2025, Vol. 46
2. 防灾科技学院经济管理学院, 廊坊 065201;
3. 贵州财经大学贵州省经济系统仿真重点实验室, 贵阳 550025
2. College of Economics and Management, Institute of Disaster Prevention, Langfang 065201, China;
3. Guizhou Provincial Key Laboratory of Economic System Simulation, Guizhou University of Finance and Economics, Guiyang 550025, China
数字经济作为当今世界经济发展的重要引擎, 其快速发展与应用深刻改变了各行业运营方式与产业格局, 在拉动就业、投资和激发消费等方面也发挥了重要作用. 党的二十大报告提出要全面推进数字化转型, 加快发展数字经济, 实现经济社会各领域“数智化”. “十四五”期间我国新增确定的国家级新区中, 80%以上定位为数字经济创新发展综合试验区. 同时, 元宇宙、区块链等新技术、新业态持续涌现, 为数字经济发展注入了新动能. 据中国互联网络信息中心（CNNIC）发布的第53次《中国互联网络发展状况统计报告》显示, 截至2023年12月, 我国网民规模达10.92亿, 互联网普及率高达77.5%. 在超大规模市场和新技术研发创新的双轮驱动下, 我国数字经济发展势头愈加强劲.
低碳经济转型的核心是实现产业从高碳向低碳的转变[1]. 中国政府高度重视经济转型与可持续发展, 明确提出加快构建绿色低碳循环发展的经济体系, 并承诺到2030年实现碳达峰, 2060年实现碳中和. 随着数字经济的蓬勃发展, 充分利用数字化手段, 推动经济社会各领域实现低碳转型, 已成为落实“双碳”目标的重要举措. 在此背景下, 数字经济能否有效赋能地区低碳经济转型?如果可以, 其内在机制是什么?在空间规律上是否存在差异?厘清上述问题不仅有助于丰富数字经济与低碳经济转型的相关理论与研究, 对于助力不同地区实现低碳经济转型, 精准施策, 统筹推进“双碳”目标也具有重要的现实意义.
2003年英国政府的能源白皮书中最早提出了“低碳经济”一词, 认为低碳经济是通过提高资源利用效率来改善人民生活水平. 此后, 关于低碳经济内涵的研究不断涌现. 虽然研究视角不同, 但均认为低碳经济的本质是碳中性经济[2], 其核心是通过建立低能耗、低污染、低排放和高效能、高效率、高效益为特点的经济发展模式[3], 最终以最少的能源消耗实现既定的经济社会发展目标[4]. 在低碳经济的测度方法方面, 最常用的是基于构建的评价指标体系借助熵值法来进行评价, 由于学者们对低碳经济的内涵理解及关注点不同, 使得其在构建指标体系时的侧重点也有所差异. 如段梅等[5]从低碳经济总体发展效率、结构能力提升、环境支撑能力、能耗利用和污染治理等方面构建评价指标体系；邬彩霞[6]基于低碳经济实施机制从社会经济、能源和资源三方面构建了评价指标体系；付加锋等[7]从投入产出视角将政策、环境、资源、低碳产出和消费等要素融入了低碳经济评价指标体系中. 此外, 也有学者基于数据包括分析法[8]、泰尔指数[9]、Dagum基尼系数[10]和可计算一般均衡模型[11]等对低碳经济进行了测度与评价.
“数字经济”这一概念由Don Tapscott于1995年出版的《数字经济》一书中最早提出[12], 自此, 各国政府纷纷开始关注数字经济发展. 经济与合作发展组织、美国商务部经济分析局等机构, 《G20数字经济发展与合作倡议》《中国数字经济发展报告（2023）》等文件中均对数字经济的概念进行了界定. 与此同时, 学术界也从技术[13]、产业[14]、场景应用[15]和治理[16]等层面界定了数字经济的概念, 推动了数字经济概念由数字技术论深化为经济形态论. 在此基础上, 学者们从国家[17]、省级[18]和城市层面[19]分别对数字经济进行了测度, 测度方法主要包括增加值法[20]、指数法[21]和卫星账户法[22]这3种. 此外, 学者们对数字经济的影响效应也进行了研究, 普遍关注数字经济在促进经济高质量发展[23]、推动产业结构升级[24]、赋能城市创新[25]、提高创业率[26]和加快要素配置[27]等方面的经济效应, 随着环境问题日益严峻, 学者们开始关注数字经济对碳排放[28]、碳生产率[29]、碳排放强度[30]、碳减排[31]和碳排放绩效[32]等方面的环境效应. 也有学者开始关注数字经济对低碳经济转型的影响, 如肖静等[33]从省级层面实证检验了数字经济如何基于绿色技术创新与产业结构升级赋能低碳经济转型；张杰等[34]基于经济增长目标和环境目标双重约束, 探究了数字经济赋能低碳经济转型的作用机制；张修凡等[35]将国家级大数据综合试验区作为一项准自然实验, 探究数字经济赋能我国低碳经济转型的机制与路径, 可为后续研究奠定理论基础.
综上, 已有文献对低碳经济、数字经济及二者的关系进行了大量研究, 对本研究具有重要的参考价值, 但仍然存在以下不足：一是经济高质量发展与“双碳”双重背景下对低碳经济转型与数字经济提出了更高的要求, 部分关于低碳经济转型与数字经济的评价指标缺乏代表性与前瞻性；二是现有相关研究多基于绿色技术创新与产业结构视角探索数字经济赋能低碳经济转型的直接效应与间接效应, 对非线性效应关注不足, 也未考虑新型城镇化的内在作用机制；三是对数字经济赋能低碳经济转型空间互动效应的研究相对欠缺, 仅有的研究仅从整体探讨了邻近省市的空间溢出效应, 未对“地理邻近”与“经济邻近”省市的空间溢出效应进行区分.
基于此, 本文的边际贡献可能包括以下3点：①综合考虑经济高质量发展与“双碳”目标的内在要求, 重构了区域低碳经济转型与数字经济发展指数评价指标体系, 丰富了低碳经济与数字经济测算的相关理论；②基于绿色技术创新与新型城镇化双重视角探索数字经济对地区低碳经济转型的影响机制, 并充分考虑了这些影响机制的非线性效应, 弥补了现有研究关于数字经济对地区低碳经济转型非线性影响关注不足的缺口；③构建空间计量模型探索了数字经济对“地理邻近”与“经济邻近”省市低碳经济转型的空间溢出效应, 更准确地揭示数字经济赋能低碳经济转型的空间互动效应.
1 理论分析与研究假说 1.1 数字经济对地区低碳经济转型的直接效应随着数字技术在社会各个方面应用的深入, 以数字化为核心的新型经济形态——数字经济正在快速崛起. 第一, 结构性红利假说理论认为优化产业结构能够提高经济发展效率, 推动经济实现高质量发展. 而数字经济由于其平台化、共享化等特点, 借助大数据技术通过推动生产要素合理流动配置、提升传统产业低碳化水平和培育新型低碳产业等优化了产业结构, 释放“结构性红利”, 提升了经济发展的质量和效率, 助力经济领域低碳转型[36]；第二, 数字经济利用新媒体传播低碳理念, 有助于推动居民形成绿色低碳消费理念与生活方式, 共享经济的发展深刻影响着社会公众的低碳价值观和行为方式, 推动形成绿色低碳的社会氛围[37]；第三, 数字经济遵循了循环经济关于“减量化、再利用、回收”的3R原则, 最大限度地提高资源利用效率, 实现资源的循环利用, 是数字技术赋能生态系统低碳转型的具体体现[38]；第四, 数字经济基于大数据、云计算和区块链等新技术, 通过降低信息不对称和交易成本, 可以提高能源利用效率, 降低生产和生活的碳排放强度, 推动能源系统优化转型[39]；第五, 数字经济不仅加速了教育信息化进程, 也为低碳技术创新提供了平台支持, 带动高新技术产业快速发展, 为地区低碳经济转型提供了发展动力和人才智力支撑[40]. 因此, 在数字技术综合作用下, 数字经济的快速发展为地区低碳经济转型提供了重要技术手段与价值理念支持, 是推动地区低碳转型的重要动力. 基于此, 提出如下假说.
