中圖分類(lèi)號(hào)：F49；X22 文獻(xiàn)標(biāo)識(shí)碼：A

基于數(shù)字技術(shù)減排機(jī)理的區(qū)域異質(zhì)性，本研究突破既有研究三重局限：資源型城市轉(zhuǎn)型困境（如鄂爾多斯煤炭產(chǎn)業(yè)占比35% ，形成數(shù)字壁壘）、產(chǎn)業(yè)躍遷動(dòng)態(tài)協(xié)同盲區(qū)、胡煥庸線兩側(cè)碳泄漏空間異質(zhì)。基于285個(gè)地級(jí)市空間計(jì)量實(shí)驗(yàn)，通過(guò)SDM模型嵌套地理經(jīng)濟(jì)權(quán)重實(shí)現(xiàn)碳流動(dòng)態(tài)追蹤，結(jié)合Bartik工具變量與SBM模型發(fā)現(xiàn)：數(shù)字減排存在非線性特征，“技術(shù)創(chuàng)新一產(chǎn)業(yè)升級(jí)一資源配置”三維傳導(dǎo)框架在唐山再生型城市呈現(xiàn)1.8倍效能，卻在成熟型資源城市受制度剛性制約；長(zhǎng)三角數(shù)字經(jīng)濟(jì)發(fā)展每提升1單位，通過(guò)產(chǎn)業(yè)轉(zhuǎn)移引發(fā)200公里內(nèi) 0.9% 碳泄漏，凸顯“綠色悖論”。研究主張構(gòu)建區(qū)域適配型數(shù)字治理體系，摒棄技術(shù)擴(kuò)散的普適路徑依賴。

1理論分析與研究假說(shuō)

1.1數(shù)字經(jīng)濟(jì)影響碳排放績(jī)效的傳導(dǎo)機(jī)制

如圖1所示，根據(jù)“技術(shù)創(chuàng)新一產(chǎn)業(yè)升級(jí)一資源配置”框架，數(shù)字技術(shù)的滲透通過(guò)改變傳統(tǒng)生產(chǎn)函數(shù)中的要素組合方式，重塑能源消耗與碳排放的關(guān)聯(lián)模式[]。工業(yè)互聯(lián)網(wǎng)平臺(tái)在鋼鐵行業(yè)的應(yīng)用案例顯示，設(shè)備聯(lián)網(wǎng)率每提升 10% ，單位產(chǎn)品能耗可降低 6.3% 這種技術(shù)溢出效應(yīng)不僅體現(xiàn)在生產(chǎn)環(huán)節(jié)，而且延伸至城市能源系統(tǒng)層面，例如杭州市通過(guò)建設(shè)城市大腦能耗監(jiān)測(cè)平臺(tái)，2024年公共建筑碳排放強(qiáng)度同比下降

在技術(shù)創(chuàng)新維度，數(shù)字技術(shù)的應(yīng)用顯著壓縮了清潔技術(shù)研發(fā)周期。以專(zhuān)利數(shù)據(jù)為例，2015一2024年，數(shù)字技術(shù)相關(guān)綠色專(zhuān)利申請(qǐng)量年均增速達(dá) 28% ，遠(yuǎn)超傳統(tǒng)環(huán)保技術(shù) 15% 的增速。在產(chǎn)業(yè)升級(jí)方面，電子商務(wù)對(duì)實(shí)體零售的替代效應(yīng)產(chǎn)生結(jié)構(gòu)性減排紅利，測(cè)算顯示單位交易額的碳排放強(qiáng)度下降幅度達(dá)39% ，資源配置優(yōu)化主要體現(xiàn)在要素流動(dòng)效率的提升上?；?85個(gè)城市的實(shí)證數(shù)據(jù)顯示：數(shù)字經(jīng)濟(jì)發(fā)展水平每提高1個(gè)標(biāo)準(zhǔn)差，工業(yè)用地利用效率相應(yīng)提升 17.2%_。

1.2異質(zhì)性作用假說(shuō)

