摘要：碳中和是我国经济高质量发展的重要引擎。2021年国务院印发《2030年前碳达峰行动方案》聚焦2030年前碳达峰目标。随着我国数字经济高速发展，数字经发展赋予了我国“双碳”战略新动力。探究数字经济对碳排放效率的时空演变影响并利用中介效应模型对数字经济促进产业结构

作者：杨采怡（山东财经大学金融学院）

摘要

碳中和是我国经济高质量发展的重要引擎。2021年国务院印发《2030年前碳达峰行动方案》聚焦2030年前碳达峰目标。随着我国数字经济高速发展，数字经发展赋予了我国“双碳”战略新动力。探究数字经济对碳排放效率的时空演变影响并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对帮助地区和国家实现“碳达峰、碳中和”的目标愿景，实现经济高质量发展，推动构建人类命运共同体有着重要意义。基于此，本文利用我国2011-2021年的省级面板数据探究数字经济与碳排放效率的影响与空间演进。

首先，利用熵权TOPSIS法和超效率SBM法对我国数字经济和碳排放效率进行测算，发现数字经济排名前三省与碳排放效率前三省皆为为北京、广东、上海。然后，构建双固定效应基准回归模型探讨数字经济对碳排放效率的影响。接着引入中介效应模型，探讨产业结构升级是否进一步提升碳排放效率。最后，进行空间效应分析，基于空间视角，运用核密度估计法分析2011-2021年碳排放效率的动态演进趋势，进一步借助全局和局部莫兰指数揭示了数字经济发展与碳排放效率的空间内部结构和集聚特征，对面板数据分别进行LM检验、Wald检验和LR检验后建立空间杜宾模型。

结合上述分析，本文研究得出结论：1）我国数字经济和碳排放效率水平存在不平衡现象，东部地区水平较高，中西部地区水平较低。2）我国碳排放效率不断降低，省际间的碳排放效率差异加大，部分省份的效率提升没有跟上整体的步伐，全国范围内的碳排放效率改善并不明显。3）数字经济的发展有利于碳排放的减少，而产业结构的升级可以起到积极的中介效应，对减少碳排放起到进一步的推动作用。4）数字经济赋能城市碳减排具有显著的空间溢出效应，我国各省碳排放效率存在着显著的区域相关关系，即高碳排放效率的省份其周边地区的碳排放效率往往也较高。5）数字经济对碳排放效率的影响具有区域差异性，具体来说，数字经济的发展更有助于降低经济发达的东部地区以及开发水平相对较低的西部地区的碳排放。

关键词：数字经济；碳排放效率；产业结构升级；中介效应；空间溢出效应

一、绪论

（一）研究背景与意义

二氧化碳等温室气体的大量排放是导致全球气候变暖的主要原因，对农业生产、人民生活、经济高质量发展带来了一系列负面影响。2020年9月22日，习近平总书记在第75届联合国大会上提出我国将力争于2030年前实现碳达峰、努力争取2060年前实现碳中和的重大宣示。作为全球碳排放最大的国家,努力实现“双碳”目标是党中央应对全球气候问题的重略决策，也是实现经济高质量发展、推动构建新绿色、低碳、可持续的新发展格局的必然要求。

数字经济作为一种新型经济形态，以数据资源作为生产要素，依托大数据、云计算、物联网等技术，无疑为缓和经济增长与绿色低碳转型的矛盾提供了新思路，为实现“双碳”目标提供要素贡献。国务院2021年出台的《2030年前碳达峰行动方案》中提出了要不断推动数字经济发展，赋能经济发展模式实现深层次转变，促进碳减排目标的实现。党的十九大报告中强调指出推动互联网、大数据、人工智能和实体经济深度融合促进绿色低碳发展。研究数字经济与碳排放的影响机制与时空效应对加快推动二者实现深度融合成为驱动高质量发展，实现双碳目标具有重要的现实意义。

同时，产业结构升级作为节能减排的三大路径之一,对实现碳强度目标具有重要作用。尤其在2020年提出双碳目标以来,实现绿色发展,进行产业结构升级,探索数字经济、产业结构升级与碳排放之间的关系显得尤其重要。

本文研究意义在于，提出了数字经济如何促进产业结构合理化、降低碳排放的有效路径，为制定科学的减碳政策提供了新的视角和有益的参考

（二）文献综述

二氧化碳等温室气体的大量排放，给农业生产、人民生活带来一系列不利影响，以及高质量的经济发展，是全球气候变暖的主要原因。2024年政府工作报告强调，应同步推进降低碳排放、减少污染、增加绿化与经济增长，进一步加强生态文明建设。同时，作为以数据资源为生产要素、依托大数据、云计算、物联网等技术为依托，作为新经济形态的数字经济，为缓和经济增长与绿色低碳转型的矛盾，为实现“双碳”目标提供要素贡献，无疑提供了新思路。

