四、模型构建、变量选取与数据来源

（一）模型构建

依据上述理论分析，为研究数字经济对碳减排的影响，本文构建了数字经济对碳减排影响的基准回归模型：

其中，CE_it为t时期下i省份的碳排放量，DE_it为i省份在t时期的数字经济发展水平，X_it为本文选取的控制变量集合，β为常数项以及各解释变量回归系数，u_i为个体固定效应，r_t为时间固定效应，φ_it为随机扰动项。

在此基础上，考虑到数字经济可能通过技术创新（Inno）、公众环保关注度（Bdidx）两种传导机制影响碳减排，为对数字经济发展影响碳减排的传导路径进行识别检验，本文参考温忠麟等[42]的分析思路展开中介效应检验，构建如下模型：

（二）变量选取与数据来源

1．被解释变量

本文的被解释变量是二氧化碳排放量（CE）。现阶段，碳排放量的测算方法主要有生命周期评价法、投入产出法和碳排放系数法三种。Gustavsson等使用生命周期评价法剖析一栋公寓楼二氧化碳排放情况，得出在整个周期中建筑运行能耗占比最大的结论[43]；Jie Guo等利用投入产出法度量二氧化碳排放量，发现关键部门能够驱动其他部门能源消费以及碳排放[44]；而碳排放系数法是目前认可度最高的，使用较为普遍[45-47]。以上测算方法各有其应用领域，生命周期评价法通常适用于对微观层面的某种产品生命周期内产生的碳排放量进行测算；投入产出法适用于测算不同行业的碳排放量，其以经济系统为界限来计算经济变化对环境的影响；碳排放系数法适用于测算国家、区域的碳排放量，且数据相对容易收集。本文测算2011—2020年我国30个省份（不包括西藏自治区、香港特别行政区和澳门特别行政区、台湾地区）的碳排放量，故而使用碳排放系数法。即二氧化碳排放总量通过各种能源消费量乘以相应的二氧化碳排放系数乘积之和表示，包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气9种典型性的能源。具体测算方法如下：

其中，CE表示二氧化碳排放量，n表示能源燃料种类，C_n表示第n种能源消耗量，S_n表示第n种能源的标准煤折算系数，F_n表示第n种能源的碳排放系数。9种能源品种的折标准煤系数和碳排放系数见表1。

2．解释变量

本文的解释变量是数字经济（DE）。目前，关于数字经济并没有形成一致的概念。“数字经济”一词于1996年由“数字经济之父”唐•泰普斯科特[48]在其《数字经济：网络智能时代的希望和危险》一书中首次提出。在此基础上，诸多学者、机构和组织对其内涵展开了深入的探讨。居桦等进一步强调数字经济涵盖数字产业以及诸多新业态新产品等[49]；美国商务部经济分析局（BEA）将数字经济界定为数字基础设施、数字交易（电子商务）以及数字经济用户创造和访问的内容三部分[50]；2016年，G20杭州峰会提出数字经济是以数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的高效使用作为效率提升和经济结构优化的重要推动力的系列经济活动[51]。综上所述，本文将数字经济定义为：以数字化赋权基础设施为重要支撑、以数字交易为核心、以数字技术作为驱动力量、以数字产业为根源的新兴经济形态。

近年来，不少学者对数字经济进行了测度研究，较多从信息化[52-56]、互联网发展水平[57-58]、数字产业[59]等方面测度数字经济。总的来说，由于数字经济尚未形成统一的定义，学者在对其测度的过程中构建了多样化的指标体系。

从数字经济的测度方法来看，现阶段主要有主观赋权法与客观赋权法两种。主观赋权法是根据各指标的影响程度，通过主观分析来赋予指标相应权重，如层次分析法等；客观赋权法是依照各指标原始信息来对其进行赋权，如主成分分析法[60]、熵值法[61]、聚类分析法等。客观赋权法相比主观赋权法对各指标的评价更加客观、真实，且能更好地体现指标综合指数。部分学者出于指标间相关影响的考虑，使用主成分分析法测度数字经济发展水平：崔琪等通过主成分分析法将各指标降维处理来衡量数字经济发展水平，探讨其对城市绿色技术创新的影响及其作用机制[62]；韦施威等使用主成分分析法得到数字经济发展综合指数，考察数字经济对城市绿色创新的影响[63]。主成分分析法虽然在指标选取上更为简易，但主成分的解释及其含义不如原始变量含义清楚和确切。熵值法客观性较强，可信度较高，能够更好地解释结果，被部分学者采纳并用于测算数字经济：王军等使用熵值法测度我国数字经济发展水平，并分析其演变规律[64]；缪陆军等通过熵值法来衡量数字经济发展水平，深入探究数字经济对碳排放的影响[65]。

本文通过借鉴以上学者研究并根据数据的可获得性，从数字基础设施、数字交易发展、数字技术创新、数字产业发展四个方面出发，利用熵值法构建数字经济综合发展指标（见表2）。

3．控制变量

①经济发展水平（EC），使用地区人均GDP的对数值表示；②工业发展水平（Ind），采用第二产业占总产值的比重进行衡量；③研发投入（RD），采用R & D经费的对数值表示；④外商投资水平（FDI），采用外商直接投资占地区生产总值比重来测度。

4．中介变量

依据上述理论分析，本文中介变量包括：①技术创新（Inno），碳减排需要技术创新来支持，尤其需要绿色技术创新的发展[66]，本文借鉴薛飞等的思路，采用每万人绿色专利授权数来测度各省份技术创新水平；②公众环保关注度（Bdidx），本文参考董直庆等的方法，以“环境污染”为关键词，获得省级居民2011—2020年使用百度搜索引擎检索“环境污染”关键词的年度检索次数。

5．数据来源

本文选取2011—2020年我国30个省份（不包括西藏自治区、香港特别行政区和澳门特别行政区、台湾地区）的面板数据进行研究，数据来源于《中国能源统计年鉴》、《中国统计年鉴》、《中国信息产业年鉴》、《中国科技统计年鉴》、《中国城市统计年鉴》、中国研究数据服务平台（CNRDS）、各省份统计年鉴以及北京大学数字普惠金融指数、百度指数等，少数缺失数据使用均值或者平均增速替代。为了缓解模型异方差的影响，对碳排放量（CE）、经济发展水平（EC）、研发投入（RD）进行对数化处理。变量描述性统计如表3所示。