Machine Translated by Google

Jurnal Pengelolaan Lingkungan Hidup 344 (2023) 118541

Daftar isi tersedia di ScienceDirect

Jurnal Pengelolaan Lingkungan

beranda jurnal: www.elsevier.com/loc/jenvman

Artikel Penelitian

Transformasi digital dan pengurangan intensitas karbon dalam industri

transportasi: Bukti empiris dari perspektif global
Yanxi Huang a,b , Minhu
A C
, Jiajun Xu , Zhida Jin a,b,*

A
Fakultas Ekonomi, Universitas Teknologi Wuhan, Wuhan, 430070, Cina
B
Laboratorium Kunci Sel Bahan Bakar Hubei, Universitas Teknologi Wuhan, Wuhan, 430070, Cina
C
Sekolah Ekonomi dan Manajemen, Universitas Wuhan, Wuhan, 430072, Cina

INFO PASAL ABSTRAK

Kata kunci: Transformasi digital telah menjadi tren yang tak terelakkan dalam perkembangan industri, namun penelitian
Transformasi digital mengenai manfaatnya terhadap lingkungan belum dilakukan secara mendalam. Tulisan ini berfokus pada dampak
Industri transportasi
dan mekanisme transformasi digital industri transportasi terhadap intensitas karbonnya. Uji empiris dilakukan
Intensitas karbon
berdasarkan data panel di 43 negara dari tahun 2000 hingga 2014. Hasilnya menunjukkan bahwa transformasi
Perjanjian Paris
digital pada industri transportasi mengurangi intensitas karbonnya, namun hanya transformasi digital yang
mengandalkan sumber digital dalam negeri yang signifikan. Kedua, kemajuan teknologi, peningkatan struktur
internal industri, dan peningkatan konsumsi energi merupakan saluran utama yang melaluinya transformasi digital
dalam industri transportasi dapat mengurangi intensitas karbonnya. Ketiga, dalam hal pengelompokan industri,
transformasi digital pada transportasi dasar mempunyai dampak yang lebih signifikan terhadap penurunan
intensitas karbon. Untuk digitalisasi segmentasi, pengurangan intensitas karbon dari infrastruktur digital lebih
signifikan. Tulisan ini menjadi acuan bagi negara-negara untuk merumuskan kebijakan pembangunan industri transportasi dan m

1. Perkenalan
Percepatan industrialisasi telah meningkatkan perekonomian dunia
omy, disertai dengan tingginya emisi gas rumah kaca (terutama CO2) (Dong dkk.,
2019). Hal ini telah meningkatkan suhu global dan menyebabkan serangkaian bencana
ekologi (Jin et al., 2022a).
Mengontrol emisi CO2 sangat penting bagi semua negara untuk mewujudkan
pembangunan hijau. Perjanjian Paris yang ditandatangani oleh 178 pihak mencerminkan
tekad dunia untuk mengurangi emisi karbon (Khan et al., 2022).
Misalnya, Tiongkok, negara berkembang terbesar di dunia dan penghasil emisi karbon
terbesar, telah mengusulkan pengurangan intensitas karbon sebesar 60–65% pada
tahun 2030 dibandingkan dengan tingkat pada tahun 2005 (Li et al., 2019). Namun,
menurut IEA, emisi CO2 global yang terkait dengan energi akan meningkat sebesar 6
persen menjadi 36,3 miliar ton pada tahun 2021 dan pengurangan karbon masih
merupakan tantangan yang serius.
Industri transportasi, sebagai jasa penting bagi sektor industri lainnya, telah
berkembang pesat seiring dengan percepatan industrialisasi dan urbanisasi (Albasri et
al., 2022). Namun, emisi karbon dari industri transportasi juga meningkat secara
eksponensial (Bai et al., 2020). Menurut laporan IPCC AR6, emisi karbon transportasi
dapat meningkat sebesar 65% pada tahun 2050 (dibandingkan tahun 2010) jika tidak
ada
tindakan diambil (Gao dan Ou, 2022). Sejumlah besar penelitian menunjukkan bahwa
pengurangan intensitas karbon adalah salah satu cara utama untuk memisahkan
pertumbuhan ekonomi dari degradasi lingkungan (Jin et al., 2022b).
Oleh karena itu, mempelajari cara mengurangi intensitas karbon dalam industri
transportasi sangatlah penting secara praktis.
Percepatan revolusi teknologi global dan pesatnya perkembangan ekonomi digital
telah mempercepat transformasi digital di berbagai industri. Pada saat yang sama,
transformasi digital berdampak besar terhadap perubahan iklim (Lange et al., 2020).
Tzeremes dkk. (2022) menunjukkan digitalisasi memainkan peran penting dalam
perbaikan lingkungan, terutama dalam mengurangi emisi CO2. Laporan SMARTer2030
menyatakan bahwa TIK akan mengurangi emisi CO2 global sebesar 20% pada tahun
2030 (Shabani dan Shahnazi, 2019). Transformasi digital telah menjadi pendorong
utama pengurangan emisi karbon di industri transportasi dan cara yang berpengaruh
untuk mencapai tujuan “dual karbon” (Yang et al., 2022). Mengeksplorasi dampak
transformasi digital industri transportasi terhadap intensitas karbon tidak hanya dapat
mengeksplorasi jalur baru bagi pembangunan industri transportasi yang ramah
lingkungan, namun juga memberikan panduan kebijakan berkelanjutan bagi negara-
negara untuk mencapai target ekonomi rendah karbon. .
Mengingat kebutuhan mendesak untuk mengurangi emisi karbon dari

* Penulis yang sesuai. Fakultas Ekonomi, Universitas Teknologi Wuhan, Wuhan, 430070, Cina.
Alamat email: jinzhida@whut.edu.cn (Z.Jin).

