DOI: https://doi.org/10.1057/s41599-025-04805-z
تاريخ النشر: 2025-04-21
المؤلف: Bihua Zhou وآخرون
الموضوع الرئيسي: الطاقة والبيئة والنمو الاقتصادي
نظرة عامة
تبحث الدراسة في تأثير سياسة “المناطق التجريبية الشاملة للبيانات الضخمة الوطنية” (NBDCPZ) على انبعاثات الكربون في 282 مدينة صينية من 2006 إلى 2019، باستخدام نموذج الفرق في الفروق لتحليل بيانات اللوحة المتوازنة. تشير النتائج إلى أن سياسة NBDCPZ أدت إلى تقليص تقريبًا بنسبة 19.05% في انبعاثات الكربون الحضرية، بشكل رئيسي من خلال تعزيز الابتكار في التكنولوجيا الرقمية. ومع ذلك، فإن توسيع البنية التحتية الرقمية قد أدخل تأثير ارتدادي رقمي يمكن أن يعاكس بعض فوائد تقليل الكربون. على الرغم من ذلك، فإن التقدم التكنولوجي العام المدفوع بالسياسة يفوق بشكل كبير الآثار السلبية لتطوير البنية التحتية.
تظهر التحليلات الإضافية باستخدام تحليل المسار السببي (CPA) أن تأثير الارتداد ليس شديدًا، حيث تدعم البنية التحتية الرقمية الابتكار التكنولوجي من خلال توفير خدمات عامة أساسية للتحول الرقمي. كما تستخدم الدراسة طريقة الغابة العشوائية العامة (GRF) لتعلم السياسات، حيث تحدد 38 مدينة تجريبية جديدة يمكن أن تحقق تقليصًا بنسبة 37.22% في انبعاثات الكربون، مما يعزز فعالية السياسة الأصلية بنسبة 95.38% ويخفف من فقدان الرفاهية المرتبط بقواعد التوزيع الأولية. تسلط الدراسة الضوء على التفاعل المعقد بين البنية التحتية الرقمية والابتكار التكنولوجي في تقليل الكربون الحضري، مما يشير إلى أن المناطق الاقتصادية المتطورة قد تواجه زيادة في الانبعاثات بسبب توسيع مراكز البيانات، بينما تستفيد المناطق الأقل تطورًا من تحسين الكفاءات.
مقدمة
تستعرض مقدمة ورقة البحث الإمكانات التحويلية للبيانات الضخمة في سياق التنمية المستدامة والنمو الاقتصادي. تعرفها معهد ماكينزي العالمي (2011) بأنها “البيانات الضخمة” التي تشمل مجموعات بيانات واسعة تتجاوز قدرات قواعد البيانات التقليدية في التقاط وتخزين وإدارة وتحليل المعلومات. يُعتبر دمج البيانات الضخمة عبر مختلف القطاعات محركًا حاسمًا للتنمية الاقتصادية والاستدامة البيئية، لا سيما من خلال الاقتصاد الرقمي، الذي يعزز ترقية الصناعة والتحول نحو نماذج موجهة نحو الخدمات. تبرز الورقة التحدي المزدوج الذي تواجهه الصين، أكبر مصدر لثاني أكسيد الكربون في العالم، حيث تسعى إلى الوصول إلى ذروة انبعاثات الكربون بحلول عام 2030 وتحقيق الحياد الكربوني بحلول عام 2060.
تركز الدراسة على سياسة “المناطق التجريبية الشاملة للبيانات الضخمة الوطنية” (NBDCPZ) في الصين، التي تعمل كاختبار شبه طبيعي لاستكشاف العلاقة بين سياسات البيانات الضخمة، ونمو الاقتصاد الرقمي، وانبعاثات الكربون. تهدف إلى معالجة التأثير المحتمل للارتداد الناتج عن الرقمنة، حيث قد يؤدي تحسين كفاءة الطاقة بشكل متناقض إلى زيادة استهلاك الطاقة بسبب توسيع البنية التحتية الرقمية. تشير النتائج إلى أنه بينما يساهم الابتكار في التكنولوجيا الرقمية بشكل إيجابي في تقليل الكربون، يمكن أن يؤدي توسيع البنية التحتية الرقمية إلى زيادة الانبعاثات. ومع ذلك، عندما يتم دمج هذه التأثيرات، فإن التأثير العام لسياسة NBDCPZ يكون مفيدًا لتقليل الكربون. تستخدم الدراسة نهج الفرق في الفروق (DID) وتحليل المسار السببي (CPA) لتقديم رؤى حول الآليات المعنية، مما يوفر في النهاية توصيات سياسية لتحسين استراتيجيات تقليل الكربون في البلدان النامية.
