数字经济对碳排放强度的影响研究

Research on the Impact of Digital Economy on Carbon Emission Intensity

摘要: 数字化与绿色化协同转型是推动我国经济高质量发展的重要驱动力，数字经济的发展为绿色创新赋能。基于产业结构合理化和高级化的双重视角，本文选取2012~2022年全国省级面板数据，运用双固定效应模型探究数字经济对碳排放强度的影响及其作用机制。研究结果表明：第一，数字经济有助于降低碳排放强度，经过一系列稳健性检验和工具变量缓解内生性问题后，结论仍然成立；第二，经中介效应分析，数字经济会通过优化产业结构降低碳排放强度，主要表现为数字经济通过促进产业结构高级化和产业结构合理化两种方式抑制碳排放；第三，数字经济碳排放强度的影响存在区域异质性，对中东部地区和人力资本充沛地区促进作用更加明显，对西部地区和人力资本匮乏地区则不显著。基于以上研究，本文提出应加大数字基础设施建设力度，着力培育数字经济新业态新模式和因地制宜实施数字经济发展战略等政策建议，以期降低碳排放强度，深入贯彻绿色发展理念。

Abstract: The coordinated transformation of digitalization and greening is an important driver for promoting the high-quality development of China’s economy. The development of the digital economy empowers green innovation. From the dual perspectives of the rationalization and upgrading of industrial structure, this paper selects the provincial panel data from 2012 to 2022 in China and uses the fixed effects model to explore the impact of the digital economy on carbon emission intensity and its mechanism. The research results show that: Firstly, the digital economy helps to reduce carbon emission intensity, and this conclusion still holds after a series of robustness tests and using instrumental variables to alleviate the endogeneity problem. Secondly, through mediating effect analysis, the digital economy can reduce carbon emission intensity by optimizing the industrial structure, mainly manifested as the digital economy suppressing carbon emissions through promoting both the upgrading and rationalization of the industrial structure. Thirdly, there is regional heterogeneity in the impact of the digital economy on carbon emission intensity. The promoting effect is more obvious in the central and eastern regions and regions with abundant human capital, while it is not significant in the western regions and regions with scarce human capital. Based on the above research, this paper proposes policy suggestions such as increasing the construction intensity of digital infrastructure, focusing on cultivating new forms and models of the digital economy, and implementing digital economy development strategies according to local conditions, in order to reduce carbon emission intensity and thoroughly implement the concept of green development.

1. 引言

党的二十大报告提出，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。协同推进降碳、减污、扩绿、增长是建设人与自然和谐共生的现代化的实现路径，这为我国加快数字经济发展、促进数字化和绿色协同发展提供了遵循。伴随中国经济的快速发展，传统以要素驱动的高投入、高消耗、高排放的“三高”经济发展模式消耗了大量能源，使得我国面临着巨大的碳减排压力，如何促进低碳发展已成为当下社会关注的重要议题。

数字经济是以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力量，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的数字化、网络化、智能化水平，以一系列新模式和新业态为表现式的经济活动。近年来数字经济发展迅猛，据统计，2021年我国数字产业化规模已经达到8.4万亿元，同比名义增长11.9%，占GDP比重为7.3%；同时产业数字化规模达到37.2万亿元，同比名义增长17.2%，占GDP比重为32.5%。在我国数字化和信息技术高速发展，以及资源环境约束日益趋紧的双重背景下，数字化与绿色化协同转型正成为引领中国稳增长、促发展的重要引擎。大力发展数字经济，推进经济发展方式绿色转型，是建设社会主义现代化国家的内在要求，也是实现我国经济社会高质量发展的必由之路。在此背景下，研究数字经济对碳排放的影响效果，不仅有助于为数字经济绿色价值的充分发挥提供思路，还有助于寻找推进经济发展方式绿色转型的有效途径。

2. 文献综述

数字经济对碳排放的影响研究已成为近几年的研究热点。通过梳理文献，发现与本文有关的文献主要沿着数字经济的碳减排效应、产业结构升级的碳减排效应以及产业结构升级在数字经济碳减排效应中的作用三个方面展开。

