2030年前实现二氧化碳排放达到峰值、2060年前实现碳中和——用历史上最短的时长实现从碳达峰到碳中和，这是中国向全世界许下的庄严承诺。工业领域长期以来是我国二氧化碳排放的第一大户。相关数据显示，我国二氧化碳的排放70%以上来自工业生产或生成性排放。工业，特别是制造业，降低碳排放对实现“双碳”目标至关重要。

制造业是工业的主力。相关资料显示，近年来，我国制造业增加值占GDP比重呈现下降趋势，从2010年的31.5%下降到2020年的26.2%。而以制造业闻名全球的德国和日本，这一比重大致稳定在20%左右。相比发达国家，我国工业化、城镇化等进程目前尚未结束，但比重却在下降，应引起注意。“十四五”规划和2035年远景目标纲要提出，“坚持自主可控、安全高效，推进产业基础高级化、产业链现代化，保持制造业比重基本稳定，增强制造业竞争优势，推动制造业高质量发展”。王喜莲等 [18] 以黄河流域9省域为研究对象，作者将黄河流域工业行业碳排放情况分为高碳、中碳、低碳行业，其中非金属制品业、煤炭开采及洗选业和汽油开采业等属于高碳行业，中碳行业包括通用设备制造业、专用设备制造业、食品制造业、交运设备制造业等，低碳行业包括饮料制造业、医药制造业金属制造业等，高碳行业碳排放占比高达96.35%，且碳排放呈现出持续增长态势。

据此，提出研究假设H1

H1：制造业发展与碳排放量呈正相关关系。

曹建飞等 [19] 为探讨数字经济对城市碳排放的影响，基于2011~2020年中国283个地级以上城市的面板数据，构建综合评价指标体系测算数字经济指数，核算各城市碳排放量，采用SBM模型测算城市碳排放效率，并以产业结构高级化和合理化指数来刻画城市的产业结构升级，在此基础上进行计量分析数字经济发展能够提升碳排放效率，二者呈现出“U”型关系，数字经济发展能够降低碳排放强度和减少碳排放量，均呈现出倒“U”型关系。贾明霞 [20] 基于2011~2021年我国285个地级及以上城市数据，实证检验数字经济对流通业碳排放的影响效应。研究结果显示，数字经济显著抑制了流通业碳排放。程慧等 [21] 基于2011~2020年中国省级面板数据，运用综合评价指数、自下而上法、空间自相关、空间错位模型和空间杜宾模型深入剖析数字经济与旅游业碳排放的空间格局及其空间溢出效应，在空间溢出效应上，数字经济发展对本地区旅游业碳排放具有显著抑制作用。陈慧灵等 [22] 基于2005~2019年我国30个省份的面板数据(不包括西藏和港澳台地区数据)，利用调节效应模型和动态空间杜宾模型探究数字经济发展对工业碳排放强度影响的异质性及其溢出性2005~2019年我国30个省份数字经济指数一直在快速增长，而工业碳排放强度则在逐渐降低；各省份之间差异较大，“高度数字化的省份”和“数字化不足的省份”之间的差异越来越明显，中西部省份的工业碳排放强度一直高于东部地区。

据此，提出研究假设H2

H2：数字经济对制造业发展和碳排放之间的关系具有负向的调节作用。

选取2013~2022年长江经济带沿线11个省份的面板数据，分析制造业对碳排放量的影响以及与数字经济发展水平的关系。有关数据来源于《中国统计年鉴》《中国能源统计年鉴》、CSMAR数据库和各省份统计年鉴等。

对于部分缺失的数据，则利用插值法进行补充，即根据存在缺失数值的历年数据做出适当的特定函数 $f\left(x\right)$在区间的其他点上用这特定函数值作为函数 $f\left(x\right)$的近似值。假设 $x_j$处为缺失值点，已知其n + 1个差值节点为 $\left(x_i,y_i\right),i=0,1,\cdots ,n$， $a_i$代表i阶差商， $F\left(x\right)$代表牛顿差值公式。

第一步，计算差商。

一阶差商： $a_1=f\left(x_0,x_1\right)=\frac{f\left(x_1-x_2\right)}{x_1-x_2}$

二阶差商： $a_2=f\left(x_0,x_1,x_2\right)=\frac{f\left(x_0,x_1\right)-f\left(x_1,x_2\right)}{x_0-x_2}$

三阶差商： $a_3=f\left(x_0,x_1,x_2,x_3\right)=\frac{f\left(x_0,x_1,x_2\right)-f\left(x_1,x_2,x_3\right)}{x_0-x_3}$

n阶差商： $a_n=f\left(x_0,x_1,\cdots ,x_n\right)=\frac{f\left(x_0,x_1,\cdots ,x_{n-1}\right)-f\left(x_1,x_2,\cdots ,x_n\right)}{x_0-x_n}$

