数字经济对碳排放强度的影响机制及空间效应_霍晓谦.pdf

第45卷霍晓谦，张爱国.数字经济对碳排放强度的影响机制及空间效应J.环境科学与技术，2022，45（12）：182-193.Huo Xiaoqian，Zhang Aiguo.Mechanisms and spatial effects of the digital economy on carbon emissions intensityJ.Environmental Science&Technology，2022，45（12）：182-193.Environmental Science&Technology第45卷 第12期2022年12月Vol.45 No.12Dec.2022环境科学与技术 编辑部：（网址）http:/（电话）027-87643502（电子信箱）收稿日期：2022-06-07；修回2022-08-26基金项目：国家科技重大专项（2018ZX07110-007）作者简介：霍晓谦（1997-），男，硕士研究生，主要从事环境经济研究，（电子信箱）；*通讯作者，男，副教授，硕士生导师，主要从事环境管理研究，（电子信箱）。数字经济对碳排放强度的影响机制及空间效应霍晓谦，张爱国*（河北工业大学经济管理学院，天津300401）摘要：在数字经济蓬勃发展与碳减排压力严峻的双重背景下，文章选取2011-2019年中国252个地级及以上城市的面板数据，采用熵权法测度各城市的数字经济发展水平，并使用夜间灯光数据反向推演各城市的CO2排放量，运用固定效应模型、中介效应模型、空间杜宾模型多维度实证检验数字经济发展对碳排放强度的影响机制、空间溢出效应和异质性。研究发现：（1）总体上，中国数字经济发展水平不断提高且各城市差距逐步缩小，碳排放强度不断降低且各城市差距逐步扩大；（2）从全国范围来看，数字经济的发展能够显著降低城市碳排放强度，并且产业结构升级和技术创新是数字经济降低碳排放强度的重要机制；（3）各城市数字经济发展水平和碳排放强度具有显著的空间正相关性，并且数字经济能够通过空间溢出效应降低邻近地区的碳排放强度；（4）数字经济发展对碳排放强度的影响存在地区、城市层级和城市规模上的异质性，相较于东部地区、中心城市和大规模城市，数字经济在中西部地区、外围城市和中小规模城市发挥的碳减排效应更显著。关键词：数字经济；碳排放强度；空间效应；夜间灯光中图分类号：X22；F205文献标志码：Adoi：10.19672/ki.1003-6504.1311.22.338文章编号：1003-6504(2022)12-0182-12Mechanisms and Spatial Effects of the Digital Economyon Carbon Emissions IntensityHUO Xiaoqian，ZHANG Aiguo*（School of Economics and Management,Hebei University of Technology,Tianjin 300401,China）Abstract：Against the dual background of a booming digital economy and severe pressure on carbon emission reduction,thearticle selects panel data of 252 prefecture-level and above cities in China from 2011-2019,firstly measures the level ofdigital economy development in each city using the entropy weight method,and uses nighttime lighting data to infer the CO2emissions of each city in reverse,and then applies the fixed-effects model.Afterwards,a multi-dimensional empirical examination of the influence mechanism,spatial spillover effect and heterogeneity of digital economy