楊琳焱

（貴州大學(xué) 經(jīng)濟(jì)學(xué)院，貴州 貴陽(yáng) 550025）

一、引言

隨著溫室效應(yīng)不斷加劇，各種環(huán)境問題頻繁出現(xiàn)，碳減排成為世界各國(guó)的關(guān)注焦點(diǎn)。作為全球碳排放大國(guó)，中國(guó)積極為全球碳中和進(jìn)程貢獻(xiàn)自身力量。中共中央國(guó)務(wù)院印發(fā)《2030 年前碳達(dá)峰行動(dòng)方案》，方案指出中國(guó)將力爭(zhēng)在2030 年前達(dá)到碳排放峰值，并努力爭(zhēng)取在2060 年前達(dá)到碳中和。為貫徹落實(shí)中共中央國(guó)務(wù)院戰(zhàn)略部署，農(nóng)業(yè)農(nóng)村部聯(lián)合國(guó)家發(fā)改委立足于我國(guó)農(nóng)業(yè)發(fā)展現(xiàn)狀，于2022 年5 月發(fā)布《農(nóng)業(yè)農(nóng)村減排固碳實(shí)施方案》，聚焦碳達(dá)峰和碳中和在農(nóng)業(yè)農(nóng)村領(lǐng)域的戰(zhàn)略需求，進(jìn)一步強(qiáng)化農(nóng)業(yè)農(nóng)村減排固碳政策，助力鄉(xiāng)村振興。農(nóng)業(yè)是立國(guó)之本，強(qiáng)國(guó)之基，農(nóng)業(yè)碳減排不能以犧牲農(nóng)業(yè)經(jīng)濟(jì)發(fā)展為代價(jià)。在鄉(xiāng)村振興的過(guò)程中，如何統(tǒng)籌農(nóng)業(yè)發(fā)展與經(jīng)濟(jì)發(fā)展成為當(dāng)今社會(huì)無(wú)法逃避的現(xiàn)實(shí)問題，而農(nóng)業(yè)碳排放效率作為兼顧經(jīng)濟(jì)增長(zhǎng)的一大指標(biāo)，提高農(nóng)業(yè)碳排放效率是破解該難題的必然選擇。《2021 數(shù)字碳中和白皮書》提出數(shù)字技術(shù)推動(dòng)重點(diǎn)行業(yè)轉(zhuǎn)型，不斷向數(shù)字化和綠色化發(fā)展，數(shù)字經(jīng)濟(jì)的碳減排能力潛力巨大。伴隨著數(shù)字鄉(xiāng)村建設(shè)的發(fā)展，數(shù)字經(jīng)濟(jì)不斷向農(nóng)業(yè)滲透，滲透率從2016 年6.2%增長(zhǎng)到2020 年8.9%，成為新時(shí)代農(nóng)業(yè)發(fā)展的一大投入要素[1]。因此，研究數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的影響具有重要的理論和現(xiàn)實(shí)意義。

