周梦雯 刘传明
1（对外经济贸易大学国际经济研究院，北京 100029）2（山东财经大学经济学院，济南 250014）
引言我国在快速的工业化和城市化进程中取得了巨大的发展成就，但粗放型的发展方式也导致碳排放和能源消费量急剧增加，作为能源消费和碳排放的大国，在履行全球碳减排的大国责任和改善自身经济社会发展产生的环境问题双重背景下，2020年9月习近平总书记在联合国大会上做出“30·60”的承诺，并在2021年首次将“碳达峰、碳中和”写入政府工作报告，协同推进降碳、减污、扩绿、增长是我国高质量发展的时代要求。当前，数字经济正在引领新一轮科技革命和产业变革，《数字中国发展报告（2022年）》 显示，2022年我国数字经济规模达50.2 万亿元，总量稳居全球第二，同比名义增长10.3%，占国内生产总值比重提升至41.5%。数字经济在改善资源错配、优化产业结构、促进提质增效等方面发挥重要作用，成为推动经济增长的新引擎和实现高质量发展的新动能［1］。那么，以“数字经济”为代表的产业政策和以“双碳”为目标的经济绿色转型能否实现“共赢”，是决定未来中国经济结构转型和绿色发展的关键。
数字经济和节能减排分别是中国经济转型发展的重要推力和目标函数，数字经济的快速发展可能对节能减排表现出双重影响。数字经济作为一种新的经济形态，能够降低交易成本、提高技术创新能力、提高资源流动性和配置效率，从根本上改变高耗能高污染的粗放型经济体系，使经济结构向着智能化、绿色化、集约化的方向发展，有利于节能减排目标实现；另外，数字经济发展需要建设数据中心、5G 基站等基础设施，消耗大量的电力能源，我国仍然是以煤炭为主的发电方式，这势必会增加对环境的压力，同时在促进经济发展的过程中需要更多的要素资源投入，提高能源消耗量和相应的碳排放，不利于节能减排目标的实现。
那么，数字经济能否成为节能减排的关键动力？数字经济与节能减排之间存在怎样的逻辑关系和影响机制？数字产业化和产业数字化又存在何种异质性影响机制？本文试图将数字经济、能源强度和碳排放强度三者置于统一框架，纳入数字经济空间关联网络特征，运用空间计量模型对上述问题进行探究。从现有文献来看，数字经济的环境效应，尤其是数字经济在实现“双碳”目标中的关键作用受到学者广泛关注。有学者研究发现数字经济能够降低区域碳排放强度［2］，表现出环境改善效应，也有学者检验了数字经济对碳排放的非线性影响，认为数字经济在不同的发展阶段对碳排放的影响方向不同［3］，徐维祥等［4］从空间效应视角探究了数字经济对城市碳排放的抑制作用。还有学者从数字经济与能源之间的关系出发，研究发现数字经济对地区能源效率的影响也呈现非线性特征，并且具有显着的空间溢出效应［5］。另外，部分学者从数字经济的不同维度探究了其异质性影响，主要是影响方向和影响大小的异质性［2］。
虽然已有文献对数字经济的环境效应做了诸多有益探索，然而数字经济、能源强度与碳排放强度三者之间的逻辑关系尚不明晰，已有文献对于空间效应的考察忽略了数字经济空间关联网络的溢出渠道，数字经济不同维度的影响机制异质性也有待进一步探究。
1 理论分析数字经济正在引领全球第4 次工业革命，成为国民经济的“稳定器”、“加速器”，实现低碳绿色发展是我国经济转型的重点，数字经济快速发展如何影响“双碳”目标达成引发了学界广泛关注，接下来将结合已有文献分析数字经济、能源强度和碳排放强度三者之间的关系。
