数字普惠金融与农业绿色低碳发展：水平测度和机制检验

2023-02-24洪程程

金融理论与实践 2023年1期

申云，洪程程

（四川农业大学经济学院，四川成都 611130）

一、引言

在“双碳”目标和乡村振兴战略协同推进背景下，农业绿色低碳发展是实现农业现代化和经济高质量发展的重要途径。农业绿色低碳发展不仅需要金融的有效支持，还需要金融要素与市场机制有效结合，利用金融的杠杆作用撬动金融要素优化来提升农业全要素生产率，进而推动绿色低碳高质量发展。尽管农业绿色低碳发展得到社会各界的高度重视，但在传统普惠金融市场中，农业绿色低碳发展依旧面临“融资难、融资贵”的困境（姚耀军和施丹燕，2017）[1]。随着数字普惠金融的快速推广应用，数字普惠金融利用数字技术和互联网科技等手段，不仅可以有效提升金融资源配置效率、降低融资成本，弥补传统金融的不足，还能极大缓解农业产业信贷约束等问题，推动农业绿色低碳发展。

长期以来，数字普惠金融作为一种新兴金融模式，其不仅可以拓宽农业生产融资渠道，还可以发挥数字技术在降低金融资源能耗和绿色环保方面的积极作用。一方面，数字普惠金融有利于提升传统金融和绿色金融的服务效率（申云和李京蓉，2022）[2]，带动传统普惠金融的转型，发挥数字技术和金融普惠在农业绿色减排和提升农业生产效率方面的积极作用，降低农业二氧化碳排放和农业污染，提高农业绿色产出。另一方面，数字普惠金融不仅能推动农业产业融合发展，还有利于绿色农业新产业新业态的形成，提升农业绿色发展新动能。然而，数字普惠金融如何推动农业绿色低碳发展？其作用效果和传导机制如何？通过测度中国31个省份（因数据可得性，港、澳、台地区除外）的农业绿色低碳发展水平，并基于北京大学数字普惠金融指数与之进行省域范围的空间匹配，重点探索数字普惠金融对农业绿色低碳发展的作用效果及其传导机制，以期为更好地推动数字普惠金融发展、促进农业绿色低碳转型提供理论指导和经验证据支撑。

与已有文献相比，可能的边际贡献为：一是从农业绿色生产体系、绿色经营体系、绿色产业体系的维度构建农业绿色低碳发展评价指标体系，并分别测度了我国不同区域的农业绿色低碳发展水平，全面客观地从省域农业绿色低碳发展的视角进行整体测度，丰富了农业绿色低碳高质量发展的相关文献及其理论内涵；二是揭示了数字普惠金融发展对农业绿色低碳发展的传导机制及其作用效果，为科学评价数字普惠金融赋能“双碳”目标下农业绿色低碳高质量发展提供经验证据支撑。

二、理论逻辑与研究假说

（一）数字普惠金融对农业绿色低碳发展的研究回顾

关于农业绿色低碳发展指标体系研究，大多数学者从农业绿色低碳发展的内涵、国家生态文明建设理念以及农业现代化发展等维度进行研究。如黄炎忠等（2017）[3]和魏琦等（2018）[4]基于国家生态文明建设理念和农业现代化的发展要求，分别构建了我国农业绿色生产评价指标体系与农业绿色低碳发展评价指标体系。张建杰等（2020）[5]基于农业绿色低碳发展理念，从社会发展、农业生产、资源投入、生态环境四个维度构建农业绿色低碳发展评价指标体系。巩前文和李学敏（2020）[6]基于生态文明的视角从低碳生产、经济增收、安全供给三个维度构建我国农业绿色低碳发展评价体系。此外，肖华堂和薛蕾（2021）[7]则从农产品质量、生产效率、生态环境和发展动力四个维度出发，构建相应的农业绿色低碳发展评价指标体系。

