數(shù)字普惠金融對農(nóng)業(yè)碳排放的影響效應研究

□ 徐敏 張云慧

一、引言

氣候變化和可持續(xù)發(fā)展在全球范圍內(nèi)日益成為焦點議題，國際社會采取多種行動來減少碳排放，以應對氣候變化對全球經(jīng)濟穩(wěn)定性的威脅。當前我國正處于經(jīng)濟增速放緩、經(jīng)濟增長新舊動能轉(zhuǎn)換的關鍵時期，加快推進“雙碳”目標的實現(xiàn)可能是“破局”之道。農(nóng)業(yè)碳排放包括了來自農(nóng)作物種植、畜牧業(yè)、土壤管理和農(nóng)村能源使用等多個方面的排放源，在碳減排方面具有巨大的潛力。減少農(nóng)業(yè)碳排放不僅有助于降低溫室氣體濃度，還可以改善土壤質(zhì)量、提高農(nóng)產(chǎn)品產(chǎn)量，從而實現(xiàn)可持續(xù)農(nóng)業(yè)發(fā)展。

受資源環(huán)境所限，傳統(tǒng)的農(nóng)業(yè)生產(chǎn)方式，即高度污染、高能耗、低效率的生產(chǎn)模式理應隨新經(jīng)濟態(tài)勢協(xié)同變化，向綠色、環(huán)保、可持續(xù)的生產(chǎn)方式轉(zhuǎn)變。2021年10月26日，國務院發(fā)布《2030年前碳達峰行動方案》，明確金融在實現(xiàn)碳達峰行動中的保障作用。數(shù)字普惠金融是一種基于金融科技創(chuàng)新的金融服務方式，具有在農(nóng)業(yè)領域?qū)崿F(xiàn)碳減排目標的巨大潛力。首先，數(shù)字普惠金融可以為農(nóng)民提供更多融資渠道，幫助他們投資于更環(huán)保、更高效的農(nóng)業(yè)生產(chǎn)方式，減少碳排放。其次，數(shù)字技術的應用可以提高農(nóng)業(yè)生產(chǎn)的智能化程度，使農(nóng)民更精確地管理資源、用水和用能，從而減少不必要的資源浪費和碳排放。此外，數(shù)字普惠金融可以幫助監(jiān)測和評估農(nóng)業(yè)碳排放，為碳市場和碳交易提供更準確的數(shù)據(jù)和支持。因此，數(shù)字普惠金融為實現(xiàn)農(nóng)業(yè)領域碳減排目標提供了可行性和技術支持。數(shù)字普惠金融與農(nóng)業(yè)碳減排的結(jié)合在資金和技術方面創(chuàng)造出一種協(xié)同效應，推動農(nóng)業(yè)領域低碳綠色可持續(xù)發(fā)展。

二、文獻綜述及研究假說

（一）文獻回顧

目前關于數(shù)字普惠金融與碳排放已有較為深入的研究，學界普遍認為數(shù)字普惠金融對碳排放有負向影響，其具體作用機制包括創(chuàng)新、創(chuàng)業(yè)和產(chǎn)業(yè)升級效應等。許釗等（2021）經(jīng)實證分析得出了數(shù)字普惠金融對于污染排放抑制效應的具體機制，包括創(chuàng)新、創(chuàng)業(yè)和產(chǎn)業(yè)機構(gòu)的升級等，郭桂霞等（2022）經(jīng)研究發(fā)現(xiàn)數(shù)字普惠金融發(fā)達地區(qū)的碳排放顯著下降，并發(fā)現(xiàn)其作用機制主要是降低產(chǎn)業(yè)融資成本。有學者則通過加入第三個變量全要素生產(chǎn)率，間接研究了數(shù)字金融和碳減排的關系。沈洋等（2021）認為數(shù)字普惠金融可以通過數(shù)字化服務降低搜集信息的難度和成本，降低金融服務的門檻，同時可以提高農(nóng)業(yè)全要素生產(chǎn)率。賀茂斌等（2021）實證驗證了數(shù)字普惠金融對全要素生產(chǎn)率的影響，全要素生產(chǎn)率的提升進而減少碳排放，惠獻波（2021）經(jīng)實證指出數(shù)字普惠金融通過創(chuàng)新、創(chuàng)業(yè)及產(chǎn)業(yè)升級效應促進全要素生產(chǎn)率的提升。張翱翔等（2022）經(jīng)研究表明中國農(nóng)業(yè)綠色全要素生產(chǎn)率不斷提高，數(shù)字普惠金融起到了決定性因素。

