數字經濟對區域碳減排績效的空間溢出效應及異質性分析

〔摘 要〕 數字經濟依托于數字化技術攜帶的環保效應不僅直接影響碳排放， 還會通過空間溢出效應間接影響區域碳減排績效。本文基于２０１０～２０２２ 年我國３０ 個省（區、市）面板數據， 運用ＳＴＩＲＰＡＴ 模型及空間杜賓模型檢驗數字經濟對區域碳減排績效的空間溢出效應及異質性作用。研究發現： 數字經濟對碳減排績效具有顯著促進作用， 能夠有效促進本地區碳減排； 數字經濟發展水平提升可顯著提高周邊區域碳減排績效， 產生明顯碳減排治理空間溢出效應； 在“ 胡煥庸線” 東南側區域， 數字經濟對碳減排績效的提升效果最為突出。

〔關鍵詞〕 數字經濟 區域碳減排 ＳＴＩＲＰＡＴ 模型 空間杜賓模型 空間溢出效應 異質性分析

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２４．０６．００９

〔中圖分類號〕Ｆ２０６； Ｆ４９ 〔文獻標識碼〕Ａ

引 言

中國作為世界上最大的發展中國家， 一直積極參與全球環境與氣候治理， 提出“２０３０ 年前實現碳達峰、２０６０ 年前實現碳中和的目標”。此后， 我國針對碳減排出臺“碳中和１＋ｎ 政策體系”， 均強調以脫碳減排和節能增效為重點， 借助低碳與零碳技術創新應用強化能源配置結構， 提升碳減排績效， 最終實現經濟綠色低碳轉型。尤其鑒于我國各地區差異化發展結構， 國務院發布《２０３０年前碳達峰行動方案》， 要求各地區按照國家整體部署， 結合地方環境資源、發展階段、產業布局，科學制定碳達峰行動方案， 差異化實現降碳減排。地方政府基于國家雙碳轉型戰略， “摸清家底” 科學制定低碳發展轉型方案， 著力提升區域碳減排績效。但受地區生產結構轉型以及高耗能行業密度影響， 我國各地區碳排放量不盡相同， 加大了綜合碳減排目標的達成難度。從信達證券發布《深度解讀“能耗雙控”》報告悉知， 我國西北、華北、東北地區能耗強度均較高， 而發達省（區、市）能耗普遍較低。基于此， 積極探尋區域碳減排績效影響因素， 對于提升區域碳減排績效、助力雙碳目標早日達成尤為重要。

國務院發布的《２０３０ 年前碳達峰行動方案》提出， “推進工業領域數字化智能化綠色化融合發展”。全球氣候行動峰會頒發的《指數氣候行動路線圖》也強調， “在能源、制造業、農業和土地使用、建筑、服務、運輸和交通管理中實行數字解決方案， 這項技術可以幫助減少高達１５％的全球碳排放， 也就是２０３０ 年所需減少５０％碳排放目標的１／３”。數字經濟與綠色發展深度融合， 促使數字技術廣泛滲透于煤電行業、建筑行業、交通行業等領域， 通過提高全要素生產率帶動產業結構轉型升級、促進能源高效利用并降低碳排放量［１］ 。尤其伴隨數字經濟深入各領域， 社會生產生活方式逐漸趨于經濟化、綠色化， 影響區域能源消費結構， 大幅降低區域碳排放量［２］ 。隨著各行業數字化轉型步伐加快， 地區生產運營形成示范效應，逐漸消除區域間產業協同發展障礙， 助力鄰近地區產業數字化、智能化轉型， 促進鄰域碳減排績效提升。針對于此， 探討數字經濟對區域碳減排績效的影響以及空間溢出效應具有重要的現實意義。

