基于資源配置視角的數字經濟發展對碳排放的影響及其潛在機制研究

摘要：基于2013—2021年30個省份的面板數據對我國數字經濟發展與區域碳排放的內在關聯進行研究，發現： 數字經濟發展對區域碳排放存在抑制效應，并且在穩健性檢驗與異質性檢驗后該結論依然成立。從資源配置效率視角綜合考慮經濟效率與生態效率，利用SBM模型GML指數法構建中介變量，結果顯示提升資源配置效率是數字經濟發展抑制碳排放的潛在機制之一。考慮到區域數字經濟發展狀況各異，采用面板雙門檻模型對樣本數據進行差異性研究，結果表明：在數字經濟發展水平相對落后但能源稟賦較為優越的中西部地區，數字經濟發展對碳排放的抑制效果更加顯著。

關鍵詞：數字經濟；資源配置；SBM-GML；碳排放

中圖分類號：F49

文獻標識碼：A

DOI：10.12186/2024.05.007

文章編號：2096-9864（2024）05-0056-09

改革開放40多年來，我國經濟飛速發展，人民整體生活水平大幅提升，但經濟發展初期以高污染、高能耗為代價的經濟增長方式偏離了可持續發展理念。作為碳排放大國，中國在巴黎協定中提出“3060”雙碳目標，以期推動構建可持續發展的人類命運共同體。基于此背景，中國政府多次強調以綠色創新為核心驅動高質量發展，這明確預示著中國未來的經濟發展將加速邁向綠色與低碳。

為深入推進黨的十九大提出的供給側結構性改革，國內多個省市以全要素生產率作為衡量經濟發展效率的重要指標［1］，堅持質量和效率優先，逐步實施推動經濟轉型的政策。然而，在推動綠色發展、促進人與自然和諧共生的內在要求下，如何平衡經濟發展和生態環境成為一個新問題。

《中國數字經濟發展白皮書2020》［2］指出，截至2020年，中國數字經濟規模已達39.2萬億元，數字經濟貢獻了超過38%的國民生產總值，且增速大幅領先總體GDP。這說明高速發展的數字經濟已成為當下我國經濟增長的新動能和新支點［3］。與此同時，數字技術衍生的互聯網生態經濟與實體經濟融合，為綠色循環經濟注入了持續的活力、創新力和競爭力。

在追求高質量發展的過程中，數字經濟的發展為實現“雙碳”目標提供了重要動力，數字經濟發展是否有助于促進區域碳排放的減少？在數字經濟日益興盛、經濟發展質量日趨提高的情形下，數字經濟助力實現“雙碳”目標的潛在機制如何？在我國東部、中部和西部地區之間數字經濟發展存在巨大差異的客觀事實下，數字經濟在促進區域碳排放減少的過程中是否存在門檻效應？

針對這些問題，本文擬利用2013—2021年30個省份的省級面板數據檢驗數字經濟發展對碳排放的抑制作用，并通過機制分析為數字經濟發展促進資源配置優化，進而助力實現“雙碳”目標提供有力支撐。

一、文獻綜述與研究假設

近年來，數字經濟的發展引起了學術界的廣泛關注，學者們探討了數字經濟發展的經濟效益，發現并驗證了其在區域創新、產業結構轉型和經濟增長等方面存在正向推動作用［4］。然而，當前側重于數字經濟環境效益，尤其針對“雙碳”目標的研究還相對較少，因此，綜合考慮數字經濟發展的經濟效益和環境效益顯得愈發重要。