那么，碳排放是如何受到数字经济高速发展的影响的呢？有学者认为，数字经济可以有效抑制污染和碳排放[16]。孙铭[1]的研究显示，在经过一系列稳健性测试后，数字经济发展能明显降低碳排放水平，仍可成立这一结果。苏喜军等[2]则以黄河流域地级市及以上城市的面板数据为样本，结果表明数字经济对黄河流域城市的碳排放存在抑制作用。王淑贺等人[3]对城市数字经济空间相关网络进一步研究，得出数字经济与空间相关的网络对减污降碳有显著促进作用，同时又具有协同减污、降碳的协同效应。关于数字经济的发展和碳排放之间的非线性关系，首先，金赛美等[4]的研究表明，在数字经济发展初期会抑制碳排放，但随着数字经济规模的扩大，碳排放量又开始回升。其次，曹建飞[5]根据2011-2020年全国283个地级以上城市的面板数据发现，二者之间呈现出“U”型关系。最后，葛立宇等[6]根据 2011-2019 年度全国277 个地级及以上城市的面板数据，也研究出影响城市碳减排的数字经济发展，具有倒“U”型非线性特征，产业结构转型升级可以提前形成倒“U”型拐点。

综上所述，通过对大量文献的整理，我们发现当前的研究已经深入探讨了数字经济与碳排放之间的关系以及碳排放效率的测量方法，但对于数字经济与碳产出率之间的作用机制的研究仍显不足。特别是在空间动态效应方面的深入研究相对较为稀缺。已有的研究大多集中于对碳排放的直接影响，而对产业结构的中介作用，以及数字经济对碳产出率的异质性、空间溢出效应的深入分析研究则相对欠缺。鉴于此，本文从数字经济发展对碳排放效率的影响机制、异质性、空间溢出效应等多维度实证分析，运用多种计量模型，选取中国30个省份在2011-2019年度的面板数据，旨在为中国制定科学降碳政策提供新视角和有益参考，以更好地发展数字经济。

本文可能的边际贡献如下：第一，研究视角创新。通过查阅大量相关文献，总结得知目前对数字经济与碳排放的研究大多研究数字经济与碳排放之间的关系。本文创新性的采用空间动态视角，从空间角度分析碳排放的历程，并以产业结构升级为中间变量，探究三者的影响机制，为我国节能减排探索新的发展路径。第二， 实证方面。本文运用熵权TOPSIS法和泰尔指数法对我国数字经济发展水平和产业结构升级进行测算。选取中国30个省份在2011-2019年度的面板数据，运用双固定效应基本回归模型和中介效应模型检验数字经济对碳排放效率的直接影响关系。接着进行空间效应分析，进一步检验数字经济与碳排放效率的空间溢出效应和协同关系并分为中东西三个区域进行空间异质性分析，探讨数字经济与碳排放效率的区域关系。

三、研究内容

（一）研究思路

本章首先阐述了本文的研究背景与研究意义，明确了数字经济快速发展背景下研究其对碳排放效率影响的必要性与紧迫性。同时，概述了本文的研究方向与研究内容，论证了其合理性与必要性，并详细说明了研究内容与研究框架，梳理了研究工作与研究路线，为后续研究奠定基础。

然后，利用熵权 TOPSIS 模型和超效率 SBM 模型，完成各省级地区 2011—2021 年数字经济水平和碳排放效率的测算，并引入产业结构合理化指标，衡量产业结构升级水平，为后续分析数字经济与碳排放效率的关系提供基础数据支持。

接着，将全国划分为东部地区与西部地区，深入探究碳排放效率在不同区域的演进过程，分析区域间碳排放效率的差异与变化趋势，揭示区域发展不平衡对碳排放效率的影响，为进一步的空间计量分析奠定基础。运用全局莫兰指数和局部莫兰指数，对碳排放效率进行空间自相关分析，检验碳排放效率在空间上的集聚特征与相关性。在此基础上，进一步构建空间计量模型，探究数字经济、产业结构升级等因素对碳排放效率的空间效应，揭示其内在作用机制。

最后，本章首先对本文的研究内容进行全面总结，系统梳理各章节的研究发现，提出本文的主要研究结论。其次，依据研究结论，针对长三角城市群未来数字经济与绿色创新的发展，提出具有针对性和可操作性的建议，为区域可持续发展提供参考。最后，反思研究过程中存在的不足，展望未来进一步研究的方向。

