基于省级面板数据的农村金融发展水平对农业碳排放的影响分析

顾 蔚，谈 鑫，张海洋，丁子健

（中研绿色金融研究院，江苏南京 211803）

农业活动是温室气体排放的重要来源之一，受到中国及国际社会的高度关注。根据联合国粮食与农业组织数据统计，超过30%的全球人为温室气体排放量来源于农业用地；同时，我国约17%的碳排放总量来自农业，且农业碳排放量仍持续以平均1.46%的速度上涨[1-2]。而超量温室气体排放导致的气候变化，又通过改变降雨模式、虫害压力模式、季节和昼夜的温度变化模式与更频繁的极端天气等方式反噬农业活动，降低农业生产力。农业碳排放问题日益严峻，控制农业高碳排、发展绿色低碳农业是重中之重。2021 年农业农村部等6 部门联合印发的《“十四五”全国农业绿色发展规划》和2022年农业农村部联合国家发改委印发的《农业农村减排固碳实施方案》，明确提出要强化农业绿色发展科技动能、提高农业资源利用效率、推进农业农村减排固碳，构建绿色低碳循环发展的农业产业体系。

金融发展规模和效率影响着经济活动中的碳排放水平[3]。2017 年《农业部中国农业银行关于推进金融支持农业绿色发展工作的通知》提出，要构建多层次、广覆盖、可持续的农业绿色发展金融服务体系，通过金融支持农业科技创新、金融支持农业结构调整、金融支持农业面源污染治理，推进绿色农业发展。那么金融如何促进农业低碳转型、减排效果又如何？厘清农村金融发展对农业碳排放的影响，对提升农业绿色发展金融服务体系具有重要现实意义。

1 概念界定与文献综述

1.1 农业与农业碳排放

本文聚焦狭义的农业，即种植业，区别于涵盖种植业、林业、畜牧业、渔业、副业的广义农业。种植业包括培育各类农作物、林木、果树、观赏及实用性等植物，产出各种粮食作物、经济作物、蔬菜作物、绿肥作物、饲料作物及园艺作物。

农业碳排放具有难量化、隐蔽性强、随机性强、不易检测和涉及范围广等特征[4]；而农业固碳作用的测算复杂，精准数据难以获取。鉴于此，本文专注于狭义农业在农地利用中产生的碳排放，从化肥、农药、农膜、农用机械使用、农田灌溉和农作物耕种共六个维度进行测算，将排放的温室气体统一用二氧化碳当量表示。

1.2 农业碳排放的测算与影响因素

农业碳排放的主要碳源有：1）农地利用，包括化肥、农药、薄膜等农资投入、农用机械所用柴油等能源消耗、农地翻耕和灌溉；2）水稻等作物生长；3）牲畜肠道发酵及粪便处理；4）秸秆等作料焚烧。同时，各国农业碳排放与其农业生产方式息息相关[5]。对我国农业碳排放测算的研究中发现，在所有碳源中化肥影响最大，且我国农业碳排总量逐年递增、增速减弱[6]。农业碳排放的正向影响因素包含人口规模、畜类消费占比、农业规模，负向影响因素包含土地生产效率的提升、保护性耕作方式的使用、环境保护措施的实施[7]。

1.3 金融发展与碳排放

当前研究发现，能显著影响碳排放量和排放强度[8]的金融因素包括：金融的规模、效率、空间结构[9]、产业聚集[10]等。其研究方法既有构建衡量综合指数衡量金融发展的整体情况与内部结构的[11]，也有按股票、保险、信贷等金融产品类型分别分析其与碳排放量关系的[12]。异质性研究方面发现，金融发展在总体上有利于减少碳排放，但这种减排效应会随着经济发展水平、经济结构、能源结构等因素而呈现复杂的特征[13]。

学界尚未就金融发展对碳排放量的作用方向达成统一定论。较多研究得出，金融发展对碳排放有负向抑制作用[9,14-16]；也有研究认为金融规模和效率对碳排放量有正向作用，对碳排放强度有负向作用[8]；更有研究发现金融发展与碳排放量之间存在“倒U 型”关系[17-20]。

