EN中文

Economic geography >

2024 , Vol. 44 >Issue 9: 144 - 152

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.09.015

Digital Infrastructure，Technological Innovation，and Low-Carbon Energy Consumption

  • WEN Yi ,
  • LI Heshan ,
  • ZHANG Lei , ※
Expand
  • Business School，Xiangtan University，Xiangtan 411105，Hunan，China

Received date: 2024-06-26

  Revised date: 2024-09-07

  Online published: 2024-10-31

Fold

Abstract

With the in-depth implementation of "double carbon" in China,the comprehensive green and low-carbon transformation of production and living energy has become increasingly urgent. Based on the panel data of 218 cities at prefecture level or above from 2010 to 2019 and the quasi-experiment of "Broadband China" strategy,this paper evaluates the impact of digital infrastructure construction on low-carbon energy consumption and its mechanism by using two-way fixed effect model,DID model and PSM-DID model. It's found that: 1) Digital infrastructure plays a significant role in promoting the low-carbon energy consumption. 2) Mechanism analysis indicates that digital infrastructure effectively reduce carbon emissions from production and domestic energy consumption by promoting technological innovation. 3) Heterogeneity assessments demonstrate that digital infrastructure can significantly promote the low-carbon energy consumption in both northern and southern regions,resource-based cities and non-resource-based cities,but the low-carbon effect of energy consumption is more pronounced in northern cities and resource-based cities.

Key words： digital infrastructure construction; technological innovation; low-carbon energy consumption; energy for production and living; carbon emission; resource-based city; "Broadband China" strategy

Cite this article

WEN Yi , LI Heshan , ZHANG Lei . Digital Infrastructure，Technological Innovation，and Low-Carbon Energy Consumption[J]. Economic geography, 2024 , 44(9) : 144 -152 . DOI: 10.15957/j.cnki.jjdl.2024.09.015

生产生活用能的低碳化是中国实现“双碳”战略目标的重要途径。温室气体排放量的不断攀升对人类生存环境造成巨大破坏，威胁着经济社会发展和人们的日常生活。中国作为CO2排放量较大的国家之一，正面临着经济高质量发展与有效应对气候变化的平衡。作为负责任大国，中国提出在2030年前实现碳达峰、2060年前实现碳中和的战略目标，以推动可持续发展进程。碳排放是指包括CO2在内的全部温室气体的排放量，它与人们的日常生活息息相关，从家庭供暖、照明到交通出行，从工业生产到农业活动，每一个环节都可能成为碳排放的源头。现有研究对碳排放进行了多维度探讨，包括核算方法、影响因素、时空特征等，涵盖了不同行业、省份、地区或经济带。诸如长三角三省一市碳排放存在显著差异，整体上随着时间推移波动上升[1]。四川省农业碳排放量呈现波动下降趋势，各市州农业碳排放量呈现出明显的“四周高、中间低”的空间分布特征[2]。碳排放存在空间分异性，驱动因素及其贡献程度各有不同[3]，经济发展水平、人口规模和结构、产业结构和技术[4-5]、居民政策感知[6]等均会对碳排放产生重要影响。这些因素相互交织，共同作用于碳排放的动态变化过程。在能源消费碳排放估算领域，主流方法包括碳排放系数法、实测法和生命周期评价法[7]、消费侧碳足迹和碳公平测度法[8]等，虽各有优势，但受限于数据收集的复杂性和时间滞后性，难以在更广泛的地理尺度上实时应用。此外，利用夜间灯光数据进行碳排放估算虽有效弥补了传统数据源的缺陷，但其像元过饱和与溢出问题在一定程度上降低了估算准确性[9]。
能源消费作为碳排放的关键因素，面临着双重挑战。一方面，能源消耗总量呈现出快速增长的趋势[10]，工业、交通、建筑等领域对能源的需求日益旺盛；另一方面，传统能源消费结构占据主导地位，仍以化石燃料为主，煤炭占据着我国最大的化石燃料消费比例，在能源消费结构中占到近60%[11]。这对“双碳”目标的实现带来了巨大挑战。
数字基础设施作为现代经济社会高效运转的重要支撑，为减少能源消费碳排放提供了新的途径和可能，在引领产业革新、驱动经济增长和推动智慧城市建设等方面发挥着举足轻重的作用。现有研究多借助“宽带中国”战略考察数字基础设施的经济效应、社会效应和环境效应，证实了数字基础设施对经济高质量发展[12]、产业结构优化升级[13]、技术创新[14]、企业转型升级[15]、农民工就业率、劳动力配置等方面的促进效应。与本文紧密关联的是关于数字基础设施带来的环境效应的文献。数字基础设施在推动经济向更加绿色、更具包容性的增长模式转型中扮演了至关重要的角色[16]。这些基础设施不仅显著降低了工业SO2的排放，有效改善了雾霾污染问题[17]，还通过减少碳排放，进一步增强了城市的减污效应[18]。
目前，尽管已有不少学者研究了数字基础设施的经济社会效应和碳排放驱动因素，但仍然存在进一步研究的空间。特别是在低碳转型成为全球共识的背景下，针对能源消费领域碳排放的研究尚显不足。如大多数研究仅以CO2排放量衡量碳排放，依赖煤、石油等化石能源消耗数据来估算碳排放量，未能全面捕捉实际排放的复杂性。本文在已有研究的基础上，采用更为全面和准确的指标体系来衡量生产生活碳排放，进一步探讨数字基础设施建设对能源消费碳排放的影响及机制。本文将借鉴国际能源机构、世界经济论坛（WEF）的能源转型指数框架，从能源系统结构和环境可持续性两大维度出发，构建综合的、多维度的能源消费低碳化评估指标体系。该方法更能真实反映实际排放的复杂性，能够比较全面地反映地区的能源消费水平，提高了研究结果的科学性。本文将聚焦于能源消费领域的碳排放，能源消费低碳化指数涵盖生产和生活方面，弥补以往研究大多侧重于生产用能单个方面的不足；系统研究数字基础设施投入与城市能源消费低碳化之间的关联，丰富数字基础设施建设的环境效应分析，并从技术创新角度检验数字基础设施降低城市能源消费碳排放的内在机理，为相关领域研究提供有益补充。本研究能够更全面地理解数字基础设施的能源消费低碳化效应，为低碳减排政策制定提供有益的参考，为不同城市低碳治理提供新的经验证据。

