绿色金融对农业绿色发展的影响效应及其作用机制研究*

潘方卉，张 弛，崔宁波

（1.东北农业大学经济管理学院，哈尔滨 150030；2.东北农业大学农业现代化发展中心，哈尔滨 150030）

一、引言与文献综述

2022年中央一号文件明确提出推进农业绿色发展。中国作为农业大国，拥有优越的农业资源，但也存在资源过度开采、农业投入品过度使用、农业内外源污染相互叠加以及碳排放强度高等环境问题。农业面源污染已超过工业，成为我国最大的面源污染来源，严重阻碍我国“双碳”目标实现。因此，发展绿色农业势在必行。习近平总书记提出“绿水青山就是金山银山”理念，强调以绿色发展牵引经济高质量发展。由此可见，大力发展绿色农业是促进农业发展方式从高速向高质量转变的战略需求（金欣鹏等，2020），是实现农业可持续发展、推动生态文明建设以及实现乡村振兴战略的应有之义，也是实现“双碳”目标的必然要求。

金融是现代经济的重要组成部分，在促进经济发展中扮演重要角色。与传统金融相比，绿色金融更强调资源配置绿色化，通过金融手段及金融工具，促进更多金融资源流向环境友好型、资源节约型产业，引导金融活动与环境保护协调发展，最终实现社会经济向可持续发展模式转变。2018年中央一号文件和党的二十大报告均强调“发展绿色金融”理念。绿色金融为改善耕地质量、应对气候变化和提高资源利用率的经济活动提供金融服务，对促进农业绿色发展具有积极意义（楚德江等，2023）。因此，绿色农业的发展离不开绿色金融的支持。而绿色金融能否有效促进农业绿色发展？如何促进？其作用机理如何？回答这些问题有助于揭示我国绿色金融和农业绿色发展水平以及二者之间影响的内在机理，为政府制定绿色农业和绿色金融发展政策提供理论和经验支撑。

绿色农业从20 世纪上半叶萌芽于欧美地区，国外主要以“可持续农业”概念为主。绿色农业早期主要以有机农业、生态农业、可持续农业等形式体现，之后逐渐向以资源节约、生态保育、环境友好和产品安全为核心的人与自然和谐共生的新发展模式转变（尹昌斌等，2021）。马文奇等（2020）强调农业绿色发展不仅是农业发展方式的改变，更重要的是发展理念和价值导向的转变。农业绿色发展指数的测度方法，主要有主观赋值法和客观赋值法。主观赋值法借鉴黄少坚等（2021）研究选择德尔菲法、层次分析法等；客观赋值法借鉴周静（2021）研究选择主成分分析法、熵值法等。

20世纪80年代以来，国外学者开始对绿色金融进行理论探究。绿色金融也称为“环境金融”或“可持续金融”，相对于传统金融，学者在绿色金融内涵界定上充分考虑潜在的环境影响（Salazar，2020），将绿色金融定义为通过优化金融体系、突出绿色特性、创新金融服务，实现金融业的可持续性发展，同时依托金融工具引导传统企业绿色转型以及促进新兴绿色产业发展，最终实现经济环境协调发展的一系列金融活动（Mottet et al，2020）。我国关于绿色金融的研究起步较晚，直到1995 年绿色金融概念才被中国人民银行引入国内，随后学界展开了一系列理论探索。刘传江等（2022）指出绿色金融更多关注环境和社会效益、注重碳减排，引导资源流向清洁绿色产业和新能源产业，抑制资源向污染性产业投入，进而缓解了传统金融情境下技术难以创新、资源配置和转移效率低下的问题。我国对绿色金融的定义可参见《关于构建绿色金融体系的指导意见》中的论述。关于绿色金融的测度，目前研究主要可分为两类：一是采用单一指标测度法，如王康仕等（2019）以A 股环保企业为样本，基于金融存量需求侧视角，通过测算金融资源在不同行业环保企业与污染企业间的流量衡量该省份绿色金融指数；二是建立综合评价指标体系，如胡文涛等（2023）构建包含绿色信贷、绿色证券、绿色投资、绿色保险、政府支出5个维度的评价指标体系对绿色金融进行测算。

