數實融合對城市減污降碳協同增效的影響研究

中圖分類號：F290 文獻標識碼：A 文章編號：1000-176X（2025）08-0087-13

一、問題的提出

2020年12月，習近平總書記在主持召開的中共中央政治局常委會上指出：“經過8年持續奮斗，我們如期完成了新時代脫貧攻堅目標任務，現行標準下農村貧困人口全部脫貧，貧困縣全部摘帽，消除了絕對貧困和區域性整體貧困，近1億貧困人口實現脫貧，取得了令全世界刮目相看的重大勝利。”但是，傳統的、依靠要素高投入拉動經濟增長的模式在推動中國經濟長期保持中高速增長的同時，也給生態環境帶來了巨大壓力。根據《新興經濟體二氧化碳排放報告 2023? 2010—2020年，中國化石能源消費產生的碳排放量從7357.5百萬噸增加至9183.9百萬噸，增幅達 24.8% 。考慮到中國工業化和城市化水平尚未達到最高峰，由此帶來的二氧化碳排放量還將持續增加。根據《中國生態環境狀況公報2023》，2023年，中國共有136個城市環境空氣質量超標。其中，105個城市細顆粒物（ PM_2.5 ）超標，79個城市臭氧（ ）超標。由此可見，環境問題仍然是中國經濟高質量發展的重要約束。

在信息化、智能化時代，數據資源成為關鍵生產要素。以數據要素為基礎的人工智能、大數據、云計算、互聯網等新興技術在實體經濟中的廣泛應用使數字經濟與實體經濟的融合（本文簡稱“數實融合”）日益緊密[1]。數實融合打破了行業間要素自由流動壁壘[2]，使傳統生產要素能夠按照市場需要自由流動，極大地提高了實體經濟發展速度和資源利用效率，并成為實現城市減污降碳協同增效的重要途徑。然而，現有文獻從多目標環境制度協同[3]、城市綠色金融改革[4]、創新驅動政策[5]等制度層面考察城市減污降碳協同增效的實現路徑，缺乏產業層面的研究。關于數實融合的研究多關注其經濟效應，如考察數實融合對現代化產業體系[6、新質生產力發展「]、勞動力就業[8、人力資本結構升級「9等的影響，鮮有文獻研究數實融合能否及如何實現城市減污降碳協同增效。基于此，本文以2011—2022年中國277個地級及以上城市為樣本，實證檢驗數實融合對城市減污降碳協同增效的影響及作用機制。

本文可能的邊際貢獻包括以下三個方面。其一，以往文獻大多關注數實融合的經濟效應或生態效應，鮮有文獻探討數實融合能否實現經濟效應與生態效應的協同。本文在采用耦合協調度模型測算城市減污降碳協同增效和數實融合水平的基礎上，檢驗數實融合能否及如何實現城市減污降碳協同增效，豐富了數實融合的研究內容。其二，本文分析并檢驗數實融合通過推動綠色技術創新和優化勞動力配置實現城市減污降碳協同增效，這對于加快發展方式綠色轉型和推動城市經濟高質量發展具有重要的參考價值。其三，本文從數實融合的制度匹配角度出發，揭示了環境規制在數實融合實現城市減污降碳協同增效中的重要保障作用，為發揮數實融合在實現城市減污降碳協同增效中的作用提供制度保障。

二、理論分析與研究假設

傳統的環境治理模式強調政府在環境治理中的主導作用，主張建立和完善以環境治理為核心的制度體系，從而降低城市污染水平[10]。然而，政府主導型的環境治理模式也存在明顯的弊端，過度依賴政府監管和行政命令的方法不僅導致政策執行效率低下、成本高昂，還導致地方政府在經濟增長與環境保護之間難以平衡[1]。數實融合以信息化和數字化綠色技術為支撐，打破傳統環境治理模式對經濟增長與環境保護之間權衡的束縛，實現減污降碳協同增效。一方面，數實融合通過提供更加精準和高效的治理手段，提高環境治理水平和碳排放控制能力[12]。數字平臺能夠提高政府對企業污染物排放的實時監測能力，實現污染物排放的精細化管理，有效平衡經濟增長與環境保護之間的關系[13]。新型信息技術如數字化監測技術和控制技術的引入，使企業能夠在生產過程中實時跟蹤能源消耗和污染物排放情況，實現更高效的能源管理和資源配置〔14]。基于數字技術的智能供應鏈管理系統的廣泛應用減少了企業在物流和倉儲環節中的污染物和二氧化碳排放，提高了資源利用效率。另一方面，數實融合推動城市經濟向數字化、智能化、綠色化轉型升級，不斷提高城市綠色經濟發展水平。綠色經濟的發展和綠色創新理念的普及深刻影響居民的生活方式和價值觀念，助力綠色低碳生活方式的普及。例如，數字平臺能夠提供更多關于產品碳足跡和環保性能的信息，幫助消費者作出更加環保的消費選擇，減少消費行為對環境的影響。智能家居設備和綠色出行平臺的普及，使居民能夠在日常生活中更加方便地踐行綠色生活方式，減少污染物和二氧化碳排放，降低環境負擔。基于此，本文提出如下假設：

