數字經濟、產業結構與碳排放

梁靚 卞夢穎

[摘要]數字經濟的發展符合高質量發展的時代要求，是實現雙碳目標的重要手段。引入制造業產業結構作為機制變量，基于2011—2019年的省級面板數據，運用雙固定效應模型研究數字經濟、制造業產業結構優化與碳排放的關系，主要得到以下結論：數字經濟發展顯著降低碳排放，替換變量以及更換模型后結論依然成立，并存在區域異質性和區域碳排放量異質性；數字經濟對制造業產業結構存在顯著的先劣化后優化的正“U”形影響效應；制造業產業結構對碳排放存在顯著的先優化后劣化的倒“U”形影響效應；數字經濟以制造業產業結構優化為路徑降低區域碳排放。基于所得實證結果，為促進制造業發展、降低碳排放和優化制造業產業結構提供政策建議。

[關鍵詞]數字經濟；碳排放；制造業產業結構

一、 引言

2020年，我國提出“30·60”“雙碳”目標，持續大力推動碳減排，力爭于2030年前達到“碳達峰”，到2060年前實現“碳中和”1。黨的二十大報告提出，“積極穩妥推進碳達峰碳中和”2。這是我國新階段下貫徹新發展理念、構建新發展格局、推動高質量發展的內在要求，更是中國對實現全球可持續發展、構建人類命運共同體的積極選擇。2021年，我國提出“碳達峰十大行動”3，要求將低碳發展貫穿于經濟社會發展的全過程，其中的能源綠色低碳行動、節能降碳增效行動、工業領域碳達峰行動均不同程度對制造業領域綠色轉型提出要求。然而，我國碳排放量仍居高不下，2023年增長5.65億噸，是迄今為止全球最大的增幅[1]。“十四五”時期是實現雙碳目標的關鍵窗口期，伴隨著新一代信息技術迭代更新，數字經濟對國民經濟的高度滲透，為資源配置和經濟結構帶來巨大變革，也帶來了碳減排的新機遇。因此，厘清數字經濟對碳排放的影響效應，把握這一歷史性機遇，具有緊迫性和實用性。

由于制造業中聚集了大部分的高耗能、高碳排行業[2]，其在促進國民經濟平穩運行的同時也對環境保護造成了壓力。學術界針對數字經濟的碳減排效應已展開了豐富的研究，然而制造業結構在其中的作用并未引起足夠的重視。產業結構升級是經濟發展的潛在規律，于制造業內部而言，是低端制造業向高端制造業的升級，是生產要素從勞動力、資本等初級要素向技術、知識、數據等高級要素的轉變。當前，中國整體處于工業化中后期階段，部分制造業還處于中低端[3]，始終沒有擺脫對自然資源、勞動力資源、資本資源的高度依賴。但是，制造業對我國經濟的壓艙石作用不可否認，盲目降低制造業在國民經濟中的占比，將會威脅我國經濟穩定增長的目標。近年來，數字經濟快速發展，對實體經濟帶來巨大沖擊。一方面，數字產業化催生大量服務需求，促進制造業向服務型制造拓展，形成新業態、新模式[4]；另一方面，產業數字化對制造業生產、管理、服務進行深度數字化改造，驅動制造業提質增效、轉型升級。制造業產業結構升級是具有復雜性和長期性的問題，基于我國以傳統產業為主的制造業體系，研究數字經濟對制造業的沖擊能否實現產業結構上的轉變，如何統籌制造強國建設與生態環境保護的關系，對我國建設現代化產業體系、實現雙碳目標具有重要意義。

面對工業經濟穩定發展、碳減排剛性要求的雙重壓力，中國亟須找到一條符合國情的減碳之路。明確數字經濟、制造業產業結構和區域碳排放三者之間的互動關系，將會為新發展階段下的可持續發展政策設計和制度建設提供理論依據。

