EN中文

自然资源学报 >

2025 , Vol. 40 >Issue 7: 1839 - 1856

DOI: https://doi.org/10.31497/zrzyxb.20250707

其他研究论文

中国新型基础设施建设的减污降碳协同效应——基于创新要素错配视角

  • 孙振清 ,
  • 杨锐
展开
  • 天津科技大学经济与管理学院，天津 300457

孙振清（1966- ），男，河北雄县人，博士，教授，博士生导师，研究方向为能源与应对气候变化战略及政策、低碳经济。E-mail:

收稿日期: 2024-08-26

  修回日期: 2025-02-28

  网络出版日期: 2025-06-20

基金资助

国家社会科学基金重点项目(16AGL002)

天津市高等学校创新团队培养计划项目(TD13-5012/5045)

天津市社会科学界联合会社科重点应用调研课题(2202010)

收起

Research on the synergistic effect of pollution reduction and carbon reduction in China's new infrastructure construction： Based on the perspective of mismatch of innovation elements

  • SUN Zhen-qing ,
  • YANG Rui
Expand
  • School of Economics and Management, Tianjin University of Science and Technology, Tianjin 300457, China

Received date: 2024-08-26

  Revised date: 2025-02-28

  Online published: 2025-06-20

Fold

摘要

新型基础设施建设是数字经济时代促进经济社会绿色低碳高质量发展的新引擎。基于2007—2022年中国30个省（自治区、直辖市）面板数据测度新基建发展指标，从创新要素错配视角实证检验了新基建的减污降碳协同效应。结果显示：（1）新基建能显著提高减污降碳协同治理水平，然而其减污降碳协同效应并不会立竿见影，新基建发展水平仅在逐步跨越“门槛”后，其协同减污降碳作用才开始呈现出促进效果；（2）新基建通过缓解创新研发人员错配进而促进了减污降碳，而基于创新研发资本错配的机制效应尚未充分展现，同时，创新人员流动、人力资本水平与技能匹配度是新基建缓解研发人员错配的有效因素，政府资助并未表现出明显的改善效果；（3）现阶段新基建能降低碳排放“回弹”效应，而在空间关联上，新基建减污降碳协同效应整体还存在着负外部性。研究结论为实现减污降碳协同增效进而助力“双碳”目标提供了可行路径，也为各地政府部门积极谋划推进新基建战略布局提供了新的经验证据。

关键词： 新型基础设施建设; 减污降碳协同; 创新要素错配; 门槛效应; 空间溢出

本文引用格式

孙振清 , 杨锐 . 中国新型基础设施建设的减污降碳协同效应——基于创新要素错配视角[J]. 自然资源学报, 2025 , 40(7) : 1839 -1856 . DOI: 10.31497/zrzyxb.20250707

Abstract

New infrastructure construction is emerging as a key driver for achieving carbon peaking and carbon neutrality in the digital economy era, fostering green, low-carbon, and high-quality economic and social development. Using panel data from 30 provinces (autonomous regions and municipalities) in China from 2007 to 2022, this study measures indicators of new infrastructure development and empirically examines its synergistic effects on pollution reduction and carbon mitigation from the perspective of innovation factor misallocation. The findings indicate that: (1) New infrastructure significantly enhances coordinated governance in pollution reduction and carbon mitigation. This conclusion remains robust after a series of endogeneity and stability tests. However, the synergy between pollution reduction and carbon mitigation is not immediately observable. Only after the new infrastructure development surpasses certain "thresholds" does its effect on pollution and carbon reduction become evident. (2) Mechanism analysis reveals that new infrastructure alleviates the misallocation of R&D personnel, thereby promoting pollution reduction and carbon mitigation. However, the mechanism based on the misallocation of R&D capital has yet to fully manifest its effects. Factors such as R&D personnel mobility, human capital levels, and skill matching are effective in addressing R&D personnel misallocation and unlocking the benefits of technological innovation through new infrastructure, whereas government funding does not show a significant improvement in these outcomes. (3) Further analysis shows that new infrastructure can effectively reduce the "rebound" in carbon emissions currently. Nevertheless, in terms of spatial correlation, the overall impact of new infrastructure on coordinated pollution reduction and carbon mitigation exhibits negative externalities. The conclusions of this study provide a viable pathway for achieving the synergistic effects of pollution reduction and carbon mitigation, contributing to the "dual carbon" goals. These findings also offer empirical support for local governments in actively planning and advancing strategic layouts for new infrastructure.

Key words： new infrastructure construction; synergistic effects of pollution reduction and carbon reduction; mismatch of innovation elements; threshold effect; space overflow

协同推进减污降碳，是实现“双碳”目标的重要支撑，也是推进美丽中国建设的有效路径。由于主要大气污染物排放量持续下降，中国已经成为全球空气质量改善最为快捷的国家。新一轮的“蓝天保卫战”依然面临着持续改善环境质量与减少温室气体排放的双重压力，需要坚定不移地走好碳中和与清洁空气协调发展之路。2022年，中华人民共和国生态环境部等七部门联合印发《减污降碳协同增效实施方案》（以下简称“《方案》”），《方案》进一步指出把实现减污降碳协同增效作为促进经济社会发展全面绿色转型的总抓手，锚定美丽中国建设和碳达峰碳中和目标，科学把握污染防治和气候治理的整体性，以结构调整、布局优化为关键，以优化治理路径为重点，以政策协同、机制创新为手段，完善法规标准，强化科技支撑，全面提高环境治理综合效能，实现环境效益、气候效益、经济效益多赢[1]。由此可见，探索减污降碳协同治理的驱动机制与提升路径具有重大战略意义。
那么影响减污降碳协同的主要因素有哪些?在大多数相关研究中，能源结构与产业结构一直被认为是制约环境发展的重要因素[2-4]。具体而言，能源结构对中国协同减污降碳的阻碍作用主要表现为以煤炭为主的能源供应结构的现实困境。煤炭消费的碳排放在中国能源消费碳排放总量中占比最高，其规模呈长期增长态势，煤炭在主要的化石能源中具有最高的碳排放系数，这将造成对于给定的能源消费量，煤炭会比其他能源系统造成更多的环境污染[5]。可见，实现深度减排，能源行业低碳转型是关键。与此同时，二产绝对主导的产业结构演进极大地延缓了单位GDP能耗倒“U”型变化过程，工业生产对能源的直接消耗及其产生的直接碳排放与产品生产过程中通过大量中间投入品而间接消耗的能源以及由此产生的间接碳排放，在长期一边倒的部门发展政策影响下，刚性演进特征极大地制约了国家产业结构节能效应的发挥，单位GDP能耗居高不下，并非降低环境污染与碳排放强度的有效路径[6-8]。
近年来，中国数字经济发展方兴未艾，依托互联网、5G以及大数据等信息技术，新型基础设施也随之应运而生。区别于“铁路、公路和机场”等传统基础设施，新型基础设施既包括新一代信息技术、数字技术等信息基础设施[9]，又包含对传统基础设施进行数字化、智能化改造，从根本上改变了技术创新范式，重塑着中国的创新格局。当今新型基础设施建设（以下简称“新基建”）正如火如荼，悄无声息地改变着人们的生产生活方式。虽然不少研究在经济社会发展层面作出了较大贡献，如新基建的影响因素[10]，新基建对共同富裕、经济协调发展和高质量发展的影响机理研究[11-13]，及其赋能高质量增长的空间溢出效应分析[14]，但是对新基建与环境治理关系的研究还不够系统深入。已有文献大多将减污效应[15]和降碳效应[16]独立研究，构建起二者之间“桥梁”的相关研究较少，没有直观体现污染物和温室气体的减排同向性[17]，对于新基建是否提高了减污降碳协同水平，尚未有足够关注。虽有少数文献对数据要素的减污降碳协同效应开展了实证检验，但多数研究主要从能源结构[18]与产业结构[19]角度探讨对其影响机制，新基建对减污降碳协同的影响机制层面也还存在着较大深化空间。此外，新基建的环境影响还存在着不确定性，需进一步进行验证。在需求驱动视角下，新基建可能会带来明显的增耗效应。谭萌等[20]认为5G技术的发展会使中国碳达峰时间至少退后两年，碳排放峰值也会相应增加；而在技术创新视角下，实现碳中和，数字化新基建大有可为，5G技术单位数据传输能耗将有望降至4G的2%~10%，并有助于降低智能手机、物联网等终端设备的电池消耗[21]，大幅度提高减排效益；在应用场景上，通过构建智算、算法与平台一体化智能基座，通过数据精准驱动城市治理智能化与运行精细化，优化资源配置，加速产业数字化与结构升级，激发创新活力并推动经济社会低碳转型。智慧城市场景同步促进居民低碳生活方式转型，形成数字化与可持续发展深度耦合的生态闭环[22]。
综上所述，本文依据“共生、共治、共享”的发展逻辑，从协同减污降碳研究新视角，对“双碳”目标约束下新基建促进区域可持续发展优化方向进行了探索实证，并补充探索了新基建减污降碳协同治理的三维视角：一是要素配置维度，揭示创新要素错配（非单纯投入不足）是制约效能的核心瓶颈，通过优化数据与创新要素流动效率可突破“高投入、低转化”困局；二是技术动态维度，警示数字化增效可能触发碳排放回弹效应（如5G能效提升反致终端需求激增），需建立技术减排净效应评估体系，使新基建持久性发挥减排潜力；三是空间关联维度，解析新基建协同效应的跨区域传导机制，为通过区域协同治理放大绿色转型红利提供理论支撑。本文旨在有益补充新基建与减污降碳协同治理相关理论文献，以期为制定新基建与减污降碳协同增效推进方案提供相关政策启示。

