數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放的影響及其時空效應(yīng)

陳中偉，湯 燦

（鄭州航空工業(yè)管理學(xué)院經(jīng)濟(jì)學(xué)院，河南鄭州 450046）

農(nóng)穩(wěn)社稷，糧安天下。2021 年中國糧食總產(chǎn)量達(dá)到6 828.5 億 kg，實現(xiàn)連續(xù)4 年增產(chǎn)［1］。然而在取得如此顯著成績的同時，高強(qiáng)度農(nóng)業(yè)化學(xué)品投入邊際效益開始下降，農(nóng)業(yè)碳排放速度加快，預(yù)測到2050 年農(nóng)業(yè)將成為最大碳排放源之一［2］，這勢必會對中國糧食生產(chǎn)、污染治理和生態(tài)保護(hù)等方面造成嚴(yán)重影響。綠色是農(nóng)業(yè)農(nóng)村發(fā)展的鮮明底色。繼2015 年國家開始實施化肥農(nóng)藥零增長行動計劃以及2020 年提出碳達(dá)峰碳中和目標(biāo)后，黨的二十大報告亦明確了加快推動綠色發(fā)展、扎實推進(jìn)鄉(xiāng)村生態(tài)振興、建設(shè)美麗中國的重大戰(zhàn)略目標(biāo)。而農(nóng)業(yè)綠色低碳發(fā)展是實現(xiàn)這一目標(biāo)的必然選擇。金書秦等［3-4］、Gao［5］等的研究顯示，近年來，隨著網(wǎng)絡(luò)信息技術(shù)的持續(xù)創(chuàng)新，蓬勃發(fā)展的數(shù)字經(jīng)濟(jì)能夠依托無人機(jī)、區(qū)塊鏈和智聯(lián)網(wǎng)等底層科技將數(shù)字技術(shù)與農(nóng)業(yè)綠色發(fā)展戰(zhàn)略有機(jī)結(jié)合，促使數(shù)據(jù)要素與傳統(tǒng)生產(chǎn)要素深度融合，不斷為農(nóng)業(yè)綠色轉(zhuǎn)型和低碳發(fā)展貢獻(xiàn)數(shù)字力量。包括梁琳［6］、黃永春等［7］、牛亞麗［8］、張林等［9］、姜長云［10］、溫濤等［11］、鐘文晶等［12］眾多學(xué)者的研究已表明，數(shù)字經(jīng)濟(jì)發(fā)展不僅能夠提高農(nóng)業(yè)生產(chǎn)效率，縮小農(nóng)村收入差距，帶動農(nóng)民消費增長、農(nóng)業(yè)轉(zhuǎn)型升級和農(nóng)村產(chǎn)業(yè)融合，還能夠使地區(qū)暢享數(shù)字經(jīng)濟(jì)紅利，實現(xiàn)包容性增長和數(shù)字農(nóng)業(yè)轉(zhuǎn)型。隨著美麗中國生態(tài)建設(shè)理念普及，數(shù)字經(jīng)濟(jì)發(fā)展的碳減排效應(yīng)廣受業(yè)界和學(xué)術(shù)界關(guān)注。

1 文獻(xiàn)簡述

已有關(guān)于數(shù)字經(jīng)濟(jì)發(fā)展的研究主要聚焦在兩個方面。一是數(shù)字經(jīng)濟(jì)對于經(jīng)濟(jì)整體運行的影響。Kapoor［13］、Bauer［14］、荊文君等［15］、張勛等［16］、丁志帆［17］的研究指出，數(shù)字經(jīng)濟(jì)是促進(jìn)新時代經(jīng)濟(jì)高質(zhì)量發(fā)展的新驅(qū)動力。Liu 等［18］發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)有助于新興市場進(jìn)出口貿(mào)易規(guī)模的擴(kuò)展。Vargo 等［19］認(rèn)為數(shù)字經(jīng)濟(jì)有助于以服務(wù)用戶和消費者為發(fā)展重心及向?qū)У纳虡I(yè)創(chuàng)新模式興起。Goldfarb 等［20］、溫珺等［21］指出數(shù)字經(jīng)濟(jì)引領(lǐng)數(shù)字經(jīng)濟(jì)活動發(fā)生“五低”（低搜索、低復(fù)制、低運輸、低追蹤、低驗證）成本的變革，顯著促進(jìn)創(chuàng)新能力提升。二是數(shù)字經(jīng)濟(jì)發(fā)展對中國的就業(yè)、消費、金融、貿(mào)易以及產(chǎn)業(yè)結(jié)構(gòu)等領(lǐng)域均有顯著影響。胡擁軍等［22］研究發(fā)現(xiàn)，針對就業(yè)和勞動力需求，數(shù)字經(jīng)濟(jì)發(fā)展能夠產(chǎn)生創(chuàng)造和替代雙重效應(yīng)。馬香品［23］、張峰等［24］、汪旭暉［25］、焦勇等［26］、林宇豪等［27］的研究分別指出，數(shù)字經(jīng)濟(jì)發(fā)展是引發(fā)居民消費變遷、拓寬電商產(chǎn)業(yè)價值鏈的滲透廣度和深度、賦能制造業(yè)轉(zhuǎn)型以及調(diào)整地區(qū)產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級的關(guān)鍵因素。就對環(huán)境改善的影響而言，數(shù)字經(jīng)濟(jì)發(fā)展能夠通過改善能源結(jié)構(gòu)和實現(xiàn)技術(shù)進(jìn)步抑制碳排放［28］，但 Strubell 等［29］、Henderson 等［30］認(rèn)為人工智能的使用也可能引致更多的碳排放量，對環(huán)境造成威脅。

