长三角城市群数字经济发展对碳排放绩效的影响——基于总量与效率的角度.pdf

摘要：当前，数字经济的快速发展为实现城市低碳转型、达成“双碳”目标提供了新动能。本文以20112019年长三角城市群作为研究样本，基于熵权法与非期望SBM模型分别测算数字经济发展指数与碳排放效率，运用固定效应模型、中介效应模型，从碳减排与碳增效两个维度实证分析了数字经济发展对碳排放绩效的影响及其作用机制，并进一步研究其异质性。研究发现：（1）数字经济的发展改善了城市碳排放绩效，具体体现在降低碳排放总量与提高碳排放效率，该结论通过工具变量法、GMM估计等检验后仍然稳健。（2）中介效应分析表明，降低能源强度、促进绿色技术创新与绿色金融发展是数字经济改善碳排放绩效的重要机制。（3）异质性分析表明，数字经济的碳减排效应仅存在于数字经济发展水平或碳排放量较高的城市；数字经济的碳增效效应具有普遍性，并且对数字经济发展水平较高的城市作用更强。本文研究结果丰富了数字经济与碳排放的理论研究框架，为长三角城市群实现数字经济一体化发展、碳排放绩效协同改善提供了有益借鉴。关键词：绿色发展；数字经济；碳排放；长三角城市群中图分类号：F832.7文献标识码：A文章编号：1009-3540（2023）07-0023-0010基金项目：国家社会科学基金一般项目“多利益主体视角下土地财政风险形成机理及预警防控研究”（19BGL214）。邹秀清 邢盛 葛天越 孙学成作者简介：邹秀清（1973），男，博士，上海电力大学经济与管理学院教授；邢盛（通讯作者）（1993），男，上海电力大学经济与管理学院硕士研究生；葛天越（2000），女，上海电力大学经济与管理学院硕士研究生；孙学成（1998），男，上海电力大学经济与管理学院硕士研究生。长三角城市群数字经济发展对碳排放绩效的影响基于总量与效率的角度一一、引言引言自工业革命以来，人类社会对化石能源的依赖持续加深，二氧化碳等温室气体过度排放，全球极端气候事件频发。日益严峻的环境问题严重威胁着全球可持续发展，推动绿色低碳转型、实现高质量发展已成为各国共识1。根据2021年 格拉斯哥气候公约，全球已有151个国家做出了净零排放承诺，就全面落实 巴黎协定 的具体细则达成共识。在第七十五届联合国大会上，中国提出力争2030年前实现碳达峰、2060年前实现碳中和的目标2。并将发展方式绿色转型、持续改善环境质量列入“十四五”规划。在此背景下，如何加速改善碳排放绩效以及推进经济社会低碳高质量发展，成为社会各界广泛关注的议题。数字经济的概念自1995年被Don Tapscott提出以来，随着时代的变迁与信息技术的迭代，不断被赋予新的内涵。经合组织（OECD）提出根据经济活动是否包含电子支付来界定是否属于数字经济，美国经济分析局BEA则将数字经济定义为基于互联网及相关信息通信技术的经济活动3。因此，数字经济本质上是以互联网等数字化基础设施为载体，采用广泛的数据生产要素进行数字商品的生产与销售，以数字技术赋能传统行业优化升级，并通过数字化治理来影响国民生活的经济活动总和。近年来，得益于互联网普及，信息与通信技术（ICT）产业蓬勃发展，数据价值化加速推进，数字经济与工业生产、政府管理及人民生活等各个领域深度融合，给经济社会带来巨大变革。2020年全球气候行动峰会指出，数字技术在能源、工业、建筑、交通等多个行业提Green Economy绿色经济绿色经济23232023年第7期WUHANFINANCE出的低碳转型解决方案，可以助力全球实现15%的碳减排。在此背景下，数字经济的发展能否同时从降低碳排放总量、提升碳排放效率两方面改善碳排放绩效？其背后存在怎样的作用机制？上述问题的解答对完善数字经济相关理论与达成我国双碳目标具有重要的理论与现实意义。从既有研究来看，数字经济与碳排放绩效的相关文献主要集中于研究信息通信技术、数字金融或数字经济的某一表现对碳排放或环境绩效的影响。Wen等4研究了信息通信技术的污染减排效应，发现信息通信技术可以通过结构与技术效应来改善环境绩效。邓荣荣等5发现数字金融的发展通过经济增长效应显著提升了城市碳排放效率。张亚豪等6、户华玉等7分别探索了工业数字化与制造业数字化对碳排放强度的影响，发现产业数字化程度与碳排放强度之间存在倒U型关系。然而，直接分析数字经济与碳排放绩效之间的逻辑关系与作用机制的文献仍比较匮乏。关于碳排放绩效的测度，目前学术界尚未形成统一认识，已有文献主要从以下三个方面进行评价。第一，以碳排放量来衡量8。