王鳳婷 王浩 孔凡斌

摘要 為應對全球氣候變化，數(shù)字化轉型的綠色效益受到關注。農(nóng)業(yè)作為國民經(jīng)濟的基礎，亦是第二大溫室氣體排放源，如何借助數(shù)字化同時實現(xiàn)農(nóng)業(yè)降碳和增產(chǎn)是中國實現(xiàn)“雙碳”目標的關鍵問題。基于2011—2020年中國30省份面板數(shù)據(jù)，遵循“發(fā)展基礎-發(fā)展動力-發(fā)展結果”的邏輯構建農(nóng)村數(shù)字化綜合指標，運用EBM?GML方法準確量化農(nóng)業(yè)全要素碳生產(chǎn)率（ATFCP），采用歷史農(nóng)村公路密度和上一年農(nóng)村互聯(lián)網(wǎng)用戶數(shù)作為工具變量，研究農(nóng)村數(shù)字化和ATFCP之間的因果關系。研究發(fā)現(xiàn)：①農(nóng)村數(shù)字化能夠提升ATFCP，經(jīng)過一系列穩(wěn)健性檢驗和內(nèi)生處理，這一結論仍然成立。②農(nóng)村數(shù)字化通過促進技術創(chuàng)新、規(guī)模經(jīng)營、結構升級、產(chǎn)業(yè)集聚和非農(nóng)就業(yè)，進而實現(xiàn)對ATFCP的提升。③異質性分析結果表明，農(nóng)村數(shù)字化對ATFCP的正向影響表現(xiàn)為邊際遞減，在綠色發(fā)展水平較高或較低地區(qū)均能發(fā)揮顯著提升作用。此外，農(nóng)村數(shù)字化存在金融門檻，在農(nóng)村金融發(fā)展水平較高地區(qū)的提升作用更強，這是制約農(nóng)村數(shù)字化促進ATFCP提升的主要原因。④空間計量分析結果表明，農(nóng)村數(shù)字化和ATFCP之間存在顯著的空間效應，短期和長期的間接影響均顯著為正，農(nóng)村數(shù)字化不僅能夠提升本地的ATFCP，還能通過技術擴散正向影響鄰近地區(qū)的ATFCP。基于此，要進一步強化農(nóng)村數(shù)字化降碳增產(chǎn)的紅利效應，通過加大資金投入，完善數(shù)字基礎設施建設，推動要素流動和技術落地，提升農(nóng)村數(shù)字化發(fā)展?jié)摿?；要實施動態(tài)化和差異化數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略，完善區(qū)域間合作機制，促進各地區(qū)之間數(shù)字經(jīng)濟的協(xié)調發(fā)展。

關鍵詞 數(shù)字化；碳生產(chǎn)率；超效率EBM模型；動態(tài)空間杜賓模型；空間溢出效應

中圖分類號 F205 文獻標志碼 A 文章編號 1002-2104（2024）03-0079-12 DOI：10. 12062/cpre. 20230707

農(nóng)業(yè)碳排放總量與工業(yè)碳排放總量相比并不突出，但農(nóng)業(yè)碳排放源更加復雜，農(nóng)業(yè)生產(chǎn)高位增長伴隨的農(nóng)業(yè)碳排放增量不斷增加［1］。2021年農(nóng)業(yè)溫室氣體碳排放占全球溫室氣體排放量比例已達到20%～25%［2］。據(jù)預測，2050年全球農(nóng)業(yè)溫室氣體排放量可能會增加58%，成為最難以控制的碳排放源［3］。中國推進實現(xiàn)“雙碳”目標，農(nóng)業(yè)碳減排迫在眉睫。當前，農(nóng)業(yè)碳減排面臨嚴峻挑戰(zhàn)：一方面，強制性減少農(nóng)業(yè)碳排放，勢必影響農(nóng)業(yè)生產(chǎn)活動，不利于農(nóng)業(yè)發(fā)展和農(nóng)民增收。另一方面，中國農(nóng)業(yè)生產(chǎn)仍然存在嚴重依賴化肥和農(nóng)藥投入的問題［3-4］，單純通過改變耕作方式實現(xiàn)降碳不僅作用有限，并且這一方式也受到快速增長的糧食需求的阻礙［5-6］。因此，農(nóng)業(yè)經(jīng)濟發(fā)展和農(nóng)業(yè)碳減排需要納入統(tǒng)一框架下進行統(tǒng)籌考慮。隨著數(shù)字化深入發(fā)展，其強行業(yè)滲透性和邊際收益遞增性特點日益凸顯，在糧食生產(chǎn)、耕地保護和工業(yè)技術等方面發(fā)揮著顯著的改善作用［7-8］。那么，農(nóng)村數(shù)字化能否協(xié)同提升“農(nóng)業(yè)經(jīng)濟增長”和“農(nóng)業(yè)碳減排”的雙重目標效應，其影響機制是什么？該效應在不同異質性條件下有哪些差異？上述問題的回答對于豐富數(shù)字化轉型的綠色效用理論，進而提出實現(xiàn)農(nóng)業(yè)降碳增產(chǎn)雙重目標的政策建議，兼具重要的理論與現(xiàn)實意義。

1 文獻綜述

農(nóng)村數(shù)字化和農(nóng)業(yè)全要素碳生產(chǎn)率（Agriculture TotalFactor Carbon Productivity，ATFCP）的研究本質是數(shù)字化與生產(chǎn)效率的因果關系探究，同時額外考慮了碳要素。因此，文獻綜述主要沿著以下脈絡展開：一是梳理已有碳生產(chǎn)率的測度方法；二是梳理數(shù)字化對農(nóng)業(yè)生產(chǎn)效率影響的研究；三是梳理數(shù)字化對農(nóng)業(yè)碳生產(chǎn)率影響的研究。

1. 1 關于農(nóng)業(yè)碳生產(chǎn)率的測度

關于碳生產(chǎn)率的測度，當前主要有單要素和全要素兩種評價方法。第一種是單要素評價方法。該方法以碳排放總量與某一要素比值作為碳排放績效衡量指標，但問題在于忽略了其他投入要素的影響。第二種是全要素評價方法。該方法將農(nóng)業(yè)碳排放和投入要素均納入全要素生產(chǎn)率增長測算框架，進而得到農(nóng)業(yè)全要素碳生產(chǎn)率。全要素生產(chǎn)率的測度方法主要包括SFA 和DEA 兩種方法。其中，DEA方法可以有效避免方程形式的設置錯誤，使其更易于操作，應用更普遍［9］。此后，為了克服傳統(tǒng)DEA 方法無法區(qū)分環(huán)境因素等缺點，非徑向非角度的SBM模型被提出［10］。為進一步進行動態(tài)效率分析，SBM模型與ML指數(shù)結合已成為衡量全要素生產(chǎn)率動態(tài)變化的最常用方法［11-12］。目前，較為有效的做法為EBM?GML方法，同時，結合超效率DEA 模型將EBM 超效率化［13］。其優(yōu)勢在于超效率EBM 模型包含徑向與非徑向兩類距離，該模型是SBM模型的優(yōu)化，同時該模型考慮了全局的GML指數(shù)，也克服了ML指數(shù)無可行解的問題。

1. 2 數(shù)字化對農(nóng)業(yè)生產(chǎn)效率的影響

數(shù)字化發(fā)展推動農(nóng)業(yè)生產(chǎn)方式的變革和生產(chǎn)效率的提升［14］。中國數(shù)字化轉型開始轉向深化應用、規(guī)范發(fā)展、普惠共享的新階段，關于數(shù)字化發(fā)展與農(nóng)業(yè)生產(chǎn)效率關系的研究也隨之展開。例如，數(shù)字化與農(nóng)產(chǎn)品技術進步率的關系［15］、數(shù)字經(jīng)濟與農(nóng)業(yè)全要素生產(chǎn)率的關系［16］、數(shù)字經(jīng)濟與農(nóng)業(yè)企業(yè)生產(chǎn)效率的關系［17］、數(shù)字金融與農(nóng)業(yè)全要素生產(chǎn)率的關系［18］等。這些研究均認為，數(shù)字化能夠有效提升農(nóng)業(yè)生產(chǎn)效率。上述研究成果為深入探索兩者間的因果關系提供了理論和方法借鑒。隨著研究的進一步深入，碳要素被納入生產(chǎn)效率范疇，但數(shù)字化和碳生產(chǎn)率的確切關系尚未有定論。

