【文献分享】超越比特和字节：考察数字经济对OECD经济体生态足迹的动态影响

1. 初步分析

1.1 描述性统计结果

1.2 平稳性检验

本研究使用 LLC（Levin、Lin 和 Chu）和 IPS（Im、Pesaran 和 Shin）面板单位根检验来确保数据集的平稳性。从表 3 中可以看出，除了 lngdp、lnurb 和 lnto 仅在 1%的水平上显著外，LLC 检验结果均为显著负值，且其各自的 P 值在水平和一阶差分上均低于 0.05。同样，IPS 单位根检验结果表明，所有变量在首次差分时均为负显著。所有序列的结果都不存在单位根，并且是静态的，这表明均值、方差和自相关性等统计属性随时间变化是不变的。LLC 和 IPS 面板单位根检验的显著性肯定了所有序列都是静态的假设，确保了回归模型的稳健性，不会因非静态行为而产生虚假相关性。因此，标准计量经济学模型可用于进一步分析。

2. 直接效应分析

为了了解数字化对生态足迹的直接影响，本研究使用了不同的计量经济学模型，包括普通最小二乘法（OLS）、随机效应（RE）和固定效应（FE），对方程（1）进行了检验。从表 4 的结果来看，OLS 模型表明，数字化发展会显著增加生态足迹，系数为 0.1352。因此，由于生产电子设备和基础设施所需的自然资源开采和使用量的增加，数字化规模的轻微扩大可能会使生态足迹增加 13.52%。同样，城市化、贸易开放度和研发强度都是正相关的，在 lnurb 为 1%，lnto 和 lnrd 为 5%的显著性水平下，系数分别为 0.1261、0.0562 和 0.0834。尽管环境治理与生态足迹之间存在反向关系，但其影响并不显著。

由于本研究试图找到研究数字化对环境足迹直接影响的最佳方法，因此采用了随机效应模型和固定效应模型，并对模型进行了比较。比较而言，表 4 中的随机效应模型和固定效应模型在研究数字化发展对生态足迹的影响时表现出相似的特征。研究采用 Hausman 检验来确定最佳拟合模型。表 4 中的 Hausman 检验结果显示，Chi-square 检验值为 71.501，相应的显著 p 值为 0.0000，表明固定效应模型更好。OLS 模型假定所有相关变量都包含在内并被正确指定，这在跨国分析中是不现实的。它未能考虑可能对生态足迹产生重大影响的国家特定效应。此外，OLS 模型无法控制遗漏变量或测量误差可能导致的潜在内生性。因此，本研究更倾向于使用面板数据回归，其中固定效应模型是最合适的，因为豪斯曼检验结果确定了个体效应是否与回归因子相关。

表 4 基准回归模型中的固定效应模型表明，数字化发展在 1%的显著水平上减少了生态足迹，绝对系数为 0.1116。这意味着数字经济指数每增加一个单位，生态足迹就会减少 0.1116 个单位。这一结果表明，数字经济的进步和增长与环境影响的减少有关。高度显著的 t 值（3.75）证实了这一发现并非偶然，为两者之间的关系提供了有力的证据。数字经济的发展提高了能源管理的效率，减少了生产中的浪费，优化了物流过程，从而改善了可持续足迹。这一结果与 Luo 等人的研究结果相关，他们发现在数字经济发展下，绿色技术以及信息通信和技术的进步大大减少了碳排放，促进了可持续发展。数字经济在增强可持续足迹方面的重要影响强调了将数字化纳入经济发展战略框架以缓解环境恶化的必要性。然而，本研究结果与 Zhang 等人（2022a）的研究结果相反，后者认为数字经济的发展无助于降低中国的碳排放。

3. 非线性分析

本研究使用多项式二次逐步回归模型来研究数字经济与生态足迹之间的非线性关系。从一个简单的模型开始，可以清晰地观察到基本的倒 U 型关系趋势。该模型调整了外部因素，确保观察到的关系不是虚假的，而是真正归因于数字经济。从表 5 的结果来看，在模型（2）、（3）、（4）、（5）和（6）中，城市化显著为负。这意味着城市化倾向于减少经合组织经济体的生态足迹。这表明，尽管城市在增长，但有效的城市规划政策和城市地区的节能基础设施为减少人均排放量和促进可持续发展创造了有利环境。在贸易开放度方面，模型（2）、（4）和（6）可减少生态足迹，而模型（3）和（5）则会增加生态足迹，扭曲环境可持续性。例如，在 10%和 1%的显著性水平下，模型（2）和模型（4）的负系数分别为-0.1599 和-0.1190，这表明较高的贸易开放度为产业结构升级创造了竞争优势，从而促进了环境的可持续发展。

