綠色信貸對(duì)農(nóng)業(yè)碳減排的影響

摘 要：在“碳達(dá)峰、碳中和”戰(zhàn)略背景下，農(nóng)業(yè)碳排放問題日益凸顯，綠色信貸被認(rèn)為是推動(dòng)農(nóng)業(yè)實(shí)現(xiàn)綠色轉(zhuǎn)型的重要?jiǎng)恿?。選取2010—2021年30個(gè)省份的面板數(shù)據(jù)作為研究樣本，從技術(shù)創(chuàng)新和資源配置的角度梳理綠色信貸對(duì)碳排放的影響效應(yīng)。在此基礎(chǔ)上，構(gòu)建面板數(shù)據(jù)回歸模型，以農(nóng)業(yè)碳排放強(qiáng)度為被解釋變量、綠色信貸水平為核心解釋變量進(jìn)行實(shí)證分析。結(jié)果表明，綠色信貸與農(nóng)業(yè)碳排放強(qiáng)度呈顯著負(fù)相關(guān)，能有效促進(jìn)農(nóng)業(yè)碳減排，且在經(jīng)濟(jì)發(fā)達(dá)地區(qū)及種植業(yè)占比高的地區(qū)作用更顯著，經(jīng)過穩(wěn)健性檢驗(yàn)后結(jié)論依然可靠。基于研究結(jié)果，提出持續(xù)擴(kuò)大綠色信貸規(guī)模、優(yōu)化信貸政策、加強(qiáng)區(qū)域協(xié)作等參考建議，助力農(nóng)業(yè)高質(zhì)量發(fā)展與“雙碳”目標(biāo)的實(shí)現(xiàn)。

關(guān)鍵詞：綠色信貸；農(nóng)業(yè)碳排放；碳減排；面板回歸

中圖分類號(hào)：X196；F832.4；F323.22 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-7909（2025）2-58-6

DOI：10.19345/j.cnki.1674-7909.2025.02.012

0 引言

在“碳達(dá)峰，碳中和”背景下，降低碳排放，推動(dòng)綠色發(fā)展，加快實(shí)現(xiàn)“雙碳”目標(biāo)是一項(xiàng)充滿挑戰(zhàn)的任務(wù)。習(xí)近平總書記在黨的二十大報(bào)告中再次強(qiáng)調(diào)綠色發(fā)展的重要性，綠色降碳是我國(guó)未來高質(zhì)量發(fā)展的重要任務(wù)之一。農(nóng)業(yè)作為僅次于能源行業(yè)的第二大高碳排放領(lǐng)域，是我國(guó)減碳路上需要重點(diǎn)推進(jìn)的領(lǐng)域。

與其他行業(yè)相比，農(nóng)業(yè)存在更大的外部性，更容易受到外界環(huán)境的影響，成為綠色金融重點(diǎn)支持的領(lǐng)域之一［1］。綠色信貸作為我國(guó)加快信貸投放、支持綠色低碳發(fā)展的重要金融工具，在抑制碳排放方面發(fā)揮著不可替代的作用。其主要是通過銀行等金融機(jī)構(gòu)主體，在信貸方面綜合考慮能源使用和環(huán)境因素等條件，對(duì)高能耗、高污染企業(yè)設(shè)立信貸門檻，限制其無序發(fā)展，優(yōu)先支持對(duì)環(huán)境友好、能促進(jìn)可持續(xù)發(fā)展的項(xiàng)目和企業(yè)，引導(dǎo)資金流向綠色和環(huán)保產(chǎn)業(yè)，推動(dòng)經(jīng)濟(jì)的綠色轉(zhuǎn)型，發(fā)揮好綠色信貸對(duì)農(nóng)業(yè)支持及降碳作用，從而實(shí)現(xiàn)“雙碳”目標(biāo)。目前，學(xué)術(shù)界對(duì)綠色信貸與碳排放之間的關(guān)系已有相對(duì)系統(tǒng)的研究。李增福等［2］基于中國(guó)省級(jí)面板數(shù)據(jù)進(jìn)行研究，認(rèn)為綠色信貸投放規(guī)模的擴(kuò)大有效抑制二氧化碳的排放。孫少巖等［3］通過研究綠色信貸與碳減排的效應(yīng)及作用渠道和調(diào)節(jié)機(jī)制，發(fā)現(xiàn)綠色信貸不僅能激勵(lì)綠色創(chuàng)新，還能降低能源強(qiáng)度，從而推動(dòng)碳減排。上述研究雖分析了綠色信貸對(duì)碳減排的影響及機(jī)制，但由于我國(guó)不同行業(yè)特點(diǎn)不同，對(duì)某一具體行業(yè)的研究還不充分。因此，在以往研究的基礎(chǔ)上，測(cè)算我國(guó)省級(jí)農(nóng)業(yè)碳排放強(qiáng)度，研究綠色信貸對(duì)農(nóng)業(yè)碳排放的影響，根據(jù)研究結(jié)果為我國(guó)農(nóng)業(yè)雙碳目標(biāo)的實(shí)現(xiàn)及農(nóng)業(yè)的高質(zhì)量發(fā)展提供建議和參考。

