省累計完成林業碳匯成交量385萬噸，成交額5745萬元。與此同時，福建省數字經濟規模達2.60萬億元，數字信息企業達5580家，所有鄉鎮和74%以上的行政村實現5G網絡覆蓋。此外，中國農業發展銀行福建省分行向158個綠色項目累計投放綠色貸款174.04億元，項目個數、累計投入金額分別同比增長64.58%、68.22%。上述結果出現的原因在于我國森林資源分布不均和氣候差異，導致中西部地區發展水平差距較大，這與我國現實狀況相符合。

5實證結果及分析

首先，將數據進行對數化處理和歸一化處理，經過多重共線性檢驗，方差膨脹因子（Variance Inflation Factor， VIF）小于5，說明變量之間不存在多重共線性問題。其次，對面板數據直接回歸可能會導致“偽回歸”，因此，本文使用拓展迪基-福勒（Augmented Dickey Fuller，ADF）單位根檢驗方法實證得出變量之間均存在協整關系的檢驗結果，面板數據為平穩、協整的時間序列。

5.1數字經濟對林業碳匯增量的影響回歸檢驗結果和中介效應檢驗結果

數字經濟對林業碳匯增量的影響以及綠色金融中介效應檢驗結果如表4所示。模型（1）和模型（2）為數字經濟對林業碳匯增量的影響，模型（1）僅加入了數字經濟和控制變量，數字經濟在1%的顯著性水平上為正，初步證實數字經濟對提升林業碳匯增量產生正向影響。模型（2）在模型（1）的基礎上加入環境規制調節變量，此時數字經濟系數仍在正方向上保持顯著，進一步驗證了數字經濟顯著促進林業碳匯增長，促進效應為0.85，假設H1成立。這主要是因為數字經濟從供給端、消費端和監管端三個方面促進產業數字化、提高森林環境信息監管效率和公眾綠色行為，能夠有效減少綠地占用和避免不必要的森林破壞，從而實現林業碳匯增長目標。

模型（3）和模型（4）為綠色金融的中介效應檢驗結果。模型（3）為數字經濟對綠色金融的影響模型，數字經濟回歸系數在1%的顯著性水平上為正，說明數字經濟對綠色金融產生正向影響。模型（4）為綠色金融對林業碳匯增量的影響模型，綠色金融系數在5%的顯著性水平上為正，說明綠色金融顯著正向影響林業碳匯增量。綜上所述，數字經濟對綠色金融產生正向影響，綠色金融顯著促進林業碳匯增長，假設H2成立。上述結果表明，金融企業數字化轉型能夠有效降低企業成本、綠色金融風險和融資門檻，為各主體開展和經營林業碳匯項目提供持續的資金支持，這有利于提高林業碳匯增量。此外，綠色金融系數b1×c2等于0.03，與c1同號，說明直接效應和間接效應對總效應不存在遮掩作用，進一步驗證中介效應的穩健性。

5.2環境規制視角下有調節的中介效應檢驗結果

環境規制對綠色金融在數字經濟影響林業碳匯增量的中介過程中發揮怎樣的調節作用，有待于通過層次分析法進行深入探討。環境規制視角下有調節的中介效應檢驗結果如表5所示。

模型（1）表示環境規制對數字經濟和林業碳匯增量之間關系的直接調節，數字經濟系數在1%的顯著性水平上為負，數字經濟與環境規制交互項系數為-2.64，也在1%的顯著性水平上為負，說明環境規制在數字經濟和林業碳匯增量之間具有負向調節作用，即隨著環境規制程度不斷加強，林業碳匯增長反而更加緩慢，假設H3不成立。本文認為可能的原因在于環境規制往往采取“一刀切”的方式，政府行政成本和企業遵循成本較高。一方面，政府需要在排污信息搜索和執法監督方面付出高昂的成本，對企業實施長期動態監管的難度非常大；另一方面，政府下達的各類環境指標使得企業疲于應對，部分企業只滿足于“達標”，進一步提升環境績效的積極性不高，使得森林環境問題得不到有效解決，不利于提高林業碳匯增量。

