The Effect of Artificial Intelligence Technology on Carbon Emissions
Xue Fei1,Liu Jiaqi2,Fu Yamei2,3
(1.School of Applied Economics, University of Chinese Academy of Social Sciences, Beijing 102488, China;2.School of Economics & Management, Northwest University, Xi′an 710127, China;3.School of Statistics, Xi'an University of Finance and Economics, Xi′an 710100, China)
[1] ACEMOGLU D, RESTREPO P. The race between man and machine: implications of technology for growth, factor shares, and employment[J]. American Economic Review, 2018, 108(6): 1488-1542.[2] 魏巍贤,杨芳.技术进步对中国二氧化碳排放的影响[J].统计研究,2010,27(7):36-44.[3] 鄢哲明,杨志明,杜克锐.低碳技术创新的测算及其对碳强度影响研究[J].财贸经济,2017,38(8):112-128.[4] WANG Z, YANG Z, ZHANG Y, et al. Energy technology patents——CO2, emissions nexus: an empirical analysis from China[J]. Energy Policy, 2012, 42(2):248-260.[5] 卢娜,王为东,王淼,等.突破性低碳技术创新与碳排放:直接影响与空间溢出[J].中国人口·资源与环境, 2019, 29(5): 30-39.[6] 邵帅,张可,豆建民.经济集聚的节能减排效应:理论与中国经验[J].管理世界,2019,35(1):36-60,226.[7] 冯烽,叶阿忠.技术溢出视角下技术进步对能源消费的回弹效应研究——基于空间面板数据模型[J].财经研究, 2012, 38(9): 123-133.[8] 杨莉莎,朱俊鹏,贾智杰.中国碳减排实现的影响因素和当前挑战——基于技术进步的视角[J].经济研究,2019,54(11):118-132.[9] 王道平,杜克锐,鄢哲明.低碳技术创新有效抑制了碳排放吗——基于PSTR模型的实证分析[J].南京财经大学学报, 2018(6): 1-14.[10] 张华,魏晓平,吕涛.能源节约型技术进步、边际效用弹性与中国能源消耗[J]. 中国地质大学学报(社会科学版), 2015, 15(2): 11-22.[11] 谢云飞.数字经济对区域碳排放强度的影响效应及作用机制[J].当代经济管理,2022,44(2):68-78.[12] 徐维祥,周建平,刘程军.数字经济发展对城市碳排放影响的空间效应[J].地理研究,2022,41(1):111-129.[13] 缪陆军,陈静,范天正,等.数字经济发展对碳排放的影响——基于278个地级市的面板数据分析[J]. 南方金融,2022(2):45-57.[14] 黄海燕,刘叶,彭刚.工业智能化对碳排放的影响——基于我国细分行业的实证[J].统计与决策,2021,37(17):80-84.[15] 曹静,周亚林.人工智能对经济的影响研究进展[J].经济学动态,2018,59(1):103-115.[16] 朱巧玲,李敏.人工智能、技术进步与劳动力结构优化对策研究[J].科技进步与对策,2018,35(6):36-41.[17] ACEMOGLU D, RESTREPO P. Robots and jobs: evidence from US labor markets[J]. Journal of Political Economy, 2020, 128(6): 2188-2244.[18] 杨光,侯钰.工业机器人的使用、技术升级与经济增长[J].中国工业经济,2020,38(10):138-156.[19] 隆云滔,刘海波,蔡跃洲.人工智能技术对劳动力就业的影响——基于文献综述的视角[J].中国软科学,2020,35(12):56-64.[20] 张文博,周冯琦.人工智能背景下的环境治理变革及应对策略分析[J].社会科学,2019,34(7):23-30.[21] 张伟,李国祥.环境分权体制下人工智能对环境污染治理的影响[J].陕西师范大学学报(哲学社会科学版), 2021, 50(3): 121-129.[22] HENDERSON P, HU J, ROMOFF J, et al. Towards the systematic reporting of the energy and carbon footprints of machine learning[J]. Journal of Machine Learning Research, 2020, 21: 1-43.[23] STRUBELL E, GANESH A, MCCALLUM A. Energy and policy considerations for deep learning in NLP[C]. 57th Annual Meeting of The Association For Computational Linguistics, 2019.[24] 陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济,2011,34(4):124-143.[25] HAYES A F, PREACHER K J. Quantifying and testing indirect effects in simple mediation models when the constituent paths are nonlinear[J]. Multivariate Behavioral Research, 2010, 45(4): 627-660.[26] 许和连, 成丽红, 孙天阳. 制造业投入服务化对企业出口国内增加值的提升效应——基于中国制造业微观企业的经验研究[J]. 中国工业经济, 2017(10): 62-80.[27] 韩民春,韩青江.机器人技术进步对劳动力市场的冲击——基于动态随机一般均衡模型的分析[J].当代财经,2020,41(4):3-16.[28] 彭代彦,李亚诚,彭旭辉.人工智能对流动人口工资收入的影响及其作用机理[J].经济体制改革,2021,38(3):32-38.[29] 徐斌,陈宇芳,沈小波.清洁能源发展、CO2减排与区域经济增长[J].经济研究,2019,54(7):188-202.[30] WAGNER U J, TIMMINS C D. Agglomeration effects in foreign direct investment and the pollution haven hypothesis[J]. Environmental & Resource Economics, 2009, 43(2):231-256.[31] ANTWEILER W, COPELAND B R, TAYLOR M S. Is free trade good for the environment[J]. American Economic Review, 2001, 91(4):877-908.[32] LIND J, MEHLUM H. With or without U-the appropriate test for a U shaped relationship[J]. Oxford Bulletin of Economics and Statistics, 2010, 72(1): 1-12.