《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》清晰勾勒了数字经济高质量发展的战略蓝图，将激活数据要素潜能、推进网络强国建设作为核心战略支撑；明确指出以数字技术与实体经济深度融合为路径，构筑数字经济新优势的发展方向。当前，数字化转型已全面渗透到经济社会各领域，不仅深刻重塑了我国的生产模式、生活形态与治理体系，更推动了数字经济与传统产业的深度联动、迭代提升，为产业发展开拓了全新路径。我国以石油、天然气、煤炭等为核心资源依托的传统能源产业，长期存在碳排放强度高、污染物排放量大的问题。因此，推动能源产业加速低碳转型进程，已然成为助力“双碳”目标稳步实现的必然选择。基于此，系统探析数字赋能对传统能源产业低碳转型的影响，具有重要的理论价值与现实意义。

一、 文献综述

芬兰学者Maarit Mäkinen在2006年首次较为清晰地阐述了数字赋能的核心内涵，提出数字赋能是以公民和社区为导向的信息技术应用过程。^[1]国内外学者从多视角界定了数字赋能的内涵。在经济学视角下，数字赋能是以数据为生产要素、数字技术为核心动力、现代信息网络为重要载体的新经济发展形态^[2]；在管理学视角下，数字赋能是借助技术调动个人主观能动性、提升个体创新能力的有效方式^[3]；在产业转型视角下，数字赋能与数据具有强关联性，数字赋能是通过创新数据的使用场景以及技能和方法实现数据价值的过程^[4]。数字赋能是时代必然趋势，也是产业提升效率、优化配置、联通产业链及创新进步的关键策略。^[5]

21 世纪以来，“低碳经济”的新观念得到联合国环境规划署的倡导^[6]，“绿色增长”^[7]和“低碳转型”^[8]等概念被相继提出；同时，随着“生态文明建设”被提升至国家战略高度，国内对于传统能源产业转型的研究视角开始聚焦于“绿色”与“低碳”。有学者从价值重构的角度提出，传统能源产业绿色转型不仅是能源品种的替代，更是从高碳粗放的价值链向低碳精益的价值链的跃升。^[9]近年来，在“双碳”目标的驱动下，国内对传统能源产业转型的认识得到进一步深化。有研究明确指出，传统能源产业的低碳转型是一场广泛而深刻的经济社会系统性变革，其内涵已从单纯的能源结构清洁化，扩展到涵盖能效提升、循环经济、碳捕集利用与封存（CCUS）等负排放技术应用在内的综合体系。^[10]

随着传统能源产业低碳转型的内涵不断丰富，学界对转型成效的衡量与评估愈发重视，低碳转型效率逐渐成为核心议题。现有关于传统能源产业低碳转型效率的研究可划分为两个阶段。第一，确立低碳转型效率测度的科学范式阶段。数据包络分析（DEA）模型，特别是能够处理非期望产出的SBM以及超效率SBM模型，成为这一阶段效率测度的方法论基础。^[11]相关研究在静态层面初步揭示了我国省域范围内能源产业低碳转型效率的空间异质性，并指出东部地区效率明显领先，中西部地区则存在较大的节能减排潜力，为区域差异化政策提供了初步依据。^[12-13]第二，构建融合多维模型的低碳转型效率动态评估范式阶段。部分研究通过引入网络DEA、三阶段模型以及时滞效应等方式优化测算精度，并融入社会网络分析、Dagum基尼系数等新模型丰富了分析维度，从动态视角挖掘省份间能源产业转型效率的空间关联网络结构及区域差异来源。^[14-17]

在数字中国建设与“双碳”目标协同推进的背景下，数字赋能与传统能源产业低碳转型之间的关系日益成为学界关注的重点。有研究表明，数字经济发展有助于增强企业社会责任文化认同感，激发其绿色低碳转型的内生动力。^[18]现有研究普遍认为，数字赋能通过直接机制与间接机制影响传统能源产业的低碳转型，二者形成协同效应，推动转型进程深化。^[19]在直接机制方面，数字赋能水平较高的省份，其传统能源产业低碳转型效果也较好^[20]；数字技术通过对传统能源生产、传输、消费全链条的数字化改造，提升各环节能源利用效率，直接助力产业低碳转型^[21]。在间接机制方面，数字技术通过提高资源利用效率、提升绿色技术创新水平以及推动产业结构升级等路径，赋能能源产业加速低碳转型进程。^[22-23]同时，数字赋能能够推动传统能源产业与数字产业融合，从而促进能源需求结构清洁化，淘汰高耗能、高排放产能，提升低碳转型成效。^[24]

