制造企業(yè)數(shù)字化對企業(yè)碳排放量的影響研究
——基于微觀視角的“杰文斯悖論” 再檢驗(yàn)

滕 穎 鄭宇航

1（電子科技大學(xué)長三角研究院（湖州），湖州 313000）2（電子科技大學(xué)經(jīng)濟(jì)與管理學(xué)院，成都 611731）

作為能源消耗與碳排放大國，我國生態(tài)環(huán)境已逐步逼近“環(huán)境紅線”。為應(yīng)對日趨嚴(yán)峻的環(huán)境壓力，2020 年我國提出“雙碳” 戰(zhàn)略目標(biāo)，強(qiáng)調(diào)我國經(jīng)濟(jì)要向綠色低碳循環(huán)發(fā)展方向轉(zhuǎn)變。此外，當(dāng)前以人工智能（Artificial Intelligence）、區(qū)塊鏈（Blockchain）、云計算（Cloud Computing）、大數(shù)據(jù)（Big Data）等“ABCD” 技術(shù)為核心的新一代產(chǎn)業(yè)革命加速興起，數(shù)字化正逐漸成為制造企業(yè)實(shí)現(xiàn)綠色低碳發(fā)展的重要突破點(diǎn)［1］。

然而，目前探究企業(yè)數(shù)字化績效后果方面的研究主要集中于探討企業(yè)數(shù)字化對企業(yè)財務(wù)績效［2］、創(chuàng)新績效［3］的影響上，較少關(guān)注企業(yè)數(shù)字化對企業(yè)碳排放的影響關(guān)系。更重要的是，當(dāng)前僅有的關(guān)注企業(yè)數(shù)字化與企業(yè)碳排放關(guān)系的經(jīng)驗(yàn)研究，幾乎都聚焦于探討企業(yè)數(shù)字化對企業(yè)碳排放強(qiáng)度的影響上，認(rèn)為企業(yè)數(shù)字化有助于提高企業(yè)碳排放強(qiáng)度，降低企業(yè)單位碳排放［4，5］。然而，杰文斯認(rèn)為新技術(shù)的采用雖然有助于提高能源強(qiáng)度，但同時也會刺激規(guī)模經(jīng)濟(jì)、加劇能源消耗，進(jìn)而增加環(huán)境污染（又稱“杰文斯悖論”）［5］。因此，在數(shù)字經(jīng)濟(jì)時代背景下，企業(yè)數(shù)字化能否降低企業(yè)碳排放量還值得深入探究。尤其在當(dāng)前環(huán)境下，不同于2009 年與2015 年我國僅將碳排放強(qiáng)度作為減排目標(biāo)，2020 年以來的“雙碳” 政策除了關(guān)注碳排放強(qiáng)度，更強(qiáng)調(diào)按照排放總量來核算企業(yè)碳減排成效，直接將減排目標(biāo)聚焦在碳排放總量之上。因此，相比于企業(yè)碳排放強(qiáng)度，關(guān)注企業(yè)數(shù)字化是否有助于降低企業(yè)碳排放量更具現(xiàn)實(shí)指導(dǎo)意義。

除此之外，當(dāng)前有關(guān)企業(yè)數(shù)字化與企業(yè)碳排放關(guān)系的研究，還主要聚焦于企業(yè)數(shù)字化的碳減排作用機(jī)制上［4］，缺乏對相關(guān)權(quán)變因素的探究。服務(wù)化定義了產(chǎn)品制造商的價值創(chuàng)造與獲取來源從單一產(chǎn)品提供向綜合服務(wù)提供轉(zhuǎn)變的過程［6］。這種轉(zhuǎn)變使企業(yè)的業(yè)務(wù)模式不斷從產(chǎn)品生產(chǎn)，向服務(wù)提供方向拓展［7］。本文認(rèn)為，企業(yè)數(shù)字化在本質(zhì)上就是企業(yè)在業(yè)務(wù)流程中采用數(shù)字技術(shù)。它通過軟硬件結(jié)合的方式為企業(yè)的業(yè)務(wù)發(fā)展提供技術(shù)支持，并始終與經(jīng)營戰(zhàn)略及業(yè)務(wù)模式保持一致［8］。因此，當(dāng)企業(yè)的業(yè)務(wù)模式由于服務(wù)化而發(fā)生轉(zhuǎn)變時，企業(yè)的數(shù)字技術(shù)應(yīng)用場景也會隨之改變［9］，從而影響企業(yè)建立在數(shù)字技術(shù)基礎(chǔ)之上的生產(chǎn)模式與規(guī)模，進(jìn)而影響企業(yè)能源消耗與碳排放量。由此可見，企業(yè)服務(wù)化可能會影響企業(yè)數(shù)字化與企業(yè)碳排放量之間的關(guān)系。因此，本文從服務(wù)化角度進(jìn)一步分析企業(yè)服務(wù)化程度對企業(yè)數(shù)字化與碳排放量關(guān)系的調(diào)節(jié)作用。

