数字经济发展对碳排放的影响

数字经济发展对碳排放的影响

一、引言

改革开放以来，我国经历了近40年的经济高速增长，已

经成为世界第二大经济体。与此同时，我国也成为世界上最

大的碳排放国(XuQiong和ZhongMeirui,2022)o《世界能

源统计年鉴2022》统计数据显示，201C2021年，我国碳排

放量由88.8亿吨上升至105.8亿吨，占世界碳排放总量的

31%,由此带来了一系列诸如极端气候频发、酸雨、雾霾等环

境问题，减排形势日益严峻。考虑到全球变暖的负面影响，

以及经济高速发展带来的环境恶化问题，我国政府秉承负责

任大国的态度，毅然决然地制定了“2030年前实现碳达峰、

2060年前实现碳中和”的宏伟目标。因此，寻求降低碳排放

的方法已经成为政府、企业、学术界需要迫切解决的热点问

题。要使我国经济进一步可持续发展，实现人与自然和谐相

处，完成碳减排任务刻不容缓。

当前，以数字经济为代表的新一轮工业革命正在席卷全

球，其发展速度之快、辐射范围之广、影响程度之深前所未

有。数字经济是以数字化的知识和信息作为关键生产要素(陈

晓红等，2022),以数字技术为核心驱动力量，以现代信息网

络为重要载体，通过数字技术与实体经济深度融合，不断提

高经济社会的数字化、网络化、智能化水平，以一系列新模

式和新业态为表现形式的经济活动。数字经济主要包含两大

部分：一是数字产业化，以信息与通信技术服务部分为主，

包含软件业和相关服务业、互联网行业、电信业、电子信息

制造业；二是产业数字化，具体为T业互联网、服务业和农

业数字化。由《中国数字经济发展白皮书（2022年）》可知,

2021年我国数字经济发展取得新突破，数字产业化规模已

经达到8.4万亿元，同比名义增长11.9%,占GDP比重为7.3%；

同时产业数字化规模达到37.2万亿元，同比名义增长17.2%,

占GDP比重为32.5%o

数字经济的迅猛发展引发了学术界广泛且持续的研究，

大致分为数字经济的内涵、规律、功能以及发展趋势等方面:

从数字经济的内涵来看，国内学者主要从信息化（孙德林和

王晓玲，2004）、数字技术（李长江，2017）、信息和通信技

术（逢健和朱欣民，2013）及新经济等角度来讨论；从数字

经济发展规律来看，谢康和肖静华（2022）主要从数字经济

的创新、运行和政策方面提出八大规律；从数字经济发展趋

势来看，数字经济将立足本国优势产业（石建勋和朱靖池，

2022）,加快与实体经济深度融合（王琛伟，2022）；而研究

最多的领域，当属有关数字经济的经济效应，李健（2022）

认为数字经济的发展可赋能乡村振兴，赵涛等（2020）和张

勋等（2019）认为数字经济激发并改善了农村居民的创业行

为，万晓琼和王少龙（2022）、李宗显和杨千帆（2021）、赵

涛等(2020)认为数字经济促进了我国经济高质量发展，戴

翔和杨双至(2022)认为数字经济推动了制造业转型，戚聿

东和肖旭(2020)认为数字经济推动了企业内部管理模式的

一系列变革。然而，目前对数字经济的环境效应研究较少。

从已有的研究来看，一部分学者认为数字经济增长不利于提

高能源效率进而间接增加了碳排放(LuZhAng,2022),另一

部分学者则认为数字经济主要通过技术创新(郭丰等，2022)、

产业结构升级(谢文倩等，2022)这两条路径来促进碳减排

(LiZhiguo和WAngJio,2022)。可见，关于数字经济对碳排

放的影响，学者们见仁见智，目前尚无定论。因此，明确数

字经济对碳排放的影响并研究其作用机制很有必要。

基于此，本文将重点关注数字经济发展对碳排放的影响,

可能的边际贡献主要体现在以下三个方面：一是在数字经济

指数的测度上，基于遗传算法的投影寻踪模型对数字经济发

展指数进行了改进；二是在研究内容上，不同于大多数研究

只注重数字经济发展对改善创业、乡村振兴、企业内部管理

变革以及高质量发展等经济方面的影响，鉴于生态环境问题

越来越受重视，本文从数字经济发展对环境的影响展开研究;

