農(nóng)業(yè)農(nóng)村數(shù)字化助力農(nóng)業(yè)“雙碳”目標實現(xiàn)

摘要：實現(xiàn)農(nóng)業(yè)“雙碳”目標是應對全球氣候變化挑戰(zhàn)的關(guān)鍵舉措。農(nóng)業(yè)碳排放強度是衡量農(nóng)業(yè)“雙碳”目標實現(xiàn)程度的重要指標。農(nóng)業(yè)農(nóng)村數(shù)字化能否成為降低農(nóng)業(yè)碳排放強度的關(guān)鍵驅(qū)動力？選取2011-2022年中國31個省份（除港澳臺外）的面板數(shù)據(jù)，運用動態(tài)面板模型分析農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響，并采用動態(tài)面板門檻模型分析該影響是否存在門檻效應，為實現(xiàn)農(nóng)業(yè)“雙碳”目標提供理論依據(jù)和量化支持。研究發(fā)現(xiàn)：農(nóng)業(yè)農(nóng)村數(shù)字化能顯著降低農(nóng)業(yè)碳排放強度；隨著農(nóng)村人力資本水平和環(huán)境規(guī)制水平的提升，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的抑制作用逐漸增強；農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的抑制作用在西部地區(qū)、非糧食主產(chǎn)區(qū)和2016-2022年尤為顯著。

關(guān) 鍵 詞：農(nóng)業(yè)農(nóng)村數(shù)字化；農(nóng)業(yè)碳排放強度；動態(tài)面板

門檻模型

中圖分類號：F323.2 文獻標志碼：A

文章編號：1673-9868（2025）03-0084-13

Digitalization in Agriculture and Rural Areas Helps to Achieve the Goal of “Carbon Peaking and Carbon Neutrality” in Agriculture

LI Xiaoyang^1，2， LIU Ruihan¹， ZHOU Chengxu¹

1. College of Economics and Management，Southwest University，Chongqing 400715，China；

2. National Center of Technology Innovation for Pigs，Chongqing 402460，China

Abstract：Achieving the “Carbon Peaking and Carbon Neutrality” goal of agriculture is a key measure to address the challenge of global climate change．Agricultural carbon emission intensity is an important index to measure the realization of agricultural “Carbon Peaking and Carbon Neutrality” goal．Can digitalization of agriculture and rural areas be an important engine for reducing agricultural carbon intensity？ This paper selects the panel data of 31 provinces in China except Hong Kong，Macao and Taiwan from 2011 to 2022，uses the dynamic panel model to empirically test the impact of digitalization in agriculture and rural areas on agricultural carbon emission intensity．The dynamic panel threshold model was used to study whether the impact had a threshold effect．This will provide theoretical basis and quantitative support for how to realize the goal of “Carbon Peaking and Carbon Neutrality” in agriculture．The results show that digitalization in agriculture and rural areas can significantly reduce agricultural carbon emission intensity．With the improvement of rural human capital level and environmental regulation level，the inhibition effect of digitalization in agriculture and rural areas on agricultural carbon emission intensity is gradually enhanced． The inhibition effect of digitalization in agriculture and rural areas on agricultural carbon emission intensity is particularly significant in the western region，non-major grain producing areas and 2016-2022．

Key words：digitalization in agriculture and rural areas；agricultural carbon emission intensity；dynamic panel threshold model

近年來，二氧化碳和其他溫室氣體的大量排放正對全球氣候變化造成嚴重影響，氣候變化問題已成為21世紀人類發(fā)展面臨的最大非傳統(tǒng)安全挑戰(zhàn)。在這種背景下，各國紛紛簽署國際氣候協(xié)議，制定并實施了一系列減排舉措，減少碳排放已然成為全球共同面臨的挑戰(zhàn)和責任。中國作為世界上最大的發(fā)展中國家，也是全球最大的溫室氣體排放國。根據(jù)世界資源研究所（WRI）統(tǒng)計，中國的二氧化碳排放量在進入21世紀后顯著增加，在2004年左右超過了美國成為世界最大的二氧化碳排放國^［1］。根據(jù)國際能源署（IEA）發(fā)布的《2022年二氧化碳排放報告》，2022年中國的二氧化碳排放量約為114.77億t，占全球碳排放總量的27%以上。由此可見，應對碳減排不僅關(guān)系到中華民族的永續(xù)發(fā)展，也關(guān)乎人類的前途命運。2023年《中共中央 國務院關(guān)于全面推進美麗中國建設的意見》中強調(diào)，推動能耗雙控逐步轉(zhuǎn)向碳排放總量和強度雙控，加強碳排放雙控基礎能力和制度建設 ^［2］。由此可見，中國的碳減排問題迫在眉睫，探索中國實現(xiàn)碳減排目標的有效途徑，無疑具有十分重要的現(xiàn)實意義。

隨著工業(yè)化和城市化進程的加速推進，工業(yè)生產(chǎn)成為碳排放的主要來源，但農(nóng)業(yè)作為溫室氣體排放的重要領域之一也不容忽視。據(jù)聯(lián)合國糧食與農(nóng)業(yè)組織（FAO）的統(tǒng)計，農(nóng)業(yè)用地釋放出的溫室氣體超過全球人為溫室氣體排放總量的30%，相當于每年產(chǎn)生150億t的二氧化碳^［3］。與此同時，中國的農(nóng)業(yè)生產(chǎn)方式仍然以高排放的傳統(tǒng)生產(chǎn)方式為主，農(nóng)藥、化肥、農(nóng)膜的使用已成為農(nóng)業(yè)生產(chǎn)經(jīng)營者增產(chǎn)增收的重要手段^［4］，嚴重威脅著農(nóng)業(yè)的低碳轉(zhuǎn)型和可持續(xù)發(fā)展。因此，為實現(xiàn)“雙碳”目標，農(nóng)業(yè)部門必須在碳減排上發(fā)揮更大作用。

