数字经济赋能与工业低碳转型：内在机制与经验证据.pdf

第39卷第4期2023年8月吉 林工 商 学院 学 报JOURNAL OF JILIN BUSINESSAND TECHNOLOGY COLLEGEVol.39,No.4Aug.2023数字经济赋能与工业低碳转型：内在机制与经验证据杨林燕（龙岩学院 经济与管理学院，福建 龙岩 364012）摘要 从理论层面深入探究了数字经济赋能工业低碳转型的内在机制，并基于20062020年省级面板数据，就数字经济赋能工业低碳转型的机制与效应进行了实证检验。研究发现：（1）数字经济对工业碳排放量有显著的负向影响，对工业碳生产率有显著的正向影响，表明数字经济能促进工业低碳转型；（2）东部地区数字经济能显著降低工业碳排放量和提高工业碳生产率，中西部地区数字经济能显著降低工业碳排放量，但对工业碳生产率的影响不明显；（3）绿色技术创新在数字经济影响工业碳排放量和工业碳生产率的过程中起着部分中介作用，数字经济能通过促进绿色技术创新赋能工业低碳转型；（4）数字经济赋能工业低碳转型存在显著的空间溢出效应，即数字经济赋能本地工业低碳转型的同时也促进了邻近地区的工业低碳转型。关键词 数字经济；工业低碳转型；工业碳排放量；工业碳生产率；绿色技术创新中图分类号 F062.9文献标识码A文章编号 1674-3288（2023）04-0028-09收稿日期 2023-06-18基金项目 福建省科技厅创新战略研究计划项目“双碳 目标下数字化赋能福建省工业绿色低碳发展研究”（2022R0108）作者简介 杨林燕（1983-），女，福建长汀人，经济学博士，龙岩学院 经济与管理学院讲师，研究方向为数字经济与产业发展。一、引言与文献综述党的二十大报告强调要发展绿色低碳产业，加快发展方式绿色转型，积极稳妥推进碳达峰、碳中和。工业是我国“节能降碳”的主战场，推进工业绿色低碳转型是支撑经济社会全面绿色转型的重中之重。在全球经济数字化发展、数字化转型趋势下，新一代信息技术与传统产业深度融合正在成为工业节能、降碳、增效的新驱动力量。“十四五”工业绿色发展规划 提出建立绿色低碳基础数据平台，推动数字化智能化绿色化融合发展，推进“工业互联网+绿色制造”，积极推动数字经济的新优势转化成为工业绿色低碳转型的新动能。那么，数字经济影响工业低碳转型的传导机制是怎样的，中国各地区数字经济赋能工业低碳转型的效应如何，厘清上述问题对于丰富数字经济理论体系、助力实现“双碳”目标具有重要意义。随着数字技术与实体行业融合的深入，学界开始关注数字经济在工业领域的应用效应。理论研究方面，学者们主要围绕数字经济驱动工业绿色发展的机理展开论述。Ciocoiu（2011）1着重阐释了数字经济对环境的影响，强调数字经济与工业产业结合产生了新的发展模式，并为绿色可持续发展创造了新的机会；韩晶等（2022）2从动力转换、演化机理、参与主体等方面阐释了数字经济驱动绿色发展的基本机理，认为数字经济能够夯实绿色发展的要素基础，为工业绿色发展提供广阔空间；陈素梅和李晓华（2022）3在阐释数字经济与绿色制造的概念及特征的基础上，从产品设计的绿色化、生产的绿色化、供应链的绿色化、产品使用和回收的绿色化四个方面分析了数字经济助力制造业绿色发展的机理。实证研究方面，一部分学者从工业信息化、工业互联网、区块链、数字基础设施等视角分析了数字经济对工业绿色发展的影响，如程中华和刘军（2019）4基于20122016年工业分行业数据，实证研究发现信息化能促进工业行业绿色增长且这一促进作用具有显著的行业差异性；岳丽荣等（2020）5实证研究表明工业互联网能有效促进工业绿色创新发展；李少 28林和冯亚飞（2021）6基于环保重点城市的准自然实验，研究发现区块链的应用能够倒逼制造业企业绿色转型发展；李健旋和姚帏之（2022）7利用20032017年省际面板数据，研究发现数字基础设施投入的增加能有效促进制造业绿色增长。另一部分学者就数字经济发展对工业绿色全要素生产率等方面的影响展开探究，如肖远飞和姜瑶（2021）8实证研究发现数字经济通过加快市场化进程、产业结构升级与提升人力资本有效促进了工业绿色全要素生产率的提升。此外，还有学者从数字交易的视角探析了数字金融与工业绿色转型发展的关系，如吕知新等（2021）9认为数字金融不仅可以通过提高工业企业的融资效率提升其绿色技术研发能力、研发水平，而且能够通过提高企业创新创业水平提升其经营绩效，而企业绿色研发能力、研发水平及经营绩效的提升有利于促进工业企业实现绿色转型发展。