中圖分類號 F49；F061.5 文獻標志碼A 文章編號1002-2104（2025）06-0016-11

DOI：10.12062/cpre.20250135

第28屆聯(lián)合國氣候變化大會指出，實現(xiàn)凈零排放目標的關鍵在于能源轉型，并呼呼各國立足本國國情實施公正、有序和公平的能源轉型。然而，當前全球碳排放不平等現(xiàn)象依然突出，高收入國家人均碳排放量遠超低收入國家，而低收入國家往往承擔了更多氣候變化后果[1]。在同一國家不同地區(qū)或行業(yè)也存在碳排放不平等問題。碳排放不平等表現(xiàn)為不同地區(qū)或經濟部門在碳排放量、受氣候變化影響程度等方面的不均衡現(xiàn)象。以中國碳核算數據庫（CarbonEmissionAccountsamp;Datasets，CEADs）計算的城市碳排放量數據為例，2019年碳排放量排名前五的省份占全國碳排放總量的 36.65% ，而排名后十位省份僅占13.10% ，區(qū)域間碳減排壓力過度失衡成為中國低碳轉型面臨的重大挑戰(zhàn)①。緩解碳排放不平等是助力實現(xiàn)碳中和目標，保障各群體公平享有秩序、整潔以及可持續(xù)環(huán)境的自由和免受氣候變化帶來的危害的重要手段。

數字經濟的高滲透性為緩解碳排放不平等提供了新契機?！吨腥A人民共和國國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》明確提出，促進數字技術與實體經濟深度融合，賦能傳統(tǒng)產業(yè)轉型升級。數字經濟正成為推動中國能源產業(yè)低碳轉型以及實現(xiàn)碳達峰碳中和目標的重要抓手[2]。數字技術的泛生性、普惠性、滲透性等特征，能夠降低企業(yè)碳減排成本3，強化高碳城市的后發(fā)優(yōu)勢，促進綠色資本、高技能勞動力等要素在高碳城市集聚，使得高碳城市以低碳要素在行業(yè)或部門間的優(yōu)化再配置來提升低碳技術創(chuàng)新水平[4-5]和技術進步的靶向性，從而縮小高碳城市與低碳城市的碳排放強度差距。由此可見，數字經濟是影響碳排放不平等的重要因素，其中數字經濟發(fā)展所推動的技術進步對緩解碳排放不平等有著關鍵作用，尤其是數字經濟的要素再配置效應，通過重構區(qū)域要素比較優(yōu)勢，進而改變技術進步的偏向性特征。偏向性技術進步是指技術進步偏向于某一要素或特征時會獲得更大的邊際報酬，是一種誘導性技術變革[6-7]。其主要作用途徑如下：一方面，數字經濟發(fā)展可以改變要素相對供給規(guī)模和價格，使技術進步偏向于使用或節(jié)約某類要素，表現(xiàn)出要素偏向特征，這為不同要素稟賦城市或行業(yè)通過確定適宜的技術進步方向來提高碳減排效果提供了依據8。另一方面，企業(yè)可以借助數字技術精準干預生產流程，引導創(chuàng)新資源流向有利于實現(xiàn)協(xié)同降碳的技術進步領域（如節(jié)能、減排等），使技術進步表現(xiàn)出環(huán)境偏向特征9。鑒于此，本研究將深入探討數字經濟發(fā)展是否能夠緩解碳排放不平等，以及其背后的作用機制。

1文獻綜述

1.1 碳排放不平等的影響因素

現(xiàn)有研究針對碳排放不平等的概念及其影響因素展開研究，認為碳排放不平等是環(huán)境不平等概念的延伸。環(huán)境不平等是指不同社會群體不成比例地受到環(huán)境危害的影響；碳排放不平等是指國家、地區(qū)和個人無法平等地使用、享受氣候系統(tǒng)資源，同時不公平地分擔了穩(wěn)定氣候系統(tǒng)的義務和成本[1]。圍繞碳排放不平等的影響因素研究主要涉及以下3支文獻。

第一支文獻分析了收人水平如何影響碳排放不平等。Duro等研究發(fā)現(xiàn)，人均二氧化碳排放量的區(qū)域不平等主要歸因于人均收入水平的不平等。大部分國家最高收入群體的碳排放量是最低收入群體的4倍左右，但在有些國家該差距達到了13.3倍[12]，加劇碳排放不平等的主要因素是收入的非均衡增長[13]。第二支文獻認為消費模式差異加劇了碳排放不平等。家庭消費是增加碳排放量的重要來源，隨著生活水平提高，家庭能源消耗的比重將持續(xù)上升[14]。但由于消費模式差異，家庭碳足跡的分布并不均勻，高收人群體具有較高邊際消費和碳排放量[15]。此外，生產活動產生的二氧化碳排放來自不同類型的能源消耗部門，能源消費類型差異尤其是化石能源消費差異會加劇碳排放不平等[16]。第三支文獻從數字化視角研究了碳排放不平等問題。區(qū)域間能源結構、綠色全要素生產率和綠色技術水平差異，形成了要素跨區(qū)域流動的客觀條件，而智慧交通發(fā)展和數字技術創(chuàng)新則加速了區(qū)域間要素流通速度，逐漸成為維護能源正義和緩解碳排放不平等的重要手段[17-18]，但目前該類研究較少，這為本研究深人探討數字經濟如何緩解碳排放不平等留下了空間。

1.2數字經濟發(fā)展的碳減排效應和偏向性技術進步效應

關于數字經濟與碳排放不平等關系研究的文獻較少，現(xiàn)有研究主要分析了數字經濟發(fā)展的環(huán)境效應尤其是碳減排效應： ① 數字經濟具有的信息傳播、數據共享等要素配置優(yōu)勢，可以提高要素流通效率并簡化交易流程，從而減少相關主體生產經營過程中的能源消耗。同時，數字媒體宣傳平臺可以增加消費者對綠色環(huán)保產品的偏好和需求，迫使企業(yè)生產資源向綠色環(huán)保產品生產領域傾斜，達到減污與降碳目的[19-20]。 ② 數字經濟通過人工智能、大數據、物聯(lián)網等新技術不斷推進經濟一體化，強化信息化競爭和產品競爭，進而縮短產品創(chuàng)新生命周期，利用更高頻率的技術革新持續(xù)推進全要素生產率提升[21]。此外，數字經濟發(fā)展對綠色產品質量提出了更高要求，不斷催生可再生能源技術和低碳技術的研發(fā)與應用，從而加快清潔能源對化石能源的替代，促進高碳排放產業(yè)逐漸向綠色、環(huán)保產業(yè)轉型[22]。 ③ 數字化發(fā)展可以加快大數據平臺的構建和應用，提高環(huán)境政策信息發(fā)布和傳播速度，以及地方政府對污染性企業(yè)的監(jiān)管力度，達到減污降碳效果[23]。