二、 理論分析與研究假設

近年來，數字經濟在我國蓬勃發展，是繼農業經濟、工業經濟之后的主要經濟形態，已經成為研究熱點。現有文獻主要認為數字經濟能夠降低碳排放，一是數字經濟通過快速擴散的網絡信息對環境保護形成非正式環境規制[5]，有助于推動霧霾治理[6]、降低碳排放[7]；二是與數字經濟相關的信息產業具有綠色低碳的特性，數字經濟的發展會通過擠出效應淘汰部分高碳產業，從而起到降低碳排放的作用[8]；三是數字經濟可以為傳統產業改造賦能，推動實現傳統產業的綠色化轉型，促進碳減排[9-10]。具體來看，數字經濟基于以下4個方面促進碳減排。首先，數字化產業以高技術的互聯網服務企業為主，因其具有高度的環境友好型特性，發展過程對碳排放的壓力較小。其次，數字經濟發展所帶來的數字化趨勢能夠提升傳統產業生產管理效率，促進資源利用率提高，降低碳排放。再次，數字經濟發展帶來大量新興技術和創新氛圍[11]，促進傳統產業轉型升級，提升其環境友好程度，并通過擠出效應淘汰高能耗、高污染的制造企業，實現碳減排。最后，數字經濟發展大幅提升了數字基礎設施，減少信息流通過程中產生的碳排放；通過智慧平臺、智慧檢測等手段為碳排放預測、低碳管理提供技術支持[12]。因此，由于各地區的發展基礎和條件不同，數字經濟在不同區域內的碳減排效應也存在不同。在數字經濟發展情況較好的東部地區，有賴于豐富完善的數字經濟基礎設施、高素質的勞動力、高濃度的科技創新氛圍，數字經濟的碳減排效應相較于數字經濟欠發達的地區會更好。同時，現階段碳排放量低地區產業發展水平較為滯后，經濟社會發展基礎薄弱，數字化程度不高，從而數字經濟的碳排放效應也相對較弱。基于此，本文提出以下假設：

假設1：數字經濟發展能夠降低區域碳排放。

假設2：數字經濟的碳減排效應存在區域異質性和碳排放量異質性。

有關數字經濟與制造業產業結構之間關系的研究相對較少。產業數字化和數字產業化是推動數字經濟發展的主要原因。前者側重于數字技術與實體經濟的相互融合，即數字技術和數據資源在傳統產業中的應用，并由此形成產出和效率提升；后者則強調數字經濟核心產業，即為產業數字化發展提供數字技術、數據要素等資源。對中國而言，服務業數字化快于制造業數字化、數字產業化快于產業數字化[13]。以互聯網、軟件等服務業為代表的數字產業化得到快速發展后，產生新的技術和生產管理模式，通過產業數字化的方式對制造業的改造賦能，推動傳統制造業生產效率提升。由于一個地區在發展初始狀態時總是傳統制造業占比更多，產業數字化會更多地服務于傳統制造業。傳統制造業得到改造提升后，通過擠出效應淘汰一些粗放式產業，實現落后企業土地、能源等資源的騰退，從而獲得足夠的資源以發展新興產業。因此，就制造業而言，數字經濟發展的初期通過改造傳統制造業，幫助其提升效率，實現傳統制造業的產值增長。傳統制造業產業改造提升到達一定程度后，利用其擠出高耗能、高排放的企業所獲得的資源發展新興產業。這時，數字經濟促進制造業發展的重點將轉向新興產業，通過促進技術創新、資源配置、產業鏈互聯等手段支持制造業領域的新興產業發展，提升其在制造業產業結構中的比重。也就是說，數字經濟對制造業產業結構的影響效應為先惡化后優化，即呈現正“U”形趨勢。基于此，本文提出以下假設：

