數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的空間溢出效應(yīng)及異質(zhì)性分析

〔摘 要〕 數(shù)字經(jīng)濟(jì)依托于數(shù)字化技術(shù)攜帶的環(huán)保效應(yīng)不僅直接影響碳排放， 還會(huì)通過(guò)空間溢出效應(yīng)間接影響區(qū)域碳減排績(jī)效。本文基于２０１０～２０２２ 年我國(guó)３０ 個(gè)?。▍^(qū)、市）面板數(shù)據(jù)， 運(yùn)用ＳＴＩＲＰＡＴ 模型及空間杜賓模型檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的空間溢出效應(yīng)及異質(zhì)性作用。研究發(fā)現(xiàn)： 數(shù)字經(jīng)濟(jì)對(duì)碳減排績(jī)效具有顯著促進(jìn)作用， 能夠有效促進(jìn)本地區(qū)碳減排； 數(shù)字經(jīng)濟(jì)發(fā)展水平提升可顯著提高周邊區(qū)域碳減排績(jī)效， 產(chǎn)生明顯碳減排治理空間溢出效應(yīng)； 在“ 胡煥庸線(xiàn)” 東南側(cè)區(qū)域， 數(shù)字經(jīng)濟(jì)對(duì)碳減排績(jī)效的提升效果最為突出。

〔關(guān)鍵詞〕 數(shù)字經(jīng)濟(jì) 區(qū)域碳減排 ＳＴＩＲＰＡＴ 模型 空間杜賓模型 空間溢出效應(yīng) 異質(zhì)性分析

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００４－９１０Ｘ．２０２４．０６．００９

〔中圖分類(lèi)號(hào)〕Ｆ２０６； Ｆ４９ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ

引 言

中國(guó)作為世界上最大的發(fā)展中國(guó)家， 一直積極參與全球環(huán)境與氣候治理， 提出“２０３０ 年前實(shí)現(xiàn)碳達(dá)峰、２０６０ 年前實(shí)現(xiàn)碳中和的目標(biāo)”。此后， 我國(guó)針對(duì)碳減排出臺(tái)“碳中和１＋ｎ 政策體系”， 均強(qiáng)調(diào)以脫碳減排和節(jié)能增效為重點(diǎn)， 借助低碳與零碳技術(shù)創(chuàng)新應(yīng)用強(qiáng)化能源配置結(jié)構(gòu)， 提升碳減排績(jī)效， 最終實(shí)現(xiàn)經(jīng)濟(jì)綠色低碳轉(zhuǎn)型。尤其鑒于我國(guó)各地區(qū)差異化發(fā)展結(jié)構(gòu)， 國(guó)務(wù)院發(fā)布《２０３０年前碳達(dá)峰行動(dòng)方案》， 要求各地區(qū)按照國(guó)家整體部署， 結(jié)合地方環(huán)境資源、發(fā)展階段、產(chǎn)業(yè)布局，科學(xué)制定碳達(dá)峰行動(dòng)方案， 差異化實(shí)現(xiàn)降碳減排。地方政府基于國(guó)家雙碳轉(zhuǎn)型戰(zhàn)略， “摸清家底” 科學(xué)制定低碳發(fā)展轉(zhuǎn)型方案， 著力提升區(qū)域碳減排績(jī)效。但受地區(qū)生產(chǎn)結(jié)構(gòu)轉(zhuǎn)型以及高耗能行業(yè)密度影響， 我國(guó)各地區(qū)碳排放量不盡相同， 加大了綜合碳減排目標(biāo)的達(dá)成難度。從信達(dá)證券發(fā)布《深度解讀“能耗雙控”》報(bào)告悉知， 我國(guó)西北、華北、東北地區(qū)能耗強(qiáng)度均較高， 而發(fā)達(dá)?。▍^(qū)、市）能耗普遍較低?；诖耍?積極探尋區(qū)域碳減排績(jī)效影響因素， 對(duì)于提升區(qū)域碳減排績(jī)效、助力雙碳目標(biāo)早日達(dá)成尤為重要。

國(guó)務(wù)院發(fā)布的《２０３０ 年前碳達(dá)峰行動(dòng)方案》提出， “推進(jìn)工業(yè)領(lǐng)域數(shù)字化智能化綠色化融合發(fā)展”。全球氣候行動(dòng)峰會(huì)頒發(fā)的《指數(shù)氣候行動(dòng)路線(xiàn)圖》也強(qiáng)調(diào)， “在能源、制造業(yè)、農(nóng)業(yè)和土地使用、建筑、服務(wù)、運(yùn)輸和交通管理中實(shí)行數(shù)字解決方案， 這項(xiàng)技術(shù)可以幫助減少高達(dá)１５％的全球碳排放， 也就是２０３０ 年所需減少５０％碳排放目標(biāo)的１／３”。數(shù)字經(jīng)濟(jì)與綠色發(fā)展深度融合， 促使數(shù)字技術(shù)廣泛滲透于煤電行業(yè)、建筑行業(yè)、交通行業(yè)等領(lǐng)域， 通過(guò)提高全要素生產(chǎn)率帶動(dòng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)、促進(jìn)能源高效利用并降低碳排放量［１］ 。尤其伴隨數(shù)字經(jīng)濟(jì)深入各領(lǐng)域， 社會(huì)生產(chǎn)生活方式逐漸趨于經(jīng)濟(jì)化、綠色化， 影響區(qū)域能源消費(fèi)結(jié)構(gòu)， 大幅降低區(qū)域碳排放量［２］ 。隨著各行業(yè)數(shù)字化轉(zhuǎn)型步伐加快， 地區(qū)生產(chǎn)運(yùn)營(yíng)形成示范效應(yīng)，逐漸消除區(qū)域間產(chǎn)業(yè)協(xié)同發(fā)展障礙， 助力鄰近地區(qū)產(chǎn)業(yè)數(shù)字化、智能化轉(zhuǎn)型， 促進(jìn)鄰域碳減排績(jī)效提升。針對(duì)于此， 探討數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的影響以及空間溢出效應(yīng)具有重要的現(xiàn)實(shí)意義。