طرق
في هذه الدراسة، يستخدم المؤلفون طريقة الفرق في الفروق (DID) لتقييم التأثير السببي لسياسة المناطق التجريبية الشاملة للبيانات الضخمة الوطنية على انبعاثات الكربون. تعتبر طريقة DID مناسبة بشكل خاص لهذا التحليل حيث تقارن التغيرات في انبعاثات الكربون بين مجموعات العلاج (المدن التجريبية) والمجموعة الضابطة (المدن غير التجريبية) قبل وبعد تنفيذ السياسة. ومع ذلك، فإن اختيار المدن التجريبية بناءً على الهيكل الصناعي الإقليمي والتنمية الاقتصادية يقدم اختلافات منهجية تتحدى الافتراض العشوائي اللازم للاستنتاج السببي.
لمعالجة هذه التحديات، يقوم المؤلفون ببناء نموذج يتم تمثيله بالمعادلة:
\[
\text{Carbon}_{it} = \alpha + \beta \text{BigData}_{it} + \gamma \text{Control}_{it} + \mu_i + \lambda_t + \epsilon_{it}
\]
في هذه المعادلة، تمثل \(\text{Carbon}_{it}\) إجمالي انبعاثات الكربون في المدينة \(i\) خلال السنة \(t\)، بينما \(\text{BigData}_{it}\) هي متغير ثنائي يشير إلى ما إذا كانت المدينة \(i\) مدينة تجريبية في الوقت \(t\). تلتقط المعامل \(\beta\) تأثيرات العلاج للسياسات التجريبية، وتشمل \(\text{Control}_{it}\) متغيرات تحكم خاصة بالمدينة. يأخذ النموذج أيضًا في الاعتبار تأثيرات المدينة الثابتة (\(\mu_i\))، وتأثيرات السنة الثابتة (\(\lambda_t\))، وعبء خطأ عشوائي (\(\epsilon_{it}\))، مما يضمن تحليلًا قويًا لتأثير السياسة على انبعاثات الكربون.
نقاش
تستكشف قسم النقاش في ورقة البحث التأثير المزدوج للرقمنة على انبعاثات الكربون، في سياق المناطق التجريبية الشاملة للبيانات الضخمة الوطنية (NBDCPZ) في الصين. تفترض الفرضية الأولى أن NBDCPZ يمكن أن تخفض بشكل فعال انبعاثات الكربون وتساعد في التحول إلى الكربون المنخفض في المناطق الحضرية. يتم تحقيق ذلك من خلال استخدام البيانات الضخمة لتحليل بصمة الكربون بدقة، مما يمكّن الحكومات المحلية من تحديد مصادر الانبعاثات الرئيسية وتحسين تخصيص الموارد لتقليل الانبعاثات. ومع ذلك، تسلط الورقة الضوء أيضًا على “تأثير الارتداد الرقمي” غير المنتج، حيث يمكن أن يؤدي تطوير البنية التحتية الرقمية كثيفة الطاقة، مثل مراكز البيانات وشبكات 5G، إلى زيادة استهلاك الطاقة وانبعاثات الكربون، خاصة في المناطق المعتمدة على الوقود الأحفوري.
تتناول الفرضية الثانية التأثير التكنولوجي للرقمنة، مشيرة إلى أن التقدم في التكنولوجيا الرقمية يمكن أن يؤثر بشكل إيجابي على تقليل الكربون. تُظهر الابتكارات مثل الذكاء الاصطناعي وتحليل البيانات الضخمة أنها تعزز كفاءة الطاقة وتروج للتقنيات الخضراء، مما يقلل من كثافة الكربون عبر مختلف القطاعات. تختتم الورقة بالقول إنه بينما تعزز NBDCPZ تطوير البنية التحتية الرقمية – التي قد تؤدي في البداية إلى تفاقم انبعاثات الكربون – فإنها تدفع في الوقت نفسه الابتكار التكنولوجي الذي يمكن أن يخفف من هذه الآثار. تؤكد النتائج على أهمية تحقيق التوازن بين توسيع البنية التحتية والممارسات المستدامة لتجنب آثار الاحتجاز الكربوني على المدى الطويل، مما يدعو في النهاية إلى نهج استراتيجي لاستغلال التقنيات الرقمية لتحقيق فوائد بيئية.
DOI: https://doi.org/10.1057/s41599-025-04805-z
Publication Date: 2025-04-21
Author(s): Bihua Zhou et al.
Primary Topic: Energy, Environment, Economic Growth
Overview
The research investigates the impact of the “National Big Data Comprehensive Pilot Zones” (NBDCPZ) policy on carbon emissions in 282 Chinese cities from 2006 to 2019, utilizing a Difference-in-Differences model to analyze balanced panel data. The findings indicate that the NBDCPZ policy has led to an approximate 19.05% reduction in urban carbon emissions, primarily through enhanced digital technology innovation. However, the expansion of digital infrastructure has introduced a digital rebound effect that can counteract some carbon reduction benefits. Despite this, the overall technological advancements driven by the policy significantly outweigh the negative impacts of infrastructure development.