此外，在表 5 的所有模型中，环境治理始终显示出正系数。这些结果表明，加强环境治理会增加经合组织经济体的生态足迹。因此，这种正相关关系反映了一种复杂的动态变化，即环境治理虽然至关重要，但必须与严格的执法和创新的可持续发展实践相结合，才能有效减少对生态的影响。有趣的是，在所有模型中，研发强度都能减少生态足迹。例如，在 5%的显著性水平下，研发强度每增加一个单位，模型（2）和（3）的生态足迹就会分别减少 0.0564 和 0.0599。总体影响表明，研发强度越高，经合组织经济体的生态足迹越小。这可归因于研发在促进创新和开发环境友好型技术方面的重要作用。

观察到的数字发展与生态足迹之间的倒 U 型模式是通过不同的关键机制实现的，包括资源消耗、经济活动、效率和技术创新。这些机制以复杂的方式相互作用，对生态足迹产生整体影响。这种非线性关系强调了持续投资于数字创新和可持续实践以实现长期环境效益的重要性。结果凸显了数字经济的双重作用，即通过提高效率和技术进步，产生推动经济增长和促进生态可持续发展的积极激励。因此，结果证实了假设 2，即数字经济发展与生态足迹之间的关系呈现倒 U 型模式。本研究结果与 Nayal 等人的研究结果一致，他们指出，随着时间的推移，数字化转型会通过数字创新促进可持续性。

观察到的这种倒 U 型关系与环境库兹涅茨曲线（EKC）假设相吻合，该假设认为，环境退化最初会随着经济增长而加剧，但最终会随着经济成熟和采用更清洁的技术而减轻。这一理论可以延伸到数字发展中，在数字基础设施扩张的早期阶段，其特点是大规模的资源密集型数据中心建设、网络设施和电子设备的大规模生产。传统上，建立和维护新的数字基础设施平台会增加资源和能源消耗，导致生态足迹增加。有趣的是，随着数字化的成熟，与之相关的技术进步促进了效率的提高，特别是通过节能数据中心、云计算和可再生能源的整合。通过优化能源使用和整合可再生能源，数字化基础设施正日益减少其碳足迹。因此，随着时间的推移，数字化发展对生态环境的抑制作用会逐渐减弱，从而增强环境的可持续性，形成倒 U 型模式。从经验上看，Hu 等人的研究发现，数字基础设施的发展，尤其是在其初始阶段，往往会增加能源需求和环境污染。然而，Li 等人和 Khalid的研究表明，在后期阶段，智能电网、人工智能和区块链技术等数字技术会优化能源管理，从而减少环境恶化。

4.稳健性检验

为确保非线性分析的稳健性，动态面板模型采用广义矩法（GMM）作为辅助估算技术。这种方法将自变量和因变量的滞后值作为工具，从而解决了内生性问题和未观察到的异质性问题。表 6 中的诊断测试表明了 GMM 模型的有效性。一阶序列相关（AR(1)）的 Arellano-Bond 检验结果是显著的（z = -2.79，p = 0.005），表明差分残差中存在预期的一阶自相关。相反，二阶序列相关（AR(2)）不显著（z = 0.61，p = 0.540），表明不存在二阶自相关问题。除 AR 检验外，Hansen 过度识别限制检验结果也不显著，秩方为 33.79，P 值为 0.088，表明工具有效且与误差项不相关。所有这些检验都证实了动态面板-GMM 模型的可靠性。

表 6 中 GMM 模型的估计值证实了初步结论的稳健性。滞后因变量（lneft-1）的系数为 0.5267，Z 值为 2.31，显著性水平为 5%，这表明生态足迹随着时间的推移而持续存在。这意味着，前一时期生态足迹每增加 1 个单位，当前生态足迹就会增加约 52.67%。这一结果反映了生态影响的长期性，意味着过去的生态退化程度会继续影响当前的环境状况。在 10%的显著性水平下，1.9812（z = 1.73）的正系数表明，数字经济的初始增长会导致更高的生态足迹。具体来说，数字经济每增加 1 个单位，生态足迹就会增加 1.98 个单位。这反映了早期阶段数字发展的资源密集性质，如数据中心、通信网络和电子设备的能源使用增加。然而，在 1%的显著性水平上，负系数-3.6762（z = -3.08）证实了非线性关系的存在。这表明，虽然早期的数字化发展会增加生态足迹，但超过一定临界值后，数字化发展的进一步增长会产生相反的效果，导致生态足迹的减少。这表明存在一种倒 U 型关系，即先进的数字技术和效率（如节能数据中心和优化的数字流程）开始减轻对环境的影响。这种倒 “U ”型关系凸显了数字技术进步最终促进环境可持续性的潜力。此外，GDP、产业结构和环境治理对生态足迹的正向影响强调了在促进经济增长和城市发展的同时，需要制定平衡的发展政策来减轻对环境的影响。总体而言，表 6 中的 GMM 结果与表 5 中的多项式二次回归模型一致，表明非线性关系检验具有稳健性。

