数字经济对我国居民消费碳排放影响
2024-01-06班楠楠张潇月
班楠楠,张潇月
数字经济对我国居民消费碳排放影响
班楠楠*,张潇月
(东北财经大学萨里国际学院,辽宁 大连 116023)
基于2000～2020年我国30省区的面板数据,综合测算了不同层次需求下各省区居民消费碳排放量和数字经济发展指数,运用空间计量模型开展回归分析和空间效应分解,并对数字经济与总体消费碳排放进行门槛效应分析,考察数字经济对居民消费碳排放的影响.研究发现:(1)我国居民消费碳排放整体上升,呈现出东高西低并且向中东部集中的趋势.(2)直接消费碳排放是我国居民消费碳排放的主力,但随着社会发展,其在总体消费碳排放中的占比呈下降趋势,间接消费碳排放比重增加.(3)数字经济的发展能够显著增加本省及邻近地区居民间接消费碳排放以及其中本省的生存型间接消费碳排放;然而,进一步研究发现数字经济与总体消费碳排放之间具有“倒U”型关系,数字经济在达到较高的发展水平后能够促进居民消费碳减排.综上,建议进一步推动数字经济发展,加强对绿色生产生活的引导,从而助力实现“双碳”目标.
数字经济；居民消费；碳排放；需求层次差异；空间回归
我国是世界上能源消费和碳排放总量最大的国家,“双碳”目标的实现依然任重道远.新时期从哪些碳排放主体入手、采取什么行动有效降低碳排放成为当前亟待解决的问题.与此同时,作为拉动我国经济增长的第一动力,消费对经济发展具有基础性作用.近年来,我国经济“双循环”以及各项扩大内需举措不断深入开展,居民消费总额不断攀升,居民消费碳排放成为碳排放的新增长点,碳排放重点由生产侧向消费侧转移[1].《政府与企业促进个人低碳消费的案例研究》(2021年)显示,我国2021年居民消费产生的碳排放接近30亿t,约为2002年的2.27倍.居民消费水平的提高引起了学者对消费结构变动的关注,目前主流的消费资料划定基于恩格斯提出的生存型、发展型和享受型消费[2].不同类型消费具有不同特点,生存型消费开支比较稳定且总量较大,消费产品主要为维持生活所需的初级产品即低技术低环保产品;发展型消费满足人们对更加优质便利生活的追求,其产品主要为高技术低环保产品;享受型消费主要满足消费者的精神需求,其产品具有高技术高环保的特点[3].消费所产生的碳排放则还可以按商品是否直接产生碳排放分为直接消费碳排放和间接消费碳排放.前者主要为购买能源类商品直接产生的CO2排放;后者为购买非能源类商品中蕴含的从加工至达到出售状态所产生的碳排放,现有研究常按需求层次将其同样划分为生存型、发展型、享受型间接消费碳排放[4].
随着互联网技术的不断发展,数字赋能深度碳减排的潜力不断扩大.数字技术能够与主要碳排放领域深度融合,优化能源结构,降低生产成本,帮助科学决策,有效降低供给端碳排放;然而,《数字碳中和白皮书》(2021年)显示,在数字化转型阶段,ICT产业尤其是ICT服务业碳排放会迅速增长,增加碳减排压力.作为数字技术发展的产物,数字经济发展规模不断扩大,2020年我国数字经济规模已达到39.2万亿元,较2002年增长近33倍[5],愈发凸显出数字经济作为国民经济“稳定器”和“加速器”的重要作用.并且,在国际局势复杂多变、实体经济发展受阻等因素的干扰下,数字经济依然显示出强大的发展潜力,成为促进消费的强劲动力.当数字经济与居民消费的联系日益凸显,研究数字经济对居民消费碳排放的影响,对进一步降低碳排放、实现高质量发展具有重要意义.
已有研究认为消费者活动产生的碳排放远高于其带来的效益,并且诸如消费选择、经济增长等因素均会对碳排放产生影响[6-8].消费碳排放影响因素测度方法主要包括IPAT或STIRPAT模型、Kaya恒等式与对数平均权重分解(LMDI)法、空间回归模型等[9-10].对于该领域的探讨呈现出研究区域和研究内容不断细化的发展趋势,研究范围从国家和省级层面向县市层面拓展[11],所研究的碳排放影响因素也在传统测度模型基础上扩展至特定要素,如城镇化、数字金融等,对碳排放具有提升或抑制作用,并存在一定的时间和空间效应[12-13].这些研究对于通过发展特定领域降低居民消费碳排放具有良好的指导意义.
对于数字经济与居民消费碳排放之间的关联,目前虽尚未有研究进行过多讨论,但数字经济与消费和与碳排放之间的关系已在相关研究中得到证实.研究表明数字经济对于居民消费规模、消费结构、消费方式等均具有正向作用[14-16].而对于数字经济对碳排放的影响,一方面,学界对数字经济的碳减排潜力给予肯定,认为数字经济能够通过数据生产要素、数字科技革命推动低碳转型,提升能源利用效率[17],并且其发展水平提高会使碳减排效应更加明显[18].另一方面,部分研究对目前发展水平下数字经济对碳排放的抑制作用提出质疑,认为目前对数字经济碳足迹占全球温室气体排放量比重的估计值均存在低估现象,数字经济发展显著提升了全球碳排放[19];研究发现数字经济发展在环京城市和经济强市能推动城市碳减排,而在非经济强市则加剧了碳排放[20].因此,目前数字经济能否降低碳排放仍有待进一步讨论.
通过梳理文献发现,研究居民消费碳排放驱动因素仍以传统模型中的要素为主,且鲜少划分需求层次;对数字经济现阶段的碳减排作用褒贬不一,数字经济与居民消费碳排放的关系仍有待探讨;多个居民消费碳排放影响因素均具有显著的空间效应,但基于空间视角的研究依然较少.基于此,本文以不同省份居民消费碳排放为研究对象,综合我国2000～2020年30省、区(港澳台及西藏地区资料暂缺)的面板数据,对居民的直接和间接消费碳排放进行测度,运用熵值法对我国数字经济发展水平予以赋值,利用空间计量模型开展空间回归及空间效应分解,探究数字经济对居民消费碳排放的影响及空间特性,并进一步运用门槛模型探究二者的非线性关系,最后得出结论并提出建议.
