摘 要：数字经济是推动我国经济高质量发展的重要组成部分，随着数字经济规模不断扩大，基于我国2013—2020年30个省份面板数据，通过熵权法等方法构建数字经济发展指数和碳排放总量。该领域产生的环境影响，尤其是碳排放问题引起各界关注。但是目前数字经济对碳排放的影响尚不明确，本文旨在探究数字经济发展与碳排放的内在联系，促进“双碳”政策下实现数字经济高速发展。同时文章运用门限模型，分析数字经济发展综合测度以其二级指标与碳排放总量间的非线性关系，结果表明：数字经济发展水平越高，抑制碳排放效果越强；数字化基础和数字化应用对碳排放的影响呈现倒“V”型关系。此外文章还使用了固定效应对模型进行稳健性分析，说明模型具有较高的准确性和较强的解释力。
关键词：数字经济；碳排放；熵权法；门限模型；非线性关系
中图分类号：F205 文献标识码：A 文章编号：2096-0298（2024）07（b）--05
1 引言
伴随数字技术革命的到来，数字经济已成为中国经济发展的重要驱动之一。根据《中国数字经济发展与就业白皮（2022）》披露，2021年中国数字经济规模达到45.5万亿元，同比增长16.2%，占GDP总量的39.8%。数字经济成为驱动经济转型升级的重要动力引擎，在国民经济中发挥着明显的支撑作用。
然而，现代技术的发展更迭往往需要投入大量的能源，能源的消耗带来CO2等温室气体的持续排放，造成全球升温等环境问题。我国CO2排放由2005年的近60亿吨增长至2023年的126亿吨。中国作为一个负责任的大国，为应对全球气候变暖给人类社会生存和发展带来的挑战，于2020年提出“双碳”政策。作为推动经济高质量发展的新动能，落实数字技术转化助力实现碳中和已是大势所趋。2021年5月，为合理利用数据要素多角度、多行业、多层次的特征，中国首个碳中和大数据研究院成立。但根据摩尔效应，当前数字基建投资建设数量正呈现指数增长趋势，建材、有色金属等重点排放行业的生产急剧上升，数字基建反而会成为新的碳排放增长因素；5G、数据计算中心等互联网设备的运算，本质是计算机处理庞大数据并交互传递的过程，这会消耗大量电力，而中国目前仍以煤炭发电为主导，也可能会加剧碳排放。
梳理国内外文献可以发现，国际现有的代表性数字经济指标研究体系有：ICT，即信息通讯技术，是国际电信用来检测和比较世界各国ICT发展水平的综合实数；OECD于《Measuring the digital economy》发布的数字经济发展指标，以智能基础设施投资、社会推进、释放创新性、增长和就业等为主体的核算框架；欧洲发布的《Digital Economy and Society（2016）》提出构建数字经济的一级指标，包括宽带连接、数字化公共服务等。中国测算数字经济发展相关指标研究起步较晚，但近几年，随着国内数字产业化和科技创新，形成适合中国国情的数字经济发展指数势在必行。为避免单一指标的主观性和片面性，有学者将数字经济测算分为数字产业化和产业数字化，通过多级指标构建数字经济综合评价指数（王军，2021）；从广义数字经济概念出发，以数字交易为解释核心构建数字经济卫星账户（杨仲山，2019）。这些研究为数字经济发展的研究奠定了坚实的基础。
碳排放指在一定区域和时间内经济主体所产生的以二氧化碳为主的温室气体的总称，通常用碳排放总量和碳排放强度来代表其程度。然而，国内外尚未公布统一计算方法。在过去几年里，许多学者和研究团队针对碳排放量的测算和评估进行了深入探讨，提出了各种各样的方法和技术。IPCC方法最为常用，即利用不同能源固碳量、含碳量乘以其氧化率来进行估算。例如杨世乒和何邕健（2021）以县域为单位，通过排放系数法创造性的测算出县级单位排放数据。郭玲等（2022）的研究则利用多区域投入产出模型有效测算了多国或多地区的碳排放量，为跨地区碳排放研究提供了有力支持。此外，一些研究将不同方法结合起来，以提高测算的准确性和全面性。Shao等（2024）在研究中结合IPCC方法和投入产出法，通过对投入产出表中的数据进行分析，估计了能源消耗和碳排放量，为地区碳排放的综合评估提供了重要参考。