三是在作用机理的分析中，本文拓宽了数字经济发展对碳排

放的传导路径，且首次从资源配置效率这一作用机制出发，

探究了数字经济对碳排放可能产生的影响，丰富了对碳排放

的相关研究。

线上线下双向联动、精准匹配，从而降低碳排放。由上述分

析可知，数字经济发展可显著降低碳排放。

（二）机制分析

通过前述理论分析可知，数字经济发展可降低碳排放，

那么具体是通过哪几种路径影响碳排放呢？这几种路径之间

有联系吗？在其中是独立还是交互着起作用呢？且尚需进一

步分析，如下所示。

首先，产业结构升级是产业结构合理化和高级化的有机

统一。信息技术产业化创造了许多新兴产业，这些产业基本

上都是以技术的不断更新升级为核心，以数据信息为生产单

元，故而大都具有产出附加值高、资源消耗少、环境污染少

等特点，而且这些技术密集型产业的发展壮大促使产业结构

持续优化，必将减少碳排放。数字经济将数字技术逐步渗透

到传统的工业、农业、服务业等各个环节，使其与之深度融

合，使得传统产业实现了向自动化、智能化方向转型，促进

了传统产业优化升级，从而使得产叱部门之间的联系更加紧

密，结构更加合理，可以降低能耗、提高能效，从而影响碳

排放。经过统计，将数字技术应用到能源、制造、农业等行

业已经帮助全球减少了至少15%的碳排放（葛立宇等，2022）o

基于此，本文预测：数字经济可以通过产业结构升级降低碳

排放。

其次，数字经济内生于技术创新，又服务于技术创新。

数字经济的发展可以显著降低交易和信息搜索成本，加速要

素流动，不仅促进创新资源的集聚，还能减少行业间差异和

突破空间边界，加速知识溢出，并通过提高创新合作水平促

进技术创新（韩璐等，2021）。而董直庆等（2014）的研究表

明，清洁和非清洁技术的进步，都可以减少环境污染，促进

碳减排。数字经济在提高创新水平的同时也提高了创新活动

与现实需求的匹配效率（李宗显和杨千帆，2021）,从而进

一步强化技术创新的减排效应（ZhAngJinning等，2022）o

李广昊和周小亮（2021）的研究表明，数字经济通过技术创

新来推动生产方式集约化和居民生活方式线上化转型，从而

提高环境质量，助力碳减排。由上述分析可知，数字经济可

以通过技术创新降低碳排放。

再次，我国以煤炭为主的能源消费结构是导致二氧化碳

排放的最重要因素（YAngZhen等，2022）,数字化发展正在

推动能源结构向供需双方的脱碳转型。在供应方面，数字技

术监控整个能源生产过程，提高旧化石能源部门的生产效率,

并在能源系统运行和减少环境破坏方面发挥至关重要的作

用。改进的数字技术可能有利于刺激可再生能源的开发和使

用，缩短新能源研发周期，提高研发效率，从而改变能源消

费结构，有效减少碳排放。在需求方面，数字技术有潜力在

自我诊断、卫星导航、关键基础设施和运输等领域全面提高

