环境信息披露网络特征及其对农业绿色全要素生产率影响

沈满洪,陈海盛

(1.浙江农林大学 生态文明研究院，浙江 杭州 311300；2.浙江省乡村振兴研究院，浙江 杭州 311300；3.浙江农林大学 经济管理学院，浙江 杭州 311300；4.浙江省信用中心，浙江 杭州 310007)

一、 引 言

2002年联合国开发计划署第一次提出“绿色发展”概念，被社会普遍认为是实现经济和环境有机统一的理想道路(Adam，2009)[1]。遵循农业绿色发展理念，中国政府2008年5月出台实施了公开污染数据的政府部门信息公开条例和环保部信息公开办法，推动农业的绿色可持续发展。中国的环境信息披露措施是否提升了农业绿色发展质量?在绿色发展成为中国农业主要目标的国家背景下，测度和分析资源和环境约束下农业发展现状，准确农业发展中环境信息披露规制措施的实践效果，对中国政府下一阶段的绿色农业发展政策制定和环境信息披露措施的进一步完善，均具有重要的理论和现实价值。

将资源因素排除在外，不能全面反映农业发展特征。因此，有学者将资源环境因素纳入农业生产率的测算模型中，采用不同方法得到农业绿色全要素生产率[2-4]。例如，Tone(2003)[5]建立包含非期望产出的DEA-SBM标准效率模型，把松弛变量纳入函数之后，较好纠正一般DEA模型在径向和角度方面的误差问题。Chung等(1997)[6]测算瑞典纸浆厂全要素生产率(TFP)工作中，第一次将污染排放作为非期望产出并建立方向性距离函数(SBM)。基于此研究，Kuosmanen(2013)[7]综合了DEA和SFA模型优势构建形成随机半参数数据包络模型(StoNED)，以经合组织国家为对象，选择农业CO2排放、氮储量以及磷储量等数据，对1990—2004年国别农业绿色生产率进行了分析。

作为环境规制的重要手段，环境信息披露是影响农业绿色全要素生产率的因素之一，但是影响方向缺乏定论[8]。Porter和Van(1995)[9]、Zhang等(2011)[10]指出环境信息披露有助于倒逼企业注重生产技术、提高资源利用效率进而提高全要素生产率。Walley和Whitehead(1994)[11]观点与之相左，认为环境信息披露加强之后提高了企业的治理成本，挤占了生产性投资和创新支出，对全要素生产率产生不利影响。Wang和Shen(2016)[12]采用GML指数对中国工业全要素生产率测算之后，指出环境信息披露质量与全要素生产率呈倒“U”形关系。Nameroff等(2004)[13]指出环境信息披露对企业生态创新具有正面作用，政府对企业绿色发展的支持，降低了企业发展的外部成本。Song和Wang(2016)[14]也认为企业发展的环境倾向在区域形成绿色发展路径中承担重要角色。

事实上，地方政府在政策制定及实施过程中，不仅会考虑当地实际情况，而且会对周边地区的成功政策进行学习和借鉴。Fredriksson和Millimet(2002)[15]首次研究指出政府政策的空间溢出效应，将会引致区域间的资源流动机制和标尺竞争机制[16]。由于空间范围的环境信息披露互动，政府出于吸引竞争生产要素的目的，倾向于弱化本地的环境规制强度，从而引发地区间环境信息披露质量的逐底竞赛现象[17]。与此相反，部分研究认为，由于优质资源对环境具有更高需求，地区间环境信息披露也存在竞相向上现象[18]。因此，地方政府之间的合作或者竞争策略均会影响区域整体的环境信息披露情况及对农业绿色全要素生产率的作用[19]。以长三角地区实践为例，尽管2019年6月上海、江苏、浙江和安徽联合签署《长三角地区环境保护领域实施信用联合奖惩合作备忘录》，但是由于环保制度建设进程不一，在环境信用“红黑名单”的认定标准和具体奖惩方案上具有较大差异，部分企业囿于资金压力，在权衡利弊之后，选择从环保要求较高地区跨地迁址到环保要求更低地区进行发展。