已有關(guān)于農(nóng)業(yè)碳排放的研究主要聚焦于碳排放的測算和影響因素兩方面。關(guān)于農(nóng)業(yè)碳排放量的測算，West 等［31］測算出了化肥、農(nóng)藥、農(nóng)田灌溉以及種子生長全過程中的單位碳排放量；賀亞亞［32］在測算湖北省1995 至2011 年間農(nóng)業(yè)碳排量的基礎(chǔ)上，系統(tǒng)描述了碳排放總量變化特征；李波等［33］和王才軍等［34］基于農(nóng)業(yè)投入視角研究了農(nóng)業(yè)碳排放發(fā)展現(xiàn)狀及時序演變規(guī)律；田云等［35］在對中國農(nóng)業(yè)碳排放的測算中發(fā)現(xiàn)，近年來農(nóng)業(yè)碳排放強(qiáng)度呈持續(xù)下降態(tài)勢。關(guān)于農(nóng)業(yè)碳排放的影響因素，賀青等［36］、張頌心等［37］、馬九杰等［38］、劉瓊等［39］、楊晨等［40］已有研究從產(chǎn)業(yè)集聚、科技進(jìn)步、農(nóng)業(yè)保險、農(nóng)地規(guī)模、政府政策等多個角度研究其對農(nóng)業(yè)碳排放的影響，其中張頌心等［37］實證研究發(fā)現(xiàn)科技進(jìn)步在一定程度上對農(nóng)業(yè)碳排放具有抑制作用，而Berhanu等［41］研究發(fā)現(xiàn)氣候智能農(nóng)業(yè)（CSA）技術(shù)能夠減少農(nóng)業(yè)生產(chǎn)溫室氣體排放。

已有關(guān)于數(shù)字經(jīng)濟(jì)碳減排效應(yīng)研究多聚焦在城市碳排放方面，鮮有提及數(shù)字經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)碳排放的關(guān)系。在零星的研究中，主要從精準(zhǔn)農(nóng)業(yè)、數(shù)字金融、減碳機(jī)制等視角直接或間接考察了數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)碳排放的影響。具體來說，劉海啟［42］從精準(zhǔn)農(nóng)業(yè)發(fā)展的角度論證了數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)碳排放的影響，認(rèn)為數(shù)字經(jīng)濟(jì)發(fā)展能減少農(nóng)業(yè)碳排放；程秋旺等［43］基于數(shù)字普惠金融視角，實證研究發(fā)現(xiàn)數(shù)字普惠金融覆蓋廣度、深度和數(shù)字化程度均具有農(nóng)業(yè)碳減排效應(yīng)；劉震等［44］通過構(gòu)建農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展綜合評價指標(biāo)體系，實證考察了農(nóng)村數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放的影響；田紅宇等［1］基于長江經(jīng)濟(jì)帶108 個地級市糧食種植統(tǒng)計數(shù)據(jù)，從技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)視角考察了數(shù)字經(jīng)濟(jì)的減碳機(jī)理。遺憾的是，現(xiàn)有相關(guān)研究關(guān)注數(shù)字經(jīng)濟(jì)在農(nóng)業(yè)領(lǐng)域的減碳效應(yīng)研究還不多，且大多僅停留在理論分析層面，無法準(zhǔn)確科學(xué)評估數(shù)字經(jīng)濟(jì)對農(nóng)業(yè)碳排放的影響效果。

通過梳理文獻(xiàn)發(fā)現(xiàn)，相關(guān)研究結(jié)論共同表明新一輪科技革命帶來的重大機(jī)遇勢必能夠為農(nóng)業(yè)綠色低碳發(fā)展提供強(qiáng)勁動能。既有文獻(xiàn)為本研究提供了可借鑒的理論基礎(chǔ)和研究框架，但仍存在一些不足之處：第一，從研究對象來看，較少關(guān)注數(shù)字經(jīng)濟(jì)減碳效應(yīng)在農(nóng)業(yè)領(lǐng)域的影響；第二，從研究視角來看，缺乏對數(shù)字經(jīng)濟(jì)發(fā)展降低農(nóng)業(yè)碳排放背后機(jī)制的探討；第三，從研究維度來看，缺乏從時空兩個維度全面系統(tǒng)刻畫數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放影響的動態(tài)效應(yīng)和溢出效應(yīng)。伴隨著數(shù)字鄉(xiāng)村戰(zhàn)略加速推進(jìn)，關(guān)于數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳減排效應(yīng)問題值得深入研究。基于此，本研究利用2010—2020 年中國區(qū)域面板數(shù)據(jù)，實證檢驗數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放的影響機(jī)制和時空效應(yīng)，嘗試從社會化服務(wù)角度揭示數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放的間接影響路徑，以及從時空兩個維度全面系統(tǒng)刻畫數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放的動態(tài)效應(yīng)和溢出效應(yīng)，以期為依靠數(shù)字化路徑實現(xiàn)農(nóng)業(yè)低碳轉(zhuǎn)型和“雙碳”目標(biāo)、推動農(nóng)業(yè)綠色發(fā)展提供量化支撐和理論依據(jù)。