1 政策背景与理论分析

1.1 政策背景

随着信息技术的迅猛发展，数字基础设施已成为推动现代社会进步的重要引擎。国务院于2013年发布“宽带中国”战略实施方案，将宽带网络定位为国家战略性公共基础设施，以加快构建宽带、融合、安全、泛在的下一代国家信息基础设施。该战略内容主要包括5个方面[19]：一是均衡发展区域网络宽带，二是强化网络性能、覆盖范围和服务质量的提升，三是深化宽带网络在社会各领域的应用，四是完善宽带网络产业链，五是加强宽带网络安全保障工作。随后，工业和信息化部与国家发展改革委共批复120个“宽带中国”试点城市（城市群），并于2014、2015和2016年分三批有序实施（表1）。截至2019年底，移动宽带用户达13.4亿户，移动宽带普及率达到95.7%，4G基站规模达到574.9万个，5G基站规模达到11.4万个，电子商务交易额达到34.8万亿元[20]。总体上，战略实施成效显著，用户规模及普及率大幅增长，宽带网络能力实现升级换代，宽带应用加速推广。“宽带中国”战略推动了数字基础设施优化升级、均衡布局及广泛应用，促进了技术研发与安全保障，成为衡量我国数字基础设施建设水平的关键指标，为经济社会数字化转型提供了有力支撑，在构建绿色、低碳的能源体系中发挥着重要作用[21]。
表1 “宽带中国”试点城市名单

Tab.1 List of pilot cities of "Broadband China" strategy

批次 城市（城市群）
第一批
（2014年）		 北京市、天津市、上海市、长株潭城市群、石家庄市、大连市、本溪市、延边朝鲜族自治州、哈尔滨市、大庆市、南京市、苏州市、镇江市、昆山市、金华市、芜湖市、安庆市、福州市（含平潭）、厦门市、泉州市、南昌市、上饶市、青岛市、淄博市、威海市、临沂市、郑州市、洛阳市、武汉市、广州市、深圳市、中山市、成都市、攀枝花市、阿坝藏族羌族自治州、贵阳市、银川市、吴忠市、阿拉尔市
第二批
（2015年）		 太原市、呼和浩特市、鄂尔多斯市、鞍山市、盘锦市、白山市、扬州市、嘉兴市、合肥市、铜陵市、莆田市、新余市、赣州市、东营市、济宁市、德州市、新乡市、永城市、黄石市、襄阳市、宜昌市、十堰市、随州市、岳阳市、汕头市、梅州市、东莞市、重庆市江津区、重庆市荣昌区、绵阳市、内江市、宜宾市、达州市、玉溪市、兰州市、张掖市、固原市、中卫市、克拉玛依市
第三批
（2016年）		 阳泉市、晋中市、乌海市、包头市、通辽市、沈阳市、牡丹江市、无锡市、泰州市、南通市、杭州市、宿州市、黄山市、马鞍山市、吉安市、烟台市、枣庄市、商丘市、焦作市、南阳市、鄂州市、衡阳市、益阳市、玉林市、海口市、重庆市九龙坡区、重庆市北碚区、雅安市、泸州市、南充市、遵义市、文山壮族苗族自治州、拉萨市、林芝市、渭南市、武威市、酒泉市、天水市、西宁市

