產業數字化與完全碳排放強度
——基于WIOD 跨國面板的實證分析

武亞楠，彭璧玉

（1.廣州商學院 經濟學院，廣州 511363；2.華南師范大學 經濟與管理學院，廣州 510006）

2023年4 月世界氣象組織（WMO）發布《2022年全球氣候狀況》。該報告指出，吸熱溫室氣體達到創紀錄水平。自20 世紀90年代初以來，海平面整體已上升了超過10 厘米。因此，治理二氧化碳排放等溫室氣體刻不容緩。作為負責任的大國，中國關于應對氣候變化、降低碳排放的國家自主貢獻不斷加碼，適時提出碳達峰、碳中和愿景，印發《2030年前碳達峰行動方案（國發〔2021〕23 號）》，以此為減少溫室氣體排放、應對氣候危機做出中國貢獻。中國主動減少碳排放的責任和擔當能為國際社會樹立典范，激勵全球氣候行動，體現中國主動承擔人類命運共同體的擔當。在此背景下，如何治理碳排放已成為當前我國生態文明建設、實現經濟高質量發展、貫徹新發展理念，實現社會主義現代化強國的重要問題。數字經濟代表了一種新的經濟發展方式，在促進可持續、零碳和包容性經濟增長方面的潛在作用值得探索。目前，學者們對數字經濟對與區域碳排放總量、強度及效率之間的關系進行了深入的探討并取得了較為豐富的成果。少數文獻分析了區域特征對具體產業或行業碳排放的影響。但鮮有研究探討產業數字化對產業碳排放的關系。探討產業數字化和產業碳排放之間的因果關系有助于了解不同產業數字化和產業碳排放情況，可以幫助政府和決策者制定更具有針對性和有效性的政策，以減緩氣候變化和改善環境。鑒于產業或行業數字化產出較難衡量，故本文用產業數字化投入衡量產業和行業數字化，并利用世界投入產出數據庫（world input-output database，WIOD）、世界發展指標（world development indicators，WDI）等跨國面板數據實證分析產業數字化與其完全碳排放強度之間的因果關系。基于此，本文擬研究的問題是：產業數字化是否抑制產業完全碳排放強度？如是，其可能的中介機制是什么？異質性又有哪些？以上問題的研究可以為碳達峰和碳中和的實現提供產業層面的啟示。

一、文獻回顧

與本文相關的文獻主要有三個方面：一是，數字經濟對碳排放的影響；二是，產業碳排放的影響因素；三是產業數字化對具體產業或行業碳排放的影響。學術界主要從三個視角探討數字經濟對碳排放的影響：第一，數字經濟不僅能降低碳排放總量、強度，還能提升碳排放效率。學者們認為數字經濟降低碳排放的路徑主要有：經濟增長、金融發展和產業結構升級（Dong et al，2022），能源結構（Yi et al，2022），煤炭消費比重、綠色技術創新水平（Wang et al，2022），環境治理（Zhang et al，2022），創新要素流動性（Wang et al，2022），碳全要素生產率（Han et al，2022）等。第二，數字經濟增加了碳排放。主要原因是：數字產業擴大了能源需求（Jin and Yu，2022）、增加了非信息通訊技術部門的碳密集型中間投入（Zhou et al，2019）、增加了區域電力和能源的消耗（Salahuddin et al，2016）。也有學者認為數字經濟的發展不利于提高能源效率，從而間接增加了碳排放（Zhang et al，2022）。第三，也少數文獻認為數字經濟與碳排放呈現非線性影響（Zhang et al，2022）（Cheng et al，2023）。

從產業碳排放的影響因素角度看，現有學者認為人口、土地和經濟城鎮化促進了本地交通運輸業的碳排放總量（田澤等，2023）；全球價值鏈生產長度的延長能產生顯著的減排效果（趙凌云和楊來科，2020）。研發、外國直接投資水平溢出和外國直接投資前向溢出三種來源的技術進步可降低整體產業碳強度（楊傳明，2019）。但從產業數字化角度探討其對產業碳排放影響的文獻較少。