模型（2）表示環境規制對綠色金融中介效應全過程的調節。由模型（2）中列（1）可知，綠色金融與環境規制的交互項系數在1%的顯著性水平上為負，說明環境規制對綠色金融的中介效應產生負向調節，抑制作用為2.99，H4不成立。列（2）中數字經濟與環境規制的交互項系數不顯著，列（3）中綠色金融系數在1%的顯著性水平上為正，但綠色金融與環境規制的交互項系數在1%的顯著性水平上為負，表明環境規制對“數字經濟→綠色金融→林業碳匯增量”中介過程的前半段路徑不產生調節作用，對后半段路徑產生負向調節作用，抑制作用為2.23。可能的原因在于環境規制效果在不同行業表現出差異化特征，環境規制對輕度污染、輕耗能行業影響較小，甚至因環境治理成本增加而對輕污染、低能耗企業產生負向影響；環境規制對重污染、高耗能行業影響較大，金融行業屬于前者。與此同時，模型（2）中列（3）數字經濟系數和數字經濟與環境規制的交互項系數顯著，說明數字經濟對林業碳匯增量存在殘余效應，即綠色金融在數字經濟與林業碳匯增量之間中介過程的前后路徑以及直接路徑都受到環境規制的調節。

5.3穩健性檢驗

借鑒朱于珂等（2022）的做法，本文主要從替換變量和克服內生性問題兩個方面進行穩健性檢驗。由于林木形成穩定碳匯量需要一定周期，具有滯后性特征，因此，本文引入被解釋變量一階滯后項，檢驗數字經濟對林業碳匯增量的影響，并使用系統廣義矩估計法和替換控制變量的方法解決模型中存在的內生性問題。穩健性檢驗結果與上文基本保持一致，進一步支撐了前文的主要結論。主回歸、中介效應和有調節的中介效應穩健性檢驗結果如表6所示。

5.4異質性分析

由于中國各地區處在數字化的不同階段，森林覆蓋率地區差異較大，數字經濟發展水平和林業碳匯狀況各異，因而參照中國區域規劃標準，使用分組回歸對東部、中部和西部地區分樣本進行異質性分析，結果如表7所示。首先，數字經濟系數分別在10%和1%的顯著性水平上為正，說明在不同地區，數字經濟發展均對提升林業碳匯增量產生促進作用。其中，中部地區的促進效應最大，為3.26；東部地區的促進效應最小，為0.47，可能的原因在于，東部地區數字經濟發展水平較高，但數字產業是一個高耗能產業，數字基礎設施建設、數字硬件產品生產以及和數字技術應用會導致生態環境破壞。此外，數字經濟發展還可能固化能源消費結構，進而產生能源回彈效應，加劇能源消耗和環境污染（Li et al.， 2022），從而抵消一部分林業碳匯。西部地區數字經濟對林業碳匯增量的促進效應為2.15，高于東部地區，可能的原因在于西部地區區域面積遼闊且森林分布較廣，林業碳匯增長基數較大。

6研究結論、討論與政策啟示

本文利用2011-2021年我國30個省份數據，基于雙向固定效應模型和有調節的中介效應模型，探討數字經濟對林業碳匯增量的影響及實現路徑，研究環境規制的調節效應，得出相關研究結論，并據此討論后提出政策啟示。

6.1研究結論

根據實證檢驗結果，本文解析了數字經濟對林業碳匯增量的影響及實現路徑，以及環境規制調節效應的作用機理，得出四點研究結論。

第一，數字經濟對林業碳匯增量具有正向影響，數字經濟能夠促進林業碳匯增長，促進效應為0.85。采用系統廣義矩估計法和替換控制變量的方法進行穩健性檢驗后，該結論仍然成立。區域異質性分析結果表明，我國東部、中部和西部地區數字經濟發展對提升林業碳匯增量均產生促進作用，促進效應分別為0.47、3.26和2.15，中部地區的促進效應大于東部和西部地區。

第二，綠色金融在數字經濟和林業碳匯增量之間存在中介效應，中介效應為0.46，即數字經濟可以通過提高綠色金融普及程度進而提升林業碳匯增量。具體來說，數字經濟對綠色金融產生正向影響，綠色金融顯著促進林業碳匯增長。

第三，環境規制在數字經濟與林業碳匯增量之間產生負向調節作用，抑制效應為2.64，即較高的環境規制強度會延緩數字經濟對林業碳匯增量的促進作用。

第四，環境規制對綠色金融在數字經濟和林業碳匯增量之間的中介效應產生負向調節作用，抑制效應為2.99。環境規制對“數字經濟→綠色金融→林業碳匯增量”中介過程的前半段路徑不產生調節作用，對后半段路徑產生負向調節作用，抑制效應為2.23。

