数字经济、低碳技术创新与全要素碳生产率.pdf

技术经济与管理研究2 0 2 3 年第8 期数字经济、低碳技术创新与全要素碳生产率黄宇宁（中国社会科学院大学应用经济学院，北京1 0 2 4 0 1)摘要：选取2 0 1 0 一2 0 2 1 年中国3 0 个省份面板数据构建多元回归模型，实证考察数字经济对全要素碳生产率的影响，并探究低碳技术创新的中介效应和政府治理能力的门槛效应。研究表明，数字经济对全要素碳生产率的影响具有“U”型特征，且该效应在东部和中部地区、大数据综合试验区试点地区更显著。机制检验表明，数字经济可通过提升低碳技术创新水平，间接促进全要素碳生产率增长。门槛效应检验结果显示，伴随政府治理能力不断提升，数字经济对全要素碳生产率的影响作用由负转正。鉴于此，提出激发数字经济节能减排活力、构建绿色低碳技术体系、提升政府治理能效的相关建议，为践行中国式现代化道路提供理论参考。关键词：全要素碳生产率；数字经济；低碳技术创新；政府治理能力中图分类号：F205文献标识码：A文章编号：1 0 0 4-2 9 2 X(2023)08-0026-07Digital Economy,Low Carbon Technology Innovation and Total Factor Carbon ProductivityHUANG Yu-ning(School of Applied Economics,University of Chinese Academy of Social Sciences,Beijing 102401,China)Abstract:Based on the panel data of 30 provinces in China from 2010 to 2021,this paper constructs a multiple regression model toempirically examine the impact of digital economy on total factor carbon productivity,and explores the mediating effect of low-carbon te-chnology innovation and the threshold effect of government governance capacity.The research shows that the impact of digital economyon total factor carbon productivity has U-shaped characteristics,and this effect is more significant in the eastern and central regions andthe pilot areas of big data comprehensive pilot areas.The mechanism test shows that the digital economy can indirectly promote the growthof total factor carbon productivity by improving the level of low-carbon technology innovation.The threshold test results show that with thecontinuous improvement of government governance capacity,the impact of digital economy on total factor carbon productivity has changedfrom negative to positive.In view of this,it is proposed to stimulate the vitality of energy conservation and emission reduction in thedigital economy,build a green and low-carbon technology system,and improve the energy efficiency of government governance,so