[摘要]当前中国正向数字经济时代迈进，与此同时，“碳达峰”“碳中和”是现阶段所面临的严峻挑战，数字经济在碳减排过程中有何作为是亟待探讨的问题，然而有关数字经济与碳排放的实证研究还非常匮乏。鉴于此，利用2011—2018年省际面板数据，实证考察了数字经济发展对区域碳排放强度的影响及作用机制。研究发现：数字经济发展显著降低了区域碳排放强度，该结论通过一系列稳健性检验后依然成立。数字经济对碳排放强度的影响存在异质性，具体来看，数字经济的碳减排效应在中西部地区及碳排放强度较高的地区表现更明显;此外，相较于“产业数字化”，“数字产业化”的碳减排效应更加显著。机制分析表明，区域碳排放强度下降主要是由于碳排放量下降而非产出上升;能源结构的改善是数字经济发展引起碳排放强度下降的重要机制;从数字经济影响区域碳排放的技术效应来看，数字经济主要通过有偏技术进步降低碳排放强度，而非中性技术进步。

[关键词]数字经济;碳排放强度;能源结构;有偏技术进步;中性技术进步

[中图分类号] F49;X22[文献标识码] A[文章编号] 1673-0461（2022）02-0068-11

一、引言

當前，全球正经历着以数字经济为代表的工业4.0变革。数字作为一种新要素与劳动、资本及土地等传统生产要素融合，推动传统产业向智能化迈进。根据中国信息通讯研究院（以下简称“中国信通院”）最新发布的《中国数字经济白皮书（2021年）》显示，2020年中国数字经济规模达到39.2万亿元，占到国内生产总值的38.6%。从数字经济的两个核心组成部分来看，“数字产业化”占比约为19.1%，“产业数字化”占比约80.9%。从三次产业数字化发展来看，2020年，我国农业、工业及服务业数字经济占行业增加值比重分别为8.9%、21%和40.7%①。由此可见，数字经济俨然已成为国民经济增长的核心增长极之一。面对全球数字经济的蓬勃发展，习近平总书记也多次强调“要做大做强数字经济”，建设“数字中国”。

在数字经济兴起的同时，中国也正经历着高能耗为特征的工业化及城市化[1]，虽然中国经济发展已步入“新常态”阶段，但仍保持中高速增长，因此，工业化和城市化带来的能源需求还在不断增长，这也导致我国将面临长期的碳减排压力[2]。为控制碳排放，中国政府也对此提出了相应的规划目标，如习近平总书记在2020年9月举办的第七十五届联合国大会一般性辩论上宣布“中国力争于2030年前二氧化碳排放达到峰值、2060年前实现碳中和”。在随后的气候雄心峰会上，习总书记进一步提出“到2030年，中国碳排放强度（单位GDP二氧化碳排放）将比2005年下降65%以上”。那么，一个亟待回答的问题是，数字经济发展是否能够助力碳减排呢？假如该逻辑成立，数字经济的碳减排效应在空间分布以及本身特征上是否存在差异？此外，数字经济是如何助力碳减排的，其中的作用机制如何？厘清上述问题，有助于我们更清晰地认识数字经济与碳排放之间的关联，并在此基础上进一步加快数字经济建设，为实现“30·60”双碳目标提供有益的政策启示。

从既有研究来看，与本文密切相关的研究大致可分为以下两类：第一类文献是与碳排放相关的研究，这类文献主要聚焦于对不同区域、不同行业碳排放水平的测算[3-6]以及对碳排放影响因素的探析[7-9]。第二类文献多集中在对数字经济及其经济效应的讨论。如数字经济赋能高质量发展[10]、数字经济与制造业生产率[11]、数字经济与包容性增长[12]、数字经济与高质量就业[13]等。然而，很少有文章关注数字经济带来的环境效应。少数研究探讨了区块链对产业绿色发展的影响[14]，以及数字金融对污染排放的影响[15]。而具体到数字经济与碳排放关系的研究就更少了，少数学者从理论角度阐述了数字经济的发展如何影响碳排放。如陈永伟认为数字经济主要通过“减增量”和“去存量”这两条路径实现碳减排[16]。耿海清则认为应当从政府和企业等多个层面共同出发，实现碳达峰碳中和[17]。但这些也只是泛泛谈论了数字经济对碳排放的影响，缺乏翔实的经验支撑。