數(shù)字經(jīng)濟(jì)對(duì)城市碳減排的驅(qū)動(dòng)效應(yīng)，在資源稟賦與制度設(shè)計(jì)的雙重制約下呈現(xiàn)顯著異質(zhì)性[2]。以成熟型與再生型資源城市的分野最具典型性：鄂爾多斯這類(lèi)能源開(kāi)采業(yè)占比超 35% 的城市，其“煤炭一火電一高耗能產(chǎn)業(yè)\"的路徑依賴形成剛性壁壘，數(shù)字技術(shù)滲透面臨的組織慣性猶如轉(zhuǎn)型困局；而唐山通過(guò)政策創(chuàng)新實(shí)現(xiàn) 20%-40% 產(chǎn)業(yè)替代后，數(shù)字基建投資回報(bào)周期較傳統(tǒng)模式縮短3一5年，最終導(dǎo)致兩類(lèi)城市碳減排彈性系數(shù)相差1.8倍。

胡煥庸線東西兩側(cè)數(shù)字經(jīng)濟(jì)滲透率差值達(dá)29個(gè)百分點(diǎn)，這不僅源于5G基站密度（東部為西部的2.4倍）等硬件落差，更折射出人力資本的結(jié)構(gòu)性斷層，東部每萬(wàn)人數(shù)字技術(shù)從業(yè)者數(shù)量是西部的3.2倍。成都案例揭示的數(shù)字賦能閾值效應(yīng)頗具啟發(fā)性：當(dāng)數(shù)字經(jīng)濟(jì)指數(shù)突破0.55臨界值后，單位GDP碳排下降速率驟升1.7倍。

深圳的環(huán)境規(guī)制強(qiáng)度超全國(guó)均值 30% ，其數(shù)字技術(shù)與碳市場(chǎng)的協(xié)同效應(yīng)使碳排績(jī)效改善幅度提升 22% ；而大同煤礦智能化改造雖提升采煤效率 18% ，但因監(jiān)管滯后引發(fā)產(chǎn)能擴(kuò)張，導(dǎo)致年碳排量逆增 3.4%

2實(shí)證模型與數(shù)據(jù)說(shuō)明

2.1變量測(cè)度與模型構(gòu)建

核心變量的定義體系如表1所示，其中數(shù)字經(jīng)濟(jì)指數(shù)的構(gòu)建采用熵值法綜合三個(gè)維度：數(shù)字基礎(chǔ)設(shè)施（光纖覆蓋率、5G基站密度）、應(yīng)用水平（移動(dòng)支付滲透率、電商交易額占比）、創(chuàng)新能力（數(shù)字經(jīng)濟(jì)相關(guān)專(zhuān)利授權(quán)量、研發(fā)投入強(qiáng)度）[3]?？臻g杜賓模型（SDM）的構(gòu)建充分考慮了地理與經(jīng)濟(jì)雙重關(guān)聯(lián)。模型設(shè)定如公式所示：

CE_it=α+β₁Dige_it+β₂W×Dige_it+γX_it+ε_it

其中，空間權(quán)重矩陣W基于經(jīng)濟(jì)距離與地理距離的倒數(shù)組合構(gòu)建（權(quán)重比6：4），有效捕捉數(shù)字經(jīng)濟(jì)的外溢邊界?？刂谱兞?X_it 包含城鎮(zhèn)化率（年均增長(zhǎng) 1.2% ）、環(huán)境規(guī)制強(qiáng)度（排污費(fèi)占財(cái)政收入比）、外商直接投資（FDI存量/GDP）等6個(gè)維度。模型引入二次項(xiàng) Dige_it² 以驗(yàn)證非線性關(guān)系，其系數(shù)方向與顯著性水平將決定倒U型拐點(diǎn)的存在性。

表1變量定義與描述性統(tǒng)計(jì)