從現有研究來看， 就數字經濟與碳排放而言，馮蘭剛等（２０２３）［３］ 借助固定效應、中介效應與門檻效應模型， 探討發現數字經濟每提升１％水平， 能夠促使碳排放強度降低０ ３９０％。謝云飛（２０２２）［４］ 采用２０１１～２０１８ 年省際面板數據， 探討得知數字經濟發展可顯著降低區域碳排放強度，且“數字產業化” 的碳減排效應更為突出。王香艷和李金葉（２０２２）［５］ 同樣借助省級面板數據， 采用固定效應模型分析發現， 數字經濟分別與能源消費、碳排放呈正“Ｕ” 型、倒“Ｕ” 型關系。就數字經濟與碳生產率而言， 黎新伍等（２０２２）［６］ 結合２０１１～２０１９ 年省級層面數據檢驗發現， 數字經濟與碳生產率提升存在正向相關關系， 且技術創新、產業結構升級與資源配置效率在二者關系中具有中介作用。郭風等（２０２２）［７］ 采用中介效應模型探討得出， 數字經濟對碳生產率具有重要作用，存在技術創新中介機制。就數字經濟與低碳、綠色發展而言， 常皓亮和夏飛龍（２０２３）［８］ 借助２０１１～２０１９ 年中國內地２７１ 個地級及以上城市面板數據，實證得出數字經濟通過能源利用效率提升、產業結構轉型兩大路徑， 助力城市低碳轉型。張傳兵和居來提·色依提（２０２３）［９］ 通過考察數字經濟對城市綠色經濟轉型的影響， 發現數字經濟通過提升政府環保投資、增強公眾關注度與促進產業結構升級等方式， 助力綠色經濟轉型發展。張杰等（２０２２）［１０］ 利用２０１１ ～２０１８ 年中國地級市面板數據， 研究得出數字經濟可經由推動綠色技術進步、能源效率提升與產業結構優化等方式， 賦能城市低碳轉型。

上述文獻為本文研究提供豐富理論基礎， 但并未涉足數字經濟對區域碳減排績效可能存在的空間溢出效應。據此， 本文采用２０１０～２０２２ 年３０ 個省（區、市）面板數據， 探討數字經濟對區域碳減排績效的空間溢出效應。本文采用空間相關性分析方法， 分別研究數字經濟與區域碳減排績效的空間自相關情況， 為各地區明晰本土數字經濟發展水平與碳減排績效提供支撐； 借助ＳＴＩＲＰＡＴ 模型及空間杜賓模型， 分析數字經濟對區域碳減排績效的空間溢出效應， 豐富了數字經濟影響碳減排的作用路徑； 結合我國各區域資源稟賦、產業布局、發展進程存在明顯差異的現實情況， 就數字經濟對區域碳減排績效的影響展開異質性分析，為各地區因時因勢、因地制宜采取差異化低碳轉型舉措提供參照。

１ 研究假設

１. １ 數字經濟對區域碳減排績效的“本地效應”

隨著數字經濟快速發展， 數字化技術覆蓋面逐步擴大， 改變了居民生活方式以及企業生產方式，對區域碳減排績效產生直接積極影響。（１） 數字經濟經由優化生產流程， 降低單位能耗。數字經濟時代下， 各行業借助數字技術對傳統生產流程與方式進行重構， 以智能化生產代替以往高能耗流程， 提升綜合能源利用效率， 達到顯著碳減排效果， 利于區域碳減排績效提高［１１］ ； （２） 數字經濟經由優化能源配置， 提升能源利用率。隨著數字技術日益成熟， 諸多領域開始將新技術應用于電力在內的新能源調配［１２］ 。如將區塊鏈技術應用于分布式電力網絡， 促使電力資源在社會范圍內合理配置， 降低碳排放量， 提升區域碳減排及績效； （３） 數字經濟經由改變公眾生活習慣， 減少碳排放量。數字經濟衍生的共享經濟深入發展，通過協調與共享域內資源改變公眾傳統高耗能生活習慣， 降低制造與使用關聯產品產生的能耗與碳排放， 大規模節約能耗、減少碳排放， 促進區域碳減排績效大幅提升［１３］ 。據此， 提出假設：

假設１： 數字經濟發展可以提升本區域碳減排績效。

１. ２ 數字經濟對區域碳減排績效的“鄰地效應”

