綠色金融政策對農業生產低碳轉型的影響

摘 要：農業低碳與糧食安全是現代農業必然的發展方向。在農業“保供”和“降碳”這一雙重目標導向下，提升農業碳全要素生產率成為尋求糧食安全與農業生產低碳轉型協調發展平衡點的關鍵所在。鑒于綠色金融日益成為農戶農業生產低碳轉型的重要融資來源，基于2011—2020年全國農村固定觀察點微觀數據，分析綠色金融試點政策對農業碳全要素生產率的影響、異質性及其作用機理。研究表明：（1）綠色金融試點政策實施后，試點地區農戶農業碳全要素生產率實現了15%的平均增幅，促進了農戶農業生產低碳轉型。（2）綠色金融試點政策促進試點地區農戶農業碳全要素生產率提升的主要驅動力是技術前沿進步，如影響當期農戶的有機肥、配方肥施用等新型技術行為的采納而實現農戶農業生產低碳轉型。（3）兼業農戶、低收入農戶、非規模經營農戶更易受到綠色金融試點政策的影響而實現農業碳全要素生產率的顯著提升，推進農業生產低碳轉型。最后基于實證結果提出有針對性的對策建議。

關鍵詞：綠色金融；農業生產；低碳轉型；農業碳全要素生產率；雙重差分

中圖分類號：F830

文獻標識碼：A

文章編號：1673-9841（2024）05-0152-15

一、引 言

面對嚴峻的全球氣候變化問題，中國于2020年正式做出“30·60‘雙碳’目標”的莊嚴承諾。“雙碳”目標提出后，國內視野更多地聚焦碳排放體量巨大的工業等領域，致使農業這一大碳源較易被忽略。農業既是國民經濟發展的根基，是全方位推行綠色生產、綠色流通、綠色生活、綠色消費等生態發展新模式的重要基礎，同時又是重要的碳源部門，是低碳循環經濟發展中最基礎且與人民生活連接最緊密的重要環節。根據2020年全球碳預算（Global Carbon Budget，GCB）數據庫的統計，2019年全球的碳排放量約為11億噸，其中84.3%來源于化石能源排放，其余15.7%則由包括作物種植在內的農業土地利用領域產生［1］。可見，農戶實現農業低碳轉型在推進中國“雙碳”目標中的地位舉足輕重。

然而，農業低碳轉型必須保持糧食安全底線思維，受約束較大，實現2030年農業碳排放達到峰值的目標對于作為農業大國的中國來說任務十分艱巨，尋求“保供”和“降碳”協調發展的農業低碳轉型方案成為新時代賦予農業科技創新的新使命。低碳技術進步作為低碳發展的核心驅動力，在整個“雙碳”發展過程中有著不可替代的戰略支撐作用，中國作為發展中大國，如何在保證糧食生產安全的前提下使農戶生產技術向著綠色低碳發展方向轉變從而合理控制農業碳排放成為一項重要的議題，這也是實現創新驅動農業綠色發展和鄉村振興的關鍵所在。此時，作為能夠統籌考察碳排放負產出和糧食產量正產出且具備低碳技術創新特性的農業碳全要素生產率指標則無疑成為兼顧該雙重目標的重要考量。當前，在低碳、零碳等農業技術研發與推廣的過程中，“資金約束”是最大瓶頸，綠色融資問題的解決直接關系到現階段及后期農業碳全要素生產率的持續提升。為應對全球氣候變化，近年來中國一些金融機構進行了從排污權抵質押融資、節能項目融資，到碳排放權證券化、綠色保理等的嘗試，使得金融業在促進中國碳達峰和碳中和方面具備良好的實踐基礎。雖然強化碳市場的金融屬性、推進碳金融市場的發展可以在總體上有效推進碳減排，但其研究遠未形成系統性的理論框架和體系［2］。因此，作為涵蓋內容更加廣泛且已有一定實施基礎的綠色金融，是當前為中國低碳技術、項目和產業等提供市場化專項資金保障的重要融資來源，能夠更有效鼓勵和引導社會綠色資本向低碳領域傾斜，填補農業低碳技術創新的巨大資金缺口，以穩步有序、精準直達的方式支持清潔能源、節能環保、碳減排技術三個重點減碳領域的發展，撬動更多社會資金促進農業碳減排，故對綠色金融試點政策的低碳效應進行評估亦有助于更好地確認中國金融體系建設未來發展的風向標。基于此，在“雙碳”目標背景下研究綠色金融政策對農業低碳技術進步和農戶農業低碳轉型的影響，對確保技術創新更有力助推農業“保供”與“降碳”的協同發展具有積極的現實意義。

二、文獻綜述

為加快推動農業綠色低碳轉型，眾多學者聚焦農業關鍵領域，以農業綠色全要素生產率為主要表征對其進行了深入探究且成果豐碩。回溯已有文獻，現有研究大致從生產率測算及其影響因素分析兩個方面展開。

一是農業綠色全要素生產率的測度及其時空趨勢變化分析。當前學者主要通過數據包絡分析法（DEA）、改進的索洛增長核算法、隨機前沿分析法（SFA）以及基于CES生產函數的增長核算法四類測算方法測度全要素生產率［3-6］，其中DEA法和SFA法國內學者使用較多。如：紀成君等通過構建SBM-DEA模型對中國農業綠色全要素生產率進行了測度，并基于空間角度對其收斂性進行了分析，提出在技術進步驅動下中國農業綠色全要素生產率呈波動式上升趨勢，且空間效應可以加快中國農業綠色全要素生產率的收斂速度［7］；甘天琦等使用SFA法測算中國縣域農業全要素生產率，發現“十一五”規劃以來中國縣域農業全要素生產率的增長率呈現出逐年下降并趨于穩定的態勢，其區域差異明顯但差距正在逐漸縮小［8］。除測算方法種類多樣外，學者對農業綠色全要素生產率進行測度時選取的指標也有所差異，尤其是農業非期望產出指標差別較大。當前學者們大多以農田化肥污染、農田固體廢棄物污染、農業碳排放三類的其中一種或幾種作為非期望產出測度中國農業綠色全要素生產率［9］，這也導致現有測度結果出現多元化趨勢。聚焦僅以農業碳排放為非期望產出的農業碳全要素生產率而言，由于契合國家“雙碳”目標，因而其成為衡量經濟績效高低的一個全新標準［10］，近年來逐漸得到學者關注，但成果數量仍然不多，如沈洋等從碳匯和碳排放兩個視角測度農業綠色全要素生產率并進行空間收斂性分析［11］，張寧對中國主要火力發電企業的碳全要素生產率的變化及其源泉展開分析［12］。