目前，数字经济高速发展，学术界对于数字经济研究视角颇多，包括但不限于数字经济的内涵与外延（王定祥等，2023），数字经济对中国农业现代化（傅华楠，李晓春，2023）、产业结构化（孙天昊，王妍，2023）、家庭消费（杨碧云等，2023）和产业综合升级转型（吴甲戌，2021）等方面的研究。近年来，国内外学者逐渐将视角放在研究数字经济与碳减排之间的关系上。综合现有文献来看，微观层面，数字经济可以提高企业创新质量（宋敬，2023）、加快研发新材料技术（于娟，2022）和提升管理行为（Umsan，2021）等从企业角度减少碳排放，数字经济通过提高产业间的资源配置效率（荆文君，孙宝文，2019）和改善能源结构（谢云飞，2022）等从产业角度减少碳排放；宏观层面，数字经济通过联系区块链经济（陆岷峰，2023），促进绿色创新达到城市绿色转型（张哲华，2023）等从城市、政府等层面减少碳排放。但是上述大多研究的是数字经济对于碳排放的正面效应，对于构成数字经济的下级指标如数字化基础、数字化创新等，对碳排放的影响研究较少，忽略了数字经济基础等数字经济底层架构和数字化创新带来的可持续发展前景对于碳排放的影响。
整体上看，国际研究机构关于数字经济指标体系的研究各有侧重，涉及多种不同指标体系，但难以适用于中国各省域异质发展带来的差异；国内衡量数字经济发展的指标体系较多，但还没有建立数字经济分类的标准，不同机构测度数字经济的数据来源多样，并且指标科学性及彼此之间的逻辑关系不明。碳排放量的测度存在着同样的缺陷。此外，数字经济与碳排放之间的相关性研究较多，但在一定程度上忽略了数字经济不同组成成分对碳排放的影响。因此，本文构建合适的衡量数字经济发展的指标并利用门限回归模型探究数字经济各组成成分对碳排放的影响，可以一定程度上补充国内研究的空白，具有一定的理论意义。本文旨在为政策制定和实践应用提供科学依据，助力我国经济可持续发展和实现“双碳”目标。
2 指数构建
2.1 数据来源
本文选择2013—2020年我国30个省（自治区，直辖市）的相关数据，不包括港澳台和西藏地区，作为研究样本。其中测算数字经济发展水平的三级指标，来自《中国统计年鉴》、EPS数据库；测算碳排放的各类能源消耗量和水泥产量，来自《中国统计年鉴》《IPCC国家温室气体清单编制指南》。
2.2 指标构建方法
2.2.1 数字经济发展指数
（1）指标的选取。国务院印发《“十四五”数字经济发展规划》对数字经济的定义如下：数字经济是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。由此可得，数字经济的显著特点在于信息通信技术以及数字化转型。基于综合性、可比性、权威性和可获得性的原则，充分借鉴《2020中国数字经济发展指数（DEDI）》，本文从数字化基础、数字化应用、数字化创新和数字化效益4个维度，共选取15个指标，对我国数字经济发展水平进行评估。对于随时间有明显变化的数据，其缺失值运用灰色预测模型和ARIMA模型进行填充，而变化较平稳的数据，其缺失值用均值代替。
（2））指标的构建。数字化基础，是指能够体现数字经济特征的新一代信息基础设施建设，涵盖5G互联网、人工智能、工业互联网等领域。短期看，数字化基础将对数字经济直接起到拉动作用；长远看，我国面对数字经济发展趋势，进行前瞻性数字化基础建设将有望长期改善经济发展结构；数字化应用，是指利用智能制造、工业互联网等数字技术将传统的大规模标准化产品变革为大规模数字化产品。不仅包括新的数字产品，如智能推荐等信息化服务，还包括传统产品的数字化，如电子书、数码产品等，以及将数字技术融合至硬件产品，如智能生产设备、无人驾驶汽车等；数字化创新，是指运用数字化手段进行创新的能力。从企业角度，数字化创新核心是使用现代数字技术优化流程、改善产品体验和提供新的业务模式。数字化效益，是指企业通过数字化转型，改变业务体系和价值模式，利用新一代信息技术的赋能作用带来的直观效益。
结合以上二级指标，本文运用目前企业活动和以往研究中较为常见的指标作为三级指标。
为避免层次分析法等带来的主观性，本文运用熵权法确定指标权重大小。通过熵权法得到各三级指标权重后，二级指标通过各三级指标权重和得出。最终权重如表1所示。