然而，考虑到信息在空间范围内的传播和交互作用，对特定地区环境信息披露质量及对农业绿色全要素生产率的影响不能进行孤立分析，既要考虑自身环境信息的披露状况，又要考虑接收其他地区环境披露信息的情况，即要将本地置身于与其他地区联系形成的网络中开展分析，而作为探讨经济网络的新型工具，社会网络分析方法基于“关系”视角，可以更好反映特定地区在区域网络中的相对地位和网络特征(Serrano和Boguá，2003)[20]。这在研究社会现象和结构方面具有独到优势。事实上，国内外不少学者运用SNA方法进行了诸多研究。

从国内研究看，康伟(2012)[21]采用社会网络分析方法(SNA)分析了突发事件舆情传播的网络结构特征和关键节点识别问题。肖建忠等(2012)[22]基于SNA讨论了中国天然气市场贸易的网络情况和发展趋势。朱正威和石佳(2013)[23]采用社会网络分析方法研究识别了大规模群体事件中舆情传播的网络特征及涉及主体。史焱文等(2015)[24]以SNA为基础，研究了寿光蔬菜与鄢陵花木集群的创新网络结构与内部关系。杨晨等(2017)[25]运用亚太经济体之间双边服务贸易数据，运用社会网络分析方法研究了国际服务贸易格局中的网络情况与影响因素。李航飞等(2018)[26]采用SNA方法识别出中国大陆在国际贸易网络中的地位，并进一步分析了其对中国台湾经济发展的影响。潘家栋等(2019)[27]基于2009年、2013年与2017年城市层面数据，借鉴社会网络分析法对G60科创走廊沿线城市的经济空间结构开展了分析。赵蕾等(2021)[28]运用社会网络分析方法讨论了全球电子信息制造业的贸易网络结构和变化特征。郝帅和孙才志(2022)[29]建立WEF纽带系统效率评价指标，基于SNA方法研究了我国省级层面WEF纽带系统效率的空间网络结构。

从国外研究看，Wang等(2018)[30]对2008—2014年中国各省碳排放数据进行估算，构建修正引力模型，利用社会网络分析(SNA)和二次分配程序(QAP)分析各省碳排放的网络结构和效应。Li等(2019)[31]基于京津冀城市群2007—2016年的碳排放数据，采用社会网络分析(SNA)的方法研究碳排放的空间关联网络结构。Zhang等(2021)[32]利用社会网络分析法(SNA)构建了中国协同办公产业的三级指标体系：宏观层面的密度综合指数、中观层面的子群综合指数、微观层面的中心性综合指数，从而科学地衡量协同办公产业的发展状况。Zhi等(2022)[33]采用基于超效率松弛模型(SBM)来衡量中国省级农业用水效率(AWUE)，应用向量自回归(VAR)格兰杰因果检验和社会网络分析(SNA)方法，探索不同省份AWUE的空间相关性，揭示AWUE溢出效应的跨省传递机制。Calvo-Gallardo等(2020)[34]运用社会网络分析(SNA)来评估创新系统的底层网络，考虑到节点积极作用，为建模、模拟和性能评估领域的创新系统文献进行了突破。Liu等(2022)[35]指出，流域环境综合治理是城市和区域发展建设的关键之一，长三角地区经济快速发展，水环境问题日益突出，水环境治理亟待推进，为此采用了社会网络分析方法，以明确不同城市和主要贡献者在水环境治理中的作用和责任。

从以上文献梳理可以发现，现有研究以环境信息披露对生产率单向关系的检验为主，忽略了空间因素对环境信息披露网络的形成及对农业绿色全要素生产率的交互作用。基于此，采用社会网络分析方法测量中国环境信息披露网络的整体概况及其各省的信息网络特征，权衡运用空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)等空间计量方法，实证考察环境信息披露网络特征对该地区农业绿色全要素生产率的作用程度。

本文创新点包括以下两方面：在研究内容上，着眼于环境信息披露对农业绿色全要素生产率的影响研究，探讨了环境政策对农业高质量发展的可能影响；在研究方法上，创新采用社会网络分析方法分析了中国环境信息披露的网络特征及其动态演化，以全面立体刻画特定地区的环境信息披露状况。此外，考虑空间外溢效应影响，在空间相关性检验基础上，运用较为科学的空间计量模型对环境信息披露网络特征影响农业绿色全要素生产率的状况开展测度分析。

