董瑞媛，周曉唯

（陜西師范大學(xué) 國際商學(xué)院，西安 710119）

0 引言

數(shù)字經(jīng)濟(jì)具有增排效應(yīng)，因?yàn)榛ヂ?lián)網(wǎng)、信息技術(shù)及其相關(guān)產(chǎn)業(yè)的發(fā)展對電力能源消耗量迅速增長，從而加劇了區(qū)域碳排放[1]。因此，協(xié)調(diào)處理數(shù)字經(jīng)濟(jì)與碳排放的關(guān)系是當(dāng)前亟須解決的關(guān)鍵問題。脫鉤反映經(jīng)濟(jì)發(fā)展與資源消耗的反向變動(dòng)關(guān)系，數(shù)字經(jīng)濟(jì)發(fā)展與碳排放消耗的脫鉤能夠更大程度地減少數(shù)字經(jīng)濟(jì)發(fā)展對高碳能源的依賴。此外，由于各省份在經(jīng)濟(jì)、交通等方面存在一定的聯(lián)系，所以不能忽視省份之間的空間關(guān)聯(lián)關(guān)系，這有助于在空間上協(xié)同促進(jìn)各地區(qū)數(shù)字經(jīng)濟(jì)與碳排放的脫鉤。因此，探究數(shù)字經(jīng)濟(jì)與碳排放的脫鉤水平及其空間關(guān)聯(lián)網(wǎng)絡(luò)，對數(shù)字經(jīng)濟(jì)的健康發(fā)展和“碳達(dá)峰、碳中和”目標(biāo)的實(shí)現(xiàn)具有十分重要的現(xiàn)實(shí)意義。有關(guān)數(shù)字經(jīng)濟(jì)與碳排放的關(guān)系研究日益豐富[2—4]，但仍存在有待完善之處：第一，較少有文獻(xiàn)從脫鉤視角探討二者的關(guān)系；第二，數(shù)字經(jīng)濟(jì)對碳排放的空間溢出效應(yīng)更多地關(guān)注了本地與鄰地之間的關(guān)系，忽視了各個(gè)地區(qū)之間的相互聯(lián)系，未能深入刻畫地區(qū)間形成的空間網(wǎng)絡(luò)結(jié)構(gòu)?；诖?，本文首先運(yùn)用Tapio 模型計(jì)算中國整體和各個(gè)省份數(shù)字經(jīng)濟(jì)與碳排放的脫鉤水平，然后利用修正的引力模型識別各省份數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)關(guān)系，最后通過社會網(wǎng)絡(luò)分析法探究其空間關(guān)聯(lián)網(wǎng)絡(luò)特征。旨在從脫鉤視角和空間網(wǎng)絡(luò)視角為數(shù)字經(jīng)濟(jì)與碳排放的關(guān)系提供新的實(shí)證證據(jù)，也為協(xié)調(diào)處理我國數(shù)字經(jīng)濟(jì)與碳排放的關(guān)系提供科學(xué)依據(jù)。

1 研究設(shè)計(jì)

1.1 數(shù)字經(jīng)濟(jì)發(fā)展水平的評價(jià)指標(biāo)體系構(gòu)建

根據(jù)2016 年發(fā)布的《二十國集團(tuán)數(shù)字經(jīng)濟(jì)發(fā)展與合作倡議》中數(shù)字經(jīng)濟(jì)的定義“以使用數(shù)字化的知識和信息作為關(guān)鍵生產(chǎn)要素、以現(xiàn)代信息網(wǎng)絡(luò)作為重要載體、以信息通信技術(shù)的有效使用作為效率提升和經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化的重要推動(dòng)力的一系列經(jīng)濟(jì)活動(dòng)”，同時(shí)秉持選取指標(biāo)的科學(xué)性、全面性、可獲得性和可比性原則，本文構(gòu)建包含數(shù)字基礎(chǔ)、數(shù)字產(chǎn)業(yè)和數(shù)字應(yīng)用3 個(gè)二級指標(biāo)、12 個(gè)三級指標(biāo)的數(shù)字經(jīng)濟(jì)發(fā)展水平評價(jià)指標(biāo)體系（見表1）。

