绿色金融发展对农业生态效率的影响研究——基于农村人力资本差异化的视角

李晓龙，蔡云龙，袁帅强

［贵州财经大学 大数据应用与经济学院（贵阳大数据金融学院），贵州 贵阳 550025］

一、引言

当前，我国经济已由高速增长阶段转向高质量发展阶段，作为国民经济的基础性产业，农业高质量发展是大势所趋。农业高质量发展的关键在于协调农业经济产出与农业生态环境之间的关系，着力提升农业可持续发展水平。农业生态效率被视为在给定物质要素投入下，以最少的农业生态负面影响实现最多的农业经济产出（王宝义和张卫国，2016）[1]，能够客观地反映农业可持续发展水平。已有研究表明，农村劳动力转移（侯孟阳和姚顺波，2018）[2]、农村产业融合（胡平波和钟漪萍，2019）[3]、农村人口老龄化（李露和徐维祥，2021）[4]等均是影响农业生态效率及演进变动的重要因素。但是，鲜少有研究关注绿色金融发展对农业生态效率的影响。事实上，绿色金融发展通过扩大农业领域的绿色投资规模，推动农业领域绿色资本的优化配置，提供更多的资金支持农业绿色产业研发创新，不仅可以促进农业经济效益增长，而且能够维护农业生态环境平衡，最终有利于提升农业生态效率。此外，由于我国地域辽阔，绿色金融发展对农业生态效率的作用效应还可能受到区域异质性因素和空间相关性因素的共同影响。综上，本文将重点考察绿色金融发展是否对农业生态效率产生影响，并检验绿色金融发展通过何种效应影响农业生态效率。

通过梳理文献发现，与本文主题相关的研究主要聚焦在两个方面。一是探讨绿色金融对生态环境的作用，该作用主要体现在企业微观层面和区域宏观 层 面。 例 如Tamazian 等（2009）[5]、Richardson（2014）[6]、Gianfrate 和Peri（2019）[7]等学者利用企业数据研究发现，绿色金融发展显著促进了企业污染减排。刘莎和刘明（2020）[8]研究指出，绿色金融对区域环境质量的正向效应较弱，未来应降低绿色金融门槛，加快构建区域绿色金融体系。杜莉和郑立纯（2019）[9]、魏丽莉和杨颖（2020）[10]利用双重差分方法检验发现，绿色金融政策有利于减少环境污染排放，试点区域污染排放量的增长趋势明显低于非试点区域。二是考察金融发展对生态效率的影响，该影响主要体现在普通线性效应和空间溢出效应两个维度。如黄建欢等（2014）[11]认为，金融发展主要通过资本配置效应和企业监督效应两种机制正向影响区域生态效率。何宜庆等（2017）[12]研究发现，金融集聚发展和生态效率在地理空间上存在一定的空间正相关性。姚惠泽和石磊（2019）[13]证实，金融发展空间影响力的不断扩大有利于提升生态效率。庞庆华和陈隆缘（2021）[14]则指出，金融发展势能不仅有利于提高本地生态效率，而且对周边地区生态效率提升也存在显著的空间溢出效应。

以上文献为本文研究提供了逻辑起点和经验借鉴，然而其研究对象多集中于区域层面的生态效率，尚未从农业层面考察绿色金融发展对生态效率的作用效果，更未从门槛效应与空间效应的双重视角探究绿色金融发展如何影响农业生态效率。相比于已有文献，本文边际贡献在于：首先，基于门槛效应与空间效应双重视角，梳理分析绿色金融发展影响农业生态效率的内在机理，发现绿色金融发展对农业生态效率的提升作用同时存在农村人力资本门槛效应和空间效应，该结论有利于拓展和完善金融发展与生态效率关系的理论体系；其次，基于我国省域层面数据，构建面板空间门槛计量模型，实证检验绿色金融发展对农业生态效率的影响，发现绿色金融发展对农业生态效率的提升作用存在空间溢出效应，但该效应仅在农村人力资本水平较高的省份显著，上述结论可以为完善我国农村绿色金融体系与推进农业高质量发展提供政策启示。

