基于省級面板數(shù)據(jù)的農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響分析

顧蔚　談鑫　張海洋　丁子健

摘 要 基于2011—2020年省級面板數(shù)據(jù)，構(gòu)建雙向固定效應(yīng)模型分析農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響。結(jié)果表明：農(nóng)業(yè)信貸、農(nóng)業(yè)保險對農(nóng)業(yè)碳排放分別存在“倒U型”與“U型”的非線性影響，農(nóng)業(yè)投資、財政環(huán)保支出對農(nóng)業(yè)碳排放分別起促進和抑制作用；東部省份相較于中西部省份、非糧食主產(chǎn)區(qū)相較于糧食主產(chǎn)區(qū)，其農(nóng)業(yè)碳排放受農(nóng)村金融發(fā)展水平的影響更顯著?；诖?，從促進農(nóng)村普惠金融發(fā)展、發(fā)揮農(nóng)業(yè)保險的減碳功能、健全政府性融資擔保和風險分擔機制三方面提出政策建議。

關(guān)鍵詞 省級面板數(shù)據(jù)；農(nóng)村金融；農(nóng)業(yè)碳排放；影響分析；政策建議

中圖分類號：F323.9；X324 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2023.15.027

農(nóng)業(yè)活動是溫室氣體排放的重要來源之一，受到中國及國際社會的高度關(guān)注。根據(jù)聯(lián)合國糧食與農(nóng)業(yè)組織數(shù)據(jù)統(tǒng)計，超過30%的全球人為溫室氣體排放量來源于農(nóng)業(yè)用地；同時，我國約17%的碳排放總量來自農(nóng)業(yè)，且農(nóng)業(yè)碳排放量仍持續(xù)以平均1.46%的速度上漲[1-2]。而超量溫室氣體排放導致的氣候變化，又通過改變降雨模式、蟲害壓力模式、季節(jié)和晝夜的溫度變化模式與更頻繁的極端天氣等方式反噬農(nóng)業(yè)活動，降低農(nóng)業(yè)生產(chǎn)力。農(nóng)業(yè)碳排放問題日益嚴峻，控制農(nóng)業(yè)高碳排、發(fā)展綠色低碳農(nóng)業(yè)是重中之重。2021年農(nóng)業(yè)農(nóng)村部等6部門聯(lián)合印發(fā)的《“十四五”全國農(nóng)業(yè)綠色發(fā)展規(guī)劃》和2022年農(nóng)業(yè)農(nóng)村部聯(lián)合國家發(fā)改委印發(fā)的《農(nóng)業(yè)農(nóng)村減排固碳實施方案》，明確提出要強化農(nóng)業(yè)綠色發(fā)展科技動能、提高農(nóng)業(yè)資源利用效率、推進農(nóng)業(yè)農(nóng)村減排固碳，構(gòu)建綠色低碳循環(huán)發(fā)展的農(nóng)業(yè)產(chǎn)業(yè)體系。

金融發(fā)展規(guī)模和效率影響著經(jīng)濟活動中的碳排放水平[3]。2017年《農(nóng)業(yè)部 中國農(nóng)業(yè)銀行關(guān)于推進金融支持農(nóng)業(yè)綠色發(fā)展工作的通知》提出，要構(gòu)建多層次、廣覆蓋、可持續(xù)的農(nóng)業(yè)綠色發(fā)展金融服務(wù)體系，通過金融支持農(nóng)業(yè)科技創(chuàng)新、金融支持農(nóng)業(yè)結(jié)構(gòu)調(diào)整、金融支持農(nóng)業(yè)面源污染治理，推進綠色農(nóng)業(yè)發(fā)展。那么金融如何促進農(nóng)業(yè)低碳轉(zhuǎn)型、減排效果又如何？厘清農(nóng)村金融發(fā)展對農(nóng)業(yè)碳排放的影響，對提升農(nóng)業(yè)綠色發(fā)展金融服務(wù)體系具有重要現(xiàn)實意義。

