引言

国家主席习近平在第七十五届联合国大会一般性辩论上指出，中国将采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。“双碳”目标是有效应对气候变化和推动经济增长的重要抓手，展现了我国积极推动构建人类命运共同体的大国担当，是为实现可持续发展的内在要求而作出的重大战略决策。据此，如何在保持经济稳定增长的前提下推动全社会绿色低碳发展成为当前亟须解决的重大课题。结合我国目前经济社会的发展形势，造成二氧化碳过度排放的原因有很多，其中最主要的是能源电力行业对于化石燃料的过度燃烧。国家能源局数据显示，“十三五”期间，我国88% 的碳排放来自能源燃烧，其中有41% 的能源用来发电，而发电产生的二氧化碳排放最终由电力消费所驱动^[1]。特别是，城市作为推动经济高质量增长的主要单元，在发展过程中势必会导致大量的电力消费，进而增加碳排放^[2]。由此可见，减少电力消费导致的碳排放对于加快实现“双碳”目标，推动全社会绿色低碳发展有着十分重要的意义。

与此同时，伴随着新一轮科技革命和产业革命的到来，全球开始进入数字经济时代。大数据、云计算、物联网等数字技术的蓬勃发展，为推动经济社会朝着绿色化、低碳化发展提供了强劲动力，而数字基础设施建设则是实现数字技术创新发展的关键支撑^[3]。2013年，国务院印发《“宽带中国”战略及实施方案》，明确要求将宽带网络作为国家战略性公共基础设施，全面支撑经济发展和服务社会民生，2014年确立39个城市为第一批“宽带中国”示范城市。“宽带中国”战略的实施，推动了数字基础设施建设的发展和完善，有助于促进企业数字化、绿色化转型，进而淘汰传统高耗能、高污染企业，降低碳排放水平。然而，数字基础设施建设是个长期且庞大的工程，这一过程中必然会伴随着大量的电力消耗，从而加剧电力消费碳排放。那么，数字基础设施建设最终是否能够减少城市的电力消费碳排放？如果能够减少碳排放，其中的作用机制是什么？我们又该如何平衡数字经济发展和电力消费降碳之间的关系？基于此，本文将“宽带中国”政策作为一项准自然实验，探究数字基础设施建设对电力消费碳排放的影响，这对于在“双碳”目标背景下进一步完善我国数字基础设施建设，推动全社会绿色低碳发展具有重要现实意义。

确保如期实现“双碳”目标，要以经济社会发展全面绿色转型为引领。近年来，学术界从多个方面探讨了如何降低碳排放水平，研究发现，经济增长^{[4, 5]}、交通基础设施建设^[6]、政府环境规制^[7]、财政激励^[8]和税收政策^[9]等因素均能影响二氧化碳的排放。随着数字经济时代的到来，我国数字基础设施不断完善，为解决环境治理问题提供了新的思路和路径选择^[10]。数字基础设施不同于传统基础设施，具有更强的外部性，是企业数字化转型的“奠基石”和绿色发展的“加速器” ^[11]，有利于推动企业低碳绿色转型^[12]，Zhang等^[13]认为，数字基础设施能够显著降低中国城市碳排放，并且这种影响对秦岭—淮河以北的城市更为明显。Zhou等^[14]研究发现，数字基础设施能够通过促进产业结构合理化、引发数字技术创新等多种机制推动碳中和进程。Nie等^[15]则发现，数字基础设施建设主要通过推动城市绿色创新和提高公众环保意识来降低城市碳排放。此外，数字基础设施建设的完善有助于全面消除“数字鸿沟”，推动各个领域与数字技术的深度融合^[16]。孙晓曦等^[17]认为政府部门以数字技术作为支撑能够更好把握市场动向，时刻监测污染排放并作出有效针对，缓解市场失灵，从而减少碳排放。李少林等^[18]、Deng等^[19]研究发现企业运用数字技术可以提高能源利用效率，促进企业绿色转型，减少碳排放。张杰等^[20]认为数字经济能够驱动家庭消费低碳转型，并通过提高消费者对环境压力的认知、促进产品绿色技术创新来实现减少碳排放。

基于现有研究不难发现，数字基础设施建设可以通过多种路径减少碳排放。然而，在数字经济飞速发展的背后，各种数字化产品和设备因消耗电力导致的二氧化碳排放量增加问题不容忽视。现有文献普遍认为数字化程度与电力消耗水平呈正相关关系^[21-23]，并将数字化服务视为全球电力消费增长的首要驱动力^[24]。Salahuddin等^[25]利用经合组织国家的样本数据，发现互联网用户每增加1%，人均电力消费就会增加0.026%。同样地，Sadorsky^[23]利用新兴经济体数据研究发现，互联网用户每增加1%，人均电力消费增加0.108%。Bhattacharya等^[26]的研究也表明，互联网接入将导致电力消费增加。电力消费增加，碳排放水平势必会随之上升。Salahuddin等^[27]认为数字技术的发展会导致电力消费的增长，从而增加当地碳排放。缪陆军等^[28]研究发现，数字产业电力密集程度高，在生产过程中，需要消耗大量的电力资源，从而加大碳排放。Li等^[29]发现数字经济带来的技术进步，会使企业在经济发展初期加大能源的消耗而增加产量，从而促使碳排放量增加。常皓亮等^[1]则认为数据中心建设会增加电能消耗，产生碳锁定效应，从而加剧电力消费碳排放。

