数字经济发展对碳生产率提升的影响研究

余 姗,樊秀峰,蒋皓文

(1.西安财经大学 a.经济学院,b.西部能源经济与区域发展协同创新研究中心,陕西 西安 710100;2.西安交通大学 经济与金融学院,陕西 西安 710061)

一、引 言

近年来,互联网、大数据、云计算、人工智能、区块链等创新技术加速发展,日益融入经济社会发展的各个领域,呈现出发展速度快、辐射范围广和影响程度深的特点。以新一代信息技术为基础的数字经济为制造业高质量发展赋能,进一步推动制造业迈向高级化、低碳化。当前,如期实现碳达峰碳中和目标对经济发展方式和资源利用效率提出了新的要求。十九届五中全会明确提出“要坚定不移建设制造强国、质量强国、网络强国、数字中国,推动能源革命,加快数字化发展,要加快推动绿色低碳发展,全面提高资源利用效率”。在“双碳”目标与大力发展数字经济的背景下,“十四五”规划和2035远景规划纲要提出“推动能源清洁低碳安全利用,深入推进工业、建筑、交通等领域低碳转型”的同时,又要求“以数字化转型整体驱动生产方式、生活方式和治理方式变革”。习近平总书记指出,数字经济是把握新一轮科技革命和产业变革新机遇的战略选择,作为经济高质量发展的新引擎,数字经济在重组要素资源、重塑经济结构和改变竞争格局等方面发挥着关键力量,这为加快数字经济与实体经济深度融合,调整优化产业结构、能源结构,进而实现全面绿色转型和低碳集约发展指明了方向。那么,数字经济的快速发展能否提高资源利用效率从而促进碳生产率提升?数字经济通过哪些途径对碳生产率产生影响?地区之间是否存在区域异质性与空间溢出效应?本文试图通过这些问题的讨论,为进一步推动数字经济赋能绿色低碳发展提供理论依据和经验支撑。

随着经济增长进入新阶段,通过增加传统生产要素的粗放式经济增长效率逐步下降,而技术进步推动的集约型增长也逐渐出现瓶颈,数字经济在优化管理与产业结构方面的作用就变得越来越显著[1]。作为新技术革命引致的新经济形态,以互联网为代表的数字经济发展推动了区域的协同创新,通过产业关联对经济实现辐射和带动作用,有效促进经济生态化、生态经济化,降低经济发展所带来的能源消耗[2-4]。但直接着墨于数字经济与碳生产率的相关文献较少,多数文献以信息与通信技术(ICT)与互联网普及为切入点进行探索,且对是否能有效降低碳排放的观点尚未达成一致。一些学者认为信息通信等相关数字技术的投资确实在降低能源强度和提升经济运营效率方面发挥积极影响,显著降低了城市各类环境污染物的排放[5-7]。但也有学者认为信息通信等数字技术在能耗排放扮演负面角色,数字经济相关产业的发展会导致能源消耗的回弹效应,并不利于能源消耗的降低[8]。

梳理现有研究发现数字经济是否能够促进经济低碳发展仍存在进一步的研究空间:数字经济是以计算机与互联网等生产工具革命所产生的新兴经济业态,通过互联网平台深刻改变着企业生产活动与消费者生活方式,催生出各种新技术、新场景、新业态。以邮电业务量占GDP的比值、互联网用户数等单一指标表征数字经济发展水平缺乏时效性,难以刻画数字经济发展情况全貌。已有研究从理论层面论述了数字经济对碳生产率的影响机制,但结合数理模型的推导和实证层面的分析进行双重验证性的文章还较少。互联网作为数字经济中信息交互与知识传递的平台,突破了传统的地域限制,可以将知识信息、经济活动以低成本在更短的时间跨度上实现传播和沟通,数字经济对碳生产率的影响可能存在空间溢出效应。