假設3：數字經濟發展水平對制造業產業結構優化呈正“U”形影響。

工業總體碳排放中制造業占比最大，因此制造業碳減排結果直接關系到中國工業總體碳減排成效[14]。目前，圍繞碳排放的研究已非常豐富，但關于制造業產業結構的研究仍不充分。制造業內部碳排放行業集聚特征顯著[15]，根據中國碳核算數據庫數據，2019年，技術密集型產業碳排放占總體碳排放比例僅為0.28%，勞動密集型和資本密集型占比為35.49%1。制造業從勞動、資本密集型向技術密集型轉型后，其碳排放將顯著降低[16]。但是，制造業結構優化對碳減排的影響并非一蹴而就，很多情況下碳減排滯后于技術進步[17] ，一些研究甚至提出技術進步有可能階段性增加碳排放[18]。原因可能來自兩個方面：一是為了實現更高的經濟增長目標，在環保達標的前提下，經濟體可能在傳統制造業尚未騰退或改造完成之前，投入更多能源以支持新興產業發展，導致碳排放不降反增[19]；另一方面，在新興產業發展之初，政府對產業布局過度干預現象的普遍存在，易導致重復建設、產能過剩等現象[20]，從而增加了碳排放。但伴隨傳統制造業騰退或改造完成，以及技術密集型的新興產業占比逐步提高后，制造業產業結構優化將顯著降低碳排放。長期來看，數字經濟進一步發展使制造業領域的部分落后生產力淘汰騰退，促進更多資源向技術密集型制造業傾斜，技術密集型制造業占比相應提升[21]，實現制造業結構優化，最終降低區域碳排放。基于此，本文提出以下假設：

假設4：制造業產業結構優化對碳排放呈倒“U”形影響。

假設5：數字經濟以制造業產業結構優化為路徑降低區域碳排放。

三、 研究設計與變量選取

1. 變量定義

被解釋變量：碳排放（CD）。以往研究多采用指數分解法[22]、投入產出法[23]等計算方法核定二氧化碳排放量，但有數據可得性較差、統計口徑不一等缺陷。因此，本文選用中國碳核算數據庫（Carbon Eminssion Aclounts and Datasets，CEADs）測算的2010—2019年中國省域二氧化碳排放量進行研究。為了獲得更平滑的數據，對碳排放進行對數處理。

試驗變量：數字經濟發展水平（DE）。目前，學術界尚無統一的對數字經濟發展水平進行測算的方法，較多采用的方法為建立綜合指標體系。葛和平等[24]運用熵權TOPSIS法，從發展環境、產業數字化、數字產業化與數字化治理4個維度構建了數字經濟發展水平指標體系并運用熵權法對我國各省域的數字經濟進行了測度；劉軍等[25]從信息化發展、互聯網發展和數字交易發展3個維度構建了省級數字經濟評價指標體系[28]。本文參考黎新伍等[26]的研究，從數字經濟基礎設施、數字經濟發展潛力、數字經濟運用能力、數字經濟發展環境4個方面構建數字經濟發展水平綜合指標體系，得到二級指標后，采用主成分分析法測度我國省域數字經濟發展水平。具體指標選取及度量方式如表1所示。

機制變量：制造業產業結構（MS）。毛艷華等[27]根據OECD組織高新技術產業分類方法，將制造業產業分為高、中、低端技術制造業。馮春曉[28]則運用制造業產業結構合理化、高度化指標評估制造業產業結構。王志華等[29]用從業人員及其報酬數、資本存量、研發投入依次表示制造業各行業的勞動、資本與技術密集度。本文借鑒其方法，基于2010—2019年中國制造業28個細分行業勞動、資本與技術要素所占比重，將制造業分為勞動、資本與技術密集型三類制造業。具體分類如表2所示。制造業產業結構以“技術密集型產業產值”與“勞動密集型和資本密集型產值之和”的比值描述。比值越高，表示制造業產業結構越優。

控制變量：人口規模由各地區年末總人口表示，并作對數化處理；外商直接投資使用各省份按當年人民幣兌美元匯率進行轉化后的實際利用外資與地區GDP的比值表示；市場化指數來自《中國分省份市場化指數報告（2018）》，并作對數化處理；產業結構變量由各地區三產與二產增加值的比值表示；環境規制采用地方財政環境保護支出占總財政支出的比值表示；人均GDP采用各地區國民生產總值與年末總人口的比值表示，并作對數化處理；貿易開放度采用進出口總額與地區GDP的比值表示。

2. 模型設計

（1）基準回歸模型

本文采用個體、時間雙向固定效應面板模型進行檢驗，基準回歸模型形式如下：

[ln CDi，t=α0+α1DEi，t+βCONTROLi，t+δt+μi+εi，t] （1）

式（1）中，i和t分別為省份和年份；CDi，t為被解釋變量，表示省份i在t年內的區域碳排放量；DEi，t為試驗變量，表示省份i在t年的數字經濟發展水平；CONTROLi，t為控制變量，包括人口規模、外商直接投資、市場化指數、產業結構、環境規制、人均GDP；μi為區域的省份控制效應，控制不隨時間變化且不可觀測的省份固有特征，δt為時間控制效應，控制不隨省份變化且不可觀測的宏觀經濟沖擊；α0為常數項，εi，t為隨機誤差。

