數字經濟對我國居民消費碳排放影響

班楠楠,張瀟月

數字經濟對我國居民消費碳排放影響

班楠楠*,張瀟月

(東北財經大學薩里國際學院,遼寧 大連 116023)

基于2000～2020年我國30省區的面板數據,綜合測算了不同層次需求下各省區居民消費碳排放量和數字經濟發展指數,運用空間計量模型開展回歸分析和空間效應分解,并對數字經濟與總體消費碳排放進行門檻效應分析,考察數字經濟對居民消費碳排放的影響.研究發現:(1)我國居民消費碳排放整體上升,呈現出東高西低并且向中東部集中的趨勢.(2)直接消費碳排放是我國居民消費碳排放的主力,但隨著社會發展,其在總體消費碳排放中的占比呈下降趨勢,間接消費碳排放比重增加.(3)數字經濟的發展能夠顯著增加本省及鄰近地區居民間接消費碳排放以及其中本省的生存型間接消費碳排放;然而,進一步研究發現數字經濟與總體消費碳排放之間具有“倒U”型關系,數字經濟在達到較高的發展水平后能夠促進居民消費碳減排.綜上,建議進一步推動數字經濟發展,加強對綠色生產生活的引導,從而助力實現“雙碳”目標.

數字經濟；居民消費；碳排放；需求層次差異；空間回歸

我國是世界上能源消費和碳排放總量最大的國家,“雙碳”目標的實現依然任重道遠.新時期從哪些碳排放主體入手、采取什么行動有效降低碳排放成為當前亟待解決的問題.與此同時,作為拉動我國經濟增長的第一動力,消費對經濟發展具有基礎性作用.近年來,我國經濟“雙循環”以及各項擴大內需舉措不斷深入開展,居民消費總額不斷攀升,居民消費碳排放成為碳排放的新增長點,碳排放重點由生產側向消費側轉移[1].《政府與企業促進個人低碳消費的案例研究》(2021年)顯示,我國2021年居民消費產生的碳排放接近30億t,約為2002年的2.27倍.居民消費水平的提高引起了學者對消費結構變動的關注,目前主流的消費資料劃定基于恩格斯提出的生存型、發展型和享受型消費[2].不同類型消費具有不同特點,生存型消費開支比較穩定且總量較大,消費產品主要為維持生活所需的初級產品即低技術低環保產品;發展型消費滿足人們對更加優質便利生活的追求,其產品主要為高技術低環保產品;享受型消費主要滿足消費者的精神需求,其產品具有高技術高環保的特點[3].消費所產生的碳排放則還可以按商品是否直接產生碳排放分為直接消費碳排放和間接消費碳排放.前者主要為購買能源類商品直接產生的CO2排放;后者為購買非能源類商品中蘊含的從加工至達到出售狀態所產生的碳排放,現有研究常按需求層次將其同樣劃分為生存型、發展型、享受型間接消費碳排放[4].

隨著互聯網技術的不斷發展,數字賦能深度碳減排的潛力不斷擴大.數字技術能夠與主要碳排放領域深度融合,優化能源結構,降低生產成本,幫助科學決策,有效降低供給端碳排放;然而,《數字碳中和白皮書》(2021年)顯示,在數字化轉型階段,ICT產業尤其是ICT服務業碳排放會迅速增長,增加碳減排壓力.作為數字技術發展的產物,數字經濟發展規模不斷擴大,2020年我國數字經濟規模已達到39.2萬億元,較2002年增長近33倍[5],愈發凸顯出數字經濟作為國民經濟“穩定器”和“加速器”的重要作用.并且,在國際局勢復雜多變、實體經濟發展受阻等因素的干擾下,數字經濟依然顯示出強大的發展潛力,成為促進消費的強勁動力.當數字經濟與居民消費的聯系日益凸顯,研究數字經濟對居民消費碳排放的影響,對進一步降低碳排放、實現高質量發展具有重要意義.

已有研究認為消費者活動產生的碳排放遠高于其帶來的效益,并且諸如消費選擇、經濟增長等因素均會對碳排放產生影響[6-8].消費碳排放影響因素測度方法主要包括IPAT或STIRPAT模型、Kaya恒等式與對數平均權重分解(LMDI)法、空間回歸模型等[9-10].對于該領域的探討呈現出研究區域和研究內容不斷細化的發展趨勢,研究范圍從國家和省級層面向縣市層面拓展[11],所研究的碳排放影響因素也在傳統測度模型基礎上擴展至特定要素,如城鎮化、數字金融等,對碳排放具有提升或抑制作用,并存在一定的時間和空間效應[12-13].這些研究對于通過發展特定領域降低居民消費碳排放具有良好的指導意義.

對于數字經濟與居民消費碳排放之間的關聯,目前雖尚未有研究進行過多討論,但數字經濟與消費和與碳排放之間的關系已在相關研究中得到證實.研究表明數字經濟對于居民消費規模、消費結構、消費方式等均具有正向作用[14-16].而對于數字經濟對碳排放的影響,一方面,學界對數字經濟的碳減排潛力給予肯定,認為數字經濟能夠通過數據生產要素、數字科技革命推動低碳轉型,提升能源利用效率[17],并且其發展水平提高會使碳減排效應更加明顯[18].另一方面,部分研究對目前發展水平下數字經濟對碳排放的抑制作用提出質疑,認為目前對數字經濟碳足跡占全球溫室氣體排放量比重的估計值均存在低估現象,數字經濟發展顯著提升了全球碳排放[19];研究發現數字經濟發展在環京城市和經濟強市能推動城市碳減排,而在非經濟強市則加劇了碳排放[20].因此,目前數字經濟能否降低碳排放仍有待進一步討論.

通過梳理文獻發現,研究居民消費碳排放驅動因素仍以傳統模型中的要素為主,且鮮少劃分需求層次;對數字經濟現階段的碳減排作用褒貶不一,數字經濟與居民消費碳排放的關系仍有待探討;多個居民消費碳排放影響因素均具有顯著的空間效應,但基于空間視角的研究依然較少.基于此,本文以不同省份居民消費碳排放為研究對象,綜合我國2000～2020年30省、區(港澳臺及西藏地區資料暫缺)的面板數據,對居民的直接和間接消費碳排放進行測度,運用熵值法對我國數字經濟發展水平予以賦值,利用空間計量模型開展空間回歸及空間效應分解,探究數字經濟對居民消費碳排放的影響及空間特性,并進一步運用門檻模型探究二者的非線性關系,最后得出結論并提出建議.