基于此，本文在已有研究基礎(chǔ)上，利用我國A 股上市制造企業(yè)數(shù)據(jù)，從微觀視角實(shí)證檢驗(yàn)數(shù)字經(jīng)濟(jì)時代下“杰文斯悖論” 是否存在，即企業(yè)數(shù)字化是否有助于降低企業(yè)碳排放量，并進(jìn)一步分析企業(yè)服務(wù)化程度對二者關(guān)系的調(diào)節(jié)作用。本文通過考察制造企業(yè)數(shù)字化與碳排放量的關(guān)系，拓展了企業(yè)數(shù)字化及其碳排放方面的研究；從服務(wù)化角度深化企業(yè)數(shù)字化對企業(yè)碳排放量的影響機(jī)制分析，解開企業(yè)數(shù)字化與企業(yè)碳排放總量之間的機(jī)制“黑箱”，為制造企業(yè)破解杰文斯悖論，更好基于數(shù)字化進(jìn)行碳減排提供理論指導(dǎo)。

1 理論分析與研究假設(shè)

1.1 制造業(yè)企業(yè)數(shù)字化與企業(yè)碳排放

將人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等“ABCD” 技術(shù)嵌入現(xiàn)有業(yè)務(wù)流程的過程被稱為數(shù)字化［10］。企業(yè)碳排放來源于企業(yè)運(yùn)營、工業(yè)制造與廢物處理等環(huán)節(jié)的資源與能源消耗［11］?，F(xiàn)有研究普遍認(rèn)為，企業(yè)數(shù)字化能否促進(jìn)企業(yè)碳減排的關(guān)鍵在于，企業(yè)在業(yè)務(wù)流程中采用數(shù)字技術(shù)是否有助于減少資源與能源消耗［12］。Lange 等（2020）［13］將數(shù)字化對碳排放量的影響分為直接影響與間接影響，其中間接影響又包含技術(shù)間接效應(yīng)、結(jié)構(gòu)間接效應(yīng)與規(guī)模間接效應(yīng)。他認(rèn)為數(shù)字化能否降低企業(yè)碳排放取決于這4 種效應(yīng)的凈效應(yīng)。

從技術(shù)間接效應(yīng)來看，制造企業(yè)數(shù)字化有助于提高生產(chǎn)效率，降低企業(yè)單位產(chǎn)品碳排放。具體而言，企業(yè)基于傳感器、CPS 架構(gòu)，可實(shí)現(xiàn)對能源消耗數(shù)據(jù)的精準(zhǔn)監(jiān)測并推動能源高效配置與調(diào)度，從而提高能源使用效率［14］；利用區(qū)塊鏈、大數(shù)據(jù)等技術(shù)，制造企業(yè)能夠有效匯聚各流程關(guān)鍵信息［15］，從而加快數(shù)據(jù)資源整合、實(shí)現(xiàn)制造資源的優(yōu)化配置并提高生產(chǎn)效率，進(jìn)而降低單位產(chǎn)品能源消耗［16］。從結(jié)構(gòu)間接效應(yīng)來看，制造企業(yè)數(shù)字化有助于改進(jìn)企業(yè)生產(chǎn)工藝并促進(jìn)精益生產(chǎn)，推動制造企業(yè)從原有粗放式發(fā)展模式向精益式創(chuàng)新驅(qū)動發(fā)展模式轉(zhuǎn)變［17］。這種轉(zhuǎn)變通過促進(jìn)制造企業(yè)減少污染密集型生產(chǎn)活動，降低企業(yè)能源消耗與碳排放量［18］。