关于数字普惠金融对农业绿色低碳发展的影响研究，现有文献多从金融支持、技术创新与绿色产业体系建设等方面展开。首先，数字普惠金融对农业绿色生产效率和技术创新及应用具有重要作用。由于绿色农业具有生产周期长、投资回报慢和投资效率低等特点（刘帅等，2020）[8]，除政府给予政策优惠外，还须借助金融的手段予以支持。但融资约束现象在农村地区依然存在，使得传统金融服务难以满足农业绿色生产的需要（董晓林和徐虹，2012）[9]。郑雅心（2020）[10]发现数字普惠金融能够显著促进区域创新产出，而区域创新催生出的绿色技术与服务应用于农业生产（芦千文和苑鹏，2021）[11]，使得农业污染大幅降低、资源利用效率显著提高。其次，数字普惠金融对农业绿色产业体系建设也具有重要作用。一方面，数字普惠金融可以促进农业产业融合发展。何宏庆（2020）[12]发现数字普惠金融可以通过提升金融渠道的便利性、扩大低收入“长尾”农户的融资范围和信贷可得性等渠道促进农村产业融合发展，进而催生出休闲农业与乡村旅游等新产业新业态（齐文浩等，2021）[13]。数字普惠金融不同业务对产业融合发展的贡献度由大到小依次表现为信贷业务、支付业务和保险业务（张岳和周应恒，2021）[14]。另一方面，数字普惠金融发展也有利于集聚绿色农业产业发展人才，提高人才的集聚效应。具体而言，通过发挥人才聚集效应与技术创新效应，数字普惠金融加速了农业绿色产业体系建立进程（何婧等，2021）[15]，在促进县域产业升级的同时，也提高了农民收入（张林，2021）[16]。此外，陆杉和熊娇（2021）[17]发现农村金融机构能够借助数字技术打破农村金融市场的信息壁垒，降低绿色农业生产主体的经营风险。同时，电商参与也会提升消费者对绿色农产品的认可度，提高生产者的绿色生产意识，增加绿色高质量农产品的供给（李晓静等，2021）[18]，从而促进农业绿色经营体系的建立。再次，数字普惠金融也可以通过金融支持、技术创新与绿色产业体系建设等方面推动农业低碳发展，助力乡村产业振兴。然而，由于数字普惠金融的发展本身具有一定的门槛（马凯榕等，2020）[19]，导致数字普惠金融在不同区域和不同人群中的绿色发展成效各异，亟须测度数字普惠金融对农业绿色低碳发展的影响效应及传导机制。

综上所述，已有研究对数字普惠金融在金融服务模式创新、技术创新与绿色产业体系建设等方面做了一些有益探索，但在以下方面仍相对薄弱。一是现有研究往往建立在传统普惠金融的前提下，而数字经济和数字技术如何赋能农业绿色低碳发展，以及数字普惠金融对其传导机制的相关研究仍须进一步细化和拓展。二是已有研究侧重于通过提升农业绿色生产效率来实现农业绿色低碳发展，而在“双碳”目标下农业绿色低碳发展需要系统性的思维来构建绿色农业发展指标体系，测度指标既要考虑农业的绿色低碳发展目标需要，也要考虑农业产业和经营的数字化水平，相关研究受数字技术应用的限制使得相关指标的测度相对欠缺，需要进一步综合全面地构建农业绿色低碳发展及数字化转型的指标体系。在此背景下，尝试构建农业绿色生产、绿色经营及绿色产业发展“三位一体”的农业绿色低碳发展评价指标体系，从理论和实证层面厘清数字普惠金融如何促进农业绿色低碳发展的传导机制和作用效果，进而为农业实现“双碳”目标提供理论支撑和经验证据。

