| 2,425 | 4 | 415 |
| 下载次数 | 被引频次 | 阅读次数 |
本文从绿色低碳技术和数字智能技术出发，分别对双碳目标系统和数智赋能系统进行解构；基于复合系统协同度模型和面板向量自回归（PVAR）模型，研究双碳目标与数智赋能的复合协同发展作用与相互影响关系。研究结果表明，平稳发展的双碳目标系统在快速发展的数智赋能系统影响下，形成双碳目标–数智赋能协同发展的复合系统；二者的相互影响关系表现为，滞后1期数字基础设施建设能够对生态碳汇能力和绿色转型潜力产生较大的正向影响。虽然此时数字基础设施建设对排放产业链高效化，以及绿色转型潜力对数字化发展水平存在一定的负向影响，但影响效应迅速减弱并在滞后3期时转为正向。随后数字基础设施建设对绿色转型潜力的正向影响进一步加大，促使传统产业绿色转型、绿色技术迅速发展，从而推动排放产业链高效化程度不断产生正向积累，最终在滞后4期时反过来对数字化发展水平产生较大的积极影响。本研究为促进双碳目标与数智赋能复合系统协同发展提供实证分析和参考。
Abstract：This paper deconstructs the carbon peaking and carbon neutrality target system and the digital-intelligence empowerment system from the perspectives of green low-carbon technologies and digital-intelligent technologies. Based on the composite system synergy model and the panel vector autoregression(PVAR) model, the paper investigates the synergistic development and mutual influence between the carbon peaking and carbon neutrality target and digital-intelligence empowerment. The results indicate that the stable development of the carbon peaking and carbon neutrality target system, under the influence of the rapidly developing digital-intelligence empowerment system, forms a composite system of carbon peaking and carbon neutrality target digital-intelligence empowerment synergy. The mutual influence between the two is shown by the fact that digital infrastructure development has a significant positive impact on ecological carbon sequestration capacity and green transformation potential by lag 1.Although the construction of digital infrastructure has a certain negative impact on the efficiency of the emission industrial chain and the green transformation potential on the level of digital development, the effect rapidly weakens and turns positive by lag 3. Subsequently, the positive impact of digital infrastructure on green transformation potential further intensifies, promoting the green transformation of traditional industries and the rapid development of green technologies. This, in turn, drives continuous positive accumulation in the efficiency of the emission industrial chain, ultimately resulting in a large positive impact on the level of digital development by lag 4. The empirical analysis of the synergistic development and bidirectional interaction mechanisms between carbon peaking and carbon neutrality target and digital-intelligence empowerment has certain reference significance.
[1]毕达天,黄伟鑫,王璐,等.城市数字经济发展如何影响企业ESG表现?——绿色高质量发展的城企协同路径[J].科学学研究, 2024, 42(3):594–604.
[2]陈光,霍沫霖.碳中和目标下的能源数字经济[J].能源, 2021(5):37–38.
[3]冯子洋,宋冬林,谢文帅.数字经济助力实现“双碳”目标:基本途径、内在机理与行动策略[J].北京师范大学学报（社会科学版）,2023(1):52–61.
[4]郭丰,杨上广,任毅.数字经济、绿色技术创新与碳排放——来自中国城市层面的经验证据[J].陕西师范大学学报（哲学社会科学版）,2022, 51(3):45–60.
[5]韩晶,姜如玥.数字经济赋能低碳发展:理论逻辑与实践路径[J].统计研究, 2024, 41(4):54–67.
[6]李金昌,连港慧,徐蔼婷.双碳愿景下企业绿色转型的破局之道——数字化驱动绿色化的实证研究[J].数量经济技术经济研究, 2023,40(9):27–49.
[7]李南枢,宋宗宇.数字低碳与低碳数字:“双碳”目标下数字经济发展的反思与重构[J].中州学刊, 2023(11):33–40.
[8]陆凤芝,王辉,景光正.网络基础设施建设与绿色高质量发展——来自宽带中国战略的准自然实验[J].统计研究, 2024, 41(8):112–125.
