数字经济赋能黄河流域低碳发展机制研究

Study on the Mechanism of Low-Carbon Development in the Yellow River Basin Empowered by Digital Economy：Based on the Intermediary Perspective of Industrial Structure Optimization

摘要

黄河流域是我国重要的能源与现代工业基地，推动黄河流域低碳发展对实现我国“双碳”目标有重要意义。基于2012—2021年数据，以产业结构优化为中介视角，实证分析数字经济对黄河流域九省区碳减排的影响。结果表明：数字经济与黄河流域碳减排存在显著U型关系，实现机制是数字经济促进产业结构优化，产业结构优化促进碳减排，该影响在上游省区更加明显。建议充分发挥各地区比较优势，适当扩大数字经济规模，不断促进数字经济与生产性服务业深度结合。

Abstract

The Yellow River Basin is a crucial energy and modern industrial hub in China， making low-carbon development in this region critical to achieving China's “dual carbon” goals. Using data from 2012 to 2021， this study empirically examines the impact of the digital economy on carbon reduction across nine provinces and regions in the Yellow River Basin， with industrial structure optimization as a mediator. The results reveal a significant U-shaped relationship between the digital economy and carbon reduction in the basin. The findings suggest that the digital economy drives industrial structure optimization， which， in turn， facilitates carbon emission reductions. This effect is particularly pronounced in the upstream provinces and regions. It is recommended to fully leverage regional comparative advantages， appropriately expand the scale of the digital economy， and foster deeper integration between the digital economy and the productive service sector.

关键词

数字经济 / 黄河流域 / 碳减排 / 产业结构优化 / 中介视角

Key words

digital economy / Yellow River Basin / carbon reduction / industrial structure optimization / mediating perspective

黄河流域是我国重要的能源、原材料与现代工业基地。根据中国碳核算数据库的数据，2021年黄河流域九省区的碳排放量占全国总量的47.57%，实现“双碳”目标任务艰巨。近年来，我国数字经济蓬勃发展，数字经济不仅是新质生产力的重要内容，也是提升城市碳排放效率的重要驱动力^［1］。“双碳”背景下，研究数字经济赋能黄河流域低碳发展的实现机制，具有一定现实意义。

我国数字经济赋能“双碳”研究相当丰富，主要集中在地域、产业、企业三个层次的机制研究与政策建议。从地域层面来看，江元等^［2］提出数字经济对东、西部地区碳排放有显著抑制作用；赵艳敏等^［3］认为数字经济对全要素能源效率的促进作用在黄河中游表现得最明显；还有学者从城市^［4⁃5］和省域^［6⁃7］层面进行了研究；从产业层面来看，数字经济对林业^［8］、工业^［9］、制造业^{［10⁃11］}的绿色发展和碳减排有正向促进作用；从企业层面来看，数字经济能通过增加技术创新投入、提高全要素生产率来推动绿色创新^［12］，数字金融凭借数字技术进步与数字技术应用促进企业数字化转型^［13］，进而实现“双碳”目标。综上所述，当前相关研究以产业与企业数字化转型为主，以地区为研究对象的主要聚焦城市或省域，综合研究城市群或者大河流域整体发展情况的较少。

基于此，本文的边际贡献在于：在研究对象方面，黄河流域生态保护与高质量发展背景下，考察数字经济对黄河流域低碳发展的影响；在研究方法方面，通过指标体系构建展开实证分析，利用改进的中介机制检验法，验证产业结构优化的中介效应；在研究结论方面，通过数字经济发展探讨碳排放先增后减的影响关系，以期揭示促进碳减排的机制，比较数字经济对黄河流域碳排放的异质性影响。因此，本文的研究结果不仅为黄河流域数字经济对碳排放的影响提供佐证，也为我国实现“双碳”目标提供政策参考。

1 理论分析与假设提出

1.1 数字经济与碳减排

数字经济不仅带动了传统产业数字化转型，还创造了新产业、新业态、新模式。在农业中，数字经济可以通过促进化肥精准使用等方式，降低化肥的使用量进而减少碳排放。在工业中，数字经济有利于生产过程智能化、节能减排。在服务业中，数字经济推动了数字服务贸易发展，电子化服务有利于促进碳减排。但是，“数字经济并非只有单纯的降碳效应，还存在一定的‘绿色盲区’，对环境产生负外部性作用，导致碳排放量增加。”^［14］数字经济前期的基础建设，各种电子设备的电力消耗，扩大的矿场开采规模等都会带来大量能源消耗。据此本文提出假设H1：数字经济会使碳排放先增加后减少。