农业绿色发展离不开绿色金融的助力与引导（马骏等，2021），绿色金融作为实现经济效益与环境效益的双引擎，对实现农业绿色发展至关重要。绿色金融通过引导农村地区资源合理配置、调整农村产业结构、转变农村经济发展方式、树立绿色发展观念等方面为农业绿色发展提供动力（魏春华，2023）。然而，由于我国绿色金融仍处于探索阶段，对绿色金融与农业绿色发展二者关系的研究文献较少，现有文献主要针对农业绿色发展内涵中所涉及的部分内容进行研究分析，如绿色金融对农业循环经济的影响（周淑芬等，2017）、绿色金融对农业产业结构绿色升级的影响（王会钧，2020）以及绿色金融对农业生态效率的影响（李晓龙等，2023）等。

通过归纳发现，国内外学者对绿色金融与绿色农业展开了较深入研究，取得了一定成果，为本研究奠定了良好的基础，但仍存在以下不足：一是研究对象方面，目前关于绿色金融的研究主要围绕其对整体经济绿色发展的影响，针对农业绿色发展的研究仍然很少；二是研究方法方面，绿色金融对农业绿色发展影响的研究大多停留在理论分析层面，缺乏相应的实证分析，研究成果缺乏必要的数据支撑；三是研究内容方面，已有文献仅关注绿色金融促进农业绿色发展的影响效果研究，缺乏对绿色金融促进农业绿色发展的影响机理分析。基于此，本文选取2011—2020 年全国30 个省份的面板数据，通过建立综合评价指标体系分别对绿色金融指数、农业绿色发展指数进行测度，并实证分析绿色金融影响农业绿色发展的效果及机理，从而为政府制定绿色金融和农业绿色发展政策、提升绿色金融促进农业绿色发展效果提供决策参考。

二、理论分析与研究假设

（一）绿色金融依托绿色资本供给直接推动农业绿色发展

资本供给也可称作资金融通，根据柯布-道格拉斯生产函数，劳动力和资本的投入是刺激经济增长最直接手段，因此绿色资本投入的增加会提高农业绿色生产总值，进而从生产端刺激农业绿色发展。但由于农业天然具有弱质性，而绿色农业领域的投资项目周期长、投资过程风险较大，传统的资本供给者因精英捕获或风险厌恶，直接或自然流入农业用于绿色发展的资本较少，造成资金缺口（闫旭等，2023），进而迟滞了农业绿色化转型的发展进程。绿色金融的出现，为农业绿色发展提供了新的发展渠道。

一方面，区别于传统的资本供给，绿色金融在提供绿色资本时将生态环境因素纳入融资决策，实现投融资标准绿色化，以促进经济与环境的协同发展（王菲等，2023）。农业绿色发展与其他类型投资相比回报较慢且短期内风险较大，让许多投资者望而却步，但从长期来看其发展潜力较大。绿色金融的出现恰可以筛选出资金充足、注重长期收益的合格投资者，避免只关注短期利益的投机行为发生，进而确保资本源源不断地注入绿色农业产业，为农业绿色发展提供必要的资金。此外，绿色金融可以通过直接向绿色农业产业注入项目资金，比如，通过绿色信贷的作用对环境友好型的农业企业和项目提供融资支撑，进而扩大绿色农业规模。

