中國數(shù)字經(jīng)濟與城市碳排放強度：時空演化與作用機制

馮蘭剛 陽文麗 王忠 樊向波

摘要 數(shù)字經(jīng)濟是實現(xiàn)“雙碳”目標的重要驅動力。基于2011—2019年城市面板數(shù)據(jù)，分析了中國數(shù)字經(jīng)濟發(fā)展與碳排放強度的時空演化特征，運用面板固定效應、中介效應模型及二者的滯后模型、門限效應模型與空間杜賓模型，多維度實證檢驗了中國數(shù)字經(jīng)濟發(fā)展的“控碳”效應與機制。主要研究結論為：①從整體來看，研究期內中國數(shù)字經(jīng)濟取得較快發(fā)展。從區(qū)域來看，京津冀、成渝、長三角以及珠三角數(shù)字經(jīng)濟發(fā)展優(yōu)勢明顯。同時，各城市的碳排放強度呈現(xiàn)波動型下降趨勢，碳排放集聚效應明顯。②數(shù)字經(jīng)濟發(fā)展的控碳效應顯著，創(chuàng)新能力與能源強度是重要的控碳機制。具體地，數(shù)字經(jīng)濟發(fā)展每提升1%水平，總體上能夠促進城市碳排放強度降低0. 390%，其中通過創(chuàng)新能力這一途徑，可直接影響城市碳排放強度降低0. 377%，間接影響城市碳排放強度降低0. 013%；而通過能源強度這一途徑，可直接影響城市碳排放強度降低0. 258%，間接影響城市碳排放強度降低0. 132%。③從滯后效應的動態(tài)檢驗結果來看，數(shù)字經(jīng)濟的控碳效應與機制均存在著顯著的滯后效應，且其作用效果能夠持續(xù)至第三期。④數(shù)字經(jīng)濟的控碳效應具有以自身發(fā)展水平為基礎的單門限效應，在數(shù)字經(jīng)濟發(fā)展指數(shù)門限值的前、后兩階段，數(shù)字經(jīng)濟均顯著抑制了碳排放強度，但后一階段的抑制效果較前一階段而言有所減弱，即表現(xiàn)為先強后弱的非線性轉換。⑤在空間溢出效應上，數(shù)字經(jīng)濟對城市碳排放強度的空間溢出效應顯著為負，說明數(shù)字經(jīng)濟發(fā)展能夠降低本城市及相鄰城市的碳排放強度，提升數(shù)字經(jīng)濟發(fā)展水平，加強城市間的協(xié)作治理有助于實現(xiàn)碳減排。

關鍵詞 數(shù)字經(jīng)濟；碳排放強度；時空演化；門限效應；空間溢出

中圖分類號 F832 文獻標志碼 A 文章編號 1002-2104（2023）01-0150-11 DOI：10. 12062/cpre. 20220610

當前中國經(jīng)濟發(fā)展正面臨著增速減緩與綠色轉型的雙重壓力，“雙碳”目標成為新發(fā)展階段的主要任務，也是實現(xiàn)中國高質量發(fā)展的重要戰(zhàn)略之一。要實施“雙碳”目標發(fā)展戰(zhàn)略，碳減排是治理溫室氣體排放和持續(xù)改善環(huán)境質量最直接有效的方式，必須擺在國家生態(tài)文明建設的首要位置。在大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等數(shù)字技術同各領域深度融合的背景下，以數(shù)字經(jīng)濟創(chuàng)新驅動生產生活方式綠色轉變，能源配置更加合理、利用效率大幅提高和能源清潔低碳安全高效利用，被視為實現(xiàn)中國“雙碳”目標愿景的重要途徑［1］。現(xiàn)有文獻認為，數(shù)字經(jīng)濟主要通過兩種方式促進碳減排，其一是通過數(shù)字技術與碳足跡、碳匯等方面的應用融合，能夠實現(xiàn)對能源行業(yè)的數(shù)字化監(jiān)測、碳排放精準計量與預測、合理規(guī)劃，提高能源使用率，降低能源行業(yè)的碳排放量［1-2］；其二是通過數(shù)字化改造舊動能，引領和培育新動能，能夠促進技術創(chuàng)新與清潔能源生產，推進重點行業(yè)和重要領域綠色化改造，從而降低碳排放強度，為美麗中國建設實現(xiàn)作出貢獻［3-4］。但上述觀點多為理論層面的分析，缺乏實證檢驗證據(jù)，因此文章提出以下問題：數(shù)字經(jīng)濟發(fā)展能否成為促進城市碳減排的有力工具？如果答案是肯定的，它的作用機制是什么？數(shù)字經(jīng)濟對碳排放強度的影響在自身特征方面具有何種差異？在空間上的效應是否存在？以數(shù)字經(jīng)濟為主題的碳減排效應引起理論界和決策層的廣泛討論與關注，成為一個亟待研究論證的重要問題。

1 文獻綜述

隨著數(shù)字經(jīng)濟快速興起，數(shù)字經(jīng)濟受到了眾多學者的廣泛關注，能否利用數(shù)字經(jīng)濟來推動“雙碳”目標的實現(xiàn)更是成為學者們的研究熱點。陳曉紅等［1］從能源供給、消費、應用、創(chuàng)新等方面，通過梳理和分析數(shù)字技術對碳足跡、碳匯領域的影響，闡述了數(shù)字技術對碳減排的相關理論研究與應用、存在的問題。謝云飛［5］通過建立省級層面的面板模型、面板分位數(shù)與中介效應模型，考察了數(shù)字經(jīng)濟影響區(qū)域碳排放強度的效應及機制，發(fā)現(xiàn)數(shù)字經(jīng)濟能夠有效促進碳排放強度下降，且能源結構優(yōu)化、有偏技術進步是其中的重要機制。許釗等［6］為研究數(shù)字金融的污染減排效應，構建了中介、門限以及空間杜賓等地級市面板數(shù)據(jù)模型，驗證了數(shù)字金融具有顯著的污染減排作用，且創(chuàng)業(yè)、創(chuàng)新和產業(yè)升級是其中的內在機制。另外，數(shù)字金融的污染減排效應還具有以自身發(fā)展水平為門限變量的雙門限效應，也存在著空間溢出效應。Zhang等［7］通過建立以數(shù)字消費創(chuàng)新與低碳消費為研究對象的訂單物流模型，發(fā)現(xiàn)數(shù)字消費創(chuàng)新提高了居民在消費活動中的低碳意識，有助于降低碳排放。Ma等［8］基于中國30個省份的面板數(shù)據(jù)，研究發(fā)現(xiàn)數(shù)字經(jīng)濟能夠抑制碳排放，且研發(fā)投資在數(shù)字經(jīng)濟和碳排放之間發(fā)揮正向調節(jié)作用。