综上所述，理论研究方面，学者们主要论述了数字经济对工业绿色发展的影响机理，缺乏数字经济对工业低碳化转型方面的阐释；实证研究层面，现有文献多为分析互联网、信息化、区块链等单一数字技术对工业绿色发展的影响或者数字经济对工业绿色全要素生产率的影响，鲜见从数字经济赋能的角度探析数字经济对工业低碳化发展的赋能效应。鉴于此，本研究将深入探究数字经济赋能工业低碳转型的作用机制与效应，并结合各地区发展的实际进行实证检验。二、理论分析与研究假设（一）数字经济对工业低碳转型的直接影响第一，快速发展的数字经济为工业低碳转型赋予了新动能。工业互联网、人工智能、大数据等一系列数字技术通过与传统工业生产要素的融合，推动传统生产方式变革，驱动工业生产“智”变10。对于无法适应或者难以进行数字化转型升级的一些传统高碳排放工业，在数字经济快速发展和“双碳”目标驱动下，将逐渐被淘汰。通过对可进行数字化改造的工业行业进行数字化、智能化改造，进而提高行业整体生产效率，淘汰高碳排放的落后产能，实现工业行业整体向低碳化转型发展。第二，数字经济发展能够为工业生产提供动态信息采集平台，赋能工业生产领域的低碳化管理。依托数字技术可实现对工业生产各个环节投入要素的能源消耗、碳排放数据进行实时精准采集和监测11，与设定的碳排放目标进行有效对比分析，及时发现碳排放过程中存在的问题，减少不必要的能源浪费，提高工业生产和经营过程中的碳排放管理水平，促进工业低碳化转型发展。第三，数字经济的发展不仅能够提供共享服务，降低工业企业的交易成本，而且能够有效弱化工业生产和经营环节中的信息不对称，减少供给方与需求方之间的信任风险，通过数字化实现要素与资源配置结构的优化，提升总体运营效率，从而促进工业低碳转型。此外，数字经济发展还能助力工业碳交易，依托碳交易平台实现工业行业碳交易的动态更新，激发工业企业积极采取节能降碳的措施，从而促进工业向低碳化转型发展。基于以上分析，提出研究假设1：H1：数字经济有利于促进工业低碳转型发展。（二）数字经济对工业低碳转型的间接影响数字经济通过促进绿色技术创新间接影响工业低碳转型发展。第一，数字经济发展有利于推动工业企业开展绿色技术创新研发活动，促进企业生产经营各环节能源消费结构的优化，进而实现低碳转型。一方面，数字经济的发展打破了资源与信息共享的壁垒，为大型工业企业开展绿色技术创新提供了更广阔的空间。依托工业互联网平台，大型工业企业能更高效便捷地实现低碳技术、创新人才、环保材料、绿色能源等各类资源的整合与对接，进而提高绿色技术创新产出12。另一方面，数字经济发展也为中小型工业企业提供了更多参与绿色技术创新研发的机会。在工业互联网技术的支持下，中小型工业企业不仅可以与数字技术服务企业开展绿色技术创新研发合作，而且也可以与大型工业企业进行技术创新分工合作，进而加快企业设备联网和智能化改造，优化生产经营过程，降低能耗，实现低碳化转型。第二，数字经济发展有利于促进绿色技术创新的推广和应用，进而助力工业低碳转型发展。数字经济的发展有效缓解了信息不对称的问题，降低了企业获取绿色技术创新相关信息的支出13。一方面，当工业企业自主进行与低碳化改造相关的技术创新活动遇到瓶颈时，如果能通过互联网平台及时获取到相关技术推广和应用的信息，则可以加快其低碳化改造的步伐；另一方面，对于尚未启动生产经营流程低碳化改造的工业企业，在互联网平台加速推广相关绿色技术创新知识的情况下，有可能会加入“低碳化改造”的企业行列，从而扩大工业企业低碳转型的范围。第三，数字经济发展有利于激发不同区域的工业企业、科研院所开展绿色技术创新的合作动力，促进低 29碳技术不断更新升级14，从而推动工业低碳转型。工业生产经营过程中能源消费结构的持续优化离不开绿色低碳技术的进步，因此，持续的绿色技术创新应用于工业领域将不断降低其能源消耗和碳排放，进而实现工业低碳转型发展。基于以上分析，提出研究假设2：H2：数字经济能够通过促进绿色技术创新赋能工业低碳转型发展。（三）数字经济赋能工业低碳转型的空间溢出影响依托数字化技术的支持，数字经济能够打破传统经济活动对于时间和空间的限制15，显著提升区域间工业生产协作效率，实现生产要素优化配置，降低能源消耗，从而减少本地区工业碳排放的同时，也可能推动了邻近地区的工业低碳转型。