數(shù)字普惠金融的碳減排效應在農(nóng)業(yè)細分領域的研究目前相關文獻較少。蘇培添等（2023）利用空間杜賓模型發(fā)現(xiàn)數(shù)字普惠金融與農(nóng)業(yè)碳排放強度存在錯位的空間疊加形態(tài)，何宏慶等（2023）證明數(shù)字普惠金融與綠色農(nóng)業(yè)之間存在非線性關系，綠色農(nóng)業(yè)隨著數(shù)字普惠金融門檻的提高其對促進作用也愈發(fā)顯著，申云等（2023）實證表明數(shù)字普惠金融可以通過降低農(nóng)業(yè)碳排放強度、提高農(nóng)業(yè)生產(chǎn)社會化服務水平和農(nóng)業(yè)產(chǎn)業(yè)融合深度，助推農(nóng)業(yè)綠色低碳高質(zhì)量發(fā)展，付偉等(2022)研究發(fā)現(xiàn)不同省份數(shù)字普惠金融發(fā)展水平的作用效果具有雙重門檻效應，對農(nóng)業(yè)低碳發(fā)展的提升存在邊際遞增特征。

綜上所述，數(shù)字普惠金融在解決碳排放問題方面已經(jīng)有了全面的表現(xiàn)，同時其在農(nóng)業(yè)碳排放領域發(fā)揮的重要作用不容小覷，但目前數(shù)字普惠金融帶來的農(nóng)業(yè)碳減排效應沒有得到充分的重視。基于此，本文將視角轉(zhuǎn)向數(shù)字普惠金融的發(fā)展與農(nóng)業(yè)碳排放強度的關系，本文的邊際貢獻可能有以下兩點：第一，全面推進鄉(xiāng)村振興、實現(xiàn)農(nóng)業(yè)現(xiàn)代化迫切需要金融服務的賦能助力，目前關于數(shù)字普惠金融在農(nóng)業(yè)這一細分領域的碳減排影響研究較少，本文聚焦農(nóng)業(yè)領域探究其影響效應；第二，與其他非農(nóng)業(yè)部門相比，農(nóng)業(yè)部門及農(nóng)業(yè)生產(chǎn)者面臨更加嚴峻的“金融排斥”問題，緩解農(nóng)村偏遠弱勢群體的信貸約束一直是農(nóng)村金融市場改革的重點，本文深入探究了數(shù)字普惠金融影響農(nóng)業(yè)碳排放的作用機制，驗證了農(nóng)業(yè)技術進步的中介效應，豐富了數(shù)字普惠金融的的實踐路徑。

（二）理論機制

1.數(shù)字普惠金融對農(nóng)業(yè)碳排放的直接影響

第一，數(shù)字普惠金融緩解了農(nóng)村發(fā)展融資貴融資難的問題，為偏遠地區(qū)的發(fā)展提供了金融支持。技術的進步使金融服務在時間與空間兩方面的限制得到改善，解決了傳統(tǒng)金融歧視，為“長尾客群”獲取資金提供了可行路徑，實現(xiàn)了低成本高效率的的資金匹配。一方面，互聯(lián)網(wǎng)的發(fā)展降低了金融機構(gòu)的搜尋成本，便于獲取偏遠農(nóng)業(yè)主體更完整全面的信貸信息，借貸雙方實現(xiàn)無縫銜接，最大程度緩解了信息不對稱而產(chǎn)生的逆向選擇難題，有效提升金融效率，為農(nóng)業(yè)綠色低碳發(fā)展注入了新活力。另一方面，從供給側(cè)的角度提高了農(nóng)業(yè)部門的金融服務可得性，打破了長期以來限制農(nóng)業(yè)發(fā)展的融資問題，給偏遠地區(qū)的群體提供了更多獲取資金的有效渠道，為農(nóng)業(yè)綠色發(fā)展提供了充足的資本要素，擺脫了資金的限制，農(nóng)業(yè)主體將大力開展創(chuàng)新活動實現(xiàn)農(nóng)業(yè)碳減排的目標。

第二，數(shù)字普惠金融有效緩解“金融排斥”，增加農(nóng)民收入，創(chuàng)造再就業(yè)機會并改善創(chuàng)業(yè)行為，綠色農(nóng)業(yè)生產(chǎn)增多進而抑制碳排放。由于我國金融服務在農(nóng)村地區(qū)長期缺位，農(nóng)業(yè)技術進步和經(jīng)營生產(chǎn)規(guī)模的擴大受到制約。數(shù)字普惠金融的發(fā)展從產(chǎn)品和服務兩方面更好滿足農(nóng)業(yè)部門的金融需求，為線上債券、股票和農(nóng)地證券化流轉(zhuǎn)的發(fā)展提供了可能,這些新模式會顯著提高農(nóng)民的收入帶動鄉(xiāng)村產(chǎn)業(yè)發(fā)展，為農(nóng)民創(chuàng)造新的就業(yè)機會并改善農(nóng)民的創(chuàng)業(yè)行為。一方面，農(nóng)民創(chuàng)業(yè)活動會促進農(nóng)業(yè)生產(chǎn)力的轉(zhuǎn)移，進而增加勞動力從事農(nóng)業(yè)生產(chǎn)的機會成本，倒逼農(nóng)業(yè)生產(chǎn)進行技術革新，有效地降低了農(nóng)業(yè)碳排放；另一方面，農(nóng)民在涉農(nóng)創(chuàng)業(yè)方面，隨著“雙碳”目標的落實和收入的增加會選擇資源節(jié)約、污染排放少的領域，結(jié)合數(shù)字發(fā)展新態(tài)勢拓展更多清潔業(yè)務，減少碳排放。

