京津冀地區綠色金融發展水平與農業碳排放效率耦合度研究

王 達 宋 超 張馨幻 徐 雯 楊 念

（河北金融學院大數據科學學院，保定 071000）

1 引言

我國作為人口大國，能源需求旺盛，碳排放還未達峰，綠色金融的發展與碳減排具有數量上的強相關性，碳減排是綠色發展的重要維度。在綠色金融發展方面，北京市已經建立起完善的金融生態，實現京津冀產業綠色協同，需要堅持綠色發展理念，為區域高質量發展積蓄勢能。對于減少農業碳排放，京津冀地區有重大責任。近年來，京津冀地區逐步形成了區域產業發展新格局，但3 地仍然面臨一定程度的產業結構失衡問題，3 地在產業結構方面存在較大差異。在“雙碳”目標視角下，京津冀地區產業結構有待進一步優化。

目前關于綠色金融的相關研究當中，劉七軍等學者研究了“一帶一路”沿線18 個省份的綠色金融發展水平[1]；王君萍等學者則在綠色金融與碳排放相聯系的“雙碳”目標下對中國區域綠色金融發展水平進行測度[2]。在農業碳排放效率的相關研究中，孫軼男從單一地區農業碳排放效率出發，通過測算黑龍江地區農業碳排放量進而研究農業碳排放效率[3]；崔朋飛則在廣域上研究了2003—2015年中國30個省份的農業碳排放量[4]；廖柳文則采用時間序列分析以及橫截面分析測算農業碳排放效率[5]。關于綠色金融與農業碳排放效率二者關系研究層面，劉忍妹分析了綠色金融對農業碳排放的影響作用[6]；蘇林瑩通過研究綠色金融與農業高質量發展融合來分析推動我國農業現代化的關鍵[7]。在研究方法層面，李蕓彤采用ISM 模型和對比分析法研究綠色金融對農業創新效率的影響[8]；高彥彬采用因子分析法分析了河南綠色金融與鄉村振興協調發展之間的影響[9]。在借鑒前人的研究結果上，本文創新性地將綠色金融發展與農業碳排放效率相結合進行研究。在研究地區方面綠色金融和農業農村方面的研究雖然較為豐富，但是研究缺少關于京津冀地區的研究。

2 基于熵值法的綠色金融發展研究

2.1 指標體系構建

根據綠色金融的內涵和理論基礎，借鑒已有的綠色金融發展指標體系的研究成果，本文設計了如表1的綠色金融發展指標體系，見表1。

表1 綠色金融發展指標體系Table 1 Green financial development index system

2.2 綠色金融發展的實證研究

2.2.1 數據處理

（1）指標一致化

為了解決數據性質不同的問題，得出符合實際的結果，統一將逆向指標轉化為正向指標，轉化方法如下。

其中，指標為X 逆向指標，M為指標X 取值范圍內的最大值，x'為正向指標。

（2）指標的無量綱化

數據無量綱化處理，主要解決數據之間可比性的問題。本文為了將不同變量的數據進行比較，對數據進行無量綱化處理，以確保結果的可靠性和精確性。

用極值法對變量數據進行無量綱化處理，可能會出現指標數值為0 的情況，為了確保數據處理有意義并且滿足運算式的要求，將無量綱化后的指標全部平移一個最小單位值（0.000000001）。極值法的計算公式如下。

其中：i表示選取的各項指標,j表示各省份地區，代表第i 項指標j 地區標準化之后的值，xij為原始值，M為xij最大值，mj為xij最小值。

（3）確定權重

在構建綠色金融績效評價指標體系后，進而對各評價指標進行賦權。熵值法從數據出發，避免過強的主觀性，能夠客觀反映出指標的重要程度，相對主觀賦權具有較高的可信度和精確度。

2.2.2 數據來源

研究對象來自北京、天津、河北省3 個省市，樣本區間為2008—2021 年；原始數據來源于2008—2021年京津冀3 省市環境統計年鑒、3 個省市統計年鑒以及《中國能源統計年鑒》。

2.2.3 綠色金融發展水平測度

（1）樣本選取

本文選取京津冀3 個省市的環境、經濟、社會發展狀況作為研究樣本進行研究，探討京津冀3 個省市綠色金融發展綜合績效評價的實踐應用。

本文通過分析京津冀3 個省市各項相關指標數據，構建出京津冀地區綠色金融發展綜合績效評價體系，經過橫縱向比較分析得出京津冀3 個省市的綜合績效水平，見表2。

表2 2021年京津冀3個省市綠色金融評價指標原始值Table 2 Original value of green finance evaluation index of Beijing,Tianjin and Hebei in 2021

