數(shù)字普惠金融、技術(shù)進(jìn)步和農(nóng)業(yè)碳排放強(qiáng)度

嚴(yán)海飛　郭言

摘要：文章使用EBM模型測(cè)算農(nóng)業(yè)綠色全要素生產(chǎn)率，刻畫(huà)農(nóng)業(yè)綠色技術(shù)進(jìn)步和技術(shù)效率的特征事實(shí)；在此基礎(chǔ)上，利用空間杜賓模型考察數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響；此外，在模型中加入數(shù)字普惠金融和農(nóng)業(yè)綠色全要素生產(chǎn)率的交乘項(xiàng)，探究技術(shù)進(jìn)步是否對(duì)數(shù)字普惠金融的農(nóng)業(yè)碳減排效應(yīng)發(fā)揮正向調(diào)節(jié)作用。再進(jìn)一步地探討環(huán)境規(guī)制在數(shù)字普惠金融影響農(nóng)業(yè)碳排放強(qiáng)度過(guò)程中的門(mén)檻效應(yīng)。研究發(fā)現(xiàn)，發(fā)展數(shù)字普惠金融能抑制農(nóng)業(yè)碳排放強(qiáng)度，且技術(shù)進(jìn)步是抑制作用的重要傳導(dǎo)渠道；以環(huán)境規(guī)制為門(mén)檻，數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響存在單一門(mén)檻效應(yīng)。

關(guān)鍵詞：數(shù)字普惠金融；農(nóng)業(yè)碳排放強(qiáng)度；農(nóng)業(yè)綠色全要素生產(chǎn)率

一、引言

聯(lián)合國(guó)將普惠金融定義為“以可負(fù)擔(dān)的成本為有金融服務(wù)需求的社會(huì)各階層和群體提供適當(dāng)有效的金融服務(wù)”。在國(guó)際經(jīng)濟(jì)更加深入全面發(fā)展的同時(shí)，普惠金融理念逐漸深入人心，內(nèi)涵和外延不斷豐富。“普惠金融”在引入中國(guó)后，為緩解金融排斥、城鄉(xiāng)金融發(fā)展不平衡等方面提供了新機(jī)遇和新方式。

在中國(guó)政府的支持下，大數(shù)據(jù)、區(qū)塊鏈等數(shù)字技術(shù)蓬勃發(fā)展，為提高普惠金融服務(wù)的觸達(dá)度提供契機(jī)。普惠金融數(shù)字化轉(zhuǎn)型有助于金融機(jī)構(gòu)以較低成本下沉服務(wù)，具有更強(qiáng)的地理穿透性，提升偏遠(yuǎn)地區(qū)和弱勢(shì)群體的信貸可得性，對(duì)緩解農(nóng)業(yè)生產(chǎn)中“融資難”等問(wèn)題發(fā)揮重要作用，也有助于促進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步。

氣候變暖是全世界共同面對(duì)的重要環(huán)境問(wèn)題之一，這主要是由溫室氣體過(guò)度排放造成的。IPCC在第4次評(píng)估報(bào)告中表明，農(nóng)業(yè)是溫室氣體的主要排放源，農(nóng)業(yè)生產(chǎn)排放碳是農(nóng)業(yè)生產(chǎn)活動(dòng)不可或缺的要素，降低農(nóng)業(yè)源溫室氣體排放量對(duì)緩解氣候變暖有重要意義。中國(guó)政府高度重視氣候變化相關(guān)問(wèn)題，2020年9月，習(xí)近平主席在第七十五屆聯(lián)合國(guó)大會(huì)上宣布“雙碳”目標(biāo)。12月，中央經(jīng)濟(jì)工作會(huì)議把做好“碳達(dá)峰、碳中和”工作作為2021年的八項(xiàng)重點(diǎn)任務(wù)之一。

在“數(shù)字普惠金融”和“雙碳”兩大熱點(diǎn)備受矚目的情況下，對(duì)兩者關(guān)系的研究卻較少，許多值得挖掘研究的重點(diǎn)區(qū)域仍存在空缺。因此，本文在空間杜賓模型的基礎(chǔ)上探究數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放的影響，以期為持續(xù)推動(dòng)“雙碳”目標(biāo)實(shí)現(xiàn)提供一些理論依據(jù)和參考。

