數字經濟賦能交通運輸行業碳減排的研究

摘 要：在“雙碳”目標的指引下，借力數字經濟實現交通運輸行業的降碳受到廣泛關注。本文基于中國2010—2021年30個省份的面板數據，從多維度構建數字經濟評價指標體系，并采用IPCC方法計算交通運輸行業的碳排放量，實證分析了數字經濟對交通運輸行業碳排放的影響機制及其關系。研究表明：數字經濟和交通運輸行業碳排放間存在“倒U型”關系，并利用門檻效應模型對其非線性關系進行了進一步驗證；中介檢驗發現，數字經濟能夠通過優化交通運輸結構降低交通運輸行業的碳排放。

關鍵詞：數字經濟；交通運輸；碳排放；中介效應；門檻效應；IPCC方法

本文索引：湯楚楚.<變量 2>[J].中國商論，2024（11）：-040.

中圖分類號：F503 文獻標識碼：A 文章編號：2096-0298（2024）06（a）--06

近百年來，由于工業發展、能源過度使用等問題，二氧化碳的排放遠超正常水平，“溫室效應”等危害愈發明顯?；诖耍覈岢隽恕半p碳”目標，中國作為發展中國家，經濟始終保持較高增速，但如何推動綠色發展、實現節能減排仍是一個難題。交通運輸行業是我國重點碳排放行業，已成為碳排放的第二大來源[1]。因此，如何實現交通運輸行業的碳減排成為亟待解決的問題。

目前，我國數字經濟發展戰略體系逐漸完備，其發展優化了交通供給側，成為實現交通運輸行業降碳目標的有效手段?；谝陨媳尘?，本文主要研究我國數字經濟發展和交通運輸行業碳排放間存在什么聯系，數字經濟又是通過何種渠道來影響交通運輸行業的碳排放問題。

數字經濟作為推動經濟提質增效的重要手段，受到學術界的廣泛關注。目前，已有研究主要圍繞數字經濟的測度方式、影響數字經濟發展的各類因素、數字經濟的驅動作用等方面展開。其中，很多研究都涉及數字經濟發展水平的測定，大部分基于多個維度構建數字經濟指標體系[2-3]。同時，很多學者研究發現，數字經濟能夠驅動不同行業轉型升級 [4-5]。近年來，對數字經濟降碳效應的研究 [6-7]也受到廣泛關注。

其次，交通運輸行業碳排放的研究。由于交通運輸行業高能耗、高排放的特性，如何實現交通運輸行業的低碳發展成為廣大學者關心的議題。交通運輸行業的碳排放測量，主要采用IPCC碳排放系數法[8]。目前，很多學者研究了影響交通運輸行業碳排放效率的因素，發現人口規模、節能技術水平、能源效率[1] [9-10]等都會對交通部門的碳排放產生不同影響。

隨著數字經濟的影響逐漸輻射到節能減排領域，如何發揮數字經濟的降碳作用受到廣泛關注。研究發現，數字經濟能夠通過優化產業結構[11]、提高能源效率[12]等途徑有效降低碳排放強度；也有很多學者注意到具體行業的碳排放現狀。數字經濟對制造業及工業的綠色低碳轉型有著正向影響[13]。Juanh和Qinmei（2022）[14]發現，數字經濟與我國物流業碳排放量間存在“U型”關系。目前，有關數字經濟對交通運輸行業碳排放的相關研究還不充分。

綜上所述，國內外針對數字經濟、交通運輸行業碳排放及數字經濟對碳排放影響機制的研究較為豐富，但目前關于數字經濟對交通運輸行業碳排放的影響研究還不充分。數字經濟作為我國當前重點發展的經濟體系，能否助力實現、如何實現交通運輸行業的碳減排有待具體研究。

鑒于此，本文以2010—2021年省際交通運輸行業的面板數據為研究對象，構建數字經濟發展綜合評價指數，采用中介效應理論分析數字經濟對交通運輸行業碳排放的影響關系與作用機制，進一步檢驗兩者間的關系。

