綠色金融對農地利用低碳化轉型的影響研究

中圖分類號：F323.22；F832.1 文獻標志碼：A文章編號：1001-8158（2025）06-0127-12

自2015年《巴黎協定》達成以來，各國加速推進氣候治理，碳減排已成為全球共識。中國于2020年正式提出碳達峰、碳中和的“雙碳”目標，并積極采取行動推動碳減排進程。農業作為僅次于化石能源的第二大碳排放源，在碳治理進程中具有極大的體量和不可忽視的影響[1。據2024全球碳項目數據庫（GlobalCarbonProject）統計，全球約 16% 的碳排放源自以農作物種植為主的農地利用環節①。作為世界人口大國與農業大國，中國用全球 9% 的耕地養活了約 20% 的人口，這種巨大的人口與糧食供給壓力迫使中國在農地利用過程中長期維持較高的碳排放水平[2]。因此，推動農地利用低碳化轉型不僅是中國履行全球氣候治理責任的關鍵舉措，也是實現經濟綠色低碳發展的必然要求。

現有研究從多個維度探討了影響農地利用低碳化轉型的關鍵因素。明晰的產權結構和科學的土地管理方式有助于激勵農戶長期投入綠色生產，降低土地利用中的碳排放強度[2-3]；農業保險和財政支持通過風險緩釋和成本補貼，引導農民采用綠色種植技術，從而實現農地利用低碳化轉型[4-5]。土地細碎化則抬高了農業綠色技術的邊際應用成本，延緩了農地利用低碳化轉型進程[，相較之下，土地流轉通過資源重新配置，為農地利用低碳化轉型提供了制度性保障[7]。此外，農地利用低碳化轉型也離不開金融支持[8]。研究表明，數字普惠金融通過拓寬農村金融供給邊界，極大地緩解了綠色農業的融資瓶頸

然而，由于投資周期長、風險高以及不確定性較強，農地利用低碳化轉型仍然面臨著嚴峻的融資約束。對此，中共二十屆三中全會提出，積極發展綠色金融。相比于傳統金融，綠色金融更加強調投資項目的環境效益，能夠為環境友好型經濟活動提供資金支持，被視為緩解綠色融資約束的有效工具[10]。現有研究發現，綠色金融能夠通過差異化的信貸機制推動綠色技術創新、抑制碳排放、提升綠色全要素生產率[]。一方面，綠色金融能夠施加更嚴格的融資約束，限制高耗能、高排放項目的資金來源[12]；另一方面，它通過信貸工具與風險補償機制，緩解綠色企業的融資困境[13]，激勵其采用綠色技術、優化能源結構，從而實現低碳轉型[14-15]。中國于2017年在浙江、江西、廣東、貴州和新疆5個省份的8個城市設立了為期5年的綠色金融改革創新試驗區（以下簡稱試驗區），并于2019年和2022年分別又將蘭州市和重慶市納入試點。試驗區政策要求各地區在碳金融、碳賬戶、碳匯項目等方面開展創新探索，拓寬低碳產業的融資渠道，降低融資成本。數據顯示，2018—2021年，試驗區綠色信貸年均增長 21.03% ；截至2022年末，試驗區綠色貸款占全部貸款的比重達 12.58% ，較全國平均水平高出 2.93%^[16] ，表明試驗區在推動綠色金融發展方面成效顯著。

農業是唯一同時具備碳源與碳匯雙重屬性的產業部門[17]。在“雙碳”目標背景下，探討綠色金融對農地利用低碳化轉型的效果及其機制，具有重要的理論價值和現實意義。然而，已有文獻多聚焦于工業或城市經濟領域，而對于農地利用低碳化轉型的綠色金融研究仍顯薄弱。僅有的研究基于省級數據，使用指標體系測算綠色金融發展水平[18-19]。但隨著綠色金融概念的不斷演進及金融工具的多樣化，通過構建指標難以全面刻畫綠色金融發展的真實績效[20]，也易引入內生性問題，從而影響實證結果的可靠性。鑒于此，本文將基于2006—2022年中國252個地級市的面板數據，將綠色金融改革創新試驗區作為表征綠色金融發展的準自然實驗，檢驗其對農地利用低碳化轉型的影響及其作用機制。與現有研究相比，本文的可能邊際貢獻在于：一是從農地利用低碳化轉型視角拓展了綠色金融研究邊界，并識別其緩解農業融資約束、培育新型農業經營主體和推動農業技術進步的三重機制，深化了綠色金融服務農業可持續發展的理論認知；二是基于地級市層面的準自然實驗設計，提升了綠色金融影響效應識別的空間精度與結論的穩健性。

