曹俐，郭忠宇，閆周府

（上海海洋大學(xué) 經(jīng)濟(jì)管理學(xué)院，上海 201306）

氣候環(huán)境惡化是全球聚焦的熱點(diǎn)問(wèn)題。工業(yè)革命以來(lái)，對(duì)于化石能源的過(guò)度使用造成全球氣候迅速惡化，氣候問(wèn)題頻繁發(fā)生。目前，中國(guó)已經(jīng)成為世界上最大的碳排放國(guó)家，而過(guò)往粗放高排放的發(fā)展模式已難以適應(yīng)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展轉(zhuǎn)型的要求。2020 年9 月，中國(guó)政府明確提出了碳減排兩步走的戰(zhàn)略目標(biāo)：二氧化碳排放力爭(zhēng)于2030 年前達(dá)到峰值，2060 年前實(shí)現(xiàn)中和[1]。作為國(guó)民經(jīng)濟(jì)發(fā)展奠基型行業(yè)，我國(guó)農(nóng)業(yè)所產(chǎn)生的溫室氣體排放約占全國(guó)碳排放總量的17%[2]，但相比于城市而言，農(nóng)業(yè)低碳轉(zhuǎn)型得到的關(guān)注度仍然有所欠缺，小農(nóng)生產(chǎn)和分散經(jīng)營(yíng)并存、基礎(chǔ)設(shè)施建設(shè)滯后、資源和生態(tài)環(huán)境雙重約束、產(chǎn)業(yè)結(jié)構(gòu)和供需結(jié)構(gòu)失衡等問(wèn)題依然嚴(yán)峻[3-4]。傳統(tǒng)農(nóng)業(yè)發(fā)展模式所存在的以上問(wèn)題十分不利于實(shí)現(xiàn)農(nóng)業(yè)的低碳綠色轉(zhuǎn)型，完成社會(huì)主義現(xiàn)代化和實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展目標(biāo)。

數(shù)字經(jīng)濟(jì)作為一種嶄新的經(jīng)濟(jì)形態(tài)具備高規(guī)模、高附加值、高參與度、高便捷性的優(yōu)勢(shì)，不僅能夠促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展[5-7]，而且表現(xiàn)出一定的生態(tài)環(huán)境效應(yīng)。數(shù)字經(jīng)濟(jì)通過(guò)加速能源公平[8]、驅(qū)動(dòng)能源結(jié)構(gòu)綠色轉(zhuǎn)型[9]，從而促進(jìn)新興經(jīng)濟(jì)體高質(zhì)量綠色發(fā)展[10]。雖然學(xué)者已經(jīng)將數(shù)字經(jīng)濟(jì)引入到環(huán)境框架中，并且得到數(shù)字經(jīng)濟(jì)能夠抑制區(qū)域碳排放[11-12]的結(jié)論，但是關(guān)于數(shù)字經(jīng)濟(jì)與產(chǎn)業(yè)碳排放尤其是農(nóng)業(yè)碳排放之間的效應(yīng)研究還比較缺乏。而農(nóng)業(yè)碳排放作為我國(guó)的碳排放大戶，降低農(nóng)業(yè)碳排放，實(shí)現(xiàn)農(nóng)業(yè)發(fā)展向綠色低碳化轉(zhuǎn)型是實(shí)現(xiàn)鄉(xiāng)村振興、完成“雙碳”目標(biāo)的應(yīng)有之義。因此，探討當(dāng)前數(shù)字經(jīng)濟(jì)能否改變農(nóng)業(yè)傳統(tǒng)生產(chǎn)模式，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展顯得十分重要。

全要素生產(chǎn)率是推動(dòng)農(nóng)業(yè)可持續(xù)增長(zhǎng)的動(dòng)力源泉[13]，數(shù)字經(jīng)濟(jì)作為一種新經(jīng)濟(jì)形態(tài)能夠優(yōu)化經(jīng)濟(jì)內(nèi)部資源分配方式，重構(gòu)社會(huì)內(nèi)部生產(chǎn)關(guān)系，提升社會(huì)生產(chǎn)力，被認(rèn)為是全要素生產(chǎn)率的創(chuàng)新驅(qū)動(dòng)因素[14]。既然農(nóng)業(yè)低碳的生產(chǎn)方式和農(nóng)業(yè)全要素生產(chǎn)率的提升作為衡量農(nóng)業(yè)高質(zhì)量發(fā)展的兩個(gè)重要因素，那么研究數(shù)字經(jīng)濟(jì)能否通過(guò)提升農(nóng)業(yè)全要素生產(chǎn)率這一路徑影響農(nóng)業(yè)碳排放這一問(wèn)題就具有了重要理論意義和現(xiàn)實(shí)意義。

