严海飞 郭言
摘要：文章使用EBM模型测算农业绿色全要素生产率，刻画农业绿色技术进步和技术效率的特征事实；在此基础上，利用空间杜宾模型考察数字普惠金融对农业碳排放强度的影响；此外，在模型中加入数字普惠金融和农业绿色全要素生产率的交乘项，探究技术进步是否对数字普惠金融的农业碳减排效应发挥正向调节作用。再进一步地探讨环境规制在数字普惠金融影响农业碳排放强度过程中的门槛效应。研究发现，发展数字普惠金融能抑制农业碳排放强度，且技术进步是抑制作用的重要传导渠道；以环境规制为门槛，数字普惠金融对农业碳排放强度的影响存在单一门槛效应。
关键词：数字普惠金融；农业碳排放强度；农业绿色全要素生产率
一、引言
联合国将普惠金融定义为“以可负担的成本为有金融服务需求的社会各阶层和群体提供适当有效的金融服务”。在国际经济更加深入全面发展的同时，普惠金融理念逐渐深入人心，内涵和外延不断丰富。“普惠金融”在引入中国后，为缓解金融排斥、城乡金融发展不平衡等方面提供了新机遇和新方式。
在中国政府的支持下，大数据、区块链等数字技术蓬勃发展，为提高普惠金融服务的触达度提供契机。普惠金融数字化转型有助于金融机构以较低成本下沉服务，具有更强的地理穿透性，提升偏远地区和弱势群体的信贷可得性，对缓解农业生产中“融资难”等问题发挥重要作用，也有助于促进农业技术进步。
气候变暖是全世界共同面对的重要环境问题之一，这主要是由温室气体过度排放造成的。IPCC在第4次评估报告中表明，农业是温室气体的主要排放源，农业生产排放碳是农业生产活动不可或缺的要素，降低农业源温室气体排放量对缓解气候变暖有重要意义。中国政府高度重视气候变化相关问题，2020年9月，习近平主席在第七十五届联合国大会上宣布“双碳”目标。12月，中央经济工作会议把做好“碳达峰、碳中和”工作作为2021年的八项重点任务之一。
在“数字普惠金融”和“双碳”两大热点备受瞩目的情况下，对两者关系的研究却较少，许多值得挖掘研究的重点区域仍存在空缺。因此，本文在空间杜宾模型的基础上探究数字普惠金融对农业碳排放的影响，以期为持续推动“双碳”目标实现提供一些理论依据和参考。
二、文献综述
数字金融发展是区域创新环境的重要组成部分，其有效供给可解决传统金融中的“属性错配”“领域错配”和“阶段错配”等问题，可通过降低企业财务费用等方式促进企业创新（唐松等，2020），实现技术进步。传统的金融体系在发展中普遍存在信息不对称等问题，对中小企业及个体从业者的创新创业活动难以给予足够支持，而数字金融借助信息技术对中小企业技术创新的驱动效应则较强，其也可通过促进地区产业结构优化升级提升技术创新水平（聂秀华等，2021）。
全球气候变暖是人类发展面临的最大的非传统安全挑战。农业作为国民经济的基础，又是温室气体的重要来源，减少农业碳排放对改善气候环境具有重要意义。低碳技术进步有助于能源结构调整升级和促进新能源的研发，从而实现碳减排（殷贺等，2020）。农业技术进步通过改善传统要素投入结构控制农业能源消耗，其溢出效应也可促使经验累积，进而减少碳减排成本（胡中应，2018）。
现有研究主要讨论了数字普惠金融对经济发展、居民收入等的影响，探讨数字普惠金融环境效应的文献较少。数字普惠金融服务模式可提高企业的金融服务可得性，通过降低企业的融资成本和银行等金融机构的服务成本，避免非必要活动，实现无接触交易，可降低融资过程中的碳排放量（贺茂斌等，2021），助推绿色低碳发展。此外，数字金融破除了传统金融机构对中小微企业的“信贷歧视”，实现资源的配置优化，引导要素流向高生产率产业。同时，数字金融相关技术的绿色创新，有助于打破污染型产业发展的路径依赖，加快“低能耗、低污染、高效率”的新兴产业发展，降低污染排放（朱东波等，2022）。
三、理论分析
目前，国内数字金融以国有银行为主，阿里、电信、腾讯和百度金融为辅，积极响应“数字化”和“低碳化”的大趋势，大幅度提高了绿色经济效益（许钊等，2019）。