这种方法没有涉及产出部分，割裂了可持续发展中环境保护与经济发展之间的关系，容易造成“运动式”碳减排行为。第二，以碳排放强度来衡量9，即碳排放量与国内生产总值的比值。这种方法仅从经济产出层面进行了评价，对碳排放绩效的评定不够全面。第三，以碳排放效率来衡量10，即综合考虑生产过程中的各项投入产出指标，利用数据包络模型DEA、随机前沿模型SFA等方法计算全要素生产率。这种方法既具有绿色低碳的属性，又兼顾了当前经济“稳增长”的内在需求。现有研究多单一考察碳排放总量或效率，为了系统分析数字经济对碳排放绩效的影响机制，本文同时从量、效两个维度，综合评价碳排放绩效。值得注意的是，受限于特定的经济环境与资源禀赋，中国数字经济的发展存在较大的区域异质性，而现有的研究对象主要集中于全国样本，缺乏对区域层面的具体讨论。长三角城市群作为“一带一路”重要枢纽，不仅是中国工业化发展的前沿区域、经济发展的重要引擎，也是数字化、一体化发展的示范者和领跑者11。其数字经济规模已达到全国总量的28%，是中国数字经济最活跃、体量最大的地区12。与此同时，长三角城市群还具有碳排放规模偏大、碳集聚度偏高的特点。据统计，2019年长三角城市群碳排放总量约为18.4亿吨，占当年中国碳排放总量约21.7%13。在此背景下，系统性探究长三角城市群数字经济影响碳排放绩效的作用机理，对促进长三角地区及类似区域一体化绿色发展具有重要意义。鉴于此，本研究考虑能源强度、绿色技术创新与绿色金融的中介作用，构建数字经济影响碳排放绩效的理论分析框架；选取20112019年长三角城市群27个城市的面板数据，采用熵权法与非期望产出的超效率SBM模型分别测算数字经济发展指数与碳排放效率，并利用双向固定效应模型，从碳减排、碳增效两个维度实证研究数字经济对碳排放绩效的影响及其作用机制。本文的创新之处体现在：（1）选取长三角城市群作为研究对象，从区域空间尺度研究数字经济与碳排放绩效的时空演化特征与逻辑关系，对实现长三角区域一体化发展具有现实意义。（2）从碳减排与碳增效两个维度出发，探讨数字经济与碳排放绩效之间的内在逻辑关系，拓展了城市低碳转型的相关研究。（3）通过理论与实证分析，探索能源强度、绿色技术创新与绿色金融的中介作用机制，丰富了碳排放绩效影响机制的研究。（4）分析城市数字经济发展影响碳排放绩效的异质性，为不同发展水平地区合理扩大数字经济规模、实现高质量可持续发展提供有价值的参考。二二、理论分析与研究假说理论分析与研究假说（一）数字经济对碳排放绩效的直接影响以非排他性与非稀缺性的数据作为核心生产要素，数字经济具有绿色高效的属性，并从以下三个方面改善了城市碳排放绩效。第一，数字经济凭借其强大的技术渗透能力与能源、工业等传统高耗能行业深度融合，推动了生产流程、运营模式的集约化、智能化发展，降低了全生命周期碳排放，为传统行业低碳转型提供新动能14。以占我国碳排放总量40%的能源电力行业为例，在发电侧，新能源企业将大数据分析、AI等数字技术与清洁能源功率预测相结合，以实现对可再生能源的高效利用。据国际能源机构预测，数字技术的应用将大幅降低欧盟的弃风弃光率，至2040年实现三千万吨碳减排。在电网侧，数字技术赋能输配电网智能运行，降低了输配电过程中6%的能源损耗，达2424到节能降碳的效果。在用电侧，基于人工智能、物联网等数字技术，可以建立城市、园区与企业的用电智能化管控体系，实时动态匹配能源生产与负荷需求，实现多种能源梯级利用。第二，数字经济通过赋能数字政府、电子政务建设，提升政府低碳治理能力，进而改善城市碳排放绩效15。随着大数据、云平台等数字技术在政府管理模式、治理方式中的广泛应用，加速了企业碳排放数据在各部门之间的流动，增强了政府对碳排放的监测与管理能力，提高了环境执法效率。江苏省生态环境厅发布的 推进碳达峰碳中和工作计划，计划建立云端高耗能企业碳排放数据库，并构建数字化碳管理体系，以实现对省内碳排放量的实时统计、精准跟踪与及时预警。第三，数字经济有利于引导居民形成绿色消费理念与低碳生活方式，推动城市绿色低碳转型。线上办公、移动支付的兴起，使居民享受到数字经济带来红利的同时，也降低了社会的碳排放总量。此外，“蚂蚁森林”等活动通过记录居民低碳消费，为其颁发数字证书，引导居民选择节能降耗、低碳减排的产品与服务，推动全社会形成节约适度、绿色低碳的生活方式和环保风尚。因此，本文提出如下假说：H1：数字经济发展有利于改善城市碳排放绩效。