二、文獻(xiàn)綜述

數(shù)字金融發(fā)展是區(qū)域創(chuàng)新環(huán)境的重要組成部分，其有效供給可解決傳統(tǒng)金融中的“屬性錯(cuò)配”“領(lǐng)域錯(cuò)配”和“階段錯(cuò)配”等問(wèn)題，可通過(guò)降低企業(yè)財(cái)務(wù)費(fèi)用等方式促進(jìn)企業(yè)創(chuàng)新（唐松等，2020），實(shí)現(xiàn)技術(shù)進(jìn)步。傳統(tǒng)的金融體系在發(fā)展中普遍存在信息不對(duì)稱(chēng)等問(wèn)題，對(duì)中小企業(yè)及個(gè)體從業(yè)者的創(chuàng)新創(chuàng)業(yè)活動(dòng)難以給予足夠支持，而數(shù)字金融借助信息技術(shù)對(duì)中小企業(yè)技術(shù)創(chuàng)新的驅(qū)動(dòng)效應(yīng)則較強(qiáng)，其也可通過(guò)促進(jìn)地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)提升技術(shù)創(chuàng)新水平（聶秀華等，2021）。

全球氣候變暖是人類(lèi)發(fā)展面臨的最大的非傳統(tǒng)安全挑戰(zhàn)。農(nóng)業(yè)作為國(guó)民經(jīng)濟(jì)的基礎(chǔ)，又是溫室氣體的重要來(lái)源，減少農(nóng)業(yè)碳排放對(duì)改善氣候環(huán)境具有重要意義。低碳技術(shù)進(jìn)步有助于能源結(jié)構(gòu)調(diào)整升級(jí)和促進(jìn)新能源的研發(fā)，從而實(shí)現(xiàn)碳減排（殷賀等，2020）。農(nóng)業(yè)技術(shù)進(jìn)步通過(guò)改善傳統(tǒng)要素投入結(jié)構(gòu)控制農(nóng)業(yè)能源消耗，其溢出效應(yīng)也可促使經(jīng)驗(yàn)累積，進(jìn)而減少碳減排成本（胡中應(yīng)，2018）。

現(xiàn)有研究主要討論了數(shù)字普惠金融對(duì)經(jīng)濟(jì)發(fā)展、居民收入等的影響，探討數(shù)字普惠金融環(huán)境效應(yīng)的文獻(xiàn)較少。數(shù)字普惠金融服務(wù)模式可提高企業(yè)的金融服務(wù)可得性，通過(guò)降低企業(yè)的融資成本和銀行等金融機(jī)構(gòu)的服務(wù)成本，避免非必要活動(dòng)，實(shí)現(xiàn)無(wú)接觸交易，可降低融資過(guò)程中的碳排放量（賀茂斌等，2021），助推綠色低碳發(fā)展。此外，數(shù)字金融破除了傳統(tǒng)金融機(jī)構(gòu)對(duì)中小微企業(yè)的“信貸歧視”，實(shí)現(xiàn)資源的配置優(yōu)化，引導(dǎo)要素流向高生產(chǎn)率產(chǎn)業(yè)。同時(shí)，數(shù)字金融相關(guān)技術(shù)的綠色創(chuàng)新，有助于打破污染型產(chǎn)業(yè)發(fā)展的路徑依賴(lài)，加快“低能耗、低污染、高效率”的新興產(chǎn)業(yè)發(fā)展，降低污染排放（朱東波等，2022）。

三、理論分析

目前，國(guó)內(nèi)數(shù)字金融以國(guó)有銀行為主，阿里、電信、騰訊和百度金融為輔，積極響應(yīng)“數(shù)字化”和“低碳化”的大趨勢(shì)，大幅度提高了綠色經(jīng)濟(jì)效益（許釗等，2019）。

金融機(jī)構(gòu)聯(lián)合互聯(lián)網(wǎng)巨頭依托數(shù)字金融搭建網(wǎng)絡(luò)消費(fèi)、環(huán)保服務(wù)等多元化平臺(tái)，引導(dǎo)居民綠色消費(fèi)（鄭萬(wàn)騰等，2022），推動(dòng)經(jīng)濟(jì)向綠色轉(zhuǎn)型升級(jí)。