二、 理论假说

对于环境信息披露的经济影响，以新古典经济学理论为基础的传统观点认为，环境信息披露措施会增加企业的污染治理成本和绿色技术投入，对生产性投资具有一定的“挤出效应”，将对绿色全要素生产率产生不利影响，这就是环境信息披露的“遵循成本”效应(Barbera和Mcconnell，1990)[36]。Porter和Linde(1995)[37]指出，在长期时间内，环境信息披露措施有助于促进企业采取更先进的绿色生产技术，更合理地配置要素资源，这有可能弱化甚至抵消“遵循成本”，最终达到绿色发展目标，这意味着环境信息披露具有一定的“创新补偿”效应。从提升绿色全要素生产率的角度看，环境信息披露强度的增加将促使生产者适当改变资源利用方式，降低环境污染排放，并提高产品附加值(Hamamoto，2006)[38]。资源利用方式的改变有助于提升生产效率，产品附加值增加将带来超额利润，对弥补环境治理投资和促进再生产具有益处(Jorge等，2015)[39]。支撑“创新补偿”效应观点的另一论据是，绿色金融政策的实施对于缓解生产者融资约束问题和降低技术研发成本提供了外部支持，有利于更好推动环境质量的改善(Ye等，2018)[40]。在传统观念中，环境政策对绿色经济效率的影响，主要取决于“创新补偿”与“遵循成本”这两种效应的强度对比，在“创新补偿”效应强于“遵循成本”效应的情况下，环境信息披露网络对绿色全要素生产率具有促进作用，当“遵循成本”效应强于“创新补偿”效应时，披露环境信息网络将抑制绿色全要素生产率。但是，已有环境信息披露网络对绿色经济效率的研究存在较大的不平衡性。

从研究内容上看，一是现有研究主要关注环境信息披露本身制度效应分析，如张国清和肖华(2016)[41]指出，企业高管对制度的认知差异会反映出不同的环境信息披露行为；李维安和秦岚(2021)[42]基于日本环境报告制度分析，指出动态、立体的第三方管理及声誉机制有利于更好发挥环境信息披露的作用；而缺少针对环境信息披露形成的网络特征关注。二是现有研究更多关注环境信息披露对企业创新的影响，如陶克涛等(2020)[43]基于2012—2017年67家重污染上市公司数据，研究了环境信息披露于企业经济绩效的关系；占华和后梦婷(2021)[44]运用准自然实验法，分析环境信息披露对企业创新的异质性作用；而鲜有学者关注环境信息披露对行业中观层面绿色经济效率的影响。三是将环境信息披露政策外延扩大为环境规制之后，尽管出现了部分针对中观层面绿色经济效率的研究成果，如刘伟江等(2022)[45]研究了环境规制对绿色全要素生产率的作用路径；戴魁早和骆莙函(2022)[46]借鉴SYS-GMM及工具变量法等讨论环境规制对工业绿色创新的可能影响；但这些研究以环境规制对总体或者工业绿色经济效率的影响分析为主，缺少针对农业绿色全要素生产率聚焦分析的文献。实际上，环境披露信息政策实施对各行各业发展均有深远影响，而农业作为国民经济的基础产业，与工业、服务业等产业发展具有密切关系，因此理应纳入研究范畴，这也对进一步理解“山水林田湖草是生命共同体”“人与自然和谐共生”等发展思维具有重要的启发意义。

从作用机理上看，现有研究不管是“创新补偿”效应还是“遵循成本”效应，均属于微观企业主体中的要素配置分析范畴，忽视了企业具有的空间布局决策分析。事实上，环境信息披露网络对农业绿色全要素生产率的潜在影响，不仅取决于微观企业内部的要素配置，而且取决于企业跨地区迁址引致的区域异质性，即还要重点关注空间配置问题，一方面，环境更好地区可能对科技创新型企业具有更高的吸引力，并形成一定的产业集群[47]，形成“创新驱动型”外地迁入现象，有可能强化“创新补偿”；另一方面，污染型企业可能迁入环境要求更低地区，以规避污染治理成本和清洁技术研发投入的增加，降低对其他营利性投资的“挤出效应”[48]，形成“成本节约型”本地迁出现象，有可能弱化“遵循成本”。根据上述分析，环境信息披露网络对农业绿色全要素生产率影响的逻辑关系可表述为图1。因此本文提出以下三个假说：

