| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 江苏数字产业碳排放脱钩弹性及驱动因素研究 |
| 第764期 作者：□文/卢 凯 时间：2025/11/2 16:04:38 浏览：71次 |
［提要］ 随着数字经济的快速扩张，考察由数字产业发展引致的碳排放问题具有重要的现实价值。基于江苏数字产业碳排放数据，构建数字产业碳排放LMDI驱动因素模型，进而探讨江苏数字产业碳排放Tapio脱钩弹性。研究发现：江苏数字产业碳排放总体呈现快速增长趋势，但碳排放强度不断下降。驱动因素显示：技术效应是江苏数字产业碳减排的主要驱动因素，而经济规模效应显著促进江苏数字产业碳排放的增长。脱钩弹性结果表明：脱钩状态呈现“扩张连接-扩张负脱钩-弱脱钩”演进特征。通过强化数字技术创新的减排赋能效应、优化产业结构调整路径以及健全市场化调控机制，成为推动江苏数字产业碳减排重要路径。
关键词：数字产业碳排放；脱钩弹性；驱动因素；LMDI-Tapio模型
基金项目：江苏省大学生创新训练计划省级项目：“江苏数字产业碳排放脱钩弹性及驱动因素研究——基于LMDI-Tapio模型的分析”（项目编号：202410293201Y）
中图分类号：F062.1；F127 文献标识码：A
收录日期：2025年5月14日
引言
数字产业作为数字经济的核心组成部分，在我国大力发展数字经济背景下呈现出强劲的发展动力。党的二十大报告指出，要加快发展数字经济，打造具有国际竞争力的数字产业集群。2025年中国政府工作报告指出，要加快数字中国建设，提高数字经济核心产业增加值比重。截至2023年，我国的数字经济规模达到50.2万亿元，成为全球数字经济核心增长极。然而，数字产业的发展也带来了一定的环境污染与碳排放等问题。2024年，《数据中心绿色低碳发展专项行动计划》印发实施，首次将单位GDP碳排放强度纳入省级政府生态文明建设考核体系，通过政策问责机制驱动数字产业的绿色低碳化转型。在此背景下，考察由数字产业发展引致的碳排放问题具有重要的现实价值。根据国家统计局和碳核算数据库显示，2023年江苏的数字经济规模达5.8万亿元，占全国数字经济总量的13.2%，同时其碳排放总量较2001年增长约2.6倍，碳排放强度下降65%，存在碳排放强度下降而碳排放总量攀升的回弹效应。这一现象暴露出数字产业低碳转型的发展困境，即对“技术减排-规模锁定”的耦合机制仍缺乏系统解构。
基于此，本文构建“驱动因素-脱钩效应-脱钩努力”三维分析框架，系统解析江苏数字产业碳排放的动态规律。同时，整合LMDI分解与Tapio脱钩模型，揭示技术效应、产业结构效应、经济规模效应、人口规模效应的驱动效果。最后，建立具有动态解释力的脱钩努力模型，识别出技术创新贡献度与结构抑制效应的动态关联。
一、文献综述
作为数字经济的核心组成部分，数字产业在近年来得到了快速发展，同时也产生了一定的碳排放问题。与数字产业碳排放相关的研究主要分为以下三个方面：
第一，关于数字产业碳排放核算的研究。IPCC指南为传统产业提供标准化核算框架，但数字产业因其跨行业特性（如数据中心能耗、5G基站排放等），尚未建立统一核算标准，特别是省级尺度的数字产业碳排放清单仍有待完善，对于精准制定数字产业的减排政策缺乏必要的数据支撑。目前，王雅洁等考虑到数据可得性，选用电信业务总量和信息传输、软件和信息技术服务业从业人数衡量数字产业规模。赵放和蒋国梁以数字产品制造业和数字产品服务业代表数字产业，通过专利授权量衡量数字产业创新能力，并实证检验数字产业集聚的创新效应。