1 理论分析与研究假说

1.1 新基建发挥减污降碳协同效应的直接影响

温室气体与污染物排放同源（化石能源、工业、交通、生活），因此，减污与降碳两项工作在很大程度上可以针对相同的控制目标进行有效协同推进。以煤为主的能源结构、以重化工为主的产业结构是造成中国大气环境污染和碳排放强度较高的主要原因。新基建以智能化和绿色化推动能源体系系统性变革，形成减污降碳双重增益。需求侧通过智能电网、智慧建筑和车路协同系统实现精准能耗调控，降低峰值负荷与终端排放；供给侧加速清洁能源规模化应用（如风光储一体化）和传统能源数字化改造（如CCS技术），提升绿色电力占比及生产效率。在供需协同方面，依托大数据平台实现清洁能源动态调配，同时以新能源车推广反向拉动绿电市场，辅以碳交易机制形成闭环。这种双向优化机制从源头到终端构建了低碳循环体系，为绿色转型提供完整解决方案。同时，新基建驱动产业结构低碳化重构，形成传统升级与新兴培育双重路径。传统产业通过工业互联网、智能监测及绿能替代实现降耗减排，如钢铁行业依托数字化改造优化能效；新兴产业以智慧物流、新能源配套和知识服务为核心，构建低碳产业链，如新能源汽车借力充电网络加速替代燃油车。在区域层面，新基建推动资源型地区绿色转型（如山西发展风光储产业）并促进东中西部产业协同，依托智慧集群降低区域碳强度。整体上，新基建通过技术赋能与资本引导，推动高碳产业退出、绿色技术扩散及资源高效配置，形成数字化减排、绿能替代、集群化发展的系统转型模式，为“双碳”目标与高质量发展提供集成解决方案[23]。此外，新基建对减污降碳的影响呈现环境库兹涅茨曲线的阶段性特征：初期大规模建设可能因高耗能基建（如电力、交通）加剧污染，冲击协同治理；随着技术升级与政策完善，清洁能源替代与数智化赋能逐步显现规模效应，推动经济增长与环保目标趋同，这一过程印证了“先污染后治理”的倒“U”型路径，最终通过绿色技术渗透和产业能效提升，实现减污降碳协同效应跨越拐点的质变。基于此，提出假说H1。
假说H1a：新基建能够有效发挥减污降碳协同效应。
假说H1b：在新基建自身发展不均衡背景下，新基建对减污降碳协同治理的影响具有先抑制后促进的非线性特征。

1.2 创新要素错配的作用机制分析

要素错配，是指资本、劳动力等未实现最优配置，抑制整体经济效率，本质源于各领域生产效能落差。市场摩擦（如劳动力流动阻滞、金融低效）抬高产业壁垒，导致高效企业与低效主体间资源错位锁定。破解路径在于消除流动障碍，推动要素向高效益领域集聚，缩小实际产出与生产潜力边界的差距，实现资源帕累托改进。创新研发资本错配源于绿色技术领域高风险属性与市场信息屏障的双重制约，表现为资金滞留低效领域而清洁技术研发失血。新基建通过数据构建技术价值评估模型以数据穿透破解信息孤岛，区块链优化投融资可信链路（金融加速器效应），驱动资本向智能电网、碳捕集等高潜力赛道聚集。同步搭建跨域创新生态，通过工业互联网整合研发资源，加速绿色技术产业化进程，形成资本识别、技术迭代、金融反哺闭环。这种数字化资本配置机制不仅降低传统产业低碳转型成本，更以智能制造重塑生产流线，实现污染源头管控与能效跃升的双重突破。同时，创新研发人员错配呈现产业锁定、区域失衡与工具匮乏三维困局[24]。高碳行业短期收益虹吸人才致绿色技术空心化，区域集聚效应阻滞减排技术扩散，数字化平台缺失弱化研发效能，新基建以数字基座重构要素配置。在产业层面，工业互联网打通传统与绿色产业技术接口，通过智能改造催生人才流动势差；在区域层面，云协作平台消解地理边界，构建欠发达地区技术跃迁节点；在工具层面，AI仿真与跨域创新网络降低绿色技术研发壁垒，加速知识溢出。这种数字连通、势能重构机制驱动人力资本向减排关键领域动态适配，形成技术扩散梯度与全域协同创新生态，实现绿色智力资源帕累托最优配置。综上，提出假说H2。
假说H2：新基建通过缓解创新研发资本错配与人员错配进而推动减污降碳协同。

1.3 新基建减污降碳协同效应的异质性分析

上文已剖析了创新要素错配的作用机制，但未考虑到异质性因素作用效果，因而难以加深对新基建减污降碳协同效应的理解，也难以因地制宜地为新基建缓解创新要素错配制定针对性决策依据。考虑到中国在资源环境、产能过剩及重复建设方面所面临的挑战，本质是市场机制失灵引致的要素流动受阻，即生产要素无法适配最优产业区位[25]，因此，有必要进一步厘清新基建改善创新要素错配的多维驱动机制：一是政策资助奠定资源基础，政府资助通过研发投入、科创基金等政策工具弥补市场失灵，同步完善职业教育体系强化技能适配，防止人才流失并激发新基建创新潜能；二是人才有序流动优化空间配置，当前“人才流动悖论”需破解恶性竞争与区域失衡，以新基建跨域协作平台重构知识、技术、资本要素耦合网络，通过跨区域人才再配置平衡结构性缺口，借助知识溢出效应提升人力资本增值效率，实现流动、增值、创新的正向循环；三是技能契合提升转化效能，更深层矛盾在于人力资本技能结构与新基建需求错位[26]，高技能匹配度可加速技术迭代，反之则加剧跨学科协作断层。通过动态校准要素配置精度，实现异质性约束下的减污降碳协同最优解。至此，提出假说H3。
假说H3：政府资助、创新人员流动、人力资本水平与技能匹配度的提高能够正向强化创新要素错配和新基建减污降碳协同效应之间的负相关关系。