https://doi.org/10.1016/j.jenvman.2023.118541
Diterima pada 24 April 2023; Diterima dalam bentuk revisi 19 Juni 2023; Diterima 26 Juni
2023 Tersedia online 30 Juni 2023
0301-4797/© 2023 Elsevier Ltd. Semua hak dilindungi undang-undang.
Machine Translated by Google
Y.Huang dkk.
industri transportasi, makalah ini membahas hubungan antara transformasi digital
industri transportasi dan intensitas karbonnya. Kontribusi marjinal probabilistik dari
makalah ini terutama terdiri dari tiga aspek berikut.
Pertama, kami fokus pada dampak transformasi digital di industri transportasi
terhadap intensitas karbon. Industri transportasi tidak hanya merupakan urat nadi utama
pembangunan ekonomi, namun juga merupakan industri utama dalam mengurangi
emisi karbon. Namun, sepanjang pengetahuan kami, hanya sedikit literatur yang
berfokus pada bidang ini. Studi kami akan sangat memperkaya penelitian terkait
mengenai dampak pengurangan karbon dari transformasi digital di industri transportasi.
Kedua, kami menyediakan sintesis unik dari ilustrasi teoretis. Dalam makalah ini,
kami mengeksplorasi mekanisme dampak transformasi digital terhadap intensitas
karbon industri transportasi dari tiga perspektif: efek inovasi teknologi, efek struktur
industri, dan efek energi. Hal ini memungkinkan kita tidak hanya memperluas
kemungkinan jalur kerja sama dalam pengurangan karbon di industri transportasi,
namun juga menunjukkan saluran-saluran yang melaluinya transformasi digital dapat
berdampak pada pembangunan ramah lingkungan di industri transportasi. Makalah ini
memberikan bukti baru mengenai manfaat transformasi digital bagi lingkungan.
Ketiga, kami adalah pihak pertama yang menerapkan kumpulan data global yang
mencakup 43 negara besar dari tahun 2000 hingga 2014 untuk menyelidiki hubungan
antara transformasi digital pada industri transportasi dan intensitas karbonnya. Selain
itu, kami menggunakan efek tetap panel dimensi tinggi dan model kuadrat terkecil dua
tahap (2SLS) untuk pengujian empiris. Hal ini mendobrak keterbatasan sampel penelitian
sebelumnya dan menjadikan kesimpulan makalah ini lebih ilmiah dan universal, serta
memberikan bukti empiris dan pencerahan yang lebih tepat untuk merumuskan kebijakan
pengembangan industri dan perlindungan lingkungan.
2. Tinjauan pustaka, analisis teoritis dan hipotesis penelitian
2.1. Tinjauan Literatur
Industri transportasi, sebagai pembawa pertumbuhan ekonomi yang pesat, juga
merupakan salah satu dari tiga industri dengan emisi karbon tertinggi (Li et al., 2019).
Sejumlah besar sarjana telah mempelajari faktor-faktor yang mempengaruhi emisi
karbon di industri transportasi.
Investasi transportasi (Chen et al., 2023), permintaan transportasi (Feng et al., 2020),
inovasi teknologi (Zhang dan Wei, 2015), struktur energi (Jiang et al., 2022) dan
intensitas konsumsi energi (Mraihi et al., 2023) ., 2013) merupakan faktor utama yang
mempengaruhi emisi karbon pada industri transportasi. Berfokus pada tingkat industri,
struktur industri (Dong et al., 2020) dan tingkat partisipasi rantai nilai global (Jin et al.,
2022a) dianggap sebagai faktor kunci. Literatur di atas memberikan bukti empiris
mengenai faktor-faktor yang mempengaruhi penurunan intensitas karbon dalam industri
transportasi, namun faktor-faktor tersebut terkonsentrasi dan tunggal, sehingga
mengaburkan penerapannya.
Penelitian tentang transformasi digital terutama berfokus pada Internet (Li et al.,
2023), teknologi informasi dan komunikasi (ICT)
(Niebel, 2018) dan dampaknya terhadap industri manufaktur tradisional (Wang et al.,
2022). Beberapa sarjana menemukan bahwa teknologi informasi mempunyai dampak
positif atau negatif langsung terhadap pembangunan ekonomi (Latif et al., 2018).
Sarjana lain fokus pada dampak transformasi digital terhadap lingkungan. Penelitian
menemukan bahwa transformasi digital mendorong inovasi teknologi ramah lingkungan
(Nguyen et al., 2020) dan mengurangi intensitas energi (Murshed, 2020). Wang dkk.
(2022) menemukan bahwa keterlibatan TIK dapat mengurangi emisi karbon di bidang
manufaktur secara signifikan. Pada saat yang sama, transformasi digital merupakan
kekuatan utama dalam mengurangi intensitas karbon (Sun dan Kim, 2021). Hal ini
mempunyai efek pengurangan tertentu terhadap intensitas karbon regional dan efek
limpahan spasial ke kota-kota tetangga (Sun, 2022).
Sayangnya, hanya sedikit peneliti yang mengeksplorasi hubungan antara
transformasi digital dan intensitas karbon dalam transportasi
2
Jurnal Pengelolaan Lingkungan Hidup 344 (2023) 118541
industri. Shabani dan Shahnazi (2019) menyajikan kausalitas jangka pendek dua arah
antara penerapan TIK dan emisi CO2 di industri transportasi. Penelitian Chatti (2020)
menunjukkan bahwa TIK dapat secara terus menerus dan efektif mengurangi dampak
negatif transportasi angkutan jalan raya terhadap lingkungan. Namun penelitian ini
hanya berfokus pada satu sampel negara atau satu moda transportasi saja, sehingga
mengaburkan keumuman hasil penelitian mereka. Secara umum, hanya ada sedikit
literatur mengenai dampak transformasi digital terhadap intensitas karbon di industri
transportasi, dan tujuan utama makalah ini adalah untuk mencoba mengisi literatur
tersebut.
celah.
2.2. Analisis teoritis dan hipotesis penelitian
Bagian ini memberikan analisis teoritis mengenai saluran-saluran utama yang
melaluinya transformasi digital industri transportasi mempengaruhi intensitas karbon.
Kami fokus pada pengaruh inovasi teknologi, pengaruh struktur industri, dan pengaruh
energi, dan mengajukan tiga hipotesis.
2.2.1. Efek inovasi teknologi Pesatnya
perkembangan ekonomi digital telah melahirkan sejumlah besar teknologi maju,
yang berdampak besar pada intensitas karbon di industri transportasi (Ma et al., 2021).
Pertama, teknologi digital dapat meningkatkan efisiensi transportasi dalam industri dan
mencapai pengurangan karbon. Melalui data real-time yang intensif mengenai lintasan
kendaraan dalam jumlah besar, layanan transportasi, dan sumber barang, hal ini
memberikan panduan yang efektif bagi perusahaan-perusahaan terkait transportasi dan
meningkatkan efisiensi. Kedua, transformasi digital dapat mendorong akumulasi dan
peningkatan sumber daya manusia di industri transportasi (Omri, 2020). Dengan
mengoptimalkan alokasi sumber daya inovasi teknologi dan meningkatkan proses
inovasi, laju inovasi teknologi ramah lingkungan dalam industri transportasi dapat
dipercepat. Ketiga, teknologi digital mempunyai efek limpahan yang signifikan (Wu dan
Liu, 2021). Hal ini memungkinkan industri transportasi memiliki akses tepat waktu
terhadap teknologi canggih dan alat manajemen untuk mengurangi intensitas karbon
dengan mengoptimalkan alokasi sumber daya.
Oleh karena itu, hipotesis pertama dibuat dalam makalah ini.
Hipotesis 1. Transformasi digital pada industri transportasi mengurangi intensitas
karbon melalui percepatan inovasi teknologi.
2.2.2. Efek struktur industri
Transformasi digital pada industri transportasi dapat mewujudkan transformasi
internal dan peningkatan melalui efek limpahan (Huang et al., 2018). Pertama, penetrasi
dan efek turunan dari teknologi digital dapat mendorong pengembangan industri
transportasi yang cerdas dan ramah lingkungan. Selain itu, dengan mendorong
munculnya industri transportasi ramah lingkungan, hal ini telah mengubah struktur
industri dari berbasis faktor menjadi berbasis investasi dan berbasis inovasi. Kedua,
menurut teori “kurva senyum”, dalam rantai nilai penelitian dan pengembangan,
manufaktur, dan pemasaran, nilai tambah terkonsentrasi di kedua ujung dan tenggelam
di tengah (Sun et al., 2019). Transformasi digital telah memungkinkan struktur industri
transportasi mencapai kedua ujung rantai nilai. Transformasi sistem hulu dan hilir dapat
mengurangi konsumsi energi dan meningkatkan efisiensi operasional pembangunan
infrastruktur dan manajemen logistik.
Berdasarkan hal tersebut, kami mengajukan hipotesis kedua.
Hipotesis 2. Transformasi digital mengurangi intensitas karbon pada industri transportasi
dengan memperbaiki struktur internal industri dan status rantai nilai industri.
2.2.3. Efek energi
Transformasi digital pada industri transportasi dapat mengurangi intensitas karbon
dengan mengurangi total konsumsi energi (Huang et al., 2019) dan meningkatkan
efisiensi energi (Fuka et al., 2022). Pertama, dalam hal total konsumsi energi. Metode
online dan konstruksinya
Machine Translated by Google