第二，关于数字产业碳排放驱动因素的研究。易子榆等研究发现，数字产业的技术发展可能导致碳排放增加，但是通过为上下游产业赋能并推动技术创新，有望实现碳减排。这种曲线特征在张元庆等的研究中得到验证，其研究表明，数字产业符合倒“U”型曲线特征，对碳排放的边际效应为负，初期会增大碳排放强度，进一步印证了数字经济对碳排放强度的影响具有一定的规模门槛。驱动因素分解研究已形成较为成熟的方法论体系。Ang等提出的LMDI分解法因其全分解特性和无残差优势成为碳排放研究的主流方法。刘浩东等对黑龙江省的能源碳排放分解表明，经济水平对能源碳排放的贡献率高达57.3%，这一发现与薛媛等在农业领域的研究结论形成呼应，后者发现农业水资源经济产出因素为中国农业碳排放增加最主要的原因。
第三，关于数字产业碳排放脱钩弹性的研究。Tapio（2005）建立的八种脱钩状态分类体系，因其基期选择误差消除特性，被广泛用于经济增长与环境、碳排放等脱钩关系的相关研究。王奕淇和黄涵祝发现，要素替代和技术进步是促进中国碳排放脱钩的关键因素，而经济水平是抑制中国碳排放脱钩的主要因素。陈瑞敏等研究发现，技术碳强度和产出碳强度被确认为在碳排放脱钩中起关键作用的因素，有助于促进碳排放的削减。相比之下，能源规模和技术规模被认为是主要阻碍碳排放脱钩的因素。刘博文等测算我国各区域的行业碳排放脱钩指数，在此基础上构建脱钩努力模型，发现能源强度的贡献比较大，而产业结构和能源结构调整是我国实现碳排放脱钩的重要途径。
相对于已有研究，本文存在以下边际贡献：第一，构建“驱动因素-脱钩效应-脱钩努力”三维分析框架，突破传统Kaya恒等式的单维度局限。第二，将LMDI分解法与Tapio脱钩模型相融合，以此建立对江苏数字产业碳排放解释力度更强的脱钩努力模型。第三，立足于江苏数字产业碳排放，揭示江苏数字产业碳排放的演变趋势、驱动因素以及脱钩效应，探讨江苏数字技术赋能与产业碳足迹的动态关联特征，以期为促进江苏数字产业的绿色低碳发展提供参考借鉴。
二、模型构建与数据来源
（一）LMDI分解模型指标构建。本文通过扩展Kaya恒等式和LMDI指数分解方法对江苏数字产业碳排放进行分解分析，模型如下：
C＝■■×■×■×■×Pi （i=1，2，…，n） （1）
其中，i为年份；C为碳排放量（万吨）；Ci为数字产业各类能源消费所产生的碳排放量（万吨）；Ei为各类能源的消费量（万吨）；Ni为江苏省数字产业产值（亿元）；Qi为江苏省生产总值（亿元）；P为人口数量（万人）。
公式（1）可化简为：
C＝Ri×Wi×Si×Vi×Pi （i=1，2，…，n） （2）
在公式（2）中，Ri=■表示碳排放因子；Wi=■表示技术水平；Si=■表示产业结构；Vi=■表示经济水平。
由此，将江苏省数字产业第i年到第i+1年的碳排放量变动值分解为5个驱动因素的共同作用，公式如下：
ΔC=Ci+1-Ci=ΔCR+ΔCW+ΔCS+ΔCV+ΔCP （3）
采用LDMI指数分解可得到各个因素的驱动效应公式：
ΔCR=■■ln（■） （4）
ΔCW=■■ln（■） （5）
ΔCS=■■ln（■） （6）
ΔCV=■■ln（■） （7）
ΔCP=■■ln（■） （8）
其中，ΔCW表示技术效应；ΔCS表示产业结构效应；ΔCV表示经济规模效应；ΔCP表示人口规模效应。在模型参数中，本文基于IPCC基准方法设定碳排放因子ΔCR作为恒定变量。
（二）Tapio脱钩模型。在碳排放脱钩效应研究中，Tapio脱钩模型通过构建脱钩弹性系数（即碳排放变化率与经济增长率的比值），能够有效表征经济系统与环境压力的解耦程度。相较于STIRPAT模型等侧重驱动机制分析的特点，Tapio模型在数据适配性、时序追踪能力及动态特征刻画方面更具优势。基于此，本文构建Tapio脱钩模型，考察江苏数字产业增长与碳排放的脱钩弹性，为江苏数字产业的低碳路径优化提供参考依据。
基于Tapio脱钩模型，构建江苏数字产业碳排放与行业发展的脱钩关系模型：
ε（C，N）=■=■ （9）
ε（C，E）=■=■ （10）