谢云飞：数字经济对区域碳排放强度的影响效应及作用机制

2022年第2期

鉴于此，本文首先按照中国信通院发布的《中国数字经济白皮书》中关于数字经济的定义，从“数字产业化”和“产业数字化”两个维度构建数字经济综合评价指标，然后遵循政府间气候变化专门委员会（IPCC）对碳排放的测算方法，测算出各省碳排放量，接下来实证考察了数字经济与碳排放强度之间的关系，并在此基础上探讨了数字经济影响碳排放强度的异质性及作用机制。本文可能的边际贡献在于：第一，研究视角上，区别于多数研究仅关注数字经济发展对高质量发展、生产率、包容性增长以及就业等经济因素的影响，本文则从数字经济可能造成的环境效应这一视角出发，重点考察了数字经济对碳排放强度的影响。第二，研究内容上，本文考虑到空间差异以及数字经济特征对基准回归结果的影响，进而从区域异质性以及数字经济维度异质性这两个角度考察了数字经济对碳排放强度的异质性影响，并且还从能源结构和技术进步两个方面深入探讨了数字经济影响区域碳排放强度的作用机制。第三，实践意义上，为进一步加强数字经济建设提供了经验支持，并为国家实现“30·60”双碳目标提供科学依据。近年来，中国一直饱受碳减排压力的困扰，本文的研究结论表明，数字经济发展具有显著的碳减排效应，因而本研究有助于为实现双碳目标提供新的视角和可行路径，未来的碳减排政策可以考虑数字技术的融入，通过数字减排实现社会可持续发展。

二、理论机制及研究假设

（一）数字经济对碳排放的影响

数字经济的碳减排效应主要体现在以下三个方面：第一，数字化产业自身拥有环境友好型特征，对环境造成的负面效应较小。数字化产业以互联网企业及信息服务业等信息企业为主，其绿色化水平普遍高于传统制造业。此外，数字化企业由于经济实力雄厚，往往更重视环境效益。例如腾讯公司在2021年1月宣布启动碳中和规划，积极响应我国碳中和目标;紧接着，在2021年3月，阿里巴巴旗下的蚂蚁集团承诺将在2030年实现净零排放。第二，数字产业作为数字经济的产业基础，可以推动其他产业降低碳排放。数字化产业可利用数字技术的渗透和衍生对传统产业进行改造，促进产业向智能化、绿色化发展，同时提高产业附加值，减少能耗和碳排放[18]。第三，数字经济发展有利于碳市场的建立，进而降低碳排放。自2011年国家发改委发布《关于开展碳排放权交易试点工作的通知》以来，碳排放权交易已在多个试点省市展开，其政策效果也得到了不少学者的肯定[19-20]。然而，要建立完善的碳排放交易市场，还需要解决排放量监测、报告与核查等技术问题[21]，而数字技术的运用无疑将成为解决上述技术难题的突破口，通过数字技术完善碳交易市场，能源利用效率较高的企业可以将多余的排放权卖给其他企业，碳交易可以鼓励企业主动进行节能减排。基于上述分析，本文提出如下假设H1：

假设H1：数字经济的发展可以显著降低区域碳排放强度。

（二）数字经济与能源结构

从能源结构视角来看，数字经济发展可以从以下三个方面驱动能源结构向低碳化转型：第一，改变能源生产结构。能源的数字化加持有利于对能源生产流程进行智能化改造，并对能源企业的生产管理系统进行升级，进而实现能源的循环使用，提升能源利用效率。如美国设计出了能将商业建筑的电力电子设备与精简型汽车锂离子电池连起来的智能电池，实现为楼宇供电和电网充电间来回切换[22]。第二，优化能源消费结构。数字企业通过技术运输，可助力其他行业优化能源消耗，如国内某水泥厂通过先进控制系统（APC），优化操作参数，使熟料标准煤耗下降1kg以上[16]，能源优化效果显著。数字经济的发展还改变了我们的生产及生活方式，推动经济活动的“虚拟化”和“去物质化”，降低传统能源消耗及碳排放[23]。第三，加速新能源开发。如上海电气集团在2018年8月推出首个工业互联网平台——“星云智汇”，该平台目前已经应用到风能、太阳能电站的运营维护，未来还将覆盖储能、电动汽车等领域。通过数字技术的嵌入，更多的可再生能源将替代传统化石能源，能源消费结构将得到进一步改善，碳排放及环境污染情况也会不断缓解。基于上述分析，本文提出如下假设H2：

假设H2：能源结构改善是数字经济抑制碳排放强度的重要机制。

（三）数字经济与技术进步

关于技术进步，早前占据主流地位的是由Solow根据CD生产函数所测算的“索洛剩余”，它是除劳动和资本生产要素以外所带来的经济增长率的剩余部分，即全要素生产率，该测算方法假定各要素生产率按照同比例变动，因而也被定义为中性技术进步[24]。随后，又有学者提出生产要素并非总是按同比例变动的，在现实生产中，企业出于利润最大化目的，会改进工艺和设备来提高要素生产率，在这个过程中，各要素投入生产率并非按同比例调整，因此会产生技术进步偏向[25-26]。数字技术的使用将导致各投入要素按企业利润最大化的方向进行调整，该调整过程并非是严格意义上的同比例进行的，因此有理由相信数字经济发展會促进企业技术进步偏向的产生。而关于偏向技术进步与碳排放的关系，不少研究已经证实，有偏技术进步具有显著的碳减排效应[27-29]，对此，我们认为数字经济带来的技术进步，尤其是有偏技术进步，将导致碳排放强度的降低。基于上述分析，本文提出如下假设H3：

