数字经济的减排效应——基于285个地级市的空间面板数据
2023-05-23   来源：陈福中 蒋国海   

长期以来，我国承接了大量发达国家转移而来的高污染和高能耗产业，其粗放的发展模式给中国的资源环境带来了巨大压力。据美国经济研究公司荣鼎集团（Rhodium Group）的统计，2021年中国碳排放总量约占全球碳排放总量的27%，接近美国、欧盟和日本的总和。在全球气候变化态势日益趋紧的背景下，习近平总书记在2020年9月提出了“碳达峰、碳中和”双碳目标。从经济学的角度，碳排放具有显著的负外部性，即碳排放严重的部门和行业获得了生产收益，而碳排放造成的气候变化等一系列问题却由所有行业共同承担。因此，以最小的经济成本控制碳排放已刻不容缓。已有研究认为，要实现“双碳”目标，就必须改变传统的经济发展方式，而中国正在经历的数字化转型为完成减排目标提供了重要契机。2023年的政府工作报告提及“加快传统产业和中小企业数字化转型，着力提升高端化、智能化、绿色化水平”，将“数字化”与“绿色化”相结合，表明数字经济已成为促进碳减排的重要抓手和必由之路。

在此背景下，数字经济与碳排放之间的关系成为了学术界研究的热点问题。尽管已有研究普遍认为数字经济具有减排效应，并对这一过程的中介和调节因素进行了大量探索，但仍然存在一定的局限。针对文献缺口，本文以全国285个地级市的9年面板数据为样本，运用空间计量模型考察数字经济与碳排放之间的关系，可能具有三个方面的边际贡献。

第一，计量模型设定方面。不同于高维龙等、王香艳和李金叶运用固定效应模型探究数字经济与碳排放之间的关系，本文考虑到碳排放和数字经济的空间集聚特征，使用空间计量模型以避免固定效应模型可能存在的估计偏误。进一步地，在空间计量模型设定上，不同于江三良和贾芳芳将空间权重矩阵设定为反地理距离形式并构建空间杜宾模型，本文考虑到经济因素对碳排放的影响以及扰动项中可能存在的空间相关性，将经济距离嵌套在空间权重矩阵中，并且为影响碳排放的其他因素（即扰动项）同样设置空间滞后项，以求得到更为精确的估计结果。

第二，中介机制方面。不同于已有研究从能源和技术等方面探究数字经济作用于碳减排的渠道，例如佘群芝和吴柳、郭风等，本文在考虑能源效率和研发强度的基础上，着眼于中观层面的产业因素，进一步研究产业结构的中介效应。已有研究认为，作为经济发展的新动能的数字经济首先是在制造业企业等微观层面发挥作用，而碳排放规模则是地区层面的宏观因素。因此，数字经济减排效应的作用势必要经由中观层面的产业因素。本文在已有研究的基础上进一步考察产业结构的中介作用，对深入理解数字经济对于碳减排的作用机制形成了有益补充。

第三，调节因素方面。与已有研究关注经济、资源和人口等方面，例如张争妍和李豫新、向宇等不同，本文考虑数字经济基础设施以及企业绿色创新效率对数字经济—碳排放关系的调节。数字经济基础设施是数字经济赖以发挥作用的基础因素，而企业创新效率则是维持绿色发展的本质要求。因此，讨论不同水平的数字经济基础设施和企业创新效率如何影响数字经济的减排效应，从而为有关部门制定有针对性的政策措施，具有重要的参考意义。

在“双碳目标”的背景下，已有研究对碳排放的影响因素进行了大量研究，认为经济因素（如经济增长）、技术因素（如绿色技术创新）和制度因素（如环境规制）均会显著影响碳排放水平。随着数字经济的蓬勃发展，已有研究也认识到数据作为一种新型生产要素对环境可持续发展的重要作用，认为数字经济是碳减排的新抓手，并且深入探究了数字经济减排效应的中介和调节因素。

（一）数字经济与碳排放

不同于传统工业和制造业，数字经济和数字产业依托信息与通信技术（Information and Communication Technologies，ICTs），服务对象以互联网企业及信息服务业等信息企业为主，促进其生产要素投入的优化和传统生产方式的转变，最终提高企业的绿色要素使用效率，助力“双碳目标”的落地实施。

