《Sustainable Energy Technologies and Assessments》：Dynamic feedback mechanisms among the digital economy, renewable energy technology innovation, and carbon emissions intensity: evidence from the Yangtze River Economic Belt
编辑推荐：
•PVAR模型揭示了DE、RETI与CEI之间的动态反馈关系。•DE与RETI能够降低CEI，但RETI初期会出现反弹现象。•RETI会对DE产生短期的要素挤出效应。•过高的CEI会带来环境约束，进而抑制DE的发展。•这三者之间的动态反馈机制存在空间异质性。引言尽管《巴黎协定》设
- •
PVAR模型揭示了DE、RETI与CEI之间的动态反馈关系。
- •
DE与RETI能够降低CEI，但RETI初期会出现反弹现象。
- •
RETI会对DE产生短期的要素挤出效应。
- •
过高的CEI会带来环境约束，进而抑制DE的发展。
- •
这三者之间的动态反馈机制存在空间异质性。
引言
尽管《巴黎协定》设定了严格的温度控制目标，但基于当前全球气候政策与减排路径的预测表明，21世纪末的升温速度将偏离理想的安全路径，且气候系统跨越关键临界点的不确定性也在不断增加[1]、[2]。这种不断发展的全球变暖趋势将为全球水资源、粮食安全以及人类社会经济体系带来极具破坏性的复合型气候风险[3]、[4]、[5]。为解决这一严峻危机，持续降低碳排放强度（CEI），实现经济增长与温室气体排放的深度脱钩，已成为全球共识。作为世界上最大的发展中国家和碳排放国，中国在应对气候变化方面发挥着至关重要的作用[6]。为此，中国政府提出了在2030年前实现碳达峰、在2060年前实现碳中和的目标[7]。然而，与那些已自然达到峰值水平的发达国家不同，中国面临着庞大的碳排放基数以及从峰值到碳中和时间极为紧迫的双重压力。
在如此大的减排压力之下，那些过度依赖末端处理和产能削减的传统线性减缓和措施已暴露出明显的局限性。因此，亟需通过技术创新推动宏观经济体系的低碳转型。数字经济（DE）与可再生能源技术创新（RETI）正成为重塑全球能源格局和经济结构的双重驱动力。尽管近年来学术研究普遍关注DE、RETI与CEI之间的关系，但现有文献大多仅聚焦于这三者中任意两者之间的局部影响。大多数研究仅探讨了DE或RETI对CEI的单向促进作用[8]、[9]、[10]，很少将其整合到一个统一的内生系统框架中进行全面分析。实际上，在真实的宏观经济运行中，这三个要素构成了一个复杂的三方互动反馈系统。首先，若不采用统一框架，就很容易忽视系统内部的资源竞争问题。虽然DE与RETI具备显著的减排潜力[11]、[12]，但大规模的数字基础设施建设必然会带来能源消耗的急剧上升。在转型初期，由于资源有限，高成本的数字投资以及周期较长的能源研发工作难免会面临资金竞争和要素挤出的困境[13]。其次，若忽视碳排放的反馈效应，就难以找到真正的脱碳路径。持续的高碳排放并非单纯的终点，与之相关的严格目标约束可能会引发一系列严格的环保法规，进而反过来影响甚至限制DE与RETI的发展轨迹[14]、[15]。因此，打破单向因果关系的假设，深入研究在一个统一内生反馈框架下这三者之间的短期与长期动态变化，是不可或缺的。这有助于弄清低碳转型的真实演化规律，解决资源分配不合理的问题。