表1 數(shù)字經(jīng)濟(jì)發(fā)展水平評價(jià)指標(biāo)體系

1.2 研究方法

1.2.1 碳排放量的測算方法

本文采用國際上普遍應(yīng)用的IPCC提供的碳排放量計(jì)算法，依照《2006 年IPCC 國家溫室氣體清單指南》提供的8類化石燃料的碳排放系數(shù)計(jì)算各省份每年的碳排放量，計(jì)算公式如下：

其中，Ca為a省份的二氧化碳排放量；v為二氧化碳的分子重量比，取值為44/12；Qab為第b類化石燃料在a省份的消費(fèi)量；Lb為第b類化石燃料的排放系數(shù)。b表示本文選取的8 種化石能源：煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣。

1.2.2 脫鉤模型

Tapio 模型不僅能夠規(guī)避基期選擇產(chǎn)生的不穩(wěn)定性，而且可以進(jìn)一步精確判定多種類型的脫鉤狀態(tài)[5]。因此，本文選擇Tapio脫鉤模型來測度數(shù)字經(jīng)濟(jì)與碳排放的脫鉤水平。計(jì)算公式如下：

其中，γ為脫鉤指數(shù)；C為碳排放量，dig為數(shù)字經(jīng)濟(jì)發(fā)展水平（用熵值法計(jì)算得出）；ΔC、Δdig分別為碳排放增量與數(shù)字經(jīng)濟(jì)增量。依據(jù)γ、ΔC和Δdig的取值范圍，將脫鉤狀態(tài)分為八類（見表2）。

表2 數(shù)字經(jīng)濟(jì)與碳排放脫鉤狀態(tài)及含義

1.2.3 修正的引力模型

引力模型是衡量區(qū)域間空間關(guān)聯(lián)關(guān)系的重要方法[6]，為準(zhǔn)確反映各省份數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間聯(lián)系，本文從3 個(gè)方面修正引力模型：（1）引入脫鉤指數(shù)；（2）采用脫鉤指數(shù)的比重來修正傳統(tǒng)經(jīng)驗(yàn)常數(shù)k值；（3）傳統(tǒng)的空間距離無法準(zhǔn)確衡量地區(qū)間的相互作用，因此綜合考慮地理距離和經(jīng)濟(jì)距離。修正的引力模型如下：

其中，Dac表示省份a、c之間數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間聯(lián)系強(qiáng)度；Pa、Pc分別為省份a、c的年末人口數(shù)；Ga、Gc分別為省份a、c的地區(qū)生產(chǎn)總值；Rac為省份a、c之間的地理距離；da、dc分別為省份a、c的人均生產(chǎn)總值。通過修正的引力模型構(gòu)建省份間數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)矩陣，以每行數(shù)值的均值為臨界值進(jìn)行二值化處理。當(dāng)Dac高于臨界值時(shí)用1表示，說明該行省份對該列省份具有數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)關(guān)系；反之用0 表示，說明該行省份對該列省份不具有數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)關(guān)系。

1.2.4 社會網(wǎng)絡(luò)分析法

本文從整體空間關(guān)聯(lián)、個(gè)體空間關(guān)聯(lián)和塊模型分析三個(gè)方面探究各省份間數(shù)字經(jīng)濟(jì)與碳排放脫鉤水平的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征[7]。（1）整體空間關(guān)聯(lián)網(wǎng)絡(luò)特征通過網(wǎng)絡(luò)密度、網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級度和網(wǎng)絡(luò)效率來刻畫[8]。（2）個(gè)體空間關(guān)聯(lián)網(wǎng)絡(luò)特征通過度數(shù)中心度、接近中心度和中介中心度來刻畫[9]。（3）塊模型分析通過對比各省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中的發(fā)出關(guān)系數(shù)和接收關(guān)系數(shù)，將各省份劃分為四類板塊，以反映各板塊在數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)揮的作用和所處的地位：凈受益板塊、凈溢出板塊、雙向溢出板塊、經(jīng)紀(jì)人板塊。