綜上所述，數(shù)字經(jīng)濟已成為“雙碳”目標發(fā)展戰(zhàn)略的重要實現(xiàn)方式之一，但以城市為分析對象，圍繞數(shù)字經(jīng)濟與碳排放的實證文獻較少。僅有的相關研究為數(shù)字技術推動“雙碳”目標實現(xiàn)的理論分析和路徑闡述、互聯(lián)網(wǎng)發(fā)展對全要素碳生產率的影響研究以及數(shù)字經(jīng)濟對省級層面碳排放強度的影響效應及作用機制和數(shù)字金融影響污染減排的效應研究等環(huán)境污染論題［1，4-11］。鑒于此，文章試圖基于一個全面、系統(tǒng)的框架以考察數(shù)字經(jīng)濟影響中國碳排放強度的效應和作用機制。

基于此，文章測算了2011—2019年全國285個地級市的數(shù)字經(jīng)濟發(fā)展和碳排放強度的綜合水平，應用多種計量模型實證檢驗了數(shù)字經(jīng)濟影響城市碳排放的效應及機制，可能的邊際貢獻為：第一，研究尺度上，以城市為研究對象。通常地，經(jīng)濟活動主要發(fā)生于城市區(qū)域，相較于省級層面的研究而言，能在更為細化的空間尺度上對數(shù)字經(jīng)濟和碳排放強度的影響效應和作用機制進行分析，更具研究價值。第二，機制分析上，基于城市層面數(shù)據(jù)，發(fā)現(xiàn)創(chuàng)新能力與能源強度是數(shù)字經(jīng)濟的控碳機制，且數(shù)字經(jīng)濟的控碳效應與機制均存在顯著的滯后效應，拓展了數(shù)字經(jīng)濟的控碳機制研究，豐富了現(xiàn)有的研究結論；第三，基于數(shù)字經(jīng)濟對城市碳排放強度的空間溢出效應顯著為負的研究結論，提出了提升數(shù)字經(jīng)濟發(fā)展水平，加強城市間的協(xié)作治理有助于實現(xiàn)碳減排的政策建議。

2 理論分析

2. 1 數(shù)字經(jīng)濟影響碳排放強度的效應解析

與現(xiàn)階段低碳城市試點政策、全國碳排放權交易政策不同，數(shù)字經(jīng)濟利用數(shù)字技術與能源和環(huán)境等領域經(jīng)濟活動融合應用的方式發(fā)揮節(jié)能減排的環(huán)境治理作用。相關研究表明，數(shù)字經(jīng)濟能夠通過數(shù)字技術的融合與創(chuàng)新來協(xié)調能源供求關系、激勵技術革新和轉變消費模式，做到既加快產業(yè)數(shù)字化發(fā)展又減少能源碳排放，利用數(shù)字化發(fā)展引導能源綠色轉型，改善環(huán)境污染，實現(xiàn)高質量發(fā)展目標［12］。具體地，數(shù)字經(jīng)濟主要可以通過以下三個方面來降低城市碳排放。第一，深入融合數(shù)字技術，促進能源清潔生產。數(shù)字經(jīng)濟時代下，將大數(shù)據(jù)、人工智能和分布式管理等數(shù)字技術應用于生產、運輸、消費等各個環(huán)節(jié)，有利于迅速整合碎片化知識信息，促進節(jié)能低碳技術創(chuàng)新和能源清潔生產，從而有力推進碳減排［13-14］。第二，調整產業(yè)結構，改善生產效率。數(shù)字技術的應用既能促進產業(yè)結構轉型升級，提升高新技術水平，實現(xiàn)能源和資源高效利用，優(yōu)化資源配置方式，從而有效控制和降低碳排放［15-17］。第三，有效促進能源供給與消費兩方面的協(xié)調。通過應用數(shù)字技術能夠提高能源采集效率和線上互聯(lián)程度，數(shù)字經(jīng)濟可實現(xiàn)集約式、數(shù)據(jù)式與精細式的能源供給，同時催生能源消費新方式，促進能源供給與消費兩方面的協(xié)調，降低碳排放強度［18-19］。據(jù)此提出下述研究假設H1。

H1：數(shù)字經(jīng)濟能夠對城市碳排放強度產生抑制作用。

2. 2 創(chuàng)新能力中介傳導機制解析

數(shù)字經(jīng)濟發(fā)展可能促進城市創(chuàng)新能力的提升。一方面，數(shù)字經(jīng)濟借助各類數(shù)字平臺發(fā)布大量的信息資源，信息的集中與快速流動極大節(jié)約了企業(yè)的搜尋時間和成本，有效降低了經(jīng)濟主體間的信息不對稱，一定程度上解決了創(chuàng)新活動的融資受約束問題，有利于創(chuàng)新項目以較低成本獲取外部融資，從而提高區(qū)域的創(chuàng)新產出［20-21］。另一方面，數(shù)字經(jīng)濟通過互聯(lián)網(wǎng)平臺，破解了需求方與研發(fā)方的信息分割難題，使消費方直接參與產品的研發(fā)，增加新產品成功研發(fā)的概率，進而提升企業(yè)的創(chuàng)新水平［22］。此外，數(shù)字經(jīng)濟與產業(yè)的深度融合，高效整合生產要素資源，減少了生產經(jīng)營過程中的各項開銷，提高企業(yè)盈利水平，進而激勵企業(yè)增加研發(fā)投入，促進企業(yè)創(chuàng)新［22］。但Sweet等［23］指出數(shù)字經(jīng)濟時代下面臨著保護知識產權力度不足、侵權泛濫等嚴峻問題，導致企業(yè)缺乏創(chuàng)新動力、減少研發(fā)投入，進而不利于創(chuàng)新水平的提升。與此同時，城市創(chuàng)新能力的提升也可能有助于降低碳排放強度。創(chuàng)新能力主要能夠通過產業(yè)結構、節(jié)能技術研發(fā)以及經(jīng)濟增長三方面來影響碳排放。首先，城市創(chuàng)新將改變由傳統(tǒng)的資源稟賦型驅動模式，升級為科技、知識和人才等創(chuàng)新驅動，創(chuàng)新模式有利于促進生產模式朝著知識和技術密集型轉型，推動城市綠色、低碳的集約式發(fā)展，同時引導人們生活理念向著低碳消費、綠色出行轉變［24］。其次，技術創(chuàng)新能夠有利于促進清潔新能源逐漸替代煤炭石油等傳統(tǒng)能源，減少傳統(tǒng)能源消耗，從而降低碳排放［25-26］。然而劉志華等［27］的研究表明技術創(chuàng)新驅動經(jīng)濟增長所產生的碳排放效應與其本身帶來的碳減排效應同時發(fā)揮作用，在一定程度上相互抵消，因而不能確定技術創(chuàng)新和碳排放之間的關系。據(jù)此提出如下研究假設H2a。

