摘要：基于2013—2021年30個省份的面板數(shù)據(jù)對我國數(shù)字經濟發(fā)展與區(qū)域碳排放的內在關聯(lián)進行研究，發(fā)現(xiàn)： 數(shù)字經濟發(fā)展對區(qū)域碳排放存在抑制效應，并且在穩(wěn)健性檢驗與異質性檢驗后該結論依然成立。從資源配置效率視角綜合考慮經濟效率與生態(tài)效率，利用SBM模型GML指數(shù)法構建中介變量，結果顯示提升資源配置效率是數(shù)字經濟發(fā)展抑制碳排放的潛在機制之一?？紤]到區(qū)域數(shù)字經濟發(fā)展狀況各異，采用面板雙門檻模型對樣本數(shù)據(jù)進行差異性研究，結果表明：在數(shù)字經濟發(fā)展水平相對落后但能源稟賦較為優(yōu)越的中西部地區(qū)，數(shù)字經濟發(fā)展對碳排放的抑制效果更加顯著。

關鍵詞：數(shù)字經濟；資源配置；SBM-GML；碳排放

中圖分類號：F49

文獻標識碼：A

DOI：10.12186/2024.05.007

文章編號：2096-9864（2024）05-0056-09

改革開放40多年來，我國經濟飛速發(fā)展，人民整體生活水平大幅提升，但經濟發(fā)展初期以高污染、高能耗為代價的經濟增長方式偏離了可持續(xù)發(fā)展理念。作為碳排放大國，中國在巴黎協(xié)定中提出“3060”雙碳目標，以期推動構建可持續(xù)發(fā)展的人類命運共同體?；诖吮尘埃袊啻螐娬{以綠色創(chuàng)新為核心驅動高質量發(fā)展，這明確預示著中國未來的經濟發(fā)展將加速邁向綠色與低碳。

為深入推進黨的十九大提出的供給側結構性改革，國內多個省市以全要素生產率作為衡量經濟發(fā)展效率的重要指標［1］，堅持質量和效率優(yōu)先，逐步實施推動經濟轉型的政策。然而，在推動綠色發(fā)展、促進人與自然和諧共生的內在要求下，如何平衡經濟發(fā)展和生態(tài)環(huán)境成為一個新問題。

《中國數(shù)字經濟發(fā)展白皮書2020》［2］指出，截至2020年，中國數(shù)字經濟規(guī)模已達39.2萬億元，數(shù)字經濟貢獻了超過38%的國民生產總值，且增速大幅領先總體GDP。這說明高速發(fā)展的數(shù)字經濟已成為當下我國經濟增長的新動能和新支點［3］。與此同時，數(shù)字技術衍生的互聯(lián)網生態(tài)經濟與實體經濟融合，為綠色循環(huán)經濟注入了持續(xù)的活力、創(chuàng)新力和競爭力。

在追求高質量發(fā)展的過程中，數(shù)字經濟的發(fā)展為實現(xiàn)“雙碳”目標提供了重要動力，數(shù)字經濟發(fā)展是否有助于促進區(qū)域碳排放的減少？在數(shù)字經濟日益興盛、經濟發(fā)展質量日趨提高的情形下，數(shù)字經濟助力實現(xiàn)“雙碳”目標的潛在機制如何？在我國東部、中部和西部地區(qū)之間數(shù)字經濟發(fā)展存在巨大差異的客觀事實下，數(shù)字經濟在促進區(qū)域碳排放減少的過程中是否存在門檻效應？

針對這些問題，本文擬利用2013—2021年30個省份的省級面板數(shù)據(jù)檢驗數(shù)字經濟發(fā)展對碳排放的抑制作用，并通過機制分析為數(shù)字經濟發(fā)展促進資源配置優(yōu)化，進而助力實現(xiàn)“雙碳”目標提供有力支撐。

一、文獻綜述與研究假設

近年來，數(shù)字經濟的發(fā)展引起了學術界的廣泛關注，學者們探討了數(shù)字經濟發(fā)展的經濟效益，發(fā)現(xiàn)并驗證了其在區(qū)域創(chuàng)新、產業(yè)結構轉型和經濟增長等方面存在正向推動作用［4］。然而，當前側重于數(shù)字經濟環(huán)境效益，尤其針對“雙碳”目標的研究還相對較少，因此，綜合考慮數(shù)字經濟發(fā)展的經濟效益和環(huán)境效益顯得愈發(fā)重要。