2 研究方法与数据来源

2.1 模型设定

2.1.1 机制检验模型

为避免温忠麟等[27]提出方法可能存在的遗漏变量、内生变量、解释变量与机制变量之间高度相关等内生性问题，江艇[28]建议停止使用中介效应的逐步法检验。因此，依据邓峰等[29]的研究，本文通过以下两步来揭示创新要素错配的作用机制：第一步，参考江艇[28]的方法，在基准回归模型（1）基础上，设定模型（2），仅继续就核心解释变量与机制变量的关系（即新基建对创新要素错配的影响）进行验证。
P C i t = α 0 + α 1 N D I + α 2 C o n t r o l i t + μ i + δ t + ε i t
M I E i t = β 0 + β 1 N D I + β 2 C o n t r o l i t + μ i + δ t + ε i t
第二步，检验新基建通过缓解创新要素错配对协同减污降碳的作用机制，将机制变量进一步嵌入到基准回归模型（1）进行作用机制的显著性考察，模型设定如下：
P C i t = δ 0 + δ 1 N D I i t + δ 2 M I E i t + δ 3 N D I i t × M I E i t + δ 4 c o n t r o l i t + μ i + δ t + ε i t
式中：PC为减污降碳协同水平；NDI为新基建发展水平；Control为各控制变量；MIE为创新要素错配；i和t分别为各省（自治区、直辖市）和年份； μ i和 δ t表示双向固定效应； ε i t是随机误差项； a 0为常数； a 1为核心解释变量的回归系数； a 2为控制变量的回归系数； β 0~ β 2、 δ 1、 δ 2、 δ 4均为待估参数； δ 3为解释变量与调节变量交互项的回归系数。

2.1.2 面板门槛模型

本文认为新基建会对减污降碳协同治理产生非线性影响，故采用Hansen[30]的方法设定如下面板门槛模型：
P C i t = φ 0 + φ 1 N D I i t × I N D I i t ≤ θ + φ 2 N D I i t × I N D I i t > θ + φ 3 C o n t r o l i t + μ i + δ t + ε i t
式中：I(·) 是取值1或0的指示性函数，满足括号内条件为1，否则为0； φ 0为常数； φ 1、 φ 2为核心解释变量在不同门槛约束下的回归系数； φ 3为控制变量的回归系数。

2.1.3 空间效应模型

为进一步讨论新基建对减污降碳协同治理治理的空间溢出效应，本文使用空间计量模型进行分析。不同的权重矩阵对实证分析的结果可能产生不同的影响，为了保证结果的稳健性，分别使用以下矩阵：第一，空间邻接矩阵，地区相邻时为1，不相邻时为0；第二，经济距离矩阵，以地区间人均实际GDP差值进行构造；第三，地理距离矩阵，采用地理距离平方的倒数进行构建。检验前，需选择适当的空间计量模型形式。首先，基于三种矩阵进行LM检验，在空间滞后模型SLM检验中，无空间自相关的原假设均被有力驳斥，而在空间误差模型SEM检验中，R-LM-err并没有完全通过显著性水平；其次，对2007—2022年中国30个省（自治区、直辖市）的面板数据进行固定效应和随机效应检验，Hausman检验结果发现，新基建的减污降碳协同效应模型均显著拒绝随机效应，故均采用固定效应模型进行实证结果分析；最后，对空间杜宾模型SDM是否会退化成SLM或SEM进行检验，LR、WALD检验结果发现，模型均显著拒绝。检验结果如表1。
综上，选择固定效应的空间杜宾模型进行后续检验，在模型（1）中引入空间交互项，将其拓展为空间面板计量模型：
P C i t = α 0 + τ P C i , ( t - 1 + ρ W P C i t + ϕ 1 W N D I i t + α 1 N D I i t + ϕ 2 W C o n t r o l i t + α 2 C o n t r o l i t + μ i + δ t + ε i t
式中： τ为动态滞后项系数； ρ为空间自回归系数；W为空间权重矩阵； ϕ 1和 ϕ 2为空间杜宾模型中核心解释变量和控制变量空间交互项的回归系数。
表1 空间计量模型检验结果

Table 1 Spatial econometric model test results

空间邻接矩阵 经济距离矩阵 地理距离矩阵
检验 P值 检验 P值 检验 P值
LM-Lag 0.000 LM-Lag 0.000 LM-Lag 0.000
R-LM-Lag 0.000 R-LM-Lag 0.000 R-LM-Lag 0.000
LM-err 0.000 LM-err 0.000 LM-err 0.000
R-LM-err 0.263 R-LM-err 0.017 R-LM-err 0.624
Hausman 0.000 Hausman 0.000 Hausman 0.000
LR-Lag 0.002 LR-Lag 0.000 LR-Lag 0.000
LR-err 0.000 LR-err 0.000 LR-err 0.000
Wald-Lag 0.009 Wald-Lag 0.000 Wald-Lag 0.000
Wald-err 0.013 Wald-err 0.000 Wald-err 0.000

2.2 变量设定

2.2.1 被解释变量

减污降碳协同水平（PC）。参考陆敏等[31]的研究思路，使用碳排放量与环境污染指数的交乘项表征，交乘项符合“碳污同源”说，也符合减污降碳治理的整体性和系统性。碳排放量与环境污染指数均为逆指标，其值越大，意味着环境污染程度越严重，生态环境质量越低。

2.2.2 解释变量

（1）核心解释变量
新基建发展水平（NDI）。根据国家发展和改革委员会对新基建作出的权威解读，并结合张佩等[32]的研究，本文使用熵值法从三个核心维度展开评价，具体指标见表2。其中，大量选用企业数量作为代理变量的逻辑在于，作为市场主体及信息与融合基建核心参与者，区域特定基建水平与供需能力呈正相关，故对应领域企业集聚度越高。
表2 新基建评价指标体系

Table 2 New infrastructure evaluation index system

一级指标 二级指标 三级指标
信息基础设施
（NDI1）		 通信网络基础设施 5G 5G移动电话基站数量/个
物联网 物联网相关企业数量/个
工业互联网 工业互联网相关企业数量/个
卫星互联网 卫星互联网相关企业数量/个
新技术基础设施 人工智能 人工智能相关企业数量/个
云计算 云计算相关企业数量/个
区块链 区块链相关企业数量/个
算力基础设施 数据中心 数据中心相关企业数量/个
智能计算中心 国家超级计算中心数量/个
融合基础设施
（NDI2）		 智慧交通基础设施 城际高速铁路与城市轨道交通 轨道交通里程/km
智慧交通 智慧交通相关企业数量/个
智慧能源基础设施 特高压 特高压相关企业数量/个
充电桩 充电桩相关企业数量/个
智慧能源 智慧能源相关企业数量/个
智慧民生基础设施 智慧医疗 智慧医疗相关企业数量/个
智慧养老 智慧养老相关企业数量/个
智慧教育 智慧教育相关企业数量/个
智慧物流 智慧物流相关企业数量/个
智慧农业 智慧农业相关企业数量/个
创新基础设施
（NDI3）		 产业技术创新基础设施 产业技术创新基础设施 国家级企业技术中心数量/个
科教基础设施 科教基础设施 国家重点实验室数量/个
重大科技基础设施 重大科技基础设施 重大科技基础设施数量/个
根据新基建发展水平测算结果，绘制出全国、东部、中部以及西部的新基建发展水平均值的时空演变，如图1所示。总体而言，从时间趋势上看，全国各地区新基建发展在2007—2022年持续稳步上升，从空间差异性上看，东部地区新基建发展领先于中西部地区，同时领先优势在进一步扩大。
图1 新基建时空演变特征

