购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

五、实证检验与结果分析

(一)基准回归结果

表4报告了基于模型(1)的基准回归结果,列(1)至列(5)均对个体和时间固定效应进行控制,依次为加入控制变量之后数字经济对碳减排的影响分析。具体地,列(1)没有控制变量的加入,数字经济的回归系数为-0.3687,通过5%的统计显著性检验。列(2)至列(5)分别加入不同控制变量,回归结果并没有发生本质变化,且数字经济回归系数均在5%的水平上显著为负;其中,列(5)加入全部控制变量,数字经济回归系数为-0.4830,表明数字经济发展水平每增加1个单位,碳排放量平均可以降低0.4830个单位。上述回归结果较为一致地验证了H1,即数字经济具有碳减排效应。

表4 基准回归分析

续表

注: *** 代表 p <0.01, ** 代表 p <0.05, * 代表 p <0.1;括号内的数据为标准差。

(二)稳健性检验

为保证核心结论的可靠性,本文展开了如下检验:

替换被解释变量。基准回归中将碳排放量作为被解释变量进行回归,为增强结论的可靠性,本文将被解释变量替换为人均碳排放量( Per _ CE )进行估计,回归结果如表5列(1)所示。由表5可以看出,替换被解释变量之后,数字经济的回归系数在1%的水平上显著为负,表明数字经济发展显著降低了碳排放水平,这与基准回归结果一致。

解释变量滞后一期。考虑到数字经济发展影响碳减排需要一定的时间,碳减排的实现可能存在滞后效应,在此,本文对解释变量进行滞后一期处理,而后进行回归分析,回归结果如表5列(2)所示。可以看出,经过对数字经济变量进行滞后一期处理后,数字经济的回归系数仍为负值且通过了1%的统计显著性检验,证明了本文结论的稳健性。

缩尾后进行回归。考虑到数据可能存在异常值,为避免其对回归结果产生影响,本文对变量进行了1%水平上的双向缩尾处理,而后进行回归检验,ln_ CE _ w DE _ w 分别代表缩尾处理后的被解释变量和解释变量,回归结果如表5列(3)所示。研究发现,数字经济回归系数在5%的水平上显著为负,从而进一步验证了数字经济的碳减排效应。

表5 稳健性检验结果

注: *** 代表 p <0.01, ** 代表 p <0.05,L.表示滞后一期;括号内的数据为标准差。

(三)机制检验

在理论分析与H2a、H2b中,本文提出数字经济可以通过助力技术创新( Inno )和提升公众环保关注度( Bdidx )促进碳减排。为此,在模型(2)至模型(4)的基础上,本文对这两种传导机制进行检验。机制检验的回归结果如表6所示。具体地,列(1)和列(2)为技术创新的检验结果。在列(1)中,数字经济对技术创新的拟合系数显著为正,说明数字经济的发展有利于提高技术创新水平;在列(2)中,技术创新的拟合系数显著为负,表明技术创新水平的提升可以显著降低碳排放量。以上分析表明技术创新是数字经济促进碳减排的作用机制,有效验证了H2a。列(3)和列(4)为公众环保关注度的检验结果。在列(3)中,数字经济对公众环保关注度的拟合系数显著为正,说明数字经济的发展提升了公众环保关注度;在列(4)中,数字经济对碳排放的拟合系数显著为负且通过了Sobel检验。以上分析表明,数字经济可以通过提升公众环保关注度来促进碳减排,有效验证了H2b。

表6 机制检验回归结果

注: *** 代表 p <0.01, ** 代表 p <0.05;括号内的数据为标准差。

(四)异质性分析

1.能源消费结构异质性

能源消费结构与地区碳排放水平密切相关,数字经济发展的碳减排效应在能源消费结构不同的地区可能会产生差异化的治理功效。为此,本文借鉴沈小波等 [66] 的做法采用煤炭消费占各省份能源消费总量的比重来衡量能源消费结构( ER ),并与数字经济发展水平( DE )构建交互项( DR )进行回归估计,结果如表7所示。具体地,列(2)中交互项的系数为3.0285且在1%的水平上显著为正,数字经济发展水平系数为-0.8733且在1%的水平上显著为负,表明能源消费结构负向调节了数字经济的碳减排效应,即能源结构偏煤的省份相较于其他省份来说,数字经济的碳减排效应较弱。由此说明,能源结构偏煤的省份受地区资源禀赋的影响,对资源型产业有着较强的路径依赖性,且多数产业与数字技术的结合度较低,导致数字经济在该地区的碳减排效应相较于能源结构多元化的省份较弱;而能源结构煤炭占比较低的省份,清洁能源更为丰富且数字经济发展较为迅速,更容易促进区域绿色技术进步与公众环保关注度的提升,碳减排效应更为明显。

表7 能源消费结构异质性估计结果

续表

注: *** 代表 p <0.01, ** 代表 p <0.05;括号内的数据为标准差。

2.地方政府支持程度的异质性

政府是环境保护工作的重要执行者和领导者,在环境保护中起着极为重要的作用。数字经济发展的碳减排效应在政府环保支持程度不同的地区可能会产生不同的效果。在此,本文借鉴邓荣荣等的做法利用地方政府环境保护支出占地方财政一般预算支出的比重来衡量政府环保的支持程度( GS ),并计算2011—2020年政府环保支持程度的均值,按照均值划分,将样本分为高水平组(High)和低水平组(Low),回归结果如表8所示。具体地,列(1)中数字经济系数为-0.4348且在10%的水平上显著为负,列(2)中数字经济系数为0.3941且在10%的水平上显著为正,表明在地方政府环保支持程度高的地区,数字经济显著降低了碳排放,而在地方政府环保支持程度相对较低的地区,数字经济增加了碳排放。可能的原因在于,地方政府环保支持程度高的地区,资金供给和政策条件等相对更为优越,可以更好地推动数字经济与产业结构融合,充分释放数字技术红利,而且在地方政府环保行为的引领下公众环保意识会得到进一步提升;反之,在地方政府环保支持程度相对较低的地区,多数产业与数字技术尚未有效融合,数字经济的碳减排效益难以发挥,反而在经济发展过程中不可避免地促使碳排放量增加。

表8 地方政府支持程度异质性估计结果

注: *** 代表 p <0.01, * 代表 p <0.1;括号内的数据为标准差。 5ZarJOf8QTAj4jJ0aFG5VG1//GddXm3qTbSL6rwq3UkWoXVx3YovJqCaixAGpZur

点击中间区域
呼出菜单
上一章
目录
下一章
×