傳統(tǒng)的粗放型農(nóng)業(yè)已不適應(yīng)新的經(jīng)濟(jì)增長(zhǎng)態(tài)勢(shì)，亟須倒逼農(nóng)業(yè)尋求集約綠色的發(fā)展模式，但從業(yè)者普遍面臨因低收入、缺少抵質(zhì)押物難以支撐其轉(zhuǎn)型升級(jí)的困難。數(shù)字普惠金融則為農(nóng)村搭建起多元化平臺(tái)，使農(nóng)業(yè)綠色生產(chǎn)有資金保障，可選擇高效低碳的運(yùn)作模式，促進(jìn)農(nóng)業(yè)綠色發(fā)展?；谝陨嫌懻?，提出假設(shè)1。

假設(shè)1：發(fā)展數(shù)字普惠金融能降低我國(guó)的農(nóng)業(yè)碳排放強(qiáng)度。

新古典經(jīng)濟(jì)增長(zhǎng)模型和內(nèi)生增長(zhǎng)理論認(rèn)為，金融發(fā)展?fàn)顩r對(duì)內(nèi)生的技術(shù)進(jìn)步影響較大（張帆，2017）。

首先，數(shù)字金融可提高科技創(chuàng)新能力，實(shí)現(xiàn)技術(shù)進(jìn)步。企業(yè)創(chuàng)新面臨產(chǎn)出不確定性、回報(bào)周期長(zhǎng)等問(wèn)題，難以在金融市場(chǎng)上獲得有效融資。數(shù)字金融通過(guò)對(duì)企業(yè)數(shù)據(jù)進(jìn)行分析，反饋企業(yè)的經(jīng)濟(jì)實(shí)力與信用能力，可有效解決信息不對(duì)稱(chēng)等問(wèn)題，加快創(chuàng)新資本的流動(dòng)率和周轉(zhuǎn)率，為低碳技術(shù)創(chuàng)新提供資金支持。

其次，技術(shù)進(jìn)步具有節(jié)能減排效應(yīng)。一方面，具有較強(qiáng)創(chuàng)新能力的企業(yè)可通過(guò)開(kāi)發(fā)新的替代能源技術(shù)、改進(jìn)現(xiàn)有能源技術(shù)提高能源利用效率。農(nóng)業(yè)從業(yè)者引進(jìn)低碳技術(shù)，淘汰落后設(shè)備，可降低生產(chǎn)投入的能源消耗。另一方面，使用清潔、環(huán)境友好型生產(chǎn)要素，也可以減少農(nóng)業(yè)碳排放?；谝陨嫌懻摚岢黾僭O(shè)2。

假設(shè)2：技術(shù)進(jìn)步能對(duì)數(shù)字普惠金融的農(nóng)業(yè)碳減排效應(yīng)起正向調(diào)節(jié)作用。

由于市場(chǎng)機(jī)制不完善，綠色創(chuàng)新存在技術(shù)知識(shí)正外部性和環(huán)境負(fù)外部性，導(dǎo)致成本收益不匹配，嚴(yán)重阻礙著理性經(jīng)濟(jì)主體自覺(jué)從事綠色創(chuàng)新活動(dòng)的進(jìn)程（方先明等，2020）。因此，借助政府環(huán)境規(guī)制這一外生力量來(lái)實(shí)現(xiàn)碳減排較為重要。高環(huán)境規(guī)制強(qiáng)度能對(duì)企業(yè)產(chǎn)生“創(chuàng)新補(bǔ)償”效應(yīng)，促使企業(yè)為獲取市場(chǎng)地位和收益進(jìn)行綠色技術(shù)創(chuàng)新（羅知等，2021）。在該強(qiáng)度下，數(shù)字普惠金融能觸及更多長(zhǎng)尾群體，為農(nóng)業(yè)綠色技術(shù)創(chuàng)新提供潛在支持，進(jìn)而減少農(nóng)業(yè)碳排放。但在低環(huán)境規(guī)制強(qiáng)度下，由于缺乏激勵(lì)及懲治措施，利益相關(guān)者自身創(chuàng)新意愿不足，數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度可能并無(wú)顯著影響?；谝陨嫌懻摚岢黾僭O(shè)3。

假設(shè)3：環(huán)境規(guī)制對(duì)數(shù)字普惠金融降低農(nóng)業(yè)碳排放強(qiáng)度具有門(mén)檻效應(yīng)。

四、農(nóng)業(yè)綠色全要素生產(chǎn)率的度量

傳統(tǒng)的SBM模型和DEA模型在測(cè)算效率上可能會(huì)忽略投入或產(chǎn)出的某方面，進(jìn)而可能導(dǎo)致效率測(cè)算存在偏誤。因此，本文選取EBM模型（郭海紅等，2020）來(lái)測(cè)算農(nóng)業(yè)綠色全要素生產(chǎn)率GTFP，將環(huán)境資源約束納入到傳統(tǒng)的全要素生產(chǎn)率的核算框架下，以便更好地衡量中國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量與綠色農(nóng)業(yè)的發(fā)展現(xiàn)狀。