1理論分析與研究假說

1.1綠色金融對農地利用低碳化轉型的直接影響

綠色金融的本質在于通過市場化機制引導金融資源向綠色領域集聚，借助政策引導與差異化融資成本，將金融資源配置至碳排放效率更高的農業主體[14]。在傳統金融體系中，金融機構依據償債能力配置信貸資源，而以化肥、農藥等高投人為特征的高碳農業模式，因短期盈利性較強，往往更易獲得信貸支持[21]，導致資源配置“碳偏向”，加劇農地高碳化利用傾向。相較之下，綠色金融通過構建“激勵一約束”并重的機制，重塑信貸定價邏輯，對不同碳排特征的農業主體施加分化的融資成本，引導其優化土地利用方式。具體而言，綠色金融促使金融機構在投融資決策中嵌入環境友好型價值導向[22，使采用低碳技術和環保投人的主體在信貸市場中獲得優勢，提升資本可得性，加快綠色農業轉型。同時，高碳經營者因環保績效不佳面臨融資成本上升與資金獲取的壓力，為重新獲得融資支持，需被動調適其生產結構以降低排放水平。盡管農業主體未必將低碳轉型作為直接目標，但綠色金融通過顯性化環境外部性、內生化融資成本，改變其在利潤最大化約束下的土地利用決策，實現激勵相容下的低碳轉型。由此提出假說1：綠色金融能夠推動農地利用低碳化轉型。

1.2綠色金融通過影響農業融資約束作用于農地利用低碳化轉型

外部融資約束是制約低碳農業發展的重要因素[21]。農地利用低碳化轉型要求農業經營者投入先進技術、裝備和現代化管理，在傳統金融體系下，綠色農業因成本較高、預期收益偏低，常難以獲得金融機構的融資支持，導致其在采購低污染化肥、環保農膜、滴灌設備等低碳生產資料時面臨資金困境，進而阻礙轉型進程。綠色金融的興起為緩解這一問題提供了解決方案。通過差異化的資源配置，綠色金融提升了綠色農業經營者的融資可得性，并推動金融機構開發綠色信貸、綠色保險等產品[19]。這些創新措施有助于完善農村金融服務體系，為農業經營者提供更加多樣化和便捷的資金支持。由此提出假說2：綠色金融能夠通過緩解農業融資約束，推動農地利用低碳化轉型。

1.3綠色金融通過影響新型農業經營主體進入作用于農地利用低碳化轉型

新型農業經營主體通常指具備文化素養、技術專長和經營能力的職業農民，以及具備規模化、集約化和市場競爭力的農業經營組織。已有研究表明，相較傳統經營者，新型主體更傾向于采用綠色可持續的土地利用方式[23]，并能通過綠色技術培訓、信息共享等方式，對小農戶產生顯著的“知識溢出”效應[24-25]，帶動其轉向低碳化生產模式，從而整體推動農地利用綠 提供綠色農業融資支持 緩解綠色農業融資約束 差異化融用綠 農地利用低碳化轉型色 釋放低碳激勵信號，吸低碳主體示范帶動金 引新型農業經營主體 吸引新型經營主體進入 農業綠色生產融 技術進步注入農地波特效應，創新激勵 推動農業技術進步 低碳轉型新動能

低碳轉型。綠色金融的出現和發展，為新型農業經營主體釋放了明確的低碳激勵信號，這種低碳激勵機制增強了新型農業經營主體的融資可得性，吸引更多主體參與綠色農業，并通過示范帶動作用加速低碳化進程。由此提出假說3：綠色金融能夠通過培育新型農業經營主體，推動農地利用低碳化轉型。

1.4綠色金融通過影響農業技術進步作用于農地利用低碳化轉型

波特假說提出，盡管環境規制在短期內可能增加經營成本，但從長期看能激發技術創新，實現經濟與環境的“雙贏\"2。基于這一理論框架，綠色金融對農業技術進步的作用可以進一步理解為，綠色金融通過實施差異化的融資政策，顯著提高了高碳農地經營者的融資約束，導致其融資成本大幅增加。面對嚴格的綠色金融限制，這些農業經營者為了維持其經濟效益與市場競爭力，會傾向于采用技術升級的方式，以降低碳排放并符合綠色金融的準人要求。在激勵與約束的共同作用下，綠色金融推動農業技術進步，為農地利用低碳化轉型注人新動能。由此提出假說4：綠色金融能夠通過促進農業技術進步，推動農地利用低碳化轉型。本文理論分析框架圖見圖1。

2實證設計

2.1模型設定

在本文研究期間，綠色金融改革創新試驗區在中國分三批實施：2017年設立的試驗區包括貴陽市、安順市、衢州市、湖州市、南昌市、九江市、廣州市、昌吉州、哈密市和克拉瑪依市；2019年新增蘭州市；2022年新增重慶市。需要指出的是，蘭州市于2019年11月才正式獲批為試驗區，因此將2020年作為蘭州市的政策時點。此外，由于昌吉州和哈密市存在數據缺失，且重慶市由于直轄市行政級別不具可比性，故將這些地區排除在研究樣本之外。將試驗區視為政策處理組，采用多期雙重差分法分析綠色金融對農地利用低碳化轉型的效果及機制。具體模型設定如下：

u_t+μ_i+ν_t+ε_it

式（1）中： i 代表城市， t 代表年份； lny_it 為被解釋變量;Policyi為核心解釋變量； μ_i 為城市固定效應； u_t 為年份固定效應； ε_it 為隨機誤差項； Z_i 為影響綠色金融改革創新試驗區設立的前定變量。在本文中，綠色金融改革創新試驗區的設立與否可能并非完全隨機，因此本文對可能影響試驗區設立的一系列城市特征進行控制。 X_i 為其他影響農地利用低碳化轉型的控制變量。在DID模型的設定中，事后控制變量的引人可能會導致估計結果偏誤，因此本文參照LI等[27的處理方法，通過引入事前控制變量與年份固定效應的交互項來避免此類問題。將2006—2016年設定為事前時期，前定變量與控制變量為此期間的均值。