[9]吕指臣,胡鞍钢.中国建设绿色低碳循环发展的现代化经济体系:实现路径与现实意义[J].北京工业大学学报（社会科学版）, 2021,21(6):35–43.
[10]童光毅.基于“双碳”目标的智慧能源体系构建[J].智慧电力, 2021, 49(5):1–6.
[11]王硕,王海荣.“双碳”目标背景下中国数字经济健康发展的策略研究[J].当代经济管理, 2022, 44(8):11–16.
[12]王香艳,李金叶.数字经济是否有效促进了节能和碳减排？[J].中国人口·资源与环境, 2022, 32(11):83–95.
[13]邬彩霞.着力低碳产业数字化转型推动实现碳中和目标[J].金融博览, 2021(3):16–17.
[14]吴传清,邓明亮.数字经济发展对中国工业碳生产率的影响研究[J].中国软科学, 2023(11):189–200.
[15]杨刚强,王海森,范恒山,等.数字经济的碳减排效应:理论分析与经验证据[J].中国工业经济, 2023(5):80–98.
[16]张永生,巢清尘,陈迎,等.中国碳中和:引领全球气候治理和绿色转型[J].国际经济评论, 2021(3):9–26, 4.
[17]赵彦云.数字化、广义统计与数族协同[J].统计研究, 2020, 37(5):117–128.
[18]中国信息通信研究院.数字化绿色化协同发展白皮书（2022）[J/OL]. http://www.caict.ac.cn/kxyj/qwfb/bps/202301/P020230107860562732799.pdf, 2023.
[19]中国信息通信研究院.中国数字经济发展研究报告（2024）[J/OL]. http://www.caict.ac.cn/kxyj/qwfb/bps/202408/P020240830315324580655.pdf, 2024.
[20] Abrigo M, Love I. Estimation of Panel Vector Autoregression in Stata[J]. The Stata Journal:Promoting Communications on Statistics and Stata,2016, 16(3):778–804.
[21] Our World in Data. Breakdown of Carbon Dioxide, Methane and Nitrous Oxide Emissions by Sector[J/OL]. https://ourworldindata.org/emissions-by-sector, 2024.
[22] Love I, Zicchino L. Financial Development and Dynamic Investment Behavior:Evidence from Panel VAR[J]. The Quarterly Review of Economics and Finance, 2006, 46(2):190–210.
[23] Ritchie H. Sector by Sector:Where do Global Greenhouse Gas Emissions Come from?[J/OL]. https://ourworldindata.org/ghg-emissionsby-sector, 2020.
[24] Ritchie H. CO2 and Greenhouse Gas Emissions[J/OL]. https://ourworldindata.org/co2-and-greenhouse-gas-emissions, 2023.
[25] Tang J, Li Y, Gao Y. Spatial Effects of Energy System Digitization on Carbon Emissions:Evidence from China[J]. Sustainability, 2024, 16(5):1822.
[26] Zhang R L, Liu X H, Jiang W B. How does the Industrial Digitization Affect Carbon Emission Efficiency? Empirical Measurement Evidence from China’s Industry[J]. Sustainability, 2023, 15(11):9043.