另一方面，绿色金融还通过优化资本配置实现对资本投向的外在调节。由于资本天然具备逐利性，传统资本供给者存在风险厌恶以及自身利益最大化等特性，这使得绿色资本的有效配置难以通过市场机制的自然演化实现。因此，需要政府进行宏观调控，政策性绿色金融应运而生。由政府主导的政策性绿色金融在这一过程中对资本起到引导和约束作用，通过引导性政策影响市场资本投向，促进社会资本、金融机构加大流入环保型、可持续发展型等涉农企业的资金规模，从而实现绿色资本配置，促进农业经济绿色发展（何德旭等，2022）。宏观调控主要体现在两方面，一是政策性绿色金融对农产品生产、加工过程中高污染、高耗能的涉农企业施以限制贷款额度、提高利率等惩罚措施，以及对环保型涉农企业采取给予更多信贷资金、降低利率等激励措施；二是对于参与农产品收购、销售等涉农企业，绿色金融对资本的外部调节作用可引导其绿色农产品检测、优质优价收购等行为，倒逼农业生产者进行绿色生产，从而促进农业绿色发展。基于此，提出假说H1。

H1：绿色金融能通过绿色资本供给直接推动农业绿色发展。

（二）绿色金融促进绿色科技研发间接推动农业绿色发展

绿色金融的发展为绿色技术的研发、创新和推广提供了资金保障，而科技是产业结构升级的动力源，更是现代农业绿色发展的助推器。根据经济新增长理论中的罗默模型，除资本与劳动力两种生产要素外，人力资本与科学技术进步也成为经济增长的内生动力（Romer，1990）。因此绿色科技的研发可从技术生产效率层面有效提高农业绿色发展的速度和质量，在原有生产资料规模不变的条件下，生产效率的提升可在保障原有农业产量的基础上代替高污染、低效率的生产方式，从而为稳步实现农业生产绿色转型提供基础和保障。然而，由于绿色科技创新项目普遍具有“高投资、高风险、收益周期长”的特点，结合农业天然的弱质性，投资者对农业绿色科技创新项目望而却步。绿色金融的出现大大缓解了这种困境。一方面，绿色金融为农业绿色科技创新项目提供了更全面、优质的金融产品与服务，有效缓解了企业在生产经营过程中出现的融资约束问题，为符合绿色、低碳要求的科技创新、研发以及推广提供了充足的资金支持（温涛等，2023）；另一方面，绿色金融利用其强大的信息优势为农业绿色科技资金供需双方搭建桥梁，通过构建如绿色技术银行等绿色技术共享体系，打破双方信息不对称的壁垒，增加投资方对以资源节约、环境友好为目标的绿色科技研发团队的关注度，进一步推动绿色科技成果转化与应用，从而提高农业绿色发展效率，为农业绿色发展提供源源不断的动力。基于此，提出假说H2。

H2：绿色金融能通过促进绿色技术创新间接推动农业绿色发展。

（三）环境规制下绿色金融对农业绿色发展的驱动作用

由于农业生产依托的资源利用和产生的环境污染具有外部经济性，环境规制作为一种干预手段是实现经济与资源环境协调发展的重要途径（展进涛等，2019）。目前我国的绿色金融仍处于初级发展阶段，其有效运行离不开强制性法律政策的有效保障，这时政府制定的各种环境规制政策将充当“引路人”角色，相关指导性、监管性政策建议的出台，可有效引导金融机构开展绿色金融业务，为我国绿色金融的高质量发展提供健全完善的政策环境。但环境规制在绿色金融推动农业绿色发展进程中产生的影响尚无法确定。一方面，创新补偿说，认为适当的环境规制能够促使涉农企业进行更多的绿色技术创新活动，提高企业生产力，抵消环境保护成本并提升企业盈利能力，从而提升农业绿色发展水平（任胜钢等，2019）。另一方面，遵循成本说认为政府实行严格的环境规制政策，会导致农业科技企业将外部成本内在化，增加企业经营成本，挤占企业绿色技术创新资源，抑制企业绿色创新活力（陈瑶，2023），进而对农业绿色发展产生负向影响。此外，波特假说认为相对严厉的环境规制会比宽松的环境规制产生更大的创新补偿效应（Porter et al，1995），即尽管遵循成本会随环境规制强度的提高而增加，但其产生的创新补偿效应更大，故净遵循成本会随着环境规制的适当提升而逐步降低甚至变为净收益。因此，短期内环境规制在绿色金融助推农业绿色发展中产生的影响，在于其不同强度下创新补偿与遵循成本之间的动态关系，可能存在非线性关系。基于此，提出假说H3。