H2a：創(chuàng)新能力在數(shù)字經(jīng)濟影響城市碳排放強度的效應中存在明顯的中介效應。

2. 3 能源強度中介傳導機制解析

通過上文分析不難得出，數(shù)字經(jīng)濟對城市碳排放強度的影響效應能夠歸納為直接與間接兩種方式：其一，數(shù)字經(jīng)濟能夠通過負外部性、知識溢出效應、降低成本、信息資源集中、平臺實時監(jiān)測等途徑直接影響城市碳排放強度；其二，數(shù)字經(jīng)濟能夠通過數(shù)字技術融合促進能源效率提升、優(yōu)化配置等方式影響能源強度，從而間接影響著城市碳排放強度。顯然，直接和間接這兩種影響方式具有明顯的“分工”。數(shù)字經(jīng)濟是以知識和信息為生產要素，以現(xiàn)代化通信網(wǎng)絡為傳輸載體，通過數(shù)字技術與各領域的深度融合應用的新經(jīng)濟形式。而數(shù)字化改造舊動能，引領和培育新動能，能夠促進技術創(chuàng)新與清潔能源生產，推進重點行業(yè)和重要領域綠色化改造，無疑會對能源利用和碳排放量產生重要影響［2］。考慮到碳排放的主要來源為化石、煤炭等能源燃燒，因此一旦數(shù)字經(jīng)濟影響到能源的利用效率，就必然會對碳排放強度產生間接作用。一方面，隨著數(shù)字技術的深入應用與廣泛推廣，促進了能源市場動態(tài)及其價格變化趨勢的快速發(fā)布，降低信息不對稱性，及時進行能源的保障供應。再者通過對能源數(shù)據(jù)流的實時收集、監(jiān)測、傳遞與分析利用，能夠實現(xiàn)能源要素的高效率配置［28-29］；另一方面，數(shù)字經(jīng)濟的發(fā)展，加強了在不同區(qū)域與不同主體間關于能源的調度與利用上的協(xié)同作用，在工業(yè)、建筑和交通等各領域推動數(shù)字化節(jié)能，促進能源效率的提升［30-31］。因而，數(shù)字經(jīng)濟會通過影響能源利用率與配置方式，進而對城市碳排放強度帶來間接影響。據(jù)此提出如下研究假設H2b。

H2b：能源強度在數(shù)字經(jīng)濟影響城市碳排放強度的效應中存在明顯的中介效應。

3 模型與變量

為檢驗前文中所提出的數(shù)字經(jīng)濟對城市碳排放強度是否具有直接效應、傳導機制、非線性效應及空間溢出效應，文章建立了一般面板回歸、中介效應、門限回歸與空間杜賓等模型以進行實證檢驗，模型中的變量及其來源也將于該部分進行詳細闡述。

3. 1 實證模型構建

基準回歸檢驗。首先，為檢驗上文理論分析提出的研究假設問題H1，文章根據(jù)數(shù)字經(jīng)濟對碳排放強度的直接傳導機制構建如下基準回歸模型：

面板門限模型檢驗。進一步地，除了通過中介效應模型對間接傳導機制進行研究分析外，還應該考慮數(shù)字經(jīng)濟發(fā)展中潛在的非線性效應，以及數(shù)字經(jīng)濟發(fā)展水平對碳排放強度的影響效應存在區(qū)間的異質性，為了減少人為劃分區(qū)間給模型估計結果造成主觀性偏差，文章運用面板門限模型以檢驗在不同數(shù)字經(jīng)濟發(fā)展水平區(qū)間內數(shù)字經(jīng)濟發(fā)展對碳排放強度的非線性與異質性影響。因此，以單一門限為例，在式（1）的基礎上構建了數(shù)字經(jīng)濟與碳排放強度的門限回歸模型，模型基本形式設定如下：

3. 2 變量選取與度量

（1）被解釋變量：城市碳排放強度（CI）。通常地，文章采用城市CO2排放量與該城市生產總值的比重進行衡量。其中，城市CO2排放量數(shù)據(jù)來源于CEADS數(shù)據(jù)庫。

（2）核心解釋變量：數(shù)字經(jīng)濟（Dige）。文章選取數(shù)字經(jīng)濟綜合指數(shù)來表征。參考錢海章等［32］的研究方法，以互聯(lián)網(wǎng)發(fā)展為關鍵要素，結合數(shù)字交易情況，同時鑒于地市級層面有關數(shù)據(jù)的可獲得性，文章選取互聯(lián)網(wǎng)發(fā)展、數(shù)字金融兩個維度來共同刻畫數(shù)字經(jīng)濟發(fā)展，其中對于互聯(lián)網(wǎng)發(fā)展，參考黃群慧等［33］的研究，并考慮到較早時期人們信息傳輸?shù)姆绞蕉际墙?jīng)由郵局來完成，郵局是人們形成“線上”交流的重要方式與習慣，因而數(shù)字技術的興起和發(fā)展更容易出現(xiàn)在這些地區(qū)［22］，因此郵政收入也是衡量互聯(lián)網(wǎng)發(fā)展的重要因素。基于以上考慮，文章使用電信業(yè)務收入、軟件與計算機從業(yè)人數(shù)、郵政業(yè)務收入、移動電話年末用戶數(shù)以及互聯(lián)網(wǎng)寬帶接入用戶數(shù)5項指標來共同刻畫互聯(lián)網(wǎng)發(fā)展這一指標；對于數(shù)字金融發(fā)展，其結果反映了數(shù)字技術與相關產業(yè)的融合應用以及產出，在這里借鑒許釗等［6］的方法，采用北京大學數(shù)字金融中心發(fā)布的城市數(shù)字普惠金融指數(shù)來表征。基于此，采用熵值法將上述6個指標合成得到數(shù)字經(jīng)濟綜合發(fā)展指數(shù)。需要注意的是，文章按照熵值法的要求先對所有的指標進行了數(shù)據(jù)標準化處理。

