顧 蔚，談 鑫，張海洋，丁子健

（中研綠色金融研究院，江蘇南京 211803）

農(nóng)業(yè)活動是溫室氣體排放的重要來源之一，受到中國及國際社會的高度關注。根據(jù)聯(lián)合國糧食與農(nóng)業(yè)組織數(shù)據(jù)統(tǒng)計，超過30%的全球人為溫室氣體排放量來源于農(nóng)業(yè)用地；同時，我國約17%的碳排放總量來自農(nóng)業(yè)，且農(nóng)業(yè)碳排放量仍持續(xù)以平均1.46%的速度上漲[1-2]。而超量溫室氣體排放導致的氣候變化，又通過改變降雨模式、蟲害壓力模式、季節(jié)和晝夜的溫度變化模式與更頻繁的極端天氣等方式反噬農(nóng)業(yè)活動，降低農(nóng)業(yè)生產(chǎn)力。農(nóng)業(yè)碳排放問題日益嚴峻，控制農(nóng)業(yè)高碳排、發(fā)展綠色低碳農(nóng)業(yè)是重中之重。2021 年農(nóng)業(yè)農(nóng)村部等6 部門聯(lián)合印發(fā)的《“十四五”全國農(nóng)業(yè)綠色發(fā)展規(guī)劃》和2022年農(nóng)業(yè)農(nóng)村部聯(lián)合國家發(fā)改委印發(fā)的《農(nóng)業(yè)農(nóng)村減排固碳實施方案》，明確提出要強化農(nóng)業(yè)綠色發(fā)展科技動能、提高農(nóng)業(yè)資源利用效率、推進農(nóng)業(yè)農(nóng)村減排固碳，構建綠色低碳循環(huán)發(fā)展的農(nóng)業(yè)產(chǎn)業(yè)體系。

金融發(fā)展規(guī)模和效率影響著經(jīng)濟活動中的碳排放水平[3]。2017 年《農(nóng)業(yè)部中國農(nóng)業(yè)銀行關于推進金融支持農(nóng)業(yè)綠色發(fā)展工作的通知》提出，要構建多層次、廣覆蓋、可持續(xù)的農(nóng)業(yè)綠色發(fā)展金融服務體系，通過金融支持農(nóng)業(yè)科技創(chuàng)新、金融支持農(nóng)業(yè)結(jié)構調(diào)整、金融支持農(nóng)業(yè)面源污染治理，推進綠色農(nóng)業(yè)發(fā)展。那么金融如何促進農(nóng)業(yè)低碳轉(zhuǎn)型、減排效果又如何？厘清農(nóng)村金融發(fā)展對農(nóng)業(yè)碳排放的影響，對提升農(nóng)業(yè)綠色發(fā)展金融服務體系具有重要現(xiàn)實意義。

1 概念界定與文獻綜述

1.1 農(nóng)業(yè)與農(nóng)業(yè)碳排放

本文聚焦狹義的農(nóng)業(yè)，即種植業(yè)，區(qū)別于涵蓋種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)、副業(yè)的廣義農(nóng)業(yè)。種植業(yè)包括培育各類農(nóng)作物、林木、果樹、觀賞及實用性等植物，產(chǎn)出各種糧食作物、經(jīng)濟作物、蔬菜作物、綠肥作物、飼料作物及園藝作物。

農(nóng)業(yè)碳排放具有難量化、隱蔽性強、隨機性強、不易檢測和涉及范圍廣等特征[4]；而農(nóng)業(yè)固碳作用的測算復雜，精準數(shù)據(jù)難以獲取。鑒于此，本文專注于狹義農(nóng)業(yè)在農(nóng)地利用中產(chǎn)生的碳排放，從化肥、農(nóng)藥、農(nóng)膜、農(nóng)用機械使用、農(nóng)田灌溉和農(nóng)作物耕種共六個維度進行測算，將排放的溫室氣體統(tǒng)一用二氧化碳當量表示。

