数实融合对碳排放的影响及作用机制研究

摘 要：数字技术、数字经济与实体经济的融合与发展是推进新型工业化和推动经济高质量发展的重要途径。基于2011—2019年中国268个地级市的面板数据的实证发现，数实融合有效推动了碳排放强度下降，也能有效抑制碳排放总量，发挥了显著的降碳效应。不过，这种效应存在基于工业化和数字化两个维度的异质性。进一步，从要素配置优化、技术创新两个角度揭示了数实融合发挥降碳效应的作用机制，可以观察到数实融合能够强化资本能源投入比、改善能源效率，还能带动研发投入，扩大专利产出，甚至还能促进绿色技术创新。拓展分析发现，政府对节能降碳的关注能有效放大数实融合的降碳效应。因此，应加快数字经济发展，促进数字技术、数字经济与实体经济的深度融合，协同推进经济高质量发展和生态环境高水平保护，助力“双碳”目标的实现。

关键词：数实融合；“双碳”目标；数字经济；碳排放

作者简介：张平淡，北京师范大学经济与工商管理学院教授、博士生导师（北京 100875）；郝时雨，北京师范大学经济与工商管理学院博士研究生（北京 100875）；林琳，中国移动研究院用户与市场研究所工程师（北京 100053）

基金项目：中国移动研究院—北京师范大学经济与工商管理学院联合研发项目“数字技术对‘双碳’目标的贡献研究”

DOI编码： 10.19667/j.cnki.cn23-1070/c.2025.01.008

引言

数字技术的渗透应用促进了经济效率提升和数字化转型，推动了数字技术与实体经济、数字经济与实体经济的深度融合（以下简称“数实融合”），①促进和支撑了经济高质量发展，②成为21世纪以来我国经济发展的重要特征之一。数实融合是推动新型工业化的重要途径，是扭转高耗能、高排放的传统工业化模式的重要抓手。因此，在“双碳”目标下有必要深入讨论数实融合对碳排放的影响，更好推动和保障经济社会发展的全面绿色转型。

现有研究大多对数字技术、数字经济的节能降碳效应持积极态度，①认为数字技术、数字经济具有海量数据存储能力、高效的数据传输速度和灵活的数据处理能力，还能够赋能绿色技术创新，促进技术融合创新，推动技术进步，提高能源利用效率，进而发挥节能降碳的效用。②当然，数字产业发展也会带来能源消费扩张，数字基础设施建设也需要消耗大量能源资源，③可能会引发能源消费的回弹效应。④数字技术的创新与应用、数字经济的高速发展推动了数实融合，是产业数字化、数字产业化之上的更高更深层次的发展，是数字经济与实体经济之间的相互作用与紧密契合。随着数实融合程度的不断加深，数字技术可以更好通过辐射实体产业而推动产业结构优化升级，放大降碳效应。⑤现有文献已经开始关注到数实融合的机理、路径和挑战，还关注到数实融合的绿色创新效应，⑥“双碳”目标下还应该进一步深入讨论数实融合的生态环境效应。为此，本文深入分析数实融合对碳排放的影响及其作用机理，使用2011—2019年中国268个地级市的面板数据检验了数实融合的降碳效应，为推动新型工业化、助力“双碳”目标实现提供有益借鉴。

本文的边际贡献主要体在以下几方面：第一，在研究视角上，既往文献大多从数字经济发展、企业数字化转型等视角出发，探讨其对经济社会低碳转型的影响及内在机制。值得注意的是，数字经济要全面驱动经济社会绿色转型，关键在于与实体经济的深度融合，通过数字技术与数据要素赋能实体经济低碳发展。可以说，数实融合既是数字经济发展的重要目标和必然趋势，也是其引领经济社会低碳转型的必由之路。已有文献表明，数实融合能够推动绿色技术进步，但关于数实融合最终能否以及如何影响碳排放这一关键议题，尚缺乏深入探讨。本文系统梳理了数实融合对碳排放的影响及其作用机制，使用耦合协调模型测算数实融合水平，为科学评估数实融合在推动碳减排方面的实际效果提供更直接的经验证据。第二，数字经济与实体经济，作为既独立又紧密相依的两大系统，其发展水平的相对差异塑造了两者相互渗透与融合的路径，进而对经济低碳转型产生深远影响。本文立足数字经济和实体经济的发展基础，深入探讨处于不同发展阶段的地区是否都能依托数字经济和实体经济深度融合而实现碳减排目标，为深入推进数字化绿色化协同发展提供政策参考，最大化激发数实融合促进低碳发展的潜力。

