文献分享|孔凡斌等:绿色金融发展对农业减污降碳协同增效的影响效果与作用机制

 摘 要 

统筹推进污染治理与碳减排协同并进,是我国稳步实施碳达峰碳中和战略、促进发展方式绿色低碳转型的关键举措。论文基于长三角地区41个设区市2011—2021年的面板数据,综合运用固定效应模型、中介效应模型和空间计量模型等定量研究方法,系统分析了绿色金融发展与农业减污降碳协同增效的因果作用机制,探讨农业技术进步在二者关系中的作用机理。研究发现：首先,绿色金融发展能够显著促进农业减污降碳协同增效,且在绿色金融发展水平较高地区、非粮食主产区和低经济发展水平地区,促进效果更显著。其次,绿色金融发展在促进农业减污降碳协同增效的过程中,存在显著的空间溢出效应,即本地区绿色金融发展水平的提高也能促进空间邻近地区农业减污降碳协同增效。再次,绿色金融发展能够通过促进农业技术进步实现农业减污降碳协同增效,且农业技术进步水平在绿色金融发展影响农业减污降碳协同增效的过程中充当门槛变量。研究结论对于实现农业绿色化发展具有重要理论与现实意义。

研究背景及意义

协同推进减污降碳是中国积极稳妥推进碳达峰碳中和与绿色转型的战略选择。绿色金融是驱动环境改善、应对气候变化及实现资源高效节约利用的关键动力。2023年12月，中共中央、国务院发布《关于全面推进美丽中国建设的意见》再次明确，要大力发挥绿色金融助力农业领域减污降碳协同增效的积极作用，更好地推动农业绿色发展。当前，研究探索绿色金融发展与农业减污降碳协同增效之间的因果关系，探究两者之间的路径机制，据此协同推进农业减污降碳协同增效的绿色金融高质量发展策略，具有重大的现实意义。

然而，在既有研究基础上，仍需进一步探究并厘清以下问题：第一，现有关于绿色金融发展对农业减污降碳影响的研究文献所构建的绿色金融发展水平指标体系是一个笼统的指标体系，未能够直接体现农业领域绿色金融发展及其应用水平，致使研究结论可能存在较大偏差。第二，已有研究从宏观视角观察到绿色金融发展存在显著的减污降碳效应，然而，在相对微观的研究视角上，针对长三角地区农业领域的减污降碳协同增效的任务和目标，绿色金融发展是否能够发挥显著的积极作用？第三，已有研究探明技术进步在助推农业减污降碳协同增效中的作用，但缺乏将绿色金融发展、农业技术进步和农业减污降碳协同水平纳入同一分析框架的研究。鉴于此，本文将这三者纳入同一分析框架，基于长三角地区41个设区市2011—2021年面板数据，实证检验两者间的理论机制和作用路径。

 亮 点 

本文可能的边际贡献在于：第一，对绿色金融发展水平的各二级指标进行领域化折算，以提炼出绿色金融发展对农业减污降碳协同增效的具体贡献。第二，在市级层面上实证探讨二者的作用机制，弥补既有研究视角的不足。第三，将绿色金融发展、农业技术进步和农业减污降碳协同水平纳入同一分析框架，从农业技术进步视角分析绿色金融发展影响农业减污降碳协同增效的传导机制，为推进“双碳”战略背景下发展绿色金融推进农业减污降碳协同增效战略提供经验证据和决策依据。

理论分析与假设

1. 绿色金融发展与农业减污降碳协同增效的内在关系

绿色金融是指为支持环境改善、应对气候变化和资源高效利用的经济活动所提供的金融服务。绿色金融发展能够通过优化资金配置、优化生产要素配置、促进技术创新、改善能源消费结构从而影响农业减污降碳协同增效。据此，提出以下研究假说。

H1a ：绿色金融发展能够显著促进农业减污降碳协同增效。

绿色金融发展对本地区农业减污降碳协同增效能产生良好成效及示范效应，空间邻近地区不仅通过学习和效仿推动发展绿色金融业务，还能借助先进绿色技术的扩散效应，进而对邻近地区的农业减污降碳协同增效产生影响。据此，提出以下研究假说。

