数字经济是否有效促进了节能和碳减排？

王香艳，李金叶

（1.新疆大学经济与管理学院， 新疆 乌鲁木齐 830046； 2.新疆宏观经济高质量发展研究中心， 新疆 乌鲁木齐 830046）

改革开放四十多年来，中国经济取得了巨大成就，国内生产总值2020年突破百万亿元，2021年实现114万亿元。然而，过去粗放型经济发展方式能耗高、污染严重，节能减排是转变生产方式和降低碳排放最重要的手段。《BP世界能源统计年鉴2022》数据显示，1978—2021年，中国一次能源消费总量从16.65 EJ提升至157.65 EJ，占世界一次能源消费总量的比重由6.11%增至26.5%；中国能源碳排放量由14.19亿t增长到105.23亿t，在全球碳排放总量中的份额从不足1/10提升至接近1/3。另外，国家统计局数据显示，中国能源消费缺口总体呈扩大之势，尤其“十三五”时期能源消费缺口约超过9亿tce，节能减排形势十分严峻。全球各国为实现《巴黎协定》中温控目标采取积极行动，中国作为世界上最大的能源消费国和碳排放国，秉持负责任大国的态度，承诺力争于2030年前实现碳达峰、2060年前实现碳中和。同时，为助力实现碳达峰、碳中和目标，《“十四五”节能减排综合工作方案》强调健全节能减排政策机制，大幅提高能源利用效率，持续减少污染物排放总量，实现节能降碳减污协同增效，打赢污染防治攻坚战，持续改善生态环境质量，明确2025年全国单位GDP能源消耗比2020年下降13.5%、非化石能源占比达到20%左右的目标。

目前，数字经济已成为世界各国经济发展的关键力量，正在改变人们的生产和生活方式。“十三五”时期，中国数字经济发展取得显著成效。2020年，中国数字经济发展规模近5.4万亿美元，其核心产业增加值与国内生产总值（GDP）之比达到7.8%，能够有效推动经济社会持续健康发展。但是，数字经济的发展能否有效促进节能减排与助力“双碳”目标实现？基于此，该研究以能源消费规模、能源消费结构和能源消费效率表征能源消费，以碳排放规模和碳排放效率表征碳排放，探讨数字经济与能源消费是否存在正“U”型或倒“U”型关系？数字经济与碳排放又是否存在正“U”型或倒“U”型关系？如果存在，现阶段数字经济发展水平与拐点相对位置如何？对能源消费和碳排放的具体影响是什么？目前，现有文献对上述问题尚未进行全面系统研究。解答这些问题对中国发展数字经济，有效促进节能减排和助力实现“双碳”目标具有重大现实和长远意义。

1 文献综述

在数字浪潮的推动下，研究者已开始关注数字经济与能源消费的关系［1］。然而，目前实证研究数字经济与能源消费的文献较少，且主要集中在信息通信技术、信息化和互联网发展对能源消费的影响。关于信息通信技术的能源效应主流观点有两种：一是将其归纳为“电子垃圾”直接生产、能源效率改善和“能源回弹效应”形成三个阶段［2］；二是将信息通信技术对能源消费的正负向影响归纳为收入效应和替代效应［3］。就收入效应而言，信息通信技术的应用可以提高经济发展活力，进而增加能源消费［4-5］。就替代效应而言，信息通信技术对提高能源效率具有关键作用，能够显著减少能源总需求［6］，从而减少能源消费总量。然而，关于收入效应和替代效应谁占主导仍是一个尚未解决的问题［7］。替代效应支持者认为信息通信技术的应用不仅提高了生产力和经济产出［8］，还提高了生产过程中能源利用率［9］，并降低了交通运输量，减少了能源需求，从而减少温室气体排放［10］，特别是显著降低非电力能源的使用［6］。信息化可以显著改善能源利用率［11］，促进能源消费强度降低［12］，从而可能减少能耗。囿于信息通信行业是能源密集型行业，相关产品生产、使用与处置均伴随大量能源消费［13］，收入效应支持者认为数字经济发展增加了能源消费规模［14］、提高了人均能耗［15］。总之，数字经济发展对能源消费既存在抑制效应又存在增长效应［7］，且已有研究证实信息通信业发展与能源消耗间存在显著正“U”型关系［16］。