1 理論分析

從現(xiàn)有研究來看，綠色信貸對(duì)碳減排的影響主要有以下效應(yīng)。

一是技術(shù)創(chuàng)新效應(yīng)。根據(jù)波特假說，合理的環(huán)境監(jiān)管政策能激勵(lì)企業(yè)進(jìn)行技術(shù)創(chuàng)新，這不僅有助于提升企業(yè)的競(jìng)爭(zhēng)力，還能推動(dòng)企業(yè)在環(huán)保轉(zhuǎn)型及環(huán)境保護(hù)方面的進(jìn)展。綠色信貸作為我國(guó)重要的環(huán)境經(jīng)濟(jì)政策，可發(fā)揮引導(dǎo)作用，引導(dǎo)更多資金流向環(huán)保節(jié)能型企業(yè)，為其技術(shù)研發(fā)提供更多的資金［4］。此外，可通過激勵(lì)企業(yè)提高企業(yè)環(huán)境保護(hù)意識(shí)，促進(jìn)企業(yè)進(jìn)行技術(shù)創(chuàng)新，并通過創(chuàng)新補(bǔ)償效應(yīng)促進(jìn)企業(yè)技術(shù)進(jìn)步［3］。

二是資源配置效應(yīng)。從融資管理視角來看，綠色信貸通過差異化的信貸政策，發(fā)揮融資約束效應(yīng)，進(jìn)而通過成本激勵(lì)效應(yīng)影響碳減排。一方面，綠色信貸對(duì)高能耗企業(yè)設(shè)定較高的準(zhǔn)入門檻，這導(dǎo)致“兩高一?！逼髽I(yè)的融資成本顯著提高，從而減少碳排放［5］。另一方面，綠色信貸為環(huán)境友好型及綠色可持續(xù)企業(yè)提供優(yōu)惠貸款利率和稅收政策，可緩解企業(yè)融資約束及融資成本，進(jìn)而為其發(fā)展提供穩(wěn)定保障，促進(jìn)農(nóng)業(yè)領(lǐng)域的碳減排［6］。

2 數(shù)據(jù)來源與模型構(gòu)建

2.1 模型設(shè)定

為驗(yàn)證綠色信貸對(duì)農(nóng)業(yè)碳減排的影響，研究以農(nóng)業(yè)碳排放強(qiáng)度為被解釋變量，以綠色信貸水平作為核心解釋變量，引入農(nóng)村城鎮(zhèn)化水平、農(nóng)業(yè)受災(zāi)率、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)村經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)機(jī)械化程度作為控制變量，構(gòu)建面板數(shù)據(jù)回歸模型，具體模型見式（1）。

[CEIit=α0+α1GCit+α3Controlsit+μi+γt+εit]" （1）

式（1）中：[CEIit]為i省份在年份t的農(nóng)業(yè)碳排放強(qiáng)度，[GCit]為省份i在年份t的綠色信貸水平，[Controlsit]為一系列的控制變量，[μi]和[γt]分別為省份固定效應(yīng)和時(shí)間固定效應(yīng)，[εit]為隨機(jī)擾動(dòng)項(xiàng)。

