城市数字经济发展对碳排放的影响研究.pdf

0742023年10月 商展经济DOI:10.19995/ki.CN10-1617/F7.2023.20.074城市数字经济发展对碳排放的影响研究王琼(江苏信息职业技术学院 江苏无锡 214153)摘 要：本文通过统计计量的方法，测度了20132019年中国277个地级市的数字经济与碳排放数据，并从理论和实证两方面分析了数字经济对碳排放作用的影响效应和理论机制。研究结果表明：数字经济能够减少碳排放，而且其影响程度在数字经济发达地区更为明显，该结论在经过异质性分析和稳健性检验后依旧成立；机制分析及中介效应检验显示，数字经济会以优化产业结构的中介机制显著降低碳排放量。因此，强化数字化转型相关投资，加大政府和企业的投入力度，扩大数字经济范围以加快消除区域间数字鸿沟和加快产业结构调整对促进碳减排有着重要的指导意义。关键词：数字经济；碳排放；基准回归；中介效应；分析 本文索引：王琼.城市数字经济发展对碳排放的影响研究J.商展经济,2023(20):074-077.中图分类号：F062.2 文献标识码：A作者简介：王琼(1983-)，女，汉族，湖南醴陵人，讲师，硕士，研究方向：会计、数据分析。随着经济的快速增长，能源总量不断增加，二氧化碳的排放总量也随之不断上升。为了经济的可持续发展，各国对能源消费的污染排放提出新要求。在此背景下，我国提出“30 60”双碳目标。事实上，近年来我国数字经济整体已呈现出蓬勃向上发展态势。中国数字经济发展研究报告(2023)的数据显示，2022年我国数字经济规模占GDP比重达41.5%。那么，数字经济的发展是否能减少碳排放？数字经济对碳排放的影响是否存在中介机制和空间异质性？本文将关注这些问题，根据我国277个城市的数据进行探讨，对双碳目标的实现有一定的理论与现实意义。1 理论分析与研究假设1.1 数字经济与碳减排数字经济对碳减排的效应主要体现在三个方面：一是平台企业自身运营和价值链的减碳；二是平台通过发挥连接纽带作用，可以引导其商业生态圈中的主体进入低碳的经济循环；三是平台作为数据枢纽，可以促进与减碳相关的信息、数据和技术的自由流通。IEA(International Energy Agency，国际能源机构)发表的“数字化与能源报告”中指出，预计到2040年，数字经济仅在欧盟地区就能减少0.3亿吨碳排放。我国国务院发布的 携手构建网络空间命运共同体 白皮书中提到：2030年因数字技术而减少的碳排放量将达121亿吨。说明数字经济发展会减少碳排放是各国的共识。综上，提出以下假设：H1：数字经济的发展有利于降低城市的碳排放。1.2 数字经济影响碳排放的区域效果我国数字经济总体规模现居世界第二，但全国城市数字经济发展水平不平衡。一是各城市的数字产业基础，包括ICT基础设施、数据中心机架规模、科创研发收入、数字生态闭环、多元扶持基金、数字化人才等；二是数字化转型诉求，包括数字化战略路线图、不同客户端的场景要求、转型升级意愿等。从发展程度上看，我国东部地区数字经济发展较早，发展水平较高，数字经济带来的碳减排红利更加充分。中国城市数字经济发展报告2022 指出，东部城市数字经济竞争力指数排名高于西部地区和中部地区。结合假设H1，提出以下假设：H2：数字经济对不同地区的碳排放的影响呈现出区域异质性，在经济发达地区的影响效应更明显。1.3 数字经济对碳减排的中介机制数字经济是一种技术进步，这种进步能够优化组合生产要素，优化升级产业结构。首先，数字经济能够改造传统产业的生产方式、内部流程和组织方式；其次，数字经济能够促进产业融合，加快产业分化和重组，形成大量新产业新模式，如产业链金融、数字旅游、数字医疗等；最后，数字经济重塑需求端，催生了无接触配送、即时零售、网约车、网上外卖、远程医疗等新市场需求，使产业结构更加优化。综上，提出假设H3： 2023年10月075数字经济H3：数字经济可以通过影响产业结构水平间接地作用于碳排放。2 样本来源与变量定义2.1 样本来源考虑到数据的可获得性，本文选择以277个地级市的数据作为样本进行研究分析，数据来源主要是各统计年鉴和北大数字普惠金融指数等。参考董直庆等(2019)的方法生成环境污染指数；删除数据大量缺失的样本，对部分缺失值采用线性插值的方法进行填补；为了减少异常值干扰与内生性影响，本文对上述匹配数据做上下1%的截尾处理。