1.2 理论分析

1.2.1 数字基础设施与能源消费碳排放

数字基础设施作为数字经济发展的基石，成为驱动社会进步与区域创新的核心引擎，加速能源消费低碳转型进程。数字基础设施通过提升能源管理效率、推动生活方式转变以及促进数字化与传统行业的深度融合，为能源消费的低碳化转型提供了有力支持。首先，数字基础设施有助于提升能源管理效率。遥感检测、大数据、云计算等技术的应用有利于缓解政府在能源生产、运输、储存、消费等过程中信息不对称问题[22]，通过对能源使用情况进行实时监控和数据分析，精准掌握能源消费情况，发现能源浪费和不合理使用的现象。通过智能化的能源调度和优化配置[23]，降低能源消耗，提高能源利用效率，为能源消费的低碳化提供了有力支持。其次，随着5G、千兆宽带等数字基础设施的普及，人们的生活和工作方式发生变化，远程办公、在线教育、智能家居等新兴业态应运而生。这些变化减少了通勤需求与工作设施的依赖，降低了能源消耗，引导人们向更加环保、低碳的生活方式转变。最后，大数据、云计算、区块链及工业互联网等技术能够帮助企业建立起能源管理平台，深化与传统产业的融合降低能源消耗和碳排放。例如，针对钢铁、化工、有色金属等高能耗行业，可通过智能化升级生产过程，如采用智能传感器监测生产线的能耗情况，实时调整设备运行状态，控制生产参数，减少不必要的能源浪费，提高能源利用效率；智能交通系统（如车联网与智能交通管理）能够精确调控交通流量，缓解拥堵，减少无效行驶，降低交通运输行业的能耗。此外，电动汽车、混合动力汽车等新能源汽车的推广和普及得益于数字基础设施的支持。通过建设充电设施、提供便捷的充电服务，可以有效推动新能源汽车的应用，减少对传统化石能源的依赖。据此，本文提出假说1。
假说1：数字基础设施有利于促进能源消费低碳化。

1.2.2 数字基础设施、技术创新与能源消费碳排放

数字基础设施作为社会发展支柱，不仅为技术创新注入了活力，同时也对能源消费的低碳化起到了积极的推动作用。数字基础设施的日益完善，为环保监测技术、清洁能源技术以及生产技术的研发与运用奠定了基础。这些技术与能源消费的融合，促进能源领域的创新与发展，优化能源消费结构，提升生产技术的效率和环境可持续性。首先，数字基础设施为技术创新提供了技术支撑。通信网络、数据中心、云计算、人工智能、物联网等基础设施使得各种数字化应用能够高效、稳定地运行，为技术创新提供了坚实的基础。其次，数字基础设施拓宽了资源获取渠道，降低研发成本。将全球范围内的数据、信息和知识资源紧密连接在一起[24]，创新者可以更加广泛地获取和利用各种创新资源，降低资源获取成本。再者，数字基础设施以其独特的跨时空数据传输能力，显著提升了创新效率，并激发了群体效应的潜力。它使得数据流动变得高效且即时，无需改变生产要素的物理位置，即可实现知识与技术的快速传递与共享。这一特性促进了企业内部及企业间知识与技术的快速溢出与广泛扩散[14]，创新者能够迅速捕捉并应用最新的技术动态与研究成果，提高研发效率。这不仅有助于加速技术创新的进程，还能够推动跨行业、跨领域的协同创新，形成更加开放和多元的创新生态[25]。
进一步地，技术创新通过减缓碳排放增速和减少碳源构建更加绿色、低碳的能源消费模式[26-27]。首先，面对化石燃料当前并且未来很长一段时间依旧占主导地位的情况，各类环保技术能降低燃烧时产生的污染物排放，通过烟气脱硫脱硝技术和颗粒物捕集技术等减排技术，去除化石燃料燃烧产生的有害物质，显著降低大气污染。同时，碳捕捉与封存（CCS）技术的突破，也为实现CO2的循环利用和长期安全存储提供了可能。除此之外，监测技术使我们能有效掌握能源生产过程中的碳排放数据，为政府和企业制定科学的减排政策提供科学依据，促使能源生产向更加环保、低碳的方向发展。其次，技术创新在优化能源结构方面发挥了重要作用[28]。随着清洁能源技术的不断发展，太阳能、风能等新能源利用成本降低、能源利用效率提升，其在能源结构中的占比逐步提升。以太阳能为例，光伏技术的进步使得光电转换效率逐渐提高，制造工艺的改进和材料科学的突破也使生产成本降低，这些技术进步共同作用下，太阳能发电的经济性显著增强，其在能源结构中的占比逐步扩大。这一转变不仅从源头上减少了温室气体排放，还促进了能源消费的多元化与清洁化。据此，本文提出假说2。
假说2：数字基础设施可以促进技术创新，从而推动能源消费低碳化。

2 研究设计

2.1 模型设定

为推动数字基础设施建设，中国政府于2013年发布“宽带中国”战略实施方案，并于2014、2015和2016年批复三批试点城市（城市群）。本文将该政策视为一项准实验，评估数字基础设施对能源消费低碳化的影响效应，构建渐进双重差分模型：
E P i t = α + β 1 g r o u p i · p o l i c y t + γ X i t + μ i + λ t + ε i t
式中：i表示城市（城市群）；t代表时间；groupi×policyt为“宽带中国”政策项，是试点城市与政策年份的交互项，其系数β1反映数字基础设施建设的实际效果，groupi·policyt=1时代表该城市i在年份t时属于试点城市；EPit为能源消费低碳化指数；Xit为一组控制变量；并加入城市固定效应（ui）、年份固定效应（λt）和随机扰动项（εit）。