鉴于此,本文基于2008—2019年中国省级面板数据,采用全局主成分分析法构建数字经济发展水平的评价体系,运用面板模型和中介效应模型及空间模型分析数字经济对碳生产率提高的影响效应及传导机制。创新点有以下几方面:一是从数字基础设施建设、数字经济普及程度、数字信息资源、数字经济商务化四个维度构建评价体系,更全面地测度各省份数字经济发展水平。二是采用空间模型结合区域异质性分析数字经济对碳生产率的外部溢出效应,为进一步明晰数字经济促进低碳经济所发挥的作用提供切入点。三是构建了两部门框架下数字经济发展多渠道影响碳生产率的理论模型,并运用中介效应模型,基于技术进步推动和产业结构优化双重路径进行作用机制识别,厘清数字经济发展对碳生产率的影响路径,为深化认识数字经济助力低碳、绿色发展提供科学依据。

二、理论机制与研究假设

(一)数字经济对碳生产率的提升具有正向作用

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,以信息通讯融合应用、全要素数字化转型为重要推动力的新经济形态。在数字经济与实体经济融合发展的过程中,依托数字技术与传统生产过程结合,促进各要素的快速流动、科学整合和利用,进一步提升社会生产力水平,有效推动碳生产率的提高。数字经济高效贯通和精准衔接生产的各个环节,通过数字化管理增强生产协调性,避免了要素与能源非必要的消耗。数字技术的开放性和数字平台的联结枢纽功能,有效地实现跨界融合与资源共享,推动协调和合作,提高要素利用效率进而提高碳生产率[9-10]。综上,提出假说1:

假说1:数字经济发展有利于区域碳生产率的提升。

(二)数字经济对碳生产率的影响渠道分析

已有研究表明数字经济发展在技术创新及产业结构优化方面发挥重要的作用,是影响碳生产率的重要途径。本文把数字经济对碳生产率的影响渠道分为技术创新型和产业结构优化型两大类:技术创新型是指数字经济依托互联网平台对信息的扩散和传播,增加知识存量、提升信息知识传播效率,高效聚合更多的创新知识资源,通过对各类生产要素的再配置影响区域碳生产率。首先,数字经济为信息的传播和知识的普及提供了渠道,促进知识信息在区域内的互动和交流,更便捷地传播、共享并交互信息,扩大了创新知识传播范围和力度,提升创新效率,数字技术加快了创新知识的传播频率,分摊了基础设施的固定成本,更容易形成规模经济效应,带来显著的创新效益[11-12]。其次,生产要素的数字化和人工智能、大数据等新型技术的应用提升了供应链效率,优化资源配置,激励企业释放出更多资源用于自主研发,数字技术的应用有利于打破创新边界,增强企业技术整合能力,助力传统资源型企业提高采集效率、优化工艺流程,加快产业链条向低碳环保的高质量绿色链条转变,进而促进技术创新,间接推动碳生产率的提升[13-14]。产业结构优化是指数字经济的发展弥补市场信息的不完全性,提高资源的利用效率,强化产业间的关联程度,进而有利于实现产业间的协调发展[15];数字经济是经济转型的新动能,能推动以劳动密集型、重工业为主的产业结构向以技术含量高、环境友好型为主的产业结构转移[16];数字技术不仅与传统高能耗产业融合推动产业内部转型,而且互联网平台等数字经济发展将原本相对独立的市场重新纳入到更大的匹配系统中,从探索新内涵、开拓新空间、催生新领域等方面推动产业结构向中高端迈进,有助于提高能源效率,减少碳排放[17]。

基于以上分析,本文尝试将以上因素共同纳入分析框架,构建一个多渠道影响碳生产率的理论模型。首先设立一个包含能源消耗的部门生产函数:

(1)

(2)

Ai=f(τ)

(3)

其中,CPi、Yi、Ai、Li、Ki、Ei和ε分别表示产业i的碳生产率、实际产出、技术创新、劳动力供给、资本投入、能源消耗及其碳排放折算系数。技术创新Ai与数字经济发展水平τ正相关。将式(3)带入碳生产率决定式(2),可得:

(4)

由式(4)可得,数字经济发展水平τ越大,技术创新Ai越大,则部门碳生产率越高。

将模型进一步扩展成两部门模型,其中部门1为低碳排放部门(CP1较高),部门2为高碳排放部门(CP2较低),即

CP1/CP2=γ>1

(5)

一个地区数字经济发展水平τ影响该地区产业结构的升级,则

str=Y1/Y2=g(τ)

