數字經濟之于城市碳排放：“加速器”抑或“減速帶”？

摘要 在“雙碳”目標引領城市綠色低碳轉型發展和數字經濟新時代全面到來的背景下，深入探討數字經濟對城市碳排放的影響已成為當前一項重要議題。該研究選取2011—2019年城市面板數據，基于熵權TOPSIS法測度數字經濟發展水平，運用雙向固定效應模型和中介效應模型實證分析數字經濟對城市碳排放的影響及其作用機制。結果表明：①數字經濟發展對城市碳排放的影響具有先增加后減少的倒“U”型特征，即前期具有“加速器”效果，后期表現為“減速帶”作用，經過一系列穩健性檢驗后該結論仍成立。②機制檢驗發現，數字經濟發展通過影響能源消耗、促進綠色技術創新和產業結構升級，進而對碳排放表現出先增加后減少的非線性影響。③異質性分析表明，數字經濟對碳排放的影響因經濟發展水平、資源稟賦、行政等級的不同而表現出顯著性差異。④中國城市間的碳排放存在顯著的空間相關性，數字經濟對經濟與地理鄰近城市碳排放的空間溢出效應呈現出倒“U”型特征。該研究從學理上揭示了數字經濟對城市碳排放的影響效果和作用機制。據此提出，各地區在強化數字經濟賦能傳統行業節能減排的同時，須提升自身能源利用效率，打造更具生態化的數字經濟發展模式；通過產業數字化和數字產業化推動產業向低碳化的集約式轉型升級，依托地區資源稟賦、城市行政等級和經濟發展情況，加快推進不同類型城市數字化與綠色低碳化協同發展。

關鍵詞 數字經濟；碳排放；能源消耗；綠色技術創新；產業結構升級

中圖分類號 F49；F062. 3 文獻標志碼 A 文章編號 1002-2104（2023）06-0011-12 DOI：10. 12062/cpre. 20230124

全球氣候變暖問題正嚴重威脅人類的生存和可持續發展，是當前人類面臨的重大全球性挑戰之一［1］。當前，中國第二產業比重大，高能耗、高排放、低效能問題并存。國家能源局和統計局數據顯示，2020年中國能源消耗和碳排放分別為49. 8億tce和102. 5億t CO2e，為世界能源消費和碳排放量最大的國家，單位國內生產總值（GDP）能耗為3. 4 tce/萬美元，單位GDP碳排放量為6. 7 t/萬美元，分別是世界平均年水平的1. 5倍和1. 8倍，推進以節能減排為特征的綠色發展刻不容緩。鑒于全球氣候日益變暖和經濟綠色轉型發展的迫切形勢，2020年9月，習近平在聯合國大會上作出鄭重承諾，中國將力爭于2030年和2060年前分別實現碳達峰及碳中和。這既顯示了中國積極應對氣候變化的大國擔當，也符合中國經濟高質量發展的內在要求。與此同時，數字經濟正蓬勃發展，中國信息通信研究院的相關數據顯示，2021年，中國數字經濟規模高達45. 5萬億元，占GDP的比重為39. 8%，且其增速高于同期名義GDP約3. 4個百分點。從數字經濟結構來看，數字產業化與產業數字化規模占比分別為18. 4%和81. 6%，數字經濟在規模與結構的雙重突破逐步成為中國經濟增長的穩定器和加速器。那么，作為推動中國經濟高質量發展的新動能［2］，以數據要素和數字技術為核心的數字經濟應當在“雙碳”目標的實現過程中有所作為。

隨著新型城鎮化和工業化的持續推進，中國能源消耗和環境污染壓力與日俱增。城市作為推動中國綠色低碳轉型與經濟高質量發展的“主戰場”［3］，如何在追求經濟活動空間集聚的正外部性收益最大化的同時，實現能源消耗和碳排放的最小化是其首要考慮的問題［4］。在數字經濟與實體經濟深度融合發展之際，推動產業結構向高附加值、數字化、智能化和綠色環保的方向演進，是構筑綠色低碳的現代化宜居城市的必由之路。因此，深入研究數字經濟與碳排放的關系，可以解讀中國在工業化進程中實現綠色低碳發展出現的新問題和新現象，有助于探索中國綠色低碳經濟發展的新方向和新路徑。有鑒于此，該研究就數字經濟對城市碳排放的影響效果及作用機制展開探討。可能的創新點在于：一是從數字產業化、數字技術應用和產業數字化維度構建城市層面的數字經濟發展指標，采用熵權TOPSIS法進行科學測度，使得數字經濟發展水平的衡量更加準確；二是從能源消耗、綠色技術創新和產業結構升級三方面闡釋其作用機制，并從城市經濟發展水平、資源稟賦和行政等級等方面展開異質性探析。