1.3 數(shù)據(jù)來源

本文以2012—2020 年我國30 個(gè)省份（不含西藏和港澳臺）的數(shù)據(jù)為研究樣本。數(shù)據(jù)來源于《中國能源統(tǒng)計(jì)年鑒》和各省份統(tǒng)計(jì)年鑒，數(shù)字普惠金融指數(shù)來源于北京大學(xué)數(shù)字金融研究中心網(wǎng)站，運(yùn)用插值法、類推法對缺失數(shù)據(jù)進(jìn)行補(bǔ)充。GDP按2011年不變價(jià)格進(jìn)行標(biāo)準(zhǔn)化處理。

2 實(shí)證分析

2.1 數(shù)字經(jīng)濟(jì)與碳排放的脫鉤水平測度分析

基于Tapio脫鉤模型測算出全國整體及30個(gè)省份2012—2020年數(shù)字經(jīng)濟(jì)與碳排放的脫鉤指數(shù)，計(jì)算結(jié)果見圖1和下頁表3。由圖1可知，全國層面數(shù)字經(jīng)濟(jì)與碳排放以弱脫鉤為主，脫鉤指數(shù)總體上呈現(xiàn)“N”型變動(dòng)態(tài)勢，大致可分為三個(gè)階段：2012—2013年呈快速下滑態(tài)勢；2013—2019年脫鉤指數(shù)在波動(dòng)中上升；2019—2020年又快速下滑。

圖1 2012—2020年中國數(shù)字經(jīng)濟(jì)與碳排放的脫鉤指數(shù)

表3 2012—2020年各省份數(shù)字經(jīng)濟(jì)與碳排放的脫鉤狀態(tài)

具體而言，2012—2013 年全國數(shù)字經(jīng)濟(jì)與碳排放脫鉤指數(shù)從0.13 下降到-0.01，降幅接近108%，脫鉤狀態(tài)由弱脫鉤轉(zhuǎn)變?yōu)閺?qiáng)脫鉤。這說明數(shù)字經(jīng)濟(jì)與碳排放的關(guān)系在這一階段得到很大程度的改善，隨著數(shù)字經(jīng)濟(jì)的發(fā)展，碳排放量逐漸減少。由于我國從2013年開始在深圳等七個(gè)城市試點(diǎn)碳排放權(quán)交易，通過市場機(jī)制鼓勵(lì)企業(yè)主動(dòng)節(jié)能減排，因此2013 年脫鉤水平有了較大提升。2013—2019年全國數(shù)字經(jīng)濟(jì)與碳排放脫鉤指數(shù)在波動(dòng)中從-0.01上升為0.27，脫鉤狀態(tài)由強(qiáng)脫鉤轉(zhuǎn)變?yōu)榉€(wěn)定的弱脫鉤。這說明數(shù)字經(jīng)濟(jì)與碳排放同向增長，同時(shí)，碳排放的增速顯著低于數(shù)字經(jīng)濟(jì)的增速。這一階段數(shù)字經(jīng)濟(jì)進(jìn)入快速發(fā)展時(shí)期，數(shù)字化基礎(chǔ)設(shè)施的大規(guī)模建設(shè)和數(shù)字化應(yīng)用水平的提升會導(dǎo)致電力消耗增加，從而導(dǎo)致碳排放增加[3]。2019—2020 年全國數(shù)字經(jīng)濟(jì)與碳排放脫鉤指數(shù)從0.27 下降為0.07，降幅為74%，脫鉤狀態(tài)為穩(wěn)定的弱脫鉤。這說明該階段數(shù)字經(jīng)濟(jì)與碳排放的關(guān)系在穩(wěn)定狀態(tài)中得到一定程度的優(yōu)化，雖然數(shù)字經(jīng)濟(jì)與碳排放依然同向增長，但碳排放增速有所減緩。