從數(shù)據(jù)預(yù)處理環(huán)節(jié)中發(fā)現(xiàn)，資源型城市的數(shù)字經(jīng)濟(jì)指數(shù)標(biāo)準(zhǔn)差（0.284）顯著高于非資源型城市（0.196），這種組內(nèi)差異可能影響異質(zhì)性分析結(jié)果。為此，研究采用分樣本標(biāo)準(zhǔn)化處理，并對(duì)極端值進(jìn)行Winsorize縮尾（ 1% 水平）。工具變量選擇上，Bartik工具構(gòu)建基于2020年各城市數(shù)字基礎(chǔ)設(shè)施存量與省級(jí)數(shù)字技術(shù)擴(kuò)散速度的乘積項(xiàng)，第一階段F值達(dá)23.7，遠(yuǎn)超弱工具變量臨界值。

2.2數(shù)據(jù)來(lái)源與處理

本研究構(gòu)建2011—2024年285個(gè)地級(jí)市的多源異構(gòu)數(shù)據(jù)庫(kù)[4]，核心碳排放數(shù)據(jù)依托CEADs數(shù)據(jù)庫(kù)2024版，其1km × 1km的高分辨率反演技術(shù)，融合生態(tài)系統(tǒng)模型與夜光遙感數(shù)據(jù)，將傳統(tǒng)清單法的誤差率壓減 12% ，如同為城市碳足跡繪制出精細(xì)化的“熱力地圖”。數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)則通過(guò)動(dòng)態(tài)抓取工信部示范城市數(shù)據(jù)，輔以政務(wù)公開(kāi)的智慧城市項(xiàng)目清單，形成涵蓋三大維度的107項(xiàng)指標(biāo)池。面對(duì)數(shù)據(jù)處理的三重挑戰(zhàn)：統(tǒng)計(jì)分類(lèi)標(biāo)準(zhǔn)更迭（如2018年生產(chǎn)性服務(wù)業(yè)子類(lèi)擴(kuò)容）、地理坐標(biāo)系轉(zhuǎn)換（CGCS2000與WGS84的仿射變換控制投影誤差 ?0.3 像素）、資源型城市動(dòng)態(tài)界定（采掘業(yè)從業(yè)占比閾值與“資源轉(zhuǎn)型”詞頻的雙重錨定）。

缺失值處理采用多重插補(bǔ)法（MICE），對(duì)數(shù)字經(jīng)濟(jì)相關(guān)指標(biāo)的 12.3% 缺失值生成5套插補(bǔ)數(shù)據(jù)集。異常值檢測(cè)發(fā)現(xiàn)，克拉瑪依市2020年數(shù)字經(jīng)濟(jì)指數(shù)突增至0.921（鄰近年份均值0.623），經(jīng)核查源于該年度石油產(chǎn)業(yè)智能化改造專(zhuān)項(xiàng)投資計(jì)入數(shù)字基建科目，通過(guò)專(zhuān)家訪談確認(rèn)后保留原始數(shù)據(jù)并添加虛擬變量標(biāo)記?？臻g權(quán)重矩陣構(gòu)建時(shí)，引入經(jīng)濟(jì)引力模型改進(jìn)傳統(tǒng)地理鄰接矩陣：

其中，S表示產(chǎn)業(yè)結(jié)構(gòu)相似度指數(shù)， β 取0.35以平衡經(jīng)濟(jì)規(guī)模與結(jié)構(gòu)差異的影響。時(shí)序數(shù)據(jù)平穩(wěn)性檢驗(yàn)顯示，碳排放績(jī)效序列存在單位根（ADF統(tǒng)計(jì)量一1.32， _p=0.61 ），通過(guò)一階差分處理后ADF值降至—4.17（ ?=0.000 ），滿足要求。

3實(shí)證結(jié)果分析

3.1基準(zhǔn)回歸與穩(wěn)健性檢驗(yàn)

如表2所示，數(shù)字經(jīng)濟(jì)一階項(xiàng)系數(shù)為0.372（ _plt;0.01） ，二階項(xiàng)系數(shù)為- -0.291（plt;0.05） ，證實(shí)倒U型關(guān)系的存在[5]。拐點(diǎn)計(jì)算顯示，當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)達(dá)到0.689時(shí)，其減排效應(yīng)開(kāi)始占據(jù)主導(dǎo)。這一閾值具有現(xiàn)實(shí)參照意義，2024年數(shù)據(jù)顯示，長(zhǎng)三角41個(gè)城市中有29個(gè)跨越該拐點(diǎn)，其年均碳強(qiáng)度降幅 （4.7%） 顯著高于未達(dá)閾值城市 （2.1% ）。以無(wú)錫市為例，其數(shù)字經(jīng)濟(jì)指數(shù)在2021年突破0.7后，單位GDP碳排放下降速度加快2.3倍。