一是关于数字经济的碳减排效应的相关研究。学者们对于数字经济的碳减排效应尚未达成一致观点。部分学者认为数字经济具有环境友好的特殊性质，能够显著降低城市碳排放水平[1]。徐维祥、周建平等发现数字经济发展显著改善了城市碳排放，并且数字经济发展对碳排放的作用在不同经济圈层内有所差异，空间外溢具有边界效应[2]。Hittinger通过测算云计算的碳排放量，数据中心和云服务器是主要的碳排放来源，尤其是数据中心的运行需要大量能源[3]。针对上述这种观点，杨刚强等则认为，单从数字产业高耗能这一层面研究数字经济的碳排放效应，容易忽视数字产业的技术溢出、对能源系统的转型升级和对经济系统的调整优化等效应，进而低估其对碳排放的影响[4]。可见，关于数字经济对碳排放的影响，学者们见仁见智，目前尚无定论。因此，明确数字经济对碳排放的影响并研究其作用机制很有必要。

二是关于产业结构升级的碳减排效应的相关研究。学者们主要从低碳城市作为切入点，研究产业结构对碳减排的影响，如逯进和王晓飞等以低碳城市试点的设立作为准自然实验讨论低碳城市政策对产业结构升级的作用机制，实证表明低碳城市政策的实行显著促进了产业结构的升级[5]。秦艳和蒋海勇采用2012~2018年的面板数据实证检验了低碳试点城市建设对新兴产业发展的影响，研究结果表明低碳试点城市建设会对新兴产业发展产生影响[6]。王文举和向其凤采用投入产出模型验证了城乡居民的新一轮消费结构升级不利于低碳产业结构调整，但消费率的提高依然会使得产业结构向低碳方向演进[7]。王少剑等发现第二产业产值规模、碳排放强度则存在显著的正相关性[8]。

三是关于产业结构升级在数字经济碳减排效应中的作用的相关研究。葛立宇等分析了数字经济发展对于城市碳排放的作用，研究发现数字经济发展能够显著促进城市的碳减排，并且产业结构转型升级是数字经济促进城市碳减排的重要中介机制[9]。谢文倩等基于2011~2019年省级面板数据，利用中介效应模型对数字经济促进产业结构升级从而赋能碳减排路径进行实证分析[10]。研究结果表明，数字经济对碳排放有明显抑制作用，产业结构升级在数字经济对碳排放的传导机制中起明显的中介作用。朱勤等研究发现，在各种影响碳排放强度的具体分解因素中，产业结构对碳排放强度的影响，仅次于能源强度和人口规模[11]。

综上所述，已有研究对数字经济、产业结构和碳排放强度进行了一定研究，但仍存在以下不足：一是在研究内容上，学者们更多单纯地关注“减碳控排”而忽视了碳排放强度这一更能代表碳减排效应的变量。二是在研究视角上，学者们虽然关注到产业结构在数字经济碳减排效应中的作用，但仅仅关注产业结构高级化的影响，忽略了合理化的重要作用。基于此，本文研究数字经济对碳排放强度的影响效果，力求为“十四五”期间数字经济建设和布局优化以及经济高质量发展提供一些有益思考和建议。本文的边际贡献在于：第一，在研究视角上，以产业结构高级化和合理化相结合的两种视角进行实证研究，通过对产业结构优化的作用分解扩展了产业结构在数字经济碳减排中机制的研究深度。二是在研究内容上，本文以碳排放强度而非单纯的碳放量作为切入点，探讨数字经济施对碳排放强度的影响效果，就研究结果和存在的问题提出政策建议，以期为充分发挥数字经济的绿色价值提供经验证据。