Y.Huang dkk. Jurnal Pengelolaan Lingkungan Hidup 344 (2023) 118541

Sistem transportasi cerdas dapat mengurangi konsumsi energi yang tidak perlu dengan meningkatkan
V1 0 ÿ 0 B11 B12 ÿ B1G Y1 0 ÿ 0
efisiensi (Dolores dkk., 2017). Kedua, efisiensi energi. Pembangunan sistem transportasi ramah ÿ ÿ ÿ ÿ ÿ ÿ
0 V2 ÿ 0 B21 B22 ÿ B2G 0 Y2 ÿ 0
lingkungan dan logistik ramah lingkungan meningkatkan efisiensi penggunaan energi. Selain itu, VÿBÿ = ÿ ÿ ÿ ÿ ÿ ÿ

ÿÿÿÿ ÿ ÿ

ÿ ÿÿ ÿ
ÿ ÿ

ÿÿÿÿ ÿ

teknologi digital telah membantu mendorong pemantauan digital di industri transportasi, dengan
ÿ 0 0 ÿ VG ÿ ÿ BG1 BG2 ÿ BGG ÿ ÿ 0 0 ÿ YG ÿ
integrasi mendalam pada jejak karbon, penyerap karbon, dan aspek lainnya (Azam et al., 2021).
V1B11Y1 V1B12Y2 ÿ V1B1GYG
Dengan demikian, emisi karbon dapat diukur dan diprediksi secara akurat. Oleh karena itu, hipotesis ÿ ÿ
= ÿ
V2B21Y1 V2B22Y2 ÿ V2B2GYG ÿ

ketiga diajukan dalam makalah ini. ÿ ÿ ÿ

ÿ ÿ ÿ

ÿ VGBG1Y1 VGBG2Y2 ÿ VGBGGYG ÿ

(4)

Hipotesis 3. Transformasi digital dapat mengurangi intensitas karbon pada industri transportasi Berdasarkan Persamaan. (4), mengikuti Liu dkk. (2020), indeks intensitas transformasi industri
dengan mengurangi total konsumsi energi dan meningkatkan efisiensi energi. terkait digital (DTI) dalam negeri pada industri transportasi r di negara i dapat diungkapkan sebagai
berikut:

hal
DTIps
ir = v ir bps iirfir/ VAir i = 1, 2, …G (5)
3. Desain model empiris, konstruksi variabel, dan data
sumber
hal
ir bps iirfir mewakili nilai industri terkait digital dalam negeri yang tercermin dalam
Dalam Persamaan. (5), ay

3.1. Desain model empiris permintaan agregat akhir industri transportasi r di negara i; VAir adalah total nilai tambah industri
transportasi di negara i.

Tujuan utama dari makalah ini adalah untuk menyelidiki dampak transformasi digital pada
industri transportasi terhadap intensitas karbon dari perspektif global. Berdasarkan analisis teoritis
di atas maka dibangun model regresi sebagai berikut:
3.3. Sumber data dan deskripsi statistik

dalam CEIijt = a0 + a1DTIit + Zÿ + ÿ + ÿijt (1) Basis data pertama yang digunakan dalam makalah ini adalah World Input-Output Database
(WIOD), yang diterbitkan pada tahun 2016. Basis data ini berisi dua sub-database: World Input-

Dalam Persamaan. (1), subskrip i, j, dan t berturut-turut mengacu pada negara, industri transportasi, Output Table (WIOT) dan Socio Economic Account (SEA). Kami menghitung indeks DTI berdasarkan

dan tahun; CEI mewakili intensitas karbon (emisi karbon per unit nilai tambah) dari setiap industri indeks DTI, dengan data yang relevan untuk variabel kontrol berasal dari indeks DTI. Kumpulan data

transportasi; DTI mengukur intensitas transformasi digital di industri transportasi. Z adalah vektor kedua adalah penghitungan lingkungan World Input-Output Database (WIOD), yang diterbitkan

variabel kontrol; ÿ adalah efek tetap, dan ÿijt mewakili istilah kesalahan acak. Mengikuti Jin dkk. pada tahun 2019. Kami mendapatkan data tentang emisi karbon dan konsumsi energi. Tabel 1

(2022b), kami mengadopsi efek tetap dari negara, industri, dan tahun boneka. menunjukkan statistik deskriptif variabel inti yang digunakan dalam analisis empiris makalah ini.