清洁能源使用比例和消费效率，所有这些都对节能减排至关

重要。由上述分析可知，数字经济可以通过能源结构优化降

低碳排放。

最后，在现实的经济运行过程中，既定资源配置决策成

效受到地理和信息双重约束（张鹏，2019）,生活中供给与需

求方信息常常是有差异的、不完全的，其行为更是盲目的、

低效率的，容易导致资源错配。而数字经济发展提高了信息

的透明度，恰恰为供求双方搭建了信息桥梁，使得供给信息

与需求信息更加完整真实可靠，数字化程度越深，搜查信息

的效率也随之越高，使得供需之间精准匹配，加速生产要素

的流动置换，进而有效提高了资源配置效率（ZhAngJinning

等，2022）o随着数字交易平台的加速涌现，线上线下实现了

实时互动，企业的生产经营活动在某种程度上突破了地理距

离的约束，使得企业竞争突破了原有的边界，竞争范围得以

无限拓展，进而使得企业之间的竞争更加激烈。企业间竞争

越激烈，生产要素流动将越充分，那些固步自封、不懂变革

的低效率企业终将被淘汰出局，留下的将是能够充分利用资

源、实现边际效益最大化的高效率企业，最终实现资源的优

化配置。数字技术本身具有的连接功能可以将供求信息转换

为数据，并使用大数据进行供需的有效整合与精准匹配，从

而降低交易或协调成本，大大提高资源配置效率（丁志帆，

2020）,进而减少能源的消耗，助力碳减排。由上述分析可

知，数字经济可以通过提高资源配置效率降低碳排放。

根据上文分析，本文认为数字经济可通过产业结构升级、

技术创新、优化能源结构和资源配置效率促进碳减排，其中

技术创新是产业结构升级、优化能源结构、提高资源配置效

率的内在动力，而产业结构升级、优化能源结构和提高资源

配置效率又倒逼技术创新，并且产叱结构升级和能源结构优

化共同促进了生产要素匹配效率的提升，进而提高资源配置

效率。这4条路径或分别或交互发挥作用，最终降低了碳排

放。由此提出以下假设：H1：数字经济可显著降低碳排放。

三、研究设计

（一）模型设定

为了验证前文的假设，构建了以下基本模型：Inceit二

B0+BIdigeit+Bccontrolit+ui+入t+£it（1）在模型

（1）中：Inceit表示在t时期省份i的碳排放量；digeit

表示在t时期省份i的数字经济发展水平；controlit表示

一系列控制变量；口i、Xt分别表示个体固定效应与时间固

定效应；£it是随机扰动项。

除了模型（1）中反映的直接效应外，为了讨论数字经济

发展对于碳排放的可能影响机制，本文根据温忠麟和叶宝娟

（2014）提出的中介效应检验法，对科技创新、产业结构升

级、能源结构以及资源配置效率等间接效应进行检验，构建

如下模型：

lnceit=AO+Aldigeit+Vcontrolit+it(2)

