产业数字化与完全碳排放强度——基于WIOD跨国面板的实证分析.pdf

2023年 10 月技术经济第 42 卷第 10 期武亚楠等：产业数字化与完全碳排放强度基于 WIOD跨国面板的实证分析武亚楠1，2，彭璧玉2（1.广州商学院 经济学院，广州 511363；2.华南师范大学 经济与管理学院，广州 510006）摘要：现有研究多侧重于分析数字经济对区域碳排放总量、强度和效率的影响，鲜有文献探究产业数字化对其完全碳排放强度的影响。为弥补现有研究不足并丰富相关研究，本文基于 WIOD、WDI跨国面板数据实证分析产业数字化与其完全碳排放强度之间的因果关系。研究发现：产业数字化能降低其完全碳排放强度，该结论在替换解释和被解释变量、增加控制变量及考虑内生性等稳健性检验后依然成立；产业数字化通过减少中间投入进而降低了完全碳排放总量和强度，促进了产业增长与碳排放的脱钩；数字化能降低整体农业，种植业和畜牧业，林业，制造业，整体交通运输业，陆路和管道运输，空运，仓储和运输支持活动，邮政和信使活动及采矿业，北美和欧洲国家，发达经济体的完全碳排放强度。但对渔业，水运，水业，建筑业，住宿和餐饮业，东亚国家和不发达经济体的行业完全碳排放强度没有显著影响。同时，在高数字化行业中，数字化对其完全碳排放强度具有显著的抑制作用。关键词：产业数字化；完全碳排放强度；投入产出表中图分类号：F13/17文献标志码：A文章编号：1002980X（2023）100105102023年 4月世界气象组织（WMO）发布 2022年全球气候状况。该报告指出，吸热温室气体达到创纪录水平。自 20世纪 90年代初以来，海平面整体已上升了超过 10厘米。因此，治理二氧化碳排放等温室气体刻不容缓。作为负责任的大国，中国关于应对气候变化、降低碳排放的国家自主贡献不断加码，适时提出碳达峰、碳中和愿景，印发 2030年前碳达峰行动方案（国发 2021 23号），以此为减少温室气体排放、应对气候危机做出中国贡献。中国主动减少碳排放的责任和担当能为国际社会树立典范，激励全球气候行动，体现中国主动承担人类命运共同体的担当。在此背景下，如何治理碳排放已成为当前我国生态文明建设、实现经济高质量发展、贯彻新发展理念，实现社会主义现代化强国的重要问题。数字经济代表了一种新的经济发展方式，在促进可持续、零碳和包容性经济增长方面的潜在作用值得探索。目前，学者们对数字经济对与区域碳排放总量、强度及效率之间的关系进行了深入的探讨并取得了较为丰富的成果。少数文献分析了区域特征对具体产业或行业碳排放的影响。但鲜有研究探讨产业数字化对产业碳排放的关系。探讨产业数字化和产业碳排放之间的因果关系有助于了解不同产业数字化和产业碳排放情况，可以帮助政府和决策者制定更具有针对性和有效性的政策，以减缓气候变化和改善环境。鉴于产业或行业数字化产出较难衡量，故本文用产业数字化投入衡量产业和行业数字化，并利用世界投入产出数据库（world inputoutput database，WIOD）、世界发展指标（world development indicators，WDI）等跨国面板数据实证分析产业数字化与其完全碳排放强度之间的因果关系。基于此，本文拟研究的问题是：产业数字化是否抑制产业完全碳排放强度？如是，其可能的中介机制是什么？异质性又有哪些？以上问题的研究可以为碳达峰和碳中和的实现提供产业层面的启示。一、文献回顾与本文相关的文献主要有三个方面：一是，数字经济对碳排放的影响；二是，产业碳排放的影响因素；三是产业数字化对具体产业或行业碳排放的影响。学术界主要从三个视角探讨数字经济对碳排放的影响：第一，数字经济不仅能降低碳排放总量、强度，还能提升碳排放效率。学者们认为数字经济降低碳排放的路径主要有：经济增长、金融发展和产业结构升级（Dong et al，2022），能源结构（Yi et al，2022），煤炭消费比重、绿色技术创新水平（Wang et al，2022），环境治理（Zhang et al，2022），创新要素流动性（Wang et al，2022），碳全要素生产率（Han et al，2022）等。第二，数字经济增加了碳排放。主要原因是：数字产业扩大了能源需求收稿日期：20230516作者简介：武亚楠，广州商学院经济学院专任教师，华南师范大学经济与管理学院博士研究生，研究方向：数字经济、数字金融、资源环境经济与政策；彭璧玉，博士，华南师范大学经济与管理学院院长，教授，研究方向：数字经济、数字金融、能源经济、产业经济、资源环境经济与政策。