1 相關文獻回顧

與該研究相關的既有文獻大致分為兩類：一是關于碳排放的研究。已有學者研究發現，中國碳排放整體呈現上升趨勢，且呈現“東高西低”的動態演變特征［5-6］。相關研究表明，經濟發展水平［7］、人口規模［8］、能源消耗［9］、產業結構升級［10］、科技創新［11］、環境規制［12］等對碳排放均具有不同程度的影響。另有學者評估了低碳試點政策、碳排放交易權、生態省建設等政策性因素的碳減排效應［13-15］。二是關于數字經濟及其影響的研究。數字經濟依托于數字技術和數據要素，具有顛覆性創新、高滲透性、融合性等新特征［16-17］，能夠在革新企業組織［18-19］、優化產業結構［20-21］、促就業［22-23］、改善環境［24-25］、賦能經濟提質增效［26-27］等方面持續釋放紅利。然而關于數字經濟對碳排放影響的相關研究尚處于起步階段，就理論而言，數字經濟可通過減增量和壓存量兩條路徑促進碳減排［28］，這一過程需政府和企業層面同時發力，協同助力雙碳目標的實現［29］。相關經驗研究亦表明，數字經濟能夠顯著降低碳排放［30-31］。

盡管現有研究涉及數字經濟的環境改善效應及碳排放的影響因素等方面，為解釋數字經濟對碳排放的影響提供了有益參考，然而關于數字經濟對碳排放影響的文獻較少，且僅探討了兩者間的線性關系。事實上，世界幾乎是由非線性關系構成的［32］，忽視經濟變量之間的非線性關系，采用一般線性方法研究數字經濟對碳排放的影響，可能會導致有偏估計，研究結論難以有效解釋經濟現實，政策建議可信度低［33］。因此，該研究在重新審視數字經濟與碳排放之間關系的基礎上，從能源消耗、綠色技術創新和產業結構升級三方面闡釋數字經濟對碳排放影響的作用機制，基于2011—2019年269個城市的面板數據，運用雙向固定效應和中介效應模型進行相關實證檢驗。考慮到不同類型城市數字經濟發展水平、產業結構、技術創新水平、能源消耗和碳排放都存在顯著差異，因此，圍繞城市經濟發展水平、資源稟賦和行政等級展開異質性探析，以期為數字經濟時代城市綠色低碳轉型發展提供一定的理論支撐與經驗依據。

2 理論分析及研究假設

數字經濟前期因自身發展需要會消耗大量能源，導致碳排放增加。隨著數字經濟自身能源效率的提升及其賦能實體經濟效應增強，能夠促進傳統產業向數字化、智能化、集約化和綠色化轉型，實現經濟效率提升和節能減排的“雙贏”。由此可知，數字經濟對碳排放并非只是簡單的線性影響。結合已有研究，該研究嘗試從能源消耗、綠色技術創新和產業結構升級三方面探討數字經濟對碳排放的作用機制，并提出相應假設。

2. 1 能源消耗效應

數字經濟之所以能夠降低能源消耗，減少碳排放，主要表現在三方面：第一，數字經濟依托于超強的數字技術和海量的數據要素，能夠突破時空限制，加速經濟主體間的知識與技術交流，催生了諸如智慧交通、新能源產業、智能電網、智能能源系統、脫碳技術等與能源生產和消費相關的新技術、新業態和新模式，從而提升城市能源利用效率，減少碳排放。第二，數字經濟發展能夠促進企業智能化、數字化、模塊化和柔性化轉型。大數據、人工智能、云計算等數字技術與企業的深度嵌入融合，能夠改進原有的生產工藝流程和產業組織形態，淘汰高消耗、低效能產業，降低單位產出能耗，進而降低碳排放［34］。第三，數字經濟發展正改變著社會公眾的消費理念，推動著消費升級，無形中提升了社會公眾節能環保和綠色低碳意識，激發了城市居民對綠色低碳產品和服務的選擇偏好［35］，有助于形成節能降碳的生活方式。

然而，數字經濟并非僅有降碳效應，其發展過程也會伴隨大量能源消耗，從而表現出增碳效應。主要表現在三方面：一是數字經濟本身運營和發展需要大量能源密集型基礎設施和電力消耗，增加碳排放。一方面，數字產業所依賴的電子元器件及設備制造和整機生產均屬于高耗能環節，會增加碳排放；另一方面，電信業、軟件和信息技術服務業、互聯網等數字產業對電力的需求密集程度較高，大約占全球發電量的10%［36］。此外，數據中心作為數字經濟的底座及重要基礎設施，具有高耗能特征，其運行也需要大量電能。而當前中國煤電占比較高，電力消費會導致煤炭消耗和碳排放的增加。國家能源局數據顯示，2021年，中國數據中心能耗達2 166億kW·h，較2020年增加44%，約占全社會用電量的2. 6%；二氧化碳排放量約1. 35億t，較2020年增加3 915萬t，占全國碳排放量的1. 14%左右。可見，在數字經濟發展初期，在技術未能提升產能利用效率的情況下，數字制造產業發展和數據中心運營會消耗大量能源，進而增加了碳排放。據國際綠色和平環保組織的估算，全球ICT產業的溫室氣體排放占比將從2007 年的1%～1. 6% 增長到2040 年的14% 以上。二是數字經濟的飛速發展在各領域催生出更多數字產品消費和服務，如Noussan等［37］研究發現，數字技術在交通領域的應用會擴大交通出行規模，造成更多的能源消耗和碳排放。三是數字經濟引致的技術進步促使企業在發展之初重置生產設備，為增加產量會加大對資源能源的消耗，導致碳排放量增加［38］。概而言之，數字經濟發展前期因自身發展和應用會引起能源消耗，表現出增碳效應，而后期隨著自身能源效率的提升和賦能傳統產業節能減排的作用增強，表現出減碳效應。即數字經濟對碳排放的影響前期增碳效應大于減碳效應，表現為“加速器”效果；后期增碳效應小于減碳效應，具有“減速帶”作用。