5. 中介效应分析

为了研究 lnde 通过 lngdp、lngt 和 lnis 对 lnef 的中介效应机制，本研究采用了结构方程模型（SEM）技术。SEM 是一种高效的统计技术，可以分析变量之间的复杂关系。这种方法特别适合中介分析，因为它能深入分析变量之间的关系，并能同时评估直接和间接效应，从而验证结果。本研究进一步介绍了 Sobel 检验、Aroian 检验和 Goodman 检验，它们专门用于检验中介分析中间接效应的显著性和 SEM 模型的稳健性。Sobel 检验非常适合检验中介效应的强度，因为它考虑了自变量与中介变量之间以及中介变量与因变量之间的系数乘积。它直接计算这种间接效应是否与零有显著差异，为确定中介的存在提供了一种有效的方法。因此，与其他方法（如引导法）相比，索贝尔检验假定间接效应呈正态分布。它还引入了一个扩展：阿罗安检验和古德曼检验，通过提供计算标准误差的其他方法使其具有稳健性，从而确保即使在数据略有变化的情况下也能得到一致的结果。

此外，本研究还估算了中介效应的比例，以衡量 lngdp、lngt 和 lnis 对数字经济与生态足迹之间关系的贡献程度。通过了解中介效应的比例，可以找出最具影响力的途径，并制定有针对性的政策干预措施，以减轻数字化对环境的影响。中介效应分析摘要见表 7、表 8。

5.1 经济增长的中介效应分析

在表 7 中，等式（9）显示了生态足迹作为因变量时的总效应结果，等式（10）显示了经济 增长作为因变量时的总效应结果。(9) 显示了以生态足迹为因变量时的总效应结果，等式 (6) 对应于以国内生产总值为因变量时经济增长的中介效应。(6) 表示以 GDP 为因变量时经济增长的中介效应。因此，将等式 (6) 中数字经济的路径系数乘以 LDP 的系数，就得出了总的间接效应。(6) 中的数字经济路径系数乘以等式 (9) 中的 lngdp 系数。结果显示，在 1%的显著性水平上，系数为 1.8508。这意味着经济增长对数字经济与生态足迹之间的关系起着重要的中介作用。具体来说，数字经济每增加一个单位（在控制其他因素的情况下），就会导致生态足迹增加 1.8508 个单位，而生态足迹的增加是通过经济增长间接实现的。表 8 中的正系数（1.8508）表明，随着数字经济的增长，经济增长也会增加，这反过来又会增加生态足迹。这表明，通过规模效应，数字经济推动了经济发展，导致资源消耗和排放增加，从而增加了生态足迹。一般来说，数字经济通过提高各部门的生产力、创新和效率来促进经济增长。然而，随着 GDP 的增长，生产、能源使用和自然资源消耗的增加也会带来相关的环境影响，这与Dong 等人的结论相矛盾，后者认为经济增长会促进碳排放强度的降低。因此，这种关系凸显了数字化促进经济增长的环境成本。在数字经济影响生态足迹的中介效应中，经济增长约占 85.2%。计算方法是将间接效应与总效应之比（1.8508/[1.8508 + 0.3220]）用百分比表示。

此外，在对 lnde 和 lngdp 进行单一分析时，数字经济对生态足迹的影响系数在统计上并不显著，这表明数字经济的发展会增加生态足迹，但并不明显。然而，GDP 对生态足迹的影响系数在 1%的水平上是显著的。这表明，经济增长完全介导了数字经济与生态足迹之间的关系。因此，数字经济对生态足迹的全部影响都是通过经济增长传递的。为了进一步证实经济增长的中介作用，本研究进行了索贝尔检验及其两个扩展检验（阿罗安检验和古德曼检验）。结果显示，索贝尔检验、阿罗安检验和古德曼检验的结果分别为 6.66、6.65 和 6.68。它们都超过了 10%、5% 和 1%显著性水平的临界值。因此，在所有常见的显著性标准下，间接效应在统计上都是显著的。总之，研究结果表明，在经合组织经济体中发展数字经济水平可以通过促进经济增长来增加生态足迹，强调了平衡经济效益与环境可持续性的必要性。