105技术经济第 42 卷第 10 期（Jin and Yu，2022）、增加了非信息通讯技术部门的碳密集型中间投入（Zhou et al，2019）、增加了区域电力和能源的消耗（Salahuddin et al，2016）。也有学者认为数字经济的发展不利于提高能源效率，从而间接增加了碳排放（Zhang et al，2022）。第三，也少数文献认为数字经济与碳排放呈现非线性影响（Zhang et al，2022）（Cheng et al，2023）。从产业碳排放的影响因素角度看，现有学者认为人口、土地和经济城镇化促进了本地交通运输业的碳排放总量（田泽等，2023）；全球价值链生产长度的延长能产生显著的减排效果（赵凌云和杨来科，2020）。研发、外国直接投资水平溢出和外国直接投资前向溢出三种来源的技术进步可降低整体产业碳强度（杨传明，2019）。但从产业数字化角度探讨其对产业碳排放影响的文献较少。从产业数字化与产业碳排放关系的角度看，这类研究多数侧重于理论层面。研究发现，出租车客运行业和货运行业利用大数据能优化城市交通，提高供需匹配效率，减少空驶（许宪春等，2019）。同时，共享乘车直接降低了汽车能耗，并通过对铁、钢、塑料、水泥需求下降来间接减少能源消耗，进而降低碳排放（Akimotoet al，2022）。信息产业通过路线优化、容量分配和物联网等技术，显著降低了物流业的碳排放强度（Prajogoand Olhager，2012）。信息产业技术溢出通过五大路径即生产过程模拟，产品和服务的智能设计和操作，智能物流配送，大数据匹配买卖双方，远程办公方式实现跨行业减排（Wang et al，2021）。少数实证研究认为工业智能化发展能够通过技术进步和抑制能源强度提升工业碳排放效率（王艳秋和陶思佳，2023）。现有文献为本文提供了有益借鉴。但在以下方面可以进一步拓展：第一，如前所述，尽管已有研究从区域角度探究数字经济与碳排放之间的关系，但大多忽视了产业或行业视角。第二，现有文献主要从城镇化、价值链和技术进步角度对具体产业碳排放总量、强度的影响，却忽视了产业数字化对产业碳排放的影响。第三，现有对产业数字化与产业碳排放关系的研究主要为定性研究，定量研究较少。且部分定量研究仍未从产业或行业数字化角度分析其对碳排放强度的影响。第四，少数使用行业数字化投入的文献使用的是中国投入产出数据（杨丹辉和胡雨朦，2022），但中国投入产出表存在年份不连续，数据量较少的弊端。鉴于产业和行业数字化产出较难衡量，故本文采用产业数字化投入衡量产业数字化。基于此，本文从产业数字化与碳排放强度的视角出发，利用 WIOD 的投入产出表、环境账户数据及 WDI相关数据，在测算产业数字化和产业碳排放强度的基础上，研究产业数字化与碳排放强度的关系，中介机制及异质性。本文的边际贡献可能在于：研究层面为产业层，探究产业数字化与碳排放强度的文献较少。故本文测度产业数字化并分析产业数字化对其完全碳排放强度的影响，该选题具有一定的新颖性，能丰富现有研究。从定量角度，建立跨国分行业面板模型评估产业数字化对产业完全碳排放强度的影响。这种跨国数据结构能提供更多产业数字化和碳排放的信息，使得评估结果更加可靠。分析产业数字化对不同行业、不同经济体、不同区位产业或行业碳排放强度的影响，并探讨不同产业数字化对产业或行业碳排放强度的影响。由此，进行多角度的异质性分析，使结论和建议更加具有针对性。二、理论分析与研究假说本文从产业链和产业调控的角度探讨产业数字化对产业碳排放强度的影响。产业链包含供需链、企业链、空间链和价值链。首先，产业数字化改造供需链，减少产业中间投入，提高产业效率，降低了产业碳排放。供需链包含消费者和生产者的需求链，物流链和生产要素的供应链，产品技术链和技术服务链（吴金明和邵昶，2006）。第一，产业数字化有利于利用大数据模型和算法精准预测市场需求的动态趋势和变动规律，促进了决策的高效和生产的精准化，促进供需匹配的效率。第二，物流的数字化促进了智慧物流的发展，进而促进了物流系统中各方参与者信息交互与共享，智能决策与执行，高质量、高效率、低成本地分工协作（李佳，2019）。第三，产业数字化不仅能提升企业的技术创新（王桂军等，2022），还可以利用大数据等实现产业内企业、产业间企业的集成创新和协作创新。绿色创新是创新的重要组成部分。因此，从供需链角度来看，产业数字化通过精准化生产和销售，高效率和高质量的运输，技术创新和协作创新降低产业碳排放强度。