Mechanisms and Pathways of the Digital Economy to Resolve the Triple Energy Dilemma
-
摘要: 在全球能源转型与数字经济深度融合的背景下，利用数字技术创新破解能源安全、公平与可持续性的困境极为关键。基于2008—2023年中国276个城市面板数据，采用系统GMM方法实证检验数字经济影响能源三重困境的内在机制。研究发现：数字经济对能源三重困境具有显著的持续性改善作用; 其影响存在明显的“马太效应”，对能源转型基础较好城市的促进作用更为突出; 作用路径呈阶段性特征，稳健型城市以技术创新为主导，进阶型城市呈现“技术-产业”双轮驱动，潜力型城市则主要依靠产业结构升级; 数字经济通过技术创新、产业结构转型与资本要素注入三条路径形成“技术-结构-资本”三位一体传导机制。本研究深化了对数字经济赋能能源转型机理的认识，为制定差异化政策、推动数字经济与能源系统的深度融合提供了理论依据与实证支撑。Abstract: In the context of the deep integration of global energy transition and the digital economy, it is crucial to leverage digital innovation to address the trilemma of energy security, equity, and sustainability. Based on the panel data from 276 Chinese cities from 2008 to 2023, this study constructs models of dynamic panel and mediation effect, employing the system GMM method to empirically examine the internal mechanisms through which the digital economy influences the energy trilemma. The findings reveal that: the digital economy has a significant and sustained ameliorating effect on the energy trilemma; its impact exhibits a notable"Matthew effect", with more pronounced benefits in cities with a stronger foundation for energy transition; the pathways of influence display stage-specific characteristics—technology innovation dominates in robust cities, presenting that "technology-industry" dual-driven dynamics emerge in advanced cities, while industrial structure upgrading plays the primary role in potential cities; the digital economy operates through a trinity transmission mechanism of "technology-structure-capital", mediated by technological innovation, industrial restructuring, and capital infusion. This research deepens the understanding of how the digital economy enables energy transition, and provides theoretical and empirical support for formulating differentiated policies and promoting the deep integration of the digital economy with energy systems.
-
表 1 变量定义与数据来源
变量类型 变量名称 变量符号 测量方法 数据来源 被解释变量 能源三重困境指数 ETI 从能源安全、公平与可持续性三个维度构建综合评价体系 《中国城市统计年鉴》《中国城市建设统计年鉴》 核心解释变量 数字经济发展水平 DE 通过主成分分析合成互联网普及率、数字金融等指标 北京大学数字普惠金融指数、《中国城市统计年鉴》 控制变量 绿色创新 GI 绿色专利授权数量占比 国家知识产权局 环境规制强度 ER 政府工作报告中环境相关词汇频率 各城市政府工作报告 人口增长率 PG 常住人口年增长率 《中国城市统计年鉴》 产业结构 IS 第二产业增加值占GDP比重 《中国城市统计年鉴》 财政科技支出 FTE 科技支出占财政总支出的比例 Wind数据库 气温 TEM 年度平均气温 中国气象局 
下载: 导出CSV
表 2 能源三重困境指标体系