1. 3 數(shù)字化對農(nóng)業(yè)碳生產(chǎn)率的影響

從已有研究的結論來看，如同硬幣的兩面，數(shù)字化對碳生產(chǎn)率的影響通常具有雙重效應。一方面，數(shù)字化對碳生產(chǎn)率具有抑制作用。例如，已有研究基于澳大利亞的長時間序列數(shù)據(jù)發(fā)現(xiàn)，數(shù)字化的發(fā)展刺激了電力消費的增長，但電力效率卻未提升，反而增加了本地的碳排放［19］。另一方面，數(shù)字化對碳生產(chǎn)率具有改善作用。數(shù)字化通過改善能源強度和能源消費規(guī)模提升城市碳生產(chǎn)率［20］，還可賦能工業(yè)碳生產(chǎn)率，且具有顯著的空間溢出效應［21］。

就數(shù)字化對農(nóng)業(yè)碳生產(chǎn)率的影響研究而言，已有文獻仍存在一些局限。Zhong等［22］研究了數(shù)字經(jīng)濟和農(nóng)業(yè)碳強度之間的關系，但農(nóng)業(yè)碳強度作為單要素碳生產(chǎn)率指標，難以反映真實的農(nóng)業(yè)生產(chǎn)效率。此外，其數(shù)字經(jīng)濟指標是基于城市互聯(lián)網(wǎng)發(fā)展的數(shù)據(jù)，難以影響到農(nóng)業(yè)農(nóng)村的生產(chǎn)生活。Jiang等［23］和Xu等［24］基于農(nóng)業(yè)農(nóng)村數(shù)據(jù)構建了類似的農(nóng)村數(shù)字化指標，嘗試探討農(nóng)村數(shù)字化和農(nóng)業(yè)綠色發(fā)展之間的關系。但前者的重點在于面源污染，且農(nóng)村數(shù)字化指標并未考慮數(shù)字化轉型對農(nóng)村產(chǎn)值的貢獻，因而指標的可靠性較弱。而后者僅考慮了種植業(yè)的碳排放，忽視了養(yǎng)殖業(yè)碳排放。鑒于農(nóng)業(yè)活動的溫室氣體中有43%來自腸道發(fā)酵和糞便管理［25］，因而養(yǎng)殖業(yè)碳排放不可忽視。此外，上述3篇文獻均未考慮內(nèi)生性問題。

綜上，為克服已有文獻不足，有必要進一步基于中國數(shù)據(jù)，全面準確地構建并測度農(nóng)村數(shù)字化指數(shù)和農(nóng)業(yè)碳生產(chǎn)率，分析農(nóng)村數(shù)字化和ATFCP之間的因果關系，探討內(nèi)在影響機制、多維度異質性和空間溢出效應，用以解決“農(nóng)業(yè)經(jīng)濟增長和農(nóng)業(yè)碳排放”這一矛盾的現(xiàn)實問題，助力實現(xiàn)農(nóng)村數(shù)字化對農(nóng)業(yè)的降碳增產(chǎn)效應。具體而言，主要從以下三個方面做出探索：第一，研究視角上，立足數(shù)字鄉(xiāng)村和“雙碳”背景，探討農(nóng)村數(shù)字化影響農(nóng)業(yè)碳生產(chǎn)率這一議題，以嘗試回答如何實現(xiàn)“農(nóng)業(yè)經(jīng)濟增長”和“農(nóng)業(yè)碳減排”雙重目標。第二，研究方法上，一是為處理內(nèi)生性問題，構建了歷史農(nóng)村公路密度與中國農(nóng)村互聯(lián)網(wǎng)人數(shù)的交乘項作為農(nóng)村數(shù)字化的工具變量；二是為解決徑向模型和非徑向模型的固有問題，采用考慮非期望產(chǎn)出的全局Super?EBM 模型，改進了效率測量方法。第三，研究內(nèi)容上，基于Grossman等［26］提出的經(jīng)濟增長和環(huán)境質量的分解效應理論，并結合中國農(nóng)村數(shù)字化轉型實踐，從技術、規(guī)模、結構、集聚和就業(yè)5類效應對影響機制進行驗證，結合地理區(qū)位、農(nóng)業(yè)生產(chǎn)條件和農(nóng)村發(fā)展環(huán)境進行多維度的異質性分析和空間效應分析，即通過提供多層次的實證分析視角，解構二者間的內(nèi)在邏輯關系。

2 理論分析和研究假說

2. 1 農(nóng)村數(shù)字化對ATFCP的影響機制

農(nóng)村數(shù)字化通過作用于技術創(chuàng)新、規(guī)模化、結構升級、產(chǎn)業(yè)集聚和勞動力轉型，進而影響農(nóng)業(yè)生產(chǎn)數(shù)量、效率和結構，最終影響ATFCP。

技術效應。新經(jīng)濟增長理論認為，推動經(jīng)濟增長的核心動力是技術進步，農(nóng)村數(shù)字化所帶來的關鍵技術裝備創(chuàng)新能夠提升農(nóng)業(yè)生產(chǎn)績效。廣泛的研究表明，經(jīng)濟增長與碳排放存在倒“U”型關系，即存在“環(huán)境庫茲涅茨曲線”［27-28］。而隨著農(nóng)業(yè)經(jīng)濟發(fā)展到一定水平，農(nóng)業(yè)經(jīng)營主體和政府追求環(huán)境效益。農(nóng)村數(shù)字化助推數(shù)字技術在田間地頭落地，能夠盡早達到這一拐點，從而實現(xiàn)降碳和增產(chǎn)的雙贏。

規(guī)模效應。農(nóng)村數(shù)字化借助數(shù)字技術實現(xiàn)規(guī)模經(jīng)營，提高化肥、農(nóng)用機械等利用效率，有助于降碳。一方面，依托農(nóng)村數(shù)字化的信息資源整合功能，搭建土地要素流轉平臺，提供規(guī)?；?jīng)營基礎。另一方面，依托農(nóng)村數(shù)字化的大數(shù)據(jù)管理功能，構建農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)，提供規(guī)?；?jīng)營技術。

結構效應。根據(jù)Grossman等［26］關于經(jīng)濟增長和環(huán)境質量間的3個分解效應，除技術和規(guī)模效應以外，農(nóng)村數(shù)字化帶來的結構效應不可忽視。農(nóng)村數(shù)字化以數(shù)字技術為紐帶，通過創(chuàng)新賦能實現(xiàn)數(shù)字技術與農(nóng)村產(chǎn)業(yè)的融合，促進產(chǎn)業(yè)鏈攀升，實現(xiàn)產(chǎn)業(yè)結構高級化，因而農(nóng)村數(shù)字化可以實現(xiàn)在提升產(chǎn)品附加值的同時直接減少碳排放。

集聚效應。農(nóng)村產(chǎn)業(yè)集聚主要表現(xiàn)為電子商務催生出產(chǎn)業(yè)集群，以“淘寶村”為代表。淘寶村是地理集聚和虛擬集聚的結合體。首先，虛擬集聚本身就是數(shù)字化的表征。虛擬集聚的跨時空特征降低了信息獲取成本，有利于資源流向效率更高的部門。同時，虛擬集聚主要基于線上網(wǎng)絡開展經(jīng)濟活動，本身具有低碳特征。其次，地理集聚帶來規(guī)模效應、內(nèi)部專業(yè)化分工效應以及同產(chǎn)業(yè)技術溢出效應，進而也能夠極大地提升農(nóng)業(yè)生產(chǎn)效率和緩解資源錯配。

就業(yè)效應。隨著數(shù)字化在農(nóng)村的深度應用，電子商務和數(shù)字媒體為農(nóng)村居民提供了更多的創(chuàng)收渠道，促進了非農(nóng)就業(yè)［29］。非農(nóng)就業(yè)能夠推動兼業(yè)和土地流轉，分別影響農(nóng)戶投入行為和實現(xiàn)土地規(guī)模經(jīng)營，亦能有效促進農(nóng)業(yè)經(jīng)濟增長和農(nóng)業(yè)碳減排。

