〔摘 要〕 本文运用２００６～２０２２ 年我国３０ 个省（区、市）的面板数据， 实证考察了数据要素的减污降碳效果。研究发现： 数据要素能够实现减污降碳的双重环境福利， 且主要通过资源配置效率提升、产业结构优化升级、绿色技术创新和公众环境关注度提升的渠道实现； 异质性分析发现， 数据要素在促进减污降碳方面存在市场化水平和数字基础设施异质性特征。进一步研究发现， 数据要素在实现本地区减污降碳的同时， 也会对邻近地区产生空间溢出效应； 结构效应回归结果显示， 数据要素对减污降碳的影响效果整体呈现地区环境污染和碳排放越高其减污降碳效果越明显的态势。本文研究结论为在双碳目标和新发展理念下如何借力数据要素“东风” 实现减污降碳的“双赢” 提供了重要启示。
〔关键词〕 数据要素 减污降碳 资源配置效率 产业结构优化升级 绿色技术创新 公众环境关注度 空间溢出 结构效应
ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２４．１０．００８
〔中图分类号〕Ｆ０６２ ９； Ｆ２０５ 〔文献标识码〕Ａ
引 言
２０２０ 年中央经济工作会议提出， “继续打好污染防治攻坚战， 实现减污降碳协同效应”， 之后党的二十大报告和２０２４ 年《政府工作报告》等也均对如何有序推进碳达峰中和、协同推进减污降碳做出系列部署。这就决定了我国既要减污来实现环境质量改善， 又要降碳来为实现双碳目标奠定扎实基础。２０２３ 年１２ 月， 国家数据局等１７ 部门联合印发了《“数据要素×” 三年行动计划（２０２４～２０２６ 年）》， 其中将“数据要素×绿色低碳” 列为重点行动之一， 明确“夯实生态治理数据基础” 和“大力提高碳足迹管理水平” 等具体要求， 为推动数据要素服务于减污降碳目标提供了新的思路。然而， 尽管当前我国数据要素融合应用、流通和共享机制不断健全， 生态环境智慧治理水平不断提升， 但数据壁垒并未实质性打通， 跨部门合作、信息共享和资源整合不够顺畅， 这可能会阻碍数据要素的绿色价值释放。因此， 数据要素对减污降碳的影响效应究竟如何？ 数据要素作用于减污降碳的影响机制又是什么？ 进一步地， 数据要素对减污降碳的影响是否存在空间溢出效应？ 厘清上述问题， 不仅有助于深化对数据要素的理解， 还能为实现减污降碳目标提供科学指导。
到目前为止， 鲜有学者直接就数据要素的减污降碳效应进行探索。事实上， 自“数据” 成为生产要素以来， 相关研究主要集中在理论内涵［２］ 、统计测度［３］ 和特征属性［４］ ３ 个方面。此外， 部分学者还围绕数据要素的价值创造过程、生产效率影响效应和经济效应等方面进行深入分析， 发现数据要素并非本身直接创造价值， 而是通过其承载的价值和有效信息， 重塑现有资源［５］ ， 优化企业生产、决策和供给， 并借助网络外部性和空间关联性， 通过范围经济与规模经济加快价值和有效信息提取， 提高资源要素配置效率和生产效率［６］ ，促进绿色技术创新［７］ 和结构优化升级［８］ ， 从而成为驱动经济增长和高质量发展的新动能［９］ 。与此同时， 个别学者如郭炳南等（２０２１）［１０］ 、张修凡和范德成（２０２３）［１１］ 就以数据要素为核心的大数据综合试验区建设对空气污染、碳排放的影响做了初步探索， 但内容更多聚焦于大数据综合试验区建设与减污或降碳之间的关系， 缺乏数据要素本身对减污降碳影响的直接证据。
