数字经济发展的碳减排效应研究——兼论城镇化的门槛效应_向宇.pdf

生态与低碳【文章编号】10063862(2023)0100821082城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023数字经济发展的碳减排效应研究 兼论城镇化的门槛效应向宇1郑静1，*涂训华2(1四川大学 经济学院，四川 成都，610065;2西南财经大学 财税学院，四川 成都，611130)【摘要】数字经济是我国实现“双碳”目标、推动经济高质量发展的重要途径。基于中国城市面板数据，探究数字经济对城市碳排放的影响及其作用机理。研究发现:数字经济发展显著降低了各地的碳排放强度，该结论在一系列稳健性检验后依然成立;推动产业结构升级、优化资源配置、促进技术创新是数字经济影响城市碳排放的作用渠道;异质性分析发现，数字经济的碳减排作用在非资源型城市、东部地区和低排放城市更加明显;进一步的研究发现，数字经济的碳减排作用还受到城镇化水平的影响，表现出门槛效应。【关键词】数字经济;碳排放强度;门槛效应;城镇化【中图分类号】F124;X196【文献标识码】A基金项目:四川大学中央高校基本科研业务费项目“技术溢出与国家技术创新中心创新能力提升研究”(2022skzx-pt87);四川省金融学会项目“碳中和目标下的四川省 绿 色 金 融 政 策研究”(SCJ2021158)*通讯作者:郑静(1984)女，四川大学经济学院博士研究生，研究方向:世界经济理论与实践。E-mail:zhengjing stu scueducn。0引言2021 年世界经济论坛全球风险报告 中指出环境风险是未来十年的首要问题，CO2导致的温室效应是目前人类面临的最大威胁之一。作为目前世界上的头号排放国，中国政府在 2020 年联合国大会上做出 2030 年实现“碳达峰”、2060 年“碳中和”的承诺。因此如何立足于当下的国情，形成低碳减排的长效机制，是“双碳”目标下经济发展的关键。要实现“双碳”目标，必须转变传统的经济发展方式，目前，中国经济正在经历数字化转型，作为中国经济高质量增长的重要驱动力，数字经济在社会经济发展中的地位和作用日益突显。据 2021 年中国数字经济发展白皮书 显示，2020 年全国数字经济规模高达 39.2 万亿元，占 GDP 的比重为38.6%。既有研究证明，数字经济在经济增长、地方治理和环境改善等方面发挥着重要作用。事实上，数字经济已经被作为实现碳中和目标的重要途径，国务院 2030 年前碳达峰行动方案 中指出要推进城市建设数字化与绿色化的融合发展，促进高能耗行业转型和生产生活方式的低碳优化。那么，数字经济能否降低中国碳排放水平?如果可以，其内在机制又是什么?本文尝试对数字经济发展对碳排放的影响进行深入分析，探讨其作用机制，其研究具有重要的理论和实践意义。数字经济可以被视为是与数字技术相关的一系列经济活动的总称1。作为新的生产要素，数字经济将从根本上改变经济增长方式，推动经济和社会体系的系统性变革，因此数字经济与生态环境之间的关系也引起了学术界的关注。数字技术因为缩短时空距离而改变了生产和生活方式，天然具有生态友好禀赋。研究发现互联网发展整体上降低了人均能耗2，数字金融的发展可以通过创业效应、创新效应和产业升级效应降低工业三废的排放3。也有一些学者以绿色全要素生产率、绿色GDP 等综合指标为切入点考察数字经济的环境效应，互联网对中国全要素能源效率4、全要素碳生产率5、城市绿色经济效率6、绿色全要素生产率等都具有正向促进作用7 8，从而驱动城市绿色转型9。具体 到 数 字 经 济 与 碳 排 放 的 关 系，Lee 和Brahmasrene(2014)以 ASEAN 9 个成员国为研究对象，发现信息产业的发展降低了 CO2排放水平10。向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 202383Zhang 和 Liu(2015)以 20002010 年中国省级面板数据为研究对象，发现信息技术产业的发展显著降低了中、东部地区的碳排放量11。Asongu(2017)等对 44 个南非洲国家进行研究发现，信息与通信技术发展有助于减少碳排放12。但也有很多文献得出了相反的结论，王奇等(2001)指出虽然信息产业的发展的确可以提高资源的集约化使用从而减少环境污染，但是通信技术的发展优化都是以大能耗为前提，所以反而加大了资源的浪费13。