杜 欣

(1.浙商銀行博士后科研工作站,浙江 杭州 310006 ; 2.浙江大學(xué) 經(jīng)濟(jì)學(xué)院,浙江 杭州 310058)

0 引言

氣候變暖是國際社會共同面臨的環(huán)境挑戰(zhàn)。IPCC報告指出,2010—2019年全球平均氣溫相較于工業(yè)革命前(1850—1900年)升高了1.1℃,到本世紀(jì)末,氣溫將進(jìn)一步上升1～5.7℃[1]。日益頻繁的人類活動導(dǎo)致溫室效應(yīng)增強,化石燃料消耗和土地利用改變產(chǎn)生的二氧化碳對工業(yè)革命以來地表升溫的貢獻(xiàn)約占70%[2]。全球持續(xù)變暖帶來洪澇災(zāi)害頻發(fā)、水資源短缺加劇、生物多樣性降低、極端氣候事件趨多等一系列負(fù)面影響,由此引發(fā)的生態(tài)問題向社會經(jīng)濟(jì)問題轉(zhuǎn)化。為減緩氣候變暖,從“兩型社會”建設(shè)到綠色發(fā)展之路,降碳減排已成為國際共識和重要議題。我國二氧化碳排放長期處于高位,2022年我國碳排放量同比增長5.3%,占全球碳排放總量的比重上升至30.9%[3],減排形勢嚴(yán)峻?！半p碳”目標(biāo)的提出將我國經(jīng)濟(jì)低碳轉(zhuǎn)型提升到新的高度?！笆奈濉睍r期是實現(xiàn)碳達(dá)峰的關(guān)鍵窗口期,伴隨新一代信息技術(shù)的迭代更新,數(shù)字經(jīng)濟(jì)憑借滲透效應(yīng)、規(guī)模效應(yīng)和網(wǎng)絡(luò)效應(yīng)成為高質(zhì)量發(fā)展的引擎,通過重組要素配置、重塑經(jīng)濟(jì)結(jié)構(gòu)、重構(gòu)產(chǎn)業(yè)生態(tài),為碳減排帶來新的機遇。那么,數(shù)字經(jīng)濟(jì)在碳減排過程中究竟扮演何種角色?數(shù)字經(jīng)濟(jì)發(fā)展促進(jìn)碳減排的機制為何?數(shù)字經(jīng)濟(jì)與碳減排雙贏共進(jìn)的路徑何在?

從現(xiàn)有文獻(xiàn)看,對碳減排機理的探究始于碳排放變化的因素分解,學(xué)者們利用Kaya恒等式、LMDI、GDMI、STIRPAT 等分解模型識別碳排放變化的驅(qū)動因素,發(fā)現(xiàn)產(chǎn)出規(guī)模、資本規(guī)模對碳排放發(fā)揮促增作用,而投資碳強度、產(chǎn)出碳強度、能源強度和固定資產(chǎn)投資效率具有促降效應(yīng)[4-5]。已有研究達(dá)成的普遍共識肯定了能源效率提升和能源結(jié)構(gòu)調(diào)整對碳減排的貢獻(xiàn),但由于市場主體行為變化引致的能源回彈效應(yīng),技術(shù)進(jìn)步對碳排放的影響呈現(xiàn)出促降與促增的雙重性[6]。同時,相關(guān)實證研究驗證了貿(mào)易開放、金融科技、環(huán)境規(guī)制具有顯著的碳減排效應(yīng)(蔡禮輝等,2020;胡金焱,張曉帆,2023;胡壯程,2022),而研發(fā)投入、經(jīng)濟(jì)集聚、清潔能源發(fā)展與碳排放之間呈現(xiàn)出較為復(fù)雜的非線性關(guān)系,對碳減排的作用在不同發(fā)展階段存在差異(林伯強,徐斌,2020;徐斌等,2019;邵帥等,2019)。隨著政策分析理論和工具日趨成熟,學(xué)者們借助雙重差分模型評估相關(guān)政策的碳減排效果,發(fā)現(xiàn)創(chuàng)新型城市試點政策[7]、智慧城市試點政策[8]、碳交易政策[9]、綠色財政政策[10]均能顯著降低碳排放水平。

新一輪科技革命和產(chǎn)業(yè)變革加速演進(jìn),數(shù)字經(jīng)濟(jì)的蓬勃興起受到學(xué)界持續(xù)關(guān)注。早期研究將數(shù)字經(jīng)濟(jì)定義為一種以數(shù)字方式呈現(xiàn)信息流的經(jīng)濟(jì)模式(Tapscott,1996)。隨著人類社會逐漸進(jìn)入以數(shù)字化為主要標(biāo)志的新階段,數(shù)字經(jīng)濟(jì)的內(nèi)涵不斷豐富?！丁笆奈濉睌?shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》明確提出,數(shù)字經(jīng)濟(jì)是以數(shù)據(jù)資源為關(guān)鍵要素、以現(xiàn)代信息網(wǎng)絡(luò)為主要載體,以信息通信技術(shù)融合應(yīng)用為重要推動力,促進(jìn)公平與效率更加統(tǒng)一的新經(jīng)濟(jì)形態(tài)。數(shù)字經(jīng)濟(jì)運行是互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、人工智能、機器學(xué)習(xí)等技術(shù)在生產(chǎn)、交換、分配和消費環(huán)節(jié)的應(yīng)用,這種新科技主導(dǎo)廠商投資經(jīng)營與政府宏觀調(diào)控的市場模式將改變?nèi)祟惤?jīng)濟(jì)選擇行為,提升社會資源配置效率,引發(fā)生產(chǎn)生活方式和產(chǎn)業(yè)生態(tài)變革[11]?；跀?shù)字經(jīng)濟(jì)運行的宏觀機理,數(shù)字經(jīng)濟(jì)發(fā)展的經(jīng)濟(jì)效應(yīng)是學(xué)界研究重點,已有研究證實了數(shù)字經(jīng)濟(jì)對產(chǎn)業(yè)結(jié)構(gòu)升級[12]、資源錯配改善[13]、生產(chǎn)效率提升(鐘世川,毛艷華,2023)以及區(qū)域創(chuàng)新績效[14]、產(chǎn)業(yè)創(chuàng)新效率[15]的正向促進(jìn)作用,并進(jìn)一步聚焦數(shù)字經(jīng)濟(jì)的環(huán)境效應(yīng)。