已有文獻(xiàn)對(duì)于數(shù)字經(jīng)濟(jì)的碳減排效果主要有三種觀點(diǎn)：一種觀點(diǎn)認(rèn)為數(shù)字經(jīng)濟(jì)有利于碳減排?？琢钣⒌龋?022）[2]提出數(shù)字經(jīng)濟(jì)可以通過(guò)提高城市生產(chǎn)效率和技術(shù)創(chuàng)新水平來(lái)促進(jìn)城市碳減排。葛立宇等（2022）[3]、謝文倩等（2022）[4]提出數(shù)字經(jīng)濟(jì)可以通過(guò)促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)來(lái)促進(jìn)城市碳減排。佘群芝等（2022）[5]提出數(shù)字經(jīng)濟(jì)可以通過(guò)促進(jìn)經(jīng)濟(jì)集聚來(lái)促進(jìn)碳減排?？婈戃姷龋?022）[6]提出數(shù)字經(jīng)濟(jì)通過(guò)提高創(chuàng)新效率來(lái)促進(jìn)碳減排。陳媛媛等（2021）[7]從精準(zhǔn)農(nóng)業(yè)發(fā)展的角度，基于DEA 方法和Tobit 模型，研究后提出在農(nóng)業(yè)生產(chǎn)中數(shù)字經(jīng)濟(jì)的出現(xiàn)可以減少農(nóng)業(yè)碳排放。田紅宇和關(guān)洪浪（2022）[1]基于動(dòng)態(tài)面板模型研究發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)可以抑制糧食生產(chǎn)的碳排放。一種觀點(diǎn)認(rèn)為數(shù)字經(jīng)濟(jì)不利于碳減排。Salahuddin和Alam（2015）[8]、Hamdih 等（2014）[9]認(rèn)為數(shù)字經(jīng)濟(jì)的存在會(huì)加速互聯(lián)網(wǎng)通信技術(shù)及相關(guān)產(chǎn)業(yè)的發(fā)展，加重電力耗損，增加碳排放，不利于碳減排。另外一種觀點(diǎn)認(rèn)為數(shù)字經(jīng)濟(jì)與碳排放之間是非線性關(guān)系。金飛和徐長(zhǎng)樂（2022）[10]以產(chǎn)業(yè)結(jié)構(gòu)升級(jí)和外商吸引能力作為中介變量，研究發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)對(duì)碳排放存在先促進(jìn)后抑制的倒“U”型影響。費(fèi)威等（2022）[11]通過(guò)綠色索洛模型也得出數(shù)字經(jīng)濟(jì)和碳排放之間存在倒“U”型關(guān)系。

綜上所述，已有文獻(xiàn)對(duì)數(shù)字經(jīng)濟(jì)與碳排放之間的關(guān)系進(jìn)行了深入研究，但仍有可拓展的方面：（1）已有研究側(cè)重研究數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響，但對(duì)碳排放效率影響的文獻(xiàn)相對(duì)較少，尤其缺乏數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率影響的理論分析。（2）已有研究大多聚焦于數(shù)字經(jīng)濟(jì)與本地碳減排的關(guān)系，較少關(guān)注數(shù)字經(jīng)濟(jì)對(duì)碳排放效率的空間溢出效應(yīng)，因此，本文理論分析數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的影響，并實(shí)證檢驗(yàn)數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率差異性影響及空間溢出效應(yīng)。

二、理論分析與研究假設(shè)

（一）數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的影響

數(shù)字經(jīng)濟(jì)主要通過(guò)以下幾個(gè)方面影響農(nóng)業(yè)碳排放效率：第一，數(shù)字經(jīng)濟(jì)有助于優(yōu)化農(nóng)業(yè)生產(chǎn)流程，提高資源配置效率。數(shù)字經(jīng)濟(jì)對(duì)生產(chǎn)、運(yùn)輸和銷售等環(huán)節(jié)的優(yōu)化和改善，可以提高農(nóng)業(yè)生產(chǎn)過(guò)程中的信息傳遞效率，降低信息收集成本和交易成本，提高資源配置效率和生產(chǎn)效率，使農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)更加合理，實(shí)現(xiàn)農(nóng)業(yè)碳排放效率的提高[10][12-13]。第二，數(shù)字經(jīng)濟(jì)有助于提高農(nóng)業(yè)技術(shù)創(chuàng)新水平。數(shù)字經(jīng)濟(jì)的發(fā)展推動(dòng)農(nóng)業(yè)技術(shù)進(jìn)步，推動(dòng)農(nóng)業(yè)向智能化、綠色化發(fā)展，從而提高投入要素的利用率，降低生產(chǎn)資源消耗。使得同等要素投入條件下，農(nóng)業(yè)生產(chǎn)能獲得更多的期望產(chǎn)出，進(jìn)而提高碳排放效率[5]。第三，數(shù)字經(jīng)濟(jì)有助于形成數(shù)字化平臺(tái)。數(shù)字經(jīng)濟(jì)實(shí)現(xiàn)了技術(shù)、信息、物質(zhì)等資源要素的平臺(tái)化，有助于農(nóng)業(yè)生產(chǎn)者更便捷地獲取生產(chǎn)活動(dòng)中所需要的相關(guān)要素乃至合作者，同時(shí)為農(nóng)業(yè)生產(chǎn)相關(guān)企業(yè)和科研單位進(jìn)行綠色技術(shù)創(chuàng)新提供數(shù)據(jù)依據(jù)，從而提高農(nóng)業(yè)碳排放效率[14-15]。此外，從政府行政管理的角度來(lái)說(shuō)，數(shù)字經(jīng)濟(jì)可以提高農(nóng)業(yè)管理部門的管理能力和監(jiān)督能力，使碳減排政策的制定更加科學(xué)合理，碳減排政策的落實(shí)更加有條不紊。進(jìn)而更好地監(jiān)督和處理農(nóng)業(yè)產(chǎn)業(yè)的能源消耗問題，改善農(nóng)業(yè)碳排放情況，提高農(nóng)業(yè)碳排放效率[16]。

