數(shù)字經(jīng)濟(jì)賦能交通運輸行業(yè)碳減排的研究

摘 要：在“雙碳”目標(biāo)的指引下，借力數(shù)字經(jīng)濟(jì)實現(xiàn)交通運輸行業(yè)的降碳受到廣泛關(guān)注。本文基于中國2010—2021年30個省份的面板數(shù)據(jù)，從多維度構(gòu)建數(shù)字經(jīng)濟(jì)評價指標(biāo)體系，并采用IPCC方法計算交通運輸行業(yè)的碳排放量，實證分析了數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的影響機制及其關(guān)系。研究表明：數(shù)字經(jīng)濟(jì)和交通運輸行業(yè)碳排放間存在“倒U型”關(guān)系，并利用門檻效應(yīng)模型對其非線性關(guān)系進(jìn)行了進(jìn)一步驗證；中介檢驗發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)能夠通過優(yōu)化交通運輸結(jié)構(gòu)降低交通運輸行業(yè)的碳排放。

關(guān)鍵詞：數(shù)字經(jīng)濟(jì)；交通運輸；碳排放；中介效應(yīng)；門檻效應(yīng)；IPCC方法

本文索引：湯楚楚.<變量 2>[J].中國商論，2024（11）：-040.

中圖分類號：F503 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2024）06（a）--06

近百年來，由于工業(yè)發(fā)展、能源過度使用等問題，二氧化碳的排放遠(yuǎn)超正常水平，“溫室效應(yīng)”等危害愈發(fā)明顯。基于此，我國提出了“雙碳”目標(biāo)，中國作為發(fā)展中國家，經(jīng)濟(jì)始終保持較高增速，但如何推動綠色發(fā)展、實現(xiàn)節(jié)能減排仍是一個難題。交通運輸行業(yè)是我國重點碳排放行業(yè)，已成為碳排放的第二大來源[1]。因此，如何實現(xiàn)交通運輸行業(yè)的碳減排成為亟待解決的問題。

目前，我國數(shù)字經(jīng)濟(jì)發(fā)展戰(zhàn)略體系逐漸完備，其發(fā)展優(yōu)化了交通供給側(cè)，成為實現(xiàn)交通運輸行業(yè)降碳目標(biāo)的有效手段。基于以上背景，本文主要研究我國數(shù)字經(jīng)濟(jì)發(fā)展和交通運輸行業(yè)碳排放間存在什么聯(lián)系，數(shù)字經(jīng)濟(jì)又是通過何種渠道來影響交通運輸行業(yè)的碳排放問題。

數(shù)字經(jīng)濟(jì)作為推動經(jīng)濟(jì)提質(zhì)增效的重要手段，受到學(xué)術(shù)界的廣泛關(guān)注。目前，已有研究主要圍繞數(shù)字經(jīng)濟(jì)的測度方式、影響數(shù)字經(jīng)濟(jì)發(fā)展的各類因素、數(shù)字經(jīng)濟(jì)的驅(qū)動作用等方面展開。其中，很多研究都涉及數(shù)字經(jīng)濟(jì)發(fā)展水平的測定，大部分基于多個維度構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)體系[2-3]。同時，很多學(xué)者研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)能夠驅(qū)動不同行業(yè)轉(zhuǎn)型升級 [4-5]。近年來，對數(shù)字經(jīng)濟(jì)降碳效應(yīng)的研究 [6-7]也受到廣泛關(guān)注。

其次，交通運輸行業(yè)碳排放的研究。由于交通運輸行業(yè)高能耗、高排放的特性，如何實現(xiàn)交通運輸行業(yè)的低碳發(fā)展成為廣大學(xué)者關(guān)心的議題。交通運輸行業(yè)的碳排放測量，主要采用IPCC碳排放系數(shù)法[8]。目前，很多學(xué)者研究了影響交通運輸行業(yè)碳排放效率的因素，發(fā)現(xiàn)人口規(guī)模、節(jié)能技術(shù)水平、能源效率[1] [9-10]等都會對交通部門的碳排放產(chǎn)生不同影響。