development on carbon emission intensity was conducted using a fixed-effects model,a mediated-effects model and a spatial Durbin model.It was foundin general,the level of digital economy development in China has been increasing and the gap between cities has been narrowing,while the carbon emission intensity has been decreasing and the gap between cities has been widening.On a nationalscale,the development of the digital economy can significantly reduce the carbon emission intensity of cities,and the upgrading of industrial structure and technological innovation are important mechanisms for the digital economy to reduce carbonemission intensity.There is a significant positive spatial correlation between the level of development of the digital economyand carbon emission intensity in each city,and the digital economy can reduce the carbon emission intensity of neighbouringregions through spatial spillover effects.Moreover,the impact of the digital economy on carbon emission intensity is heterogeneous in terms of region,city level and city scale,with the digital economy playing a more significant role in reducing carbonemissions in central and western regions,peripheral cities and small and medium-sized cities than in eastern regions,centralcities and large-scale cities.Key words：digital economy;carbon emission intensity;spatial effects;nighttime lighting近一个世纪以来，以二氧化碳为主的温室气体大量排放造成的全球气候变化严重威胁着人类的生存与可持续发展1。我国作为世界上最大的能源消费国与温室气体排放国2,3，在2011-2020的10年间，碳排第12期放总量从88.3亿t增加至98.99亿t，约占全球碳排放总量的30.7%，碳减排形势十分严峻。作为 巴黎协定 的积极践行者，我国于2020年9月在联合国大会上承诺在2030年前和2060年前分别实现“碳达峰”和“碳中和”4，5。与此同时，伴随着人工智能、大数据等新一代信息与通信技术的广泛应用，以数字技术为核心的第四次工业革命推动着数字经济蓬勃发展6。中国数字经济发展白皮书 显示，2011-2020年间我国数字经济的发展规模持续高速增长，从2011年的9.5万亿元飙升至2020年的39.2万亿元。2020年我国数字经济规模占GDP的比重为38.6%，增速达到9.7%，远高于同期名义GDP的增速，有效推动了疫情后的经济复苏。“十四五”规划明确提出“加快数字化发展，建设数字中国”。研究表明6，7，数字经济已经成为我国国民经济的重要组成部分和经济增长的重要引擎，正在从多个维度重塑人们的生产生活方式。