综上所述，现有研究已阐释了数字赋能与传统能源产业低碳转型的内涵，梳理了低碳转型效率的研究阶段与核心方法，并且证实了数字赋能与传统能源产业低碳转型之间的确存在关联。这些研究构成了本文研究的逻辑起点。但既有研究大多聚焦数字赋能如何影响传统能源产业低碳转型，未深入探究对转型效率的影响，且多囿于单一视角进行分析，缺乏多方法融合的实证检验架构。因此，本文聚焦转型效率，以我国省级面板数据为样本，系统考察数字赋能对传统能源产业低碳转型效率的影响，旨在为传统能源产业低碳转型提供理论支持和实践参考，为区域协同发展与“双碳”战略目标实现提出建设性建议。

二、 模型选取与数据来源

（一） 模型选取

1. 熵权-TOPSIS

TOPSIS是一种经典且被广泛应用的多属性决策方法。熵权-TOPSIS综合评价法作为传统TOPSIS方法的创新拓展，引入了熵权法来确定各项评估指标的权重系数。这种改进方法有效规避了传统方法因主观赋权导致的评价偏差，显著提升了评价结果的客观性和准确性。鉴于其能够综合考量多个指标，有效避免主观因素对评价结果的过度干扰，客观揭示评价对象的发展演变态势，本文选用熵权-TOPSIS综合评价模型对数字赋能水平进行量化分析。具体步骤如下。

第一，标准化处理。由于本文所选取的指标均为正向指标，为确保后续分析的规范性与可比性，需对各指标进行标准化处理。设评价系统中有 n个待评价对象、m个评价指标，正向指标进行标准化处理的公式为

其中，z_ij表示第i个对象的第j个指标标准化后的数值；x_ij表示第i个对象第j个指标的初始数值；min{x_ij，···，$x_{n_j}$}表示该指标体系内所有评价对象在第j个指标上的最小值；max{x_ij，···，$x_{n_j}$}表示该指标体系内所有评价对象在第j个指标上的最大值。

第二，依据标准化处理后的数值，核算各指标所对应的熵值，计算公式为

第三，获取各指标的权重值。计算公式为

其中，W_j表示第j个指标的权重值，满足0≤W_j≤1且$\sum _{j=1}^m{W}_j=1$。

第四，计算得到各指标加权指数，计算公式为

第五，计算各观测对象分别与最优对象、最劣对象之间的距离$D_i^{+}$和$D_i^{-}$，计算公式分别为

其中，$C_j^{+}=max\left\{C_{1j}，\cdots ，C_{nj}\right\}，C_j^{-}=min\left\{C_{1j}，\cdots ，\right.{\left.C_{nj}\right\}}_{\circ }$

第六，判定各个观测对象与理想对象的相对接近程度e_i，计算公式为

其中，e_i表示第i个对象与理想对象的距离，取值介于[0，1]，数值越大表示该地区的数字赋能水平越高；反之，则表示该地区的数字赋能水平越低，说明该地区某些子系统存在短板，有较大的提升空间。e_i的数值大小直接映射了地区数字赋能的综合水平，因此本文将e_i作为数字赋能水平测度结果。

