一、引言

为积极应对全球气候变化，中国提出将以新发展理念为引领，在推动高质量发展中促进经济社会发展全面绿色转型，落实2030年前二氧化碳排放达到峰值，努力争取2060年前实现碳中和目标，提高国家自主贡献力度，充分体现了主动承担责任的大国担当。然而在我国人均GDP较低、尚未基本实现现代化的情况下，同时实现“双碳”目标和经济高质量发展意味着极大的挑战。与此同时，伴随着新一轮科技革命和产业变革，数字经济与经济社会各领域融合的广度和深度不断拓展，并逐渐成为中国国民经济的重要组成部分和增长动力(赵涛等，2020)。大数据是数字经济的关键生产要素，依托其产生了大量的新兴数字技术和相关产业，并与传统产业进行深度融合。因此，大数据和数字经济对于实现双碳目标的作用备受关注。一方面，大数据的应用能够通过提高能源监测和规划的效率、引导产业结构的升级、促进全要素生产率的提升等途径减少碳排放。另一方面，数据存储平台、算力中心和5G基站本身会产生大量的碳排放，计算机、通信和电子设备制造业等数字产业对电力的较高需求也会导致碳排放的增加。因此，厘清现阶段大数据政策对碳排放的影响方向和作用机制，不仅能为大数据进一步的发展提供思路和决策依据，还对中国实现绿色转型和经济高质量发展具有十分重要的研究意义。

为了充分发挥大数据的基础战略性资源作用，统筹推进大数据产业发展，国务院于2015年8月印发的《促进大数据发展行动纲要》中，明确提出“开展区域试点，推进大数据综合试验区建设”，旨在促进区域内及区域间数据要素的整合和大数据基础设施的共享。通过先行先试的方式，总结并把握大数据发展的规律和特征，为其他地区提供值得借鉴的实践经验，最终实现协同发展和大数据红利共享。同年9月，贵州大数据综合试验区建设正式启动。2016年8月，包括京津冀、珠江三角洲、上海、河南、重庆、沈阳和内蒙古在内的第二批大数据综合试验区建设方案正式获批。试验区政策的核心在于形成大规模、高集聚度的大数据产业，全面促进大数据在各行业各领域的深度应用，推动相关制度及技术创新，培育大数据产业人才。可以看出，该政策的落脚点在于从产业、民生、制度、技术和人力资本等多个维度全面推动数字经济发展。因此，本文以大数据综合试验区的建立表征数字经济的发展。

在“双碳”目标的背景下，学术界对可能影响碳排放的因素进行了大量的理论与实证研究，包括经济增长、产业结构(吴振信等，2012)、城市化(林伯强和刘希颖，2010)、能源强度、能源结构(鲁万波等，2013)和科技进步(张颂心等，2021)等。而数字经济作为一种新的经济、新的动能、新的业态，引发了社会和经济各领域的深刻变革，其作用于碳排放的路径十分复杂多样。因此，在关于数字经济发展对碳排放影响的研究中，无论是研究视角还是研究结论都不尽相同。根据主要研究结论，具体可以划分为促进论、抑制论和非线性影响三种。支持促进论的学者认为数字经济正在成为中国主要的碳排放来源(渠慎宁等，2022)，且发展初期会挤占生产部门的资金投入，进而降低碳排放效率(王山和余东华，2023);支持抑制论的学者认为数字经济会通过促进产业升级(谢文倩等，2022)、提高技术创新水平(郭风等，2022)、优化资源配置(向宇等，2023)、降低能耗强度(王芳和董战峰，2023)、改善能源结构(谢云飞，2022)等机制减少碳排放；支持非线性影响的学者在考虑空间效应的框架下，认为数字经济发展具有“先促增、后抑制”的倒U型本地碳减排效应，以及“先抑制、后促增”的U型空间溢出减排效应(李治国和王杰，2022)，该影响在不同的空间范围内有所差异，其空间溢出具有边界效应和地理衰减特征(王亮等，2023)。

另外，自国家级大数据综合试验区的政策实施以来，其政策效应也受到了广泛的关注。绝大部分学者将大数据试验区的建立作为一项准实验，利用广义双重差分模型、渐近双重差分模型、空间双重差分模型以及倾向得分匹配-双重差分模型，探究其对全要素生产率、数字经济发展、要素配置和流通、绿色创新绩效和城市创新能力等的影响，肯定了该政策的积极效应。具体而言，邱子讯和周亚虹(2021)研究认为大数据试验区的建立可以通过促进纯技术进步显著提高地区全要素生产率；李桥兴和杜可(2021)提出试验区的建立会显著促进区域数字经济发展，且其政策效应与区域发达程度有关；李潇和韦晓慧(2022)认为以大数据综合试验区建设所表征的数字经济发展能够通过市场一体化和劳动力要素优化配置等途径实现流通业绩效优化；陈文和常琦(2022)提出大数据可以有效赋能企业提高绿色创新绩效；徐林等(2022)研究认为国家级大数据综合试验区政策对城市创新能力提升具有显著促进作用。

综上，在考察数字经济对碳排放的影响研究中，学者们通常采用熵值法和主成分分析法计算得到的数字经济指数表征数字经济的发展程度，并使用相应的工具变量处理其模型内生性。而以国家级大数据试验区的建立表征数字经济发展的研究中，更多探讨的是政策的经济效应和对其他宏观经济变量的影响。同时，也有少部分学者探讨了大数据试验区对环境福利的影响，如通过促进产业结构升级和提高机器人的应用，降低雾霾污染和碳排放水平(程云洁和段鑫，2023);通过技术创新和数字普惠金融发展，降低电力消费碳排放水平(常皓亮等，2023)。因此，本文以大数据综合试验区的建设表征数字经济的发展，探究其对碳排放总量以及电能、热能、交通运输和直接能源消耗产生碳排放的影响，以期明晰数字经济增加或抑制碳减排的传导路径。

本文可能提供的边际贡献包括三点：其一是在碳排放核算方面。区别于依据化石能源消耗量或能源活动水平的总量核算方法，本文基于各城市的面板数据核算了不同方式产生的碳排放数量，并加总得到城市层面的碳排放总量。数据结构的细化使本文能够更准确地识别数字经济影响碳排放的路径，细分至对工业用电和居民用电产生的碳排放；其二是在大数据综合试验区虚拟变量的选取范围方面。在使用地级市数据分析的过程中，已有研究通常将获批试验区的省份内所有城市都作为处理组，而未考虑到省内部分地级市在发展规划和相关政策方面的参与度都极低。本文综合考量各试验区的相关政策、发展思路、空间布局和相关产业发展，手工整理识别出城市层面的35个有效处理组，提高了双重差分模型估计的准确性；其三是在模型设定方面。本文在使用交错双重差分模型进行分析的基础上，进一步采用包含政策空间溢出效应的修正两阶段双重差分模型。即在分析试验区政策对本城市碳排放影响的同时，还全面考察了政策对处于不同距离范围内其他城市碳排放的影响。

......

学术论文全部内容请详见附件。