ICT投资对碳排放效率的空间效应和影响机制

李朋林，钟玉祥

（西安科技大学 管理学院，陕西 西安 710600）

0 引 言

化石燃料是当今世界上主要的能源，各国在发展经济的过程中不可避免地会大量使用，而这种不可再生能源在燃烧过程中会产生大量二氧化碳，如果全球范围内不加控制，大气中的二氧化碳大量增加，会使海平面在2 100年之前上升1 m，全球温度上升1.5～4.5 ℃[1]。联合国报告认为全球变暖诱发极端天气，全球变暖和极端气候发生的频率近年来大幅增加，使民众生命财产安全、水资源、粮食安全和能源安全受到威胁，甚至引起森林、粮食生产和全球生物一系列的灾难性变化。在全球绿色低碳转型的浪潮下，世界各国纷纷采取积极行动，实现碳中和战略。中国是全球最大的能源消费国之一，面临着巨大的碳减排压力。有资料显示，2000—2018年期间，中国的碳排放总量增加近2倍，在全球碳排放中的份额从2000年的13.97%增加到2018年的27.96%[2]。碳排放效率（Carbon Emission Efficiency）是二氧化碳脱钩的经济意义的精确体现，碳排放的低效率危及经济发展的可持续性。因此，面对碳排放的激增，中国迫切需要提高其碳排放效率，以实现碳中和目标。

信息通信技术投资对经济增长和碳减排有着深远的影响。随着以信息通信技术（Information Communication Technology，以下简称ICT）为支撑的数字经济时代的到来，ICT资本已经渗透到社会生产和人们生活的方方面面，成为促进经济增长和节约能源的越来越关键的生产要素。由于ICT自身所具备的渗透性、替代性、协同性等特征，在打造新产业新业态、推动传统产业数字化转型等方面发挥着基础性支撑作用[3]。ICT的爆炸性发展已经成为中国新旧动能转换的新引擎[4]。中国也深刻认识到数字化对高质量发展的意义，出台一系列战略，如“十四五规划”“中国制造2025”“数字中国”和“东数西算”等，这些战略都反复强调推动ICT与社会生产深度融合，发挥ICT资本对经济转型和绿色发展的催化作用。特别是近年来，经济发展受到新冠疫情的严重影响，环境和经济包容性发展的内涵更加突出。因此，在后疫情时代，在确认ICT资本与碳效率关系的基础上，厘清ICT资本对碳效率的影响路径，对于充分实现ICT资本的红利，最大限度发挥数字化的节能效应，积极应对内外压力，实现低碳转型至关重要。

文中首先从理论层面揭示ICT资本对碳排放效率的影响机制，再运用面板数据选取有效指标，建立空间杜宾模型，从实证角度研究其影响程度和两者之间可能存在的空间溢出效应，并结合中介效应模型，验证ICT资本对碳排放效率的影响机制，在此基础上提出针对性政策建议为中国实现碳中和目标提供相应参考。

1 文献综述

近年来数字化经济的快速发展增加ICT对能源和碳排放影响的相关研究。国内外不少现有的研究都支持ICT产业的发展可以显著减少能源消耗。TOFFEL和HORVATH发现通过使用无线信息技术减少对商务旅行的需求[5]。BUNSE等认为ICT可以通过自动化控制生产流程或通过对能源节约投资带来的财务成本节约来实现节能效应[6]。樊茂清等采取超越对数生产函数建立联立方程计量模型，分别从静态和动态角度研究ICT、能源价格和技术变化对能源消耗的影响，结果表明ICT资本投入、能源价格上涨及技术进步可有效降低中国大部分行业的能源强度[7]。张三峰等使用中国制造业企业的调查数据，实证检验企业应用ICT的程度对能源强度的影响及机制，研究发现在生产运营过程中企业ICT应用程度和企业能耗之间存在显著的负相关性[8]。