H1b ：绿色金融发展在促进农业减污降碳协同增效过程中存在空间溢出效应。

2.农业技术进步在绿色金融发展影响农业减污降碳协同增效中的作用

根据内生增长理论，农业技术进步既是推动农业经济发展的核心动力，也是推动农业绿色发展的关键。波特假说认为，环保政策主要通过激励企业开展技术创新或采纳创新性技术来对经济产生影响。一方面，在国家构建绿色金融体系、大力发展绿色金融的政策背景下，绿色金融发展可以通过投融资约束对农业绿色技术创新产生倒逼作用，刺激农业主体增加创新投入，摆脱高污染、高耗能的传统农业生产方式，进而有利于农业绿色技术创新的实现，推动农业技术进步。另一方面，绿色金融发展通过绿色信贷、绿色债券、绿色基金等多元化金融产品与服务体系的构建，为农业经济提供多层次、全方位的融资支持渠道。降低农业技术的融资成本，使农业主体更容易获得资金支持，加速农业绿色技术的研发、推广和应用。农业绿色技术不仅可以提高农业生产效率，还可以减少农业面源污染和碳排放水平，进而有助于推动农业减污降碳协同增效。据此，提出以下研究假说。

H2 ：绿色金融发展能够通过推动农业技术进步来促进农业减污降碳协同增效。

3.绿色金融发展影响农业减污降碳协同增效的非线性影响

农业技术扩散理论认为，农业新技术的传播和采纳具有一定的门槛，在初始采纳阶段存在“淘汰效应”，而是否采用农业新技术将直接影响农业减污降碳协同增效。农业技术进步水平较低时，农业生产过程往往采用高耗能、高污染的传统农业生产方式使得资源利用效率低下，农业碳排放量、农业面源污染水平较高，且绿色金融发展所提供的资金支持难以在农业减污降碳中作出实际贡献。随着农业技术进步水平不断提高，资源配置效率不断提升、农业基础设施与设备得以完善升级、政府加大对低碳农业的财政与政策支持以及农民低碳环保意识的提升，使得绿色金融发展获得广阔的发展空间，从而能够对农业减污降碳协同增效产生正向影响。此外，技术进步还会促进农业产业链的协同绿色转型，进一步放大绿色金融的非线性促进作用，最终实现农业减污降碳协同增效的跨越式提升。据此，提出以下研究假说。

H3 ：农业技术进步在绿色金融发展对农业减污降碳协同增效的影响关系中存在门槛效应。

基于上述理论分析，构建本文理论分析框架(见图1)。

研究设计

1. 变量说明

1.1 解释变量

解释变量是绿色金融发展(Gfinance)。《关于构建绿色金融体系的指导意见》定义绿色金融体系是指通过绿色信贷、绿色债券、绿色股票指数和相关产品、绿色发展基金、绿色保险、碳金融等金融工具和相关政策支持经济向绿色化转型的制度安排。其中，绿色信贷1、绿色保险2、绿色债券3的折算比例分别为1.56%、2%、2.5%，具体计算方法如表1所示。

1.2 被解释变量

本文核心被解释变量为农业减污降碳协同水平(SYN)，由农业碳排放量(ACE)、农业面源污染水平(ANSP)根据耦合协同模型计算得出。

农业碳排放源主要来源于三个方面。一是农地利用产生的碳排放。二是动物养殖过程中产生的碳排放。三是水稻种植过程中产生的甲烷等温室气体。水稻种植产生的碳排放分为两类，第一类是直接碳排放，即水稻等生产过程产生以温室气体形式释放的碳；第二类是间接碳排放，即化肥、农药、薄膜等农业生产资料的使用。鉴于水稻种植碳排放数据的不可得性，使用第二类碳排放表征水稻种植的碳排放，归入种植业碳排放一同计算。农业碳排放量估算公式如下。