1 理論分析與研究假設

通過降低交易成本及收入與消費的不確定性、提升收入水平、緩解流動性約束和拓寬社會網絡機制等方式,數字經濟的發展促進了消費規模擴大與消費結構升級,同時催動了消費碳排放的增長[13,21].目前我國居民消費碳排放仍以基礎消費產生的碳排放即直接消費及生存型間接消費碳排放為主[4,22].隨著經濟社會的發展,我國直接能源消費碳排放以及各需求層次下的人均間接消費碳排放總體上升,其中多數省份生存型人均間接碳排放上升勢頭較強,而發展型和享受型人均間接碳排放上升則相對緩慢[23-24].結合上文對消費類型及產品特點的界定,由于直接消費碳排放主要為能源消費,通過數字渠道進行購買的機會相對較少且居民的能源需求量較為固定,故推測數字經濟對其影響相對較小;而能夠產生間接消費碳排放的主體大都能夠通過數字渠道購得,加之其中生存型商品為間接消費碳排放主力,故推測數字經濟對該部分的影響與消費碳排放變化趨勢總體保持一致.因此數字經濟可能對消費碳排放產生正向的拉動作用,并主要影響間接消費碳排放尤其是生存型間接消費碳排放.據此,本文提出以下假說:

假說1:目前數字經濟的發展能夠提升居民消費碳排放.

由于研究范圍為我國30省、區,空間跨度較大,因此空間特性和區域關聯成為本文必須要考察的內容.根據我國數字經濟產業具有顯著共享性與空間溢出的特征,結合數字經濟對居民消費的影響,推測其對居民消費碳排放的空間效應產生機制:第一,能夠打破時空壁壘,加強區域聯系,緩解信息不對稱,提升居民消費便利性,促進商品跨區域流動,拉動區域整體消費水平,同時增加消費碳排放[25];第二,通過技術溢出優化地區產業結構,通過知識溢出提高生產率、促進產業集聚,推動區域協同發展,從而增加區域間人口流動、提升人民的收入水平與消費水平[26],進而提升消費碳排放水平;第三,通過合理資源配置和提升流通效率促進城鄉融合發展,提升經濟發展水平,縮小城鄉居民收入差距,推進共同富裕,充分發揮居民消費潛力,提升總體消費及碳排放水平[27].此外,研究發現我國居民消費碳排放行為、數字經濟與居民消費以及碳排放的影響因素均存在空間相關性[28-30],故數字經濟與居民消費碳排放應同樣具有空間相關特征.據此,本文提出以下假說:

假說2:數字經濟對居民消費碳排放的影響存在空間效應.

在消費結構升級的背景下,另有部分學者發現數字經濟對居民消費的拉動作用主要表現在促進發展型和享受型商品的購買上[31].同時,數字經濟發展所帶來的產業結構調整及數據生產要素、數字技術和數字科技革命等也能夠降低碳排放[32-33].因此,數字經濟推動碳減排的潛力不容忽視.研究表明數字經濟與碳排放的關系符合環境庫茲涅茨法則(EKC),即經濟發展水平與環境壓力之間具有“倒U”型關系[34].由于數字經濟與居民消費關系密切,故推測數字經濟的發展與居民消費碳排放應同樣滿足EKC假說,只是在目前階段國內數字經濟總體發展水平尚處于節點左側,對化石能源依賴較高,數字基礎設施有待完善,信息技術的發展增加了商品生產運輸過程碳排放,區塊鏈技術、信息通信技術也增加了碳排放[35-37],故總體表現為增加居民消費碳排放的狀態;隨著數字技術的不斷發展,其自身能源利用率的提升、對居民消費習慣與消費結構的改造等能夠推動其逐漸達到提升碳排放的峰值,最終有效降低消費碳排放.據此,本文提出以下假說:

假說3:數字經濟對居民消費碳排放存在先增加后抑制的“倒U”型關系.

2 研究設計與模型構建

2.1 樣本選擇和數據來源

選取我國2000～2020年30省、區的面板數據作為樣本進行考察.人口、消費、能源使用等數據均來自國家和各地區統計局編制的統計年鑒.數字經濟的相關指標來自2000～2020年《中國城市統計年鑒》.在居民直接消費碳排放核算中,能源碳排放系數和折算標準煤系數參考《省級溫室氣體清單編制指南》(發改辦氣候〔2011〕1041 號)以及《中國能源統計年鑒2021》附錄4“各種能源折標準煤參考系數”,居民能源消費數據來自《中國能源統計年鑒》中對應省份的“能源平衡表(實物量)”.在居民間接消費碳排放核算中,產業能源排放數據來自《中國能源統計年鑒2021》,居民消費數據來自全國投入產出表和各地統計年鑒.部分數據來源于中經網統計數據庫和EPS數據平臺.

2.2 研究方法與變量定義

2.2.1 居民消費碳排放測度方法 根據居民消費碳排放的不同來源將其劃分為直接和間接消費碳排放.為使得到的居民消費碳排放量更加真實全面,本文對2000～2020年我國30省、區(港澳臺及西藏地區資料暫缺)的居民直接消費碳排放量和不同需求層次下居民間接消費碳排放量進行計算.

(1)居民直接消費碳排放測算 居民直接消費碳排放是居民在日常生活中使用煤、石油、天然氣等能源所直接引起的二氧化碳排放.基于碳排放系數法,運用直接碳排放總量測度方法對居民終端消費產生的二氧化碳排放量進行核算.公式如下:

式中:d為居民生活能源消費直接產生的CO2排放量,t;E為居民生活常用能源的消費量,t;C為各能源種類的CO2排放系數;為能源種類.

(2)居民間接消費碳排放測算 居民間接消費碳排放是居民購買各類消費品在生產、加工、運輸、消費過程中所產生的二氧化碳排放,主要包括食品煙酒、衣著、居住、生活用品及服務、交通通信、教育文化娛樂、醫療保健、其他用品和服務八方面.參考郭蕾等[4]和史琴琴等[38]的思路,將不同的產業部門劃分到對應的消費項下,結合各行業的能源消費總量,可以得到居民間接消費碳排放因子,從而能夠計算居民八大類消費產生的間接碳排放量,計算公式如下:

式中:in為居民間接消費碳排放量,t;S為平減后的居民各類消費項年支出水平,元(以2000年為基準);C為各消費項的碳排放因子;為居民消費支出種類.

同時,基于上述八種不同的消費種類以及需求層次差異,參照目前主流的劃定方法[24,39],將食品煙酒、衣著、居住消費劃分為生存型消費,交通通信、教育文化娛樂、醫療保健消費劃分為發展型消費,生活用品及服務、其他用品和服務消費劃分為享受型消費,并通過式2分別計算不同類型居民消費所產生的間接碳排放.

(3)居民消費碳排放量的合并 居民消費碳排放量是居民直接消費碳排放和間接消費碳排放的加總,公式如下:

2.2.2 數字經濟發展程度的測度方法 在構建指標體系時,常用的客觀權重賦值法包含主成分分析法、層次分析法和熵值法三類.使用主成分分析法需要滿足特定前提且容易與原始變量含義相悖;層次分析法的定性成分較多,易使最終所得結果的權重信度較低;而熵值法不易受到人為因素的影響[40],因此采用熵值法對數字經濟綜合指數的權重予以賦值,并以此作為衡量數字經濟發展程度的標準.

根據需要及數據可獲得性,篩選2000～2020年我國30省、區面板數據進行初始矩陣的構建.用表示′階原始數據矩陣,其中、分別表示所選取的年份總數、指標個數,′為全部年份指標總數,即

正向指標:

負向指標:

(2)計算第個指標下第個樣本占該指標的比重r:

(3)計算第個指標的信息熵e:

(4)確定各評價指標權重系數W:

(5)計算各樣本的綜合評分G:

相關指標的描述性統計及計算得到各指標標準化后的熵值和權重見表1.