as toprovide theoretical reference for practicing the Chinese-style modernization road.Key words:Total factor carbon productivity;Digital economy;Low carbon technology innovation;Government governance capacity一、引言党的二十大报告强调，“协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展。”以二十大精神为指引，加快发展方式绿色转型是实现人与自然和谐共生中国式现代化的重要国策。中国作为全球最大的发展中国家与碳排放国，依托能源结构优化、产业结构调整等方式积极承担碳减排责任，为全球“增绿”作出重大贡献。据中国应对气候变化的政策与行动2 0 2 2 年度报告数据显示，2 0 2 1 年全国单位GDP二氧化碳排放量比2 0 0 5 年累计下降5 0.8%，单位GDP煤炭消耗显著降低，绿色低碳发展成效显著。然而也需关注到，在中国经济由高速增长向高质量发展迈进的关键节点，经济飞速发展与温室气体排放需求增长矛盾激增。细言之，碳排放与国家经济规模高度相关，二者无论在总量还是结构方面均难以实现“脱钩”发展，导致激进式减碳往往容易对经济增长造成损害。对此，如何在持续减碳的同时保持经济稳健增长，避免出现“断崖式”经济下跌，成为呕须协调的紧迫任务。全基金项目：国家社会科学基金青年项目（2 1 CZZ018）。作者简介：黄宇宁，中国社会科学院大学应用经济学院博士研究生，研究方向：产业经济。26数字经济、低碳技术创新与全要素碳生产率要素碳生产率作为表征碳排放综合产出的效率概念，是衡量低映碳减排成效的碳生产率是否也存在一定的非线性影响？值得碳经济发展质量的重要指标。面对降碳与稳增长长期难以破解进一步探究。的难题，积极提升全要素碳生产率有益于打破碳排放对经济增总体而言，目前学者们认为数字经济对碳生产率具有线性长的紧约束，促进单位碳排放的GDP产出效益增长，使得推动促进作用，但仍存在诸多不足。第一，对全要素碳生产率的关碳达峰碳中和目标与经济高质量目标实现双赢成为可能。注度方面：全要素碳生产率作为更为完善的碳生产率核算指当前，中国数字经济蓬勃发展，促使人工智能、互联网、标，其与数字经济的关系尚未引起足够重视，关于二者研究仍大数据等新兴技术加速与各行业融合，成为落实碳达峰碳中和处于空白阶段。第二，对复杂结论的探索方面：由于数字经济目标、实现经济转型升级的“助推器”。2 0 2 3 年2 月，中共中动态发展的复杂性影响，数字经济对全要素碳生产率的影响也央、国务院印发数字中国建设整体布局规划，指出“要加可能存在复杂非线性特征，故而现有线性结论仍值得进一步商快数字化绿色化协同转型”，这为数字经济与绿色化协同推进榷。立足于以上分析，重点进行以下突破：首先，研究视角方指明方向。可以说，推动数字经济与绿色发展的深度融合，形面，与现有文献重点关注数字经济与碳生产率关系不同，文章成数字化绿色化良性循环，既是构建中国式现代化经济体系的创新性将研究视角聚焦于数字经济对全要素碳生产率增长机制重要议题，也是培育绿色低碳经济国际竞争力的战略需要。此方面，有助于厘清全要素碳生产率的影响因素，弥补现有文献过程中，数字经济可在“提能效”“降能耗”“碳移除”等降缺憾。其次，研究内容方面，与现有学者着重考察数字经济对碳举措中发挥积极作用，实现从生产到消费全生活场景、全产碳生产率直接效应不同，文章深究数字经济通过低碳技术创新业链控碳减排，为提升全要素碳生产率提供全新机遇。同时，实现全要素碳生产率增长的演绎逻辑。在此基础上，以政府治数字经济凭借庞大市场为低碳技术创新提供广阔发展平台，通理能力为门槛变量，探究约束数字经济对全要素碳生产率影响过深度嵌人绿色制造、清洁技术、新能源开发等领域，全面激的关键因素，有助于揭示变量间复杂关系，为政策制定提供参发低碳技术创新赋能全要素碳生产率的关键作用。总体而言，考依据。最后，研究结论方面，与以往所得线性结论不同，研数字经济作为推进中国式现代化的重要引擎，不仅可以为提升究得出数字经济与全要素碳生产率之间具有“U”型关系的经全要素碳生产率筑牢绿色基石，还可通过促进低碳技术创新为验证据，表明数字经济对全要素碳生产率影响具有二重性特全要素碳生产率增长注人全新动力。