数字技术发展对区域碳排放的影响效应及其作用机制——以长江经济带为例

刘鹏飞，韩晓琳

（安庆师范大学 经济与管理学院，安徽 安庆 246133）

2020 年9 月，我国在七十五届联合国大会上正式提出二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和。为实现这一“双碳”目标，我国政府颁布了一系列实现节能减排、绿色发展的政策。党的十九届五中全会通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》指出，“十四五”时期我国的经济社会发展主要目标之一就是要生产生活方式绿色转型成效显著，能源资源配置更加合理、利用效率大幅提高，加快推动绿色低碳发展，降低碳排放强度，支持有条件的地区率先达到碳排放峰值，制定2030 年前碳排放达峰行动方案。2022 年1 月，国家发展改革委、国家能源局联合发布的《关于完善能源绿色低碳转型体制机制和政策措施的意见》也指出，到2030 年，基本建立完整的能源绿色低碳发展基本制度和政策体系，形成非化石能源既基本满足能源需求增量又规模化替代化石能源存量、能源安全保障能力得到全面增强的能源生产消费格局。

同时业界也在思考如何更合理地构建绿色低碳循环发展的经济体系。全球气候行动峰会2020 年发布的《指数气候行动路线图》提出评估，通过在能源、制造业、农业和土地使用、建筑、服务、运输和交通管理中实行数字解决方案，这项技术可以帮助减少高达15%的全球碳排放，也就是2030 年需减少50%碳排放目标的三分之一。从中可以看出，随着大数据、人工智能、云计算及5G 等数字技术的快速发展及应用，给“双碳”目标任务的达成提供了一个很好的契机。与此同时，数字技术的发展已渗透社会生活的各个领域，据国家互联网信息办公室发布《数字中国发展报告（2021）》显示，2021 年我国数字经济规模为45.5%，占GDP 比重为39.8%，数字产业化、产业数字化、新业态新模式的数字经济蓬勃发展。数字技术应用到经济社会生活中已成为实现“双碳”目标、推动经济高质量发展的必然趋势。

现有文献更多集中在数字经济发展对于碳排放的影响[1-2]。对于数字技术的应用对碳排放的影响研究不多，刘婧玲等[3]研究发现，基于中国284 个城市2011—2017 年面板数据，实证分析发现，数字技术发展能显著降低中国城市碳排放强度。为丰富现有文献关于数字技术发展对碳排放影响的区域研究意义，本文以长江经济带为研究区域，主要是因为长江经济带是东西部互动合作的协调发展带，坚持走生态优先、绿色发展之路。

本文可能的边际贡献有：首先，相较之前学者们研究区域为世界各国或全国城市层面，本文研究的是长江经济带省际区域层面数字技术发展对碳减排的助推作用，以2013—2021 年长江经济带省际层面的数据为研究对象，实证研究了数字技术发展对碳排放的影响效应。本文还考察了在经济和教育不同约束条件背景下，二者的关联程度是否存在异质性。其次，本文通过机理分析发现，数字技术除通过实时动态监测直接作用于缩短信息时滞，促进碳减排的直接效用外，还会通过助推产业结构高级化调整和提升能源利用效率来抑制区域碳排放。本文通过中介效应模型识别了这一传导路径，为分析数字技术发展的作用机制提供了一个新思路。最后，本文利用空间杜宾模型（SDM）开展了数字技术发展对区域碳排放的影响研究并进行了空间溢出效应研究，发现数字技术会通过虹吸效应负向作用于邻近区域的碳排放水平。本研究为各省市做出理性的数字技术发展战略，促进区域碳减排成效的提升，提供借鉴和参考。