Hign 等(2017)基于 19952010 年全球 142 个国家的数据研究发现 ICT 的生产过程、机械设备和电子垃圾等导致了 CO2排放水平增加，而信息技术也将通过发展智慧城市，改造交通、电网和工业流程等实现节能减排，这二者的作用相反，其合力造成了 ICT 与碳排放之间的非线性关系14。综合来看，既有研究对互联网发展的环境效应进行了大量研究，但这些文献大多集中于工业三废和绿色发展等综合指标，迄今少有研究就数字经济对地区碳排放水平造成的影响进行分析，其作用机制也缺乏较为严谨的理论阐述，此外，现有研究大多基于国家、行业或省级层面检验数字经济的环境效应，缺乏城市角度的深入探讨。与既有研究相比，本文的边际贡献在于:(1)本文基于地市级城市数据，从碳排放强度的角度去分析数字经济的污染减排效应，通过工具变量法缓解其潜在内生性，证实了结果的稳健性。(2)采用中介效应模型对数字经济减排效应的作用渠道进行分析，运用门槛回归模型拓展了数字经济发展对碳排放的非线性影响。(3)从地理区位、资源禀赋和城市污染特征的角度去分析数字经济在不同城市的影响。本文研究对于完善数字经济发展、推动城市低碳减排具有重要的现实意义和实践价值，为双碳目标的实现提供新的路径参考。1理论分析与研究假说1.1直接影响数字经济以数据、信息技术等作为要素投入，具有可复制、快速传播共享、边际成本低等特点，因此数字经济可以打破有限要素投入对产出的限制，实现低成本扩散和规模报酬递增。首先，数字经济具有平台化、共享化等典型特征，移动通信、工业互联网、大数据等技术使原有的路、网等基础设施得以实现万物互联，形成低碳高效的集成网络体系，各种要素得以快速流动，实现资源的有效对接和精准匹配，提高生产、消费效率和资源利用率。其次，随着近年来信息技术、互联网与服务业、金融业第三产业的快速融合，数字经济赋能的科技创新极大程度上改变了人们的工作和生活方式，线上办公、教育、医疗、网上购物等行业高速发展，减少了生产生活过程中的能源消耗，降低了碳排放。此外，数字金融提升了金融服务的普惠性和便利性，缓解各行业的融资约束，促进低碳清洁技术的革新发展，大数据、数字化平台的应用更是极大地加快了新型电力系统和多元能源系统的建设进程，推动高耗能产业的绿色低碳化转型。鉴于此，本文提出:假说 H1:中国数字经济的发展有助于降低城市碳排放水平。1.2作用渠道1.2.1结构效应首先，数字经济的发展深度赋能传统行业的科技化、低碳化改造。工业、能源、交通等行业通过开展数字技术创新改变低效率、高耗能、高排放的生产方式，提升运行效率，优化其产品结构和质量，传统产业得以实现改造升级。其次，数字技术和服务行业、金融业等第三产业快速融合发展，推动第三产业的发展，在数字赋能下，研发、生产、销售、服务不再是孤立的环节，而是相互渗透形成的完整产业生态。企业能够对消费群体的大数据信息进行分析，捕捉其潜在需求，对此进行针对性的设计与研发，由此催生了大量的新业态和新模式，带动新兴服务业的发展，促进产业结构的转型升级。从产业结构布局上说，第三产业以服务业为主，具有更强的减排效应和技术密集性特征，其占比的上升有助于降低经济整体的碳排放水平。1.2.2资源配置效应数字经济因其开放共享的特征可以极大降低市场交易中的信息不对称问题，通过云计算、大数据挖掘等信息技术，企业能够及时准确的了解客户的偏好和需求，可以随时根据市场变化调整自己的生产营销计划，改变当前的商业模式，实现资本、劳动力等生产要素的灵活调度，不断提升资源配置效率，减少能源消耗，降低碳排放强度。其次，数字经济下的协同分工和信息共享，有利于打破传统经济下区域行政垄断造成的地方保护和封锁15，促进国生态与低碳向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应84城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023内市场的统一融合，形成资源要素的自由流动机制;数字技术的使用渗透，能够逐渐淡化和消除行业属性与行业壁垒，提高市场的公开透明度，优化竞争机制，可以实现政府、企业、社会公众等各个主体之间的资源共享。知识、人才、资金等创新资源得以重新组合，资源要素会不断向高创新、低能耗、低污染的企业和行业转移，实现行业间的优化配置，从而减少资源消耗，降低 CO2排放。