1? 概念界定與文獻綜述

1.1? 農(nóng)業(yè)與農(nóng)業(yè)碳排放

本文聚焦狹義的農(nóng)業(yè)，即種植業(yè)，區(qū)別于涵蓋種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)、副業(yè)的廣義農(nóng)業(yè)。種植業(yè)包括培育各類農(nóng)作物、林木、果樹、觀賞及實用性等植物，產(chǎn)出各種糧食作物、經(jīng)濟作物、蔬菜作物、綠肥作物、飼料作物及園藝作物。

農(nóng)業(yè)碳排放具有難量化、隱蔽性強、隨機性強、不易檢測和涉及范圍廣等特征[4]；而農(nóng)業(yè)固碳作用的測算復雜，精準數(shù)據(jù)難以獲取。鑒于此，本文專注于狹義農(nóng)業(yè)在農(nóng)地利用中產(chǎn)生的碳排放，從化肥、農(nóng)藥、農(nóng)膜、農(nóng)用機械使用、農(nóng)田灌溉和農(nóng)作物耕種共六個維度進行測算，將排放的溫室氣體統(tǒng)一用二氧化碳當量表示。

1.2? 農(nóng)業(yè)碳排放的測算與影響因素

農(nóng)業(yè)碳排放的主要碳源有：1）農(nóng)地利用，包括化肥、農(nóng)藥、薄膜等農(nóng)資投入、農(nóng)用機械所用柴油等能源消耗、農(nóng)地翻耕和灌溉；2）水稻等作物生長；3）牲畜腸道發(fā)酵及糞便處理；4）秸稈等作料焚燒。同時，各國農(nóng)業(yè)碳排放與其農(nóng)業(yè)生產(chǎn)方式息息相關(guān)[5]。對我國農(nóng)業(yè)碳排放測算的研究中發(fā)現(xiàn)，在所有碳源中化肥影響最大，且我國農(nóng)業(yè)碳排總量逐年遞增、增速減弱[6]。農(nóng)業(yè)碳排放的正向影響因素包含人口規(guī)模、畜類消費占比、農(nóng)業(yè)規(guī)模，負向影響因素包含土地生產(chǎn)效率的提升、保護性耕作方式的使用、環(huán)境保護措施的實施[7]。

1.3? 金融發(fā)展與碳排放

當前研究發(fā)現(xiàn)，能顯著影響碳排放量和排放強度[8]的金融因素包括：金融的規(guī)模、效率、空間結(jié)構(gòu)[9]、產(chǎn)業(yè)聚集[10]等。其研究方法既有構(gòu)建衡量綜合指數(shù)衡量金融發(fā)展的整體情況與內(nèi)部結(jié)構(gòu)的[11]，也有按股票、保險、信貸等金融產(chǎn)品類型分別分析其與碳排放量關(guān)系的[12]。異質(zhì)性研究方面發(fā)現(xiàn)，金融發(fā)展在總體上有利于減少碳排放，但這種減排效應(yīng)會隨著經(jīng)濟發(fā)展水平、經(jīng)濟結(jié)構(gòu)、能源結(jié)構(gòu)等因素而呈現(xiàn)復雜的特征[13]。

學界尚未就金融發(fā)展對碳排放量的作用方向達成統(tǒng)一定論。較多研究得出，金融發(fā)展對碳排放有負向抑制作用[9，14-16]；也有研究認為金融規(guī)模和效率對碳排放量有正向作用，對碳排放強度有負向作用[8]；更有研究發(fā)現(xiàn)金融發(fā)展與碳排放量之間存在“倒U型”關(guān)系[17-20]。