在數(shù)字經濟驅動高質量發(fā)展的背景下，本文采取荊文君等［5］提出的從微觀、中觀、宏觀三個層面研究數(shù)字經濟促進經濟高質量發(fā)展的思考框架分析現(xiàn)有研究成果。

在微觀層面上，企業(yè)的數(shù)字化轉型有助于改善人力資本結構，增強企業(yè)的技術創(chuàng)新能力［6］，企業(yè)通過數(shù)字技術實現(xiàn)生產和管理方式的精細化與智能化，同時，數(shù)字技術的應用和數(shù)據(jù)要素的投入提高了企業(yè)的資源配置效率，使其在相同產出條件下能夠實現(xiàn)更低的成本投入，最終獲得降本增效的結果［7］。這表明，一方面，企業(yè)在環(huán)保投入上擁有了更大的資源空間，從而激勵企業(yè)承擔更多的社會責任與環(huán)境責任；另一方面，在數(shù)字經濟的推動下，電子商務等新興產業(yè)持續(xù)展現(xiàn)出明顯的規(guī)模經濟效應和范圍經濟效應，部分領軍企業(yè)衍生出“馬太效應”，匯聚了行業(yè)內更多的優(yōu)質資源，構筑起堅實的競爭壁壘［8］。“馬太效應”引起的競爭態(tài)勢，有利于促進行業(yè)規(guī)范的確立和完善，這不僅為行業(yè)在承擔環(huán)境責任方面樹立了典范，同時也減輕了政府在環(huán)保層面對企業(yè)和行業(yè)的監(jiān)督壓力，推動了行業(yè)的健康可持續(xù)發(fā)展。

在中觀層面上，數(shù)字經濟融合互聯(lián)網、大數(shù)據(jù)、區(qū)塊鏈等技術，從數(shù)字產業(yè)化和產業(yè)數(shù)字化兩個渠道推動實現(xiàn)了產業(yè)轉型和升級［9］。A.Goldfarb等［10］研究發(fā)現(xiàn)，數(shù)字經濟中區(qū)塊鏈等技術的發(fā)展降低了檢索、復制、傳輸、跟蹤和驗證成本，數(shù)字技術的應用有利于增加市場透明度，并通過削弱信息的不對稱性來完善價格匹配機制。基于價格匹配機制的市場會逐漸淘汰具有競爭劣勢的企業(yè)和行業(yè)，即淘汰低效率、高成本和高污染的企業(yè)或行業(yè)，進而形成環(huán)境效益更為友好的發(fā)展格局［11］。同時，數(shù)字技術驅動的交易平臺確保了暢通的輿論反饋機制，極大地提升了資本市場對相關企業(yè)和行業(yè)的社會監(jiān)督效率。綜合前述分析，數(shù)字經濟的發(fā)展促進了市場的充分競爭，有效減少了資本市場的資源錯配，進而篩選出環(huán)境效益更為突出的企業(yè)和行業(yè)，實現(xiàn)了抑制碳排放的目的。

在宏觀層面上，王宏鳴等［12］引入數(shù)據(jù)作為新的投入要素，揭示了數(shù)字經濟的發(fā)展如何加速區(qū)域研發(fā)資本流動、減少創(chuàng)新要素錯配［13］。周曉輝等［14］和劉維林等［15］則更關注數(shù)字經濟的綠色價值，從要素配置效率的角度探討了數(shù)字經濟如何對綠色全要素生產率產生積極影響，并深入分析了數(shù)字經濟與高質量發(fā)展之間的正向關系。此外，伴隨著數(shù)字科技的滲透與數(shù)據(jù)資源的流通，區(qū)域勞動力的資源配置效率也獲得了顯著提升［16］。這些研究都表明數(shù)字經濟在推動創(chuàng)新、優(yōu)化資源配置和促進綠色發(fā)展方面具有重要作用。

數(shù)字技術與傳統(tǒng)產業(yè)的深度融合加速實現(xiàn)了生產自動化與智能化，進而提高設備的能源效率，降低生產過程中的碳排放。此外，傳統(tǒng)產業(yè)通過數(shù)據(jù)驅動決策、數(shù)字化供應鏈管理提升傳統(tǒng)企業(yè)供應鏈的透明度和協(xié)同效率，加快了要素結構調整，促進了能源節(jié)約和碳減排［17］。

