EN中文

经济地理 >

2024 , Vol. 44 >Issue 6: 31 - 41

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.06.004

区域经济与理论方法

数字经济对中国城市低碳转型的影响机理及效应

  • 廖小菲 ,
  • 申雨瑶 , ※
展开
  • 长沙理工大学 经济与管理学院，中国湖南 长沙 410076
※申雨瑶（2000—），女，硕士研究生，研究方向为数字经济、环境会计、供应链管理。E-mail：

廖小菲（1976—），女，博士，副教授，研究方向为绩效评价、绿色供应链管理。E-mail：

收稿日期: 2024-02-22

  修回日期: 2024-06-05

  网络出版日期: 2024-09-14

基金资助

国家社会科学基金项目(22BJY200)

收起

Impact Mechanism and Effect of Digital Economy on China's Urban Low-carbon Transformation

  • LIAO Xiaofei ,
  • SHEN Yuyao , ※
Expand
  • School of Economics and Management，Changsha University of Science and Technology，Changsha 410076，Hunan，China

Received date: 2024-02-22

  Revised date: 2024-06-05

  Online published: 2024-09-14

Fold

摘要

在“碳达峰、碳中和”战略目标以及数字经济发展新时代的背景下，数字经济如何深刻影响并推动中国城市低碳转型，已成为学术界和产业界高度关注的热点议题。文章基于2011—2021年中国273个城市的面板数据，利用SBM-GML估计法测算了中国各城市低碳全要素生产率；同时，通过构建市级数字经济综合指标体系，运用双向固定效应模型、中介效应模型和调节效应模型，深入探讨了数字经济发展水平对中国城市低碳转型的影响机理及效应。研究发现：①数字经济发展水平对城市低碳转型具有显著的正向促进作用，且对中东部地区、非资源型城市和城市规模较大地区的促进作用更为明显。②数字经济对城市低碳转型的影响通过提高绿色技术创新和优化产业结构升级路径和机制进行传导。③政府干预和金融发展均对数字经济促进中国城市低碳转型具有显著正向调节作用。据此，提出我国应大力提升数字经济发展水平，完善城市绿色技术创新指标体系，充分发挥产业结构升级效应，实施“分类分区”政府干预，积极推进绿色金融发展战略，不断促进数字化与低碳化融合发展，以助力“双碳”目标和高质量发展战略的实现。

关键词： 数字经济; 低碳转型; 绿色技术创新; 产业结构升级; 政府干预; 金融发展

本文引用格式

廖小菲 , 申雨瑶 . 数字经济对中国城市低碳转型的影响机理及效应[J]. 经济地理, 2024 , 44(6) : 31 -41 . DOI: 10.15957/j.cnki.jjdl.2024.06.004

Abstract

In the context of the strategic goal of "carbon dioxide peaking and carbon neutrality" and the new era of digital economic development,how the digital economy profoundly affects and promotes the low-carbon transformation of Chinese cities has become a hot topic in academia and industry. Based on the panel data of 273 prefecture-level cities and above in China from 2011 to 2021,this paper uses the SBM-GML estimation method to calculate their low-carbon total factor productivity in China,it constructs a comprehensive index system of prefecture-level digital economy,and analyzes the impact mechanism and effect of the development level of digital economy on the low-carbon transformation of Chinese cities by the means of two-way fixed effect model,intermediary effect model,and adjustment effect model. The results show that: 1) The level of digital economy development has a significant positive promotion effect on urban low-carbon transformation,and the promotion effect is more obvious in the central and eastern regions,non-resource-based cities and areas with larger urban scale. 2) The impact of digital economy development on urban low-carbon transformation is transmitted through two ways: improving green technology innovation and optimizing industrial structure upgrading. 3) Both government intervention and financial development have a significant positive regulatory effect on the digital economy to promote the low-carbon transformation in Chinese cities. Therefore,it is recommended that China vigorously improve the development level of the digital economy,improve the indicator system of urban green technology innovation,give full play to the effect of upgrading the industrial structure,implement the "classification and zoning" government intervention,actively promote the development strategy of green finance,and continuously promote integrative development of digitalization and low-carbonization to help achieve the "dual carbon" goal and high-quality development strategy.

Key words： vdigital economy; low-carbon transformation; green technology innovation; industrial structure upgrade; government intervention; financial development

在第75届联合国大会上，我国首次提出“碳达峰、碳中和”的双重要求；在党的二十大报告中，我国进一步强调“加快发展方式绿色转型”，加快建设“数字中国”和“美丽中国”。随着绿色低碳政策陆续完善，绿色低碳发展已成为新时代我国经济高质量发展的重要方向。但是，目前我国对传统能源与高碳资源依赖度较高，高污染问题仍较为突出。而城市作为区域高质量发展的核心和碳排放的主要来源地[1]，如何促进城市绿色低碳发展已成为减缓气候恶化和促进经济高质量发展的关键。因此，在全球倡导低碳减排的背景下，我国城市低碳转型刻不容缓。与此同时，随着新一轮科技革命的出现，数字经济作为一种新兴经济形态日益成为我国经济高质量发展的新动能。根据《全球数字经济白皮书》的数据，2011—2021年中国数字经济总体规模增长3.8个百分点，其中2021年数字经济占GDP比例达39.8%（图1），其年均复合增长率高达14.2%，是同期5个国家的1.6倍，预计到2025年我国数字经济规模将超过60万亿元，数字经济核心产业的增加值在GDP的占比预计将达到10%，标志着数字经济在我国经济发展中扮演着日益重要的角色。此外，以数据要素和数字技术为核心的数字经济还将进一步扩大对城市低碳转型的助推作用。然而，相关研究也表明，由于数字经济自身具有耗能的特点，其发展会增强对能源的需求，可能会对低碳转型产生不利影响。因此，数字经济是否能够驱动低碳转型仍是一个需要深入研究的问题，而进一步探析数字经济发展水平对中国城市低碳转型的影响机理及效应，对促进数字化与低碳化融合发展、助推城市低碳转型升级、实现经济高质量发展具有重要的理论和实践意义。
图1 2011—2021年中国城市数字经济总体规模及其占GDP比例

