【文献分享】数字技术创新如何推动减少污染和碳排放的协同效应？

文摘 2024-11-14 08:01 浙江

摘要

数字技术创新是重塑生产方式、实现绿色低碳发展的关键力量，为减少污染排放（PE）和碳排放（CE）提供了新动力。本研究采用耦合协调模型、面板回归模型和空间杜宾模型，考察了2015-2021年数字技术创新水平（DTIL）和数字技术转移规模（DTTS）对长三角地区污染减排和碳减排协同效应（PCRS）的影响。研究结果表明 PCRS的演化特点是高协同城市增加，低协同城市减少，优秀协同城市更加集中。在协同型迁移演化过程中，核心区主要呈上升趋势，中心区和外围区基本保持稳定。DTIL和DTTS对PCRS的影响呈非线性倒U型。DTIL对减少PE的影响更大，而DTTS则倾向于增加CE。在空间溢出效应方面，DTIL与本地区域的PCRS呈倒U型关系，对邻近区域有正向溢出效应；DTTS对本地区域的PCRS有负向影响，但对邻近区域呈倒U型关系。二者还通过产业结构和能源效率影响 PCRS。

研究背景及意义

随着全球气候变化和环境污染日益严重，减少污染排放（PE）和碳排放（CE）已成为各国实现可持续发展的关键。近年来，中国社会经济快速发展，城市化进程不断加快，伴随而来的是大量化石能源的消耗，每年产生数十亿吨的空气污染物和温室气体（GHGs）排放到大气中。作为世界上最大的碳排放国，2021年中国的二氧化碳排放量将超过119亿吨，占世界总排放量的33%，面临着严峻的减排压力，实现污染减排与碳减排的协同（PCRS），不仅有助于实现碳封顶和碳中和的目标，还能改善环境质量，提高居民生活水平。目前，全面推进中国污染与碳减排进程的根本原因、结构性问题和趋势性压力仍未得到缓解，因此，中国城市推进PCRS的进程仍面临巨大挑战。数字技术在推进PCRS的过程中发挥着至关重要的作用。特别是大数据和人工智能技术的融合，为PE监测和CE管理提供了新的工具。在研究内容方面，学者们主要探讨了PE和CE的驱动机制、应对策略和影响；环境治理对减少CE和气候变化的协同效应评估研究；PCRS的评估和对策研究。在研究方法上，对PCRS的评价主要采用相关系数法、协同减排当量法、协同效应坐标系法、协同效应评价指标法等。研究领域涵盖国家尺度和城市群尺度。研究结果发现，长江流域在促进数字经济与绿色低碳发展结合方面表现出了较高的治理水平，数字技术的应用不仅提高了该地区的资源利用效率，而且促进了绿色技术的发展，为实现可持续发展提供了有力支撑。

研究亮点

尽管现有研究在理解PCRS和数字技术的作用方面取得了进展，但在探索DTI如何通过DTIL和DTTS驱动PCRS方面还存在不足。在此背景下，研究DTI对PCRS的路径分解，对于构建绿色经济理论框架、实现可持续发展目标具有重要的现实意义。本文在分析DTI与PCRS关系理论逻辑的基础上，利用耦合协调度模型测算了2015-2021年长江三角洲地区41个城市的PCRS，面板回归模型检验了DTIL和DTTS对PCRS的非线性影响，空间杜宾模型探讨了其空间溢出效应。

本研究的贡献主要体现在以下几个方面：首先，利用大气污染物排放当量和二氧化碳排放数据对PCRS进行了测算。探讨了不同空间尺度下协同类型的迁移演化关系，丰富了相关研究的深度。其次，围绕DTI的驱动效应和双重外部性效应，从理论和实证角度探讨了DTIL和DTTS对PCRS的倒U型关系，揭示了其对PE和CE影响的非线性特征，弥补了现有研究中相对被忽视的部分，拓展了研究的广度。第三，利用中介效应模型研究能源效率和产业结构如何间接影响PCRS，利用空间杜宾模型考虑地理距离研究DTI的空间溢出效应，为数字为数字化城市PCRS的治理提供了新的视角。