企業(yè)數字化轉型會影響勞動、資本、能源等要素的相對價格和投入結構，進而影響偏向性技術進步： ① 數字化轉型會提高企業(yè)技能型勞動需求和工人工資水平[24]，催生技術進步偏向。數字化轉型促使企業(yè)強化現(xiàn)代信息技術應用，推動高技能勞動力對低技能勞動力的替代，優(yōu)化企業(yè)人力資本結構，提高人力資本（尤其是高技能人力資本）密集度，進而促進技能偏向性技術進步和產品升級[25-26]。 ② 數字化轉型會改變企業(yè)資本結構，影響資本配置。數字化的不斷發(fā)展使得信息通信技術（informationandcommunicationstechnology，ICT）產品相對價格下降，通過替代效應影響要素投入，實現(xiàn)ICT對其他資本的替代，從而提高企業(yè)全要素生產率和技術創(chuàng)新能力[27]。③ 技術變革能夠實現(xiàn)能源節(jié)約。企業(yè)數字化轉型所應用的信息技術可以顯著提高能源配置效率，提高能源要素投入產出比[28]，同時助力企業(yè)進行精益生產，降低全生命周期的綜合能耗，推動全產業(yè)鏈綠色低碳轉型[29]。

1.3 文獻述評與邊際貢獻

綜上所述，現(xiàn)有研究雖在相關領域形成了諸多成果，但鮮有研究從偏向性技術進步視角，探討數字經濟與碳排放不平等的關系： ① 鮮有研究在同一理論框架下分析數字經濟如何通過偏向性技術進步影響碳排放不平等，忽視了數字經濟發(fā)展對區(qū)域內要素比較優(yōu)勢變化以及不同碳排放強度城市碳減排的差異化影響[23.30]。 ② 相關文獻在分析數字經濟影響碳減排的機制路徑時，較少考慮不同要素類型及單一要素內部結構下偏向性技術進步的重要作用[28.31-32]。 ③ 較少有文獻綜合比較數字經濟對不同生產環(huán)節(jié)中節(jié)能偏向性和減排偏向性技術進步的作用差異[26-27]。為了彌補上述研究的不足，本研究基于創(chuàng)新要素流動促進偏向性技術進步的理論框架，厘清數字經濟與碳排放不平等的內在關系。本研究可能的邊際貢獻體現(xiàn)在3個方面： ① 將數字經濟作為緩解碳排放不平等的新路徑，闡釋其緩解城市間碳排放不平等的內在機理，完善和補充數字經濟與碳排放不平等研究的解釋邏輯。 ② 基于要素間和要素內部結構調整，厘清數字經濟發(fā)展條件下不同類型偏向性技術的選擇機制，凝練出基于要素稟賦優(yōu)勢的低碳發(fā)展理論框架，從要素偏向性技術進步視角演繹數字經濟發(fā)展緩解城市間碳排放不平等的作用機制。 ③ 基于生產流程差異，將環(huán)境偏向性技術進步分為節(jié)能偏向性與減排偏向性技術進步，進一步識別數字經濟發(fā)展緩解城市碳排放不平等過程中環(huán)境偏向性技術進步的方向差異。

2 理論分析

數字經濟發(fā)展緩解碳排放不平等的關鍵是促進低碳城市持續(xù)轉型的同時，加快推動高碳城市碳減排，進而縮小城市間碳排放差距。數字經濟與實體經濟深度融合促進了數字技術的推廣應用。但是，相對于低碳城市而言，高碳城市具有較高的能源消耗強度、偏重工業(yè)的產業(yè)結構、高碳化的能源結構、較大的綠色技術需求缺口等典型特征[36-37]，一直以來都是碳減排的主陣地[35]，這為數字經濟助力碳減排提供了更多應用場景，也為緩解城市間碳排放不平等提供了可能。數字經濟發(fā)展可以從多個方面緩解碳排放不平等： ① 數字經濟發(fā)展可以加快改造、升級高碳城市碳減排企業(yè)的內部業(yè)務流程與生產方式[33]，實現(xiàn)二氧化碳的資源化處理，改善企業(yè)能耗模式，并通過推進減排偏向性技術進步和生產工藝優(yōu)化來減少碳排放。② 當面對較大的碳減排壓力時，相對于低碳城市而言，高碳城市的地方政府和企業(yè)更有動機借助數字技術對碳排放進行實時監(jiān)測，以精準干預降碳流程，引導資源要素流向節(jié)能技術、減排技術等碳減排關鍵技術領域，驅動能源消耗量和碳排放量隨技術進步而降低[22]。 ③ 數字經濟發(fā)展創(chuàng)造的新業(yè)態(tài)（虛擬電廠、電動汽車靈活充電等）可以加快引導高碳城市能源結構和產業(yè)結構低碳轉型，強化高碳城市的清潔能源消費，降低區(qū)域內企業(yè)對傳統(tǒng)能源的依賴，通過結構效應達到降碳目標[34]。由此可見，相對于低碳城市而言，數字經濟可以加快推動高碳城市碳減排，緩解城市間碳排放不平等問題，且技術進步在此進程中具有重要作用。

數字經濟發(fā)展所推動的技術進步是高碳城市碳減排的重要驅動力。創(chuàng)新理論和內生增長理論認為，研發(fā)與創(chuàng)新活動所形成的技術進步是經濟增長的內生因素，這些活動發(fā)揮的“創(chuàng)造性破壞”作用推動了技術進步和經濟高質量增長。創(chuàng)新活動的有效性依賴于創(chuàng)新要素的高效配置，而以大數據、云計算、人工智能和區(qū)塊鏈為代表的數字技術的推廣和應用，匯聚了大量的資本、高技能勞動、現(xiàn)代化技術等創(chuàng)新要素，為技術進步提供了基礎支撐。數字經濟發(fā)展還強化了數字技術的滲透性，使生產要素和生產關系逐漸數字化，有效降低技術進步的搜索成本、要素配置成本、復制成本和驗證成本等，推動清潔技術研發(fā)與應用的關鍵資源整合優(yōu)化，提高各城市尤其是高碳城市具有比較優(yōu)勢的要素在技術進步中貢獻度，進而強化技術進步的要素偏向性，激發(fā)高碳城市碳減排的技術優(yōu)勢。