已有研究表明,數(shù)字經(jīng)濟(jì)發(fā)展不僅能夠顯著減少城市各類環(huán)境污染物的排放[16],而且通過擠出效應(yīng)壓縮高耗能、高排放產(chǎn)業(yè)的發(fā)展空間,倒逼產(chǎn)業(yè)結(jié)構(gòu)綠色轉(zhuǎn)型[17]。然而,數(shù)字技術(shù)的資源節(jié)約效應(yīng)能否超過數(shù)字設(shè)備運行及遠(yuǎn)程數(shù)據(jù)處理產(chǎn)生的環(huán)境足跡尚不可知,這使得數(shù)字技術(shù)對環(huán)境的長期影響難以預(yù)測[18]。例如,一些學(xué)者認(rèn)為信息通信技術(shù)的應(yīng)用雖然能夠提升能源效率,但也會進(jìn)一步擴大能源需求,引發(fā)電力消耗的快速增長[19]。數(shù)字技術(shù)與碳排放之間的關(guān)系由于能源回彈效應(yīng)而相對復(fù)雜多變[20]。類似地,也有實證研究表明,人工智能技術(shù)與碳排放之間呈倒U型關(guān)系,只有當(dāng)人工智能技術(shù)水平達(dá)到一定閾值后,其碳減排效應(yīng)才會逐漸凸顯[21]。

綜上,已有研究圍繞碳減排的驅(qū)動因素達(dá)成一定共識,揭示了數(shù)字經(jīng)濟(jì)發(fā)展對宏觀經(jīng)濟(jì)運行的重要作用,并開始關(guān)注數(shù)字經(jīng)濟(jì)對綠色發(fā)展的影響,這為本研究提供了豐富、深刻的洞見。雖然現(xiàn)有研究暗含數(shù)字技術(shù)能夠?qū)崿F(xiàn)環(huán)境效益的假設(shè),但多以互聯(lián)網(wǎng)或人工智能等數(shù)字技術(shù)的應(yīng)用為切入點,尚未有效闡明數(shù)字經(jīng)濟(jì)對碳減排的影響路徑及作用方向,圍繞數(shù)字經(jīng)濟(jì)碳減排機制的解讀與碳減排效應(yīng)識別的研究有待進(jìn)一步拓展。基于此,本文將數(shù)字經(jīng)濟(jì)引入碳排放影響因素的分析框架中,從理論和實證層面評估數(shù)字經(jīng)濟(jì)的碳減排作用,可能的邊際貢獻(xiàn)在于:①厘清“數(shù)字經(jīng)濟(jì)→綠色技術(shù)進(jìn)步→碳減排”的內(nèi)在機制,闡釋數(shù)字經(jīng)濟(jì)發(fā)展通過作用于碳排放變化的驅(qū)動因素進(jìn)而引致碳減排的路徑邏輯;②采用工具變量法,在克服內(nèi)生性的基礎(chǔ)上,識別數(shù)字經(jīng)濟(jì)發(fā)展與碳減排間的因果關(guān)系,結(jié)合傳導(dǎo)機制檢驗、調(diào)節(jié)作用檢驗和異質(zhì)性分析,為充分發(fā)揮數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)提供更為可靠穩(wěn)健的實證參考。

1 理論基礎(chǔ)與研究假設(shè)

1.1 數(shù)字經(jīng)濟(jì)運行與碳排放變化

數(shù)字經(jīng)濟(jì)運行是以大數(shù)據(jù)為基本分析要素、以互聯(lián)網(wǎng)為運作平臺、以人工智能為操作手段的市場運營模式,其最顯著的作用在于實現(xiàn)資源高效配置(何大安,2020)。一方面,數(shù)字經(jīng)濟(jì)的資源配置效應(yīng)不僅能夠提高生產(chǎn)部門的要素利用效率,降低生產(chǎn)過程對能源的依賴程度,而且通過替代淘汰高污染、高耗能產(chǎn)業(yè),帶動產(chǎn)業(yè)結(jié)構(gòu)由勞動、資本密集型向技術(shù)、數(shù)字密集型演進(jìn)升級,提高經(jīng)濟(jì)增長的低碳程度。同時,推動資本投入從以 “鐵公基”為代表的傳統(tǒng)基礎(chǔ)設(shè)施領(lǐng)域轉(zhuǎn)向科技含量高、市場化導(dǎo)向強的新型基礎(chǔ)設(shè)施領(lǐng)域,提高固定資產(chǎn)投資的低碳化程度(邵帥等,2022)。因此,數(shù)字經(jīng)濟(jì)運行通過降低能源強度、產(chǎn)出碳強度和投資碳強度減少碳排放。另一方面,數(shù)字經(jīng)濟(jì)規(guī)模增長能夠提高總產(chǎn)出水平,在經(jīng)濟(jì)增長還難以擺脫對化石能源消費依賴的條件下,產(chǎn)出規(guī)模擴張將引致更多能源消耗及相應(yīng)的碳排放,這意味著數(shù)字經(jīng)濟(jì)發(fā)展帶來的產(chǎn)出效應(yīng)會增加碳排放。綜上可知,數(shù)字經(jīng)濟(jì)對碳排放既發(fā)揮促降作用,又具有促增作用,二者的相對強弱決定數(shù)字經(jīng)濟(jì)發(fā)展能否產(chǎn)生碳減排效果。根據(jù)以上分析,本文提出如下假設(shè):