综上所述，当前关于数字经济对碳排放影响的研究已有相当数量，并且总体认为数字经济的发展能够降低总体碳排放水平，但鲜有研究从电力消费视角出发探究数字基础设施建设对碳排放的影响，对于数字基础设施建设是否能够减少电力消费碳排放这一问题还有待商榷。鉴于此，本文选取2010— 2022年中国城市面板数据，构建渐进双重差分模型，考察数字基础设施建设对城市电力消费碳排放的影响和可能的作用机制。

本文可能的边际贡献在于：第一，目前国内外已有较多文献开始探究数字基础设施建设对碳排放的影响，然而几乎所有文献都还集中于对城市碳排放总量的影响，鲜有研究进一步深入探讨数字基础设施建设对电力相关碳排放的影响，与本文内容比较接近的是常皓亮等^[1]的研究，证明了大数据战略对电力消费碳排放的抑制作用，然而，大数据与数字基础设施建设虽然同属数字经济的重要范畴，但也存在显著差异，本文为研究数字基础设施建设与电力消费碳排放之间关系提供了直接的经验证据，拓展了相关领域研究视野。第二，当前研究关于数字基础设施建设对碳排放的传导路径还主要体现在企业层面，主要包括产业结构升级和绿色技术创新，然而，除了企业外，政府也是影响碳排放的重要主体，本文在此基础上，引入政府监管水平作为数字基础设施建设影响电力消费碳排放的作用机制，为碳排放相关领域的研究拓展了新思路。第三，已有文献多关注政策的内部效应，忽略了政策效应的空间溢出，本文在证明数字基础设施建设能够降低电力消费碳排放的基础上，利用空间距离矩阵，进一步检验了“宽带中国”政策对电力消费碳排放影响的溢出效应，并通过稳健性检验证明了该溢出效应的具体辐射半径。

1 政策背景与理论机制 1.1 政策背景

近年来，数字经济快速发展，对数字基础设施建设要求日渐提高。2010年，我国宽带接入用户规模达到1.26亿户，但平均网速只有1.774 M/s，排名全球第71位。数字基础设施的短板愈发难以满足人们日益增长的信息消费需求和经济高质量增长的需要。为此，工信部在2011年全国工业和信息化工作会议上提出“宽带中国”战略，用于加强我国数字基础设施建设。2013年8月，国务院印发“宽带中国”战略实施方案，并将其上升为国家战略，要求同年底，基本实现城市重要区域无线局域网覆盖。2014—2016年，国家发展改革委和工信部先后批复三批共计117个“宽带中国”示范城市，并要求城市家庭20Mbps及以上宽带接入能力、农村家庭4Mbps及以上宽带接入能力、固定宽带家庭普及率、3G/LTE移动电话人口普及率、4Mbps及以上宽带用户渗透率、8Mbps及以上宽带用户渗透率等六项指标在创建期末达到全国领先水平。《中国互联网发展报告（2021）》显示，截至2020年底，我国互联网普及率达到70.4%，5G网络用户数超过1.6亿，新增移动通信基站90万个，累计总数达931万个。由此可见，“宽带中国”战略推动了中国数字基础设施建设的完善和发展，这也为本文探究数字基础设施建设对电力消费碳排放提供了良好的准自然实验基础。

1.2 理论分析与研究假设

“宽带中国”试点政策旨在推动城市数字基础设施建设的完善，能够直接影响试点城市的电力消费碳排放。一方面，数字基础设施建设所带来的数字化消费模式和智能设备的普及增加了电力消费碳排放。另一方面，数字基础设施建设能够使数据作为生产要素进入生产过程，从而减少电力资源使用。同时，数字基础设施建设还可以通过加强政府监管水平、促进产业结构升级和推动绿色技术创新等途径间接影响电力消费碳排放，以及借助居民金融可得性水平的提高，强化数字基础设施建设对电力消费碳排放的影响效果。因此，为探究“宽带中国”政策对电力消费碳排放的影响，本文构建如下理论机制框架，如图 1所示。

1.2.1 数字基础设施建设对电力消费碳排放的直接影响

数字基础设施建设对电力消费碳排放的直接影响体现在两点。一方面，数字基础设施在建设和使用过程中会导致电力消费碳排放增加。数字基础设施的完善推动了各种高新数字技术和应用场景的爆发式增长，带动数字设备生产、研发、应用等环节耗电量大幅上升，数字基础设施日益成为“吃电大户”。事实上，我们当前社会的所有运行模式都高度依赖数字设备，而几乎所有数字基础设施均由电力驱动且需24小时不间断运行，耗电规模巨大。以大型数据中心为例，除了在工作过程中需要大量电力驱动外，还需要空调、制冷器等一系列辅助设备进行降温，电力成本占运营总成本的60%~ 70%，所耗电量远超人们日常生活用电。国家能源局相关数据显示，2018年全国数据中心耗电总量达到1609亿千瓦时，超过上海市当年全社会用电量，占全国用电量比重的2.35%。2021年，全国数据中心耗电量为2166亿千瓦时，为同期三峡电站累计发电量的两倍。数字基础设施的完善还催生出了众多新兴服务业态，如在线购物、在线教育、远程办公、在线医疗等，这些模式都需要网络和电力来提供稳定高效的服务保障。以在线购物为例，电商平台运行需要用电力驱动，用户和商家的交易过程依靠电子设备实现，参与物流配送的快递员和外卖员，交通工具以电动车为主，任何一个环节都会消耗大量电力资源。结合我国当前以煤电为主的电源结构，数字基础设施建设的不断推进将会造成电力消费碳排放的增加。