2.2 变量定义2.2.1 被解释变量由于碳排放量的测算方法并不唯一，本文参考王维国等(2023)的方法，运用能源供应统计数据计算由天然气、液化石油气、电能及原煤产生的二氧化碳排放数据，具体做法是用燃料的消耗量乘以相应的碳排放系数求和以估计碳排放总量。2.2.2 核心解释变量本文参考赵涛等(2020)的研究方式对数字经济水平体系进行构造，具体指标选取地级市中每百人宽带办理数量、每百人移动电话使用数量、信息业服务人员比率、数字普惠金融指数(郭峰等，2020)，并以主成分分析法对各个指标进行降维处理，最终得到一级指标求得综合指数值(dfi n)。2.2.3 中介变量为了进一步探究数字经济发展影响碳排放的理论机制，本文参考程云洁、段鑫(2023)的方法以三产增值与二产增值之比即产业结构水平作为数字经济影响碳排放的中介变量。2.2.4 控制变量根据既有文献的研究，本文选取政府支持度(sup)、对外开放程度(exo)、经济发展水平(lngdp)、人口规模(size)、环境污染指数(pop)作为控制变量加入回归模型中进行估计分析。此外，为了减少遗漏变量的影响，分别固定年份效应和城市个体效应。2.3 描述性统计分析从统计结果来看，被解释变量co在各个城市个体间存在较大差异，而最大值与平均值和中位数相对接近，说明碳排放污染程度普遍偏高；从核心解释变量dfi n的标准差小于1可以体现出在本文的测度方法下各个城市的数字经济发展水平均相对稳定，而且均值与最值差距较小说明数字经济在我国呈现健康积极的发展趋势；产业结构水平数据dio数据也相对平稳，表征着各个城市产业结构水平相近，但最大值远大于均值说明了仍然存在个别产业结构良好的城市；其余控制变量的分布与相关文献研究和基本事实趋于一致。3 模型设定与实证分析3.1 基准模型设定应用双向固定效应模型对277个地级市的面板数据做回归估计，分析数字经济水平的发展对城市碳排放量的作用效果，具体计量模型设立如下：,01,2,i ti ti titi tcodfinx=+(1)式(1)中：,i tco指代城市的碳排放量，为被解释变量；,i tdfin指代城市的数字经济发展水平，为核心解释变量；,i tx为一系列控制变量；i和t分别代表城市和年份固定效应；,i t为随机误差项。其中i，t分别表征城市区域和年份的个体特征。3.2 基准回归分析对年份和城市个体效应做出固定控制，一定程度上减少了内生性影响，将上述面板数据匹配后进行回归分析。具体回归结果如表1所示。其中第(1)列数据说明在未加入控制变量的前提下，数字经济发展水平对各个城市碳排放量的回归系数为在1%的水平上显著为负，这初步验证了数字经济发展能减少碳排放。接着加入控制变量后，第(2)列数据中dfin系数为-1.640，亦通过了1%的显著性检验，说明碳排放量每1.640个百分点的降低伴随着数字经济水平每1%的提高，因此假设H1得到证实。这表明数字经济的发展代表着技术的进步，对于发挥环保作用以抑制碳排放污染存在不可或缺的作用。控制变量中政府支持、环境污染和经济发展水平系数显著为正，这也说明了政府的财政支出干预、企业自身的污染治理支出和城市人均经济水平的提高对治理碳排放具有显著影响，当居民、企业和政府部门对治理碳排放污染更重视时，该城市的碳减排工作方可获得有效支持。3.3 异质性分析为了进一步分析数字经济如何影响不同区域的碳排放，本文参考吴建新等(2016)的研究将各个地级市划分为东部城市、中部城市和西部城市，分别对各个地区的城市数据进行回归。具体结果如表2所示：第(1)列和第(2)列中数字经济水平的系数分别为-1.977和-3.126，均通过了1%的显著性检验，而第(3)列的数字经济发展系数并不显著，这意味着在我国不同地区数字经济对碳排放的影响依旧存在区分度，在东部和中部等发达地区，其数字技术较为先进，可以充分发挥绿色金融等绿色经济的效用；而由于西部地区相对落后的数字基础设施，故难以发挥数字技术的环保作用，使得碳0762023年10月 商展经济排放的抑制效果存在缺陷，故假设H2成立。因此，缩小各个地区城市的数字化建设的差异是目前的重要任务。