辛陽 賀民澍 何銀寧

摘 要：隨著“東數(shù)西算”工程全面啟動，本文采用一種合適的、可量化的方法測度當(dāng)前較我國東、中部地區(qū)數(shù)字經(jīng)濟發(fā)展水平存在較大差異的西部地區(qū)發(fā)展現(xiàn)狀。一方面，本文選用2014—2020年國家統(tǒng)計局統(tǒng)計年鑒、第三產(chǎn)業(yè)統(tǒng)計年鑒、信息產(chǎn)業(yè)統(tǒng)計年鑒及目標(biāo)省份統(tǒng)計年鑒中部分?jǐn)?shù)字經(jīng)濟可替代性關(guān)鍵指標(biāo)進行擴展和修正，采用改進的TOPSIS方法對西部地區(qū)十二省份的數(shù)字經(jīng)濟發(fā)展水平進行測度和評價；另一方面，通過構(gòu)建計量模型探討上述西部地區(qū)十二省份數(shù)字經(jīng)濟發(fā)展對碳排放的影響關(guān)系及其作用機制。結(jié)果顯示，西部地區(qū)各省數(shù)字經(jīng)濟發(fā)展存在“數(shù)字鴻溝”現(xiàn)象，同時西部地區(qū)數(shù)字經(jīng)濟發(fā)展對碳排放的影響并未呈現(xiàn)出顯著的倒“U”型非線性關(guān)系，而是處于一種發(fā)展早期所呈現(xiàn)的正線性相關(guān)關(guān)系。因此，本文為決策機構(gòu)制定和實施西部地區(qū)數(shù)字經(jīng)濟與環(huán)境協(xié)調(diào)發(fā)展的相關(guān)政策提供了思路和建議，僅供參考。

關(guān)鍵詞：數(shù)字經(jīng)濟；碳排放；改進的Topsis方法；西部地區(qū)十二省份

本文索引：辛陽，賀民澍，何銀寧.<變量 2>[J].中國商論，2024（02）：-079.

中圖分類號：F127；X324 文獻標(biāo)識碼：A 文章編號：2096-0298（2024）01（b）--08

1 研究背景及意義

2021年4月，中國信息通信研究院發(fā)布《中國數(shù)字經(jīng)濟發(fā)展白皮書》報告指出，我國2020年數(shù)字經(jīng)濟規(guī)模達到39.2萬億元，占GDP的比重高達38.6%，數(shù)字經(jīng)濟規(guī)?？偭勘３?.6%的快速增長。近年來，我國數(shù)字經(jīng)濟發(fā)展正處于快速發(fā)展階段，數(shù)字經(jīng)濟規(guī)模由2016年的22.6萬億元增長至2020年的39.2萬億元，以2016年為基期，定基增長率為73.45%，年平均增長率為14.76%。隨著“雙碳”目標(biāo)的提出，低碳發(fā)展逐漸受到國內(nèi)學(xué)者的關(guān)注，數(shù)字經(jīng)濟的發(fā)展是否能夠助力“雙碳”目標(biāo)成為一項重要課題，對我國早日實現(xiàn)“雙碳”目標(biāo)具有重要意義。

然而，我國數(shù)字經(jīng)濟快速發(fā)展的同時逐漸顯露出一些問題。從我國區(qū)域數(shù)字經(jīng)濟發(fā)展層面來看，東部、中部和西部地區(qū)數(shù)字經(jīng)濟發(fā)展水平呈現(xiàn)出較大的差異。東部地區(qū)各省份數(shù)字經(jīng)濟發(fā)展保持著明顯的領(lǐng)先優(yōu)勢；中部地區(qū)雖次之，但與東部地區(qū)差距較大；西部地區(qū)的數(shù)字經(jīng)濟發(fā)展現(xiàn)狀則一直處于較低水平，與其他地區(qū)相比差距較大。因此，關(guān)注發(fā)展相對落后的西部地區(qū)數(shù)字經(jīng)濟發(fā)展現(xiàn)狀，對其進行客觀、科學(xué)的測度與評價，并進一步探尋其發(fā)展與環(huán)境發(fā)展的內(nèi)在聯(lián)系機制，對縮小西部地區(qū)數(shù)字經(jīng)濟發(fā)展與東、中部之間的差距推動形成《二十大報告》中綠色低碳的生產(chǎn)、生活方式具有重要意義。

2 文獻綜述

2.1 數(shù)字經(jīng)濟內(nèi)涵及其測度體系

數(shù)字經(jīng)濟涉及領(lǐng)域廣泛，凡是直接或間接利用數(shù)據(jù)來引導(dǎo)資源發(fā)揮作用、 推動生產(chǎn)力發(fā)展的經(jīng)濟形態(tài)都可以納入其范疇。目前，數(shù)字經(jīng)濟的定義可以分為狹義和廣義兩種。狹義上的數(shù)字經(jīng)濟僅包括數(shù)字經(jīng)濟核心產(chǎn)業(yè)（Bukht and Heeks，2017）；而廣義上的數(shù)字經(jīng)濟泛指應(yīng)用數(shù)字技術(shù)的一系列技術(shù)活動，包括數(shù)字經(jīng)濟核心產(chǎn)業(yè)、數(shù)字經(jīng)濟融合產(chǎn)業(yè)等（康鐵祥，2008）。