Fig. 1 Spatio-temporal evolution characteristics of new infrastructure

（2）机制变量
创新要素错配程度（MIE）。参考陈永伟等[33]的研究，通过测算创新研发资本错配程度 τ K i和创新研发人员错配程度 τ L i来分别进行表征。具体计算方法如下：
Y = A K i t β K i L i t 1 - β K i
γ ^ K i = K i K / s i β K i β K , γ ^ L i = L i L / s i β L i β L
γ K i = 1 1 + τ K i , γ L i = 1 1 + τ L i
式（6）为创新产出函数，本文借鉴赵志耘等[34]的做法，假定其函数为规模收益不变的C-D生产函数来估算研发资本与研发人员的弹性系数 β K与 β L。其中： Y为创新产出（件），使用各地区三大专利申请数表征； K为研发资本投入（万元），使用各地区研发资本存量表征； L为研发人员投入（人），使用研发人员全时当量表征；A为创新研发效率；βKi、βLi分别表示i地区的研发资本与研发人员的弹性系数； γ ^ K i与 γ ^ L i为价格相对扭曲系数； γ K i与 γ L i为价格绝对扭曲系数，实际计算过程中通常使用价格相对扭曲系数来测度价格绝对扭曲系数； s i为地区i的创新产出占比。最后，根据式（8）分别计算出 τ K i和 τ L i，并将τ取绝对值来避免符号方向的干扰，绝对值越大表明错配现象越严重。
（3）控制变量
第一，工业化水平（ID），采用各省（自治区、直辖市）工业增加值与GDP的比值表示；第二，城镇化水平（UB），采用各省（自治区、直辖市）城镇人口与总人口的比值表示；第三，对外开放水平（OP），采用各省（自治区、直辖市）进出口总额与GDP的比值表示；第四，市场化水平（MAR），采用樊纲市场化指数表示；第五，外商直接投资（FDI），采用各省（自治区、直辖市）外商直接投资总额与GDP的比值表示。

2.3 数据来源

本文使用2007—2022年中国30个省（自治区、直辖市）（由于数据缺失，未包含西藏自治区、港澳台地区）的平衡面板数据进行实证研究。其中，新基建发展水平数据主要来源于企查查平台与《中国火炬统计年鉴》等。其他变量数据主要来源于《中国统计年鉴》《中国能源统计年鉴》以及《中国科技统计年鉴》。

3 结果分析

3.1 基准回归分析

表3基准回归结果表明，无论是否控制双向固定效应、是否加入控制变量，核心解释变量的估计系数始终呈现出显著的负向关系，有力地证实了新基建对减污降碳协同效应存在稳定促进作用，有效提升环境治理效能。假说H1a得到支持。
表3 基准回归结果

Table 3 Baseline regression results

变量/参数 PC
(1) (2) (3) (4) (5) (6) (7)
NDI -0.946** -1.259*** -1.431*** -1.479*** -1.574*** -1.563*** -1.499***
(0.371) (0.453) (0.460) (0.266) (0.543) (0.552) (0.521)
ID — — -1.596** -1.310** -1.208* -1.544** -1.475**
— — (0.608) (0.649) (0.642) (0.701) (0.609)
UB — — — 1.881 3.096** 4.528*** 4.211**
— — — (1.097) (1.683) (1.793) (1.571)
OP — — — — -0.475 -0.564 -0.629*
— — — — (0.361) (0.353) (0.370)
MAR — — — — — -0.197** -0.193*
— — — — — (0.016) (0.028)
FDI — — — — — — -4.442
— — — — — — (6.004)
双向固定效应 — 是 是 是 是 是 是
样本值/个 480 480 480 480 480 480 480
R2 0.213 0.277 0.283 0.324 0.359 0.341 0.378

注：括号里为t值，*、**、***分别表示在10%、5%、1%的水平上显著，下同。

3.2 内生性讨论与稳健性检验

3.2.1 动态面板回归

因新基建对减污降碳协同效应在时空层面的动态差异，本文引入被解释变量滞后一期作为解释变量，选用系统广义矩估计（SYS-GMM）进行估计，检验结果见表4列 (1)。
表4 内生性讨论与稳健性检验结果

Table 4 Endogeneity discussion and robustness test results

变量/参数 PC
(1) (2) (3) (4) (5) (6) (7) (8)
NDI -0.433* — — — — 0.907* -0.341*** -1.478***
(0.254) — — — — (0.225) (0.101) (0.581)
NDI1 — -0.297* — — — — — —
— (0.164) — — — — — —
NDI2 — — -0.596* — — — — —
— — (0.282) — — — — —
NDI3 — — — -0.066* — — — —
— — — (0.045) — — — —
L.PC 0.966*** 0.976*** 0.944*** 0.990*** — — — —
(0.015) (0.021) (0.025) (0.023) — — — —
Xsls — — — — -4.029* — — —
— — — — (2.137) — — —
控制变量 是 是 是 是 是 是 是 是
双向固定效应 是 是 是 是 是 是 是 是
样本值/个 450 450 450 450 480 480 480 480
R2 — — — — 0.356 0.422 0.337 0.373
Wald检验 — — — — 5.735** — — —
AR(1) 0.078 0.068 0.063 0.077 — — — —
AR(2) 0.254 0.294 0.290 0.232 — — — —

3.2.2 自变量次级维度检验

继续利用SYS-GMM估计检验新基建各次级维度结构对减污降碳协同治理的影响，结果见表4列 (2)~列 (4)。

3.2.3 引入工具变量

为缓解新基建与减污降碳协同效应的内生性问题，选取微型电子计算机产量与上年度互联网宽带用户数的交互项作为工具变量（Xsls）。选择依据为：相关性层面，计算机和互联网技术作为新基建根基，历史产量优势地区更具发展潜力；外生性层面，历史计算机产量对当前新基建直接影响微弱，尤其在环境政策方面仅存在间接关联。同时，弱工具变量Wald检验均在5%的水平上显著，表明工具变量估计结果具有一定的稳健性，详见表4列 (5)。

3.2.4 更换被解释变量

本文采用耦合协调模型来测度减污降碳的耦合协调度再次衡量减污降碳协同水平。与原被解释变量相反的是，减污降碳耦合协调度越高，表明两者协同水平越高，首先，通过式（9）测算两者间的耦合度C，取值范围为 [0,1]，子系统越离散，C越低，反之则越高。其中， u x为采用无量纲测算的污染物排放当量的极差标准化值； e y为采用无量纲测算的碳排放量的极差标准化值。
C = 2 × u x e y u x + e y 2 1 2
T = α u x + β e y
D = C × T
再利用式（10）和式（11）计算两系统之间的耦合协调度D，D∈ [0,1]。其中，T为降碳减污两因素的综合协调指数；α和β分别是降碳减污的权重，本文认为两系统同等重要，此处α和β均取0.5，为避免数据处理过程中出现零值带来的影响，对处理后的数据进行整体平移，平移幅度为0.0001，结果见表4列 (6)。

3.2.5 自变量测度误差

为避免使用熵值法测度新基建发展存在偏误导致结果的偶然性，使用主成分分析方法按上文构建的综合评价体系再次对新基建发展水平进行测定。首先检验使用方法的合理性，指标之间的相关系数均大于0.4，KOM值大于0.6且通过了1%的显著性水平检验，因此可以继续使用主成分分析方法进行后续评价，结果见表4列 (7)。

3.2.6 剔除极端值影响

为消除异常值对回归结果的干扰，对因变量数据两端1%进行缩尾处理，结果见表4列 (8)。上述检验结果皆进一步证实了新基建能够显著推进减污降碳协同治理。

3.3 门槛效应分析

新基建在不同发展水平下可能对减污降碳协同治理的影响存在非线性门槛特征，故本文对新基建采用Bootstrap抽样1000次的方法进行了门槛效应检验，结果显示新基建存在单门槛效应，门槛值为0.055（表5）。表6回归结果表明新基建发展水平在跨越门槛值前，对协同减污降碳表现出显著的抑制作用；直至新基建发展水平跨越门槛值后，其减污降碳协同效应开始产生明显的促进作用，假说H1b得到支持。
表5 门槛效应检验结果