假说1：数字经济能显著推动地区低碳经济转型.
1.2 数字经济对地区低碳经济转型的间接效应数字经济的绿色技术创新效应. 根据内生增长理论与新增长理论, 技术创新与进步是经济增长的内生动能[41]. 绿色技术与传统技术相比最大的特点是强调通过技术赋能绿色清洁技术扩散来推动低碳经济转型[42]. 一方面, 数字技术的快速发展为绿色技术创新带来了丰富的机遇和资源, 释放了绿色技术创新的新红利. 另一方面, 绿色技术创新既可以从源头减少污染的产生, 也可以提高治理修复能力, 还可以强化环境监管, 是推动地区低碳经济转型的重要科技支撑[43].
数字经济的新型城镇化效应. 技术扩散理论认为新技术需要时间来逐步扩散, 适当的激励措施能加快这一过程. 数字经济自带绿色属性, 与新型城镇化绿色低碳理念高度契合. 通过赋能新型城镇化进程, 可以切实推动低碳经济转型. 一方面, 数字经济通过创新激励方式和优化产业结构, 挤出高污染高耗能产业的发展空间, 有助于解决城镇化过程中经济主体行为所带来的环境负外部性问题, 实现经济效益与环境效益双赢[44]. 另一方面, 数字技术在生产、生活和生态三方面均具有节能环保的优势, 多方面助力低碳经济转型. 在生产领域, 数字化智能制造可提高资源利用效率；在生活领域, 远程办公等新模式的兴起减少交通耗能；在生态领域, 大数据和人工智能使得“创新补偿”超过“遵规成本”, 有效助力环境治理[45]. 基于此, 提出以下假说.
假说2：数字经济能通过推动绿色技术创新与新型城镇化建设, 显著推动地区低碳经济转型.
1.3 数字经济对地区低碳经济转型的非线性效应环境库兹涅茨曲线理论强调经济发展不同阶段对环境质量的影响是不同的. 因此, 有必要进行相应的政策干预. 数字经济对地区低碳经济转型的影响呈现出正向的促进作用, 然而, 随着绿色技术创新水平的不断提高, 这种作用可能会逐渐减弱. 首先, 绿色技术创新的饱和效应可能导致数字经济推动低碳经济转型的效益逐渐减弱. 一旦绿色技术达到一定成熟水平, 技术学习曲线效应可能使绿色技术创新的边际效益下降, 从而降低了数字技术持续推动低碳转型的动力. 其次, 过高的绿色技术创新水平可能导致资源过度投入, 进而削弱数字经济对地区低碳经济转型的正向推动[46]. 当绿色技术创新的投入过高时, 可能会导致资源在创新领域过度集中, 进而影响其在地区低碳经济转型中的作用. 最后, 过热的绿色技术创新可能导致技术供给与市场需求之间的脱节, 出现“技术急先锋”现象, 也不利于数字技术持续推动低碳转型[47]. 此外, 相关配套政策的缺失也会对数字经济的低碳效应产生制约. 因此, 在制定政策和实施措施时, 应当综合考虑绿色技术创新的阶段性特征, 以实现数字经济对地区低碳经济转型的持续、稳定和有效推动.
同时, 当新型城镇化水平过低时, 数字经济对地区低碳经济转型的正向作用可能会受到限制. 首先, 城镇化程度较低意味着数字基础设施建设还不完善, 物联网、大数据等数字技术难以在城市规划、运营和服务等方面充分应用, 从而限制了城镇化进程中的碳排放管理与优化[48]. 其次, 城镇化初级阶段, 快速的城市扩张与城镇人口增长, 往往伴随着高规模的碳排放增长. 这种增长可能会抵消甚至超过数字技术应用带来的减排效果, 使得数字经济对低碳经济转型的净促进作用被弱化. 再次, 城镇化水平偏低也意味着居民对数字技术和低碳理念的接受程度有限, 不利于数字技术与低碳生活的有机结合. 最后, 城镇化初级阶段, 地方政府更侧重经济增长和就业等目标, 数字技术与低碳转型并非优先发展的重点, 相关配套政策与规划也比较缺乏, 一定程度上制约了数字经济的低碳化应用. 但随着城镇化水平的提高, 这些制约因素将逐步消除, 数字经济促低碳的正向作用也会更加凸显[49]. 基于此, 提出以下假说.
假说3：数字经济对地区低碳经济转型存在正向的促进作用, 但是在绿色技术创新水平过高、城镇化水平处于初级阶段时, 这种正向作用会被弱化.
1.4 数字经济对地区低碳经济转型的空间溢出效应本研究发现, 数字经济较发达省市不仅能促进本地区低碳经济转型, 还会对周边省市产生空间溢出效应, 这一效应无论对于地理位置邻近的省市, 还是经济结构相近的省市都成立[50], 与新经济地理学理论的核心观点不谋而合. 首先, 数字经济的网络扩散效应使得低碳人才、技术、经验和创新成果突破传统的地理限制, 在地理邻近与经济邻近地区之间迅速传播[51]. 其次, 数字经济通过提供即时、广泛的信息共享平台缓解了信息不对称, 提高了地区间经济互动的效率. 使得地理邻近与经济邻近地区能够更有效地识别潜在的合作机会, 促进了低碳经济转型的合作和互动. 此外, 数字经济的外部效应和示范效应加快了低碳技术在“地理邻近”与“经济邻近”省市的推广与应用, 在推动地区间低碳经济转型方面发挥了重要作用[52]. 基于此, 提出以下假说.
假说4：本地区数字经济的发展对“地理邻近”与“经济邻近”省市低碳经济转型产生显著的正向空间溢出效应.
2 模型构建与变量说明 2.1 模型构建为了检验数字经济对地区低碳经济转型的直接效应, 验证假说1, 本文构建了如下基准回归模型：
|
(1) |
除了直接效应外, 数字经济可能还对地区低碳经济转型存在间接效应. 为了验证假说2, 分析数字经济对地区低碳经济转型的影响机制, 借鉴Baron等[53]的研究, 在模型（1）的基础上构建如下中介效应模型：
|
(2) |
|
(3) |
为了检验假说3, 检验数字经济对地区低碳经济转型的非线性溢出效应, 借鉴学者Hansen[54]的相关研究, 构建如下门槛效应模型：
|
(4) |
最后, 由于各地区的低碳经济转型存在时空关联, 为了验证数字经济对地区低碳经济转型的空间溢出效应, 构建如下空间计量模型：
|
(5) |
式中, i和t分别表示省市和年份. lcetit与digitit分别表示第i省市第t年的低碳经济转型与数字经济发展水平, Mediatorit与thit分别表示第i个省份、第t年的中介变量与门槛变量, 包括绿色技术创新（gt）与城镇化水平（urb）, θ表示门槛值, ρ表示空间自回归系数, W表示空间权重矩阵, 本文从地理邻接与经济邻接两方面刻画其空间关联关系. Xit表示地区低碳经济转型水平的控制变量, μi与δt分别表示省市固定效应与时间固定效应, ηit表示随机干扰项.
