数字经济、工业智能化和工业碳生产率

[摘要]数字经济正在引领着工业活动的数字化革命，为其低碳转型提供了契机。为探究数字经济发展对城市工业碳生产率发展的空间影响效应和作用机制关系，基于2011—2021年长江经济带11省市面板数据，借助双重固定效应下的静态和动态空间杜宾模型进行分析，并进一步引入工业智能化检验数字经济对工业碳生产率升级的作用机制和门槛效应。结果显示：（1）数字经济发展不仅能显著提升本地城市工业碳生产率，也促进邻近城市工业碳生产率提升，且其长期效应大于短期效应，但促进效果存在先增加后减弱的“减速效应”。（2）数字经济推动工业智能化发展是提升城市工业碳生产率的重要传导路径，并存在正向非线性关系，盲目追求智能化指标会削弱数字经济对碳生产率的促进作用。由此提出深入挖掘数字经济减排潜力、加强区域间的经济合作、平衡数字经济与工业智能化的发展等建议，以放大数字经济对工业碳减排潜力。

[关键词]长江经济带；数字经济；工业碳生产率；工业智能化

一、 引言

由于碳排放的负向外溢效应，全球各地区都面临着气候变暖带来的负面影响[1]。作为全球最大的发展中国家与碳排放国，中国高度重视全球气候治理，积极承担碳减排责任，在明确提出“双碳”目标后，党的二十大在实现中国式现代化的高度上再次强调了绿色化低碳化发展的关键性1。而工业是碳排放生产的重点领域，提高工业碳生产率是降低工业碳减排成本（工业增加值损失）及帮助地区平衡工业增长和减排的关键举措[2]。同时，受益于数字技术的成熟和普及，新兴的数字经济开始与传统的生产和生活方式深度融合，为制造业的高质量发展提供了强大的驱动力，为推动工业实现向高级化、低碳化转变提供了新的路径，在促进经济高质量发展和提升人民生活水平方面发挥着关键作用[3]。虽然与发达国家相比，中国的数字经济起步较晚，但充分展现了后发优势，根据《数字中国发展报告》2，2022年我国数字经济规模达到了50.2万亿元，位居全球第二，占GDP比重提升至41.5%。数字经济已逐渐成为经济提质增效的关键驱动力。在实现“双碳”目标和积极推进数字经济发展的大环境中，“十四五”规划以及2035年远景规划纲要强调推动能源的低碳安全利用，推进工业等领域的绿色低碳转型，并要求通过数字化转型全面推动生产、生活和治理方式的变革3。因此工业领域要充分挖掘数字经济“降碳提质”潜力，积极推进数字化转型和智能化升级，为实现工业低碳化绿色化转型注入强劲动力。

推动长江经济带发展是党中央制定的重要决策，习总书记在全面推动长江经济带发展座谈会上明确指出，要将长江经济带建设成为我国绿色发展的主战场和引领经济高质量发展的主力军1。同时，长江经济带不仅是我国重点推进绿色发展的区域之一，也是数字经济和人工智能发展的核心地区，在推动沿江地区的协调发展、促进沿海内外经济发展方面发挥着重要牵引作用。因此本研究关注长江经济带这一特殊区域，探讨数字经济与工业碳生产率的关系，以及如何有效释放数字经济对工业碳生产率的助推力量，进而实现工业碳减排和可持续发展的目标。研究结论不仅为长江经济带的绿色转型和经济高质量发展提供理论和实践参考，还可以对全国范围内的工业碳减排和可持续发展产生积极的示范作用。

二、 研究假设

1. 数字经济与工业碳生产率

随着中国迈入“5G+工业互联网”时代，数字经济的优势日益凸显，城市工业该如何充分利用数字经济的优势，实现减污降碳和提质增效？首先，数字经济通过引领传统产业转型升级[4]，推动工业生产从传统的局部信息化向数字化、网络化和智能化的方向迅速转变，有利于优化工业产业和能源结构，提高工业碳生产率。其次，数字经济为工业企业提供了自动化和数字化的生产过程，高效贯通和精准衔接城市工业生产的各个环节，有效降低信息的不对称性并减少能源不必要的消耗，从而提升工业碳生产率[5]。此外，数字技术的应用也可以帮助企业实施对能源和碳排放的监测与管理，通过应用碳排放交易平台和碳中和服务平台等领域，实现对工业碳排放的精准监测，进而实现污染信息的透明化[6]。