從現(xiàn)有研究來(lái)看， 就數(shù)字經(jīng)濟(jì)與碳排放而言，馮蘭剛等（２０２３）［３］ 借助固定效應(yīng)、中介效應(yīng)與門(mén)檻效應(yīng)模型， 探討發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)每提升１％水平， 能夠促使碳排放強(qiáng)度降低０ ３９０％。謝云飛（２０２２）［４］ 采用２０１１～２０１８ 年省際面板數(shù)據(jù)， 探討得知數(shù)字經(jīng)濟(jì)發(fā)展可顯著降低區(qū)域碳排放強(qiáng)度，且“數(shù)字產(chǎn)業(yè)化” 的碳減排效應(yīng)更為突出。王香艷和李金葉（２０２２）［５］ 同樣借助省級(jí)面板數(shù)據(jù)， 采用固定效應(yīng)模型分析發(fā)現(xiàn)， 數(shù)字經(jīng)濟(jì)分別與能源消費(fèi)、碳排放呈正“Ｕ” 型、倒“Ｕ” 型關(guān)系。就數(shù)字經(jīng)濟(jì)與碳生產(chǎn)率而言， 黎新伍等（２０２２）［６］ 結(jié)合２０１１～２０１９ 年省級(jí)層面數(shù)據(jù)檢驗(yàn)發(fā)現(xiàn)， 數(shù)字經(jīng)濟(jì)與碳生產(chǎn)率提升存在正向相關(guān)關(guān)系， 且技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)與資源配置效率在二者關(guān)系中具有中介作用。郭風(fēng)等（２０２２）［７］ 采用中介效應(yīng)模型探討得出， 數(shù)字經(jīng)濟(jì)對(duì)碳生產(chǎn)率具有重要作用，存在技術(shù)創(chuàng)新中介機(jī)制。就數(shù)字經(jīng)濟(jì)與低碳、綠色發(fā)展而言， 常皓亮和夏飛龍（２０２３）［８］ 借助２０１１～２０１９ 年中國(guó)內(nèi)地２７１ 個(gè)地級(jí)及以上城市面板數(shù)據(jù)，實(shí)證得出數(shù)字經(jīng)濟(jì)通過(guò)能源利用效率提升、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型兩大路徑， 助力城市低碳轉(zhuǎn)型。張傳兵和居來(lái)提·色依提（２０２３）［９］ 通過(guò)考察數(shù)字經(jīng)濟(jì)對(duì)城市綠色經(jīng)濟(jì)轉(zhuǎn)型的影響， 發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)通過(guò)提升政府環(huán)保投資、增強(qiáng)公眾關(guān)注度與促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)等方式， 助力綠色經(jīng)濟(jì)轉(zhuǎn)型發(fā)展。張杰等（２０２２）［１０］ 利用２０１１ ～２０１８ 年中國(guó)地級(jí)市面板數(shù)據(jù)， 研究得出數(shù)字經(jīng)濟(jì)可經(jīng)由推動(dòng)綠色技術(shù)進(jìn)步、能源效率提升與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化等方式， 賦能城市低碳轉(zhuǎn)型。

上述文獻(xiàn)為本文研究提供豐富理論基礎(chǔ)， 但并未涉足數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效可能存在的空間溢出效應(yīng)。據(jù)此， 本文采用２０１０～２０２２ 年３０ 個(gè)省（區(qū)、市）面板數(shù)據(jù)， 探討數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的空間溢出效應(yīng)。本文采用空間相關(guān)性分析方法， 分別研究數(shù)字經(jīng)濟(jì)與區(qū)域碳減排績(jī)效的空間自相關(guān)情況， 為各地區(qū)明晰本土數(shù)字經(jīng)濟(jì)發(fā)展水平與碳減排績(jī)效提供支撐； 借助ＳＴＩＲＰＡＴ 模型及空間杜賓模型， 分析數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的空間溢出效應(yīng)， 豐富了數(shù)字經(jīng)濟(jì)影響碳減排的作用路徑； 結(jié)合我國(guó)各區(qū)域資源稟賦、產(chǎn)業(yè)布局、發(fā)展進(jìn)程存在明顯差異的現(xiàn)實(shí)情況， 就數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的影響展開(kāi)異質(zhì)性分析，為各地區(qū)因時(shí)因勢(shì)、因地制宜采取差異化低碳轉(zhuǎn)型舉措提供參照。

１ 研究假設(shè)

１. １ 數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的“本地效應(yīng)”

隨著數(shù)字經(jīng)濟(jì)快速發(fā)展， 數(shù)字化技術(shù)覆蓋面逐步擴(kuò)大， 改變了居民生活方式以及企業(yè)生產(chǎn)方式，對(duì)區(qū)域碳減排績(jī)效產(chǎn)生直接積極影響。（１） 數(shù)字經(jīng)濟(jì)經(jīng)由優(yōu)化生產(chǎn)流程， 降低單位能耗。數(shù)字經(jīng)濟(jì)時(shí)代下， 各行業(yè)借助數(shù)字技術(shù)對(duì)傳統(tǒng)生產(chǎn)流程與方式進(jìn)行重構(gòu)， 以智能化生產(chǎn)代替以往高能耗流程， 提升綜合能源利用效率， 達(dá)到顯著碳減排效果， 利于區(qū)域碳減排績(jī)效提高［１１］ ； （２） 數(shù)字經(jīng)濟(jì)經(jīng)由優(yōu)化能源配置， 提升能源利用率。隨著數(shù)字技術(shù)日益成熟， 諸多領(lǐng)域開(kāi)始將新技術(shù)應(yīng)用于電力在內(nèi)的新能源調(diào)配［１２］ 。如將區(qū)塊鏈技術(shù)應(yīng)用于分布式電力網(wǎng)絡(luò)， 促使電力資源在社會(huì)范圍內(nèi)合理配置， 降低碳排放量， 提升區(qū)域碳減排及績(jī)效； （３） 數(shù)字經(jīng)濟(jì)經(jīng)由改變公眾生活習(xí)慣， 減少碳排放量。數(shù)字經(jīng)濟(jì)衍生的共享經(jīng)濟(jì)深入發(fā)展，通過(guò)協(xié)調(diào)與共享域內(nèi)資源改變公眾傳統(tǒng)高耗能生活習(xí)慣， 降低制造與使用關(guān)聯(lián)產(chǎn)品產(chǎn)生的能耗與碳排放， 大規(guī)模節(jié)約能耗、減少碳排放， 促進(jìn)區(qū)域碳減排績(jī)效大幅提升［１３］ 。據(jù)此， 提出假設(shè)：

假設(shè)１： 數(shù)字經(jīng)濟(jì)發(fā)展可以提升本區(qū)域碳減排績(jī)效。

１. ２ 數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的“鄰地效應(yīng)”