假設1：數實融合能夠實現城市減污降碳協同增效。

數實融合能夠推動企業綠色技術創新，為實現城市減污降碳協同增效提供技術支撐[12]。綠色技術創新是一項長期且持續的風險投資活動，企業開展綠色技術創新活動受到融資約束和信息約束的影響。一方面，數實融合有助于金融機構以較低的成本獲取企業相關信息，更好地分析企業真實情況，緩解融資約束，提高企業綠色技術創新水平[15]。另一方面，綠色技術創新具有跨學科、跨產業鏈復雜協作的特性，傳統模式下部門間數據孤島和行業間信息壁壘會導致企業創新效率低下。實體企業可以利用數字技術實現企業內部部門間的信息傳遞和整合，提高綠色技術創新過程中部門間信息交流和融合的效率，促進綠色技術創新，為企業綠色轉型提供技術支撐[16]。另外，數字技術在城市環境治理中的應用能夠提供豐富多樣的環境監測和管理手段，這不僅可以幫助城市更精準地識別環境問題，還可以促使企業主動研發具有針對性的綠色技術[17]。基于此，本文提出如下假設：

假設2a：數實融合通過推動綠色技術創新實現城市減污降碳協同增效。

數實融合能夠優化勞動力配置，賦能城市實現減污降碳協同增效。數實融合能夠使企業根據市場需求和環境變化靈活地調整勞動力布局，并形成新的社會分工，催生人工智能工程師、數據分析師等新興職業，推動勞動力從勞動密集型行業和資源密集型行業向高技術、高附加值行業轉移，從而減少經濟發展過程中的資源消耗和環境污染。同時，數字平臺和靈活的就業模式能夠降低勞動力市場的信息不對稱程度，準確地匹配勞動力供給與就業崗位需求，實現城市發展方式的綠色轉型[18]。另外，勞動力資源的優化配置還有助于打破行業間要素自由流動壁壘，推動跨領域綠色技術創新和應用，減少生產過程中的污染物和二氧化碳排放，從而實現城市減污降碳協同增效。基于此，本文提出如下假設：

假設2b：數實融合通過優化勞動力配置實現城市減污降碳協同增效。

三、研究設計

（一）變量定義

1.被解釋變量

本文的被解釋變量為城市減污降碳協同增效（ （CCA） 。本文借鑒趙燕等[4]、葛鵬飛等[19]、任保平和杜宇翔[20]的研究，對污染物、碳排放和經濟發展水平三個子系統指標標準化后，采用耦合協調度模型測算城市減污降碳協同增效（ CCA ），具體計算公式如下：

其中， C₁ 表示污染物、碳排放與經濟發展水平之間的耦合度， SO₂ 表示污染物排放量， CO₂ 表示碳排放量， pgdp 表示經濟發展水平， θ₁ 、 θ₂ 和 θ₃ 分別表示三個子系統的權重，本文均設定為1/3。二氧化硫是典型的大氣污染物，會導致酸雨，危害土壤、水體和建筑物等，是工業污染排放中的重點關注對象，也是引發健康問題的重要污染物。另外，二氧化硫還是目前中國城市層面統計數據披露較為完整的污染物類型[21]。因此，本文用城市二氧化硫排放量衡量污染物排放量。考慮到城市碳排放不僅包括工業生產、交通和建筑業等的直接碳排放，還包括與能源有關的間接碳排放，以及城市內部生活產生的其他碳排放，因而本文借鑒趙燕等[4]、叢建輝等[22]的研究，測算各城市總體碳排放，即分別測算城市轄區內所有直接碳排放，城市轄區外為滿足城市需求的外購電力、供熱、制冷等產生的間接碳排放，城市轄區外生產、運輸、使用和處理廢棄物過程中產生的其他碳排放，最后加總得到整個城市層面的碳排放量，因而用城市二氧化碳排放總量衡量碳排放量。另外，本文用人均地區生產總值衡量經濟發展水平。

2.解釋變量

本文的解釋變量為數實融合（mix）。實體經濟與虛擬經濟相對應，是指物質產品、精神產品和服務的生產、流通等經濟活動[23]。數字經濟是一種以數據資源為關鍵生產要素、以現代信息網絡為載體、以信息通信技術的有效使用為提高效率和優化經濟結構的重要推動力的經濟活動[24]。數實融合體現為數字經濟與實體經濟的相互融合、相互賦能，二者界限趨于模糊。在數字經濟的測度方面，本文借鑒趙濤等[25]的研究，構建數字經濟指標體系，具體包括普惠金融發展水平、互聯網普及率、互聯網產業從業規模、互聯網產業相關產出和移動電話普及率五個指標。在實體經濟的測度方面，本文借鑒謝思等[26的研究，以狹義實體經濟為基礎，從產出、投資、消費和信貸四個角度構建實體經濟指標體系，具體包括實體經濟產出水平、實體經濟消費水平、實體經濟投資水平和實體經濟信貸水平四個指標。

本文借鑒鄭浩天和靳衛東[27]、王曉丹等「28]的研究，先將所有指標進行標準化處理，再利用熵權法分別測算數字經濟發展水平和實體經濟發展水平，最后采用耦合協調度模型測算城市層面的數實融合水平，具體計算公式如下：

