数字经济与碳排放的脱钩水平及其空间关联网络特征

董瑞媛，周晓唯

（陕西师范大学 国际商学院，西安 710119）

0 引言

数字经济具有增排效应，因为互联网、信息技术及其相关产业的发展对电力能源消耗量迅速增长，从而加剧了区域碳排放[1]。因此，协调处理数字经济与碳排放的关系是当前亟须解决的关键问题。脱钩反映经济发展与资源消耗的反向变动关系，数字经济发展与碳排放消耗的脱钩能够更大程度地减少数字经济发展对高碳能源的依赖。此外，由于各省份在经济、交通等方面存在一定的联系，所以不能忽视省份之间的空间关联关系，这有助于在空间上协同促进各地区数字经济与碳排放的脱钩。因此，探究数字经济与碳排放的脱钩水平及其空间关联网络，对数字经济的健康发展和“碳达峰、碳中和”目标的实现具有十分重要的现实意义。有关数字经济与碳排放的关系研究日益丰富[2—4]，但仍存在有待完善之处：第一，较少有文献从脱钩视角探讨二者的关系；第二，数字经济对碳排放的空间溢出效应更多地关注了本地与邻地之间的关系，忽视了各个地区之间的相互联系，未能深入刻画地区间形成的空间网络结构。基于此，本文首先运用Tapio 模型计算中国整体和各个省份数字经济与碳排放的脱钩水平，然后利用修正的引力模型识别各省份数字经济与碳排放脱钩的空间关联关系，最后通过社会网络分析法探究其空间关联网络特征。旨在从脱钩视角和空间网络视角为数字经济与碳排放的关系提供新的实证证据，也为协调处理我国数字经济与碳排放的关系提供科学依据。

1 研究设计

1.1 数字经济发展水平的评价指标体系构建

根据2016 年发布的《二十国集团数字经济发展与合作倡议》中数字经济的定义“以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”，同时秉持选取指标的科学性、全面性、可获得性和可比性原则，本文构建包含数字基础、数字产业和数字应用3 个二级指标、12 个三级指标的数字经济发展水平评价指标体系（见表1）。

表1 数字经济发展水平评价指标体系

1.2 研究方法

1.2.1 碳排放量的测算方法

本文采用国际上普遍应用的IPCC提供的碳排放量计算法，依照《2006 年IPCC 国家温室气体清单指南》提供的8类化石燃料的碳排放系数计算各省份每年的碳排放量，计算公式如下：

其中，Ca为a省份的二氧化碳排放量；v为二氧化碳的分子重量比，取值为44/12；Qab为第b类化石燃料在a省份的消费量；Lb为第b类化石燃料的排放系数。b表示本文选取的8 种化石能源：煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气。

1.2.2 脱钩模型

Tapio 模型不仅能够规避基期选择产生的不稳定性，而且可以进一步精确判定多种类型的脱钩状态[5]。因此，本文选择Tapio脱钩模型来测度数字经济与碳排放的脱钩水平。计算公式如下：

其中，γ为脱钩指数；C为碳排放量，dig为数字经济发展水平（用熵值法计算得出）；ΔC、Δdig分别为碳排放增量与数字经济增量。依据γ、ΔC和Δdig的取值范围，将脱钩状态分为八类（见表2）。

表2 数字经济与碳排放脱钩状态及含义

1.2.3 修正的引力模型

引力模型是衡量区域间空间关联关系的重要方法[6]，为准确反映各省份数字经济与碳排放脱钩的空间联系，本文从3 个方面修正引力模型：（1）引入脱钩指数；（2）采用脱钩指数的比重来修正传统经验常数k值；（3）传统的空间距离无法准确衡量地区间的相互作用，因此综合考虑地理距离和经济距离。修正的引力模型如下：

其中，Dac表示省份a、c之间数字经济与碳排放脱钩的空间联系强度；Pa、Pc分别为省份a、c的年末人口数；Ga、Gc分别为省份a、c的地区生产总值；Rac为省份a、c之间的地理距离；da、dc分别为省份a、c的人均生产总值。通过修正的引力模型构建省份间数字经济与碳排放脱钩的空间关联矩阵，以每行数值的均值为临界值进行二值化处理。当Dac高于临界值时用1表示，说明该行省份对该列省份具有数字经济与碳排放脱钩的空间关联关系；反之用0 表示，说明该行省份对该列省份不具有数字经济与碳排放脱钩的空间关联关系。

1.2.4 社会网络分析法

本文从整体空间关联、个体空间关联和块模型分析三个方面探究各省份间数字经济与碳排放脱钩水平的空间关联网络结构特征[7]。（1）整体空间关联网络特征通过网络密度、网络关联度、网络等级度和网络效率来刻画[8]。（2）个体空间关联网络特征通过度数中心度、接近中心度和中介中心度来刻画[9]。（3）块模型分析通过对比各省份在空间关联网络中的发出关系数和接收关系数，将各省份划分为四类板块，以反映各板块在数字经济与碳排放脱钩的空间关联网络中发挥的作用和所处的地位：净受益板块、净溢出板块、双向溢出板块、经纪人板块。