H3：绿色金融对农业绿色发展的促进作用存在环境规制门槛效应。

三、数据说明与模型设定

（一）数据来源

自2011 年国家发改委印发《关于开展碳排放权交易试点工作的通知》起，我国绿色金融开始向深化、多元化发展，积极开展实施绿色信贷、碳排放权交易、环境规制等一系列环境经济政策，同时基于数据可得性，本文选取2011—2020 年我国30 个省份（除西藏、港澳台外）作为研究样本。数据来源于历年《中国统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》《中国工业统计年鉴》《中国保险年鉴》、国家统计局、国泰君安数据库以及中国碳核算数据库等，部分缺失的数据用线性差值法进行补齐。

（二）变量选取

1.被解释变量

本文被解释变量为农业绿色发展。基于上文对农业绿色发展的内涵分析，借鉴魏琦等（2018）的研究方法，选取资源节约、环境友好、生态保育、质量高效4个维度，采用熵值法对各省份农业绿色发展水平进行测度。

在农业生产过程中，资源节约是农业绿色发展的根本要义，需注重土地、水、农机、人力等资源的节约；环境友好是农业绿色发展的根本核心，需适当减少农药、化肥、农膜等农业投入品的使用，维护良好耕地环境，从根本上解决农业面源污染问题；生态保育是农业绿色发展的关键内容，需时刻贯彻“绿水青山就是金山银山”的两山论理念，注重生态系统保护，大力实施生态绿化，为农业生产提供良好的生态环境；质量高效是农业绿色发展的根本目标，需不断优化农业产业结构，以最小的资源投入和环境代价获取最大的产出效益，提高农业生产效率，保障农产品的产量与质量，进而实现农民增收。具体指标体系包括4个一级指标、12个二级指标，见表1。

2.核心解释变量

本文解释变量为绿色金融。根据中国人民银行发布的《关于构建绿色金融体系的指导意见》，参考尹子擘等（2021）的研究方法，选取绿色信贷、绿色证券、绿色保险、绿色投资、碳金融5 个一级指标来衡量绿色金融发展水平，见表2。根据所构建的指标测度体系，同样运用熵值法测算出各省份绿色金融发展水平。

表2 绿色金融发展指标体系

3.中介变量

本文中介变量为绿色技术创新。借鉴欧阳晓灵等（2022）的研究方法，基于国家知识产权局公布的中国专利申请数据，对照世界知识产权组织（WIPO）发布的国际专利分类绿色清单，筛选出专利分类号与清单相匹配的绿色专利。相应地，以各省份绿色发明专利申请数量的对数作为衡量绿色技术创新水平的指标。

4.门槛变量

本文门槛变量为环境规制。关于环境规制的衡量，比较常见的有选取环境规制政策数量、污染治理费用以及调整后的经济发展水平等方法。其中，使用调整后的经济发展水平来表征环境规制较为普遍，这是因为经济发展水平和环境规制之间存在较强的正相关关系（谭莹等，2021），且该数据的可获得性更强。故借鉴曾昉等（2021）、王善高等（2021）的研究方法，使用各省份区域中心到边界内部距离的倒数作为调整系数对经济发展水平进行调整，使用调整后的经济发展水平来表征环境规制。具体计算公式为：