伴随着数字经济的发展，越来越多的学者也开始关注到数字经济与碳排放之间的关系，主要表现在数字技术、互联网发展及数字经济对碳排放的影响。数字技术及其产业的快速发展，引致电力使用增长［17］，推动碳排放增长［18］。然而，有学者持有不同观点，认为数字技术的发展有利于减少温室气体排放，从而提升环境质量［19］，如提高互联网普及率、增加ICT基础设施投资能够显著降低碳排放［20-21］。信息通信技术显著负向影响CO2排放［22］。基于数字技术搭建的碳交易平台不仅有助于促进碳减排和降低碳排放强度［23］，更被认为是实现碳中和的重要路径。就互联网发展而言，不仅可以抑制资源诅咒［24］，而且显著提高了能源和碳排放绩效［25］。数字经济发展显著降低了各类污染物排放［26］，驱动低碳产业发展［27］，降低碳排放强度［28］，但这种作用存在“东抑、中促、西无”的区域异质性［29］。总而言之，数字经济发展可以有效抑制碳排放［30］，改善碳排放绩效［31］，且数字经济发展与碳排放呈先增后减的倒“U”型关系［32］。数字经济发展对中国全要素碳生产率水平具有促进作用，可以成为国家提高绿色发展水平的新能源［33］。

综上所述，已有关于数字经济与能源消费和数字经济与碳排放的相关文献提供了有益借鉴，但也存在不足：第一，多数研究聚焦信息通信技术分别对能源消费和碳排放的促进或抑制线性影响，缺乏对数字经济发展水平综合评价和其与能源消费和碳排放的非线性关系探讨；第二，现有研究倾向于单独探析数字经济与能源消费规模、数字经济与能源消费结构、数字经济与能源消费效率或者数字经济与碳排放规模、数字经济与碳排放效率间的关系，缺乏数字经济对能源消费和碳排放影响关系的全面分析。基于此，该研究可能的边际贡献主要有两个方面：一是在完善数字经济综合评价的基础上，从能源消费规模、能源消费结构和能源消费效率三个方面探讨数字经济对能源消费的非线性影响，从碳排放规模和碳排放效率两个方面分析数字经济与碳排放间的非线性关系，并对比分析数字经济的节能效应和减排效应；二是根据数字经济对能源消费、碳排放非线性影响的拐点，给出各省份及区域因现阶段数字经济发展水平不同制定适宜本地节能减排的数字经济发展政策，从而实现数字经济发展的节能减排效益最大化。

2 理论分析

2.1 数字经济对能源消费的影响机制

数字经济快速发展，正在深刻改变我们的生产方式和生活方式。就生产方式而言，数字经济发展优化生产过程，以数据流促进生产、分配、流通及消费各个环节高效贯通，从而减少能源消费［7］。具体而言，互联网技术及平台等数字技术与载体在企业研发、设计、制造、市场运营和管理等方面的广泛应用，优化能源利用技术和生产流程，提高能源利用效率，降低能源消耗［34-35］。数字技术在新能源领域的应用，加快新能源的推广和普及，提高新能源消费占比，从而优化能源消费结构。依托于先进数字技术的能源企业，深化应用工业互联网、大数据、云计算、云存储及人工智能等数字技术构建智慧能源新业态，推动企业各个环节实现数字化运行和管理，这不仅有利于减少转换及运输等过程中的能源损耗，还有助于实现能源有效配置和最大化利用，进而可能促进实现能源节约。与此同时，能源企业可以实现生产数据实时采集和生产能耗精准管理，从而能够立足于供给侧需求个性化定制规避过度服务的能源使用方案，带动个人及家庭能源利用率提高，可能实现节能并进一步减少环境污染。

就生活方式而言，数字经济发展是满足人民日益增长美好生活需要的重要途径之一。发展数字经济，有利于打破时空阻隔，提升资源普惠化水平，提高群众生活便利度，满足人民多样化及个性化需要。当下新冠肺炎疫情全球大流行，各种线上会议平台的发展使世界各地的能源专家学者能够针对当前能源问题及时讨论并制定普适性强的应对方案，从而促进能源消费合理化。同时，互联网技术日益成熟及互联网平台日益壮大，劳动者可以选择居家办公，不仅有利于节约办公场所的能源消费，而且有助于减少通勤引致的能源消费。另外，数字技术在公共交通、网约车及私家车等方面的广泛应用，可以有效降低公共交通及网约车空驶率、减少私家车红绿灯等待时间，同时可以通过道路信息实时共享优化出行路径选择缓解交通堵塞，从而可能减少能源消费。伴随5G通信技术和智能手机的普及，京东、淘宝等网络销售平台和抖音、微信等视频直播平台兴起，改变人们传统的购物方式、学习方式、娱乐方式、运动方式及用能习惯等，从而影响能源消费。

然而，囿于数字资源作为投入要素存在边际递减效应及能源消费存在回弹效应，数字经济发展与能源消费间可能存在非线性关系。在数字经济发展起步阶段，数字经济的能源节约边际效应较大，数字技术在各方面的运用促使能源消费规模下降、改善能源消费结构、提高能源消费效率。在数字经济发展成长阶段，数字经济的能源节约边际效应逐渐下降，数字经济改变生产生活方式引致的能源消费规模下降、能源消费结构优化、能源消费效率提升的效益在此阶段逐渐达到最优。在数字经济发展成熟阶段，数字经济的能源节约边际效应递减为负，数字经济推动经济发展增加能源消费，且其本身属于能源密集型行业以及能源消费存在回弹效应，社会能源消费总需求伴随数字经济发展规模壮大而增加，进而带动能源消费规模上升。数字经济在新能源领域的应用也已成熟，难以进一步促进能源消费结构优化，能源消费需求增加引致的能源消费缺口可能还要由煤炭来保障能源稳定供应，从而导致能源消费结构出现恶化。在该阶段，数字技术也已炉火纯青，其应用带来的能源利用效率提高已达到极大值，但该阶段能源消费规模大幅增加和能源消费结构恶化，可能会拖累能源消费效率，从而使其下降。