隨著數(shù)字經(jīng)濟(jì)的影響逐漸輻射到節(jié)能減排領(lǐng)域，如何發(fā)揮數(shù)字經(jīng)濟(jì)的降碳作用受到廣泛關(guān)注。研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)能夠通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)[11]、提高能源效率[12]等途徑有效降低碳排放強度；也有很多學(xué)者注意到具體行業(yè)的碳排放現(xiàn)狀。數(shù)字經(jīng)濟(jì)對制造業(yè)及工業(yè)的綠色低碳轉(zhuǎn)型有著正向影響[13]。Juanh和Qinmei（2022）[14]發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)與我國物流業(yè)碳排放量間存在“U型”關(guān)系。目前，有關(guān)數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的相關(guān)研究還不充分。

綜上所述，國內(nèi)外針對數(shù)字經(jīng)濟(jì)、交通運輸行業(yè)碳排放及數(shù)字經(jīng)濟(jì)對碳排放影響機制的研究較為豐富，但目前關(guān)于數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的影響研究還不充分。數(shù)字經(jīng)濟(jì)作為我國當(dāng)前重點發(fā)展的經(jīng)濟(jì)體系，能否助力實現(xiàn)、如何實現(xiàn)交通運輸行業(yè)的碳減排有待具體研究。

鑒于此，本文以2010—2021年省際交通運輸行業(yè)的面板數(shù)據(jù)為研究對象，構(gòu)建數(shù)字經(jīng)濟(jì)發(fā)展綜合評價指數(shù)，采用中介效應(yīng)理論分析數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的影響關(guān)系與作用機制，進(jìn)一步檢驗兩者間的關(guān)系。

1 理論分析與研究假設(shè)

1.1 數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的非線性影響

數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的影響過程是復(fù)雜的。首先，在基礎(chǔ)設(shè)施建設(shè)方面，數(shù)字經(jīng)濟(jì)發(fā)展初期，大規(guī)模的設(shè)施建造會加大對交通運輸?shù)男枨?，最終表現(xiàn)為交通運輸行業(yè)碳排放量的不斷增加。但是隨著數(shù)字經(jīng)濟(jì)的不斷發(fā)展，各項基礎(chǔ)設(shè)施逐漸完善[15]，數(shù)字化的交通網(wǎng)絡(luò)和運輸體系日趨完善，5G網(wǎng)絡(luò)、大數(shù)據(jù)等與智能交通網(wǎng)絡(luò)緊密結(jié)合，實現(xiàn)了節(jié)能減排的目標(biāo)，利于提高該行業(yè)的碳排放效率。

此外，數(shù)字經(jīng)濟(jì)的推廣應(yīng)用會助力國民經(jīng)濟(jì)的提升。居民的消費水平提升后，為滿足購物出行的意愿，他們對交通的需求上漲，導(dǎo)致交通運輸行業(yè)的碳排放增加。

但隨著經(jīng)濟(jì)發(fā)展的不斷完善，新能源汽車、共享單車等的出現(xiàn)優(yōu)化了交通運輸結(jié)構(gòu)，同時智能交通技術(shù)的發(fā)展實現(xiàn)了各類運輸方式間的信息流動，掌握客貨流量的變化規(guī)律，在提高運輸效率的同時，也減少了碳排放?；谝陨戏治?，本文認(rèn)為數(shù)字經(jīng)濟(jì)和交通運輸行業(yè)碳排放間可能存在非線性關(guān)系。由此，本文提出以下研究假設(shè)：

假設(shè)1：數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放量存在“倒U型”的非線性影響。

1.2 數(shù)字經(jīng)濟(jì)影響交通運輸行業(yè)碳排放的作用機制

數(shù)字經(jīng)濟(jì)帶動了智慧交通的發(fā)展，傳統(tǒng)的交通運輸產(chǎn)業(yè)結(jié)構(gòu)逐步轉(zhuǎn)向高質(zhì)量化、融合化發(fā)展。公路運輸一直都是我國交通運輸領(lǐng)域中最主要的碳排放來源[16]，隨著數(shù)字經(jīng)濟(jì)的發(fā)展，交通運輸相關(guān)企業(yè)具備了堅實的技術(shù)、人才等保障。