(6)

(7)

将式(5)、(6)代入式(7),可得

(8)

由γ>1,可见数字经济发展水平τ越高,则str越大,CP越大。即:随着低碳排放部门占比的提高,将促进该地区总体碳生产率的上升。

综上,数字经济发展水平影响碳生产率的作用机制主要通过技术创新型与产业结构优化型推动。通过以上理论推导与前文影响机制的论述,本文提出假说2和3。

假说2:数字经济发展通过技术创新渠道影响碳生产率的提高;

假说3:数字经济发展通过优化产业结构渠道对碳生产率的提高产生影响。

(三)数字经济的空间溢出效应

互联网作为搭载数字经济的主要平台,叠加物联网、大数据等新一代技术有助于重塑传统行业运营模式。在信息通信技术的支持下,数据要素的传递打破地理方位的约束,实现跨时空交互与增值。一方面数字经济的推进实现跨区域的资源整合与协同效应,促进先进技术创新与生产布局合理化,提高区域能源投入的高效使用。通过数据流提供决策依据、分享解决方案,进而实现信息流带动资金与生产资料的流动[18]。从这方面分析来看,数字经济的建设和发展可以促进区域碳生产率的提高,并对其他地区的低碳发展带来良好的“示范作用”和正向外部效应。另一方面,发达地区与落后地区在数字经济发展水平差距比较大,“数字鸿沟”使发达省份加剧了对人才、资源方面的虹吸,省份之间产生“竞争效应”,从而在空间上表现出负的外部效应,信息的分化进一步拉大区域差距[10,19]。因此,数字经济对相邻省份碳生产率总的溢出效应取决于这两种作用的大小,由此提出假说4:

假说4:数字经济对于区域碳生产率的影响存在空间溢出效应。

三、模型构建与数据说明

(一)模型构建

为检验数字经济对各省碳生产率的提升是否具有正向作用,本文构建如下模型:

CPit=α0+β1INTit+β2Xit+δit

(9)

其中,i和t分别代表省份和年份;CP为被解释变量,代表每省份的碳生产率指标;INT为核心解释变量,代表各省数字经济发展水平;X为控制变量。

前文的理论研究表明,数字经济发展能够通过技术创新和产业结构优化渠道影响碳生产率变化,为了探究数字经济是通过何种渠道发挥作用,本文进一步借鉴中介效应检验的有关研究[20],设定中介效应检验模型:

Mit=γ0+γ1INTit+γ2Xit+δit

(10)

CPit=ρ0+ρ1INTit+ρ2Mit+ρ3Xit+δit

(11)

其中,M为中介变量,本文指技术创新(innov)与产业结构(str)两个变量。式(10)考察了数字经济是否与中介变量存在相关关系。式(11)是将数字经济与中介变量共同纳入回归模型之中。由于在基准回归模型中已经考察了数字经济对碳生产率的直接效应(式(9)的β1),因此在待验证的影响机制中,重点关注回归系数γ1、ρ1和ρ2,在与γ1、ρ2同时显著的基础上,再观察β1和ρ1的显著性与方向。若ρ1显著,说明该影响机制成立,且存在部分中介效应;若γ1和ρ2均与β1同方向且0<(γ1×ρ2)/β1<1,说明该中介效应具有统计与经济意义。

为进一步验证数字经济对各省碳生产率是否存在空间溢出效应,设定如下模型:

CPit=ω0+ω1INTit+ω2W×INTit+ω3W×CPit+ω4Xit+ω5W×Xit+δit

(12)

式(12)中,W表示空间权重矩阵,ω0为常数项,ω1表示本地区INTit对本地区CPit的影响效应,ω2表示相邻地区INTit对本地区CPit的空间溢出效应,ω3系数表示相邻地区CPit对本地区CPit的空间溢出效应,ω4为控制变量的系数,ω5为相邻地区其他控制变量对本地区CPit的空间溢出效应。

(二)变量选取与数据说明

1.被解释变量:碳生产率(CP)

