数字乡村发展对农业碳排放强度的影响效应及作用机制检验

杨 雪，王永平，王 静

（贵州财经大学 经济学院，贵阳 550025）

0 引言

中国数字乡村发展尚处于起步阶段，目前学术界的相关研究主要集中于数字乡村的概念内涵与评价体系、现状特征与面临的困境、理论逻辑与实践路径等方面[1,2]。部分学者进一步探究了数字乡村发展与乡村振兴、农业高质量发展和乡村数字治理的内在关联和作用机制[3,4]，普遍肯定了数字乡村发展对农村社会经济发展的积极作用。围绕农业碳排放这一主题，部分学者从指标体系构建与测算、现状特征与影响因素、农业碳排放效率测度与碳减排潜力剖析等方面进行了研究[5,6]，为准确把握农业碳排放现状提供了可靠依据。

目前，有关数字化转型碳减排效应的研究主要立足于城市发展，从产业集聚、绿色技术创新、产业结构升级等方面考察了数字经济发展对城市碳排放的影响[7,8]，而基于数字乡村发展视角探讨农业减排降碳机制的文献尚不多见。此外，城市碳排放来源主要为能源消耗、工业制造、居民消费等，针对第二、三产业提出的节能减排路径未必适用于农业生产。鉴于此，本文基于2011—2020 年中国31个省份的面板数据，利用纵横向拉开档次法和双向固定效应模型考察数字乡村发展对农业碳排放强度的影响效应及作用机制，并从地理区位、农业生产功能和农业生产对象三个方面探究数字乡村发展赋能农业低碳转型的差异，为寻找兼顾农业现代化和绿色低碳转型的有效路径提供实证依据和决策参考。

1 研究假设

1.1 数字乡村发展降低农业碳排放强度的理论分析

数字乡村发展降低农业碳排放强度的理论逻辑如下：第一，数字乡村发展是驱动农村经济发展的重要引擎。数字乡村发展通过数据信息要素推动生产经营全过程的数字化转型和农业价值链延伸[9]，创造出依托现代信息技术的精准农业、数字农业、智慧农业等新发展模式，有效降低农业生产风险和成本，提高生产效率，实现规模经济效应[10]，从而助推农村经济高质量发展。第二，数字乡村发展有助于农业固碳增汇。数字乡村发展包含农业绿色生产和农村生态保护信息化，数字化信息技术手段有助于实现农业数据资源管理和农业生态环境监测。农业基础设施的数字化升级和生产要素投入的精细化管理能够提高资源利用效率，减少化肥、农药滥用和农用能源消耗，继而降低农业碳排放总量。农田土壤和排放气体的动态监测为生态环境修复和污染防治提供了决策支持，有助于提升农业固碳增汇能力。第三，数字乡村发展有利于推动绿色低碳消费。数字技术的运用能够有效实现农产品溯源，满足消费者对绿色低碳产品日益增长的需求，进一步激发需求引致效应[11]，通过网络媒介和消费平台精准对接市场，从需求端倒逼农业经营主体低碳生产，扩大绿色低碳农产品的有效供给。第四，数字治理理论认为，数字技术应用与政府治理的有机结合能够带动政府治理模式和治理效能的改善和提升[12]，为社会公众提供成本更低、效果更佳、效率更高的公共服务。通过大数据集成空气质量、河流水质、污染排放等环境信息辅助农事科学决策，能减少浪费和污染，提高生产效率，在提升政府资源环境监管能力的同时，为农业绿色低碳转型提供政策支持。由此，本文提出假设1：