假说1：在全国统一大市场建设背景下，环境信息披露存在空间上的相关性及网络效应，具有较明显的网络点出度、点入度等特征。

假说2：以环境自动监控设施为代表的环境公共财政支出不断加大，企业由于环保设施支出而挤占生产投资的压力逐渐减弱，环境信息披露网络对农业绿色全要素生产率具有正向影响。

假说3：在经济发展不甚理想情况下，企业增加环保设施支出，在遵循成本效应下，对生产投资的抑制作用更为明显，环境信息披露网络对农业绿色全要素生产率存在负向影响。

图1 环境信息披露网络与农业绿色全要素生产率的逻辑假说

三、 中国环境信息披露网络特征刻画

(一) 中国环境信息披露网络构建模型

在空间范围内，不同区域通过交往逐渐形成联系的网络结构。在借鉴物理学引力模型基础上，形成基本的区域间经济联系的引力模型，表达式一般表述为：

其中，Pij表示区域i对j的经济吸引力，Pi、Pj和Gi、Gj分别表示区域i、j的人口数量和经济体量，Dij表示两地之间的地理距离。

由于该公式仅对区域间的单项联系进行表征，对区域之间的双向联系缺乏考虑，为此结合环境信息披露的实际特征，对传统引力模型进行改进，形成新的引力模型表达式：

其中，Rij表示区域i环境信息披露质量对区域j环境信息披露质量的影响力。Gi、Gj分别表示区域i、j的环境信息披露质量，采用公众环境研究中心(IPE)与自然资源保护协会(NRDC)针对重点城市的污染源监管信息公开指数(PITI)表征，省级层面环境信息披露质量由境内重点城市PITI的平均值进行反映。aij表示区域i对Rij的贡献度，由区域i和区域j一般预算收入(GBR)比值测度。基于新的引力模型，借鉴SNA方法中的网络密度模型和网络中心性模型对我国环境信息披露的网络特征进行刻画。

(二) 中国环境信息披露网络的整体特征

图2 2008年和2019年中国环境信息披露网络结构图

采用Ucinet软件NetDraw功能绘制中国环境信息披露网络的空间结构图，节点和有向线段分别代表特定省份和省份之间环境信息互动的方向和强度。图2显示，2008年至2019年中国环境信息披露网络日趋密集，说明中国各省份之间环境信息披露的网络联系在逐渐增强。随着全国环境信息强化性披露制度的完善和信息化技术的应用，区域环境信息披露的空间互动和依赖性亦在提高。

在对空间结构图分析之后，测算中国环境信息披露的网络密度，具体数值整理于表1。结果显示，2008年至2019年中国环境信息披露网络密度呈现不断增长的态势。从绝对值看，网络密度从2008年的0.5747提高到2019年的0.6950，11年间增加了0.1203；从增长率看，2012年、2015年、2017年和2019年分别比2008年、2012年、2015年和2017年提高11.52%、0.06%、5.60%和2.63%。这表明中国环境信息披露的区域互动性逐渐增强，空间网络结构正在形成。

为更好刻画环境信息披露空间网络结构动态演变特征，运用社会网络的QAP方法进行具体分析，表2列出2008—2019年中国环境信息披露网络两两QAP分析情况。结果表明：(1)2008—2019年中国环境信息披露网络结构发生明显变化。2019年与2017年环境信息披露网络的相关度为1.006，但2019年与2008年环境信息披露网络的相关度为-0.037，与2012年环境信息披露网络的相关度也仅为0.017。(2)2008—2019年中国环境信息披露网络结构演化是一个渐变过程，具有较强自稳定性。以2017年环境信息披露网络为例，其与2015年披露网络的相关度为0.715，与2012年披露网络的相关度为0.368，到2008年，其相关度下降到了-0.073。

