鉴于现有文献主要关注数字经济（DE）对环境退化的影响，而忽视了自然资源的作用，本文将自然资源租金和反腐败监管作为门槛变量，以揭示自然资源在DE与二氧化碳（CO₂）排放关系中的调节作用。本文选取了97个国家，使用2003—2019年的年度数据，采用面板门槛模型。研究结果表明，当自然资源租金作为门槛变量时，DE对CO₂排放的影响呈现单一门槛效应（即DE与CO₂排放之间存在倒U型关系）。具体而言，当自然资源租金处于低至中等水平时，DE显著增加CO₂排放；而当租金超过门槛值时，DE则抑制了CO₂排放的增长。此外，以反腐败监管为门槛变量时，DE总体上推动了CO₂排放增长，且其对CO₂排放的影响存在双重门槛效应。具体来说，反腐败监管的增加最初加剧了DE对CO₂排放的影响，随后逐渐减弱。基于以上研究结果，本文提出了多项政策建议，例如制定符合本国国情的DE发展战略，在DE发展过程中考虑自然资源的作用，并加强环保领域的反腐败工作。
随着过度消费和生产活动的加剧，大量的二氧化碳（CO₂）排放对人类生产生活、经济和社会生活带来了负面影响。根据英国石油公司（2022年）的数据，2021年全球能源使用、工业过程、燃烧活动和甲烷的CO₂排放量上升了5.7%，达到390亿吨。这表明全球气候问题日益严重，推动低碳发展的共识逐渐达成。数字经济（DE）的定义为“以数字化信息和知识为核心生产要素、现代信息网络为主要活动空间、以信息和通信技术（ICT）推动生产力增长的广泛经济活动”。随着信息和通信技术的进一步进步，数字经济因其高度创新、强渗透性和广泛传播性，显著改变了全球经济结构、竞争环境，并重新组织了生产要素资源配置，但其对环境的影响尚不确定发展方面具有多个潜力，例如通过整合数据资源、提升技术资源和建立数据网络系统，提高了政府监测CO₂排放和低碳治理的能力。同时，数字经济还能引领绿色过程和服务创新，提升企业的生产效率和碳效率，为低碳经济转型提供动力。然而，随着云计算和无现金支付系统等在线活动的增加，数字服务的需求也在增长。因此，研究DE与碳排放的关系至关重要的，尤其是考虑到自然资源和反腐败监管等因素。本文采用了面板阈值回归模型作为主要的研究方法，以分析数字经济对碳排放的影响，并结合自然资源租金和反腐败监管作为门槛变量，探讨其在不同条件下的非线性关系。
（1）引入自然资源租金和反腐败监管作为门槛变量：本文首次将自然资源租金和反腐败监管纳入数字经济与CO₂排放关系的分析，系统考察了自然资源在数字经济与碳排放关系中的调节作用。这一视角拓展了现有关于数字经济与环境影响的研究维度。
（2）揭示非线性影响关系：通过使用面板门槛模型，本文揭示了数字经济与CO₂排放之间的非线性关系。在自然资源租金低时，数字经济会增加CO₂排放，而当资源租金超过一定门槛后，数字经济则转为抑制排放。同样，在反腐败监管的不同水平下，数字经济对CO₂排放的促进效应也表现出递增再减弱的双重门槛效应。
（3）广泛的数据覆盖：本文基于2003—2019年97个国家的面板数据进行分析，为探讨数字经济与碳排放的关系提供了更全面的国际视角，并提升了研究结果的广泛适用性。
（4）为政策制定提供科学依据：研究发现提示，低资源租金和低反腐水平下的数字经济更可能导致碳排放增加。因此，本文为各国政府在数字经济发展和环境政策制定上提供了可行建议，尤其是如何平衡数字经济的发展与低碳目标，支持了全球低碳转型的实践。
1. 变量测量
1.1核心变量
本文首先使用固定效应模型测试了数字经济（DE）对CO₂排放的线性影响，随后在自然资源租金和反腐败监管作为门槛变量的情况下，考察了数字经济对CO₂排放的非线性影响。本文基于97个国家2003至2019年的面板数据进行分析，以下是各变量的选择和数据来源：主要的解释变量为数字经济复合指数，该指数基于基础设施、社会效应、数字商业和社会支持四个方面构建。该复合指数采用熵值法计算，次级指标包括电信基础设施指数、在线服务指数和电子参与指数，这些数据来自联合国经济和社会事务部发布的电子政务调查报告。由于该数据每隔数年发布，使用线性插值法对面板数据进行补充。
1.2 门槛变量
自然资源租金（rent）定义为自然资源租金占GDP的比例，包括石油租金、天然气租金、煤炭租金、矿物租金和森林租金等。反腐败监管（cot）衡量公共权力被私人利用的程度，包含小规模和大规模的腐败。其控制腐败的指数范围为0到100分，分数越高表示腐败控制越好。
1.3控制变量
为减少外生因素对数字经济影响CO₂排放精确评估的干扰，本文选择了可再生能源消耗在总能源结构中的比例（ren）和贸易开放度（tra）作为控制变量。
2. 实证结果
2.1 初步分析
