全要素生产率视角下数字经济对农业碳排放影响效应研究——来自中国农业的经验证据

曹俐，郭忠宇，闫周府

（上海海洋大学 经济管理学院，上海 201306）

气候环境恶化是全球聚焦的热点问题。工业革命以来，对于化石能源的过度使用造成全球气候迅速恶化，气候问题频繁发生。目前，中国已经成为世界上最大的碳排放国家，而过往粗放高排放的发展模式已难以适应我国经济高质量发展转型的要求。2020 年9 月，中国政府明确提出了碳减排两步走的战略目标：二氧化碳排放力争于2030 年前达到峰值，2060 年前实现中和[1]。作为国民经济发展奠基型行业，我国农业所产生的温室气体排放约占全国碳排放总量的17%[2]，但相比于城市而言，农业低碳转型得到的关注度仍然有所欠缺，小农生产和分散经营并存、基础设施建设滞后、资源和生态环境双重约束、产业结构和供需结构失衡等问题依然严峻[3-4]。传统农业发展模式所存在的以上问题十分不利于实现农业的低碳绿色转型，完成社会主义现代化和实现经济高质量发展目标。

数字经济作为一种崭新的经济形态具备高规模、高附加值、高参与度、高便捷性的优势，不仅能够促进经济高质量发展[5-7]，而且表现出一定的生态环境效应。数字经济通过加速能源公平[8]、驱动能源结构绿色转型[9]，从而促进新兴经济体高质量绿色发展[10]。虽然学者已经将数字经济引入到环境框架中，并且得到数字经济能够抑制区域碳排放[11-12]的结论，但是关于数字经济与产业碳排放尤其是农业碳排放之间的效应研究还比较缺乏。而农业碳排放作为我国的碳排放大户，降低农业碳排放，实现农业发展向绿色低碳化转型是实现乡村振兴、完成“双碳”目标的应有之义。因此，探讨当前数字经济能否改变农业传统生产模式，实现经济高质量发展显得十分重要。

全要素生产率是推动农业可持续增长的动力源泉[13]，数字经济作为一种新经济形态能够优化经济内部资源分配方式，重构社会内部生产关系，提升社会生产力，被认为是全要素生产率的创新驱动因素[14]。既然农业低碳的生产方式和农业全要素生产率的提升作为衡量农业高质量发展的两个重要因素，那么研究数字经济能否通过提升农业全要素生产率这一路径影响农业碳排放这一问题就具有了重要理论意义和现实意义。

为此，本文构建了农业数字经济指标体系，借鉴温忠麟等[15]提出的中介效应检验程序，构建数字经济、农业全要素生产率和农业碳排放强度之间关系的模型，利用2014—2020 年中国30 个省份的面板数据，实证检验了数字经济对农业碳排放的影响及其作用机制。本文可能存在的贡献有：①构建农业数字经济评价体系，探究农业数字经济对农业碳排放的影响，为数字经济的碳减排效应提供农业证据；②引入农业全要素生产率，拓宽数字经济与农业碳排放的研究框架，揭示三者之间的影响机制，为数字经济如何高效率降低农业碳排放提供指引方向；③探究了不同区域之间不同数字经济发展水平对于农业碳排放的影响差异，为农业碳减排因地施策打下坚实基础。

1 理论分析与研究假说

1.1 数字经济影响农业碳排放的内在机制

数字经济农业碳减排效应主要体现在以下三个方面：①数字经济具有环境友好型特征。数字经济以数据资源为核心生产要素，在农业生产中发挥作用时并不依靠投放化肥、农药、农膜等物质要素来扩大生产，因此数字经济在促进农业发展的同时不会增加农业碳排放的碳源。②数字经济的发展有利于农业碳交易市场的建立。我国的碳交易市场在碳减排方面取得了显著的成果[16-17]，但是碳交易市场仍处于起步阶段，覆盖农业范围不广，不能有效核查和测算碳排放、排放权分配不合理、政府监管失位[18-19]等问题依然存在，数字经济依托大数据、区块链和云计算等数字技术，在监测碳排放过程中得到翔实的数据资源，凭借大量数据分析完善碳市场建设。③数字经济促进农村产业融合发展。数字经济以现代信息网络为载体，实现对农业领域的持续渗透和广泛应用，在农业生产、销售和消费端内部建立起深入衔接、密切融合、相互促进的连贯体系，改变农业既有的社会—网络—物理框架[20]，优化农村生态价值链效率，降低农业产业链运转资源损耗，提高农业发展效能。综上所述，本文提出研究假说如下：