Table 5 Threshold effect test results

门槛变量 门槛 F统计量 P值 10%临界值 5%临界值 1%临界值 门槛值
NDI 单一门槛 25.210 0.090* 23.813 31.284 38.920 0.055
双重门槛 5.990 0.803 19.661 23.041 31.292
表6 门槛效应回归结果

Table 6 Threshold effect regression results

变量/参数 PC
门槛(NDI≤0.055) 4.775***
(1.532)
门槛(NDI≥0.055) -1.909***
(0.425)
控制变量 是
双向固定效应 是
样本值/个 480
R2 0.267

3.4 创新要素错配机制检验

表7列 (1) 显示新基建对创新研发资本错配的影响为正且不显著，而列 (2) 中，新基建对创新研发人员错配的影响在1%水平上显著为负，表明新基建与创新研发人员错配呈负相关，即新基建能够缓解创新研发人员错配，而对创新研发资本错配的影响暂未展现。同时，表7列 (3)、列 (4) 是模型（3）的检验结果，结果显示新基建主效应均显著为负，但新基建与创新研发资本错配的交互项为正且不显著，而新基建与创新研发人员错配的交互项系数为正，且在1%的水平上高度显著，即创新研发人员错配程度越高，越会抑制新基建对减污降碳协同的正向影响，综合以上结果表明：新基建主要通过缓解创新研发人员错配，进而推动了减污降碳协同，而创新研发资本错配现阶段暂未展现其作用机制效果，假说H2仅得到部分支持。
表7 机制检验结果

Table 7 Mechanism analysis test results

变量/参数 τ K i τ L i PC
(1) (2) (3) (4)
NDI 0.476 -2.841*** -0.738*** -1.692***
(0.901) (0.899) (0.409) (0.567)
τ K i × N D I 0.087 —
(0.266) —
τ L i × N D I — 0.169***
— (0.303)
控制变量 是 是 是 是
双向固定效应 是 是 是 是
样本值/个 480 480 480 480
R2 0.314 0.475 0.295 0.453
同时，根据上述理论分析，并借鉴谢获宝等[35]的做法，本文分别从政府资助水平、创新研发人员流动、技能匹配度、人力资本水平4个方面通过分组回归进一步剖析其对创新研发人员错配的影响效应。

3.4.1 政府资助水平

选用政府对新基建研发经费支出与GDP的比值来衡量，并以其中位数为界线将样本划分为高低两组。结果表明，低样本中的新基建发展系数显著为负，而高样本中的系数为正且不显著，增加政府资助未表现出新基建对创新研发人员错配的缓解作用 [表8列 (1)、列 (2)]。同时，在列 (3)、列 (4) 中，新基建与创新研发人员错配的交互项系数也不显著，表明政府资助力度的提高并不能强化创新研发人员错配与新基建的减污降碳协同效应间的负相关关系。
表8 异质性分析结果1

Table 8 Heterogeneity analysis results Ⅰ

变量/参数 政府资助 创新人员流动
τ L i PC τ L i PC
低 高 低 高 低 高 低 高
(1) (2) (3) (4) (5) (6) (7) (8)
NDI -2.27** 6.069 -1.861*** -5.749*** -2.376* -8.575** -1.473** -8.085***
(0.834) (4.158) (0.649) (1.695) (1.411) (3.655) (0.471) (2.154)
τ L i × N D I — — -0.438 1.321 — — -0.109 1.037**
— — (0.352) (0.982) — — (0.226) (0.828)
控制变量 是 是 是 是 是 是 是 是
双向固定效应 是 是 是 是 是 是 是 是
样本值/个 240 240 240 240 240 240 240 240
R2 0.195 0.257 0.202 0.218 0.254 0.463 0.189 0.411

3.4.2 创新研发人员流动

参考白俊红等[36]的研究，以引力模型来测度区域间创新要素流动情况，并将其对数化处理。结果表明，两组样本的新基建发展系数均显著为负，且高流动样本中的系数绝对值比低流动样本更大，创新人员流动越高，越有利于新基建缓解创新研发人员错配 [表8列 (5)、列 (6)]。同时，在列 (7)、列 (8) 中，新基建与创新研发人员错配的交互项系数在高样本中显著为正，在低样本中不显著，说明加快创新研发人员流动，能够正向强化创新研发人员错配与新基建的减污降碳协同效应间的负相关关系。

3.4.3 技能匹配度

借鉴郑腾飞等[37]的研究，以人员平均技能培训投入衡量匹配水平，以中位数为界线将样本划分为高低两组。结果表明，低技能匹配度样本中新基建发展系数为负且不显著，高技能匹配度样本系数显著为负 [表9列 (1)、列 (2)]。同时，在列 (3)、列 (4) 中，新基建与创新研发人员错配的交互项系数在低样本中显著为负，而在高样本中显著为正，说明技能匹配度越高，新基建对创新研发人员的错配效果越明显，更有利于发挥减污降碳协同效应。
表9 异质性分析结果2

Table 9 Heterogeneity analysis results Ⅱ

变量/参数 技能匹配度 人力资本水平
τ L i PC τ L i PC
低 高 低 高 低 高 低 高
(1) (2) (3) (4) (5) (6) (7) (8)
NDI -2.036 -2.978** 7.627*** -2.785*** 7.627*** -2.785*** -1.593*** -7.068***
(3.065) (0.909) (2.096) (0.756) (2.096) (0.756) (0.690) (2.389)
τ L i × N D I — — -0.628* 4.192*** — — -0.314 3.613***
— — (0.310) (1.560) — — (0.294) (1.373)
控制变量 是 是 是 是 是 是 是 是
双向固定效应 是 是 是 是 是 是 是 是
样本值/个 240 240 240 240 240 240 240 240
R2 0.188 0.323 0.223 0.315 0.247 0.391 0.196 0.372

3.4.4 人力资本水平

本文选用平均受教育年限来衡量，并以其中位数为界线将样本分为高低两组。结果表明，低人力资本水平样本中，新基建系数为负但不显著，而高人力资本水平样本中，新基建发展系数显著为负 [表9列 (5)、列 (6)]。同时，在列 (7)、列 (8) 中，新基建与创新研发人员错配的交互项系数在低样本中不显著，而在高样本中显著为正，表明人力资本水平越高，越有利于新基建发挥创新研发人员错配的缓解作用，进而有力促进减污降碳协同。至此，假说H3得到支持。

3.5 进一步分析

3.5.1 基于排放回弹视角的进一步分析

碳排放回弹效应（CER）是指当推动经济发展的措施减少碳排放时，其他环节或部门反过来会造成碳排放量增加，最终产生碳减排折中效应，从而抵消了初期减排效果。新基建发展水平在实现减污降碳协同增效的同时，是否能够减少碳排放回弹效应?对于该问题的解答不仅能帮助重新审视新基建绿色发展效应的结论，还有利于优化当前的新基建推进政策。参考郭庆宾等[38]的研究，本文测算出各省（自治区、直辖市）的碳排放回弹指数，并将其作为被解释变量进行回归分析，再采用系统GMM对全国以及东部和中西部区位子样本进行异质性分析。根据表10列 (1)、列 (2) 可知，现阶段新基建对碳排放回弹效应的影响系数均显著为负，表明新基建对碳排放回弹产生了显著抑制作用。在分区域回归结果中，东部地区的新基建发展系数并不显著，而中西部地区新基建显著地降低了碳排放回弹效应。这可能由于东部面临工业化路径锁定效应，在能源密集型产业（重化工、制造业）主导下，新基建数字化升级受制于煤基能源结构；中西部依托农业、服务业主导优势，叠加风光资源禀赋，新基建直接耦合智能电网、储能等绿色基建，形成数字技术与清洁能源协同效应。
表10 回弹效应检验结果