數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的“鄰地效應(yīng)”是指數(shù)字經(jīng)濟(jì)對(duì)于區(qū)域碳減排績(jī)效產(chǎn)生的空間溢出效應(yīng)。（１） 數(shù)字經(jīng)濟(jì)通過(guò)發(fā)揮綠色生產(chǎn)要素的空間集聚與擴(kuò)散效應(yīng)， 提高鄰地碳減排績(jī)效。在數(shù)字經(jīng)濟(jì)賦能下， 傳統(tǒng)行業(yè)在實(shí)現(xiàn)組織結(jié)構(gòu)變革與生產(chǎn)方式優(yōu)化的過(guò)程中， 會(huì)使得區(qū)域內(nèi)綠色生產(chǎn)要素呈現(xiàn)出空間集聚發(fā)展趨勢(shì)［１４］ 。隨著生產(chǎn)要素?cái)U(kuò)散應(yīng)用， 鄰域地區(qū)生產(chǎn)過(guò)程中的能源投入逐漸被替代， 降低投入產(chǎn)出損耗， 實(shí)現(xiàn)碳排放“減增量” “去存量”， 為鄰地碳減排績(jī)效提升創(chuàng)造良好環(huán)境。且當(dāng)綠色生產(chǎn)要素?cái)U(kuò)散至鄰域時(shí)， 各類(lèi)生產(chǎn)要素嵌入應(yīng)用可助推當(dāng)?shù)禺a(chǎn)業(yè)與能源結(jié)構(gòu)優(yōu)化， 減少生產(chǎn)生活對(duì)能源的過(guò)度消耗， 從而提升鄰近地區(qū)碳減排績(jī)效； （２） 數(shù)字經(jīng)濟(jì)通過(guò)發(fā)揮產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)， 促進(jìn)鄰地碳減排績(jī)效提高。依托于現(xiàn)代化數(shù)字技術(shù)， 數(shù)字經(jīng)濟(jì)突破傳統(tǒng)物理空間桎梏， 并弱化經(jīng)濟(jì)活動(dòng)地理邊界， 強(qiáng)化區(qū)域間產(chǎn)業(yè)關(guān)聯(lián)度［１５］ 。這促使本地區(qū)數(shù)字經(jīng)濟(jì)推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)過(guò)程中， 可優(yōu)化鄰地生產(chǎn)方式與結(jié)構(gòu)， 逐漸減少鄰地環(huán)境污染與能耗， 提升鄰域碳減排績(jī)效。據(jù)此， 提出假設(shè)：

假設(shè)２： 本地?cái)?shù)字經(jīng)濟(jì)發(fā)展可助推鄰地碳減排績(jī)效提升。

２ 模型構(gòu)建與變量選取

２. １ 基準(zhǔn)模型

ＩＰＡＴ 模型將環(huán)境（Ｉ）、人口（Ｐ）、經(jīng)濟(jì)（Ａ）、技術(shù)（Ｔ）納入統(tǒng)一框架， 試圖通過(guò)數(shù)學(xué)模型描述各因素和環(huán)境變化間的關(guān)系。為探究更多因素對(duì)環(huán)境變化的影響， 將ＩＰＡＴ 模型擴(kuò)展為ＳＴＩＲＰＡＴ 進(jìn)行研究， 具體公式如下所示：

Ｉ ＝ａ×Ｐｂ ×Ａｃ ×Ｔｄ ×ｅ （１）

其中， 模型整體系數(shù)用ａ 表示， 環(huán)境壓力用Ｉ 表示， 人口規(guī)模用Ｐ 表示， 經(jīng)濟(jì)發(fā)展水平用Ａ表示， 技術(shù)水平用Ｔ 表征， ｂ 為人口規(guī)模的影響系數(shù)， ｃ 為經(jīng)濟(jì)發(fā)展水平影響系數(shù)， ｄ 為技術(shù)發(fā)展水平影響系數(shù)， ｅ 表示誤差項(xiàng)。此外， 采用隨機(jī)形式表征模型。這主要是由于隨機(jī)形式模型不但允許各系數(shù)作為參數(shù)進(jìn)行回歸估計(jì)分析， 還能夠?qū)Ω饔绊懸蛩剡M(jìn)行分解。鑒于此， 已有相關(guān)研究大多對(duì)ＳＴＩＲＰＡＴ 模型開(kāi)展取對(duì)數(shù)處理， 具體形式如下所示：

ｌｎＩ ＝ｌｎａ＋ｂ（ｌｎＰ）＋ｃ（ｌｎＡ）＋ｄ（ｌｎＴ）＋ｌｎｅ （２）

ＳＴＩＲＰＡＴ 模型框架具有較強(qiáng)開(kāi)放性。因此，已有研究在利用ＳＴＩＲＰＡＴ 模型進(jìn)行分析時(shí)大多會(huì)依據(jù)研究主題進(jìn)行調(diào)整。本研究核心解釋變量為數(shù)字經(jīng)濟(jì)， 據(jù)此優(yōu)化ＳＴＩＲＰＡＴ 模型， 擴(kuò)充為由人口密度、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平以及數(shù)字經(jīng)濟(jì)組成的基礎(chǔ)框架。此外， 考慮到數(shù)字經(jīng)濟(jì)與區(qū)域碳減排績(jī)效二者間可能存在空間相關(guān)關(guān)系， 因此建立空間計(jì)量模型進(jìn)行分析， 如下所示：

ｌｎＩｉｔ ＝α＋ρＷｌｎＩｊｔ ＋βｌｎＸｉｔ ＋θＷｌｎＸｊｔ ＋μｉ ＋νｔ ＋εｉｔ （３）

εｉｔ ＝φＷεｊｔ ＋ξｉｔ

式中， 空間權(quán)重矩陣用Ｗ 表示， 區(qū)域碳減排績(jī)效用Ｉ 表示， 影響區(qū)域碳減排績(jī)效的變量用Ｘ表示， 時(shí)間效應(yīng)用νｔ 表示， 地區(qū)效應(yīng)用μｉ 表示，殘差項(xiàng)為εｉｔ ， ρ 表示空間自回歸項(xiàng)對(duì)應(yīng)系數(shù)， 其他區(qū)域自變量影響系數(shù)為θ， 空間誤差項(xiàng)系數(shù)為φ。通常情況下， 空間計(jì)量模型會(huì)考慮解釋變量、被解釋變量以及誤差項(xiàng)之間的交互效應(yīng)， 是一種包含所有空間效應(yīng)的探討模型。該屬性決定在使用空間計(jì)量模型前需開(kāi)展ＬＭ、ＬＲ、Ｗａｌｄ 等檢驗(yàn)，進(jìn)而根據(jù)結(jié)果確定使用何種模型進(jìn)行分析。

