中国数字经济与城市碳排放强度：时空演化与作用机制

2023-06-12冯兰刚阳文丽王忠樊向波

中国人口·资源与环境 2023年1期

冯兰刚阳文丽王忠樊向波

摘要数字经济是实现“双碳”目标的重要驱动力。基于2011—2019年城市面板数据，分析了中国数字经济发展与碳排放强度的时空演化特征，运用面板固定效应、中介效应模型及二者的滞后模型、门限效应模型与空间杜宾模型，多维度实证检验了中国数字经济发展的“控碳”效应与机制。主要研究结论为：①从整体来看，研究期内中国数字经济取得较快发展。从区域来看，京津冀、成渝、长三角以及珠三角数字经济发展优势明显。同时，各城市的碳排放强度呈现波动型下降趋势，碳排放集聚效应明显。②数字经济发展的控碳效应显著，创新能力与能源强度是重要的控碳机制。具体地，数字经济发展每提升1%水平，总体上能够促进城市碳排放强度降低0. 390%，其中通过创新能力这一途径，可直接影响城市碳排放强度降低0. 377%，间接影响城市碳排放强度降低0. 013%；而通过能源强度这一途径，可直接影响城市碳排放强度降低0. 258%，间接影响城市碳排放强度降低0. 132%。③从滞后效应的动态检验结果来看，数字经济的控碳效应与机制均存在着显著的滞后效应，且其作用效果能够持续至第三期。④数字经济的控碳效应具有以自身发展水平为基础的单门限效应，在数字经济发展指数门限值的前、后两阶段，数字经济均显著抑制了碳排放强度，但后一阶段的抑制效果较前一阶段而言有所减弱，即表现为先强后弱的非线性转换。⑤在空间溢出效应上，数字经济对城市碳排放强度的空间溢出效应显著为负，说明数字经济发展能够降低本城市及相邻城市的碳排放强度，提升数字经济发展水平，加强城市间的协作治理有助于实现碳减排。

关键词数字经济；碳排放强度；时空演化；门限效应；空间溢出

中图分类号 F832 文献标志码 A 文章编号 1002-2104（2023）01-0150-11 DOI：10. 12062/cpre. 20220610

当前中国经济发展正面临着增速减缓与绿色转型的双重压力，“双碳”目标成为新发展阶段的主要任务，也是实现中国高质量发展的重要战略之一。要实施“双碳”目标发展战略，碳减排是治理温室气体排放和持续改善环境质量最直接有效的方式，必须摆在国家生态文明建设的首要位置。在大数据、人工智能、物联网等数字技术同各领域深度融合的背景下，以数字经济创新驱动生产生活方式绿色转变，能源配置更加合理、利用效率大幅提高和能源清洁低碳安全高效利用，被视为实现中国“双碳”目标愿景的重要途径［1］。现有文献认为，数字经济主要通过两种方式促进碳减排，其一是通过数字技术与碳足迹、碳汇等方面的应用融合，能够实现对能源行业的数字化监测、碳排放精准计量与预测、合理规划，提高能源使用率，降低能源行业的碳排放量［1-2］；其二是通过数字化改造旧动能，引领和培育新动能，能够促进技术创新与清洁能源生产，推进重点行业和重要领域绿色化改造，从而降低碳排放强度，为美丽中国建设实现作出贡献［3-4］。但上述观点多为理论层面的分析，缺乏实证检验证据，因此文章提出以下问题：数字经济发展能否成为促进城市碳减排的有力工具？如果答案是肯定的，它的作用机制是什么？数字经济对碳排放强度的影响在自身特征方面具有何种差异？在空间上的效应是否存在？以数字经济为主题的碳减排效应引起理论界和决策层的广泛讨论与关注，成为一个亟待研究论证的重要问题。

1 文献综述

随着数字经济快速兴起，数字经济受到了众多学者的广泛关注，能否利用数字经济来推动“双碳”目标的实现更是成为学者们的研究热点。陈晓红等［1］从能源供给、消费、应用、创新等方面，通过梳理和分析数字技术对碳足迹、碳汇领域的影响，阐述了数字技术对碳减排的相关理论研究与应用、存在的问题。谢云飞［5］通过建立省级层面的面板模型、面板分位数与中介效应模型，考察了数字经济影响区域碳排放强度的效应及机制，发现数字经济能够有效促进碳排放强度下降，且能源结构优化、有偏技术进步是其中的重要机制。许钊等［6］为研究数字金融的污染减排效应，构建了中介、门限以及空间杜宾等地级市面板数据模型，验证了数字金融具有显著的污染减排作用，且创业、创新和产业升级是其中的内在机制。另外，数字金融的污染减排效应还具有以自身发展水平为门限变量的双门限效应，也存在着空间溢出效应。Zhang等［7］通过建立以数字消费创新与低碳消费为研究对象的订单物流模型，发现数字消费创新提高了居民在消费活动中的低碳意识，有助于降低碳排放。Ma等［8］基于中国30个省份的面板数据，研究发现数字經济能够抑制碳排放，且研发投资在数字经济和碳排放之间发挥正向调节作用。