（二）研究框架

图 1研究框架图

四、理论分析与假设研究

（一)数字经济与碳排放效率的直接效应

数字经济作为一种新经济形态,突破地域限制,引领经济增长,成为高质量发展的新动能,同时还能够效改善环境[7]。首先，数字经济有利于推动绿色技术创新。数字经济通过大数据、云计算等技术手段帮助企业降低研发成本，帮助企业实现精准监控与管理，找到节能减排的切入点，推动绿色生产模式的实现提升企业研发积极性，推动企业数字化转型，从而增加企业绿色技术创新数量和提高绿色技术创新质量，降低污染排放和能源消耗[7]。其次，数字经济提升了信息流通的速度。数字技术的发展提高了公众对环保问题的关注、对企业或产品绿色背景的了解，进而促进了需求侧低碳转型。不仅如此，目前我国已建立了生态环境数字化监测系统、碳管理大数据平台等数字化系统，通过大数据、云计算手段实时监测、实时分析、多维研判，实现对生态环境数据、能源供需数据的自动监控，提升治理的即时响应能力[8]。最后，数字经济优化了资源配置效率。数字技术、数字平台的出现打破了要素流动的时空限制，畅通了要素在各经济主体间的流动渠道。数字技术在能源勘探、生产、运输、分配及使用过程中的广泛应用，有助于优化能源消费结构，提高能源利用效率。数字经济的发展将土地、劳动力、资本、技术和数据等要素协调整合，在增加产出的同时减少了碳排放，显著降低了碳排放强度[9]。基于以上分析，本文提出以下研究假说：

假设1：数字经济发展能够提高碳产出率。

（二）产业结构升级的中介效应

产业结构升级作为节能减排的三大路径之一,对实现碳强度目标具有重要作用。因此，本文认为数字经济可以通过产业结构升级发挥中介效应，进一步提升碳产出率。数字经济对产业结构升级的影响体现在以下方面：第一，数字技术推动产业融合发展。数字经济通过与实体企业和金融的融合共建赋能实体经济转型发展，孕育经济增长新动能推动产业结构优化调整，加快要素资源向产业数字化转型发展的方向合理流动[10]。第二、数字技术推动产业技术升级。随着数字经济与实体经济的融合发展，大数据、人工智能等先进的数字技术渗透到传统产业生产、经营和销售各个环节，使各环节时间缩短、成本最优的同时还能够提高各环节之间的协调程度，从而提高要素资源的配置效率，促进产品质量升级，使产品附加值由低级向高级转变，最终推动传统产业向高端智能化产业转型从而产业结构升级能够有效减少碳排放[11]。

假设2：数字经济发展通过产业结构升级效应降低碳排。

（三）数字经济对碳排放的空间溢出效应

空间溢出效应一般指不同地理空间上的经济主体具有地理依赖性,通过生产要素的流动、技术扩散等渠道向周边地区溢出[12]。数字经济以现代信息网络作为重要载体，具有渗透性、融合性和协同性特征，这使其能够突破地理距离的限制，超越空间和区域的束缚，实现跨地区的分工与合作，产生空间效应[13]，发挥碳减排协同增效应[17]。

尽管科技人才的流动、知识的传播、技术的创新等对数字经济的空间溢出效应具有一定的影响,但受限于地理距离的阻碍,数字经济的空间溢出在较小的空间上比较明显[14]。且当城市间的距离超出一定边界范围时,较高的交通成本将引致人才流动受限,数字经济的空间溢出效应受制于城市间的地理距离,对远距离城市的碳排放效率影响较小[15]。

假设3：数字经济发展不仅能够提升本地碳排放效率，而且利于提升邻接地区碳排放效率。

五、数字经济、碳排放效率测算分析

（一）数据预处理

在考虑数据的可获取性时，本研究选择了2011-2019年中国30个省（市、自治区）的相关数据作为分析对象。这些数据主要从官方网站获取，例如国家统计局、各省市统计局和统计年鉴等，以确保数据的权威性和准确性。鉴于原始数据可能存在质量不一的问题，其中低质量的数据有可能影响模型的准确度，因此在构建模型之前，对数据进行了必要的预处理工作。使用Stata软件对原始数据集进行了清洗，包括处理缺失值、剔除异常值等步骤。

（二）数字经济水平的综合评价

表1数据来源于2011-2021年《中国城市统计年鉴》中国区域统计年鉴》各省市统计年鉴，CNRDS中国研究数据服务平台(经管之家)、EPS全球数据统计平台。对于个别缺失的数据,本文采用插值法,中位数法进行填充。

熵值法是一种基于信息理论的客观赋权方法，其核心思想是通过分析数据的离散程度来确定各指标的权重。这种方法不受个人主观偏好的影响，确保了评价结果的客观性。具体而言，如果一个指标的数据分布较为分散，表明该指标包含的信息量大，不确定性较高；因此，该指标的信息熵较小，说明它在评价体系中的重要性较大，应赋予较高的权重。反之，数据分布集中的指标信息熵较大，影响较小，故其权重也较低。通过这种方式，可以更加科学地衡量各指标在整体评价体系中的作用和重要性。