２. ２ 空間權(quán)重矩陣

本文利用鄰接矩陣、地理距離矩陣和經(jīng)濟(jì)距離矩陣３ 種常用的空間權(quán)重矩陣測(cè)度省（區(qū)、市）間的距離， 其具體權(quán)重矩陣設(shè)定如下：

（１） 鄰接矩陣

式中Ｗ１ 代表鄰接矩陣， 為目前研究中應(yīng)用較為廣泛的二值空間權(quán)重矩陣。

（２） 地理距離矩陣

式中， Ｗ２ 為地理距離矩陣， 采用省會(huì)城市間球面距離平方倒數(shù)計(jì)算。

（３） 經(jīng)濟(jì)距離矩陣

上述公式中， Ｗ３ 為經(jīng)濟(jì)距離矩陣， 主要用于測(cè)算?。▍^(qū)、市）間經(jīng)濟(jì)發(fā)展水平的差異， 利用各?。▍^(qū)、市）ＧＤＰ 差值絕對(duì)值倒數(shù)表示。

２. ３ 指標(biāo)變量選取

（１） 被解釋變量

區(qū)域碳減排績(jī)效（ＣＲＰ）。本文借鑒李志學(xué)等（２０１９）［１６］ 研究成果， 利用能夠代表各地區(qū)碳減排績(jī)效的碳排量變動(dòng)率衡量區(qū)域碳減排績(jī)效。其中，碳排放量變動(dòng)率是指當(dāng)年碳排放總量較上一年碳排放總量的變化百分比（％）。

（２） 解釋變量

數(shù)字經(jīng)濟(jì)（Ｄ）。由聯(lián)合國(guó)對(duì)數(shù)字經(jīng)濟(jì)概念的界定可知， 數(shù)字經(jīng)濟(jì)是疊加數(shù)字技術(shù)發(fā)展的平臺(tái)經(jīng)濟(jì)、共享經(jīng)濟(jì)、數(shù)字服務(wù)等商業(yè)活動(dòng)， 構(gòu)成所有與數(shù)字化相關(guān)的經(jīng)濟(jì)活動(dòng)， 涵蓋數(shù)字產(chǎn)業(yè)化與產(chǎn)業(yè)數(shù)字化兩個(gè)部分。且中國(guó)信息通信研究院發(fā)布《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展報(bào)告（２０２２）》中， 從數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化、數(shù)字化治理及數(shù)據(jù)價(jià)值化四方面， 搭建數(shù)字經(jīng)濟(jì)評(píng)價(jià)指標(biāo)體系。同時(shí)， 部分學(xué)者也從數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化入手測(cè)度數(shù)字經(jīng)濟(jì)發(fā)展水平［１７，１８］ 。此外， 作為數(shù)字經(jīng)濟(jì)發(fā)展基石， 數(shù)字基建建設(shè)水平提升能夠強(qiáng)化５Ｇ、云計(jì)算、大數(shù)據(jù)等新興信息化技術(shù)對(duì)產(chǎn)業(yè)數(shù)字化與數(shù)字產(chǎn)業(yè)化的賦能作用。由此， 結(jié)合《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展報(bào)告（２０２２）》和已有文獻(xiàn)［１９，２０］ ， 從數(shù)字產(chǎn)業(yè)發(fā)展、產(chǎn)業(yè)數(shù)字化水平以及數(shù)字基建３ 個(gè)維度出發(fā)， 遵循客觀(guān)、全面、科學(xué)及有效等原則提煉二級(jí)指標(biāo)， 最終構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)體系， 如表１所示。

根據(jù)上述構(gòu)建的評(píng)價(jià)指標(biāo)體系， 利用我國(guó)３０個(gè)省（區(qū)、市）（由于西藏和港、澳、臺(tái)地區(qū)數(shù)據(jù)缺失嚴(yán)重， 不納入考察范圍）２０１０ ～ ２０２２ 年面板數(shù)據(jù)， 借助主成分分析法測(cè)度得到３ 個(gè)特征值大于１ 且能夠反映數(shù)據(jù)信息量的數(shù)字經(jīng)濟(jì)發(fā)展水平。在具體計(jì)算過(guò)程中， 第一步是將主成分的方差貢獻(xiàn)率作為權(quán)重， 獲得二級(jí)指標(biāo)權(quán)重； 第二步是在此基礎(chǔ)上， 獲得一級(jí)指標(biāo)權(quán)重； 第三步， 在上述操作的基礎(chǔ)上， 利用ＭＡＴＬＡＢ 軟件獲得各區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展水平。

（３） 控制變量

為提高回歸結(jié)果的可靠性， 避免遺漏變量導(dǎo)致計(jì)算偏差，參考Ｋｉｍ 等（２０１６）［２１］ 、劉娟等（２０２３）［２２］ 、劉璇等（２０２３）［２３］ 的研究， 選取區(qū)域碳減排績(jī)效的其他影響因素： 人口密度（Ｐ）、經(jīng)濟(jì)發(fā)展水平（Ａ）、技術(shù)水平（Ｔ）、外商投資（ＦＤＩ）、產(chǎn)權(quán)性質(zhì)（ＳＯＥ）、出口比例（Ｅｘｐｏｒｔ）。人口密度采用人口總數(shù)占行政區(qū)所有土地總面積的比重衡量； 經(jīng)濟(jì)發(fā)展水平利用ＧＤＰ 增長(zhǎng)率反映； 技術(shù)水平采用科學(xué)技術(shù)研究投入經(jīng)費(fèi)占ＧＤＰ 的比重表示； 外商直接投資采用各國(guó)當(dāng)年直接投資總額表征； 產(chǎn)權(quán)性質(zhì)為國(guó)有企業(yè)賦值為１， 非國(guó)有企業(yè)賦值為０； 出口比例利用海外銷(xiāo)售占銷(xiāo)售收入比例表征， 各變量描述性統(tǒng)計(jì)見(jiàn)表２。