6.2討論

本文參考前人的理論及實證研究，在研究結論、研究路徑以及研究方法上有相應的創新和擴展，據此從學術性貢獻和局限性兩個方面展開討論。

第一，數字經濟對林業碳匯增量產生正向影響，這與宋美喆等（2023）、鄒靜等（2023）和王巧然（2023）的觀點類似。王巧然（2023）認為數字經濟顯著促進城市群綠色全要素生產率的提升，市場化程度是重要傳導機制；鄒靜等（2023）則認為數字經濟對綠色全要素生產率的影響主要通過產業結構轉型升級和緩解要素配置扭曲來實現。本文認為數字經濟能夠正向促進綠色發展，提升林業碳匯增量，實現路徑為綠色金融。宋美喆等（2023）將數字經濟作為調節變量，實證得出環境規制推動經濟綠色高質量發展的主要渠道是推動綠色技術創新。本文則認為環境規制僅能在短期內發揮調控作用，并非提升林業碳匯增量的長久之計。因此，在數字經濟發展背景下，本文將環境規制作為調節變量，從空間異質性視角研究數字經濟對林業碳匯增量的直接影響。

第二，環境規制對林業碳匯增量產生負向影響，這與杜龍政等（2019）和李青原等（2020）的觀點不同。李青原等（2020）認為政府實施恰當的環境規制能夠在一定程度上解決由環境負外部性所引起的“市場失靈”問題，產生“創新補償”效應用以抵消“遵循成本”，有助于企業實現經濟與環境效益協同發展；杜龍政等（2019）則認為環境規制具有閾值效應，初期帶來的研發投入“擠出效應”會抑制企業綠色發展，而過了閾值拐點之后，環境規制便由抑制效應轉變為促進作用。本文研究得出環境規制會延緩數字經濟對林業碳匯增量的促進作用，原因在于環境規制效果具有行業差異性，且我國環境規制效率不高。

本文對林業碳匯影響因素相關研究具有一定貢獻，但仍存在局限性。有關環境規制調節效應的研究，僅考慮了政府命令型環境規制，關于市場型環境規制和公眾參與型環境規制對林業碳匯增量的影響有待進一步探討。

6.3政策啟示

基于本文的研究結論和討論，影響林業碳匯增量的主要途徑有數字經濟發展、綠色金融支持和政府環境規制，據此提出五點政策啟示。

第一，促進數字經濟與傳統產業融合，加速產業數字化進程。東部沿海地區應大力提升數字產業質量，中部和西部地區應提高數字化產業比重，走出數字化產業“低水平陷阱”，實現量與質的協同提升。

第二，優化數字經濟發展環境。數字經濟治理環境和創新環境是確保數字經濟與傳統產業融合的外部保障。對于數字經濟發展水平較低的西部地區，應深化政府互聯網應用程度、提高數字化經費投入和培育數字知識型人才，營造政府、企業和居民共治的數字經濟治理環境。對于數字經濟發展水平較高的東部和中部地區，應提高數字化研發投入和數字知識型人才質量，優化數字經濟創新環境。

第三，以數字技術為引領，推進智慧林業建設。通過加強數字技術在林業產業中的應用，實現從勞動力驅動到數據驅動的產業模式升級，充分發揮森林蘊含的碳匯功能。

第四，給予綠色金融政策支持和保險支持，提高綠色金融普及率。一是政府給予綠色金融提供方和申請方財政補貼，二是保險企業為綠色金融提供保險商品，從而降低信貸提供者的成本和風險，有效解決林業碳匯項目發展過程中的融資問題。

第五，提高環境規制效率。重點加強對重污染、高耗能產業的環境規制強度，減輕低污染、低耗能企業的環境治理成本壓力；強化綠色產業財政資金投入的第三方核查力度，保證財政資金和政策性資源落在綠色產業一線；采取持續、多元化的財政工具組合，針對不同類型企業，因地制宜實施合理的環境規制，降低政府環境規制實施成本和企業遵循成本，從而提升各主體實現“雙碳”目標的積極性。

參考文獻

白雪潔，孫獻貞.互聯網發展影響全要素碳生產率：成本、創新還是需求引致[J].中國人口·資源與環境， 2021， 31（10）：105-117.