图 2数字经济发展水平评价指标平均值与中位数的描述性统计结果

在进行实证分析之前，需对数据进行描述性统计工作,考虑到本文的面板数据量较大，总体单位较多；因此这里从城市群层面出发,统计各年每项数据的平均值与中位数来反映其一般水平变化趋势结果如图2所示。

图2的子图(a)，(b)，(c)，(d)分别代表IFV4网址数、单位面积光缆长度、电子商务交易额、互联网接入端口数。根据描述性统计分析结果显示，四项数据指标基本上随着时间变化总体呈现逐年上升趋势，具备时序特征。其中子图(a)的平均值与中位数差值较大，说明其对应指标值头部效应显著，排名靠前的省份处于显著的领先地位，拉高了指标的一般水平。子图(b), (c)，(d)平均值与中位数差值较小,反映对应数据近似平均分布,其指标在区域内的分布相对均衡。

2. 测算过程与结果

利用熵权TOPSIS法对城市群内各市各年的数字经济水平的测算步骤如下:

首先通过熵权法确定各指标的权重，假设评价对象m个(m=30),每个被评价对象具有指标个(n=12),构建判断矩阵

为了避免正文内容冗长,本文将各单位的具体评价结果置于附录中,正文部分通过地理可视化技术反映2011-2021年我国各省数字经济发展情况：

综上所述，我国数字经济发展水平在空间上的分布呈现出东部地区领先、中西部地区快速发展的态势。政府的政策支持、基础设施的建设、创新能力的提升以及产业的数字化转型都是影响各地区数字经济发展的重要因素。

（三）碳排放效率测算分析

1. 指标体系构建

本小节采用超效率SBM方法对2011-2021年我国碳排放效率进行测算。在传统的DEA模型中,认为所有的产出都是合理,但是在实际生活中,会存在不合理或者不必要的产生结果,这些结果被认为是非期望产出。在经济发展的过程中,产生的碳排放量可以认为是非期望产出。

超效率SBM 模型为:

关于投入产出指标选取,碳排放效率是资本、劳动力和能源等投入要素共同作用的结果,基于全面性,主要性和数据可得性原则的指标选取原则,在资产投入方面,参考张军等(2004)的永续存盘法对固定资本存量进行测算;在劳动力方面，本文采用多数文献中的方法,即用从业人员数(第一产业、第二产业和第三产业的从业人员数之和)来衡量劳动量；在能源方面本文选取了能源消费总量。关于产出指标选取，本文采用地区GDP总额代表期望产出，二氧化碳排放总额为非期望产出。具体指标见表2。

子图(a)，(b)，(c)，(d)分别表示GDP、二氧化碳排放总量、煤炭消费量、三次就业人口总数。由描述性统计结果可知：子图(a)，随着时间变化均总体呈现逐年上升趋势,且平均值与中位数存在一定差值，说明部分省份之间存在差距，具有一定的头部效应。子图(b)，(c)，(d)的平均值与中位数差值较大，头部效应明显。但需要注意的是子图(b)，(c)的平均值与中位数在2019年前后出现较为强烈的波动，这与中美贸易战、新冠疫情等外部环境变化等现实情况相吻合。

2. 测算过程与结果

利用MAXDEA Ultra 8软件对2011-2021年中国30个省份的静态碳排放效率进行了测算，具体计算结果如表3所示。根据表3的分析，可以看出中国省级行政区在碳排放效率方面存在显著的差异。

排名前列的是北京、广东和上海，表明这些地区在低碳转型方面取得了显著成效，领先于其他省份；而新疆、宁夏和青海等地区的碳排放效率则相对较低，显示出较大的提升空间。

从区域分布来看，长三角地区和东南沿海地区的碳排放效率高于全国平均水平，京津冀地区在区域协同发展方面仍需进一步加强。中西部地区面临的挑战较大，需要采取多种措施来提高其碳排放效率。

七、实证结果分析

(一)数字经济对碳排放效率的影响

1、基准回归

本为了验证研究假说1，将数据代入公式（1）进行实证检验，回归结果报告于表4，结果均控制了个体和时间固定效应。检验数字经济对中国城市碳排放效率的影响,列（1）仅控制了数字经济解释变量,列（2）则是逐步加入控制变量。没有加入控制变量时，数字经济水平对于碳排放效率的影响系数在1%的水平上显著为正，这表明数字经济水平会促进碳排放效率的提升。加入控制变量后可以发现数字经济水平对于碳排放效率的影响系数为1.203，且在1%的水平上显著为正，说明数字经济水平每提升1个单位，碳排放效率就会提升1.203个单位，从而验证了数字经济水平对碳排放效率存在显著的促进作用。这一结果强化了我们对数字经济与碳排放效率之间关系的理解。验证了假设1成立。