（2）指標數值預處理

不同的指標具有不同的屬性，有正向指標、逆向指標和適度指標。本文將建立的評價指標按照屬性進行了分類，見表3。

表3 綠色金融評價指標及指標屬性Table 3 Green finance evaluation index and index attributes

正向指標，其指標數值越大則執行效果越好；逆向指標，其指標數值越小則執行效果越好，為了使數據更加準確，將這5 個逆向指標進行預處理，將其轉化成正向指標，然后再進行無量綱化處理。

（3）確定綠色金融綜合績效評價指標權重

依據2008—2021 年京津冀3 個省市綠色金融發展水平評價指標無量綱化結果，在計算出權重后，用2008—2021 年間指標權重平均值作為評價體系的最終權重。得出2008—2021 年綠色金融評價指標的權重，見表4。

表4 綠色金融綜合績效評價最終的指標權重體系Table 4 Final Index Weight System of Comprehensive Performance Evaluation of Green Finance

2.3 實證結果

對指標完成賦權之后，將得到的指標權重wj與第i 個被評價對象在第j 個評價指標上的比值pij相乘得出各個評價對象的績效綜合得分，根據分數高低進行排名比較。公式如下。

得出2008—2021 年京津冀地區及京津冀3 個省市綠色金融發展綜合水平指數平均值（見表5）以及京津冀3個省市綠色金融發展速度（見圖1）。

由表5 可知，綠色金融在京津冀地區整體浮動微小，發展趨勢平穩。從京津冀3 個省市來看，北京市與天津市綠色金融發展水平差異并不明顯，但是河北省與北京市和天津市綠色金融發展水平差異較為明顯。河北省在2008—2011 年綠色金融發展水平逐年提高，這得益于2007 年之后，我國出臺了一系列相關政策，支持綠色信貸等金融產品綠色金融的發展。利用已出臺的政策，河北省根據自身情況制定出了適合自身綠色金融發展的措施。河北省在2012—2021 年綠色金融發展水平呈現波浪式浮動，在2017 年綠色金融發展水平最可觀。在2007 年，天津市綠色金融發展水平最高；在2014 年，北京市綠色金融發展水平最高。在2008—2021 年，北京市和天津市的綠色金融發展水平呈現出波浪式浮動，北京市整體呈上升趨勢，天津市整體呈下降趨勢。

表5 2008—2021 年京津冀3個省市綜合水平指數平均值Table 5 Average comprehensive level index of Beijing,Tianjin and Hebei from 2008 to 2021

從綠色金融發展的速度來看，北京市是我國的政治中心，是我國的經濟決策中心，以及北方的經濟中心，北京市的綠色金融一直走在全國前列。近年來，北京市積極以“綠色金融”帶動節能環保行業迅速發展，對于高耗能、高污染產業，北京市降低其綠色信貸額度，促進綠色金融的發展。天津市是我國對外開放的門戶、航運中心和物流中心。天津市綠色金融發展情況良好，發展機制不斷完善，市場規模持續擴大，經濟效益和環境效益逐步顯現，更好地支持了地方經濟綠色發展。隨著京津冀一體化的發展，河北省在綠色金融方面迅速發展，在2014—2017 年，河北省綠色金融發展水平逐年提升，體現出京津冀協調發展的理念。

由此可見，京津冀地區綠色金融發展整體浮動微小，發展趨勢平穩，綠色金融市場體系不斷完善，綠色金融的內涵與外延也在不斷發展。整體來看，河北省仍落后于北京市和天津市，所以京津冀地區綠色金融產業還需不斷完善和發展。

3 京津冀地區農業碳排放效率測算與評價

3.1 京津冀地區農業碳排放量的估算

3.1.1 農業碳排放源的確定

近年來，京津冀地區經濟增長速度下滑，經濟結構轉型滯后，資源能源約束加強。京津冀地區礦產、光、風資源豐富，土地肥沃，為該地區農業發展奠定了良好的基礎，而漁業在京津冀地區發展相對落后，因此京津冀地區農業碳排放源主要集中在以下幾個方面，見表6。

表6 農業碳排放氣體種類Table 6 Types of agricultural carbon emission gases

3.1.2 農業碳排放量的估算及分析

對于農業碳排放量，由于碳排放種類繁多，釋放方式復雜多樣，通常農業碳排放量以煤和石油等能源為切入點，將各類生產指標數據乘以其所對應的系數，從而得到農業碳排放量的估計值。