其中， C 表示數字經濟與實體經濟的耦合度，digit表示數字經濟發展水平，real表示實體經濟發展水平， mix 表示數實融合， θ₄ 和 θ_s 分別表示兩個子系統的權重，反映了數字經濟和實體經濟在數實融合中的重要程度。考慮到數字經濟和實體經濟在國民經濟中均具有重要作用， θ₄ 和 θ_s 均取0.5。mix的取值為0—1，越接近于1，表明數字經濟與實體經濟的融合程度越高，二者之間的關系越密切。

3.機制變量

綠色技術創新（green_innovation），本文用城市每百人綠色專利申請總量的自然對數衡量。勞動力配置（distL），本文借鑒劉誠和夏杰長[29]的研究，用生產函數法測算城市勞動力扭曲程度，以此衡量勞動力配置。勞動力扭曲程度越低，表明勞動力配置越合理。

4.控制變量

為了準確估計數實融合對城市減污降碳協同增效的影響，本文還選取了如下控制變量：教育發展水平 （edu ），用教育支出與地方財政一般預算內支出之比衡量；人力資本水平（ （hum ，用每百人中普通本專科在校學生數量的自然對數衡量；政府宏觀調控能力 （gov） ，用地方財政一般預算內支出與當年地區生產總值之比衡量；居民收入水平（wage），用城市職工平均工資的自然對數衡量；產業結構 （ind） ，用城市第三產業生產總值與第二產業生產總值之比衡量。

（二）模型設定

與傳統的因果推斷方法相比，雙重機器學習（DoubleMachine Learning，DML）方法無論是在變量選擇，還是在模型構建方面均具有顯著優勢。本文借鑒Bodory等[30]的研究，構建部分線性的雙重機器學習模型估計數實融合對城市減污降碳協同增效的影響，具體模型如下：

mix_it=f（control_it）+V_it

E（V_it|control_it）=0

其中， i 表示城市， Φ_t 表示年份， CCA 表示城市減污降碳協同增效； Ψ_mix 表示數實融合；control表示可能對回歸結果產生影響的相關變量合集，包括控制變量、用于控制城市固定效應和年份固定效應的城市虛擬變量和年份虛擬變量； 和 分別表示相互獨立、均值為0的隨機擾動項。

為了檢驗數實融合影響城市減污降碳協同增效的作用機制，本文借鑒江艇[31]的研究，構建的機制檢驗模型如下：

med_it=σ₁mix_it+g（control_it）+U_it

其中， med 為本文的機制變量，包括綠色技術創新（green_innovation）和勞動力配置

（distL），其余變量與前文設定一致。

（三）數據來源

本文選取2011—2022年中國277個地級及以上城市作為研究對象，數據來源如下：測算污染物排放量和碳排放量使用的相關數據來源于《中國城市統計年鑒》《中國能源統計年鑒》《中國工業統計年鑒》《中國林業和草原統計年鑒》《中國農業統計年鑒》《中國畜牧業年鑒》《中國環境統計年鑒》；排放因子數據來源于《省級溫室氣體排放清單指南（試行）》、各級政府發布的碳排放清單指南、IPCC排放因子數據庫；中國數字普惠金融指數來源于北京大學數字金融研究中心；專利數據來源于國家知識產權局；其余各變量原始數據來源于《中國城市統計年鑒》、各地方政府統計年鑒，缺失數據采用線性插值法補齊。為了避免離群值的干擾，本文對所有連續變量進行了上下 1% 的縮尾處理。最后，本文得到了3324個樣本。

（四）描述性統計分析

本文主要變量的描述性統計結果如表1所示。由表1可知，數實融合的最小值為0.1590，最大值為0.7361，均值為0.3790，表明中國的數實融合處于低水平階段。可能的原因如下：一是目前中國的數字經濟處于初級應用階段，數字經濟對實體經濟的賦能效應還未完全發揮出來[15];二是目前中國的數字關鍵核心技術缺失，制約了數實融合的深度與廣度[32]；三是部分實體企業對數字化轉型的認識不夠，或者缺乏數實融合所需要的資本和技術支持［33]；四是數據要素監管體系及相關制度不完善，數據要素難以在數字經濟和實體經濟之間自由流動，阻礙了數實融合的進程[32]。其余變量的描述性統計結果均在合理范圍內。

表1主要變量的描述性統計結果

四、實證結果與分析

（一）基準回歸結果與分析

本文的基準回歸結果如表2所示。表2列（1）為控制城市固定效應和年份固定效應的結果，數實融合的系數為0.4534，且在 1% 水平上顯著。表2列（2）在列（1）的基礎上加入了控制變量，數實融合的系數為0.1037，且在 1% 水平上顯著。這表明數實融合能夠實現城市減污降碳協同增效，假設1得到驗證。當前，中國經濟處于向高質量發展的轉型階段，面臨著經濟增長壓力和環境保護壓力的雙重挑戰。在這一背景下，數實融合為平衡經濟增長與環境保護之間的關系提供了新方案。數實融合不僅提高了資源利用效率，還促進了環保技術的應用與推廣，在保障經濟增長的同時，有效控制污染物和二氧化碳排放。因此，政府應當重視數實融合在中國經濟高質量發展中的重要作用，加大數字基礎設施投入、支持實體企業數字化轉型，實現經濟增長與環境保護的雙贏。