2.2 變量說明

2.2.1 被解釋變量

農(nóng)業(yè)碳排放強(qiáng)度（[CEI]）是指農(nóng)業(yè)二氧化碳排放量與農(nóng)業(yè)總產(chǎn)值的比值，即單位農(nóng)業(yè)產(chǎn)值產(chǎn)生的碳排放量，該指標(biāo)考慮到各地區(qū)的農(nóng)業(yè)規(guī)模，具有更高的可比性。具體計(jì)算公式見式（2）。

[CEI=CE/AGDP]" "（2）

式（2）中：[CE]為農(nóng)業(yè)碳排放總量，[AGDP]為農(nóng)業(yè)總產(chǎn)值。該研究對(duì)農(nóng)業(yè)碳排放總量的計(jì)算方法參考李波等［7］、曹俐等［8］的研究，發(fā)現(xiàn)我國(guó)農(nóng)業(yè)碳排放的來源主要是農(nóng)藥、農(nóng)膜、化肥等物質(zhì)的使用和農(nóng)業(yè)機(jī)械化背景下農(nóng)用柴油、灌溉電能消耗及農(nóng)田翻耕播種導(dǎo)致的碳流失。因此，農(nóng)業(yè)碳排放量的計(jì)算公式見式（3）。

[CE=i=16Ti×δi]" "（3）

式（3）中：[Ti]為i類碳排放來源的總量，[δi]為i類碳源的碳排放系數(shù)。各類碳源的碳排放系數(shù)見表1。

2.2.2 核心解釋變量

綠色信貸（[GC]）是金融機(jī)構(gòu)為支持應(yīng)對(duì)環(huán)境氣候變化、環(huán)境改善的經(jīng)濟(jì)活動(dòng)所提供的信貸服務(wù)，主要包括對(duì)綠色項(xiàng)目的信貸支持和高能耗項(xiàng)目的信貸限制兩方面。梳理現(xiàn)有文獻(xiàn)，發(fā)現(xiàn)有4種代理指標(biāo)能衡量綠色信貸水平，包括節(jié)能環(huán)保項(xiàng)目貸款占總貸款的比值、綠色信貸占比、高新技術(shù)行業(yè)貸款占總貸款的比值、六大高耗能產(chǎn)業(yè)利息支出占比。借鑒謝婷婷等［9］、HU等［10］的研究方法，用1-六大高耗能產(chǎn)業(yè)利息支出的占比來構(gòu)建正向指標(biāo)，用來代理綠色信貸變量，記為[GC]。該指標(biāo)越大，表明綠色信貸水平越高。

2.2.3 控制變量

農(nóng)業(yè)碳排放強(qiáng)度除了受綠色信貸影響之外，還受其他變量影響。為了使研究結(jié)果更具有說服力，引入其他可能會(huì)影響農(nóng)業(yè)碳排放強(qiáng)度的變量作為控制變量。參考現(xiàn)有研究，選擇農(nóng)村城鎮(zhèn)化水平（UR）、農(nóng)業(yè)受災(zāi)率（AD）、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（ST）、農(nóng)村經(jīng)濟(jì)發(fā)展水平（ED）、農(nóng)業(yè)機(jī)械化程度（MEC）作為控制變量。此外，模型中還控制省份固定效應(yīng)和年份固定效應(yīng)。

2.3 數(shù)據(jù)來源與描述性統(tǒng)計(jì)

研究選取2010—2021年30個(gè)?。ㄗ灾螀^(qū)、直轄市，西藏自治區(qū)和港澳臺(tái)地區(qū)除外）的面板數(shù)據(jù)，數(shù)據(jù)主要來源為《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)經(jīng)濟(jì)普查年鑒》《中國(guó)統(tǒng)計(jì)年鑒》。部分變量個(gè)別年份的數(shù)據(jù)有缺失情況，該研究對(duì)缺失數(shù)據(jù)采用插值法進(jìn)行處理。變量定義與描述性統(tǒng)計(jì)見表2。

3 實(shí)證結(jié)果分析

3.1 單位根檢驗(yàn)