2. 2 綠色技術創新效應

數字經濟以數據為關鍵生產要素、以數字技術為核心驅動力，能夠促進綠色技術創新［39］，而綠色技術創新又是碳減排的重要驅動力［40-41］。一方面數字經濟發展增加了城市居民對綠色產品和服務的需求，激發了企業依托數字經濟進行綠色創新的意愿。而數據具有高效清潔、低成本、可復制以及可海量獲取的特點，通過與傳統生產要素的融合，能夠促進綠色低碳和節能減排為主題的綠色技術創新，助推企業進行清潔化、智能化生產，從而減少企業生產對能源資源的依賴，降低碳排放。另一方面，數字技術具有迭代快、擴散快、滲透性強等特性，通過與節能低碳技術滲透融合，能夠加快綠色技術創新的供給和擴散，推進傳統產業向低碳化和智能化轉型，提高傳統產業生產過程中的技術效率和勞動生產率，降低單位產出的能耗和碳排放。此外，數字技術與能源開發技術的嵌入融合有助于光伏、風電和可再生能源的開發，推動能源消費結構向多元化、清潔化和低碳化轉型，進而減少能源消耗和碳排放。據此可知，數字經濟能夠通過促進綠色技術創新減少碳排放。

2. 3 產業結構升級效應

數字經濟通過產業數字化和數字產業化刺激新產業發展、推動傳統產業轉型升級，不斷重塑低碳化產業結構，能夠減少對能源的剛性需求，改善能源消費結構，從而降低能源消耗和碳排放［42-43］。一方面，大數據、云計算、人工智能與傳統產業的滲透融合催生了企業智能化、柔性化和低碳化的生產模式，能夠對電力、交通、制造、建筑等重點行業改造升級，催生出諸如智慧能源、智慧電網、智慧交通、智能制造等低碳新業態，破解中國產業結構低端鎖定效應和路徑依賴問題，優化高耗能高排放產業的配置效率，減少生產損耗和產能過剩，進而降低生產過程中的碳排放。另一方面，數字技術的飛速發展能夠提升各行業生產效率、強化市場競爭機制，淘汰低效產能，促進產業融合和新興產業發展。數字產業化通過信息通信產業帶動產業結構逐步由資本、勞動密集型轉向資源節約型和數字技術密集型，促使產業發展模式由要素驅動向創新驅動轉變，進而優化能源消費結構，減少經濟增長過程中對能源的依賴，從而降低單位產出的碳排放。如上所述，數字經濟依托于數字產業化與產業數字化，能夠促使產業由高能耗高排放的粗放型發展模式向綠色低碳化的集約式轉型升級，進而促進碳減排。

綜上，數字經濟對碳排放具有先增加后減少的非線性影響，且主要通過能源消耗、綠色技術創新和產業結構升級三種渠道產生作用，如圖1所示。一方面數字經濟對能源消耗具有先增加后減少的影響，而能源消耗會直接導致碳排放的增加，因此數字經濟發展通過能源消耗對碳排放的影響呈現出先增加后減少的倒“U”型特征；另一方面，數字經濟對綠色技術創新和產業結構升級均具有促進作用，而綠色技術創新和產業結構升級又均是減少碳排放的重要途徑，因此數字經濟通過促進綠色技術創新和產業結構升級減少城市碳排放。由此推斷，數字經濟發展通過影響能源消耗、促進綠色技術創新和產業結構升級，從而對城市碳排放的影響表現出先增加后減少的倒“U”型特征。據此，該研究提出如下假設。

H1：數字經濟發展對碳排放的影響具有先增大后減小的倒“U”型特征。

H2：數字經濟發展通過能源消耗對碳排放產生先增大后減少的非線性影響。

H3：數字經濟發展通過綠色技術創新和產業結構升級促進碳減排。

H4：數字經濟發展能夠影響能源消耗、促進綠色技術創新和產業結構升級，從而對碳排放表現出先增加后減少的非線性影響。

3 研究設計

3. 1 模型構建

為檢驗數字經濟對碳排放的影響，構建雙向固定效應模型，具體形式如下：

ln CO2it = β0 + β1 Dglit + β2 Dgl2it + βi Zit + ui + λt + εit（1）

其中：i 表示省市，t 表示年份，ln CO2it為城市碳排放水平，Dglit 為核心解釋變量數字經濟發展水平，Zit為控制變量，ui、λt 分別表示不可觀測個體與時間效應，εit 為隨機擾動項。