2 理論分析

2.1 直接影響機(jī)制

田紅宇等［1］、韓晶等［45］、蔡躍洲等［46］的研究表明，以數(shù)字技術(shù)和數(shù)據(jù)要素作為核心競爭力的數(shù)字經(jīng)濟(jì)發(fā)展能夠引發(fā)從生產(chǎn)要素到生產(chǎn)力、再到生產(chǎn)關(guān)系的全面變革，直接對農(nóng)業(yè)產(chǎn)生減碳作用。數(shù)據(jù)要素作為一種新型生產(chǎn)要素被納入農(nóng)業(yè)生產(chǎn)體系，通過與勞動力、資本、土地等傳統(tǒng)要素深度融合，優(yōu)化重組要素配置格局，提升資源使用效率，從而對農(nóng)業(yè)碳排放產(chǎn)生作用；同時，數(shù)據(jù)要素能夠突破傳統(tǒng)要素供給約束，緩解農(nóng)業(yè)資源要素錯配程度［47］，并通過海量數(shù)據(jù)分析破解傳統(tǒng)生產(chǎn)要素信息不對稱問題，在提高農(nóng)業(yè)生產(chǎn)效率的同時起到降低農(nóng)業(yè)碳排放效果。數(shù)字技術(shù)作為數(shù)字經(jīng)濟(jì)時代賦能綠色發(fā)展的核心動力［48］，其本身就具有特定的綠色屬性，通過形成大規(guī)模的技術(shù)蓄水池效應(yīng)實現(xiàn)農(nóng)業(yè)碳減排［45］。例如，將區(qū)塊鏈、智聯(lián)系統(tǒng)、傳感技術(shù)等先進(jìn)科技手段嵌入農(nóng)業(yè)生產(chǎn)各個過程，農(nóng)戶不僅能夠更精確地把控農(nóng)業(yè)生產(chǎn)、規(guī)范農(nóng)業(yè)化學(xué)品及肥料的投入施用，同時依托信息通信技術(shù)，能夠為農(nóng)戶提供符合標(biāo)準(zhǔn)的低碳肥和有機(jī)肥，提高農(nóng)戶甄別生產(chǎn)要素好壞的能力，減少劣質(zhì)生產(chǎn)資料使用；此外，依托無人機(jī)設(shè)備，能夠智能監(jiān)測農(nóng)作物生長環(huán)境，基于實時傳感和歷史數(shù)據(jù)判斷農(nóng)作物最宜生長條件及化學(xué)品施用量，精準(zhǔn)把控生產(chǎn)要素投入，從根本上減少對農(nóng)業(yè)化學(xué)品的依賴。基于此，提出以下假設(shè)：

H1：數(shù)字經(jīng)濟(jì)發(fā)展有利于降低農(nóng)業(yè)碳排放強(qiáng)度。

2.2 間接影響機(jī)制

數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的影響可以通過提高社會化服務(wù)水平渠道間接實現(xiàn)。具體地，數(shù)字經(jīng)濟(jì)發(fā)展依托數(shù)據(jù)技術(shù)優(yōu)勢與傳統(tǒng)農(nóng)業(yè)產(chǎn)業(yè)深度融合，激活鄉(xiāng)村內(nèi)生動力［49］，提升農(nóng)業(yè)社會化服務(wù)水平。依托終端服務(wù)網(wǎng)絡(luò)和信息平臺等數(shù)字技術(shù)，優(yōu)化農(nóng)村“互聯(lián)網(wǎng)+服務(wù)”治理模式，強(qiáng)化社會化服務(wù)基礎(chǔ)設(shè)施。借助物聯(lián)網(wǎng)和人工智能等數(shù)字技術(shù)的賦能優(yōu)勢，實施標(biāo)準(zhǔn)化生產(chǎn)、降低農(nóng)業(yè)生產(chǎn)成本，搭建智慧化流通物流體系，優(yōu)化農(nóng)業(yè)社會化服務(wù)生產(chǎn)和流通體系；另一方面，農(nóng)業(yè)社會化服務(wù)的發(fā)展有助于改善農(nóng)業(yè)傳統(tǒng)經(jīng)營方式，直接減少碳排放［50］。例如，社會化服務(wù)組織可以購買測土配方儀、秸稈粉碎收割機(jī)等專業(yè)化綠色生產(chǎn)器械，為農(nóng)戶提供科學(xué)綠色的生產(chǎn)服務(wù)；也能夠進(jìn)行統(tǒng)一規(guī)劃設(shè)計、整合零碎土地，提高農(nóng)業(yè)機(jī)械生產(chǎn)效率［51］，減少無謂碳排放；同時，針對化學(xué)品使用、機(jī)械燃油和灌溉用電等方面對農(nóng)戶進(jìn)行經(jīng)營指導(dǎo)和深度培訓(xùn)，在保證效率的前提下兼顧質(zhì)量［52］，減少額外碳排放。基于此，提出以下假設(shè)：

H2：數(shù)字經(jīng)濟(jì)發(fā)展可以通過提高社會化服務(wù)水平間接對農(nóng)業(yè)碳排放產(chǎn)生負(fù)向影響。

2.3 時間動態(tài)效應(yīng)

數(shù)字經(jīng)濟(jì)發(fā)展是一個動態(tài)持續(xù)過程，涉及基礎(chǔ)設(shè)施、信息技術(shù)、服務(wù)能力、研發(fā)投入等多個方面，需要一定時間統(tǒng)籌規(guī)劃。數(shù)字經(jīng)濟(jì)碳減排效應(yīng)離不開數(shù)字技術(shù)的加持，然而技術(shù)創(chuàng)新、研發(fā)和推廣過程存在較長的周期性［53］，導(dǎo)致數(shù)字經(jīng)濟(jì)碳減排效應(yīng)難以在農(nóng)業(yè)碳排放領(lǐng)域快速顯現(xiàn)，尤其是在數(shù)字經(jīng)濟(jì)發(fā)展初期，提升社會化服務(wù)水平這一作用路徑面臨投入資金缺乏、科技人才匱乏、科技研發(fā)不足以及政策體系不完善等挑戰(zhàn)［22］，短期內(nèi)難以解決，因此需要更長調(diào)整周期。隨著時間的推移，數(shù)字經(jīng)濟(jì)逐漸為農(nóng)業(yè)綠色發(fā)展全方位賦能，經(jīng)過研發(fā)投入、技術(shù)改進(jìn)、創(chuàng)新突破等優(yōu)化升級，精準(zhǔn)匹配生產(chǎn)要素，推動農(nóng)業(yè)結(jié)構(gòu)優(yōu)化；并依托農(nóng)業(yè)大數(shù)據(jù)平臺，發(fā)展綠色農(nóng)業(yè)、生態(tài)農(nóng)業(yè)和有機(jī)農(nóng)業(yè)，實現(xiàn)精準(zhǔn)施肥與節(jié)水省肥共贏［6］，充分發(fā)揮數(shù)字經(jīng)濟(jì)碳減排效用。為此，考慮數(shù)字經(jīng)濟(jì)影響農(nóng)業(yè)碳排放中介作用的歷時差異，與短期內(nèi)數(shù)字經(jīng)濟(jì)發(fā)展減少農(nóng)業(yè)碳排放作用有限，可初步判定數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放影響可能存在滯后效應(yīng)。基于此，提出以下假設(shè)：

