數實融合能否助推工業減污降碳協同增效？

摘 要：推進減污降碳協同增效是我國經濟高質量發展和生態文明建設的必由之路，數字經濟與實體經濟深度融合發展為助推工業減污降碳協同增效帶來機會窗口，以數實融合驅動工業實現綠色化、低碳化轉型成為構筑中國式現代化的物質技術基礎。基于2007—2020年時間序列投入產出數據，利用面板回歸模型和中介效應模型，從產業前后向關聯視角出發檢驗信息產業與工業的關聯融合對23個工業細分行業減污降碳協同增效的影響效應及其作用機制。研究表明：（1）信息產業與工業的前后向關聯融合能夠發揮顯著的“推-拉”作用，促進工業實現減污降碳協同增效，即存在“供給推動、需求拉動”效應。（2）數實前向關聯融合推動的行業技術升級、產業鏈整合以及成本管控是驅動減污降碳協同增效的主要作用路徑；后向關聯融合則通過規模效應、穩定供需關系和供應質量提升三種潛在的影響渠道助推減污降碳協同增效，實現環境-氣候-經濟效益等多重目標。（3）異質性檢驗發現，數實融合驅動的減污降碳協同增效效應在信息技術應用、污染密集型、高技術密集型以及高關聯融合型行業中更強。環境規制和行業競爭度強化了數實融合的減污降碳協同增效效應，而融資約束則削弱了這一效應。該研究不僅拓展和深化了數實融合驅動工業減污降碳協同增效的機制路徑，而且對于抓住信息產業發展帶來的戰略機遇，縮小行業間的“數字鴻溝”，穩步推進新型工業化具有重要的政策啟示。

關鍵詞：數實融合 產業關聯融合 減污降碳協同增效 投入產出分析

DOI：10.19592/j.cnki.scje.420547

JEL分類號：C67， L6， Q5" "中圖分類號：F426， F223， X506

文獻標識碼：A" "文章編號：1000 - 6249（2025）02 - 068 - 29

一、引 言

在全球氣候治理的背景下，中國作為世界上最大的碳排放國家之一，有責任也有義務采取行動來減少碳排放，以應對全球氣候變化。同時，降低污染也是保護國內生態環境、提高人民生活質量的必要舉措（Dong et al.，2022）。出于環境保護、能源轉型、經濟發展以及國際壓力與合作等多方面的考慮，2022年6月我國生態環境部等七部門印發《減污降碳協同增效實施方案》，指出“十四五”時期乃至2030年減污降碳協同增效工作的主要目標、重點任務和政策舉措1。污染排放和碳排放在源頭上具有高度同根、同源、同過程特征（Guan et al.，2023；陸敏等，2022），在治理實施層面能夠實現協同推進（王慧等，2022）。因此，協同治理不僅可以降低環境規制政策的實施成本，提高生產效率（Zhao et al.，2022），而且在治理工作落地的同時，也能夠提升減污降碳綜合效能，實現環境效益、氣候效益、經濟效益多贏。

工業領域的結構調整以及布局優化成為減污降碳協同推進的關鍵，尤其工業作為實體經濟發展的基石和環境治理的主戰場，其高質量發展對我國生態文明建設至關重要。然而，《中國碳中和與清潔空氣協同路徑（2022）》指出，只有2015—2020年這一時期制造業部門實現了CO2與大氣污染物減排的正向協同效應1。可見，通過實施環境規制政策、調整能源消費結構、精準控制排放等技術和管理手段等方法推進減污降碳協同增效是可行的（Liu et al.，2024），但側面也反映了中國工業在污染治理、碳減排和提高綠色全要素生產率方面仍面臨巨大壓力（陳曉紅等，2022；Li and Liao，2022）。

在上述潛在的治理手段中，數字經濟作為當今世界經濟發展的重要方向，通過優化信息獲取、傳遞和利用效率，促進知識創新、價值創造、資源配置和管理決策的優化升級，推動生產格局和組織結構發生深刻變革（Verhoef et al.，2021）。與此同時，新一代數字信息技術變革和產業數字化、綠色化、低碳化轉型升級為數字經濟和實體經濟深度融合提供重要契機。數字經濟與實體經濟融合深刻改變實體經濟行業內企業的生產結構，在刺激消費、投資、創造就業、創新和治污減排方面發揮著至關重要的作用（李萬利等，2022）。數字經濟與實體經濟融合帶來的新業態、新興清潔技術模式和新增長模式，意味著它將為工業企業實現減污降碳協同增效提供有力支撐。

當前我國數字經濟的發展形勢持續向好，信息產業在促進數字經濟發展上的作用凸顯。隨著新一代信息技術在工業領域的深度融合與應用，數實融合從產業層面多側重信息產業和工業之間的融合發展，具體表現為信息技術和數字化產品在工業領域的創新和應用，以及信息產業發展帶動工業生產需求的增加（賈衛峰等，2024）。現有研究多圍繞信息產業向工業提供產品和服務這一單向視角來探討其環境效應（方穎和余興錦，2024）。因此，信息產業與工業的關聯融合發展能否為工業突破創新瓶頸、實現減污降碳協同增效提供技術支持、動力引擎和可行路徑參考，從而扎實推進新型工業化？如果能夠實現，那么實現這一目標的內部機制是什么？考慮不同行業的特點又會產生哪些異質性效應？綜上，基于2007—2020年時間序列投入產出數據，從產業前后向關聯視角分別檢驗信息產業與工業融合發展對工業減污降碳協同增效的影響以及作用機制。

二、文獻綜述與研究假設

（一）文獻綜述

當前，如何實現工業減污降碳協同增效是政策部門和學術界關注的熱點話題。推動減污降碳協同增效旨在實現“低硫”“低氮”和“低碳”的同時，把“淺綠”轉變為“深綠”，助推經濟結構全方位實現低排放、低消耗的綠色轉型（易蘭等，2022）。隨著減污降碳協同問題研究的深入，減污降碳協同增效的內涵闡釋也由此得到不斷豐富，演化出“由碳及污”（碳減排的協同減污效應）或“由污及碳”（污染治理的協同降碳效應）的單向協同效益、綜合減排措施的減污降碳雙向協同效益、協同減排增效效益評估三個層次（宋德勇等，2024）。其中，第一個層次中關于減污政策的降碳效應，即排污權交易政策激勵企業實施能源消費替代和提高能源利用效率這一減源效應實現減污降碳協同（斯麗娟和曹昊煜，2021）；降碳政策的減污效應，即碳排放交易試點政策通過優化能源結構和促進技術創新兩種方式來降低污染物的排放量（宋弘等，2019）。第二個層次中關于減污與降碳政策的協同效應：中國減污和降碳政策具有顯著的協同效應，降碳政策對減污和降碳幾乎具有相同的效力，而減污政策則主要以減污為主、降碳為輔（張瑜等，2022）。第三個層次關于協同減排增效效益評估的研究多圍繞社會效益展開，如提高居民健康收益、降低全社會總減排成本等，尚未深入探討減污降碳協同治理在經濟效益提升層面的影響，如能否提高綠色全要素生產率（Gallagher et al.，2019；劉華軍等，2023）。現有學者圍繞國家宏觀層面出臺的環境規制政策、微觀企業面臨的行業競爭程度和融資約束情況等方面展開探討減污降碳協同的影響因素：從環境規制類政策來看，“三線一單”生態環境分區管控制度（Yu et al.，2022）和綠色金融政策（He et al.，2023）等命令型環境規制能夠通過源頭治理、清潔生產和末端阻斷發揮對減污降碳協同治理的積極影響；碳排放權交易、排污權交易試點等市場型環境規制能夠激發創新效應實現提高企業技術創新和產品創新能力提高以及通過提升企業全要素生產率協同推進減污降碳（朱思瑜和于冰，2023）。從企業微觀視角來看，外在的環境規制越嚴格，行業間競爭程度增加的可能性越大，越能夠激勵企業通過弱波特和強波特效應帶來的創新協同路徑實現減污降碳（劉亦文和鄧楠，2023）。同時，當企業面臨的內部融資約束程度越大時，越不利于進行污染減排行動的實施（韓超等，2020）。綜上可以看出，已有研究主要集中于減污降碳協同效應的影響因素研究，缺乏對減污降碳協同增效影響因素的進一步探討。

現有文獻大多數將數字經濟與實體經濟融合界定為大數據、云計算、人工智能等新一代數字信息技術在實體經濟參與經濟循環過程中的應用，進而形成數實之間相互作用和良性循環的過程，其在中觀產業層面的表現形式主要指的是信息產業與工業的融合，是以技術融合為主，包括產品融合和市場融合等在內的多層次融合（任保平和李婧瑜，2024）。目前關于數實融合的主要測度方法有社會網絡分析法、耦合協調度、專利引用分析以及投入產出法，前兩種方法均能夠實現不同區域維度的數實融合水平測度，但無法實現不同產業層面的融合水平比較（周密等，2024；王曉丹等，2024）。戴翔和楊雙至（2022）利用投入產出法以完全消耗系數測度了實體經濟中的數字投入，由此可見采用投入產出法不僅能夠實現產業層面的測度，也能夠實現數實產業二者之間的前后向融合測度。因此，從投入產出視角來看，數實融合的前后向關聯效應不僅突出了各部門（信息部門和工業部門）和生產階段之間的相互聯系和相互依存的特征，也體現了產品或服務從資源開采到廢物處理的全過程。同時，企業全過程減污降碳強調在整個生命周期內減少環境負荷，包括生產、運輸以及廢棄物處理等階段的排放削減（Lin and Teng，2024）。數實前后向關聯融合和減污降碳協同增效二者均能夠貫穿從原材料采購到產品制造的整個生產環節，并且數實融合通過整合資源、優化技術、控制成本等手段不僅能夠幫助企業實現減污降碳，也有助于提升企業的經濟效益和市場競爭力。