1.2 数字经济与产业结构优化

产业结构既是资源配置的桥梁，也是环境保护和经济发展的关键支点^［15］。数字经济从提升生产效率、降低信息成本、推动新兴产业发展等方面促使产业结构升级。首先，使用智能设备、传感器和机器人能提高自动化水平、提高产量。其次，数字化转型降低了信息不对称，企业用于信息搜寻、原材料采购、物流配送等业务环节的支出将明显减少^［16］。此外，消费者与生产者之间信息成本也会减少，生产者通过大数据对需求有更准确的把握，消费者也能掌握更透明的价格信息。最后，数字经济推动了新兴产业发展，例如电子商务^［17］和在线教育等产业。据此本文提出假设H2：数字经济能够促进产业结构优化。

1.3 产业结构优化与碳减排

我国单位GDP能耗高于世界平均水平1.5倍，高于发达国家2~3倍，这与我国产业结构不合理相关。第一产业占我国GDP比重较低且碳排放强度低，在此不作讨论。第二产业的碳排放是我国碳排放主要来源，数字技术应用带来了第二产业结构优化。一方面，基于分析过往生产数据推进生产过程数字化设计，有利于降低生产过程中的碳排放。另一方面，人民对绿色产品、绿色生活的追求越来越高，需求转变引领生产转型。产业结构优化的过程会越来越多地使用清洁能源。第三产业碳排放强度远低于第二产业，第三产业在GDP比重的增加，以及数字经济、人工智能等技术的应用，也有利于减少碳排放。据此本文提出假设H3：产业结构优化能够促进碳减排。

1.4 数字经济、产业结构优化与碳减排

通过上述理论分析，数字经济的蓬勃发展会带来产业结构优化，而产业结构优化又会进一步促进碳排放减少。因此，产业结构优化是数字经济促进碳减排的中介机制。据此本文提出假设H4：数字经济能够通过产业结构优化促进碳减排。

2 变量选择与模型构建

2.1 变量选择

被解释变量：碳排放量。碳排放量是衡量我国完成“双碳”目标的重要标准。本文采用中国碳核算数据库（CEADs）2012—2021年的《中国省级表观二氧化碳排放清单》，该数据库客观地对各省碳排放数据进行核算。

解释变量：数字经济发展水平。根据政府文件对数字经济的描述，构建数字基础设施、产业数字化和数字产业化三个二级指标。借鉴郝玉凯等^［18］的指标选择，结合数据的可得性，最终选取光缆线路长度、电子商务销售额、软件业务收入等十个三级指标，作为测度数字经济发展水平的具体指标。最后通过熵值法衡量各指标所占权重，计算黄河流域九省区数字经济发展水平。具体指标体系见表1。

中介变量：产业结构优化水平。产业结构高级化的一般衡量方式包括：第三产业与第二产业的产值之比，或者第三产业与第二产业的增加值之比。本文借鉴冯素玲^［19］产业结构高级化衡量的思路，综合考虑一、二、三产业之间的关系，进而衡量产业结构的优化水平。计算方法为：第一产业生产总值/地区生产总值+第二产业生产总值/地区生产总值×2+第三产业生产总值/地区生产总值×3。

控制变量：碳排放的影响因素很多，如人口数量会影响家庭碳排放规模，电力消费量越多，燃烧化石燃料产生的碳排放越多。本文选取了四个常用且关键的控制变量，分别为分地区年末人口数、人均规模以上工业企业R&D人员全时当量、电力消费量和规模以上工业企业单位数。具体见表2。

2.2 数据来源

本文数据来源于国家统计局数据库、2013—2022年《中国统计年鉴》，部分缺失数据采用线性插值法补充。根据《黄河流域生态保护和高质量发展规划纲要》，黄河流域包括青海省、四川省、甘肃省、宁夏回族自治区、内蒙古自治区、山西省、陕西省、河南省、山东省9个省区。