在數字經濟驅動高質量發展的背景下，本文采取荊文君等［5］提出的從微觀、中觀、宏觀三個層面研究數字經濟促進經濟高質量發展的思考框架分析現有研究成果。

在微觀層面上，企業的數字化轉型有助于改善人力資本結構，增強企業的技術創新能力［6］，企業通過數字技術實現生產和管理方式的精細化與智能化，同時，數字技術的應用和數據要素的投入提高了企業的資源配置效率，使其在相同產出條件下能夠實現更低的成本投入，最終獲得降本增效的結果［7］。這表明，一方面，企業在環保投入上擁有了更大的資源空間，從而激勵企業承擔更多的社會責任與環境責任；另一方面，在數字經濟的推動下，電子商務等新興產業持續展現出明顯的規模經濟效應和范圍經濟效應，部分領軍企業衍生出“馬太效應”，匯聚了行業內更多的優質資源，構筑起堅實的競爭壁壘［8］。“馬太效應”引起的競爭態勢，有利于促進行業規范的確立和完善，這不僅為行業在承擔環境責任方面樹立了典范，同時也減輕了政府在環保層面對企業和行業的監督壓力，推動了行業的健康可持續發展。

在中觀層面上，數字經濟融合互聯網、大數據、區塊鏈等技術，從數字產業化和產業數字化兩個渠道推動實現了產業轉型和升級［9］。A.Goldfarb等［10］研究發現，數字經濟中區塊鏈等技術的發展降低了檢索、復制、傳輸、跟蹤和驗證成本，數字技術的應用有利于增加市場透明度，并通過削弱信息的不對稱性來完善價格匹配機制。基于價格匹配機制的市場會逐漸淘汰具有競爭劣勢的企業和行業，即淘汰低效率、高成本和高污染的企業或行業，進而形成環境效益更為友好的發展格局［11］。同時，數字技術驅動的交易平臺確保了暢通的輿論反饋機制，極大地提升了資本市場對相關企業和行業的社會監督效率。綜合前述分析，數字經濟的發展促進了市場的充分競爭，有效減少了資本市場的資源錯配，進而篩選出環境效益更為突出的企業和行業，實現了抑制碳排放的目的。

在宏觀層面上，王宏鳴等［12］引入數據作為新的投入要素，揭示了數字經濟的發展如何加速區域研發資本流動、減少創新要素錯配［13］。周曉輝等［14］和劉維林等［15］則更關注數字經濟的綠色價值，從要素配置效率的角度探討了數字經濟如何對綠色全要素生產率產生積極影響，并深入分析了數字經濟與高質量發展之間的正向關系。此外，伴隨著數字科技的滲透與數據資源的流通，區域勞動力的資源配置效率也獲得了顯著提升［16］。這些研究都表明數字經濟在推動創新、優化資源配置和促進綠色發展方面具有重要作用。

數字技術與傳統產業的深度融合加速實現了生產自動化與智能化，進而提高設備的能源效率，降低生產過程中的碳排放。此外，傳統產業通過數據驅動決策、數字化供應鏈管理提升傳統企業供應鏈的透明度和協同效率，加快了要素結構調整，促進了能源節約和碳減排［17］。

關于數字經濟與碳排放之間作用機制的研究成果較為豐富，其中產業結構、能源結構、環境規制、技術創新一直是研究的熱點，但資源配置效率的傳導路徑等還未受到應有的關注。結合前文論述，數字經濟發展過程中往往伴隨著資源配置的優化，本文在參考游達明等［18］和張子珍等［19］的研究基礎上，為規避投入和產出項的單位影響，并全面考慮所有非效率的因素，采用松弛測度的非徑向-非角度SBM（Slacks＼|Based Measure）模型［20］和GML（Global＼|Malmquist＼|Luenberger）指數［21］計算資源配置效率指標，并將資源配置效率納入數字經濟影響碳排放的機制研究。綜上提出以下假設：