2.2 变量说明与数据来源 2.2.1 被解释变量低碳经济转型（lcet）. 学术界比较常见的低碳经济转型测度方法有两种, 一是构建考虑非期望产出的SBM-ML指数测算各省市的低碳全要素生产率, 以评估实现一定经济产出时所消耗的碳排放量；二是通过构建低碳经济转型评价指标体系, 借助信息熵模型测算研究地区的低碳经济转型水平. 本文认为低碳经济转型强调经济发展的动态低碳过程度量. 既离不开经济增长质量的高效推动, 也离不开民生社会低碳理念的转变, 需要强化生态环境要素与提升能源利用效率作保障, 也需要持续深化政策引导和技术创新等方面的支撑力度. 因此, 参考相关学者[55, 56]的研究, 构建考虑经济、社会、生态、能源与发展这五大系统的低碳经济转型评价指标体系来测度低碳经济转型水平, 如表 1所示. 不仅能够全方位考察低碳经济转型在转变经济增长方式、民生社会、提高生态环保质量与能源利用效率、增强社会发展动力五大方面的效果, 也有助于明确转型的重点领域和关键环节, 为制定针对性政策提供依据.
|
表 1 低碳经济转型指标评价体系1） Table 1 Low-carbon economy transition index evaluation system |
2.2.2 解释变量
解释变量为数字经济发展指数（digit）. 虽然关于数字经济测度的相关研究有很多, 但目前学术界尚未形成统一的测度方法. 本文参考学者徐军委[57]的相关研究, 从数字基础设施、数字创新能力、数字覆盖广度、数字产业发展和政府支持力度五大系统构建表 2的数字经济发展指数来测度各省市数字经济发展水平.
|
|
表 2 数字经济发展指数指标评价体系 Table 2 Digital economy development index evaluation system |
2.2.3 中介变量
根据数字经济对区域低碳经济转型的传导机制, 本文选用绿色技术创新（gt）与新型城镇化水平（urb）作为中介变量. 其中, 绿色技术创新参考学者董直庆[58]的研究, 遵循世界知识产权组织规定的国际分类编码和绿色专利清单, 在国家知识产权局查询了发布的绿色专利申请相关信息, 并将所得结果整合至各个省级层面. 新型城镇化水平参照相关学者[59, 60]研究, 基于熵权法从人口、经济、社会、环境和空间这五大方面构建评价指标体系来测算, 如表 3所示.
|
|
表 3 新型城镇化指标评价体系 Table 3 New-type urbanization index evaluation system |
2.2.4 控制变量
考察数字经济与区域低碳经济转型的关系需要在控制其他相关变量的基础上进行. 参考相关学者[61, 62]的研究, 本文认为以下指标可能会对区域低碳经济转型产生影响：①经济发展水平（pgdp）, 用人均GDP来测度；②产业结构升级（is）, 用第三产业占GDP比重来测度；③人力资本（cap）, 用高等学校在校学生数占总人口数来测度；④对外开放度（fdi）, 用实际外商直接投资额占GDP比重来测度；⑤金融发展（fd）, 用金融机构存贷款余额占GDP比重来测度.
2.2.5 数据来源本文的研究样本为2010~2021年的省级面板数据, 其中, 中国西藏和港澳台地区由于数据缺失被剔除. 绿色专利数据根据世界知识产权组织（WIPO）提供的绿色专利清单中列示的绿色专利国际专利分类（International Patent Classification）编码搜索整理获取, 其他所需数据均来自研究年份的《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》及EPS全球统计数据库. 为规避异方差问题, 对经济发展水平（pgdp）与绿色技术创新（gt）做取对数处理. 表 4展示了样本的描述性统计结果, 不难发现地区低碳经济转型水平（lcet）最小值为0.143, 最大值为0.215, 标准差为0.018, 表明地区低碳经济转型水平有一定差异, 这与陈诗一[63]和邬彩霞[64]的研究结果类似.
|
|
表 4 数据描述性统计1） Table 4 Descriptive statistics |
3 数字经济对地区低碳经济转型的实证检验 3.1 基准回归分析
表 5为数字经济对地区低碳经济转型的基准回归结果, 在控制固定效应的基础上, 第（1）列核心解释变量digit的系数显著为正, 表明各地区数字经济发展水平越高, 其低碳经济转型水平越高. 第（2）~（6）列依次加入了可能对地区低碳经济转型产生影响的其他控制变量, 不难发现虽然digit的系数有所差异, 但其符号与显著性水平仍然保持一致, 因此, 数字经济对地区低碳经济转型具有显著的正向效应, 且这一效应是稳健的, 由此假说1得以证实. 从控制变量来看, 经济发展水平、产业结构、人力资本与金融发展对地区低碳经济转型具有显著的正向影响, 说明经济增长是推动地区低碳经济转型的重要动力, 随着经济发展水平的提升, 地区将拥有更多资金投入低碳基础设施建设、绿色技术研发等相关领域, 为低碳转型提供坚实的资金保障；产业结构升级是实现地区低碳经济转型的重要路径, 产业结构升级可以通过优化产业布局、推行清洁生产、开发低碳技术、培育绿色消费和增强制度供给等方式交互作用, 共同推进地区低碳经济转型；而人力资本是地区低碳经济转型的重要基础, 通过提升公众低碳环保意识、增强环保专业技能和稳定人才队伍等为地区低碳经济转型提供人员与社会保障；金融发展一方面通过绿色信贷、绿色债券和碳金融等为低碳技术研发和低碳项目提供资金与技术支持, 同时还可以通过参与碳市场交易为地区低碳经济转型发挥资源配置的导向作用. 对外开放度的回归系数为负, 可能是由于一些省市为了吸引外资出现了放松环保准入门槛、监管执法不力的问题, 引发行业间外资企业跨区域转移, 导致“碳泄漏”, 从而对本地低碳经济转型产生了一定的负面影响.
|
|
表 5 基准回归结果1） Table 5 Baseline regression results |
3.2 内生性问题与稳健性检验
对核心解释变量选取合适的工具变量是规避遗漏变量和双向因果关系所导致的内生性问题的主要方法. 本文借鉴黄群慧等[65]的研究, 选取1984年省级层面每百人拥有固定电话数作为数字经济的工具变量. 由于原始数据为截面数据, 参照Nunn等[66]的做法, 将各省份上一年度互联网用户数分别乘以1984年各省每百人拥有固定电话数进行交乘, 构造面板工具变量. 从表 6看出, 在充分考虑内生性问题的情况下, 数字经济对地区低碳经济转型的正向效应仍在1%的水平下显著. 此外, Kleibergen-Paap rk LM的统计量P值均为0.000, 拒绝了原假设, 说明工具变量没有存在识别不足的问题, F统计量的结果均大于10%水平的临界值, 说明可以排除弱工具变量的问题. 因此, 在考虑了潜在内生性问题的基础上, 本文的基准回归结果仍然成立, 即数字经济发展对低碳经济转型具有显著的正向效应.
|
|
表 6 稳健性检验结果1） Table 6 Results of robustness test |
为了进一步确保回归结果的稳健性, 本文采取以下方法进行稳健性检验. ①替换被解释变量地区低碳经济转型以考察研究前后回归系数的差异, 参考学者罗良文等[67]的相关研究, 采用考虑非期望产出的SBM模型测算各省市的低碳全要素生产率来核算各省市低碳经济转型水平；②离群值检验. 个别极端值可能会对结果产生影响, 为了控制其对回归结果的影响, 对所有连续变量进行1%的双向截尾处理, 以判断结果是否稳健；③控制联合固定效应. 本研究在采用双向固定效应控制遗漏变量后, 为防止模型遗漏省份和时间维度的交互作用, 借鉴Bai [68]的相关研究, 在基准模型中加入省份-时间的交叉固定效应, 以捕捉共同因素对不同省份之间及不同时期内的差异化影响, 提高模型稳健性. 结果如表 6所示, 不难发现上述稳健性检验方法的结果与基准回归结果一致, 即数字经济对地区低碳经济转型的正向影响具有稳健性.