对于数字经济与碳排放之间的作用路径，已有研究主要从技术创新和能源效率角度进行了分析。技术创新路径即数字经济有助于企业的技术创新，尤其是绿色技术创新，进而促进了碳减排。数字经济对技术创新的作用体现在三个方面。第一，依托大数据和云计算等新兴技术，数字经济显著促进城市的绿色技术创新效率，赋能企业的绿色化转型。第二，数字经济建立了企业与银行之间的信息平台，降低了企业的搜寻成本，加快企业与银行之间的匹配，将企业融资和生产经营各个环节打通，保证企业能够有足够的资金进行绿色研发。第三，数字经济的发展连通了企业与高等院校和科研院所，使得企业可以借助科研机构的绿色创新技术来支持自身的生产，这又推动了城市绿色技术创新水平的提升。技术创新又有利于降低碳排放。已有研究认为，低碳技术和绿色技术创新是企业节能减排的关键，并且无论是发明型还是改进型的绿色技术创新，均有利于提高碳排放绩效，因而降低了碳排放规模。因此，企业绿色技术创新是实现“双碳目标”的重要抓手。

能源效率路径是指数字经济提高了能源利用效率，从而助力实现“双碳目标”。数字经济对能源利用效率的提升作用主要源于数字经济强大的信息管理能力。运用数字经济，企业能够精准监测、规划和调整高能耗产品的生产过程，从而提升工业领域提高能源利用效率。此外，数字经济加强了信息和资源共享，这不仅方便企业掌握要素投入尤其是能源投入情况，又降低了能源浪费和无谓损失，提高了其能源利用效率。进一步地，数字经济对重点碳排放行业能源效率提升的作用具有外溢性，从而全面提升全社会范围内的能源利用效率。能源效率的提升允许企业在不损失期望产出的情况下降低碳排放的总体规模，因而是控制能源强度和总量的重要一环，有助于降低碳排放。

数字经济与碳排放之间的关系还会受到其他因素的调节，如经济、资源和人口因素。对于经济因素，较高的经济发展水平有助于数字经济与实体经济尤其是传统的制造业产业相融合，并且对于绿色技术创新有较大的财政支持力度。因此，相比于经济发展缓慢的城市，数字经济的减排效应在经济发展水平较高的城市中体现得更为显著。对于资源因素，资源型城市主要依赖重工业和化石能源拉动经济增长，因此相比于非资源型城市，数字经济对碳减排的作用在一定程度上被抑制。对于人口因素，已有研究主要关注城镇化水平对数字经济减排效应的调节作用，发现城镇化既可能强化又可能抑制数字经济的减排效应。一方面，较高的城市化水平意味着高素质人才和资本等先进生产要素的集聚程度较高，这为数字经济作用的发挥提供了用户基础和资本支撑，因此强化了数字经济的减排效应。另一方面，城市化的推进进程本身会增加大量的能源消费来为城镇化提供必要的基础设施支持，因此又会抑制数字经济的减排效应。

（二）文献评述

尽管已有研究对数字经济与碳排放之间的关系进行了大量研究，但仍然存在三个方面的局限。第一，对于数字经济对碳排放效应的识别手段，多数研究采用固定效应模型，例如高维龙等、王香艳和李金叶，而忽略了碳排放的空间效应。此外，有少数文献关注到碳排放的空间演化特征，并采用空间计量模型研究数字经济与碳排放之间的关系，例如江三良和贾芳芳。但是，这些研究也存在空间权重矩阵的设定只考虑地理因素而忽略经济因素，以及未考虑扰动项中可能存在的空间自相关等局限。第二，对于数字经济与碳排放关系中的作用机制，多数研究着眼于能源和技术等方面，例如佘群芝和吴柳、郭风等，而鲜有研究从产业角度进行探究。第三，对于数字经济与碳排放关系中的调节因素，已有研究关注于经济、资源和人口因素，例如张争妍和李豫新、向宇等，忽略了数字经济基础设施这一数字经济赖以发挥作用的基础因素和企业创新效率这一可持续发展的重要途径。

