数字经济发展对碳中和技术创新的影响机制与空间效应研究

本综述系统探讨了数字经济（d_economy）通过优化资源配置、缓解融资约束及促进产学研协同等途径，对碳中和技术创新（c_innovation）产生的多维度影响。研究揭示了数字经济在驱动绿色技术突破、加速低碳转型中的核心作用，为制定碳中和战略提供了关键理论依据与实践路径。

　　

机制分析与研究假设

数字经济对碳中和技术创新的直接影响机制

数字经济凭借高渗透性、高速性和边际效应递增等特征，正在深刻改变生产生活方式与治理模式，并在降低城市碳排放中发挥关键作用。实现碳达峰与碳中和战略目标亟需绿色技术创新支撑，而低碳技术和绿色技术创新是企业节能降耗的核心路径。减少煤炭使用、提升能源效率和发展可再生能源等关键领域均需技术“底座”支撑，尤其是碳中性和绿色技术创新突破。

数字经济通过三方面机制直接促进碳中和技术创新：

1. 1.
   人力资本结构优化：数字经济催生了以大数据、区块链为代表的新兴产业，吸引大量高素质人才集聚。数字技术的广泛应用提升了对高技能、高教育水平劳动力的需求，持续优化人力资本结构，为城市碳中和技术创新奠定要素基础，推动创新水平提升。
2. 2.
   融资约束缓解：融资限制和资金可获得性对企业绿色技术创新具有显著影响。数字经济的平台效应能够突破时空限制，增强信息处理能力，缓解银企间信息不对称问题，助力金融机构精准评估企业经营状况，高效提供信贷支持，优化银行资源配置。融资约束的放松使企业能够将更多资金投入绿色技术研发，促进绿色技术进阶与创新。
3. 3.
   产学研合作强化：数字技术应用能够消除信息流动壁垒，不仅使企业及时掌握低碳技术和产品的市场需求，还加强了企业、高校与科研机构间的协作联系，提升企业协同创新能力，持续优化产学研合作质量，推动碳中和技术创新水平提高。

值得注意的是，梅特卡夫定律和“网络效应”的存在使数字经济对碳中和技术创新的促进作用呈现边际递增特性。随着数字经济发展，数据要素资源不再稀缺，其高渗透性和高速性特征对技术创新的推动力持续增强。

数字化产业化与产业数字化对碳中和技术创新的差异化影响

数字经济包含数字化产业化（digital_i）和产业数字化（industrial_d）两大子系统：

• •
  数字化产业化：作为数字技术和数据要素的供给方，为传统产业数字化、网络化、智能化转型提供物联网、大数据、云计算等必要技术和解决方案。其技术引领作用激发了新技术发展潜力，研究表明数字化产业化对创新能力提升和产业结构升级具有积极贡献，而创新能力提升和产业结构优化是减少碳排放、促进碳中和技术创新的重要路径。提升创新能力可推动碳捕集与封存等负碳技术发展，降低能源消耗与污染排放，最终实现碳排放减少与技术创新双赢。在数字化产业化发展初期，由于基础设施不完善、专业人才缺乏及应用场景探索不足，数字经济与传统产业融合程度有限，对碳中和技术创新的促进作用较弱；随着数字化产业化进阶，其规模经济效应凸显，吸引大量资本投向碳中和技术研发，优化资源配置，促进知识与技术溢出，加速创新要素集聚融合，显著提升碳中和技术创新水平。
• •
  产业数字化：作为数字经济与实体经济融合的核心环节，通过数据要素、数字技术和智能产品在传统产业中的应用实现产出增加和效率提升。产业数字化依托区块链等技术赋能绿色发展：一方面促进产业跨区域联动，形成数据、人才、资本快速流动的创新生态系统，提升区域核心技术创新能力；另一方面重构产业竞争模式，推动产业边界融合，加速企业内部资源整合，实现资源共享，提升研发能力，激励企业开展更多创新活动，研发低碳、零碳及负碳技术，有效赋能绿色低碳产业发展，提高碳生产率，为碳中和技术创新奠定基础。在产业数字化较低阶段，数字技术在不同行业间的沟通渠道不畅，行业信息壁垒较高，数字经济难以有效整合资源，对碳中和技术创新的促进作用有限；随着产业数字化深入发展，数字经济规模扩大，行业间协同创新增加，不同行业技术知识交流融合加速，推动碳中和技术创新进程。