其中，eri,t为i省份第t年环境规制强度，GDPi,t为i省份第t年的国内生产总值，areai,t为i省份第t年行政区域面积。

5.控制变量

本文根据已有研究成果以及数据可得性（姚鹏等，2023；张志新等，2023），选取如下控制变量：（1）对外开放程度（open），使用进出口总额与国内生产总值的比值来表示。（2）经济发展水平（gdp），使用各地区平减人均生产总值来表示。（3）财政支农水平（fsupport），使用涉农支出金额占财政支出总金额的比重来表示。（4）交通基础设施水平（transportation），使用货运总量对数表示。（5）工业化水平（inlevel），使用工业增加值与国内生产总值的比值表示。

（三）模型设定

1.基准回归模型

根据Hausman检验结果，考虑到样本数据存在个体特征差异，选择构建固定效应模型来检验绿色金融对农业绿色发展的影响，具体模型如下：

其中，gdi,t为i省份第t年农业绿色发展水平，gfi,t为i省份第t年绿色金融发展水平，二者均通过构建指标评价体系测算获得。gfi,t的系数β1反映了绿色金融对农业绿色发展的影响效应，是本文最为关注的系数。Controlsi,t表示可能影响农业绿色发展的一系列控制变量，包括对外开放程度（open）、经济发展水平（gdp）、财政支农水平（fsupport）、交通基础设施水平（transportation）、工业化水平（inlevel）。μi表示省份固定效应，用以控制地区层面不随时间变化的因素对估计结果的影响。εi,t表示随机扰动项。

2.中介效应模型

为检验绿色金融能否通过促进绿色技术创新提升农业绿色发展水平，在基准回归模型的基础上构建中介效应模型，具体模型如下：

其中，gti,t为i省份第t年的绿色科技创新水平，ρ1为绿色金融对农业绿色发展的影响系数，α1为绿色金融对绿色科技创新的影响系数，γ1为绿色金融对农业绿色发展的直接影响系数，γ2为绿色科技创新对农业绿色发展的影响系数。借鉴温忠麟等（2022）中介效应检验方法，若ρ1、α1、γ2均显著，且α1γ2的符号与γ1相符，证明“绿色金融—绿色科技创新—农业绿色发展”这一中介路径存在，若γ1显著，则为部分中介效应，否则为完全中介效应。

四、实证结果分析

（一）基准回归结果

通过熵值法测算2011—2020 年我国30 个省份绿色金融与农业绿色发展综合指数，然后使用固定效应模型检验绿色金融对农业绿色发展的影响，基准回归结果见表3。

表3 基准回归结果

列（1）仅以绿色金融对农业绿色发展进行简单回归，结果显示绿色金融系数在1%水平上显著为正向，列（2）～（6）为依次加入控制变量（对外开放程度、经济发展水平、财政支农力度、交通基础设施和工业化水平）的回归结果，其中绿色金融系数始终在1%水平上保持正向显著，说明绿色金融对农业绿色发展有显著正向推动作用，假设H1得到验证。

就控制变量而言，财政支农力度与交通基础设施水平对农业绿色发展有显著正向影响，这表明财政支农政策和交通基础设施建设可显著促进农业绿色发展。财政支农政策是政府促进农业发展的主要工具，近年来我国深化落实财政支农政策，加大对农业绿色科技的投入力度，对农业绿色发展项目也给予一定的补贴，缓解了农业绿色发展的成本压力，使得我国农业绿色发展水平得到进一步提高；农村交通基础设施是农业绿色发展的重要保障，完备的农村基础交通设施建设可提升农产品、农业生产资料等运输的便捷性和通达性，进而降低农产品运输成本，保证农产品销售和价格的同时扩大了外部市场，为农业绿色发展创造有力保障。对外开放程度、经济发展水平以及工业化水平对农业绿色发展有显著负向影响，这主要是由于我国经济的高速发展主要依赖出口与投资，并采用工业优先发展策略，在提速增长过程中忽略了质的提升，经济发展表现出高耗能、高污染特性，土地、水以及空气等农业绿色发展所需的资源与环境遭到严重破坏，从而阻碍了农业绿色发展，因此加快工业绿色升级转型，提高经济增长质量对农业绿色发展具有重要意义。