5.2 绿色技术的中介效应分析

绿色技术作为绿色发展与生态足迹之间关系的中介影响，如表 7、表 8 所示，其间接效应系数为 0.1445（p < 0.01），具有显著性。这表明，绿色技术在数字发展与生态足迹的关系中起着重要的中介作用。表 7 中等式（7）中绿色技术（lngt）的正路径系数为 0.0290，表明绿色技术对数字发展和生态足迹之间的关系具有显著的正向影响。(7) 表明，绿色技术对数字经济与生态足迹之间的关系具有显著的正向影响。这意味着采用和利用绿色技术的增加会使生态足迹增加 0.0290 个单位。此外，表 8 中 0.1445 的间接效应系数强调，尽管采用绿色技术是有益的，但不足以完全抵消数字经济增长对生态的影响。

5.3 产业结构的中介效应分析

表 7、表 8 显示了 lnde 与 lnef 关系中 lnis 的中介效应分析，揭示了一个复杂的关系。例如，数字经济到产业结构的路径系数为-2.2990，产业结构到生态足迹的路径系数为-0.2676。这表明，数字化发展大大降低了传统产业结构，而产业结构组成部分的进步则大大降低了生态足迹。Berardino 和 Onesti认为，数字化转型降低了传统产业构成，提升了知识密集型和服务型部门。

然而，通过产业结构升级得出的数字化发展对生态足迹的总影响系数为 0.6152，表明数字经济的增长加剧了生态足迹。这意味着产业结构在数字化与生态足迹之间起着重要的中介作用。正路径系数表明，与数字经济发展相关的直接环境成本，包括数据中心更高的能源消耗、电子废弃物以及数字基础设施的广泛使用，超过了产业结构升级的生态减排效应。因此，必须指出的是，受数字化转型影响的产业重构对生态足迹产生了相当大的积极影响。这与反弹效应是一致的，即数字化的效率会引起资源生产和消耗的激增，并增加其对环境污染的明显总效应。此外，在数字经济对生态足迹的影响中，产业结构的中介效应所占比例为 65.6%。同样，表 7 中稳健分析的 Sobel 检验、Aroian 检验和 Goodman 检验的 Z 值分别为 3.97、3.06 和 4.01，均大于 2.58 的 1%统计显著水平。这进一步验证了产业结构中介作用的结论，即产业结构显著中介了数字发展与生态足迹之间的关系。

产业结构的中介效应表现出杰文斯悖论，即能源密集型产业重组的增加自相矛盾地导致更高的总体能源消耗，从而抵消了任何环境效益，造成更大的生态足迹。由此可以推断，在产业结构机制中，结构转型并未有效实现，影响了数字化发展，极大地阻碍了可持续足迹。因此，产业转型应更加注重从重型制造业向服务业、生产效率和清洁能源的转变，最终实现显著的环境效益。数字经济与实体经济的融合发展正在推动各行各业不断转型变革，使数字技术成为环境可持续发展的普遍力量。信息和通信技术部门与其他产业之间的相互联系、溢出效应和扩散作用正在促进产业结构的升级。通过降低成本、规模经济、高效资源配置、提高绩效和创新驱动赋能，数字经济促进了产业升级。

本研究探讨了数字经济对生态足迹的影响，但也存在一些局限性，需要今后的研究进一步考虑。首先，面板数据回归模型的使用虽然控制了特定国家的影响，但模型中缺乏其他因素仍可能造成遗漏变量偏差。此外，尽管使用固定效应模型控制了内生性问题，但残余混杂因素可能依然存在。因此，未来的研究可以在模型中引入文化差异、政治结构和地区环境政策作为额外的控制因素，并采用差分模型来帮助控制任何可能的未观测混杂因素。同样，本分析仅限于 2007 年至 2022 年这一时期。数字技术的快速变化，如人工智能、区块链和云计算的发展，可能会在未来对生态足迹产生不同的影响，而这些影响在本研究中并未完全体现。此外，由于数字化的复杂性，单一的指标体系可能无法准确把握其指数化。因此，在对其进行评估时，可以加入更全面的指标，如能源消耗、材料使用、废物产生等。此外，要分析数字经济对生态足迹的间接影响，还需要对其传导机制进行深入调查。最后，本研究探讨了数字发展对经合组织经济体生态足迹的影响。因此，今后的研究可以探讨各国之间的差异，以确保研究结果的普遍性。