假设1：数字乡村发展能显著降低农业碳排放强度。

1.2 数字乡村发展降低农业碳排放强度的传导机制

1.2.1 规模经营效应

数字乡村发展能促进农业规模化和集约化经营，提升要素配置效率，继而降低农业碳排放强度。随着生产要素约束和生态环境污染的加剧，以家庭为单位的分散经营模式对农业标准化生产和规模化经营的制约日益突出[13]，严重阻碍了农业可持续发展。数字乡村发展能以数据要素为切口，依托信息基础设施和互联网技术，引导要素集聚、技术渗透和机制创新[11]，并通过数据信息要素与传统生产要素的深度融合，加速小农主导的分散经营向适度规模经营的转变，有效缓解信息不对称，充分发挥规模效应和资源集聚效应[14]，形成规模化、集约化、绿色化的数字农业基地。而农业适度规模经营的组织化程度较高，有助于先进技术的推广和生产经营决策，转变农业生产经营方式，发展农牧互补、种养结合、秸秆还田等循环利用模式[9]，推进智能化设施农业和高标准农田建设，通过调整种植结构和农业机械投入强度改善农地利用方式，实现农田生态系统增汇和农业节能减排工程化。农业向规模化经营转变有助于实现劳动效益、技术效益和经济效益的最佳结合，促进资源的配置优化和高效利用，继而促进农业减排降碳。由此，本文提出假设2：

假设2：数字乡村发展通过规模经营效应降低农业碳排放强度。

1.2.2 结构优化效应

数字乡村发展能够促进产业结构合理化和高级化，提高产业链整体运行效率，继而降低农业碳排放强度。长期以来，中国农业发展面临质量和效益不平衡的结构性矛盾，农业产业链狭窄、价值链低端，过度依赖化肥、农药和资源环境，致使农业面源污染和温室气体排放问题日益突出。而数字技术具有强渗透性和广覆盖性，是促进产业结构动态变化的重要驱动力[14]。一方面，在共享数据和数字技术的支撑下，数字乡村发展能够突破传统农业发展桎梏，利用数字化、智能化的商务平台有效对接市场需求，加快资源要素流动，同时还能推动农产品生产流通去中介化，降低决策预警、信息传递、产品运输等环节的交易成本与价值损耗[15]，提高资源利用效率和降污减排效率，从而有助于减少碳排放。另一方面，数字乡村发展以现代信息网络为载体，通过数字技术关联农产品精深加工、农村电子商务、数字普惠金融、旅游康养等产业，推进产业链交叉整合和价值链跃升[16]，提升产业结构高级化水平，从而减少农村发展对高碳能源的依赖，降低单位产出的能源消耗，助推农业向绿色化、低碳化转型[1]。由此，本文提出假设3：

假设3：数字乡村发展通过结构优化效应降低农业碳排放强度。

1.2.3 技术进步效应

数字乡村发展能够强化科技创新，有助于农业农村发展提质增效，继而降低农业碳排放强度。在农业生产实践中普遍存在化肥和农药用量超标、秸秆粪污资源化利用率低下、生产机械化效率不高等问题[13]，而以数字信息技术为代表的技术进步有利于提高要素利用效率，促进减排降碳，破解资源环境约束[17]。数字乡村发展依托数据资源、现代信息网络和信息通信技术激发乡村发展内生动力，赋能农业科技创新，促进农业生产向绿色低碳发展[18]。一方面，随着信息技术在农业领域的推广应用，数字乡村发展通过遥感、无人机、物联网等技术创新引领化肥和农药减量增效、废弃物资源化开发利用以及污染监管治理，实现农业生产的自动化控制和智能化管理，提高农业生产效率和农田碳汇能力[3]，促进农业向精准化、环保型和可持续方向发展。另一方面，农业技术进步在显著抑制本地农业碳排放强度的同时，还会产生空间溢出效应，促进区域间的良性互动，通过技术扩散带动周边地区碳排放量的减少[19]。由此，本文提出假设4：

假设4：数字乡村发展通过技术进步效应降低农业碳排放强度。

2 研究设计

2.1 模型设定

为考察数字乡村发展对农业碳排放强度的影响，本文利用中国31 个省份2011—2020 年的面板数据，构建双向固定效应模型展开实证。模型设定如下：

其中，i表示地区，t表示年份，intensityit为被解释变量农业碳排放强度，digitalit表示数字乡村发展水平，controlit为控制变量，μi为地点固定效应，γt为时间固定效应，εit表示随机误差项。a是估计系数，若a1显著，则表明数字乡村发展对农业碳排放强度的作用明显，其正负性反映作用方向。