对于控制变量而言，（1）环境规制强度回归系数显著为正，对提升碳排放效率具有显著的积极作用，原因在于境规制还可以通过提高公众的环保意识，促进公众参与和监督。（2）经济发展水平的回归系数显著为正，这表明城市经济水平的提升有利于降低碳排放效率。原因在于，经济水平的提升有利于研发高科技产品，优化产业结构，推动产业绿色转型。（3）基础设施水平对碳排放效率显著为正。背后原因在于基础设施水平的提升有利于传统基建为主，如道路、桥梁等，这些基础设施建设在初期会带来一定的碳排放增加。（4）就业水平的回归系数为显著正，这表明就业水平提升有利于碳排放效率提升。这得益于随着就业水平的提升，劳动力资源更加丰富，这会促使产业结构向高端制造业和服务业升级。高端制造业和服务业通常具有更高的附加值和更低的碳排放强度。（5）工业化水平的回归系数为负，这可能是因为工业化水平提升推动了能源结构的转型，从传统的煤炭等高碳能源向天然气、可再生能源等低碳能源转变。

注：括号里为t值，*、**、***分别代表满足10%，5%，1%的显著水平

2、中介效应检验

第（1）列是以碳生产率为被解释变量对数字经济水平进行回归，结果显示数字经济能够显著促进碳排放效率；第（2）列以产业结构合理化为被解释变量对数字经济水平进行回归，影响系数为0.605，表明数字经济水平每增加一个单位，产业结构合理化就增加0.605个单位，且在1%的水平上显著，证明了数字经济有利于提升产业结构合理化；第（3）列验证了产业结构合理化在数字经济促进碳排放效率的过程中发挥中介效应，数字经济水平的回归系数为1.022，在1%的水平上显著，可以判定产业结构合理化的中介效应显著存在。因此数字经济以信息技术为基础，其广泛应用改变了传统产业的生产模式、运营模式和管理方式，有利于推动产业结构升级，进而通过推动了新兴产业的发展，优化资源配置，提升全要素生产率，减少资源浪费和能源消耗，能够有效降低整体经济的碳排放水平。验证了假设2成立。

注：括号里为t值，*、**、***分别代表满足10%，5%，1%的显著水平

（二）数字经济对碳排放的空间溢出效应

1、数字经济与碳排放效率的动态演进特征

为进一步研究我国碳排放效率的动态演进趋势，本文选择核密度估计方法进行深入分析。为增强分析的多样性和科学性，参考国家统计局的区域划分标准，将全国30个省份划分为东部、中部和西部三大区域进行分别研究。通过选取2011年、2014年、2017年和2019年四个关键年份的碳排放效率数据，绘制核密度曲线图，从而全面了解我国30个省市碳排放效率的时空演变特征。

在分布位置方面，核密度曲线呈现出向左移动的趋势，这表明在所考察的时间范围内，我国的平均碳排放效率整体有所下降。从分布形态来看，2011—2019 年期间，核密度曲线的高度逐渐降低，这意味着碳排放效率较低的城市数量在这一阶段有所减少，换言之，这些城市的碳排放效率得到了显著提升，整体分布逐渐趋于优化。在曲线的延展性方面，2019 年的密度函数曲线相较于 2011 年更为平缓，且右尾部分明显变长。这一变化反映出，尽管多数省份的碳排放效率实现了提升，但省际间的碳排放效率差异却进一步扩大，部分省份的效率提升未能与整体发展步伐保持一致。从极化现象角度观察，密度曲线呈现出非单峰形态，这或许暗示着我国碳排放效率正在经历多极分化的趋势，即不同省份之间的碳排放效率差异逐渐形成几个较为明显的集团或层级。

核密度曲线在2011—2021年间逐渐向左移动，这表明东部地区的碳排放强度在这段时间内持续降低。这一趋势反映了东部地区在节能减排和低碳发展方面取得了显著成效，整体碳排放效率不断提升。从2011年到2014年，核密度估计值呈现上升趋势，并在2014年达到峰值，随后开始下降。在2016年和2017年，核密度估计值保持相对稳定，但到2021年再次下降。这一变化表明，东部地区碳排放效率的分布形态在不同阶段呈现出动态调整的特点，反映出该地区在不同时期的政策实施和经济结构调整的效果。核密度曲线呈现出非单峰形态，这可能预示着东部地区碳排放效率未来将出现多极分化现象。换言之，不同省份之间的碳排放效率差异可能会进一步扩大，形成几个明显的效率层级或集团。这种分化趋势需要引起关注，因为它可能对区域协调发展和整体碳减排目标的实现产生影响。