對于計算農業碳排放量的方法，其計算方法種類眾多，黃祖輝采用分層投入產出——生命周期評價法對農業碳排放量進行了測算[10]；李國志創新性地從能源使用角度對我國農業碳排放進行了估算，并且提出了農業碳排放的新觀點[11]；田云從農用物質投入視角估算了我國農業碳排放量[12]。基于以上研究，本文則在農業生產投入視角下對京津冀地區農業碳排放量進行測算，其測算模型如下。

其中C(萬噸)表示農業碳排放總量，Ci（萬噸）表示農業碳排放源i 所釋放的碳排放量，Ei（萬噸標準煤）代表農業碳排放源i的使用量，φ代表農業碳排放源i的碳排放系數，見表7。

表7 各類農業碳排放源系數表Table 7 Agricultural carbon emission source coefficient table

對于本文所使用的京津冀地區農業碳排放源的原始數據選取2008—2021 年京津冀3 個地區的面板數據，數據主要來源于京津冀3 個省市的統計年鑒以及EPS 數據庫。其中化肥的碳排放按照當年的折純量計算；農藥、農膜、柴油的碳排放則以當年實際使用量計算；把各年農作物的播種面積作為土地翻耕面積用以計算；灌溉面積以有效的灌溉面積來計算碳排放量，見表8。

表8 京津冀地區2008—2021年農業碳排放量Table 8 Agricultural carbon emissions in Beijing-Tianjin-Hebei Region from 2008 to 2021萬噸

如表8 反映了京津冀地區2008—2021 年這14 年間的農業碳排放量。在這14 年間，北京、天津、河北的農業碳排放量總體呈下降趨勢。從平均農業碳排放量上來看，北京市平均碳排放量最低，為19.00 萬噸；天津市次之，農業碳排放量均值為36.77 萬噸；河北省碳排放量最高，均值達556.57 萬噸。自2008 年以來，北京市農業碳排放量持續緩慢下降，平均每年下降5.81%，2008—2012 年下降趨勢較為平緩；2012—2021 年下降速度逐漸提高，于2021 年達到最低值11.32 萬噸，這得益于國家政策的支持以及地方政府的幫助。天津市2009年和2018年碳排放量降低率最高，分別為21.2%和30.4%。從京津冀農業碳排放量表中能夠直觀地看出河北省農業碳排放量最多，高達天津市的15倍，北京市的28倍。綜上所述，京津冀地區農業碳排放量的變化充分說明貫徹綠色發展理念，降低碳排放量，加快農業綠色發展、低碳發展勢在必行。

3.2 京津冀地區農業碳排放效率評價

3.2.1 指標選取與數據來源

在指標選取方面，本文在結合之前學者所研究內容以及DEA 方法的特點，確定了計算農業碳排放效率的5 個投入指標，1 個期望產出指標，1 個非期望產出指標。選取的投入指標中包括勞動力投入、土地投入、農業機械動力投入、灌溉投入和役畜投入，見表9。

表9 農業碳排放效率測算指標體系Table 9 Agricultural carbon emission efficiency measurement index system

產出指標則包括期望產出和非期望產出，農林牧漁業總產值為期望產出變量，其單位為億元，以上一章計算的農業碳排放量作為非期望產出變量，單位為萬噸。農業投入指標包括役畜、農用機械、勞動力、灌溉、土地。

考慮到物價變動因素，使用農林牧漁業增加值指數對農林農牧漁業總產值進行平減，從而得到實際計算的農林牧漁業總產值。所有指標數據來源于《北京統計年鑒》《天津統計年鑒》《河北統計年鑒》以及EPS數據庫。

3.2.2 模型選擇

DEA-Malmquist 是一種測量全要素生產率的非參數方法，是由DEA 數據包絡分析法與Malmquist指數相結合得出的方法[13]。首先，到目前為止DEA 數據包絡分析法是測算綜合生產率最為常用的方法，使用DEA 時不必假設生產函數與參數就可以對多投入-產出進行綜合評價處理；其次在使用DEA 模型時無需對所收集的指標數據進行無量綱化處理，并且在評價結果中可以根據是否有效對決策單位DUM 進行調整；再次，傳統DEA 模型包括兩個模型為CCR模型（規模報酬不變）和BCC 模型（規模報酬變動），兩個傳統模型分別測算綜合生產率和技術效率，本文則選取規模報酬不變的CCR 模型；最后，如在同一性質的決策單元進行評價時，投入產出要素指標對評價結果產生的影響較大。因此，為更好地測算分析京津冀地區農業碳排放效率，本文根據Shephard 距離函數，引入動態Malmquist 碳排放效率指數，從而測得農業碳排放效率。