關于數(shù)字經濟與碳排放之間作用機制的研究成果較為豐富，其中產業(yè)結構、能源結構、環(huán)境規(guī)制、技術創(chuàng)新一直是研究的熱點，但資源配置效率的傳導路徑等還未受到應有的關注。結合前文論述，數(shù)字經濟發(fā)展過程中往往伴隨著資源配置的優(yōu)化，本文在參考游達明等［18］和張子珍等［19］的研究基礎上，為規(guī)避投入和產出項的單位影響，并全面考慮所有非效率的因素，采用松弛測度的非徑向-非角度SBM（Slacks＼|Based Measure）模型［20］和GML（Global＼|Malmquist＼|Luenberger）指數(shù)［21］計算資源配置效率指標，并將資源配置效率納入數(shù)字經濟影響碳排放的機制研究。綜上提出以下假設：

假設1：數(shù)字經濟發(fā)展對碳排放存在顯著抑制作用。

假設2：優(yōu)化資源配置是數(shù)字經濟影響碳排放的潛在傳導機制之一。

學界關于數(shù)字經濟對碳排放影響異質性的研究成果頗豐，研究視角多集中于時間和空間兩個維度。在時間維度方面，繆陸軍等［22］、金飛等［23］的研究驗證了數(shù)字經濟對碳排放存在顯著的先促進后抑制的倒“U”型非線性特征，且該效應在不同區(qū)域間存在顯著的差異性，即數(shù)字經濟同樣存在空間維度的異質性。有研究者從空間維度具體分析了數(shù)字經濟的發(fā)展態(tài)勢，并指出數(shù)字經濟的發(fā)展格局從“多點式”零星分布向“組團式”聚集形態(tài)轉變［24］。考慮到我國數(shù)字經濟發(fā)展水平表現(xiàn)出東部高中西部低的特征，數(shù)字經濟對碳排放的影響效應是否同步呈現(xiàn)相似的結果引起了不同學者的關注。一部分學者認為數(shù)字經濟對碳排放的抑制效應在中西部地區(qū)與碳排放強度較高的地區(qū)表現(xiàn)更為明顯［25］，另一部分學者則認為東部地區(qū)的數(shù)字經濟對碳排放的負向邊際效應更強［26］。根據(jù)不同區(qū)域的數(shù)字經濟發(fā)展面臨著巨大分異的客觀狀況，本文提出如下假設：

假設3：數(shù)字經濟發(fā)展對碳排放的抑制作用存在門檻效應。

二、模型構建與變量說明

1.模型構建

本文利用2013—2021年30個省份的省級面板數(shù)據(jù)驗證數(shù)字經濟對碳排放的影響效應，設定基準模型如下：

Ce it=α 0+α 1Dige it+α 2X it+μ i+v t+ε it

①

其中，i代表地區(qū)，t代表年份，Ce it代表碳排放（千萬噸），Dige it代表數(shù)字經濟發(fā)展水平，X it代表控制變量，

μ i為區(qū)域固定效應，v t為時間固定效應，ε it為隨機干擾項。

參照王立猛等［27］、王勇等［28］對碳排放的研究，本文控制變量的選取基于經典STIRPAT模型，其有效揭示了經濟驅動因素與環(huán)境變化之間的關系，所選控制變量涉及區(qū)域人口規(guī)模、城鎮(zhèn)化水平、產業(yè)發(fā)展結構、對外開放程度、政府關注度5個維度。此外，本文通過對變量取對數(shù)的形式以緩解異方差與變量間量綱差距的問題。

為檢驗資源配置效率對數(shù)字經濟的傳導作用，本文基于SBM-GML方法測算資源配置效率并將其作為中介變量。另外，參照溫忠麟等［29］的研究構建了三階段中介效應模型，其中Era it代表資源配置效率，公式如下：