（3）中介變量。基于前文理論分析，數(shù)字經(jīng)濟能夠通過能源強度和創(chuàng)新能力的途徑影響城市碳排放強度。因此，文章選取以下中介變量：①城市創(chuàng)新能力（Innov）：區(qū)域創(chuàng)新是促進經(jīng)濟高質量轉型升級的核心驅動力［34］。參考李健等［35］的研究，文章采用萬人發(fā)明專利授權量來作為創(chuàng)新能力的代理變量。②能源強度（EI）：用于表示經(jīng)濟結構與能源利用率之間的變化情況，同時也是能源強度、節(jié)能降耗的主要衡量指標。文章采用能源消費量占該城市生產總值的比重來表征能源強度，其中鑒于數(shù)據(jù)的可得性，且城市用電量是能源消耗的主要來源，因此文章的能源消費量采用城市用電量，并按照能源折合標準煤的方法對其進行折算，從而計算出能源消耗量。

（4）控制變量。為避免遺漏重要解釋變量對實證檢驗結果造成的偏差，參考相關研究［36-38］，文章在模型中引入以下六個控制變量：①產業(yè)結構（IS），以第二產業(yè)增加值占該城市生產總值的比重來衡量。②人口密度（Pop），選取單位面積人口總數(shù)來表征。③外商直接投資水平（FDI），采用當年城市實際使用外資額占該城市生產總值的比重表示。④資本勞動比（Kl），采用資本存量占勞動力比重衡量，其中資本存量借鑒張軍等［36］的研究方法并以2003年為基期進行計算，勞動力以年末單位就業(yè)人數(shù)來表征。⑤基礎設施（Inf），采用城市道路面積來表示。⑥財政支出（FE），以一般性財政事務支出額來表征。

3. 3 數(shù)據(jù)來源

除去部分數(shù)據(jù)缺失嚴重的地級城市以及西藏、港澳臺地區(qū)外，文章采用2011—2019年中國285個地級市的樣本數(shù)據(jù)開展實證研究。對于該研究使用的數(shù)據(jù)，數(shù)字金融數(shù)據(jù)來自北京大學數(shù)字金融中心發(fā)布的城市數(shù)字普惠金融指數(shù)；城市CO2排放數(shù)據(jù)來源于CEADS數(shù)據(jù)庫；城市創(chuàng)新能力指標數(shù)據(jù)來自CNRDS數(shù)據(jù)庫；能源強度、互聯(lián)網(wǎng)發(fā)展、GDP以及控制變量的數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》、EPS數(shù)據(jù)庫等；個別缺失值采用平均插值法補充完善。此外，為了避免因宏觀數(shù)據(jù)的非平穩(wěn)性對實證結果造成干擾，在這里對文章所使用的變量全部進行取對數(shù)處理。

4 實證分析

4. 1 時空演化特征

（1）數(shù)字經(jīng)濟。為了更深入地描述中國各城市數(shù)字經(jīng)濟發(fā)展水平的時空演變趨勢，文章利用Arcgis10. 7軟件分別繪制了2011年、2015年和2019年數(shù)字經(jīng)濟發(fā)展指數(shù)的空間分布圖（圖1）。整體來看，2011—2019年期間，隨著時間推移中國數(shù)字經(jīng)濟發(fā)展水平得到了明顯提升。特別是在2015—2019年，各城市數(shù)字經(jīng)濟發(fā)展層級逐級遞增，數(shù)字經(jīng)濟發(fā)展增長區(qū)面積進一步擴大，其中發(fā)展態(tài)勢良好的區(qū)域主要集中在以京津冀、成渝、長三角以及珠三角等城市群，但各城市數(shù)字經(jīng)濟發(fā)展仍存在明顯差距。具體地，在2011年，大多數(shù)城市數(shù)字經(jīng)濟發(fā)展水平總體呈現(xiàn)為低水平，發(fā)展差距較為突出，僅有北京市數(shù)字經(jīng)濟發(fā)展達到高水平；在2015年，各城市數(shù)字經(jīng)濟發(fā)展層級出現(xiàn)明顯遞增，數(shù)字經(jīng)濟發(fā)展高水平區(qū)域增加，除北京外上海市、成渝城市群和廣東等也加入數(shù)字經(jīng)濟發(fā)展高水平行列；在2019年，各城市數(shù)字經(jīng)濟發(fā)展得到進一步提升，逐漸形成以京津冀、成渝、長三角以及珠三角等數(shù)字經(jīng)濟發(fā)展高水平城市群向鄰近城市輻射的格局，其形成原因可能在于數(shù)字資源與數(shù)字技術溢出效應的影響。

（2）城市碳排放強度。為了直觀地剖析中國各城市排放強度時空演變趨勢，文章利用Arcgis10. 7軟件繪制了2011—2019年城市碳排放強度的標準差橢圓和重心轉移圖（圖2）。如圖2所示，全國各城市碳排放強度的標準差橢圓為東北-西南方向，重心位于河南、山西地區(qū)，其轉移路線為許昌市→鄭州市→焦作市→新鄉(xiāng)市→晉城市；在2011—2016年期間，橢圓重心向東北方向移動，向東移動48. 08 km，向北移動124. 59 km，總體移動133. 55 km，平均每年移動22. 26 km；另外，在2016—2017年期間，重心則轉向西南方向移動，向西轉移24. 61 km，向南轉移12. 70 km，整體向西南移動27. 69 km；在2017—2018 年期間，重心再次向東北方向轉移，向東轉移7. 51 km，向北轉移14. 62 km，整體向東北移動16. 44 km；從2012年，橢圓面積波動增大，到2017年面積達到最大值為3 048 900 km2；之后，橢圓面積呈下降趨勢，面積下降說明城市碳排放的集聚效應增強。

