固定效应模型下制造业数字化转型对碳排放影响

李从欣,冯晓静

(河北地质大学 经济学院,河北 石家庄 050031)

众所周知,全球气候变暖已经严重威胁人类的生存和生活。伴随着经济的不断发展,人类在工业化道路上取得了重大进步。然而随之也面临着能源过度消耗,二氧化碳过度排放形成温室效应,引发全球气候变暖,对人类生存产生巨大威胁等问题,全球气候变暖现已成为全球聚焦的热点问题。为解决这棘手问题,各国政府开始寻求解决方案。2015 年12 月12 日在巴黎召开的第二十一届会议上通过的《巴黎协定》中明确指出,要大幅降低全球的温室气体排放量。2020 年9 月22 日,习总书记在第七十五届联合国大会上提出,中国力争 2030 年前二氧化碳排放达到峰值,努力争取 2060 年前实现碳中和目标。由此可知,节能减排、应对气候变化已迫在眉睫。

传统制造产业给环境带来众多污染并阻碍制造业可持续发展[1]。制造业是我国碳排放大户,其碳减排效果对我国总体碳减排目标的实施产生重要影响。党的十九大报告指出,要推动互联网、大数据、人工智能和实体经济深度融合。因此,制造业企业通过使用大数据、人工智能、云计算等信息技术,推动制造业数字化转型,随之对能源消耗、能源利用率和碳排放量也会产生影响[2]。

制造业数字化转型给碳减排任务的完成提供了全新的方式。因此,制造业数字化转型的有效实施,对碳减排是否起到推动作用? 如果制造业数字化转型可以促进碳减排,影响碳减排的效果如何? 制造业数字化转型对我国各区域碳排放的影响效果是否表现一致? 本研究从制造业数字化转型角度分析它对碳排放的影响效应,对我国制造业数字化转型方向和促使我国走向低碳、协调和可持续发展具有重大意义。

1 文献综述

1.1 碳排放相关研究

碳排放的持续增加所产生的一系列环境问题,给人类带来严峻挑战,因此低碳发展一直是国内外讨论的热点。从碳排放区域差异角度来看,袁晓玲等[3]得出中国碳减排在东中西部地区存在较大区别。张友国等[4]进一步提出各地区需因地制宜制定自身低碳发展水平提升策略,在经济高质量发展的基础上谋求产业低碳转型。从碳排放与其他因素的影响机制来看,研究视角较为多样。如尹迎港等[5]指出对区域碳排放强度的降低作用较显著的是科技创新、产业结构升级及其交互关系。李勃昕等[6]发现碳排放强度的创新驱动力最佳的门槛阈值在经济产出维度呈现出东高西低的顺势传导轨迹,而低强度二氧化碳排放约束对创新驱动和产业升级更有利。谢文倩等[7]则从传导路径角度提出碳排放的抑制作用可以从数字经济通过产业结构升级这条传导路径来实现。从碳排放与其他影响因素的模型关系上来看,碳排放与其较多呈非线性关系。如纪玉俊等[8]指出制造业聚集和碳排放是倒“U”型关系,当制造业聚集达到某个值时,会抑制碳排放。朱欢等[9]指出经济增长与碳排放呈倒“U”型关系。而廖珍珍等[10]通过构建动态GMM 模型,指出数字金融与碳排放也呈倒“U”型关系。