Table 10 Rebound effect test results

变量/参数 全国 东部 中西部
(1) (2) (3) (4)
NDI -0.532*** -0.257** -0.014 -0.446**
(0.143) (0.019) (0.077) (0.122)
L.CER — 1.102*** 0.824*** 1.433***
— (0.014) (0.214) (0.051)
控制变量 是 是 是 是
双向固定效应 是 是 是 是
样本值/个 480 450 165 285
R2 0.253 — — —
AR(1) — 0.003 0.041 0.019
AR(2) — 0.823 0.890 0.225

3.5.2 基于区域关联视角的进一步分析

分析新基建对减污降碳协同治理的空间效应可以识别区域联动机制，通过跨域交互效应优化治理效能，可规避资源虹吸风险，促进效率与公平的动态均衡，为协调跨区治理、防止发展失衡提供决策依据。表11报告了新基建和减污降碳协同水平的全局Moran's I，可以看出2007—2022年两变量的Moran's I至少在10%的水平上显著为正，说明两者具有显著的空间集聚特征。
表11 空间相关性检验结果

Table 11 Spatial correlation test results

年份 NDI PC 年份 NDI PC
Moran's I P值 Moran's I P值 Moran's I P值 Moran's I P值
2007 0.153 0.004 0.121 0.021 2015 0.185 0.003 0.151 0.057
2008 0.159 0.005 0.124 0.009 2016 0.179 0.011 0.164 0.011
2009 0.168 0.004 0.130 0.014 2017 0.182 0.005 0.146 0.021
2010 0.172 0.008 0.131 0.017 2018 0.186 0.011 0.139 0.036
2011 0.190 0.007 0.134 0.028 2019 0.186 0.003 0.131 0.041
2012 0.172 0.010 0.141 0.025 2020 0.208 0.004 0.116 0.054
2013 0.173 0.013 0.149 0.030 2021 0.221 0.006 0.095 0.004
2014 0.176 0.015 0.146 0.032 2022 0.227 0.005 0.092 0.029
表12继续报告了三种不同空间权重矩阵下两变量间的空间回归结果。其中，NDI的回归系数在三种不同空间权重矩阵下均显著为负，验证了前文基准回归结果的稳健性。而W×NDI的回归系数总体上表现出显著的负向溢出性，表明新基建的减污减碳协同效应反而对邻近地区产生了显著的抑制作用。究其原因，可能是新基建集聚区（如长三角数字枢纽）吸引周边人才、资本等要素单向流动，导致邻近区域陷入“绿色创新贫血”，减排技术研发能力弱化，被迫维持传统高碳发展模式。本文还使用偏微分方法验证两者的空间溢出效应，可以看出，新基建对减污降碳协同治理的直接效应和间接效应与上文空间回归结果保持一致。
表12 空间效应回归结果

Table 12 Spatial effect regression results

变量/参数 PC
空间邻接矩阵 经济距离矩阵 地理距离矩阵
(1) (2) (3)
NDI -1.367*** -1.316*** -1.462***
(0.424) (0.265) (0.346)
W×NDI -0.443 2.155* 4.329***
(0.624) (1.807) (1.132)
控制变量 是 是 是
双向固定效应 是 是 是
直接效应 -1.329*** -1.439*** -1.491***
(0.421) (0.294) (0.467)
间接效应 -0.431 2.206* 3.988***
(0.652) (1.473) (1.171)
总效应 -2.325** 0.949 2.410*
(0.729) (1.423) (1.069)

4 结论与讨论

4.1 结论

立足新发展理念，以数据要素赋能绿色发展，协同助力“双碳”目标。本文基于2007—2022年中国30个省（自治区、直辖市）的面板数据，从创新要素错配视角实证检验新基建的减污降碳协同效应及影响机制，主要结论为：（1）新基建在促进协同减污降碳方面具有显著潜力，但这种协同效应不会立即显现，仅当新基建的发展逐步跨越关键门槛后，协同促进效果才会逐步释放并展现其成效。（2）机制分析表明，缓解创新研发人员错配是新基建发挥减污降碳协同效应的重要作用机制，而基于创新研发资本错配的机制效应尚未得到发挥。同时，提高创新人员流动、人力资本水平与技能匹配度有助于新基建进一步缓解研发人员错配，而政府资助的改善效果并不明显。（3）在当前阶段，新基建能够显著减少碳排放的回弹效应。然而，新基建在减污降碳协同治理方面整体上也存在一定的负面溢出性。

4.2 讨论

本文在已有研究基础上，基于各省（自治区、直辖市）面板数据测度新基建发展指标，并从创新要素错配视角探索其减污降碳协同效应，并不再单一仅限于针对空气污染和碳排放开展研究。首先，研究发现新基建发展水平具有单门槛特征，在跨越门槛前后，新基建减污降碳协同效应的影响效果从抑制转变为促进。这与刘潭等[39]在验证数字经济能否降低碳排放过程中发现发展初期会带来碳排放增加、二者呈倒“U”型门槛特征的结论具有一致性。其次，还发现创新研发人员错配是新基建影响减污降碳协同治理的重要作用机制，但假设仅得到了部分支持，创新研发资本错配并未展现出影响，这与以往研究[40]中的数字经济可以通过优化资本和劳动要素配置来促进城市碳减排的结论不完全一致，这类资本可能多流向基建应用层而非早期研发，尤其难以覆盖高风险、高门槛的前沿科研。虽然政企投资能推动部分领域应用创新，但市场跟投资金偏向成熟项目，缺乏对长期研发的支持。因此无法解决创新研发中资金门槛高、资本错配的结构性问题。此外，政府资助在新基建缓解创新研发人员错配的异质性影响中，并没有表现出明显的促进效果，这在既往研究中也得到了验证，在大部分行业中，政府干预对研发劳动力错配的直接影响和滞后影响均不显著[41]。原因可能在于：一是审批流程繁琐导致资金滞后，错失创新窗口；二是成熟项目挤占长期潜力项目的资金空间；三是政需与研能的错位，即政府政策需求与研究能力之间的不匹配，政策重点领域与研发者专长失衡。这种结构性矛盾既制约创新效能，也为优化新基建投资策略及减污降碳协同推进提供改进方向。本文仍存在不足之处：一是新基建测度方法标准化不足，现有熵权法评估体系受数据限制可能存在偏差，需构建微观、中观多层级精细指标；二是未充分考察产业集聚与数字化进程对减污降碳的叠加效应，后续应建立融合要素集聚与数字转型的综合分析模型；三是对新基建驱动绿色转型的多元机制（技术创新、结构升级、能效提升等）挖掘不足，未来需深化其与绿色发展内在关联的系统研究，为政策制定提供更精准依据。
鉴于上述结论，提出以下建议：（1）顺应新一轮科技革命和产业变革趋势，大力推进新基建投资，制定新基建中长期战略规划，优化准入标准与政策体系；优先培育新基建与绿色技术融合项目，加速跨越协同效应释放的规模阈值。构建“能源+数字”融合生态，打造智慧能源管理系统与零碳示范项目，创新“数字基建REITs与绿色债券”融资模式，激活社会资本参与。加速5G、光纤网络建设，推进全国一体化大数据中心布局。（2）作为数字经济的“大动脉”，新基建通过缓解创新研发人员错配间接促进减污降碳。因此，要大力深化人才激励机制改革，构建人才链与产业链精准对接机制，实施柔性引才与数字化评价。建立技术入股、绿色专利证券化收益模式，建立跨区域人才共享平台，破除信息壁垒促进要素流动，完善技能认证体系，推动高校专业设置与产业需求动态匹配，提升人力资本适配性。同时，改革政府资助模式，采用“揭榜挂帅”“后补助”等竞争性资助机制，将资金向技术转化环节倾斜，减少低效行政干预。（3）对5G、数据中心等高能效技术领域实施能效、需求双控机制，配套阶梯式碳定价政策，抑制需求激增导致的排放反弹。（4）考虑到新基建对减污降碳协同治理的负向溢出性，建立跨区域生态补偿机制，构建“东数西算”式碳配额交易网络，推行“飞地经济2.0”模式，实现技术、产业、资源的梯度转移，搭建区域污染联防联控平台，建立碳排放监测数据共享池，加快推进区域协同发展建设。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李禾. 让蓝天更蓝, 需减污降碳协同增效. 科技日报, 2022-11-01(8).