與上述觀點(diǎn)相悖，從直接影響效應(yīng)來看，制造企業(yè)數(shù)字化通常建立在大量數(shù)字元器件與算力之上，同時還會面臨海量的數(shù)據(jù)搜集、處理與儲存等問題。因此制造企業(yè)數(shù)字化需要大量能源密集型基礎(chǔ)設(shè)施的支持，而這往往會加劇企業(yè)能源消耗，增加碳排放量［19］。更重要地，從規(guī)模間接效應(yīng)來看，由數(shù)字化所導(dǎo)致的生產(chǎn)效率提升會引發(fā)一系列反彈效應(yīng)（Rebound Effect），使能源消費(fèi)規(guī)模不減反增［13］。其中，杰文斯認(rèn)為經(jīng)濟(jì)增長被認(rèn)為是最主要的反彈效應(yīng)來源［5，20］。在經(jīng)濟(jì)快速發(fā)展階段，制造企業(yè)通常不會維持原有生產(chǎn)規(guī)模，而是會在生產(chǎn)效率提升的基礎(chǔ)上，投入更多生產(chǎn)要素，擴(kuò)大生產(chǎn)規(guī)模，以應(yīng)對日益增長的消費(fèi)需求［21］。而生產(chǎn)規(guī)模的擴(kuò)大會進(jìn)一步增大制造企業(yè)能源消耗規(guī)模，增加碳排放量。一些學(xué)者認(rèn)為，這種反彈效應(yīng)往往大到足以抵消由技術(shù)間接效應(yīng)與結(jié)構(gòu)間接效應(yīng)所導(dǎo)致的能源節(jié)省量［22］。

綜上所述，本文認(rèn)為雖然企業(yè)數(shù)字化在提高能源效率等方面存在優(yōu)勢，但直接影響效應(yīng)與規(guī)模間接效應(yīng)的存在可能會使企業(yè)能源消費(fèi)增量大于由技術(shù)間接效應(yīng)與結(jié)構(gòu)間接效應(yīng)所導(dǎo)致的能源節(jié)省量。因此，本文提出以下假設(shè)：

H1a：制造企業(yè)數(shù)字化減少了企業(yè)碳排放量。

H1b：制造企業(yè)數(shù)字化增加了企業(yè)碳排放量。

1.2 制造企業(yè)服務(wù)化對數(shù)字化與碳排放關(guān)系的調(diào)節(jié)

服務(wù)化是指產(chǎn)品制造商的價值創(chuàng)造與獲取來源從單一產(chǎn)品提供向綜合服務(wù)提供轉(zhuǎn)變的過程［8］。該過程不僅描述了用戶作為價值感知主體在企業(yè)價值創(chuàng)造過程中愈發(fā)重要的作用，更強(qiáng)調(diào)了企業(yè)的業(yè)務(wù)方向與價值獲取來源不斷從產(chǎn)品提供向服務(wù)提供轉(zhuǎn)變［7］。當(dāng)企業(yè)進(jìn)行服務(wù)化時，為保證對服務(wù)需求的及時響應(yīng)并提升服務(wù)交付的靈活性，企業(yè)通常會將更多人力資本、知識資本與技術(shù)要素嵌入生產(chǎn)經(jīng)營流程中，以提升組織應(yīng)對服務(wù)化需求的敏捷性［23］。此時，這種由服務(wù)化所導(dǎo)致的組織敏捷性會進(jìn)一步提升企業(yè)數(shù)字化的技術(shù)間接效應(yīng)與結(jié)構(gòu)間接效應(yīng)，即提高企業(yè)數(shù)字化對資源的配置與利用效率，從而提高企業(yè)生產(chǎn)效率，促進(jìn)精益生產(chǎn)，降低資源與能源消耗。