假设H3：在数字经济影响碳排放强度的技术效应中，有偏技术进步占据主导地位。

三、研究设计及变量选取

（一）模型构建

为考察数字经济发展对区域碳排放的影响，本文构建如式（1）模型：

（二）变量选取

1.被解释变量：碳排放强度（CEI）

本文参考SHAN等[30]的测算方法，构建中国30个省份的二氧化碳排放清单的时间序列，清单主要包括与能源消耗有关的碳排放量②和与过程有关的碳排放量③。同时遵循政府间气候变化专门委员会（IPCC）的排放会计方法，相关计算公式如式（2）～（5）：

2.核心解释变量：数字经济发展水平（DE）

根据《中国数字经济发展白皮书（2017年）》对数字经济的描述，从“数字产业化”与“产业数字化”两个维度概括数字经济发展水平④，同时参考杨慧梅等[31]的研究，从电子信息制造业规模、电信业规模、软件业规模、信息服务业规模以及互联网发展这五方面来反映数字产业化，从农业、工业、第三产业以及数字普惠金融这四个方面来反映产业数字化。其中，数字金融普惠则通过郭峰等[32]编制的数字普惠金融指数来表示，该指数从金融覆盖广度、使用深度以及数字化程度三个方面综合测度我国各地区的数字金融普惠程度，具备一定权威性。考虑到熵值法在做指标表评价时相对较为客观，故采用熵值法测算数字经济发展综合指标，对应的指标体系见表1。

3.机制变量

根据前文理论分析可知，数字经济主要通过能源结构和技术进步等途径对碳排放强度产生影响。故选取以下两个机制变量：

（1）能源结构（ES）：参考邵帅等[33]的研究，选取各地区煤炭消费量占能源消费总量的占比来反映能源结构。

（2）技术进步：分中性技术进步和有偏技术进步，其中中性技术进步由全要素生产率（TFP）表示，有偏技术进步由投入要素比例间接表示，相关指标将在后文进行详细说明。

4.其余控制变量

（1）人口规模（PS）：参考罗能生等[34]的研究，用各地区年末人口总数表示，并取对数。

（2）城镇化率（UR）：参考钱海章等[35]的研究，用城镇人口与地区人口的比值作为城镇化率的代理变量。

（3）外商直接投资（FDI）：参考国内外学者通常的做法，采用各地区实际利用外资金额与地区生产总值的比值作为外商直接投资的代理变量。其中，各地区实际利用外资额均按当年人民币兑美元汇率进行转化。

（4）贸易开放度（FT）：参考张成思等[36]的研究，选取各地区进出口总额与地区生产总值的比值来衡量贸易开放度。

（5）环境规制（ER）：参考任晓松等[37]的做法，选取了工业废水、工业二氧化硫以及工业烟粉尘这三种主要污染物构建环境规制强度综合指数。首先对单位产值工业废水、单位产值工业二氧化硫排放量以及单位产值工业烟粉尘排放量进行标准化处理，标准化公式见下式（6）：

（6）市场化程度（MAR）：参考王小鲁等[38]编制的《中国分省份市场化指数报告》，选取其中的市场化指数来衡量各地区市场化程度，并取对数。

（7）产业结构（IS）：参考余永泽等[39]的研究，选取各地区第三产业增加值与第二产业增加值的比值来表示。

（三）数据来源及说明

考虑到数据的可获取性，同时保证数据时间的一致性，本文采用2011—2018年我国30个省份的面板数据作为研究样本，西藏、香港、澳门及台湾地区由于数据缺失较为严重，予以剔除。数字金融普惠数据来源于北京大学数字金融研究中心，其余数据主要来源于《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》《中国环境年鉴》以及各省统计年鉴。其中含有生产总值的指标均以2003年不变价格进行平减处理。此外，为减小样本波动，本文对非比值型指标均按取对数处理。

四、实证结果与分析

（一）基准回归

为了控制宏观经济环境以及不随时间变化的个体之间的差异，采用双固定效应模型进行回归。表2为数字经济对区域碳排放影响的基准回归结果，模型1中未添加控制变量，模型2中加入了控制变量，从模型1和模型2的回归结果可以看出，数字经济的系数均在5%水平下显著为负，初步表明数字经济发展可以降低碳排放强度，即假设H1成立。数字经济发展水平越高，整个社会的数字化、信息化水平越高，企业资源利用效率提升，驱动产业向绿色低碳方向发展，有助于降低碳排放强度，实现“30·60”双碳目标。

从控制变量来看：文中选取的控制变量只有人口规模和环境规制的系数在统计意义上显著。其中，人口规模的系数显著为正，说明人口规模会显著加剧碳排放强度，主要因为人口规模的扩张会引起能源需求的增加，进而导致化石能源的消耗增加，最终促进二氧化碳的增加;由于本文所选取的环境规制指标为三种主要污染物综合指数，环境规制数值越大，表明污染程度越高，而回归结果中环境规制的系数显著为正，说明环境污染越严重，碳排放强度越大，这主要是因为碳排放与工业污染排放具有同根同源的性质，如煤炭、石油等化石燃料在燃烧过程中，不仅产生二氧化碳，同时还会产生二氧化硫以及烟尘等污染物。

