數字經濟促進碳減排的機制與效應
——基于綠色技術進步視角的經驗考察

杜 欣

(1.浙商銀行博士后科研工作站,浙江 杭州 310006 ; 2.浙江大學 經濟學院,浙江 杭州 310058)

0 引言

氣候變暖是國際社會共同面臨的環境挑戰。IPCC報告指出,2010—2019年全球平均氣溫相較于工業革命前(1850—1900年)升高了1.1℃,到本世紀末,氣溫將進一步上升1～5.7℃[1]。日益頻繁的人類活動導致溫室效應增強,化石燃料消耗和土地利用改變產生的二氧化碳對工業革命以來地表升溫的貢獻約占70%[2]。全球持續變暖帶來洪澇災害頻發、水資源短缺加劇、生物多樣性降低、極端氣候事件趨多等一系列負面影響,由此引發的生態問題向社會經濟問題轉化。為減緩氣候變暖,從“兩型社會”建設到綠色發展之路,降碳減排已成為國際共識和重要議題。我國二氧化碳排放長期處于高位,2022年我國碳排放量同比增長5.3%,占全球碳排放總量的比重上升至30.9%[3],減排形勢嚴峻。“雙碳”目標的提出將我國經濟低碳轉型提升到新的高度。“十四五”時期是實現碳達峰的關鍵窗口期,伴隨新一代信息技術的迭代更新,數字經濟憑借滲透效應、規模效應和網絡效應成為高質量發展的引擎,通過重組要素配置、重塑經濟結構、重構產業生態,為碳減排帶來新的機遇。那么,數字經濟在碳減排過程中究竟扮演何種角色?數字經濟發展促進碳減排的機制為何?數字經濟與碳減排雙贏共進的路徑何在?

從現有文獻看,對碳減排機理的探究始于碳排放變化的因素分解,學者們利用Kaya恒等式、LMDI、GDMI、STIRPAT 等分解模型識別碳排放變化的驅動因素,發現產出規模、資本規模對碳排放發揮促增作用,而投資碳強度、產出碳強度、能源強度和固定資產投資效率具有促降效應[4-5]。已有研究達成的普遍共識肯定了能源效率提升和能源結構調整對碳減排的貢獻,但由于市場主體行為變化引致的能源回彈效應,技術進步對碳排放的影響呈現出促降與促增的雙重性[6]。同時,相關實證研究驗證了貿易開放、金融科技、環境規制具有顯著的碳減排效應(蔡禮輝等,2020;胡金焱,張曉帆,2023;胡壯程,2022),而研發投入、經濟集聚、清潔能源發展與碳排放之間呈現出較為復雜的非線性關系,對碳減排的作用在不同發展階段存在差異(林伯強,徐斌,2020;徐斌等,2019;邵帥等,2019)。隨著政策分析理論和工具日趨成熟,學者們借助雙重差分模型評估相關政策的碳減排效果,發現創新型城市試點政策[7]、智慧城市試點政策[8]、碳交易政策[9]、綠色財政政策[10]均能顯著降低碳排放水平。

新一輪科技革命和產業變革加速演進,數字經濟的蓬勃興起受到學界持續關注。早期研究將數字經濟定義為一種以數字方式呈現信息流的經濟模式(Tapscott,1996)。隨著人類社會逐漸進入以數字化為主要標志的新階段,數字經濟的內涵不斷豐富。《“十四五”數字經濟發展規劃》明確提出,數字經濟是以數據資源為關鍵要素、以現代信息網絡為主要載體,以信息通信技術融合應用為重要推動力,促進公平與效率更加統一的新經濟形態。數字經濟運行是互聯網、大數據、云計算、物聯網、人工智能、機器學習等技術在生產、交換、分配和消費環節的應用,這種新科技主導廠商投資經營與政府宏觀調控的市場模式將改變人類經濟選擇行為,提升社會資源配置效率,引發生產生活方式和產業生態變革[11]。基于數字經濟運行的宏觀機理,數字經濟發展的經濟效應是學界研究重點,已有研究證實了數字經濟對產業結構升級[12]、資源錯配改善[13]、生產效率提升(鐘世川,毛艷華,2023)以及區域創新績效[14]、產業創新效率[15]的正向促進作用,并進一步聚焦數字經濟的環境效應。