第三，數(shù)字普惠金融充分協(xié)同互聯(lián)網(wǎng)的“網(wǎng)絡效應”和“經(jīng)濟連接”作用，為解決“三農(nóng)問題”搭建了高效便捷的數(shù)字化環(huán)保服務平臺，提高了農(nóng)村的資源利用效率。基于互聯(lián)網(wǎng)技術，以APP為基礎推動綠色消費、綠色支付、二手平臺等線上交易，降低了資源消耗和交易成本。隨著數(shù)字化的推進，一方面閑置物品交易平臺的出現(xiàn)使社會中閑置資源得到二次利用；另一方面基于互聯(lián)網(wǎng)和移動通信技術的發(fā)展，將金融和環(huán)保理念結(jié)合，如支付寶等移動支付平臺推出的“螞蟻森林”，通過線上線下相結(jié)合的方式將用戶側(cè)的數(shù)據(jù)轉(zhuǎn)化為現(xiàn)實中的植樹造林項目，助推生態(tài)環(huán)境綠色發(fā)展。此外，在央視開啟公益助農(nóng)直播的助力下，電子商務蓬勃發(fā)展催生更多農(nóng)業(yè)新業(yè)態(tài)，激發(fā)農(nóng)民新型需求，拓展更多的生產(chǎn)和服務模式，資金周轉(zhuǎn)進入良性循環(huán)，為農(nóng)業(yè)生產(chǎn)和農(nóng)村發(fā)展創(chuàng)造更多動力。

綜上所述，提出本文假設1：數(shù)字普惠金融對于農(nóng)業(yè)碳排放具有抑制效應。

2.數(shù)字普惠金融對農(nóng)業(yè)碳排放的間接影響

技術進步是經(jīng)濟增長的內(nèi)在動力，綠色低碳技術不僅成為實現(xiàn)“雙碳”目標的有力抓手，也為推動我國經(jīng)濟高質(zhì)量發(fā)展提供了內(nèi)在驅(qū)動力。數(shù)字普惠金融為農(nóng)業(yè)技術進步提供了資本要素可得性，具體表現(xiàn)為緩解信貸約束、增加農(nóng)民收入。農(nóng)業(yè)生產(chǎn)技術的進步需要資本的介入：在財政政策上，新技術在農(nóng)業(yè)生產(chǎn)中的投入得到了政府優(yōu)惠政策的資金補貼；在金融服務鄉(xiāng)村振興背景下，農(nóng)民引入新技術時的借貸成本顯著降低。因此，數(shù)字普惠金融對于資金約束較強的農(nóng)村地區(qū)具有技術進步效應。農(nóng)業(yè)技術進步對農(nóng)業(yè)碳減排有顯著影響，一方面，新技術的應用通過提高傳統(tǒng)能源的利用率，加快要素流動進而提升資源配置效率，降低單位能源的碳排放量；另一方面，技術進步將優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，能源消費結(jié)構(gòu)隨之改善，綠色能源將大規(guī)模應用到生產(chǎn)實踐中。同時，農(nóng)業(yè)碳排放的增加也會倒逼技術進步機制，共同起到抑制農(nóng)業(yè)碳排放的作用。更重要的是，“數(shù)字+普惠金融”的模式會促進技術的傳播與交流，互聯(lián)網(wǎng)緩解了大家的信任約束，使他們更愿意分享技術與經(jīng)驗，最終提高農(nóng)業(yè)生產(chǎn)率。

綜上所述，提出假說2：數(shù)字普惠金融通過促進農(nóng)業(yè)技術進步進而實現(xiàn)農(nóng)業(yè)碳減排。

三、研究設計

（一）模型設定

1.基準回歸

基準回歸模型檢驗假設1，為了消除異方差的影響，本文將各控制變量取對數(shù)形式加入模型中，基準回歸模型設定如下：

式（1）中，i表示省份，t表示時間，Ei,t表示農(nóng)業(yè)碳排放強度，DFIi,t表示數(shù)字普惠金融發(fā)展水平，Xi,t為控制變量，λi表示省份固定效應；εi,t表示隨機擾動項。

2.中介效應回歸

為檢驗假設2，即驗證農(nóng)業(yè)技術進步的間接影響，參考溫忠麟等（2014）的中介效應檢驗方法。構(gòu)建中介效應模型，模型設定如下：

式（2）-（4）中，Mi,t為中介變量，本文使用農(nóng)業(yè)技術進步率（TECHi,t）來衡量，其中α、β、γ為回歸系數(shù)，μt和λi分別表示年份、省份固定效應；εi,t、φi,t、δi,t表示隨機擾動項。

（二）變量選取

1.被解釋變量：農(nóng)業(yè)碳排放強度（E）

首先計算農(nóng)業(yè)碳排放總量（C），參考李波等（2011）研究，本文主要碳源界定為化肥、農(nóng)藥、農(nóng)用柴油、農(nóng)用塑料薄膜、農(nóng)作物播種面積和農(nóng)業(yè)灌溉面積。