3. 2 變量說明

3. 2. 1 被解釋變量

二氧化碳排放量（ln CO2）。采用吳建新等［44］基于連續性動態分布的方法計算獲得，并作取對數處理。

3. 2. 2 核心解釋變量

數字經濟發展水平（Dgl）。參考趙濤等［27］的研究思路，以互聯網發展為核心，并考慮數字化交易，結合城市數據的可得性，從數字普惠金融發展、互聯網普及率、互聯網相關從業人數、互聯網相關產出、移動互聯網用戶數五個維度構建數字經濟發展指標。上述指標雖能反映數字產業發展和數字技術應用情況，但缺乏能夠反映產業數字化水平的指標。考慮到產業數字化過程中機器人的使用能夠提升企業勞動生產率［45］，賦能傳統產業轉型升級［46］，因此，選用工業機器人安裝密度作為產業數字化的衡量指標，詳見表1。其中，工業機器人數據來自國際機器人聯盟（IFR）。由于工業機器人安裝密度數據僅限于省域層面，為此，參考范子英等［47］的研究思路，以城市第二產業增加值占本省第二產業增加值的比重為權重，乘以省域層面的工業機器人安裝密度進而得到城市層面數據。數字普惠金融發展采用北京大學普惠金融指數來表征［48］。在此基礎上，采用熵權TOPSIS法測算數字經濟綜合發展水平。

3. 2. 3 機制變量

（1）能源消耗（Pegy）。首先參考陳詩一［49］的研究，選用萬噸標準煤來衡量能源消耗量，進一步采用單位國內生產總值的能源消耗來刻畫能源消費水平。其中，天然氣折標準煤系數=13. 3 tce/萬m3，液化石油氣折標準煤系數=1. 714 3 tce/t，電折標準煤系數=1. 229 tce/（萬kW·h）。

（2）綠色技術創新（Pgpan）。考慮到專利能直觀、有效地表征創新能力，且綠色專利是促進綠色技術創新的主要工具，在國內外文獻中應用頻繁，故選用各城市每萬人綠色專利申請數衡量綠色技術創新水平。

（3）產業結構升級（Isu）。根據配第-克拉克的產業結構變動定理，采用第三產業與第二產業就業人數之比來衡量產業結構升級。

3. 2. 4 控制變量

為緩解因遺漏變量造成的估計偏差，控制了一系列對碳排放產生影響的變量，主要包括：人口規模（Pop），選用城市常住人口數來衡量；經濟發展水平（Y），用實際人均GDP來衡量；基礎設施（Inf），選取人均城市道路面積衡量交通基礎設施水平；工業化程度（Ind），選用各城市第二產業增加值與GDP之比刻畫工業化發展水平；政府干預（Gov），選用地方一般性財政支出與GDP之比表征；城鎮化水平（Urb），采用非農業人口占總人口之比衡量。為減少異方差問題，控制變量作取對數處理。

3. 3 數據來源與描述性統計

該研究以2011—2019 年中國30 個省份的269 個城市為研究對象，形成2 421個樣本觀測數據（因數據可得性限制，剔除了內蒙古呼倫貝爾市，遼寧省朝陽市，黑龍江省綏化市，安徽省亳州市，湖北省襄陽市，廣東省惠州市，廣西賀州市、欽州市，海南省三沙市、儋州市，貴州省畢節市、銅仁市，云南省麗江市、普洱市和臨滄市，甘肅省定西市、隴南市，青海省海東市，寧夏固原市、中衛市，新疆吐魯番市、哈密市，未涉及西藏及香港、澳門和臺灣）。數字普惠金融指數由北京大學研究所和螞蟻金服共同編制；專利申請量源自國家知識產權數據庫，利用WIPO 的國際專利分類綠色清單匹配獲得；工業機器人安裝密度數據源自國際機器人聯盟（IRF）。其余數據源自《中國城市統計年鑒》及各市統計年鑒。各變量的描述性統計見表2。

4 實證結果分析

4. 1 基準回歸結果

由表3 可知，在逐步加入控制變量的過程中，變量Dgl 和Dgl2的系數分別在1%顯著性水平下始終為正值和負值，初步表明數字經濟對城市碳排放的影響呈現出先增大后減少的倒“U”型特征，即其發展前期對碳排放起到了“加速器”的作用，可能的原因：一是以電信、軟件和信息技術服務業、互聯網業為核心產業的數字經濟快速發展會消耗大量電力，從而增加碳排放［50］；二是數字經濟發展前期可能會廣泛應用于采礦業，擴大了化石能源開采規模，造成資源的過度消耗和碳排放的增加。隨著數字經濟自身發展水平的提升及賦能實體經濟作用增強，推進實體經濟智能化和柔性化生產，減少生產過程的中間消耗。數字經濟能夠帶來以綠色低碳和節能減排為主題的綠色技術創新，推動產業向智能化、綠色低碳化方向發展，提升城市能源利用率和工業生產效率，降低能源消耗，進而減少碳排放。與此同時，數字經濟發展提升了社會公眾的綠色產品需求和低碳意識，引導城市居民清潔用能，激發對低碳產品和服務的選擇偏好，有助于形成綠色低碳化的生活方式。總體來說，數字經濟發展后期對城市碳排放起“減速帶”作用。 初步說明假設H1成立。