2.2.2 碳排放的测算
本文综合《IPCC国家温室气体清单编制指南》和王华奕等（2021）的研究，采用能源活动中化石燃料燃烧和水泥工业成产的CO2之和计算碳排放总量，碳排放量测算公式如下：
其中，i表示不同类型化石燃料；EC表示化石燃料的消耗量；Ei表示燃料总消耗量；CFi和COFi分别表示各化石燃料对应热值和氧化因子；3.67表示由碳完全氧化为CO2后质量与氧化前之比（44/12）。CC表示水泥生产过程中排放的CO2；Q为水泥产量；EFcement为水泥生产过程中的CO2排放系数。
3 数字经济发展和碳排放总量现状分析
我国省域2013—2020年数字经济发展指数数据，从空间角度来看，我国数字经济水平仍呈现出发展不平衡的态势，具体表现为：广东、江苏等沿海省份发展形势较好，且平均增速较高，多为我国经济带中心城市所在省份，如粤港澳大湾区，长江三角洲等；甘肃、青海等西北地区，因气候、环境等因素，数字经济发展较为落后，但2015年，西北地区数字经济发展指数均有较大幅度上升。中部以安徽、河南为代表省份，数字经济发展处于全国平均水平，但增速较快。从时间角度来看，广东省自本文统计维度开始，一直处于高水平数字经济发展，且平均增速远超国内平均发展增速；上海、重庆等直辖市，由于省域面积、人口等条件限制，发展平稳，但数字经济发展仍受限制。
根据我国省域2013—2020年碳排放量数据，从空间角度，山东、河北等北方沿海地区碳排放总量大，趋势较为平稳；内蒙古，新疆等北方省份，由于常住人口生活习惯等因素碳排放总量保持上升趋势；中部地区碳排放总量发展趋势较为平缓。
4 碳排放与数字经济发展的非线性研究
4.1 变量选择及数据来源
本文选取以下变量构建门限模型。
（1）被解释变量：碳排放总量（Ce）。
（2）解释变量：数字经济发展指数（Digel），为探究构成数字经济发展水平的二级指标是否与碳排放间存在非线性关系，本文将进一步运用4个二级指标为解释变量。
（3）控制变量：为提高数字经济对碳排放影响估计结果的可靠性，本文选取如下控制变量：经济发展水平（GDP）：采用各省人均GDP；人口密度：采用城市人口密度（Cpd）；地方电力使用情况：采用各省用电量（Te）；各省道路发展及汽车尾气指标：采用公路客运量（Nor）；该省工业发展状况：该省工业企业数量（Tic）。以上变量的数据来自《中国统计年鉴》《中华人民共和国国民经济和社会发展统计公报》等。
4.2 构建模型
本文运用Hansen（2000）提出的门限回归模型，结合本文对碳排放与数字经济发展的研究前提与数据构建以下模型：
为探究构成数字经济发展指数的二级指标与碳排放是否存在非线性关系，本文将解释变量更换为二级指标构建以下模型：
其中，Ceit为第t年第i个省的碳排放总量（被解释变量），Digelit为第t年第i个省的数字经济发展指数（解释变量），Innit、Founit、Appit和Beneit为第t年第i个省的二级指标，I（）为示性函数，y为门限值，小于门限值，前者为1，后者为0。Xit为一系列控制变量，εit为随机误差项。
4.3 门限效应模型检验
在1000次自举抽样下对门限值进行检验，相关检验数据结果见表2。
在以数字经济发展水平为解释变量和门限变量的门限模型中，Digel在单一门限效应估计中P值为0.050，在5%水平下显著，具有统计学意义，即数字经济发展水平与碳排放量间存在非线性关系。在以二级指标为解释变量的门限模型中，App和Bene在单一门限效应估计中在5%水平下显著；以Foun作为解释变量，P值小于0.1，即在10%水平下显著；以Inn作为解释变量，三个门限值都未在10%的水平下出现显著性，即数字化创新与碳排放间不存在由于门限值而产生的非线性关系。因此，根据检验结果，本文运用单门限模型对通过门限值显著性检验的解释变量，即数字经济发展水平、数字化基础、数字化应用、数字化效益进行分析。
4.4 结果分析
本文对门限效应进行回归，得到一次项系数，见表3。