其中，ACE表示农业碳排放量，i表示碳排放源，Ci表示第i 个碳排源的碳排放量，Si表示碳排放源数量， fi表示碳排放源的碳排放因子。具体碳排放因子如表2所示。

农业面源污染主要来自种植业、畜牧业和水产养殖业，种植业的污染主要是农业肥料，农村畜牧业的日常养殖生物主要是猪、牛、羊和家禽。测算方法如下。

其中，ANSP为农业面源污染水平；Qi是农业和农村污染清查统计；Ci为i单元中j污染物的排放系数，由单元i和空间特征S决定；生产系数是单位污染物直接排放到环境中的污染物的数量；排放系数是指处理后排放到环境中的污染量。当污染物直接排放时，污染产生因子等于排放因子。具体系数如表3所示。

耦合协调度模型能够有效反映不同子系统间协同发展态势以及系统间的整体功效。因此，参考已有研究(唐湘博等，2022)，运用耦合协调度模型测度减污降碳协同水平。模型方法如下。

其中：U1表示农业碳排放系统；U2表示农业面源污染系统；C表示两系统的耦合度；T表示综合协调指数；a、b表示待定系数，该文认为减污和降碳同等重要，即a=b=0.5；D表示两系统的耦合协调度，范围为[0，1]。根据减污降碳协同水平的含义，采用耦合协调度的负数后的标准化值表征农业减污降碳协同水平。

1.3 控制变量

除绿色金融发展水平之外，农业减污降碳协同水平还受到其他因素影响。参考已有研究，考虑数据的可得性和完整性，选择的控制变量如下：经济结构用第一产业增加值表示；科技支出用科学技术支出占财政一般支出的比重表示；人口规模用地区常住人口数表示；产业结构用第二、三产业产值之和占地区生产总值的比重表示；环境治理投入用环境污染治理投资占地区生产总值的比重表示；金融发展水平用年末金融机构贷款余额占地区生产总值的比重表示。

1.4 中介变量和门槛变量

根据理论分析，本文中介变量和门槛变量为农业技术进步(TECH)。农业技术进步变量(田云、尹忞浩，2021)通过DEA-Malmquist 指数法计算获取，投入指标包含农作物播种面积、第一产业从业人数、化肥施用量和农用机械总动力，产出指标为第一产业增加值。

各变量的描述性统计如表4所示。

2. 研究设计和模型构建

2.1 基准回归模型

为检验绿色金融发展与农业减污降碳协同增效的因果关系。构建基准回归模型如下。

其中i和t分别对应城市和年份，ACEit表示城市i在t年的农业碳排放量，ANSPit表示城市i在t年的农业面源污染，SYNit表示城市i在t年的农业减污降碳协同水平，Xit代表一系列的控制变量，μi为城市固定效应，θt为年份固定效应，ε为随机扰动项，α0、β0、γ0为常数项，α1、β1、γ1为待估参数。

2.2 空间计量模型 

为考察绿色金融发展影响农业减污降碳协同增效是否存在空间溢出效应，在基准回归模型基础上，采用空间计量模型进行进一步探究。空间计量模型设计如下。

其中W为空间矩阵，采用地理距离权重矩阵和经济距离权重矩阵。

2.3 中介效应模型 

参考江艇（2022）的做法来研究绿色金融发展影响农业减污降碳协同增效的机制，在基准回归模型的基础上，构建如下中介效应模型。

其中TECH代表农业技术进步。

3. 数据来源

本研究的数据基础为2011—2021年长三角地区41个设区市的面板数据。数据来源主要是各种权威统计年鉴，包括各省市统计年鉴、环境状况公报等。其中，猪、牛、水产品生产排放系数来源于《农业源生产排放核算方法与系数手册(2021年版)》。由于手册中未提供羊、禽生产及排放系数，农用肥料、羊、禽生产及排放系数来源于Guo&Huang(2021)，碳排放系数数据来源于Tian&Chen(2019)。

结果与分析

1. 基准回归结果

考虑到基于Hausman 检验结果选用双向固定效应模型进行基准回归，结果如表5所示。绿色金融发展的回归系数分别为-0.247、-0.136、0.064，分别在5%、10%、1%水平下显著，表明绿色金融发展存在显著的减污效应和降碳效应，且能够提高农业减污降碳协同水平，即能促进农业减污降碳协同增效。因此，研究假说H1a 得以验证。从影响幅度上看，绿色金融发展水平每提升1单位，农业碳排放量降低24.70%，农业面源污染水平降低13.60%，农业减污降碳协同水平提升0.064个单位。