3. 机理分析与研究假设

3.1. 数字经济与碳排放强度

数字经济以信息和数据为生产要素，结合互联网、大数据、区块链等新技术，融入各个经济社会领域。从宏观产业层面来看，数字经济的发展对碳排放具有双重影响。一方面，数字化技术的应用使得许多产业的生产方式更加高效智能化，降低了资源消耗和能源使用，从而减少了碳排放。另一方面，数字经济的快速发展也带来了新的碳排放挑战。随着数字化技术的普及，人们生活中的电子产品、数据中心、云计算等设备的数量不断增加，导致整个信息通信技术(ICT)行业的能源消耗大幅增加，进而增加了碳排放。因此，数字经济的发展也会带来碳排放的增加。但综合来看，由于数字技术的外溢性较强，其发挥的碳减排效应将会遮蔽其增加的碳排放，因而最终将会减少碳排放。基于环境库兹涅茨曲线(EKC)理论，数字经济的发展可能通过优化资源配置效率、促进绿色技术创新(如AI能耗管理、大数据驱动的精准减排)降低单位产出的碳排放。同时，数字技术(如物联网、云计算)可通过提升能源利用效率，减少传统产业的能源浪费，从而直接抑制碳排放强度[12]。

假说1：数字经济有助于降低碳排放强度。

3.2. 产业结构升级在数字经济与碳排放强度间的中介效应

根据上述理论分析，数字经济有助于减少碳排放的强度。数字经济实现减碳排放是多种中介因素共同作用的结果。在各种影响碳排放强度的具体因素中，产业结构升级发挥着主导作用。产业结构升级包含产业结构合理化和高级化两方面。从产业结构合理化角度来看，数字化技术的应用使得企业生产管理趋向智能化和精细化，提高了生产效率和资源利用率，从而减少不必要的能源消耗和碳排放。同时，数字化平台的建设和数字化技术的应用，使得企业可以共享数据，实现信息互联互通。数字经济催生高技术产业(如数字金融、智能制造)，替代高耗能传统产业[13]，从产业结构高级化的角度来看，数字经济催生出一系列新兴产业，如共享经济、电子商务、互联网金融等。这些新业态的出现丰富了产业结构，推动产业向更加多元化、高附加值方向发展。数字技术打破信息壁垒，优化要素跨部门流动(如劳动力从第二产业向第三产业转移)，减少资源错配。产业结构高级化通常伴随着绿色技术和产品的创新发展。推动绿色创新可以帮助企业开发更环保的产品和技术，减少对环境的影响，降低碳排放。

假说2：数字经济通过促进产业结构高级化和产业结构合理化两种方式抑制碳排放。

3.3. 数字经济对碳排放强度的异质性影响

人力资本是经济发展的重要驱动力，不同城市地理位置、资源禀赋、人力资本发展水平等方面存在较大差异，数字经济对碳排放强度的影响效果也呈现明显的异质性差异。在基础设施发展方面，西部地区基础设施建设水平明显落后于中东部地区，基础设施的数字化、信息化、智能化程度也较低，数字经济对地区产业数字化升级改造的支撑作用不强，导致地区产业绿色转型滞后，进一步拉大与中东部间的数字鸿沟，从而对经济发展和降低碳排放的影响程度较不显著。在人力资本水平方面，数字经济的发展对人力资本提出了更高的要求，西部地区发展较落后、人力资本水平较低，难以在短期内将从其他地区引进的高端知识技术消化吸收，也就无法实现高效益技术创新，从而数字经济对该地区碳排放强度的作用程度较弱。而对于经济发展水平较高的中东部地区，会吸引大量高学历创新型人才和资金的流入。创新型人力资本通过开展技术研发，推动地区技术进步和科技创新，较少的资源投入就能带来较高的经济产出，从而使得数字经济的发展显著降低碳排放强度。

假说3：数字经济对碳排放强度的影响存在区域异质性。

4. 计量模型设定与变量说明

4.1. 模型设定

基于上述分析，为考察数字经济对碳排放强度的影响，设定如下回归模型：

$em{i}_{it}=\alpha +\beta di{g}_{it}+\sum \gamma contra{l}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$ (1)