與此同時，云計算、大數(shù)據(jù)、人工智能等數(shù)字化產(chǎn)業(yè)快速崛起，數(shù)字經(jīng)濟已經(jīng)成為中國經(jīng)濟增長的新動力^［5］。根據(jù)《數(shù)字中國發(fā)展報告（2022年）》，2022年中國數(shù)字經(jīng)濟的規(guī)模達50.2萬億元，占國內(nèi)生產(chǎn)總值比重提升至41.5%^［6］。數(shù)字經(jīng)濟在展現(xiàn)強大經(jīng)濟韌性的同時，也成為中國脫碳的寶貴機遇^［7］。數(shù)字經(jīng)濟的碳減排效果已經(jīng)得到學者們的廣泛證實^［8-10］。農(nóng)業(yè)農(nóng)村數(shù)字化作為數(shù)字經(jīng)濟在農(nóng)業(yè)和農(nóng)村領域的拓展和延伸，其數(shù)字技術(shù)不斷滲透到農(nóng)業(yè)農(nóng)村生活和生產(chǎn)的各個方面，能夠有效改善傳統(tǒng)農(nóng)業(yè)生產(chǎn)的地域性、碎片化、不確定性等特征，提高農(nóng)業(yè)生產(chǎn)的準確性、可控性和穩(wěn)定性，成為改造傳統(tǒng)農(nóng)業(yè)的重要工具^［11］，逐漸展現(xiàn)出農(nóng)業(yè)碳減排的潛能。因此，探討農(nóng)業(yè)農(nóng)村數(shù)字化能否抑制農(nóng)業(yè)碳排放，對助力中國實現(xiàn)碳達峰、碳中和戰(zhàn)略目標有著十分重要的現(xiàn)實意義。

本研究以2011-2022年中國31個省份（除港澳臺外）為研究樣本，實證檢驗了農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響，以及農(nóng)村人力資本水平和環(huán)境規(guī)制水平在其中存在的門檻效應，以期為促進農(nóng)業(yè)“雙碳”目標的實現(xiàn)提供理論參考和實踐指引。

1 研究假設

農(nóng)業(yè)農(nóng)村數(shù)字化降低農(nóng)業(yè)碳排放強度的理論邏輯如下：

首先，農(nóng)業(yè)農(nóng)村數(shù)字化能夠促進農(nóng)業(yè)經(jīng)濟的發(fā)展。第一，農(nóng)業(yè)農(nóng)村數(shù)字化能夠提高農(nóng)業(yè)生產(chǎn)效率，減少資源浪費和勞動成本，通過增加產(chǎn)出促進了農(nóng)業(yè)經(jīng)濟的增長。第二，農(nóng)業(yè)農(nóng)村數(shù)字化拓展了農(nóng)產(chǎn)品銷售渠道，通過電子商務和數(shù)字化營銷平臺將農(nóng)產(chǎn)品推向更廣泛的市場，提升了農(nóng)產(chǎn)品的市場份額和銷售額，促進農(nóng)業(yè)經(jīng)濟的發(fā)展。

其次，農(nóng)業(yè)農(nóng)村數(shù)字化能夠減少農(nóng)業(yè)碳排放總量。農(nóng)業(yè)農(nóng)村數(shù)字化通過調(diào)整生產(chǎn)要素投入比例和提升生產(chǎn)要素的使用效率兩條路徑來實現(xiàn)農(nóng)業(yè)減碳效果^［12］。第一，數(shù)字技術(shù)的應用使得農(nóng)業(yè)生產(chǎn)更為精準和綠色，通過調(diào)整施肥、灌溉等生產(chǎn)要素投入比例，減少農(nóng)業(yè)碳排放。例如精準農(nóng)業(yè)能夠?qū)r(nóng)資、農(nóng)作實施精確控制，實現(xiàn)物資投入的最大節(jié)約，減少農(nóng)業(yè)活動帶來的碳排放問題。第二，數(shù)字技術(shù)能夠促進農(nóng)業(yè)生產(chǎn)要素的循環(huán)利用，提升生產(chǎn)要素的使用效率，實現(xiàn)碳減排目的。例如數(shù)字技術(shù)能夠?qū)⑥r(nóng)業(yè)廢棄物轉(zhuǎn)化為能源或有機肥料，實現(xiàn)農(nóng)業(yè)廢棄物的資源化處理，實現(xiàn)生產(chǎn)要素的高效利用，為農(nóng)業(yè)碳減排目標的實現(xiàn)提供重要支持。由此，提出假設：

H₁：農(nóng)業(yè)農(nóng)村數(shù)字化能顯著降低農(nóng)業(yè)碳排放強度。

農(nóng)業(yè)農(nóng)村數(shù)字化作用的發(fā)揮有賴于農(nóng)業(yè)生產(chǎn)經(jīng)營者的數(shù)字素養(yǎng)，而農(nóng)業(yè)生產(chǎn)經(jīng)營者的數(shù)字素養(yǎng)的高低取決于農(nóng)村人力資本水平的高低^［13］。當農(nóng)村人力資本水平較低時，農(nóng)業(yè)生產(chǎn)經(jīng)營者的數(shù)字素養(yǎng)往往較低，缺乏對農(nóng)村數(shù)字資源和數(shù)字技術(shù)的應用能力，無法充分和有效地利用數(shù)字資源和現(xiàn)代農(nóng)業(yè)技術(shù)，農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)揮作用的空間較小，無法最大程度地降低碳排放強度。此外，低人力資本水平下的農(nóng)村可能繼續(xù)采用傳統(tǒng)的耕種方式^［14］，如粗放式農(nóng)業(yè)管理和常規(guī)的農(nóng)業(yè)生產(chǎn)，這些方法通常對數(shù)字技術(shù)的采用程度較低，農(nóng)業(yè)農(nóng)村數(shù)字化的農(nóng)業(yè)碳減排效果受到限制。而隨著農(nóng)村人力資本水平提高，農(nóng)業(yè)生產(chǎn)經(jīng)營者能夠有效使用數(shù)字設備和數(shù)字化技術(shù)，可以有效提高農(nóng)業(yè)生產(chǎn)的效率和精準度，減少對化肥和農(nóng)藥的依賴，從而降低農(nóng)業(yè)碳排放強度。此外，高人力資本水平的農(nóng)業(yè)生產(chǎn)經(jīng)營者能有機會利用直播、電商等數(shù)字化方式來拓寬農(nóng)產(chǎn)品的銷售渠道，提高農(nóng)產(chǎn)品的經(jīng)濟效益。由此，提出以下假設：