已有研究表明,數字經濟發展不僅能夠顯著減少城市各類環境污染物的排放[16],而且通過擠出效應壓縮高耗能、高排放產業的發展空間,倒逼產業結構綠色轉型[17]。然而,數字技術的資源節約效應能否超過數字設備運行及遠程數據處理產生的環境足跡尚不可知,這使得數字技術對環境的長期影響難以預測[18]。例如,一些學者認為信息通信技術的應用雖然能夠提升能源效率,但也會進一步擴大能源需求,引發電力消耗的快速增長[19]。數字技術與碳排放之間的關系由于能源回彈效應而相對復雜多變[20]。類似地,也有實證研究表明,人工智能技術與碳排放之間呈倒U型關系,只有當人工智能技術水平達到一定閾值后,其碳減排效應才會逐漸凸顯[21]。

綜上,已有研究圍繞碳減排的驅動因素達成一定共識,揭示了數字經濟發展對宏觀經濟運行的重要作用,并開始關注數字經濟對綠色發展的影響,這為本研究提供了豐富、深刻的洞見。雖然現有研究暗含數字技術能夠實現環境效益的假設,但多以互聯網或人工智能等數字技術的應用為切入點,尚未有效闡明數字經濟對碳減排的影響路徑及作用方向,圍繞數字經濟碳減排機制的解讀與碳減排效應識別的研究有待進一步拓展。基于此,本文將數字經濟引入碳排放影響因素的分析框架中,從理論和實證層面評估數字經濟的碳減排作用,可能的邊際貢獻在于:①厘清“數字經濟→綠色技術進步→碳減排”的內在機制,闡釋數字經濟發展通過作用于碳排放變化的驅動因素進而引致碳減排的路徑邏輯;②采用工具變量法,在克服內生性的基礎上,識別數字經濟發展與碳減排間的因果關系,結合傳導機制檢驗、調節作用檢驗和異質性分析,為充分發揮數字經濟的碳減排效應提供更為可靠穩健的實證參考。

1 理論基礎與研究假設

1.1 數字經濟運行與碳排放變化

數字經濟運行是以大數據為基本分析要素、以互聯網為運作平臺、以人工智能為操作手段的市場運營模式,其最顯著的作用在于實現資源高效配置(何大安,2020)。一方面,數字經濟的資源配置效應不僅能夠提高生產部門的要素利用效率,降低生產過程對能源的依賴程度,而且通過替代淘汰高污染、高耗能產業,帶動產業結構由勞動、資本密集型向技術、數字密集型演進升級,提高經濟增長的低碳程度。同時,推動資本投入從以 “鐵公基”為代表的傳統基礎設施領域轉向科技含量高、市場化導向強的新型基礎設施領域,提高固定資產投資的低碳化程度(邵帥等,2022)。因此,數字經濟運行通過降低能源強度、產出碳強度和投資碳強度減少碳排放。另一方面,數字經濟規模增長能夠提高總產出水平,在經濟增長還難以擺脫對化石能源消費依賴的條件下,產出規模擴張將引致更多能源消耗及相應的碳排放,這意味著數字經濟發展帶來的產出效應會增加碳排放。綜上可知,數字經濟對碳排放既發揮促降作用,又具有促增作用,二者的相對強弱決定數字經濟發展能否產生碳減排效果。根據以上分析,本文提出如下假設:

H1:若數字經濟對碳排放的促降作用強于促增作用,則數字經濟有利于碳減排,反之則不利于碳減排。

1.2 數字經濟、綠色技術進步與碳減排

綠色技術是指能夠降低生態環境負荷、提高資源利用效率的技術、工藝或產品的總稱。綠色技術進步在投入端表現為綠色技術創新能力增強,在產出端表現為綠色全要素生產率提升。一方面,數字經濟對綠色技術創新和綠色全要素生產率的積極影響已被現有文獻證實(王鋒正等,2021;周曉輝等,2021)。數字技術應用促使綠色技術研發決策由經驗驅動向數據驅動轉變,通過信息挖掘和需求預測,幫助企業判斷綠色技術創新方向、潛力和路徑。數字技術與傳統金融服務業態的深度融合,不僅可以降低獲得金融服務的門檻和成本,而且能夠對資金流向和利用情況進行追蹤,弱化信息不對稱導致的逆向選擇和道德風險,為綠色技術創新提供充足的金融資源和有效的融資渠道。同時,數字經濟能夠突破時空限制,有利于研發主體之間加強合作交流和集體學習,從而降低綠色技術研發風險與沉沒成本,提高綠色技術創新效率。此外,數字經濟具有高創新、強滲透、廣覆蓋的典型特征,通過降低搜尋匹配和交易成本、糾正要素配置扭曲、提高要素綠色價值創造能力、促進關鍵共性技術迭代創新,作用于技術效率提升和前沿技術進步,推動綠色全要素生產率提升。另一方面,技術進步方向決定經濟活動的環境結果,綠色技術進步是解決環境問題的重要支撐( 陸旸,2012),通過控增量、壓存量推動碳減排。綠色技術廣泛運用于企業生產和居民生活,能夠助推先進節能、清潔生產工藝替代老舊高耗能、高污染生產工藝,促進產業結構綠色轉型和能源消費綠色升級,而能源領域的綠色技術進步可以加快清潔能源、可再生能源、新能源的開發利用,有利于能源消費結構的低碳化轉型,進而從生產端和消費端減少資源能源消耗,降低供給側和需求側碳排放,實現源頭管控。此外,綠色技術進步能夠有效控制脫碳成本,為二氧化碳捕集、利用和封存技術研發與應用提供必要的技術支持,賦能碳減排的末端治理。根據以上分析,本文提出如下假設:

H2:數字經濟發展通過綠色技術創新效應與綠色全要素生產率效應產生綠色技術進步進而促進碳減排。

2 研究設計

2.1 模型設定

為驗證數字經濟能否促進碳減排,本文構建如下基準模型:

(1)

式中,下標i、t分別表示省份和年份,被解釋變量coc為地區二氧化碳排放量,核心解釋變量dig為地區數字經濟發展水平,Xit為控制變量集合;ui為地區固定效應,λt為時間固定效應,εit為隨機誤差項;θp為各控制變量的估計系數,α1為數字經濟對碳排放的影響系數,若α1為負且通過顯著性檢驗,說明數字經濟的碳減排效應顯著。

2.2 變量選取與說明

2.2.1 被解釋變量

二氧化碳排放量(coc)。利用MEIC模型平臺提供的碳排放數據[22],將碳排放量劃分為小于1億噸、1億噸～3億噸、3億噸～5億噸、5億噸～7億噸、大于7億噸5個層級,運用ArgGis軟件進行可視化展示(見圖2)。總體而言,我國碳排放總量從2013年的96.94億噸上升至2021年的107.75億噸,年均增長率為1.23%,碳排放的層級變化并不明顯,約一半省份的碳排放量介于1億噸～3億噸之間。碳排放的空間分布呈“北高南低”特征,北方地區與南方地區碳排放量差值由2013年的10.26億噸攀升至2021年的14.62億噸,南北差距的馬太效應有所加劇。

圖1 中國省際碳排放時空演化格局Fig.1 Spatial and temporal evolution of provincial CO2 emissions in China

圖2 2013—2021年各省數字經濟指數均值Fig.2 Annual averages of provincial digital economy indices from 2013—2021