金融机构联合互联网巨头依托数字金融搭建网络消费、环保服务等多元化平台，引导居民绿色消费（郑万腾等，2022），推动经济向绿色转型升级。
传统的粗放型农业已不适应新的经济增长态势，亟须倒逼农业寻求集约绿色的发展模式，但从业者普遍面临因低收入、缺少抵质押物难以支撑其转型升级的困难。数字普惠金融则为农村搭建起多元化平台，使农业绿色生产有资金保障，可选择高效低碳的运作模式，促进农业绿色发展。基于以上讨论，提出假设1。
假设1：发展数字普惠金融能降低我国的农业碳排放强度。
新古典经济增长模型和内生增长理论认为，金融发展状况对内生的技术进步影响较大（张帆，2017）。
首先，数字金融可提高科技创新能力，实现技术进步。企业创新面临产出不确定性、回报周期长等问题，难以在金融市场上获得有效融资。数字金融通过对企业数据进行分析，反馈企业的经济实力与信用能力，可有效解决信息不对称等问题，加快创新资本的流动率和周转率，为低碳技术创新提供资金支持。
其次，技术进步具有节能减排效应。一方面，具有较强创新能力的企业可通过开发新的替代能源技术、改进现有能源技术提高能源利用效率。农业从业者引进低碳技术，淘汰落后设备，可降低生产投入的能源消耗。另一方面，使用清洁、环境友好型生产要素，也可以减少农业碳排放。基于以上讨论，提出假设2。
假设2：技术进步能对数字普惠金融的农业碳减排效应起正向调节作用。
由于市场机制不完善，绿色创新存在技术知识正外部性和环境负外部性，导致成本收益不匹配，严重阻碍着理性经济主体自觉从事绿色创新活动的进程（方先明等，2020）。因此，借助政府环境规制这一外生力量来实现碳减排较为重要。高环境规制强度能对企业产生“创新补偿”效应，促使企业为获取市场地位和收益进行绿色技术创新（罗知等，2021）。在该强度下，数字普惠金融能触及更多长尾群体，为农业绿色技术创新提供潜在支持，进而减少农业碳排放。但在低环境规制强度下，由于缺乏激励及惩治措施，利益相关者自身创新意愿不足，数字普惠金融对农业碳排放强度可能并无显着影响。基于以上讨论，提出假设3。
假设3：环境规制对数字普惠金融降低农业碳排放强度具有门槛效应。
四、农业绿色全要素生产率的度量
传统的SBM模型和DEA模型在测算效率上可能会忽略投入或产出的某方面，进而可能导致效率测算存在偏误。因此，本文选取EBM模型（郭海红等，2020）来测算农业绿色全要素生产率GTFP，将环境资源约束纳入到传统的全要素生产率的核算框架下，以便更好地衡量中国经济增长质量与绿色农业的发展现状。
选取农业从业人数、农业机械动力、农作物播种面积来表征劳动力、资本与土地，同时选取化肥、农膜、农药、农业用水的使用量作为投入要素，选取农业总产值作为期望产出指标，农业碳排放量、总磷排放量、总氮排放量作为非期望产出指标。考虑经济、资源、环境之间的复杂性，建立EBM模型，测算静态AGTFP：
γ*＝min （1）
s.t. x λ +S -θx =0，i=1，…，m， y λ -S -φy =0，r=1，…，s， b λ +S -φb =0，p=1，…，q，λ ≥0，S ≥0，S ≥0，S ≥0（2）
其中，r*表示EMA测量DEA最优效率值，ω 表示第i种投入要素的权重，θ表示径向条件下的效率值，S 表示非径向条件下第i种投入要素的松弛量，（xiv，yiv）表示第v个DMU的投入产出向量，bpv表示第v个省份的第p种非期望产出，（S ，S ）表示第r种期望产出和第p种非期望产出的松弛向量。为反映农业绿色生产效率的动态变化，根据Chambers等（1996）的思路，构建Malmquist-Luenberger指数，并将GTFP分解为农业绿色技术效率变化指数（GEC）和农业绿色技术进步变化指数（GTC），表达式如下：
GECt，t+1=[ ]（3）
GECt，t+1=[ × ] （4）
GMLt，t+1=GEC×GTC（5）
五、研究设计
（一）模型构建
1. 空间自相关分析