1.2.3技术创新效应首先，数字技术能够显著降低企业创新活动中的时间及交易成本，加速学习效应的形成16，提高经济主体的创新能力与创新效率17 18，进而全面提升当地的技术进步水平。其次，移动互联网、云计算和大数据等数字技术的运用，减少了信息流动障碍，降低金融机构与企业之间信息不对称的问题19，有利于缓解经济主体面临的融资约束20，使企业能够有充足的资金进行技术研发。此外，数字技术的发展，促进了企业、人才、资本等要素的集聚，有助于降低研发成本，加快技术扩散，同时因为企业之间的竞争效应，刺激企业加大研发投入，促进技术创新21。在传统产业方面，科技创新可以提高传统能源的使用效率，在开发高效清洁利用技术等方面提供技术支持。在新兴产业方面，技术创新更是其发展的基石，例如通过技术革新降低新能源的开发和利用成本，提高风电、光伏等清洁能源的比例，从而降低 CO2排放。综上所述，本文提出:假说 H2:中国数字经济发展通过优化产业结构、提升生产效率和促进技术创新降低地区碳排放水平。1.3基于城镇化的门槛效应数字经济的碳减排效应会受到多种因素的制约影响，存在一定的不确定性，在不同的城镇化水平下，其作用可能呈现出非线性化的特点。一方面，城镇化为数字经济的发展提供基本的用户基础和硬件设施。城镇化的推进促进了网络用户的增长，是发展数字经济的基本前提。城镇化意味着人才、资本等要素的集聚22，为现代服务业发展提供了人力条件，同时也对服务需求产生诱导效应，促进服务行业的集聚与产业结构的优化升级23，从而实现碳减排。由于同群效应的存在，新迁入居民也会受原住居民的影响，提高自身的环保意识，践行低碳环保行为24。此外，污染治理存在规模经济效应，因此城镇化导致的空间集聚有助于污染减排。但另一方面城镇化进程会导致对能源的消费需求增加25，从而可能提高碳排放水平。随着中国城镇化的不断推进，生活能源消费已成为中国碳排放的第二大来源26，城镇化的推进需要进行大量基础设施与住宅的建设，相关保障体系的建设和维护也会消耗更多的能源。此外，由于城乡之间在经济水平、收入消费等方面存在显著差异，随着迁入居民收入提升和消费观念的转变，其人均消费水平提高，进而增加了生活碳排放，城市的人口规模越大，人均生活 CO2排放量越高，且弹性大于 127。因此，城镇化可能促进能源消费增长，增加碳排放。基于以上分析，本文提出:研究假说 H3:数字经济对碳排放的影响随城镇化水平的变化而存在非线性的门槛效应。2模型构建和变量选取2.1模型构建根据上文分析，本文首先构建双向固定效应模型检验数字经济发展对碳排放的影响:CIit=0+1Digeit+Xit+ui+vt+it(1)其中，CIit为被解释变量，碳排放强度，i、t 分别代表城市和年份，Digeit为数字经济发展水平，Xit为系列控制变量，ui、vt、it分别为城市固定效应、时间固定效应和随机扰动项。2.2变量选取2.2.1被解释变量碳排放强度(CI)是指单位产值所导致的 CO2排放数量，因同时兼顾了经济发展与碳排放的数量变化，更能反映地区的碳排放水平。其中，城市碳排放量参考吴建新和郭智勇、丁斐等的方法进行测算28 29:CO2=Cn+Cp+Ce=kEn+Ep+(Ee)(2)在式(2)中，Cn、Cp、Ce分别为天然气、液化石油气、电能的碳排放量，En、Ep、Ee分别为城市天然气、液化石油气和电力的消耗量，为总发电量中煤电的比例，数据来源于中国电力统计年鉴;k、分别为天然气、液化石油气、煤电的 CO2排放系数，数据来源于IPCC 2006 年国家温室气体清单指南2019 修订版。向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023852.2.2核心解释变量数字经济发展水平(Dige)。目前学界对数字经济的衡量尚未有统一的标准。本文借鉴赵涛等(2020)、杨慧梅和江璐(2021)等对数字经济的测度方法30 31，基于城市层面数据可得性和完整性的考量，综合数字产业化和数字惠普金融两个方面，进行数据标准化处理后用主成分分析法得到本文数字经济的综合指标。其中数字产业化指标采用电信业务总量，移动电话年末用户、互联网宽带用户、信息传输计算机服务和软件业从业人员四个指标，数据来自于城市统计年鉴，数字普惠金融指数包括数字普惠金融的覆盖广度、使用深度以及数字化程度三个方面，数据来自于北京大学数字金融研究中心。