表1 各碳源碳排放系數(shù)

農(nóng)業(yè)碳排放計算公式為：

目前，農(nóng)業(yè)碳排放強度主要用各地區(qū)總碳排放量與單位農(nóng)業(yè)產(chǎn)值的比值來衡量，計算公式為：

其中，E為碳排放強度（kg/萬元），其中T（kg）表示農(nóng)業(yè)碳排放總量，GDP（萬元）為各省份農(nóng)業(yè)總產(chǎn)值，為剔除價格因素的影響，本文以2011年作為不變價格，將農(nóng)業(yè)產(chǎn)值換算成2011年可比產(chǎn)值。

2.核心解釋變量：數(shù)字普惠金融指數(shù)（DIFI）

核心解釋變量為數(shù)字普惠金融發(fā)展水平，選用北京大學數(shù)字金融研究中心發(fā)布的數(shù)字普惠金融指數(shù)，同時將分析三個維度對農(nóng)業(yè)碳減排的影響的異質(zhì)性。

3.中介變量：農(nóng)業(yè)技術進步率（TECH）

借鑒田云（2016）的研究為了得到相對穩(wěn)定的測算，本文運用DEA-Malmquist指數(shù)法，產(chǎn)出指標為2011年為基期的各地區(qū)農(nóng)林牧漁業(yè)總產(chǎn)值。借鑒何曉霞等（2022）的做法，投入指標包括勞動力、土地、農(nóng)業(yè)機械、化肥和能源投入。

4.控制變量。控制變量的選取借鑒了黃大湖和丁士軍（2022）、孫學濤和于婷（2022）等的處理方法，本文選取以下7個控制變量。

（1）城鎮(zhèn)化水平（URB）：選用城鎮(zhèn)人口占總?cè)丝诘谋戎貋砗饬俊Ｔ礁叩某擎?zhèn)化水平意味著越多的勞動力需求，城市虹吸效應讓更多農(nóng)村地區(qū)人口涌入城鎮(zhèn)，離農(nóng)生產(chǎn)會降低農(nóng)業(yè)碳排放強度。

（2）人力資本水平（EDU）：使用各地區(qū)農(nóng)村人口平均受教育年限來衡量。人口的受教育程度越高其對數(shù)字普惠金融使用程度越深，預期會加速降低農(nóng)業(yè)碳排放的強度。

（3）財政支農(nóng)水平（FINAN）：采用各地區(qū)農(nóng)林水支出占財政總支出的比重表示，政府對農(nóng)業(yè)的重視程度與其在農(nóng)業(yè)方面財政支出有很大的關系，這將顯著影響農(nóng)業(yè)綠色發(fā)展。

（4）農(nóng)業(yè)發(fā)展水平（AGD）：一般選取人均農(nóng)業(yè)收入來衡量，其中人均農(nóng)業(yè)收入用實際農(nóng)林牧漁總產(chǎn)值與第一產(chǎn)業(yè)從業(yè)總?cè)藬?shù)的比重來衡量。

（5）產(chǎn)業(yè)結(jié)構(gòu)升級（IND）：采用第三產(chǎn)業(yè)增加值占地區(qū)總產(chǎn)值的比重表示。

（6）農(nóng)業(yè)基礎設施（FAC）：使用各省份農(nóng)業(yè)機械總動力來衡量。

（7）農(nóng)業(yè)受災程度（DIS）：使用各省份農(nóng)業(yè)受災面積占其播種面積得比重來衡量。農(nóng)業(yè)受災會影響農(nóng)業(yè)收益，進一步影響碳排放強度。

（三）數(shù)據(jù)來源

本文選用全國30個省（市）（不含西藏、臺灣、香港、澳門）的面板數(shù)據(jù)對模型進行估計，省級層面的農(nóng)業(yè)統(tǒng)計數(shù)據(jù)來源與2011-2020年《中國統(tǒng)計年鑒》、《中國農(nóng)業(yè)年鑒》、《中國農(nóng)村統(tǒng)計年鑒》以及各省歷年統(tǒng)計年鑒以及北京大學數(shù)字普惠金融中心編制的《數(shù)字普惠金融指數(shù)》測算的北京大學數(shù)字普惠金融數(shù)據(jù)。部分變量的缺失值采用插值法、均值法補齊，最終形成了2011-2020年30個省份的平衡面板數(shù)據(jù)。

（四）描述性統(tǒng)計

1.各變量描述性統(tǒng)計

各變量描述性結(jié)果如表2所示。

表2 各變量描述性統(tǒng)計

2.農(nóng)業(yè)碳排放強度測算結(jié)果

根據(jù)公式（5）（6）測算出了全國30個省份近10年的農(nóng)業(yè)碳排放強度，下表3為6種碳源排放量和農(nóng)業(yè)碳排放強度的平均值，其中還列出了考察期2011-2020年始末兩年的農(nóng)業(yè)碳排放強度，對10年內(nèi)各省市的碳排放的變化做一個初步判斷。