其次，产业数字化通过改造企业链，降低产业碳排放。一方面，碳排放量高的企业面临的控制越高，盈利能力较低（Homroy，2023），信用评级就越低，现金流不确定性越高（Safiullah et al，2021）。大部分消费者热衷于为环保产品和服务支付更高的价格（Safiullah et al，2022）。因此，企业可以通过利用环境机会作为先行者来提高其经济效益。而这种注重减排的企业文化、思想将会顺着企业链传导到其他企业中。产业数字化加快了企业链中和企业链间企业与企业，企业与消费者，企业与政府的沟通、联系和互动，使得信息、资金、物质、技术及减排的共识在企业链上流通的更加顺畅，使得企业通过减少碳排放总量的形式降低了碳排放强度。另一方面，106武亚楠等：产业数字化与完全碳排放强度产业数字化对产业增长产生了放大、叠加和倍增效应，使产业通过增加产出的形式降低了碳排放强度。然后，空间链是同一产业在不同区域的分布。数字经济的发展能降低信息搜寻成本，减少信息不对称，削弱了土地、劳动力等传统区位因素对产业或企业的区位选择的重要性，促进了企业链条的网络空间虚拟集聚（邢丁和徐康宁），促使产业的空间链得到迅速扩展，促进了产业的资源配置。而资源的优化配置是减少碳排放的主要渠道（Wang et al，2021）。除此之外，价值链是供需链、企业链、空间链的动力。产业数字化通过赋能传统产业能提升传统产业的价值创造、增值，提升企业所处价值链的位置，使产业通过增加产出的形式降低产业碳排放强度。最后，基于产业调控视角。一是，企业具有减排的内在需求（Homroy，2023），而产业数字化为产业减排提供了技术支持；二是，产业数字化不仅促进了高耗能和高污染行业的集约化生产，降低了碳排放总量，还促进了绿色、环保产业的发展和技术创新，调整行业或市场结构向绿色、低碳化迈进；三是，产业数字化使得产业链条中的各个主体关系均能成为碳排放治理体系中的重要参与者，声誉机制、协同治理机制在治理产业碳排放过程中能发挥着重要作用。因此，产业数字化扩充了监管主体、监管方式和监管情景，有助于构建多元化主体的协同绿色治理框架，使产业通过促进绿色治理创新，降低了碳排放强度。综上所述，本文提出假设 1：产业数字化降低了产业完全碳排放强度。三、实证模型设计与数据处理（一）模型设定根据前述理论分析，为探讨产业数字化与其完全碳排放强度的关系，本文设定如式（1）的线性回归模型。carboncit=0+1digitcit+Xcit+uc+vi+t+cit（1）其中：c为国家；i为行业；t为年份；carboncit为被解释变量，即c国i行业t年的完全碳排放强度；digitcit为c国i行业t年的产业数字化；X为一系列控制变量；uc为国家效应；vi为行业效应；t为年份效应；cit为随机扰动项。为保证结果的可靠性，本文控制国家、行业和年份固定效应，并采用稳健标准误，以缓解潜在的国家、行业与宏观经济因素对估计结果的扰动。（二）变量选取1.被解释变量：碳排放强度本文借鉴现有文献（黄玉霞和谢建国，2019）的方法，根据世界投入产出模型测度各国各行业的完全碳排放强度。首先，测度各国各行的碳排放总量。式（2）中TW、Tg为世界和国家g的碳排放总量，即TW=g=1GTg；Tgi为国家g中行业i的碳排放总量，则Tg=i=1ITgi；Xgi为国家g中行业i的总产出；dgi=TgiXgi为国家g中行业i的碳排放系数（直接碳排放强度），则Tg=i=1ITgiXgiXgi；dg=(dg1，dg2，dgI)和Xg=Xg1，Xg2，XgIT分别过国家g的碳排放系数矩阵和总产出矩阵；D=(d1，d2，dG)为各经济体的碳排放系数行向量；XW=X1，X2，XGT，YW=Y1，Y2，YGT分别为各经济体的总产出和最终需求。因此，可得：TW=g=1GTg=g=1Gi=1ITgi=g=1Gi=1ITgiXgiXgi=g=1G(dg1，dg2，dgI)Xg1Xg2XgI=g=1GdgXg=(d1，d2，dG)X1X2XG=DXW（2）然后，矩阵 A为直接消耗系数矩阵，Agi为行业 i对行业 g的直接消耗系数。根据世界投入产出表可知：107技术经济第 42 卷第 10 期XW=X1X2XG=A X1X2XG+Y1Y2YG=A11A12A1GA21A22A2GAG1AG2AGG X1X2XG+Y1Y2YG=AXW+YW（3）XW=(I-A)-1YW（4）因 此，可 知TW=D(I-A)-1YW，各 经 济 体 的 最 终 产 出 的 碳 排 放 强 度CarbonW为：CarbonW=D(I-A)-1IW=DL=()g=1Gdglg1 G。