2.2.3控制变量参考以往文献，本文还控制了影响碳排放的其他因素:政府调控(gov)用政府财政支出占当年GDP 的比重表示，经济发展水平(lnpgdp)用人均GDP 的对数值表示;对外开放水平(open)用贸易总额的对数值表示，外商直接投资水平(lnfdi)用各市实际利用外商直接投资额的对数值表示，金融发展水平(fina)用金融机构贷款余额的对数值表示。3数据说明本文基于 20112018 年中国 275 个地级市面板数据(剔除铜仁、六盘水市等数据缺失较为严重的城市)。其中，专利数据来自于国家知识产权局中国专利数据库，数字金融指数来源于普惠金融指数(PKU-DFIIC)(20112018)，其他原始数据均来源于 中国统计年鉴 、中国城市统计年鉴 、中国环境统计年鉴、国研网、中经网数据库等。少数缺失数据利用平均插值法对其进行补充和完善。表 1为各变量的描述性统计结果。表 1描述性统计变量样本量均值标准差最小值最大值被解释变量CI22000.6100.9340.023718.50核心解释变量Dige22000.97512.05280.45917.23控制变量gov22000.1090.08880.009201.266lnpgdp220010.700.5978.77315.68open220012.042.1151.38618.67lnfdi22009.7642.573015.09fina220016.761.05814.4021.05资料来源:作者计算而得4实证结果与分析4.1基准回归本文运用面板双固定效应模型对式(1)进行估计，考察数字经济发展对碳排放的影响，回归结果如表 2 所示。列(1)表示在不考虑其他因素时，数字经济对城市碳排放强度的影响系数为0.105，在 1%的水平上显著，说明数字经济的发展对城市碳排放存在明显的抑制作用。列(2)(6)为加入一系列控制变量后的回归结果，其系数均显著为负，这说明数字经济发展的确降低了城市碳排放强度，证明了假说 H1。4.2稳健性检验4.2.1内生性问题为了尽可能缓解遗漏变量等造成的内生性问题，本文采用工具变量法进行检验。首先，参考黄群慧等和赵涛等的做法16 30，采用 1984 年各地每万人固定电话数作为地区数字经济水平的工具变量，当地的历史通信水平从基础设施和技术条件等方面会对现在数字经济的建设产生影响，满足相关性条件;同时以前的固话数量对如今当地的碳排放水平并不产生直接的作用，满足外生性条件。因其为截面数据，本文使用滞后一期的全国互联网人数与此的交乘项作为当期城市数字化程度的工具变量。此外，借鉴郭家堂和骆品亮的做法，采用10 年之前，即20012008 年的互联网宽带用户数作为第二组工具变量进行检验 32。表 3 报告了工具变量两阶段的回归结果。其中，列(1)(2)是 1984 年固定电话数据作为工具变量的估计结果。列(3)(4)是以 10 年前互联网数据作为工具变量的结果。列(1)、(3)的第一阶段结果显示，工具变量通过了 1%的统计性水平检验，论证了工具变量与数字经济发展的相关性要求。Kleibergen-Paap rk LM 检验在 1%水平上显著，拒绝工具变量识别不足的原假设，Kleibergen-Paap Waldrk F 统计量大于 Stock-Yogo 检验 10%水平上的临界生态与低碳向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应86城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023值，拒绝弱工具变量的原假设，证实了工具变量与潜在的内生变量之间的相关性。从列(2)、(4)的第二阶段的估计结果来看，在控制了内生性问题之后，估计结果与前文的基准回归基本一致。表 2基准回归变量(1)CI(2)CI(3)CI(4)CI(5)CI(6)CIDige0.105 (0.0378)0.0844 (0.0323)0.0795 (0.0301)0.0787 (0.0293)0.0834 (0.0306)0.0851 (0.0310)gov3.039 (0.803)2.988 (0.796)2.996 (0.796)2.970 (0.793)2.983 (0.796)lnpgdp0.478 (0.173)0.486 (0.181)0.499 (0.186)0.509 (0.191)open0.0241(0.0602)0.0215(0.0583)0.0182(0.0572)lnfdi0.0271(0.0252)0.0267(0.0251)fina0.132*(0.108)常数项0.425 (0.0233)0.218 (0.0651)5.201 (1.785)4.997 (1.730)4.899 (1.757)2.890(2.178)城市固定效应YESYESYESYESYESYES时间固定效应YESYESYESYESYESYESN22002200220022002200220020.2960.3370.3500.3500.3510.351注:*p 0.10，p 0.05，p 0.01;表格括号中报告的是城市层面的稳健标准误，下同。