绿色金融发展对农业生态效率的影响

黄姣姣

（浙江农林大学 经济与管理学院，浙江 杭州 311300）

一、引言

农业是经济可持续发展的重要基础。改革开放以来，中国农业在经济上取得了巨大的成就，以世界上不到10%的耕地面积养活了世界上20%左右的人口，并且粮食连年增产，农民收入持续增长，农业生产效率取得大幅提升。然而，随着农业经济的快速增长，资源浪费、农业生态环境污染问题凸显。《第二次全国污染源普查公报（2020）》显示，目前农业污染源中的碳排放量确实相较于“一污普”有所下降，其中化学需氧量下降了19%，总氮下降了48%，总磷下降了26%，但农业污染源排放量占总排放量“半壁江山”的格局并未改变[1]。通过研究国外农业发达国家的发展历程，发现其农业也不可避免地成了最大污染排放源。农业生产引起的环境污染，不仅恶化农村环境，导致农产品食品安全问题产业，还会促进全球气候变暖。可见，农业生态效率低下，已成为制约我国实现“双碳”目标和经济可持续发展的一个重要因素。可持续发展理念在金融领域的主要应用是绿色金融。绿色金融发展的内涵在于，通过金融发展支持包括农业在内的产业经济实现高质量、可持续发展。因此，如何衡量绿色金融发展对农业生态效率的影响效应问题，是当前经济学研究领域亟待关注的一个重要问题。

学术界对农业生态效率的研究较为丰富。目前主要的研究方向有以下几类：农业生态效率的测算[2-4]、农业生态效率影响因素研究[5-8]、农业生态效率的时空演变[9-10]以及不同指标对农业生态效率的影响效应研究[10-13]。而不同指标对农业生态效率的影响效应研究中，这些指标分别是财政分权[14]、农旅融合[13][15]、农业科技投入[16]、农村劳动力转移[12][17]、化肥施用强度[17]、农业科技创新[18]等。从现有研究来看，鲜有学者就绿色金融发展对农业生态效率的影响进行过分析。而绿色金融发展能够为农业提供资金支持，并且实现资产的合理配置，将金融资源合理分配到农业生产中，减少农业污染，实现农业生态效率。因此，亟需研究绿色金融发展与农业生态效率之间的影响效应。鉴于此，采用中国2010—2019 年30 个省市自治区（西藏和港澳台地区除外，同时由于2020 年和2021 年数据缺失较多，因此数据更新到2019年）相关数据，构建反映绿色金融发展和农业生态效率二者空间依赖关系的空间计量模型，以揭示这些地区绿色金融发展影响农业生态效率的直接效应和空间溢出效应等经济效应，为实现区域绿色金融协调发展、支持农业可持续发展等提供政策建议。

二、研究设计

（一）指标选择与测度

1.绿色金融发展水平指标体系构建。参照高锦杰和张伟伟（2021）[19]以及胡怀敏和连思涵（2021）[20]关于绿色金融的相关研究，同时考虑到数据的连贯性，从绿色信贷、绿色保险、绿色投资以及绿色财政支出这四个维度出发构建绿色金融发展评价指标体系来评估绿色金融发展水平（见表1）。

表1 绿色金融发展变量指标

2.农业生态效率指标体系构建。本研究以农业生态效率为研究对象，结合农业生态效率的概念内涵，同时参考王宝义和张卫国（2018）[6]、吉雪强和尚杰（2021）[21]的相关研究，建立农业生态效率的投入产出指标评价体系（见表2）。

表2 农业生态效率变量指标

其中，参考李波等（2011）[22]的方法，化肥、农药、农膜、农用柴油、农业灌溉以及农业播耕产生的碳排放量分别等于化肥使用量、农药使用量、农膜使用量、农用柴油使用量、农业灌溉面积以及农业播种面积乘以各自的碳排放系数。农业面源污染的排放来自化肥、农药等农业化学物质投入要素的过度使用而导致通过地表径流、地下淋溶等方式进入到河流、农田当中，以及农膜的残留污染。借鉴吉雪强和尚杰（2021）[21]的研究，采用化肥、农药的污染量和农膜残留量来衡量农业面源污染水平。其中，化肥面源污染量的计算方法为化肥施用量乘以化肥流失率；农药污染量采用农药使用量乘以农药残留率来计算；农膜残留量采用农膜使用量乘以农膜残留系数的方法来衡量。现有研究在污染指标流失率设置方面多参考赖斯芸等（2004）[23]、吴小庆等（2012）[3]学者做法，为此结合现有研究本文将化肥流失率设置为65%，设置农药污染率50%，设置地膜残留率为10%。