1 理論分析與研究假設

1.1 數字經濟對交通運輸行業碳排放的非線性影響

數字經濟對交通運輸行業碳排放的影響過程是復雜的。首先，在基礎設施建設方面，數字經濟發展初期，大規模的設施建造會加大對交通運輸的需求，最終表現為交通運輸行業碳排放量的不斷增加。但是隨著數字經濟的不斷發展，各項基礎設施逐漸完善[15]，數字化的交通網絡和運輸體系日趨完善，5G網絡、大數據等與智能交通網絡緊密結合，實現了節能減排的目標，利于提高該行業的碳排放效率。

此外，數字經濟的推廣應用會助力國民經濟的提升。居民的消費水平提升后，為滿足購物出行的意愿，他們對交通的需求上漲，導致交通運輸行業的碳排放增加。

但隨著經濟發展的不斷完善，新能源汽車、共享單車等的出現優化了交通運輸結構，同時智能交通技術的發展實現了各類運輸方式間的信息流動，掌握客貨流量的變化規律，在提高運輸效率的同時，也減少了碳排放?；谝陨戏治?，本文認為數字經濟和交通運輸行業碳排放間可能存在非線性關系。由此，本文提出以下研究假設：

假設1：數字經濟對交通運輸行業碳排放量存在“倒U型”的非線性影響。

1.2 數字經濟影響交通運輸行業碳排放的作用機制

數字經濟帶動了智慧交通的發展，傳統的交通運輸產業結構逐步轉向高質量化、融合化發展。公路運輸一直都是我國交通運輸領域中最主要的碳排放來源[16]，隨著數字經濟的發展，交通運輸相關企業具備了堅實的技術、人才等保障。

在此基礎上，我國交通網絡日益完善，鐵路、水路占客貨運服務的比重逐步提高，這兩種方式相較公路及航空運輸更具備低碳優勢。

同時，多式聯運的運輸方式能高效利用運輸設施、降低空載率。交通運輸結構的升級優化，使得運輸方式更合理，增加了鐵路及水路的運輸量，從而減少公路運輸的碳排放，實現交通運輸行業的降碳。由此，本文提出以下假設：

假設2：數字經濟通過優化交通運輸結構，能夠減少交通運輸行業的碳排放量。

2 研究設計

2.1 模型設定

2.1.1 基準回歸模型

為檢驗數字經濟和交通運輸行業碳排放間的關系，本文基于王山和余東華（2024）[13]、鈔小靜等（2020）[17]的計量模型，構建如下基準回歸模型：

其中，i表示省份；t表示年份；CO2表示i省t年的交通運輸行業碳排放量，即被解釋變量；DIG表示i省t年的數字經濟發展水平，即解釋變量；DIG2表示數字經濟發展水平的二次項；X表示本文選取的控制變量；ui和γt分別表示省份和年份固定效應；ε為殘差；α0、α1、α2均為待估參數。

2.1.2 面板門檻效應模型

為進一步研究數字經濟對交通運輸行業碳排放量的非線性關系，驗證兩者之間是否存在拐點，本文參考Jin等（2023）[18]的研究建立了以下面板門檻模型：

其中，Qit表示門檻變量，即數字經濟；θ表示門檻值；β0、β1、β2、π為待估系數；I（·）為代表性指示函數，當滿足括號內表達式時取1，否則為0；其余變量含義與式（1）相同。

2.1.3 中介效應模型

在基準回歸的基礎上，為了探究數字經濟對交通運輸行業碳排放的影響路徑，本文以交通運輸結構為中介變量，參考溫忠麟和葉寶娟（2014）[19]的研究建立以下模型：

其中，M表示本文選取的中介變量；其余變量含義與式（1）相同。

2.2 變量選取

2.2.1 被解釋變量

本文的被解釋變量為交通運輸行業的碳排放量，根據IPCC以能源消耗為核心的自上而下法進行計算，計算公式參考焦萍和張帥（2023）[10]的研究，如下所示：

（6）

其中，CO2為所求的交通運輸行業碳排放量；i表示能源類型，包括原煤、汽油、煤油、柴油、燃料油、天然氣、電力七種能源；E表示能源實物消耗量（折合標準煤）；NVC表示平均低位發熱量；CEF表示能源單位熱值含碳量；COF表示碳氧化率。