H3：數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的抑制作用隨著時間的推移逐漸增強(qiáng)。

2.4 空間溢出效應(yīng)

地理學(xué)第一定律認(rèn)為，所有事物都是相互聯(lián)系的，距離越近，要素流動效率越高、聯(lián)系越緊密，鄰近地區(qū)在生產(chǎn)經(jīng)營和經(jīng)濟(jì)發(fā)展等方面具有一定的相關(guān)性［54］。韓峰等［55］利用城市數(shù)據(jù)實證研究生產(chǎn)性服務(wù)業(yè)集聚對碳排放空間溢出效應(yīng)發(fā)現(xiàn)，專業(yè)化和多樣化集聚對鄰近城市碳排放水平有顯著提升作用。吳偉平等［56］利用門檻效應(yīng)模型研究發(fā)現(xiàn)，環(huán)境規(guī)制對污染排放存在明顯空間效應(yīng)，并表現(xiàn)出共生性形態(tài)。實際上，程秋旺等［43］、劉婧玲等［57］、徐維祥等［58］、王軍等［53］的研究均證明了，數(shù)字技術(shù)發(fā)展對地區(qū)農(nóng)業(yè)碳排放亦具有明顯空間效應(yīng)。數(shù)字技術(shù)的重要特征就是能夠打破時空限制，增強(qiáng)地區(qū)間活動的關(guān)聯(lián)性和滲透性［57］。數(shù)字經(jīng)濟(jì)發(fā)展以先進(jìn)數(shù)字技術(shù)為依托，必然能夠降低資源稟賦的時空壁壘、拓寬城市間溝通交流渠道、加快城市間知識和技術(shù)共享頻率，使地區(qū)間空間互動作用更加顯著。此外，黨的二十大報告強(qiáng)調(diào)，要深入實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，加強(qiáng)區(qū)域之間聯(lián)系的廣度和深度。為此，初步預(yù)期數(shù)字經(jīng)濟(jì)發(fā)展對地區(qū)農(nóng)業(yè)碳排放的影響存在空間溢出效應(yīng)。基于此，提出以下假設(shè)：

H4：數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放的抑制作用具有空間溢出效應(yīng)。

3 研究設(shè)計

3.1 變量設(shè)計

（1）被解釋變量：農(nóng)業(yè)碳排放強(qiáng)度（ln TQit）。參考鄧明君等［59］、李波等［60］的研究，用單位農(nóng)作物種植面積的碳排放總量并取對數(shù)表示。其次，對6類碳源（具體見表1）的碳排放量進(jìn)行測算，其總和即為農(nóng)業(yè)碳排放總量（TZ）。

表1 農(nóng)業(yè)碳排放碳源及其系數(shù)

式（1）中：TZi表示第i類碳源的碳排放量；Ti表示第i類碳源的絕對量；σi表示第i類碳源的碳排放系數(shù)。

另外，考慮到數(shù)字經(jīng)濟(jì)發(fā)展對不同農(nóng)業(yè)碳源碳排放強(qiáng)度產(chǎn)生影響，為了更好地反映結(jié)論的可靠性，對上述6 類碳源的碳排放強(qiáng)度進(jìn)行穩(wěn)健性檢驗（見表1），在進(jìn)行數(shù)據(jù)處理時均以當(dāng)年實際值為準(zhǔn)。

（2）解釋變量：數(shù)字經(jīng)濟(jì)發(fā)展水平（DIGit）。借鑒趙濤等［62］、劉軍等［63］、郭峰等［64］、黃群慧等［65］、渠慎寧等［66］多位學(xué)者對于數(shù)字經(jīng)濟(jì)發(fā)展相關(guān)研究，結(jié)合數(shù)據(jù)科學(xué)性和可獲得性選擇，選用互聯(lián)網(wǎng)使用情況、互聯(lián)網(wǎng)相關(guān)產(chǎn)出以及數(shù)字金融普惠發(fā)展3 個方面描繪省級層面數(shù)字經(jīng)濟(jì)發(fā)展水平。其中，互聯(lián)網(wǎng)使用情況用互聯(lián)網(wǎng)普及率、移動電話普及率、互聯(lián)網(wǎng)上網(wǎng)人數(shù)等指標(biāo)衡量；互聯(lián)網(wǎng)相關(guān)產(chǎn)出用人均電信業(yè)務(wù)總量指標(biāo)衡量；數(shù)字金融普惠發(fā)展用數(shù)字普惠金融指數(shù)指標(biāo)衡量。最后，選用可以減小評價指標(biāo)間相關(guān)影響的主成分分析方法對各個指標(biāo)進(jìn)行降維處理，盡量避免指標(biāo)信息重疊造成的結(jié)果偏差。