二是農業綠色全要素生產率的影響因素分析。現有研究已從科技進步、環境規制、經濟增長與人力規模、要素錯配等多種角度展開了對傳統農業綠色全要素生產率影響因素的研究［13-16］，但關于農業碳全要素生產率的影響因素分析僅有寥寥幾篇［17-18］。除上述因素外，金融支持與農業綠色發展的關系也一直備受矚目［19］，但目前直接涉及金融與農業綠色全要素生產率關系研究的文獻極少［20］，已有相關研究主要集中在金融對綠色全要素生產率的影響方面，且二者關系呈現正相關、負相關及非線性的觀點皆有學者提出并驗證［21-23］，結論不一。

相較于傳統金融手段對綠色全要素生產率影響結果的不確定性，作為應對氣候變化和環境治理的新型金融策略，綠色金融所發揮的確定性正向作用亟須被驗證。中央全面深化改革領導小組第二十七次會議指出“發展綠色金融，是實現綠色發展的重要措施”［24］，但受綠色金融發展較晚、數據獲取難度大、不易量化等因素的影響，當前尚未見綠色金融與農業碳全要素生產率的關系研究。盡管一些理論探討提出，碳金融市場在總體上可以成為富有效率的市場安排，但中國碳金融發展依然存在諸多挑戰，學者們也尚未對碳金融市場發展進行系統的研究，其研究廣度與深度遠不及人們的預期［2］。當前中國仍然以完善綠色金融體系為引領，著力提升綠色金融推進減碳的整體能力和水平。既有研究已經表明綠色金融是新時代金融機構遵循新發展理念推進農村生態文明建設的重要抓手［25］，也是實現經濟綠色轉型的關鍵所在［26］。作為綠色產業政策中的一種市場化工具［27］，它可以通過資金支持低碳技術創新從而有效減少碳排放，實現低碳發展和可持續發展［28-29］。因此，綠色金融對農業碳全要素生產率的影響是亟待探討的前沿議題，這也是本文選題的原因所在。

綜上所述，現有關于綠色全要素生產率的研究已較為深入，但針對農業碳全要素生產率的研究還需加強，在影響因素方面，以綠色金融這一創新型策略為視角的考察還未有涉及。相較于工業“三廢”污染多年治理成就而言，碳排放問題愈發突出，高于全球平均排放水平的農業碳排放的治理問題已十分嚴峻，因此在“雙碳”目標背景下評估綠色金融試點政策對農業低碳轉型的影響十分必要。本文的創新點在于：（1）研究視角方面，在“雙碳”目標背景下，著眼于農業這一碳排放大戶，將農業碳排放因素作為唯一非期望產出對農業碳全要素生產率水平進行測量，并將較于碳金融而言內容更為廣泛、發展更為成熟的綠色金融這一創新型環境與氣候治理工具作為切入點，分析其對農業碳全要素生產率的影響。（2）研究內容方面，結合模型推導從理論上分析綠色金融對農業碳全要素生產率的作用機理，而后提出研究假說，有針對性地實證檢驗綠色金融試點政策對農戶農業碳全要素生產率的提升效應，并深入剖析其驅動因素。（3）研究方法方面，基于農村固定觀察點微觀面板數據，結合雙重差分模型考察綠色金融試點政策對農戶層面農業碳全要素生產率的影響，使研究更具全面性。本文對中國今后的金融支持農業低碳轉型工作的完善、農業綠色生產效率的提高、綠色金融體系的健全、區域農業綠色協調發展等具有一定的參考價值。

三、政策背景與作用機制

（一）政策背景

自金融行業綠色意識覺醒以來，各國紛紛開始進行以環境保護、資源節約、污染減排等為目標的金融活動，出現了“可持續金融”“環境金融”等多樣化的綠色金融相關術語［30］。在中國，2007年國家環境保護總局等三部委聯合出臺《關于落實環保政策法規防范信貸風險的意見》以后，綠色金融浪潮才在國內真正興起。其后，國家陸續發布多個相關政策，綠色金融得到迅速發展。2015年，“十三五”規劃中明確提出“發展綠色金融”是推動供給側結構性改革的一項重要任務。在2016年9月舉行的杭州G20峰會上，應中國的積極倡議，“綠色金融”被首次納入峰會議題。為確保綠色金融工作得以有序開展，2016年中國人民銀行等七部委在《關于構建綠色金融體系的指導意見》中提出了綠色金融的定義，并清晰指明綠色金融的內涵、服務對象與其所包含的專屬工具等內容［31］。

綠色金融已成為全球金融發展新風口。為更好地協同金融與產業綠色發展，2017年6月綠色金融試點方案正式提出，浙江、廣東、江西、貴州、新疆五省（區）被批準為首批綠色金融改革創新試驗區，2019年11月甘肅獲批建設國家綠色金融改革創新試驗區，2022年8月增設重慶為綠色金融改革創新試驗區。在這一頂層設計和核心綱領的引導下，各省份開始各有側重、各具特色的綠色金融改革。這也為本文利用雙重差分法構建計量模型提供了可能。

