綠色金融發展對農業生態效率的影響

黃姣姣

（浙江農林大學 經濟與管理學院，浙江 杭州 311300）

一、引言

農業是經濟可持續發展的重要基礎。改革開放以來，中國農業在經濟上取得了巨大的成就，以世界上不到10%的耕地面積養活了世界上20%左右的人口，并且糧食連年增產，農民收入持續增長，農業生產效率取得大幅提升。然而，隨著農業經濟的快速增長，資源浪費、農業生態環境污染問題凸顯。《第二次全國污染源普查公報（2020）》顯示，目前農業污染源中的碳排放量確實相較于“一污普”有所下降，其中化學需氧量下降了19%，總氮下降了48%，總磷下降了26%，但農業污染源排放量占總排放量“半壁江山”的格局并未改變[1]。通過研究國外農業發達國家的發展歷程，發現其農業也不可避免地成了最大污染排放源。農業生產引起的環境污染，不僅惡化農村環境，導致農產品食品安全問題產業，還會促進全球氣候變暖。可見，農業生態效率低下，已成為制約我國實現“雙碳”目標和經濟可持續發展的一個重要因素。可持續發展理念在金融領域的主要應用是綠色金融。綠色金融發展的內涵在于，通過金融發展支持包括農業在內的產業經濟實現高質量、可持續發展。因此，如何衡量綠色金融發展對農業生態效率的影響效應問題，是當前經濟學研究領域亟待關注的一個重要問題。

學術界對農業生態效率的研究較為豐富。目前主要的研究方向有以下幾類：農業生態效率的測算[2-4]、農業生態效率影響因素研究[5-8]、農業生態效率的時空演變[9-10]以及不同指標對農業生態效率的影響效應研究[10-13]。而不同指標對農業生態效率的影響效應研究中，這些指標分別是財政分權[14]、農旅融合[13][15]、農業科技投入[16]、農村勞動力轉移[12][17]、化肥施用強度[17]、農業科技創新[18]等。從現有研究來看，鮮有學者就綠色金融發展對農業生態效率的影響進行過分析。而綠色金融發展能夠為農業提供資金支持，并且實現資產的合理配置，將金融資源合理分配到農業生產中，減少農業污染，實現農業生態效率。因此，亟需研究綠色金融發展與農業生態效率之間的影響效應。鑒于此，采用中國2010—2019 年30 個省市自治區（西藏和港澳臺地區除外，同時由于2020 年和2021 年數據缺失較多，因此數據更新到2019年）相關數據，構建反映綠色金融發展和農業生態效率二者空間依賴關系的空間計量模型，以揭示這些地區綠色金融發展影響農業生態效率的直接效應和空間溢出效應等經濟效應，為實現區域綠色金融協調發展、支持農業可持續發展等提供政策建議。

二、研究設計

（一）指標選擇與測度

1.綠色金融發展水平指標體系構建。參照高錦杰和張偉偉（2021）[19]以及胡懷敏和連思涵（2021）[20]關于綠色金融的相關研究，同時考慮到數據的連貫性，從綠色信貸、綠色保險、綠色投資以及綠色財政支出這四個維度出發構建綠色金融發展評價指標體系來評估綠色金融發展水平（見表1）。

表1 綠色金融發展變量指標

2.農業生態效率指標體系構建。本研究以農業生態效率為研究對象，結合農業生態效率的概念內涵，同時參考王寶義和張衛國（2018）[6]、吉雪強和尚杰（2021）[21]的相關研究，建立農業生態效率的投入產出指標評價體系（見表2）。

表2 農業生態效率變量指標

其中，參考李波等（2011）[22]的方法，化肥、農藥、農膜、農用柴油、農業灌溉以及農業播耕產生的碳排放量分別等于化肥使用量、農藥使用量、農膜使用量、農用柴油使用量、農業灌溉面積以及農業播種面積乘以各自的碳排放系數。農業面源污染的排放來自化肥、農藥等農業化學物質投入要素的過度使用而導致通過地表徑流、地下淋溶等方式進入到河流、農田當中，以及農膜的殘留污染。借鑒吉雪強和尚杰（2021）[21]的研究，采用化肥、農藥的污染量和農膜殘留量來衡量農業面源污染水平。其中，化肥面源污染量的計算方法為化肥施用量乘以化肥流失率；農藥污染量采用農藥使用量乘以農藥殘留率來計算；農膜殘留量采用農膜使用量乘以農膜殘留系數的方法來衡量。現有研究在污染指標流失率設置方面多參考賴斯蕓等（2004）[23]、吳小慶等（2012）[3]學者做法，為此結合現有研究本文將化肥流失率設置為65%，設置農藥污染率50%，設置地膜殘留率為10%。