（二）稳健性检验

1.替换被解释变量

考虑到各个地区经济发展水平的差距，前文使用碳排放强度衡量地区碳排放水平。同时，各个地区的人口数量同样存在较大差异，故在此使用人均碳排放替换碳排放强度，进行稳健性检验。回归结果见表3中的模型1和模型2，无论是否加入控制变量，数字经济的影响系数最少在10%水平下显著为负。这与基准回归结果基本保持一致。

2.替换核心解释变量

财新智库作为一家权威商业性机构，对宏观经济指数拥有比较深入的研究，该机构联合数联铭品每个月公布数字经济发展指数，该指数包含数字经济产业指数、数字经济融合指数、數字经济溢出指数以及数字经济基础设施指数四个部分。能较为全面的反映我国各地区数字经济发展情况，目前已有不少学者采用该数据进行数字经济方面的研究[40-41]。表3中的模型3、模型4汇报了以财新智库数字经济指数为核心解释变量的回归结果⑤，可以看到，数字经济的系数显著为负，证实了基准回归结论具有稳健性。

3.内生性处理

为规避双向因果和一些不可观测因素引致的内生性问题，本文将采用工具变量法作内生性检验。参考IVUS等[42]的研究，选取地形起伏度⑥（RDLS）作为数字经济的工具变量。一方面，地形起伏度可以用来反映当地地形复杂程度，进而影响数字基础设施安装与调试，通常来讲，地形起伏度越大，数字基础设施修建的成本和难度也越大，故地形起伏度满足作为工具变量的相关性条件。另一方面，地形起伏度作为自然因素，与其他经济变量不存在直接关联，满足作为工具变量的外生性条件。此外，考虑到地形起伏度是一个不随时间变化的常数，因此借鉴DUFLO等[44]以及吉赟等[45]的做法，利用地形起伏度与各年份虚拟变量的乘积作为工具变量组进行2SLS回归。

表3中的模型5、模型6详细汇报了工具变量回归结果，无论是否加入控制变量，数字经济对碳排放强度影响均显著为负，表明在考虑内生性问题后，基本结论依旧稳健。同时，KleibergenPaap rk LM统计量为21.817，对应P值为0，说明不存在识别不足的问题;CraggDonald Wald F的值为22.8，大于STAIGER等[46]提出的相关工具变量为10的经验值，说明不存在弱工具变量问题。综合来看，本文所选取的工具变量是合理的。

4.动态面板回归

前文采用静态面板考察了数字经济发展对区域碳排放的影响，为确保结论的稳健性，本文进一步采用动态面板模型检验基准回归的稳健性，考虑到系统GMM相对于差分GMM，引进了水平方程，减少了估计误差[47]，故选取系统GMM方法进行回归。从表3中模型7、模型8的回归结果可以看到，AR（2）检验P值均大于0.1，说明回归方程扰动项的差分不存在二阶自相关，同时，Sargan检验的P值均大于0.1，说明工具变量有效，系统GMM的回归结果再次证实了基准回归的稳健性。

（三）异质性分析

1.区域碳排放水平异质性

基准回归结果表明数字经济发展总体上有利于降低区域碳排放强度，那么这种碳减排效应在不同区域是否具有普适性呢？为此，我们进行如下分区域回归分析，如表4所示，数字经济只对中西部地区拥有显著的碳减排效应。通过东部与中西部碳排放强度的对比可以发现，中西部地区碳排放强度高于东部地区⑦，相较于东部地区，中西部地区往往经济发展比较缓慢，对传统资源的依赖度较高，能源利用效率偏低，而数字经济发展伴随着数字技术的应用与普及，能帮助市场经济主体更好地了解能源市场的动向及价格趋势，从而提高能源要素配置效率[48]，另外，数字化技术的应用也有助于工业企业降低能源使用强度，提高能源利用效率，减少碳排放。从实证结果来看，数字经济的碳减排效应对中西部地区拥有更大的边际效用，中西部地区在实现“30·60”双碳目标过程中具有更强的后发优势。

为进一步区分区域碳排放水平不同时，数字经济发展对碳排放的影响是否存在差异，同时考虑到分位数回归具有排除极端值干扰、并全面刻画条件分布的优势[49]，选取10%、25%、50%、75%和90%这5个具有代表性的分位点对应不同碳排放水平的区域，考察数字经济对区域碳排放水平的异质性影响，分位数回归结果见表5，通过表5可以看出，当分位点低于50%时，随着分位点的提高，数字经济影响碳排放的回归系数绝对值逐渐增加，但并不显著。当分位点超过50%以后，数字经济回归系数绝对值不断增大，且至少在5%水平下显著。由此可见，数字经济发展对碳排放强度较低的地区抑制作用不明显，但对碳排放强度较高的地区拥有显著的碳减排效应，该结论与前面分区域回归的结果保持一致。