[LI H. To make the blue sky bluer, the synergy of pollution reduction and carbon reduction is needed. Science and Technology Daily, 2022-11-01(8).]

[2]
周衍平, 李晶, 陈会英. 清洁能源示范省政策对试点地区碳排放量及经济发展水平的影响: 基于多期PSM-DID的验证. 软科学, 2024, 38(1): 53-60, 82.

[ZHOU Y P, LI J, CHEN H Y. The impact of clean energy demonstration provincial policies on carbon emissions and economic development in pilot areas: Verification based on multi-phase PSM-DID. Soft Science, 2024, 38(1): 53-60, 82.]

[3]
赵玉焕, 钱之凌, 徐鑫. 碳达峰和碳中和背景下中国产业结构升级对碳排放的影响研究. 经济问题探索, 2022, (3): 87-105.

[ZHAO Y H, QIAN Z L, XU X. Study on the impact of industrial structure upgrading on carbon emissions in China in the context of carbon peaking and carbon neutrality. Inquiry into Economic Issues, 2022, (3): 87-105.]

[4]
李红霞, 郑石明, 要蓉蓉. 环境与经济目标设置何以影响减污降碳协同管理绩效?. 中国人口·资源与环境, 2022, 32(11): 109-120.

[LI H X, ZHENG S M, YAO R R. How do environmental and economic goal-settings affect the synergistic performance of air pollution and carbon reduction?. China Population, Resources and Environment, 2022, 32(11): 109-120.]

[5]
朱勤, 彭希哲, 陆志明, 等. 中国能源消费碳排放变化的因素分解及实证分析. 资源科学, 2009, 31(12): 2072-2079.

[ZHU Q, PENG X Z, LU Z M, et al. Factors decomposition and empirical analysis of variations in energy carbon emission in China. Resources Science, 2009, 31(12): 2072-2079.]

[6]
郭朝先. 产业结构变动对中国碳排放的影响. 中国人口·资源与环境, 2012, 22(7): 15-20.

[GUO C X. Effect of industrial structure change on carbon emission in China. China Population, Resources and Environment, 2012, 22(7): 15-20.]

[7]
李健, 周慧. 中国碳排放强度与产业结构的关联分析. 中国人口·资源与环境, 2012, 22(1): 7-14.

[LI J, ZHOU H. Correlation analysis of carbon emission intensity and industrial structure in China. China Population, Resources and Environment, 2012, 22(1): 7-14.]

[8]
张雷, 李艳梅, 黄园淅, 等. 中国结构节能减排的潜力分析. 中国软科学, 2011, (2): 42-51.

[ZHANG L, LI Y M, HUANG Y X, et al. Analysis on character and potential of energy saving and carbon reducing by structure evolution in China. China Soft Science, 2011, (2): 42-51.]

[9]
宋德勇, 李超, 李项佑. 新型基础设施建设是否促进了绿色技术创新的“量质齐升”: 来自国家智慧城市试点的证据. 中国人口·资源与环境, 2021, 31(11): 155-164.

[SONG D Y, LI C, LI X Y. Does the construction of new infrastructure promote the "quantity" and "quality" of green technological innovation: Evidence from the national smart city pilot. China Population, Resources and Environment, 2021, 31(11): 155-164.]

[10]
张英浩, 汪明峰, 汪凡, 等. 长三角地区新型基础设施建设的地理格局及影响因素: 以5G基站为例. 长江流域资源与环境, 2022, 31(12): 2557-2567.

[ZHANG Y H, WANG M F, WANG F, et al. Geographical pattern and influencing factors of new infrastructure construction in Yangtze River Delta Region: Taking 5G base station as an example. Resources and Environment in the Yangtze Basin, 2022, 31(12): 2557-2567.]

[11]
王亚飞, 黄欢欢, 石铭, 等. 新型基础设施建设对共同富裕的影响机理及实证检验. 中国人口·资源与环境, 2023, 33(9): 192-203.

[WANG Y F, HUANG H H, SHI M, et al. Influence mechanism and empirical test of new infrastructure construction on the promotion of common prosperity. China Population, Resources and Environment, 2023, 33(9): 192-203.]

[12]
茹少峰, 刘惠子. 新基建、产业虚拟集聚与区域经济协调发展. 哈尔滨商业大学学报: 社会科学版, 2022, (6): 104-115.

[RU S F, LIU H Z. New infrastructure construction, industrial virtual agglomeration and coordinated development of regional economy. Journal of Harbin University of Commerce: Social Science Edition, 2022, (6): 104-115.]

[13]
黄梦涵, 张卫国, 兰秀娟. 新型基础设施建设对经济高质量发展的影响: 异质性与作用机制. 经济问题探索, 2023, (8): 19-35.

[HUANG M H, ZHANG W G, LAN X J. The impact of new infrastructure construction on high-quality economic development: Heterogeneity and mechanism. Inquiry into Economic Issues, 2023, (8): 19-35.]

[14]
刘炳胜, 郭慧文, 王丹, 等. 新基建对区域经济发展的空间溢出效应分析: 基于空间面板模型的实证研究. 工程管理科技前沿, 2023, 42(2): 59-66.

[LIU B S, GUO H W, WANG D, et al. Analysis of spatial spillover effect of new infrastructure on regional economic development: An empirical study based on spatial panel model. Frontiers of Science and Technology of Engineering Management, 2023, 42(2): 59-66.]

[15]
汪克亮, 许如玉, 赵斌. 新型基础设施投资能否降低雾霾污染? 理论机制与经验证据. 南京财经大学学报, 2022, (2): 55-65.

[WANG K L, XU R Y, ZHAO B. Can new infrastructure investment reduce haze pollution? Based on theoretical mechanism and empirical evidence. Journal of Nanjing University of Finance and Economics, 2022, (2): 55-65.]

[16]
张彧. 数字新基建、绿色技术进步与低碳经济转型. 经济经纬, 2024, 41(1): 57-69.

[ZHANG Y. Digital new infrastructure, green technology progress and low-carbon economic transformation. Economic Survey, 2024, 41(1): 57-69.]

[17]
刘娜, 高新伟. “蓝天保卫战” 如何影响减污降碳协同度?. 中国人口·资源与环境, 2024, 34(7): 66-75.

[LIU N, GAO X W. How does the 'Blue Sky Defense War' affect the synergy of pollution control and carbon reduction?. China Population, Resources and Environment, 2024, 34(7): 66-75.]

[18]
柳江, 赵倩玉. 数字经济赋能工业绿色转型升级的机制检验. 兰州学刊, 2023, (10): 68-85.

[LIU J, ZHAO Q Y. Mechanism test of enable green transformation and upgrading of industry empowered by digital economy. Lanzhou Academic Journal, 2023, (10): 68-85.]

[19]
郭沛, 王光远. 数字经济的减污降碳协同作用及机制: 基于地级市数据的实证检验. 资源科学, 2023, 45(11): 2117-2129.

