数字经济与农业碳生产率:影响效应及实证检验

刘 战 伟

(许昌学院 商学院,河南 许昌 461000)

一、引言

碳排放引发的全球气候变化给世界各国经济的可持续发展带来了诸多问题。加快推进低碳经济发展,有效解决碳排放问题已经成为中国下一阶段急需解决的难题,为此,中国政府提出了“碳达峰”和“碳中和”的目标。农业作为碳排放的主要来源,其排放量大约占全国碳排放总量的17%,减少农业碳排放量,提高农业碳排放效率是实现双碳目标的重要举措。数字经济为实现农业低碳发展提供了机遇,数字经济能否促进农业碳生产率的提升?其传导路径是什么?数字经济发展与农业碳排放在地区间是否存在异质性?厘清上述问题,有利于推动农业技术创新、提高农业生产效率,对实现农业绿色发展、“降碳促经”的双重目标具有重要价值。

目前,已有不少学者围绕农业碳排放开展了相关研究,取得了较为丰富的成果。一部分研究集中于农业碳排放的测算[1]、时空差异[2]、收敛性[3]等方面。也有学者转向农业减排潜力与碳补偿[4-5]、农业碳排放与经济增长关系[6]以及公平性[7]等方面的研究。

除此之外,也不乏对农业碳生产率的探讨,在测算农业碳生产率的过程中,学者普遍将农业碳排放量作为非合意产出纳入测度框架中。中国农业碳生产率存在明显的区域间“异质化”与区域内“均质化”,且省域农业碳生产率的空间自相关性特征十分显著,跨省碳减排机制及减排补偿机制应以相邻省区为主构建[8]。中国农业碳生产率受到城镇化[9]、产业聚集[10]、财政支农投入[11]等因素的影响。在双碳目标背景下,技术创新对有效降低农业碳排放发挥着重要作用,研究结果均认为,技术创新显著降低了农业碳排放[12]。程秋旺等[13]发现数字惠普金融利于降低农业碳排放,具有农业碳减排效应。田红宇、关洪浪[14]采用动态面板模型和中介效应模型探究数字经济及其对粮食生产碳排放的影响,认为数字经济发展显著降低了粮食生产中的碳排放水平。

现有农业碳生产率的研究成果为本文提供了参考基础,但仍然存在不足之处。目前尚未有文献将数字经济、技术创新与农业碳生产率三者纳入同一框架进行系统分析;同时,现有文献主要分析数字经济与农业碳生产率之间的线性关系,而忽略了二者之间可能存在非线性关系。因此,本研究基于2011—2020年中国省级面板数据,采用面板模型、中介效应模型,对数字经济与农业碳生产率的关系及其影响的传导机制进行实证检验,并采用面板门槛模型进一步探讨数字经济对农业碳生产率影响的非线性特征,有利于发挥数字经济赋能农业碳生产率提升的作用,为推动农业绿色发展提供依据。

二、理论分析与研究假设

数字经济是一种新型经济形态,其核心标志是数字技术和数字要素。数字要素已经成为重要的生产要素之一。数字经济与农业的不断融合,改变了农业生产要素的结构,提升了农业数字化水平和农业资源使用效率,降低了农业碳排放量,提高了农业碳生产率增长速度。这主要表现在三个方面。第一,数字经济有助于农业实施科学、现代化的管理。农民在农业生产过程中可以利用数字技术精准把控农业生产过程,提升农业的信息化和智能化水平,优化环节,促进能源的高效利用,压缩碳排放总量,促进农业碳生产率提高。第二,从能源利用上看,数字经济能够依托互联网、物联网、人工智能等助力电力系统的优化升级,降低农用电成本,推动能源转型和能源产业变革,促使企业形成新的能源消费方式,从而实现能源要素的高效配置,推动农业绿色发展,进而提高农业碳生产率。第三,从产业结构上看,随着数字经济向农业领域的渗透,农业产业发展转向数字化和绿色化,同时还改善了农业种植结构,提升粮食作物种植比例,进一步促进粮食生产的规模化和专业化水平,优化农业生产方式和供应链,重塑农业要素配置结构。依据上述分析,可以提出以下假设。