假說1：農(nóng)村數(shù)字化發(fā)展能夠提升ATFCP。

假說2：農(nóng)村數(shù)字化的發(fā)展通過促進技術創(chuàng)新、規(guī)模經(jīng)營、結構優(yōu)化、產(chǎn)業(yè)集聚和非農(nóng)就業(yè)，進而提升ATFCP。

2. 2 農(nóng)村數(shù)字化對ATFCP的空間溢出影響

農(nóng)村數(shù)字化對ATFCP 的影響可能存在空間溢出效應。根據(jù)托布勒第一地理定律，鄰近事物的相關性更為密切，對于農(nóng)村數(shù)字化而言，數(shù)字化轉型的一個重要特征是它通過高效的信息傳輸壓縮了時空距離，增強了區(qū)域間經(jīng)濟活動的廣度和深度［20］。因此，當?shù)剞r(nóng)村數(shù)字化發(fā)展的經(jīng)驗和成果可以通過區(qū)域合作流入周邊地區(qū)，提高周邊農(nóng)村數(shù)字化水平，其空間相關性得以存在［30-31］。對于ATFCP而言，由于CO2等溫室氣體的流動性以及每個地區(qū)間的地理聯(lián)系，一個地區(qū)的農(nóng)業(yè)碳排放亦將影響相鄰地區(qū)。Zhong等［22］利用中國30省份面板數(shù)據(jù)研究數(shù)字經(jīng)濟和農(nóng)業(yè)碳強度之間的關系，發(fā)現(xiàn)數(shù)字經(jīng)濟對碳強度的抑制作用具有顯著的空間溢出效應，這一效應來自技術進步的擴散。因此，農(nóng)村數(shù)字化發(fā)展帶來的數(shù)字技術擴散，往往能夠對ATFCP產(chǎn)生空間溢出影響，假說3由此提出。理論分析框架圖如圖1所示。

假說3：農(nóng)村數(shù)字化對ATFCP 的影響存在空間溢出效應。

3 材料和方法

3. 1 模型設定

3. 1. 1 基準回歸模型

為考察農(nóng)村數(shù)字化對ATFCP的影響，構建如下計量模型：

3. 1. 2 機制檢驗模型

為避免傳統(tǒng)三步法中介效應模型的缺陷，機制檢驗部分僅進行核心解釋變量rd 對機制變量Mit 的回歸，至于Mit 對被解釋變量atfcpit 的影響，擬采用文獻佐證和道理闡述的方式解決。模型設定如下：

3. 1. 3 動態(tài)空間杜賓模型

為探究農(nóng)村數(shù)字化對ATFCP的空間溢出效應，同時考慮農(nóng)業(yè)碳生產(chǎn)率的變化可能存在時間依賴效應以及潛在的內(nèi)生性問題，將滯后一期的ATFCP引入普通的靜態(tài)空間面板杜賓模型，建立動態(tài)空間面板杜賓模型，見公式（3）：

3. 2 變量選取和說明

3. 2. 1 被解釋變量：農(nóng)業(yè)全要素碳生產(chǎn)率（ATFCP）

采用EBM模型和GML指數(shù)測算，分為投入、期望產(chǎn)出和非期望產(chǎn)出3類指標：①投入指標為土地（農(nóng)作物播種面積）、勞動力（第一產(chǎn)業(yè)從業(yè)人數(shù)）、資本（農(nóng)業(yè)資本存量）、農(nóng)藥、化肥、農(nóng)膜使用量、農(nóng)業(yè)用水用電和農(nóng)業(yè)機械總動力。其中，資本存量首先通過縮減指數(shù)構造方法，得出第一產(chǎn)業(yè)投資數(shù)據(jù)的價格平減指數(shù)［32］。然后根據(jù)永續(xù)盤存法得出各省份第一產(chǎn)業(yè)資本存量數(shù)據(jù)［33］。②期望產(chǎn)出指標為第一產(chǎn)業(yè)實際增加值和農(nóng)業(yè)碳匯量［34］。③非期望產(chǎn)出指標為農(nóng)業(yè)碳排放總量，依據(jù)農(nóng)地利用、畜禽養(yǎng)殖、水稻種植和農(nóng)村生活碳排放4類碳排放源計算。農(nóng)地利用為化肥（氮肥、磷肥、鉀肥和復合肥）、農(nóng)藥、農(nóng)膜、柴油、翻耕和灌溉。畜禽養(yǎng)殖為生豬、家禽、牛、馬、驢、騾、山羊、綿羊等8種（由于畜禽飼養(yǎng)周期的不同，計算前需對畜禽平均飼養(yǎng)量以出欄率進行調整）。水稻種植為早稻、中季稻和晚稻。農(nóng)村生活碳排放為農(nóng)村生活能源碳排放，具體而言：首先，構建農(nóng)村生活能源消耗數(shù)據(jù)庫，包含原煤、洗精煤、汽油、柴油、電力等32種能源；其次，將上述32種能源消耗量轉化為標準煤；最后，通過標準煤的碳排放折算系數(shù)（0. 68）計算。

3. 2. 2 核心解釋變量：農(nóng)村數(shù)字化

從數(shù)字基礎設施、數(shù)字創(chuàng)新水平和數(shù)字產(chǎn)業(yè)發(fā)展3個維度構建農(nóng)村數(shù)字化指標體系，見表1。在此基礎上采用熵權法確定各指標權重。相關文獻已建立較為完整的農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟指標體系［30-31］，表1中指標體系的改進之處在于：一是根據(jù)“發(fā)展基礎-發(fā)展動力-發(fā)展成果”的邏輯，分別對應數(shù)字基礎設施、數(shù)字創(chuàng)新水平和數(shù)字產(chǎn)業(yè)發(fā)展3個維度，建立了農(nóng)村數(shù)字化指標體系。二是聚焦農(nóng)村層面的數(shù)字化發(fā)展，剔除了與農(nóng)村數(shù)字化關聯(lián)不強的指標（例如傳統(tǒng)農(nóng)業(yè)技術人員和傳統(tǒng)涉農(nóng)貸款等）。三是借助省級投入產(chǎn)出表，通過區(qū)分涉農(nóng)數(shù)字行業(yè)（通信設備、計算機和其他電子設備；儀器儀表；信息傳輸、軟件和信息技術服務），核算了農(nóng)村由數(shù)字化發(fā)展帶來的額外收益。

數(shù)字基礎設施。數(shù)字基礎設施的建設是農(nóng)村數(shù)字化發(fā)展的基礎，其中，互聯(lián)網(wǎng)的接入和信息化設備的持有是支持農(nóng)村數(shù)字化運行和發(fā)展的基礎［31］。因此，將數(shù)字基礎設施作為一級指標，其下設置3個二級指標：①從行政村村級層面和農(nóng)民個體層面的寬帶接入水平來衡量農(nóng)村互聯(lián)網(wǎng)普及率。②從彩色電視機、移動電話和計算機3個方面衡量農(nóng)村信息化設備。③農(nóng)業(yè)氣象服務作為數(shù)字鄉(xiāng)村建設的基礎生產(chǎn)設施，已在農(nóng)業(yè)生產(chǎn)中發(fā)揮愈加重要的作用。因此，也將其納入農(nóng)業(yè)數(shù)字基礎設施，具體以農(nóng)業(yè)氣象觀察站數(shù)量來衡量農(nóng)業(yè)氣象觀察業(yè)務。