4. 2 基準回歸與機制分析

4. 2. 1 基準回歸結果分析

根據(jù)上文構建的計量模型，文章考察了數(shù)字經(jīng)濟對城市碳排放強度的效應研究，結果見表1。首先，在基準回歸檢驗中，通過在回歸模型中分別不加入控制變量與加入控制變量進行回歸估計，同時采用地區(qū)固定效應，以提高回歸估計結果的穩(wěn)健性。回歸結果顯示，兩模型中數(shù)字經(jīng)濟的回歸估計系數(shù)一致，且均顯著為負。相較于引入控制變量，未引入控制變量模型的可決系數(shù)為0. 163<0. 205（加入控制變量），表明引入控制變量模型的擬合效果更優(yōu)且可靠。因此，在這里以引入控制變量后的回歸估計結果為準，分析基準模型的回歸結果。數(shù)字經(jīng)濟（Dige）這一核心解釋變量的回歸估計系數(shù)為-0. 390，且通過1%的顯著性檢驗，意味著數(shù)字經(jīng)濟對城市層面的碳排放強度的影響存在顯著的抑制作用，城市數(shù)字經(jīng)濟發(fā)展水平每提升1個單位，城市碳排放強度平均能夠降低__ 0. 390個單位。綜上可知，研究假設H1得證，即實證結果有力地論證了數(shù)字經(jīng)濟具有顯著的控碳效應。

4. 2. 2 數(shù)字經(jīng)濟對碳排放強度滯后效應的檢驗

發(fā)展數(shù)字經(jīng)濟時，5G基站、工業(yè)無線網(wǎng)絡等數(shù)字化基礎設施的建設、專業(yè)人才的培養(yǎng)等都需要花費一定的時間進行改造和發(fā)展；企業(yè)的數(shù)字化轉型過程中，大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算等數(shù)字技術與其生產經(jīng)營活動應用融合時也需要時間；知識溢出、研發(fā)創(chuàng)新以及互聯(lián)網(wǎng)發(fā)展逐漸走向成熟等數(shù)字經(jīng)濟要素發(fā)展仍然需要時間［39］。這意味著數(shù)字經(jīng)濟發(fā)展促進城市碳減排的同時，可能存在一定的滯后效應。接下來，文章將采用動態(tài)分析檢驗數(shù)字經(jīng)濟對城市碳排放強度的滯后效應。首先，在基準回歸模型（1）基礎上引入數(shù)字經(jīng)濟核心解釋變量的滯后一期、二期和三期變量，進行方差膨脹因子（VIF）檢驗，檢驗結果顯示數(shù)字經(jīng)濟滯后一期、二期、三期變量的VIF值分別為18. 70、27. 02和13. 86，而其余變量的VIF值均小于10，表明此模型存在多重共線性問題。因此，為防止多重共線性問題，文章參考趙云鵬等［40］的做法，對數(shù)字經(jīng)濟這一核心解釋變量滯后若干期，逐一地考察當期的數(shù)字經(jīng)濟對未來幾期內城市碳排放強度的影響，回歸結果見表1。

從表1的回歸結果可知，數(shù)字經(jīng)濟對當期的城市碳排放強度的抑制作用較強，其估計系數(shù)為-0. 390；對第二期城市碳排放強度的抑制作用最強，之后對第三期影響程度開始下降，但統(tǒng)計意義均十分顯著，即均通過1%的顯著性檢驗，這說明數(shù)字經(jīng)濟對城市碳減排有著滯后效應，其作用效果在第二期時達到最大；第四期，數(shù)字經(jīng)濟與城市碳排放強度仍呈現(xiàn)負相關關系，但未通過顯著性檢驗。上述結果表明數(shù)字經(jīng)濟對城市碳排放強度的影響存在著滯后效應，且其產生的抑制作用能夠持續(xù)至第三期，即數(shù)字經(jīng)濟自當年起之后的兩年，往后不再存在持續(xù)性。

4. 2. 3 中介效應分析及穩(wěn)健性檢驗

前文理論分析中，分別從城市創(chuàng)新能力、能源強度兩個角度分析了數(shù)字經(jīng)濟影響城市碳排放強度的作用傳導機制。為了驗證傳導機制這一假設，文章運用中介效應檢驗對該假設進行實證分析，其檢驗結果見表2。數(shù)字經(jīng)濟當期的檢驗結果顯示，在模型1與模型4再次論證了數(shù)字經(jīng)濟能夠抑制城市碳排放強度的基礎上，模型2檢驗了數(shù)字經(jīng)濟與城市創(chuàng)新能力二者之間的關系，其中數(shù)字經(jīng)濟的估計系數(shù)為正，且通過1%的顯著性檢驗，說明數(shù)字經(jīng)濟能夠促進城市創(chuàng)新能力的提升；模型5檢驗了數(shù)字經(jīng)濟與能源強度的關系，其中數(shù)字經(jīng)濟的估計系數(shù)顯著為負，則意味著數(shù)字經(jīng)濟發(fā)展能夠有效降低能源強度。最后，模型3與模型6考察數(shù)字經(jīng)濟與城市創(chuàng)新能力、數(shù)字經(jīng)濟與能源強度分別對城市碳排放強度的影響，結果顯示：在考慮城市創(chuàng)新能力的情況下，模型3中數(shù)字經(jīng)濟對碳排放的影響系數(shù)顯著為負，但相比模型1有所減小，說明城市創(chuàng)新能力的提升是數(shù)字經(jīng)濟促進城市碳減排的作用機制。在考慮能源強度的情況下模型6中數(shù)字經(jīng)濟對城市碳排放強度的回歸估計系數(shù)顯著為負，且能源強度對城市碳排放強度的影響顯著為正，表明降低能源強度是數(shù)字經(jīng)濟促進城市碳減排的作用機制。具體地，數(shù)字經(jīng)濟發(fā)展水平每提升1%，總體上能夠促進城市碳排放強度降低0. 390%，其中通過創(chuàng)新能力這一途徑，可直接影響城市碳排放強度降低0. 377%，間接影響城市碳排放強度降低0. 013%；而通過能源強度這一途徑，可直接影響城市碳排放強度降低0. 258%，間接影響城市碳排放強度降低0. 132%。綜上可知，研究假設H2a和H2b得證。