用单位碳排放所实现的生产总值自然对数表示。碳生产率计算公式为地区GDP/碳排放,其中二氧化碳排放量由原煤、焦炭、原油、汽油、柴油、煤油、燃料油、天然气和电力九类能源消费数据,结合IPCC的《国家温室气体排放清单指南2006》提供的碳排放系数折算而成,各地区GDP数据以2008年为基期进行平减,相关数据来源于历年的《中国能源统计年鉴》和各省统计年鉴。

2.解释变量:数字经济发展水平(INT)

数字经济是以互联网为平台向各产业延伸的新兴经济,整个经济业态构成了一个庞大的复杂系统,用单一指标衡量数字经济发展水平缺乏全面性与科学性,从而影响后续结果的准确性。本文结合国家统计局、信息化产业部对互联网发展提出的测评指标体系,根据当下中国数字经济发展的特点,确立了4大核心要素即一级指标:数字基础设施建设、数字经济普及程度、数字信息资源、数字经济商务化程度,并结合数据的时效性与可获得性对二级指标进行筛选,最终构建中国省级数字经济发展水平综合测度体系。相关数据来源于考察期内各省份的统计年鉴及统计公报、CNNIC公开披露的互联网指标和数据信息、《中国互联网发展状况统计报告》及《中国科技统计年鉴》,具体测度体系见表1。

表1 数字经济发展水平综合测度体系

基于上述数字经济发展综合指标测度体系,针对不同二级指标之间量纲有所不同,本文首先将各二级指标标准化,并进行Bartlett球形检验和KMO检验,结果显示各二级指标均通过了主成分分析法的检验要求,最终采用全局主成分分析方法(GPCA)计算2008—2019年中国省级数字经济发展水平综合指标,并进行单位化处理。

3.控制变量与中介变量

在控制变量中:劳动力投入(LAB)以劳动力供给即区域就业人数取自然对数来表示;市场化程度(OPEN)使用王小鲁等提出的中国分省份市场化指数来衡量,数值越大则该对地区市场化程度越高[21];环境规制(ER)采用排污费占财政支出之比表示;经济发展水平(PGDP)以地区人均GDP取自然对数来刻画。在中介变量中:技术创新(innov)指标使用区域创新能力来衡量,数据来源于《中国区域创新能力评价报告》;产业结构(str)采用第三产业增加值与第二产业增加值比例表示,该指标越大则表示产业结构越高级。各变量统计性描述见表2。

表2 变量及其统计性描述

四、实证结果与分析

(一)基本模型回归

本文对中国30个省份(不含西藏和港澳台地区)2008—2019年面板数据进行回归,并根据财政部《关于明确东中西部地区划分的意见》分类,将样本区分为东部地区与中西部地区进一步分析(其中,东部地区包括北京、天津、辽宁、上海、江苏、浙江、福建、山东、广东9个省份。中西部地区包括中部的河北、山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、海南及西部的内蒙古、广西、重庆、四川、云南、贵州、陕西、甘肃、青海、宁夏、新疆,共21个省份)。表3的(1)～(3)列为OLS回归结果,显示数字经济发展水平指标估计系数显著为正,即数字经济确实促进了碳生产率水平的提高。第(4)～(6)列为控制时间和省份的双固定效应回归,结果显示无论在全样本还是东部与中西部分样本数字经济发展水平与碳生产率都呈现正相关,全样本中INT的系数为1.220 2,东部地区的影响系数为1.024 1,中西部地区的影响系数为1.295 6且都通过了5%水平下的显著性检验。数字经济发展水平对中西部地区的碳生产率提升效应大于东部地区,可能的原因是,东部地区数字经济发展和碳生产率的平均水平较高,而中西部地区的数字经济发展和碳生产率具有更高的提升空间,使数字经济对碳生产率的促进作用更显著,这为中西部地区借助数字经济战略实现弯道超车提供可能。劳动力投入(LAB)系数回归都为正,但在中西部地区不显著,中西部劳动力成本相对较低,使这些地区更多的发展高能耗劳动密集型产业进而不利于碳生产率提升。市场化水平(OPEN)回归系数并不显著,可能的原因是,在市场化改革过程中,招商引资及工业发展更多以粗放型高能耗模式扩张,不利于碳生产率提升。无论是全体样本还是分样本回归,环境规制(ER)都促进了碳生产率的提高,在双碳目标的背景下,国家通过相关行政法规及政策的制定倒逼高能耗企业改革,形成了良好的引导作用。同时,经济发展水平(PGDP)指标系数不显著,可能的原因是以往发展过程中更注重经济增速,强调量的增长,而忽略了节能环保的低碳发展。上述实证结果支持假说1:数字经济对区域碳生产率具有正向提升作用。

