16-数字经济、绿色技术创新与碳...来自中国城市层面的经验证据

资源描述：

２０２２年５月陕西师范大学学报（哲学社会科学版）Ｍａｙ，２０２２第５１卷第３期ＪｏｕｒｎａｌｏｆＳｈａａｎｘｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＰｈｉｌｏｓｏｐｈｙａｎｄＳｏｃｉａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ）Ｖｏｌ．５１Ｎｏ．３ ■经济学研究数字经济、绿色技术创新与碳排放来自中国城市层面的经验证据郭丰１，杨上广１，任毅２（１华东理工大学商学院，上海２００２３７；２重庆工商大学长江上游经济研究中心，重庆４０００６７）摘要数字经济逐渐成为高质量发展的新引擎，在碳达峰、碳中和战略背景下，数字经济发展在城市碳减排方面发挥着重要作用。通过构造城市层面的数字经济发展指数，使用２０１１２０１９年中国２２３个城市的面板数据，实证考察数字经济发展对城市碳排放的影响，并识别绿色技术创新作用机制，结果表明数字经济发展能够显著降低城市碳排放水平，上述结论在经过替换被解释变量、调整样本期等稳健性检验后依然成立；作用机制检验表明，无论作用机制是绿色发明专利申请数，还是绿色发明专利授权数，数字经济发展均显著促进了城市绿色技术创新水平的提升，通过绿色技术创新作用机制降低了城市碳排放水平；就异质性分析而言，数字经济的碳减排效应在东部地区、高人力资本城市、高科技财政投入城市和非资源型城市更加显著。研究结论可以为理解数字经济发展与碳排放的关系提供新的视角和经验证据，也为数字经济发展、碳减排、碳达峰与碳中和战略目标的实现提供一定的政策启示。关键词数字经济；绿色技术创新；碳排放中图分类号Ｘ３８６文献标识码Ａ文章编号１６７２－４２８３（２０２２）０３－００４５－１６收稿日期２０２２－０４－０９ＤＯＩ１０．１５９８３／ｊ．ｃｎｋｉ．ｓｘｓｓ．２０２２．０５０７基金项目国家自然科学基金面上项目“特大城市老年人口医疗需求、行为与治理响应研究” （７１８７４０５４）；国家社会科学基金项目“长江经济带城市群与双循环价值链融合发展的效能识别及实现路径研究”（２１ＣＪＬ０１５）；教育部哲学社会科学研究后期资助项目“区域一体化、功能分工与城市群高质量协同发展研究”（２１ＪＨＱ０６６）；上海市科委软科学重点项目“创新型城市与企业创新微观实证与上海路径” （２２６９２１１３５００）作者简介郭丰，男，四川广安人，华东理工大学商学院博士研究生；杨上广，男，福建政和人，华东理工大学商学院教授，博士研究生导师；任毅，女，河南洛阳人，重庆工商大学长江上游经济研究中心教授，博士研究生导师。一、引言全球变暖是人类面临的巨大挑战，二氧化碳等温室气体排放的大量增加造成全球气候变暖，给人类生产生活、经济社会发展带来了一系列负面影响。中国目前对高碳化石能源消费的依赖程度较高，４６陕西师范大学学报（哲学社会科学版）２０２２年第３期资源和能源的利用效率较低。城镇化发展和工业化进程对能源的需求还在增加，使得我国面临着巨大的碳减排压力［１］。为了应对气候变化问题，中国提出了２０３０年前和２０６０年前分别实现碳达峰、碳中和的战略目标。党的十九届五中全会再次强调了“坚持绿水青山就是金山银山的发展理念”［２］。同时，２０２２年政府工作报告也指出“持续改善生态环境，推动绿色低碳发展，处理好发展和减排关系。有序推进碳达峰碳中和工作，推进能源低碳转型，推进绿色低碳技术研发和推广应用，加快形成绿色生产生活方式”［３］。如何有效降低城市碳排放，成为当前亟须解决的问题。在数字经济时代，数字作为一种新的生产要素，依托区块链、大数据、互联网和物联网等数字技术在生产生活中的广泛应用和渗透，已然成为经济高质量发展的新动能［４－５］。根据中国数字经济白皮书（２０２１年）可知，数字经济规模占国内生产总值（ＧＤＰ）的比重已达１／３，数字经济快速发展，正在推动生产、生活和治理方式的深刻变革，催生了新业态和新产业等，数字经济的快速发展给碳减排提供了新的机遇。推动绿色技术创新发展，降低城市碳排放，落实碳达峰碳中和战略部署，这是经济高质量发展的内在要求和必然选择，也是推动生态文明建设的重要举措。