H₂：農(nóng)村人力資本水平的提升有利于增強農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的抑制作用。

政策環(huán)境支持對農(nóng)業(yè)農(nóng)村數(shù)字化至關(guān)重要，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響會因環(huán)境規(guī)制水平的不同而產(chǎn)生不同結(jié)果。當環(huán)境規(guī)制水平較低時，農(nóng)業(yè)生產(chǎn)往往缺乏對碳排放的監(jiān)管和限制，沒有政策支持和約束的農(nóng)業(yè)生產(chǎn)經(jīng)營者往往更傾向于繼續(xù)使用傳統(tǒng)的農(nóng)業(yè)方式，對數(shù)字技術(shù)的接受程度較低，限制了數(shù)字技術(shù)的應用，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放的抑制作用較弱。當環(huán)境規(guī)制水平較高時，政策和法規(guī)限制也更加嚴格，如采取限制化肥和農(nóng)藥的使用等環(huán)保措施，農(nóng)業(yè)生產(chǎn)經(jīng)營者和農(nóng)業(yè)企業(yè)更愿意尋求更加環(huán)保和綠色的生產(chǎn)方式以規(guī)避政策的處罰^［15］，農(nóng)業(yè)農(nóng)村數(shù)字化所帶來的技術(shù)和管理優(yōu)勢能夠幫助農(nóng)業(yè)生產(chǎn)經(jīng)營者和農(nóng)業(yè)企業(yè)更好地適應這些規(guī)制，數(shù)字技術(shù)能夠得到更好的利用，因此可以更好地降低農(nóng)業(yè)碳排放強度。由此，提出如下假設：

H₃：環(huán)境規(guī)制水平的提升有利于增強農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的抑制作用。

2 研究設計

2.1 變量選取

2.1.1 被解釋變量

被解釋變量為農(nóng)業(yè)碳排放強度。本研究主要以狹義農(nóng)業(yè)（種植業(yè)）生產(chǎn)過程中所產(chǎn)生的碳排放為研究對象。借鑒文獻［16］的研究成果，從化肥、農(nóng)藥、農(nóng)膜、柴油、翻耕和農(nóng)業(yè)灌溉6個方面對農(nóng)業(yè)碳排放總量進行測算。農(nóng)業(yè)碳排放總量估算公式如（1）式所示：

E=∑E_i=∑T_i×δ_i（1）

其中：E為農(nóng)業(yè)生產(chǎn)過程中所產(chǎn)生的碳排放總量，等于各種碳源的碳排放量總和；E_i為各種碳源的碳排放量，T_i為各個農(nóng)業(yè)投入要素的數(shù)量，δ_i為各碳源的碳排放系數(shù)。各類碳源碳排放系數(shù)如表1所示。

相比農(nóng)業(yè)碳排放總量，農(nóng)業(yè)碳排放強度考慮了各地區(qū)的經(jīng)濟規(guī)模，更具有可比性^［11］。參照文獻［11］的做法，將各省農(nóng)業(yè)碳排放總量除以各省農(nóng)業(yè)總產(chǎn)值，得到各省農(nóng)業(yè)碳排放強度，如（2）式所示：

Lntensity=E/AGDP（2）

其中：Lntensity為各省農(nóng)業(yè)碳排放強度，E為各省農(nóng)業(yè)碳排放總量，AGDP為各省農(nóng)業(yè)總產(chǎn)值。

2.1.2 核心解釋變量

核心解釋變量為農(nóng)業(yè)農(nóng)村數(shù)字化水平指標。參考文獻［19-20］的研究，從多個維度構(gòu)建農(nóng)業(yè)農(nóng)村數(shù)字化水平指標體系，并借鑒文獻［21］的研究，運用客觀組合賦權(quán)法進行權(quán)重賦值。

目前學術(shù)界對農(nóng)業(yè)農(nóng)村數(shù)字化這一概念尚未形成統(tǒng)一定義。在國內(nèi)研究中，對農(nóng)業(yè)農(nóng)村數(shù)字化的表述還常見諸如數(shù)字鄉(xiāng)村、數(shù)字農(nóng)業(yè)、農(nóng)業(yè)數(shù)字化轉(zhuǎn)型、農(nóng)村數(shù)字經(jīng)濟等不同表述，其表達內(nèi)涵大致相同^［22］。本研究認為農(nóng)業(yè)農(nóng)村數(shù)字化是指利用現(xiàn)代信息技術(shù)，將數(shù)字技術(shù)與農(nóng)業(yè)生產(chǎn)、農(nóng)村生活等方面融合，實現(xiàn)農(nóng)業(yè)生產(chǎn)過程的智能化、自動化，農(nóng)村生活的便捷化、智能化的過程^［23］。