然而一些学者对ICT产业发展会自动导致能源使用减少的观点表示怀疑，他们认为ICT发展对实现能源效率有负面影响。TAKASE和MUROTA分析ICT投资对美国和日本能源消耗的影响，并得出结论：虽然日本可以通过增加对ICT的投资来节约能源，但增加对美国的ICT投资将增加能源消耗[9]。FORGE以数据中心的能耗为例，指出ICT发展具有不可持续性[10]。CHO等调查ICT投资对韩国工业用电量的影响，发现服务业和大部分制造业的ICT投资增加用电量，而只有少部分制造业的ICT投资导致用电量减少[11]。SADORSKY研究19个新兴国家ICT对电力消耗的影响，并发现ICT（以电信密度衡量）与电力消耗之间存在正相关关系[12]。

综上所述，文中有以下几点边际贡献：①基于当前时代背景，将ICT产业和碳排放效率纳入同一分析框架，不仅揭示ICT投资对地区碳排放效率的空间影响效应，还对两者之间的空间溢出效应进行探究，并进行效应分解，完善关于改善碳排放效率因素的研究；②目前的研究主要从统计角度探讨两者之间所存在的相关关系，但对产生这种相关关系的内在机制缺乏深入探讨，难以为ICT资本红利的实现提供针对性建议。基于此，笔者在考虑ICT资本和碳排放效率的相关关系的同时，还从空间视角探究两者空间溢出效应，并且从技术创新、产业结构、人力资本等新视角更清晰、更深入地考察ICT资本对碳排放效率的内在影响机制，突破传统机制的固化效应，更加准确完整地把握两者之间的关系，丰富现有的研究框架，是对数字碳减排领域研究的创新和发展。

2 理论假设

与传统产业相比，ICT产业具有源自产业融合的智慧属性，这也是其促进低碳节能的逻辑起点。ICT资本与生产、生活高度融合，推动区域数字基础设施建设，实现区域生产、生活的智能化和低碳化，从而降低能耗，提高生产效率，帮助改善碳排放效率。一方面，传统工业与ICT技术的融合实现了生产流程的智能化、自动化，ICT解决方案采用互联网技术、无线通信技术和传感器，能够准确监测并计算生产生活中的碳排放量，从而有效控制和管理二氧化碳排放。另一方面，ICT能通过融合的智能终端和网络技术提供远程会议和电子商务等服务，传统商业模式和居民生活方式通过这种非物质的替代手段而改变，提高商业运作和生活效率，减少不必要的能源消，最终实现环境保护和资源节约。因此，文中提出假设H。

H：ICT资本有助于提升碳排放效率。

2.1 ICT资本通过技术效应提高碳排放效率

首先，作为一种知识密集型的新兴技术，信息通信技术代表一种巨大的技术进步力量，ICT资本在生产生活中的不断渗透，为改善碳排放效率消除了技术障碍，促进工业生产的现代化，加快清洁生产技术和污染物控制技术等绿色创新技术的应用，进而提高能源产生的经济效益，实现对能源的高效利用[13]。其次，基于创新理论，数字元素促进新的创新元素的产生，ICT资本推动一系列具有技术溢出效应的低碳技术的发展，从而大大减少生产冗余，改善环境影响，从而提高碳排放效率[14]。最后，作为高科技产业的象征，ICT产业的扩张有利于区域内技术进步优势的形成，从而促进区域产业链的低碳化转型。例如左晖和艾丹祥基于供给面方程系统，发现ICT资本通过提高研发效率提高全要素生产率，为区域发展创造新动力[15]。因此，文中提出假设H1。

H1：ICT资本引起的技术创新促进了碳排放效率的改善。

2.2 ICT资本通过优化产业结构提升碳排放效率

首先，ICT资本的增加有利于充分调动产业结构升级的活力，有效解决产业结构扭曲的缺陷，消除碳排放效率提升的结构性困难[16]。其次，基于信号理论，ICT资本在缓解融资约束和减少信息不对称方面的效果得到一致认可，ICT通过互联网技术减少交易资本，提高金融资源的可得性，缓解高新技术企业的融资困难，促进创新创业，高新技术企业大部分属于第三产业，降低第二产业与第三产业的比例，有效解决产业结构扭曲的弊端，从而为产业结构的低碳化转型提供动力。最后，ICT资本的增加有助于利用ICT产业的正外部性，扩大ICT的规模效应，形成“示范效应”促使其他产业优化其产业结构，提高能源效率，从而加强区域碳减排合作[17]。综上所述，提出假设H2。