目前，國內(nèi)針對金融與農(nóng)業(yè)碳排放的研究相對較少，且多用信貸、存款指標作為農(nóng)村金融水平的測度。本文構(gòu)建雙向固定效應(yīng)模型，基于2011—2020年中國省級面板數(shù)據(jù)，從農(nóng)業(yè)信貸、農(nóng)業(yè)保險、農(nóng)業(yè)投資、財政環(huán)保支出四個維度探討農(nóng)村金融水平對農(nóng)業(yè)金融碳排放的影響。

2? 模型設(shè)定、變量選取和數(shù)據(jù)來源

2.1? 模型設(shè)定

為了分析農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響，本文構(gòu)建了雙向固定效應(yīng)模型，具體如下：

（1）式中：i為省份，t為年份；mco2（it）代表被解釋變量，為省份i在t年的農(nóng)業(yè)碳排放總量；xe，f（it）代表解釋變量，為省份i在t年的農(nóng)村金融發(fā)展水平；∑Xit為控制變量；λi為省級固定效應(yīng)，Ut為時間固定效應(yīng)；εit為誤差項；α、β、φ和λ為相應(yīng)的常量。為了便于解釋統(tǒng)計意義及平滑數(shù)據(jù)波動，本文對農(nóng)業(yè)碳排放總量mco2（it）和農(nóng)村金融水平xe，f（it）進行了對數(shù)化處理。

2.2? 變量測度、說明和描述性統(tǒng)計

2.2.1? 被解釋變量

農(nóng)業(yè)碳排放總量。本文聚焦于狹義農(nóng)業(yè)（種植業(yè)）及其碳排放量，具體估算公式如下：

（2）式中：mco2（it）為農(nóng)業(yè)碳排放總量。mco2（it，j）為省份i在t年碳源j的碳排放量；Qit，j為省份i在t年碳源j的數(shù)量；Cj為碳源的碳排放系數(shù)，具體見表1。

測算發(fā)現(xiàn)：平均農(nóng)業(yè)碳排放大省包括河南省、山東省、黑龍江省、河北?。黄骄急茸畲蟮霓r(nóng)業(yè)碳源為農(nóng)業(yè)播種和化肥使用。各省農(nóng)業(yè)碳排放總量（按從高至低排序）見表2，農(nóng)業(yè)碳源中播種、化肥、農(nóng)膜、農(nóng)用柴油、農(nóng)藥、灌溉的占比見表3。

2.2.2? 核心解釋變量

農(nóng)村金融發(fā)展水平。使用四個指標來衡量：

1）農(nóng)業(yè)信貸指標。從儲蓄能力轉(zhuǎn)化為投資的角度出發(fā)，使用涉農(nóng)貸款余額與農(nóng)戶儲蓄存款余額之比衡量農(nóng)村信貸資源配置效率[3，22]。2）農(nóng)業(yè)保險指標。使用各財產(chǎn)保險公司農(nóng)業(yè)保險收入衡量各地區(qū)農(nóng)業(yè)保險的絕對規(guī)模。3）農(nóng)業(yè)投資指標。使用農(nóng)業(yè)綜合開發(fā)項目資金總投入，涵蓋中央財政、地方財政、銀行信貸、群眾自籌四方資金。4）財政環(huán)保支出指標。使用節(jié)能環(huán)保項目財政預算支出，涵蓋生態(tài)保護、污染防治、天然林保護、退耕還林、退牧還草、污染減排等用途。其中，鑒于相關(guān)文獻[22-23]發(fā)現(xiàn)農(nóng)業(yè)信貸對農(nóng)業(yè)碳排放、農(nóng)業(yè)保險對農(nóng)業(yè)生產(chǎn)率存在非線性關(guān)系，本文對農(nóng)業(yè)信貸與農(nóng)業(yè)保險兩項指標添加其二次項回歸，以捕捉其與農(nóng)業(yè)碳排放總量的非線性關(guān)系。

