數字貿易的城市碳減排效應及創新驅動機制

摘"要：本文基于熊彼特創新理論分析數字貿易對傳統貿易的五大創新，選取2007—2022年270個地級市的面板數據，利用雙重差分方法檢驗數字貿易對城市碳減排效應及其創新驅動機制。研究表明：數字貿易顯著促進城市碳減排；數字貿易提升了城市創新水平，并且通過創新驅動技術效應、結構效應、規模效應和集聚效應，進而降低城市碳排放水平；區域異質性分析表明，東中部地區、大型規模城市的數字貿易的碳減排效應更為顯著；特征異質性分析表明，高人力資本水平、高財政支持和高城鎮化水平的城市數字貿易的碳減排效應更為顯著；產業異質性分析表明，非資源型、高第三產業占比的城市和千兆城市的數字貿易碳減排效應顯著。

關鍵詞：數字貿易；國家電子商務示范城市；碳排放；創新驅動

中圖分類號：F424文獻標識碼：A文章編號：1001-148X（2025）02-0072-12

收稿日期：2024-12-18

作者簡介：葉瑞克（1980—），男，浙江溫州人，教授，博士生導師，研究方向：資源環境與產業經濟、數字經濟與全球治理；吳佩窈（2001—），本文通訊作者，女，浙江溫州人，碩士研究生，研究方向：數字貿易。

基金項目：國家社會科學基金一般項目“我國新能源汽車產業鏈風險傳導機理、防控機制與優鏈策略研究”，項目編號：24BGL108；浙江省哲學社會科學規劃重點項目“我國新能源汽車產業鏈風險預警防控機制與優鏈策略研究”，項目編號：24NDJC25Z；浙江省社會科學界聯合會研究課題“新能源汽車產業競爭力評價：指標體系、國別比較與政策建議”，項目編號：2023B003。

一、引"言

在我國政府大力推進碳減排政策的背景下，數字貿易作為數字技術與貿易的深度融合，正逐漸成為推動綠色低碳發展的重要引擎［1］。2021年，國務院頒布《“十四五”數字經濟發展規劃》，為數字貿易發展提供了制度保障，助力經濟可持續發展。2024年，國家互聯網信息辦公室發布《規范和促進數據跨境流動規定》，進一步推動了跨境電商等新興數字貿易業態的發展。同年，亞太經濟合作組織（APEC）積極推動數字貿易對話，旨在降低數字貿易壁壘，促進區域互聯互通，構建高效綠色的貿易模式。據《數字貿易發展與合作報告》顯示，我國數字服務貿易進出口規模從2011年的1648.1億美元快速增長至2022年的3710.8億美元，占服務進出口比重達41.7%，展現出強勁的發展態勢。

隨著數字貿易的蓬勃發展，其對城市碳排放的影響日益成為學術界關注的熱點問題。一方面，數字貿易相關產業的快速擴張需要大量新型基礎設施投入，可能引致能源資源消耗增加［2］，從而推高城市碳排放水平。另一方面，貿易數字化通過提供高效交易渠道，顯著提升生產效率并降低交易成本［3］，減少了不必要的能源消耗；同時，數據要素的市場化配置推動了互聯網和電子商務等環境友好型企業的快速發展，加速了高能耗、高排放產業的淘汰進程，進而降低城市碳排放水平。現有關于數字貿易與碳排放關系的研究主要呈現兩種觀點：其一認為二者呈負向線性關系。韓晶等［4］基于跨國數據研究發現，數字貿易發展顯著促進碳減排，且發展中國家的減排效應更為顯著；Wang等［5］構建省級數字貿易綜合評價指標，從生產與消費、需求與供給等多維視角驗證了數字貿易的碳減排效應；另有研究［6］以跨境電商綜合試驗區為政策樣本，證實數字貿易兼具減排與治污雙重功效。其二則認為二者存在非線性關系。韋志文和馮剛［2］基于“一帶一路”沿線國家數據，發現數字貿易初期會加劇碳排放，但隨著技術進步與綠色能源應用，其負面影響逐漸減弱；Chen和Jiang［7］對G20國家的研究同樣支持“倒U型”關系的存在。

既有研究仍存在一些不足：首先，受數據可得性限制，現有文獻多聚焦國家或省級層面，城市層面的定量研究相對匱乏，數字貿易的城市碳減排效應尚未得到充分重視；其次，由于數字貿易概念界定尚未統一，現有研究采用的評價指標體系存在差異，這可能導致研究結論出現分歧；最后，現有文獻多關注數字貿易的直接減排效應，缺乏從數字貿易相較于傳統貿易的創新特質出發構建理論框架，亦未系統揭示其碳減排的內在創新驅動機制。

本文以2012年起設立的國家電子商務示范城市（NEDC）作為準自然實驗，運用雙重差分方法，系統考察數字貿易對城市碳排放的影響。可能的邊際貢獻在于：（1）從城市層面解析數字貿易的碳減排效應及其創新驅動機制，為理解二者關系提供更微觀的實證依據；（2）基于熊彼特創新理論，構建“數字貿易五大創新—城市創新驅動四大效應—碳減排”的理論框架；（3）采用NEDC作為數字貿易的代理變量，克服城市層面指標構建的主觀性問題，通過嚴謹的因果推斷方法驗證數字貿易的減排效應。

二、理論分析與研究假設

數字貿易通過互聯網和數字技術的應用，重塑了傳統貿易模式［8］，在多個方面體現了熊彼特創新理論中的五個創新維度——新產品、新生產方法、新市場、新組織形式和新資源來源，實現了“創造性破壞”。這種“創造性破壞”不僅對應數字貿易對傳統貿易在產品、技術、市場、組織和資源五個方面創新，構成了熊彼特創新理論的核心，還推動貿易模式從依賴資源要素投入向創新驅動轉變，進而為城市創新發展奠定了基礎。