综上所述，数字经济已成为“双碳”目标发展战略的重要实现方式之一，但以城市为分析对象，围绕数字经济与碳排放的实证文献较少。仅有的相关研究为数字技术推动“双碳”目标实现的理论分析和路径阐述、互联网发展对全要素碳生产率的影响研究以及数字经济对省级层面碳排放强度的影响效应及作用机制和数字金融影响污染减排的效应研究等环境污染论题［1，4-11］。鉴于此，文章试图基于一个全面、系统的框架以考察数字经济影响中国碳排放强度的效应和作用机制。

基于此，文章测算了2011—2019年全国285个地级市的数字经济发展和碳排放强度的综合水平，应用多种计量模型实证检验了数字经济影响城市碳排放的效应及机制，可能的边际贡献为：第一，研究尺度上，以城市为研究对象。通常地，经济活动主要发生于城市区域，相较于省级层面的研究而言，能在更为细化的空间尺度上对数字经济和碳排放强度的影响效应和作用机制进行分析，更具研究价值。第二，机制分析上，基于城市层面数据，发现创新能力与能源强度是数字经济的控碳机制，且数字经济的控碳效应与机制均存在显著的滞后效应，拓展了数字经济的控碳机制研究，丰富了现有的研究结论；第三，基于数字经济对城市碳排放强度的空间溢出效应显著为负的研究结论，提出了提升数字经济发展水平，加强城市间的协作治理有助于实现碳减排的政策建议。

2 理论分析

2. 1 数字经济影响碳排放强度的效应解析

与现阶段低碳城市试点政策、全国碳排放权交易政策不同，数字经济利用数字技术与能源和环境等领域经济活动融合应用的方式发挥节能减排的环境治理作用。相关研究表明，数字经济能够通过数字技术的融合与创新来协调能源供求关系、激励技术革新和转变消费模式，做到既加快产业数字化发展又减少能源碳排放，利用数字化发展引导能源绿色转型，改善环境污染，实现高质量发展目标［12］。具体地，数字经济主要可以通过以下三个方面来降低城市碳排放。第一，深入融合数字技术，促进能源清洁生产。数字经济时代下，将大数据、人工智能和分布式管理等数字技术应用于生产、运输、消费等各个环节，有利于迅速整合碎片化知识信息，促进节能低碳技术创新和能源清洁生产，从而有力推进碳减排［13-14］。第二，调整产业结构，改善生产效率。数字技术的应用既能促进产业结构转型升级，提升高新技术水平，实现能源和资源高效利用，优化资源配置方式，从而有效控制和降低碳排放［15-17］。第三，有效促进能源供给与消费两方面的协调。通过应用数字技术能够提高能源采集效率和线上互联程度，数字经济可实现集约式、数据式与精细式的能源供给，同时催生能源消費新方式，促进能源供给与消费两方面的协调，降低碳排放强度［18-19］。据此提出下述研究假设H1。

H1：数字经济能够对城市碳排放强度产生抑制作用。

2. 2 创新能力中介传导机制解析

数字经济发展可能促进城市创新能力的提升。一方面，数字经济借助各类数字平台发布大量的信息资源，信息的集中与快速流动极大节约了企业的搜寻时间和成本，有效降低了经济主体间的信息不对称，一定程度上解决了创新活动的融资受约束问题，有利于创新项目以较低成本获取外部融资，从而提高区域的创新产出［20-21］。另一方面，数字经济通过互联网平台，破解了需求方与研发方的信息分割难题，使消费方直接参与产品的研发，增加新产品成功研发的概率，进而提升企业的创新水平［22］。此外，数字经济与产业的深度融合，高效整合生产要素资源，减少了生产经营过程中的各项开销，提高企业盈利水平，进而激励企业增加研发投入，促进企业创新［22］。但Sweet等［23］指出数字经济时代下面临着保护知识产权力度不足、侵权泛滥等严峻问题，导致企业缺乏创新动力、减少研发投入，进而不利于创新水平的提升。与此同时，城市创新能力的提升也可能有助于降低碳排放强度。创新能力主要能够通过产业结构、节能技术研发以及经济增长三方面来影响碳排放。首先，城市创新将改变由传统的资源禀赋型驱动模式，升级为科技、知识和人才等创新驱动，创新模式有利于促进生产模式朝着知识和技术密集型转型，推动城市绿色、低碳的集约式发展，同时引导人们生活理念向着低碳消费、绿色出行转变［24］。其次，技术创新能够有利于促进清洁新能源逐渐替代煤炭石油等传统能源，减少传统能源消耗，从而降低碳排放［25-26］。然而刘志华等［27］的研究表明技术创新驱动经济增长所产生的碳排放效应与其本身带来的碳减排效应同时发挥作用，在一定程度上相互抵消，因而不能确定技术创新和碳排放之间的关系。据此提出如下研究假设H2a。