H2：ICT通过优化产业结构促进碳排放效率的提升。

2.3 ICT资本通过人力资本效应改善碳排放效率

首先，ICT资本拓宽信息传播的渠道，提高信息获取的速度，加强区域知识溢出，加快人力资本的积累，培养人力资本的质量，从而为提升碳排放效率提供智力支持，劳动力通过培训、学习等手段进行人力资本建设，提高劳动力的素质和技能，进一步促进新技术的开发使用，提高能源利用效率。其次，ICT资本通过加速信息共享，促进信息协调，会带来区域人力资本的合理配置，刺激劳动生产率，进一步为碳排放效率的提升提供效率基础。最后，人力资本水平的提升会提高劳动力产出水平，从而增加劳动力的收入，而收入水平的提高又会进一步影响能源消费习惯，最终影响碳排放效率。综上所述，文中提出假设H3。

H3：ICT资本通过加速人力资本的积累促进碳排放效率的改善。

基于上述假设的机制分析，文中构建ICT资本对碳排放效率的作用机制图（图1）。图1表明ICT资本不仅通过降低能源消耗和提高生产效率对碳排放效率产生直接影响，还会通过促进技术创新、优化产业结构和加速人力资本的积累对碳排放效率产生间接影响。

图1 ICT资本对碳排放效率的作用机制Fig.1 Mechanisms of the role of ICT capital on carbon efficiency

3 实证设计

3.1 模型构建

3.1.1 系统GMM模型

由于政策实施一般具有滞后效应，这会导致模型中的当期被解释变量会被上一期被解释变量所影响，文中构建动态面板模型以验证相关变量对碳排放效率影响的滞后性。一般固定效应模型或随机效应模型常运用于静态面板数据的参数估计，但无法解决动态面板中的内生性问题所带来的估计偏差。系统广义矩估计模型（SYS-GMM）能够修正未观察到的个体异质性问题、遗漏变量偏差、测量误差和潜在的内生性问题，并通过控制时间和个体来减少干扰项的影响。同时，考虑被解释变量的滞后项，对影响结果进行动态估计。此外，系统GMM可以同时估计差分GMM和水平GMM，结合两者的优点，可以利用更多的信息提高估计的效率。因此，文中使用系统GMM来估计ICT资本对碳排放效率的影响，将滞后一期的碳排放效率作为解释变量，并将外生变量作为工具变量。具体模型如下

CEEit=β0+β1CEEit-1+β2LnICTit+β3LnULit+β4LnFDIit+β5LnPGDPit+λi+μt+εit

（1）

式中 下标i为各省（市、自治区）；t为年份；CEEit为i省份t年度的碳排放效率，是被解释变量；CEEit-1为滞后一期的碳排放效率，作为解释变量；ICTit为ICT投资，是核心解释变量；ULit为城市化率；FDIit为直接外商投资；PGDPit为人均GDP；λi和μt分别为个体和时间的固定效应；εit为随机扰动项。

3.1.2 动态空间计量模型

采用空间计量模型来定量化地测度空间溢出效应的强度。相比传统的静态空间面板模型，动态空间计量模型考虑到被解释变量的时间滞后性，引入被解释变量的一期滞后项，减少内生性问题，动态地估计了影响结果。鉴于上述优势，笔者使用动态空间计量模型来估计ICT资本对碳排放效率的空间影响，具体模型如下。

CEEit=β0+τCEEit-1+ρW·CEEit+β1LnICTit+θ1W·LnICTit+β2LnULit+θ2W·LnULit+β3LnFDIit+θ3W·LnFDIit+β4LnPGDPit+θ4W·LnPGDPit+λi+μt+εit

（2）

式中β0为常数项；W为空间权重矩阵，为了保证研究的科学性和稳健性，笔者使用空间邻接矩阵Wa，地理距离矩阵Wd和经济距离矩阵We作为空间权重矩阵。ρ≠0为碳排放效率存在空间溢出效应；βi（i=1,2,3,4）为各变量对碳排放效率的影响程度，θi≠0（i=1,2,3,4） 表示各变量对碳排放效率存在空间溢出效应；λi和μt分别为个体和时间的固定效应；εit为随机扰动项。

3.1.3 中介效应模型

采用经典的三步法，逐步检验ICT资本对碳排放效率的传导路径。为提高结果的稳健性，采用Bootstrap抽样方法进行进一步检验，以消除中介效应的正态分布。借鉴温忠麟和叶宝娟的研究方法，构建中介模型如下[18]