為此，本文構(gòu)建了農(nóng)業(yè)數(shù)字經(jīng)濟(jì)指標(biāo)體系，借鑒溫忠麟等[15]提出的中介效應(yīng)檢驗(yàn)程序，構(gòu)建數(shù)字經(jīng)濟(jì)、農(nóng)業(yè)全要素生產(chǎn)率和農(nóng)業(yè)碳排放強(qiáng)度之間關(guān)系的模型，利用2014—2020 年中國(guó)30 個(gè)省份的面板數(shù)據(jù)，實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放的影響及其作用機(jī)制。本文可能存在的貢獻(xiàn)有：①構(gòu)建農(nóng)業(yè)數(shù)字經(jīng)濟(jì)評(píng)價(jià)體系，探究農(nóng)業(yè)數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放的影響，為數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)提供農(nóng)業(yè)證據(jù)；②引入農(nóng)業(yè)全要素生產(chǎn)率，拓寬數(shù)字經(jīng)濟(jì)與農(nóng)業(yè)碳排放的研究框架，揭示三者之間的影響機(jī)制，為數(shù)字經(jīng)濟(jì)如何高效率降低農(nóng)業(yè)碳排放提供指引方向；③探究了不同區(qū)域之間不同數(shù)字經(jīng)濟(jì)發(fā)展水平對(duì)于農(nóng)業(yè)碳排放的影響差異，為農(nóng)業(yè)碳減排因地施策打下堅(jiān)實(shí)基礎(chǔ)。

1 理論分析與研究假說(shuō)

1.1 數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)碳排放的內(nèi)在機(jī)制

數(shù)字經(jīng)濟(jì)農(nóng)業(yè)碳減排效應(yīng)主要體現(xiàn)在以下三個(gè)方面：①數(shù)字經(jīng)濟(jì)具有環(huán)境友好型特征。數(shù)字經(jīng)濟(jì)以數(shù)據(jù)資源為核心生產(chǎn)要素，在農(nóng)業(yè)生產(chǎn)中發(fā)揮作用時(shí)并不依靠投放化肥、農(nóng)藥、農(nóng)膜等物質(zhì)要素來(lái)擴(kuò)大生產(chǎn)，因此數(shù)字經(jīng)濟(jì)在促進(jìn)農(nóng)業(yè)發(fā)展的同時(shí)不會(huì)增加農(nóng)業(yè)碳排放的碳源。②數(shù)字經(jīng)濟(jì)的發(fā)展有利于農(nóng)業(yè)碳交易市場(chǎng)的建立。我國(guó)的碳交易市場(chǎng)在碳減排方面取得了顯著的成果[16-17]，但是碳交易市場(chǎng)仍處于起步階段，覆蓋農(nóng)業(yè)范圍不廣，不能有效核查和測(cè)算碳排放、排放權(quán)分配不合理、政府監(jiān)管失位[18-19]等問(wèn)題依然存在，數(shù)字經(jīng)濟(jì)依托大數(shù)據(jù)、區(qū)塊鏈和云計(jì)算等數(shù)字技術(shù)，在監(jiān)測(cè)碳排放過(guò)程中得到翔實(shí)的數(shù)據(jù)資源，憑借大量數(shù)據(jù)分析完善碳市場(chǎng)建設(shè)。③數(shù)字經(jīng)濟(jì)促進(jìn)農(nóng)村產(chǎn)業(yè)融合發(fā)展。數(shù)字經(jīng)濟(jì)以現(xiàn)代信息網(wǎng)絡(luò)為載體，實(shí)現(xiàn)對(duì)農(nóng)業(yè)領(lǐng)域的持續(xù)滲透和廣泛應(yīng)用，在農(nóng)業(yè)生產(chǎn)、銷售和消費(fèi)端內(nèi)部建立起深入銜接、密切融合、相互促進(jìn)的連貫體系，改變農(nóng)業(yè)既有的社會(huì)—網(wǎng)絡(luò)—物理框架[20]，優(yōu)化農(nóng)村生態(tài)價(jià)值鏈效率，降低農(nóng)業(yè)產(chǎn)業(yè)鏈運(yùn)轉(zhuǎn)資源損耗，提高農(nóng)業(yè)發(fā)展效能。綜上所述，本文提出研究假說(shuō)如下：