農業本身具有的弱質性及其外部性使其應成為綠色金融支持的重點領域之一。農業生產中各種化學品的使用以及殘留物不僅會對生態環境造成直接的污染，也會增加農業碳排放對生態產生影響。當前，綠色金融支持綠色農業發展的方式已逐步多樣化，包括綠色信貸、綠色債券、綠色基金、綠色保險、綠色租賃等綠色金融產品，以及供應鏈金融和金融科技等創新模式與載體［32］，金融機構以綠色金融培植發展厚土，將特色農產品融入信貸體系，創新信貸形式，從而實現農業領域的產融結合、銀企互動、項目落地，推行訂單融資服務［33］。因此，在“雙碳”目標背景下充分發揮綠色金融優勢以激發農業低碳發展活力成為農業高質量發展的關鍵路徑之一。就農業領域而言，綠色金融政策賦能農業低碳轉型是新發展階段金融服務的重要工作任務，以綠色金融政策為準自然實驗，探究其農業低碳效應是對政策效果評價的重要內容之一。

（二）作用機制

與傳統金融相比，提升環境效益和社會效益是綠色金融更為關注的目標，因此對碳減排的支持力度更大，可以通過“集聚資本”和“分配資本”功能動員和引導資金、技術、人力等要素投入綠色低碳化生產，從而優化傳統金融情境下技術難以創新、資源配置和轉移效率低下的問題［34］。隨著綠色金融逐漸滲透至“三農”領域，相關金融機構也認識到綠色資金支農的經濟、環境和社會價值，并不斷創新金融產品，運用綠色金融工具支持“三農”問題的解決。綠色信貸、保險、基金等手段和人工智能、云計算、大數據等技術也在不斷助力綠色金融支持農戶低碳農業轉型。在中國，發展綠色金融既具有自上而下的頂層設計，也實現了自下而上的驅動［35］，金融機構踐行以人為本的邏輯遵循，積極支持低碳環保類客戶綠色融資需求是綠色金融試點政策效果的重要體現，其對農戶低碳技術發展的激勵作用［36］，有利于實現精準助力農戶農業低碳轉型。

一方面，綠色金融的發展有助于金融機構創新農業綠色信貸和綠色保險服務和產品，完善農村金融服務體系，從而為糧食低碳轉型保駕護航。綠色金融創新改革試驗區成立后，地方政府不斷出臺相應措施，引導金融資源合理向精準助力農戶農業低碳轉型傾斜。政府以財政貼息引導帶動金融資源流向“三農”領域，可以調動銀行放貸的積極性。一系列綠色金融政策的提出向人們釋放出中國發展“綠色經濟”的強烈信號［37］，人們的環境保護意識也日益提高，各行業面臨的“規范壓力”不斷增強。在綠色發展大趨勢下，綠色金融能夠以一個較低的綠色貸款利率為綠色技術創新提供融資支持，使農戶愿意采納新技術生產農產品以賺取更多利潤，并為其緩解綠色生產融資約束問題，強化其成為鄉村振興參與人的意愿［38］，進而對技術創新能力和低碳生產能力產生作用，實現技術創新成果的噴涌及其轉化效率的提升，促進農業碳全要素生產率的增長。

另一方面，綠色金融試點政策可以推動“三農”領域綠色金融服務創新以支持農戶農業低碳轉型。在農業可持續發展頂層設計的指引下，近年來，我國農業高質量發展與綠色轉型皆取得階段性成就。農業高質量發展以及綠色轉型都需要充分運用先進技術、裝備與農業管理經驗，在轉型中需要資金支持以及相關轉型風險的管理。綠色金融能夠通過債券、基金、保險等多種方式介入，設計符合與地方產業發展需求相匹配的綠色金融產品［25］。同時，綠色信貸、綠色保險覆蓋面的擴大，能夠為農業綠色發展提供資金支持與風險保障［39］，為投資方提供收益的同時，也促使資本流入具有社會效益的低碳農業項目，支持農戶農業低碳轉型目標的實現。

此外，根據Frer等的研究［40］，基于Malmquist指數法得到的農業碳全要素生產率的增長來源可以進一步被分解為農業技術前沿進步與農業技術效率改善兩部分。其中，農業技術效率改善代表著t到t+1期間農業要素配置、農業投入規模等方面的變化，是對前沿面追趕程度的表征；農業技術前沿進步則是對t到t+1期間生產前沿面外推移動程度的測度，能夠反映綠色金融對農業先進技術設備引進和農業技術流程創新水平等促進作用的大小。具體而言，在進行實質性綠色技術采納的過程中，農戶要面臨可能失敗的風險以及創新周期較長所帶來的不確定性［41］，從而缺乏足夠的創新動力。綠色金融政策通過綠色信貸、綠色債券、綠色保險等一系列綠色金融產品及服務，為農戶采納低碳技術實現技術進步提供了多元化融資渠道與良好的創新環境，推動農戶低碳轉型。同時，農戶生產過程中的借貸約束會影響農地經營規模、生產要素的投入與管理等，使得農戶存在生產投入的雙重約束效應，綠色金融政策的系列綠色金融產品及服務可以在農戶轉向規模化、機械化、低碳化農業生產經營過程中，增強其對農業各領域各環節的資源調節作用［42］，促進資源配置的進一步優化，推動農戶采取與現行低碳技術水平匹配度更高的新型農業管理經營模式，通過實現農業技術效率改善從而助推農業低碳轉型。因此，農業技術前沿進步與農業技術效率改善均可能作為農業碳全要素生產率提升的有效途徑［43］。

綜上，本文在前述分析的基礎上，提出如下研究假說：

H1：綠色金融試點政策可以有效提升試點地區的農業碳全要素生產率。

H2：綠色金融試點政策實現農業碳全要素生產率提升的驅動因素為農業技術前沿進步與農業技術效率改善。

四、研究模型與數據

（一）研究模型設定

由于綠色金融的體量對金融總量的占比不大，且現有綠色金融工具的多樣化致使其規模計量難度較大，僅以綠色信貸變量表征綠色金融發展水平難以全面體現綠色金融內涵，而以碳金融作為研究變量進行實證分析仍然十分困難，多指標綜合構建的地區綠色金融指數的科學性和代表性亦尚待考察。因此，本文經綜合考慮后決定將綠色金融試點政策作為一項外生沖擊，選用雙重差分法進行政策效應評估，將農業碳全要素生產率作為衡量指標，對政策實施前后試點區與非試點區的該指標平均改變量差異進行比較，得到綠色金融試點政策對農業碳全要素生產率的作用效果。本文將浙江、廣東、江西、貴州、新疆五地視為處理組，其他省份視為對照組，將2017年設置為時間節點，即2011—2016年為政策未實施期，2017—2020年為政策實施期。基于此，本文設置雙重差分模型如下：