從產業數字化與產業碳排放關系的角度看，這類研究多數側重于理論層面。研究發現，出租車客運行業和貨運行業利用大數據能優化城市交通，提高供需匹配效率，減少空駛（許憲春等，2019）。同時，共享乘車直接降低了汽車能耗，并通過對鐵、鋼、塑料、水泥需求下降來間接減少能源消耗，進而降低碳排放（Akimoto et al，2022）。信息產業通過路線優化、容量分配和物聯網等技術，顯著降低了物流業的碳排放強度（Prajogo and Olhager，2012）。信息產業技術溢出通過五大路徑即生產過程模擬，產品和服務的智能設計和操作，智能物流配送，大數據匹配買賣雙方，遠程辦公方式實現跨行業減排（Wang et al，2021）。少數實證研究認為工業智能化發展能夠通過技術進步和抑制能源強度提升工業碳排放效率（王艷秋和陶思佳，2023）。

現有文獻為本文提供了有益借鑒。但在以下方面可以進一步拓展：第一，如前所述，盡管已有研究從區域角度探究數字經濟與碳排放之間的關系，但大多忽視了產業或行業視角。第二，現有文獻主要從城鎮化、價值鏈和技術進步角度對具體產業碳排放總量、強度的影響，卻忽視了產業數字化對產業碳排放的影響。第三，現有對產業數字化與產業碳排放關系的研究主要為定性研究，定量研究較少。且部分定量研究仍未從產業或行業數字化角度分析其對碳排放強度的影響。第四，少數使用行業數字化投入的文獻使用的是中國投入產出數據（楊丹輝和胡雨朦，2022），但中國投入產出表存在年份不連續，數據量較少的弊端。鑒于產業和行業數字化產出較難衡量，故本文采用產業數字化投入衡量產業數字化。基于此，本文從產業數字化與碳排放強度的視角出發，利用WIOD 的投入產出表、環境賬戶數據及WDI 相關數據，在測算產業數字化和產業碳排放強度的基礎上，研究產業數字化與碳排放強度的關系，中介機制及異質性。

本文的邊際貢獻可能在于：①研究層面為產業層，探究產業數字化與碳排放強度的文獻較少。故本文測度產業數字化并分析產業數字化對其完全碳排放強度的影響，該選題具有一定的新穎性，能豐富現有研究。②從定量角度，建立跨國分行業面板模型評估產業數字化對產業完全碳排放強度的影響。這種跨國數據結構能提供更多產業數字化和碳排放的信息，使得評估結果更加可靠。③分析產業數字化對不同行業、不同經濟體、不同區位產業或行業碳排放強度的影響，并探討不同產業數字化對產業或行業碳排放強度的影響。由此，進行多角度的異質性分析，使結論和建議更加具有針對性。

二、理論分析與研究假說

本文從產業鏈和產業調控的角度探討產業數字化對產業碳排放強度的影響。產業鏈包含供需鏈、企業鏈、空間鏈和價值鏈。首先，產業數字化改造供需鏈，減少產業中間投入，提高產業效率，降低了產業碳排放。供需鏈包含消費者和生產者的需求鏈，物流鏈和生產要素的供應鏈，產品技術鏈和技術服務鏈（吳金明和邵昶，2006）。第一，產業數字化有利于利用大數據模型和算法精準預測市場需求的動態趨勢和變動規律，促進了決策的高效和生產的精準化，促進供需匹配的效率。第二，物流的數字化促進了智慧物流的發展，進而促進了物流系統中各方參與者信息交互與共享，智能決策與執行，高質量、高效率、低成本地分工協作（李佳，2019）。第三，產業數字化不僅能提升企業的技術創新（王桂軍等，2022），還可以利用大數據等實現產業內企業、產業間企業的集成創新和協作創新。綠色創新是創新的重要組成部分。因此，從供需鏈角度來看，產業數字化通過精準化生產和銷售，高效率和高質量的運輸，技術創新和協作創新降低產業碳排放強度。