空间相关性是指数据在空间上存在相互影响。检验数据是否存在空间相关性，是判断能否利用空间面板模型的前提。本文采用Morans指数来检验，公式如下：
I= （6）
其中，S = 为样本方差，w 为空间权重矩阵的（i，j）元素，而∑ ∑ w 为所有空间权重之和。
2. 空间杜宾模型
空间杜宾模型考虑了同时存在空间滞后和空间误差的情况，考察了邻接区域自变量对因变量的影响。借鉴邹新月等（2020）的研究，设定如下的空间权重矩阵。
（1）空间邻接矩阵。根据各省市的相邻关系来进行构造，由于海南省的地理位置特殊，假定其与广东省相邻。数学表达式为：
Wij=Wji=1，当区域i和区域j相邻0，当区域i和区域j不相邻（7）
（2）空间嵌套矩阵。空间邻接矩阵主要考虑地区之间是否相邻，对于非相邻省份之间的辐射效应则解释不足。本文首先计算出各省市的GDP和数字普惠金融的平均值，再在此基础上构建经济距离矩阵、反经济距离矩阵和数字普惠金融嵌套矩阵。其中，i、j是不同地理单元的个体观测点；y表示嵌入矩阵的经济变量。
W*＝8/ y - y ，i≠j，i，j＝（1，2…N）0，i＝j（8）
（3）标准化处理。为避免分析误差，本文对矩阵进行标准化处理，使其行和为1，W 是所有空间单元与单元在相邻关系中的权，标准化公式为：
W ＝ （9）
（二）数据来源
本文采用2011-2018年中国30个省、区、市（除西藏、港澳台地区）的数据，主要数据来源于《中国统计年鉴》《中国农村统计年鉴》《中国第三产业统计年鉴》。
（三）变量选取
1. 被解释变量：农业碳排放强度
参考张广胜和王珊珊（2014）的做法，用平均每万元农业GDP所产生的碳排放量（吨/万元）来表示农业碳排放强度，用IPCC方法来估算化石燃料产生的二氧化碳：
CO2=∑ ei×εi（10）
CI=CO2/AGDP（11）
其中，ei为第i种碳源的量，εi为第i种碳源的二氧化碳排放系数，AGDP为农业总产值，CI为农业碳排放强度。参考李波等（2011）的做法，选取6种碳排放源。
2. 解释变量：数字普惠金融发展水平
采用郭峰等（2021）构建的“数字普惠金融指数”来反映中国数字普惠金融的实际发展状况。该指数被广泛应用，具有一定的可靠性和代表性。
3. 控制变量
借鉴杨钧（2013）和王惠（2015）的思路，同时考虑数据的可得性，本文选取农业经济发展水平、农业产业结构、农业机械化水平、自然灾害、耕地面积构成、播种规模、农村居民可支配收入作为控制变量。
六、实证分析
（一）空间相关性检验
随着社会经济的发展，各地区表现出越来越强的关联性。考虑到研究对象存在一定联系，使用一般计量模型容易得到有偏估计，本文使用空间计量模型来研究。首先对各省份的农业碳排放强度和数字普惠金融水平进行空间自相关分析。从表3来看，Morans指数基本都通过了显着性检验，因此可采用空间计量方法。
（二）空间杜宾模型
考虑到一个地区的农业碳排放可能会受到本地区和周边地区数字普惠金融水平、碳排放情况、遗漏变量、不可观测的随机冲击等因素的影响，空间杜宾模型更为适用。本文构建模型如下，i、t分别表示各省份与年份，X为控制变量，ui为个体效应，λi为时间效应，εit为随机误差项。
CIit=α0∑WitCIit+β1DFIICit+θ1∑WitDFIICit+β2Xit+θ2∑WitXit+ui+λt+εit（12）
（三）实证结果分析
由表4可知，在两种矩阵下，DFIIC的系数都为负且在1%的水平下显着，说明数字普惠金融发展降低了农业碳排放强度。空间自回归系数分别为0.236、0.375，在5%的水平下显着，说明被解释变量有空间溢出效应，具体表现为在农业碳排放强度较高的区域，邻接地区农业碳排放强度上升的概率会增大。W×项系数更能说明空间传导效应，W×DFIIC的系数分别为-0.0629、-0.0535，说明数字普惠金融发展的溢出效应明显。模型通过Hausman检验，选择固定效应的空间杜宾模型是合理的。