研究结果

1.基准回归

变量拟合曲线初步表明，DTIL和DTTS与PCRS呈倒U型关系（图6）。这些发现初步验证了H1a。为了进一步分析PCRS的驱动机制，有必要建立相关模型来明确其影响程度和方向。本研究采用了多种回归分析模型，包括随机效应、个体固定效应、时间固定效应和双向固定效应模型。根据豪斯曼检验结果表明，选择固定效应优于随机效应。考虑到不同城市多年样本数据存在个体差异和时间差异，采用时间和个体双固定效应模型对回归结果进行分析。表3列出了基准回归结果。第（1）列和第（3）列显示了DTIL和DTTS二次项的影响。结果表明，DTIL、DTTS及其二次项的回归系数在1%的置信水平上显著。第（2）列加入了控制变量，DTIL的回归系数在1%的置信水平上仍然显著，其一次项系数为0.177，二次项系数为-0.017。这表明DTIL对PCRS的影响呈倒U型关系，最初是促进作用，随后是抑制作用。可以看出，倒U型曲线的拐点为5.21。借助EXP函数，可以看出，当一个城市的DTIL超过183.09时，可能会逐渐抑制PCRS。第（4）列表明，DTTS在1%的置信水平上是显著的，其主要项的回归系数为0.166，次要项的回归系数为-0.020。结果证实，DTTS对PCRS的影响呈倒U型关系。拐点被确定为4.15。由此推断，当DTTS超过63.4时，PCRS可能会受到抑制。这进一步验证了假设1a。同时，加入控制变量后，模型的拟合度也有所提高。

2.稳健性检验

对基准回归结果的稳健性进行了两种测试。首先，采用赢因子法处理5%和95%定量范围内的离群值和异常值，确保极端值不会对回归结果产生过大的影响。其次，考虑到DTIL和DTTS对PCRS的滞后效应，将核心解释变量延迟一个时期，从而通过考虑某些预测因素对因变量的滞后效应来解决潜在的内生性问题。此外，为了检验内生性，选择了核心解释变量的一期滞后变量作为工具变量，并进行了两阶段最小二乘法（2SLS）回归。稳健性检验结果见表4。结果表明，DTIL和DTTS对PCRS的影响呈倒U型，这与基准回归结果一致。因此，基准回归结果的稳健性得到了进一步验证。

3.子维度回归

由于PCRS同时涉及PE和CE的降低，因此有必要进一步分解和探讨DTIL和DTTS对子维度的不同影响。本研究将PE和CE作为解释变量。根据豪斯曼检验的结果，选择了双向固定效应模型。表5显示了回归结果。第（1）列和第（2）列显示了DTIL和DTTS对PE的影响。数据显示，DTIL和PE之间呈倒U型关系，一次项和二次项的回归系数分别为0.787和-0.043。这些系数在1%的置信水平下具有显著性。这表明，数字技术发展的初始阶段促进了PE的扩大。相反，在随后的阶段，由于技术突破和产业升级，PE逐步下降。第（3）列显示了DTIL对CE的影响。数字技术创新对行政长官的影响明显是非线性的。一次项和二次项的影响系数分别为0.402和-0.010，呈现倒"U"型关系。第（4）列显示，DTTS与CE的二次项系数均为正，呈单调递增关系。这表明DTTS的提升将继续扩大CE。总体而言，DTIL和DTTS在PE和CE方面存在显著差异。在初期阶段，DTIL可能会推动PE和CE的增长，但随着技术的成熟和产业的升级，其影响呈倒U型关系，表现为先增长后下降。相比之下，DTTS对PE的影响呈倒U型关系，但对CE的影响呈单调递增的正相关关系，这可能是由于在转移过程中节能减碳技术应用不足，导致碳排放量持续上升。假设1b和1c得到初步验证。

4.中介效应分析

上述分析表明，DTI对长三角地区的PCRS有显著影响。本研究进一步探讨了DTI对PCRS的影响机制。通过分析IS和EE变量来了解DTI对PCRS的影响机制（表6）。第（1）列和第（2）列分析了DTIL和DTTS对IS的影响。DTIL和DTTS对IS的影响呈U型关系。主要项和次要项系数在1%的水平上都具有统计意义，证实了假设2a。第（3）列和第（4）列显示了DTIL和DTTS对EE的影响结果。DTIL对EE的影响呈U型。假设2b得到证实。第（4）列的分析结果表明，DTTS效果与EE之间的关系在统计上并不显著。