需特别指出的是，数字化产业化作为数字技术本身的产业化进程，代表从0到1的突破，具有技术迭代快、创新溢出效应强的特征，能够利用数字技术优势驱动传统产业向智能化、绿色化发展，为碳中和技术创新提供基础支撑。同时，“十四五”规划等一系列政策的出台为数字化产业化发挥赋能作用创造了有利环境。产业数字化作为数字技术与实体经济融合的过程，当前中国产业结构仍存在“大而不强”“全而不优”的问题，传统高耗能产业占比相对较高，传统产业与数字产业融合需要过程，导致产业数字化进展相对缓慢，其对碳中和技术创新的促进作用尚未完全显现。

数字经济通过改善资源错配间接促进碳中和技术创新

数字经济通过提升资源配置效率、解决资源错配问题，对碳中和技术创新产生正向间接影响。借助云计算、大数据等技术，数字经济重组资源配置，缓解要素市场配置扭曲，通过渗透协同实现要素精准匹配，提升资源配置效率。同时，数字经济推动组织创新，打破地域和行业壁垒，优化投资效率与客户渠道，从而改善资源配置效率。资源错配的改善能够有效整合不同行业间的技术资源，促进技术共享与转移，提升碳中和技术创新水平。

数字经济对碳中和技术创新的空间溢出效应

在数字经济背景下，数字信息成为关键新生产要素，信息技术成为驱动经济高效运行的重要载体。数字网络中信息流动能够突破地理限制，克服空间与行业壁垒，发挥“流动空间”与“流动产业”的叠加效应。基于数字经济的共享与渗透特性，以技术创新和知识为核心的关键资源实现跨区域流动，这意味着数字经济的影响并不局限于单一区域。研究表明中国数字经济存在显著的空间溢出效应，尤其对周边城市创新与经济增长具有促进作用。依托社会经济活动的空间关联性，经济推动技术创新的能力很可能存在空间相关性。数字经济下跨越空间约束的信息流动与技术溢出也会对碳中和技术创新产生空间影响。

数字经济不受地理距离限制，通过采用数字信息技术，能够促进新技术与知识在区域间传播，弥补相邻区域资源禀赋不足，优化区域间合作模式与创新业态。数字经济发展与各类互联网平台的跨时空连接加速了碳中和技术创新经验与知识的传播应用，并对周边地区产生溢出效应。

模型构建与变量测度

模型构建

为检验上述假设，研究采用固定效应模型、中介效应模型、动态门槛回归模型和空间杜宾模型分别考察数字经济对碳中和技术创新的直接效应、间接效应、非线性效应和空间效应。

基准回归模型设定如下：

c_innovation_it = α₀ + α₁D_it + α_nX_it + λ_i + γ_t + ε_it (1)

其中c_innovation_it为被解释变量，表示地区i在时期t的碳中和技术创新水平；D_it为核心解释变量，包括区域数字经济水平（d_economy_it）、数字化产业化水平（digital_i_it）和产业数字化水平（industrial_d_it）；X_it为控制变量集合；λ_i为城市固定效应，γ_t为时间固定效应，ε_it为随机扰动项。

中介效应模型引入资源错配作为中介变量：

resource_it = μ₀ + μ₁d_economy_it + μ_nX_it + λ_i + γ_t + ε_it (2)