1 理论分析与研究假设
通过降低交易成本及收入与消费的不确定性、提升收入水平、缓解流动性约束和拓宽社会网络机制等方式,数字经济的发展促进了消费规模扩大与消费结构升级,同时催动了消费碳排放的增长[13,21].目前我国居民消费碳排放仍以基础消费产生的碳排放即直接消费及生存型间接消费碳排放为主[4,22].随着经济社会的发展,我国直接能源消费碳排放以及各需求层次下的人均间接消费碳排放总体上升,其中多数省份生存型人均间接碳排放上升势头较强,而发展型和享受型人均间接碳排放上升则相对缓慢[23-24].结合上文对消费类型及产品特点的界定,由于直接消费碳排放主要为能源消费,通过数字渠道进行购买的机会相对较少且居民的能源需求量较为固定,故推测数字经济对其影响相对较小;而能够产生间接消费碳排放的主体大都能够通过数字渠道购得,加之其中生存型商品为间接消费碳排放主力,故推测数字经济对该部分的影响与消费碳排放变化趋势总体保持一致.因此数字经济可能对消费碳排放产生正向的拉动作用,并主要影响间接消费碳排放尤其是生存型间接消费碳排放.据此,本文提出以下假说:
假说1:目前数字经济的发展能够提升居民消费碳排放.
由于研究范围为我国30省、区,空间跨度较大,因此空间特性和区域关联成为本文必须要考察的内容.根据我国数字经济产业具有显著共享性与空间溢出的特征,结合数字经济对居民消费的影响,推测其对居民消费碳排放的空间效应产生机制:第一,能够打破时空壁垒,加强区域联系,缓解信息不对称,提升居民消费便利性,促进商品跨区域流动,拉动区域整体消费水平,同时增加消费碳排放[25];第二,通过技术溢出优化地区产业结构,通过知识溢出提高生产率、促进产业集聚,推动区域协同发展,从而增加区域间人口流动、提升人民的收入水平与消费水平[26],进而提升消费碳排放水平;第三,通过合理资源配置和提升流通效率促进城乡融合发展,提升经济发展水平,缩小城乡居民收入差距,推进共同富裕,充分发挥居民消费潜力,提升总体消费及碳排放水平[27].此外,研究发现我国居民消费碳排放行为、数字经济与居民消费以及碳排放的影响因素均存在空间相关性[28-30],故数字经济与居民消费碳排放应同样具有空间相关特征.据此,本文提出以下假说:
假说2:数字经济对居民消费碳排放的影响存在空间效应.
在消费结构升级的背景下,另有部分学者发现数字经济对居民消费的拉动作用主要表现在促进发展型和享受型商品的购买上[31].同时,数字经济发展所带来的产业结构调整及数据生产要素、数字技术和数字科技革命等也能够降低碳排放[32-33].因此,数字经济推动碳减排的潜力不容忽视.研究表明数字经济与碳排放的关系符合环境库兹涅茨法则(EKC),即经济发展水平与环境压力之间具有“倒U”型关系[34].由于数字经济与居民消费关系密切,故推测数字经济的发展与居民消费碳排放应同样满足EKC假说,只是在目前阶段国内数字经济总体发展水平尚处于节点左侧,对化石能源依赖较高,数字基础设施有待完善,信息技术的发展增加了商品生产运输过程碳排放,区块链技术、信息通信技术也增加了碳排放[35-37],故总体表现为增加居民消费碳排放的状态;随着数字技术的不断发展,其自身能源利用率的提升、对居民消费习惯与消费结构的改造等能够推动其逐渐达到提升碳排放的峰值,最终有效降低消费碳排放.据此,本文提出以下假说:
假说3:数字经济对居民消费碳排放存在先增加后抑制的“倒U”型关系.
2 研究设计与模型构建
2.1 样本选择和数据来源
选取我国2000～2020年30省、区的面板数据作为样本进行考察.人口、消费、能源使用等数据均来自国家和各地区统计局编制的统计年鉴.数字经济的相关指标来自2000～2020年《中国城市统计年鉴》.在居民直接消费碳排放核算中,能源碳排放系数和折算标准煤系数参考《省级温室气体清单编制指南》(发改办气候〔2011〕1041 号)以及《中国能源统计年鉴2021》附录4“各种能源折标准煤参考系数”,居民能源消费数据来自《中国能源统计年鉴》中对应省份的“能源平衡表(实物量)”.在居民间接消费碳排放核算中,产业能源排放数据来自《中国能源统计年鉴2021》,居民消费数据来自全国投入产出表和各地统计年鉴.部分数据来源于中经网统计数据库和EPS数据平台.
2.2 研究方法与变量定义
2.2.1 居民消费碳排放测度方法 根据居民消费碳排放的不同来源将其划分为直接和间接消费碳排放.为使得到的居民消费碳排放量更加真实全面,本文对2000～2020年我国30省、区(港澳台及西藏地区资料暂缺)的居民直接消费碳排放量和不同需求层次下居民间接消费碳排放量进行计算.
(1)居民直接消费碳排放测算 居民直接消费碳排放是居民在日常生活中使用煤、石油、天然气等能源所直接引起的二氧化碳排放.基于碳排放系数法,运用直接碳排放总量测度方法对居民终端消费产生的二氧化碳排放量进行核算.公式如下:
式中:d为居民生活能源消费直接产生的CO2排放量,t;E为居民生活常用能源的消费量,t;C为各能源种类的CO2排放系数;为能源种类.
(2)居民间接消费碳排放测算 居民间接消费碳排放是居民购买各类消费品在生产、加工、运输、消费过程中所产生的二氧化碳排放,主要包括食品烟酒、衣着、居住、生活用品及服务、交通通信、教育文化娱乐、医疗保健、其他用品和服务八方面.参考郭蕾等[4]和史琴琴等[38]的思路,将不同的产业部门划分到对应的消费项下,结合各行业的能源消费总量,可以得到居民间接消费碳排放因子,从而能够计算居民八大类消费产生的间接碳排放量,计算公式如下:
式中:in为居民间接消费碳排放量,t;S为平减后的居民各类消费项年支出水平,元(以2000年为基准);C为各消费项的碳排放因子;为居民消费支出种类.
同时,基于上述八种不同的消费种类以及需求层次差异,参照目前主流的划定方法[24,39],将食品烟酒、衣着、居住消费划分为生存型消费,交通通信、教育文化娱乐、医疗保健消费划分为发展型消费,生活用品及服务、其他用品和服务消费划分为享受型消费,并通过式2分别计算不同类型居民消费所产生的间接碳排放.
(3)居民消费碳排放量的合并 居民消费碳排放量是居民直接消费碳排放和间接消费碳排放的加总,公式如下:
2.2.2 数字经济发展程度的测度方法 在构建指标体系时,常用的客观权重赋值法包含主成分分析法、层次分析法和熵值法三类.使用主成分分析法需要满足特定前提且容易与原始变量含义相悖;层次分析法的定性成分较多,易使最终所得结果的权重信度较低;而熵值法不易受到人为因素的影响[40],因此采用熵值法对数字经济综合指数的权重予以赋值,并以此作为衡量数字经济发展程度的标准.
根据需要及数据可获得性,筛选2000～2020年我国30省、区面板数据进行初始矩阵的构建.用表示´阶原始数据矩阵,其中、分别表示所选取的年份总数、指标个数,´为全部年份指标总数,即
正向指标:
负向指标:
(2)计算第个指标下第个样本占该指标的比重r:
(3)计算第个指标的信息熵e:
(4)确定各评价指标权重系数W:
(5)计算各样本的综合评分G:
相关指标的描述性统计及计算得到各指标标准化后的熵值和权重见表1.