假说H1：数字经济发展能够显著降低农业碳排放强度。

1.2 农业全要素生产率的中介作用

完全竞争市场被认为是最有效率的市场，信息充分化和无交易成本是完全竞争市场的两大特征。但是在现实生活中这种理想的市场形态很难存在，经济活动总会出现信息不对称和要素错配现象，这种现象会造成资源的损失，降低全要素生产率[21]。而互联网和数字化平台技术的应用可以逾越农业生产者和消费者在时空上的交流障碍，优化农业经营环境，多方位、全角度地满足生产者和消费者的交易需求，减少农业市场交易摩擦，挽回信息不对称和要素错配现象带来的损失。如在土地流转的模式中，农业数据资源作为一种特殊的生产要素，将农业各个生产环节进行有效拟合，可以合理调配农业系统中土地、劳动、资本、技术等生产要素，优化资源配置，产生规模效应，获得规模收益，提升技术效率；在网购和直播模式中，农业消费者通过数字搜索引擎获取使自己效用最大化的商品和服务，农业生产者借助数字化平台突破线下场地限制增加产品曝光流量。因此，数字经济会提升农业全要素生产率。

农业全要素生产率可以较为客观全面地衡量一个地区的农业表现[22]，可被分解为农业技术进步和农业技术效率。技术效率的提高是通过资源配置的优化来实现的，而资源配置的优化可以实现对资源的专业化利用，如数字经济收集并分析农业全产业链的核心数据，形成细分的分工体系[23]。数字经济爆发所带来的信息流能够改变农户的生产作业意愿，产生极强的技术外溢效应，促使农户积极向专业化方向转变，推动新技术在农业生产系统中的应用。高新技术可以极大降低中间物质的消耗，如植保无人机航空施药作业与传统的人工施药和地面机械施药方法相比，具有作业效率高、成本低、农药利用率高的特点[24]，低空低量喷施方式相对于人工与机械喷施方式防治效果提升了15%～35%[25]；计算机辅助设计技术在棉花膜下滴灌系统中的成功应用产生了良好的社会生态经济效益。农业全要素生产率凭借以上方式减少碳源，降低农业生产成本，从而降低农业碳排放强度。综上所述，本文提出研究假说如下：

假说H2：数字经济能够通过提升农业全要素生产率，进而有效降低农业碳排放强度。

本文逻辑框架图如图1 所示。

图1 数字经济影响农业碳排放逻辑框架图

2 模型构建与变量选择

2.1 模型设定

为了考察数字经济发展对农业碳排放强度的影响，本文设定直接效应模型如式（1）所示：

式中：i代表地区，t代表年份，被解释变量EIit为各地区农业碳排放强度，核心解释变量DEit表示各个地区农业数字经济发展水平，Controljit表示控制变量，μi表示地区固定效应，yeart表示时间固定效应，εit表示随机误差项。

本文分析数字经济发展通过提升农业全要素生产率有助于降低农业生产资料中间消耗，提升农用物质利用率，促进农业经济高质量发展的同时进而降低碳排放强度。即可能存在“农业数字经济—农业全要素生产率—农业碳排放强度”的传导路径。本文参考温忠麟等[15]的中介效应检验程序，构建数字经济、全要素生产率和碳排放强度的中介效应模型：

式（2）、（3）中：ATFP表示农业全要素生产率，其余符号含义同式（1）。

2.2 变量选择

2.2.1 被解释变量：农业碳排放

本文的农业指狭义的农业种植业。根据我国农业生产高投入的特点，构建如下农业碳排放公式：

式（4）、（5）中：E为农业生产活动的碳排放总量，Ei为i类碳源的碳排放总量，Ti为i类碳源数量，δi为i类碳的碳排放因子，EI表示农业碳排放强度，AGDP表示农业生产总值。参考曹俐等[26]的做法，可以得知农业碳排放来源于农药、农膜、化肥等物质的投放、农用柴油、农业灌溉电能的消耗以及农业翻耕导致的碳流失。各类碳源碳排放因子如表1 所示。