那么，高速发展的数字经济对碳排放的影响如何？现有文献就这一问题存在较大分歧，主要分为3种观点：一是数字经济发展能够减少碳排放，即数字经济的发展促进技术进步，提高能源利用效率，从而促进节能减排。谢云飞8基于我国省际面板数据发现数字经济通过有偏技术进步降低了碳排放强度。陈晓红等9通过理论分析得出数字技术的应用推动我国能源行业的碳中和。Shehzad 等10基于巴基斯坦1976-2018年的数据证实信息通信技术的发展能够显著减少碳排放。Ulucak等11以金砖国家为例发现信息通信技术的发展通过促进技术进步有效减少了碳排放。二是数字经济发展加剧碳排放，即数字经济发展高度依赖于信息通信技术的发展和有效使用7,12，而信息通信技术发展所建设的基站、数据中心会造成大量能源消耗，进而加剧碳排放。Horner等13指出信息通信技术的高能耗问题导致数字经济加剧了能源消耗和碳排放。Asongu等14对撒哈拉以南非洲44个国家进行实证研究，认为信息通信技术的发展增加了人均碳排放。Haseeb等15基于1994-2014年金砖国家的面板数据证实数字通信的发展增加了电力消费，从而造成碳排放增加，Salahuddin等16以澳大利亚为例也得出了同样的结论。三是数字经济发展与碳排放存在非线性关系，即数字经济在不同发展阶段对碳排放的影响具有差异。缪陆军等12基于固定效应模型发现数字经济在发展初期加剧碳排放，在发展到一定水平后将抑制碳排放。Batool等17对东南亚国家的实证研究发现信息通信技术的发展在短期不会对碳排放产生明显影响，而在长期会加剧碳排放。Li等18基于全球190个国家的面板数据发现数字经济与碳排放之间存在倒U型关系。综上所述，现有文献就数字经济发展对碳排放的影响尚未达成共识。其原因在于：（1）衡量碳排放水平的指标不一致，如Ulucak 等11、缪陆军等12使用CO2排放绝对量衡量碳排放水平，谢云飞8和Asongu等14分别使用碳排放强度和人均碳排放衡量碳排放水平，因而导致实证结果存在差异。鉴于我国各地经济发展水平存在较大差异8，本研究采用碳排放强度这一指标，以期更客观衡量各地的碳排放水平；（2）研究样本尺度较大，现有文献大都采用省级8或国家级层面数据11，14，15展开研究，然而即使同省的各城市，其数字经济发展和碳排放水平也存在较大差异19，20。因此，本研究将研究尺度细化到地级市，以期更精准地揭示数字经济对我国碳排放水平的影响。此外，只有极少数文献基于我国实际数据开展了相应的实证研究，谢云飞8基于我国省级层面数据展开研究，但研究尺度未细化到地级市，并且缺乏空间效应探讨。陈晓红等9研究了数字技术对我国能源行业碳排放的影响，但研究仅停留在理论层面，缺乏实证结果支撑。并且现有文献主要聚焦于数字经济对碳排放的直接影响，缺乏对数字经济影响碳排放强度的作用机制、异质性和空间溢出效应的深入探讨。鉴于此，本文选取2011-2019年我国252个地级以上城市的面板数据，运用多种计量模型多维度实证分析数字经济发展对碳排放强度的影响机制、异质性和空间溢出效应，以期为我国更好地发展数字经济，实现“双碳”目标提供决策参考。相较于已有文献，本文创新点如下：（1）文章基于我国城市层面的数据，相较于省级和国家级层面的数据，能够从更加细微的空间尺度理清数字经济发展与碳排放强度的关系；（2）纳入产业结构升级和技术创新为中介变量，从新的视角揭示了数字经济对碳排放强度的影响机制；（3）从城市地理位置、城市等级和城市规模的角度分析了数字经济对碳排放强度的异质性影响，为各地实施差异化政策提供了决策参考。1理论分析与研究方法1.1理论分析1.1.1数字经济对碳排放强度的直接影响2016年，G20杭州峰会达成共识，将数字经济定义为以使用数字化的知识和信息为关键生产要素、以现代信息网络为重要载体、以信息通信技术的有效使用为效率提升和经济结构优化的重要推动力的一系列经济活动7。本文认为数字经济可以通过以下途径直接减少碳排放：首先，数字经济为碳交易市场的高霍晓谦，等数字经济对碳排放强度的影响机制及空间效应183第45卷效运行提供技术支持12。碳交易市场是督促企业节能减排的重要途径，而大数据、区块链等数字技术能够有效应对碳交易市场运行提出的各种挑战，保障碳交易市场的高效平稳运行。例如，对碳排放量的准确计量、监测、报告与核查是碳交易市场建立的基础，而利用大数据、数字孪生等技术可以有效解决这一技术难题8；区块链不可篡改的特征能够保证碳交易数据的安全存储与交互，防止人为错误和故意篡改9，保障碳交易数据的安全性；利用区块链技术将交易规则编译成智能合约，能够实现交易、结算的自动化，从而大幅降低交易的时间成本，促进碳交易市场高效运行。