（3）

其中，被解释变量和核心解释变量与模型（2）一致，controlit为控制变量;Mit为中介变量，a1，b1，c1和c2为回归系数；εit为模型的误差项；a1为ICT资本对碳排放效率的总影响效应；b1为ICT资本对中介变量Mit的效应；c1和c2分别为ICT资本和中介变量Mit对碳排放效率的影响效应，b1和c2的乘积表示中介效应。

3.2 变量与数据选取

3.2.1 被解释变量：碳排放效率（CEE）

Malmquist生产率指数最早由经济学家和统计学家Malmquist提出，Fare R等人最早采用DEA方法计算Malmquist指数，之后又在前期基础上进行改进，将Malmquist指数分解为纯技术效率变化（PEC）、规模效率变化（SEC）和技术进步变化（TC）[19]。但是传统的DEA模型假设要素投入只有单一的期望产出，并未考虑到生产过程中的污染排放问题，而SBM模型是引入松弛变量测度的DEA效率分析方法，解决非期望产出下的效率评价问题[20]。

参考WU等[21]的研究，采用带有非期望产出的超效率SBM模型来估算碳排放效率（CEE），并基于FARE等的方法，将碳排放效率（CEE）分解为PEC，SEC和TC。将资本、劳动力和能源作为投入指标，其中资本投入选取资本存量指标衡量，统计方法借鉴张军[22]对中国各省市地区资本存量的计算方法，采用“永续盘存法”测算2007—2020年中国各省的资本存量；劳动力由各省年末从业人数表示；能源投入量选取各省的能源消费总量；碳效率的产出分为期望产出和非期望产出，分别由各省实际GDP和CO2排放量表示，CO2排放总量通过碳排放系数法计算得到[23]，计算公式为

（4）

式中i为能源种类，包括天然气、原煤、煤油、汽油等；ECi为各省第i种能源消费量；NCVi为各能源的平均低位发热量；EEi为《2006 年IPCC国家温室气体清单指南》中每种能源的碳排放系数；COF为碳氧化因子。

3.2.2 解释变量：ICT资本

借鉴中国信息通信研究院的研究，在“永续盘存法”的基础上，考虑时间-效率模式，对ICT资本存量进行测算，计算公式如下

（5）

3.2.3 中介变量

1）科技创新（TI）：采用各省发明专利授权数度量。技术进步可以提高技术的效率，改善要素的边际产出率，使微观主体通过生产边界外移，在相同要素投入水平下得到更多产出。波特的创新驱动理论也表明，更强大的技术创新更容易实现绿色生产力的提高，有助于碳排放效率的改善。

2）产业结构（IS）：宏观层面上看，社会三大产业中与能源消耗关联度最高的是第二产业，其次是第三产业，最后是第一产业，提高第三产业占比会显著降低社会整体能耗，因此产业结构与能源消耗和碳排放强度密切相关。大多数研究将工业增加值作为反映产业结构的数据，但由于近年来可持续发展理念的实施以及政府的调控政策，工业增加值占GDP的比重基本维持在40%左右，并不能作为理想的经济结构变动的替代指标；此外，中国政府调整产业结构并实现经济结构调整的努力方向是提高第三产业占GDP的比重。因此基于以上，采用第三产业占比来表示产业结构，计算方法为第三产业增加值除以GDP。

3）人力资本（HC）：由各省年末从业人数表示。人力资本主要通过技术创新效应和收入效应对碳排放产生影响。首先，劳动力通过培训、学习等手段进行人力资本建设，提高了劳动力的素质和技能，进一步促进新技术的开发使用，提高能源利用效率；其次，人力资本水平的提升会提高劳动力产出水平，从而增加劳动力的收入，而收入水平的提高又会进一步影响能源消费习惯，最终影响碳排放。因此，人力资本的积累为碳减排提供智力支持。

3.2.4 控制变量

1）城市化率（UL）：城市化率对碳排放效率的影响尚不明确。一些学者认为，城市化阻碍碳排放效率的改善[25]，而其他学者则坚持认为这2个因素之间存在U型关系[26]。文中采用城镇人口比例表示城市化率。