數字經濟對區域碳減排績效的“鄰地效應”是指數字經濟對于區域碳減排績效產生的空間溢出效應。（１） 數字經濟通過發揮綠色生產要素的空間集聚與擴散效應， 提高鄰地碳減排績效。在數字經濟賦能下， 傳統行業在實現組織結構變革與生產方式優化的過程中， 會使得區域內綠色生產要素呈現出空間集聚發展趨勢［１４］ 。隨著生產要素擴散應用， 鄰域地區生產過程中的能源投入逐漸被替代， 降低投入產出損耗， 實現碳排放“減增量” “去存量”， 為鄰地碳減排績效提升創造良好環境。且當綠色生產要素擴散至鄰域時， 各類生產要素嵌入應用可助推當地產業與能源結構優化， 減少生產生活對能源的過度消耗， 從而提升鄰近地區碳減排績效； （２） 數字經濟通過發揮產業關聯效應， 促進鄰地碳減排績效提高。依托于現代化數字技術， 數字經濟突破傳統物理空間桎梏， 并弱化經濟活動地理邊界， 強化區域間產業關聯度［１５］ 。這促使本地區數字經濟推動產業結構升級過程中， 可優化鄰地生產方式與結構， 逐漸減少鄰地環境污染與能耗， 提升鄰域碳減排績效。據此， 提出假設：

假設２： 本地數字經濟發展可助推鄰地碳減排績效提升。

２ 模型構建與變量選取

２. １ 基準模型

ＩＰＡＴ 模型將環境（Ｉ）、人口（Ｐ）、經濟（Ａ）、技術（Ｔ）納入統一框架， 試圖通過數學模型描述各因素和環境變化間的關系。為探究更多因素對環境變化的影響， 將ＩＰＡＴ 模型擴展為ＳＴＩＲＰＡＴ 進行研究， 具體公式如下所示：

Ｉ ＝ａ×Ｐｂ ×Ａｃ ×Ｔｄ ×ｅ （１）

其中， 模型整體系數用ａ 表示， 環境壓力用Ｉ 表示， 人口規模用Ｐ 表示， 經濟發展水平用Ａ表示， 技術水平用Ｔ 表征， ｂ 為人口規模的影響系數， ｃ 為經濟發展水平影響系數， ｄ 為技術發展水平影響系數， ｅ 表示誤差項。此外， 采用隨機形式表征模型。這主要是由于隨機形式模型不但允許各系數作為參數進行回歸估計分析， 還能夠對各影響因素進行分解。鑒于此， 已有相關研究大多對ＳＴＩＲＰＡＴ 模型開展取對數處理， 具體形式如下所示：

ｌｎＩ ＝ｌｎａ＋ｂ（ｌｎＰ）＋ｃ（ｌｎＡ）＋ｄ（ｌｎＴ）＋ｌｎｅ （２）

ＳＴＩＲＰＡＴ 模型框架具有較強開放性。因此，已有研究在利用ＳＴＩＲＰＡＴ 模型進行分析時大多會依據研究主題進行調整。本研究核心解釋變量為數字經濟， 據此優化ＳＴＩＲＰＡＴ 模型， 擴充為由人口密度、經濟發展水平、技術水平以及數字經濟組成的基礎框架。此外， 考慮到數字經濟與區域碳減排績效二者間可能存在空間相關關系， 因此建立空間計量模型進行分析， 如下所示：

ｌｎＩｉｔ ＝α＋ρＷｌｎＩｊｔ ＋βｌｎＸｉｔ ＋θＷｌｎＸｊｔ ＋μｉ ＋νｔ ＋εｉｔ （３）

εｉｔ ＝φＷεｊｔ ＋ξｉｔ

式中， 空間權重矩陣用Ｗ 表示， 區域碳減排績效用Ｉ 表示， 影響區域碳減排績效的變量用Ｘ表示， 時間效應用νｔ 表示， 地區效應用μｉ 表示，殘差項為εｉｔ ， ρ 表示空間自回歸項對應系數， 其他區域自變量影響系數為θ， 空間誤差項系數為φ。通常情況下， 空間計量模型會考慮解釋變量、被解釋變量以及誤差項之間的交互效應， 是一種包含所有空間效應的探討模型。該屬性決定在使用空間計量模型前需開展ＬＭ、ＬＲ、Ｗａｌｄ 等檢驗，進而根據結果確定使用何種模型進行分析。