2.2.3? 控制變量

綜合考慮現(xiàn)有對農(nóng)業(yè)碳排放的研究，本文控制了農(nóng)業(yè)經(jīng)濟水平、農(nóng)業(yè)現(xiàn)代化水平、農(nóng)作物受災(zāi)程度、農(nóng)業(yè)結(jié)構(gòu)四方非金融變量，分別以農(nóng)業(yè)總產(chǎn)值（億元）、農(nóng)業(yè)機械總動力（萬千瓦）、作物受災(zāi)面積（千公頃）、農(nóng)業(yè)總產(chǎn)值與農(nóng)林牧漁業(yè)總產(chǎn)值之比衡量。此外，為了緩解不可觀測變量對結(jié)果的偏誤，本文一方面引入了省級固定效應(yīng)λi，以便控制各省份自然氣候、地理面貌等特征；另一方面引入了時間固定效應(yīng)Ut，以便控制政策變化和通貨膨脹等因素。

2.2.4? 描述性統(tǒng)計

變量說明與描述性統(tǒng)計見表4。

2.3? 數(shù)據(jù)來源

考慮到數(shù)據(jù)的可得性，選取2011—2020年我國31個省份（地區(qū)）的省級面板數(shù)據(jù)，未包含港澳臺地區(qū)。其中，各農(nóng)業(yè)碳排放源的數(shù)量，農(nóng)業(yè)經(jīng)濟水平、農(nóng)作物受災(zāi)程度等控制變量的數(shù)據(jù)取自國家統(tǒng)計局；農(nóng)村金融發(fā)展水平的數(shù)據(jù)來自《中國財政年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國保險年鑒》和CSMAR數(shù)據(jù)庫。需要說明的是：對缺失值，根據(jù)其前后五年間的差值進行了補全；對絕對值的變量，為了避開宏觀數(shù)據(jù)的非平穩(wěn)性對實證結(jié)果的干擾，進行了對數(shù)處理。

3? 實證結(jié)果與分析

3.1? 基準回歸

在前文理論分析和模型構(gòu)建的基礎(chǔ)上，本文采用雙向固定效應(yīng)模型從農(nóng)業(yè)信貸、農(nóng)業(yè)保險、農(nóng)業(yè)投資、財政環(huán)保支出四方面分析農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響，參數(shù)估計結(jié)果見表5。

其中，農(nóng)業(yè)信貸的一次項系數(shù)為正、二次項系數(shù)為負，且在5%的水平上顯著；相反，農(nóng)業(yè)保險的一次項系數(shù)為負、二次項系數(shù)為正，且在1%的水平上顯著；農(nóng)業(yè)投資的系數(shù)為正，財政環(huán)保支出的數(shù)為負，二者皆在均在1%的水平上顯著。

可見以涉農(nóng)貸款余額與農(nóng)戶儲蓄存款余額之比衡量的農(nóng)業(yè)信貸與農(nóng)業(yè)碳排放之間存在顯著的“倒U型”關(guān)系，這意味著農(nóng)業(yè)信貸帶來的初期擴張將顯著抬升農(nóng)業(yè)碳排放量，但在后續(xù)規(guī)模效應(yīng)、技術(shù)效率提高、結(jié)構(gòu)優(yōu)化的綜合作用下，農(nóng)業(yè)信貸將反向抑制農(nóng)業(yè)碳排放；相反，農(nóng)業(yè)保險與農(nóng)業(yè)碳排放呈“U型”關(guān)系，這意味著，農(nóng)業(yè)保險規(guī)模的增加在初期對農(nóng)業(yè)碳排放量有抑制作用，但后期抑制作用逐漸衰減甚至反向?qū)е绿寂欧诺脑黾?，鑒于前文中不同群體樣本對農(nóng)業(yè)保險的異質(zhì)性，本文將就農(nóng)業(yè)保險與農(nóng)業(yè)碳排放“U型”關(guān)系在下文中分樣本分析；以農(nóng)業(yè)綜合開發(fā)項目資金投入衡量的農(nóng)業(yè)投資與農(nóng)業(yè)碳排放之間正向關(guān)系顯著，農(nóng)業(yè)投資增加1%則碳排放量也增加0.143%，平均來說，農(nóng)業(yè)投資增加1億元則農(nóng)業(yè)碳排放量增加316 t；以節(jié)能環(huán)保支出衡量的財政支持力度與農(nóng)業(yè)碳排放之間負向關(guān)系顯著，財政環(huán)保支出增加1%的環(huán)保項目財政支出則碳排放量減少0.080 4%，平均來說，財政每增加1億元在生態(tài)保護、污染防治、天然林保護、退耕還林、退牧還草、污染減排等方面的支出，則農(nóng)業(yè)碳排放量減少24.5 t。