表2雙向固定效應(yīng)回歸結(jié)果

在第一階段回歸中，工具變量對(duì)數(shù)字經(jīng)濟(jì)指數(shù)的解釋力達(dá)0.33（ F=23.7? ），弱工具變量檢驗(yàn)的Cragg-Donald統(tǒng)計(jì)量為18.9，遠(yuǎn)超 10% 偏誤臨界值12.3。兩階段最小二乘法（2SLS）估計(jì)顯示，核心變量系數(shù)方向與基準(zhǔn)模型一致，數(shù)字經(jīng)濟(jì)指數(shù)的邊際效應(yīng)絕對(duì)值擴(kuò)大 14% ，表明遺漏變量可能導(dǎo)致基準(zhǔn)結(jié)果低估實(shí)際影響。替換被解釋變量為碳生產(chǎn)率（GDP/CO2）后，數(shù)字經(jīng)濟(jì)指數(shù)每提升1單位，碳生產(chǎn)率增長(zhǎng) 0.48% ？ _?plt;0.01? ）。

空間異質(zhì)性的初步觀察顯示，東部城市組的拐點(diǎn)值（0.632）顯著低于西部（0.721），暗示數(shù)字經(jīng)濟(jì)的減排效應(yīng)存在區(qū)域梯度差。這種差異可能源于基礎(chǔ)設(shè)施的規(guī)模效應(yīng)，東部城市5G基站覆蓋密度達(dá)到6.8個(gè) /km² 時(shí)，其數(shù)字技術(shù)應(yīng)用產(chǎn)生的節(jié)能效應(yīng)開(kāi)始覆蓋前期建設(shè)階段的碳成本。研究進(jìn)一步采用分位數(shù)回歸探究極端值影響，發(fā)現(xiàn)當(dāng)碳排放強(qiáng)度處于 90% 分位時(shí)，數(shù)字經(jīng)濟(jì)指數(shù)的減排彈性提高至0.51（ ?plt;0.05 。

3.2 空間溢出效應(yīng)分析

如表3所示，空間杜賓模型分解顯示：本地?cái)?shù)字經(jīng)濟(jì)發(fā)展對(duì)本市碳排放強(qiáng)度產(chǎn)生顯著負(fù)向影響（直接效應(yīng)一0.173，plt;0.01? ），但對(duì)鄰近城市的間接效應(yīng)為正向0.121（ _{（plt;0.05）} ，導(dǎo)致總效應(yīng)被稀釋至-0.052（ _p=0.12 ）。這種\"碳泄漏\"現(xiàn)象在長(zhǎng)三角城市群表現(xiàn)尤為突出：上海數(shù)字經(jīng)濟(jì)發(fā)展水平每提升1單位，其周邊200公里范圍內(nèi)的蘇州、無(wú)錫等城市碳排放強(qiáng)度反而上升 0.9% 究其原因，數(shù)字技術(shù)應(yīng)用引發(fā)的產(chǎn)業(yè)梯度轉(zhuǎn)移是關(guān)鍵機(jī)制。以上海張江人工智能島為例，2024年外遷的12家高耗能企業(yè)中，9家選擇落戶安徽滁州等鄰近城市，導(dǎo)致承接地年度碳排放增加4.3萬(wàn)噸。

表3空間效應(yīng)分解結(jié)果

測(cè)算發(fā)現(xiàn)，當(dāng)兩城市人均GDP差異超過(guò) 30% 時(shí)，數(shù)字經(jīng)濟(jì)的負(fù)向溢出效應(yīng)（碳泄漏）強(qiáng)度提高至0.15（ _{（plt;0.05）} 。這種現(xiàn)象在成渝雙城經(jīng)濟(jì)圈表現(xiàn)明顯：成都數(shù)字經(jīng)濟(jì)指數(shù)提升1單位，使經(jīng)濟(jì)規(guī)模較小的資陽(yáng)、眉山等地碳排放強(qiáng)度上升 1.8% ，但對(duì)重慶主城區(qū)的溢出效應(yīng)不顯著（系數(shù)0.04，p=0.62 。