2.2變量選取

2.2.1 被解釋變量

本文采用農地碳排放（ACE）與農地碳強度（ACI）作為農地利用低碳化轉型的衡量指標。碳排放與碳強度來表征低碳化轉型近年來被廣泛應用28，農地碳排放是指單位面積農業生產帶來的碳排放 （t/hm²） ，農地碳強度是指單位農業產值帶來的碳排放（t/萬元）。農地碳排放的來源主要有三類：一是農地物資投入：包括化肥、農藥、農膜等；二是能源利用，包括農機燃料使用、農地灌溉用電；三是農地翻耕導致有機碳流失所帶來的碳排放。將本文碳排放公式設定如下：

式（2）中： E 為碳排放總量； T_i 為第 i 類碳排放源的投人量，本文選取農作物總播種面積作為農地翻耕、有效灌溉面積作為農地灌溉用電投入、農業機械總動力作為農機燃料使用投入、農藥使用量作為農藥投入、化肥施用量作為化肥投入，但由于農膜數據的嚴重缺失，暫不將其考慮在內； ?_i 為第i類排放源的碳排放系數①。將基于式（2）計算得出的農地碳排放總量分別與農作物播種面積和種植業總產值相除，可以得到農地碳排放和農地碳強度。

2.2.2 核心解釋變量

本文核心解釋變量Policy為是否開始實施綠色金融改革創新政策，將地級市在試驗區設立當年及之后取1，否則為0。本文核心解釋變量是由政策虛擬變量Treat與時間虛擬變量Post交互組成，以此來產生處理組、控制組及政策實施前后的雙重差異。Treat_i=1 代表地級市屬于實驗區， Treat_i=0 代表地級市不屬于實驗區； Post_t=1 代表地級市入選試驗區當年及之后， Post_t=0 代表地級市人選試驗區之前。

2.2.3前定變量與控制變量

為了緩解試驗區選擇非隨機性所導致的估計偏誤，本文依據2016年中國人民銀行發布的《關于構建綠色金融體系的指導意見》，從經濟發展水平、金融發展水平、產業結構和資源稟賦4個維度選擇了前定變量。具體而言，經濟發展水平以夜間燈光亮度和人均GDP衡量；金融發展水平以年末金融機構貸款余額與地區生產總值之比衡量；產業結構以第三產業與第二產業增加值之比衡量；資源稟賦鑒于目前難以獲取地級市層面的礦產資源儲量等數據，本文參照現有文獻做法[29]，采用以采掘業從業人數所表征的資源開發依賴程度作為資源稟賦的代理變量。

此外，農地利用低碳化轉型還受到其他因素影響，本文進一步控制了地區人口密度、城市化水平、農作物種植結構、降水量、農業受災風險、政府環境關注度及農業勞動力等變量。地區人口密度反映環境承載壓力和糧食供給壓力，用常住人口與行政面積之比的對數表示；城市化水平反映地區的城市化進程，用城鎮人口占總人口的比例表示；農作物種植結構與碳排放密切相關，通過經濟作物播種面積占農作物播種面積的比例表示；降水量反映地區氣候條件，通過年均降水量衡量；農業受災風險反映農業受到氣候災害影響的概率，采用GUO等[3計算的中國氣候風險指數表征；政府環境關注度反映政府支持力度，通過政府工作報告中“環境保護”相關詞語的詞頻占比衡量；農業勞動力通過第一產業從業人員的對數表示。

2.3樣本與數據

中國自2006年全面取消農業稅后，經營主體的生產成本發生變化，進而影響農戶的農業生產投入決策。因此，本文的研究時間設定為2006一2022年。數據來源方面，綠色金融改革創新試驗區試點由課題組手工整理收集；夜間燈光亮度來源于WU等[31發布的綜合校正后的DMSP和VIIRSNTL夜間燈光亮度平均值；降水數據來自歐洲中期天氣預報中心發布的ERA5-Land數據集；政府環境關注度數據由課題組根據中國政府工作報告整理而來；其余變量主要來自《中國城市統計年鑒》及各地級市統計局發布的年鑒和公報。數據處理方面：（1）采用插值法填補個別缺失數據，并剔除核心變量缺失的樣本；（2）所有貨幣類變量均進行以2006年為基期的平減處理；（3）所有連續型變量進行上下 1% 的縮尾處理。表1展示了變量的描述性統計結果。