傳統貿易主要依賴現有生產要素和資本的投入，通過改進現有技術和優化現有生產體系來減少碳排放，這是一種漸進式的改進方式，注重對現有資源的高效利用［9］。相較之下，數字貿易通過新技術、新產品、新組織和新市場，使用新資源，促使城市逐步從依賴生產要素和資本投入的碳減排模式，轉向以創新為主要驅動力的碳減排模式。傳統貿易對碳排放的影響機制大都采用了經典的“規模-結構-技術”模型［10］來探討貿易活動與環境之間的復雜關系。由于數字貿易是在傳統貿易基礎上發展起來的，因此其環境影響機制與傳統貿易仍存在相似之處。但由于獨特的要素資源重組與集聚能力［11］，形成了獨特的網絡集聚，帶來了資源、技術和信息的集聚，引發了全新的集聚效應，因此本文引入集聚效應進行機制分析。通過四大效應（技術效應、結構效應、規模效應、集聚效應）的協同作用，數字貿易從技術進步、產業結構優化、生產規模擴展到資源空間集聚出發全面解釋了其對碳排放的影響，相比傳統模型，這一分析框架在地理和經濟層面提供了更為完整和系統的解釋。

綜上所述，數字貿易五大創新為創新發展提供了創新動能，并通過創新驅動四大效應實現碳減排。五大創新（產品創新、技術創新、市場創新、組織創新和資源創新）是數字貿易相對于傳統貿易的創新，是屬于貿易領域的創新，同時，這五大創新進一步在城市層面表現為創新驅動四大效應（技術效應、結構效應、規模效應和集聚效應），成為數字貿易實現碳減排的四個渠道機制：即技術效應提升城市整體生產效率，結構效應優化城市的資源配置和產業結構，規模效應降低企業單位生產成本，集聚效應加強資源集聚，這四大效應協同協作降低城市碳排放水平。因此，五大創新內生四大效應，而四大效應又是數字貿易實現碳減排的四個核心機制。數字貿易的碳減排效應的影響機制將遵循如下邏輯：數字貿易-城市創新發展-（創新驅動）-四大效應-降低碳排放，如圖1所示。

（1）技術效應的碳減排機制。通過數字貿易創新驅動的技術效應對碳排放的影響可以從技術進步和以技術為基礎的能源利用優化兩個方面進行解析。一方面，技術效應通過技術進步推動碳排放水平降低。數字貿易的發展依托技術創新，帶動生產技術、節能技術和環保技術的持續優化，顯著提升了生產過程的能效，減少了單位產出的碳排放強度。同時，技術效應滿足了綠色產品和環保技術的市場需求，推動企業加速綠色轉型，為低碳生產提供了技術支撐。此外，技術效應具有正外部性，有助于綠色技術與低碳技術在更大范圍內推廣，形成技術進步與碳排放減少的良性循環，進一步降低城市整體碳排放水平［12］。另一方面，技術效應推動清潔能源的應用和能源效率提升。根據世界銀行的報告，我國二氧化碳排放主要是由煤炭燃料產生，該比例高達85%以上。數字貿易所依賴的信息技術與要素投入，有助于減少煤炭燃料的依賴，并推動企業向更清潔的能源體系轉型。此外，技術創新帶來的能源利用效率提升，使得單位能源的碳排放進一步降低，助力城市實現低碳發展［4］。基于以上分析，提出如下假設：

H1：數字貿易創新驅動技術進步和提高以技術為基礎的能源利用效率，實現技術效應減少城市碳排放量。

（2）結構效應的碳減排機制。通過數字貿易創新驅動的結構效應對碳排放的影響可以從低碳產業發展與產業結構高級化兩個方面進行解析。一方面，數字貿易的發展推動了知識密集型產業、信息技術、軟件和信息服務業等新興產業的創新與擴展，這些行業本身就具有低能耗、低碳排放的特點，這便會直接促進城市低碳產業發展，減少城市整體碳排放水平。另一方面，傳統貿易模式高度依賴于要素和資本的投入，這容易導致高能耗、高污染、低產值的企業大量存在。而數字貿易主要依賴數字、技術等要素，這些要素的投入加速了數字產業與傳統產業的深度融合，推動傳統產業的數字化轉型，提升生產效率，擴大規模效應。與此同時，市場競爭加劇使高能耗、低效率的傳統產業被迫進行轉型升級，否則將被淘汰，從而推動城市整體生產力向低碳、高效的產業部門轉移［13］。基于以上分析，提出如下假設：

H2：數字貿易創新驅動低碳產業發展與實現產業結構高級化，實現結構效應減少城市碳排放量。

圖1"理論分析框架

（3）規模效應的碳減排機制。產業規模的擴張往往需要大量要素和能源資源的投入，而數字貿易也不例外。在數字貿易的初期，雖然其資源投入主要依賴數字、知識等低碳資源，但為了支持數字貿易的發展，必定會需要依靠大量的基礎設施建設和技術投入，這些建設和投入需要消耗大量能源，這在短期內可能導致碳排放水平的提高［2］。同時，隨著數字貿易的開展，會出現更多以前無法或難以交易的產品，雖然實現了規模的增長但對碳排放的影響呈抑制作用；但由于數字貿易具有低成本擴散、邊際收益遞增和規模報酬遞增等特點，即隨著數字技術的不斷成熟和應用范圍的不斷擴大，生產效率和資源利用率都會顯著提升。因此，雖然數字貿易在初期可能會帶來碳排放水平的提高，但隨著數字技術的逐步成熟和應用的擴展，生產效率和資源利用率不斷提高，規模效應顯現，數字貿易逐漸進入成熟階段，碳排放水平開始顯著降低，最終實現產業規模擴張與環境可持續發展的協同共贏。基于以上分析，提出如下假設：