假設1：數字經濟發展對碳排放存在顯著抑制作用。

假設2：優化資源配置是數字經濟影響碳排放的潛在傳導機制之一。

學界關于數字經濟對碳排放影響異質性的研究成果頗豐，研究視角多集中于時間和空間兩個維度。在時間維度方面，繆陸軍等［22］、金飛等［23］的研究驗證了數字經濟對碳排放存在顯著的先促進后抑制的倒“U”型非線性特征，且該效應在不同區域間存在顯著的差異性，即數字經濟同樣存在空間維度的異質性。有研究者從空間維度具體分析了數字經濟的發展態勢，并指出數字經濟的發展格局從“多點式”零星分布向“組團式”聚集形態轉變［24］。考慮到我國數字經濟發展水平表現出東部高中西部低的特征，數字經濟對碳排放的影響效應是否同步呈現相似的結果引起了不同學者的關注。一部分學者認為數字經濟對碳排放的抑制效應在中西部地區與碳排放強度較高的地區表現更為明顯［25］，另一部分學者則認為東部地區的數字經濟對碳排放的負向邊際效應更強［26］。根據不同區域的數字經濟發展面臨著巨大分異的客觀狀況，本文提出如下假設：

假設3：數字經濟發展對碳排放的抑制作用存在門檻效應。

二、模型構建與變量說明

1.模型構建

本文利用2013—2021年30個省份的省級面板數據驗證數字經濟對碳排放的影響效應，設定基準模型如下：

Ce it=α 0+α 1Dige it+α 2X it+μ i+v t+ε it

①

其中，i代表地區，t代表年份，Ce it代表碳排放（千萬噸），Dige it代表數字經濟發展水平，X it代表控制變量，

μ i為區域固定效應，v t為時間固定效應，ε it為隨機干擾項。

參照王立猛等［27］、王勇等［28］對碳排放的研究，本文控制變量的選取基于經典STIRPAT模型，其有效揭示了經濟驅動因素與環境變化之間的關系，所選控制變量涉及區域人口規模、城鎮化水平、產業發展結構、對外開放程度、政府關注度5個維度。此外，本文通過對變量取對數的形式以緩解異方差與變量間量綱差距的問題。

為檢驗資源配置效率對數字經濟的傳導作用，本文基于SBM-GML方法測算資源配置效率并將其作為中介變量。另外，參照溫忠麟等［29］的研究構建了三階段中介效應模型，其中Era it代表資源配置效率，公式如下：

Era it=β 0+β 1Dige it+β 2X it+μ i+v t+ε it

②

Ce it=γ 0+γ 1Dige it+γ 2Era it+γ 3X it+μ i+v t+ε it

③

為比較不同的數字經濟發展水平對碳排放抑制效果的差異，本文利用面板雙門檻效應模型對樣本數據進行研究，構建模型如下：

Ce it=δ 0X it+δ 1Dige itI（Dige it<θ 1）+

δ 2Dige itI（θ 1≤Dige it≤

θ 2）+δ 3Dige itI（θ 2<Dige it）+μ i+v t+ε it

④

其中，I（·）為示性函數，θ 1<θ 2。

2.變量說明

（1）數字經濟發展指數評價體系構建

關于數字經濟概念的界定，從狹義層面上來看，生產與消費過程中涉及數字技術應用與數據要素驅動的產品或服務均屬于數字經濟的范疇。從廣義視角上來說，數字經濟是將數據作為關鍵要素，引導資源的配置優化與再生，推動生產力發展的經濟形態［30］。

結合相關學者的觀點與本文的研究主題，對數字經濟作如下界定：以數據為核心驅動要素，依靠網絡通信基礎設施，應用數字技術助力資源配置優化、引導產業融合創新發展，持續提升經濟社會治理數字化、智能化水平的新型經濟發展模式。

針對省級層面數字經濟發展指數的測算，本文在借鑒趙濤等［31］、萬曉榆等［32］研究的基礎上，從數字產業化和產業數字化兩個維度出發，選取數字用戶基礎、數字產業融合發展、數字創新活力和數字普惠金融［33］4個層面構建指標體系并采用熵值法計算數字經濟發展指數，具體指標體系見表1。