信息开放与共享是数字经济的重要特征之一，数字经济的发展加速了区域间知识与技术的溢出，加快了区域间要素流动，降低了区域间交易成本16，使得区域间各产业部门都能较容易地突破时空约束，享受到更多资源17。一方面，数字经济的发展有利于本地区工业企业低碳转型的做法和成效向邻近地区溢出，起到引领和示范作用，为邻近地区实施工业低碳转型提供借鉴；另一方面，数字经济的发展也有利于本地区与邻近地区的工业企业低碳技术创新合作，扩大低碳技术在工业生产经营领域的应用范围，进而促进本地区和邻近地区工业低碳转型发展。国外学者Yilmaz等（2002）18采用美国样本数据的实证结果显示信息化具有空间外溢效应，国内学者徐维祥等（2022）19基于中国的样本数据，研究发现数字经济发展对城市碳排放的影响具有空间外溢效应。因此，数字经济也可能通过空间溢出效应赋能邻近地区的工业低碳转型发展。基于以上分析，提出研究假设3：H3：数字经济赋能工业低碳转型发展具有显著的空间溢出效应。三、实证模型与变量设定（一）计量模型设定基于前文理论分析与研究假设，为考察数字经济对工业低碳转型的直接影响，设定以下基准模型：Yit=0+1DIGEit+kXit+i+t+it（1）式（1）中，Y为工业低碳转型水平，DIGE为数字经济发展水平，X为控制变量；i代表省份，t代表年份；0、1和k为回归系数；i为个体效应，t为时间效应，it为随机扰动项。为进一步分析数字经济对工业低碳转型发展的间接影响，构建以下中介效应模型：Mit=0+1DGIEit+kXit+i+t+it（2）Yit=0+1DIGEit+3Mit+kXit+i+t+it（3）式（2）和式（3）中，M是中介变量，表示绿色技术创新，其他变量与式（1）一致。在式（1）的基础上考虑加入空间因素，以探究数字经济赋能工业低碳转型的空间溢出效应，构建如下的空间计量模型：Yit=0+WijYit+1DIGEit+WijDIGEit+kXit+WijXit+i+t+it（4）式（4）中的it=Wit+it，Wij为省份i与j的地理距离空间权重矩阵，是空间自回归系数，r和分别为解释变量和控制变量空间交互项的回归系数，表示空间误差项系数，其他变量与式（1）一致。（二）变量选取及数据说明1.被解释变量：工业低碳转型水平（Y）。分别用工业碳排放量的对数（Y1）和工业碳生产率（Y2）两个指标来衡量地区工业低碳转型水平，其中工业碳生产率（Y2）采用工业增加值与工业碳排放量的比值取对数来衡量。在“双碳”背景下，工业碳排放总量的变化能有效地反映工业“减排”的情况，而工业碳生产率的变化能较好地反映工业生产“增效”的情况，即在工业碳排放总量减少的基础上工业总产值的变化。借鉴王少剑等（2012）20的研究，使用IPCC碳排放清单估算法测算省级层面的工业碳排放量，具体公式如下：CE=ADiNCViCCiCOF44/12（5）式（5）中，CE表示工业碳排放总量，i表示能源消费的种类，ADi表示i类能源的消费量，NCVi是i类能源的净发热值，CCi为碳排放因子，COF为碳氧化因子（由于化石燃料中被氧化的碳达99%100%，故缺省值设为1），44和12分别表示二氧化碳和碳的分子量。2.核心解释变量：数字经济发展水平（DIGE）。目前还没有统一的关于省级层面数字经济发展水平的测 30度方法，学者们大多结合研究目的构建综合指标体系。借鉴王军等（2021）21、肖远飞和姜瑶（2021）8等的研究，构建数字经济发展水平的评价指标体系（表1）。表1数字经济发展水平评价指标体系一级指标数字经济发展载体数字经济应用服务数字经济发展环境二级指标信息传输基础网络资源基础信息承载能力移动通讯服务电信服务快递服务数字人才支持发展技术支持发展资金支持指标说明每平方千米光缆长度（公里/平方千米）每人互联网宽带接入端口数（个/人）每人移动电话交换机容量（户/人）移动电话普及率（%）电信业务总量占GDP比重（%）特快专递量（万件）信息传输、软件和信息技术服务业城镇单位就业人员比重（%）每10万人国内专利申请受理量（项/10万人）规模以上工业企业R&D经费占GDP比重（%）指标属性正向正向正向正向正向正向正向正向正向在构建数字经济发展水平评价指标体系的基础上，为避免主观赋权的局限性，本文借鉴黄敦平和朱小雨（2022）22的做法，采用客观赋权的熵值法得出各衡量指标的权重，据此计算省级层面数字经济发展水平评价指数值。