為避免出現(xiàn)偽回歸情況，對(duì)研究中的變量進(jìn)行單位根檢驗(yàn)；同時(shí)，為保證檢驗(yàn)結(jié)果的有效性，選取LLC、IPS和ADF這3種方法進(jìn)行單位根檢驗(yàn)，結(jié)果見表3。3種單位根檢驗(yàn)的方法均顯示在1%的顯著水平下拒絕了各變量存在單位根的假設(shè)，說明研究所使用的數(shù)據(jù)是平穩(wěn)的。

3.2 實(shí)證分析結(jié)果

綠色信貸對(duì)農(nóng)業(yè)碳減排影響的實(shí)證結(jié)果見表4。其中，第1列是在沒有添加任何控制變量情況下的回歸結(jié)果，第2～5列是逐步向模型中添加控制變量的回歸結(jié)果，第6列為加入全部控制變量后的回歸結(jié)果。由表4可知，在不引入任何控制變量時(shí)，綠色信貸代理變量GC的系數(shù)均為-0.125 0，且在1%的水平上顯著；在逐步引入控制變量的過程中，綠色信貸代理變量GC的系數(shù)均為負(fù)值，且在1%的水平上顯著；第6列完全引入控制變量后，GC的系數(shù)為-0.077 5，且在1%的水平上顯著。由此可知，無論引入控制變量與否，GC的回歸系數(shù)均為負(fù)值，且在1%的水平上顯著。該結(jié)果表明，綠色信貸與農(nóng)業(yè)碳排放強(qiáng)度呈負(fù)相關(guān)關(guān)系，即綠色信貸會(huì)促進(jìn)農(nóng)業(yè)碳減排。

從其他被解釋變量系數(shù)情況來看，農(nóng)村城鎮(zhèn)化水平（UR）是影響碳減排的另一個(gè)因素，其可以顯著促進(jìn)農(nóng)業(yè)碳減排，城鎮(zhèn)化水平的增加主要從減少農(nóng)業(yè)用地和農(nóng)村人員流失兩方面來抑制農(nóng)業(yè)發(fā)展，從而促進(jìn)農(nóng)業(yè)碳減排；農(nóng)業(yè)受災(zāi)率（AD）和農(nóng)業(yè)機(jī)械化水平（MEC）對(duì)農(nóng)業(yè)碳排放量的影響并不明顯，而農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（ST）、農(nóng)村經(jīng)濟(jì)發(fā)展水平（ED）都會(huì)促進(jìn)農(nóng)業(yè)碳排放，當(dāng)農(nóng)業(yè)產(chǎn)業(yè)占比較高時(shí)，農(nóng)作物播種、培育及收獲過程中產(chǎn)生的碳排放量就會(huì)偏高；而經(jīng)濟(jì)的繁榮在一定程度上會(huì)激勵(lì)農(nóng)業(yè)發(fā)展，對(duì)農(nóng)業(yè)碳排放也會(huì)起到促進(jìn)作用，對(duì)碳減排產(chǎn)生阻力。

3.3 穩(wěn)健性檢驗(yàn)

為確保結(jié)論的可靠性，從剔除異常值、更換被解釋變量、考慮滯后效應(yīng)這3個(gè)角度來進(jìn)行穩(wěn)健性檢驗(yàn)。

3.3.1 剔除異常值

考慮到不同地區(qū)的綠色信貸發(fā)展存在差異，在總樣本中可能會(huì)存在異常值。因此，對(duì)綠色信貸GC變量?jī)啥说臄?shù)據(jù)進(jìn)行1%的縮尾處理，回歸結(jié)果見表5中的模型1。其中，綠色信貸代理變量GC的回歸系數(shù)在1%的水平上顯著為負(fù)，結(jié)論具有穩(wěn)健性。

3.3.2 更換被解釋變量

關(guān)于碳強(qiáng)度的衡量指標(biāo)，現(xiàn)有研究有著不同選擇。其中，最主流的做法是選用二氧化碳排放量、碳排放量與經(jīng)濟(jì)產(chǎn)出的比值來衡量碳強(qiáng)度。該研究選用二氧化碳排放量CE來替換原回歸模型中的被解釋變量CEI，替換后的回歸結(jié)果見表5中的模型2，GC的回歸系數(shù)仍為負(fù)，在5%的水平下顯著，結(jié)論具有穩(wěn)健性。