（二）数字经济对碳排放绩效的间接作用机制第一，数字经济通过降低能源强度来改善城市碳排放绩效。一方面，数字化技术与全产业链深度融合可以促进生产流程自动化与集约化，实现跨工序协同优化，降低生产过程中的能源强度。例如，国家工信部智慧制造试点项目“宝钢1580热轧智能车间”以物联网、云计算等数字技术为基础，通过智慧装备、智慧排程、智慧节能等八大模块的应用，建成中国首个无人车间，大幅提升产线能效，使得工序能耗下降6.5%。另一方面，数字化平台可以打破时空地域限制，帮助企业精准掌握消费需求，实现数据高效流转、资源优化配置，有效缓解产业供需失衡与产能过剩的情况，从而降低产业边际产出成本与能源消耗总量。例如，中国石化充分应用数字技术，创新性打造“易派客”工业品电商平台，催生“互联网+供应链”新业态，有效解决了化工产业资源寻求能力不足的问题，降低行业能源强度，助力化工行业实现低碳转型。第二，数字经济通过绿色技术创新来影响城市碳排放绩效。信息化背景下，大数据渗透技术创新的各个环节，极大促进了技术的溢出效应。因此，技术信息可得性提升，绿色技术创新门槛与成本显著降低，增加了企业进行绿色创新的意愿。此外，绿色技术创新的碳减排效应已被证实16。一方面，绿色技术创新通过常规能源清洁利用、新能源开发等领域的新技术研发来降低碳排放，实现清洁生产；另一方面，绿色技术创新通过碳税、碳交易等行政创新，赋予温室气体排放权以商品属性，从而助力城市低碳转型。第三，数字经济通过赋能绿色金融影响城市碳排放绩效。绿色金融以低碳经济、环境友好为目标，具备较强外部性。而绿色投资的高投入、高风险、信息不对称等特征导致其陷入融资约束的困境17。数字经济的发展改变了这一现状。首先，数字金融平台相较于传统金融体系有着更强的针对性与资本配置效率，其高覆盖范围以及低准入门槛，吸引众多小规模投资者进入绿色金融市场。这不仅分散了绿色投资的风险，也缓解了企业的融资约束。其次，数字技术通过建立风险评估系统，创造透明信息环境，以帮助投融双方精准对接，减少信息不对称，提升绿色金融的融资效率。例如，湖州市“绿信通”综合服务平台通过接入大数据管理中心，整合企业环境行为等级评估、环保行政处罚等信息，实现了精准化、自动化认定评价。绿色金融对碳排放的影响则体现在满足低碳企业融资要求，以低利率促进低碳企业快速扩张等方面18。综合以上分析，本文提出如下假说：H2：数字经济发展通过降低能源强度、促进绿色技术创新与绿色金融发展来改善碳排放绩效。三三、模型与数据模型与数据（一）模型构建由于STIRPAT模型在影响因素的选择上具有良好的可拓展性，被广泛应用于碳排放影响因素的研究中。为验证假说1，本文参考Ren等19的研究，基于STIRPAT模型构建式（1）。Cpit=+Diit+n=1knXit+i+t+it（1）式中，Cp代表碳排放绩效，包括碳排放总量Tce与碳排放效率Cee；Di代表数字经济水平；X代表控制变量。为常数项，和为各影响因素的变动对Green Economy绿色经济绿色经济25252023年第7期WUHANFINANCE碳排放绩效的估计弹性系数，下标i和t分别代表城市与年份；和分别代表城市固定效应与年份固定效应；代表随机误差项。为验证假说2，研究碳排放绩效的中介影响机制，本文参考 Wang 等20的做法，在式（1）拓展的STIRPAT 模型的基础上，建立中介效应递推方程组。具体如下：Cpit=0+0Diit+n=1knXit+i+t+it（2）yit=1+1Diit+n=1knXit+i+t+it（3）Cpit=2+2Diit+yit+n=1knXit+i+t+it（4）式中，y代表中介变量，包括能源强度（Ei）、绿色技术创新水平（Gti）与绿色金融（Gf）；、均为待估系数。（二）变量定义1.被解释变量：碳排放绩效（Cp）碳排放绩效Cp由碳排放总量lnTce与碳排放效率Cee表示。碳排放总量数据来源于CEADs中国碳核算数据库，并作对数化处理。碳排放效率借鉴邓荣荣等5的做法，选用规模不变、产出导向的非期望产出超效率SBM模型估算。具体而言，本文选取资本存量、劳动力、能源消耗作为投入指标，经济增长作为期望产出指标，碳排放量作为非期望产出指标。其中，资本存量运用永续盘存法计算21。劳动力采用地区年末就业人数表示；能源消耗采用地区电力消耗量表示；经济增长用地区生产总值表示。2.解释变量：数字经济水平（Di）G20杭州峰会将数字经济定义为以数据信息为关键生产要素、以现代通信网络为纽带、通过信息通信技术融合应用与全要素数字化转型来推进经济结构优化的新型经济形态。