ACTFPit=β0+β1（policyi×postt）+∑γjXjit+ui+vt+εit，j=1，2，3，…，n（1）

其中：ACTFPit為農業碳全要素生產率，i為農戶，t為時間。policyi×postt為雙重差分變量，即非政策試點地區policyi取值是0，政策試點地區policyi取值是1；政策實施前postt取值是0，政策實施后postt取值是1。ui為個體固定效應，vt為時間固定效應，εit為干擾項。Xjit代表一系列直接和間接影響農業碳全要素生產率的因素。

根據前面的理論分析和假設，綠色金融試點政策可能借助技術創新效應這一渠道促進試點地區農業碳全要素生產率的提升，因此運用中介模型進行進一步機制分析。本文將農業碳全要素生產率分解為技術進步（TC）與技術效率（EC）兩個增長源，因此可以將二者作為中介變量，進一步探究綠色金融試點政策影響農業碳全要素生產率的驅動因素。基于此，參考相關研究［44］，本文在式（1）的基礎上構建方程（2）和方程（3）：

Midit=a0+a1（policyi×postt）+∑cjXjit+mi+nt+ζit，j=1，2，3，…，n（2）

ACTFPit=b0+b1（policyi×postt）+b2Midit+∑djXjit+pi+qt+ξit，j=1，2，3，…，n（3）

其中，Midit為中介變量。

（二）變量定義與數據說明

1.被解釋變量

農戶農業碳全要素生產率（ACTFP）。考慮到生產過程中產生的環境負外部性以及投入產出松弛的問題，本文運用MAXDEA軟件， 采用DEA方法中包含非期望產出的SBM模型和Global Malmquist Luenberger（GML）指數法對農業碳全要素生產率進行了有效的測度，并參考邱斌等的調整方法［45］，以基期生產率指數為1，對其他年份生產率指數進行累乘并將結果作為各年份農業碳全要素生產率的最終取值。全要素生產率是一種動態分析，它可以分析每個決策單元與生產邊界的相對位置和向生產邊界移動的情況［46］，農業碳全要素生產率則是綠色全要素生產率，是一種同時納入農業投入、農業經濟產出以及碳產出的全要素生產率，是衡量當前中國農業低碳化發展的關鍵指標，能夠反映農業低碳發展水平［47］。

已有研究提出土地、技術、勞動力是農業經濟增長的決定因素［48］，因此本文選擇以勞動、土地、資本作為投入指標，以農業產值和農業碳排放作為產出指標，具體含義如表1所示。其中，投入端的資本投入指標是以2011年為基期，借鑒張軍等的永續盤存法（折舊率取9.6%）［49］計算農業固定資產資本存量數據。產出端的農業碳排放指標計算借鑒李波等的觀點［50］，主要以農用物資和農地利用產生的CO2作為碳源，碳源及其碳排放系數分別為：化肥0.895 6 kg CE/kg、農藥4.934 1 kg CE/kg、農膜5.180 0 kg CE/kg、柴油0.592 7 kg CE/kg、灌溉25.000 0 kg CE/hm2、翻土312.600 0 kg CE/km2。

2.核心解釋變量

雙重差分變量（policyi×postt）。其中，policyi為分組虛擬變量，當樣本農戶處于“綠色金融改革創新試驗區”時取1，否則取0。具體而言，在基準回歸中，若農戶位于2017年綠色金融改革創新試驗區試點的5個地區（浙江、廣東、江西、貴州、新疆）時，其分組變量取1，否則為0。postt表示政策沖擊的時間虛擬變量，“綠色金融改革創新試驗區”試點前取0，之后則取1。policyi×postt即表示分組與時間虛擬變量的交互項，其系數則為雙重差分估計的“綠色金融改革創新試驗區”的政策效應。由于甘肅的政策實施期較短，為避免估計結果出現偏差，暫時不將甘肅地區納入考量，同時重慶成為試點時在樣本考察期之后，因此在本文中將其視為未試點地區。

3.控制變量

根據已有研究［51］，本文控制變量包含農戶、家庭以及村莊三個層面的特征變量，其中農戶層面變量主要為戶主特征，包括戶主的年齡（歲）、戶主性別（男＝1，女＝2）、戶主是否受過農業技術培訓（是＝1，否＝0）、戶主文化程度（年）和戶主自我認定的健康狀況（優＝1，良＝2，中＝3，差＝4，喪失勞動能力＝5）。家庭層面變量為恩格爾系數、年末家庭經營面積（畝）、生活水平（萬元）。村莊層面變量為地勢（平原＝1，丘陵＝2，山區＝3）、農村經濟發展程度（上等＝1，中上等＝2，中等＝3，中下等＝4，下等＝5）、農村硬化道路占比。

（三）樣本與數據

本文研究使用的是農業農村部全國農村固定觀察點2011—2020年的調查數據。全國農村固定觀察點的調查數據是以農戶為基礎的面板數據，調查覆蓋1986年至今31個省（區、市）的上百個樣本村、上萬個農（牧）戶，且各類糧食作物的產量、產值、播種面積與相關投入品的支出等數據均有翔實連續的調查記載，為本文研究提供了可靠的數據支撐。在剔除數據缺失的樣本并對部分極端值不合理情況進行處理，同時剔除2020年甘肅這一新政策試點地區以保證結果的準確性后，本文農戶層面的觀測值數為8 840個。主要變量的描述性統計分析見表2。