假說(shuō)H1：數(shù)字經(jīng)濟(jì)發(fā)展能夠顯著降低農(nóng)業(yè)碳排放強(qiáng)度。

1.2 農(nóng)業(yè)全要素生產(chǎn)率的中介作用

完全競(jìng)爭(zhēng)市場(chǎng)被認(rèn)為是最有效率的市場(chǎng)，信息充分化和無(wú)交易成本是完全競(jìng)爭(zhēng)市場(chǎng)的兩大特征。但是在現(xiàn)實(shí)生活中這種理想的市場(chǎng)形態(tài)很難存在，經(jīng)濟(jì)活動(dòng)總會(huì)出現(xiàn)信息不對(duì)稱和要素錯(cuò)配現(xiàn)象，這種現(xiàn)象會(huì)造成資源的損失，降低全要素生產(chǎn)率[21]。而互聯(lián)網(wǎng)和數(shù)字化平臺(tái)技術(shù)的應(yīng)用可以逾越農(nóng)業(yè)生產(chǎn)者和消費(fèi)者在時(shí)空上的交流障礙，優(yōu)化農(nóng)業(yè)經(jīng)營(yíng)環(huán)境，多方位、全角度地滿足生產(chǎn)者和消費(fèi)者的交易需求，減少農(nóng)業(yè)市場(chǎng)交易摩擦，挽回信息不對(duì)稱和要素錯(cuò)配現(xiàn)象帶來(lái)的損失。如在土地流轉(zhuǎn)的模式中，農(nóng)業(yè)數(shù)據(jù)資源作為一種特殊的生產(chǎn)要素，將農(nóng)業(yè)各個(gè)生產(chǎn)環(huán)節(jié)進(jìn)行有效擬合，可以合理調(diào)配農(nóng)業(yè)系統(tǒng)中土地、勞動(dòng)、資本、技術(shù)等生產(chǎn)要素，優(yōu)化資源配置，產(chǎn)生規(guī)模效應(yīng)，獲得規(guī)模收益，提升技術(shù)效率；在網(wǎng)購(gòu)和直播模式中，農(nóng)業(yè)消費(fèi)者通過(guò)數(shù)字搜索引擎獲取使自己效用最大化的商品和服務(wù)，農(nóng)業(yè)生產(chǎn)者借助數(shù)字化平臺(tái)突破線下場(chǎng)地限制增加產(chǎn)品曝光流量。因此，數(shù)字經(jīng)濟(jì)會(huì)提升農(nóng)業(yè)全要素生產(chǎn)率。

農(nóng)業(yè)全要素生產(chǎn)率可以較為客觀全面地衡量一個(gè)地區(qū)的農(nóng)業(yè)表現(xiàn)[22]，可被分解為農(nóng)業(yè)技術(shù)進(jìn)步和農(nóng)業(yè)技術(shù)效率。技術(shù)效率的提高是通過(guò)資源配置的優(yōu)化來(lái)實(shí)現(xiàn)的，而資源配置的優(yōu)化可以實(shí)現(xiàn)對(duì)資源的專業(yè)化利用，如數(shù)字經(jīng)濟(jì)收集并分析農(nóng)業(yè)全產(chǎn)業(yè)鏈的核心數(shù)據(jù)，形成細(xì)分的分工體系[23]。數(shù)字經(jīng)濟(jì)爆發(fā)所帶來(lái)的信息流能夠改變農(nóng)戶的生產(chǎn)作業(yè)意愿，產(chǎn)生極強(qiáng)的技術(shù)外溢效應(yīng)，促使農(nóng)戶積極向?qū)I(yè)化方向轉(zhuǎn)變，推動(dòng)新技術(shù)在農(nóng)業(yè)生產(chǎn)系統(tǒng)中的應(yīng)用。高新技術(shù)可以極大降低中間物質(zhì)的消耗，如植保無(wú)人機(jī)航空施藥作業(yè)與傳統(tǒng)的人工施藥和地面機(jī)械施藥方法相比，具有作業(yè)效率高、成本低、農(nóng)藥利用率高的特點(diǎn)[24]，低空低量噴施方式相對(duì)于人工與機(jī)械噴施方式防治效果提升了15%～35%[25]；計(jì)算機(jī)輔助設(shè)計(jì)技術(shù)在棉花膜下滴灌系統(tǒng)中的成功應(yīng)用產(chǎn)生了良好的社會(huì)生態(tài)經(jīng)濟(jì)效益。農(nóng)業(yè)全要素生產(chǎn)率憑借以上方式減少碳源，降低農(nóng)業(yè)生產(chǎn)成本，從而降低農(nóng)業(yè)碳排放強(qiáng)度。綜上所述，本文提出研究假說(shuō)如下：

假說(shuō)H2：數(shù)字經(jīng)濟(jì)能夠通過(guò)提升農(nóng)業(yè)全要素生產(chǎn)率，進(jìn)而有效降低農(nóng)業(yè)碳排放強(qiáng)度。

本文邏輯框架圖如圖1 所示。

圖1 數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)碳排放邏輯框架圖

2 模型構(gòu)建與變量選擇

2.1 模型設(shè)定

為了考察數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響，本文設(shè)定直接效應(yīng)模型如式（1）所示：

式中：i代表地區(qū)，t代表年份，被解釋變量EIit為各地區(qū)農(nóng)業(yè)碳排放強(qiáng)度，核心解釋變量DEit表示各個(gè)地區(qū)農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展水平，Controljit表示控制變量，μi表示地區(qū)固定效應(yīng)，yeart表示時(shí)間固定效應(yīng)，εit表示隨機(jī)誤差項(xiàng)。