（2）中介變量測度

本文基于全局參比的數據包絡分析框架，利用非徑向SBM模型并結合GML指數計算包含非期望產出的投入產出效率值，進而實現對資源配置效率的測度，變量選取包括勞動力（萬人）、固定資產（億元）、能源（萬噸），期望產出為GDP（億元），非期望產出變量為工業二氧化硫（萬噸）、廢水（萬噸）、一般工業廢棄物（萬噸），其中固定資產估算參照張軍等［34］的方法以2000年為物質資本存量基期。因為GML指數為全局環比數據，所以本文設定基期的資源配置效率為1，將各年度的GML值累乘，最終獲得各城市的年份資源配置效率值。使用的測算軟件為Dearun 3.1。

3.控制變量選擇

參照已有研究，在保證有限內生性與多重共線性的基礎上，本文選擇如下控制變量：人口規模（千萬人），以區域年末人口總數來表示；城鎮化水平，以非農業人口占比表示；產業結構，以第三產業產值與第二產業產值比表示；對外開放程度，以外商直接投資水平表示（外商直接投資水平=外商直接投資（萬元）/GDP（億元）/10 000）；政府關注度，以地方財政支出占比表示。

4.數據來源

鑒于數據可得性，本文選取30個省（不包括港、澳、臺、西藏）2013—2021年的面板數據為樣本，其中碳排放數據來源于中國碳核算數據庫（CEADs）。控制變量和數字經濟指標的相關數據主要來源于國家統計局、《中國城市統計年鑒》《中國環境統計年鑒》和中經網數據庫。部分缺失數據采用線性插補法補齊。主要變量的描述性統計結果見表2。

三、實證結果和分析

1.基準回歸

本文首先考察數字經濟發展是否對區域的碳排放存在抑制作用，基準回歸結果見表3。

由表3可知，核心解釋變量對碳排放量的回歸結果均顯著為負，以（3）列的回歸結果為例，數字經濟發展指數每增加1%，就會促使碳排放量平均減少7.95%，這說明數字經濟的發展在一定程度上抑制了區域碳排放的增長，從而印證了假設1。

在控制雙向固定效應后，樣本數據回歸結果顯示人口規模的系數為正，且在10%水平上顯著，表明人口數量與區域碳排放間存在顯著正相關。城鎮化水平、產業結構、政府關注度、對外開放程度的系數分別為6.240、3.891、-2.442、0.266，盡管系數在統計檢驗方面并不顯著，但系數的符號符合經濟意義，如城鎮化水平、產業結構、對外開放程度對碳排放均顯示出正向推動作用，結合當下我國許多城市處于加速城鎮化進程、調整產業結構的發展背景，上述控制變量的正向邊際效應符合環境庫茲涅茨曲線，即在經濟發展初期各控制變量與碳排放呈現協同增長趨勢。政府關注度對碳排放存在負向邊際效應，表明政府支出占比越高，用于公共政策的資源越多，環境規制的效果也就越好。

2.穩健性檢驗

替換被解釋變量，以碳排放強度（碳排放總量與國內生產總值的比值）作為被解釋變量進行穩健性檢驗，檢驗結果見表4。由表4（1）列的結果可知，在替換被解釋變量后，數字經濟發展指數的回歸系數在1%水平上顯著為負。這表明，即使在替換被解釋變量的情況下，數字經濟抑制碳排放的結論依然成立。

替換核心解釋變量，表4（2）列展示了以主成分法構建的數字經濟發展指標作為核心變量的回歸結果，可見數字經濟發展指數仍然在10%的水平上顯著。

加入可能遺漏變量，環境規制政策對區域碳排放存在限制作用，一方面環境規制限制了碳排放總量，另一方面環境規制間接加速了產業轉型。因此，將環境規制當作可能遺漏變量納入穩健性檢驗。其中，基于我國各省份的“三廢”排放量并使用熵值法計算得出環境規制指數。表4（3）列顯示，核心解釋變量在加入可能遺漏變量后依然顯著。

對控制變量進行縮尾處理：對所有的控制變量進行上下1%的雙邊縮尾處理，減少控制變量中的異常值。控制變量縮尾的回歸結果見表4（4）列，可知數字經濟發展指數的回歸系數仍然顯著為負。