表3 2011-2020年中國各省市農(nóng)業(yè)碳排放強度平均值

圖1顯示，2011-2020年各省份農(nóng)業(yè)碳排放強度的均值均有不同程度的下降，伴隨著我國經(jīng)濟高速發(fā)展、綠色生產(chǎn)技術革新和各類三農(nóng)政策地出臺，10年間我國農(nóng)業(yè)發(fā)展也經(jīng)歷了重大變革，越來越趨于綠色、可持續(xù)的耕作方式使得農(nóng)業(yè)碳排放強度大幅下降。

圖1 2011-2020年全國各省市平均農(nóng)業(yè)碳排放強度均值變化

從農(nóng)業(yè)碳排放強度的平均值看，10年內(nèi)我國各省份農(nóng)業(yè)格局發(fā)生了變化。2011年農(nóng)業(yè)碳排放強度均值排名前十的依次是云南省、吉林省、安徽省、寧夏自治區(qū)、江西省、黑龍江省、甘肅省、內(nèi)蒙古自治區(qū)、浙江省和海南省，而2020年農(nóng)業(yè)碳排放強度均值排名前十的依次是吉林省、內(nèi)蒙古自治區(qū)、寧夏自治區(qū)、上海市、安徽省、新疆自治區(qū)、山西省、甘肅省、浙江省和河南省。總體以農(nóng)業(yè)大省為主，其中云南省和海南省10年內(nèi)農(nóng)業(yè)碳排放強度有較大幅度的下降。農(nóng)業(yè)碳排放強度超過200kg/萬元的有4個，分別是吉林省、內(nèi)蒙古自治區(qū)、安徽省和寧夏自治區(qū)。在樣本時間內(nèi)，上述省份的農(nóng)業(yè)發(fā)展相對滯后，主要為粗放型農(nóng)業(yè)生產(chǎn)模式，且存在農(nóng)民環(huán)保意識不足等問題，因此各地政府亟需加大資金投入和出臺利好政策來幫助區(qū)域轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式，提高農(nóng)民農(nóng)業(yè)生產(chǎn)中的環(huán)保意識。

從六大碳排放源看，農(nóng)用化肥碳排放量最大，其次是柴油的使用。河南省農(nóng)用化肥碳排放量達618.47百億噸，山東省和安徽省的農(nóng)用化肥碳排放量也位居前列，同時農(nóng)機柴油的大量使用也意味著農(nóng)業(yè)耕作技術有待進一步提高，推動農(nóng)業(yè)綠色生產(chǎn)技術革新迫在眉睫。

四、實證結(jié)果與分析

（一）基準回歸

數(shù)字普惠金融對農(nóng)業(yè)碳排放強度影響效應的實證結(jié)果如下表4所示：

表4 數(shù)字普惠金融對農(nóng)業(yè)碳排放強度的影響：基準回歸

表4顯示，固定效應模型的數(shù)字普惠金融回歸系數(shù)值分別為-0.280和-0.111，且通過了1%顯著性水平的檢驗，說明數(shù)字普惠金融對農(nóng)業(yè)碳排放有顯著的抑制作用，假設1成立。在固定效應面板模型下，數(shù)字普惠金融水平每提升1個單位，農(nóng)業(yè)碳排放強度將平均下降0.111個單位，不考慮控制變量時其抑制效應更顯著。

在控制變量中，城鎮(zhèn)化水平、農(nóng)業(yè)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)升級和農(nóng)業(yè)基礎建設對農(nóng)業(yè)碳排放強度有顯著的負向影響，城鎮(zhèn)化水平每提升1個單位，農(nóng)業(yè)碳排放強度將平均下降3.133個單位，城鎮(zhèn)化水平的提升意味著更多的農(nóng)村人口流向城鎮(zhèn)，從事農(nóng)業(yè)生產(chǎn)的勞動力減少，農(nóng)業(yè)碳排放隨之減少；另外，越高的城鎮(zhèn)化水平意味著越完善的數(shù)字基礎建設，這使得數(shù)字普惠金融發(fā)展更好地發(fā)揮作用。農(nóng)業(yè)發(fā)展水平每提升1個單位，農(nóng)業(yè)碳排放將平均下降0.077個單位，農(nóng)業(yè)發(fā)展水平代表了地區(qū)的人均農(nóng)業(yè)收入，人均收入越高意味著越多農(nóng)業(yè)生產(chǎn)方式的變革，這將大規(guī)模應用綠色農(nóng)業(yè)生產(chǎn)技術，而農(nóng)業(yè)技術的進步將會實現(xiàn)農(nóng)業(yè)碳減排。產(chǎn)業(yè)結(jié)構(gòu)升級每提升1個單位，農(nóng)業(yè)碳排放強度將平均下降1.447個單位，產(chǎn)業(yè)結(jié)構(gòu)升級導致地方產(chǎn)業(yè)重心發(fā)生轉(zhuǎn)變，更偏向于高級化、智能化的產(chǎn)業(yè)發(fā)展。這些產(chǎn)業(yè)不僅可以降低農(nóng)業(yè)碳排放強度，同時也會進一步簡化數(shù)字普惠金融在偏遠地區(qū)的推進進程。農(nóng)村基礎建設水平每提高1個單位，農(nóng)業(yè)碳排放強度將平均下降0.107個單位，基礎建設水平與農(nóng)業(yè)機械化程度相關，而機械化水平代表了農(nóng)業(yè)技術進步，新型綠色農(nóng)業(yè)技術得以應用，農(nóng)業(yè)碳排放強度隨之下降。