1.1 数字经济对碳排放强度的影响数字经济对碳排放的影响具有双重效应，其中碳减排效应可以从以下3 点进行分析：（1）数字经济催生了大批新兴产业和新的商业模式［6］，逐步改变传统产业模式和生产方式，污染产业逐步淘汰，新兴产业发展壮大，生产过程中污染物排放将会减少；（2）随着数字技术打破地区间、行业间的信息传输壁垒，知识和技术的生产、传播、扩散效率大为提升，促进高新技术企业、高技能人才和研发资本等创新要素集聚和溢出，提高整个社会的知识存量和技术创新水平［7］，进而改善环境质量；（3）数字经济创新产业组织形态，提高产业内、产业间、产品内分工与协作效率，降低搜寻成本和流通效率，加快资源在部门之间的流动，扩大资源配置范围［8］，提高资源配置效率，有利于环境污染改善。
然而，数字经济发展过程中也会对环境产生负面影响，引起碳排放量的增加。数字产业作为数字经济的重要构成和发展基础，本身具有高耗能的特点［6］，据测算，全国数据中心每天耗电量占全社会发电量的1.5%～2.2%，数字硬件产品生产、数字基础设施建设及运营对环境的影响特别是碳排放问题不容小觑；另外，数字经济是经济增长的重要推动力，在促进经济规模扩张和增长过程中会加重资源的消耗和使用。据此，本文判定数字经济发展与碳排放之间呈现非线性关系，随着数字经济发展阶段的变化，对碳排放的抑制和促进效应交替发挥主导作用。
1.2 数字经济对能源强度的影响数字经济对能源强度的影响也会随着数字经济发展阶段的变化而改变，已有研究表明技术进步是提高能源效率、降低能源消费量最关键的因素［9，10］，而数字技术无疑是当下最前沿、最先进的技术，数字经济不仅能够对能源企业生产流程进行赋能，促进能源企业生产管理流程优化升级，从能源生产端提高效率，还能够对其他企业生产赋能，通过技术交流和知识溢出效应提高生产效率、节约成本，从消费端降低能源损失、提高能源利用率［11］。除此之外，数字经济快速发展会导致经济规模扩张，增加对资源的消耗和需求，数字经济本身对能源的需求和数字经济赋能新业态对能源的需求，本质上都未改变数字经济发展模式以能源消费为主要手段的情况，这会产生明显的“能源回弹效应”［13］，进而加大对能源的消费。因此数字经济与能源强度二者之间也存在非线性关系。
1.3 能源强度的中介效应能源消费是导致污染排放增加的最主要来源，以煤炭为代表的化石燃料燃烧会直接产生二氧化碳等污染物。随着数字技术在各行业领域的深度融合与应用创新，对生产过程中能源利用效率产生重要影响，进而影响能源消费强度，最终影响碳排放强度。从现有文献来看，国内外学者研究均表明能源消费是导致碳排放的重要因素［12，13］。从我国现实情况来看，数字经济发展过程中所表现出的能源消耗量增加已经被关注到，“东数西算”战略的提出旨在将能源消耗量较大的数据中心和算力资源布局在自然环境适宜、资源禀赋富裕的中、西部地区，从而降低能源消耗减轻环境污染。据此本文提出数字经济可能通过能源强度影响碳排放强度。
2 研究设计2.1 空间计量模型设定数字经济能够突破地理距离和时空限制，强化地区之间的空间关联交互效应。本文构建空间杜宾模型，如下所示：
其中，i表示省（区、市），t表示年份，cbit表示碳排放强度，digit表示数字经济发展水平，为考察数字经济和碳排放强度之间的非线性关系，将数字经济的二次项和三次项引入模型。wij是空间权重矩阵，用来表示地区之间的空间邻近关系。μi表示地区固定效应，λt表示时间固定效应，εit为随机扰动项。
2.2 空间权重矩阵设定本文基于修正的引力模型刻画30 个省（区、市）（基于数据的可获得性，西藏及港、澳、台地区未包含在内）之间的数字经济空间关联网络距离，生成省际数字经济的空间关联网络，以此构建数字经济网络关联空间权重矩阵，修正后的引力模型为：