2.2.3 變量選擇 (1)被解釋變量:居民消費碳排放.將居民消費碳排放分為直接消費碳排放(DICO)和間接消費碳排放(ICO),又將后者按照需求層次劃分為更加具體的生存型消費碳排放(SCO)、發展型消費碳排放(DCO)和享受型消費碳排放(ECO).

表1 數字經濟相關指標的描述性統計、熵值和權重

(2)解釋變量:數字經濟.參考江三良等[32]以及趙濤等[41]的做法,選擇國際互聯網用戶數、電信業務總量、信息傳輸計算機服務和軟件業從業人員數與移動電話年末用戶數四個指標,利用熵值法測算我國各省區數字經濟綜合指數作為衡量數字經濟發展程度的指標,在此基礎上進行后續檢驗.

(3)控制變量:其一,富裕程度.在經濟發展水平不斷提高的大環境下,居民生活條件改善,消費信心增強,消費總量會相應提升[42],從而提升消費領域的碳排放.取經濟產出水平的對數(lnGDP)和居民消費意愿(cwill)兩項指標進行衡量,其中居民消費意愿取居民消費支出與可支配收入之比.其二,技術水平.選取環境規制(ER)和工業化率(ind)兩項指標進行衡量.技術水平的提高會增加機械的使用,提升能源碳排放;但技術進步同樣有助于采用先進生產方式,提高能源利用率,抑制碳排放[43].環境規制可以通過推動綠色技術進步推動中國低碳轉型[44];工業化率能夠反映國家工業化水平及產業結構的變化,目前已有學者將其歸入技術水平類別內進行研究[12].參考前人計算思路,環境規制取環境污染治理投資總額與工業增加值之比[45],工業化率取工業增加值在本年度GDP中所占的比例[12].其三,人口因素.人口基數對總體消費碳排放具有密切聯系,城鎮化帶來的人口集聚不利于當地碳減排,但對于降低碳強度具有一定的推動作用[46],而撫養比則是反映人口年齡結構的重要指標,其變動逐漸成為影響能源消費的重要因素[47],因此其對居民消費碳排放的影響值得考量.選取家庭戶數的對數(lnfsize)、城鎮化率(urban)、少年撫養比(young)和老年撫養比(old)四項指標進行衡量,其中城鎮化率取各地城鎮人口比重,少年和老年撫養比取各自人口數與勞動年齡人口數的比值.

變量界定及描述性統計見表2.

表2 變量界定及描述性統計

2.2.4 變量單位根檢驗 為防止變量不平穩而造成偽回歸的現象,對變量進行平穩性測試.選取長面板數據常用單位根檢驗方法中的ADF、IPS、LLC檢驗三種方式進行檢驗,避免因檢驗方式單一而造成的誤差.檢驗結果見表3.檢測發現,部分原始數據及個別取一階差分后的數據并不顯著,無法拒絕單位根存在的原假設;在進一步對不平穩的變量取二階差分進行檢驗后,最終結果均能在5%的顯著性水平上拒絕原假設,能夠證明變量的平穩性.因此可以在此基礎之上開展實驗.

表3 變量平穩性檢驗

注:***、**、*分別表示在1%、5%和10%水平上顯著.

2.3 模型構建

2.3.1 空間計量模型的構建 空間計量經濟模型主要包含空間滯后面板數據模型(SLM)、空間誤差面板數據模型(SEM)以及空間杜賓模型(SDM).三者均為學界研究空間關聯性問題的常用模型,其區別在于因變量、干擾項與空間權重的交互關系.本文五個被解釋變量均能夠通過莫蘭指數(Moran’s)檢驗,說明居民消費碳排放存在較強的空間相關性,此結論與已有研究[48-49]的結果一致.因此,首先構建含三種空間計量模型結構的廣義嵌套空間計量模型(GNS)如下(式11～12):

式中:lnCO為被解釋變量,即居民消費碳排放量;eco為解釋變量,代表數字經濟水平;SControl為控制變量,即除數字經濟外的其他8個變量;W為空間權重矩陣;WlnCO為空間滯后變量,反映空間距離對各地區的碳排放作用;1、1分別為自變量的待估參數向量和空間回歸系數;、分別為時間和空間效應;為相鄰地區的碳排放的溢出效應,取值范圍為[-1,1];為各省市地區;為年份.

式中:g為空間誤差自相關系數,反映了樣本觀測值之間的空間依賴程度,取值范圍為[-1,1];v為傳統隨機誤差項,服從標準正態分布.因此具有矩陣形式,服從空間相關性.

在此模型中,若空間相關性僅存在于被解釋變量中,則1=0,=0,表現為空間滯后模型;若空間相關性僅存在于誤差項中,則=0,=0,表現為空間誤差模型;若存在混合的空間相關性,則=0,表現為空間杜賓模型.

2.3.2 空間計量模型適用性檢驗 運用普通最小二乘法(OLS)檢驗空間滯后模型和空間誤差模型哪個更加適合本文的樣本研究.若Lagrange Multiplier (Lag)統計量的值大于Lagrange Multiplier(Error)的值、Robust LM(Lag)統計量的值也大于Robust LM (Error)的值,且Lagrange Multiplier(Lag)和Robust LM(Lag)的顯著性水平較Lagrange Multiplier(Error)和Robust LM(Error)的顯著性水平都更加顯著,則選用空間滯后模型,反之則選用空間杜賓模型,檢驗結果見表4.結果表明,本文的兩個模型均選用空間杜賓模型.

接下來對模型進行適用性檢驗,即LR檢驗和WALD檢驗.結果顯示,Wald統計量和LR統計量均顯著拒絕原假設,說明空間杜賓模型無法簡化為空間誤差模型和空間自回歸模型.與傳統面板數據模型類似,通過分解隨機干擾項成分,可以將動態空間面板模型分成兩類基本模型設定,即固定效應和隨機效應.采用Hausman檢驗對模型的適用形式進行篩選,檢驗結果表明,選擇建立固定效應模型更為合理.

表4 空間模型選取檢驗

3 實證檢驗與結果分析

3.1 我國居民消費碳排放現狀及時空演變特征分析

圖1選擇了4個年份展示我國2000～2020年居民消費碳排放總量的空間格局演變,表5展示了我國三大地區不同類型的消費碳排放量變化.從整體來看,我國居民消費碳排放總體呈上升趨勢,在空間布局中總體呈現出東高西低并按照東中西三大區域呈階梯式遞減的特點,并隨著時間推移表現出向中東部集中的趨勢,具有一定的集聚特征.直接消費碳排放是居民消費碳排放的主要部分,2020年所占比例依然超過了60%;間接消費碳排放占比較小但增長迅速.此外,不同區域的消費碳排放存在較大差異,東部地區的各類碳排放遠超其他兩區域,然而其直接消費碳排放所占比重最低,可能與經濟水平高、人口密度大而造成的消費需求旺盛有關;中部地區的直接消費碳排放最低,間接消費碳排放略高于西部地區,可能與近年來工業化增速放緩、第三產業發展勢頭良好帶動總體經濟發展有關[50];西部地區的居民直接消費碳排放所占比重略高于中部地區,可能與西部地區礦產資源豐富、冬夏氣候變化明顯以及近年來正處于快速發展時期有關[51].部分相鄰省份居民消費碳排放量差別較大,結合我國的實際情況,可以推測如北京、上海等地區存在碳排放轉移的情況.