人力資本水平和財政支農(nóng)水平對農(nóng)業(yè)碳排放強度沒有產(chǎn)生顯著的負向影響，可能的原因是我國偏遠鄉(xiāng)村的高水平人才數(shù)量還沒有達到規(guī)模水平，政府部門仍需大力推進偏遠鄉(xiāng)村的基礎教育進程，讓數(shù)字普惠金融更好地服務偏遠地區(qū)；其次財政支農(nóng)水平力度欠缺，還未徹底改變傳統(tǒng)粗獷型的農(nóng)業(yè)生產(chǎn)方式，農(nóng)業(yè)碳排放強度未得到改善。

（二）穩(wěn)健性檢驗

1.內(nèi)生性檢驗

一般來說，變量存在內(nèi)生性問題有三方面原因：測量誤差、遺漏變量和互為因果。本文的內(nèi)生性可能源于兩個方面，一是遺漏變量，影響農(nóng)業(yè)碳排放的因素有很多，盡管本文盡可能控制了和農(nóng)業(yè)碳排放有關的變量，但仍然可能存在遺漏變量導致的內(nèi)生性問題；二是反向因果，前文證明數(shù)字普惠金融對農(nóng)業(yè)碳排放有抑制作用，隨著農(nóng)業(yè)碳排放的減少，農(nóng)業(yè)生產(chǎn)方式會更加現(xiàn)代化，資源配置效率更加高效，這將“倒逼”農(nóng)業(yè)主體進行思維和技術更新，主動利用金融手段籌資、開拓新型數(shù)字化售賣方式來提高資源利用率，促進了數(shù)字普惠金融的發(fā)展。因此，本文對核心解釋變量數(shù)字普惠金融指數(shù)分別選取移動電話普及率（LnPHONE）和數(shù)字普惠金融一階滯后項（L.LnDFI）作工具變量，運用兩階段最小二乘估計法解決內(nèi)生性問題。

結(jié)果如表5所示，LM統(tǒng)計值和Wald F統(tǒng)計量檢驗結(jié)果均顯著為正，工具變量有效。在考慮內(nèi)生性問題后，數(shù)字普惠金融對農(nóng)業(yè)碳排放強度仍具有顯著的抑制作用，擬合系數(shù)為-0.265和-0.544，與上文結(jié)果保持一致，結(jié)果基本穩(wěn)健和可靠。

表5 內(nèi)生性檢驗

2.穩(wěn)健性檢驗

運用面板分位數(shù)回歸進行穩(wěn)健性檢驗。選取0.25、0.5、0.75三個分位數(shù)進行檢驗，得到的結(jié)果如表6所示，核心解釋變量系數(shù)的顯著性和方向與上文一致，數(shù)字普惠金融對農(nóng)業(yè)碳排放有明顯的抑制作用，結(jié)果穩(wěn)健。

表6 穩(wěn)健性檢驗

（三）機制檢驗——中介效應結(jié)果分析

路徑C的檢驗結(jié)果見基準回歸模型，數(shù)字普惠金融對農(nóng)業(yè)碳排放的回歸系數(shù)β1為-0.111，且在1%水平下顯著；由上表7可知，在路徑A的檢驗中，數(shù)字普惠金融對中介變量農(nóng)業(yè)技術進步的回歸系數(shù)α1為0.081；在路徑B的檢驗中，中介效應模型下農(nóng)業(yè)技術進步對農(nóng)業(yè)碳排放的回歸系數(shù)γ2為-0.629；在路徑C'的檢驗中，中介效應下數(shù)字普惠金融對農(nóng)業(yè)碳排放的回歸系數(shù)γ1為-0.060，以上系數(shù)均通過了顯著性檢驗。上述結(jié)果表明農(nóng)業(yè)技術進步是影響農(nóng)業(yè)碳排放的部分中介變量，假說2成立。

表7 中介效應檢驗

數(shù)字普惠金融使偏遠地區(qū)同樣可以觸達金融服務，極大緩解了長期以來農(nóng)村地區(qū)融資難的困境，降低了引入新技術所需的資金門檻，打破了傳統(tǒng)農(nóng)業(yè)的作業(yè)方式和耕種理念，技術進步使農(nóng)業(yè)生產(chǎn)實現(xiàn)了從粗放式的高污高排到集約式的低碳綠色的轉(zhuǎn)型。