1 文献综述与机理分析

1.1 文献综述

1.1.1 数字技术发展的相关理论研究

关于数字技术发展的相关理论研究主要集中于数字技术的应用发展领域，在当今全球价值链与数字经济时代的交汇时期，数字技术正在以爆发式的速度影响着全球经济[4]。从宏观角度上看，新兴数字技术是数字经济发展的核心驱动力，通过与实体经济和金融的深度融合，赋能实体经济数字化转型，催生经济增长新动能；廉价的传统要素投入结构是中国能够参与全球价值链分工的重要原因，数字技术通推动传统要素结构转型，实现要素的最优配置，助推经济的高质量发展[5-6]。从中观角度上看，数字技术在与产业结构融合发展的过程中，为提升高新技术产业创新效率带来了新的契机，促进全要素生产率提升的同时，实现产业间协调高速运转[7-8]。从微观角度上看，数字技术正以前所未有的广度与深度嵌入到产品与服务上，深入到企业生产经营、创新活动与服务平台的各个环节，显著地提高了企业创新绩效[9-10]。

1.1.2 碳排放的发展动态分析

中国的碳排放变化可以分为三个阶段，第一阶段是加入WTO 的高速增长阶段，中国人均碳排放量的增加与经济发展呈指数关系，虽然产业结构和能源消费结构的优化调整对碳减排的成效显著，但由于中国是煤炭大国，从根本上改变以煤为核心的能源消费结构是难以实现的，受能源利用效率和能源结构的制约，其抑制作用难以抵消由经济发展拉动的中国碳排放量增长[11-12]。第二阶段是受金融危机负面影响的波动期，市场排放权价格受到金融危机的冲击呈现暴跌趋势，这意味着中国企业的减排成本大幅提高，严重打击了企业的碳减排积极性，从而使得碳排放量在波动中持续增长[13]。中国的二氧化碳排放量自2012 年以来进入了第三阶段——新常态阶段，在高质量发展阶段中国采取了淘汰落后产能、提高能源利用率等措施，碳排放的变化趋势逐渐平稳[14]。在我国近十几年来市场化进程快速推进的背景下，扩大吸收外资，鼓励引进先进技术、设备，提高利用外资工作水平等一系列政策的推出，极大程度上提高了引入外资的质量，进而降低了碳排放水平[15-16]。

1.1.3 碳排放的相关理论研究

将关于碳排放影响因素领域的相关文献进行总结，发现目前相关的实证研究主要是从人口规模、能源消费结构、技术水平、城镇化、产业结构、金融发展和经济结构等角度探讨对碳排放的影响。而对于环境规制在碳减排中所起到的作用，人们很少关注环境规制通过倒逼产业结构升级和刺激技术创新，能够有效遏制碳排放[17]。碳排放权交易是一种降低全球温室气体排放量的市场机制，长期以来，它被视为减缓气候变化的一种有效的政策手段[18-19]，推动碳排放权交易市场发展，有助于促进产业结构转型升级实现碳减排效应。

1.1.4 数字技术对碳排放的相关理论研究

近年来学术界基于技术进步视角对于碳减排的研究文献较多，但聚焦于数字技术与碳排放效应的研究略有欠缺。LI 等[20]实证检验发现，数字技术能够削弱由煤炭主导的能源消费结构对碳排放的影响，国内外学者针对这一问题开展了大量的理论和实证研究，并发现伴随着信息和通信技术产业的迅猛发展，碳排放总量也呈现出指数级的增长[21-22]。数字技术的自身发展与能源粗放式基建设施是密不可分的，大批量的数据挖掘、传输和处理会产生大量能耗，因此，数字服务部门技术水平的提升势必会招致更多的碳排放[23]。但KOOMEY 等[24]认为相对于能源消耗，数字技术发展赋能各行业的积极效应更加显著。GELENBE 等[25]在评估信息通信技术行业的不同部门对能耗和CO2排放的影响研究中指出，伴随着信息通信技术的快速发展，其所带来的碳排放量和用电量也在不断增加。但ICT 在降低交通、建筑等领域的能源消耗、碳减排方面发挥了积极作用，对其他领域的能源效率提高、提高生态效益具有重要的意义。