此外，由回歸結果可知，Dgl 的系數為5. 027，Dgl2的系數為-4. 827，根據公式（1）計算出對稱軸X = -β1 2 β2，即數字經濟發展與城市碳排放的倒“U”型拐點值為0. 521，通過對考察期樣本城市的數字經濟發展水平進行梳理發現，截至2019年，除昭通市、松原市、巴中市、白城市、天水市、河池市、吳忠市、通遼市、達州市、鐵嶺市尚處于數字經濟增碳效應大于減碳效應階段，中國絕大多數城市已處于數字經濟增碳效應小于減碳效應階段。

4. 2 穩健性檢驗

4. 2. 1 內生性檢驗

為驗證數字經濟對碳排放的非線性影響估計結果可靠，借鑒謝杰等［51］的研究思路，采用數字經濟發展滯后一期（L. Dgl）及其平方項（L. Dgl2）、人均移動電話使用量（In fo）及其平方項（Info2）作為核心解釋變量（Dgl）和其二次項（Dgl2）的工具變量。由表4的回歸結果可知，內生性檢驗的P 值為0. 001，說明基準回歸模型存在內生性問題，選取工具變量進行估計尤為必要。Kleibergen?Paaprk LM統計量為478. 498，拒絕了識別不足的原假設；Kleiber?gen?Wald rk F 統計量為410. 072，均大于Stock?Yogo檢驗在15%水平的臨界值，可以拒絕工具變量弱識別的原假設，意味著工具變量與內生變量具有較強的相關性，以上檢驗表明該研究選取的工具變量是合理有效的。回歸結果見表4列（1）。工具變量方法估計下Dgl 和Dgl2的系數在1%顯著水平下分別為5. 235和-6. 003，表明在考慮內生性問題后，數字經濟對城市碳排放的影響仍具有先增大后減少的倒“U”型特征，基準結果穩健。

4. 2. 2 替換變量

從替換核心解釋變量數字經濟發展水平和被解釋變量碳排放兩方面進行穩健性檢驗。首先，采用熵權法重新測算數字經濟發展指數Dgl；其次，采用二氧化碳排放量與GDP的比值來表征二氧化碳排放強度，替換被解釋變量，并在此基礎上進行回歸，結果見表4列（2）—列（3）。在替換核心解釋變量和被解釋變量兩種情況下Dgl 和Dgl2的系數仍分別為正值和負值，且通過了1%顯著水平檢驗，表明數字經濟發展對城市碳排放會產生先促進后抑制的非線性影響。

其中：Medit 為中介變量，包括能源消耗（Pegy）、綠色技術創新（Pgpan）和產業結構升級（Isu），其他變量與公式（1）一致。若回歸系數υ1、υ2、α1、α 2 和α 3 均顯著，則表明中介變量在數字經濟對碳排放的影響中起到了部分中介傳導作用。

為檢驗數字經濟對城市碳排放傳導作用機制，采用逐步回歸的方法對方程（3）—方程（5）進行實證回歸，結果見表5。列（1）為數字經濟對城市碳排放的非線性影響。從列（2）來看，在控制了其他影響能源消耗的變量后，Dgl 和Dgl2的系數在1%顯著水平下分別為正值和負值，說明數字經濟對能源消耗具有先增加后減少的非線性影響。從列（3）來看，在納入中介變量能源消耗后，Dgl和Dgl2的系數相比于列（1）有所下降，說明能源消耗在數字經濟對碳排放的影響中起到先增加后減少的非線性作用，假設H2成立。從列（4）和列（6）來看，數字經濟對綠色技術創新和產業結構升級的影響均在1%水平上顯著為正。從列（5）和列（7）來看，數字經濟對碳排放的影響系數Dgl 和Dgl2相比于列（1）顯著下降，說明綠色技術創新和產業結構升級在數字經濟對碳排放的影響中起到了促減作用，假設H3成立。從列（8）來看，將三種中介變量同時納入回歸模型中，Dgl、Dgl2和所有中介變量的系數均在1%水平上顯著，且相比于列（1），Dgl 和Dgl2的系數值顯著下降，說明數字經濟通過影響能源消耗、促進綠色技術創新和產業結構升級，進而對城市碳排放表現出先增加后減少的非線性影響，假設H4得以驗證。

4. 4 異質性分析

4. 4. 1 經濟發展水平

為檢驗不同經濟發展水平的城市數字經濟對碳排放的非線性影響，借鑒王永欽等［54］關于城市經濟發展程度的劃分標準，以人均GDP作為經濟發展水平衡量指標，通過計算中位數對樣本進行分組回歸，結果見表6列（1）—列（2）。數字經濟對兩種類型城市碳排放的影響均具有先增加后減少的倒“U”型特征，且對低經濟發展水平城市的增碳效應大于高經濟發展水平城市。可能原因在于低經濟發展水平城市為實現經濟趕超，更多依靠能源要素驅動的粗放式經濟增長模式，加之數字經濟整體處于發展初期，使得增碳效應在低經濟發展水平城市更為突出。由于負的二次項系數不能直接反映數字經濟對碳減排的邊際效應，為更加直觀展現不同類型城市的數字經濟對碳排放的影響，采用Stata軟件中的margins命令計算數字經濟對不同類型城市碳排放的平均邊際效應，后續的異質性分析均采用此種方法，結果如圖2所示。低經濟發展水平城市數字經濟與碳排放倒“U”型關系的拐點值小于高經濟發展水平城市，表明低經濟發展水平城市能在較低的數字經濟水平下享受其生態紅利。可能的原因在于，隨著數字經濟的發展，低經濟發展水平城市通過抓住數字經濟機遇，深化數據要素賦能傳統要素，加快數字技術與節能低碳技術融合，推動產業結構向綠色低碳化轉型升級，數字經濟對其降碳效應可謂是“雪中送炭”。而高經濟發展水平城市本身數字經濟發展水平較高，且知識和技術密集型、綠色環保產業比重較高，數字經濟的生態紅利釋放有所放緩，數字經濟對其降碳效應更多是“錦上添花”。