二、理论分析与研究假说

（一）绿色金融发展影响农业生态效率的内在机理分析

绿色金融的本质是在金融服务中根植绿色发展理念。绿色金融发展通过发挥金融的资本形成、资本配置以及创新激励等核心功能，显著扩大农业领域的绿色投资规模，优化农业领域的绿色资本配置，并为农业绿色产业研发创新提供资金支持，进而促进农业技术开发、农业环境治理与农业经济转型的有机协同，实现农业生态环境的平衡发展，最终提升农业生态效率。首先，金融市场是资金的“蓄水池”，绿色金融市场的快速发展可以发挥资金“蓄水池”作用，扩大农业领域的绿色投资规模，提供充足资金用于农业污染治理与生态环境建设，不断改善农业环境效益，从而提升农业生态效率。其次，完善的绿色金融体系有助于引导资金向绿色生态农业领域倾斜，降低绿色生态农业经营主体的融资成本，激励农业经营主体创造绿色财富和生态福利，进而提高农业生态效率。再次，绿色金融发展有利于农业绿色生态技术创新获得更多的资金支持，加速有害生物绿色防控技术、农业废弃物循环利用技术以及高效节水灌溉技术等的研发与应用，减少农业生产经营过程中的自然资源消耗与生态环境破坏问题，促进农业生态效率提升。由此，本文提出如下研究假说。

假说1：绿色金融发展有利于提升农业生态效率。

（二）绿色金融发展影响农业生态效率的门槛效应分析

前文论述表明，绿色金融发展有助于提升农业生态效率。然而，该论断是基于“区域同质性”假设的分析结果，忽略了我国区域间资源禀赋的异质性，也尚未考虑作为绿色金融产品和服务需求主体的农村人力资本在区域间的差异性。事实上，绿色金融业务在农业领域的渗透与应用主要依赖于农村劳动力，不同区域之间农村劳动力所拥有的人力资本水平不同，导致绿色金融发展对农业生态效率的作用存在差异。换言之，绿色金融发展对农业生态效率的影响可能受到农村人力资本水平的制约而呈现出非线性门槛效应。在农村人力资本水平较低（尚未跨越农村人力资本门槛）的地区，由于文化程度不高，农村劳动力的金融素养较为缺乏，这不仅会阻碍绿色金融理念在农村地区的广泛普及，也不利于绿色金融业务在农业领域的深层次应用，从而难以发挥绿色金融对农业生态效率的提升作用。相反，在农村人力资本水平较高（跨越农村人力资本门槛）的地区，农村劳动力的金融素养整体水平较高，其对绿色金融产品和服务的理解能力与应用能力较强，有助于充分发挥绿色金融对农业生态效率的提升作用。由此，本文提出如下研究假说。

假说2：绿色金融发展对农业生态效率的提升作用存在农村人力资本门槛效应。

（三）绿色金融发展影响农业生态效率的空间效应分析

上述理论分析表明，绿色金融发展对农业生态效率的影响存在农村人力资本门槛效应。然而，该结论还应考虑经济活动之间的空间相关性（即地理位置邻近的空间区域，其在经济发展方面通常会表现出相似的特征），以避免低估绿色金融发展对农业生态效率的实际作用效果。在区域经济一体化发展背景下，绿色金融要素的空间集聚与空间扩散加快，绿色金融的部分功能突破空间限制，实现了绿色金融资源的跨区域配置，邻近地区的绿色金融发展也呈现出显著的空间相关性。与此同时，地区之间农业生产要素投入与农业生态环境存在的邻里效应也会导致邻近地区的农业生态效率在空间上呈现显著的相关性（侯孟阳和姚顺波，2019）[15]。因此，有必要将空间效应纳入绿色金融发展影响农业生态效率的理论分析框架。本文所说的空间效应包括空间溢出效应和空间竞争效应，前者是指地区绿色金融发展不仅有利于提升当地农业生态效率，还能够带动邻近地区农业生态效率的协同提升；后者是指地区绿色金融发展有利于提升当地农业生态效率，但对邻近地区农业生态效率提升存在负面影响。