在方法论层面，现有研究主要采用面板回归技术，如面板固定效应模型或普通最小二乘法，来衡量长期的静态平均影响及单向驱动系数[13]、[16]。它们还经常使用差异比较法来评估外生政策冲击的影响[17]，并运用空间计量经济学方法，如空间杜宾模型，在预设的因果关系假设下研究空间溢出效应[18]。然而，这些方法本质上都受限于静态参数估计或单一的、预先设定的因果方向，这使得很难将DE、RETI与CEI在宏观经济演化过程中的内生双向反馈关系视为连续变量来加以描述，更难以准确追踪当某个因素受到突发冲击时，各内部变量在宏观经济体系间的动态传导路径与结构贡献。实际上，宏观经济的低碳转型是一个具有时间滞后和资源约束的长期跨期演化过程[19]。如果无法准确量化减排初期的“阵痛期”以及后续技术创新带来的“红利期”，就极难科学地制定出具有跨期协同效应的减排政策。基于上述考虑，我们构建了一个涵盖DE、RETI与CEI三方互动关系的系统性理论框架，并运用双变量空间自相关分析和面板向量自回归模型，严谨地分析了这三大要素在宏观经济体系中的动态反馈路径及其协同的空间特征。
本研究的主要贡献有三点。第一，从研究与理论框架的角度来看，本研究突破了传统单方程模型的局限，这些模型依赖于预先设定的因果方向和外生冲击。通过将DE、RETI与CEI视为一个平等的、内生的整体来进行整体分析，我们为理解宏观经济的低碳转型提供了一种全新的、系统化的分析视角。第二，在揭示深层互动机制方面，本研究克服了长期静态参数估计的不足，阐明了宏观经济体系在面临突发冲击时的跨期传导路径与结构贡献。此外，我们还量化了CEI对DE与RETI的反向制约作用。第三，通过拓展互动作用的空间范围，异质性分析表明，这三者之间的内生反馈机制会受到资源禀赋与发展阶段的限制。这些研究结果为制定具有针对性的区域减排治理策略提供了微观层面的实证依据。
本文的其余部分结构如下：第2节阐述理论机制与研究假设；第3节介绍研究区域与研究方法；第4节利用PVAR模型分析DE、RETI与CEI之间的动态反馈关系；第5节讨论研究结果；第6节对全文进行总结，并提出研究启示与政策建议。图1展示了本文的研究框架。
章节概要
DE与RETI的减碳效应
DE与RETI被广泛认为是降低CEI的两大关键动力。研究表明，DE可通过数据要素流通、节能技术进步以及技术溢出效应，实现精准的能源匹配，推动整个产业链的低碳协同发展[20]、[21]。此外，可再生能源技术的不断进步还引发了深度的能源替代机制，这一机制有助于提升
研究区域概况
根据2023年的中国行政区划，黄河流域生态保护高质量发展区涵盖了2个直辖市、108个地级市以及16个自治州，共计126个地级及以上城市。由于数据获取的限制，我们的研究区域选取了其中的2个直辖市和106个地级市，共计108个城市（见图2），这些城市占黄河流域生态保护高质量发展区所有城市的85.71%。
该区域集中了超过40%的
DE、RETI与CEI的PVAR模型分析
在开展实证建模之前，我们首先对DE、RETI与CEI的时空演化特征及双变量空间相关模式进行了初步分析，详细结果与相关图表详见附录A。
减排的时间滞后与短期要素挤出机制
我们的脉冲响应分析结果显示出一个关键的矛盾：尽管从长期均衡角度看，RETI具备显著的减排潜力，但在短期内却可能引发反向波动或要素挤出现象。这一发现挑战了传统研究中普遍存在的乐观线性预期，即认为技术创新能够立即带来减排效果[64]、[65]、[66]，为理解资源分配问题提供了微观层面的证据
结论
以黄河流域生态保护高质量发展区的108个城市为研究对象，本研究构建了一个包含DE、RETI与CEI三者的内生系统框架，运用双变量空间自相关分析和PVAR模型等方法，系统地研究了低碳转型过程中的动态反馈路径与空间差异特征。相关结论主要有三点。
首先，从时空差异及要素空间分布的角度来看，2011年之后
利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了国家自然科学基金（编号：42301231、72204142）、浙江省自然科学基金（编号：ZCLQ24D0101）以及教育部人文社会科学研究青年基金（编号：23YJCZH282）的支持。
尹尚刚|吴楠楠|苏一通|白彩权
