摘 要：在“双碳”目标的指引下，借力数字经济实现交通运输行业的降碳受到广泛关注。本文基于中国2010—2021年30个省份的面板数据，从多维度构建数字经济评价指标体系，并采用IPCC方法计算交通运输行业的碳排放量，实证分析了数字经济对交通运输行业碳排放的影响机制及其关系。研究表明：数字经济和交通运输行业碳排放间存在“倒U型”关系，并利用门槛效应模型对其非线性关系进行了进一步验证；中介检验发现，数字经济能够通过优化交通运输结构降低交通运输行业的碳排放。

关键词：数字经济；交通运输；碳排放；中介效应；门槛效应；IPCC方法

本文索引：汤楚楚.<变量 2>[J].中国商论，2024（11）：-040.

中图分类号：F503 文献标识码：A 文章编号：2096-0298（2024）06（a）--06

近百年来，由于工业发展、能源过度使用等问题，二氧化碳的排放远超正常水平，“温室效应”等危害愈发明显。基于此，我国提出了“双碳”目标，中国作为发展中国家，经济始终保持较高增速，但如何推动绿色发展、实现节能减排仍是一个难题。交通运输行业是我国重点碳排放行业，已成为碳排放的第二大来源[1]。因此，如何实现交通运输行业的碳减排成为亟待解决的问题。

目前，我国数字经济发展战略体系逐渐完备，其发展优化了交通供给侧，成为实现交通运输行业降碳目标的有效手段。基于以上背景，本文主要研究我国数字经济发展和交通运输行业碳排放间存在什么联系，数字经济又是通过何种渠道来影响交通运输行业的碳排放问题。

数字经济作为推动经济提质增效的重要手段，受到学术界的广泛关注。目前，已有研究主要围绕数字经济的测度方式、影响数字经济发展的各类因素、数字经济的驱动作用等方面展开。其中，很多研究都涉及数字经济发展水平的测定，大部分基于多个维度构建数字经济指标体系[2-3]。同时，很多学者研究发现，数字经济能够驱动不同行业转型升级 [4-5]。近年来，对数字经济降碳效应的研究 [6-7]也受到广泛关注。

其次，交通运输行业碳排放的研究。由于交通运输行业高能耗、高排放的特性，如何实现交通运输行业的低碳发展成为广大学者关心的议题。交通运输行业的碳排放测量，主要采用IPCC碳排放系数法[8]。目前，很多学者研究了影响交通运输行业碳排放效率的因素，发现人口规模、节能技术水平、能源效率[1] [9-10]等都会对交通部门的碳排放产生不同影响。

随着数字经济的影响逐渐辐射到节能减排领域，如何发挥数字经济的降碳作用受到广泛关注。研究发现，数字经济能够通过优化产业结构[11]、提高能源效率[12]等途径有效降低碳排放强度；也有很多学者注意到具体行业的碳排放现状。数字经济对制造业及工业的绿色低碳转型有着正向影响[13]。Juanh和Qinmei（2022）[14]发现，数字经济与我国物流业碳排放量间存在“U型”关系。目前，有关数字经济对交通运输行业碳排放的相关研究还不充分。

综上所述，国内外针对数字经济、交通运输行业碳排放及数字经济对碳排放影响机制的研究较为丰富，但目前关于数字经济对交通运输行业碳排放的影响研究还不充分。数字经济作为我国当前重点发展的经济体系，能否助力实现、如何实现交通运输行业的碳减排有待具体研究。

鉴于此，本文以2010—2021年省际交通运输行业的面板数据为研究对象，构建数字经济发展综合评价指数，采用中介效应理论分析数字经济对交通运输行业碳排放的影响关系与作用机制，进一步检验两者间的关系。

1 理论分析与研究假设

1.1 数字经济对交通运输行业碳排放的非线性影响

数字经济对交通运输行业碳排放的影响过程是复杂的。首先，在基础设施建设方面，数字经济发展初期，大规模的设施建造会加大对交通运输的需求，最终表现为交通运输行业碳排放量的不断增加。但是随着数字经济的不断发展，各项基础设施逐渐完善[15]，数字化的交通网络和运输体系日趋完善，5G网络、大数据等与智能交通网络紧密结合，实现了节能减排的目标，利于提高该行业的碳排放效率。

此外，数字经济的推广应用会助力国民经济的提升。居民的消费水平提升后，为满足购物出行的意愿，他们对交通的需求上涨，导致交通运输行业的碳排放增加。

但随着经济发展的不断完善，新能源汽车、共享单车等的出现优化了交通运输结构，同时智能交通技术的发展实现了各类运输方式间的信息流动，掌握客货流量的变化规律，在提高运输效率的同时，也减少了碳排放。基于以上分析，本文认为数字经济和交通运输行业碳排放间可能存在非线性关系。由此，本文提出以下研究假设：