Era it=β 0+β 1Dige it+β 2X it+μ i+v t+ε it

②

Ce it=γ 0+γ 1Dige it+γ 2Era it+γ 3X it+μ i+v t+ε it

③

為比較不同的數(shù)字經濟發(fā)展水平對碳排放抑制效果的差異，本文利用面板雙門檻效應模型對樣本數(shù)據(jù)進行研究，構建模型如下：

Ce it=δ 0X it+δ 1Dige itI（Dige it<θ 1）+

δ 2Dige itI（θ 1≤Dige it≤

θ 2）+δ 3Dige itI（θ 2<Dige it）+μ i+v t+ε it

④

其中，I（·）為示性函數(shù)，θ 1<θ 2。

2.變量說明

（1）數(shù)字經濟發(fā)展指數(shù)評價體系構建

關于數(shù)字經濟概念的界定，從狹義層面上來看，生產與消費過程中涉及數(shù)字技術應用與數(shù)據(jù)要素驅動的產品或服務均屬于數(shù)字經濟的范疇。從廣義視角上來說，數(shù)字經濟是將數(shù)據(jù)作為關鍵要素，引導資源的配置優(yōu)化與再生，推動生產力發(fā)展的經濟形態(tài)［30］。

結合相關學者的觀點與本文的研究主題，對數(shù)字經濟作如下界定：以數(shù)據(jù)為核心驅動要素，依靠網絡通信基礎設施，應用數(shù)字技術助力資源配置優(yōu)化、引導產業(yè)融合創(chuàng)新發(fā)展，持續(xù)提升經濟社會治理數(shù)字化、智能化水平的新型經濟發(fā)展模式。

針對省級層面數(shù)字經濟發(fā)展指數(shù)的測算，本文在借鑒趙濤等［31］、萬曉榆等［32］研究的基礎上，從數(shù)字產業(yè)化和產業(yè)數(shù)字化兩個維度出發(fā)，選取數(shù)字用戶基礎、數(shù)字產業(yè)融合發(fā)展、數(shù)字創(chuàng)新活力和數(shù)字普惠金融［33］4個層面構建指標體系并采用熵值法計算數(shù)字經濟發(fā)展指數(shù)，具體指標體系見表1。

（2）中介變量測度

本文基于全局參比的數(shù)據(jù)包絡分析框架，利用非徑向SBM模型并結合GML指數(shù)計算包含非期望產出的投入產出效率值，進而實現(xiàn)對資源配置效率的測度，變量選取包括勞動力（萬人）、固定資產（億元）、能源（萬噸），期望產出為GDP（億元），非期望產出變量為工業(yè)二氧化硫（萬噸）、廢水（萬噸）、一般工業(yè)廢棄物（萬噸），其中固定資產估算參照張軍等［34］的方法以2000年為物質資本存量基期。因為GML指數(shù)為全局環(huán)比數(shù)據(jù)，所以本文設定基期的資源配置效率為1，將各年度的GML值累乘，最終獲得各城市的年份資源配置效率值。使用的測算軟件為Dearun 3.1。

3.控制變量選擇

參照已有研究，在保證有限內生性與多重共線性的基礎上，本文選擇如下控制變量：人口規(guī)模（千萬人），以區(qū)域年末人口總數(shù)來表示；城鎮(zhèn)化水平，以非農業(yè)人口占比表示；產業(yè)結構，以第三產業(yè)產值與第二產業(yè)產值比表示；對外開放程度，以外商直接投資水平表示（外商直接投資水平=外商直接投資（萬元）/GDP（億元）/10 000）；政府關注度，以地方財政支出占比表示。

4.數(shù)據(jù)來源

鑒于數(shù)據(jù)可得性，本文選取30個?。ú话ǜ?、澳、臺、西藏）2013—2021年的面板數(shù)據(jù)為樣本，其中碳排放數(shù)據(jù)來源于中國碳核算數(shù)據(jù)庫（CEADs）。控制變量和數(shù)字經濟指標的相關數(shù)據(jù)主要來源于國家統(tǒng)計局、《中國城市統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》和中經網數(shù)據(jù)庫。部分缺失數(shù)據(jù)采用線性插補法補齊。主要變量的描述性統(tǒng)計結果見表2。

三、實證結果和分析

1.基準回歸

本文首先考察數(shù)字經濟發(fā)展是否對區(qū)域的碳排放存在抑制作用，基準回歸結果見表3。

由表3可知，核心解釋變量對碳排放量的回歸結果均顯著為負，以（3）列的回歸結果為例，數(shù)字經濟發(fā)展指數(shù)每增加1%，就會促使碳排放量平均減少7.95%，這說明數(shù)字經濟的發(fā)展在一定程度上抑制了區(qū)域碳排放的增長，從而印證了假設1。