H2a：创新能力在数字经济影响城市碳排放强度的效应中存在明显的中介效应。

2. 3 能源强度中介传导机制解析

通过上文分析不难得出，数字经济对城市碳排放强度的影响效应能够归纳为直接与间接两种方式：其一，数字经济能够通过负外部性、知识溢出效应、降低成本、信息资源集中、平台实时监测等途径直接影响城市碳排放强度；其二，数字经济能够通过数字技术融合促进能源效率提升、优化配置等方式影响能源强度，从而间接影响着城市碳排放强度。显然，直接和间接这两种影响方式具有明显的“分工”。数字经济是以知识和信息为生产要素，以现代化通信网络为传输载体，通过数字技术与各领域的深度融合应用的新经济形式。而数字化改造旧动能，引领和培育新动能，能够促进技术创新与清洁能源生产，推进重点行业和重要领域绿色化改造，无疑会对能源利用和碳排放量产生重要影响［2］。考虑到碳排放的主要来源为化石、煤炭等能源燃烧，因此一旦数字经济影响到能源的利用效率，就必然会对碳排放强度产生间接作用。一方面，随着数字技术的深入应用与广泛推广，促进了能源市场动态及其价格变化趋势的快速发布，降低信息不对称性，及时进行能源的保障供应。再者通过对能源数据流的实时收集、监测、传递与分析利用，能够实现能源要素的高效率配置［28-29］；另一方面，数字经济的发展，加强了在不同区域与不同主体间关于能源的调度与利用上的协同作用，在工业、建筑和交通等各领域推动数字化节能，促进能源效率的提升［30-31］。因而，数字经济会通过影响能源利用率与配置方式，进而对城市碳排放强度带来间接影响。据此提出如下研究假设H2b。

H2b：能源强度在数字经济影响城市碳排放强度的效应中存在明显的中介效应。

3 模型与变量

为检验前文中所提出的数字经济对城市碳排放强度是否具有直接效应、传导机制、非线性效应及空间溢出效应，文章建立了一般面板回归、中介效应、门限回归与空间杜宾等模型以进行实证检验，模型中的变量及其来源也将于该部分进行详细阐述。

3. 1 实证模型构建

基准回归检验。首先，为检验上文理论分析提出的研究假设问题H1，文章根据数字经济对碳排放强度的直接传导机制构建如下基准回归模型：

面板门限模型检验。进一步地，除了通过中介效应模型对间接传导机制进行研究分析外，还应该考虑数字经济发展中潜在的非线性效应，以及数字经济发展水平对碳排放强度的影响效应存在区间的异质性，为了减少人为划分区间给模型估计结果造成主观性偏差，文章运用面板门限模型以检验在不同数字经济发展水平区间内数字经济发展对碳排放强度的非线性与异质性影响。因此，以单一门限为例，在式（1）的基础上构建了数字经济与碳排放强度的门限回归模型，模型基本形式设定如下：

3. 2 变量选取与度量

（1）被解释变量：城市碳排放强度（CI）。通常地，文章采用城市CO2排放量与该城市生产总值的比重进行衡量。其中，城市CO2排放量数据来源于CEADS数据库。

（2）核心解释变量：数字经济（Dige）。文章选取数字经济综合指数来表征。参考钱海章等［32］的研究方法，以互联网发展为关键要素，结合数字交易情况，同时鉴于地市级层面有关数据的可获得性，文章选取互联网发展、数字金融两个维度来共同刻画数字经济发展，其中对于互联网发展，参考黄群慧等［33］的研究，并考虑到较早时期人们信息传输的方式都是经由邮局来完成，邮局是人们形成“线上”交流的重要方式与习惯，因而数字技术的兴起和发展更容易出现在这些地区［22］，因此邮政收入也是衡量互联网发展的重要因素。基于以上考虑，文章使用电信业务收入、软件与计算机从业人数、邮政业务收入、移动电话年末用户数以及互联网宽带接入用户数5项指标来共同刻画互联网发展这一指标；对于数字金融发展，其结果反映了数字技术与相关产业的融合应用以及产出，在这里借鉴许钊等［6］的方法，采用北京大学数字金融中心发布的城市数字普惠金融指数来表征。基于此，采用熵值法将上述6个指标合成得到数字经济综合发展指数。需要注意的是，文章按照熵值法的要求先对所有的指标进行了数据标准化处理。