3.3 影响机制分析根据前文的理论分析可知, 绿色技术创新与新型城镇化建设是数字经济影响地区低碳经济转型的重要机制. 因此, 进一步根据公式（2）与公式（3）构建中介效应模型来分析其影响机制. 从表 7第（1）列可以看出, 数字经济对地区低碳经济转型的总效应为0.102, 这一效应在1%的水平下显著, 即数字经济的发展显著促进了地区低碳经济转型. 第（2）列被解释变量为绿色技术创新, 数字经济的系数为0.697且在1%的水平上显著, 表明数字经济的发展可以显著推动绿色技术创新. 将数字经济与绿色技术创新共同纳入回归模型, 可以看到第（3）列绿色技术创新的系数为0.087且在1%的水平下显著, 表明随着绿色技术创新水平的不断提升, 显著推动了地区低碳经济转型, 数字经济对地区低碳经济转型的影响系数较第（1）列有所下降, 进一步证实绿色技术创新在数字经济推动地区低碳经济转型过程中发挥了部分中介作用. 通过Sobel检验与Bootstrap检验, 证实绿色技术创新的中介效应占总效应的51.69%. 同理, 通过分析列（4）与列（5）不难发现新型城镇化水平在数字经济推动地区低碳经济转型中同样发挥了部分中介作用, 中介效应占总效应的比重为55.31%, 假说2得以证实.
|
|
表 7 影响机制检验结果 Table 7 Results of impact mechanism test |
3.4 非线性效应分析
为了进一步检验数字经济对地区低碳经济转型的非线性溢出效应, 在进行门槛效应回归前, 首先基于模型（4）检验绿色技术创新与新型城镇化是否具有门槛效应. 采用自抽样法（Bootstrap）使用300次自抽样与300次格点搜索对各个门槛变量门槛的个数及门槛值进行检验, 从表 8可以看到门槛变量绿色技术创新与新型城镇化单门槛检验的P值均在5%的水平上显著, 双门槛检验的P值均未通过显著性检验, 因此, 存在单一门槛.
|
|
表 8 门槛效应检验 Table 8 Threshold effect test |
进一步绘制绿色技术创新与新型城镇化相应门槛值在95%的置信区间LR图（图 1）, 与表 8所得门槛值一致, 因此, 门槛值的结果真实有效, 绿色技术创新的门槛值为4.263, 新型城镇化水平的门槛值为0.231, 即数字经济在不同绿色技术创新与新型城镇化水平下会对地区低碳经济转型产生非线性影响.
|
虚线表示95%的置信区间参考线, 穿过置信区间参考线的曲线最低点为相应的门槛值 图 1 门槛效应 Fig. 1 Threshold effect |
确定存在单一门槛效应后, 进一步进行面板门槛效应估计, 从表 9来看, 数字经济对地区低碳经济转型具有显著的促进效应, 但这种效应存在一定差异. 具体来看, 当绿色技术创新水平在门槛值4.263水平下时, 数字经济对地区低碳经济转型的作用显著为正, 当绿色技术创新水平超过门槛值（4.263）之后, 数字经济对地区低碳经济转型的作用有所减弱. 可能是由于当绿色技术创新水平达到一定门槛值后, 这些技术已经相对成熟并被广泛运用, 技术学习曲线效应导致成本下降, 使得低碳解决方案被更多企业接受并成为主流选择, 此时, 数字经济的发展可能无法提供更多的创新和差异化, 从而减弱数字经济对地区低碳经济转型的影响同时, 随着绿色技术创新的发展, 一些绿色产品可能会与数字领域的产品产生替代效应, 如绿色技术的产物电动汽车可能会与数字技术的产物共享出行服务产生竞争, 当低碳交通方式普及后, 可能减少了对数字经济领域的共享出行需求, 从而影响数字经济对地区低碳经济转型的推动作用. 此外, 相关配套要素如资金、人才和政策等与绿色技术创新脱节, 导致数字经济领域面临与其他领域的资源竞争, 降低了数字经济的发展速度和规模, 从而减弱其对地区低碳经济转型的推动作用.
|
|
表 9 门槛回归结果 Table 9 Results of threshold regression |
当新型城镇化水平在门槛值0.231之下时, 数字经济对地区低碳经济转型的作用显著为负, 当新型城镇化水平超过门槛值（0.231）后, 数字经济对地区低碳经济转型产生显著的正向影响. 可能是由于当城镇化水平较低未达到门槛值时, 一方面高速互联网、电力供应等基础设施与资源相对不足, 在一定程度上限制了数字经济的发展, 无法为低碳经济转型提供足够动力, 另一方面城镇化进程中带来的人口集聚且环保意识不足等诸多问题导致数字经济的发展可能过度依赖高碳产业与高能耗模式, 相应减少了低碳技术和解决方案的市场需求, 进而影响地区低碳经济转型. 当城镇化水平超过门槛值后, 随着城镇化水平的提高, 城市基础配套设施逐步完善, 居民对环境与可持续发展的意识进一步增强, 随着政府部门支持低碳经济转型相关政策的出台, 产业结构与能源结构进一步得到优化调整, 从而为地区低碳经济转型提供更多支持. 综上, 数字经济对地区低碳经济转型具有显著的非线性效应, 为假说3提供了有力的支持.
