基于省級面板數據的農村金融發展水平對農業碳排放的影響分析

顧 蔚，談 鑫，張海洋，丁子健

（中研綠色金融研究院，江蘇南京 211803）

農業活動是溫室氣體排放的重要來源之一，受到中國及國際社會的高度關注。根據聯合國糧食與農業組織數據統計，超過30%的全球人為溫室氣體排放量來源于農業用地；同時，我國約17%的碳排放總量來自農業，且農業碳排放量仍持續以平均1.46%的速度上漲[1-2]。而超量溫室氣體排放導致的氣候變化，又通過改變降雨模式、蟲害壓力模式、季節和晝夜的溫度變化模式與更頻繁的極端天氣等方式反噬農業活動，降低農業生產力。農業碳排放問題日益嚴峻，控制農業高碳排、發展綠色低碳農業是重中之重。2021 年農業農村部等6 部門聯合印發的《“十四五”全國農業綠色發展規劃》和2022年農業農村部聯合國家發改委印發的《農業農村減排固碳實施方案》，明確提出要強化農業綠色發展科技動能、提高農業資源利用效率、推進農業農村減排固碳，構建綠色低碳循環發展的農業產業體系。

金融發展規模和效率影響著經濟活動中的碳排放水平[3]。2017 年《農業部中國農業銀行關于推進金融支持農業綠色發展工作的通知》提出，要構建多層次、廣覆蓋、可持續的農業綠色發展金融服務體系，通過金融支持農業科技創新、金融支持農業結構調整、金融支持農業面源污染治理，推進綠色農業發展。那么金融如何促進農業低碳轉型、減排效果又如何？厘清農村金融發展對農業碳排放的影響，對提升農業綠色發展金融服務體系具有重要現實意義。

1 概念界定與文獻綜述

1.1 農業與農業碳排放

本文聚焦狹義的農業，即種植業，區別于涵蓋種植業、林業、畜牧業、漁業、副業的廣義農業。種植業包括培育各類農作物、林木、果樹、觀賞及實用性等植物，產出各種糧食作物、經濟作物、蔬菜作物、綠肥作物、飼料作物及園藝作物。

農業碳排放具有難量化、隱蔽性強、隨機性強、不易檢測和涉及范圍廣等特征[4]；而農業固碳作用的測算復雜，精準數據難以獲取。鑒于此，本文專注于狹義農業在農地利用中產生的碳排放，從化肥、農藥、農膜、農用機械使用、農田灌溉和農作物耕種共六個維度進行測算，將排放的溫室氣體統一用二氧化碳當量表示。

1.2 農業碳排放的測算與影響因素

農業碳排放的主要碳源有：1）農地利用，包括化肥、農藥、薄膜等農資投入、農用機械所用柴油等能源消耗、農地翻耕和灌溉；2）水稻等作物生長；3）牲畜腸道發酵及糞便處理；4）秸稈等作料焚燒。同時，各國農業碳排放與其農業生產方式息息相關[5]。對我國農業碳排放測算的研究中發現，在所有碳源中化肥影響最大，且我國農業碳排總量逐年遞增、增速減弱[6]。農業碳排放的正向影響因素包含人口規模、畜類消費占比、農業規模，負向影響因素包含土地生產效率的提升、保護性耕作方式的使用、環境保護措施的實施[7]。

1.3 金融發展與碳排放

當前研究發現，能顯著影響碳排放量和排放強度[8]的金融因素包括：金融的規模、效率、空間結構[9]、產業聚集[10]等。其研究方法既有構建衡量綜合指數衡量金融發展的整體情況與內部結構的[11]，也有按股票、保險、信貸等金融產品類型分別分析其與碳排放量關系的[12]。異質性研究方面發現，金融發展在總體上有利于減少碳排放，但這種減排效應會隨著經濟發展水平、經濟結構、能源結構等因素而呈現復雜的特征[13]。

學界尚未就金融發展對碳排放量的作用方向達成統一定論。較多研究得出，金融發展對碳排放有負向抑制作用[9,14-16]；也有研究認為金融規模和效率對碳排放量有正向作用，對碳排放強度有負向作用[8]；更有研究發現金融發展與碳排放量之間存在“倒U 型”關系[17-20]。