绿色金融发展影响农业生态效率的空间溢出效应具体表现在以下几方面。首先，绿色金融发展可以促使以绿色信贷和绿色债券为代表的绿色资本在金融市场上自由流动，实现绿色资本要素的跨地区配置。在此作用下，绿色金融资源会向绿色金融发展水平较低、农业生态化发展滞后的邻近地区溢出，从而为邻近地区农业生态化发展提供充足的资金保障，有利于提升其农业生态效率。其次，当一个地区绿色金融发展对生态农业发展和农业生态效率提升产生良好成效后，其绿色金融发展模式将会通过空间溢出效应对邻近地区产生“示范引领效应”和“学习模仿效应”，绿色金融发展的空间扩散有利于带动邻近地区不断完善绿色金融产品和服务，从而更好地支持农业生态效率提升。绿色金融发展影响农业生态效率的空间竞争效应主要体现为：由于地区之间在金融资源方面存在竞争行为，当一个地区的绿色金融得到快速发展，其对绿色金融资源的需求会增加，并吸引邻近地区绿色金融资源流入。但是，过度竞争所产生的“负外部性”也容易造成绿色金融发展“以邻为壑”的结果，从而对邻近地区农业生态效率提升产生不利影响。由此，本文提出如下研究假说。

假说3：绿色金融发展对农业生态效率的提升作用存在空间溢出效应。

假说4：绿色金融发展对农业生态效率的提升作用存在空间竞争效应。

三、变量选择与数据说明

（一）变量选择

1.被解释变量：农业生态效率

现有关于农业生态效率的评价研究普遍将农业碳排放作为农业生产的“负向”产出（胡平波和钟漪萍，2019；李露和徐维祥，2021）[3-4]，并未考虑农业兼具碳排放与碳汇的双重功能特点，将农业碳汇纳入农业生态效率综合评价体系，从而导致农业生态效率的评价结果缺乏系统性和完整性。为此，本文将农业净碳汇（农业碳汇量减去农业碳源量的差额）作为农业生产的环境产出，以土地、劳动力、机械动力、农膜、农药、化肥以及灌溉为农业投入，以农业增加值和农业净碳汇①本文依据李波等（2019）[16]的研究思路测算农业净碳汇量。为农业产出，构建农业生态效率综合评价指标体系。在此基础上，利用基于径向距离函数的投入型Malmquist 指数（MI）对农业生态效率进行综合测算。t 到t+1 时期的投入型MI 用距离函数表示如下：

式中，x 和y 分别表示农业生产的投入向量和产出向量。MI＜1表示t到t+1时期农业生态效率降低，同理MI＞1、MI=1 分别表示农业生态效率提高和不变。由于MI为环比改进指数，无法直接进行回归分析，为此，本文借鉴李晓龙和冉光和（2021）[17]的做法，将其换算成定比改进指数，即令2007 年的农业生态效率为1，用2007—2008年的MI乘以2007年的农业生态效率表示2008 年的农业生态效率，以此类推计算2009—2020年的农业生态效率。