五、回歸結果分析

（一）基準回歸

為去除異方差和個別極端值的影響，本文在回歸時選擇對被解釋變量農業碳全要素生產率進行取對數處理，如此也可獲得更便于理解的變化率結果。同時，為了得到盡可能準確、明晰的回歸結果，在時間個體效應雙固定下無控制變量和引入控制變量以及引入控制變量但不控制個體時間效應三種模型進行基準雙重差分回歸，回歸結果如表3所示。

由表3可以看出，無論是否控制外生變量，模型（1）至（3）中核心解釋變量policyi×postt的系數均在1%水平上顯著為正，說明綠色金融試點政策對試點地區農戶農業碳全要素生產率有顯著的促進作用，假說1得到了驗證。具體而言，模型（3）中policyi×postt的系數大小為0.140，根據準確的估計公式exp（β1 ）-1計算［52］，綠色金融試點政策實施后，試點地區農戶農業碳全要素生產率平均提升了約15%的比例，成效十分可觀。如前所述，綠色金融試點政策可能通過刺激綠色金融產品與服務的持續創新，推進更多農業低碳項目的實施和低碳技術的開發，鼓勵和促進農戶層面低碳產品和農業綠色要素的自由流動，從而實現低碳技術創新向外推動前沿面和綠色技術效率追趕前沿面這兩條增長來源的改變，進而推動農業碳全要素生產率的提升，這也將在后文得到具體分析。

（二）穩健性檢驗

1.動態效應檢驗

處理組與對照組具有相同的事前趨勢是確保雙重差分法有效的前提，本文選擇進行動態效應檢驗除了可以進一步佐證共同趨勢的前提條件外，也便于更直觀地分析綠色金融試點政策實施后其對農業碳全要素生產率產生的政策效應強度變化。具體做法為：將樣本政策虛擬變量與各年份時間虛擬變量分別相乘得到多個虛擬交乘項，以2011年為基準，在控制變量不變的情況下，將其與被解釋變量再次進行回歸，得到如圖1所示的檢驗結果。

由圖1可知，政策實施前的2012—2017年交乘項系數的置信區間均與0軸相交，結果表現為不顯著，即在此期間綠色金融試點政策對農業碳全要素生產率的政策效應為0；2018—2020年交乘項系數均顯著大于0，其置信區間位于0軸上方，未與0軸相交，表明綠色金融試點政策實施后的效應顯著，與實際預期相符。此外，圖1也進一步表明上述基準回歸結果具有穩健性，且隨著政策的實施時間拉長，核心解釋變量系數的絕對值在不斷增大，說明政策效應愈發明顯，2020年政策效應得到顯著提升。

2.PSM-DID檢驗

為排除自選擇偏差問題和檢驗基準回歸結果的可靠性，本文對樣本數據進行了傾向得分匹配回歸（PSM-DID）。PSM-DID回歸的具體做法為：采用Logit模型對政策前的樣本數據進行一定比例的近鄰匹配或核匹配后，僅保留匹配數據，將其與2017年政策實施后的數據進行縱向匹配得到更加平衡的樣本，對新樣本再次進行雙重差分。因此，在控制與前文相同協變量的基礎上，本文根據得分分別按照近鄰1∶4和核匹配的比例進行匹配，隨后進行雙重差分模型的回歸，結果如表4所列。

從表4可以看出，匹配方法的更換未能影響實證結果的顯著性，綠色金融政策效應都表現為正向影響，且在1%的水平上顯著，各系數值與基準回歸模型的結果差別不大，即綠色金融試點政策實施后，試點地區農業碳全要素生產率實現了顯著提升，與上述基準回歸得到的最終結論一致，表明基準模型實證結果具有穩健性。

3.縮短窗口期檢驗

考慮到政策前后的時效性問題，本文以2017年政策實施年為分界，選取其前后各3年的數據得到更為均衡的樣本區間（2013—2020年）進行回歸，回歸結果見表5。

表5第（1）（2）（3）列分別為不控制時間個體效應且無控制變量、控制時間個體效應且無控制變量、雙向固定時間和個體效應并引入控制變量對農業碳全要素生產率的回歸結果。由條件更為嚴苛的結果（3）可知，綠色金融的政策效應系數在1%水平上保持顯著，系數的大小和方向與前文基本一致，穩健性再次得到證明，即中國綠色金融試點政策顯著提升了試點地區農業碳全要素生產率。

4.安慰劑檢驗

自2009年中國2020年控制溫室氣體排放目標被提出以來，政府密集出臺了一系列規章和政策控制碳排放，因此為排除其他相關政策的影響，本文進一步采用安慰劑檢驗進行驗證。具體操作為：通過隨機構造實驗組，即打亂實施綠色金融試點政策的地區來進行安慰劑檢驗，本文進行了500次蒙特卡洛模擬的安慰劑檢驗，其結果如圖2所示，圖中豎虛線代表基準估計系數的真實值。

通過圖2可知，綠色金融試點政策對農業碳全要素生產率的估計系數模擬值與原估計結果（0.140）相差甚遠且不顯著，其峰值出現在系數為0的位置，這說明綠色金融試點政策對農業碳全要素生產率提升效應的估計結果并未受到其他政策因素或隨機性因素的影響，本文基準回歸結果是穩健的。

六、異質性分析

現實經驗和理論分析結果表明，綠色金融對農業碳全要素生產率增長的影響可能會因為農戶的兼業經營狀況，即農戶對糧食或農業經營收入的依賴程度差異而有所不同，綠色金融對不同經營規模、不同收入水平農戶的農業碳全要素生產率增長的影響也可能存在差異。對此，本文根據農戶兼業情況、農戶收入水平（以中位數劃分收入高低）以及家庭經營規模（以中位數劃分規模大小）劃分出不同的組別（Ⅰ）（Ⅱ）（Ⅲ），從而就綠色金融對農業碳全要素生產率增長影響的異質性展開探討，結果如圖3所示。結果表明，對于高兼業化水平的家庭而言，其家庭剩余種糧農戶的專業化水平較高，綠色金融對緩解此類投工量較小家庭的流動性約束作用力更明顯，故對其農業碳全要素生產率增長的促進效果可能會更大。同時，引入綠色金融機制后，符合綠色發展理念的農戶才具有增大其獲得持續有效綠色金融支持的可能性，因此對于此類更易于實現低碳綠色經營模式轉變的小規模種植農戶而言，其農業碳全要素生產率受綠色金融影響后的提升效果較大。此外，由于低收入農戶前期資金及技術的限制，其農業經營中化肥、農藥等要素對土地破壞程度可能低于高收入農戶，金融機構基于綠色金融的融資標準會更偏向于緩解低收入農戶的綠色融資約束，因此低收入農戶農業碳全要素生產率水平提升幅度略高于高收入農戶。