此外，为进一步探究数字乡村发展影响农业碳排放强度的作用机制，本文在式（1）的基础上，构建如下模型：

式（2）检验的是数字乡村发展水平与机制变量（med）之间的关系，机制变量包括规模经营效应（scale）、结构优化效应（struct）和技术进步效应（tech），分别用家庭承包经营耕地面积、以1990 年为基期的实际农副产品加工业规模以上企业主营业务收入和机耕面积衡量。其他变量设定同式（1）。

本文参考江艇（2022）[20]的研究，为避免过度使用中介效应逐步法检验传导机制的问题，采用该文对中介效应分析的操作建议，取消第三步估计间接效应的大小、检验统计显著性等操作。目前学界已有较为丰富的文献对规模经营效应、结构优化效应以及技术进步效应通过提高资源利用效率继而降低农业碳排放进行了证明，因此本文从理论上较为肯定地接受上述机制变量降低农业碳排放的结论，在实证上仅检验了数字乡村发展水平对三个机制变量的影响。

2.2 变量选取

2.2.1 被解释变量

本文的被解释变量为各省份的农业碳排放强度（intensity）。农业碳排放来源不仅包含农用能源和物资的终端消耗，还涉及农业生产对象（如农作物、牲畜）的生命周期全过程。本文借鉴田云和尹忞昊（2022）[21]的做法，基于农用能源及物资投入、水稻种植、畜禽养殖三种来源测算农业碳排放总量。具体公式如下：

其中，C表示农业碳排放总量,Ci表示各类碳源的碳排放量，Ti和δi分别表示各类碳源的实际消耗数量及其所对应的碳排放系数。其中，农用能源利用和农用物资投入引发碳排放，本文计算了农用柴油、化肥、农药、农膜的碳排放①农用柴油使用量、化肥施用折纯量、农药使用量和农用塑料薄膜使用量对应的碳排放系数分别为0.5927kg/kg、0.8956kg/kg、4.9341kg/kg和5.1800kg/kg。为了统一计算口径，本文参考IPCC 第四次评估报告，将各类温室气体换算成标准二氧化碳，其中，碳、甲烷、氧化亚氮的二氧化碳转换系数分别为44/12、25、298。；水稻种植引发甲烷排放，鉴于各地水稻生长周期和环境的双重差异，本文分早稻、中稻、晚稻三类来计算碳排放量；畜禽养殖会导致甲烷与氧化亚氮排放，本文主要考察奶牛、肉牛、骡等十一类主要畜禽肠道发酵和排泄物释放的温室气体。农用能源物资碳排放系数参考胡婉玲等（2020）[22]的研究，水稻种植、畜禽养殖碳排放系数以及畜禽年平均饲养量的调整均参考闵继胜和胡浩（2012）[5]的研究。最终，本文使用农业碳排放总量与农林牧渔业总产值（通过GDP平减指数转换为1990年的实际值）的比值衡量农业碳排放强度（intensity）。

2.2.2 核心解释变量

表1 数字乡村发展水平评价指标体系

2.2.3 其他变量

考虑到数据的可得性，本文选取家庭承包经营耕地面积作为规模经营效应（scale）的代理变量。因为农地承包经营权流转、社会化服务、农作制度创新都是促进适度规模经营的途径，而家庭承包经营耕地面积越大，对农业适度规模化经营的要求就越高。农产品加工业是构建农业全产业链的核心，向前可对接原材料供应，向后可延伸至配送和销售，本文使用农副产品加工业规模以上企业主营业务收入衡量结构优化效应（struct）。本文借鉴陈国生等（2020）[24]的做法，使用反映农业耕作机械化程度的指标——农业机耕面积来表征技术进步效应（tech）。