（2）機制分析模型

為了探討數字經濟發展水平、制造業產業結構和碳排放的非線性關系，本文在式（1）的基礎上加入數字經濟發展水平和制造業產業結構的二次項作為試驗變量，得到以下模型：

[MSi，t=θ0+θ1DEi，t+θ2DE2i，t+βCONTROLi，t+δt+μi+εi，t ] （2）

[ln CDi，t=γ0+γ1MSi，t+γ2MS2i，t+βCONTROLi，t+δt+μi+εi，t] （3）

式（2）（3）中，MSi，t為機制變量，表示省份i在t年的制造業產業結構，其余變量同式（1）。當θ2=0或不顯著時，數字經濟發展水平與區域碳排放的關系為線性相關；當θ2<0時，數字經濟發展水平與區域碳排放為倒“U”形關系；當θ2>0時，數字經濟發展水平與區域碳排放為正“U”形關系。同樣地，由γ的符號可以看出制造業產業結構與碳排放之間的非線性關系。

（3）異質性分析：分位數回歸模型

為研究區域碳排放量異質性，本文采用分位數模型考察條件分布情況。

[Quantq（lnCD/CONTROL）=βq，0+βq，1DEi，t+εi，t] （4）

式（4）中，Quantq為q分位點上對應的碳排放水平，βq，0和βq，1表示q分位點上的回歸系數，其余變量同式（1）至式（4）。

3. 數據來源

碳排放數據來源于中國碳核算數據庫（CEADs）；數字經濟發展水平相關數據中，數字普惠金融指標來自北京大學數字普惠金融指數[30]，其余指標來自《中國統計年鑒》《中國科技統計年鑒》；制造業產業結構數據來自《中國人口和就業統計年鑒》和《中國工業經濟統計年鑒》；控制變量中，除市場化指數來自王小魯等[31]測算的《中國分省份市場化指數報告（2018）》，其余指標來自《中國統計年鑒》。

四、 實證分析

1. 主要變量的描述性統計

變量的描述性統計結果如表3所示。

表3 主要變量的描述性統計結果

[變量類型 變量名 觀測量 平均值 標準差 最小值 最大值 被解釋變量 碳排放 270 5.647 0.774 3.785 7.438 試驗變量 數字經濟發展水平 270 0.592 0.060 0.492 0.859 機制變量 制造業產業結構 270 0.491 0.478 0.042 2.724 控制變量 人口規模 270 8.204 0.741 6.342 9.433 外商直接投資 270 0.021 0.019 0.001 0.121 市場化指數 270 2.029 0.265 1.212 2.441 產業結構 270 1.292 0.712 0.527 5.234 環境規制 270 0.008 0.006 0.002 0.043 人均GDP 270 1.544 0.432 0.464 2.784 貿易開放度 270 0.279 0.279 0.130 1.464 ]

2. 相關性分析

在進行實證檢驗之前，本文首先對主要變量進行相關性檢驗，數字經濟發展水平變量與碳排放變量之間的相關系數為-0.1204，且在5%水平上顯著，與本文假設相符；制造業產業結構與數字經濟發展水平、碳排放之間的相關性均不顯著，說明不存在線性關系，與本文假設相符。VIF（Variance Inflation Factor）檢驗結果顯示全部變量VIF值均小于10，不存在多重共線性。

3. 基準回歸

為獲得最佳的模型擬合效果，依照豪斯曼檢驗對固定效應模型（Fixed Effects Model，FE）和隨機效應模型（Random Effects Model，RE）的擬合效果進行檢驗，結果顯示FE與本研究更為契合。為了降低面板數據在時間和個體上的非穩定性，本文采用雙向固定效應的面板回歸模型進行基準回歸。結果如表4所示，模型（1）報告了不添加控制變量的情況下數字經濟發展水平對碳排放的影響，模型（2）添加了控制變量。