立足于此，文章将数字经征，进一步深化既有研究。济、低碳技术创新和全要素碳生产率纳入同一研究框架，以期三、研究假设厘清三者间本质关系及内在逻辑，为实现经济高质量发展、提1.数字经济对全要素碳生产率的影响升国家创新能力和国际竞争力提供理论参鉴。碳生产率是低碳经济理论中的重要概念，重点关注碳排放二、文献综述的经济效率，实质在于寻求一定外在条件下最小碳排放量的最“十四五”数字经济发展规划从国家层面对数字经济进大经济产出。当前，中国作为世界上最大的发展中国家，正行界定，指出数字经济是以数据资源为关键要素，以信息通信处于工业化与城市化建设的关键时期。大量能源资源在支撑中技术融合应用、全要素数字化转型为重要推动力，促进公平与国取得经济增长奇迹的同时，伴随环境污染和温室气体排放，效率更加统一的新经济形态。学术界也对这一新型经济形态保促使推动全要素碳生产率稳定增长成为迫切需要。此过程中，持极高关注度，部分学者从数字经济的内涵 2、数字经济发展水数字经济依托数据要素传播共享快、边际成本低等优势，加速平的测算3 等层面展开研究，为把握数字经济宏观发展脉络奠与产业链各个环节深度融合，为降碳减污、扩绿增长提供新动定了坚实基础。也有学者重点围绕数字经济的贡献展开分析，能，对全要素碳生产率增长带来积极影响。探究其对创新发展、全要素生产率增长 5 等经济活动的影响作一方面，畅通要素交互渠道。从市场角度看，要素交互、用。随着数字经济与绿色经济加快融合，数字经济在碳减排领配置效率提升意味着信息不对称得以缓解。这有助于缩减企业域的积极作用得以进一步发挥，促使学者纷纷就数字经济的碳和用户搜寻成本，在提升社会资源和能源配置效率、经济运转减排效应、碳生产率提升效应展开研究。黎新伍等(2 0 2 2)基于效率的同时，实现全要素碳生产率增长。此过程中，数字经济理论与实证检验，分析得出数字经济可以有效提升碳生产率。蕴含的数据和信息要素具有可复制、可共享、成本低等特质，王亮等(2 0 2 3)运用空间杜宾模型和空间杜宾双重差分模型研究能够打破传统要素投人对产出的限制，实现规模报酬递增和低发现，数字经济提高了本地和邻近地区的碳生产率。分析上成本扩散。立足于此，数字经济可将各类高端要素渗透于传统述文献可以探知，现有研究重点围绕数字经济与碳生产率关系要素，极大提升能源资源利用效率叫，在维持经济稳定发展的展开讨论，且基本得出较为一致的线性结论，即数字经济能够同时控制碳排放量增加，继而提升全要素碳生产率。与此同提升碳生产率。然而不容忽视的是，数字经济并非天然具有绿时，数字经济具有共享化、平台化特征，利用移动互联网、大色低碳属性，在其发展过程中可能加剧资源依赖、增加能源消数据等网络基础设施实现万物互联，打破原有要素不对称局耗，从而产生“绿色悖论”。李治国、王杰(2 0 2 2)研究发现，数面，在推动要素高效对接中形成低碳集成网络体系，为全要素字经济对碳减排呈现先促进后抑制的非线性影响8。缪陆军等碳生产率增长畅通渠道。另一方面，强化区域间互动合作。区(2022)运用多种计量模型探究得出，数字经济与碳排放存在倒域流动以及产业集聚有利于提升地区间资源利用效率，实现低“U”型关系9。鉴于数字经济的非线性减碳特征，其对集中反成本经济循环，进而减少污染物排放，为全要素碳生产率增长27技术经济与管理研究2 0 2 3 年第8 期提供可能。但现实而言，由于地理空间距离的阻隔，区域间互动合作与产业集聚需要较大沟通和信息成本，使得全社会综合碳减排成本处于较高水平。伴随数字经济纵深发展，数字平台、线上市场的构建突破了时空以及区位限制，促使区域间“飞地经济”、云端产业集群等新型经济合作模型逐渐涌现，显著降低经济增长过程中的能源、资源消耗，为全面提升全要素碳生产率带来助益。尚需要注意的是，在稳步达成碳达峰碳中和目标过程中，保持经济稳健高质量增长，是全要素碳生产率持续提升的重要前提。但就现实情况而言，数字经济在发展初期也会造成大量温室气体排放，对全要素碳生产率增长带来不利影响。具体而言，数字经济发展过程中，数字基站、5 G网络、工业互联网等新型基础设施均为重要碳排放来源。例如，5 G技术由于高带宽、高流量、高发射功率的特质，在运行过程中产生大量能耗和碳排放，为全要素碳生产率增长带来较大压力。此外，数字经济的兴起有效推进产业链转型优化，助推各地区经济快速增长。而根据环境库兹涅茨理论，经济发展对地区碳排放的影响表现为先增后减的发展趋势 2。这也表明数字经济在助推经济快速发展过程中会产生大量碳排放，从而对全要素碳生产率增长造成阻碍。