2. Super-SBM模型

传统SBM模型是处理投入产出效率问题的经典方法。Super-SBM模型正是在传统模型基础上发展衍生的创新模型，其在考虑非期望产出方面具有显著优势，并且已在相关研究领域应用并获得广泛认可。分析传统能源产业低碳转型，除了考虑期望产出外，不可避免地也要考虑碳排放等非期望产出。这些非期望产出使得投入产出变量的松弛性问题变得复杂。而Super-SBM模型凭借其非径向、非角度的特性，能够精准地测度传统能源产业在低碳转型过程中的效率水平，为相关研究提供有力的分析工具。在Super-SBM模型的分析框架内，假设每个省份是一个决策单元，生产系统中有k个决策单元；每个决策单元都包含投入、期望产出和非期望产出三个向量，使用m单位投入可产生S₁的期望产出和S₂的非期望产出。三个投入产出向量分别表示为：$x\in R^m，y^g\in R^{s_1}，y^b\in R^{s_2}。$本文构建的Super-SBM模型为

$\text{s.t.}\left\{\begin{array}{c}{S}_i^{-}⩾\sum _{j=1,\ne k}^n{\theta }_j{x}_j\\ S_s^g⩽\sum _{j=1,\ne k}^n{\theta }_j{y}_{sk}^g\\ S_t^b⩾\sum _{j=1,\ne k}^n{\theta }_j{y}_{tk}^b\\ i=\mathrm{1,\; 2},\cdots ,m;j=\mathrm{1,\; 2},\cdots ,k;s=\mathrm{1,\; 2},\cdots ,S_1;\\ t=\mathrm{1,\; 2},\cdots ,S_2;\\ S_i^{-}⩾x_j;S_s^g⩽y_j^g;S_t^b⩾y_j^b;{\theta }_j⩾0\end{array}\right.$

其中，$x_{ik}，y_{sk}^g，y_{tk}^b，{\theta }_j$分别表示k个决策单元的第i个投入、第s个期望产出、第t个非期望产出和第j个决策单元组合系数；$S_i^{-}，S_s^g，S_t^b$表示松弛变量，分别用于衡量投入变量、期望产出变量以及非期望产出变量的松弛程度；ρ_kt表示t期第k个决策单元的效率值，对于特定的决策单元，ρ＜1表示该决策单元是无效的，必须对投入产出做出改进，ρ≥1则表示该决策单元达到DEA有效状态。

3. 分位数回归模型

分位数回归分析法是由Koenker等^[25]于1978年提出的，其核心在于依托条件分位数函数进行回归分析。相较于均值回归模型，分位数回归模型无需对误差项的分布形态作出具体假定，而是通过最小化加权绝对偏差，能够在任意分位点上估计参数，具有对异常值更低的敏感性。因此，分位数回归分析法不仅可以揭示解释变量对被解释变量中位数的影响，还能系统刻画解释变量在不同条件分布区间的异质性作用机制，清晰呈现数字赋能对不同低碳转型效率水平下传统能源产业的差异化影响效应。然而，分位数回归在分析面板数据时，可能会忽略个体或时间的固定效应对被解释变量的影响。鉴于此，本文将固定效应模型与分位数回归模型相结合，假定个体或时间特定效应固定不变，以控制不可观测的异质性因素对模型造成的干扰。基于此，本文以数字赋能水平 （DG_it）作为解释变量，以传统能源产业低碳转型效率（EF_it）作为被解释变量，构建固定效应分位数回归模型^[26]，分析不同效率水平下数字赋能对传统能源产业低碳转型效率的影响。具体模型为

其中，EF_it表示第i个省份第t年的传统能源产业低碳转型效率；DG_it是第i个省份第t年的数字赋能水平；τ表示各分位数；α_τi为待估参数。

分位数回归模型中的参数估计，是通过最小化目标函数实现的，目标函数为

其中，${\alpha }^{\tau }={\left({\alpha }_{\tau 1}，{\alpha }_{\tau 2}\right)}^T;\tau$为分位点；y_i为观测值；ξ为预测值。

利用上述模型，对处于不同效率水平的地区展开评估，明确数字赋能水平及其平方项对传统能源产业低碳转型效率所产生的影响程度，进而为低碳发展政策的制定提供更具综合性、实证性的支持。