表2基準回歸結果

注：***表示在 1% 水平上顯著，括號內為異方差穩健標準誤，下同。

（二）內生性檢驗

基準回歸結果可能面臨著測量誤差、遺漏變量等原因引起的內生性問題。因此，本文借鑒楊剛強等[34」的研究，用城市開通微博的企業數量作為數實融合的工具變量，并利用工具變量法進行內生性檢驗。從理論層面來看，該變量滿足外生性和相關性要求。微博作為一個數字化平臺，是企業邁向數字化轉型的重要窗口和媒介。企業通過微博開展品牌宣傳、用戶互動和市場營銷，不僅展現了數字技術在其運營中的嵌入程度，也體現了企業實體經濟活動與數字化工具之間的有效結合。從區域層面來看，企業使用微博的主要動機是通過數字化手段擴大市場范圍、增加品牌曝光度和提高消費者互動體驗感，這些與城市減污降碳協同增效沒有直接的物理或經濟上的因果關系，滿足外生性要求。城市開通微博的企業數量可以間接反映該地區數字基礎設施的完善程度和產業數字化轉型的廣度[34]，滿足相關性要求。本文構建的內生性檢驗模型如下：

IV_it=f（control_it）+V_it

其中， IV 表示工具變量，其他變量與前文設定一致。

內生性檢驗結果如表3所示。表3列（1）的結果顯示，工具變量的系數為0.0580，且在 1% 水平上顯著，表明該工具變量滿足相關性要求。表3列（2）的結果顯示，數實融合的系數為1.7282，且在 1% 水平上顯著。這表明在緩解內生性問題后，本文基準回歸結果仍成立。

表3內生性檢驗結果

注：*表示在 10% 水平上顯著，下同。

（三）穩健性檢驗①

1.排除“特殊樣本\"的干擾

中國的直轄市在經濟發展水平、數字基礎設施建設水平、數字相關產業規模、政策支持力度等方面具有不可比擬的優勢，可能導致數實融合與城市減污降碳協同增效之間的關系與其他城市存在顯著差異。因此，本文剔除了四個直轄市的樣本，并重新進行回歸。結果顯示，數實融合的系數為0.0861，且在 1% 水平上顯著，表明本文基準回歸結果穩健。

2.更換被解釋變量

測算城市減污降碳協同增效時不同指標的權重設定可能會影響結論的穩健性，因而本文重設權重，將污染物、碳排放和經濟發展水平三個子系統的權重分別設為0.3、0.3和0.4，并重新進行回歸。結果顯示，數實融合的系數為1.2614，且在 1% 水平上顯著，表明本文基準回歸結果穩健。

3.控制高維固定效應

盡管年份固定效應能夠控制宏觀經濟周期及隨著時間變化的政策等因素對回歸結果的干擾，城市固定效應能夠控制基礎設施、資源配置、政策執行力度等城市內在特征對回歸結果的干擾，但數實融合對城市減污降碳協同增效的影響還受到省份層面異質性特征及其隨時間變化的動態特征的影響。為了排除這一因素的干擾，本文構造了省份虛擬變量，將省份虛擬變量與時間虛擬變量的交互項引人基準回歸模型，并重新進行回歸。結果顯示，數實融合的系數為0.1083，且在1% 水平上顯著，表明本文基準回歸結果穩健。

4.解釋變量滯后一期

數實融合對城市減污降碳協同增效的影響可能存在一定的滯后性，因而本文將解釋變量滯后一期，并重新進行回歸。結果顯示，滯后一期的數實融合的系數為0.0925，且在 1% 水平上顯著，表明本文基準回歸結果穩健。

5.傾向得分匹配法

樣本選擇偏差、控制變量之間的差異也可能影響回歸結果。為了解決這一問題，本文基于傾向得分匹配法（PSM）匹配樣本，并重新進行回歸。具體而言，按照數實融合水平的中位數，將所有樣本等分為兩組，并將所有控制變量作為協變量納入模型進行Logit回歸，得到的預測值為傾向得分，然后按照匹配比例為 1：2 的最近鄰匹配法進行樣本匹配。結果顯示，數實融合的系數為0.1366，且在 1% 水平上顯著，表明本文基準回歸結果穩健。

6.排除相關政策的干擾

數實融合在實現城市減污降碳協同增效的過程中可能受到同期其他相關政策的干擾，尤其是“智慧城市”建設和“跨境電商綜合試驗區”建設等政策。這些政策能夠推動人工智能、大數據、云計算、互聯網等新興技術的應用，不僅為數實融合提供了數字基礎設施支撐，也為傳統產業的綠色轉型和創新發展提供了重要支持，對數實融合和城市減污降碳協同增效均具有重要影響。為了排除這類政策對回歸結果的干擾，本文將“智慧城市”建設和“跨境電商綜合試驗區”建設兩個政策作為控制變量納人基準模型，并重新進行回歸。結果顯示，數實融合的系數為0.0924，且在 1% 水平上顯著，表明本文基準回歸結果穩健。