基于上述定义，中国信息通信研究院（CAICT）从信息通讯产业增加值与数字技术融合产业发展两个角度出发，采用增长核算账户框架KLEMS测算了中国数字经济发展水平。然而，数字经济的虚拟性与扩散性，给城市层面数字经济发展水平的核算造成了困难。因此，郭峰等22从数字金融的覆盖广度、使用深度和数字化程度出发，构建了数字普惠金融指数。鉴于直接使用这一指标来衡量城市数字经济发展水平忽略了信息通信基础产业的发展，故本文参考赵涛等23的研究，综合考虑数字金融与信息通信产业发展，构造数字经济水平评价体系。最后，采用熵权法测算长三角城市群数字经济发展程度，各指标权重见表1。表1数字经济评价体系一级指标数字经济水平二级指标互联网普及率互联网行业从业人数互联网相关产出移动互联网用户数数字普惠金融指标描述互联网用户占比计算机与软件从业人员占比人均电信业务总量每百人移动电话用户数中国数字普惠金融指数权重20.495%35.627%15.569%17.545%10.764%指标属性+3.中介变量（1）能源强度（Ei）。反映了能源的综合利用效率，采用全社会用电量与GDP的比值来表示。（2）绿色技术创新（lnGti）。采用绿色专利授权量来衡量，并作对数化处理。世界产权组织（WIPO）发布的国际专利绿色清单（WIPO GREEN）将绿色技术划分为可替代能源生产、交通、节能、废弃物处理、农林业、行政管理与设计、核能七大门类。本文根据绿色技术专利IPC分类号，利用专利数据库进行检索，核算出长三角城市群各城市绿色专利年度授权量数据。（3）绿色金融（Gf）。采用绿色信贷来表示，即绿色节能项目贷款额与社会贷款总额的比值。绿色信贷是我国绿色金融体系中最成熟的产品，通过规制性政策引导企业承担社会环境责任，与绿色金融在本质上具有一致性。4.控制变量（1）产业结构（Ins）。采用第三产业与第二产业比值来表示。第二产业的发展与传统能源的使用密不可分，其碳排放总量远超其他产业。产业结构的优化升级不仅反映了长三角城市群对“两高”项目盲目发展的遏制，还展示了对以低碳、清洁技术为核心的战略性高端产业的积极推进。（2）产业转移（Int）。参考刘满凤等24的研究，采用城市第二产业增加值占全国第二产业增加值比重来表示。传统污染密集型产业向欠发达城市转移的过程中伴随着碳排放总量的转移，同时，承接产业转移的城市也可以通过吸收先进的技术与管理经验，从而在一定程度上提升其碳排放效率。（3）经济水平（lnPgdp）。采用人均GDP来表示，并作对数化处理。经济增长与碳排放之间存在强关2626联性，根据EKC理论，经济发展初期的粗放式增长造成了大量的资源消耗与二氧化碳排放。随着经济进一步增长达到临界点后，自我调节的市场机制会减缓环境的恶化，市场参与者与政府开始重视环境质量，促进碳排放绩效的改善。（4）外商投资（Fdi）。采用实际利用外商投资额与GDP比值来表示。外商投资对碳排放绩效的影响可以从两个方面进行分析：一方面，根据“污染光环”假说，外商投资给东道国带来先进的设备与技术，通过“技术溢出效应”和“竞争效应”提升东道国的整体碳排放效率；另一方面，根据“污染天堂”假说，高污染企业无法满足本国环境标准，会将生产转移到环境标准较低的地区，降低了东道国碳排放效率。（5）环境规制（Er）。采用人均公园绿地面积来表示。根据波特假说，环境规制可以通过增加企业的污染成本，淘汰高污染企业，倒逼剩余企业进行绿色化、高效化转型，进而提升地区碳排放效率。（6）基础设施（lnInf）。采用人均道路面积来表示，并作对数化处理。基础设施的完善有利于促进区域间经济互联互通以提高碳排放绩效，但是基础设施建设初期往往伴随着大量的能源消耗和碳排放。（三）样本与数据说明本文选取20112019年长三角地区27个城市作为研究样本。数据来源于 中国城市统计年鉴、EPS数据库、国家知识产权局专利数据库、北京大学数字研究中心、中国银行业社会责任报告 等。主要变量的描述性统计见表2。