1.2 農(nóng)業(yè)碳排放的測算與影響因素

農(nóng)業(yè)碳排放的主要碳源有：1）農(nóng)地利用，包括化肥、農(nóng)藥、薄膜等農(nóng)資投入、農(nóng)用機械所用柴油等能源消耗、農(nóng)地翻耕和灌溉；2）水稻等作物生長；3）牲畜腸道發(fā)酵及糞便處理；4）秸稈等作料焚燒。同時，各國農(nóng)業(yè)碳排放與其農(nóng)業(yè)生產(chǎn)方式息息相關[5]。對我國農(nóng)業(yè)碳排放測算的研究中發(fā)現(xiàn)，在所有碳源中化肥影響最大，且我國農(nóng)業(yè)碳排總量逐年遞增、增速減弱[6]。農(nóng)業(yè)碳排放的正向影響因素包含人口規(guī)模、畜類消費占比、農(nóng)業(yè)規(guī)模，負向影響因素包含土地生產(chǎn)效率的提升、保護性耕作方式的使用、環(huán)境保護措施的實施[7]。

1.3 金融發(fā)展與碳排放

當前研究發(fā)現(xiàn)，能顯著影響碳排放量和排放強度[8]的金融因素包括：金融的規(guī)模、效率、空間結(jié)構[9]、產(chǎn)業(yè)聚集[10]等。其研究方法既有構建衡量綜合指數(shù)衡量金融發(fā)展的整體情況與內(nèi)部結(jié)構的[11]，也有按股票、保險、信貸等金融產(chǎn)品類型分別分析其與碳排放量關系的[12]。異質(zhì)性研究方面發(fā)現(xiàn)，金融發(fā)展在總體上有利于減少碳排放，但這種減排效應會隨著經(jīng)濟發(fā)展水平、經(jīng)濟結(jié)構、能源結(jié)構等因素而呈現(xiàn)復雜的特征[13]。

學界尚未就金融發(fā)展對碳排放量的作用方向達成統(tǒng)一定論。較多研究得出，金融發(fā)展對碳排放有負向抑制作用[9,14-16]；也有研究認為金融規(guī)模和效率對碳排放量有正向作用，對碳排放強度有負向作用[8]；更有研究發(fā)現(xiàn)金融發(fā)展與碳排放量之間存在“倒U 型”關系[17-20]。

目前，國內(nèi)針對金融與農(nóng)業(yè)碳排放的研究相對較少，且多用信貸、存款指標作為農(nóng)村金融水平的測度。本文構建雙向固定效應模型，基于2011—2020年中國省級面板數(shù)據(jù)，從農(nóng)業(yè)信貸、農(nóng)業(yè)保險、農(nóng)業(yè)投資、財政環(huán)保支出四個維度探討農(nóng)村金融水平對農(nóng)業(yè)金融碳排放的影響。

2 模型設定、變量選取和數(shù)據(jù)來源

2.1 模型設定

為了分析農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響，本文構建了雙向固定效應模型，具體如下：

（1）式中：i 為省份，t 為年份；mco2(it)代表被解釋變量，為省份i 在t 年的農(nóng)業(yè)碳排放總量；xe,f(it)代表解釋變量，為省份i在t年的農(nóng)村金融發(fā)展水平；∑Xit為控制變量；λi為省級固定效應，Ut為時間固定效應；εit為誤差項；α、β、φ和λ為相應的常量。為了便于解釋統(tǒng)計意義及平滑數(shù)據(jù)波動，本文對農(nóng)業(yè)碳排放總量mco2(it)和農(nóng)村金融水平xe,f(it)進行了對數(shù)化處理。

2.2 變量測度、說明和描述性統(tǒng)計

2.2.1 被解釋變量

農(nóng)業(yè)碳排放總量。本文聚焦于狹義農(nóng)業(yè)（種植業(yè)）及其碳排放量，具體估算公式如下：

（2）式中：mco2(it)為農(nóng)業(yè)碳排放總量。mco2(it,j)為省份i 在t 年碳源j 的碳排放量；Qit,j為省份i 在t 年碳源j的數(shù)量；Cj為碳源的碳排放系數(shù)，具體見表1。