（二） 数据来源

数字经济开始于20世纪90年代，传统能源产业自2010年开始进入低碳转型发展时期，因此本文选取2011—2022年为研究期。传统能源，亦称“常规能源”，是指目前已被大规模应用且技术体系较为完备的能源类别，涵盖石油、天然气、煤炭以及水能等。结合现有文献对传统能源产业的界定，本文将煤炭开采与洗选业、石油与天然气开采业，以及石油加工、炼焦和其他燃料加工业这三大行业确定为研究对象。^[20]基于数据可得性，本文选取了2011—2022年间我国30个省份（港澳台地区及西藏未纳入统计范围）的面板数据作为研究样本。研究数据主要来源于《中国能源统计年鉴》《中国环境统计年鉴》、国家统计局官网公布的分行业年度数据、EPS数据库、各省级统计年鉴、中国碳核算数据库（CEADs）以及北京大学数字普惠金融指数等，部分数据还取自各省统计局和生态环境局发布的官方公报。针对数据中的缺失值问题，本文采用插值法进行了补充。

三、 实证分析

（一） 数字赋能水平测度

1. 数字赋能水平评价指标体系构建

在传统能源产业低碳转型中，数字赋能是驱动转型的核心引擎，数字化转型是系统性重构的最终目标。数字赋能能够为数字化转型提供技术动力，而数字化转型又能为数字赋能锚定方向和目标。传统能源产业的数字化转型主要侧重于企业内部业务流程的数字化改造，而数字赋能更强调通过数字技术以及要素的广泛应用，从多个维度全方位提升传统能源产业的发展效能和创新能力，进而实现产业的低碳转型。本文借鉴部分学者的观点，围绕信息基础设施发展程度、数字领域专业人才的储备规模、数字产业化发展水平、产业数字化转型的深化程度以及数字金融的发展态势5个核心维度，构建了评估数字赋能水平的指标体系。^[27-31]具体指标及其构成如表1所示。

2. 测度结果及分析

本文采用熵权-TOPSIS法对我国各省份的数字赋能水平进行量化评估。鉴于各地区在资源禀赋、地方政府政策导向等方面的差异，为深入剖析各地区数字赋能水平的特征，本文依据国家统计局的区域划分标准，将30个省份划分为东部、中部和西部三大经济区域。东部地区包括北京、天津、河北、山东、辽宁、江苏、浙江、上海、广东、福建和海南11个省份；中部地区涵盖内蒙古、吉林、黑龙江、山西、安徽、江西、河南、湖北和湖南9个省份；西部地区则包括广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆10个省份。^[32]为更加直观地展示各地区数字赋能水平的变化趋势，本文绘制了2011—2022年我国东部、中部和西部地区数字赋能水平的折线图（见图1）。

图1直观呈现了我国东部、中部和西部地区数字赋能水平的均值动态变化轨迹，从中可以看出，2011—2020年期间各地区的数字赋能水平均呈现持续攀升态势，2021年出现短暂回调，2022年重现增长拐点。

从空间分布特征看，东部地区的数字赋能水平明显高于其他地区。2011—2020年间，该地区数字赋能水平保持稳定增长并高于全国平均水平，从2011年的0.105跃升至2020年的0.303。这主要是因为：东部地区数字基础设施建设起步较早，数字技术发展水平相对较高；产业数字化在东部地区的渗透度深，数字技术与实体经济融合程度较高，能够协同赋能产业转型升级；同时，东部地区金融体系发展成熟，为产业在数字化转型时期提供完善配套支持。然而，这一上升趋势在2021年回落。这表明东部地区的数字化转型进入发展瓶颈期，数字改良空间相对收窄，数字化要素投入的边际效益呈递减趋势，新型技术和生产力对产业数字化进程的拉动作用逐步减弱。

中部地区2011—2020年间的数字赋能水平稳步上升，但2019年和2020年中部地区的数字赋能水平低于全国平均值，在2021年，该测度值下降至0.211。这表明，当中部地区的数字化转型步入深水区后，高精尖技术适配性不足、数字化技术难以全面覆盖众多偏远地区等问题逐步暴露，重工业的智能化进程受到制约，数字赋能整体推进缓慢。2022年的小幅回升体现出中部地区应对数字化水平停滞进行的适应性调整。2021年国家出台《关于新时代推动中部地区高质量发展的意见》，引导中部地区以科技创新引领产业发展，使得湖北、河南等中部省份加快数字化在传统能源领域的应用，发挥其独特的地理和资源优势培育形成数字经济的新发展、新机遇。