2.2.2 解釋變量

本文的解釋變量為數字經濟（DIG），同時為研究數字經濟對交通運輸行業碳排放的非線性影響，加入了數字經濟的平方項（DIG2）。參考趙濤等（2020）[20]的研究，本文從五個維度構建數字經濟發展水平的綜合評價指標，利用熵權法進行處理，具體指標及權重如表1所示。

2.2.3 中介變量

交通運輸結構（tram）：本文采用公路換算周轉量占總換算周轉量的比重[1]來度量。

2.2.4 控制變量

本文參考已有研究，選取如下控制變量：

一是經濟發展水平（pgdp），采用人均地區生產總值[13]衡量。在人均GDP較高的地區，人們的購物出游需求相對旺盛，因此出行頻率相對較高，導致交通運輸行業產生較多的碳排放。

二是人口密度（dpop），數據源于統計年鑒[1]。人口密度越大，對交通出行的需求就越大，交通運輸行業的碳排放量也就越增長。

三是行業結構（stru），采用第三產業增加值占國民生產總值比重[17]衡量。不同行業對資源的需求是不同的，因此行業結構的改變能夠引起資源的波動，影響整體行業的碳排放水平。

四是對外開放水平（open），采用外商直接投資占地區生產總值比重[10]衡量。對外開放程度越高，行業所能獲得先進技術和資源越多，越能改善交通運輸行業的碳排放現狀。

2.3 數據來源與描述性統計

本文以2010—2021年30個省份（除西藏及港澳臺地區外）為研究對象，變量的數據主要源于各省份的《統計年鑒》《中國能源統計年鑒》。

碳排放量根據CEADs中國碳核算數據庫提供的、采用IPCC分部門核算方法得到的省份排放清單中的數據進行計算[21]；數字普惠金融指數來源于郭峰等（2020）[22]測算的北京大學數字普惠金融指數。變量進行標準化及縮尾處理后的描述性統計結果如表2所示。

3 實證結果分析

3.1 基準回歸

在選擇模型階段，本文使用混合截面模型、固定效應模型及隨機效應模型，通過F檢驗、BP-LM檢驗、豪斯曼檢驗來確定最優模型。結果顯示，固定效應模型明顯優于隨機效應和混合截面模型，因此本文選用固定效應模型進行回歸，最終結果如表3所示。

表3列（1）為控制省份和時間固定效應下的結果，可知數字經濟的回歸系數未通過顯著性檢驗，說明數字經濟和交通運輸行業碳排放量間并未存在明顯的線性關系。

表3列（2）至列（4）則加入了數字經濟的二次項，表明在控制省份和時間固定效應后，數字經濟對交通運輸行業碳排放量的一次項系數在5%水平上顯著為正，而二次項系數在5%水平上顯著為負，表明數字經濟對交通運輸行業的碳排放呈現出先增加后減少的作用，即兩者間存在“倒U型”曲線關系。因此，假設1得到驗證。