進一步地，通過上文數(shù)字經(jīng)濟對碳排放滯后效應的檢驗，發(fā)現(xiàn)數(shù)字經(jīng)濟對城市碳排放強度的影響存在著明顯的滯后效應，且其產生的抑制作用能夠持續(xù)至第三期。基于此，文章將采用動態(tài)分析檢驗數(shù)字經(jīng)濟對城市碳排放強度的作用路徑內是否同樣也具有滯后效應，檢驗結果見表2。表2的檢驗結果顯示，在數(shù)字經(jīng)濟當期，城市創(chuàng)新能力、能源強度這二者的中介效應占比分別為3. 33%、33. 75%，能源強度傳導效果要優(yōu)于城市創(chuàng)新能力；在第二期，城市創(chuàng)新能力、能源強度這二者的中介效應占比分別為6. 83%、14. 28%，較前一期而言，創(chuàng)新能力的中介效應占比有所增加，而能源強度的中介效應占比有較大幅度降低；在第三期，城市創(chuàng)新能力、能源強度這二者的中介效應為完全中介效應，即數(shù)字經(jīng)濟通過創(chuàng)新能力與能源強度這兩條傳導路徑來影響城市碳排放強度，此時兩者的中介效應達到最大，分別為32. 75%、49. 82%；在第四期，城市創(chuàng)新能力、能源強度這二者的中介檢驗未通過統(tǒng)計意義檢驗。上述結果表明，在數(shù)字經(jīng)濟通過促進城市創(chuàng)新能力的提升，降低能源強度，進而有效降低城市碳排放強度的作用路徑中存在著滯后效應，且兩者的中介傳導作用能夠持續(xù)至第三期，往后不再存在持續(xù)性，第三期時兩者的中介效應轉為完全中介效應，此時中介傳導作用達到最強。

最后出于穩(wěn)健性的考慮，文章采用Sobel檢驗法分別對城市創(chuàng)新能力、能源強度這二者的中介效應進行驗證。回歸結果表明，城市創(chuàng)新能力與能源強度的Z檢驗統(tǒng)計量均通過了1%的顯著性檢驗，故城市創(chuàng)新能力、能源強度的中介效應存在，進一步驗證了上述結論。

4. 3 數(shù)字經(jīng)濟發(fā)展的非線性效應分析

前文中考察論證了數(shù)字經(jīng)濟能夠抑制城市碳排放強度的影響及作用路徑，這里考慮到數(shù)字經(jīng)濟發(fā)展中還可能具有潛在的非線性效應，以及其對碳排放強度的影響效應存在的區(qū)間異質性，文章運用采用面板門限模型對此進行實證分析。在對門限模型進行估計之前，需要先__檢驗門限效應的類型和存在性。為此，通過自舉300次反復抽樣后得到模擬分布，檢驗結果表明數(shù)字經(jīng)濟這一門限變量的單一門限統(tǒng)計量值通過了1%的顯著性檢驗，但雙重門限和三重門限未能通過檢驗，即數(shù)字經(jīng)濟對碳排放強度的抑制作用存在單門限效應。基于此，將模型設定為單門限效應模型，其回歸估計結果見表3。

從表3中的回歸估計結果發(fā)現(xiàn)，數(shù)字經(jīng)濟的碳減排效應可分為兩個階段：當數(shù)字經(jīng)濟發(fā)展指數(shù)低于-3. 742時，數(shù)字經(jīng)濟的估計系數(shù)為-0. 292，P 值為0. 000，顯著地抑制了城市碳排放強度；當數(shù)字經(jīng)濟發(fā)展指數(shù)超過-3. 742時，數(shù)字經(jīng)濟的估計系數(shù)為-0. 224，P 值為0. 000，仍十分顯著地抑制了碳排放強度，但抑制效果較第一階段而言有所減弱。總體來說，數(shù)字經(jīng)濟對城市碳排放強度產生了先強抑制后弱抑制的非線性轉換。

4. 4 數(shù)字經(jīng)濟碳減排的空間溢出效應分析

在開展空間計量分析之前，需要先分別檢驗數(shù)字經(jīng)濟與城市碳排放強度二者空間效應的存在性問題，為此文章運用Morans I 指數(shù)法對二者進行空間自相關檢驗，結果見表4。檢驗結果顯示，2011—2019年數(shù)字經(jīng)濟發(fā)展指數(shù)、城市碳排放強度在經(jīng)濟地理權重矩陣下的MoransI 指數(shù)均在1%的水平下顯著性為正，表明考察期內所有城市間的數(shù)字經(jīng)濟和碳排放強度各自存在明顯的空間自相關性，反映了二者呈現(xiàn)出空間集聚的分布特征，采用空間計量分析是合理可行的。

上述檢驗結果表明數(shù)字經(jīng)濟和城市碳排放強度均存在空間自相關性，接下來應選擇合適的空間計量模型進行實證分析。文章根據(jù)Elhorst確定空間計量模型的研究方法，依次進行LM檢驗、Hausman檢驗、LR檢驗估計以及Wald檢驗，以上檢驗結果均表明選取地區(qū)固定效應的空間杜賓模型最優(yōu)。表5報告了經(jīng)濟地理距離矩陣（W1）與經(jīng)濟距離矩陣（W2）兩種空間權重矩陣下數(shù)字經(jīng)濟對城市碳排放強度的SDM模型檢驗結果。從檢驗結果來看，在兩種空間權重矩陣下碳排放強度（CI）的空間自回歸系數(shù)ρ均在1%水平下顯著為正，表明城市碳排放強度存在空間溢出效應，且相鄰城市碳排放強度的增加會加重本城市的碳排放強度。而數(shù)字經(jīng)濟的空間滯后項系數(shù)均顯著為負，意味著數(shù)字經(jīng)濟對碳排放強度的影響在空間上存在顯著的負外部性，數(shù)字經(jīng)濟的蓬勃發(fā)展能夠降低本城市及相鄰城市的碳排放強度。

為更深入地研究分析數(shù)字經(jīng)濟發(fā)展促進城市碳減排的直接效應與間接效應，根據(jù)勒沙杰等［41］提出的偏微分法將數(shù)字經(jīng)濟對碳排放強度的空間總效應進行分解。表5的效應分解結果顯示，在兩種空間權重矩陣下，數(shù)字經(jīng)濟的間接效應、直接效應以及總效應的估計系數(shù)均在1%的水平下顯著為負，表明數(shù)字經(jīng)濟能夠有效地抑制本城市及相鄰城市碳排放強度，加快提升數(shù)字經(jīng)濟發(fā)展水平，有利于降低城市碳排放強度，推動“雙碳”目標的實現(xiàn)。另外，兩種空間權重矩陣下的回歸結果一致，表明數(shù)字經(jīng)濟對碳排放強度的空間杜賓模型的回歸結果是具有穩(wěn)健性的。