假設(shè)1：數(shù)字經(jīng)濟(jì)可以提高農(nóng)業(yè)碳排放效率。

（二）數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的空間溢出

數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的空間溢出通過(guò)“示范效應(yīng)”和“溢出效應(yīng)”來(lái)實(shí)現(xiàn)。第一，本地區(qū)數(shù)字經(jīng)濟(jì)助力農(nóng)業(yè)碳減排，實(shí)現(xiàn)綠色低碳發(fā)展與經(jīng)濟(jì)高質(zhì)量發(fā)展雙贏。數(shù)字經(jīng)濟(jì)形成的農(nóng)業(yè)低碳高質(zhì)量發(fā)展的“示范效應(yīng)”可以帶動(dòng)相鄰地區(qū)學(xué)習(xí)和借鑒，進(jìn)而提高相鄰地區(qū)農(nóng)業(yè)碳排放效率[17]。第二，數(shù)字經(jīng)濟(jì)具有較強(qiáng)的溢出效應(yīng)，它打破傳統(tǒng)的信息傳遞方式，為信息、知識(shí)、經(jīng)驗(yàn)和技術(shù)傳播提供了渠道，促進(jìn)區(qū)域間的交流和學(xué)習(xí)，擴(kuò)大了傳播范圍，加快了傳播速度和頻率。本地區(qū)先進(jìn)的綠色技術(shù)、知識(shí)和經(jīng)驗(yàn)更容易向相鄰地區(qū)溢出，有利于提高相鄰地區(qū)農(nóng)業(yè)碳排放效率[11][18]。

假設(shè)2：數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率具有空間溢出效應(yīng)。

三、研究方法與數(shù)據(jù)來(lái)源

（一）空間自相關(guān)檢驗(yàn)

根據(jù)前文的理論分析，農(nóng)業(yè)碳排放效率很可能存在空間效應(yīng)，本文借鑒前人研究使用Stata 15.1軟件對(duì)2011—2020 年的農(nóng)業(yè)碳排放效率做Moran's I指數(shù)檢驗(yàn)，判斷農(nóng)業(yè)碳排放效率是否存在空間關(guān)聯(lián)性，并基于此表示空間關(guān)聯(lián)程度。本文采用地理空間矩陣，即不相鄰區(qū)域的權(quán)重賦值為0，相鄰區(qū)域的權(quán)重賦值為1，計(jì)算方式如式（1）所示。

式（1）中，Xi、Xj分別表示i、j地區(qū)的觀測(cè)值、分別表示Xi、Xj的預(yù)期平均值，n是地區(qū)數(shù)量，Wij是空間權(quán)重矩陣，I是Moran's I 指數(shù)，I＞0 表示空間正相關(guān)，I＜0 表示空間負(fù)相關(guān)，I=0 表示不存在空間相關(guān)性。