２. ２ 空間權重矩陣

本文利用鄰接矩陣、地理距離矩陣和經濟距離矩陣３ 種常用的空間權重矩陣測度省（區、市）間的距離， 其具體權重矩陣設定如下：

（１） 鄰接矩陣

式中Ｗ１ 代表鄰接矩陣， 為目前研究中應用較為廣泛的二值空間權重矩陣。

（２） 地理距離矩陣

式中， Ｗ２ 為地理距離矩陣， 采用省會城市間球面距離平方倒數計算。

（３） 經濟距離矩陣

上述公式中， Ｗ３ 為經濟距離矩陣， 主要用于測算省（區、市）間經濟發展水平的差異， 利用各省（區、市）ＧＤＰ 差值絕對值倒數表示。

２. ３ 指標變量選取

（１） 被解釋變量

區域碳減排績效（ＣＲＰ）。本文借鑒李志學等（２０１９）［１６］ 研究成果， 利用能夠代表各地區碳減排績效的碳排量變動率衡量區域碳減排績效。其中，碳排放量變動率是指當年碳排放總量較上一年碳排放總量的變化百分比（％）。

（２） 解釋變量

數字經濟（Ｄ）。由聯合國對數字經濟概念的界定可知， 數字經濟是疊加數字技術發展的平臺經濟、共享經濟、數字服務等商業活動， 構成所有與數字化相關的經濟活動， 涵蓋數字產業化與產業數字化兩個部分。且中國信息通信研究院發布《中國數字經濟發展報告（２０２２）》中， 從數字產業化、產業數字化、數字化治理及數據價值化四方面， 搭建數字經濟評價指標體系。同時， 部分學者也從數字產業化、產業數字化入手測度數字經濟發展水平［１７，１８］ 。此外， 作為數字經濟發展基石， 數字基建建設水平提升能夠強化５Ｇ、云計算、大數據等新興信息化技術對產業數字化與數字產業化的賦能作用。由此， 結合《中國數字經濟發展報告（２０２２）》和已有文獻［１９，２０］ ， 從數字產業發展、產業數字化水平以及數字基建３ 個維度出發， 遵循客觀、全面、科學及有效等原則提煉二級指標， 最終構建數字經濟指標體系， 如表１所示。

根據上述構建的評價指標體系， 利用我國３０個省（區、市）（由于西藏和港、澳、臺地區數據缺失嚴重， 不納入考察范圍）２０１０ ～ ２０２２ 年面板數據， 借助主成分分析法測度得到３ 個特征值大于１ 且能夠反映數據信息量的數字經濟發展水平。在具體計算過程中， 第一步是將主成分的方差貢獻率作為權重， 獲得二級指標權重； 第二步是在此基礎上， 獲得一級指標權重； 第三步， 在上述操作的基礎上， 利用ＭＡＴＬＡＢ 軟件獲得各區域數字經濟發展水平。

（３） 控制變量

為提高回歸結果的可靠性， 避免遺漏變量導致計算偏差，參考Ｋｉｍ 等（２０１６）［２１］ 、劉娟等（２０２３）［２２］ 、劉璇等（２０２３）［２３］ 的研究， 選取區域碳減排績效的其他影響因素： 人口密度（Ｐ）、經濟發展水平（Ａ）、技術水平（Ｔ）、外商投資（ＦＤＩ）、產權性質（ＳＯＥ）、出口比例（Ｅｘｐｏｒｔ）。人口密度采用人口總數占行政區所有土地總面積的比重衡量； 經濟發展水平利用ＧＤＰ 增長率反映； 技術水平采用科學技術研究投入經費占ＧＤＰ 的比重表示； 外商直接投資采用各國當年直接投資總額表征； 產權性質為國有企業賦值為１， 非國有企業賦值為０； 出口比例利用海外銷售占銷售收入比例表征， 各變量描述性統計見表２。

２. ４ 數據來源

以２０１０～２０２２ 年我國３０ 個省（區、市）為研究對象， 探究數字經濟對區域碳減排績效的影響。數字經濟測度指標原始數據主要來自北京大學發布的數字普惠金融指數報告、中國統計年鑒、中國研究數據服務平臺、中國互聯網信息中心、中國科技統計年鑒， 少量缺失數據采用移動平均法補齊。區域碳減排績效數據主要來自中國統計年鑒、中國能源統計年鑒、中國工業經濟統計年鑒。宏觀層面控制變量數據主要來自中國環境統計年鑒、中國科技統計年鑒、中國能源統計年鑒、國研網。此外， 基于模型對數特征， 對模型中碳排放績效、經濟發展水平、人口規模、對外直接投資取對數，用以緩解異方差問題。