数字经济以数字作为新型生产要素，加强了劳动、资本和土地等传统生产要素对经济高质量发展的推动作用。微观层面，数字经济充分匹配了企业的融资需求和金融机构的资金供给，有效降低了企业无法为绿色生产而融资的信息不对称程度，使得企业可获取到充足的资金进行绿色研发，最终运用高新技术降低碳排放。中观层面，数字经济产业以低污染和低耗能为特征，其加速了环境友好型产业如电子商务产业和互联网产业等的集聚和协同，倒逼传统的工业污染产业退出市场或进行低碳转型，促进城市减排进程。宏观层面，数字经济以高新技术引入为基础，优化资源配置并促进绿色生产要素的充分流动，并且具有显著的正向空间溢出效应，最终表现为大范围的绿色全要素生产率的提升。基于以上分析，本文提出假设1：

假设1：数字经济对碳排放具有显著的抑制作用

数字经济对碳排放的抑制作用经由三个途径发生。第一，研发强度，即数字经济通过提高企业研发强度降低碳排放。企业可以依托数字经济进行低成本的绿色创新活动，从而有效拓展企业进行科技活动和绿色创新成果转化的边界。在此过程中，借助数字经济不受时空限制的优势，企业还能够与各行业创新主体紧密联系，发挥协同优势，降低信息不对称并激发良性竞争，进一步提高了企业的研发强度和效率。此外，数字经济依托大数据，还可精准识别市场信息并精准匹配市场需求，提升高企业研发成果的市场转化率。研发投入是降低碳排放的关键因素，研发投入越多，就越能获得先进技术尤其是先进的绿色技术，从而有助于降低碳强度。

第二，能源效率，即数字经济可以通过降低单位GDP能耗，即提高能源效率降低碳排放。借助大数据和云计算等新兴技术，数字经济加强了企业各部门和不同企业之间的资源共享，并促进相关同类生产要素的充分流动和有效利用，产生强大的技术外溢，这种正外部性降低了企业之间的资源浪费和无谓损失，让每单位能耗最大限度地创造产出。能源效率的提高，实质上是对能源的充分利用，即使用更少的能源投入创造相同的产出，因此，能源效率的提升降低了碳排放。

第三，产业结构，即数字经济通过促进产业结构的优化降低碳排放。就数字经济本身的特点而言，其对第三产业的促进作用强于第二产业。作为第三产业的服务业具有空间灵活和资产轻便等特征，与数字信息技术的远程和快捷等优势完美契合，可直接获得数字经济的支撑作用。相反，对于重工业来说，其固定资产投入大，生产条件短期内难以改变，数字化升级改造较为困难。因此，数字经济多属于虚拟服务范畴而非实体制造范畴，其对第三产业的优化作用更强。第三产业反映了经济结构的服务化程度，第三产业占比越高，说明当前产业结构越高级化。产业结构的优化又有利于降低碳排放，这是因为以第三产业即服务业为主的高级化产业无需使用重污染能源，有助于减少能耗总量，最终达到减排效果。基于以上分析，本文提出假设2：

假设2：研发强度、能源效率和产业结构是数字经济降低碳排放的三个作用路径，即数字经济通过提高研发强度、降低单位GDP能耗（提高能源效率）和优化产业结构降低碳排放

数字经济的减排效果，因各地的数字基础设施和企业绿色创新质量的不同而有所差异。数字经济的基本特征是网络化、数字化和智能化，因而其效果的发挥依赖于推动新兴数字技术持续扩散的基础性工程，即数字基础设施的质量。在数字基础设施不足的情况下，企业无法充分享受数字经济带来的高新绿色技术正外部性，因而无法为有效支持数字经济减排效应的发挥。此外，数字经济减排作用的发挥还依赖于企业进行绿色技术创新。若企业的绿色创新质量低，即使有数字经济的强大助力，也无法有效地进行绿色转型，因而阻碍了数字经济的减排进程。基于以上分析，本文提出假设3：