资料来源:作者计算而得表 3工具变量法的 2SLS 回归结果变量1984 年固定电话数据10 年前互联网数据(1)第一阶段(2)第二阶段(3)第一阶段(4)第二阶段IV-Dige0.0021 (0.2070)0.0092 (0.0015)Dige0.0837 (0.0259)0.1152 (0.0760)控制变量YESYESYESYES城市固定效应YESYESYESYES时间固定效应YESYESYESYESKleibergen-Paaprk LM 统计量37.498 0.00025.726 0.000Kleibergen-PaapWald rk F 统计量77.297 16.3835.463 16.38N220022002200220020.280.420.84170.8417注:中括号内的相应报告为 p 值，大括号内为 Stock-Yogo 在 10%水平上的临界值。资料来源:作者计算而得4.2.2其他稳健性检验本文采用如下方法进行稳健性检验:(1)替换被解释变量指标，采用 Chen et al的粒子群优化反向传播(PSO-BP)算法估算的 20112017 年中国县域 CO2排放量加总至城市层面数据进行计算的结果作为被解释变量33。(2)排除政策干扰，中国碳排放权交易市场对于当地有显著的减排效应，本文删除碳市场试点的城市样本，去除政策干扰的影响。(3)排除宏观系统性差异，基准回归的稳健标准误只聚类到了城市层面，本文通过控制 省份年份联合固定效应和将标准误聚类到省份和年份层面，排除宏观系统性差异造成的影响。(4)缩尾向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 202387后进行回归，为了避免数据可能存在的异常值对回归结果产生影响，从数据稳健性的角度出发，本文对全部指标分别进行 1%的缩尾处理排除异常值的干扰。稳健性检验结果如表 4 显示，数字经济发展对碳排放强度的估计系数在不同显著性水平依然显著为负，证明了前文的研究结论十分稳健。表 4稳健性检验变量(1)更换被解释变量(2)排除政策影响(3)控制宏观系统性差异(4)缩尾处理Dige0.00177(0.000774)0.164(0.0957)0.105(0.0310)0.0918(0.0442)常数项0.348(0.136)0.414 (0.0349)2.890(2.178)0.730(1.626)控制变量YESYESYESYES省份固定效应NONOYESNO省份*年份联合固定效应NONOYESNO城市固定效应YESYESYESYES时间固定效应YESYESYESYESN192519122200220020.3550.3100.3510.551资料来源:作者计算而得4.3中介效应前文论证了数字经济发展对城市碳减排的积极作用，但对于碳减排效应的作用渠道仍不甚明确，本文在基准回归的基础上构建中介效应模型进行验证。Mit=0+Digeit+Xit+ui+vt+it(3)Yit=0+1Digeit+2Mit+Xit+ui+vt+it(4)其中，Mit为中介变量，本文选取产业结构水平、全要素生产率和技术创新水平分别作为结构效应、资源配置效应、技术效应的中介变量。其中，用第三产业与第二产业增加值的比例衡量产业结构水平(indst)，选取全要素生产率衡量资源配置效应(tfp)34，选取每万人授权专利数来衡量城市技术创新效应(innovation)，运用双固定效应模型，依次对上述机制进行检验，结果如表 5 所示。