图 8中部地区核密度估计图

从中部地区核密度函数分布来看，如图8。在分布位置上核密度曲线逐渐向左移动，说明在2011-2021年间，西部地区碳排放强度不断下降。在分布形态上，从2011年到2014年，该密度估计值显著降低，然后在2017年有所增加，到2021年，核密度估计的值再次下降。从曲线的延展性上，相比于2011年，2019年的密度函数曲线变得更加平缓。从2011-2017右尾逐渐变短，说明碳排放效率在省际间差距缩小，之后，右尾延长。在极化现象上，密度曲线呈现出非单峰形态，预示着东部碳排放效率将可能有多极分化现象的势态出现。

从西部地区核密度函数分布来看，如图9。在分布位置上核密度曲线逐渐向左移动，说明在2011-2021年间，西部地区碳排放效率不断下降。在分布形态上，2021年密度估计值显著降低。从曲线的延展性上，相比于2011年，2021年的密度函数曲线变得更加平缓。从2011-2017右尾逐渐变短，说明碳排放效率在省际间差距缩小，之后，右尾延长。在极化现象上，密度曲线呈现出非单峰形态，预示着东部碳排放效率将可能有多极分化现象的势态出现。

综合以上分析，这种不均衡可能是由于各地经济发展水平、产业结构、能源结构以及环保政策执行力度等因素的差异造成的。因此，要进一步提高全国的碳排放效率，需要加强对低碳排放效率地区的支持和引导，推动绿色低碳技术的应用，优化产业结构，同时加强环境保护政策的制定和执行，以确保经济增长与环境保护之间的平衡。

2.空间自相关检验

为分析数字经济对碳排放效率的空间效应，首先要进行空间自相关检验，检验是否具有空间相关性，我们用Moran’s I指标对数字经济与碳排放效率的空间集聚效应进行了2011-2019年的探讨，结果如表7所示。结果表明，各省市的数字经济发展水平与碳排放效率之间呈现正的空间集聚效应，可以使用空间计量模型。

再引入本地Moran's I指标，分析局部地区的数字经济发展水平及碳产出率的空间集聚现象。数字经济Moran's I指标散点图和碳排放效率分别选取2011和2019两个年份绘制，见图10。由此可知，我国省级数字经济和碳排放效率Moran's I指数散点主要集中于一、三象限，呈高-高、低-低聚集型，说明在空间上邻近的省份数字经济发展水平与碳排放水平相近，区域间关联性强，空间上选择空间计量模型是合适的，因此，我国省级数字经济和碳排放效率Moran's I指数散点主要集中于一、三象限，呈现高-高、低-低聚集型，说明数字经济发展水平在空间上邻近的省份中具有较强的区域关联性，具有很强的区域相关性。因此，各省之间应加强区域协作，为实现“碳中和”而共同努力。

3.空间计量模型选择

根据前文检验，数字经济发展水平和碳排放效率之间存在空间相关性，为选取合适的空间计量模型，本文分别通过LM检验、LR检验、Hausman检验和Wald检验，结果如表8所示。

首先，LM检验。由结果可知，LM-lag、Robust LM-lag、LM-error在均在1%的水平下显著，初步判定选择空间杜宾模型（SDM）作为分析工具。随后进行的LR检验和Wald检验均在1%的水平下显著，这表明空间杜宾模型（SDM）不会退化为空间滞后模型（SLM）或空间误差模型（SEM）。最终，通过Hausman检验，统计值为30.74，且在1%的水平下显著，这进一步证实了应选择双固定效应的空间杜宾模型（SDM）来进行分析。

4.空间效应估计

空间杜宾模型的实证结果如表9所示。从结果来看，碳排放效率的空间自回归系数在1%水平下为正，表明城市碳排放效率具有空间溢出效应，即相邻省份碳产出率的提升能够带动周边省份碳排放效率的提高。

由于空间杜宾模型中的参数不能有效表明数字经济对碳排放效率的直接作用和空间溢出效应，因此，进一步对数字经济对城市碳排放效率的空间总效应进行分解，可以观察到各解释变量对碳排放效率的直接效应、间接效应以及总效应。

据表7所示，数字经济的直接效应在1%的水平上显著为正，这说明数字经济发展能够推动本城市碳排放效率的提升，而间接效应显著为正，这说明本地数字经济的蓬勃发展可能对周边城市的碳排放减少产生有利影响。数字经济发展打破了物理空间对经济活动的限制，通过高效信息传递压缩时空距离，缓解市场分割问题。这提高了区域间经济活动的关联性和渗透性，促进了地区降低碳排放的知识共享和溢出，有利于相邻地区学习借鉴低碳技术和经验，提高碳排放效率。上述结果表明，数字经济发展一定程度上可以促进当地碳排放效率的提高，且利于促进相邻碳排放效率的提高，验证了假设3成立。