３ 實證分析

３. １ 相關性分析

使用鄰接空間權重矩陣探究數字經濟、區域碳減排績效量Ｍｏｒａｎｓ Ｉ。表３ 中區域碳減排績效Ｍｏｒａｎｓ Ｉ 值介于０～１ 間， 且Ｐ 值小于１％。上述結果說明區域碳減排績效具有高高集聚和低低集聚的空間正相關。數字經濟大多數年份Ｐ 值小于１０％， 說明數字經濟存在著明顯的空間正相關性。

根據表３ 結果， 深入探析數字經濟與區域碳減排績效的局部莫蘭散點圖， 具體結果如圖１ 所示。結果顯示， 區域碳減排績效與數字經濟二者間具有空間相關性， 大多數省（區、市）主要位于第一和第三象限， 呈高－高集聚、低－低集聚特征， 且具有明顯非均衡分布特點。值得一提的是，遼寧、山西、河北、內蒙古等地區碳減排績效在研究周期內處于持續的低－低集聚循環當中。

３. ２ 空間計量方法檢驗

為明確使用何種模型進行檢驗， 在進行回歸分析前需對上文構建的空間計量模型進行分析［２４］ 。（１） 利用拉格朗日乘數法（ＬＭ）檢驗主要目的是確定使用空間滯后模型（ＳＡＲ）還是空間誤差模型（ＳＥＭ）進行分析。二者的區別是， 空間滯后模型僅考慮被解釋變量的空間效應， 空間誤差模型主要考慮誤差項的空間效應。從表４ 中可以看出，ＬＭ－ｌａｇ（Ｒｏｂｕｓｔ）、ＬＭ－ｅｒｒ（Ｒｏｂｕｓｔ）均拒絕不使用空間效應模型的原假設， 即無論是空間滯后模型（ＳＡＲ）還是控制誤差模型（ＳＥＭ） 均能夠進行分析。Ｃｈｅｎ 等（２０１７）［２５］ 在檢驗空間計量模型適用性時發現， ＳＡＲ 模型與ＳＥＭ 模型均可進行分析時需選擇更具一般性的空間杜賓模型（ＳＤＭ）開展研究。結合本文理論分析可知， 區域碳減排績效不僅會受到本地區數字經濟發展水平影響， 同時也會受到相鄰區域數字經濟發展水平影響， 再次說明使用能夠同時考慮解釋變量與被解釋空間效應的空間杜賓模型（ＳＤＭ）分析較為合理； （２） 在確定利用何種空間計量模型分析之上， 利用豪斯曼檢驗判別利用固定效應模型還是隨機效應模型進行回歸估計。表４ 結果中豪斯曼檢驗結果說明，使用隨機效應模型的假設未得到支持， 證明使用固定效應模型更適合本研究； （３） 進一步開展Ｗａｌｄ和ＬＲ 檢驗法確定空間杜賓模型（ＳＤＭ）是否會退化為空間滯后模型（ＳＡＲ）和空間誤差模型（ＳＥＭ）。表５ 結果顯示， Ｗａｌｄ 和ＬＲ 檢驗均在１％水平上不支持空間杜賓模型（ＳＤＭ）會退化的原假設， 再次證明選取空間杜賓模型（ＳＤＭ）具有合理性。

３. ３ 模型估計結果

本文在利用３ 種權重矩陣下雙向固定效應ＳＤＭ模型進行估計的基礎上， 還加入非空間效應ＯＬＳ估計結果， 以保障各變量參數估計結果穩健。表６為數字經濟對區域碳減排績效影響的回歸結果。由表６ 可知， （１） 區域碳減排績效空間滯后項系數ρ在Ｗ２ 和Ｗ３ 中估計結果分別為０. １０５ 和０. ３０７， 這說明區域碳減排績效存在顯著的空間依賴性； （２）數字經濟本地效應， ＯＬＳ 面板數據回歸結果和空間模型檢驗結果相同， 均表明數字經濟對區域碳減排績效具有顯著促進作用。這意味著數字經濟對本區域碳減排績效的提升作用較為明顯， 假設１成立； （３） 數字經濟空間滯后項均顯著為正， 說明區域碳減排績效不僅受到本地數字經濟影響， 相鄰地區數字經濟對區域碳減排績效也具有促進作用， 假設２ 成立； （４） 通過空間回歸模型結果可知， 不考慮空間溢出效應， 僅利用ＯＬＳ 面板模型進行回歸估計， 極易忽略數字經濟的空間溢出效應， 低估數字經濟對區域碳減排績效的提升作用。