2.数字经济维度异质性

考虑到数字经济主要由“数字产业化”和“产业数字化”两个部分组成，因而有必要从这两个维度考察它们对碳排放的影响。从表6的回归结果可知，数字产业化能显著降低碳排放强度，而产业数字化对碳排放强度的抑制作用并不明显。一方面，数字产业化作为数字经济的基础部分，包括电子信息制造业、电信业、软件业以及信息服务业等，它们是整个数字经济发展的产业基础，相较于传统产业如工业等，本身具备绿色低碳的优势;另一方面，从“产业数字化”的概念来看，传统产业与数字化产业融合有一个过程，并不会马上带来生产效率的提升，相应的环境效应也可能存在一定时滞。

五、机制分析

（一）减排还是增产

通过前面的分析可知，数字经济对碳排放强度具有显著的抑制作用，而碳排放强度为碳排放绝对量与总产出的比值，那么将存在以下三种可能：①数字经济通过减少碳排放绝对量从而降低碳排放强度;②数字经济通过增加总产出进而降低碳排放强度;③数字经济不仅降低了碳排放绝对量，而且增加了总产出，并最终导致碳排放强度的降低。为此，分别以碳排放绝对量和总产出作为被解释变量进行回归，结果见表7中的模型1～模型4。在考虑控制变量的情况下，发现数字经济仅对碳排放绝对量有显著抑制作用，而对总产出的作用不显著，证明上述第①种情况成立，即数字经济主要通过减少碳排放绝对量，进而降低区域碳排放强度。

（二）能源结构

为考察数字经济对碳排放强度的影响机制，本文参考宋弘等[50]的做法，设定计量模型如式（9）：

其中，i、t分别表示省份和年份;M表示机制变量;其余与公式（1）保持一致。根据上面的分析可知，数字经济主要通过减少碳排放绝对量进而降低碳排放强度，而碳排放主要来源于以煤炭为主的化石能源的消耗，我国要实现碳减排目标，最重要的一点就是实现煤炭替代，减少煤炭消费，改善能源结构[51]。而数字经济的发展有利于新能源的挖掘，同时提高能源利用效率，进而缓解煤炭消费占比过高的问题。为此，我们以煤炭消费占比作为能源结构的代理变量（即公式（9）中机制变量M为能源结构）进行机制分析，从下表8的回归结果可以看到，无论是否添加控制变量，数字经济发展均显著降低了煤炭消费占比，因而数字经济通过降低传统化石能源使用，改善能源结构，进而降低碳排放强度的传导机制成立。表明假设H2成立。

（三）技术进步

碳排放强度指单位产出的碳排放量，实际上是一个效率概念，因而碳排放强度必然与技术进步密切相关。为此，我们用全要素生产率⑧（TFP）作为技术进步的代理变量，检验数字经济对技术进步的影响。此外，ACEMOGLU指出技术进步分为中性技术进步和有偏技术进步，并证实了区分中性技术进步与有偏技术进步对解释经济现象的重要性[26]。为此，我们也将分别检验数字经济对两种技术进步的影响。由于全要素生产率是在标准核算框架下，并假定要素份额不变，即各生产要素的生产效率是同比例增加的，因而全要素生产率属于中性技术进步[52]。同时，参考陈登科[53]的研究，采用投入要素比例间接表示有偏技术进步，即以碳排放量与劳动要素之比的对数值（ln（CE/L））和碳排放量与资本要素之比的对数值（ln（CE/K））来衡量有偏技术进步。接下来我们通过如下生产函数予以说明，考虑生产函数⑨：

其中，Y代表产出，K为资本投入要素，E为排放量，对应本文的碳排放量;A表示中性技术进步，A、A为有偏技术进步;ρ为各投入要素的相对重要程度，σ为要素替代弹性。

利润π可表示成（其中，r为资本的成本，即利率;PE为相应的排放成本）：

由此可见，在给定投入要素价格的前提下，碳排放与投入要素之比与有偏技术进步之间存在对应关系，故选用碳排放量与投入要素之比来衡量有偏技术进步具备合理性。

同样按照陈登科[53]的做法，为防止投入要素比与有偏技术进步间因要素价格变动而出现的潜在背离，特在表9的模型3和模型5中分别加入劳动要素价格（lnWage，即工人工资取对数）和资本要素价格（r，即利率）。通过表9中模型1的回归结果可以发现，数字经济对中性技术进步并没有显著影响。而模型2～模型4的回归结果中数字经济的系数均显著为负，表明数字经济降低了单位投入要素的碳排放量，即数字经济对有偏技术进步存在显著影响。以上结论证实假设H3成立。