H3：數字貿易創新驅動規模效應階段性影響城市碳排放量。

（4）集聚效應的碳減排機制。通過數字貿易創新驅動的集聚效應對碳排放的影響可以與資源、產業和網絡集聚進行解析。首先，在發育良好、并且競爭充分的市場體系中，資本、勞動、技術和信息等要素會不斷流向高效率高技術低能耗的企業，且新市場會進一步吸引資源向新興市場集聚［14］。這種資源的高度集聚使企業更容易獲取綠色技術、低碳資金和專業人才，提升碳排放處理效率，促進低碳經濟的發展［15］。其次，數字貿易通過規模經濟與范圍經濟的融合，形成產業集群，使企業可以通過共建共享節能減碳設備和碳捕捉設施，提高資源能源利用率，降低減碳成本。同時，在集聚區內，政府和監管機構可以借助數字技術，設立專門的減碳服務機構，進行集中管理、監督和服務，助力綠色轉型和低碳發展。此外，由于數字貿易的特殊性，它允許地理位置遙遠的企業實現網絡集聚［16］，這種網絡集聚加強了產業鏈上下游企業之間的合作，提高了協作效率與生產效率，并有效促進了碳減排技術的信息交流和共享，促進綠色生產模式的普及。基于以上分析，提出如下假設：

H4：數字貿易創新驅動資源、產業和網絡集聚，實現集聚效應減少城市碳排放。

三、模型設定、變量說明與數據來源

（一）模型設定

本文選取了2007—2022年期間中國270個地級市作為樣本數據，截至2023年，共有70個城市相繼獲批國家電子商務示范城市（NEDC），為本研究提供了一個有效的“準自然實驗”環境，以便采用雙重差分（DID）方法進行分析。具體而言，這70個獲批為NEDC的城市構成了實驗組，而其余未獲此稱號的城市則構成了對照組。2012年，發改委首次批準了23個城市作為試點城市。2014年，發改委再次批準30個城市作為NEDC，并在文件中強調電子商務的重要性。2017年，再次審批通過了27個城市作為NEDC。根據地方獲批NEDC的時間，我們設置了政策（policy）以及時間（time）變量，獲批NEDC的城市為policy=1，否則為policy=0，在獲批NEDC前，time=0，獲批之后time=1。基于此，本文構建了雙向固定效應模型來實現雙重差分模型，檢驗數字貿易對碳排放量的影響：

lnco2it=β0+β1policyi×timet+αXit+γi+μt+εit（1）

式（1）中，lnco2it為被解釋變量。下標i和t分別表示第i個市和第t年，γi代表時間固定效應，μt代表各地的個體固定效應。Xit則為其他控制變量，包括經濟發展水平、開放度、科學教育重視程度、工業化水平、能源消耗。

（二）變量說明

1.解釋變量

本文采用NEDC作為數字貿易的代理變量，主要基于以下理由：首先，現有研究通常使用綜合評價指標來解釋數字貿易，但這些方法尚未形成統一的定義，且綜合評價指標的構建帶有一定的主觀性，很有可能干擾研究結論。為規避綜合評價指標帶來的不確定性和主觀偏差，本文選擇使用雙重差分法進行定量分析。其次，從概念上看，電子商務與數字貿易在內涵上高度重合。許多國際學者和組織，例如美國國際貿易委員會和亞太經合組織，常在其報告和指導原則中使用電子商務作為數字貿易的替代術語。這表明電子商務在實踐中已被廣泛接受為數字貿易的重要組成部分。再者，從政策角度來看，NEDC政策的初衷是加快地方數字貿易的發展，推動相關產業的進步，顯示出電子商務在推動數字貿易方面的實質性作用。此外，先前的研究也驗證了使用電子商務作為數字貿易代理變量的可行性和有效性［17］。綜上所述，本文采用NEDC作為數字貿易的代理變量，不僅有理論上的支持，也有實踐和政策層面的依據，能夠有效地代表數字貿易。

2.被解釋變量

碳排放水平（lnco2）。本文參考任曉松等［18］的方法，具體表示為城市單位地區生產總值下產生的總碳排放量。通過天然氣、液化石油氣和全社會用電量的能源消耗進行估算，方法如下：

co2=C1+C2+C3=kE1+vE2+φ（μ×E3）（2）

式（2）中，C1、C2、C3分別表示天然氣、液化石油氣、全社會用電量所產生的碳排放量。其中，E1、E2、E3分別表示天然氣消費量、液化石油氣消費量以及全社會用電量。k和v分別為天然氣以及液化石油氣的CO2折算系數，μ為煤電占總發電量的比重，φ為煤電燃料鏈溫室氣體排放系數，最終折合等效為全社會用電的CO2折算系數。最后，將三者相加得到最終碳排放量，并取自然對數（lnco2）。各類能源排放系數如表1所示。

3.控制變量

經濟發展水平（lnGDP）：中國經濟的粗放式崛起增加了二氧化碳的過量排放。根據Li和Wei［19］的研究，本文選擇GDP，并將其取自然對數作為經濟增長的代理變量。

能源消耗（lnELC）：能源消耗一直被視為碳排放的主要影響因素，我國能源消耗和排放最高的電力行業一直是學者們討論的焦點。參考Mohammed"Albiman等［20］的觀點，本文采用總用電量的自然對數作為用電量的代理變量。

開放度（lnFDI）：從“污染避難所假說”到“污染光環假說”，都表明開放性在碳排放量的變化上發揮著重要作用。本文采用外商直接投資的自然對數來控制開放度。

工業化水平（INDU）：工業發展對二氧化碳排放有顯著的影響。本文采用第二產業增加值占GDP的比重來衡量工業化水平。

科學技術重視程度（lnRD）：政府對研發技術投入的增加通常會推動能源技術的進步，從而提高能源利用效率，降低碳排放水平。本文采用政府Ramp;D經費自然對數來衡量科學技術重視程度。

（三）數據來源

本文選取了2006—2022年全國270個地級市的平衡面板數據作為研究樣本。在樣本期間，有70個城市先后被批復為NEDC，相關NEDC信息通過國家發展和改革委員會、各省（市、自治區）政府網站和媒體報道等途徑獲取。其他相關數據主要來自于歷年《中國城市統計年鑒》《中國環境統計年鑒》和CSMAR數據庫。表2報告了變量的定義與描述性統計結果。