其中，IW为单位矩阵；L为列昂惕夫逆矩阵；dg为国家g的碳排放系数矩阵；lg为国家 g中各个行业间的完全消耗系数；g=1Gdglg为经济体各行业的单位最终产出的完全碳排放强度。2.核心解释变量：产业数字化鉴于产业或行业数字化产出较难衡量，本文参考现有文献（谢靖和王少红，2022）的方法，采用产业数字化投入衡量产业数字化（digit），即通过衡量某行业中消耗数字行业产品的价值来测度。产业数字化可以用直接消耗系数、完全消耗系数、直接依赖度与完全依赖度进行衡量。直接消耗系数是某行业一单位产出直接消耗的数字中间产品价值。完全消耗系数是某行业对数字中间产品的直接消耗与所有间接消耗之和。直接消耗系数和完全消耗系数是绝对指标，难以反映产业数字化投入在总投入中的重要程度（谢靖和王少红，2022）。直接依赖度是行业对数字行业的直接消耗占该行业所有直接消耗的比重。完全依赖度是行业对数字行业的直接消耗和完全消耗之和占该行业所有完全消耗的比重。鉴于完全依赖度能较为全面的衡量行业对数字行业的消耗和使用情况，本文使用完全依赖度测度产业数字化。所选择的产业或行业及数字产业是根据 国际标准行业分类（ISICRev4.0）为依据，逐一进行筛选（行业及国家分类见表 1）。为避免极端值的影响，本文对核心解释变量进行了 1%的缩尾处理。表 1行业及国家分类类别数字行业农业制造业交通运输业采矿业水业建设业住宿和餐饮业非污染密集型产业污染密集型产业划分C26：计算机、电子和光学产品的制造；J61：电信；J62J63：计算机编程、咨询和相关活动；信息服务活动A01：作物和动物生产、狩猎及相关服务活动；A02：林业和伐木；A03：渔业和水产养殖C10C12：食品、饮料和烟草制品的制造；C13C15：纺织品、服装和皮革制品的制造；C16：木材及木材和软木制品（家具除外）的制造；稻草和编织材料制品的制造；C18：记录媒体的打印和复制；C21：基本药品和药物制剂的制造；C26：计算机、电子和光学产品的制造；C27：电气设备制造；C28：机械和设备制造，不另作说明；C29：汽车、挂车和半挂车的制造；C30：其他运输设备的制造；C31C32：家具制造；其他制造业；C33：机械和设备的维修和安装C17：纸和纸制品的制造；C19：焦炭和精炼石油产品的制造；C20：化学品和化学产品的制造；C22：橡胶和塑料制品的制造；C23：其他非金属矿产品的制造；C24：基本金属的制造；C25：制造金属制品，机械和设备除外H49：陆路运输和管道运输；H50：水运；H51：空运；H52：仓储和运输支持活动；H53：邮政和信使活动B：采矿和采石E36：水的收集、处理和供应；E37E39：污水处理废物收集、处理和处置活动；材料回收；补救活动和其他废物管理服务F：建设I：住宿和餐饮服务活动3.控制变量选择的控制变量为：行业增加值（lnva）。为避免回归模型的异方差性，对其取对数。能源结构（es）。本文使用行业清洁能源消费占行业总能源消费的比重，其中清洁能源包含生物柴油、生物汽油、沼气、天然气、地热、水力、核能、风能、太阳能等可再生能源。能源系数（energy）。用各行业单位产值的能源消耗量进行衡量。国家城镇化率（urban）。用城市人口占总人口的比重进行衡量。固定资本形成总额（fix_capital）。本文用总固定资本形成总额占国内生产总值的比重进行衡量。颗粒物排放损害（damage）。本文使用调整后的颗粒物排放损害占国民总收入的比重进行衡量。4.数据来源本文根据 WIOD 的投入产出表测算产业数字化，并根据 WIOD 环境账户测算完全碳排放强度，能源数据来源于 WIOD 能源使用数据，其他控制变量来源为 WDI数据库。本文于 2023年 3月下载的 WIOD 投入产出数据为 20002014年，有 43个国家和 rest of the world（ROW）；WIOD 环境账户数据为 20002016年数据，有108武亚楠等：产业数字化与完全碳排放强度42 个国家和 ROW；WDI数据为 20002014 年数据，有 43 个经济体。本文采用 20002014 年三个数据库共有的 40个国家 56个细分行业的数据进行分析和研究。四、实证结果与分析（一）基准回归结果根据模型设定，产业数字化对产业完全碳排放强度影响的基准回归结果见表 2。