表3 基本回归结果

(二)传导机制检验

上文构造的两部门数字经济影响区域碳生产率理论模型中,数字经济可以通过对技术创新(innov)与产业结构(str)两个渠道对碳生产率产生影响。首先采用两步回归法,对传导机制进行检验,结果见表4的回归:第(2)和(4)列结果显示,数字经济与两个中介变量存在显著正向关系,第(3)和(5)列结果表示在基准回归基础上,加入两个中介变量以后,数字经济与中介变量对碳生产率的促进作用仍然在至少5%的水平上显著。对比基准模型,加入中介变量技术创新(innov)与产业结构(str)后,系数降为1.142 2与1.110 4,表明区域创新水平提升与产业结构升级都是数字经济促进碳生产率提升的作用机制。

表4 传导机制检验结果

表5为中介效应Soble检验结果,根据z统计量汇报结果,z>0.97,即Soble检验拒绝了不存在中介效应的假设,数字经济通过技术创新(innov)与产业结构(str)两个渠道影响碳生产率提升的间接效应分别为0.071 6和0.447 3,直接效应分别为1.133 5和0.614 5,中介效应占比分别为5.94%和42.13%,说明技术创新与产业结构升级确实是数字经济影响碳生产率提升的重要途径,假说2和假说3得到验证。

表5 Soble检验结果

(三)空间模型回归

本文对中国30个省份(不含西藏和港澳台地区)2008—2019年碳生产率的空间相关性进行检验,结果见表6。各个省份的碳生产率1%水平下的显著性检验,表明在考察年份中,各省份的碳生产率存在空间相关性,即区域碳生产率具有明显的空间异质性与空间依赖性。

表6 碳生产率的Moran’I指数

通过Wald检验与LR检验进行模型的选择,在经济权重矩阵下,空间滞后、空间误差的LR检验与Wald检验均在1%水平下的显著,拒绝了空间计量模型采用空间误差模型SEM与空间滞后模型SAR的原假设。综上,本文选用时空双重固定效应的动态空间进行回归,同时运用SDM模型的偏微分法,将总效应分解为直接效应与间接效应进一步研究,具体结果见表7。

表7 空间模型回归结果

在全样本回归下,数字经济发展水平的系数始终为正,并通过了至少5%水平下的显著性检验,说明数字经济发展水平(INT)对中国省级碳生产率产生了正面影响,数字经济发展水平每提高1%将对本地碳生产率产生1.165 9%的推动作用。观察数字经济与碳生产率的空间滞后项回归系数可以发现W×CP的系数为正(0.234 4),说明在全国范围内各省的碳生产率提升仍以正向溢出效应为主,各地区之间有正向的赶超效应。W×INT系数为-0.458 5,由此可见数字经济对本地碳生产率产生正面影响,但外部空间溢出效应以负向竞争效应占优。非空间计量模型中自变量的回归系数表示对因变量的直接影响程度,但空间计量模型中的自变量回归系数包括直接效应和反馈效应两个方面。进一步对SDM模型进行全微分,分解出数字经济发展对碳生产率的直接效应与间接效应。表7的总效应(5)中,数字经济发展水平INT的系数0.929 9就包括了表7模型(3)中INT的直接效应1.161 5和表7模型(4)中-0.231 6的间接效应,但间接效应系数没有通过显著性检验。数字经济对本土碳生产率产生正面影响,但是相邻地区数字经济对本地碳生产率的影响并未发挥正向空间溢出效应。