2.2.3 变量选择 (1)被解释变量:居民消费碳排放.将居民消费碳排放分为直接消费碳排放(DICO)和间接消费碳排放(ICO),又将后者按照需求层次划分为更加具体的生存型消费碳排放(SCO)、发展型消费碳排放(DCO)和享受型消费碳排放(ECO).
表1 数字经济相关指标的描述性统计、熵值和权重
(2)解释变量:数字经济.参考江三良等[32]以及赵涛等[41]的做法,选择国际互联网用户数、电信业务总量、信息传输计算机服务和软件业从业人员数与移动电话年末用户数四个指标,利用熵值法测算我国各省区数字经济综合指数作为衡量数字经济发展程度的指标,在此基础上进行后续检验.
(3)控制变量:其一,富裕程度.在经济发展水平不断提高的大环境下,居民生活条件改善,消费信心增强,消费总量会相应提升[42],从而提升消费领域的碳排放.取经济产出水平的对数(lnGDP)和居民消费意愿(cwill)两项指标进行衡量,其中居民消费意愿取居民消费支出与可支配收入之比.其二,技术水平.选取环境规制(ER)和工业化率(ind)两项指标进行衡量.技术水平的提高会增加机械的使用,提升能源碳排放;但技术进步同样有助于采用先进生产方式,提高能源利用率,抑制碳排放[43].环境规制可以通过推动绿色技术进步推动中国低碳转型[44];工业化率能够反映国家工业化水平及产业结构的变化,目前已有学者将其归入技术水平类别内进行研究[12].参考前人计算思路,环境规制取环境污染治理投资总额与工业增加值之比[45],工业化率取工业增加值在本年度GDP中所占的比例[12].其三,人口因素.人口基数对总体消费碳排放具有密切联系,城镇化带来的人口集聚不利于当地碳减排,但对于降低碳强度具有一定的推动作用[46],而抚养比则是反映人口年龄结构的重要指标,其变动逐渐成为影响能源消费的重要因素[47],因此其对居民消费碳排放的影响值得考量.选取家庭户数的对数(lnfsize)、城镇化率(urban)、少年抚养比(young)和老年抚养比(old)四项指标进行衡量,其中城镇化率取各地城镇人口比重,少年和老年抚养比取各自人口数与劳动年龄人口数的比值.
变量界定及描述性统计见表2.
表2 变量界定及描述性统计
2.2.4 变量单位根检验 为防止变量不平稳而造成伪回归的现象,对变量进行平稳性测试.选取长面板数据常用单位根检验方法中的ADF、IPS、LLC检验三种方式进行检验,避免因检验方式单一而造成的误差.检验结果见表3.检测发现,部分原始数据及个别取一阶差分后的数据并不显著,无法拒绝单位根存在的原假设;在进一步对不平稳的变量取二阶差分进行检验后,最终结果均能在5%的显著性水平上拒绝原假设,能够证明变量的平稳性.因此可以在此基础之上开展实验.
表3 变量平稳性检验
注:***、**、*分别表示在1%、5%和10%水平上显著.
2.3 模型构建
2.3.1 空间计量模型的构建 空间计量经济模型主要包含空间滞后面板数据模型(SLM)、空间误差面板数据模型(SEM)以及空间杜宾模型(SDM).三者均为学界研究空间关联性问题的常用模型,其区别在于因变量、干扰项与空间权重的交互关系.本文五个被解释变量均能够通过莫兰指数(Moran’s)检验,说明居民消费碳排放存在较强的空间相关性,此结论与已有研究[48-49]的结果一致.因此,首先构建含三种空间计量模型结构的广义嵌套空间计量模型(GNS)如下(式11～12):
式中:lnCO为被解释变量,即居民消费碳排放量;eco为解释变量,代表数字经济水平;SControl为控制变量,即除数字经济外的其他8个变量;W为空间权重矩阵;WlnCO为空间滞后变量,反映空间距离对各地区的碳排放作用;1、1分别为自变量的待估参数向量和空间回归系数;、分别为时间和空间效应;为相邻地区的碳排放的溢出效应,取值范围为[-1,1];为各省市地区;为年份.
式中:g为空间误差自相关系数,反映了样本观测值之间的空间依赖程度,取值范围为[-1,1];v为传统随机误差项,服从标准正态分布.因此具有矩阵形式,服从空间相关性.
在此模型中,若空间相关性仅存在于被解释变量中,则1=0,=0,表现为空间滞后模型;若空间相关性仅存在于误差项中,则=0,=0,表现为空间误差模型;若存在混合的空间相关性,则=0,表现为空间杜宾模型.
2.3.2 空间计量模型适用性检验 运用普通最小二乘法(OLS)检验空间滞后模型和空间误差模型哪个更加适合本文的样本研究.若Lagrange Multiplier (Lag)统计量的值大于Lagrange Multiplier(Error)的值、Robust LM(Lag)统计量的值也大于Robust LM (Error)的值,且Lagrange Multiplier(Lag)和Robust LM(Lag)的显著性水平较Lagrange Multiplier(Error)和Robust LM(Error)的显著性水平都更加显著,则选用空间滞后模型,反之则选用空间杜宾模型,检验结果见表4.结果表明,本文的两个模型均选用空间杜宾模型.
接下来对模型进行适用性检验,即LR检验和WALD检验.结果显示,Wald统计量和LR统计量均显著拒绝原假设,说明空间杜宾模型无法简化为空间误差模型和空间自回归模型.与传统面板数据模型类似,通过分解随机干扰项成分,可以将动态空间面板模型分成两类基本模型设定,即固定效应和随机效应.采用Hausman检验对模型的适用形式进行筛选,检验结果表明,选择建立固定效应模型更为合理.
表4 空间模型选取检验
3 实证检验与结果分析
3.1 我国居民消费碳排放现状及时空演变特征分析
图1选择了4个年份展示我国2000～2020年居民消费碳排放总量的空间格局演变,表5展示了我国三大地区不同类型的消费碳排放量变化.从整体来看,我国居民消费碳排放总体呈上升趋势,在空间布局中总体呈现出东高西低并按照东中西三大区域呈阶梯式递减的特点,并随着时间推移表现出向中东部集中的趋势,具有一定的集聚特征.直接消费碳排放是居民消费碳排放的主要部分,2020年所占比例依然超过了60%;间接消费碳排放占比较小但增长迅速.此外,不同区域的消费碳排放存在较大差异,东部地区的各类碳排放远超其他两区域,然而其直接消费碳排放所占比重最低,可能与经济水平高、人口密度大而造成的消费需求旺盛有关;中部地区的直接消费碳排放最低,间接消费碳排放略高于西部地区,可能与近年来工业化增速放缓、第三产业发展势头良好带动总体经济发展有关[50];西部地区的居民直接消费碳排放所占比重略高于中部地区,可能与西部地区矿产资源丰富、冬夏气候变化明显以及近年来正处于快速发展时期有关[51].部分相邻省份居民消费碳排放量差别较大,结合我国的实际情况,可以推测如北京、上海等地区存在碳排放转移的情况.