表2变量描述性统计变量lnTceCEDiEilnGtiGfInsIntlnPgdpFdiErlnInf变量释义碳排放总量碳排放效率数字经济能源强度绿色技术创新绿色金融产业结构产业转移经济水平外商投资环境规制基础设施样本量243243243243243243243243243243243243均值3.7450.6460.2540.0757.1310.0580.9630.4952.0460.018224.6821.713标准差0.7680.2650.1260.0211.2980.0110.3590.6030.4600.013626.3980.476最小值2.2410.2450.0910.0394.0640.0420.3130.0400.9180.0004.2710.607最大值5.3941.1950.5990.1319.6720.0752.6953.4362.8560.0661121.4590.954四四、实证结果及分析实证结果及分析（一）基准回归结果表3报告了数字经济影响碳排放绩效的线性回归结果。对比（1）和（2）列可以看出，无论是否加入控制变量，数字经济水平与碳排放总量均呈显著负相关关系。这说明数字经济对长三角城市群的碳减排产生了积极的影响。对比（3）和（4）列可以看出，无论是否加入控制变量，数字经济水平与碳排放效率均在1%的显著性水平上正相关。这说明数字经济的发展可以提升碳排放效率，验证了假说1。基准回归结果与Dong等25的结论一致，即数字经济的发展可以促进资源的优化配置，减少不必要的能源与要素损耗，改善城市碳排放绩效。但与Yi等26的研究结论相悖。Yi等26认为数字经济的爆发式增长会强化数字基础设施的建设，进而带来能源消耗与碳排放总量的提升。这种研究结论的差异是研究对象的异质性导致的，长三角地区作为中国数字经济水平最高的地区之一，数字基础设施相较于其他地区更为完备，在提升了碳排放效率的同时也降低了地区碳排放量，可为中国其他城市群及发展中国家推进低碳发展提供思路。表3基准回归结果变量DiInsIntlnPgdpFdiErlnInfConstant时间固定效应个体固定效应R-sqObs(1)lnTce-0.505*(0.267)3.753*(0.055)是是0.441243(2)-0.422*(0.265)-0.153*(0.090)0.021(0.264)0.294*(0.089)1.836(1.482)0.002(0.001)0.172*(0.091)3.236*(0.205)是是0.531243(3)Cee0.652*(0.161)0.619*(0.033)是是0.564243(4)0.541*(0.148)0.232*(0.051)0.281*(0.082)0.274*(0.054)0.755*(0.841)0.001*(0.001)-0.260*(0.051)0.228*(0.116)是是0.674243注：*、*、*分别表示在1%、5%和10%的水平上显著；括号内为稳健标准误值。下表同。Green Economy绿色经济绿色经济27272023年第7期WUHANFINANCE从控制变量来看，产业结构优化在10%的显著性水平上促进了碳减排，在1%的显著性水平上促进了碳排放效率的提升。这是因为，与第二产业相比，第三产业具有更高的碳排放效率。产业转移对碳减排的作用不显著，在1%的显著性水平上促进了碳增效。一方面，嘉兴、盐城、南通等主要产业转入城市技术水平与管理水平相对较低，能源密集产业的转入导致了较高的碳排放量；另一方面，长三角城市群内的转移产业多以计算机、通信等技术密集型企业为主，这有利于转入城市引入新技术、优化内部组织结构、提升管理水平，最终提升碳排放效率。经济增长与碳排放总量和效率的相关系数均在1%的水平上显著为正，说明长三角城市群的经济增长虽然促进了碳排放效率的提升，却没有实现与碳排放量的完全脱钩。外商投资与碳排放总量的相关系数不显著，与碳排放效率的相关系数均在1%的水平上显著为正，说明长三角城市群注重引资结构优化，支持高效率、环保型外商投资，“污染光环”假说比“污染天堂”假说更具有适用性。环境规制在5%的水平上显著促进了碳排放效率的提升，对碳减排的作用不显著，说明相关环境政策的重心更多地倾向于保障经济平稳运行、提升碳排放效率，而非盲目追求碳减排。基础设施在10%的显著性水平上促进了碳排放量的提升，在1%的显著性水平上降低了碳排放效率。可能的原因是，我国每年为农村基础设施投入大量资金，这些投资短时间内无法带来碳排放效率的提升。（二）稳健性检验1.更换被解释变量本文采用夜间灯光DN值数据估算长三角城市群碳排放总量，并进一步计算碳排放效率。由于中国缺乏城市尺度能源平衡表数据，这为地级市的碳排放核算带来困难。而Lv等27已证明利用夜间灯光数据估算人类活动碳排放的可行性。本文参考吕倩等28的研究，利用基于省级能源平衡表计算的碳排放数据与NPP-VIIRS夜间灯光数据，建立式（5）碳排放量Tce与夜间灯光DN值的拟合方程。