因此， 本文立足于数据要素的关键生产要素属性， 着重考察数据要素本身对减污降碳的影响，打破了原有研究视角的局限。同时从资源配置效率提升、产业结构优化升级、绿色技术创新和公众环境关注度提升４ 条路径， 打开数据要素对减污降碳影响的“机制黑箱”； 本文从市场化水平和数字基础设施两个视角出发， 分析数据要素对不同省域减污降碳水平可能存在的异质性影响， 为各省（区、市）以数据要素为抓手促进减污降碳提供了决策参考； 进一步地， 本文从空间视角解构数据要素驱动减污降碳的影响效应， 旨在评估数据要素赋能的真实影响， 为政府充分挖掘数据要素的气候环境效应补充了经验证据。
１ 理论机制与研究假说
１. １ 资源配置效率提升
（１） 数据要素的应用能够实时传递要素市场信息， 降低要素市场匹配存在的时空壁垒与信息障碍， 为要素的高效融合与自由流动开辟新的渠道和空间， 加快传统生产要素的数字化改造， 实现要素配置方式和存在形式的动态优化； （２） 数据要素经由搜集、处理、整合和分析等系列活动能够释放其承载的有效和价值信息， 实现生产、消费、分配和流通全过程的优化， 降低经济活动中的不确定性， 提升整体资源配置效能。根据达维多定律， 越早运用数据要素的企业越有可能在市场中占据支配地位并形成良好的学习氛围， 数据要素应用成为企业突破垄断式竞争格局的必然选择。其他企业迫于竞争压力和同群效应， 也会在生产决策中加大数据要素的应用， 从而释放资源配置效率提升的倍增效应； （３） 数据要素的流通共享意味着价值信息能够更大范围的传播， 便于潜在市场主体精准把握消费者行为、竞争情况和市场需求， 帮助潜在市场主体把握机会进入市场，促进闲置资源以合理的有机组合和数量搭配参与生产， 进而实现闲置资源的合理配置。资源配置效率的提升不仅能确保资源要素的最佳利用， 降低资源浪费与能源消耗［１２］ ， 抑制环境污染和碳排放， 还能鼓励自动化与技术创新， 提高生产质量和生产效率［１３］ ， 增加利润和收益， 鼓励企业将更多资金用于节能措施和循环经济的引入， 从而助力减污降碳目标的实现。
１. ２ 产业结构优化升级
作为新型和高级生产要素， 数据要素本身与科技含量较高的知识和技术密集型产业密切相关，其在经济社会中的应用可以孕育一系列新产业、新业态和新模式。同时， 数据要素通过跨界融合能够打破企业、产业和行业间的数据信息壁垒， 实现不同领域数据的互联互通、多维整合和实时共享， 驱动产业关联和产业创新， 推动以数据要素为核心的新兴产业协同发展。在竞争效应和倒逼机制下， 传统产业也会加速数据要素应用与赋能进程， 并在数据要素与传统产业渗透融合、协同联动的过程中推动管理模式和生产方式的深刻变革。此外， 数据要素可以通过数据平台进行大规模的复制和传播， 渗透到企业的生产过程和日常管理中， 成本节约效应和替代效应会驱使企业增加低成本、低污染的数据要素投入， 减少其他高成本、高污染生产要素的相对投入， 从而带动投入结构的优化升级。而产业结构优化升级作为调整环境污染的控制器， 不仅可以淘汰落后产能， 降低高耗能、高污染和高排放产业的比重， 推动清洁和低碳产业的发展［１４］ ， 还能优化资源配置， 提升资源要素利用效率， 从而释放减污降碳的“结构性红利”［１５］ 。
１. ３ 绿色技术创新
通过数据要素的精准应用， 企业能够实时获取丰富、多源的市场供需信息， 构建灵活动态的决策和生产体系， 及时规避研发风险并发现潜在的“蓝海领域”， 不断提升企业的竞争优势和盈利能力， 激发企业进行绿色技术创新的意愿和动力。同时， 产业链关联效应使得数据要素在不同设备终端进行海量、实时、高速传递， 能够打破传统产业链的时空约束， 通过供应链和产业链的上下游延伸大幅度扩展企业的分工边界， 促进数据要素应用能力与组织边界跨越的协同演化， 增强供应链和产业链的自主创新能力。