其中，（1）列为不加任何控制变量时的结果，产业数字化的系数为-145.779 并在 1%统计水平上显著。（2）（6）列是逐步加入控制变量时的基准回归结果。（6）列中产业数字化的回归系数为-1.258，且在 1%显著性水平下显著。该结果表示产业数字化与产业完全碳排放强度呈现负相关关系，表明产业数字化抑制了其完全碳排放强度。由此验证假说 1成立。表 2基准回归结果变量digitlnvaesenergyurbanfix_capitaldamageCountryIndustryYear_consNr2_a（1）carbon-145.779*（-4.917）YesYesYes19.506*（5.366）336000.0489（2）carbon-1.068*（-6.732）-0.149*（-5.953）YesYesYes2.014*（9.942）317260.3663（3）carbon-1.111*（-6.902）-0.147*（-5.754）-0.318*（-5.574）YesYesYes2.072*（9.963）314930.3666（4）carbon-1.235*（-8.067）-0.053*（-2.610）-0.366*（-6.714）0.004*（4.678）YesYesYes1.300*（7.949）314930.4568（5）carbon-1.241*（-8.058）-0.053*（-2.613）-0.367*（-6.732）0.004*（4.678）0.010（1.539）YesYesYes0.590（1.370）314930.4569（6）carbon-1.258*（-8.073）-0.035*（-1.658）-0.363*（-6.713）0.004*（4.713）0.038*（5.951）-0.027*（-8.324）1.697*（6.144）YesYesYes-1.232*（-2.675）311630.4589注：*、*、*分别表示 10%、5%、1%的水平上显著；括号里面内容表示 t统计量。（二）稳健性检验1.替换被解释变量本文用直接碳排放强度（co2_d）和产业碳排放脱钩（tapio）作为被解释变量的替代指标，进行稳健性检验。直接碳排放强度是单位产出中国家g行业i的碳排放总量，衡量的是行业单位产出的直接碳排放量。表 3 的（1）列展示，产业数字化的系数是-0.719，在1%的显著性水平上显著。研究发现，与基准回归相比，该系数的绝对值小于完全碳排放强度作为被解释变量时的产业数字化的系数绝对值。本文认为产业数字化不仅对本产业的碳排放强度产生直接影响，还能通过产业关联对本产业的碳排放强度产生间接影响。因此，用直接碳排放强度作为被解释变量将会低估产业数字化对产业碳排放强度的抑制作用。该结果表明替换被解释变量后，基准回归的结论依然稳健。碳脱钩能有效衡量以更低的碳排放换来同样甚至更快经济增长的过程，被广泛应用于：测算区域（韩梦瑶等，2021；王杰等，2021）、行业（袁伟彦等，2022）、企业（米明金程和赵忠秀，2022）碳排放脱钩程度、影响因素和时空特征以探索有效的减排路径。碳排放强度指相对于单位 GDP 所需二氧化碳的排放量。由于碳脱钩和碳强度均是衡量经济增长和碳排放之间的关系。因此，本文使用碳排放脱钩作为被解释变量进行稳健性检验。本文根据 Tapio（2005）脱钩指标体系构建碳排放脱钩指标，步骤为表 3稳健性检验变量digitdigit_rControlCountryIndustryYear_consNr2_a替换被解释变量（1）co2_d-0.719*（-5.076）YesYesYesYes-0.892*（-2.440）311630.3802（2）tapio-0.276*（-1.974）YesYesYesYes-0.010（-0.037）307910.2298替换解释变量（3）carbon-0.690*（-8.069）YesYesYesYes-1.273*（-2.760）311630.4589增加控制变量（4）carbon-0.463*（-3.138）YesYesYesYes-0.902（-0.454）48260.6238交互固定效应（5）carbon-1.094*（-4.900）YesYesYesYes0.811*（11.45）31163注：*、*、*分别表示 10%、5%、1%的水平上显著；括号里面内容表示 t 统计量。