2. 稳健性检验

2.1 剔除样本

考虑到2017年6月30日浙江省绿色金融改革创新试验区建设动员部署会议上，明确浙江将举全省之力支持湖州市、衢州市建设绿色金融改革创新试验区的战略部署，这一部署在短期内可能对绿色金融发展水平产生较大影响，从样本选择可能存在偏误的角度出发，据此剔除2017—2018年的样本数据，进行稳健性检验。此外，考虑到新冠疫情的爆发可能会对绿色金融发展水平产生较大影响，进一步剔除2020—2021年的样本数据进行稳健性检验。

2.2 替换核心解释变量

考虑到绿色金融发展的衡量可能存在偏误，选择国内主导的绿色金融产品绿色信贷(Gcredit)替换核心解释变量，进行稳健性检验。

2.3 剔除上海市和其他省会城市

考虑到上海市和其他省会城市的经济发展水平较高，绿色金融发展的社会经济基础和其他地区存在显著差异，据此剔除上海市和其他省会城市进行稳健性检验。各稳健性检验结果如表6所示，绿色金融发展的回归系数均显著为正，与基准回归结果保持一致，因此本文基准回归结果是稳健的。

2.4 内生性处理

考虑到因遗漏变量等引起的内生性问题可能对估计结果造成偏误，参考Wang & Wang(2023)的研究，采用两阶段最小二乘法(2SLS)进行内生性检验。本文将绿色金融发展与其均值之差的三次幂作为绿色金融发展的工具变量(郭昱申、方先明，2025)，满足了“相关性”和“外生性”的假设条件。内生性检验结果如表7列(1)-(2)，Kleibergen-Paap rk LM统计量在1%的水平下显著，且Kleibergen-Paap Wald rk F统计量值为28.970，大于Stock-Yogo检验在10%水平下的临界值，因此工具变量选择是合理的，不存在弱工具变量和不可识别问题。2SLS的结果中绿色金融发展能够显著提升农业减污降碳协同水平，且影响程度较基准回归有所增强。因此，在缓解了可能存在的内生性问题后，绿色金融发展能显著提升农业减污降碳协同水平。

3. 异质性分析

3.1 绿色金融发展水平的异质性

依据长三角地区四个省(市)绿色金融发展水平高低，以绿色金融发展水平的中位数为标准，将该地区41市分为低、高绿色金融发展水平两组进行回归，结果如表8所示。结果表明，在高绿色金融发展水平地区，绿色金融发展能够显著提升农业减污降碳协同水平，而在低绿色金融发展水平地区，绿色金融发展未能产生提升效应。可能的原因是，长三角地区绿色金融发展水平对农业减污降碳协同水平的影响差异，主要源于区域经济基础、政策执行力度、技术创新支撑及产业协同需求的分化：高发展水平地区(如上海、江苏)凭借雄厚的经济实力、充裕的金融资源、细化的政策体系及严格的标准执行，结合金融科技(如区块链、卫星遥感)与完善的数据支撑，有效推动了绿色金融发展与农业减排的良性互动；而低发展水平地区(如安徽部分城市)受限于经济基础薄弱、政策框架初步但执行薄弱、技术支撑不足及传统产业占比高等因素，导致绿色金融资源难以精准匹配农业需求，加之区域协同障碍与标准不统一，进一步抑制了农业减污降碳协同水平的提升。