（二）数字普惠金融对农业绿色低碳发展的影响机理

1.数字普惠金融与农业绿色低碳发展

为了揭示数字普惠金融对农业绿色低碳发展的异质性影响，借鉴郭峰等（2020）[20]的做法，将数字普惠金融进一步划分为数字技术的覆盖广度、使用深度以及数字化程度三个维度，探索其对农业绿色低碳发展的差异性效果。数字普惠金融以金融服务实体经济发展为根本目标，即实现普惠性与金融服务的统一，从而缓解农村金融市场中存在的融资约束现象，使得农村金融市场中的弱势群体从中获益，进而激发农村金融市场活力，为农业绿色低碳发展提供金融保障。同时，数字技术能够降低信息搜寻成本与交易成本，拓宽农业生产融资渠道，也为农业绿色低碳发展提供金融支持。数字普惠金融相关产品、服务等创新有助于发挥数字农业保险在蔬菜等种植层面的服务效能，提升农业生产过程中的污染防治能力来降低碳排放，从而促进农业绿色生产（张军伟等，2020）[21]。在农业绿色低碳的数字化推广实践中，数字普惠金融可间接提升农户金融素养（陈池波和龚政，2021；彭澎和徐志刚，2021）[22-23]，有效提升农户数字金融使用能力，加快数字金融赋能低碳农业发展速度（周雨晴和何广文，2020；路晓蒙等，2019）[24-25]，而金融素养越高的农户在绿色生产与生态保护等领域表现出更强的意识与数字化技能（苏岚岚等，2021）[26]，使得此类农户群体更加注重农业的绿色生产技术应用。随着数字普惠金融平台主导的众筹农业模式发展，相关平台通过线上、线下等渠道向农业经营主体提供种子、农药、化肥、农机具等生产要素，传播最新的绿色农业种植技术，有助于提高农业技术水平、强化农业绿色低碳生产导向性，进而推动农业绿色低碳发展。此外，数字普惠金融的应用在农户及不同主体中的接受程度往往存在异质性，使得其作用效果也可能具有较大的差异。为此，提出研究假设1。

H1:数字普惠金融有助于通过缓解和提升金融素养来促进农业的绿色低碳发展，但其作用效果受不同经营主体的影响而存在异质性。

2.数字普惠金融对农业绿色低碳发展的影响机制

一方面，由于现阶段农村金融市场存在一定的融资约束的现象（王修华等，2013）[27]，除政策性资金支持外，数字普惠金融通过赋能“三农”发展间接参与到农业生产过程中（粟芳等，2020）[28]。数字普惠金融凭借数字技术打破地理空间束缚，优化农村金融市场要素合理配置、创新金融服务模式、缓解信息不对称问题，助推农业绿色优质、高效、可持续发展（温涛和陈一明，2020）[29]。随着数字普惠金融服务下沉至农村区域，普惠金融与环保服务相关平台得以建立，这为高效、低碳、绿色的农业经营模式提供资金保障，在提高农业资源利用效率的同时，也直接降低了农业的碳排放（程秋旺等，2022）[30]，农业绿色全要素生产率得以提升。另一方面，数字普惠金融服务为农业社会化服务组织带来了先进技术与理念，进一步推动农业社会化服务组织数字化转型，进而提升了农业生产社会化服务水平。而农业生产社会化服务水平的提升也有助于农户采纳先进绿色生产技术与方法（李翠霞等，2021）[31]，推动其生产行为绿色低碳化。随着农药和化肥的逐步科学减量使用，农业面源污染持续降低，间接提升农业绿色全要素生产率，从而促进农业绿色低碳发展。此外，数字普惠金融除了可以引导资金进入农业产业外，还可以为农业绿色低碳发展提供更多服务。得益于数字普惠金融发展，其相关服务模式创新和传播也为更多涉农金融机构提供了经验与模式（黄迈和马九杰，2019）[32]，有助于促进农业产业链的融合与转型发展（冯贺霞和王小林，2020）[33]，也有助于开发农业新产业新业态等复合型功能（易加斌等，2021）[34]，农业绿色产业新业态开始大量产生，从而促进农业绿色低碳发展。综上所述，提出如下假设2。