5.空间溢出效应分析

利用偏微分方程将空间效应分解为直接效应和间接效应，分别代表对本地和邻近地区的影响。这样就可以描述溢出效应的方向和大小。空间效应（表7）显示，DTIL对当地区域的影响呈倒U型。主项和次项的系数分别为0.022和-0.01，表明DTIL对当地区域的PCRS先促进后抑制。这可能是由于技术发展处于初级阶段，技术成熟度不够，缺乏规模经济，资源利用效率不高，单位产出的PE和CE较高等原因造成的。数字技术的优化和广泛应用促进了IS的优化和EE的提高，对PCRS有显著影响。在后期，边际效应递减，使PCRS趋于平缓甚至下降。数字技术创新水平对相邻地区的污染和碳减排协同效应具有正溢出效应。回归系数为0.102，在5%的水平上显著，表明相邻城市受益于技术扩散和区域协同治理。先进数字技术和环保理念的快速传播提高了周边城市的污染和碳减排水平，这验证了假设3a。DTTS对本地区域PCRS有负向影响，回归系数为-0.007，同时DTTS对周边区域PCRS有"先促进后抑制"的倒U型关系。这表明，在数字技术转移初期，先进的技术和创新的管理模式迅速向周边地区扩散，提高了周边城市的环境教育和环境管理能力，逐步实现了产业升级和结构优化。然而，数字技术并没有完全取代传统的高能耗、高排放工艺和方法。同时，数字技术的边际效应递减现象开始显现，反映了技术扩散和区域间协同发展的复杂互动机制，验证了假设3b。

研究启示

基于以上研究结果，提出以下政策性建议。为了解决在减少PE和CE方面进展不平衡的问题，即尽管地方政府有必要针对区域特点制定不同的战略，以解决内部差异。对于能效水平较低的周边地区，应加强排放控制，提供绿色技术补贴和税收激励，促进技术创新，以缩小区域差距；对于能源效率较高的核心区和中心区，应更加重视通过技术创新实现高质量的绿色发展，通过设立绿色发展专项基金来支持创新，并与全球领先的技术公司合作，引进和开发前沿技术，建立创新生态系统，以提高区域和全球竞争力。地方政府应采取灵活的政策战略，以应对在PCRS上DTIL和DTTS之间的倒U型关系。建议建立持续的监测和评估机制，从动力学角度跟踪技术对减排的实际影响，并在技术促进达到临界点后警惕其可能产生的负面影响，以便及时调整政策方向。通过适度放缓数字技术的扩张空间，避免过度依赖新兴技术，鼓励引入多元化的绿色技术解决方案，促进低碳产业链的形成，从而实现长期可持续发展；同时，优化区域合作与资源配置，建立跨区域的技术共享平台与合作机制。这样才能促进数字技术在全国范围内的应用和转移，避免因重复建设和资源浪费而带来的边际效益递减。通过加强与邻近地区的合作，实现数字技术转移的应用效益最大化。避免对本地区域的PCRS产生负面影响，从而实现不同区域的协同效应，实现减少排放的目标。

初审：梁笑嫣

审核：徐彩瑶

排版编辑：严露

文献推荐人：严露

参考文献：Yiheng Zhu, Yingqi Xu, Shanggang Yin,How does digital technology innovation drive synergies for reducing pollution and carbon emissions?SustainableCities and Society,Volume 116,2024,105932,ISSN 2210-6707.

以上内容仅代表个人对文章的理解，详情请点击阅读原文。

【数字生态与绿色发展学术团队】How does digital technology innovation drive synergies for reducing pollution and carbon emissions?.pdf

推荐阅读

数字生态与绿色发展学术团队

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！

http://mp.weixin.qq.com/s?__biz=Mzk0NDMzMzQ2MQ==&mid=2247513485&idx=1&sn=cc07431aaf18db13988e8438d425d327

数字生态与绿色发展学术团队

孔凡斌教授数字生态与绿色发展学术团队公众号。本团队立足长江三角洲地区，面向全国，服务国家战略，综合运用社会科学和自然科学的知识和方法进行跨学科研究，探索生态系统数字化智能化管理及其产品价值实现促进共同富裕和绿色发展的路径与政策。

最新文章

【文献分享】生态系统服务的空间溢出效应：以中国长江经济带为例