2.2 数字经济对碳排放的影响机制

数字经济本身属于低碳经济，涵盖互联网、软件、通信、计算机基础技术及软硬一体化五大行业，以工业互联网、区块链、云计算、大数据等为核心，以“低能耗、高产出、高回报”为特征，其发展本就有利于促进CO2减排。数字经济对生产方式和生活方式的改变，不仅影响了能源消费，也影响了碳排放。能源消费对CO2具有显著正向影响，数字经济对能源消费的影响也会传递至碳排放。数字技术在能源勘探、生产、运输、分配及使用过程中的广泛应用，有助于深入剖析能源生产端、消费端各环节能耗情况与节能潜力，有利于充分改造及优化专业技术和形成高效数字能源网络，有益于在安全保障的基础上加快构建高效化、清洁化、低碳化的能源体系，推动工业企业使用绿色能源，减少碳排放。同时，碳减排数字技术的创新与应用，促进企业生产清洁化，推动CO2减排。特别是作为能耗大户的数字经济企业，实行低碳化经营影响CO2排放，并且通过数字技术输出对其他类型企业CO2排放产生影响。此外，伴随数字技术的日益成熟，碳核算及碳汇积分制度的日益完善，植树造林行为日益流行，绿地面积逐渐增加，从而推动碳汇增加，进而影响CO2排放。碳达峰大数据平台的建设，能够实现对各地区减能降碳情况的精准测量、监督、统计和考核，若在生产生活领域广泛使用此平台有助于降低单位能耗，从而有效促进碳减排。

在生活方面，与数字经济对能源消费的影响类似，数字技术的推广与应用，通过Email、微信、支付宝、抖音及腾讯会议等平台减少了不必要的线下经济活动，从而减少了人们进行线下活动交流的频次和幅度，进而降低因线下会议、办公通勤等一系列活动带来的CO2排放。新能源汽车的推广应用，减少了燃油汽车尾气排放量，从而减少CO2排放。而且，移动通信用户人群覆盖范围广，利用短视频平台进行CO2减排等环保宣传，有助于提高环保宣传有效性，提升人们碳减排意识并养成碳减排习惯；互联网平台的应用，使线上购物兴起，影响并改变人们的消费行为，从而影响企业环保产品和非环保产品的供给，最终助推CO2减排。

同理，囿于数字资源作为投入要素存在边际递减效应，数字经济与碳排放间亦可能存在非线性关系。能源消费是CO2排放的主要来源，数字经济发展各阶段对能源消费的影响亦会传递到碳排放。在数字经济发展起步阶段，数字经济的碳减排边际效应较大，其发展促使能源消费规模下降、能源消费结构改善以及能源消费效率提升均有利于降低CO2排放规模，加之其本身属于低碳经济，进一步促进CO2排放减少。数字经济作为世界各国经济发展的关键力量，能够推动经济发展、拉动经济增长，从而在促进CO2排放规模下降和促进经济增长的双重作用下使碳排放效率下降。在数字经济发展成长阶段，数字经济的碳减排和经济增长的边际效应均递减，促使碳排放规模下降和拉动经济增长的作用逐渐达到最大化，进一步促使碳排放效率提升至最高点。在数字经济发展成熟阶段，数字经济的碳减排和经济增长的边际效应递减为负，增加数字经济投入要素，不再促进碳排放规模下降和经济增长，而且数字经济发展的碳减排总效应很可能小于其推动经济增长的碳增排总效应，进而可能会使碳排放效率下降。

3 模型构建

3.1 模型设定

为了验证数字经济对能源消费规模、能源消费结构、能源消费效率、碳排放规模及碳排放效率的影响，构建双固定效应基准回归模型：

其中：被解释变量Yit分别是省份i在t年的能源消费规模（ECSC）、能源消费结构（ECST）、能源消费效率（ECEF）、碳排放规模（CESC）、碳排放效率（CEEF）；核心解释变量LEDEit为省份i在t年数字经济发展水平。为了验证核心解释变量和被解释变量间是否存在正“U”型或倒“U”型关系，加入核心解释变量的平方项。控制变量Controlit分别是产业结构（INDS）、人口规模（POPS）、城镇居民人均可支配收入（LEIN）、对外开放水平（LEOP）和技术创新（TEIN）；α0为常数项，μt为时间固定效应，λi为个体固定效应，εit为随机误差项。