Further analysis using causal path analysis (CPA) reveals that the rebound effect is not severe, as digital infrastructure supports technological innovation by providing essential public services for digital transformation. The study also employs a generalized random forest (GRF) method for policy learning, identifying 38 new pilot cities that could achieve a 37.22% reduction in carbon emissions, thereby enhancing the original policy’s effectiveness by 95.38% and mitigating the welfare loss associated with the initial distribution rule. The research highlights the complex interplay between digital infrastructure and technological innovation in urban carbon reduction, suggesting that economically developed regions may face increased emissions due to data center expansion, while underdeveloped areas benefit from improved efficiencies.
Introduction
The introduction of the research paper outlines the transformative potential of big data within the context of sustainable development and economic growth. Defined by the McKinsey Global Institute (2011), “big data” encompasses extensive datasets that surpass traditional database capabilities in capturing, storing, managing, and analyzing information. The integration of big data across various sectors is posited as a crucial driver for economic development and environmental sustainability, particularly through the digital economy, which fosters industrial upgrading and a shift towards service-oriented models. The paper highlights the dual challenge faced by China, the world’s largest carbon dioxide emitter, as it strives to peak carbon emissions by 2030 and achieve carbon neutrality by 2060.
The study focuses on China’s “National Big Data Comprehensive Pilot Zones” (NBDCPZ) policy, which serves as a quasi-natural experiment to explore the relationship between big data policies, digital economy growth, and carbon emissions. It aims to address the potential rebound effect of digitalization, where increased energy efficiency may paradoxically lead to higher energy consumption due to expanded digital infrastructure. The findings suggest that while digital technology innovation contributes positively to carbon reduction, the expansion of digital infrastructure can increase emissions. However, when these effects are combined, the overall impact of the NBDCPZ policy is beneficial for carbon reduction. The research employs a difference-in-difference (DID) approach and causal path analysis (CPA) to provide insights into the mechanisms at play, ultimately offering policy recommendations for optimizing carbon reduction strategies in developing countries.
Methods
In this study, the authors employ the difference-in-difference (DID) method to evaluate the causal impact of the National Big Data Comprehensive Pilot Zone policy on carbon emissions. The DID approach is particularly suited for this analysis as it compares changes in carbon emissions between treatment (pilot cities) and control (non-pilot cities) groups before and after the policy implementation. However, the selection of pilot cities based on regional industrial structure and economic development introduces systematic differences that challenge the assumption of randomness necessary for causal inference.
To address these challenges, the authors construct a model represented by the equation:
\[
\text{Carbon}_{it} = \alpha + \beta \text{BigData}_{it} + \gamma \text{Control}_{it} + \mu_i + \lambda_t + \epsilon_{it}
\]
In this equation, \(\text{Carbon}_{it}\) represents the total carbon emissions in city \(i\) during year \(t\), while \(\text{BigData}_{it}\) is a binary variable indicating whether city \(i\) is a pilot city at time \(t\). The coefficient \(\beta\) captures the treatment effects of the pilot policies, and \(\text{Control}_{it}\) includes various city-specific control variables. The model also accounts for city fixed effects (\(\mu_i\)), year fixed effects (\(\lambda_t\)), and a random error term (\(\epsilon_{it}\)), ensuring a robust analysis of the policy’s impact on carbon emissions.
Discussion
The discussion section of the research paper explores the dual impact of digitization on carbon emissions, framed within the context of the National Big Data Comprehensive Pilot Zone (NBDCPZ) in China. The first hypothesis posits that the NBDCPZ can effectively lower carbon emissions and facilitate low-carbon transformation in urban areas. This is achieved through the use of big data for precise carbon footprint analysis, enabling local governments to identify key emission sources and optimize resource allocation for emission reduction. However, the paper also highlights a counterproductive “digital rebound effect,” where the development of energy-intensive digital infrastructure, such as data centers and 5G networks, can lead to increased energy consumption and carbon emissions, particularly in regions reliant on fossil fuels.
The second hypothesis addresses the technological effect of digitization, suggesting that advancements in digital technology can positively influence carbon reduction. Innovations such as artificial intelligence and big data analytics are shown to enhance energy efficiency and promote green technologies, thereby reducing carbon intensity across various sectors. The paper concludes that while the NBDCPZ fosters digital infrastructure development—which may initially exacerbate carbon emissions—it simultaneously drives technological innovation that can mitigate these effects. The findings underscore the importance of balancing infrastructure expansion with sustainable practices to avoid long-term carbon lock-in effects, ultimately advocating for a strategic approach to harnessing digital technologies for environmental benefits.