表1 農(nóng)業(yè)各類碳源的碳排放系數(shù)

測算發(fā)現(xiàn)：平均農(nóng)業(yè)碳排放大省包括河南省、山東省、黑龍江省、河北省；平均占比最大的農(nóng)業(yè)碳源為農(nóng)業(yè)播種和化肥使用。各省農(nóng)業(yè)碳排放總量（按從高至低排序）見表2，農(nóng)業(yè)碳源中播種、化肥、農(nóng)膜、農(nóng)用柴油、農(nóng)藥、灌溉的占比見表3。

表2 2011—2020年31個省份平均農(nóng)業(yè)碳排放量 單位：萬t

表3 31個省份農(nóng)業(yè)碳源中播種、化肥、農(nóng)膜、農(nóng)用柴油、農(nóng)藥、灌溉的占比 單位：%

2.2.2 核心解釋變量

農(nóng)村金融發(fā)展水平。使用四個指標來衡量：1）農(nóng)業(yè)信貸指標。從儲蓄能力轉(zhuǎn)化為投資的角度出發(fā)，使用涉農(nóng)貸款余額與農(nóng)戶儲蓄存款余額之比衡量農(nóng)村信貸資源配置效率[3,22]。2）農(nóng)業(yè)保險指標。使用各財產(chǎn)保險公司農(nóng)業(yè)保險收入衡量各地區(qū)農(nóng)業(yè)保險的絕對規(guī)模。3）農(nóng)業(yè)投資指標。使用農(nóng)業(yè)綜合開發(fā)項目資金總投入，涵蓋中央財政、地方財政、銀行信貸、群眾自籌四方資金。4）財政環(huán)保支出指標。使用節(jié)能環(huán)保項目財政預算支出，涵蓋生態(tài)保護、污染防治、天然林保護、退耕還林、退牧還草、污染減排等用途。其中，鑒于相關文獻[22-23]發(fā)現(xiàn)農(nóng)業(yè)信貸對農(nóng)業(yè)碳排放、農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)率存在非線性關系，本文對農(nóng)業(yè)信貸與農(nóng)業(yè)保險兩項指標添加其二次項回歸，以捕捉其與農(nóng)業(yè)碳排放總量的非線性關系。

2.2.3 控制變量

綜合考慮現(xiàn)有對農(nóng)業(yè)碳排放的研究，本文控制了農(nóng)業(yè)經(jīng)濟水平、農(nóng)業(yè)現(xiàn)代化水平、農(nóng)作物受災程度、農(nóng)業(yè)結(jié)構四方非金融變量，分別以農(nóng)業(yè)總產(chǎn)值（億元）、農(nóng)業(yè)機械總動力（萬千瓦）、作物受災面積（千公頃）、農(nóng)業(yè)總產(chǎn)值與農(nóng)林牧漁業(yè)總產(chǎn)值之比衡量。此外，為了緩解不可觀測變量對結(jié)果的偏誤，本文一方面引入了省級固定效應λi，以便控制各省份自然氣候、地理面貌等特征；另一方面引入了時間固定效應Ut，以便控制政策變化和通貨膨脹等因素。

2.2.4 描述性統(tǒng)計

變量說明與描述性統(tǒng)計見表4。

表4 農(nóng)業(yè)碳排放的變量說明和描述性統(tǒng)計

2.3 數(shù)據(jù)來源

考慮到數(shù)據(jù)的可得性，選取2011—2020 年我國31 個省份（地區(qū)）的省級面板數(shù)據(jù)，未包含港澳臺地區(qū)。其中，各農(nóng)業(yè)碳排放源的數(shù)量，農(nóng)業(yè)經(jīng)濟水平、農(nóng)作物受災程度等控制變量的數(shù)據(jù)取自國家統(tǒng)計局；農(nóng)村金融發(fā)展水平的數(shù)據(jù)來自《中國財政年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國保險年鑒》和CSMAR 數(shù)據(jù)庫。需要說明的是：對缺失值，根據(jù)其前后五年間的差值進行了補全；對絕對值的變量，為了避開宏觀數(shù)據(jù)的非平穩(wěn)性對實證結(jié)果的干擾，進行了對數(shù)處理。