另一方面，数字基础设施建设的系统性完善能够优化电力消费端的用能行为，有助于大规模降低电力消费产生的二氧化碳排放。这种减排作用主要体现为三点：第一，数字基础设施是以数据创新为驱动、通信网络为基础、数据算力设施为核心的基础设施体系，主要包括5G、云计算、物联网、大数据等新一代数字信息技术，涉及人们生产生活中的方方面面。不同于传统基础设施，数字基础设施具有更强的网络外部性和规模效应，能够大规模存储和处理数据，进而降低数据获取和使用的成本。所以当数据作为生产要素进入生产过程时，往往能够凭借其自身相对较低的边际成本来减少其他要素投入量，进而降低对劳动力、资本、能源等传统生产要素的依赖程度，提高资源利用效率和经济效益^[30]。根据柯布—道格拉斯生产函数，当数据要素投入量增加时，可以减少其他以电力为主的能源使用量，进而减少电力消费碳排放。第二，数字基础设施建设的不断完善，推动了数字技术与传统电力技术的深度融合，有助于塑造“数据驱动+ 智能调控”的清洁能源减碳模式。首先，利用物联网和人工智能技术，可以将传统电网升级为智能电网，从而实时监测用户的用电需求，动态调整电力供应。具体而言，在电力需求高峰时段，自动降低非关键设备用电，减少对化石能源调峰电厂的依赖，同时利用AI技术预测可再生能源的出力情况和用户的用电特征，设置分时电价引导用户在绿电充足时段用电，降低整体用电的碳强度。其次，依靠区块链技术和分布式交易平台，还可以构建电动汽车智能充电网络，实现电网与充电桩（V2G）的互动。在电网可再生能源出力高峰时段优先为电动汽车充电，而在用电高峰时段则将电动汽车电池作为分布式储能向电网反向放电，这样既可以降低新能源汽车的使用成本，还可以优化电网运行效率从而降低电力消费碳排放。第三，数字基础设施通过技术迭代与架构创新，能够实现自身能耗的指数级下降。例如，在靠近数据源的终端设备处理数据，即可减少云端传输能耗。当前阶段，数字基础设施建设正通过核心技术创新和清洁能源替代的双重路径，从“高能耗”向“高能效”转型。

总体来看，数字基础设施建设对电力消费碳排放的直接影响主要表现为抑制作用，本文先假定总效应为负，提出假说1。

H1：数字基础设施建设能够降低电力消费碳排放。

1.2.2 数字基础设施建设降低电力消费碳排放的作用机制

本文基于现有研究，从政府层面和企业层面两个维度探讨数字基础设施建设降低碳排放的作用机制，认为数字基础设施建设可以通过加强政府监管水平、促进产业结构升级和企业绿色技术创新等方式降低电力消费碳排放。

（1）从政府监管水平角度。数字基础设施建设的完善有助于加快信息流动速度，使政府可以通过构建电力大数据平台实现对全社会发电用电情况的全方位监测，并针对违反规定的高耗电部门进行用电规制或行政处罚，从而达到节约资源和降碳的效果。以湖南省“生态环境+ 电力大数据”智慧监管平台为例，政府通过对高耗能企业安装介入式用电监控终端，采集数据分析处理，能够实现对全省火力发电企业、排污工业企业的在线监控及精准监管，减少能源消耗。此外，政府通过对电力大数据的挖掘与分析，还可以准确了解各行业、各地区的电力消耗情况，以及预测电力需求，进而调整电力市场政策，充分利用峰谷价差手段，引导消费者合理用电，优化电力资源配置，减少电力损耗，降低碳排放水平。

（2）从产业结构升级角度。产业结构升级实质上是资源要素在不同部门之间相互转移的过程^[31]。随着我国经济发展层次的提升和工业化进程的加快，电力消费逐渐成为企业生产活动的主要消费能源^[32]，数字基础设施建设的完善推动了数字经济的快速发展和数字技术的不断进步，有助于传统产业充分吸收新知识、新技术，从而衍生出了一大批新模式、新业态，提升能源利用效率。以物联网、大数据、区块链等新兴技术为代表的数字基础设施，能够推动资源要素由生产效率低的部门向生产效率高的部门转移，挤压并淘汰传统高耗能产业，有助于降低电力需求，减少电力消耗碳排放。产业结构升级还可以降低经济发展对高污染、高能耗重工业企业的依赖程度，从而抑制钢铁、有色、建材和石油化工等高耗能行业的能源电力消费规模，推动工业企业的低碳发展，进而显著降低碳排放^[33]。此外，数字基础设施可以协助企业创建能源管理系统和检测平台，从而提高生产和能源利用效率，优化生产流程。特别是电力行业，数字基础设施与新能源技术的相互融合能够实现电企数字化转型，从而有效提升新能源发电的预测精度和智能水平，促进源网荷储智能融合，助力新能源消纳，扩大绿电消耗比例，从而减少电力消耗造成的碳排放。

（3）从企业绿色技术创新角度。数字基础设施是信息传播和交流的重要媒介^[34]。一方面，以大数据、5G和人工智能等为代表的数字技术，能够打破信息流动的时空壁垒，降低企业信息和知识的获取成本，增加企业知识存量，进而提升企业绿色技术创新水平。另一方面，数字基础设施的完善拓宽了科研人员获取知识的途径，有助于提高人力资本水平，增强技术研发能力，从而提高绿色技术创新效率。除此之外，数字基础设施还具有强大的渗透性和网络外部性，能够促进绿色技术的扩散和溢出，特别是针对那些规模较小且产业水平落后的企业，可以通过较小的成本获取先进技术，提高自身绿色研发水平。绿色技术创新是减少电力消费碳排放的重要手段。首先，绿色技术创新能够优化生产流程，减少不必要的电力资源消耗；其次，绿色技术创新有助于节能产品和设备的研发，提高电力资源的利用效率；再次，绿色技术创新可以促进清洁能源技术的发展^[35]，从而利用可再生能源替代电力资源的使用，减少电力消费；最后，绿色技术创新可以推动数字电网和储能技术的发展，通过对电力需求的实时监测和调度，优化电力分配，减少电力传输过程中的电力损耗。基于此，本文提出假说2。