從表4的回歸結果可以看出，不論是否添加控制變量，數字經濟發展水平均對碳排放有抑制效應，且都通過5%置信水平下的顯著性檢驗。添加控制變量后，數字經濟發展水平對碳排放的回歸系數絕對值減小，說明未添加控制變量時，回歸模型夸大了數字經濟對碳減排的影響效應，控制變量選擇合理。結果表明，數字經濟發展水平對區域碳排放具有顯著的抑制效應，假設1成立。根據模型（2）的結果可以看出，數字經濟發展水平每提升1個單位，會降低2.858個單位的碳排放。數字經濟的發展可以促進資源的快速流動、融合與利用，改善資源配置，減少不必要的能源消耗，提升社會生產效率，從而降低碳排放。控制變量中，人口規模對碳排放的促進效應通過了1%置信水平的顯著性檢驗，貿易開放度對碳排放的促進效應通過5%置信水平的顯著性檢驗。人口的不斷增長會提升對食物、住房、交通等的需求，而滿足這些需求需要工業、能源的支撐，從而產生更多的碳排放。貿易開放為發達國家將高耗能、高排放的低端產業向我國轉移提供了條件，為發達國家生產了大量高碳產品，造成我國碳排放量的增長，即“污染避難所”效應。

4. 穩健性檢驗

替換試驗變量。本文采用熵值法替換主成分分析法構建新的數字經濟發展水平，運用同樣的方法進行雙向固定效應面板回歸，以檢驗替換試驗變量數字經濟發展水平后結論是否具有穩健性。結果如表5列（1）所示，替換試驗變量后數字經濟發展水平的系數仍顯著為負，證明數字經濟顯著抑制碳排放的結論穩健。

替換被解釋變量。考慮到各地區人口規模存在較大差異，本文將前文的碳排放數據與人口規模的比值作為人均碳排放，以檢驗替換被解釋變量區域碳排放后結論是否具有穩健性。結果如表5列（2）所示，替換被解釋變量后數字經濟發展水平的系數仍顯著為負，證明數字經濟顯著抑制碳排放的結論穩健。

替換回歸模型。前文基準回歸采用的是靜態面板模型，考慮到碳排放存在一定的時序性特征，本文利用動態面板回歸模型驗證結論是否具有穩健性。考慮到系統GMM模型相較于差分GMM模型引進了水平方程，減少了估計誤差，因此采用系統GMM模型。在式（1）的基礎上納入滯后一期的碳排放變量后，利用兩步系統GMM模型進行估計，結果如表5列（3）所示。數字經濟的系數仍顯著為負，且AR（1）顯著而AR（2）不顯著，擾動項無自相關，再次證明數字經濟顯著抑制碳排放的結論是穩健的。

5. 異質性分析

雖然總體來看數字經濟發展水平對碳排放有抑制效應，但我國國土面積大，各區域之間發展水平差距大，這種抑制效應可能存在區域異質性。本文將30個省區市按東、中、西部分類后，分區域進行回歸，結果如表6所示。結果表明，3個區域的數字經濟回歸系數為-3.614，-2.909，-2.369，僅有東部地區通過了1%置信水平下的顯著性檢驗。說明數字經濟對碳排放的抑制效應僅在東部地區生效，而中部、西部地區并無明顯效應。東部地區較中部、西部地區有先天的地理優勢，基礎設施建設完善，貿易開放度高，人才、資本積累充分。在這樣的優勢下，東部地區的產業結構不斷優化升級，高新技術不斷迭代，為數字經濟的發展提供了有利條件，數字經濟的碳減排效應也更加明顯。中西部地區交通便利程度低，基礎設施差，人才、資本積累貧乏，導致數字經濟的發展受到限制，阻礙了數字經濟發展水平對碳排放的抑制作用。