3.中介变量：绿色技术创新（M）。借鉴杨林燕和王俊（2022）23的研究方法，采用节能减排专利申请数来衡量地区绿色技术创新；以欧洲专利局（EPO）和美国专利商标局（USPTO）共同开发形成的联合专利分类体系（CPC）中的Y02类目缓解或适应气候变化的技术和应用作为节能减排领域专利选择标准，以各地区每年Y02类目的专利申请数量取对数的方法来衡量绿色技术创新。4.控制变量借鉴杨昕和赵守国（2022）11、吕知新等（2021）9的研究，选用环境规制、人力资本水平、对外开放水平、城镇化水平、能源消费结构作为控制变量。环境规制（ER）采用各地区GDP与能源消费量的比值来衡量；人力资本水平（HUM）使用各地区的平均受教育年限来衡量，即根据各地区小学、初中、高中和大专及以上教育水平的人数占6岁以上人口的比重乘以对应教育年限（6、9、12、16）来计算；对外开放度（FT）以对外贸易总额占GDP的比重来衡量；城镇化水平（UR）以各地区的人口城镇化率来衡量；能源消费结构（ECS）用工业煤炭类消费量占能源消费总量的比重来衡量。（三）数据来源与统计特征鉴于指标数据的可获得性，本文的研究对象是中国30个省级行政区（因数据缺失原因，不包括西藏和港澳台地区），样本期间为20062020年。工业碳排放量及能源消费量指标的原始数据来源于 中国统计年鉴 和 中国能源统计年鉴，专利数据来自智慧芽（PatSnap）数据库，其他指标的原始数据均来自 中国统计年鉴，对个别缺失的数据采用插值法进行补充。各变量的描述性统计如表2所示。表2主要变量的描述性统计变量Y1Y2DIGEMER样本量450450450450450均值9.1188.4990.1436.9121.081标准误0.8040.7410.1191.5830.565最小值6.4146.9990.0292.0250.241最大值10.66510.7760.72211.4383.537变量HUMFTURECS样本量450450450450均值8.9340.3040.5570.811标准误0.9970.3480.1370.161最小值6.5940.0080.2750.087最大值12.6811.7110.8960.986数据来源：根据Stata15.0软件数据分析所得。31四、实证结果与分析（一）基准回归分析为分析数字经济对工业低碳转型的直接影响，根据前文设定的基准模型，基于省级面板数据，运用Sta-ta15.0软件进行回归分析，表3报告了具体的回归结果。表3中第（1）和第（2）列的被解释变量均为工业碳排放量（Y1），第（3）和第（4）列的被解释变量均为工业碳生产率（Y2），第（2）和第（4）列分别在第（1）和第（3）列的基础上加入了各个控制变量。表3基准模型的回归结果DIGEERHUMFTURECS（1）Y1-0.767*（-6.52）（2）Y1-0.568*（-3.39）-0.757*（-13.03）-0.208*（-1.92）-0.031（-0.38）0.498*（6.90）0.317*（2.49）（3）Y20.279*（2.15）（4）Y20.189*（2.32）0.843*（9.43）0.155*（4.04）0.254（1.60）-0.328（-1.16）-0.211*（-1.87）省份效应年份效应常数项F检验值R2样本数（1）Y1YesYes8.397*（10.58）70.95*0.718450（2）Y1YesYes6.733*（9.35）86.37*0.894450（3）Y2YesYes5.909*（22.84）294.02*0.802450（4）Y2YesYes3.892*（13.49）195.61*0.823450注：*、*、*分别代表1%、5%、10%的显著性水平，括号内为t值。下同。表3第（1）和第（2）列的回归结果显示核心解释变量数字经济发展水平（DIGE）的回归估计系数符号均为负且都通过了1%以上的显著性水平检验，表明数字经济对工业碳排放量具有显著的负向影响，即数字经济发展水平的提高有利于降低工业碳排放量。第（3）和第（4）列中数字经济（DIGE）的回归估计系数符号均为正且都通过了5%以上的显著性水平检验，表明数字经济发展水平的提高有利于增加工业碳生产率。综合上述回归结果来看，数字经济发展不仅促进了工业碳“减排”，而且促进了工业低碳发展“增效”，表明数字经济有利于促进工业低碳转型，研究假设H1得到验证。