此外，將客戶需求、偏好與行為等信息嵌入生產(chǎn)過程被認(rèn)為有助于部分替代自然資源投入［24，25］，降低企業(yè)數(shù)字化的規(guī)模間接效應(yīng)。隨著企業(yè)服務(wù)化程度的不斷提高，企業(yè)積累的客戶需求、偏好與行為信息等無形服務(wù)要素不斷增加［26］。此時，企業(yè)采用數(shù)字技術(shù)將越來越多的無形服務(wù)要素嵌入生產(chǎn)環(huán)節(jié)，能進(jìn)一步增強(qiáng)對資源與能源投入的替代作用，降低數(shù)字化生產(chǎn)過程中的資源與能源消耗。當(dāng)企業(yè)服務(wù)化程度越高時，產(chǎn)品逐漸成為企業(yè)獲取服務(wù)收益的載體、充當(dāng)服務(wù)的附屬品，企業(yè)將更關(guān)注如何在現(xiàn)有產(chǎn)品基礎(chǔ)上提供更多服務(wù)來獲取價值，而不是通過產(chǎn)品銷售創(chuàng)造收益［8，26］。此時，企業(yè)數(shù)字化將更多服務(wù)于服務(wù)創(chuàng)造與交付，而減少數(shù)字化生產(chǎn)規(guī)模［9］。如企業(yè)利用數(shù)字技術(shù)為客戶提供遠(yuǎn)程維修與保養(yǎng)等服務(wù)，在一定程度上促進(jìn)了客戶“以維修代替購買”、“以保養(yǎng)代替以舊換新”，減少客戶對產(chǎn)品的購買。又如，制造企業(yè)利用數(shù)字技術(shù)將軟件服務(wù)與產(chǎn)品綁定，可以使客戶不需要通過頻繁更換產(chǎn)品來獲取新功能，而僅僅需要他們?nèi)ジ屡c產(chǎn)品綁定的軟件服務(wù)即可實(shí)現(xiàn)，這有助于減少客戶對產(chǎn)品的需求。由此可見，這些尋求功能最大化意圖的方式，將減少客戶對實(shí)質(zhì)性產(chǎn)品的消耗［27］，從而在一定程度上降低數(shù)字化生產(chǎn)規(guī)模，減少能源消耗與碳排放。綜上，本文提出以下假設(shè)：

H2：制造企業(yè)服務(wù)化有助于調(diào)節(jié)企業(yè)數(shù)字化與企業(yè)碳排放量的關(guān)系。

2 研究設(shè)計

2.1 樣本選擇與數(shù)據(jù)來源

本文以2012～2020 年我國A 股上市制造企業(yè)作為研究樣本。該樣本期間的選擇依據(jù)在于：（1）2012 年，國務(wù)院發(fā)布《“十二五” 國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》，開始強(qiáng)調(diào)推動物聯(lián)網(wǎng)、云計算、數(shù)字虛擬等技術(shù)與工業(yè)相融合，發(fā)展新一代戰(zhàn)略性新興產(chǎn)業(yè)；（2） 《中國能源統(tǒng)計年鑒》 公布的行業(yè)碳排放數(shù)據(jù)僅更新至2020 年。在此基礎(chǔ)上，本文剔除了ST、?ST 等公司樣本與數(shù)據(jù)缺失的樣本數(shù)據(jù)。相關(guān)變量數(shù)據(jù)來源于WIND、CSMAR 與CNRDS 數(shù)據(jù)庫。

2.2 變量測量

（1） 被解釋變量：企業(yè)碳排放量。參考陳小蓓和陳雪婷（2021）［28］、趙玉珍等（2021）［29］的研究，①根據(jù)國家能源折算標(biāo)準(zhǔn)與能源碳排放系數(shù)，將各制造行業(yè)的能源消耗量折算為各制造行業(yè)的碳排放總量；②按照各制造業(yè)企業(yè)營業(yè)總成本占所屬行業(yè)的主營業(yè)務(wù)成本的比值，計算各制造業(yè)企業(yè)的碳排放量；③對各企業(yè)的碳排放量求對數(shù)，用LNCE表示。具體公式如下：

（2） 解釋變量：企業(yè)數(shù)字化，由企業(yè)數(shù)字化程度衡量。參照吳非等 （2021）［30］、李青原等（2023）［31］的研究，本文采用人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等數(shù)字技術(shù)及其應(yīng)用的相關(guān)關(guān)鍵詞在年報中出現(xiàn)的頻次來衡量企業(yè)數(shù)字化程度；將各關(guān)鍵詞在年報中出現(xiàn)的頻次數(shù)據(jù)加總，再加上1 之后進(jìn)行對數(shù)化處理，并以此作為企業(yè)數(shù)字化程度的代理變量。