表2 对不同区域城市的异质性分析变量(1)(2)(3)东部中部西部lncolncolncodfin-1.977*-3.126*-0.511(0.900)(1.096)(1.317)lnsize-1.784*0.2920.192(0.434)(0.237)(0.438)sup2.472*0.04790.516(0.636)(0.443)(0.602)pop1.030*-0.759*0.235(0.364)(0.368)(0.534)exo-0.7973.795*3.315(1.272)(1.697)(3.790)lngdp_0.613*0.651*0.136(0.0990)(0.109)(0.158)常数项15.43*0.7584.513(3.168)(2.139)(3.058)年份固定YESYESYES城市固定YESYESYES观测值775728606R-squared0.9190.9140.909注：*p 0.01；*p 0.05；*p 0.1。3.4 稳健性检验3.4.1 替换被解释变量本文参考邵帅等(2019)的做法，采用人均碳排放强度作为被解释变量，并对该模型进行回归分析(见表3)。其中表3第(2)列的结果表示数字经济发展系数为-0.036，通过了5%的显著性检验，说明在替换被解释变量后数字经济发展能促进碳减排依旧成立。3.4.2 缩短样本周期考虑到由于中国数字经济是从2013年正式得到发展普及，本文以2013年作为截断点，保留20132019年的样本数据进行回归估计。通过表3中第(3)列的结果可以看出，数字经济发展水平的系数在10%的水平上显著为负，故数字经济对碳减排的作用在不同的样本期间依旧效用拔群，这与本文的基准回归结果仍然一致，故本文主要结论进一步得到证实。综上所述，本文假设的成立具备一定的稳健性。具体稳健性检验结果如表3所示。表3 数字经济影响碳排放的稳健性结果变量(1)(2)(3)基准回归替换被解释变量缩短样本周期lncocgolncodfin-1.640*-0.0364*-1.391*(0.625)(0.0143)(0.822)lnsize-0.2620.00107-0.554*(0.193)(0.00441)(0.232)sup0.511*0.00529*-0.0369(0.310)(0.00178)(0.0944)pop0.519*0.0114*0.624*(0.236)(0.00539)(0.286)exo0.9540.02982.324*(0.972)(0.0224)(1.267)lngdp_0.458*-0.0148*0.369*(0.0673)(0.00160)(0.0851)常数项3.735*0.198*9.308*(1.419)(0.0310)(2.077)年份固定YESYESYES城市固定YESYESYESObservations2,1092,1091,563R-squared0.9240.8310.922注：*p 0.01；*p 0.05；*p 0.1。3.5 中介效应检验本文通过上述分析对数字经济如何影响城市碳排放做出一定的实证论述，但对于数字经济影响碳排放的理论机制仍然缺少相关理论研究，故本文在原有基准模型的基础上构建模型(2)和模型(3)分析数字经济发展水平对城市碳减排的具体影响机制。,01,2,i ti ti titi tdiodfinx=+(2),01,2,3,lni ti ti ti titi tcodfindiox=+(3)式(2)(3)中：,i tco指代城市的碳排放量，为被解释变量；,i tdfin指代城市的数字经济发展水平，为核心解释变量；,i tdio指代地级市各年度的产业结构水平；,i tx为一系列控制变量。从表4回归结果来看，逐步回归模型中各个解释变量系数均通过了假设性检验，这初步表明本文机制假设成立。由第(2)列结果可知dfi n的系数为0.696，通过5%的显著性检验，说明数字经济发展对产业结构的优化升级存在正向促进效果；第(3)列的数据中dfin和dio的系数分别为在1%的水平上表1 数字经济对碳排放的基准回归结果变量(1)(2)lncolncodfin-1.759*-1.640*(0.633)(0.625)lnsize-0.262(0.193)sup0.511*(0.310)pop0.519*(0.236)exo0.954(0.972)lngdp_0.458*(0.0673)常数项7.313*3.735*(0.379)(1.419)年份固定YESYES城市固定YESYES观测值2,1092,109R-squared0.9210.924注：*p 0.01；*p 0.05；*p 0.1。 