109技术经济第 42 卷第 10 期Tcit=ccit/cci，t-1totcit/totci，t-1=(CO2 cit-CO2 ci，t-1)/CO2 ci，t-1(totcit-totci，t-1)/totci，t-1（5）其中：c为国家；i为行业；t为年份；tot为行业总产出、CO2为行业隐含碳排放量。该指数衡量了产业和行业碳排放的弹性，较好捕捉了产业和行业经济增长和减排的相对动态。按照 Tapio的定义，碳脱钩状态可以分为增长强脱钩、增长弱脱钩、衰退强脱钩、衰退弱脱钩、增长不脱钩、衰退不脱钩、增长联结、衰退联结。在产业和行业脱钩类型中，经济增长率为正则是增长型脱钩，反之为衰退型脱钩。在增长型脱钩中，经济增长速度一定时，碳排放增长幅度越小则表明产业和行业脱钩状态越理想。在衰退型脱钩，经济增长减少一定比例时，碳排放下降幅度越大则表明产业和行业脱钩状态越理想。考虑到将八种脱钩状态同时纳入被解释变量会使计量模型颇为冗杂，且脱钩状态存在明显的优劣顺序。因此不能简单地用脱钩指数（T）的大小来衡量产业增长与碳排放之间的脱钩关系。故本文参考现有文献（米明金程和赵忠秀，2022）依据脱钩的优化排序重新归纳为五种状态，并构建被解释变量（tapioc）。将产业和行业碳脱钩状态分为：理想状态（增长强脱钩，tapioc=4）、弱脱钩状态（增长弱脱钩、衰退弱脱钩，tapioc=3）、不脱钩状态（增长不脱钩、衰退不脱钩，tapioc=2）、联结状态（增长联结、衰退联结，tapioc=1）、恶劣状态（衰退强脱钩，tapioc=0）。Tapio（2005）分类标准下的八类碳脱钩状态及被解释变量设定见表 4 所示（Tapio，2005）。表 3的（2）列展示，产业数字化的系数是-0.276，并在 5%统计水平上显著，表明产业数字化能改善产业的碳排放脱钩状态。本文认为，同时考虑经济增长和环境因素后，产业数字化仍能降低碳排放。即替换被解释变量后，基准回归的结论依然稳健。2.替换解释变量利用直接依赖度测度的产业数字化能直观反应本产业对数字行业的直接消耗占比。因此，使用直接依赖度（digit_r）作为稳健性检验。表 3（3）列研究发现，用直接依赖度测度的产业数字化的系数是-0.690，在1%的显著性水平下显著。该系数的绝对值小于基准回归。本文认为，产业的直接数字化投入不仅影响本产业的完全碳排放强度，还通过产业之间的关联效应间接影响本产业的完全碳排放强度。因此，采用直接依赖度测度产业数字化低估了产业数字化对产业碳排放强度的影响。该结果表明替换核心解释变量后，基准回归的结论依然稳健。3.增加控制变量为 减 少 因 遗 漏 变 量 导 致 的 误 差，进 一 步 控 制 了 当 前 教 育 支 出 总 额 占 公 共 机 构 总 支 出 的 百 分 比（education）、研发支出占国内生产总值的比重（research）、对数后的国内信贷净额（lncredit）和外国直接投资净额（lnFDI_net）。表 3（4）列展示在增加控制变量后，产业数字化的系数是-0.463，在 1%的显著性水平下显著。该结果表明增加控制变量后，基准回归的结论依然稳健。4.交互固定效应传统固定效应模型无法解决那些既随时间变化又随个体变化的不可观测变量带来的内生性问题。Bai（2009）在线性面板模型中引入了个体和时间的交互效应，来反映共同因素对不同个体影响的差异（Bai，2009）。与传统的面板固定效应模型相比，交互固定效应（interactive fixed effect）模型在具体问题中能更好地反映现实，它充分考虑到现实经济中存在的多维冲击，以及不同个体对这些冲击反应力度的异质性，并将传统的双向固定效应进一步拓展为更一般的形式。基于此，本文同时控制国家、年份和行业、年份的交互固定效应进行稳健性检验。表 3中（5）列是加入交互固定效应后，产业数字化的系数为-1.094，并在 1%统计水平上显著表明，产业数字化降低了产业碳排放强度状态，基准回归的结论依然稳健。5.内生性问题处理本文通过三种方式构建工具变量，处理内生性问题：（1）参考祝树金等（2018）的方法，将产业数字化滞后一期作为工具变量（iv1）。表 5（1）列为两阶段最小表 4城市碳排放脱钩类型脱钩类型增长强脱钩增长弱脱钩衰退弱脱钩增长不脱钩衰退不脱钩增长联结衰退联结衰退强脱钩二氧化碳增长率-+-+-+-+经济增长率+-+-+-脱钩指数范围T00T1.20.8T1.20.8T1.20T0.8T0变量设定tapioc=4tapioc=3tapioc=3tapioc=2tapioc=2tapioc=1tapioc=1tapioc=0注：“+”代表正向变化，“-”代表负向变化。