假设1：数字经济对交通运输行业碳排放量存在“倒U型”的非线性影响。

1.2 数字经济影响交通运输行业碳排放的作用机制

数字经济带动了智慧交通的发展，传统的交通运输产业结构逐步转向高质量化、融合化发展。公路运输一直都是我国交通运输领域中最主要的碳排放来源[16]，随着数字经济的发展，交通运输相关企业具备了坚实的技术、人才等保障。

在此基础上，我国交通网络日益完善，铁路、水路占客货运服务的比重逐步提高，这两种方式相较公路及航空运输更具备低碳优势。

同时，多式联运的运输方式能高效利用运输设施、降低空载率。交通运输结构的升级优化，使得运输方式更合理，增加了铁路及水路的运输量，从而减少公路运输的碳排放，实现交通运输行业的降碳。由此，本文提出以下假设：

假设2：数字经济通过优化交通运输结构，能够减少交通运输行业的碳排放量。

2 研究设计

2.1 模型设定

2.1.1 基准回归模型

为检验数字经济和交通运输行业碳排放间的关系，本文基于王山和余东华（2024）[13]、钞小静等（2020）[17]的计量模型，构建如下基准回归模型：

其中，i表示省份；t表示年份；CO2表示i省t年的交通运输行业碳排放量，即被解释变量；DIG表示i省t年的数字经济发展水平，即解释变量；DIG2表示数字经济发展水平的二次项；X表示本文选取的控制变量；ui和γt分别表示省份和年份固定效应；ε为残差；α0、α1、α2均为待估参数。

2.1.2 面板门槛效应模型

为进一步研究数字经济对交通运输行业碳排放量的非线性关系，验证两者之间是否存在拐点，本文参考Jin等（2023）[18]的研究建立了以下面板门槛模型：

其中，Qit表示门槛变量，即数字经济；θ表示门槛值；β0、β1、β2、π为待估系数；I（·）为代表性指示函数，当满足括号内表达式时取1，否则为0；其余变量含义与式（1）相同。

2.1.3 中介效应模型

在基准回归的基础上，为了探究数字经济对交通运输行业碳排放的影响路径，本文以交通运输结构为中介变量，参考温忠麟和叶宝娟（2014）[19]的研究建立以下模型：

其中，M表示本文选取的中介变量；其余变量含义与式（1）相同。

2.2 变量选取

2.2.1 被解释变量

本文的被解释变量为交通运输行业的碳排放量，根据IPCC以能源消耗为核心的自上而下法进行计算，计算公式参考焦萍和张帅（2023）[10]的研究，如下所示：

（6）

其中，CO2为所求的交通运输行业碳排放量；i表示能源类型，包括原煤、汽油、煤油、柴油、燃料油、天然气、电力七种能源；E表示能源实物消耗量（折合标准煤）；NVC表示平均低位发热量；CEF表示能源单位热值含碳量；COF表示碳氧化率。

2.2.2 解释变量

本文的解释变量为数字经济（DIG），同时为研究数字经济对交通运输行业碳排放的非线性影响，加入了数字经济的平方项（DIG2）。参考赵涛等（2020）[20]的研究，本文从五个维度构建数字经济发展水平的综合评价指标，利用熵权法进行处理，具体指标及权重如表1所示。

2.2.3 中介变量

交通运输结构（tram）：本文采用公路换算周转量占总换算周转量的比重[1]来度量。

2.2.4 控制变量

本文参考已有研究，选取如下控制变量：

一是经济发展水平（pgdp），采用人均地区生产总值[13]衡量。在人均GDP较高的地区，人们的购物出游需求相对旺盛，因此出行频率相对较高，导致交通运输行业产生较多的碳排放。

二是人口密度（dpop），数据源于统计年鉴[1]。人口密度越大，对交通出行的需求就越大，交通运输行业的碳排放量也就越增长。

三是行业结构（stru），采用第三产业增加值占国民生产总值比重[17]衡量。不同行业对资源的需求是不同的，因此行业结构的改变能够引起资源的波动，影响整体行业的碳排放水平。

四是对外开放水平（open），采用外商直接投资占地区生产总值比重[10]衡量。对外开放程度越高，行业所能获得先进技术和资源越多，越能改善交通运输行业的碳排放现状。

2.3 数据来源与描述性统计

本文以2010—2021年30个省份（除西藏及港澳台地区外）为研究对象，变量的数据主要源于各省份的《统计年鉴》《中国能源统计年鉴》。

碳排放量根据CEADs中国碳核算数据库提供的、采用IPCC分部门核算方法得到的省份排放清单中的数据进行计算[21]；数字普惠金融指数来源于郭峰等（2020）[22]测算的北京大学数字普惠金融指数。变量进行标准化及缩尾处理后的描述性统计结果如表2所示。