Untuk mengecualikan pengaruh determinan lain terhadap hasil akhir, dengan mengacu pada

literatur yang ada, kami menyertakan vektor variabel kontrol tingkat sektor dalam Persamaan. (1)
Sebagai berikut: (1) Skala industri (lnX) diwakili oleh total nilai output industri. (2) Masukan modal
(lnK) dinyatakan dalam aktiva tetap bersih. (3) Tingkat Ketenagakerjaan (lnEMP) merupakan
representasi dari jumlah pekerja. (4) ketergantungan eksternal (OPEN) merupakan proporsi produk
ekspor terhadap total output. (5) konsumsi energi (lnTE) diukur dengan konsumsi energi total.
3.2. Konstruksi variabel
Pengukuran indikator intensitas transformasi digital industri (DTI). Mengikuti Liu dkk. (2020) dan
Jin dkk. (2022b), kami mengadopsi metode dekomposisi untuk menghitung intensitas transformasi
digital di industri transportasi. Misalkan terdapat G negara, masing-masing dengan N sektor
perdagangan yang memproduksi barang dan jasa untuk konsumsi langsung atau untuk digunakan
sebagai input perantara. Itu adalah:
4. Hasil empiris
4.1. Hasil regresi dasar
Pada bagian ini, kami melaporkan hasil regresi dasar untuk memperkirakan dampak transformasi
digital dalam industri transportasi terhadap intensitas karbonnya. Hasilnya dilaporkan pada Tabel 2.
Secara khusus, kolom (1) dan (2) melaporkan temuan mengenai dampak transformasi digital industri
transportasi terhadap intensitas karbonnya. Kolom (3) dan (4) melaporkan hasil bahwa transformasi
digital pada industri transportasi mempengaruhi intensitas karbon ketika hanya keterlekatan industri
digital dalam negeri yang dipertimbangkan. Kolom (5) dan (6) serupa dengan kolom (3) dan (4),
hanya saja yang dipertimbangkan di sini hanya keterlekatan industri digital asing. Negara, industri,
dan tahun dimasukkan dalam regresi ini. Semua regresi dikelompokkan ke tingkat negara.
Seperti terlihat pada kolom (1) dan (2) Tabel 2, koefisien variabel penjelas inti selalu negatif
signifikan pada tingkat kritis 10%. Hal ini menunjukkan bahwa transformasi digital pada industri

(2) transportasi dapat mengurangi intensitas karbon secara signifikan. Pada kolom (3) dan (4), koefisien
Xi = AiiXi + Yii +ÿN ( AijXj + Yij)
jÿ=saya variabel penjelas inti selalu negatif signifikan pada taraf kritis 1%. Hal ini menunjukkan bahwa ketika
input digital dalam negeri digunakan sebagai sumber transformasi digital, dampak penurunan
Dalam Persamaan. (2), Xi adalah vektor output total N*1 di negara i, Yij mewakili barang akhir yang intensitas karbon menjadi lebih signifikan. Pada kolom (5) dan (6), the
diproduksi di negara i dan dikonsumsi oleh negara j, Aij menunjukkan matriks koefisien input-output
blok N*N, mewakili input-output matriks penggunaan input perantara di j barang yang diproduksi di
i. Selanjutnya, biarkan Vi
R menjadi
N*1 vektor koefisien nilai tambah langsung: Tabel 1
R Statistik deskriptif variabel-variabel kunci.
Vi = VAI r / Xi rr = 1, 2…G (3)
Variabel Ob Berarti Std. Dev. Minimal Maks
Menggabungkan Persamaan. (2) dan (3), kita memperoleh bentuk dekomposisi dari
DTI 3150 0,042 0,446 ÿ 0,299 17.319
nilai tambah dan permintaan akhir pada tingkat sektor negara:
lnX 3150 8.380 2.011 2.675 13.293
lnK 3150 9.728 3.299 2.342 20.819
lnEMP 3150 3.681 2.162 ÿ 2.659 10.120
MEMBUKA 3150 0,290 0,264 0 1
lnTE 3125 10.071 2.279 2.793 15.151

3
Machine Translated by Google

Y.Huang dkk. Jurnal Pengelolaan Lingkungan Hidup 344 (2023) 118541

Tabel 2
Hasil regresi baseline.

(1) (2) (3) (4) (5) (6)

DTI ÿ 0,926* ÿ 0,855* ÿ 2,253*** ÿ 1.873** ÿ 1,025 ÿ 1,061

(0,521) (0,462) ÿ (0,673) (0,885) ÿ (0,919) (0,863) ÿ
lnX 3,060* 3,054* 3,053*
(1,670) (1.668) (1,671)
lnK ÿ 0,791 ÿ 0,794 ÿ 0,792
(1,029) ÿ (1,029) ÿ (1,029) ÿ
lnEMP 1,045 1,039 1,060
(1.043) ÿ (1,045) ÿ (1,046) ÿ
MEMBUKA 1.609 1,589 1,643
(5.672) (5.675) (5.688)
lnTE 5.021** 5.012** 5.027**
(2.246) ÿ (2.246) ÿ (2.252) ÿ
Kontra 3,082*** 10.007 3,091*** 9.959 3,064*** 10.063
(0,022) (9.993) (0,014) (10.000) (0,020) (10.020)
Negara Y Y Y Y Y Y

Industri Y Y Y Y Y Y
Tahun Y Y Y Y Y Y
N 3082 3057 3082 3057 3082 3057

R2 yang disesuaikan 0,035 0,051 0,035 0,051 0,035 0,051

Catatan: Kesalahan standar dihitung dengan mengelompokkan di tingkat negara dan dilaporkan dalam tanda kurung. ***p < 0,01, **p < 0,05, *p < 0,1.

koefisien variabel penjelas inti negatif tetapi tidak signifikan pada tingkat kritis
Tabel 4
10%. Hal ini semakin memvalidasi heterogenitas dampak berbagai sumber
Hasil fixed effect dan regresi 2SLS.
masukan digital terhadap intensitas karbon.
Hal ini mungkin disebabkan oleh fakta bahwa investasi asing lebih fokus pada (1) (2)

keuntungan dan bukan pada manfaat lingkungan. Selain itu, penggunaan produk DTI ÿ 1,958** ÿ 1,343***
digital asing dapat menyebabkan ketergantungan, yang mengarah pada “low-end (0,861) ÿ (0,309)
lock-in” industri dalam negeri dan mempersulit pencapaian Kontra 12,052***
(4,459)
peningkatan hijau. Daripada mempertimbangkan transformasi digital secara
Variabel kontrol Y Y
umum, kami menganalisis secara menyeluruh efek heterogen dari berbagai Efek tetap Y Y
sumber penyematan (Lange et al., 2020). Berdasarkan hal ini, hanya dampak N 3057 3057

input digital domestik terhadap intensitas karbon dalam industri transportasi yang R2 yang disesuaikan 0,013
Pertama
dipertimbangkan dalam analisis di bawah ini.
DTIIV ÿ 0,147***
(0,233)
4.2. Pemeriksaan ketahanan Statistik Kleibergen-Paap rk Wald F 40,03

Catatan: Kesalahan standar dihitung dengan mengelompokkan di tingkat negara dan dilaporkan
Pada bagian ini, kami menunjukkan kekokohan hasil regresi dasar terhadap dalam tanda kurung. Efek tetap pada kolom (1) adalah *tahun negara dan tahun* industri; kolom
banyak spesifikasi alternatif. Hasilnya dilaporkan pada Tabel 3 dan Tabel 4. (2) berturut-turut adalah negara, industri, dan tahun. ***p <
0,01, **p < 0,05, *p < 0,1.