表1描述性統計

Tab.1Descriptive statistics

3實證結果

3.1平行趨勢檢驗

雙重差分法有效的一個基本假設是滿足平行趨勢，即在試驗區開始之前，處理組與控制組的農地利用低碳化轉型具有相同的變化趨勢。采用事件研究

法進行平行趨勢檢驗，構建模型如下：

ν_t+μ_i+ν_t+ε_it

式（3）中： D_it^k 為事件窗口期虛擬變量，若i城市在試點前后的第 k 年納入了試點，則 取值為“1”，反之為4 0 ”。過長的事件窗口期會導致樣本分布不均衡，可能會帶來估計偏誤，為此本文將試點開始的前14年至前5年進行合并。其余變量含義同基準回歸模型。以實驗區設立當年為基期，若系數 在試驗區開始前不顯著異于0，則表明樣本通過了平行趨勢檢驗。

圖2展示了農地碳排放與農地碳強度在 90% 置信區間下的事件研究結果。可以發現，無論是農地碳排放還是農地碳強度，在試驗區設立之前，處理組與控制組之間均不存在顯著的差異，樣本通過了平行趨勢檢驗。在試驗區設立之后，農地碳排放與農地碳強度的估計系數均顯著為負，且隨著時間的增長，估計系數的絕對值越來越大，這表明綠色金融改革創新試驗區的設立對農地利用低碳化轉型具有持續的推動作用。

3.2 基準回歸

在通過平行趨勢檢驗之后，本文的基準回歸結果如表2所示。列（1）一列（3）中被解釋變量為農地碳排放，列（4）一列（6）中被解釋變量為農地碳強度。其中，列（1）與列（4）只控制了固定效應，列（2）與列（5）加入了試驗區設立的選擇變量，列（3）與列（6）放入了全部控制變量。可以發現，無論何種控制組合，試驗區系數至少在 5% 水平上顯著為負，表明綠色金融改革創新試驗區的設立能夠顯著降低農地碳排放和農地碳強度，促進農地利用低碳化轉型進程。以列（3）與列（6）為最終結果，試驗區的設立使農地碳排放與農地碳強度分別降低了 14%，21.8% ，在 1% 水平上顯著。可以認為，綠色金融對農地利用低碳化轉型具有顯著的促進作用，本文假說1得到驗證。

圖2平行趨勢檢驗

Fig.2 Paralleltrendtest

表2基準回歸Tab.2 Benchmarkregression

注：*、**和***分別表示在 10% 5% 和 1% 的置信區間下顯著，括號內為聚類到城市層面的標準誤；固定效應包含城市固定效應與年份固定效應。下表同。

3.3穩健性檢驗

3.3.1 工具變量法

盡管DID能夠緩解一定程度上的內生性問題，但仍需討論本文可能存在的遺漏變量偏誤、反向因果等問題對結果產生的干擾。對此，本文參照劉和旺等的研究[32]，使用各地級市到港口距離作為綠色金融改革創新試驗區的工具變量，進行2SLS工具變量法回歸。一方面，現有的試驗區主要集中在較早實行對外開放的沿海、沿江城市，地級市到港口的距離越近，越具備推動金融改革的基礎條件，滿足相關性要求；另一方面，到港口的距離屬于自然地理因素，外生于經濟系統，滿足外生性條件。需要說明的是，由于到港口距離為一個截面數據，本文將其與時間趨勢項相乘，得到一個面板數據結構的工具變量。

表3列（1）、列（2）與列（3）展示了工具變量的估計結果。第一階段中工具變量對綠色金融改革創新試驗區政策具有顯著的負向影響，符合相關性預期。第一階段估計的 F 值為25.966，顯著高于經驗界定的臨界值10，表明不存在弱工具變量問題。Kleibergen-PaaprkLM統計值為16.928，顯著拒絕工具變量識別不足。第二階段的估計結果表明，在使用工具變量法緩解內生性問題后，本文基準回歸結論仍然成立。

3.3.2排除同期其他政策干擾

在本文研究樣本期間，我國還實施了農業綠色發展先行示范區、耕地輪作休耕試點和高標準農田建設，這些政策可能會對本文政策效應識別產生競爭性干擾。對此，本文分別搜集整理了農業綠色發展先行示范區、耕地輪作休耕的試點名單，并利用TURUP等[33]所統計的中國各地級市高標準農田建設面積占地區耕地總面積的比例作為高標準農田建設的代理變量，將上述變量納入基準回歸模型予以控制，以排除它們對估計結果的干擾。表3列（4）與列（5）結果顯示，在控制住上述政策的干擾后，試驗區的設立仍然能夠推動農地利用低碳化轉型。

3.3.3 安慰劑檢驗

進一步通過構造虛擬的“政策處理組”來排除模型中可能無法控制的隨機因素對結果的影響。按照原試點情況，隨機抽取類似比例的地級市作為偽處理組，進行500次回歸。結果如圖3所示，虛擬估計值集中分布在0附近，遠遠偏離真實估計系數（圖中豎線），基本符合正態分布。這表明基準結果并未受不可觀測的隨機因素影響。