Brent，R.M.和Steven，L.（1999）探討了數(shù)字經(jīng)濟和GDP的關(guān)系，認(rèn)為數(shù)字經(jīng)濟包括信息技術(shù)和電子商務(wù)。Bharadwaj和Pavlou（2013）從電子商務(wù)的范圍、電子商務(wù)的規(guī)模、電子商務(wù)發(fā)展的速度和電子商務(wù)中價值的創(chuàng)造四方面對數(shù)字化商業(yè)模式進行研究。Kim B等（2002）對數(shù)字經(jīng)濟發(fā)展和數(shù)字化交易的關(guān)系進行研究，指出數(shù)字經(jīng)濟活動是服務(wù)和商品數(shù)字化的進行方式。Scott和Carrtngton（2011）認(rèn)為，互聯(lián)網(wǎng)的發(fā)展極大地促進了數(shù)字經(jīng)濟的發(fā)展，人們在互聯(lián)網(wǎng)的社交使得數(shù)字化服務(wù)不斷滲透到日常生活中，為數(shù)字經(jīng)濟的發(fā)展奠定了基礎(chǔ)。陳曉紅等（2022）對數(shù)字經(jīng)濟的內(nèi)涵與特征、數(shù)字經(jīng)濟核心理論和數(shù)字經(jīng)濟研究方法體系進行了闡述，探討了我國數(shù)字經(jīng)濟理論體系的拓展及未來的研究方向。劉軍等（2020）給出了數(shù)字經(jīng)濟的內(nèi)涵，并在此基礎(chǔ)上分析了促使我國數(shù)字經(jīng)濟發(fā)展的眾多因素，指出數(shù)字經(jīng)濟發(fā)展存在“數(shù)字鴻溝”與兩極分化現(xiàn)象。

數(shù)字經(jīng)濟測度指標(biāo)體系研究方面，2017年中國信通院最早發(fā)布《中國數(shù)字經(jīng)濟發(fā)展白皮書（2017）》；同年新華三集團數(shù)字經(jīng)濟研究院發(fā)布《中國城市數(shù)字經(jīng)濟指數(shù)白皮書（2017）》；騰訊發(fā)布的“互聯(lián)網(wǎng)+”數(shù)字經(jīng)濟指數(shù)?；谶\用統(tǒng)計與測算相結(jié)合的方法形成相關(guān)指標(biāo)數(shù)據(jù)的有：浙江省出臺的《浙江省數(shù)字經(jīng)濟發(fā)展綜合評價辦法（試行）》、重慶市制定的《重慶市數(shù)字經(jīng)濟統(tǒng)計報表制度》、貴州省制定的《貴州大數(shù)據(jù)產(chǎn)業(yè)統(tǒng)計報表制度》等。

數(shù)字經(jīng)濟區(qū)域發(fā)展綜合評價方面，巫景飛、汪曉月（2022）基于最新統(tǒng)計分類標(biāo)準(zhǔn)，編制了2009 —2019年中國數(shù)字經(jīng)濟產(chǎn)業(yè)的發(fā)展指標(biāo)體系，測度了我國30個省份的數(shù)字經(jīng)濟發(fā)展水平，分析了各省份數(shù)字經(jīng)濟發(fā)展的差異及時空特征。藍(lán)國姣（2020）對我國中部六省份數(shù)字經(jīng)濟發(fā)展總體狀況進行了評價，并從多個角度給出數(shù)字經(jīng)濟發(fā)展的建議。徐瀅、張娟娟（2022）從區(qū)域協(xié)同的視角，解析了數(shù)字經(jīng)濟產(chǎn)業(yè)分布特征。

2.2 數(shù)字經(jīng)濟與碳排放研究

本文的研究與數(shù)字經(jīng)濟的發(fā)展對碳排放的影響關(guān)系及其具體的作用機制密切相關(guān)。林達（2022）指出，數(shù)字經(jīng)濟發(fā)展能夠有效助力低碳消費。葛立宇等（2022）研究了數(shù)字經(jīng)濟、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和碳排放之間的關(guān)系，認(rèn)為數(shù)字經(jīng)濟發(fā)展通過產(chǎn)業(yè)結(jié)構(gòu)升級有效地促進了城市的碳減排?？婈戃姷龋?022）以中國278個地級市為研究對象，論證了數(shù)字經(jīng)濟發(fā)展能夠通過創(chuàng)新效率間接促進碳減排。

由上述文獻可知，數(shù)字經(jīng)濟可從產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級、創(chuàng)新效率和綠色技術(shù)創(chuàng)新多方面因素間接影響碳排放。已有研究表明，中國數(shù)字經(jīng)濟的發(fā)展與碳排放呈現(xiàn)出非線性的關(guān)系，該研究結(jié)論是從中國整體視角出發(fā)得出的，而我國西部地區(qū)數(shù)字經(jīng)濟發(fā)展和碳排放是否依然遵循非線性關(guān)系鮮有相關(guān)的實證研究。