H2：数字基础设施建设通过加强政府监管水平、促进产业结构升级和企业绿色技术创新来降低电力消费碳排放。

1.2.3 居民金融可得性的调节效应

伴随着金融可得性水平的提高，居民获贷门槛降低，在有了足够资本的情况下，居民可以购买太阳能光伏板、风力发电机等可再生能源发电设备，响应国家光伏扶贫政策。一方面，这能够为自己的家庭或企业提供清洁能源，降低对传统电力的依赖，减少电力消费造成的碳排放。另一方面，居民可以将多余的电力上网售卖，在获得收入偿还贷款的同时，还可以提高全社会的绿色电力使用量。金融可得性的提高还促进了绿色金融产品的发展，使个人和企业可以通过购买绿色金融产品来提高清洁能源使用比例，有助于提高全社会的环保意识，减少电力资源使用率。基于此，本文提出假说3：

H3：居民金融可得性在数字基础设施建设降低电力消费碳排放中发挥正向调节作用。

2 研究设计 2.1 模型设定

本文旨在研究数字基础设施建设对电力消费碳排放的影响，将“宽带中国”战略作为一项准自然实验。此外，由于“宽带中国”试点城市分多批设立，故而采用渐进双重差分模型，具体模型如下：

$ \begin{aligned} \text { ln Mission }_{i t}= & \alpha_0+\alpha_1 \text { Treat }_i \times \text { Post }_t \\ & +\sum\limits_{k=1}^5 \gamma_k x_{k i t}+\eta_i+\mu_t+\varepsilon_{i t} \end{aligned} $

(1)

式中，lnMission为本文核心被解释变量，表示电力消费碳排放水平；Treat× Post是本文的核心解释变量；α₁为核心解释变量的回归系数，如果α₁为正，表示数字基础设施建设会增加电力消费碳排放，如果α₁为负，表示数字基础设施建设会减少电力消费碳排放；x为一组影响电力消费碳排放的控制变量；η表示城市固定效应；μ表示时间固定效应；ε为随机误差项。

为进一步验证数字基础设施建设对电力消费碳排放的影响机制，本文参考苏丹妮等^[36]和景国文^[37]的做法，设计如下模型进行检验：

$ \begin{aligned} \operatorname{Med}_{i t}= & \beta_0+\beta_1 \operatorname{Treat}_i \times \operatorname{Post}_t+\sum\limits_{k=1}^5 \gamma_k x_{k i t} \\ & +\eta_i+\mu_t+\varepsilon_{i t} \end{aligned} $

(2)

$ \begin{aligned} \text { ln Mission }_{i t}= & \lambda_0+\lambda_1 \operatorname{Med}_{i t}+\sum\limits_{k=1}^5 \delta_k x_{k i t} \\ & +\eta_i+\mu_t+\varepsilon_{i t} \end{aligned} $

(3)

式中，Med为机制变量，表示数字基础设施建设减少电力消费碳排放的作用机制，分别包括政府监管水平、产业结构升级和绿色技术创新。

最后，为检验金融可得性对数字基础设施建设与电力消费碳排放的影响，构建如下模型：

$ \begin{aligned} \ln \text { Mission }_{i t}= & \delta_0+\delta_1 \text { Treat }_i \times \text { Post }_t \times \text { Finance }_{i t} \\ & +\sum\limits_{k=1}^5 \gamma_k x_{k i t}+\eta_i+\mu_t+\varepsilon_{i t} \end{aligned} $

(4)

其中，Finance为调节变量，代表居民金融可得性；δ₁是交互项的估计系数，如果δ₁为负，表示居民金融可得性存在正向的调节作用。

2.2 变量说明 2.2.1 被解释变量

电力消费碳排放水平。鉴于只考虑电力消费产生的二氧化碳排放，本文采用全市用电总量乘以区域电网排放因子得出电力消费导致的二氧化碳排放量。同时，考虑到碳排放量数值较大，对城市电力消费碳排放量取对数。需要指出的是，截至目前，我国只公布了2011年、2012年、2021年和2022年的区域电网排放因子及2010年和2018年的省级电网排放因子，但随着电力系统的发展和清洁能源发电比例的增大，再结合现有研究，可以发现我国电网排放因子总体呈下降趋势，因而只依靠已有的电网排放因子可能无法反映真实的电力消费碳排放^[38]。据此，本文在现有数据基础上，利用线性插值法推算出其他年份的区域电网排放因子。

2.2.2 核心解释变量

“宽带中国”战略试点城市。Treat× Post是本文的核心解释变量，Treat为“宽带中国”政策的处理组与控制组，如果为“宽带中国”试点城市则取值为1，非“宽带中国”试点城市则取值为0；Post为“宽带中国”战略政策实施时间，政策实施之后取值为1，政策实施之前取值为0。需要说明的是，每批“宽带中国”试点城市均在下半年公布，考虑到政策可能存在滞后性，本文将政策实施的下一年作为政策开始时间，即将2015年作为“宽带中国”政策实施的第一年。