一、理论分析与文献回顾

数实融合是数字技术、数字经济参与并推动传统实体经济向新型实体经济演进的过程，⑦既是数字经济与技术创新、产业创新以及企业组织创新的融合，也是实体经济与数据要素、数字技术、平台经济和数据共享的融合，①最终形成数字经济与实体经济相互促进、互为支撑的“双循环”。②近年来，我国数实融合程度逐年提高，③数字技术的渗透应用显著改善了现有生产方式，有力推动了生产方式变革。数字技术具有高技术含量、低环境成本等特点，数据要素拥有共享性和零边际成本的显著优势，④能够有效促进经济效率改进，有利于节能降碳。数字经济所带来的降碳效应不仅局限于数字经济产业自身，更重要的是数字经济与诸多实体产业的融合都能产生节能降碳的正外部性。在数字经济与实体经济融合的过程中，数字技术根据实体经济所提供的初始数据要素进行整合与分析处理，形成新的数据要素并进入实体经济生产运行的各个环节，对传统生产要素具有替代效应和乘数作用，能够重塑要素投入结构，推动资源配置优化，提高能源等要素的生产效率；⑤互联网、云计算、人工智能、机器人等数字技术打破了要素流动的物理和地理限制，能进一步放大数据要素的乘数作用，还能辐射带动国民经济各个部门，发挥外部经济效应和融合效应，将各个部门、各个产业的数据要素和实体资源整合，提高各部门间的协同能力，促进各个产业的融合，打破原有的生产要素边界和技术边界，推动生产技术的更新迭代，在技术融合中激发绿色技术创新，⑥催生绿色低碳的新产业、新行业和新模式，从而对整个经济系统绿色低碳转型产生深远影响。为此，本文提出如下假说：

假说1：数实融合可以推动实现碳减排。

数实融合能够重塑传统的要素投入结构，推动要素配置优化，提高能源等要素生产效率，推动实现碳减排。数实融合是以数据作为新型生产要素为基础的。实体经济活动为数实融合提供丰富的数据基础，经过数据挖掘、大数据等数字技术采集、处理和分析，生成最终服务于某种生产和服务的数据要素。数据既是实体经济运行的产物，也是数字经济时代实体经济的重要生产要素之一。数实融合过程中会逐步形成以数据要素为关键投入、以数字技术为基础的新型生产组织方式，通过对生产链条的精准把控，优化和重组传统的要素投入组合，提高生产管理效率，有效减少生产过程中的能源资源浪费，提高能源利用效率，有利于抑制碳排放。⑦一方面，数据作为新型投入要素，具有清洁、高效、零边际成本等特点。数据要素渗透实体经济生产的全过程，不但能降低边际生产成本，还可以部分替代能源、劳动、资本等传统生产要素，⑧依托数字技术提高要素流动效率，改变要素投入结构，减少生产对化石能源、劳动等实体要素的依赖程度，间接减少单位产出的碳排放。另一方面，数实融合内在是数字技术的应用，能够有效推动数据要素与能源、劳动、资本等传统要素融合，发挥乘数作用，提高传统要素的生产效率。其中，数据要素与能源的融合，数字技术能够基于对能源生产、转换、运输和使用等环节所产生的能源数据要素的挖掘与分析，推动能源技术的研发与转化，提高能源的开发利用效率，有效整合能源市场的供求信息，促进绿色能源的推广和普及。⑨以数据要素为基础，依托数字技术构建的智慧能源系统，可以实时采集生产数据、精准管理能源消耗与利用率，既能避免能源要素过度服务，也能降低运输和转换过程中的能源损耗。能源等要素细分市场发展又能反哺数据要素，①通过数据要素与能源等传统要素的相互作用与相互融合，提高整个经济系统的能源生产效率，使单位产出的碳排放得以下降。为此，本文提出如下假说：