（3）其他變量。中介變量包括社會化服務(wù)水平（ASit）。參考 Chen 等［50］的研究成果，選擇生產(chǎn)與機(jī)械服務(wù)、信息與科技服務(wù)、金融與流通服務(wù)3個指標(biāo)作為社會化服務(wù)評價指標(biāo)體系的準(zhǔn)則層，運用熵值法求解各指標(biāo)權(quán)重，并測度各區(qū)域社會化服務(wù)綜合水平指數(shù)。控制變量方面，考慮到農(nóng)業(yè)碳排放受其他因素影響，參考已有文獻(xiàn)研究經(jīng)驗，選取各地區(qū)經(jīng)濟(jì)社會和農(nóng)業(yè)發(fā)展等相關(guān)指標(biāo)，包括農(nóng)作物種植結(jié)構(gòu)（ZZit）、產(chǎn)業(yè)結(jié)構(gòu)（GYit）、農(nóng)業(yè)受災(zāi)率（FXit）、財政支農(nóng)水平（CZit）及農(nóng)村居民消費水平（ln XFit），以反映產(chǎn)業(yè)發(fā)展、受災(zāi)情況、政府支持以及農(nóng)村居民消費水平等因素對區(qū)域農(nóng)業(yè)碳排放強(qiáng)度的影響。

3.2 模型構(gòu)建

首先，針對數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度直接影響機(jī)制構(gòu)建如下基礎(chǔ)模型：

式（2）中：Xit表示相關(guān)控制變量；表示變量的參數(shù)估計值；和表示分別控制了地區(qū)和時間固定效應(yīng)；表示隨機(jī)擾動項。

其次，數(shù)字經(jīng)濟(jì)發(fā)展能夠通過農(nóng)業(yè)社會化服務(wù)路徑對農(nóng)業(yè)碳排放強(qiáng)度產(chǎn)生間接影響，參考Wen等［67］的研究，構(gòu)建如下中介效應(yīng)模型：

為了進(jìn)一步驗證數(shù)字經(jīng)濟(jì)發(fā)展降低農(nóng)業(yè)碳排放的時間動態(tài)效應(yīng)，借鑒趙云鵬［68］和劉婧玲等［57］的做法，將式（2）的核心解釋變量進(jìn)行滯后期處理，以便觀察當(dāng)期數(shù)字經(jīng)濟(jì)發(fā)展對未來幾期的區(qū)域農(nóng)業(yè)碳排放強(qiáng)度產(chǎn)生的影響，構(gòu)建模型如下：

式（5）中：m表示變量的滯后期數(shù)。

為了充分考慮空間因素的影響，全面刻畫數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度影響的空間溢出效應(yīng)，參考許和連［69］和趙濤等［62］的研究，在式（1）的基礎(chǔ)上引入數(shù)字經(jīng)濟(jì)發(fā)展、農(nóng)業(yè)碳排放強(qiáng)度以及其他控制變量的空間交互項，進(jìn)一步構(gòu)建空間計量模型深入探究數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度影響研究。構(gòu)建空間杜賓模型（SDM）如下：

此外，為提高實證結(jié)果的穩(wěn)健性，采用鄰接矩陣和地理距離矩陣兩種方法進(jìn)行回歸。

3.3 數(shù)據(jù)來源

將2010—2020 年中國31 個省份（未含港澳臺地區(qū)）作為研究對象，相關(guān)數(shù)據(jù)來源于相應(yīng)年份的《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》《中國農(nóng)業(yè)機(jī)械工業(yè)年鑒》《全國農(nóng)產(chǎn)品成本收益資料匯編》，以及各省份統(tǒng)計年鑒、統(tǒng)計公報和EPS 數(shù)據(jù)庫等。其中，數(shù)字普惠金融指數(shù)來源于北京大學(xué)數(shù)字金融研究中心；補充數(shù)據(jù)來源于相應(yīng)年份的各省份統(tǒng)計年鑒、統(tǒng)計公報等；缺失數(shù)據(jù)采用插值法、鄰近均值法或均值法補充。

如表3 所示，農(nóng)業(yè)碳排放和數(shù)字經(jīng)濟(jì)發(fā)展水平的最小值與最大值差距較大，但各地區(qū)間是否真正存在差異還有待考究。此外，選擇雙向固定效應(yīng)模型，并為避免偽回歸問題的存在，選用左邊單側(cè)檢驗（LLC 檢驗）和面板平穩(wěn)性檢驗（LM 檢驗）兩種方法對模型進(jìn)行單位根檢驗，結(jié)果發(fā)現(xiàn)各變量大多在1%的顯著性水平下拒絕“存在單位根”的原假設(shè)，面板數(shù)據(jù)較為平穩(wěn)，因而可以進(jìn)行后續(xù)分析。

表3 變量描述性統(tǒng)計分析結(jié)果

4 實證結(jié)果與分析

4.1 基準(zhǔn)回歸分析

如表4 所示，數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的估計系數(shù)顯著為負(fù)，加入控制變量未引起估計系數(shù)方向變化，表明數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度具有抑制作用，充分印證了數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)，H1成立。農(nóng)業(yè)種植結(jié)構(gòu)、財政支農(nóng)水平對農(nóng)業(yè)碳排放強(qiáng)度均產(chǎn)生顯著負(fù)向影響；居民消費水平對農(nóng)業(yè)碳排放強(qiáng)度的估計系數(shù)雖不顯著，但為負(fù)，表明提升農(nóng)村居民消費水平仍能在一定程度上降低地區(qū)農(nóng)業(yè)碳排放強(qiáng)度；產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)受災(zāi)率對農(nóng)業(yè)碳排放強(qiáng)度的影響是正向，可能的原因是地區(qū)產(chǎn)業(yè)發(fā)展和農(nóng)作物受災(zāi)會對農(nóng)戶生產(chǎn)進(jìn)行干擾，受利益最大化驅(qū)使的農(nóng)戶可能會相應(yīng)增加農(nóng)業(yè)生產(chǎn)要素能源等投入，則容易造成碳排放強(qiáng)度提升。