4. 4. 2 城市資源稟賦

根據國務院印發的《全國資源型城市可持續發展規劃（2013—2020）》分類標準，將考察期的樣本城市分為資源型與非資源型城市兩大類，進行分組回歸，繼而考察數字經濟對碳排放的影響在城市資源稟賦上的差異。由表6列（3）—列（4）和圖3可知，數字經濟對兩種類型的城市同樣具有先增加后減少的非線性影響，即前期為增碳效應，后期為減碳效應。且對非資源型城市的減碳效應大于資源型城市，可能原因在于資源型城市擁有豐富的資源和能源，在城鎮化與工業化推進過程中對初始資源的依賴程度高，容易形成以資源型產業為主的發展模式及由此帶來的路徑依賴和鎖定效應［55］；數字技術與傳統產業的滲透融合不足，促使數字經濟賦能資源型城市的減排效應相對較小。而非資源型城市更多依靠創新驅動的綠色經濟發展模式，借助數字經濟機遇，能夠加快綠色技術創新，推動產業結構升級，進而產生較強的降碳效應。總之，數字經濟發展能夠更好地釋放非資源型城市的綠色發展動力，對非資源型城市的碳減排效應高于資源型城市。

4. 4. 3 行政等級

為考察數字經濟對不同行政級別城市碳排放的影響差異，將樣本城市分為中心城市（直轄市和副省級城市）和外圍城市（一般地級市）進行分組回歸，結果見表6列（5）—列（6）和圖4。數字經濟對兩種類型城市的碳排放均具有先增大后減少的作用效果，且對省級中心城市的碳減排效應大于一般外圍城市，可能的原因：一是省會中心城市集聚著大量高質量數字人才和創新資本，數字經濟發展優勢明顯，更能發揮其在節能減排方面的作用；二是核心城市在發展前期會虹吸各類資源要素，致使周邊城市發展遲緩，不利于數字經濟對外圍城市碳減排效應的發揮。隨著核心城市發展到一定階段后會產生涓滴效應，能夠輻射帶動周邊城市數字經濟的發展，從而促進外圍城市碳減排。

概而言之，數字經濟發展對所有類型城市碳排放均具有先增加后減少的非線性影響。前期增碳效應大于減碳效應，表現為“加速器”效果；后期增碳效應小于降碳效應，起到“減速帶”作用。可見，推進數字經濟與低碳經濟協調共生是未來城市數字化轉型的必然趨勢。

5 結論與啟示

立足于“雙碳”目標引領城市低碳轉型和數字經濟迅猛發展的時代背景下，該研究從能源消耗、綠色技術創新和產業結構升級三方面闡述了數字經濟對城市碳排放的非線性影響及其作用機制，并進行相關實證檢驗，得出以下結論：①數字經濟發展對城市碳排放的影響具有先增加后減少的倒“U”型特征，即前期表現為“加速器”效果，后期具有“減速帶”作用。②機制檢驗發現，數字經濟發展通過影響能源消耗、促進綠色技術創新和產業結構升級，進而對碳排放表現出先增加后減少的非線性影響，其中，數字經濟通過影響能源消耗對碳排放具有先增加后減少的非線性影響，而通過促進綠色技術創新和產業結構升級兩條途徑促進碳減排，在上述三種傳導機制的綜合作用下，數字經濟對碳排放的影響表現出先增加后減少的倒“U”型特征。③異質性分析表明，數字經濟對碳排放的影響因經濟發展水平、資源稟賦、行政等級的不同而表現出顯著性差異。④中國城市間的碳排放存在顯著的空間相關性，數字經濟對經濟與地理鄰近城市碳排放的空間溢出效應呈現出倒“U”型特征。

根據上述研究結論，提出以下三點政策啟示。

（1）加快數字經濟高質量發展，助推城市碳減排。首先，加快5G、人工智能、大數據等數字前沿技術與傳統產業的滲透融合，通過工藝革新及管理創新，優化能源消費結構，有效降低傳統產業能耗，促使產業向數字化、智能化、低碳化方向演進，形成資源節約、綠色低碳化的產業結構體系。其次，推進低碳化的數字產業發展，加快信息通信業產業基礎設施綠色化建設，以數據中心提效、智慧能源為抓手，提升數字經濟自身能源利用效率，減少能源消耗和碳排放，打造更具生態化的數字經濟發展模式。