其他控制变量中，经济发展水平影响不显著，可能是因为各省份在经济发展。过程中存在一定程度的竞争，联合发展意识不强，因此造成溢出效应不够显著。工业化水平的直接效应为正和间接效应为负，这可能是部分企业选择将污染产能转移到周边地区，造成周边省份碳排放提升。环境调控由于区域间联系较弱，或者地理距离较远等原因，其直接效果和总效果明显为正，间接影响不大。

5、稳健性检验

本文通过调整空间矩阵进行稳健性检验，本研究将原有的０－１矩阵替换为经济地理嵌套矩阵以此探究数字经济对碳排放效率的空间作用机制。

各解释变量的符号和显著性均与之前的分析结果基本一致，且显著性水平进一步提高，这进一步验证了本研究结论的可靠性。

通过经济地理矩阵可发现，数字经济不仅能促进当地碳排放效率提升，还能带动周边地区，具有正向的空间溢出效应。这可能是经济水平相近的地区通常在数字经济基础设施、人才储备和市场需求等方面具有相似性，这些地区之间更容易形成创新合作网络。

6、异质性检验

为了增强分析的多样性，参考国家统计局划分区域的标准，将30个省份划分为东中西三大区域进行分析。

本文通过区域异质性分析发现，在东部地区，数字经济水平与碳排放效率呈正向相关的关系。控制变量，如经济发展水平、工业化水平、环境调控强度和基础设施水平等，也对碳排放效率产生了明显的正向影响，说明数字经济水平的提高对碳排放效率的提高是有帮助的。这可能是由于东部地区经济更加发达，产业结构更加高级化，数字经济的发展更多地集中在高科技含量、高附加值的行业，而这些行业通常碳排放强度较低，从而促进碳排放效率的提高。但在中部地区，数字经济水平受到显著负面影响的是碳排放效率。这预示着一个可能导致碳产出减少的数据经济水平在中部地区的改善。这种差异可能源于，在中部地区数字经济发展水平有限，难以发挥其在碳减排方面的积极作用的同时，一些高污染、高碳排放行业向中部转移，以降低成本。西部地区碳排放效率受数字经济水平影响显著为正。这可能是因为发展数字经济对其影响更明显的可能性更大，因为西部地区的经济结构比较单一，发展程度不高。

然而，在中部地区，数字经济水平对碳排放效率产生了显著的负向影响。这表明数字经济水平的提升在中部地区可能导致碳排放效率的降低。这种差异可能源于中部地区的经济发展水平相对较低，一些高污染、高碳排放产业为降低成本向中部转移，同时中部地区的数字经济发展水平有限，难以发挥其在碳减排方面的积极作用。在西部地区，数字经济水平对碳排放效率的影响显著为正。这可能是因为西部地区经济结构较为单一且开发程度较低，数字经济的发展更容易对其产生较为明显的影响。

注：括号里为t值，*、**、***分别代表满足10%，5%，1%的显著水平

本文同时将三大区域进行效应分解，进一步探究了东、中、西地区数字经济对碳产出率的直接效应、间接效应和总效应。

注：括号里为t值，*、**、***分别代表满足10%，5%，1%的显著水平

八、研究结论与政策启示

本文通过研究2010-2019年全国30个省份的面板数据为样本，探讨了数字经济对碳产出率的影响机制和空间效应，以及产业结构升级在其中的中介作用机制。通过双向固定基准回归、中介效应、空间溢出效应和空间异质性分析，可以得出如下结论：(1)数字经济与碳排放效率呈现明显的正相关关系，表明城市数字经济发展水平的提高，有利于当地碳排放效率的提高，有利于当地碳产出的提高，因此，数字经济与碳排放效率呈明显的正相关关系，此外，经济发展水平、工业化程度、就业状况以及基础设施建设同样对碳排放率产生了积极的影响.（2）中介效应分析揭示，数字经济的蓬勃兴起为信息化和智能化产业注入了强大动力，促使其蓬勃发展。这一进程不仅推动了经济结构的持续优化和产业的升级换代，还逐步降低了传统高碳产业在经济中的比重。同时，数字经济也为高效利用可再生能源和推动碳排放效率显著提高的节能减排技术提供了有力支撑。(3)空间溢出效应表明，数字经济的发展对相邻城市碳排放效率的提升有有效的促进作用，但对碳排放效率的提升有一定的促进作用。(4)空间异质性表现为我国不同地区的差异。东部地区经济发达、发展较快，清洁生产技术和新能源使用可能更多，发展数字经济有利于减少碳排放；但在欠发展的中部地区，高碳排放行业带来的环境压力难以通过数字经济的发展得到缓解，产出率受到的影响较小。

根据上述研究结果，本文提出以下建议：

首先，数字经济的发展对碳排放具有显著的改善作用，应持续增强数字经济基础设施的构建，不断优化数字技术的应用，激励互联网企业采用前沿科技实现绿色发展的具体执行，向传统产业注入新动力，并运用数字技术为主要能耗部门提供高效的绿色策略，支持各行业进行数字化和绿色化的变革同时。政府部门应做好数字经济发展的顶层设计，加快建设相关基础设施，加强核心技术攻关，推动数字核心技术自主创新，为提升城市碳排放效率持续提供动力。