基于上述分析，提出研究假设H1：假设Hl：数字经济对全要素碳生产率的影响呈现“U”型曲线特征。2.数字经济对全要素碳生产率的影响机制数字经济在本质上是一种以数字技术为核心的新型经济形态，可直接作用于技术研发和知识扩散，已经成为低碳技术创新的重要催化剂 3 。其一，数字经济可通过市场竞争效应激励相关主体强化低碳技术研发，增强低碳技术创新质量。数字经济的发展推动行业环境信息公开进程加快，促使企业等碳排放主体迫于市场竞争和监管压力提升环保责任意识，倒逼相关主体加快管理及生产领域低碳技术研发创新。其二，数字经济可加速低碳技术知识溢出，提升低碳技术创新效率。数字经济具备加速信息流动特征，可促使低碳技术创新网络中知识溢出和知识交互更加便捷、成本更低。依托数字经济所营造的创新要素高效、自由流动的环境，研发主体可更加快速获取低碳技术知识和信息，及时学习和吸收外部新兴低碳技术创新灵感，释放知识溢出效应以促进低碳技术创新。需要注意的是，基于中国各区域经济发展不平衡、不充分的现实情形，各个省份数字经济发展水平存在不同程度阶段性差异。在早期阶段，由于数字垄断和数字陷阱等典型现象干预，数字经济对低碳技术创新可能存在“破坏性”影响，导致技术积累不深、创新动力不足4。综合而言，数字经济对低碳技术创新的影响可能存在复杂非线性特征。新古典经济学相关理论认为，技术革新是经济增长动能转换的关键因素1 5。作为新旧动能转换的关键指标，全要素碳生产率的增长离不开技术革新，尤其依赖于以降碳减排为目标的低碳技术创新。从期望产出角度来看，低碳技术创新可使得相同要素投人带来更多产出，提升全要素碳生产率。从非期望产出角度而言，低碳技术创新有利于推动传统产业实现低碳化改造和动能转换，加快能源结构向清洁化发展，继而推动全要素碳生产率增长。综合上述分析可知，数字经济是推动低碳技术创新的重要引擎，而低碳技术创新则是提升全要素碳生产率的关键所在。因此，数字经济与全要素碳生产率之间不仅存在直接联系，还可能通过低碳技术创新路径产生间接联系。据此，提出假设H2：假设H2：数字经济与低碳技术创新具有“U”型关系，且低碳技术创新在数字经济与全要素碳生产率关系中发挥中介效应。3.政府治理能力对数字经济和全要素碳生产率的门槛效应地方政府治理能力着重体现在公共服务和公共政策的执行管理方面。而数字经济与生俱来的共享、开放特性决定其实质上是一种公共经济，依赖政府优质公共服务提供支撑。换言之，政府治理能力是数字经济对全要素碳生产率作用效能发挥的制度前提。政府治理能力整体较低时，高效协同、分工合理的经济治理体系尚未建立 1 6 ，难以有效解决数字经济所引致的头部数字平台垄断、传统经济形态冲击和温室气体排放等新挑战。这一情形下，数字经济不仅无法发挥对全要素碳生产率的积极作用，甚至可能由于自身在发展初期数字硬件产品生产以及数字基础设施运营产生高耗能、高排放，对全要素碳生产率增长带来不利影响。当政府治理能力较强时，地方政府更倾向于顺应数字经济发展特征和需求，创新变革政府治理和监管方式，强化绿色金融市场监督和低碳产品质量检测，继而推动数字经济规模进一步扩大。此过程中，数字经济日益呈现出绿色低碳发展特质，并通过优化经济结构、提升能源配置效率、降低单位产出能耗等方式减少碳排放量，进而逐步显现对全要素碳生产率的积极作用。基于上述分析，提出假设H3：假设H3：政府治理能力存在明显门槛特征，当政府治理能力较低时，数字经济不利于促进全要素碳生产率增长；随着政府治理能力的进一步提升，数字经济逐渐对全要素碳生产率表现出正向推动作用。四、指标选取与模型设定1.指标选取与数据说明(1）被解释变量：全要素碳生产率(TCP)关于碳生产率的测算，学术界目前有单要素碳生产率和全要素碳生产率两种测度方法。与单要素碳生产率相比，全要素碳生产率将投人要素、污染物不良产出纳入考量，可有效缓解测算碳生产率时的统计偏误。借鉴已有研究思路，利用SBM方向性距离函数考虑非期望产出的Malmquist-Luenberger指数，衡量全要素碳生产率的增长变化情况。其中，投入指标包括物质资本投入、人力资本投人、能源投人三方面，分别用各地区历年固定资本存量、各地区历年从业人员总数、各地区能源消费总量衡量；期望产出指标包括GDP，采用各地区实际生产总值测度；非期望产出指标包括碳排放量，利用各地区二氧化碳排放量表征，二氧化碳排放量参照2 0 0 6 年IPCC国家温室气体清单指南的方法计算得出。