表1 农业碳排放系数

2.2.2 核心解释变量：农村数字经济发展指数

目前关于数字经济发展水平的测度，主要分为两类。一是以中国信通院为代表的直接测算法：通过计算传统产业的数字经济规模和ICT 的总资本存量之和来得到数字经济的总体规模[29]，但是这种方法太过依赖数据的准确性和数字经济概念的精准分类。二是指标测度法：基于不同的地区或者行业，选取不同维度的指标来衡量相关地区或者行业的数字经济发展规模。目前学者通常采用数字经济基础设施建设、产业数字化、数字产业化来衡量数字经济发展水平[14,30-31]。但是上述指标并不能完全反映数字技术在农业上的普及度和接纳度，普惠金融指数[32]从人群覆盖广度、使用深度、数字化程度三方面来衡量不同地区享受到数字技术的便利性，很好地补充上述指标体系所面临的缺陷。鉴于数据的可得性，并通过综合借鉴已有研究，本文从农村数字经济基础建设、农业数字化、农村数字产业化和普惠金融指数四个方面来综合评价农业数字经济的发展水平。为了保证数字经济评价指标的客观性，本文采用熵值法来对各个指标进行加权赋值（表2）。

表2 农业数字经济发展评价体系

2.2.3 中介变量：农业全要素生产率

本文计算以产出为导向，规模报酬可变的DEAMalmquist 指数，使用DEAP 2.1 软件计算省级的农业全要素生产率。在计算农业全要素生产率时，采用农业总产值作为期望产出指标；土地投入以农作物耕种面积（千公顷）表示；劳动投入以农业从业人员（万人）表示；机械投入以农业机械总动力（万千瓦）表示；水资源投入以有效灌溉面积（千公顷）表示；农用生产物质投入以化肥折纯使用量（万吨）、农药使用量（万吨）、农膜使用量（万吨）、农用柴油使用量（万吨）来表示。其中，农业从业人员以第一产业从业人员×（农业总产值/农林牧渔业总产值）进行折算。

2.2.4 控制变量

控制变量主要包括其他可能影响农业碳排放强度的因素：城镇化率（urban），用城市人口占总人口的比重来表示；农村人口规模（population），用农村人口数来表示；农业机械化（machine），用农业机械总动力表示；农业产业结构（structure），用种植业的产值比上农林牧渔业的总产值来表示；能源利用效率（energy efficiency），用每单位农业GDP 所消耗的柴油量表示；农村经济发展水平（revenue），用农村人均可支配收入来表示。

2.2.5 数据来源

本文选取中国30 个省份（西藏及港澳台地区因部分数据缺失予以剔除）为研究样本，基于数据可得性和中国近十年来电子计算机和智能手机的普及，本文的研究区间选定为2014—2020 年。基础数据来源于国家统计局及《中国农村统计年鉴》《中国统计年鉴》，所有涉及生产总值的数据均以2010 年不变价进行折算，部分缺失数据采用插值法进行补充。变量的描述性统计见表3。

表3 变量描述性统计

3 实证结果与分析

3.1 农业数字经济发展指数测算结果分析

基于表2 建立的农业数字经济发展评价指标体系和测算方法，得到2014—2020 年中国30 个省份农业数字经济发展指数的空间分布。

图2 显示了中国不同省份农业数字经济指数的变化，可以看出中国农业数字经济在2014—2020 年内呈现蓬勃发展态势，但是其发展大致与经济发展水平呈现正相关关系。东部农业数字经济发展处于领头羊地位，全国农业数字经济排名前5 的省份全在东部地区；而中西部数字经济的发展明显滞后于东部，其可能的原因是经济发达地区拥有雄厚资金和大量优质人才，在进行数字经济基础设施建设，技术渗透融合方面具有优势地位。值得注意的是，西部地区数字经济发展的增长速率在2016—2020 年加大，大有赶超中部地区的态势，其可能的原因是“一带一路”的稳步推进加大了对西部基础设施建设的投资力度，“东数西算”工程发挥了西部资源优势，降低了西部获取数据的成本，推动西部数字算力需求的上升。