農(nóng)業(yè)農(nóng)村數(shù)字化是一個多因素、多維度、綜合性的任務，難以用單一指標來衡量。參考文獻［19-20］的研究，從數(shù)字基礎設施建設、農(nóng)業(yè)數(shù)字化和農(nóng)村數(shù)字服務水平3個維度構(gòu)建農(nóng)業(yè)農(nóng)村數(shù)字化指標體系，選取了農(nóng)村寬帶接入戶數(shù)、農(nóng)業(yè)氣象觀測站數(shù)量等17個指標。具體指標設定和數(shù)據(jù)來源如表2所示。其中，農(nóng)產(chǎn)品網(wǎng)絡銷售額用實物商品網(wǎng)上零售額來衡量^［24］；農(nóng)村數(shù)字普惠金融指數(shù)用北京大學數(shù)字普惠金融指數(shù)中不同縣域指數(shù)的均值來衡量^［20］；農(nóng)村居民家庭全年用智能設備、軟件等各類生活化數(shù)字產(chǎn)品和服務應用的消費支出占比則是用農(nóng)村恩格爾系數(shù)來衡量^［25］。

在權(quán)重賦值方法方面，CRITIC賦權(quán)法未能考慮數(shù)據(jù)的離散性，而熵值法能夠有效地反映數(shù)據(jù)的離散程度，將兩種賦權(quán)法組合能夠有效彌補彼此的短板^［21］。因此，本研究參考文獻［21］的研究，采用CRITIC法和熵值法的客觀組合賦值法，計算出各省農(nóng)業(yè)農(nóng)村數(shù)字化水平。

2.1.3 控制變量

為緩解遺漏變量帶來的內(nèi)生性問題，參考文獻［26-27］的設定，選取財政支農(nóng)強度、農(nóng)業(yè)種植結(jié)構(gòu)、耕地集約利用程度、農(nóng)業(yè)化學品投入強度、城鄉(xiāng)居民收入差距、交通狀況、農(nóng)業(yè)機械化水平作為控制變量。

2.1.4 門檻變量

門檻變量為農(nóng)村人力資本水平和環(huán)境規(guī)制水平。本研究采用農(nóng)村人均受教育年限的對數(shù)代表農(nóng)村人力資本水平，設定小學、初中、高中或中專、大專及以上教育程度的平均受教育年限分別為6年、9年、12年和16年。農(nóng)村人力資本水平=農(nóng)村小學教育程度人口所占比例×6+農(nóng)村初中教育程度人口所占比例×9+農(nóng)村高中或中專教育程度人口所占比例×12+農(nóng)村大專及以上教育程度人口所占比例×16。

政府環(huán)境規(guī)制的手段多樣，既包括增加治理工業(yè)污染投資額等經(jīng)濟手段，又包含制定環(huán)境保護條例、頒布環(huán)境保護法規(guī)等法律法規(guī)手段。使用政府工作報告中與環(huán)境相關(guān)詞匯的出現(xiàn)頻數(shù)更能全面地反映政府環(huán)境治理政策的全貌^［28］。因此，借鑒文獻［28］的研究，選取政府工作報告中與環(huán)境相關(guān)詞匯的出現(xiàn)頻數(shù)的對數(shù)作為環(huán)境規(guī)制水平的代理變量。

為緩解異方差帶來的估計結(jié)果不準確問題，本研究對所有變量做取對數(shù)處理。具體變量定義和衡量指數(shù)如表3所示。

2.2 模型設定

2.2.1 動態(tài)面板計量模型

本研究旨在探究農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響。由于農(nóng)業(yè)生產(chǎn)中的要素投入具有路徑依賴特性，如化肥、農(nóng)藥、農(nóng)膜等要素的使用具有剛性，農(nóng)業(yè)生產(chǎn)經(jīng)營者習慣性地使用這些要素，形成一種固定的生產(chǎn)方式，難以輕易改變。這種路徑依賴會導致農(nóng)業(yè)生產(chǎn)中碳排放具有較強的時間延續(xù)性^［29］，本期的農(nóng)業(yè)碳排放強度往往受到上一期農(nóng)業(yè)碳排放強度的影響。為解決遺漏變量導致的內(nèi)生性問題，參考文獻［30］的設定，構(gòu)建如下動態(tài)面板模型：

lnintensity_it=β₀+β₁lnintensity_i（t-1）+β₂lndigital_it+β₃lncontrol_it+μ_i+γ_t+ε_it（3）

其中：i表示地區(qū)，t表示年份，lnintensity_it為被解釋變量農(nóng)業(yè)碳排放強度，lnintensity_i（t-1）為農(nóng)業(yè)碳排放強度的滯后一期，lndigital_it表示農(nóng)業(yè)農(nóng)村數(shù)字化水平，lncontrol_it為控制變量，μ_i為省份固定效應，γ_t為時間固定效應，ε_it為隨機擾動項。β_j為各變量的回歸系數(shù)。

2.2.2 動態(tài)面板門檻回歸模型

目前國內(nèi)關(guān)于門檻效應的檢驗大多基于Hansen于1999年提出的門檻效應面板估計模型，但Hansen提出的面板門檻模型是為非動態(tài)面板所設計的，且其固定效應要求協(xié)變量是嚴格外生變量，否則會形成有偏估計。而在實際運用中協(xié)變量嚴格的外生性往往很難實現(xiàn)。

在此基礎上，文獻［31］運用文獻［32］提出的正向正交偏差變換，將文獻［33］的橫截面門檻模型的工具變量估計方法與文獻［34］的面板門檻模型結(jié)合起來，構(gòu)建了動態(tài)面板門檻模型。在動態(tài)面板門檻模型中，解釋變量的內(nèi)生性問題將得到解決。

為了驗證假設H₂和H₃，構(gòu)建如下動態(tài)面板門檻模型：

lnintensity_it=β₀+β₁lnintensity_i（t-1）+β₂lndigital_it·I（lnhuman_it≤q）+β₃lndigital_it·I（lnhuman_it＞q）+β₄lncontrol_it+μ_i+γ_t+ε_it（4）

lnintensity_it=β₀+β₁lnintensity_i（t-1）+β₂lndigital_it·I（lnenvironment_it≤q）+β₃lndigital_it·I（lnenvironment_it＞q）+β₄lncontrol_it+μ_i+γ_t+ε_it（5）