Tce=0.0252DN+5115.1（5）由图1拟合结果可以看出，拟合优度为0.843，碳排放总量与夜间灯光DN值之间存在正向线性相关关系。因此，本文可以利用市级夜间灯光DN值来估算长三角城市群的碳排放量。图1实际碳排放量与基于DN值碳排放估计量的相关性表4展示了基于夜间灯光数据估算的碳排放绩效与数字经济的回归结果。（1）列中数字经济系数在10%的水平上显著为负，（2）列中数字经济系数在1%的水平上显著为正，说明长三角城市群数字经济的发展可以通过碳减排、碳增效来改善碳排放绩效，验证了基准回归的稳健性。2.剔除直辖市与省会城市为避免城市的特殊性造成回归结果偏误，本文在剔除直辖市与省会城市后重新进行分析。从部分省会城市在发展规划中对“城市首位度”的强调可以看出，省会城市相较于普通城市具备政策、资源与人口密集等方面的优势，存在极端性。因此，数字经济发展对碳排放绩效的影响也可能存在异质性。从表4的结果可以看出，剔除直辖市与省会城市后，数字经济的系数在（3）列中显著为负，在（4）列中显著为正，说明长三角城市群数字经济的发展确实有利于碳排放绩效的改善，排除了城市特殊性导致的结果偏差。表4稳健性检验（一）变量Di控制变量Constant时间固定效应个体固定效应R-sqObs(1)替换被解释变量lnTce-1.205*(1.045)是6.415*(0.026)是是0.483243(2)Cee0.698*(0.946)是-0.269*(0.137)是是0.733243(3)剔除省会城市lnTce-0.639*(0.447)是2.735*(0.024)是是0.581243(4)Cee0.412*(0.293)是0.412*(0.121)是是0.64324328283.工具变量法为避免遗漏变量、互为因果等原因造成内生性问题。本文参考刘传明等29的思路，通过构造城市地形起伏度与上一年长三角城市群互联网用户数的交互项作为数字经济的工具变量。一方面，地形起伏度反映的是城市海拔的标准差，标准差越大，当地地形越复杂，数字基础设施的建设维护成本越高，进而影响当地数字经济发展水平，符合工具变量相关性要求；另一方面，地形起伏度是一个城市客观存在的地理特征，难以影响地区碳排放规模与效率，符合工具变量外生性要求。此外，考虑到地形起伏度是截面数据，无法将其作为工具变量直接用于面板数据的固定效应分析。因此，本文借鉴赵涛等23的处理方法，构造城市地形起伏度（仅与个体相关）与上一年长三角城市群互联网用户数（与时间相关）的交互项作为数字经济的工具变量。根据表5的（1）和（2）列，当因变量为碳排放总量时，数字经济水平系数在10%的水平上显著为负；当因变量为碳排放效率时，数字经济水平系数在1%的水平上显著为正。工具变量法的估计结果表明，在考虑内生性后，数字经济对碳排放绩效的改善效应依旧成立。此外，Kleibergen-Paap rk的LM统计量均显著，且 Wald F 统计量大于 10%的水平临界值，分别拒绝了工具变量识别不足与弱工具变量的原假设，证明了本文工具变量的合理性。4.动态面板回归除工具变量法以外，动态面板模型也广泛运用于解决内生性问题。本文选取系统GMM模型，分别引入碳排放总量与碳排放效率的一阶滞后项进行回归。由表5（3）和（4）列可以看出，AR（2）与Hansen检验的p值均大于0.1，接受了模型扰动项不存在二阶自相关以及工具变量有效的原假设。其中，数字经济系数在（3）列中显著为负，在（4）列中显著为正，说明经过滞后一期处理后，数字经济的碳减排、碳增效效应依然稳健，验证了基准回归的稳健性。此外，碳排放总量具有明显的时间滞后效应，即前一时间段的碳排放总量将正向影响后一段时间的碳排放总量，这意味着碳减排是需要长期坚持推进的工作。碳排放效率同样具有时间滞后效应，说明长三角地区的碳排放效率还有很大的提升空间。表5稳健性检验（二）变量DiL.lnTceL.Cee控制变量个体固定效应时间固定效应ConsKleibergen-Paaprk LM statisticKleibergen-PaapWald F statisticAR(2)检验Hansen检验R-sqObs(1)工具变量法lnTce-1.304*(1.691)是是是2.472*(0.231)21.0210.00030.12616.380.462243(2)Cee0.841*(0.465)是是是0.217*(0.079)21.1360.00028.78516.380.636243(3)动态面板lnTce-0.347*(0.253)0.893*(0.053)是是是0.292*(0.147)-1.430.17221.260.342243(4)Cee0.279*(0.116)0.849*(0.086)是是是0.065(0.032)1.120.28920.370.441243注：内为p值，内为Stock-Yogo弱识别检验10%水平上的临界值。