目前，国内针对金融与农业碳排放的研究相对较少，且多用信贷、存款指标作为农村金融水平的测度。本文构建双向固定效应模型，基于2011—2020年中国省级面板数据，从农业信贷、农业保险、农业投资、财政环保支出四个维度探讨农村金融水平对农业金融碳排放的影响。

2 模型设定、变量选取和数据来源

2.1 模型设定

为了分析农村金融发展水平对农业碳排放的影响，本文构建了双向固定效应模型，具体如下：

（1）式中：i 为省份，t 为年份；mco2(it)代表被解释变量，为省份i 在t 年的农业碳排放总量；xe,f(it)代表解释变量，为省份i在t年的农村金融发展水平；∑Xit为控制变量；λi为省级固定效应，Ut为时间固定效应；εit为误差项；α、β、φ和λ为相应的常量。为了便于解释统计意义及平滑数据波动，本文对农业碳排放总量mco2(it)和农村金融水平xe,f(it)进行了对数化处理。

2.2 变量测度、说明和描述性统计

2.2.1 被解释变量

农业碳排放总量。本文聚焦于狭义农业（种植业）及其碳排放量，具体估算公式如下：

（2）式中：mco2(it)为农业碳排放总量。mco2(it,j)为省份i 在t 年碳源j 的碳排放量；Qit,j为省份i 在t 年碳源j的数量；Cj为碳源的碳排放系数，具体见表1。

表1 农业各类碳源的碳排放系数

测算发现：平均农业碳排放大省包括河南省、山东省、黑龙江省、河北省；平均占比最大的农业碳源为农业播种和化肥使用。各省农业碳排放总量（按从高至低排序）见表2，农业碳源中播种、化肥、农膜、农用柴油、农药、灌溉的占比见表3。

表2 2011—2020年31个省份平均农业碳排放量 单位：万t

表3 31个省份农业碳源中播种、化肥、农膜、农用柴油、农药、灌溉的占比 单位：%

2.2.2 核心解释变量

农村金融发展水平。使用四个指标来衡量：1）农业信贷指标。从储蓄能力转化为投资的角度出发，使用涉农贷款余额与农户储蓄存款余额之比衡量农村信贷资源配置效率[3,22]。2）农业保险指标。使用各财产保险公司农业保险收入衡量各地区农业保险的绝对规模。3）农业投资指标。使用农业综合开发项目资金总投入，涵盖中央财政、地方财政、银行信贷、群众自筹四方资金。4）财政环保支出指标。使用节能环保项目财政预算支出，涵盖生态保护、污染防治、天然林保护、退耕还林、退牧还草、污染减排等用途。其中，鉴于相关文献[22-23]发现农业信贷对农业碳排放、农业保险对农业生产率存在非线性关系，本文对农业信贷与农业保险两项指标添加其二次项回归，以捕捉其与农业碳排放总量的非线性关系。

2.2.3 控制变量

综合考虑现有对农业碳排放的研究，本文控制了农业经济水平、农业现代化水平、农作物受灾程度、农业结构四方非金融变量，分别以农业总产值（亿元）、农业机械总动力（万千瓦）、作物受灾面积（千公顷）、农业总产值与农林牧渔业总产值之比衡量。此外，为了缓解不可观测变量对结果的偏误，本文一方面引入了省级固定效应λi，以便控制各省份自然气候、地理面貌等特征；另一方面引入了时间固定效应Ut，以便控制政策变化和通货膨胀等因素。

2.2.4 描述性统计

变量说明与描述性统计见表4。

表4 农业碳排放的变量说明和描述性统计

2.3 数据来源

考虑到数据的可得性，选取2011—2020 年我国31 个省份（地区）的省级面板数据，未包含港澳台地区。其中，各农业碳排放源的数量，农业经济水平、农作物受灾程度等控制变量的数据取自国家统计局；农村金融发展水平的数据来自《中国财政年鉴》《中国农村统计年鉴》《中国保险年鉴》和CSMAR 数据库。需要说明的是：对缺失值，根据其前后五年间的差值进行了补全；对绝对值的变量，为了避开宏观数据的非平稳性对实证结果的干扰，进行了对数处理。