假说2：数实融合通过改变要素投入结构，提升要素生产效率，推动实现碳减排。

技术创新也是数实融合提高全要素生产效率，推动实现碳减排的重要机制。具体来看，数实融合能缓解技术创新的融资约束，提高企业的技术创新能力，优化技术创新环境，推动技术进步。②首先，技术创新需要大量的资金投入，数据要素和数字技术与金融服务的融合可以为金融机构提供更清晰的企业信用画像，减少信息不对称所导致的投资风险，降低技术创新获得金融服务的门槛。③运用数字技术所搭建的数字金融平台打破了金融市场的区域壁垒，提高了金融资源在不同区域、不同行业和不同主体之间的流动性，④为企业技术创新提供更广阔的融资空间，有效缓解技术创新的融资约束。其次，数字经济与实体经济的融合能提高企业的技术创新能力。一方面，数字经济与实体经济的融合为跨界人才的培养提供可能，⑤数字就业平台能提高就业市场的匹配精准度和配置效率，⑥企业能够以更低的成本和更高的效率引进技术创新所需的人才，为技术创新活动提供更充足的人才库；另一方面，数字技术极大地提升了知识和信息传播的时效性，能够降低企业进行技术创新的学习成本和信息搜集成本，⑦提高企业间的信息分享意愿，⑧加速知识在不同区域、不同行业和不同企业乃至研发人员之间的交流共享，⑨扩展企业的知识网络，增加创新主体利用外部知识的机会，促进合作创新与融合创新。最后，数字经济与实体经济的融合能优化技术创新的环境。实体企业运用数字技术能够优化技术创新的管理流程，提升技术创新的管理效率，⑩为技术创新提供良好的内部环境。数字技术和数据要素在产业链中的渗透，可以促进人才、资金、知识等在产业链中的流动，推动产业内部的数据共享及产业间的数据交互，发挥积极的溢出效应，为技术创新提供良好的外部环境。11一直以来，技术创新都是提高能源效率，推动实现碳减排的重要途径。12数实融合为技术创新带来更充足的资金和人才，提供良好的创新环境，提高企业的技术创新能力，最终通过促进技术创新降低碳排放强度。为此，本文提出如下假说：

假说3：数实融合通过促进技术创新推动实现碳减排。

二、研究设计与变量选取

（一）模型构建

（二）变量测度与说明

1. 被解释变量

碳排放强度：使用城市层面的碳排放总量与GDP的比值表征。在稳健性检验中还引入单位工业增加值的碳排放强度、城市碳排放总量。

2. 核心解释变量

上式中，D为数实融合水平，C为两者的耦合度，T为两者的协同度，设定λ1和λ2取值为0.5。digital为数字经济发展水平，从数字经济普及情况、就业情况、产出情况、数字金融发展情况四个维度对数字经济综合发展水平展开测度，由主成分分析法计算得到（具体指标见表1）；real为实体经济发展水平，黄群慧从狭义、一般意义和广义三个层次定义了实体经济，一般意义上的实体经济包括制造业、农业、建筑业和其他所有工业，是传统实体经济的主体部分。②相应地，本文采用工业发展规模表征实体经济发展水平。

3. 控制变量

根据STRIPAT模型，人口规模、经济发展水平和技术水平是影响污染物排放水平的重要因素，本文分别选取人口密度（POP）、人均财富（GDP）和技术投入水平（TEC）予以表征。其中，人口密度可以反映经济活动的密集程度，单位面积内聚集经济活动过多可能会导致碳排放压力增大；收入水平的提高会导致能源消费需求扩大，从而导致碳排放增加；技术投入的增加可以通过推动技术进步，优化投入产出结构降低单位产出所蕴含的碳排放。①此外，以工业为代表的第二产业是二氧化碳的主要产生途径之一，为控制产业结构对二氧化碳的影响，将产业结构（IS）纳入控制变量中。城镇化进程中，城市规模的迅速扩张需要消耗大量能源等资源，会对城市碳减排形成挑战，②因此，将城镇化水平（URBAN）纳入控制变量中。外商直接投资，一方面可能会带来先进的绿色生产技术，进而推动节能降碳，另一方面可能导致高污染高能耗生产活动的转移，从而阻碍经济低碳转型，③为控制外商投资对碳排放的影响，将外资利用水平（FDI）纳入控制变量中。

（三）数据来源

城市碳排放数据来源于中国碳核算数据库（CEADs），工业机器人数据来源于国际机器人联盟（IFR），政府节能降碳注意力的原始文本来源于各地级市政府官网所公布的政府工作报告，其他数据来源于中国城市统计年鉴、中国科技统计年鉴、中国工业统计年鉴、中国劳动统计年鉴和各地级市统计年鉴。经过数据匹配，得到2011—2019年中国268个地级市的面板数据。