西部地区在数字发展梯队中有着“水平低、起点低、增速快、波动强”的特点。作为数字化基础最为薄弱的区域，2011年，西部地区数字赋能水平远低于其他两个区域。但在2011—2020年间，该区域数字赋能水平测度值增长幅度最大，凭借其后发优势实现了跨越式增长，甚至在2020年实现了对中部地区的反超。主要原因在于：“十三五”规划期间，西部地区在国家支持下逐步完善区域内的数字基础设施建设，其数字化转型实现了从无到有、从弱到强的阶段性目标，逐步摆脱了数字基建滞后的发展困局。而2020年以后，西部地区整体发展轨迹出现阶段性回调，且2021年的下降幅度最大，暴露出西部地区在数字化进程中的内生性短板，即其数字化发展可能过度依靠国家政策驱动与财政补贴扶持。当数字化带来的时代红利逐步递减，西部地区又受制于相关研发人员不足、产业配套不完善等地域性短板，其数字化转型陷入发展的瓶颈期。2021年5月，“东数西算”战略工程正式落地，带动了西部地区数据基础设施的建设，吸引了大量相关领域的从业人员，使得西部地区在2022年的数字赋能水平实现反弹。

总体来看，西部地区的数字赋能水平多数时间处于东中部以及平均水平之下，这要归因于多方面因素的制约。在资源禀赋方面，西部地区的传统能源拥有量显著优于东中部地区，但其地域特点给数字赋能的落地推广带来了更大的覆盖难度与改造阻力。在资源利用模式上，西部地区以传统的粗放式线性经济模式为主，其产业主要为上游产业链的初级加工，涉及数字赋能的环节较少；而东中部地区主要是循环经济模式，即上下游产业链相连，涉及的数字化环节较多。在政策导向上，西部地区长期肩负国家能源安全战略保障职能，政策资源与制度设计高度聚焦于传统能源产出的稳定与规模扩张，国家层面推动的“西气东输”“西电东送”等重大工程，进一步强化了其初级能源供应基地的定位。这种以保供为核心的政策惯性，导致财政投入与创新要素向传统产能倾斜，而对数字化落地实施的系统性支持相对薄弱。而东中部地区的政策体系较早转向创新驱动与产业升级，通过科技专项与金融政策协同推动智能制造与服务数字化，有效促进了数字技术与实体经济融合。西部由此形成的路径依赖，固化了其以资源初加工为主的发展模式，难以激发对数字化改造的内生需求与有效投资，最终在数字赋能进程中滞后于东中部。

为了更加直观地呈现我国数字赋能水平的集中趋势，本文制作了各省份数字赋能水平的箱线图（见图2）。

箱线图中，红心圆点与空心圆点分别代表数字赋能水平的平均值与异常值。从图2可以看出，2011—2022年间，各省份数字赋能水平箱线图的中位数呈波动上升趋势，反映出数字赋能在全国省份层面得到广泛认同。而2020—2021年中位数略微回落，这一波动可能是受新冠疫情影响。疫情期间，各省份对传统产业数字化的财政投入减少；疫情引发的劳动力缺失、供应链中断，使得众多产业的数字化建设延缓甚至是停滞，极大地影响了数字经济的发展。在2011—2017年，各省份数字赋能水平箱线图的箱体整体较短，说明该时段内各省份的数字赋能水平的区域差异较小。而2018年以后，箱体高度显著升高，代表部分省份凭借政策倾斜与资源优势加快了数字化进程，而其余省份进度相对滞后，省份间的发展差异加剧。

（二） 传统能源产业低碳转型效率测度

1. 传统能源产业低碳转型效率评价指标体系构建

本文参考能源产业低碳转型效率测度的相关研究，借助Super-SBM模型，从投入与产出两个维度选取指标，构建传统能源产业低碳转型效率评价指标体系。^[32]