3.2 粮食主产区和非粮食主产区的异质性

相较于非粮食主产区，粮食主产区的农业生产规模、农业碳排放量、农业面源污染水平都比较高，为探究绿色金融发展对粮食主产区和非粮食主产区的减污降碳协同水平差异影响，进行分样本回归。根据《国务院关于建立粮食生产功能区和重要农产品生产保护区的指导意见》的划分标准，江苏和安徽地区为粮食主产区，浙江和上海地区为非粮食主产区，异质性分析结果如表9所示。结果表明，绿色金融发展仅在非粮食主产区显著提升农业减污降碳协同水平。可能的原因是：粮食主产区和粮食非主产区的农业生产模式、金融资源匹配度、政策目标及技术需求存在差异：非粮食主产区以特色/生态农业为主，碳排放源分散且易通过绿色金融支持的小规模项目(如有机种植)直接减排，叠加经济发达、金融创新活跃及政策侧重生态保护的优势，绿色金融发展可精准对接需求；而粮食主产区以大规模粮食生产为主，碳排放集中于化肥/农药使用及机械化作业，减排需基础性技术改进(如测土配方施肥)，但传统农业风险高、收益低导致金融资源覆盖不足，加之政策以保障粮食安全为主、环保激励薄弱，绿色金融发展对低收益长周期项目的支持动力受限，最终制约了农业减污降碳协同水平的提升。

3.3 经济发展水平的异质性

长三角地区不同区域在经济发展和环境治理水平等方面存在较大差异，因此，本文以人均GDP的中位数为划分标准，将长三角地区41个设区市划分为两组进行分组回归，结果见表10。绿色金融发展能够显著提升低经济发展水平的农业减污降碳协同水平，而对高经济发展水平地区的提升效应不显著。可能的原因是两类区域经济基础、金融资源、政策目标及技术需求的差异：低发展水平地区传统农业占比高，碳排放集中于化肥/农药使用等基础环节，减排空间大且技术门槛低，绿色金融发展通过低成本资金(如绿色信贷、补贴型债券)直接支持易推广的低碳技术(如测土配方施肥)，叠加政策以“补短板”为主、环保考核压力大，金融资源与农业减排需求高度匹配，形成“资金-技术-产业”闭环；而高发展水平地区农业占比低，减排已处边际效益递减阶段，剩余减排需依赖高端技术(如智能农机节能改造)，但这类项目成本高、周期长，绿色金融发展对低收益农业项目的支持动力不足，且政策更侧重经济转型或创新驱动，金融资源更多流向工业或服务业领域，导致农业减排资金被挤占，最终制约了绿色金融发展促进农业减污降碳协同增效。

4. 作用机制分析

上述回归结果已经验证了绿色金融发展能够有效促进农业减污降碳协同增效，据此，进一步对绿色金融发展促进农业减污降碳协同增效的路径进行研究。基于前文的理论分析，引入农业技术进步用以分析机制路径，结果如表11所示。结果表明，绿色金融发展对农业技术进步水平的影响在5%水平下显著为正，其系数为0.304，即绿色金融发展水平每提升1单位，农业技术进步水平提升0.304单位。同时，绿色金融发展对农业减污降碳协同增效的直接效应是正向的，表明绿色金融发展可以通过促进农业技术进步实现农业减污降碳协同增效，据此H2得以验证。

5. 空间溢出效应分析

本文绿色金融发展和农业减污降碳协同水平的全局Moran’s I在样本期间多数年份均显著为正，表明两者间具有显著的空间自相关性。再根据LM、LR、Hausman检验结果选择合适的空间计量模型，在地理距离权重矩阵条件下，采用个体固定效应模型；在经济距离权重矩阵条件下，采用双向固定效应模型。空间杜宾模型的检验结果如表12所示。结果表明：第一，在地理距离权重矩阵条件下，绿色金融发展对农业减污降碳增效水平的空间回归系数显著，数值为0.060，表明绿色金融发展对农业减污降碳协同增效水平存在显著正向空间溢出效应。即本地区绿色金融发展水平的提升能够显著促进本地区和空间邻近地区农业减污降碳协同增效，据此验证了研究假说H1b。第二，在经济距离权重矩阵条件下，绿色金融发展对农业减污降碳协同水平的空间回归系数分别为0.065，通过了1%水平的显著性检验。表明绿色金融发展对农业减污降碳协同水平存在显著正向空间溢出效应，即本地区绿色金融发展水平的提升能够显著促进本地区和空间邻近地区农业减污降碳协同增效。据此进一步验证了研究假说H1b。