Fig.1 The overall scale of China's urban digital economy and its share of GDP from 2011 to 2021

1 文献综述

数字经济实质上源自信息技术的革命性进步，它以数据为核心生产要素，并依赖于信息通信技术的高效运用，能够驱动一系列经济活动的蓬勃发展，展现出一种独特的经济形态。在1996年Don Tapscott对数字经济下定义后，国内外学者对数字经济的研究热度与日俱增。研究内容主要包括数字经济测度[2-4]、经济增长[5]、资源配置效率[6]、产业结构升级[7]、全要素生产率提升[8]、外商直接投资[9]、城乡收入差距[10]、企业劳动力就业[11]、家庭消费[12]、居民就业[13]、城市创新能力[14]等。
随着数字经济的蓬勃发展，已有学者开始研究数字经济与低碳转型。如张修凡等利用先进的GMD算法，深入剖析了中国30个省份在多元化维度下，数字经济对碳减排的核心影响因素[15]；张英浩等运用变异系数与泰尔系数、空间面板模型等方法，实证探究了数字经济对城市绿色全要素生产率的影响机理，发现数字经济发展水平与城市绿色全要素生产率之间呈现正“U”型关系[16]；周磊等从时间和空间两个维度出发，深入剖析数字经济的演变特性，并研究其对城市绿色高质量发展的影响机制[17]。通过文献梳理可以发现，学者们对低碳转型和数字经济已开展了较为丰富的研究，但对二者之间的机理并未形成统一的分析框架，且关于空间与时间方面的问题讨论不够深入。

2 机理分析与假设提出

2.1 数字经济对中国城市低碳转型的直接影响

随着我国数字产业化和产业数字化的蓬勃发展，大数据、人工智能、云计算等数字技术被广泛应用于各领域，为低碳转型提供了新动力。首先，从政府参与低碳治理方面来看，数字经济通过整合数据资源和运用数字技术，显著降低了碳信息搜寻、分类与计算的成本，帮助政府和企业对碳足迹进行精确测算，实现对低碳转型道路上的“智慧监管”。其次，从行业和企业低碳化、绿色化方面来看，数字技术打破了原有的要素依赖型传统增长模式，促进传统行业向低碳化、集成化、智能化和绿色化转型，能够有效降低工业企业的交易成本，促进生产要素的自由流动，减少市场分割带来的效率损失[17]。最后，从居民低碳生活方式的转变来说，根据“引致效应”[18]，当前数字经济的发展正在潜移默化地影响并重塑着居民的消费观念和需求倾向，推动居民消费结构的快速调整和消费偏好的绿色低碳化。因此，本文提出如下假设：
H1：数字经济显著促进中国城市低碳转型。

2.2 数字经济对中国城市低碳转型的间接影响

2.2.1 数字经济、绿色技术创新与中国城市低碳转型

在数字经济时代，我国经济发展模式开始从要素驱动转向创新驱动，进而优化能源消费结构。与传统经济发展模式相比，数字技术的快速发展为绿色技术创新带来了前所未有的新红利[4]。且数字经济与高等院校平台不断融合发展，显著激发了城市绿色技术创新水平的提高[19]。绿色技术创新作为解决环境污染问题、促进“双碳”实现的有效手段之一[19]，能够赋能中国城市低碳转型。第一，绿色技术创新逐步引入企业供应链中，从供应端、生产端和消费端减少碳污染与碳排放，从源头实现事前防控[20]。第二，绿色技术创新通过“引致效应”逐渐渗透到居民日常生活中，使居民的消费理念和消费偏好更加绿色化，从而降低居民消费的碳排放，最终有助于加快城市低碳转型进程。第三，数字技术创新有利于提高城市绿化[21]，从而能够进一步促进中国城市低碳转型。因此，本文提出如下假设：
H2a：数字经济可以通过提高绿色技术创新水平进一步促进中国城市低碳转型。

2.2.2 数字经济、产业结构升级与中国城市低碳转型

第一，在数字经济时代背景下，数字技术的快速迭代推动了各行各业的积极变革，旧的传统产业不断被淘汰，新兴产业开始形成，同时伴随着劳动生产率的提高[17]，我国产业结构正逐步由资本密集主导转向技术密集驱动，进而推动产业发展模式实现由高碳排放的粗放型向低碳排放的集约型转变。第二，数字经济与传统产业的深度融合，加速了产业结构升级，有效驱动城市低碳转型，由于数字经济具有信息化、网络化和数智化的特点，其可重塑重污染企业高能耗和高污染的生产模式和盈利模式，有助于提高企业生产、研发、过程的智能化、柔性化和低碳化，推进产业结构的高级化进程，进而促进城市低碳转型[4]。第三，数字基础设施的建设大幅提升了传统行业的人力效能，推动了剩余劳动力向服务业流动，这些服务业往往门槛较低。这一变迁不仅实现了劳动力从重工业向第三产业的转移，而且显著促进了产业结构的升级与整体优化，有助于减少碳排放量，加速了中国城市低碳转型进程。因此，本文提出如下假设：
H2b：数字经济可以通过加速产业结构升级进一步促进中国城市低碳转型。