三、实证结果分析

（一）基准回归结果

表3汇报了数实融合对城市碳排放强度的影响。表3前三列使用面板固定效应模型进行估计，其中，列（1）仅控制城市固定效应，列（2）加入年份固定效应，列（3）加入城市控制变量，列（4）使用多维面板固定效应模型进行估计。结果表明，样本期内数实融合显著降低了碳排放强度。随着数字经济与实体经济融合程度的加深，数字经济进一步发挥信息效应，缓解经济系统中不同部门、不同企业以及企业内不同组织间的信息不对称问题，提高管理和生产效率；而且，随着数据技术和数据要素在实体经济中的融合应用，不但能降低政府对高能耗企业的监管难度倒逼企业节能减排，还可以降低绿色金融的信息搜寻成本，缓解绿色企业融资约束，促进绿色技术的发展与成果转化，从而促进碳排放强度的下降。

（二）内生性问题

本文考察的是数实融合对城市碳排放的影响，虽然在逻辑上并不存在明显的反向因果问题，即城市碳排放强度不会影响其数实融合进程和水平，不过，实证检验依然面临遗漏变量和测量误差的内生性挑战。遗漏变量的挑战主要体现在可能存在城市层面的不可观测因素，例如某些产业或财政政策同时对数实融合程度和碳排放强度造成影响，这会导致基准模型中数实融合的系数被高估或低估。测量误差的挑战在实证研究中普遍存在，就本文的实证分析而言，使用熵权法构建的数实融合指数可能在反映城市真实数实融合水平上存在一定的误差，这也会导致估计结果的偏差。

为解决上述内生性问题，本文基于工业机器人安装密度和各地级市与杭州距离的倒数构造Bartik工具变量，①其中工业机器人安装密度借鉴韩民春等的方法，②国际机器人联盟（IFR）提供了全国层面各行业的工业机器人安装数量，将其与全国就业人员总数相除即得到全国各行业的工业机器人安装密度，再以地级市各行业就业人数在全国的占比为权重，将其分解到城市层面并将各行业数据进行加总，得到各个地级市的工业机器人安装密度。工具变量的回归结果见表4列（1）。列（1）的回归结果显示，数实融合依然能够显著降低碳排放强度。

（三）稳健性检验

本文的稳健性检验包括：1.替换被解释变量。工业是能源消耗和碳排放的主体，因此将单位GDP的碳排放强度替换为单位工业增加值的碳排放强度（CO2_ind），结果见表4列（2）。列（2）回归结果显示，在1%的显著性水平下，数实融合降低了工业碳排放强度。党的二十大报告强调碳排放总量和强度“双控制”①，为进一步验证数实融合在总量方面的控制作用，将被解释变量替换为碳排放总量（CO2_total），结果见表4列（3）。列（3）回归结果显示，数实融合显著降低了城市碳排放总量。结合基准回归结果，可以认为，数实融合不仅抑制了碳排放强度，还抑制了碳排放量，降碳效应显著。2.剔除直辖市。直辖市作为省级行政单位，其数字经济与实体经济的发展及融合水平均明显高于其他城市，因此将直辖市从样本中剔除，回归结果见表4列（4）。3.排除碳排放相关政策干扰。本文主要考虑两个对碳排放强度有重要影响的政策，分别是低碳城市试点政策和碳排放权交易市场试点政策。在基准模型中分别加入代表低碳城市试点和碳排放权交易市场试点的虚拟变量，在试点城市确立当年及之后的年份赋值为1，其他年份及非试点城市赋值为0，结果见表4列（5）和列（6）。以上稳健性检验结果表明，数实融合具有降碳效应的结论是稳健的。

（四）工业化与数字化水平的异质性分析

数字技术、数字经济与实体经济的融合，在一定程度上也是工业化与数字化的相对协调与融合。从数实融合的耦合协调指标构建来看，工业化与数字化水平都很高，工业化与数字化水平都很低，这两类城市样本的融合水平可能类似，然而，这两类城市样本处于截然不同的发展阶段；同样，工业化相对于数字化水平更高的城市样本以及数字化相对于工业化水平更高的城市样本，其数实融合均处于较低水平，然而，这两类城市样本是完全不同的发展形态。刘艳霞等的研究表明，在数字经济发展水平更高的地区，数字化转型对绿色创新具有更大的促进作用。②因此，工业化和数字化处于不同水平的地区，数实融合的降碳效应可能存在异质性。在此，根据工业化和数字化水平的中位数将全部样本分为四个象限（结果如图1所示）：只有位于第一象限的城市样本，也就是工业化与数字化均处于较高水平的城市样本，其数实融合才能发挥显著的降碳效应。