2.2.3 机制变量

政府监管水平（Regulation）利用环保财政支出和环境规制强度来衡量。其中，环保财政支出采用公共财政支出中的节能环保支出表示，环境规制强度参考张建鹏等^[39]的做法，采用地级市政府工作报告中环境词汇词频数表示。通过熵值法评估地级市政府监管水平。关于产业结构升级的衡量，现有研究大多采用第三产业产值的增加值与第二产业产值的增加值之比表示^[40]，但当研究对象聚焦于“电力消费碳排放”时，该指标存在明显的局限性。一方面，其无法揭示第二产业内部中高耗电行业的结构变化；另一方面，第三产业中诸如数据中心等行业同样是高耗能部门，其比重的上升未必带来碳排放的下降。为此，本文采用工业用电量与工业增加值的比值来衡量产业结构水平，其数值越小，表明单位工业增加值所消耗的电力越少，反映出产业结构向低能耗、高附加值方向升级的程度越深。为了方便解释，本文采用其比值的相反数来代表产业结构升级。绿色技术创新（Innovate）采用城市每万人绿色专利申请数量表示。

2.2.4 调节变量

居民金融可得性（Finance）利用北京大学数字金融研究中心发布的数字普惠金融指数进行衡量。

2.2.5 控制变量

除了数字基础设施建设外，还存在其他潜在因素可能会影响电力消费碳排放水平。据此，本文参考郭丰等^[33]、王阳等^[3]的研究，引入一系列控制变量，具体包括：经济发展水平（Economics）用城市夜间灯光数据来衡量；人口规模（lnPeople）用城市年末人口数的对数表示；工业化程度（lnIndustry）利用第二产业增加值的对数表示；研发投入（Research）采用财政科技支出占财政支出的比重来衡量；发电结构（Electricity）采用省级火力发电占发电量的比重来衡量。

2.3 数据来源

本文的研究样本为2010—2022年中国283个地级市城市的面板数据，包括108个试点城市和175个非试点城市。所用数据中，全社会用电量、各地级市第二产业和第三产业增加值、每万人公共交通客运总量、年末常住人口、财政科技支出、政府公共财政总支出皆来源于《中国城市统计年鉴》和各城市统计年鉴。绿色专利申请数来源于中国研究数据服务平台。数字普惠金融指数来源于北京大学数字金融研究中心。城市夜间灯光数据来源于全球夜间灯光数据库。省级发电总量和火力发电量来源于《中国电力统计年鉴》。政府工作报告中环境词汇来自各地级市政府网站。电网排放因子分别来自我国生态环境部发布的《 2010年中国区域及省级电网平均二氧化碳排放因子》《 2011年和2012年中国区域电网平均二氧化碳排放因子》《 2021年电力二氧化碳排放因子》《 2022年电力二氧化碳排放因子》以及国家应对气候变化战略研究和合作中心发布的2018年省级电网平均二氧化碳排放因子。部分缺失数据，采用相近年份数据线性插补。各个变量的描述性统计如表 1所示。

3 实证结果分析 3.1 基准回归

表 2为“宽带中国”试点政策对电力消费碳排放影响的基准回归结果。其中，列（1）是未添加控制变量的回归结果，列（2）至列（6）是逐步添加控制变量的回归结果。从各列的回归结果可以发现，核心解释变量的回归系数始终在1% 的水平以下显著为负，且回归系数的绝对值均在0.2左右波动，表明设立“宽带中国”试点城市能够显著降低电力消费碳排放水平，即数字基础设施建设的完善有助于减少电力消费碳排放。进一步地，根据列（6）回归结果所示，在添加所有控制变量的情况下，核心解释变量的估计系数为-0.196，表明“宽带中国”战略实施后，试点城市的电力消费碳排放水平降低了19.6%。以上结果证明，数字基础设施建设能够使城市电力消费碳排放水平下降，验证了前文的假说1。

3.2 平行趋势检验

采用渐进双重差分模型开展政策效应评估的前提是研究样本满足平行趋势检验，即在未受到政策干预的前提下，试点城市和非试点城市的被解释变量变化趋势一致。本文借鉴Beck等^[41]的做法，采用事件分析法进行平行趋势检验，具体模型如下：

$ \begin{aligned} \ln \text { Mission }_{i t}= & \beta+\sum\nolimits_{-5}^7 \beta_s \text { Treat }_i \times \text { Post }_t \\ & +\sum\limits_{j=1}^5 \delta_j X_{i j t}+\eta_i+\mu_t+\varepsilon_{i t} \end{aligned} $

(5)

式中，Treat× Post为政策虚拟变量，表示城市i被设为“宽带中国”试点城市的第t年；β为对应的估计系数，其余变量与双重差分模型中各变量保持一致。

本文将“宽带中国”战略实施前一年，即2014年作为基期。具体结果如图 2所示，虚线代表 95% 的置信区间，“宽带中国”战略实施前各个年份的回归系数不显著异于0，表明“宽带中国”战略实施前试点城市和非试点城市的电力消费碳排放水平没有显著差异，“宽带中国”战略实施后的第二年回归系数具有显著差异，表明“宽带中国”政策对电力消费碳排放的影响存在滞后性，其原因可能是数字基础设施建设的周期比较长，从政策实施到发挥减碳效应需要一定时间。上述结果证明本文通过平行趋势检验。