其中，ε（C，N）和ε（C，E）分别表示江苏数字产业碳排放与产业增加值之间的脱钩弹性指数、江苏数字产业碳排放与能源消耗之间的脱钩弹性指数。CO■表示第t年的碳排放量（万吨），Nt表示第t年的数字产业产值（亿元），Et表示第t年的能源消耗量（万吨），基期年的数字产业产值和能源消耗量分别用N0和E0表示。脱钩弹性指数反映了在各变量变动1%时，碳排放变化的百分比程度。江苏数字产业Tapio脱钩模型状态及定义见表1。（表1）
（三）脱钩努力模型。脱钩努力是指通过技术革新与政策调控，实现经济产出与碳排放量解耦的过程，目的在于不制约产业发展的基础上降低碳排放依赖度。为精准测度各类驱动因素对江苏省数字产业发展与碳排放脱钩弹性的贡献强度，进而解析脱钩状态变迁的内在机理，本文创新性地整合LMDI分解法与Tapio脱钩模型，构建如下脱钩努力模型：
D（C，E）=-■=-■=D■■+D■■+D■■+D■■ （11）
根据公式（11）基本原理，可以得到D（C，N）。D（C，E）、D（C，N）分别表示碳排放和能耗量、产值的脱钩努力总指标。通过参数化处理将数字产业碳排放脱钩状态分解为四维驱动效应：技术水平驱动效应（ΔCW）、产业结构效应（ΔCS）、经济水平效应（ΔCV）及人口规模效应（ΔCP）。当B＜0时，表示无脱钩努力状态；当0＜B＜1时，表示弱脱钩努力状态；当B≥1时，表示强脱钩努力状态。这种耦合分析方法能够突破传统单一模型的局限，可以量化各类因素对脱钩弹性的边际贡献。
（四）数据来源与说明。本文主要考察江苏数字产业碳排放的脱钩弹性及驱动因素，数据观测期为2001～2021年，覆盖江苏省“十五”至“十三五”四个五年规划完整周期。数字产业碳排放数据来源于CEADs中国碳核算数据库（省级分部门清单），并参照国家统计局《数字经济及其核心产业统计分类（2021）》筛选，原始数据经交叉验证确保一致性。江苏省GDP数据和人口数据来源于历年《江苏省统计年鉴》，能源消耗数据由综合能源平衡表与CEADs中国碳核算数据库省级能源清单对照数字产业分类整理计算得到。本文参考杨军鸽和王琴梅、孙娜等的研究设计，选取信息传输、软件和信息技术服务业产值衡量江苏的数字产业规模。
三、实证结果与分析
（一）江苏数字产业碳排放量与碳排放强度量化分析。江苏数字产业碳排放量与碳排放强度呈现出明显的异质性变化趋势。其中，江苏数字产业碳排放量从2001年的127.38万吨增加到2021年的373.91万吨，年均增长率达5.53%，而碳排放强度则从2003年的0.015吨/万元下降到2021年的0.003吨/万元，表明江苏数字产业碳排放存在强度下降而总量攀升的回弹效应，进一步证明江苏在促进数字产业发展的基础上，实现了碳排放强度的有效降低。（图1）
（二）江苏数字产业碳排放驱动因素分解。基于LMDI分解框架的驱动效应解析结果，2001～2021年间江苏数字产业碳排放的驱动因素呈现出显著的异质性特征，如图2和图3所示。碳排放总量可分解为四维驱动效应：技术效应、产业结构效应、经济规模效应以及人口规模效应。（图2、图3）
具体而言，技术效应驱动因素整体呈现出较强的减排效果。总体来看，技术效应驱动的数字产业碳减排累计超过323万吨，对碳排放的抑制效果明显，这与江苏在推动数字化转型、引进绿色技术及提高产业能效等方面的政策密切相关。产业结构效应的驱动效果呈现出较强的波动特征，其累计驱动效应值表现为负，即总体上抑制江苏数字产业碳排放。经济规模效应则显著促进了江苏数字产业碳排放的增长，并在大多数年份对数字产业碳排放表现为显著的正向促进作用。整体而言，经济规模效应的累计贡献值高达约591万吨，尤其在2001～2007年和2011～2018年期间，经济规模效应表现为逐步上升趋势，主要是由于数字经济的快速发展产生了较高的能源消耗需求，加之工业化进程加速，导致数字产业碳排放量显著上升。人口规模效应的驱动效果较为稳定，整体呈现出缓慢上升的趋势，是所有驱动因素中变化幅度最小的因子。整体而言，人口规模效应的累计贡献值为36万吨，对数字产业碳排放的总体影响较为有限。