3.2 穩健性分析

為了驗證上述基準回歸結果的準確性，本文使用以下三種方法進行驗證，具體結果如表4所示。

（1）替換解釋變量。本文使用因子分析法重新計算數字經濟發展水平的綜合指標。

具體結果如表4列（1）所示。變更計算方法后，數字經濟的一次項系數在10%的顯著水平上為正，二次項系數則在1%的顯著水平上為負，與基準回歸結果一致。

（2）替換被解釋變量。本文采用人均碳排放量替換原被解釋變量。

表4列（2）結果顯示，數字經濟的一次項和二次項系數在5%水平上分別為正、負，說明本文的基準回歸結果是穩健的。

（3）內生性問題。產生內生性問題的主要原因有三點：

第一，雙向交互影響，即數字經濟在對交通運輸行業碳排放產生影響的同時，后者也對數字經濟構成一定的影響；

第二，遺漏變量，雖然本文納入了一定的控制變量，但仍存在對交通運輸行業的碳排放產生影響的其他變量，這些變量并未被考慮進模型中；

第三，測量誤差，由于本文的碳排放量和數字經濟發展水平綜合指標都是根據公式進行測算的，所以結果可能存在誤差。

針對以上問題，本文將數字經濟及其二次項的滯后項作為工具變量[23]，采用兩階段最小二乘法進行回歸，具體結果如表5所示。

第一階段的結果表明，工具變量與其相對應內生變量是顯著相關的；

第二階段結果表明，數字經濟和交通運輸行業碳排放間依舊存在顯著的“倒U型”關系，且影響效果強于基準回歸。

因此，原基準回歸結果具有穩健性，假設1得到進一步的驗證。

3.3 門檻效應分析

通過非線性關系的檢驗后，本文引入門檻效應模型，以數字經濟發展水平為門檻變量，進行“重復自抽樣法”400次來探究當數字經濟發展水平到達哪個門檻值后會引起交通運輸行業碳排放的變化。由表6可知，只通過了單一門檻檢驗，且在5%的水平上顯著，門檻值為-1.118，表明數字經濟和交通運輸行業碳排放間的確存在非線性關系。根據表7的回歸結果可知，當數字經濟發展水平低于門檻值-1.118時，數字經濟發展水平的提升會顯著增加交通運輸行業的碳排放。在數字經濟的發展前期，雖然其發展水平不斷提升，但其中投入了大量的資源，且在此過程中會忽視綠色發展，導致交通運輸行業的碳排放量產生增長。當數字經濟發展水平的指數超過門檻值后，數字經濟對交通運輸行業碳排放的影響并不顯著，可能是由于數字經濟發展的紅利還未及時對交通運輸行業產生效應。

3.4 作用機制檢驗

由表8列（1）可知，數字經濟的一次項系數在10%水平上顯著為負，而二次項系數在1%水平上為正，說明數字經濟和交通運輸結構間存在顯著的“U型”關系。這是因為在數字經濟發展前期，交通運輸領域仍以公路運輸為主要方式，運輸結構占比失衡。隨著經濟發展水平的提升，交通網絡日漸完善，鐵路、水運和航空運輸網絡的覆蓋率提高，實現了客運與貨運結構的優化升級。

加入交通運輸結構后的回歸結果如表8列（2）所示，數字經濟和交通運輸行業的碳排放間仍存在“倒U型”關系，且系數均發生了改變，交通運輸結構的系數也在1%水平上顯著為負，說明改變交通運輸結構這一路徑是有效的。根據國家統計局發布的數據，2022年我國公路客運量占總客運量的比例為63.47%，貨運量占比為72.04%，所以公路運輸在我國運輸行業中占據主導地位。公路運輸中，貨車占比超過一半，而貨車以化石能源為燃料，無疑增加了交通運輸行業的碳排放。因此，目前的交通運輸結構有待轉型升級，尚不能滿足降碳的目標，這也驗證了假設2。

4 結語

本文基于2010—2021年的省際面板數據，采用雙向固定效應模型、面板門檻效應模型分析了數字經濟對交通運輸行業碳排放的具體影響及作用機制。第一，數字經濟與我國交通運輸行業碳排放之間存在非線性關系，主要表現為“倒U型”。該結論經過一系列穩健性檢驗后依然成立。第二，經過門檻檢驗發現，當數字經濟發展水平小于門檻值-1.118時，數字經濟發展水平的提升會顯著增加交通運輸行業的碳排放。第三，中介檢驗的結果顯示，交通運輸結構是數字經濟賦能交通運輸行業碳減排的有效路徑。

