綠色信貸對農業碳減排的影響

摘 要：在“碳達峰、碳中和”戰略背景下，農業碳排放問題日益凸顯，綠色信貸被認為是推動農業實現綠色轉型的重要動力。選取2010—2021年30個省份的面板數據作為研究樣本，從技術創新和資源配置的角度梳理綠色信貸對碳排放的影響效應。在此基礎上，構建面板數據回歸模型，以農業碳排放強度為被解釋變量、綠色信貸水平為核心解釋變量進行實證分析。結果表明，綠色信貸與農業碳排放強度呈顯著負相關，能有效促進農業碳減排，且在經濟發達地區及種植業占比高的地區作用更顯著，經過穩健性檢驗后結論依然可靠。基于研究結果，提出持續擴大綠色信貸規模、優化信貸政策、加強區域協作等參考建議，助力農業高質量發展與“雙碳”目標的實現。

關鍵詞：綠色信貸；農業碳排放；碳減排；面板回歸

中圖分類號：X196；F832.4；F323.22 文獻標志碼：A 文章編號：1674-7909（2025）2-58-6

DOI：10.19345/j.cnki.1674-7909.2025.02.012

0 引言

在“碳達峰，碳中和”背景下，降低碳排放，推動綠色發展，加快實現“雙碳”目標是一項充滿挑戰的任務。習近平總書記在黨的二十大報告中再次強調綠色發展的重要性，綠色降碳是我國未來高質量發展的重要任務之一。農業作為僅次于能源行業的第二大高碳排放領域，是我國減碳路上需要重點推進的領域。

與其他行業相比，農業存在更大的外部性，更容易受到外界環境的影響，成為綠色金融重點支持的領域之一［1］。綠色信貸作為我國加快信貸投放、支持綠色低碳發展的重要金融工具，在抑制碳排放方面發揮著不可替代的作用。其主要是通過銀行等金融機構主體，在信貸方面綜合考慮能源使用和環境因素等條件，對高能耗、高污染企業設立信貸門檻，限制其無序發展，優先支持對環境友好、能促進可持續發展的項目和企業，引導資金流向綠色和環保產業，推動經濟的綠色轉型，發揮好綠色信貸對農業支持及降碳作用，從而實現“雙碳”目標。目前，學術界對綠色信貸與碳排放之間的關系已有相對系統的研究。李增福等［2］基于中國省級面板數據進行研究，認為綠色信貸投放規模的擴大有效抑制二氧化碳的排放。孫少巖等［3］通過研究綠色信貸與碳減排的效應及作用渠道和調節機制，發現綠色信貸不僅能激勵綠色創新，還能降低能源強度，從而推動碳減排。上述研究雖分析了綠色信貸對碳減排的影響及機制，但由于我國不同行業特點不同，對某一具體行業的研究還不充分。因此，在以往研究的基礎上，測算我國省級農業碳排放強度，研究綠色信貸對農業碳排放的影響，根據研究結果為我國農業雙碳目標的實現及農業的高質量發展提供建議和參考。

1 理論分析

從現有研究來看，綠色信貸對碳減排的影響主要有以下效應。

一是技術創新效應。根據波特假說，合理的環境監管政策能激勵企業進行技術創新，這不僅有助于提升企業的競爭力，還能推動企業在環保轉型及環境保護方面的進展。綠色信貸作為我國重要的環境經濟政策，可發揮引導作用，引導更多資金流向環保節能型企業，為其技術研發提供更多的資金［4］。此外，可通過激勵企業提高企業環境保護意識，促進企業進行技術創新，并通過創新補償效應促進企業技術進步［3］。

二是資源配置效應。從融資管理視角來看，綠色信貸通過差異化的信貸政策，發揮融資約束效應，進而通過成本激勵效應影響碳減排。一方面，綠色信貸對高能耗企業設定較高的準入門檻，這導致“兩高一剩”企業的融資成本顯著提高，從而減少碳排放［5］。另一方面，綠色信貸為環境友好型及綠色可持續企業提供優惠貸款利率和稅收政策，可緩解企業融資約束及融資成本，進而為其發展提供穩定保障，促進農業領域的碳減排［6］。

2 數據來源與模型構建

2.1 模型設定

為驗證綠色信貸對農業碳減排的影響，研究以農業碳排放強度為被解釋變量，以綠色信貸水平作為核心解釋變量，引入農村城鎮化水平、農業受災率、農業產業結構、農村經濟發展水平、農業機械化程度作為控制變量，構建面板數據回歸模型，具體模型見式（1）。