選取農(nóng)業(yè)從業(yè)人數(shù)、農(nóng)業(yè)機(jī)械動(dòng)力、農(nóng)作物播種面積來(lái)表征勞動(dòng)力、資本與土地，同時(shí)選取化肥、農(nóng)膜、農(nóng)藥、農(nóng)業(yè)用水的使用量作為投入要素，選取農(nóng)業(yè)總產(chǎn)值作為期望產(chǎn)出指標(biāo)，農(nóng)業(yè)碳排放量、總磷排放量、總氮排放量作為非期望產(chǎn)出指標(biāo)。考慮經(jīng)濟(jì)、資源、環(huán)境之間的復(fù)雜性，建立EBM模型，測(cè)算靜態(tài)AGTFP：

γ*＝min （1）

s.t. x λ +S? -θx =0，i=1，…，m， y λ -S? -φy =0，r=1，…，s， b λ +S? -φb =0，p=1，…，q，λ ≥0，S? ≥0，S? ≥0，S? ≥0（2）

其中，r*表示EMA測(cè)量DEA最優(yōu)效率值，ω? 表示第i種投入要素的權(quán)重，θ表示徑向條件下的效率值，S? 表示非徑向條件下第i種投入要素的松弛量，（xiv，yiv）表示第v個(gè)DMU的投入產(chǎn)出向量，bpv表示第v個(gè)省份的第p種非期望產(chǎn)出，（S? ，S? ）表示第r種期望產(chǎn)出和第p種非期望產(chǎn)出的松弛向量。為反映農(nóng)業(yè)綠色生產(chǎn)效率的動(dòng)態(tài)變化，根據(jù)Chambers等（1996）的思路，構(gòu)建Malmquist-Luenberger指數(shù)，并將GTFP分解為農(nóng)業(yè)綠色技術(shù)效率變化指數(shù)（GEC）和農(nóng)業(yè)綠色技術(shù)進(jìn)步變化指數(shù)（GTC），表達(dá)式如下：

GECt，t+1=[ ]（3）

GECt，t+1=[ × ] （4）

GMLt，t+1=GEC×GTC（5）

五、研究設(shè)計(jì)

（一）模型構(gòu)建

1. 空間自相關(guān)分析

空間相關(guān)性是指數(shù)據(jù)在空間上存在相互影響。檢驗(yàn)數(shù)據(jù)是否存在空間相關(guān)性，是判斷能否利用空間面板模型的前提。本文采用Morans指數(shù)來(lái)檢驗(yàn)，公式如下：

I= （6）

其中，S = 為樣本方差，w 為空間權(quán)重矩陣的（i，j）元素，而∑? ∑? w 為所有空間權(quán)重之和。

2. 空間杜賓模型

空間杜賓模型考慮了同時(shí)存在空間滯后和空間誤差的情況，考察了鄰接區(qū)域自變量對(duì)因變量的影響。借鑒鄒新月等（2020）的研究，設(shè)定如下的空間權(quán)重矩陣。

（1）空間鄰接矩陣。根據(jù)各省市的相鄰關(guān)系來(lái)進(jìn)行構(gòu)造，由于海南省的地理位置特殊，假定其與廣東省相鄰。數(shù)學(xué)表達(dá)式為：

Wij=Wji=1，當(dāng)區(qū)域i和區(qū)域j相鄰0，當(dāng)區(qū)域i和區(qū)域j不相鄰（7）

（2）空間嵌套矩陣?？臻g鄰接矩陣主要考慮地區(qū)之間是否相鄰，對(duì)于非相鄰省份之間的輻射效應(yīng)則解釋不足。本文首先計(jì)算出各省市的GDP和數(shù)字普惠金融的平均值，再在此基礎(chǔ)上構(gòu)建經(jīng)濟(jì)距離矩陣、反經(jīng)濟(jì)距離矩陣和數(shù)字普惠金融嵌套矩陣。其中，i、j是不同地理單元的個(gè)體觀測(cè)點(diǎn)；y表示嵌入矩陣的經(jīng)濟(jì)變量。