六、结论与建议

我国目前正处于重要转型期，无论是经济发展模式亦或应对气候变化，都是转型期间需要面临的重大挑战。而数字经济发展与碳排放无疑是其中最具代表性的议题。为此，本文较为系统地讨论了数字经济与区域碳排放强度的内在关联。通过实证研究发现：数字经济发展显著降低了区域碳排放强度，并且在考虑内生性问题及其他一系列稳健性检验后该结论依然成立。异质性分析表明：数字经济在中西部地区和碳排放强度高的地区更能发挥其碳减排效应，从数字经济不同划分维度来看，“数字产业化”具有更明显的碳减排效应，而“产业数字化”的碳减排效应在本研究中尚未体现。进一步的机制分析表明：区域碳排放强度下降主要是由于碳排放量下降而非产出的增加，以煤炭为主的传统化石能源消费占比下降是数字经济引起碳排放强度下降的重要机制;从数字经济影响区域碳排放的技术效应来看，有偏技术进步在碳减排过程中占主导地位，中性技术进步对碳减排的贡献并不明显。通过以上研究结论，本文提出以下政策建议：

第一，本文研究结论发现数字经济建设有助于降低碳排放强度，数字经济除了能带来以往经典文献提到的经济效应，还能通过降低碳排放强度，缓解气候变化等方式为我国带来环境红利，提升社会福利水平。这为新时期加快建设网络强国、数字强国提供了新的支撐，因此应进一步加强数字基础设施建设，加快实体经济与数字经济融合，为实现“30·60”双碳目标提供可行路径。

第二，充分考慮数字经济影响碳排放强度的区域异质性特征，实现整体环境气候改善。实证结果显示数字经济在中西部地区拥有更显著的碳减排效应。表明中西部地区虽然拥有更高的碳排放强度，但鉴于中西部地区数字基础比较落后，在数字经济带来的环境红利上拥有更强的后发优势，若适当将数字资源向中西部地区倾斜，中西部在环境问题上同样能实现“弯道超车”，进而实现帕累托改进及整体气候的改善。

第三，本文研究结果显示，“产业数字化”对碳排放强度的抑制作用尚不明显，说明传统产业与数字产业的融合仍存在很大的改进。在将数字技术融入传统生产，提高生产效率的同时，还应注重绿色低碳技术的研发与运用，要充分发挥低碳产业的带动作用，进而推动产业整体向智能化、低碳化转型。

第四，努力实现能源革命与数字革命的深度融合，进一步优化能源结构。在能源消费环节，综合运用大数据、云计算、物联网等数字技术改变能源消费方式，提高能源利用效率，利用互联网大力推行能源消费新理念，助力工业、服务业等行业的传统消费者由以往的“能源消费者”向新的“能源产消者”转变，降低传统能源消耗比例，优化能源消费结构，积极推进碳减排工程。

第五，鉴于要素偏向技术进步是数字经济引发碳排放强度下降的主导因素，为此，政策制定者需要从要素层面出发，根据要素替代弹性适时调整技术政策，考虑政策间的互联机制，做好统筹规划，以达到最优的碳减排效果。

[注释]① 相关数据均来源于中国信通院发布的《中国数字经济白皮书（2021年）》。

② 与能源消耗相关的碳排放主要来自于农、林、牧、渔及水利业、采矿业、石油和天然气开采业等47个社会经济部门所消耗的原煤、洗精煤、 其他洗煤、焦炉煤气等17种主要化石燃料。

③ 与过程有关的碳排放主要来自于水泥生产。

④ 中国信通院发布的《中国数字经济发展白皮书（2017年）》里面提到，数字经济主要包括数字产业化和产业数字化两大部分，数字产业化是数字经济的基础部分，即信息产业，具体包括电子信息制造业、电信业、软件业以及信息服务业等;产业数字化指传统产业与数字化产业融合，并由此带来生产数量及生产效率的提升。

⑤ 由于财新智库公布的数字经济指数时间范围为2012—2018年，为保持时间窗口的统一，模型3和模型4中被解释变量和其余控制变量的时间跨度也调整为2012—2018年，最终样本数量为210。

⑥ 关于地形起伏度数据的测算，本文是在封志明等[43]的研究基础上，利用ArcGIS的窗口分析法将中国地理空间数据云数字高程模型（SRTM 90 m）数据重采样成1 km，并运用相关模型计算得到中国陆地地形起伏度公里网格数据集。

⑦ 通过前文测算的各省碳排放强度以及东部、中西部划分，可分别计算出东部和中西部碳排放强度的平均值，限于篇幅，具体计算过程及结果未在正文汇报，备索。

⑧ 关于全要素生产率的测算，其中产出为各省实际GDP，投入要素为各省从业人数以及经永续盘存法计算的固定资本存量，并采用SFA方法进行测算，限于篇幅，具体测算步骤及结果未在文中展示，备索。

⑨ 该生产函数参考ACEMOGLU[26]对技术进步偏向性的研究，并假定生产函数为CES型。同时限于篇幅，这里我们主要以资本投入要素为例，实际上换成劳动投入要素也能得到类似的结果。

基金项目：国家自然科学基金项目《基于LCA和EDP的城市工业用地生态效率动态变化与提升策略研究》（41661113）;贵州省哲学社会科学重大专项课题《贵州山地特色新型城镇化高质量发展的指标体系与实践路径研究》（21GZZB20）;江西省经济社会发展专项课题（重点项目）《推进江西内陆开放型经济试验区建设机制创新研究》（21ST01）;江西省研究生创新专项资金项目《高铁开通的碳减排效应研究——基于我国285个城市的证据》（YC2021-B118）;江西财经大学学生科研项目《智慧城市建设对区域低碳发展的政策效应评估》（20210914180114318）。