圖2展示了我國三大地區歷年來不同需求層次下的間接消費碳排放.從圖中可以看出,三種類型的間接消費碳排放均呈現增長趨勢.其中,東部地區消費碳排放均處于較高的水平,尤其是生存型和享受型碳排放近年來與其他兩地區拉開了較大的差距.這可能是因為東部城市群集中且規模較大,產生消費的基數大,生存型資料購買總量大;加之經濟發展迅速,人們在有消費需求的同時有能力進行購買,因此產生的發展型和享受型消費碳排放總量大.中部地區各類碳排放增速較為平緩,預示其消費日益向節能環保產品領域傾斜[21].西部地區發展型消費碳排放表現與東部地區接近,而其他兩類消費碳排放則與中部地區接近,可能與人口基數較少,而諸如西部大開發、一帶一路、自貿區建設等支持西部發展政策逐漸落實有關.在居民消費結構升級的背景下,發展型和享受型間接消費碳排放總量依然遠低于生存型碳排放,推測相關產業生產活動產生的碳排放可能低于生產生存型產品的行業.

圖1 2000～2020年我國居民消費碳排放空間格局演變

基于自然資源部標準地圖服務網站下載的審圖號為GS(2022)4299號標準地圖制作,底圖無修改

由上述分析結果可知,我國各類居民消費碳排放呈現出較為明顯的空間相關特征,因此需要對其空間關聯進行進一步的考察.

表5 2020年三大地區各類消費碳排放

3.2 我國數字經濟綜合指數分析

根據熵值法確定的數字經濟綜合指數見表6.從表中可以看到,我國數字經濟均值在東部地區尤其是沿海省份較高,其次是中部地區,西部地區數字經濟總體發展水平較低.其中,廣東省數字經濟均值為0.8486,遠高于其他省份,說明數字經濟在該地區發展水平最高;均值高于0.3的其他省份依次為北京、江蘇、浙江、山東和上海,數字經濟在當地的發展均維持在較高的水平;而新疆、海南、寧夏、青海的排名位于后四位,均值低于0.05,數字經濟對當地的發展影響較小.此結果基本符合我國不同省份數字經濟的發展特征:我國數字經濟的發展呈現由東至西階梯式遞減,東部地區斷層性領先的分布格局[52].數字經濟應用程度較高的地區相應的應用領域更加廣泛,對其他經濟形態的替代作用更加明顯,經濟活動中與生態環境的關系就會更加密切,產生碳排放的機會更多,因此可以進一步推測數字經濟與碳排放之間具有較為密切的聯系,下文中將會對此推論進行進一步的驗證.

(a)生存型間接消費碳排放

(b)發展型間接消費碳排放

(c)享受型間接消費碳排放

圖2 2000～2020年三大地區居民間接消費碳排放(萬tCO2)

Fig.2 Indirect carbon emissions from household consumption in three regions during 2000～2020 (million tCO2)

表6 研究區數字經濟均值

3.3 我國居民消費碳排放的影響因素分析

基于上述結果,為進一步研究數字經濟對居民消費碳排放的具體影響,分析區域間居民消費碳排放的空間相關性,本文采用經濟距離矩陣,運用空間杜賓模型對居民消費碳排放的影響因素進行回歸分析,并在此基礎上對顯著性較強的兩個結果進行了空間效應分解,考察數字經濟對居民消費碳排放的空間影響.

3.3.1 數字經濟對居民消費碳排放的影響分析 數字經濟對居民消費碳排放的空間杜賓模型回歸結果見表7.結果顯示,數字經濟對居民間接消費碳排放和其中的生存型間接消費碳排放影響顯著為正,對發展型間接消費碳排放有一定的正向影響.這說明數字經濟的發展推動了上述消費碳排放的增長.從整體來看,數字經濟的發展以現代信息網絡為重要載體,推動產品和服務的供給智能化、數字化、網絡化,其帶來的消費上的便捷有效拉動了居民消費,進而顯著提升了間接消費碳排放;而居民生活直接所需能源的相關行業較為固定,體量龐大并且具有一定的壟斷性,有效利用數字經濟幫助行業升級仍需要時間.從需求層次差異來看,數字經濟對居民間接消費碳排放的影響主要集中在生存型消費碳排放,即與衣、食、住相關的消費碳排放上;其次在發展型消費碳排放,即與出行、教育、醫療相關的消費碳排放上.這種現象可能與數字經濟的主要構成部分,即數字零售業有關.作為全球最大的數字消費市場,我國數字零售業規模不斷提升.《中國數字經濟前沿》(2021年)顯示,衣、食、住、行、文化娛樂的數字消費滲透率均在50%以上,已實現消費行為的高度數字化;而教育、醫療、康養的數字消費滲透率低于40%,數字化程度相對較低.可見生存型消費領域全部受數字經濟的高度影響,發展型消費領域僅有部分受數字經濟的高度影響,與本文的回歸結果及已有研究成果一致[53],加之生存型消費碳排放自身體量較大,在數字經濟的催動下其總量提升會較另兩類間接消費碳排放更為明顯.然而,數字經濟對發展型間接消費碳排放的正向影響表明其發展對消費結構升級具有一定積極作用,隨著數字技術的不斷成熟和基礎設施的不斷完善,可以預測未來發展型和享受型消費的數字滲透率將進一步提升,相應地數字經濟對其消費碳排放的影響將會更加明顯.此外,根據前人的研究,數字經濟對發展型和享受型消費均具有顯著正向影響[14,54],與本文對相關消費碳排放的檢驗結果存在差異,間接表明這兩類間接消費碳排放明顯低于生存型碳排放,提升數字經濟發展水平可能對于優化居民消費結構、降低總體碳排放具有積極影響.通過上述分析可以發現數字經濟對部分消費碳排放具有正向影響,假說1得到驗證.

表7 數字經濟對居民消費碳排放的空間回歸結果

注:***、**、*分別表示在1%、5%和10%水平上顯著,括號中為值.

3.3.2 數字經濟對居民消費碳排放的空間溢出效應分析 由于一個地區的居民消費碳排放不僅會受到當地數字經濟及其他控制變量的影響,而且會受到鄰近地區的干擾,因此需要對各變量對居民消費碳排放的空間溢出效應進行更加全面的考察.基于此,運用偏微分方法對上述回歸結果進行空間效應分解,得到了數字經濟及其他控制變量對居民消費碳排放的直接效應、間接效應和總效應,具體結果見表8.