２. ４ 數(shù)據(jù)來(lái)源

以２０１０～２０２２ 年我國(guó)３０ 個(gè)省（區(qū)、市）為研究對(duì)象， 探究數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的影響。數(shù)字經(jīng)濟(jì)測(cè)度指標(biāo)原始數(shù)據(jù)主要來(lái)自北京大學(xué)發(fā)布的數(shù)字普惠金融指數(shù)報(bào)告、中國(guó)統(tǒng)計(jì)年鑒、中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)、中國(guó)互聯(lián)網(wǎng)信息中心、中國(guó)科技統(tǒng)計(jì)年鑒， 少量缺失數(shù)據(jù)采用移動(dòng)平均法補(bǔ)齊。區(qū)域碳減排績(jī)效數(shù)據(jù)主要來(lái)自中國(guó)統(tǒng)計(jì)年鑒、中國(guó)能源統(tǒng)計(jì)年鑒、中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒。宏觀(guān)層面控制變量數(shù)據(jù)主要來(lái)自中國(guó)環(huán)境統(tǒng)計(jì)年鑒、中國(guó)科技統(tǒng)計(jì)年鑒、中國(guó)能源統(tǒng)計(jì)年鑒、國(guó)研網(wǎng)。此外， 基于模型對(duì)數(shù)特征， 對(duì)模型中碳排放績(jī)效、經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、對(duì)外直接投資取對(duì)數(shù)，用以緩解異方差問(wèn)題。

３ 實(shí)證分析

３. １ 相關(guān)性分析

使用鄰接空間權(quán)重矩陣探究數(shù)字經(jīng)濟(jì)、區(qū)域碳減排績(jī)效量Ｍｏｒａｎｓ Ｉ。表３ 中區(qū)域碳減排績(jī)效Ｍｏｒａｎｓ Ｉ 值介于０～１ 間， 且Ｐ 值小于１％。上述結(jié)果說(shuō)明區(qū)域碳減排績(jī)效具有高高集聚和低低集聚的空間正相關(guān)。數(shù)字經(jīng)濟(jì)大多數(shù)年份Ｐ 值小于１０％， 說(shuō)明數(shù)字經(jīng)濟(jì)存在著明顯的空間正相關(guān)性。

根據(jù)表３ 結(jié)果， 深入探析數(shù)字經(jīng)濟(jì)與區(qū)域碳減排績(jī)效的局部莫蘭散點(diǎn)圖， 具體結(jié)果如圖１ 所示。結(jié)果顯示， 區(qū)域碳減排績(jī)效與數(shù)字經(jīng)濟(jì)二者間具有空間相關(guān)性， 大多數(shù)?。▍^(qū)、市）主要位于第一和第三象限， 呈高－高集聚、低－低集聚特征， 且具有明顯非均衡分布特點(diǎn)。值得一提的是，遼寧、山西、河北、內(nèi)蒙古等地區(qū)碳減排績(jī)效在研究周期內(nèi)處于持續(xù)的低－低集聚循環(huán)當(dāng)中。

３. ２ 空間計(jì)量方法檢驗(yàn)

為明確使用何種模型進(jìn)行檢驗(yàn)， 在進(jìn)行回歸分析前需對(duì)上文構(gòu)建的空間計(jì)量模型進(jìn)行分析［２４］ 。（１） 利用拉格朗日乘數(shù)法（ＬＭ）檢驗(yàn)主要目的是確定使用空間滯后模型（ＳＡＲ）還是空間誤差模型（ＳＥＭ）進(jìn)行分析。二者的區(qū)別是， 空間滯后模型僅考慮被解釋變量的空間效應(yīng)， 空間誤差模型主要考慮誤差項(xiàng)的空間效應(yīng)。從表４ 中可以看出，ＬＭ－ｌａｇ（Ｒｏｂｕｓｔ）、ＬＭ－ｅｒｒ（Ｒｏｂｕｓｔ）均拒絕不使用空間效應(yīng)模型的原假設(shè)， 即無(wú)論是空間滯后模型（ＳＡＲ）還是控制誤差模型（ＳＥＭ） 均能夠進(jìn)行分析。Ｃｈｅｎ 等（２０１７）［２５］ 在檢驗(yàn)空間計(jì)量模型適用性時(shí)發(fā)現(xiàn)， ＳＡＲ 模型與ＳＥＭ 模型均可進(jìn)行分析時(shí)需選擇更具一般性的空間杜賓模型（ＳＤＭ）開(kāi)展研究。結(jié)合本文理論分析可知， 區(qū)域碳減排績(jī)效不僅會(huì)受到本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平影響， 同時(shí)也會(huì)受到相鄰區(qū)域數(shù)字經(jīng)濟(jì)發(fā)展水平影響， 再次說(shuō)明使用能夠同時(shí)考慮解釋變量與被解釋空間效應(yīng)的空間杜賓模型（ＳＤＭ）分析較為合理； （２） 在確定利用何種空間計(jì)量模型分析之上， 利用豪斯曼檢驗(yàn)判別利用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型進(jìn)行回歸估計(jì)。表４ 結(jié)果中豪斯曼檢驗(yàn)結(jié)果說(shuō)明，使用隨機(jī)效應(yīng)模型的假設(shè)未得到支持， 證明使用固定效應(yīng)模型更適合本研究； （３） 進(jìn)一步開(kāi)展Ｗａｌｄ和ＬＲ 檢驗(yàn)法確定空間杜賓模型（ＳＤＭ）是否會(huì)退化為空間滯后模型（ＳＡＲ）和空間誤差模型（ＳＥＭ）。表５ 結(jié)果顯示， Ｗａｌｄ 和ＬＲ 檢驗(yàn)均在１％水平上不支持空間杜賓模型（ＳＤＭ）會(huì)退化的原假設(shè)， 再次證明選取空間杜賓模型（ＳＤＭ）具有合理性。

３. ３ 模型估計(jì)結(jié)果

本文在利用３ 種權(quán)重矩陣下雙向固定效應(yīng)ＳＤＭ模型進(jìn)行估計(jì)的基礎(chǔ)上， 還加入非空間效應(yīng)ＯＬＳ估計(jì)結(jié)果， 以保障各變量參數(shù)估計(jì)結(jié)果穩(wěn)健。表６為數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效影響的回歸結(jié)果。由表６ 可知， （１） 區(qū)域碳減排績(jī)效空間滯后項(xiàng)系數(shù)ρ在Ｗ２ 和Ｗ３ 中估計(jì)結(jié)果分別為０. １０５ 和０. ３０７， 這說(shuō)明區(qū)域碳減排績(jī)效存在顯著的空間依賴(lài)性； （２）數(shù)字經(jīng)濟(jì)本地效應(yīng)， ＯＬＳ 面板數(shù)據(jù)回歸結(jié)果和空間模型檢驗(yàn)結(jié)果相同， 均表明數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效具有顯著促進(jìn)作用。這意味著數(shù)字經(jīng)濟(jì)對(duì)本區(qū)域碳減排績(jī)效的提升作用較為明顯， 假設(shè)１成立； （３） 數(shù)字經(jīng)濟(jì)空間滯后項(xiàng)均顯著為正， 說(shuō)明區(qū)域碳減排績(jī)效不僅受到本地?cái)?shù)字經(jīng)濟(jì)影響， 相鄰地區(qū)數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效也具有促進(jìn)作用， 假設(shè)２ 成立； （４） 通過(guò)空間回歸模型結(jié)果可知， 不考慮空間溢出效應(yīng)， 僅利用ＯＬＳ 面板模型進(jìn)行回歸估計(jì)， 極易忽略數(shù)字經(jīng)濟(jì)的空間溢出效應(yīng)， 低估數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的提升作用。