2.2 变量选取

2.2.1 被解释变量

能源消费低碳化（EP）。本文参考国际通行的国家能源转型指数（ETI）框架，构建由能源系统结构、环境可持续性2个维度组成的涵盖生产生活用能的能源消费低碳化指数。其中，能源系统结构维度涵盖能源结构、电力结构、能源强度和能源使用4个关键方面，环境可持续性维度包含碳强度和人均碳排放量2个碳排放指标，以及1个空气污染指标[29]（表2）。指数值越高，表示能源消费低碳化程度越高。该指标体系的构建思路与国际能源机构和世界经济论坛（WEF）的能源转型指数框架保持一致，有效克服了仅使用CO2排放量等生产侧单一指标难以综合反映生产生活用能碳排放的缺陷。
表2 能源消费低碳化指数构成

Tab.2 Composition of low-carbon energy consumption variables

指数 维度 组成部分 指标
能
源
消
费
低
碳
化		 能源
系统
结构		 能源结构 煤炭在一次能源中所占比例（%）
电力结构 当地发电用煤量与总用电量之比[kg标准煤当量/（kW·h）]
能源强度 单位GDP能耗（标准煤当量/万元）
能源使用 人均能源消耗（人均标准煤当量）
人均用电量[（kW·h）/人]
环境
可持
续性		 碳排放强度 单位GDP CO2排放量（t/万元）
人均碳排放 城市范围内人均CO2排放量（t/人）
空气污染（PM2.5） 可吸入细颗粒物年平均浓度（μg/m3）

2.2.2 解释变量

数字基础设施。本文使用“宽带中国”战略实施时间虚拟变量（policy）与城市类型虚拟变量（group）的交互项进行衡量。将试点地区的样本作为实验组，其他非试点地区的样本作为对照组。如果城市i在年份t是试点城市，则将相应的交互项设定为1，否则设定为0。用该政策衡量数字基础设施的做法在既有研究中得到广泛应用。

2.2.3 控制变量

为了更科学准确地分析数字基础设施在能源消费低碳化中发挥的作用，还需要加入对碳排放产生潜在影响的其他潜在因素。借鉴已有文献[30-31]，主要包括以下变量：①经济发展水平，以人均GDP对数形式表示；②外商直接投资，使用外商直接投资额占GDP的比重表征；③金融发展，使用年末金融机构贷款余额占GDP的比重表征；④城镇化水平，以城市建设面积占市区面积的对数形式表示；⑤基础设施建设，以人均道路面积的对数形式来表示；⑥人口规模，用年末常住人口与土地面积之比表示；⑦财政分权度，以地区财政预算内收入与GDP的比值表示。

2.3 样本与数据说明

本文基础数据为2010—2019年281个地级及以上城市（以下简称“城市”）的面板数据，为保证估计结果的准确性，将仅包含个别区、县试点的城市剔除，同时对相关变量中有缺失值的样本进行剔除，经处理后的样本数据为218个城市。能源消费低碳化指数的基础数据来源于国际能源转型研究学会[29]，其余数据来源于Wind资讯数据库、EPS数据库、《中国城市统计年鉴》《中国统计年鉴》以及各城市历年国民经济和社会发展统计公报。

2.4 能源消费低碳化指数的时空分异

本文绘制了2010、2013、2016和2019年4个时间截面的能源消费低碳化指数的时空分布图（图1）。研究期间，能源消费低碳化指数分布区间为[6.214,91.140]，不同城市间的生产生活能源消费低碳化程度存在很大的时空差异。从时间变化趋势来看，特别是对比2010和2019年可以发现，2010—2019年能源消费低碳化指数整体上呈现增长趋势。以江西省萍乡市为例，其能源消费低碳化指数从2010年的27.1稳步增长至2019年的51.0；与2010年相比，2019年南方大部分城市的能源消费低碳化指数普遍达到了较高的水平。然而，在陕西、山西等地区，低碳化进展相对缓慢，指数增长并不显著。从空间分布特征来看，能源消费低碳化指数的分布呈现出显著的地区差异。南方地区普遍具有较高的低碳化水平，形成了明显的“南高”特征；东北地区在低碳化方面虽然稍逊于南方，但也表现出一定的进展，呈现出“东北次之”的特点；相比之下，中部地区在低碳化方面的表现较为薄弱，低碳化水平相对较低，形成了“中部较弱”的态势。总体而言，中国能源消费低碳化指数在2010—2019年呈现出增长趋势，但地区间存在差异，呈现出“南高、东北次之、中部较弱”的分化特征。
图1 中国城市能源消费低碳化指数空间分布演变