4.2.1. Pengukuran variabel alternatif Pada variabel, kami melakukan winorisasi semua variabel kontinu pada ls 1% dan 99%.
subbagian ini, kami melakukan beberapa ketahanan tambahan dengan Hasilnya masih kuat, seperti terlihat pada kolom (3). Kesimpulannya, setelah
pengukuran variabel alternatif. Hasilnya ditunjukkan pada Tabel 3. Pada kolom mengubah indikator atau metode pengukuran variabel yang dijelaskan dan
(1), variabel intensitas karbon yang dijelaskan didefinisikan ulang sebagai rasio variabel penjelas utama, hasil regresi baseline konsisten, yang semakin
emisi karbon terhadap total keluaran. Temuan utama kami tetap tidak berubah, menunjukkan kekokohan kesimpulan makalah ini.
dengan variabel penjelas inti tetap negatif secara signifikan pada tingkat kritis 1%.
Pada kolom (2), variabel penjelas inti diganti dengan proporsi input antara
langsung, dan besaran serta signifikansi koefisien regresi tetap tidak berubah. 4.2.2. Terapi endogenitas dengan perubahan efek tetap dan estimasi kuadrat
Untuk menghindari bias hasil karena outlier dan nonrandom terkecil dua tahap (2SLS).
Masalah endogenitas yang disebabkan oleh potensi hubungan sebab akibat
antara transformasi digital industri transportasi dan intensitas karbonnya tidak
Tabel 3 dapat diabaikan (Liu et al., 2020). Pada bagian ini, kami memitigasi kemungkinan
Hasil pemeriksaan ketahanan. masalah endogenitas dengan memvariasikan efek tetap dan membangun variabel
(1) (2) (3)
instrumental. Hasilnya ditunjukkan pada Tabel 4.
Secara khusus, pertama-tama kami mengganti variabel negara, industri, dan
DTI ÿ 0,303*** ÿ 0,526** ÿ 2.491* *
tahun dengan variabel tahun negara dan * tahun industri untuk mengontrol faktor-
(0,861) (0,207) ÿ (1,350)
Kontra 1,927 9,973 0,253 faktor yang tidak dapat diobservasi yang berubah seiring waktu di tingkat industri
(2,994) (10,005) (1,423) dan negara. Seperti yang ditunjukkan pada kolom (1), temuan utama kami
Variabel kontrol Y Y Y
mengenai variabel penjelas inti tetap tidak berubah setelah efek tetap diubah.
Negara Y Y Y
Kedua, kami mengambil tingkat rata-rata transformasi digital industri
Industri Y Y Y
Tahun Y Y Y transportasi global tidak termasuk negara dalam negeri sebagai variabel
N 3057 3057 3057 instrumental DTI (dilambangkan dengan DTIIV), dan mengadopsi model regresi
R2 yang disesuaikan 0,335 0,051 0,555 2SLS. Hasilnya dilaporkan pada kolom (2). Hasil regresi tahap pertama
Catatan: Kesalahan standar dihitung dengan mengelompokkan di tingkat negara dan dilaporkan menunjukkan bahwa koefisien variabel instrumental signifikan, menunjukkan
dalam tanda kurung. ***p < 0,01, **p < 0,05, *p < 0,1. adanya korelasi yang kuat antar variabel tersebut

4
Machine Translated by Google

Y.Huang dkk. Jurnal Pengelolaan Lingkungan Hidup 344 (2023) 118541

variabel instrumental dan variabel penjelas. Selain itu, statistik Kleibergen- Tabel 6
Paap rk Wald F yang besar menunjukkan bahwa variabel instrumentalnya Hasil pemeriksaan heterogenitas.
kuat. Dengan demikian, DTIIV merupakan variabel instrumental yang valid. (1) (2) (3) (4)
Dibandingkan dengan hasil regresi baseline, signifikansi dan tanda
DTI ÿ 2,346** 0,282 ÿ 37.361* ÿ 1,955**
koefisien variabel penjelas inti tidak berubah, hal ini menegaskan
(0,913) (0,327) (19.029) ÿ (0,910)
kekokohan regresi baseline. Kontra ÿ 16,867 0,452 9.885 ÿ 9,964
(17,503) (0,329) (9.988) (10.000)
Variabel kontrol Y Y Y Y
4.3. Analisis mekanisme Negara Y Y Y Y
Industri Y Y Y Y