數字經濟發(fā)展會通過影響不同類型的偏向性技術進步來緩解碳排放不平等。第一，數字經濟發(fā)展可以改變要素相對供給規(guī)模和價格，使技術進步偏向于使用或節(jié)約某類要素，從而對其他要素形成替代，使技術進步表現(xiàn)出要素偏向特征8。數字技術的推廣和應用對勞動力技能水平提出了更高要求，提高了勞動力尤其是技能型勞動力的需求和工資水平，促使高技能勞動力逐漸替代低技能勞動力，進而優(yōu)化企業(yè)人力資本結構并提高高技能人力資本密集度，推動技能偏向性技術進步和碳減排。而由于高碳城市低碳技術進步空間和數字經濟發(fā)展空間大，根據邊際報酬遞減規(guī)律，此時數字經濟發(fā)展對勞動尤其是技能勞動偏向性技術進步的邊際效應更高，這與發(fā)展中國家技術追趕發(fā)達國家的情形具有相似性。第二，源頭防治和末端治理是高碳企業(yè)實現(xiàn)碳減排的兩個抓手，但末端治理難以解決能源資源利用效率低、要素投入產出比不高等問題，而源頭防治在提高要素利用效率的同時，可以推動能源結構低碳轉型，改變以煤炭等化石能源為主的傳統(tǒng)能源結構。在碳達峰碳中和目標約束下，高碳城市迫切需要探尋更有效的降碳工具加快碳減排進程，因此，數字技術的要素配置優(yōu)勢可能會引導生產要素流向最有利于技術進步和減排的生產環(huán)節(jié)，即引導生產要素流向節(jié)能端。此外，二氧化碳和大氣污染物具有同根同源同過程的特點[39]，源頭防治能從根本上推動減污降碳協(xié)同治理，為城市帶來更大的環(huán)境效益，有效緩解高碳城市的減排壓力。

基于以上理論分析，提出研究假設H1、H2。

H1：數字經濟發(fā)展能夠緩解碳排放不平等。

H2：數字經濟發(fā)展可以加快推動高碳城市勞動偏向性特別是技能勞動偏向性技術進步，并促使環(huán)境偏向性技術進步更多表現(xiàn)出節(jié)能偏向，進而更好緩解城市間碳排放不平等問題。

3 數據與方法

3.1變量選擇

（1）被解釋變量：碳排放不平等 （I） 。碳排放不平等是區(qū)域間發(fā)展水平、要素稟賦等差異所導致的碳排放量差異，這主要是由產業(yè)轉移尤其是工業(yè)部門在各區(qū)域的非均衡分布導致的。變異系數、基尼系數和泰爾指數等是衡量不平等程度的主要方法。變異系數用于衡量不同構成部分的平均水平與總體水平的差異，而基尼系數側重于度量總體不平等水平，強調每個維度不均等程度在全體不均等程度中所占的比重，但這兩種方法的測算結果存在不確定性、不全面性和不可比性等缺點。泰爾指數能夠進行無殘差的可加性分解，將區(qū)域間的總體差異分解為組內差異和組間差異兩部分，從而為觀察和揭示組內差異和組間差異各自的變動方向、變動幅度以及各自在總差異中的重要性與貢獻率提供了可能。本研究參考Theil的測算方法[40]，使用Theil指數衡量碳排放不平等（I） 。具體測算公式如下：

式中： p_i 表示城市 i 人口占全國總人口的比重， c_i 表示城市 i 人均二氧化碳排放量，c是全國二氧化碳排放量的平均值。泰爾指數越小，表明城市間碳排放不平等程度越小。整體來看，中國碳排放不平等水平呈現(xiàn)出先上升后下降的趨勢，2016年以來的碳排放不平等水平有明顯下降，這在一定程度上說明中國各城市尤其是高碳排放城市的碳減排取得了良好效果。

（2）解釋變量：數字經濟 （D） 。數字經濟是重構經濟發(fā)展與治理模式的新型經濟形態(tài)，以數字化的知識和信息為關鍵生產要素，以數字技術和現(xiàn)代信息網絡為驅動力和載體，通過數字技術與實體經濟深度融合來提高經濟社會的數字化和智能化水平。本研究利用數字經濟指數來刻畫數字經濟發(fā)展水平。本研究構建的數字經濟評價指標體系，包括以下5個指標：電信業(yè)務收入、信息傳輸計算機服務和軟件業(yè)從業(yè)人員、互聯(lián)網寬帶接入用戶數、移動電話用戶數、數字普惠金融指數。其中，數字普惠金融指數數據來自北京大學數字金融研究中心，其他數據來自《中國城市統(tǒng)計年鑒》Wind資訊數據庫和各地級市統(tǒng)計局網站?；陟貦郥OPSIS模型，計算樣本值與最大值和最小值之間的距離，得到評價目標與最優(yōu)方案的接近程度，即數字經濟發(fā)展水平。整體來看，北京、天津、上海、江蘇、浙江等地區(qū)的數字經濟發(fā)展水平較高，成為拉動區(qū)域經濟增長的重要力量；從數字經濟發(fā)展水平的增長速度來看，貴州、四川、江西、山西等地區(qū)的增長速度較快，超過全國平均水平。

（3）控制變量。參考Bianco等[16]和Dong等[17]的變量選擇標準，選取以下控制變量：以工業(yè)用電量來衡量數字技術應用空間（A），工業(yè)是數字技術應用的重點行業(yè)，也是碳排放和碳減排的主體，工業(yè)規(guī)模越大，數字技術的應用空間也就越大。以第三產業(yè)就業(yè)人員數量占全部就業(yè)人員數量的比重來衡量產業(yè)結構（S），現(xiàn)階段該比重上升，則產業(yè)發(fā)展的環(huán)境損害將下降。建成區(qū)綠化覆蓋率 （N） 越高，城市固碳能力越強，生態(tài)環(huán)境質量也越好。以綠色實用新型專利申請量占實用新型專利申請總量的比重來衡量綠色技術創(chuàng)新 （G） ，綠色技術創(chuàng)新是促進碳減排的核心手段，也是諸多城市強化追趕效應的主要抓手。以教育支出占財政支出的比重來衡量人力資本投入 （H） ，人力資本投入有助于推動能源結構低碳轉型，加速企業(yè)技術升級和改造步伐，提高碳減排效率。以制造業(yè)從業(yè)人員數量來衡量制造業(yè)規(guī)模 （M） ，制造業(yè)是碳排放的主要來源，制造業(yè)規(guī)模越大，該城市面臨的減排壓力也越大。

3.2 模型構建

為識別數字經濟能否強化高碳城市碳減排的比較優(yōu)勢，檢驗數字經濟對碳排放不平等的影響，建立如下雙向固定效應模型：

I_it=α₀+α₁lnD_it+α₂B_it+μ_i+φ_t+ε_it

式中： α₀ 為截距項， α₁ 為解釋變量的回歸系數。 B 表示控制變量的集合， α₂ 為控制變量的回歸系數。 μ_i 為城市固定效應， φ_t 為年份固定效應， ε_it 為隨機擾動項。 i 為城市，t為時間， _，I 是以泰爾指數來衡量的碳排放不平等， D 是以數字經濟指數來衡量的數字經濟發(fā)展水平。

3.3數據來源與描述性統(tǒng)計

本研究利用2011—2019年中國278個地級及以上城市面板數據，研究數字經濟發(fā)展對碳排放不平等的影響。其中，各城市二氧化碳排放量數據來自CEADs數據庫，控制變量指標測算數據來自《中國城市統(tǒng)計年鑒》和Wind資訊數據庫。數字經濟指數數據來自北京大學數字金融研究中心、《中國城市統(tǒng)計年鑒》等。變量的描述性統(tǒng)計結果見表1。

