绿金论文 | 供应链绿色化：数字化转型如何推动新兴经济体的环境可持续发展

来源：市场资讯

（来源：江苏省绿色金融高端智库）

摘要

新兴经济体供应链数字化的快速发展提高了生产效率，但也加剧了环境压力。本研究考察了1994年至2023年间，供应链数字化对E-7经济体（即中国、印度、巴西、墨西哥、俄罗斯、印度尼西亚和土耳其）生态足迹的影响。研究采用截面增强自回归分布滞后（CS-ARDL）和增广均值组（AMG）等第二代面板估计方法，以处理数据中的截面依赖性和斜率异质性。结果显示，供应链数字化和自然资源使用显著增加了生态足迹，而绿色能源转型和技术创新则起到了缓解作用。此外，数字化的环境后果取决于对清洁能源系统及创新能力的并行投资。本研究阐明了数字化转型在新兴经济体中影响环境可持续性的具体条件，从而丰富了能源与环境领域的文献。

研究背景

E-7经济体经济的加速发展，加剧了经济增长与环境可持续性之间的紧张关系。这种现代经济转型的核心驱动力是供应链数字化，其主要由区块链和数据分析等先进技术赋能。本研究旨在探讨供应链数字化对生态足迹的影响。生态足迹是一个涵盖碳排放、资源消耗和土地使用的综合性环境影响指标。尽管经济增长和城市化等传统因素对环境的影响已有充分文献记录，但供应链数字化在塑造可持续发展结果方面的作用，仍是一个关键且尚未得到充分探索的研究领域。

供应链数字化与环境可持续性之间的联系具有复杂性和双重性。随着工业化、城市化和技术变革在全球范围内的加速，理解E-7经济体的生态足迹至关重要。供应链数字化通过提高效率、减少浪费和促进可持续性，显著影响了环境结果。诸如物联网传感器和人工智能驱动的分析等技术，能够优化物流路线、降低燃料消耗、减少库存浪费，并实现透明、可持续的采购实践。这种优化潜力表明，供应链数字化是将经济活动与环境影响力脱钩的有力工具。然而，支撑供应链数字化的基础设施（如数据中心、通信网络）以及大量传感器和设备的生产与处置过程是高度能耗密集的，并会产生电子废弃物。这产生了一种潜在的“回弹效应”，即效率提升带来的收益被增加的消费和新型污染所抵消。因此，探究供应链数字化对生态足迹的净效应至关重要。从能源经济学的角度来看，供应链数字化代表了生产和分销系统的根本性变革，重塑了能源需求、资源配置和环境外部性。本文的研究动机主要在于，目前缺乏关于这种转型对环境净影响的可靠实证证据。现有研究大多将数字化视为一个提升效率的过程，却忽视了其能耗密集型的基础设施和潜在的回弹效应。这种尚未解决的模糊性对于E-7经济体尤为重要，因为在这些国家中，数字化的快速扩张与不断增长的能源需求及环境压力并存。因此，本文旨在探究数字供应链的扩张究竟是缓解了环境压力，还是加剧了生态负荷。从数据趋势来看，E-7经济体的供应链数字化平均水平在20世纪90年代中期至21世纪初期相对稳定，但在2000年代末之后呈急剧上升趋势，反映出快速的数字化转型、对全球价值链参与的加深，以及对信息和通信技术（ICT）密集型生产与物流系统的日益依赖。

研究亮点

第一，本研究引入并对“供应链数字化”这一关键但尚未得到充分探讨的环境质量决定因素进行了实证检验。现有文献多关注更广泛的技术趋势、政策严格度及能源转型的金融驱动因素，而本研究分析了全球供应链核心经济结构数字化转型这一关键渠道，现代经济正是通过该渠道对环境施加压力。第二，本研究采用生态足迹作为环境退化的整体代理指标。相较于单一的碳排放指标，生态足迹涵盖了土地利用变化和资源消耗等多重影响，能够更完整地评估数字化和工业活动造成的环境负担。第三，本研究聚焦于E-7经济体，填补了重要的情境空白。这些国家正在同时经历数字化和工业革命，对全球环境产生深远影响。相较于聚焦发达经济体的研究，本研究为未来的可持续发展路径提供了更具相关性的见解。第四，在方法论上，本研究应用了截面增强自回归分布滞后等第二代面板估计量，稳健地处理了截面依赖性和异质性问题，从而提供了更可靠、更具政策参考价值的估计结果。