表 5中介效应分析结构效应资源配置效应技术创新效应(1)indst(2)CI(3)tfp(4)CI(5)innovation(6)CIDige0.064 (0.0169)0.0806 (0.0323)0.0324(0.0166)0.0835 (0.0308)7.089 (0.0901)0.0688(0.0374)indst0.0703*(0.163)tfp0.0488(0.0449)innovation0.00229(0.0269)常数项2.256*1.3282.345*3.0043.1712.700(1.044)(2.088)(0.908)(2.203)(2.381)(2.169)控制变量YESYESYESYESYESYES城市固定效应YESYESYESYESYESYES时间固定效应YESYESYESYESYESYESN22002200220022002200220020.5050.3880.8730.3550.3640.356Bootstrap0.03520.0029400.04970.00252注:中括号内为利用偏差校正的非参数百分位 Boorstrap 法检验的置信区间。资料来源:作者计算而得生态与低碳向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应88城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023表 5 中列(1)列(2)是结构效应的渠道检验回归结果，从列(1)可以看到数字经济(Dige)对中介变量产业结构水平(indst)的影响在 1%的水平上显著为正，说明数字经济促进了产业结构升级，而列(2)中产业结构对应的回归系数只在 10%的水平上显著，因此进行 Bootstrap 法检验，得到偏差校正的置信区间为0.0352，0.002940，置信区间不包含 0，说明产业结构的间接效应显著，存在部分中介效应，即数字经济的发展通过促进产业结构的升级降低城市碳排放强度。列(3)(4)为资源配置效率的中介效应检验结果。由列(3)可知，全要素生产率(tfp)的系数显著为正，说明数字经济使资源配置得以优化，列(4)中 tfp 的回归系数不显著，对此进行 Bootstrap 检 验，置 信 区 间 为 0.0497，0.00252，置信区间不包含 0，说明存在部分中介效应，资源配置效应是数字经济发挥碳减排作用的有效渠道。列(5)(6)为技术效应的中介效应回归结果，显示数字经济可以通过提高城市技术创新水平来达到降低碳排放强度的目的，证明了假说 H2。4.4异质性分析4.4.1资源禀赋异质性城市发展所依赖的自然资源是影响城市能源使用和污染排放的基础条件。对此，本文从资源禀赋的视角分析数字经济对城市碳排放的异质性影响。按照国务院对资源型城市的划分，本文的 275个样本城市可分为 111 个资源型城市和 164 个非资源型城市。表 6 列(1)(2)为回归结果，可以看出数字经济发展明显降低了非资源型城市的碳排放强度，而对资源型城市的影响并不显著。中国资源型城市目前的发展还是过于依赖化石能源，战略新兴产业发展不足，产业结构的升级转型也较为困难，在很大程度上制约了碳排放管理工作的有效开展，数字经济的环境效应难以体现。表 6基于资源禀赋和地理区位的异质性分析变量资源禀赋地理区位(1)(2)(3)(4)(5)资源城市非资源城市东中西Dige0.108(0.268)0.155(0.0613)0.131 (0.0414)0.177(0.241)0.277*(0.159)常数项7.238 (1.972)8.498 (1.533)2.902*(1.650)2.537(2.201)12.29 (2.657)控制变量YESYESYESYESYES城市固定效应YESYESYESYESYES时间固定效应YESYESYESYESYESN880132094462463220.2730.1710.3560.290.17资料来源:作者计算而得4.4.2地理区位异质性不同的地理区位造成了区域之间不同的经济环境和数字经济发展水平，其对碳排放的影响也不尽相同。为此，本文分区域进行回归，结果如表 6 列(3)(5)所示。不难看出，数字经济发展带来的减排效应在东部地区表现明显，中西部地区的数字经济对碳排放强度的影响不显著。东部沿海地区因其区位优势和政策条件具有较好的经济基础，近年来大力发展高新产业，推动产业结构的转型升级，政府和居民也具有较强的环保意识与数字素养，因此数字经济的减排效应在东部地区更为显著。中西部地区的很多城市地区还处于工业化中期阶段，经济发展较为粗放，高耗能、高污染产业占比较大，产业结构升级困难。