在研究区间内，技术效应驱动因素在江苏数字产业碳减排中展现出持续稳定的核心作用，成为抑制数字产业碳排放的核心动力。产业结构效应驱动因素呈现阶段性波动特征，但整体表现为正向驱动作用，这种现象可能源于传统高碳行业占比较大，产业结构调整的减排潜力未能充分释放。经济规模效应驱动因素对江苏数字产业碳排放增长具有显著驱动特性，经济规模的提高直接带动了数字产业的扩张与能源需求的增加。人口规模效应驱动因素在总量上来看，对江苏数字产业碳排放的影响较小，驱动作用并不明显。然而，随着江苏数字化服务的发展，人口规模对碳排放的潜在影响不容忽视。
（三）江苏数字产业碳排放脱钩弹性分析。在研究区间内，江苏数字产业碳排放与产业增加值之间存在三种脱钩状态：弱脱钩、扩张负脱钩、扩张连接；与能源消耗量之间存在两种脱钩状态：弱脱钩、扩张连接。具体分为以下三个阶段：
第一阶段：规模驱动期（2001～2010年）。该阶段脱钩弹性指数均值达1.26，呈现出“扩张连接—弱脱钩”的交替波动特征。在2008年以前，江苏数字产业碳排放增速（年均18.7%）与GDP增速（16.2%）高度耦合，呈现出规模效应主导。在2002～2005年间，能源消费弹性系数持续高于0.9，反映出数字产业尚未形成技术减排效应。（表2）
第二阶段：结构调整期（2011～2016年）。该阶段脱钩弹性指数均值降至0.68，弱脱钩占比提升至83%。同时，该阶段对应《江苏省“十二五”节能规划》实施期，数字产业碳排放增速（5.3%）首次低于GDP增速（9.1%）。同时，能耗弹性指数降幅达41%，反映出绿色低碳产能置换过程中的锁定效应。
第三阶段：创新驱动期（2017～2021年）。该阶段脱钩弹性指数稳定在0.35低位，呈现出强可持续性特征。数字产业化贡献率突破35%，能源强度年均下降2.1个百分点，碳交易试点与数字新基建等政策叠加，推动数字产业单位能耗下降40%，达到环境库兹涅茨曲线拐点。
（四）江苏数字产业碳排放脱钩努力程度分析。基于LMDI-Tapio耦合模型方法，江苏数字产业碳排放脱钩弹性呈现多维驱动特征。脱钩指数波动可解构为技术效应、产业结构效应、经济规模效应以及人口规模效应四维驱动效应的非线性叠加，并以此分析江苏数字产业碳排放的脱钩努力模型分解结果。
具体而言，一是技术效应为核心驱动因素但波动较为显著。技术水平在碳排放脱钩中呈现“先负后正”特征，在2001～2009年负值占比63.6%，反映早期数字技术应用不足导致能效低下，而在2010年后全部转为正值，尤其在2018年达到峰值0.431，表明技术创新显著促进了江苏数字产业碳排放脱钩。二是产业结构效应的驱动效果呈现出持续抑制状态。产业结构对江苏数字产业碳排放脱钩的负向抑制占主导（负值年份占比70%），反映传统高耗能产业占比仍较高，进一步表明产业结构转型滞后是实现脱钩的关键阻力。三是经济规模显著抑制了江苏数字产业碳排放的脱钩。经济规模效应在江苏数字产业碳排放脱钩中持续负向驱动，表明经济增长通过扩大数字产业规模加剧了碳排放压力。四是人口规模驱动效果呈现出长期隐性约束。人口规模效应始终微弱负向驱动，揭示人口增长通过扩大数字终端需求间接推高数字产业碳排放。（表3）
四、研究结论与政策启示
本文基于LMDI-Tapio模型，系统解析了2001～2021年江苏数字产业碳排放的驱动因素与脱钩弹性指数，主要结论如下：江苏数字产业碳排放总量由2001年的127.38万吨增加到2021年373.91万吨，年均增长率达5.53%，但碳排放强度由0.015吨/万元降至0.003吨/万元，表明规模扩张与低碳化转型呈现并行态势。驱动效应显示，经济规模效应是碳排放增长的核心驱动力，技术效应则发挥关键抑制作用，产业结构效应因传统高碳产业占比偏高呈现阶段性波动。脱钩弹性指数表明，江苏数字产业碳排放的脱钩进程呈现三阶段跃升特征，其中2001～2010年为规模驱动期，脱钩弹性均值为1.26，碳排放与经济增长呈扩张连接状态；2011～2016年进入结构调整期，脱钩指数降至0.68，弱脱钩占比达83%；在2017年后迈入创新驱动期，脱钩指数稳定于0.35，数字技术赋能效应显著。脱钩努力效果表明，技术效应是核心脱钩动力，但受技术迭代周期影响存在波动；产业结构效应累计抑制率达28.6%，反映传统产业路径依赖问题；经济规模效应持续负向驱动脱钩关系；人口规模效应驱动效果较弱。