7.重設雙重機器學習模型

前文雙重機器學習模型使用的是 1：4 的樣本分割比例，但考慮到樣本分割比例的設置可能導致雙重機器學習模型回歸結果出現差異，本文將樣本分割比例分別設置為 1：2 和 1：6 ，并重新進行回歸。結果顯示，當樣本分割比例為 1：2 時，數實融合的系數為0.0988，且在 1% 水平上顯著；當樣本分割比例為 1：6 時，數實融合的系數為0.0910，且在 1% 水平上顯著。這表明本文基準回歸結果穩健。另外，考慮到算法設定也可能影響回歸結果，本文將雙重機器學習的算法由隨機森林算法替換為神經網絡算法和拉索回歸算法，并重新進行回歸。結果顯示，在神經網絡算法下，數實融合的系數為0.1227，且在 1% 水平上顯著；在拉索回歸算法下，數實融合的系數為0.1009，且在 1% 水平上顯著。這表明本文基準回歸結果穩健。

（四）異質性分析

不同城市在數字基礎設施建設水平、城市規模、工業基礎等方面存在顯著差異，這些差異也可能導致數實融合對城市減污降碳協同增效的影響存在差異。基于此，本文通過分樣本回歸的方式進行異質性分析。

1.基于數字基礎設施建設水平的異質性分析

數據要素的獲取、整合、應用等能力之間的差異可能會影響數實融合對城市減污降碳協同增效的賦能效應，高數字基礎設施建設水平城市在數據要素的獲取、整合、應用等能力方面顯著強于其他地區[35]。基于此，本文根據是否為“寬帶中國”試點城市將樣本分為低數字基礎設施建設水平城市和高數字基礎設施建設水平城市兩組，并進行分組回歸，基于數字基礎設施建設水平的異質性分析結果如表4列（1）和列（2）所示。結果顯示，在低數字基礎設施建設水平城市中，數實融合的系數為0.0893，且在 1% 水平上顯著；在高數字基礎設施建設水平城市中，數實融合的系數為0.1326，且在 1% 水平上顯著。由組間系數差異檢驗可知，與低數字基礎設施建設水平城市相比，數實融合對高數字基礎設施建設水平城市減污降碳協同增效的影響更顯著。可能的原因在于，高數字基礎設施建設水平城市能夠超前布局5G網絡、物聯網感知系統和云計算中心等數字基礎設施，構建數據實時采集與智能分析的基礎框架，為數字技術與產業低碳轉型的深度融合提供物理載體和技術支持。同時，高數字基礎設施建設水平城市在跨部門數據共享機制、數據標準統一化建設等方面更具優勢，能夠通過整合政府監管數據、企業生產數據和環境監測數據精準識別污染與能耗的關鍵節點，從而優化資源配置，并驅動清潔技術迭代。另外，高數字基礎設施建設水平城市依托數字化治理平臺形成智能交通、智慧能源等應用場景，促使實體企業更高效地將數字技術嵌入生產工藝改進和綠色產品創新中，從而實現城市減污降碳協同增效。低數字基礎設施建設水平城市受制于數據獲取碎片化、分析應用能力不足等問題，數實融合更多停留在局部環節的數字化改造，難以形成全產業鏈協同減污降碳的系統效應，導致數實融合對城市減污降碳協同增效的影響有限。

2.基于城市規模的異質性分析

不同規模城市的市場環境和文化觀念不同，因而數實融合及其對城市減污降碳協同增效的影響也可能存在一定差異。根據2014年國務院頒布的《國務院關于調整城市規模劃分標準的通知》，本文將大城市定義為常住人口超過100萬人的城市，并以2018年各城市城區常住人口數量為基礎，將樣本劃分為中小城市和大城市兩組，并進行分組回歸，基于城市規模的異質性分析結果如表4列（3）和列（4）所示。結果顯示，在中小城市中，數實融合的系數為-0.0231，但不顯著；在大城市中，數實融合的系數為0.2539，且在 1% 水平上顯著。這表明數實融合對城市減污降碳協同增效的影響在大城市中更顯著。可能的原因在于，一方面，大城市充足的資本、先進的技術和豐富的人力資源有助于數字技術的研發和應用，助力企業實現綠色技術創新和綠色經濟發展。另一方面，基于橫向競爭理論，在激烈的市場競爭環境下，企業必須進行數字化轉型才能保持自身競爭力，并滿足公眾對環保的需求，而中小城市的市場規模較小、人力資本不足，難以為實體企業數字化轉型提供龐大的市場需求和人才支撐。另外，中小城市企業多集中于傳統行業，對數字技術的應用動力較弱，限制了數實融合的深度與潛力，難以有效發揮數實融合的經濟效應和生態效應。