表4 31 個省份數(shù)字經(jīng)濟(jì)發(fā)展對區(qū)域農(nóng)業(yè)碳排放強(qiáng)度的直接影響

考慮到數(shù)字經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)碳排放強(qiáng)度之間可能存在雙向因果和遺漏變量引致的內(nèi)生性問題，采用數(shù)字經(jīng)濟(jì)發(fā)展滯后1 期作為工具變量進(jìn)行回歸，盡可能緩解模型存在的偏誤問題。表4 的回歸結(jié)果通過了不可識別檢驗和弱工具變量檢驗，證明了工具變量的有效性，且數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的估計系數(shù)仍顯著為負(fù)。為穩(wěn)健起見，進(jìn)一步用萬元地區(qū)農(nóng)業(yè)生產(chǎn)總值的碳排放總量對數(shù)表示碳排放強(qiáng)度替換被解釋變量，結(jié)果顯示，核心解釋變量數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的影響通過1%顯著性水平檢驗。

此外，考慮到數(shù)字經(jīng)濟(jì)發(fā)展對不同碳源碳排放強(qiáng)度產(chǎn)生影響，分別對6 類不同碳源進(jìn)行回歸檢驗。結(jié)果顯示（見表5），數(shù)字經(jīng)濟(jì)發(fā)展對6 類農(nóng)業(yè)碳源碳排放強(qiáng)度基本上均為顯著負(fù)向影響，與基準(zhǔn)回歸結(jié)果類似，說明模型估計結(jié)果較為穩(wěn)健。

表5 31 個省份數(shù)字經(jīng)濟(jì)發(fā)展對區(qū)域各類農(nóng)業(yè)碳源碳排放強(qiáng)度的影響

4.2 中介效應(yīng)檢驗

依據(jù)以上理論分析，數(shù)字經(jīng)濟(jì)發(fā)展能夠通過社會化服務(wù)路徑對農(nóng)業(yè)碳排放產(chǎn)生影響，基于此進(jìn)行實證檢驗。結(jié)果如表6 所示，數(shù)字經(jīng)濟(jì)發(fā)展對社會化服務(wù)的估計系數(shù)顯著為正，說明數(shù)字經(jīng)濟(jì)發(fā)展推動了農(nóng)業(yè)全產(chǎn)業(yè)鏈信息技術(shù)融合，促進(jìn)農(nóng)業(yè)轉(zhuǎn)型升級，對農(nóng)業(yè)社會化服務(wù)發(fā)展有顯著促進(jìn)作用；在控制其他變量情況下，社會化服務(wù)水平對農(nóng)業(yè)碳排放強(qiáng)度的估計系數(shù)顯著為負(fù)，且估計系數(shù)值比未加入中介變量的情況下小，說明了社會化服務(wù)在數(shù)字經(jīng)濟(jì)發(fā)展降低農(nóng)業(yè)碳排放強(qiáng)度中發(fā)揮了部分中介作用。為確保檢驗結(jié)果的穩(wěn)健性，進(jìn)一步使用Sobel 方法對中介效應(yīng)顯著性進(jìn)行檢驗，結(jié)果顯示農(nóng)業(yè)社會化服務(wù)的中介效應(yīng)顯著存在。H2成立。

表6 31 個省份數(shù)字經(jīng)濟(jì)發(fā)展對區(qū)域農(nóng)業(yè)碳排放強(qiáng)度的間接影響

4.3 時間動態(tài)效應(yīng)檢驗

依據(jù)理論分析，數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度可能存在滯后效應(yīng)，為此，進(jìn)一步使用動態(tài)分析，即通過數(shù)字經(jīng)濟(jì)發(fā)展變量的滯后期，考察當(dāng)期的數(shù)字經(jīng)濟(jì)發(fā)展對未來幾期內(nèi)農(nóng)業(yè)碳排放強(qiáng)度的影響。將核心解釋變量分別替換為當(dāng)期、滯后1 期和滯后2 期的數(shù)字經(jīng)濟(jì)發(fā)展水平，采用固定效應(yīng)進(jìn)行回歸分析。如表7 所示，模型（1）至模型（3）分別報告了在未控制時間固定效應(yīng)的情況下當(dāng)期、滯后1期和滯后2 期的數(shù)字經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放強(qiáng)度的影響；模型（4）至（6）分別報告了在控制時間和地區(qū)雙向固定效應(yīng)后當(dāng)期、滯后1 期和滯后2期的數(shù)字經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放強(qiáng)度的影響。結(jié)果顯示，核心解釋變量替換后對農(nóng)業(yè)碳排放強(qiáng)度均呈抑制作用，這說明數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放的影響存在滯后效應(yīng)，不僅對當(dāng)期農(nóng)業(yè)碳排放強(qiáng)度具有抑制效應(yīng)，對將來各期仍存在顯著影響。數(shù)字經(jīng)濟(jì)發(fā)展具有周期性特點，在前期，由于相關(guān)基礎(chǔ)設(shè)施配套不完善等因素造成其對農(nóng)業(yè)碳排放的降低作用有限；隨著時間的推移，數(shù)字經(jīng)濟(jì)發(fā)展不斷促進(jìn)農(nóng)業(yè)技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)升級和能源有效利用［57］，通過滯后效應(yīng)和逐年疊加效果，逐漸實現(xiàn)顯著降碳效果。H3得到驗證。