一级指标 二级指标 单位 方向 选取理由与依据 能源安全 供应稳定性 — + 衡量能源系统连续可靠供应能力，是能源安全的核心 人均天然气储量 立方米/人 + 反映城市应急调峰和短期能源安全保障潜力 人均汽油储备量 立方米/人 + 反映交通能源的应急保障能力 能源公平 燃气入户率 % + 衡量清洁炊事能源的普惠性，关乎基本生活能源公平 燃气管网长度 公里 + 反映城市燃气基础设施覆盖范围，是能源服务可及性的基础 居民供暖面积 万平方米 × 反映北方地区冬季基本生活能源保障，但面积过大可能隐含能效问题 能源可持续性 工业二氧化硫排放量 万吨 - 主要空气污染物，直接关联化石能源消费的环境影响 工业烟尘排放量 万吨 - 反映工业能源消费的颗粒物污染水平 能源消费总量 万吨标准煤 - 衡量能源系统总体规模与资源环境压力
下载: 导出CSV
表 3 变量描述性统计
变量 样本量 均值 标准差 最小值 最大值 ETI 3 569 -3.781 0.671 -5.255 -1.092 GI 3 569 3.908 1.856 0.010 7.972 DE 3 569 0.018 0.623 -1.289 1.527 lnDE 3 569 -0.021 0.318 -1.421 0.423 ER 3 569 -5.770 0.421 -6.790 -5.012 TEM 3 569 2.630 0.460 -1.464 3.255 PG 3 569 5.680 5.345 -16.640 39.180 IS 3 569 46.562 11.150 11.700 90.970 FTE 3 569 0.194 0.043 0.020 0.387
下载: 导出CSV
表 4 系统GMM回归结果
变量 系数 t统计值 ETIi, t-1 0.215*** (4.89) DE 0.118*** (3.52) GI 0.041** (2.32) ER 0.092*** (3.78) PG 0.009 (1.15) IS -0.005** (-2.41) FTE -0.285 (-1.43) TEM -0.874*** (-3.95) 常数项 -3.801*** (-3.25) 样本量 3 293 城市数量 276 AR(1)检验 0.012 AR(2)检验 0.345 Sargan检验 0.201 注：*、* *和* * *分别表示在10%、5%和1%水平上统计显著；所有模型均控制了时间固定效应和个体固定效应。下表同。
下载: 导出CSV
表 5 稳健性检验结果
检验类型 ETIi, t-1系数 DE系数 AR(2) [P值] Sargan [P值] 基准回归 0.215*** 0.118*** 0.345 0.201 替换控制变量 0.208*** 0.121*** 0.381 0.225 剔除新冠疫情样本 0.221*** 0.109** 0.402 0.187
下载: 导出CSV
表 6 K-means聚类分析结果
城市类型 聚类中心(ETI均值) 标准差 城市数量 F统计量(组间差异) ET稳健型 -2.461 0.521 36 ET进阶型 -3.702 0.448 149 385.27*** ET潜力型 -4.658 0.398 91 注：ETI指数为负向指标，数值越高(负值越小)表示能源三重困境越轻；F统计量检验三类城市ETI均值差异的显著性。
下载: 导出CSV
表 7 基于城市聚类分组的异质性回归结果
变量 ET稳健型城市 ET进阶型城市 ET潜力型城市 DE 0.152*** 0.125** 0.071 (3.15) (2.46) (1.38) 控制变量 是 是 是 样本量 315 1 120 1 858 城市数量 36 149 91 模型检验 通过 通过 通过 注：模型检验包括AR(1)、AR(2)和Sargan过度识别检验，均符合系统GMM估计要求。
下载: 导出CSV
表 8 中介效应检验结果
变量 (1)
泰尔指数(2)
ETI指数(3)
绿色创新(4)
ETI指数(5)
FDI(6)
ETI指数DE -0.735*** 0.082*** 0.943*** 0.085*** 0.252*** 0.086*** (-25.18) (9.21) (28.64) (9.68) (9.26) (9.12) Theil — -0.062*** — — — — (-11.92) GI — — — 0.029*** — — (13.05) FDI — — — — — 0.088*** (16.73) 控制变量 是 是 是 是 是 是 固定效应 是 是 是 是 是 是 间接效应 0.041 0.027 0.021 Bootstrap 95%CI [0.032, 0.058] [0.020, 0.035] [0.014, 0.030] 总效应大小 0.118 0.118 0.118 中介效应占比 35.3% 23.1% 22.0% 注：括号内为t统计值；总效应统一采用基准回归中DE对ETI的估计值0.118。
下载: 导出CSV
表 9 基于城市聚类的并行多重中介路径分析
城市类型 (1)
总效应(2)
总间接效应(3)
技术创新路径(4)
产业结构路径(5)
资本注入路径(6)
主导路径解读ET稳健型 0.173 0.090 0.047*** 0.022*** 0.021*** 技术核心驱动型 (52.2%) (24.4%) (23.3%) ET进阶型 0.188 0.112 0.043*** 0.041*** 0.028*** 双轮协同推进型 (38.4%) (36.6%) (25.0%) ET潜力型 0.121 0.076 0.011* 0.060*** 0.005 结构转型主导型 (14.5%) (78.9%) (6.6%) 注：总间接效应的Bootstrap 95%置信区间为：ET稳健型[0.067, 0.115]，ET进阶型[0.088，0.138]，ET潜力型[0.058, 0.096]；括号内为各路径中介效应占总间接效应的百分比。
下载: 导出CSV
-