数字经济可以突破时间和空间的限制，克服行政边界的束缚[7]。数字经济在技术水平相对较高、基础设施较为完善、数字化产业相对集中的城市内发展，并通过跨区流动和应用传导到邻近地区，以更多元的方式建立连接[8]，以经济和地理的邻近为区域高技术人才、数字化技术以及创新知识等要素的跨界流动提供客观条件，通过信息共享、合作创新和资源整合等方式对邻近地区产生溢出效应[9]，从而带动邻近地区的工业碳生产率得到提升。随着政府对数字经济“降碳减排”作用的关注，其可能会出台一系列竞争性和创新性的政策措施，周边城市及工业之间的竞争行为将导致技术、人才等资源进一步流动，使得数字经济的创新和知识溢出效应更为显著。据此，本文提出如下假设：

假设1：数字经济发展有利于区域工业碳生产率的提升，存在空间溢出效应。

随着数字经济的发展，数字技术的应用程度逐渐饱和[10]，导致新产品和技术创新的增长速度减缓。有学者提出数字经济出现边际效应递减的现象[11]，数字经济对工业碳排放存在非线性关系[12]。在数字经济发展初期，数字技术的应用对工业生产效率的提升非常显著，从而使得工业碳生产率得到了极大提高。但是随着数字经济的发展，持续增加数字技术的应用可能无法继续高效提高工业碳生产率。此外，数字技术的适用领域和适用范围的局限性以及数字技术本身存在的一些缺陷和不足之处[13]，这些都可能限制数字经济对工业碳生产率的促进作用。因此，本文提出数字经济对工业碳生产率的“减速效应”，即数字经济在初期发展阶段对工业碳生产率的促进作用较为明显，但随着数字经济的发展趋于成熟，数字经济的发展速度逐渐放缓，且对工业碳生产率的贡献逐渐减少。基于这一观察，本文提出如下假设：

假设2：数字经济对工业碳生产率的促进作用存在“减速效应”。

2. 数字经济、工业智能化与工业碳生产率

数字经济对工业的赋能路径一直是学界所关注的问题，索洛曾提出著名的“信息技术生产率悖论”他指出尽管数字信息技术已经大规模普及[14]，但似乎并未有效持续地提高全要素生产率。由于工业的数字化和智能化转型需要考虑国家的劳动力结构和基础设施建设的规模，并且我国工业部门存在通用性和兼容性不足等问题，限制了数字技术架构的布局，从而造成工业数字化发展相对缓慢。因此，数字经济对工业生产活动的推动作用不是一蹴而就的，其所带来的工业智能化是影响碳生产率的重要途径[15]。引入先进的数字技术，可以推动工业智能化技术的研发和应用。对工业部门进行智能化改造，可以实现产业链上下游的协同优化，从而减少资源和能源的浪费，提高工业碳生产率。据此，本文提出如下假设：

假设3：数字经济通过发展工业智能化来促进工业碳生产率提升。

在工业智能化的背景下，智能化的数字基础设施促进了各类创新要素的泛在连接，实现生产过程的自动化和智能化[16]，有助于促进城市工业的碳生产率不断提升。但需要注意的是，这种关系可能存在非线性作用，这是因为工业智能化技术不断发展，对于碳生产率的影响不是简单的累加作用，而是具有复杂的相互作用和调节效应。在工业向智能化转型的过程中，一些城市可能将扩大应用工业智能化技术视为工业数字化转型的关键标准，而往往片面地追求工业技术的升级，忽视企业战略以及业务要求等问题，导致数字经济发展在工业的技术研发、生产制造及供应链管理等各个环节之间缺乏有机的衔接，非但不能达到预期目标，反而可能会造成效率和经济的损失，削弱数字经济对工业碳生产率的促进作用。据此，本文提出如下假设：