分位數回歸相較于其他回歸模型受極值的影響更小，并且可以清晰地刻畫條件分布情況[32]。本文選取25%、50%、75%這3個代表性分位點，考察區域碳排放量異質性。結果如表7所示，不論是哪個分位點，數字經濟發展水平均有顯著抑制碳排放的影響效應。隨著分位點的不斷提高，數字經濟發展水平對區域碳排放的回歸系數絕對值呈現先升后降的態勢，即隨著碳排放量的增加，數字經濟對于碳減排的貢獻是先增后減。可能的原因在于，現階段碳排放量低的地區產業發展水平較為滯后，經濟社會發展基礎薄弱，數字化程度不高。此時，數字經濟的發展降低區域碳排放量的效果更為明顯。隨著地區不斷發展，數字基礎設施日益完善，數字經濟降低區域碳排放量的效果會得到進一步提升。碳排放量較高的地區產業發展水平和經濟基礎較好，已經形成初具規模的數字經濟。此時，由于邊際效應的存在，數字經濟規模的持續擴大帶來的碳減排效應勢必會有所減弱。假設2成立。

6. 機制分析

為了探討數字經濟發展水平與制造業產業結構的非線性關系，本文將數字經濟發展水平的二次項納入模型對制造業產業結構進行回歸，結果如表8所示。

表8報告了數字經濟發展水平與制造業產業結構的非線性關系及“U”形關系檢驗結果。模型（1）在未納入控制變量、不考慮固定效應時，系數中一次項顯著為負，平方項顯著為正，根據Hanns等[33]對“U”形關系的判斷方法，該模型通過“U”形關系檢驗，即數字經濟發展水平與制造業產業結構之間呈現“U”形曲線關系。模型（2）在模型（1）的基礎上進行了時間固定和個體固定，通過“U”形關系檢驗。模型（3）進一步引入控制變量，結果依然顯著，且“U”形關系依然成立，拐點為0.76，即當數字經濟發展水平低于0.76時，數字經濟的發展會劣化制造業產業結構，而當數字經濟高于0.76時，繼續發展數字經濟會優化制造業產業結構，假設3成立。樣本期內數字經濟均值為0.59，大部分省區市位于拐點左側，仍處于數字經濟發展劣化制造業產業結構的階段。2019年，30個省區市中僅有北京市和上海市在拐點右側，到達數字經濟發展優化制造業產業結構的階段。

制造業細分行業中，能源需求和能耗結構各不相同，所產生的碳排放量也不同。因此，制造業產業結構變化會影響碳排放。當高碳排放的產業比重下降，低碳排放的產業比重上升時，總體碳排放水平下降。制造業中，高碳產業主要為金屬冶煉加工、石油化工類產業，集中于勞動密集型和資本密集型產業。技術密集型制造業依賴于大量的新興技術，這些新興技術往往具有綠色、環保、低碳的特征，碳排放較低。在制造業細分行業從勞動密集型和資本密集型轉向技術密集型的過程中，碳排放逐漸降低，即制造業產業結構優化將會降低碳排放。

表9報告了制造業產業結構與碳排放的非線性關系及“U”形檢驗結果。模型（1）在未納入控制變量、不考慮固定效應時，平方項系數顯著為負，且通過“U”形關系檢驗，即制造業產業結構與碳排放之間呈現倒“U”形曲線關系。模型（2）在模型（1）的基礎上進行了時間固定和個體固定，通過“U”形關系檢驗。模型（3）進一步引入控制變量，結果依然顯著，且“U”形關系依然成立，拐點為0.92，即當制造業產業結構低于0.92時，制造業產業結構優化會提升碳排放，而當制造業產業結構高于0.92時，繼續優化制造業產業結構會降低碳排放，假設4成立。可能的原因有以下3個方面：一是制造業產業結構改善初期時常有地方政府過度干預產業發展的現象，造成重復建設等問題；二是碳減排往往有一定滯后性；三是為了經濟發展往往會投入更多的能源以促進新興產業發展，造成能源回彈。但長期來看，勞動密集型、資本密集型制造業向技術密集型制造業轉移有利于降低碳排放，因為技術密集型制造業本身不屬于高碳產業，并且依賴于大量新興技術，技術密集型制造業有更高效的生產和管理模式，碳生產率往往更高。

綜上所述，制造業產業結構優化要有先“騰籠”后“換鳥”的時間周期。在數字經濟發展初期，制造業產業結構中的存量產業，其中絕大多數為傳統產業和高碳產業，其率先嘗試產業數字化轉型，一部分轉型成功的企業實現產值提升和碳減排；發展后期，數字經濟促進產業結構中的增量產業，絕大多數為新招引落地的技術密集型制造業快速發展，同時逐步淘汰和騰退那些仍然無法實現數字化轉型的傳統產業和高碳產業，促進制造業產業結構優化，從而降低碳排放。因此，數字經濟發展的不同階段，數字化轉型都會通過影響制造業產業結構降低碳排放，即假設5成立。