假设1:数字经济可以显著提升农业碳生产率。

技术创新是实现碳中和、碳达峰的重要支撑,是企业节能减排的关键。数字经济的发展能够显著提升技术创新水平。从人力资源角度看,数字经济与各产业的融合产生许多新兴产业,从而吸引高素质人才进入,优化企业的人力资本结构,而人力资本的优化反过来可以提高企业技术创新能力,促进企业技术创新水平的提升。从信息传递角度看,数字经济打破了原有信息传递和知识普及的壁障,促进了先进技术在区域之间的互动和共享,扩大了传播的范围,有效解决了信息不对称问题,不断提高企业的产学研合作水平,助力企业采用先进技术进行农业资源整合。另一方面,技术创新又是降低农业碳排放水平和提高农业碳生产率的有效途径。技术创新水平的提升能够推进新品种、新技术在农业中的应用,有助于发挥农业生产要素整合的叠加效应,同时农民通过学习现代信息技术可以提高农田管理水平,促进农业生产的集约化、规模化、机械化经营,降低资源消耗,催生出“技术红利”效应,助推农业碳生产率的提升。根据以上分析,提出研究假设2。

假设2:数字经济可以通过技术创新实现农业碳生产率的提高。

上述理论分析表明,数字经济的发展可以提升农业碳生产率,但是这种促进作用可能具有一定的门槛效应。在数字经济发展处于较低水平时,数字技术无法很好地与农业生产融合,可能会产生“生产率悖论”现象。随着数字经济水平的提高,在农业生产过程中可以通过数字网络提高整体信息水平,利用大数据技术分析农业生产条件,降低农业资源消耗,使得数字经济的红利效应得到充分释放,对农业碳生产率的提升更为显著。另一方面,技术创新是促进农业碳生产率提升的保障,也是实现数字经济发展的关键,只有通过持续技术创新,数字经济才能获得良好的发展。在技术创新处于较低水平时,数字经济的发展会受到阻碍,企业数字化服务资源会减少,农业生产效率提升乏力,从而造成农业碳生产率提升的动力不足。当技术创新水平提高时,数字经济可以突破技术壁垒,吸引高层次人才和资金流入,推动农业领域数字化变革,大大提高农业碳生产率。依据上述分析,提出以下假设。

假设3:数字经济对农业碳生产率的影响存在门槛效应。

假设4:数字经济对农业碳生产率的影响存在技术创新的门槛效应。

三、研究设计

(一)模型设定

基准回归模型。为了探究数字经济对农业碳生产率的影响,通过对所有变量取对数消除异方差的影响,模型设定如下:

lnACPit=α0+α1lnDEit+α2lnCONTit+μi+μt+εit

(1)

式(1)中,i和t分别代表各省份与时间,ACPit代表i省第t年的农业碳生产率;DEit代表i省第t年的数字经济发展水平;CONTit表示相关控制变量,μi表示地区固定效应,μt表示时间固定效应,εit为随机误差项。

中介效应模型。为了检验技术创新在数字经济对农业碳生产率影响中的中介效应,借鉴温忠麟等[15]的研究,建立以下中介效应模型:

lnMit=β0+β1lnDEit+β2lnCONTit+μi+μt+εit

(2)

lnACPit=γ0+γ1lnDEit+γ2lnMit+γ3lnCONTit+μi+μt+εit

(3)

其中,Mit为中介变量,本文指技术创新(INV)变量;式(1)为总效应模型,式(2)为数字经济是否与中介变量存在相关关系;式(3)为同时考虑数字经济和中介变量的回归模型;若β1、γ2显著,说明存在显著的间接效应,若γ1也显著,则存在部分中介效应,中介效应量为β1×γ2/α1(β1、γ2均与α1同方向),否则表示完全中介效应显著。

面板门槛模型。为进一步探究数字经济对农业碳生产率的影响是否存在门槛效应,根据汉森(Hansen)[16]提出的面板门槛模型,构建如下单面板门槛模型:

lnACPit=α0+α1lnDEitI(mit≤γ)+
α2lnDEitI(mit≥γ)+α3lnCONTit+μi+μt+εit

(4)