3.5 空间溢出效应分析 3.5.1 空间自相关检验与模型选择在进行空间计量分析之前, 需要对地区低碳经济转型进行空间自相关检验以考察其是否存在空间相关性. 本文基于地理邻接与经济邻接计算了全局莫兰指数, 结果如表 10所示, 不难看出研究期内地区低碳经济转型的全局莫兰指数在地理邻接与经济邻接下均在1%的水平下显著为正, 即存在显著的正相关, 因此, 在分析数字经济对地区低碳经济转型的影响时, 应该考虑其空间效应.
|
|
表 10 莫兰指数检验结果 Table 10 Results of Moran's I test |
在分析数字经济对地区低碳经济转型的空间溢出效应前, 首先根据Elhorst [69]的空间计量模型检验方法, 通过LM检验、LR检验与Wald检验来确定最优空间计量模型. 结果如表 11所示, 可以看到3种检验均认为应选择结合空间滞后模型（SLM）与空间误差模型（SAR）特征的空间杜宾模型（SDM）, 同时两种空间权重下Hausman检验均拒绝了应选择随机效应模型的原假设, 因此, 本文采用固定效应空间杜宾模型进行回归估计.
|
|
表 11 空间计量模型选择结果 Table 11 Spatial econometric model selection results |
3.5.2 空间溢出效应检验
表 12报告了数字经济对地区低碳经济转型的空间杜宾模型的回归结果. 两种邻接矩阵下数字经济的影响系数均显著为正, 表明随着数字经济水平的提升可以显著促进地区低碳经济转型, 与基准回归的结果一致, 进一步验证了假说1. 从空间效应来看, 地理邻接与经济邻接矩阵下数字经济的空间效应系数（W×digit）显著为正, 表明某省市数字经济水平的提升对“地理邻近省市”与“经济邻近省市”的低碳经济转型具有显著的促进作用, 可能是由于：对于“地理邻近省市”来说, 随着数字经济水平的不断提升, 在推动本省市低碳经济转型的基础上, 不仅将先进的低碳技术、资源和管理经验等传播到周边地区, 形成政策示范效应, 促使周边省市借鉴和应用本省市的低碳经验, 推动其低碳经济转型, 还通过带动低碳相关产业的发展形成低碳产业协同效应, 从而推进周边省市的低碳经济转型. 对于“经济邻近省市”来说, 这些省市的产业结构、能源利用结构和经济增长模式等比较相似, 更容易建立数字化信息共享、数字创新等资源协作共享平台, 不仅能够联合开展智慧交通、智慧能源等示范项目, 还可以实现低碳减排技术、环境监测数据和碳资产核算等绿色信息的共享, 降低“经济邻近省市”开发与获取这些信息的成本, 进而助力其低碳经济转型. 从被解释变量地区低碳经济转型的空间滞后系数ρ来看, 两种空间权重下系数均显著为正, 进一步证实地区低碳经济转型具有正向空间聚集的特征, 即某个省市的地区低碳经济转型会通过学习效应与辐射效应对邻近省市的低碳经济转型产生影响.
|
|
表 12 空间杜宾模型回归结果 Table 12 Results of spatial Durbin model regression |
进一步对地区低碳经济转型的空间溢出效应进行分解, 数字经济的直接效应与间接效应在两种空间权重下均显著为正, 从直接效应来看, 数字经济每提高一个百分点, 地理邻接与经济邻接权重矩阵下本省市的低碳经济转型分别增长0.317与0.383个百分点；从间接效应来看, 数字经济对地区低碳经济转型在地理邻接权重下的空间溢出效应（0.068）要高于经济邻接权重下的空间溢出效应（0.034）, 即经济距离弱化了数字经济对地区低碳经济转型的空间溢出效应. 造成这种差异的原因可能是“地理邻近省市”基础设施联通性较好, 数字创新更易传导, 通过更加频繁的交流合作推动了绿色技术创新成果的扩散, 而“经济邻近省市”自然环境和资源禀赋相近, 创新可能存在重复性, 不利于地区低碳经济转型的持续推进. 因此, 地理邻近性强化了数字经济促进低碳转型的空间溢出效应, 而经济距离的拉远则削弱了这一效应, 为假说4提供了经验证据.
4 建议（1）全面推进数字经济建设, 推动数字经济与地区低碳经济转型深入融合. 在“十四五”数字经济发展规划的指导下, 将数字经济发展与实现“双碳”目标紧密结合, 使之成为推动地区低碳经济转型的重要引擎. 进一步加大对5G网络、边缘计算和大数据中心等数字化基础设施建设的投入力度, 全力支持区块链、人工智能等数字技术在提升能源效率、减排监测和绿色制造等方面的应用研发, 重点布局一批数字技术与低碳产业深度融合的示范园区, 带动相关低碳产业数字化升级, 深入探索数字技术赋能地区低碳经济转型的路径模式.
（2）优化传导路径, 充分发挥数字经济的绿色技术创新效应与新型城镇化效应. 一方面要加大对绿色数字技术研发的投入力度, 建立健全创新成果转化机制, 加强行业协会、高校、科研院所和企业之间在绿色数字技术创新方面的横向合作, 出台促进绿色数字技术在能源、交通、建筑和制造业等领域应用的政策措施, 形成系统的数字技术低碳应用政策矩阵. 另一方面在新型智慧城市建设中通过多方面宣传引导居民采用绿色数字技术和服务, 培养绿色低碳的数字生活方式, 大力推广使用绿色数字技术与解决方案, 如智慧节能、绿色出行和智慧环保等, 充分发挥示范引领作用. 同时制定绿色数字化城市评价标准, 并按照标准建设一批绿色数字化城市示范区, 在示范先行的基础上推广其建设经验.
（3）创新规划引导与体制机制, 完善数字经济提升地区低碳经济转型的门槛条件. ①为应对绿色技术创新过热增长而削弱数字经济对地区低碳经济转型的推动作用.在发展规划层面：合理控制绿色技术创新步伐, 避免盲目追求速度, 同时强化数字经济与绿色技术创新的协同配合, 防止出现替代效应. 在要素保障方面：完善资金、人才和政策等要素的供给链条, 确保数字经济与绿色技术创新得到平衡发展, 支持相关技术成果转化应用和商业模式创新, 培养复合型人才. 在体制机制方面：建立常态化的产业协调机制, 及时化解潜在竞争关系, 加强区域合作, 形成数字经济和绿色技术创新发展的合力. ②为应对城镇化早期阶段可能对数字经济发挥低碳作用的负面影响, 在城镇化规划方面：提前布局数字基础设施, 适度超前开展网络扩容和供给侧改革, 为数字经济后期发展打下基础. 在低碳环境宣传方面：城镇化早期要注重环境保护与低碳发展的宣传教育, 提高公众环保意识并在生活服务领域推广绿色低碳数字技术的应用.
（4）提供差异化政策支持, 充分释放数字经济对“地理邻近省市”与“经济邻近省市”低碳经济转型的空间贡献能力. 对“地理邻近省市”要进一步加强交通与数字基础设施建设, 创建便捷的低碳技术与管理经验传播渠道. 设立专项资金鼓励低碳经济转型领先省市开展低碳技术示范并向邻近省市复制推广. 对“经济邻近省市”要强化信息共享平台建设工作, 开展联合攻关, 降低创新重复率. 鼓励其在数字低碳应用领域展开战略合作, 通过技术研发联盟等方式合力攻关技术难题, 共同推动低碳技术创新和实践经验的传播.
5 结论（1）数字经济对地区低碳经济转型具有显著的正向促进作用, 这一结论在经过一系列稳健性检验后仍然成立.
（2）数字经济通过绿色技术创新与新型城镇化建设显著推动了地区低碳经济转型, 进一步检验其非线性效应发现, 数字经济在不同绿色技术创新与城镇化水平下会对地区低碳经济转型产生非线性影响.
