數字普惠金融、技術進步和農業碳排放強度

嚴海飛　郭言

摘要：文章使用EBM模型測算農業綠色全要素生產率，刻畫農業綠色技術進步和技術效率的特征事實；在此基礎上，利用空間杜賓模型考察數字普惠金融對農業碳排放強度的影響；此外，在模型中加入數字普惠金融和農業綠色全要素生產率的交乘項，探究技術進步是否對數字普惠金融的農業碳減排效應發揮正向調節作用。再進一步地探討環境規制在數字普惠金融影響農業碳排放強度過程中的門檻效應。研究發現，發展數字普惠金融能抑制農業碳排放強度，且技術進步是抑制作用的重要傳導渠道；以環境規制為門檻，數字普惠金融對農業碳排放強度的影響存在單一門檻效應。

關鍵詞：數字普惠金融；農業碳排放強度；農業綠色全要素生產率

一、引言

聯合國將普惠金融定義為“以可負擔的成本為有金融服務需求的社會各階層和群體提供適當有效的金融服務”。在國際經濟更加深入全面發展的同時，普惠金融理念逐漸深入人心，內涵和外延不斷豐富。“普惠金融”在引入中國后，為緩解金融排斥、城鄉金融發展不平衡等方面提供了新機遇和新方式。

在中國政府的支持下，大數據、區塊鏈等數字技術蓬勃發展，為提高普惠金融服務的觸達度提供契機。普惠金融數字化轉型有助于金融機構以較低成本下沉服務，具有更強的地理穿透性，提升偏遠地區和弱勢群體的信貸可得性，對緩解農業生產中“融資難”等問題發揮重要作用，也有助于促進農業技術進步。

氣候變暖是全世界共同面對的重要環境問題之一，這主要是由溫室氣體過度排放造成的。IPCC在第4次評估報告中表明，農業是溫室氣體的主要排放源，農業生產排放碳是農業生產活動不可或缺的要素，降低農業源溫室氣體排放量對緩解氣候變暖有重要意義。中國政府高度重視氣候變化相關問題，2020年9月，習近平主席在第七十五屆聯合國大會上宣布“雙碳”目標。12月，中央經濟工作會議把做好“碳達峰、碳中和”工作作為2021年的八項重點任務之一。

在“數字普惠金融”和“雙碳”兩大熱點備受矚目的情況下，對兩者關系的研究卻較少，許多值得挖掘研究的重點區域仍存在空缺。因此，本文在空間杜賓模型的基礎上探究數字普惠金融對農業碳排放的影響，以期為持續推動“雙碳”目標實現提供一些理論依據和參考。

二、文獻綜述

數字金融發展是區域創新環境的重要組成部分，其有效供給可解決傳統金融中的“屬性錯配”“領域錯配”和“階段錯配”等問題，可通過降低企業財務費用等方式促進企業創新（唐松等，2020），實現技術進步。傳統的金融體系在發展中普遍存在信息不對稱等問題，對中小企業及個體從業者的創新創業活動難以給予足夠支持，而數字金融借助信息技術對中小企業技術創新的驅動效應則較強，其也可通過促進地區產業結構優化升級提升技術創新水平（聶秀華等，2021）。

全球氣候變暖是人類發展面臨的最大的非傳統安全挑戰。農業作為國民經濟的基礎，又是溫室氣體的重要來源，減少農業碳排放對改善氣候環境具有重要意義。低碳技術進步有助于能源結構調整升級和促進新能源的研發，從而實現碳減排（殷賀等，2020）。農業技術進步通過改善傳統要素投入結構控制農業能源消耗，其溢出效應也可促使經驗累積，進而減少碳減排成本（胡中應，2018）。

現有研究主要討論了數字普惠金融對經濟發展、居民收入等的影響，探討數字普惠金融環境效應的文獻較少。數字普惠金融服務模式可提高企業的金融服務可得性，通過降低企業的融資成本和銀行等金融機構的服務成本，避免非必要活動，實現無接觸交易，可降低融資過程中的碳排放量（賀茂斌等，2021），助推綠色低碳發展。此外，數字金融破除了傳統金融機構對中小微企業的“信貸歧視”，實現資源的配置優化，引導要素流向高生產率產業。同時，數字金融相關技術的綠色創新，有助于打破污染型產業發展的路徑依賴，加快“低能耗、低污染、高效率”的新興產業發展，降低污染排放（朱東波等，2022）。