其次，数字经济赋能企业碳减排。企业作为碳排放的主体，伴随着数字经济与实体经济的深度融合发展，先进的数字技术在渗透到企业生产运营的各个环节的同时也能够减少各环节的能源消耗10，11。例如，在原材料采购环节，企业可以运用物联网、人工智能等技术实现供应链数字化，使原材料的供应周期大幅缩短，从而减少原材料采购与存储过程中的能源消耗；在生产环节，企业可以运用大数据、人工智能等技术对生产制造环节实施信息化、智能化的管理，对能源消耗情况实时监测，优化能源调配，提高能源利用效率，从而减少生产环节的能源消耗8，12。最后，数字化技术的应用能够优化政府的碳排放监管和公众的监督。一方面，遥感技术、大数据等数字技术可以帮助政府对辖区内的碳排放实现实时动态监测和提前预警，从而提高政府监管的精准性9；另一方面，数字经济为公众提供了数字化的网络平台，方便公众系统地了解碳排放相关知识和政府的碳减排政策，并对各主体节能减排的落实情况实时监督与及时反映，实现政府、公众协同的碳排放治理格局。此外，研究表明数字经济的发展也会在一定程度上造成碳排放增加14，15。其原因在于，数字经济的发展高度依赖于5G基站、数据中心等数字基础设施的建设和持续运行，而数字基础设施24小时不间断的运行需要消耗大量的电力。特别是近年来数字经济的快速发展使数据量爆发式增长，进一步增加了数字基础设施的电力消耗。然而，当前我国的电力来源仍然以煤电为主21，电力消耗的增加意味着煤炭消费增加，从而加剧碳排放。1.1.2产业结构升级效应产业结构升级是抑制碳排放的重要途径22，23，而已有研究表明数字经济发展对产业结构升级具有显著的促进作用24-26。因此，本文认为数字经济可以通过产业结构升级效应降低碳排放强度。数字经济对产业结构升级的影响体现在以下方面：首先，数字经济为传统产业转型升级提供技术支持。随着数字经济与实体经济的融合发展，大数据、人工智能等先进的数字技术渗透到传统产业生产、经营和销售各个环节，使各环节时间缩短、成本最优的同时还能够提高各环节之间的协调程度，从而提高要素资源的配置效率，促进产品质量升级，使产品附加值由低级向高级转变，最终推动传统产业向高端智能化产业转型24。其次，数字经济有助于多产业融合发展。数字经济的网络平台加速了信息流通速度，降低了供需双方对信息的搜寻成本和交易成本，使供需双方信息不对称的问题在很大程度上得到缓解25，而这有利于不同产业之间相互交流，打通不同产业之间的产业链，实现多产业融合发展26，从而促进产业结构升级。最后，数字经济的发展使互联网交易平台日益完善、壮大，而互联网在线交易打破了传统线下交易的时空限制，使资源配置的范围扩大27，从而有助于生产要素转移到生产率较高的部门，促进产业结构升级。而产业结构升级能够有效减少碳排放，一方面，第二产业集中了大部分的高耗能部门，其产生的碳排放量在三次产业的碳排放总量中占比最大，而产业结构升级表现为第二产业产值比重下降，第三产业比重上升，意味着以重工业为主的低效率、高耗能产业结构向低耗能、高效率的环境友好型产业结构转移22，从而减少碳排放；另一方面，产业结构升级表现为劳动力、资本等资源在不同产业之间的合理流动和配置，而这有助于技术水平进步和能源利用效率提高23，从而减少碳排放。1.1.3技术创新效应技术创新也是抑制碳排放的重要手段5，28，而已有研究表明数字经济发展能够促进技术创新水平的提升29，30。因此，本文认为数字经济可以通过技术创新效应降低碳排放强度，具体分析如下。数字经济对技术创新的影响体现在以下方面：首先，数字经济为降低研发成本提供技术支持。在研发环节，大数据、人工智能等数字技术的运用能够让企业更精准地分析消费者的个性化需求，从而指引企业创新的方向，使企业的创新更加具有针对性。同时数字仿真技术能够提前预测实验结果，通过“虚拟试错”减少不必要的资源浪费，从而降低研发成本。其次，数字经济促进了创新资源共享。数字经济通过数字网络平台加快了信息流通速度，在很大程度上打破了创新资源配置的时空局限31，促进了创新资源的流动和共享，这有助于降低高校、企业等创新主体的信息获取和学习成本，从而促进技术创新。最后，数字经济能够缓解184第12期技术创新的融资约束。创新活动往往因耗时长、沉没成本较大、风险较高而面临较大的融资约束，已有研究表明，融资约束是阻碍技术创新的重要因素之一，无数创新活动止步于初始资金32，33。