1.3 数据来源

本文以2012—2020 年我国30 个省份（不含西藏和港澳台）的数据为研究样本。数据来源于《中国能源统计年鉴》和各省份统计年鉴，数字普惠金融指数来源于北京大学数字金融研究中心网站，运用插值法、类推法对缺失数据进行补充。GDP按2011年不变价格进行标准化处理。

2 实证分析

2.1 数字经济与碳排放的脱钩水平测度分析

基于Tapio脱钩模型测算出全国整体及30个省份2012—2020年数字经济与碳排放的脱钩指数，计算结果见图1和下页表3。由图1可知，全国层面数字经济与碳排放以弱脱钩为主，脱钩指数总体上呈现“N”型变动态势，大致可分为三个阶段：2012—2013年呈快速下滑态势；2013—2019年脱钩指数在波动中上升；2019—2020年又快速下滑。

图1 2012—2020年中国数字经济与碳排放的脱钩指数

表3 2012—2020年各省份数字经济与碳排放的脱钩状态

具体而言，2012—2013 年全国数字经济与碳排放脱钩指数从0.13 下降到-0.01，降幅接近108%，脱钩状态由弱脱钩转变为强脱钩。这说明数字经济与碳排放的关系在这一阶段得到很大程度的改善，随着数字经济的发展，碳排放量逐渐减少。由于我国从2013年开始在深圳等七个城市试点碳排放权交易，通过市场机制鼓励企业主动节能减排，因此2013 年脱钩水平有了较大提升。2013—2019年全国数字经济与碳排放脱钩指数在波动中从-0.01上升为0.27，脱钩状态由强脱钩转变为稳定的弱脱钩。这说明数字经济与碳排放同向增长，同时，碳排放的增速显著低于数字经济的增速。这一阶段数字经济进入快速发展时期，数字化基础设施的大规模建设和数字化应用水平的提升会导致电力消耗增加，从而导致碳排放增加[3]。2019—2020 年全国数字经济与碳排放脱钩指数从0.27 下降为0.07，降幅为74%，脱钩状态为稳定的弱脱钩。这说明该阶段数字经济与碳排放的关系在稳定状态中得到一定程度的优化，虽然数字经济与碳排放依然同向增长，但碳排放增速有所减缓。

综上所述，全国层面数字经济和碳排放脱钩指数变化的阶段性特征明显，当前数字经济与碳排放均处于增长阶段，两者关系尚未到达环境Kuznets曲线的“倒U”型拐点，因此，还需要科学把握数字经济与碳排放之间的关系，不断优化数字经济与碳排放的脱钩水平，促进碳达峰目标的实现。

从表3中各省份脱钩状态看，东、中、西部地区多数省份在9个观测期内弱脱钩出现5次及以上，因此均以弱脱钩为主，说明大部分省份在数字经济发展的同时碳排放也随之增加，且数字经济增速高于碳排放增速。但对比来看，东、中、西部地区省份的脱钩稳定性具有显著差异。东部地区有3 个省份以强脱钩为主，其中北京最为典型，观测期内呈现6次强脱钩和3次弱脱钩。由于北京数字经济发展水平优势明显，且新能源与节能环保等产业占比较高，能源利用率较高，碳减排成效显著，因此以强脱钩为主。此外，仅福建和辽宁分别交叉出现了1次扩张连接和2 次扩张负脱钩。中部地区诸多省份交叉出现了扩张连接和扩张负脱钩，如山西、内蒙古、吉林和江西，说明碳排放增速需要进一步控制。西部地区脱钩的内部差异较大。如四川和青海强脱钩出现5 次及以上，脱钩表现最好，这是由于四川水电发电量位于全国前十，青海风能、太阳能等清洁能源丰富，碳排放量低于全国平均水平[10]，因此以强脱钩为主。但宁夏出现四种脱钩类型，且有恶化趋势，这是由于宁夏节能降碳起步晚、标准低、力度小，最后形成碳锁定效应[11]，导致脱钩态势最差。

2.2 空间关联网络分析

本文根据修正的引力模型，将脱钩指数正向化处理后计算出数字经济与碳排放脱钩的空间关联关系，并通过UCINET的可视化工具Netdraw将2020年的空间关联网络可视化（见图2），可以初步看出各省份之间的数字经济与碳排放脱钩不存在孤立现象，在空间上显著关联。