2）外商直接投资（FDI）：外商直接投资对碳排放效率的影响也有争议。一些学者支持的观点是外商直接投资的增加，促进经济的发展，导致碳排放的激增；而其他学者坚持认为，外商直接投资的溢出效应有利于实现碳减排和改善碳排放效率。外商直接投资数据来源于Wind数据库、各省统计年鉴以及各省统计局官网。

3）人均国内生产总值（PGDP）：人均GDP是衡量经济发展水平的主要指标，人均GDP与碳排放效率直接相关，也是测度碳排放效率的一个重要维度[27]。

以上变量数据主要来源于2007—2020年《中国统计年鉴》，《中国能源统计年鉴》，《中国信息技术统计年鉴》，《各省统计年鉴》、Wind数据库、国泰安数据库以及中国各地区投入产出表。一些缺失的数据通过插值法进行补充。由于西藏、港澳台地区的相关数据缺失较多，文中以中国30个省市作为研究对象。对部分变量取自然对数以减少异方差。各变量的描述性统计见表1。

表1 各变量描述统计

4 实证分析

4.1 空间自相关性检验

4.1.1 全局空间自相关

采用Moran’s I来检验2007—2020年期间中国各省的碳排放效率和ICT资本的全局空间自相关性（表2）。碳排放效率的Moran’s I仅在2018年不显著，其他年份均存在显著的正相关，标志着中国的碳排放效率呈现显著的空间正相关，也就是说，每个省份对其相邻省份的碳排放效率有正向影响。ICT资本的Moran’s I都通过显著的正向关系检验，这意味着ICT资本也具有正的空间相关性分布。碳排放效率和ICT资本的显著空间自相关性意味着采用动态空间面板模型来进一步讨论空间溢出效应是合理的。

表2 碳排放效率和ICT资本的全局Moran’s I指数

4.1.2 局部空间自相关

Lisa指数是对局部空间关联性特征的描述，直观地反映省级局部空间集聚性[28]。采用Lisa指数来反映中国碳排放效率和ICT投资的局部空间自相关，并将空间集聚分为以下4种类型：高-高（H-H）、高-低（H-L）、低-高（L-H）、低-低（L-L）。使用2020年的数据通过ArcGIS软件绘制Lisa集聚图（图2、图3）。从图2可以看出，一线城市、东部发达省份和东南沿海省份的CEE属于高-高（H-H）聚集，而多数西部省份和西南省份属于低-低（L-L）聚集，意味着CEE低值省份的周边省也都是低值，导致这些省份容易陷入“低效率陷阱”。从图3可以看出，沿海省份和中部省份的ICT资本表现出高-高（H-H）聚集的良好收敛效应，而北部和西部省份则大部分属于高-低（H-L）和低-低（L-L）聚集，这可能是受互联网基础设施匮乏的限制而导致。

图2 2020年碳排放效率Lisa集聚Fig.2 Lisa index of CEE in 2020

图3 2020年ICT资本Lisa集聚Fig.3 Lisa index of ICT capital in 2020

4.2 实证结果分析

4.2.1 系统GMM回归分析

通过系统GMM方法测算出ICT资本对碳排放效率及其分割效率（PEC，SEC，TC）的直接影响（表3）。

表3 系统GMM回归结果

AR（1）和AR（2）检验是检验扰动项是否存在序列相关，一般允许扰动项一阶差分存在自相关，但不允许二阶差分存在自相关，即AR（1）的P值小于0.1，AR（2）的P值大于0.1。Sargan和Hansen检验表明，不存在弱工具变量和工具变量过度识别的问题，这意味着系统GMM适用于文中动态面板数据。由表3可知，ICT资本对碳排放效率（CEE）、纯技术效率变化（PEC）、规模效率变化（SEC）和技术进步变化（TC）的影响都通过不同程度的显著正相关检验，说明ICT资本的增加不仅有利于碳排放效率的提高，也有助于推动技术进步和技术效率的增长。因此，H假设得到验证，进一步证实文中中介假说的合理性。相对而言，ICT资本对CEE，PEC，SEC和TC的影响系数分别为0.611，0.138，0.258和0.353，意味着ICT资本每增加1%，CEE，PEC，SEC和TC分别提高0.611%，0.138%，0.258%和0.353%。值得注意的是，ICT资本在提高碳排放效率方面的效果非常突出，同样，ICT资本对技术进步变化（TC）的影响系数为正也说明ICT资本具有很强的技术进步效果。此外，各被解释变量的滞后项L.CEE，L.PEC，L.SEC和L.TC都同当期值呈现出明显的正相关，说明CEE，PEC，SEC和TC都有时间滞后效应。