（二）空間面板計(jì)量模型

空間計(jì)量模型有三個(gè)類別，它們分別是空間誤差模型（SEM）、空間滯后模型（SAR）和空間杜賓模型（SDM）。本文通過(guò)空間杜賓模型（SDM）分析數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)碳排放效率之間的關(guān)系，該模型相較于空間誤差模型（SEM）與空間滯后模型（SAR）更具一般性[19]，具體表達(dá)式如式（2）所示：

式（2）中，α1為核心解釋變量數(shù)字經(jīng)濟(jì)的系數(shù)，β1為第n個(gè)數(shù)字經(jīng)濟(jì)的空間滯后項(xiàng)系數(shù)，ρ為空間自相關(guān)回歸系數(shù)；下標(biāo)i、t分別表示樣本所在省份和年份，W為空間矩陣；AGTFP為被解釋變量農(nóng)業(yè)碳排放效率，WAGTFP為解釋變量農(nóng)業(yè)碳排放效率的空間滯后項(xiàng)；X為控制變量，μi、υt、εit分別對(duì)照個(gè)體效應(yīng)、時(shí)間效應(yīng)和干擾項(xiàng)。

（三）變量構(gòu)建

1.被解釋變量：農(nóng)業(yè)碳排放效率。本文采用SBM-GML模型測(cè)度農(nóng)業(yè)碳排放效率。其中，選取農(nóng)林牧漁從業(yè)人員數(shù)、農(nóng)作物總播種面積、機(jī)械動(dòng)力以及農(nóng)用化肥施用量作為農(nóng)業(yè)生產(chǎn)活動(dòng)的投入要素，并且以農(nóng)業(yè)總產(chǎn)值作為期望產(chǎn)出，測(cè)算農(nóng)業(yè)碳排放效率。在非期望產(chǎn)出方面，本文與主流文獻(xiàn)保持一致，將非期望產(chǎn)出的來(lái)源設(shè)定為三個(gè)方面：一是農(nóng)業(yè)生產(chǎn)活動(dòng)中投入要素所產(chǎn)生的CO2。即農(nóng)藥、農(nóng)膜、化肥、翻耕、灌溉和柴油等投入農(nóng)業(yè)生產(chǎn)后排放的CO2。二是畜禽養(yǎng)殖過(guò)程中產(chǎn)生的碳排放。絕大部分是源于動(dòng)物腸道發(fā)酵產(chǎn)生的CH4和從糞便中產(chǎn)生的CH4和N2O。與現(xiàn)有文獻(xiàn)保持一致，僅針對(duì)牛、羊、豬三類畜禽所產(chǎn)生的碳排放進(jìn)行測(cè)度。三是水稻栽植過(guò)程中產(chǎn)生的CH4，由于水稻生產(chǎn)周期的不穩(wěn)定性，采用中位數(shù)130 天作為生產(chǎn)周期進(jìn)行核算。六個(gè)碳排放源的使用量乘以相應(yīng)的碳排放系數(shù)加總作為農(nóng)業(yè)生產(chǎn)活動(dòng)中產(chǎn)生的碳排放總量，碳排放系數(shù)如表1 所示。

表1 農(nóng)業(yè)碳排放源、系數(shù)及來(lái)源

2.核心解釋變量：數(shù)字經(jīng)濟(jì)。本文借鑒趙濤等（2020）[23]的做法，構(gòu)建數(shù)字經(jīng)濟(jì)指標(biāo)測(cè)度體系。其中涵蓋“互聯(lián)網(wǎng)普及率”“互聯(lián)網(wǎng)相關(guān)從業(yè)人數(shù)”“互聯(lián)網(wǎng)相關(guān)產(chǎn)出情況”“移動(dòng)互聯(lián)網(wǎng)用戶數(shù)”以及“數(shù)字普惠金融發(fā)展指數(shù)”5 個(gè)指標(biāo)。這5 個(gè)指標(biāo)反映了地區(qū)數(shù)字發(fā)展環(huán)境和數(shù)字金融發(fā)展情況，可以用來(lái)衡量數(shù)字經(jīng)濟(jì)發(fā)展水平如表2 所示。