(2）核心解释变量：数字经济(DEI)考虑到数字经济对全要素碳生产率的影响具有多维复合性，仅从单一角度衡量数字经济综合发展水平可能有所不足。28数字经济、低碳技术创新与全要素碳生产率而指标构建方法凭借内容覆盖广、数据易获得、指标核算处理易额占GDP比重取对数测度。研发支出(TEC)，采用科学技术便捷等优势，更适用于数字经济发展水平综合测度。Bukht&支出占GDP比重表示。产业规模(IS)，选取规模以上企业工业Heeks(2018)指出，数字经济依据产业链关键环节可划分为核心生产总值表示。层、中间层和最外层三个层级1 8。具体而言，由互联网、5 G基为确保研究结论具备准确性、严谨性，文章对西藏及港澳站等新型基础设施组成的核心层，直接推动数字经济的兴起；台地区数据缺失省份予以剔除，最终选取2 0 1 0 一2 0 2 1 年中国数字创新、数字治理作为中间层为拓展数字经济发展空间提供30个省份面板数据进行实证分析。其中，原始数据主要来源于不竭动力；数字平台活跃度、数字应用等经济活动作为最外历年中国能源统计年鉴中国统计年鉴中国检察年层，体现了数字技术、数字要素的普及应用与变现产出。因鉴及2 0 0 6 年IPCC国家温室气体清单指南、EPS数据库、此，文章依据数字经济演变层级，构建数字基础设施、数字化Wind数据库、国家统计局网站和各省份统计年鉴。低碳技术创创新、数字化治理、数字平台活跃度和数字化应用5 个维度共新专利数据来自incopat全球专利数据库。数据处理过程中，对19个细分指标的数字经济发展水平评价指标体系（见表1）。涉及经济性指标变量以2 0 1 0 年为基期进行平减处理，缺失数并通过熵值法计算各指标权重，以此衡量数字经济发展水平。据采用线性插值法补齐。此外，为规避异方差干扰，对部分变量取自然对数。表1 数字经济发展水平评价指标体系一级指标三级指标数字公共基础设施数字基础设施数字消费基础设施数字技术创新成果数字化创新数字技术创新消费软件和信息技术服务业研发经费政府电子政务服务能力中国政府网站发展指数数字化治理数字化治理环境数字平台数字用户规模活跃度通信设备生产规模数字化应用信息服务产业规模(3）中介变量：低碳技术创新(LCT)专利作为低碳技术创新的直观成果，可直接衡量低碳技术创新活动产出水平。故通过低碳技术专利申请量表征低碳技术创新水平。低碳技术专利类别通过查询欧洲专利局和美国专利局联合颁布的合作专利分类体系(CPC)中Y02大类来确定。(4）门槛变量：政府治理能力(GCI)当前，关于地方政府治理能力的测度尚未形成统一标准，常用方法有单一指标测度法和综合指标测度法。由于政府治理涉及民生、经济等多个维度，借鉴刘俸奇等(2 0 2 1)1 9 的研究思路，从政府绩效、监管质量、民生保障、经济发展和公共产品供给5 个维度构建综合指标体系。其中，政府绩效通过政府行政管理费用与财政收人比值衡量；监管质量利用工业治理投资金额比总产出测度；民生保障借助人均可支配收人表征；经济发展采用人均GDP衡量；公共产品供给通过公路运输里程表征。在此基础上，通过熵权法对指标赋值测度得到政府治理能力指数。(5)控制变量为提升回归结果准确性，选取其他可能影响全要素碳生产率的特征变量。具体包括：地方政府经济影响力(EILG)，以各省份财政支出与GDP比值衡量。城市化水平(URB)，通过各省份非农人口占总人口比重度量。开放程度(OPEM)，借助对外贸指标说明移动电话基站数长途光缆线路长度互联网宽带接入端口数每百户家庭电脑拥有量每百户家庭移动电话拥有量电子信息产业固定投资5C产业专利授权数高技术产业新产品开发项目数工业互联网专利授权数数字知识产权成交合同数百人中移动电话用户数百人互联网宽带用户数集成电路产量微型计算机设备产量软件产品收入规模信息服务收入规模电信业务总量单位万个公里万个台部亿元件项件亿元一个人人亿块万台亿元亿元亿元2.模型设定立足于前文理论分析，文章构建非线性模型、中介效应模型与面板门槛模型，实证探究数字经济对全要素碳生产率的影响及其作用机制。(1)非线性模型鉴于全要素碳生产率是一个动态调整、持续变化的变量，前期全要素碳生产率在一定程度上可能会对当期情形产生影响，即全要素碳生产率变化趋势在时间上具有较强连贯性。故采用动静结合方式，在静态及动态两类面板数据模型中引人全要素碳生产率的二次项(DEL)进行对比分析，以验证数字经济对全要素碳生产率的“U”型曲线特征：TCP;=,DEIi+2(DEI.)