2.3 数字经济对中国城市低碳转型的非线性影响

2.3.1 政府干预程度的调节效应

由于我国城市在经济、文化、社会等方面存在较大的差异，仅依靠市场这只“无形的手”配置数据要素，往往会出现资源要素分配不均、城乡差距增大、科技能源浪费等负面影响，因此需要通过政府这只“有形的手”进行顶层设计与政策监管。一方面，政府干预为数字经济提供政策指引。如果政府能充分重视各城市数字经济发展不平衡的现状，及时对数字经济发展薄弱地区给予政策支撑与激励措施，制定适当的区域数字化政策，则会有利于破解数字经济发展不均衡问题。另一方面，政府干预为低碳转型提供制度保障。实现中国城市低碳转型升级不仅仅需要来自市场的激励，还需要政府通过设计政策和有效监管来保障低碳转型的逐步进行，这便对政府干预我国城市低碳转型提出了更高的要求。若政府没有及时加以干预，会助长规模较大的高污染企业形成市场竞争优势的信心，这对刚孵化的高新技术企业无疑是一场灾难。因此，本文提出如下假设：
H3a：政府干预在数字经济对中国城市低碳转型的影响过程中存在正向调节效应。

2.3.2 金融发展的调节效应

在数字经济时代，经济社会通过智能数字技术编织出了一张“交互信息网”，使得产业融合更深入、实时信息收集更及时、风险监督更全面。第一，金融发展水平越高，企业就越有机会通过优化资源配置、分散风险等途径缓解自身融资压力，提高基础设施绿色低碳化的实施自主性。由于低碳转型进程具有时间长、投入大等特征，导致一些企业面临融资约束，金融发展通过分担低碳转型风险、拓宽融资来源等方式降低了融资约束，整体上有利于城市充分把握数字经济时代契机，助力低碳转型升级。第二，金融发展水平越高，城市数字普惠金融、绿色金融、金融机构信息披露制度等方面均处于领先地位，在一定程度上打破了信息不对称壁垒，有利于城市抓住机会进行绿色技术创新和产业结构升级，进而促进低碳转型升级。第三，数字金融的出现有效解决了传统金融体系中存在的“属性不匹配”“领域错位”以及“发展阶段错位”等深层次问题，有利于充分激发数字经济赋能低碳转型作用。因此，本文提出如下假设：
H3b：金融发展在数字经济对中国城市低碳转型的影响过程中存在正向调节效应。
数字经济对中国城市低碳转型影响的机理分析框架如图2。
图2 数字经济对中国城市低碳转型影响的机理分析框架

Fig.2 Mechanism analysis of the impact of digital economy on the low-carbon transition of Chinese cities

3 模型构建、变量选取和数据来源

3.1 模型构建

3.1.1 基准回归模型

本文首先构建基准面板回归模型：
G T F P i t = α 0 + α 1 D E I i t + α c Z i t + μ i + δ t + ε i t
式中： G T F P i t为城市低碳转型程度； D E I i t为数字经济发展水平； Z i t表示一系列控制变量，包括环境规制强度（ER）、科技研发水平（TRL）、对外开放水平（OUL）、经济发展水平（GDP）； α 0为横截距项； α c、 α 1为不同变量的回归系数； μ i为不随时间变化的个体固定效应； δ t为时间固定效应； ε i t为随机扰动项；i表示地区；t表示年份。

3.1.2 中介效应模型

为进一步检验二者之间的内在机制，本文构建如下回归方程：
M i t = β 0 + β 1 D E I i t + β c Z i t + μ i + δ t + ε i t
G T F P i t = γ 0 + γ 1 D E I i t + γ 2 M i t + γ c Z i t + μ i + δ t + ε i t
式中： M i t表示绿色技术创新（GTI）和产业结构升级（IND）； β 0、 γ 0为横截距项； β 1、 β c、 γ 1、 γ 2、 γ c表示回归系数。

3.1.3 调节效应模型

首先对自变量和调节变量进行中心化处理，再用处理后的数据生成交互项，在基准模型中分别引入数字经济和政府干预交互项 D E I · G O V、数字经济和金融发展交互项 D E I · F I N，构建如下调节效应模型：
G T F P i t = γ 0 + γ 1 D E I i t + γ 2 G O V i t + γ c Z i t + μ i + δ t + ε i t
G T F P i t = γ 0 + γ 1 D E I i t + γ 2 G O V i t + ρ D E I i t · G O V i t + γ c Z i t + μ i + δ t + ε i t
式中： G O V i t表示政府干预； D E I i t · G O V i t表示数字经济与政府干预的交乘项，用来判断政府干预的调节机制， ρ为其调节效应的系数。
G T F P i t = γ 0 + γ 1 D E I i t + γ 2 F I N i t + γ c Z i t + μ i + δ t + ε i t
G T F P i t = γ 0 + γ 1 D E I i t + γ 2 F I N i t + ρ D E I i t · F I N i t + γ c Z i t + μ i + δ t + ε i t
式中： F I N i t表示金融发展； D E I i t · F I N i t表示数字经济与金融发展的交乘项，用来判断金融发展的调节机制， ρ为其调节效应的系数。

3.2 变量选取

3.2.1 被解释变量

城市低碳转型程度（GTFP）作为本文的被解释变量。借鉴张哲华、邵帅、朱悦等的方法[22-24]，测算绿色全要素生产率衡量城市低碳转型程度，利用非径向、非导向的超效率SBM模型，计算出Global-Malmquist-Luenberger（GML）指数代表各城市绿色全要素生产率，以此来衡量城市低碳转型程度。
投入指标包括资本投入、能源投入、劳动力投入，考虑到市级数据的可获得性，以规模以上工业企业固定资产合计代表资本投入，以能源消费总量代表能源投入，以制造业城镇单位就业人数代表劳动力投入。产出指标包括期望产出指标和非期望产出指标，以工业增加值代表期望产出，以工业SO2排放量、工业烟粉尘、氨氮排放量和化学需氧量排放量代表非期望产出。由于城市“三废”只有全市范围数据，对于缺失值采用几何增长率插值补齐。由于地级市能源数据年鉴并未汇报，本文借鉴吴健生等的做法[25]，采用全球稳定夜间灯光值拟合。对于地级市资本存量的数据，借鉴张军等的做法[26]，以2006年为基期，采用永续盘存法测算。