3.2? 異質(zhì)性分析

3.2.1? 東部地區(qū)與中西部地區(qū)的異質(zhì)性

受不同資源稟賦、氣候地理、經(jīng)濟狀況的影響，農(nóng)村金融發(fā)展水平對農(nóng)業(yè)碳排放的影響也有所不同。相對于中西部省份，東部省份經(jīng)濟更發(fā)達，農(nóng)業(yè)碳排放量也較高；農(nóng)業(yè)政策也存在不同，以農(nóng)業(yè)保險為例，根據(jù)《中央財政農(nóng)業(yè)保險保險費補貼管理辦法》，中央財政對東部省份的農(nóng)業(yè)保險支持力度較小，而對中西部省份支持力度較大。鑒于此，本文對東部省份及中西部省份進行分組回歸。

參考相關(guān)文獻中的分組方法[24]，設(shè)定東部地區(qū)包括北京、天津、山東、上海、江蘇、浙江、河北、遼寧、廣東、福建、海南共11?。ɑ虻貐^(qū)）；中部地區(qū)包括黑龍江、吉林、山西、江西、河南、安徽、湖北、湖南共8省（或地區(qū)）；西部地區(qū)包括內(nèi)蒙古、陜西、甘肅、貴州、重慶、四川、廣西、云南、青海、寧夏、新疆、西藏共12?。ɑ虻貐^(qū)）。東部、中部與西部地區(qū)的分組回歸結(jié)果見表6。

其中，在東部地區(qū)，農(nóng)業(yè)信貸僅一次項系數(shù)顯著為負，對農(nóng)業(yè)碳排放起單純的抑制作用；農(nóng)業(yè)保險一次項系數(shù)為負、二次項系數(shù)為正，與農(nóng)業(yè)碳排放之間的“U型”關(guān)系依然顯著；農(nóng)業(yè)投資與農(nóng)業(yè)碳排放仍存在顯著的正向關(guān)系；而財政環(huán)保支出的影響則不顯著。西部地區(qū)，農(nóng)業(yè)信貸僅一次項系數(shù)顯著為負，對農(nóng)業(yè)碳排放起單純的抑制作用；農(nóng)業(yè)保險一次項系數(shù)為負、二次項系數(shù)為正，與農(nóng)業(yè)碳排放之間的“U型”關(guān)系依然顯著；農(nóng)業(yè)投資與農(nóng)業(yè)碳排放仍存在顯著的正向關(guān)系；而財政環(huán)保支出對農(nóng)業(yè)碳排放的影響不顯著。中部地區(qū)的財政環(huán)保支出和西部地區(qū)的農(nóng)業(yè)投資分別對農(nóng)業(yè)碳排放呈顯著的負向作用和正向作用，而中西部的農(nóng)業(yè)碳排放對農(nóng)業(yè)信貸和農(nóng)業(yè)保險則較不敏感。

可能的原因：東部省份的農(nóng)業(yè)經(jīng)營者對農(nóng)業(yè)信貸、保險等金融產(chǎn)品的作用更有體會，農(nóng)村金融發(fā)展水平因此對他們的經(jīng)營規(guī)模、種植結(jié)構(gòu)和生產(chǎn)技術(shù)更易發(fā)揮助推作用。而中西部地區(qū)農(nóng)業(yè)經(jīng)營者對農(nóng)業(yè)金融產(chǎn)品的理解較淺，因而其碳排放行為所受的影響較小。