H2a：数字普惠金融通过降低农业二氧化碳排放，提升农业绿色全要素生产率，进而促进了农业的低碳发展。

H2b：数字普惠金融通过提升农业生产社会化服务水平，提升农业绿色全要素生产率，进而助推农业的绿色发展。

H2c：数字普惠金融通过推动农业产业融合发展，拓展绿色农业新产业新业态及相关功能边界，进而推进了农业绿色低碳高质量发展。

数字普惠金融对农业绿色低碳发展的传导机制如图1所示。

图1 数字普惠金融影响农业绿色低碳发展的理论框架

三、农业绿色低碳发展水平测度与分析

（一）农业绿色低碳发展指标体系构建

农业绿色低碳发展内涵较为丰富，除了农业绿色生产之外，还需要考虑农业的绿色经营、绿色产业发展等层面，这也是《中共中央国务院关于实施乡村振兴战略的意见》中提出的加快构建现代农业产业体系、生产体系和经营体系的主要内容。因此，基于农业绿色生产、绿色经营、绿色产业三个维度构建农业绿色低碳发展指标体系。

在农业绿色生产方面，提高农业生产资源利用率、降低污染排放是农业绿色低碳发展的核心要义。因此，选择耕地复种指数、节水灌溉面积比重两个指标反映资源节约情况；以农业COD排放强度、农业氨氮排放强度反映污染减排情况。在农业绿色经营层面，农业绿色经营体系是农业绿色低碳发展的重要支撑。主要基于涉农企业视角，从绿色管理的角度出发构建绿色经营一级指标。以绿色产出、绿色销售、绿色运营来反映农业绿色管理水平。农业绿色产业方面，农业绿色产业体系建设应是农业绿色低碳发展的重要目标，转型支撑与产业升级应是农业绿色产业的题中应有之义。为此，应以专业人才支撑、先进技术支撑衡量农业绿色转型的技术支撑，以农业产业发展水平与休闲农业发展水平衡量农业产业转型升级情况。在此基础上，综合考虑各个指标数据的可获得性等因素，构建2011—2020年我国农业绿色低碳发展水平测度指标体系（见表1）。

表1 农业绿色低碳发展指标体系

续表

（二）数据处理与测算

1.数据无量纲化处理

为了解决数据因量纲不一致导致的不可比性，采用极值法对原始数据进行标准化处理。计算公式如下。

正向指标的标准化公式为：

负向指标的标准化公式为：

其中，uij为第i年、第j个评价指标的标准化处理结果，xij为第i年、第j个评价指标的原始值，max(xij)、min(xij)分别代表原始值的最大值和最小值。

2.熵值法确定指标权重

为了构建省际层面的农业绿色低碳发展水平的可比数据，采用熵值法确定指标权重。每个指标熵的计算公式如下：

3.农业绿色低碳发展水平测度

以各指标无量纲化处理后的标准值与熵值权重进行累乘加总后即可得到各一级指标和总指标的农业绿色低碳发展水平，具体公式如下：

（三）农业绿色低碳发展水平测度结果分析①本文根据实证设计进行分析，结论供参考。

根据农业绿色低碳发展评价指标体系构建及其测算方法，测算出中国31个省份2011—2020年农业绿色低碳发展水平（见表2）。总体而言，从2011年至2020年间，我国农业绿色低碳发展水平总体呈现出明显上升的态势，但区域间发展差异较为明显。根据2011—2020年中国各省份农业绿色低碳发展水平均值来看，江苏、浙江、北京、福建、四川、天津、辽宁、江西、安徽、山东等省份排在前10位，而山西、河南、甘肃、贵州、内蒙古、青海、海南、宁夏、新疆、西藏等省份排在后10位，农业绿色低碳发展水平表现出一定的梯度与层次性。值得注意的是，江苏农业绿色低碳发展水平测度结果均值为1.372，而西藏均值仅为0.291，反映出不同省份农业绿色低碳发展水平存在较大差异。

表2 2011—2020年全国31个省份农业绿色低碳发展水平测度结果

续表

此外，中国不同区域之间农业绿色低碳发展不平衡现象也比较明显。总体来看，中国不同区域间得分均值排序为：东部地区＞东北地区＞中部地区＞西部地区（见表3）。东部地区农业绿色低碳发展水平总体偏高，其中有6个省份排在前10位；而西部地区农业绿色低碳发展水平总体相对较低，排名后10位的省份中有7个是西部地区省份。其中，中部地区的江西农业绿色低碳发展水平得分均值高于其周边省份，可能因为江西作为首批国家生态文明试验区之一，近年来坚持绿色生态发展导向，国家政策和地方政府积极推动促使农业绿色低碳发展成效显著。