（3）中介变量。基于前文理论分析，数字经济能够通过能源强度和创新能力的途径影响城市碳排放强度。因此，文章选取以下中介变量：①城市创新能力（Innov）：区域创新是促进经济高质量转型升级的核心驱动力［34］。参考李健等［35］的研究，文章采用万人发明专利授权量来作为创新能力的代理变量。②能源强度（EI）：用于表示经济结构与能源利用率之间的变化情况，同时也是能源强度、节能降耗的主要衡量指标。文章采用能源消费量占该城市生产总值的比重来表征能源强度，其中鉴于数据的可得性，且城市用电量是能源消耗的主要来源，因此文章的能源消费量采用城市用电量，并按照能源折合标准煤的方法对其进行折算，从而计算出能源消耗量。

（4）控制变量。为避免遗漏重要解释变量对实证检验结果造成的偏差，参考相关研究［36-38］，文章在模型中引入以下六个控制变量：①产业结构（IS），以第二产业增加值占该城市生产总值的比重来衡量。②人口密度（Pop），选取单位面积人口总数来表征。③外商直接投资水平（FDI），采用当年城市实际使用外资额占该城市生产总值的比重表示。④资本劳动比（Kl），采用资本存量占劳动力比重衡量，其中资本存量借鉴张军等［36］的研究方法并以2003年为基期进行计算，劳动力以年末单位就业人数来表征。⑤基础设施（Inf），采用城市道路面积来表示。⑥财政支出（FE），以一般性财政事务支出额来表征。

3. 3 数据来源

除去部分数据缺失严重的地级城市以及西藏、港澳台地区外，文章采用2011—2019年中国285个地级市的样本数据开展实证研究。对于该研究使用的数据，数字金融数据来自北京大学数字金融中心发布的城市数字普惠金融指数；城市CO2排放数据来源于CEADS数据库；城市创新能力指标数据来自CNRDS数据库；能源强度、互联网发展、GDP以及控制变量的数据来自《中国城市统计年鉴》、EPS数据库等；个别缺失值采用平均插值法补充完善。此外，为了避免因宏观数据的非平稳性对实证结果造成干扰，在这里对文章所使用的变量全部进行取对数处理。

4 实证分析

4. 1 时空演化特征

（1）数字经济。为了更深入地描述中国各城市数字经济发展水平的时空演变趋势，文章利用Arcgis10. 7软件分别绘制了2011年、2015年和2019年数字经济发展指数的空间分布图（图1）。整体来看，2011—2019年期间，随着时间推移中国数字经济发展水平得到了明显提升。特别是在2015—2019年，各城市数字经济发展层级逐级递增，数字经济发展增长区面积进一步扩大，其中发展态势良好的区域主要集中在以京津冀、成渝、长三角以及珠三角等城市群，但各城市数字经济发展仍存在明显差距。具体地，在2011年，大多数城市数字经济发展水平总体呈现为低水平，发展差距较为突出，仅有北京市數字经济发展达到高水平；在2015年，各城市数字经济发展层级出现明显递增，数字经济发展高水平区域增加，除北京外上海市、成渝城市群和广东等也加入数字经济发展高水平行列；在2019年，各城市数字经济发展得到进一步提升，逐渐形成以京津冀、成渝、长三角以及珠三角等数字经济发展高水平城市群向邻近城市辐射的格局，其形成原因可能在于数字资源与数字技术溢出效应的影响。

（2）城市碳排放强度。为了直观地剖析中国各城市排放强度时空演变趋势，文章利用Arcgis10. 7软件绘制了2011—2019年城市碳排放强度的标准差椭圆和重心转移图（图2）。如图2所示，全国各城市碳排放强度的标准差椭圆为东北-西南方向，重心位于河南、山西地区，其转移路线为许昌市→郑州市→焦作市→新乡市→晋城市；在2011—2016年期间，椭圆重心向东北方向移动，向东移动48. 08 km，向北移动124. 59 km，总体移动133. 55 km，平均每年移动22. 26 km；另外，在2016—2017年期间，重心则转向西南方向移动，向西转移24. 61 km，向南转移12. 70 km，整体向西南移动27. 69 km；在2017—2018 年期间，重心再次向东北方向转移，向东转移7. 51 km，向北转移14. 62 km，整体向东北移动16. 44 km；从2012年，椭圆面积波动增大，到2017年面积达到最大值为3 048 900 km2；之后，椭圆面积呈下降趋势，面积下降说明城市碳排放的集聚效应增强。