（二）模型和方法

1.农业生态效率测算方法。由于农业生产往往伴随着化肥、农药等残留和大量的碳排放，因此在测算农业生态效率时，必须考虑这些非期望产出。因此本研究采用Tone（2001）[24]提出的SBM-Undesirable模型来测算全国30 个省市自治区（不包括西藏和港澳台地区）的农业生态效率。其模型表示如下：

其中，m、a、b分别表示每一个决策单元拥有m类投入要素、a类期望产出和b类非期望产出；D-、De、Dn为松弛变量，分别表示投入过多，期望产出不足及非期望产出过多，其值均大于0；ρ*是决策单元的农业生态效率，介于0～1 之间。绿色金融发展水平测算方法为比较常见的熵值法，因此这里不再做相应介绍。

2.空间计量模型。空间计量模型主要有空间自相关模型（SAR）、空间杜宾模型（SDM）以及空间误差模型（SEM）。当只考虑被解释变量的空间滞后效应时，应建立空间自相关模型，模型如下：

式（5）中，AEE表示农业生态效率；Gf表示绿色金融发展水平；Xctrl表示控制变量；W表示空间权重矩阵；ρ表示农业生态效率的空间自相关系数，其大小表示农业生态效率的空间溢出程度，其值为正时，表示相邻地区的农业生态效率对本地区农业生态效率具有促进作用，反之则表现为抑制作用；γt表示时间效应；μit表示随机误差项。

当同时考虑解释变量和被解释变量的空间滞后效应时，应建立空间杜宾模型，模型如下：

式（6）中，δ1和δctrl分别表示绿色金融发展水平和控制变量的空间滞后项所对应的空间滞后系数。空间杜宾模型可将空间总效应分解为直接效应和间接效应（也称空间溢出效应）。

当被解释变量的空间相关性由误差项来反映时，应建立空间误差模型，模型表示如下：

其中，λ表示空间误差系数，其反映相邻地区未被包含在解释变量和控制变量中的遗漏变量对本地区农业生态效率的影响，其大小表示遗漏变量对农业生态效率的影响程度，当其值为正时，表示这些变量对农业生态效率起到促进作用，反之则表现为抑制作用。

（三）数据来源与指标选取

本文选取2010—2019 年省级相关数据，在构建绿色金融发展与农业生态效率指标体系的基础上，参考徐维祥等（2021）[5]、王宝义和张卫国（2018）[6]的研究，选取农业生态效率（AEE）作为被解释变量，选取绿色金融发展水平（Gf）作为解释变量，选取农业受灾率（Dis）、农业机械密度（Agm）、农民家庭经营收入比（Rev）、财政支农水平（Gex）以及工业化水平（Ind）作为控制变量。用于空间计量模型的变量指标体系如表3 所示。

表3 空间计量模型变量指标体系

三、结果与分析

（一）我国各地农业生态效率测算结果

根据考虑非期望产出的SBM 对我国省级农业生态效率水平进行了测定，并且参考徐维祥等（2021）[5]的做法，运用Arcgis 软件中的自然断点法将中国农业生态效率划分成四个区域：低效率区、中低效率区、中高效率区以及高效率区。表4 展示了我国2010年和2019 年农业生态效率的效率值及效率水平。

表4 2010 年和2019 年中国农业生态效率值和效率水平

从表4 中可以看出，从2010—2019 年，我国农业生态效率处于低效率、中低效率和中高效率水平的省份地区数量越来越少，反而农业生态效率处于高效率水平的省份数量迅速增加，由2010 年的3个高效率区，增长到2019 年的18 个高效率区。2019年东部地区处于中高效率及高效率区的省份数量占比为50%，而处于中低效率及低效率区的省份占比为30%。2019 年中部地区处于中高效率及高效率区的省份数量占比为10%，而处于中低效率及低效率区的省份占比为40%。2019 年西部地区处于中高效率及高效率区的省份数量占比为40%，而处于中低效率及低效率区的省份占比为30%。由此可见，高效率区及中高效率区主要分布于东部地区，其次是分布在西部地区，少量分布在中部，而中低效率区及低效率区则主要分布在中部地区，少量分布在东部和西部地区。因此，从区域分析的结果来看，我国农业生态效率在地理区域之间发展不平衡问题凸显，其中东部地区的农业生态效率水平最高，西部次之，中部地区的农业生态效率水平最低。