3 实证结果与分析

3.1 基准回归

在前文理论分析和模型构建的基础上，本文采用双向固定效应模型从农业信贷、农业保险、农业投资、财政环保支出四方面分析农村金融发展水平对农业碳排放的影响，参数估计结果见表5。

表5 农业碳排放参数估计结果

其中，农业信贷的一次项系数为正、二次项系数为负，且在5%的水平上显著；相反，农业保险的一次项系数为负、二次项系数为正，且在1%的水平上显著；农业投资的系数为正，财政环保支出的数为负，二者皆在均在1%的水平上显著。

可见以涉农贷款余额与农户储蓄存款余额之比衡量的农业信贷与农业碳排放之间存在显著的“倒U型”关系，这意味着农业信贷带来的初期扩张将显著抬升农业碳排放量，但在后续规模效应、技术效率提高、结构优化的综合作用下，农业信贷将反向抑制农业碳排放；相反，农业保险与农业碳排放呈“U 型”关系，这意味着，农业保险规模的增加在初期对农业碳排放量有抑制作用，但后期抑制作用逐渐衰减甚至反向导致碳排放的增加，鉴于前文中不同群体样本对农业保险的异质性，本文将就农业保险与农业碳排放“U型”关系在下文中分样本分析；以农业综合开发项目资金投入衡量的农业投资与农业碳排放之间正向关系显著，农业投资增加1%则碳排放量也增加0.143%，平均来说，农业投资增加1 亿元则农业碳排放量增加316 t；以节能环保支出衡量的财政支持力度与农业碳排放之间负向关系显著，财政环保支出增加1%的环保项目财政支出则碳排放量减少0.080 4%，平均来说，财政每增加1 亿元在生态保护、污染防治、天然林保护、退耕还林、退牧还草、污染减排等方面的支出，则农业碳排放量减少24.5 t。

3.2 异质性分析

3.2.1 东部地区与中西部地区的异质性

受不同资源禀赋、气候地理、经济状况的影响，农村金融发展水平对农业碳排放的影响也有所不同。相对于中西部省份，东部省份经济更发达，农业碳排放量也较高；农业政策也存在不同，以农业保险为例，根据《中央财政农业保险保险费补贴管理办法》，中央财政对东部省份的农业保险支持力度较小，而对中西部省份支持力度较大。鉴于此，本文对东部省份及中西部省份进行分组回归。

参考相关文献中的分组方法[24]，设定东部地区包括北京、天津、山东、上海、江苏、浙江、河北、辽宁、广东、福建、海南共11 省（或地区）；中部地区包括黑龙江、吉林、山西、江西、河南、安徽、湖北、湖南共8省（或地区）；西部地区包括内蒙古、陕西、甘肃、贵州、重庆、四川、广西、云南、青海、宁夏、新疆、西藏共12 省（或地区）。东部、中部与西部地区的分组回归结果见表6。

表6 农业碳排放的分组回归结果

其中，在东部地区，农业信贷仅一次项系数显著为负，对农业碳排放起单纯的抑制作用；农业保险一次项系数为负、二次项系数为正，与农业碳排放之间的“U 型”关系依然显著；农业投资与农业碳排放仍存在显著的正向关系；而财政环保支出的影响则不显著。西部地区，农业信贷仅一次项系数显著为负，对农业碳排放起单纯的抑制作用；农业保险一次项系数为负、二次项系数为正，与农业碳排放之间的“U型”关系依然显著；农业投资与农业碳排放仍存在显著的正向关系；而财政环保支出对农业碳排放的影响不显著。中部地区的财政环保支出和西部地区的农业投资分别对农业碳排放呈显著的负向作用和正向作用，而中西部的农业碳排放对农业信贷和农业保险则较不敏感。