其次，產業數字化通過改造企業鏈，降低產業碳排放。一方面，碳排放量高的企業面臨的控制越高，盈利能力較低（Homroy，2023），信用評級就越低，現金流不確定性越高（Safiullah et al，2021）。大部分消費者熱衷于為環保產品和服務支付更高的價格（Safiullah et al，2022）。因此，企業可以通過利用環境機會作為先行者來提高其經濟效益。而這種注重減排的企業文化、思想將會順著企業鏈傳導到其他企業中。產業數字化加快了企業鏈中和企業鏈間企業與企業，企業與消費者，企業與政府的溝通、聯系和互動，使得信息、資金、物質、技術及減排的共識在企業鏈上流通的更加順暢，使得企業通過減少碳排放總量的形式降低了碳排放強度。另一方面，產業數字化對產業增長產生了放大、疊加和倍增效應，使產業通過增加產出的形式降低了碳排放強度。

然后，空間鏈是同一產業在不同區域的分布。數字經濟的發展能降低信息搜尋成本，減少信息不對稱，削弱了土地、勞動力等傳統區位因素對產業或企業的區位選擇的重要性，促進了企業鏈條的網絡空間虛擬集聚（邢丁和徐康寧），促使產業的空間鏈得到迅速擴展，促進了產業的資源配置。而資源的優化配置是減少碳排放的主要渠道（Wang et al，2021）。除此之外，價值鏈是供需鏈、企業鏈、空間鏈的動力。產業數字化通過賦能傳統產業能提升傳統產業的價值創造、增值，提升企業所處價值鏈的位置，使產業通過增加產出的形式降低產業碳排放強度。

最后，基于產業調控視角。一是，企業具有減排的內在需求（Homroy，2023），而產業數字化為產業減排提供了技術支持；二是，產業數字化不僅促進了高耗能和高污染行業的集約化生產，降低了碳排放總量，還促進了綠色、環保產業的發展和技術創新，調整行業或市場結構向綠色、低碳化邁進；三是，產業數字化使得產業鏈條中的各個主體關系均能成為碳排放治理體系中的重要參與者，聲譽機制、協同治理機制在治理產業碳排放過程中能發揮著重要作用。因此，產業數字化擴充了監管主體、監管方式和監管情景，有助于構建多元化主體的協同綠色治理框架，使產業通過促進綠色治理創新，降低了碳排放強度。

綜上所述，本文提出假設1：

產業數字化降低了產業完全碳排放強度。

三、實證模型設計與數據處理

（一）模型設定

根據前述理論分析，為探討產業數字化與其完全碳排放強度的關系，本文設定如式（1）的線性回歸模型。

其中：c為國家；i為行業；t為年份；carboncit為被解釋變量，即c國i行業t年的完全碳排放強度；digitcit為c國i行業t年的產業數字化；X為一系列控制變量；uc為國家效應；vi為行業效應；μt為年份效應；εcit為隨機擾動項。為保證結果的可靠性，本文控制國家、行業和年份固定效應，并采用穩健標準誤，以緩解潛在的國家、行業與宏觀經濟因素對估計結果的擾動。