表3 不同区域和省份之间农业绿色低碳发展水平排名

四、变量说明与模型设定

（一）变量说明及其数据来源

1.被解释变量

农业绿色低碳发展水平（Green and Low-Carbon Agriculture，以下简称GLCA）。依据前文中构建的

指标体系和方法进行估计。

2.核心解释变量

数字普惠金融指数。基于北京大学数字金融研究中心编制的《数字普惠金融指数（2011—2020）》相关数据，借鉴郭峰等（2020）[20]关于数字普惠金融指数构建的方法，采用其编制指数描述各省份数字普惠金融发展状况。因此，本文选取该套指数来衡量中国数字普惠金融的发展状况。

3.中介变量

农业碳排放强度。基于现有研究的基础上，参考Tian等（2014）[35]的做法，通过测算化肥、农药、农用薄膜及柴油等农业生产投入要素的碳排放量而得出。

农业生产社会化服务。基于现有研究的基础上，参考张恒和郭翔宇（2021）[36]的做法，以地区单位播种面积农林牧渔服务业产值衡量农业社会化服务水平。

农业产业融合发展。基于现有研究的基础上，主要参考李晓龙（2021）[37]的做法，从农业产业链延伸、新兴业态培育、产业功能拓展等维度合成农业产业融合发展指标。

4.控制变量

参考师博和沈坤荣（2013）[38]、郭海红和刘新民（2021）[39]的做法，选取就业人口受教育程度、政府支持、经济发展水平、农业生产技术设施情况作为控制变量。

就业人口受教育程度。高质量的人才是一个地区经济发展的必要条件之一，同时也是各项产业发展的重要因素之一。现阶段，农业绿色低碳发展离不开生产技术、工具的创新，而高质量的人才也是推动科技创新的核心要素和农业绿色低碳发展的基础条件。参考刘昌平和花亚州（2017）[40]的做法，采用全国各地区就业人员受教育程度进行衡量，即各教育阶段人数占总就业人数比重乘以各教育阶段时间来计算各地区就业人口受教育程度，其中小学、初中、高中、大专、本科及研究生（含硕士与博士）教育年限分别按6年、9年、12年、15年、16年、20年计算。

政府支持。政府财政在我国经济发展中扮演着宏观调控的重要作用，政府财政支持行为会对农业发展起到重要影响。通过采用各省政府财政支出占GDP的比重来衡量政府支持程度。

经济发展水平。一个区域的经济发展水平越高，越倾向于农业绿色低碳发展。采用区域人均GDP来衡量经济发展水平。

农业基础设施状况。农业基础设施对于改造传统农业、实现农业绿色低碳转型具有重要作用。选取农业机械总动力衡量农业生产基础设施情况。

生态环境。与工业、服务业相比，农业生产受生态环境的影响更大，生态环境的质量直接影响着农业的绿色发展成效。文中选取森林覆盖率来衡量各省份的生态环境状况。

基于数据的可获得性，研究期间为2011年至2020年，采用的数据均来源于历年的《中国统计年鉴》《中国休闲农业年鉴》《中国农产品加工业年鉴》《中国环境统计年鉴》等公开信息，缺失数据采用插值法或相应年份平均值进行处理。表4为各变量的描述性统计。

表4 变量的描述性统计说明

续表

（二）模型设定

1.基准回归

为进一步考察数字普惠金融对农业绿色低碳发展的影响，构建如下基准回归模型：

式（6）中，GLCAit表示i地区在t年份的农业绿色低碳发展水平；difit表示i地区在t年份的数字普惠金融发展水平；controlit表示控制变量集合；λi、ηt分别表示地区固定效应、年份固定效应；εit为随机扰动项。若式（6）中的回归系数β1是正向显著，则H1得以验证，即数字普惠金融的发展会促进农业的绿色低碳发展。