作者简介：谢云飞（1992—），男，湖北咸宁人，江西财经大学经济学院博士研究生，主要研究方向为资源与环境经济学。DOI： 10.13253/j.cnki.ddjjgl.2022.02.008

[参考文献][1]MIAO Z， BALEZENTIS T， TIAN Z， et al. Environmental performance and regulation effect of China’s atmospheric pollutant emissions： evidence from “three regions and ten urban agglomerations”[J]. Environmental and resource economics， 2019， 74（1）： 211-242.

[2]SHI K， CHEN Y， LI L， et al. Spatiotemporal variations of urban CO2 emissions in China： a multiscale perspective[J]. Applied energy， 2018， 211（3）： 218-229.

[3]RAN L， LU X X， YANG H， et al. CO2 outgassing from the Yellow River network and its implications for riverine carbon cycle[J]. Journal of geophysical research： biogeosciences， 2015， 120（7）： 1334-1347.

[4]LU Y， CUI P， LI D. Carbon emissions and policies in China’s building and construction industry： evidence from 1994 to 2012[J]. Building and environment， 2016， 95（1）： 94-103.

[5]CHENG Z， LI L， LIU J， et al. Totalfactor carbon emission efficiency of China’s provincial industrial sector and its dynamic evolution[J]. Renewable and sustainable energy reviews， 2018， 94（10）： 330-339.

[6]TANG D， ZHANG Y， BETHEL B J. A comprehensive evaluation of carbon emission reduction capability in the Yangtze River Economic Belt[J]. International journal of environmental research and public health， 2020， 17（2）： 545.

[7]XU S C， HE Z X， LONG R Y. Factors that influence carbon emissions due to energy consumption in China： decomposition analysis using LMDI[J]. Applied energy， 2014， 127（15）： 182-193.

[8]SHI Q， CHEN J， SHEN L. Driving factors of the changes in the carbon emissions in the Chinese construction industry[J]. Journal of cleaner production， 2017， 166（25）： 615-627.

[9]彭水軍，张文城，孙传旺.中国生产侧和消费侧碳排放量测算及影响因素研究[J].经济研究，2015，50（1）：168-182.

[10]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.

[11]黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验[J].中国工业经济，2019（8）：5-23.

[12]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（8）：71-86.

[13]王文.数字经济时代下工业智能化促进了高质量就业吗[J].经济学家，2020（4）：89-98.

[14]李少林，冯亚飞.区块链如何推动制造业绿色发展？——基于环保重点城市的准自然实验[J].中国环境科学，2021，41（3）：1455-1466.

[15]许钊，高煜，霍治方.数字金融的污染减排效应[J].财经科学，2021，397（4）：28-39.

[16]陈永伟. 数字经济如何帮助“碳达峰”“碳中和”[N]. 学习时报，2021-06-25（003）.

[17]耿海清. 数字经济助力碳达峰碳中和[N]. 中国环境报，2021-07-06（003）.

[18]丁玉龙，秦尊文.信息通信技术对绿色经济效率的影响——基于面板Tobit模型的实证研究[J].学习与实践，2021，446（4）：32-44.

[19]刘传明，孙喆，张瑾.中国碳排放权交易试点的碳减排政策效应研究[J].中国人口·资源与环境，2019，29（11）：49-58.

[20]DONG F， DAI Y， ZHANG S， et al. Can a carbon emission trading scheme generate the porter effect？ evidence from pilot areas in China[J]. Science of the total environment， 2019， 653（6）： 565-577.

[21]庞韬，周丽，段茂盛.中国碳排放权交易试点体系的连接可行性分析[J].中国人口·资源与环境，2014，24（9）：6-12.

[22]钟春平，刘诚，李勇坚.中美比较视角下我国数字经济发展的对策建议[J].经济纵横，2017（4）：35-41.

[23]PRADHAN R P， ARVIN M B， NAIR M， et al. Sustainable economic growth in the European Union： the role of ICT， venture capital， and innovation[J]. Review of financial economics， 2020， 38（1）： 34-62.

[24]SOLOW R M. A contribution to the theory of economic growth[J]. The quarterly journal of economics， 1956， 70（1）： 65-94.

[25]HICKS J R . The theory of wages[M]. London： Macmillan，1963：39-43.

[26]ACEMOGLU D. Directed technical change[J]. The review of economic studies， 2002， 69（4）： 781-809.

[27]ACEMOGLU D， AGHION P， HEMOUS D. The environment and directed technical change in a NorthSouth model[J]. Oxford review of economic policy， 2014， 30（3）： 513-530.

[28]周喜君，郭淑芬.中国二氧化碳减排过程中的技术偏向研究[J].科研管理，2018，39（5）：29-37.