上式中,mit代表门槛变量数字经济和技术创新,γ代表门槛值,I(·)代表示性函数。

如果存在两个门槛值,面板门槛模型可以设定为:

lnACPit=α0+α1lnDEitI(mit≤γ1)+
α2lnDEitI(γ1≤mit≤γ)+α3lnDEitI(Mit>γ2)+
α3lnCONTit+μi+μt+εit

(5)

上式中,γ1和γ2为门槛值,且γ1<γ2。

(二)变量选择

农业碳生产率(ACP)是指每单位农业碳排放所产生的经济效益,用农业生产总值与同期农业碳排放量比值的百分比表示。其中农业碳生产率为(ACP),农业生产总值为(AgriculturalProductionValue),农业碳排放总量为(AgriculturalCarbonEmissions)。农业碳排放主要来源包括三个方面。

第一,农业生产过程中使用的化肥、农药、农膜、柴油和农业灌溉产生的碳排放,排放系数参考田云等[17]的研究。

第二,畜禽养殖过程中产生的CH4和NO2,排放系数参考IPCC[18]的研究。

第三,稻田生长过程中产生的CH4等温室气体,排放系数参考王明星等[19]的研究。

被解释变量:农业碳生产率(ACP)。它代表的是每单位农业碳排放带来的经济效益,可以通过农业生产总值与同期农业碳排放量之间的比值计算,公式如下:

ACPit=APVit/Cit

(6)

式中,ACPit、APVit、Cit分别为农业碳生产率、农业生产总值和农业碳排放总量。借鉴田云等[17]的研究,农业碳排放量的计算公式为:

C=∑Ci=∑Tt*δt

(7)

式中,C、Ct、Tt分别为农业碳排放总量、各类碳源产生的二氧化碳排放量和各碳源的数量;δt为各碳源的排放系数。

解释变量:数字经济(DE)。目前,国内外学者对数字经济发展水平的测度尚未达成统一认知,本研究借鉴了赵涛等人[20]的研究,并结合互联网发展和数字金融普惠两个维度构建了评价指标体系。在互联网发展方面,选取了互联网普及率、互联网从业人员数、人均电信业务总量和移动互联网用户数这4个指标;而在数字金融普惠方面,则采用了中国数字普惠金融指数进行衡量,采用熵值法进行测算。

中介变量:技术创新(INV),以区域创新能力指标为衡量标准。区域创新能力包括知识创造、知识获取、企业创新、创新环境和创新绩效等5个方面,能够更好地反映地区技术创新水平。

控制变量。从农业碳生产率的影响因素出发,主要选取的控制变量如下:农业产业结构(AIS),以农业产值占农林牧渔业总产值的比重衡量;农村受教育水平(REL),以农村人均受教育水平衡量;农业灌溉条件(AUL),以有效灌溉面积占农作物总播种面积的比重衡量。

(三)数据来源及处理

鉴于数据的可获性,本文选取2011—2020年中国30个省(自治区、直辖市,除西藏及港澳台地区)为研究对象。农业碳生产率、数字经济相关指标及控制变量原始数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国农业年鉴》《中国科技统计年鉴》以及各省统计年鉴和EPS数据库。其中数字惠普金融使用北京大学发布的中国数字普惠金融指数,而技术创新变量则来源于中国区域创新能力评价报告,部分缺失数据采用插值法填补,各变量描述性统计结果如表1所示。

表1 变量描述性统计结果

四、实证检验与结果

(一)基准回归

在回归前首先判断是选择固定效应、随机效应还是混合效应模型。通过F检验、LM检验和Hausman检验,本文确定选择固定效应模型,回归结果如表2所示。模型(1)是不考虑控制变量条件下数字经济对农业碳生产率影响的回归结果,回归系数为0.304,且通过了5%水平下检验,说明数字经济发展显著提高了农业碳生产率。模型(2)-(4)逐步加入控制变量后,数字经济对农业碳生产率的回归系数依然为正,且通过了显著性检验,表明数字经济对农业碳生产率提高具有明显的赋能作用,假设1成立。数字经济自身作为一种投入要素,能够促进各类农业生产要素的有效结合,达到资源集聚和较高的利用效率,实现农业生产的高效低耗和优质环保,释放“数字生产力”,降低农业碳排放源的投入量,提升农业碳生产率。