圖2 農(nóng)業(yè)技術進步中介效應機制圖

（四）異質(zhì)性分析

1.維度異質(zhì)性分析

將指標細分后更容易分析和解釋現(xiàn)實問題。為了進一步研究各維度視角下數(shù)字金融對地區(qū)農(nóng)業(yè)碳排放強度的影響，本文將分析數(shù)字普惠金融的三個分指標對農(nóng)業(yè)碳排放的影響效應。

表8中的估計結(jié)果顯示，數(shù)字普惠金融三個維度的回歸系數(shù)均顯著為負，這表明不同維度均對農(nóng)業(yè)碳排放強度產(chǎn)生了負向影響。不考慮控制變量時將高估其對農(nóng)業(yè)碳排放強度的抑制效果。

表8 數(shù)字普惠金融不同維度對農(nóng)業(yè)碳排放強度的影響

其中，覆蓋廣度的抑制作用最強，其次是使用深度，數(shù)字化程度影響效應最弱。具體來說，數(shù)字普惠金融覆蓋廣度發(fā)展水平每提升1個單位，農(nóng)業(yè)碳排放強度將平均下降0.095個單位，使用深度發(fā)展水平每提升1個單位，農(nóng)業(yè)碳排放強度將平均下降0.066個單位，數(shù)字化程度發(fā)展水平每提升1個單位，農(nóng)業(yè)碳排放強度將平均下降0.063個單位。

覆蓋廣度的增加是網(wǎng)絡普及率提升的表現(xiàn)，相比傳統(tǒng)的實體金融，數(shù)字金融服務偏遠城鎮(zhèn)和農(nóng)村地區(qū)更為友好，為廣大農(nóng)民群體提供更加便利的技術。使用深度的增加意味著除了最基礎的存款業(yè)務有更多金融服務進入到農(nóng)民的生產(chǎn)生活中，數(shù)字普惠金融緩解了金融機構(gòu)處理信息量降低了信息不對稱的程度，金融服務更加精準，極大地拓寬了農(nóng)民的融資渠道，降低了金融服務門檻，緩解了農(nóng)村的融資約束，減少了交易成本，提升了資源配置效率，為農(nóng)業(yè)生產(chǎn)經(jīng)營提供了更多的資金支持。而數(shù)字化程度抑制作用相對較弱，說明我國在偏遠地區(qū)數(shù)字金融與數(shù)字技術的融合程度不夠，數(shù)字化基礎建設薄弱，金融機構(gòu)對偏遠地區(qū)金融服務精準度不夠，數(shù)字化程度亟需完善。

2.區(qū)域異質(zhì)性分析

不同地區(qū)經(jīng)濟發(fā)展水平存在較大差異，各類資源要素的分配也不盡相同，農(nóng)業(yè)技術和勞動力程度同樣存在較大差異，基于此，數(shù)字普惠金融對各地區(qū)的農(nóng)業(yè)碳排放強度抑制作用也會存在異質(zhì)性，為進一步探討影響的差異，本文將研究對象劃分為東部、中部與西部三個地區(qū)樣本進行檢驗，考察期為2011-2020年。

表9結(jié)果表明，東部、中部和西部地區(qū)數(shù)字普惠金融發(fā)展均顯著抑制了農(nóng)業(yè)碳排放的強度，中部地區(qū)數(shù)字普金融的抑制效應最高，其次是動部地區(qū)，而中部地區(qū)的抑制效應最低，顯現(xiàn)出明顯的區(qū)域異質(zhì)性。數(shù)字普惠金融水平對農(nóng)業(yè)碳排放強度的抑制效應在東部地區(qū)最大，具體來說，數(shù)字普惠金融每提升1個單位，農(nóng)業(yè)碳排放強度將平均下降0.319個單位。在中部地區(qū)和西部地區(qū)，數(shù)字普惠金融每提升1單位，農(nóng)業(yè)碳排放強度將平均下降0.226和0.293。東部地區(qū)的農(nóng)業(yè)碳排放強度在10年內(nèi)呈現(xiàn)出大幅下降趨勢，均值由2011年220.34kg/萬元下降到2021年108.92kg/萬元，其中海南的農(nóng)業(yè)碳排放強度由248.45下降至84.43，下降了164個單位，浙江、福建和廣東3個省份的農(nóng)業(yè)碳排放強度下降值也均超過100個單位，伴隨著我國數(shù)字普惠金融的大力推進，東部地區(qū)農(nóng)業(yè)碳減排取得了良好的效果。中部地區(qū)承擔我國農(nóng)業(yè)生產(chǎn)的重任，碳減排的效果遜于東部地區(qū)，10年內(nèi)農(nóng)業(yè)碳排放強度由231.39kg/萬元下降至128.63kg/萬元，下降值平均在100個單位左右，山西、吉林、黑龍江、安徽、江西、河南農(nóng)業(yè)碳排放強度的均值為167.53，其中吉林省的農(nóng)業(yè)碳排放強度10年內(nèi)僅下降了10個單位，均值為258.29。

表9 數(shù)字普惠金融對農(nóng)業(yè)碳排放強度的影響：區(qū)分東中西部地區(qū)