（二）模型和方法

1.農業生態效率測算方法。由于農業生產往往伴隨著化肥、農藥等殘留和大量的碳排放，因此在測算農業生態效率時，必須考慮這些非期望產出。因此本研究采用Tone（2001）[24]提出的SBM-Undesirable模型來測算全國30 個省市自治區（不包括西藏和港澳臺地區）的農業生態效率。其模型表示如下：

其中，m、a、b分別表示每一個決策單元擁有m類投入要素、a類期望產出和b類非期望產出；D-、De、Dn為松弛變量，分別表示投入過多，期望產出不足及非期望產出過多，其值均大于0；ρ*是決策單元的農業生態效率，介于0～1 之間。綠色金融發展水平測算方法為比較常見的熵值法，因此這里不再做相應介紹。

2.空間計量模型。空間計量模型主要有空間自相關模型（SAR）、空間杜賓模型（SDM）以及空間誤差模型（SEM）。當只考慮被解釋變量的空間滯后效應時，應建立空間自相關模型，模型如下：

式（5）中，AEE表示農業生態效率；Gf表示綠色金融發展水平；Xctrl表示控制變量；W表示空間權重矩陣；ρ表示農業生態效率的空間自相關系數，其大小表示農業生態效率的空間溢出程度，其值為正時，表示相鄰地區的農業生態效率對本地區農業生態效率具有促進作用，反之則表現為抑制作用；γt表示時間效應；μit表示隨機誤差項。

當同時考慮解釋變量和被解釋變量的空間滯后效應時，應建立空間杜賓模型，模型如下：

式（6）中，δ1和δctrl分別表示綠色金融發展水平和控制變量的空間滯后項所對應的空間滯后系數。空間杜賓模型可將空間總效應分解為直接效應和間接效應（也稱空間溢出效應）。

當被解釋變量的空間相關性由誤差項來反映時，應建立空間誤差模型，模型表示如下：

其中，λ表示空間誤差系數，其反映相鄰地區未被包含在解釋變量和控制變量中的遺漏變量對本地區農業生態效率的影響，其大小表示遺漏變量對農業生態效率的影響程度，當其值為正時，表示這些變量對農業生態效率起到促進作用，反之則表現為抑制作用。

（三）數據來源與指標選取

本文選取2010—2019 年省級相關數據，在構建綠色金融發展與農業生態效率指標體系的基礎上，參考徐維祥等（2021）[5]、王寶義和張衛國（2018）[6]的研究，選取農業生態效率（AEE）作為被解釋變量，選取綠色金融發展水平（Gf）作為解釋變量，選取農業受災率（Dis）、農業機械密度（Agm）、農民家庭經營收入比（Rev）、財政支農水平（Gex）以及工業化水平（Ind）作為控制變量。用于空間計量模型的變量指標體系如表3 所示。

表3 空間計量模型變量指標體系

三、結果與分析

（一）我國各地農業生態效率測算結果

根據考慮非期望產出的SBM 對我國省級農業生態效率水平進行了測定，并且參考徐維祥等（2021）[5]的做法，運用Arcgis 軟件中的自然斷點法將中國農業生態效率劃分成四個區域：低效率區、中低效率區、中高效率區以及高效率區。表4 展示了我國2010年和2019 年農業生態效率的效率值及效率水平。

表4 2010 年和2019 年中國農業生態效率值和效率水平

從表4 中可以看出，從2010—2019 年，我國農業生態效率處于低效率、中低效率和中高效率水平的省份地區數量越來越少，反而農業生態效率處于高效率水平的省份數量迅速增加，由2010 年的3個高效率區，增長到2019 年的18 個高效率區。2019年東部地區處于中高效率及高效率區的省份數量占比為50%，而處于中低效率及低效率區的省份占比為30%。2019 年中部地區處于中高效率及高效率區的省份數量占比為10%，而處于中低效率及低效率區的省份占比為40%。2019 年西部地區處于中高效率及高效率區的省份數量占比為40%，而處于中低效率及低效率區的省份占比為30%。由此可見，高效率區及中高效率區主要分布于東部地區，其次是分布在西部地區，少量分布在中部，而中低效率區及低效率區則主要分布在中部地區，少量分布在東部和西部地區。因此，從區域分析的結果來看，我國農業生態效率在地理區域之間發展不平衡問題凸顯，其中東部地區的農業生態效率水平最高，西部次之，中部地區的農業生態效率水平最低。