2.2.2 核心解釋變量

數字經濟(dig)。借鑒現有研究[13-15],從數字基礎設施、數字產業規模、數字生活應用、數字生產應用4個維度構建數字經濟綜合評價指標體系(見表1)。在對各指標進行無量綱化處理的基礎上,利用熵值法賦權,通過線性加權合成數字經濟發展指數以及4個維度的分項指數,以衡量省域層面的數字經濟發展水平。如圖2所示,在全國范圍內,北京、廣東、上海、江蘇、浙江、福建等地的數字經濟發展水平領先,與新疆、甘肅、云南、貴州、廣西等排名靠后的地區間呈現出明顯的數字鴻溝。南方地區以長三角和珠三角地區為代表,數字經濟發展水平較高,北方地區除北京一枝獨秀外,與南方省份具有一定圈層差距,由此可見,我國數字經濟發展過程中的南北分化態勢明顯。

表1 數字經濟發展評價指標體系Tab.1 Evaluation index system of digital economy development

2.2.3 控制變量

本文選取以下控制變量:①經濟規模(gdp),以地區實際生產總值的對數值衡量;②投資水平(inv),以地區人均固定資產投資的對數值衡量;③產業結構(ins),以第三產業與第二產業產值的比值衡量;④能源強度(ens),以地區能源消費總量與地區生產總值的比值衡量;⑤政府支持(gov),以地區財政節能環保支出占一般公共預算支出的比重衡量;⑥命令控制型環境規制(cer),借鑒鄧慧慧和楊露鑫(2018)的研究,以地方政府工作報告中碳減排相關詞匯(能耗、低碳、減排、二氧化碳)出現的詞頻表示;⑦市場激勵型環境規制(mer),借鑒董直慶和王輝(2021)的研究,以碳排放權交易試點的政策虛擬變量表示,若地區i在t時期是碳排放權交易試點省份,則取1,否則為0。

2.2.4 數據來源與描述性統計

考慮到數據統計口徑及數據的連續性與可得性,采用2013—2021年中國內地30 個省份(西藏因數據缺失嚴重,未納入統計)面板數據進行實證分析。碳排放數據來源于MEIC模型平臺(http://meicmodel.org.cn),數字普惠金融指數來自于數字金融開放研究平臺(https://www.dfor.org.cn/research/numberdata),其它經濟數據來源于2014—2022年《中國統計年鑒》《中國工業統計年鑒》《中國信息產業年鑒》《中國能源統計年鑒》《中國城市統計年鑒》以及各省份統計年鑒、統計公報和政府工作報告。對現價統計的變量均平減至2013年基期水平,缺失數據采用插值法補全。表3 報告了主要變量的描述性統計特征。

表3 變量描述性統計結果Tab. 3 Descriptive statistics of variables

3 實證分析

3.1 基準回歸結果

首先,利用雙向固定效應模型(FE)進行基準回歸分析,由于模型在1%的顯著性水平下拒絕同方差、無一階組內自相關、無同期相關的原假設,采用“異方差—序列相關—截面相關”(DK)標準誤進行估計,結果如表4所示。引入控制變量并控制省份和年份固定效應后,在其它條件不變的情況下,dig每增加1個單位,coc將下降15.689個單位,此時數字經濟的碳減排效應顯著。控制變量中,gdp、ens的估計系數顯著為正,inv、ins、gov、cer、mer的估計系數顯著為負,說明經濟規模擴張、能源強度提高會對碳排放產生促增作用,而投資水平提高、產業結構升級、政府對節能環保的財政支持、命令控制型與市場激勵型環境規制工具的運用有助于降低碳排放。 其次,由于固定效應模型下的均值回歸主要反映平均邊際效果,在不同條件分布下,數字經濟對碳減排的影響可能存在差異,有必要進行面板分位數回歸。結果顯示,dig的估計系數在25%、50%、75%的分位點上均顯著為負,且負向影響強度隨分位點的上升而提高,說明數字經濟的碳減排作用在碳排放水平較高的地區更加顯著。