在控制雙向固定效應后，樣本數(shù)據(jù)回歸結果顯示人口規(guī)模的系數(shù)為正，且在10%水平上顯著，表明人口數(shù)量與區(qū)域碳排放間存在顯著正相關。城鎮(zhèn)化水平、產業(yè)結構、政府關注度、對外開放程度的系數(shù)分別為6.240、3.891、-2.442、0.266，盡管系數(shù)在統(tǒng)計檢驗方面并不顯著，但系數(shù)的符號符合經濟意義，如城鎮(zhèn)化水平、產業(yè)結構、對外開放程度對碳排放均顯示出正向推動作用，結合當下我國許多城市處于加速城鎮(zhèn)化進程、調整產業(yè)結構的發(fā)展背景，上述控制變量的正向邊際效應符合環(huán)境庫茲涅茨曲線，即在經濟發(fā)展初期各控制變量與碳排放呈現(xiàn)協(xié)同增長趨勢。政府關注度對碳排放存在負向邊際效應，表明政府支出占比越高，用于公共政策的資源越多，環(huán)境規(guī)制的效果也就越好。

2.穩(wěn)健性檢驗

替換被解釋變量，以碳排放強度（碳排放總量與國內生產總值的比值）作為被解釋變量進行穩(wěn)健性檢驗，檢驗結果見表4。由表4（1）列的結果可知，在替換被解釋變量后，數(shù)字經濟發(fā)展指數(shù)的回歸系數(shù)在1%水平上顯著為負。這表明，即使在替換被解釋變量的情況下，數(shù)字經濟抑制碳排放的結論依然成立。

替換核心解釋變量，表4（2）列展示了以主成分法構建的數(shù)字經濟發(fā)展指標作為核心變量的回歸結果，可見數(shù)字經濟發(fā)展指數(shù)仍然在10%的水平上顯著。

加入可能遺漏變量，環(huán)境規(guī)制政策對區(qū)域碳排放存在限制作用，一方面環(huán)境規(guī)制限制了碳排放總量，另一方面環(huán)境規(guī)制間接加速了產業(yè)轉型。因此，將環(huán)境規(guī)制當作可能遺漏變量納入穩(wěn)健性檢驗。其中，基于我國各省份的“三廢”排放量并使用熵值法計算得出環(huán)境規(guī)制指數(shù)。表4（3）列顯示，核心解釋變量在加入可能遺漏變量后依然顯著。

對控制變量進行縮尾處理：對所有的控制變量進行上下1%的雙邊縮尾處理，減少控制變量中的異常值。控制變量縮尾的回歸結果見表4（4）列，可知數(shù)字經濟發(fā)展指數(shù)的回歸系數(shù)仍然顯著為負。

綜上所述，數(shù)字經濟發(fā)展對碳排放的抑制作用存在穩(wěn)健性。

3.異質性檢驗

基準回歸結果表明數(shù)字經濟發(fā)展總體上有利于抑制區(qū)域碳排放，那么這種抑制效應在不同區(qū)域間是否具有普適性呢？ 國內資源輸出、能源密集型產業(yè)多集中于東北與中西部省份，如東北老工業(yè)區(qū)的黑吉遼、淮河工業(yè)帶的安徽和煤炭輸出大省山西。中部地區(qū)的工業(yè)基地以加工生產為主，西部地區(qū)則以資源輸出為主，而東部地區(qū)則聚集了大量的高新技術產業(yè)和對外貿易產業(yè)。針對區(qū)域經濟存在顯著差異的特點，本文依照國家行政區(qū)劃對東部、中部、西部進行劃分，采用面板數(shù)據(jù)變系數(shù)模型進一步探索數(shù)字經濟對碳排放抑制效應的區(qū)域異質性。區(qū)域異質性檢驗結果見表5，其中“1”代表東部，“2”代表中部，“3”代表西部，結果顯示數(shù)字經濟發(fā)展對東中西部地區(qū)的碳排放均有抑制作用，并且中西部的抑制效應顯著于東部地區(qū)。