3.2.2 核心解释变量

数字经济发展水平（DEI）作为本文的核心解释变量。本文借鉴赵涛等的做法[2]，一级指标、二级指标和三级指标见表1，构建中国城市数字经济综合发展指标体系，使用熵值法对273个城市的数字经济水平进行测度。
表1 中国城市数字经济发展水平评价指标体系

Tab.1 Evaluation index system of the development level of China's urban digital economy

一级指标 二级指标 三级指标 指标属性
互联网普及率 每百人互联网用户数 正
互联网相关产出 人均电信业务总量 正
数字经济发展指数 互联网相关从业人员数量 计算机服务和软件从业人员占比 正
移动互联网用户数 每百人移动电话用户数 正
数字普惠发展 中国数字普惠金融指数 正

3.2.3 中介变量

绿色技术创新（GTI）。考虑到专利能够直观且有效地表示技术创新能力，参考徐佳、王馨等的方法[27-28]，用绿色发明专利申请数+绿色实用新型申请数+1，取自然对数来表示绿色技术创新水平。
产业结构升级（IND）。考虑到产业结构的调整影响了城市碳排放密度、绿色创新技术的应用以及城市低碳转型水平，本文以下列公式衡量产业结构升级指标。
I N D = ∑ i = 1 n 第 n 产 业 增 加 值 G D P · n     n = 1,2 , 3

3.2.4 调节变量

政府干预（GOV）。各地政府主要利用投资、财政拨款等政策来干预低碳技术和低碳产业发展，进而对城市低碳转型产生影响。参考赵晓春等的做法[29]，采取各地区一般预算支出占地区GDP的比值来衡量政府干预程度。
金融发展（FIN）。本文参考廖庆梅等的方法[30]，以金融机构贷款余额与GDP之比来衡量金融发展水平。

3.2.5 控制变量

环境规制强度（E R）：环境规制越严格，越能够约束城市减少污染排放量，增强城市主动选择绿色清洁技术的意愿，进而有利于促进城市绿色低碳转型升级。本文采用环境词汇词频数与地级市政府工作报告词频之比衡量环境规制。
科技研发水平（T R L）：科技研发水平越高，城市对绿色创新技术的普及越深，越有可能运用减排技术来实现低碳转型升级。本文用科学支出占一般财政预算支出的比重衡量科技研发水平。
经济发展水平（G D P）：随着经济发展水平的提升，人们对高品质生活与城市环境的期待日益增强，进而推动企业产业结构调整和城市低碳转型升级。本文用GDP取对数来衡量经济发展水平。
对外开放水平（O U L）：对外开放水平的提高为城市低碳转型升级带来了新思路和新方向，本文用FDI占GDP的比重来衡量对外开放水平。各变量描述性统计见表2。
表2 各变量的描述性统计

Tab.2 Descriptive statistics for each variable

变量名称 英文缩写 样本量 均值 标准差 最小值 最大值
中国城市低碳转型 GTFP 2147 1.004 0.034 0.876 1.193
数字经济发展水平 DEI 2147 0.005 0.003 0.002 0.025
绿色技术创新 GTI 2147 0.089 0.027 0.034 0.190
产业结构升级 IND 2147 1.054 0.500 0.320 3.334
政府干预程度 GOV 2147 0.204 0.092 0.059 0.704
金融发展水平 FIN 2147 2.476 1.171 0.629 21.300
环境规制强度 ER 2147 0.003 0.001 0.001 0.008
经济发展水平 GDP 2147 10.720 0.537 9.532 12.050
外对开放水平 OUL 2147 0.002 0.003 0.000 0.011
科技研发水平 TRL 2147 0.016 0.015 0.001 0.081

3.3 数据来源

考虑数据的可得性和完整性，本文最终选取2011—2021年我国273个地级市及以上城市（以下简称城市）面板数据。数据主要来自《中国城市统计年鉴》《中国区域统计年鉴》《中国能源年鉴》《中国人口统计年鉴》、绿色专利数据库、各城市政府工作报告和哈佛大学官网等。缺失数据利用线性插值法、几何增长率插值法和移动平均法补齐。

4 时空演变特征分析

4.1 中国城市绿色全要素生产率的空间格局

本文采用ArcGIS的自然断裂法将中国城市绿色全要素生产率划分为5个等级，分别绘制其时空分布图（图3）。需要说明的是，本文选取的是2011—2021年中国城市面板数据，运用GML指数测算的是下一年度的绿色全要素生产率，因此分别绘制2012和2021年中国城市绿色全要素生产率的时空分布图，直观反映了中国城市在2012—2021年中国城市绿色全要素生产率的动态变化。由图3可以看出，大部分城市的绿色全要素生产率均值呈现上升趋势，且增长趋势逐渐向东偏移，在空间上逐步呈现出“大杂居、小聚集”的特征。整体来看，绿色全要素生产率在中、东、西不同地理区位的动态增长变化差异均较大。原因可能是2016年中国“十三五”生态环境保护规划出台，促使各地区采取绿色低碳措施，使得各城市平均绿色全要素生产率快速提高。但由于各城市在节能减排方面需要依托自身的产业基础、经济水平、高新技术等条件，很容易形成路径依赖和马太效应，进而导致不同区域的绿色全要素生产率动态增长变化差异较大。
图3 中国城市绿色全要素生产率的空间分布演进

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2020）4619号的标准地图制作，底图无修改。图4同。