110武亚楠等：产业数字化与完全碳排放强度二乘法第一阶段结果，表明产业数字化与工具变量呈现显著正相关关系。（2）列为两阶段最小二乘法第二阶段结果，产业数字化的系数为-1.181，在 1%显著性水平下显著，表明考虑内生性问题后，基准回归的结论依然稳健。（2）参考蔡竞和董艳（2016）将经济体分为发达经济体和发展中经济体。本文将除本产业外的同年、同经济体及同行业数字化均值作为工具变量（meandigit1）。构建该工具变量的合理性体现在：一是，此工具变量与该国该产业数字化相关性较强，满足相关性要求；二是，该工具变量排除本产业数字化，因此该工具变量不会对本产业的完全碳排放强度产生影响，满足排他性要求。表 5 的（3）列为两阶段最小二乘法第一阶段结果，表明产业数字化与工具变量呈现显著正相关关系。（4）列为两阶段最小二乘法第二阶段结果，表明产业数字化的系数为-3.184，在1%显著性水平下显著，表明考虑内生性问题后，基准回归的结论依然稳健。（3）本文参考蔡竞、董艳（2016）将样本中的国家按照所处的区域分为北美、北欧、西欧、中欧、南欧、东欧、东亚和其他国家。本文将除本产业外的同年、同区域和同行业数字化均值作为工具变量（meandigit2）。构建该工具变量的合理性体现在：一是，此工具变量与该产业数字化相关性较强，满足相关性要求；二是，该工具变量排除了本产业数字化程度，因此该工具变量不会对本产业的完全碳排放强度产生影响，满足排他性要求。表 5的（5）列为两阶段最小二乘法第一阶段结果，表明产业数字化与工具变量呈现显著正相关关系。（6）列为两阶段最小二乘法第二阶段结果，表明产业数字化的系数为-3.046，在 1%显著性水平下显著，表明考虑内生性问题后，基准回归的结论依然稳健。（三）机制检验为探讨产业数字化影响完全碳排放强度的影响机制，本文建立回归模型为Mcit=0+1digitcit+Xcit+uc+vi+t+cit（6）carboncit=0+1Mcit+Xcit+uc+vi+t+cit（7）其中：c为国家；i为行业；t为年份；carboncit为被解释变量，即c国i行业t年的碳排放的完全依赖度；digitcit为产业数字化；M为中介变量，即产业总投入；X为一系列控制变量；uc为国家效应；vi为行业效应；t为年份效应；cit为随机扰动项。为保证结果的可靠性，本文控制国家、行业和年份固定效应，并采用稳健标准误，以缓解潜在的国家、行业与宏观经济因素对估计结果的扰动。表 6的（1）列显示，产业数字化与产业中间投入的回归结果，产业数字化的系数为-0.065，在 5%显著性水平下显著，该结果揭示了产业数字化能降低产业中间投入。（2）（4）列分别为中间投入与完全碳排放强度、碳排放总量及脱钩指数的回归结果。结果显示，中间投入能促进完全碳排放强度和总量的增长，能抑制碳排放脱钩。因此，本文认为产业数字化通过替代其他中间投入，或提高中间投入的产出效率，降低了中间总投入量，提高了中间投入品的利用效率，进而降低了完全碳排放总量和强度，促进了产业增长与碳排放的脱钩。表 5内生性问题处理变量digitiv1meandigit1meandigit2ControlSargan statisticWeak identification test（16.38 10%）Underidentification testConstantObservationsR2（1）firstdigitdigit0.849*（495.46）Yes0.010*（2.30）29124（2）secondcarbon-1.181*（-4.48）Yes0.0002.510526046.04*-0.385（-0.68）291240.447（3）firstdigitdigit0.942*（286.42）Yes-0.008（-0.66）31163（4）secondcarbon-3.184*（-18.63）Yes0.00082036.5122593.43*5.329*（9.53）311630.255（5）firstdigitdigit0.885*（273.45）Yes-0.004（-0.35）31163（6）secondcarbon-3.046*（-17.59）Yes0.00074774.7422005.75*5.320*（9.52）311630.255注：*、*、*分别表示 10%、5%、1%的水平上显著；括号里面内容表示 t统计量。