Mit=bO+bldigeit+Vcontrolit+eit（3）

lnceit=cO+cldigeit+c2Mit+Vcontrolit+eit（4）上式中，

Mit表示技术创新、产业结构升级、能源结构、资源配置效

率等中介渠道。依据因果逐步回归检验原理，核心解释变量

和中介变量回归系数，即Al、bl、c2都显著，且系数cl较

A1数值变小或者显著性降低，表明存在显著传导机制。

（二）变量测度与说明

L基于投影寻踪法测算数字经济发展指数。对于数字经

济发展水平的测度，多数文献主要使用炳权法或主成分分析

法，但这两种方法均存在一定程度的局限性。病权法过于依

赖客观指标，且无法考虑到指标与指标之间的横向影响，可

能导致权重失真，最终结果无效；主成分分析法前提假设之

一为指标之间是线性关系（虞晓芬和傅玳，2004）,但实际情

况往往并非如此，且提取的主成分可能不符合实际背景。为

弥补指标赋权上的不足以及考虑到数据具有高维度、非线性、

非正态特征（唐培等2022）,本文借鉴邓楚雄等（2013）提

出的投影寻踪模型进行综合评价，既可最大限度地保留原始

数据特征，又能克服传统评价方法主观性过强的缺陷，并根

据数字经济发展的内涵、条件与应用、机制分析并结合相关

数据的可获得性，构建了数字经济发展载体、数字产业化及

产业数字化3个一级指标，18个二级指标（王军等，2021）o

在此基础上，最终形成数字经济发展水平评价体系（见表1）,

记为digeo

2.中介变量。技术创新（tech）,用专利授权数来表示；

产业结构升级（indus）,用第三产亚和第二产业产值的百分

比来表示；能源结构（es）,用煤炭消费量占各地区能源消

费总量的份额来衡量；资源配置效率，基于陈永伟和胡伟明

（2011）的研究，本文用资本错配指数（Tki）和劳动力错配

指数（Tli）来衡量资源配置效率。

其中：si=piyi/Y代表区域i的产出yi在整个经济产出

Y中所占的份额；Bk=£siBki代表资本贡献的产出i加权

值；Ki/K表示i地区实际使用的资本占总资本的比例（张军

等，2004）,而资本有效配置时i地区使用资本的理论比例用

siBki/Bk表示。参考白俊红等（2018）的研究，可以用

C-D生产函数测算出要素产出弹性。鉴于存在资源配置过度

（Tki或Tli<0）和配置不足（Tki或Tli>0）的情况，本文

对资源错配指数进行绝对值处理，以保持回归方向一致。该

数值越大表明资源错配越严重，则资源配置效率越低。当解

释变量的回归系数为负，配置效率；相反，则表明资源配置

效率降低。

3.控制变量。除上面列出的变量外，本研究还涉及一些

其他变量：经济发展水平（Inpgdp）,用人均GDP的自然对数

衡量；经济发展速度（egrow）,用各地区GDP的年增长速度

衡量；人口规模（popu）,用省人口总数的自然对数来衡量，

调查表明，家庭生活对二氧化碳排放量的贡献不容低估，家

庭层面的能源消耗可以通过人口规模来体现；能源消耗

（pener）,用人均用电消耗量的自然对数来表示，因为电力

消耗是能源消费的主要方式之一；对外开放（op）,用进出

口总额占GDP的比值表示。

（三）数据来源

由于我国的数字经济从最近十年才开始迅猛发展，同时

考虑到2013年以前关于数字经济的数据缺失情况比较严重，

故而研究样本的期间选择在2013^2020年，以我国30个省

级行政区的面板数据（鉴于数据的可获得性，西藏自治区及

中国港澳台地区除外）为具体研究对象。除数字普惠金融数

据来源于北京大学数字金融研究中心与蚂蚁金服集团外，剩

余数据均取自《中国统计年鉴》《中国能源统计年鉴》《中国

高技术产业年鉴》、国家统计局官网。采用MATLAB和STA

CTA16.0软件进行相关数据处理和模型检验。运用线性插值

法补充各个缺失值，各个变量的描述性统计结果如表2所示。

下面将从集中度趋势和离散度两个方面分析表2的描述

性统计结果。从集中度趋势看，数字经济发展指数的平均值

为0.747,最大值为3.319,表明数字经济发展整体水平仍比

较低；各个省份碳排放量取对数后的平均值为5.663,最小

值为3.726,说明碳排放量的降低还存在较大空间。从离散