假设3：数字经济的减排作用受到数字基础设施和企业绿色创新质量的调节，较高的数字基础设施和企业绿色创新质量会加强数字经济的减排效果

本文研究数字经济与碳排放之间的关系，采用中国285个地级市的面板数据进行实证分析。考虑到数字经济相关统计数据的可获得性，样本时间跨度设定为2011至2019年。

（一）计量模型

对碳排放影响因素的研究，大多始于STIRPAT模型，该模型综合概括了影响碳排放的人口、经济和技术等因素，在研究各类要素对环境要素影响的相关议题中被广泛采用。该模型的基本形式如下：

其中，I、P、A和T分别表示环境压力、人口因素、经济因素和科技因素，a、b和c分别度量各类因素对环境压力的影响程度，ε为扰动项。

为消除各变量的量纲差异并减轻数据波动，对式（1）两边同时取对数：

本文主要研究数字经济与碳排放之间的关系，因此将人口因素和科技因素等其他因素归入控制变量中，将式（2）具体化：

其中，CarbonEmission为本文的被解释变量，即碳排放；DigitalEconomy为主要解释变量，即数字经济；Control为控制变量，包括了影响碳排放的其他因素。本文使用地级市层面的面板数据，i表示地级市，t表示年份。该式为研究数字经济与碳排放之间关系的基准模型。

已有研究表明，碳排放的分布呈现出显著的空间相关性，即一个地区的碳排放会对其周围地区的碳排放产生显著影响。式（3）忽略了空间特征，因此本文引入空间滞后项，将其扩展为空间计量模型。由于空间滞后性可能存在于被解释变量、解释变量和误差项中的任何部分，因此本文建立最为全面的广义嵌套空间模型（General Nesting Spatial Model，GNS）：

其中，ρ、δ和θ分别表示被解释变量、解释变量和误差项的空间相关系数。当δ和θ为0时，只有被解释变量存在空间滞后性，该模型退化为空间自回归模型（Spatial Autoregressive Model，SAR）；当ρ和θ为0时，只有解释变量存在空间滞后性，该模型退化为空间杜宾模型（Spatial Dubin Model，SDM）；当ρ和δ为0时，只有误差项存在空间滞后性，该模型退化为空间误差模型（Spatial Error Model，SER）。

在式（4）和（5）中，Wij为空间权重矩阵。由于碳排放同时受到地理和经济两方面因素的影响，因此本文将空间权重矩阵设定为地理—经济嵌套的形式，其中经济距离采用人均GDP的倒数进行度量。

（二）变量设定

1. 被解释变量和解释变量

本文的被解释变量是碳排放，以表观二氧化碳排放量度量。解释变量是数字经济，参照已有文献，采用互联网普及率（互联网宽带接入用户数占比）、相关从业人员情况（信息传输计算机服务和软件业从业人员数）、相关产出情况（电信业务收入）、移动电话普及率（移动电话用户数占比）和普惠金融发展程度（数字普惠金融指数）五个指标进行度量。对五个指标运用熵权法确定权重，由此计算各地级市的数字经济综合得分。

2. 控制变量

借鉴已有文献，本文选择了11个影响碳排放的其他因素作为控制变量，分别为人均生产总值、科学支出、当年实际使用外资金额、货物进口额、货物出口额、社会消费品零售总额、全年用电量、行政区域土地面积、规模以上工业企业数、公路客运量和生活垃圾无害化处理率。为减轻变量间的共线性对估计结果的影响，除生活垃圾无害化处理率外，对其他控制变量均取对数处理。

3. 中介变量和调节变量

为验证假设2（中介效应），采用R&D内部经费支出度量研发强度；单位GDP能耗度量能源效率；第三产业产值度量产业结构。为验证假设3（调节效应），采用域名数量、网站数量、光缆线路长度和互联网宽带接入端口数四个方面度量数字基础设施，并通过熵权法对各指标赋予权重，综合计算数字基础设施得分；采用绿色发明专利总数度量企业绿色创新质量。所有变量的定义、度量和数据来源汇总在表1中。

（三）描述性统计

各变量的描述性统计结果如表2所示。二氧化碳排放量对数的平均值为16.8962，标准差为1.2039；其最大值为18.6837，发生在苏州，这可能与苏州较为发达的基础制造业有关；最小值为12.1371，发生在三亚，这可能与三亚的低碳交通方式有关。数字经济发展状况对数的平均值为8.3439，标准差达到1.7676，说明样本数据具有代表性；最大值为12.1025，发生在深圳，这可能与深圳较为发达的数字生产要素有关；最小值仅为6.4197，发生在固原。