四、實證結果分析

（一）基準回歸

數字貿易對碳排放影響的結果如表3所示。列（1）為不加入控制變量的模型，列（2）為加入控制變量的模型，兩者均考慮了個體固定效應和年份固定效應。結果表明，無論是否加入控制變量，數字貿易的發展都會有助于降低碳排放水平。

（二）平行趨勢檢驗

由于本文采用了NEDC作為數字貿易的代理變量，雙重差分模型的有效性依賴于處理組和對照組在沒有政策和時間干預的情況下，其趨勢是平行的，即滿足平行趨勢假設。本文借鑒Beck等［21］的方法，采用事件研究法檢驗被解釋變量是否滿足該假說，具體模型構建如下：

Yi，t=a0+∑－mjnδjpolicyi，t－j+βXit+λit+μi+εit（3）

式（3）中，policyi，t為虛擬變量，t-j表示城市i在t-j時期是否為NEDC，若是，則取值為1，否則為0。由于事件覆蓋前后時間較長，本文進行如下處理：當j≤-5時，將j統一設定為-5;當j≥5時，將j統一設定為5。本文以國家電子商務示范城市創建的當年為基準期。在政策實施三年后，處理城市碳排放水平較未處理城市有顯著下降趨勢。這表明受政策影響的城市碳減排效果明顯且政策效果具有滯后性。這是因為，政策的最初目的不是直接實現碳減排，而是通過綠色技術創新、產業結構優化和市場逐步優化等等間接影響碳排放水平，傳輸過程需要一些時間，從而產生滯后效應。

（三）穩健性檢驗

1.安慰劑檢驗

安慰劑檢驗用于確保DID回歸結果不受其他不可觀察的城市特征等因素的影響。結果如圖3所示，本文隨機從270個城市中抽取70個樣本作為虛擬處理組，其余城市作為對照組進行DID估計，并重復500次。估計系數和p值的核密度分布如圖3所示。核心系數的密度分布和p值集中在0附近，這證實了結果的穩健性。

2.替換被解釋變量

不同的二氧化碳測量方法可能導致不同的結果，考慮到測度問題，本文現參考叢建輝等［22］的研究，根據碳排放源的范圍計算碳排放量，結果如表4列（2）所示，碳減排效果依然顯著。同時，本文將被解釋變量換成碳排放強度，即用單位GDP所生成的碳排放量（碳排放因子法），以衡量經濟與碳排放之間的關系。結果顯示為列（3），表明數字貿易的發展很有可能提高了經濟效率，創造單位經濟產值所需的資源消耗減少，從而減少了碳排放。

3.更換政策識別時間

由于政策從地方申請到國務院同意有一定的時間間隔，在現實情況下，當地政府可能會提前申請而展開工作，或者提前知曉結果并開啟相關工作。因此，本文借鑒了曹清峰［23］的做法：若政策批復時間在上半年，則將電子商務試點城市成立時間提前一年；若是在下半年，則視為當年。結果如表4列（4）所示，數字貿易的碳減排效果依然穩健。

4.排除其他政策干擾

由于碳排放量會受到其他眾多政策的影響，其中最直接、最明顯的政策是低碳試點城市和全國碳排放交易市場。這些政策通過推動低碳技術的應用和市場機制的引導，能夠有效降低碳排放水平。結果如表4列（5）和列（6）所示，在考慮到這些政策后，研究結果依然顯著。

5.計算“異質性－穩健”估計量

本文用NEDC來表示數字貿易，由于其分批建立的特點，本文采用了多期雙重差分模型進行建模分析。然而，一些研究表明，傳統的多期DID可能會存在異質性處理效應，導致結果容易出現偏誤［24］。因此，本文首先采用Good-Bacon提出的Bacon分解，根據表5結果所示，不合適處理組（Later"Treatment"vs.Early"Control）比重僅占4%，DID的總效應主要來自處理組和從未處理組，比重占93.4%。因此，本文的回歸結果并未受到異質性處理效應的影響，結果是穩健的。此外，本文還借鑒了Callaway和Sant’s"Anna［25］的處理方法，通過計算“組別-時期平均處理效應”進行穩健估計。由于期數過多，僅報告處理前后的平均效果，結果如表6所示，無論是否加入控制變量，結果依然顯著穩健。

（四）機制檢驗

根據前述實證結果，數字貿易顯著降低了碳排放水平。根據現有理論框架，數字貿易通過技術效應、結構效應、規模效應和集聚效應四個方面影響碳排放水平，從而在實現碳減排方面發揮重要作用。為了系統驗證數字貿易的創新驅動機制，本文借鑒Baron和Kenny［26］的經典實證分析方法，該方法在驗證多重中介效應方面具有較高的可靠性和廣泛應用。本文實證檢驗分為兩個主要階段，每個階段均采用三步法進行分析：在第一階段，主要驗證數字貿易創新驅動四大效應的存在性和顯著性；在第二階段，則進一步驗證數字貿易通過四大效應減少碳排放的存在性和顯著性。

第一階段：驗證數字貿易通過創新驅動四大效應。首先，將倍差項與城市創新水平進行回歸分析，如果系數顯著且為正，則表明數字貿易提高了城市創新水平；其次，將倍差項分別與四大效應（技術效應、結構效應、規模效應和集聚效應）進行回歸分析，如果系數顯著，表明數字貿易對四大效應產生顯著影響；最后，將城市創新水平納入四大模型與倍差項的回歸模型中進行回歸分析，如果倍差項的系數變得不顯著或降低，則證明數字貿易通過創新驅動了四大效應的產生。

第二階段：驗證數字貿易通過四大效應降低碳排放水平。首先，將倍差項和四大效應進行回歸分析，若系數顯著，表明數字貿易對四大效應產生顯著影響；其次，將倍差項與碳排放進行回歸分析，若系數顯著且為負，則說明數字貿易顯著降低碳排放水平；最后，將四大效應加入倍差項與碳排放的回歸分析中，若倍差項的系數降低或是顯著性降低，則證明數字貿易通過四大效應顯著降低碳排放水平。