3 實證結(jié)果與分析

3.1 基準回歸

在前文理論分析和模型構建的基礎上，本文采用雙向固定效應模型從農(nóng)業(yè)信貸、農(nóng)業(yè)保險、農(nóng)業(yè)投資、財政環(huán)保支出四方面分析農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響，參數(shù)估計結(jié)果見表5。

表5 農(nóng)業(yè)碳排放參數(shù)估計結(jié)果

其中，農(nóng)業(yè)信貸的一次項系數(shù)為正、二次項系數(shù)為負，且在5%的水平上顯著；相反，農(nóng)業(yè)保險的一次項系數(shù)為負、二次項系數(shù)為正，且在1%的水平上顯著；農(nóng)業(yè)投資的系數(shù)為正，財政環(huán)保支出的數(shù)為負，二者皆在均在1%的水平上顯著。

可見以涉農(nóng)貸款余額與農(nóng)戶儲蓄存款余額之比衡量的農(nóng)業(yè)信貸與農(nóng)業(yè)碳排放之間存在顯著的“倒U型”關系，這意味著農(nóng)業(yè)信貸帶來的初期擴張將顯著抬升農(nóng)業(yè)碳排放量，但在后續(xù)規(guī)模效應、技術效率提高、結(jié)構優(yōu)化的綜合作用下，農(nóng)業(yè)信貸將反向抑制農(nóng)業(yè)碳排放；相反，農(nóng)業(yè)保險與農(nóng)業(yè)碳排放呈“U 型”關系，這意味著，農(nóng)業(yè)保險規(guī)模的增加在初期對農(nóng)業(yè)碳排放量有抑制作用，但后期抑制作用逐漸衰減甚至反向?qū)е绿寂欧诺脑黾?，鑒于前文中不同群體樣本對農(nóng)業(yè)保險的異質(zhì)性，本文將就農(nóng)業(yè)保險與農(nóng)業(yè)碳排放“U型”關系在下文中分樣本分析；以農(nóng)業(yè)綜合開發(fā)項目資金投入衡量的農(nóng)業(yè)投資與農(nóng)業(yè)碳排放之間正向關系顯著，農(nóng)業(yè)投資增加1%則碳排放量也增加0.143%，平均來說，農(nóng)業(yè)投資增加1 億元則農(nóng)業(yè)碳排放量增加316 t；以節(jié)能環(huán)保支出衡量的財政支持力度與農(nóng)業(yè)碳排放之間負向關系顯著，財政環(huán)保支出增加1%的環(huán)保項目財政支出則碳排放量減少0.080 4%，平均來說，財政每增加1 億元在生態(tài)保護、污染防治、天然林保護、退耕還林、退牧還草、污染減排等方面的支出，則農(nóng)業(yè)碳排放量減少24.5 t。

3.2 異質(zhì)性分析

3.2.1 東部地區(qū)與中西部地區(qū)的異質(zhì)性

受不同資源稟賦、氣候地理、經(jīng)濟狀況的影響，農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響也有所不同。相對于中西部省份，東部省份經(jīng)濟更發(fā)達，農(nóng)業(yè)碳排放量也較高；農(nóng)業(yè)政策也存在不同，以農(nóng)業(yè)保險為例，根據(jù)《中央財政農(nóng)業(yè)保險保險費補貼管理辦法》，中央財政對東部省份的農(nóng)業(yè)保險支持力度較小，而對中西部省份支持力度較大。鑒于此，本文對東部省份及中西部省份進行分組回歸。

參考相關文獻中的分組方法[24]，設定東部地區(qū)包括北京、天津、山東、上海、江蘇、浙江、河北、遼寧、廣東、福建、海南共11 省（或地區(qū)）；中部地區(qū)包括黑龍江、吉林、山西、江西、河南、安徽、湖北、湖南共8?。ɑ虻貐^(qū)）；西部地區(qū)包括內(nèi)蒙古、陜西、甘肅、貴州、重慶、四川、廣西、云南、青海、寧夏、新疆、西藏共12 ?。ɑ虻貐^(qū)）。東部、中部與西部地區(qū)的分組回歸結(jié)果見表6。