3 实证结果分析

3.1 基准回归

在选择模型阶段，本文使用混合截面模型、固定效应模型及随机效应模型，通过F检验、BP-LM检验、豪斯曼检验来确定最优模型。结果显示，固定效应模型明显优于随机效应和混合截面模型，因此本文选用固定效应模型进行回归，最终结果如表3所示。

表3列（1）为控制省份和时间固定效应下的结果，可知数字经济的回归系数未通过显著性检验，说明数字经济和交通运输行业碳排放量间并未存在明显的线性关系。

表3列（2）至列（4）则加入了数字经济的二次项，表明在控制省份和时间固定效应后，数字经济对交通运输行业碳排放量的一次项系数在5%水平上显著为正，而二次项系数在5%水平上显著为负，表明数字经济对交通运输行业的碳排放呈现出先增加后减少的作用，即两者间存在“倒U型”曲线关系。因此，假设1得到验证。

3.2 稳健性分析

为了验证上述基准回归结果的准确性，本文使用以下三种方法进行验证，具体结果如表4所示。

（1）替换解释变量。本文使用因子分析法重新计算数字经济发展水平的综合指标。

具体结果如表4列（1）所示。变更计算方法后，数字经济的一次项系数在10%的显著水平上为正，二次项系数则在1%的显著水平上为负，与基准回归结果一致。

（2）替换被解释变量。本文采用人均碳排放量替换原被解释变量。

表4列（2）结果显示，数字经济的一次项和二次项系数在5%水平上分别为正、负，说明本文的基准回归结果是稳健的。

（3）内生性问题。产生内生性问题的主要原因有三点：

第一，双向交互影响，即数字经济在对交通运输行业碳排放产生影响的同时，后者也对数字经济构成一定的影响；

第二，遗漏变量，虽然本文纳入了一定的控制变量，但仍存在对交通运输行业的碳排放产生影响的其他变量，这些变量并未被考虑进模型中；

第三，测量误差，由于本文的碳排放量和数字经济发展水平综合指标都是根据公式进行测算的，所以结果可能存在误差。

针对以上问题，本文将数字经济及其二次项的滞后项作为工具变量[23]，采用两阶段最小二乘法进行回归，具体结果如表5所示。

第一阶段的结果表明，工具变量与其相对应内生变量是显著相关的；

第二阶段结果表明，数字经济和交通运输行业碳排放间依旧存在显著的“倒U型”关系，且影响效果强于基准回归。

因此，原基准回归结果具有稳健性，假设1得到进一步的验证。

3.3 门槛效应分析

通过非线性关系的检验后，本文引入门槛效应模型，以数字经济发展水平为门槛变量，进行“重复自抽样法”400次来探究当数字经济发展水平到达哪个门槛值后会引起交通运输行业碳排放的变化。由表6可知，只通过了单一门槛检验，且在5%的水平上显著，门槛值为-1.118，表明数字经济和交通运输行业碳排放间的确存在非线性关系。根据表7的回归结果可知，当数字经济发展水平低于门槛值-1.118时，数字经济发展水平的提升会显著增加交通运输行业的碳排放。在数字经济的发展前期，虽然其发展水平不断提升，但其中投入了大量的资源，且在此过程中会忽视绿色发展，导致交通运输行业的碳排放量产生增长。当数字经济发展水平的指数超过门槛值后，数字经济对交通运输行业碳排放的影响并不显著，可能是由于数字经济发展的红利还未及时对交通运输行业产生效应。

3.4 作用机制检验

由表8列（1）可知，数字经济的一次项系数在10%水平上显著为负，而二次项系数在1%水平上为正，说明数字经济和交通运输结构间存在显著的“U型”关系。这是因为在数字经济发展前期，交通运输领域仍以公路运输为主要方式，运输结构占比失衡。随着经济发展水平的提升，交通网络日渐完善，铁路、水运和航空运输网络的覆盖率提高，实现了客运与货运结构的优化升级。

加入交通运输结构后的回归结果如表8列（2）所示，数字经济和交通运输行业的碳排放间仍存在“倒U型”关系，且系数均发生了改变，交通运输结构的系数也在1%水平上显著为负，说明改变交通运输结构这一路径是有效的。根据国家统计局发布的数据，2022年我国公路客运量占总客运量的比例为63.47%，货运量占比为72.04%，所以公路运输在我国运输行业中占据主导地位。公路运输中，货车占比超过一半，而货车以化石能源为燃料，无疑增加了交通运输行业的碳排放。因此，目前的交通运输结构有待转型升级，尚不能满足降碳的目标，这也验证了假设2。