表1描述性統(tǒng)計結果

4 回歸結果分析

4.1基準回歸和收斂性分析

表2列（1）為在計量模型中僅加入年份固定效應和控制變量的回歸結果，列（2）為進一步控制城市固定效應后的回歸結果。研究發(fā)現(xiàn)，數字經濟發(fā)展能夠顯著緩解碳排放不平等，回歸系數為-0.020，且在 1% 的水平上通過顯著性檢驗。由此可見，數字經濟發(fā)展在促進各城市碳減排的同時，強化了高碳城市碳減排的比較優(yōu)勢，加速了高碳城市綠色技術、高技能勞動力等要素集聚，進而帶來更高的技術進步率和邊際減排效應。同時，數字經濟的發(fā)展擴大了數字技術在碳減排領域的應用場景，有助于加快推進高碳城市生產方式低碳化與信息化協(xié)同41]，改進生產工藝流程，進一步提高降碳設備運轉效率和生產管理精準度。從而使得高碳城市相對于低碳城市而言擁有更為完善的產業(yè)數字生態(tài)和碳減排的數字化應用場景，為縮小城市間碳排放差距提供了有效支撐。

表2基準回歸和收斂性分析的回歸結果

注： ^**Plt;0.05，^***Plt;0.01 ；括號內數值為標準誤。

有學者認為數字經濟本身具有高碳特征，部分數字經濟產業(yè)是“碳排放大戶\"[42-43]。因此，城市間碳排放差距縮小的可能原因之一是低碳城市發(fā)展數字經濟產業(yè)導致碳排放量更快增長，進而縮小了城市間碳排放不平等。例如，ICT的發(fā)展需要大量能源投入，在產業(yè)發(fā)展的同時造成了大量的能源資源消耗和碳排放。根據國際綠色和平組織預測，到2030年ICT行業(yè)全球耗電量可較2022年增長 61% ，達到約3.2萬億 kW?h ；若不加以控制，到2040年，全球ICT行業(yè)的溫室氣體排放量占排放總量的比重可能從2007年的 1%～1.6% 增長到 14% 以上[44]。由此可見，相對于高碳城市而言，若低碳城市的ICT行業(yè)發(fā)展更為迅速，則城市間碳排放差距仍然可能會縮小。

那么，城市間碳排放不平等緩解究竟是高碳城市碳減排的追趕效應還是低碳城市加速碳排放導致的？為了回答這一問題，本研究利用 β 收斂模型中的條件收斂模型，在加入控制變量的情況下，考察數字經濟發(fā)展能否使高碳城市擁有更高的碳減排速度。在條件收斂模型中，根據模型性質可知數字經濟發(fā)展水平的回歸系數如果是負值，則說明數字經濟發(fā)展可以使高碳城市有更高的碳減排速度。由表2列（3）可知，將碳排放量的相對增長 作為被解釋變量的衡量指標時，數字經濟的回歸系數為-0.025，且在 5% 的水平上顯著。由此可見，相對于低碳城市而言，數字經濟發(fā)展可以使高碳城市擁有更高的碳減排速度，進而顯著縮小城市間碳排放差距。該結果驗證了前文分析結論。

4.2 機制檢驗 偏向性技術進步

數字經濟如何更快推動高碳城市碳減排，進而緩解城市間碳排放不平等？技術進步尤其是要素比較優(yōu)勢下的偏向性技術進步是重要的傳導機制，也是破解經濟增長和碳減排內在矛盾的動力源泉[45]。偏向性技術進步是技術進步的一種類型，鑒于已有大量研究驗證了技術進步對碳減排的積極效應，本研究借鑒江艇4的分析思路，不再檢驗偏向性技術進步與高碳、低碳城市碳減排的關系，而是分別從城市層面與企業(yè)層面，研究不同類型城市數字經濟發(fā)展對要素偏向性技術進步和環(huán)境偏向性技術進步的影響，進而驗證數字經濟能否通過促進偏向性技術進步來緩解碳排放不平等。如果數字經濟可以對高碳城市偏向性技術進步產生更顯著的積極效應，則可以推斷偏向性技術進步是數字經濟發(fā)展緩解碳排放不平等的重要機制。

4.2.1要素偏向性技術進步機制

要素偏向性技術進步是在要素投入比不變的條件下，引起使某一生產要素的相對邊際產出增加的技術變革[6.8]，即技術進步偏向于邊際產出增加更多的生產要素。勞動偏向性和技能勞動偏向性技術進步是要素偏向性技術進步的重要組成部分，前者強調要素間的結構調整（如勞動、資本、能源等），后者則強調要素內部的結構調整（高技能勞動、低技能勞動等）。

本研究借鑒Weber等47的測算方法，將資本 （K） 勞動 （L） 和能源 （E） 作為投入要素，國內生產總值作為期望產出，二氧化碳和污染物排放量作為非期望產出?；贛almquist投入偏向生產率指數，將TFP變化分解為總技術效率變化和技術變化，為進一步區(qū)分中性技術進步和偏向性技術進步，技術變化可以被分解為產出偏向技術變化、投入偏向技術變化 （C） 和技術規(guī)模變化。其中， c 指數用于度量偏向性技術進步?；谝乇壤?_t+1 期和 Φ_t 期的變化，根據 C 與1的大小的不同組合來判別技術進步的要素偏向，具體見表3。例如，當 （x₂/x₁）^t+1lt; （x₂/x₁）^t 時， Cgt;1 表示技術進步偏向要素 x₁ ；反之， Clt;1 表示技術進步偏向要素 x₂ ；當 C=1 時，表示技術進步是中性的。為了直觀觀察兩種要素替代造成的技術進步偏向性，本研究基于不變替代彈性生產函數，利用單方程模型測算了勞動偏向性技術進步，檢驗數字經濟對高碳和低碳城市勞動偏向性技術進步的影響差異。表4列（1）—列（2）是將勞動要素和能源要素的邊際產出進行比較得到的勞動偏向性技術進步作為被解釋變量時的回歸結果，列（3）一列（4）則是將勞動要素和資本要素的邊際產出進行比較得到的勞動偏向性技術進步作為被解釋變量時的回歸結果。綜合來看，數字經濟發(fā)展能夠更好地促進高碳城市的勞動偏向性技術進步，數字經濟對高碳城市勞動偏向性技術進步的影響系數分別為1.513和1.518，均在 1% 的水平上顯著，而低碳城市樣本中數字經濟的回歸系數并不顯著。