由表3可知，数字经济发展水平与碳排放之间呈现负相关关系，存在单一门限效应，门限值为0.245，在5%的水平上通过显著性检验。当数字经济发展水平低于0.245时，数字经济发展会对碳排放有抑制作用；当数字经济发展水平高于0.245时，该抑制作用加强，系数由-0.46下降至-2.49，即数字经济发展水平越高，对于碳排放的抑制作用越强。
本文从构成数字经济发展水平的二级指标进行分析，当数字化发展水平低于0.245时数字化基础（Foun）和数字化应用（App）会对碳排放有促进作用，高于0.245时，产生抑制作用。Foun系数由1.13变至-1.05，App系数由1.27变至-0.14，影响呈现倒“V”型关系，数字经济起步阶段需进行大量基础设施建设和由数字化知识到数字化产品的过度。我国目前仍由煤炭发电作为主要供电来源，而金属、生产产品等需消耗一定化石能源，会导致碳排放增加；随着基础设施逐步建设完善、数字化产品产生规模经济效应，化石能源消耗降低，成本减少，反而会对碳排放产生抑制作用。数字化效益与碳排放关系和数字经济发展水平与碳排放之间的关系高度类似。
4.5 稳健性检验
为防止遗漏某些变量带来内生性问题，导致解释变量的预测系数不准确，本文运用固定效应模型对数字经济发展水平和碳排放之间的非线性关系进行检验，在原有的门限模型基础上改进为：
其中，μi为省份固定效应，φt为时间固定效应。本文分别将同时控制省份和时间、控制省份、控制时间的门限模型进行检验并回归，结果见表4。
由表4可知，数字经济发展水平与碳排放在1%的显著性水平下呈现负相关，与未添加固定效应的门限模型结果一致，通过稳健性检验。在双重固定模型下，碳排放与城市人口密度和各省用电量存在较强相关性，与经济发展水平、公路客运量、该省工业企业数无显著性相关。
5 结论与建议
5.1 研究结论
本文以2013—2020年我国省域面板数据为样本，对碳排放的相关性及门限效应进行实证分析，得出以下结论：通过门限模型验证了数字经济与碳排放间呈现非线性负相关关系，存在单一门限效应，门限值为0.245，当该省数字经济发展水平高于0.245时，对碳排放的抑制作用更为显著。通过更换解释变量为构成数字经济发展的二级指标得，数字化基础和数字化应用与碳排放间呈现倒“V”关系，即数字化基础和数字化应用在门限变量低于门限值时，会促进碳排放，高于门限值时，会抑制碳排放；数字化效益对碳排放产生的影响与数字经济对碳排放产生的影响类似，呈现非线性负相关，当门限变量高于门限值时，对碳排放抑制作用更加明显。
5.2 对策建议
（1）加大对数字经济发展的支持力度。各省政府应通过制定一系列激励政策，如税收优惠、财政补贴和融资支持，鼓励企业加大对数字技术的研发投入，推动数字经济快速健康发展，使之跨越对碳排放抑制作用的门限值。这将有助于数字经济在更高水平上发挥对碳排放的抑制作用，从而实现碳排放的有效减少。
（2）优化数字化基础和数字化应用结构。要充分发挥数字化基础和数字化应用对于碳排放的倒“V”型关系，一方面，政府应引导企业合理配置数字化资源，推动数字化基础建设的均衡发展，避免在数字化初期阶段因资源浪费而加剧碳排放。另一方面，政府应鼓励数字化应用创新，推动传统产业与数字技术的深度融合，通过智能化生产、精细化管理等方式降低碳排放强度。同时，在两者发展较为全面的情况下，应进一步加强两方面的联系和建设，在数字化基础和数字化应用不断发展的过程中，实现碳排放的减少。
（3）提升数字化效益以强化减排效果。根据研究，数字化效益在减少碳排放方面具有巨大潜力，因此各省政府应关注提升数字化效益。具体而言，政府可以对创新性企业进行补贴，支持企业开展数字化改造，提升生产过程的自动化和智能化水平。同时，培养数字化创新性人才，提高科研人员待遇，为创新型发展奠定坚实的人才保障。加强高校创新技术与企业相结合，多鼓励进行数字技术、互联网建设、电子商务等创新性研究。此外，建立健全数字化效益评估体系，定期监测和评估数字化效益对碳排放的影响，以便及时调整政策方向和相关措施。
参考文献
傅华楠，李晓春.数字经济驱动中国农业现代化的机制与效应[J].华南农业大学学报（社会科学版），2023，22（3）：18-31.