2.核心解释变量：绿色金融发展

本文借鉴李晓西和夏光（2014）[18]、高锦杰和张伟伟（2021）[19]等学者的做法，基于绿色金融的服务范围层面构建绿色金融发展水平评价指标体系（见表1），从绿色信贷、绿色证券、绿色投资、绿色保险以及碳金融五个维度综合衡量绿色金融发展水平。其中，绿色信贷水平以高耗能产业利息支出占比反映，绿色证券水平用环保企业市值占比和高耗能产业市值占比衡量，绿色投资水平以环保公共支出占比和污染治理投资占比反映，绿色保险水平用农业保险规模占比衡量，碳金融水平以金融低碳度表征。在构建评价指标体系基础上，本文借鉴傅亚平和彭政钦（2020）[20]的做法，利用熵值赋权法对2008—2020年我国绿色金融发展水平综合指数进行测度。

表1 绿色金融发展水平评价指标体系

3.其余变量：门槛变量与控制变量

本文门槛变量为农村人力资本，以中央财经大学人力资本与劳动经济研究中心测算的农村实际人力资本（万元）来衡量①该数据基于J-F 收入法通过预期终生收入现值测算人力资本水平，综合考虑了教育、健康、干中学等多种人力资本要素。而传统采用人均受教育年限衡量人力资本水平的做法，忽略了知识累积效应以及技能水平提升等作用，进而可能低估人力资本。。具体而言，分别选取农村实际人均人力资本（AHU）与农村实际人均劳动力人力资本（LHU）两类指标对比考察。本文控制变量包括：（1）农业机械化投入力度（AMI），以农业机械总动力与农作物总播种面积的比值（千瓦/公顷）衡量；（2）财政支农投入力度（FAI），以地方财政农林水事务支出占地方财政一般预算支出的比重表示；（3）农业受灾率（DIS），用农作物受灾面积占农作物总播种面积的比重反映；（4）工业化水平（IND），以工业增加值占地区生产总值的比重表示；（5）信息化程度（IFM），以农村每户移动电话机拥有量（部）衡量。

（二）数据说明

本文研究样本包括2008—2020 年我国30 个省份（不含西藏和港、澳、台地区），相关数据来自各年份的《中国统计年鉴》《中国农村统计年鉴》《中国工业统计年鉴》《中国环境统计年鉴》《中国保险年鉴》、各省份统计年鉴以及国泰君安数据库。为了保证研究数据的可比性，本文对所有涉及价格因素的变量均以2008年为基期进行平减处理。表2为本文主要变量描述性统计结果。其中，农业生态效率均值为1.1648，标准差为0.2441，这表明我国各省份农业生态效率的差异较大。绿色金融发展均值为0.4471，反映出样本期间我国绿色金融发展水平整体较低，绿色金融发展对农业生态效率的影响效应有待进一步的实证验证。

表2 主要变量描述性统计结果

四、实证检验与结果分析

（一）基准回归分析

1.基准模型构建

本文首先检验绿色金融发展对农业生态效率的基准影响，并构建如下面板固定效应模型：

式中，AEE 为农业生态效率，i、t 分别表示省份和年份，α 为常数项，GFD 为绿色金融发展，AHU 为农村实际人均人力资本，LHU 为农村实际人均劳动力人力资本，X 为控制变量，μi为个体效应，εit为随机扰动项。

2.基准模型回归

表3 的基准模型回归结果显示，在不包含控制变量和包含控制变量两种情况下，核心解释变量绿色金融发展（GFD）对农业生态效率的影响系数均显著为正，且至少通过5%的显著性水平检验，这表明绿色金融发展有利于提升农业生态效率，从而验证了本文研究假说1。如前文所述，绿色金融发展通过影响农业领域的绿色投资规模、绿色资本配置以及绿色研发创新，不仅可以促进农业经济效益增长，还能够维护农业生态环境平衡，进而对农业生态效率提升产生积极作用。以农村实际人均人力资本（AHU）和农村实际人均劳动力人力资本（LHU）作为农村人力资本的衡量指标时，其对农业生态效率的影响系数均在1%的水平上显著为正，这说明农村人力资本作为促进农业经济发展的关键要素，是有效提升农业生态效率的重要动力。