數(shù)字創(chuàng)新水平。數(shù)字創(chuàng)新的水平是農(nóng)村數(shù)字化發(fā)展的動力。針對中國農(nóng)村地區(qū)的數(shù)字服務水平現(xiàn)實情況設置4個二級指標：①農(nóng)村數(shù)字化的發(fā)展應當服務于農(nóng)村居民，體現(xiàn)為技術驅動。以農(nóng)村營業(yè)網(wǎng)點服務人口衡量信息技術在農(nóng)村的應用情況。農(nóng)村營業(yè)網(wǎng)點服務人口越多，說明服務網(wǎng)點分布密度越小，因此為負向指標。②農(nóng)村數(shù)字產(chǎn)品與服務消費，該指標用于衡量農(nóng)村居民對于數(shù)字產(chǎn)品的消費水平，體現(xiàn)為消費驅動。以農(nóng)村居民家庭人均交通通信消費支出來衡量。③農(nóng)村數(shù)字金融體現(xiàn)農(nóng)村的數(shù)字金融能力，體現(xiàn)為金融驅動。以數(shù)字普惠金融指數(shù)來衡量。④農(nóng)村生產(chǎn)投資能夠體現(xiàn)農(nóng)村數(shù)字創(chuàng)新發(fā)展的經(jīng)濟基礎實力，體現(xiàn)為投資驅動。以農(nóng)村信息傳輸、計算機服務和軟件業(yè)的投資額來衡量。

數(shù)字產(chǎn)業(yè)發(fā)展。數(shù)字產(chǎn)業(yè)的發(fā)展是農(nóng)村數(shù)字化發(fā)展的成果。設置4個二級指標：①生產(chǎn)方面。利用第一產(chǎn)業(yè)中的數(shù)字經(jīng)濟規(guī)模占比衡量農(nóng)業(yè)生產(chǎn)數(shù)字化程度。引入數(shù)字經(jīng)濟調整系數(shù)［35］，借助省級投入產(chǎn)出表測度第一產(chǎn)業(yè)中數(shù)字經(jīng)濟增加值［31］。②流通方面。由于中國物流代表性企業(yè)，如順豐和三通一達等快遞業(yè)務數(shù)據(jù)的不可得性，農(nóng)村物流業(yè)務指標用農(nóng)村郵政業(yè)務總量衡量，以體現(xiàn)農(nóng)村電商、快遞進村的能力。③運營方面。利用農(nóng)村電子商務銷售額和采購額之和衡量農(nóng)業(yè)數(shù)字化運營的能力。④農(nóng)業(yè)數(shù)字產(chǎn)業(yè)基地能夠有效反映地區(qū)農(nóng)村數(shù)字產(chǎn)業(yè)化發(fā)展的環(huán)境優(yōu)劣，以淘寶村數(shù)量來測度。

3. 2. 3 控制變量

為盡可能地緩解遺漏變量偏誤，進一步控制了影響ATFCP的其他變量。①農(nóng)業(yè)經(jīng)濟發(fā)展水平（pgdp），以第一產(chǎn)業(yè)增加值與第一產(chǎn)業(yè)從業(yè)人員比值表示。經(jīng)濟增長對農(nóng)業(yè)碳排放具有重要影響［28］。②農(nóng)業(yè)產(chǎn)業(yè)結構（stru），以種植業(yè)和畜牧業(yè)增加值之和與農(nóng)林牧漁增加值之比表示，種植業(yè)和畜牧業(yè)為農(nóng)業(yè)碳排放的主要來源行業(yè)。③農(nóng)業(yè)財政支持（afs），以農(nóng)林水事務支出和財政支出之比表示。政府的外部政策干預能夠影響碳排放［36］。④環(huán)境規(guī)制強度（er），以污染治理投資額和GDP的比值來表示，以盡可能反映當?shù)氐沫h(huán)境監(jiān)管強度。⑤農(nóng)村人力資本（edu），以農(nóng)村平均受教育年限表示，通常來說教育水平的提升能夠影響邊際減排成本。⑥農(nóng)業(yè)技術投入（tech），以農(nóng)經(jīng)機構的專業(yè)技術人員數(shù)量表示。

3. 3 數(shù)據(jù)來源

考慮到數(shù)據(jù)的可得性，樣本范圍為2011—2020年中國的30省份（未涉及西藏、香港、澳門和臺灣）。數(shù)據(jù)主要來自相應年份的《中國農(nóng)村統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國農(nóng)產(chǎn)品進出口統(tǒng)計月報》《中國人口和就業(yè)統(tǒng)計年鑒》和各省級年鑒。數(shù)字普惠金融數(shù)據(jù)來自已有研究成果［37］。此外，為了減輕異方差對模型估計結果的影響，在進行實證分析時所有連續(xù)變量均取自然對數(shù)。全部變量的描述性統(tǒng)計結果見表2。其中，農(nóng)經(jīng)機構的專業(yè)技術人員數(shù)據(jù)僅統(tǒng)計到2018 年，2019—2020 年通過插值法補齊，因此，存在非整數(shù)數(shù)據(jù)。

4 實證結果

4. 1 基準回歸結果分析

表3報告了農(nóng)村數(shù)字化對ATFCP影響的基準回歸結果。根據(jù)Hausman檢驗，固定效應模型是合適的，結果見表3中列（1）和列（3），農(nóng)村數(shù)字化對ATFCP的影響均在1%的水平上顯著為正，從列（3）中可以看出，農(nóng)村數(shù)字化水平每提升1%，ATFCP能夠上升0. 629%。據(jù)此，假說1得到驗證，即農(nóng)村數(shù)字化能夠提升ATFCP。具體提升作用表現(xiàn)在兩個方面：一是農(nóng)業(yè)要素使用效率得以提高，驅動粗放型傳統(tǒng)農(nóng)業(yè)轉型精細化高效農(nóng)業(yè)；二是催生低碳新業(yè)態(tài)，從產(chǎn)業(yè)結構層面實現(xiàn)農(nóng)業(yè)產(chǎn)值增長和農(nóng)業(yè)碳排放的相對減少。因此，在兩個方面作用下實現(xiàn)農(nóng)村數(shù)字化對ATFCP的提升。

控制變量方面，農(nóng)業(yè)產(chǎn)業(yè)結構對ATFCP具有顯著的負向影響，說明種植業(yè)和養(yǎng)殖業(yè)作為主要的兩大農(nóng)業(yè)碳排放來源，這兩類行業(yè)比重的上升往往帶來更大的農(nóng)業(yè)碳排放，不利于ATFCP提升。農(nóng)業(yè)財政支持和農(nóng)村人力資本對ATFCP具有顯著的正向影響，前者的原因在于發(fā)展低碳農(nóng)業(yè)勢必需要政府財政支持，政府財政對低碳生產(chǎn)的經(jīng)營主體給予補貼，引導經(jīng)營主體進行更加有效的低碳農(nóng)業(yè)生產(chǎn)，而政府財政對“雙碳”技術研發(fā)機構的支持，鼓勵經(jīng)營主體研發(fā)低碳農(nóng)業(yè)技術。后者的原因在于人力資本水平的提升通常更傾向選擇更為低碳的農(nóng)業(yè)生產(chǎn)方式，從而影響邊際碳投入，帶動ATFCP的提升。

4. 2 穩(wěn)健性檢驗

采取3種穩(wěn)健性檢驗方法：一是自變量滯后。在時間層面，考慮到農(nóng)村數(shù)字化對ATFCP的影響存在滯后影響，將農(nóng)村數(shù)字化的一階滯后項和二階滯后項作為核心解釋變量進行回歸。二是控制區(qū)域時間趨勢項。在區(qū)域層面，中國長期以來受到區(qū)域發(fā)展政策和地理位置等因素的影響，各區(qū)域發(fā)展存在明顯的差異。這些差異可能隨著時間的變化影響結果的正確估計。為此，構造區(qū)域虛擬變量（東中西部）和時間趨勢變量的交互項。三是剔除直轄市?？紤]到樣本選擇偏差問題，直轄市具有政策和經(jīng)濟天然優(yōu)勢，數(shù)字經(jīng)濟基礎好。因此，剔除北京、天津、重慶和上海4個直轄市樣本。結果見表4。在3種穩(wěn)健性檢驗下，農(nóng)村數(shù)字化均能顯著提升ATFCP，證明了基準回歸結果的穩(wěn)健性。