基于绿色低碳发展的原则，传统能源产业低碳转型效率的测度有必要将环境成本纳入其中，即在生产要素合理投入的条件下，要以较低的环境成本（非期望产出）获得较高的期望产出。最终，本文选取的投入指标包括资本、劳动力和能源；期望产出指标包括主营业务收入和工业总产值；非期望产出指标采用环境污染综合指数进行量化评估，该指数具体由工业废水排放量、工业二氧化硫排放量以及工业烟（粉）尘排放量等关键环境指标构成。相关指标的详细分类与具体说明如表2所示。

2. 测度结果及分析

本文借助Super-SBM模型，对全国30个省份的传统能源产业低碳转型效率进行了系统测度。表3为测度结果，而图3则直观呈现了2011—2022年间我国东部、中部和西部地区传统能源产业低碳转型效率的动态变化及其均值趋势。

表3的数据显示，传统能源产业低碳转型效率值处于0.15~1.60的区间范围内。从整体空间分布看，东部地区的天津、山东、浙江、广东、海南5个省份的均值低碳转型效率及均值变化趋势均大于1，显示出较高的低碳转型效率水平；中部地区仅有湖北的效率均值大于1；西部地区除广西和陕西以外，各省份传统能源产业低碳转型效率均值均低于0.5，反映出其转型进程相对迟缓，效率有待提升。图3显示，东部地区的传统能源产业低碳转型效率远高于中部和西部地区，而西部地区的效率值在整个研究期内均低于全国平均水平。

从省份层面看，天津传统能源产业低碳转型效率值最高，可能是因为天津市传统能源产业更注重与数字经济的融合发展，积极推广数字技术应用，效果较好。排名第二位的海南省虽然传统能源产业发展起步较晚，但包括数字技术在内的先进生产管理技术运用较为充分。这也表明，数字经济在一定程度上可以赋能于企业生产，破除资源约束和环保约束，促进传统能源产业的低碳转型。对比分析各省份传统能源产业低碳转型效率与数字赋能水平之间的关系，可以发现：数字赋能水平较高的省份，往往在传统能源产业低碳转型过程中展现出更高的效率。如北京、江苏、浙江、上海、广东，其传统能源产业低碳转型效率均值分别为0.70、0.47、1.01、0.95、1.30。其中，江苏传统能源产业受到资源条件的限制，低碳转型效率较低；而北京、浙江、上海及广东四省份则展现出较强的低碳转型能力，其效率值均超过了0.7，在全国30个省份排名中占据优势地位。这表明，数字经济不仅可以促进地区经济发展，也渗透到了传统能源产业，并在产业融合过程中促进了传统能源产业的低碳转型。

（三） 数字赋能对传统能源产业低碳转型效率的影响分析

本文选取了5个分位点来体现低碳转型效率从低到高的不同水平，分别聚焦于不同转型效率的省份：10%分位数聚焦于低碳转型效率极低的省份，25%分位数聚焦于低碳转型效率较低的省份，50%分位数聚焦于低碳转型效率中等的省份，75%分位数聚焦于低碳转型效率较高的示范省份，90%分位数则聚焦于低碳转型效率极高的省份。选择这5个分位点的原因在于它们基本能够代表传统能源产业低碳转型的不同阶段，从而为进一步分析数字赋能对低碳转型影响的区域差异提供依据。分位数回归结果如表4所示。

表4中，全国整体数字赋能水平的一次项系数在所有分位点均显著为正，且数值从0.184 4单调递增至2.270 1，这表明数字赋能对转型效率的正向线性促进效应仍占主导，在多数地区，增加数字赋能的投入仍能带来稳定或递增的低碳转型效率提升。然而，二次项系数仅在75%和90%两个高分位点显著为负，说明非线性特征并非普遍存在，而是集中在那些低碳转型效率较高的地区。这表明数字赋能对传统能源产业低碳转型效率影响的边际收益已经开始下降，数字赋能水平越高，每增加一单位数字赋能投入所带来的低碳转型效率提升幅度反而越小。