表1 2008—2019年环境信息披露网络密度

表2 中国环境信息披露网络的QAP结果

(三) 环境信息披露网络的中心性特征

为反映不同地区在中国环境信息披露网络中的地位变化，在测算不同地区网络点出度、网络点入度和网络耦合度基础上，(1)由于网络点出度抑或网络点入度，均难以全面反映地区之间相互影响的强度状态，因此提出“网络耦合度”概念，以表征地区既影响其他地区又受到其他地区影响的情况，网络耦合度由网络点出度和网络点入度相乘得到。对同一时间段内各省进行排序，结果如表3所示。整体来看，不管是网络点出度、网络点入度，还是网络耦合度，排名前10位的地区均没有发生明显变化，这与上述分析中环境信息披露网络的自稳定性观点是相印证的。从网络点出度角度看，作为经济大省的江苏、浙江、山东等地区始终位居全国前列，在环境信息披露方面更为主动。事实上，从污染源信息公开PITI指数看，2008—2019年东部、中部和西部PITI指数分别为56.9、40.9和37.6，南方和北方PITI指数分别为48.0和40.3。这说明总体上，中国环境信息披露自东向西和自南向北分别形成两条信息传导通道。从网络点入度角度看，安徽、河北、河南等地区排在前列，由于这些地区分别与江苏、北京、山东等网络点出度较高的地区毗邻，能够接收到更强的外部环境披露信息。从网络耦合度角度看，江苏、安徽、河南等地区排名靠前，作为秦岭—淮河线上的地区，江苏、安徽、河南是环境信息披露之后自南向北传递的前沿地带，其境内环境信息空间互动强度较高。

表3 网络表现排名前10位的地区

为从整体表征区域联系情况，计算2008—2019年中国环境信息披露空间联系网络中心势(见表4)，结果发现，网络点出度中心势由2008年的11.912%降低为2019年的9.815%，这说明中国环境保护整体共识正在逐渐形成，各省份环境信息披露正从单中心状态向多中心状态演化，在示范作用下，越来越多的中西部和北方省份正从强制性被动信息披露向自觉主动性信息披露转变。2008—2019年网络点入度中心势呈现“W”形演变路径，自2008年金融危机之后，由于市场流通速度下降，短期内对环境信息空间扩散造成一定影响，但是随着时间延长，环境信息披露的空间互动将不断增强。

表4 2008—2019年网络中心势

实际上，不管是中国环境信息披露的整体网络特征还是中心性特征，与我国农业绿色全要素生产率状况存在一定的对应关系。根据郭海红和刘新民(2021)[49]测算结果，中国农业绿色全要素生产率1996—2007年的平均值为1.013，2008—2019年的平均值为1.022，这与中国环境信息强制性披露政策自2008年开始实施的时间点相吻合。从实际情况看，在全国统一市场建设取得实质进展情况下，地区之间的环境信息网络逐渐形成并不断演化，很可能通过空间互动影响市场主体的发展预期及区域布局，进而对中国农业创新发展产生潜在的影响。

四、 环境信息披露网络特征对农业绿色全要素生产率的影响

(一) 模型设计与变量说明

借鉴Li和Lin(2017)[50]等人方法，构建环境信息披露网络特征对农业绿色全要素生产率影响的基准模型如下：

gtfpit=αi+αt+βnetworkit+γZit+εcit

其中，gtfpit表示i省在t年度的农业绿色全要素生产率，networkit表示i省在t年度的环境信息披露网络特征，分别由网络点出度(outdegree)、网络点入度(indegree)和网络耦合度(couplingdegree)经过对数处理之后进行具体测度，αi和αt分别表征区域和时间层面的固定效应，Zit代表区域层面控制变量。

鉴于区域发展过程中不仅受自身禀赋影响，而且越来越受到地理毗邻区域的作用，考虑选择SLM(空间滞后模型)、SEM(空间误差模型)和SDM(空间杜宾模型)对环境信息披露网络特征与农业绿色全要素生产率的关系进行研究。其中，SLM表达式为：

gtfpit=ρWit+αi+αt+βnetworkit+γZit+εcit

εcit～N(0,σcit)

ρ和W分别表示空间回归系数和n×n空间权重矩阵，分别测度邻近区域观测值对本地农业绿色全要素生产率作用值和区域之间是否相邻(在rook邻接中，邻接时W取1，否则取0)。Wit度量空间距离对区域农业绿色全要素生产率的影响。