Fig.3 Evolution of urban green total factor productivity in China

4.2 数字经济发展水平的空间格局

本文采用ArcGIS的自然断裂法将中国城市的数字经济发展水平划分为5个等级，分别绘制2012和2021年中国城市数字经济发展水平的时空分布图，直观反映了中国城市在2012—2021年中国城市数字经济发展水平的动态变化（图4）。由图4可以看出，数字经济水平整体趋势为向东偏移，差距仍较为明显，空间集聚特征显著，集聚地区主要为“东南地区”，集聚程度较高的城市为上海、天津、南京等城市，且逐渐向沿海其他城市扩散。数字经济水平呈现出地区异质性，主要表现为“西低东高”的空间分布格局，这可能是因为数字要素与资源优先向经济发展较快的大城市流入，使得经济相对落后地区在数字经济上的鸿沟逐渐凸显。
图4 中国城市数字经济发展水平的空间分布演进

Fig.4 Evolution of digital economy development level in Chinese cities

5 实证检验与分析

5.1 基准回归分析

表3列（1）为未加入控制变量时数字经济发展水平对城市低碳转型的基准回归结果，列（2）为加入控制变量后数字经济发展水平对城市低碳转型的基准回归结果。结果表明，在加入控制变量前后数字经济发展水平对城市低碳转型的影响系数均在1%的水平上显著为正，即数字经济对中国城市低碳转型具有显著的促进作用。因此H1得以验证。
表3 基准回归结果

Tab.3 Benchmark regression results

（1） GTFP （2） GTFP
DEI 1.598***（2.928） 1.926***（3.511）
GDP -0.008*（-1.878）
TRL -0.265**（-2.332）
OUL -1.569***（-3.337）
ER 0.623（1.073）
_cons 0.975***（183.287） 1.061***（24.218）
年份固定效应 控制 控制
个体固定效应 控制 控制
N 2147 2147
R2 0.147 0.159

注：***、**和*表示1%、5%和10%水平上显著。括号内为t值。表4~表7同。

5.2 稳健性检验

考虑到基准回归结果可能会存在一定的偏差，本文考虑从以下几个方面对基准回归结果进行稳健性检验：①替换被解释变量；②剔除部分样本极端值；③剔除直辖市；④内生性检验。

5.2.1 替换被解释变量

为确保假设检验的准确性与可靠性，本文改变被解释变量的测算方法，改用SBM-DDF模型对数字经济指标重新进行测度，结果作为替代指标。由表4列（1）回归结果看出，数字经济对城市低碳转型升级的影响仍显著为正，通过了稳健性检验，基准回归分析结论依然成立。
表4 稳健性检验结果

Tab.4 Robustness test results

稳健性检验 替换被解释变量 剔除部分样本极端值 剔除直辖市
（1） （2） （3）
DEI 0.768***
（3.387）		 2.195***
（3.928）		 1.655***
（2.911）
GDP -0.003*
（-1.671）		 -0.003
（-0.747）		 -0.006
（-1.581）
TRL -0.080*
（-1.713）		 -0.156
（-1.512）		 -0.272***
（-2.625）
OUL -0.672***
（-3.459）		 -1.336***
（-3.146）		 -1.191***
（-2.828）
ER 0.327
（1.362）		 0.615
（1.157）		 0.634
（1.206）
_cons 1.021***
（56.359）		 1.002***
（26.342）		 1.040***
（27.142）
年份固定效应 控制 控制 控制
个体固定效应 控制 控制 控制
N 2147 2147 2130
R2 0.185 0.178 0.180

5.2.2 剔除部分样本极端值

为避免极端值对回归结果可能产生不良影响，借鉴孙文远等的做法[31]，对样本数据进行上下1%的缩尾处理，对处理后的样本再次回归。由表4列（2）回归结果看出，数字经济促进城市低碳转型的结论仍然成立。

5.2.3 剔除直辖市

考虑到直辖市与普通地级市在经济水平、人口规模、基础设施方面存在较大差距，可能会对回归结果造成误差，借鉴郭丰等的做法[20]，剔除部分直辖市再对剩余样本进行回归分析。由表4列（3）看出，回归结果通过了稳健性检验。

5.2.4 内生性检验

考虑到数字经济和城市低碳转型之间可能存在一定的内生性，本文借鉴柏培文、张勋等的思路[32-33]，采用工具变量法来解决内生性问题，进而深入剖析数字经济发展水平对城市低碳转型的影响。在选择工具变量时，本文基于各城市与杭州市之间的球面距离作为代理变量（IV），主要理由如下：①数字经济的发展离不开互联网平台，特别是以支付宝为代表的数字金融，其起源可追溯至杭州。有理由预期，与杭州地理距离较近的城市，其数字经济发展水平可能更为显著。这一选择确保了工具变量与解释变量的相关性要求。②随着经济发展水平不断进步，影响城市低碳转型的因素日益复杂，又考虑到目前对低碳绿色发展目标的要求，各城市到杭州市的球面距离很难对城市低碳转型程度产生影响，满足了工具变量的外生性要求。本文运用两阶段最小二乘法（2SLS）对潜在的内生性问题进行了严格的检验。在第一阶段的回归分析中，工具变量IV与解释变量显著正相关，表明各城市到杭州市的球面距离与数字经济发展水平之间满足“相关性”假设。同时，第一阶段的F统计量值为34.81，显著超过临界值10，这强有力地排除了弱工具变量的可能性；而第二阶段结果显示，数字经济发展水平对城市低碳转型具有显著正向影响，这一发现与基准回归的结果一致。其准回归通过了内生性检验。