为了控制31个省份农业发展特征对农业碳排放强度的影响，本文参考以往文献的设定，选取财政支农强度（govern）、农业发展基础（first）、农业种植结构（grain）、城乡居民收入差距（disparity）、受灾比例（disaster）作为控制变量（见下页表2），探讨数字乡村发展对农业碳排放强度的影响，并以规模经营效应（scale）、结构优化效应（struct）和技术进步效应（tech）作为机制变量来分析其作用机制。所有价值变量，如农林牧渔业总产值、农副产品加工业规模以上企业主营业务收入等均以1990 年为基期，采用GDP平减指数进行折算，以消除价格因素的影响。

表2 变量定义及描述性统计

2.3 数据来源与描述性统计

鉴于北京大学数字普惠金融指数从2011年才开始披露，本文选取中国31 个省份（不含港澳台）2011—2020 年的面板数据作为样本。文中所涉及的数据来自历年《中国统计年鉴》《中国农村统计年鉴》《中国农业机械工业年鉴》《中国农村经营管理统计年报》以及EPS 数据库。部分缺失数据运用插值法和均值法补齐。为避免异常值对估计结果的影响，本文对所有连续变量的数据进行上下1%的缩尾处理。描述性统计如表2所示。

3 实证分析

3.1 基准回归分析

本文考察了数字乡村发展对农业碳排放强度的直接影响，结果如下页表3所示。考虑到面板数据在个体和时间维度上可能会受到不可观测因素的干扰，本文控制了地点和年份层面的固定效应。表3列（1）和列（2）显示，无论是否控制各省份的农业发展差异，核心解释变量数字乡村发展水平对农业碳排放强度的回归系数均在5%的水平上显著为负，表明数字乡村的发展在一定程度上有助于农业碳排放强度的降低，假设1 成立。此外，本文考察了数字乡村发展对不同来源的农业碳排放强度的影响。表3 列（3）至列（5）显示，数字乡村发展水平的提升从不同维度显著降低了农业碳排放强度，其中，种植业的减排降碳效果最为明显，畜牧业次之，农用能源和物资最后。原因可能是，数字乡村发展通过数字赋能农业生产经营全过程，促进了农药化肥减量增效、农机节能减排以及种植业和畜牧业的规模化经营。可见，数字乡村发展在推动新型信息技术与农村社会经济发展深度融合的同时，也有助于赋能农业绿色低碳转型。

表3 数字乡村发展对农业碳排放的影响效应

3.2 内生性分析

本文可能的内生性来源如下：一是虽然选用多个控制变量，并采用双向固定效应模型进行估计，但难免会遗漏重要解释变量，导致参数估计有偏。二是数字乡村发展水平是基于指标体系计算所得，因数据获取受限，可能存在不可观测因素、测量误差等问题。三是数字乡村发展与农业碳排放之间可能存在双向因果关系，数字乡村发展通过数字技术改造农业生产环节，在促进技术升级与节能增效的同时，也能助力农业减排降碳，而农业减排降碳也意味着提升农业综合生产能力，农机绿色节能、化肥减量增收和污染精准治理都离不开数字技术的加持。本文借鉴赵涛等（2020）[25]的做法，选取各省份1984年每百人固定电话数与各省份上一年农林牧渔业全社会固定资产投资额（已按GDP平减指数调整为1990年的实际值）的交乘项作为工具变量，分别使用两阶段最小二乘法（2SLS）和广义矩估计（GMM）法识别数字乡村发展影响农业碳排放强度的净效应。工具变量选择依据如下：传统邮电通信业是农村通信业的前身，而数字乡村发展离不开信息基础设施建设，两者满足相关性条件；但随着“互联网+”、云计算、人工智能等新兴通信技术的发展，传统电信行业对当代经济社会的影响日渐式微，更难影响到农业碳排放，故在一定程度上满足外生性条件。