2023年10月077数字经济显著为负及在5%的水平上显著为正，经过计算可知数字经济可以通过产业结构升级抑制碳排放的中介效应为0.07，对总效应的贡献率为4%，这说明数字经济可以通过产业结构升级抑制碳排放，其通过不断迭代发展与传统产业结合，对其产业结构转型以进行绿色清洁生产提供有利条件。此外，由于数字技术的迅猛发展，第三产业在国民经济中的占比不断增加，其产值的上升致使碳排放量显著降低，并且数字经济的发展能打破各个行业的信息壁垒，对企业的技术进步也有着重要作用，故通过机制分析可知本文的假设H2得到验证。具体中介效应检验结果如表4所示。4 结语本文主要结论如下：一是数字经济发展能够减少碳排放，在一系列稳健性检验后结论仍然成立；二是政府的财政支出干预、企业自身的污染治理支出和城市人均经济水平的提高对治理碳排放有着显著影响；三是东部和中部发达地区数字经济红利更为明显，更能充分发挥绿色环保效用；四是数字经济会推动产业结构的调整，第三产业产值的上升会显著降低碳排放量。根据以上结论，提出建议如下：一是强化数字化转型相关投资，如构筑优质基础设施，如5G基站、数据中心、智能计算中心等；二是加大政府和企业的投入，如政府可以依托数字孪生推动城市治理数字化转型，制定优惠政策鼓励企业积极参与数字化转型和环境治理；三是理清各地区数字经济基础的差异程度，加大对数字经济欠发达地区的支持力度，推动数字普惠，加快消除区域间数字鸿沟；四是挖掘各城市产业发展潜能，鼓励传统企业投资智能制造、柔性生产、产业链协同制造等制造业新模式、新应用，促进传统产业的升级改造。表4 中介效应检验结果变量(1)(2)(3)lncodiolncodfin-1.640*0.696*-1.710*(0.625)(0.287)(0.626)dio0.101*(0.0510)lnsize-0.262-0.429*-0.218(0.193)(0.0888)(0.194)sup0.511*1.588*0.351(0.310)(0.142)(0.320)pop0.519*-0.04310.524*(0.236)(0.108)(0.235)exo0.9540.1250.941(0.972)(0.446)(0.972)lngdp_0.458*-0.379*0.496*(0.0673)(0.0309)(0.0700)常数项3.735*6.794*3.051*(1.419)(0.652)(1.460)年份固定YESYESYES城市固定YESYESYESObservations2,1092,1092,109R-squared0.9240.9180.924注：*p 0.01；*p 0.05；*p 0.1。参考文献1 中 国 信 息 通 信 研 究 院.中 国 数 字 经 济 发 展 研 究 报 告(2023年)EB/OL.http:/ 中央广播电视总台上海总站.中国城市数字经济发展报告2022 正式发布EB/OL.http:/ 董直庆,王辉.环境规制的“本地邻地”绿色技术进步效应J.中国工业经济,2019(1):100-118.4 王维国,王永玲,范丹.数字赋能与城市碳减排:内在机制与经验证据J/OL.中国环境科学:1-152023-09-26.https:/doi.org/10.19674/ki.issn1000-6923.20230307.002.5 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(10):65-76.6 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(4):1401-1418.7 程云洁,段鑫.数字经济能促进城市减霾降碳吗:基于八大国家级大数据试验区的准自然实证分析J.软科学,2023(5):10-12.8 吴建新,郭智勇.基于连续性动态分布方法的中国碳排放收敛分析J.统计研究,2016(1):54-60.9 邵帅,张可,豆建民.经济集聚的节能减排效应:理论与中国经验J.管理世界,2019(1):36-60+226.