注：1.基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763号的标准地图制作，底图边界无修改。2.根据2010—2019年样本取值将中国城市能源消费低碳化指数水平分为4个等级：[6.21,41.70）为较低水平,（41.70,52.48]为中等水平，（52.48，63.98]为较高水平，（63.98，100.00]为高水平。

Fig.1 Spatial differentiation of low-carbon index of energy consumption in Chinese cities

3 实证分析

3.1 基准回归

表3汇报了数字基础设施对能源消费低碳化的影响。其中，列（1）在控制城市固定效应后，该政策对能源消费低碳化的作用系数为6.7307，且在1%的置信水平上显著，表明数字基础设施对能源消费低碳化具有显著的正向推动作用。列（2）在回归模型中加入其他控制变量后，虽然回归系数有所降低，但仍然在1%的水平上显著为正。即在考虑其他可能影响能源消费低碳化的因素后，数字基础设施仍然对能源消费低碳化具有显著的正向影响。由于试点城市分三批实施，本文进一步采用双向固定模型进行回归，列（3）（4）结果依然显示该政策对能源消费低碳化有显著正向作用。这表明，“宽带中国”政策带来的数字基础设施水平提升，对能源消费低碳化产生了显著且积极的影响，未来可充分利用这一政策优势，推动能源消费向环保、高效转变，为实现绿色低碳发展做出更大的贡献。
表3 数字基础设施对能源消费低碳化的影响：基准回归

Tab.3 Impact of digital infrastructure on low-carbon energy consumption: Benchmark regression

变量 （1） （2） （3） （4）
group·policy 6.7307***
（19.4681）		 2.1979***
（6.0819）		 1.3704***
（3.3465）		 1.2923***
（3.4854）
城镇化水平 8.9928***
（5.2018）		 7.8050***
（4.4527）
基础设施 1.8749
（1.4107）		 0.4315
（0.3379）
人均GDP 9.9721***
（17.3698）		 8.8086***
（10.4243）
金融发展 0.9092*
（1.7108）		 0.1451
（0.4584）
人口密度 -0.0036
（-1.3855）		 -0.0037
（-1.4519）
外商直接投资 0.0935
（0.1765）		 -0.1930
（-0.3205）
财政分权度 6.1989
（1.2707）		 9.6444
（1.5401）
常数项 49.5193***
（378.7795）		 -73.9888***
（-14.0102）		 50.3947***
（421.1612）		 -57.1380***
（-5.9127）
城市固定效应 是 是 是 是
年份固定效应 否 否 是 是
N 2180 2180 2180 2180

注：***、**、*分别代表在1%、5%、10%水平上显著，括号内数值为标准误。表4~表5同。

3.2 稳健性检验

3.2.1 平行趋势检验

平行趋势检验是双重差分模型（DID）应用的关键前提之一，检验实验组和对照组在政策实施前具有相似的行为或趋势，从而判断政策实施后的变化是否归因于政策本身而非其他潜在因素。平行趋势检验对验证数字基础设施建设对能源消费低碳化影响的有效性至关重要。本文采用事件研究法，构造事件前后的虚拟变量，并将这些虚拟变量与实验组变量的交互项纳入回归模型中，观察这些交互项的系数是否显著[32]。根据图2所展示的检验结果可以发现，在政策实施前，数字基础设施建设对能源消费低碳化的作用系数估计值较小且均不显著。这一结果表明，在政策实施之前，实验组（试点城市）和对照组（非试点城市）之间的能源消费碳排放水平变化趋势是一致的，没有系统性的差别。这符合双重差分模型的平行趋势假设要求，说明在政策实施前两组样本城市在能源消费低碳化方面具有相似的行为模式。而在政策实施之后，各期的系数估计值均显著大于0。这一结果证明了数字基础设施在政策实施后能够发挥显著的碳减排效应，并且这种效应呈现出持续增强的趋势。
图2 平行趋势检验

Fig.2 Parallel trend test

3.2.2 安慰剂检验

为验证数字基础设施建设对能源消费低碳化的影响是否真实存在，而非由其他随机因素所驱动，本文采用随机置换处理变量的方式来进行安慰剂检验。具体而言，随机产生实施该政策的城市，从而产生一个错误的估计系数，并将此过程重复500次。通过这种方式，本文可以模拟出一种情况，即在没有真实政策影响的情况下，模型可能会产生的估计结果。重复500次随机置换处理变量的过程，并观察每次置换后估计系数的分布情况，如果估计系数集中分布在0附近，且大部分系数不显著，那么就可以认为这些随机生成的“政策实施”并没有对能源消费低碳化产生显著影响。相反，如果估计系数呈现出某种规律性的分布，或者显著性水平较高，那么这可能意味着存在其他未考虑到的因素在影响能源消费低碳化。根据安慰剂检验的结果，发现估计系数集中在0附近且服从正态分布，且大部分估计系数在10%的水平上不显著，这意味着这些随机生成的“政策实施”并没有对能源消费低碳化产生显著影响。这一结果支持了本文的假说1，即数字基础设施建设对能源消费低碳化的影响是真实存在的，而非由其他随机因素所驱动，增强了我们对研究结论的信心。