Pada bagian ini, kami menguji lebih lanjut secara empiris mekanisme
yang dianalisis di Bagian 2, termasuk dampak inovasi teknologi, dampak
struktur industri, dan dampak struktur energi. Hasilnya ditunjukkan pada
Tabel 5. Secara spesifik, kolom (1) mencantumkan hasil regresi dampak
transformasi digital terhadap produktivitas faktor total (TFP). Pada kolom
(2)–(4), kami mengungkapkan dampak transformasi digital terhadap
struktur internal industri (proporsi nilai tambah dalam total nilai output,
VAX), struktur faktor produksi (rasio modal terhadap tenaga kerja return,
CL) dan posisi rantai nilai global industri (GVCP), sehingga mencerminkan
dampak transformasi digital terhadap struktur industri internal industri
transportasi. Pada kolom (5)–(6), kami menyajikan hasil regresi dampak
transformasi digital terhadap total konsumsi energi dan intensitas energi
industri transportasi, untuk mengeksplorasi variasi dampak struktural
energi.
Seperti terlihat pada kolom (1) pada Tabel 5, variabel penjelas inti (DTI)
bertanda positif signifikan pada tingkat kritis 5%. Hal ini menunjukkan
bahwa transformasi digital pada industri transportasi telah meningkatkan
produktivitas faktor total (TFP) secara signifikan, sehingga mengurangi
intensitas karbonnya. Oleh karena itu, Hipotesis 1 terverifikasi dengan
baik. Pada kolom (2)–(4), koefisien regresi variabel penjelas inti selalu
positif signifikan. Hal ini menunjukkan bahwa transformasi digital dapat
memperbaiki struktur internal industri dan menggerakkan industri menuju
kedua ujung “kurva senyum”, sehingga mengurangi intensitas karbon pada
industri transportasi. Hipotesis 2 diuji secara empiris. Pada kolom (5)–(6),
koefisien regresi semuanya negatif dan signifikan paling sedikit pada
tingkat kritis 10%. Hal ini menunjukkan bahwa transformasi digital dapat
secara signifikan mengurangi total konsumsi energi dan intensitas
konsumsi energi sektor transportasi, sehingga semakin mengurangi
intensitas karbonnya. Dengan demikian, Hipotesis 3 terverifikasi dengan
baik.
4.4. Analisis heterogen
Dalam industri transportasi, dampak transformasi digital terhadap
intensitas karbon bervariasi karena heterogenitas moda transportasi dan
jenis digitalisasi yang berbeda. Pada bagian ini, pertama-tama kami
mempertimbangkan heterogenitas intensitas karbon pada industri
transportasi yang tersegmentasi, dan kemudian mempertimbangkan
dampak berbagai jenis digitalisasi terhadap heterogenitas intensitas
karbon pada industri transportasi. Hasilnya ditunjukkan pada Tabel 6.
Tahun Y Y Y Y
N 1920 1137 3057 3057
R2 yang disesuaikan 0,064 0,505 0,051 0,051
Catatan: Kesalahan standar dihitung dengan mengelompokkan di tingkat negara dan
dilaporkan dalam tanda kurung. ***p < 0,01, **p < 0,05, *p < 0,1.
Pertama, industri transportasi dibagi menjadi transportasi dasar dan
transportasi jasa dengan mempertimbangkan dampak heterogen dari
berbagai moda transportasi. Transportasi dasar meliputi transportasi darat
dan transportasi pipa; transportasi air; transportasi udara. Transportasi
jasa meliputi kegiatan pengangkutan, penyimpanan dan penunjang;
kegiatan pos dan ekspres. Hasil regresi masing-masing ditunjukkan pada
Tabel 6 . Kolom (1) menunjukkan dampak transformasi digital transportasi
dasar terhadap intensitas karbon negatif pada tingkat kritis 5%. Namun
pada kolom (2), koefisien variabel kunci bernilai positif namun tidak
signifikan pada tingkat kritis 10%, menunjukkan bahwa transformasi digital
pada jasa transportasi tidak berdampak signifikan terhadap intensitas
karbonnya.
Kedua, investasi digital dibagi menjadi media digital dan infrastruktur
digital untuk mencerminkan dampak yang heterogen. Diantaranya, media
digital mencakup kegiatan penerbitan; program dan acara radio, dll.
Infrastruktur digital mencakup pembuatan produk komputer, elektronik,
dan optik; telekomunikasi; pemrograman komputer, aktivitas layanan
informasi, dll. Hasil regresi ditunjukkan pada Tabel 6. Koefisien variabel
inti selalu negatif, namun signifikansi dan besarannya bervariasi.
Diantaranya, koefisien media digital lebih besar, namun signifikansi
statistik infrastruktur digital lebih tinggi.
5. Kesimpulan dan rekomendasi kebijakan
Transformasi digital mempunyai potensi besar untuk mengurangi emisi
karbon. Namun, dampak transformasi digital terhadap intensitas karbon
di industri transportasi belum diteliti secara menyeluruh.
Dalam makalah ini, kami menganalisis secara empiris mekanisme dampak
transformasi digital terhadap intensitas karbon di industri transportasi,
berdasarkan data panel dari industri transportasi di 43 negara dari tahun
2000 hingga 2014. Untuk mengatasi kekurangan literatur yang ada tentang
dampak transformasi digital terhadap intensitas karbon di industri
transportasi.
Hasil empiris menunjukkan bahwa transformasi digital mengurangi

Tabel 5
Hasil pemeriksaan mekanisme.

(1) (2) (3) (4) (5) (6)

DTI 0,020** 0,024* 0,604*** 0,004*** ÿ 0,063* ÿ 0,079**

(0,009) (0,013) (0,122) (0,001) (0,033) (0,032)
Kontra 1,120*** 0,307 ÿ 4,841*** ÿ 0,845*** 4,113*** 4,603***
(0,089ÿ Y (0,323) (0,640) (0,064) (1,066) (1,081)
Variabel kontrol Y Y Y Y Y
Negara Y Y Y Y Y Y
Industri Y Y Y Y Y Y
Tahun Y Y Y Y Y Y
N 3057 3054 2796 3057 3057 3054
R2 yang disesuaikan 0,048 0,977 0,506 0,758 0,908 0,799

Catatan: Kesalahan standar dihitung dengan mengelompokkan di tingkat negara dan dilaporkan dalam tanda kurung. Kami menyesuaikan variabel kontrol untuk mengurangi
endogenitas antara variabel kontrol dan variabel inti yang dijelaskan. ***p < 0,01, **p < 0,05, *p < 0,1.