表2  描述性统计

（一）空间相关性检验

为确定空间相关性是否存在，本文对碳排放和数字经济计算了全局莫兰指数（Morans’ I），结果如表3所示。所有年份的莫兰指数均为正且显著不为0，因此本文的研究适用空间计量模型。

表3  碳排放与数字经济的莫兰指数检验

对于误差项的空间相关性，本文采用似然比检验（Likelihood-ratio Test）。结果显示，（1）=51.8600，对应的p值为0.0000，因此误差项中也存在空间相关性。综上，被解释变量、解释变量和误差项中同时存在空间相关性，因此适用广义嵌套空间模型（General Nesting Spatial Model）。

（二）基准回归结果

广义嵌套空间模型的基准回归结果展示在表4中，第（1）列未加入任何控制变量，仅包括核心解释变量即数字经济；第（2）列加入了所有控制变量，同时控制了双向固定效应。表4显示，lnDE的系数显著为负，说明数字经济与碳排放之间存在显著负相关关系，即数字经济具有减排效应，这初步证实了假设1。与此同时，被解释变量、解释变量和误差项的空间滞后项（W*lnCE、W*DE和W*error）均显著，印证了广义嵌套空间模型的设定。被解释变量空间滞后项的系数显著为正，说明中国碳排放的演化表现出显著的集聚特征，一个地区的碳排放会向其地理和经济上的“邻居”外溢，从而造成“邻居”地区碳排放量的增加；解释变量空间滞后项的系数显著为负，说明一个地区“邻居”的数字经济发展对该地区也存在减排效应。

此外，各控制变量的符号也与已有文献的结论相一致。人均GDP、消费零售额、规模以上工业企业数和公路客运量都促进了碳排放，而实际利用外资和货物进口具有减排效应。其中，人均GDP与碳排放之间的关系尚不确定，本文回归结果显示其显著为正亦有文献支持。

表4  基准回归结果和内生性修正

（三）内生性修正

尽管数字经济与碳排放之间的负向关系被初步验证，但基准模型存在内生性问题。一方面，碳排放对数字经济的发展也有影响，因而存在反向因果问题；另一方面，虽然本文选取了11个控制变量，但仍有可能存在遗漏变量偏误。因此，为解决潜在的内生性造成的有偏估计，本文采用工具变量和动态空间面板两种方法进行修正。

1.工具变量

本文为内生的数字经济选择了两个工具变量，即该地级市与杭州市的球面距离和1995至1999年该地级市固定电话平均数量。第一，该地级市与杭州市的球面距离。总部位于杭州的蚂蚁金融服务集团是中国最大的移动支付平台（支付宝）的母公司，也是全球领先的金融科技开发平台，而金融科技是数字经济的重要组成部分。中国数字经济的发展程度呈现出空间集聚效应，离杭州越远，数字经济发展水平就越低。因此，该工具变量与数字经济高度相关。在样本地级市中，距离杭州市球面距离最远的是克拉玛依市；除杭州市外，距离最近的是绍兴市。球面距离是一个地理变量，显然与碳排放无关。特别地，因为球面距离不随时间变化而变化，无法直接作为含有固定效应面板数据的工具变量，因此本文参考已有文献，使用该地级市滞后一期的互联网上网人数与不随时间变化的球面距离相乘，使得该工具变量具有时变性。

第二，1995至1999年该地级市固定电话平均数量。作为历史上重要电信基础设施，固定电话使用情况会从技术水平和使用习惯等方面影响到高阶的数字经济发展，因而该工具变量与内生变量相关。本文样本的时间跨度为2011至2019年，该段区间内的碳排放不会受到1995至1999年固话使用的影响，因此满足外生性。与球面距离工具变量相同，平均固话数量是时不变的，因此仍然将其与滞后一期的互联网上网人数做积。第一阶段回归中，Cragg-Donald统计量值为103.3700，远高于16.3800的经验临界值，因此上述两个工具变量不存在弱工具变量问题。