进一步，对处于不同象限的城市样本来说，发挥数实融合降碳效应的路径可能会有所不同。第二象限的城市样本，也就是工业化水平相对数字化水平较高的城市样本，应着力提升数字化转型速度，推动工业数智化转型，向第一象限迈进。以合肥市为例，2011—2019年期间，合肥市数字化进程不断加速，以新一代信息技术与先进制造技术深度融合为主线，加快传统制造业“智改数转”，逐步由第二象限过渡至第一象限。第四象限的城市样本，数字化水平相对工业化水平较高，应适当加快工业化进程，着力发展高端制造业，充分发挥数字经济服务于实体经济的作用。以东莞市为例，应用先进制造技术、信息技术改进传统产业生产组织方式和商业模式，推动传统优势制造业向先进制造业行列迈进，自2014年起，随着工业发展速度超越数字经济发展速度，向第一象限稳步迈进，碳排放强度的下降速度逐年加快。第三象限的城市样本，工业化和数字化均不尽理想。在数字经济发展初期，数字基础设施的建设和运作需要投入大量能源、资金等，而且数字经济的节能降碳作用主要通过辐射其他行业提升整个经济系统的运行效率来实现，因此位于第三象限的城市应该优先提升工业发展水平，数字化进程跟随推进，两者交互融合发展。以贵阳市为例，在2012年，工业化增速高于数字化增速，此后2013年数字化增速迅速提升，在整个样本期间，一旦工业化增速高于数字化增速，数字化增速就会随之上升，反之亦然，工业化和数字化始终交互推进，也可以逐渐向第一象限过渡。

四、机制检验

（一）要素配置优化

根据前文理论分析，数实融合可以推动要素配置优化，进而发挥降碳效应。化石能源的使用是碳排放的主要来源，能源利用效率是中国碳排放强度下降的主要驱动因素。①在此，分别以资本能源投入比和能源效率为例，替换基准模型式（1）中的被解释变量，检验数实融合是否通过改变要素组合与利用效率推动碳减排。其中，资本能源投入比为地级市资本存量与能源消耗之比，资本存量借鉴单豪杰的永续盘存法，以2008年为基期计算得到；②能源效率以单位GDP的能源消耗反向表征。

表5列（1）和列（2）报告了数实融合对资本能源投入比、能源效率的影响。回归结果显示，数实融合显著改变了资本和能源的投入比例，显著降低了单位产出的能源消耗，提高了能源的利用效率。基于各类生产要素的固有属性与特征，数字技术、数字经济与实体经济深入融合的过程中，数据要素对不同要素的替代效应和融合效应存在差异，同样，数字技术对不同要素生产率的提升效果也不尽相同，从而导致各类要素投入以不同比例变化，体现为要素投入结构的改变。从偏向性技术进步的角度来看，资本与能源要素投入比例可以间接衡量资本偏向性技术进步，①数实融合显著促进了资本偏向性技术进步，资本的边际产出增长率高于能源，扩大了资本对能源的替代，减少单位产出所需的能源投入，提高了能源的单要素利用效率，从而降低碳排放强度。

（二）技术创新

数实融合需要投入必要资金，也需要相应人才，这些研发投入会推动技术创新与技术进步，从而推动碳排放强度降低。本文分别从研发投入和研发产出两个角度衡量数实融合对技术创新的促进作用，其中，研发投入使用地级市规模以上工业企业RD内部经费支出表征，研发产出使用当年专利授权数量表征。表5列（3）和列（4）报告了数实融合对技术创新影响的估计结果。回归结果显示，数实融合显著促进了技术创新的研发投入和产出。进一步，本文使用绿色专利授权数量表征绿色技术创新水平，表5列（5）报告了数实融合对绿色技术创新影响的估计结果。回归结果显示，数实融合显著促进了绿色技术创新。数实融合可以为绿色技术创新提供坚实的技术支持，提高绿色金融的配置效率，改善绿色技术创新面临的融资困境。随着生产技术的绿色低碳化转型，单位产出的碳排放得以下降。