表2 數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)的指標(biāo)體系

建立指標(biāo)體系后，為了消除數(shù)據(jù)間的差異性，對(duì)各指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。所選指標(biāo)包括正向指標(biāo)以及負(fù)向指標(biāo)，分別按照式（3）對(duì)各個(gè)指標(biāo)依次進(jìn)行標(biāo)準(zhǔn)化處理。

式（3）中，xij表示第i個(gè)地區(qū)第j個(gè)指標(biāo)值，Xij表示標(biāo)準(zhǔn)化后的指標(biāo)值，采用熵權(quán)法對(duì)各級(jí)指標(biāo)賦權(quán)，步驟如下：

其中，Pij為在第j項(xiàng)指標(biāo)中第i區(qū)域所占比重，Hj為第j項(xiàng)指標(biāo)的熵權(quán)，dj為第j項(xiàng)指標(biāo)的信息效用價(jià)值，wj表示第j項(xiàng)指標(biāo)的權(quán)重。

3.控制變量。除上述核心解釋變量外，本文還選取一系列控制變量，以控制數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的影響。（1）財(cái)政支農(nóng)。采用農(nóng)業(yè)財(cái)政支出與財(cái)政總支出比值來(lái)反映財(cái)政支農(nóng)程度；（2）農(nóng)業(yè)結(jié)構(gòu)調(diào)整系數(shù)。利用糧食作物播種面積占農(nóng)作物總播種面積的比率來(lái)代表農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)；（3）工業(yè)化。用工業(yè)增加值占其地區(qū)國(guó)內(nèi)生產(chǎn)總值的比重來(lái)表示；（4）土地經(jīng)營(yíng)規(guī)模。用農(nóng)作物播種面積與農(nóng)業(yè)從業(yè)人數(shù)的比值來(lái)表示；（5）農(nóng)業(yè)人均可支配收入。用農(nóng)業(yè)生產(chǎn)總值與農(nóng)業(yè)從業(yè)人數(shù)的比值來(lái)表示。

4.數(shù)據(jù)來(lái)源及說(shuō)明。本文的樣本數(shù)據(jù)是以各省、直轄市為單元的面板信息集，為了維護(hù)樣本數(shù)據(jù)的全面性和可得性，取用的樣本年份為2011—2020年30 個(gè)省份（西藏和港澳臺(tái)地區(qū)除外）。數(shù)據(jù)主要取自于相應(yīng)年份的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》以及各省市的統(tǒng)計(jì)年鑒等，對(duì)于缺失數(shù)據(jù)運(yùn)用插值法進(jìn)行補(bǔ)齊。

四、實(shí)證結(jié)果與分析

（一）空間自相關(guān)檢驗(yàn)

1.全局自相關(guān)檢驗(yàn)。表3 報(bào)告了莫蘭指數(shù)計(jì)算結(jié)果，可以看出2011—2020 年的檢驗(yàn)值均顯著為正，且均通過(guò)了10%的顯著性水平檢驗(yàn)。說(shuō)明農(nóng)業(yè)碳排放效率具有明顯的空間正相關(guān)性，假設(shè)1 得到驗(yàn)證如表3 所示。