其中，被解释变量emi_it为i省份t时期的碳排放强度，解释变量dig_it为i省份t时期的数字经济发展水。Contral_it为控制变量合集，具体包括政府干预程度(Gin)、城镇化水平(Urban)、环境规制(Eniv)、对外开放程度(Open)、研发强度(R&D)。$u_i$ 表示省份固定效应，${\lambda }_i$ 表示时间固定效应，${\epsilon }_{it}$ 为随机误差项。

为了进一步检验产业结构优化可能起到的中介效应，构造模型如下：

$M_{it}=a_0+a_{1}di{g}_{it}+\sum \gamma contra{l}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$ (2)

$em{i}_{it}=b_0+b_{1}di{g}_{it}+b_2{M}_{it}+\sum \gamma contra{l}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$ (3)

其中，$M_{it}$ 代表中介变量产业结构高级化(ts)与产业结构合理化(tl)，${\mu }_i$ 表示省份固定效应，${\lambda }_i$ 表示时间固定效应，${\epsilon }_{it}$ 为随机误差项。

4.2. 数据来源与变量说明

本文选取中国30个省(自治区、直辖市) 2012~2022年的面板数据作为样本集(由于数据缺失，西藏自治区、港澳台地区未纳入样本)。涉及指标数据来源于相应年份的《中国统计年鉴》《中国高技术产业年鉴》各省市统计年鉴。个别缺失数据采用了插值法进行处理。本文涉及的具体变量如下：

(1) 被解释变量为碳排放强度。本文构建的碳排放强度指标为各省份表观碳排放总量与GDP的比值，其中各省份表观碳排放总量指标使用了中国碳核算数据库中的省级表观碳排放总量指标，本文对碳排放强度指标进行取自然对数处理。

(2) 核心解释变量为数字经济。本文构建了省级数字经济发展指数测度指标体系，同时选择熵权法确定各指标的权重，最终测算得到数字经济指标。本文数字经济评价指标体系如表1所示。

Table 1. Provincial digital economy development index evaluation index system

表1. 省级数字经济发展指数评价指标体系

一级指标	二级指标	指标说明	单位	方向
数字经济 基础设施	光缆长度	光缆总长度	万公里	正向
	移动通信交换机容量	移动通信交换机容量	万户
	移动基站数	移动电基站数	万个
数字经济 普及情况	互联网使用情况	宽带上网用户数	万户	正向
	移动电话使用情况	移动电话及率	部/百人
	数字电视推广情况	数字电视用户数	万户
	计算机使用情况	每百人使用计算机数	台/百人
	网站使用情况	企业拥有网站数	个
数字产业化	软件产业产能	软件产收入	亿元	正向
	信息技术服务业产能	信息技术服务收入	亿元
产业数字化	电子商务发展情况	企业电子商务销售额	亿元	正向
		企业电子商务采购额	亿元

(3) 中介变量产业结构升级。用第三产业和第二产业产值的比重来表示。

(4) 控制变量：政府干预程度采用采用财政支出GDP的比重表示；城镇化水平采用城镇人口占地区总人口的比重表示；环境规制采用地区城镇环境基础设施建设投资和工业污染治理投资之和占GDP的比重表征；对外开放程度采用地区进出口总额占GDP的比重表示；研发强度采用R&D经费内部支出/国内生产总值衡量。

4.3. 描述性统计

表2报告了中国30个省(自治区、直辖市) 2012~2022年主要变量的基本统计特征。

Table 2. Descriptive statistics of variables

表2. 变量描述性统计

变量类型	变量名称	变量符号	均值	标准差	最小值	最大值
被解释变量	碳排放强度	emi	2.169	1.744	0.263	7.415
解释变量	数字经济	idg	0.756	0.548	0.150	3.396
控制变量	政府干预程度	gin	0.239	0.112	0.108	0.625
	城镇化水平	urban	0.616	0.112	0.361	0.890
	环境规制	envi	0.485	0.528	0.004	2.585
	对外开放程度	open	0.317	0.393	0.011	1.723
	研发强度	r&d	0.018	0.012	0.003	0.054