（二）稳健性检验为验证上述基准模型回归结果的可靠性，本文采用两种方法进行稳健性检验。第一种方法是将工业低碳转型水平的衡量指标替换为工业碳排放强度（Y3），即采用单位工业增加值的碳排放量来衡量地区工业低碳转型情况。第二种方法是为避免被解释变量与解释变量互为因果导致的内生性问题，借鉴黄小勇等（2020）24的方法，利用各省份每百人拥有的固定电话数量作为解释变量的工具变量，使用两阶段最小二乘法进行回归。表4报告了具体的回归结果。由表4第（1）列可知，数字经济发展水平（DIGE）的回归系数值显著为负，表明数字经济发展对工业碳排放强度的影响显著为负，即数字经济抑制了工业碳排放强度的增加，在一定程度上能推动工业低碳转型发展。第（1）列的回归结果表明，在考虑了省份、年份固定效应及控制变量的影响后，前文基准回归结果具有稳健性。第（2）和第（3）列采用工具变量法回归，K-P LM统计值在1%的置信水平下拒绝了“工具变量不可识别”的原假设，K-P Wald F统计值拒绝了“存在弱工具变量”的原假设。采用工具变量法回归后，数字经济对工业碳排放量的回归系数仍然显著为负，对工业碳生产率的回归系数仍显著为正，支持了基准回归结果的稳健性。32表4稳健性检验结果DIGEERHUMFTURECS（1）Y3-0.481*（-5.92）-0.204*（-3.36）-0.189*（-2.26）-0.078（-1.22）0.436*（2.40）0.278*（2.09）（2）Y1-0.294*（-2.99）-0.342*（-8.79）-0.202*（-1.78）-0.112（-0.47）0.282*（2.05）0.125*（3.92）（3）Y20.202*（2.08）0.631*（5.37）0.109*（2.43）0.341（1.23）-0.205（-1.08）-0.211*（-2.36）省份效应年份效应常数项F检验值K-PWald F检验值K-P LM检验值R2样本数（1）Y3YesYes8.303*（10.58）77.40*-0.846450（2）Y1YesYes6.079*（9.46）89.28*59.09823.489*0.901450（3）Y2YesYes4.985*（5.97）127.14*61.23536.102*0.899450（三）异质性检验由于各地区数字经济基础设施建设、数字经济应用服务及数字经济发展环境情况有较大的差异，因此数字经济赋能各地工业低碳转型发展可能存在一定的异质性。鉴于此，本文参照国家统计局关于东、中、西部地区的划分标准，将研究样本划分为东部地区和中西部地区两个子样本，分区域进行异质性检验，结果如表5所示。表5异质性检验结果DIGEERHUMFTURECS省份效应年份效应常数项F检验值R2样本数Y1（1）东部地区-0.322*（-4.91）-0.401*（-3.43）-0.289*（-2.25）-0.110（-1.37）0.108*（5.12）0.313*（3.90）YesYes5.784*（6.51）82.03*0.722165（2）中西部地区-0.112*（-1.82）-0.272*（-4.36）-0.128*（-1.88）0.091（0.89）0.384*（2.07）0.175*（2.13）YesYes3.083*（5.50）66.28*0.591285Y2（3）东部地区0.153*（3.70）0.336*（7.38）0.096*（2.13）0.049*（1.78）-0.083（-1.43）-0.192*（-2.51）YesYes4.212*（7.92）110.23*0.639165（4）中西部地区0.092（1.42）0.138*（4.30）0.102*（2.35）0.118（1.09）-0.283（-1.23）-0.184*（-2.14）YesYes6.203*（4.98）108.14*0.628285表5第（1）列中的数字经济（DIGE）回归系数显著为负，第（3）列数字经济（DIGE）回归系数显著为正，表明东部地区数字经济的发展不仅抑制了工业碳排放量的增加，而且促进了工业碳生产率的提升。第（2）列中的数字经济回归系数在10%的置信水平下显著为负，第（4）列数字经济回归系数没有通过显著性检验，表明中西部地区数字经济发展有利于降低工业碳排放量，但对工业碳生产率的提升作用不显著，由此表明数字经济赋能工业低碳转型存在一定的地区差异性。