同时，为进一步考察数字普惠金融对农业绿色低碳发展水平的影响是否存在U形曲线关系，将对其进行平方项处理代入模型进行检验。

此外，为验证数字普惠金融对农业绿色低碳发展的作用机制，分别通过实证分析农业碳排放强度、农业生产社会化服务水平、农业产业融合发展等在数字普惠金融助推农业绿色低碳发展中的作用机制，构建数字普惠金融与这些中介变量的交互项进行中介效应模型回归：

2.稳健性检验

考虑到数字普惠金融对农业绿色低碳发展的影响可能具有时滞性，对因自变量农业绿色低碳发展水平作滞后一期、滞后二期处理，以保证计量结果的稳健性。

3.内生性检验

鉴于农业绿色低碳发展水平及其分维度水平的当期值在很大程度上会受上一期指标数值影响，即可能存在序列自相关问题。同时，在控制变量的选取上也可能会遗漏某些对农业绿色低碳发展产生重要影响的变量，从而造成严重的内生性问题。因此，进一步采用差分GMM模型与系统GMM模型对其计量结果进行内生性检验。

五、计量结果分析

在进行基准回归前，为防止各变量间存在的多重共线性问题，通过计算各变量间方差膨胀因子来检验变量之间是否存在多重共线性。结果发现，各变量间VIF值普遍低于4.5，说明相关变量的选取是相互独立的，不存在多重共线性问题。

（一）数字普惠金融对农业绿色低碳发展的影响

1.总体效应

首先对计量模型进行Hausman检验，发现其检验结果P值为0.03，因此适合采用固定效应模型（FE）进行基准回归（见表5）。模型（1）的结果表明数字普惠金融对农业绿色低碳发展起到正向促进作用，且通过1%的统计水平显著，从而验证了假说1。为进一步验证研究结论的稳健性，对因变量农业绿色低碳发展水平（GLCA）进行滞后一期和滞后二期处理，回归结果见表5中的模型（2）和模型（3）所示。稳健性检验结果也表明，数字普惠金融对农业绿色低碳发展的影响系数依然显著为正，说明基准回归结果是可靠的。

表5 数字普惠金融对农业绿色低碳发展的影响

2.作用机制检验

为了揭示数字普惠金融对农业绿色低碳发展影响的作用机制，进一步对其进行机制检验。参考温忠麟和叶宝娟（2014）[41]的做法，采用引入交叉项的方式构建数字普惠金融对农业绿色低碳发展影响的中介效应模型（见表6）。

从表6模型（4）的计量结果来看，发现dif与dif×M系数均通过显著性检验。其中，dif系数显著为正且Agr_emission系数显著为负，即农业碳排放强度越低，数字普惠金融对农业绿色低碳发展的促进作用越明显。在模型（5）和模型（6）中，dif系数显著为正，且Agr_emission系数也显著为正，这说明随着农业生产社会化服务水平的提高和农业产业融合发展深度的提高，数字普惠金融对农业绿色低碳发展的促进作用越明显。从回归系数显著性与绝对值来看，Int_agriculture系数最为显著且绝对值最大。实际上，数字普惠金融广泛应用于服务业（贺茂斌和杨晓维，2021）[42]，其下沉至农村的过程中，加快了农村金融服务业态的创新和农村产业的融合发展，进而催生出农业绿色低碳新产业新业态的快速发展。因此，数字普惠金融发展可以通过推动农业产业融合发展来实现农业绿色低碳发展，且相关计量结果也证明了研究假说H2a、H2b、H2c。

表6 数字普惠金融影响农业绿色低碳发展的作用机制检验

（二）内生性检验

为了避免模型设定中出现的内生性问题，进一步采用差分GMM模型与系统GMM模型对其进行内生性检验，同时将数字普惠金融指数的滞后一期作为工具变量进行回归，计量结果如表7所示。

从表7中可以看出，差分GMM模型与系统GMM模型均通过了Sargan检验，说明工具变量不存在过度识别的问题且具有较好的外生性。从自相关AR（2）的P值大于0.1可以看出，模型（7）和模型（8）的残差序列均不存在二阶自相关。此外，从核心解释变量回归系数符号及其显著性水平没有发生明显变化，这说明回归结果的稳健性和解释力均较好。