五、拓展分析

（一）政府注意力的调节作用

式（5）中，Attention代表地方政府节能降碳注意力，参考陈诗一和陈登科从地方政府工作报告中提取节能降碳相关词汇的频率（具体关键词见表6），①包含能源节约和能源结构两大类。θ1为政府节能降碳注意力对数实融合与碳排放强度关系的调节效应，其符号为负则表示政府节能降碳注意力的提升可以放大数实融合的碳减排效应。

表7列（1）报告了政府节能降碳注意力对数实融合与碳排放强度关系的调节作用。可以看到，政府对于“节能降碳”的关注度显著放大了数实融合的降碳效应。这说明，政府对生产过程中能源使用类型和能源集约利用情况的关注，可以引导数字技术应用于节能降碳领域，推动数据要素与能源的融合，放大数实融合对节能降碳的提升作用。

（二）数实融合的污染治理效应

大气污染物和二氧化碳排放往往是同根同源同过程，为此，进一步检验数实融合的污染治理效应，及其对环境质量的影响，结果见表7列（2）-列（5）。回归结果显示，数实融合显著降低了工业二氧化硫、工业粉尘、工业污水的排放强度以及PM10的浓度。也就是说，数实融合不仅有显著的降碳效应，还有显著的减污降碳协同效应，有利于改善大气环境质量。

六、结论及政策建议

数字经济与实体经济的深度融合与发展是推动新型工业化和经济高质量发展的必由之路，也是推动经济社会发展全面绿色转型的重要抓手。基于2011—2019年中国268个地级市的面板数据的实证研究发现，数实融合有效推动了碳排放强度下降，也能有效抑制碳排放总量，发挥了显著的降碳效应。不过，这种效应存在基于工业化和数字化两个维度的异质性。进一步，从要素配置优化和技术创新两个角度揭示了数实融合发挥降碳效应的作用机制，可以观察到数实融合能够强化资本能源投入比、改善能源效率，还能带动研发投入，扩大专利产出，甚至还能促进绿色技术创新。拓展分析发现，政府对节能降碳的关注能有效放大数实融合的降碳效应。

基于前述研究内容，主要得到以下政策启示：第一，大力推进数实融合，赋能经济社会发展全面绿色低碳转型。实证发现，数实融合具有显著的降碳效应，并且能够实现减污降碳协同增效。因此，应着力推广数字技术应用，鼓励企业采用大数据、云计算、物联网等数字技术，优化生产流程，提高能源利用效率。同时，加强数字技术与绿色低碳技术的交叉融合，鼓励联合研发，培养跨学科复合型人才，为绿色转型提供坚实的人才支撑和技术保障。第二，因地制宜，推动数字化与工业化的协同发展。异质性分析发现，只有在数字化和工业化水平均处于较高水平的城市中，数实融合才能发挥降碳效应。对此，数字引领地区应认识到实体经济是数字经济发挥碳减排作用的基础，进一步夯实实体经济建设，而工业化高地则需加速数字化转型。为此，应鼓励加强区域合作，通过技术转移和资源共享，实现优势互补，共同推动绿色低碳发展。对于数字化和工业化均处于较低水平的地区来说，重点在于推动制造业高端化、智能化、绿色化发展，将绿色发展理念贯穿于数字经济与实体经济深入融合与发展的全过程。第三，强化政府引导作用，促进数字化与绿色化协同转型。拓展分析发现，地方政府对节能降碳的关注可以有效放大数实融合的降碳效应。因此，应尽快建立健全促进数字化绿色化协同转型发展的相关政策体系，包括财政补贴、税收优惠、金融支持等，为相关企业提供有力支持。通过绩效考核等方式，压实地方政府节能降碳的工作责任，发挥有为政府在实现“双碳”目标进程中的重要作用。

① 江小涓、靳景：《数字技术提升经济效率：服务分工、产业协同和数实孪生》，《管理世界》2022年第12期，第9—26页。

② 贾康、张晶晶：《当前经济形势和数字经济与实体经济融合发展的战略思考》，《上海商学院学报》2022年第3期，第56—69页。

① 赵培雅、高煜、孙雪：《“双控”目标下产业智能化的节能降碳减排效应》，《中国人口·资源与环境》2023年第9期，第59—69页；Yi Y.， Cheng R.， Wang H.， et al.， “Industrial Digitization and Synergy Between Pollution and Carbon Emissions Control： New Empirical Evidence from China”， in Environmental Science and Pollution Research， 2023， Vol.30， No.13，pp.127-142.