4. 2 基准回归与机制分析

4. 2. 1 基准回归结果分析

根据上文构建的计量模型，文章考察了数字经济对城市碳排放强度的效应研究，结果见表1。首先，在基准回归检验中，通过在回归模型中分别不加入控制变量与加入控制变量进行回归估计，同时采用地区固定效应，以提高回归估计结果的稳健性。回归结果显示，两模型中数字经济的回归估计系数一致，且均显著为负。相较于引入控制变量，未引入控制变量模型的可决系数为0. 163<0. 205（加入控制变量），表明引入控制变量模型的拟合效果更优且可靠。因此，在这里以引入控制变量后的回归估计结果为准，分析基准模型的回归结果。数字经济（Dige）这一核心解释变量的回归估计系数为-0. 390，且通过1%的显著性检验，意味着数字经济对城市层面的碳排放强度的影响存在显著的抑制作用，城市数字经济发展水平每提升1个单位，城市碳排放强度平均能够降低__ 0. 390个单位。综上可知，研究假设H1得证，即实证结果有力地论证了数字经济具有显著的控碳效应。

4. 2. 2 数字经济对碳排放强度滞后效应的检验

发展数字经济时，5G基站、工业无线网络等数字化基础设施的建设、专业人才的培养等都需要花费一定的时间进行改造和发展；企业的数字化转型过程中，大数据、物联网、云计算等数字技术与其生产经营活动应用融合时也需要时间；知识溢出、研发创新以及互联网发展逐渐走向成熟等数字经济要素发展仍然需要时间［39］。这意味着数字经济发展促进城市碳减排的同时，可能存在一定的滞后效应。接下来，文章将采用动态分析检验数字经济对城市碳排放强度的滞后效应。首先，在基准回归模型（1）基础上引入数字经济核心解释变量的滞后一期、二期和三期变量，进行方差膨胀因子（VIF）检验，检验结果显示数字经济滞后一期、二期、三期变量的VIF值分别为18. 70、27. 02和13. 86，而其余变量的VIF值均小于10，表明此模型存在多重共线性问题。因此，为防止多重共线性问题，文章参考赵云鹏等［40］的做法，对数字经济这一核心解释变量滞后若干期，逐一地考察当期的数字经济对未来几期内城市碳排放强度的影响，回归结果见表1。

从表1的回归结果可知，数字经济对当期的城市碳排放强度的抑制作用较强，其估计系数为-0. 390；对第二期城市碳排放强度的抑制作用最强，之后对第三期影响程度开始下降，但统计意义均十分显著，即均通过1%的显著性检验，这说明数字经济对城市碳减排有着滞后效应，其作用效果在第二期时达到最大；第四期，数字经济与城市碳排放强度仍呈现负相关关系，但未通过显著性检验。上述结果表明数字经济对城市碳排放强度的影响存在着滞后效应，且其产生的抑制作用能够持续至第三期，即数字经济自当年起之后的两年，往后不再存在持续性。

4. 2. 3 中介效应分析及稳健性检验

前文理论分析中，分别从城市创新能力、能源强度两个角度分析了数字经济影响城市碳排放强度的作用传导机制。为了验证传导机制这一假设，文章运用中介效应检验对该假设进行实证分析，其检验结果见表2。数字经济当期的检验结果显示，在模型1与模型4再次论证了数字经济能够抑制城市碳排放强度的基础上，模型2检验了数字经济与城市创新能力二者之间的关系，其中数字经济的估计系数为正，且通过1%的显著性检验，说明数字经济能够促进城市创新能力的提升；模型5检验了数字经济与能源强度的关系，其中数字经济的估计系数显著为负，则意味着数字经济发展能够有效降低能源强度。最后，模型3与模型6考察数字经济与城市创新能力、数字经济与能源强度分别对城市碳排放强度的影响，结果显示：在考虑城市创新能力的情况下，模型3中数字经济对碳排放的影响系数显著为负，但相比模型1有所减小，说明城市创新能力的提升是數字经济促进城市碳减排的作用机制。在考虑能源强度的情况下模型6中数字经济对城市碳排放强度的回归估计系数显著为负，且能源强度对城市碳排放强度的影响显著为正，表明降低能源强度是数字经济促进城市碳减排的作用机制。具体地，数字经济发展水平每提升1%，总体上能够促进城市碳排放强度降低0. 390%，其中通过创新能力这一途径，可直接影响城市碳排放强度降低0. 377%，间接影响城市碳排放强度降低0. 013%；而通过能源强度这一途径，可直接影响城市碳排放强度降低0. 258%，间接影响城市碳排放强度降低0. 132%。综上可知，研究假设H2a和H2b得证。