以往學者對數實融合的經濟效果主要圍繞區域、行業、企業三個維度展開。在區域層面，數實融合通過增大研發投入規模和技術市場交易規模促進綠色創新（史丹和孫光林，2023），也能顯著增強城市的風險抵御能力、經濟韌性以及推動綠色全要素生產率提升（崔琳昊和馮烽，2024；Guo et al.，2024）。在行業層面，田秀娟和李睿（2022）發現數字技術在實體產業部門的整合將長期助力產業結構優化調整，深化實體經濟數字化轉型。在企業層面，蔣為等（2024）認為數實融合有利于中國企業出口產品策略在效率與多樣性上的共同提升。還有部分論文實證分析了數實融合對企業全要素生產率、投入產出效率、經營績效等方面的影響（劉淑春等，2021；Benner and Waldfogel，2023）。在數字經濟已然成為中國新型工業化新舊動能轉換著力點的背景下，新興信息技術憑借其高成長性通過技術創新與能效提升實現減污降碳協同效應（Hu，2023）。部分研究僅從省份或者城市層面探討產業數字化、智能化以及數智融合發展對節能降碳減排的積極影響（方穎和余興錦，2024；劉亦文和陳熙鈞，2023；趙培雅等，2023），尚缺乏中國行業層面數實融合對減污降碳協同增效的影響與機制探討研究。已有文獻為本文提供了有益的理論基礎，但總體來看，亟需從產業關聯視角出發探討數實融合在行業層面的環境效應，尤其是對工業減污降碳協同增效的影響和內在機制檢驗。因此，數實融合對減污降碳協同增效的研究亟待在研究視角、研究內容和研究范圍上進行豐富與拓展。

本文的邊際貢獻主要體現在以下方面：①研究視角上，絕大多數文獻僅從數字化投入單向維度討論對工業發展的影響，本文基于產業前后向關聯雙向維度，揭示了行業中觀層面的數實融合發展在工業減污降碳協同增效中發揮的作用，對已有文獻形成有益補充。②研究內容上，從供給驅動和需求拉動雙重視角，探討信息產業與工業關聯融合對工業減污降碳協同增效的影響效應及作用機制。不僅擴充了減污降碳協同增效實現路徑的研究，也對我國數字經濟與實體經濟深度融合發展具有一定借鑒意義。③研究拓展上，從產業類別、行業特征、融合程度等方面考察數實融合對工業減污降碳協同增效的異質性效應，并且從環境規制強度、行業競爭度和融資約束程度三個方面，探討其在數實融合對工業減污降碳協同增效影響中可能產生的調節效應，對深刻理解數實融合助推全國生態文明建設和新型工業化發展具有重要經驗借鑒和政策啟示。

（二）研究假說

1.數實融合與工業減污降碳協同增效

數字經濟和實體經濟的深度融合助推了中國經濟、社會的發展，這種融合模式通過整合關鍵生產要素、優化資源配置效率、降低生產能耗等方式，對于實現實體經濟的綠色化和高質化轉型意義重大（何德旭等，2024）。數字經濟憑借其強大的滲透能力，依托不同的關聯紐帶，通過數據信息流與產業波的動態影響，不斷拓展與深化傳統工業和信息產業的關聯關系，從而催生產業融合，由此可見，二者的關聯特征是促使信息產業賦能工業生產方式升級、技術創新的重要路徑和必要條件。產業關聯的實質是借助產業間供給與需求的關系，即不同產業之間以產品、勞務或技術互相作為彼此的需求或中間產品（李騰等，2021）。因此，無論信息產業產品作為中間投入參與工業的生產，還是工業產品作為中間投入參與信息產業的生產過程，均會通過前向后關聯效應引起產業鏈或供應鏈上下游行業的投入產出規模和結構發生變化；同時，數據要素、新興清潔技術等貫穿產品或服務從資源開采到廢物處理的全過程，提升中間產品的節能減排性能，為企業實現減污降碳協同增效提供可行路徑。

就前向關聯效應而言，信息產業的產品和服務作為中間投入要素嵌入工業的價值鏈中，二者間的前向關聯融合越緊密，則意味著信息產業為其部門分配了更多生產要素，同時也囊括較多的新一代信息技術應用（張晴和于津平，2023）。前向關聯效應依托信息產業產品中蘊含的數據要素、新興信息技術和數字平臺等優勢帶動工業進行技術更新、成本優化、生產模式轉變等方式實現生產過程中的治污減排和綠色全要素生產率的提升。就后向關聯而言，在信息產業需求側方面，工業部門向信息產業提供中間產品或最終產品，進而對供給側工業部門自身產生影響。后向關聯效應重點圍繞信息產業發展的需求出發，倒逼工業部門主動通過自身的柔性生產擴大生產規模，優化工業產品的生產過程，例如采用清潔生產技術或碳捕捉技術以提高中間產品和最終產品的質量，激勵工業企業在參與經濟循環過程中實現減污降碳協同增效。基于此，提出假說1：

H1：信息產業與工業前后向關聯融合能夠助推工業實現減污降碳協同增效。

2.前向關聯融合影響工業減污降碳協同增效的作用機理

助推工業實現減污降碳協同增效，需要重點關注如技術升級、產業鏈整合、成本管控能力提升等方面，以確保減污降碳協同增效措施的有效實施。減污降碳協同增效要求工業行業持續不斷地進行技術升級，在加大研發投入的同時，充分將新興信息技術應用到各個生產環節過程中的技術開發和產業化環節，實現生產要素的優化配置和能源利用效率的提升，從而驅動工業綠色全要素生產率的提升、污染強度和碳強度的下降（金祥義和張文菲，2023）。減污降碳協同增效要求工業行業提升產業鏈整合能力，在追求利潤最大化的同時，通過擴大產品的協作生產范圍，由縱向一體化向專業化分工轉變，集中優勢資源打造先發優勢，提升各環節生產效率，增強工業產業鏈各環節的互補能力，最終在實現減污降碳治理目標的同時提高經濟效率（張倩肖和段義學，2023）。減污降碳協同增效要求工業行業具備較強的運營管理能力，通過聚合碎片化需求、供給信息以及緩解信息不對稱，降低搜索成本和資源使用成本，提高資源匹配的效率和準確性；并且通過定位企業需求，有效降低交易成本，充分調動需求和供給，實現供需的精準匹配（李春發等，2020）。成本管控能力提升能夠提高運營效率，降低生產成本，從而將更多的額外費用用于污染治理與環保技術升級，實現能耗節約、污染治理與生產率提升。

前向關聯融合過程中信息產業包含的數據要素和新一代信息技術帶來的積極效應為工業實現技術升級、產業鏈整合、成本管控能力提升提供了契機。首先，新興信息技術在工業生產各個環節的滲透和應用，通過普及數據要素和積累數據資產，利用數據挖掘和知識提取來確定生產技術和規模的改進方向，以提高綠色技術創新的實用性；同時前向關聯融合實現了產業間的互聯互通，促進了人才、技術和資本的流動，降低了綠色技術創新的成本，有利于綠色技術研發、擴散和升級。其次，工業行業內的相關主體利用新一代信息技術對海量數據進行分析以更好地了解市場需求，并通過增強各利益相關方之間的實時信息共享，從而強化產業鏈內部的勞動分工，提高不同環節之間的協同合作和效率；前向融合過程中產業鏈上各主體之間的關系和拓展合作深度，促進產業鏈上要素的生產、分配和流通，推動實現專業化分工和提升整個產業鏈的發展和競爭力（張虎等，2023）。最后，數字化平臺能夠實現工業的整體規劃、系統謀劃、合理布局，通過對各部門或各環節進行整合，實現資源共享和數據共享，增強企業的成本管控能力。基于以上分析，提出假說2：

H2：工業與信息產業的前向關聯融合能夠通過行業技術升級、產業鏈整合、成本管控實現工業減污降碳協同增效。

3.后向關聯融合影響工業減污降碳協同增效的作用機理

工業減污降碳協同增效的驅動力并非完全依靠信息產業的供給側，除了需要信息產業帶來的數據要素、新興信息技術和平臺作為主要的外部驅動力量之外，工業部門的壯大發展還需要一定的內驅動力，如從信息產業產品的需求側出發，工業部門通過柔性生產擴大生產規模、提高中間產品和最終產品的質量以及增強上下游產業鏈供需關系的穩定（張敏等，2015）。具體而言，二者作為生產網絡的重要利益相關者與共生者，隨著參與主體的增加，與工業相關的關聯網絡不斷壯大，因此，工業在提高現有產品生產效率的同時，擴大產品的多樣化，提高設備利用效率，實現降低資源消耗與污染排放（Meng et al.，2023）。同時，為避免陷入“供需失衡-產能過剩-資源浪費”的惡性循環，工業企業積極利用新一代信息技術和知識要素的溢出效應，深度融入到產業鏈關聯主體的協同創新過程，實現從中間投入到最終產品的質量改進。通過調整存貨水平，提高存貨管理效率，實現現金流的持續穩定，從而為工業減污降碳協同增效提供資金支持。此外，數字經濟使市場環境更加開放透明，進而倒逼工業進行資本更新和提高產品質量水平以提升產業創新力，樹立環保形象以獲得競爭優勢，因此在一定程度上助推減污降碳協同增效目標的實現。