從分解結果來看,數字經濟對居民間接消費碳排放的三類效應均顯著為正,表明數字經濟對間接消費碳排放具有較強的空間溢出效應,不僅對于當地居民間接消費碳排放存在較為明顯的提升作用,而且能夠在一定程度上增加鄰近地區的居民間接消費碳排放.這是因為:一方面,數字經濟所帶來的產品和服務的升級直接作用于本地居民,有效改善居民的消費環境,推動產品質量和服務水平進一步升級,對居民消費的拉動作用更為顯著,進而影響居民的間接消費碳排放;另一方面,由于數字經濟虛擬性的特點,對于科技和網絡依賴性強、數字化程度高,因此受當地地域限制較少、區域流動性較強,影響鄰近城市的經濟活動,從而提升居民消費的便利程度、擴大選擇范圍、降低消費成本,影響居民的消費行為與消費習慣,有效刺激居民消費,最終對居民消費終端的碳排放產生正向的拉動作用.而對生存型消費碳排放的檢驗結果表明,數字經濟對居民生存型消費碳排放的拉動作用主要表現為直接效應.這是因為:第一,居民衣食住所需的生活用品基本均能在當地的市場環境中得到滿足,價格較為固定且統一,并且線下消費能夠即時獲得所需產品,更能滿足日常生活需求;第二,居民生存型消費總量在一定時期內較為固定,需求彈性較小,并不會受到鄰近地區經濟活動的強烈影響.因此,數字經濟對區域整體間接消費碳排放均具有明顯正向影響,而對生存型間接消費碳排放的影響則主要作用于當地居民,假說2得到驗證.

表8 數字經濟對居民消費碳排放的空間效應分解結果

注:***、**、*分別表示在1%、5%和10%水平上顯著,括號中為值.

3.4 穩健性檢驗

為證明結論的穩健性,改變回歸模型及矩陣度量方式,采用基礎固定效應回歸方法和地理距離矩陣方法進行穩健性檢驗,檢驗結果見表9～10.兩種穩健性檢驗結果均表現為數字經濟對間接消費碳排放和生存型消費碳排放作用顯著為正,與上文的實驗結果相比并無明顯變化,因此可認為結論穩健.

表9 穩健性檢驗-基礎固定效應回歸

續表9

變量lnDICOlnICOlnSCOlnDCOlnECO young-0.00030.0064***0.0099***0.00140.0050* (-0.05)(3.43)(4.35)(0.62)(1.83) old-0.0071-0.00100.00040.0028-0.0022 (-1.26)(-0.56)(0.18)(1.34)(-0.85) Constant18.8964***0.8873-1.1199-1.51882.4793* (6.15)(0.94)(-0.97)(-1.36)(1.80) Observations630630630630630 R-squared0.7970.9800.9700.9780.952 Number of id3030303030

注:***、**、*分別表示在1%、5%和10%水平上顯著,括號中為值.

表10 穩健性檢驗-地理距離矩陣

注:***、**、*分別表示在1%、5%和10%水平上顯著,括號中為值.

3.5 門檻回歸

參考蔣正云等[55]的思路,以數字經濟(eco)為門檻變量,構建門檻回歸模型進一步探討其與居民總體消費碳排放量(TCO)之間的非線性關系.首先選擇合適的門檻回歸模型.各門檻變量均通過自抽樣法(bootstrap)抽樣300次,檢驗結果見表11.結果顯示,第三門檻并未通過顯著性檢驗,而雙門檻在5%的水平上顯著,因此選擇雙門檻模型進行檢驗.

接下來對門檻值進行估計,當選擇雙門檻模型時,門檻值分別為0.1788和0.4129,對應置信區間為[0.1740,0.1817]和[0.3926,0.4227],門檻置信區間較短,因此可認為其估計值與真實值較為接近.

表11 門檻回歸模型選取檢驗

之后進行雙門檻回歸分析,回歸結果見表12.表中Di_2表示雙門檻效應,Di為門檻值.由結果可知,數字經濟與居民總體消費碳排放之間存在“倒U”型關系,數字經濟對居民消費碳排放的影響呈現出先提升后抑制的特征,未來高水平數字經濟有望降低居民消費碳排放,支持了EKC曲線的假設,假說3得到驗證.由第二門檻值可知,當數字經濟發展水平高于0.4129時,數字經濟才會發揮其推動碳減排的作用,而根據熵值法測得的數字經濟綜合指數,目前僅有廣東、北京、江蘇三地達到了該程度,我國多數省份仍處于數字經濟加速消費碳排放的階段.因此,要使數字經濟真正發揮消費碳減排的作用,應繼續推進數字經濟的發展.

表12 雙門檻回歸結果

注:***、**、*分別表示在1%、5%和10%水平上顯著.

4 結論與建議

4.1 結論

研究發現:第一,我國居民消費碳排放整體上升,呈現出東高西低并且向中東部集中的趨勢.第二,直接消費碳排放是我國居民消費碳排放的主力,但隨著社會發展,其在總體消費碳排放中的占比呈下降趨勢,間接消費碳排放比重增加.第三,數字經濟的發展能夠顯著增加本省及鄰近地區居民間接消費碳排放以及其中本省的生存型間接消費碳排放;然而,進一步研究發現數字經濟與總體消費碳排放之間具有“倒U”型關系,數字經濟在達到較高的發展水平后能夠促進居民消費碳減排,因而應進一步推動數字經濟高質高效發展.

4.2 建議

由于數字經濟對居民消費碳排放具有先增加后抑制的作用,同時大力發展數字經濟已成為社會共識,因此,各省在繼續發展數字經濟的過程中,應正視數字經濟在短期內造成居民消費碳排放上升的事實,探索高質高效發展數字經濟的路徑,爭取盡早發揮數字經濟推動碳減排的作用.數字經濟發展水平較高且居民消費碳排放水平較低的地區應繼續保持,總結發展經驗,引領我國數字經濟的發展,為尚處于高碳排的地區留出發展空間,提供發展思路;數字經濟發展和居民消費碳排放水平均較高的地區應重視數字經濟的碳減排作用,推動傳統產業的數字化轉型,并積極尋找其他減碳路徑,如發展新能源產業、加大綠色科創投入等;數字經濟發展水平較低而居民消費碳排放水平較高的地區應借鑒數字強省的發展經驗,加快本地數字經濟的發展,同時探索降低數字經濟發展在短期內造成碳排放量增加的方法;數字經濟發展和居民消費碳排放水平均較低的地區應看到數字經濟發展的優勢,積極與數字強省或數字經濟快速發展地區進行合作,在盡可能保證生態效益的同時促進當地數字經濟發展.

此外,各地應加強對綠色生產生活的引導.廠商和居民作為消費活動的主體,培養其養成低碳意識能夠從源頭上抑制碳排放.通過限制碳排放以及給予低碳商品生產商稅收優惠等方式鼓勵擴大綠色生產,引導廠商采用綠色的生產方式,從源頭上降低商品的含碳量;通過給予綠色商品消費補貼等方式,引導居民養成綠色消費習慣;加強碳普惠平臺的建設,使居民看到其節約的碳排放所具備的社會及經濟價值,從而對居民消費碳排放形成潛在約束,引導居民養成綠色生活習慣;加強綠色低碳理念在全社會的宣傳,形成低碳生活的社會氛圍.