4. 3 內(nèi)生性討論

為緩解模型可能的內(nèi)生性問題，采用IV?2SLS方法處理。以往相關研究多選用1984年的郵電歷史數(shù)據(jù)作為數(shù)字化指數(shù)的工具變量。但是，農(nóng)村數(shù)字化的發(fā)展不同于城市。由于農(nóng)村數(shù)字化起步晚、發(fā)展慢，其發(fā)展程度往往與當?shù)剞r(nóng)村基礎設施的建設水平密切相關。區(qū)域層面的郵電發(fā)展水平難以影響農(nóng)村層面的數(shù)字化發(fā)展，不滿足“相關性”條件。此外，郵電指標不能完全脫離經(jīng)濟體系，不滿足“外生性”條件［20］。鑒于此，遵循農(nóng)村基礎設施和農(nóng)村數(shù)字化具有緊密關系這一邏輯，同時，鑒于樣本中重慶于1997年正式設為直轄市，選擇1998年農(nóng)村公路密度作為工具變量。由于截面數(shù)據(jù)無法進行面板數(shù)據(jù)的計量回歸，參考已有做法［38］，增加一個時變的變量進行交互。具體而言，以上一年全國農(nóng)村互聯(lián)網(wǎng)用戶數(shù)分別與1998年各省農(nóng)村公路密度構造交互項。

工具變量的選取需要滿足相關性與外生性兩個條件：一是相關性。農(nóng)村數(shù)字化的發(fā)展有賴于數(shù)字基礎設施的建設。數(shù)字基礎設施的“數(shù)字”相對于傳統(tǒng)基礎設施而言，其本質仍然是基礎。根據(jù)農(nóng)村基礎設施發(fā)展的歷史和延續(xù)性，中國農(nóng)村基礎設施建設史上最關鍵的項目是“村村通”，主要指通公路。隨著社會經(jīng)濟的發(fā)展，“村村通”項目的重點逐漸轉向通寬帶，從傳統(tǒng)基礎設施建設向數(shù)字基礎設施建設推進。因此，歷史農(nóng)村道路密度會影響后續(xù)農(nóng)村發(fā)展［39］，這對農(nóng)村數(shù)字經(jīng)濟的發(fā)展具有重要意義。二是外生性。通常來說，公路并不會影響當前農(nóng)業(yè)的碳生產(chǎn)率［40］。但農(nóng)村公路會影響農(nóng)村經(jīng)濟的發(fā)展，這可能會導致內(nèi)生性，即工具變量不是因變量受到影響的唯一路徑，從而影響工具變量的排他性約束。為了解決這一問題，采用了以下3種方法：①選擇歷史數(shù)據(jù)，1998年的數(shù)據(jù)與當前的樣本數(shù)據(jù)相對較遠，因此，很難與當前的因變量和擾動項相關聯(lián)。②根據(jù)中國的“農(nóng)村公路建設規(guī)劃”，到2010年，所有符合條件的建制村基本上都建立了油路（水泥）公路連接（樣本期為2011—2020年）。因此，農(nóng)村公路的差異至少不會成為影響各省份ATFCP 的重要因素。③已將農(nóng)村經(jīng)濟水平作為控制變量納入實證模型，以更好地控制和觀察農(nóng)村經(jīng)濟對因變量的影響。此外，盡管構建了1個交互項，但國家層面的農(nóng)村互聯(lián)網(wǎng)用戶數(shù)量不會直接影響每個省份的農(nóng)村互聯(lián)網(wǎng)用戶數(shù)量。總體而言，工具變量的選擇是合理的。

表5中2SLS模型的列（1）和列（2）結果表明：第一階段中，工具變量和自變量滿足相關性，農(nóng)村公路密度大，歷史基礎設施條件越好，越有利于后續(xù)農(nóng)村數(shù)字化發(fā)展；第二階段中，農(nóng)村數(shù)字化對ATFCP的影響依然在1%的水平上顯著為正，且均通過工具變量有效性檢驗。此外，由于構造的工具變量本質上為地方層面的信息與國家層面的信息相結合，因此，進一步構造了一個Bartik 工具變量［41］：rdi，t - 1 × △rdt，t - 1 即一階滯后農(nóng)村數(shù)字化指數(shù)與農(nóng)村數(shù)字化指數(shù)在時間上的一階差分的乘積，將其加入2SLS模型中，結果依然成立。

4. 4 機制分析

為驗證假說2，對農(nóng)村數(shù)字化影響ATFCP 的作用渠道進行檢驗。根據(jù)前文理論分析，農(nóng)村數(shù)字化能夠通過技術創(chuàng)新、規(guī)模經(jīng)營、結構升級、產(chǎn)業(yè)集聚和非農(nóng)就業(yè)等路徑影響ATFCP。

第一，技術效應。為了實證考察農(nóng)村數(shù)字化對技術創(chuàng)新的影響，構造了技術創(chuàng)新指標。通常來說，專利被認為能夠較好捕捉技術創(chuàng)新能力。但由于申請意愿和制度保護等因素，專利數(shù)量實際上并不能正確反映技術創(chuàng)新水平［42］。為客觀準確反映中國農(nóng)業(yè)技術創(chuàng)新現(xiàn)狀，手工整理了中國農(nóng)業(yè)科學院發(fā)布的農(nóng)業(yè)知識產(chǎn)權報告。以報告中的農(nóng)業(yè)知識產(chǎn)權創(chuàng)造指數(shù)來衡量技術效應，結果見表6列（1）。結果表明，農(nóng)村數(shù)字化水平每提升1%，技術創(chuàng)新水平提升0. 647%，說明農(nóng)村數(shù)字化顯著促進了技術創(chuàng)新?，F(xiàn)有研究基本證實了技術創(chuàng)新和ATFCP之間的正向關系。例如，Liu等［40］基于省際數(shù)據(jù)，發(fā)現(xiàn)技術溢出作用體現(xiàn)在農(nóng)業(yè)研發(fā)投入的增加，以及綠色低碳技術的采用和應用，提升了生產(chǎn)效率和減少了碳產(chǎn)出，由此提升了ATFCP。Huang等［43］通過對ATFCP 進行生產(chǎn)分解發(fā)現(xiàn)，技術進步亦是ATFCP提升的關鍵驅動力。

第二，規(guī)模效應。為了實證考察農(nóng)村數(shù)字化對規(guī)模經(jīng)營的影響，構造了規(guī)模經(jīng)營指標。使用規(guī)模化經(jīng)營水平（農(nóng)作物播種面積和農(nóng)村戶數(shù)的比值）衡量規(guī)模效應。原因在于，農(nóng)業(yè)的小規(guī)模經(jīng)營往往是與家庭經(jīng)營組織相匹配的。因此，以家庭為單位的測度，較個體勞動力更為準確，即農(nóng)村每戶人家所經(jīng)營的農(nóng)地面積，結果見表6列（2）。結果表明，農(nóng)村數(shù)字化水平每提升1%，規(guī)模經(jīng)營水平提升0. 254%，說明農(nóng)村數(shù)字化顯著推動了規(guī)模經(jīng)營。現(xiàn)有研究基本證實了規(guī)模經(jīng)營和ATFCP之間的正向關系。例如，Zhu等［44］結合微觀截面和宏觀面板數(shù)據(jù)，發(fā)現(xiàn)規(guī)模經(jīng)營能夠有效降低農(nóng)業(yè)生產(chǎn)要素的使用強度，從而實現(xiàn)ATFCP的提升；魏夢升等［45］以糧食主產(chǎn)區(qū)政策為例，發(fā)現(xiàn)該政策的糧食增產(chǎn)和碳減排效益主要得益于規(guī)模經(jīng)營效應，表現(xiàn)為通過規(guī)模經(jīng)營以提升農(nóng)資的利用效率，最終提升ATFCP。

第三，結構效應。為了實證考察農(nóng)村數(shù)字化對結構升級的影響，構造了結構升級指標。使用基于余弦法計算的農(nóng)業(yè)產(chǎn)業(yè)結構高級化指數(shù)衡量結構效應［46］，結果見表6列（3）。結果表明，農(nóng)村數(shù)字化水平每提升1%，結構升級水平提升0. 033%，說明農(nóng)村數(shù)字化顯著促進了結構升級?，F(xiàn)有研究基本證實了結構升級和ATFCP之間的正向關系，例如，田云等［47］利用脫鉤模型研究了農(nóng)業(yè)碳排放的效率和公平，發(fā)現(xiàn)產(chǎn)業(yè)結構的優(yōu)化能夠有效改善農(nóng)業(yè)增長和農(nóng)業(yè)碳排之間的矛盾，從而提升ATFCP。