1.2 数字技术影响碳排放的作用机制

数字技术是以大数据、云计算、区块链等新一代信息通信技术为重要载体，以技术融合、创新为主要动力，将信息以数字化的形式进行传递、融合、加工、处理的现代科学技术。在数字技术的不断发展过程中，遥感、通信等技术得到了越来越多的运用，帮助有关部门可以及时锁定碳排放源，并对碳排放量和碳的扩散方向进行准确的监控。大数据技术利用多渠道获得大量的、多类型的数据，能够对碳排放水平进行精确的度量，实现对碳排放的实时、动态测量，进而形成一个动态反馈，对生产流程中的高耗能环节进行追溯，这将有助于政府对生产管理策略做出及时的调整，从而降低碳排放产生的负外部性，减少碳排放[26]。此外，互联网、大数据、人工智能等数字技术的出现，不仅加快了信息的挖掘和传递，而且使得信息传播的速度大大提高，减少了信息传播的时滞，能够及时地将企业的碳排放信息与环境保护信息传递给有信息需求的利益相关者群体，从而降低了信息不对称程度，抑制企业过度碳排放。数字技术还可以通过以下两个路径影响区域碳排放。

（1）产业结构高级化。我国在产业发展的进程中，逐渐出现了产业布局不合理和第二产业高能耗高污染的状况。从产出视角来看，一方面，产业结构的优化升级必然会提升第三产业的比例，逐步向低能耗产业进行聚集，让产业链之间的关系变得更加紧密协调，结构也变得更加合理，可以促使能源密集型的传统工业产业转型，大幅降低从生产端到消费端各环节的能源需求，有利于降低生产的碳排放水平。另一方面，产业结构高级化有助于清洁能源的开发与使用，用天然气替代煤炭等高碳排放能源，降低碳排放。从生产投入视角来看，中国仍有较多的制造业企业处于全球价值链底端的低附加值环节[27]，并且受“三高一低”粗放型经济增长方式的影响，长期依赖生产要素的大规模投入与扩张，使得技术密集型和资源节约型产业比重偏低，进而阻碍了产业结构升级。数字技术的迅猛发展，加强了产业链之间的信息流通，缓解信息不对称，进而打破产业壁垒，促进整个产业链的效率提升，并且凭借其独特的数据资源重塑了传统产业的生产过程与发展模式[28]，在与传统产业融合发展中产生的市场联动和溢出效应推动了产业结构由中低端向中高端跃迁，淘汰产能落后、污染严重的产业，催生出具有高附加值和低能耗的新兴产业，降低区域碳排放。因此，数字技术发展可以通过助力产业结构从要素驱动向创新驱动模式的转变来实现区域碳减排。

（2）能源利用效率。樊学瑞等[29]提出长期以来，规模驱动型增长加剧了我国对于高能耗发展模式的依赖，我国已经形成了以煤炭、石油等化石能源为中心的能源消费格局体系，该体系的化石能源占比过高，单要素能耗率偏高，多供能体系尚未形成互补融合，因而造成我国的能源系统整体效率偏低，单位产品的能耗普遍低于世界平均水平，而单位GDP 碳排放量却远高于发达国家，其根本原因在于能源未得到充分利用，产能过剩，因此降低碳排放，首先要解决的问题是如何提高能源利用率。数字技术的快速发展深刻影响着传统高能耗产业的能源利用效率，在实现碳减排的问题上极具发展潜力。在能源供给端，依托大数据和深度学习等数字技术可以实现实时监测生产数据、精准管控能耗，进而能够大幅降低在能源生产、转换、运输环节的能源消耗，实现能源的有效合理配置，最大化提升能源利用效率，有利于降低碳排放水平。在能源交易端，数字技术对缓解能源供应与需求两端的信息不对称起到了积极作用，降低了在交易过程中的能源损失，减少环境污染。因此，数字技术能够通过提高能源使用效率来有效降低碳排放水平。