（二）變量選取

1.被解釋變量：碳排放強度

本文借鑒現有文獻（黃玉霞和謝建國，2019）的方法，根據世界投入產出模型測度各國各行業的完全碳排放強度。

然后，矩陣A為直接消耗系數矩陣，Agi為行業i對行業g的直接消耗系數。根據世界投入產出表可知：

2.核心解釋變量：產業數字化

鑒于產業或行業數字化產出較難衡量，本文參考現有文獻（謝靖和王少紅，2022）的方法，采用產業數字化投入衡量產業數字化（digit），即通過衡量某行業中消耗數字行業產品的價值來測度。產業數字化可以用直接消耗系數、完全消耗系數、直接依賴度與完全依賴度進行衡量。直接消耗系數是某行業一單位產出直接消耗的數字中間產品價值。完全消耗系數是某行業對數字中間產品的直接消耗與所有間接消耗之和。直接消耗系數和完全消耗系數是絕對指標，難以反映產業數字化投入在總投入中的重要程度（謝靖和王少紅，2022）。直接依賴度是行業對數字行業的直接消耗占該行業所有直接消耗的比重。完全依賴度是行業對數字行業的直接消耗和完全消耗之和占該行業所有完全消耗的比重。鑒于完全依賴度能較為全面的衡量行業對數字行業的消耗和使用情況，本文使用完全依賴度測度產業數字化。所選擇的產業或行業及數字產業是根據《國際標準行業分類》（ISICRev4.0）為依據，逐一進行篩選（行業及國家分類見表1）。為避免極端值的影響，本文對核心解釋變量進行了1%的縮尾處理。

表1 行業及國家分類

3.控制變量

選擇的控制變量為：①行業增加值（lnva）。為避免回歸模型的異方差性，對其取對數。②能源結構（es）。本文使用行業清潔能源消費占行業總能源消費的比重，其中清潔能源包含生物柴油、生物汽油、沼氣、天然氣、地熱、水力、核能、風能、太陽能等可再生能源。③能源系數（energy）。用各行業單位產值的能源消耗量進行衡量。④國家城鎮化率（urban）。用城市人口占總人口的比重進行衡量。⑤固定資本形成總額（fix_capital）。本文用總固定資本形成總額占國內生產總值的比重進行衡量。⑥顆粒物排放損害（damage）。本文使用調整后的顆粒物排放損害占國民總收入的比重進行衡量。

4.數據來源

本文根據WIOD 的投入產出表測算產業數字化，并根據WIOD 環境賬戶測算完全碳排放強度，能源數據來源于WIOD 能源使用數據，其他控制變量來源為WDI 數據庫。本文于2023年3 月下載的WIOD 投入產出數據為2000—2014年，有43 個國家和rest of the world（ROW）；WIOD 環境賬戶數據為2000—2016年數據，有42 個國家和ROW；WDI 數據為2000—2014年數據，有43 個經濟體。本文采用2000—2014年三個數據庫共有的40 個國家56 個細分行業的數據進行分析和研究。

四、實證結果與分析

（一）基準回歸結果

根據模型設定，產業數字化對產業完全碳排放強度影響的基準回歸結果見表2。其中，（1）列為不加任何控制變量時的結果，產業數字化的系數為-145.779 并在1%統計水平上顯著。（2）～（6）列是逐步加入控制變量時的基準回歸結果。（6）列中產業數字化的回歸系數為-1.258，且在1%顯著性水平下顯著。該結果表示產業數字化與產業完全碳排放強度呈現負相關關系，表明產業數字化抑制了其完全碳排放強度。由此驗證假說1 成立。

表2 基準回歸結果

（二）穩健性檢驗

1.替換被解釋變量

本文用直接碳排放強度（co2_d）和產業碳排放脫鉤（tapio）作為被解釋變量的替代指標，進行穩健性檢驗。直接碳排放強度是單位產出中國家g行業i的碳排放總量，衡量的是行業單位產出的直接碳排放量。表3 的（1）列展示，產業數字化的系數是-0.719，在1%的顯著性水平上顯著。研究發現，與基準回歸相比，該系數的絕對值小于完全碳排放強度作為被解釋變量時的產業數字化的系數絕對值。本文認為產業數字化不僅對本產業的碳排放強度產生直接影響，還能通過產業關聯對本產業的碳排放強度產生間接影響。因此，用直接碳排放強度作為被解釋變量將會低估產業數字化對產業碳排放強度的抑制作用。該結果表明替換被解釋變量后，基準回歸的結論依然穩健。