可能的解释是，一方面，随着中西部地区的数字经济发展水平的逐步提升，数字化技术在工业生产领域的应用范围不断扩大，使得数字经济对降低工业碳排放量的作用初步显现出来；但另一方面，由于中西部地区重工业比重较大，对煤炭类能源消费量也较大，同时拥 33有较多碳排放量较大的数据中心，导致数字经济对其工业碳生产率的促进效应不明显。（四）影响机制检验为检验数字经济是否通过促进绿色技术创新赋能工业低碳转型发展，使用中介效应检验程序检验绿色技术创新的中介作用。表6报告了具体的检验结果。表6影响机制检验结果DIGEMERHUMFTUR（1）M0.315*（3.42）0.143*（4.61）0.294*（3.68）0.278*（2.37）0.108*（1.80）（2）Y1-0.145*（-3.12）-0.116*（-4.31）-0.248*（-6.09）-0.102*（-2.22）-0.072（-1.14）0.121*（2.32）（3）Y20.134*（2.15）0.216*（5.38）0.411*（3.79）0.082*（1.63）0.081（0.93）-0.059（-1.31）ECS省份效应年份效应常数项F检验值R2样本数（1）M0.089（1.35）YesYes10.485*（8.92）94.083*0.761450（2）Y10.094*（4.28）YesYes5.922*（6.86）78.428*0.613450（3）Y2-0.182*（-2.49）YesYes6.805*（4.37）113.423*0.607450表6第（1）列的被解释变量是绿色技术创新（M），第（1）列中数字经济的回归系数显著为正，表明数字经济发展促进了绿色技术创新；第（2）列中数字经济回归系数均显著为负，反映在控制了中介变量后数字经济降低工业碳排放量的直接影响效应，绿色技术创新（M）的回归系数也显著为负，表明绿色技术创新显著降低了工业碳排放量；第（3）列中数字经济（DIGE）和绿色技术创新（M）两个变量的回归系数值均显著为正，前者反映在控制了中介变量后数字经济对工业碳生产率的直接正向影响效应，后者表明绿色技术创新显著促进了工业碳生产率的增加。表3第（2）和第（4）列中数字经济（DIGE）的回归系数值分别表明了数字经济对工业碳排放量和工业碳生产率的总效应。上述检验结果表明绿色技术创新在数字经济影响工业碳排放量和工业碳生产率的过程中起着部分中介作用，即数字经济能够通过促进绿色技术创新赋能工业低碳转型发展，研究假设H2得到了验证。（五）空间效应检验为检验数字经济赋能工业低碳转型的空间外溢效应，引入地理距离空间权重矩阵，首先采用全局莫兰指数（Moran s I）方法对工业碳排放量和工业碳生产率进行空间相关性检验，具体结果如表7所示。表720062020年工业碳排放量和工业碳生产率的莫兰指数年份20062007200820092010201120122013Y1Moran s I0.302*0.475*0.393*0.217*0.324*0.401*0.298*0.274*z 值20.11322.34219.47322.22419.70218.99511.35214.935Y2Moran s I0.089*0.067*0.091*0.101*0.113*0.098*0.102*0.116*z 值9.35610.3569.5328.40611.2567.5069.2758.468年份2014201520162017201820192020Y1Moran s I0.311*0.299*0.335*0.348*0.414*0.383*0.495*z 值13.23115.45320.90319.56218.37516.38619.274Y2Moran s I0.083*0.086*0.092*0.105*0.084*0.096*0.089*z 值10.59810.9256.4729.5508.3568.3869.265 34由表7可知，20062020年工业碳排放量和工业碳生产率的全局Moran s I值均显著大于0，表明样本期间内各省份的工业碳排放和工业碳生产率均具有显著的空间自相关性。接着对前文设定的空间计量模型进行LR检验、Wald检验，结果均在1%的置信水平下拒绝了原假设，Hausman检验结果也通过了1%的显著性检验，因此选取固定效应空间杜宾模型进行回归分析。