表4 基準回歸結果Tab.4 Results of benchmark regression

3.2 內生性檢驗

考慮到上述檢驗可能無法妥善解決實證中因遺漏變量、反向因果關系引發的內生性問題,本文采用工具變量(IV)進行重新估計。參考黃群慧等(2019)的思路,選取每百人固定電話數量(tel)作為工具變量,因為互聯網走進大眾視野是從電話線撥號接入開始的,固定電話普及率較高的地區互聯網滲透率可能更高,因而固定電話數量會影響互聯網的先期接入和后期普及,而數字經濟發展高度依賴互聯網的普及和應用。因此,該工具變量與數字經濟之間存在相關性。同時,固定電話數量對碳排放沒有直接影響,且與模型中其它控制變量和隨機擾動項不相關。因此,工具變量選取合理。

利用兩階段最小二乘法(2SLS)估計的回歸結果如表5所示,IV估計系數在1%的水平上顯著為正,工具變量滿足正相關假設。同時,Kleibergen-Paap rk LM統計量拒絕不可識別原假設,Kleibergen-Paap rk Wald F統計量、Cragg-Donald Wald F統計量通過弱工具變量檢驗,Anderson-Rubin Wald統計量拒絕內生回歸系數之和等于零的原假設,以上檢驗統計量證明工具變量有效。第二階段回歸結果顯示,dig的估計系數在1%的水平上顯著為負,與基準回歸結果一致。此外,由于在恰好識別情況下無法檢驗工具變量的外生性(陳強,2014),參考Conley等(2012)、牛冠朝和劉軍強(2021)的研究方法,利用近似于零方法( LTZ )開展近似外生IV下的穩健推斷。結果顯示,dig的估計系數依然顯著為負。綜上,考慮內生性問題后,數字經濟的碳減排效應依然存在。

表5 工具變量估計結果Tab.5 Results of instrumental variable estimation

表6 穩健性檢驗結果Tab.6 Results of robustness test

3.3 穩健性檢驗

本文通過替換變量的方式進行穩健性檢驗。首先,考慮時間滯后效應,將核心解釋變量數字經濟滯后兩期(L2.dig)并重新進行估計。其次,參考梁琦(2021)、鄧榮榮和張翱祥(2022)的研究,將騰訊研究院編制的數字中國指數(digr)作為數字經濟的代理變量。考慮數據可得性,采用2015—2018年中國158個地級市面板數據進行固定效應模型下的參數估計,而且自2019年起,國家層面有關數字經濟的政策出臺頻率、密度和力度不斷提高,考察時間范圍的縮短也有利于排除政策等外部沖擊對研究結果產生的可能影響(李衛兵,張凱霞,2019;孫傳旺等,2019)。結果顯示,替換后的解釋變量對原被解釋變量的估計系數均至少在10%的水平上顯著為負,說明替換變量后并未改變本文核心結論,驗證了以上實證結果的穩健性。

4 拓展分析

4.1 空間效應檢驗

考慮到數字經濟對碳排放的作用會受到地區空間因素影響,本文進一步采用空間計量模型刻畫數字經濟對碳排放影響的空間交互作用。表7匯報了地理距離矩陣與經濟空間距離矩陣下空間計量模型的估計結果,其中,地理距離矩陣以省會城市間經緯度距離平方的倒數度量,經濟空間距離矩陣以2013—2021年地區間人均實際GDP年均值的絕對差值的倒數度量。根據經典LM-Error、LM-Lag和穩健LM-Error、LM-Lag檢驗結果,地理距離矩陣下選擇SAR模型進行檢驗,經濟空間距離矩陣下選擇SDM模型進行檢驗。在兩種空間權重矩陣下,dig的估計系數均顯著為負,數字經濟的碳減排效應得到驗證。被解釋變量的空間滯后系數均顯著為正,說明碳排放存在顯著的正向空間溢出效應,即本地區碳排放水平降低能夠顯著抑制地理或經濟關聯地區的碳排放。這可以歸因于區域競爭效應和經濟關聯效應:一方面,“雙碳”目標下,我國將碳強度下降作為約束性指標納入國民經濟和社會發展規劃,引導各地區在低碳轉型過程中通過政府間的策略性互動形成節能減排的良性競爭關系;另一方面,碳減排過程伴隨著產業結構綠色轉型,在市場機制作用下,通過地區間產業關聯傳導至經濟關聯地區,帶動經濟增長方式的協同轉變。