5. 实证结果与分析

5.1. 基准回归分析

本文首先对数字经济发展水平与碳排放强度采用普通最小二乘法(OLS)进行回归。经Hausman检验，本文采取双固定效应模型进行估计，同时使用稳健性标准误进一步消除异方差带来的影响，回归结果如表3所示。其中，列(1)是没有加入控制变量的估计结果，结果显示，数字经济对我国碳排放强度的影响系数是−0.405，并在1%的统计水平上显著，说明数字经济有效抑制碳排放强度。列(2)在列(1)基础上加入控制变量，核心解释变量系数依然显著为负。由此说明，数字经济对降低碳排放强度具有直接效应。由此，证明了研究假说1的成立。

Table 3. Benchmark regression results

表3. 基准回归结果

变量	(1)	(2)
	emi	emi
dig	−0.405^***	−0.328^*
	(−18.05)	(−15.75)
gin		0.375^**
		(3.30)
urban		−0.223^**
		(−2.26)
envi		−0.108^*
		(−1.82)
open		−0.075^**
		(3.58)
r&d		−2.514
		(−1.09)
cons	11.407^***	16.413^***
	(7.75)	(3.94)
N	330	330
R^2	0.663	0.738

控制变量方面，政府干预程度系数保持5%的显著性水平为正，原因可能是政府过多干预会降低资源配置效率，不利于提升地区环境绩效。城镇化水平的系数在5%的显著性水平上为负，表明城镇化水平的提升伴随着生产方式由粗放到集约式的转变，从而提高生产效益，对碳排放强度的降低起到促进作用。环境规制的系数在10%的显著性水平下为负，因为加大环境规制力度能够倒逼企业加大研发投入，有利于减少碳排放。对外开放程度的系数保持5%的显著性水平为负，表明加大对外开放程度有利于提升碳排放强度，对外开放程度的加深，更加注重开展绿色技术研发，发展环境友好型产业，从而有利于降低碳排放强度。研发强度未通过显著性检验，可能是研发强度对于碳排放强度的影响机理比较复杂，不是直接产生影响，所以作用效果并不明显。

5.2. 中介效应回归分析

利用中介效应模型逐步回归发进一步验证产业结构升级在数字经济对碳排放影响中的中介效应，回归结果如表4所示。其中，第(1)列为数字经济对碳排放强度的影响；第(2)列和第(3)列为数字经济对产业结构优化的影响，具体包括对产业结构高级化与产业结构合理化的影响；第(4)列和第(5)列为产业结构优化对碳排放强度的影响，具体包括产业结构高级化与产业结构合理化对碳排放强度的影响。

首先，分析产业结构高级化的中介效应。数字经济对于产业结构高级化的影响系数为0.054，且在5%的水平上显著，表明数字经济可以促进产业结构高级化；中介变量产业结构高级化对碳排放的影响系数为-0.549，通过10%显著性水检验，表明产业结构高级化可以有效抑制碳排放。以上结果表明，数字经济可以通过促进产业结构高级化，进而抑制碳排放。

其次，分析产业结构合理化的中介效应。数字经济对于产业结构合理化的影响系数为0.037，且在10%的水平上显著，表明数字经济可以促进产业结构合理化；中介变量产业结构合理化对碳排放的影响系数为−0.460，通过5%显著性水检验，表明产业结构合理化可以有效抑制碳排放。以上结果表明，数字经济可以通过促进产业结构合理化，进而抑制碳排放。由此，证明了研究假说2的成立。