6. 门槛效应分析

由前文面板回归结果可知，绿色金融发展对农业减污降碳协同增效产生了显著影响，但此种影响可能是多维度、非线性的，为此使用面板门槛模型进行进一步分析，设定模型如下。

其中，1(·)代表示性函数，当括号中的表达式为假时，则取值为0，反之取值为1。根据TECH与φ的大小关系，将样本区别划分为不同区制，在TECH作为门槛变量时，采用单门槛模型。表13报告了农业技术进步作为门槛变量的门槛效应自抽样检验结果。结果表明，模型通过了单门槛效应的显著性检验，且门槛值为0.095，故在绿色金融发展影响农业减污降碳协同增效的过程中存在农业技术进步这一门槛，因此，研究假说H3初步得到验证。接下来进一步对农业技术进步水平作为门槛变量的结果进行分析。

表14为农业技术进步作为门槛变量的面板门槛模型估计结果。结果表明，在“TECH＜0.095”“TECH≥0.095”两个区间内，绿色金融发展的回归系数分别显著为-0.144、0.071，说明绿色金融发展对农业减污降碳协同水平的促进作用会随着农业技术进步水平提升而逐渐显现。究其原因，农业技术进步水平较低时，虽然绿色金融会带来农业生产效率的直接提升，但同样也会导致农机设备、化肥、农药和薄膜等生产资料投入的增加，造成农业碳排放量和农业面源污染水平的提升，使得绿色金融发展无法促进农业减污降碳协同增效。随着农业技术进步水平提升到某一临界点，农业生产效率、农村经济发展水平、农民收入、农民绿色环保意识等多方面同步提升，使得绿色金融有更为广阔的发展空间，资金能够精准地流向绿色低碳的项目，有利于实现农业减污降碳协同增效。因此，进一步验证了研究假说H3。

结论分析

本文以长三角地区41个设区市为研究对象，基于2011—2021年面板数据，实证分析绿色金融发展影响农业减污降碳协同增效的理论机制，探析两者间的因果关系和作用路径。得出的主要结论如下。

第一，绿色金融发展能够显著促进农业减污降碳协同增效。这提示各地需高度重视并充分发挥绿色金融的积极作用，将其作为推动农业减污降碳协同增效的重要抓手。实践中，应始终以绿色金融为引领方向，以碳减排相关货币政策工具为坚实支撑，同时辅以具体可行的措施与策略，全方位推动农业减污降碳工作迈向新台阶，为农业绿色发展持续注入强劲动力。此外，值得注意的是，绿色金融发展对农业减污降碳协同增效的促进作用存在异质性。因此，各地需坚持因地制宜、分类施策的原则，不断建立健全绿色金融发展体系，确保各项绿色金融政策能够精准、有效地落地执行。

第二，绿色金融发展可通过推动农业技术进步，进而实现农业减污降碳协同增效，且农业技术进步在两者的影响关系中扮演着门槛变量的角色。基于此，各地应积极鼓励金融机构加大对农业绿色技术领域的投资力度，通过推出优惠贷款、实施税收减免等一系列举措，切实降低绿色技术在研发和应用过程中的成本，加速农业绿色技术的进步与推广。同时，金融机构要精准引导资金流向生态农业、有机农业等环保型农业项目，进一步优化农业资源配置，推动农业生产模式向更绿色、低碳的方向转变，带动农业产业结构业减污降碳的协同增效。

第三，绿色金融发展对农业减污降碳协同增效的促进作用存在显著的空间溢出效应。这意味着各区域需加强金融领域的合作与交流，推动区域内各城市在金融政策制定、市场体系建设、金融产品创新等方面开展深度合作，以实现金融资源在更大范围内的优化配置和共享共用。同时，要着力建立健全绿色金融信息共享机制，搭建覆盖广泛的绿色金融信息共享平台，打破信息壁垒，实现金融机构、政府部门、相关企业之间的信息高效共享与互通。此外，还应积极推动绿色金融与绿色产业的协同发展，加强区域内绿色产业之间的协同合作，形成产业链上下游之间的紧密配合，促进绿色金融与绿色产业深度融合，从而更好地发挥绿色金融对农业减污降碳协同增效的空间带动作用。