表6 農(nóng)業(yè)碳排放的分組回歸結(jié)果

其中，在東部地區(qū)，農(nóng)業(yè)信貸僅一次項系數(shù)顯著為負，對農(nóng)業(yè)碳排放起單純的抑制作用；農(nóng)業(yè)保險一次項系數(shù)為負、二次項系數(shù)為正，與農(nóng)業(yè)碳排放之間的“U 型”關系依然顯著；農(nóng)業(yè)投資與農(nóng)業(yè)碳排放仍存在顯著的正向關系；而財政環(huán)保支出的影響則不顯著。西部地區(qū)，農(nóng)業(yè)信貸僅一次項系數(shù)顯著為負，對農(nóng)業(yè)碳排放起單純的抑制作用；農(nóng)業(yè)保險一次項系數(shù)為負、二次項系數(shù)為正，與農(nóng)業(yè)碳排放之間的“U型”關系依然顯著；農(nóng)業(yè)投資與農(nóng)業(yè)碳排放仍存在顯著的正向關系；而財政環(huán)保支出對農(nóng)業(yè)碳排放的影響不顯著。中部地區(qū)的財政環(huán)保支出和西部地區(qū)的農(nóng)業(yè)投資分別對農(nóng)業(yè)碳排放呈顯著的負向作用和正向作用，而中西部的農(nóng)業(yè)碳排放對農(nóng)業(yè)信貸和農(nóng)業(yè)保險則較不敏感。

可能的原因：東部省份的農(nóng)業(yè)經(jīng)營者對農(nóng)業(yè)信貸、保險等金融產(chǎn)品的作用更有體會，農(nóng)村金融發(fā)展水平因此對他們的經(jīng)營規(guī)模、種植結(jié)構和生產(chǎn)技術更易發(fā)揮助推作用。而中西部地區(qū)農(nóng)業(yè)經(jīng)營者對農(nóng)業(yè)金融產(chǎn)品的理解較淺，因而其碳排放行為所受的影響較小。

3.2.2 糧食主產(chǎn)區(qū)與非糧食主產(chǎn)區(qū)的異質(zhì)性

糧食主產(chǎn)區(qū)與非糧食主產(chǎn)區(qū)在農(nóng)業(yè)生產(chǎn)規(guī)模、農(nóng)業(yè)碳排放量等方面差異顯著；另一方面，相關研究發(fā)現(xiàn)，糧食作物占比與農(nóng)業(yè)碳排放顯著相關[25]。為了探究農(nóng)村金融水平的影響在糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)的差異，本文進行了分樣本回歸（見表7）。

表7 糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的分樣本回歸結(jié)果

根據(jù)財政部2003年發(fā)布的《關于改革和完善農(nóng)業(yè)綜合開發(fā)若干政策措施的意見》，糧食主產(chǎn)區(qū)包括內(nèi)蒙古、河南、河北、湖南、湖北、黑龍江、吉林、遼寧、山東、江蘇、安徽、江西、四川共13個省區(qū)；非糧食主產(chǎn)區(qū)包括北京、天津、上海、浙江、甘肅、山西、陜西、重慶、貴州、廣東、廣西、福建、海南、寧夏、青海、云南、新疆、西藏共18個省區(qū)。

其中，糧食主產(chǎn)區(qū)的核心解釋變量均不顯著；而非糧食主產(chǎn)區(qū)的核心解釋變量至少在10%的水平上顯著，且其符號與基準回歸一致。這意味著，糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放對農(nóng)村金融發(fā)展水平并不敏感，而非糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放受農(nóng)村金融發(fā)展水平的影響程度較深。