综上所述，数字技术是否能够有效降低碳排放水平，这取决于该影响效应能否抵消数字技术本身运营和发展所产生的碳排放，由此提出假说1。数字技术会通过优化产业结构和提升能源利用效率两个途径影响区域碳排放水平，这两条路径的影响效应均为负向，据此提出假说2。

假说1：数字技术发展对碳排放的综合效应是负向的。

假说2：优化产业结构和提升能源利用效率是数字技术降低碳排放的间接路径。

整体上数字技术发展对碳排放作用的机制路线见图1。

图1 作用机制图

1.3 数字技术发展对碳排放的空间溢出效应

数字技术以数据赋能为主线，凭借其高效的信息传递弱化了物理上的时空距离，增强了区域间经济活动的关联度，数字信息能够通过互联网在各城市间快速传播，使得数字技术可以在各城市间产生空间溢出效应[30]。SHAHNAZI 等[31]用伊朗的省域面板数据实证检验了ICT 行业对碳排放的空间溢出效应，认为ICT 技术能够引起本地区的产品和服务价格下降，并且这种下降趋势会向邻近地区转移和扩散，通过增加周边区域对信息通信技术行业的产品与服务的需求，降低了对传统行业产品的需求，进而降低了碳排放量。邓荣荣等[32]认为数字经济发展产生的数据信息和技术溢出能够减少邻近地区的各类环境污染物排放。因此，本文认为数字技术的发展可能降低邻近区域的碳排放水平，提出假说3。

假说3：数字技术发展可以通过空间溢出效应抑制邻近区域碳排放。

2 研究设计

2.1 变量测算

2.1.1 被解释变量——碳排放量

本文采用目前国际上普遍使用的IPCC[33]提供的碳含量缺省值作为各燃料的碳排放系数，然后估算碳排放，即用各种能源消费量与碳排放系数乘积之和表征能源行业的碳排放量，如表1 所示，根据《中国能源统计年鉴》的数据，将我国的终端能源消耗分为十大类：原煤、焦炭、原油、汽油、柴油、煤油、燃料油、天然气、电力和热力，利用能源折标煤系数和碳排放系数进行估算，计算公式为：

表1 碳排放量测算指标

式中：CEi为第i个省份的碳排放量，CEij为能源j在第i个省份的碳排放量，Eij为能源j在第i个省份的实际消耗总量，cj为能源j的碳排放系数，Fj为能源j的折标准煤系数，e为平均低位发热量，EF为能源j的单位热值含碳量，Oj为能源j的碳氧化速率，44/12 表示二氧化碳分子中的碳原子比率。

图2 为长江经济带碳排放在时间上的分布情况，波峰出现逐年右移的趋势，峰值的高度也有逐步升高的趋势，表明2013—2021 年长江经济带的碳排放量整体上呈上升趋势，各省市的碳排放差异在不断增大。

图2 碳排放的时间分布图

图3 为长江经济带11 省市碳排放水平的柱状图，可见江苏、湖北、湖南、浙江这些省份的碳排放水平居高不下，与现实情况相匹配，这些地区具有发达的工业产业和优越的资源禀赋，高能耗和高污染现象仍层出不穷，导致碳排放量偏高。

图3 碳排放的空间分布

2.1.2 核心解释变量——数字技术发展水平

在孔令英等[34]的研究成果的基础上，本文以长江经济带为例对数字技术发展水平进行评估，并从四个维度对各省的数字技术发展程度进行度量，即基础设施建设、要素投入与产出、数字化产业发展、数字交易发展。（表2）。其中，要素投入与产出包括创新产出、创新投入、技术投入和技术产出，分别用专利授权数、R&D 经费投入强度、ICT 从业人员占城镇单位从业人员比重、人均电信业务收入表示。本文采用因子分析法对上述指标综合处理得到数字技术的综合指数，不仅可以减少人为确定权重造成的主观性，更能有效提取原始数据信息，在众多变量中聚合公因子，同时也避免了指标信息重叠而造成的结果偏差。