3.3.3 考慮滯后效應(yīng)

考慮到綠色信貸政策作用和信貸發(fā)放具有滯后性，因此對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響存在時(shí)滯效應(yīng)。為此，研究對(duì)綠色信貸變量做滯后一期處理，記為L(zhǎng).GC，將滯后的變量替換原有的變量并進(jìn)行回歸，結(jié)果見表5中的模型3，綠色信貸的系數(shù)仍然為負(fù)，表明結(jié)論具有穩(wěn)健性。

3.4 異質(zhì)性檢驗(yàn)

3.4.1 基于地區(qū)經(jīng)濟(jì)發(fā)展特征的分析

姜國(guó)剛等［11］研究發(fā)現(xiàn)，經(jīng)濟(jì)增長(zhǎng)的區(qū)域差異對(duì)碳排放量有著差異化影響；于卓卉等［12］和田云等［13］在研究中均指出農(nóng)業(yè)碳排放與地區(qū)的經(jīng)濟(jì)增長(zhǎng)存在著相關(guān)關(guān)系。因此，綠色信貸對(duì)農(nóng)業(yè)碳減排的影響在經(jīng)濟(jì)水平不同的地區(qū)可能也會(huì)存在差異。為了研究地區(qū)經(jīng)濟(jì)差異是否會(huì)影響綠色信貸對(duì)農(nóng)業(yè)碳減排的作用效果，該研究將樣本分為經(jīng)濟(jì)相對(duì)發(fā)達(dá)的東部地區(qū)和經(jīng)濟(jì)發(fā)展相對(duì)欠發(fā)達(dá)中西部地區(qū)這2類進(jìn)行回歸分析，分類標(biāo)準(zhǔn)參考國(guó)家統(tǒng)計(jì)局的統(tǒng)一分類標(biāo)準(zhǔn)。檢驗(yàn)結(jié)果見表6。

在東部地區(qū)樣本中，GC回歸系數(shù)在1%的水平上顯著為負(fù)，且與中西部地區(qū)樣本的GC的回歸系數(shù)有明顯差距，后續(xù)Chow檢驗(yàn)的P值表明在1%水平上拒絕不存在結(jié)構(gòu)差異原假設(shè)，即綠色信貸對(duì)農(nóng)業(yè)碳減排的影響在不同地區(qū)存在差異，且在經(jīng)濟(jì)較發(fā)達(dá)地區(qū)對(duì)碳減排的促進(jìn)作用更為明顯。

3.4.2 基于農(nóng)業(yè)結(jié)構(gòu)特征的分析

范東壽［14］認(rèn)為合理的調(diào)整農(nóng)業(yè)結(jié)構(gòu)會(huì)影響農(nóng)業(yè)碳排放強(qiáng)度；朱嘉晴等［15］以江西省為研究對(duì)象，研究發(fā)現(xiàn)當(dāng)?shù)剞r(nóng)業(yè)結(jié)構(gòu)是導(dǎo)致碳排放量增加的主要因素。因此，綠色信貸對(duì)碳減排的影響在農(nóng)業(yè)結(jié)構(gòu)不同的地區(qū)可能會(huì)存在差異。為研究綠色信貸對(duì)農(nóng)業(yè)碳減排的影響是否存在農(nóng)業(yè)結(jié)構(gòu)特征差異，研究根據(jù)各省種植業(yè)占比的情況將樣本分為兩組，其中種植占比較高的省份為我國(guó)糧食主產(chǎn)區(qū)，其余非糧食主產(chǎn)區(qū)為種植占比較低的省份。檢驗(yàn)結(jié)果見表6。