三、理論分析

目前，國內數字金融以國有銀行為主，阿里、電信、騰訊和百度金融為輔，積極響應“數字化”和“低碳化”的大趨勢，大幅度提高了綠色經濟效益（許釗等，2019）。

金融機構聯合互聯網巨頭依托數字金融搭建網絡消費、環保服務等多元化平臺，引導居民綠色消費（鄭萬騰等，2022），推動經濟向綠色轉型升級。

傳統的粗放型農業已不適應新的經濟增長態勢，亟須倒逼農業尋求集約綠色的發展模式，但從業者普遍面臨因低收入、缺少抵質押物難以支撐其轉型升級的困難。數字普惠金融則為農村搭建起多元化平臺，使農業綠色生產有資金保障，可選擇高效低碳的運作模式，促進農業綠色發展?；谝陨嫌懻?，提出假設1。

假設1：發展數字普惠金融能降低我國的農業碳排放強度。

新古典經濟增長模型和內生增長理論認為，金融發展狀況對內生的技術進步影響較大（張帆，2017）。

首先，數字金融可提高科技創新能力，實現技術進步。企業創新面臨產出不確定性、回報周期長等問題，難以在金融市場上獲得有效融資。數字金融通過對企業數據進行分析，反饋企業的經濟實力與信用能力，可有效解決信息不對稱等問題，加快創新資本的流動率和周轉率，為低碳技術創新提供資金支持。

其次，技術進步具有節能減排效應。一方面，具有較強創新能力的企業可通過開發新的替代能源技術、改進現有能源技術提高能源利用效率。農業從業者引進低碳技術，淘汰落后設備，可降低生產投入的能源消耗。另一方面，使用清潔、環境友好型生產要素，也可以減少農業碳排放?；谝陨嫌懻摚岢黾僭O2。

假設2：技術進步能對數字普惠金融的農業碳減排效應起正向調節作用。

由于市場機制不完善，綠色創新存在技術知識正外部性和環境負外部性，導致成本收益不匹配，嚴重阻礙著理性經濟主體自覺從事綠色創新活動的進程（方先明等，2020）。因此，借助政府環境規制這一外生力量來實現碳減排較為重要。高環境規制強度能對企業產生“創新補償”效應，促使企業為獲取市場地位和收益進行綠色技術創新（羅知等，2021）。在該強度下，數字普惠金融能觸及更多長尾群體，為農業綠色技術創新提供潛在支持，進而減少農業碳排放。但在低環境規制強度下，由于缺乏激勵及懲治措施，利益相關者自身創新意愿不足，數字普惠金融對農業碳排放強度可能并無顯著影響。基于以上討論，提出假設3。

假設3：環境規制對數字普惠金融降低農業碳排放強度具有門檻效應。

四、農業綠色全要素生產率的度量

傳統的SBM模型和DEA模型在測算效率上可能會忽略投入或產出的某方面，進而可能導致效率測算存在偏誤。因此，本文選取EBM模型（郭海紅等，2020）來測算農業綠色全要素生產率GTFP，將環境資源約束納入到傳統的全要素生產率的核算框架下，以便更好地衡量中國經濟增長質量與綠色農業的發展現狀。

選取農業從業人數、農業機械動力、農作物播種面積來表征勞動力、資本與土地，同時選取化肥、農膜、農藥、農業用水的使用量作為投入要素，選取農業總產值作為期望產出指標，農業碳排放量、總磷排放量、總氮排放量作為非期望產出指標。考慮經濟、資源、環境之間的復雜性，建立EBM模型，測算靜態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測量DEA最優效率值，ω? 表示第i種投入要素的權重，θ表示徑向條件下的效率值，S? 表示非徑向條件下第i種投入要素的松弛量，（xiv，yiv）表示第v個DMU的投入產出向量，bpv表示第v個省份的第p種非期望產出，（S? ，S? ）表示第r種期望產出和第p種非期望產出的松弛向量。為反映農業綠色生產效率的動態變化，根據Chambers等（1996）的思路，構建Malmquist-Luenberger指數，并將GTFP分解為農業綠色技術效率變化指數（GEC）和農業綠色技術進步變化指數（GTC），表達式如下：