2.3 模型设定

2.3.1 基准面板模型

基于上文的理论分析与假设，构建两个模型。一是验证黄河流域数字经济发展对碳排放的影响；二是验证数字经济发展平方项与碳排放的关系。具体模型为

\mathrm{l}\mathrm{n}{c}_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}\mathrm{d}\mathrm{i}{\mathrm{g}}_{it}+{\alpha }_{\mathrm{2}}{X}_{it}+\epsilon {\mathrm{1}}_{it}，（1）

\mathrm{l}\mathrm{n}{c}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}\mathrm{d}\mathrm{i}{\mathrm{g}}_{it}+{\beta }_{\mathrm{2}}\mathrm{s}\mathrm{d}\mathrm{i}{\mathrm{g}}_{it}+{\beta }_{\mathrm{3}}{X}_{it}+\epsilon {\mathrm{2}}_{it}，（2）

其中，lnc为碳排放量的对数值；dig为数字经济发展水平；sdig为数字经济发展水平的平方项；X为控制变量，具体为：分地区年末人口数对数值（lnp）；人均规模以上工业企业R&D人员全时当量对数值（lnrd）；电力消费量对数值（lnec）；规模以上工业企业单位数对数值（lnie）。变量的下标i、t分别表示i省份第t年的变量值。ε为随机扰动项。

2.3.2 机制检验模型

本文以产业结构优化水平为中介变量。通过上述理论分析，数字经济通过影响产业结构升级进而影响碳排放量，因此本文设置机制检验模型进行验证。由于传统中介机制检验“三步法”具有内生性问题，所以本文借鉴江艇^［20］的“两步法”思想，将温忠麟^［21］所提方法的第三步改为文献支撑。首先，数字经济发展水平与碳排放量的关系，见基准回归模型（1）；其次，数字经济发展水平对产业结构优化水平的影响，详见模型（3）；再次，碳排放量与产业结构优化水平之间的关系，见模型（4）；最后，通过文献整理，支撑数字经济与碳排放量、产业结构优化之间的关系。

\mathrm{i}\mathrm{n}{\mathrm{d}}_{it}={\gamma }_{\mathrm{0}}+{\gamma }_{\mathrm{1}}\mathrm{d}\mathrm{i}{\mathrm{g}}_{\mathrm{i}\mathrm{t}}+{\gamma }_{\mathrm{2}}{X}_{it}+\epsilon {\mathrm{3}}_{it}，（3）

c_{it}={\delta }_{\mathrm{0}}+{\delta }_{\mathrm{1}}\mathrm{i}\mathrm{n}{\mathrm{d}}_{it}+{\delta }_{\mathrm{2}}{X}_{it}+\epsilon {\mathrm{4}}_{it}。（4）

3 实证结果分析

3.1 基准回归结果

基准回归结果见表3。由表3一次项回归结果可知，数字经济发展能够显著降低碳排放水平（P<0.01），表明数字经济发展水平每上升1%，可以使黄河流域碳排放量下降3.07%。表3二次项回归数据显示，在1%的显著性水平下，数字经济发展水平对碳排放的回归系数呈负相关，表明碳排放随着数字经济的发展先增加后减少。然而，Lind和Mehlum^［22］认为这种对于非线性关系判断的常规检验有缺陷。因此作进一步分析，数字经济发展水平的模拟参考值为0.138，全部样本观测值的实际区间为［0.065，0.823］。曲线的极值拐点位于样本区间内，即不存在单调递增或者单调递减，而存在U型关系。数字经济会使碳排放量先增加后减少，假设1得证。

3.2 稳健性检验

本文通过两种方式进行模型的稳健性检验。一是改变控制变量的数量，在表3二次项回归的基础上增加控制变量；二是对表3二次项回归进行缩尾处理，减少异常值的影响。结果见表4。从表4可知，增加控制变量与缩尾处理并未改变系数符号，数字经济发展水平对碳排放的回归通过了1%的显著性检验，与此前结果一致。因此，数字经济使碳排放量先增后减的结论是稳定的。

3.3 影响机制检验

影响机制检验结果见表5。表5第1列数据表明，数字经济发展水平对碳排放的回归系数为负，并且通过了1%的显著性检验，可知数字经济发展对碳排放起抑制作用。在1%的水平上，第2列数字经济发展与产业结构优化的系数呈显著正相关，表示数字经济发展对产业结构优化有积极影响，假设2得证。第3列，产业结构优化与碳排放的回归系数在10%显著性水平上为负，说明产业结构优化水平越高，碳排放量越少，假设3得证。