數(shù)字普惠金融對農(nóng)業(yè)碳排放的影響依舊未能改變因經(jīng)濟發(fā)展水平而產(chǎn)生的差異。東部沿海地區(qū)開放早開放程度較高，基礎設施完善，數(shù)字化進程推進較為容易，同時居民和政府的綠色農(nóng)業(yè)意識更強；越高的地區(qū)經(jīng)濟發(fā)展水平，越需要高水平的金融服務做支撐，而數(shù)字普惠金融服務的普及與這一點深度契合，為地區(qū)農(nóng)業(yè)提供了更多的融資可能性，進而顯著抑制了東部地區(qū)農(nóng)業(yè)碳排放強度。西部地區(qū)的碳減排效應略顯著于東部地區(qū)，可能的原因是近年來我國大力拓展西部數(shù)字化格局，在“東數(shù)西算”等低碳綠色的利好政策的加持下，西部地區(qū)的數(shù)字基礎設施更先進，同時西部地區(qū)可能在農(nóng)業(yè)現(xiàn)代化方面處于早期階段，這意味著有更多的機會采用數(shù)字技術來提高農(nóng)業(yè)生產(chǎn)效率和降低碳排放。因此，我們必須在中西部地區(qū)大力開展基礎設施建設，全面推進數(shù)字科技產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化賦能，通過數(shù)字化科技改變傳統(tǒng)金融服務的弊端，加強對農(nóng)業(yè)從業(yè)者的數(shù)字技術培訓，從而實現(xiàn)更好的碳減排效果。

五、結(jié)論與建議

本文基于2011-2020年中國30個省份的面板數(shù)據(jù)，首先測算了2011-2020年農(nóng)業(yè)碳排放強度，又利用DEA指數(shù)測算了10年內(nèi)中國30個省市的農(nóng)業(yè)技術進步率，在此基礎上建立固定效應模型和中介效應模型，驗證了數(shù)字普惠金融對農(nóng)業(yè)碳排放強度的影響，研究得出以下結(jié)論：（1）數(shù)字普惠金融對農(nóng)業(yè)碳排放強度有顯著的抑制作用，并通過了穩(wěn)健性檢驗。（2）農(nóng)業(yè)技術進步在數(shù)字普惠金融對農(nóng)業(yè)碳排放強度的抑制作用中存在部分中介效應。（3）數(shù)字普惠金融覆蓋廣度、使用深度和數(shù)字化程度在不同程度上均發(fā)揮了對農(nóng)業(yè)碳排放強度的抑制作用，其中最為顯著的是覆蓋廣度，其次是使用深度和數(shù)字化程度。（4）數(shù)字普惠金融對農(nóng)業(yè)碳減排的影響存在區(qū)域異質(zhì)性，東部地區(qū)數(shù)字普金融的抑制效應最高，其次是西部地區(qū)，而中部地區(qū)的異質(zhì)效應最低。

針對以上結(jié)論，本文提出以下幾點建議：

第一，依托數(shù)字技術與數(shù)字經(jīng)濟，著力發(fā)展數(shù)字普惠金融，以解決傳統(tǒng)金融在服務農(nóng)業(yè)生產(chǎn)上的短板，推進農(nóng)業(yè)技術進步、農(nóng)業(yè)碳減排和環(huán)境友好型農(nóng)業(yè)的發(fā)展，同時通過環(huán)保服務平臺搭建和金融工具創(chuàng)新等手段鼓勵農(nóng)業(yè)生產(chǎn)中的碳減排活動；提高農(nóng)村地區(qū)數(shù)字普惠金融知識普及，政府等有關部門要加大將金融知識下沉到農(nóng)村等偏遠地區(qū)的力度；此外，地方政府與企業(yè)應引導社會資本進入到鄉(xiāng)村振興和可持續(xù)發(fā)展的體制機制中，借助互聯(lián)網(wǎng)平臺助力農(nóng)民農(nóng)業(yè)碳減排活動。

第二，積極發(fā)揮數(shù)字普惠金融的技術進步效應，以數(shù)字金融為發(fā)展引擎帶動技術創(chuàng)新，大力開展綠色農(nóng)業(yè)相關的專利研究，為農(nóng)業(yè)低碳發(fā)展提供新動力。

第三，落實高素質(zhì)人才教育進程，提升區(qū)域人力資本水平，加快人才賦能農(nóng)業(yè)領域，高效利用數(shù)字普惠金融抓手解決農(nóng)業(yè)碳排放問題；加大財政支農(nóng)水平，增加研發(fā)投入，鼓勵綠色低碳技術相關的研發(fā)，各政府部門要予以更多的政策和資金支持。

第四，拓寬金融服務的地理邊界，降低不同區(qū)域間資金融通的成本，疏通東西部、城鄉(xiāng)和不同城市能級間的信息交流渠道，打破各地區(qū)之間的信息壁壘，在環(huán)境保護和低碳農(nóng)業(yè)的發(fā)展中發(fā)揮數(shù)字普惠金融與技術創(chuàng)新的空間輻射作用，實現(xiàn)真正的綠色低碳可持續(xù)發(fā)展。