表7 空間回歸結果Tab.7 Results of spatial regression

空間效應下,數字經濟發展不僅會對本地區碳排放產生直接影響,也會對空間關聯地區碳排放產生間接影響并通過循環反饋機制最終影響本地區碳排放。因此,本文將數字經濟對碳排放的總效應進一步分解為直接效應和間接效應,結果如表7所示。結果顯示,直接效應、間接效應均顯著為負,說明數字經濟發展對本地區及其它地區的碳排放均存在促降作用。具體而言,在地理距離矩陣下,dig的估計系數為-14.238,直接效應為-14.716,計算得到的反饋效應(直接效應與估計系數之差)為-0.478,間接效應為-5.625,總效應為-20.341。也即,本地區數字經濟發展指數每增加1個單位,將直接促使本地區碳排放下降約14個單位,并在空間溢出效應下間接帶動其它地區碳排放下降約5個單位,通過循環反饋機制促使本地區碳排放下降約0.5個單位。由此可知,直接效應占總效應的比重顯著高于間接效應,意味著數字經濟發展對本地區碳排放的直接促降作用強于對空間關聯地區碳排放的間接促降作用;空間反饋效應雖然存在,但其占直接效應的比重仍較低。

4.2 傳導機制檢驗

以上實證結果表明,數字經濟對碳排放具有顯著促降作用。那么,數字經濟發展通過何種途徑促進碳減排?為此,借鑒鄧慧慧和楊露鑫(2019)的研究,本文構建聯立方程模型,利用三階段最小二乘法(3SLS)進行傳導機制檢驗,如式(2)(3)。

(2)

(3)

式中,Mit代表綠色技術進步,以綠色技術創新能力(tei)和綠色全要素生產率(gtp)表征。綠色技術創新能力是綠色技術進步水平的直接反映,以綠色發明專利授權數的對數度量,數據來源于國家知識產權專利檢索及分析系統,按照WIPO國際專利綠色清單進行匹配,得到上市企業綠色發明專利授權數據,根據企業所在地匯總得到省域層面綠色發明專利授權數據。綠色全要素生產率能夠體現整體技術進步的綠色偏向性程度,采用基于SBM方向性距離函數的GML指數度量,測算過程中,以全社會從業人員數、永續盤存法估算的物質資本存量、折算為標準煤單位的能源消費總量作為投入要素,以實際地區生產總值作為期望產出,以工業廢水、二氧化硫和固體廢棄物排放量作為非期望產出。控制變量組Xit與前文設定相同,控制變量組Zit代表影響機制變量的其它因素,包括研發投入強度(R&D經費內部支出占GDP的比重)、外貿依存度(進出口總額占GDP的比重)、外資依存度(外商直接投資額占GDP的比重)、科技支出(科學技術支出占一般公共預算支出的比重)、人力資本結構高級化、命令控制型和市場激勵型環境規制,借鑒劉智勇等(2018)的研究,采用向量夾角法測算人力資本結構高級化指數,環境規制變量與前文設定相同。