另外， 数据要素的易复制性和外部性推动了绿色技术的共享和流通， 淡化并缩小了创新活动的边界， 为企业获取创新性信息流和知识流提供了更具生命力的创新生态体系。不仅如此， 绿色技术创新所形成的网络效应有助于提高知识信息的溢出速度， 推动产业链上下游企业间创新活动的串联串通， 并在学习效应下促进其他企业对绿色技术的消化吸收和再创新能力， 进而产生“１＋１＞２” 的创新协同效应， 提升整体绿色技术创新水平。绿色技术创新水平的提升， 不仅有助于创造良好的创新环境和资源网络， 增强企业的绿色意识和环保理念，提升能源利用率和生产效率， 通过源头预防和过程控制减少环境污染和碳排放［１５，１６］ ， 而且能够促进末端治理技术与清洁型技术的采纳与研发， 通过倒逼效应和学习效应， 促使企业生产流程向高效化、环保化和绿色化转变， 通过末端治理促进减污降碳水平的提升［１７］ 。
１. ４ 公众环境关注度提升
数据要素的引入有助于推动环境数据信息的深入挖掘和高效传递， 缩小政府与公众、企业与公众之间环境信息的不对称， 提升环境质量的透明度， 强化公众对生态环境的认识和关注。此外，借助互联网、云计算和大数据平台等新兴技术， 可以显着提升环境数据信息的传播速率和传播广度，实现碳标签、碳足迹等产品减碳节能信息的全面普及， 加快绿色低碳环保理念的传播和溢出， 重塑公众的消费意识和消费观念， 引导消费行为向绿色低碳化方向转变， 进一步加强公众对于应对气候环境变化问题的参与感与敏感度。与此同时，媒体曝光可以有效填补生态环境治理“中间场域”的空白， 拓展公众参与环境治理的渠道［１８］ 。数据要素赋能作为国家大力推行的战略规划， 是媒体关注并报道的关键方向。根据信号传递理论， 一旦企业的碳排放情况以及行业碳足迹数据被媒体公开发布到网络上， 将会迅速引发社会公众的关注和行动。公众环境关注度的提升可以通过舆论、举报、监察、选择性购买等途径转变为社会的共同行动和政府的治理政策， 从而提升地区生态环境治理效率［１９］ 。污染企业迫于舆论压力， 也会加大污染防范和治理， 提升绿色环境绩效， 进而降低环境污染和碳排放［２０］ 。基于上述分析， 本文提出Ｈ１ 和Ｈ２：
Ｈ１： 数据要素应用可以降低环境污染和抑制碳排放， 从而实现减污降碳。
Ｈ２： 资源配置效率提升、产业结构优化升级、绿色技术创新和公众环境关注度提升在数据要素影响减污降碳中扮演着重要的机制传导作用。
１. ５ 数据要素对减污降碳影响的空间溢出效应
新经济地理学认为， 区域间的经济联系与空间距离密切相关， 即数据要素对减污降碳的影响可能通过空间传导机制实现。（１） 数据要素大规模的复制和传播可以有效缓解数字化时代的“数据孤岛” 和“数据鸿沟” 问题， 缩小不同地区的数字红利差距， 并通过数据流引领人才流、技术流和创新流的跨区域整合与重新配置， 调整区域产业空间布局， 从而带动邻近地区技术创新和产业结构优化升级， 赋能邻近地区降低污染和实现碳减排； （２） 本地区在推进数据要素与实体经济融合渗透的过程中， 会自愿或者非自愿的向邻近地区外溢数据要素赋能效应， 这不仅会影响邻近地区的要素投入和能源消耗， 还会激发邻近地区的模仿效应和地区间空间互动效应， 从而进一步影响邻近地区的减污降碳水平； （３） 数据要素的高效传递和快速流动有助于实现区域间污染物和碳排放监测数据的互联互通， 从而促进区域间污染物和碳排放治理的联防联控。同时， 跨区域数据共享平台的建立， 便于邻近地区政府获取环境治理的成功案例。成功经验扩散所产生的示范效应会激励政府主动向毗邻地区学习， 进而促进本地区减污降碳水平的提升。因此， 本文提出Ｈ３：
Ｈ３： 数据要素在实现本地区减污降碳的同时，也会对邻近地区产生空间溢出效应。