（二）绿色金融发展对农业生态效率影响的空间溢出效应

采用全局莫兰指数对农业生态效率空间相关性及绿色金融发展空间相关性进行检验。检验结果显示，2010—2018 年我国农业生态效率的全局莫兰指数显著为正，同时2011—2015 年、2017 年以及2019年我国绿色金融发展水平的全局莫兰指数均显著为正，表明中国农业生态效率与绿色金融发展水平存在显著的空间依赖性，有必要对绿色金融发展与农业生态效率之间的空间溢出效应进一步研究。

创建空间计量模型前，本文采用LM 检验与豪斯曼检验来确定最适合本文数据的空间计量数据模型。LM 检验表明，建立空间自相关模型更好，而豪斯曼检验则表明建立随机效应模型更好。为了体现模型的稳健性，本文分别构造了空间邻接权重矩阵和空间地理距离权重矩阵，并分别建立空间自相关模型和空间杜宾模型的随机效应模型。模型估计结果如表5 所示。对空间杜宾模型进行分解得到的直接效应和空间溢出效应结果如表6 所示。

表5 模型估计结果

由表5 和表6 中可以看出，农业生态效率的空间自回归系数ρ都大于0 且在1%的显著性水平下显著，表明我国各省市自治区农业生态效率间存在着正向空间聚集现象。绿色金融发展的回归系数与空间滞后项系数均显著为正，这表明绿色金融发展水平对农业生态效率存在显著的直接效应和空间溢出效应。农业受灾率的回归系数显著为负，表明农业受灾率对农业生态效率起显著的抑制作用，这是因为本地的农业发生灾害将会降低期望产出，导致要素投入的损失，从而降低本地区的农业生态效率。财政支农水平的回归系数显著为负，说明其对农业生态效率的提高起到显著的抑制作用，这是因为当前财政支农的结构不合理，大部分资金花费在对农药、化肥和农机的补贴上，增加了污染物排放，因此不利于农业生态效率的提升[5-6]。农业机械密度的空间滞后项系数显著为负，说明本地区农业机械密度的提高会使周围地区农业生态效率向着低效率的方向发展。方师乐等（2017）[25]的研究认为大中型农业机械通常会进行跨区流动服务，这样一来，本地区农业机械化水平会促进周围地区的农业机械化水平的提升，因而会降低周围地区的农业生态效率。

四、研究结论和政策建议

（一）研究结论

一是我国各地区农业生态效率在地理区域之间发展不平衡问题凸显。目前，我国东部地区的农业生态效率水平最高，西部次之，中部地区的农业生态效率水平最低。

二是我国各地区农业生态效率存在显著的空间自相关性。即相邻地区的农业生态效率发展有助于本地区农业生态效率的提高。

三是绿色金融发展对农业生态效率存在显著的直接效应和空间溢出效应，农业机械密度、农业受灾率和财政支农水平对农业生态效率均具有显著的直接抑制作用，且农业机械密度对农业生态效率还存在负的空间溢出效应。

（二）政策建议

一是各地区需要利用相应的政策鼓励金融机构投资小农户。需要各地区金融机构在积极推动当地绿色金融发展的同时，利用绿色金融投融资项目，对小农户提供充足的资金支持，积极引导农户采用绿色生产技术，扩大农业生产经营面积的同时，达到绿色生产的目标。

二是各地区需要加大对农业企业的投资力度，促进其进行绿色生产。金融机构利用绿色金融投融资项目，加大对低消耗、低残留、低污染的绿色农业投入品生产、流通和销售相关企业的支持力度，从源头上保证农业绿色生产，促进农业产业向环境友好方向转变。

三是各地区需要与相邻地区建立合作，构建农业生态效率发展经济圈。利用我国各地区农业生态效率具有空间正向溢出效应的特性，各相邻地区间加强合作，农业生态效率高水平地区带动周边低水平地区发展，为其提供政策建议、人才培养以及技术支持等，共同实现农业的生态化发展模式。

四是各地区还可以从影响生态效率的其他因素入手，制定相应的政策，从而实现绿色农业与经济农业的共同发展。充分考虑对农业生态效率产生影响的其他因素，比如农业受灾率、农业机械密度、财政支农水平等，积极采取能提升农业对抗灾害能力的措施，如统筹规划和科学管理农业基础设施，同时促进农业机械由传统能耗向新能源的转变，以及革新财政支农方式，由对农业生产资料的财政支出转变为对农业生态化方向的财政支出等。