H1:若數(shù)字經(jīng)濟(jì)對碳排放的促降作用強于促增作用,則數(shù)字經(jīng)濟(jì)有利于碳減排,反之則不利于碳減排。

1.2 數(shù)字經(jīng)濟(jì)、綠色技術(shù)進(jìn)步與碳減排

綠色技術(shù)是指能夠降低生態(tài)環(huán)境負(fù)荷、提高資源利用效率的技術(shù)、工藝或產(chǎn)品的總稱。綠色技術(shù)進(jìn)步在投入端表現(xiàn)為綠色技術(shù)創(chuàng)新能力增強,在產(chǎn)出端表現(xiàn)為綠色全要素生產(chǎn)率提升。一方面,數(shù)字經(jīng)濟(jì)對綠色技術(shù)創(chuàng)新和綠色全要素生產(chǎn)率的積極影響已被現(xiàn)有文獻(xiàn)證實(王鋒正等,2021;周曉輝等,2021)。數(shù)字技術(shù)應(yīng)用促使綠色技術(shù)研發(fā)決策由經(jīng)驗驅(qū)動向數(shù)據(jù)驅(qū)動轉(zhuǎn)變,通過信息挖掘和需求預(yù)測,幫助企業(yè)判斷綠色技術(shù)創(chuàng)新方向、潛力和路徑。數(shù)字技術(shù)與傳統(tǒng)金融服務(wù)業(yè)態(tài)的深度融合,不僅可以降低獲得金融服務(wù)的門檻和成本,而且能夠?qū)Y金流向和利用情況進(jìn)行追蹤,弱化信息不對稱導(dǎo)致的逆向選擇和道德風(fēng)險,為綠色技術(shù)創(chuàng)新提供充足的金融資源和有效的融資渠道。同時,數(shù)字經(jīng)濟(jì)能夠突破時空限制,有利于研發(fā)主體之間加強合作交流和集體學(xué)習(xí),從而降低綠色技術(shù)研發(fā)風(fēng)險與沉沒成本,提高綠色技術(shù)創(chuàng)新效率。此外,數(shù)字經(jīng)濟(jì)具有高創(chuàng)新、強滲透、廣覆蓋的典型特征,通過降低搜尋匹配和交易成本、糾正要素配置扭曲、提高要素綠色價值創(chuàng)造能力、促進(jìn)關(guān)鍵共性技術(shù)迭代創(chuàng)新,作用于技術(shù)效率提升和前沿技術(shù)進(jìn)步,推動綠色全要素生產(chǎn)率提升。另一方面,技術(shù)進(jìn)步方向決定經(jīng)濟(jì)活動的環(huán)境結(jié)果,綠色技術(shù)進(jìn)步是解決環(huán)境問題的重要支撐( 陸旸,2012),通過控增量、壓存量推動碳減排。綠色技術(shù)廣泛運用于企業(yè)生產(chǎn)和居民生活,能夠助推先進(jìn)節(jié)能、清潔生產(chǎn)工藝替代老舊高耗能、高污染生產(chǎn)工藝,促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)綠色轉(zhuǎn)型和能源消費綠色升級,而能源領(lǐng)域的綠色技術(shù)進(jìn)步可以加快清潔能源、可再生能源、新能源的開發(fā)利用,有利于能源消費結(jié)構(gòu)的低碳化轉(zhuǎn)型,進(jìn)而從生產(chǎn)端和消費端減少資源能源消耗,降低供給側(cè)和需求側(cè)碳排放,實現(xiàn)源頭管控。此外,綠色技術(shù)進(jìn)步能夠有效控制脫碳成本,為二氧化碳捕集、利用和封存技術(shù)研發(fā)與應(yīng)用提供必要的技術(shù)支持,賦能碳減排的末端治理。根據(jù)以上分析,本文提出如下假設(shè):

H2:數(shù)字經(jīng)濟(jì)發(fā)展通過綠色技術(shù)創(chuàng)新效應(yīng)與綠色全要素生產(chǎn)率效應(yīng)產(chǎn)生綠色技術(shù)進(jìn)步進(jìn)而促進(jìn)碳減排。

2 研究設(shè)計

2.1 模型設(shè)定

為驗證數(shù)字經(jīng)濟(jì)能否促進(jìn)碳減排,本文構(gòu)建如下基準(zhǔn)模型:

(1)

式中,下標(biāo)i、t分別表示省份和年份,被解釋變量coc為地區(qū)二氧化碳排放量,核心解釋變量dig為地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平,Xit為控制變量集合;ui為地區(qū)固定效應(yīng),λt為時間固定效應(yīng),εit為隨機誤差項;θp為各控制變量的估計系數(shù),α1為數(shù)字經(jīng)濟(jì)對碳排放的影響系數(shù),若α1為負(fù)且通過顯著性檢驗,說明數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)顯著。

2.2 變量選取與說明

2.2.1 被解釋變量

二氧化碳排放量(coc)。利用MEIC模型平臺提供的碳排放數(shù)據(jù)[22],將碳排放量劃分為小于1億噸、1億噸～3億噸、3億噸～5億噸、5億噸～7億噸、大于7億噸5個層級,運用ArgGis軟件進(jìn)行可視化展示(見圖2)?？傮w而言,我國碳排放總量從2013年的96.94億噸上升至2021年的107.75億噸,年均增長率為1.23%,碳排放的層級變化并不明顯,約一半省份的碳排放量介于1億噸～3億噸之間。碳排放的空間分布呈“北高南低”特征,北方地區(qū)與南方地區(qū)碳排放量差值由2013年的10.26億噸攀升至2021年的14.62億噸,南北差距的馬太效應(yīng)有所加劇。

圖1 中國省際碳排放時空演化格局Fig.1 Spatial and temporal evolution of provincial CO2 emissions in China

圖2 2013—2021年各省數(shù)字經(jīng)濟(jì)指數(shù)均值Fig.2 Annual averages of provincial digital economy indices from 2013—2021