（3）数字经济对地区低碳经济转型有显著的空间溢出效应, 本省数字经济水平的提升可以显著推动“地理邻近省市”与“经济邻近省市”的低碳经济转型, 但这种空间溢出效应在“地理邻近省市”要强于“经济邻近省市”.
| [1] |
余澜, 张兵兵, 闫志俊. 环境立法如何驱动城市低碳转型[J]. 财经研究, 2022, 48(9): 18-31. Yu L, Zhang B B, Yan Z J. How does environmental legislation drive urban low-carbon transition?[J]. Journal of Finance and Economics, 2022, 48(9): 18-31. |
| [2] |
付允, 马永欢, 刘怡君, 等. 低碳经济的发展模式研究[J]. 中国人口·资源与环境, 2008, 18(3): 14-19. Fu Y, Ma Y H, Liu Y J, et al. Development patterns of low carbon economy[J]. China Population, Resources and Environment, 2008, 18(3): 14-19. DOI:10.3969/j.issn.1002-2104.2008.03.003 |
| [3] |
谢军安, 郝东恒, 谢雯. 我国发展低碳经济的思路与对策[J]. 当代经济管理, 2008, 30(12): 1-7. Xie J A, Hao D H, Xie W. Ideas and countermeasures of developing low carbon economy[J]. Contemporary Economic Management, 2008, 30(12): 1-7. DOI:10.3969/j.issn.1673-0461.2008.12.001 |
| [4] | 庄贵阳. 中国经济低碳发展的途径与潜力分析[J]. 国际技术经济研究, 2005, 8(3): 8-12. |
| [5] |
段梅, 陈福生. 中国省际低碳经济发展能力测度与评价[J]. 广东财经大学学报, 2015, 30(1): 23-32. Duan M, Chen F S. Measurement and evaluation of the development capacity of inter-provincial low-carbon economy in China[J]. Journal of Guangdong University of Finance & Economics, 2015, 30(1): 23-32. |
| [6] |
邬彩霞. "一带一路"沿线国家低碳经济发展水平测度与对比分析[J]. 贵州社会科学, 2022(10): 108-117. Wu C X. The measurement and comparative analysis of low-carbon economic development level of the countries along "the belt and road"[J]. Guizhou Social Sciences, 2022(10): 108-117. |
| [7] |
付加锋, 庄贵阳, 高庆先. 低碳经济的概念辨识及评价指标体系构建[J]. 中国人口·资源与环境, 2010, 20(8): 38-43. Fu J F, Zhuang G Y, Gao Q X. Conceptual identification and evaluation index system for low carbon economy[J]. China Population, Resources and Environment, 2010, 20(8): 38-43. DOI:10.3969/j.issn.1002-2104.2010.08.007 |
| [8] | 雷明, 虞晓雯. 我国低碳经济增长的测度和动态作用机制——基于非期望DEA和面板VAR模型的分析[J]. 经济科学, 2015(2): 44-57. |
| [9] |
张友国, 窦若愚, 白羽洁. 中国绿色低碳循环发展经济体系建设水平测度[J]. 数量经济技术经济研究, 2020, 37(8): 83-102. Zhang Y G, Dou R Y, Bai Y J. Measurement on China's green low-carbon circular developing economic system construction[J]. The Journal of Quantitative & Technical Economics, 2020, 37(8): 83-102. |
| [10] |
丁涛, 黄宇菲, 冯奎, 等. 中国区域低碳经济发展水平测度、区域差距与空间收敛性研究——来自八大综合经济区的证据[J]. 经济问题探索, 2023(2): 28-44. Ding T, Huang Y F, Feng K, et al. Measurement of regional low carbon economic development level, regional differences and spatial convergence in China-evidence from the eight comprehensive economic zones[J]. Inquiry into Economic Issues, 2023(2): 28-44. |
| [11] | Duarte R, Sánchez-Chóliz J, Sarasa C. Consumer-side actions in a low-carbon economy: a dynamic CGE analysis for Spain[J]. Energy Policy, 2018, 118: 199-210. DOI:10.1016/j.enpol.2018.03.065 |
| [12] | Tapscott D. The digital economy: promise and peril in the age of networked intelligence[M]. New York: McGraw-Hill, 1996: 13-42. |
| [13] |
张路娜, 胡贝贝, 王胜光. 数字经济演进机理及特征研究[J]. 科学学研究, 2021, 39(3): 406-414. Zhang L N, Hu B B, Wang S G. Research on the evolution mechanism and characteristics of digital economy[J]. Studies in Science of Science, 2021, 39(3): 406-414. DOI:10.3969/j.issn.1003-2053.2021.03.003 |
| [14] |
李天宇, 王晓娟. 数字经济赋能中国"双循环"战略: 内在逻辑与实现路径[J]. 经济学家, 2021(5): 102-109. Li T Y, Wang X J. Digital economy empowers China's "Dual Cycle" Strategy: internal logic and practice path[J]. Economist, 2021(5): 102-109. |
| [15] |
黄阳华. 基于多场景的数字经济微观理论及其应用[J]. 中国社会科学, 2023(2): 4-24, 204. Huang Y H. A microtheory of digital economy based on multiple scenes and its application[J]. Social Sciences in China, 2023(2): 4-24, 204. |
| [16] |
刘航, 高菲, 马品. 数字经济驱动宏观经济治理体系完善的理论逻辑与政策实践——基于马克思社会再生产理论的分析[J]. 当代经济科学, 2024, 46(4): 1-13. Liu H, Gao F, Ma P. Theoretical logic and policy practice of digital economy driving the improvement of macroeconomic governance system—an analysis based on Marx's theory of social reproduction[J]. Modern Economic Science, 2024, 46(4): 1-13. |
| [17] |
陈伟光, 张嘉渭, 刘彬. G20国家数字经济发展水平测度及中国的提升策略[J]. 亚太经济, 2023(5): 11-21. Chen W G, Zhang J W, Liu B. Digital economy measurement of G20 menbers and China's promotion strategy[J]. Asia-pacific Economic Review, 2023(5): 11-21. |
| [18] |
汤渌洋, 鲁邦克, 邢茂源, 等. 中国数字经济发展水平测度及动态演变分析[J]. 数理统计与管理, 2023, 42(5): 869-882. Tang L Y, Lu B K, Xing M Y, et al. The measurement and analysis of the development of China's digital economy and dynamic evolution[J]. Journal of Applied Statistics and Management, 2023, 42(5): 869-882. |
| [19] |
连港慧, 徐蔼婷, 汪文璞. 19个国家级城市群数字经济发展水平测度及空间格局研究[J]. 科技进步与对策, 2022, 39(24): 29-39. Lian G H, Xu A T, Wang W P. The measurement and spatial pattern of digital economy development: a case of 19 national-level urban agglomerations[J]. Science & Technology Progress and Policy, 2022, 39(24): 29-39. DOI:10.6049/kjjbydc.2021120649 |
| [20] |
蔡跃洲, 牛新星. 中国数字经济增加值规模测算及结构分析[J]. 中国社会科学, 2021(11): 4-30, 204. Cai Y Z, Niu X X. Scale measurement and structural analysis of the value-added of China's digital economy[J]. Social Sciences in China, 2021(11): 4-30, 204. |
| [21] |
张雪玲, 焦月霞. 中国数字经济发展指数及其应用初探[J]. 浙江社会科学, 2017(4): 32-40, 157. Zhang X L, Jiao Y X. A preliminary study of China's digital economy development index and its application[J]. Zhejiang Social Sciences, 2017(4): 32-40, 157. |
| [22] |
向书坚, 吴文君. 中国数字经济卫星账户框架设计研究[J]. 统计研究, 2019, 36(10): 3-16. Xiang S J, Wu W J. Research on the design of China's digital economy satellite account framework[J]. Statistical Research, 2019, 36(10): 3-16. |
| [23] |
聂永有, 姚清宇, 刘一凡. 数字经济与长三角地区高质量发展——时空效应与机制检验[J]. 软科学, 2024, 38(2): 65-73. Nie Y Y, Yao Q Y, Liu Y F. Digital economy and high-quality development in Yangtze River delta region: spatio-temporal effect and mechanism test[J]. Soft Science, 2024, 38(2): 65-73. |