表8报告了具体的回归结果。表8空间效应检验结果DIGEW*DIGE控制变量直接效应间接效应（1）Y10.537*（3.54）-0.409*（-4.52）-0.376*（-6.26）Yes-0.112*（-2.45）-0.203*（-3.48）（2）Y20.305*（5.36）0.213*（2.49）0.182*（4.37）Yes0.087*（4.24）0.125*（3.78）总效应省份效应年份效应Log-likelihood样本数（1）Y1-0.315*（-4.28）YesYes1 435.390450（2）Y20.212*（2.39）YesYes1 278.352450从表8的回归结果来看，第（1）列中工业碳排放量的空间自回归系数显著为正，第（2）列中工业碳生产率的空间自回归系数也显著为正，表明工业碳排放和工业碳生产率均存在显著的正向空间关联，即本地工业碳排放量和工业碳生产率的变化会正向地影响邻近地区的工业碳排放量和工业碳生产率。第（1）列中数字经济发展的空间交互项（W*DIGE）回归系数显著为负，表明数字经济对工业碳排放量具有负向的空间溢出效应；从直接效应和间接效应来看，数字经济的系数均显著为负，表明数字经济赋能本地工业减少碳排放量的同时也降低了邻近地区的工业碳排放量。第（2）列中数字经济发展的空间交互项（W*DIGE）回归系数显著为正，表明数字经济对工业碳生产率具有正向的空间溢出效应；从直接效应和间接效应来看，数字经济的系数均显著为正，表明数字经济提高本地工业碳生产率的同时也促进了邻近地区工业碳生产率的提升。综上，数字经济赋能工业低碳转型存在显著的空间溢出效应，研究假设H3得到验证。五、结论与启示本研究从理论层面深入探究了数字经济赋能工业低碳转型的内在机制，并基于20062020年省级面板数据，就数字经济赋能工业低碳转型的机制与效应进行了实证检验，得到的主要结论有：第一，基准回归结果显示，数字经济对工业碳排放量有显著的负向影响，对工业碳生产率有显著的正向影响，表明数字经济能促进工业低碳转型。第二，区域异质性检验结果显示，东部地区数字经济能显著降低工业碳排放量和提高工业碳生产率，中西部地区数字经济能显著降低工业碳排放量，但对工业碳生产率的影响未通过显著性水平检验。第三，影响机制的检验结果显示，绿色技术创新在数字经济影响工业碳排放量和工业碳生产率的过程中起着部分中介作用，数字经济能通过促进绿色技术创新赋能工业低碳转型。第四，空间效应检验结果表明，数字经济赋能工业低碳转型存在显著的空间溢出效应，即数字经济赋能本地工业低碳转型的同时也促进了邻近地区的工业低碳转型。由以上结论可以得到如下政策启示：第一，各地方政府充分发挥引导职能，积极推动数字化与工业绿色低碳化协同发展。一方面，要加大对数字基础设施、数字技术研发与应用的资金支持和人才支持，为数字经济创造良好的发展环境，加快推进数字中国建设，为工业低碳转型培育新动能；另一方面，要引导和鼓励工业企业合理利用数字化技术优化资源和要素配置，加快生产经营流程的数字化改造，提高工业碳生产率，为工业绿色低碳转型赋能。第二，由于各地数字经济发展水平和资源禀赋均有一定的差异，需要因地制宜地实施差异化的工业低碳转型发展战略。东部地区要及时总结数字经济赋能工业低碳转型所取得的成效，继续推进数字化与工业绿色低碳化深度融合；中西部地区要有针对性地补齐短板，利用数字经济发展所释放的“降碳”红利，助力工业低碳转型。第三，充分认识绿色技术创新在促进工业低碳转型过程中的作用，鼓励绿色技术创新。通过加大绿色技术创新研发投入，激发各创新主体的积极性，形成“产学研金介”协同合作机制，打造良好的绿色技术创新生态系统。第四，充分利用数字经济赋能工业低碳转型的空间溢出效应，推进区域工业低碳转型协同发展。数字经济发展赋能工业低碳转型取得较好成效的地区要发挥引领带动作 35用，与邻近高碳排放地区加强合作，高碳排放低数字化的地区也要积极学习和借鉴邻近地区的成功经验，加快工业低碳转型的发展步伐。参考文献1 Ciocoiu C N.Integrating Digital Economy And Green Economy：Opportunities For Sustainable DevelopmentJ.Theoretical andEmpirical Researches in Urban Management，2011，6（1）：33-43.2 韩晶，陈曦，冯晓虎.