注:*、**和***分别表示在10%、5%和1%的置信水平上显著; 括号内为标准误差。下同。

东部地区的回归结果显示，数字赋能水平的一次项系数在所有分位点均显著为正且数值较大，表明数字赋能对传统能源产业低碳转型效率具有强大的驱动作用，且对高效率地区的促进作用尤为突出。数字赋能水平的二次项系数在所有分位点均显著为负，且绝对值随分位数提升而增大，说明东部地区已整体进入了边际收益递减阶段。这可能是因为该地区数字化基础较好，而当前数字赋能应用面临着技术瓶颈突破难、系统改造成本高等挑战。因此，东部地区的政策重点应转向优化技术结构、推动数据与产业链深度融合的发展路径，以挖掘更多数字资本的潜力，规避过度数字化。

中部地区的回归结果显示，在10%、25%这两个低分位点上数字赋能水平的二次项系数显著为正。这意味着对于转型效率较低的地区来说，数字赋能对传统能源产业低碳转型效率还存在“加速提升”的效应。初期进行数字赋能可以带来显著的低碳转型效率提升，但随着分位数提高，二次项系数由正转负，且在75%和90%分位点上显著为负，这反映出在中部高效率地区也出现了边际收益递减的情况。中部地区作为东西部地区的过渡地带，区域内部传统能源产业低碳转型效率存在一定差距。低效率地区尚处于吸收基础数字红利的阶段；而高效率地区则处于数字赋能的深化调和期，这些区域可能会因技术适配性不足、跨系统整合困难或与重工业结构冲突等原因，遭遇数字赋能落地深化的瓶颈。

西部地区数字赋能水平的一次项系数在所有分位点均显著为正，并呈递增趋势；二次项系数从25%分位点开始显著为负，且负向程度随分位数提高而急剧扩大。这表明，数字化建设对西部传统能源产业低碳转型效率具有显著促进作用；且在西部传统能源产业低碳转型效率中等及以上的地区，数字赋能影响的边际收益已开始递减，高效率地区面临的递减压力甚至接近东部。这反映出西部地区在快速发展过程中，由于政策的支持力度与扶持力度较大，部分低碳转型领先区域遇到了与东部类似的技术与应用瓶颈，但整体仍处于数字基础设施建设和普及的关键期。

从分区域回归结果看，数字赋能对传统能源产业低碳转型效率的影响因地区不同而差异显著。全国层面虽以线性促进为主，但高效率地区已出现影响的边际收益下降现象。东部整体和西部大部分地区，其传统能源产业的低碳转型效率进入了数字赋能影响的“边际收益递减”阶段；中部地区数字赋能对传统能源产业的低碳转型效率的影响呈现出“低效促进、高效递减”的情况。

（四） 内生性与稳健性检验

1. 内生性检验

为保证模型回归分析的稳健性，鉴于数字赋能对传统能源产业低碳转型效率的影响可能存在的滞后效应，本文将核心解释变量替换为其滞后一期变量，重新进行分位数回归分析，结果如表5所示。

从表5可以看出，核心解释变量一次项系数依旧显著为正，而二次项系数在75%和90%分位点处显著为负。这表明采用滞后一期变量缓解内生性后，数字赋能与传统能源产业低碳转型之间存在的非线性关系依然成立。

2. 稳健性检验

为进一步证明研究结论的可靠性和稳定性，本文采取了以下三种方法进行检验。第一，调整样本区间。考虑到2015—2022年是我国“十三五”规划和“十四五”规划的重要筹备和实施阶段，这一时期数字技术在推动低碳转型方面发挥了关键作用，具有显著的代表性。参考冯钰婷等^[34]的研究，本文将样本时间范围限定在这一区间，剔除了2015年之前的数据重新进行分析，以期更准确地反映数字赋能对传统能源低碳转型效率的实际影响。第二，缩尾处理。为消除极端值的影响，本文对所有数据进行了双向1%的缩尾处理，并在此基础上重新进行了分位数回归分析。第三，重复随机抽样估计。由于样本选择性偏差问题的存在，参照马丽梅等^[35]的研究，基于Bootstrap方法进行检验。