在綜合已有相關(guān)文獻的基礎(chǔ)上，本文可能的邊際貢獻有三點：第一，采用改進的TOPSIS方法建立了一套符合西部地區(qū)十二省份數(shù)字經(jīng)濟發(fā)展水平現(xiàn)狀的綜合評價體系；第二，對西部地區(qū)十二省份數(shù)字經(jīng)濟發(fā)展水平與其碳排放影響關(guān)系進行了計量和實證；第三，依據(jù)綜合評價結(jié)果，從數(shù)字基礎(chǔ)設(shè)施建設(shè)、數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化、數(shù)字創(chuàng)新能力和發(fā)展環(huán)境五個維度對西部地區(qū)數(shù)字經(jīng)濟發(fā)展進行了較科學(xué)和全面的分析。

3 數(shù)字經(jīng)濟發(fā)展水平測度方法

3.1 指標(biāo)體系構(gòu)建

本文參考《中國數(shù)字經(jīng)濟發(fā)展白皮書（2020）》中關(guān)于數(shù)字基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化和數(shù)字創(chuàng)新能力的指標(biāo)描述，并借鑒蔣金荷（2021），從數(shù)字基礎(chǔ)設(shè)施、數(shù)字創(chuàng)新能力、產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化和數(shù)字發(fā)展環(huán)境五個層面構(gòu)建數(shù)字經(jīng)濟發(fā)展的測度體系，如表1所示。

3.2 數(shù)據(jù)來源

本文所有數(shù)據(jù)均來自2014—2020年國家統(tǒng)計局統(tǒng)計年鑒、第三產(chǎn)業(yè)統(tǒng)計年鑒、信息產(chǎn)業(yè)統(tǒng)計年鑒和西部地區(qū)省域相關(guān)統(tǒng)計年鑒。根據(jù)中國經(jīng)濟地理分區(qū)，選取山西省、四川省、重慶市、陜西省、貴州省、云南省、甘肅省、青海省、寧夏回族自治區(qū)、廣西壯族自治區(qū)、內(nèi)蒙古自治區(qū)、新疆維吾爾自治區(qū)12個省份的相應(yīng)數(shù)據(jù)為研究對象，編制對應(yīng)年份上述地區(qū)的數(shù)字經(jīng)濟發(fā)展水平指標(biāo)。

3.3 基于熵權(quán)法的權(quán)重計算

本文采用熵權(quán)法計算每個指標(biāo)的權(quán)重，即根據(jù)指標(biāo)變異性的大小確定權(quán)重。該方法具有賦值的客觀性，在多場合具備較強的適應(yīng)性。

3.3.1 數(shù)據(jù)的標(biāo)準(zhǔn)化處理

本文采用極差法消除量綱的影響，具體方法如下：

設(shè)省份數(shù)為，指標(biāo)數(shù)為，年份為，則對正向指標(biāo)有：

相應(yīng)地，負(fù)向指標(biāo)有：

其中，代表第個省份第個指標(biāo)第年的數(shù)值；為消除量綱后的數(shù)值，且取值范圍為[0，1]。

3.3.2 計算信息熵

計算信息熵的公式如下：

其中，代表年第j個指標(biāo)第i個省份所占的比重。

其中，為年第j項指標(biāo)的信息熵，當(dāng)時，令。

3.3.3 計算差異性系數(shù)和熵權(quán)值

差異性系數(shù)可以反映該指標(biāo)在不同評價對象間的差異大小，指標(biāo)值間的差異越大，差異性系數(shù)越大，該指標(biāo)的信息熵越大，該指標(biāo)所占的權(quán)重也就越大；反之，亦然。具體計算公式如下：

其中，為差異化系數(shù)，為熵權(quán)值。

3.4 指標(biāo)權(quán)重的計算結(jié)果

根據(jù)上文所述的計算步驟，對七組權(quán)重計算加權(quán)平均得2014—2020年各級指標(biāo)的權(quán)重，計算結(jié)果如表2所示。

由表2可知，數(shù)字基礎(chǔ)設(shè)施權(quán)重為0.156、數(shù)字創(chuàng)新能力權(quán)重為0.264、數(shù)字產(chǎn)業(yè)化權(quán)重為0.192、產(chǎn)業(yè)數(shù)字化權(quán)重為0.282、數(shù)字發(fā)展環(huán)境權(quán)重為0.106，數(shù)字創(chuàng)新能力和產(chǎn)業(yè)數(shù)字化能力占比權(quán)重處于高位水平，數(shù)字基礎(chǔ)設(shè)施和數(shù)字產(chǎn)業(yè)化發(fā)展占比權(quán)重較前兩者略低，而數(shù)字發(fā)展環(huán)境的平均權(quán)重最低。