关于控制变量，农村居民可支配收入的系数为负，说明随着收入增加，农户可能会购买优质良种，改进农业灌溉等设备，进而减少农业碳排放。产业结构的系数为正，可能是相比林业、渔业等生产，农业需投入更多的农药等生产要素，单位产值所导致的碳排放量更多。耕地面积的系数为正，由于种植作物的特殊性与单一性，旱地和水浇地相比水田会产生更多的碳排放。自然灾害、播种规模对农业碳排放的影响则均不显着。
此外，参考已有研究，将空间效应分为直接效应和间接效应，避免空间回归模型点估计的有偏性问题。如表4所示，直接效应、间接效应、总效应都为负且在1%的水平下显着，表明数字普惠金融发展不仅降低了本省的农业碳排放强度，对相邻省份的农业碳排放强度也发挥一定的降低作用，如果忽略空间溢出效应，会对数字普惠金融的影响有所低估。
（四）内生性检验
鉴于内生性问题可能会对结果造成偏差，将尽可能地对其进行检验修正。一方面，数字普惠金融可能与农业碳排放强度存在反向因果关系。另一方面，尽管已尽可能地控制了影响农业碳排放的相关变量，可能仍存在遗漏变量和度量误差的问题。
考虑到数字普惠金融发展的反应存在一定时滞，将DFIIC滞后一期，如表5第2、3列所示。为减小实验误差，借鉴黄群慧等（2019）的思路，选用人均邮政业务量（IV1）和人均电信业务量（IV2）作为工具变量。由于数字普惠金融主要是依靠互联网来实现发展，互联网技术的发展和应用在很大程度上是从电话普及开始的，固定电话普及率高的地区往往数字普惠金融发展较快。邮局也是铺设固定电话的执行部门，也可能影响数字普惠金融发展。如表5所示，IV1和IV1通过了“弱工具变量”和“不可识别”检验，满足其作为工具变量的条件。表5结果也表明数字普惠金融能降低农业碳排放强度，且估计系数与上文的估计结果相比，有所增加。
（五）异质性分析和稳健性检验
本文对依据经济水平和地理位置划分的三大区域进行分组，进一步探究东中西地区的数字普惠金融对农业碳排放强度的影响。从表6来看，东中西地区的DFIIC分别为-0.0714、-0.0502、-0.0475，三者都在1%或10%的水平下显着，表明三个地区的数字普惠金融发展均降低了农业碳排放强度且东部地区的影响更为显着。
为检验估计结果的稳健性，本文将空间邻接矩阵和经济距离矩阵进行更换，用反经济距离矩阵和数字普惠金融嵌套矩阵进行重新估计。结果如表6第5、6列所示，最后估计结果与前文实证结果基本一致，显着程度、符号均未发生明显变化，表明前文所得实证结果基本稳定。
（六）机制分析
在机制分析部分，采取交乘项的方法来探讨技术进步在数字普惠金融对农业碳排放强度影响过程中的作用。将GTFP及GTFP分解的GEC和GTC分别代入到以下模型。如表7所示，数字普惠金融与技术进步、技术效率的交乘项的系数显着为负，表明数字普惠金融可通过技术进步、技术效率对农业碳减排起正向调节作用，且技术进步的作用更明显。
CIit=ρ∑WitCIit+β1DFIICit+θ1∑WitDFIICit+β2GTFPit+θ2∑WitGTFPit+β3GTFPit×GTFPit+θ3∑WitDFIICit×GTFPit+β4Xit+θ4∑WitXit+ui+λt+εit（13）
七、进一步讨论
（一）面板门槛模型设定
为检验数字普惠金融对农业碳排放强度的非线性影响，本文采用Hansen（1999）提出的门槛回归模型。借鉴马国群等（2021）的研究，选取环境规制作为门槛变量，同时考虑政策发挥效应的滞后性，将其用每年末各省份实施的有关农业污染防控和环境保护的政策数量来表示。此外，以最小化残差平方和为条件来确定环境规制的门槛值，考虑在不同的门槛区间内，数字普惠金融对农业碳排放强度的影响效应。模型如下，ERit为门槛变量，γ为未知门槛值。
CIit=？觊+δ1DFIICit×I（ERit≤γ1）+δ2DFIICit×I（ERit≤γ2）+…+δnDFIICit×I（γn-1
（二）估计结果与分析