表7 樣本變量的時間動態(tài)效應(yīng)檢驗結(jié)果

4.4 空間溢出效應(yīng)檢驗

采用空間計量模型對數(shù)字經(jīng)濟(jì)發(fā)展影響農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)進(jìn)行檢驗。首先，采用莫蘭指數(shù)（Moran'sI）檢驗法對關(guān)鍵變量進(jìn)行空間相關(guān)性檢驗，只有通過空間相關(guān)性檢驗才能進(jìn)行后續(xù)空間計量分析。Moran'sI指數(shù)的值介于-1 和1 之間，若相對應(yīng)P值在統(tǒng)計意義上顯著，則表明樣本地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)碳排放強(qiáng)度具有明顯空間自相關(guān)性。由表8 可知，2010—2020 年數(shù)字經(jīng)濟(jì)發(fā)展和農(nóng)業(yè)碳排放強(qiáng)度的Moran'sI指數(shù)雖有波動，卻均呈現(xiàn)顯著的空間正相關(guān)性，可初步判定相鄰省份的數(shù)字經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)碳排放強(qiáng)度在空間上可能存在高高低低的空間互動。為此，進(jìn)一步使用空間計量模型對數(shù)字經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)碳排放強(qiáng)度的關(guān)系進(jìn)行實證檢驗。

表8 31 個省份數(shù)字經(jīng)濟(jì)發(fā)展和區(qū)域農(nóng)業(yè)碳排放的全局莫蘭指數(shù)

為了準(zhǔn)確衡量數(shù)字經(jīng)濟(jì)發(fā)展影響農(nóng)業(yè)碳排放強(qiáng)度的具體作用方向和程度大小，首先通過拉格朗日乘數(shù)（LM）檢驗判斷空間效應(yīng)類型，以便選擇模型形式，得到LM-Lag 檢驗、Robust LM-Lag 檢驗、LM-Error 檢驗與Robust LM-Error 檢驗的LM 值分別22.715、26.667、16.981 和20.934，顯著拒絕原假設(shè)，表明研究樣本具有空間滯后和空間誤差雙重效應(yīng)，故考慮使用包含兩種效應(yīng)的空間杜賓模型。其次，進(jìn)行估計方法選擇，通過構(gòu)建空間滯后模型（SAR）、空間誤差模型（SEM）以及空間杜賓模型，并分別對樣本進(jìn)行豪斯曼檢驗，綜合考慮選擇固定效應(yīng)作為3 種模型的估計方法。最后，進(jìn)行似然比（LR）檢驗，以避免空間杜賓模型退化為空間滯后模型或空間誤差模型，可得Wald(lag/error)和LR(lag/error)值分別為53.3、59.45、49.76 和54.95，都在1%的顯著性水平下拒絕了兩個退化的原假設(shè)，表明空間杜賓模型是較優(yōu)選擇。因此，最終使用固定效應(yīng)的SDM 模型進(jìn)行回歸分析。

表9 報告了基于鄰接矩陣的模型估計結(jié)果，觀察結(jié)果發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)發(fā)展變量的估計系數(shù)為負(fù)值，且在1% 的統(tǒng)計水平下顯著，表明數(shù)字經(jīng)濟(jì)發(fā)展水平越高，對本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的抑制作用越好；數(shù)字經(jīng)濟(jì)發(fā)展水平的空間滯后項系數(shù)為負(fù)值，且在1% 的顯著性水平下拒絕原假設(shè)，表明數(shù)字經(jīng)濟(jì)發(fā)展具有顯著的空間溢出效應(yīng)，即本地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平對其他省份的農(nóng)業(yè)碳排放強(qiáng)度也存在顯著的抑制作用。支持了H4。

4.5 異質(zhì)性分析

（1）區(qū)分地區(qū)經(jīng)濟(jì)發(fā)展程度。為深入研究數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度影響的區(qū)域異質(zhì)性特征，以人均實際地區(qū)生產(chǎn)總值均值為劃分標(biāo)準(zhǔn)，綜合考慮地區(qū)經(jīng)濟(jì)發(fā)展程度、地理區(qū)位和資源稟賦等因素，將31 個省份劃分為經(jīng)濟(jì)發(fā)達(dá)地區(qū)（10 個省份）、經(jīng)濟(jì)發(fā)展中等地區(qū)（11個省份）以及經(jīng)濟(jì)落后地區(qū)（10個省份）1）3 個子樣本，并利用雙向固定效應(yīng)模型進(jìn)行回歸分析。結(jié)果如表10 所示，在經(jīng)濟(jì)發(fā)達(dá)地區(qū)和經(jīng)濟(jì)發(fā)展中等地區(qū)，數(shù)字經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放強(qiáng)度呈現(xiàn)負(fù)向影響，且在5%和1%的統(tǒng)計水平下均顯著，表明數(shù)字經(jīng)濟(jì)發(fā)展在促進(jìn)地區(qū)農(nóng)業(yè)碳減排方面發(fā)揮了積極作用；而對于經(jīng)濟(jì)落后地區(qū)，數(shù)字經(jīng)濟(jì)發(fā)展對于農(nóng)業(yè)碳排放強(qiáng)度的估計系數(shù)并不顯著，符號方向甚至為正，可能的原因是經(jīng)濟(jì)發(fā)展落后地區(qū)數(shù)字化基礎(chǔ)設(shè)施較為落后，地區(qū)內(nèi)部“數(shù)字鴻溝”的問題還未得到解決［54］，信息不對稱現(xiàn)象依舊嚴(yán)重，難以發(fā)揮數(shù)字經(jīng)濟(jì)發(fā)展產(chǎn)生的溢出效應(yīng)。