由圖1可知，五大指標(biāo)在數(shù)字經(jīng)濟發(fā)展過程中所占的權(quán)重相對穩(wěn)定，歷年來權(quán)重變化幅度較小，均在合理區(qū)間內(nèi)波動起伏，表明我國西部地區(qū)數(shù)字經(jīng)濟發(fā)展的結(jié)構(gòu)穩(wěn)定合理，數(shù)字經(jīng)濟發(fā)展處在平穩(wěn)的發(fā)展區(qū)間。其中，數(shù)字產(chǎn)業(yè)化權(quán)重從2014年的0.179上升到2020年0.280，權(quán)重占比具有逐年增加的趨勢；數(shù)字創(chuàng)新能力和產(chǎn)業(yè)數(shù)字化權(quán)重占比較高，但近年權(quán)重占比呈現(xiàn)小幅降低的趨勢；而數(shù)字基礎(chǔ)設(shè)施和數(shù)字發(fā)展環(huán)境的權(quán)重占比較低。2020年，新冠疫情爆發(fā)，數(shù)字經(jīng)濟發(fā)展受到影響，圖1表明除了數(shù)字化產(chǎn)業(yè)權(quán)重呈現(xiàn)增長外，其他四個發(fā)展指標(biāo)權(quán)重均有不同程度的降低。

3.5 基于改進TOPSIS法計算綜合得分

傳統(tǒng)的TOPSIS法在計算每個評價對象綜合得分時，未考慮指標(biāo)之間的重要性差異，故在計算各指標(biāo)權(quán)重時采用的是平均權(quán)重，可能造成最終的綜合得分結(jié)果不理想。本文采用改進的TOPSIS法，即將熵權(quán)法和TOPSIS法相結(jié)合，運用熵權(quán)法計算各指標(biāo)權(quán)重后，再利用TOPSIS法計算各評價對象的綜合得分，使計算結(jié)果更加科學(xué)合理，模型基本步驟如下。

3.5.1 原始數(shù)據(jù)指標(biāo)正向化

其中，為最大值。對中間型指標(biāo)有：

其中，為最大值；為最小值。對區(qū)間型指標(biāo)有：

其中

3.5.2 構(gòu)建標(biāo)準(zhǔn)化矩陣

其中，Xij為第i個省份第j個指標(biāo)的原始數(shù)據(jù)；Zij為標(biāo)準(zhǔn)化后的數(shù)據(jù)；n為西部地區(qū)省份個數(shù)。

3.5.3 計算各評價對象最優(yōu)最劣距離

第i個省份與最大值的距離和最小值的距離分別定義為：

其中，為第j個指標(biāo)的權(quán)重（本文由熵權(quán)法確定權(quán)重）；與分別為標(biāo)準(zhǔn)化矩陣第j個指標(biāo)的最大值與最小值。

3.5.4 計算評價對象貼進度

計算評價對象貼進度如下：

其中Ci為第i個省份的綜合得分，取值范圍為[0，100]，數(shù)值越大，代表該評價對象表現(xiàn)越優(yōu)；反之，得分越低，評價對象表現(xiàn)越差。

4 數(shù)字經(jīng)濟發(fā)展水平綜合評價

4.1 西部地區(qū)十二省份數(shù)字經(jīng)濟發(fā)展總體評價

此部分中所有總指數(shù)和分類指數(shù)的結(jié)果均由二中計算所得的權(quán)重加權(quán)求和后得到，具體計算公式如下：

其中，為第年第j個指標(biāo)的指數(shù)值；為第年數(shù)字經(jīng)濟發(fā)展總指數(shù)。表3為2014—2020年西部地區(qū)數(shù)字經(jīng)濟發(fā)展總指數(shù)和各分類指數(shù)結(jié)果，圖2繪制了西部地區(qū)數(shù)字經(jīng)濟發(fā)展總指數(shù)折線圖。

由表4數(shù)據(jù)計算可知，在五大分類指數(shù)中，數(shù)字創(chuàng)新能力指數(shù)均值最高，為0.8681；數(shù)字產(chǎn)業(yè)化指數(shù)和產(chǎn)業(yè)數(shù)字化指數(shù)均值略低于數(shù)字創(chuàng)新能力指數(shù)，分別為0.8597和0.7717；而數(shù)字基礎(chǔ)設(shè)施指數(shù)和數(shù)字發(fā)展環(huán)境指數(shù)均值較低，分別為0.6704和0.4947。數(shù)字經(jīng)濟總指數(shù)方面，由圖2可知，2014—2019年數(shù)字經(jīng)濟發(fā)展總指數(shù)呈現(xiàn)上升趨勢，表明西部地區(qū)數(shù)字經(jīng)濟發(fā)展在此期間呈現(xiàn)較好的發(fā)展態(tài)勢，但應(yīng)注意到其發(fā)展速度較慢，與東部地區(qū)省份存在較大的差距。結(jié)合表4數(shù)據(jù)和圖2數(shù)字經(jīng)濟發(fā)展總指數(shù)發(fā)現(xiàn)，2020年數(shù)字經(jīng)濟發(fā)展總指數(shù)和除數(shù)字創(chuàng)新能力指數(shù)之外的其他四類指數(shù)均存在不同程度的下降，表明在新冠疫情時期，數(shù)字經(jīng)濟發(fā)展的某些方面也受到了不同程度的影響。