3.2.2? 糧食主產(chǎn)區(qū)與非糧食主產(chǎn)區(qū)的異質(zhì)性

糧食主產(chǎn)區(qū)與非糧食主產(chǎn)區(qū)在農(nóng)業(yè)生產(chǎn)規(guī)模、農(nóng)業(yè)碳排放量等方面差異顯著；另一方面，相關(guān)研究發(fā)現(xiàn)，糧食作物占比與農(nóng)業(yè)碳排放顯著相關(guān)[25]。為了探究農(nóng)村金融水平的影響在糧食主產(chǎn)區(qū)和非糧食主產(chǎn)區(qū)的差異，本文進行了分樣本回歸（見表7）。

根據(jù)財政部2003年發(fā)布的《關(guān)于改革和完善農(nóng)業(yè)綜合開發(fā)若干政策措施的意見》，糧食主產(chǎn)區(qū)包括內(nèi)蒙古、河南、河北、湖南、湖北、黑龍江、吉林、遼寧、山東、江蘇、安徽、江西、四川共13個省區(qū)；非糧食主產(chǎn)區(qū)包括北京、天津、上海、浙江、甘肅、山西、陜西、重慶、貴州、廣東、廣西、福建、海南、寧夏、青海、云南、新疆、西藏共18個省區(qū)。

其中，糧食主產(chǎn)區(qū)的核心解釋變量均不顯著；而非糧食主產(chǎn)區(qū)的核心解釋變量至少在10%的水平上顯著，且其符號與基準回歸一致。這意味著，糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放對農(nóng)村金融發(fā)展水平并不敏感，而非糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放受農(nóng)村金融發(fā)展水平的影響程度較深。

可能的原因：糧食主產(chǎn)區(qū)的政策推動了農(nóng)業(yè)經(jīng)營規(guī)?；娃r(nóng)作物的趨糧化。這意味著，糧食主產(chǎn)區(qū)的農(nóng)村金融發(fā)展通過推動規(guī)模擴大和結(jié)構(gòu)調(diào)整兩條路徑影響農(nóng)業(yè)碳排放量的空間有限，相較于非糧食主產(chǎn)區(qū)，農(nóng)村金融發(fā)展水平的作用對其更小。

4? 結(jié)論與政策建議

4.1? 結(jié)論

金融的環(huán)境效益是近年備受關(guān)注的話題，本文從農(nóng)業(yè)信貸、農(nóng)業(yè)保險、農(nóng)業(yè)投資、財政環(huán)保支出四個維度聚焦農(nóng)村金融發(fā)展對農(nóng)業(yè)碳排放的影響，并基于2011—2020年中國31省的面板數(shù)據(jù)構(gòu)建了雙向面板固定效應(yīng)模型，得出如下結(jié)論。

1）農(nóng)業(yè)信貸與農(nóng)業(yè)碳排放之間呈“倒U型”關(guān)系；農(nóng)業(yè)保險則與之呈“U型”關(guān)系；農(nóng)業(yè)投資和財政環(huán)保支出對農(nóng)業(yè)碳排放量分別起促進與抑制作用。

2）從異質(zhì)性角度看，在東部省份，金融發(fā)展水平對農(nóng)業(yè)碳排放的影響更顯著，而中西部省份的農(nóng)業(yè)碳排放則相對不敏感；相對于糧食主產(chǎn)區(qū)，非糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放受金融發(fā)展水平的影響更顯著。