Table 4. Mediator effect regression results

表4. 中介效应回归结果

变量	(1)	(2)	(3)	(4)	(5)
	emi	ts	Tl	emi	emi
dig	−0.405^***	0.054^**	0.037^*	−0.170^**	−0.206^*
	(−18.05)	(6.875)	(8.916)	(−5.347)	(−3.547)
ts				−0.549^*
				(−4.367)
tl					−0.460^**
					(−4.543)
常数项	11.407^***	0.128^*	0.160^*	10.062^*	10.348^*
	(7.715)	(5.420)	(6.543)	(8.537)	(7.747)
控制变量	Yes	Yes	Yes	Yes	Yes
省份控制变量	Yes	Yes	Yes	Yes	Yes
年份控制变量	Yes	Yes	Yes	Yes	Yes
N	330	330	330	330	330
R^2	0.663	0.638	0.621	0.599	0.601

5.3. 稳健性检验

以上分析了数字经济与碳排放强度之间的关系，为了确保结果的稳健性，利用以下方法进行稳健性检验。

(1) 替换被解释变量

人均碳排放量是衡量一个地区碳排放程度的重要指标，通过将碳排放量具体化到每个人，可以更准确地反映经济社会快速发展过程中的环境问题。因此，本文将被解释变量碳排放强度用人均碳排放来代替。回归结果见表5(1)，数字经济在5%的置信水平下显著为正，说明了基准结果比较稳健。

(2) 剔除特殊样本

除了受产业结构影响外，碳排放强度还受各地能源结构的影响，这可能会使本研究的结论产生偏误。因此，为了验证数字经济对碳排放强度抑制作用的普适性，去除山西、陕西、内蒙古、甘肃、宁夏和新疆六个能源大省(自治区)的城市样本后重新进行检验。回归结果表5(2)，数字经济的显著性并没有改变，表明模型具有较好的稳健性。

(3) 缩尾处理

为了避免特殊样本的极端值对模型回归结果的影响，我们在原始样本集的基础上对碳排放强度进行了1%分位的双边缩尾处理，并重新对模型进行了估计分析。回归结果见表5(3)，数字经济在10%的水平上仍然显著为正，与上述结果一致，表面上述结论较为稳健。

Table 5. Robustness test regression results

表5. 稳健性检验回归结果

变量	(1)	(2)	(3)
	emi	emi	emi
dig	−0.334^**	−0.435^*	−0.344^*
	(−17.76)	(−16.73)	(−18.68)
gin	−0.386^***	0.425	−0.328^***
	(−3.50)	(−3.65)	(−4.65)
urban	0.376^**	0.264	0.433^**
	(1.40)	(1.36)	(2.10)
envi	−0.217^**	0.114	−0.071^*
	(−2.13)	(1.84)	(−2.13)
open	−0.064^***	−0.007^**	−0.062^**
	(1.52)	(1.46)	(1.51)
r&d	−3.507	−3.145	−3.224
	(−1.33)	(−0.92)	(−0.96)
cons	9.537^***	10.533^***	1.295^***
	(7.99)	(7.64)	(8.08)
N	330	264	330
R^2	0.713	0.626	0.754

5.4. 内生性检验

数字经济对碳排放强度的回归还可能存在以下内生性问题：第一，测量误差。数字经济指数是由多个指标采用熵权法测算得到，这些指标中可能存在测量误差，导致估计偏误。第二，遗漏解释变量。尽管在模型中加入了大量控制变量，但不可能覆盖所有影响碳排放强度的因素。第三，反向因果。数字经济与碳排放强度可能存在反向因果作用。上文研究表明数字经济发展会降低碳排放强度，但同时，环境良好、空气质量较高的地方更能吸引数字产业的聚集，推动数字经济发展，导致两者出现反向因果关系。

本文试图通过工具变量法缓解内生性问题，参考Nunn的做法[14]，将1984年每百人固定电话数与全国信息技术服务收入的乘积的交互项(IV)作为数字经济的工具变量。表6报告了数字经济对碳排放强度的2SLS回归结果。列(1)为第一阶段回归结果，结果显示工具变量对数字经济有着显著的正向影响，系数为正且在10%的置信水平下显著。同时其F统计量大于经验值10，这表示该工具变量通过了弱工具变量检验。列(2)为第二阶段回归结果，数字经济对碳排放强度在5%的水平下显著为负。说明数字经济依然对碳排放强度起着显著的抑制效应，与前文研究结论一致，进一步验证了基准结果的稳健性。