3.2.3 實證結果

基于前文京津冀地區農業碳排放效率指標數據，構建Shephard 距離函數，引入動態Malmquist 碳排放效率指數，從而測得農業碳排放效率，見表10。

表10 京津冀地區農業碳排放效率及其影響因素Table 10 Agricultural carbon emission efficiency and its influencing factors in Beijing-Tianjin-Hebei Region

（續表）

總體來看2008—2021 年京津冀地區農業碳排放效率均處于良好狀態，僅有個別年份地區存在農業碳排放效率惡化狀態，大部分時間該地區均有著良好的低碳農業發展狀態。北京市2008—2014 年農業碳排放效率始終大于1，但是該期間碳排放效率有所下降。2016 年，效率再次上升，生產效率指數最高為1.069 2，與2015年相比增加了14.33%；天津市農業碳排放效率總體均大于1，雖有輕微下降但碳排放效率狀態良好，在2009年達到最低為0.959 6，相比于2008年下降11.15%；河北省農業碳排放效率總體均大于1，相較于北京市和天津市有更好的狀態。但是在2014—2015 年間，農業碳排放效率在持續下降，而2016—2018 年農業碳排放效率再次上升，并在2017年達到京津冀地區近14 年農業碳排放效率最高值1.13，極大地促進了河北省農業低碳發展。

從技術效率方面，北京市相較于天津市、河北省有著得天獨厚的優勢，2008—2021 年技術效率平均值高達0.955 3。天津市技術效率則低于北京市，但高于河北省，其14年間技術效率僅為0.670 8，相比于北京市效率下降了28.45%，因此天津市受到了技術方面的限制較大。河北省則為京津冀地區技術效率最低，其14 年平均效率值僅為0.5587，河北省技術問題則極大地約束河北省農業低碳發展，也限制著河北省農業碳排放效率的提高。

4 京津冀地區綠色金融發展水平與農業碳排放效率耦合度研究

4.1 耦合度與耦合協調度評價模型

4.1.1 耦合度評價模型

在耦合度評價模型中，耦合度即耦合性，是對于不同模塊間關聯程度的度量[14]。本文借鑒前人的研究成果，構建京津冀地區綠色金融發展水平與農業碳排放效率的耦合度評價模型，以此描述兩個系統耦合程度的強弱。耦合度評價模型如下。

公式中,C表示京津冀地區綠色金融發展水平與農業碳排放效率間的耦合度，H1表示京津冀地區綠色金融發展水平，H2表示京津冀地區農業碳排放效率。其中，耦合度的取值C的取值范圍為0～1，C越接近1，表示各系統間的耦合度越大，耦合性越強；C越接近0，表示各系統間的耦合度越小，耦合性越弱。查閱文獻得知一般將耦合度（C）劃分如下標準，見表11。

表11 耦合階段劃分標準Table 11 coupling stage division standard

4.1.2 耦合協調度評價模型

耦合協調度是指相互作用中良性耦合程度的大小，體現了協調狀況的好壞[15]。為反映二者間相互作用并利于雙方發展的良性耦合情況。借鑒以往學者的研究經驗，在耦合度評價模型的基礎上引入耦合協調度評價模型。耦合協調度評價模型如下。

其中D表示耦合協調度，H1表示京津冀地區綠色金融發展水平指數，H2表示京津冀地區農業碳排放效率指數，H2為耦合協調性指數，體現了二者的整體協調效應。α、β為待定參數，結合已有的學者的研究，綠色金融發展水平與農業碳排放效率同等重要，因此α=β=0.5。

此外借鑒朱建華等研究中耦合度的劃分標準，將耦合協調度劃分為6個階段，見表12。

表12 耦合協調度劃分標準Table 12 Coupling coordination degree division standard

4.2 京津冀地區綠色金融發展水平與農業碳排放效率耦合度實證分析

基于前文已有的京津冀地區綠色金融發展水平指數與京津冀地區農業碳排放效率指數，運用耦合評價模型以及耦合協調度評價模型測算出京津冀地區綠色金融發展水平與農業碳排放效率間耦合度（C）以及耦合協調度（D），見表13。