表3要素偏向性技術進步的判斷標準

此外，本研究進一步探討勞動要素內部結構調整引致的技能勞動偏向性技術進步的傳導效果。隨著中國技術創(chuàng)新能力提升及其與發(fā)達國家創(chuàng)新差距持續(xù)縮小，技術創(chuàng)新模式逐漸由引進模仿轉向自主研發(fā)，創(chuàng)新投入由資本要素轉向勞動要素[48]。數字經濟是部分城市經濟“彎道超車”的新賽道，數字經濟競爭激發(fā)了技術進步對勞動要素尤其是高技能勞動的需求，促使諸多城市注重培養(yǎng)和引進高技能勞動并推動人才集聚，強化了技術進步的技能勞動偏向性。與此同時，數字經濟發(fā)展促進了現(xiàn)代信息技術的應用，進一步提高了城市內部的技能勞動需求和工資水平[24，使得高技能勞動逐漸對低技能勞動形成替代，城市和企業(yè)人力資本結構不斷升級，從而提升了技能勞動在技術進步中的貢獻度和邊際產出，推動技能勞動偏向性技術進步。在此，以上市公司數據為例，將勞動要素區(qū)分為高技能和低技能勞動，并基于上述要素偏向性技術進步測算方法，計算得到各個上市公司的技能勞動偏向性技術進步水平，用以檢驗技能勞動偏向性技術進步的傳導效應。表4列（5數字經濟的回歸系數為0.206，表明數字經濟發(fā)展可以顯著促進技能勞動偏向性技術進步。該結果豐富了高碳城市依靠要素偏向性技術進步來加速碳減排并縮小與低碳城市碳排放差距的解釋邏輯。

4.2.4環(huán)境偏向性技術進步機制

環(huán)境偏向性技術進步是指通過改變要素之間的邊際替代率，對環(huán)境要素的邊際產出產生非對稱性影響，從而使技術進步表現(xiàn)出環(huán)境偏向特征。本質上來看，這種技術進步是一種能夠實現(xiàn)節(jié)能減排的技術形態(tài)，主要包括節(jié)能偏向性和減排偏向性技術進步兩種類型。節(jié)能偏向性技術進步意味著期望產出保持不變或增加而能耗減少。減排偏向性技術進步意味著在同等要素投入下，期望產出增加，非期望產出減少。節(jié)能偏向性和減排偏向性技術進步的測算有其特殊性，大部分行業(yè)企業(yè)的碳排放、污染物排放和能源消費數據難以獲取，因此，本研究以上市企業(yè)中的電力企業(yè)為樣本，采用Malmquist指數進行測算得到節(jié)能和減排偏向性技術進步水平。投入要素包括企業(yè)員工數量、裝機容量和能源消耗量，期望產出為發(fā)電量，鑒于減污和降碳的同根同源特征，非期望產出為二氧化碳排放量、工業(yè)廢水、工業(yè)二氧化硫和工業(yè)固體廢棄物排放量。為了便于比較，本研究最終以節(jié)能偏向性技術進步水平與減排偏向性技術進步水平的比值來刻畫技術進步的環(huán)境偏向性，將其作為被解釋變量的測度指標。比值越大，說明技術進步的節(jié)能偏向性越強。在此，將樣本企業(yè)劃分為高碳企業(yè)和低碳企業(yè)，并分別賦值為1和0，生成關于碳屬性特征的新變量W，并建立環(huán)境偏向性技術進步對碳屬性特征和數字經濟交互項的雙向固定效應模型，識別相對于低碳企業(yè)而言，數字化轉型能否加快推動高碳企業(yè)環(huán)境偏向性技術進步。表5列（1）一列（2）是將二氧化碳和工業(yè)二氧化硫兩種主要排放物作為非期望產出時的回歸結果。列（3）一列（4）是將二氧化碳、工業(yè)廢水、工業(yè)二氧化硫和工業(yè)固體廢棄物作為非期望產出時的回歸結果。在控制各類固定效應后發(fā)現(xiàn)，交互項的回歸系數為0.108和0.103，且分別在 5% 和 10% 的水平上顯著。由此可見，相對于低碳企業(yè)而言，高碳企業(yè)數字化轉型更能夠推動環(huán)境偏向性技術進步特別是節(jié)能偏向性技術進步。原因在于大部分高碳排放企業(yè)碳減排的主要手段是成本和技術復雜度相對較低的節(jié)能改造，即源頭降碳，而碳捕集利用與封存技術等受成本等因素限制缺乏大規(guī)模應用的現(xiàn)實場景。

表4要素偏向性技術進步的回歸結果

注：*** Plt;0.01 ；括號內數值為標準誤。

4.3 異質性分析

4.3.1數字技術應用空間

工業(yè)是能源的主要消耗產業(yè)，也是碳排放的主要來源，具有高消耗、高排放的特征。隨著近年來國家對碳減排和環(huán)境治理的日益重視，如何提高能源資源利用效率和碳全要素生產率成為工業(yè)可持續(xù)發(fā)展面臨的難題。數字技術的推廣和應用為工業(yè)尤其是制造業(yè)碳減排提供了新的突圍路徑，本研究將考察數字技術應用空間差異下數字經濟發(fā)展對碳排放不平等的影響。在此，以工業(yè)用電量來衡量工業(yè)規(guī)模，工業(yè)規(guī)模越大，數字技術應用空間也就越大。由表6列（1一列（2）可知，在數字技術應用空間較大的城市，數字經濟發(fā)展可以更好地緩解碳排放不平等，即數字經濟發(fā)展更有助于推動工業(yè)規(guī)模較大的高碳城市碳減排。一方面，這得益于數字經濟的資源配置效應和智慧治理效應。工業(yè)行業(yè)有廣泛的數字技術應用場景，數字經濟發(fā)展可以更快地推動工業(yè)城市傳統(tǒng)產業(yè)的智能化和數字化轉型，在提升能源資源利用效率的同時，以低碳、創(chuàng)新與可持續(xù)性為導向推動企業(yè)綠色生產。工業(yè)企業(yè)可以充分利用數字技術精確掌握生產環(huán)境的實時變化，實時監(jiān)測并及時改進高碳排放、高能耗的生產環(huán)節(jié)，提高能源要素投入產出比，推動傳統(tǒng)工業(yè)高端化、智能化和綠色化發(fā)展[49-50]。另一方面，這也得益于數字經濟的綠色技術創(chuàng)新效應。工業(yè)尤其是制造業(yè)是綠色技術創(chuàng)新的主體，在當前嚴格的環(huán)境約束下，工業(yè)規(guī)模越大，綠色創(chuàng)新產出激勵越大。在工業(yè)發(fā)展規(guī)模較大的城市，高質量發(fā)展約束下數字技術可以更好助力碳中和技術研發(fā)與推廣，激勵企業(yè)革新傳統(tǒng)的產品服務生產方式，加快推動企業(yè)碳減排和區(qū)域低碳發(fā)展。