從控制變量估計(jì)結(jié)果可以看出， 經(jīng)濟(jì)發(fā)展水平（Ａ）有利于提升區(qū)域碳減排績(jī)效， 同時(shí)在鄰接矩陣和地理矩陣中也可間接提升周邊地區(qū)碳減排績(jī)效， 說(shuō)明經(jīng)濟(jì)發(fā)展水平帶來(lái)的環(huán)境問(wèn)題并非僅限于當(dāng)?shù)兀?也會(huì)對(duì)周邊區(qū)域碳減排績(jī)效產(chǎn)生正向影響。技術(shù)水平（Ｔ）雖然估計(jì)系數(shù)為正， 但并沒(méi)有通過(guò)顯著性檢驗(yàn)， 說(shuō)明利用技術(shù)提升碳減排績(jī)效的機(jī)制尚未形成。人口規(guī)模（Ｐ）對(duì)區(qū)域碳減排績(jī)效具有顯著負(fù)向影響， 這與預(yù)期相符。

３. ４ 空間效應(yīng)分解

空間計(jì)量模型參數(shù)估計(jì)僅代表直接影響作用，但實(shí)際邊際影響需要參考空間效應(yīng)分解結(jié)果， 因此本文利用偏微分方程分解表６ 的回歸系數(shù)， 具體情況如表７ 所示。

表７ 中， ３ 個(gè)矩陣下數(shù)字經(jīng)濟(jì)直接效應(yīng)和間接效應(yīng)均在１％ 水平以上顯著， 說(shuō)明數(shù)字經(jīng)濟(jì)不但會(huì)影響本區(qū)域碳減排績(jī)效， 還對(duì)相鄰地區(qū)碳減排績(jī)效產(chǎn)生影響。具言之， 數(shù)字經(jīng)濟(jì)每增加１ 個(gè)單位， 本地碳減排績(jī)效可提升２％ 左右。這就要求在實(shí)現(xiàn)“雙碳” 目標(biāo)的過(guò)程中， 發(fā)揮數(shù)字經(jīng)濟(jì)獨(dú)特優(yōu)勢(shì)， 提升區(qū)域碳減排績(jī)效。由數(shù)字經(jīng)濟(jì)間接效應(yīng)估計(jì)結(jié)果可以看出， 相鄰地區(qū)數(shù)字經(jīng)濟(jì)顯著提升了本區(qū)域碳減排績(jī)效， 甚至某種程度上還會(huì)高于本地效應(yīng)， 這種數(shù)字經(jīng)濟(jì)區(qū)域溢出效應(yīng)不容忽視。這也證明了數(shù)字經(jīng)濟(jì)發(fā)展具有較好的空間溢出效應(yīng)， 各地區(qū)間在發(fā)展數(shù)字經(jīng)濟(jì)與提升區(qū)域碳減排績(jī)效時(shí)會(huì)形成協(xié)同驅(qū)動(dòng)局面。

３. ５ 異質(zhì)性分析

“胡煥庸線(xiàn)” 是我國(guó)人均發(fā)展水平和經(jīng)濟(jì)社會(huì)發(fā)展格局的分界線(xiàn)， 一直被國(guó)內(nèi)外學(xué)者承認(rèn)并廣泛引用。這種地理上的劃分方式被國(guó)內(nèi)研究人口、地理領(lǐng)域的學(xué)者廣泛應(yīng)用。經(jīng)濟(jì)學(xué)研究中也認(rèn)為根據(jù)“胡煥庸線(xiàn)” 對(duì)經(jīng)濟(jì)發(fā)展水平進(jìn)行考量， 會(huì)凸顯出中國(guó)真實(shí)的經(jīng)濟(jì)發(fā)展水平。因此， 本研究基于“胡煥庸線(xiàn)”， 分析數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的異質(zhì)性影響， 結(jié)果如８ 所示。東南側(cè)區(qū)域直接效應(yīng)和間接效應(yīng)均在１％ 以上水平顯著， 而西北側(cè)區(qū)域并不顯著。

３. ６ 穩(wěn)健性檢驗(yàn)

（１） 對(duì)解釋變量進(jìn)行滯后１ 期處理， 結(jié)果如表９ 列（１） 所示； （２） 為減少異常值對(duì)回歸結(jié)果的影響， 對(duì)解釋變量數(shù)字經(jīng)濟(jì)的最大值與最小值進(jìn)行１％的縮尾處理， 回歸結(jié)果如表９ 列（２）所示； （３） 考慮到動(dòng)態(tài)面板選擇偏差也可能影響基準(zhǔn)回歸結(jié)果， 進(jìn)一步采用系統(tǒng)ＧＭＭ 法檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的影響， 結(jié)果如表９ 列（３） 所示。表９ 列（１） ～（３） 回歸結(jié)果表明， 核心解釋變量數(shù)字經(jīng)濟(jì)的回歸估計(jì)系數(shù)方向與顯著性和基準(zhǔn)回歸結(jié)果一致， 證明基準(zhǔn)回歸結(jié)果具有較強(qiáng)的穩(wěn)健性。

３. ７ 內(nèi)生性檢驗(yàn)

由于數(shù)字經(jīng)濟(jì)與區(qū)域碳減排績(jī)效存在逆向因果關(guān)系而導(dǎo)致內(nèi)生性問(wèn)題， 采用工具變量檢驗(yàn)方式克服。借鑒王軍等（２０２２）［２６］ 的研究成果， 將互聯(lián)網(wǎng)普及率作為工具變量進(jìn)行研究， 結(jié)果如表１０ 所示。在進(jìn)行回歸分析之前， 對(duì)工具變量進(jìn)行弱工具變量以及過(guò)度識(shí)別檢驗(yàn)。結(jié)果表明， 選取的工具變量不存在識(shí)別不足與弱工具變量問(wèn)題，說(shuō)明具有有效性。表１０ 中第一階段回歸結(jié)果顯示， 工具變量回歸估計(jì)系數(shù)在１％ 水平下顯著為正。第二階段回歸結(jié)果中， 數(shù)字經(jīng)濟(jì)（Ｄ）回歸系數(shù)為正， 且通過(guò)顯著性檢驗(yàn)。上述結(jié)果說(shuō)明， 本研究結(jié)論具有穩(wěn)定性。