4 结语

本文基于2010—2021年的省际面板数据，采用双向固定效应模型、面板门槛效应模型分析了数字经济对交通运输行业碳排放的具体影响及作用机制。第一，数字经济与我国交通运输行业碳排放之间存在非线性关系，主要表现为“倒U型”。该结论经过一系列稳健性检验后依然成立。第二，经过门槛检验发现，当数字经济发展水平小于门槛值-1.118时，数字经济发展水平的提升会显著增加交通运输行业的碳排放。第三，中介检验的结果显示，交通运输结构是数字经济赋能交通运输行业碳减排的有效路径。

基于以上结论，本文得出几点政策建议：

（1）加大数字经济对交通运输行业的辐射带动作用，实现两者的融合发展，提升交通运输领域的数字化水平。借助数字经济，推动高新技术和交通运输产业的融合，助力交通领域早日实现数字化转型升级。加速数字交通产业的建设，优化大数据决策平台、公共交通监管系统等一系列设施，加快实现交通运输的全过程数字化和智能化。

（2）升级优化交通运输结构。目前，公路运输是交通领域碳排放的主要来源，作为公路运输主体的货车需要消耗大量的化石燃料，所以政府应积极推进多式联运发展，充分利用铁路和水路，实现大宗货物“公转铁”“公转水”，构建高效的绿色运输体系。

参考文献

吕雁琴，范天正，张晋宁.中国交通运输碳排放效率的时空异质性及影响因素研究[J].生态经济，2023，39（3）：13-22.

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.

Chuanyu Z ，Zhongquan L ，Xianfeng Y. Does the Digital Economy Increase Green TFP in Cities？[J].International Journal of Environmental Research and Public Health，2023，20（2）.

焦勇.数字经济赋能制造业转型：从价值重塑到价值创造[J].经济学家，2020（6）：87-94.

陈晓东，杨晓霞.数字经济发展对产业结构升级的影响： 基于灰关联熵与耗散结构理论的研究[J].改革，2021（3）：26-39.

徐维祥，周建平，刘程军.数字经济发展对城市碳排放影响的空间效应[J].地理研究，2022，41（1）：111-129.

Lv X ，Yu H ，Zhang Y. The Impact of the Digital Economy on Chinas Carbon Emissions[J]. International Journal of Economics， Finance and Management Sciences，2022，10（3）.

王勇，韩舒婉，李嘉源，等.五大交通运输方式碳达峰的经验分解与情景预测： 以东北三省为例[J].资源科学，2019，41（10）：1824-1836.

Rongrong L ，Lejia L ，Qiang W .The impact of energy efficiency on carbon emissions： Evidence from the transportation sector in Chinese 30 provinces. [J]. Sustainable Cities and Society，2022，82.

焦萍，张帅.数字化对交通运输碳排放强度的影响： 基于省际面板数据的实证考察[J].华东经济管理，2023，37（1）：15-23.

Tingting B ，Yong Q ，Zihao L， et al. Digital economy， industrial transformation and upgrading， and spatial transfer of carbon emissions： The paths for low-carbon transformation of Chinese cities.[J]. Journal of environmental management，2023，344.

Lu Z ，Renyan M ，Yuanfang Z，et al. Digital economy， energy efficiency， and carbon emissions： Evidence from provincial panel data in China.[J]. The Science of the total environment，2022，852.

王山，余东华.数字经济的降碳效应与作用路径研究： 基于中国制造业碳排放效率的经验考察[J].科学学研究，2024（2）： 310-321.

Juan L ，Qinmei W. Impact of the Digital Economy on the Carbon Emissions of Chinas Logistics Industry[J]. Sustainability，2022，14（14）.

叶菁文，范剑勇.交通基础设施、区际贸易与地区经济发展： 以公路为例[J].数量经济技术经济研究，2023，40（6）：48-68.

田佩宁，毛保华，童瑞咏，等.我国交通运输行业及不同运输方式的碳排放水平和强度分析[J].气候变化研究进展，2023，19（3）：347-356.

钞小静，薛志欣，孙艺鸣.新型数字基础设施如何影响对外贸易升级： 来自中国地级及以上城市的经验证据[J].经济科学，2020（3）：46-59.

Jin H ，Hong Z ，Muhammad Irfan .How does digital infrastructure construction affect low-carbon development？ A multidimensional interpretation of evidence from China[J]. Journal of Cleaner Production，2023，396.

温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

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.

Guan Y ，Shan Y ，Huang Q， et al. Assessment to Chinas Recent Emission Pattern Shifts[J]. Earths Future，2021，9（11）.

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.

任晓松，孙莎.数字经济对中国城市工业碳生产率的赋能效应[J].资源科学，2022，44（12）：2399-2414.