进一步地，通过上文数字经济对碳排放滞后效应的检验，发现数字经济对城市碳排放强度的影响存在着明显的滞后效应，且其产生的抑制作用能够持续至第三期。基于此，文章将采用动态分析检验数字经济对城市碳排放强度的作用路径内是否同样也具有滞后效应，检验结果见表2。表2的检验结果显示，在数字经济当期，城市创新能力、能源强度这二者的中介效应占比分别为3. 33%、33. 75%，能源强度传导效果要优于城市创新能力；在第二期，城市创新能力、能源强度这二者的中介效应占比分别为6. 83%、14. 28%，较前一期而言，创新能力的中介效应占比有所增加，而能源强度的中介效应占比有较大幅度降低；在第三期，城市创新能力、能源强度这二者的中介效应为完全中介效应，即数字经济通过创新能力与能源强度这两条传导路径来影响城市碳排放强度，此时两者的中介效应达到最大，分别为32. 75%、49. 82%；在第四期，城市创新能力、能源强度这二者的中介检验未通过统计意义检验。上述结果表明，在数字经济通过促进城市创新能力的提升，降低能源强度，进而有效降低城市碳排放强度的作用路径中存在着滞后效应，且两者的中介传导作用能够持续至第三期，往后不再存在持续性，第三期时两者的中介效应转为完全中介效应，此时中介传导作用达到最强。

最后出于稳健性的考虑，文章采用Sobel检验法分别对城市创新能力、能源强度这二者的中介效应进行验证。回归结果表明，城市创新能力与能源强度的Z检验统计量均通过了1%的显著性检验，故城市创新能力、能源强度的中介效应存在，进一步验证了上述结论。

4. 3 数字经济发展的非线性效应分析

前文中考察论证了数字经济能够抑制城市碳排放强度的影响及作用路径，这里考虑到数字经济发展中还可能具有潜在的非线性效应，以及其对碳排放强度的影响效应存在的区间异质性，文章运用采用面板门限模型对此进行实证分析。在对门限模型进行估计之前，需要先__检验门限效应的类型和存在性。为此，通过自举300次反复抽样后得到模拟分布，检验结果表明数字经济这一门限变量的单一门限统计量值通过了1%的显著性检验，但双重门限和三重门限未能通过检验，即数字经济对碳排放强度的抑制作用存在单门限效应。基于此，将模型设定为单门限效应模型，其回归估计结果见表3。

从表3中的回归估计结果发现，数字经济的碳减排效应可分为两个阶段：当数字经济发展指数低于-3. 742时，数字经济的估计系数为-0. 292，P 值为0. 000，显著地抑制了城市碳排放强度；当数字经济发展指数超过-3. 742时，数字经济的估计系数为-0. 224，P 值为0. 000，仍十分显著地抑制了碳排放强度，但抑制效果较第一阶段而言有所减弱。总体来说，数字经济对城市碳排放强度产生了先强抑制后弱抑制的非线性转换。

4. 4 数字经济碳减排的空间溢出效应分析

在开展空间计量分析之前，需要先分别检验数字经济与城市碳排放强度二者空间效应的存在性问题，为此文章运用Morans I 指数法对二者进行空间自相关检验，结果见表4。检验结果显示，2011—2019年数字经济发展指数、城市碳排放强度在经济地理权重矩阵下的MoransI 指数均在1%的水平下显著性为正，表明考察期内所有城市间的数字经济和碳排放强度各自存在明显的空间自相关性，反映了二者呈现出空间集聚的分布特征，采用空间计量分析是合理可行的。

上述检验结果表明数字经济和城市碳排放强度均存在空间自相关性，接下来应选择合适的空间计量模型进行实证分析。文章根据Elhorst确定空间计量模型的研究方法，依次进行LM检验、Hausman检验、LR检验估计以及Wald检验，以上检验结果均表明选取地区固定效应的空间杜宾模型最优。表5报告了经济地理距离矩阵（W1）与经济距离矩阵（W2）两种空间权重矩阵下数字经济对城市碳排放强度的SDM模型检验结果。从检验结果来看，在两种空间权重矩阵下碳排放强度（CI）的空间自回归系数ρ均在1%水平下显著为正，表明城市碳排放强度存在空间溢出效应，且相邻城市碳排放强度的增加会加重本城市的碳排放强度。而数字经济的空间滞后项系数均显著为负，意味着数字经济对碳排放强度的影响在空间上存在显著的负外部性，数字经济的蓬勃发展能够降低本城市及相邻城市的碳排放强度。