3.3.4其他穩健性檢驗

本文還進行了如下穩健性檢驗：（1）替換被解釋變量。使用農地綠色全要素生產率（GTFP）作為農地利用低碳化轉型的代理變量。（2）異質性處理效應檢驗。使用BORUSYAK等提出的插補估計量34重新進行參數估計。（3）調整聚類標準誤層級。將聚類標準誤調整至省份層面，允許省內各地級市在農地利用低碳化轉型方面存在相關性。（4）排除地級市行政等級因素的干擾。將樣本中的省會城市與副省級城市數

圖3安慰劑檢驗

Fig.3 Placebo test

表3穩健性檢驗

Tab.3 Robustness test

注：前定變量、控制變量、城市固定效應以及年份固定效應均以控制。下表同。

據剔除后重新進行回歸估。（5）PSM-DID。以前定變量為匹配協變量，使用一對四匹配方法，以匹配后的樣本重新進行DID估計。表4和表5分別展示了上述穩健性檢驗結果，再次驗證了本文基準回歸結果是穩健的。

表4其他穩健性檢驗（1）

Tab.4 Other robustness tests （1）

表5其他穩健性檢驗（2）

Tab.5 Other robustness tests （2）

3.4 異質性分析

3.4.1政府環境治理目標的異質性

在中國“政治集權與經濟分權”體制下，地方政府在區域資源配置中具有重要影響力[35]，綠色金融的資源配置在實踐中往往受到其環保治理目標的引導。由于重污染行業是治理重點，綠色金融資源常優先流向相關領域，可能對農業形成“擠出效應\"22]。為檢驗該假設，本文運用文本分析方法系統梳理各地級市年度政府工作報告，識別是否設定明確的環境減排目標，并據此構建生態環境治理強度的虛擬變量：若某地市當年政府工作報告中明確設定環境減排指標，則視為該地區受生態治理約束較強，虛擬變量賦值為1；反之則賦值為0。圖4展示了按生態環境約束強度分組后的綠色金融估計系數及其 90% 置信區間。結果顯示，在設有明確減排目標的地區，綠色金融對農地碳排放及碳強度的抑制效應不顯著；而在環境約束較弱的地區，該效應顯著成立。上述異質性效應可能源于地方政府在應對減排考核壓力時，將綠色金融資源優先配置于高排放行業以實現結構性減排，導致農業部門獲得的綠色金融資源相對受限，從而削弱了其對農地利用低碳化轉型的實際推動力。

圖4政府環境治理目標的異質性

Fig.4Heterogeneity of environmental governance objectives

3.4.2資源型城市的異質性

由于自然資源稟賦差異，中國城市在碳減排路徑上呈現顯著異質性。資源型城市經濟高度依賴資源開發與粗放加工，易陷人“資源詛咒”陷阱，其高耗能的發展模式使綠色轉型面臨更大阻力，進而可能削弱綠色金融在農地低碳化轉型中的作用。為檢驗該假設，本文根據《全國資源型城市可持續發展規劃（2013—2020年）》將研究樣本劃分為資源型城市與非資源型城市，并進行分組回歸。圖5結果顯示，在資源型城市中，綠色金融對農地碳排放與碳強度的影響不顯著；而在非資源型城市，該效應顯著成立。可能的原因在于，資源型城市長期依賴資源開采與粗放加工所構建的經濟結構，主導產業呈現高能耗、高污染、高資本依賴的特征，形成“路徑鎖定效應”，使得農業部門在地方經濟體系中的地位相對邊緣，綠色金融政策在資源配置過程中對農業板塊的傾斜力度有限，難以發揮顯著作用。

3.4.3糧食生產區的異質性

為進一步檢驗綠色金融在不同農業發展定位與耕地利用特征地區的差異性影響，本文依據《國家糧食安全中長期規劃綱要（2008—2020年）》將樣本劃分為糧食主產區與非主產區，并開展分組回歸分析。圖6顯示，綠色金融試驗區在非主產區顯著降低了農地碳排放與碳強度，推動農地利用低碳化轉型；而在主產區，政策效應不顯著。可能原因在于，糧食主產區通常承擔國家糧食安全的戰略任務，耕地資源集中、種植結構以口糧為主，政策目標更注重穩產保供。在此背景下，地方政府對綠色轉型的激勵可能受到糧食產量目標的制約，從而弱化了綠色金融對農地利用低碳化轉型的推動作用。

圖5資源型城市的異質性

Fig.5Heterogeneityof resource-basedcities

圖6糧食生產區的異質性

Fig.6Heterogeneityof food-producingregions

3.5機制檢驗

為進一步驗證前文機制假設，本文將核心解釋變量與機制變量相乘，以交互項的形式引入模型中，構建模型如下：

式（4）中： M_it 為機制變量； φ₁，φ₂ 為重點關注的待估參數；其余變量含義與基準模型保持一致。

3.5.1 緩解融資約束

為驗證試驗區通過緩解農業融資約束來推動農地利用低碳化轉型的機制，本文選取地級市層面的農村金融機構營業網點數量（Inst）作為農業融資約束松緊程度的代理變量。該指標反映了農業經營主體獲取正規金融資源的可達性與便利性，網點數量越多，表明融資環境越寬松。進而將該變量與試驗區政策虛擬變量構造交互項，以識別試驗區設立在緩解農業融資約束方面的作用強度及其對農地低碳化利用的傳導效應。表6列（1）結果顯示，交互項系數在 5% 的顯著性水平上為負，表明試驗區設立通過緩解融資約束，有效降低了農地碳排放水平。然而，列（2）交互項雖為負但不顯著，說明試驗區在降低農地碳強度方面尚未展現出顯著的緩解融資約束效應。