表7 内生性检验结果

续表

（三）异质性检验

1.不同维度下的数字普惠金融对农业绿色低碳的影响

鉴于各地区之间的数字普惠金融发展水平各异，再次采用固定效应模型从数字普惠金融覆盖广度、使用深度及数字化程度三个维度来揭示其异质性作用效果，探究其对农业绿色低碳发展水平的影响（见表8）。

从表8的计量结果可以看出，Cov_depth系数为0.010，且在5%的置信区间统计显著；Use_depth系数为0.017，且在10%的置信区间统计显著；Dig_level系数为0.008，且在1%的置信区间统计显著。就回归系数的绝对值而言，数字化程度＞覆盖广度＞使用深度，反映出数字普惠金融覆盖广度与使用深度都必须以数字化程度为基础，依赖数字化技术的推广应用来更好地促进数字普惠金融发展。因此，各地方政府加快“两新一重”的有效落实能够较好地推进数字基础设施的建设，提升社会总体数字化程度，特别是推进农村偏远地区的新型数字基础设施建设对农业绿色低碳发展尤为重要。

表8 异质性检验一：数字普惠金融分维度回归结果

2.区域异质性分析

考虑到我国不同区域之间的地理位置、气候条件、土壤环境等特征不同，农业绿色低碳发展也存在较大的差异性，将中国不同区域划分为东、中、西以及东北部地区，再次采用固定效应模型进行计量分析（见表9）。

由表9可以看出，数字普惠金融对中国不同地区的农业绿色低碳发展均产生了促进作用，但这种促进作用存在明显的区域异质性。其中东部地区数字普惠金融回归系数为0.025，且在5%的置信水平显著；中部地区和西部地区的回归系数分别为0.009和0.008，且均在1%的置信水平上显著；东北地区回归系数不显著。就回归系数的绝对值而言，东北地区＞东部地区＞中部地区＞西部地区。造成这一现象的原因可能是：东部地区和东北地区农业绿色低碳发展基础较好、农业经济相对发达、基础设施完整、金融发展水平总体较高，这些优势奠定了东部地区数字普惠金融的早期发展格局，即数字经济发展的先发优势以及数字技术与实体产业的深度融合，使得数字普惠金融助推农业绿色低碳发展效果也更为强劲。而中部地区和西部地区的基础设施、金融发展水平等要稍落后于东部地区，但近年来随着数字普惠金融服务的不断下沉，显著扩大了金融服务的深度与广度，数字普惠金融赋能中部地区和西部地区农业实现绿色发展也表现出较强的“后发优势”。

表9 异质性检验二：分地区回归检验结果

3.农业绿色低碳发展水平分维度分析

为探究数字普惠金融对农业绿色生产、经营、产业发展等不同层面农业绿色低碳发展的影响，进一步采用固定效应模型进行分析。由表10可知，数字普惠金融总体上能有效促进农业绿色低碳发展，但在不同维度上其对农业绿色低碳发展的影响却存在较大的异质性。数字普惠金融对农业绿色生产、绿色经营、绿色产业发展的影响均起到了正向促进作用。但从其影响系数来看，绿色经营的效果＞绿色生产的效果＞绿色产业发展的效果。可能的原因是随着我国互联网交易平台、互联网电商的迅速发展，以无公害农产品、有机农产品为代表的绿色农产品需求不断上升，绿色农业供应链得以建立和延伸，各类绿色农产品生产企业（基地）也快速发展。因此，数字普惠金融对绿色生产（GLCA_1）与绿色经营（GLCA_2）的助推作用较为明显。此外，由于我国科技创新对农业产业发展的支持力度依然不足，尤其是农业科技成果的转化率偏低，使得一些农业技术研发成果因为各种原因难以大面积的推广与应用（刘同山和韩国莹，2021）[43]，导致数字普惠金融对农业绿色产业发展作用效果相对有限。