七、機制分析

按照前文中介模型設定，依次對公式（2）和（3）中核心解釋變量policyi×postt的系數a1和b1以及式（3）中介變量Midit的系數b2是否顯著進行檢驗，從而對綠色金融提升農業碳全要素生產率過程中的主要驅動因素進行探究，估計結果見表6所列。

當以技術效率指數作為中介變量時，核心解釋變量的系數a1并不顯著；當以技術進步指數作為中介變量時，核心解釋變量的系數a1、b1和技術效率指數的系數b2都為正向顯著，說明綠色金融試點政策促進了試點地區農業技術進步，在此基礎上提升了試點地區的農業碳全要素生產率，本文假說2得到了一定的驗證，即技術進步發揮了部分中介作用，是綠色金融試點政策促進農業碳全要素生產率提升的主要驅動因素，其中介效應占總效應的比例為16.83%。這表明當前生產率的提升主要依賴于綠色金融支持下的先進技術研發，綠色金融試點政策可能通過有效地激勵農場或農戶積極采納綠色技術實現現有低碳農業發展的技術進步，例如，新品種培育技術、化肥減施技術、生物農藥技術、秸稈還田技術等［53］，從而提升當前農業碳全要素生產率。然而，技術效率改善的作用尚不顯著，說明我國節能低碳型農業發展較為滯后，現仍以高耗型農業為主，在技術資源配置方面仍需優化，農戶管理水平和生產能力有待提高。

為更準確地驗證綠色金融影響農業碳全要素生產率的具體機制，本文在進行以上影響機制檢驗后，還考慮了是否施用有機肥、是否施用配方肥這兩個更具備技術采納特征的“農戶行為”，分別將二者作為被解釋變量進行影響機制的實證分析，結果如表7所示。結果進一步表明，綠色金融試點政策實施能夠在當期促進農戶的新型技術采納行為而實現農業碳全要素生產率增長。其中，有機肥替代化肥作為一種生態生產行為，能培肥地力、減少農業污染、提高農業綜合生產能力，增施有機肥既能解決我國化肥施用過量的問題，又能使畜禽糞污資源化利用，實現“雙贏”［54］；配方肥是較為科學地提出各類化肥的施用數量、施肥時期和施用方法的一套技術體系，可以有效提高化肥利用率，有效改良農戶在施肥過程中存在的不確定性［55］，多項田間試驗也證明使用測土配方肥比傳統的習慣施肥方法的肥效會更加持久，有利于增加單產，降低成本。因此，在綠色金融政策的引導下，農戶的新型技術采納行為得到支持，從而有利于推動技術進步，實現農業碳全要素生產率增長。

八、結論及建議

本文在“雙碳”目標下，著眼于農業這一碳排放大戶，基于2011—2020年中國農村固定觀察點數據，利用雙重差分法考察綠色金融試點政策這一重要低碳發展融資策略對農戶農業低碳轉型的影響及其作用機制，并對其異質性進行探討。主要研究結論為：

（1）綠色金融試點政策可以有效提升試點地區的農業碳全要素生產率。隨著綠色金融試點政策的實施，試點地區農業碳全要素生產率平均提升了15%的水平，有效促進了農戶農業生產低碳轉型，這一結果通過了一系列穩健性檢驗。（2）綠色金融試點政策實現農業碳全要素生產率提升的驅動因素為農業技術前沿進步，農業技術效率改善作用尚不明顯。機制分析結果表明綠色金融試點政策可以促進當期農戶的有機肥、配方肥施用等新型技術行為的采納，從而推動技術前沿進步以實現農業碳全要素生產率的提升，促進農戶農業生產低碳轉型。（3）兼業農戶、低收入農戶、非規模經營農戶更易受到綠色金融試點政策的影響而實現農業碳全要素生產率的顯著提升。基于此，本文提出如下建議：

第一，繼續發揮試點地區優勢，推廣綠色金融試點經驗。本文研究結果表明，綠色金融試點政策對農戶農業低碳轉型的作用效果十分顯著，因此其可以作為中國實現“雙碳”目標的應有之義持續推進。自綠色金融試點政策實施后，經過各方共同努力，中國的綠色金融發展全面提速，但總體仍處于探索階段。中國必須探索可推廣的經驗做法，吸取試點經驗教訓，更好地探索綠色金融發展新模式，持續推進綠色金融改革創新試驗區建設，加大金融對改善碳循環、高效利用資源的支持，增強區域綠色金融創新發展深度和廣度，在“三農”領域發揮好綠色金融的導向作用。

第二，堅持科創驅動綠色低碳，追求技術創新與效率兼顧。本文研究結果表明，在農業碳全要素生產率提升過程中，綠色技術進步這一因素的作用更突出，而綠色技術效率改善的作用尚未顯現，因此在今后的綠色金融地區建設中還應對農業碳排放強度較大的地區進行更大力度的綠色金融支持和低碳技術補貼，帶動農戶對環境農業技術的采納，在提升企業和農戶低碳技術的使用效率、減少資源浪費方面下足功夫，推動區域綠色農業的低碳轉型，減少農業碳排放，使農業發展方向對接“雙碳”目標。

第三，有必要制定細節化、精準化的政策內容。當前綠色金融政策效應具有顯著的非平衡性特征，要細化對不同收入、不同兼業水平、不同規模化經營的農戶的融資規定，圍繞整體區域的農業生產部門、金融部門和政府部門三方的生態保護及其投融資需求，發揮綠色金融信息交流、綠色金融發展研討、綠色金融人才培訓、投融資供需雙方對接等服務功能，以實現政府和市場的協調推進并加強區域間對話，為綠色金融促進農業農戶低碳轉型編織覆蓋范圍更廣泛的密網，由“綠色金融省份”發展成“綠色金融區域”，促使綠色金融發展成為實現“雙碳”目標的中堅力量，為中國實現碳減排承諾做出貢獻。

參考文獻：

［1］ PIERRE F，MICHAEL O，JONES MATTHEW W，et al.Global carbon budget 2020 ［J］.Earth system science data，2020（4）：3269-3340.