② 杨刚强、王海森、范恒山等：《数字经济的碳减排效应：理论分析与经验证据》，《中国工业经济》2023年第5期，第80—98页。

③ 刘备、黄卫东：《新型数字基础设施的绿色全要素生产率提升效应研究》，《求是学刊》2023年第1期，第96—106页。

④ 张思思、崔琪、马晓钰：《数字要素赋能下有偏技术进步的节能减排效应》，《中国人口·资源与环境》2022年第7期，第22—36页。

⑤ Yang Z.， Gao W.， Han Q.， et al.， “Digitalization and Carbon Emissions： How Does Digital City Construction Affect Chi？ na’s Carbon Emission Reduction？”， in Sustainable Cities and Society， 2022， Vol.87， No.104201.

⑥ 史丹、孙光林：《数字经济和实体经济融合对绿色创新的影响》，《改革》2023年第2期，第1—13页。

⑦ 刘慧、王曰影：《“数实融合”驱动实体经济创新发展：分析框架与推进策略》，《经济纵横》2023年第5期，第59—67页。

① 洪银兴、任保平：《数字经济与实体经济深度融合的内涵和途径》，《中国工业经济》2023年第2期，第5—16页。

② 欧阳日辉、龚伟：《促进数字经济和实体经济深度融合：机理与路径》，《北京工商大学学报（社会科学版）》2023年第4期，第10—22页。

③ 史宇鹏、曹爱家：《数字经济与实体经济深度融合：趋势、挑战及对策》，《经济学家》2023年第6期，第45—53页。

④ 张文魁：《数字经济的内生特性与产业组织》，《管理世界》2022年第7期，第79—90页。

⑤ 孙早、侯玉琳：《工业智能化如何重塑劳动力就业结构》，《中国工业经济》2019年第5期，第61—79页。

⑥ 马健：《产业融合理论研究评述》，《经济学动态》2002年第5期，第78—81页。

⑦ 吴传清、邓明亮：《数字经济发展对中国工业碳生产率的影响研究》，《中国软科学》2023年第11期，第189—200页；郭晗、全勤慧：《数字经济与实体经济融合发展：测度评价与实现路径》，《经济纵横》2022年第11期，第72—82页。

⑧ 田高良、施诺、刘晓丰：《智能制造与劳动力成本粘性——基于工业机器人应用的视角》，《经济管理》2023年第9期，第28—49页。

⑨ 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》，《中国科学院院刊》2021年第9期，第1019—1029页。

① 戴魁早、王思曼、黄姿：《数据要素市场发展与生产率提升》，《经济管理》2023年第6期，第22—43页。

② Yin S.， Zhang N.， Ullah K.， et al.， “Enhancing Digital Innovation for The Sustainable Transformation of Manufacturing Industry： a Pressure-State-Response System Framework to Perceptions of Digital Green Innovation and its Performance for Green and Intelligent Manufacturing”， in Systems， 2022， Vol.10， No.3， pp.72.

③ 宋华、韩思齐、刘文诣：《数字技术如何构建供应链金融网络信任关系？》，《管理世界》2022年第3期，第182—200页。

④ 宋敏、周鹏、司海涛：《金融科技与企业全要素生产率——“赋能”和信贷配给的视角》，《中国工业经济》2021年第4期，第138—155页。

⑤ 李梦娜、周云波：《数字经济发展的人力资本结构效应研究》，《经济与管理研究》2022年第1期，第23—38页。

⑥ 田鸽、张勋：《数字经济、非农就业与社会分工》，《管理世界》2022年第5期，第72—84+311页。

⑦ 黄赜琳、秦淑悦、张雨朦：《数字经济如何驱动制造业升级》，《经济管理》2022年第4期，第80—97页。

⑧ 王可、李连燕：《“互联网+”对中国制造业发展影响的实证研究》，《数量经济技术经济研究》2018年第6期，第3—20页。

⑨ 沈国兵、袁征宇：《企业互联网化对中国企业创新及出口的影响》，《经济研究》2020年第1期，第33—48页。

⑩ 黄勃、李海彤、刘俊岐等：《数字技术创新与中国企业高质量发展——来自企业数字专利的证据》，《经济研究》2023年第3期，第97—115页。

11 戴翔、杨双至：《数字赋能、数字投入来源与制造业绿色化转型》，《中国工业经济》2022年第9期，第83—101页。

12 张平淡、屠西伟：《制造业集聚、技术进步与企业全要素能源效率》，《中国工业经济》2022年第7期，第103—121页；严成樑、李涛、兰伟：《金融发展、创新与二氧化碳排放》，《金融研究》2016年第1期，第14—30页。