本文分析數(shù)字經(jīng)濟(jì)發(fā)展通過(guò)提升農(nóng)業(yè)全要素生產(chǎn)率有助于降低農(nóng)業(yè)生產(chǎn)資料中間消耗，提升農(nóng)用物質(zhì)利用率，促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)高質(zhì)量發(fā)展的同時(shí)進(jìn)而降低碳排放強(qiáng)度。即可能存在“農(nóng)業(yè)數(shù)字經(jīng)濟(jì)—農(nóng)業(yè)全要素生產(chǎn)率—農(nóng)業(yè)碳排放強(qiáng)度”的傳導(dǎo)路徑。本文參考溫忠麟等[15]的中介效應(yīng)檢驗(yàn)程序，構(gòu)建數(shù)字經(jīng)濟(jì)、全要素生產(chǎn)率和碳排放強(qiáng)度的中介效應(yīng)模型：

式（2）、（3）中：ATFP表示農(nóng)業(yè)全要素生產(chǎn)率，其余符號(hào)含義同式（1）。

2.2 變量選擇

2.2.1 被解釋變量：農(nóng)業(yè)碳排放

本文的農(nóng)業(yè)指狹義的農(nóng)業(yè)種植業(yè)。根據(jù)我國(guó)農(nóng)業(yè)生產(chǎn)高投入的特點(diǎn)，構(gòu)建如下農(nóng)業(yè)碳排放公式：

式（4）、（5）中：E為農(nóng)業(yè)生產(chǎn)活動(dòng)的碳排放總量，Ei為i類碳源的碳排放總量，Ti為i類碳源數(shù)量，δi為i類碳的碳排放因子，EI表示農(nóng)業(yè)碳排放強(qiáng)度，AGDP表示農(nóng)業(yè)生產(chǎn)總值。參考曹俐等[26]的做法，可以得知農(nóng)業(yè)碳排放來(lái)源于農(nóng)藥、農(nóng)膜、化肥等物質(zhì)的投放、農(nóng)用柴油、農(nóng)業(yè)灌溉電能的消耗以及農(nóng)業(yè)翻耕導(dǎo)致的碳流失。各類碳源碳排放因子如表1 所示。

表1 農(nóng)業(yè)碳排放系數(shù)

2.2.2 核心解釋變量：農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)

目前關(guān)于數(shù)字經(jīng)濟(jì)發(fā)展水平的測(cè)度，主要分為兩類。一是以中國(guó)信通院為代表的直接測(cè)算法：通過(guò)計(jì)算傳統(tǒng)產(chǎn)業(yè)的數(shù)字經(jīng)濟(jì)規(guī)模和ICT 的總資本存量之和來(lái)得到數(shù)字經(jīng)濟(jì)的總體規(guī)模[29]，但是這種方法太過(guò)依賴數(shù)據(jù)的準(zhǔn)確性和數(shù)字經(jīng)濟(jì)概念的精準(zhǔn)分類。二是指標(biāo)測(cè)度法：基于不同的地區(qū)或者行業(yè)，選取不同維度的指標(biāo)來(lái)衡量相關(guān)地區(qū)或者行業(yè)的數(shù)字經(jīng)濟(jì)發(fā)展規(guī)模。目前學(xué)者通常采用數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施建設(shè)、產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化來(lái)衡量數(shù)字經(jīng)濟(jì)發(fā)展水平[14,30-31]。但是上述指標(biāo)并不能完全反映數(shù)字技術(shù)在農(nóng)業(yè)上的普及度和接納度，普惠金融指數(shù)[32]從人群覆蓋廣度、使用深度、數(shù)字化程度三方面來(lái)衡量不同地區(qū)享受到數(shù)字技術(shù)的便利性，很好地補(bǔ)充上述指標(biāo)體系所面臨的缺陷。鑒于數(shù)據(jù)的可得性，并通過(guò)綜合借鑒已有研究，本文從農(nóng)村數(shù)字經(jīng)濟(jì)基礎(chǔ)建設(shè)、農(nóng)業(yè)數(shù)字化、農(nóng)村數(shù)字產(chǎn)業(yè)化和普惠金融指數(shù)四個(gè)方面來(lái)綜合評(píng)價(jià)農(nóng)業(yè)數(shù)字經(jīng)濟(jì)的發(fā)展水平。為了保證數(shù)字經(jīng)濟(jì)評(píng)價(jià)指標(biāo)的客觀性，本文采用熵值法來(lái)對(duì)各個(gè)指標(biāo)進(jìn)行加權(quán)賦值（表2）。

表2 農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展評(píng)價(jià)體系

2.2.3 中介變量：農(nóng)業(yè)全要素生產(chǎn)率

本文計(jì)算以產(chǎn)出為導(dǎo)向，規(guī)模報(bào)酬可變的DEAMalmquist 指數(shù)，使用DEAP 2.1 軟件計(jì)算省級(jí)的農(nóng)業(yè)全要素生產(chǎn)率。在計(jì)算農(nóng)業(yè)全要素生產(chǎn)率時(shí)，采用農(nóng)業(yè)總產(chǎn)值作為期望產(chǎn)出指標(biāo)；土地投入以農(nóng)作物耕種面積（千公頃）表示；勞動(dòng)投入以農(nóng)業(yè)從業(yè)人員（萬(wàn)人）表示；機(jī)械投入以農(nóng)業(yè)機(jī)械總動(dòng)力（萬(wàn)千瓦）表示；水資源投入以有效灌溉面積（千公頃）表示；農(nóng)用生產(chǎn)物質(zhì)投入以化肥折純使用量（萬(wàn)噸）、農(nóng)藥使用量（萬(wàn)噸）、農(nóng)膜使用量（萬(wàn)噸）、農(nóng)用柴油使用量（萬(wàn)噸）來(lái)表示。其中，農(nóng)業(yè)從業(yè)人員以第一產(chǎn)業(yè)從業(yè)人員×（農(nóng)業(yè)總產(chǎn)值/農(nóng)林牧漁業(yè)總產(chǎn)值）進(jìn)行折算。