由表8可知,dig的估計系數顯著為正,說明數字經濟發展能夠提升綠色技術創新能力和綠色全要素生產率;tei、gtp的估計系數均顯著為負,說明綠色技術創新能力和綠色全要素生產率提高對抑制碳排放具有顯著效果,這意味著綠色技術進步對碳減排表現出較為穩健的技術紅利。以上結果驗證了H2。綠色技術進步一方面表現為綠色創新能力提升帶來的能源利用成本下降和能源利用效率提高,另一方面表現為綠色生產效率提升帶來的單位GDP能耗下降和可持續發展能力提高。數字經濟通過綠色技術創新效應和綠色生產率效應促進綠色技術進步,可以有效轉化為綠色生產力,大幅降低生產、分配、流通、消費各環節對有形資源的依賴,推動經濟增長方式從不可持續的資源高度依賴型轉向持續迭代的技術進步型。這正符合不以犧牲經濟增長速度為代價,實現碳減排約束下的高質量發展理念。

表8 機制檢驗結果Tab. 8 Results of mechanism test

4.3 調節作用檢驗

傳導機制檢驗表明,數字經濟發展通過促進綠色技術進步有效推動碳減排。綠色技術進步的實現依賴于要素市場發育,要素比較優勢和市場化程度將直接影響綠色技術研發、擴散和應用。為此,本文將要素稟賦結構和技術成果市場化作為衡量要素市場發育程度的主要指標,分析其對數字經濟發展促進碳減排的調節作用。在式(1)基礎上納入核心解釋變量與調節變量的交互項,如式(4)。

(4)

式中,Dit代表要素稟賦結構(klr)和技術成果市場化(mar)兩個調節變量,分別用物質資本存量和技術市場成交額占GDP的比重表示。

如表9所示,交互項dig×klr、dig×mar的估計系數在5%的水平上均顯著為負,說明稟賦結構升級和技術成果市場化程度提高能夠顯著強化數字經濟的碳減排效應。2020年中國數字經濟增加值占GDP的比重達到38.6%,農業、工業、服務業數字經濟滲透率分別為8.9%、21.0%、40.7%。伴隨數字經濟規模不斷擴張、貢獻持續增大,投資結構發生深刻變革,傳統基礎設施投資部分轉向新型基礎設施投資。這種資本投入偏向性的轉換,促使物質資本更新不再以單純滿足擴大生產規模或提升要素生產率為目的,而是以數字技術和節能減排技術的研發與應用為導向,從而提高投資活動的綠色程度,緩解傳統領域重復投資引致的產能過剩與能源消費增加。技術成果市場化程度提高有利于加快科技創新成果向經濟效益轉化,激發數字技術創新活力。因此,在資本密集程度和技術成果轉化率較高的地區,數字經濟發展對碳排放的促降作用更為顯著。

表9 調節作用檢驗結果Tab. 9 Results of moderating effect

4.4 異質性分析

4.4.1 地區異質性

本文從區域和城市兩個層面進行地區異質性檢驗,分樣本估計結果如表10所示。在區域層面,通過比較dig的估計系數發現,數字經濟對北方地區的碳減排作用明顯強于南方地區。原因可能在于,北方地區重工業和資源型產業占比相對較高,數字經濟發展在倒逼落后產業轉型、推動產業結構升級過程中,也會減少對化石能源的需求與消費,減排效果更加顯著。從城市層面看,在城市群內部,數字經濟對碳排放具有顯著促降作用;在非城市群地區,數字經濟對碳排放無顯著影響。由于虹吸效應的存在,優質資源在市場機制作用下向具有效率優勢和空間優勢的城市群高度集聚,導致非城市群地區人流、物流、資本流和信息流等要素積累欠佳,數字經濟發展相對滯后,數字技術應用不足且與實體經濟融合不深,碳減排潛力有待釋放。

表10 地區異質性檢驗結果Tab. 10 Results of regional heterogeneity test

4.4.2 作用因素異質性

為考察數字經濟構成因素對碳排放的異質性影響,將核心解釋變量替換為數字基礎設施(dig1)、數字產業規模(dig2)、數字生產應用(dig3)和數字生活應用(dig4)4個分項指數及其滯后項,結果如表11所示。結果顯示,當期及滯后兩期的dig2、dig3、dig4對碳排放均具有顯著負向影響,但當期及滯后兩期的dig1估計系數并不顯著。進一步對比發現,當期及滯后兩期的dig3、dig4估計系數均高于dig2,說明數字生產應用和數字生活應用的碳減排效果更為顯著。以上結果表明,數字經濟具有結構性減排效果,單純完善數字基礎設施并不能降低碳排放,持久發揮數字經濟減排作用的關鍵在于以數字產業化為支撐,加速推進數字化應用,驅動生產生活方式綠色轉型。