其中，Wij为省（区、市）i和省（区、市）j的数字经济空间关联网络权重，digi、digj分别是省（区、市）i和省（区、市）j的数字经济发展水平，gdpi、gdpj分别是省（区、市）i和省（区、市）j的实际GDP，Dij表示省（区、市）i和省（区、市）j之间的地理距离，通过ArcGIS 计算获得，kij表示省（区、市）i数字经济发展的贡献率。计算出省际数字经济空间关联矩阵后，对矩阵各行取平均值作为临界值，当空间关联强度大于临界值时取1，表明该行省（区、市）对该列省（区、市）数字经济发展具有空间关联关系，当空间关联强度小于临界值时取0，表明该行省（区、市）对该列省（区、市）数字经济发展不具有空间关联关系。由此根据省（区、市）之间贡献度和引力的差异，得到一个0～1 型非对称空间网络权重矩阵。
根据修正的引力模型确定省（区、市）之间的数字经济空间关联关系并建立关系矩阵，运用Gephi 软件绘制了2005年、2012年和2021年的网络图（图略）。可以看出，我国数字经济空间关联关系数和网络密度逐年上升，2005年的关联关系数是172 个，2012年上升到443 个，2021年为659 个，省际数字经济空间关联的整体网络密度呈逐年上升趋势，从2005年的0.198 上升到2021年的0.757，说明我国省际之间数字经济的空间关联越来越密切。从网络节点来看，北京、上海、广东、江苏、浙江等东部发达省（区、市）在数字经济空间关联网络中与其他省（区、市）的关系数较多，占据核心地位。随着数字经济发展，部分中、西部省（区、市）依托自身优势在全国数字经济空间关联网络中的地位逐渐上升，而青海、新疆、黑龙江、吉林等西部和东北地区的省（区、市），由于经济规模相对较小，发展数字经济的基础较弱，地理位置相对偏远等因素，数字经济与其他省（区、市）之间的空间关联较弱。
2.3 变量说明与数据来源本文核心解释变量为数字经济发展水平（dig）。综合考虑数据的可得性和准确性、计算出来数字经济指标的连续性和可比性，借鉴刘军等（2020）［14］、王军等（2021）［15］的研究，从数字产业化与产业数字化两个维度，采用基于层次分析的变异系数法来测度地区数字经济的发展水平并对其取对数，其中数字产业化和产业数字化分别包括4 个二级指标，共28 个三级指标①。
被解释变量是碳排放强度（cb）。采用单位产出的二氧化碳排放量作为地区碳排放的衡量指标，由各省（区、市）碳排放总量与产出的比值取对数得到。稳健性检验用人均碳排放强度、碳排放总量指标表示。碳排放数据来源于中国碳核算数据库（CEADs）。
根据已有研究，选取劳动生产率（lab）、人均收入水平及其二次项（pgdp、spgdp）、城镇化水平（urban）、能源消费强度（energy）、产业结构（sgdp）、技术进步（tec）、对外开放度（fdi）、环境规制（er）作为控制变量，数据来源于《中国统计年鉴》、《中国环境统计年鉴》、《中国科技统计年鉴》、《中国能源统计年鉴》、各省（区、市）统计年鉴和EPS 数据库等，所有价格变量均以2005年为基期进行平减，绝对值变量均取对数处理。
3 实证回归结果分析3.1 基准回归结果运用空间计量模型对数字经济与碳排放强度之间的关系进行检验，根据前文的分析，数字经济与碳排放强度表现出非线性关系，若数字经济的三次项系数为负，则说明数字经济与碳排放强度之间整体呈现负向相关关系，即在某种条件下存在“减排”效应。回归结果表2 展示数字经济的一次项、二次项和三次项均在1%的水平上显着且符号依次为负、正和负，表明数字经济与碳排放强度存在倒“N”型关系。当数字经济发展水平低于1.87 时，二者为负向关系，这一阶段处于信息化和数字化的起步期，通过规模效应和成本节约效应对碳排放强度产生抑制作用。