綜上所述，全國層面數(shù)字經(jīng)濟(jì)和碳排放脫鉤指數(shù)變化的階段性特征明顯，當(dāng)前數(shù)字經(jīng)濟(jì)與碳排放均處于增長階段，兩者關(guān)系尚未到達(dá)環(huán)境Kuznets曲線的“倒U”型拐點(diǎn)，因此，還需要科學(xué)把握數(shù)字經(jīng)濟(jì)與碳排放之間的關(guān)系，不斷優(yōu)化數(shù)字經(jīng)濟(jì)與碳排放的脫鉤水平，促進(jìn)碳達(dá)峰目標(biāo)的實(shí)現(xiàn)。

從表3中各省份脫鉤狀態(tài)看，東、中、西部地區(qū)多數(shù)省份在9個(gè)觀測期內(nèi)弱脫鉤出現(xiàn)5次及以上，因此均以弱脫鉤為主，說明大部分省份在數(shù)字經(jīng)濟(jì)發(fā)展的同時(shí)碳排放也隨之增加，且數(shù)字經(jīng)濟(jì)增速高于碳排放增速。但對比來看，東、中、西部地區(qū)省份的脫鉤穩(wěn)定性具有顯著差異。東部地區(qū)有3 個(gè)省份以強(qiáng)脫鉤為主，其中北京最為典型，觀測期內(nèi)呈現(xiàn)6次強(qiáng)脫鉤和3次弱脫鉤。由于北京數(shù)字經(jīng)濟(jì)發(fā)展水平優(yōu)勢明顯，且新能源與節(jié)能環(huán)保等產(chǎn)業(yè)占比較高，能源利用率較高，碳減排成效顯著，因此以強(qiáng)脫鉤為主。此外，僅福建和遼寧分別交叉出現(xiàn)了1次擴(kuò)張連接和2 次擴(kuò)張負(fù)脫鉤。中部地區(qū)諸多省份交叉出現(xiàn)了擴(kuò)張連接和擴(kuò)張負(fù)脫鉤，如山西、內(nèi)蒙古、吉林和江西，說明碳排放增速需要進(jìn)一步控制。西部地區(qū)脫鉤的內(nèi)部差異較大。如四川和青海強(qiáng)脫鉤出現(xiàn)5 次及以上，脫鉤表現(xiàn)最好，這是由于四川水電發(fā)電量位于全國前十，青海風(fēng)能、太陽能等清潔能源豐富，碳排放量低于全國平均水平[10]，因此以強(qiáng)脫鉤為主。但寧夏出現(xiàn)四種脫鉤類型，且有惡化趨勢，這是由于寧夏節(jié)能降碳起步晚、標(biāo)準(zhǔn)低、力度小，最后形成碳鎖定效應(yīng)[11]，導(dǎo)致脫鉤態(tài)勢最差。

2.2 空間關(guān)聯(lián)網(wǎng)絡(luò)分析

本文根據(jù)修正的引力模型，將脫鉤指數(shù)正向化處理后計(jì)算出數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)關(guān)系，并通過UCINET的可視化工具Netdraw將2020年的空間關(guān)聯(lián)網(wǎng)絡(luò)可視化（見圖2），可以初步看出各省份之間的數(shù)字經(jīng)濟(jì)與碳排放脫鉤不存在孤立現(xiàn)象，在空間上顯著關(guān)聯(lián)。

圖2 2020年數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)網(wǎng)絡(luò)