在種植業(yè)占比較高的省份中，GC回歸系數(shù)在1%的水平上顯著為負(fù)，且與種植業(yè)占比較低省份的GC回歸系數(shù)由明顯差距，Chow檢驗(yàn)的P值表明在1%水平上拒絕不存在結(jié)構(gòu)差異原假設(shè)，即綠色信貸對(duì)農(nóng)業(yè)碳減排的促進(jìn)作用在種植業(yè)占比較高的省份中較為顯著，存在農(nóng)業(yè)結(jié)構(gòu)異質(zhì)性。

4 結(jié)論

研究收集2010—2021年30個(gè)省份的數(shù)據(jù)，運(yùn)用雙固定效應(yīng)模型進(jìn)行回歸分析，模型結(jié)果表明：綠色信貸會(huì)顯著促進(jìn)農(nóng)業(yè)碳減排，且該結(jié)論在經(jīng)過一系列穩(wěn)健性檢驗(yàn)后依然成立；綠色信貸對(duì)農(nóng)業(yè)碳減排的促進(jìn)作用效果會(huì)因經(jīng)濟(jì)發(fā)展差異和農(nóng)業(yè)結(jié)構(gòu)差異而出現(xiàn)不同效果，即在相對(duì)經(jīng)濟(jì)較為發(fā)達(dá)、種植業(yè)占比較高的省份中，綠色信貸對(duì)碳減排的促進(jìn)作用更為明顯。

在上述結(jié)論的基礎(chǔ)上，研究提出以下3點(diǎn)建議。第一，繼續(xù)提高綠色信貸規(guī)模和對(duì)農(nóng)業(yè)的支持力度。通過不斷創(chuàng)新產(chǎn)品及完善監(jiān)管機(jī)制，大力發(fā)展綠色信貸，確保綠色信貸發(fā)放盡可能精準(zhǔn)覆蓋相關(guān)企業(yè)主體，提高管理與利用效率，高效發(fā)揮扶持作用；政府要做好政策引導(dǎo)和規(guī)劃，引導(dǎo)金融機(jī)構(gòu)資金流向綠色農(nóng)業(yè)領(lǐng)域。第二，優(yōu)化綠色信貸的準(zhǔn)入門檻和激勵(lì)機(jī)制，鼓勵(lì)綠色技術(shù)創(chuàng)新。一方面，政府和金融機(jī)構(gòu)等相關(guān)部門應(yīng)合理確定綠色技術(shù)貸款的融資門檻，加大綠色信貸對(duì)降碳固碳等技術(shù)開發(fā)的資金扶持；另一方面，加強(qiáng)對(duì)綠色技術(shù)創(chuàng)新的知識(shí)產(chǎn)權(quán)保護(hù)，在保護(hù)企業(yè)利益的同時(shí)，提高企業(yè)對(duì)綠色技術(shù)研發(fā)的積極性。第三，加強(qiáng)區(qū)域合作，保障全國(guó)綠色信貸的協(xié)調(diào)發(fā)展。通過構(gòu)建統(tǒng)一化的金融服務(wù)平臺(tái)、配套的基礎(chǔ)制度及完善的部門協(xié)調(diào)機(jī)制，確保各區(qū)域的信息交流，加大對(duì)經(jīng)濟(jì)落后地區(qū)的金融基礎(chǔ)設(shè)施的建設(shè)和綠色信貸產(chǎn)品的推廣，對(duì)不同地區(qū)的農(nóng)業(yè)項(xiàng)目實(shí)行差異化、個(gè)性化的優(yōu)惠政策，促進(jìn)綠色信貸的高質(zhì)量發(fā)展，助力農(nóng)業(yè)碳減排。

參考文獻(xiàn)：

［1］馬駿，孟海波，邵丹青，等.綠色金融、普惠金融與綠色農(nóng)業(yè)發(fā)展［J］.金融論壇，2021，26（3）：3-8，20.

［2］李增福，馮柳華，麥詩琪，等.綠色信貸抑制了碳排放嗎？：基于中國(guó)省級(jí)面板數(shù)據(jù)的研究［J］.上海金融，2022（1）：2-12.

［3］孫少巖，王笑音，高翠云.綠色信貸能發(fā)揮碳減排效應(yīng)嗎？［J］.中國(guó)人口·資源與環(huán)境，2023，33（8）：37-47.