第二步，根据差商的定义，可以得到牛顿差值公式。

$\begin{array}{l}F\left(x\right)=f\left(x_0\right)+f\left(x_0,x_1\right)\left(x-x_0\right)+f\left(x_0,x_1,x_2\right)\left(x-x_0\right)\left(x-x_1\right)+\cdots \\ +f\left(x_0,x_1,\cdots ,x_n\right)\left(x-x_0\right)\left(x-x_1\right)\cdots \left(x-x_n\right)\end{array}$

第三步，补全缺失值。

众所周知，制造业的发展是碳排放的主要来源之一。随着长江经济带经济的高速发展，制造业发展迅速。绿色低碳经济的内在逻辑是在经济稳定增长的同时降低CO₂排放，因此，使用二氧化碳排放量作为绿色低碳转型升级的衡量指标。为研究数字经济是否会推动绿色低碳转型升级，其中CO₂排放量的测算是关键。为避免简单的一次能源划分法导致误差过大，根据《中国能源统计年鉴》，将最终能源消费种类分为8类，包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气，采用2006年《IPCC国家温室气体清单指南》提供的估算化石燃料燃烧的CO₂排放量的方法进行计算，所有燃料的碳排放估算可根据能源的消耗量以及CO₂排放系数来计算，主要能源的相关参数及CO₂排放系数见 表1 。计算出各种化石燃料的CO₂排放系数之后，与各种燃料的消费量相乘就可以计算出各种燃料的碳排放量。

注：CO₂排放系数 = 平均低位发热量 × 单位热值碳含量 × 碳氧化率 × 44/12。

根据计算可得2013~2022年长江经济带沿线11个省份制造业的碳排放量，见 图1 。

2013~2022年长江经济带沿线11个省份制造业的碳排放量此起彼伏，有的呈现上升趋势，有的则呈现出下降趋势，且各省份之间存在差异。其中，江苏制造业的碳排放量始终保持第一，且有上升的趋势，其次是浙江、安徽制造业。

参考前人从制造业研究和开发、新产品开发和销售、制造业经济效益和绿色发展三个维度来衡量制造业发展指标，并利用熵值法计算得到制造业升级情况综合得分，从结果来看，长江经济带产业发展比较不平衡，江浙沪、湖北、四川处于第一梯队，安徽、江西、湖南、重庆处于第二梯队，云南和贵州处于第三梯队。具体见 表2 、 表3 。

根据以往文献关于数字经济指标的归纳整理，可以得出多个衡量数字经济的具体指标。通过熵值法求得长江经济带11省市数字经济的综合得分情况见 表4 。统计结果来看，信息技术服务收入占比最高，其次是网页数。为了更方便地去理解，我们根据具体指标的性质将其归纳到数字基础设施、数字化能力、以及数字化收入三大维度。

根据权重得到数字经济发展水平综合得分，从结果来看，2013~2022年间，长江经济带各省市数字经济发展水平差异显著。以上海、江苏、浙江为核心的长江经济带数字经济发展水平领先。其结果见 表5 所示。

为精准评估数字经济对我国制造业绿色低碳发展的影响，并减少因缺乏变量而导致的估计误差，通过控制影响碳排放量的经济变量，从而提升模型对碳排放量的解释力。具体设置如下：① 经济发展水平( $LnP\_GDP$)，用人均地区生产总值来表示；② 人口规模( $Lnpopu$)，通过各省份年末人口规模来描绘；③ 经济发展速度( $E\_Grow$)，用各省份每年的GDP增长速度来表示；④ 财政收入水平( $Fiscal$)，以当地政府的财政收入来指代；⑤ 政策变量( $Test$)，低碳省份试点政策，低碳省份试点政策是中国政府为推动绿色低碳发展而实施的一项重要政策，旨在探索低碳经济的有效模式。将试点省份作为虚拟变量加以控制，能够清晰地隔离出数字经济对制造业绿色低碳发展的影响，避免政策干预对结果的混淆。⑥ 人口密度( $Dpop$)，采用各省份年末人口数与行政区域面积之比来表达。

基于以上的假设与理论分析，选取调节效应模型来分析数字经济发展水平对制造业发展水平作用于碳排放的调节效应，构建了以下模型：

$C{O}_{\text{2}}{}_{it}=\alpha +{\beta }_1{H}_{it}+{\beta }_{4}LnP\_GD{P}_{it}+{\beta }_{5}Lnpop{u}_{it}+{\beta }_{6}E\_Gro{w}_{it}+{\beta }_{7}Fisca{l}_{it}+{\beta }_{8}Tes{t}_{it}+{\beta }_{9}Dpo{p}_{it}+{\epsilon }_{it}$

$\begin{array}{l}C{O}_2{}_{it}=\alpha +{\beta }_1{H}_{it}+{\beta }_2{D}_{it}+{\beta }_3{H}_{it}\ast D_{it}+{\beta }_{4}Ln{P}_{GDP}{}_{it}+{\beta }_{5}Lnpop{u}_{it}\\ +{\beta }_6{E}_{Grow}{}_{it}+{\beta }_{7}Fisca{l}_{it}+{\beta }_{8}Tes{t}_{it}+{\beta }_{9}Dpo{p}_{it}+{\epsilon }_{it}\end{array}$