表13 各地區綠色經濟發展水平與效率耦合度及耦合協調度Table 13 The coupling degree and coupling coordination degree of green economy development level to efficiency in each region

由表可知，京津冀綠色金融發展水平與農業碳排放效率的耦合度和協調性存在區域差異。依據耦合度評價模型中的耦合階段劃分標準，分析可得：2008—2021 年北京市、天津市的耦合度數值有所波動，但始終介于[0.4,0.5]之間，穩居于初級耦合階段。河北省的耦合度數值呈現波動上升趨勢，逐漸由低度耦合階段過渡到初級耦合階段。

按照耦合協調度評價模型中的耦合協調等級標準，在與耦合度數值的整體對比上，耦合協調度數值均高于耦合度，進一步展現出京津冀綠色金融發展水平與農業碳排放效率間的良性耦合關系。分析可得：2008—2021 年，北京市耦合協調水平呈現小幅波動變化，耦合協調度數值始終介于[0.5,0.6]之間；天津市耦合協調水平呈現小幅波動下滑趨勢，但等級穩定與中度耦合協調；河北省耦合協調水平波動幅度較大，處于初級耦合協調和中度耦合協調之中。

5 結論與建議

5.1 結論

通過測算京津冀地區2008—2021 年綠色金融發展水平和農業碳排放效率，將二者進行耦合分析。得出具體結論如下。

京津冀地區綠色金融發展水平尚處于初級階段，存在著較大的發展空間。2008—2018年，京津冀3地綠色金融發展綜合水平在整體上呈現出發展規模較小，存在較大的地區差異性，3 地綠色金融發展不平衡不充分。北京市的綜合發展水平數值穩定在0.3左右；天津市整體呈現出波動下滑趨勢；河北省與天津市相反，其綜合發展水平呈現波動上升趨勢，河北省從2008 年初與北京市、天津市有著較大差距到2018年實現與北京市、天津市綜合發展水平相當。

京津冀地區農業技術效率整體上未達理想狀態，天津市與河北省農業技術效率有待提升，河北省農業規模效率亟需改善。2008—2018 年，京津冀地區農業碳排放效率整體上處于良好狀態，但在技術效率層面，北京市＞天津市＞河北省，技術問題成為制約天津市與河北省提升農業碳排放效率的條件；在規模效率層面，北京市與天津市10 年間保持在[0.9,1]之間，而河北省與北京市、天津市相差甚遠，數值遠小于1，表明在農業產出既定的前提下，成本并沒有降到最低，造成了資源的浪費，應及時改善管理方式，提升技術應用。

京津冀地區綠色金融對農業碳排放效率的影響大體上呈現“U”型關系。前期，京津冀3 地作為經濟發展態勢良好的區域，在發展經濟的同時，動力體系不能得到及時有效的轉型，發展過程中勢必會對環境產生一定的負面影響，進而影響到農業生產體系，加重農業綠色發展負擔。隨著綠色金融的發展，加快推進綠色農業生產環境構建，提升農業碳排放效率。目前，綠色金融發展水平與農業碳排放效率的耦合水平較低，但二者呈現良好的耦合協調狀態。

5.2 建議

基于以上研究結論，結合京津冀地區綠色金融與農業發展現狀，現提出以下幾點建議。

1.加快構建綠色、公平、高效的綠色金融市場體系;六大高耗能產業加快向綠色低碳發展型轉變;重視金融人才與綠色金融發展相結合。

2.北京市發揮帶頭作用，引領天津市與河北省共同發展。積極培育新能源，開發新技術，應用新材料，壓縮高耗能產業規模。北京市在穩步提升本地區農業技術效率的同時應發揮自身輻射帶動作用，為天津市與河北省提供技術、人才、資金等支持，助力京津冀地區實現農業碳減排。

3.天津市應注重農業技術的更新。不斷學習、吸取北京市等全國農業技術水平較高地區的創新實驗成果，地方政府注重對農業技術人才的教育與培養，加大對農業技術更新的支持程度，助力天津市早日實現精準化，高效率的農業生產。

4.河北省應從多方面改進農業生產方式，提升農業碳排放效率。宣傳農業綠色生產理念，定期對農戶進行生產檢測與指導；加快構建綠色農業生產的激勵性體系，加大對農戶進行綠色生產的補貼力度；安排農業專業人才定期下鄉實踐，將教學與實際相結合，將農業技術引向農業生產區；提升農業生產的信息化，建立農業安全生產檢測網，精準、實時掌握農業生產情況，最終達到提升農業綜合水平的效果。