[1] 尹 龍,楊亞男,章劉成.中國居民消費碳排放峰值預測與分析 [J]. 新疆社會科學, 2021,41(4):42-50,168.

Yin L, Yang Y N, Zhang L C. Prediction of the carbon emission of the Chinese residents’ consumption and analysis [J]. Social Sciences in Xinjiang, 2021,41(4):42-50,168.

[2] 趙定濤,郭 韜,范 進.中國城鎮居民嵌入式碳足跡的測定及演化 [J]. 系統工程, 2012,30(5):24-32.

Guo D T, Guo T, Fan J. The measurement and evolution of embedded carbon footprint in Chinese urban inhabitants [J]. Systems Engineering, 2012,30(5):24-32.

[3] 李秀香,鮑智敏.論循環社會建設——借助EKC分析消費層次對環境污染的影響 [J]. 探索與爭鳴, 2009,239(9):46-49.

Li X X, Bao Z M. On the construction of circular society: analyzing the impact of consumption level on environmental pollution with the help of EKC [J]. Exploration and Free Views, 2009,239(9):46-49.

[4] 郭 蕾,趙益民.需求層次差異下城鎮居民消費碳排放影響因素研究——來自華北地區的證據 [J]. 城市發展研究, 2022,29(4):110- 117.

Guo L, Zhao Y M. Research on factors of carbon emissions from urban residents’ consumption under different levels of demand: evidence from Northern China [J]. Urban Development Studies, 2022, 29(4):110-117.

[5] 王娟娟.我國數字經濟的“兩化”發展與區域比較 [J]. 中國流通經濟, 2023,37(1):12-23.

Wang J J. "Two Kinds of Digitization" development of China's digital economyand the regional comparison [J]. China Business and Market, 2023,37(1):12-23.

[6] Bin S, Dowlatabadi H. Consumer lifestyle approach to US energy use and the related CO2emissions [J].Energy Policy, 2005,33(2):197-208.

[7] Baiocchi G, Minx J, Hubacek K. The impact of social factors and consumer behavior on carbon dioxide emissions in the United Kingdom [J].Journal of Industrial Ecology, 2010,14(1):50-72.

[8] Tilov I, Farsi M, Volland B. Interactions in Swiss households’ energy demand: A holistic approach [J].Energy Policy, 2019,128:136-149.

[9] 宋府霖,韓傳峰,滕敏敏.長三角地區能源消費碳排放驅動因素分析及優化策略 [J]. 生態經濟, 2022,38(4):21-28.

Song F L, Han C F, Teng M M. Analysis of driving factors and optimization strategies of energy consumption carbon emissions in the Yangtze River Delta [J]. Ecological Economy, 2022,38(4):21-28.

[10] 梅林海,蔡慧敏.中國南北地區生活消費人均碳排放影響因素比較——基于空間計量分析 [J]. 生態經濟, 2015,31(7):45-50.

Mei L H, Cai H M. Comparison of consumption per capita carbon emission factors between China north and south regions: Based on spatial econometrics analysis [J].Ecological Economy, 2015,31(7): 45-50.

[11] 楊 迪,楊 旭,吳相利,等.東北地區能源消費碳排放時空演變特征及其驅動機制 [J]. 環境科學學報, 2018,38(11):4554-4565.

Yang D, Yang X, Wu X L, et al. Spatio-temporal evolution characteristics of carbon emissions from energy consumption and its driving mechanism in Northeast China [J]. Acta Scientiae Circumstantiae, 2018,38(11):4554-4565.

[12] 羅棟燊,沈維萍,胡 雷.城鎮化、消費結構升級對碳排放的影響——基于省級面板數據的分析 [J]. 統計與決策, 2022,38(9):89-93.

Luo D S, Shen W P, Hu L. The impact of urbanization and consumption structure upgrading on carbon emissions: an analysis based on provincial panel data [J]. Statistics & Decision, 2022,38(9): 89-93.

[13] 王 軍,王 杰,李治國.數字金融發展與家庭消費碳排放 [J]. 財經科學, 2022,409(4):118-132.

Wang J, Wang J, Li Z G. Development of Digital Finance and Carbon Emission of Household Consumption [J]. Finance & Economics, 2022,409(4):118-132.

[14] 詹韻秋,王 軍,孫小寧.數字經濟對家庭消費行為的影響研究——基于中國家庭金融調查的經驗分析 [J]. 當代經濟管理, 2023, 45(2):89-96.

Zhan Y Q, Wang J. Sun X N. Research on the influence of digital economy on household consumption behavior: based on the empirical analysis of Chinese household financial survey [J]. Contemporary Economic Management, 2023,45(2):89-96.

[15] 向玉冰.互聯網發展與居民消費結構升級 [J]. 中南財經政法大學學報, 2018,229(4):51-60.

Xiang Y B. The development of the Internet and the upgrading of residents' consumption structure [J]. Journal of Zhongnan University of Economics and Law, 2018,229(4):51-60.

[16] 康 敏,孫 靜.數字經濟對我國新型消費市場的影響:理論與實證 [J]. 商業經濟研究, 2023,861(2):108-111.

Kang M, Sun J. The impact of digital economy on China's new consumer market: theory and demonstration [J]. Journal of Commercial Economics, 2023,861(2):108-111.

[17] 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), 2023,295(1):52-61.

Feng Z Y, Song D L, Xie W S. Digital economy helps realize the “Double Carbon” Goal: Basic approaches, internal mechanisms and Action Strategies [J]. Journal of Beijing Normal University(Social Sciences), 2023,295(1):52-61.

[18] 王維國,王永玲,范 丹.數字經濟促進碳減排的效應及機制[J].中國環境科學, 2023,43(8):4437-4448.

Wang W G, Wang Y L, Fan D. Effects and mechanisms of the digital economy for carbon emission reduction [J]. China Environmental Science, 2023,43(8):4437-4448.

[19] Belkhir L, Elmeligi A. Assessing ICT global emissions footprint: Trends to 2040 & recommendations [J]. Journal of Cleaner Production, 2018,177(10):448-463.

[20] 姜汝川,景辛辛.京津冀地區數字經濟發展對碳排放的影響效應——來自2011～2019年13個地級及以上城市的經驗證據 [J]. 北京社會科學, 2023,240(4):40-50.

Jiang R C, Jing X X. Study on the impact of digital economy development on carbon emissions in Beijing-Tianjin-Hebei region: empirical evidence from the city level in 2011～2019 [J]. Social Sciences of Beijing, 2023,240(4):40-50.

[21] 楊碧云,郭壯哲,易行健,等.數字經濟促進居民家庭消費升級的微觀效應——基于CHFS的經驗證據研究 [J]. 經濟評論, 2023,34(3): 31-47.

Yang B Y, Guo Z Z, Yi X J, et al. The micro effect of digital economy on household consumption upgrade: Empirical evidence from CHFS [J]. Economic Review, 2023,34(3):31-47.