数字经济为经济高质量发展提供了新动能，是构建现代经济体系的重要引擎。那么，数字经济在促进经济发展的同时，在碳达峰、碳中和背景下，数字经济是否也给城市碳减排提供了新动能碳达峰、碳中和的难点和重点就是产业结构的升级调整和能源消费结构的转型升级，无论是产业结构调整、交通结构绿色低碳转型，还是能源消费结构向可再生和清洁能源转型，都离不开绿色技术创新的发展。绿色技术创新作为降低城市碳排放中关键的一环，如果数字经济能促进城市碳减排，那么数字经济发展是否通过激励城市绿色技术创新实现了碳减排效应这有待实证检验。厘清上述问题，对于完善数字经济发展、推动城市绿色技术创新发展和城市碳减排具有重要的现实意义和实践价值，也为国家碳中和、碳达峰目标的实现提供了有益的政策启示。二、文献综述首先，数字经济领域研究。近年来，数字经济所带来的一系列经济和社会效应引起了学术界的广泛关注和探讨。一方面，目前关于数字经济发展产生的效应研究主要集中于经济和社会效应，数字经济发展不仅对包容性经济增长［６］、区域创新［７］、产业结构升级［８］、高质量发展［４］［９］产生了积极的正向激励效应，也对微观企业的价格加成［１０］、企业创新［１１－１２］产生了正向的促进作用，还在微观劳动者权益方面发挥着重要作用［１３］。从既有研究看，多数文献发现数字经济给社会经济发展带来了明显的正向激励作用，数字经济发展与实体经济不断相融合，赋能了社会经济发展。另一方面，部分学者也开始探讨数字经济所产生的环境效应，认为数字经济发展不仅降低了城市二氧化硫排放量，也显著减少了工业粉尘和废水的排放量［１４］。郭炳南等以国家大数据综合试验区作为政策冲击，实证分析发现数字经济发展显著改善了城市空气质量，且这种效应具有显著的空间溢出效应。既有的研究以环境污染和空气质量为研究对象，肯定了数字经济发展对环境污染、空气质量的改善作用。［１５］郭炳南等也对数字经济与绿色技术创新之间的关系进行了识别，研究表明数字经济发展有利于促进城市绿色技术创新水平的提升。［１５－１６］那么，在碳达峰、碳中和背景下，数字经济发展对城市碳排放的影响如何，是否也对城市碳排放起到了降低作用不同于以往文献，本文在测算城市碳排放的基础上，实证检验了数字经济对城市碳排放影响的方向和程度，并对其绿色技术创新作用机制进行了识别，由此洞察数字经济和绿色技术创新在碳减排中所扮演的角色。其次，碳排放领域研究。一方面，已有文献较多分析环境政策和环境规制对碳排放的影响［１７－２３］。第５１卷郭丰等数字经济、绿色技术创新与碳排放４７在省级层面，碳排放权交易试点政策取得了一定的成效，显著降低了试点地区的碳排放量［１７］；在城市层面，张华［１８］、苏涛永等［１９］考察了低碳城市试点政策和创新型城市试点政策对城市的碳减排效应，丁斐等［２３］检验了环境规制对城市碳强度的影响，这些研究肯定了环境政策和环境规制对城市碳排放的抑制效应。也有研究发现，环境规制强度的提升未能显著降低碳排放［２１］。我国资源型城市的化石能源消费比重较大，产业结构也多以重化工业为主，面临着“资源诅咒”的困境。国家层面针对资源型城市发展也出台了相关的政策，资源型可持续发展政策通过技术选择和财政扶持路径降低了资源型城市的碳排放水平［２０］。另一方面，大多数研究还聚焦于贸易开放度［２４］、产业结构升级［２５］、经济结构调整［２６］、外资引入［２７］、区域一体化［２８］等因素对碳排放量和碳排放强度的影响。最后，还有部分学者聚焦于分析碳排放的时空演变特征［２９］以及经济、社会、低碳发展的协同效应［３０］。在碳达峰、碳中和背景下，如何有效降低城市碳排放量，绿色技术创新在其中扮演着重要的角色。袁宝龙、古惠冬等分别考察了省级层面和城市层面绿色技术创新对碳排放的影响，研究结果均发现，绿色技术创新显著降低了二氧化碳排放量。［３１－３２］已有文献对碳排放的影响因素进行了广泛讨论，较多肯定了环境规制政策、产业结构升级和绿色技术创新的碳减排效应。囿于城市层面的碳排放测算存在一定的困难，尚未发现有文献专门聚焦于城市层面数字经济发展对碳排放影响的系统考察，特别缺少对城市层面绿色技术创新机制识别的文献，如何有效发挥数字经济对绿色技术创新和碳减排的激励效应，成为当前亟须解决的问题。