DOI

[GUO P, WANG G Y. The synergistic effect of digital economy on pollution and carbon reduction and the influence mechanism: An empirical test based on prefecture-level city data. Resources Science, 2023, 45(11): 2117-2129.]

[20]
谭萌, 彭艺, 马戎, 等. 5G对中国碳排放峰值的影响研究. 中国环境科学, 2021, 41(3): 1447-1454.

[TAN M, PENG Y, MA R, et al. Influence of 5G technology on the peak of China's carbon emission. China Environmental Science, 2021, 41(3): 1447-1454.]

[21]
曹红艳. “双碳”目标下新基建加速绿色化. 经济日报, 2022-01-17(6).

[CAO H Y. Accelerating the greening of new infrastructure under the goal of 'dual carbon'. Economic Daily, 2022-01-17(6).]

[22]
张雪纯, 曹霞, 宋林壕. 碳排放交易制度的减污降碳效应研究: 基于合成控制法的实证分析. 自然资源学报, 2024, 39(3): 712-730.

DOI

[ZHANG X C, CAO X, SONG L H. The effect of pollution control and carbon reduction of the carbon emission trading system: An empirical analysis based on the synthetic control method. Journal of Natural Resources, 2024, 39(3): 712-730.]

[23]
潘雅茹, 顾亨达. 新型基础设施投资对服务业转型升级的影响. 改革, 2022, (7): 94-105.

[PAN Y R, GU H D. The influence of new infrastructure investment on the transformation and upgrading of service industry. Reform, 2022, (7): 94-105.]

[24]
王宏鸣, 陈永昌, 杨晨. 数字化能否改善创新要素错配? 基于创新要素区际流动视角. 证券市场导报, 2022, (1): 42-51.

[WANG H M, CHEN Y C, YANG C. Can digitalization improve the innovation resource misallocation? A perspective of interregional flow of innovation resources. Securities Market Herald, 2022, (1): 42-51.]

[25]
刘志华, 徐军委. 碳市场试点对省域碳排放公平性的影响及作用机制: 基于多期DID、空间DID与中介效应的实证研究. 自然资源学报, 2024, 39(3): 697-711.

DOI

[LIU Z H, XU J W. The influence and mechanism of carbon trading pilot on provincial carbon emissions equity: Empirical analysis based on multi-period DID, spatial DID and intermediary effect. Journal of Natural Resources, 2024, 39(3): 697-711.]

[26]
吴康, 耿一睿, 郭涛. 城市群绿色技术创新对碳排放的影响: 基于人力资本的调节效应. 自然资源学报, 2024, 39(9): 2121-2139.

DOI

[WU K, GENG Y R, GUO T. The impact of green technology innovation on carbon emissions from the perspective of urban agglomeration: The moderating effect of human capitals. Journal of Natural Resources, 2024, 39(9): 2121-2139.]

DOI

[27]
温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展. 心理科学进展, 2014, 22(5): 731-745.

DOI

[WEN Z L, YE B J. Analyses of mediating effects: The development of methods and models. Advances in Psychological Science, 2014, 22(5): 731-745.]

DOI

[28]
江艇. 因果推断经验研究中的中介效应与调节效应. 中国工业经济, 2022, (5): 100-120.

[JIANG T. Mediating effects and moderating effects in causal inference. China Industrial Economics, 2022, (5): 100-120.]

[29]
邓峰, 王一飞, 梁翠月, 等. 产业集聚如何缓解外资退出? 基于行业异质性视角. 产业经济研究, 2022, (4): 15-29, 71.

[DENG F, WANG Y F, LIANG C Y, et al. How does industrial agglomeration alleviate the withdrawal of foreign capital? From the perspective of industry heterogeneity. Industrial Economics Research, 2022, (4): 15-29, 71.]

[30]
HANSEN B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference. Journal of Econometrics, 1999, 93(2): 345-368.

[31]
陆敏, 徐好, 陈福兴. “双碳” 背景下碳排放交易机制的减污降碳效应. 中国人口·资源与环境, 2022, 32(11): 121-133.

[LU M, XU H, CHEN F X. Pollution and carbon reduction effects of the carbon emissions trading mechanism in the context of the 'dual carbon' goals. China Population, Resources and Environment, 2022, 32(11): 121-133.]

[32]
张佩, 王姣娥, 马丽. 新基建与区域经济协调发展的时空耦合及影响因素. 地理科学, 2024, 44(4): 562-572.

DOI

[ZHANG P, WANG J E, MA L. Spatiotemporal coupling and influencing factors of new infrastructure and coordinated economic development. Scientia Geographica Sinica, 2024, 44(4): 562-572.]

DOI

[33]
陈永伟, 胡伟民. 价格扭曲、要素错配和效率损失: 理论和应用. 经济学(季刊), 2011, 11(4): 1401-1422.

[CHEN Y W, HU W M. Distortions, misallocation and losses: Theory and application. China Economic Quarterly, 2011, 11(4): 1401-1422.]

[34]
赵志耘, 刘晓路, 吕冰洋. 中国要素产出弹性估计. 经济理论与经济管理, 2006, 26(6): 5-11.

[ZHAO Z Y, LIU X L, LYU B Y. Estimating the output elasticity of factors in China. Economic Theory and Business Management, 2006, 26(6): 5-11.]

[35]
谢获宝, 惠丽丽. 成本粘性、公司治理与高管薪酬业绩敏感性: 基于企业风险视角的经验证据. 管理评论, 2017, 29(3): 110-125.

[XIE H B, HUI L L. Cost stickiness, corporation governance and executive pay: Performance sensitivity: An empirical research based on the risk perspective. Management Review, 2017, 29(3): 110-125.]

[36]
白俊红, 王钺, 蒋伏心, 等. 研发要素流动、空间知识溢出与经济增长. 经济研究, 2017, 52(7): 109-123.

[BAI J H, WANG Y, JIANG F X, et al. R & D element flow, spatial knowledge spillovers and economic growth. Economic Research Journal, 2017, 52(7): 109-123.]

[37]
郑腾飞, 柯善咨. 交通条件、城市规模和劳动技能匹配效应. 财经研究, 2019, 45(11): 4-19.

[ZHENG T F, KE S Z. The effects of transport infrastructure, urban scale and labor skill matching on firm productivity. Journal of Finance and Economics, 2019, 45(11): 4-19.]

[38]
郭庆宾, 汪涌. 城市发展因智慧而绿色吗?. 中国软科学, 2022, (9): 172-183.

[GUO Q B, WANG Y. Smarter the city develops, the greener the city develops?. China Soft Science, 2022, (9): 172-183.]

[39]
刘潭, 徐璋勇. 数字经济、异质性技术创新与二氧化碳排放. 科技进步与对策, 2023, 40(13): 1-10.

DOI

[LIU T, XU Z Y. Digital economy, heterogeneous technological innovation and carbon dioxide emissions. Science & Technology Progress and Policy, 2023, 40(13): 1-10.]

[40]
甘天琦. 数字经济的减碳效应研究: 基于要素配置的视角. 华中师范大学学报: 人文社会科学版, 2023, 62(6): 60-73.

[GAN T Q. On the carbon reduction effect of digital economy: Based on the perspective of factor allocation. Journal of Central China Normal University: Humanities and Social Sciences, 2023, 62(6): 60-73.]

[41]
张润强, 陈子韬, 孟凡蓉. 政府干预与研发资源错配: 基于高技术产业省级面板数据的分析. 软科学, 2023, 37(5): 17-23.

[ZHANG R Q, CHEN Z T, MENG F R. Government intervene and misallocation of R & D resource: Evidence from the provincial panel data of high-tech industrial. Soft Science, 2023, 37(5): 17-23.]

Options
文章导航

/

〈 〉