相較于東部沿海省份，中西部地區(qū)大多屬于資源輸出基地，其經濟對于傳統(tǒng)資源如煤炭、石油、天然氣的依賴度較高。相關研究發(fā)現(xiàn)全要素能源效率在能源稟賦相對豐裕的地區(qū)反而比較低，而導致這一現(xiàn)象的重要原因在于市場分割造成的地區(qū)間資源配置的扭曲阻礙了規(guī)模經濟的形成。因此，加快市場化改革，提高市場配置資源的比重，強化政府對能源資源配置的監(jiān)管是改善中國當前能源效率偏低的重要手段［35］。數(shù)字經濟發(fā)展過程中不斷流動的數(shù)據(jù)資源幫助打破了市場信息的不對稱性，尤其在區(qū)塊鏈等相關技術的加持下，要素配置過程變得更加透明［36］，能夠推動能源要素配置效率的提升，從而對降低碳排放產生積極影響。

除區(qū)域差異外，本文還探討了數(shù)字經濟在不同碳排放量下抑制作用的強度差異。為此，采用分位數(shù)回歸分析法探究數(shù)字經濟在不同碳排放量水平下對碳排放的抑制作用。本文選取0.3、0.5、 0.7和0.9這4個分位數(shù)水平，回歸結果見表6，整體而言，碳排放量越大，數(shù)字經濟對其抑制的作用也越大。

四、進一步研究

1.中介效應檢驗

為進一步探究數(shù)字經濟發(fā)展對碳排放的抑制效應，本文在前文理論分析的基礎上將資源配置效率作為中介變量，采用傳統(tǒng)中介效應三步法進行檢驗分析。中介效應回歸結果見表7。由表7可知，數(shù)字經濟發(fā)展指數(shù)對資源配置效率的回歸系數(shù)為0.087且通過了5%水平下的顯著性檢驗，說明數(shù)字經濟發(fā)展對資源配置效率存在正向邊際效應，一定程度上驗證了數(shù)字經濟發(fā)展對資源配置效率的提升作用。表7（3）列中數(shù)字經濟發(fā)展指數(shù)和資源配置效率顯著的負值回歸系數(shù)表明數(shù)字經濟發(fā)展和資源配置效率對碳排放均產生了負向的邊際效應。綜上，樣本數(shù)據(jù)通過了三階段中介效應檢驗，表明優(yōu)化資源配置效率是數(shù)字經濟發(fā)展促進碳排放減少的一個潛在傳導路徑。

2.門檻效應檢驗

為深入探究數(shù)字經濟與區(qū)域碳排放之間的關聯(lián)，參考E.B.Hansen［37］的做法，本文基于自助法（Bootstrap）對數(shù)據(jù)反復抽樣300次進行面板門檻的存在性檢驗，門檻檢驗結果見表8，以數(shù)字經濟發(fā)展指數(shù)為門檻變量通過了雙門檻檢驗，面板雙門檻回歸結果見表9。由表9可知，當數(shù)字經濟發(fā)展指數(shù)未達到門檻值0.148時，數(shù)字經濟發(fā)展水平的回歸系數(shù)為-9.129且顯著為負；當數(shù)字經濟發(fā)展水平處于0.148～0.315 時，數(shù)字經濟對于區(qū)域碳排放的抑制作用下降到1.591，依然顯著為負；當數(shù)字經濟發(fā)展水平高于0.315時，數(shù)字經濟發(fā)展水平的回歸系數(shù)變?yōu)?0.345但不再顯著。這表明隨著數(shù)字經濟發(fā)展水平的提高并跨越門檻值，其對區(qū)域碳排放的抑制效果逐漸衰減。這一結果印證了假設3，同時與上文區(qū)域異質性的分析結果相照應，即在數(shù)字經濟發(fā)展相對滯后且高度依賴傳統(tǒng)能源的中西部地區(qū)，數(shù)字經濟發(fā)展對區(qū)域碳排放的抑制效果更好。

五、結論與建議

目前我國正處于經濟轉型重要時期， 經濟效益與生態(tài)效益的平衡是轉型期間面臨的重大挑戰(zhàn)，數(shù)字經濟不僅推動經濟發(fā)展模式的變革，也有助于促進“雙碳”目標的達成。本文利用2013—2021年30個省份（不包括港、澳、臺、西藏）的面板數(shù)據(jù)對我國數(shù)字經濟發(fā)展與區(qū)域碳排放的內在關系進行分析，結果顯示： 數(shù)字經濟發(fā)展對區(qū)域碳排放存在抑制效應。此外，綜合考慮經濟效率與生態(tài)效率，本文選取資源配置效率作為中介變量，運用三階段中介效應模型驗證了優(yōu)化資源配置效率是數(shù)字經濟發(fā)展影響碳排放的一個潛在機制。結合當下我國城市轉型的背景與區(qū)域數(shù)字經濟發(fā)展狀況各異的現(xiàn)實，對樣本數(shù)據(jù)使用門檻模型進行研究時發(fā)現(xiàn)：數(shù)字經濟在其發(fā)展水平較低的地區(qū)抑制碳排放的效果更明顯。根據(jù)以上研究結論，本文提出以下政策建議。