綜上所述，數字經濟發展對碳排放的抑制作用存在穩健性。

3.異質性檢驗

基準回歸結果表明數字經濟發展總體上有利于抑制區域碳排放，那么這種抑制效應在不同區域間是否具有普適性呢？ 國內資源輸出、能源密集型產業多集中于東北與中西部省份，如東北老工業區的黑吉遼、淮河工業帶的安徽和煤炭輸出大省山西。中部地區的工業基地以加工生產為主，西部地區則以資源輸出為主，而東部地區則聚集了大量的高新技術產業和對外貿易產業。針對區域經濟存在顯著差異的特點，本文依照國家行政區劃對東部、中部、西部進行劃分，采用面板數據變系數模型進一步探索數字經濟對碳排放抑制效應的區域異質性。區域異質性檢驗結果見表5，其中“1”代表東部，“2”代表中部，“3”代表西部，結果顯示數字經濟發展對東中西部地區的碳排放均有抑制作用，并且中西部的抑制效應顯著于東部地區。

相較于東部沿海省份，中西部地區大多屬于資源輸出基地，其經濟對于傳統資源如煤炭、石油、天然氣的依賴度較高。相關研究發現全要素能源效率在能源稟賦相對豐裕的地區反而比較低，而導致這一現象的重要原因在于市場分割造成的地區間資源配置的扭曲阻礙了規模經濟的形成。因此，加快市場化改革，提高市場配置資源的比重，強化政府對能源資源配置的監管是改善中國當前能源效率偏低的重要手段［35］。數字經濟發展過程中不斷流動的數據資源幫助打破了市場信息的不對稱性，尤其在區塊鏈等相關技術的加持下，要素配置過程變得更加透明［36］，能夠推動能源要素配置效率的提升，從而對降低碳排放產生積極影響。

除區域差異外，本文還探討了數字經濟在不同碳排放量下抑制作用的強度差異。為此，采用分位數回歸分析法探究數字經濟在不同碳排放量水平下對碳排放的抑制作用。本文選取0.3、0.5、 0.7和0.9這4個分位數水平，回歸結果見表6，整體而言，碳排放量越大，數字經濟對其抑制的作用也越大。

四、進一步研究

1.中介效應檢驗

為進一步探究數字經濟發展對碳排放的抑制效應，本文在前文理論分析的基礎上將資源配置效率作為中介變量，采用傳統中介效應三步法進行檢驗分析。中介效應回歸結果見表7。由表7可知，數字經濟發展指數對資源配置效率的回歸系數為0.087且通過了5%水平下的顯著性檢驗，說明數字經濟發展對資源配置效率存在正向邊際效應，一定程度上驗證了數字經濟發展對資源配置效率的提升作用。表7（3）列中數字經濟發展指數和資源配置效率顯著的負值回歸系數表明數字經濟發展和資源配置效率對碳排放均產生了負向的邊際效應。綜上，樣本數據通過了三階段中介效應檢驗，表明優化資源配置效率是數字經濟發展促進碳排放減少的一個潛在傳導路徑。

2.門檻效應檢驗

為深入探究數字經濟與區域碳排放之間的關聯，參考E.B.Hansen［37］的做法，本文基于自助法（Bootstrap）對數據反復抽樣300次進行面板門檻的存在性檢驗，門檻檢驗結果見表8，以數字經濟發展指數為門檻變量通過了雙門檻檢驗，面板雙門檻回歸結果見表9。由表9可知，當數字經濟發展指數未達到門檻值0.148時，數字經濟發展水平的回歸系數為-9.129且顯著為負；當數字經濟發展水平處于0.148～0.315 時，數字經濟對于區域碳排放的抑制作用下降到1.591，依然顯著為負；當數字經濟發展水平高于0.315時，數字經濟發展水平的回歸系數變為-0.345但不再顯著。這表明隨著數字經濟發展水平的提高并跨越門檻值，其對區域碳排放的抑制效果逐漸衰減。這一結果印證了假設3，同時與上文區域異質性的分析結果相照應，即在數字經濟發展相對滯后且高度依賴傳統能源的中西部地區，數字經濟發展對區域碳排放的抑制效果更好。