图2 选定年份的中国农业数字经济指数的空间分布

3.2 数字经济发展对农业碳排放强度的影响

在做基本回归之前，考虑到可能存在异方差和面板自相关的问题，本文选用聚类稳健标准误。通过对时间效应的F 检验和Hausman 检验，本文拟选择固定时间和个体的双向固定效应模型。

表4 中模型（1）和模型（2）报告了数字经济发展对农业碳排放强度的基准回归结果，模型（1）未添加任何控制变量，模型（2）中加入了影响农业碳排放强度的控制变量。模型（1）和（2）的回归结果显示，农业数字经济的系数最低在10%的水平下显著为负，表明农业数字经济的发展会提升农业产业数字化、信息化水平，农用中间物质使用效率增加，驱动农业产业结构升级，向绿色可持续方向发展，降低农业碳排放强度，实现“双碳”目标，即假设H1 得到验证。在加入控制变量之后，农业数字经济系数显著性增加，系数绝对值降低，且R2增加，说明除了数字经济之外还有其他的因素在影响农业碳排放，选取的控制变量合理有效。

表4 基准回归结果

在控制变量中，农村农业产业结构系数显著为负，说明目前种植业正在朝着低碳方向发展；能源利用效率的系数显著为正，说明我国目前农业的能源结构还是以化石能源为主，能源利用效率提升增大了对能源的需求，最终促进了碳排放增加；农村人均可支配收入系数显著为负，说明随着经济农村居民收入水平的上升，农村的生产方式和消费方式都更倾向于绿色低碳方向。

3.3 数字经济发展对农业碳排放强度的作用路径

表4 中模型（2）～（4）分别代表了式（1）～（3）的回归结果。参考温忠麟等[15]的中介效应检验流程，首先检验式（1）数字经济影响农业碳排放强度的系数α1，在1%的水平上显著，以中介效应立论。接下来依次检验式（2）中lnDE的系数β1和式（3）中lnATFP的系数γ2，发现两者都至少在10%的水平上显著，认为间接效应显著。然后检验式（3）中lnDE的系数γ1，在5%的水平下显著，并且β1×γ2与γ1的符号都为负号，证明了在数字经济显著降低农业碳排放强度的过程中，农业全要素生产率发挥了部分中介效应，经计算，中介效应占比为31.1%，假设2 成立，即农业全要素生产率是数字经济降低农业碳排放强度的重要作用路径。

3.4 异质性分析

中国的东西部横跨尺度大，存在着显著的经济结构差异和自然环境差异。为了更为细致地探索数字经济发展对农业碳排放的影响以及各个地区呈现的差异化特征，本文将全国分为东部、中部、西部三大地带①东部地带：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11 个省份；中部地带：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8 个省份；西部地带：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12 个省份。。在表5 中分别给出东部、中部、西部数字经济影响农业碳排放的回归结果。通过比较表5 中模型（1）、（4）、（7）发现，数字经济对于碳排放强度的抑制作用存在明显的区域差异。东部数字经济对碳排放强度具有显著的抑制作用，但低于全国的平均水平；西部数字经济对碳排放强度也具有显著的抑制作用，明显高于全国的平均水平；中部数字经济对碳排放强度具有抑制作用，但没有通过显著性检验。这也与谢云飞[9]和韩晶等[33]得到的数字经济对落后地区的碳减排效应强于发达地区的结论相一致。其原因可能是东部地区虽然数字经济发展水平较高，但是原来较高的技术水平可能降低了数字经济在农业碳排放强度上的边际效应；西部地带拥有地广人稀的农业优势，虽然其技术水平较低，但相对于东部和中部来说，西部地带在应用数字经济方面具有后发优势，在调动要素配置、获取规模收益上拥有更大的发展空间；中部地带作为我国重要的能源和原材料基地，在进行数字技术基础建设时会比非资源型地区有更强的资源路径依赖，陷入“资源诅咒”效应[34]，从而抵消了数字经济所带来的农业碳减排效应。

表5 异质性分析（分区域）

通过对比表5 中东中西部所有模型，发现只有东部的农业全要素生产率在数字经济对农业碳排放强度的影响路径中发挥中介作用，与之相对应的是模型（5）和（8）中数字经济的系数都不显著。其原因可能是中西部的数字经济建设还处于初期阶段，相较于东部来说对于农业全要素生产率的影响能力较弱。