就长江经济带数字技术发展指数在时间和空间的分布情况而言，如图4 所示，核密度曲线的波峰逐年右移，曲线的波峰面积逐渐越来越大并且有双峰呈现的态势，表明长江经济带数字技术发展水平整体上呈上升趋势。核密度函数的极值点均在0.2 附近，曲线的右尾拖长，说明均值左侧的数据较多且右端存在极端值，即长江经济带内大部分区域的数字技术发展水平较低，低端化发展的区域集聚现象仍然存在。

图4 数字技术发展指数的时间分布图

图5 为长江经济带碳排放分布的柱状图，可以看出，上海和浙江在数字技术发展方面走在了世界前列，符合我国的实际，具备良好的数字化基建设施和发展环境，同时，优质的数字资源共享政策可以起到对数字技术发展的引导和示范作用。

图5 数字技术发展指数的空间分布

2.1.3 中介变量

为实证研究数字技术发展对碳排放的作用机制，本文还分别构建了度量产业结构高级化和能源利用效率的指标，其中产业结构高级化（advanced industrial structure），使用第三产业与第二产业产值的比重表示；能源利用效率（energy efficiency），用总能耗与GDP 之比表征。

2.1.4 控制变量

影响碳排放的因素有很多，本文主要考虑以下几个因素作为影响碳排放的控制变量：人口密度（denpop），使用年末总人口占区域面积的比例表示；对外开放水平（open），采用对外贸易总额在国内生产总值所占比例表示；环境规制强度（regulnum），以当年各省发布的环保法律和规章数目为表征；城市化水平（urbanlev），为避免与人口密度变量的测度重叠，使用城市建成区面积占地区总面积的比例表示；投资水平（investlev），使用各地区年度固定资产投资额与GDP 之比衡量。

2.2 模型构建

以长江经济带省域数据为研究对象，探讨数字技术发展程度对长江经济带碳排放的整体影响。基础模型设定如下：

式中：下标i表示各省市，t表示时间，CEit表示省i在第t年的碳排放量，DTDit为省市i在第t年的数字技术发展水平。Zit表示影响区域碳排放的其他控制变量，μi、γt分别表示不受时间变化的个体固定效应和时间固定效应，εit为随机扰动项。

为进一步验证数字技术发展对碳排放的作用机制，在模型（2）的基础上构建中介模型来验证假设2，具体模型如下：

首先，式（2）是检验数字技术发展水平的系数是否显著，如果显著，则进行下一步。其次，对式（3）进行回归检验，检验数字技术发展水平对产业结构高级化和能源利用效率两个中介变量是否会产生显著影响，如果α1显著则进行下一步。最后，式（4）是将碳排放量与中介变量放在同一个模型中进行回归检验，如果δ2、α1显著，且δ1不显著则说明存在完全中介，否则存在部分中介效应。

另外，为探讨数字技术发展对区域碳排放的空间溢出效应，在模型（2）中引入两者以及其他控制变量的空间交互项，进一步将其拓展为空间杜宾模型：

式中：ρ表示空间项系数；W表示空间权重矩阵，为提升实证结果的稳健性，采用地理距离矩阵和邻接矩阵两种方法进行回归；εit为空间自相关的误差项，λ为空间自相关系数。

为分析数字技术发展对碳排放在不同区域结论的异质性，本文构建如下计量模型：

2.3 数据来源

为保证数据的可取性、客观性和科学性，本文选取长江经济带9 省2 市2013—2021 年共9 年的面板数据。所有相关数据均来源于各省统计年鉴、《中国能源统计年鉴》和长江经济带大数据平台；专利授权数、R&D 投入强度等相关数据部分来源于各省份科技厅发布的科技统计公报；数字金融来源于北京大学数字金融研究中心发布的各城市数字普惠金融发展报告[35]。