5.3 中介效应分析

表5列（1）为模型（1）的回归结果，反映出数字经济发展水平对城市低碳转型具有显著的正向影响；列（2）（3）为加入了绿色技术创新后，数字经济对城市低碳转型的间接效应；列（4）（5）为加入了产业结构升级后，数字经济对城市低碳转型的间接效应。表5列（2）的回归系数为0.735，且在5%水平上显著，说明数字经济对绿色技术创新具有显著的正向影响；列（4）的回归系数为4.641，且在1%水平上显著，说明数字经济对产业结构升级具有显著的正向影响；列（3）（5）显示分别加入中介变量绿色技术创新和产业结构升级后，数字经济对城市低碳转型的回归系数仍在1%水平上显著，但系数均略有降低，说明绿色技术创新和产业结构升级在二者中均发挥了部分中介效应。进一步验证了H2a和H2b成立。
表5 中介效应回归分析

Tab.5 Regression analysis of mediating effects

（1） GTFP （2） GTI （3） GTFP （4） IND （5） GTFP
DEI 1.926***（3.511） 0.735**（1.988） 1.873***（3.415） 4.641***（5.819） 1.764***（3.191）
GTI 0.071**（2.063）
IND 0.035**（2.185）
GDP -0.008*（-1.878） -0.003（-1.125） -0.008*（-1.825） 0.018***（2.936） -0.009**（-2.024）
TRL -0.265**（-2.332） -0.226***（-2.949） -0.249**（-2.188） 0.955***（5.783） -0.298***（-2.604）
OUL -1.569***（-3.337） -0.232（-0.732） -1.552***（-3.305） 0.959（1.403） -1.602***（-3.410）
ER 0.623（1.073） 1.220***（3.116） 0.536（0.922） 0.999（1.184） 0.588（1.014）
_cons 1.061***（24.218） 0.123***（4.149） 1.052***（23.931） 1.952***（30.640） 0.993***（18.504）
年份固定效应 控制 控制 控制 控制 控制
个体固定效应 控制 控制 控制 控制 控制
N 2147 2147 2147 2147 2147
R2 0.159 0.381 0.161 0.714 0.161

5.4 调节效应分析

表6为政府干预调节效应和金融发展调节效应的回归结果。表6列（2）中交乘项 D E I · G O V的系数为9.417，且在1%水平上显著，说明政府干预作为调节变量，强化了数字经济影响中国城市低碳转型的正向关系。政府干预程度越高，数字经济越能有效赋能城市低碳转型。验证了H3a成立。
表6 调节效应回归分析

Tab.6 Adjustment effect regression analysis

政府干预程度 金融发展水平
（1） （2） （3） （4）
DEI 1.545***（2.729） 2.146***（3.538） 1.474***（2.599） 1.259**（2.199）
GOV -0.046**（-2.068） -0.027（-1.146）
DEI·GOV 9.417***（2.726）
FIN 0.001（0.307） 0.001（0.658）
DEI·FIN 0.698**（2.523）
GDP -0.014***（-2.852） -0.012**（-2.427） -0.007（-1.418） -0.007（-1.439）
TRL -0.257**（-2.450） -0.285***（-2.710） -0.243**（-2.315） -0.243**（-2.321）
OUL -1.139***（-2.598） -1.118**（-2.553） -1.300***（-3.009） -1.297***（-3.008）
ER 0.649（1.230） 0.728（1.380） 0.635（1.202） 0.593（1.123）
_cons 1.133***（21.519） 1.106***（20.676） 1.051***（20.183） 1.054***（20.258）
N 2147 2147 2147 2147
R2 0.179 0.182 0.177 0.180
表6列（4）中交乘项 D E I · F I N的系数为0.698，且在5%水平上显著为正，说明金融发展作为调节变量，强化了数字经济影响中国城市低碳转型的正向关系。金融发展水平越高，数字经济越能有效赋能城市低碳转型。验证了H3b成立。

6 数字经济对中国城市低碳转型影响的异质性分析

6.1 城市地理区位

由于城市地理位置的不同，城市基础设施、经济发展水平和政府补助也存在着差异。本文将所选取的273个样本城市根据地理区位划分为东部、中部和西部三大组别，进而对每一组别分别实施回归分析，旨在深入剖析不同地理区位下，数字经济发展水平的差异如何影响城市低碳转型（表7）。由表7列（1）~（3）的回归结果看出，东部地区数字经济发展水平对城市低碳转型升级有显著的促进作用，其回归系数为1.892；中部地区数字经济发展水平对城市低碳转型升级的回归系数为2.619，相比于东部地区促进作用更明显；西部地区数字经济发展尚未显著推动城市低碳转型的升级，未能通过相应的显著性检验。综上，数字经济发展水平对东部、中部城市低碳转型均有正向影响，但影响程度不同；相比于东部地区，中部地区的数字经济发展水平对低碳转型的推动作用更为显著。但数字经济发展水平对西部城市低碳转型效果不显著。原因可能是西部地区在经济发展、数字技术水平和基础设施等方面落后于中部和东部地区；东部地区技术创新体系较为成熟，政府参与程度和环保政策实施力度更强，高新技术人力资源较为丰富，城市低碳转型升级的增长趋势较为平缓，数字经济通过绿色技术创新促进低碳转型升级的程度相对较低；中部地区在产业结构升级和绿色技术建设等方面的增长潜力最大，更有利于释放数字经济的赋能作用，呈现出边际效应递增的低碳转型升级效果。
表7 异质性回归分析