1.2 制造业数字化转型相关研究

制造业数字化转型是推动中国经济高质量发展的关键力量。对于制造业数字化转型的内涵界定,不同视角下界定不同。Theodor Borangiu 等[11]认为促使制造业数字化转型的两个重要驱动因素是云服务和资源虚拟化。Marco Savastano 等[12]指出制造业数字化转型需要技术创新,才能在市场上实现可持续的竞争优势。陈林等[13]则认为制造业数字化转型是包括产品创新、技术创新、市场创新、资源配置创新以及组织创新在内的产业升级的综合创新。对于制造业数字化转型的测度,目前主要是以多指标测度为主。万伦等[14]构建制造业数字化转型参考构架,并基于此给出制造业数字化转型发展过程的评估框架和评估指标体系。罗序斌等[15]选取数字化人才储备、数字化软件应用、数据处理与存储能力和数字化设备投入四方面来测度制造业数字化水平。张林刚等[16]从数字化技术、数字化创新能力和数字化效益三方面来测度制造业数字化转型。在此基础上,王和勇等[17]考虑到环境因素,从效益提升、创新驱动和绿色发展三方面来测度区域制造业数字化转型。

1.3 制造业数字化转型对碳排放的影响相关研究

对于制造业数字化转型对碳排放的影响在现有文献中出现较少且研究角度较为多样。户华玉等[18]从制造业出口隐含碳强度这一角度,发现制造业数字化转型与出口隐含碳强度之间呈现倒“U”型关系。进一步细分层面下,钟廷勇等[19]指出企业数字化转型是通过减排增效效应、供应链优化效应和绿色技术创新效应来有效降低碳风险水平。而马从文等[20]则认为技术创新、企业服务化转型和合理投资会对企业碳排放产生抑制作用。通过对已有研究文献进行梳理后发现:第一,国内外对碳排放的相关研究很丰富,且角度也很广泛,为后续的进一步研究提供了宝贵的理论基础。虽然关于碳排放的影响因素研究相对较全,但从制造业数字化转型角度来剖析对碳排放的影响还较少。第二,目前已有少数研究表示制造业数字化转型对碳排放具有抑制作用,但大多数文献仅停留在理论层面的定性分析,对制造业数字化转型对碳排放的影响在定量方面的研究还很少,并且关于制造业数字化转型对碳排放的具体影响机制还有待完善。因此,本研究在现有理论基础上,结合实证,探究制造业数字化转型对碳排放的不同影响。

2 变量选取

2.1 碳排放

碳排放(Ci)是被解释变量。考虑到我国并没有给出二氧化碳排放量,为确保数据的可靠性,本研究参考IPCC 在2006 提出的标准煤法来对二氧化碳排放量进行估算。根据《中国能源统计年鉴》口径将最终能源消费种类划分为原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油和天然气9 种进行估算。具体计算公式如下:

式中:CO2it——第i省第t年的二氧化碳排放总量,百万t;Eitj——第i省第t年第j种能源的终端消费量,万t;CCj——第j种能源折算标准煤系数;ηj——第j种能源的二氧化碳排放系数;CIit——i省第t年的碳排放强度,t/万元;GDPit——i省第t年的地区生产总值,亿元。

2.2 制造业数字化转型

制造业数字化转型(Dt)是核心解释变量。制造业数字化转型的测度研究还尚未成熟,较多数学者采用熵值法对它进行测度。通过上述对文献评述的梳理可得,制造业数字化转型需要考虑经济效益、技术创新、绿色环境等多方面因素,因此本研究借鉴张林刚[16]、王和勇[17]、罗序斌[21]、李廉水[22]等研究,从数字化技术转型、数字化创新转型、数字化效益转型和数字化绿色转型4 个角度对制造业数字化转型进行测度。具体指标体系如表1所示:

表1 制造业数字化转型指标体系

2.3 控制变量

控制变量是城镇化水平(Ur)、环境规制(Er)、技术进步(Ie)、人口规模(Peo)和财政支出水平(Fis)。

2.3.1 城镇化水平(Ur)

城市化的扩张会带来人力资本的积累,从而带来各种绿色技术,能源利用率得到提升;然而也会使居民收入增加,促进居民消费,经济得以快速增长,消耗大量资源,因此城镇化水平对碳排放的影响还不确定。本研究借鉴徐维祥等[23]的研究,利用城市人口与总人口的比值来测算城镇化水平。

2.3.2 环境规制(Er)