可能的原因：糧食主產(chǎn)區(qū)的政策推動了農(nóng)業(yè)經(jīng)營規(guī)?；娃r(nóng)作物的趨糧化。這意味著，糧食主產(chǎn)區(qū)的農(nóng)村金融發(fā)展通過推動規(guī)模擴大和結(jié)構調(diào)整兩條路徑影響農(nóng)業(yè)碳排放量的空間有限，相較于非糧食主產(chǎn)區(qū)，農(nóng)村金融發(fā)展水平的作用對其更小。

4 結(jié)論與政策建議

4.1 結(jié)論

金融的環(huán)境效益是近年備受關注的話題，本文從農(nóng)業(yè)信貸、農(nóng)業(yè)保險、農(nóng)業(yè)投資、財政環(huán)保支出四個維度聚焦農(nóng)村金融發(fā)展對農(nóng)業(yè)碳排放的影響，并基于2011—2020年中國31省的面板數(shù)據(jù)構建了雙向面板固定效應模型，得出如下結(jié)論。

1）農(nóng)業(yè)信貸與農(nóng)業(yè)碳排放之間呈“倒U 型”關系；農(nóng)業(yè)保險則與之呈“U 型”關系；農(nóng)業(yè)投資和財政環(huán)保支出對農(nóng)業(yè)碳排放量分別起促進與抑制作用。

2）從異質(zhì)性角度看，在東部省份，金融發(fā)展水平對農(nóng)業(yè)碳排放的影響更顯著，而中西部省份的農(nóng)業(yè)碳排放則相對不敏感；相對于糧食主產(chǎn)區(qū)，非糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放受金融發(fā)展水平的影響更顯著。

4.2 政策建議

1）促進農(nóng)村普惠金融發(fā)展。加快普及小農(nóng)戶普惠信用貸款、加快提升新型農(nóng)業(yè)經(jīng)營主體金融服務水平，可出臺加大對農(nóng)業(yè)信貸的貼息力度、優(yōu)化農(nóng)業(yè)信貸的利率政策、拓寬農(nóng)業(yè)農(nóng)村抵押質(zhì)押物范圍等激勵政策；建立健全“三農(nóng)”效能評價考核制度，激勵金融機構對農(nóng)業(yè)經(jīng)營主體信貸投放的積極性、擴大農(nóng)業(yè)信貸供給，引導金融服務重心下沉、拓寬面向低碳農(nóng)業(yè)的服務渠道。

2）發(fā)揮農(nóng)業(yè)保險的減碳功能。開發(fā)價格保險、收入保險等多樣化農(nóng)保產(chǎn)品，完善中國農(nóng)業(yè)風險保障體系、緩解災害等外部沖擊導致的農(nóng)業(yè)碳排激增；創(chuàng)新綠色導向的農(nóng)保產(chǎn)品，以高保障、高補貼激勵環(huán)境友好型生產(chǎn)技術的應用、削弱農(nóng)用化學品和機械等碳源的負面影響；加強農(nóng)保政策與環(huán)保的配合程度，增強農(nóng)業(yè)環(huán)境監(jiān)察和環(huán)保政策執(zhí)行力度，避免經(jīng)營者投入過量農(nóng)業(yè)生產(chǎn)要素而加劇農(nóng)業(yè)碳排放。對中、西部省份的農(nóng)業(yè)經(jīng)營者，要加強參保收益教育的普及，深化農(nóng)業(yè)保險在農(nóng)業(yè)規(guī)模經(jīng)營、結(jié)構優(yōu)化中的助推作用；同時，進一步簡化農(nóng)業(yè)保險賠付手續(xù)、規(guī)范農(nóng)業(yè)保險定損標準，降低受災農(nóng)戶獲賠門檻。

3）健全政府性融資擔保和風險分擔機制。各級政府性融資擔保、再擔保機構應聚焦提升支農(nóng)服務能力、充分發(fā)揮增信分險作用，優(yōu)化銀行業(yè)金融機構與融資擔?；鸬你y擔合作機制、健全風險分擔和補償機制，降低農(nóng)業(yè)綜合融資成本、撬動社會資金流入綠色農(nóng)業(yè)投資、增強農(nóng)業(yè)低碳高質(zhì)發(fā)展的內(nèi)生動力。