[29]吴伟伟.支农财政、技术进步偏向的农田利用碳排放效应研究[J].中国土地科学，2019，33（3）：77-84.

[30]SHAN Y， GUAN D， ZHENG H， et al. China CO2 emission accounts 1997-2015[J]. Scientific data， 2018， 5（1）： 1-14.

[31]杨慧梅，江璐.数字经济、空间效应与全要素生产率[J].统计研究，2021，38（4）：3-15.

[32]郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（4）：1401-1418.

[33]邵帅，李欣，曹建华，等.中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J].经济研究，2016，51（9）：73-88.

[34]罗能生，张梦迪.人口规模、消费结构和环境效率[J].人口研究，2017，41（3）：38-52.

[35]钱海章，陶云清，曹松威，等.中国数字金融发展与经济增长的理论與实证[J].数量经济技术经济研究，2020，37（6）：26-46.

[36]张成思，朱越腾.对外开放、金融发展与利益集团困局[J].世界经济，2017，40（4）：55-78.

[37]任晓松，刘宇佳，赵国浩.经济集聚对碳排放强度的影响及传导机制[J].中国人口·资源与环境，2020，30（4）：95-106.

[38]王小鲁，樊纲，胡李鹏.中国分省份市场化指数报告（2018）[R].北京：社会科学文献出版社，2019.

[39]余泳泽，孙鹏博，宣烨.地方政府环境目标约束是否影响了产业转型升级？[J].经济研究，2020，55（8）：57-72.

[40]郭晗，廉玉妍.数字经济与中国未来经济新动能培育[J].西北大学学报（哲学社会科学版），2020，50（1）：65-72.

[41]姚震宇.区域市场化水平与数字经济竞争——基于数字经济指数省际空间分布特征的分析[J].江汉论坛，2020，510（12）：23-33.

[42]IVUS O， BOLAND M. The employment and wage impact of broadband deployment in Canada[J]. Canadian journal of economics/revue Canadienne d’conomique， 2015，48（5）： 1803-1830.

[43]封志明，唐焰，杨艳昭，等.中国地形起伏度及其与人口分布的相关性[J].地理学报，2007，62（10）：1073-1082.

[44]DUFLO E， PANDE R. Dams[J]. The quarterly journal of economics， 2007， 122（2）： 601-646.

[45]吉赟，杨青.高铁开通能否促进企业创新：基于准自然实验的研究[J].世界经济，2020，43（2）：147-166.

[46]STAIGER D ， STOCK J H . Instrumental variables regression with weak instruments[J]. Econometrica， 1997， 65（3）：557-586.

[47]马勇，陈雨露.金融杠杆、杠杆波动与经济增长[J].经济研究，2017，52（6）：31-45.

[48]邬彩霞，高媛.数字经济驱动低碳产业发展的机制与效应研究[J].贵州社会科学，2020，371（11）：155-161.

[49]韩璐，陈松，梁玲玲.数字经济、创新环境与城市创新能力[J].科研管理，2021，42（4）：35-45.

[50]宋弘，孙雅洁，陈登科.政府空气污染治理效应评估——来自中国“低碳城市”建设的经验研究[J].管理世界，2019，35（6）：95-108，195.

[51]林伯强，李江龙.环境治理约束下的中国能源结构转变——基于煤炭和二氧化碳峰值的分析[J].中国社会科学，2015，237（9）：84-107，205.

[52]李小平，李小克.偏向性技术进步与中国工业全要素生产率增长[J].经济研究，2018，53（10）：82-96.

[53]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[J].经济研究，2020，55（12）：98-114.The Effect and Mechanism of Digital Economy

on Regional Carbon Emission Intensity

Xie  Yunfei

（School of Economics， Jiangxi University of Finance and Economics， Nanchang 330013， China）

Abstract：  At present， China is moving towards the era of digital economy. At the same time， “carbon peak” and “carbon neutrality” are the severe challenges China is facing at the present stage. What does digital economy do in the process of carbon emission reduction is an urgent problem for us to discuss. In view of this， this paper uses the provincial panel data from 2011 to 2018 to empirically investigate the impact of digital economy development on regional carbon emission intensity and its mechanism. The results show that ： the development of digital economy significantly reduces the regional carbon emission intensity， which is still valid after passing a series of robustness tests.There is heterogeneity in the impact of digital economy on carbon emission intensity. Specifically， the carbon emission reduction effect of digital economy is more obvious in the central and western regions and regions with high carbon emission intensity. In addition， compared with “industrial digitization”， “digital industrialization” has a more significant carbon reduction effect. The mechanism analysis shows that the decrease of regional carbon emission intensity is mainly due to the decrease of carbon emission rather than the increase of output; The improvement of energy structure is an important mechanism for the reduction of carbon emission intensity caused by the development of digital economy. From the perspective of technological effect of digital economy on regional carbon emissions， digital economy mainly reduces carbon emission intensity through partial technological progress， rather than neutral technological progress.

Key words：digital economy; carbon emission intensity; energy structure; partial technical progress; neutral technological progress

（责任编辑：张梦楠）