表11 作用因素異質性檢驗結果Tab. 11 Results of heterogeneity test of influencing factors

5 研究結論與政策啟示

5.1 研究結論

本文以數字經濟運行的資源配置效應為切入點,從綠色技術進步視角闡釋數字經濟發展促進碳減排的理論機制,并基于中國省級和城市面板數據,運用固定效應模型、面板分位數回歸模型、空間計量模型和聯立方程模型,就數字經濟對碳排放的影響進行多維度實證檢驗。研究發現:第一,數字經濟發展對碳排放具有顯著促降作用,該結論經過一系列穩健性檢驗后仍然成立。第二,在地理距離矩陣和經濟空間距離矩陣下,數字經濟的跨界減排效應顯著存在,數字經濟不僅對空間關聯地區的碳排放發揮負向空間溢出效應,而且通過循環反饋機制降低本地區碳排放水平。第三,機制檢驗顯示,綠色技術創新能力和綠色全要素生產率表征的綠色技術進步表現出技術紅利效應,成為數字經濟發展推動碳減排的重要途徑。第四,在要素市場發育調節下,稟賦結構優化和技術成果市場化水平提高有助于強化數字經濟的碳減排效應。第五,異質性分析表明,數字經濟對北方地區的碳減排作用顯著強于南方地區,但相較于非城市群地區,其減排效應僅在城市群內部顯著;數字經濟具有結構性減排效果,單純優化升級數字基礎設施并不能有效推動碳減排,而數字產業化發展尤其是生產生活數字化轉型是促進碳排放持久下降的動力來源。

5.2 政策啟示

本文研究結論可為加快推進數字化轉型賦能低碳發展提供政策啟示:首先,推動數字經濟高質量發展,強化資源配置功能。一方面,在擴大數字基礎設施規模的同時,更要注重數字經濟發展的質量和效益,培育先進數字產業集群,促進數字技術向經濟社會和產業發展各領域廣泛深入滲透,謹防規模至上的粗放式推進;另一方面,充分釋放數據要素價值,加強數據要素的高質量供給和市場化流通,推動數據技術產品、應用范式、商業模式和體制機制協同創新,以數據流促進研發、生產、流通、服務、消費全價值鏈高效貫通。其次,建立地區協作機制,形成數字減排的區域合力。鑒于我國省域碳排放具有正向空間依賴性,并且數字經濟對碳排放存在負向空間溢出效應,構建低碳發展區域共同體勢在必行。充分發揮不同區域優勢,將中西部地區的成本優勢、資源優勢與東部地區的技術、市場和產業優勢相結合,健全區域間優勢互補、協同發展的長效機制,彌合數字鴻溝,形成數字經濟協調發展的區域格局;推動區域間“雙碳”行動方案的深度對接,加強政策設計和實施的溝通協調,鼓勵跨區域企業形成綠色聯盟,促進技術擴散,強化示范效應,共享低碳發展經驗。最后,賦能綠色技術進步,激勵市場主體開展綠色技術研發。深化物聯網、大數據、人工智能、區塊鏈等數字技術在節能環保、清潔能源領域的融合應用,強化技術進步的綠色偏向,通過專項基金、稅收減免、政策補貼等激勵方式,為綠色技術研發和推廣提供資金支持;加大對綠色技術產品的采購力度、綠色技術應用場景的投入力度、技術交易服務體系的建設力度,通過差異化的消費稅政策對居民綠色消費行為加以引導,擴大節能低碳產品市場份額。