从表6可以看出，以2015年为断点进行回归，数字赋能水平的一次项系数仍然显著为正，二次项系数在50%、75%和90%分位点上均显著为负，呈现出与前述分析一致的非线性关系；对核心变量进行上下1%的缩尾处理后重新回归，结果显示该非线性特征依然稳健存在；基于前文所得到的数字赋能水平和低碳转型效率等核心变量，采用Bootstrap方法进行回归检验，得到的分位数回归中各分位点的系数、符号均没有明显变化，与前文研究结果一致。综上表明，本文的研究结论具有较好的稳健性。

四、 结论与建议

（一） 结论

本文以2011—2022年我国30个省份为研究对象，构建了数字赋能水平和传统能源产业低碳转型效率评价指标体系，并采用熵权-TOPSIS法、Super-SBM模型以及分位数回归法展开了实证研究。根据分析结果，本文得出以下结论。

（1）区域数字赋能水平差异显著。东部地区的数字赋能水平显著高于中部和西部地区，且整体发展态势优于全国平均水平；中部地区相较于西部地区略显优势；而西部地区的数字赋能水平整体偏低。区域间的数字赋能差距主要源于资源禀赋、政策支持和技术应用水平的差异。

（2）传统能源产业低碳转型效率存在区域差异。东部地区的低碳转型效率高于中部和西部地区，且显著高于全国平均水平；中部地区在2021年后超越全国均值；而西部地区的低碳转型效率在整个研究期内始终低于全国均值，反映出区域协调发展的挑战。

（3）数字赋能对传统能源产业低碳转型效率的作用呈现显著区域差异与非线性特征。全国层面，数字赋能在各分位点均发挥促进作用，但在高效率地区出现“边际效应递减”。分区域看，东部地区整体以及西部地区大部分均进入数字赋能影响的“边际收益递减”阶段；中部地区数字赋能对传统能源产业低碳转型效率的影响呈现出“低效促进、高效抑制”的特征。

（二） 建议

基于上述研究结论，为进一步增强数字赋能对传统能源产业低碳转型的促进作用，本文提出以下几点建议。

（1）实施差异化的数字基础设施建设与技术应用路径。东部地区应聚焦于5G专网、工业互联网平台、能源大数据中心等高性能数字基础设施的优化布局与互联互通，为人工智能等先进技术的深度应用提供支撑，同时警惕因重复建设导致的资源浪费。中部地区应着力提升现有4G或5G网络、数据中心等设施的覆盖质量与利用效率，优先保障能源产业集聚区的网络需求，为承接东部地区的技术溢出和本地化应用打好基础。西部地区应在能源基地和转型重点区域优先部署物联网传感、边缘计算节点等低成本、高效益的轻量化数字设施，解决数据采集与传输的基本问题，避免盲目追求高标准建设。

（2）建立与区域转型阶段相匹配的精准政策支持体系。东部地区的政策应转向效能激励方面，将财政支持与项目实施后的实际节能量、碳减排量挂钩，并同时推广用能权、碳排放权抵质押融资等市场化手段。中部地区需强化针对传统能源产业的精准服务与能力建设，搭建“数字化转型公共服务平台”，提供技术选型、方案参考和人才培训等服务；同时设立风险补偿资金池，缓解中小企业融资难的问题。西部地区应坚持基础扶持与示范引领并重，加大中央财政对西部数字基建和转型项目的转移支付力度，打造若干“能源产业数字化”的融合示范项目，形成可复制、可推广的本地化模式。

（3）实施差异化的低碳转型技术路径。在东部及西部转型成效较为显著的地区，应聚焦系统性优化与多能协同，推动能源管理从监测管控向智能调度与能效提升深化，以技术创新突破行业低碳转型瓶颈。在转型基础相对薄弱的中部和西部低效地区，采取梯度赋能策略：对数字化能力较弱的企业，推广模块化、易部署的标准化能源管理解决方案，快速提升基础数字化水平；对已具备一定信息化基础但面临能效提升瓶颈的企业，支持其开展“生产流程与数字化融合”试点，推动数字技术在工艺优化、能耗控制等环节的深度融合应用。同时，建立跨区域技术协同机制，推动东部成熟技术方案与中西部实际场景对接，提升技术落地的针对性和有效性。

参考文献