2.2.2 核心解釋變量

數(shù)字經(jīng)濟(jì)(dig)。借鑒現(xiàn)有研究[13-15],從數(shù)字基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)規(guī)模、數(shù)字生活應(yīng)用、數(shù)字生產(chǎn)應(yīng)用4個維度構(gòu)建數(shù)字經(jīng)濟(jì)綜合評價指標(biāo)體系(見表1)。在對各指標(biāo)進(jìn)行無量綱化處理的基礎(chǔ)上,利用熵值法賦權(quán),通過線性加權(quán)合成數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)以及4個維度的分項指數(shù),以衡量省域?qū)用娴臄?shù)字經(jīng)濟(jì)發(fā)展水平。如圖2所示,在全國范圍內(nèi),北京、廣東、上海、江蘇、浙江、福建等地的數(shù)字經(jīng)濟(jì)發(fā)展水平領(lǐng)先,與新疆、甘肅、云南、貴州、廣西等排名靠后的地區(qū)間呈現(xiàn)出明顯的數(shù)字鴻溝。南方地區(qū)以長三角和珠三角地區(qū)為代表,數(shù)字經(jīng)濟(jì)發(fā)展水平較高,北方地區(qū)除北京一枝獨秀外,與南方省份具有一定圈層差距,由此可見,我國數(shù)字經(jīng)濟(jì)發(fā)展過程中的南北分化態(tài)勢明顯。

表1 數(shù)字經(jīng)濟(jì)發(fā)展評價指標(biāo)體系Tab.1 Evaluation index system of digital economy development

2.2.3 控制變量

本文選取以下控制變量:①經(jīng)濟(jì)規(guī)模(gdp),以地區(qū)實際生產(chǎn)總值的對數(shù)值衡量;②投資水平(inv),以地區(qū)人均固定資產(chǎn)投資的對數(shù)值衡量;③產(chǎn)業(yè)結(jié)構(gòu)(ins),以第三產(chǎn)業(yè)與第二產(chǎn)業(yè)產(chǎn)值的比值衡量;④能源強度(ens),以地區(qū)能源消費總量與地區(qū)生產(chǎn)總值的比值衡量;⑤政府支持(gov),以地區(qū)財政節(jié)能環(huán)保支出占一般公共預(yù)算支出的比重衡量;⑥命令控制型環(huán)境規(guī)制(cer),借鑒鄧慧慧和楊露鑫(2018)的研究,以地方政府工作報告中碳減排相關(guān)詞匯(能耗、低碳、減排、二氧化碳)出現(xiàn)的詞頻表示;⑦市場激勵型環(huán)境規(guī)制(mer),借鑒董直慶和王輝(2021)的研究,以碳排放權(quán)交易試點的政策虛擬變量表示,若地區(qū)i在t時期是碳排放權(quán)交易試點省份,則取1,否則為0。

2.2.4 數(shù)據(jù)來源與描述性統(tǒng)計

考慮到數(shù)據(jù)統(tǒng)計口徑及數(shù)據(jù)的連續(xù)性與可得性,采用2013—2021年中國內(nèi)地30 個省份(西藏因數(shù)據(jù)缺失嚴(yán)重,未納入統(tǒng)計)面板數(shù)據(jù)進(jìn)行實證分析。碳排放數(shù)據(jù)來源于MEIC模型平臺(http://meicmodel.org.cn),數(shù)字普惠金融指數(shù)來自于數(shù)字金融開放研究平臺(https://www.dfor.org.cn/research/numberdata),其它經(jīng)濟(jì)數(shù)據(jù)來源于2014—2022年《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國信息產(chǎn)業(yè)年鑒》《中國能源統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》以及各省份統(tǒng)計年鑒、統(tǒng)計公報和政府工作報告。對現(xiàn)價統(tǒng)計的變量均平減至2013年基期水平,缺失數(shù)據(jù)采用插值法補全。表3 報告了主要變量的描述性統(tǒng)計特征。

表3 變量描述性統(tǒng)計結(jié)果Tab. 3 Descriptive statistics of variables

3 實證分析

3.1 基準(zhǔn)回歸結(jié)果

首先,利用雙向固定效應(yīng)模型(FE)進(jìn)行基準(zhǔn)回歸分析,由于模型在1%的顯著性水平下拒絕同方差、無一階組內(nèi)自相關(guān)、無同期相關(guān)的原假設(shè),采用“異方差—序列相關(guān)—截面相關(guān)”(DK)標(biāo)準(zhǔn)誤進(jìn)行估計,結(jié)果如表4所示。引入控制變量并控制省份和年份固定效應(yīng)后,在其它條件不變的情況下,dig每增加1個單位,coc將下降15.689個單位,此時數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)顯著?？刂谱兞恐?gdp、ens的估計系數(shù)顯著為正,inv、ins、gov、cer、mer的估計系數(shù)顯著為負(fù),說明經(jīng)濟(jì)規(guī)模擴張、能源強度提高會對碳排放產(chǎn)生促增作用,而投資水平提高、產(chǎn)業(yè)結(jié)構(gòu)升級、政府對節(jié)能環(huán)保的財政支持、命令控制型與市場激勵型環(huán)境規(guī)制工具的運用有助于降低碳排放。 其次,由于固定效應(yīng)模型下的均值回歸主要反映平均邊際效果,在不同條件分布下,數(shù)字經(jīng)濟(jì)對碳減排的影響可能存在差異,有必要進(jìn)行面板分位數(shù)回歸。結(jié)果顯示,dig的估計系數(shù)在25%、50%、75%的分位點上均顯著為負(fù),且負(fù)向影響強度隨分位點的上升而提高,說明數(shù)字經(jīng)濟(jì)的碳減排作用在碳排放水平較高的地區(qū)更加顯著。