学术界围绕数字经济和碳排放领域的研究进行了多角度的分析和探讨，通过梳理现有文献，发现存在两个方面的局限性第一，尽管已有部分文献开始讨论数字经济发展对环境污染和空气质量的影响，但是关于直接实证检验城市层面数字经济发展与碳排放关系的文献比较匮乏。尽管徐维祥等考察了数字经济与碳排放之间的关系［３３］，较为遗憾的是，现有的研究没有将城市层面的数字经济、绿色技术创新和碳排放纳入同一维度进行实证分析。第二，既有的文献较多探究了影响碳排放的技术创新和产业结构升级等作用机制，这些机制乏善可陈。然而，解决碳排放等环境污染问题的有效手段，主要依赖于技术创新的发展［３４］，尤其是绿色技术进步为导向的创新［２６］［３５－３６］。绿色技术创新在碳减排中发挥着重要的作用，较少有从绿色技术创新作用机制的视角探讨数字经济对城市碳排放的影响，现有的文献缺乏对城市层面数字经济影响碳排放绿色技术创新机制的识别。与已有研究相比，本文基于城市层面的数据，测算了各个城市的碳排放总量和人均碳排放量数据，通过理论解释与实证分析，全方位考察了城市层面数字经济发展对碳排放产生的影响，将城市层面的数字经济、绿色技术创新与碳排放三者纳入同一维度进行了理论分析和实证检验。为了防止采用单一指标衡量绿色技术创新所带来的测量偏误，本文使用绿色发明专利申请数、人均绿色发明专利申请数、绿色发明专利授权数、人均绿色发明专利授权数来全面刻画城市绿色技术创新水平，聚焦和厘清了数字经济影响碳排放的绿色技术创新作用机制。本文不仅考察了数字经济影响碳排放的区域异质性，而且从人力资本、科技财政投入和城市发展类型３个角度考察了数字经济对城市碳排放影响的异质性。三、理论分析与研究假说首先，数据要素已经成为重要的生产要素之一，数字经济的发展依托区块链、人工智能、大数据、互联网等数字技术和信息技术与实体经济社会不断融合发展，在城市碳减排方面发挥着重要作用。４８陕西师范大学学报（哲学社会科学版）２０２２年第３期数字经济能够赋能城市碳减排发展从而降低城市碳排放量，主要体现在以下４个方面。第一，从城市管理看，随着城市数字经济发展水平的不断提升，这可以加快城市向数字城市方向发展。数字经济依托机器学习、大数据、云端、数据分析、人工智能和应用程序等植入城市建设和管理中，提升了城市的信息化和智慧化运营水平，城市使用大数据和数字技术来实时收集和分析数据，有效提高了城市的服务、管理和运营等能力，提升优化了各个运行环节的工作效率，从而高效使用能源、压缩碳排放，使得能源消耗降低，最终减少城市碳排放。第二，从产业结构看，随着数字技术在产业领域的全面渗透和广泛应用，它提升了产业组织运行效率，对传统产业进行了升级改造，促进了产业向智能化和绿色化发展转型［３７］。同时还改善了生产要素的种类和结构，生产要素和资源的配置效率得以提升，传统产业的生产方式和供应链不断优化，助力产业结构的转型升级［３８］，这逐渐提高了资源和能源的利用效率，降低了能源消耗，从而降低城市碳排放量。第三，从企业碳排放看，随着数字技术的广泛推广和应用，这不仅有助于优化企业碳排放的末端治理技术；也有利于对碳足迹的精确测算，能够监测和溯源碳排放，碳足迹的精确测算不仅为制定基于消费的碳减排政策提供了相应的参考；也有助于解决核查数据和企业自报碳排放量之间的分歧，使生态环境部门能对企业进行准确和高效的碳排放配额。利用数字技术对企业能源利用数据进行实时的收集、监测、传递和分析，进一步提高能源要素的配置效率［３９］，从而赋能碳减排发展。第四，从能源利用看，数字经济能够以信息化、数字化构建新型电力系统，同时依托物联网、互联网、人工智能赋能电网数字通信能力的提升，助力电力系统的平稳和电网系统的优化升级。数字技术嵌入能源的生产和开发，可以推动能源转型和能源产业的变革，从而不断地促使可再生能源的发展，加快对传统化石能源消费的替代，赋能能源生产和消费结构的优化升级，进而显著降低城市碳排放水平。根据以上分析，提出本文第１个研究假说假说１数字经济发展可以显著降低城市碳排放水平。其次，碳达峰、碳中和战略的实现需要绿色技术创新来推动，低碳技术和绿色技术创新是企业节能减排的关键。