后向關聯效應表現在以下兩個方面促進工業實現規模效應、產品供應質量提升和產業供需關系穩定：一方面，工業為滿足信息產業的發展需要，向其提供中間產品和最終產品。在工業信息化作為產業發展的必然趨勢的背景下，數實后向關聯融合可以促使工業企業在產業鏈供應鏈中建立更加緊密和協調的合作關系。通過與供應商和合作伙伴進行緊密的協調和溝通，企業可以更好地滿足客戶需求，提高產品質量和供應鏈的效率。供應鏈優化可以減少庫存和運輸成本，提高生產效率，從而實現規模效應（鄒夢婷等，2023）。另一方面，數實后向關聯融合可以促使工業企業在生產過程中進行持續的技術創新和知識積累。通過與供應商和合作伙伴的合作，能夠獲得更多的技術和專業知識，并將其應用于產品設計、工藝改進和質量控制等方面。技術創新和知識積累可以提高產品質量和供應鏈的競爭力，從而穩定產業供需關系（張倩肖和段義學，2023）。基于此，提出假說3：

H3：信息產業與工業的后向關聯融合能夠通過規模效應、穩定供需關系、提升供應質量實現工業減污降碳協同增效。

4.不同情境下數實融合對工業減污降碳協同增效的差異影響

數實融合發展為生產要素、生產力和生產關系注入了新的內涵和活力，通過推動生產工具信息化和建立協同生產平臺，實現了生產模式的優化。但是，出于追求利潤最大化的經營目的，工業企業往往會忽視對生態環境的保護。政府通過實施激勵性或強制性手段大力倡導環境保護和可持續發展，嚴格的環境規制是遏制生態環境惡化、倒逼工業實現減污降碳協同增效的重要方式（萬攀兵等，2021），當工業面臨來自環境主管部門的監督壓力，為了展示環境友好型企業形象，企業將積極承擔環境保護的社會責任，采取適當措施促進清潔生產以減少污染排放，通過自身積極推廣清潔生產方式，優化能源投入結構。環境規制強度越大，給工業行業間的競爭帶來機遇與挑戰，當行業間的數實融合程度相似時，面臨競爭程度越高的行業往往能夠以更加迅速、敏捷的能力應對更敏感的產品價格和競爭者的資源擠占壓力，通過增加研發投資或改變企業股權再融資的動機來提高企業的技術創新能力，為工業減污降碳協同增效開展提供支持（孫慧等，2024）。此外，數實融合過程中新興信息技術使用需要大量數字基礎設施投資支持，這些資本密集型投資需要長期的資金支持來確保技術的持續更新和運營。工業企業面臨的融資約束越高，意味著可能會加劇企業在技術創新和環保投資之間的選擇困境，被迫在利潤最大化和環保責任之間進行權衡，選擇暫時推遲環保投資以應對資金壓力，由此導致減污降碳協同增效目標的推遲或無法達成（王嘉鑫和孫夢娜，2021）。綜上可以合理預期的是，數實關聯融合對工業實現減污降碳協同增效的驅動力度會因環境規制力度、行業競爭強度以及融資約束程度的不同而呈現差異。基于以上分析，提出如下假說4：

H4：環境規制、行業競爭度可以強化數實融合帶來的工業減污降碳協同增效效應，而融資約束弱化了這一效應。

三、研究設計

（一）計量模型

依據減污降碳協同增效的第三個層次內涵：在污染物減排與碳減排產生環境、經濟、社會等各種協同效益的基礎上，開展協同控制和治理，實現“1+1gt;2”的減排增效目標，本文將污染強度、碳強度下降以及綠色全要素生產率提升作為實現減污降碳協同增效衡量指標。因此，基準回歸模型設定如下：

[GTFPit/PIit/CIit=α0+α1Tfit+α2Zit+μi+νt+εit] （1）

[GTFPit/PIit/CIit=α0+α1Tbit+α2Zit+μi+νt+εit] （2）

其中，i、t表示行業和時間。[GTFPit]為工業綠色全要素生產率，[PIit]為工業污染排放強度，[CIit]為工業碳排放強度，[Tfit]為信息產業與工業完全前向關聯融合程度，[Tbit]為完全后向關聯融合程度，[Zit]為一系列控制變量，[μi]表示不可觀測的行業個體效應，[vt]表示時間效應，[εit]為隨機干擾項。

根據前文的理論分析，本文認為信息產業與工業前向關聯融合可能會通過行業技術升級、細化產業鏈分工、強化行業成本管控三條渠道實現工業減污降碳協同增效，而后向關聯融合則可以通過規模效應、穩定供需關系、提升供應質量三種途徑促進工業減污降碳協同增效。基于此，本部分將嘗試對上述潛在的影響渠道進行檢驗。參考江艇（2022）有關渠道檢驗的論述，首先檢驗核心解釋變量是否作用于機制變量（M）。在此基礎上，為避免M對Y的因果效應理論論證可能并不充分的問題，進一步檢驗M對Y的影響，從而補充相關性證據支持。構建計量模型如下所示：

[Mit=α0+α1Tfit/Tbit+α2Zit+μi+νt+εit] （3）

[PIit/CIit/GTFPit=α0++β1Mit+β2Zit+μi+νt+εit] （4）

進一步探究環境規制強度、行業競爭度和融資約束程度在數實前后向關聯融合對工業減污降碳協同增效中的影響，在式（1）的基礎上，加入調節變量以及與主要解釋變量的交互項，分別是[Tfit×Mit]、[Tbit×Mit]。構建計量模型如下所示：

[PIit/CIit/GTFPit=α0+α1Tfit+α2Tfit×Mit+α3Mit+α4Zit+μi+νt+εit] （5）

[PIit/CIit/GTFPit=β0++β1Tbit+β2Tbit×Mit+β3Mit+β4Zit+μi+νt+εit] （6）

（二）指標選取

1.解釋變量

數實融合用信息產業與工業關聯融合程度來表征，本文不僅從信息產業對工業的滲透視角出發，還從工業作為中間投入要素參與信息產業生產過程的需求拉動視角，利用前后向產業關聯來進一步分析二者之間關聯融合的拉動效應和驅動效應（韓君和高瀛璐，2022）。具體測度主要是通過投入產出模型中完全消耗系數矩陣（[Bd]）和完全分配系數矩陣（[Dd]）進行衡量。根據投入產出表行向關系可得：

[Xd=I?Ad?1Fd] （7）

其中，[Xd是部門i的總產出，]I是單位矩陣，[Ad]是直接消耗系數矩陣，[I?Ad?1]是列昂惕夫逆矩陣，展開可表示為[I?Ad?1=I+A+A2+A3+…]，[Fd]為最終需求。同樣也可以獲得高希逆矩陣[I?Rd?1]，其中，[Rd]是直接分配系數矩陣，如元素[rdij]表示部門i分配給部門j用于生產用途的產品價值量（劉起運，2002）。為充分反映信息產業與工業關聯融合的完全拉動和促進作用，引入完全消耗系數矩陣（[Bd]）和完全分配系數矩陣（[Dd]）分別反映部門間的后向關聯融合程度和前向關聯融合程度，進一步反映了全面考慮部門之間直接和間接消耗。

[Bd=I?Ad?1?I] （8）

[Dd=I?Rd?1?I] （9）

參照公式（8）和公式（9），信息部門與工業部門j二者的完全后向關聯程度（[Tbi]）和完全前向關聯程度（[Tfj]），具體表示為：

[Tbj=i=1naij（j=1，2，…，23）] （10）

[Tfj=i=1nrij（j=1，2，…，23）] （11）

本文根據中國投入產出表中的行業劃分，選取通信設備、計算機及其他電子設備制造業以及信息傳輸、計算機服務和軟件業作為信息產品制造業和信息技術應用兩個行業，分別測度其作為信息產業參與工業產業鏈生產、分配、流通、消費全過程的參與程度，即數實融合程度。首先，分別計算兩個細分信息產業的完全后向關聯程度（[Tbj]）和完全前向關聯程度（[Tfj]），再通過主成分分析法，獲得信息產業整體與工業細分行業的產業關聯融合程度。

2.被解釋變量

工業減污降碳協同增效分別采用污染強度（PI）、碳排放強度（CI）和綠色全要素生產率（GTFP）來測度。本文使用Malmquist-Luenberger指數來測算工業行業的綠色全要素生產率（GTFP），該指數被廣泛用于衡量效率的動態變化（Chung et al.，1997）。其中，投入要素包括勞動力、資本與能源，勞動力用工業細分行業從業人數來衡量；參照張軍等（2004）對資本存量的處理方法，采用“永續盤存法”測算了工業各行業的資本存量；能源投入用工業細分行業每年的能源消費總量來衡量。期望產出要素為工業總產值，為剔除價格因素的影響，利用GDP平減指數得到以2000年為基期的不變價的生產總值，非期望產出包括工業三廢和二氧化碳排放量。污染強度（PI）運用工業細分行業二氧化硫、氮氧化物以及工業煙粉塵排放量除以工業生產總值，并用熵權法來計算污染強度指數。碳排放強度（CI）用工業細分行業碳排放總量除以工業生產總值來衡量。