（3） 調(diào)節(jié)變量：企業(yè)服務(wù)化，由企業(yè)服務(wù)化程度衡量。參照趙宸宇（2020）［32］的方法，采用服務(wù)業(yè)務(wù)收入占主營業(yè)務(wù)收入的比例衡量企業(yè)服務(wù)化程度。

（4） 控制變量：參照樓永等（2022）［33］、趙鳳等（2016）［34］的研究，本文選取以下變量作為本文的控制變量（見表1）。

表1 變量描述與測量

2.3 模型設(shè)計

在Hausman 檢驗(yàn)基礎(chǔ)上，本文采用固定效應(yīng)模型檢驗(yàn)制造企業(yè)數(shù)字化對其碳排放量的影響，并進(jìn)一步檢驗(yàn)企業(yè)服務(wù)化對二者關(guān)系的調(diào)節(jié)作用。主要模型設(shè)定如下所示：

其中，α0表示截距項(xiàng)，β表示各變量的回歸系數(shù)，controli，t是加入的控制變量，cdigiti，t與cservei，t分別表示中心化后的數(shù)字化與服務(wù)化數(shù)據(jù)。Code、Year與Ind分別表示企業(yè)個體、年份與行業(yè)固定效應(yīng)，εi，t表示誤差干擾項(xiàng)。為避免極端異常值對回歸結(jié)果的影響，利用Winsorize 命令對主要連續(xù)變量進(jìn)行1%縮尾處理，并在此基礎(chǔ)上進(jìn)行標(biāo)準(zhǔn)化以排除量綱差異。

3 實(shí)證結(jié)果及分析

3.1 描述性統(tǒng)計與相關(guān)性分析

表2 報告了描述性統(tǒng)計與相關(guān)性分析結(jié)果。結(jié)果顯示，制造企業(yè)碳排放均值為7.777，標(biāo)準(zhǔn)差為2.35，說明制造企業(yè)間的碳排放量存在較大差異。同時，數(shù)字化程度平均值為1.914，標(biāo)準(zhǔn)差為1.045，表明制造企業(yè)間的數(shù)字化水平還處于較低水平，且差異較大。相關(guān)性分析表明，本文變量之間不存在嚴(yán)重的多重共線性問題。雖然制造企業(yè)數(shù)字化與企業(yè)碳排放量的相關(guān)系數(shù)為－0.192，在1%水平上顯著，與假設(shè)H1a 相反。但相關(guān)性檢驗(yàn)未考慮其他控制變量，因此需要進(jìn)一步回歸分析。

表2 描述性統(tǒng)計與相關(guān)性分析

3.2 回歸分析

表3 報告了制造企業(yè)數(shù)字化與企業(yè)碳排放量關(guān)系的逐步回歸檢驗(yàn)結(jié)果，與服務(wù)化程度的調(diào)節(jié)效應(yīng)結(jié)果。在不添加任何控制變量情況下，模型（1） 結(jié)果顯示，企業(yè)數(shù)字化（Digit）的回歸系數(shù)為0.032，且在1%的水平上顯著，初步說明制造企業(yè)數(shù)字化會增加企業(yè)碳排放量。模型（2） 在納入控制變量情況下顯示，企業(yè)數(shù)字化的回歸系數(shù)在1%的水平上繼續(xù)保持顯著，支持預(yù)期假設(shè)H1b，“杰文斯悖論” 現(xiàn)象存在。模型（3） 進(jìn)一步分析了服務(wù)化的調(diào)節(jié)作用，結(jié)果顯示數(shù)字化與服務(wù)化交互項(xiàng)（Digit?Serve）的回歸系數(shù)為－0.005，在10%水平上顯著，表明制造企業(yè)服務(wù)化會顯著負(fù)向調(diào)節(jié)企業(yè)數(shù)字化與企業(yè)碳排放量的正向關(guān)系，支持預(yù)期假設(shè)H2。

3.3 穩(wěn)健性檢驗(yàn)

采用以下3 種方式對假設(shè)H1a 與H1b 進(jìn)行穩(wěn)健性檢驗(yàn)，核心結(jié)論未發(fā)生實(shí)質(zhì)性改變。