[CEIit=α0+α1GCit+α3Controlsit+μi+γt+εit]" （1）

式（1）中：[CEIit]為i省份在年份t的農業碳排放強度，[GCit]為省份i在年份t的綠色信貸水平，[Controlsit]為一系列的控制變量，[μi]和[γt]分別為省份固定效應和時間固定效應，[εit]為隨機擾動項。

2.2 變量說明

2.2.1 被解釋變量

農業碳排放強度（[CEI]）是指農業二氧化碳排放量與農業總產值的比值，即單位農業產值產生的碳排放量，該指標考慮到各地區的農業規模，具有更高的可比性。具體計算公式見式（2）。

[CEI=CE/AGDP]" "（2）

式（2）中：[CE]為農業碳排放總量，[AGDP]為農業總產值。該研究對農業碳排放總量的計算方法參考李波等［7］、曹俐等［8］的研究，發現我國農業碳排放的來源主要是農藥、農膜、化肥等物質的使用和農業機械化背景下農用柴油、灌溉電能消耗及農田翻耕播種導致的碳流失。因此，農業碳排放量的計算公式見式（3）。

[CE=i=16Ti×δi]" "（3）

式（3）中：[Ti]為i類碳排放來源的總量，[δi]為i類碳源的碳排放系數。各類碳源的碳排放系數見表1。

2.2.2 核心解釋變量

綠色信貸（[GC]）是金融機構為支持應對環境氣候變化、環境改善的經濟活動所提供的信貸服務，主要包括對綠色項目的信貸支持和高能耗項目的信貸限制兩方面。梳理現有文獻，發現有4種代理指標能衡量綠色信貸水平，包括節能環保項目貸款占總貸款的比值、綠色信貸占比、高新技術行業貸款占總貸款的比值、六大高耗能產業利息支出占比。借鑒謝婷婷等［9］、HU等［10］的研究方法，用1-六大高耗能產業利息支出的占比來構建正向指標，用來代理綠色信貸變量，記為[GC]。該指標越大，表明綠色信貸水平越高。

2.2.3 控制變量

農業碳排放強度除了受綠色信貸影響之外，還受其他變量影響。為了使研究結果更具有說服力，引入其他可能會影響農業碳排放強度的變量作為控制變量。參考現有研究，選擇農村城鎮化水平（UR）、農業受災率（AD）、農業產業結構（ST）、農村經濟發展水平（ED）、農業機械化程度（MEC）作為控制變量。此外，模型中還控制省份固定效應和年份固定效應。

2.3 數據來源與描述性統計

研究選取2010—2021年30個省（自治區、直轄市，西藏自治區和港澳臺地區除外）的面板數據，數據主要來源為《中國工業統計年鑒》《中國農業統計年鑒》《中國農村統計年鑒》《中國經濟普查年鑒》《中國統計年鑒》。部分變量個別年份的數據有缺失情況，該研究對缺失數據采用插值法進行處理。變量定義與描述性統計見表2。

3 實證結果分析

3.1 單位根檢驗

為避免出現偽回歸情況，對研究中的變量進行單位根檢驗；同時，為保證檢驗結果的有效性，選取LLC、IPS和ADF這3種方法進行單位根檢驗，結果見表3。3種單位根檢驗的方法均顯示在1%的顯著水平下拒絕了各變量存在單位根的假設，說明研究所使用的數據是平穩的。

3.2 實證分析結果

綠色信貸對農業碳減排影響的實證結果見表4。其中，第1列是在沒有添加任何控制變量情況下的回歸結果，第2～5列是逐步向模型中添加控制變量的回歸結果，第6列為加入全部控制變量后的回歸結果。由表4可知，在不引入任何控制變量時，綠色信貸代理變量GC的系數均為-0.125 0，且在1%的水平上顯著；在逐步引入控制變量的過程中，綠色信貸代理變量GC的系數均為負值，且在1%的水平上顯著；第6列完全引入控制變量后，GC的系數為-0.077 5，且在1%的水平上顯著。由此可知，無論引入控制變量與否，GC的回歸系數均為負值，且在1%的水平上顯著。該結果表明，綠色信貸與農業碳排放強度呈負相關關系，即綠色信貸會促進農業碳減排。