3.控制變量

影響中國工業減污降碳協同增效的因素眾多，除了本文核心解釋變量即數實融合以外，本文在參考吳戈等（2024）研究的基礎上，在實證回歸過程中加入了其他相關控制變量，分別是：行業規模（Scale），采用工業行業主營業務收入/行業企業單位數衡量，規模大的行業通常擁有更多的資源和資金，能夠更輕松地投入到減污降碳技術的研發和應用中，實現更大范圍的減排效果，同時減少單位產品的排放量，從而實現協同增效；現金流量（Cash），采用流動資產總額占行業總資產的比重衡量，穩健的現金流能夠確保環保投資的持續性和效果，從而在長期內實現更顯著的減排效果，推動整個行業的協同增效；能源消費結構（Es），采用煤炭消費總量占能源消費總量的比重衡量，行業內能源消費結構的優化可以通過技術創新和共享最佳實踐，實現整體的減排效果，尤其是在資源共享和技術協同方面；出口交貨值占比（Ex），采用出口交貨值占工業總產值的比重衡量，出口導向型企業可能會受到國際市場和貿易伙伴的環保標準影響，因此可能更有動力在減排方面進行投資和改進，同時減排措施的推廣和應用可以通過供應鏈的影響擴展到更廣泛的區域和市場，從而實現協同增效；資產負債率（Lev），采用工業行業負債總額占總資產比值衡量，高負債率可能限制企業在環保投資上的靈活性和資金來源，管理良好的資產負債結構有助于降低環保投資的資金成本，促進企業更有效地實施減排措施，從而在整個行業內推動協同增效；流動比率（Liq），采用流動資產總額占流動負債總額比重衡量，高流動性企業更容易調整和配置資金用于環保投資，可以更靈活地響應市場和政策變化，從而實現更快速和有效的減排效果，并在行業內推動協同增效。

（三）數據來源與說明

本文以2007—2020年中國23個工業行業為樣本。參考Zheng et al.（2018）的研究，根據國家統計局公布的2007年、2012年、2017年、2018年、2020年的中國投入產出表，運用Matrix Transformation Technique（MTT）-Based Forecasting Method（矩陣轉換技術）得到2007—2020年的時間序列投入產出表1。鑒于數據的可獲取性，根據《國民經濟行業分類》（GB/T4754-2017）對投入產出表中的工業行業進行整合，最終獲得23個工業行業，2個信息產業2。其中，為保證數據的連續性，對于缺失數值進行了插值法補全。所有數據均來源于國家統計局、《中國工業統計年鑒》《中國統計年鑒》。各變量的描述性統計分析如下表1所示。

四、實證結果分析

（一）基準回歸

表2展示了數實前后向關聯融合對工業減污降碳協同增效的基準回歸結果。從信息產業與工業完全前向關聯融合（Tf）、完全后向關聯融合（Tb）對工業污染強度（PI）、碳強度（CI）和綠色全要素

生產率（GTFP）的估計結果可以發現，Tf和Tb的估計系數均至少在10%的水平上顯著。這意味著二者的關聯融合發展，無論是從供給驅動視角還是從需求拉動視角均能夠有效實現工業減污降碳協同增效的作用，即能夠實現工業綠色全要素生產率的提升以及行業污染強度和碳強度下降的三重目標。在數實前向關聯融合過程中，信息產業中蘊含的海量數據，作為生產要素具有邊際生產率遞增、低能耗、低排放等特征，能夠實現要素投入結構優化，促進工業向綠色低碳高效的生產模式轉變。而新興信息技術衍生出的通用性、外部性和低環境成本等特征，通過滲透到工業生產的各個階段，并且隨著資源利用技術與節能技術的持續融合，在優化生產效率的同時，有效地協調經濟效益與環境之間的關系（楊來科和閆珂，2023）。在后向關聯融合過程中，工業為了滿足信息產業發展的需要，綜合考慮需求引導供給、供給創造需求的良性循環，在保證工業自身盈利能力和有效市場需求前提下，通過資本有效配置和戰略投資實現資本積累，再借助規模擴張實現自身經營效益提高、市場競爭力強化以及可持續發展（鄧峰等，2023）。同時，通過強化工業供應鏈管理和優化保證供應鏈的協同運作以提高生產效率和質量，降低成本，為工業企業正常運營提供穩定的資金來源和高效的物流保障，從而助力工業實現減污降碳協同增效（黃先海和高亞興，2023）。因此，假說1得到初步驗證。

（二）內生性與穩健性檢驗

1.內生性檢驗

由基準回歸可得，數實前后向關聯融合能夠促進工業實現減污降碳協同增效，而現實情況可能存在工業為了實現減污降碳協同增效，即工業實現減污降碳協同增效是數實融合程度提升的原因而不是結果。一方面，企業需要更多的監測和分析工具，同時實現資源的再利用和循環經濟需要跨企業的數據共享和協作，這促進了數字技術在工業領域供應鏈和產業鏈上的應用；減少污染和碳排放需要更加精細的過程控制和優化，這也增加了對數字技術的需求。另一方面，企業在追求綠色發展

的過程中，為滿足環保、減排要求以及提升市場競爭力，也會更加重視數字技術的應用，主動進行數字化轉型，從而推動了工業行業數實融合程度的提升。為了克服上述因素對回歸結果的影響，借鑒史丹和孫光林（2023）的做法，本文首先采用動態面板模型（GMM）進行回歸分析。表3結果與基準回歸顯著性一致，假說1得到了進一步驗證。

其次，本文構建工具變量并運用兩階段最小二乘法進行回歸。具體的本文參考李金昌等（2023）的做法，采用份額移動工具變量法構造工具變量。首先，計算2007—2020年所有行業前后向關聯融合程度均值的年增長率，并將其視為總體增長率；其次，計算除去該工業行業的其他行業上一年度前后向關聯融合程度的均值，將其視為初始份額；最后，分別以兩者的乘積作為數實融合的工具變量。其基本思想是，移動份額的構造以及上一年度樣本的使用均能夠有效彌補以“行業—年度”數實融合程度均值為工具變量的外生性不足缺陷。

表4報告了工具變量法的回歸結果。Kleibergen-Paap rk LM統計量在 5% 的水平上顯著，拒絕工具變量識別不足的原假設；Cragg-Donald Wald F 統計量大于Stock-Yogo弱工具變量識別F檢驗在10%顯著性水平上的臨界值，拒絕弱工具變量的原假設，可見，本文所選取的工具變量是合理的。第（1）、（2）列為第一階段的回歸結果，數實前后向關聯融合（Tf、Tb）與工具變量（Iv1、Iv2）的系數在1%的水平下顯著為正；第（3）至（5）列為第二階段的回歸結果，在緩解可能的內生性問題后，數實前后向關聯融合的系數仍顯著，表明數實前后向關聯融合對工業減污降碳協同增效具有穩健的驅動效應，本文主要結論成立。

2.穩健性檢驗

為保證研究結論的可靠性，本文開展了一系列穩健性檢驗。（1）替換解釋變量的測度方法。重新采用直接前向關聯和直接后向關聯系數矩陣，來測度工業與信息產業的直接融合程度（Df、Db）；參考王燕梅和賀梅（2023）的研究，利用插值法構建了2007—2020年連續的投入產出信息，重新測算出數實產業完全前后向關聯融合程度（Tff、Tbb）。（2）更換被解釋變量的測度方法，分別采用工業行業三廢排放量構建環境污染綜合指數（PPi）、二氧化碳排放量對數值表征碳排放指數（PCi）、全要素生產率（TFP）1作為減污降碳協同增效的代理變量。（3）縮小樣本數據。為避免2008年金融危機以及新冠疫情發生對二者關系的影響，本文截取了2010—2019年的工業數據后進行回歸檢驗。由下表5可知，基準回歸結果穩健，進一步驗證了假說1。

（三）異質性分析

1.基于信息行業劃分

由前文可知，信息行業由信息產品制造業和信息技術應用業兩個行業構成，因此，本文分別計算了兩個信息產業與工業細分行業的前后向完全關聯指數，用來探討信息產業細分行業對工業減污降

碳協同增效影響的異質性。由表6可得，從完全前后向關聯融合系數來看，信息技術應用業顯著驅動工業綠色全要素生產率提高以及降污減碳，而信息產品制造業的驅動效應存在但不顯著。并且從作用系數上來看，信息技術應用業與工業的前后向關聯融合對工業減污降碳協同增效的效果均要大于信息產品制造業，究其原因，可能是信息技術應用業側重互聯網服務、軟件服務和信息通信技術等數字經濟的服務性能，能夠通過新一代信息技術應用助推工業行業生產效率的提升以及清潔生產的進行。

2.基于行業特征對工業劃分

參考齊俊妍和任奕達（2021）的做法將工業分為中低技術工業和高技術工業兩組，分析數實融合對工業減污降碳協同增效在行業技術水平層面的異質性。從表7的回歸結果可見，對于高技術工業，無論是前后向關聯融合，均至少在10%的水平上顯著提升工業減污降碳協同增效效應。這表明高技術工業在數實融合過程中，能夠有效地利用新一代信息技術實現環境污染的減少和碳排放的降低，從而實現綠色可持續發展。但對于中低技術水平的工業而言，數實融合帶來的減污降碳協同增效并不顯著，這可能是由于中低技術工業在數實融合過程中面臨更多的挑戰和困難，需要更多的政策支持和技術創新來實現可持續發展。