表4 基準(zhǔn)回歸結(jié)果Tab.4 Results of benchmark regression

3.2 內(nèi)生性檢驗

考慮到上述檢驗可能無法妥善解決實證中因遺漏變量、反向因果關(guān)系引發(fā)的內(nèi)生性問題,本文采用工具變量(IV)進(jìn)行重新估計。參考黃群慧等(2019)的思路,選取每百人固定電話數(shù)量(tel)作為工具變量,因為互聯(lián)網(wǎng)走進(jìn)大眾視野是從電話線撥號接入開始的,固定電話普及率較高的地區(qū)互聯(lián)網(wǎng)滲透率可能更高,因而固定電話數(shù)量會影響互聯(lián)網(wǎng)的先期接入和后期普及,而數(shù)字經(jīng)濟(jì)發(fā)展高度依賴互聯(lián)網(wǎng)的普及和應(yīng)用。因此,該工具變量與數(shù)字經(jīng)濟(jì)之間存在相關(guān)性。同時,固定電話數(shù)量對碳排放沒有直接影響,且與模型中其它控制變量和隨機擾動項不相關(guān)。因此,工具變量選取合理。

利用兩階段最小二乘法(2SLS)估計的回歸結(jié)果如表5所示,IV估計系數(shù)在1%的水平上顯著為正,工具變量滿足正相關(guān)假設(shè)。同時,Kleibergen-Paap rk LM統(tǒng)計量拒絕不可識別原假設(shè),Kleibergen-Paap rk Wald F統(tǒng)計量、Cragg-Donald Wald F統(tǒng)計量通過弱工具變量檢驗,Anderson-Rubin Wald統(tǒng)計量拒絕內(nèi)生回歸系數(shù)之和等于零的原假設(shè),以上檢驗統(tǒng)計量證明工具變量有效。第二階段回歸結(jié)果顯示,dig的估計系數(shù)在1%的水平上顯著為負(fù),與基準(zhǔn)回歸結(jié)果一致。此外,由于在恰好識別情況下無法檢驗工具變量的外生性(陳強,2014),參考Conley等(2012)、牛冠朝和劉軍強(2021)的研究方法,利用近似于零方法( LTZ )開展近似外生IV下的穩(wěn)健推斷。結(jié)果顯示,dig的估計系數(shù)依然顯著為負(fù)。綜上,考慮內(nèi)生性問題后,數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)依然存在。

表5 工具變量估計結(jié)果Tab.5 Results of instrumental variable estimation

表6 穩(wěn)健性檢驗結(jié)果Tab.6 Results of robustness test

3.3 穩(wěn)健性檢驗

本文通過替換變量的方式進(jìn)行穩(wěn)健性檢驗。首先,考慮時間滯后效應(yīng),將核心解釋變量數(shù)字經(jīng)濟(jì)滯后兩期(L2.dig)并重新進(jìn)行估計。其次,參考梁琦(2021)、鄧榮榮和張翱祥(2022)的研究,將騰訊研究院編制的數(shù)字中國指數(shù)(digr)作為數(shù)字經(jīng)濟(jì)的代理變量。考慮數(shù)據(jù)可得性,采用2015—2018年中國158個地級市面板數(shù)據(jù)進(jìn)行固定效應(yīng)模型下的參數(shù)估計,而且自2019年起,國家層面有關(guān)數(shù)字經(jīng)濟(jì)的政策出臺頻率、密度和力度不斷提高,考察時間范圍的縮短也有利于排除政策等外部沖擊對研究結(jié)果產(chǎn)生的可能影響(李衛(wèi)兵,張凱霞,2019;孫傳旺等,2019)。結(jié)果顯示,替換后的解釋變量對原被解釋變量的估計系數(shù)均至少在10%的水平上顯著為負(fù),說明替換變量后并未改變本文核心結(jié)論,驗證了以上實證結(jié)果的穩(wěn)健性。

4 拓展分析

4.1 空間效應(yīng)檢驗

考慮到數(shù)字經(jīng)濟(jì)對碳排放的作用會受到地區(qū)空間因素影響,本文進(jìn)一步采用空間計量模型刻畫數(shù)字經(jīng)濟(jì)對碳排放影響的空間交互作用。表7匯報了地理距離矩陣與經(jīng)濟(jì)空間距離矩陣下空間計量模型的估計結(jié)果,其中,地理距離矩陣以省會城市間經(jīng)緯度距離平方的倒數(shù)度量,經(jīng)濟(jì)空間距離矩陣以2013—2021年地區(qū)間人均實際GDP年均值的絕對差值的倒數(shù)度量。根據(jù)經(jīng)典LM-Error、LM-Lag和穩(wěn)健LM-Error、LM-Lag檢驗結(jié)果,地理距離矩陣下選擇SAR模型進(jìn)行檢驗,經(jīng)濟(jì)空間距離矩陣下選擇SDM模型進(jìn)行檢驗。在兩種空間權(quán)重矩陣下,dig的估計系數(shù)均顯著為負(fù),數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)得到驗證。被解釋變量的空間滯后系數(shù)均顯著為正,說明碳排放存在顯著的正向空間溢出效應(yīng),即本地區(qū)碳排放水平降低能夠顯著抑制地理或經(jīng)濟(jì)關(guān)聯(lián)地區(qū)的碳排放。這可以歸因于區(qū)域競爭效應(yīng)和經(jīng)濟(jì)關(guān)聯(lián)效應(yīng):一方面,“雙碳”目標(biāo)下,我國將碳強度下降作為約束性指標(biāo)納入國民經(jīng)濟(jì)和社會發(fā)展規(guī)劃,引導(dǎo)各地區(qū)在低碳轉(zhuǎn)型過程中通過政府間的策略性互動形成節(jié)能減排的良性競爭關(guān)系;另一方面,碳減排過程伴隨著產(chǎn)業(yè)結(jié)構(gòu)綠色轉(zhuǎn)型,在市場機制作用下,通過地區(qū)間產(chǎn)業(yè)關(guān)聯(lián)傳導(dǎo)至經(jīng)濟(jì)關(guān)聯(lián)地區(qū),帶動經(jīng)濟(jì)增長方式的協(xié)同轉(zhuǎn)變。