要在２０３０年前实现碳达峰，其中最关键的３个问题就是减少煤炭使用、提高能效和发展可再生能源，这都需要技术“底座”的支撑，尤其是依赖绿色技术创新的发展。一方面，数字经济与企业、高等院校和科研院所的绿色技术创新不断融合发展，数字经济能够显著激励城市绿色技术创新水平的提升［１５－１６］。在人力资本上，数字经济依托大数据、区块链等数字技术催生了大量的新兴产业，这吸引了较多高质量人力资本的涌入［４０］。数字技术的广泛渗透和使用会增加对高技术和高学历人才的需求，进而不断优化人力资本结构［４１］，人力资本结构的优化给城市绿色技术创新发展奠定了良好的创新要素基础，从而助力城市绿色技术创新水平的提升。在融资约束上，融资约束和资金的可获得性在企业创新和绿色技术创新中扮演着重要的角色［４２－４４］。数字经济依托数字技术能够赋能企业数字化转型，数字技术将企业生产、经营等各个环节链接起来，赋能企业智能制造，显著降低了企业搜寻和管理等各类成本［４５］。这也解决了银行与企业之间的信息不对称问题，使金融机构能够准确判断出企业的经营状况，从而有效给企业发展提供信贷资金，银行资源的配置水平得以提升［１２］［４０］。企业融资约束的缓解给企业绿色技术创新发展提供了更多的资金，从而激励企业绿色技术创新发展。在产学研合作上，数字化技术的应用打破了信息流动的壁垒，不仅使企业及时捕捉市场对低碳技术和低碳产品的需求状态，而且使企业与高等院校、科研院所的合作和联系更加紧密，增强企业协同创新能力，不断提高企业的产学研合作水平［１２］，从而推动城市绿色技术创新水平的提升。另一方面，绿色技术创新是解决环境污染问题的有效手段［２６］［４６］，绿色技术创新能够显著降低碳第５１卷郭丰等数字经济、绿色技术创新与碳排放４９排放水平［３１－３２］。绿色技术创新广泛运用于企业生产和居民生活，能够助推企业清洁生产，提升节能力度，推动能源绿色消费，从生产端和消费端减少资源消耗，同时催生出新的能源消费方式，赋能产业结构优化升级，助力产业结构向低碳绿色产业转型发展，降低企业生产和居民消费的碳排放，从而实现碳排放的源头防控。绿色技术创新在能源领域的使用可以加快光伏、风电和可再生能源的开发，可以有效推动新能源领域的发展，有利于能源消费结构向绿色低碳和清洁能源的转型，这可以直接减少二氧化碳排放量。绿色技术创新能够有效控制脱碳成本，也为二氧化碳的利用、捕集和封存技术的研发和大规模应用提供了相应的技术支撑，催生出“技术红利”效应，助推碳排放绩效的提升［２６］，赋能环境污染的末端治理，进而降低城市碳排放量。根据以上分析，提出本文第２个研究假说假说２数字经济发展可以显著促进城市绿色技术创新水平的提升，从而赋能城市碳减排，最终降低城市碳排放水平。四、研究设计（一）模型设定为了探究数字经济发展对城市碳排放的影响，构建的回归方程设定如下Ｙｃｔ＝ α０＋ α１Ｕｄｅｄｉｃｔ＋ βＣｏｎｔｒｏｌｃｔ＋ μｒ＋ μｓ＋ εｃｔ（１）其中，下标ｃ和ｔ分别指代城市和年份。被解释变量Ｙｃｔ表示的是城市ｃ在ｔ年的碳排放水平，分别用城市的碳排放总量（Ｃａｒｅｍ）和人均碳排放量（Ｐｃａｒｅｍ）来衡量城市碳排放水平。Ｕｄｅｄｉｃｔ是本文的核心解释变量，表示的是城市ｃ在年份ｔ的数字经济发展水平；α１是本文重点关注的系数，若α１显著为负，则表明数字经济发展能够有效降低城市碳排放量。Ｃｏｎｔｒｏｌｃｔ表示所在地区城市层面的一系列控制变量。 μｒ表示地区固定效应，μｓ表示时间固定效应，εｃｔ表示随机误差项。（二）变量选取１．被解释变量本文主要选取碳排放总量和人均碳排放量来衡量城市碳排放水平。碳排放总量（Ｃａｒｅｍ），借鉴张华［１８］、吴建新和郭智勇［４７］的研究，城市碳排放的来源包括液化石油气、天然气、电能和热能消耗产生的碳排放，按照能源的碳排放系数折算出这些能源消耗所产生的碳排放量，加总就得到城市层面的碳排放总量，参见公式（２），其中，Ｅｉ表示ｉ类能源的消耗量，Ｃｉ表示ｉ类能源的碳排放系数。具体的计算方法参见吴建新和郭智勇的研究［４５］，对城市碳排放总量采取对数化处理。人均碳排放（Ｐｃａｒｅｍ），用城市碳排放总量与城市总人口的比值计算所得。ＣＯ２＝ ∑ ＥｉＣｉ（２）２．