陈晓东等^［23］研究发现，数字经济是产业结构持续升级的动力。林伯强等^［24］提出产业结构对二氧化碳排放有显著影响。朱美峰等^［25］基于实证研究认为，产业结构高级化能够有效抑制碳排放。碳达峰、碳中和是我国的重大战略机遇，《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》强调：“推动互联网、大数据、人工智能、第五代移动通信(5G)等新兴技术与绿色低碳产业深度融合。”^[26］因此，无论从学术研究还是我国实践导向，都说明数字经济能够促进产业结构优化，进而有利于碳减排，假设4得证。

3.4 异质性分析

异质性分析是指根据样本特性进行分组检验，常见的分组方法从时间、空间、城市规模等角度切入。本文研究对象为黄河流域九个省区，按照流域将其分为上游、中游、下游三类。黄河上游包括青海省、四川省、甘肃省、宁夏回族自治区和内蒙古自治区，中游包括陕西省和山西省，下游包括河南省和山东省。中游与下游的数据量过少，因此合并为中下游。分别对上游与中下游做模型（1）的基准回归，结果见表6。

在对上游和中下游流域的回归中，1%的显著性水平下，数字经济发展水平与碳排放的系数均呈显著负相关，说明数字经济发展水平越高，碳排放量越低，数字经济发展能够促进碳减排。但是，上游的系数大于中下游，说明数字经济对上游省份的影响更大，这可能与上游省份数字经济发展较为薄弱有关。所以，提高上游省份数字经济发展水平，就能发挥较大的效用。

3.5 内生性检验

数字经济发展会影响碳排放，而对于“双碳”目标的追求又会影响数字经济发展，即可能存在双向因果关系，因此进行内生性检验。地形起伏度会影响数字基础设施建设，并且是严格外生的，因此选择地形起伏度作为数字经济发展的工具变量。利用游珍等^［27］测算的地形起伏度数据，由于数据为截面数据，所以它与上一年的全国互联网上网人数相乘，作为工具变量进行回归，结果见表7。在数字经济发展水平对碳排放量的回归中，系数在1%的水平上显著为负，与此前结果一致。本文将使用熵值法测算的数字经济发展水平改为TOPSIS法，用TOPSIS法测算数据的回归结果见表7。数字经济发展水平与碳排放的回归系数呈负相关（P<0.05），与此前结论一致。

4 研究结论及建议

4.1 研究结论

利用2012—2021年黄河流域九个省区数据，通过熵值法测算数字经济发展水平，进而探究数字经济发展对碳排放的作用。得到以下结论：（1）数字经济发展水平使碳排放先增后减，经过稳健性检验仍然成立，这与数字经济能够直接促进碳减排的传统认知有所不同；（2）在影响机制方面，数字经济发展促进产业结构优化，进而促进碳减排；（3）在区域异质性方面，数字经济的碳减排效应在黄河流域上游省份表现得更突出。

4.2 建议

（1）要适当、适量扩大数字经济规模。要认识到数字经济在促进碳减排的同时，大量数字基础设施建设与数字技术的使用也会增加碳排放。因此，各地方政府应合理评估数字经济发展水平，盲目追求发展规模可能会适得其反。（2）不断促进数字经济与生产性服务业深度融合，使数字经济在产业结构升级中发挥更大作用。注重培养数字经济人才^［28］，加强数字技术应用。（3）数字经济政策要充分发挥各地区的比较优势，结合西部地区能源优势与东部地区技术与产业优势，不断促进各地区取长补短，最终起到促进碳减排的作用。

参考文献

[1] 张跃. 数字经济、时空动态效应与城市碳排放效率［J］. 河北经贸大学学报， 2023，44（6）： 87-98.

[2] 江元， 徐林. 数字经济、能源效率和碳排放：基于省级面板数据的实证［J］. 统计与决策， 2023，39（21）： 58-63.

[3] 赵艳敏， 王迪. 数字经济发展对全要素能源效率的影响机制研究：以黄河流域73个地级市为例［J］. 软科学，2024，38（8）：37-44.

[4] 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.

[5] 李晓琪， 古丽娜尔·玉素甫. 数字经济推动我国城市低碳可持续发展研究［J］. 价格理论与实践， 2023（9）： 105-109.