3.基于工業基礎的異質性分析

為了檢驗在不同工業基礎的城市中，數實融合對城市減污降碳協同增效的影響是否存在差異性，本文借鑒《全國老工業基地調整改造規劃（2013—2022年）》的分類方法，將樣本劃分為非老工業基地城市和老工業基地城市兩組，并進行分組回歸，基于工業基礎的異質性分析結果如表4列（5）和列（6）所示。結果顯示，在非老工業基地城市中，數實融合的系數為0.1805，且在 1% 水平上顯著；在老工業基地城市中，數實融合的系數為0.0235，但不顯著。這表明數實融合對城市減污降碳協同增效的影響在非老工業基地城市中更顯著。可能的原因在于，老工業基地城市的產業以重工業為主，其生產設備、工藝流程和能源結構長期固化，數實融合面臨較高的成本和技術適配壁壘，過度依賴傳統生產網絡使其綠色技術創新存在滯后性。非老工業基地城市的產業結構更加多元化，技術迭代靈活性強，數字基礎設施與清潔能源體系的協同布局更容易實現規模化和綠色化。

表4異質性分析結果

五、機制檢驗與拓展性分析

（一）機制檢驗

本文從綠色技術創新和勞動力配置兩個方面檢驗數實融合對城市減污降碳協同增效的作用機制，機制檢驗結果如表5所示。

表5機制檢驗結果

1.綠色技術創新機制

綠色技術創新的機制檢驗結果如表5列（1）所示。結果顯示，數實融合的系數為4.2661，且在 1% 水平上顯著，表明數實融合能夠推動綠色技術創新，從而為城市減污降碳協同增效提供技術支持，假設2a得到驗證。可能的原因在于，數實融合不僅優化了實體企業創新流程、組織結構和生產模式，還推動了實體產業的數字化和智能化轉型，極大激發了企業綠色技術創新活力。另外，數字技術深度融人實體產業還會促進實體產業中數據要素跨系統、跨行業流動，增強各部門、各企業、各行業之間的綠色協同創新能力，為城市減污降碳協同增效提供堅實的綠色技術支撐。

2.勞動力配置機制

勞動力配置的機制檢驗結果如表5列（2）所示。結果顯示，數實融合的系數為-3.6268，且在 1% 水平上顯著，表明數實融合能夠優化勞動力配置，從而為城市減污降碳協同增效提供人力資本支持，假設2b得到驗證。可能的原因在于，數實融合打破了勞動力市場中的信息孤島，以較低的成本實現勞動力供需匹配。另外，數實融合創造出更多智能化和數字化的工作崗位，減少就業對傳統產業的依賴，為城市減污降碳協同增效提供人力資本支持。

（二）拓展性分析

盡管數實融合能夠實現城市減污降碳協同增效，但企業數字化轉型的首要目標通常是追求效率提高和利潤增長。基于制度匹配理論，在環境制度缺失或政策執行力度不足的情況下，企業更容易將環境污染治理視為成本而忽視碳排放監控和廢物處理，由此可能導致數實融合在推動經濟增長的同時，難以有效減少污染物和二氧化碳排放。為了確保數實融合向環境友好型方向發展，政府需要采取嚴格的環境規制措施，通過激勵性和懲罰性措施提升生態價值在企業決策中的優先級，倒逼企業積極承擔環境保護的社會責任，展示環境友好型的企業形象。本文借鑒陳詩一和陳登科[36]的研究，用政府工作報告中與環境相關詞匯出現的頻次衡量環境規制（regulation），并基于雙重機器學習方法檢驗環境規制在數實融合實現城市減污降碳協同增效中的作用，具體模型如下：

其中，regulation表示環境規制，其余變量與前文設定一致。

拓展性分析結果如表6所示。表6列（1）的結果顯示，數實融合與環境規制交互項的系數為0.0033，且在 1% 水平上顯著。表6列（2）的結果顯示，數實融合與環境規制交互項的系數為0.0011，且在 1% 水平上顯著。這表明加強環境規制有助于強化數實融合在實現城市減污降碳協同增效中的積極作用，政府應重視環境規制的作用，不斷完善城市環境保護制度。

表6拓展性分析結果

六、研究結論與政策建議

（一）研究結論

數實融合對經濟社會發展、產業變革、生態環境優化具有重要作用，對推動中國現代化進程也具有重要影響。本文基于2011—2022年中國277個地級及以上城市的面板數據，在測算城市減污降碳協同增效和數實融合水平的基礎上，利用雙重機器學習模型實證檢驗了數實融合對城市減污降碳協同增效的影響及作用機制。研究結果表明，數實融合能夠實現城市減污降碳協同增效，且該結論在經過內生性檢驗和一系列穩健性檢驗后仍成立。異質性分析結果表明，數實融合對城市減污降碳協同增效的影響在高數字基礎設施建設水平城市、大城市和非老工業基地城市中更顯著。機制檢驗結果表明，數實融合通過推動綠色技術創新和優化勞動力配置實現城市減污降碳協同增效。拓展性分析結果表明，加強環境規制有助于強化數實融合在實現城市減污降碳協同增效中的積極作用。

（二）政策建議

第一，地方政府應當鼓勵擴大數字技術的應用范圍，充分發揮數實融合在實現城市減污降碳協同增效方面的積極作用。具體而言，以數實融合為契機，推動城市產業向高附加值和綠色環保方向轉型升級，努力實現經濟增長與減污降碳協同發展。既要淘汰落后產能與高污染企業，又要積極推動傳統實體產業數字化轉型，提高企業資源利用效率和環保水平。另外，還要加大對數字化產業的扶持力度，鼓勵城市打造數字化產業集群和數字產業鏈，積極推動數實融合。