图2展示了我国三大地区历年来不同需求层次下的间接消费碳排放.从图中可以看出,三种类型的间接消费碳排放均呈现增长趋势.其中,东部地区消费碳排放均处于较高的水平,尤其是生存型和享受型碳排放近年来与其他两地区拉开了较大的差距.这可能是因为东部城市群集中且规模较大,产生消费的基数大,生存型资料购买总量大;加之经济发展迅速,人们在有消费需求的同时有能力进行购买,因此产生的发展型和享受型消费碳排放总量大.中部地区各类碳排放增速较为平缓,预示其消费日益向节能环保产品领域倾斜[21].西部地区发展型消费碳排放表现与东部地区接近,而其他两类消费碳排放则与中部地区接近,可能与人口基数较少,而诸如西部大开发、一带一路、自贸区建设等支持西部发展政策逐渐落实有关.在居民消费结构升级的背景下,发展型和享受型间接消费碳排放总量依然远低于生存型碳排放,推测相关产业生产活动产生的碳排放可能低于生产生存型产品的行业.
图1 2000～2020年我国居民消费碳排放空间格局演变
基于自然资源部标准地图服务网站下载的审图号为GS(2022)4299号标准地图制作,底图无修改
由上述分析结果可知,我国各类居民消费碳排放呈现出较为明显的空间相关特征,因此需要对其空间关联进行进一步的考察.
表5 2020年三大地区各类消费碳排放
3.2 我国数字经济综合指数分析
根据熵值法确定的数字经济综合指数见表6.从表中可以看到,我国数字经济均值在东部地区尤其是沿海省份较高,其次是中部地区,西部地区数字经济总体发展水平较低.其中,广东省数字经济均值为0.8486,远高于其他省份,说明数字经济在该地区发展水平最高;均值高于0.3的其他省份依次为北京、江苏、浙江、山东和上海,数字经济在当地的发展均维持在较高的水平;而新疆、海南、宁夏、青海的排名位于后四位,均值低于0.05,数字经济对当地的发展影响较小.此结果基本符合我国不同省份数字经济的发展特征:我国数字经济的发展呈现由东至西阶梯式递减,东部地区断层性领先的分布格局[52].数字经济应用程度较高的地区相应的应用领域更加广泛,对其他经济形态的替代作用更加明显,经济活动中与生态环境的关系就会更加密切,产生碳排放的机会更多,因此可以进一步推测数字经济与碳排放之间具有较为密切的联系,下文中将会对此推论进行进一步的验证.
(a)生存型间接消费碳排放
(b)发展型间接消费碳排放
(c)享受型间接消费碳排放
图2 2000～2020年三大地区居民间接消费碳排放(万tCO2)
Fig.2 Indirect carbon emissions from household consumption in three regions during 2000～2020 (million tCO2)
表6 研究区数字经济均值
3.3 我国居民消费碳排放的影响因素分析
基于上述结果,为进一步研究数字经济对居民消费碳排放的具体影响,分析区域间居民消费碳排放的空间相关性,本文采用经济距离矩阵,运用空间杜宾模型对居民消费碳排放的影响因素进行回归分析,并在此基础上对显著性较强的两个结果进行了空间效应分解,考察数字经济对居民消费碳排放的空间影响.
3.3.1 数字经济对居民消费碳排放的影响分析 数字经济对居民消费碳排放的空间杜宾模型回归结果见表7.结果显示,数字经济对居民间接消费碳排放和其中的生存型间接消费碳排放影响显著为正,对发展型间接消费碳排放有一定的正向影响.这说明数字经济的发展推动了上述消费碳排放的增长.从整体来看,数字经济的发展以现代信息网络为重要载体,推动产品和服务的供给智能化、数字化、网络化,其带来的消费上的便捷有效拉动了居民消费,进而显著提升了间接消费碳排放;而居民生活直接所需能源的相关行业较为固定,体量庞大并且具有一定的垄断性,有效利用数字经济帮助行业升级仍需要时间.从需求层次差异来看,数字经济对居民间接消费碳排放的影响主要集中在生存型消费碳排放,即与衣、食、住相关的消费碳排放上;其次在发展型消费碳排放,即与出行、教育、医疗相关的消费碳排放上.这种现象可能与数字经济的主要构成部分,即数字零售业有关.作为全球最大的数字消费市场,我国数字零售业规模不断提升.《中国数字经济前沿》(2021年)显示,衣、食、住、行、文化娱乐的数字消费渗透率均在50%以上,已实现消费行为的高度数字化;而教育、医疗、康养的数字消费渗透率低于40%,数字化程度相对较低.可见生存型消费领域全部受数字经济的高度影响,发展型消费领域仅有部分受数字经济的高度影响,与本文的回归结果及已有研究成果一致[53],加之生存型消费碳排放自身体量较大,在数字经济的催动下其总量提升会较另两类间接消费碳排放更为明显.然而,数字经济对发展型间接消费碳排放的正向影响表明其发展对消费结构升级具有一定积极作用,随着数字技术的不断成熟和基础设施的不断完善,可以预测未来发展型和享受型消费的数字渗透率将进一步提升,相应地数字经济对其消费碳排放的影响将会更加明显.此外,根据前人的研究,数字经济对发展型和享受型消费均具有显著正向影响[14,54],与本文对相关消费碳排放的检验结果存在差异,间接表明这两类间接消费碳排放明显低于生存型碳排放,提升数字经济发展水平可能对于优化居民消费结构、降低总体碳排放具有积极影响.通过上述分析可以发现数字经济对部分消费碳排放具有正向影响,假说1得到验证.
表7 数字经济对居民消费碳排放的空间回归结果
注:***、**、*分别表示在1%、5%和10%水平上显著,括号中为值.
3.3.2 数字经济对居民消费碳排放的空间溢出效应分析 由于一个地区的居民消费碳排放不仅会受到当地数字经济及其他控制变量的影响,而且会受到邻近地区的干扰,因此需要对各变量对居民消费碳排放的空间溢出效应进行更加全面的考察.基于此,运用偏微分方法对上述回归结果进行空间效应分解,得到了数字经济及其他控制变量对居民消费碳排放的直接效应、间接效应和总效应,具体结果见表8.