[6] 周小刚， 郭玉环， 金柳君， 等. 江西省数字经济发展促进碳减排的机理与对策研究［J］. 东华理工大学学报（社会科学版）， 2023，42（6）： 529-537.

[7] 李清瑶， 张勇， 胡民泉， 等. “双碳” 目标实现的省域实践： 以浙江为例［J］. 生态与农村环境学报， 2024，40（2）： 191-204.

[8] 全阳， 温艳萍， 崔希洙. 数字经济对林业碳汇增量影响及路径研究：基于有调节的中介效应模型［J］. 林业经济， 2023，45（9）： 23-38.

[9] 吴传清， 邓明亮. 数字经济发展对中国工业碳生产率的影响研究［J］. 中国软科学， 2023（11）： 189-200.

[10] 周茜. 数字经济对制造业绿色发展的影响与机制研究［J］. 南京社会科学， 2023（11）： 67-78.

[11] 韦帅民. 数字经济与制造业低碳转型的理论与经验证据［J］. 技术经济与管理研究， 2023（12）： 45-48.

[12] 李晖， 戚琦， 唐志鹏. 数字化能否赋能工业企业绿色创新？：来自中国上市企业的经验证据［J］. 中南林业科技大学学报（社会科学版）， 2023，17（4）： 51-61.

[13] 龙池， 张红梅. 数字金融如何影响制造业碳排放：基于企业数字化转型的视角［J］. 金融理论与实践， 2023（10）： 67-78.

[14] 缪陆军， 陈静， 范天正， 等. 数字经济发展对碳排放的影响：基于278个地级市的面板数据分析［J］. 南方金融， 2022（2）： 45-57.

[15] LIANG G F， YU D J， KE L F. An empirical study on dynamic evolution of industrial structure and green economic growth：Based on data from China's underdeveloped areas［J］. Sustainability， 2021， 13（15）： 8154.

[16] 曹张龙. 数字经济驱动产业结构升级的理论机制及其门限效应［J］. 统计与决策， 2023，39（22）： 18-23.

[17] 钱贵霞， 苏日娜. 电子商务发展对产业结构优化升级的影响［J］. 内蒙古大学学报（哲学社会科学版）， 2022，54（2）： 96-107.

[18] 郝玉凯， 任文丽. “双碳” 背景下数字经济赋能煤炭资源富集区的低碳转型探析：基于绿色技术创新的中介视角［J］. 武汉理工大学学报（社会科学版）， 2023，36（4）： 54-62.

[19] 冯素玲， 许德慧. 数字产业化对产业结构升级的影响机制分析：基于2010—2019年中国省际面板数据的实证分析［J］. 东岳论丛， 2022，43（1）： 136-149.

[20] 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.

[21] 温忠麟， 叶宝娟. 中介效应分析： 方法和模型发展［J］. 心理科学进展， 2014，22（5）： 731-745.

[22] LIND J T， MEHLUM H. With or without U？：The appropriate test for a U-shaped relationship［J］. Oxford Bulletin of Economics and Statistics， 2010， 72（1）： 109-118.

[23] 陈晓东， 杨晓霞. 数字经济发展对产业结构升级的影响：基于灰关联熵与耗散结构理论的研究［J］. 改革， 2021（3）： 26-39.

[24] 林伯强， 蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析［J］. 管理世界， 2009，25（4）： 27-36.

[25] ZHU M F， HAN Z Y. Industrial upgrading， total factor energy efficiency and regional carbon emission reduction in China ［J］. Journal of Resources and Ecology，2023，14（3）：445-453.

[26] 中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见［N］.人民日报，2021-10-25（001）.

[27] 游珍，封志明，杨艳昭.中国1 km地形起伏度数据集［J］.全球变化数据学报（中英文），2018，2（2）：151-155.

[28] 胡伟华， 任和， 王康. 西部地区人才竞争力时空演变分析［J］. 地域研究与开发， 2023，42（5）： 22-27.

基金资助

内蒙古自治区哲学社会科学规划资助项目“数字经济赋能内蒙古畜牧业现代化的战略选择、问题诊断与路径探索”(2022NDC163)

内蒙古师范大学基本科研业务费专项资金资助项目“数字经济赋能草原畜牧业现代化重点问题研究”(23JBZD002)