黃姣姣

（浙江農(nóng)林大學 經(jīng)濟與管理學院，浙江 杭州 311300）

一、引言

農(nóng)業(yè)是經(jīng)濟可持續(xù)發(fā)展的重要基礎(chǔ)。改革開放以來，中國農(nóng)業(yè)在經(jīng)濟上取得了巨大的成就，以世界上不到10%的耕地面積養(yǎng)活了世界上20%左右的人口，并且糧食連年增產(chǎn)，農(nóng)民收入持續(xù)增長，農(nóng)業(yè)生產(chǎn)效率取得大幅提升。然而，隨著農(nóng)業(yè)經(jīng)濟的快速增長，資源浪費、農(nóng)業(yè)生態(tài)環(huán)境污染問題凸顯。《第二次全國污染源普查公報（2020）》顯示，目前農(nóng)業(yè)污染源中的碳排放量確實相較于“一污普”有所下降，其中化學需氧量下降了19%，總氮下降了48%，總磷下降了26%，但農(nóng)業(yè)污染源排放量占總排放量“半壁江山”的格局并未改變[1]。通過研究國外農(nóng)業(yè)發(fā)達國家的發(fā)展歷程，發(fā)現(xiàn)其農(nóng)業(yè)也不可避免地成了最大污染排放源。農(nóng)業(yè)生產(chǎn)引起的環(huán)境污染，不僅惡化農(nóng)村環(huán)境，導致農(nóng)產(chǎn)品食品安全問題產(chǎn)業(yè)，還會促進全球氣候變暖?？梢?，農(nóng)業(yè)生態(tài)效率低下，已成為制約我國實現(xiàn)“雙碳”目標和經(jīng)濟可持續(xù)發(fā)展的一個重要因素?？沙掷m(xù)發(fā)展理念在金融領(lǐng)域的主要應(yīng)用是綠色金融。綠色金融發(fā)展的內(nèi)涵在于，通過金融發(fā)展支持包括農(nóng)業(yè)在內(nèi)的產(chǎn)業(yè)經(jīng)濟實現(xiàn)高質(zhì)量、可持續(xù)發(fā)展。因此，如何衡量綠色金融發(fā)展對農(nóng)業(yè)生態(tài)效率的影響效應(yīng)問題，是當前經(jīng)濟學研究領(lǐng)域亟待關(guān)注的一個重要問題。

學術(shù)界對農(nóng)業(yè)生態(tài)效率的研究較為豐富。目前主要的研究方向有以下幾類：農(nóng)業(yè)生態(tài)效率的測算[2-4]、農(nóng)業(yè)生態(tài)效率影響因素研究[5-8]、農(nóng)業(yè)生態(tài)效率的時空演變[9-10]以及不同指標對農(nóng)業(yè)生態(tài)效率的影響效應(yīng)研究[10-13]。而不同指標對農(nóng)業(yè)生態(tài)效率的影響效應(yīng)研究中，這些指標分別是財政分權(quán)[14]、農(nóng)旅融合[13][15]、農(nóng)業(yè)科技投入[16]、農(nóng)村勞動力轉(zhuǎn)移[12][17]、化肥施用強度[17]、農(nóng)業(yè)科技創(chuàng)新[18]等。從現(xiàn)有研究來看，鮮有學者就綠色金融發(fā)展對農(nóng)業(yè)生態(tài)效率的影響進行過分析。而綠色金融發(fā)展能夠為農(nóng)業(yè)提供資金支持，并且實現(xiàn)資產(chǎn)的合理配置，將金融資源合理分配到農(nóng)業(yè)生產(chǎn)中，減少農(nóng)業(yè)污染，實現(xiàn)農(nóng)業(yè)生態(tài)效率。因此，亟需研究綠色金融發(fā)展與農(nóng)業(yè)生態(tài)效率之間的影響效應(yīng)。鑒于此，采用中國2010—2019 年30 個省市自治區(qū)（西藏和港澳臺地區(qū)除外，同時由于2020 年和2021 年數(shù)據(jù)缺失較多，因此數(shù)據(jù)更新到2019年）相關(guān)數(shù)據(jù)，構(gòu)建反映綠色金融發(fā)展和農(nóng)業(yè)生態(tài)效率二者空間依賴關(guān)系的空間計量模型，以揭示這些地區(qū)綠色金融發(fā)展影響農(nóng)業(yè)生態(tài)效率的直接效應(yīng)和空間溢出效應(yīng)等經(jīng)濟效應(yīng)，為實現(xiàn)區(qū)域綠色金融協(xié)調(diào)發(fā)展、支持農(nóng)業(yè)可持續(xù)發(fā)展等提供政策建議。

二、研究設(shè)計

（一）指標選擇與測度

1.綠色金融發(fā)展水平指標體系構(gòu)建。參照高錦杰和張偉偉（2021）[19]以及胡懷敏和連思涵（2021）[20]關(guān)于綠色金融的相關(guān)研究，同時考慮到數(shù)據(jù)的連貫性，從綠色信貸、綠色保險、綠色投資以及綠色財政支出這四個維度出發(fā)構(gòu)建綠色金融發(fā)展評價指標體系來評估綠色金融發(fā)展水平（見表1）。

表1 綠色金融發(fā)展變量指標

2.農(nóng)業(yè)生態(tài)效率指標體系構(gòu)建。本研究以農(nóng)業(yè)生態(tài)效率為研究對象，結(jié)合農(nóng)業(yè)生態(tài)效率的概念內(nèi)涵，同時參考王寶義和張衛(wèi)國（2018）[6]、吉雪強和尚杰（2021）[21]的相關(guān)研究，建立農(nóng)業(yè)生態(tài)效率的投入產(chǎn)出指標評價體系（見表2）。