其中：lnhuman_it表示農(nóng)村人力資本水平，lnenvironment_it表示環(huán)境規(guī)制水平，q表示具體門檻值；I（·）為指示函數(shù)，當括號中的條件滿足時，該函數(shù)的值取1，否則取0。其余變量符號與（3）式保持一致。

2.3 數(shù)據(jù)來源與描述性統(tǒng)計

相關(guān)數(shù)據(jù)來源于相應年份的《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》以及國家統(tǒng)計局和相關(guān)研究報告等。各變量的描述性結(jié)果如表4所示。

3 實證結(jié)果與分析

3.1 基準回歸結(jié)果

由于模型中存在被解釋變量的滯后一期，僅使用OLS方法會導致偏誤和不一致的估計結(jié)果^［30］，即使組內(nèi)估計量（FE）也是不一致的。因此，本研究采用系統(tǒng)GMM方法進行估計，該方法在動態(tài)面板模型中被廣泛使用。具體回歸結(jié)果如表5所示。由表5可知，普通最小二乘回歸與雙向固定效應回歸結(jié)果調(diào)整后的R²均大于0.9，說明模型整體的擬合優(yōu)度較好。差分GMM方法和系統(tǒng)GMM方法的AR（1）p值分別為0.010和0.004，均小于0.1，AR（2）p值分別為0.454和0.334，均大于0.1，表明模型中的擾動項ε_it不存在高階自相關(guān)問題。Sargan檢驗值分別為0.613和0.360，均大于0.1，說明工具變量不存在過度識別的問題，工具變量的選擇是有效的。并且系統(tǒng)GMM方法對被解釋變量滯后一期的估計系數(shù)介于OLS估計結(jié)果和FE估計結(jié)果之間，表明系統(tǒng)GMM方法的估計結(jié)果是有效的?？傮w來說，系統(tǒng)GMM估計方法通過前提條件的檢驗，模型選擇合適，本研究重點關(guān)注系統(tǒng)GMM方法表5（4）列的估計結(jié)果。

系統(tǒng)GMM方法估計結(jié)果表明，農(nóng)業(yè)碳排放強度的一階滯后項在p=0.01的顯著性水平上為正，表明農(nóng)業(yè)碳排放強度具有明顯的時間持續(xù)性與路徑依賴性，會受上一期農(nóng)業(yè)碳排放強度的影響。農(nóng)業(yè)農(nóng)村數(shù)字化水平的回歸系數(shù)為-0.382，且在p=0.01的水平有統(tǒng)計學意義，充分印證了農(nóng)業(yè)農(nóng)村數(shù)字化的農(nóng)業(yè)碳減排效應，假設H₁成立。就控制變量而言，耕地集約利用程度對農(nóng)業(yè)碳排放強度產(chǎn)生的正向影響有統(tǒng)計學意義，財政支農(nóng)強度對農(nóng)業(yè)碳排放強度產(chǎn)生的負向影響有統(tǒng)計學意義。

3.2 穩(wěn)健性檢驗

3.2.1 替換被解釋變量

考慮到不同學者對農(nóng)業(yè)碳排放總量的測算方式不同，借鑒文獻［35］的方法重新測算農(nóng)業(yè)碳排放總量，回歸結(jié)果如表6的（1）列所示，可以看出，農(nóng)業(yè)農(nóng)村數(shù)字化水平對農(nóng)業(yè)碳排放強度的負向影響有統(tǒng)計學意義。

3.2.2 剔除直轄市城市

考慮到直轄市城市直接受中央政府管轄，其政治、經(jīng)濟和文化等方面具有明顯優(yōu)勢^［36］。為了緩解這一制度因素對回歸結(jié)果的影響，剔除直轄市城市（北京、天津、上海和重慶）的樣本，使用剩余的樣本進行回歸。由表6（2）列可以看到，農(nóng)業(yè)農(nóng)村數(shù)字化水平的回歸系數(shù)值仍然在p=0.01的置信水平上為負，表明假設H₁仍然成立。

3.2.3 排除政策因素干擾

中國農(nóng)業(yè)碳排放總量在2015年達到最大值，2015年也成為農(nóng)業(yè)碳排放總量由增長轉(zhuǎn)為下降的轉(zhuǎn)折點^［37］?？赡艿脑蚴?015年中國共產(chǎn)黨第十八屆中央委員會第五次全體會議通過了《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃的建議》，強調(diào)堅持綠色發(fā)展，著力改善生態(tài)環(huán)境。因此，為排除政策因素對農(nóng)業(yè)碳排放強度的影響，在基準回歸中加入政策的虛擬變量并再次進行回歸，回歸結(jié)果如表6（3）列所示，可以看出，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放的抑制作用有統(tǒng)計學意義。

3.3 異質(zhì)性分析

3.3.1 地理區(qū)域異質(zhì)性

不同地理區(qū)域農(nóng)業(yè)發(fā)展的要素稟賦和發(fā)展基礎存在較大差異，這可能會造成農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度影響的差異。為此，根據(jù)《中國數(shù)字鄉(xiāng)村發(fā)展報告（2022年）》的劃分標準，將中國31個省份（除港澳臺外）中11個劃分為東部地區(qū)，8個劃分為中部地區(qū)，12個劃分為西部地區(qū)分別進行回歸，回歸結(jié)果如表7的（1）列至（3）列所示。在西部地區(qū)，農(nóng)業(yè)農(nóng)村數(shù)字化水平對農(nóng)業(yè)碳排放強度的回歸系數(shù)在p=0.01水平上有統(tǒng)計學意義，而在中東部地區(qū)該影響無統(tǒng)計學意義。可能的原因是，西部地區(qū)農(nóng)業(yè)生產(chǎn)的粗放特征明顯，機械化率和資源利用率較低，數(shù)字化技術(shù)的引入能夠明顯改善傳統(tǒng)生產(chǎn)模式，產(chǎn)生明顯的邊際改進效應。相比之下，中東部地區(qū)農(nóng)業(yè)現(xiàn)代化水平較高，技術(shù)體系相對成熟，數(shù)字化改造面臨技術(shù)鎖定效應和較高的邊際減排成本，其減排潛力相對有限。