3.2.3 PSM-DID

为准确评估数字基础设施建设的影响，减少研究中的选择偏差和混杂因素干扰，本文通过倾向得分匹配（PSM）方法匹配具有相似特征的地区，使得实验组和对照组在除政策干预外，其他可能影响能源消费低碳化的因素上尽可能一致，从而更准确地估计政策对能源消费低碳化的处理效应。具体而言，以控制变量作为协变量，并根据这些变量的倾向得分进行逐年1∶2近邻匹配，确保匹配后的样本在特征上更接近。随后利用匹配后的样本进行双重差分（DID）回归，得到PSM-DID模型回归结果（表略） ① 。结果依然表明，数字基础设施建设对能源消费低碳化的影响显著为正。这意味着，在排除了选择偏差和混杂因素的干扰后，这一结果与基准回归分析中的发现保持一致。

3.3 机制检验

前文基准回归及稳健性检验的结果已明确揭示，数字基础设施建设能够有效推动能源消费的低碳化，那么其内在机制是什么?在数字化、智能化的背景下，数字基础设施对能源消费碳排放的影响与技术创新的发展程度紧密相连。数字基础设施为云计算、大数据等新一代技术的创新与发展提供了坚实的支撑。它通过连接全球范围内的数据、信息和知识资源，打破了地域限制使得创新资源得以更广泛地共享和利用，降低研发成本提高研发效率。技术创新，作为数字基础设施与能源消费低碳化之间的桥梁，通过发展环保技术和应用监测等技术，推动清洁能源技术的发展和新能源的利用，优化能源结构和提高了生产技术，从而促进能源消费低碳化。
根据江艇的研究[33]，在机制变量与被解释变量的关系较为明朗且得到大量研究证据支持的情况下，主要关注解释变量对机制变量的影响即可验证完整的逻辑机制 ① 。具体而言，从宏观战略和长期历史的角度来看，技术创新在节能降碳方面展现出了强大的推动力[5,26-27]。这种推动力不仅体现在减少温室气体排放的直接效应上，还通过促进经济结构的优化转型，间接地加速了可持续发展模式的构建与强化，为长远的环境与经济双赢铺平了道路。因此，本文的机制分析主要检验数字基础设施建设对技术创新的影响。本文采用各城市获得授权的发明专利数量作为技术创新的代理指标。表4检验结果显示，无论是否对城市和年份固定效应进行控制，以及是否加入其他控制变量，回归系数在1%的置信水平上均显著为正。这一结果表明，数字基础设施建设显著促进了技术创新，为实现能源消费的低碳化提供了有力支撑。
表4 机制检验结果

Tab.4 Mechanism verification results

变量 技术创新
（1） （2） （3） （4）
group·policy 0.7141*** 0.3760*** 0.3331*** 0.3243***
（10.9164） （5.7055） （5.3984） （4.7423）
常数项 0.8124*** -8.8643*** 0.8747*** -2.5601**
（39.6883） （-8.3063） （48.5150） （-2.1820）
控制变量 否 是 否 是
年份固定效应 否 否 是 是
城市固定效应 是 是 是 是
N 2180 2180 2180 2180
R² 0.8421 0.8605 0.8618 0.8660

3.4 异质性分析

3.4.1 南北方差异

相较于传统东、中、西划分，在中国经济跨入创新驱动主导的高质量发展阶段后，南北经济发展差异逐渐显著[34]。特别是在数字基础设施发展方面，南方地区差异大于北方地区[35]。本文按照国家统计局的标准将样本划分为南方城市和北方城市两大部分，分别进行回归分析。结果见表6列（1）（2），回归系数为正且分别在10%和5%上显著，即数字基础设施建设对南方和北方地区能源消费低碳化都起到显著的促进作用，且北方城市的能源消费低碳化效果优于南方城市。可能的原因在于，南方地区因其灵活的市场机制、高效的资源配置以及较早的数字化转型步伐，在数字基础设施发展方面展现出显著的优势；而北方作为老工业基地，拥有较为丰富的能源资源和产业基础，使得在能源消费低碳化方面具备更多的潜力和空间。
表5 异质性检验

Tab.5 Heterogeneity test

变量 能源消费低碳化
（1） （2） （3） （4）
北方城市 南方城市 非资源城市 资源城市
group·policy 1.2676*** 0.8800* 1.0918** 1.6131***
（-2.5861） （-1.7315） （-2.3362） （-2.6326）
常数项 71.85*** -89.23*** -34.18** -80.22***
（-4.0914） （-6.9057） （-2.2214） （-5.8132）
控制变量 是 是 是 是
城市固定效应 是 是 是 是
年份固定效应 是 是 是 是
N 1100 1080 1240 940
R2 0.9393 0.9371 0.9382 0.9386