3.2 变量与数据说明

3.2.1 被解释变量

（1）能源消费（EC）。不仅能源消费规模会影响碳排放规模和碳排放效率，而且能源消费结构变化和能源消费效率高低同样会影响碳排放规模和碳排放效率。因此，该研究参考Wu等［36］的研究，选用能源消费规模（ECSC）、能源消费结构（ECST）和能源消费效率（ECEF）作为能源消费的代理变量。ECSC用能源消费总量表示。ECST用天然气消费量与能源消费总量之比代表。相对于原煤和原油而言，天然气污染排放少，天然气占比越高表明能源消费结构越好。ECEF用单位能耗GDP表征，每单位能源消费量所创造的GDP越多表明能源消费效率越高，越有利于碳减排。

（2）碳排放（CE）。目前关于碳排放的研究倾向于单独考察碳排放规模或碳排放效率，但鲜有文献将其共同作为碳排放的代理变量进行综合考察。因此，与能源消费类似，该研究选用碳排放规模（CESC）和碳排放效率（CEEF）作为碳排放的代理变量，探讨数字经济是否有效促进了CO2减排。

3.2.2 核心解释变量

数字经济（LEDE）。数字经济以数据资源为主要要素，以信息网络为关键载体，着重推动信息通信技术的融合应用及全要素的数字化转型，注重公平与效率的统一，成为继农业经济与工业经济之后主要的一种新经济形态。该研究基于数字经济的内涵，参考赵涛等［37］、王军等［38］、柏培文等［39］的研究，着眼于数字经济的基础设施、创新环境、用户规模和产业规模四个维度，全方位搭建数字经济评价综合指标体系（表1）。数字基础设施反映数字经济发展的基础设施条件，主要通过域名数、网站数、移动电话基站数和互联网宽带接入端口数四个指标测算；数字创新环境反映数字技术创新水平，主要包括研发投入（R&D经费）、研发产出（发明专利授权量）、人才培养支出（教育经费）和人才储备（每十万人口高等教育在校生人数）四个指标衡量；数字用户规模主要测算用户数字化水平，涵盖互联网宽带接入用户、移动互联网用户、移动电话普及率及电信业务总量；数字产业规模主要体现数字经济基础产业发展程度，利用信息技术、计算机服务和软件业占全社会固定资产投资比重、软件产品收入、信息技术服务收入和电子信息产业制造业企业数量进行核算。

表1 数字经济评价综合指标体系

主观赋权法通过人为判断指标相对重要程度并赋予相应权重，客观赋权法是以指标原始信息为依据进行赋权。鉴于主观赋权法容易受人为主观因素影响造成权重赋值不准确，不能很好地反映指标综合指数，因此，采用客观赋权法中的熵值法对指标进行赋权。

由于16个基础指标存在显著的量纲与数量级差异，只有先对其进行标准化处理后，才具有可比性，才能确保综合指数的准确性。鉴于无负向指标，故仅给出正向指标的标准化处理公式：

式中：min{xj}为指标j各年中的最小值，max{xj}为指标j各年中的最大值，x*ij为数据标准化去量纲后的结果。

计算指标j第i年的比重，用ϖij表示：

计算指标j的信息熵ej，则：

计算指标j的信息熵冗余度dj：

根据dj计算指标j的权重ωj：

最后，计算各年数字经济发展水平LEDEi：

LEDEi表示各省第i年的数字经济发展水平，在0～1之间。若LEDEi越大，则表示数字经济发展水平越高；若LEDEi越小，则说明数字经济发展水平越低。

3.2.3 控制变量

（1）产业结构（INDS）。不失一般性，产业结构选用第三产业增加值与第二产业增加值之比衡量。一般而言，第二产业占比越大，能源消费量和碳排放量越多。因此，产业结构指标值越大越有利于节能减排。

（2）人口规模（POPS）。人口越多，能源消费规模相应越大，从而导致碳排放量增加。人口规模选用各省年末常住人口表征，人口越少，说明为了满足人们多样性需求所消耗的能源越少，越有利于碳减排。

（3）收入水平（LEIN）。居民家庭用能品种选择受收入影响，并且收入增长有助于家庭能源转型［40］，从而推动整个社会能源转型，提高清洁能源占比、减少碳排放。因此，用城镇居民人均可支配收入表征收入水平。

（4）对外开放水平（LEOP）。对外开放水平主要通过进出口贸易影响国内经济增长和环境产品，进而影响能源消费和碳排放，因而选用各省进出口总额衡量各省对外开放水平。

（5）技术创新（TEIN）。其他条件不变，能源利用技术创新水平越高，单位产量能耗越少，同时单位产量CO2排放也越少。专利申请授权量通常代表一个地区的创新水平，故该研究用其表示技术创新。