研究结果

如表2所示，各变量呈现不同的统计特征。生态足迹（EF）的均值为12.76，取值范围为0.67至33.18，具有中等程度的波动性（标准差=9.79），中位数为8.58。医疗卫生支出（HE）波动幅度较小，均值为10.44（标准差=0.69），最高值在10.12至10.83之间。绿色能源转型（GET）均值为79.01，取值范围为46.23至94.63，离散程度相对较高（标准差=12.47）。技术创新（TI）取值区间较窄，均值为0.74（标准差=0.13）。自然资源（NR）波动较大（标准差=0.98），均值为0.95，取值范围为0.21至5.85。供应链数字化（SCD）均值为9.27，但差异较为显著（标准差=6.58）。城镇化（URB）较为稳定，均值为4.56，离散程度极小（标准差=0.08）。国内生产总值（GDP）均值为77.83（标准差=5.53），取值范围为66.71至91.70。总体来看，EF、NR和SCD的波动最为明显，而HE、TI、URB和GDP相对稳定。这些描述性统计结果为理解模型特征提供了参考。

如表3所示，变量之间存在多个显著的相关关系。EF与SCD之间存在强正相关关系，与GET和NR呈负相关。HE与URB和TI之间存在强正相关关系。GET与SCD呈负相关，但与NR呈正相关。URB与TI之间存在正相关关系。GDP与HE、NR、TI和URB均存在显著正相关关系。这些结果揭示了变量之间的重要关联，尤其是EF、SCD与GET之间的紧密联系，以及HE、TI和GDP与上述变量之间的关联。

如表4所示，主要变量之间存在显著的截面相关性（CD）。Breusch-PaganLM检验证实，EF、GET、TI、NR、SCD、URB和GDP之间存在强烈的依赖关系（p<0.01）。PesaranCD检验也识别出HE（p<0.05）、GET（p<0.10），以及TI、NR、URB和GDP（p<0.01）之间存在显著依赖关系。这些发现揭示了各国之间经济与环境层面的紧密联系，即一个国家的变化会对其他国家产生连锁效应。

如表5所示，面板数据存在显著异质性，表明模型系数在不同国家之间存在差异。这意味着某一国家特有的社会经济因素未必直接影响其他国家，强调了针对性分析的必要性。tilde统计量（5.816，p<0.01）和调整后tilde统计量（7.185，p<0.01）的显著检验值进一步突出了避免同质性假定的重要性，因为这类假定可能导致偏误或误导性结论。为处理CD和异质性问题，本文采用CS-ARDL和AMG回归方法进行稳健估计。

本文进行单位根检验以验证数据的平稳性，确保结果可靠性，避免伪回归问题。检验包括第二代面板单位根检验（CIPS和CADF）以及带结构突变的面板单位根检验。如表6所示，CIPS和CADF检验考虑了CD和异质性。这些检验证实，大多数变量在水平状态下不平稳，但在一阶差分后趋于平稳。CIPS结果中，EF、HE、GET及其他关键变量在一阶差分处的显著性提供了关于面板中CD存在的更稳健的认识。例如，HE在水平和差分状态下均显著，验证了该方法的有效性。如表7所示，进一步引入结构突变的单位根检验考察了在现实冲击条件下的平稳性。结果显示，除NR和GDP外，所有变量在考虑结构突变后的一阶差分上均为平稳的。这一稳健性检验确保了本文关于平稳性的结论不受历史事件偏差的影响，从而为后续协整分析提供了依据。如表6和表7所示，变量为一阶单整I(1)，由此为使用Westerlund检验和CS-ARDL等协整技术提供了依据。