［2］ 雷鵬飛，孟科學.碳金融市場發展的概念界定與影響因素研究 ［J］.江西社會科學，2019（11）：37-44+254.

［3］ 楊騫，王玨，李超，等.中國農業綠色全要素生產率的空間分異及其驅動因素 ［J］.數量經濟技術經濟研究，2019（10）：21-37.

［4］ FEDER C.A Measure of total factor productivity with biased technological change ［J］.Economics of innovation and new technology，2018（3）：243-253.

［5］ 王留鑫，姚慧琴，韓先鋒.碳排放、綠色全要素生產率與農業經濟增長［J］.經濟問題探索，2019（2）：142-149.

［6］ JIANG W，LEN-LEDESMA M.Variable markups and capital-labor substitution ［J］.Economics letters，2018，171：34-36.

［7］ 紀成君，夏懷明.我國農業綠色全要素生產率的區域差異與收斂性分析［J］.中國農業資源與區劃，2020（12）：136-143.

［8］ 甘天琦，杜建國，李波.中國縣域農業全要素生產率的分異特征與驅動因素 ［J］.經濟問題，2022（4）：101-107.

［9］ 呂娜，朱立志.中國農業環境技術效率與綠色全要素生產率增長研究 ［J］.農業技術經濟，2019（4）：95-103.

［10］ 李強，馮波.中國省際碳全要素生產率增長及收斂性 ［J］.北京理工大學學報（社會科學版），2014（3）：14-21+29.

［11］ 沈洋，周鵬飛.農業綠色全要素生產率測度及收斂性分析 ——基于碳匯和碳排放雙重視角 ［J］.調研世界，2022（4）：58-68.

［12］ 張寧.碳全要素生產率、低碳技術創新和節能減排效率追趕——來自中國火力發電企業的證據［J］.經濟研究，2022（2）：158-174.

［13］ 張頌心，王輝，徐如濃.科技進步、綠色全要素生產率與農業碳排放關系分析——基于泛長三角26個城市面板數據［J］.科技管理研究，2021（2）：211-218.

［14］ 徐永慧，尹朝靜.環境規制下中國農業綠色全要素生產率的測算 ［J］.統計與決策，2021（18）：50-54.

［15］ SARKODIE S A，STREZOV V，WELDEKIDAN H，et al.Environmental sustainability assessment using dynamic Autoregressive-Distributed Lag simulations-Nexus between greenhouse gas emissions，biomass energy，food and economic growth ［J］.The science of the total environment，2019，668：318-332.

［16］ 吳國松，姚升.要素市場扭曲對農業全要素生產率空間影響效應分解研究［J］.中國農業資源與區劃，2021（12）：217-227.

［17］ 李曉龍，冉光和.農產品貿易提升了農業綠色全要素生產率嗎？——基于農村金融發展視角的分析［J］.北京理工大學學報（社會科學版），2021（4）：82-92.

［18］ 許冬蘭，于發輝，李豐云.我國近海捕撈業低碳全要素生產率的空間異質性及影響因素研究 ［J］.中國漁業經濟，2018（4）：55-63.

［19］ 張軍偉，費建翔，徐永辰.金融支持對綠色農業發展的激勵效應 ［J］.中南財經政法大學學報，2020（6）：91-98.

［20］ DEONANAN R，RAMKISSOON B，RAMKISSOON D，et al.Disentangling the relationship between remittances and financial development：Evidence from Jamaica ［J］.International review of applied economics，2020（2）：193-216.

［21］ 李雙燕，談笑，斯宏浩.普惠金融與綠色全要素生產率——基于Ramp;D投入視角 ［J］.當代經濟科學，2021（6）：77-88.

［22］ 王小騰，徐璋勇，劉潭.金融發展是否促進了“一帶一路” 國家綠色全要素生產率增長？ ［J］.經濟經緯，2018（5）：17-22.

［23］ 郭威，司孟慧.金融集聚提升制造業綠色全要素生產率了嗎［J］.現代經濟探討，2021（6）：38-48.

［24］ 習近平主持召開中央全面深化改革領導小組第二十七次會議強調強化基礎注重集成完善機制嚴格督察 按照時間表路線圖推進改革［N］.人民日報，2016-08-31（1）.

［25］ 楊世偉.綠色金融支持鄉村振興：內在邏輯、現實境遇與實踐理路 ［J］.農業經濟與管理，2019（5）：16-24.

［26］ 信瑤瑤，唐玨嵐.碳中和目標下的我國綠色金融：政策、實踐與挑戰［J］.當代經濟管理，2021（10）：91-97.

［27］ 侯曉輝，王博.金融供給側結構性改革背景下的綠色金融發展問題研究 ［J］.求是學刊，2020（5）：13-20.

［28］ SHAHBAZ M，SOLARIN S A，MAHMOOD H，et al.Does financial development reduce CO2 emissions in Malaysian economy？ A time series analysis ［J］.Economic modelling，2013，35：145-152.

［29］ ZIOLO M，BAK I，CHEBA K.The role of sustainable finance in achieving sustainable development goals：Does it work？ ［J］.Technological and economic development of economy，2020（1）：45-70.

［30］ 國務院發展研究中心“綠化中國金融體系” 課題組.發展中國綠色金融的邏輯與框架 ［J］.金融論壇，2016（2）：17-28.