当数字经济发展水平处于1.87～4.17 时，对碳排放强度表现为显着的正向促进作用，这一阶段数字技术在产业中的应用水平不高，数字经济发展带来的产出扩张大于数字经济带来的成本下降、资源优化配置对碳排放的抑制效应，使得碳排放强度明显增加。当数字经济发展水平超过4.17 时，发展数字经济的各类基础设施建设已相对成熟，数字技术的正外部性、共享性及各类溢出效应凸显，数字经济对地区碳排放强度产生抑制作用。空间溢出效应系数的一次项、二次项和三次项至少在5%的水平上显着且符号依次为负、正和负，说明数字经济对邻近地区碳排放也呈现“抑制－促进－抑制”的三阶段特征。因此，空间互动和地区竞争在改变省际之间的碳排放强度方面发挥着至关重要的作用，考察数字经济对碳排放的影响效应时要注重地区协同。
表1 描述性统计
表2 基准回归结果
表3 稳健性检验
3.2 稳健性检验为进一步验证基准回归结果的可靠性，本文采取以下3 种方式进行稳健性检验：（1）替换被解释变量。将单位产出的碳排放强度替换为人均碳排放强度和碳排放总强度；（2）替换空间权重矩阵。将空间权重矩阵替换为地理－经济距离嵌套矩阵，对地理距离和经济距离矩阵各赋50%的权重；（3）排除全国碳排放权交易试点的干扰。为避免其他类型的碳减排政策对本文结果造成干扰，本文控制碳排放权交易试点对碳排放强度的影响，根据全国碳排放交易试点设置的时间和地区构造碳排放权交易试点变量（tjy），作为控制变量加入回归中。回归结果与基准结果一致，具有稳健性。
3.3 内生性问题处理本文考虑到地区之间存在空间溢出效应，采用空间计量模型进行回归，一定程度上缓解了模型的内生性问题，为了进一步避免可能出现的反向因果问题和遗漏变量偏差，本文借鉴黄群慧等（2019）［16］的研究，采用1984年各省（区、市）固定电话数量和邮局数量作为工具变量。具体地，历史邮电数据与当今数字经济发展息息相关，现代信息技术的发展以传统信息技术为基础，过去的技术和使用习惯都会传承和延续，满足相关性要求；另外，1984年一个地区的固定电话数量和邮局数量难以对20年后该地区的碳排放量产生影响，满足外生性要求。由于1984年固定电话和邮局数量是截面数据，最终本文将各省（区、市）每万人1984年固定电话和邮局数量与上一年全国长途光缆线路长度的交互项作为工具变量。根据表4 中Kleibergen－Paap rk 的LM 统计量和Anderson－Rubin Wald Test F 值可以看出，选取的工具变量不存在识别不足、弱工具变量和过度识别的问题。运用工具变量得到的回归结果与基准一致，解决内生性后本文得到的回归结果仍然稳健。
表4 内生性问题处理
3.4 能源强度的中介效应与数字经济的“节能”效应能源是碳达峰碳中和的重点领域，节能是推进碳达峰碳中和、促进高质量发展的重要手段。接下来本文将对数字经济的“节能”效应进行考察，具体而言，若数字经济的三次项系数符号显着为负，则说明数字经济在某种条件下能够表现出“节能”效应。本部分借鉴江艇（2022）［17］提出的中介机制检验方法，将被解释变量替换为能源强度。表5 说明数字经济与能源强度均表现出倒“N”型关系，即在数字经济发展初期能够降低能源强度，但是随着数字经济的进一步发展存在“能源回弹效应”，当数字经济发展水平超过某一数值时，对能源强度起到抑制作用。计算倒“N”型曲线的两个拐点分别为1.72 和3.97，两个拐点数值均显着低于数字经济对碳排放强度影响的拐点值，说明能源强度是数字经济影响碳排放强度的作用渠道，并且在数字经济发展水平提高到一定的数值之后，具有“节能”和“减排”的双重效应。
表5 能源强度的中介效应与数字经济的节能效应检验
3.5 数字产业化与产业数字化双重维度的机制效应检验（1）能源强度机制与节能效应检验