基于以上結論，本文得出幾點政策建議：

（1）加大數字經濟對交通運輸行業的輻射帶動作用，實現兩者的融合發展，提升交通運輸領域的數字化水平。借助數字經濟，推動高新技術和交通運輸產業的融合，助力交通領域早日實現數字化轉型升級。加速數字交通產業的建設，優化大數據決策平臺、公共交通監管系統等一系列設施，加快實現交通運輸的全過程數字化和智能化。

（2）升級優化交通運輸結構。目前，公路運輸是交通領域碳排放的主要來源，作為公路運輸主體的貨車需要消耗大量的化石燃料，所以政府應積極推進多式聯運發展，充分利用鐵路和水路，實現大宗貨物“公轉鐵”“公轉水”，構建高效的綠色運輸體系。

參考文獻

呂雁琴，范天正，張晉寧.中國交通運輸碳排放效率的時空異質性及影響因素研究[J].生態經濟，2023，39（3）：13-22.

黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗[J].中國工業經濟，2019（8）：5-23.

Chuanyu Z ，Zhongquan L ，Xianfeng Y. Does the Digital Economy Increase Green TFP in Cities？[J].International Journal of Environmental Research and Public Health，2023，20（2）.

焦勇.數字經濟賦能制造業轉型：從價值重塑到價值創造[J].經濟學家，2020（6）：87-94.

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.

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.

Lv X ，Yu H ，Zhang Y. The Impact of the Digital Economy on Chinas Carbon Emissions[J]. International Journal of Economics， Finance and Management Sciences，2022，10（3）.

王勇，韓舒婉，李嘉源，等.五大交通運輸方式碳達峰的經驗分解與情景預測： 以東北三省為例[J].資源科學，2019，41（10）：1824-1836.

Rongrong L ，Lejia L ，Qiang W .The impact of energy efficiency on carbon emissions： Evidence from the transportation sector in Chinese 30 provinces. [J]. Sustainable Cities and Society，2022，82.

焦萍，張帥.數字化對交通運輸碳排放強度的影響： 基于省際面板數據的實證考察[J].華東經濟管理，2023，37（1）：15-23.

Tingting B ，Yong Q ，Zihao L， et al. Digital economy， industrial transformation and upgrading， and spatial transfer of carbon emissions： The paths for low-carbon transformation of Chinese cities.[J]. Journal of environmental management，2023，344.

Lu Z ，Renyan M ，Yuanfang Z，et al. Digital economy， energy efficiency， and carbon emissions： Evidence from provincial panel data in China.[J]. The Science of the total environment，2022，852.

王山，余東華.數字經濟的降碳效應與作用路徑研究： 基于中國制造業碳排放效率的經驗考察[J].科學學研究，2024（2）： 310-321.

Juan L ，Qinmei W. Impact of the Digital Economy on the Carbon Emissions of Chinas Logistics Industry[J]. Sustainability，2022，14（14）.

葉菁文，范劍勇.交通基礎設施、區際貿易與地區經濟發展： 以公路為例[J].數量經濟技術經濟研究，2023，40（6）：48-68.

田佩寧，毛保華，童瑞詠，等.我國交通運輸行業及不同運輸方式的碳排放水平和強度分析[J].氣候變化研究進展，2023，19（3）：347-356.

鈔小靜，薛志欣，孫藝鳴.新型數字基礎設施如何影響對外貿易升級： 來自中國地級及以上城市的經驗證據[J].經濟科學，2020（3）：46-59.

Jin H ，Hong Z ，Muhammad Irfan .How does digital infrastructure construction affect low-carbon development？ A multidimensional interpretation of evidence from China[J]. Journal of Cleaner Production，2023，396.

溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.

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.

Guan Y ，Shan Y ，Huang Q， et al. Assessment to Chinas Recent Emission Pattern Shifts[J]. Earths Future，2021，9（11）.

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.

任曉松，孫莎.數字經濟對中國城市工業碳生產率的賦能效應[J].資源科學，2022，44（12）：2399-2414.