2.2.1 整體空間關(guān)聯(lián)網(wǎng)絡(luò)分析

2012—2020 年數(shù)字經(jīng)濟(jì)與碳排放脫鉤的整體網(wǎng)絡(luò)變化趨勢如圖3和下頁圖4所示。在觀測期內(nèi)的網(wǎng)絡(luò)關(guān)聯(lián)度均為1，說明各省份的脫鉤普遍存在關(guān)聯(lián)關(guān)系，各省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中連通可達(dá)。從圖3可知，空間關(guān)聯(lián)網(wǎng)絡(luò)的關(guān)系數(shù)和網(wǎng)絡(luò)密度總體呈波動(dòng)中小幅下降的趨勢，并在2016年達(dá)到最小值，此后雖有回升但仍存在回落的趨勢，說明各省份數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間聯(lián)系及其緊密性有所下降。此外，數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)網(wǎng)絡(luò)關(guān)系數(shù)的理論最大值為870，但樣本期間空間關(guān)聯(lián)網(wǎng)絡(luò)關(guān)系數(shù)的實(shí)際最大值為194，說明各省份之間數(shù)字經(jīng)濟(jì)與碳排放的協(xié)同脫鉤仍有較大提升空間。

圖3 網(wǎng)絡(luò)關(guān)系數(shù)和網(wǎng)絡(luò)密度

圖4 網(wǎng)絡(luò)效率和網(wǎng)絡(luò)等級

從圖4可知，數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)網(wǎng)絡(luò)等級表現(xiàn)出明顯的階段性特征。2012—2015 年，網(wǎng)絡(luò)等級呈小幅下降趨勢，2016 年出現(xiàn)大幅提升且達(dá)到最大值0.63，此后又呈波動(dòng)中下降趨勢。這種階段性特征表明數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間網(wǎng)絡(luò)結(jié)構(gòu)是隨著時(shí)間的推移而變化的，“等級森嚴(yán)”的空間網(wǎng)絡(luò)結(jié)構(gòu)逐漸被打破，各省份之間的關(guān)聯(lián)關(guān)系有所削弱，最后整體空間關(guān)聯(lián)網(wǎng)絡(luò)趨向平等化。網(wǎng)絡(luò)效率與網(wǎng)絡(luò)等級的變化趨勢較為相似，整體呈現(xiàn)明顯的階段性特征，同時(shí)具有更加顯著的上升趨勢，說明各省份數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間溢出渠道有所減少，網(wǎng)絡(luò)穩(wěn)定性趨于下降。

2.2.2 個(gè)體空間關(guān)聯(lián)網(wǎng)絡(luò)分析

在分析整體空間關(guān)聯(lián)網(wǎng)絡(luò)的基礎(chǔ)上，本文進(jìn)一步以2020年為例計(jì)算各省份中心度數(shù)據(jù)（見表4），以刻畫各省份在數(shù)字經(jīng)濟(jì)與碳排放脫鉤空間關(guān)聯(lián)網(wǎng)絡(luò)中承擔(dān)的角色。

表4 2020年數(shù)字經(jīng)濟(jì)與碳排放脫鉤空間關(guān)聯(lián)網(wǎng)絡(luò)的中心性

表4 中的點(diǎn)度中心度均值為8.60，北京、天津、上海、江蘇等8個(gè)省份高于均值，說明這8個(gè)省份對數(shù)字經(jīng)濟(jì)與碳排放脫鉤的整體空間關(guān)聯(lián)網(wǎng)絡(luò)具有顯著影響。特別是上海和江蘇的點(diǎn)度中心度最高，數(shù)值為24.00，說明這兩個(gè)省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中處于中心地位。由于上海和江蘇數(shù)字經(jīng)濟(jì)發(fā)展水平較高，低碳轉(zhuǎn)型起步較早，同時(shí)具有良好的經(jīng)濟(jì)基礎(chǔ)和地理位置，使其在空間關(guān)聯(lián)網(wǎng)絡(luò)中與其他省份之間存在較多關(guān)聯(lián)關(guān)系。進(jìn)一步地，從點(diǎn)出度和點(diǎn)入度來看，廣東、福建、四川等5 個(gè)省份的點(diǎn)出度位于前五名，說明其輻射效應(yīng)較強(qiáng)，北京、上海、江蘇等5 個(gè)省份的點(diǎn)入度位于前五名，說明其虹吸效應(yīng)較強(qiáng)。