第四，集聚效應。為了實證考察農(nóng)村數(shù)字化對產(chǎn)業(yè)集聚的影響，構造了產(chǎn)業(yè)集聚指標。使用區(qū)位商（agg =Ei /EtAi /At，Ei 為一省份的農(nóng)業(yè)就業(yè)人數(shù)，Et 為一省份全部就業(yè)人數(shù)，Ai 為全國農(nóng)業(yè)就業(yè)人數(shù)，At 為全國就業(yè)人數(shù)）衡量產(chǎn)業(yè)集聚水平，結果見表6列（4）。結果表明，農(nóng)村數(shù)字化水平每提升1%，產(chǎn)業(yè)集聚水平提升0. 273%，說明農(nóng)村數(shù)字化顯著促進了產(chǎn)業(yè)集聚?，F(xiàn)有研究基本證實了產(chǎn)業(yè)集聚和ATFCP之間的正向關系，例如，Liu等［40］指出集聚能夠充分發(fā)揮集聚規(guī)模經(jīng)濟效應，提高資源配置效率，促進農(nóng)業(yè)生產(chǎn)效率和碳減排，最終有助于提高ATFCP。

第五，就業(yè)效應。為了實證考察農(nóng)村數(shù)字化對非農(nóng)就業(yè)的影響，構造了非農(nóng)就業(yè)指標。使用非農(nóng)就業(yè)收入（農(nóng)民工資性收入、資產(chǎn)性收入和轉移性收入之和）衡量非農(nóng)就業(yè)水平，結果見表6列（5）。結果表明，農(nóng)村數(shù)字化水平每提升1%，非農(nóng)就業(yè)水平提升0. 235%，說明農(nóng)村數(shù)字化顯著促進了非農(nóng)就業(yè)?，F(xiàn)有研究基本證實了非農(nóng)就業(yè)和ATFCP之間的正向關系，例如，Chang等［48］利用分位數(shù)回歸模型研究了非農(nóng)就業(yè)和農(nóng)業(yè)化學品使用之間的關系，發(fā)現(xiàn)非農(nóng)就業(yè)能夠有效降低包括化肥在內(nèi)的各類化學品使用，有效減少了邊際碳產(chǎn)出，從而提升ATFCP。

4. 5 異質性分析

進一步討論農(nóng)村數(shù)字化在不同地理區(qū)域、農(nóng)業(yè)生產(chǎn)條件和農(nóng)村發(fā)展環(huán)境下對ATFCP的影響。

4. 5. 1 區(qū)位條件

農(nóng)村數(shù)字化對ATFCP增長的帶動效應，可能由于區(qū)位條件不同而產(chǎn)生差異。因此，將樣本分為東、中、西和東北4組，不同區(qū)位條件異質性結果見表7。結果表明，農(nóng)村數(shù)字化能夠顯著提升東部和西部的ATFCP，尤其是東部地區(qū)的回歸系數(shù)（1. 396）顯著大于基準回歸的系數(shù)（0. 629）。其可能的原因在于兩個方面：一是東部地區(qū)經(jīng)濟發(fā)達，數(shù)字基礎設施較為完善，網(wǎng)絡化程度較高，較其他地區(qū)相比本身數(shù)字產(chǎn)業(yè)發(fā)達；二是東部地區(qū)農(nóng)村普遍現(xiàn)代化程度高，其中，浙江省更是常年位于中國農(nóng)村人均收入首位，數(shù)字經(jīng)濟易于向農(nóng)村下沉、農(nóng)民接受程度高。兩方面因素有利于實現(xiàn)農(nóng)村數(shù)字化。在中部和東北部地區(qū)，農(nóng)村數(shù)字化對ATFCP的提升作用并不顯著。可能的原因在于兩類地區(qū)城鄉(xiāng)差距大、數(shù)字基礎較弱，就城鎮(zhèn)化率而言，中部6省只有湖北省高于全國平均水平，對農(nóng)村的支持能力相應偏弱，城鄉(xiāng)“數(shù)字鴻溝”難以彌合。

4. 5. 2 碳生產(chǎn)率水平

為分析農(nóng)村數(shù)字化對不同分位點ATFCP的影響，進一步采用雙向固定的分位數(shù)模型驗證，結果見表8。結果表明，在5個分位點上，農(nóng)村數(shù)字化對ATFCP均存在顯著正向影響，隨著ATFCP水平不斷提升，提升作用逐漸減弱，表現(xiàn)為邊際效益遞減。

4. 5. 3 農(nóng)業(yè)綠色發(fā)展水平

因政策支持、經(jīng)濟發(fā)展和資源稟賦差異，中國各省份農(nóng)業(yè)綠色發(fā)展水平不盡相同，在此差異下，農(nóng)村數(shù)字化對不同農(nóng)業(yè)綠色發(fā)展水平地區(qū)的ATFCP的影響可能產(chǎn)生差異。參考《中國綠色發(fā)展指數(shù)報告：區(qū)域比較》（2011—2019）獲取30省份綠色發(fā)展水平數(shù)據(jù)，重新進行參數(shù)估計，結果見表9列（1）和列（2）。結果表明，農(nóng)村數(shù)字經(jīng)濟對ATFCP均顯著為正，說明數(shù)字化的綠色效應并不會受到當?shù)匾延芯G色發(fā)展水平的限制，驗證了數(shù)字化的包容性，亦符合表8中分位數(shù)回歸的結果。

4. 5. 4 農(nóng)村金融發(fā)展水平

自從數(shù)字技術融入農(nóng)村金融業(yè)態(tài)以來，數(shù)字金融在農(nóng)村得到了廣泛應用和推廣。實際上，數(shù)字金融的嵌入會受到農(nóng)村自身金融發(fā)展水平的約束，因此，農(nóng)村數(shù)字化對ATFCP的提升作用可能會受到傳統(tǒng)金融發(fā)展的影響。為此，以農(nóng)村金融發(fā)展水平（農(nóng)民貸款與農(nóng)林牧漁總產(chǎn)值的比值）作進一步異質性分析，結果見表9列（3）和列（4）。結果表明，農(nóng)村數(shù)字化僅在高金融水平地區(qū)表現(xiàn)出顯著的正向影響，說明農(nóng)村數(shù)字化與農(nóng)村金融之間存在一個“金融門檻”，金融水平低的農(nóng)村不僅存在物理排斥，較低的金融水平通常意味著數(shù)字基礎設施的不完善，而且還存在自我排斥，農(nóng)戶金融素養(yǎng)的匱乏導致數(shù)字金融的難以普及。綜合作用下，農(nóng)村金融水平較低的地區(qū)會制約農(nóng)村數(shù)字化的發(fā)展。

5 進一步討論：空間效應分析

為檢驗農(nóng)村數(shù)字化和ATFCP 的空間自相關，使用Moran's I 指數(shù)來測試，結果見表10。結果表明，2011—2020年農(nóng)村數(shù)字化的Moran's I 均在1% 或5% 的水平上顯著正相關，說明農(nóng)村數(shù)字化具有顯著的空間自相關。ATFCP的Moran's I 雖然只有2020年顯著為正，但是總體Moran's I 仍然在1%的水平上顯著為正，因此，仍有必要作進一步的空間效應分析。