4.2.2 ICT资本对碳排放效率的空间效应分析

根据空间模型选择的选择准则，表4中的Hausman检验和LM检验都通过显著性检验，而且LR检验在1%的显著性水平下拒绝空间杜宾模型（SDM）退化为空间误差模型（SEM）和空间滞后模型（SLM）的假设。因此，采用动态空间杜宾模型来分析ICT资本对碳排放效率的空间效应是合理的。

表4 不同矩阵下动态SDM模型检验结果

1）动态空间杜宾模型检验结果。由表4可知，碳排放效率的时间滞后项CEEt-1的回归系数在3种权重矩阵下均为正且在1%的水平上显著，说明中国的区域碳排放效率存在显著的“时间惯性”，即前期的环境、经济状况对当期的碳排放效率有明显影响；基于邻接矩阵、地理距离矩阵和经济矩阵，ICT资本对碳排放效率都有显著积极影响，数字化水平越高，会提高能源利用效率，进而提高碳排放效率；此外在经济距离矩阵下，ICT资本对碳排放效率的影响最为突出，这可能是因为经济较发达地区数字基础设施配套完善，区域经济联系紧密，这为碳排放效率改善的规模效应提供良好的支持；城市化率（UL）只在经济距离矩阵下对碳排放效率有正向影响，可能的原因是城市化率越高的省份经济一般也越发达，对改善碳排放效率有积极影响；人均GDP在地理距离矩阵和经济距离矩阵下系数为正，原理同城市化率对碳效率的影响类似，即经济越发达程度和碳排放效率成正相关关系；外商直接投资（FDI）对碳排放效率存在负向影响，进一步佐证前文所述外商投资对碳效率有负向影响的相关研究结果。

2）空间溢出效应检验。空间溢出效应检验结果见表5。基于邻接矩阵和经济距离矩阵的2种检验都表明，ICT资本对碳排放效率具有显著的且正向的空间溢出效应。具体来说，以邻接矩阵为例，ICT资本对碳排放效率的直接和间接影响系数分别为0.914和0.458，这意味着ICT资本不仅对所在省份的碳排放效率有促进作用，也对周边省份的碳排放效率有很强的正外部性，省内ICT资本增加1%，对所在省份的碳排放效率提高0.914%，对周边邻近省份的碳排放效率提高0.458%，可能是因为信息通信技术的发展缩短空间和时间距离，提高信息共享的效率，增强ICT资本对碳排放效率的溢出效应。根据经济距离矩阵的结果，ICT资本对碳排放效率直接和间接影响分别为0.809和2.021，间接影响是直接影响的2.5倍，可能是因为经济距离中的元素反映省际之间经济发展水平的差异大小，两省之间经济水平差异越小，经济距离越近，两者之间的空间权重系数越大，而经济发展差异较小的省份，特别是经济较为发达的省份，较内陆省份更多的ICT投资和信息互联促成良好的经济规模效应，提高碳排放效率。总的来说，ICT资本对碳排放效率有明显的空间溢出效应。

4.2.3 中介效应检验

表5 不同矩阵下空间溢出效应检验结果

用技术创新（LnTI）、产业结构（LnIS）和人力资本（LnHC）作为中介变量，考察ICT资本对碳排放效率的作用路径（表6）。

表6中的第（1）和（2）列解释技术创新作为中介变量的回归结果，第（1）列说明ICT资本对技术创新有明显的正向影响，表明ICT资本对技术创新有促进作用；第（2）列显示，ICT资本和技术创新对碳排放效率的影响系数分别为0.639和0.054。说明技术创新对碳排放效率有部分中介效应。从宏观角度，ICT为产业发展带来数据、信息和技术等新生产要素，使产业创新效率和技术效率得到提升，刺激了新兴产业的发展。从微观角度，信息通信技术所具有的高渗透性、快捷性和共享性有利于减少信息不对称带来的交易成本，实现生产、协调和运行效率的提升，促进碳效率的优化和改善。因此，ICT资本能促进技术进步，减少能源消耗和提高能源效率，为提升碳排放效率提供技术支撑。