表4中的接近中心度均值為53.86，上海、江蘇、北京、福建、廣東等11個(gè)省份大于均值，這些省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中承擔(dān)“中心行動(dòng)者”的角色，和其他省份之間在數(shù)字經(jīng)濟(jì)發(fā)展與碳減排等方面合作的效率更高，在空間關(guān)聯(lián)網(wǎng)絡(luò)中能夠快速地與其他省份產(chǎn)生聯(lián)系。而甘肅和河南的接近中心度處于末位，表明其在整個(gè)數(shù)字經(jīng)濟(jì)與碳排放脫鉤的網(wǎng)絡(luò)中扮演著“邊緣行動(dòng)者”的角色。

表4中的中介中心度均值為3.60，高于均值的省份有安徽、福建、江蘇、上海等10個(gè)省份，這些省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中處于核心地位并發(fā)揮著“橋梁”作用。此外，這10個(gè)省份的中介中心度之和是96.55，在全國中介中心度之和中占比高達(dá)89.29%，因此大部分省份構(gòu)建的關(guān)聯(lián)關(guān)系需要這10個(gè)省份的聯(lián)系。而內(nèi)蒙古、遼寧、新疆、寧夏、青海等13 個(gè)省份的中介中心度并列末位第一，這些省份大都位于我國西部和東北地區(qū)，經(jīng)濟(jì)基礎(chǔ)相對較弱，地理位置較偏遠(yuǎn)，數(shù)字經(jīng)濟(jì)發(fā)展水平較低，在空間網(wǎng)絡(luò)中處于依附和受支配的地位。2.2.3 塊模型分析

本文利用UCINET 軟件中的CONCOR（Convergent Correlations）算法進(jìn)行塊模型分析，以刻畫數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)網(wǎng)絡(luò)集聚特征。設(shè)置最大分割深度為2、集中標(biāo)準(zhǔn)為0.2，從而將30 個(gè)省份劃分為四個(gè)板塊。其中，板塊Ⅰ包括安徽、江西、四川、廣西、廣東、貴州、海南、湖北、湖南、云南、重慶共11個(gè)省份；板塊Ⅱ包括遼寧、內(nèi)蒙古、青海、山西、河北、黑龍江、寧夏、陜西、吉林、新疆、山東共11個(gè)省份；板塊Ⅲ包括北京、上海、江蘇、天津、福建共5個(gè)省份；板塊Ⅳ包括甘肅、河南、浙江共3個(gè)省份。