其一，加強數(shù)字基礎設施建設。本文研究發(fā)現(xiàn)數(shù)字經濟建設有助于抑制碳排放，數(shù)字經濟除能帶來以往文獻提到的經濟效應外，還能通過優(yōu)化資源配置等方式帶來環(huán)境效益，可為加速數(shù)字產業(yè)化與產業(yè)數(shù)字化的發(fā)展提供新的支持。因此，相關部門應進一步加強數(shù)字基礎設施建設，加快實體經濟與數(shù)字經濟融合，為早日實現(xiàn)碳達峰貢獻力量。

其二，堅持節(jié)能降耗。政府應積極引導能源電力等傳統(tǒng)工業(yè)園區(qū)企業(yè)進行產業(yè)結構優(yōu)化升級，利用數(shù)字技術優(yōu)化資源配置，以較少的資源能源消耗生產出高質量的產品，嚴格控制高污染、高耗能、高排放企業(yè)入駐，大力發(fā)展綠色低碳產業(yè)。

其三，采取因地制宜的政策措施，有針對性地抑制碳排放，實現(xiàn)環(huán)境效率的顯著提升。實證結果表明數(shù)字經濟發(fā)展在中西部地區(qū)對碳排放的抑制效應更加明顯，這意味著數(shù)字經濟發(fā)展在傳統(tǒng)產業(yè)集中度更高的地區(qū)對碳排放的促減效果更為突出。鑒于中西部地區(qū)整體數(shù)字基礎建設起步較晚、發(fā)展緩慢的特點，該地區(qū)在數(shù)字經濟發(fā)展帶來的環(huán)境紅利上具有更大的進步空間。若政府適當將數(shù)字資源傾向于中西部地區(qū)，中西部地區(qū)在環(huán)境問題上將實現(xiàn)大的跨越，進而實現(xiàn)環(huán)境效益與經濟效益的綜合改善。

參考文獻：

［1］

胡宗義，石威正，李毅.碳排放對綠色全要素生產率的影響與地區(qū)異質效應［J］.經濟數(shù)學，2020，37（4）：114-122.

［2］ 中國信息通信研究院.中國數(shù)字經濟發(fā)展白皮書：2020［EB/OL］.（2021-06-01）［2023-12-21］.http：∥m.caict.ac.cn/.

［3］ 張可云，楊丹輝，趙紅軍，等.數(shù)字經濟是推動區(qū)域經濟發(fā)展的新動力［J］.區(qū)域經濟評論，2022（3）：8-19.

［4］ 郭豐，楊上廣，任毅.數(shù)字經濟、綠色技術創(chuàng)新與碳排放：來自中國城市層面的經驗證據(jù)［J］.陜西師范大學學報（哲學社會科學版），2022，51（3）：45-60.

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

［6］ 李菲菲.數(shù)字經濟推動經濟高質量發(fā)展的機制效應分析：基于我國省際面板數(shù)據(jù)［J］.鄭州輕工業(yè)大學學報（社會科學版），2023，24（6）：53-62.

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

［8］ 韋莊禹.數(shù)字經濟發(fā)展對制造業(yè)企業(yè)資源配置效率的影響研究［J］.數(shù)量經濟技術經濟研究，2022，39（3）：66-85.

［9］ 郭桂霞，張堯.數(shù)字普惠金融與碳減排關系研究［J］.價格理論與實踐，2022（1）：135-138.

［10］GOLDFARB A，TUCKER C.Digital economics［J］.Journal of Economic Literature， 2019，57（1）：3-43.

［11］于世海，許慧欣，孔令乾.數(shù)字經濟水平對中國制造業(yè)資源配置效率的影響研究［J］.財貿研究，2022，33（12）：19-34.