表2 数字经济对农业碳生产率影响的回归结果

控制变量中,农业产业结构、农村受教育水平和农业灌溉条件对农业碳生产率的影响显著为正,促进了农业碳生产率的提升。农村受教育水平的不断提高意味着农业经营者的素质得到了较大提升,农户能够更好地借助新型生产工具和技术、先进的生产方式,使得农业生产物质投入大大降低,从而提高农业碳生产率。农业灌溉条件的提高说明农业技术进步和农业基础设施的改善将直接影响农作物的产出和收益,而农业碳生产率是农业产业和碳排放量共同作用的结果,是增产和减排的对比,农作物产出效益的提高一定程度上促进了农业碳生产率增长。

(二)稳健性检验

为了增强基准回归结果的可靠性,本文从替换解释变量、剔除部分样本、调整样本期和工具变量法等层面进行多重稳健性检验。第一,替换解释变量法。利用数字经济的一阶滞后项(L.lnDE)作为解释变量进行回归。第二,剔除部分样本。考虑到数字经济发展水平的差异性,北京、上海、天津、重庆4个直辖市由于受到国家政策支持力度较大,数字经济发展基础好,故剔除4个直辖市样本,进一步考察数字经济对农业碳生产的影响。第三,调整样本期,通过缩短样本期的方式进行。自2015年起,中国数字经济开始快速发展,本文检验的是数字经济对农业碳生产率的影响,故缩短样本期至2015—2020年,然后重新进行回归。第四,工具变量法。由于数字经济是以信息技术为重要载体,本文参考黄群慧等[19]的研究,以1984年各地区每万人电话机数量作为数字经济发展水平的工具变量。为避免固定效应模型中工具变量无法随时间变动,按照Nunn和Qian[20]的方法,将1984年各地区每百人固定电话数量与上一年全国互联网投资额(与时间有关)的交互项作为工具变量,使用2SLS进行回归。以上检验结果如表3所示。表3结果表明,不同方法下,数字经济对农业碳排放的影响都显著为正,总体上说明了回归结果的稳健性。

表3 稳健性检验结果

(三)中介效应检验

为了进一步探究数字经济对农业碳排放的作用机制,基于前文的理论分析,本文以技术创新为中介变量,采用逐步检验法验证中介效应是否存在,检验结果如表4所示。表(4)第1列数字经济系数为0.296,通过了1%水平检验;第2列数字经济系数为0.115,通过了5%水平检验,意味着数字经济提高了技术创新水平;第3列在加入技术创新中介变量后,数字经济与技术创新的回归系数为0.252、0.382,且分别通过5%、1%水平检验,数字经济的回归系数从0.296下降为0.252,出现了小幅度下降,这说明技术创新是数字经济促进农业碳生产率提升的作用机制。

表4 中介效应检验结果

表5列示了中介效应Soble的检验结果。结果显示,p值小于0.001,拒绝原假设,说明中介效应成立。数字经济通过技术创新影响农业碳生产率提升的间接效应为0.051,直接效应为0.378,中介效应占比11.90%。上述分析验证了假设2成立。数字经济发展对从业人员素质提出了更高的要求,倒逼人力资本的提升,推动技术的不断创新,为农业发展变革提供动力源泉,从而实现最佳的资源利用、最少的成本投入,实现了节能减排,达到了提高农业碳生产率的目标。因此,加快发展数字经济,提升区域技术创新能力,充分发挥数字经济和技术创新的溢出效应,是促进农业碳生产率增长的有效路径。

表5 Soble检验结果

(四)异质性分析

区域异质性。中国不同地区的数字经济发展水平和农业碳生产率之间存在明显的差异。因此,数字经济对不同地区农业碳生产率的影响也呈现出差异性。本研究根据传统的区域分类方法,将研究样本划分为东部、中部和西部地区,旨在探讨不同地区数字经济发展对农业碳生产率的影响是否存在区域异质性。经过回归分析,结果如表6所示。研究结果表明,在东部和中部地区,数字经济对农业碳生产率的影响系数为正,并且经过了显著性检验,这说明数字经济显著促进了农业碳生产率的增长。而在西部地区,数字经济的回归系数也为正,但未能通过显著性检验,这意味着数字经济发展并未显著提升农业碳生产率。