W*＝8/ y - y ，i≠j，i，j＝（1，2…N）0，i＝j(luò)（8）

（3）標(biāo)準(zhǔn)化處理。為避免分析誤差，本文對(duì)矩陣進(jìn)行標(biāo)準(zhǔn)化處理，使其行和為1，W? 是所有空間單元與單元在相鄰關(guān)系中的權(quán)，標(biāo)準(zhǔn)化公式為：

W? ＝ （9）

（二）數(shù)據(jù)來(lái)源

本文采用2011-2018年中國(guó)30個(gè)省、區(qū)、市（除西藏、港澳臺(tái)地區(qū)）的數(shù)據(jù)，主要數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》。

（三）變量選取

1. 被解釋變量：農(nóng)業(yè)碳排放強(qiáng)度

參考張廣勝和王珊珊（2014）的做法，用平均每萬(wàn)元農(nóng)業(yè)GDP所產(chǎn)生的碳排放量（噸/萬(wàn)元）來(lái)表示農(nóng)業(yè)碳排放強(qiáng)度，用IPCC方法來(lái)估算化石燃料產(chǎn)生的二氧化碳：

CO2=∑? ei×εi（10）

CI=CO2/AGDP（11）

其中，ei為第i種碳源的量，εi為第i種碳源的二氧化碳排放系數(shù)，AGDP為農(nóng)業(yè)總產(chǎn)值，CI為農(nóng)業(yè)碳排放強(qiáng)度。參考李波等（2011）的做法，選取6種碳排放源。

2. 解釋變量：數(shù)字普惠金融發(fā)展水平

采用郭峰等（2021）構(gòu)建的“數(shù)字普惠金融指數(shù)”來(lái)反映中國(guó)數(shù)字普惠金融的實(shí)際發(fā)展?fàn)顩r。該指數(shù)被廣泛應(yīng)用，具有一定的可靠性和代表性。

3. 控制變量

借鑒楊鈞（2013）和王惠（2015）的思路，同時(shí)考慮數(shù)據(jù)的可得性，本文選取農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)機(jī)械化水平、自然災(zāi)害、耕地面積構(gòu)成、播種規(guī)模、農(nóng)村居民可支配收入作為控制變量。

六、實(shí)證分析

（一）空間相關(guān)性檢驗(yàn)

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，各地區(qū)表現(xiàn)出越來(lái)越強(qiáng)的關(guān)聯(lián)性?？紤]到研究對(duì)象存在一定聯(lián)系，使用一般計(jì)量模型容易得到有偏估計(jì)，本文使用空間計(jì)量模型來(lái)研究。首先對(duì)各省份的農(nóng)業(yè)碳排放強(qiáng)度和數(shù)字普惠金融水平進(jìn)行空間自相關(guān)分析。從表3來(lái)看，Morans指數(shù)基本都通過(guò)了顯著性檢驗(yàn)，因此可采用空間計(jì)量方法。

（二）空間杜賓模型

考慮到一個(gè)地區(qū)的農(nóng)業(yè)碳排放可能會(huì)受到本地區(qū)和周邊地區(qū)數(shù)字普惠金融水平、碳排放情況、遺漏變量、不可觀測(cè)的隨機(jī)沖擊等因素的影響，空間杜賓模型更為適用。本文構(gòu)建模型如下，i、t分別表示各省份與年份，X為控制變量，ui為個(gè)體效應(yīng)，λi為時(shí)間效應(yīng)，εit為隨機(jī)誤差項(xiàng)。

CIit=α0∑WitCIit+β1DFIICit+θ1∑WitDFIICit+β2Xit+θ2∑WitXit+ui+λt+εit（12）

（三）實(shí)證結(jié)果分析

由表4可知，在兩種矩陣下，DFIIC的系數(shù)都為負(fù)且在1%的水平下顯著，說(shuō)明數(shù)字普惠金融發(fā)展降低了農(nóng)業(yè)碳排放強(qiáng)度。空間自回歸系數(shù)分別為0.236、0.375，在5%的水平下顯著，說(shuō)明被解釋變量有空間溢出效應(yīng)，具體表現(xiàn)為在農(nóng)業(yè)碳排放強(qiáng)度較高的區(qū)域，鄰接地區(qū)農(nóng)業(yè)碳排放強(qiáng)度上升的概率會(huì)增大。W×項(xiàng)系數(shù)更能說(shuō)明空間傳導(dǎo)效應(yīng)，W×DFIIC的系數(shù)分別為-0.0629、-0.0535，說(shuō)明數(shù)字普惠金融發(fā)展的溢出效應(yīng)明顯。模型通過(guò)Hausman檢驗(yàn)，選擇固定效應(yīng)的空間杜賓模型是合理的。