基于研究结论，本文提出如下政策建议：第一，强化数字技术创新的减排赋能效应。江苏可结合数字产业的发展布局，加强数字技术研发投入，推动绿色低碳技术与数字技术深度融合，提升技术减排的规模效应。第二，优化产业结构调整路径。相关职能部门可制定差异化的数字产业发展规划，推动高耗能环节低碳化改造与低耗能新兴业态培育并行，加强产业链上下游协同减排，促进产业结构向知识密集型、低碳集约型转变。第三，健全市场化调控机制。将数字企业纳入碳交易体系，引导社会资本流向低碳技术研发与清洁能源项目，强化碳信息披露制度，同时进一步构建政府监管、第三方认证与企业自律相结合的治理框架，提升市场主体的减排主动性。
（作者单位：南京邮电大学经济学院）
主要参考文献：
［1］王雅洁，信晓丹，吴艺菲，马婕.数字经济驱动京津冀创新网络发展的路径［J］.科学学与科学技术管理，2025.46（07）.
［2］赵放，蒋国梁.数字产业集聚的创新效应［J］.浙江社会科学，2024（09）.
［3］易子榆，魏龙，王磊.数字产业技术发展对碳排放强度的影响效应研究［J］.国际经贸探索，2022.38（04）.
［4］张元庆，刘烁，齐平.数字产业协同创新发展对碳排放强度影响研究［J］.西南大学学报（社会科学版），2023.49（03）.
［5］张争妍，李豫新.数字经济对我国碳排放的影响研究［J］.财经理论与实践，2022.43（05）.
［6］ANG B W，LIU F L.A new energy decomposition method：Perfect in decomposition and consistent in aggregation［J］.Energy，2001.26（06）.
［7］ANG B W.Decomposition analysis for policymaking in energy：Which is the preferred Method［J］.Energy Policy，2004.32（09）.
［8］蒯鹏，束克东，成润禾.我国工业部门环境污染排放变化的驱动因素——基于“十二五”工业排放数据的实证研究［J］.中国环境科学，2018.38（06）.
［9］刘浩东，邱微，陈爽.黑龙江省能源碳排放核算及驱动因素分析［J］.中国环境科学，2024.44（07）.
［10］薛媛，李春华，李静雯，等.中国农业碳排放时空特征及驱动因素分析［J］.中国生态农业学报（中英文），2024.32（11）.
［11］王君华，李霞.中国工业行业经济增长与CO2排放的脱钩效应［J］.经济地理，2015.35（05）.
［12］吕靖烨，李珏.中国各省份碳排放脱钩效应、驱动因素及预测研究［J］.环境科学与技术，2022.45（02）.
［13］王奕淇，黄涵祝.中国碳排放脱钩效应、时空特征与驱动因素［J］.生态学报，2024.44（06）.
［14］陈瑞敏，马晓君，李宜良.黄河流域五大增长极碳排放脱钩效应——基于GDIM的因素分解［J］.中国环境科学，2024.44（05）.
［15］刘博文，张贤，杨琳.基于LMDI的区域产业碳排放脱钩努力研究［J］.中国人口·资源与环境，2018.28（04）.
［16］罗爽，肖韵.数字经济核心产业集聚赋能新质生产力发展：理论机制与实证检验［J］.新疆社会科学，2024（02）.
［17］杨军鸽，王琴梅.中国数字产业效率的地区差异与敛散特征［J］.统计与决策，2024.40（13）.
［18］孙娜，陶克涛，杨世伟，等.中国数字产业集聚水平的演变特征与提升策略［J］.区域经济评论，2024（01）.
|
|
|
|