由圖3可知，在五大分類指數(shù)中，數(shù)字創(chuàng)新能力指數(shù)不僅處于高位具有逐年增長的趨勢，表明近年來數(shù)字創(chuàng)新能力成為數(shù)字經(jīng)濟發(fā)展中越來越重要的一環(huán)，創(chuàng)新驅(qū)動經(jīng)濟增長。同樣的，數(shù)字創(chuàng)新助力數(shù)字經(jīng)濟增長，在數(shù)字經(jīng)濟方面同樣需要實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略；數(shù)字基礎(chǔ)設(shè)施等其他四方面的指數(shù)數(shù)據(jù)呈現(xiàn)出平穩(wěn)的趨勢。

總體來說，各分類指數(shù)處于正常區(qū)間內(nèi)小幅波動，且部分指數(shù)呈現(xiàn)出明顯的上升趨勢；在數(shù)字經(jīng)濟發(fā)展總指數(shù)層面，歷年指數(shù)呈現(xiàn)出穩(wěn)定的上升態(tài)勢，表明西部地區(qū)數(shù)字經(jīng)濟發(fā)展?fàn)顩r良好，且呈現(xiàn)向上的趨勢，但由于地理因素和經(jīng)濟技術(shù)基礎(chǔ)薄弱等條件的限制，西部地區(qū)數(shù)字經(jīng)濟發(fā)展速度較為緩慢。

4.2 西部地區(qū)各省數(shù)字經(jīng)濟發(fā)展綜合評價

此部分各省數(shù)字經(jīng)濟發(fā)展綜合得分均采用改進的TOPSIS法計算得出。

4.2.1 西部地區(qū)各?。ㄗ灾螀^(qū)）數(shù)字經(jīng)濟發(fā)展現(xiàn)狀總體分析

由圖4可知，四川數(shù)字經(jīng)濟發(fā)展綜合得分排名第一，陜西、重慶數(shù)字經(jīng)濟發(fā)展綜合得分排名分別居第二位、第三位，排名靠后的三位則分別是寧夏、甘肅和青海。各省數(shù)字經(jīng)濟發(fā)展綜合水平呈現(xiàn)出三個梯隊，第一梯隊綜合得分達到40分以上，分別是四川、陜西和重慶，其中四川以77.58的最高得分居于榜首，與陜西、重慶的得分拉開了較大差距；第二梯隊綜合得分在20～30分，處于該梯隊的省份（自治區(qū)）分別是廣西壯族自治區(qū)、山西和云南；第三梯隊則是綜合得分在20以下，該梯隊中的省份（自治區(qū)）分別為貴州、內(nèi)蒙古、新疆、寧夏、甘肅和青海。

可知，四川的數(shù)字經(jīng)濟發(fā)展在西部地區(qū)數(shù)字經(jīng)濟發(fā)展過程中處于領(lǐng)跑地位，歷年來綜合得分結(jié)果均為第一，綜合排名第一。四川能在西部各省份數(shù)字經(jīng)濟發(fā)展過程中處于領(lǐng)先地位，究其原因，不僅是四川有較好的自然條件，還因為四川相對其他省份具備更加完善的數(shù)字經(jīng)濟發(fā)展政策、數(shù)字經(jīng)濟基礎(chǔ)設(shè)施建設(shè)和較高的數(shù)字化建設(shè)水平。從表5排名結(jié)果可以發(fā)現(xiàn)，山西和貴州的數(shù)字經(jīng)濟發(fā)展一直處于上升態(tài)勢。具體來看，山西在2014—2016年發(fā)展水平處于中等水平，排名第六，從2017年開始，山西的數(shù)字經(jīng)濟發(fā)展速度加快，此后歷年的排名逐年上升，到2020年，山西數(shù)字經(jīng)濟發(fā)展排名升至第四位，表明山西的數(shù)字經(jīng)濟發(fā)展速度較快，且發(fā)展動力強勁。表5中排名最后的三省份分別是寧夏、甘肅和青海，其數(shù)字經(jīng)濟發(fā)展綜合得分最低，特別是青海，其得分不足10分，與第一梯隊的綜合得分相距甚遠(yuǎn)。

4.2.2 西部地區(qū)十二省市數(shù)字經(jīng)濟發(fā)展各分項指標(biāo)發(fā)展水平分析

利用前文與計算綜合得分一致的方法，本文對目標(biāo)省市數(shù)字經(jīng)濟發(fā)展指標(biāo)體系中各分項的得分情況進行計算，如圖5、圖6、圖7、圖8、圖9所示。

（1）四川的數(shù)字經(jīng)濟發(fā)展在各項得分方面都遙遙領(lǐng)先，但除了四川外，其他各省市在不同分項上的發(fā)展水平差異較大。例如，廣西壯族自治區(qū)的數(shù)字經(jīng)濟發(fā)展水平綜合排名第四，但在數(shù)字基礎(chǔ)設(shè)施建設(shè)和數(shù)字經(jīng)濟發(fā)展環(huán)境方面的發(fā)展高于平均水平。因此，各省份應(yīng)按照比較優(yōu)勢因地制宜，充分挖掘數(shù)字經(jīng)濟增長的新動能、新潛力。