5 結論與建議

5. 1 結論

文章立足于發(fā)展數(shù)字經(jīng)濟能夠顯著影響城市碳排放強度變化的典型事實，同時又考慮數(shù)字經(jīng)濟的固有屬性，從理論層面上分析了數(shù)字經(jīng)濟對城市碳排放強度的直接影響和傳導機制，并基于2011—2019年中國285個城市面板數(shù)據(jù)，應用面板固定效應、中介效應模型及二者的時間滯后模型、門限效應模型與空間杜賓模型，多維度驗證了數(shù)字經(jīng)濟對城市碳排放強度的影響效應和作用機制。

文章主要研究結論為：第一，研究期內中國數(shù)字經(jīng)濟取得較快發(fā)展，京津冀、成渝、長三角以及珠三角數(shù)字經(jīng)濟發(fā)展優(yōu)勢明顯。同時各城市的碳排放強度呈現(xiàn)波動型下降趨勢，碳排放集聚效應顯著。第二，數(shù)字經(jīng)濟能夠顯著地抑制城市碳排放強度，城市創(chuàng)新能力與能源強度是其中的重要作用機制。第三，從滯后效應的動態(tài)檢驗結果來看，數(shù)字經(jīng)濟的控碳效應與機制均存在著顯著的滯后效應，且其作用效果能夠持續(xù)至第三期。第四，在數(shù)字經(jīng)濟自身發(fā)展水平的基礎上，數(shù)字經(jīng)濟對城市碳減排的影響效應存在單門限效應，在數(shù)字經(jīng)濟發(fā)展指數(shù)門限值的前、后兩階段，數(shù)字經(jīng)濟均顯著抑制了碳排放強度，但后一階段的抑制效果較前一階段而言有所減弱，即表現(xiàn)為先強后弱的非線性轉換。第五，從空間效應方面來看，城市碳排放強度存在正向的空間溢出效應，而數(shù)字經(jīng)濟對碳排放強度的影響在空間上存在顯著的負外部性，說明數(shù)字經(jīng)濟能夠有效地抑制本城市及相鄰城市碳排放強度，發(fā)展數(shù)字經(jīng)濟能夠有效促進城市間協(xié)作治理碳排放。

5. 2 建議

基于以上研究結論，文章不僅為數(shù)字經(jīng)濟影響碳減排提供了有力的經(jīng)驗證據(jù)，還提出了以下政策建議：第__一，完善有關數(shù)字經(jīng)濟的基礎設施建設，持續(xù)推進數(shù)字經(jīng)濟發(fā)展水平提升。提升基礎設施網(wǎng)絡化、智能化、服務化、協(xié)同化水平，持續(xù)推進數(shù)字經(jīng)濟發(fā)展水平提升，以此充分發(fā)揮數(shù)字經(jīng)濟促進深度碳減排的優(yōu)勢。第二，出臺差別化的數(shù)字經(jīng)濟發(fā)展政策。加大力度扶持和發(fā)展落后地區(qū)的數(shù)字化水平，通過促進數(shù)字技術向各領域廣泛深入滲透，推動偏遠落后地區(qū)數(shù)字技術、應用場景和商業(yè)模式融合創(chuàng)新，平衡城市間數(shù)字經(jīng)濟發(fā)展。第三，立足城市創(chuàng)新、能源強度的作用機制，探索數(shù)字經(jīng)濟促進碳減排的多維路徑。政府應完善多元價值傳遞和貢獻分配體系，有序引導多樣化社交、短視頻、知識分享等新型就業(yè)創(chuàng)業(yè)平臺發(fā)展，由數(shù)字經(jīng)濟提升城市的創(chuàng)新水平進而實現(xiàn)碳減排。另外，加快推動智慧能源建設應用，促進能源生產、運輸、消費等各環(huán)節(jié)智能化升級，推動能源行業(yè)低碳轉型。第四，加強城市間碳排放協(xié)作治理，發(fā)揮數(shù)字經(jīng)濟的空間“綠色”輻射效應。在碳減排問題上，要加強城市之間碳排放政策的交流與聯(lián)系，建立統(tǒng)一、聯(lián)合的城市碳排放超標預警共享平臺，完善基于大數(shù)據(jù)、人工智能、區(qū)塊鏈等新技術的統(tǒng)計監(jiān)測和決策分析體系，制定更加靈活有效的政策措施，培育多元治理、協(xié)調發(fā)展的數(shù)字經(jīng)濟治理新格局，打造多城市數(shù)字化經(jīng)濟低碳圈。

參考文獻

［1］ 陳曉紅，胡東濱，曹文治，等. 數(shù)字技術助推我國能源行業(yè)碳中和目標實現(xiàn)的路徑探析［J］. 中國科學院院刊，2021，36（9）：1019-1029.

［2］ 鄔彩霞. 中國低碳經(jīng)濟發(fā)展的協(xié)同效應研究［J］. 管理世界，2021，37（8）：105-117.

［3］ 王俊豪，周晟佳. 中國數(shù)字產業(yè)發(fā)展的現(xiàn)狀、特征及其溢出效應［J］. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2021，38（3）：103-119.

［4］ LU Y Z. Modelling the role of eco innovation，renewable energy，andenvironmental taxes in carbon emissions reduction in E?7 econo?mies： evidence from advance panel estimations［J］. Renewable en?ergy，2022（190）：309-318.

［5］ 謝云飛. 數(shù)字經(jīng)濟對區(qū)域碳排放強度的影響效應及作用機制［J］. 當代經(jīng)濟管理，2022，44（2）：68-78.

［6］ 許釗，高煜，霍治方. 數(shù)字金融的污染減排效應［J］. 財經(jīng)科學，2021（4）：28-39.

［7］ ZHANG J F，ZHENG Z C，ZHANG L J，et al. Digital consumptioninnovation，socio?economic factors and low?carbon consumption：em?pirical analysis based on China［J］. Technology in society，2021（67）：101730.

［8］ MA Q，TARIQ M，MAHMOOD H，et al. The nexus between digitaleconomy and carbon dioxide emissions in China： the moderatingrole of investments in research and development［J］. Technology insociety，2022（68）：101910.

［9］ 白雪潔，孫獻貞. 互聯(lián)網(wǎng)發(fā)展影響全要素碳生產率：成本、創(chuàng)新還是需求引致［J］. 中國人口·資源與環(huán)境，2021，31（10）：105-117.