（2）增強綠色技術創新和產業結構升級對碳減排的傳導作用。一方面加大對企業的環境規制約束和數字低碳技術研發補貼力度，促使企業綠色技術創新；另一方面引導公眾綠色低碳出行，選擇數字綠色低碳產品，激發對數字產品和服務的需求，促使企業綠色低碳化生產，推動產業向低碳集約化升級，強化數字經濟的綠色技術選擇偏向。通過這些措施，構建以數字經濟發展為原動力，綠色技術創新為驅動力，綠色低碳產業為載體的城市低碳轉型發展模式。

（3）根據地區資源稟賦、城市行政等級和經濟發展實際，加快推進經濟欠發達城市、資源型城市和外圍城市數字化轉型。抓住數字經濟發展時代機遇，發揮后發優勢，根據自身產業結構和資源稟賦，推進數字技術與綠色低碳技術的深度融合，加快綠色技術的應用創新，對傳統產業進行全鏈條、全方位和全角度的精準改造，破除路徑依賴和鎖定效應，釋放數字經濟對碳排放的“減速帶”作用，推動城市數字化與綠色低碳化協同發展。

參考文獻

［1］ 林伯強. 碳中和進程中的中國經濟高質量增長［J］. 經濟研究，2022，57（1）：56-71.

［2］ 吳慶陽. 提質增效“數字能源”與“雙碳”目標偕行［N］. 科技日報， 2021-08-02（08）.

［3］ 莊貴陽，魏鳴昕. 城市引領碳達峰、碳中和的理論和路徑［J］. 中國人口·資源與環境，2021，31（9）：114-121.

［4］ 邵帥，張可，豆建民. 經濟集聚的節能減排效應：理論與中國經驗［J］. 管理世界，2019，35（1）：36-60，226.

［5］ 劉華軍，邵明吉，吉元夢. 中國碳排放的空間格局及分布動態演進：基于縣域碳排放數據的實證研究［J］. 地理科學，2021，41（11）：1917-1924.

［6］ 王少劍，謝紫寒，王澤宏. 中國縣域碳排放的時空演變及影響因素［J］. 地理學報，2021，76（12）：3103-3118.

［7］ 趙玉煥，李浩，劉婭，等. 京津冀CO2排放的時空差異及影響因素研究［J］. 資源科學，2018，40（1）：207-215.

［8］ 陳占明，吳施美，馬文博，等. 中國地級以上城市二氧化碳排放的影響因素分析：基于擴展的STIRPAT模型［J］. 中國人口·資源與環境，2018，28（10）：45-54.

［9］ 程葉青，王哲野，張守志，等. 中國能源消費碳排放強度及其影響因素的空間計量［J］. 地理學報，2013，68（10）：1418-1431.

［10］ 王少劍，黃永源. 中國城市碳排放強度的空間溢出效應及驅動因素［J］. 地理學報，2019，74（6）：1131-1148.

［11］ 程鈺，孫藝璇，王鑫靜，等. 全球科技創新對碳生產率的影響與對策研究［J］. 中國人口·資源與環境，2019，29（9）：30-40.

［12］ 李菁，李小平，郝良峰. 技術創新約束下雙重環境規制對碳排放強度的影響［J］. 中國人口·資源與環境，2021，31（9）：34-44.

［13］ 張華，豐超. 創新低碳之城：創新型城市建設的碳排放績效評估［J］. 南方經濟，2021（3）：36-53.

［14］ 王桂新，李剛. 生態省建設的碳減排效應研究［J］. 地理學報，2020，75（11）：2431-2442.

［15］ 李治國，王杰. 中國碳排放權交易的空間減排效應：準自然實驗與政策溢出［J］. 中國人口·資源與環境，2021，31（1）：26-36.

［16］ 裴長洪，倪江飛，李越. 數字經濟的政治經濟學分析［J］. 財貿經濟，2018，39（9）：5-22.

［17］ 張鵬. 數字經濟的本質及其發展邏輯［J］. 經濟學家，2019（2）：25-33.

［18］ 江小涓. 高度聯通社會中的資源重組與服務業增長［J］. 經濟研究，2017，52（3）：4-17.

［19］ 戚聿東，肖旭. 數字經濟時代的企業管理變革［J］. 管理世界，2020，36（6）：135-152，250.

［20］ 陳曉東，楊曉霞. 數字經濟發展對產業結構升級的影響：基于灰關聯熵與耗散結構理論的研究［J］. 改革，2021（3）：26-39.

［21］ 劉洋，陳曉東. 中國數字經濟發展對產業結構升級的影響［J］.經濟與管理研究，2021，42（8）：15-29.

［22］ 何宗樾，宋旭光. 數字經濟促進就業的機理與啟示：疫情發生之后的思考［J］. 經濟學家，2020（5）：58-68.

［23］ 戚聿東，劉翠花，丁述磊. 數字經濟發展、就業結構優化與就業質量提升［J］. 經濟學動態，2020（11）：17-35.

［24］ 鄧榮榮，張翱祥. 中國城市數字經濟發展對環境污染的影響及機理研究［J］. 南方經濟，2022（2）：18-37.

［25］ 郭炳南，王宇，張浩. 數字經濟發展改善了城市空氣質量嗎：基于國家級大數據綜合試驗區的準自然實驗［J］. 廣東財經大學學報，2022，37（1）：58-74.