鈔小靜，任保平.中國經濟增長質量的時序變化與地區差異分析[J].經濟研究， 2011（04）：26-40.

陳華，沈悅.綠色金融助推數字經濟發展的新思路[J].甘肅社會科學， 2022（02）：218-225.

陳曉紅，李楊揚，宋麗潔，等.數字經濟理論體系與研究展望[J].管理世界， 2022， 38（02）：208-224， 13-16.

戴魁早，駱莙函.環境規制、政府科技支持與工業綠色全要素生產率[J].統計研究， 2022（04）：49-63.

杜龍政，趙云輝，陶克濤，等.環境規制、治理轉型對綠色競爭力提升的復合效應——基于中國工業的經驗證據[J].經濟研究， 2019（10）：106-120.

范洪敏，穆懷中.環境規制對城鎮二元勞動力就業的影響——基于勞動力市場分割視角[J].經濟理論與經濟管理， 2017（02）： 34-47.

馮子洋，宋冬林，謝文帥.數字經濟助力實現“雙碳”目標：基本途徑、內在機理與行動策略[J].北京師范大學學報（社會科學版）， 2023（01）：52-61.

高維龍，彭影，胡續楠.“雙碳”目標下數字經濟對城市節能減排的影響研究[J].城市問題， 2023（03）：25-37.

葛和平，吳福象.數字經濟賦能經濟高質量發展：理論機制與經驗證據[J].南京社會科學， 2021（01）：24-33.

郭凌軍，劉嫣然，劉光富.環境規制、綠色創新與環境污染關系實證研究[J].管理學報， 2022， 19（06）：892-900， 927.

何愛平，安夢天.地方政府競爭、環境規制與綠色發展效率[J].中國人口·資源與環境， 2019（03）：21-30.

胡士華，黃天鑒，王楷.數字經濟與綠色經濟協同發展：時空分異、動態演進與收斂特征[J].現代財經（天津財經大學學報）， 2022， 42（09）：3-19.

黎文靖，鄭曼妮.實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響[J].經濟研究， 2016（04）：60-73.

李青原，肖澤華.異質性環境規制工具與企業綠色創新激勵——來自上市企業綠色專利的證據[J].經濟研究， 2020（09）：192-208.

劉超，鄭垂勇，丁晨輝，等.數字經濟、綠色金融與綠色技術創新——基于中介效應和空間效應的實證研究[J].技術經濟與管理研究， 2023（06）：7-12.

劉慧，白聰.數字化轉型促進中國企業節能減排了嗎？ [J].上海財經大學學報， 2022（05）：19-32.

劉強，王偉楠，陳恒宇.《綠色金融指引》實施對重污染企業創新績效的影響研究[J].科研管理， 2020， 41（11）：100-112.

羅知，齊博成.環境規制的產業轉移升級效應與銀行協同發展效應——來自長江流域水污染治理的證據[J].經濟研究， 2021， 56（02）：174-189.

馬香品.數字經濟時代的居民消費變革趨勢、特征、機理與模式[J].財經科學， 2020（01）：120-132.

聶耀昱，尹西明，林鎮陽，等.數據基礎設施賦能碳達峰碳中和的動態過程機制[J].科技管理研究， 2022， 42（18）：182-189.

龐瑞芝，張帥，王群勇.數字化能提升環境治理績效嗎？——來自省際面板數據的經驗證據[J].西安交通大學學報（社會科學版）， 2021， 41（05）：1-10.

戚聿東，徐凱歌.智能制造的本質[J].北京師范大學學報（社會科學版）， 2022（03）：93-103.

錢立華，方琦，魯政委.刺激政策中的綠色經濟與數字經濟協同性研究[J].西南金融， 2020（12）：3-13.

沈月琴，曾程，王成軍，等.碳匯補貼和碳稅政策對林業經濟的影響研究——基于CGE的分析[J].自然資源學報， 2015（04）：560-568.

舒泰一，張子微，趙田田，等.綠色金融與鄉村振興的時空耦合協調研究[J].現代管理科學， 2022（05）：3-13.

宋美喆，柒江藝.數字經濟背景下環境規制對綠色全要素生產率的影響——基于城市面板數據的分析[J].中國流通經濟， 2023， 37（06）：14-26.