3 实证结果及分析

3.1 变量的描述性统计

从表3 中可以看出，各省份数字技术发展水平的均值为0.27，整体数字技术发展良好，但最大最小值之间的差距较大，表明我国长江经济带区域的各省份数字技术发展水平不均衡；区域内各省的平均碳排放量为17 733.60 万吨，不同地区的最大、最小值差异显示出各省碳减排的效果不一致，这种差异在东部和西部地区尤为明显。此外，本研究中所选取的控制变量相对较为平稳，且适用于后续计量模型的相关性检验。

表3 描述性统计

3.2 基准回归结果

为验证数字技术发展对碳排放的影响，本文对基本模型（2）分别采用了最小二乘，面板双向固定、随机效应模型对二者之间的关系进行了回归检验，结果如表4所示。从表4 中可以看出，在所有模型中数字技术发展水平前面的系数均为负，且都在相应水平下显著，表明数字技术发展会显著抑制各省市的碳排放，这验证了前文假设1 的推断。

表4 基准回归结果

鉴于随机效应模型的拟合效果最好，本文采用模型（6）进行分析。从模型（6）的结果可以看出，在其他影响区域碳排放的因素中，城市化水平前面的系数为-2.438，且在1%水平下显著，表明城镇化进程快的省份，在城市建设时会更注重低碳建设，因而能够降低碳排放水平。环境规制强度对碳排放同样具有显著的负效应，随着城市化进程不断加快的同时，对生态文明建设的要求也越来越高，有关环境的法规政策也愈加严格，更有助于提高碳减排效应。另外，人口密度和投资水平前的系数显著为正，且在相应水平显著，说明了人口的增加，开放程度的扩大，以及投资水平的提高，都使碳排放水平在不同程度上得到了明显的提高。

3.3 稳健性检验

为检验数字技术发展对碳排放影响结果的稳健性，本文对上述回归结果进行了如下的稳健性检验。其一，重新度量各省市碳排放指标，采用超效率SBM 模型测算碳排放效率指标，替换碳排放量作为被解释变量。其二，替换解释变量，采用滞后一期的数字技术作为解释变量。其三，考虑数字技术发展对碳排放影响的内生性问题，采用IV-2SLS 工具变量法进行内生性检验，借鉴赵涛等[36]的做法，上一年各省的宽带接入用户数分别与各省份每万人电话机数量构造交互项，并将其用作该省当年的数字技术指数的工具变量。

具体结果如表5 所示，其中模型（1）、模型（2）分别为替换碳排放和数字技术测算指标的回归结果，数字技术发展水平的估计系数均为负，且都在1%的水平下显著，表明前文分析数字技术发展会显著抑制碳排放的结果是稳定的，佐证了本文的假说1。模型（3）、模型（4）为采用IV-2SLS 工具变量法的两阶段回归结果，结果显示，数字技术发展对碳排放的影响仍有较为显著的负效应。为确保实证结果的可靠性，对所有的工具变量进行了不可识别检验和弱工具变量检验，排除了因、自变量之间的内生性问题。进一步验证了假说1，即数字技术发展会显著抑制区域碳排放。

表5 稳健性检验结果

3.4 机制检验

为检验数字技术发展对碳排放的传导机制，本部分采用中介效应模型来验证前面提出的研究假设2，即分析数字技术发展是否会通过产业结构高级化和能源利用效率来影响碳排放。在对上述计量模型的实证分析中，发现使用双向固定效应模型的回归效果比较明显。具体结果如表6 所示。

表6 作用机制检验结果

根据表6 结果，第（1）列为数字技术发展水平对产业结构高级化的影响系数为0.579，且在5%的水平下显著，表明数字技术发展会推动数字产业化，显著优化了区域产业结构，推动第二产业创新驱动。第（2）列在加入产业结构高级化这一中介变量后，数字技术对碳排放的负效应没有发生显著变化，但前面系数从表4第（4）列的-0.124 减小到-0.627。而产业结构高级化与碳排放之间系数为-0.233，在10%的水平下显著。表明产业结构效应在数字技术与碳排放之间起到了部分中介的作用，检验结果与前文提出的研究假设2 是相符的，即数字技术发展会通过产业结构效应来降低碳排放水平。