表7 空間回歸結(jié)果Tab.7 Results of spatial regression

空間效應(yīng)下,數(shù)字經(jīng)濟(jì)發(fā)展不僅會對本地區(qū)碳排放產(chǎn)生直接影響,也會對空間關(guān)聯(lián)地區(qū)碳排放產(chǎn)生間接影響并通過循環(huán)反饋機制最終影響本地區(qū)碳排放。因此,本文將數(shù)字經(jīng)濟(jì)對碳排放的總效應(yīng)進(jìn)一步分解為直接效應(yīng)和間接效應(yīng),結(jié)果如表7所示。結(jié)果顯示,直接效應(yīng)、間接效應(yīng)均顯著為負(fù),說明數(shù)字經(jīng)濟(jì)發(fā)展對本地區(qū)及其它地區(qū)的碳排放均存在促降作用。具體而言,在地理距離矩陣下,dig的估計系數(shù)為-14.238,直接效應(yīng)為-14.716,計算得到的反饋效應(yīng)(直接效應(yīng)與估計系數(shù)之差)為-0.478,間接效應(yīng)為-5.625,總效應(yīng)為-20.341。也即,本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)每增加1個單位,將直接促使本地區(qū)碳排放下降約14個單位,并在空間溢出效應(yīng)下間接帶動其它地區(qū)碳排放下降約5個單位,通過循環(huán)反饋機制促使本地區(qū)碳排放下降約0.5個單位。由此可知,直接效應(yīng)占總效應(yīng)的比重顯著高于間接效應(yīng),意味著數(shù)字經(jīng)濟(jì)發(fā)展對本地區(qū)碳排放的直接促降作用強于對空間關(guān)聯(lián)地區(qū)碳排放的間接促降作用;空間反饋效應(yīng)雖然存在,但其占直接效應(yīng)的比重仍較低。

4.2 傳導(dǎo)機制檢驗

以上實證結(jié)果表明,數(shù)字經(jīng)濟(jì)對碳排放具有顯著促降作用。那么,數(shù)字經(jīng)濟(jì)發(fā)展通過何種途徑促進(jìn)碳減排?為此,借鑒鄧慧慧和楊露鑫(2019)的研究,本文構(gòu)建聯(lián)立方程模型,利用三階段最小二乘法(3SLS)進(jìn)行傳導(dǎo)機制檢驗,如式(2)(3)。

(2)

(3)

式中,Mit代表綠色技術(shù)進(jìn)步,以綠色技術(shù)創(chuàng)新能力(tei)和綠色全要素生產(chǎn)率(gtp)表征。綠色技術(shù)創(chuàng)新能力是綠色技術(shù)進(jìn)步水平的直接反映,以綠色發(fā)明專利授權(quán)數(shù)的對數(shù)度量,數(shù)據(jù)來源于國家知識產(chǎn)權(quán)專利檢索及分析系統(tǒng),按照WIPO國際專利綠色清單進(jìn)行匹配,得到上市企業(yè)綠色發(fā)明專利授權(quán)數(shù)據(jù),根據(jù)企業(yè)所在地匯總得到省域?qū)用婢G色發(fā)明專利授權(quán)數(shù)據(jù)。綠色全要素生產(chǎn)率能夠體現(xiàn)整體技術(shù)進(jìn)步的綠色偏向性程度,采用基于SBM方向性距離函數(shù)的GML指數(shù)度量,測算過程中,以全社會從業(yè)人員數(shù)、永續(xù)盤存法估算的物質(zhì)資本存量、折算為標(biāo)準(zhǔn)煤單位的能源消費總量作為投入要素,以實際地區(qū)生產(chǎn)總值作為期望產(chǎn)出,以工業(yè)廢水、二氧化硫和固體廢棄物排放量作為非期望產(chǎn)出?？刂谱兞拷MXit與前文設(shè)定相同,控制變量組Zit代表影響機制變量的其它因素,包括研發(fā)投入強度(R&D經(jīng)費內(nèi)部支出占GDP的比重)、外貿(mào)依存度(進(jìn)出口總額占GDP的比重)、外資依存度(外商直接投資額占GDP的比重)、科技支出(科學(xué)技術(shù)支出占一般公共預(yù)算支出的比重)、人力資本結(jié)構(gòu)高級化、命令控制型和市場激勵型環(huán)境規(guī)制,借鑒劉智勇等(2018)的研究,采用向量夾角法測算人力資本結(jié)構(gòu)高級化指數(shù),環(huán)境規(guī)制變量與前文設(shè)定相同。

由表8可知,dig的估計系數(shù)顯著為正,說明數(shù)字經(jīng)濟(jì)發(fā)展能夠提升綠色技術(shù)創(chuàng)新能力和綠色全要素生產(chǎn)率;tei、gtp的估計系數(shù)均顯著為負(fù),說明綠色技術(shù)創(chuàng)新能力和綠色全要素生產(chǎn)率提高對抑制碳排放具有顯著效果,這意味著綠色技術(shù)進(jìn)步對碳減排表現(xiàn)出較為穩(wěn)健的技術(shù)紅利。以上結(jié)果驗證了H2。綠色技術(shù)進(jìn)步一方面表現(xiàn)為綠色創(chuàng)新能力提升帶來的能源利用成本下降和能源利用效率提高,另一方面表現(xiàn)為綠色生產(chǎn)效率提升帶來的單位GDP能耗下降和可持續(xù)發(fā)展能力提高。數(shù)字經(jīng)濟(jì)通過綠色技術(shù)創(chuàng)新效應(yīng)和綠色生產(chǎn)率效應(yīng)促進(jìn)綠色技術(shù)進(jìn)步,可以有效轉(zhuǎn)化為綠色生產(chǎn)力,大幅降低生產(chǎn)、分配、流通、消費各環(huán)節(jié)對有形資源的依賴,推動經(jīng)濟(jì)增長方式從不可持續(xù)的資源高度依賴型轉(zhuǎn)向持續(xù)迭代的技術(shù)進(jìn)步型。這正符合不以犧牲經(jīng)濟(jì)增長速度為代價,實現(xiàn)碳減排約束下的高質(zhì)量發(fā)展理念。