工業是現階段環境治理的重要責任主體，因此，污染密集型行業和非污染密集型行業的稟賦特征差異極有可能會影響數實融合帶來的減污降碳協同增效驅動效果。為此，根據Beckera and Henderson（2000）的做法，將工業分為污染密集型工業和非污染密集型工業，通過分組回歸檢驗予以異質性識別，檢驗結果如表8所示。可以看出，數實融合帶來的減污降碳協同增效對于污染密集型工業的驅動作用更顯著。可能是由于污染密集型行業是造成環境污染的主要責任主體，隨著政府部門頒布的一系列環境法規和數字經濟的發展，污染密集型工業與信息產業前后向關聯融合的動機和意愿更強，借助數字技術實現減污降碳的目標。這種融合不僅有助于污染密集型工業提升生產效率，減少污染物排放，還能通過數字技術的優化和監控，實現更精細化的環境管理。相比之下，非污染密集型工業由于環境壓力相對較小，其與信息產業的融合動力可能不足，導致數實融合帶來的減污降碳協同增效驅動效果不如污染密集型工業顯著。因此，針對不同工業類型的環保需求和壓力，制定更有針對性的數實融合策略至關重要。

3.基于行業關聯融合程度劃分

不同行業在信息基礎條件、信息資源整合能力等方面存在較大差異，加之行業內部企業之間的互動影響，使得不同工業細分行業與信息產業的關聯融合程度不同，因此對工業減污降碳協同增效的影響可能不同。對此，以2007—2020年信息產業與工業前后向關聯融合程度的中位數為界，將行業樣本劃分為高關聯融合組和低關聯融合組，以此考察數實融合對工業減污降碳協同增效驅動作用的異質性，結果如表9所示。比較來看，對于關聯程度更高的行業，數實融合對工業減污降碳協同增效的促進作用更強。這表明，當工業行業與信息產業的關聯融合程度較深時，新興信息技術的應用和融合能夠更有效地推動和帶動工業行業的綠色轉型和可持續發展。相反，低關聯融合組中的行業，由于信息基礎相對薄弱、資源整合能力不足，數實融合對其工業減污降碳的協同增效作用相對較弱。因此，針對不同行業的特點和需求，制定差異化的數實融合策略，對于推動工業綠色轉型具有重要意義。

五、機制分析

（一）前向關聯融合的傳導機制分析

1.基于行業技術升級的作用機制檢驗

從行業技術升級的角度來看，信息產業與工業的完全前向關聯融合（Tf）可以利用研發強度和能源利用效率的提高以實現行業技術升級，進而提升工業減污降碳協同增效。參考王芝煒等（2023）的研究，將研發強度（Rd）作為技術升級的投入來源，用研發支出與工業總產值的比值表征，能源利用效率（Ee）作為技術升級的產出結果，采用能源消費總量占與工業總產值的比值測度。表10中第（1）列和第（5）列回歸結果顯示，Tf與Rd和Ee分別呈顯著正相關，表明數實前向關聯融合有助于通過提升工業的研發強度和能源利用效率實現技術升級，意味著數實前向關聯融合實現了新一代信息技術、數據要素等在生產環節的廣泛應用，推動了行業間的互聯互通，各生產要素得到有效配置，有助于綠色技術的研發、擴展和升級。進一步，第（2）—（4）列和第（6）—（8）列結果顯示，Rd和Ee均能夠顯著地促進污染強度和碳強度的下降以及綠色全要素生產率的提升，表明工業行業在加大研發投入的同時，充分將新興信息技術應用到各個生產環節過程中的技術開發和產業化環節，實現生產要素的優化配置和能源利用效率的提升，從而驅動工業綠色全要素生產率的提升、污染強度和碳強度的下降，即行業技術升級是數實前向關聯融合促進工業減污降碳協同增效的一個潛在影響途徑。

2.基于產業鏈整合的作用機制檢驗

從產業鏈整合的角度來看，信息產業與工業的完全前向關聯融合（Tf）可以通過促進專業化分工和產業鏈關鍵環節控制能力提升實現產業鏈分工，進而促進工業減污降碳協同增效。參考王高鳳和鄭玉（2017）的研究，運用生產階段數表征行業專業化分工（Vsi），生產階段數用以衡量經濟生產分割的長度，可以理解為分工的程度。生產階段數越大，意味著生產分工體系深化。參考龐磊和陽曉偉（2023）的研究，用產業中介度這一指標作為產業鏈關鍵環節控制能力的代理變量（Kic），產業中介度越大，意味著產業鏈中的關鍵環節控制能力越強。表11中第（1）列和第（5）列回歸結果顯示，Tf與Vsi和Kic分別呈顯著正相關，表明數實前向關聯融合有助于通過提升專業化分工和產業鏈關鍵環節控制能力強化產業鏈整合，意味著數實前向關聯融合能夠通過對獲得數據進行挖掘分析以此更深入了解市場需求，強化各參與主體之間的信息共享能力，進一步降低協調成本和外部交易成本，促進產業鏈上各主體之間的關系協調和合作深度，推動產業鏈上要素的生產、分配和流通，進而實現專業化分工。第（2）—（4）列和第（6）—（8）列結果顯示Vsi和Kic均能夠顯著地促進污染強度和碳強度的下降以及綠色全要素生產率的提升，表明工業企業通過擴大產品的協作生產范圍，由縱向一體化向專業化分工轉變，集中優勢資源打造先發優勢，進一步掌握行業議價權，整合行業資源，提升各環節生產效率，增強工業產業鏈各環節的互補能力，最終在實現減污降碳治理目標的同時提高經濟效率，因此深化產業鏈整合是數實前向關聯融合促進工業減污降碳協同增效的另一個潛在影響渠道。

3.基于行業成本管控的作用機制檢驗

從行業成本管控的角度來看，信息產業與工業的完全前向關聯融合（Tf）可以通過成本費用率管控和要素稟賦結構調整提升行業成本管控能力，進而助推工業減污降碳協同增效。參考趙宸宇等（2021）的做法，成本費用率=（主營業務成本+管理費用）/主營業務收入，成本費用率越低，意味著企業可以通過內部管理、制造流程和創新機制的優化降低生產成本和管理費用，實現降本增效，因此將計算得到的成本費用率取倒數（Cf）。參考張虎等（2023）的研究，要素稟賦結構（Fes）采用固定資產與員工人數的比值加以表征。數實前向關聯融合能夠促進要素稟賦結構轉變，通過工業智能化和數字化技術的應用，會對低端勞動力產生替代效應。同時，數據要素可以在各種產業之間深度融合，有助于形成全產業鏈、全要素全面連接的生產制造和智能服務體系。表12中第（1）列和第（5）列回歸結果顯示，Tf與Cf和Fes分別呈顯著正相關，表明數實前向關聯融合有助于通過提升工業的成本費用率管控和要素稟賦結構調整強化行業成本管控，也就是說數實前向關聯融合能夠高效利用數字化平臺，實現工業的整體規劃、系統謀劃、合理布局，通過對各部門或各環節進行整合，達到資源共享和數據共享，增強企業的成本管控能力。進一步，第（2）—（4）列和第（6）—（8）列結果顯示Cf和Fes均能夠顯著地促進污染強度和碳強度的下降以及綠色全要素生產率的提升，表明通過提升成本管控能力提高運營效率，降低生產成本，從而將更多的額外費用用于污染治理與環保技術升級，實現能耗節約與污染治理。因此，強化行業成本管控是數實前向關聯融合促進工業減污降碳協同增效的又一個潛在影響渠道。基于以上分析，假說2得到驗證。

（二）后向關聯融合的傳導機制分析

1.基于規模效應的傳導機制檢驗

從規模效應來看，信息產業與工業的完全后向關聯融合（Tb）可以通過擴大中間品貿易規模和產業多樣性實現規模效應，進而助推工業減污降碳協同增效。中間品貿易規模（Rs）用信息產業引致工業中間投入占總投入的比值表征；參考戴翔和楊雙至（2022）的方法，產業多樣性（Rv）采用行業平均就業人數數據進行熵指標計算得到。由于信息產業存在對工業生產的中間產品和最終產品的供應需求，因此激勵工業行業擴大生產規模和提升產品質量，從而加強了工業行業的自身競爭力和多樣性。表13中第（1）列和第（5）列回歸結果顯示，Tb與Rs和Rv分別呈顯著正相關，表明數實后向關聯融合有助于通過提升工業的中間品貿易規模和產業多樣性實現規模效應，也就是說數實后向關聯融合可以促使工業企業在產業鏈供應鏈中建立更加緊密和協調的合作關系。通過與供應商和合作伙

伴進行緊密的協調和溝通，企業可以更好地滿足客戶需求，提高產品質量和供應鏈的效率。供應鏈優化可以減少庫存和運輸成本，提高生產效率，從而實現規模效應。進一步，第（2）—（4）列和第（6）—（8）列結果顯示，Rs和Rv均能夠顯著地促進污染強度和碳強度的下降以及綠色全要素生產率的提升，表明工業在提高現有產品生產效率的同時，擴大產品的多樣化，提高設備利用效率，實現降低資源消耗與污染排放，即規模效應是數實后向關聯融合促進工業減污降碳協同增效潛在影響途徑之一。