表4 列（1）至列（4）依次为2SLS 和GMM 的回归结果。两种方法的第一阶段结果均显示，该工具变量digital_iv与内生变量数字乡村发展水平digital显著正相关。在弱工具变量检验中Wald 统计量大于10%水平上的临界值，说明所选的工具变量较为合理，对数字乡村发展水平具有解释力。在第二阶段的回归中，数字乡村发展水平的影响效应均在5%的水平上显著为负，并且LM统计量显著拒绝工具变量识别不足的原假设。这表明在考虑内生性后，数字乡村发展水平的提升对农业碳排放强度的降低依旧具有显著的促进作用，进一步支持了基准回归的结果。

表4 工具变量回归结果

3.3 稳健性检验

基准回归中使用了基于农用能源物资、种植业和畜牧业计算的农业碳排放强度作为被解释变量进行回归估计，为了增强结论的稳健性，本文借鉴胡婉玲等（2020）[22]的做法，重新测算农业碳排放强度①化肥、农药、农用薄膜、农用柴油、农业播种面积和农业灌溉面积的碳排放系数分别为0.8956kg/kg、4.9341kg/kg、5.1800 kg/kg、0.5927 kg/kg、3.1260kg/hm2和25.0000 kg/hm2。。下页表5 列（1）表明，在替换被解释变量后，数字乡村发展水平的回归系数依然在5%的水平上显著为负，表明数字乡村发展显著降低农业碳排放强度的结论仍然成立。此外，本文还采用以下两种方法进行稳健性检验：（1）排除碳排放权交易试点、排污权交易市场设立、国家生态文明试验区建设等环境规制政策的干扰，在基准回归中加入相应政策的虚拟变量；（2）考虑到影响的时滞性，本文对数字乡村发展水平进行滞后一期处理。表5列（2）至列（5）表明，数字乡村发展能显著降低农业碳排放强度的结论依然稳健。

西汉河平三年（公元前26年），杰出学者刘向受命主持大规模的书籍整理工作，并在每一部书籍整理完毕时，撰写一篇叙录，记述此部书的作者、内容、学术价值及校雠过程。这些叙录汇集成《别录》，是我国最早的官修图书综合目录。

表5 稳健性检验回归结果

4 进一步分析

4.1 作用机制分析

本文从规模经营效应、结构优化效应和技术进步效应三个方面来分析数字乡村发展对农业碳排放强度的影响机制，结果见表6。列（1）表明，数字乡村发展水平的提升有利于农业碳排放强度的降低。列（2）至列（4）表明，在考虑固定效应和控制变量的条件下,数字乡村发展水平对规模经营效应、结构优化效应、技术进步效应的回归系数均在1%的水平上显著为正，其中促进技术进步的效果最明显，规模化经营次之，产业结构优化最后。这可能是因为数字乡村发展依托物联网、大数据、人工智能等信息技术对农业传统基础设施进行数字化重塑，直接实现农业经营、管理与服务技术的创新供给。实证结果表明，数字乡村发展显著扩大了农业适度规模经营水平，促进了农业产业结构的优化，加快了农业创新科技的运用，在提升农业生产运营效率和要素资源配置效率的同时，减少了能源物资消耗和污染物排放，继而有效降低了农业碳排放强度，假设2至假设4得证。

表6 作用机制检验的估计结果

4.2 异质性分析

4.2.1 地理区位异质性

整体上数字乡村发展显著降低了农业碳排放强度，但区域间农业自然资源基础、农业经济发展、农业生产特征存在不同，可能会使得该影响存在较大的区域差异。《中国数字乡村发展报告2021：基于媒体大数据的评估》中指出，数字乡村发展呈现东部地区领先、中部地区跟随、西部和东北地区局部突出的区域特征。本文参考国家统计局的划分标准，按东、中、西三大地区分组考察数字乡村发展影响农业碳排放强度的区域差异。表7列（1）至列（3）显示，西部地区的估计系数值通过了5%水平的显著性检验，而东部地区未通过，表明数字乡村发展对西部地区农业碳排放强度的抑制作用比东部地区明显。可能是因为西部地区凭借信息技术突破了传统农业发展的时空障碍，形成电子商务、订单农业、旅游康养等新业态，降低了对化肥、农药、机械和能源的依赖，从源头上减少了农业碳排放，加之良好的森林碳汇基础，使得数字乡村发展降低西部地区农业碳排放强度的作用更加明显。