2.动态空间面板

基准的静态广义嵌套空间模型忽略了碳排放演化的系统性和持续性，因而可能造成估计偏误。为解决这一问题，本文引入碳排放的一阶时间滞后项及其空间滞后项，进行动态空间面板模型的估计。工具变量法和动态空间面板模型估计结果汇总在表4的第（3）列和第（4）列。在控制了内生性后，数字经济的系数依然在1%的显著性水平下为负，假设1成立。

（四）稳健性检验

为进一步验证假设1的稳健性，本文进行了三个稳健性检验，即对碳排放进行1%的缩尾处理（记为lnCE_win）、剔除2013年样本和替换核心解释变量（记为lnDE_1）。第一，对碳排放进行1%的缩尾处理减弱了碳排放异常值对估计结果的影响。第二，删除2013年样本，以减弱2013年实施的“宽带中国”试点政策的额外冲击。第三，替换数字经济的度量方式。腾讯研究院自2015年起逐年推出的“数字中国指数”，联合众多代表性大数据平台，用95个具体指标综合评价全国各地级市的数字化程度，是数字经济较为权威的测度体系。因此，本文利用2015至2019年的子样本，用该指数替换原数字经济指标重新回归。稳健性检验的估计结果汇总在表5中，可以看到数字经济与碳排放之间的负向关系并没有发生实质性改变，验证了假设1的稳健性。

表5  稳健性检验

在得到数字经济与碳排放的基本关系后，本文进一步分析数字经济作用于碳排放的路径和调节因素。对作用路径的分析，采用经典的三步回归法；对调节效应的分析，通过引入交互项完成。

（一）路径分析

为验证假设2，即研发强度、能源效率和产业结构是否是数字经济降低碳排放的作用路径，需要进行三步回归。第一步为验证解释变量（数字经济）对被解释变量（碳排放）是否有显著影响。这一步即假设1，在前文已被支持。第二步为验证解释变量对中介变量是否有显著影响，即建立如下的广义嵌套空间模型：

其中，M表示三个中介变量，即研发强度、能源效率和产业结构，分别采用R&D内部经费支出的对数、单位GDP能耗和第三产业产值的对数度量。式（6）中，若系数β显著，则说明解释变量对中介变量有显著影响，可以继续进行第三步；若β不显著，则中介效应不成立。

第三步为验证中介变量对被解释变量是否具有显著影响，并同时判断中介效应类型，即把被解释变量对解释变量和中介变量回归：

式（8）中，若μ和β均显著，则中介效应成立，且该中介变量为部分中介，说明还有其他的路径存在；若μ显著而β不显著，则中介效应成立，且该中介变量为完全中介，说明有且仅有这一个路径；若μ不显著，则中介效应不成立。验证中介变量的回归结果汇总在表6中。

表6的结果支持了假设2。具体地，第（1）列的结果与控制内生性后的回归结果相同（即表4的第（3）列）；第（2）列表明数字经济对研发强度具有正向影响，而（3）列表明数字经济通过增加能源强度降低了碳排放，并且其中数字经济依然显著，说明能源强度是部分中介。第（4）列表明数字经济降低了单位GDP能耗，而单位GDP能耗是度量能源效率的反向指标，因此数字经济提高了能源效率；第（5）列表明数字经济通过增加能源效率降低了碳排放，并且能源效率是部分中介。同样地，第（6）列和第（7）列显示数字经济提高了第三产业产值，因而降低了碳排放，并且产业结构依然为部分中介。

表6  中介效应检验

（二）调节效应

尽管总体来看，数字经济具有显著的减排效应，但这种效应的强弱可能受到数字基础设施和企业绿色创新质量的调节。因此，为验证假设3，本文首先按照数字基础设施的平均值将全样本划分为高数字基础设施组和低数字基础设施组，并分别赋值为1和0，而后将该虚拟变量与核心解释变量（即数字经济）相乘，生成对应的交互项，记为lnDE*high_DI，通过观察该交互项的显著性和符号判断调节效应是否存在以及调节的方向。对于企业绿色创新质量，亦按照上述思路进行处理，生成的交互项记为lnDE*high_GP。回归结果汇总在表7中。表7显示，两个交互项的系数均显著为负，说明与低数字基础设施（企业绿色创新质量）相比，高数字经济基础设施（企业绿色创新质量）会强化数字经济对碳排放的负向主效应，即加强了数字经济的减排效果，假设3成立。