核心解释变量借鉴赵涛等的研究［４］，本文主要选择数字产业发展、数字基础设施和数字普惠金融３个维度的指标构建城市层面的数字经济发展指数（Ｕｄｅｄｉ）。一是数字产业发展方面。（１）信息产业基础，用信息软件行业单位从业人员比重来表示；（２）电信产业产出，以人均电信业务总量来代理。二是数字基础设施发展方面。（１）宽带互联网基础，用每百人拥有互联网宽带用户数来衡量；（２）移动互联网基础，以每百人移动电话用户数来刻画。三是数字普惠金融方面。选择郭峰等编制的数字普惠金融指数来作为数字普惠金融的代理指标［４８］。本文采用客观赋权的熵值法对数字经济发展３个维度的指标进行计算，从而得到各个城市的数字经济发展指数。熵值法的计算步骤如下，首先对各个指标数据进行标准５０陕西师范大学学报（哲学社会科学版）２０２２年第３期化处理，本文的指标均为正向指标，标准化的计算方法为Ｘ′ｉｊ＝（Ｘｉｊ－ｍｉｎ｛Ｘｊ｝）／（ｍａｘ｛Ｘｊ｝＝ｍｉｎ｛Ｘｊ｝）（３）计算第ｉ年第ｊ项指标值的比重Ｙｉｊ＝Ｘ′ｉｊ／∑ ｍｉ＝１Ｘ′ｉｊ（４）指标信息熵的计算ｅｊ＝－ｋ∑ ｍｉ＝１（ＹｉｊｌｎＹｉｊ），令ｋ＝１ｌｎｍ，有０ ≤ ｅｊ ≤ １。（５）信息熵冗余度计算ｄｊ＝１－ｅｊ（６）指标权重ｗｉ＝ｄｉ／∑ ｎｊ＝１ｄｊ（７）单指标评价得分Ｓｉｊ＝ｗｉＸ′ｉｊ（８）第ｉ年的综合水平得分Ｓｉ＝ ∑ ｎｊＳｉｊ（９）其中Ｘｉｊ表示第ｉ年第ｊ项评价指标的数值，ｍｉｎ｛Ｘｊ｝和ｍａｘ｛Ｘｊ｝分别表示所有年份中第ｊ项评价指标的最小值和最大值，其中ｍ为评价年数，ｎ为指标数。３．控制变量借鉴邓荣荣和张翱祥、张华、杨小东等［１４］［１８］［４９］、武祯妮和尹应凯的研究［５０］，同时考虑到这些因素可能会对城市碳排放产生影响，选取如下城市层面的控制变量。人均收入（Ｐｇｄｐ）用城市的国内生产总值（ＧＤＰ）与城市人口的比值取对数值得到；人口密度（Ｄｅｎｓｉｔｙ）以城市总人口与城市行政区划面积比值的对数值代理；人力资本（Ｈｕｃａｐ）以城市普通高等学校人数占总人口的比重来衡量；能源消耗（Ｅｎｃｏｎ）以城市电力消费总量来刻画；产业结构（Ｉｎｄｕｓｔｒｙ）以第二产业增加值占城市国内生产总值（ＧＤＰ）的比重来表示；金融发展（Ｆｉｎａｎｃｅ）用城市年末金融机构贷款余额占城市国内生产总值（ＧＤＰ）的比重来衡量；外商投资（Ｆｄｉ），以实际利用外商投资额占城市国内生产总值（ＧＤＰ）的比重来作为外商投资的代理变量；科技支持（Ｔｅｃｈ）以科技财政支出占财政支出的比重来衡量科技支持。（三）数据来源与处理本文选取２０１１２０１９年中国２２３个城市为研究对象，删除了指标缺失严重、城市个体样本低于９年的样本，整理得到２２３个城市的２００７个样本；测算城市碳排放量的数据、数字经济指标、控制变量数据来源于２０１２２０２０年的中国城市统计年鉴中国城市建设统计年鉴；绿色专利数据来源于中国研究数据服务平台下的绿色专利数据库（ＧＰＲＤ），数字普惠金融指数来源于郭峰等［４８］。表１各变量的描述性统计变量名称变量符号样本量平均值标准差最小值最大值碳排放总量Ｃａｒｅｍ２００７６．３１７５１．０２７８３．２５１２９．５３３０人均碳排放量Ｐｃａｒｅｍ２００６２．３７９８３．０１０４０．０７１０２４．６２５０数字经济Ｕｄｅｄｉ２００７０．１７６６０．０７８００．０３３１０．６５８６人均收入Ｐｇｄｐ２００３１０．７６０２０．５３００９．３２３８１２．２２３４人口密度Ｄｅｎｓｉｔｙ２００６５．８８９４０．８７３９１．６２８０７．９２２７人力资本Ｈｕｃａｐ１９６８２．１０２７２．５５５９０．０１８９１３．１１２４能源消耗Ｅｎｃｏｎ１９５６１５．５９２４２０．４５６３０．２９５６１５６．８５７８产业结构Ｉｎｄｕｓｔｒｙ２００４４７．０８０３９．９６７０１１．７０００８９．３４００金融发展Ｆｉｎａｎｃｅ２００５１．００８４０．６１２４０．１３２２７．４５０２外商投资Ｆｄｉ１９５１１．８９２５１．８４５９０．００１１１９．８７９９科技支持Ｔｅｃｈ２００６１．８１５０１．６８３５０．０６６６１６．２７２９第５１卷郭丰等数字经济、绿色技术创新与碳排放５１五、实证结果与稳健性检验（一）基准回归结果表２汇报了数字经济对碳排放影响的回归估计结果。