五、 結論與政策建議

本文通過雙向固定面板回歸模型對2011—2019我國省級數字經濟發展水平和區域碳排放數據進行回歸分析，并引入制造業產業結構優化作為機制變量，探討數字經濟與制造業產業結構的關系以及數字經濟影響區域碳排放的機制，主要得到以下結論：

第一，數字經濟發展水平顯著降低區域碳排放，替換被解釋變量、替換試驗變量、更換回歸模型均不改變結論的穩健性。存在區域異質性，僅東部地區通過顯著性檢驗；同時存在區域碳排放量異質性，隨著碳排放量增加，數字經濟對于碳減排的貢獻先增后減。

第二，數字經濟發展水平對制造業產業結構存在顯著的先劣化后優化的影響，即正“U”形關系；制造業產業結構優化對碳排放存在顯著的先促進后抑制影響，即倒“U”形關系。

第三，數字經濟以制造業產業結構優化為路徑降低區域碳排放。初期，隨著數字經濟水平的提高，勞動密集型、資本密集型制造業率先實現數字化轉型，碳排放相應降低；后期，數字經濟水平越高，技術密集型制造業占比越高，碳排放越低。

基于以上研究結論，本文提出以下關于制造業領域推動數字化綠色化協同發展的政策建議：

第一，創新綠色智造公共服務體系。探索搭建“數字化·綠色化”技術改造公共服務平臺，匯集重點行業、企業技術改造需求，促進供需雙方需求對接。加快培育節能降碳技術改造工程服務商，面向重點行業、企業提供智能制造、節能診斷、集成應用、合同能源管理等改造服務。結合智能化、數字化技改需求，定期迭代更新工程解決方案服務商信息，擇優進行宣傳推廣。

第二，建設低碳技術創新平臺。加快綠色低碳、智能制造等領域制造業（技術、產業）創新中心建設，提升數字技術、低碳技術攻關和產業化應用，提高清潔能源領域現有創新載體能力和水平。支持行業龍頭企業聯合高校、科研院所和行業上下游企業組建技術創新聯合體，加大關鍵核心低碳技術攻關力度，加快工程化產業化突破，積極打造數字化綠色化技術創新集聚區。

第三，推動制造業產業結構優化。嚴格按照能源、土地、環保、安全、質量等領域法律法規、強制性標準和政策要求，倒逼高耗企業加快整治，為優質企業騰出用能、用地空間。瞄準數字技術賦能的綠色低碳產業，靈活運用產業鏈招商、基金招商、平臺招商、總部招商等多種方式，編制重點目標企業名單，主動謀劃引進創新能力強、具備核心競爭力的重大項目。

參考文獻：

[1] IEA.CO2 Emissions in 2023[R].Paris：IEA，2024.

[2] 胡劍波，羅志鵬.多情景模擬下我國制造業能源消費結構與碳達峰預測研究[J].江西社會科學，2022，42（4）：50-60.

[3] 莊貴陽.我國實現“雙碳”目標面臨的挑戰及對策[J].人民論壇，2021（18）：50-53.

[4] 毛艷華，張超，李松.數字經濟對制造業產業結構升級的影響研究——以我國三大城市群為例[J].城市問題，2024（1）：4-15.

[5] 徐圓.源于社會壓力的非正式性環境規制是否約束了中國的工業污染？[J].財貿研究，2014，25（2）：7-15.

[6] 李欣，楊朝遠，曹建華.網絡輿論有助于緩解霧霾污染嗎？——兼論霧霾污染的空間溢出效應[J].經濟學動態，2017（6）：45-57.

[7] 張華，馮烽.非正式環境規制能否降低碳排放？——來自環境信息公開的準自然實驗[J].經濟與管理研究，2020，41（8）：62-80.

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

[9] 丁玉龍，秦尊文.信息通信技術對綠色經濟效率的影響——基于面板Tobit模型的實證研究[J].學習與實踐，2021（4）：32-44.