此外，中西部地区受限于地理位置等因素，在数字基础设施、技术创新环境、资金供给和人才支持方面都明显落后于东部地区，随着东部地区产业结构升级和调整，中西部地区更是承接了很多高耗能的劳动密集型产业，数字经济的碳减排效应难以发挥。4.4.3城市排放特征异质性前文的基准回归主要刻画了数字经济发展在平均水平上对降低碳排放的作用效果，为了进一步分析不同的排放水平下数字经济的碳减排效应，本文使用面板分位数回归模型，选择 0.1、0.25、0.5、0.75 和 0.9 五个分位点进行估计，结果如表 7 所示，在不同分位点处的估计系数大小和显著性表现向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应生态与低碳城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 202389出明显的异质性，随着分位点的提高，回归系数的显著性降低，即数字经济在高排放地区的减排作用弱于其在低排放地区的作用。通过对碳排放强度地区的梳理发现，碳排放强度较大的城市主要存在于内蒙古、宁夏、河南、河北、甘肃、山西等地，这些地区的经济水平欠发达，同时高耗能行业如矿物开采和加工冶炼部门比重较高，工业发展惯性大，短时间内难以有明显改善。表 7城市排放特征异质性(1)(1)(3)(4)(5)0.100.250.500.750.90Dige0.0305 (0.00614)0.0257 (0.00731)0.0234(0.00987)0.0361(0.0223)0.0390(0.0474)常数项0.777 (0.138)1.044 (0.165)0.955 (0.222)1.533 (0.502)2.015*(1.068)控制变量YESYESYESYESYES城市固定效应YESYESYESYESYESN2200220022002200220020.1030.2270.3510.3040.210资料来源:作者计算而得4.5门槛效应分析数字经济的碳减排效应会受到多种经济因素的影响，因此数字经济与碳排放的关系可能呈现出非线性化特点，本文借鉴 Hansen(1999)的研究构建门槛回归计量模型35:Yit=0+1Dige*I(Z 1)+2Dige*I(1 Z 2)+nDige*I(n1 Z n)+Xit+ui+t+it(5)其中，Z 表示门槛变量，I 表示指标函数，为具体的门槛值。本文以城镇化水平作为门槛变量进行门槛效应分析，城镇化水平(urban)用人口密度表示，根据 Hansen 门槛效应检验原理，采用 Bootstrap法反复抽样 300 次对样本数据进行门槛效应检验。检验结果显示城镇化水平均通过了双门槛检验，具体如表 8 所示。表 8门槛效应检验结果模型F 值P 值门槛值95%置信区间临界值(%)1051urban(城镇化)单一门槛双门槛27.71*41.12 0.06670.0033102.6474102.647468.9949 101.8238103.0174 101.8238103.0174 68.551869.922124.509724.914131.930735.20360.43953.1554注:*P0.10，P0.05，P0.01资料来源:作者计算而得。表 9门槛效应回归结果(1)CIurban68.99492.114(0.70)68.9949urban 102.64744.261 (0.68)urban102.64740.190(0.06)控制变量YES常数项0.511(0.73)N2200注:*P0.10，P0.05，P0.01资料来源:作者计算而得。面板门槛效应的回归结果如表 9 所示，不管城镇化程度如何，数字经济发展都对城市碳排放强度起到了一定的抑制作用，此发现与基准回归结论一致。具体而言，当城镇化水平在门槛值 102.6474 以下时，数字经济对碳排放的作用显著为负，系数为2.114，当 城 镇 化 水 平 在 门 槛 值 68.9949 和102.6474 之间时，数字经济对碳排放的作用最为显著，系数为4.261，当城镇化水平跨越了 102.6474这个门槛值时，数字经济发展对碳减排的作用有所减弱。说 明 当 城 镇 化 水 平 在 达 到 一 定 门 槛 值(68.9949)时，随着城市建设配套设施的完善，人口集聚产生的集约化作用效果也日渐明显。