第（１）列和第（２）列汇报了数字经济对碳排放总量影响的回归结果，第（３）列和第（４）列汇报了数字经济对人均碳排放影响的回归结果。第（１）列和第（３）列未控制时间效应和地区效应，第（２）列和第（４）列控制了时间效应和地区效应。由第（１）列到第（４）列的结果可知，Ｕｄｅｄｉ的回归系数分别为－３．１６０５、－１．３２０３、－９．１２６６、－３．５０３６，均通过了１％的显著性水平检验，无论被解释变量是碳排放总量还是人均碳排放量，实证结果均说明，数字经济的发展有效降低了城市碳排放水平，从而验证了假说１。城市数字经济的发展促进了技术创新的发展，尤其是绿色技术创新的发展，这推动了能源消费结构向低碳、清洁和绿色化转型，有效促进了产业结构优化升级，降低了能源消耗，从而降低了城市碳排放水平，下文的机制分析将对绿色技术创新机制深入展开探讨。表２数字经济对碳排放影响的基准回归结果变量（１）（２）（３）（４）ＣａｒｅｍＣａｒｅｍＰｃａｒｅｍＰｃａｒｅｍＵｄｅｄｉ－３．１６０５∗ ∗ ∗ －１．３２０３∗ ∗ ∗ －９．１２６６∗ ∗ ∗ －３．５０３６∗ ∗ ∗ （０．３３０７）（０．３８１０）（１．１５１６）（１．３０２４）Ｐｇｄｐ０．８８０２∗ ∗ ∗ ０．７３１５∗ ∗ ∗ １．２３０３∗ ∗ ∗ １．８６５３∗ ∗ ∗ （０．０４５５）（０．０５３８）（０．１５８３）（０．１８３８）Ｄｅｎｓｉｔｙ０．１４２４∗ ∗ ∗ ０．２２８１∗ ∗ ∗ －０．４５４３∗ ∗ ∗ ０．０８８８（０．０１７５）（０．０２２５）（０．０６０８）（０．０７６８）Ｈｕｃａｐ０．０７５６∗ ∗ ∗ ０．０６１８∗ ∗ ∗ ０．１７３４∗ ∗ ∗ －０．０２５９（０．００７１）（０．００８６）（０．０２４６）（０．０２９５）Ｅｎｃｏｎ０．０２６０∗ ∗ ∗ ０．０２４３∗ ∗ ∗ ０．０５０８∗ ∗ ∗ ０．０５５２∗ ∗ ∗ （０．０００９）（０．００１０）（０．００３１）（０．００３５）Ｉｎｄｕｓｔｒｙ０．０００８０．００３７∗ ０．０３７１∗ ∗ ∗ ０．０２３７∗ ∗ ∗ （０．００１８）（０．００２１）（０．００６２）（０．００７１）Ｆｉｎａｎｃｅ０．１７９０∗ ∗ ∗ ０．１９８７∗ ∗ ∗ －０．０３１３－０．０４８２（０．０２９０）（０．０３２０）（０．１００９）（０．１０９３）Ｆｄｉ０．０１５７∗ ∗ ０．０１０４０．００２３－０．０３８１（０．００７６）（０．００７６）（０．０２６４）（０．０２５９）Ｔｅｃｈ－０．０４３６∗ ∗ ∗ －０．００１８－０．０９６６∗ ∗ ∗ －０．０９１７∗ ∗ （０．０１０７）（０．０１０７）（０．０３７３）（０．０３６６）Ｃｏｎｓ－４．１７４１∗ ∗ ∗ －３．５３０９∗ ∗ ∗ －１１．０５１６∗ ∗ ∗ －２０．７２８０∗ ∗ ∗ （０．４５２５）（０．５３０８）（１．５７５７）（１．８１４７）时间效应否是否是地区效应否是否是Ｎ１８６０１８６０１８６０１８６０Ａｄｊ．Ｒ２０．７２３３０．８０４５０．５４６００．６９０８注∗ 、∗ ∗ 、∗ ∗ ∗分别表示１０％、５％、１％的显著性水平，括号内为稳健标注误。下同。５２陕西师范大学学报（哲学社会科学版）２０２２年第３期（二）稳健性检验１．替换被解释变量基准回归中使用了碳排放总量和人均碳排放量作为被解释变量进行回归估计，为了增加本文结论的稳健性，本文还测算了城市碳排放强度（Ｃａｒｉｎ），碳排放强度为城市碳排放总量与城市国内生产总值（ＧＤＰ）的比值，以此进行稳健性检验。表３中第（１）列报告了被解释变量为碳排放强度的回归结果。由表３中第（１）列的结果可知，在替换被解释变量后，Ｕｄｅｄｉ的回归系数依然在１０％水平下显著为负，与基准回归结果一致。这表明在替换被解释变量的情况下，数字经济发展仍然显著降低了城市碳排放水平。２．延长时间窗口本文进一步延长了数字经济影响城市碳排放水平的时间考察窗口，将被解释变量碳排放总量和人均碳排放量进行了前置１期和前置２期处理。表３中第（２）列和第（３）列分别为碳排放总量和人均碳排放量前置１期的回归结果，第（４）列和第（５）列分别为碳排放总量和人均碳排放量前置２期的回归结果。