从分解结果来看,数字经济对居民间接消费碳排放的三类效应均显著为正,表明数字经济对间接消费碳排放具有较强的空间溢出效应,不仅对于当地居民间接消费碳排放存在较为明显的提升作用,而且能够在一定程度上增加邻近地区的居民间接消费碳排放.这是因为:一方面,数字经济所带来的产品和服务的升级直接作用于本地居民,有效改善居民的消费环境,推动产品质量和服务水平进一步升级,对居民消费的拉动作用更为显著,进而影响居民的间接消费碳排放;另一方面,由于数字经济虚拟性的特点,对于科技和网络依赖性强、数字化程度高,因此受当地地域限制较少、区域流动性较强,影响邻近城市的经济活动,从而提升居民消费的便利程度、扩大选择范围、降低消费成本,影响居民的消费行为与消费习惯,有效刺激居民消费,最终对居民消费终端的碳排放产生正向的拉动作用.而对生存型消费碳排放的检验结果表明,数字经济对居民生存型消费碳排放的拉动作用主要表现为直接效应.这是因为:第一,居民衣食住所需的生活用品基本均能在当地的市场环境中得到满足,价格较为固定且统一,并且线下消费能够即时获得所需产品,更能满足日常生活需求;第二,居民生存型消费总量在一定时期内较为固定,需求弹性较小,并不会受到邻近地区经济活动的强烈影响.因此,数字经济对区域整体间接消费碳排放均具有明显正向影响,而对生存型间接消费碳排放的影响则主要作用于当地居民,假说2得到验证.
表8 数字经济对居民消费碳排放的空间效应分解结果
注:***、**、*分别表示在1%、5%和10%水平上显著,括号中为值.
3.4 稳健性检验
为证明结论的稳健性,改变回归模型及矩阵度量方式,采用基础固定效应回归方法和地理距离矩阵方法进行稳健性检验,检验结果见表9～10.两种稳健性检验结果均表现为数字经济对间接消费碳排放和生存型消费碳排放作用显著为正,与上文的实验结果相比并无明显变化,因此可认为结论稳健.
表9 稳健性检验-基础固定效应回归
续表9
变量lnDICOlnICOlnSCOlnDCOlnECO young-0.00030.0064***0.0099***0.00140.0050* (-0.05)(3.43)(4.35)(0.62)(1.83) old-0.0071-0.00100.00040.0028-0.0022 (-1.26)(-0.56)(0.18)(1.34)(-0.85) Constant18.8964***0.8873-1.1199-1.51882.4793* (6.15)(0.94)(-0.97)(-1.36)(1.80) Observations630630630630630 R-squared0.7970.9800.9700.9780.952 Number of id3030303030
注:***、**、*分别表示在1%、5%和10%水平上显著,括号中为值.
表10 稳健性检验-地理距离矩阵
注:***、**、*分别表示在1%、5%和10%水平上显著,括号中为值.
3.5 门槛回归
参考蒋正云等[55]的思路,以数字经济(eco)为门槛变量,构建门槛回归模型进一步探讨其与居民总体消费碳排放量(TCO)之间的非线性关系.首先选择合适的门槛回归模型.各门槛变量均通过自抽样法(bootstrap)抽样300次,检验结果见表11.结果显示,第三门槛并未通过显著性检验,而双门槛在5%的水平上显著,因此选择双门槛模型进行检验.
接下来对门槛值进行估计,当选择双门槛模型时,门槛值分别为0.1788和0.4129,对应置信区间为[0.1740,0.1817]和[0.3926,0.4227],门槛置信区间较短,因此可认为其估计值与真实值较为接近.
表11 门槛回归模型选取检验
之后进行双门槛回归分析,回归结果见表12.表中Di_2表示双门槛效应,Di为门槛值.由结果可知,数字经济与居民总体消费碳排放之间存在“倒U”型关系,数字经济对居民消费碳排放的影响呈现出先提升后抑制的特征,未来高水平数字经济有望降低居民消费碳排放,支持了EKC曲线的假设,假说3得到验证.由第二门槛值可知,当数字经济发展水平高于0.4129时,数字经济才会发挥其推动碳减排的作用,而根据熵值法测得的数字经济综合指数,目前仅有广东、北京、江苏三地达到了该程度,我国多数省份仍处于数字经济加速消费碳排放的阶段.因此,要使数字经济真正发挥消费碳减排的作用,应继续推进数字经济的发展.
表12 双门槛回归结果
注:***、**、*分别表示在1%、5%和10%水平上显著.
4 结论与建议
4.1 结论
研究发现:第一,我国居民消费碳排放整体上升,呈现出东高西低并且向中东部集中的趋势.第二,直接消费碳排放是我国居民消费碳排放的主力,但随着社会发展,其在总体消费碳排放中的占比呈下降趋势,间接消费碳排放比重增加.第三,数字经济的发展能够显著增加本省及邻近地区居民间接消费碳排放以及其中本省的生存型间接消费碳排放;然而,进一步研究发现数字经济与总体消费碳排放之间具有“倒U”型关系,数字经济在达到较高的发展水平后能够促进居民消费碳减排,因而应进一步推动数字经济高质高效发展.
4.2 建议
由于数字经济对居民消费碳排放具有先增加后抑制的作用,同时大力发展数字经济已成为社会共识,因此,各省在继续发展数字经济的过程中,应正视数字经济在短期内造成居民消费碳排放上升的事实,探索高质高效发展数字经济的路径,争取尽早发挥数字经济推动碳减排的作用.数字经济发展水平较高且居民消费碳排放水平较低的地区应继续保持,总结发展经验,引领我国数字经济的发展,为尚处于高碳排的地区留出发展空间,提供发展思路;数字经济发展和居民消费碳排放水平均较高的地区应重视数字经济的碳减排作用,推动传统产业的数字化转型,并积极寻找其他减碳路径,如发展新能源产业、加大绿色科创投入等;数字经济发展水平较低而居民消费碳排放水平较高的地区应借鉴数字强省的发展经验,加快本地数字经济的发展,同时探索降低数字经济发展在短期内造成碳排放量增加的方法;数字经济发展和居民消费碳排放水平均较低的地区应看到数字经济发展的优势,积极与数字强省或数字经济快速发展地区进行合作,在尽可能保证生态效益的同时促进当地数字经济发展.
此外,各地应加强对绿色生产生活的引导.厂商和居民作为消费活动的主体,培养其养成低碳意识能够从源头上抑制碳排放.通过限制碳排放以及给予低碳商品生产商税收优惠等方式鼓励扩大绿色生产,引导厂商采用绿色的生产方式,从源头上降低商品的含碳量;通过给予绿色商品消费补贴等方式,引导居民养成绿色消费习惯;加强碳普惠平台的建设,使居民看到其节约的碳排放所具备的社会及经济价值,从而对居民消费碳排放形成潜在约束,引导居民养成绿色生活习惯;加强绿色低碳理念在全社会的宣传,形成低碳生活的社会氛围.
[1] 尹 龙,杨亚男,章刘成.中国居民消费碳排放峰值预测与分析 [J]. 新疆社会科学, 2021,41(4):42-50,168.
Yin L, Yang Y N, Zhang L C. Prediction of the carbon emission of the Chinese residents’ consumption and analysis [J]. Social Sciences in Xinjiang, 2021,41(4):42-50,168.