綜合來看，若通過第一階段和第二階段的檢驗，則表明數字貿易通過提升城市創新水平，創新驅動了四大效應，從而顯著降低碳排放水平，實現了以創新為驅動力的碳減排模式。

按照上述檢驗步驟，本文機制驗證模型設定如下：

第一階段：

innoit=a0+a1du×dt+∑Ni=1bjXit+εit（4）

techit（struit，scait，aggit）=β0+β1du×dt+∑Ni=1bjXit+εit（5）

techit（struit，scait，aggit）=λ0+λ1du×dt+innoit+∑Ni=1bjXit+εit（6）

第二階段：

techit（struit，scait，aggit）=α0+α1du×dt+∑Ni=1bjXit+εit（7）

lnco2=β0+β1du×dt+∑Ni=1bjXit+εit（8）

lnco2=γ0+γ1du×dt+γ2techit（struit，scait，aggit）+∑Ni=1bjXit+εit（9）

其中，inno為城市創新水平（INNO），數據來源于復旦大學產業發展中心的《中國城市和產業創新力報告》，能夠綜合反映城市創新水平。鑒于該報告數據僅覆蓋至2017年，本文參考其方法，生成2017—2022年的創新指數。tech為技術效應，采用各市綠色專利授權數表示；stru為結構效應，采用第二產業與第三產業的比值來表示；sca為規模效應，參考黎新伍和黎寧［27］利用綠色全要素生產率表示規模效應代理變量；agg為集聚效應，參考邵帥等［28］的做法，采用非農產出（第二、三產業產出）與行政面積的比值衡量代表集聚效應，該值越大則表明集聚效應越強。

表7為第一階段的回歸分析結果，表明數字貿易通過創新驅動實現了四大效應。首先，表7列（1）的結果顯示，數字貿易顯著提升了城市創新水平，實現了創新驅動。其次，表7列（2）—列（5）展示了第二步回歸的結果，回歸系數均顯著為正，表明數字貿易具備技術效應、結構效應、規模效應和集聚效應。最后，為進一步驗證數字貿易通過創新驅動四大效應的假設，本文進行了第三步回歸，結果如表7列（6）—列（9）顯示，在加入城市創新水平后，數字貿易顯著降低了技術效應的顯著性，盡管結構效應仍然顯著，但其系數有所下降。同時，規模效應和集聚效應變得不顯著，這表明數字貿易通過創新驅動了技術效應、結構效應、規模效應和集聚效應。

表8為第二階段的回歸分析結果，表明數字貿易通過四大效應降低碳排放水平。首先，結合表7列（2）—列（5）的結果，得出數字貿易具備四大效應的結論。其次，將四大效應納入碳排放的回歸模型中，發現除規模效應外，數字貿易的系數下降，這表明數字貿易通過技術效應、結構效應和集聚效應實現了碳排放的減少。結合表7的內容，驗證了數字貿易通過創新驅動技術效應、結構效應和集聚效應，實現碳減排，即假設H1、假設H2和假設H4都成立。此外，本文發現規模效應與碳排放之間存在非線性關系，因此引入二次項進行研究，結果如表8列（5）所示，發現碳排放與規模效應兩者呈現倒“U”型關系，即隨著規模變大，碳排放水平先升高后降低，這說明在早期階段，增長所需的能耗大于規模增加帶來的資源利用效率提升，隨著規模進一步增長，碳排放水平逐漸降低。結合表7內容來看，數字貿易通過創新驅動規模效應，并階段性地影響碳排放水平，即假設H3成立。

（五）異質性檢驗

為深入揭示數字貿易碳減排效應的多樣性與復雜性，本文從區域異質性、城市特征異質性和城市產業異質性三個維度展開分析。數字貿易的碳減排效應并非均勻分布，而是受到區域資源稟賦、城市要素條件和產業結構特征的影響，呈現顯著的差異性。識別這些差異，有助于為區域精準施策、城市分類管理和產業結構優化等提供理論支撐與實踐指導，進而推動數字貿易在多情境下實現最大減碳效益，助力經濟高質量發展與綠色低碳轉型目標的實現。

1.區域異質性

由于各地發展階段和資源稟賦等方面的差異，不同區域和規模的城市在數字貿易的碳減排效應上表現出明顯的異質性特征。因此，本研究首先探討不同地區和不同城市規模上數字貿易的碳減排效應。本文依據2014年國務院發布的《關于調整城市規模劃分標準的通知》中提供的標準，對城市規模進行劃定。由于小規模城市樣本數量較少，回歸結果可能不可靠，因此本文僅報告中等及以上規模城市的分析結果。

結果如表9列（1）—列（3）所示，數字貿易在東中部地區具有碳減排效應，但在西部地區效果不顯著。可能原因在于東中部地區的產業結構更偏向于服務型和技術密集型行業，例如金融和信息技術等，這些行業相對于西部地區的重工業和能源行業更加清潔和低碳。此外，東中部地區的地理位置更有利于數字貿易的物流和交通，相對來說，運輸距離更短且成本更低，從而減少碳排放。而西部地區可能面臨著更長的運輸距離和更高的物流成本，導致碳排放水平的提高。

城市規模如表9列（4）和列（5）所示，大型規模城市在數字貿易中的碳減排效應更加顯著，主要原因在于這些城市擁有更多資源和先進技術，能夠快速推廣低碳技術。此外，在大型規模城市，產業結構主要以高科技和服務業為主，更能發揮數字貿易的碳減排效應。此外，政策支持和完善的基礎設施也增強了數字貿易的碳減排效應，進一步降低碳排放水平。