[22] 周海燕.中國居民消費碳排放的統計測算 [J]. 企業經濟, 2022,41(9):72-81.

Zhou H Y. Statistical calculation of carbon emissions from household consumption in China [J]. Enterprise Economy, 2022,41(9):72-81.

[23] 徐 麗,曲建升,李恒吉,等.中國居民能源消費碳排放現狀分析及預測研究 [J]. 生態經濟, 2019,35(1):19-23,29.

Xu L, Qu J S, Li H J, et al. Analysis and prediction of residents energy consumption carbon emission in China [J]. Ecological Economy, 2019,35(1):19-23,29.

[24] 崔盼盼,趙 媛,張麗君,等.基于不同需求層次的中國城鎮居民消費隱含碳排放時空演變機制 [J]. 生態學報, 2020,40(4):1424-1435.

Cui P P, Zhao Y, Zhang L J, et al. Spatio-temporal evolution and driving mechanism of per capita indirect carbon emissions based on different demand levels from urban residents￠consumption in China [J]. Acta Ecologica Sinica, 2020,40(4):1424-1435.

[25] 劉 明,范丹雪,施子楊.空間溢出視角下數字經濟與經濟高質量發展 [J]. 統計與決策, 2023,39(13):22-27.

Liu M, Fan D X, Shi Z Y. Digital economy and high-quality economic development from the perspective of spatial spillover [J]., 2023,39(13):22-27.

[26] 張俊英,郭凱歌,唐紅濤.電子商務發展、空間溢出與經濟增長——基于中國地級市的經驗證據 [J]. 財經科學, 2019,(3):105-118.

Zhang J Y, Guo K G, Tang H T. E-commerce development, spatial spillover and economic growth——Empirical evidence based on Chinese prefecture-level cities [J]. Finance & Economics, 2019,(3): 105-118.

[27] 王松茂,尹延曉.數字經濟對城鄉融合具有空間溢出效應嗎？——以長江經濟帶11省(市)為例 [J]. 農林經濟管理學報, 2022,21(6): 725-735.

Wang S M, Yin Y X. Does digital economy have spatial spillover effect on urban-rural integration? A case study of the Yangtze River Economic Belt [J]. Journal of Agro-Forestry Economics and Management, 2022,21(6):725-735.

[28] 周 嘉,時小翠,趙靖宇,等.中國居民直接生活能源消費碳排放區域差異及影響因素分析 [J]. 安全與環境學報, 2019,19(3):954-963.

Zhou J, Shi X C, Zhao J Y, et al. On regional difference and influential factors of carbon emissions from direct living energy consumption of Chinese residents [J]. Journal of Safety and Environment, 2019,19(3): 954-963.

[29] 王 青,侯雪峰,曾 伏.數字經濟發展對城市居民消費的影響研究——基于時期異質性的空間杜賓模型 [J]. 經濟問題探索, 2023, 487(2):96-106.

Wang Q, Hou X F, Zeng F. Research on the impact of digital economy development on urban residents’ consumption——Spatial doberman model based on period heterogeneity [J]. Inquiry into Economic Issues, 2023,487(2):96-106.

[30] 王 正,樊 杰.能源消費碳排放的影響因素特征及研究展望 [J]. 地理研究, 2022,41(10):5687-2599. Wang Z, Fan J.

The characteristics and prospect of influencing factors of energy-related carbon emissions: Based on literature review [J]. Geographical Research, 2022,41(10):5687-2599.

[31] 華怡婷,石寶峰.互聯網使用與家庭間接碳排放:測度及影響因素分析 [J]. 重慶大學學報(社會科學版), 2023,29(1):117-134.

Hua Y T, Shi B F. Internet usage and household indirect carbon emissions: Measurement and impact factor analysis [J]. Journal of Chongqing University (Social Science Edition), 2023,29(1):117-134.

[32] 江三良,賈芳芳.數字經濟何以促進碳減排——基于城市碳排放強度和碳排放效率的考察 [J]. 調研世界, 2023,352(1):14-21.

Jiang S L, Jia F F. How can the digital economy promote carbon emission reduction——An investigation based on urban carbon emission intensity and carbon emission efficiency [J]. The World of Survey and Research, 2023,352(1):14-21.

[33] 金貴朝,王國梁,何怡然.數字化水平、產業結構調整與區域碳減排 [J]. 統計與決策, 2023,39(3):27-32.

Jin G Z, Wang G L, He Y R. Digitization level, industrial structure adjustment and regional carbon emission reduction [J/OL].Statistics & Decision, 2023,39(3):27-32.

[34] 金 飛,徐長樂.數字經濟發展對碳排放的非線性影響研究 [J]. 現代經濟探討, 2022,491(11):14-23.

Jin F, Xu C L. Research on the nonlinear impact of digital economy development on carbon emissions [J]. Modern Economic Research, 2022,491(11):14-23.

[35] Arshad Z, Robaina M, Botelho A. The role of ICT in energy consumption and environment: an empirical investigation of Asian economies with cluster analysis [J]. Environmental science and pollution research international, 2020,27(26):32913-32932.

[36] Shi X Y, Xiao H, Liu W F, et al. Confronting the Carbon-Footprint Challenge of Blockchain [J]. Environmental science & technology, 2023,57(3):1403-1410.

[37] Longo S, York R. How Does Information Communication Technology Affect Energy Use? [J]. Human ecology review, 2015,22(1):55-72.

[38] 史琴琴,魯豐先,陳 海,等.中原經濟區城鎮居民消費間接碳排放時空格局及其影響因素 [J]. 資源科學, 2018,40(6):1297-1306.

Shi Q Q, Lu X F, Chen H, et al. Temporal-spatial patterns and factors affecting indirect carbon emissions from urban consumption in the Central Plains Economic Region [J]. Resources Science, 2018,40(6): 1297-1306.

[39] 董會娟,耿 涌.基于投入產出分析的北京市居民消費碳足跡研究 [J]. 資源科學, 2012,34(3):494-501.

Dong H J, Geng Y. Study on Carbon Footprint of the Household Consumption in Beijing Based on Input-Output Analysis [J]. Resources Science, 2012,34(3):494-501.

[40] 王 媛,程 曦,殷培紅,等.影響中國碳排放績效的區域特征研究——基于熵值法的聚類分析 [J]. 自然資源學報, 2013,28(7):1106- 1116.

Wang Y, Cheng X, Yin P H, et al. Research on regional characteristics of china's carbon emission performance based on entropy method and cluster analysis [J]. Journal of Natural Resources, 2013,28(7):1106- 1116.

[41] 趙 濤,張 智,梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J]. 管理世界, 2020,36(10):65-76.

Zhao T, Zhang Z, Liang S K. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China [J]. Journal of Management World, 2020,36(10):65-76.

[42] 洪銀興,韓綠藝.從發展消費經濟入手構建新發展格局 [J]. 湘潭大學學報(哲學社會科學版), 2023,47(1):25-29.