3.3 安慰剂检验

由于电力消费碳排放可能受多种因素影响，为了排除其他不可观测因素对“宽带中国”试点城市减碳效应的影响，本文参考Chetty等^[42]和曹清峰^[43]的研究，通过虚构处理组进行安慰剂检验。具体做法是在全部样本中随机选取与处理组样本数量相同的城市作为新的处理组，并保持新处理组试点城市的政策实施时间与原处理组保持一致，即在2014年、2015年和2016年分别于非试点城市中随机选取37个、37个、34个城市作为处理组，并利用原有基准回归模型重新估计系数。将上述过程重复操作1000次，相应得到1000个估计系数，具体结果如图 3所示。可以发现，1000次回归的估计系数服从正态分布且p值大部分大于0.1，表明“宽带中国”政策对电力消费碳排放的影响不大可能受到其他不可观测因素的影响，进一步证明了本文的研究结果是稳健的。

3.4 稳健性检验 3.4.1 倾向得分匹配—双重差分模型估计

由于“宽带中国”试点城市的设立并不是完全随机的，容易产生“选择性偏差”问题，为了解决这一问题，本文采用倾向得分匹配—双重差分模型（PSM-DID）进行稳健性检验。根据匹配后的样本重新进行估计，所得结果如表 3列（1）所示，可以发现，核心解释变量的回归系数依旧在1% 的水平下显著为负，且系数值大小与基准回归结果基本相同，证明了本文结论的稳健性。

3.4.2 改变政策发生时间

为了进一步检验研究结果的稳健性，本文采用反事实方法，将“宽带中国”政策实际实施时间分别滞后1年和2年进行估计。具体结果如表 3所示，根据表 3列（2）和列（3）估计结果可知，当“宽带中国”政策分别滞后1年和2年后，交互项系数依然在1% 的水平下显著为负。相比基准回归的估计结果，交互项系数的绝对值逐年增大，说明数字基础设施的建设过程需要一定的时间，并且数字基础设施建设的规模越大，对电力消费碳排放的抑制作用越明显。验证了“宽带中国”政策效果滞后性的真实存在，进一步证明本文的研究是稳健的。

3.4.3 排除其他政策干扰

在本文研究的样本期内，除了“宽带中国”政策外，还有其他电力行业相关政策会影响城市电力消费碳排放水平，从而干扰基准回归的估计结果。通过对2010—2022年相关政策的搜集和整理，发现对本文估计结果可能产生较大影响的电力相关政策主要有两个，分别是新能源示范城市政策（did_1）和电力现货市场试点政策（did_2）。参考孙天阳等^[44]的做法，将上述政策以虚拟变量的形式纳入基准回归模型进行估计。估计结果如表 3列（4）所示，在加入其他政策影响后，核心解释变量的估计系数依然显著为负，表明本文的结论是稳健的。同时，可以发现，控制其他政策后，相比基准回归结果，核心解释变量估计系数的绝对值略微下降，说明若是不考虑其他政策因素，可能会高估“宽带中国”试点城市对电力消费碳排放的抑制作用，但并不影响本文的最终结论。

3.4.4 更换被解释变量

本文基准回归中的被解释变量是基于区域电网排放因子计算得出的城市电力消费碳排放量，然而我国并未公布所有年份的电网排放因子，推导出的数据可能存在一定误差。为了避免这一问题，进一步地将城市全社会用电量作为被解释变量进行估计，选取依据是我国当前的发电结构仍以火电为主，用电量与碳排放之间存在较强的相关性。估计结果如表 3列（5）所示，说明“宽带中国”政策的实施能够使试点城市的用电量降低17.5%，从而减少二氧化碳排放，验证了本文结论的稳健性。

3.4.5 剔除直辖市和省会城市（自治区首府）

省会城市和直辖市的经济发展水平、投资和营商环境以及居民生活水平往往会优于其他城市，在相同政策条件下，其数字基础设施建设的进度和规模可能会大幅度领先其他城市，进而干扰我们识别“宽带中国”政策对电力消费碳排放水平的影响。因此，本文将剔除直辖市和省会城市（自治区首府）重新进行估计^[45]。估计结果如表 3列（6）所示，解释变量的估计系数在5% 水平下显著为负。此外，与基准回归中不剔除直辖市和省会城市（自治区首府）的结果相比，估计系数的绝对值变小，且显著性也有所降低，这说明“宽带中国”政策对于所有城市都能起到显著的降碳效果，但在直辖市和省会城市（自治区首府）中带来的碳减排效应更强，证明了本文结论的稳健性。

3.5 作用机制分析

根据上文基准回归结果和多次稳健性检验，证实数字基础设施建设确实能够降低电力消费碳排放，结合前文提出的研究假设，进行作用机制检验。如表 4所示，由列（1）和列（2）可知，“宽带中国”政策估计系数显著为正，说明数字基础设施建设能够加强政府监管水平。政府监管水平的估计系数显著为负，证明数字基础设施建设能够通过加强政府监管水平降低电力消费碳排放水平。由列（3）和列（4）可知，“宽带中国”政策估计系数显著为正，产业结构升级的估计系数显著为负，说明数字基础设施建设能够通过促进产业结构升级降低电力消费碳排放。由列（5）和列（6）可知，“宽带中国”政策估计系数显著为正，说明数字基础设施建设能够提高绿色技术创新水平，绿色技术创新的估计系数显著为负，证明数字基础设施建设能够通过促进绿色技术创新降低电力消费碳排放水平。上述结论验证了前文的假说2。