（二）稳健性检验

为确保回归结果的稳健性，本文从以下方面进行检验。

1.剔除直辖市样本

为检验绿色金融对农业绿色发展的影响效果，本文选取我国30 个省份的样本数据进行实证分析，其中包含北京、天津、上海、重庆4 个直辖市。由于直辖市的农业生产经营活动有别于其他省份，为确保结果稳健，将直辖市样本剔除，使用剩余260 个样本数据对式（2）重新回归。结果如表4 列（1）所示，剔除后新样本的绿色金融估计系数仍在1%水平上对绿色农业有显著正向影响，结论具备稳健性。

表4 基准回归结果

2.替换核心解释变量

绿色信贷作为绿色金融的主力军，在一定程度上可反映地区的绿色金融水平，故本文改用绿色信贷水平来衡量绿色金融发展水平，并采用五大银行绿色信贷额与五大银行贷款总额的比值代指。替换核心解释变量后，回归结果如表4列（2）所示，替换后的绿色金融系数仍在1%水平上显著为正，结论具备稳健性。

3.用核心解释变量滞后一期进行回归

绿色金融在推动农业绿色发展的同时，绿色农业也会反向带动绿色金融的发展，两者之间可能存在反向因果关系。本文借鉴张勋等（2020）研究方法，使用绿色金融发展的滞后一期（gfi,t-1）作为解释变量以减弱可能的反向因果问题，对式（2）重新回归。结果如表4 列（3）所示，绿色金融滞后期的系数虽变小，但仍在1%水平上对绿色农业有显著正向影响，结论具备稳健性。

4.使用工具变量法估计

本文选择以滞后一期的绿色金融为工具变量的两阶段最小二乘法（2SLS）来考察变量间的内生性问题，结果如表4中列（4）所示。2SLS估计中工具变量恰好识别，Anderson LM 统计量证明不存在工具变量识别不足问题，且Cragg-Donald Wald F 统计量大于Stock-Yogo 弱工具变量检验中10%偏误的临界值，拒绝“工具变量是弱工具变量”的原假设，故工具变量选择较为合理。在工具变量选择有效的情况下，绿色金融系数仍在1%水平上显著为正，结论具备稳健性。

（三）中介效应检验

中介效应检验结果如表5 所示，列（1）显示绿色金融对农业绿色发展有显著正向影响，列（2）显示绿色金融对绿色科技创新有显著正向影响，列（3）显示绿色科技创新对农业绿色发展有显著正向影响，证明绿色科技创新存在显著的中介效应，绿色金融可通过绿色科技创新推动农业绿色发展，假设H2得到验证。由此可见，绿色金融可有效缓解绿色科技企业普遍存在的信贷约束问题，为绿色科技项目实施与绿色科技成果落地提供有力保障，进一步提升了绿色科技创新效率；而且绿色科技创新为农业绿色化转型提供了动力，从传统的“高投入、高污染、低产出、低质量”生产方式转向“低投入、低污染、高产出、高质量”的绿色生产模式，从而促进农业绿色发展。

表5 中介效应检验

为确保中介效应的稳健性，本文选用自助抽样法（Bootstrap）检验，并观察估计结果中95%水平上无偏校正的置信区间是否包含0，若置信区间不包含0，说明中介效应显著，反之则不显著。具体检验结果见表6。

表6 Bootstrap检验结果

利用Bootstrap 方法从样本中重复进行1 000 次有放回的抽样，结果发现95%水平上无偏校正的置信区间不包含0，证明“绿色金融—绿色科技创新—农业绿色发展”这一传导机制存在，且绿色科技创新在其中发挥的中介效应占绿色金融对农业绿色发展总效应的32%。