關(guān)于控制變量，農(nóng)村居民可支配收入的系數(shù)為負(fù)，說(shuō)明隨著收入增加，農(nóng)戶(hù)可能會(huì)購(gòu)買(mǎi)優(yōu)質(zhì)良種，改進(jìn)農(nóng)業(yè)灌溉等設(shè)備，進(jìn)而減少農(nóng)業(yè)碳排放。產(chǎn)業(yè)結(jié)構(gòu)的系數(shù)為正，可能是相比林業(yè)、漁業(yè)等生產(chǎn)，農(nóng)業(yè)需投入更多的農(nóng)藥等生產(chǎn)要素，單位產(chǎn)值所導(dǎo)致的碳排放量更多。耕地面積的系數(shù)為正，由于種植作物的特殊性與單一性，旱地和水澆地相比水田會(huì)產(chǎn)生更多的碳排放。自然災(zāi)害、播種規(guī)模對(duì)農(nóng)業(yè)碳排放的影響則均不顯著。

此外，參考已有研究，將空間效應(yīng)分為直接效應(yīng)和間接效應(yīng)，避免空間回歸模型點(diǎn)估計(jì)的有偏性問(wèn)題。如表4所示，直接效應(yīng)、間接效應(yīng)、總效應(yīng)都為負(fù)且在1%的水平下顯著，表明數(shù)字普惠金融發(fā)展不僅降低了本省的農(nóng)業(yè)碳排放強(qiáng)度，對(duì)相鄰省份的農(nóng)業(yè)碳排放強(qiáng)度也發(fā)揮一定的降低作用，如果忽略空間溢出效應(yīng)，會(huì)對(duì)數(shù)字普惠金融的影響有所低估。

（四）內(nèi)生性檢驗(yàn)

鑒于內(nèi)生性問(wèn)題可能會(huì)對(duì)結(jié)果造成偏差，將盡可能地對(duì)其進(jìn)行檢驗(yàn)修正。一方面，數(shù)字普惠金融可能與農(nóng)業(yè)碳排放強(qiáng)度存在反向因果關(guān)系。另一方面，盡管已盡可能地控制了影響農(nóng)業(yè)碳排放的相關(guān)變量，可能仍存在遺漏變量和度量誤差的問(wèn)題。

考慮到數(shù)字普惠金融發(fā)展的反應(yīng)存在一定時(shí)滯，將DFIIC滯后一期，如表5第2、3列所示。為減小實(shí)驗(yàn)誤差，借鑒黃群慧等（2019）的思路，選用人均郵政業(yè)務(wù)量（IV1）和人均電信業(yè)務(wù)量（IV2）作為工具變量。由于數(shù)字普惠金融主要是依靠互聯(lián)網(wǎng)來(lái)實(shí)現(xiàn)發(fā)展，互聯(lián)網(wǎng)技術(shù)的發(fā)展和應(yīng)用在很大程度上是從電話(huà)普及開(kāi)始的，固定電話(huà)普及率高的地區(qū)往往數(shù)字普惠金融發(fā)展較快。郵局也是鋪設(shè)固定電話(huà)的執(zhí)行部門(mén)，也可能影響數(shù)字普惠金融發(fā)展。如表5所示，IV1和IV1通過(guò)了“弱工具變量”和“不可識(shí)別”檢驗(yàn)，滿(mǎn)足其作為工具變量的條件。表5結(jié)果也表明數(shù)字普惠金融能降低農(nóng)業(yè)碳排放強(qiáng)度，且估計(jì)系數(shù)與上文的估計(jì)結(jié)果相比，有所增加。

（五）異質(zhì)性分析和穩(wěn)健性檢驗(yàn)

本文對(duì)依據(jù)經(jīng)濟(jì)水平和地理位置劃分的三大區(qū)域進(jìn)行分組，進(jìn)一步探究東中西地區(qū)的數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響。從表6來(lái)看，東中西地區(qū)的DFIIC分別為-0.0714、-0.0502、-0.0475，三者都在1%或10%的水平下顯著，表明三個(gè)地區(qū)的數(shù)字普惠金融發(fā)展均降低了農(nóng)業(yè)碳排放強(qiáng)度且東部地區(qū)的影響更為顯著。