文章所用数据为中国各省份2011—2019年面板数据。因数据可得性等原因，研究未涉及香港、澳门、台湾和西藏地区。各指标数据主要源自《中国统计年鉴》、各省份年鉴以及CEADs数据库，对于某指标个别年份缺失数据采用插值法或移动平均法补充。各变量的描述性统计结果见表2。

表2 变量描述性统计信息

4 实证分析

4.1 数字经济发展水平评价

运用熵值法公式测算各省份2011—2019年数字经济发展水平（LEDE），见表3。可以看出，LEDE存在明显的时空异质性。中国LEDE均值从0.069增长至0.228，年均增长率达到16.185%。各省LEDE明显上升。2019年，广东、江苏、北京、浙江、山东及上海的LEDE处于领先队列；青海、贵州、云南、安徽、江西、河南、广西及重庆的年平均增长率出类拔萃，均高于20%，发展势头迅猛，位于LEDE的追赶队列。虽然具有明显的追赶趋势，但不可否认的是省际差距依旧较为凸显，如2019年广东LEDE（0.879）是青海LEDE（0.031）的28.35倍，说明中国LEDE省际差距依旧巨大。四大地区LEDE呈现逐年递增之趋势。就年均增长率而言，西部19.502%最快，中部19.489%次之，东部14.922%处于第三，东北12.075%最末。但就LEDE而言，2019年东部最高为0.405，中部0.187次之，西部为0.119，东北0.118最后且和西部相差无几。这表明东部LEDE高，而中西部LEDE本就较低，因此其具有较快的LEDE增长率也无可厚非。同一区域不同省份间数字经济发展也存在较大差距。就各省份数字经济发展水平年平均值而言，东部地区广东和江苏名列前茅，天津和海南垫底，其中广东年平均LEDE（0.568）是海南年平均LEDE（0.033）的17.21倍。中部地区河南和湖北两省领先，江西和山西落后，其中河南年平均LEDE（0.144）是山西年平均LEDE（0.059）的2.44倍。西部地区四川和陕西靠前，宁夏和青海靠后，其中四川年平均LEDE（0.186）是青海年平均LEDE（0.017）的10.94倍。东北地区辽宁第一（0.139）、吉林第三（0.059），前者是后者的2.36倍。可见，区域内数字经济发展水平东部地区差距最大，西部次之，中部第三，东北最后。与全国数字经济发展年平均水平对比来看，东北三省均偏低，西部地区仅四川、中部地区仅河南高于全国数字经济发展年平均水平，而东部地区除河北、天津和海南三省外均高于全国数字经济发展年平均水平，说明东部地区是全国数字经济发展的领引。为了实现区域协同发展，中国先后出台了一系列政策举措，如东部率先崛起、西部大开发等［41］，使各地经济发展水平得以提升。同时，在互联网平台、人工智能、云存储及大数据等的深入应用下，数字经济成为中国经济高质量发展的又一重要增长极，且囿于政策导向及资源禀赋等，致使四大区域的LEDE不尽相同。

表3 2011—2019年各省份数字经济发展水平LEDE测度结果

4.2 基准回归分析

4.2.1 数字经济对能源消费影响分析

为了控制宏观经济环境及不随时间变化的个体间差异，采用双固定效应模型进行回归。表4为数字经济对能源消费影响的基准回归，模型（1）、模型（3）、模型（5）中未添加控制变量，模型（2）、模型（4）、模型（6）中加入了控制变量。从模型（1）和模型（2）的回归结果可以看出，数字经济一次项系数为负、二次项系数为正，说明数字经济与能源消费规模间存在显著的“先减再增”的正“U”型关系，根据一元二次函数顶点X坐标公式计算其拐点为0.613（下文各拐点计算方式相同，不再赘述）。结合表3，就全国和四大地区而言，目前数字经济发展水平均位于拐点的左侧，说明现阶段提高全国及四大地区数字经济平均发展水平有利于节约能耗。但就各省而言，广东数字经济发展水平已于2016年位于拐点右侧、江苏和北京于2019年处在拐点右侧，其余各省份考察期内始终处于拐点左侧，说明各省份数字经济发展水平悬殊，导致其对能源消费规模的影响存在差异。可能由于当数字经济发展较快、水平较高时，所带来的能源消费减量小于其所引致的经济增长所带来的能源消费增量，且由于能源消费存在回弹效应，数字经济发展到一定程度时再提升将导致能源消费规模扩大。同理，从模型（3）和模型（4）、模型（5）和模型（6）回归结果可知，数字经济一次项系数为正、二次项系数为负，说明数字经济发展水平与能源消费结构、能源消费效率均呈显著的“先增再减”的倒“U”型关系，其拐点分别为1.538和0.898。全国、四大地区以及各省份均位于拐点的左侧，说明现阶段中国提高数字经济发展水平有利于改善能源消费结构和提升能源消费效率。可能源与数字技术在新能源领域的应用还处于初期阶段，又由于自然资源条件等因素新能源发展速度受限，故数字技术的效率效应和结构效应还未充分显现。