企业在生产前期,大部分会选择牺牲环境标准而大规模生产来确保企业利润的提升,因此环境规制会促进碳排放量的产生;而随着环境规制对企业的约束,企业碳排放会逐渐减少,因而在长期环境规制会抑制碳排放量的产生。借鉴缪陆军等[24]用工业废水排放量、工业二氧化硫排放量和工业固体废物排放量来测算环境规制。

2.3.3 技术进步(Ie)

技术进步在碳减排目标完成过程中发挥着至关重要的作用。技术进步会打破国家的技术壁垒,促进经济增长,带来各种低碳技术,对碳排放有抑制作用;同时技术进步在某些方面也会导致部分地区出现生态不平衡,碳排放量也会增加,从而影响整个社会的可持续发展。借鉴余志伟等[25]的研究选择专利授权数量表示。

2.3.4 人口规模(Peo)

人口规模对经济社会的发展具有重要的影响。人口规模的增加会需要更多能源来满足对工业、电力、交通等的消费和需求,从而产生更多的碳排放量,对碳减排目标起到抑制作用,借鉴薛飞等[26]的研究,选择年末总人口数来表示。

2.3.5 财政支出水平(Fis)

政府的宏观政策对经济社会发展具有重要的影响作用,一个地区的发展离不开政府对地方的支持。政府通过资金投入,会加大对技术研发力度,促进地方产业转型发展,地方产业通过转型使得能源利用率得到提高,进而抑制碳排放,借鉴姚凤阁等[27]的研究选择政府财政支出表示。

2.4 数据来源

本研究选取2012—2020 年中国30 个省市(区)(西藏和港澳台除外)面板数据进行分析,所涉及数据主要来源于2013—2021 年的《中国统计年鉴》《中国工业统计年鉴》和《中国能源统计年鉴》等。对个别缺失值,采用线性插值进行填补。

3 制造业数字化转型对碳排放的实证结果分析

3.1 模型设定

已有研究发现制造业数字化转型对碳排放的影响趋势为“U”型和倒“U”型等非线性关系,结合制造业数字化转型对碳排放的基本理论构造非线性面板回归模型,考察制造业数字化转型对碳排放的影响。鉴于数据存在异方差等不平稳特征,在模型回归之前对部分变量做了取对数处理,因此设定模型如下:

式中:i——相应省份;t——相应年份;Ciit——被解释变量,即碳排放;Dtit——核心解释变量,即制造业数字化转型;——制造业数字化转型的平方;控制变量为Urit(城镇化水平)、Erit(环境规制)、Lnieit(技术进步)、Lnpeoit(人口规模)和Lnfisit(财政收入水平);μi——省份固定;υt——时间固定;εit——误差项。

3.2 基准回归模型

通过构建面板回归模型来探究各变量之间的关系,从而证明制造业数字化转型对碳排放确实具有显著性。通过Hausman 检验来判断使用固定效应模型还是随机效应模型,结合Hausman 检验结果显示P 值小于0.01,通过显著性检验,拒绝原假设,因此选择固定效应模型来进行模型回归实证分析,结果如表2 所示:

表2 基准回归结果

由固定效应模型结果可知,制造业数字化转型的一次项系数为正,二次项系数为负,且均在1%的水平下显著,表明制造业数字化转型对碳排放呈倒“U”型曲线关系,即当制造业数字化水平较低时,起促进作用,当超过拐点之后,起抑制作用。制造业数字化转型初期,需要耗费大量人力资源和物力资源,且企业为了提高生产效率不得不使用许多高耗能高污染的设备,因此在前期会造成二氧化碳排放量的增加。当制造业数字化转型越过拐点之后,制造业数字化转型程度提高,数字化转型效应逐渐抵消规模效应,通过数字化助力制造业生产,在制造过程中减少碳排放,数字化技术提升能源效率,使得能源使用和碳排放都有效减少[18]。