2.城市特征異質性

隨著數字貿易的蓬勃發展，不同城市呈現不同的特征，其數字貿易對碳排放水平的影響也各有不同。現實中，城市中的人（人力資本水平）、財（財政支持）和物（城鎮化水平）對數字貿易的發展至關重要。因此，研究這三個因素的異質性對于全面理解數字貿易的碳減排效應非常重要，可以為城市建設提供具體建議。具體而言，本文采用每萬人大學生數量作為城市人力資本水平的指標，以地級市財政支出水平來衡量財政支持，并用非農業人口占地區總人口的比例來衡量城鎮化水平，作為城市物力水平的指標。上述所有指標分為三等分：第一組為低水平，第二、三組為高水平。

對于人才支持方面，結果如表10列（1）和列（2）所示，只有高人力資本水平城市的碳減排效應是顯著的。這可能是因為高人力資本水平城市擁有大量高素質人才，能夠更高效地發揮數字貿易的創新作用，推動綠色技術和低碳技術的創新與應用。其次，這些城市的居民具有較高的技術應用能力和創新能力，更容易接受和采用環保型的碳減排方案，從而更充分發揮數字貿易的碳減排效應。

對于財力支持方面，結果如表10列（3）和列（4）所示，高財力支出組顯著降低了碳排放量。一方面，財政支出作為政府對碳減排的行政干預手段，高財力支出組的政府能夠實施更嚴格的環保政策和監管措施，鼓勵企業采用清潔生產技術減少碳排放，從而更有效地發揮數字貿易創新機制，減少碳排放水平；另一方面，高財力支出組的政府能夠投資建設更為高效、環保的基礎設施，為數字貿易的發展創造更好的基礎條件，從而降低碳排放水平。

對于物力支持方面，結果如表10列（5）和列（6）所示，高城鎮化水平的城市顯示出數字貿易發展具有顯著的碳減排效應，而低度城市化的城市則未顯示出數字貿易對碳排放水平產生影響。這可能是因為高城鎮化水平的城市擁有更完善的基礎設施和更多的資源，能夠有效地利用數字貿易的創新機制來優化能源使用和減少碳排放。而低城鎮化水平的城市在這些方面相對不足，難以充分發揮數字貿易的碳減排效應。

3.城市產業異質性

城市的產業特征存在異質性導致數字貿易在推動碳減排的過程中發揮著不同作用。一些城市產業可能仍集中于傳統的資源開采和重工業，顯著依賴于自然資源，故本文選擇“是否為資源型城市”作為代理變量來衡量這些城市的數字貿易發展對碳排放的影響。隨著服務業的迅速擴展，第三產業在GDP中的比重大幅增加，第三產業的占比能夠最直接有效反映城市產業結構，并且與數字貿易緊密結合，故本文選擇“第三產業占GDP比重”作為城市產業結構表征變量，并根據第三產業占比的中位數將樣本分為高、低兩組進行異質性分析。此外，數字基礎設施建設完善的城市，其產業特征通常表現為更高的產業數字化水平，尤其是數字產業較為發達，故本文選擇“是否為千兆城市”進行異質性分析。

資源依賴異質性：表11列（1）和列（2）結果表明，資源型城市的數字貿易碳減排效應不顯著，而非資源型城市的碳減排效應顯著。可能原因在于對于資源型城市，其產業以資源開采和重工業為主，這些行業往往高度依賴能源密集型的生產方式，碳排放水平較高。即使數字貿易在這些城市有所發展，由于傳統資源型產業的主導地位較強，數字化轉型帶來的碳減排效果相對有限。數字貿易可能更多地應用于管理和銷售環節，會帶來產品需求的提高，卻難以顯著改變高耗能的生產方式，甚至可能導致碳排放水平有所上升。而非資源型的城市的產業更偏向于服務業、高科技制造業等低碳行業，數字貿易的發展能夠迅速推動這些行業的擴展和效率提升，減少能源消耗，因而顯著降低碳排放。

產業結構異質性：表11列（3）和列（4）結果表明，僅有第三產業占比較高的城市碳減排效應顯著。對于第三產業占GDP比重較高的城市，其城市的活動更加依賴信息流、知識和服務，因此本身的碳排放水平相對較低。此外，在這些城市中，數字貿易可以更廣泛地滲透到這些城市的服務業，調整產業結構，進而有效降低碳排放水平。相比之下，低第三產業占比城市則更依賴于制造業等高碳排放的產業。盡管數字貿易可能提升了這些城市生產效率，但由于其產業結構中仍包含大量高耗能行業，使碳排放水平并未顯著下降。

數字基礎設施異質性：表11列（5）和列（6）結果表明，非千兆城市碳減排效果不顯著，而千兆城市碳減排效應顯著。對于千兆城市，由于其擁有完善的數字基礎設施，信息技術、金融科技等高新技術產業往往較為活躍，低碳產業發展水平較高。同時，這些城市可以更快、更高效地將數字技術運用到生產中，實現了高效的自動化和智能化，進而實現低碳化。非千兆城市由于數字基礎設施相對薄弱，數字貿易的應用和推廣受到限制，數字化轉型的速度較慢，難以實現碳減排。