數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)板塊溢出效應(yīng)測算結(jié)果如下頁表5所示，板塊內(nèi)部關(guān)系數(shù)為46個(gè)，板塊之間的關(guān)系數(shù)為117個(gè)，說明板塊之間存在顯著的空間關(guān)聯(lián)和溢出效應(yīng)。板塊Ⅰ在空間關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)出關(guān)系數(shù)為46個(gè)，接收關(guān)系數(shù)為15個(gè)，內(nèi)部關(guān)系數(shù)為26個(gè)，雖然實(shí)際內(nèi)部關(guān)系比例略高于期望比例，但與外部省份之間的發(fā)出與接收關(guān)系相對較多，因此板塊I為經(jīng)紀(jì)人板塊，在空間關(guān)聯(lián)網(wǎng)絡(luò)中有著“橋梁”作用。板塊Ⅱ在空間關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)出關(guān)系數(shù)為50個(gè)，接收關(guān)系數(shù)為10個(gè)，發(fā)出數(shù)顯著高于接收數(shù)，且內(nèi)部關(guān)系比例相對較低，說明該板塊對其他板塊有顯著的空間外溢效應(yīng)。因此板塊Ⅱ?yàn)閮粢绯霭鍓K，在空間關(guān)聯(lián)網(wǎng)絡(luò)中承擔(dān)“引導(dǎo)者”的角色。板塊Ⅲ在空間關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)出關(guān)系數(shù)為20個(gè)，接收關(guān)系數(shù)為90個(gè)，發(fā)出數(shù)顯著低于接收數(shù)，且內(nèi)部關(guān)系比例相對較低，說明該板塊以接收其他板塊的溢出效應(yīng)為主。因此板塊Ⅲ為凈受益板塊，扮演“跟隨者”的角色。板塊Ⅳ在空間關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)出關(guān)系數(shù)為1個(gè)，接收關(guān)系數(shù)為2個(gè)，內(nèi)部關(guān)系數(shù)為6個(gè)，實(shí)際內(nèi)部關(guān)系比例顯著高于期望內(nèi)部關(guān)系比例，說明該板塊內(nèi)部存在的關(guān)聯(lián)關(guān)系比例相對較高，同時(shí)也存在發(fā)出關(guān)系和接受關(guān)系，所以板塊Ⅳ是雙向溢出板塊，扮演“雙向引導(dǎo)”的角色。

表5 2020年數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)板塊溢出效應(yīng)

總體來看，數(shù)字經(jīng)濟(jì)與碳排放脫鉤水平的空間分布具有非均衡特點(diǎn)。凈受益板塊中的省份主要位于環(huán)渤海和東南沿海地區(qū)，這些省份不僅具有更加完善的數(shù)字設(shè)施，同時(shí)掌握著較先進(jìn)的數(shù)字技術(shù)，具備發(fā)展低碳產(chǎn)業(yè)的先發(fā)優(yōu)勢，因此對外圍區(qū)域有強(qiáng)大的虹吸效應(yīng)。西部和東北地區(qū)省份大多屬于凈溢出板塊，由于發(fā)展基礎(chǔ)薄弱，主要以資源輸出謀求區(qū)域發(fā)展，從而向發(fā)達(dá)地區(qū)產(chǎn)生外溢效應(yīng)。中部省份大多屬于經(jīng)紀(jì)人板塊，是各省協(xié)同發(fā)展的“橋梁”。因此，各板塊在空間關(guān)聯(lián)網(wǎng)絡(luò)中呈現(xiàn)顯著的梯度性，彼此之間相互影響、相互作用，共同構(gòu)成了數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)有向網(wǎng)絡(luò)。

本文計(jì)算了空間關(guān)聯(lián)板塊的密度矩陣和像矩陣，以便深入剖析四個(gè)板塊的內(nèi)外部關(guān)聯(lián)關(guān)系。以2020年的整體網(wǎng)絡(luò)密度0.19為臨界值，對于板塊密度大于臨界值的賦值為1，表示兩個(gè)板塊間關(guān)聯(lián)性較強(qiáng)；否則，賦值為0，表示板塊間關(guān)聯(lián)性較弱。基于此得出數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間關(guān)聯(lián)網(wǎng)絡(luò)的像矩陣（見表6）。