为更深入地研究分析数字经济发展促进城市碳减排的直接效应与间接效应，根据勒沙杰等［41］提出的偏微分法将数字经济对碳排放强度的空间总效应进行分解。表5的效应分解结果显示，在两种空间权重矩阵下，数字经济的间接效应、直接效应以及总效应的估计系数均在1%的水平下显著为负，表明数字经济能够有效地抑制本城市及相邻城市碳排放强度，加快提升数字经济发展水平，有利于降低城市碳排放强度，推動“双碳”目标的实现。另外，两种空间权重矩阵下的回归结果一致，表明数字经济对碳排放强度的空间杜宾模型的回归结果是具有稳健性的。

5 结论与建议

5. 1 结论

文章立足于发展数字经济能够显著影响城市碳排放强度变化的典型事实，同时又考虑数字经济的固有属性，从理论层面上分析了数字经济对城市碳排放强度的直接影响和传导机制，并基于2011—2019年中国285个城市面板数据，应用面板固定效应、中介效应模型及二者的时间滞后模型、门限效应模型与空间杜宾模型，多维度验证了数字经济对城市碳排放强度的影响效应和作用机制。

文章主要研究结论为：第一，研究期内中国数字经济取得较快发展，京津冀、成渝、长三角以及珠三角数字经济发展优势明显。同时各城市的碳排放强度呈现波动型下降趋势，碳排放集聚效应显著。第二，数字经济能够显著地抑制城市碳排放强度，城市创新能力与能源强度是其中的重要作用机制。第三，从滞后效应的动态检验结果来看，数字经济的控碳效应与机制均存在着显著的滞后效应，且其作用效果能够持续至第三期。第四，在数字经济自身发展水平的基础上，数字经济对城市碳减排的影响效应存在单门限效应，在数字经济发展指数门限值的前、后两阶段，数字经济均显著抑制了碳排放强度，但后一阶段的抑制效果较前一阶段而言有所减弱，即表现为先强后弱的非线性转换。第五，从空间效应方面来看，城市碳排放强度存在正向的空间溢出效应，而数字经济对碳排放强度的影响在空间上存在显著的负外部性，说明数字经济能够有效地抑制本城市及相邻城市碳排放强度，发展数字经济能够有效促进城市间协作治理碳排放。

5. 2 建议

基于以上研究结论，文章不仅为数字经济影响碳减排提供了有力的经验证据，还提出了以下政策建议：第__一，完善有关数字经济的基础设施建设，持续推进数字经济发展水平提升。提升基础设施网络化、智能化、服务化、协同化水平，持续推进数字经济发展水平提升，以此充分发挥数字经济促进深度碳减排的优势。第二，出台差别化的数字经济发展政策。加大力度扶持和发展落后地区的数字化水平，通过促进数字技术向各领域广泛深入渗透，推动偏远落后地区数字技术、应用场景和商业模式融合创新，平衡城市间数字经济发展。第三，立足城市创新、能源强度的作用机制，探索数字经济促进碳减排的多维路径。政府应完善多元价值传递和贡献分配体系，有序引导多样化社交、短视频、知识分享等新型就业创业平台发展，由数字经济提升城市的创新水平进而实现碳减排。另外，加快推动智慧能源建设应用，促进能源生产、运输、消费等各环节智能化升级，推动能源行业低碳转型。第四，加强城市间碳排放协作治理，发挥数字经济的空间“绿色”辐射效应。在碳减排问题上，要加强城市之间碳排放政策的交流与联系，建立统一、联合的城市碳排放超标预警共享平台，完善基于大数据、人工智能、区块链等新技术的统计监测和决策分析体系，制定更加灵活有效的政策措施，培育多元治理、协调发展的数字经济治理新格局，打造多城市数字化经济低碳圈。

参考文献

［1］陈晓红，胡东滨，曹文治，等. 数字技术助推我国能源行业碳中和目标实现的路径探析［J］. 中国科学院院刊，2021，36（9）：1019-1029.

［2］邬彩霞. 中国低碳经济发展的协同效应研究［J］. 管理世界，2021，37（8）：105-117.

［3］王俊豪，周晟佳. 中国数字产业发展的现状、特征及其溢出效应［J］. 数量经济技术经济研究，2021，38（3）：103-119.

［4］ LU Y Z. Modelling the role of eco innovation，renewable energy，andenvironmental taxes in carbon emissions reduction in E?7 econo?mies： evidence from advance panel estimations［J］. Renewable en?ergy，2022（190）：309-318.

［5］谢云飞. 数字经济对区域碳排放强度的影响效应及作用机制［J］. 当代经济管理，2022，44（2）：68-78.

［6］许钊，高煜，霍治方. 数字金融的污染减排效应［J］. 财经科学，2021（4）：28-39.