4.2? 政策建議

1）促進農(nóng)村普惠金融發(fā)展。加快普及小農(nóng)戶普惠信用貸款、加快提升新型農(nóng)業(yè)經(jīng)營主體金融服務(wù)水平，可出臺加大對農(nóng)業(yè)信貸的貼息力度、優(yōu)化農(nóng)業(yè)信貸的利率政策、拓寬農(nóng)業(yè)農(nóng)村抵押質(zhì)押物范圍等激勵政策；建立健全“三農(nóng)”效能評價考核制度，激勵金融機構(gòu)對農(nóng)業(yè)經(jīng)營主體信貸投放的積極性、擴大農(nóng)業(yè)信貸供給，引導金融服務(wù)重心下沉、拓寬面向低碳農(nóng)業(yè)的服務(wù)渠道。

2）發(fā)揮農(nóng)業(yè)保險的減碳功能。開發(fā)價格保險、收入保險等多樣化農(nóng)保產(chǎn)品，完善中國農(nóng)業(yè)風險保障體系、緩解災(zāi)害等外部沖擊導致的農(nóng)業(yè)碳排激增；創(chuàng)新綠色導向的農(nóng)保產(chǎn)品，以高保障、高補貼激勵環(huán)境友好型生產(chǎn)技術(shù)的應(yīng)用、削弱農(nóng)用化學品和機械等碳源的負面影響；加強農(nóng)保政策與環(huán)保的配合程度，增強農(nóng)業(yè)環(huán)境監(jiān)察和環(huán)保政策執(zhí)行力度，避免經(jīng)營者投入過量農(nóng)業(yè)生產(chǎn)要素而加劇農(nóng)業(yè)碳排放。對中、西部省份的農(nóng)業(yè)經(jīng)營者，要加強參保收益教育的普及，深化農(nóng)業(yè)保險在農(nóng)業(yè)規(guī)模經(jīng)營、結(jié)構(gòu)優(yōu)化中的助推作用；同時，進一步簡化農(nóng)業(yè)保險賠付手續(xù)、規(guī)范農(nóng)業(yè)保險定損標準，降低受災(zāi)農(nóng)戶獲賠門檻。

3）健全政府性融資擔保和風險分擔機制。各級政府性融資擔保、再擔保機構(gòu)應(yīng)聚焦提升支農(nóng)服務(wù)能力、充分發(fā)揮增信分險作用，優(yōu)化銀行業(yè)金融機構(gòu)與融資擔?；鸬你y擔合作機制、健全風險分擔和補償機制，降低農(nóng)業(yè)綜合融資成本、撬動社會資金流入綠色農(nóng)業(yè)投資、增強農(nóng)業(yè)低碳高質(zhì)發(fā)展的內(nèi)生動力。

參考文獻：

[1]? 李波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放時空特征及影響因素分解[J].中國人口·資源與環(huán)境，2011，21（8）：80-86.

[2]? 譚秋成.中國農(nóng)業(yè)溫室氣體排放：現(xiàn)狀及挑戰(zhàn)[J].中國人口·資源與環(huán)境，2011，21（10）：69-75.

[3]? 徐文成，毛彥軍，屈小爽.農(nóng)村金融發(fā)展對農(nóng)業(yè)碳排放影響研究——以河南省17個省轄市為例[J].征信，2022，40（7）：86-92.

[4]? 張義瓊.近29年來德陽市農(nóng)牧業(yè)碳排放估算及脫鉤關(guān)系研究[D].成都：四川師范大學，2021.

[5]? 戴小文，何艷秋，鐘秋波.中國農(nóng)業(yè)能源消耗碳排放變化驅(qū)動因素及其貢獻研究——基于KAYA恒等擴展與LMDI指數(shù)分解方法[J].中國生態(tài)農(nóng)業(yè)學報，2015，23（11）：1445-1454.

[6]? 黃燕.中國省域農(nóng)業(yè)碳排放動態(tài)變化及影響因素分析[D].廣州：華南農(nóng)業(yè)大學，2018.

[7]? 周曉雪.農(nóng)產(chǎn)品貿(mào)易開放對中國農(nóng)業(yè)碳排放績效的影響研究[D].北京：北京林業(yè)大學，2020.