假设4：合理发展工业智能化有助于数字经济推动工业碳生产率提升，但盲目开发工业智能化会削弱数字经济对工业碳生产率提升的促进作用。

三、 研究设计

1. 变量选取与定义

（1）被解释变量

工业碳生产率（ICP）。已有学者借助全要素生产率框架对碳生产率进行核算[17]，但对能源核算指标覆盖较少以及工业资本存量指标的近似估计时都会带来误差[18]。为了确保工业碳生产率的定义一致性以及计算方法的准确性，本文根据Kaya[19]的定义，采用工业增加值（IAV）与工业二氧化碳排放量的比值来衡量工业碳生产率，见式（1）。

[ICP=IAVICO2] （1）

本文参考2006年《IPCC国家温室气体清单指南》，通过对不同种类能源消费量（表1）测算工业CO2排放量，见式（2）。

[ICO2=j=115Ej×Cj=j=115Ej×NCVj×CEFj×COFj×4412] （2）

式（2）中，j表示15种能源，ICO2、Ej和Cj分别代表工业碳排放量、第j种能源消耗量以及排放系数；NCVj，CEFj和COFj则分别表示第j种能源的平均低位发热值、单位热值含碳量以及碳氧化率，具体参数见表1。

（2）核心解释变量

数字经济发展水平（Dige）。数字经济是一个十分广泛丰富的概念，其发展水平不仅需要考虑经济产业和社会环境的影响，还要考虑数字化应用程度和基础设施建设程度带来的影响。因此，对数字经济发展水平的衡量往往需要借助多种指标[20]。借鉴已有学者对数字经济的研究[21]，以及中国信通院发布的《2021年中国数字经济发展白皮书》中的指标1，本文从数字基础设施、数字创新环境和数字产业规模三个维度，运用熵值法对细分的15个二级指标（表2）进行测算以衡量数字经济发展水平。

（3）中介变量

智能制造是工业智能化的核心构成，而企业年报的智能化转型指标的词频可以直观地度量难以量化的智能化转型程度[22-23]。因此，本文借鉴郭磊等[24]的研究，通过关键词关联度图谱分析提取57个与工业企业智能制造发展相关关键词，来对各省市30个制造业子行业的上市公司年报中的词频提取统计，并进行归一化处理来表征工业智能化水平。

（4）控制变量

为尽可能缓解遗漏变量所致的估计偏误，本文参照相关研究分别选取了对外开放（LOP）、工业集聚水平（LIS）、工业环境规制（IER）、科技占比（TC）、工业能源强度（IEQ）、创新水平（IG）、能源结构（IEC）指标来作为控制变量，具体变量定义见表3。

2.数据来源与处理

本文选取长江经济带11个省市（9省2市）2011—2021年的统计数据，并从《中国统计年鉴》《中国能源统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》《第三产业统计年鉴》《中国互联网络发展状况统计报告》以及各省市历年统计年鉴，北京大学数字普惠金融数据报告等获取部分专业数据。对所有与价格有关的变量值以2011年为基期进行平减处理，缺失的个别数据采用线性插值法予以补齐。

表3报告了各主要变量的定义和主要统计特征。其中工业碳生产率（ICP）的均值是0.912，标准差为0.463，反映出样本间工业碳生产率存在较大波动，这与已有研究结果基本一致。数字经济水平的均值为0.221，标准差为0.188，这表明样本中的数字经济整体发展水平尚处于较初级阶段，且差距较小。

3. 模型建立

（1）空间相关性和权重矩阵

借鉴已有空间计量模型的研究方法，本文采用全局Moran’I指数进行工业碳生产率的空间自相关分析，如式（3）所示：

[Moran’I=ni=1nj=1nWijxi-xxj-xi=1nj=1nWiji=1nxj-x] （3）

式（3）中，Wij为空间权重矩阵，xi，xj表示第i个与第j个城市的工业碳生产率水平。

根据区域经济学原理，由于本文的研究对象为长江经济带的城市，市域两两相邻，因此选择基于邻接关系构建空间权重矩阵W1ij和反距离权重矩阵W2ij作为基准空间权重矩阵：