Table 6. Endogeneity test regression results

表6. 内生性检验回归结果

变量	(1)	(2)
	dig	emi
IV	0.332^*
	(2.13)
dig		−0.213^**
		(2.12)
gin	0.112	−0.348^***
	(0.73)	(−4.38)
urban	0.124	0.256^**
	(0.75)	(2.14)
labour	0.139	−0.118^**
	(1.39)	(−1.12)
open	0.134^**^*	0.159^**
	(2.46)	(2.39)
r&d	3.633^**	−3.339
	(1.54)	(−1.32)
cons	1.392^***	1.681^***
	(3.83)	(4.13)
N	300	300
R^2	0.8503	0.6052

5.5. 异质性检验

(1) 地区异质性检验

由于我国各区域经济发展、资源禀赋和政府政策存在较为明显的差异，有必要进一步细分区域以深入研究数字经济对碳排放水的区域异质性。为此，本文将省份样本按区位划分为中、东部地区和西部地区进行分组回归。回归结果见表7，中部和东部地区数字经济对碳排放强度在5%的显著性水下为负，西部地区则不显著。这说数字经济对碳排放强度的影响存在区域差异，在中东部地区抑制作用更加明显。可能的原因是，中东部地区的经济发展水平较高，数字经济更加完善，因此数字化平台发展更为成熟，资源配置效率也较高。在这种情况下，互联网的外部溢出性以及相关产业的集聚效应开始显现。这些因素共同推动了中东部地区产业结构和能源结构的进一步升级和优化，碳排放强度明显降低。西部地区未通过显著性检验的原因可能在于其数字化基础设施建设较为薄弱，人力资源短缺，数字经济发展仍处于起步阶段。这种情况下，数字经济无法有效促进产业结构的升级，从而限制了资源的有效配置。因此，数字经济对西部地区的碳排放并没有显著影响。

(2) 人力资本水平异质性检验

人力资本是地区经济发展的核心要素，我国不同地区人力资本分布极不平衡，因此，本文进一步探讨了数字经济降低碳排放强度中的人力资本异质性。本文以高等学校在校学生人数占地区总人口比重作为地区人力资本水平衡量指标，按照中位数将样本进行分组，将高于中位数的省市定义为人力资本充沛的省份，低于中位数的为视为人力资本匮乏地区。回归结果见表7，数字经济能够显著降低人力资本充沛地区的碳排放强度，而对人力资本匮乏地区碳排放强度影响并不显著。主要原因可能在于，一方面，相较于人力资本匮乏地区，较高水平的人力资本更易吸收外部技术并开展自身技术研发，从而推动地区绿色技术创新，通过创新活动影响碳排放强度。另一方面，高学历人才对数字化的学习和适应能力更强，更能借助数字经济的优势充分利用信息资源，使得人力资源与信息资源高效结合，从而提高生产效率，降低碳排放强度。

Table 7. Heterogeneity test results

表7. 异质性检验结果

变量	地区分组		人力资本水平分组
	中部和东部地区	西部地区	人力资本充沛地区	人力资本匮乏地区
dig	−0.132^*	−0.432	−1.001^***	−0.065
	(−1.85)	(−1.31)	(−3.54)	(−0.31)
gin	−0.356^**	−0.324^**	−0.251	−0.653^***
	(−2.55)	(−3.51)	(−1.132)	(−3.19)
urban	0.191^**	−0.211	−0.146	−0.281
	(1.30)	(−3.13)	(−0.60)	(1.81)
labour	−0.062	−0.493^*	−0.261	−0.172
	(−0.91)	(−1.61)	(−0.89)	(−0.66)
open	0.063^**	0.151	−0.105^***	−0.073
	(2.17)	(1.31)	(3.17)	(1.22)
r&d	−2.238	−2.511	−2.643^***	−0.122
	(−0.71)	(−0.64)	(−2.11)	(0.04)
cons	7.102^***	6.005^**	6.108^**	7.266^**
	(3.63)	(4.15)	(4.48)	(4.16)
N	209	121	165	165
R^2	0.752	0.699	06180	0.713