在此基礎(chǔ)上，我國交通網(wǎng)絡(luò)日益完善，鐵路、水路占客貨運服務(wù)的比重逐步提高，這兩種方式相較公路及航空運輸更具備低碳優(yōu)勢。

同時，多式聯(lián)運的運輸方式能高效利用運輸設(shè)施、降低空載率。交通運輸結(jié)構(gòu)的升級優(yōu)化，使得運輸方式更合理，增加了鐵路及水路的運輸量，從而減少公路運輸?shù)奶寂欧?，實現(xiàn)交通運輸行業(yè)的降碳。由此，本文提出以下假設(shè)：

假設(shè)2：數(shù)字經(jīng)濟(jì)通過優(yōu)化交通運輸結(jié)構(gòu)，能夠減少交通運輸行業(yè)的碳排放量。

2 研究設(shè)計

2.1 模型設(shè)定

2.1.1 基準(zhǔn)回歸模型

為檢驗數(shù)字經(jīng)濟(jì)和交通運輸行業(yè)碳排放間的關(guān)系，本文基于王山和余東華（2024）[13]、鈔小靜等（2020）[17]的計量模型，構(gòu)建如下基準(zhǔn)回歸模型：

其中，i表示省份；t表示年份；CO2表示i省t年的交通運輸行業(yè)碳排放量，即被解釋變量；DIG表示i省t年的數(shù)字經(jīng)濟(jì)發(fā)展水平，即解釋變量；DIG2表示數(shù)字經(jīng)濟(jì)發(fā)展水平的二次項；X表示本文選取的控制變量；ui和γt分別表示省份和年份固定效應(yīng)；ε為殘差；α0、α1、α2均為待估參數(shù)。

2.1.2 面板門檻效應(yīng)模型

為進(jìn)一步研究數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放量的非線性關(guān)系，驗證兩者之間是否存在拐點，本文參考Jin等（2023）[18]的研究建立了以下面板門檻模型：

其中，Qit表示門檻變量，即數(shù)字經(jīng)濟(jì)；θ表示門檻值；β0、β1、β2、π為待估系數(shù)；I（·）為代表性指示函數(shù)，當(dāng)滿足括號內(nèi)表達(dá)式時取1，否則為0；其余變量含義與式（1）相同。

2.1.3 中介效應(yīng)模型

在基準(zhǔn)回歸的基礎(chǔ)上，為了探究數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的影響路徑，本文以交通運輸結(jié)構(gòu)為中介變量，參考溫忠麟和葉寶娟（2014）[19]的研究建立以下模型：

其中，M表示本文選取的中介變量；其余變量含義與式（1）相同。

2.2 變量選取

2.2.1 被解釋變量

本文的被解釋變量為交通運輸行業(yè)的碳排放量，根據(jù)IPCC以能源消耗為核心的自上而下法進(jìn)行計算，計算公式參考焦萍和張帥（2023）[10]的研究，如下所示：

（6）

其中，CO2為所求的交通運輸行業(yè)碳排放量；i表示能源類型，包括原煤、汽油、煤油、柴油、燃料油、天然氣、電力七種能源；E表示能源實物消耗量（折合標(biāo)準(zhǔn)煤）；NVC表示平均低位發(fā)熱量；CEF表示能源單位熱值含碳量；COF表示碳氧化率。

2.2.2 解釋變量

本文的解釋變量為數(shù)字經(jīng)濟(jì)（DIG），同時為研究數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的非線性影響，加入了數(shù)字經(jīng)濟(jì)的平方項（DIG2）。參考趙濤等（2020）[20]的研究，本文從五個維度構(gòu)建數(shù)字經(jīng)濟(jì)發(fā)展水平的綜合評價指標(biāo)，利用熵權(quán)法進(jìn)行處理，具體指標(biāo)及權(quán)重如表1所示。