表3 基准模型回归结果

根据控制变量回归结果，农业机械化投入力度（AMI）对农业生态效率的影响系数显著为负，这说明农业机械化投入力度的增强虽然提升了农业劳动效率，但也带来了化石能源在农业领域的大规模使用，由此产生的农业污染排放阻碍了农业生态效率提升。财政支农投入力度（FAI）的回归系数在1%的水平上显著为负，这表明财政支农投入力度不足抑制了其对农业生态效率的正向促进作用。工业化水平（IND）对农业生态效率的影响系数同样显著为负，这说明在工业化水平越高的地区，以工业化方式发展农业的程度越高，由此加剧了污染排放且不利于农业生态效率提升。信息化程度（IFM）有利于提升农业生态效率，这表明农业信息化程度越高的地区，对农业先进技术的学习、引进与吸收越充分，有助于增加农业经济效益和减少农业污染排放。此外，农业受灾率（DIS）的回归系数均为负数，但未能通过显著性水平检验，这表明农业受灾率对农业生态效率的影响效果尚不明显。

（二）门槛效应检验

在实证检验绿色金融发展影响农业生态效率的农村人力资本门槛效应前，需要验证该门槛效应的存在性。为此，本文借鉴Hansen（1999）[21]的研究思路，首先通过识别门槛值的数量以确定面板门槛模型的具体形式。分别假定存在1 个门槛值（单一门槛）、2 个门槛值（双重门槛）和3 个门槛值（三重门槛）三种情况，采用Bootstrap 方法进行检验，结果见表4。根据表中不同情况所对应的F 统计值与P 值结果，农村实际人均人力资本（AHU）和农村实际人均劳动力人力资本（LHU）均通过了单一门槛效应检验，这表明以农村实际人均人力资本和农村实际人均劳动力人力资本作为门槛变量时，需要构建面板单一门槛回归模型。

表4 门槛效应检验结果

在确定面板门槛模型具体形式后，通过绘制似然比函数图，借助最小残差平方和（即LR 图中的最低点）估计不同门槛变量对应的门槛值，结果如图1和图2 所示。其中，农村实际人均人力资本（AHU）的单一门槛估计值为14.1720，农村实际人均劳动力人力资本（LHU）的单一门槛估计值为10.8230。与此同时，上述两个门槛估计值对应的LR统计值均明显小于临界值7.3500（图中的虚线），且通过了5%的显著性水平检验，这表明本文估计的门槛值真实有效。

图1 AHU门槛值的LR图

图2 LHU门槛值的LR图

（三）空间自相关性检验

在实证检验绿色金融发展影响农业生态效率的空间效应前，必须确保被解释变量（农业生态效率）具有空间自相关性。为此，本文借鉴陈强（2014）[22]的做法，设定邻接空间权重矩阵和反距离空间权重矩阵①邻接空间权重矩阵的设定方法为：当省域单位相邻时，权重取值为1，否则为0。该矩阵目前应用最广泛，能够反映周边相邻省域对本省域的空间效应，但无法体现其他非相邻省域的空间效应。为此，本文进一步设定反距离空间权重矩阵以检验结果稳健性，该矩阵假定省域间的空间效应取决于地理距离，并随距离增大而递减。反距离空间权重矩阵采用基于省会城市间球面距离平方的倒数表示。，利用Moran’s I 指数检验我国省域层面农业生态效率的空间自相关性，结果如表5 所示。其中，在采用邻接空间权重矩阵的情形下，农业生态效率的Moran’s I 指数在样本期间均大于0，指数数值在0.1630—0.2700 之间波动，除2019 年外其他年份至少通过10%的显著性水平检验，这表明农业生态效率存在正向空间自相关性。与此同时，在采用反距离空间权重矩阵的情形下，农业生态效率的Moran’s I指数在绝大部分年份亦显著为正，指数数值在0.0100—0.0900 之间波动，再次印证农业生态效率存在显著的正向空间自相关性。由此可知，我国农业生态效率在省域层面的空间分布并非随机生成，而是具有显著的空间集聚特征，该结论为后文构建面板空间计量模型实证检验绿色金融发展影响农业生态效率的空间效应提供了数据支撑。