表10 區(qū)分經(jīng)濟(jì)發(fā)展水平的異質(zhì)性分析結(jié)果

（2）區(qū)分糧食主產(chǎn)區(qū)。農(nóng)業(yè)碳排放易受糧食生產(chǎn)功能區(qū)影響，不同功能區(qū)在農(nóng)業(yè)種植結(jié)構(gòu)、生產(chǎn)方式和農(nóng)藥施用等方面存在差異，且糧食主產(chǎn)區(qū)的種植結(jié)構(gòu)“趨糧化”會增加糧食生產(chǎn)量比重，影響化學(xué)品投入水平，改善傳統(tǒng)粗放、高碳生產(chǎn)模式，進(jìn)而影響農(nóng)業(yè)碳排放［47］。為此，將31 個省份劃分為糧食主產(chǎn)區(qū)（13 個省）與非糧食主產(chǎn)區(qū)（18 個省）2）兩個子樣本進(jìn)行回歸分析。結(jié)果如表11 所示，在非糧食主產(chǎn)區(qū)，數(shù)字經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放強(qiáng)度的估計系數(shù)顯著為負(fù)，表明隨著數(shù)字經(jīng)濟(jì)發(fā)展，非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳減排效果更好；在糧食主產(chǎn)區(qū)，數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的影響效果不顯著，可能的原因是糧食主產(chǎn)區(qū)具有明顯的“趨糧化”特征，較高比例種植糧食作物極易引致農(nóng)業(yè)碳排放總量增加，進(jìn)而抵消數(shù)字經(jīng)濟(jì)發(fā)展的擴(kuò)散效應(yīng)［47］；加之?dāng)?shù)字技術(shù)推廣和農(nóng)村居民數(shù)字素養(yǎng)提升需要一定時間，在早期由于“弱勢群體”排斥心理會導(dǎo)致居民的“數(shù)字鴻溝”擴(kuò)大，數(shù)字技術(shù)推廣受限，只有到數(shù)字技術(shù)推廣中后期農(nóng)業(yè)碳減排效應(yīng)才能呈現(xiàn)［50］，故數(shù)字經(jīng)濟(jì)發(fā)展對糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放強(qiáng)度影響效果不顯著。

表11 區(qū)分糧食產(chǎn)區(qū)的異質(zhì)性分析結(jié)果

5 結(jié)論與建議

為探討數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)低碳轉(zhuǎn)型和實現(xiàn)“雙碳”目標(biāo)的影響，加速實現(xiàn)中國農(nóng)業(yè)綠色低碳發(fā)展，本研究系統(tǒng)分析了數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放影響機(jī)制及其時空效應(yīng)，得出如下結(jié)論：（1）數(shù)字經(jīng)濟(jì)發(fā)展水對農(nóng)業(yè)碳排放強(qiáng)度有顯著抑制作用，引入工具變量等的穩(wěn)健性檢驗結(jié)論依然成立，且通過提升社會化服務(wù)水平這一中介路徑可以間接影響數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的抑制作用；（2）數(shù)字經(jīng)濟(jì)發(fā)展對農(nóng)業(yè)碳排放強(qiáng)度的影響確實存在滯后效應(yīng)，尤其對未來第2 期的區(qū)域農(nóng)業(yè)碳排放強(qiáng)度抑制作用最強(qiáng)；（3）數(shù)字經(jīng)濟(jì)發(fā)展具有顯著的空間溢出效應(yīng)，即本地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展對其他省份的農(nóng)業(yè)碳排放強(qiáng)度也存在顯著抑制作用；（4）數(shù)字經(jīng)濟(jì)發(fā)展對經(jīng)濟(jì)發(fā)展中等和發(fā)達(dá)地區(qū)的農(nóng)業(yè)碳排放有顯著抑制作用，對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強(qiáng)度不能發(fā)揮顯著抑制作用。

根據(jù)以上結(jié)論，提出如下建議：（1）深入推進(jìn)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展及數(shù)字科技在農(nóng)業(yè)領(lǐng)域的應(yīng)用，提升農(nóng)業(yè)社會化服務(wù)的數(shù)字化水平，進(jìn)而降低農(nóng)業(yè)碳排放強(qiáng)度。（2）充分利用數(shù)字技術(shù)和數(shù)據(jù)要素的時間紅利，形成技術(shù)“蓄水池”的規(guī)模效應(yīng)，鼓勵和引導(dǎo)農(nóng)業(yè)經(jīng)營者盡早采取新型綠色低碳農(nóng)業(yè)數(shù)字技術(shù)進(jìn)行生產(chǎn)。（3）加強(qiáng)數(shù)字經(jīng)濟(jì)區(qū)域協(xié)調(diào)發(fā)展，特別是縮小數(shù)字農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)區(qū)域差異性，高質(zhì)量實現(xiàn)空間上信息互聯(lián)互通，讓數(shù)字技術(shù)的擴(kuò)散效應(yīng)和規(guī)模效應(yīng)在農(nóng)業(yè)碳減排中發(fā)揮更多作用。（4）重視經(jīng)濟(jì)落后地區(qū)和糧食主產(chǎn)區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展，加大數(shù)字基礎(chǔ)設(shè)施建設(shè)力度，提升數(shù)字化技術(shù)的普惠性和農(nóng)業(yè)生產(chǎn)領(lǐng)域的應(yīng)用，進(jìn)而減少農(nóng)業(yè)碳排放。

注釋：

1）經(jīng)濟(jì)發(fā)達(dá)地區(qū)包括：北京、天津、上海、江蘇、浙江、福建、山東、廣東、重慶、湖北；經(jīng)濟(jì)發(fā)展中等地區(qū)包括：內(nèi)蒙古、遼寧、安徽、河南、四川、江西、湖南、海南、陜西、寧夏、新疆；經(jīng)濟(jì)落后地區(qū)包括：河北、吉林、廣西、貴州、云南、西藏、山西、甘肅、黑龍江、青海。

2）糧食主產(chǎn)區(qū)：河北、河南、黑龍江、吉林、遼寧、湖北、湖南、江蘇、江西、內(nèi)蒙古、山東、四川、安徽；非糧食主產(chǎn)區(qū)：北京、天津、上海、浙江、福建、廣東、海南、新疆、山西、寧夏、青海、陜西、甘肅、西藏、云南、貴州、重慶、廣西。