五、結論與建議

目前我國正處于經濟轉型重要時期， 經濟效益與生態效益的平衡是轉型期間面臨的重大挑戰，數字經濟不僅推動經濟發展模式的變革，也有助于促進“雙碳”目標的達成。本文利用2013—2021年30個省份（不包括港、澳、臺、西藏）的面板數據對我國數字經濟發展與區域碳排放的內在關系進行分析，結果顯示： 數字經濟發展對區域碳排放存在抑制效應。此外，綜合考慮經濟效率與生態效率，本文選取資源配置效率作為中介變量，運用三階段中介效應模型驗證了優化資源配置效率是數字經濟發展影響碳排放的一個潛在機制。結合當下我國城市轉型的背景與區域數字經濟發展狀況各異的現實，對樣本數據使用門檻模型進行研究時發現：數字經濟在其發展水平較低的地區抑制碳排放的效果更明顯。根據以上研究結論，本文提出以下政策建議。

其一，加強數字基礎設施建設。本文研究發現數字經濟建設有助于抑制碳排放，數字經濟除能帶來以往文獻提到的經濟效應外，還能通過優化資源配置等方式帶來環境效益，可為加速數字產業化與產業數字化的發展提供新的支持。因此，相關部門應進一步加強數字基礎設施建設，加快實體經濟與數字經濟融合，為早日實現碳達峰貢獻力量。

其二，堅持節能降耗。政府應積極引導能源電力等傳統工業園區企業進行產業結構優化升級，利用數字技術優化資源配置，以較少的資源能源消耗生產出高質量的產品，嚴格控制高污染、高耗能、高排放企業入駐，大力發展綠色低碳產業。

其三，采取因地制宜的政策措施，有針對性地抑制碳排放，實現環境效率的顯著提升。實證結果表明數字經濟發展在中西部地區對碳排放的抑制效應更加明顯，這意味著數字經濟發展在傳統產業集中度更高的地區對碳排放的促減效果更為突出。鑒于中西部地區整體數字基礎建設起步較晚、發展緩慢的特點，該地區在數字經濟發展帶來的環境紅利上具有更大的進步空間。若政府適當將數字資源傾向于中西部地區，中西部地區在環境問題上將實現大的跨越，進而實現環境效益與經濟效益的綜合改善。

參考文獻：

［1］

胡宗義，石威正，李毅.碳排放對綠色全要素生產率的影響與地區異質效應［J］.經濟數學，2020，37（4）：114-122.

［2］ 中國信息通信研究院.中國數字經濟發展白皮書：2020［EB/OL］.（2021-06-01）［2023-12-21］.http：∥m.caict.ac.cn/.

［3］ 張可云，楊丹輝，趙紅軍，等.數字經濟是推動區域經濟發展的新動力［J］.區域經濟評論，2022（3）：8-19.

［4］ 郭豐，楊上廣，任毅.數字經濟、綠色技術創新與碳排放：來自中國城市層面的經驗證據［J］.陜西師范大學學報（哲學社會科學版），2022，51（3）：45-60.

［5］ 荊文君，孫寶文.數字經濟促進經濟高質量發展：一個理論分析框架［J］.經濟學家，2019（2）：66-73.

［6］ 李菲菲.數字經濟推動經濟高質量發展的機制效應分析：基于我國省際面板數據［J］.鄭州輕工業大學學報（社會科學版），2023，24（6）：53-62.

［7］ 戚聿東，肖旭.數字經濟時代的企業管理變革［J］.管理世界，2020，36（6）：135-152，250.

［8］ 韋莊禹.數字經濟發展對制造業企業資源配置效率的影響研究［J］.數量經濟技術經濟研究，2022，39（3）：66-85.