表5環(huán)境偏向性技術進步的回歸結果

注： ?_Plt;0.10 ^**Plt;0.05 ；括號內數值為標準誤。

4.3.2數字經濟發(fā)展稟賦

數字經濟對碳排放不平等的影響不僅受制于數字技術的應用空間，還依賴于數字經濟發(fā)展稟賦。良好的數字經濟發(fā)展稟賦可以提高數字技術的滲透性、規(guī)模效應和網絡效應，使相關主體根據經濟體內部稟賦及外部環(huán)境變化來調整數字經濟對實體經濟的作用形態(tài)。而且較高的數字經濟發(fā)展稟賦有助于促進數字技術的持續(xù)創(chuàng)新，增強數字經濟發(fā)展?jié)摿?，加快升級和重塑社會生產方式和消費方式[51]。本研究以電信業(yè)務收人規(guī)模來刻畫數字經濟發(fā)展稟賦，這是考慮到數字經濟發(fā)展依托的數字技術與電信業(yè)務息息相關，例如固定互聯(lián)網寬帶接入業(yè)務、移動數據流量業(yè)務、語音業(yè)務等，電信業(yè)務發(fā)展為數字技術推廣和應用奠定了良好基礎。因此，電信業(yè)務發(fā)展較好的城市也極有可能享受數字技術發(fā)展的先期紅利。表6列（3）一列（4）是將樣本劃分為高數字經濟發(fā)展稟賦組和低數字經濟發(fā)展稟賦組后的回歸結果，發(fā)現(xiàn)較高的數字經濟發(fā)展稟賦有助于更好發(fā)揮數字經濟對碳排放不平等的緩解作用。這是因為，良好的數字經濟發(fā)展基礎可以加快拓展降碳城市數字技術的應用場景并增強邊際降碳效應，推動企業(yè)資源配置優(yōu)化，提高生產管理精細化和管理決策科學化水平，減少生產過程中的能源消耗和碳排放。

表6異質性檢驗結果

注： 'Plt;0.10 *， ^*Plt;0.05 ^***Plt;0.01 ；括號內數值為標準誤。

4.3.3 人力資本水平

數字經濟的碳減排效應在一定程度上還依賴于城市人力資本水平。數字技術是一種現(xiàn)代信息技術，有著較高的技能勞動需求，其推廣和應用離不開高技能人才。高等學校在校學生數量可以反映城市高等教育資源的豐富程度，一般來說，高等學校在校學生數量越多，城市人力資本水平越高，例如北京、上海、南京、武漢等城市。因此，本研究以高等學校在校學生數量來衡量人力資本水平，并根據其均值將樣本分為兩組，檢驗較高的人力資本水平能否強化數字經濟發(fā)展對碳排放不平等的緩解作用。由表6列（5）一列（6）可知，在人力資本水平較高的組別中，數字經濟對碳排放不平等的回歸系數為-0.026，且在 1% 的水平上顯著。而在人力資本水平較低的城市，該效應相對較弱。該結果表明，高碳城市要想持續(xù)縮小與低碳城市之間的碳排放差距，不僅需要大力發(fā)展數字經濟，也應不斷提升本地區(qū)人力資本水平。

4.4內生性處理和穩(wěn)健性檢驗

4.4.1 內生性處理

考慮到模型估計的準確性，本研究使用兩階段最小二乘法（2SLS）來處理模型內生性問題。選取的工具變量（IV）是1984年各城市郵電業(yè)務量和每百人固定電話數量分別與全國數字經濟發(fā)展水平年度均值的乘積，工具變量符合與數字經濟相關且與隨機擾動項不相關的假定。這是因為數字經濟發(fā)展依托的數字技術與互聯(lián)網發(fā)展密切相關，而互聯(lián)網的最初形態(tài)又是以電話線撥號接入的形式為主且受到郵電業(yè)務發(fā)展的直接影響，因此數字經濟發(fā)展水平與固定電話數量和郵電業(yè)務量均顯著正相關。此外，歷史上的郵電業(yè)務量和固定電話數量難以直接影響當前的碳排放不平等，工具變量滿足外生性假定。2SLS的回歸結果見表7。第二階段中數字經濟的回歸系數分別為-0.343和-0.611，且均在 1% 的水平上顯著。Waldtest值為124.100和82.690， F 值為210.420和208.290，這表明所選取的工具變量是有效的?；貧w結果表明數字經濟發(fā)展可以顯著緩解碳排放不平等，該結論與前文分析結論一致。

表7內生性處理結果

注：* ^*Plt;0.01 ；括號內數值為標準誤。

4.4.2穩(wěn)健性檢驗

采用以下5種方法進行穩(wěn)健性檢驗： ① 加入控制變量時間趨勢。在計量模型中加入了控制變量的時間趨勢項，進一步檢驗基準回歸結果的穩(wěn)健性。 ② 替換解釋變量。利用主成分分析法重新測算數字經濟指數，再次檢驗數字經濟發(fā)展能否緩解碳排放不平等。 ③ 廣義最小二乘法。使用廣義最小二乘法來避免模型擾動項干擾引致的模型估計偏誤。 ④ 分位數回歸。利用分位數回歸模型，在被解釋變量的0.10、0.50和0.90分位點上檢驗數字經濟對碳排放不平等的影響。 ⑤ 剔除特殊樣本。剔除樣本中的省會城市和直轄市，再進行回歸。表8的穩(wěn)健性檢驗結果均表明數字經濟發(fā)展可以顯著緩解碳排放不平等，前文基準回歸結果穩(wěn)健。

表8其他穩(wěn)健性檢驗結果

注：** ^*Plt;0.01 ；括號內數值為標準誤。

5 結論與建議

本研究以中國\"雙碳”目標和第28屆聯(lián)合國氣候變化大會強調的能源公正轉型為背景，基于中國278個地級及以上城市的面板數據，研究數字經濟發(fā)展如何緩解碳排放不平等，以及要素偏向性和環(huán)境偏向性技術進步的傳導效應。研究發(fā)現(xiàn)： ① 數字經濟發(fā)展可以顯著緩解碳排放不平等。經過內生性處理和穩(wěn)健性檢驗后該結論仍然成立。條件收斂模型結果也顯示數字經濟發(fā)展有助于推動高碳城市的碳排放強度快速下降，顯著縮小其與低碳城市之間的碳排放差距，即相對于低碳城市而言，數字經濟發(fā)展使高碳城市擁有了更高的碳減排速度。 ② 從傳導機制來看，數字經濟發(fā)展可以更好地促進高碳城市的勞動偏向性技術進步，且逐漸使高碳城市勞動偏向性技術進步轉向依靠高技能勞動，進而緩解城市間碳排放不平等。數字化轉型可以加快推動高碳企業(yè)的節(jié)能偏向性技術進步，實現(xiàn)源頭降碳，從而更好縮小不同碳排放主體之間的碳排放差距。 ③ 當面臨較大的數字技術應用空間、較高的人力資本水平、較好的數字經濟發(fā)展稟賦時，數字經濟發(fā)展可以更好地緩解碳排放不平等。