正如前文理論分析所示，融資約束的緩解提升了農業經營者引入低碳技術、節能設備與綠色管理模式的能力，從而在技術替代與管理升級的路徑中實現農地碳排放總量的下降。然而，由于綠色技術與設備通常伴隨較高的前期資本投入，短期內其產出效益尚未完全顯現，因此未能顯著改善單位產出對應的碳排放強度。本文假說2得到驗證。

3.5.2培育新型農業經營主體

基于前文分析，新型農業經營主體主要包括具備專業化生產與組織能力的種糧大戶與農業專業組織。本文利用中國工商企業注冊數據，提取各地年度新增“農、林、牧、漁業\"類企業作為新增農業公司樣本，并進一步識別其中注冊類型為農業合作社的企業。為增強地區間的可比性，將新增農業公司數（Corp）和農業合作社數（Coop）除以農業從業人口（萬人），構建標準化指標。表6列（3）與列（4）報告了以農業公司為代表的回歸結果；列（5）與列（6）則以農業合作社為代表。結果顯示，無論采用哪種度量方式，交互項系數均顯著為負，表明試驗區的設立有效吸引了新型農業經營主體進入，從而促進了農地利用方式的低碳化轉型。

表6機制檢驗（1）

Tab.6Mechanism tests （1）

新型農業經營主體具備較強的綠色技術吸收與擴散能力，能通過技術培訓、信息共享等手段帶動小農戶采用低碳化土地利用方式，提升區域碳效率。同時，其市場對接能力強，能延伸產業鏈、提升附加值，從而在降低碳排放總量的同時提升單位產出碳效率。因此，其廣泛進入不僅有助于降低農地碳排放總量，也在提升單位農業產出碳效率方面產生了積極影響。本文假說3得到驗證。

3.5.3推動農業技術進步

農業技術進步是綠色金融推動農地利用低碳化轉型的另一關鍵機制，而是否促進技術創新也是驗證“波特假說\"最直接的方式[3。為此，本文采用農業相關專利數據作為技術進步的代理變量，具體包括農業專利申請總量（Apply）、農業發明專利申請量（ 和農業發明專利授權量 （lnPaG） ，并對上述指標取自然對數。其中，農業專利申請總量反映科技創新活躍度，發明類專利申請與授權則衡量技術創新的深度與原創性。表7報告的回歸結果顯示，在以農地碳排放為被解釋變量的模型中，綠色金融交互項系數均顯著為負，表明其通過推動技術進步有效抑制了碳排放總量。但在以碳強度為被解釋變量的模型中，盡管系數方向一致，均為負值，卻未達到統計顯著水平。

科技是推動產業結構升級的關鍵力量，也是現代農業綠色發展的重要引擎。農業技術進步可從生產效率層面提升農地低碳化轉型的速度與質量。在生產資料規模不變的條件下，效率提升有助于保障產量的同時減少對高污染、低效率方式的依賴，加速轉型進程。然而，農業技術的研發與應用通常伴隨高額成本，短期內難以轉化為直接收益。楊興杰等[3的研究亦指出，農業新技術在實踐中常面臨成本回收周期長等現實制約。因此，盡管農業技術進步顯著降低了農地碳排放，但其對碳強度的影響在統計上尚不顯著。本文假說4得到驗證。

表7機制檢驗（2）Tab.7Mechanism tests（2）

4結論與政策建議

4.1研究結論

本文以綠色金融改革創新試驗區政策作為綠色金融發展的準自然實驗，選取2006—2022年中國252個地級市為研究樣本，采用雙重差分法模型評估了綠色金融對農地利用低碳化轉型的影響。研究結論如下：第一，以綠色金融改革創新試驗區為表征的綠色金融顯著降低了農地碳排放和農地碳強度，推動了農地利用低碳化轉型。這一結論經過多種穩健性檢驗后仍然成立。第二，異質性分析表明，綠色金融對農地利用低碳化轉型的促進作用在政府環境治理壓力較小、非資源城市和非糧食主產區的地區更顯著。第三，基于交互效應的機制分析表明，緩解農業融資約束、培育新型農業經營主體和推動農業技術進步是綠色金融推動農地利用低碳化轉型的主要渠道。