3.3.2 農(nóng)業(yè)生產(chǎn)功能異質(zhì)性

不同糧食生產(chǎn)功能區(qū)在農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)、農(nóng)業(yè)生產(chǎn)方式等方面有其不同特點，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響在不同的糧食生產(chǎn)功能區(qū)可能并不相同。為此，分別檢驗糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)的農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度產(chǎn)生影響的差異，回歸結(jié)果如表8所示。表8（1）列和（2）列表明，在非糧食主產(chǎn)區(qū)，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的負向影響有統(tǒng)計學意義，而在糧食主產(chǎn)區(qū)該影響無統(tǒng)計學意義。可能的原因是，在糧食主產(chǎn)區(qū)，農(nóng)業(yè)生產(chǎn)更專注于種植大面積的單一作物從而導致土壤退化等問題，農(nóng)業(yè)農(nóng)村數(shù)字化對減少碳排放的作用較??；在非糧食主產(chǎn)區(qū)更多地種植蔬菜、水果等多樣化的農(nóng)產(chǎn)品，土地利用和管理方式更靈活，農(nóng)業(yè)農(nóng)村數(shù)字化發(fā)揮減少碳排放的作用更大。

3.3.3 時間異質(zhì)性

2015年成為農(nóng)業(yè)碳排放總量由增轉(zhuǎn)降的轉(zhuǎn)折點。2015年前后，中國農(nóng)業(yè)碳排放的情況明顯不同，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響在不同時間范圍內(nèi)也表現(xiàn)出異質(zhì)性。按2011-2015年和2016-2022年兩個階段對樣本進行回歸，回歸結(jié)果如表8的（3）-（4）列所示?；貧w結(jié)果表明，在第一階段農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響無統(tǒng)計學意義，而在第二階段其負向影響有統(tǒng)計學意義。可能的原因是，自2015年起，中國加大了對環(huán)境保護的重視程度，在綠色發(fā)展的背景下，中國農(nóng)業(yè)產(chǎn)業(yè)也經(jīng)歷了從傳統(tǒng)生產(chǎn)向現(xiàn)代化、智能化生產(chǎn)的轉(zhuǎn)變。農(nóng)業(yè)農(nóng)村數(shù)字化促使農(nóng)業(yè)生產(chǎn)方式更加智能、高效，減少了對碳源的消耗，從而對農(nóng)業(yè)碳排放強度產(chǎn)生的負向影響有統(tǒng)計學意義。

4 進一步分析動態(tài)面板門檻回歸結(jié)果

農(nóng)業(yè)農(nóng)村數(shù)字化作用的發(fā)揮不僅依賴于數(shù)字基礎設施的建設，也受到人的認知水平和數(shù)字素養(yǎng)的影響^［38］，同時政府環(huán)境規(guī)制水平將直接影響農(nóng)業(yè)生產(chǎn)者的行為和決策，進而影響數(shù)字技術(shù)在農(nóng)業(yè)碳排放管理中的應用和效果。

為檢驗不同農(nóng)村人力資本水平和環(huán)境規(guī)制水平下農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響效果，運用動態(tài)面板門檻回歸模型，分別以農(nóng)村人力資本水平和環(huán)境規(guī)制水平作為門檻變量，探究農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的動態(tài)門檻效應。

表9報告了農(nóng)村人力資本水平和環(huán)境規(guī)制水平的門檻值估計結(jié)果，門檻值分別為1.966和3.784。表10（1）列和（2）列分別表示以農(nóng)村人力資本水平和環(huán)境規(guī)制水平為門檻變量的動態(tài)面板門檻模型回歸結(jié)果。可以看出，上期農(nóng)業(yè)碳排放強度對本期農(nóng)業(yè)碳排放強度的回歸系數(shù)分別為0.358和0.289，且均在p=0.01水平上有統(tǒng)計學意義，表明上期農(nóng)業(yè)碳排放強度會明顯正向影響本期農(nóng)業(yè)碳排放強度，進一步印證其持續(xù)性特點。由表10（1）列可知，當農(nóng)村人力資本水平低于門檻值時，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的估計系數(shù)為-0.134，且在p=0.01水平上有統(tǒng)計學意義；當農(nóng)村人力資本水平高于門檻值時，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的負向影響提高到-0.158，且在p=0.01水平上有統(tǒng)計學意義。這表明，隨著農(nóng)村人力資本水平的提高，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的負向影響逐漸加強，H₂成立。同理，隨著環(huán)境規(guī)制水平的上升，農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的抑制系數(shù)從-0.144提高到-0.161。這說明環(huán)境規(guī)制水平的提升有利于增強農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的負向影響，H₃得到證實。

5 結(jié)論與建議

本研究基于2011-2022年中國31個省份（除港澳臺外）的面板數(shù)據(jù)，利用動態(tài)面板模型分析了農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放強度的影響，并檢驗了農(nóng)村人力資本水平和環(huán)境規(guī)制水平的動態(tài)門檻效應。結(jié)論如下：1） 農(nóng)業(yè)農(nóng)村數(shù)字化能顯著降低農(nóng)業(yè)碳排放強度；2） 農(nóng)村人力資本水平和環(huán)境規(guī)制水平的提升有利于增強農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放的抑制作用；3） 農(nóng)業(yè)農(nóng)村數(shù)字化對農(nóng)業(yè)碳排放的抑制作用在西部地區(qū)、非糧食主產(chǎn)區(qū)和2016-2022年尤為顯著。