［7］ ZHANG J F，ZHENG Z C，ZHANG L J，et al. Digital consumptioninnovation，socio?economic factors and low?carbon consumption：em?pirical analysis based on China［J］. Technology in society，2021（67）：101730.

［8］ MA Q，TARIQ M，MAHMOOD H，et al. The nexus between digitaleconomy and carbon dioxide emissions in China： the moderatingrole of investments in research and development［J］. Technology insociety，2022（68）：101910.

［9］白雪潔，孙献贞. 互联网发展影响全要素碳生产率：成本、创新还是需求引致［J］. 中国人口·资源与环境，2021，31（10）：105-117.

［10］李广昊，周小亮. 推动数字经济发展能否改善中国的环境污染：基于“宽带中国”战略的准自然实验［J］. 宏观经济研究，2021（7）：146-160.

［11］侯建朝，史丹. 中国电力行业碳排放变化的驱动因素研究［J］.中国工业经济，2014（6）：44-56.

［12］王凯，唐小惠，甘畅，等. 中国服务业碳排放强度时空格局及影响因素［J］. 中国人口·资源与环境，2021，31（8）：23-31.

［13］张艳，郑贺允，葛力铭. 资源型城市可持续发展政策对碳排放的影响［J］. 财经研究，2022，48（1）：49-63.

［14］王喜，张艳，秦耀辰，等. 我国碳排放变化影响因素的时空分异与调控［J］. 经济地理，2016，36（8）：158-165.

［15］禹湘，陈楠，李曼琪. 中国低碳试点城市的碳排放特征与碳减排路径研究［J］. 中国人口·资源与环境，2020，30（7）：1-9.

［16］谢志祥，秦耀辰，沈威，等. 中国低碳经济发展绩效评价及影响因素［J］. 经济地理，2017，37（3）：1-9.

［17］黄震，谢晓敏. 碳中和愿景下的能源变革［J］. 中国科学院院刊，2021，36（9）：1010-1018.

［18］ EHIGIAMUSOE K U，DOGAN E. The role of interaction effect be?tween renewable energy consumption and real income in carbonemissions：evidence from low?income countries［J］. Renewable andsustainable energy reviews，2022（154）：111883.

［19］项目综合报告编写组.《中国长期低碳发展战略与转型路径研究》综合报告［J］. 中国人口·资源与环境，2020，30（11）：1-25.

［20］祁怀锦，曹修琴，刘艳霞. 数字经济对公司治理的影响：基于信息不对称和管理者非理性行为视角［J］. 改革，2020（4）：50-64.

［21］ DERRIEN F，KECSK?S A，MANSI S A. Information asymmetry，the cost of debt，and credit events：evidence from quasi?random an?alyst disappearances［J］. Journal of corporate finance，2016（39）：295-311.

［22］吴赢，张翼. 数字经济与区域创新：基于融资和知识产权保护的角度［J］. 南方经济，2021（9）：36-51.

［23］ SWEET C M，Maggio D S E. Do stronger intellectual property rightsincrease innovation？［J］. World development，2015（66）：665-677.

［24］严成樑，李涛，兰伟. 金融发展、创新与二氧化碳排放［J］. 金融研究，2016（1）：14-30.

［25］ GHOSH S. Examining carbon emissions economic growth nexus forIndia：a multivariate cointegration approach［J］. Energy policy，2010，38（6）：3008-3014.

［26］卢娜，王为东，王淼，等. 突破性低碳技术创新与碳排放：直接影响与空间溢出［J］. 中国人口·资源与环境，2019，29（5）：30-39.

［27］刘志华，徐军委，张彩虹. 科技创新、产业结构升级与碳排放效率：基于省际面板数据的PVAR分析［J］. 自然资源学报，2022，37（2）：508-520.

［28］ LANGE S，POHL J，SANTARIUS T. Digitalization and energy con?sumption：does ICT reduce energy demand？［J］. Ecological eco?nomics，2020（176）：106760.

［29］佟新华，周红岩，陈武，等. 工业化不同发展阶段碳排放影响因素驱动效应测度［J］. 中国人口·资源与环境，2020，30（5）：26-35.

［30］邬彩霞，高媛. 数字经济驱动低碳产业发展的机制与效应研究__［J］. 贵州社会科学，2020（11）：155-161.

［31］刘玉珂，金声甜. 中部六省能源消费碳排放时空演变特征及影响因素［J］. 经济地理，2019，39（1）：182-191.

［32］钱海章，陶云清，曹松威，等. 中国数字金融发展与经济增长的理论与实证［J］. 数量经济技术经济研究，2020，37（6）：26-46.

［33］黄群慧，余泳泽，张松林. 互联网发展与制造业生产率提升：内在机制与中国经验［J］. 中國工业经济，2019（8）：5-23.