（1） 借鑒吳非等（2020）［30］相關(guān)研究，基于數(shù)字化轉(zhuǎn)型口徑對企業(yè)數(shù)字化指標(biāo)進(jìn)行分解。企業(yè)數(shù)字化是包含不同結(jié)構(gòu)特征技術(shù)差異的譜系概念，可向下分解為“數(shù)字底層技術(shù)層面” 與“數(shù)字技術(shù)應(yīng)用層面”。其中“數(shù)字底層技術(shù)層面” 包含“人工智能技術(shù)” （AI）、“區(qū)塊鏈技術(shù)” （BC）、“云計算技術(shù)” （CC）與“大數(shù)據(jù)技術(shù)” （BD）4 個子維度。采用各數(shù)字技術(shù)子維度相關(guān)關(guān)鍵詞在年報中的出現(xiàn)頻次分別衡量企業(yè)數(shù)字底層技術(shù)層面的數(shù)字化各維度現(xiàn)狀。同時采用數(shù)字化應(yīng)用的相關(guān)關(guān)鍵詞衡量企業(yè)“數(shù)字技術(shù)應(yīng)用” （ADT）層面的數(shù)字化現(xiàn)狀。見表4 中模型（4）～（8），結(jié)論基本穩(wěn)健。

表4 穩(wěn)健性檢驗(yàn)

（2） 改變數(shù)字化測量方式。參考袁淳等（2021）［35］、肖土盛（2022）［36］的研究，采用企業(yè)數(shù)字化關(guān)鍵詞的總詞頻除以年報MD＆A 語段長度來衡量微觀企業(yè)數(shù)字化程度（Per＿digit），相關(guān)結(jié)論未發(fā)生實(shí)質(zhì)性改變，見表4 模型（9）。

（3） 剔除部分樣本。考慮到重大不利金融事件可能會阻礙制造企業(yè)數(shù)字化實(shí)踐，因此本文剔除2015 年中國股災(zāi)時期的制造企業(yè)樣本，相關(guān)結(jié)論未發(fā)生實(shí)質(zhì)性改變，見表4 模型（10）。

參照Mathieu （2001）［37］、Eggert 等（2014）［38］的方法，利用顧客支持服務(wù)（Serve2）收入數(shù)據(jù)用作穩(wěn)健性檢驗(yàn)，核心結(jié)論未發(fā)生實(shí)質(zhì)性改變，見表4 模型（11）。

3.4 內(nèi)生性檢驗(yàn)

為避免內(nèi)生性問題對結(jié)論的影響，本文采用解釋變量滯后與雙重差分兩種方法進(jìn)行內(nèi)生性檢驗(yàn)。

（1） 本文采取對核心解釋變量滯后1～3 期的方式，來避免互為因果的干擾。結(jié)果表明，制造企業(yè)數(shù)字化會顯著增加企業(yè)碳排放量，且該促進(jìn)作用不會隨著時間觀察窗口的延長而顯著衰減。

（2） 為避免遺漏變量偏誤等問題，本文借鑒鄭建明等（2018）［39］的研究，采用多期雙重差分模型（DID），對制造企業(yè)實(shí)施數(shù)字化前后進(jìn)行兩次差分。結(jié)果表明，制造企業(yè)在實(shí)施數(shù)字化后，碳排放量會顯著增加，結(jié)論依舊保持高度一致（由于篇幅限制，未報告內(nèi)生性檢驗(yàn)結(jié)果）。

3.5 制造企業(yè)數(shù)字化影響企業(yè)碳排放量的異質(zhì)性檢驗(yàn)

考慮到不同企業(yè)屬性可能會對制造企業(yè)數(shù)字化與碳排放的關(guān)系產(chǎn)生非對稱性影響，（1） 參照陽立高等（2014）［40］的研究，按照要素密集度將制造企業(yè)劃分為勞動密集型、資本密集型與技術(shù)密集型企業(yè)。表5 模型（12）～（14） 結(jié)果顯示，勞動密集型企業(yè)數(shù)字化比技術(shù)密集型企業(yè)數(shù)字化會導(dǎo)致更多的碳排放；（2） 按照所有制屬性將制造企業(yè)樣本劃分為國有企業(yè)與非國有企業(yè)。結(jié)果如表5 模型（15） 與模型（16） 所示。與國有企業(yè)相比，非國有企業(yè)數(shù)字化會顯著促進(jìn)碳排放（t ＝3.53）。

表5 異質(zhì)性檢驗(yàn)