可能的原因：东部省份的农业经营者对农业信贷、保险等金融产品的作用更有体会，农村金融发展水平因此对他们的经营规模、种植结构和生产技术更易发挥助推作用。而中西部地区农业经营者对农业金融产品的理解较浅，因而其碳排放行为所受的影响较小。

3.2.2 粮食主产区与非粮食主产区的异质性

粮食主产区与非粮食主产区在农业生产规模、农业碳排放量等方面差异显著；另一方面，相关研究发现，粮食作物占比与农业碳排放显著相关[25]。为了探究农村金融水平的影响在粮食主产区和非粮食主产区的差异，本文进行了分样本回归（见表7）。

表7 粮食主产区和非粮食主产区农业碳排放的分样本回归结果

根据财政部2003年发布的《关于改革和完善农业综合开发若干政策措施的意见》，粮食主产区包括内蒙古、河南、河北、湖南、湖北、黑龙江、吉林、辽宁、山东、江苏、安徽、江西、四川共13个省区；非粮食主产区包括北京、天津、上海、浙江、甘肃、山西、陕西、重庆、贵州、广东、广西、福建、海南、宁夏、青海、云南、新疆、西藏共18个省区。

其中，粮食主产区的核心解释变量均不显著；而非粮食主产区的核心解释变量至少在10%的水平上显著，且其符号与基准回归一致。这意味着，粮食主产区的农业碳排放对农村金融发展水平并不敏感，而非粮食主产区的农业碳排放受农村金融发展水平的影响程度较深。

可能的原因：粮食主产区的政策推动了农业经营规模化和农作物的趋粮化。这意味着，粮食主产区的农村金融发展通过推动规模扩大和结构调整两条路径影响农业碳排放量的空间有限，相较于非粮食主产区，农村金融发展水平的作用对其更小。

4 结论与政策建议

4.1 结论

金融的环境效益是近年备受关注的话题，本文从农业信贷、农业保险、农业投资、财政环保支出四个维度聚焦农村金融发展对农业碳排放的影响，并基于2011—2020年中国31省的面板数据构建了双向面板固定效应模型，得出如下结论。

1）农业信贷与农业碳排放之间呈“倒U 型”关系；农业保险则与之呈“U 型”关系；农业投资和财政环保支出对农业碳排放量分别起促进与抑制作用。

2）从异质性角度看，在东部省份，金融发展水平对农业碳排放的影响更显著，而中西部省份的农业碳排放则相对不敏感；相对于粮食主产区，非粮食主产区的农业碳排放受金融发展水平的影响更显著。

4.2 政策建议

1）促进农村普惠金融发展。加快普及小农户普惠信用贷款、加快提升新型农业经营主体金融服务水平，可出台加大对农业信贷的贴息力度、优化农业信贷的利率政策、拓宽农业农村抵押质押物范围等激励政策；建立健全“三农”效能评价考核制度，激励金融机构对农业经营主体信贷投放的积极性、扩大农业信贷供给，引导金融服务重心下沉、拓宽面向低碳农业的服务渠道。

2）发挥农业保险的减碳功能。开发价格保险、收入保险等多样化农保产品，完善中国农业风险保障体系、缓解灾害等外部冲击导致的农业碳排激增；创新绿色导向的农保产品，以高保障、高补贴激励环境友好型生产技术的应用、削弱农用化学品和机械等碳源的负面影响；加强农保政策与环保的配合程度，增强农业环境监察和环保政策执行力度，避免经营者投入过量农业生产要素而加剧农业碳排放。对中、西部省份的农业经营者，要加强参保收益教育的普及，深化农业保险在农业规模经营、结构优化中的助推作用；同时，进一步简化农业保险赔付手续、规范农业保险定损标准，降低受灾农户获赔门槛。

3）健全政府性融资担保和风险分担机制。各级政府性融资担保、再担保机构应聚焦提升支农服务能力、充分发挥增信分险作用，优化银行业金融机构与融资担保基金的银担合作机制、健全风险分担和补偿机制，降低农业综合融资成本、撬动社会资金流入绿色农业投资、增强农业低碳高质发展的内生动力。