五、結論與政策含義

積極推動數字貿易的發展，是我國實現“碳達峰、碳中和”目標和經濟綠色低碳發展的必然選擇。本文以中國2006—2022年270個地級市的面板數據為基礎，利用雙重差分模型檢驗了數字貿易對碳排放的影響，研究結果顯示：（1）數字貿易作為一種新興貿易形式，顯著降低了碳排放水平，并通過安慰劑檢驗、替換被解釋變量、更換政策識別時間、排除其他政策干擾、計算“異質性－穩健”估計量一系列穩健性檢驗。（2）數字貿易提升了城市創新水平，通過創新驅動技術效應、結構效應和規模效應和集聚效應，實現了以創新為驅動力的城市碳減排模式。技術效應體現在創新技術的應用和推廣，降低了生產過程中的碳排放；結構效應體現在產業結構的優化升級，更多依賴于低碳和綠色技術；規模效應體現在經濟規模擴大帶來的環境效益；集聚效應體現在物理和網絡上的集聚，通過更高效的資源利用和信息共享，進一步降低碳排放水平。（3）由于東中部地區政策支持力度大且技術創新能力強，數字貿易在這些地區展現出顯著的碳減排效應。而在西部地區，數字貿易的碳減排效應不顯著。此外，大型城市擁有更多資源和先進技術，因此數字貿易的碳減排效果在該城市中更加顯著。（4）不同城市特征對數字貿易的碳減排效果有顯著差異。高人力資本支持的城市，其居民具備較高的技術應用創新能力和環保意識，更易接受并推動低碳技術和綠色貿易。高財力支持的城市能夠投入更多資源用于環保基礎設施建設和政策實施，從而顯著降低碳排放水平。高城市化水平的城市擁有更高效的物流和交通系統，以及嚴格的環境管理政策，這些因素共同促進了數字貿易帶來的碳減排效果。（5）各類城市因產業特征不同在數字貿易推動碳減排中表現出不同效果。資源型城市依賴高耗能產業，碳減排效果有限；而第三產業占比高的城市及千兆城市則通過數字化轉型有效降低碳排放，體現出產業結構和數字基礎設施的差異化影響。

以上結論的政策含義在于：

（1）積極推動數字技術與貿易領域的深度融合。通過數字技術改造傳統貿易，提高其數字化水平，并擴展數字貿易發展的深度和廣度，優化貿易形式和組織。特別是，要鼓勵和支持新興數字貿易平臺的發展，利用數字貿易逐步減少傳統貿易中的高碳排放活動，促進低碳經濟發展。

（2）充分發揮數字貿易創新驅動優勢，提升城市創新水平。具體來說，應充分發揮數字貿易的技術效應、規模效應、集聚效應和結構效應。政府應出臺政策激勵措施，鼓勵企業進行技術創新和低碳技術推廣，降低生產過程中的碳排放。同時，通過優化產業結構，推動產業升級，促進低碳和綠色產業的發展，減少對高碳排放產業的依賴。此外，政府應通過政策支持和激勵措施，在實現經濟增長的同時，注重環境效益，充分發揮規模效應。最后，政府應支持數字平臺的集聚效應，推動城市物理和網絡上的集聚，促進高效資源利用和信息共享，提升城市整體運作效率，進一步降低碳排放水平。

（3）針對數字貿易在不同區域城市的表現，制定差異化的政策。加強東中部地區的技術創新和產業優化，并且構建區域協同機制，充分發揮其在碳減排中的優勢；西部地區需要在基礎設施建設和數字化轉型方面加大投入，并借鑒東中部經驗，提升其碳減排能力，促進區域間的協同發展，整體提升數字貿易的碳減排效應。大型城市應強化政策支持，優化技術創新環境，推廣成功的數字貿易模式，并建立監測評估體系；中型城市應提升政策支持，加強技術引進和合作，培育本地數字經濟，通過培訓和推廣活動提高參與度，共同促進區域間低碳經濟發展。

（4）根據數字貿易在不同特征的城市的差異表現，出臺針對性的政策。高人力資本支持的城市應著力提升居民的技術應用能力和環保意識，推動低碳技術和綠色貿易的發展；低人力資本支持的城市可以通過培訓和教育項目，加強技能培訓和環保教育，促進低碳技術的應用。高財力支持的城市應增加環保基礎設施和政策實施的投入，低財力支持的城市應合理分配資源，優先投資關鍵環保設施，并尋求外部資金和技術支持。高城鎮化水平的城市應優化物流和交通系統，強化環境管理政策，以最大優勢發揮數字貿易帶來的碳減排效果；低城鎮化水平城市應逐步改善物流和交通系統，集中資源改善基礎設施，并采取適度的環境管理措施，逐步實現碳減排目標。針對高耗能行業，建議加大數字化轉型力度，推動智能化管理和綠色生產方式，必要時應關停并轉，實現騰籠換鳥，以降低城市碳排放水平。鼓勵高新技術和服務業的發展，強化相關城市的數字基礎設施建設，通過應用低碳技術和數字工具，提高生產效率和資源利用率，進而實現碳減排。

參考文獻：

［1］"馬述忠，"房超，"梁銀鋒."數字貿易及其時代價值與研究展望［J］．"國際貿易問題，"2018（10）："16-30.

［2］"韋志文，"馮帆."數字貿易對碳排放的影響——基于“一帶一路”沿線48國的經驗證據［J］．"現代經濟探討，2023（8）："65-77.

［3］"江小涓，羅立彬."網絡時代的服務全球化——新引擎、加速度和大國競爭力［J］．"中國社會科學，2019（2）："68-91+205-206.

［4］"韓晶，姜如玥，孫雅雯."數字服務貿易與碳排放——基于50個國家的實證研究［J］．"國際商務（對外經濟貿易大學學報），2021（6）："34-49.

［5］"Wang"Y，Liu"J，Zhao"Z，et"al."Research"on"Carbon"Emission"Reduction"Effect"of"China’s"Regional"Digital"Trade"under"the"“Double"Carbon”"Target-Combination"of"the"Regulatory"Role"of"Industrial"Agglomeration"and"Carbon"Emissions"Trading"Mechanism［J］．"Journal"of"Cleaner"Production，2023，405："137049.

［6］"馬子紅，王紅梅，韓先鋒."數字貿易發展的減污降碳效應——基于跨境電商綜合試驗區的準自然試驗［J］．"統計與決策，2024，40"（11）："156-161.

［7］nbsp;Chen"F，Jiang"G."How"does"the"Digital"Service"Trade"Nonlinearly"Affect"Carbon"Emissions？"Empirical"Evidence"from"G20"Countries［J］．"Environmental"Science"and"Pollution"Research，2023，30（59）："123022-123038.

［8］"盛斌，高疆."超越傳統貿易："數字貿易的內涵、特征與影響［J］．"國外社會科學，2020（4）："18-32.

［9］"Organisation"for"Economic"Cooperation"and"Development."Eco-Innovation"in"Industry："Enabling"Green"Growth［M］．"Paris："OECD"Publishing，"2010.