[1] 马述忠, 张道涵, 胡增玺. 数字知识流动如何促进区域协调发展: 兼论经济增长和平衡发展双重目标[J]. 中国工业经济, 2025(2): 80-98. [2] REN S H, DOU X, WANG Z, et al. Medium- and long-term integrated demand response of integrated energy system based on system dynamics[J]. Energies, 2020, 13(3): 710. doi: 10.3390/en13030710 [3] FARBOODI M, VELDKAMP L. Data and markets[J]. Annual Review of Economics, 2023, 15(5): 23-40. [4] 盛斌, 吕美静, 朱鹏洲. 数字经济与全国统一大市场建设: 基于城市层面的研究[J]. 求是学刊, 2024(3): 1-18. [5] MILANO F, ORTEGA Á. A method for evaluating frequency regulation in an electrical grid-part Ⅰ: theory[J]. IEEE Transactions on Power Systems, 2021, 36(1): 183-193. doi: 10.1109/TPWRS.2020.3007847 [6] 薛洁, 余思怡. 数字经济与碳排放: 理论机制与经验证据[J]. 统计与管理, 2024(7): 73-85. [7] 张万里, 宣旸. 智能化如何提高地区能源效率?——基于中国省级面板数据的实证检验[J]. 经济管理, 2022(1): 27-46. [8] 罗玮晨, 史桂芬, 陈志臻. "数字+生态"驱动能源节约型技术进步的效应与机制——基于双试点政策的准自然实验[J]. 城市问题, 2025(2): 93-103. [9] MEISSNER X, GASSMANN C, FAURE J, et al. Individual characteristics associated with risk and time preferences: a multi country representative survey[J]. Journal of Risk and Uncertainty, 2023, 66(1): 77-107. doi: 10.1007/s11166-022-09383-y [10] 余林徽, 马博文. 资源枯竭型城市扶持政策、制造业升级与区域协调发展[J]. 中国工业经济, 2022(8): 137-155. [11] 韩文龙, 张瑞生, 赵峰. 新质生产力水平测算与中国经济增长新动能[J]. 数量经济技术经济研究, 2024(6): 5-25. [12] FAST V, SCHNURR D, WOHLFARTH M. Regulation of data-driven market power in the digital economy: business value creation and competitive advantages from big data[J]. Journal of Information Technology, 2023, 38(2): 202-229. doi: 10.1177/02683962221114394 [13] 陈梦根, 周元任. 数字经济、分享发展与共同富裕[J]. 数量经济技术经济研究, 2023(10): 5-26. [14] 洪俊杰, 李研, 杨曦. 数字经济与收入差距: 数字经济核心产业的视角[J]. 经济研究, 2024(5): 116-13 [15] 程杉, 傅桐, 李沣洋, 等. 含高渗透可再生能源的配电网灵活性供需协同规划[J]. 电力系统保护与控制, 2023(22): 1-12. [16] 龚勤林, 万一孜. 数字技术应用与能源效率提升: 来自中国城市层面的经验证据[J]. 工程管理科技前沿, 2024(4): 62-68. [17] USMAN M, HAMMAR N. Dynamic relationship between technological innovations, financial development, renewable energy, and ecological footprint: fresh insights based on the STIRPAT model for Asia Pacific Economic Cooperation Countries[J]. Environmental Science and Pollution Research, 2021, 28(12): 15519-15536. doi: 10.1007/s11356-020-11640-z [18] 赵震宇, 姚舜, 杨朔鹏, 等. "双碳"目标下: 中国CCUS发展现状、存在问题及建议[J]. 环境科学, 2023(2): 1128-1138. [19] BERGER E C, VON BRIEL F, DAVIDSSON P, et al. Digital or not: the future of entrepreneurship and innovation: introduction to the special issue[J]. Journal of Business Research, 2021, 125: 436-442. doi: 10.1016/j.jbusres.2019.12.020 [20] 梁圣蓉, 罗良文. 技术创新对碳生产率影响的空间效应——基于产业结构和对外开放视角[J]. 