2.2.4 控制變量

控制變量主要包括其他可能影響農(nóng)業(yè)碳排放強(qiáng)度的因素：城鎮(zhèn)化率（urban），用城市人口占總?cè)丝诘谋戎貋?lái)表示；農(nóng)村人口規(guī)模（population），用農(nóng)村人口數(shù)來(lái)表示；農(nóng)業(yè)機(jī)械化（machine），用農(nóng)業(yè)機(jī)械總動(dòng)力表示；農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（structure），用種植業(yè)的產(chǎn)值比上農(nóng)林牧漁業(yè)的總產(chǎn)值來(lái)表示；能源利用效率（energy efficiency），用每單位農(nóng)業(yè)GDP 所消耗的柴油量表示；農(nóng)村經(jīng)濟(jì)發(fā)展水平（revenue），用農(nóng)村人均可支配收入來(lái)表示。

2.2.5 數(shù)據(jù)來(lái)源

本文選取中國(guó)30 個(gè)省份（西藏及港澳臺(tái)地區(qū)因部分?jǐn)?shù)據(jù)缺失予以剔除）為研究樣本，基于數(shù)據(jù)可得性和中國(guó)近十年來(lái)電子計(jì)算機(jī)和智能手機(jī)的普及，本文的研究區(qū)間選定為2014—2020 年?；A(chǔ)數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局及《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》，所有涉及生產(chǎn)總值的數(shù)據(jù)均以2010 年不變價(jià)進(jìn)行折算，部分缺失數(shù)據(jù)采用插值法進(jìn)行補(bǔ)充。變量的描述性統(tǒng)計(jì)見表3。

表3 變量描述性統(tǒng)計(jì)

3 實(shí)證結(jié)果與分析

3.1 農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)測(cè)算結(jié)果分析

基于表2 建立的農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展評(píng)價(jià)指標(biāo)體系和測(cè)算方法，得到2014—2020 年中國(guó)30 個(gè)省份農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)的空間分布。

圖2 顯示了中國(guó)不同省份農(nóng)業(yè)數(shù)字經(jīng)濟(jì)指數(shù)的變化，可以看出中國(guó)農(nóng)業(yè)數(shù)字經(jīng)濟(jì)在2014—2020 年內(nèi)呈現(xiàn)蓬勃發(fā)展態(tài)勢(shì)，但是其發(fā)展大致與經(jīng)濟(jì)發(fā)展水平呈現(xiàn)正相關(guān)關(guān)系。東部農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展處于領(lǐng)頭羊地位，全國(guó)農(nóng)業(yè)數(shù)字經(jīng)濟(jì)排名前5 的省份全在東部地區(qū)；而中西部數(shù)字經(jīng)濟(jì)的發(fā)展明顯滯后于東部，其可能的原因是經(jīng)濟(jì)發(fā)達(dá)地區(qū)擁有雄厚資金和大量?jī)?yōu)質(zhì)人才，在進(jìn)行數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施建設(shè)，技術(shù)滲透融合方面具有優(yōu)勢(shì)地位。值得注意的是，西部地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展的增長(zhǎng)速率在2016—2020 年加大，大有趕超中部地區(qū)的態(tài)勢(shì)，其可能的原因是“一帶一路”的穩(wěn)步推進(jìn)加大了對(duì)西部基礎(chǔ)設(shè)施建設(shè)的投資力度，“東數(shù)西算”工程發(fā)揮了西部資源優(yōu)勢(shì)，降低了西部獲取數(shù)據(jù)的成本，推動(dòng)西部數(shù)字算力需求的上升。

圖2 選定年份的中國(guó)農(nóng)業(yè)數(shù)字經(jīng)濟(jì)指數(shù)的空間分布

3.2 數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響

在做基本回歸之前，考慮到可能存在異方差和面板自相關(guān)的問(wèn)題，本文選用聚類穩(wěn)健標(biāo)準(zhǔn)誤。通過(guò)對(duì)時(shí)間效應(yīng)的F 檢驗(yàn)和Hausman 檢驗(yàn)，本文擬選擇固定時(shí)間和個(gè)體的雙向固定效應(yīng)模型。