3.4.2 能源资源充裕度差异

国务院在2013年印发的《全国资源型城市可持续发展规划（2013—2020年）》中，将126个城市划定为资源型城市。资源型城市以石油、煤炭等资源为主，在开采掘、燃烧和运输等环节中会产生大量的温室气体，会影响数字基础设施对能源消费的降碳减排效用。因此，本文将样本城市划分为资源型城市和非资源型城市分组进行回归，结果见表5列（3）（4）。结果显示，回归系数为正且分别在5%和1%上显著，即数字基础设施建设对资源型城市和非资源型城市的能源消费低碳化都起到显著的促进作用，资源型城市的低碳化效果优于非资源型城市。可能的原因在于，数字基础设施的普及和应用，例如智能电网、智能交通等方面的发展，都有助于提高能源利用效率、减少碳排放。但是资源型城市面临资源枯竭、环境压力等问题，在能源消费和碳排放方面存在更大的改善空间，而数字基础设施的建设和发展为其提供了一个可持续发展的机遇。

4 结论和建议

4.1 主要结论

在全球经济步入绿色转型的时代背景下，以低碳发展为特征的绿色高质量增长路径是我国经济可持续发展的必然选择。本文基于中国2010—2019年218个城市的面板数据，分析了数字基础设施建设对能源消费低碳化的影响，主要得出以下结论：①数字基础设施建设能够显著促进能源消费低碳化，降低城市生产生活用能的碳排放。②数字基础设施可以通过促进技术创新有效降低能源消费碳排放。③数字基础设施建设对能源消费低碳化的影响存在异质性，对南北方城市、资源型和非资源型城市的能源消费低碳化均有显著促进作用，但在北方城市和资源型城市效应更明显。

4.2 对策建议

基于上述研究结论，本文提出以下对策建议：
①总结和借鉴“宽带中国”试点城市的成功经验，进一步完善数字基础设施建设，持续发挥数字基础设施的低碳化效应。通过总结试点城市建设成功模式，形成可复制推广的经验，有利于减少扩大推广的潜在风险，最大程度发挥政策带来的低碳化效应。
②充分发挥技术创新的积极效应。一方面，应加强在数字技术和清洁能源技术领域的研发和创新，通过加大投入、引进人才、建设创新平台等方式，推动新技术的产生和应用。政府可以通过实施税收优惠、财政补贴等政策措施，降低清洁能源技术的研发成本和市场风险，激发企业的创新活力。另一方面，要将新技术与传统产业进行融合，尤其是与高排放、高污染的重工业融合，是实现能源消费低碳化的重要途径。通过推广数字化、智能化技术，提高重工业的生产效率和能源利用效率，降低能源消耗和碳排放。比如将物联网、大数据等数字技术与重工业的生产过程相结合，实现生产过程的可视化、可控化和可优化，不仅可以提高生产效率，还可以降低能源消耗和废弃物排放。
③针对我国不同地区在经济发展水平和能源消费结构上的差异，制定差异化的政策措施来推动能源消费低碳化转型。对于北方地区的老工业基地，要加强对其传统产业的转型升级和绿色化改造工作，通过引进先进技术和设备、优化生产流程等方式，降低碳排放强度，提高能源利用效率。同时，还应鼓励这些地区发展清洁能源产业，推动其能源消费结构的优化升级。对于南方地区，要充分利用其得天独厚的自然条件和资源优势，加强清洁能源技术的推广和应用。例如，在太阳能资源丰富的地区，可以大力发展太阳能发电产业；在风能资源丰富的地区，可以建设风电基地等。通过发挥各地区的比较优势，更好地促进新能源产业的快速发展和普及。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
邹秀清, 孙学成, 葛天越, 等. 长三角地区碳排放差异、影响机理及碳达峰预测[J]. 长江流域资源与环境, 2023, 32(3):548-557.

[2]
卢奕亨, 田云, 周丽丽. 四川省农业碳排放时空演变特征及其影响因素研究[J]. 中国农业资源与区划, 2023, 44(11):1-14.

[3]
王兴民, 吴静, 白冰, 等. 中国CO2排放的空间分异与驱动因素——基于198个地级及以上城市数据的分析[J]. 经济地理, 2020, 40(11):29-38.

DOI

[4]
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.

[5]
傅晓华, 王赫, 杨欣欣. 基于STIRPAT模型的碳排放情景预测研究——以湖南省为例[J]. 邵阳学院学报:社会科学版, 2023(2):34-42.

[6]
田艳平, 李佳锶. 居民政策感知与家庭能源消费低碳化[J]. 消费经济, 2024, 40(1):61-73.

[7]
张青青, 曲衍波, 展凌云, 等. 中国粮食生产碳排放动态演进及驱动效应[J]. 地理学报, 2023, 78(9):2186-2208.

DOI

[8]
夏克郁, 陈迎. 基于消费的碳公平:内涵、测度与政策含义[J]. 消费经济, 2024, 40(2):51-62.