從其他被解釋變量系數情況來看，農村城鎮化水平（UR）是影響碳減排的另一個因素，其可以顯著促進農業碳減排，城鎮化水平的增加主要從減少農業用地和農村人員流失兩方面來抑制農業發展，從而促進農業碳減排；農業受災率（AD）和農業機械化水平（MEC）對農業碳排放量的影響并不明顯，而農業產業結構（ST）、農村經濟發展水平（ED）都會促進農業碳排放，當農業產業占比較高時，農作物播種、培育及收獲過程中產生的碳排放量就會偏高；而經濟的繁榮在一定程度上會激勵農業發展，對農業碳排放也會起到促進作用，對碳減排產生阻力。

3.3 穩健性檢驗

為確保結論的可靠性，從剔除異常值、更換被解釋變量、考慮滯后效應這3個角度來進行穩健性檢驗。

3.3.1 剔除異常值

考慮到不同地區的綠色信貸發展存在差異，在總樣本中可能會存在異常值。因此，對綠色信貸GC變量兩端的數據進行1%的縮尾處理，回歸結果見表5中的模型1。其中，綠色信貸代理變量GC的回歸系數在1%的水平上顯著為負，結論具有穩健性。

3.3.2 更換被解釋變量

關于碳強度的衡量指標，現有研究有著不同選擇。其中，最主流的做法是選用二氧化碳排放量、碳排放量與經濟產出的比值來衡量碳強度。該研究選用二氧化碳排放量CE來替換原回歸模型中的被解釋變量CEI，替換后的回歸結果見表5中的模型2，GC的回歸系數仍為負，在5%的水平下顯著，結論具有穩健性。

3.3.3 考慮滯后效應

考慮到綠色信貸政策作用和信貸發放具有滯后性，因此對農業碳排放強度的影響存在時滯效應。為此，研究對綠色信貸變量做滯后一期處理，記為L.GC，將滯后的變量替換原有的變量并進行回歸，結果見表5中的模型3，綠色信貸的系數仍然為負，表明結論具有穩健性。

3.4 異質性檢驗

3.4.1 基于地區經濟發展特征的分析

姜國剛等［11］研究發現，經濟增長的區域差異對碳排放量有著差異化影響；于卓卉等［12］和田云等［13］在研究中均指出農業碳排放與地區的經濟增長存在著相關關系。因此，綠色信貸對農業碳減排的影響在經濟水平不同的地區可能也會存在差異。為了研究地區經濟差異是否會影響綠色信貸對農業碳減排的作用效果，該研究將樣本分為經濟相對發達的東部地區和經濟發展相對欠發達中西部地區這2類進行回歸分析，分類標準參考國家統計局的統一分類標準。檢驗結果見表6。

在東部地區樣本中，GC回歸系數在1%的水平上顯著為負，且與中西部地區樣本的GC的回歸系數有明顯差距，后續Chow檢驗的P值表明在1%水平上拒絕不存在結構差異原假設，即綠色信貸對農業碳減排的影響在不同地區存在差異，且在經濟較發達地區對碳減排的促進作用更為明顯。

3.4.2 基于農業結構特征的分析

范東壽［14］認為合理的調整農業結構會影響農業碳排放強度；朱嘉晴等［15］以江西省為研究對象，研究發現當地農業結構是導致碳排放量增加的主要因素。因此，綠色信貸對碳減排的影響在農業結構不同的地區可能會存在差異。為研究綠色信貸對農業碳減排的影響是否存在農業結構特征差異，研究根據各省種植業占比的情況將樣本分為兩組，其中種植占比較高的省份為我國糧食主產區，其余非糧食主產區為種植占比較低的省份。檢驗結果見表6。

在種植業占比較高的省份中，GC回歸系數在1%的水平上顯著為負，且與種植業占比較低省份的GC回歸系數由明顯差距，Chow檢驗的P值表明在1%水平上拒絕不存在結構差異原假設，即綠色信貸對農業碳減排的促進作用在種植業占比較高的省份中較為顯著，存在農業結構異質性。

4 結論

研究收集2010—2021年30個省份的數據，運用雙固定效應模型進行回歸分析，模型結果表明：綠色信貸會顯著促進農業碳減排，且該結論在經過一系列穩健性檢驗后依然成立；綠色信貸對農業碳減排的促進作用效果會因經濟發展差異和農業結構差異而出現不同效果，即在相對經濟較為發達、種植業占比較高的省份中，綠色信貸對碳減排的促進作用更為明顯。