(1)出自《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》，相关网址为https://www.gov.cn/zhengce/2021-10/24/content_5644613.htm。
(1)相关网址为https://www.gov.cn/zhengce/zhengceku/2022-11/01/5723071/files/456978e8376e43fa80a0ce26ea6622c7.pdf。
(1)相关网址为http://politics.people.com.cn/n1/2021/0313/c1001-32050444.html。
(1)数据来自艾瑞咨询，相关网址为https://report.iresearch.cn/report_pdf.aspx?id=3699&utm_source=chatgpt.com。
(1)全球变化数据实验室与牛津大学牛津马丁全球发展计划的合作项目Our World in Data对碳排放来源进行了研究（Ritchie,2020），结果显示全球73.20%的温室气体（主要是二氧化碳）由能源部门产生，主要包括化石能源生产和消费两个部分。
(2)数据来自IPCC排放系数数据库，网址为https://www.ipcc-nggip.iges.or.jp/EFDB/。
(3)Our World in Data(2024）测算的数据显示，2021年全球碳排放量来源于电力和热量、交通、制造和建筑、农业、工业、逃逸排放、建筑物、废物处理、土地利用变化和林业、航空和航运、其他燃料燃烧的占比分别为33.4%、15.7%、12.8%、11.7%、6.5%、6.5%、6.1%、3.4%、2.7%、2.0%、1.2%。本文根据我国的行业分类及数据可获取性综合考虑，选择工业（包括电力、热力和其他工业制造业产业）、交通、建筑（包括建筑制造和建筑物反映的居民生活）、农业、废物处理这5个产业及空气质量对排放产业链高效化进行测度。
(4)因篇幅所限，各产业碳排放产业链以附图1展示，见《统计研究》网站所列附件。下同。
(5)Our World in Data(Ritchie,2020）提出能源燃烧、直接工业过程、废物排放、土地析出是碳排放的4个最主要的来源，其中直接工业过程的碳排放主要为水泥和化工产品生产过程中化学反应产生的碳，本文将其归入工业生产过程中的能源燃烧产物，因此将能源燃烧、废物排放、土地析出作为碳排放来源。
(6)数据来源于《中国统计年鉴2024》，网址为https://www.stats.gov.cn/sj/ndsj/2024/indexch.htm。其中，煤炭占能源消费总量的比重来自表9-2，工业煤炭消耗量占比利用表9-9中工业煤炭消费量占煤炭消费总量的比重计算得到。
(1)数据来源于《中国统计年鉴2024》，网址为https://www.stats.gov.cn/sj/ndsj/2024/indexch.htm。其中，2000年和2022年我国使用非化石能源发电比例分别利用表9-6中2000年和2022年的电力总生产量减去火发生产量，然后除以电力总生产量得到。
(2)因数据缺失，本研究样本未涵盖我国西藏和台湾地区数据。
(3)企查查为企业信息查询系统，网址为https://www.qcc.com。
(1)网址为https://www.cac.gov.cn/2021-11/18/c_1638832444901173.htm。
(1)网址分别为https://www.gov.cn/zhengce/zhengceku/2021-02/22/content_5588274.htm和https://www.gov.cn/zhengce/zhengceku/2021-10/26/content_5644984.htm。
(2)《科技支撑碳达峰碳中和实施方案（2022-2030年），https://www.gov.cn/zhengce/zhengceku/2022-08/18/5705865/files/94318119b8464e2583a3d4284df9c855.pdf；《国家能源局关于加快推进能源数字化智能化发展的若干意见》，https://www.gov.cn/zhengce/zhengceku/2023-04/02/content_5749758.htm；《信息通信行业绿色低碳发展行动计划（2022-2025年）》，https://www.gov.cn/zhengce/zhengceku/2022-08/26/5706914/files/8b3089a27f214478a18049d452f2f38d.pdf。
(3)数据来自人民日报，相关网址为https://www.gov.cn/xinwen/2022-05/06/content_5688752.htm。
(4)《数据中心绿色低碳发展专项行动计划》，相关网址为https://www.gov.cn/zhengce/zhengceku/202407/P020240724272072479001.pdf。
(5)数据来自中研普华产业研究院，相关网址为https://www.chinairn.com/news/20241031/170733583.shtml。
(6)数据来自中研普华产业研究院，相关网址为https://www.chinairn.com/news/20241114/140100399.shtml。
(7)因篇幅所限，变量描述性统计分析结果以附录1展示。
(8)因篇幅所限，平稳性检验结果以附表1展示。
(9)因篇幅所限，不同阶数下AIC、BIC、HQIC的计算结果以附表2展示。
(1)因篇幅所限，6项指标滞后4期模型系数结果以附表3展示。
(1)因篇幅所限，格兰杰因果检验结果以附表4展示。
(2)因篇幅所限，脉冲响应分析图以附图2展示。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2025.03.005
中图分类号:X321;F49
引用信息:
[1]徐雯雯,赵彦云.双碳目标与数智赋能的协同高质量发展[J].统计研究,2025,42(03):60-75.DOI:10.19343/j.cnki.11-1302/c.2025.03.005.
基金信息:
中国人民大学科学研究基金重大规划项目“互联网统计学研究”（17XNLG09）