4.2政策建議

基于本文研究結果，提出以下政策建議：第一，因地制宜、穩步擴大綠色金融試點范圍，提升政策推廣的針對性和有效性。應系統總結現有試點城市的典型經驗，優先在具備相似土地資源稟賦與農業生產結構的地區開展復制推廣，推動綠色金融政策實現差異化落地和制度化嵌入。例如，新疆昌吉試驗區通過構建綠色小額農戶貸款管理系統，建立農業貸款風險防控機制和綠色產業可追溯大數據平臺，有效提升了綠色金融服務能力與監管效率。該經驗可在農業產業集中度較高、金融基礎較薄弱但綠色轉型訴求強烈的地區推廣應用，提升綠色金融服務的可達性與適配性。第二，將綠色金融政策與土地管理體制改革協同推進，構建支持低碳農業的制度基礎。強化綠色金融政策與土地財政改革之間的聯動機制，鼓勵地方政府將新增耕地碳減排成效納入地方財政績效考核體系，探索將農地碳匯納入財政轉移支付依據，以增強地方政府支持綠色農業發展的激勵力度。同時，應加快建立綠色土地評價機制，推動農地用途管制與碳排放控制目標協同，提升土地管理制度對綠色金融的制度承載能力。第三，多維度優化綠色金融支持機制，暢通農地利用低碳化轉型的多重渠道。綠色金融作用機制涉及融資供給、農業主體轉型與技術支撐等多個環節，應以系統視角整合金融與產業政策資源，形成合力。具體而言：（1）引導金融機構開發適配農地低碳轉型的綠色金融產品，提供長期、低成本資金支持；

（2）設立綠色農業專項引導基金，重點支持綠色種植、養殖、農機更新等項目；（3）將土地流轉與綠色經營掛鉤，在土地確權、規模經營等改革中優先支持綠色化農業主體；（4）加強與高標準農田建設、耕地質量提升項目的協同，實現財政、金融、土地政策一體化推進。

4.3研究局限與未來展望

本文也存在一定的研究局限。首先，由于數據獲取的限制，本文所使用的地級市層面數據難以全面反映農戶層面的土地細碎化、種植結構與決策行為等微觀特征，進而無法深入刻畫綠色金融如何在農戶層面推動農地利用低碳化轉型。未來研究可結合農戶調查數據進一步揭示綠色金融在農業生產微觀層面的作用機制。其次，本文的研究期截正于2022年，未能覆蓋2023年以來國家出臺的“第三次全國土壤普查”等重要土地管理政策，這些政策的出臺可能對綠色金融政策效果及其持續性產生影響。后續研究可結合土地政策的最新進展，系統評估其與綠色金融互動的長期影響，從而為更精準的農業綠色轉型政策提供理論支撐和實證依據。

參考文獻（References）：

[1］吉雪強，劉慧敏，張躍松.中國農地流轉對農業碳排放強度的影響及作用機制研究[J].中國土地科學，2023，37（2）： 51-61.

[2]王偉新，殷徐康，王晨光，等.農地產權穩定性與農業低碳發展——基于新一輪農地確權改革的考察[J].中國土地科學，2024，38（8）：49-59，71.

[3]JANUS J，ERTUNC E.Impact of land consolidationonagricultural decarbonization：estimation of changesin carbon dioxide emissions due to farm transport[J].Science ofthe TotalEnvironment，2023，873.doi：10.1016/j.scitotenv.2023.162391.

[4]鄭軍，趙維娜.農業保險對中國綠色農業生產的影響——基于農業技術進步的中介效應[J].資源科學，2023，45（12）：2414-2432.

［5］張春梅，王晨.財政補貼與綠色農業生產效率相關性研究[J].地方財政研究，2020（2）：79-87.

[6]郭巖，汪興東.土地細碎化會抑制農戶綠色生產行為嗎？—現實背景、理論邏輯與實證檢驗[J].中國土地科學，2024，38（4）：43-53.

［7］馬國群，呂丹陽，譚硯文.土地流轉的節能減排效應及其機制[J].資源科學，2024，46（11）：2210-2224.

[8］蘇培添，王磊.數字普惠金融對中國農業碳排放強度影響的空間效應與機制[J].資源科學，2023，45（3）：593-608.

[9］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.

[10]YU C H， WU X Q， ZHANG D Y，et al. Demand for greenfinance： resolving financing constraints on green innovationin China[J]. Energy Policy，2021，153. doi： 10.1016/j.enpol.2021.112255.

[11］張振華，陳曦，汪京，等.綠色金融改革創新試驗區政策對碳排放的影響效應——基于282個城市面板數據的準實驗研究[J].中國人口·資源與環境，2024，34（2）：32-45.

[12］戴其文，郭忠媛，賴璇宇，等.綠色金融政策對企業綠色發展的影響機制[J].自然資源學報，2025，40（3）：667-691.

[13］李慧，佟孟華，張國建.綠色金融改革創新試驗區的碳減排效應——基于空間溢出效應與城市異質性的視角[J].統計研究，2024，41（9）：44-58.

[14］王馨，王營.綠色信貸政策增進綠色創新研究[J].管理世界，2021，37（6）：173-188，11.

[15］周肖肖，賈夢雨，趙鑫.綠色金融助推企業綠色技術創新的演化博弈動態分析和實證研究[J].中國工業經濟，2023（6）： 43 - 61.

[16］中國人民銀行研究局課題組.綠色金融改革創新試驗區建設進展及經驗[J].中國金融，2023（6）：57－59.

[17］貫君，張少鵬，任月，等.中國農業凈碳匯時空分異與影響因素演進分析[J].中國環境科學，2024，44（2）：1158-1170.