*+SX,+8TCP,=,TCPi-I+,DEI,+(DEI)+$X;+y;+8u其中，下标t、i代表年份与省份；个体效应与随机扰动项用i和8 表示；TCPi代表全要素碳生产率；DEli表征数字经济；X，为控制变量集合，具体包括地方政府经济影响力、城市化水平、开放程度、研发支出和产业结构。(2）中介效应模型进一步构建中介效应模型析数字经济与全要素碳生产率之间的“机制黑箱”。理论分析初步推断，由于数字经济对全要素碳生产率的非线性影响，中介效应也可能是非线性的。因此，采用常规逐步回归的线性中介效应检验方法容易存在局限性，难以精准界定中介变量在核心解释变量和被解释变量之间的作用路径 2 0 。故此，采用可有效检验非线性中介效应的“调节路径法”对数字经济与全要素碳生产率之间作用机制进行验证。步骤如下：TCP;=,DEl+2(DEI.)+,LCT;+ADEl;xLCT,+X,+8iLCT;=,DEl;+2(DEL.)+SX;+;+8u其中，LCT，表示中介变量低碳技术创新，其余变量说明同式(1)。具体而言，式(3)为总效应检验，同时纳入低碳技术创新、数字经济与低碳技术创新的交互项(DEI,xLCT)两个变量，用于检验数字经济与全要素碳生产率之间“U”型关系以及低碳技术创新的中介效应。式(4)用以验证数字经济与低碳技术创新之间的非线性关系。式(3)中，若和2方向与基准回归结(1)(2)(3)(4)29技术经济与管理研究2 0 2 3 年第8 期果保持一致，且i通过显著性检验，则可判定数字经济对全要素碳生产率影响存在低碳技术创新的非线性中介传导路径。(3）面板门槛模型进一步探究不同政府治理能力下，数字经济对全要素碳生产率的非线性影响。构建如下单一面板门槛模型：TCP;=00+0,DEIixI(GCIq)+0,DEIixI(GCIq)+3X;+8u其中，GCI为门槛变量政府治理能力；q表示门槛估计值；示性函数表示为()，其余变量说明同式(1)。若满足括号内条件，则取值为1，反之为0。考虑到多重门槛检验思路与单一门槛一致，此处不再赘述。五、结果与分析1.基准回归结果分析数字经济对全要素碳生产率影响的回归结果如表2 所示。列(1)、列(2)分别为固定效应模型和动态面板模型估计结果。出于系统GMM方法的估计一致性和无偏性优势考量，将系统GMM 模型估计结果作为实证参考依据。由列(2)结果可知，数字经济的回归系数显著为负，二次项系数为正，通过1%显著性水平检验，说明数字经济对全要素碳生产率存在先抑制后促进的“U”型影响。数字经济兴起初期，稀土金属开采、电子生产等数字经济活动导致能源消费大幅增加，并引发大量碳排放，阻滞全要素碳生产率增长。当数字经济达到一定规模时，其在绿色低碳发展中的红利效应逐渐显现，并助推经济跨越环境库兹涅茨曲线顶点，继而拓宽全要素碳生产率增长空间。表2 基准回归结果FETCP()L.TCPDEIDEPEILGURBOPENTECSConstantAR(1)AR(2)SarganR2N注：*、*、*代表1%、5%、1 0%的显著性水平，括号内为t值，方括号内为P值。L.代表滞后一期。下同。2.稳健性检验为确保研究结论准确可靠，采取如下四种方式对基准回归结果进行稳健性检验。第一，对数据进行缩尾处理。考虑到异常值可能干扰研究结论，对所有变量进行左右5%缩尾处理，结果如表3 列(1)所示。第二，剔除直辖市。由于直辖市与各省份之间在经济体量和人口规模方面存在较大差距，故剔除重庆市、上海市、北京市、天津市四个直辖市后对模型(1)进行重新估计，结果如表3列(2)所示。第三，替换被解释变量。采用能源二氧化碳排放量与GDP比值替换全要素碳生产率测度方式，回归结果如表3 列(3)所示。(5)第四，内生性讨论。为避免解释变量与扰动项相关，采用二阶段最小二乘法(2 SLS)回归进行内生性检验，结果如表3 列(4)所示。由此，在多种稳健性检验结果中，数字经济对全要素碳生产率的影响与基准回归结果保持一致，说明研究结论稳健可靠。