表8 機制檢驗結(jié)果Tab. 8 Results of mechanism test

4.3 調(diào)節(jié)作用檢驗

傳導(dǎo)機制檢驗表明,數(shù)字經(jīng)濟(jì)發(fā)展通過促進(jìn)綠色技術(shù)進(jìn)步有效推動碳減排。綠色技術(shù)進(jìn)步的實現(xiàn)依賴于要素市場發(fā)育,要素比較優(yōu)勢和市場化程度將直接影響綠色技術(shù)研發(fā)、擴散和應(yīng)用。為此,本文將要素稟賦結(jié)構(gòu)和技術(shù)成果市場化作為衡量要素市場發(fā)育程度的主要指標(biāo),分析其對數(shù)字經(jīng)濟(jì)發(fā)展促進(jìn)碳減排的調(diào)節(jié)作用。在式(1)基礎(chǔ)上納入核心解釋變量與調(diào)節(jié)變量的交互項,如式(4)。

(4)

式中,Dit代表要素稟賦結(jié)構(gòu)(klr)和技術(shù)成果市場化(mar)兩個調(diào)節(jié)變量,分別用物質(zhì)資本存量和技術(shù)市場成交額占GDP的比重表示。

如表9所示,交互項dig×klr、dig×mar的估計系數(shù)在5%的水平上均顯著為負(fù),說明稟賦結(jié)構(gòu)升級和技術(shù)成果市場化程度提高能夠顯著強化數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)。2020年中國數(shù)字經(jīng)濟(jì)增加值占GDP的比重達(dá)到38.6%,農(nóng)業(yè)、工業(yè)、服務(wù)業(yè)數(shù)字經(jīng)濟(jì)滲透率分別為8.9%、21.0%、40.7%。伴隨數(shù)字經(jīng)濟(jì)規(guī)模不斷擴張、貢獻(xiàn)持續(xù)增大,投資結(jié)構(gòu)發(fā)生深刻變革,傳統(tǒng)基礎(chǔ)設(shè)施投資部分轉(zhuǎn)向新型基礎(chǔ)設(shè)施投資。這種資本投入偏向性的轉(zhuǎn)換,促使物質(zhì)資本更新不再以單純滿足擴大生產(chǎn)規(guī)?；蛱嵘厣a(chǎn)率為目的,而是以數(shù)字技術(shù)和節(jié)能減排技術(shù)的研發(fā)與應(yīng)用為導(dǎo)向,從而提高投資活動的綠色程度,緩解傳統(tǒng)領(lǐng)域重復(fù)投資引致的產(chǎn)能過剩與能源消費增加。技術(shù)成果市場化程度提高有利于加快科技創(chuàng)新成果向經(jīng)濟(jì)效益轉(zhuǎn)化,激發(fā)數(shù)字技術(shù)創(chuàng)新活力。因此,在資本密集程度和技術(shù)成果轉(zhuǎn)化率較高的地區(qū),數(shù)字經(jīng)濟(jì)發(fā)展對碳排放的促降作用更為顯著。

表9 調(diào)節(jié)作用檢驗結(jié)果Tab. 9 Results of moderating effect

4.4 異質(zhì)性分析

4.4.1 地區(qū)異質(zhì)性

本文從區(qū)域和城市兩個層面進(jìn)行地區(qū)異質(zhì)性檢驗,分樣本估計結(jié)果如表10所示。在區(qū)域?qū)用?通過比較dig的估計系數(shù)發(fā)現(xiàn),數(shù)字經(jīng)濟(jì)對北方地區(qū)的碳減排作用明顯強于南方地區(qū)。原因可能在于,北方地區(qū)重工業(yè)和資源型產(chǎn)業(yè)占比相對較高,數(shù)字經(jīng)濟(jì)發(fā)展在倒逼落后產(chǎn)業(yè)轉(zhuǎn)型、推動產(chǎn)業(yè)結(jié)構(gòu)升級過程中,也會減少對化石能源的需求與消費,減排效果更加顯著。從城市層面看,在城市群內(nèi)部,數(shù)字經(jīng)濟(jì)對碳排放具有顯著促降作用;在非城市群地區(qū),數(shù)字經(jīng)濟(jì)對碳排放無顯著影響。由于虹吸效應(yīng)的存在,優(yōu)質(zhì)資源在市場機制作用下向具有效率優(yōu)勢和空間優(yōu)勢的城市群高度集聚,導(dǎo)致非城市群地區(qū)人流、物流、資本流和信息流等要素積累欠佳,數(shù)字經(jīng)濟(jì)發(fā)展相對滯后,數(shù)字技術(shù)應(yīng)用不足且與實體經(jīng)濟(jì)融合不深,碳減排潛力有待釋放。

表10 地區(qū)異質(zhì)性檢驗結(jié)果Tab. 10 Results of regional heterogeneity test

4.4.2 作用因素異質(zhì)性

為考察數(shù)字經(jīng)濟(jì)構(gòu)成因素對碳排放的異質(zhì)性影響,將核心解釋變量替換為數(shù)字基礎(chǔ)設(shè)施(dig1)、數(shù)字產(chǎn)業(yè)規(guī)模(dig2)、數(shù)字生產(chǎn)應(yīng)用(dig3)和數(shù)字生活應(yīng)用(dig4)4個分項指數(shù)及其滯后項,結(jié)果如表11所示。結(jié)果顯示,當(dāng)期及滯后兩期的dig2、dig3、dig4對碳排放均具有顯著負(fù)向影響,但當(dāng)期及滯后兩期的dig1估計系數(shù)并不顯著。進(jìn)一步對比發(fā)現(xiàn),當(dāng)期及滯后兩期的dig3、dig4估計系數(shù)均高于dig2,說明數(shù)字生產(chǎn)應(yīng)用和數(shù)字生活應(yīng)用的碳減排效果更為顯著。以上結(jié)果表明,數(shù)字經(jīng)濟(jì)具有結(jié)構(gòu)性減排效果,單純完善數(shù)字基礎(chǔ)設(shè)施并不能降低碳排放,持久發(fā)揮數(shù)字經(jīng)濟(jì)減排作用的關(guān)鍵在于以數(shù)字產(chǎn)業(yè)化為支撐,加速推進(jìn)數(shù)字化應(yīng)用,驅(qū)動生產(chǎn)生活方式綠色轉(zhuǎn)型。