从控制变量方面来看,城镇化水平对碳排放的影响系数是-2.25,且在1%的水平上显著。在城镇化进程中,伴随城镇人口聚集带来规模经济,造成城镇生活方式和技术的改变,从而抑制了碳排放的增加。环境规制对碳排放的影响系数是1.52,且通过了 1%的显著性检验。可解释为在短期内,即使企业需要按规定排放二氧化碳,但考虑到经济利益,大多数企业仍会选择不顾环境标准来规模生产,因此此时环境规制对碳排放影响为正[28]。技术进步对碳排放的影响系数是-0.83,在在1%的水平上显著。企业技术进步,从而提高能源利用率,对碳排放产生抑制作用。政府财政支出对碳排放的抑制作用在1%的水平下显著,影响系数是-1.15。政府财政支出给企业带来资金支持,帮助企业实现低碳转型,从而抑制碳排放。人口规模对碳排放影响系数为0.08,但促进作用不明显。

3.3 区域异质性检验

考虑到中国不同地区、不同省份的政策及经济状况存在一定差异,不同地区的制造业数字化水平也不同,进而对碳排放的影响程度也会有所不同。为考察制造业数字化转型对碳排放的区域影响差异,本研究参考《中国科技统计年鉴》的分组方式,将全国分成东部、中部和西部地区进行实证分析,结果如表3 所示。

表3 区域异质性检验结果

由表3 可知,东部地区制造业数字化转型对碳排放的影响作用与全国整体地区不同。一次项系数显著为负,二次项系数显著为正,表明东部地区制造业数字化转型对碳排放呈“U”型曲线关系,即当制造业数字化水平较低时,起抑制作用,当超过拐点之后,起促进作用。这可以解释为当下东部地区技术较为进步,制造业数字化转型水平相对成熟,对碳排放起到抑制作用。具体来说,一方面东部地区具备天然发展优势,交通的便利带来连续性贸易往来,因而经济相对发达,人才和知识都相继汇聚到东部,推动科技进步,加快企业数字化转型,转变制造业生产方式,提高能源效率,减少碳排放[29]。另一方面东部地区政府重视制造业数字化转型,对制造业数字化转型投入精力较多。严格按照政策对制造业生产方式做出约束,企业也能做出相应响应,规模生产,加强能源监测和管理,从各方面减少二氧化碳的过度产出[30]。中西部地区制造业数字化转型的一次项系数显著为正,二次项系数下显著为负,表明制造业数字化转型对碳排放呈倒“U”型曲线关系。表明中西部地区制造业数字化转型处在初步阶段,数字化程度有待提高,需要越过拐点,才能抑制碳排放。东部、中部和西部的制造业数字化转型对碳排放的“U”型和倒“U”型曲线的拐点所对应的制造业数字化水平分别为0.60,0.16 和0.17,也可以看出不同区域的制造业数字化水平的最优区间不同。

就控制变量来说,东部地区城镇化水平、环境规制和人口规模对碳排放在1%的水平上呈显著促进作用,技术进步对碳排放在1%的水平上呈显著抑制作用,政府财政支出对碳排放的促进作用不显著。中部地区城镇化水平、环境规制和人口规模对碳排放在1%的水平上呈显著促进作用,技术进步对碳排放在10%的水平上呈显著抑制作用,政府财政支出对碳排放在1%的水平上呈显著抑制作用。西部地区城镇化水平和政府财政支出对碳排放在1%的水平上呈显著抑制作用,环境规制对碳排放在1%的水平上呈显著促进作用,技术进步和人口规模对碳排放的影响作用不显著。