3.6 调节效应分析

居民金融可得性的调节效应估计结果如表 5所示。由列（2）可知，“宽带中国”政策与数字普惠金融指数的交互项系数显著为负，证明居民金融可得性在数字基础设施建设降低电力消费碳排放中发挥正向调节作用，验证了前文的假说3。为了进一步验证此结论的稳健性，本文分别利用数字普惠金融指数下设的一级指数：数字金融覆盖广度指数、数字金融使用深度指数和普惠金融数字化程度指数作为调节变量进行检验，估计结果如列（3）至列（5）所示，交互项的估计系数皆显著为负，说明前文所得结论依然成立。

4 进一步分析 4.1 异质性分析 4.1.1 地理位置异质性

地理位置不同会导致政策效果产生较大差异。我国东部沿海城市，经济水平普遍较高，其产业规模和消费观念相对领先于西部地区，这可能会使不同地区对“宽带中国”政策产生不同反应，造成电力消费碳排放差异。据此，本文根据各省份所在地理位置，将所有城市划分为东部地区、中部地区和西部地区进行检验。估计结果如表 6中（1）所示，东部地区和中部地区城市的回归系数显著为负，西部地区城市的估计系数不显著，说明“宽带中国”政策的实施能够显著降低东部和中部地区城市的电力消费碳排放，但对西部地区城市的降碳作用不显著，这可能是因为西部地区经济相对落后，产业发展水平相对低下，无法在当下发挥数字基础设施建设的降碳作用，存在一定滞后性。此外，中部地区估计系数的绝对值大于东部地区，说明数字基础设施建设更有利于降低中部城市的电力消费碳排放，其原因可能是中部地区相比东部地区高耗能产业较多，产业发展水平较低，数字技术的应用能够加快企业的绿色转型，提高能源利用效率，对于电力消费碳排放的抑制作用更显著。

4.1.2 工业水平异质性

我国电力消费结构以工业用电为主。2022年，全国工业用电量占全社会用电量的比重高达64.8%，是碳排放的主要来源之一，由此可见，工业规模不同的城市，受政策冲击后对电力消费产生的影响可能存在较大差异。本文根据2010—2022年各个城市的工业增加值平均水平，将所有样本分为工业型城市和非工业型城市进行分组回归。估计结果如表 6中（2）所示，工业型城市的回归系数显著为负，非工业型城市的回归系数不显著，说明“宽带中国”政策能够降低工业型城市的电力消费碳排放，而不会影响非工业型城市的电力消费碳排放。这可能是因为数字基础设施建设对于电力消费碳排放的抑制作用主要体现在提高工业企业的能源利用效率上，非工业型城市的工业企业规模较小，导致受政策冲击后产生的降碳作用不明显。

4.1.3 城市规模异质性

城市规模的大小往往决定着能源消耗的数量，大城市的电力消费量一般来说会明显高于小城市，因此，数字基础设施建设对电力消费碳排放的影响可能会因为城市规模的差异而不同。本文根据新一线城市研究所最新公布的《城市商业魅力排行榜》，将一线城市、新一线城市、二线城市、三线城市定义为大城市，将四线城市、五线城市定义为小城市进行分组回归。估计结果如表 6中（3）所示，小型城市回归系数的绝对值要明显大于大型城市回归系数的绝对值，说明“宽带中国”政策更有利于降低小型城市的电力消费碳排放水平。原因可能是大型城市的电力需求基数较大，且自身拥有一定的数字建设基础，导致其受到政策冲击后产生的影响相对较小。相反，小型城市原本用电需求相对较少，数字技术水平落后，随着数字基础设施的完善，能够更有效地改善资源配置效率，提高能源利用效率，从而在更大程度上减少电力消费碳排放。

4.2 溢出效应分析

基于大数据和物联网等技术的数字基础设施建设具有强大的渗透性，能够打破传统的时空壁垒，加快信息传递速度，使得不同地区的联系更加紧密。一方面，“宽带中国”试点地区的成功经验可以为邻近城市提供借鉴。工信部和国家发展改革委曾提出，示范城市的发展模式要对其他城市起引领和示范作用。因此，试点城市发展的同时，也可能带动周边城市加大数字基础设施建设力度，从而降低电力消费碳排放水平。另一方面，试点城市具有先发优势，数字技术推动产业结构低碳化转型，能够提高能源利用效率。在政府监管水平不断提高的情况下，试点城市可能会将淘汰掉的高耗能产业转移到周边城市，从而提高周边城市的电力消费碳排放水平。鉴于此，“宽带中国”政策对电力消费碳排放的影响可能存在一定程度的溢出效应。然而，传统双重差分模型假定不同个体受到政策影响是相互独立的，无法用来识别政策的溢出效应，据此，本文引入“近邻处理组”，具体模型如下：

$ \begin{aligned} \text { In Mission }{ }_{i t}= & \beta_0+\beta_1 \text { Treat }_i \times \text { Post }_t+\beta_2 \text { Close }_{i t} \\ & +\sum\limits_{k=1}^5 \gamma_k x_{k i t}+\eta_i+\mu_t+\varepsilon_{i t} \end{aligned} $

(6)

式中，Close为一组虚拟变量，在同一时期内为“宽带中国”试点城市的近邻城市取值为1，否则取值为0；其余变量与基准回归模型中变量保持一致。

借鉴Liu等^[46]的做法，分别将距离“宽带中国”试点城市〔（0，60km]、（60，90km]、（90，120km]〕的非试点城市作为新的实验组，其余城市作为对照组进行回归。

估计结果如表 7所示。可以发现，“宽带中国”政策不仅能够降低试点城市的电力消费碳排放水平，还能够降低附近城市的电力消费碳排放水平，即存在有利的溢出效应。然而，这种效果只对试点城市60km以内的城市起作用，随着距离的增加，显著性开始降低。同时，根据列（2）和列（3）的估计结果可知，新实验组的估计系数开始由负向变为正向，且系数值增大，显著性提高，说明非试点城市与试点城市的距离超出一定范围后，还会产生不利的溢出效应。