将数字产业化（digcy）与产业数字化（cydig）分别对碳排放强度和能源强度进行回归，结果见表6 所示。列（1）、（2）是对碳排放强度的回归结果，数字产业化和产业数字化的一次项、二次项和三次项系数符号均在1%显着性水平下为负、正、负，存在倒“N”型关系，计算数字产业化两个拐点值分别为1.51 和3.89，产业数字化的两个拐点值为2.19 和5.02。列（3）、（4）是对能源强度的回归结果，呈现出倒“N”型的非线性关系，数字产业化影响能源强度的两个拐点分别为1.33 和4.03，第二个拐点明显大于数字产业化对碳排放强度的第二个拐点值，说明数字产业化通过能源强度影响碳排放强度的机制渠道不成立。产业数字化影响能源强度的两个拐点分别为1.99 和4.58，两个拐点值均小于产业数字化影响碳排放强度的拐点值，说明产业数字化通过影响能源强度进而影响碳排放强度的作用渠道成立。
表6 数字产业化和产业数字化的异质性机制检验
（2）产业集聚机制检验
将被解释变量更换为地区产业集聚水平，产业集聚（agg）以单位面积的非农产出来衡量。通过表6 列（5）回归结果发现，数字产业化三次项系数分别为正、负、正的“N”型关系，而产业集聚与地区环境污染之间的关系往往遵循倒“U”或倒“N”型曲线关系，即达到一定的集聚水平之后会表现出明显的环境友好效应［18，19］。两个拐点值分别为1.98 和3.64，第二个拐点明显小于数字产业化影响碳排放强度的拐点值，产业集聚是数字产业化影响碳排放的一个作用渠道，数字产业化的快速发展会加强各类产业在空间上的集聚性，随着集聚水平的改变，范围经济和拥挤效应交替发挥主导作用，通过产业间溢出效应和规模效应的发挥对地区碳排放水平产生影响。列（6）表明产业数字化对产业集聚的回归不显着，即产业集聚不是产业数字化影响碳排放的一个作用渠道。
4 结论与政策建议数字经济正在引领全球新一轮科技革命和产业变革，是达成“双碳”目标的必由之路。本文将数字经济、能源强度和碳排放强度三者置于统一框架，采用基于层次分析的变异系数法从数字产业化和产业数字化两大维度构建地区数字经济发展指数，利用空间杜宾模型实证检验得出以下结论。数字经济对能源强度和碳排放强度的影响均呈现倒“N”型特征，具有显着的空间溢出效应，数字经济发展到一定阶段可以实现“节能”与“减排”双赢。数字产业化和产业数字化影响碳排放强度的渠道存在异质性，数字产业化通过产业集聚影响碳排放强度，产业数字化通过能源强度影响碳排放强度。
据此，得出以下政策启示：（1）促进数字产业化与产业数字化协调发展，加强数字产业集群，提高数字产业的能源利用率，引导数字基础设施向着高效节能、绿色低碳的方向发展，深化数字经济与实体经济融合，发挥数字技术在传统产业中的能源效率提升和污染减排作用；（2）注重数字经济发展过程中的地区协同，强化地区产业集群和行业交叉融合发展。要进一步加快区域性数字科技创新中心、数字产业创新中心、数字知识产权中心的建设，发挥其“数字鸿沟”的弥合作用和区域增长减排协同效应；（3）根据不同地区数字经济发展阶段，制定与之相适应的数字经济和节能减排政策。发达地区发挥“领头羊”对其他地区的引领示范作用，欠发达地区用足自身制度优势，加强与发达地区的经济联系，提升全国数字经济治理协同性。
注释：
①由于篇幅限制，留存备索。将本文计算得到的2019年30 个省（区、市）数字经济发展指数与腾讯研究院、中国信通院、赛迪研究院发布的2019年数字经济指数排名进行比较，发现整体来看差异性不大，广东、江苏、浙江、北京、上海位居前五位，内蒙古、甘肃、海南、宁夏、青海排名后五位，说明本文测算的数字经济发展水平是可靠可信、科学合理的。