5
Machine Translated by Google
Y.Huang dkk.
intensitas karbon pada industri transportasi, namun dampak ini hanya signifikan pada
transformasi digital yang menggunakan input digital dalam negeri sebagai sumbernya.
Setelah melalui serangkaian uji endogenitas dan ketahanan, kesimpulannya masih
valid. Kedua, analisis mekanisme menunjukkan bahwa kemajuan teknologi, perbaikan
struktur internal industri, dan peningkatan konsumsi energi merupakan jalan utama
untuk mengurangi intensitas karbon melalui transformasi digital pada industri
transportasi. Ketiga, terdapat heterogenitas pengurangan intensitas karbon dalam
transformasi digital industri transportasi. Dalam kaitannya dengan sub-segmen industri
transportasi, transformasi digital pada transportasi dasar memiliki pengaruh yang
lebih signifikan secara statistik terhadap pengurangan intensitas karbon. Untuk
digitalisasi subdivisi, pengurangan intensitas karbon pada infrastruktur digital lebih
signifikan.
Makalah ini melengkapi penelitian mengenai transformasi digital transportasi dan
intensitas karbonnya, serta memiliki referensi signifikansi bagi negara-negara untuk
merumuskan kebijakan pengembangan industri dan melaksanakan Perjanjian Paris.
Pertama, para pengambil kebijakan harus secara giat mendorong transformasi digital
pada industri transportasi, memanfaatkan sepenuhnya karakteristik industri digital
yang berteknologi tinggi dan rendah karbon (terutama yang ada di dalam negeri),
mendorong pembangunan industri transportasi yang efisien dan berkelanjutan. , dan
membentuk siklus baik pengembangan industri yang terkoordinasi. Kedua, mekanisme
pengurangan intensitas karbon untuk transformasi digital industri transportasi harus
ditekankan. Para pembuat kebijakan perlu merangsang vitalitas inovatif industri
transportasi dan menggunakan pemberdayaan digital untuk mendorong transformasi
dan peningkatan industri transportasi. Pada saat yang sama, penggunaan teknologi
digital secara aktif akan memfasilitasi alokasi sumber daya yang optimal, meningkatkan
efisiensi energi dan dengan demikian mengurangi intensitas karbon.
Tulisan ini memperluas penelitian mengenai hubungan antara transformasi digital
dan pembangunan rendah karbon, namun masih terdapat beberapa keterbatasan
penelitian dan kemungkinan penelitian lebih lanjut. Pertama, karena ketersediaan
data, periode penelitian dan objek tulisan ini mempunyai keterbatasan tertentu.
Penelitian di masa depan dapat mencakup lebih banyak negara dan a
jangka waktu yang lebih lama dengan premis bahwa data dapat diakses. Kedua,
periode data membatasi pengamatan terhadap perkembangan digitalisasi. Mekanisme
teoritis dapat dieksplorasi lebih lanjut dalam penelitian masa depan.
Pernyataan penulis kredit
Yanxi Huang: Konseptualisasi; Kurasi Data; Penulisan - Draf Asli; Akuisisi
pendanaan; Sumber daya; Menulis - Review dan Editing.
Min Hu: Investigasi; Penulisan - Draf Asli; Analisis formal; Kurasi data. Jiajun Xu:
Menulis - Review dan Editing. Zhida Jin: Konseptualisasi; Metodologi; Penulisan -
Review dan Pengeditan; Pengawasan. Semua penulis membaca dan menyetujui
naskah akhir.
Pendanaan
Dukungan finansial dari Proyek Pemuda Yayasan Ilmu Sosial Nasional Tiongkok
(berdasarkan Hibah No.18CGJ005) dan Yayasan Ilmu Sosial Nasional Tiongkok
(berdasarkan Hibah No. 19ZDA054) sangat kami hargai.
Deklarasi kepentingan bersaing
Para penulis menyatakan bahwa mereka tidak mempunyai kepentingan finansial
atau hubungan pribadi yang saling bersaing yang dapat mempengaruhi pekerjaan
yang dilaporkan dalam makalah ini.
Ketersediaan data
Data akan tersedia berdasarkan permintaan.
6
Jurnal Pengelolaan Lingkungan Hidup 344 (2023) 118541
Referensi
Albasri, NAH, Al-Jawari, SM, Al-Mosherefawi, OJ, 2022. Prediksi pola perubahan spasial perkotaan
menggunakan rantai Markov. sipil. bahasa Inggris J 8, 710–722. https://doi.org/10.28991/
CEJ-2022-08-04-07 .
Azam, A., Rafiq, M., Shafique, M., Yuan, JH, 2021. Analisis empiris tentang efek non-linier gas
alam, energi nuklir, energi terbarukan, dan Perdagangan ICT di negara-negara penghasil
emisi CO2 terkemuka: kebijakan menuju mitigasi CO2 dan keberlanjutan ekonomi.
J.Lingkungan. Kelola. 286, 112232 https://doi.org/10.1016/j. jenvman.2021.112232.
Bai, CQ, Zhou, L., Xia, ML, Feng, C., 2020. Analisis struktur jaringan asosiasi spasial emisi karbon
transportasi Tiongkok dan faktor pendorongnya.
J.Lingkungan. Kelola. 253, 109765 https://doi.org/10.1016/j.jenvman.2019.109765.
Chatti, W., 2020. Teknologi informasi dan komunikasi, angkutan barang jalan raya, dan kelestarian
lingkungan. J.Lingkungan. ekonomi. Kelola. 11 (1), 124–132. https://doi.org/10.21511/
ee.11(1).2020.11.
Chen, QJ, Wang, QW, Zhou, DQ, Wang, HG, 2023. Pendorong dan evolusi pembangunan
rendah karbon di industri transportasi Tiongkok: pendekatan analitis terpadu. Energi 262,
125614. https://doi.org/10.1016/j.energy.2022.125614.
Dolores, AH, Roya, G., Farid, S., 2017. TIK dan kelestarian lingkungan: perspektif global. Info
Telematika 34 (4), 85–95. https://doi.org/10.1016/j. tele.2017.01.001.
Dong, KY, Jiang, HD, Sun, RJ, Dong, XC, 2019. Kekuatan pendorong dan mitigasi
potensi emisi CO2 global dari tahun 1980 hingga 2030: bukti dari negara-negara dengan
tingkat pendapatan berbeda. Sains. Lingkungan Total. 649, 335–343. https://doi.org/
10.1016/j.scitotenv.2018.08.326 .
Dong, OLEH, Ma, XJ, Zhang, ZL, Zhang, HB, Chen, RM, Lagu, YQ, Shen, MC,
Xiang, RB, 2020. Emisi karbon, struktur industri dan pertumbuhan ekonomi: bukti dari
beragam industri di Tiongkok. Mengepung. Polusi. 262, 114322 https://doi.org/10.1016/
j.envpol.2020.114322.
Feng, C., Xia, YS, Sun, LX, 2020. Penentu struktural dan sosial-ekonomi pembangunan
transportasi rendah karbon Tiongkok di bawah latar belakang penuaan dan migrasi
industri. Mengepung. Res. 188, 109701 https://doi.org/10.1016/j.
envres.2020.109701.
Fuka, J., Baÿa, R., Joskov´ a, K., Kÿrupka, J., 2022. Studi dampak darurat terhadap bidang
ekonomi, lingkungan dan sosial dengan menggunakan penelitian metode campuran. Muncul
Sci J 6 (1), 86–105. https://doi.org/10.28991/ESJ-2022-06-01-07.
Gao, Y., Ou, XM, 2022. Interpretasi laporan IPCC AR6: jalur pengurangan emisi karbon
transportasi memperkuat inovasi teknologi dan manajemen. Adv. Klim. Ubah