数字普惠金融作为数字经济发展的典型产物，克服了传统金融的局限性，大大降低了金融服务的门槛，增强了创新主体的金融可得性，从而能够有效缓解创新活动的融资约束，为企业的技术创新提供资金支持。而技术创新能够有效减少碳排放，一方面，技术创新的长期积累能够使生产技术水平发生质变，进而提高能源利用效率，减少生产过程中的能源消耗，从而减少碳排放5；另一方面，技术创新水平的提升有助于清洁可再生能源的开发和利用，从而减少经济社会发展对传统化石能源的依赖，进而减少碳排放28。综上所述，数字经济发展由于数字基础设施的高能耗问题增加了碳排放，但也通过产业结构升级效应、技术创新效应等多种途径减少了碳排放。因此，本文先假定在总体上数字经济发展降低了碳排放强度，提出假设1，以待后面实证检验。同时，为验证上述对数字经济影响碳排放强度的机制分析，提出假设2。假设1：数字经济发展能够降低碳排放强度。假设2：数字经济发展通过产业结构升级效应和技术创新效应降低碳排放强度。1.1.4空间溢出效应数字经济的一个重要特征就是凭借高效的信息传递弱化了物理上的时空距离，增强了区域间经济活动的关联性和渗透性。数据作为数字经济的核心生产要素，相较于劳动、资本等传统生产要素，具有可复制性、非排他性和高流动性，并且数据的存储成本相对较低，这些特征意味着数字信息能够通过网络传输更加便捷地渗透到各城市，加速知识、信息在不同城市间的传播，使得数字经济在城市间产生空间溢出效应。Yilmaz等34基于美国州际面板数据的实证研究，较早发现了信息化产生的空间溢出效应。之后，Keller35从知识和信息传播的角度对信息化的溢出距离进行了补充研究。基于中国数据的实证研究同样验证了数字经济具有空间溢出效应36-38。同时，数字经济对城市环境污染的影响也具有空间溢出效应，Shahnazi等39基于对伊朗的研究发现信息化向周边地区扩散能够提高周边地区的生产效率，从而降低周边地区的碳排放。郭炳南等40发现数字经济的发展能够改善本地区和邻近地区的空气质量。邓荣荣等41认为数字经济产生的知识和技术溢出能够减少邻近地区的污染物排放。此外，数字信息的高速传递能够实现区域间碳排放监测数据的互通互享，进而助力区域之间碳排放治理的联防联控。因此，有理由预期数字经济的发展可能降低邻近地区的碳排放强度，提出假设3：假设3：数字经济发展通过空间溢出效应降低邻近地区的碳排放强度。1.2变量测算1.2.1碳排放强度测算本文的被解释变量为碳排放强度（CI），为CO2排放量与GDP的比值，如式（1）所示。由于我国各地区经济发展水平具有较大差异，相较于CO2排放的绝对量，使用碳排放强度衡量区域碳排放水平更具有客观性与可比性。CI=CO2/GDP（1）由于目前我国城市层面缺乏详细的能源消费和分类数据，故无法使用IPCC清单法42准确测算各城市的CO2排放量。考虑到夜间灯光数据反演CO2排放量的可靠性已被国内外许多学者证实，国外方面，Elvidge等43最早发现夜间灯光亮度和CO2排放量间的相关关系。之后，Doll等44基于46个国家的数据首次量化了夜间灯光亮度和CO2排放量间的关系，证实了夜间灯光数据是估算CO2排放量的有效手段；国内方面，苏泳娴19和杜海波等45的研究同样证实了夜间灯光数据估算CO2排放量的可靠性。另外，虽然基于夜间灯光数据估算的CO2排放量与实际存在一定误差，但苏泳娴19和吴健生等20的研究均表明其误差在可接受范围内，并且拟合优度较高，仍是目前可靠性较好的CO2排放量估算方法之一。因此，借鉴上述学者的思路，首先使用IPCC清单法42测算我国30个省（市、自治区）的CO2排放量，之后使用各省的夜间灯光总值（SDN）与CO2排放量进行线性拟合，考虑到模型降维反演的精度问题，借鉴吴健生等20的研究，采用不含截距项的线性模型，如式（2）所示。最后根据拟合结果反向推演各城市的CO2排放量。CO2=SDN（2）式（2）中，为待估计参数，表示夜间灯光总值（SDN）与CO2排放量的线性关系。拟合结果如图1。霍晓谦，等数字经济对碳排放强度的影响机制及空间效应185第45卷由图1可知，在本研究所选样本中各省夜间灯光数据与CO2排放量依然具有显著的线性关系，拟合优度R2达到0.896，因此可以使用夜间灯光数据反向推演各城市的CO2排放量。1.2.2数字经济发展水平测算本文的核心解释变量为数字经济发展水平（Dige）。借鉴赵涛等46开发的测度指标，如表1所示。