表3 我國(guó)各省農(nóng)業(yè)碳排放效率的Moran's I 值

2.局部自相關(guān)檢驗(yàn)。為進(jìn)一步考察各地區(qū)農(nóng)業(yè)碳排放效率的空間聚集特征，本文引入局部莫蘭指數(shù)進(jìn)行自相關(guān)檢驗(yàn)。圖1、圖2 分別為2011 年和2020年的農(nóng)業(yè)碳排放效率莫蘭散點(diǎn)圖，莫蘭散點(diǎn)圖將全國(guó)30 個(gè)省份劃分為四個(gè)象限，第一象限是高-高（H-H）聚集區(qū)，表示本地區(qū)與周邊地區(qū)的農(nóng)業(yè)碳排放效率都表現(xiàn)出較高水平；第二象限是低-高（L-H）聚集區(qū)，表示在本地區(qū)農(nóng)業(yè)碳排放效率水平較低，而周邊地區(qū)的農(nóng)業(yè)碳排放效率發(fā)展水平較高；第三象限是低-低（L-L）聚集區(qū)，表示本地區(qū)與周邊地區(qū)的農(nóng)業(yè)碳排放效率皆較低；第四象限則表示高-低（H-L）聚集區(qū)，表示本地區(qū)農(nóng)業(yè)碳排放效率較高，而周邊地區(qū)較低。由圖1、圖2 可知，擬合區(qū)線斜率為正，即表示總體而言農(nóng)業(yè)碳排放效率存在高-高聚集與低-低聚集的空間特征。

圖1 2011 年莫蘭指數(shù)散點(diǎn)圖

圖2 2020 年莫蘭指數(shù)散點(diǎn)圖

（二）空間杜賓模型估計(jì)

莫蘭指數(shù)檢驗(yàn)為空間效應(yīng)的研究提供了初步依據(jù)，為進(jìn)一步把握數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)碳排放效率之間的空間溢出效應(yīng)，本文引用空間杜賓模型進(jìn)行實(shí)證研究，分析結(jié)果如表4 所示。

表4 空間杜賓模型估計(jì)

結(jié)果顯示，在空間杜賓模型估計(jì)下，數(shù)字經(jīng)濟(jì)的直接效應(yīng)為0.283，在1%的顯著性水平下為正，表明數(shù)字經(jīng)濟(jì)對(duì)當(dāng)?shù)剞r(nóng)業(yè)碳排放效率的提高起到推動(dòng)作用，假設(shè)1 得到驗(yàn)證。與直接效應(yīng)相似，數(shù)字經(jīng)濟(jì)的空間溢出效應(yīng)為0.220，在1%的顯著性水平下為正，表明數(shù)字經(jīng)濟(jì)對(duì)相鄰地區(qū)的農(nóng)業(yè)碳排放率起到促進(jìn)作用，假設(shè)2 得到驗(yàn)證。原因在于：（1）數(shù)字經(jīng)濟(jì)投入農(nóng)業(yè)生產(chǎn)，可以降低碳排放源的使用量，改變投入要素結(jié)構(gòu)，優(yōu)化資源配置，提高農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)碳排放效率。（2）數(shù)字經(jīng)濟(jì)的不斷發(fā)展提高了農(nóng)業(yè)生產(chǎn)科技水平，推動(dòng)農(nóng)業(yè)產(chǎn)業(yè)向智能化、綠色化發(fā)展，推動(dòng)生產(chǎn)規(guī)?；同F(xiàn)代化，提高農(nóng)業(yè)生產(chǎn)效率，從而提高農(nóng)業(yè)碳排放效率。（3）數(shù)字經(jīng)濟(jì)可以改變地區(qū)之間的資源配置，可以降低求職者搜尋信息的成本和在遷徙途中的風(fēng)險(xiǎn)，促使區(qū)內(nèi)勞動(dòng)力向周邊地區(qū)跨區(qū)域流動(dòng)。勞動(dòng)力的轉(zhuǎn)移伴隨著知識(shí)、技術(shù)和經(jīng)驗(yàn)的轉(zhuǎn)移，進(jìn)而提高相鄰地區(qū)的農(nóng)業(yè)生產(chǎn)技術(shù)，提高農(nóng)業(yè)碳排放效率。

（三）異質(zhì)性檢驗(yàn)