为了保证溢出效应检验结果的稳健性，本文参考Zhu等^[47]的做法，删除掉所有试点城市样本，重新进行估计。估计结果如表 8所示，由列（1）可知，距离试点城市60km以内的新实验组城市，估计系数在1% 水平上显著为负，进一步验证了“宽带中国”政策能够对距离试点城市60km范围内的城市产生有利的溢出效应。列（2）的估计结果表明，当新实验组城市与试点城市的距离在60~ 90km范围内时，估计系数的显著性水平开始降低，并且估计系数的绝对值大幅变小，说明有利的溢出效应逐渐开始消失。列（3）的估计结果则说明，当新实验组城市与试点城市之间的距离超过90km时，“宽带中国”政策开始产生不利的溢出效应，即“宽带中国”政策的实施会提高这些城市的电力消费碳排放水平。

5 结论及建议 5.1 研究结论

数字经济和“双碳”目标是我国当前经济社会发展的两大主题，应以数字赋能助力“双碳”目标有效实现，全力打造数字经济与“双碳”战略相融合、互相促进的良性局面。那么，数字基础设施建设能否有效降低电力消费碳排放水平？本文将“宽带中国”政策作为一项准自然实验，采用2010— 2022年283个地级市面板数据，构建渐进双重差分模型，探究数字基础设施建设对电力消费碳排放的影响和作用机制。研究结论如下：①“宽带中国”政策使得试点城市的电力消费碳排放水平平均下降19.6%，这一结论经过平行趋势检验、安慰剂检验和一系列稳健性检验后依旧成立。②作用机制检验显示，数字基础设施建设通过加强政府监管水平、促进产业结构升级和绿色技术创新来降低电力消费碳排放水平。③调节效应分析显示，居民金融可得性在数字基础设施建设降低电力消费碳排放中发挥正向调节作用。④异质性检验表明，就地理位置来看，“宽带中国”政策能够显著降低中部地区和东部地区城市的电力消费碳排放水平，而不会影响西部地区城市的电力消费碳排放水平，且与中部和东部地区城市相比，“宽带中国”政策对中部地区城市的电力消费碳排放抑制作用更显著；就工业水平和城市规模来看，“宽带中国”政策对工业水平高和规模小的城市电力消费碳排放抑制作用更显著。⑤“宽带中国”政策对试点城市附近60km范围内城市的电力消费碳排放存在有利的溢出效应。

5.2 政策启示

基于上述研究结论，本文得出以下政策启示：

第一，继续推进数字基础设施建设，将数字基础设施的全面普及与深化应用置于实现“双碳”目标的战略高度。“宽带中国”政策自2013年施行至今取得了显著成效，目前所有试点城市已基本实现宽带网络全面覆盖，应在此基础上进一步扩大并优化宽带网络、数据中心等数字基础设施的布局与能效标准，尤其是在高耗能区域，充分发挥其作为“减排基座”的关键作用。此外，应推动数字技术与电力系统、工业生产及城市治理的深度融合，通过智能化、数字化手段系统提升全社会电力使用效率，从而在全国范围内复制和推广这一成功的降碳路径，助力形成数字经济与绿色低碳循环发展的新格局。

第二，赋能政府监管，建立基于数字平台的能源消费与碳排放实时监测系统，强制要求高耗能企业接入该系统，实现碳排放数据的自动采集、核查与公开。利用数字技术引导企业绿色转型，为传统高耗能产业提供智能化、低碳化改造解决方案；同时，制定差异化的产业政策，对能效显著提升的企业给予税收减免或补贴，对高耗能、低数字化水平的企业施加更高的环境成本。此外，依托数字基础设施，建设绿色技术协同创新平台，促进企业、高校、科研院所之间的知识共享与合作研发。

第三，继续提升金融基础设施的完善程度，增加基本金融服务惠及主体范围，推广数字金融服务和绿色金融产品，定向支持绿色消费与生产。同时，制定与数字基础设施建设相配套的金融政策，确保数字红利能通过金融渠道充分释放，一方面，针对居民用户，推出低息的“数字绿色消费贷”，专门用于购买高能效家电、家用光伏设备、电动汽车等绿色产品；另一方面，针对小微企业和个体工商户，提供“数字化改造专项贷款”，支持其利用数字技术进行节能改造、购买绿色专利或升级环保设备。

第四，针对不同城市的发展水平和要素禀赋制定差异化发展战略，实现资源的合理分配。东部地区经济基础较好、数字化水平较高，在政策制定过程中需侧重数字技术创新，推动数字技术与能源系统的深度融合，支持智能电网、分布式能源系统、数字孪生等前沿技术的研发与应用，进一步挖掘数字化在优化能源结构、提升终端用电效率方面的潜力。中部地区数字基础设施建设的电力减排效果最显著，在政策制定过程中需侧重工业数字化转型，加大对传统工业尤其是高耗能行业数字化转型的支持力度，推广工业互联网、能源管理系统等技术，促进生产流程智能化与能源消耗精细化管控，加速工业绿色低碳转型；西部地区的数字基础薄弱、经济承载能力有限，“宽带中国”政策在该区域的碳减排效应尚未充分显现，未来政策应着力扩大光纤网络与5G覆盖范围，提升网络质量与可及性，同时结合本地风光资源禀赋，探索“数字+ 清洁能源”融合发展的特色路径，为数字赋能减碳打下坚实基础。