[2] 赵定涛,郭 韬,范 进.中国城镇居民嵌入式碳足迹的测定及演化 [J]. 系统工程, 2012,30(5):24-32.
Guo D T, Guo T, Fan J. The measurement and evolution of embedded carbon footprint in Chinese urban inhabitants [J]. Systems Engineering, 2012,30(5):24-32.
[3] 李秀香,鲍智敏.论循环社会建设——借助EKC分析消费层次对环境污染的影响 [J]. 探索与争鸣, 2009,239(9):46-49.
Li X X, Bao Z M. On the construction of circular society: analyzing the impact of consumption level on environmental pollution with the help of EKC [J]. Exploration and Free Views, 2009,239(9):46-49.
[4] 郭 蕾,赵益民.需求层次差异下城镇居民消费碳排放影响因素研究——来自华北地区的证据 [J]. 城市发展研究, 2022,29(4):110- 117.
Guo L, Zhao Y M. Research on factors of carbon emissions from urban residents’ consumption under different levels of demand: evidence from Northern China [J]. Urban Development Studies, 2022, 29(4):110-117.
[5] 王娟娟.我国数字经济的“两化”发展与区域比较 [J]. 中国流通经济, 2023,37(1):12-23.
Wang J J. "Two Kinds of Digitization" development of China's digital economyand the regional comparison [J]. China Business and Market, 2023,37(1):12-23.
[6] Bin S, Dowlatabadi H. Consumer lifestyle approach to US energy use and the related CO2emissions [J].Energy Policy, 2005,33(2):197-208.
[7] Baiocchi G, Minx J, Hubacek K. The impact of social factors and consumer behavior on carbon dioxide emissions in the United Kingdom [J].Journal of Industrial Ecology, 2010,14(1):50-72.
[8] Tilov I, Farsi M, Volland B. Interactions in Swiss households’ energy demand: A holistic approach [J].Energy Policy, 2019,128:136-149.
[9] 宋府霖,韩传峰,滕敏敏.长三角地区能源消费碳排放驱动因素分析及优化策略 [J]. 生态经济, 2022,38(4):21-28.
Song F L, Han C F, Teng M M. Analysis of driving factors and optimization strategies of energy consumption carbon emissions in the Yangtze River Delta [J]. Ecological Economy, 2022,38(4):21-28.
[10] 梅林海,蔡慧敏.中国南北地区生活消费人均碳排放影响因素比较——基于空间计量分析 [J]. 生态经济, 2015,31(7):45-50.
Mei L H, Cai H M. Comparison of consumption per capita carbon emission factors between China north and south regions: Based on spatial econometrics analysis [J].Ecological Economy, 2015,31(7): 45-50.
[11] 杨 迪,杨 旭,吴相利,等.东北地区能源消费碳排放时空演变特征及其驱动机制 [J]. 环境科学学报, 2018,38(11):4554-4565.
Yang D, Yang X, Wu X L, et al. Spatio-temporal evolution characteristics of carbon emissions from energy consumption and its driving mechanism in Northeast China [J]. Acta Scientiae Circumstantiae, 2018,38(11):4554-4565.
[12] 罗栋燊,沈维萍,胡 雷.城镇化、消费结构升级对碳排放的影响——基于省级面板数据的分析 [J]. 统计与决策, 2022,38(9):89-93.
Luo D S, Shen W P, Hu L. The impact of urbanization and consumption structure upgrading on carbon emissions: an analysis based on provincial panel data [J]. Statistics & Decision, 2022,38(9): 89-93.
[13] 王 军,王 杰,李治国.数字金融发展与家庭消费碳排放 [J]. 财经科学, 2022,409(4):118-132.
Wang J, Wang J, Li Z G. Development of Digital Finance and Carbon Emission of Household Consumption [J]. Finance & Economics, 2022,409(4):118-132.
[14] 詹韵秋,王 军,孙小宁.数字经济对家庭消费行为的影响研究——基于中国家庭金融调查的经验分析 [J]. 当代经济管理, 2023, 45(2):89-96.
Zhan Y Q, Wang J. Sun X N. Research on the influence of digital economy on household consumption behavior: based on the empirical analysis of Chinese household financial survey [J]. Contemporary Economic Management, 2023,45(2):89-96.
[15] 向玉冰.互联网发展与居民消费结构升级 [J]. 中南财经政法大学学报, 2018,229(4):51-60.
Xiang Y B. The development of the Internet and the upgrading of residents' consumption structure [J]. Journal of Zhongnan University of Economics and Law, 2018,229(4):51-60.
[16] 康 敏,孙 静.数字经济对我国新型消费市场的影响:理论与实证 [J]. 商业经济研究, 2023,861(2):108-111.
Kang M, Sun J. The impact of digital economy on China's new consumer market: theory and demonstration [J]. Journal of Commercial Economics, 2023,861(2):108-111.
[17] 冯子洋,宋冬林,谢文帅.数字经济助力实现“双碳”目标:基本途径、内在机理与行动策略 [J]. 北京师范大学学报(社会科学版), 2023,295(1):52-61.
Feng Z Y, Song D L, Xie W S. Digital economy helps realize the “Double Carbon” Goal: Basic approaches, internal mechanisms and Action Strategies [J]. Journal of Beijing Normal University(Social Sciences), 2023,295(1):52-61.
[18] 王维国,王永玲,范 丹.数字经济促进碳减排的效应及机制[J].中国环境科学, 2023,43(8):4437-4448.
Wang W G, Wang Y L, Fan D. Effects and mechanisms of the digital economy for carbon emission reduction [J]. China Environmental Science, 2023,43(8):4437-4448.
[19] Belkhir L, Elmeligi A. Assessing ICT global emissions footprint: Trends to 2040 & recommendations [J]. Journal of Cleaner Production, 2018,177(10):448-463.
[20] 姜汝川,景辛辛.京津冀地区数字经济发展对碳排放的影响效应——来自2011～2019年13个地级及以上城市的经验证据 [J]. 北京社会科学, 2023,240(4):40-50.
Jiang R C, Jing X X. Study on the impact of digital economy development on carbon emissions in Beijing-Tianjin-Hebei region: empirical evidence from the city level in 2011～2019 [J]. Social Sciences of Beijing, 2023,240(4):40-50.
[21] 杨碧云,郭壮哲,易行健,等.数字经济促进居民家庭消费升级的微观效应——基于CHFS的经验证据研究 [J]. 经济评论, 2023,34(3): 31-47.
Yang B Y, Guo Z Z, Yi X J, et al. The micro effect of digital economy on household consumption upgrade: Empirical evidence from CHFS [J]. Economic Review, 2023,34(3):31-47.
[22] 周海燕.中国居民消费碳排放的统计测算 [J]. 企业经济, 2022,41(9):72-81.
Zhou H Y. Statistical calculation of carbon emissions from household consumption in China [J]. Enterprise Economy, 2022,41(9):72-81.