［9］ 郭桂霞，張堯.數字普惠金融與碳減排關系研究［J］.價格理論與實踐，2022（1）：135-138.

［10］GOLDFARB A，TUCKER C.Digital economics［J］.Journal of Economic Literature， 2019，57（1）：3-43.

［11］于世海，許慧欣，孔令乾.數字經濟水平對中國制造業資源配置效率的影響研究［J］.財貿研究，2022，33（12）：19-34.

［12］王宏鳴，陳永昌，楊晨.數字化能否改善創新要素錯配？——基于創新要素區際流動視角［J］.證券市場導報，2022（1）：42-51.

［13］楊慧梅，江璐.數字經濟、空間效應與全要素生產率［J］.統計研究，2021，38（4）：3-15.

［14］周曉輝，劉瑩瑩，彭留英.數字經濟發展與綠色全要素生產率提高［J］.上海經濟研究，2021（12）：51-63.

［15］劉維林，王藝斌.數字經濟賦能城市綠色高質量發展的效應與機制研究［J］.南方經濟，2022（8）：73-91.

［16］叢屹，俞伯陽.數字經濟對中國勞動力資源配置效率的影響［J］.財經理論與實踐，2020，41（2）：108-114.

［17］丁志帆.數字經濟驅動經濟高質量發展的機制研究：一個理論分析框架［J］.現代經濟探討，2020（1）：85-92.

［18］游達明，邸雅婷，姜珂.我國區域科技創新資源配置效率的實證研究：基于產出導向的SBM模型和Malmquist生產率指數［J］.軟科學，2017，31（8）：71-75，85.

［19］張子珍，杜甜，于佳偉.科技資源配置效率影響因素測度及其優化分析［J］.經濟問題，2020（8）：20-27.

［20］TONE K.A slacks＼|based measure of efficiency in data envelopment analysis［J］.European Journal of Operational Research， 2001，130（3）： 498-509.

［21］OH D H.A global Malmquist＼|Luenberger productivity index ［J］.Journal of Productivity Analysis， 2010，34（3）：183-197.

［22］繆陸軍，陳靜，范天正，等.數字經濟發展對碳排放的影響：基于278個地級市的面板數據分析［J］.南方金融，2022（2）：45-57.

［23］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（11）：14-23.

［24］徐維祥，周建平，劉程軍.數字經濟發展對城市碳排放影響的空間效應［J］.地理研究，2022，41（1）：111-129.

［25］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.

［26］余星輝，卜亞.數字經濟發展對城市碳排放的影響［J］.金融與經濟，2023（1）：74-84.

［27］王立猛，何康林.基于STIRPAT模型的環境壓力空間差異分析：以能源消費為例［J］.環境科學學報，2008（5）：1032-1037.

［28］王勇，許子易，張亞新.中國超大城市碳排放達峰的影響因素及組合情景預測：基于門限-STIRPAT模型的研究［J］.環境科學學報，2019，39（12）：4284-4292.

［29］溫忠麟，張雷，侯杰泰，等.中介效應檢驗程序及其應用［J］.心理學報，2004（5）：614-620.

［30］王帥.數字經濟對區域綠色發展的影響研究［D］.蘭州：蘭州大學，2022.

［31］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.

［32］萬曉榆，羅焱卿.數字經濟發展水平測度及其對全要素生產率的影響效應［J］.改革，2022（1）：101-118.

［33］GUO F，WANG J Y，WANG F，et al.Measuring China’s digital financial inclusion：Index compilation and spatial characteristics［J］.China Economic Quarterly， 2020，19（4）：1401-1418.

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

［35］盛鵬飛.中國能源效率偏低的解釋：技術無效抑或配置無效［J］.產業經濟研究，2015（1）：9-20，60.

［36］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.

［37］HANSEN B E.Threshold effects in non＼|dynamic panels： Estimation， testing， and inference［J］.Journal of Econometrics，1999，93（2）：345-368.

［責任編輯：毛麗娜 張省］