LM檢驗、LR檢驗和固定效應選擇項檢驗結果表明具有時空雙重固定效應的SDM模型是合適的。表11顯示了農(nóng)村數(shù)字化對ATFCP的空間效應估計結果。同時給出了空間回歸模型在經(jīng)濟距離、地理距離和嵌套3個權重矩陣下的估計，以驗證其穩(wěn)健性，結果見表11 列（1）—列（3）。結果表明，空間自回歸系數(shù)（ρ）均顯著為正，證明了空間效應的存在。由于空間相互作用項（w×rd）的回歸系數(shù)不能直接用于討論空間邊際影響。因此，為進一步測量相鄰區(qū)域間復雜的空間相關性，通過計算偏導數(shù)得到系數(shù)，用總效應、直接效應和間接效應來描述相鄰區(qū)域的空間邊際效應，結果見表11列（1）。結果表明，短期和長期的間接影響分別在1%和5%的水平上顯著為正，說明農(nóng)村數(shù)字化對ATFCP存在顯著的空間溢出效應，假說3得到驗證?？赡艿脑蛟谟跀?shù)字技術的跨時空信息傳播和共享增強了區(qū)域間的農(nóng)村經(jīng)濟活動，即農(nóng)村數(shù)字化的發(fā)展能夠突破經(jīng)濟距離差異，不僅提升本地ATFCP，同時起到示范和引領作用，從而提升鄰近地區(qū)的ATFCP。在地理距離矩陣下，農(nóng)村數(shù)字化對ATFCP仍具有正向的空間溢出效應，但間接效應并不顯著。在嵌套矩陣下，結論和經(jīng)濟距離矩陣下的結果基本一致。

6 結論和啟示

6. 1 結論

基于2011—2020年中國30省份的面板數(shù)據(jù)，構建農(nóng)村數(shù)字化綜合指標，運用EBM?GML方法量化ATFCP，采用固定效應模型、分位數(shù)模型和動態(tài)空間杜賓模型等方法探索農(nóng)村數(shù)字化對ATFCP的影響，得出如下研究結論。

第一，農(nóng)村數(shù)字化能夠顯著提升ATFCP，在經(jīng)過工具變量等一系列穩(wěn)健性檢驗后，該結論依然成立。

第二，農(nóng)村數(shù)字化通過推動技術進步、規(guī)模經(jīng)營、結構升級、產(chǎn)業(yè)集聚和非農(nóng)就業(yè)，進而實現(xiàn)ATFCP增長。

第三，農(nóng)村數(shù)字化對ATFCP的提升作用存在區(qū)域異質性，東部地區(qū)因其經(jīng)濟基礎優(yōu)勢，農(nóng)村數(shù)字化能夠發(fā)揮更大的積極效應。總體來看，農(nóng)村數(shù)字化表現(xiàn)為邊際效益遞減的正向影響，在綠色發(fā)展水平低或高的地區(qū)均能發(fā)揮顯著提升作用，在農(nóng)村金融發(fā)展水平高的地區(qū)農(nóng)村數(shù)字化的影響更為顯著。

第四，農(nóng)村數(shù)字化對ATFCP具有顯著的空間溢出效應，短期和長期間接效應均顯著為正。

6. 2 啟示

以數(shù)字技術和傳統(tǒng)農(nóng)業(yè)的融合為代表的農(nóng)村數(shù)字化將是實現(xiàn)“農(nóng)業(yè)經(jīng)濟增長”和“農(nóng)業(yè)碳減排”雙重目標的重要工具。據(jù)此，結合上述結論，提出以下政策建議。

第一，鑒于農(nóng)村數(shù)字化在提高農(nóng)業(yè)碳生產(chǎn)率方面具有紅利效應，未來應加大數(shù)字農(nóng)業(yè)領域新技術、新產(chǎn)品和新模式的應用推廣力度，盡快將農(nóng)業(yè)傳感器、智能裝備等納入農(nóng)機購置補貼。堅持推進“寬帶下鄉(xiāng)”和“數(shù)字鄉(xiāng)村”戰(zhàn)略，實現(xiàn)農(nóng)村4G或5G網(wǎng)絡覆蓋，保證農(nóng)村居民基礎的信息服務。同時，嘗試設立數(shù)字經(jīng)濟示范村和農(nóng)業(yè)大數(shù)據(jù)試點縣，推動數(shù)字成果盡快轉化為現(xiàn)實生產(chǎn)力。

第二，鑒于農(nóng)村數(shù)字化通過技術、規(guī)模、結構、集聚和就業(yè)效應提升農(nóng)業(yè)碳生產(chǎn)率，未來需加快推進覆蓋農(nóng)業(yè)全產(chǎn)業(yè)鏈條的數(shù)字農(nóng)業(yè)試驗區(qū)建設，促進產(chǎn)業(yè)集聚和加強農(nóng)業(yè)綠色技術的創(chuàng)新，由此發(fā)揮規(guī)模經(jīng)營和技術進步的協(xié)同作用。同時，調整農(nóng)村產(chǎn)業(yè)發(fā)展重點，借助農(nóng)村數(shù)字化推進農(nóng)業(yè)與數(shù)字產(chǎn)業(yè)的融合，助力農(nóng)特產(chǎn)品搭上“數(shù)字快車”和農(nóng)文旅融合插上“數(shù)字化翅膀”，實現(xiàn)農(nóng)業(yè)結構升級和就業(yè)多元化。

第三，鑒于農(nóng)村數(shù)字化對農(nóng)業(yè)碳生產(chǎn)率的影響具有顯著區(qū)域異質性，未來應總結和提煉東部地區(qū)成功經(jīng)驗，實施動態(tài)化和差異化的數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略。對于農(nóng)業(yè)綠色低碳發(fā)展已取得較好成效的地區(qū)，進一步鞏固農(nóng)村數(shù)字化的降碳增產(chǎn)紅利，注重技術擴散，對低數(shù)字化水平的地區(qū)進行幫扶。對于低金融水平地區(qū)來說，優(yōu)先發(fā)展農(nóng)村金融機構，弱化物理排斥與自我排斥，發(fā)揮傳統(tǒng)金融對農(nóng)村數(shù)字化發(fā)展的支撐作用。

第四，鑒于農(nóng)村數(shù)字化對農(nóng)業(yè)碳生產(chǎn)率的影響具有顯著空間溢出效應，未來應重點完善區(qū)域間的合作機制，借助數(shù)字化能夠突破經(jīng)濟距離限制的優(yōu)勢，打造一體化的數(shù)字經(jīng)濟智慧服務平臺，建立龐大的數(shù)字經(jīng)濟服務數(shù)據(jù)庫，實現(xiàn)數(shù)據(jù)資源和平臺共享，加強農(nóng)業(yè)生產(chǎn)環(huán)境信息公開和技術擴散。

參考文獻

［1］ 于卓卉，毛世平. 中國農(nóng)業(yè)凈碳排放與經(jīng)濟增長的脫鉤分析

［J］. 中國人口·資源與環(huán)境，2022，32（11）：30-42.

［2］ FUGLIE K，RAY S，BALDOS U L C，et al. The R&D cost of climate

mitigation in agriculture［J］. Applied economic perspectives and

policy，2022，44（4）：1955-1974.

［3］ ALEKSANDRAL A， EMILY M， YOU L， et al. 5 Questions about

agricultural emissions， answered［EB/OL］.（2019-07-29）［2023-

03-16］. https：//www. wri. org/insights/5?questions?about?agricultural?emissions?answered.

［4］ KARKACIER O，GOKALP GOKTOLGA Z，CICEK A. A regression

analysis of the effect of energy use in agriculture［J］. Energy policy，

2006，34（18）：3796-3800.

［5］ TILMAN D，BALZER C，HILL J，et al. Global food demand and the

sustainable intensification of agriculture［J］. Proceedings of the National

Academy of Sciences of the United States of America，2011，

108（50）：20260-20264.

［6］ LITVINENKO V S. Digital economy as a factor in the technological

development of the mineral sector［J］. Natural resources research，

2020，29（3）：1521-1541.

［7］ LIOUTAS E D，CHARATSARI C，DE ROSA M. Digitalization of agriculture：

a way to solve the food problem or a trolley dilemma［J］.

Technology in society，2021，67：101744.

［8］ XIE Y，CHEN Z，BOADU F，et al. How does digital transformation

based Measure （SBM） approach［R］. Tokyo：National Graduate

Institute for Policy Studies，2004.

［11］ CHUNG Y H，F(xiàn)?RE R，GROSSKOPF S. Productivity and undesirable

outputs： a directional distance function approach［J］. Journal

of environmental management，1997，51（3）：229-240.

［12］ LI Y，CHEN Y Y. Development of an SBM?ML model for the measurement

of green total factor productivity：the case of Pearl River

Delta urban agglomeration［J］. Renewable and sustainable energy

reviews，2021，145：111131.