［31］ 王波，梅芡菱.我國綠色金融“三元主體責任論” ［J］.環境保護，2019（14）：52-55.

［32］ 馬駿，孟海波，邵丹青，等.綠色金融、普惠金融與綠色農業發展 ［J］.金融論壇，2021（3）：3-8+20.

［33］ 閆旭，吳信科.綠色金融促進河南農業綠色發展路徑研究 ［J］.農業經濟，2023（9）：120-121.

［34］ 劉傳江，張劭輝.源頭活水：綠色金融之于經濟發展——基于金融理論視角的解構［J］.西北師大學報（社會科學版），2022（3）：134-144.

［35］ 王鳳榮，王康仕.綠色金融的內涵演進、發展模式與推進路徑——基于綠色轉型視角 ［J］.理論學刊，2018（3）：59-66.

［36］ 王許，姚星，朱磊.基于低碳融資機制的CCS技術融資研究 ［J］.中國人口·資源與環境，2018（4）：17-25.

［37］ 江紅莉，王為東，王露，等.中國綠色金融發展的碳減排效果研究——以綠色信貸與綠色風投為例 ［J］.金融論壇，2020（11）：39-48+80.

［38］ 王四春，許雪芳.推進綠色金融助力鄉村振興 ［J］.人民論壇，2020（8）：106-107.

［39］ 歐陽紅兵，吳欣珂.綠色金融支持鄉村振興發展效應研究［J］.征信，2022（5）：86-92.

［40］ FRER，GROSSKOPF S，NORRIS M，et al.Productivity growth，technical progress，and efficiency change in industrialized countries ［J］.The American economic review，1994，84：66-83.

［41］ 任樂，王性玉，趙輝.農戶信貸可得性和最優貸款額度的理論分析與實證檢驗——基于農業保險抵押品替代視角 ［J］.管理評論，2017（6）：32-42.

［42］ 丁攀，金為華，陳楠.綠色金融發展、產業結構升級與經濟可持續增長 ［J］.南方金融，2021（2）：13-24.

［43］ 車維漢，楊榮.技術效率、技術進步與中國農業全要素生產率的提高——基于國際比較的實證分析［J］.財經研究，2010（3）：113-123.

［44］ 溫忠麟，張雷，侯杰泰，等.中介效應檢驗程序及其應用 ［J］.心理學報，2004（5）：614-620.

［45］ 邱斌，楊帥，辛培江.FDI技術溢出渠道與中國制造業生產率增長研究：基于面板數據的分析 ［J］.世界經濟，2008（8）：20-31.

［46］ 李平.環境技術效率、綠色生產率與可持續發展：長三角與珠三角城市群的比較 ［J］.數量經濟技術經濟研究，2017（11）：3-23.

［47］ 張平淡，屠西偉.制造業集聚對改進城市碳全要素生產率的影響研究 ［J］.城市問題，2023（6）：37-45.

［48］ 蔡銀寅，杜凱.資本投入、勞動力轉移和農業經濟增長 ［J］.產業經濟研究，2009（3）：1-8.

［49］ 張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000 ［J］.經濟研究，2004（10）：35-44.

［50］ 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（8）：80-86.

［51］ 高鳴，魏佳朔.收入性補貼與糧食全要素生產率增長 ［J］.經濟研究，2022（12）：143-161.

［52］ 馬述忠，郭繼文.制度創新如何影響我國跨境電商出口？ ——來自綜試區設立的經驗證據 ［J］.管理世界，2022（8）：83-100.

［53］ 魏夢升，顏廷武，羅斯炫.規模經營與技術進步對農業綠色低碳發展的影響——基于設立糧食主產區的準自然實驗 ［J］.中國農村經濟，2023（2）：41-65.

［54］ 姜立康，趙偉，周霞.感知價值及政策規制對農戶有機肥替代化肥意愿與行為一致性的影響 ［J］.中國農業大學學報，2023（8）：306-322.

［55］ 周力，馮建銘，曹光喬.綠色農業技術農戶采納行為研究——以湖南、江西和江蘇的農戶調查為例 ［J］.農村經濟，2020（3）：93-101.

Research on the Impact of Green Finance Policies on the Low-carbon Transformation of Agriculture：

Analysis based on Data from National Fixed Point Survey

LIU Junxia1，DING Zhongmin1，REN Yayun2

（1.School of Economics and Management，Southwest University，Chongqing 400715，China；

2.School of Economics，Guizhou University of Finance and Economics，Guiyang 550025，China）

Abstract：Low-carbon and food security are essential directions for modern agriculture. In the context of the dual goals of “ensuring supply” and “reducing carbon emissions” in agriculture，it is crucial to explore agricultural low-carbon transition options that harmonize the development of “supply preservation” and “carbon reduction” in agriculture，the enhancement of total factor productivity has become the key to the pursuit of a balance between the coordinated development of the two. As green finance has increasingly become an important source of financing for the low-carbon transformation in production，this paper uses the Difference-in-Differences method to examine the impact of green finance pilot policies on agricultural carbon total factor productivity and its driving factors based on microdata from China Fixed Point Survey for the period 2011—2020，and explores its heterogeneity and mechanism. The results show that，firstly，after the implementation of the policy，the average increase in agricultural carbon total factor productivity of farmers in the pilot area reached 15%，which promotes the agricultural low-carbon transformation. Secondly，the advancement of the technological frontier is the main driving force for the green finance pilot policy to promote the agricultural carbon total factor productivity，such as influencing the adoption of new technology behaviors of organic fertilizer and formulated fertilizer application by farmers in the current period，so as to realize the low-carbon transformation of household agriculture. Thirdly，part-time farmers，low-income farmers and non-scale operation farmers are more likely to be affected by the green finance pilot policy and realize the significant increase in agricultural carbon total factor productivity，thus promoting the agricultural low-carbon transformation. Finally，targeted countermeasures are put forward based on the empirical results.

Key words：green finance；agricultural production；low carbon transformation；agricultural carbon total factor productivity；Difference-in-Differences

責任編輯 任劍喬