４ 結(jié)論及建議

本文基于數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的影響作用， 采用２０１０～２０２２ 年３０ 個(gè)省（區(qū)、市）面板數(shù)據(jù)， 構(gòu)建模型及空間杜賓模型， 實(shí)證分析數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效的空間溢出效應(yīng)及異質(zhì)性作用。研究發(fā)現(xiàn)： 數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳減排績(jī)效具有正向積極影響， 且經(jīng)過(guò)一系列穩(wěn)健性檢驗(yàn)后該結(jié)論依然成立； 空間效應(yīng)檢驗(yàn)結(jié)果表明， 數(shù)字經(jīng)濟(jì)不但會(huì)對(duì)本區(qū)域碳減排績(jī)效產(chǎn)生影響， 也會(huì)影響相鄰區(qū)域碳減排績(jī)效， 且空間溢出效應(yīng)大于直接作用； 異質(zhì)性結(jié)果表明， 數(shù)字經(jīng)濟(jì)對(duì)碳減排績(jī)效的正向在“胡煥庸線(xiàn)” 東南側(cè)區(qū)域更為突出。

針對(duì)上述研究結(jié)論， 為借力于數(shù)字經(jīng)濟(jì)提升區(qū)域碳減排績(jī)效、加快“雙碳” 目標(biāo)實(shí)現(xiàn)進(jìn)程，提出如下建議： （１） 優(yōu)化升級(jí)數(shù)字基礎(chǔ)設(shè)施， 推進(jìn)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展。相關(guān)部門(mén)應(yīng)有序推進(jìn)骨干網(wǎng)擴(kuò)容， 協(xié)同加大千兆光纖網(wǎng)絡(luò)和５Ｇ 網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)， 提高物聯(lián)網(wǎng)在工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)等領(lǐng)域的覆蓋水平， 擴(kuò)大數(shù)字經(jīng)濟(jì)覆蓋范圍與領(lǐng)域， 更好發(fā)揮其在碳減排領(lǐng)域的積極作用； （２）破除要素流動(dòng)壁壘， 發(fā)揮數(shù)字經(jīng)濟(jì)外溢效應(yīng)。各級(jí)政府部門(mén)應(yīng)建設(shè)區(qū)域科技體制機(jī)制改革“試驗(yàn)田”， 搭建數(shù)字技術(shù)共同體， 讓數(shù)字技術(shù)、高端人才及資金在區(qū)域內(nèi)暢通流動(dòng)， 更好發(fā)揮數(shù)字經(jīng)濟(jì)在碳減排領(lǐng)域的空間溢出效益； （３） 實(shí)施區(qū)域智慧發(fā)展戰(zhàn)略， 收窄地區(qū)數(shù)字鴻溝。①西部地區(qū)各級(jí)地方政府應(yīng)致力于提升數(shù)字創(chuàng)新能力， 推動(dòng)具備條件的數(shù)字產(chǎn)業(yè)集群化發(fā)展， 為數(shù)字經(jīng)濟(jì)碳減排效應(yīng)發(fā)揮提供環(huán)境支持； ②中部地區(qū)各級(jí)地方政府應(yīng)以數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展為主線(xiàn)， 積極承接國(guó)內(nèi)外數(shù)字產(chǎn)業(yè)轉(zhuǎn)移， 加快數(shù)字化、智能化技術(shù)在各領(lǐng)域應(yīng)用， 收窄與東部地區(qū)的數(shù)字鴻溝，更好發(fā)揮數(shù)字經(jīng)濟(jì)在碳減排領(lǐng)域的賦能作用； ③東北地區(qū)政府部門(mén)應(yīng)培育新一代信息技術(shù)、生物醫(yī)藥、新能源等新興產(chǎn)業(yè)發(fā)展， 深入推進(jìn)數(shù)字化技術(shù)滲入各產(chǎn)業(yè)， 以數(shù)智驅(qū)動(dòng)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)， 激活數(shù)字經(jīng)濟(jì)在碳減排領(lǐng)域的積極作用。

參考文獻(xiàn)

［１］ 佘群芝， 吳柳， 鄭潔． 數(shù)字經(jīng)濟(jì)、經(jīng)濟(jì)聚集與碳排放［Ｊ］． 統(tǒng)計(jì)與決策， ２０２２， ３８ （２１）： ５～１０．

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

［３］ 馮蘭剛， 陽(yáng)文麗， 王忠， 等． 中國(guó)數(shù)字經(jīng)濟(jì)與城市碳排放強(qiáng)度： 時(shí)空演化與作用機(jī)制［Ｊ］． 中國(guó)人口·資源與環(huán)境， ２０２３，３３ （１）： １５０～１６０．

［４］ 謝云飛． 數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳排放強(qiáng)度的影響效應(yīng)及作用機(jī)制［Ｊ］． 當(dāng)代經(jīng)濟(jì)管理， ２０２２， ４４ （２）： ６８～７８．

［５］ 王香艷， 李金葉． 數(shù)字經(jīng)濟(jì)是否有效促進(jìn)了節(jié)能和碳減排？［Ｊ］． 中國(guó)人口·資源與環(huán)境， ２０２２， ３２ （１１）： ８３～９５．

［６］ 黎新伍， 黎寧， 謝云飛． 數(shù)字經(jīng)濟(jì)、制造業(yè)集聚與碳生產(chǎn)率［Ｊ］． 中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)， ２０２２， （６）： １３１～１４５．

［７］ 郭風(fēng)， 孫仁金， 孟思琦． 數(shù)字經(jīng)濟(jì)、技術(shù)創(chuàng)新與碳生產(chǎn)率［Ｊ］．調(diào)研世界， ２０２２， （９）： １２～１９．

［８］ 常皓亮， 夏飛龍． 數(shù)字經(jīng)濟(jì)賦能低碳發(fā)展： 機(jī)制識(shí)別與空間溢出［Ｊ］． 科技進(jìn)步與對(duì)策， ２０２３， ４０ （１０）： ４８～５７．

［９］ 張傳兵， 居來(lái)提·色依提． 數(shù)字經(jīng)濟(jì)、碳排放強(qiáng)度與綠色經(jīng)濟(jì)轉(zhuǎn)型［Ｊ］． 統(tǒng)計(jì)與決策， ２０２３， ３９ （１０）： ９０～９４．