為了進一步激發(fā)數字經濟在緩解碳排放不平等和促進能源公正轉型中的積極作用，本研究提出如下政策建議： ① 推動政策功能多元化，從數據要素市場和技術要素市場建設、政策目標協(xié)同能力、碳減排成效等方面完善政策體系，強化不同政策之間的疊加效果，加快拓展高碳城市碳減排的數字化場景，通過智慧城市、低碳交通、低碳生活等多種渠道推動碳減排。 ② 加快推動高碳城市數字化轉型和技術要素市場產權制度建設，根據要素密集度差異確定數字技術的著力點和技術進步方向，同時集聚更多高質量創(chuàng)新要素，營造有利于技術進步的良好環(huán)境，推動產業(yè)高端化、綠色化和零碳化。此外，要引導數字技術布局到最有利于企業(yè)低碳生產的環(huán)節(jié)，建設企業(yè)內外部環(huán)境信息共享平臺和新型產學研創(chuàng)新開放平臺，推動資源要素跨部門流動，提升企業(yè)環(huán)境技術創(chuàng)新效率。 ③ 優(yōu)化數字經濟治理體系，充分發(fā)揮中西部高碳城市的資源優(yōu)勢，推進“東數西算\"工程（東部地區(qū)數據傳輸到西部地區(qū)進行計算和處理）和西部地區(qū)綠色數據中心建設和運維，拓展高碳城市數字產業(yè)上下游產業(yè)鏈，協(xié)同推進數字化治理和低碳治理，借助數字經濟的高滲透性來支持中西部地區(qū)的經濟發(fā)展和技術進步，進而縮小地區(qū)間的碳減排效率差距，實現(xiàn)真正意義上的能源公正轉型和碳正義。

參考文獻

[1]ARACHCHIJI，MANAGIS.Socialcapital，householdincomeand carbon dioxide emissions：a multicountry analysis[J].Environmental impact assessment review，2022，96（9）：106838.

[2]曹裕，李想，胡韓莉，等.數字化如何推動制造企業(yè)綠色轉型：資 源編排理論視角下的探索性案例研究[J].管理世界，2023，39 （3）：96-112.

[3]RANTA V，AARIKKA-STENROOSL，VAISANEN J.Digital technologies catalyzing business model innovation for circular economy： multiple case study[J].Resources，conservation and recycling， 2021，164（1）：105155.

[4]DECANIO S J.Robots and humans-complements or substitutes？ [J].Journal of macroeconomics，2016（49）：280-291.

[5]PANW，XIET，WANG Z，etal.Digital economy：aninnovation driverfor total factorproductivity[J].Journal ofbusinessresearch， 2022，139（2）：303-311.

[6]李小平，李小克.偏向性技術進步與中國工業(yè)全要素生產率增 長[J].經濟研究，2018，53（10）：82-96.

[7]LIG，WU H，JIANG J，et al.Digital finance and the low-carbon energytransition（LCET） from theperspective of capital-biased technical progress[J].Energy economics，2023，120（3）：106623.

[8]ACEMOGLU D.Labor- and capital-augmenting technical change [J]. Journalof theEuropeanEconomic Association，20o3，1（1）：1-37.

[9]SONG M，CAO S，WANG S.The impact of knowledge trade on sustainable development and environment-biased technical progress [J].Technological forecasting and social change，2019，144（7）： 512-523.

[10]BRULLE RJ，PELLOW D N.Environmental justice：human health andenvironmental inequalities [J].Annual review ofpublic health，2006（27）：103-124.

[11]DUROJA，PADILLA E. International inequalities in per capita CO2 emissions：a decomposition methodology by Kaya factors[J]. Energy economics，2006，28（2）：170-187.

[12]SRIP，BANERJEE R. Characteristics，temporal trends，and driving factors of household carbon inequality in India[J].Sustainable production and consumption，2023（35）：668-683.

[13]WANG Y，XIONG S，MA X. Carbon inequality in global trade：evidence from the mismatch between embodiedcarbon emissions and value added[J].Ecological economics（series A），2022（195）： 107398.

[14] KUMAR P，CAGGIANO H，SHWOM R，et al. Saving from home！ How income，efficiency，and curtailment behaviors shape energy consumption dynamics in US households？[J]. Energy，2023，271 （10）：126988.

[15]WANG K，CUI Y，ZHANGH，et al. Household carbon footprints inequality in China：drivers，components and dynamics[J]. Energy economics （series B），2022，115（11）：106334.

[16] BIANCO V， CASCETTA F， MARINO A. Understanding energy consumption and carbon emissions in Europe：a focus on inequality issues[J].Energy，2019（170）：120-130.

[17]DONG K，NI G，TAGHIZADEH-HESARY F，et al. Does smart transportationmatter in inhibiting carbon inequality？[J].Energy economics，2023，126（10）：106952.

[18]SALMANMY，HASAR H. Review on environmental aspects in smart city concept： water，waste，air pollution and transportation smart applications using IoT techniques[J]. Sustainable cities and society，2023，94（7）：104567.

[19]AKIMOTO K，SANO F，ODA J. Impacts of ride and car-sharing associated with fully autonomous cars on global energy consumptions and carbon dioxide emissions[J].Technological forecasting and social change，2022，174（11） ：121311.

[20]魏麗莉，侯宇琦.數字經濟對中國城市綠色發(fā)展的影響作用研 究[J].數量經濟技術經濟研究，2022，39（8）：60-79.

[21]徐偉呈，周田，鄭雪梅.數字經濟如何賦能產業(yè)結構優(yōu)化升級： 基于ICT對三大產業(yè)全要素生產率貢獻的視角[J].中國軟科 學，2022（9）：27-38.

[22]ACEMOGLU D，AGHION P，BURSZTYN L，et al. The environment and directed technical change[J]. American economic review，2012，102（1）：131-166.

[23]戴翔，楊雙至.數字賦能、數字投人來源與制造業(yè)綠色化轉型 [J].中國工業(yè)經濟，2022（9）：83-101.

[24]楊蕙馨，李春梅.中國信息產業(yè)技術進步對勞動力就業(yè)及工資 差距的影響[J].中國工業(yè)經濟，2013（1）：51-63.

[25]邱斌，葉龍鳳，孫少勤.參與全球生產網絡對我國制造業(yè)價值 鏈提升影響的實證研究：基于出口復雜度的分析[J].中國工業(yè) 經濟，2012（1）：57-67. ZUJHAI umauun and labor markets in developing countries[J]. Journal of development economics，2021，151（6）：102656.

[27]蔡躍洲，張鈞南.信息通信技術對中國經濟增長的替代效應與 滲透效應[J].經濟研究，2015，50（12）：100-114.

[28] SCHULTE P，WELSCH H，REXHAUSER S. ICT and the demand for energy：evidence from OECD countries[J].Environmental and resource economics，2016，63（1）：119-146.

[29] YANG Z，HAO C，SHAO S，et al. Appropriate technology and energy security：from the perspective of biased technological change[J]. Technological forecasting and social change，2022（177）：121530.

[30]韓晶，姜如玥.數字經濟賦能低碳發(fā)展：理論邏輯與實踐路徑 [J].統(tǒng)計研究，2024，41（4）：54-67.

[31]吳傳清，鄧明亮.數字經濟發(fā)展對中國工業(yè)碳生產率的影響研 究[J].中國軟科學，2023（11）：189-200.