Resolusi. 18 (5), 567–573. https://doi.org/10.12006/j. terbitan 1673-1719.2022.149.
Huang, JB, Liu, Q., Cai, XC, Hao, Y., Lei, HY, 2018. Pengaruh faktor teknologi terhadap intensitas
karbon Tiongkok: bukti baru dari model ambang batas panel. Pol Energi. 115, 32–42. https://
doi.org/10.1016/j.enpol.2017.12.008.
Huang, F., Zhou, DQ, Wang, QW, Hang, Y., 2019. Dekomposisi dan atribusi
analisis perubahan intensitas karbon dioksida sektor transportasi di Tiongkok. Transportasi
Res A-Pol. 119, 343–358. https://doi.org/10.1016/j.tra.2018.12.001.
Jiang, TY, Yu, Y., Yang, B., 2022. Memahami status emisi karbon dan
dampak pengurangan emisi industri transportasi Tiongkok: perspektif ganda mengenai
tahap awal dan akhir “normal baru” perekonomian. Mengepung. Sains. Polusi. Res. 29 (19),
28661–28674. https://doi.org/10.1007/s11356-021-18449-4.
Jin, ZD, Wang, JC, Yang, MA, Tang, ZY, 2022a. Dampak partisipasi dalam rantai nilai global
terhadap intensitas energi: bukti dari dekomposisi tingkat industri internasional.
Strategi Energi Rev.39, 100780 https://doi.org/10.1016/j. esr.2021.100780.
Jin, ZD, Li, Z., Yang, M., 2022b. Pengembangan jasa produsen dan intensitas karbon
manufaktur: bukti dari perspektif internasional. Pol Energi. 170, 113253 https://doi.org/
10.1016/j.enpol.2022.113253.
Khan, KI, Mata, MN, Martins, J., Nasir, A., Dantas, RM, Correia, AB, Saghir, US, 2022. Hambatan
sistem adopsi keuangan ramah lingkungan: menghubungkan ekonomi dan
lingkungan. Muncul Sci J 2, 217–237. https://doi.org/10.28991/ESJ-2022-06-02-02 .
Lange, S., Pohl, J., Santarius, T., 2020. Digitalisasi dan konsumsi energi. Apakah TIK mengurangi
permintaan energi? ramah lingkungan. ekonomi. 176, 106760 https://doi.org/10.1016/
j. ecolecon.2020.106760.
Latif, Z., Yang, MK, Denmark, Latif, S., Liu, XM, Pathan, ZH, Salam, S., Zeng, JQ,
2018. Dinamika TIK, investasi asing langsung, globalisasi dan pertumbuhan ekonomi:
estimasi panel kuat terhadap heterogenitas dan ketergantungan lintas sektoral.
Info Telematika 35 (2), 318–328. https://doi.org/10.1016/j.tele.2017.12.006.
Li, Y., Du, Q., Lu, XR, Wu, J., Han, X., 2019. Hubungan antara pembangunan dan emisi CO2
sektor transportasi di Tiongkok. Transportasi Res D-Tr E. 74, 1–14. https://doi.org/10.1016/
j.trd.2019.07.011 .
Li, HL, Yang, ZY, Jin, CH, Wang, JX, 2023. Bagaimana platform internet industri
memberdayakan transformasi digital UKM: mekanisme teoretis dan model bisnis, 105-120
J. Knowl. Kelola. 27 (1), 105–120. https://doi.org/10.1108/JKM- 09-2022-0757.
Liu, XP, Mattoo, A., Wang, Z., Wei, SJ, 2020. Pengembangan jasa dan keunggulan komparatif di
bidang manufaktur. J.Dev. ekonomi. 144, 102438 https://doi.org/10.1016/j. jdeveco.2019.102438.
Ma, Q., Murshed, M., Khan, Z., 2021. Hubungan antara investasi energi,
inovasi teknologi, pajak emisi, dan emisi karbon di Tiongkok. Pol Energi. 155, 112345 https://
doi.org/10.1016/j.enpol.2021.112345.
Mraihi, R., Ben, Abdallah K., Abid, M., 2013. Energi terkait transportasi jalan raya
konsumsi: analisis faktor pendorong di Tunisia. Pol Energi. 62, 247–253. https://doi.org/
10.1016/j.enpol.2013.07.007.
Machine Translated by Google
Y.Huang dkk.
Murshed, M., 2020. Analisis empiris dampak non-linier perdagangan TIK
keterbukaan dalam transisi energi terbarukan, efisiensi energi, akses bahan bakar memasak
bersih dan kelestarian lingkungan di Asia Selatan. Mengepung. Sains. Polusi. Res. 27 (29), 36254–
36281. https://doi.org/10.1007/s11356-020-09497-3.
Nguyen, TT, Pham, TAT, Tram, HTX, 2020. Peran teknologi informasi dan komunikasi serta inovasi dalam
mendorong emisi karbon dan pertumbuhan ekonomi di negara-negara G-20 terpilih. J.Lingkungan.
Kelola. 261, 110162 https://doi.org/10.1016/j. jenvman.2020.110162.
Niebel, T., 2018. TIK dan pertumbuhan ekonomi - membandingkan negara berkembang, negara
berkembang, dan maju. Pengembang Dunia. 104, 197–211. https://doi.org/10.1016/j.
worlddev.2017.11.024.
Omri, A., 2020. Inovasi teknologi dan pembangunan berkelanjutan: apakah tahapan pembangunan itu
penting? Penilaian Dampak Lingkungan 83, 106398. https://doi.org/10.1016/j.
eiar.2020.106398.
Shabani, ZD, Shahnazi, R., 2019. Konsumsi energi, emisi karbon dioksida,
teknologi informasi dan komunikasi, dan produk domestik bruto di sektor ekonomi Iran: analisis
kausalitas panel. Energi 169, 1064–1078. https://doi. org/10.1016/j.energy.2018.11.062.
Sun, HY, 2022. Apa peran inovasi teknologi ramah lingkungan dan penggunaan TIK dalam menurunkan
intensitas karbon di Tiongkok? Analisis dampak spasial tingkat kota.
Sumber daya. Konservasi. Daur ulang. 186, 106550 https://doi.org/10.1016/j.
pengintaian ulang.2022.106550.
Jurnal Pengelolaan Lingkungan Hidup 344 (2023) 118541
Sun, HY, Kim, G., 2021. Dampak gabungan industri TIK terhadap penurunan karbon
intensitas: dari perspektif heterogenitas regional. Teknologi. sosial. 66, 101661 https://doi.org/10.1016/
j.techsoc.2021.101661.
Sun, CW, Li, Z., Ma, TM, He, RY, 2019. Efisiensi karbon dan posisi spesialisasi internasional:
bukti dari indeks posisi rantai nilai global manufaktur. Pol Energi. 128, 235–242. https://
doi.org/10.1016/j. enpol.2018.12.058.
Tzeremes, P., Dogan, E., Alavijeh, NK, 2022. Menganalisis hubungan antara energi
transisi, lingkungan hidup dan TIK: sebuah langkah menuju target COP26. J.Lingkungan. Kelola. 326,
116598 https://doi.org/10.1016/j.jenvman.2022.116598.
Wang, HY, Wang, JC, Jin, ZD, 2022. Bagaimana perkembangan ICT mempengaruhi emisi karbon
manufaktur: bukti teoritis dan empiris. Mengepung. Sains. Polusi. Res. 30 (12), 33674–33685. https://
doi.org/10.1007/s11356-022-24581-6.
Wu, N., Liu, Z., 2021. Perkembangan pendidikan tinggi, inovasi teknologi dan peningkatan struktur
industri. Prakiraan Teknologi Soc 162, 120400. https://doi.org/ 10.1016/j.techfore.2020.120400.
Yang, Z., Gao, W., Han, Q., Qi, L., Cui, Y., Chen, Y., 2022. Digitalisasi dan emisi karbon: bagaimana
pembangunan kota digital mempengaruhi pengurangan emisi karbon di Tiongkok?
Mempertahankan. Perkumpulan Kota. 87, 104201 https://doi.org/10.1016/j.
scs.2022.104201.
Zhang, N., Wei, X., 2015. Perubahan kinerja emisi karbon faktor total dinamis di industri transportasi
Tiongkok. Aplikasi. Energi 146, 409–420. https://doi.org/10.1016/j.apenergy.2015.01.072 .