中國(guó)地域遼闊，不同地區(qū)在自然和經(jīng)濟(jì)社會(huì)環(huán)境上具有差異性，因此農(nóng)業(yè)生產(chǎn)也存在明顯的區(qū)域差異性。且不同區(qū)域的數(shù)字經(jīng)濟(jì)基礎(chǔ)有差異，在農(nóng)業(yè)中的滲透程度也有懸殊[5]。為了驗(yàn)證數(shù)字經(jīng)濟(jì)對(duì)不同地區(qū)農(nóng)業(yè)碳排放效率的區(qū)域異質(zhì)性，將研究對(duì)象分為東部、中部和西部地區(qū)，研究結(jié)果如表5 所示。

表5 區(qū)域異質(zhì)性檢驗(yàn)

從表5 中可以看到東部地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展顯著提升了農(nóng)業(yè)碳排放效率，且在1%顯著性水平下為正。同時(shí)中部地區(qū)和西部地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展對(duì)當(dāng)?shù)剞r(nóng)業(yè)碳排放效率的影響并不顯著。原因可能在于，東部地區(qū)經(jīng)濟(jì)更為發(fā)達(dá)，基礎(chǔ)設(shè)施建設(shè)完善，數(shù)字信息化水平更高，數(shù)字經(jīng)濟(jì)體系發(fā)展得更好，對(duì)農(nóng)業(yè)碳排放效率的提高更為顯著。反之，中部和西部地區(qū)的數(shù)字經(jīng)濟(jì)整體發(fā)展水平較低，其對(duì)碳排放效率的影響尚不明顯。

五、結(jié)論與政策建議

本文基于熵權(quán)法和SBM-GML 模型，在綜合測(cè)算了數(shù)字經(jīng)濟(jì)發(fā)展水平和農(nóng)業(yè)碳排放效率的基礎(chǔ)上，通過(guò)空間杜賓模型檢驗(yàn)了2011—2020 年數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放效率的影響。研究表明：（1）數(shù)字經(jīng)濟(jì)發(fā)展能夠顯著提高農(nóng)業(yè)碳排放效率，且具有空間溢出效應(yīng)；（2）東部地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平較高，而中部和西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平相對(duì)較低，呈現(xiàn)較大的地域分化現(xiàn)象；（3）數(shù)字經(jīng)濟(jì)在農(nóng)業(yè)領(lǐng)域中的碳減排效應(yīng)具有明顯的區(qū)域異質(zhì)性，在東部地區(qū)其減碳效果顯著，而在中部和西部地區(qū)其減碳作用并不明顯。

基于以上結(jié)論，本文政策建議如下：（1）穩(wěn)固數(shù)字經(jīng)濟(jì)基礎(chǔ)，加快數(shù)字技術(shù)與農(nóng)業(yè)生產(chǎn)相結(jié)合，推動(dòng)農(nóng)業(yè)碳減排。鼓勵(lì)農(nóng)業(yè)新興技術(shù)與傳統(tǒng)技術(shù)結(jié)合，實(shí)現(xiàn)農(nóng)業(yè)高質(zhì)量發(fā)展。（2）強(qiáng)化區(qū)域間發(fā)展聯(lián)系，逐步改善區(qū)域間數(shù)字經(jīng)濟(jì)發(fā)展差異較大的現(xiàn)狀，以數(shù)字化轉(zhuǎn)型推動(dòng)農(nóng)業(yè)綠色低碳發(fā)展。（3）充分考慮數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)碳排放效率的區(qū)域異質(zhì)性，實(shí)現(xiàn)整體優(yōu)化。（4）充分發(fā)揮數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳減排的空間溢出效應(yīng)，建立低碳綠色農(nóng)業(yè)示范園，充分發(fā)揮示范效應(yīng)和溢出效應(yīng)。順利實(shí)現(xiàn)農(nóng)業(yè)低碳轉(zhuǎn)型。