Tab.7 Heterogeneity regression analysis

（1） （2） （3） （4） （5） （6） （7） （8）
GTFP东部城市 GTFP中部城市 GTFP西部城市 GTFP非资源型 GTFP资源型 GTFP特大城市 GTFP大城市 GTFP中小城市
DEI 1.892** 2.467** 1.576 1.966*** 1.882 2.474** 1.522** -0.703
（1.994） （2.456） （1.558） （3.102） （1.581） （2.464） （2.271） （-0.183）
GDP 0.001 -0.006 -0.010 1.966*** 1.793 -0.016 -0.011** 0.011
（0.064） （-1.043） （-1.040） （3.102） （1.509） （-1.415） （-2.430） （0.340）
TRL 0.144 -0.382** -0.321 -0.008 -0.008 -0.526** -0.135 -0.812
（0.617） （-2.316） （-1.262） （-1.168） （-1.330） （-2.437） （-1.003） （-1.052）
OUL 0.063 -2.459*** -0.108 -0.266* -0.317 -4.093***
（-3.370）		 -1.120** -0.016
（0.065） （-4.265） （-0.085） （-1.960） （-1.448） （-2.309） （-0.002）
ER 0.422 -1.293 2.573** -1.570*** -1.540* 1.074 0.530 4.476
（0.376） （-1.519） （2.295） （-2.616） （-1.952） （0.824） （0.837） （1.258）
_cons 0.952*** 1.037*** 1.085*** -0.163 1.930** 1.141*** 1.099*** 0.891**
（6.917） （18.201） （11.444） （-0.213） （2.105） （9.618） （23.316） （2.558）
年份固定效应 控制 控制 控制 控制 控制 控制 控制 控制
个体固定效应 控制 控制 控制 控制 控制 控制 控制 控制
N 589 877 681 1269 878 676 1423 48
R2 0.149 0.275 0.123 0.156 0.173 0.203 0.168 0.515

6.2 城市资源禀赋

城市的资源禀赋程度不同，会影响到资源的利用效率。本文依据国务院发布的《全国资源型城市可持续发展规划（2013—2020年）》中设定的分类标准，将样本分为资源型城市与非资源型城市两个独立的子样本集，随后针对这两个子样本集分别进行了分组回归分析（表7）。从表7列（4）（5）的回归结果看，数字经济对非资源型城市低碳转型的回归系数为1.966，且在1%的水平上显著，但是对资源型城市低碳转型升级的系数不显著，且对非资源型城市低碳转型影响的系数大于资源型城市。原因可能是资源型城市对其拥有的资源和能源依赖程度较高，对传统资源型产业为主的发展模式具有路径依赖和锁定效应，没有足够的动力融合数字技术和传统产业，从而导致数字经济赋能低碳转型面临“资源诅咒”。相比之下，非资源型城市由于拥有较少的资源和能源，会主动发展绿色创新技术，抓住绿色经济机遇，加快绿色创新技术与低碳转型技术融合，进而推动非资源型城市的低碳转型升级。

6.3 城市规模

鉴于城市规模差异可能会改变数字经济与城市低碳转型的关系，本文依据城市常住人口规模，将样本细分为特大城市、大城市和中小城市。由表7列（6）~（8）的回归结果可知，数字经济发展水平对特大城市和大城市低碳转型的作用显著为正，且对特大城市低碳转型影响的系数大于大城市，但是对中小城市低碳转型升级的系数不显著。可能的原因：①相比于中小城市，我国大城市及以上城市经济发展水平高，数字基础设施建设相对完善，更有利于吸引精通数字技术和低碳生产的多元化人才，促使数字经济赋能城市低碳转型效果明显。②大城市及以上城市在转型升级前期会发挥“虹吸效应”，致使周边中小城市发展迟缓，不利于数字经济对中小城市低碳转型升级的促进作用的发挥，大城市与周边中小城市之间的经济差距进一步拉大，城市之间存在“数字鸿沟”。且特大城市相较于大城市集聚着更多高质量数字人才和创新资本，数字经济发展优势明显，更能发挥其在城市低碳转型中的作用。
综上3个层次的异质性分析，假设H1b得到验证。

7 政策建议

①加快推进数字经济的发展速度，促进数字经济内涵型增长。数字经济的发展在一定程度上会促进城市低碳转型升级，有利于助力我国“双碳”目标的实现，实现经济高质量发展。首先要加快数字经济发展速度，如普及数字孪生技术、5G网络、人工智能、云计算、工业互联网等，扩大数字技术在“双碳”重点领域中的实际应用，全面推动产业数字化和数字产业化水平，助力城市低碳转型。其次，要在加速推进数字经济的同时，引入低碳减排技术和清洁能源设备，并及时关注数字经济的耗能趋势，提高数字经济的发展质量。最后，应加大对数字技术人才的培养力度，要将数字经济领军人才作为稀缺战略资源，多措并举积极培养，如通过“揭榜挂帅”的方式挖掘更多复合型技术人才；在高校积极增设相关专业，激励数字技术人才进行跨地域、跨领域及跨企业的流动，从而为各城市数字经济的高质量发展提供坚实的人才基础与智力支持。
②释放绿色技术创新红利，充分发挥产业结构升级效应。一方面，政府应完善城市绿色技术创新指标体系，大力扶持绿色技术创新在企业中的应用研发，制定绿色金融助力措施，在智能制造、智慧工厂等方面给予融资激励，赋能城市低碳转型升级。另一方面，应利用创新技术对传统产业进行智能化、网络化和低碳化改造，进一步促进产业结构由资本密集型向技术密集型方向转变，摆脱传统产业结构的路径依赖和低端锁定效应，从而提高能源利用效率，推动产业绿色低碳发展。
③实施“分类分区”政府干预，积极推进绿色金融发展战略。一方面，要充分发挥好政府干预的良性调节作用。政府应根据各城市不同的经济水平、科技水平和资源环境等特点，分类设计适当的数字化战略和绿色低碳政策；考虑区域地理位置的不同进行“分区”，差异化地进行政策与制度干预，在空间上引导城市充分利用数字技术对低碳资源整合优化，形成协同互补的“数字经济—低碳转型”体系。另一方面，各城市应不断提升金融发展水平，大力促进“金融发展+数字经济”融合发展，不断增强数字经济在赋能城市低碳转型方面的重要作用。
④数字经济赋能城市低碳转型的政策设计要结合具体区域特征。一方面，对于数字赋能低碳发展作用较强的地区，要重点关注数字技术存在增加碳排放的潜在风险，不断优化改进高新技术设备，对碳排放量数据进行实时监控，从而降低设备自身的耗能水平，提高数字经济赋能低碳减排效力。另一方面，为避免“数字鸿沟”扩大，应落实“以强助弱”行动，对于数字赋能低碳发展作用不显著的地区，通过建立跨区域的数字联盟合作、出台产业转移和人才流动优惠政策、加大对欠发达地区的政策补贴倾斜，提高数字技术高水平地区对周边地区的模范带动作用，促进数字资源和生产要素跨区域流动，从而实现区域数字化协同发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王少剑, 黄永源. 中国城市碳排放强度的空间溢出效应及驱动因素[J]. 地理学报, 2019, 74(6):1131-1148.