GECt，t+1=[ ]（3）

GECt，t+1=[ × ] （4）

GMLt，t+1=GEC×GTC（5）

五、研究設計

（一）模型構建

1. 空間自相關分析

空間相關性是指數據在空間上存在相互影響。檢驗數據是否存在空間相關性，是判斷能否利用空間面板模型的前提。本文采用Morans指數來檢驗，公式如下：

I= （6）

其中，S = 為樣本方差，w 為空間權重矩陣的（i，j）元素，而∑? ∑? w 為所有空間權重之和。

2. 空間杜賓模型

空間杜賓模型考慮了同時存在空間滯后和空間誤差的情況，考察了鄰接區域自變量對因變量的影響。借鑒鄒新月等（2020）的研究，設定如下的空間權重矩陣。

（1）空間鄰接矩陣。根據各省市的相鄰關系來進行構造，由于海南省的地理位置特殊，假定其與廣東省相鄰。數學表達式為：

Wij=Wji=1，當區域i和區域j相鄰0，當區域i和區域j不相鄰（7）

（2）空間嵌套矩陣?？臻g鄰接矩陣主要考慮地區之間是否相鄰，對于非相鄰省份之間的輻射效應則解釋不足。本文首先計算出各省市的GDP和數字普惠金融的平均值，再在此基礎上構建經濟距離矩陣、反經濟距離矩陣和數字普惠金融嵌套矩陣。其中，i、j是不同地理單元的個體觀測點；y表示嵌入矩陣的經濟變量。

W*＝8/ y - y ，i≠j，i，j＝（1，2…N）0，i＝j（8）

（3）標準化處理。為避免分析誤差，本文對矩陣進行標準化處理，使其行和為1，W? 是所有空間單元與單元在相鄰關系中的權，標準化公式為：

W? ＝ （9）

（二）數據來源

本文采用2011-2018年中國30個省、區、市（除西藏、港澳臺地區）的數據，主要數據來源于《中國統計年鑒》《中國農村統計年鑒》《中國第三產業統計年鑒》。

（三）變量選取

1. 被解釋變量：農業碳排放強度

參考張廣勝和王珊珊（2014）的做法，用平均每萬元農業GDP所產生的碳排放量（噸/萬元）來表示農業碳排放強度，用IPCC方法來估算化石燃料產生的二氧化碳：

CO2=∑? ei×εi（10）

CI=CO2/AGDP（11）

其中，ei為第i種碳源的量，εi為第i種碳源的二氧化碳排放系數，AGDP為農業總產值，CI為農業碳排放強度。參考李波等（2011）的做法，選取6種碳排放源。

2. 解釋變量：數字普惠金融發展水平

采用郭峰等（2021）構建的“數字普惠金融指數”來反映中國數字普惠金融的實際發展狀況。該指數被廣泛應用，具有一定的可靠性和代表性。

3. 控制變量

借鑒楊鈞（2013）和王惠（2015）的思路，同時考慮數據的可得性，本文選取農業經濟發展水平、農業產業結構、農業機械化水平、自然災害、耕地面積構成、播種規模、農村居民可支配收入作為控制變量。

六、實證分析

（一）空間相關性檢驗

隨著社會經濟的發展，各地區表現出越來越強的關聯性。考慮到研究對象存在一定聯系，使用一般計量模型容易得到有偏估計，本文使用空間計量模型來研究。首先對各省份的農業碳排放強度和數字普惠金融水平進行空間自相關分析。從表3來看，Morans指數基本都通過了顯著性檢驗，因此可采用空間計量方法。

（二）空間杜賓模型

考慮到一個地區的農業碳排放可能會受到本地區和周邊地區數字普惠金融水平、碳排放情況、遺漏變量、不可觀測的隨機沖擊等因素的影響，空間杜賓模型更為適用。本文構建模型如下，i、t分別表示各省份與年份，X為控制變量，ui為個體效應，λi為時間效應，εit為隨機誤差項。

CIit=α0∑WitCIit+β1DFIICit+θ1∑WitDFIICit+β2Xit+θ2∑WitXit+ui+λt+εit（12）

（三）實證結果分析

由表4可知，在兩種矩陣下，DFIIC的系數都為負且在1%的水平下顯著，說明數字普惠金融發展降低了農業碳排放強度?？臻g自回歸系數分別為0.236、0.375，在5%的水平下顯著，說明被解釋變量有空間溢出效應，具體表現為在農業碳排放強度較高的區域，鄰接地區農業碳排放強度上升的概率會增大。W×項系數更能說明空間傳導效應，W×DFIIC的系數分別為-0.0629、-0.0535，說明數字普惠金融發展的溢出效應明顯。模型通過Hausman檢驗，選擇固定效應的空間杜賓模型是合理的。