表5 2008—2020年我国农业生态效率的Moran’s I检验结果

（四）空间门槛模型回归分析

1.空间门槛模型构建

根据农村人力资本的门槛效应检验结果与农业生态效率的空间自相关性检验结果，为了科学探究绿色金融发展对农业生态效率的影响，本文将门槛效应和空间效应纳入统一检验框架，在式（2）基础上构建如下面板空间门槛模型：

式中，ρ 为空间自相关系数；W 为空间权重矩阵（邻接空间权重矩阵和反距离空间权重矩阵）。根据表4 的检验结果，农村人力资本存在单一门槛值，为此，本文将农村人力资本的较低水平设为基期，引入虚拟变量D，构建绿色金融发展（GFD）与虚拟变量D的交叉项GFD×D，分析农村人力资本较高水平下绿色金融发展对农业生态效率的影响。根据农村人力资本的衡量指标，虚拟变量D 具体分为D1 和D2 两类：

2.空间门槛模型回归

根据Hausman 检验、赤池信息准则（AIC）与自然对数似然函数值（Log likelihood）检验结果，本文选择空间固定效应模型进行回归，回归结果详见表6。其中，基于邻接空间权重矩阵和反距离空间权重矩阵的空间门槛模型回归结果总体差异较小，这表明模型非常稳健。在两种空间权重矩阵下，分别以农村实际人均人力资本（AHU）和农村实际人均劳动力人力资本（LHU）作为门槛变量时，空间自相关系数ρ均在1%的水平上显著为正，再次证实我国省域层面农业生态效率具有显著的空间自相关性，即省域农业生态效率提升会受到邻近省域农业生态效率的积极影响。绿色金融发展（GFD）的回归系数在所有模型中均不显著，这表明在农村人力资本水平较低的省份，绿色金融发展未能有效提升农业生态效率；与此同时，绿色金融发展（GFD）与虚拟变量D1 和D2 的交叉项（GFD×D1、GFD×D2）的回归系数在邻接空间权重矩阵和反距离空间权重矩阵下均显著为正，这表明在农村人力资本水平较高的省份，绿色金融发展有利于提升农业生态效率。上述结果证实本文研究假说2 成立，即绿色金融发展对农业生态效率的提升作用存在农村人力资本门槛效应。

表6 空间门槛模型回归结果

（五）空间门槛模型的空间效应分解

为了准确测度绿色金融发展影响农业生态效率的空间效应，本文借鉴LeSage 和Pace（2009）[23]的做法，将面板空间门槛模型的回归系数分解为直接效应、间接效应和总效应，其中，间接效应为正表明存在空间溢出效应，相反则存在空间竞争效应。表7为邻接空间权重矩阵和反距离空间权重矩阵下的空间效应分解结果。