圖9 2014—2020年各省份數(shù)字發(fā)展環(huán)境綜合得分雷達圖

（2）陜西和貴州的數(shù)字創(chuàng)新水平分別在2014—2016年、2020年具有不俗表現(xiàn)，這與近年來兩省出臺一系列數(shù)字經(jīng)濟發(fā)展政策，如著力建設(shè)數(shù)字經(jīng)濟發(fā)展創(chuàng)新區(qū)、強化數(shù)字科技和人才支撐關(guān)系密切。

（3）各省的數(shù)字產(chǎn)業(yè)化發(fā)展水平總體呈現(xiàn)增長態(tài)勢。四川、陜西和重慶處于第一梯隊，優(yōu)勢明顯。其中，陜西破除地理條件壁壘，大力發(fā)展數(shù)字化產(chǎn)業(yè)，先后建設(shè)了陜西省數(shù)字經(jīng)濟試點示范區(qū)和陜西省“秦嶺云計算”平臺，極大推動了陜西省的數(shù)字經(jīng)濟發(fā)展。

（4）西部地區(qū)各省市產(chǎn)業(yè)數(shù)字化發(fā)展水平斷層現(xiàn)象較嚴(yán)重。中央和地方都應(yīng)考慮出臺相關(guān)政策，以縮小西部地區(qū)各省份在產(chǎn)業(yè)數(shù)字化方面的差距。

（5）數(shù)字經(jīng)濟發(fā)展對環(huán)境有正向效應(yīng)。西部地區(qū)各省市數(shù)字經(jīng)濟發(fā)展環(huán)境綜合得分總體差別最小，說明數(shù)字經(jīng)濟的發(fā)展能夠促進城市綠色高質(zhì)量發(fā)展。為驗證兩者之間是否存在因果關(guān)系，本文將對目標(biāo)省市的數(shù)字發(fā)展水平與碳排放關(guān)系進行研究。

5 西部地區(qū)十二省份數(shù)字經(jīng)濟發(fā)展與碳排放關(guān)系影響研究

目前，部分學(xué)者認(rèn)為我國數(shù)字經(jīng)濟發(fā)展和碳排放的關(guān)系遵循倒“U”型的非線性影響關(guān)系（葛立宇等，2022），且數(shù)字經(jīng)濟發(fā)展通過產(chǎn)業(yè)結(jié)構(gòu)升級加快了U型拐點的形成。徐維祥等（2022）發(fā)現(xiàn)，數(shù)字經(jīng)濟的發(fā)展在東部地區(qū)對碳排放存在顯著的降低作用，而在中部、西部地區(qū)則在一定程度上加劇了碳排放量，造成這一現(xiàn)象的主要原因是數(shù)字經(jīng)濟發(fā)展初期需要大量的能源消耗，導(dǎo)致碳排放量的增加。

據(jù)此，本文提出以下假設(shè)：西部地區(qū)數(shù)字經(jīng)濟發(fā)展仍處于初期階段，對碳排放的影響遵循正線性相關(guān)關(guān)系。

5.1 變量的選取

（1）被解釋變量的選?。憾趸寂欧帕浚╟e），本文參考陳詩一（2009）關(guān)于二氧化碳排放量測定的做法，將各項能源指標(biāo)分別加權(quán)求和得到最終的二氧化碳排放總量。具體計算方法為：。其中，為二氧化碳總量，為各項能源指標(biāo)轉(zhuǎn)換系數(shù)，為各項能源指標(biāo)。

（2）解釋變量：數(shù)字經(jīng)濟發(fā)展指數(shù)，本文采用上文計算得到的各省數(shù)字經(jīng)濟發(fā)展指數(shù)作為模型中的核心解釋變量。

（3）控制變量：參考高原（2022）的做法，本文選取綠色金融（gre）、能源消耗（per）、環(huán)境污染（poll）作為模型的控制變量。采用綠色信貸、綠色證券、綠色投資、綠色保險、碳金融5項指標(biāo)計算綠色金融發(fā)展指數(shù)；火力發(fā)電量作為衡量能源消耗情況的指標(biāo)；參考董直慶和王輝（2019）的做法，計算環(huán)境污染指數(shù)作為環(huán)境污染狀況的衡量指標(biāo)。

5.2 個體固定效應(yīng)面板數(shù)據(jù)模型的建立

本文建立個體固定效應(yīng)模型如下：

其中，Ince、Inper分別為二氧化碳、火力發(fā)電生產(chǎn)量的對數(shù)值；digt、gre、poll分別為數(shù)字經(jīng)濟指數(shù)、綠色金融指數(shù)和環(huán)境污染指數(shù)；分別為個體固定效應(yīng)和隨機擾動項。