表4 中模型（1）和模型（2）報(bào)告了數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放強(qiáng)度的基準(zhǔn)回歸結(jié)果，模型（1）未添加任何控制變量，模型（2）中加入了影響農(nóng)業(yè)碳排放強(qiáng)度的控制變量。模型（1）和（2）的回歸結(jié)果顯示，農(nóng)業(yè)數(shù)字經(jīng)濟(jì)的系數(shù)最低在10%的水平下顯著為負(fù)，表明農(nóng)業(yè)數(shù)字經(jīng)濟(jì)的發(fā)展會(huì)提升農(nóng)業(yè)產(chǎn)業(yè)數(shù)字化、信息化水平，農(nóng)用中間物質(zhì)使用效率增加，驅(qū)動(dòng)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，向綠色可持續(xù)方向發(fā)展，降低農(nóng)業(yè)碳排放強(qiáng)度，實(shí)現(xiàn)“雙碳”目標(biāo)，即假設(shè)H1 得到驗(yàn)證。在加入控制變量之后，農(nóng)業(yè)數(shù)字經(jīng)濟(jì)系數(shù)顯著性增加，系數(shù)絕對(duì)值降低，且R2增加，說(shuō)明除了數(shù)字經(jīng)濟(jì)之外還有其他的因素在影響農(nóng)業(yè)碳排放，選取的控制變量合理有效。

表4 基準(zhǔn)回歸結(jié)果

在控制變量中，農(nóng)村農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)系數(shù)顯著為負(fù)，說(shuō)明目前種植業(yè)正在朝著低碳方向發(fā)展；能源利用效率的系數(shù)顯著為正，說(shuō)明我國(guó)目前農(nóng)業(yè)的能源結(jié)構(gòu)還是以化石能源為主，能源利用效率提升增大了對(duì)能源的需求，最終促進(jìn)了碳排放增加；農(nóng)村人均可支配收入系數(shù)顯著為負(fù)，說(shuō)明隨著經(jīng)濟(jì)農(nóng)村居民收入水平的上升，農(nóng)村的生產(chǎn)方式和消費(fèi)方式都更傾向于綠色低碳方向。

3.3 數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放強(qiáng)度的作用路徑

表4 中模型（2）～（4）分別代表了式（1）～（3）的回歸結(jié)果。參考溫忠麟等[15]的中介效應(yīng)檢驗(yàn)流程，首先檢驗(yàn)式（1）數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)碳排放強(qiáng)度的系數(shù)α1，在1%的水平上顯著，以中介效應(yīng)立論。接下來(lái)依次檢驗(yàn)式（2）中l(wèi)nDE的系數(shù)β1和式（3）中l(wèi)nATFP的系數(shù)γ2，發(fā)現(xiàn)兩者都至少在10%的水平上顯著，認(rèn)為間接效應(yīng)顯著。然后檢驗(yàn)式（3）中l(wèi)nDE的系數(shù)γ1，在5%的水平下顯著，并且β1×γ2與γ1的符號(hào)都為負(fù)號(hào)，證明了在數(shù)字經(jīng)濟(jì)顯著降低農(nóng)業(yè)碳排放強(qiáng)度的過(guò)程中，農(nóng)業(yè)全要素生產(chǎn)率發(fā)揮了部分中介效應(yīng)，經(jīng)計(jì)算，中介效應(yīng)占比為31.1%，假設(shè)2 成立，即農(nóng)業(yè)全要素生產(chǎn)率是數(shù)字經(jīng)濟(jì)降低農(nóng)業(yè)碳排放強(qiáng)度的重要作用路徑。

3.4 異質(zhì)性分析

中國(guó)的東西部橫跨尺度大，存在著顯著的經(jīng)濟(jì)結(jié)構(gòu)差異和自然環(huán)境差異。為了更為細(xì)致地探索數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放的影響以及各個(gè)地區(qū)呈現(xiàn)的差異化特征，本文將全國(guó)分為東部、中部、西部三大地帶①東部地帶：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南11 個(gè)省份；中部地帶：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8 個(gè)省份；西部地帶：內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆12 個(gè)省份。。在表5 中分別給出東部、中部、西部數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)碳排放的回歸結(jié)果。通過(guò)比較表5 中模型（1）、（4）、（7）發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)于碳排放強(qiáng)度的抑制作用存在明顯的區(qū)域差異。東部數(shù)字經(jīng)濟(jì)對(duì)碳排放強(qiáng)度具有顯著的抑制作用，但低于全國(guó)的平均水平；西部數(shù)字經(jīng)濟(jì)對(duì)碳排放強(qiáng)度也具有顯著的抑制作用，明顯高于全國(guó)的平均水平；中部數(shù)字經(jīng)濟(jì)對(duì)碳排放強(qiáng)度具有抑制作用，但沒有通過(guò)顯著性檢驗(yàn)。這也與謝云飛[9]和韓晶等[33]得到的數(shù)字經(jīng)濟(jì)對(duì)落后地區(qū)的碳減排效應(yīng)強(qiáng)于發(fā)達(dá)地區(qū)的結(jié)論相一致。其原因可能是東部地區(qū)雖然數(shù)字經(jīng)濟(jì)發(fā)展水平較高，但是原來(lái)較高的技術(shù)水平可能降低了數(shù)字經(jīng)濟(jì)在農(nóng)業(yè)碳排放強(qiáng)度上的邊際效應(yīng)；西部地帶擁有地廣人稀的農(nóng)業(yè)優(yōu)勢(shì)，雖然其技術(shù)水平較低，但相對(duì)于東部和中部來(lái)說(shuō)，西部地帶在應(yīng)用數(shù)字經(jīng)濟(jì)方面具有后發(fā)優(yōu)勢(shì)，在調(diào)動(dòng)要素配置、獲取規(guī)模收益上擁有更大的發(fā)展空間；中部地帶作為我國(guó)重要的能源和原材料基地，在進(jìn)行數(shù)字技術(shù)基礎(chǔ)建設(shè)時(shí)會(huì)比非資源型地區(qū)有更強(qiáng)的資源路徑依賴，陷入“資源詛咒”效應(yīng)[34]，從而抵消了數(shù)字經(jīng)濟(jì)所帶來(lái)的農(nóng)業(yè)碳減排效應(yīng)。