［13］ ANDERSEN P，PETERSEN N C. A procedure for ranking efficient

units in data envelopment analysis［J］. Management science，

1993，39（10）：1261-1264.

［14］ 孔凡斌，程文杰，徐彩瑤. 數(shù)字經(jīng)濟發(fā)展能否提高森林生態(tài)產(chǎn)

品價值轉化效率：基于浙江省麗水市的實證分析［J］. 中國農(nóng)村

經(jīng)濟，2023（5）：163-184.

［15］ 楊入一，孔繁濤. 數(shù)字化發(fā)展與農(nóng)產(chǎn)品批發(fā)市場技術進步：兼

論農(nóng)產(chǎn)品電商渠道的中介效應［J］. 中國流通經(jīng)濟，2023，37

（3）：3-16.

［16］ 孫光林，李婷，莫媛. 數(shù)字經(jīng)濟對中國農(nóng)業(yè)全要素生產(chǎn)率的影

響［J］. 經(jīng)濟與管理評論，2023，39（1）：92-103.

［17］ 王菲，劉天軍，宋經(jīng)翔. 數(shù)字經(jīng)濟發(fā)展能提高農(nóng)業(yè)企業(yè)加成率

嗎：基于全國53196家農(nóng)業(yè)企業(yè)的微觀證據(jù)［J］. 山西財經(jīng)大學

學報，2022，44（11）：15-27.

［18］ 唐建軍，龔教偉，宋清華. 數(shù)字普惠金融與農(nóng)業(yè)全要素生產(chǎn)率：

基于要素流動與技術擴散的視角［J］. 中國農(nóng)村經(jīng)濟，2022（7）：

81-102.

［19］ SALAHUDDIN M，ALAM K. Internet usage，electricity consumption

and economic growth in Australia：a time series evidence［J］.

Telematics and informatics，2015，32（4）：862-878.

［20］ ZHANG W，LIU X M，WANG D，et al. Digital economy and carbon

emission performance：evidence at China's city level［J］. Energy

policy，2022，165：112927.

［21］ 任曉松，孫莎. 數(shù)字經(jīng)濟對中國城市工業(yè)碳生產(chǎn)率的賦能效應

［J］. 資源科學，2022，44（12）：2399-2414.

［22］ ZHONG R X，HE Q A，QI Y B. Digital economy，agricultural technological

progress，and agricultural carbon intensity：evidence from

China［J］. International journal of environmental research and public

health，2022，19（11）：6488.

［23］ JIANG Q，LI J Z，SI H Y，et al. The impact of the digital economy

on agricultural green development：evidence from China［J］. Agriculture，

2022，12（8）：1107.

［24］ XU N，ZHAO D S，ZHANG W J，et al. Does digital transformation

promote agricultural carbon productivity in China［J］. Land，2022，

11（11）：1966.

［25］ 翟鄖秋，張芊芊，劉芳，等. 我國畜禽養(yǎng)殖業(yè)碳排放研究進展

［J］. 華南師范大學學報（自然科學版），2022，54（3）：72-82，2.

［26］ GROSSMAN G M， KRUEGER A B. Environmental impacts of a

North American Free Trade Agreement［R］. Combridge： National

Bureac of Economice Research， Inc， 1991.

［27］ LIU D N，XIAO B W. Can China achieve its carbon emission peaking：

a scenario analysis based on STIRPAT and system dynamics

model［J］. Ecological indicators，2018，93：647-657.

［28］ ZHANG L，PANG J X，CHEN X P，et al. Carbon emissions，energy

consumption and economic growth：evidence from the agricultural

sector of China's main grain?producing areas［J］. Science of the total

environment，2019，665：1017-1025.

［29］ ZHOU D， LI B. How the new media impacts rural development in

China： an empirical study［J］. China agricultural economic review，

2017， 9（2）： 238-254.

［30］ 朱紅根，陳暉. 中國數(shù)字鄉(xiāng)村發(fā)展的水平測度、時空演變及推

進路徑［J］. 農(nóng)業(yè)經(jīng)濟問題，2023，44（3）：21-33.

［31］ 慕娟，馬立平. 中國農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟發(fā)展指數(shù)測度與區(qū)域差

異［J］. 華南農(nóng)業(yè)大學學報（社會科學版），2021，20（4）：90-98.

［32］ 徐現(xiàn)祥，周吉梅，舒元. 中國省區(qū)三次產(chǎn)業(yè)資本存量估計［J］.

統(tǒng)計研究，2007，24（5）：6-13.

［33］ 宗振利，廖直東. 中國省際三次產(chǎn)業(yè)資本存量再估算：1978—

2011［J］. 貴州財經(jīng)大學學報，2014（3）：8-16.

［34］ 田云，張俊飚. 中國農(nóng)業(yè)生產(chǎn)凈碳效應分異研究［J］. 自然資源

學報，2013，28（8）：1298-1309.

［35］ 許憲春，張美慧. 中國數(shù)字經(jīng)濟規(guī)模測算研究：基于國際比較

的視角［J］. 中國工業(yè)經(jīng)濟，2020（5）：23-41.

［36］ GALINATO G I，GALINATO S P. The effects of government spending

on deforestation due to agricultural land expansion and CO2 related

emissions［J］. Ecological economics，2016，122：43-53.

［37］ 郭峰，王靖一，王芳，等. 測度中國數(shù)字普惠金融發(fā)展：指數(shù)編

制與空間特征［J］. 經(jīng)濟學（季刊），2020，19（4）：1401-1418.

［38］ NUNN N，QIAN N. US food aid and civil conflict［J］. American

economic review，2014，104（6）：1630-1666.

［39］ WANG Z， SUN S. Transportation infrastructure and rural development

in China［J］. China agricultural economic review， 2016， 8

（3）： 516-525.

［40］ LIU H， WEN S， WANG Z. Agricultural production agglomeration

and total factor carbon productivity： based on NDDF?MML index

analysis［J］. China agricultural economic review， 2022， 14（4）：

709-740.

［41］ 易行健，周利. 數(shù)字普惠金融發(fā)展是否顯著影響了居民消費：

來自中國家庭的微觀證據(jù)［J］. 金融研究，2018（11）：47-67.

［42］ FUNK J. Beyond patents： scholars of innovation use patenting as

an indicator of both innovativeness and the value of science， it

might be neither［J］. Issues in science and technology， 2018， 34

（4）： 48-54.

［43］ HUANG X Q，F(xiàn)ENG C，QIN J H，et al. Measuring China's agricultural

green total factor productivity and its drivers during 1998-

2019［J］. Science of the total environment，2022，829：154477.

［44］ ZHU W，WANG R M. Impact of farm size on intensity of pesticide

use：evidence from China［J］. Science of the total environment，

2021，753：141696.

［45］ 魏夢升，顏廷武，羅斯炫. 規(guī)模經(jīng)營與技術進步對農(nóng)業(yè)綠色低

碳發(fā)展的影響：基于設立糧食主產(chǎn)區(qū)的準自然實驗［J］. 中國農(nóng)

村經(jīng)濟，2023（2）：41-65.

［46］ 付凌暉. 我國產(chǎn)業(yè)結構高級化與經(jīng)濟增長關系的實證研究

［J］. 統(tǒng)計研究，2010，27（8）：79-81.

［47］ 田云，吳海濤. 產(chǎn)業(yè)結構視角下的中國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放

公平性研究［J］. 農(nóng)業(yè)技術經(jīng)濟，2020（1）：45-55.

［48］ CHANG H H，MISHRA A K. Chemical usage in production agriculture：

do crop insurance and off?farm work play a part［J］. Journal

of environmental management，2012，105：76-82.

（責任編輯：李琪）

affect agricultural enterprises' pro?land behavior：the role of environmental

protection cognition and cross?border search［J］. Technology

in society，2022，70：101991.

［9］ SUEYOSHI T，GOTO M. World trend in energy：an extension to

DEA applied to energy and environment［J］. Journal of economic

structures，2017，6（1）：13.

［10］ TONE K. Dealing with undesirable outputs in DEA： a Slacks?