（四）异质性检验

1.区域异质性

由于粮食主产区和非粮食主产区①粮食主产区包括安徽、河北、河南、黑龙江、湖北、湖南、吉林、江苏、江西、辽宁、内蒙古、山东、四川13个省份，非粮食主产区包括北京、福建、甘肃、广东、广西、贵州、海南、宁夏、青海、山西、陕西、上海、天津、新疆、云南、浙江、重庆17 个省份。的绿色金融发展和农业绿色发展水平存在明显差异，有必要进一步考察绿色金融对农业绿色发展影响在粮食主产区和非粮食主产区的差异，具体估计结果见表7，其中列（1）～（3）为粮食主产区估计结果，列（4）～（6）为非粮食主产区估计结果。

表7 区域异质性分析

由表7可知，粮食主产区的回归系数在1%水平上显著为正，非粮食主产区的回归系数在5%水平上显著为正，表明无论是在粮食主产区还是非粮食主产区，绿色金融对农业绿色发展均有显著正向影响，但非粮食主产区回归系数大于粮食主产区，表明绿色金融对农业绿色发展的促进作用在非粮食主产区会更加显著。这是由于非粮食主产区包含北京、上海、广东等经济相对发达省份，与粮食主产区相比，非粮食主产区各省的金融体系更完善、金融系统生态环境较好、金融产品与金融从业人员经验都更丰富，表现出更高的金融发展水平，因此在推进绿色金融业务时，非粮食主产区可更快速地适应转变，进一步使绿色金融在非粮食主产区中促进农业绿色发展的效果优于粮食主产区。此外，粮食主产区的金融发展水平低于非粮食主产区，但是粮食主产区的农业生产规模却远高于非粮食主产区，相对水平较低的绿色金融资源投入到相对规模更大的农业绿色发展中，也是导致该结果的主要原因。

2.维度异质性

表8 是将农业绿色发展分项指数分别作为被解释变量回归的结果。本文的农业绿色发展指数包含资源节约（sav）、环境友好（env）、生态保育（eco）和质量高效（qua）4个分项指标，分别将各分项指数作为被解释变量进行回归。

表8 维度异质性分析

基于全国、粮食主产区和非粮食主产区估计结果来看，绿色金融对资源节约和质量高效两个维度均存在正向促进作用，其中对质量高效的影响最大。这可能由于相比于其他环境领域，在绿色金融发展初期可能更关注质量高效和资源节约两大问题，这两项指标更容易被公众和政府所感知，取得更好的投资效果，降低绿色投资风险。此外，绿色金融对环境友好在粮食主产区有显著正向影响，而对生态保育在非粮食主产区具有显著促进作用，这主要是由区域职能差异决定的。在粮食主产区，农业是重要产业，为了保护农业的健康持续发展，农户更加注重降低农药、化肥以及农膜的使用强度；而在非粮食主产区，由于农业并非主要产业，更加重视对森林和湿地等环境的保护。

（五）绿色金融对农业绿色发展的门槛效应分析

为了进一步探讨绿色金融对农业绿色发展影响的作用机理，本研究引入环境规制（eri,t）作为门槛变量，构建门槛效应模型，研究不同强度环境规制下，绿色金融对农业绿色发展的影响差异。

1.门槛值个数检验

本文利用Stata 17 软件，采用Hansen（1999）提出的面板门槛估计方法进行门槛效应检验。为检验绿色金融对农业绿色发展的影响过程中环境规制政策的作用效果，选择环境规制作为门槛变量。在估计门槛回归模型时，首先需要确定门槛值，门槛显著性检验结果及门槛估计结果见表9、10。

表9 门槛显著性检验结果

表10 门槛估计与置信区间

以环境规制为门槛变量，选用自助抽样法（Bootstrap）分别在单门槛、双门槛、三门槛假设下反复抽样1 000 次进行检验，发现农业绿色发展单门槛效应的P值小于0.05，在5%置信水平上显著，而双门槛和三门槛效应均未通过显著性检验，说明该模型仅存在单门槛效应，门槛值为0.0895。