由表３第（２）列到第（５）列的结果可知，Ｕｄｅｄｉ的估计系数均显著为负，这说明数字经济发展显著降低了城市碳排放水平。延长了时间窗口后，本文的研究结论不变，佐证了本文核心结论的稳健性。表３稳健性检验一变量（１）（２）（３）（４）（５）ＣａｒｉｎＦ．ＣａｒｅｍＦ．ＰｃａｒｅｍＦ２．ＣａｒｅｍＦ２．ＰｃａｒｅｍＵｄｅｄｉ－０．２７８５∗ －１．２２３４∗ ∗ ∗ －４．４８３９∗ ∗ ∗ －１．３８５２∗ ∗ ∗ －４．４６０６∗ ∗ ∗ （０．１６０６）（０．４２９９）（１．４６９０）（０．４６９３）（１．５８９３）Ｃｏｎｓ０．１６９４－３．０１８２∗ ∗ ∗ －２１．０１２８∗ ∗ ∗ －２．１７３１∗ ∗ ∗ －２０．２２５５∗ ∗ ∗ （０．２２３７）（０．５５５３）（１．８９７８）（０．５８５４）（１．９８２９）时间效应是是是是是地区效应是是是是是Ｎ１８６０１６６１１６６１１４５６１４５５Ａｄｊ．Ｒ２０．３９５４０．８０９８０．７０５４０．８１６８０．７２６２３．调整样本期本文使用缩短样本期的方式进行稳健性检验。２０１５年及其之后，我国数字经济快速发展，部分文献也以２０１５年作为数字经济领域相关研究的起始年份［１１］。本文主要关心的是数字经济发展对碳排放的影响，因此将样本时间段调整为２０１５２０１９年，以此重新进行实证估计。缩短样本期的回归结果见表４中第（１）列和第（２）列，回归结果表明，Ｕｄｅｄｉ的回归系数依然显著为负，与本文的基准回归结果一致，强化了本文的核心结论。４．剔除部分样本考虑到直辖市、省会城市和副省级城市与普通地级市在经济发展、数字经济水平、绿色技术创新水平上存在较大差异。对此，剔除直辖市样本进行回归检验，仅保留普通地级市的样本进行回归检验。表４第（３）列和第（４）列汇报了剔除４个直辖市的回归结果，表４第（５）列和第（６）列汇报了仅保留普通地级市的回归结果。由表４中第（３）列第（６）列的回归结果可知，Ｕｄｅｄｉ的回归系数在１％水平下显著为负，数字经济发展对城市碳排放水平具有显著的抑制效应。在剔除高行政级别的城市样本后，本文结果依然稳健。第５１卷郭丰等数字经济、绿色技术创新与碳排放５３表４稳健性检验二变量（１）（２）（３）（４）（５）（６）ＣａｒｅｍＰｃａｒｅｍＣａｒｅｍＰｃａｒｅｍＣａｒｅｍＰｃａｒｅｍＵｄｅｄｉ－１．５０８５∗ ∗ ∗ －５．０９２８∗ ∗ ∗ －１．２５０５∗ ∗ ∗ －４．２８４４∗ ∗ ∗ －２．３６８４∗ ∗ ∗ －８．２６７６∗ ∗ ∗ （０．４７２７）（１．６８１２）（０．３９１２）（１．３３２７）（０．５２００）（１．６２１２）Ｃｏｎｓ－４．５７１１∗ ∗ ∗ －２０．８２８３∗ ∗ ∗ －３．５６５２∗ ∗ ∗ －２０．２９４６∗ ∗ ∗ －２．４９２７∗ ∗ ∗ －２３．２３４３∗ ∗ ∗ （０．７４５２）（２．６５０４）（０．５３５３）（１．８２３７）（０．６０１９）（１．８７６６）时间效应是是是是是是地区效应是是是是是是Ｎ１０１０１０１０１８２５１８２５１５７４１５７４Ａｄｊ．Ｒ２０．８１５３０．６８５７０．７７４５０．６７３５０．６９９８０．６７５８５．双重差分估计２０１４年开始，第一批宽带中国试点城市开始试点，我国的数字基础设施建设、信息产业取得了进一步的发展。由于一切数字经济活动的开展和数字技术的使用需要依托互联网等宽带网络基础设施建设，因此本文以宽带中国试点政策作为数字经济发展的一项外生政策冲击，以揭示旨在加强数字经济发展战略的政策是否能起到降低城市碳排放水平的作用。本文选取了２０１４年、２０１５年和２０１６年的三批宽带中国试点城市，首先对碳排放水平的共同趋势进行检验，检验结果表明在宽带中国城市试点政策实施前城市碳排放水平满足共同趋势假设，进而开展模型估计。其次，采用渐进双重差分模型对宽带中国试点政策的碳减排效应进行实证估计，表５第（１）列和第（２）列汇报了渐进双重差分模型的回归结果。表５中列（１）和列（２）的回归结果显示，Ｄｉｄ变量的估计系数显著为负，这意味着旨在促进数字经济发展的政策能够有效降低城市碳排放水平，结果依旧稳健。６．其他稳健性检验第一，控制省份年份的交互固定效应。