如表8所示，本文进一步采用第二代Westerlund自举协整检验以处理CD和异质性。Gt统计量（值=−3.9950，Z值=−4.2930，p<0.01）和Pt统计量（值=−8.7800，Z值=−2.8580，p=0.002）均拒绝无协整关系的原假设。这支持了变量之间存在稳定的长期关系，即便在考虑面板间相互依赖和异质性之后，第二代检验仍提供了EF与其影响因素之间存在协整关系的稳健证据。

在确认变量之间存在协整关系后，本文使用CS-ARDL方法分析短期和长期关系。如表9所示，结果揭示了EF与其预测变量之间的动态关系。SCD在短期和长期对EF均具有显著正向影响。数字化每提高1%，EF在长期增加1.297%，在短期增加1.290%。这表明，尽管数字化能够带来运营效益，但仍然加剧了环境压力，这可能与数字基础设施和物流系统的能源密集特性有关。GET在两个时期均与EF呈显著负相关关系。长期来看，GET每提高1%，EF下降0.185%；短期内，下降幅度为0.180%。这突出了向可再生能源转型以缓解环境退化的重要性。TI在降低EF方面发挥着关键作用。TI每提高1%，EF在长期下降0.491%，在短期下降0.516%。这些发现表明，技术进步通过降低环境压力来支撑可持续发展。HE对EF的影响较为复杂。长期来看，系数为正但在统计上不显著，表明HE的增加不会随着时间的推移对EF产生显著影响。具体而言，HE每提高1%与EF增加0.005%相关，但该效应在统计上不显著。短期内，HE与EF之间的关系不显著，系数为0.002%，表明HE的变化不会立即影响环境结果。NR的使用在两个时间维度上均持续且正向地影响EF。长期来看，NR利用每提高1%，EF增加0.356%；短期内，该效应略低，为0.352%。这些结果揭示了资源开采和消耗所带来的环境负担。URB在短期和长期均不影响EF，这表明仅城市人口增长本身并不会直接影响所研究经济体的环境结果。GDP在短期和长期均显著增加EF。具体而言，GDP每提高1%，EF在长期上升0.426%，在短期上升0.403%。误差修正项为负且显著（−0.765），表明约76.5%的短期失衡会在一年内得到修正，从而趋向长期均衡收敛。CS-ARDL结果证实，EF与其预测变量之间存在显著的长期和短期动态关系。SCD、NR和GDP增加EF，而GET和TI降低EF。误差修正模型（ECM）反映了一种快速调整机制，表明针对这些变量的政策能够显著影响长期环境可持续性。如表10所示，模型的稳健性通过AMG方法进行评估，结果与之前的CS-ARDL估计基本一致。

研究结论

本文为新兴经济体提供了关键的经济见解：发展道路不再是工业化与环境之间的简单权衡，而是对竞争性现代化力量的更复杂导航。它表明增长的质量关键性地塑造其生态影响。虽然供应链数字化和自然资源开采作为传统和现代经济活动的标志显著增加了环境压力，但对绿色能源转型和以可持续为导向的技术创新的有针对性投资提供了强大的缓解杠杆。

政策制定者必须倡导和执行绿色数字政策，以将数字增长与这些有害效应脱钩。这些政策应专门针对已识别的数字足迹驱动因素，包括激励节能数据中心以减少本文模型揭示的运营能源负担，在电子产品制造中促进循环经济原则以缓解支撑供应链数字化的硬件生命周期效应，以及将可再生能源整合到数字基础设施中，以清洁为数字转型提供动力的能源来源并抵消其负面环境影响。

此外，本文确认绿色能源转型显著减少生态足迹，加强了对太阳能、风能和水力发电等可再生能源加速投资的重要性。政策制定者应优先考虑清洁能源采用的补贴、可再生能源项目的税收激励，以及逐步取消化石燃料补贴。技术创新是减少环境退化的另一个关键因素，能够实现更高效的资源使用和更清洁的生产方法。为了最大化这些效益，政府应增加绿色研发资金，支持可持续技术中的公私合作伙伴关系，并建立专注于环保解决方案的创新中。

参考文献：Muniba1,Abdul Majeed2,Anna Min DuCA3. Greening the supply chain: How digital transformation shapes environmental sustainability in emerging economies[J]. Energy Economics,2026,Vol.157: 109283.