表4 数字经济对能源消费影响的基准回归结果

数字经济发展与能源消费规模、能源消费结构、能源消费效率均存在非线性关系，说明数字经济对能源消费的负向影响存在边际递减效应，并且当LEDE＜0.613时，提升数字经济发展水平能够优化能源消费结构、提高能源消费效率、降低能源消费规模；当0.613≤LEDE＜0.898时，提升数字经济发展水平能够优化能源消费结构、提高能源消费效率但无法降低能源消费规模；0.898≤LEDE＜1.538时，提升数字经济发展水平只能够优化能源消费结构，无法提高能源消费效率和降低能源消费规模；当1.538≤LEDE时，提升数字经济发展水平无法改善能源消费结构、能源消费效率和能源消费规模。因此，当数字经济发展水平小于1.538时，中国应继续提高数字经济发展水平，使数字经济发展对能源消费的影响效应最大化。

4.2.2 数字经济对碳排放影响分析

表5为数字经济对碳排放影响的基准回归结果，与表4中模型类似，模型（1）、（3）中未添加控制变量，模型（2）、（4）中加入了控制变量。从模型（1）和（2）的回归结果可以看出，数字经济一次项系数为负、二次项系数为正，说明数字经济与碳排放规模间存在显著的“先减再增”的正“U”型关系，拐点为0.448。就全国与四大地区而言，目前数字经济发展水平均位于拐点的左侧，说明现阶段提高数字经济发展水平有利于全国及各地区减少碳排放；但就各省份而言，广东、江苏、北京和浙江数字经济发展水平分别于2014、2016、2017和2019年位于拐点右侧，其余各省份分析期内终处于拐点左侧，说明各省份数字经济发展水平悬殊，其对碳排放规模的影响阶段亦存在差异。同理，从模型（3）和（4）回归结果可知，数字经济一次项系数为正、二次项系数为负，数字经济发展水平与碳排放效率呈显著“先增再减”的倒“U”型关系，拐点为1.080。全国、四大地区及各省均位于拐点的左侧，说明提高数字经济发展水平，有助于提升中国整体碳排放效率。与能源消费类似，可能原因是当数字经济发展水平提升到一定程度时，提高LEDE的碳减排效应小于其带来的经济增长引致的碳增排效应，造成碳排放总量增加；但是此时数字经济的经济增长效应尚未实现最大化，故继续提升数字经济发展水平有助于改善碳排放效率，当其经济增长效应也实现最大化时再提升LEDE则无法改善碳排放效率。

表5 数字经济对碳排放影响的基准回归结果

数字经济与碳排放规模、碳排放效率的非线性关系，表明数字经济对碳排放的影响存在边际递减效应，并且当LEDE＜0.448时，提升数字经济发展水平有利于减小碳排放规模和提高碳排放效率；当0.448≤LEDE＜1.080时，提升数字经济发展水平可以提高碳排放效率但不可以缩减碳排放规模；当1.080≤LEDE时，提升数字经济发展水平既不会缩小碳排放规模也不会提高碳排放效率。因此，当数字经济发展水平小于1.080时，中国仍需大力发展数字经济，从而实现数字经济的碳排放影响效应最大化。

4.2.3 数字经济对能源消费和碳排放影响对比分析

数字经济与能源消费效率、数字经济与碳排放效率均存在显著倒“U”型关系，但是数字经济与能源消费效率的拐点（1.538）大于数字经济与碳排放效率的拐点（1.080），说明数字经济发展水平每上升一单位，能源消费效率的边际增量递减过程慢于碳排放效率的边际增量递减过程，即当1.080≤LEDE＜1.538时，提升数字经济发展水平仍然可以提高能源消费效率但是无法降低碳排放效率。而数字经济与能源消费规模、数字经济与碳排放规模均存在显著正“U”型关系，但是数字经济与能源消费规模的拐点（0.613）大于数字经济与碳排放的拐点（0.448），说明数字经济对碳排放规模的负向影响边际递减速度更快，当0.448≤LEDE＜0.613时，提升数字经济发展水平能够显著缩小能源消费规模但却增加碳排放规模。通过对比分析发现，当数字经济发展水平的碳减排效应最大化时，数字经济的节能效应尚未实现最大化，故应根据各地经济发展实际状况、数字经济的碳增排效应与其节能的碳减排效应大小制定相应数字经济发展政策。可能是互联网技术及互联网平台在能源领域的广泛应用，推进化石能源和新能源的数字化运行和管理，直接影响能源的供给和需求，导致数字经济的节能效应比碳减排效应更持久。