| [24] |
毛艳华, 张超, 李松. 数字经济对制造业产业结构升级的影响研究——以我国三大城市群为例[J]. 城市问题, 2024(1): 4-15. Mao Y H, Zhang C, Li S. Research on the impact of the digital economy on the upgrading of the industrial structure of the manufacturing industry: taking China's three major urban agglomerations as an example[J]. Urban Problems, 2024(1): 4-15. |
| [25] |
张英浩, 汪明峰, 匡爱平, 等. 数字经济赋能中国城市创新发展的多维机制与空间效应研究[J]. 地理科学进展, 2023, 42(12): 2283-2295. Zhang Y H, Wang M F, Kuang A P, et al. Multidimensional mechanisms and spatial effects of digital economy enabling urban innovation and development in China[J]. Progress in Geography, 2023, 42(12): 2283-2295. |
| [26] |
罗双成. 数字经济、要素配置效应与产业升级[J]. 南方金融, 2024(1): 37-49. Luo S C. Digital economy, factor allocation effect and industrial upgrading[J]. South China Finance, 2024(1): 37-49. |
| [27] |
熊彬, 王志伟. 数字经济"双试点"政策对创业活跃度影响效应研究——有为政府与有效市场协同视角[J]. 现代财经(天津财经大学学报), 2024, 44(6): 36-53. Xiong B, Wang Z W. Research on the impact of digital economy "Double Pilot" policy on entrepreneurial activity: the collaborative perspective of effective government and efficient market[J]. Modern Finance and Economics-Journal of Tianjin University of Finance and Economics, 2024, 44(6): 36-53. |
| [28] |
徐妍, 何禄瑶. 数字经济空间关联网络的碳排放效应: 动态演化与作用机制[J]. 环境科学, 2024, 45(9): 5069-5085. Xu Y, He L Y. Carbon emission effects of spatially connected networks in the digital economy: dynamic evolution and mechanism of action[J]. Environmental Science, 2024, 45(9): 5069-5085. |
| [29] |
黄建康, 彭丽君. 数字经济对碳生产率的门槛效应研究[J]. 生产力研究, 2024(4): 1-6. Huang J K, Peng L J. A study on the threshold effect of digital economy on carbon productivity[J]. Productivity Research, 2024(4): 1-6. |
| [30] |
张传兵. 数字经济如何影响碳排放强度?——基于产业结构高级化与合理化的双重视角[J]. 科学学与科学技术管理, 2024, 45(10): 56-73. Zhang C B. How does the digital economy affect the intensity of carbon emissions based on the dual perspectives of industrial structure upgrading and rationalization[J]. Science of Science and Management of S. & T., 2024, 45(10): 56-73. |
| [31] |
黄志基, 宋名悦, 樊正德, 等. "城市-行业"尺度下中国工业碳排放的时空演变特征及影响机制: 基于产业关联的视角[J]. 环境科学, 2025, 46(2): 647-659. Huang Z J, Song M Y, Fan Z D, et al. Spatiotemporal evolution characteristics and influencing factors of China's industrial carbon emissions at the "city-industry" scale: from the perspective of industrial correlation[J]. Environmental Science, 2025, 46(2): 647-659. |
| [32] |
徐妍, 张玉冰. "促进"还是"阻碍": 数字经济空间关联网络对碳排放绩效的影响[J]. 环境科学, 2025, 46(1): 76-87. Xu Y, Zhang Y B. "Facilitate" or "Hinder": impact of spatial connectivity networks in the digital economy on carbon performance[J]. Environmental Science, 2025, 46(1): 76-87. |
| [33] |
肖静, 曾萍. 数字经济赋能地区低碳转型: 内在机制与空间溢出[J]. 现代经济探讨, 2023(7): 23-33. Xiao J, Zeng P. Digital economy empowers region low-carbon transformation: the internal mechanism and spatial spillover[J]. Modern Economic Research, 2023(7): 23-33. |
| [34] |
张杰, 付奎, 刘炳荣. 数字经济如何赋能城市低碳转型——基于双重目标约束视角[J]. 现代财经(天津财经大学学报), 2022, 42(8): 3-23. Zhang J, Fu K, Liu B R. Can digital economy promote low-carbon transformation of cities from the perspective of dual objective constraint[J]. Modern Finance and Economics-Journal of Tianjin University of Finance and Economics, 2022, 42(8): 3-23. |
| [35] |
张修凡, 范德成. 数字经济发展赋能我国低碳经济转型研究——基于国家级大数据综合试验区的分析[J]. 科技进步与对策, 2023, 40(19): 118-128. Zhang X F, Fan D C. The development of digital economy empowering China's low carbon economy transformation: an analysis of national big data comprehensive pilot zones[J]. Science & Technology Progress and Policy, 2023, 40(19): 118-128. |
| [36] |
谢长青, 曾思妮, 王美华. 数字经济发展、产业结构调整与低碳转型——基于广东省经验实证分析[J]. 广东开放大学学报, 2023, 32(1): 99-105. Xie C Q, Zeng S N, Wang M H. Digital economy development, industrial structure adjustment and low-carbon transformation——an empirical analysis based on the experience of Guangdong[J]. Journal of the Open University of Guangdong, 2023, 32(1): 99-105. |
| [37] |
马香品. 数字经济时代的居民消费变革: 趋势、特征、机理与模式[J]. 财经科学, 2020(1): 120-132. Ma X P. The change of consumption in the digital economy: trends, characteristics, mechanisms and model[J]. Finance & Economics, 2020(1): 120-132. |
| [38] |
韩晶, 姜如玥. 数字经济赋能低碳发展: 理论逻辑与实践路径[J]. 统计研究, 2024, 41(4): 54-67. Han J, Jiang R Y. Digital economy enables low-carbon development: theoretical logic and practical path[J]. Statistical Research, 2024, 41(4): 54-67. |
| [39] |
李楠博. 数字经济有效赋能城市低碳发展了吗?——来自低碳技术进步的解释[J]. 东北师大学报(哲学社会科学版), 2023(6): 71-82. Li N B. Has the digital economy effectively empowered the urban low-carbon development?——Explanation from the progress of low-carbon technology[J]. Journal of Northeast Normal University (Philosophy and Social Sciences), 2023(6): 71-82. |
| [40] | 胡留所, 胡健, 卢山冰. 数字经济赋能低碳发展的机理分析与实证检验[J]. 济南大学学报(社会科学版), 2023, 33(5): 69-80. |
| [41] |
何雄浪, 叶连广. 技术溢出、环境污染与经济增长[J]. 南开经济研究, 2022(1): 56-73. He X L, Ye L G. Technology spillover, environmental pollution and economic growth[J]. Nankai Economic Studies, 2022(1): 56-73. |
| [42] |
杨俊, 李小明, 黄守军. 大数据、技术进步与经济增长——大数据作为生产要素的一个内生增长理论[J]. 经济研究, 2022, 57(4): 103-119. Yang J, Li X M, Huang S J. Big data, technical progress and economic growth: an endogenous growth theory introducing data as production factors[J]. Economic Research Journal, 2022, 57(4): 103-119. |
| [43] |
曹薇, 赵伟, 司玉静. 数字经济对低碳发展的影响效应研究——基于绿色技术创新的调节效应与门槛效应分析[J]. 软科学, 2023, 37(9): 47-54. Cao W, Zhao W, Si Y J. Impact of digital economy on low-carbon development: moderating effect and threshold effect of green technology innovation[J]. Soft Science, 2023, 37(9): 47-54. |