2.基于供需關系的傳導機制檢驗

從供需關系來看，信息產業與工業的完全后向關聯融合（Tb）可以通過產業供需關系維持和供需匹配實現供需關系穩定，進而助推工業減污降碳協同增效。借鑒陶鋒等（2023）的研究，產業供需關系（Re）用應收賬款凈額占主營業務收入的比值計算得到，以此來衡量工業行業供應鏈資金占用情況，該指標越小，說明行業應收賬款壓力相對較小，供需關系更趨協同。產業供需匹配（Rm）采用行業存貨前后兩期變化的絕對值取對數表征，較低的存貨水平、提高存貨管理效率是企業實現降本增效以促進生產率水平提升的關鍵一環。庫存變動幅度較小，表明工業行業只需維持較低水平的存貨儲備以應對信息行業的生產需求。表14中第（1）列和第（5）列回歸結果顯示，Tb與Re和Rm分別呈顯著負相關，即數實后向關聯融能夠有效降低工業行業供應鏈資金占用以及去庫存，從而實現工業的產業供需關系維持和供需匹配實現供需關系穩定。進一步，第（2）—（4）列和第（6）—（8）列結果顯示，Re和Rm均顯著地不利于實現污染強度和碳強度的下降以及綠色全要素生產率的提升，表明工業企業在參與生產網絡的過程之中，通過與供應商和合作伙伴進行緊密的協調和溝通，強化利益捆綁機制穩定產業供需關系，也就是說供需關系穩定是數實后向關聯融合促進工業減污降碳協同增效的又一個可能影響途徑。

3.基于供應質量的傳導機制檢驗

從供應質量來看，信息產業與工業的完全后向關聯融合（Tb）可以通過行業資本更新和產業創新力實現供應質量提升，進而助推工業減污降碳協同增效。行業資本更新（Dep）用行業累計折舊取對數值計算得到；借鑒《中國城市和產業創新力報告2017》中的方法，產業創新力（Ino）采用估計每類專利平均價值計算行業創新指數1。表15中第（1）列和第（5）列回歸結果顯示，Tb與Dep和Ino分別呈顯著正相關，意味著通過與供應商和合作伙伴的合作，能夠獲得更多的技術和專業知識，并將其應用于產品設計、工藝改進和質量控制等方面，技術創新和知識積累可以提高產品質量和供應鏈的競爭力，數實后向關聯融合有助于工業通過行業資本更新和產業創新力實現供應質量提升。進一步，第（2）—（4）列和第（6）—（8）列結果顯示，Dep和Ino均能夠顯著地促進污染強度和碳排放強度的下降以及綠色全要素生產率的提升，表明為避免陷入“供需失衡-產能過剩-資源浪費”的惡性循環，工業企業積極利用新一代信息技術和知識要素的溢出效應，深度融入到產業鏈關聯主體的協同創新過程，實現從中間投入到最終產品的質量改進。也就是說供應質量提升是數實后向關聯融合促進工業減污降碳協同增效的另一個潛在影響途徑。基于以上分析，假說3得到驗證。

六、進一步分析

（一）基于環境規制的調節效應檢驗

環境規制強度可以推動工業加大環保投入和改進生產工藝，并通過新興信息技術應用實現更高效的能源利用和減少污染排放，從而實現減污降碳增效目標。參考Lu and Ouyang（2024）的研究，本文采用工業廢水和廢氣治理費用綜合占工業總產值的比值來測度行業環境規制強度（Er）。由表16可得，對于污染強度和碳排放強度來說，無論是Tf[×]Er還是Tb[×]Er的系數均至少在5%的水平下顯著為負，也就是說環境規制強度能夠強化數實關聯融合發展對工業的減污降碳效應。但對于工業綠色全要素生產率來說，無論是Tf[×]Er還是Tb[×]Er系數均為正，但不顯著。可能的原因是，數實融合發展需要有良好的政策和制度環境來提供支持和激勵。然而，當前的制度和政策環境可能存在不確定性、束縛和限制，缺乏對融合發展明確有效的支持措施，因此對工業的綠色全要素生產率的提高作用不顯著。

（二）基于行業競爭度的調節效應檢驗

行業競爭度高會促使企業采取更積極的減污降碳行動，以在市場競爭中保持競爭力。數實融合

發展為工業提供更多的解決方案，如智能設備和監測系統，幫助企業實現減排目標并提高效益。參考張勇和侯路遙（2024）的研究，本文以行業赫芬達爾指數度量行業競爭程度（Hhi），在競爭程度更加激烈的工業行業中，企業為了規避高機會主義風險，更傾向于加快與信息產業融合。由表17可得，對于污染強度和碳排放強度來說，無論是Tf[×]Hhi還是Tb[×]Hhi的系數均至少在10%的水平下顯著為負，也就是說行業競爭度能夠強化數實關聯融合發展對工業的減污降碳效應。但對于工業綠色全要素生產率來說，無論是Tf[×]Hhi還是Tb[×]Hhi系數均為正，但不顯著。可能的原因是，即使行業競爭度增加，如果市場需求并沒有相應增長，工業的生產率提升也會受到限制；同時政府對工業管制限制可能會影響行業競爭度的發展，從而未能實現數實關聯融合發展對工業綠色全要素生產率的顯著提升作用。

（三）基于融資約束的調節效應檢驗

當工業企業面臨的融資約束程度較高時，難以獲得足夠的資金來進行數實融合的投資和實施，這可能會導致企業無法充分發揮數實融合的優勢，從而無法實現減污降碳協同增效效應。參考徐妍等（2024）的研究，本文以利息支出占固定資產總額的比值衡量融資約束情況（Fc）。由表18可得，對于污染強度和碳排放強度來說，無論是Tf[×]Fc還是Tb[×]Fc的系數均至少在10%的水平下顯著為正，即融資約束弱化了數實關聯融合發展對工業的減污降碳效應。對于工業綠色全要素生產率來說，無論是Tf[×]Fc還是Tb[×]Fc系數均顯著為負，說明融資約束不利于工業綠色全要素生產率的提升。因此，降低融資約束程度可以幫助推動工業的數實融合，從而實現減污降碳和協同增效的效應。政府可以通過提供貸款、降低融資成本等方式來降低融資約束程度，從而促進工業的可持續發展。基于以上分析，假說4得到驗證。

七、結論與啟示

本文緊扣中國工業亟需高質量發展的現實，重點圍繞“促進數字經濟與實體經濟深度融合是突破當前要素供給層面束縛的重要舉措”這一出發點，從信息產業與工業融合視角探討中國工業減污降碳協同增效的存在性和可能路徑。本文利用2007—2020年時間序列投入產出數據，從產業關聯視角測度了信息產業與工業的產業融合程度，實證檢驗了二者融合發展對工業減污降碳增效的影響以及作用機制。研究表明：（1）數實前后向關聯融合均能實現工業減污降碳協同增效效應，即存在顯著的供給優化和需求拉動效應。此外，經過一系列穩健性檢驗和內生性檢驗均證實了基準估計結果的可靠性。（2）數實前向關聯融合發展通過行業技術升級、產業鏈整合以及成本管控助推工業減污降碳協同增效，而后向關聯融合發展則通過規模效應、穩定供需關系和供應質量提升三條潛在路徑實現。（3）環境規制和行業競爭度均能夠強化數實融合的減污降碳協同增效效應，而融資約束弱化了數實融合給工業在環境、氣候與經濟方面帶來這一效應。（4）數實融合驅動工業減污降碳協同增效在信息技術應用業、污染密集型、高技術密集型以及高關聯融合工業行業作用更顯著。本研究為數實融合發展驅動工業減污降碳協同增效提供了理論闡述和經驗證據，對如何有效實現信息產業助推工業實現高質量發展，推動中國實現制造強國目標和可持續發展具有重要政策啟示。

第一，構建數字經濟與實體經濟深度融合的生態系統，提高雙向關聯融合架構驅動工業減污降碳協同增效的基礎能力和治理能力。信息產業相比其他傳統類型的產業，不僅能采用新一代信息技術和智能化設備協調優化產業內部的結構體系和治理管理能力，而且通過與工業的多維度深化融合，大幅提高了工業在產業價值鏈中的附加值與國際競爭力。同時工業部門應持續加大對節能技術的投資力度，提高能源利用效率，為建設工業減污降碳協同增效注入源源不斷的新鮮活力。在持續保障信息產業高質量發展的同時，應當增強信息產業對工業的供給依賴度，即推動數字基礎設施建設，通過政策扶持和財政投入，促進5G網絡、物聯網等數字基礎設施的普及和升級，提升信息產業服務工業的能力。確保工業部門為信息產業提供優質的中間產品和最終產品供應，擴大對工業的需求規模，進一步激勵工業企業采取更積極的減污降碳行動。