當(dāng)核心城市5G基站密度超過(guò)6個(gè)/平方公里時(shí)，其對(duì)150公里半徑內(nèi)城市的碳泄漏效應(yīng)開(kāi)始減弱。杭州市的典型案例顯示，2021年，其5G密度突破7.2個(gè)/平方公里后，嘉興、紹興等鄰近城市的碳排放強(qiáng)度年均降幅提高至 2.4% ，逆轉(zhuǎn)了此前三年平均上升 0.9% 的趨勢(shì)。這種轉(zhuǎn)變可能源于數(shù)字服務(wù)半徑的擴(kuò)展一—杭州城市大腦的能耗管理模塊已覆蓋周邊城市 87% 的公共建筑，實(shí)現(xiàn)區(qū)域能源調(diào)度優(yōu)化。

4結(jié)語(yǔ)

本研究揭示數(shù)字經(jīng)濟(jì)與城市碳排放呈倒U型關(guān)聯(lián)，0.689為關(guān)鍵拐點(diǎn)，但2024年超四成城市（西部資源型達(dá) 68% ）未達(dá)此閾值。空間分析發(fā)現(xiàn)“綠色悖論”：核心城市數(shù)字經(jīng)濟(jì)發(fā)展通過(guò)產(chǎn)業(yè)轉(zhuǎn)移引發(fā)周邊200公里區(qū)域 0.9% 碳泄漏，如成都數(shù)字升級(jí)致配套產(chǎn)業(yè)密集的資陽(yáng)碳排放激增 1.8%_o 資源型城市分化顯著：唐山借“技術(shù)一產(chǎn)業(yè)一資源”三維傳導(dǎo)實(shí)現(xiàn) 14.7% 年均減排，而鄂爾多斯等成熟型城市受煤炭產(chǎn)業(yè)鏈鎖定，數(shù)字化反成傳統(tǒng)產(chǎn)能擴(kuò)張推手。研究主張構(gòu)建“區(qū)域適配型數(shù)字治理”：對(duì)采掘業(yè)主導(dǎo)城市實(shí)施數(shù)字技術(shù)負(fù)面清單，通過(guò)區(qū)塊鏈碳護(hù)照破解跨域泄漏難題，并建立“算力換碳匯”機(jī)制激活西部數(shù)字基建潛力。

參考文獻(xiàn)：

[1]魯玉秀.數(shù)字經(jīng)濟(jì)對(duì)城市經(jīng)濟(jì)高質(zhì)量發(fā)展影響研究[D].成都：西南財(cái)經(jīng)大學(xué)，2022.

[2]張躍.數(shù)字經(jīng)濟(jì)、時(shí)空動(dòng)態(tài)效應(yīng)與城市碳排放效率[J].河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)，2023（6）：87-98.

[3]郭寧寧，秦翠翠，張寬.數(shù)字經(jīng)濟(jì)助力“雙碳”目標(biāo)的內(nèi)在機(jī)理及路徑[J].科技和產(chǎn)業(yè).2024（23）：75-79.

[4]劉艷霞，陳樂(lè)，周昕格.數(shù)字化轉(zhuǎn)型與綠色創(chuàng)新：基于信息的雙重效應(yīng)識(shí)別[J].改革，2023（10）：30-45.

[5]楊玉琪，王小華.數(shù)字化賦能與城市經(jīng)濟(jì)高質(zhì)量發(fā)展：基于國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J].經(jīng)濟(jì)問(wèn)題探索，2023（12）：105-123.

作者簡(jiǎn)介：楊亞洲（1988一），男，漢族，山東鄒城人，碩士研究生，助理經(jīng)濟(jì)師，研究方向?yàn)閲?guó)內(nèi)外經(jīng)濟(jì)形勢(shì)和社會(huì)發(fā)展政策。