［10］ 李廣昊，周小亮. 推動數(shù)字經(jīng)濟發(fā)展能否改善中國的環(huán)境污染：基于“寬帶中國”戰(zhàn)略的準自然實驗［J］. 宏觀經(jīng)濟研究，2021（7）：146-160.

［11］ 侯建朝，史丹. 中國電力行業(yè)碳排放變化的驅動因素研究［J］.中國工業(yè)經(jīng)濟，2014（6）：44-56.

［12］ 王凱，唐小惠，甘暢，等. 中國服務業(yè)碳排放強度時空格局及影響因素［J］. 中國人口·資源與環(huán)境，2021，31（8）：23-31.

［13］ 張艷，鄭賀允，葛力銘. 資源型城市可持續(xù)發(fā)展政策對碳排放的影響［J］. 財經(jīng)研究，2022，48（1）：49-63.

［14］ 王喜，張艷，秦耀辰，等. 我國碳排放變化影響因素的時空分異與調控［J］. 經(jīng)濟地理，2016，36（8）：158-165.

［15］ 禹湘，陳楠，李曼琪. 中國低碳試點城市的碳排放特征與碳減排路徑研究［J］. 中國人口·資源與環(huán)境，2020，30（7）：1-9.

［16］ 謝志祥，秦耀辰，沈威，等. 中國低碳經(jīng)濟發(fā)展績效評價及影響因素［J］. 經(jīng)濟地理，2017，37（3）：1-9.

［17］ 黃震，謝曉敏. 碳中和愿景下的能源變革［J］. 中國科學院院刊，2021，36（9）：1010-1018.

［18］ EHIGIAMUSOE K U，DOGAN E. The role of interaction effect be?tween renewable energy consumption and real income in carbonemissions：evidence from low?income countries［J］. Renewable andsustainable energy reviews，2022（154）：111883.

［19］ 項目綜合報告編寫組.《中國長期低碳發(fā)展戰(zhàn)略與轉型路徑研究》綜合報告［J］. 中國人口·資源與環(huán)境，2020，30（11）：1-25.

［20］ 祁懷錦，曹修琴，劉艷霞. 數(shù)字經(jīng)濟對公司治理的影響：基于信息不對稱和管理者非理性行為視角［J］. 改革，2020（4）：50-64.

［21］ DERRIEN F，KECSK?S A，MANSI S A. Information asymmetry，the cost of debt，and credit events：evidence from quasi?random an?alyst disappearances［J］. Journal of corporate finance，2016（39）：295-311.

［22］ 吳贏，張翼. 數(shù)字經(jīng)濟與區(qū)域創(chuàng)新：基于融資和知識產權保護的角度［J］. 南方經(jīng)濟，2021（9）：36-51.

［23］ SWEET C M，Maggio D S E. Do stronger intellectual property rightsincrease innovation？［J］. World development，2015（66）：665-677.

［24］ 嚴成樑，李濤，蘭偉. 金融發(fā)展、創(chuàng)新與二氧化碳排放［J］. 金融研究，2016（1）：14-30.

［25］ GHOSH S. Examining carbon emissions economic growth nexus forIndia：a multivariate cointegration approach［J］. Energy policy，2010，38（6）：3008-3014.

［26］ 盧娜，王為東，王淼，等. 突破性低碳技術創(chuàng)新與碳排放：直接影響與空間溢出［J］. 中國人口·資源與環(huán)境，2019，29（5）：30-39.

［27］ 劉志華，徐軍委，張彩虹. 科技創(chuàng)新、產業(yè)結構升級與碳排放效率：基于省際面板數(shù)據(jù)的PVAR分析［J］. 自然資源學報，2022，37（2）：508-520.

［28］ LANGE S，POHL J，SANTARIUS T. Digitalization and energy con?sumption：does ICT reduce energy demand？［J］. Ecological eco?nomics，2020（176）：106760.

［29］ 佟新華，周紅巖，陳武，等. 工業(yè)化不同發(fā)展階段碳排放影響因素驅動效應測度［J］. 中國人口·資源與環(huán)境，2020，30（5）：26-35.

［30］ 鄔彩霞，高媛. 數(shù)字經(jīng)濟驅動低碳產業(yè)發(fā)展的機制與效應研究__［J］. 貴州社會科學，2020（11）：155-161.

［31］ 劉玉珂，金聲甜. 中部六省能源消費碳排放時空演變特征及影響因素［J］. 經(jīng)濟地理，2019，39（1）：182-191.

［32］ 錢海章，陶云清，曹松威，等. 中國數(shù)字金融發(fā)展與經(jīng)濟增長的理論與實證［J］. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2020，37（6）：26-46.

［33］ 黃群慧，余泳澤，張松林. 互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產率提升：內在機制與中國經(jīng)驗［J］. 中國工業(yè)經(jīng)濟，2019（8）：5-23.

［34］ 張森，溫軍，劉紅. 數(shù)字經(jīng)濟創(chuàng)新探究：一個綜合視角［J］. 經(jīng)濟學家，2020（2）：80-87.

［35］ 李健，衛(wèi)平. 民間金融、城市化與創(chuàng)新能力實證［J］. 中國人口·資源與環(huán)境，2015，25（2）：152-159.

［36］ 張軍，吳桂英，張吉鵬. 中國省際物質資本存量估算：1952—2000［J］. 經(jīng)濟研究，2004（10）：35-44.

［37］ 趙宸宇，王文春，李雪松. 數(shù)字化轉型如何影響企業(yè)全要素生產率［J］. 財貿經(jīng)濟，2021，42（7）：114-129.

［38］ 屈小娥，駱海燕. 中國對外直接投資對碳排放的影響及傳導機制：基于多重中介模型的實證［J］. 中國人口·資源與環(huán)境，2021，31（7）：1-14.

［39］ 柏培文，喻理. 數(shù)字經(jīng)濟發(fā)展與企業(yè)價格加成：理論機制與經(jīng)驗事實［J］. 中國工業(yè)經(jīng)濟，2021（11）：59-77.

［40］ 趙云鵬，葉嬌. 對外直接投資對中國產業(yè)結構影響研究［J］. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2018，35（3）：78-95.

［41］ 勒沙杰，佩斯. 空間計量經(jīng)濟學導論［M］. 肖光恩，楊勇，熊靈，等，譯. 北京：北京大學出版社， 2014：19-44.