文献来源
原文题目：How does data factor marketization influence urban carbon emission efficiency? A new method based on double machine learning
原文作者：Neng Shen, Jingwen Zhou, Guoping Zhang, Lianjun Wu, Lin Zhang
作者单位：School of Economics and Management, Fuzhou University, Fuzhou, China
原载期刊：Sustainable Cities and Society
发表时间：2024年12月26日
关键词：数据要素市场化，碳排放效率，双重机器学习，数字金融，技术创新，产业结构
观点摘要
全球气候变化压力下，中国作为最大碳排放国，需探索经济增长与碳减排的平衡路径。数据要素市场化作为数字经济核心，被视为提升碳排放效率（CEE）的重要驱动力。本文基于 2011-2021 年中国282个城市面板数据，以数据交易平台建设为准自然实验，运用双重机器学习（DML）模型，量化分析数据要素市场化对CEE的影响及其作用机制，并考察区域异质性。
研究发现：（1）数据要素市场化对CEE具有显著正向影响，经调整样本、更换模型等稳健性检验后结论依然成立；（2）数据要素市场化通过激活数据价值、优化金融资源配置，提升数字金融的覆盖广度、使用深度和数字化程度，间接推动CEE提升；（3）发达城市凭借知识密集型产业优势，更能释放数据要素的 “数字红利”，CEE提升效果优于欠发达城市。
基于以上结论，建议：（1）发展中国家需明确自身发展阶段，有序开发利用区域资源，加速城市基础设施建设，夯实数据要素市场的物质基础；（2）发展中国家要引入先进技术，加速数据技术创新与应用，依托数据要素市场推动数字化转型，实现节能减碳；（3）发达国家进一步深化数据要素市场的精细化发展，借助技术、人才和资本优势，探索建立跨国数据交易平台，促进全球数据流动与共享，助力全球减排目标的实现。
研究展望
本文的边际贡献在于：（1）首次将数据要素市场化与CEE纳入统一分析框架，弥补了传统研究对 “数据-环境” 关联的忽视；（2）引入双重机器学习模型解决高维变量干扰，避免传统模型设定误差，提升政策评估可信度；（
3）揭示数字金融、技术创新、产业结构三条传导路径，并量化区域异质性特征，为政策精准化提供依据。
整理发布
姚力诚浙江工业大学2023级国贸专业本科生