5.3 數(shù)據(jù)來源

本部分?jǐn)?shù)據(jù)主要來源于國家統(tǒng)計局?jǐn)?shù)據(jù)庫、中國環(huán)境數(shù)據(jù)庫、中國金融數(shù)據(jù)庫、中國宏觀經(jīng)濟數(shù)據(jù)庫和各省統(tǒng)計年鑒。本文以西部地區(qū)12個省市（自治區(qū)）為研究對象，收集2014—2020年相關(guān)指標(biāo)數(shù)據(jù)，各指標(biāo)描述性統(tǒng)計量如表6所示。

5.4 實證分析

5.4.1 面板回歸結(jié)果分析

根據(jù)表7的回歸結(jié)果，數(shù)字經(jīng)濟（digt）指數(shù)在1%水平上顯著為正；而在表8中，數(shù)字經(jīng)濟（digt）一次項系數(shù)為正，二次項系數(shù)為負(fù)，在5%水平上未通過系數(shù)的顯著性檢驗。模型結(jié)果與本文假設(shè)預(yù)期一致，即西部地區(qū)數(shù)字經(jīng)濟的發(fā)展處于初期階段，其發(fā)展紅利并未顯著減少二氧化碳排放量；相反，碳排放量還有一定程度的增加，出現(xiàn)了數(shù)字經(jīng)濟所謂“綠色盲區(qū)”的問題。表8數(shù)字經(jīng)濟指數(shù)系數(shù)也已表明，西部地區(qū)數(shù)字經(jīng)濟發(fā)展對碳減排的倒“U”型非線性關(guān)系已初具雛形，數(shù)字經(jīng)濟發(fā)展對碳排放的效應(yīng)正由正線性關(guān)系向倒“U”型非線性關(guān)系轉(zhuǎn)化。

控制變量中，綠色金融指數(shù)系數(shù)在1%水平上顯著為負(fù)，表明綠色金融發(fā)展水平越高，碳減排效果越好，這一結(jié)果與現(xiàn)實相符。火力發(fā)電量系數(shù)顯著為正，說明西部地區(qū)目標(biāo)省市能源消耗較大，加劇了碳排放量；環(huán)境污染指數(shù)系數(shù)亦顯著為正，可知工業(yè)廢水、工業(yè)二氧化硫和工業(yè)煙塵等工業(yè)污染物的排放與碳排放存在交互作用。

5.4.2 模型檢驗

F（chow）檢驗與Hausman檢驗結(jié)果顯示，在5%的顯著性水平上均拒絕原假設(shè)，表明真實模型為個體固定效應(yīng)變截距模型。

面板單位根檢驗：對被解釋變量碳排放量（Ince）進行LLC和IPS檢驗。結(jié)果顯示，在5%的顯著性水平上均拒絕了原假設(shè)，表明個體趨勢平穩(wěn)，且在剔除了趨勢項后被解釋變量所有個體均是平穩(wěn)的。

6 結(jié)語

通過以上研究發(fā)現(xiàn)：（1）我國西部地區(qū)數(shù)字經(jīng)濟發(fā)展現(xiàn)狀總體平穩(wěn)，但與中部地區(qū)、東部地區(qū)的數(shù)字經(jīng)濟發(fā)展存在較大差距，說明我國東中西部地區(qū)數(shù)字經(jīng)濟發(fā)展仍存在明顯的“數(shù)字鴻溝”現(xiàn)象。（2）西部地區(qū)各省數(shù)字經(jīng)濟各分項發(fā)展情況總體穩(wěn)定，呈現(xiàn)穩(wěn)步上升趨勢，但各省發(fā)展水平存在較大差異，呈現(xiàn)出三個梯隊。（3）各省市（自治區(qū)）都較重視數(shù)字創(chuàng)新能力的發(fā)展，且具有各自比較優(yōu)勢，但在產(chǎn)業(yè)數(shù)字化發(fā)展方面的差距較大。（4）西部地區(qū)數(shù)字經(jīng)濟的發(fā)展處于初期階段，數(shù)字經(jīng)濟發(fā)展在西部地區(qū)對碳排放的影響呈現(xiàn)出正線性關(guān)系向倒“U”型非線性關(guān)系的轉(zhuǎn)化。

據(jù)此，本文提出以下建議：（1）為縮小西部地區(qū)各省市（自治區(qū)）數(shù)字經(jīng)濟發(fā)展差距，四川、陜西和重慶等數(shù)字經(jīng)濟發(fā)展強省應(yīng)對西部地區(qū)數(shù)字經(jīng)發(fā)展落后省份，如青海、甘肅等省進行相應(yīng)的數(shù)字技術(shù)和產(chǎn)業(yè)交流、扶助，帶動西部地區(qū)數(shù)字經(jīng)濟整體向上發(fā)展。（2）從前文分析可知，西部地區(qū)數(shù)字經(jīng)濟發(fā)展環(huán)境方面差別較小、教育資源水平相當(dāng)，如何吸引數(shù)字經(jīng)濟人才到當(dāng)?shù)匕l(fā)展成為關(guān)鍵。因此，各級政府應(yīng)加大數(shù)字化人才的引進力度，培養(yǎng)具有數(shù)字化技術(shù)的復(fù)合型人才，積極出臺具有吸引力的就業(yè)政策，促進數(shù)字經(jīng)濟人才在本土的全面發(fā)展。（3）西部地區(qū)各省應(yīng)立足自身優(yōu)勢，加大加快符合省情的數(shù)字經(jīng)濟基礎(chǔ)設(shè)施建設(shè)，尤其是在技術(shù)創(chuàng)新方面的投入，促進數(shù)字經(jīng)濟朝著更高、更好的方向發(fā)展。（4）西部各省市應(yīng)借力“雙碳”目標(biāo)發(fā)展機遇，形成科學(xué)、合理、漸進的企業(yè)與環(huán)境協(xié)調(diào)發(fā)展機制，更好地助力數(shù)字經(jīng)濟發(fā)展和節(jié)能減排。