2.2.3 中介變量

交通運輸結(jié)構(gòu)（tram）：本文采用公路換算周轉(zhuǎn)量占總換算周轉(zhuǎn)量的比重[1]來度量。

2.2.4 控制變量

本文參考已有研究，選取如下控制變量：

一是經(jīng)濟(jì)發(fā)展水平（pgdp），采用人均地區(qū)生產(chǎn)總值[13]衡量。在人均GDP較高的地區(qū)，人們的購物出游需求相對旺盛，因此出行頻率相對較高，導(dǎo)致交通運輸行業(yè)產(chǎn)生較多的碳排放。

二是人口密度（dpop），數(shù)據(jù)源于統(tǒng)計年鑒[1]。人口密度越大，對交通出行的需求就越大，交通運輸行業(yè)的碳排放量也就越增長。

三是行業(yè)結(jié)構(gòu)（stru），采用第三產(chǎn)業(yè)增加值占國民生產(chǎn)總值比重[17]衡量。不同行業(yè)對資源的需求是不同的，因此行業(yè)結(jié)構(gòu)的改變能夠引起資源的波動，影響整體行業(yè)的碳排放水平。

四是對外開放水平（open），采用外商直接投資占地區(qū)生產(chǎn)總值比重[10]衡量。對外開放程度越高，行業(yè)所能獲得先進(jìn)技術(shù)和資源越多，越能改善交通運輸行業(yè)的碳排放現(xiàn)狀。

2.3 數(shù)據(jù)來源與描述性統(tǒng)計

本文以2010—2021年30個省份（除西藏及港澳臺地區(qū)外）為研究對象，變量的數(shù)據(jù)主要源于各省份的《統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》。

碳排放量根據(jù)CEADs中國碳核算數(shù)據(jù)庫提供的、采用IPCC分部門核算方法得到的省份排放清單中的數(shù)據(jù)進(jìn)行計算[21]；數(shù)字普惠金融指數(shù)來源于郭峰等（2020）[22]測算的北京大學(xué)數(shù)字普惠金融指數(shù)。變量進(jìn)行標(biāo)準(zhǔn)化及縮尾處理后的描述性統(tǒng)計結(jié)果如表2所示。

3 實證結(jié)果分析

3.1 基準(zhǔn)回歸

在選擇模型階段，本文使用混合截面模型、固定效應(yīng)模型及隨機效應(yīng)模型，通過F檢驗、BP-LM檢驗、豪斯曼檢驗來確定最優(yōu)模型。結(jié)果顯示，固定效應(yīng)模型明顯優(yōu)于隨機效應(yīng)和混合截面模型，因此本文選用固定效應(yīng)模型進(jìn)行回歸，最終結(jié)果如表3所示。

表3列（1）為控制省份和時間固定效應(yīng)下的結(jié)果，可知數(shù)字經(jīng)濟(jì)的回歸系數(shù)未通過顯著性檢驗，說明數(shù)字經(jīng)濟(jì)和交通運輸行業(yè)碳排放量間并未存在明顯的線性關(guān)系。

表3列（2）至列（4）則加入了數(shù)字經(jīng)濟(jì)的二次項，表明在控制省份和時間固定效應(yīng)后，數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放量的一次項系數(shù)在5%水平上顯著為正，而二次項系數(shù)在5%水平上顯著為負(fù)，表明數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)的碳排放呈現(xiàn)出先增加后減少的作用，即兩者間存在“倒U型”曲線關(guān)系。因此，假設(shè)1得到驗證。

3.2 穩(wěn)健性分析

為了驗證上述基準(zhǔn)回歸結(jié)果的準(zhǔn)確性，本文使用以下三種方法進(jìn)行驗證，具體結(jié)果如表4所示。

（1）替換解釋變量。本文使用因子分析法重新計算數(shù)字經(jīng)濟(jì)發(fā)展水平的綜合指標(biāo)。

具體結(jié)果如表4列（1）所示。變更計算方法后，數(shù)字經(jīng)濟(jì)的一次項系數(shù)在10%的顯著水平上為正，二次項系數(shù)則在1%的顯著水平上為負(fù)，與基準(zhǔn)回歸結(jié)果一致。