图2 2020年数字经济与碳排放脱钩的空间关联网络

2.2.1 整体空间关联网络分析

2012—2020 年数字经济与碳排放脱钩的整体网络变化趋势如图3和下页图4所示。在观测期内的网络关联度均为1，说明各省份的脱钩普遍存在关联关系，各省份在空间关联网络中连通可达。从图3可知，空间关联网络的关系数和网络密度总体呈波动中小幅下降的趋势，并在2016年达到最小值，此后虽有回升但仍存在回落的趋势，说明各省份数字经济与碳排放脱钩的空间联系及其紧密性有所下降。此外，数字经济与碳排放脱钩的空间关联网络关系数的理论最大值为870，但样本期间空间关联网络关系数的实际最大值为194，说明各省份之间数字经济与碳排放的协同脱钩仍有较大提升空间。

图3 网络关系数和网络密度

图4 网络效率和网络等级

从图4可知，数字经济与碳排放脱钩的空间关联网络等级表现出明显的阶段性特征。2012—2015 年，网络等级呈小幅下降趋势，2016 年出现大幅提升且达到最大值0.63，此后又呈波动中下降趋势。这种阶段性特征表明数字经济与碳排放脱钩的空间网络结构是随着时间的推移而变化的，“等级森严”的空间网络结构逐渐被打破，各省份之间的关联关系有所削弱，最后整体空间关联网络趋向平等化。网络效率与网络等级的变化趋势较为相似，整体呈现明显的阶段性特征，同时具有更加显著的上升趋势，说明各省份数字经济与碳排放脱钩的空间溢出渠道有所减少，网络稳定性趋于下降。

2.2.2 个体空间关联网络分析

在分析整体空间关联网络的基础上，本文进一步以2020年为例计算各省份中心度数据（见表4），以刻画各省份在数字经济与碳排放脱钩空间关联网络中承担的角色。

表4 2020年数字经济与碳排放脱钩空间关联网络的中心性

表4 中的点度中心度均值为8.60，北京、天津、上海、江苏等8个省份高于均值，说明这8个省份对数字经济与碳排放脱钩的整体空间关联网络具有显著影响。特别是上海和江苏的点度中心度最高，数值为24.00，说明这两个省份在空间关联网络中处于中心地位。由于上海和江苏数字经济发展水平较高，低碳转型起步较早，同时具有良好的经济基础和地理位置，使其在空间关联网络中与其他省份之间存在较多关联关系。进一步地，从点出度和点入度来看，广东、福建、四川等5 个省份的点出度位于前五名，说明其辐射效应较强，北京、上海、江苏等5 个省份的点入度位于前五名，说明其虹吸效应较强。

表4中的接近中心度均值为53.86，上海、江苏、北京、福建、广东等11个省份大于均值，这些省份在空间关联网络中承担“中心行动者”的角色，和其他省份之间在数字经济发展与碳减排等方面合作的效率更高，在空间关联网络中能够快速地与其他省份产生联系。而甘肃和河南的接近中心度处于末位，表明其在整个数字经济与碳排放脱钩的网络中扮演着“边缘行动者”的角色。

表4中的中介中心度均值为3.60，高于均值的省份有安徽、福建、江苏、上海等10个省份，这些省份在空间关联网络中处于核心地位并发挥着“桥梁”作用。此外，这10个省份的中介中心度之和是96.55，在全国中介中心度之和中占比高达89.29%，因此大部分省份构建的关联关系需要这10个省份的联系。而内蒙古、辽宁、新疆、宁夏、青海等13 个省份的中介中心度并列末位第一，这些省份大都位于我国西部和东北地区，经济基础相对较弱，地理位置较偏远，数字经济发展水平较低，在空间网络中处于依附和受支配的地位。2.2.3 块模型分析

本文利用UCINET 软件中的CONCOR（Convergent Correlations）算法进行块模型分析，以刻画数字经济与碳排放脱钩的空间关联网络集聚特征。设置最大分割深度为2、集中标准为0.2，从而将30 个省份划分为四个板块。其中，板块Ⅰ包括安徽、江西、四川、广西、广东、贵州、海南、湖北、湖南、云南、重庆共11个省份；板块Ⅱ包括辽宁、内蒙古、青海、山西、河北、黑龙江、宁夏、陕西、吉林、新疆、山东共11个省份；板块Ⅲ包括北京、上海、江苏、天津、福建共5个省份；板块Ⅳ包括甘肃、河南、浙江共3个省份。