目前，國內針對金融與農業碳排放的研究相對較少，且多用信貸、存款指標作為農村金融水平的測度。本文構建雙向固定效應模型，基于2011—2020年中國省級面板數據，從農業信貸、農業保險、農業投資、財政環保支出四個維度探討農村金融水平對農業金融碳排放的影響。

2 模型設定、變量選取和數據來源

2.1 模型設定

為了分析農村金融發展水平對農業碳排放的影響，本文構建了雙向固定效應模型，具體如下：

（1）式中：i 為省份，t 為年份；mco2(it)代表被解釋變量，為省份i 在t 年的農業碳排放總量；xe,f(it)代表解釋變量，為省份i在t年的農村金融發展水平；∑Xit為控制變量；λi為省級固定效應，Ut為時間固定效應；εit為誤差項；α、β、φ和λ為相應的常量。為了便于解釋統計意義及平滑數據波動，本文對農業碳排放總量mco2(it)和農村金融水平xe,f(it)進行了對數化處理。

2.2 變量測度、說明和描述性統計

2.2.1 被解釋變量

農業碳排放總量。本文聚焦于狹義農業（種植業）及其碳排放量，具體估算公式如下：

（2）式中：mco2(it)為農業碳排放總量。mco2(it,j)為省份i 在t 年碳源j 的碳排放量；Qit,j為省份i 在t 年碳源j的數量；Cj為碳源的碳排放系數，具體見表1。

表1 農業各類碳源的碳排放系數

測算發現：平均農業碳排放大省包括河南省、山東省、黑龍江省、河北省；平均占比最大的農業碳源為農業播種和化肥使用。各省農業碳排放總量（按從高至低排序）見表2，農業碳源中播種、化肥、農膜、農用柴油、農藥、灌溉的占比見表3。

表2 2011—2020年31個省份平均農業碳排放量 單位：萬t

表3 31個省份農業碳源中播種、化肥、農膜、農用柴油、農藥、灌溉的占比 單位：%

2.2.2 核心解釋變量

農村金融發展水平。使用四個指標來衡量：1）農業信貸指標。從儲蓄能力轉化為投資的角度出發，使用涉農貸款余額與農戶儲蓄存款余額之比衡量農村信貸資源配置效率[3,22]。2）農業保險指標。使用各財產保險公司農業保險收入衡量各地區農業保險的絕對規模。3）農業投資指標。使用農業綜合開發項目資金總投入，涵蓋中央財政、地方財政、銀行信貸、群眾自籌四方資金。4）財政環保支出指標。使用節能環保項目財政預算支出，涵蓋生態保護、污染防治、天然林保護、退耕還林、退牧還草、污染減排等用途。其中，鑒于相關文獻[22-23]發現農業信貸對農業碳排放、農業保險對農業生產率存在非線性關系，本文對農業信貸與農業保險兩項指標添加其二次項回歸，以捕捉其與農業碳排放總量的非線性關系。

2.2.3 控制變量

綜合考慮現有對農業碳排放的研究，本文控制了農業經濟水平、農業現代化水平、農作物受災程度、農業結構四方非金融變量，分別以農業總產值（億元）、農業機械總動力（萬千瓦）、作物受災面積（千公頃）、農業總產值與農林牧漁業總產值之比衡量。此外，為了緩解不可觀測變量對結果的偏誤，本文一方面引入了省級固定效應λi，以便控制各省份自然氣候、地理面貌等特征；另一方面引入了時間固定效應Ut，以便控制政策變化和通貨膨脹等因素。

2.2.4 描述性統計

變量說明與描述性統計見表4。

表4 農業碳排放的變量說明和描述性統計

2.3 數據來源

考慮到數據的可得性，選取2011—2020 年我國31 個省份（地區）的省級面板數據，未包含港澳臺地區。其中，各農業碳排放源的數量，農業經濟水平、農作物受災程度等控制變量的數據取自國家統計局；農村金融發展水平的數據來自《中國財政年鑒》《中國農村統計年鑒》《中國保險年鑒》和CSMAR 數據庫。需要說明的是：對缺失值，根據其前后五年間的差值進行了補全；對絕對值的變量，為了避開宏觀數據的非平穩性對實證結果的干擾，進行了對數處理。