为考察非线性关系，构建动态门槛回归模型（以单一门槛为例）：

c_innovation_it = β₀ + β₁c_innovation_it-1 + β₂d_economy_itI(d_economy_it≤η₁) + β₃d_economy_itI(d_economy_it>η₁) + β_nX_it + λ_i + γ_t + ε_it (3)

针对数字化产业化与产业数字化的门槛效应分别建立模型(4)和(5)。空间杜宾模型用于考察空间效应：

c_innovation_it = σ₀ + ρWc_innovation_it + φ₁d_economy_it + φ₂X_it + φ₃Wd_economy_it + φ_nWX_it + λ_i + γ_t + ε_it (6)

其中W为空间地理距离的逆平方矩阵，ρ为空间自回归系数。

变量测度与数据来源

被解释变量：碳中和技术创新（c_innovation）

采用CPC-Y02专利分类下的发明专利申请数量加1取对数作为衡量指标，涵盖低碳技术创新（减少温室气体排放和降低能耗的技术）、零碳技术创新（开发利用非化石能源实现近零碳排放的技术）和负碳技术创新（碳捕集、封存与利用技术）三大类。

核心解释变量：数字经济（d_economy）

依据国家统计局2021年分类标准，从数字化产业化（digital_i）和产业数字化（industrial_d）两个维度测度数字经济发展水平：

• •
  数字化产业化：从规模与发展状况、创新能力两个维度衡量，包括软件和信息技术服务业、电信等数字产业基础行业
• •
  产业数字化：从数字技术与第一、二、三产业融合角度定义

采用加速遗传算法优化的投影寻踪法（RAGA-PP）计算数字经济发展水平指数，通过标准化样本指标、建立投影指标函数、优化投影指标函数和计算数字经济指数四个步骤实现多维指标的综合评估。

门槛变量：数字经济（d_economy）、数字化产业化（digital_i）和产业数字化（industrial_d）

中介变量：资源错配（resource）

基于生产函数测算城市要素市场扭曲程度，通过与当年所有城市中最高扭曲水平比较评估各城市资源错配程度。构建C-D生产函数：

LnY_it = c + aLnK_it + bLnL_it + ε_it (13)

资本与劳动扭曲程度分别为：

distK_it = |aY_it/r_itK_it - 1| (14)

distL_it = |bY_it/d_itK_it - 1|

总体市场扭曲程度为：dist_it = distK_it^a/(a+b) × distL_it^b/(a+b)

其中Y为地区生产总值，K为资本存量（永续盘存法测算），L为劳动力数量（年末就业人数），r为资本价格（设10%，含5%折旧率和5%有效利率），d为劳动成本（各城市当年职工平均工资），a为资本产出弹性，b为劳动产出弹性。

控制变量：包括金融发展水平（finance，金融机构存贷款余额与地区生产总值比值）、产业结构（industry，第三产业增加值与地区生产总值比值）、政府干预程度（government，政府支出与地区生产总值比值）和对外开放程度（opening，进出口总额与地区生产总值比值）。

数据来源与样本选择：选择2011-2022年中国264个城市面板数据，所有变量进行对数处理以避免异方差和多重共线性。

实证检验与结果分析

共线性检验

方差膨胀因子（VIF）检验显示所有VIF值均小于5，表明变量间不存在多重共线性问题。

基准回归结果分析

基准回归结果显示，数字经济对碳中和技术创新具有显著促进作用，且随着控制变量数量增加，促进作用总体增强。数字经济水平每提高1%，碳中和技术创新水平增长3.9918%，假设1得到验证。数字经济通过大数据、云计算、区块链、人工智能等技术的广泛应用，降低信息获取难度与成本，加速知识与技术溢出，促进区域碳中和技术创新与研发，整体提升技术创新水平。

研究进一步揭示了数字化产业化与产业数字化对碳中和技术创新的差异化影响机制，验证了数字经济通过改善资源错配间接促进技术创新的中介效应，以及数字经济存在的空间溢出效应，为制定差异化政策促进碳中和技术创新提供了扎实的实证依据。