表7  调节效应

本文构建了2011至2019年中国285个地级市的面板数据，利用广义嵌套空间模型实证分析了数字经济与碳排放之间的关系。本文发现，数字经济和碳排放均呈现出显著的空间相关性，并且数字经济与碳排放之间的关系显著为负，即数字经济具有减排效应。路径分析表明，研发强度、能源效率和产业结构是数字经济降低碳排放的三个作用路径。数字经济通过提高研发强度、降低单位GDP能耗（提高能源效率）和优化产业结构降低碳排放。进一步地，数字经济与碳排放之间的负向关系受到数字基础设施和企业绿色创新质量的调节，较完善的数字基础设施和较高的企业绿色创新质量会强化数字经济的减排效果。

本文的研究结论对于在加快数字经济发展的同时降低碳排放，以高质量实现“双碳目标”具有一定的实践价值。第一，加快数字经济发展。本文的研究结论表明，数字经济具有减排效应。因此，大力支持数字经济的发展对实现“双碳”目标至关重要。本文对数字经济的度量包括数字普惠金融维度，从描述性统计来看，数字普惠金融恰恰是造成各地级市之间数字经济发展程度差异的主要原因。对于数字经济尤其是普惠金融发展较低的地区，如固原市、定西市和六盘水市，要促进数字技术与实体经济深度融合、推动各类资源要素快捷流动以及各类市场主体加速融合，最终推动互联网和大数据服务于实体经济。

第二，积极扩大研发投入、提高能源效率并发展第三产业。本文的分析表明，研发强度、能源效率和产业结构是数字经济作用于碳减排的三个路径。但是目前，三个作用路径的作用尚未充分显现。以研发投入为例，对于2021年研发投入占GDP的比重这一指标，样本地级市中仅有四分之一高于平均水平，并且广东、江苏和浙江等遥遥领先，显示出普遍较低且较不均衡的发展格局。因此，要着力强化三个作用路径，以助力数字经济减排效应的有效发挥。在研发强度方面，要把企业研发费用加计扣除减免政策落实，积极开展市级支持科技创新政策兑现，为企业研发支出减免大量所得税以鼓励企业研发积极性。在能源效率方面，要重点促进能源数字化转型发展，以便于数字经济相配合，共同降低碳排放。要推动电能服务企业向综合用能服务商提升发展，协力发展节能环保等绿色产业。在产业结构方面，尤其要发展现代服务业。要加快构建现代化、智能化、数字化和网络化的服务产业新体系，推动现代服务业和先进制造业的深度融合，形成服务业良好业态。

第三，在推动数字经济发展的同时着力推进数字基础设施建设。本文的分析表明，尽管数字经济具有减排效应，但不完备的数字基础设施会削弱其效果。因此，要将数字经济和数字基础设施两手抓，切忌只发展数字经济而忽略其基础设施建设。在中国的地级市中，尽管数字经济和数字经济基础设施表现出明显的同步性，但是也有一些地区数字经济较为发达而数字基础设施难以与之匹配。数字化转型需要信息化基础设施、软硬件系统和人力资源等各要素支撑，这无法单单依靠政府完成，而是需要外部资金力量的支持。因此，建议相关地区广泛发动社会各界力量，引入社会资本完善数字基础设施建设。

第四，切实提高企业绿色创新质量。本文发现，绿色创新质量也是影响数字经济减排效果的重要变量。随着经济社会的转型升级，绿色创新专利数量逐渐难以全面表征企业创新能力，企业绿色创新质量提升已成为当前生态文明建设的要务。本文的绿色创新质量采用绿色发明专利数度量，因而要在深化人才技术攻关并保障企业创新要素供给的同时提高研究成果转化效率，具体可从丰富绿色金融支持结构、创新绿色人才培养模式、完善与科研院所协同发展机制以及建立绿色科技成果转化效率评价体系等方面着手。