［26］ 荊文君，孫寶文. 數字經濟促進經濟高質量發展：一個理論分析框架［J］. 經濟學家，2019（2）：66-73.

［27］ 趙濤，張智，梁上坤. 數字經濟、創業活躍度與高質量發展：來自中國城市的經驗證據［J］. 管理世界，2020，36（10）：65-76.

［28］ 陳永偉. 數字經濟如何幫助“碳達峰”“碳中和”［N］. 學習時報， 2021-06-25（3）.

［29］ 耿海清. 數字經濟助力碳達峰碳中和［N］. 中國環境報， 2021-07-06（3）.

［30］ 徐維祥，周建平，劉程軍. 數字經濟發展對城市碳排放影響的空間效應［J］. 地理研究，2022，41（1）：111-129.

［31］ 謝云飛. 數字經濟對區域碳排放強度的影響效應及作用機制［J］. 當代經濟管理，2022，44（2）：68-78.

［32］ GRANGER C W J. Some recent development in a concept of cau?sality［J］. Journal of econometrics，1988，39（1/2）：199-211.

［33］ 徐斌，陳宇芳，沈小波. 清潔能源發展、二氧化碳減排與區域經濟增長［J］. 經濟研究，2019，54（7）：188-202.

［34］ 張三峰，魏下海. 信息與通信技術是否降低了企業能源消耗：來自中國制造業企業調查數據的證據［J］. 中國工業經濟，2019（2）：155-173.

［35］ 白雪潔，孫獻貞. 互聯網發展影響全要素碳生產率：成本、創新還是需求引致［J］. 中國人口·資源與環境，2021，31（10）：105-117.

［36］ WILLIAMS E. Environmental effects of information and communi?cations technologies［J］. Nature，2011，479（7373）：354-358.

［37］ NOUSSAN M，TAGLIAPIETRA S. The effect of digitalization inthe energy consumption of passenger transport：an analysis of fu?ture scenarios for Europe［J］. Journal of cleaner production，2020，258：120926.

［38］ LI Y，YANG X D，RAN Q Y，et al. Energy structure，digital econo?my，and carbon emissions：evidence from China［J］. Environmentalscience and pollution research，2021，28（45）：64606-64629.

［39］ MILLER P，WILSDON J. Digital futures：an agenda for a sustain?able digital economy［J］. Corporate environmental strategy，2001，8（3）：275-280.

［40］ GU G X，WANG Z，WU L Y. Carbon emission reductions underglobal low?carbon technology transfer and its policy mix with Ramp;Dimprovement［J］. Energy，2021，216：119300.

［41］ 邵帥，范美婷，楊莉莉. 經濟結構調整、綠色技術進步與中國低碳轉型發展：基于總體技術前沿和空間溢出效應視角的經驗考察［J］. 管理世界，2022，38（2）：46-69，4.

［42］ 王文舉，向其鳳. 中國產業結構調整及其節能減排潛力評估［J］. 中國工業經濟，2014（1）：44-56.

［43］ 周迪，周豐年，王雪芹. 低碳試點政策對城市碳排放績效的影響評估及機制分析［J］. 資源科學，2019，41（3）：546-556.

［44］ 吳建新，郭智勇. 基于連續性動態分布方法的中國碳排放收斂分析［J］. 統計研究，2016，33（1）：54-60.

［45］ 李騰，孫國強，崔格格. 數字產業化與產業數字化：雙向聯動關系、產業網絡特征與數字經濟發展［J］. 產業經濟研究，2021（5）：54-68.

［46］ 李磊，徐大策. 機器人能否提升企業勞動生產率：機制與事實［J］. 產業經濟研究，2020（3）：127-142.

［47］ 范子英，趙仁杰. 法治強化能夠促進污染治理嗎：來自環保法庭設立的證據［J］. 經濟研究，2019，54（3）：21-37.

［48］ 郭峰，王靖一，王芳，等. 測度中國數字普惠金融發展：指數編制與空間特征［J］. 經濟學（季刊），2020，19（4）：1401-1418.

［49］ 陳詩一. 能源消耗、二氧化碳排放與中國工業的可持續發展［J］. 經濟研究，2009，44（4）：41-55.

［50］ HAMDI H，SBIA R，SHAHBAZ M. The nexus between electricityconsumption and economic growth in Bahrain［J］. Economic mod?elling，2014，38：227-237.

［51］ 謝杰，陳鋒，陳科杰，等. 貿易政策不確定性與出口企業加成率：理論機制與中國經驗［J］. 中國工業經濟，2021（1）：56-75.

［52］ 謝蘭云. 中國省域Ramp;D投入對經濟增長作用途徑的空間計量分析［J］. 中國軟科學，2013（9）：37-47.

［53］ 葉康濤，劉芳，李帆. 股指成份股調整與股價崩盤風險：基于一項準自然實驗的證據［J］. 金融研究，2018（3）：172-189.

［54］ 王永欽，李蔚，戴蕓. 僵尸企業如何影響了企業創新：來自中國工業企業的證據［J］. 經濟研究，2018，53（11）：99-114.

［55］ 李江龍，徐斌.“詛咒”還是“福音”：資源豐裕程度如何影響中國綠色經濟增長？［J］. 經濟研究，2018，53（9）：151-167.