[23] 徐 丽,曲建升,李恒吉,等.中国居民能源消费碳排放现状分析及预测研究 [J]. 生态经济, 2019,35(1):19-23,29.
Xu L, Qu J S, Li H J, et al. Analysis and prediction of residents energy consumption carbon emission in China [J]. Ecological Economy, 2019,35(1):19-23,29.
[24] 崔盼盼,赵 媛,张丽君,等.基于不同需求层次的中国城镇居民消费隐含碳排放时空演变机制 [J]. 生态学报, 2020,40(4):1424-1435.
Cui P P, Zhao Y, Zhang L J, et al. Spatio-temporal evolution and driving mechanism of per capita indirect carbon emissions based on different demand levels from urban residents¢consumption in China [J]. Acta Ecologica Sinica, 2020,40(4):1424-1435.
[25] 刘 明,范丹雪,施子杨.空间溢出视角下数字经济与经济高质量发展 [J]. 统计与决策, 2023,39(13):22-27.
Liu M, Fan D X, Shi Z Y. Digital economy and high-quality economic development from the perspective of spatial spillover [J]., 2023,39(13):22-27.
[26] 张俊英,郭凯歌,唐红涛.电子商务发展、空间溢出与经济增长——基于中国地级市的经验证据 [J]. 财经科学, 2019,(3):105-118.
Zhang J Y, Guo K G, Tang H T. E-commerce development, spatial spillover and economic growth——Empirical evidence based on Chinese prefecture-level cities [J]. Finance & Economics, 2019,(3): 105-118.
[27] 王松茂,尹延晓.数字经济对城乡融合具有空间溢出效应吗？——以长江经济带11省(市)为例 [J]. 农林经济管理学报, 2022,21(6): 725-735.
Wang S M, Yin Y X. Does digital economy have spatial spillover effect on urban-rural integration? A case study of the Yangtze River Economic Belt [J]. Journal of Agro-Forestry Economics and Management, 2022,21(6):725-735.
[28] 周 嘉,时小翠,赵靖宇,等.中国居民直接生活能源消费碳排放区域差异及影响因素分析 [J]. 安全与环境学报, 2019,19(3):954-963.
Zhou J, Shi X C, Zhao J Y, et al. On regional difference and influential factors of carbon emissions from direct living energy consumption of Chinese residents [J]. Journal of Safety and Environment, 2019,19(3): 954-963.
[29] 王 青,侯雪峰,曾 伏.数字经济发展对城市居民消费的影响研究——基于时期异质性的空间杜宾模型 [J]. 经济问题探索, 2023, 487(2):96-106.
Wang Q, Hou X F, Zeng F. Research on the impact of digital economy development on urban residents’ consumption——Spatial doberman model based on period heterogeneity [J]. Inquiry into Economic Issues, 2023,487(2):96-106.
[30] 王 正,樊 杰.能源消费碳排放的影响因素特征及研究展望 [J]. 地理研究, 2022,41(10):5687-2599. Wang Z, Fan J.
The characteristics and prospect of influencing factors of energy-related carbon emissions: Based on literature review [J]. Geographical Research, 2022,41(10):5687-2599.
[31] 华怡婷,石宝峰.互联网使用与家庭间接碳排放:测度及影响因素分析 [J]. 重庆大学学报(社会科学版), 2023,29(1):117-134.
Hua Y T, Shi B F. Internet usage and household indirect carbon emissions: Measurement and impact factor analysis [J]. Journal of Chongqing University (Social Science Edition), 2023,29(1):117-134.
[32] 江三良,贾芳芳.数字经济何以促进碳减排——基于城市碳排放强度和碳排放效率的考察 [J]. 调研世界, 2023,352(1):14-21.
Jiang S L, Jia F F. How can the digital economy promote carbon emission reduction——An investigation based on urban carbon emission intensity and carbon emission efficiency [J]. The World of Survey and Research, 2023,352(1):14-21.
[33] 金贵朝,王国梁,何怡然.数字化水平、产业结构调整与区域碳减排 [J]. 统计与决策, 2023,39(3):27-32.
Jin G Z, Wang G L, He Y R. Digitization level, industrial structure adjustment and regional carbon emission reduction [J/OL].Statistics & Decision, 2023,39(3):27-32.
[34] 金 飞,徐长乐.数字经济发展对碳排放的非线性影响研究 [J]. 现代经济探讨, 2022,491(11):14-23.
Jin F, Xu C L. Research on the nonlinear impact of digital economy development on carbon emissions [J]. Modern Economic Research, 2022,491(11):14-23.
[35] Arshad Z, Robaina M, Botelho A. The role of ICT in energy consumption and environment: an empirical investigation of Asian economies with cluster analysis [J]. Environmental science and pollution research international, 2020,27(26):32913-32932.
[36] Shi X Y, Xiao H, Liu W F, et al. Confronting the Carbon-Footprint Challenge of Blockchain [J]. Environmental science & technology, 2023,57(3):1403-1410.
[37] Longo S, York R. How Does Information Communication Technology Affect Energy Use? [J]. Human ecology review, 2015,22(1):55-72.
[38] 史琴琴,鲁丰先,陈 海,等.中原经济区城镇居民消费间接碳排放时空格局及其影响因素 [J]. 资源科学, 2018,40(6):1297-1306.
Shi Q Q, Lu X F, Chen H, et al. Temporal-spatial patterns and factors affecting indirect carbon emissions from urban consumption in the Central Plains Economic Region [J]. Resources Science, 2018,40(6): 1297-1306.
[39] 董会娟,耿 涌.基于投入产出分析的北京市居民消费碳足迹研究 [J]. 资源科学, 2012,34(3):494-501.
Dong H J, Geng Y. Study on Carbon Footprint of the Household Consumption in Beijing Based on Input-Output Analysis [J]. Resources Science, 2012,34(3):494-501.
[40] 王 媛,程 曦,殷培红,等.影响中国碳排放绩效的区域特征研究——基于熵值法的聚类分析 [J]. 自然资源学报, 2013,28(7):1106- 1116.
Wang Y, Cheng X, Yin P H, et al. Research on regional characteristics of china's carbon emission performance based on entropy method and cluster analysis [J]. Journal of Natural Resources, 2013,28(7):1106- 1116.
[41] 赵 涛,张 智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020,36(10):65-76.
Zhao T, Zhang Z, Liang S K. Digital economy, entrepreneurship, and high-quality economic development: Empirical evidence from urban China [J]. Journal of Management World, 2020,36(10):65-76.
[42] 洪银兴,韩绿艺.从发展消费经济入手构建新发展格局 [J]. 湘潭大学学报(哲学社会科学版), 2023,47(1):25-29.
Hong Y X, Han L Y. Constructing a new development pattern from the development of consumption economy [J]. Journal of Xiangtan University(Philosophy and Social Sciences), 2023,47(1):25-29.