上述模型分别对应假设H1、假设H2。其中，i代表省份，t代表时间，H代表制造业发展水平，D代表数字经济发展水平，H*D代表制造业发展与数字经济发展的交互项，用以验证数字经济发展水平对制造业发展和碳排放关系的调节效应。此外，模型还引入了部分控制变量，如 $LnP\_GDP$代表经济发展水平， $Lnpopu$代表人口规模， $E\_Grow$代表经济发展速度， $Fiscal$代表财政收入水平， $Test$表示政策变量， $Dpop$代表人口密度。 ${\epsilon }_{it}$为随机干扰项， $\beta$代表变量的系数， $\alpha$代表模型的常数项。具体的变量说明见 表6 。

通过采集长江经济带沿线11个省份2013~2022年的经济发展相关数据进行描述性统计结果见 表7 。

注：^*、^**、^***分别表示在10%、5%、1%的水平上显著。下同。

由 表7 可知，在不考虑其他变量影响的情况下，制造业发展水平与碳排放量的关联系数为0.8071，在1%的水平上显著，表明随着制造业的不断增长，二氧化碳的排放愈加严重。数字经济发展水平与碳排放量也呈现出显著的相关性。控制变量中，经济发展水平、人口规模和财政收入水平与碳排放量显著正相关。

运用Stata17统计软件实证检验数字经济发展、制造业发展与碳排放之间的关系，根据上文模型进行回归，具体结果如 表8 所示。

由模型1可知，h的系数为0.0482，且在1%的水平上显著，说明制造业发展会增加碳排放。制造业发展带来的碳排放上升，强调了实现绿色低碳转型的迫切性。随着经济增长，碳排放的持续增加可能引发更加严重的环境问题(如气候变化、空气污染等)，因此，制造业必须立即采取行动向低碳模式转型，以避免对环境造成更大的负担。因此，假设H1得以验证。

模型2的交互项hd系数为−0.001621，且在1%的水平上显著，认为数字经济发展可以减少制造业发展所增加的碳排放，使得碳排放量相应的减少。数字经济发展水平作为一个重要的调节变量，可以有效调节制造业发展与碳排放之间的关系，它可以通过提升生产效率、增强环保技术应用、供应链透明化等方式，帮助制造业实现可持续发展目标，符合全球绿色经济发展的趋势。因此，假设H2得以验证。

本文基于两个假设，一是假设制造业发展与碳排放量呈显著正相关关系，二是假设数字经济对制造业发展和碳排放之间的关系具有负向的调节作用，来研究长江经济带下数字经济是否能推动制造业绿色低碳转型升级，被解释变量用碳排放量(CO₂)来表示，核心解释变量制造业发展水平用研究与开发、新产品开发与销售以及经济效益与绿色发展来表示，其中研究与开发占比达到41%，调节变量数字经济发展水平使用数字基础设施、数字化能力、以及数字化收入来衡量，数字化收入占比为35%，控制变量用经济发展水平来衡量。

基于以上构建模型，得出结论，证实了假设1和假设2，同时数字经济对制造业发展与碳排放之间的相关关系具有调节作用且数字经济的深度发展会抑制制造业碳排放量。

第一，发挥数字经济对制造业绿色低碳转型的引领作用。数字经济的发展显著促进了制造业碳排放强度的下降，是制造业绿色低碳转型的重要动力。应继续大力发展数字经济，不仅要扩大数字经济的规模，还要注重数字经济的发展水平，包括积极推进数字基础设施建设、加快数字网络技术的应用、强化数字科研支撑等多方面，充分发挥数字经济赋能制造业绿色低碳转型的资源配置效应和产品创新效应。

第二，打造数字化和信息化的绿色制造全产业体系。积极利用物联网、大数据、云计算、区块链、人工智能、数字孪生等新一代数字信息技术，打造网络化共享和智能化协作的绿色产业链供应链，积极推行绿色产业链供应链智慧化管理。创新数字化的绿色制造监管模式，推动碳排放源锁定、碳排放监管、碳排放预测预警等场景应用。构建数字化的绿色技术创新体系，专注于节能减排和碳捕集、碳封存等技术的网络化开发应用。完善数字化的绿色金融服务平台，实现绿色信贷和绿色企业、绿色项目的智能对接。

第三，加强数字经济赋能制造业绿色低碳转型的区域协作。数字经济赋能制造业绿色低碳转型存在显著的空间溢出效应，应通过区域协作推进制造业的绿色低碳转型。各省(区、市)在实施包括数字基础设施共建共享、数字产业发展互补互促、数字技术应用互联互通、数字技术协同研发等数字经济合作的基础上，积极建立制造业区域协同降碳机制，设立区域性制造业绿色低碳发展基金，强化节能减碳技术的协同研发和推广应用，形成制造业绿色低碳发展的协同推进新格局。