表6中的第（3）列和第（4）列展示产业结构作为中介变量的结果，从第（3）列可看出，LnICT的系数为正，表明ICT资本的增加对产业结构有正向的优化作用；第（4）列中LnIS和LnICT的影响系数分别为0.028和1.070，意味着产业结构发挥有效的中介作用。ICT产业的发展有利于传统产业的改造和新兴产业的发展，推动产业结构向环境友好型和技术密集型的方向演变，并通过提高第三产业比重改善产业比例关系，促进要素资源逐渐往低能耗产业集聚，从而改善碳排放效率。因此ICT资本的增加通过优化产业结构，优化了产业链和供应链的整个生命周期，有利于碳排放效率的改善。

表6 中介效应回归检验结果

表6中的第（5）和（6）列显示人力资本的中介效应，第（5）列显示ICT资本与人力资本有显著的正相关关系，说明ICT资本的增加加速人力资本的积累；第（6）列表明，ICT资本和人力资本都与碳排放效率有显著的正相关关系。综合考虑，人力资本起到一定的中介作用。ICT资本通过加速人力资本的质和量的发展，促进居民消费结构升级，使得非物质消费相对于物质消费大大增加，而非物质消费市场需求的增加促进服务业的发展，多元化消费的发展提升信息流和物流效率，促进碳排放的提升。

为了进一步检验ICT资本对碳排放效率的中介效应，采用Bootstrap抽样方法，计算出中介效应的95%置信区间。各中介变量的检验结果见表7。技术创新的中介效应系数为0.075，置信区间为[0.030，0.121]，区间不包括0值，说明技术创新的中介效应是显著的，因此ICT资本促进了技术创新，有利于碳排放效率的改善，H1假设得到验证。产业结构的中介效应系数为0.037，且置信区间不包含0，H2假设成立。人力资本中介变量的95%置信区间不包括0，可以确定ICT资本加速人力资本的积累，从而促进了碳排放效率的改善，H3假设成立。

表7 Bootstrap中介效应存在性检验结果

5 结论和政策建议

5.1 研究结论

1）ICT投资能有效改善碳排放效率。ICT资本对纯技术效率、规模效率和技术进步的促进作用说明ICT资本将技术进步和规模效应引入到碳减排中，推动技术创新。

2）ICT投资对碳排放效率具有明显的正向空间溢出效应。在经济距离矩阵下ICT资本对碳排放效率的间接影响是直接影响的数倍，这表明碳排放效率不仅受到当地ICT资本的影响，而且还更多地受到经济发展程度相近的省份ICT资本的影响。

3）ICT投资可以通过促进技术创新、优化产业结构和加速人力资本的积累来增加碳排放效率。

5.2 政策建议

1）中国应大力鼓励数字投资，提高ICT资本的配置效率。中国ICT产业的水平仍然落后于发达国家，ICT资本的空间分布仍然不均衡。因此，迫切需要加强ICT产业的硬件和软件的整体建设，合理配置区域数字化投资，缩小区域ICT水平的差距，更好地把握数字经济红利，充分激发ICT推动低碳转型的潜力，为实现碳中和目标提供动力。

2）中国应充分利用ICT资本的空间溢出效应，实施区域碳减排协作战略。具体而言，东部ICT基础设施配套较完善地区应充分利用ICT资本刺激先进信息技术的发展，培育低碳技术创新，为碳减排提供技术支持。中西部ICT投资欠发达地区应清醒地认识到自身数字产业化方面的不足，采取优惠政策吸引ICT投资，鼓励ICT产业的发展，加强与东部地区的合作，通过加强区域协作形成碳减排的规模效应。

3）合理利用ICT投资影响碳排放效率的中介机制，释放ICT投资的节能潜力。要充分发挥ICT资本的作用，提高区域技术创新水平，优化产业结构，加快人力资本积累，解决提高碳排放效率的关键问题。此外，不同地区应审视其数字化促进节能的困境，准确识别中介渠道，最大限度地实现ICT资本红利，以实现碳减排的有效性。