数字经济与碳排放脱钩的空间关联板块溢出效应测算结果如下页表5所示，板块内部关系数为46个，板块之间的关系数为117个，说明板块之间存在显著的空间关联和溢出效应。板块Ⅰ在空间关联网络中发出关系数为46个，接收关系数为15个，内部关系数为26个，虽然实际内部关系比例略高于期望比例，但与外部省份之间的发出与接收关系相对较多，因此板块I为经纪人板块，在空间关联网络中有着“桥梁”作用。板块Ⅱ在空间关联网络中发出关系数为50个，接收关系数为10个，发出数显著高于接收数，且内部关系比例相对较低，说明该板块对其他板块有显著的空间外溢效应。因此板块Ⅱ为净溢出板块，在空间关联网络中承担“引导者”的角色。板块Ⅲ在空间关联网络中发出关系数为20个，接收关系数为90个，发出数显著低于接收数，且内部关系比例相对较低，说明该板块以接收其他板块的溢出效应为主。因此板块Ⅲ为净受益板块，扮演“跟随者”的角色。板块Ⅳ在空间关联网络中发出关系数为1个，接收关系数为2个，内部关系数为6个，实际内部关系比例显著高于期望内部关系比例，说明该板块内部存在的关联关系比例相对较高，同时也存在发出关系和接受关系，所以板块Ⅳ是双向溢出板块，扮演“双向引导”的角色。

表5 2020年数字经济与碳排放脱钩的空间关联板块溢出效应

总体来看，数字经济与碳排放脱钩水平的空间分布具有非均衡特点。净受益板块中的省份主要位于环渤海和东南沿海地区，这些省份不仅具有更加完善的数字设施，同时掌握着较先进的数字技术，具备发展低碳产业的先发优势，因此对外围区域有强大的虹吸效应。西部和东北地区省份大多属于净溢出板块，由于发展基础薄弱，主要以资源输出谋求区域发展，从而向发达地区产生外溢效应。中部省份大多属于经纪人板块，是各省协同发展的“桥梁”。因此，各板块在空间关联网络中呈现显著的梯度性，彼此之间相互影响、相互作用，共同构成了数字经济与碳排放脱钩的空间关联有向网络。

本文计算了空间关联板块的密度矩阵和像矩阵，以便深入剖析四个板块的内外部关联关系。以2020年的整体网络密度0.19为临界值，对于板块密度大于临界值的赋值为1，表示两个板块间关联性较强；否则，赋值为0，表示板块间关联性较弱。基于此得出数字经济与碳排放脱钩的空间关联网络的像矩阵（见表6）。

表6 2020年数字经济与碳排放脱钩空间关联板块的密度矩阵、像矩阵

从表6 可知，板块Ⅰ、板块Ⅲ和板块Ⅳ具有显著的内部指向，内部联系较强；同时，板块Ⅲ大量吸收板块Ⅰ和板块Ⅱ的要素和资源，呈现明显的逆向溢出特征。整体来看，板块内部关系数显著多于板块外部的关系数，因此板块内部具有显著俱乐部效应；此外，板块间的关联关系体现了中西部地区数字经济发展与碳减排的资源要素向环渤海和东南沿海地区流动的现象。由此可见，数字经济发展与碳排放脱钩存在明显的马太效应，需要警惕数字经济发展过程中可能存在的碳减排不平衡、不协调的问题。

3 结论

本文通过分析我国数字经济与碳排放脱钩水平及其空间网络结构特征，得出以下主要结论：（1）从全国层面来看，数字经济与碳排放的关系以弱脱钩为主，脱钩指数总体上呈现“N”型变动态势，当前数字经济与碳排放均处于增长阶段，两者的关系尚未到达环境Kuznets 曲线的“倒U”型拐点。从各区域省份来看，数字经济与碳排放脱钩状态在东部地区省份的稳定性优于中西部地区省份，在西部地区省份的内部差异最大。（2）整体空间关联网络特征来看，各省份在空间关联网络中连通可达；网络关系数、网络密度均在波动中小幅下降，因此各省的空间联系及其紧密性有所减小；网络等级具有明显的阶段性特征且小幅小降，说明网络结构等级逐渐被打破；网络效率在波动中上升，因此空间溢出路径减少、网络稳定性趋于下降。（3）从个体空间关联网络特征看，北京、天津、上海和江苏等8个省份在空间关联网络中居于中心地位；上海、江苏、北京等11个省份在空间关联网络中承担“中心行动者”的角色，而甘肃和河南扮演着“边缘行动者”的角色；上海、江苏、安徽和福建等10个省份发挥了“桥梁”的作用，而内蒙古、辽宁、新疆、宁夏、青海等13个省份在数字经济与碳排放脱钩的空间网络中处于依附和受支配的地位。（4）从块模型分析看，净受益板块中的省份主要位于环渤海和东南沿海地区，净溢出板块主要包括西部地区和东北地区的省份，经纪人板块主要包括中部地区省份，各板块在空间关联网络中呈现显著的梯度性；板块内部存在明显的“俱乐部”现象，中西部地区数字经济与碳减排的资源要素呈现向环渤海和东南沿海地区流动的趋势，因此数字经济发展与碳排放脱钩存在明显的马太效应。