SEM表达式为：

gtfpit=αi+αt+βnetworkit+γZit+εcit

εcit=λWε+μcit,μcit～N(0,σcit)

表示空间误差系数，度量邻接地区农业绿色全要素生产率对本地观测值的影响方向和力度。与SLM比较，SEM空间依赖作用表现在误差项，反映邻接地区因变量误差冲击对本地观测值作用。u表示呈现正态分布的随机误差向量。

SDM表达式为：

采用Tone(2003)[51]和OH(2010)[52]研究思路，使用SBM模型的GML指数对农业绿色全要素生产率进行测算，其中投入要素包括劳动力、耕种面积、农用机械、化肥施用量(折纯量)、农业灌溉面积、农膜覆盖面积和农药施用量等7个指标，期望产出为农业产值和农业碳吸收，主要包含稻谷小麦、玉米、豆类、薯类、花生、油菜籽、甘蔗、棉花、瓜类、蔬菜等作物类型，非期望产出为化肥、农业、农膜、柴油和灌溉的碳排放总和、土壤N2O排放量(转为CO2)、牲畜碳排放量以及稻田CH4排放(转为CO2)。

对于区域层面控制变量(Zit)，遵循Taskin和Zaim(2001)[53]、林伯强和谭睿鹏(2019)[54]、李江龙和徐斌(2018)[55]、王兵等(2010)[56]、孙文浩和张杰(2021)[57]等人的研究思路，重点选择经济发展水平(pgdp)、所有制结构(os)、政府干预程度(gov)、对外开放程度(fdi)、地区产业结构(ins)、环境规制(evr)、科技创新水平(teci)、知识溢出效应(knos)、基础设施(infra)、劳动力市场高级程度(labor)等控制变量纳入模型进行计量估计。根据新制度经济学和环境库兹涅茨曲线，所有制结构和经济发展水平是影响农业绿色全要素生产率的重要因素。在碳达峰碳中和目标下，政府干预和环境规制程度对农业绿色全要素生产率产生影响。“污染避难所”假说暗示不能忽视区域对外联系和产业结构特征谈绿色发展。科技创新水平及溢出能力在一定程度上对区域绿色经济发展方式和持续性产生作用。此外，基础设施及劳动力市场状况涉及交易费用问题，对农业绿色全要素生产率很可能具有影响。

经济发展水平(pgdp)由人均GDP表征，所有制结构(os)和知识溢出效应(knos)分别由私营企业职工数量和研发人员全时当量占地区从业人员总数的比重测度，政府干预程度(gov)、对外开放程度(fdi)、地区产业结构(ins)、环境规制(evr)和科技创新水平(teci)分别由财政支出、实际利用外商直接投资额、第二产业产值、工业污染治理投资和R&D经费支出占地区生产总值的比重进行衡量，基础设施(infra)包括两类，第一类基础设施(infra1)由互联网用户数与地区常住人口总数的比值反映，第二类基础设施(infra2)由地区单位面积的铁路里程进行表征，劳动力市场高级程度(labor)则由区域内人均受教育年限衡量。

综上，通过加入制度、要素、环境等作为控制变量，用以缓解解释变量的丢失问题。考虑数据可得性，研究对象为中国29个省级地区(除港澳台之外，由于数据缺失，海南和西藏也不考虑)，研究区间为2008—2019年。重点的环境信息披露数据来源于公众环境研究中心(IPE)和自然资源保护协会(NRDC)2008年开始发布的污染源监管信息公开指数(PITI)，其他中观层面数据主要来源于《中国环境统计年鉴》《中国农村统计年鉴》《中国农业年鉴》和国家、省级统计数据库及EPS数据平台。