一级指标数字经济发展水平二级指标互联网相关产业产出互联网相关产业从业人员数互联网普及情况移动电话普及情况数字普惠金融发展水平指标说明人均电信业务总量计算机和软件从业人员占比每百人宽带用户数量每百人移动电话用户数量中国数字普惠金融指数单位元%户户-指标属性正正正正正表1数字经济发展水平测度指标Table 1Indicators for measuring the level of development of the digital economy考虑到熵权法的客观性，将上述指标标准化后使用熵权法降维处理，得出各城市的数字经济发展水平指数。具体步骤如下：首先，由于各二级指标属性为正，因此进行如下的无量纲标准化处理：Xitj=xitj-min(x1tj,x2tj,xntj)max(x1tj,x2tj,xntj)-min(x1tj,x2tj,xntj)（3）式（3）中，xitj为标准化前城市i在第t年指标j的值，Xitj为标准化后的值，n为城市数。之后，使用熵权法计算各项指标的权重。先计算各项指标的信息熵Ej：Ej=ln1ni=1nt=20112019(Xitji=1nt=20112019XitjlnXitji=1nt=20112019Xitj)（4）再根据信息熵Ej计算各项指标权重Wj：Wj=(1-Ej)/j=15(1-Ej)（5）最后，使用多目标线性加权函数法计算出各城市的数字经济发展水平指数Dige：Digeit=j=15WjXitj（6）1.2.3中介变量测算产业结构升级（IS）。三次产业比重能够直观反映一个城市的产业结构升级情况，因此，借鉴张琳杰和崔海洋23的研究，本文使用第三产业与第二产业的增加值之比衡量产业结构升级水平。技术创新（TI）。目前对技术创新水平的衡量大多是从创新产出的角度选取指标，而发明专利是创新活动的重要产物。因此，借鉴Li等5的研究，同时为避免异方差，本文使用发明专利授权量加1的对数衡量技术创新水平。1.2.4控制变量测算梳理现有对碳排放影响因素的研究，本文选取以下4个控制变量：（1）环境规制（ER）：借鉴沈坤荣等47的研究，对工业SO2去除率、工业烟（粉）尘去除率、工业固废综合利用率采用熵权法降维处理来衡量环境规制力度，处理过程同公式（3）（6）；（2）外商直接投资（FDI）：采用年平均汇率换算的外商直接投资额占GDP的比重衡量；（3）经济发展水平（PGDP）：使用人均GDP的对数衡量；（4）城市化水平（Urban）：借鉴张华明等48的研究，使用市辖区人口占总人口的比重衡量。1.3核密度估计使用核密度估计来分析数字经济发展和碳排放强度的动态演变规律，如式（7）。f(x)=1nhi=1nK()x-Xih（7）式（7）中，n为样本量，h为带宽，Xi为独立同分布的观测值，K为高斯核密度函数，如式（8）。K(x)=12exp()-x22（8）为直观展示数字经济发展（Dige）和碳排放强度（CI）的动态演变规律，分别绘制两者研究期间2011年、2015年和2019年的核密度图。图2为数字经济发展水平的核密度图。可以直观地看出，核密度曲线整体右移，并且曲线的峰值降低，曲线整体的形状变化呈扁平化趋势，说明在 2011-2019年间，总体上我国数字经济的发展水平不断提高，各地数字经济发展的差距在不断缩小，格局逐渐由分散趋于收敛。186第12期图3为碳排放强度的核密度图。可以直观地看出，核密度曲线整体左移，并且曲线的峰值提高，曲线的形状变化呈尖锐化趋势，说明在2011-2019年间，总体上我国的碳排放强度不断下降，同时，各地碳排放强度的差距逐渐扩大，部分地区碳排放强度仍较高，我国碳排放强度格局呈现极化趋势。1.4固定效应模型通过构建碳排放强度（CI）对数字经济发展水平（Dige）的回归模型来验证上述假设。由于影响碳排放强度的因素众多，难以全部纳入回归模型，考虑到固定效应模型能够有效缓解遗漏变量产生的内生性问题，因此本研究构建如下的固定效应基准回归模型以检验假设1，如式（9）。lnCIit=0+1Digeit+cXit+i+t+it（9）式（9）中，i代表城市，t代表年份，X代表一系列控制变量；0表示截距项，1表示核心解释变量的估计参数；代表城市固定效应，为年份固定效应，表示随机误差项。此外，为避免量纲不一致产生的异方差问题，对被解释变量CI取对数处理。若1显著，表明数字经济发展对碳排放强度存在显著的影响，可以继续进行下一步影响机制检验，否则数字经济不对碳排放强度产生显著影响，停止下一步检验。