表6 中第（3）列数字技术发展水平对能源利用效率的影响系数为0.077，且在5%的水平下显著，表明数字技术发展会显著提升能源利用效率，实现能源的有效配置。第（4）列显示在加入能源利用效率效应后，数字技术发展对碳排放的负效应亦没有发生显著变化，但大小由-0.124 减小到-0.556，能源利用效率与碳排放之间的系数为-0.637，且在5%水平下显著，说明能源利用效率的提升在数字技术发展与碳排放之间起到部分中介的作用，再次验证了假设2，即能源利用效率是数字技术发展降低区域碳排放的间接路径。

3.5 异质性检验

数字技术发展水平和区域碳排放都会由于各省发展的不同而存在异质性，前面分析了数字技术发展对区域碳排放有着不同程度的影响，但这种影响在区域之间是否存在差异？在此基础上，基于各省市经济规模、教育规模的异质性视角，研究各省域间数字技术发展与地区碳排放的相互作用程度，实证结果如表7 所示。

表7 异质性检验结果

本文按照所属区域将省市分为经济规模小、经济规模大两组，依据经济规模进行异质性分析，如表7 第（1）列结果所示，数字技术发展水平与经济规模的交互项系数为0.727，且在10%水平下显著，这表明数字技术发展对区域碳排放的影响程度在不同地区有所不同，具体而言就是，相较于经济规模小的省份而言，数字技术发展对经济规模大的省份碳减排效应更好。可能的原因在于，经济规模大的地区创新要素更为全面，在经济规模较大的区域，数字技术的发展速度较快，其发展程度较好，能够较早地发挥两条路径的作用，即促进产业结构转型升级，提升能源利用效率，进而将碳减排的红利完全释放出来。而小型经济区域的数字技术发展则相对滞后，且随着数字化架构型基础设施的迁移，这些地区面临着更大的碳排放压力，短期内很难实现碳减排目标。从表7 第（2）列可以看出，数字技术发展水平与教育规模的交互项系数为0.068，且在10%水平下显著，表明相较于教育规模低的省份而言，教育规模高的省份里，数字技术发展对碳排放的影响程度更高。

3.6 空间溢出效应

上文基于面板数据对数字技术与碳排放的关系展开了实证研究，却忽略了数字技术的空间效应影响。一个地区数字技术的发展对周边区域的碳排放量是有可能存在潜在影响的。现有研究表明，我国各地区的碳减排绩效在不同程度上呈现出交互外溢的空间效应，但未考虑其他独立变量。新兴的数字技术可以利用“虹吸效应”吸引大量的创新因素，如人才、技术、资本等，这有助于抑制本地区的碳排放水平，当然也可能提高了相邻区域碳排放水平，本地区的碳减排效应也有可能受到技术转移和产业输出等溢出效率的影响。为此，对不同区域的碳排放量进行了空间集聚效应的Moran’s I 检验，其结果如表8 所示。

表8 各年度碳排放的Moran’s I指数

从表8 中可以看出，区域碳排放的Moran’s I 均在10%的水平下显著为正，表明长江经济带的碳排放水平存在显著的正向空间积聚效应，从数值上看，空间积聚状态相对稳定，在稳步增强。为此，本文采用面板空间杜宾模型（SDM）来进行检验。表9 为SDM 模型的在不同空间权重矩阵下的估计结果。可以看出，模型（1）到模型（2）中，数字技术前面的系数分别在5%和1%的水平下显著为负，这表明数字技术发展会显著抑制本地区域的碳排放水平。另外，模型（1）到（2）空间滞后项系数分别为-0.599 和-0.602，且都在5%的水平显著为负。这验证了省际空间抑制效应的存在，即本地区的碳排放对邻近地区的碳排放具有一定的负向影响。为进一步研究该抑制效应的形成过程，本文对SDM 模型进行了相应的经济距离矩阵和邻接矩阵的效应分解，得到具体的直接效应、间接效应和总效应（表10）。