表7 异质性检验结果

4.2.2 农业生产功能异质性

基于农业生产功能定位的差异，本文根据《国家粮食安全中长期规划纲要（2008—2020 年）》划分出粮食主产区、主销区和产销平衡区三类样本进行分组回归。表7列（4）至列（6）显示，粮食主销区的估计系数未通过显著性检验，而主产区和平衡区的估计系数均在1%的水平上显著，表明数字乡村发展对农业碳排放强度的抑制作用在粮食主销区不显著，但在主产区和平衡区十分显著。这可能是因为粮食主产区和平衡区更具规模化、集约化生产优势，数字乡村发展进一步促进了农业现代化生产，提高了农药、化肥、农机和能源的使用效率，加之循环耕作模式和土壤培肥固碳的推行，加速了农业碳减排的实现。

4.2.3 农业生产对象异质性

种植业关系到耕地保护红线和保障粮食安全，其碳排放的降低难以直接体现在耕地面积和粮食产量的减少上，而是以技术进步、优化耕作等方式实现。鉴于种植业和畜牧业的生产差异，本文以400 毫米等降水量线为界，划分种植业区和畜牧业区①400毫米等降水量线以西的内蒙古、西藏、甘肃、青海、宁夏和新疆6个省份主要从事畜牧业生产，其余省份则主要从事种植业生产。进行异质性分析。表7 列（7）和列（8）表明，种植业区和畜牧业区的估计系数分别在5%和10%的水平上显著，表明数字乡村发展能降低种植业区和畜牧业区的农业碳排放强度，且在畜牧业区的效果好于种植业区。种植业区和畜牧业区通过信息化手段实现传统农业生产设施升级，推动农作物生长和畜禽饲养的精准管理，减少化学投入和能源消耗。畜牧业区集约化经营有利于推广种养结合、稻田养鸭、粪污还田和可再生能源产业融合发展，在提升秸秆粪污资源化利用效率的同时，还能丰富土壤有机质含量，增强土壤固碳能力。

5 结论与建议

本文基于2011—2020 年中国31 个省份的面板数据，利用双向固定效应模型分析了数字乡村发展对农业碳排放强度的影响，并进行了作用机制检验。结论如下：（1）数字乡村发展能显著降低农业碳排放强度；（2）数字乡村发展通过规模经营效应、结构优化效应和技术进步效应降低农业碳排放强度；（3）数字乡村发展对农业碳排放强度的抑制作用在中西部地区、粮食主产区和平衡区以及种植业区和畜牧业区尤为显著。

据此，本文提出如下建议：

（1）加强乡村数字基础设施建设，促进农业适度规模经营。通过物联网、云计算、人工智能等现代信息技术推动传统基础设施向数智化发展，关联农业生产、流通和销售，实现集约化经营，促进资源有效配置和高效利用。粮食主产区需推动高标准农田建设，依托规模化经营推广种养结合和秸秆还田的循环利用模式，降低化肥、农药和能源消耗，继而降低农业碳排放。

（2）培育乡村新产业新业态，推动农村产业结构升级优化。通过网络媒介精准对接消费需求，降低农业产前、产中、产后的碳排放，加强数据要素与传统农业的深度融合，促进供应链智能化和产业链延伸，减少对高碳能源的依赖。中西部地区更应发挥资源环境优势，利用数字乡村发展培育农村电商、休闲旅游、绿色农产品生产等高附加值产业，助推乡村绿色低碳转型。

（3）加快农业数字化改造，推动农业技术进步和绿色低碳发展。探索运用信息技术构筑现代化农业信息体系，提升要素利用效率和环境治理能力。在种植业区和畜牧业区建立智能灌溉系统和和追溯监测体系，实施精准施肥和畜牧饲喂，加强畜禽粪污监管治理。此外，应推动农村生物质能开发，实现农药、农机减量和农业废弃物资源化利用。