在1显著的前提下，为检验数字经济发展能否通过产业结构升级效应和技术创新效应降低碳排放强度，根据Hayes49的研究，使用统计效力更高的Bootstrap法检验，回归模型如下：Mit=0+1Digeit+cXit+i+t+it（10）lnCIit=0+1Digeit+2Mit+cXit+i+t+it（11）式中，M 为中介变量，代表产业结构升级水平（IS）和技术创新水平（TI）。式（10）为Dige对中介变量M的回归模型，式（11）为Dige和中介变量M对CI的回归模型。根据95%置信区间是否包含0来判断中介效应是否存在，详见下文。1.5空间计量模型1.5.1空间权重矩阵开展空间计量分析首先需要构建空间权重矩阵。常见的空间权重矩阵主要为4类：邻接矩阵、地理距离矩阵、经济距离矩阵、嵌套矩阵，其中邻接矩阵和地理距离矩阵从地理位置的角度衡量，经济距离矩阵从经济联系的角度衡量，考虑到嵌套矩阵可以同时从地理和经济2个方面衡量空间效应，本文选择嵌套矩阵作为空间权重矩阵W，如式（12）。W=Wddiag(X1/X，X2/X，Xn/X)（12）式（12）中，Wd为地理距离矩阵，X为经济特征值，由研究期间内人均GDP的均值衡量。1.5.2空间自相关检验构建空间权重矩阵后，通过空间自相关检验判断数字经济发展和碳排放强度是否存在显著的空间自相关性，以判断是否应进行空间效应分析。使用全局Morans I指数检验数字经济发展水平和碳排放强度的空间自相关性，如式（13）。I=ni=1nj=1nWij(Xi-X)(Xj-X)i=1nj=1nWiji=1n(Xi-X)2（13）式（13）中，n为城市数，X为数字经济发展水平和碳排放强度，I为全局Morans I指数。同时，使用局部莫兰图来直观展示相邻地区数字经济发展水平和碳排放强度的空间集聚态势，局部Morans I指数Ii的计算公式为：Ii=n(Xi-X)i=1n(Xi-X)2j=1,jinWij(Xj-X)（14）1.5.3空间计量模型构建在通过空间相关性检验的前提下，使用空间计量模型检验数字经济发展能否通过空间溢出效应降低邻近地区的碳排放强度，如式（15）。lnCIit=0+WlnCIit+1WDigeit+1Digeit+cWXit+cXit+i+t+it（15）式（15）中，为空间自回归系数，1和c分别为核心解释变量Dige和控制变量与空间交互项的估计参数。根据LeSage等50提出的偏微分方法将数字经济发展对碳排放强度的影响分解，以判断空间溢出效应是否成立。1.6数据来源综合数据缺失情况，本文选取了我国2011-2019年252个地级及以上城市（不含港澳台）的数据展开研究。其中，夜间灯光数据来自国家青藏高原科学数据中心提供的中国人工夜间灯光数据集51，该数据集基于夜间灯光卷积长短期记忆网络生成，相比DMOS-OLS和NPP-VIIRS的原始数据具有更好的连续性和可靠性；数字普惠金融指数来源于北京大学数字金融研究中心和蚂蚁金服集团共同编制的 中国数字普惠金融指数52；发明专利授权数据来自中国研究数据服务霍晓谦，等数字经济对碳排放强度的影响机制及空间效应187第45卷平台（CNRDS）。其余数据均来自 中国城市统计年鉴和各地统计年鉴。2实证结果分析2.1基准回归为验证假设1，运用Stata 17软件对式（9）进行回归，结果如表2所示。表2基准回归结果Table 2Baseline regression results变量DigeERFDIPGDPUrban常数项城市固定效应年份固定效应样本量R2（1）lnCI-0.218*(0.060)1.160*(0.011)是是2 2680.709（2）lnCI-0.117*(0.044)-0.049*(0.020)-0.283*(0.107)0.631*(0.013)-0.092*(0.031)11.651*(0.226)是是2 2680.888注：*、*、*分别代表在1%、5%和10%的水平下显著，括号内为稳健标准误，下同。表2中，第（1）列是碳排放强度直接对数字经济发展水平进行回归，未加入一系列控制变量，第（2）列加入了控制变量。结果显示，无论是否加入控制变量，核心解释变量Dige的系数均在1%的水平上显著为负，说明虽然数字基础设施的能耗问题造成碳排放增加，但数字经济通过支撑碳市场运行、赋能企业碳减排等多种途径助力碳减排，从而在更大程度上减少碳排放。因此，在总体上我国数字经济发展显著降低了碳排放强度，假设1成立。