表3 穩健性檢驗

碳脫鉤能有效衡量以更低的碳排放換來同樣甚至更快經濟增長的過程，被廣泛應用于：測算區域（韓夢瑤等，2021；王杰等，2021）、行業（袁偉彥等，2022）、企業（米明金程和趙忠秀，2022）碳排放脫鉤程度、影響因素和時空特征以探索有效的減排路徑。碳排放強度指相對于單位GDP 所需二氧化碳的排放量。由于碳脫鉤和碳強度均是衡量經濟增長和碳排放之間的關系。因此，本文使用碳排放脫鉤作為被解釋變量進行穩健性檢驗。本文根據Tapio（2005）脫鉤指標體系構建碳排放脫鉤指標，步驟為

其中：c為國家；i為行業；t為年份；tot為行業總產出、CO2為行業隱含碳排放量。該指數衡量了產業和行業碳排放的彈性，較好捕捉了產業和行業經濟增長和減排的相對動態。按照Tapio 的定義，碳脫鉤狀態可以分為增長強脫鉤、增長弱脫鉤、衰退強脫鉤、衰退弱脫鉤、增長不脫鉤、衰退不脫鉤、增長聯結、衰退聯結。在產業和行業脫鉤類型中，經濟增長率為正則是增長型脫鉤，反之為衰退型脫鉤。在增長型脫鉤中，經濟增長速度一定時，碳排放增長幅度越小則表明產業和行業脫鉤狀態越理想。在衰退型脫鉤，經濟增長減少一定比例時，碳排放下降幅度越大則表明產業和行業脫鉤狀態越理想。

考慮到將八種脫鉤狀態同時納入被解釋變量會使計量模型頗為冗雜，且脫鉤狀態存在明顯的優劣順序。因此不能簡單地用脫鉤指數（T）的大小來衡量產業增長與碳排放之間的脫鉤關系。故本文參考現有文獻（米明金程和趙忠秀，2022）依據脫鉤的優化排序重新歸納為五種狀態，并構建被解釋變量（tapioc）。將產業和行業碳脫鉤狀態分為：理想狀態（增長強脫鉤，tapioc=4）、弱脫鉤狀態（增長弱脫鉤、衰退弱脫鉤，tapioc=3）、不脫鉤狀態（增長不脫鉤、衰退不脫鉤，tapioc=2）、聯結狀態（增長聯結、衰退聯結，tapioc=1）、惡劣狀態（衰退強脫鉤，tapioc=0）。Tapio（2005）分類標準下的八類碳脫鉤狀態及被解釋變量設定見表4 所示（Tapio，2005）。表3 的（2）列展示，產業數字化的系數是-0.276，并在5%統計水平上顯著，表明產業數字化能改善產業的碳排放脫鉤狀態。本文認為，同時考慮經濟增長和環境因素后，產業數字化仍能降低碳排放。即替換被解釋變量后，基準回歸的結論依然穩健。

表4 城市碳排放脫鉤類型

2.替換解釋變量

利用直接依賴度測度的產業數字化能直觀反應本產業對數字行業的直接消耗占比。因此，使用直接依賴度（digit_r）作為穩健性檢驗。表3（3）列研究發現，用直接依賴度測度的產業數字化的系數是-0.690，在1%的顯著性水平下顯著。該系數的絕對值小于基準回歸。本文認為，產業的直接數字化投入不僅影響本產業的完全碳排放強度，還通過產業之間的關聯效應間接影響本產業的完全碳排放強度。因此，采用直接依賴度測度產業數字化低估了產業數字化對產業碳排放強度的影響。該結果表明替換核心解釋變量后，基準回歸的結論依然穩健。

3.增加控制變量

為減少因遺漏變量導致的誤差，進一步控制了當前教育支出總額占公共機構總支出的百分比（education）、研發支出占國內生產總值的比重（research）、對數后的國內信貸凈額（lncredit）和外國直接投資凈額（lnFDI_net）。表3（4）列展示在增加控制變量后，產業數字化的系數是-0.463，在1%的顯著性水平下顯著。該結果表明增加控制變量后，基準回歸的結論依然穩健。