從控制變量估計結果可以看出， 經濟發展水平（Ａ）有利于提升區域碳減排績效， 同時在鄰接矩陣和地理矩陣中也可間接提升周邊地區碳減排績效， 說明經濟發展水平帶來的環境問題并非僅限于當地， 也會對周邊區域碳減排績效產生正向影響。技術水平（Ｔ）雖然估計系數為正， 但并沒有通過顯著性檢驗， 說明利用技術提升碳減排績效的機制尚未形成。人口規模（Ｐ）對區域碳減排績效具有顯著負向影響， 這與預期相符。

３. ４ 空間效應分解

空間計量模型參數估計僅代表直接影響作用，但實際邊際影響需要參考空間效應分解結果， 因此本文利用偏微分方程分解表６ 的回歸系數， 具體情況如表７ 所示。

表７ 中， ３ 個矩陣下數字經濟直接效應和間接效應均在１％ 水平以上顯著， 說明數字經濟不但會影響本區域碳減排績效， 還對相鄰地區碳減排績效產生影響。具言之， 數字經濟每增加１ 個單位， 本地碳減排績效可提升２％ 左右。這就要求在實現“雙碳” 目標的過程中， 發揮數字經濟獨特優勢， 提升區域碳減排績效。由數字經濟間接效應估計結果可以看出， 相鄰地區數字經濟顯著提升了本區域碳減排績效， 甚至某種程度上還會高于本地效應， 這種數字經濟區域溢出效應不容忽視。這也證明了數字經濟發展具有較好的空間溢出效應， 各地區間在發展數字經濟與提升區域碳減排績效時會形成協同驅動局面。

３. ５ 異質性分析

“胡煥庸線” 是我國人均發展水平和經濟社會發展格局的分界線， 一直被國內外學者承認并廣泛引用。這種地理上的劃分方式被國內研究人口、地理領域的學者廣泛應用。經濟學研究中也認為根據“胡煥庸線” 對經濟發展水平進行考量， 會凸顯出中國真實的經濟發展水平。因此， 本研究基于“胡煥庸線”， 分析數字經濟對區域碳減排績效的異質性影響， 結果如８ 所示。東南側區域直接效應和間接效應均在１％ 以上水平顯著， 而西北側區域并不顯著。

３. ６ 穩健性檢驗

（１） 對解釋變量進行滯后１ 期處理， 結果如表９ 列（１） 所示； （２） 為減少異常值對回歸結果的影響， 對解釋變量數字經濟的最大值與最小值進行１％的縮尾處理， 回歸結果如表９ 列（２）所示； （３） 考慮到動態面板選擇偏差也可能影響基準回歸結果， 進一步采用系統ＧＭＭ 法檢驗數字經濟對區域碳減排績效的影響， 結果如表９ 列（３） 所示。表９ 列（１） ～（３） 回歸結果表明， 核心解釋變量數字經濟的回歸估計系數方向與顯著性和基準回歸結果一致， 證明基準回歸結果具有較強的穩健性。

３. ７ 內生性檢驗

由于數字經濟與區域碳減排績效存在逆向因果關系而導致內生性問題， 采用工具變量檢驗方式克服。借鑒王軍等（２０２２）［２６］ 的研究成果， 將互聯網普及率作為工具變量進行研究， 結果如表１０ 所示。在進行回歸分析之前， 對工具變量進行弱工具變量以及過度識別檢驗。結果表明， 選取的工具變量不存在識別不足與弱工具變量問題，說明具有有效性。表１０ 中第一階段回歸結果顯示， 工具變量回歸估計系數在１％ 水平下顯著為正。第二階段回歸結果中， 數字經濟（Ｄ）回歸系數為正， 且通過顯著性檢驗。上述結果說明， 本研究結論具有穩定性。