程度看，技术创新的标准差为1.371,劳动力错配指数的标

准差为2.589,经济发展速度的标准差为2.540,可见技术创

新水平、劳动力错配程度和经济发展速度的波动幅度较大。

资本错配指数、产业结构升级、能源结构、对外开放、人口

规模、经济发展水平以及能源消耗的标准差均小于1,表明

这些变量的数据波动程度较小，与现实情况相符。

四、实证结果与分析

（一）基准回归结果

各个解释变量之间或许会出现多重共线性问题，从而造

成估计结果出现偏差。为了从根本上消除这种偏差，本文分

别利用相关性分析剔除了与其他解释变量高度相关的变量，

又用逐步回归法剔除了让核心解释变量的显著性消失或显著

性下降过快的变量，检验后依次剔除了城镇化和能源强度等

变量。表3列示了模型（1）的回归结果。列（1）是没有加

入控制变量的估计结果，从中可以看出，回归系数显著为负，

表明数字经济的发展有效抑制了碳排放；列（2）~（6）依次

加入控制变量后，数字经济发展对碳排放的回归系数稳定在

-0.16附近，且均通过了1%的显著性水平检验，说明在考察

期内，数字经济发展对降低碳排放具有十分显著的促进作用，

该结果验证了HU

此外，在加入了控制变量的列（6）中，各地区对外开放

（op）与碳排放之间具有显著的负向关系，表明随着对外开

放程度加深，该地区的经济可能越来越发达，更加注重发展

环境友好型产业，促进产业绿色化转型，进而有效降低碳排

放；经济发展水平(Inpgdp)与碳排放之间具有显著的负向

关系，说明地区经济发展水平越高，人们对环境质量的要求

越高，环保意识可能越深入人心，尽可能采用节能技术或增

加清洁能源的使用，加快经济发展方式的转变，政府也将加

大对污染行为的处罚力度，从而促进碳减排；经济增长速度

(egrow)也在5%的水平上显著为正，表明政府为达成经济

增长这一首要目标，会以牺牲部分环境质量为代价；人口规

模(popu)和能源消耗(ponor)对碳排放的影响系数为正，

且均在斑的水平上显著，表明人口规模越大，人们生活、外

出及住房等需求越大，能源消耗就越多，最终导致了碳排放

显著增加。

(二)中介效应检验

前文全面分析了数字经济发展对碳排放影响的传导机

制，为验证该作用机制，选用因果逐步回归法进行实证检验,

回归结果见表4,

首先，由列(1)和列(3)可见，数字经济的系数分别

为0.482和0.323,并且通过了1%的显著性水平检验，表明

数字经济发展可以让创新参与者在不同空间和不同时间下共

同传播和分享知识，实现知识的累加效应，改造和更新创新

体系，进而提高技术创新水平；也表明数字经济逐渐成为产

业间的“润滑油”，基于数字化的新型农业、智能工业、智

慧服务业的快速发展，使得产业结构朝高级化方向发展，而

且数字经济的发展模糊了产业原有的界限，使得产业与产业

间的联系更加紧密，驱动产业结构毂着更加合理的方向发展,

从而共同推动产业结构升级。由列（2）和列（4）可知，数

字经济与技术创新、产业结构升级的系数都为负，均在设的

水平上显著，且数字经济系数与模型（1）相比，绝对值略有

下降，说明存在传导机制，即数字经济发展可以通过科技创

新、产业结构升级助力碳减排。

其次，从能源结构视角来看，能源结构系数显著为负，

表明数字经济发展提高了清洁能源使用比例，促进了以煤炭

为主的能源结构转型。列（6）的检验结果表明，数字经济系

数显著性降低，而能源结构系数显著为正，说明能源部门数

字化的整合和渗透有助于提高能源利用效率、转变消费模式

以及实现低碳化发展，证明能源结构是数字经济发展降低碳

排放的中介变量。

最后，从资源配置效率方面来看，表4列（7）和列（9）

结果表明，数字经济发展对资本和劳动力错配指数存在显著

负向影响，并都通过了5%的显著性水平检验，说明数字经济

发展对资本要素错配和人力要素错配具有明显的改善作用，

且数字经济对资本要素扭曲的改善效应明显大于对劳动力要

素扭曲的改善效应。数字经济发展促使市场主体的生产过程

和管理形态发生改变，数字技术应用促进数字技术与实体经

济深度融合，加快要素自由流动，从而提升市场资源配置效

率，为经济可持续发展提供内在动力。由表4列（8）和列（10）

可以看出，数字经济可通过提高资源配置效率（促进资本要