(二) 实证结果

在开展空间计量估计之前，首先要检验变量之间是否存在空间相关性。结果显示，农业绿色全要素生产率的全局单变量莫兰指数为0.031，与解释变量网络点出度、网络点入度和网络耦合度的全局双变量莫兰指数分别为0.059、0.050和0.055，与控制变量pgdp、os、gov、fdi、ins、evr、teci、knos、infra1、infra2和labor的全局双变量莫兰指数分别为0.088、0.037、-0.063、0.107、0.040、0.066、0.076、0.083、0.023、0.095和0.058，证实了空间相关性存在。然后依次采用普通最小二乘法(OLS)、空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)，对中国农业绿色全要素生产率与环境信息披露网络特征的关系进行计量，根据R-squared、Log-likelihood、AIC、SC数值综合选择回归模型，对结果整理之后汇报于表5(1)-(12)。结果显示，环境信息披露网络特征对农业绿色全要素生产率具有显著的正向影响(均通过1%显著性检验)。在对其他变量进行控制之后，环境信息披露网络点出度每提高1个百分点，该地区农业绿色全要素生产率将提高0.415个百分点；环境信息披露网络点入度每提高1个百分点，该地区农业绿色全要素生产率将提高0.397个百分点；环境信息披露网络耦合度每提高1个百分点，该地区农业绿色全要素生产率将提高0.203个百分点。上述结果与实际情况相符，对于特定地区而言，较高的环境信息披露网络点出度意味着经济倾向于发展环境友好型产业，对绿色企业将出台一定激励措施进行支持，反之，对非绿色企业的污染性业务将采取一定的约束手段。而较高的环境信息披露网络点入度和耦合度，意味着在信息化工具发达的现代社会，一个地区的环境信息披露状况具有一定的外溢效应，将会对空间范围内的其他地区农业绿色经济效率产生重要影响。

表5 基准模型回归结果

私营企业职工占从业人员比值os的系数在1%显著性水平下为负，与预期相符。一般意义上，在外部环境监管缺位的情况下，私营企业在利益最大化假设下，将倾向于污染环境，而非提高科技水平降低废物排污，这与Song等(2011)[58]强调的所有权对效率具有重要影响观点是可以相互印证的。R&D经费支出占地区生产总值比重(teci)对农业绿色全要素生产率具有显著的负向作用，这与内生经济增长理论中科技创新的重要地位观点发生偏差，可能的解释是R&D经费支出是对未来创新发展的前期投入，需要在更大时间跨度才有可能见到效果，所以在短期内难以对农业绿色全要素生产率产生实质性的影响。

地区人均受教育年限(labor)同样对农业绿色经济效率具有正面作用。新兴古典经济学指出分工经济与交易费用两难冲突是经济发展关键问题，分工经济深化有赖于人力资本的提升，越高级的劳动力市场，对绿色经济的组织创新和要素配置支撑作用越大，越能有效提高地区的农业绿色全要素生产率。财政支出占地区生产总值的比重(gov)的系数为正，这与现实情况相吻合。财政支出占GDP比重反映了政府对经济发展的调控能力，作为经济、社会和环境发展目标的维护者，政府既能够通过资金投入支持农业绿色发展，又能够通过示范效应带动其他市场主体参与到农业技术研发和环境保护中，进而提高农业绿色经济效率。

对外开放程度(fdi)的系数显著为正，对外开放程度每提高1个百分点，对应的农业绿色全要素生产率会提高2.328、1.981和2.186个百分点，这与预期相符。一方面，实际利用外商直接投资主要针对处于价值链中高端的产品研发、品牌推广等产业，这些产业一般附加价值高且对环境污染较小；另一方面，外商直接投资的理念与全球对标，在环保组织的呼吁下，国际上绿色发展理念深入人心，这对外商在国内的投资起到一定的约束作用。此外，在赤道原则下，对可能有损于环境的融资项目越来越受到金融机构的限制，对农业绿色发展相关的项目则逐渐受到市场关注，这些都将对农业绿色全要素生产率产生积极影响。

实际上，在绿色信贷政策不断优化情况下，环境信息披露引致的企业污染治理成本和绿色技术投入，已经得到了较大程度的缓解，对生产性投资的“挤出效应”相应减弱，环境信息披露的“遵循成本”逐渐减少。而现实中，环境信息披露倒逼企业采取更先进的绿色生产技术，更合理地配置要素资源，“创新补偿”效应逐渐得到体现，加之在“双循环”背景下，企业“创新驱动型”外地迁入和“成本节约型”本地迁出两种现象并存，将很可能在强化“创新补偿”效应的同时弱化“遵循成本”效应，这与上述分析中环境信息披露网络特征对农业绿色全要素生产率的积极影响是相对应的。