為檢驗(yàn)估計(jì)結(jié)果的穩(wěn)健性，本文將空間鄰接矩陣和經(jīng)濟(jì)距離矩陣進(jìn)行更換，用反經(jīng)濟(jì)距離矩陣和數(shù)字普惠金融嵌套矩陣進(jìn)行重新估計(jì)。結(jié)果如表6第5、6列所示，最后估計(jì)結(jié)果與前文實(shí)證結(jié)果基本一致，顯著程度、符號(hào)均未發(fā)生明顯變化，表明前文所得實(shí)證結(jié)果基本穩(wěn)定。

（六）機(jī)制分析

在機(jī)制分析部分，采取交乘項(xiàng)的方法來(lái)探討技術(shù)進(jìn)步在數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度影響過(guò)程中的作用。將GTFP及GTFP分解的GEC和GTC分別代入到以下模型。如表7所示，數(shù)字普惠金融與技術(shù)進(jìn)步、技術(shù)效率的交乘項(xiàng)的系數(shù)顯著為負(fù)，表明數(shù)字普惠金融可通過(guò)技術(shù)進(jìn)步、技術(shù)效率對(duì)農(nóng)業(yè)碳減排起正向調(diào)節(jié)作用，且技術(shù)進(jìn)步的作用更明顯。

CIit=ρ∑WitCIit+β1DFIICit+θ1∑WitDFIICit+β2GTFPit+θ2∑WitGTFPit+β3GTFPit×GTFPit+θ3∑WitDFIICit×GTFPit+β4Xit+θ4∑WitXit+ui+λt+εit（13）

七、進(jìn)一步討論

（一）面板門(mén)檻模型設(shè)定

為檢驗(yàn)數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的非線(xiàn)性影響，本文采用Hansen（1999）提出的門(mén)檻回歸模型。借鑒馬國(guó)群等（2021）的研究，選取環(huán)境規(guī)制作為門(mén)檻變量，同時(shí)考慮政策發(fā)揮效應(yīng)的滯后性，將其用每年末各省份實(shí)施的有關(guān)農(nóng)業(yè)污染防控和環(huán)境保護(hù)的政策數(shù)量來(lái)表示。此外，以最小化殘差平方和為條件來(lái)確定環(huán)境規(guī)制的門(mén)檻值，考慮在不同的門(mén)檻區(qū)間內(nèi)，數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響效應(yīng)。模型如下，ERit為門(mén)檻變量，γ為未知門(mén)檻值。

CIit=？覬+δ1DFIICit×I（ERit≤γ1）+δ2DFIICit×I（ERit≤γ2）+…+δnDFIICit×I（γn-1γn）+？覬1Xit+εit（14）

（二）估計(jì)結(jié)果與分析

采用“自抽樣”法來(lái)估計(jì)，自抽樣次數(shù)為500，如表8所示，環(huán)境規(guī)制的單一門(mén)檻檢驗(yàn)在5%的置信水平下顯著，雙重門(mén)檻的P值則未能通過(guò)顯著性檢驗(yàn)，門(mén)檻數(shù)設(shè)為1。再采用極大似然函數(shù)來(lái)估計(jì)環(huán)境規(guī)制的門(mén)檻值，估計(jì)值為3.2616。如表9所示，當(dāng)環(huán)境規(guī)制低于門(mén)檻值3.2616時(shí)，影響不顯著；當(dāng)環(huán)境規(guī)制超過(guò)門(mén)檻值時(shí)，影響顯著且系數(shù)為-0.0624。這表明環(huán)境規(guī)制程度會(huì)影響農(nóng)戶(hù)和企業(yè)的環(huán)保意識(shí)，數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的抑制作用有差異。

八、結(jié)論和政策意見(jiàn)

本文利用2011-2018年我國(guó)30個(gè)省份的面板數(shù)據(jù)，通過(guò)空間杜賓模型、交乘項(xiàng)和門(mén)檻模型實(shí)證分析了數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響。結(jié)果表明，發(fā)展數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度有抑制作用，且農(nóng)業(yè)碳排放有空間溢出效應(yīng)；技術(shù)進(jìn)步對(duì)數(shù)字普惠金融的農(nóng)業(yè)碳減排效應(yīng)起正向調(diào)節(jié)作用；以環(huán)境規(guī)制為門(mén)檻，數(shù)字普惠金融對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響存在單一門(mén)檻效應(yīng)。