[8]? 陳碧瓊，張梁梁.動態(tài)空間視角下金融發(fā)展對碳排放的影響力分析[J].軟科學，2014，28（7）：140-144.

[9]? 顧洪梅，何彬.中國省域金融發(fā)展與碳排放研究[J].中國人口·資源與環(huán)境，2012，22（8）：22-27.

[10]? 李明磊，胡蘊紋，關(guān)磊.金融產(chǎn)業(yè)集聚對碳排放的影響及區(qū)域差異性[J].生態(tài)經(jīng)濟，2020，36（02）：22-27，54.

[11] 葉初升，葉琴.金融結(jié)構(gòu)與碳排放無關(guān)嗎——基于金融供給側(cè)結(jié)構(gòu)性改革的視角[J].經(jīng)濟理論與經(jīng)濟管理，2019（10）：31-44.

[12]? 汪中華，趙葆奇.金融規(guī)模、結(jié)構(gòu)、效率對碳排放的門檻效應(yīng)分析[J].生態(tài)經(jīng)濟，2019，35（11）：28-32，111.

[13]? 邵漢華，劉耀彬.金融發(fā)展與碳排放的非線性關(guān)系研究——基于面板平滑轉(zhuǎn)換模型的實證檢驗[J].軟科學，2017，31（5）：80-84.

[14]? 周亞軍，吉萍.產(chǎn)業(yè)升級、金融資源配置效率對碳排放的影響研究——基于省級空間面板數(shù)據(jù)分析[J].華東經(jīng)濟管理，2019，33（12）：59-68.

[15]? 張忠杰，李真真，李憲慧.金融發(fā)展、城鎮(zhèn)化對人均能源消費碳排放的影響[J].統(tǒng)計與決策，2020，36（8）：106-110.

[16]? 李壽國，宋寶東.金融發(fā)展影響碳排放的門檻效應(yīng)分析[J].生態(tài)經(jīng)濟，2019，35（4）：20-25.

[17]? 嚴成樑，李濤，蘭偉.金融發(fā)展、創(chuàng)新與二氧化碳排放[J].金融研究，2016（1）：14-30.

[18]? 李德山，徐海鋒，張淑英.金融發(fā)展、技術(shù)創(chuàng)新與碳排放效率：理論與經(jīng)驗研究[J].經(jīng)濟問題探索，2018（2）：169-174.

[19]? 李婷，李文興.碳排放與金融發(fā)展關(guān)聯(lián)性的實證檢驗[J].統(tǒng)計與決策，2016（6）：157-160.

[20] 胡金焱，王夢晴.我國金融發(fā)展與二氧化碳排放——基于1998—2015年省級面板數(shù)據(jù)的研究[J].山東社會科學，2018（4）：118-124.

[21] DUBEY A， LAL R. Carbon Footprint and Sustainability of Agricultural Production Systems in Punjab， India， and Ohio， USA[J]. Journal of Crop Improvement， 2009， 23： 332-350.

[22]? 程文，夏詠，趙向豪.西北五省農(nóng)村金融發(fā)展對農(nóng)業(yè)碳排放的影響研究——基于stirpat模型和動態(tài)面板數(shù)據(jù)模型[J].農(nóng)村金融研究，2018（7）：72-76.

[23]? LU F， WANG W W， LIU M H， et al. The non-linear effect of agricultural insurance on agricultural green competitiveness[J]. Technology Analysis & Strategic Management， 2022： 1-16.

[24]? 沈小波，陳語，林伯強.技術(shù)進步和產(chǎn)業(yè)結(jié)構(gòu)扭曲對中國能源強度的影響[J].經(jīng)濟研究，2021，56（2）：157-173.

[25]? 馬九杰，崔恒瑜.農(nóng)業(yè)保險發(fā)展的碳減排作用：效應(yīng)與機制[J].中國人口·資源與環(huán)境，2021，31（10）：79-89.

（責任編輯：丁志祥）