據(jù)此，提出如下建議：

第一，完善農(nóng)業(yè)農(nóng)村數(shù)字化建設的政策體系，實現(xiàn)農(nóng)業(yè)碳減排效果。農(nóng)業(yè)農(nóng)村數(shù)字化建設是鄉(xiāng)村振興的戰(zhàn)略方向，也是實現(xiàn)農(nóng)業(yè)碳減排的關(guān)鍵舉措。目前中國農(nóng)業(yè)農(nóng)村數(shù)字化建設尚處于早期探索階段，整體發(fā)展水平還不高，政策體系仍不健全。中央政府應加強對農(nóng)業(yè)農(nóng)村數(shù)字化建設的頂層設計，堅持全國一盤棋，制定自上而下的整體規(guī)劃設計。制定全國性的農(nóng)業(yè)農(nóng)村數(shù)字化建設發(fā)展規(guī)劃，統(tǒng)一各省級層面標準體系和思想共識，統(tǒng)籌協(xié)調(diào)多部門協(xié)同工作，確立完善的政策實施體系，助力農(nóng)業(yè)碳減排目標實現(xiàn)。

第二，提升農(nóng)村人力資本水平，助推農(nóng)業(yè)農(nóng)村數(shù)字化。農(nóng)村人力資本水平的提高，有助于增強農(nóng)業(yè)農(nóng)村數(shù)字化的農(nóng)業(yè)碳減排效果。目前中國農(nóng)村居民的數(shù)字素養(yǎng)總體偏低，對數(shù)字技術(shù)的了解和運用能力不足。應加強農(nóng)村教育和技能培訓，積極舉辦培訓講座、學習交流活動，建立健全培訓機制和資源支持體系，提升農(nóng)村居民的數(shù)字素養(yǎng)和技能水平。同時，鼓勵農(nóng)村人才返鄉(xiāng)創(chuàng)業(yè)，推進農(nóng)村居民年輕化、專業(yè)化進程，通過年輕人帶老年人的方式提升老年人對農(nóng)業(yè)農(nóng)村數(shù)字化的認知程度，著力提高農(nóng)村人力資本水平。

第三，加大環(huán)境規(guī)制力度，營造良好外部環(huán)境。農(nóng)業(yè)農(nóng)村數(shù)字化作為現(xiàn)代農(nóng)村發(fā)展的新模式，外部環(huán)境的好壞直接影響農(nóng)業(yè)農(nóng)村數(shù)字化的農(nóng)業(yè)碳減排效果，環(huán)境規(guī)制力度是農(nóng)業(yè)農(nóng)村數(shù)字化實現(xiàn)碳減排效果的重要引擎。繼續(xù)完善環(huán)境保護的相關(guān)法律法規(guī)，制定更加規(guī)范統(tǒng)一的農(nóng)業(yè)生產(chǎn)標準；建立健全農(nóng)業(yè)生產(chǎn)的環(huán)境監(jiān)測體系，實現(xiàn)農(nóng)業(yè)碳排放管理的有的放矢；同時建立跨部門的環(huán)境保護協(xié)調(diào)機制，形成合力，共同推動農(nóng)業(yè)碳減排工作。

參考文獻：

［1］WANG F J，SUN J Q，LIU Y S．Institutional Pressure，Ultimate Ownership，and Corporate Carbon Reduction Engagement：Evidence from China ［J］．Journal of Business Research，2019，104：14-26．

［2］ 中共中央 國務院．關(guān)于全面推進美麗中國建設的意見 ［EB/OL］．（2023-12-27） ［2024-12-02］．https：//www．gov．cn/gongbao/2024/issue_11126/202401/content_6928805．html．

［3］ 李寬，張弘，史磊．農(nóng)業(yè)科技進步對農(nóng)業(yè)碳排放空間溢出效應的實證檢驗 ［J］．統(tǒng)計與決策，2023，39（21）：52-57．

［4］ CHAI C Q，ZHANG B B，LI Y Y，et al．A New Multi-Dimensional Framework Considering Environmental Impacts to Assess Green Development Level of Cultivated Land During 1990 to 2018 in China ［J］．Environmental Impact Assessment Review，2023，98：106927．

［5］ 李曉陽，王文明．數(shù)字金融賦能農(nóng)產(chǎn)品出口質(zhì)量的作用機制 ［J］．華南農(nóng)業(yè)大學學報（社會科學版），2024，23（2）：55-67．

［6］ 中央網(wǎng)絡安全和信息化委員會辦公室 中華人民共和國國家互聯(lián)網(wǎng)信息辦公室．數(shù)字中國發(fā)展報告（2022年） ［EB/OL］．（2023-05-23） ［2024-12-02］．https：//www．cac．gov．cn/2023-05/22/c_1686402318492248．htm．

［7］ HE K，LI F L，WANG H，et al．A Low-Carbon Future for China’s Tech Industry ［J］．Science，2022，377（6614）：1498-1499．

［8］ 劉婧玲，陳艷瑩．數(shù)字技術(shù)發(fā)展、時空動態(tài)效應與區(qū)域碳排放 ［J］．科學學研究，2023，41（5）：841-853．

［9］ 張元慶，劉爍，齊平．數(shù)字產(chǎn)業(yè)協(xié)同創(chuàng)新發(fā)展對碳排放強度影響研究 ［J］．西南大學學報（社會科學版），2023，49（3）：114-128．

［10］ 趙萱，魏曉博．數(shù)字經(jīng)濟賦能區(qū)域綠色發(fā)展的效應與機制研究——基于技術(shù)創(chuàng)新和產(chǎn)業(yè)升級的中介效應 ［J］．西南大學學報（自然科學版），2023，45（8）：21-30．

［11］ZHAO L P，RAO X，LIN Q W．Study of the Impact of Digitization on the Carbon Emission Intensity of Agricultural Production in China ［J］．Science of the Total Environment，2023，903：166544．