表6 区域异质性检验结果

从回归系数大小看,东部地区影响明显高于中、西部地区,原因可能是东部地区具有较好的数字经济与技术创新水平,提高了数字技术与农业产业的协调发展,使得数据要素的潜能得到充分释放,同时较高的农户数字素养降低了农业技术应用障碍,有效降低了农产品交易成本,较大程度上释放了数字经济带来的农业碳减排红利,从而更有利于农业碳生产率的提升。

粮食生产功能区异质性。粮食安全是关系国计民生的头等大事,是国家安全的基础。各省份粮食生产能力差异性明显,由此引起的农业碳生产率也有所不同。本文将研究样本划分为粮食主产区、粮食产销平衡区和粮食主销区,考察不同粮食生产功能区数字经济对农业碳生产率的影响。检验结果如表7所示。结果显示,粮食主产区和粮食产销平衡区数字经济对农业碳生产率的提高均具有显著的促进作用,其中产销平衡区影响效应最大,原因在于粮食主产区农业活动频繁,在城镇化过程中面临粮食刚性需求增加、耕地减少、农业劳动力流失等挑战,而且仍存在内蒙古、吉林2省(自治区)2020年化肥施用量还高于2012年的水平,使得农业碳排放量远高于产销平衡区,再加上数字基础设施建设是一项长期工程,这些因素都制约了数字经济对农业碳生产率的提升效应。粮食主销区数字经济对农业碳生产率的影响不显著,可能是由于粮食主销区人均耕地少,数字经济发展相对完善,数字技术的应用趋于饱和,导致短期内数字经济的发展对农业碳生产率的提高不显著。

表7 粮食生产功能区异质性检验结果

技术创新异质性。技术创新是实现农业碳生产率提高的重要支撑,各省份之间技术创新能力存在显著的差异性。为了检验不同程度的技术创新能力下数字经济对农业碳生产率的影响是否存在差异性,本文借助技术创新能力指数的中位数将样本划分为高技术创新能力地区和低技术创新能力地区。如果地区技术创新能力指数大于相应年份的中位数水平,将其划分为高技术创新能力地区,否则划分为低技术创新能力地区。表8报告了技术创新异质性的回归结果。回归结果表明,数字经济发展对农业碳生产率的影响在高技术创新能力地区和低技术创新能力地区均显著为正,但影响系数存在差异性,高技术创新能力地区的影响效应最大。究其原因,高技术创新能力地区一般拥有丰富的人力资本,有助于农业实现增量、提质、提效,为农业减排提供强有力的技术支撑,进而能更好地发挥数字经济对农业碳生产率的提升空间,促进效果更加明显。

表8 技术创新异质性检验结果

(五)门槛效应分析

以数字经济和技术创新分别作为门槛变量,采用自助法对农业碳生产率提升是否存在门槛效应进行检验,结果见表9。可以看出数字经济和技术创新均通过了单一门槛检验,并且通过了5%水平检验。但通过双重门槛检验,故存在单一门槛效应,且数字经济和技术创新的门槛值分别为0.461、3.019,数字经济对农业碳生产率的影响在门槛值区间内具有显著的正向促进作用。

表9 门槛检验结果

表10分别列示了以数字经济和技术创新为门槛变量的回归结果,结果显示。

表10 门槛效应模型回归结果

第一, 当以数字经济为门槛变量时,数字经济发展水平低于0.461时,其回归系数为1.358,并且在1%水平下显著;数字经济发展水平超过0.461时,其回归系数为1.539,同样通过了1%水平显著性检验。由此可见,随着数字经济发展水平的逐步提高,数字经济对农业碳生产率的推动作用呈现出明显的增强趋势。因此,数字经济对农业碳生产率的影响存在门槛效应,假设3成立。究其原因,随着数字经济发展水平的不断提高,乡村数字基础设施不断完善,数字经济能够较好地应用到农业领域,推动农业数字化水平得到提升,从而更好地发挥数字经济的乘数效应,使得数字经济对农业碳生产率提升的赋能效应大大增加。