第二，設立支持企業綠色技術創新的專項基金，制定和完善與綠色技術創新相關的稅收優惠政策，鼓勵企業加大綠色技術研發和應用投入。加強產學研合作，促進技術成果轉化應用，推動綠色技術標準化建設，提升技術的市場認可度。加大綠色技術人才的引進和培養力度，建立完善的人才體系，為綠色技術創新提供堅實的人才保障。推動綠色產業集群建設，提供政策和資源支持，吸引綠色轉型企業集聚，提升整體區域綠色產業的競爭力。

第三，優化勞動力市場空間格局，搭建智能化的勞動力供需對接平臺。利用企業招聘數據和求職者技能信息建立實時更新的崗位數據庫，通過智能分析推薦符合雙方需求的崗位和人才，引導更多勞動力集聚到綠色產業部門，使勞動力配置向綠色化、高效化崗位集聚。構建覆蓋城鄉的就業服務網絡，引導勞動者向綠色產業、新興產業流動，既緩解傳統行業勞動力過剩的壓力，又為數字化轉型企業輸送急需人才，實現人崗匹配效率、經濟效率和環境效率的同步提高。

第四，建立嚴格且精準的環境治理體系，為數實融合發揮經濟效應和生態效應提供制度保障。通過法律法規明確各行業的排放標準，利用人工智能和大數據建立多層次、全方位的環境監測網絡，加強對各類污染物排放的實時監管。建立跨區域、跨行業的環境信息共享平臺，實現動態監控和實時預警，進一步提升環境治理的精準性和透明度。加大環境法規的執行力度，對污染源實行分類分級管理。實施差異化的環保政策，對高污染、高排放的企業采取更嚴格的控制措施，給予低污染企業一定的支持，減少不必要的環境保護壓力。設立專門的環境風險基金，為積極采取環保措施的企業提供獎勵，鼓勵其進行污染控制和資源回收。實現環境治理信息公開透明，確保社會公眾可以獲取環境信息，從而增強企業社會責任感和環保意識。

參考文獻：

[1]朱峻質.數實深度融合邏輯與路徑研究述評[J].現代經濟探討，2025（3）：102-110.

[2]楊秀云，從振楠.數字經濟與實體經濟融合賦能產業高質量發展：理論邏輯、現實困境與實踐進路[J].中州學刊，2023（5）：42-49.

[3］岳利萍，楊欣怡.雙重環境目標約束下的產業轉型升級：“減污降碳\"何以\"協同增效\"[J].中國人口·資源與環境，2024，34（1）：46-58.

[4］趙燕，孫慧，馬點圓.城市綠色金融改革對減污降碳協同增效的影響研究——基于雙重機器學習的因果推斷[J].產業經濟研究，2024（3）： 15-28+58

［5］楊曉軍，薛洪暢.創新驅動政策是否促進城市減污降碳協同增效？——來自國家創新型城市試點政策的經驗證據[J].產業經濟研究，2024（3）：1-14.

[6]司聰，任保平.以數實深度融合建設現代化產業體系——戰略意蘊、重點任務與實現路徑[J].財經問題研究，

10JU[7］張瀝幻，張金昌.數實技術融合、企業轉型升級與新質生產力——基于A股制造業企業的實證檢驗[J].科技進步與對策，2024，41（20）：1-12.[8］李建奇，黃維晨.“數實融合\"下的平臺經濟與包容性就業——基于網絡招聘大數據的經驗研究[J].財經研究，2024，50（10） ：34-48.

[9]徐玉德，程東，范亞辰.筑巢引鳳來：數實融合與人力資本結構升級[J].財經論叢，2024（11）：3-12.

[10]李強，唐幼明.知識產權制度建設與工業污染排放[J].中國人口·資源與環境，2023，33（7）：145-156.

[11]楊騫，劉華軍.環境技術效率、規制成本與環境規制模式[J].當代財經，2013（10）：16-25.

[12]崔琳昊，馮烽.數實融合與城市綠色發展：影響與機制[J].上海財經大學學報，2024，26（4）：49-63.[13］黃曉暉.城市數字化轉型能否促進碳減排？——來自智慧城市試點的經驗證據[J].經濟發展研究，2024（2）：48-62.[14］朱俏俏，靳春麗，李征帛.數實融合能否助推工業減污降碳協同增效？——基于信息產業與工業的前后向關聯考察[J].南方經濟，2025（2）：68-96.

[15]史丹，孫光林.數字經濟和實體經濟融合對綠色創新的影響[J].改革，2023（2）：1-13.

[16]SUN G，FANG J，LIJ，et al. Research on the impactof the integrationof digital economyandreal economy onenterprise green innovation[J]. Technological forecasting and social change，2O24，2Oo：123097.

[17]曹增棟，岳中剛.數字經濟與實體經濟融合對碳排放強度的影響：理論模型與經驗證據[J].經濟問題探索，2024（12） ：1-16.

[18]鄺嫦娥，狄亞軒.數實融合對城市發展方式綠色轉型的影響[J].廣東財經大學學報，2025，40（2）：56-69.