部分省份因素可能随时间变化，进一步控制省份与年份相乘的虚拟变量，以控制随省份和时间变化的不可观测因素对实证结果的影响。控制省份年份交互固定效应的回归结果见表５第（３）列和第（４）列所示，由结果可知，Ｕｄｅｄｉ的回归系数在１％水平下显著为负。第二，控制变量缩尾。为了排除控制变量中的异常值，对所有的控制变量进行上下１％的双边缩尾处理。控制变量缩尾的回归结果见表５第（５）列和第（６）列，Ｕｄｅｄｉ的回归系数显著为负。上述结果表明，数字经济发展显著降低了城市碳排放水平，从而进一步验证了数字经济发展的碳减排效应。表５稳健性检验三变量（１）（２）（３）（４）（５）（６）ＣａｒｅｍＰｃａｒｅｍＣａｒｅｍＰｃａｒｅｍＣａｒｅｍＰｃａｒｅｍＤｉｄ－０．０７６３∗ ∗ ∗ －０．１３７２∗ ∗ ∗ （０．０１９１）（０．０４７２）Ｕｄｅｄｉ－１．２５９９∗ ∗ ∗ －４．１２３２∗ ∗ ∗ －１．５８９４∗ ∗ ∗ －３．１７９２∗ ∗ （０．４２２０）（１．４０１８）（０．３７６６）（１．３０９９）Ｃｏｎｓ４．５８７３∗ ∗ ∗ １０．３２７６∗ ∗ ∗ －３．８１３２∗ ∗ ∗ －２０．９４７１∗ ∗ ∗ －３．８７３３∗ ∗ ∗ －２１．９０３７∗ ∗ ∗ （０．７７５３）（１．９１７５）（０．５８０２）（１．９２７４）（０．５３０４）（１．８４５０）时间效应是是是是是是地区效应是是是是是是省份年份效应否否是是否否Ｎ１８６０１８６０１７９６１７９６１８６０１８６０Ａｄｊ．Ｒ２０．９６０６０．９６７４０．７６２２０．６６２１０．８０８８０．６８７０５４陕西师范大学学报（哲学社会科学版）２０２２年第３期六、作用机制检验为进一步探究数字经济实现碳减排效应的原因，同时基于前文的理论分析，本文对数字经济发展影响城市碳排放的绿色技术创新作用机制进行检验，绿色技术创新水平是与城市碳减排密切相关的技术进步能力的直接反映。传统中介效应三步法检验的第三步存在明显的内生性问题，因此借鉴余泳泽等［５１］、寇宗来和刘学悦［５２］的研究，本文仅使用传统中介效应检验三步法的第二步对绿色技术创新作用机制进行检验，关于绿色技术创新作用于碳排放的结果主要基于文献和逻辑推理进行阐述。大多数的研究仅以绿色发明专利申请数或者绿色发明专利授权数来刻画绿色技术创新水平，为了防止单一指标衡量可能存在的估计偏误，本文全面考察了绿色技术创新作用机制。引入绿色发明专利申请数（Ｇａｐｐ）、人均绿色发明专利申请数（Ｐｇａｐｐ）、绿色发明专利授权数（Ｇａｕｔ）、人均绿色发明专利授权数（Ｐｇａｕｔ）这４个指标作为中介指标，对绿色技术创新作用机制进行了深入探讨。表６报告了数字经济对城市绿色技术创新机制影响的回归结果。第一，从绿色发明专利申请数来看，第（１）列和第（２）列中的被解释变量为绿色发明专利申请数，第（３）列和第（４）列中的被解释变量为人均绿色发明专利申请数，第（１）列至第（４）列的结果显示，Ｕｄｅｄｉ的估计系数显著为正。由此可知，从绿色发明专利申请数视角来看，数字经济发展显著促进了城市绿色技术创新发展。第二，从绿色发明专利授权数来看。考虑到绿色发明专利授权存在较长的时滞效应，因此在检验绿色发明专利授权作用机制时，对数字经济变量进行了滞后１期处理。第（５）列和第（６）列中的被解释变量为绿色发明专利授权数，第（７）列和第（８）列中的被解释变量为人均绿色发明专利授权数，第（５）列至第（８）列的结果显示，Ｌ．Ｕｄｅｄｉ的估计系数依然显著为正。可知，从绿色发明专利授权数视角来看，数字经济发展对城市绿色技术创新发展也具有显著的促进效应。这验证了数字经济发展对绿色技术创新的作用机理。绿色技术创新在碳减排中发挥着重要作用，首先绿色技术创新成果能够明显地转化为绿色生产力，不仅可以推动生产生活向绿色低碳转型，而且能够助推能源清洁生产和能源结构转型，还可以助力产业结构的优化升级，从而不断降低能源消耗，减少碳排放量。其次，绿色技术创新通过产业关联、绿色技术溢出效应、区域合作等途径对碳减排发挥作用，绿色技术创新是经济社会实现低碳转型发展和降低碳排放的重要引擎［２６］［３６］，能够发挥“技术红利”效应，显著减少城市二氧化碳等温室气体的排放，从而降低城市碳排放水平［１