表5 異質(zhì)性分析（分區(qū)域）

通過(guò)對(duì)比表5 中東中西部所有模型，發(fā)現(xiàn)只有東部的農(nóng)業(yè)全要素生產(chǎn)率在數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響路徑中發(fā)揮中介作用，與之相對(duì)應(yīng)的是模型（5）和（8）中數(shù)字經(jīng)濟(jì)的系數(shù)都不顯著。其原因可能是中西部的數(shù)字經(jīng)濟(jì)建設(shè)還處于初期階段，相較于東部來(lái)說(shuō)對(duì)于農(nóng)業(yè)全要素生產(chǎn)率的影響能力較弱。

3.5 穩(wěn)健性檢驗(yàn)

為了進(jìn)一步檢驗(yàn)數(shù)字經(jīng)濟(jì)發(fā)展對(duì)農(nóng)業(yè)碳排放的影響，本文通過(guò)替換被解釋變量，增加控制變量，選取工具變量的方法進(jìn)行穩(wěn)健性檢驗(yàn)。

（1）替換被解釋變量。采用農(nóng)業(yè)人均碳排放對(duì)因變量進(jìn)行更換，進(jìn)一步檢驗(yàn)替換因變量后的結(jié)論是否成立。表6 模型（1）為數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)人均碳排放的回歸結(jié)果，與基準(zhǔn)回歸結(jié)果基本一致，證明結(jié)果的穩(wěn)健性。

表6 穩(wěn)健性檢驗(yàn)

（2）增加控制變量。影響農(nóng)業(yè)碳排放的因素有很多，參考張金鑫等[35]的做法增加環(huán)境規(guī)制（ER）變量來(lái)考察模型中可能存在的遺漏變量問(wèn)題，其回歸結(jié)果為表6 模型（2）。

（3）工具變量法。考慮到可能存在的測(cè)量誤差所引起的內(nèi)生性問(wèn)題，參照萬(wàn)永坤等[36]的做法，選取核心解釋變量數(shù)字經(jīng)濟(jì)滯后一期（IV）作為工具變量來(lái)進(jìn)行2SLS 檢驗(yàn)，回歸結(jié)果見表6 模型（3）。數(shù)字經(jīng)濟(jì)回歸系數(shù)在10%的水平下顯著為負(fù)。從IV-2SLS 估計(jì)的Wald檢驗(yàn)可以發(fā)現(xiàn)，在1%顯著性水平拒絕了外生的原假設(shè)，說(shuō)明存在內(nèi)生性問(wèn)題；從一階段的F 統(tǒng)計(jì)量對(duì)應(yīng)的P值可以發(fā)現(xiàn)，在1%顯著性水平拒絕了原假設(shè)，說(shuō)明工具變量合理有效，可信度較高。

4 結(jié)論與建議

4.1 結(jié)論

本文使用熵值法測(cè)算了我國(guó)30 個(gè)省份2014—2020年的農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展指標(biāo)，并以此為基礎(chǔ)研究數(shù)字經(jīng)濟(jì)對(duì)于農(nóng)業(yè)碳排放的影響作用，同時(shí)引入農(nóng)業(yè)全要素生產(chǎn)率作為中介變量，探究數(shù)字經(jīng)濟(jì)、農(nóng)業(yè)碳排放和農(nóng)業(yè)全要素生產(chǎn)率之間的關(guān)系以及這種關(guān)系在不同區(qū)域之間的差異。其主要結(jié)論如下：

（1）中國(guó)的農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展穩(wěn)步上升，但是其發(fā)展具有明顯的區(qū)域差異，大致與經(jīng)濟(jì)發(fā)展水平呈現(xiàn)正相關(guān)關(guān)系，由東部至西部逐漸減少。西部地區(qū)表現(xiàn)出明顯的后發(fā)優(yōu)勢(shì)，增長(zhǎng)率超過(guò)了中部地區(qū)。