控制变量方面，环境规制（ER）的系数在5%的水平上显著为负，说明当前我国政府的环境规制是实现碳减排的重要手段。外商直接投资（FDI）的系数在1%的水平上显著为负，说明外商直接投资表现出“污染光环”效应，这与Perkins等53的观点一致，外商投资通过技术溢出效应提高了我国企业的技术水平，提高了能源利用效率，从而降低碳排放强度。经济发展水平（PGDP）的系数在1%的水平上显著为正，说明当前我国的经济发展与碳排放还未脱钩，经济的快速发展造成了大量的能源消耗，从而使碳排放强度提高。城市化水平（Urban）的系数在1%的水平上显著为负，这与张华明等48的观点一致，随着城市化推进，人口、资本等生产要素不断向城市集中，有助于资源的集中统一配置和利用，从而提升能源利用效率，降低碳排放强度。2.2中介效应检验表2的基准回归结果证实了数字经济发展能够显著降低碳排放强度，那么是否如上文所说，产业结构升级与技术创新是数字经济降低碳排放强度的重要机制，因此继续对式（10）和（11）进行Bootstrap检验，重复取样次数设置为5 000，结果如表3所示。中介变量产业结构升级技术创新效应类型间接效应直接效应间接效应直接效应效应大小-0.039-0.103-0.009-0.108标准误0.0130.0470.0050.04695%置信区间-0.069，-0.014-0.197，-0.012-0.025，-0.004-0.199，-0.020表3Bootstrap中介效应检验结果Table 3Results of the Bootstrap mediating effects test根据Hayes49的理论，Bootstrap检验结果中，间接效应的95%置信区间不包含0代表中介效应成立，若直接效应的95%置信区间也不包含0，代表部分中介效应，中介变量是自变量影响因变量的重要机制之一。表3的结果显示，产业结构升级间接效应的95%置信区间为-0.069，-0.014，不包含0，并且直接效应的95%置信区间也不包含0，说明产业结构升级是数字经济降低碳排放的强度的重要机制之一。同理，技术创新的间接效应和直接效应的95%置信区间也不包含0，说明技术创新也是数字经济降低碳排放强度的重要机制。因此，产业结构升级和技术创新的中介效应成立，数字经济通过产业结构升级效应和技术创新效应降低了碳排放强度，假设2成立。2.3空间效应检验为检验数字经济对碳排放强度的空间溢出效应是否成立，首先使用式（13）的全局Morans I指数检验我国各城市数字经济发展水平和碳排放强度的空间自相关性，结果如表4所示。表4的结果显示，2011-2019年，数字经济发展水平和碳排放强度的全局Morans I指数均为正值，且均通过了1%的显著性检验，说明我国数字经济发展和碳排放强度具有显著的空间正相关性。全局Morans I指数能够从总体上检验空间自相关性，而局部Morans I指数可以考察特定城市的空间188第12期相关程度。因此，为直观展示我国各城市数字经济发展和碳排放强度的空间集聚态势，绘制局部莫兰图，限于篇幅，仅汇报2019年的结果。图4和图5显示，各城市数字经济发展和碳排放强度的局部Morans I指数主要分布在第一、三象限，形成“低-低”和“高-高”的集聚态势，即各城市在局部空间上具有较强的正向促进效果，与表4中全局Morans I指数的检验结果相同。因此，各城市的数字经济发展和碳排放强度具有较强的空间自相关性，可以使用空间计量模型进行实证检验。根据Elhorst54的研究，依次进行LM检验、LR检验、Hausman检验来确定最优的空间计量模型，检验结果如表5所示。表5空间计量模型选择检验Table 5Spatial econometric model selection tests检验类型LM-Lag检验稳健LM-Lag检验LM-Error检验稳健LM-Error检验LR-SDM-SAR检验LR-SDM-SEM检验Hausman检验检验统计量结果106.08315.22133.6388.741224.69300.91113.67P值0.0000.0000.0000.0030.0000.0000.000表5的检验结果显示，在1%的显著性水平上通过LM的各项检验，说明选择空间计量模型是合理的；在1%的显著性水平上通过LR的各项检验，说明空间杜宾模型（SDM）优于空间自回归模型（SAR）和空间误差模型（SEM）；在1%的水平上通过了Haus