參考文獻

Bharadwaj，A. and Pavlou，P. A.，.Digital Business Strategy： Toward a Next Generation of Insights[J]. MIS Quarterly，2013，37（2）：471-482.

Brent，R. M. and Steven，L..，. GDP and the Digital Economy： Keeping up with the Changes[J].Understanding the Digital Economy Data，1999，4（5）：34-48.

Bukht， Rumana， Richard Heeks. Defining， conceptualising and measuring the digital economy[J]. Development Informatics working paper，2017，68：67-89.

Kim B， Barua A， Whinston A B. Virtual Field Experiments for a Digital Economy： A New Research Methodology for Exploring an Information Economy[J]. Decision Support Systems，2002，32（3）：215-231.

Li X， Liu J， Ni P. The Impact of the Digital Economy on CO2 Emissions： A Theoretical and Empirical Analysis[J]. Sustainability， 2021， 13（13） ：84-102.

Salahuddin M， Alam K. Internet Usage， Electricity Consumption and Economic Growth in Australia： A Time Series Evidence [J]. Telematics and Informatics， 2015， 32（4） ：57-63.

Scott J， Carrington P J. The SAGE Handbook of Social Network Analysis[M]. SAGE Publications，2011：34-38.

陳桂龍.為數(shù)字城市提供優(yōu)化創(chuàng)新的發(fā)展模式：《2019城市數(shù)字發(fā)展評價指數(shù)報告》發(fā)布[J].中國建設(shè)信息化，2020（3）：70-75.

陳詩一.能源消耗、二氧化碳排放與中國工業(yè)的可持續(xù)發(fā)展[J].經(jīng)濟研究， 2009，44（4）：41-55.

陳曉紅，李楊揚，宋麗潔，等. 數(shù)字經(jīng)濟理論體系與研究展望[J].管理世界，2022，38（2）：208-224.

董直慶，王輝.環(huán)境規(guī)制的“本地—鄰地”綠色技術(shù)進步效應(yīng)[J].中國工業(yè)經(jīng)濟， 2019（1）：100-118

高原，申珍珍.綠色金融改革政策的碳減排效應(yīng)[J].中國環(huán)境科學(xué)， 2022（10）：1-13.

葛立宇，莫龍炯，黃念兵.數(shù)字經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)升級與城市碳排放[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2022，42（10）：20-37.

蔣金荷.可持續(xù)數(shù)字時代：數(shù)字經(jīng)濟與綠色經(jīng)濟高質(zhì)量融合發(fā)展[J].企業(yè)經(jīng)濟，2021，40（7）：23-30

康鐵祥.中國數(shù)字經(jīng)濟規(guī)模測算研究[J].當(dāng)代財經(jīng)，2008（3）：118-121.

藍(lán)國姣. 中部地區(qū)數(shù)字經(jīng)濟發(fā)展水平的統(tǒng)計測度研究[D].南昌：江西財經(jīng)大學(xué)，2020（8）：11-22.

林達.“雙碳”目標(biāo)下數(shù)字經(jīng)濟助力低碳消費[J].中國集體經(jīng)濟，2022（14）：29-32.

劉軍，楊淵鋆，張三峰. 中國數(shù)字經(jīng)濟測度與驅(qū)動因素研究[J]. 上海經(jīng)濟研究，2020（6）：81-96.

繆陸軍，陳靜，范天正，等.數(shù)字經(jīng)濟發(fā)展對碳排放的影響：基于278個地級市的面板數(shù)據(jù)分析[J].南方金融，2022（2）：45-57

巫景飛，汪曉月.基于最新統(tǒng)計分類標(biāo)準(zhǔn)的數(shù)字經(jīng)濟發(fā)展水平測度[J].統(tǒng)計與決策，2022，38（3）：16-21.

徐維祥，周建平，劉程軍.數(shù)字經(jīng)濟發(fā)展對城市碳排放影響的空間效應(yīng)[J].地理研究，2022，41（1）：111-129.

徐瀅，張娟娟.五大城市群數(shù)字經(jīng)濟產(chǎn)業(yè)發(fā)展水平測度研究[J].信息系統(tǒng)工程，2022（3）：24-27.

中國信息通信研究院.中國數(shù)字經(jīng)濟發(fā)展白皮書（2020年）[J].2020：23-25.