（2）替換被解釋變量。本文采用人均碳排放量替換原被解釋變量。

表4列（2）結(jié)果顯示，數(shù)字經(jīng)濟(jì)的一次項和二次項系數(shù)在5%水平上分別為正、負(fù)，說明本文的基準(zhǔn)回歸結(jié)果是穩(wěn)健的。

（3）內(nèi)生性問題。產(chǎn)生內(nèi)生性問題的主要原因有三點：

第一，雙向交互影響，即數(shù)字經(jīng)濟(jì)在對交通運輸行業(yè)碳排放產(chǎn)生影響的同時，后者也對數(shù)字經(jīng)濟(jì)構(gòu)成一定的影響；

第二，遺漏變量，雖然本文納入了一定的控制變量，但仍存在對交通運輸行業(yè)的碳排放產(chǎn)生影響的其他變量，這些變量并未被考慮進(jìn)模型中；

第三，測量誤差，由于本文的碳排放量和數(shù)字經(jīng)濟(jì)發(fā)展水平綜合指標(biāo)都是根據(jù)公式進(jìn)行測算的，所以結(jié)果可能存在誤差。

針對以上問題，本文將數(shù)字經(jīng)濟(jì)及其二次項的滯后項作為工具變量[23]，采用兩階段最小二乘法進(jìn)行回歸，具體結(jié)果如表5所示。

第一階段的結(jié)果表明，工具變量與其相對應(yīng)內(nèi)生變量是顯著相關(guān)的；

第二階段結(jié)果表明，數(shù)字經(jīng)濟(jì)和交通運輸行業(yè)碳排放間依舊存在顯著的“倒U型”關(guān)系，且影響效果強于基準(zhǔn)回歸。

因此，原基準(zhǔn)回歸結(jié)果具有穩(wěn)健性，假設(shè)1得到進(jìn)一步的驗證。

3.3 門檻效應(yīng)分析

通過非線性關(guān)系的檢驗后，本文引入門檻效應(yīng)模型，以數(shù)字經(jīng)濟(jì)發(fā)展水平為門檻變量，進(jìn)行“重復(fù)自抽樣法”400次來探究當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平到達(dá)哪個門檻值后會引起交通運輸行業(yè)碳排放的變化。由表6可知，只通過了單一門檻檢驗，且在5%的水平上顯著，門檻值為-1.118，表明數(shù)字經(jīng)濟(jì)和交通運輸行業(yè)碳排放間的確存在非線性關(guān)系。根據(jù)表7的回歸結(jié)果可知，當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平低于門檻值-1.118時，數(shù)字經(jīng)濟(jì)發(fā)展水平的提升會顯著增加交通運輸行業(yè)的碳排放。在數(shù)字經(jīng)濟(jì)的發(fā)展前期，雖然其發(fā)展水平不斷提升，但其中投入了大量的資源，且在此過程中會忽視綠色發(fā)展，導(dǎo)致交通運輸行業(yè)的碳排放量產(chǎn)生增長。當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平的指數(shù)超過門檻值后，數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的影響并不顯著，可能是由于數(shù)字經(jīng)濟(jì)發(fā)展的紅利還未及時對交通運輸行業(yè)產(chǎn)生效應(yīng)。

3.4 作用機制檢驗

由表8列（1）可知，數(shù)字經(jīng)濟(jì)的一次項系數(shù)在10%水平上顯著為負(fù)，而二次項系數(shù)在1%水平上為正，說明數(shù)字經(jīng)濟(jì)和交通運輸結(jié)構(gòu)間存在顯著的“U型”關(guān)系。這是因為在數(shù)字經(jīng)濟(jì)發(fā)展前期，交通運輸領(lǐng)域仍以公路運輸為主要方式，運輸結(jié)構(gòu)占比失衡。隨著經(jīng)濟(jì)發(fā)展水平的提升，交通網(wǎng)絡(luò)日漸完善，鐵路、水運和航空運輸網(wǎng)絡(luò)的覆蓋率提高，實現(xiàn)了客運與貨運結(jié)構(gòu)的優(yōu)化升級。