3 實證結果與分析

3.1 基準回歸

在前文理論分析和模型構建的基礎上，本文采用雙向固定效應模型從農業信貸、農業保險、農業投資、財政環保支出四方面分析農村金融發展水平對農業碳排放的影響，參數估計結果見表5。

表5 農業碳排放參數估計結果

其中，農業信貸的一次項系數為正、二次項系數為負，且在5%的水平上顯著；相反，農業保險的一次項系數為負、二次項系數為正，且在1%的水平上顯著；農業投資的系數為正，財政環保支出的數為負，二者皆在均在1%的水平上顯著。

可見以涉農貸款余額與農戶儲蓄存款余額之比衡量的農業信貸與農業碳排放之間存在顯著的“倒U型”關系，這意味著農業信貸帶來的初期擴張將顯著抬升農業碳排放量，但在后續規模效應、技術效率提高、結構優化的綜合作用下，農業信貸將反向抑制農業碳排放；相反，農業保險與農業碳排放呈“U 型”關系，這意味著，農業保險規模的增加在初期對農業碳排放量有抑制作用，但后期抑制作用逐漸衰減甚至反向導致碳排放的增加，鑒于前文中不同群體樣本對農業保險的異質性，本文將就農業保險與農業碳排放“U型”關系在下文中分樣本分析；以農業綜合開發項目資金投入衡量的農業投資與農業碳排放之間正向關系顯著，農業投資增加1%則碳排放量也增加0.143%，平均來說，農業投資增加1 億元則農業碳排放量增加316 t；以節能環保支出衡量的財政支持力度與農業碳排放之間負向關系顯著，財政環保支出增加1%的環保項目財政支出則碳排放量減少0.080 4%，平均來說，財政每增加1 億元在生態保護、污染防治、天然林保護、退耕還林、退牧還草、污染減排等方面的支出，則農業碳排放量減少24.5 t。

3.2 異質性分析

3.2.1 東部地區與中西部地區的異質性

受不同資源稟賦、氣候地理、經濟狀況的影響，農村金融發展水平對農業碳排放的影響也有所不同。相對于中西部省份，東部省份經濟更發達，農業碳排放量也較高；農業政策也存在不同，以農業保險為例，根據《中央財政農業保險保險費補貼管理辦法》，中央財政對東部省份的農業保險支持力度較小，而對中西部省份支持力度較大。鑒于此，本文對東部省份及中西部省份進行分組回歸。

參考相關文獻中的分組方法[24]，設定東部地區包括北京、天津、山東、上海、江蘇、浙江、河北、遼寧、廣東、福建、海南共11 省（或地區）；中部地區包括黑龍江、吉林、山西、江西、河南、安徽、湖北、湖南共8省（或地區）；西部地區包括內蒙古、陜西、甘肅、貴州、重慶、四川、廣西、云南、青海、寧夏、新疆、西藏共12 省（或地區）。東部、中部與西部地區的分組回歸結果見表6。

表6 農業碳排放的分組回歸結果

其中，在東部地區，農業信貸僅一次項系數顯著為負，對農業碳排放起單純的抑制作用；農業保險一次項系數為負、二次項系數為正，與農業碳排放之間的“U 型”關系依然顯著；農業投資與農業碳排放仍存在顯著的正向關系；而財政環保支出的影響則不顯著。西部地區，農業信貸僅一次項系數顯著為負，對農業碳排放起單純的抑制作用；農業保險一次項系數為負、二次項系數為正，與農業碳排放之間的“U型”關系依然顯著；農業投資與農業碳排放仍存在顯著的正向關系；而財政環保支出對農業碳排放的影響不顯著。中部地區的財政環保支出和西部地區的農業投資分別對農業碳排放呈顯著的負向作用和正向作用，而中西部的農業碳排放對農業信貸和農業保險則較不敏感。