[18]HAN X， WANG Y，YUW L，etal. Coupling and coordinationbetween green finance and agricultural green development：evidence from China[J].Finance Research Letters，2023，58. doi： 10.1016/j.frl.2023.104221.

[19］潘方卉，張弛，崔寧波.綠色金融對農業綠色發展的影響效應及其作用機制研究[J].農業經濟與管理，2024（1）：42 -55.

[20］劉俊霞，丁忠民，任亞運.綠色金融政策對農業生產低碳轉型的影響一—基于全國農村固定觀察點數據的分析[J].西南大學學報（社會科學版），2024，50（5）：152-166.

[21］劉依杭.“誰來種糧”：小農戶與家庭農場的經營特征及邏輯選擇[J].農村經濟，2023（5）：125-133.

[22］崔惠玉，王寶珠，徐穎.綠色金融創新、金融資源配置與企業污染減排[J].中國工業經濟，2023（10）：118-136.

[23］王曉麗，郭沛.政策性農業保險能夠引導新型農業經營主體農藥減施嗎？——以我國9省723個經營主體為例[J].蘭州學刊，2024（6）：129-141.

[24］龍云，鄧可心，匡諾一.新型農業經營主體能帶動小農戶實現綠色生產轉型嗎？——基于2020年中國鄉村振興綜合調查數據的研究[J].經濟與管理研究，2023，44（12）：85-99.

[25］涂圣偉.工商資本下鄉的適宜領域及其困境擺脫[J].改革，2014（9）：73 -82.

[26]PORTER M E， CLAAS V D. Toward a new conception of theenvironment-competitiveness relationship[J]. The Journalof Economic Perspectives，1995，9（4）： 97 -118.

[27]LI P，LU Y， WANG J. Does flattening government improveeconomic performance？ Evidence from China[J]. Journal ofDevelopment Economics， 2016，123： 18 - 37.

［28］龔家，吳振磊.特高壓輸電對城市綠色發展的賦能效應[J].資源科學，2024，46（9）： 1669-1684.

[29］王賢彬，楊超群.節能目標政策與地區能源效率[J].數量經濟技術經濟研究，2024，41（5）：49-70.

[30] GUO K， JI Q， ZHANG D Y. A dataset to measure globalclimate physical risk[J]. Datain Brief， 2024，54. doi：10.1016/j.dib.2024.110502.

[31] WU Y Z， SHI K F， CHEN Z Q，et al. Developing improvedtime-series DMSP-OLS-like data（1992-2019）in Chinaby integrating DMSP-OLS and SNPP-VIIRS[J]. IEEETransactions on Geoscience and Remote Sensing， 2021， 60.doi： 10.1109/TGRS.2021.3135333.

[32］劉和旺，彭律，鄭世林.綠色金融改革創新試驗區能提升企業產能利用率嗎？[J].中南財經政法大學學報，2023（5）： 134 - 148.

[33]TURUP A，ZHANG J， MA W，et al. China's well-facilitatedfarmland distribution dataset[J]. Scientific Data，2025，631.doi.org/10.1038/s41597-025-04990-1.

[34] BORUSYAK K， JARAVEL X， SPIESS J. Revisiting eventstudy designs： robust and efficient estimation[J].Review ofEconomic Studies，2024，91 （6）： 3253-3285.

[35］ JIN H H，QIAN Y Y，WEINGAST B. Regionaldecentralizationand fiscal incentives： federalism， Chinesestyle[J]. Journal of Public Economics，2005，89（9-10）：

The Impact of Green Finance on the Low-carbon Transition of Farmland Use： A Quasi-natural Experiment Based on Green Finance Reform and Innovation Pilot Zones

GONG Maogang1，HANFangying （1.School of Economics，Shandong University of Technology，Zibo 255oo， China; 2.Research Center for Sinicization of Marxism，Shandong University of Technology，Zibo 255ooo， China）

Abstract：Thepurpose of this studyis to treatthe establishmentof Green Finance Reform and Innovation Pilot Zones as aquasi-natural experiment to examine the impact and underlying mechanisms of green finance on the low-carbon transitionoffarmland use basedon paneldata from 252 prefecture-level cities in China from 2O6 to2O22.The research methods include multi-period diference-in-differences （（DID）model and event study approach.The research results showthat：1）green finance，as represented by the Green Finance Reform and Innovation Pilot Zones，significantly promotes the low-carbon transition of farmland use.2）The efect of green finance on the low-carbon transition of farmlanduse is more pronounced in cities with lower environmental governance pressure，non-resource-based cities，and non-grain-producing areas.3）Green finance facilitates the low-carbon transition offarmland use by easing financing constraints，fostering new types of agricultural business entities，and promoting agricultural technological progress. In conclusion，green finance plays avital rolein the low-carbon transition offarmlanduse.Inthe future，the scope of gren finance pilots should be steadily expanded according to local conditions; green finance should be integrated with thereform of the land management system; and the green finance support mechanism should be improved ina multidimensional manner.

Key Words： low-carbon transitionoffarmland use; multi-period diffrence-in-diffrences model; green finance

（本文責編：張冰松）