广西社会科学, 2022(4): 16-27. [21] 杨冕, 王恩泽, 叶初升. 环境管理体系认证与中国制造业企业出口"增量提质"[J]. 中国工业经济, 2022(6): 155-173. [22] SUHRAB M, CHEN P, ULLAH A. Digital financial inclusion and income inequality nexus: can technology innovation and infrastructure development help in achieving sustainable development goals?[J]. Technology in Society, 2024, 2: 102411. [23] 秦炳涛, 彭涔, 葛力铭, 等. 资源依赖、政府廉政水平与绿色技术创新: 来自中国资源型城市的经验证据[J]. 中国环境科学, 2023(7): 3835-3847. [24] ANWAR A, SIDDIQUE M, DOGAN E, et al. The moderating role of renewable and non-renewable energy in environment-income nexus for ASEAN countries: evidence from method of moments quantile regression[J]. Renewable Energy, 2021, 164: 956-967. doi: 10.1016/j.renene.2020.09.128 [25] SHARIF A, KARTAL M T, BEKUN F V, et al. Role of green technology, environmental taxes, and green energy towards sustainable environment: insights from sovereign Nordic countries by CS-ARDL approach[J]. Gondwana Research, 2023, 117: 194-206. doi: 10.1016/j.gr.2023.01.009 [26] 任大伟, 侯金鸣, 肖晋宇, 等. 支撑双碳目标的新型储能发展潜力及路径研究[J]. 中国电力, 2023(8): 17-25. [27] RAHMAN H U, ZAHID M, ULLAH M, et al. Green supply chain management and firm sustainable performance: the awareness of China Pakistan Economic Corridor[J]. Journal of Cleaner Production, 2023, 414: 137502. doi: 10.1016/j.jclepro.2023.137502 [28] DAI S, DU X. Discovering the role of trade diversification, natural resources, and environmental policy stringency on ecological sustainability in the BRICST region[J]. Research Policy, 2023, 85: 103868. doi: 10.1016/j.resourpol.2023.103868 [29] 伊志宏, 陈欣, 田柳. 公众环境关注对企业绿色创新的影响[J]. 经济理论与经济管理, 2022(7): 32-48. [30] KAR S K, HARICHANDAN S. Green marketing innovation and sustainable consumption: a bibliometric analysis[J]. Journal of Cleaner Production, 2022, 361: 132290. doi: 10.1016/j.jclepro.2022.132290 [31] 陈胤默, 王喆, 张明, 等. 全球数字经济发展能降低收入不平等吗?[J]. 世界经济研究, 2022(12): 118-134. [32] 任欣怡, 周亚虹. 我国数字鸿沟的形成因素、影响及其治理路径[J]. 经济问题, 2024(9): 50-58. [33] 马文甲, 张弘正, 陈劲. 企业数字化转型对绿色创新模式选择的影响[J]. 科研管理, 2023(12): 61-70. [34] 周正, 门博阳, 王博. 数字经济驱动制造业高质量发展的增长效应——基于中国数字经济与制造业的实证检验[J]. 河南师范大学学报(哲学社会科学版), 2023(1): 72-78. [35] 陈宠, 郭明君, 何理. 互联网基础设施集聚对区域经济发展的影响及机制研究[J]. 中国软科学, 2024(8): 122-132. [36] 胡洁, 于宪荣, 韩一鸣. ESG评级能否促进企业绿色转型?——基于多时点双重差分法的验证[J]. 数量经济技术经济研究, 2023(7): 90-111. [37] 张慧智, 孙茹峰. 政府环境注意力对区域低碳发展的影响研究——兼论中央环保约谈的调节作用[J]. 宏观经济研究, 2023(12): 69-84. [38] 林熙, 刘啟仁, 冯桂媚. 智能制造与绿色发展: 基于工业机器人进口视角[J]. 世界经济, 2023(8): 3-31. [39] 苏振宇, 林军. 考虑气象因素的月度电力需求预测方法[J]. 数理统计与管理, 2023(2): 315-325. -