表3 稳健性检验结果缩尾处理剔除直辖市替换被解释变量TCP(1)1.0875*L.TCP(4.7514)-0.2671*DEI(-2.2943)0.2746*DEP(297.6341)0.3414EILG(0.1275)-0.8642*URB(38.4159)0.0896*OPEN(58.6341)0.0754*TEC(12.6347)0.8542*TS(36.9617)-1.6392*Constant(1.9685)AR(I)0.0007SYS-GMMAR(2)Sargan(2)N0.5796*(412.6951)-0.3942*-0.9284*(-7.6374)(-69.4851)0.1796*0.3942*(7.7296)(70.3694)0.36410.2075(0.1096)(0.2324)-0.7452*-0.7982*(-7.8062)(-45.9641)0.0698*0.0651*(4.5841)(4.6372)0.1572*0.0985*(4.6952)(47.6341)0.8514*0.5672*(5.6394)(18.9642)0.0692-0.0746*(0.2586)(-4.3557)0.00000.37420.68120.08753602SLS(2)(3)0.6075*0.5918*(277.6951)(359.3641)-0.6954*-1.1722*(-39.7128)(-74.6275)0.2644*0.5476*(38.4157)(71.6342)0.21970.2563(0.7642)(0.3612)-0.7549*-0.6541*(-14.5724)(-16.9642)0.0214*0.0285*(13.9642)(13.6947)0.2481*0.2576*(48.6342)(35.6273)0.6915*0.6077*(15.6941)(17.6942)-0.0637*0.0227(-2.4361)(0.9846)0.00000.00000.13520.46250.72150.97542633123.异质性回归结果分析前述结论可以探知，数字经济在整体上促进全要素碳生产率增长。值得注意的是，数字经济在实现普惠发展的同时，也间接导致数字接人、数字能力以及数字产出水平的不均衡现象，即产生“数字鸿沟”。因此，出于中国各区域发展不充分、不平衡实际考量，数字经济对全要素碳生产率的影响是否也会存在显著异质性？对此，文章从区域异质性和政策效果异质性两个维度进行异质性分析。(1）区域异质性不同区域发展阶段、资源烹赋和经济水平存在差异，可能造成数字经济对全要素碳生产率的影响产生区域异质性。对此，依据国家官方分类标准，将样本划分为东部、中部、西360部、东北四大区域进行分样本回归，探究数字经济对全要素碳生产率影响的区域差异，结果如表4 所示。观察可知，东部与中部地区中，数字经济对全要素碳生产率的回归系数为负，二次项系数分别为0.0 3 9 5 和0.1 3 5 8，在1%显著性水平下通过检验。这表明在东部和中部地区，数字经济与全要素碳生产率仍存在显著“U”型关系。西部与东北地区中，数字经济对全要素碳生产率的一次项回归系数为负，二次项回归系数为正，但均未通过显著性检验。这意味着数字经济对西部与东北地区全要素碳生产率并未表现出明显“U”型作用。(4)-0.2796*(-6.1729)0.1034*(4.9176)0.1759(0.2541)-0.1586(-0.9673)0.1375*(16.9472)0.1185*(2.3954)0.4258*(12.6374)-1.3672*(-14.8762)0.38610.694336036030数字经济、低碳技术创新与全要素碳生产率表4 区域异质性检验结果经济对全要素碳生产率的影响效应表现出显著“U”型关系。TCP东部地区()0.5429*L.TCP(77.2841)-1.6392*DEI(-5.2671)0.0395*DEP(3.2173)0.3512EILG(0.1255)-0.7693*URB(-3.4519)0.1671*OPEN(3.3439)0.0964*TEC(8.9643)S0.9642*(8.3621)-1.0684*Constant(-10.1967)AR(I)0.0000AR(2)0.1175Sargan1.0000N108(2）政策效果异质性十八大以来，数字经济作为新兴经济模式已逐渐上升为国家战略，对政策端顶层设计依赖性较强。2 0 1 5 年8 月国务院印发促进大数据发展行动纲要，要求开展大数据产业发展试点工作。而后，贵州、北京、天津、河北、内蒙古等省份陆续建立国家级大数据综合试验区，该文件成为推动中国数字经济发展的重要政策工具。此过程中，大数据综合试验区的建立，必然导致试点地区与非试点地区数字经济发展水平呈现差异，继而对全要素碳生产率产生异质性影响。