DOI

[2]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10):65-76.

[3]
许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020(5):23-41.

[4]
Ma D, Zhu Q. Innovation in emerging economies:Research on the digital economy driving high-quality green development[J]. Journal of Business Research, 2022, 145:801-813.

[5]
张腾, 蒋伏心, 韦朕韬. 数字经济能否成为促进我国经济高质量发展的新动能?[J]. 经济问题探索, 2021(1):25-39.

[6]
韦庄禹. 数字经济发展对制造业企业资源配置效率的影响研究[J]. 数量经济技术经济研究, 2022, 39(3):66-85.

[7]
刘洋, 陈晓东. 中国数字经济发展对产业结构升级的影响[J]. 经济与管理研究, 2021, 42(8):15-29.

[8]
杨慧梅, 江璐. 数字经济、空间效应与全要素生产率[J]. 统计研究, 2021, 38(4):3-15.

[9]
曹书维, 徐英东, 田广辉. 数字经济对中国FDI流入动机的影响研究——基于272个城市面板数据的实证分析[J]. 经济问题探索, 2022(5):17-31.

[10]
李晓钟, 李俊雨. 数字经济发展对城乡收入差距的影响研究[J]. 农业技术经济, 2022(2):77-93.

[11]
赵宸宇. 数字化转型对企业社会责任的影响研究[J]. 当代经济科学, 2022, 44(2):109-116.

[12]
詹韵秋, 王军, 孙小宁. 数字经济对家庭消费行为的影响研究——基于中国家庭金融调查的经验分析[J]. 当代经济管理, 2023, 45(2):89-96.

[13]
周晓光, 肖宇. 数字经济发展对居民就业的影响效应研究[J]. 中国软科学, 2023(5):158-170.

[14]
王儒奇, 陶士贵, 刘强. 数字经济能否提升城市创新能力——基于双边随机前沿模型的新视角与再测算[J]. 江苏大学学报:社会科学版, 2023, 25(3):48-62.

[15]
张修凡, 廖中举. 数字经济发展赋能碳减排的多重路径——基于中国省域的组态分析[J]. 统计与决策, 2024, 40(8):126-131.

[16]
张英浩, 汪明峰, 崔璐明, 等. 数字经济水平对中国市域绿色全要素生产率的影响[J]. 经济地理, 2022, 42(9):33-42.

DOI

[17]
周磊, 龚志民. 数字经济水平对城市绿色高质量发展的提升效应[J]. 经济地理, 2022, 42(11):133-141.

DOI

[18]
白雪洁, 孙献贞. 互联网发展影响全要素碳生产率:成本、创新还是需求引致[J]. 中国人口·资源与环境, 2021, 31(10):105-117.

[19]
郭炳南, 王宇, 张浩. 数字经济、绿色技术创新与产业结构升级——来自中国282个城市的经验证据[J]. 兰州学刊, 2022(2):58-73.

[20]
郭丰, 杨上广, 任毅. 数字经济、绿色技术创新与碳排放——来自中国城市层面的经验证据[J]. 陕西师范大学学报:哲学社会科学版, 2022, 51(3):45-60.

[21]
Sicard P, Agathokleous E, Araminiene V, et al. Should we see urban trees as effective solutions to reduce increasing ozone levels in cities?[J]. Environmental Pollution, 2018,243:163-176.

[22]
张哲华, 钟若愚. 数字经济、绿色技术创新与城市低碳转型[J]. 中国流通经济, 2023, 37(5):60-70.

[23]
邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察[J]. 管理世界, 2022, 38(2):46-69,4-10.

[24]
朱悦, 张军涛. 数字金融发展对城市经济绿色低碳转型的影响研究[J]. 城市问题, 2022(10):64-71,81.

[25]
吴健生, 刘浩, 彭建, 等. 中国城市体系等级结构及其空间格局——基于DMSPS夜间灯光数据的实证[J]. 地理学报, 2014, 69(6):759-770.

DOI

[26]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究, 2004(10):35-44.

[27]
徐佳, 崔静波. 低碳城市和企业绿色技术创新[J]. 中国工业经济, 2020(12):178-196.

[28]
王馨, 王营. 绿色信贷政策增进绿色创新研究[J]. 管理世界, 2021, 37(6):173-188+11.

[29]
赵晓春, 龙来春, 周瑛. 绿色金融、政府干预与区域碳排放效率[J]. 统计与决策, 2023, 39(10):149-154.

[30]
廖庆梅, 李海刚, 唐栋, 等. 金融发展指标评价体系构建——基于长江经济带视角[J]. 商业经济, 2022(10):175-178,190.

[31]
孙文远, 周浩平. 数字经济对中国城市碳排放的影响效应及其作用机制[J]. 环境经济研究, 2022, 7(3):25-42.

[32]
柏培文, 张云. 数字经济、人口红利下降与中低技能劳动者权益[J]. 经济研究, 2021, 56(5):91-108.

[33]
张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(8):71-86.

Options
文章导航

/

〈 〉