数字经济赋能绿色发展的现实挑战与路径选择J.改革，2022，（9）：11-23.3 陈素梅，李晓华.数字经济驱动制造业绿色发展的作用机理J.企业经济，2022，41（12）：140-150.4 程中华，刘军.信息化对工业绿色增长的影响效应J.中国科技论坛，2019，（6）：95-101+108.5 岳丽荣，邵博，申君宜.工业互联网对绿色创新绩效的影响基于制造业的实证研究J.科技与管理，2020，（5）：28-36.6 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）：1455-1466.7 李健旋，姚帏之.数字基础设施投入对中国制造业绿色增长的影响：空间效应与机制分析J.科学学与科学技术管理，2022，43（8）：82-98.8 肖远飞，姜瑶.数字经济对工业绿色生产效率的影响研究J.现代管理科学，2021，（8）：100-109.9 吕知新，包权，任龙梅.数字金融能够促进工业经济绿色转型发展吗？J.科技管理研究，2021，（24）：184-194.10 葛立宇，莫龙炯，黄念兵.数字经济发展、产业结构升级与城市碳排放J.现代财经，2022，42（10）：20-37.11 杨昕，赵守国.数字经济赋能区域绿色发展的低碳减排效应J.经济与管理研究，2022，43（12）：85-100.12 韦施威，杜金岷，潘爽.数字经济如何促进绿色创新来自中国城市的经验证据J.财经论丛，2022，（11）：10-20.13 汪晓文，陈明月，陈南旭.数字经济、绿色技术创新与产业结构升级J.经济问题，2023，（1）：19-28.14 郭丰，杨上广，任毅.数字经济、绿色技术创新与碳排放来自中国城市层面的经验证据J.陕西师范大学学报（哲学社会科学版），2022，51（3）：45-60.15 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）：182-193.16 乌静，肖鸿波，陈兵.数字经济对绿色全要素生产率的影响研究J.金融与经济，2022，（1）：55-63.17 郭炳南，王宇，张浩.数字经济、绿色技术创新与产业结构升级来自中国282个城市的经验证据J.兰州学刊，2022，（2）：58-73.18 Yilmaz S.，Haynes K E.，Dinc M.Geographic and Network Neighbors：Spillover Effects of Telecommunications InfrastructureJ.Journal of Regional Science，2002，42（2）：339-360.19 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）：111-129.20 王少剑，田莎莎，蔡清楠，等.产业转移背景下广东省工业碳排放的驱动因素及碳转移分析J.地理研究，2021，40（9）：2602-2622.21 王军，朱杰，罗茜.中国数字经济发展水平及演变测度J.数量经济技术经济研究，2021，38（7）：26-42.22 黄敦平，朱小雨.我国数字经济发展水平综合评价及时空演变J.统计与决策，2022，38（16）：103-107.23 杨林燕，王俊.政府研发资助、环境规制政策与绿色技术创新产出J.合肥工业大学学报（社会科学版），2022，36（2）：37-48.24 黄小勇，查育新，朱清贞.互联网对中国绿色经济增长的影响基于中国省域绿色竞争力的实证研究J.当代财经，2020，（7）：112-123.责任编辑：董建军本刊声明为适应我国信息化建设，扩大本刊及作者知识信息交流渠道，本刊已被“中国学术期刊网络出版总库”“CNKI系列数据库”“万方数据数字化期刊群”“中国核心期刊（遴选）数据库”“中文科技期刊数据库”等全文收录，其作者文章著作权使用费与本刊稿酬一次性给付。免费提供作者文章引用统计分析资料。如作者不同意文章被收录，请在来稿时向本刊声明，本刊将作适当处理。另外，本刊从未委托任何机构或个人组稿或代收、代转稿件，作者投稿请直接通过电子邮件发送至，咨询投稿及其他事宜亦可通过我刊编辑部办公电话[phone]联系。吉林工商学院学报 编辑部2023年8月 36