[32]王鳳婷，王浩，孔凡斌.農村數字化發(fā)展對農業(yè)全要素碳生產 率的提升效應[J].中國人口·資源與環(huán)境，2024，34（3）：79-90.

[33]VERHOEFPC，BROEKHUIZEN T，BARTY，et al.Digital transformation：a multidisciplinary reflection and research agenda[J]. Journal of business research，2021，122（1） ：889-901.

[34]ADEYEMI O I，HUNT L C. Modelling OECD industrial energy demand：asymmetric price responses and energy-saving technical change[J].Energy economics，2007，29（4）：693-709.

[35]WANGL，CHENQ，DONGZ，etal.Theroleof industrial intelligence in peaking carbon emissions in China[J].Technological forecasting and social change，2024，199（2）：123005.

[36]徐佳，崔靜波.低碳城市和企業(yè)綠色技術創(chuàng)新[J].中國工業(yè)經 濟，2020（12）：178-196.

[37]劉金科，劉霧萱，晁穎.綠色信貸與低碳轉型：資本整合還是技 術創(chuàng)新：來自準自然實驗的證據[J].數量經濟技術經濟研究， 2024，41（6）：151-171.

[38]WINSKEL M，KATTIRTZI M. Transitions，disruptions and revolutions：expert views on prospects for a smart and local energy revolution in the UK[J].Energy policy，2020，147（12）：111815.

[39］張瑜，孫倩，薛進軍等.減污降碳的協(xié)同效應分析及其路徑探 究[J].中國人口·資源與環(huán)境，2022，32（5）：1-13.

[40]THEIL H，URIBE P.The information approach to the aggregation of input-output tables[J].Review of economics and statistics， 1967：451-462.

[41]YANG G，NIEY，LIH，et al.Digital transformation and low-carbon technology innovation in manufacturing firms ：the mediating role of dynamic capabilities[J]. International journal of production economics，2023，263（9）：108969.

[42]PU Z，F(xiàn)EI J. The impact of digital financeon residentialcarbon emissions：evidence from China[J].Structural change and economic dynamics，2022，63（4）：515-527.

[43]CHARFEDDINE L，UMLAI M. ICT sector，digitization and environmental sustainability：a systematic review of the literature from 2000 to 2022［J].Renewable and sustainable energy reviews， 2023，184（9）：113482.

[J].中國人口·資源與環(huán)境，2023，33（6）：11-22.

[45]FAN M，LI M，LIUJ，et al. Is high natural resource dependence doomed to low carbon emission efficiency：evidence from 283 citiesinChina[J].Energy economics，2022，115（11）：106328.

[46]江艇.因果推斷經驗研究中的中介效應與調節(jié)效應[J].中國 工業(yè)經濟，2022（5）：100-120.

[47]WEBERWL，DOMAZLICKYBR.Total factorproductivitygrowth in manufacturing：a regional approach using linear programming [J].Regional scienceamp; urban economics，1999，29（1）：105-122.

[48]HU J，WANG Y，LIU S，et al.Mechanism of latecomer enterprises' technological catch-up in technical standards alliances：an ambidextrous innovation perspective[J].Journal of business research， 2023（154）：113321.

[49]GOLDBACHK，ROTARUAM，REICHERTS，etal.Which digital energy services improve energy efficiency：a multi-criteriainvestigationwith European experts[J].Energypolicy，2018，115 （4）：239-248.

[50]黃賾琳，秦淑悅，張雨朦.數字經濟如何驅動制造業(yè)升級[J]. 經濟管理，2022，44（4）：80-97.

[51]OLIVEIRAL，F(xiàn)LEURYA，F(xiàn)LEURYMT.Digital power：value chainupgradinginanage of digitization[J]. International business review，2021，30（6）：101850.

Digital economy development mitigating carbon emission inequality： evidence from biased technical progress

SUN Qian1.，LI Guoxiang23，XUE Jinjun4，5.6 （1.School of Economics and Management，Tsinghua University，Beijing 1Ooo84，China; 2.School of Business，Nanjing Normal University，Nanjing Jiangsu 21oo23，China; 3.Research Instituteof BigDataandDigitalEconomy，Hubei UniversityofEconomics，Wuhan Hubei43O2O5，China; 4.SchoolofApplied Economics，University of Chinese Academy of Social Sciences，Beijing 1O2488，China; 5.School of Business andEconomics，Kunming UniversityofSience and Technology，Kunming Yunnan 6505oo，China; CollaborativeInnovationCenterforEmisionTradingSystemCo-constructedbyProvinceandMinistry，WuhanHubei430205， China.）

AbstractCoordinatedlow-carbontransitionacrossegions isanimperativepathwayforChina toaddressresourceandenviomental constraintsandtobridgethegapsinitstransitiontowardhighqualityconomicdevelopment.However，tespatialimbalancsincar bonemissionsandheterogeneous decarbonzationstrategiesamongregiosposesignficantchalengestoachevingnational“dualar bongoals.Gronediiealitytorythissdyvestigatedtefatiomeasmsidinteeioalarbonios parities，ystemacallconuctedteoreticallogic toughhigialooyigatedbosioealityd elucidateditsunderlingmechanismsviadualpathways：factoralocationeficiencyandbiasedtechnicalprogres.Usingpaeldata from278prefecture-levelandaboveChinesecitiesfrom201to2019andatwo-wayfixedefects model，thisempiricalstudydemonstratedthatdigitalconomydevelopmentsignificantlyreducedintercitycarbonemisioninequalityndacceleratedemisionduction ratesinhig-carbocities;tesefindingsemainedobustacrossgoroussnsitivitytestsMechnisticalyigitalconodevelopmentptimizedeallatioofiovatiectorsndaplifidthskillpreumefct，steringthologcalprogesstowadgater relianceonigskilledlbor.Thsprocspromotedlabo-biasdtecalproessingarboncis，tereyrowingieity carbonemissioninequalityomparedtoisio-reductiobisedtcholoicalrogssersaig-basedteicalprss alignedmorecloselywiththefactorendowmentsofhigh-carboncities，exhibitingsuperioreficacyinmitigatingcarbonemiioninequality.Heterogeeityanalysisrevealedatdigitalonomydevelopmentprimarilyitigatedcarbonemsioninequalityinciiswith highdigitalendowments，hereexpansivedigialhologdoptiootentialandelevatedhumancapitallevelspliditsigat ingeffcts.Aongltsdroosstabulmsioalollboraieoltroeteioal erationindigialtcholoandfactorobilityceleratedigitaltranformatioandotiizatoofthnologicalfactorlotioin high-carboncities，andleveragedigitalgovemancetosynergizelow-carbontransitioneforts.Tesemeasuresaimtosystematicallunleashthemultierfectsoftedigitalconomyonehancingemissoneductioneficiencyndmitigatingcarbonemissoniality. Key Wordsdigital economy;biased technicalprogress;carbon emissionreduction; carbon emission inequality

（責任編輯：閆慧珺）