3.5 稳健性检验

为了进一步检验数字经济发展对农业碳排放的影响，本文通过替换被解释变量，增加控制变量，选取工具变量的方法进行稳健性检验。

（1）替换被解释变量。采用农业人均碳排放对因变量进行更换，进一步检验替换因变量后的结论是否成立。表6 模型（1）为数字经济影响农业人均碳排放的回归结果，与基准回归结果基本一致，证明结果的稳健性。

表6 稳健性检验

（2）增加控制变量。影响农业碳排放的因素有很多，参考张金鑫等[35]的做法增加环境规制（ER）变量来考察模型中可能存在的遗漏变量问题，其回归结果为表6 模型（2）。

（3）工具变量法。考虑到可能存在的测量误差所引起的内生性问题，参照万永坤等[36]的做法，选取核心解释变量数字经济滞后一期（IV）作为工具变量来进行2SLS 检验，回归结果见表6 模型（3）。数字经济回归系数在10%的水平下显著为负。从IV-2SLS 估计的Wald检验可以发现，在1%显著性水平拒绝了外生的原假设，说明存在内生性问题；从一阶段的F 统计量对应的P值可以发现，在1%显著性水平拒绝了原假设，说明工具变量合理有效，可信度较高。

4 结论与建议

4.1 结论

本文使用熵值法测算了我国30 个省份2014—2020年的农业数字经济发展指标，并以此为基础研究数字经济对于农业碳排放的影响作用，同时引入农业全要素生产率作为中介变量，探究数字经济、农业碳排放和农业全要素生产率之间的关系以及这种关系在不同区域之间的差异。其主要结论如下：

（1）中国的农业数字经济发展稳步上升，但是其发展具有明显的区域差异，大致与经济发展水平呈现正相关关系，由东部至西部逐渐减少。西部地区表现出明显的后发优势，增长率超过了中部地区。

（2）数字经济能够显著降低农业碳排放强度，但是这种减排效应并不与数字经济发展水平存在着正相关关系，而是和地理位置，农业资源禀赋相关，具有明显的区位差异性。在西部地区数字经济的农业减排效应要明显高于东部和中部地区。

（3）在数字经济降低农业碳排放强度的过程中，农业全要素生产率发挥了部分中介效应，中介效应占比为31.1%，即通过数字经济的运用，农业产业能够获得更多的规模收益和技术进步提升农业全要素生产率，农业全要素生产率通过降低生产成本，减少中间物质消耗进而降低农业碳排放强度。

4.2 建议

基于上述结论，为了更好地推动我国农业数字经济发展，使数字经济具有更深层次的绿色内涵，高质量地完成我国的“双碳”目标。本文提出以下政策建议。

（1）大力发展中西部地区数字经济。当前，世界正处于信息变革时代的关键期和机遇期，中西部由于经济发展水平落后导致信息流通缓慢、资金和数字技术人才相对缺乏，和我国经济高质量发展的目标不相符。目前中西部农业数字经济正处于起步阶段，在前期更为需要的是对数字基础设施和数字技术人才的支持，应加大农村教育和数字基础设施建设的投入力度。

（2）充分挖掘数字经济的农业绿色潜力和特征。数字经济以数据为核心要素进行资源调配，属于一种新的经济形态，与农业的结合深度还有更为充足的发展空间。因此应强化政策引导并支持数字经济向绿色农业方向发展，完善数字经济支持农业绿色转型的配套机制，为我国“双碳”目标的完成补上农业这一重要一环。

（3）持续稳步提升农业全要素生产率。农业全要素生产率是推动农业高质量发展的驱动力，以“双碳”目标为契机，借助数字化赋能，优化农业要素质量，提升农业全要素生产率，农业全要素生产率的提高能够更高效地将数字化作用通过传导机制过渡到农业碳减排中，加快我国实现“双碳”目标的进程。

（4）立足区域差异，推动区域数字化低碳技术合作与创新。我国各个地区农业资源禀赋和发展定位不同导致了数字经济对农业碳减排力度有所差异。针对这一特点，可以将中西部地区的资源和成本优势和东部的人才和技术优势统筹发展，引导西部承接东部算力需求，优化全国算力布局，促进东西部农业协同绿色发展。