（二）綠色金融發展對農業生態效率影響的空間溢出效應

采用全局莫蘭指數對農業生態效率空間相關性及綠色金融發展空間相關性進行檢驗。檢驗結果顯示，2010—2018 年我國農業生態效率的全局莫蘭指數顯著為正，同時2011—2015 年、2017 年以及2019年我國綠色金融發展水平的全局莫蘭指數均顯著為正，表明中國農業生態效率與綠色金融發展水平存在顯著的空間依賴性，有必要對綠色金融發展與農業生態效率之間的空間溢出效應進一步研究。

創建空間計量模型前，本文采用LM 檢驗與豪斯曼檢驗來確定最適合本文數據的空間計量數據模型。LM 檢驗表明，建立空間自相關模型更好，而豪斯曼檢驗則表明建立隨機效應模型更好。為了體現模型的穩健性，本文分別構造了空間鄰接權重矩陣和空間地理距離權重矩陣，并分別建立空間自相關模型和空間杜賓模型的隨機效應模型。模型估計結果如表5 所示。對空間杜賓模型進行分解得到的直接效應和空間溢出效應結果如表6 所示。

表5 模型估計結果

由表5 和表6 中可以看出，農業生態效率的空間自回歸系數ρ都大于0 且在1%的顯著性水平下顯著，表明我國各省市自治區農業生態效率間存在著正向空間聚集現象。綠色金融發展的回歸系數與空間滯后項系數均顯著為正，這表明綠色金融發展水平對農業生態效率存在顯著的直接效應和空間溢出效應。農業受災率的回歸系數顯著為負，表明農業受災率對農業生態效率起顯著的抑制作用，這是因為本地的農業發生災害將會降低期望產出，導致要素投入的損失，從而降低本地區的農業生態效率。財政支農水平的回歸系數顯著為負，說明其對農業生態效率的提高起到顯著的抑制作用，這是因為當前財政支農的結構不合理，大部分資金花費在對農藥、化肥和農機的補貼上，增加了污染物排放，因此不利于農業生態效率的提升[5-6]。農業機械密度的空間滯后項系數顯著為負，說明本地區農業機械密度的提高會使周圍地區農業生態效率向著低效率的方向發展。方師樂等（2017）[25]的研究認為大中型農業機械通常會進行跨區流動服務，這樣一來，本地區農業機械化水平會促進周圍地區的農業機械化水平的提升，因而會降低周圍地區的農業生態效率。

四、研究結論和政策建議

（一）研究結論

一是我國各地區農業生態效率在地理區域之間發展不平衡問題凸顯。目前，我國東部地區的農業生態效率水平最高，西部次之，中部地區的農業生態效率水平最低。

二是我國各地區農業生態效率存在顯著的空間自相關性。即相鄰地區的農業生態效率發展有助于本地區農業生態效率的提高。

三是綠色金融發展對農業生態效率存在顯著的直接效應和空間溢出效應，農業機械密度、農業受災率和財政支農水平對農業生態效率均具有顯著的直接抑制作用，且農業機械密度對農業生態效率還存在負的空間溢出效應。

（二）政策建議

一是各地區需要利用相應的政策鼓勵金融機構投資小農戶。需要各地區金融機構在積極推動當地綠色金融發展的同時，利用綠色金融投融資項目，對小農戶提供充足的資金支持，積極引導農戶采用綠色生產技術，擴大農業生產經營面積的同時，達到綠色生產的目標。

二是各地區需要加大對農業企業的投資力度，促進其進行綠色生產。金融機構利用綠色金融投融資項目，加大對低消耗、低殘留、低污染的綠色農業投入品生產、流通和銷售相關企業的支持力度，從源頭上保證農業綠色生產，促進農業產業向環境友好方向轉變。

三是各地區需要與相鄰地區建立合作，構建農業生態效率發展經濟圈。利用我國各地區農業生態效率具有空間正向溢出效應的特性，各相鄰地區間加強合作，農業生態效率高水平地區帶動周邊低水平地區發展，為其提供政策建議、人才培養以及技術支持等，共同實現農業的生態化發展模式。

四是各地區還可以從影響生態效率的其他因素入手，制定相應的政策，從而實現綠色農業與經濟農業的共同發展。充分考慮對農業生態效率產生影響的其他因素，比如農業受災率、農業機械密度、財政支農水平等，積極采取能提升農業對抗災害能力的措施，如統籌規劃和科學管理農業基礎設施，同時促進農業機械由傳統能耗向新能源的轉變，以及革新財政支農方式，由對農業生產資料的財政支出轉變為對農業生態化方向的財政支出等。