第二，政府部門應當統籌推進工業產業鏈布局，拓展環境、創新以及融資政策作用深度并形成政策合力。通過加強政策協調與整合、促進跨行業和跨地區合作、引導創新與技術發展以及完善評估與監管機制，提升各類環境規制的協同性，控制環境規制正向激勵和倒逼壓力的合理性，將污染物與二氧化碳協同減排作為相關政策制定的重要依據，及時將先進技術和政策進行互動，并充分激發其減污降碳協同增效效能，推動環境保護和可持續發展。對工業互聯網、通信技術、人工智能等物聯網等具有擴散效應和大幅度提高產業競爭力的行業重點發展，通過工業細分行業的差異化戰略引導形成協同發展的新工業“大生態”，同時，重點搭建技術密集型工業與信息產業關聯融合的橋梁，應積極利用新興信息技術為產品生產過程賦能，提高資源利用效率，減少污染物排放，提速工業減污降碳協同增效的步伐。另外，發展綠色金融體系，通過降低對工業企業的貸款門檻、融資成本，支持創新與綠色技術發展以及加強融資服務的支持體系等方式降低融資約束程度，為工業實現減污降碳增效的可持續發展提供更廣闊的空間和機會。

第三，多措并舉、多管齊下全面推進數實融合的減污降碳協同增效效應。首先，支持建立跨部門、跨行業的綠色產業聯盟和產業集群，利用規模效應實現資源、技術和市場的整合，促進產業鏈條上下游企業的合作與共享，推動資源和技術的高效利用。其次，制定生態補償政策，鼓勵企業在整合產業鏈過程中采取環境友好措施，如開展生態修復和資源再利用，實現生態與經濟的雙贏。再次，提供財政激勵和稅收優惠政策，鼓勵企業投資于節能減排技術和設備更新，降低減排成本，增強企業的環保動力；制定和嚴格執行環保標準和法規，要求企業在供應鏈各環節提升環保質量，減少污染物和碳排放。最后，鼓勵企業采用智能供應鏈管理系統，通過實時數據監控和預測分析，穩定供需關系，減少供應鏈中的浪費和過度生產，從而降低排放。

第四，立足不同行業特征和差異化需求，實施數實融合驅動減污降碳協同增效的分類施策和精準施策。一方面，打通信息產業與工業關聯融合的堵點，合理制定不同信息產業與相應工業類型的融合策略與推進步伐。積極運用信息產業對工業進行全流程、全鏈條和全要素的改造，實現數字紅利惠及工業各環節的降污減排。另一方面，針對非污染密集型、低技術密集型和低關聯融合工業，綜合考量產業自身所處產業環境與綜合實力，在核心行業領域中積極引進新一代信息技術，建造產業融合示范項目，深入探索具備低風險、高價值、可復制的融合業態，構建產業優化升級和融合發展的雙重框架，有效地向行業內部和行業間進行融合擴散及技術創新指導。

