工业智能化与全球碳减排

摘要基于1993—2019年51个国家的平衡面板数据,运用双重固定效应模型、中介效应模型和门槛效应模型,分析了工业智能化对全球碳减排的影响和内在机理。研究发现:工业智能化能够显著推动全球碳减排,经过一系列稳健性检验后该结论依然成立。中介效应回归结果表明,工业智能化可以通过制造业高端化和产业结构升级渠道推动全球碳减排。门槛效应回归结果表明,全球碳减排不仅受工业智能化自身发展水平的动态影响,工业集聚度在其中也发挥着调节作用。进一步研究发现,工业智能化能够更大幅度降低全球富裕国家和富裕群体的人均碳足迹,有助于缓解全球碳排放的不平等。因此,应当推动人工智能技术在工业领域的广泛应用,通过跟踪碳足迹评估政策的实际环境影响,推动工业智能化与碳减排领域的国际合作。

	Service

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	Email Alert
	RSS
	作者相关文章
	杨春蕾
	佟继英

关键词：工业智能化气候问题全球碳减排碳足迹包容性发展

Abstract： Based on the balanced panel data of 51 countries from 1993 to 2019, this paper uses the models of double fixed effect, intermediary effect and threshold effect to analyze the influence and internal mechanism of industrial intelligence on global carbon emission reduction. Research has found that industrial intelligence can significantly drive global carbon reduction, and this conclusion remains valid after a series of rigorous tests. The mediation effect regression results indicate that industrial intelligence can promote global carbon reduction through channels such as upgrading the manufacturing industry and upgrading the industrial structure. The regression results of the threshold effect indicate that global carbon reduction is not only dynamically influenced by the development level of industrial intelligence itself but also regulated by the industrial agglomeration. Further research has found that industrial intelligence can significantly reduce the per capita carbon footprint of wealthy countries and populations, helping to alleviate global carbon emission inequality. Therefore, it is necessary to promote the widespread application of artificial intelligence technology in the industrial sector, track the actual environmental impact of carbon footprint assessment policies, and promote international cooperation in the fields of industrial intelligence and carbon reduction.

Keywords： Industrial Intelligence Climate Problem Global Carbon Reduction Carbon Footprint Inclusive Development

收稿日期 2023-06-22; 接受日期 ;

基金资助:河北省社会科学基金项目(HB19YJ006)

作者简介: 杨春蕾(1979— ),女,江苏南通人,博士,教授,主要从事世界经济、发展经济学研究;佟继英(1975— ),女,河北唐山人,博士,教授,主要从事世界经济、区域经济研究。

引用本文:

杨春蕾, 佟继英.工业智能化与全球碳减排[J]. 经济经纬, 2024,1: 110-119

YANG Chunlei, TONG Jiying.Industrial Intelligence and Global Carbon Reduction[J] Economic Survey, 2024,V41(1): 110-119

链接本文:

http://www.jjjw.org.cn/CN/ 或 http://www.jjjw.org.cn/CN/Y2024/V41/I1/110

[1] 陈诗一,2009.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究(4):41-55.
[2] 陈国进,陈凌凌,金昊,等,2023.气候转型风险与宏观经济政策调控[J].经济研究(5):60-78.
[3] 丁斐,庄贵阳,刘东,2020.环境规制、工业集聚与城市碳排放强度:基于全国282个地级市面板数据的实证分析[J].中国地质大学学报(社会科学版)(3):90-104.
[4] 龚银银,张永庆,郑苏江,2023.工业机器人应用与全要素生产率提升[J].企业经济(11):15-27.
[5] 贺菊煌,沈可挺,徐嵩龄,2002.碳税与二氧化碳减排的CGE模型[J].数量经济技术经济研究(10):39-47.
[6] 黄海燕,刘叶,彭刚,2021.工业智能化对碳排放的影响:基于我国细分行业的实证[J].统计与决策(17):80-84.
[7] 蒋为,龚思豪,李锡涛,2022.机器人冲击、资本体现式技术进步与制造业碳减排:理论分析及中国的经验证据[J].中国工业经济(10):24-42.
[8] 景国文,2023.工业机器人应用与制造业企业全要素生产率提升[J].企业经济(10):105-114.
[9] 李小平,卢现祥,2010.国际贸易、污染产业转移和中国工业CO₂排放[J].经济研究(1):15-26.
[10] 林伯强,谭睿鹏,2019.中国经济集聚与绿色经济效率[J].经济研究(2):119-132.
[11] 马海涛,刘金科,2021.碳排放权交易市场税收政策:国际经验与完善建议[J].税务研究(8):5-11.
[12] 聂飞,胡华璐,李磊,2020.工业机器人何以促进绿色生产？——来自中国微观企业的证据[J].产业经济研究(4):1-14.
[13] 邵帅,范美婷,杨莉莉,2022.经济结构调整、绿色技术进步与中国低碳转型发展:基于总体技术前沿和空间溢出效应视角的经验考察[J].管理世界(2):46-69.
[14] 石敏俊,袁永娜,周晟吕,等,2013.碳减排政策:碳交易还是两者兼之？[J].管理科学学报(9):9-19.
[15] 王海,郭冠宇,闫卓毓,2023.机器人应用对城市碳排放影响的机理与效应研究[J].财经问题研究(5):52-63.
[16] 王蓉,林芳竹,2022.低碳经济研究进展:可视化、演进和未来展望[J].辽宁大学学报(哲学社会科学版)(6):43-53.
[17] 王向进,杨来科,钱志权,2018.制造业服务化、高端化升级与碳减排[J].国际经贸探索(7):35-48.
[18] 王艳秋,陶思佳,2023.工业智能化对中国工业碳排放效率的影响及空间效应研究[J].技术经济(1):130-140.
[19] 王奕淇,段洋洲,2023.中国双向FDI协调发展的碳减排效应[J].中国人口·资源与环境(4):70-81.
[20] 魏嘉辉,顾乃华,2022.工业机器人、高技能劳动集聚与地区工业集聚[J].产经评论(1):146-160.
[21] 魏巍贤,杨芳,2010.技术进步对中国二氧化碳排放的影响[J].统计研究(7):36-44.
[22] 温忠麟,叶宝娟,2014.中介效应分析:方法和模型发展[J].心理科学进展(5):731-745.
[23] 薛飞,刘家旗,付雅梅,2022.人工智能技术对碳排放的影响[J].科技进步与对策(24):1-9.
[24] 杨刚强,王海森,范恒山,等,2023.数字经济的碳减排效应:理论分析与经验证据[J].中国工业经济(5):80-98.
[25] 杨莉莎,朱俊鹏,贾智杰,2019.中国碳减排实现的影响因素和当前挑战:基于技术进步的视角[J].经济研究(11):118-132.
[26] 原毅军,谢荣辉,2014.环境规制的产业结构调整效应研究:基于中国省际面板数据的实证检验[J].中国工业经济(8):57-69.
[27] 张华,魏晓平,2014.绿色悖论抑或倒逼减排:环境规制对碳排放影响的双重效应[J].中国人口·资源与环境(9):21-29.
[28] 张永生,巢清尘,陈迎,等,2021.中国碳中和:引领全球气候治理和绿色转型[J].国际经济评论(3):9-26.
[29] 周行,马延柏,2023.地方政府“减污降碳”协同治理的减排效应研究:基于环境规制策略的调节效应[J].经济与管理(3):40-48.
[30] ACEMOGLU D,RESTREPO P,2020.Robots and jobs: evidence from US labor markets[J].Journal of political economy,128(6):2188-2244.
[31] ANG J B,2009.CO₂ emissions, research and technology transfer in China[J].Ecological economics,68(10): 2658-2665.
[32] BARON R M,KENNY D A,1986.The moderator-mediator variable distinction in social psychological research:conceptual,strategic and statistical considerations[J].Journal of personality and social psychology,51(6):1173-1182.
[33] BERKHOUT P,MUSKENS J,VELTHUIJSEN J,2000.Defining the rebound effect[J].Energy policy,28(6/7):425-432.
[34] GRAETZ G,MICHAELS G,2018.Robots at work[J].Review of economics and statistics,100(5):753-768.
[35] GREENING L,GREENE D,DIFIGLIO C,2000.Energy efficiency and consumption-the rebound effecta survey[J]. Energy policy,28(6-7):389-401.
[36] HANSEN B,1999.Threshold effects in non-dynamic panels:estimation,testing and inference[J].Journal of econometrics,93(2):345-368.
[37] MIZOBUCHI K,2008.An empirical study on the rebound effect considering capital costs[J].Energy economics, 30(5):2486-2516.