郭玲，宁才晟，王文烂.中国林产品生产侧碳排放量的测度与效应分解： 基于多区域投入产出与结构分解分析模型[J].林业经济，2022，44（5）：23-40.
陆岷峰.新格局与区域经济协调战略： 数字技术与供应链双支撑模式探讨[J].新疆社会科学，2022（5）： 1-20.
刘乙瑶，郭金辉.我国省域碳排放指数测算与动态影响因素研究[J].价格理论与实践，2019（10）：59-62+167.
宋敬，陈良华，叶涛.数字经济能够提升企业创新质量吗： 基于新熊彼特增长理论视角[J].科技进步与对策，2023，40（12）：1-11.
孙天昊，王妍.数字经济视角下的产业结构优化： 基于供需均衡模型的实证分析[J].统计学报，2023，4（2）：1-16.
王华奕.中国人口结构与城镇化对碳排放的影响研究[D].长春： 吉林大学，2021.
王军，朱杰，罗茜.中国数字经济发展水平及演变测度[J].数量经济技术经济研究，2021，38（7）：26-42.
王定祥，胡建，李伶俐，等.数字经济发展： 逻辑解构与机制构建[J].中国软科学，2023（4）：43-53.
吴甲戌.数字经济对我国产业转型升级影响研究[D].杭州： 杭州电子科技大学，2021.
武志勇，王则仁，马永红.研发投入、国际化程度与制造企业价值的门槛效应分析[J].科技进步与对策，2020，37（14）：94-101.
杨碧云，郭壮哲，易行健，等.数字经济促进居民家庭消费升级的微观效应： 基于CHFS的经验证据研究[J].经济评论，2023（3）： 31-47.
杨世乒，何邕健.中国县域经济发展对碳排放的影响研究[J].西部人居环境学刊，2021，36（6）：16-22.
杨仲山，张美慧.数字经济卫星账户：国际经验及中国编制方案的设计[J].统计研究，2019，36（5）：16-30.
于娟.科技创新、数字经济与绿色低碳共助我国纺织工业高质量发展[J].中国国情国力，2022（8）：30-32.
余星辉，卜亚.数字经济发展对城市碳排放的影响[J].金融与经济，2023（1）：74-84.
张成龙，余珍风.中国“双碳”标准化建设发展状况与对策分析[J].生态经济，2023，39（5）：53-58.
张哲华，钟若愚.数字经济、绿色技术创新与城市低碳转型[J].中国流通经济，2023，37（5）：60-70.
OECD.Measuring the Digital Economy： A New Perspective （Chinese version）[J]. Shanghai Far East Publishing House，2015.
Shao， M.， Dong， X.， & Huang， H. Measurement of carbon emissions and responsibility sharing for the industrial sector in Zhejiang， China[J]. Heliyon，2024.
Usman， A.， Ozturk， I.， Hassan， A.， et al. The effect of ICT on energy consumption and economic growth in South Asian economies： an empirical analysis[J]. Telematics and Informatics，2021.