4.交互固定效應

傳統固定效應模型無法解決那些既隨時間變化又隨個體變化的不可觀測變量帶來的內生性問題。Bai（2009）在線性面板模型中引入了個體和時間的交互效應，來反映共同因素對不同個體影響的差異（Bai，2009）。與傳統的面板固定效應模型相比，交互固定效應（interactive fixed effect）模型在具體問題中能更好地反映現實，它充分考慮到現實經濟中存在的多維沖擊，以及不同個體對這些沖擊反應力度的異質性，并將傳統的雙向固定效應進一步拓展為更一般的形式。基于此，本文同時控制國家、年份和行業、年份的交互固定效應進行穩健性檢驗。表3 中（5）列是加入交互固定效應后，產業數字化的系數為-1.094，并在1%統計水平上顯著表明，產業數字化降低了產業碳排放強度狀態，基準回歸的結論依然穩健。

5.內生性問題處理

本文通過三種方式構建工具變量，處理內生性問題：

（1）參考祝樹金等（2018）的方法，將產業數字化滯后一期作為工具變量（iv1）。表5（1）列為兩階段最小二乘法第一階段結果，表明產業數字化與工具變量呈現顯著正相關關系。（2）列為兩階段最小二乘法第二階段結果，產業數字化的系數為-1.181，在1%顯著性水平下顯著，表明考慮內生性問題后，基準回歸的結論依然穩健。

表5 內生性問題處理

（2）參考蔡競和董艷（2016）將經濟體分為發達經濟體和發展中經濟體。本文將除本產業外的同年、同經濟體及同行業數字化均值作為工具變量（meandigit1）。構建該工具變量的合理性體現在：一是，此工具變量與該國該產業數字化相關性較強，滿足相關性要求；二是，該工具變量排除本產業數字化，因此該工具變量不會對本產業的完全碳排放強度產生影響，滿足排他性要求。表5 的（3）列為兩階段最小二乘法第一階段結果，表明產業數字化與工具變量呈現顯著正相關關系。（4）列為兩階段最小二乘法第二階段結果，表明產業數字化的系數為-3.184，在1%顯著性水平下顯著，表明考慮內生性問題后，基準回歸的結論依然穩健。

（3）本文參考蔡競、董艷（2016）將樣本中的國家按照所處的區域分為北美、北歐、西歐、中歐、南歐、東歐、東亞和其他國家。本文將除本產業外的同年、同區域和同行業數字化均值作為工具變量（meandigit2）。構建該工具變量的合理性體現在：一是，此工具變量與該產業數字化相關性較強，滿足相關性要求；二是，該工具變量排除了本產業數字化程度，因此該工具變量不會對本產業的完全碳排放強度產生影響，滿足排他性要求。表5 的（5）列為兩階段最小二乘法第一階段結果，表明產業數字化與工具變量呈現顯著正相關關系。（6）列為兩階段最小二乘法第二階段結果，表明產業數字化的系數為-3.046，在1%顯著性水平下顯著，表明考慮內生性問題后，基準回歸的結論依然穩健。

（三）機制檢驗

為探討產業數字化影響完全碳排放強度的影響機制，本文建立回歸模型為

其中：c為國家；i為行業；t為年份；carboncit為被解釋變量，即c國i行業t年的碳排放的完全依賴度；digitcit為產業數字化；M為中介變量，即產業總投入；X為一系列控制變量；uc為國家效應；vi為行業效應；μt為年份效應；εcit為隨機擾動項。為保證結果的可靠性，本文控制國家、行業和年份固定效應，并采用穩健標準誤，以緩解潛在的國家、行業與宏觀經濟因素對估計結果的擾動。