素和劳动力要素的合理配置）来降低碳排放。

（三）稳健性检验

为保证本文研究结果的稳健性，利用如下方法进行稳健

性检验。

L替换被解释变量。地理区域不同，各地区的人口数量

自然也千差万别，而人均碳排放也可以用来表示一个区域的

碳排放程度，使碳排放具体到每个人，这可以更加真实地体

现在经济社会的快速发展过程中既考虑了公平，也没有忽视

效率。因此，在稳健性检验过程中，本文使用人均碳排放来

替代被解释变量。由表5列（1）的结果可知，数字经济发展

在1%的水平上显著，证明原结论比较可靠，说明大力发展数

字经济有利于双碳目标的实现。

2.更换模型估计方法。结合现实情况，通常认为每个地

区上一年的碳排放量大概率会影响本年的碳排放量，这种影

响是持续的、动态的，而前文用的是静态面板双固定效应模

型。基于此，为了避免这种情况引起的估计偏误，在模型中

加入滞后一期的被解释变量，即为上一年的碳排放量，将模

型更换为动态固定效应模型再次进行检验。表5列（2）的结

果表明，数字经济水平的系数依旧显著为负，然而其绝对值

降低明显，而且滞后的被解释变量系数在1%的水平上显著为

正，即可认为上一年的碳排放的确影响到了当年的碳排放。

3.内生性检验。经济学研究中不可忽视的一个重要问题

就是内生性问题。从本研究来看，一方面控制变量不可能覆

盖所有影响碳排放的经济因素，另一方面数字经济发展水平

可能作用于碳排放，而碳排放也可能反作用于数字经济发展

水平，两者互为因果关系。一般来说，环境良好、空气质量

较高的地方更能吸引经济实力雄厚的数字型企业家去投资。

由于可能存在遗漏变量和潜在的反向因果关系问题，本文试

图通过工具变量法缓解内生性问题，并确定数字经济发展对

碳排放的净影响。参考黄群慧等(2019)和赵涛等(2020)

的做法，本文数字经济发展指数的工具变量采用上一年各省

全国互联网宽带用户数与各省2002年每百人固定电话数量

的交互项来表示。

豪斯曼检验的原假设为“所有触释变量均为外生“，即不

存在内生变量，经其检验后得出p值为0.0377,显然，在

5%的显著性水平上强烈拒绝原假设，故可认为数字经济水平

指数为内生变量，应该使用工具变量法。在使用工具变量法

时，必须对工具变量的有效性进行检验。由表5可知，不可

识别检验显示，K-PLM统计量的p值为0.000,强烈拒绝不

可识别的原假设；表5中弱工具变量检验的C-DWF统计量显

示，对于名义显著性水平为现的检验，其真实性显著水平超

过了10%o因此，以上检验验证了工具变量选取的合理性。

由表5列(3)可知，在同时控制了时间、地区及相关控制变

量的情况下，结果仍在设的水平上显著，表明数字经济发展

能够助力碳减排的结论依然稳健。

以上一系列稳健性检验结果表明，发展数字经济能够助

力碳减排这一结论是有效的、合理的、可靠的。这说明在当

前这一阶段，着力推动数字经济健康发展，对提高生活环境

质量、实现双碳目标意义重大。

(四)拓展分析：区域异质性

前文尽管针对数字经济发展对我国碳减排的影响及其内

部作用机制展开了深入而详细的讨论，但是考虑到我国各区

域人口、自然资源禀赋、政府政策的不同以及数字经济发展

水平的不均衡，有必要对全国区域进一步细分，以确保研究

结论的完整性与充分性。本文符样本分为东部、中部和西部

三大区域，深入研究数字经济发展和碳排放两者关系的区域

异质性。

从表6列(2)和列(3)中可以看出，我国中东部的数

字经济发展对碳排放存在显著的负向影响，且均在5%的水平

上显著，然而由系数比较可知，发展数字经济对中部地区的

碳排放影响程度反而强于对东部的影响。可能的原因主要有:

与中部地区相比，我国的东部地区经济发展水平高，人力资

源丰富，信息基础设施及其配套设施更加完善，数字化平台

发展更成熟，生产要素可实现充分流动，知识信息交流与传

播更加迅速。所以，东部地区本身的技术创新水平和资源配

置效率较高，碳排放水平下降空间较小。然而在中部地区，

碳排放水平的下降空间较大，可能是因为数字化本身的环境

友好型特点初步显现，互联网的外部溢出性及其相关产业的

集聚效应初显，这些因素共同促进了中部地区产业结构和能

源结构得到进一步升级和优化，资源配置效率得到持续提升,

能耗降低明显，从而助力中部地区