[43] Guan D, Meng J, Reiner D, et al. Structural decline in China’s CO2emissions through transitions in industry and energy systems [J]. Nature Geoscience, 2018,11(8):551-557.
[44] 胡雪萍,乐 冬.环境规制促进了农业全要素生产率提升吗？[J]. 江汉论坛, 2022,533(11):42-51.
Hu X P, Le D. Does environmental regulation improve agricultural total factor productivity? [J]. Jianghan Tribune, 2022,533(11):42-51.
[45] 范洪敏,穆怀中.环境规制对城镇二元劳动力就业的影响——基于劳动力市场分割视角 [J]. 经济理论与经济管理, 2017,314(2): 34-47.
Fan H M, Mu H Z. Effects of environmental regulations on the employment of urban dual labor——based on the perspective of labor market segmentation [J]. Economic Theory and Business Management, 2017,314(2):34-47.
[46] 李云燕,张 硕.中国城市碳排放强度时空演变与影响因素的时空异质性 [J]. 中国环境科学, 2023,43(6):3244-3254.
Li Y Y, Zhang S. Spatio-temporal evolution of urban carbon emission intensity and spatiotemporal heterogeneity of influencing factors in China [J]. China Environmental Science, 2023,43(6):3244-3254.
[47] 张玉周.中国人口年龄结构变动对能源消费的影响研究——基于省际动态面板数据的GMM分析 [J]. 中国人口·资源与环境, 2015, 25(11):69-74.
Zhang Y Z. Research on the effects of changes in the age structure of china's population to energy consumption: Based on the provincial dynamic panel data by GMM [J]. China Population, Resources and Environment,2015,25(11):69-74.
[48] 王少剑,苏泳娴,赵亚博.中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素 [J]. 地理学报, 2018,73(3):414-428.
Wang S J, Su Y X, Zhao Y B. Regional inequality, spatial spillover effects and influencing factors of China's city-level energy-related carbon emissions [J]. Acta Geographica Sinica, 2018,73(3):414-428.
[49] 周少甫,林 享.消费结构升级对碳排放强度的影响研究——基于省级空间面板数据模型的分析 [J]. 生态经济, 2019,35(1):24-29.
Zhou S F, Lin X. Study on the effect of upgrading consumption structure on carbon emission intensity: Analysis based on provincial spatial panel data model [J].Ecological Economy, 2019,35(1):24-29.
[50] 尚 梅,王蓉蓉,胡 振.中国省域能源消费碳排放时空格局演进及驱动机制研究——基于环境规制视角的分析 [J]. 环境污染与防治, 2022,44(4):529-534,551.
Shang M, Wang R R, Hu Z. Study on spatial and temporal evolution and driving mechanism of carbon emissions from provincial energy consumption in China - the analysis based on the perspective of environmental regulation [J]. Environmental Pollution& Control, 2022,44(4):529-534,551.
[51] 冉光圭,杨 宣.西部地区能源消费碳排放时空格局演变及影响因素分析 [J]. 贵州民族研究, 2022,43(6):56-61.
Ran G G, Yang X. Temporal and spatial pattern evolution and influencing factors of carbon emission from energy consumption in western China [J]. Guizhou Ethnic Studies, 2022,43(6):56-61.
[52] 李 勇,蒋 蕊,张 敏,等.中国数字经济高质量发展水平测度及时空演化分析 [J/OL]. 统计与决策, 2023,39(4):90-94.
Li Y, Jiang R, Zhang M, et al. Measurement and spatial-temporal evolution of the high-quality development level of china's digital economy [J/OL].Statistics & Decision, 2023,39(4):90-94.
[53] 赵 旭,郑 楠.数字经济、新零售转型与居民消费扩张的关系研究 [J]. 商业经济研究, 2022,857(22):19-22.
Zhao X, Zheng N. Research on the relationship between digital economy, new retail transformation and residential consumption expansion [J]. Journal of Commercial Economics, 2022,857(22):19- 22.
[54] 侯冠宇,胡宁宁.支付数字化能否显著提升家庭消费?——基于CHFS微观数据的经验证据 [J]. 经济与管理, 2023,37(1):20-28.
Hou G Y, Hu N N. Can digital payments significantly increase household spending? empirical evidence based on CHFS microdata [J]. Economy and Management, 2023,37(1):20-28.
[55] 蒋正云,宋金平,赵晓迪.新型城镇化高质量发展生态效应的空间溢出及门槛特征 [J]. 经济问题探索, 2023,490(5):97-112.
Jiang Z Y, Song J P, Zhao X D. Spatial spillover and threshold characteristics of ecological effects of high-quality development of new-type urbanization [J]. Inquiry into Economic Issues, 2023,490 (5):97-112.
Research on the effect of digital economy on carbon emissions from household consumption.
BAN Nan-nan*, ZHANG Xiao- yue
(Surrey International Institute, Dongbei University of Finance and Economics, Dalian 116023, China)., 2023,43(12)：6625～6640
Using panel data from 30 provinces and regions in China between 2000 and 2020, this study comprehensively measured the carbon emissions of household consumption and digital economy development index under different levels of demand. By employing a spatial econometric model, we studied the decomposition spatial effect and analyzed the threshold effect of digital economy and overall consumption carbon emissions to investigate the impact of digital economy on carbon emissions from household consumption. The study showed that: (1) the carbon emissions from household consumption in China increased overall, with a trend of high (low) emission in eastern (western) China and concentration in the middle and eastern China. (2) Direct carbon emissions were the main source of carbon emissions from household consumption; but with the development of society, its proportion in the total consumption carbon emissions was declining, while the proportion of indirect emissions were increasing. (3) The development of digital economy could significantly increase indirect carbon emissions from household consumption both in local and its neighboring provinces, and local indirect carbon emissions for survival. However, an "inverted U" relationship was found between the degree of development of digital economy and the overall consumption carbon emissions, and digital economy could promote household consumption carbon emission reduction after reaching a higher level of development. Therefore, it was suggested to further promote the development of the digital economy and strengthen guidance on green production and life, so as to help achieve the "dual carbon" goal.
digital economy；household consumption；carbon emissions；different levels of demand；spatial regression method
X196
A
1000-6923(2023)12-6625-16
班楠楠,张潇月.数字经济对我国居民消费碳排放影响研究 [J]. 中国环境科学, 2023,43(12):6625-6640.
Ban N N, Zhang X Y.Research on the effect of digital economy on carbon emissions from household consumption [J]. China Environmental Science, 2023,43(12):6625-6640.
2023-04-29
辽宁省教育厅基本科研项目(LJKMR20221607);大连市社科联重点项目(2022dlskzd254);辽宁省社科联经济社会发展研究课题(2023lslqnkt-028);辽宁省教育科学“十四五”规划项目(JG21DB175)
* 责任作者, 讲师,n.ban@surrey.ac.uk
班楠楠(1983-),女,讲师,主要从事绿色金融、低碳战略等方面的研究.发表论文10余篇.n.ban@surrey.ac.uk.