| [44] | Yu B B. The impact of the internet on industrial green productivity: evidence from China[J]. Technological Forecasting and Social Change, 2022, 177. DOI:10.1016/j.techfore.2022.121527 |
| [45] | Rubashkina Y, Galeotti M, Verdolini E. Environmental regulation and competitiveness: empirical evidence on the porter hypothesis from European manufacturing sectors[J]. Energy Policy, 2015, 83: 288-300. |
| [46] |
周兵, 李艺. 绿色金融与技术创新耦合协调对低碳经济发展的影响[J]. 经济与管理研究, 2024, 45(3): 3-22. Zhou B, Li Y. Impact of coupling coordination of green finance and technological innovation on low-carbon economic development[J]. Research on Economics and Management, 2024, 45(3): 3-22. |
| [47] |
张彧. 数字新基建、绿色技术进步与低碳经济转型[J]. 经济经纬, 2024, 41(1): 57-69. Zhang Y. Digital new infrastructure, green technology progress and low-carbon economic transformation[J]. Economic Survey, 2024, 41(1): 57-69. |
| [48] | 程子腾, 严金明. 新型城镇化下低碳经济发展研究——以柳州市为例[J]. 现代管理科学, 2016(2): 69-71. |
| [49] |
王常军. 数字经济与新型城镇化融合发展的内在机理与实现要点[J]. 北京联合大学学报(人文社会科学版), 2021, 19(3): 116-124. Wang C J. The Internal mechanism and realization path of the integrating digital economy and new urbanization[J]. Journal of Beijing Union University (Humanities and Social Sciences), 2021, 19(3): 116-124. |
| [50] |
常皓亮, 夏飞龙. 数字经济赋能低碳发展: 机制识别与空间溢出[J]. 科技进步与对策, 2023, 40(10): 48-57. Chang H L, Xia F L. Empowerment of digital economy to low-carbon development: mechanism identification and spatial spillover[J]. Science & Technology Progress and Policy, 2023, 40(10): 48-57. |
| [51] | Li Z G, Wang J. The dynamic impact of digital economy on carbon emission reduction: evidence city-level empirical data in China[J]. Journal of Cleaner Production, 2022, 351: 131570. |
| [52] |
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. Shao S, Fan M T, Yang L L. Economic restructuring, green technical progress, and low-carbon transition development in China: an empirical investigation based on the overall technology frontier and spatial spillover effect[J]. Journal of Management World, 2022, 38(2): 46-69, 4-10. |
| [53] | Baron R M, Kenny D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173-1182. |
| [54] | Hansen B E. Threshold effects in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics, 1999, 93(2): 345-368. |
| [55] |
张修凡. 碳市场流动性与区域低碳经济转型——基于低碳技术创新的双重中介效应分析[J]. 南京财经大学学报, 2021(6): 88-98. Zhang X F. Carbon market liquidity and regional low-carbon economic transition: an analysis of dual mediation effect based on low-carbon technology innovation[J]. Journal of Nanjing University of Finance and Economics, 2021(6): 88-98. |
| [56] |
刘志华, 袁庆禄, 李翠, 等. "双碳"战略下低碳经济与高质量发展协同效应: 以京津冀城市群为例[J]. 环境科学, 2024, 45(11). Liu Z H, Yuan Q L, Li C, et al. Research on the synergistic effect of low-carbon economy and high-quality development under the "dual-carbon" strategy: a case study of Beijing-Tianjin-Hebei urban agglomeration[J]. Environmental Science, 2024, 45(11). DOI:10.13227/j.hjkx.202312013 |
| [57] |
徐军委, 刘志华. 我国省域数字经济与绿色经济测度及协同互动效应研究[J]. 生态经济, 2023, 39(3): 57-62. Xu J W, Liu Z H. Research on the measurement and synergistic interaction effect of China's provincial digital economy and green economy[J]. Ecological Economy, 2023, 39(3): 57-62. |
| [58] |
董直庆, 王辉. 城市财富与绿色技术选择[J]. 经济研究, 2021, 56(4): 143-159. Dong Z Q, Wang H. Urban wealth and green technology choice[J]. Economic Research Journal, 2021, 56(4): 143-159. |
| [59] |
李健, 李庆庆. 京津冀及周边地区新型城镇化对碳排放强度的空间效应[J]. 环境科学, 2025, 46(2): 625-635. Li J, Li Q Q. Spatial effect of the new-type urbanization in the Beijing-Tianjin-Hebei region and its surrounding areas on the carbon emission intensity[J]. Environmental Science, 2025, 46(2): 625-635. |
| [60] |
唐未兵, 唐谭岭. 中部地区新型城镇化和金融支持的耦合作用研究[J]. 中国软科学, 2017(3): 140-151. Tang W B, Tang T L. Study on the coupling effect between new urbanization development and financial support in the central provinces' cities[J]. China Soft Science, 2017(3): 140-151. |
| [61] | 雷明, 虞晓雯. 地方财政支出、环境规制与我国低碳经济转型[J]. 经济科学, 2013(5): 47-61. |
| [62] |
王家庭, 王浩然. 低碳转型能否推动区域协调发展?——来自"低碳城市"建设的经验证据[J]. 经济与管理评论, 2024, 40(3): 31-44. Wang J T, Wang H R. Can low-carbon transition promote regional coordinated development empirical evidence from "low-carbon city" construction[J]. Review of Economy and Management, 2024, 40(3): 31-44. |
| [63] |
陈诗一. 中国各地区低碳经济转型进程评估[J]. 经济研究, 2012, 47(8): 32-44. Chen S Y. Evaluation of low carbon transformation process for Chinese provinces[J]. Economic Research Journal, 2012, 47(8): 32-44. |
| [64] |
邬彩霞. 中国低碳经济发展的协同效应研究[J]. 管理世界, 2021, 37(8): 105-117. Wu C X. Research on the synergistic effect of low-carbon economy in China[J]. Journal of Management World, 2021, 37(8): 105-117. |
| [65] |
黄群慧, 余泳泽, 张松林. 互联网发展与制造业生产率提升: 内在机制与中国经验[J]. 中国工业经济, 2019(8): 5-23. Huang Q H, Yu Y Z, Zhang S L. Internet development and productivity growth in manufacturing industry: internal mechanism and China experiences[J]. China Industrial Economics, 2019(8): 5-23. |
| [66] | Nunn N, Qian N. US food aid and civil conflict[J]. American Economic Review, 2014, 104(6): 1630-1666. |
| [67] |
罗良文, 张郑秋, 周倩. 产业智能化与城市低碳经济转型[J]. 经济管理, 2023, 45(5): 43-60. Luo L W, Zhang Z Q, Zhou Q. Industrial intelligence and urban low-Carbon economic transformation[J]. Business and Management Journal, 2023, 45(5): 43-60. |
| [68] | Bai J S. Panel data models with interactive fixed effects[J]. Econometrica, 2009, 77(4): 1229-1279. |
| [69] | Elhorst J P. Applied spatial econometrics: raising the bar[J]. Spatial Economic Analysis, 2010, 5(1): 9-28. |