[19］葛鵬飛，韓永楠，武宵旭.中國創新與經濟發展的耦合協調性測度與評價[J].數量經濟技術經濟研究，2020，37（10）：101-117.

[20]任保平，杜宇翔.黃河流域經濟增長—產業發展—生態環境的耦合協同關系[J].中國人口·資源與環境，2021，31（2）：119-129.

[21］楊思瑩，李政，李嘉辰.工業智能化轉型的環境效應及其機制研究[J].南開經濟研究，2023（11）：186-209.

[22］叢建輝，劉學敏，趙雪如.城市碳排放核算的邊界界定及其測度方法[J].中國人口·資源與環境，2014，24（4）：19-26.

[23]杜傳忠，張榕.健全促進數實深度融合的體制機制研究[J].財經問題研究，2024（12）：16-27.

[24] 谷成，史心旭，李鵬洋.數字經濟發展與稅收：綜述與展望[J].財政研究，2024（6）：3-22.

[25］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.

[26]謝思，房克雷，和軍.智慧城市建設能否促進數實融合？——基于雙重機器學習的因果推斷[J].產業經濟研究，2024（4）：100-113

[27]鄭浩天，靳衛東.數實融合賦能企業創新行為轉變：從技術引進到自主創新[J].經濟學家，2025（3）：97-107.

［28］王曉丹，石玉堂，劉達.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[J].南方經濟，2024（9）：25-44.

[29］劉誠，夏杰長.線上市場、數字平臺與資源配置效率：價格機制與數據機制的作用[J].中國工業經濟，2023（7） ：84-102.

[30]BODORY H，HUBER M，LAFFERS L.Evaluating（weighted）dynamic treatment efects by double machinelearning[J].The econometrics journal，2022，25（3）：628-648.

[31］江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[32] 史宇鵬，曹愛家.數字經濟與實體經濟深度融合：趨勢、挑戰及對策[J].經濟學家，2023（6）：45-53.

[33]郭晗，全勤慧.數字經濟與實體經濟融合發展：測度評價與實現路徑[J].經濟縱橫，2022（11）：72-82.

[34]楊剛強，王海森，范恒山，等.數字經濟的碳減排效應：理論分析與經驗證據[J].中國工業經濟，2023（5）：80-98.

[35]黃群慧.論新時期中國實體經濟的發展[J].中國工業經濟，2017（9）：5-24.

[36]陳詩一，陳登科.霧霾污染、政府治理與經濟高質量發展[J].經濟研究，2018，53（2）：20-34.

Summary：China’s current economic development is facing severe resourceand environmental constraints，and the traditional development model driven byhigh factor inputtodrive economic growth has become unsustainable.Achieving coordinated developmentof polutionreduction，carbon emisionreduction，andeconomic growth has becomeanurgent problem that needs to be solved to realize high-quality urban development.

Basedon panel data from 277 prefecture-level and above cities in China from 2011 to 2022，this paper uses the double machinelearning method，andempiricallteststheimpactof theintegrationof thedigitaleconomyand hereal economyon the synergy of urban polution reduction and carbon emisson reduction and its mechanism.The research resultsshowthattheintegrationofthedigitaleconomyandtherealeconomyisconducivetoachieving thesynergyof urban polutionreduction and carbon emisionreduction，and this conclusionremainsvalidafter a series of endogeneity treatmentsandrobustness tests.Theheterogeneityanalysis shows thattheimpactoftheintegrationofthedigital economy and the real economyonthe synergy of urban polution reduction and carbon emission reduction is more pronounced in cities withhighlevelsofdigitalinfrastructure，large-scalecities，andnon-oldidustrialbasecities.Themechanismanalysis showsthattheintegrationof thedigital economyandtherealeconomypromotes thesynergyof urbanpolutionreduction andcarbon emissonreduction bydriving green technological innovationandoptimizing laborallocation.Furthertests show thatstrengthening environmentalregulationhelpsenancethepositiveroleof theintegrationofthedigitaleconomyandthe real economy in achieving the synergy of urban pollution reduction and carbon emission reduction.

The marginal contributions ofthis paper are mainly reflected inthreeaspects.First，this paper studies whether and howthe integrationof thedigitaleconomyandtherealeconomycanachieve the synergyof urbanpolution reductionand carbonemissionreduction，thus expanding theresearch boundaryof the integrationof the digitaleconomyand thereal economy.Second，from theperspectiveof institutional matchingof theintegrationof thedigital economyandthereal economy，thispaperreveals theimportantguaranteeroleofstrictenvironmentalsytemsintheprocessoftheintegationof thedigitaleconomyandtherealeconomyachieving thesynergyof urban polutionreductionandcarbon emisionreduction. Third，thispaperfindsthattheintegrationof thedigital economyandthereal economycanachieve thesynergyof urban pollutionreductionandcarbonemisionreductionbydrivinggreentechnologicalinnovationandoptimizinglaboralocation. KeyWords：integrationof thedigital economyand thereal economy；synergyof urbanpollutionreductionandcarbon emission reduction；green technological innovation；labor allocation

（責任編輯：尚培培）