在上述結論的基礎上，研究提出以下3點建議。第一，繼續提高綠色信貸規模和對農業的支持力度。通過不斷創新產品及完善監管機制，大力發展綠色信貸，確保綠色信貸發放盡可能精準覆蓋相關企業主體，提高管理與利用效率，高效發揮扶持作用；政府要做好政策引導和規劃，引導金融機構資金流向綠色農業領域。第二，優化綠色信貸的準入門檻和激勵機制，鼓勵綠色技術創新。一方面，政府和金融機構等相關部門應合理確定綠色技術貸款的融資門檻，加大綠色信貸對降碳固碳等技術開發的資金扶持；另一方面，加強對綠色技術創新的知識產權保護，在保護企業利益的同時，提高企業對綠色技術研發的積極性。第三，加強區域合作，保障全國綠色信貸的協調發展。通過構建統一化的金融服務平臺、配套的基礎制度及完善的部門協調機制，確保各區域的信息交流，加大對經濟落后地區的金融基礎設施的建設和綠色信貸產品的推廣，對不同地區的農業項目實行差異化、個性化的優惠政策，促進綠色信貸的高質量發展，助力農業碳減排。

參考文獻：

［1］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，2021，26（3）：3-8，20.

［2］李增福，馮柳華，麥詩琪，等.綠色信貸抑制了碳排放嗎？：基于中國省級面板數據的研究［J］.上海金融，2022（1）：2-12.

［3］孫少巖，王笑音，高翠云.綠色信貸能發揮碳減排效應嗎？［J］.中國人口·資源與環境，2023，33（8）：37-47.

［4］何凌云，梁宵，楊曉蕾，等.綠色信貸能促進環保企業技術創新嗎［J］.金融經濟學研究，2019，34（5）：109-21.

［5］李強，陳山漫.綠色信貸政策、融資成本與企業綠色技術創新［J］.經濟問題，2023（8）：67-73，120.

［6］吳婷婷，王通達.綠色信貸能促進企業綠色轉型嗎？［J］.中南財經政法大學學報，2023（5）：31-43.

［7］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（8）：80-86.

［8］曹俐，郭忠宇，閆周府.全要素生產率視角下數字經濟對農業碳排放影響：來自中國農業的經驗證據［J］.生態經濟，2024，40（3）：121-127，138.

［9］謝婷婷，劉錦華.綠色信貸如何影響中國綠色經濟增長？［J］.中國人口·資源與環境，2019，29（9）：83-90.

［10］HU Y，ZHENG J.How does green credit affect carbon emissions in China？ A theoretical analysis framework and empirical study［J］. Environmental Science and Pollution Research， 2022，29（39）：59712-59726.

［11］姜國剛，左鵬，陳思文，等.中國地區經濟增長對碳排放量的非線性影響研究［J］.生態經濟，2021，37（12）：13-22.

［12］于卓卉，毛世平.中國農業凈碳排放與經濟增長的脫鉤分析［J］.中國人口·資源與環境，2022，32（11）：30-42.

［13］田云，林子娟.中國省域農業碳排放效率與經濟增長的耦合協調［J］.中國人口·資源與環境，2022，32（4）：13-22.

［14］范東壽.農業技術進步、農業結構合理化與農業碳排放強度［J］.統計與決策，2022，38（20）：154-158.

［15］朱嘉晴，秦會艷，張夢春.基于時變參數C-D生產函數的江西省農業碳排放驅動因素及脫鉤效應［J］.應用生態學報，2023，34（11）：3085-3094.

Research on the Impact of Green Credit on Agricultural Carbon Emissions Reduction

LI Ailing LIU Ao

School of Finance， Harbin University of Commerce， Harbin 150028， China

Abstract： Against the strategic backdrop of \"carbon peaking and carbon neutrality，\" the issue of agricultural carbon emissions has become increasingly prominent. Green credit is regarded as a key driver in promoting the green transformation of agriculture. Using panel data from 30 provinces in China from 2010 to 2021， this paper explores the impact of green credit on agricultural carbon emissions from the perspectives of technological innovation and resource allocation. A panel regression model is constructed， with agricultural carbon emissions intensity as the dependent variable and the level of green credit as the core explanatory variable for empirical analysis. The results show that green credit is significantly negatively correlated with agricultural carbon emissions intensity， effectively promoting carbon reduction in agriculture. The impact is more pronounced in economically developed regions and those with a high proportion of crop farming. The conclusions remain robust after conducting sensitivity tests. Based on the findings， the paper proposes policy recommendations such as expanding the scale of green credit， optimizing credit policies， and strengthening regional collaboration to support high-quality agricultural development and the achievement of dual carbon goals.

Key words： green credit; agricultural carbon emissions; carbon reduction; panel regression model