參考文獻

崔琳昊、馮烽，2024，“數實融合與城市經濟韌性：影響與機制”，《城市問題》，第4期，第31-41頁。

陳曉紅、張嘉敏、唐湘博，2022，“中國工業減污降碳協同效應及其影響機制”，《資源科學》，第12期，第2387-2398頁。

戴翔、楊雙至，2022，“數字賦能、數字投入來源與制造業綠色化轉型”，《中國工業經濟》，第9期，第83-101頁。

鄧峰、李征帛、朱俏俏，2023，“數字化平臺消費與制造業企業提質增效”，《商業經濟與管理》，第8期，第49-70頁。

方穎、余興錦，2024，“產業數字化的減污與降碳效應——基于‘生產率悖論’的研究視角”，《系統工程理論與實踐》，第9期，第，2795-2818頁。

韓超、陳震、王震，2020，“節能目標約束下企業污染減排效應的機制研究”，《中國工業經濟》，第10期，第43-61頁。

韓君、高瀛璐，2022，“中國省域數字經濟發展的產業關聯效應測算”，《數量經濟技術經濟研究》，第4期，第45-66頁。

何德旭、張昊、劉蘊霆，2024，“新型實體企業促進數實融合提升發展質量”，《中國工業經濟》，第2期，第5-21頁。

黃先海、高亞興，2023，“數實產業技術融合與企業全要素生產率——基于中國企業專利信息的研究”，《中國工業經濟》，第11期，第118-136頁。

江艇，2022，“因果推斷經驗研究中的中介效應與調節效應”，《中國工業經濟》，第5期，第100-120頁。

蔣為、倪詩程、彭淼，2024，“數實融合與企業出口產品策略優化：基于柔性生產視角”，《世界經濟》，第5期，第3-33頁。

賈衛峰、王藝寧、王朔，2024，“顛覆性創新驅動信息產業與制造業融合模式研究”，《科學學研究》，第6期，第1300-1311頁。

金祥義、張文菲，2023，“人工智能與企業污染減排：智能治理的環境效應”，《中國人口·資源與環境》，第8期，第138-145頁。

李春發、李冬冬、周馳，2020，“數字經濟驅動制造業轉型升級的作用機理——基于產業鏈視角的分析”，《商業研究》，第2期，第73-82頁。

李金昌、連港慧、徐藹婷，2023，“‘雙碳’愿景下企業綠色轉型的破局之道——數字化驅動綠色化的實證研究”，《數量經濟技術經濟研究》，第9期，第27-49頁。

李騰、孫國強、崔格格，2021，“數字產業化與產業數字化：雙向聯動關系、產業網絡特征與數字經濟發展”，《產業經濟研究》，第5期，第54-68頁。

李萬利、潘文東、袁凱彬，2022，“企業數字化轉型與中國實體經濟發展”，《數量經濟技術經濟研究》，第9期，第5-25頁。

劉華軍、郭立祥、喬列成，2023，“減污降碳協同效應的量化評估研究——基于邊際減排成本視角”，《統計研究》，第4期，第19-33頁。

劉亦文、鄧楠，2023，“環境保護稅是否有效釋放了四重紅利效應？”，《中國人口·資源與環境》，第10期，第35–46頁。

劉亦文、陳熙鈞，2023，“數智融合發展對中國減污降碳協同治理的影響研究”，《環境科學研究》，第11期，第2189-2199頁。

劉起運，2002，“關于投入產出系數結構分析方法的研究”，《統計研究》，第2期，第40-42頁。

劉淑春、閆津臣、張思雪、林漢川，2021，“企業管理數字化變革能提升投入產出效率嗎”，《管理世界》，第5期，第170-190+13頁。

陸敏、徐好、陳福興，2022，“‘雙碳’背景下碳排放交易機制的減污降碳效應”，《中國人口·資源與環境》，第11期，第121-133頁。

龐磊、陽曉偉，2023，“中國產業鏈關鍵環節自主可控何以實現？——對高新技術企業集聚效應與技術創新的考察”，《南方經濟》，第5期，第107-126頁。

齊俊妍、任奕達，2021，“數字經濟滲透對全球價值鏈分工地位的影響——基于行業異質性的跨國經驗研究”，《國際貿易問題》，第9期，第105-121頁。

任保平、李婧瑜，2024，“以數實融合推動新型工業化的階段性特征、戰略定位與路徑選擇”，《經濟與管理評論》，第2期，第5-16頁。

史丹、孫光林，2023，“數字經濟和實體經濟融合對綠色創新的影響”，《改革》，第2期，第1-13頁。

宋德勇、陳梁、王班班，2024，“環境權益交易如何實現減污降碳協同增效：理論與經驗證據”，《數量經濟技術經濟研究》，第2期，第171-192頁。

宋弘、孫雅潔、陳登科，2019，“政府空氣污染治理效應評估——來自中國‘低碳城市’建設的經驗研究”，《管理世界》，第6期，第95-108+195頁。

斯麗娟、曹昊煜，2021，“排污權交易制度下污染減排與工業發展測度研究”，《數量經濟技術經濟研究》，第6期，第107-128頁。

孫慧、夏學超、祝樹森、楊澤東，2024，“企業降碳減污協同推進的產業鏈聯動效應”，《中國人口·資源與環境》，第3期，第16-29頁。

陶鋒、王欣然、徐揚、朱盼，2023，“數字化轉型、產業鏈供應鏈韌性與企業生產率”，《中國工業經濟》，第5期，第118-136頁。

田秀娟、李睿，2022，“數字技術賦能實體經濟轉型發展——基于熊彼特內生增長理論的分析框架”，《管理世界》，第5期，第56-73頁。

萬攀兵、楊冕、陳林，2021，“環境技術標準何以影響中國制造業綠色轉型——基于技術改造的視角”，《中國工業經濟》，第9期，第118-136頁。

吳戈、張月池、苗壯，2024，“我國工業減污降碳的綠色偏向技術進步：要素貢獻、偏向識別與影響因素”，《統計研究》，第5期，第3-14頁。

王高鳳、鄭玉，2017，“中國制造業生產分割與全要素生產率——基于生產階段數的分析”，《產業經濟研究》，第4期，第80-92頁。

王慧、孫慧、肖涵月，辛龍，2022，“碳達峰約束下減污降碳的協同增效及其路徑”，《中國人口·資源與環境》，第11期，第96-108頁。

王嘉鑫、孫夢娜，2021，“綠色發展與治理轉型的‘波特假說之謎’——基于碳風險下企業降杠桿的證據”，《經濟管理》，第12期，第41-61頁。

王曉丹、石玉堂、劉達，2024，“公共數據開放能促進數字經濟與實體經濟融合嗎？——來自政府數據平臺上線的準自然實驗”，《南方經濟》，第9期，第25-44頁。

王燕梅、賀梅，2023，“行業數字化轉型如何影響企業內部薪酬差距”，《中國人民大學學報》，第5期，第88-103頁。

王芝煒、孫慧、張賢峰、丁辰鑫、宮圓圓，2023，“用能權交易制度能否實現減污降碳的雙重環境福利？”，《產業經濟研究》，第4期，第15-26+39頁。

徐妍、宋怡瑾、邵帥，2024，“低碳轉型政策對上市公司環境—社會責任—公司治理的影響及作用機制”，《中國人口·資源與環境》，第4期，第60-75頁。

易蘭、楊田恬、杜興、楊歷、鄧位，2022，“減污降碳協同路徑研究：典型國家驅動機制及對中國的啟示”，《中國人口·資源與環境》，第9期，第53-65頁。

楊來科、閆珂，2023，“數字化轉型對中國制造業企業污染排放的影響——基于微觀層面的三維面板數據分析”，《資源科學》，第8期，第1481-1496頁。

趙宸宇、王文春、李雪松，2021，“數字化轉型如何影響企業全要素生產率”，《財貿經濟》，第7期，第114-129頁。

趙培雅、高煜、孫雪，2023，“‘雙控’目標下產業智能化的節能降碳減排效應”，《中國人口·資源與環境》，第9期，第59-69頁。

張虎、高子桓、韓愛華，2023，“企業數字化轉型賦能產業鏈關聯：理論與經驗證據”，《數量經濟技術經濟研究》，第5期，第46-67頁。

張軍、吳桂英、張吉鵬，2004，“中國省際物質資本存量估算：1952—2000”，《經濟研究》，第10期，第35-44頁。

張敏、童麗靜、許浩然，2015，“社會網絡與企業風險承擔——基于我國上市公司的經驗證據”，《管理世界》，第11期，第161-175頁。

張晴、于津平，2023，“投入數字化的減排增效效應——來自中國制造業企業的經驗檢驗”，《科學學研究》，第8期，第1422-1432頁。

張倩肖、段義學，2023，“數字賦能、產業鏈整合與全要素生產率”，《經濟管理》，第4期，第5-21頁。

張勇、侯路遙，2024，“供應鏈客戶穩定度與企業全要素生產率”，《南方經濟》，第6期，第98-119頁。

張瑜、孫倩、薛進軍、楊翠紅，2022，“減污降碳的協同效應分析及其路徑探究”，《中國人口·資源與環境》，第5期，第1-13頁。

周密、王雷、郭佳宏，2024，“新質生產力背景下數實融合的測算與時空比較——基于專利共分類方法的研究”，《數量經濟技術經濟研究》，第7期，第5-27頁。

朱思瑜、于冰，2023，“‘排污權’和‘碳排放權’交易的減污降碳協同效應研究——基于污染治理和政策管理的雙重視角”，《中國環境管理》，第1期，第102-109頁。

鄒夢婷、凌丹、黃大禹、謝獲寶，2023，“制造業數字化轉型與產業鏈現代化關聯性研究”，《科學學研究》，第4期，第634-642+658頁。

Becker， R. and Henderson， V.， 2000， “Effects of Air Quality Regulations on Polluting Industries”， Journal of Political Economy， 108（2）：379-421.

Benner， M.J. and Waldfogel， J.， 2023， “Changing the Channel： Digitization and the Rise of ‘Middle Tail’ Strategies”， Strategic Management Journal， 44（1）： 264-287.

Chung， Y.H.， F?re， R. and Grosskopf， S.， 1997， “Productivity and Undesirable Outputs： A Directional Distance Function Approach”， Journal of Environmental Management， 51（3）： 229-240.

Dong， Z.， Xia， C.， Fang， K. and Zhang， W.， 2022， “Effect of the Carbon Emissions Trading Policy on the Co-benefits of Carbon Emissions Reduction and Air Pollution Control”， Energy Policy， 165（6）： 112998.

Gallagher， K.S.， Zhang， F.， Orvis， R.， Rissman， J. and Liu， Q.， 2019， “Assessing the Policy Gaps for Achieving China's Climate Targets in the Paris Agreement”， Nature Communications， 10（1）： 1256.

Guan， Y.， Xiao， Y.， Rong， B.， Lu， W.， Zhang， N. and Qin， C.， 2023， “Assessing the Synergy between CO2 Emission and Ambient Pm2.5 Pollution in Chinese Cities： An Integrated Study based on Economic Impact and Synergy Index”， Environmental Impact Assessment Review， 99（3）： 106989.

Guo， D.， Li， L. and Pang， G.， 2024， “Does the Integration of Digital and Real Economies Promote urban Green Total Factor Productivity？ Evidence from China”， Journal of Environmental Management， 370（9）： 122934.

He， N.， Zeng， S. and Jin， G， 2023， “Achieving Synergy between Carbon Mitigation and Pollution Reduction： Does Green Finance Matter？”， Journal of Environmental Management， 342： 118356.

Hu， J.， 2023， “Synergistic Effect of Pollution Reduction and Carbon Emission Mitigation in the Digital Economy”， Journal of Environmental Management， 337： 117755.

Li， G. and Liao， F.， 2022， “Input Digitalization and Green Total Factor Productivity under the Constraint of Carbon Emissions”， Journal of Cleaner Production”， 377： 134403.

Lin， B. and Teng， Y.， 2024， “Synergistic Disparities of Pollution Reduction and Carbon Mitigation in the Industrial Chain： Evidence from China's Industrial Sector”， Environmental Research， 248： 118226.

Liu， B.， Qiu， Z.， Hu， L.， Hu， D. and Nai， Y.， 2024， “How Digital Transformation Facilitate Synergy for Pollution and Carbon Reduction： Evidence from China”， Environmental Research， 251： 118639.

Lu， C. and Ouyang， Q.， 2024， “Environmental Regulation and Urban Position in the Inter-urban Pollution Transfer Network： A Perspective on Network Analysis of Pollution-Intensive Enterprises' Relocation”， Journal of Cleaner Production， 435： 140418.

Meng， X.N.， Xu， S.C. and Hao， M.G.， 2023， “Can Digital-real Integration Promote Industrial Green Transformation： Fresh Evidence from China's Industrial Sector”， Journal of Cleaner Production， 426（11）： 139116.

Verhoef， P.C.， Broekhuizen， T.， Bart， Y.， Bhattacharya， A.， Dong， Q.J.， Fabian， N. and Haenlein， M.， 2021， “Digital Transformation： A Multidisciplinary Reflection and Research Agenda”， Journal of Business Research， 122： 889-901.

Yu， L.， Guo X.， Qin C.， Yang L.， Lu， W.， Niu， R.， Yuan， K. and Xue， Q.， 2022， “Integrating Synergistic Control of Pollutants and Carbon Dioxide into‘Three Lines and One Permit’in China”， Environmental Impact Assessment Review， 97： 106908.

Zhao， X.， Ma X.， Chen， B.， Shang Y. and Song， M.， 2022， “Challenges Toward Carbon Neutrality in China： Strategies and Countermeasures”， Resources， Conservation and Recycling， 176： 105959.

Zheng， H.， Fang， Q.， Wang， C.， Jiang， Y. and Ren， R.， 2018， “Updating China's Input-output Tables Series Using MTT Method and Its Comparison”， Economic Modelling， 74： 186-193.

Can the Integration of Digital and Real Help the Industry Achieve Synergy

in Pollution Reduction and Carbon Reduction？

— Based on the Forward and Backward Correlation between

the Information Industry and Industry

Zhu Qiaoqiao" Jin Chunli" Li Zhengbo

Abstract：The deep integration and development of the digital economy and the real economy brings a window of opportunity to boost the synergy of industrial pollution reduction and carbon reduction， and the integration of data and reality drives the green and low-carbon transformation of industry to become the material and technological foundation for building Chinese-style modernization. Based on the input-output data of the time series from 2007 to 2020， the panel regression model and the mediation effect model are used to test the impact and mechanism of the correlation and integration of industry and industry in the information on the synergy of pollution reduction and carbon reduction in 23 industrial sub-sectors from the perspective of industrial forward and backward correlation. The results show that： （1） The backward correlation and integration of information industry and industry can play a significant \"push-pull\" role and promote the industry to achieve synergy in pollution reduction and carbon reduction， that is， there is a \"supply-driven， demand-pulled\" effect， and a series of robustness tests and endogeneity tests confirm the reliability of the benchmark estimation results. （2） Industry technology upgrading， industrial chain integration and cost control driven by the forward correlation and integration of data and reality are the main paths to drive the synergy of pollution reduction and carbon reduction. Backward correlation and integration promote the synergy of pollution reduction and carbon reduction through three impact channels： scale effect， stable supply and demand relationship， and supply quality improvement， so as to achieve multiple goals such as environmental， climate， and economic benefits. （3） The heterogeneity test shows that the synergistic effect of pollution reduction and carbon reduction driven by digital-real integration is stronger in information technology application industry， pollution-intensive， high-technology-intensive and high-correlation integration industries. Environmental regulations and industry competition have strengthened the synergistic effect of pollution reduction and carbon reduction through the integration of data and reality， while financing constraints have weakened this effect. This study not only expands and deepens the mechanism path of industrial pollution reduction and carbon reduction synergy driven by the integration of data and reality， but also has important policy implications for seizing the strategic opportunities brought by the development of the information industry， narrowing the \"digital divide\" between industries， and steadily promoting new industrialization.

Keywords： Digital-real Integration; Industry-related Integration; Pollution Reduction and Carbon Reduction Synergy; Input-output Analysis

（責任編輯：謝淑娟）