王巧然.城市群數字經濟發展與綠色全要素生產率：作用機理與普惠性質[J].中國流通經濟， 2023， 37（06）：51-64.

溫忠麟，葉寶娟.有調節的中介模型檢驗方法：競爭還是替補？[J].心理學報， 2014， 46（05）：714-726.

謝婷婷，劉錦華.綠色金融如何影響中國綠色經濟增長？ [J].中國人口·資源與環境， 2019（09）：83-90.

許憲春，任雪，常子豪.大數據與綠色發展[J].中國工業經濟， 2019（04）：5-22.

楊慧梅，江璐.數字經濟、空間效應與全要素生產率[J].統計研究， 2021， 38（04）：3-15.

張愛玲，靳衛東.數字金融對綠色全要素生產率的影響研究[J].青島大學學報（自然科學版）， 2022（04）：105-111.

張璐，王浩名.數字經濟時代生態產品價值實現的法律構造——以“螞蟻森林”為例[J].南京社會科學， 2023（07）：66-77.

周雨晴，何廣文.數字普惠金融發展對農戶家庭金融資產配置的影響[J].當代經濟科學， 2020， 42（03）：92-105.

朱于珂，高紅貴，丁奇男，等.地方環境目標約束強度對企業綠色創新質量的影響[J].中國人口·資源與環境， 2022， 32（05）：106-119.

祝合良，王春娟.數字經濟引領產業高質量發展：理論、機理與路徑[J].財經理論與實踐， 2020（05）：2-10.

鄒靜，王強，鄢慧麗，等.數字經濟如何影響綠色全要素生產率？——來自中國地級市證據[J/OL].軟科學：1-16[2023-11-12]. http：//kns. cnki. net/kcms/detail/51. 1268. G3. 20230620. 1135. 012. html.

Aristizabal-Ramirez M， Botero-Franco M C， Canavire-Bacarreza G. Does financial development promote innovation in developing economies？ An empirical analysis [J]. Review of Development Economics， 2017， 21（03）：475-496.

Bunse K， Vodicka M， Sch？ensleben P， et al. Integrating energy efficiency performance in production management-gap analysis between industrial needs and scientific literature [J]. Journal of Cleaner Production， 2011（6-7）：667-679.

Demertzis M， Merler S， Wolff G B， et al. Capital markets union and the fintech opportunity [J]. Journal of Financial Regulation， 2018， 4（01）：157-165.

Fang Z M， Kong X R， Sensoy A， et al. Governments awareness of environmental protection and corporate green innovation： A natural experiment from the new environmental protection law in China [J]. Economic Analysis and Policy， 2021， 70：294-312.

Furness E， Harshaw H， Nelson H. Community forestry in British Columbia：Policy progression and public participation [J]. Forest Policy and Economics， 2015， 58：85-91.

Golub A， Hertel T， Lee H L， et al. The opportunity-cost of land use and the global potential for greenhouse gas mitigation in agriculture and forestry [J]. Resource and Energy Economics， 2009， 31（04）：299-319.

Li J L， Chen L T， Chen Y， et al. Digital economy， technological innovation， and green economic efficiency——Empirical evidence from 277 cities in China [J]. Managerial and Decision Economics， 2022（03）：616-629.

Lyu W J， Liu J. Artificial intelligence and emerging digital technologies in the energy sector [J]. Applied Energy， 2021， 303（12）： 117615.

Mattes A， Meinen P， Pavel F. Goods follow bytes：The impact of ICT on EU trade [D]. Berlin：German Institute for Economic Research， 2012.

Nepal P， Ince P J， Skog K E， et al. Projection of U. S. forest sector carbon sequestration under U. S. and global timber market and wood energy consumption scenario， 2010-2060 [J]. Biomass and Bioenergy， 2012， 45：251-264.

Roh T W， Koo J C， Cho D S， et al. Contingent feasibility for forest carbon credit： Evidence from South Korean firms [J]. Journal of Environmental Management， 2014， 144：297-303.

Schroeder P. Can intensive management increase carbon storage in forests？ [J]. Environmental Management， 1991， 15（04）：475-481.

（責任編輯谷振賓）

①采用年限平均法：將6歲以上人口的受教育水平劃分為未上過學、小學、初中、高中、大專及以上五個層次，對應的學制學年數分別是1年、6年、9年、12年、16年，用各階段受教育人口乘以相應的學制學年得到受教育程度。