其次，要发挥产业结构升级的中介效应 。继续强化数字技术对传统产业进行赋能，对传统产业进行全方位、全链条的改造，提升全要素生产率。加强数字技术人才的培养和引进，构建多层次的人才培养体系。通过职业教育、高校教育和企业培训等多渠道，培养适应产业升级需求的高素质数字技术人才，为产业结构升级提供智力支持。通过优化经济体系中的产业构成推动低污染、高效益产

业的发展从而实现了对碳排放的有效控制。

再次，加强空间重塑，发挥空间溢出效应。应积极鼓励跨省经济合作,发挥数字经济的辐射带动作用，提高区域间数字经济发展关联度,为推广碳达峰和碳中和的先进经验提供良好基础,构建区域间协调发展模式。此外,为了防止单一区域监管政策导致的污染产业转移,我们应该提高区域间联合管理的能力,促进良好的区域环境循环体系。加强环境管理,实行地方联合管理。

最后，考虑到数字经济对碳产出率的异质性，相较于中西部地区，经济发达的东部地区更能受数字经济驱动减少碳排放。因此政府应结合当地发展状况做到“一地一政”。鼓励东部地区向第三产业转型,减少传统产业的碳排放,为碳中和和碳达峰奠定基础。就中部地区而言,一方面要借鉴东部地区的发展经验,抵制高排放企业,争取尽快实现碳达峰,另一方面要加强与西部地区在资源、技术,环境等方面的合作与投资,实现与西部地区的双赢西部地区应增加基础设施投资,促进产业结构调整,帮助创造内生机制,走上发展道路,加大对高污染地区的行动力度。

参考文献

[1] 孙铭,王茗旭.中国数字经济发展对碳排放的影响[J/OL].西安交通大学学报(社会科版),1-18[2024-05-05]

[2] 苏喜军,郑鹏辉.数字经济赋能黄河流域城市碳减排：作用机制与异质性分析[J/OL].华北水利水电大学学报(社会科学版),1-15[2025-03-15]

[3] 王淑贺,刘世哲,李晓敏.数字经济空间关联网络对减污降碳的影响机制研究[J/OL].中国地质大学学报(社会科学版),1-15[2025-03-15]

[4] 金赛美,苏乐言,刘智.数字经济对碳排放的非线性影响及空间效应——基于273个城市的实证分析[J/OL].商学研究,2025,(01):105-116[2025-03-19].

[5] 曹建飞,韩延玲,刘慧龙.数字经济发展如何影响城市碳排放？——来自中国283个地级市的经验数据[J].生态经济,2024,40(02):39-51.

[6] 葛立宇,莫龙炯,黄念兵.数字经济发展、产业结构升级与城市碳排放[J].现代财经(天津财经大学学报),2022,42(10):20-37.

[7] 王奕淇,董昊娟.数字经济对城市碳排放绩效的影响机理及溢出效应[J/OL].地理科学,1-12[2025-03-16]

[8] 白丽飞.数字经济的碳减排效应研究——兼论财政政策和市场机制的叠加作用[J].甘肃社会科学,2023,(06):224-236.

[9] 田泽,张瀚亓,徐兴武,等.数字经济促进城市绿色发展的碳排放效应与影响因素研究[J].工业技术经济,2024,43(07):70-80.

[10] 田秀娟,李睿.数字技术赋能实体经济转型发展——基于熊彼特内生增长理论的分析框架[J].管理世界,2022,38(05):56-73.

[11] 霍晓谦,张爱国.数字经济对碳排放强度的影响机制及空间效应[J].环境科学与技术,2022,45(12):182-193.

[12] 文若冰,李娅,张静.数字经济赋能农业新质生产力——理论机制与实证检验[J/OL].中国生态农业学报(中英文),1-14[2025-03-16].

[13] 潘文卿.中国区域经济发展:基于空间溢出效应的分析[J].世界经济,2015,38(07):120-142.

[14] 唐代盛,盛伟.市场潜能、有效边界与中国劳动力市场效率[J].人口学刊,2019,41(04):41-56.

[15] 郑威,陆远权.创新驱动对产业结构升级的溢出效应及其衰减边界[J].科学学与科学技术管理,2019,40(09):75-87.

[16] Jin H .Synergistic effect of pollution reduction and carbon emission mitigation in the digital economy[J].Journal of Environmental Management,2023,337

[17] Liu B ,Qiu Z ,Hu L , et al.How digital transformation facilitate synergy for pollution and carbon reduction: Evidence from China.[J].Environmental research,2024,251.

来源：中国农信新闻