人口结构与数字经济对中国碳排放的交互影响

《Frontiers in Environmental Science》:Interaction impact of demographic and digital economy on carbon emissions in China

【字体: 大 中 小 】 时间:2026年07月28日 来源:Frontiers in Environmental Science 4.4

编辑推荐:

  尽管数字经济(DEI)具有支持脱碳的潜力,但人口动态在塑造这种关联中的作用仍不明确。需要更多实证和理论研究来理解这一关系。基于此背景,本研究旨在利用来自《中国统计年鉴》的2000-2020年中国31个省份面板数据,探索数字经济(DEI)、人口与碳排放(CO

  
尽管数字经济(DEI)具有支持脱碳的潜力,但人口动态在塑造这种关联中的作用仍不明确。需要更多实证和理论研究来理解这一关系。基于此背景,本研究旨在利用来自《中国统计年鉴》的2000-2020年中国31个省份面板数据,探索数字经济(DEI)、人口与碳排放(CO2)之间的复杂关联。研究人员创新性地采用人口距离矩阵(population distance matrix)来分析人口因素如何调节数字经济(DEI)与碳排放(CO2)的关联,并利用结构方程模型(SEM)克服传统单路径中介分析的局限性。研究结果表明,数字经济(DEI)与中国二氧化碳(CO2)排放显著负相关,并存在显著的空间溢出效应。此外,人口老龄化(POPS)与数字经济(DEI)之间存在强负排放关联,而人口流动(POPM)则表现出显著负关联。再者,随着人口密度(POPD)增加,数字经济(DEI)与排放之间的关联先增强后减弱。
**论文解读:人口结构与数字经济对中国碳排放的交互影响**

**研究背景、问题与意义**
全球二氧化碳(CO2)排放持续攀升,2023年达374亿吨,较1990年增长近60%,导致全球气温较工业化前升高约1.2°C,引发海平面上升、极端天气、生态系统丧失和海洋酸化等严峻环境与健康风险。减少CO2排放成为全球紧迫任务。数字经济(DEI)——以互联网技术为支撑的经济活动,涵盖IT密集型服务、电子商务和数字基础设施——通过提高交通、农业和制造业效率可能降低排放,但同时也可能增加电力需求和电子废弃物,其环境效应尚存争议,尤其当与经济社会变化相结合时。人口因素——总人口(POP)、老龄化(POPS)、密度(POPD)和流动(POPM)——是碳排放的关键驱动因素:人口增长增加能源需求;老龄化改变消费模式;密度和流动重塑城市化、工业与基础设施。这些因素与技术变革相互作用,可能放大或抵消碳影响。中国作为全球最大排放国(2019年占全球31%),同时经历快速人口变迁:2021年流动人口达3.76亿(占总人口26.6%),老年人口比例从7%翻倍至14%仅用25年,94%居民集中分布于胡焕庸线以东。与此同时,数字经济快速扩张,影响多个经济部门。

现有研究多聚焦数字经济对碳排放的直接效应或人口因素的独立作用,鲜有系统考察人口因素如何中介或调节数字经济与碳排放的关联,且空间分析中常用地理或经济距离矩阵,忽略人口相似性。为此,本研究旨在回答三个核心问题:数字经济是否降低中国碳排放?人口因素如何中介或调节这一关系?这种效应在不同阈值、空间设定和区域分组下是否存在差异?研究基于中国31个省份2000-2020年面板数据(来源《中国统计年鉴》),通过构建包括人口规模、密度、流动和老龄化在内的多维人口框架,运用结构方程模型(SEM)识别多重间接关联,并构建人口距离空间权重矩阵捕捉空间与人口相互依赖,为理解人口动态如何塑造数字经济的脱碳效应提供了新视角。论文发表在《Frontiers in Environmental Science》。