表 6中介机制检验变量digitinput1ControlCountryIndustryYear_consNr2_a（1）input1-0.065*（-2.492）YesYesYesYes0.624*（17.202）311630.6659（2）carbon0.841*（8.126）YesYesYesYes-1.811*（-4.002）311630.4606（3）t24838.019*（7.051）YesYesYesYes-2.36105*（-3.061）311630.1815（4）tapio-0.251*（-5.542）YesYesYesYes0.139（0.532）307910.2306注：*、*、*分别表示 10%、5%、1%的水平上显著；括号里面内容表示t统计量。111技术经济第 42 卷第 10 期（四）异质性分析1.行业异质性农业种植业中的农药、农膜、化肥、播种、灌溉，养殖业中反刍动物肠道甲烷排放、畜禽粪污处理等流程均能产生大量温室气体。但同时，农田也具有固碳的功能。因此，农业具有“绿色”属性和多重功能。农业的减排固碳同样是实现碳达峰和碳中和的重要突破点。为探究农业数字化对农业完全碳排放强度的影响，本文进行了异质性检验。表 7的（1）列为农业数字化对完全碳排放强度的实证结果。（2）（4）列为农业细分下的作物和动物生产、狩猎及相关服务活动（简称“种植业和畜牧业”），林业和伐木（简称“林业”），渔业和水产养殖（简称“渔业”）的数字化对其完全碳排放强度的实证结果。研究发现，行业数字化不仅能降低整体农业的完全碳排放强度，还能降低种植业和畜牧业、林业的完全碳排放强度，但对渔业的完全碳排放强度没有显著影响。制造业是能源消耗和碳排放的重要来源。为探索制造业的减排路径，本文进一步探究制造业数字化对其完全碳排放强度的异质性影响。表 8 的（1）（3）列分别为整体制造业，非污染和污染制造业数字化与其完全碳排放强度的实证结果。研究发现，制造业数字化对整体制造业、非污染和污染制造业的完全碳排放强度均有抑制作用，且产业数字化对污染制造业完全碳排放强度的抑制作用要大于非污染制造业，也就是说产业数字化在污染制造业中的减排潜力更大。交通运输领域是碳排放大户。降低交通运输业的碳排放一直以来都是减排的重要领域。为此，本文对交通运输业进行了异质性检验。表 89（1）（6）列分别是整体交通运输业，陆路和管道运输，水运、空运、仓储和运输支持活动，邮政和信使活动行业数字化对各自完全碳排放强度的实证结果。研究结果显示，产业数字化能降低整体交通运输业，陆路和管道运输，空运，仓储和运输支持活动，邮政和信使活动的完全碳排放强度，但是不能降低水运的完全碳排放强度。接下来，本文对其他产业进行了异质性分析。表 10的（1）（5）列分别展示了采矿业，水的收集、处理和供应，污水处理，建筑业，住宿和餐饮业数字化对其完全碳排放强度的实证结果。研究发现，采矿表 7农业数字化对农业完全碳排放强度的影响变量digitControlCountryIndustryYear_consNr2_a（1）整体carbon-2.522*（-3.675）YesYesYesYes0.265（0.610）17220.6518（2）种植业和畜牧业carbon-7.205*（-3.936）YesYesYesYes2.466*（5.153）5940.9410（3）林业carbon-3.176*（-2.343）YesYesYesYes0.971*（2.512）5640.8960（4）渔业carbon-0.893（-0.198）YesYesYesYes2.127*（1.923）5640.7366注：*、*、*分别表示 10%、5%、1%的水平上显著；括号里面内容表示 t统计量。表 8制造业数字化对制造业完全碳排放强度的影响变量digitControlCountryIndustryYear_consNr2_a（1）整体carbon-0.324*（-1.842）YesYesYesYes-1.032*（-1.674）110560.6123（2）非污染carbon-0.802*（-7.539）YesYesYesYes0.483*（1.988）69330.7894（3）污染carbon-18.677*（-4.771）YesYesYesYes-1.526（-1.042）41230.6162