表9 空间计量回归结果

表10 SDM模型效应分解结果

从表10 可知，直接效应、间接效应和总效应里各变量前的系数结果和显著性，相较于表6 没有什么大的变化，验证了假说3，即数字技术发展可以通过空间溢出效应抑制邻近区域碳排放。第（3）、第（4）列为空间溢出效应的结果，其中数字技术前的系数为-0.141和-0.151，且分别在5%和10%水平下显著，研究结果显示，本地数字技术的迅速发展会对周边地区的碳排放水平造成负向影响。良好的数字技术发展环境，吸引了周边地区的企业、人才和资本，从而对周边地区的碳排放进行有效的控制。此外，对外开放水平和城市化水平也会对周边区域有正向的溢出效应，两者都将导致周边地区的碳排放量显著上升。

4 结论与政策建议

立足于数字技术高速发展和实现双碳目标的时代背景，本文在系统梳理数字技术与碳排放相关文献研究的基础上，分析了数字技术发展与区域碳排放之间的内在联系，并探索其影响机理和作用机制。基于2013—2021年长江经济带的省域面板数据，本文从基础设施建设、要素投入与产出、数字产业化发展、数字交易发展四个维度建立数字技术发展的评估指标体系，并对数字技术发展对地区碳排放的影响机理及空间外溢效应进行多维度的经验分析，得到以下结论。

（1）数字技术发展会显著抑制碳排放水平，且该结论在进行一系列稳健性检验后仍然成立。

（2）采用中介效应模型检验发现，数字技术通过推动产业结构高级化调整和提升能源利用效率来实现碳减排。

（3）异质性条件下数字技术发展对碳排放的影响程度存在显著差异，具体而言，相较于经济规模较小和教育规模较小的省份而言，经济规模较大和教育规模较大的省份，数字技术发展对碳排放的影响程度更高。

（4）采用空间杜宾模型检验数字技术发展对碳排放的空间溢出效应，发现数字技术会通过空间虹吸效应负向作用于邻近区域的碳排放。

根据上述结论，本文提出以下几点政策建议。

（1）逐步推进数字技术与碳排放融合发展，实现高质量协调发展，推动数字技术发展和碳排放深度融合的红利释放，破除产业和行政壁垒。政府应加大对数字技术产业的监管力度，制定与之相应的经济法规，营造一个有利于数字技术产业发展的良性竞争环境，为充分发挥数字技术在重塑产业结构升级和技术赋能推动数字化转型的作用提供保障，同时也应预防数字技术高速发展所带来的经济后果，降低产业链效率，从而削弱数字技术的碳减排效应。

（2）因地制宜制定数字技术发展战略，各省要充分认识自己所在区域及相邻省份发展特色，经济规模较大发展较好的省份要充分发挥其现有的数字技术优势，突出自有的区域优势。在发展较好的区域，应加大对区域的辐射引领力度，降低区域碳排放量。对于发展程度和经济发展水平较差的地区，要发挥自己的资源优势，通过引进人才、技术和资本的方式创造特色数字技术，为产业赋能，在碳减排方面实现弯道超车。

（3）加大对数字技术的投资力度，以提升数字技术在社会中的应用水平，促进数字技术发展的同时，提高基础设施建设的能源消耗效率，借助数字技术赋能打造出高效化和集约化的新型基建设施，聚焦于能源消费结构和产业结构的调整，助推数字和绿色的融合，促进数字技术绿色高质量发展。政府要加大财政支出在碳减排与数字技术发展中的投入，提升居民整体受教育水平，缩小城乡居民收入差距，增强居民消费水平，加快产业结构升级。同时强化区域协调合作关系，建立长期均衡的协同发展路径，形成各省市之间特色鲜明、优势互补的格局，联手打造整体区域协调发展的碳减排与数字技术发展格局。