（2）數(shù)字經(jīng)濟(jì)能夠顯著降低農(nóng)業(yè)碳排放強(qiáng)度，但是這種減排效應(yīng)并不與數(shù)字經(jīng)濟(jì)發(fā)展水平存在著正相關(guān)關(guān)系，而是和地理位置，農(nóng)業(yè)資源稟賦相關(guān)，具有明顯的區(qū)位差異性。在西部地區(qū)數(shù)字經(jīng)濟(jì)的農(nóng)業(yè)減排效應(yīng)要明顯高于東部和中部地區(qū)。

（3）在數(shù)字經(jīng)濟(jì)降低農(nóng)業(yè)碳排放強(qiáng)度的過(guò)程中，農(nóng)業(yè)全要素生產(chǎn)率發(fā)揮了部分中介效應(yīng)，中介效應(yīng)占比為31.1%，即通過(guò)數(shù)字經(jīng)濟(jì)的運(yùn)用，農(nóng)業(yè)產(chǎn)業(yè)能夠獲得更多的規(guī)模收益和技術(shù)進(jìn)步提升農(nóng)業(yè)全要素生產(chǎn)率，農(nóng)業(yè)全要素生產(chǎn)率通過(guò)降低生產(chǎn)成本，減少中間物質(zhì)消耗進(jìn)而降低農(nóng)業(yè)碳排放強(qiáng)度。

4.2 建議

基于上述結(jié)論，為了更好地推動(dòng)我國(guó)農(nóng)業(yè)數(shù)字經(jīng)濟(jì)發(fā)展，使數(shù)字經(jīng)濟(jì)具有更深層次的綠色內(nèi)涵，高質(zhì)量地完成我國(guó)的“雙碳”目標(biāo)。本文提出以下政策建議。

（1）大力發(fā)展中西部地區(qū)數(shù)字經(jīng)濟(jì)。當(dāng)前，世界正處于信息變革時(shí)代的關(guān)鍵期和機(jī)遇期，中西部由于經(jīng)濟(jì)發(fā)展水平落后導(dǎo)致信息流通緩慢、資金和數(shù)字技術(shù)人才相對(duì)缺乏，和我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的目標(biāo)不相符。目前中西部農(nóng)業(yè)數(shù)字經(jīng)濟(jì)正處于起步階段，在前期更為需要的是對(duì)數(shù)字基礎(chǔ)設(shè)施和數(shù)字技術(shù)人才的支持，應(yīng)加大農(nóng)村教育和數(shù)字基礎(chǔ)設(shè)施建設(shè)的投入力度。

（2）充分挖掘數(shù)字經(jīng)濟(jì)的農(nóng)業(yè)綠色潛力和特征。數(shù)字經(jīng)濟(jì)以數(shù)據(jù)為核心要素進(jìn)行資源調(diào)配，屬于一種新的經(jīng)濟(jì)形態(tài)，與農(nóng)業(yè)的結(jié)合深度還有更為充足的發(fā)展空間。因此應(yīng)強(qiáng)化政策引導(dǎo)并支持?jǐn)?shù)字經(jīng)濟(jì)向綠色農(nóng)業(yè)方向發(fā)展，完善數(shù)字經(jīng)濟(jì)支持農(nóng)業(yè)綠色轉(zhuǎn)型的配套機(jī)制，為我國(guó)“雙碳”目標(biāo)的完成補(bǔ)上農(nóng)業(yè)這一重要一環(huán)。

（3）持續(xù)穩(wěn)步提升農(nóng)業(yè)全要素生產(chǎn)率。農(nóng)業(yè)全要素生產(chǎn)率是推動(dòng)農(nóng)業(yè)高質(zhì)量發(fā)展的驅(qū)動(dòng)力，以“雙碳”目標(biāo)為契機(jī)，借助數(shù)字化賦能，優(yōu)化農(nóng)業(yè)要素質(zhì)量，提升農(nóng)業(yè)全要素生產(chǎn)率，農(nóng)業(yè)全要素生產(chǎn)率的提高能夠更高效地將數(shù)字化作用通過(guò)傳導(dǎo)機(jī)制過(guò)渡到農(nóng)業(yè)碳減排中，加快我國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)的進(jìn)程。

（4）立足區(qū)域差異，推動(dòng)區(qū)域數(shù)字化低碳技術(shù)合作與創(chuàng)新。我國(guó)各個(gè)地區(qū)農(nóng)業(yè)資源稟賦和發(fā)展定位不同導(dǎo)致了數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳減排力度有所差異。針對(duì)這一特點(diǎn)，可以將中西部地區(qū)的資源和成本優(yōu)勢(shì)和東部的人才和技術(shù)優(yōu)勢(shì)統(tǒng)籌發(fā)展，引導(dǎo)西部承接?xùn)|部算力需求，優(yōu)化全國(guó)算力布局，促進(jìn)東西部農(nóng)業(yè)協(xié)同綠色發(fā)展。