關于控制變量，農村居民可支配收入的系數為負，說明隨著收入增加，農戶可能會購買優質良種，改進農業灌溉等設備，進而減少農業碳排放。產業結構的系數為正，可能是相比林業、漁業等生產，農業需投入更多的農藥等生產要素，單位產值所導致的碳排放量更多。耕地面積的系數為正，由于種植作物的特殊性與單一性，旱地和水澆地相比水田會產生更多的碳排放。自然災害、播種規模對農業碳排放的影響則均不顯著。

此外，參考已有研究，將空間效應分為直接效應和間接效應，避免空間回歸模型點估計的有偏性問題。如表4所示，直接效應、間接效應、總效應都為負且在1%的水平下顯著，表明數字普惠金融發展不僅降低了本省的農業碳排放強度，對相鄰省份的農業碳排放強度也發揮一定的降低作用，如果忽略空間溢出效應，會對數字普惠金融的影響有所低估。

（四）內生性檢驗

鑒于內生性問題可能會對結果造成偏差，將盡可能地對其進行檢驗修正。一方面，數字普惠金融可能與農業碳排放強度存在反向因果關系。另一方面，盡管已盡可能地控制了影響農業碳排放的相關變量，可能仍存在遺漏變量和度量誤差的問題。

考慮到數字普惠金融發展的反應存在一定時滯，將DFIIC滯后一期，如表5第2、3列所示。為減小實驗誤差，借鑒黃群慧等（2019）的思路，選用人均郵政業務量（IV1）和人均電信業務量（IV2）作為工具變量。由于數字普惠金融主要是依靠互聯網來實現發展，互聯網技術的發展和應用在很大程度上是從電話普及開始的，固定電話普及率高的地區往往數字普惠金融發展較快。郵局也是鋪設固定電話的執行部門，也可能影響數字普惠金融發展。如表5所示，IV1和IV1通過了“弱工具變量”和“不可識別”檢驗，滿足其作為工具變量的條件。表5結果也表明數字普惠金融能降低農業碳排放強度，且估計系數與上文的估計結果相比，有所增加。

（五）異質性分析和穩健性檢驗

本文對依據經濟水平和地理位置劃分的三大區域進行分組，進一步探究東中西地區的數字普惠金融對農業碳排放強度的影響。從表6來看，東中西地區的DFIIC分別為-0.0714、-0.0502、-0.0475，三者都在1%或10%的水平下顯著，表明三個地區的數字普惠金融發展均降低了農業碳排放強度且東部地區的影響更為顯著。

為檢驗估計結果的穩健性，本文將空間鄰接矩陣和經濟距離矩陣進行更換，用反經濟距離矩陣和數字普惠金融嵌套矩陣進行重新估計。結果如表6第5、6列所示，最后估計結果與前文實證結果基本一致，顯著程度、符號均未發生明顯變化，表明前文所得實證結果基本穩定。

（六）機制分析

在機制分析部分，采取交乘項的方法來探討技術進步在數字普惠金融對農業碳排放強度影響過程中的作用。將GTFP及GTFP分解的GEC和GTC分別代入到以下模型。如表7所示，數字普惠金融與技術進步、技術效率的交乘項的系數顯著為負，表明數字普惠金融可通過技術進步、技術效率對農業碳減排起正向調節作用，且技術進步的作用更明顯。

CIit=ρ∑WitCIit+β1DFIICit+θ1∑WitDFIICit+β2GTFPit+θ2∑WitGTFPit+β3GTFPit×GTFPit+θ3∑WitDFIICit×GTFPit+β4Xit+θ4∑WitXit+ui+λt+εit（13）

七、進一步討論

（一）面板門檻模型設定

為檢驗數字普惠金融對農業碳排放強度的非線性影響，本文采用Hansen（1999）提出的門檻回歸模型。借鑒馬國群等（2021）的研究，選取環境規制作為門檻變量，同時考慮政策發揮效應的滯后性，將其用每年末各省份實施的有關農業污染防控和環境保護的政策數量來表示。此外，以最小化殘差平方和為條件來確定環境規制的門檻值，考慮在不同的門檻區間內，數字普惠金融對農業碳排放強度的影響效應。模型如下，ERit為門檻變量，γ為未知門檻值。