［10］Grossman"G"M，"Krueger"A"B."2"Environmental"Impacts"of"a"North"American"Free"Trade"Agreement［J］．"The"Mexico-US"Free"Trade"Agreement，"1993，11（2）：13.

［11］Li"Y，Zheng"Z，Zhao"M，et"al."How"does"Digital"Trade"Impact"Urban"Carbon"Emissions"Efficiency？"Evidence"from"China’s"Cross-Border"E-commerce"Pilot"Zones［J］．"Journal"of"Cleaner"Production，2024，456：142363.

［12］許恒，張一林，曹雨佳."數字經濟、技術溢出與動態競合政策［J］．"管理世界，2020，36"（11）："63-84.

［13］周念利，包雅楠."數字服務貿易壁壘對制造業產出服務化水平的影響——基于中國上市公司微觀數據的經驗研究［J］．"亞太經濟，2022（3）："35-45.

［14］石大千，丁海，衛平，等."智慧城市建設能否降低環境污染［J］．"中國工業經濟，2018（6）："117-135.

［15］李忠民，周維穎，田仲他."數字貿易："發展態勢、影響及對策［J］．"國際經濟評論，2014（6）："131-144+8.

［16］Peng"H，Lu"Y，Wang"Q."How"does"Heterogeneous"Industrial"Agglomeration"Affect"the"Total"Factor"Energy"Efficiency"of"China’s"Digital"Economy［J］．"Energy，2023，268："126654.

［17］邵艷紅."擴大開放背景下數字貿易發展與全球價值鏈地位提升［J］．"商業經濟研究，2022（11）："139-142.

［18］任曉松，劉宇佳，趙國浩.經濟聚集對碳排放強度的影響及傳導機制［J］．"中國人口·資源與環境，2020，30（4）："95-106

［19］Li"G，Wei"W."Financial"Development，Openness，Innovation，Carbon"Emissions，and"Economic"Growth"in"China［J］．"Energy"Economics，2021，97："105194.

［20］Mohammed"Albiman"M，Nassor"Suleiman"N，Omar"Baka"H."The"Relationship"Between"Energy"Consumption，CO2"Emissions"and"Economic"Growth"in"Tanzania［J］．"International"Journal"of"Energy"Sector"Management，2015，9（3）：361-375.

［21］Beck"T，Levine"R，Levkov"A."Big"bad"banks？"The"Winners"and"Losers"from"Bank"Deregulationnbsp;in"the"United"States［J］．"The"Journal"of"Finance，2010，65（5）：1637-1667.

［22］叢建輝，劉學敏，趙雪如."城市碳排放核算的邊界界定及其測度方法［J］．"中國人口·資源與環境，2014，24（4）："19-26.

［23］曹清峰."國家級新區對區域經濟增長的帶動效應——基于70大中城市的經驗證據［J］．"中國工業經濟，2020（7）："43-60.

［24］Goodman-Bacon"A."Difference-in-differences"with"Variation"in"Treatment"Timing［J］．"Journal"of"Econometrics，2021，225，2："254-277.

［25］Callaway"B，Sant’Anna"P"H"C."Difference-in-differences"with"Multiple"Time"Periods［J］．"Journal"of"Econometrics，2021，225，2："200-230.

［26］Baron"R"M，Kenny"D"A."The"Moderator-mediator"Variable"Distinction"in"Social"Psychological"Research："Conceptual，Strategic，and"Statistical"Considerations［J］．"Journal"of"Personality"and"Social"Psychology，1986，51（6）：1173.

［27］黎新伍，黎寧."貿易便利化對企業競爭力的影響及空間效應研究［J］．"國際經貿探索，2021，37（10）："22-37.

［28］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.

The"Carbon"Reduction"Effects"of"Digital"Trade"in"Urban"Areas"and"Its"Innovation-Driven

Mechanism："Difference-in-Differences"Analysis"Based"on"National"E-commerce"

Demonstration"City

YE"Ruike，"WU"Peiyao

（Zhejiang"University"of"Technology，a.School"of"Economics;b.Institute"for"Industrial"System"

Modernizationm，"Hangzhou"310023，China）

Abstract：This"study"draws"on"Schumpeter’s"theory"of"innovation"to"examine"the"five"key"innovations"introduced"by"digital"trade"into"traditional"trade."It"employs"panel"data"from"270"prefecture-level"cities"over"the"period"2007–2022"and"utilizes"the"difference-in-differences"method"to"assess"the"impact"of"digital"trade"on"urban"carbon"emission"reduction"and"the"mechanisms"through"which"innovation"drives"this"effect."The"research"identifies"the"following"key"findings：Firstly，"digital"trade"has"been"found"to"substantially"promote"urban"carbon"emission"reduction."Secondly，"the"analysis"demonstrates"that"digital"trade"enhances"the"innovation"capacity"of"cities"and"facilitates"carbon"emission"reduction"through"four"primary"innovation-driven"mechanisms："technological"effects，"structural"effects，"scale"effects，"and"agglomeration"effects."Thirdly，"regional"heterogeneity"analysis"reveals"that"cities"in"the"eastern"and"central"regions，"as"well"as"those"classified"as"large-scale，"experience"more"pronounced"carbon"emission"reduction"effects"from"digital"trade."Fourthly，"heterogeneity"analysis"based"on"urban"characteristics"indicates"that"cities"characterized"by"high"levels"of"human"capital，"strong"fiscal"support，"and"high"urbanization"rates"exhibit"particularly"notable"carbon"emission"reduction"effects"when"adopting"digital"trade"practices."Lastly，"industry"heterogeneity"analysis"highlights"that"the"carbon"emission"reduction"impact"of"digital"trade"is"especially"significant"in"cities"that"are"non-resource-dependent，"have"a"high"share"of"tertiary"industries，"and"are"designated"as"gigabit"cities.

Key"words：digital"trade;national"e-commerce"demonstration"city;carbon"emissions;innovation-driven

（責任編輯：周正）