４ 結論及建議

本文基于數字經濟對區域碳減排績效的影響作用， 采用２０１０～２０２２ 年３０ 個省（區、市）面板數據， 構建模型及空間杜賓模型， 實證分析數字經濟對區域碳減排績效的空間溢出效應及異質性作用。研究發現： 數字經濟對區域碳減排績效具有正向積極影響， 且經過一系列穩健性檢驗后該結論依然成立； 空間效應檢驗結果表明， 數字經濟不但會對本區域碳減排績效產生影響， 也會影響相鄰區域碳減排績效， 且空間溢出效應大于直接作用； 異質性結果表明， 數字經濟對碳減排績效的正向在“胡煥庸線” 東南側區域更為突出。

針對上述研究結論， 為借力于數字經濟提升區域碳減排績效、加快“雙碳” 目標實現進程，提出如下建議： （１） 優化升級數字基礎設施， 推進數字經濟高質量發展。相關部門應有序推進骨干網擴容， 協同加大千兆光纖網絡和５Ｇ 網絡基礎設施建設， 提高物聯網在工業、農業、服務業等領域的覆蓋水平， 擴大數字經濟覆蓋范圍與領域， 更好發揮其在碳減排領域的積極作用； （２）破除要素流動壁壘， 發揮數字經濟外溢效應。各級政府部門應建設區域科技體制機制改革“試驗田”， 搭建數字技術共同體， 讓數字技術、高端人才及資金在區域內暢通流動， 更好發揮數字經濟在碳減排領域的空間溢出效益； （３） 實施區域智慧發展戰略， 收窄地區數字鴻溝。①西部地區各級地方政府應致力于提升數字創新能力， 推動具備條件的數字產業集群化發展， 為數字經濟碳減排效應發揮提供環境支持； ②中部地區各級地方政府應以數字經濟高質量發展為主線， 積極承接國內外數字產業轉移， 加快數字化、智能化技術在各領域應用， 收窄與東部地區的數字鴻溝，更好發揮數字經濟在碳減排領域的賦能作用； ③東北地區政府部門應培育新一代信息技術、生物醫藥、新能源等新興產業發展， 深入推進數字化技術滲入各產業， 以數智驅動優化產業結構， 激活數字經濟在碳減排領域的積極作用。

參考文獻

［１］ 佘群芝， 吳柳， 鄭潔． 數字經濟、經濟聚集與碳排放［Ｊ］． 統計與決策， ２０２２， ３８ （２１）： ５～１０．

［２］ 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．

［３］ 馮蘭剛， 陽文麗， 王忠， 等． 中國數字經濟與城市碳排放強度： 時空演化與作用機制［Ｊ］． 中國人口·資源與環境， ２０２３，３３ （１）： １５０～１６０．

［４］ 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．

［５］ 王香艷， 李金葉． 數字經濟是否有效促進了節能和碳減排？［Ｊ］． 中國人口·資源與環境， ２０２２， ３２ （１１）： ８３～９５．

［６］ 黎新伍， 黎寧， 謝云飛． 數字經濟、制造業集聚與碳生產率［Ｊ］． 中南財經政法大學學報， ２０２２， （６）： １３１～１４５．

［７］ 郭風， 孫仁金， 孟思琦． 數字經濟、技術創新與碳生產率［Ｊ］．調研世界， ２０２２， （９）： １２～１９．

［８］ 常皓亮， 夏飛龍． 數字經濟賦能低碳發展： 機制識別與空間溢出［Ｊ］． 科技進步與對策， ２０２３， ４０ （１０）： ４８～５７．

［９］ 張傳兵， 居來提·色依提． 數字經濟、碳排放強度與綠色經濟轉型［Ｊ］． 統計與決策， ２０２３， ３９ （１０）： ９０～９４．

［１０］ 張杰， 付奎， 劉炳榮． 數字經濟如何賦能城市低碳轉型———基于雙重目標約束視角［Ｊ］． 現代財經（天津財經大學學報），２０２２， ４２ （８）： ３～２３．