CIit=？覬+δ1DFIICit×I（ERit≤γ1）+δ2DFIICit×I（ERit≤γ2）+…+δnDFIICit×I（γn-1γn）+？覬1Xit+εit（14）

（二）估計結果與分析

采用“自抽樣”法來估計，自抽樣次數為500，如表8所示，環境規制的單一門檻檢驗在5%的置信水平下顯著，雙重門檻的P值則未能通過顯著性檢驗，門檻數設為1。再采用極大似然函數來估計環境規制的門檻值，估計值為3.2616。如表9所示，當環境規制低于門檻值3.2616時，影響不顯著；當環境規制超過門檻值時，影響顯著且系數為-0.0624。這表明環境規制程度會影響農戶和企業的環保意識，數字普惠金融對農業碳排放強度的抑制作用有差異。

八、結論和政策意見

本文利用2011-2018年我國30個省份的面板數據，通過空間杜賓模型、交乘項和門檻模型實證分析了數字普惠金融對農業碳排放強度的影響。結果表明，發展數字普惠金融對農業碳排放強度有抑制作用，且農業碳排放有空間溢出效應；技術進步對數字普惠金融的農業碳減排效應起正向調節作用；以環境規制為門檻，數字普惠金融對農業碳排放強度的影響存在單一門檻效應。

碳減排問題備受國家和社會的關注，基于上文的研究結論，本文提出如下建議：第一，加快數字普惠金融體系建設，健全地方性信息數據庫。各省之間建立有效的區域合作機制，做到有效發揮發達地區與落后地區互聯互通的輻射效應和帶動作用。第二，加大技術投入，加強行業協同。在技術創新的基礎上，搭建數字普惠金融與環保服務的平臺，進一步創新金融產品和服務，做到與農村碳減排需求有機結合。

參考文獻：

[1]方先明，那晉領.創業板上市公司綠色創新溢酬研究[J].經濟研究，2020，55（10）：106-123.

[2]胡中應.技術進步、技術效率與中國農業碳排放[J].華東經濟管理，2018，32（06）：100-105.

[3]李波，張俊飚，李海鵬.中國農業碳排放時空特征及影響因素分解[J].中國人口·資源與環境，2011，21（08）：80-86.

[4]黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗[J].中國工業經濟，2019（08）：5-23.

[5]羅知，齊博成.環境規制的產業轉移升級效應與銀行協同發展效應——來自長江流域水污染治理的證據[J].經濟研究，2021，56（02）：174-189.

[6]馬國群，譚硯文.環境規制對農業綠色全要素生產率的影響研究——基于面板門檻模型的分析[J].農業技術經濟，2021（05）：77-92.

[7]聶秀華，江萍，鄭曉佳，吳青.數字金融與區域技術創新水平研究[J].金融研究，2021（03）：132-150.

[8]唐松，伍旭川，祝佳.數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異[J].管理世界，2020，36（05）：52-66+9.

[9]王惠，卞藝杰.農業生產效率、農業碳排放的動態演進與門檻特征[J].農業技術經濟，2015（06）：36-47.

[10]許釗，高煜，霍治方.數字金融的污染減排效應[J].財經科學，2021（04）：28-39.

[11]殷賀，王為東，王露，江紅莉.低碳技術進步如何抑制碳排放？——來自中國的經驗證據[J].管理現代化，2020，40（05）：90-94.

[12]張廣勝，王珊珊.中國農業碳排放的結構、效率及其決定機制[J].農業經濟問題，2014，35（07）：18-26+110.

[13]鄭萬騰，趙紅巖，趙夢嬋.數字金融發展有利于環境污染治理嗎？——兼議地方資源競爭的調節作用[J].產業經濟研究，2022（01）：1-13.

[14]鄒新月，王旺.數字普惠金融對居民消費的影響研究——基于空間計量模型的實證分析[J].金融經濟學研究，2020，35（04）：133-145.

[15]朱東波，張相偉.中國數字金融發展的環境效應及其作用機制研究[J].財經論叢，2022（03）：37-46.

＊基金項目：浙江省大學生科技創新活動計劃暨新苗人才計劃（2022R408A033）。

（作者單位：浙江工商大學）