3.4 稳健性检验

稳健性检验用来检验根据模型得到的结果是否可靠,从而保证研究结果的相对准确性。为检验实证得到的制造业数字化转型对碳排放的影响是稳健的,本研究使用两种稳健性检验方法进行检验:第一是更换被解释变量,使用二氧化碳排放量替换二氧化碳排放强度进行稳健性检验;第二是更换研究方法,使用FGLS 方法对变量进行回归,模型估计结果如表4 所示。结果表明:制造业数字化转型的一次项系数和二次项系数与表2 回归结果一致,制造业数字化转型对碳排放呈现倒“U”型,通过稳健性检验。

表4 稳健性检验结果

4 研究结论与对策建议

4.1 研究结论

基于我国2012—2020 年30 个省市(区)的面板数据进行实证分析。首先,构建面板回归模型实证检验制造业数字化转型对碳排放的非线性影响,其次,将我国分为东中西三个区域进行面板回归,实证检验制造业数字化转型对碳排放的区域异质性,主要得出以下结论:

第一,制造业数字化转型对碳排放的一次项系数为正,二次项系数为负,且均在1%的水平下显著,表明制造业数字化转型对碳排放呈倒“U”型曲线关系,即当制造业数字化水平较低时,起促进作用,当超过拐点之后,起抑制作用。控制变量中,城镇化水平、技术进步和政府财政支出对碳排放有显著抑制作用,环境规制对碳排具有显著促进作用,人口规模对碳排放具有促进作用,但促进作用不明显。

第二,基于制造业数字化转型对碳排放的区域异质性,对东中西部地区进行实证分析。东部地区一次项系数显著为负,二次项系数显著为正,制造业数字化转型对碳排放呈“U”型曲线关系,即当制造业数字化水平较低时,起抑制作用,当超过拐点之后,起促进作用。中西部地区制造业数字化转型的一次项系数显著为正,二次项系数下显著为负,制造业数字化转型对碳排放呈倒“U”型曲线关系,即当制造业数字化水平较低时,起促进作用,当超过拐点之后,起抑制作用。

4.2 对策建议

基于研究结论,提出如下对策建议:

4.2.1 提高制造业数字化转型整体发展水平

基于制造业数字化转型对碳排放呈倒“U”型曲线关系,因此应使制造业数字化水平发展越过阈值水平,达到抑制碳排放的作用。首先,提高企业数字基础设施建设是数字化转型提升的关键,重视企业数字基础设施建设,支撑制造业数字经济发展。其次,人才的培养也至关重要,加大对数字化人才的资金支持和投入,培养综合型人才。最后,企业要提高创新能力,研发先进制造技术、人工智能和机器人,在生产制造过程中以数字化设备来代替人工。通过制造业数字化转型的不断发展,使企业能源利用率得以提升,碳排放有效减少。

4.2.2 制定精准投入计划,实施差异化的制造业数字化转型政策

东部地区制造业数字化转型对碳排放呈“U”型曲线关系,中西部地区制造业数字化转型对碳排放呈倒“U”型曲线关系。因此,对于东部地区,可适当调整制造业数字化转型水平,积极培育更高需求的制造业数字产业,在持续的效率改进和经济结构调整的基础上,使制造业数字化转型水平处于最优区间,从而对碳排放的抑制效果达到最大化。对于中西部地区,精准投入制造业数字化转型,让制造业数字化转型水平越过阈值,在充分吸收东部地区先进的制造业数字化转型经验的同时,结合自身优势,提升数字经济关键软硬件技术创新能力,逐步攻克关键核心数字技术,掌握制造业数字化发展自主权,达到抑制碳排放的目的。

4.2.3 加强政府对制造业数字化及碳减排工作的导向作用

首先,政府和有关部门出台有关政策,重点扶持和指导贫弱地区中小企业制造业数字化转型。鼓励当地政府主动带动和辐射周边地区制造业数字化转型的提升,消除地区间发展鸿沟。其次,政府可在区域实施补偿制度,对不同区域进行有针对性的投入,比如研发投入、外商投资、教育经费投入等。此外,有关部门还要加强监管力度和碳减排宣传力度,增强居民碳减排和环境保护意识。