(三) 稳健性检验

考虑内生性问题，一个地区农业绿色全要素生产率的提升会产生对环境质量的更高需求进而影响环境信息的披露状况，反过来，一个地区的环境信息披露质量的提高又会通过影响企业的空间布局、社会形象等提升农业绿色全要素生产率。为消除可能的内生性问题，一是对环境信息披露网络的点出度、点入度和耦合度之后两期，采用GMM估计法对数据重新进行空间计量估计。表6给出了两步GMM估计的结果。两步GMM估计结果与基准模型回归结果基本一致，说明中国环境信息披露形成的网络特征对农业绿色全要素生产率产生了稳定的促进作用。

表6 两步GMM估计结果

二是运用工具变量法(IVM)搜寻两个工具变量进行重新估计。Allen等(2005)强调宗族文化影响下的声誉效应对于拓展信用网络具有重要作用[59]，幸运的是，宗族文化对区域信用秩序施加影响的同时，却不对绿色经济效率产生直接影响，可以考虑作为其中的一个工具变量纳入研究。基于百度搜索引擎选择每百万人拥有的宗祠数量作为各省(市，自治区)宗族文化程度(Clan_level)的衡量指标。此外考虑到是经济特区和沿海开放城市是改革开放重要载体，由于20世纪七八十年代国内资金短缺，政策松绑前后对资金流动性需求呈现明显差异，因此判断各省(市，自治区)内部是否存在经济特区或沿海开放城市对信用规模的敏感度是不同的，加之改革开放已有40多年历史，早期开放政策对当前绿色经济效率影响不大，因此选择各省(市，自治区)域内部是否有改革开放先行城市(city_1978)作为度量信用秩序的另一工具变量，如域内存在先行城市则“city_1978”取1，否则取0。加入工具变量之后，以市场秩序作为信用建设的衡量指标，再次进行空间计量估计，结果汇报于表7，发现在加入工具变量之后，回归结果仍然通过1%的显著性检验，研究结论与上文保持一致，说明本文结论是稳健可靠的。

表7 稳健性检验

五、 结 论

(一) 研究结论

采用社会网络分析方法，基于公众环境研究中心(IPE)和自然资源保护协会(NRDC)发布的2008—2019年污染源监管信息公开指数(PITI)，考察了中国环境信息披露网络的整体结构及各省在网络中的特征并采用多种空间计量模型对环境信息披露网络特征对农业绿色全要素生产率的影响进行分析。研究主要有三点发现，一是2008年至2019年间，中国环境信息披露空间网络结构正在形成，网络密度呈现逐年上升趋势，各省环境信息交互正在逐渐增强。同时，网络结构演化是一个渐变过程，具有较强的自稳定性。二是网络点出度中心势逐年递减，说明中国环境信息披露正从单中心向多中心演变。更多区域开始从被动性信息披露向主动性信息披露转变。三是环境信息披露网络特征对农业绿色全要素生产率具有显著的正面影响，网络点出度、网络点入度和网络耦合度每提高1%，特定地区农业绿色全要素生产率分别上升0.415%、0.397%和0.203%。这表明环境信息披露不仅对本地而且通过空间外溢对其他地区的农业绿色经济效率均具有促进影响。

(二) 政策启示

从研究结论可以得出以下三点政策启示。首先，完善绿色制度设计，提升环境信息披露质量。以绿色共富为逻辑起点，进一步深化环境信息依法披露制度改革，完善环境信息公开公示、环境信用评价、环境事中事后监管等配套政策，提高环境信息空间交互水平。其次，加强环境信息披露的区域协同，推动环境经济政策的跨区域合作。正确理解“共抓大保护、不搞大开发”深刻内涵，以系统观念统筹地区间山水林田湖草的环境综合治理，统筹推进跨区域环境信息归集、认定、管理和发布，推动区域间环境披露信息的规范应用。最后，以环境信息披露推动农业绿色高质量发展。围绕现代循环农业、绿色优质品种培育、绿色农产品加工、绿色食品制造等发展领域，有针对性地细化与绿色信贷、绿色财税、绿色债券等绿色涉农政策相配套的环境信息披露方案，为支撑中国农业绿色全要素生产率提供环境政策保障。