[10] Chang H，Ding Q Y，Zhao W Z，et al.The Digital Economy，Industrial Structure Upgrading， and Carbon Emission Intensity—empirical Evidence from Chinas Provinces[J].Energy Strategy Reviews，2023（50）：101218.

[11] Kohli R，Melville N P.Digital Innovation： A Review and Synthesis[J].Information Systems Journal，2019，29（1）：200-223.

[12] Zhang C，Ji W.Digital Twin-driven Carbon Emission Prediction and Low-carbon Control of Intelligent Manufacturing Job-shop[J].Procedia CIRP，2019（83）：624-629.

[13] 黃建忠，趙玲，何茜茜.加快中國特色數字經濟發展的若干理論思考與政策建議——基于馬克思主義政治經濟學的視角[J].宏觀經濟研究，2023（4）：4-13.

[14] 付華，李國平，朱婷.中國制造業行業碳排放：行業差異與驅動因素分解[J].改革，2021（5）：38-52.

[15] 王霞，張麗君，秦耀辰，等.中國高碳制造業碳排放時空演變及其驅動因素[J].資源科學，2020，42（2）：323-333.

[16] 余紅偉，張洛熙.制造業結構升級促進了區域空氣質量改善嗎？——基于2004—2013年省級面板數據的實證分析[J].中國地質大學學報（社會科學版），2015，15（5）：33-42.

[17] 原嫄，席強敏，李國平.產業關聯水平對碳排放演化的影響機理及效應研究——基于歐盟27國投入產出數據的實證分析[J].自然資源學報，2017，32（5）：841-853.

[18] 歐國立，王妍.交通運輸業技術進步對二氧化碳排放的影響——基于中國省級面板數據的實證研究[J].生態經濟，2018，34（11）：64-71.

[19] 張濟建，萬安位，宋雅靜.能源回彈效應下高碳產業低碳轉型過程中的技術突變性[J].科技進步與對策，2020，37（18）：60-69.

[20] 江飛濤，耿強，呂大國，等.地區競爭、體制扭曲與產能過剩的形成機理[J].中國工業經濟，2012（6）：44-56

[21] 謝文倩，高康，余家鳳.數字經濟、產業結構升級與碳排放[J].統計與決策，2022，38（17）：114-118.

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

[23] 張友國.經濟發展方式變化對中國碳排放強度的影響[J].經濟研究，2010，45（4）：120-133.

[24] 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（1）：24-23.

[25] 劉軍，楊淵鋆，張三峰.中國數字經濟測度與驅動因素研究[J].上海經濟研究，2020（6）：81-96.

[26] 黎新伍，黎寧，謝云飛.數字經濟、制造業集聚與碳生產率[J].中南財經政法大學學報，2022（6）：131-145.

[27] 毛艷華，張超，李松.數字經濟對制造業產業結構升級的影響研究——以我國三大城市群為例[J].城市問題，2024（1）：4-15.

[28] 馮春曉.我國對外直接投資與產業結構優化的實證研究——以制造業為例[J].國際貿易問題，2009（8）：97-104.

[29] 王志華，董存田.中國制造業產業結構與勞動力素質結構吻合度分析[J].人口與經濟，2012（5）．

[30] 郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學，2020，19（4）：1401-1418.

[31] 王小魯，樊綱，胡李鵬.中國分省份市場化指數報告（2018）[R].北京：社會科學文獻出版社，2019.

[32] 鄔彩霞，高媛.數字經濟驅動低碳產業發展的機制與效應研究[J].貴州社會科學，2020（11）：155-161.

[33] Haans R F J，Pieters C，He Z L.Thinking about U：Theorizing and Testing U-and Inverted U-Shaped Relationships in Strategy Research[J].Strategic Management Journal，2016，37（7）：1177-1195.

基金項目：浙江省社會科學界聯合會研究課題成果“浙江省制造業結構升級對碳達峰趨勢的影響研究”（項目編號：2022N139）。

作者簡介：梁靚，男，博士，浙江省工業和信息化研究院副院長，高級經濟師，研究方向為先進制造業集群;卞夢穎，女，通訊作者，浙江工業大學管理學院博士研究生，研究方向為先進制造業集群。

（收稿日期：2024-01-28? 責任編輯：殷 俊）