4.3 稳健性检验

为了验证研究结论的稳健性，从六个方面进行讨论。①替换核心解释变量。数字经济测算方法改用因子分析法，根据因子得分重新检验数字经济的节能减排作用。②替换控制变量。技术创新替换为绿色技术创新，用更能代表环境保护方面的绿色专利授权数表征绿色技术创新。③参考施炳展等［42］的稳健性检验方式，对各解释变量取对数后再回归。在前文中，由于解释变量和被解释变量中个别变量是比例而非水平值，故没有取对数，然而对各变量取对数后数据更趋于正态分布并更有利于得到稳健估计结果［43］。④对各变量进行1%分位上双侧缩尾处理。⑤样本剔除数字经济起步晚、发展慢的青海省后重新进行回归。⑥样本剔除北京、天津、上海和重庆四个直辖市重新进行回归。稳健性检验结果与前文基准回归结果基本一致（限于篇幅，结果略，备索）。

4.4 异质性分析

表6各地区回归结果显示，东部地区数字经济与能源消费规模、能源消费结构、能源消费效率、碳排放规模和碳排放效率均不存在显著非线性关系。中部地区数字经济仅与能源消费规模存在显著倒“U”型关系，拐点为0.193，且中部地区位于拐点左侧，只有提升数字经济发展水平越过拐点，中部地区数字经济发展的节能效应才能显现。中部地区数字经济与能源消费结构、能源消费效率、碳排放规模和碳排放效率间均不存在显著非线性关系。西部地区数字经济只与能源消费效率存在显著倒“U”型关系，拐点为0.350。目前西部地区数字经济发展水平位于拐点左侧，说明对于西部地区来说提升数字经济发展水平能够显著提高能源消费效率。西部地区数字经济与能源消费规模、能源消费结构、碳排放规模和碳排放效率均不存在显著非线性关系。东北地区数字经济与能源消费规模、碳排放规模均存在显著正“U”型关系，拐点分别为0.127和0.080。东北地区数字经济发展水平已于2014年大于0.080，说明提升数字经济发展水平已无法缩小碳排放规模；但是数字经济发展水平2019年仍小于0.127，说明提升数字经济发展水平仍可以降低能源消费规模。东北地区数字经济与能源消费结构、能源消费效率和碳排放效率均不存在显著非线性关系。

表6 各地区回归结果

4.5 进一步分析

为进一步研究数字经济发展中影响能源消费和碳排放的具体作用因素，分别以数字基础设施（Digital Infrastructure，DINF）、数字创新环境（Digital Innovation Environment，DIEN）、数字用户规模（Digital User Size，DUSI）和数字产业规模（Digital Industry Scale，DISC）作为自变量进行实证检验（限于篇幅，考察期内各省份DINF、DIEN、DUSI和DISC值备索）。回归结果见表7。

表7 进一步分析回归结果

现阶段数字基础设施与能源消费规模和能源消费效率存在显著非线性关系，与能源消费结构、碳排放规模和碳排放效率不存在显著非线性关系。具体来看，数字基础设施与能源消费规模存在显著正“U”型关系，拐点为0.191。结合各省考察期内数字基础设施水平值，仅广东数字基础设施水平于2019年越过拐点，其余各省数字基础设施水平仍位于拐点左侧；数字基础设施与能源消费效率存在显著倒“U”型关系，拐点为0.225。各省数字基础设施水平始终位于拐点左侧。说明中国数字基础设施水平整体偏低，提升数字基础设施水平有助于进一步发挥其节能潜力和提升能源消费效率。然而，数字基础设施与能源消费结构、碳排放规模、碳排放效率的二次项系数均不显著，说明不存在显著倒“U”型或正“U”型关系。

数字创新环境与能源消费和碳排放均存在显著非线性关系。具体而言，数字创新环境与能源消费规模、碳排放规模均存在显著正“U”型关系，拐点分别为0.124和0.090。结合各省份数字创新环境水平，广东和江苏数字创新环境水平于2017年大于0.124、北京于2018年大于0.124，其余各省份始终小于0.124，说明各省数字创新环境水平悬殊，提升数字创新环境水平有助于中国提升整体数字经济节能效应。广东、江苏、北京均于2015年、浙江于2018年数字创新环境大于0.090，其余各省始终小于0.090，再次说明各省数字创新环境水平差距大，提升数字创新环境水平有利于减少碳排放，助推中国实现“双碳”目标。数字创新环境与能源消费结构、能源消费效率、碳排放效率均存在显著倒“U”型关系，拐点依次为0.284、0.178和0.192，仅广东2019年创新环境水平大于0.178，说明各省提高数字创新环境有益于优化能源消费结构、提升能源消费效率和碳排放效率。

与数字创新环境类似，数字用户规模与能源消费规模、碳排放规模均存在显著正“U”型关系，拐点分别为0.076和0.057。结合各省数字用户规模，2019年河北、江苏、浙江、安徽、山东、河南、湖南、广东和四川大于0.057，其中江苏、浙江、山东、河南、广东和四川大于0.076，说明大部分省份仍位于数字用户规模与能源消费规模和数字用户规模与碳排放规模各自拐点的左侧，现阶段提升数字用户规模有助于节能减排。数字用户规模与能源消费结构、能源消费效率、碳排放效率均存在显著倒“U”型关系，拐点分别为0.122、0.096、0.077。2019年江苏、浙江、山东、河南、广东、四川数字用户规模水平超过0.077，其中江苏、浙江和广东超过0.096，仅有广东超过0.122，说明现阶段扩大数字用户规模能够有效提升中国能源消费效率和碳排放效率、改善能源消费结构。