**主要关键技术方法**
研究人员采用熵权法(entropy weight method)计算数字经济指数(DEI),涵盖电信、互联网产业和数字商务三个维度(共9个指标)。使用固定效应模型(FE)估计基准回归,引入人口变量及其与DEI的交互项。为克服单路径中介分析局限,构建结构方程模型(SEM)同时估计DEI通过人口规模(POP)、密度(POPD)、流动(POPM)和老龄化(POPS)对碳排放(lnCE)的间接关联。采用阈值效应模型(Hansen, 1999)检验非线性关系,以人口变量为阈值变量。空间杜宾模型(SDM)结合人口距离空间权重矩阵(基于地理距离与人口密度差异)分析空间溢出效应。异质性分析按胡焕庸线及东中西三大区域划分样本。数据来源为《中国统计年鉴》31个省份平衡面板。

**研究结果**

**4.1 基准回归**
固定效应模型结果显示,数字经济指数(lnDEI)对碳排放(lnCE)具有显著负向效应(系数约-0.202),表明数字经济整体降低CO2排放。逐步加入人口变量后,lnDEI系数进一步下降(至-0.841至-0.523),且lnDEI与人口老龄化(lnPOPS)的交互项显著为负,说明老龄化强化了数字经济的减排效应;与人口流动(lnPOPM)的交互项显著为正,表明流动增加抵消部分减排效果;与人口密度(lnPOPD)的交互项显著为负,表明数字经济可缓解高密度带来的排放压力;总人口(lnPOP)交互项不显著。Lewbel异方差工具变量检验(第一阶段F=43.33)支持基准结果的稳健性(lnDEI系数-0.252,p=0.076)。

**4.2 机制分析**
结构方程模型(SEM)拟合良好(SRMR=0.062,CFI=0.929)。DEI通过人口规模产生正向间接关联(0.176),通过人口流动(-0.094)和老龄化(-0.056)产生负向间接关联,总间接关联为0.111,表明人口规模是主要抵消因素。具体而言,DEI促进人口增长,进而增加碳排放;DEI提升流动人口,但流动有利于清洁技术扩散,降低排放;DEI提升老龄化比例,老年人低能耗与数字服务替代出行减少排放。人口密度路径不显著。

**4.3 阈值模型**
阈值检验表明,人口老龄化、人口规模、人口流动存在单阈值,人口密度存在双阈值。当老龄化高于阈值(-2.689,对应约6.8%老年人口比例)时,DEI减排效应增强(系数从-0.173增至-0.224);当流动低于阈值(7.520)时,DEI显著减排,高于阈值后效应不显著;当人口规模高于阈值(6.729,约837万人)时,DEI减排效应显著(-0.282);人口密度在低水平(<6.354)时DEI减排效应较小(-0.167),中等密度(6.354-7.916)时效应最强(-0.242),高密度(>7.916)时效应减弱(-0.189),呈倒U型。

**4.4 空间溢出效应**
基于人口距离矩阵的空间杜宾模型显示,DEI对碳排放具有显著负向直接效应和空间溢出效应(Wx系数-1.855,总效应-1.241)。替代矩阵检验中,邻接矩阵下DEI的Wx和总效应均显著为负(-0.211和-0.271),地理距离矩阵下不显著,表明邻近省份间的溢出效应更强。工业结构(lnIS)在空间上显著促进碳排放。

**4.5 异质性**
按胡焕庸线划分,DEI在东、西部均显著负向,但西部系数绝对值更大(-4.504 vs. -0.598),表明数字经济在西部减排效应更强。按东中西区域划分,东部不显著,中部显著正相关(1.013),西部显著负相关(-2.037),反映中部地区数字扩张伴随能源密集型产业转型,抵消效率提升,而西部因初始发展水平低,边际减排收益更大。

**总结讨论与结论**
本研究系统阐明了人口因素在数字经济与碳排放关联中的角色。通过整合人口规模、流动、结构和密度,运用SEM、阈值模型和人口距离空间矩阵,弥补了传统单路径中介和单一空间矩阵的不足。主要结论:数字经济整体有助于降低CO2排放,尤其在西部和老龄化程度较高地区;人口增长和高流动会削弱减排效果,而中等密度和老龄化则增强减排效应;空间溢出效应显著,邻近省份间数字实践可扩散。政策建议:加强西部数字基础设施建设;在流动人口高区域推广智能交通和数字化公共服务;在老龄化区域扩大远程医疗和数字养老。研究局限性:未区分流入与流出区域;SEM未完全控制个体和时间异质性,未来需采用更适用于面板数据的SEM方法。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号