[9]
张斌, 卫丹琪, 丁乙, 等. 基于夜间灯光和土地利用的珠江流域城市碳排放估算及其时空动态特征研究[J]. 地球科学进展, 2024, 39(3):317-328.

DOI

[10]
张磊, 许明, 阳镇. 知识产权保护的雾霾污染减轻效应及其技术创新机制检验[J]. 南开经济研究, 2021(1):164-183.

[11]
袁惊柱. 低碳转型背景下煤炭消费率先达峰的路径与政策研究[J]. 中国软科学, 2023(2):12-22.

[12]
马茜, 张红兵, 廖甍. 数字基础设施建设、知识流动与城市高质量发展——准自然实验与空间溢出的经验证据[J]. 产业经济研究, 2022(6):114-128.

[13]
马青山, 何凌云, 袁恩宇. 新兴基础设施建设与城市产业结构升级——基于“宽带中国”试点的准自然实验[J]. 财经科学, 2021(4):76-90.

[14]
沈坤荣, 林剑威, 傅元海. 网络基础设施建设、信息可得性与企业创新边界[J]. 中国工业经济, 2023(1):57-75.

[15]
王磊, 李吉. 网络基础设施建设与企业数字化转型:理论机制与实证检验[J]. 现代经济探讨, 2024(1):77-89.

[16]
张涛, 李均超. 网络基础设施、包容性绿色增长与地区差距——基于双重机器学习的因果推断[J]. 数量经济技术经济研究, 2023, 40(4):113-135.

[17]
牛子恒, 崔宝玉. 网络基础设施建设与大气污染治理——来自“宽带中国”战略的准自然实验[J]. 经济学报, 2021, 8(4):153-180.

[18]
Zou W, Pan M. Does the construction of network infrastructure reduce environmental pollution? Evidence from a quasi-natural experiment in “Broadband China”[J]. Environmental Science and Pollution Research, 2023, 30(1):242-258.

[19]
焦豪, 崔瑜, 张亚敏. 数字基础设施建设与城市高技能创业人才吸引[J]. 经济研究, 2023, 58(12):150-166.

[20]
张磊, 廖芳. 中国式消费现代化:理论逻辑、指标体系和变动趋势[J]. 财经科学, 2024(1):117-133.

[21]
Hong J, Shi F, Zheng Y. Does network infrastructure construction reduce energy intensity?Based on the “Broadband China” strategy[J]. Technological Forecasting Social Change, 2023,190:122437.

[22]
邓荣荣, 张翱祥. 中国城市数字经济发展对环境污染的影响及机理研究[J]. 南方经济, 2022(2):18-37.

[23]
陆凤芝, 王辉, 景光正. 网络基础设施建设与绿色高质量发展——来自宽带中国战略的准自然实验[J]. 统计研究, 2024, 41(8):112-125.

[24]
刘军, 王励铧. 数字基础设施建设对城市绿色创新效率的影响——基于“宽带中国”战略试点政策的准自然实验[J]. 工业技术经济, 2024, 43(2):152-160.

DOI

[25]
尹西明, 陈泰伦, 金珺, 等. 数字基础设施如何促进区域高质量发展:基于中国279个地级市的实证研究[J]. 中国软科学, 2023(12):90-101.

[26]
Zhang X, Geng Y, Tong Y W, et al. Spatial characteristics and its driving factors of low-carbon energy technology innovation in China:A gravity movement and exploratory spatial data analysis[J]. Journal of Cleaner Production, 2021,295:126481.

[27]
程钰, 张悦, 王晶晶. 中国省域碳排放绩效时空演变与技术创新驱动研究[J]. 地理科学, 2023, 43(2):313-323.

DOI

[28]
Zeng S, Li T, Wu S, et al. Does green technology progress have a significant impact on carbon dioxide emissions?[J]. Energy Economics, 2024,133:107524.

[29]
Shen Y, Shi X, Zhao Z, et al. A dataset of low-carbon energy transition index for Chinese cities 2003-2019[J]. Scientific Data, 2023, 10(1):906.

DOI PMID

[30]
张华. 低碳城市试点政策能够降低碳排放吗?——来自准自然实验的证据[J]. 经济管理, 2020, 42(6):25-41.

[31]
李珊, 湛泳. 产业转型升级视角下智慧城市建设的碳减排效应研究[J]. 上海财经大学学报, 2022, 24(5):3-18,107.

[32]
Beck T, Levine R, Levkov A. Big bad banks?The winners and losers from bank deregulation in the United States[J]. The Journal of Finance, 2010, 65(5):1637-1667.

[33]
江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5):100-120.

[34]
陈容, 张杰. 中国南北经济发展分化了吗——基于地级城市生产率的证据[J]. 中南财经政法大学学报, 2023(2):104-117.

[35]
陈华帅, 马伟, 毛璐璐. 网络基础设施建设与家庭旅游消费:来自“宽带中国”试点的证据[J]. 消费经济, 2024, 40(3):88-100.

Options
Outlines

/

〈 〉