而当城生态与低碳向宇等:数字经济发展的碳减排效应研究 兼论城镇化的门槛效应90城市发展研究 30 卷 2023 年 1 期 Urban Development Studies Vol30 No1 2023镇化水平超过一定门槛值(102.6474)时，数字经济虽然仍能降低碳排放，但由于人口集聚产生的环境压力可能减弱了数字经济带来的减排效用。5结论与政策建议“双碳”目标的达成不仅要实现能源体系的转型，更是需要对现行经济体系进行广泛而深刻的系统性变革，而数字经济作为新的生产要素，将从根本上改变经济增长方式，彻底改变生产模式。本文基于既有文献分析数字经济影响碳排放强度的理论机制，并立足于中国 275 个地级以上城市的面板数据测度数字经济发展带来的碳减排效应，实证结果表明:第一，总体上看，数字经济能够显著降低地区碳排放强度，结构效应、资源配置效应和技术效应在其中起到了中介作用;第二，异质性分析发现，数字经济的碳减排效应在东部地区、非资源型城市和低排放城市中更为显著;第三，数字经济的减排效应存在基于城镇化水平的双门槛效应，在不同城镇化水平下，数字经济对区域碳排放强度的边际影响发生变化。通过以上分析，本文得出如下政策启示:第一，优化数字经济发展环境，着力夯实基础，持续推进数字经济发展。完善信息基础设施建设，加快推进互联网普及，加强数字技术设施的互联互通和绿色发展的信息共享，为实现碳中和目标提供硬件和软件基础。第二，加强科技创新、优化产业结构与资源配置，形成低碳减排的长效机制。依托数字技术提供的多样性创新平台，加大科技创新力度，营造良好的创新环境。加强数字技术与材料、能源等技术的交叉融合，加大绿色生产技术、污染治理技术及资源节约技术的研发、应用及推广。推动数字经济和实体经济深度融合，引导新业态新模式健康发展，推动形成新型产业体系，用高新技术改造传统产业;根据各地的资源禀赋与经济基础，因地制宜地进行产业规划以达到低碳转型的目标。优化营商环境，推动制度改革，促进数据要素流通，优化资源配置，降低资源消耗，推进城市低碳减排。第三，实施地区分类指导，完善区域协同治理模式，合理有序推进城镇化进程。要从国家全局的角度进行产业布局规划，避免区域性产业调整造成污染转移问题。由于地理区位、资源禀赋的不同造成了地区之间减排效果的差异化，因此需要根据因地制宜分类指导的原则，重点关注中西部地区和资源型城市。对于中西部地区，因为其经济基础较弱，应该完善利益补偿机制，确保区域经济与环境保护的协调发展。此外还要科学地承接产业转移，适当提高环境规制标准，防止发达地区淘汰的高耗能、高排放产业入住。资源型城市尽管绿色低碳转型形势严峻，但存在很大的碳减排空间，应重点做好这些地区的工业绿色转型，扶植清洁能源和高新技术产业，摆脱对单一资源型产业的依赖。推进城镇化建设，充分发挥其集约功能，同时要注意避免城镇化的过度扩张及其带来的集聚不经济问题，促进数字经济减排作用的发挥。【参考文献】1CALSSON，B The Digital Economy:What Is New and What IsNot?J Structural Change and Economic Dynamics，2004，15(3)，245 2642王子敏，李婵娟中国互联网发展的节能减排影响实证研究:区域视角J中国地质大学学报(社会科学版)，2016，16(6):5463+153许钊，高煜，霍治方数字金融的污染减排效应 J财经科学，2021(4):28394汪东芳，曹建华互联网发展对中国全要素能源效率的影响及网络效应研究J中国人口资源与环境，2019，29(1):86955白雪洁，孙献贞互联网发展影响全要素碳生产率:成本、创新还是需求引致J 中国人口资源与环境，2021，31(10):1051176李金林，陈立泰，刘梅互联网发展对中国区域绿色经济效率的影响 J 中国人口资源与环境，2021，31(10):1491577范欣，尹秋舒数字金融提升了绿色全要素生产率吗?J山西大学学报(哲学社会版)，2021，44(4):1091198程文先，钱学锋数字经济与中国工业绿色全要素生产率增长 J 经济问题探索，2021(8):1241409刘新智，孔芳霞长江经济带数字经济发展对城市绿色转型的影响研究 基于“三生”空间的视角J 当代经济管理，2021，43(9):6474 10LEE J W，BAHMASENE T ICT，CO2Emissions andEconomic Growth:Evidence from a Panel of ASEANJ Globaleconomic review，2014，43(2):93109 1