表6 的（1）列顯示，產業數字化與產業中間投入的回歸結果，產業數字化的系數為-0.065，在5%顯著性水平下顯著，該結果揭示了產業數字化能降低產業中間投入。（2）～（4）列分別為中間投入與完全碳排放強度、碳排放總量及脫鉤指數的回歸結果。結果顯示，中間投入能促進完全碳排放強度和總量的增長，能抑制碳排放脫鉤。因此，本文認為產業數字化通過替代其他中間投入，或提高中間投入的產出效率，降低了中間總投入量，提高了中間投入品的利用效率，進而降低了完全碳排放總量和強度，促進了產業增長與碳排放的脫鉤。

表6 中介機制檢驗

（四）異質性分析

1.行業異質性

農業種植業中的農藥、農膜、化肥、播種、灌溉，養殖業中反芻動物腸道甲烷排放、畜禽糞污處理等流程均能產生大量溫室氣體。但同時，農田也具有固碳的功能。因此，農業具有“綠色”屬性和多重功能。農業的減排固碳同樣是實現碳達峰和碳中和的重要突破點。為探究農業數字化對農業完全碳排放強度的影響，本文進行了異質性檢驗。表7 的（1）列為農業數字化對完全碳排放強度的實證結果。（2）～（4）列為農業細分下的作物和動物生產、狩獵及相關服務活動（簡稱“種植業和畜牧業”），林業和伐木（簡稱“林業”），漁業和水產養殖（簡稱“漁業”）的數字化對其完全碳排放強度的實證結果。研究發現，行業數字化不僅能降低整體農業的完全碳排放強度，還能降低種植業和畜牧業、林業的完全碳排放強度，但對漁業的完全碳排放強度沒有顯著影響。

表7 農業數字化對農業完全碳排放強度的影響

制造業是能源消耗和碳排放的重要來源。為探索制造業的減排路徑，本文進一步探究制造業數字化對其完全碳排放強度的異質性影響。表8 的（1）～（3）列分別為整體制造業，非污染和污染制造業數字化與其完全碳排放強度的實證結果。研究發現，制造業數字化對整體制造業、非污染和污染制造業的完全碳排放強度均有抑制作用，且產業數字化對污染制造業完全碳排放強度的抑制作用要大于非污染制造業，也就是說產業數字化在污染制造業中的減排潛力更大。

表8 制造業數字化對制造業完全碳排放強度的影響

表9 交通運輸業數字化對交通運輸業完全碳排放強度的影響

交通運輸領域是碳排放大戶。降低交通運輸業的碳排放一直以來都是減排的重要領域。為此，本文對交通運輸業進行了異質性檢驗。表89（1）～（6）列分別是整體交通運輸業，陸路和管道運輸，水運、空運、倉儲和運輸支持活動，郵政和信使活動行業數字化對各自完全碳排放強度的實證結果。研究結果顯示，產業數字化能降低整體交通運輸業，陸路和管道運輸，空運，倉儲和運輸支持活動，郵政和信使活動的完全碳排放強度，但是不能降低水運的完全碳排放強度。

接下來，本文對其他產業進行了異質性分析。表10 的（1）～（5）列分別展示了采礦業，水的收集、處理和供應，污水處理，建筑業，住宿和餐飲業數字化對其完全碳排放強度的實證結果。研究發現，采礦業數字化的系數為-14.071，在1%的顯著性水平下顯著。但其他行業數字化的系數并不顯著。該結果表明數字化投入對采礦業的完全碳排放強度具有抑制作用，但對水業、建筑業、住宿和餐飲業的完全碳排放強度影響并不顯著。

表10 產業數字化對其他行業完全碳排放強度的影響

2.區域異質性

本文按照國家所處的地理區位進行分類。表11 的（1）～（7）列分別為北美、北歐、西歐、中歐、南歐、東歐①塞浦路斯雖地處亞洲，但是文化偏向歐洲且是個發達的資本主義國家，因此放入東歐國家樣本中。和東亞產業數字化對其完全碳排放強度的實證結果。研究發現，產業數字化對北美、歐洲國家的產業完全碳排放強度具有抑制作用，但對東亞國家的產業完全碳排放強度的作用并不明顯。