可能的原因：東部省份的農業經營者對農業信貸、保險等金融產品的作用更有體會，農村金融發展水平因此對他們的經營規模、種植結構和生產技術更易發揮助推作用。而中西部地區農業經營者對農業金融產品的理解較淺，因而其碳排放行為所受的影響較小。

3.2.2 糧食主產區與非糧食主產區的異質性

糧食主產區與非糧食主產區在農業生產規模、農業碳排放量等方面差異顯著；另一方面，相關研究發現，糧食作物占比與農業碳排放顯著相關[25]。為了探究農村金融水平的影響在糧食主產區和非糧食主產區的差異，本文進行了分樣本回歸（見表7）。

表7 糧食主產區和非糧食主產區農業碳排放的分樣本回歸結果

根據財政部2003年發布的《關于改革和完善農業綜合開發若干政策措施的意見》，糧食主產區包括內蒙古、河南、河北、湖南、湖北、黑龍江、吉林、遼寧、山東、江蘇、安徽、江西、四川共13個省區；非糧食主產區包括北京、天津、上海、浙江、甘肅、山西、陜西、重慶、貴州、廣東、廣西、福建、海南、寧夏、青海、云南、新疆、西藏共18個省區。

其中，糧食主產區的核心解釋變量均不顯著；而非糧食主產區的核心解釋變量至少在10%的水平上顯著，且其符號與基準回歸一致。這意味著，糧食主產區的農業碳排放對農村金融發展水平并不敏感，而非糧食主產區的農業碳排放受農村金融發展水平的影響程度較深。

可能的原因：糧食主產區的政策推動了農業經營規模化和農作物的趨糧化。這意味著，糧食主產區的農村金融發展通過推動規模擴大和結構調整兩條路徑影響農業碳排放量的空間有限，相較于非糧食主產區，農村金融發展水平的作用對其更小。

4 結論與政策建議

4.1 結論

金融的環境效益是近年備受關注的話題，本文從農業信貸、農業保險、農業投資、財政環保支出四個維度聚焦農村金融發展對農業碳排放的影響，并基于2011—2020年中國31省的面板數據構建了雙向面板固定效應模型，得出如下結論。

1）農業信貸與農業碳排放之間呈“倒U 型”關系；農業保險則與之呈“U 型”關系；農業投資和財政環保支出對農業碳排放量分別起促進與抑制作用。

2）從異質性角度看，在東部省份，金融發展水平對農業碳排放的影響更顯著，而中西部省份的農業碳排放則相對不敏感；相對于糧食主產區，非糧食主產區的農業碳排放受金融發展水平的影響更顯著。

4.2 政策建議

1）促進農村普惠金融發展。加快普及小農戶普惠信用貸款、加快提升新型農業經營主體金融服務水平，可出臺加大對農業信貸的貼息力度、優化農業信貸的利率政策、拓寬農業農村抵押質押物范圍等激勵政策；建立健全“三農”效能評價考核制度，激勵金融機構對農業經營主體信貸投放的積極性、擴大農業信貸供給，引導金融服務重心下沉、拓寬面向低碳農業的服務渠道。

2）發揮農業保險的減碳功能。開發價格保險、收入保險等多樣化農保產品，完善中國農業風險保障體系、緩解災害等外部沖擊導致的農業碳排激增；創新綠色導向的農保產品，以高保障、高補貼激勵環境友好型生產技術的應用、削弱農用化學品和機械等碳源的負面影響；加強農保政策與環保的配合程度，增強農業環境監察和環保政策執行力度，避免經營者投入過量農業生產要素而加劇農業碳排放。對中、西部省份的農業經營者，要加強參保收益教育的普及，深化農業保險在農業規模經營、結構優化中的助推作用；同時，進一步簡化農業保險賠付手續、規范農業保險定損標準，降低受災農戶獲賠門檻。

3）健全政府性融資擔保和風險分擔機制。各級政府性融資擔保、再擔保機構應聚焦提升支農服務能力、充分發揮增信分險作用，優化銀行業金融機構與融資擔保基金的銀擔合作機制、健全風險分擔和補償機制，降低農業綜合融資成本、撬動社會資金流入綠色農業投資、增強農業低碳高質發展的內生動力。