Hong Y X, Han L Y. Constructing a new development pattern from the development of consumption economy [J]. Journal of Xiangtan University(Philosophy and Social Sciences), 2023,47(1):25-29.

[43] Guan D, Meng J, Reiner D, et al. Structural decline in China’s CO2emissions through transitions in industry and energy systems [J]. Nature Geoscience, 2018,11(8):551-557.

[44] 胡雪萍,樂 冬.環境規制促進了農業全要素生產率提升嗎？[J]. 江漢論壇, 2022,533(11):42-51.

Hu X P, Le D. Does environmental regulation improve agricultural total factor productivity? [J]. Jianghan Tribune, 2022,533(11):42-51.

[45] 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, 2017,314(2): 34-47.

Fan H M, Mu H Z. Effects of environmental regulations on the employment of urban dual labor——based on the perspective of labor market segmentation [J]. Economic Theory and Business Management, 2017,314(2):34-47.

[46] 李云燕,張 碩.中國城市碳排放強度時空演變與影響因素的時空異質性 [J]. 中國環境科學, 2023,43(6):3244-3254.

Li Y Y, Zhang S. Spatio-temporal evolution of urban carbon emission intensity and spatiotemporal heterogeneity of influencing factors in China [J]. China Environmental Science, 2023,43(6):3244-3254.

[47] 張玉周.中國人口年齡結構變動對能源消費的影響研究——基于省際動態面板數據的GMM分析 [J]. 中國人口·資源與環境, 2015, 25(11):69-74.

Zhang Y Z. Research on the effects of changes in the age structure of china's population to energy consumption: Based on the provincial dynamic panel data by GMM [J]. China Population, Resources and Environment,2015,25(11):69-74.

[48] 王少劍,蘇泳嫻,趙亞博.中國城市能源消費碳排放的區域差異、空間溢出效應及影響因素 [J]. 地理學報, 2018,73(3):414-428.

Wang S J, Su Y X, Zhao Y B. Regional inequality, spatial spillover effects and influencing factors of China's city-level energy-related carbon emissions [J]. Acta Geographica Sinica, 2018,73(3):414-428.

[49] 周少甫,林 享.消費結構升級對碳排放強度的影響研究——基于省級空間面板數據模型的分析 [J]. 生態經濟, 2019,35(1):24-29.

Zhou S F, Lin X. Study on the effect of upgrading consumption structure on carbon emission intensity: Analysis based on provincial spatial panel data model [J].Ecological Economy, 2019,35(1):24-29.

[50] 尚 梅,王蓉蓉,胡 振.中國省域能源消費碳排放時空格局演進及驅動機制研究——基于環境規制視角的分析 [J]. 環境污染與防治, 2022,44(4):529-534,551.

Shang M, Wang R R, Hu Z. Study on spatial and temporal evolution and driving mechanism of carbon emissions from provincial energy consumption in China - the analysis based on the perspective of environmental regulation [J]. Environmental Pollution& Control, 2022,44(4):529-534,551.

[51] 冉光圭,楊 宣.西部地區能源消費碳排放時空格局演變及影響因素分析 [J]. 貴州民族研究, 2022,43(6):56-61.

Ran G G, Yang X. Temporal and spatial pattern evolution and influencing factors of carbon emission from energy consumption in western China [J]. Guizhou Ethnic Studies, 2022,43(6):56-61.

[52] 李 勇,蔣 蕊,張 敏,等.中國數字經濟高質量發展水平測度及時空演化分析 [J/OL]. 統計與決策, 2023,39(4):90-94.

Li Y, Jiang R, Zhang M, et al. Measurement and spatial-temporal evolution of the high-quality development level of china's digital economy [J/OL].Statistics & Decision, 2023,39(4):90-94.

[53] 趙 旭,鄭 楠.數字經濟、新零售轉型與居民消費擴張的關系研究 [J]. 商業經濟研究, 2022,857(22):19-22.

Zhao X, Zheng N. Research on the relationship between digital economy, new retail transformation and residential consumption expansion [J]. Journal of Commercial Economics, 2022,857(22):19- 22.

[54] 侯冠宇,胡寧寧.支付數字化能否顯著提升家庭消費?——基于CHFS微觀數據的經驗證據 [J]. 經濟與管理, 2023,37(1):20-28.

Hou G Y, Hu N N. Can digital payments significantly increase household spending? empirical evidence based on CHFS microdata [J]. Economy and Management, 2023,37(1):20-28.

[55] 蔣正云,宋金平,趙曉迪.新型城鎮化高質量發展生態效應的空間溢出及門檻特征 [J]. 經濟問題探索, 2023,490(5):97-112.

Jiang Z Y, Song J P, Zhao X D. Spatial spillover and threshold characteristics of ecological effects of high-quality development of new-type urbanization [J]. Inquiry into Economic Issues, 2023,490 (5):97-112.

Research on the effect of digital economy on carbon emissions from household consumption.

BAN Nan-nan*, ZHANG Xiao- yue

(Surrey International Institute, Dongbei University of Finance and Economics, Dalian 116023, China)., 2023,43(12)：6625～6640

Using panel data from 30 provinces and regions in China between 2000 and 2020, this study comprehensively measured the carbon emissions of household consumption and digital economy development index under different levels of demand. By employing a spatial econometric model, we studied the decomposition spatial effect and analyzed the threshold effect of digital economy and overall consumption carbon emissions to investigate the impact of digital economy on carbon emissions from household consumption. The study showed that: (1) the carbon emissions from household consumption in China increased overall, with a trend of high (low) emission in eastern (western) China and concentration in the middle and eastern China. (2) Direct carbon emissions were the main source of carbon emissions from household consumption; but with the development of society, its proportion in the total consumption carbon emissions was declining, while the proportion of indirect emissions were increasing. (3) The development of digital economy could significantly increase indirect carbon emissions from household consumption both in local and its neighboring provinces, and local indirect carbon emissions for survival. However, an "inverted U" relationship was found between the degree of development of digital economy and the overall consumption carbon emissions, and digital economy could promote household consumption carbon emission reduction after reaching a higher level of development. Therefore, it was suggested to further promote the development of the digital economy and strengthen guidance on green production and life, so as to help achieve the "dual carbon" goal.

digital economy；household consumption；carbon emissions；different levels of demand；spatial regression method

X196

A

1000-6923(2023)12-6625-16

班楠楠,張瀟月.數字經濟對我國居民消費碳排放影響研究 [J]. 中國環境科學, 2023,43(12):6625-6640.

Ban N N, Zhang X Y.Research on the effect of digital economy on carbon emissions from household consumption [J]. China Environmental Science, 2023,43(12):6625-6640.

2023-04-29

遼寧省教育廳基本科研項目(LJKMR20221607);大連市社科聯重點項目(2022dlskzd254);遼寧省社科聯經濟社會發展研究課題(2023lslqnkt-028);遼寧省教育科學“十四五”規劃項目(JG21DB175)

* 責任作者, 講師,n.ban@surrey.ac.uk

班楠楠(1983-),女,講師,主要從事綠色金融、低碳戰略等方面的研究.發表論文10余篇.n.ban@surrey.ac.uk.