表11 作用因素異質(zhì)性檢驗結(jié)果Tab. 11 Results of heterogeneity test of influencing factors

5 研究結(jié)論與政策啟示

5.1 研究結(jié)論

本文以數(shù)字經(jīng)濟(jì)運行的資源配置效應(yīng)為切入點,從綠色技術(shù)進(jìn)步視角闡釋數(shù)字經(jīng)濟(jì)發(fā)展促進(jìn)碳減排的理論機制,并基于中國省級和城市面板數(shù)據(jù),運用固定效應(yīng)模型、面板分位數(shù)回歸模型、空間計量模型和聯(lián)立方程模型,就數(shù)字經(jīng)濟(jì)對碳排放的影響進(jìn)行多維度實證檢驗。研究發(fā)現(xiàn):第一,數(shù)字經(jīng)濟(jì)發(fā)展對碳排放具有顯著促降作用,該結(jié)論經(jīng)過一系列穩(wěn)健性檢驗后仍然成立。第二,在地理距離矩陣和經(jīng)濟(jì)空間距離矩陣下,數(shù)字經(jīng)濟(jì)的跨界減排效應(yīng)顯著存在,數(shù)字經(jīng)濟(jì)不僅對空間關(guān)聯(lián)地區(qū)的碳排放發(fā)揮負(fù)向空間溢出效應(yīng),而且通過循環(huán)反饋機制降低本地區(qū)碳排放水平。第三,機制檢驗顯示,綠色技術(shù)創(chuàng)新能力和綠色全要素生產(chǎn)率表征的綠色技術(shù)進(jìn)步表現(xiàn)出技術(shù)紅利效應(yīng),成為數(shù)字經(jīng)濟(jì)發(fā)展推動碳減排的重要途徑。第四,在要素市場發(fā)育調(diào)節(jié)下,稟賦結(jié)構(gòu)優(yōu)化和技術(shù)成果市場化水平提高有助于強化數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)。第五,異質(zhì)性分析表明,數(shù)字經(jīng)濟(jì)對北方地區(qū)的碳減排作用顯著強于南方地區(qū),但相較于非城市群地區(qū),其減排效應(yīng)僅在城市群內(nèi)部顯著;數(shù)字經(jīng)濟(jì)具有結(jié)構(gòu)性減排效果,單純優(yōu)化升級數(shù)字基礎(chǔ)設(shè)施并不能有效推動碳減排,而數(shù)字產(chǎn)業(yè)化發(fā)展尤其是生產(chǎn)生活數(shù)字化轉(zhuǎn)型是促進(jìn)碳排放持久下降的動力來源。

5.2 政策啟示

本文研究結(jié)論可為加快推進(jìn)數(shù)字化轉(zhuǎn)型賦能低碳發(fā)展提供政策啟示:首先,推動數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展,強化資源配置功能。一方面,在擴大數(shù)字基礎(chǔ)設(shè)施規(guī)模的同時,更要注重數(shù)字經(jīng)濟(jì)發(fā)展的質(zhì)量和效益,培育先進(jìn)數(shù)字產(chǎn)業(yè)集群,促進(jìn)數(shù)字技術(shù)向經(jīng)濟(jì)社會和產(chǎn)業(yè)發(fā)展各領(lǐng)域廣泛深入滲透,謹(jǐn)防規(guī)模至上的粗放式推進(jìn);另一方面,充分釋放數(shù)據(jù)要素價值,加強數(shù)據(jù)要素的高質(zhì)量供給和市場化流通,推動數(shù)據(jù)技術(shù)產(chǎn)品、應(yīng)用范式、商業(yè)模式和體制機制協(xié)同創(chuàng)新,以數(shù)據(jù)流促進(jìn)研發(fā)、生產(chǎn)、流通、服務(wù)、消費全價值鏈高效貫通。其次,建立地區(qū)協(xié)作機制,形成數(shù)字減排的區(qū)域合力。鑒于我國省域碳排放具有正向空間依賴性,并且數(shù)字經(jīng)濟(jì)對碳排放存在負(fù)向空間溢出效應(yīng),構(gòu)建低碳發(fā)展區(qū)域共同體勢在必行。充分發(fā)揮不同區(qū)域優(yōu)勢,將中西部地區(qū)的成本優(yōu)勢、資源優(yōu)勢與東部地區(qū)的技術(shù)、市場和產(chǎn)業(yè)優(yōu)勢相結(jié)合,健全區(qū)域間優(yōu)勢互補、協(xié)同發(fā)展的長效機制,彌合數(shù)字鴻溝,形成數(shù)字經(jīng)濟(jì)協(xié)調(diào)發(fā)展的區(qū)域格局;推動區(qū)域間“雙碳”行動方案的深度對接,加強政策設(shè)計和實施的溝通協(xié)調(diào),鼓勵跨區(qū)域企業(yè)形成綠色聯(lián)盟,促進(jìn)技術(shù)擴散,強化示范效應(yīng),共享低碳發(fā)展經(jīng)驗。最后,賦能綠色技術(shù)進(jìn)步,激勵市場主體開展綠色技術(shù)研發(fā)。深化物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、區(qū)塊鏈等數(shù)字技術(shù)在節(jié)能環(huán)保、清潔能源領(lǐng)域的融合應(yīng)用,強化技術(shù)進(jìn)步的綠色偏向,通過專項基金、稅收減免、政策補貼等激勵方式,為綠色技術(shù)研發(fā)和推廣提供資金支持;加大對綠色技術(shù)產(chǎn)品的采購力度、綠色技術(shù)應(yīng)用場景的投入力度、技術(shù)交易服務(wù)體系的建設(shè)力度,通過差異化的消費稅政策對居民綠色消費行為加以引導(dǎo),擴大節(jié)能低碳產(chǎn)品市場份額。