① 史丹、孙光林：《数字经济和实体经济融合对绿色创新的影响》，《改革》2023年第2期，第1—13页；张帅、吴珍玮、陆朝阳等：《中国省域数字经济与实体经济融合的演变特征及驱动因素》，《经济地理》2022年第7期，第22—32页。

② 黄群慧：《论新时期中国实体经济的发展》，《中国工业经济》2017年第9期，第5—24页。

① Dietz T.， Rosa E A.， “Rethinking the Environmental Impacts of Population， Affluence and Technology”， in Human Ecology Review， 1994， Vol.1， No.2， pp.277-300.

② 张腾飞、杨俊、盛鹏飞：《城镇化对中国碳排放的影响及作用渠道》，《中国人口·资源与环境》2016年第2期，第47—57页。

③ 宋德勇、易艳春：《外商直接投资与中国碳排放》，《中国人口·资源与环境》2011年第1期，第49—52页。

① Goldsmith P.P.， Sorkin I.， Swift H.， “Bartik Instruments： What， When， Why， and How”， in American Economic Re？ view， 2020， Vol.110， No.8， pp.2586-2624.

② 韩民春、韩青江、夏蕾：《工业机器人应用对制造业就业的影响——基于中国地级市数据的实证研究》，《改革》2020年第3期，第22—39页。

① 习近平：《高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗》，《人民日报》2022年10月26日，第1版。

② 刘艳霞、陈乐、周昕格：《数字化转型与绿色创新：基于信息的双重效应识别》，《改革》2023年第10期，第30—45页。

① 张友国：《经济发展方式变化对中国碳排放强度的影响》，《经济研究》2010年第4期，第120—133页。

② 单豪杰：《中国资本存量K的再估算：1952～2006年》，《数量经济技术经济研究》2008年第10期，第17—31页。

① 陈登科：《贸易壁垒下降与环境污染改善——来自中国企业污染数据的新证据》，《经济研究》2020年第12期，第98—114页。

② 陈思丞、孟庆国：《领导人注意力变动机制探究——基于毛泽东年谱中2614段批示的研究》，《公共行政评论》2016年第3期，第148—176+189—190页；练宏：《注意力竞争——基于参与观察与多案例的组织学分析》，《社会学研究》2016年第4期，第1—26+242页。

① 陈诗一、陈登科：《雾霾污染、政府治理与经济高质量发展》，《经济研究》2018年第2期，第20—34页。

[责任编辑 求实]

Carbon Emission Effect of Integration of the Digital and Real Economies

ZHANG Ping-dan， HAO Shi-yu， LIN Lin

Abstract： The integration of digital technology， digital economy and real economy is an important way to pro？ mote new-type industrialization and high-quality economic development. Empirical evidence based on the panel data of 268 prefecture-level cities in China from 2011 to 2019 finds that the integration of digital and real economies effectively promotes the decline of carbon emission intensity， and also effectively suppresses its total amount， exerting a significant carbon reduction effect. However， there is heterogeneity in this effect based on both industrialization and digitalization dimensions. Further， the mechanism of the carbon reduction effect of digital-real integration is revealed from the perspectives of factor allocation optimization and techno？ logical innovation， and it can be observed that such integration can strengthen the ratio of capital-to-energy inputs， improve energy efficiency， and also drive RD inputs， expand patent outputs， and even promote green technological innovation. Expanding the analysis， it is found that the government’s attention to energy saving and carbon reduction can effectively amplify the carbon reduction effect of digital-real integration. Therefore， we should accelerate the development of digital economy， promote the deep integration of digital technology， digital economy and real economy， synergistically foster the high-quality development of the economy and high-level protection of the ecological environment， and help to achieve the goal of carbon peaking and carbon neutrality.

Key words： Digital-real integration， the goals of “carbon peaking and carbon neutrality”， digital economy， carbon emissions