［12］王宏鳴，陳永昌，楊晨.數(shù)字化能否改善創(chuàng)新要素錯配？——基于創(chuàng)新要素區(qū)際流動視角［J］.證券市場導報，2022（1）：42-51.

［13］楊慧梅，江璐.數(shù)字經濟、空間效應與全要素生產率［J］.統(tǒng)計研究，2021，38（4）：3-15.

［14］周曉輝，劉瑩瑩，彭留英.數(shù)字經濟發(fā)展與綠色全要素生產率提高［J］.上海經濟研究，2021（12）：51-63.

［15］劉維林，王藝斌.數(shù)字經濟賦能城市綠色高質量發(fā)展的效應與機制研究［J］.南方經濟，2022（8）：73-91.

［16］叢屹，俞伯陽.數(shù)字經濟對中國勞動力資源配置效率的影響［J］.財經理論與實踐，2020，41（2）：108-114.

［17］丁志帆.數(shù)字經濟驅動經濟高質量發(fā)展的機制研究：一個理論分析框架［J］.現(xiàn)代經濟探討，2020（1）：85-92.

［18］游達明，邸雅婷，姜珂.我國區(qū)域科技創(chuàng)新資源配置效率的實證研究：基于產出導向的SBM模型和Malmquist生產率指數(shù)［J］.軟科學，2017，31（8）：71-75，85.

［19］張子珍，杜甜，于佳偉.科技資源配置效率影響因素測度及其優(yōu)化分析［J］.經濟問題，2020（8）：20-27.

［20］TONE K.A slacks＼|based measure of efficiency in data envelopment analysis［J］.European Journal of Operational Research， 2001，130（3）： 498-509.

［21］OH D H.A global Malmquist＼|Luenberger productivity index ［J］.Journal of Productivity Analysis， 2010，34（3）：183-197.

［22］繆陸軍，陳靜，范天正，等.數(shù)字經濟發(fā)展對碳排放的影響：基于278個地級市的面板數(shù)據(jù)分析［J］.南方金融，2022（2）：45-57.

［23］金飛，徐長樂.數(shù)字經濟發(fā)展對碳排放的非線性影響研究［J］.現(xiàn)代經濟探討，2022（11）：14-23.

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

［25］謝云飛.數(shù)字經濟對區(qū)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.

［26］余星輝，卜亞.數(shù)字經濟發(fā)展對城市碳排放的影響［J］.金融與經濟，2023（1）：74-84.

［27］王立猛，何康林.基于STIRPAT模型的環(huán)境壓力空間差異分析：以能源消費為例［J］.環(huán)境科學學報，2008（5）：1032-1037.

［28］王勇，許子易，張亞新.中國超大城市碳排放達峰的影響因素及組合情景預測：基于門限-STIRPAT模型的研究［J］.環(huán)境科學學報，2019，39（12）：4284-4292.

［29］溫忠麟，張雷，侯杰泰，等.中介效應檢驗程序及其應用［J］.心理學報，2004（5）：614-620.

［30］王帥.數(shù)字經濟對區(qū)域綠色發(fā)展的影響研究［D］.蘭州：蘭州大學，2022.

［31］趙濤，張智，梁上坤.數(shù)字經濟、創(chuàng)業(yè)活躍度與高質量發(fā)展：來自中國城市的經驗證據(jù)［J］.管理世界，2020，36（10）：65-76.

［32］萬曉榆，羅焱卿.數(shù)字經濟發(fā)展水平測度及其對全要素生產率的影響效應［J］.改革，2022（1）：101-118.

［33］GUO F，WANG J Y，WANG F，et al.Measuring China’s digital financial inclusion：Index compilation and spatial characteristics［J］.China Economic Quarterly， 2020，19（4）：1401-1418.

［34］張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000［J］.經濟研究，2004（10）：35-44.

［35］盛鵬飛.中國能源效率偏低的解釋：技術無效抑或配置無效［J］.產業(yè)經濟研究，2015（1）：9-20，60.

［36］鄔彩霞，高媛.數(shù)字經濟驅動低碳產業(yè)發(fā)展的機制與效應研究［J］.貴州社會科學，2020（11）：155-161.

［37］HANSEN B E.Threshold effects in non＼|dynamic panels： Estimation， testing， and inference［J］.Journal of Econometrics，1999，93（2）：345-368.

［責任編輯：毛麗娜 張省］