考虑到数字经济对碳生产率影响存在区域异质性,进一步将样本划分为东部与中西部地区展开估计,回归结果如表8所示:东部地区的空间溢出回归系数为负但不显著,虽然数字经济发展对本地区碳生产率的提升发挥了积极作用,但数字经济的外部溢出仍然以竞争效应为主,发达省份因其虹吸效应集聚高质量要素,而表现出负的间接效应。而中西部地区的空间溢出效应显著为正,有着显著的后发优势,通过数字经济实现中西部省份经济低碳绿色增长的共同发展,区域协同效应显著。以上回归结果验证了假说4,表明加快推进数字经济发展不仅有利于本地碳生产率提高,也通过示范作用与竞争作用产生外部效应。

表8 空间模型回归结果(分地区)

五、稳健性检验

(一)替换解释变量

本文的核心解释变量为数字经济发展水平,为了缓解模型存在的内生性问题,采用滞后一期的数字经济发展水平进行回归,表9模型(1)结果显示,滞后一期的数字经济发展水平回归系数为1.326 1,且在5%水平显著为正,再次验证基准回归结果较为稳健。

(二)区分时间段回归

数字经济离不开互联网技术的发展,2013年国务院印发《“宽带中国”战略及实施方案》,推动了数字经济的发展,因此以2013年为分界点,进一步将样本时间划分为2008—2013年、2014—2019年两个阶段分别进行回归,具体结果见表9,数字经济发展水平的回归系数都显著为正,且在“宽带中国”战略实施后的促进作用0.931 2大于战略实施前的系数0.588 4,结果依然是稳健的,进一步验证了假说1,随着各省数字经济发展水平的日益增强,有利于促进碳生产率的提升。

表9 稳健性检验

六、结论与建议

本文构建两部门下数字经济发展多渠道影响碳生产率的理论模型,从四个维度筛选指标构建了数字经济发展水平综合测度体系,并进一步从影响效应、传导机制及空间溢出效应分析数字经济对区域碳生产率的影响。研究结果表明:第一,数字经济有助于提升碳生产率,呈现出区域异质性,对中西部地区的提升作用大于东部地区,数字经济战略对推动中国经济绿色低碳发展具有重要意义。通过进行更换解释变量、分时段回归等稳健性检验,数字经济的提升作用仍然成立;第二,数字经济通过技术创新与产业结构优化两个渠道对区域碳生产率提升产生间接影响;第三,数字经济在中西部地区对碳生产率呈现显著的正向空间溢出效应,但在东部地区和全国范围来看并未对相邻地区碳生产率的提升发挥正向外部效应。基于本文研究,提出以下建议:

第一,在发展低碳经济的过程中要加强对数字经济的政策引导和扶持。根据数字基础设施,数字经济普及,数字信息资源和数字经济商务化各方面发展进度补齐短板。加快推动5G、人工智能、工业互联网等新一代数字信息技术在制造企业的创新应用,着力提升企业的数字化转型能力,通过产品升级,价值链升级以及商业模式升级,加快数字产业化与产业数字化的进程,进一步夯实数字经济发展基础。

第二,优化数字经济制度的顶层设计。一是,扎实推进以创新为内核的数字经济发展,通过技术创新增强可持续发展能力,加大培育掌握数字技术、具备数字素养的新型人才;始终注重通过创新投入来促进碳生产率的提高,从而实现“既要绿水青山也要金山银山”。二是,产业结构转型是实现中国绿色可持续发展的关键环节,也是数字经济驱动低碳发展的重要一步,推动传统行业尤其是资源型重工业向自动化、绿色化转变,让数字经济更好的服务现代工业;通过开辟新的应用场景,激发出更多的新业态和新模式,实现产业结构向低碳化,绿色化转型。

第三,实现动态化、差异化数字经济发展策略。数字经济既是实现碳生产率提高的重要驱动力,又是促进区域协同发展的新引擎。东部地区具有一定的数字经济发展平台基础,应当注重相关领域核心技术的突破与攻关,发挥良好的示范作用,引导数字经济发展较好的产业向中西部地区转移,推动中西部地区传统产业与数字技术的融合。中西部地区应当适度超前布局数字经济发展战略,加快新型数字基础设施建设进度,降低数字技术使用门槛,为实现低碳经济赋予更大的动能。通过动态化、差异化数字经济发展策略,逐步改善区域间发展不平衡的现状,加快消除数字鸿沟,以数字化转型驱动低碳绿色发展。