表7 空间效应分解结果

首先，根据直接效应估计结果，绿色金融发展（GFD）的系数并不显著，绿色金融发展与虚拟变量D1 和D2 交叉项（GFD×D1、GFD×D2）的回归系数显著为正，这表明在农村人力资本水平较高的省份，绿色金融发展有利于促进当地农业生态效率提升，再次验证了本文研究假说2。其次，根据间接效应估计结果，绿色金融发展与虚拟变量D1 和D2 的交叉项（GFD×D1、GFD×D2）的回归系数在1%的水平上显著为正，这表明在农村人力资本水平较高的省份，绿色金融发展对邻近省域农业生态效率提升具有显著的空间溢出效应，从而验证了本文研究假说3。相比于邻接空间权重矩阵，绿色金融发展对农业生态效率的空间溢出效应在反距离空间权重矩阵下更为显著。一方面，各省域的地理范围差异较大，绿色金融发展对农业生态效率的空间溢出效应更加依赖于实际地理距离而非省域邻接状况；另一方面，在合理度量空间距离并且纳入空间效应的情形下，绿色金融发展对周边省域产生更为强烈的空间溢出效应，有助于提升邻近省域农业生态效率。绿色金融发展（GFD）的系数在邻接空间权重矩阵下为负，但并未通过显著性水平检验，这表明在农村人力资本水平较低的省份，绿色金融发展对农业生态效率的空间竞争效应并不显著，即本文研究假说4不成立。再次，根据总效应估计结果，绿色金融发展与虚拟变量D1 和D2 交叉项（GFD×D1、GFD×D2）的回归系数显著为正，这说明考虑本地效应和空间溢出效应后，绿色金融发展对农业生态效率的提升作用依旧存在农村人力资本门槛效应，即在农村人力资本水平较高的省份，绿色金融发展整体上有利于提升农业生态效率。

五、研究结论与政策启示

（一）研究结论

第一，门槛效应与空间效应是绿色金融发展影响农业生态效率过程中不可忽略的重要因素。绿色金融发展对农业生态效率的影响存在基于农村人力资本的单门槛特征；农业生态效率存在正向的空间自相关性，其在省域层面的空间分布并非随机生成，而是具有显著的空间集聚特征。

第二，考虑空间因素后，绿色金融发展对农业生态效率的提升作用存在农村人力资本门槛效应。在农村人力资本水平较高的省份，绿色金融发展有利于提升农业生态效率；在农村人力资本水平较低的省份，绿色金融发展未能提升农业生态效率。

第三，绿色金融发展对农业生态效率的提升作用存在空间溢出效应而非空间竞争效应。在农村人力资本水平较高的省份，绿色金融发展对农业生态效率的提升作用存在空间溢出效应，即绿色金融发展不仅有利于提升本地区农业生态效率，而且促进了邻近地区农业生态效率提升；在农村人力资本水平较低的省份，绿色金融发展对农业生态效率的空间竞争效应并不显著。

（二）政策启示

首先，着力加强绿色金融产品和服务供给，满足农业绿色生态发展的多样化绿色金融需求。积极创新适合农业绿色生态发展的绿色融资方式，促进绿色信贷、绿色债券等快速发展，构建多层次的绿色金融融资体系，不断扩大绿色资金来源；持续探索排污权质押、农业保单质押、土地承包经营权抵押、大型农机具抵押、农民住房抵押等抵质押方式，满足农业绿色生态发展项目的融资抵押担保需求；集中优势绿色金融资源，支持农业园区循环化改造以及生态农业示范区建设，不断优化农业绿色生态发展空间。

其次，加快提升农村人力资本水平，为绿色金融发展支持农业生态效率提升创造有利条件。加大农村人力资本投资力度，制定详细的农村人力资源开发政策，建立健全针对现代农业经营主体及广大农户的教育培训体系，提升农业劳动力素质；依托涉农金融机构推动金融知识下乡，加强对农村居民金融知识的普及，提升其金融资源配置能力和金融风险识别防范能力；畅通城镇人力资源下乡通道，“以城带乡”促进农村教育事业发展，加速提高农村教育水平，努力缩小城乡人力资本差距。

再次，因地制宜完善绿色金融发展措施，因势利导加强区域绿色金融合作。针对农村人力资本水平较低的省份，要进一步加速农村人力资本积累，一方面为本地区绿色金融发展提供智力支撑，另一方面为吸纳邻近省份的绿色金融资源流入营造良好环境；在农村人力资本水平较高的省份，应防止“虹吸效应”导致绿色金融资源极化现象发生，注重引导绿色金融资源的合理流动与优化配置，强化绿色金融发展的跨区域合作，充分发挥绿色金融发展对农业生态效率的空间溢出效应，辐射带动邻近地区农业生态效率的有效提升。