（三）中介效应分析根据假说2，数字经济可以通过降低能源强度，促进绿色技术创新以及绿色金融发展对城市碳排放绩效产生间接影响。为了验证这一假说，本文采用中介效应递推方程组进行检验。1.能源强度的中介效应表6（1）至（3）列显示了以碳排放量为被解释变量、能源强度为中介变量的估计结果。（1）列为本文基准回归结果。（2）列为式（3）的回归结果，检验了数字经济发展对能源强度的影响。其中，数字经济的系数显著为负，说明数字经济的发展对能源强度产生负向作用。（3）列为式（4）的回归结果，检验分离能源强度的间接效应后，数字经济对碳排放总量的直接效应。其中，数字经济系数显著为负，从-0.422上升至-0.397，能源强度系数显著为正，说明数字经济可以通过降低能源强度来减少城市碳排放总量。（4）至（6）列显示了以碳排放效率为因变量的估计结果。（6）列中数字经济系数显著为正，从0.541下降至0.427，能源强度系数显著为负，说明数字经济可以通过降低能源强度来提升碳排放效率。Green Economy绿色经济绿色经济29292023年第7期WUHANFINANCE表6能源强度中介效应检验变量DiEi控制变量个体固定效应时间固定效应ConsR-sqObs(1)lnTce-0.422*(0.265)是是是3.236*(0.205)0.531243(2)Ei-0.021*(0.015)是是是-2.372*(0.037)0.583243(3)lnTce-0.397*(0.269)1.190*(1.603)是是是2.806*(0.239)0.549243(4)Cee0.541*(0.148)是是是0.228*(0.116)0.674243(5)Ei-0.021*(0.015)是是是-2.372*(0.037)0.583243(6)Cee0.427*(0.139)-5.429*(0.872)是是是0.769*(0.132)0.6922432.绿色技术创新的中介效应表7列出了以绿色技术创新为中介变量的逐步回归结果。（2）和（5）列显示，数字经济系数在1%的水平上显著为正，说明数字经济对绿色技术创新有正向影响。由（3）列可以看出，加入绿色技术创新后，数字经济系数仍然显著，并从-0.422 上升至-0.336，绿色技术创新系数显著为负，说明绿色技术创新充当了数字经济与碳减排之间的关键纽带。由（6）列可以看出，当同时考虑数字经济与绿色技术创新对碳排放效率的影响时，数字经济系数显著为正，并从0.541降至0.359，绿色技术创新系数显著为正，说明数字经济可以通过加强绿色技术创新来间接提升碳排放效率。表7绿色技术创新中介效应检验变量DilnGti控制变量个体固定效应时间固定效应ConsR-sqObs(1)lnTce-0.422*(0.265)是是是3.236*(0.205)0.531243(2)lnGti0.343*(0.419)是是是4.716*(0.352)0.827243(3)lnTce-0.336*(0.297)-0.251*(0.041)是是是3.372*(0.214)0.531243(4)Cee0.541*(0.148)是是是0.228*(0.116)0.674243(5)lnGti0.343*(0.419)是是是4.716*(0.352)0.827243(6)Cee0.359*(0.155)0.531*(0.042)是是是0.394*(0.147)0.6762433.绿色金融的中介效应表8列出了以绿色金融为中介变量的逐步回归结果。从（1）至（3）列可以看出，数字经济发展对绿色信贷有积极作用，并通过绿色信贷间接降低了碳排放总量。从（4）至（6）列可以看出，数字经济通过绿色信贷提升碳排放效率的传导机制存在。综上，假说2得到验证。