加入交通運輸結(jié)構(gòu)后的回歸結(jié)果如表8列（2）所示，數(shù)字經(jīng)濟(jì)和交通運輸行業(yè)的碳排放間仍存在“倒U型”關(guān)系，且系數(shù)均發(fā)生了改變，交通運輸結(jié)構(gòu)的系數(shù)也在1%水平上顯著為負(fù)，說明改變交通運輸結(jié)構(gòu)這一路徑是有效的。根據(jù)國家統(tǒng)計局發(fā)布的數(shù)據(jù)，2022年我國公路客運量占總客運量的比例為63.47%，貨運量占比為72.04%，所以公路運輸在我國運輸行業(yè)中占據(jù)主導(dǎo)地位。公路運輸中，貨車占比超過一半，而貨車以化石能源為燃料，無疑增加了交通運輸行業(yè)的碳排放。因此，目前的交通運輸結(jié)構(gòu)有待轉(zhuǎn)型升級，尚不能滿足降碳的目標(biāo)，這也驗證了假設(shè)2。

4 結(jié)語

本文基于2010—2021年的省際面板數(shù)據(jù)，采用雙向固定效應(yīng)模型、面板門檻效應(yīng)模型分析了數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)碳排放的具體影響及作用機制。第一，數(shù)字經(jīng)濟(jì)與我國交通運輸行業(yè)碳排放之間存在非線性關(guān)系，主要表現(xiàn)為“倒U型”。該結(jié)論經(jīng)過一系列穩(wěn)健性檢驗后依然成立。第二，經(jīng)過門檻檢驗發(fā)現(xiàn)，當(dāng)數(shù)字經(jīng)濟(jì)發(fā)展水平小于門檻值-1.118時，數(shù)字經(jīng)濟(jì)發(fā)展水平的提升會顯著增加交通運輸行業(yè)的碳排放。第三，中介檢驗的結(jié)果顯示，交通運輸結(jié)構(gòu)是數(shù)字經(jīng)濟(jì)賦能交通運輸行業(yè)碳減排的有效路徑。

基于以上結(jié)論，本文得出幾點政策建議：

（1）加大數(shù)字經(jīng)濟(jì)對交通運輸行業(yè)的輻射帶動作用，實現(xiàn)兩者的融合發(fā)展，提升交通運輸領(lǐng)域的數(shù)字化水平。借助數(shù)字經(jīng)濟(jì)，推動高新技術(shù)和交通運輸產(chǎn)業(yè)的融合，助力交通領(lǐng)域早日實現(xiàn)數(shù)字化轉(zhuǎn)型升級。加速數(shù)字交通產(chǎn)業(yè)的建設(shè)，優(yōu)化大數(shù)據(jù)決策平臺、公共交通監(jiān)管系統(tǒng)等一系列設(shè)施，加快實現(xiàn)交通運輸?shù)娜^程數(shù)字化和智能化。

（2）升級優(yōu)化交通運輸結(jié)構(gòu)。目前，公路運輸是交通領(lǐng)域碳排放的主要來源，作為公路運輸主體的貨車需要消耗大量的化石燃料，所以政府應(yīng)積極推進(jìn)多式聯(lián)運發(fā)展，充分利用鐵路和水路，實現(xiàn)大宗貨物“公轉(zhuǎn)鐵”“公轉(zhuǎn)水”，構(gòu)建高效的綠色運輸體系。

參考文獻(xiàn)

呂雁琴，范天正，張晉寧.中國交通運輸碳排放效率的時空異質(zhì)性及影響因素研究[J].生態(tài)經(jīng)濟(jì)，2023，39（3）：13-22.

黃群慧，余泳澤，張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機制與中國經(jīng)驗[J].中國工業(yè)經(jīng)濟(jì)，2019（8）：5-23.

Chuanyu Z ，Zhongquan L ，Xianfeng Y. Does the Digital Economy Increase Green TFP in Cities？[J].International Journal of Environmental Research and Public Health，2023，20（2）.