采用“自抽样”法来估计，自抽样次数为500，如表8所示，环境规制的单一门槛检验在5%的置信水平下显着，双重门槛的P值则未能通过显着性检验，门槛数设为1。再采用极大似然函数来估计环境规制的门槛值，估计值为3.2616。如表9所示，当环境规制低于门槛值3.2616时，影响不显着；当环境规制超过门槛值时，影响显着且系数为-0.0624。这表明环境规制程度会影响农户和企业的环保意识，数字普惠金融对农业碳排放强度的抑制作用有差异。
八、结论和政策意见
本文利用2011-2018年我国30个省份的面板数据，通过空间杜宾模型、交乘项和门槛模型实证分析了数字普惠金融对农业碳排放强度的影响。结果表明，发展数字普惠金融对农业碳排放强度有抑制作用，且农业碳排放有空间溢出效应；技术进步对数字普惠金融的农业碳减排效应起正向调节作用；以环境规制为门槛，数字普惠金融对农业碳排放强度的影响存在单一门槛效应。
碳减排问题备受国家和社会的关注，基于上文的研究结论，本文提出如下建议：第一，加快数字普惠金融体系建设，健全地方性信息数据库。各省之间建立有效的区域合作机制，做到有效发挥发达地区与落后地区互联互通的辐射效应和带动作用。第二，加大技术投入，加强行业协同。在技术创新的基础上，搭建数字普惠金融与环保服务的平台，进一步创新金融产品和服务，做到与农村碳减排需求有机结合。
参考文献：
[1]方先明，那晋领.创业板上市公司绿色创新溢酬研究[J].经济研究，2020，55（10）：106-123.
[2]胡中应.技术进步、技术效率与中国农业碳排放[J].华东经济管理，2018，32（06）：100-105.
[3]李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口·资源与环境，2011，21（08）：80-86.
[4]黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验[J].中国工业经济，2019（08）：5-23.
[5]罗知，齐博成.环境规制的产业转移升级效应与银行协同发展效应——来自长江流域水污染治理的证据[J].经济研究，2021，56（02）：174-189.
[6]马国群，谭砚文.环境规制对农业绿色全要素生产率的影响研究——基于面板门槛模型的分析[J].农业技术经济，2021（05）：77-92.
[7]聂秀华，江萍，郑晓佳，吴青.数字金融与区域技术创新水平研究[J].金融研究，2021（03）：132-150.
[8]唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020，36（05）：52-66+9.
[9]王惠，卞艺杰.农业生产效率、农业碳排放的动态演进与门槛特征[J].农业技术经济，2015（06）：36-47.
[10]许钊，高煜，霍治方.数字金融的污染减排效应[J].财经科学，2021（04）：28-39.
[11]殷贺，王为东，王露，江红莉.低碳技术进步如何抑制碳排放？——来自中国的经验证据[J].管理现代化，2020，40（05）：90-94.
[12]张广胜，王珊珊.中国农业碳排放的结构、效率及其决定机制[J].农业经济问题，2014，35（07）：18-26+110.
[13]郑万腾，赵红岩，赵梦婵.数字金融发展有利于环境污染治理吗？——兼议地方资源竞争的调节作用[J].产业经济研究，2022（01）：1-13.
[14]邹新月，王旺.数字普惠金融对居民消费的影响研究——基于空间计量模型的实证分析[J].金融经济学研究，2020，35（04）：133-145.
[15]朱东波，张相伟.中国数字金融发展的环境效应及其作用机制研究[J].财经论丛，2022（03）：37-46.
＊基金项目：浙江省大学生科技创新活动计划暨新苗人才计划（2022R408A033）。
（作者单位：浙江工商大学）