在验证数字经济（DE）与二氧化碳（CO₂）排放的关系之前，本文进行了相关性分析。表5显示，数字经济与CO₂排放之间在1%的显著性水平上呈显著正相关，系数为0.475。同时，各变量的方差膨胀因子（VIF）最高值为2.69，且所有变量的VIF均小于5。此外，多数相关系数低于0.8，表明不存在多重共线性问题。
2.2 基准回归分析
为得出更精确的结论，本文采用混合回归、固定效应和随机效应模型以揭示变量间的定量关系。经过LM检验和Hausman检验，确定应选择固定效应模型。表6的面板回归结果表明，数字经济对CO₂排放具有显著的线性正向影响，说明数字经济的发展在一定程度上可能增加CO₂排放。
2.3 门槛模型分析
2.3.1 检验门槛效应的有效性
为进一步验证数字经济与CO₂排放间的非线性关系，本文使用自然资源租金和反腐败监管作为门槛变量，应用面板门槛回归模型进行检验。门槛效应检验结果如表7所示，表明自然资源租金在10%的显著性水平上存在单一门槛，而反腐败监管在5%的显著性水平上具有双重门槛。进一步分析显示，当自然资源租金低于门槛值时，数字经济显著增加CO₂排放，而当超过该值后，数字经济则逐渐表现出抑制排放的作用。
2.3.2 门槛回归结果
为验证门槛估计值的准确性并确定其置信区间，本文分别绘制了自然资源租金和反腐败监管作为门槛变量的似然比（LR）趋势图。表8显示了门槛估计值和相应的置信区间。根据趋势图，可以更直观地评估门槛值及其置信区间。在自然资源租金和反腐败监管为门槛变量时，门槛值确保了LR函数的最小值。
趋势图用于更好地评估门槛值及其对应的置信区间。在图1中，自然资源租金的95%置信值为7.35，与x轴平行的虚线表示该值。当自然资源租金和反腐败调控用作门槛变量时，估计的门槛值确保LR函数的最小值。
图2显示，自然资源租金最初呈上升趋势，但最近急剧下降。表8显示，自然资源租金的单一门槛值为16.5067，总体趋势从正向促进转为显著的负向抑制（10%显著水平）。
当门槛变量资源租金小于16.5067时，数字经济的估计系数为 0.800，在1%的显著性水平上显著；当门槛变量资源租金大于 16.5067时，数字经济的估计系数为-1.629，在5%的显著性水平上显著。这一趋势可能是由于自然资源租金较低通常表明资源充裕，足以支撑社会发展和技术进步，促使人们开发更多自然资源。决策者在制定企业生产决策时，需求曲线(D)和边际收益曲线(MR)代表公司生产决策的参考(见图3)。图中，D=MR，而 MPC和MSC分别代表企业边际成本和社会边际成本。由于自然资源的负外部性，导致MPC>MSC，这意味着企业产生的部分成本由社会承担。边际外部成本(MEC)表示社会边际成本与企业边际成本之间的差额。
3. 稳健性检验
3.1 去除控制变量
为验证门槛效应的稳健性，本文依次去除了模型中的每个控制变量，并进行了回归分析。表10显示，在去除控制变量后，自然资源租金和反腐败监管作为门槛变量时，数字经济对CO₂排放的门槛效应依然显著，且方向保持一致。这一结果表明模型稳健，表明控制变量的去除不会改变核心变量之间的关系。
3.2 替换控制变量的稳健性检验
为进一步验证稳健性，本文将基准回归中的控制变量替换为电力供应水平和经济增长指标进行回归分析。表11的结果表明，即使替换控制变量，回归结果仍然与基准回归一致，说明研究结论具有较高的可靠性。
未来的研究可以从以下几个方面进一步拓展和深化：
（1）制定适应性数字经济发展战略：各国应结合自身自然资源和治理水平，制定符合国情的数字经济发展战略，以充分发挥其在减少CO₂排放方面的潜力，避免因数字经济发展导致碳排放增加。
（2）鼓励清洁技术和绿色产业：鼓励数字经济与低碳产业结合，支持清洁技术和清洁能源的发展，提升产业结构的绿色化水平。
（3）加强自然资源管理和反腐力度：政府应采取透明和可持续的资源管理政策，防止资源过度开发，同时提升反腐败力度，以削弱数字经济对环境的负面影响。
初审：严 露
审核：徐彩瑶
排版编辑：陆 雨
文献推荐人：陆 雨
参考文献：Wang, Qiang, et al. Digital economy and carbon dioxide emissions: examining the role of threshold variables. Geoscience Frontiers 15.3 (2024): 101644.
以上内容仅代表个人对文章的理解，详情请点击阅读原文。
推荐阅读
探索基于自然的生态文明解决方案，助力实现“双碳”战略目标，协同推进人与自然和谐共生与全体人民共同富裕的中国式现代化建设，让我们一起加油！