第二,以技术创新为门槛变量,当技术创新水平小于3.019时,回归系数为1.256,且在1%水平下显著。当技术创新水平大于3.019时,回归系数为1.541,且通过了1%水平显著性检验。这表明随着技术创新水平的不断提升,数字经济对农业碳生产率的推动作用明显增强。因此,我们可以看出,数字经济对农业碳生产率的影响存在技术创新的门槛效应,假设4成立。究其原因,当技术创新水平达到一定程度时,能够促进数字经济的快速发展,而数字经济的发展可以投入大量资源用于农业技术的创新,可以使用更多的数据获取、分析和利用信息技术把农业技术推向更高的水平,能更有效地监测农业环境,减少农业碳排放,促进农业碳生产率大幅度提升。

五、研究结论与政策建议

为了落实“双碳”战略目标,推进数字经济赋能农业绿色发展,提高农业碳生产率,从根本上缓解农业固碳减排和全球气候变暖加剧的发展困局。本文以2011—2020年中国30个省级面板数据为例,实证检验了数字经济对农业碳生产率的影响,厘清了技术创新的作用机制,并提出相应政策建议。

(一)研究结论

第一,数字经济发展显著提升了农业碳生产率,这一结论通过相关稳健性检验后依然成立。

第二,数字经济发展显著提升了区域技术创新水平,通过技术创新机制提高农业碳生产率。

第三,异质性结果分析表明,东部地区数字经济对农业碳生产率的影响最为显著。同时,粮食主产区和粮食产销平衡区数字经济对农业碳生产率的提升都表现出正向效应,其中产销平衡区影响效应最大,而粮食主销区的影响不显著。相比低技术创新能力区,高技术创新能力地区数字经济发展对农业碳生产率的影响效应最大。

第四,数字经济对农业碳生产率的提升存在门槛效应,在数字经济和技术创新超过门槛值后,数字经济对农业碳生产率的提升得到较大幅度增强。

(二)政策建议

根据上述研究结论,本文提出如下建议。

第一, 夯实数字经济发展基础,挖掘数字经济发展潜力,为农业碳生产率增长提供新动能。数字基础设施作为数字经济发展基础的“硬件”支撑,是推动数字科技革命新趋势的战略选择。区块链基础设施等是构成数字基础设施的重要部件,因此要继续加大5G网络和千兆光网建设力度,建立完善数据要素资源体系,促进数据高效流通使用,充分激活数据要素潜能,释放数字经济发展潜力,不断解放和发展数字生产力,引导数字经济和数字技术向农业领域渗透,优化农业产业结构,推动农业降低碳排放量。

第二, 提高技术创新能力,利用技术创新扮演的中介作用,在数字关键核心技术方面发挥独特的优势。加强绿色低碳技术的科技攻关,提高数字技术基础研发能力,加快布局数字领域前沿技术,提升企业和个人利用数字技术实现创新发展,形成更广泛、更高水平、更有效率的数字化能力。同时完善创新体系,建立以企业为引领的产学研体系,加强技术公共服务平台建设,深化数字技术应用,推动技术创新和应用创新相互促进、良性循环,充分发挥技术创新的中介作用,逐步实现农业的绿色发展。

第三,针对异质性特征,通过实施差异化数字经济发展战略,以应对不同地区的异质性特征,促进和协调各地区数字经济发展。东部地区凭借强大的数字技术应用能力和创新水平,以及发达的数字产业等优势,积极汇聚各类资源。此外,该地区的数字经济基础设施也相对完善,为数字经济的发展提供了坚实的基础;中部地区数字基础设施尚不完善,数字技术水平正处于快速发展阶段;西部地区的数字经济发展受到数字技术应用、产业基础和创新水平低下的阻碍,落后其他地区。各地区要依托本地产业、资源、政策等优势,因地制宜,探索各具特色的数字经济发展模式,并积极探索东中西部地区之间有效的数字经济发展联动机制,促进东中西部地区的资源禀赋、劳动力等有效结合,推动形成区域协调发展新格局。