6. 结论与政策建议

本研究选取了2012~2022年期间中国30个省区市作为研究样本，对数字经济对碳排放强度的直接影响及其传导机制进行了实证检验。研究结果显示：第一，数字经济能够有效降低碳排放强度，此结论在通过更换回归方法、剔除特殊样本以及缓解内生性问题等稳健性检验之后仍然成立。第二，机制检验表明，数字经济可以通过产业结构优化间接降低碳排放强度，其中产业结构合理化和高级化均发挥了中介效应。第三，数字经济对碳排放强度的影响存在区域异质性，这种异质性体现为数字经济对碳排放强度的影响在中东部地区抑制作用更加明显，对西部地区则不显著。基于上述研究结论，为了进一步发挥数字经济在减少碳排放方面的作用，本文提出如下政策建议：

第一，推动数字技术与传统产业深度融合。传统产业作为我国经济的重要支柱，在创造巨大经济效益的同时，其碳排放总量不容小觑。当下，亟需大力推动钢铁、化工、建材等高耗能产业积极引入数字化管理系统。通过物联网技术，实现生产设备的全面互联互通，从而实时、精准地收集能源消耗与碳排放数据。以钢铁生产中的高炉炼铁环节为例，借助大数据分析技术，深入挖掘数据价值，精准定位能耗高的关键环节，进而优化炉温控制、调整原料配比等核心参数，制定出极具针对性的节能方案。同时，利用智能调度系统，根据生产任务和设备状态，合理安排生产流程，最大程度减少设备空转时间，降低能源的无效损耗。如此一来，在数字技术的全方位赋能下，传统产业有望实现生产方式的绿色转型，在提升生产效率的同时，显著降低碳排放。

第二，发展数字化绿色金融。金融机构应当积极发挥数字技术优势，大力开发各类绿色金融产品。其中，碳金融衍生品是关键领域，通过搭建数字化交易平台，为企业提供便捷、高效的碳排放权交易渠道，实现碳资产的合理定价与顺畅流通，让市场机制在碳减排中发挥更大作用。同时，开展碳资产质押融资服务，为企业绿色转型提供强有力的资金支持，有效解决企业在技术升级、设备更新过程中的资金难题。此外，利用区块链技术构建碳交易数据账本，以其去中心化、不可篡改的特性，确保每一笔交易数据真实可靠且全程可追溯，大幅降低交易风险，增强市场主体对碳交易的信任度。金融机构还可借助数字技术，对企业的绿色发展潜力进行科学评估，为绿色项目提供更加精准、高效的金融支持，引导社会资本源源不断地流向低碳领域，形成绿色发展的强大资金合力。

第三，立足区域发展差异，因地制宜实施数字经济发展战略。结合地区资源禀赋和产业要素配置差异特征，因地制宜制定地区数字经济发展规划，侧重对数字经济发展薄弱地区针对性布局，以促进地区协调发展。对于资源丰富地区，可以发挥资源优势，推动数字经济与传统产业深度融合，实现资源的高效利用和产业的升级转型。东部地区数字经济发达，产业基础雄厚。借助数字经济推动产业结构深度调整，加速传统制造业向高端化、智能化、绿色化转型，大力发展数字金融、数字创意等低能耗产业，降低碳排放强度。中部地区处于产业承接与转型升级阶段。一方面，利用数字技术对承接的产业进行绿色改造，提高资源利用效率。例如，在制造业中引入智能制造系统，优化生产流程。另一方面，加强数字基础设施建设，吸引数字经济企业入驻，形成产业集群。西部地区生态环境脆弱，数字经济发展相对滞后。应优先加强数字基础设施建设，提升网络覆盖率，为数字经济发展奠定基础。同时，积极引进东部地区的数字经济技术与人才，加强合作交流，提升自身数字经济发展水平，降低碳排放强度。