表8绿色金融中介效应检验变量DiGf控制变量个体固定效应时间固定效应ConsR-sqObs(1)lnTce-0.422*(0.265)是是是3.236*(0.205)0.531243(2)Gf0.165*(0.014)是是是0.022*(0.004)0.451243(3)lnTce-0.349*(0.271)-0.442*(0.153)是是是3.691*(0.062)0.537243(4)Cee0.541*(0.148)是是是0.228*(0.116)0.674243(5)Gf0.165*(0.014)是是是0.022*(0.004)0.451243(6)Cee0.392*(0.149)0.903*(0.917)是是是0.347*(0.192)0.650243（四）异质性分析由于长三角城市群各城市之间发展阶段、资源禀赋、经济结构等因素存在差异，数字经济发展水平对碳排放总量及其效率的影响可能存在异质性。因此，本文参考Wang等30的研究，计算长三角城市群各城市数字经济指数的平均值，将其由小到大进行排序，以中位数为界限，将高于中位数的城市列为高技术区，将不高于中位数的城市列为低技术区（高排放区与低排放区以同样的方式划分），并分别就各区域进行回归分析，结果如表9所示。表9异质性分析变量Di控制变量个体固定效应时间固定效应ConsR-sqObs(1)低技术区lnTce0.461(0.783)是是是3.429*(0.107)0.223126(2)Cee0.284*(0.271)是是是0.613*(0.035)0.653126(3)高技术区lnTce-0.586*(0.273)是是是4.175*(0.073)0.417117(4)Cee0.529*(0.256)是是是0.713*(0.070)0.682117(5)低排放区lnTce0.436(0.429)是是是3.582*(0.092)0.273126(6)Cee0.392*(0.209)是是是0.613*(0.053)0.572126(7)高排放区lnTce-0.539*(0.315)是是是4.729(0.059)0.627117(8)Cee0.673*(0.291)是是是0.625*(0.063)0.7121173030对比表9中的低技术区与高技术区可以看出，因变量为碳排放总量时，数字经济的系数在低技术区中不显著，在高技术区中显著为负。由此可见，数字经济发展对低技术区碳减排效应不明显，但对高技术区具有显著的碳减排效应。可能的原因是，以上海、杭州、苏州为代表的高技术区数字基础设施较为完善，吸引信息技术产业集群发展。随着数字经济与传统产业的融合，低碳节能技术迅速扩散，生产模式由粗放型走向绿色集约型，降低了碳排放总量。相比较而言，以安徽、江苏北部为代表的低技术区城市数字经济起步较晚、规模偏低，碳减排效应不明显；并且低技术区数字基础设施建设落后，在推进基础设施建设的过程中，也会带来碳排放，削弱了数字经济的碳减排效应。此外，当因变量为碳排放效率时，无论是低技术区还是高技术区，数字经济的系数均显著为正，且高技术区系数更大，说明数字经济的发展对碳排放的增效作用具有普遍性，并且对高技术区的影响更强。根据麦特卡夫定律与网络效应，网络价值与用户数的平方成正比，呈现边际效应递增特征。随着高技术区越来越多的企业完成数字化改造，部门间联动的边际成本大幅下降，这使他们在更大范围享受到数字经济的碳增效红利。因此，高技术区碳增效效应高于低技术区，存在边际效应递增特征。对比表9中的低排放区与高排放区可以看出，因变量为碳排放总量时，低排放区数字经济系数不显著，高排放区数字经济系数显著为负。这是因为：部分低排放区城市自身秉持绿色低碳的发展模式，如扬州、舟山等，其碳排放总量基数较低，数字经济的碳减排效应不明显；还有部分低排放城市数字经济水平较低，如宣城、滁州等，其数字基础设施建设带来的碳排放效应与数字经济的碳减排效应相互抵消；而高排放地区往往也是高技术区，如苏州、上海等，数字技术与全产业深度融合，数字经济的碳减排效应被充分发挥。当因变量为碳排放效率时，无论在低排放区还是高排放区，数字经济的系数均显著为正。这表明，数字经济对不同水平碳排放量地区的碳排放效率均具有推进作用，数字经济的碳增效效应具有普遍性，与上文结论相符。综上所述，数字经济的碳减排效应仅在高技术区、高排放区显著；其碳增效效应具有普遍性，并对高技术区作用更强。五五、结论与建议结论与建议（一）结论本研究基于20112019年长三角城市群的面板数据，采用熵权法与非期望产出的超效率SBM模型分别评价数字经济发展水平与碳排放效率，构建双固定效应模型与中介效应模型从碳减排、碳增效两个维度实证研究了数字经济对碳排放绩效的影响及其作用机制。主要结论如