表11 產業數字化對不同區域完全碳排放強度的影響

3.經濟體異質性

本文將樣本中的國家分為發達經濟體和不發達經濟體。表12 的（1）、（2）列分別為發達和不發達國家的產業數字化對其產業完全碳排放強度的影響。研究發現，在發達經濟體中的產業數字化的系數為-1.427，在1%的顯著性水平下顯著。在不發達經濟體中的產業數字化的系數為0.623，在5%的顯著性水平下顯著。該結果揭示了產業數字化對發達經濟體的產業完全碳排放強度具有抑制作用，對不發達經濟體的完全碳排放強度具有促進作用。

表12 不同經濟體及不同產業數字化的異質性

4.不同發展狀態的產業數字化與完全碳排放強度

本文按照產業數字化水平的高低分為高和低數字化產業兩組。表12 的（3）列、（4）列分別為，高和低產業數字化產業與其完全碳排放強度的實證結果。研究發現，產業數字化較高的行業其digit的系數為-1.815，在1%的顯著性水平下顯著。低數字化投入行業的digit的系數為0.392，但不顯著。該結果揭示了，在高產業數字化產業中產業數字化降低了其完全碳排放強度，而在低數字化產業中產業數字化對其完全碳排放強度并沒有顯著的影響。

五、結論

發展數字經濟是把握新一輪科技革命和產業變革新機遇的戰略選擇。基于此，本文從產業數字化視角考察產業減排路徑。利用WIOD 的投入產出表和環境賬戶及WDI 數據庫進行經驗分析，研究發現：第一，產業數字化能降低其完全碳排放強度。該結論在替換解釋和被解釋變量、增加控制變量及考慮內生性等穩健性檢驗后依然成立。第二，中介機制檢驗結果顯示，產業數字化投入通過降低中間總投入量，進而降低了完全碳排放總量和強度，促進了產業增長與碳排放的脫鉤。第三，異質性結果表明：①產業數字化能降低整體農業、種植業和畜牧業、林業、污染和非污染的制造業、整體交通運輸業、陸路和管道運輸、空運、倉儲和運輸支持活動，郵政和信使活動及采礦業的完全碳排放強度。但對漁業、水運、水業、建筑業、住宿和餐飲業的完全碳排放強度沒有顯著影響；②產業數字化對北美、歐洲國家的行業完全碳排放強度具有抑制作用，但對東亞國家的行業完全碳排放強度的作用并不明顯；③產業數字化對發達經濟體的產業完全碳排放強度具有抑制作用，對不發達經濟體的完全碳排放強度具有促進作用；④在高數字化產業中產業數字化降低了其完全碳排放強度，而在低數字化產業中產業數字化對其完全碳排放強度并沒有顯著的影響。

基于以上結論，本文提出如下政策建議：第一，應加快構建數字生態系統。政府應該建設和完善數字基礎設施，促進數字技術創新，普及數字教育，提高數字產品的使用和應用能力，構建數字生態系統，提高產業數字化水平，為發展數字經濟奠定良好的環境。第二，加快數字產業和傳統產業的深入融合和協調發展。應發揮數字經濟賦能傳統產業的功能，促使產業充分利用大數據，改造、重組傳統生產要素，進而節約能源，減少中間投入，提高生產效率和績效，減少產業碳排放，降低產業碳排放強度，促進產業產出增長和碳排放脫鉤。第三，通過產業關聯效應，促進數字技術在產業間的溢出。數字技術和產業碳排放均能通過產業關聯產生溢出。因此，應特別注意產業間碳排放轉移的現象。

本文的局限性在于：產業數字化的衡量仍然是學術界的一個難點。由于產業數字化產出較難測量，因此從數字投入的視角刻畫產業或行業數字化水平，且本文的產業數字化投入更側重于數字基礎設施的投入。該方法雖仍存在一定的局限性，但希望為后續研究提供了一定的思考。