［12］李薇．數(shù)字經(jīng)濟對農(nóng)業(yè)碳排放的影響研究——以長江經(jīng)濟帶為例 ［D］．荊州：長江大學，2023．

［13］LIO M，LIU M C．ICT and Agricultural Productivity：Evidence from Cross-Country Data ［J］．Agricultural Economics，2006，34（3）：221-228．

［14］REN J，LEI H，REN H．Livelihood Capital，Ecological Cognition，and Farmers’ Green Production Behavior ［J］．Sustainability，2022，14（24）：16671．

［15］高鵬，白福臣，鄭沃林．環(huán)境規(guī)制、數(shù)字化信息渠道與農(nóng)戶親環(huán)境行為 ［J］．生態(tài)經(jīng)濟，2024，40（4）：129-135．

［16］李波，張俊飚，李海鵬．中國農(nóng)業(yè)碳排放時空特征及影響因素分解 ［J］．中國人口·資源與環(huán)境，2011，21（8）：80-86．

［17］WEST T O，MARLAND G．A Synthesis of Carbon Sequestration，Carbon Emissions，and Net Carbon Flux in Agriculture：Comparing Tillage Practices in the United States ［J］．Agriculture，Ecosystems amp; Environment，2002，91（1/3）：217-232．

［18］DUBEY A，LAL R．Carbon Footprint and Sustainability of Agricultural Production Systems in Punjab，India，and Ohio，USA ［J］．Journal of Crop Improvement，2009，23（4）：332-350．

［19］劉震，張曉星，魏威崗．農(nóng)村數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的影響——基于29個省份的面板數(shù)據(jù)分析 ［J］．江蘇大學學報（社會科學版），2023，25（3）：20-32，47．

［20］朱紅根，陳暉．中國數(shù)字鄉(xiāng)村發(fā)展的水平測度、時空演變及推進路徑 ［J］．農(nóng)業(yè)經(jīng)濟問題，2023，44（3）：21-33．

［21］劉松林，王坦，戚琳琳．基于客觀組合賦權(quán)的就業(yè)質(zhì)量測度與評價 ［J］．統(tǒng)計與決策，2023，39（20）：168-173．

［22］王鳳婷，王浩，孔凡斌．農(nóng)村數(shù)字化發(fā)展對農(nóng)業(yè)全要素碳生產(chǎn)率的提升效應 ［J］．中國人口·資源與環(huán)境，2024，34（3）：79-90．

［23］張世貴，許玉久，秦國偉．農(nóng)業(yè)農(nóng)村數(shù)字化暢通城鄉(xiāng)經(jīng)濟循環(huán)：作用機理與政策建議 ［J］．改革，2023（7）：116-125．

［24］蘇錦旗，潘婷，董長宏．中國農(nóng)業(yè)數(shù)字化發(fā)展及區(qū)域差異評價 ［J］．西北農(nóng)林科技大學學報（社會科學版），2023，23（4）：135-144．

［25］慕娟，馬立平．中國農(nóng)業(yè)農(nóng)村數(shù)字經(jīng)濟發(fā)展指數(shù)測度與區(qū)域差異 ［J］．華南農(nóng)業(yè)大學學報（社會科學版），2021，20（4）：90-98．

［26］尹忞昊，田云，盧奕亨．中國農(nóng)業(yè)碳排放區(qū)域差異及其空間分異機理 ［J］．改革，2023（10）：130-145．

［27］楊雪，王永平，王靜．數(shù)字鄉(xiāng)村發(fā)展對農(nóng)業(yè)碳排放強度的影響效應及作用機制檢驗 ［J］．統(tǒng)計與決策，2023，39（11）：66-71．

［28］陳詩一，陳登科．霧霾污染、政府治理與經(jīng)濟高質(zhì)量發(fā)展 ［J］．經(jīng)濟研究，2018，53（2）：20-34．

［29］田紅宇，關(guān)洪浪．數(shù)字經(jīng)濟對糧食生產(chǎn)碳排放的影響研究——來自長江經(jīng)濟帶108個地級市的經(jīng)驗證據(jù) ［J］．中國農(nóng)業(yè)資源與區(qū)劃，2023，44（8）：145-157．

［30］XU Y B，LI C X，WANG X Y，et al．Digitalization，Resource Misallocation and Low-Carbon Agricultural Production：Evidence from China ［J］．Frontiers in Environmental Science，2023，11：1117086．

［31］KREMER S，BICK A，NAUTZ D．Inflation and Growth：New Evidence from a Dynamic Panel Threshold Analysis ［J］．Empirical Economics，2013，44（2）：861-878．

［32］ARELLANO M，BOVER O．Another Look at the Instrumental Variable Estimation of Error-Components Models ［J］．Journal of Econometrics，1995，68（1）：29-51．

［33］CANER M，HANSEN B E．Instrumental Variable Estimation of a Threshold Model ［J］．Econometric Theory，2004，20（5）：813-843．

［34］HANSEN B E．Threshold Effects in Non-Dynamic Panels：Estimation，Testing，and Inference ［J］．Journal of Econometrics，1999，93（2）：345-368．

［35］丁寶根，趙玉，鄧俊紅．中國種植業(yè)碳排放的測度、脫鉤特征及驅(qū)動因素研究 ［J］．中國農(nóng)業(yè)資源與區(qū)劃，2022，43（5）：1-11．

［36］HAO A M，HOU Y R，TAN J Y．How Does Digital Village Construction Influences Carbon Emission？ The Case of China ［J］．PLoS One，2022，17（12）：e0278533．

［37］LI J，SUN Z C，ZHOU J，et al．The Impact of the Digital Economy on Carbon Emissions from Cultivated Land Use ［J］．Land，2023，12（3）：665．

［38］金紹榮，任贊杰．鄉(xiāng)村數(shù)字化對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響 ［J］．改革，2022（12）：102-118．

責任編輯 廖坤