［１０］ 張杰， 付奎， 劉炳榮． 數(shù)字經(jīng)濟(jì)如何賦能城市低碳轉(zhuǎn)型———基于雙重目標(biāo)約束視角［Ｊ］． 現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），２０２２， ４２ （８）： ３～２３．

［１１］ 高維龍， 彭影， 胡續(xù)楠． “雙碳” 目標(biāo)下數(shù)字經(jīng)濟(jì)對(duì)城市節(jié)能減排的影響研究［Ｊ］． 城市問(wèn)題， ２０２３， （３）： ２５～３７．

［１２］ 程云潔， 張志芳， 劉嫻． 雙碳目標(biāo)下數(shù)字經(jīng)濟(jì)對(duì)中國(guó)綠色能源效率的影響［Ｊ］． 商業(yè)研究， ２０２３， （２）： ６５～７２．

［１３］ 葛立宇， 于井遠(yuǎn)． 智慧城市建設(shè)與城市碳排放： 基于數(shù)字技術(shù)賦能路徑的檢驗(yàn)［Ｊ］． 科技進(jìn)步與對(duì)策， ２０２２， ３９ （２３）：４４～５４．

［１４］ 陳福中， 蔣國(guó)海． 數(shù)字經(jīng)濟(jì)的減排效應(yīng)———基于２８５ 個(gè)地級(jí)市的空間面板數(shù)據(jù)［Ｊ］． 蘭州學(xué)刊， ２０２３， （５）： ７５～９３．

［１５］ 費(fèi)威， 于寶鑫， 王維國(guó)． 數(shù)字經(jīng)濟(jì)發(fā)展與碳減排———理論推演與實(shí)證檢驗(yàn)［Ｊ］． 經(jīng)濟(jì)學(xué)家， ２０２２， （１１）： ７４～８３．

［１６］ 李志學(xué)， 李樂(lè)穎， 陳健． 產(chǎn)業(yè)結(jié)構(gòu)、碳權(quán)市場(chǎng)與技術(shù)創(chuàng)新對(duì)各省區(qū)碳減排效率的影響［Ｊ］． 科技管理研究， ２０１９， ３９（１６）： ７９～９０．

［１７］ 金燦陽(yáng)， 徐藹婷， 邱可陽(yáng)． 中國(guó)省域數(shù)字經(jīng)濟(jì)發(fā)展水平測(cè)度及其空間關(guān)聯(lián)研究［ Ｊ］． 統(tǒng)計(jì)與信息論壇， ２０２２， ３７ （６）：１１～２１．

［１８］ 何地， 趙炫焯， 齊琦． 中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展水平測(cè)度、時(shí)空格局與區(qū)域差異研究［Ｊ］． 工業(yè)技術(shù)經(jīng)濟(jì)， ２０２３， ４２ （３）： ５４～６２．

［１９］ 張爭(zhēng)妍， 李豫新． 數(shù)字經(jīng)濟(jì)對(duì)我國(guó)碳排放的影響研究［ Ｊ］．財(cái)經(jīng)理論與實(shí)踐， ２０２２， ４３ （５）： １４６～１５４．

［２０］ 王芳， 董戰(zhàn)峰． 數(shù)字經(jīng)濟(jì)對(duì)我國(guó)碳排放的影響———基于省級(jí)面板數(shù)據(jù)的實(shí)證檢驗(yàn)［Ｊ］． 改革， ２０２３， （３）： ７６～９０．

［２１］ Ｋｉｍ Ｎ， Ｍｏｏｎ Ｊ Ｊ， Ｙｉｎ Ｈ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｐｒｅｓｓｕｒｅ ａｎｄ ｔｈｅ Ｐｅｒ?ｆｏｒｍａｎｃｅ ｏｆ Ｆｏｒｅｉｇｎ Ｆｉｒｍｓ ｉｎ ａｎ Ｅｍｅｒｇｉｎｇ Ｅｃｏｎｏｍｙ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｂｕｓｉｎｅｓｓ Ｅｔｈｉｃｓ， ２０１６， １３７ （３）： ４７５～４９０．

［２２］ 劉娟， 馬漣蕊， 馮婉怡． 可再生能源技術(shù)創(chuàng)新與行業(yè)碳減排———基于中國(guó)省級(jí)面板數(shù)據(jù)的實(shí)證檢驗(yàn)［ Ｊ］． 科技進(jìn)步與對(duì)策， ２０２３， ４０ （１５）： ８３～９３．

［２３］ 劉璇， 孫明松， 朱啟榮． 中國(guó)進(jìn)口貿(mào)易的碳減排效應(yīng)研究［Ｊ］． 統(tǒng)計(jì)與決策， ２０２３， ３９ （１７）： １５９～１６３．

［２４］ 周玉龍， 孫向偉． 基于空間計(jì)量經(jīng)濟(jì)學(xué)視角的空間溢出效應(yīng)測(cè)度方法研究［Ｊ］． 統(tǒng)計(jì)與決策， ２０２１， ３７ （１７）： ４５～５１．

［２５］ Ｃｈｅｎ Ｙ Ｗ， Ｈｕ Ｙ Ｚ Ｆ， Ｌｉ Ｘ， ｅｔ ａｌ． Ｓｔｒａｔｅｇｉｃ Ｉｎｔｅｒａｃｔｉｏｎ ｉｎ Ｍｕｎｉｃｉｐａｌ Ｇｏｖｅｒｎｍｅｎｔｓ Ｐｒｏｖｉｓｉｏｎ ｏｆ Ｐｕｂｌｉｃ Ｇｒｅｅｎ Ｓｐａｃｅｓ： Ａ Ｄｙ?ｎａｍｉｃ Ｓｐａｔｉａｌ Ｐａｎｅｌ Ｄａｔａ Ａｎａｌｙｓｉｓ ｉｎ Ｔｒａｎｓｉｔｉｏｎａｌ Ｃｈｉｎａ ［ Ｊ］．Ｃｉｔｉｅｓ， ２０１７， ７１： １～１０．

［２６］ 王軍， 張毅， 馬驍． 數(shù)字經(jīng)濟(jì)、資源錯(cuò)配與全要素生產(chǎn)率［Ｊ］． 財(cái)貿(mào)研究， ２０２２， ３３ （１１）： １０～２６．

（責(zé)任編輯： 楊 婧）

基金項(xiàng)目： 澳門(mén)基金會(huì)資助課題“澳門(mén)數(shù)字經(jīng)濟(jì)前沿研究（２０２３）” （項(xiàng)目編號(hào)： Ｇ０１４５１－２２１２－３０３）。