［4］何凌云，梁宵，楊曉蕾，等.綠色信貸能促進(jìn)環(huán)保企業(yè)技術(shù)創(chuàng)新嗎［J］.金融經(jīng)濟(jì)學(xué)研究，2019，34（5）：109-21.

［5］李強(qiáng)，陳山漫.綠色信貸政策、融資成本與企業(yè)綠色技術(shù)創(chuàng)新［J］.經(jīng)濟(jì)問題，2023（8）：67-73，120.

［6］吳婷婷，王通達(dá).綠色信貸能促進(jìn)企業(yè)綠色轉(zhuǎn)型嗎？［J］.中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2023（5）：31-43.

［7］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（8）：80-86.

［8］曹俐，郭忠宇，閆周府.全要素生產(chǎn)率視角下數(shù)字經(jīng)濟(jì)對(duì)農(nóng)業(yè)碳排放影響：來自中國(guó)農(nóng)業(yè)的經(jīng)驗(yàn)證據(jù)［J］.生態(tài)經(jīng)濟(jì)，2024，40（3）：121-127，138.

［9］謝婷婷，劉錦華.綠色信貸如何影響中國(guó)綠色經(jīng)濟(jì)增長(zhǎng)？［J］.中國(guó)人口·資源與環(huán)境，2019，29（9）：83-90.

［10］HU Y，ZHENG J.How does green credit affect carbon emissions in China？ A theoretical analysis framework and empirical study［J］. Environmental Science and Pollution Research， 2022，29（39）：59712-59726.

［11］姜國(guó)剛，左鵬，陳思文，等.中國(guó)地區(qū)經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放量的非線性影響研究［J］.生態(tài)經(jīng)濟(jì)，2021，37（12）：13-22.

［12］于卓卉，毛世平.中國(guó)農(nóng)業(yè)凈碳排放與經(jīng)濟(jì)增長(zhǎng)的脫鉤分析［J］.中國(guó)人口·資源與環(huán)境，2022，32（11）：30-42.

［13］田云，林子娟.中國(guó)省域農(nóng)業(yè)碳排放效率與經(jīng)濟(jì)增長(zhǎng)的耦合協(xié)調(diào)［J］.中國(guó)人口·資源與環(huán)境，2022，32（4）：13-22.

［14］范東壽.農(nóng)業(yè)技術(shù)進(jìn)步、農(nóng)業(yè)結(jié)構(gòu)合理化與農(nóng)業(yè)碳排放強(qiáng)度［J］.統(tǒng)計(jì)與決策，2022，38（20）：154-158.

［15］朱嘉晴，秦會(huì)艷，張夢(mèng)春.基于時(shí)變參數(shù)C-D生產(chǎn)函數(shù)的江西省農(nóng)業(yè)碳排放驅(qū)動(dòng)因素及脫鉤效應(yīng)［J］.應(yīng)用生態(tài)學(xué)報(bào)，2023，34（11）：3085-3094.

Research on the Impact of Green Credit on Agricultural Carbon Emissions Reduction

LI Ailing LIU Ao

School of Finance， Harbin University of Commerce， Harbin 150028， China

Abstract： Against the strategic backdrop of \"carbon peaking and carbon neutrality，\" the issue of agricultural carbon emissions has become increasingly prominent. Green credit is regarded as a key driver in promoting the green transformation of agriculture. Using panel data from 30 provinces in China from 2010 to 2021， this paper explores the impact of green credit on agricultural carbon emissions from the perspectives of technological innovation and resource allocation. A panel regression model is constructed， with agricultural carbon emissions intensity as the dependent variable and the level of green credit as the core explanatory variable for empirical analysis. The results show that green credit is significantly negatively correlated with agricultural carbon emissions intensity， effectively promoting carbon reduction in agriculture. The impact is more pronounced in economically developed regions and those with a high proportion of crop farming. The conclusions remain robust after conducting sensitivity tests. Based on the findings， the paper proposes policy recommendations such as expanding the scale of green credit， optimizing credit policies， and strengthening regional collaboration to support high-quality agricultural development and the achievement of dual carbon goals.

Key words： green credit; agricultural carbon emissions; carbon reduction; panel regression model