数字产业规模与能源消费规模、碳排放规模均存在显著正“U”型关系，拐点分别为0.223和0.174。结合各省数字产业规模，广东、江苏、北京分别为2014年、2015年和2017年始大于0.174，分别于2016年、2018年、2018年始大于0.223，其余各省份均位于拐点左侧，表明其余各省仍需大力发展数字产业，推动全国节能减排。数字产业规模与能源消费结构、能源消费效率均存在显著倒“U”型关系，拐点分别为0.510和0.412，各省份均位于拐点左侧，说明扩大数字产业规模能够显著优化能源消费结构和提升能源消费效率。然而，数字产业规模与碳排放效率不存在显著非线性关系。

5 结论与建议

该研究基于2011—2019年的省级面板数据，通过熵值法评价数字经济发展水平，构建双固定效应模型实证分析数字经济与能源消费和碳排放的非线性关系。主要结论如下。

（1）数字经济发展水平存在省际和区域差异。广东、江苏、北京数字经济发展水平领先，青海、宁夏数字经济发展水平垫底；东部地区数字经济发展水平最高、中部次之、东北第三、西部最后。

（2）数字经济发展水平与能源消费和碳排放均存在显著非线性关系。数字经济发展水平与能源消费规模、碳排放规模均存在显著“先减后增”的正“U”型关系，而与能源消费结构、能源消费效率、碳排放效率均存在显著“先增后减”的倒“U”型关系，数字经济发展的节能效应大于碳减排效应。

（3）数字经济与能源消费和碳排放间的非线性关系存在区域异质性。东部地区数字经济与能源消费和碳排放间均不存在显著非线性关系，中部地区数字经济仅与能源消费规模存在显著正“U”型关系，西部地区数字经济只与能源消费效率存在显著倒“U”型关系，东北地区数字经济与能源消费规模和碳排放规模均存在显著正“U”型关系。

（4）数字基础设施与能源消费规模和能源消费效率分别存在显著正“U”型倒“U”型关系，数字创新环境、数字用户规模分别与能源消费规模、能源消费结构、能源消费效率、碳排放规模和碳排放效率间存在显著正“U”型倒“U”型倒“U”型正“U”型倒“U”型关系，数字产业规模与能源消费规模、能源消费结构、能源消费效率和碳排放规模间分别存在显著正“U”型倒“U”型倒“U”型正“U”型关系，与碳排放效率不存在显著非线性关系。

因此，为更好地促进节能减排，保障国家能源安全，助力“双碳”目标实现，该研究给出相关政策建议。①缩小数字经济发展水平省际和区域差距。数字经济发展水平领先省份和地区仍需稳步发展数字经济，数字经济发展水平居中的省份和地区应向领先省份看齐，努力提升数字经济发展水平，而数字经济发展水平落后的省份和地区急需加快数字经济发展步伐，防止差距进一步扩大。②因地制宜制定数字经济发展政策。各省及各地区应首先判断其数字经济发展水平处于数字经济分别与能源消费规模、能源消费结构、能源消费效率、碳排放规模及碳排放效率间各自拐点的左侧还是右侧，然后制定符合本省和本地区节能减排的数字经济发展政策。对于数字经济发展水平落后省份和地区，尚未越过任何拐点，节能减排潜力较大，应加快数字经济发展，促进能源消费规模和碳排放规模下降、能源消费效率和碳排放效率提升、能源消费结构改善；对于数字经济发展水平居中省份和地区，已越过部分拐点，仍应继续发展数字经济，虽或许已不能降低能源消费规模或碳排放规模，但仍可以优化能源消费结构、提升能源消费效率或碳排放效率，继续发挥节能减排的作用；对于数字经济发展水平领先省份和地区，已越过全部拐点，表明数字经济的节能减排潜力已充分发挥，此时应避免数字经济过度发展导致能源消费规模和碳排放规模双升、能源消费效率和碳排放效率双降及能源消费结构恶化［44］。③改善数字创新环境，增加数字用户规模。各省各地区应始终将改善数字创新环境和增加数字用户规模放在重要位置。随着中国经济从高速发展阶段向高质量发展阶段转变，动力也由投资拉动向创新驱动转换，创新是中国未来经济发展的核心要素。改善数字创新环境、提升数字创新水平，有助于充分释放数字经济的节能减排效应价值。此外，扩大数字用户规模有利于通过网络平台加强节能减排宣传，增强人们节能减排意识，改变人们生活方式，从而促进节能减排的实现。