表6 2020年數(shù)字經(jīng)濟(jì)與碳排放脫鉤空間關(guān)聯(lián)板塊的密度矩陣、像矩陣

從表6 可知，板塊Ⅰ、板塊Ⅲ和板塊Ⅳ具有顯著的內(nèi)部指向，內(nèi)部聯(lián)系較強(qiáng)；同時(shí)，板塊Ⅲ大量吸收板塊Ⅰ和板塊Ⅱ的要素和資源，呈現(xiàn)明顯的逆向溢出特征。整體來看，板塊內(nèi)部關(guān)系數(shù)顯著多于板塊外部的關(guān)系數(shù)，因此板塊內(nèi)部具有顯著俱樂部效應(yīng)；此外，板塊間的關(guān)聯(lián)關(guān)系體現(xiàn)了中西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展與碳減排的資源要素向環(huán)渤海和東南沿海地區(qū)流動(dòng)的現(xiàn)象。由此可見，數(shù)字經(jīng)濟(jì)發(fā)展與碳排放脫鉤存在明顯的馬太效應(yīng)，需要警惕數(shù)字經(jīng)濟(jì)發(fā)展過程中可能存在的碳減排不平衡、不協(xié)調(diào)的問題。

3 結(jié)論

本文通過分析我國數(shù)字經(jīng)濟(jì)與碳排放脫鉤水平及其空間網(wǎng)絡(luò)結(jié)構(gòu)特征，得出以下主要結(jié)論：（1）從全國層面來看，數(shù)字經(jīng)濟(jì)與碳排放的關(guān)系以弱脫鉤為主，脫鉤指數(shù)總體上呈現(xiàn)“N”型變動(dòng)態(tài)勢，當(dāng)前數(shù)字經(jīng)濟(jì)與碳排放均處于增長階段，兩者的關(guān)系尚未到達(dá)環(huán)境Kuznets 曲線的“倒U”型拐點(diǎn)。從各區(qū)域省份來看，數(shù)字經(jīng)濟(jì)與碳排放脫鉤狀態(tài)在東部地區(qū)省份的穩(wěn)定性優(yōu)于中西部地區(qū)省份，在西部地區(qū)省份的內(nèi)部差異最大。（2）整體空間關(guān)聯(lián)網(wǎng)絡(luò)特征來看，各省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中連通可達(dá)；網(wǎng)絡(luò)關(guān)系數(shù)、網(wǎng)絡(luò)密度均在波動(dòng)中小幅下降，因此各省的空間聯(lián)系及其緊密性有所減小；網(wǎng)絡(luò)等級具有明顯的階段性特征且小幅小降，說明網(wǎng)絡(luò)結(jié)構(gòu)等級逐漸被打破；網(wǎng)絡(luò)效率在波動(dòng)中上升，因此空間溢出路徑減少、網(wǎng)絡(luò)穩(wěn)定性趨于下降。（3）從個(gè)體空間關(guān)聯(lián)網(wǎng)絡(luò)特征看，北京、天津、上海和江蘇等8個(gè)省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中居于中心地位；上海、江蘇、北京等11個(gè)省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中承擔(dān)“中心行動(dòng)者”的角色，而甘肅和河南扮演著“邊緣行動(dòng)者”的角色；上海、江蘇、安徽和福建等10個(gè)省份發(fā)揮了“橋梁”的作用，而內(nèi)蒙古、遼寧、新疆、寧夏、青海等13個(gè)省份在數(shù)字經(jīng)濟(jì)與碳排放脫鉤的空間網(wǎng)絡(luò)中處于依附和受支配的地位。（4）從塊模型分析看，凈受益板塊中的省份主要位于環(huán)渤海和東南沿海地區(qū)，凈溢出板塊主要包括西部地區(qū)和東北地區(qū)的省份，經(jīng)紀(jì)人板塊主要包括中部地區(qū)省份，各板塊在空間關(guān)聯(lián)網(wǎng)絡(luò)中呈現(xiàn)顯著的梯度性；板塊內(nèi)部存在明顯的“俱樂部”現(xiàn)象，中西部地區(qū)數(shù)字經(jīng)濟(jì)與碳減排的資源要素呈現(xiàn)向環(huán)渤海和東南沿海地區(qū)流動(dòng)的趨勢，因此數(shù)字經(jīng)濟(jì)發(fā)展與碳排放脫鉤存在明顯的馬太效應(yīng)。