焦勇.數(shù)字經(jīng)濟(jì)賦能制造業(yè)轉(zhuǎn)型：從價值重塑到價值創(chuàng)造[J].經(jīng)濟(jì)學(xué)家，2020（6）：87-94.

陳曉東，楊曉霞.數(shù)字經(jīng)濟(jì)發(fā)展對產(chǎn)業(yè)結(jié)構(gòu)升級的影響： 基于灰關(guān)聯(lián)熵與耗散結(jié)構(gòu)理論的研究[J].改革，2021（3）：26-39.

徐維祥，周建平，劉程軍.數(shù)字經(jīng)濟(jì)發(fā)展對城市碳排放影響的空間效應(yīng)[J].地理研究，2022，41（1）：111-129.

Lv X ，Yu H ，Zhang Y. The Impact of the Digital Economy on Chinas Carbon Emissions[J]. International Journal of Economics， Finance and Management Sciences，2022，10（3）.

王勇，韓舒婉，李嘉源，等.五大交通運輸方式碳達(dá)峰的經(jīng)驗分解與情景預(yù)測： 以東北三省為例[J].資源科學(xué)，2019，41（10）：1824-1836.

Rongrong L ，Lejia L ，Qiang W .The impact of energy efficiency on carbon emissions： Evidence from the transportation sector in Chinese 30 provinces. [J]. Sustainable Cities and Society，2022，82.

焦萍，張帥.數(shù)字化對交通運輸碳排放強度的影響： 基于省際面板數(shù)據(jù)的實證考察[J].華東經(jīng)濟(jì)管理，2023，37（1）：15-23.

Tingting B ，Yong Q ，Zihao L， et al. Digital economy， industrial transformation and upgrading， and spatial transfer of carbon emissions： The paths for low-carbon transformation of Chinese cities.[J]. Journal of environmental management，2023，344.

Lu Z ，Renyan M ，Yuanfang Z，et al. Digital economy， energy efficiency， and carbon emissions： Evidence from provincial panel data in China.[J]. The Science of the total environment，2022，852.

王山，余東華.數(shù)字經(jīng)濟(jì)的降碳效應(yīng)與作用路徑研究： 基于中國制造業(yè)碳排放效率的經(jīng)驗考察[J].科學(xué)學(xué)研究，2024（2）： 310-321.

Juan L ，Qinmei W. Impact of the Digital Economy on the Carbon Emissions of Chinas Logistics Industry[J]. Sustainability，2022，14（14）.

葉菁文，范劍勇.交通基礎(chǔ)設(shè)施、區(qū)際貿(mào)易與地區(qū)經(jīng)濟(jì)發(fā)展： 以公路為例[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（6）：48-68.

田佩寧，毛保華，童瑞詠，等.我國交通運輸行業(yè)及不同運輸方式的碳排放水平和強度分析[J].氣候變化研究進(jìn)展，2023，19（3）：347-356.

鈔小靜，薛志欣，孫藝鳴.新型數(shù)字基礎(chǔ)設(shè)施如何影響對外貿(mào)易升級： 來自中國地級及以上城市的經(jīng)驗證據(jù)[J].經(jīng)濟(jì)科學(xué)，2020（3）：46-59.

Jin H ，Hong Z ，Muhammad Irfan .How does digital infrastructure construction affect low-carbon development？ A multidimensional interpretation of evidence from China[J]. Journal of Cleaner Production，2023，396.

溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展[J].心理科學(xué)進(jìn)展，2014，22（5）：731-745.

趙濤，張智，梁上坤.數(shù)字經(jīng)濟(jì)、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展： 來自中國城市的經(jīng)驗證據(jù)[J].管理世界，2020，36（10）：65-76.

Guan Y ，Shan Y ，Huang Q， et al. Assessment to Chinas Recent Emission Pattern Shifts[J]. Earths Future，2021，9（11）.

郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：1401-1418.

任曉松，孫莎.數(shù)字經(jīng)濟(jì)對中國城市工業(yè)碳生產(chǎn)率的賦能效應(yīng)[J].資源科學(xué)，2022，44（12）：2399-2414.