［１１］ 高維龍， 彭影， 胡續楠． “雙碳” 目標下數字經濟對城市節能減排的影響研究［Ｊ］． 城市問題， ２０２３， （３）： ２５～３７．

［１２］ 程云潔， 張志芳， 劉嫻． 雙碳目標下數字經濟對中國綠色能源效率的影響［Ｊ］． 商業研究， ２０２３， （２）： ６５～７２．

［１３］ 葛立宇， 于井遠． 智慧城市建設與城市碳排放： 基于數字技術賦能路徑的檢驗［Ｊ］． 科技進步與對策， ２０２２， ３９ （２３）：４４～５４．

［１４］ 陳福中， 蔣國海． 數字經濟的減排效應———基于２８５ 個地級市的空間面板數據［Ｊ］． 蘭州學刊， ２０２３， （５）： ７５～９３．

［１５］ 費威， 于寶鑫， 王維國． 數字經濟發展與碳減排———理論推演與實證檢驗［Ｊ］． 經濟學家， ２０２２， （１１）： ７４～８３．

［１６］ 李志學， 李樂穎， 陳健． 產業結構、碳權市場與技術創新對各省區碳減排效率的影響［Ｊ］． 科技管理研究， ２０１９， ３９（１６）： ７９～９０．

［１７］ 金燦陽， 徐藹婷， 邱可陽． 中國省域數字經濟發展水平測度及其空間關聯研究［ Ｊ］． 統計與信息論壇， ２０２２， ３７ （６）：１１～２１．

［１８］ 何地， 趙炫焯， 齊琦． 中國數字經濟發展水平測度、時空格局與區域差異研究［Ｊ］． 工業技術經濟， ２０２３， ４２ （３）： ５４～６２．

［１９］ 張爭妍， 李豫新． 數字經濟對我國碳排放的影響研究［ Ｊ］．財經理論與實踐， ２０２２， ４３ （５）： １４６～１５４．

［２０］ 王芳， 董戰峰． 數字經濟對我國碳排放的影響———基于省級面板數據的實證檢驗［Ｊ］． 改革， ２０２３， （３）： ７６～９０．

［２１］ Ｋｉｍ Ｎ， Ｍｏｏｎ Ｊ Ｊ， Ｙｉｎ Ｈ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｐｒｅｓｓｕｒｅ ａｎｄ ｔｈｅ Ｐｅｒ?ｆｏｒｍａｎｃｅ ｏｆ Ｆｏｒｅｉｇｎ Ｆｉｒｍｓ ｉｎ ａｎ Ｅｍｅｒｇｉｎｇ Ｅｃｏｎｏｍｙ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｂｕｓｉｎｅｓｓ Ｅｔｈｉｃｓ， ２０１６， １３７ （３）： ４７５～４９０．

［２２］ 劉娟， 馬漣蕊， 馮婉怡． 可再生能源技術創新與行業碳減排———基于中國省級面板數據的實證檢驗［ Ｊ］． 科技進步與對策， ２０２３， ４０ （１５）： ８３～９３．

［２３］ 劉璇， 孫明松， 朱啟榮． 中國進口貿易的碳減排效應研究［Ｊ］． 統計與決策， ２０２３， ３９ （１７）： １５９～１６３．

［２４］ 周玉龍， 孫向偉． 基于空間計量經濟學視角的空間溢出效應測度方法研究［Ｊ］． 統計與決策， ２０２１， ３７ （１７）： ４５～５１．

［２５］ Ｃｈｅｎ Ｙ Ｗ， Ｈｕ Ｙ Ｚ Ｆ， Ｌｉ Ｘ， ｅｔ ａｌ． Ｓｔｒａｔｅｇｉｃ Ｉｎｔｅｒａｃｔｉｏｎ ｉｎ Ｍｕｎｉｃｉｐａｌ Ｇｏｖｅｒｎｍｅｎｔｓ Ｐｒｏｖｉｓｉｏｎ ｏｆ Ｐｕｂｌｉｃ Ｇｒｅｅｎ Ｓｐａｃｅｓ： Ａ Ｄｙ?ｎａｍｉｃ Ｓｐａｔｉａｌ Ｐａｎｅｌ Ｄａｔａ Ａｎａｌｙｓｉｓ ｉｎ Ｔｒａｎｓｉｔｉｏｎａｌ Ｃｈｉｎａ ［ Ｊ］．Ｃｉｔｉｅｓ， ２０１７， ７１： １～１０．

［２６］ 王軍， 張毅， 馬驍． 數字經濟、資源錯配與全要素生產率［Ｊ］． 財貿研究， ２０２２， ３３ （１１）： １０～２６．

（責任編輯： 楊 婧）

基金項目： 澳門基金會資助課題“澳門數字經濟前沿研究（２０２３）” （項目編號： Ｇ０１４５１－２２１２－３０３）。