4 結(jié)論及啟示

在“雙碳” 目標(biāo)以及數(shù)字經(jīng)濟(jì)時代背景下，本文基于2012～2020 年我國A 股上市制造企業(yè)樣本，實(shí)證研究企業(yè)數(shù)字化與碳排放量之間的復(fù)雜關(guān)系，并在此基礎(chǔ)上進(jìn)一步探究服務(wù)化的調(diào)節(jié)作用。相關(guān)結(jié)論如下所示：（1） 制造企業(yè)數(shù)字化顯著增加企業(yè)碳排放量，且在進(jìn)行了一系列穩(wěn)健性與內(nèi)生性檢驗(yàn)之后結(jié)論仍然保持高度一致，數(shù)字經(jīng)濟(jì)時代背景下“杰文斯悖論” 依然存在；（2）企業(yè)服務(wù)化負(fù)向調(diào)節(jié)企業(yè)數(shù)字化與碳排放的正向關(guān)系，說明企業(yè)服務(wù)化有助于抑制數(shù)字化對碳排放量的促進(jìn)作用；（3） 異質(zhì)性檢驗(yàn)結(jié)果表明：相比于技術(shù)密集型企業(yè)，勞動密集型企業(yè)數(shù)字化會導(dǎo)致更多碳排放量；且與國有企業(yè)相比，非國有企業(yè)數(shù)字化會顯著增加碳排放量。

本文結(jié)論對企業(yè)管理實(shí)踐具有一定啟示：（1）對制造企業(yè)如何更好開展碳減排實(shí)踐具有指導(dǎo)意義。制造企業(yè)想要減少碳排放總量，除了要致力于減少單位產(chǎn)品能耗、降低碳排放強(qiáng)度以外，更重要的是要使企業(yè)經(jīng)濟(jì)發(fā)展與能源消耗脫鉤，避免在增加產(chǎn)品供給時產(chǎn)生更大程度上的能源消費(fèi)反彈［16］。具體而言，企業(yè)可以通過數(shù)字化提升企業(yè)生產(chǎn)效率，以降低單位能源消耗。同時開展服務(wù)化，通過增加無形服務(wù)供給部分替代有形產(chǎn)品生產(chǎn)，來減少能源消費(fèi)規(guī)模，使企業(yè)在促進(jìn)經(jīng)濟(jì)增長的同時，減少碳排放，實(shí)現(xiàn)企業(yè)經(jīng)濟(jì)發(fā)展與能源消耗的部分脫鉤；（2） 對制造企業(yè)如何向高質(zhì)量發(fā)展提供指導(dǎo)借鑒。在當(dāng)前我國制造企業(yè)向價值鏈中高端環(huán)節(jié)攀升的過程中，制造企業(yè)應(yīng)加快數(shù)字化服務(wù)化協(xié)同轉(zhuǎn)型，在開展企業(yè)數(shù)字化的同時，同步推進(jìn)企業(yè)服務(wù)化。已有研究表明，企業(yè)服務(wù)化通過為企業(yè)數(shù)字化提供盈利場景［11］，有助于企業(yè)提高經(jīng)濟(jì)績效；另外，通過抑制企業(yè)數(shù)字化所增加的碳排放，服務(wù)化又有利于改善企業(yè)的環(huán)境績效、減少碳排放。因此，制造企業(yè)數(shù)字化服務(wù)化協(xié)同發(fā)展不僅是推動企業(yè)向價值鏈高端環(huán)節(jié)攀升的重要驅(qū)動，同時也是企業(yè)綠色低碳循環(huán)發(fā)展的重要動力，能促進(jìn)企業(yè)在經(jīng)濟(jì)與環(huán)境方面“雙贏”。

本文還存在以下研究不足，需在未來進(jìn)一步研究。如除企業(yè)服務(wù)化以外，是否還有其他調(diào)節(jié)因素會對企業(yè)數(shù)字化與企業(yè)碳排放量之間的關(guān)系造成影響。此外，本文僅關(guān)注企業(yè)數(shù)字化與企業(yè)碳排放總量之間的線性關(guān)系，尚未對二者的非線性關(guān)系進(jìn)行深入探討。對上述研究問題的回答，有助于深化企業(yè)數(shù)字化對企業(yè)碳排放量影響機(jī)制的研究、為企業(yè)數(shù)字化碳減排實(shí)踐提供更全面的指導(dǎo)。