碳減排問(wèn)題備受?chē)?guó)家和社會(huì)的關(guān)注，基于上文的研究結(jié)論，本文提出如下建議：第一，加快數(shù)字普惠金融體系建設(shè)，健全地方性信息數(shù)據(jù)庫(kù)。各省之間建立有效的區(qū)域合作機(jī)制，做到有效發(fā)揮發(fā)達(dá)地區(qū)與落后地區(qū)互聯(lián)互通的輻射效應(yīng)和帶動(dòng)作用。第二，加大技術(shù)投入，加強(qiáng)行業(yè)協(xié)同。在技術(shù)創(chuàng)新的基礎(chǔ)上，搭建數(shù)字普惠金融與環(huán)保服務(wù)的平臺(tái)，進(jìn)一步創(chuàng)新金融產(chǎn)品和服務(wù)，做到與農(nóng)村碳減排需求有機(jī)結(jié)合。

參考文獻(xiàn)：

[1]方先明，那晉領(lǐng).創(chuàng)業(yè)板上市公司綠色創(chuàng)新溢酬研究[J].經(jīng)濟(jì)研究，2020，55（10）：106-123.

[2]胡中應(yīng).技術(shù)進(jìn)步、技術(shù)效率與中國(guó)農(nóng)業(yè)碳排放[J].華東經(jīng)濟(jì)管理，2018，32（06）：100-105.

[3]李波，張俊飚，李海鵬.中國(guó)農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解[J].中國(guó)人口·資源與環(huán)境，2011，21（08）：80-86.

[4]黃群慧，余泳澤，張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升：內(nèi)在機(jī)制與中國(guó)經(jīng)驗(yàn)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019（08）：5-23.

[5]羅知，齊博成.環(huán)境規(guī)制的產(chǎn)業(yè)轉(zhuǎn)移升級(jí)效應(yīng)與銀行協(xié)同發(fā)展效應(yīng)——來(lái)自長(zhǎng)江流域水污染治理的證據(jù)[J].經(jīng)濟(jì)研究，2021，56（02）：174-189.

[6]馬國(guó)群，譚硯文.環(huán)境規(guī)制對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究——基于面板門(mén)檻模型的分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2021（05）：77-92.

[7]聶秀華，江萍，鄭曉佳，吳青.數(shù)字金融與區(qū)域技術(shù)創(chuàng)新水平研究[J].金融研究，2021（03）：132-150.

[8]唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)構(gòu)特征、機(jī)制識(shí)別與金融監(jiān)管下的效應(yīng)差異[J].管理世界，2020，36（05）：52-66+9.

[9]王惠，卞藝杰.農(nóng)業(yè)生產(chǎn)效率、農(nóng)業(yè)碳排放的動(dòng)態(tài)演進(jìn)與門(mén)檻特征[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2015（06）：36-47.

[10]許釗，高煜，霍治方.數(shù)字金融的污染減排效應(yīng)[J].財(cái)經(jīng)科學(xué)，2021（04）：28-39.

[11]殷賀，王為東，王露，江紅莉.低碳技術(shù)進(jìn)步如何抑制碳排放？——來(lái)自中國(guó)的經(jīng)驗(yàn)證據(jù)[J].管理現(xiàn)代化，2020，40（05）：90-94.

[12]張廣勝，王珊珊.中國(guó)農(nóng)業(yè)碳排放的結(jié)構(gòu)、效率及其決定機(jī)制[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2014，35（07）：18-26+110.

[13]鄭萬(wàn)騰，趙紅巖，趙夢(mèng)嬋.數(shù)字金融發(fā)展有利于環(huán)境污染治理嗎？——兼議地方資源競(jìng)爭(zhēng)的調(diào)節(jié)作用[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2022（01）：1-13.

[14]鄒新月，王旺.數(shù)字普惠金融對(duì)居民消費(fèi)的影響研究——基于空間計(jì)量模型的實(shí)證分析[J].金融經(jīng)濟(jì)學(xué)研究，2020，35（04）：133-145.

[15]朱東波，張相偉.中國(guó)數(shù)字金融發(fā)展的環(huán)境效應(yīng)及其作用機(jī)制研究[J].財(cái)經(jīng)論叢，2022（03）：37-46.

＊基金項(xiàng)目：浙江省大學(xué)生科技創(chuàng)新活動(dòng)計(jì)劃暨新苗人才計(jì)劃（2022R408A033）。

（作者單位：浙江工商大學(xué)）