2.门槛回归结果分析

基于上述的门槛显著性检验结果，设置单门槛模型：

其中，γ为门槛值0.0895，I（.）为指示函数，以门槛值为分界点，设置“0～1”虚拟变量I1、I2。当eri,t≤0.0895 时，I1=1，否则I1=0；当eri,t＞0.0895 时，I2=1，否则I2=0。系数δ1、δ2分别反映绿色金融在不同强度的环境规制力度下对农业绿色发展的影响，具体回归结果见表11。根据模型（6）估计结果可知，绿色金融对农业绿色发展的影响系数始终在1%水平上显著为正，且当环境规制的力度超过门槛值0.0895 后，绿色金融的回归系数变大，即绿色金融对农业绿色发展始终有显著正向促进作用，且当环境规制强度超越门槛值时，绿色金融对农业绿色发展的促进作用会加强。因此，在注重绿色金融促进农业绿色发展的同时应制定适当的环境规制政策，协同绿色金融进一步提高农业绿色发展水平。

表11 门槛模型回归结果

五、结论与政策建议

（一）结论

基于2011—2020 年中国省际面板数据，实证分析绿色金融对农业绿色发展的影响效果与作用机制，研究发现：第一，绿色金融对农业绿色发展有显著推动作用，经稳健性检验后该结论依然成立；第二，绿色科技创新在绿色金融助推农业绿色发展过程中发挥中介作用，即绿色金融能通过促进绿色技术创新推动农业绿色发展；第三，从分区域角度看，非粮食主产区绿色金融助推农业绿色发展的效果优于粮食主产区；从分维度角度看，绿色金融主要通过质量高效和资源节约两个维度提升农业绿色发展水平；第四，在不同强度的环境规制下，绿色金融对农业绿色发展的促进效果不同，存在单门槛效应，当环境规制强度大于门槛值0.0895时，绿色金融对农业绿色发展的促进作用增强。

（二）政策建议

第一，健全绿色金融服务体系。各地区政府要结合当地现实需要，鼓励金融机构创新农业绿色金融产品，丰富产品服务内容，完善绿色金融监管机制，利用财政手段激励金融机构开展绿色金融业务的积极性，进一步扩大绿色信贷等金融工具的资金规模，从而提升绿色金融推进农业绿色发展效能。

第二，强化科技引领，加快推进农业绿色科技创新。从建立有奖有惩的涉农企业绿色生产政策、加大涉农企业开展绿色技术创新的金融支持力度、强化知识产权保护意识等方面入手，不断提高绿色科技水平，进一步增强绿色科技在绿色金融推动农业绿色发展过程中发挥的间接影响作用，最终实现我国农业高质量、可持续发展目标。

第三，推动绿色金融差异化发展。在推动绿色金融引导农业绿色发展的过程中，不同地区应考虑各地现实发展情况，制定差异化发展策略：在粮食主产区，政府应提升对绿色科技的财政支持，通过绿色信贷补贴政策引导银行创新绿色金融产品，加大对绿色农业的金融支持，使得农业逐步实现以技术导向代替传统投入导向的生产方式，不断落实“两减一增”转型目标；非粮食主产区则应充分发挥绿色金融引导农业绿色发展的比较优势，不断探索农业绿色发展新模式以及绿色金融新产品，同时总结发展经验，通过建立示范区发挥辐射带动作用，推动绿色金融与绿色农业形成相互促进、协调发展的良性循环。

第四，灵活制定环境规制政策。政府通过制定相应的环境规制政策（限制企业排放等）降低地区污染，同时环境规制强度的适当提升能够进一步增强绿色金融促进农业绿色发展的作用效果，但在政策制定时应存在一定弹性，根据发展的不同阶段和不同地区制定符合实际情况的环境规制政策，协同绿色金融进一步提高农业绿色发展水平。