鉴于此，依据国家相关政策文件将样本划分为大数据综合试验区试点地区和非大数据综合试验区试点地区两类进行分组回归，以探查不同政策强度下，数字经济对全要素碳生产率的差异化影响，结果如表5所示。分析可知，在大数据综合试验区试点地区，数字经济对全要素碳生产率的一次项回归系数为负，通过1%显著性检验，二次项系数在1%水平上显著为正。这表明在试点地区，数字表5 政策效果异质性大数据综合试验区试点地区非大数据综合试验区试点地区TCP(1)L.TCP0.5692*(63.5148)-0.3651*DEI(-3.2584)0.0892*DEP(5.9641)0.3529EILC(0.1852)URB-0.4973*(-7.0534)0.1296*OPEN(11.2843)0.0841*TEC(3.9652)0.5618*IS(6.3687)-1.2609*Constant(-6.6357)AR(I)0.0000AR(2)0.6592Sargan1.0000N120中部地区(2)0.5169*(77.6351)-0.4762*(-15.2697)0.1358*(13.6279)0.4219(0.1186)-0.8546*(-2.3694)0.1752*(18.6341)0.0374*(1.7963)0.8542*(6.3415)1.2854*(12.6247)0.00020.14921.000092西部地区(3)0.6140*(61.3521)-0.2549(-1.0248)0.0896(1.6485)0.3095(0.0865)-0.7634*(-3.6322)0.2543*(-3.2547)0.0875*(3.4896)0.9685(0.9642)0.1697(-0.2415)0.00580.30251.0000840.5691*(59.6347)-0.4582(-1.6385)0.1968(1.6392)0.4863(0.1499)-0.3592*(-7.3622)0.0785*(9.4637)0.0288*(1.5692)0.3985*(5.2691)0.2859(0.6247)0.00450.36961.0000240东北地区(4)0.7125*(36.9436)-0.3241(-1.0285)0.0985(1.0297)0.3782(0.1362)-1.0244*(-3.9653)0.0285*(2.6394)0.0469*(3.6241)0.7451(0.6244)0.4582(-1.0285)0.00070.27441.000076(2)在非大数据综合试验区试点地区，数字经济对全要素碳生产率的一次项回归系数为负，二次项回归系数由负转正，但均未通过显著性检验，说明数字经济对非试点地区全要素碳生产率的“U”型作用不显著。4.机制检验数字经济影响全要素碳生产率的机制检验结果如表6 所示。其中，模型(4)的回归结果如列(1)所示，分析可知，数字经济的一次项回归系数在1%水平上显著为负，二次项系数为正，通过1%显著性检验，说明数字经济对低碳技术创新存在显著“U”型影响。模型(3)的回归结果如列(2)所示，可以探知，数字经济的一次项与二次项系数符号均未发生明显改变，且均通过1%显著性水平检验，意味着数字经济与全要素碳生产率的“U”型关系仍存在。同时，低碳技术创新的回归系数在1%水平上显著为正，说明低碳技术创新对全要素碳生产率增长具有积极影响。上述结论说明，数字经济对低碳技术创新存在“U”型影响，并可经由低碳技术创新的中介效应影响全要素碳生产率。表6 机制检验回归结果TCPLCT-1.6392*DEI(-5.2671)0.5429*DEP(77.2841)LCTDEIXLCTEILGURBOPENTECSConstantR2N5.门槛检验依据前文所构建的面板门槛模型，实证探究政府治理能力在数字经济与全要素碳生产率二者间的作用。门槛检验结果显示，在单一门槛模型中，F值通过5%显著性水平检验；在双重门槛模型中，F值未通过显著性检验。由此可见，模型仅存在单一门槛，门槛值为4.3 7 6 2。表7 为面板门槛效应回归结果。可以看出，当政府治理能力位于门槛值4.3 7 6 2 以下时，数字经济对全要素碳生产率的回归系数在1%水平上显著为负；当政府治理能力位于门槛值4.3762以上时，数字经济对全要素碳生产率的回归系数由负转正，通过1 0%显著性水平检验。上述结论表明，数字经济对全要素碳生产率的影响随政府治理能力提升而不断增强，呈现先抑制后促进的变化趋势。这与前文数字经济和全要素碳生产率存在“U”型关系的