表2 農(nóng)業(yè)生態(tài)效率變量指標

其中，參考李波等（2011）[22]的方法，化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、農(nóng)業(yè)灌溉以及農(nóng)業(yè)播耕產(chǎn)生的碳排放量分別等于化肥使用量、農(nóng)藥使用量、農(nóng)膜使用量、農(nóng)用柴油使用量、農(nóng)業(yè)灌溉面積以及農(nóng)業(yè)播種面積乘以各自的碳排放系數(shù)。農(nóng)業(yè)面源污染的排放來自化肥、農(nóng)藥等農(nóng)業(yè)化學物質(zhì)投入要素的過度使用而導致通過地表徑流、地下淋溶等方式進入到河流、農(nóng)田當中，以及農(nóng)膜的殘留污染。借鑒吉雪強和尚杰（2021）[21]的研究，采用化肥、農(nóng)藥的污染量和農(nóng)膜殘留量來衡量農(nóng)業(yè)面源污染水平。其中，化肥面源污染量的計算方法為化肥施用量乘以化肥流失率；農(nóng)藥污染量采用農(nóng)藥使用量乘以農(nóng)藥殘留率來計算；農(nóng)膜殘留量采用農(nóng)膜使用量乘以農(nóng)膜殘留系數(shù)的方法來衡量。現(xiàn)有研究在污染指標流失率設(shè)置方面多參考賴斯蕓等（2004）[23]、吳小慶等（2012）[3]學者做法，為此結(jié)合現(xiàn)有研究本文將化肥流失率設(shè)置為65%，設(shè)置農(nóng)藥污染率50%，設(shè)置地膜殘留率為10%。

（二）模型和方法

1.農(nóng)業(yè)生態(tài)效率測算方法。由于農(nóng)業(yè)生產(chǎn)往往伴隨著化肥、農(nóng)藥等殘留和大量的碳排放，因此在測算農(nóng)業(yè)生態(tài)效率時，必須考慮這些非期望產(chǎn)出。因此本研究采用Tone（2001）[24]提出的SBM-Undesirable模型來測算全國30 個省市自治區(qū)（不包括西藏和港澳臺地區(qū)）的農(nóng)業(yè)生態(tài)效率。其模型表示如下：

其中，m、a、b分別表示每一個決策單元擁有m類投入要素、a類期望產(chǎn)出和b類非期望產(chǎn)出；D-、De、Dn為松弛變量，分別表示投入過多，期望產(chǎn)出不足及非期望產(chǎn)出過多，其值均大于0；ρ*是決策單元的農(nóng)業(yè)生態(tài)效率，介于0～1 之間。綠色金融發(fā)展水平測算方法為比較常見的熵值法，因此這里不再做相應(yīng)介紹。

2.空間計量模型。空間計量模型主要有空間自相關(guān)模型（SAR）、空間杜賓模型（SDM）以及空間誤差模型（SEM）。當只考慮被解釋變量的空間滯后效應(yīng)時，應(yīng)建立空間自相關(guān)模型，模型如下：

式（5）中，AEE表示農(nóng)業(yè)生態(tài)效率；Gf表示綠色金融發(fā)展水平；Xctrl表示控制變量；W表示空間權(quán)重矩陣；ρ表示農(nóng)業(yè)生態(tài)效率的空間自相關(guān)系數(shù)，其大小表示農(nóng)業(yè)生態(tài)效率的空間溢出程度，其值為正時，表示相鄰地區(qū)的農(nóng)業(yè)生態(tài)效率對本地區(qū)農(nóng)業(yè)生態(tài)效率具有促進作用，反之則表現(xiàn)為抑制作用；γt表示時間效應(yīng)；μit表示隨機誤差項。

當同時考慮解釋變量和被解釋變量的空間滯后效應(yīng)時，應(yīng)建立空間杜賓模型，模型如下：

式（6）中，δ1和δctrl分別表示綠色金融發(fā)展水平和控制變量的空間滯后項所對應(yīng)的空間滯后系數(shù)?？臻g杜賓模型可將空間總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)（也稱空間溢出效應(yīng)）。

當被解釋變量的空間相關(guān)性由誤差項來反映時，應(yīng)建立空間誤差模型，模型表示如下：

其中，λ表示空間誤差系數(shù)，其反映相鄰地區(qū)未被包含在解釋變量和控制變量中的遺漏變量對本地區(qū)農(nóng)業(yè)生態(tài)效率的影響，其大小表示遺漏變量對農(nóng)業(yè)生態(tài)效率的影響程度，當其值為正時，表示這些變量對農(nóng)業(yè)生態(tài)效率起到促進作用，反之則表現(xiàn)為抑制作用。

（三）數(shù)據(jù)來源與指標選取

本文選取2010—2019 年省級相關(guān)數(shù)據(jù)，在構(gòu)建綠色金融發(fā)展與農(nóng)業(yè)生態(tài)效率指標體系的基礎(chǔ)上，參考徐維祥等（2021）[5]、王寶義和張衛(wèi)國（2018）[6]的研究，選取農(nóng)業(yè)生態(tài)效率（AEE）作為被解釋變量，選取綠色金融發(fā)展水平（Gf）作為解釋變量，選取農(nóng)業(yè)受災(zāi)率（Dis）、農(nóng)業(yè)機械密度（Agm）、農(nóng)民家庭經(jīng)營收入比（Rev）、財政支農(nóng)水平（Gex）以及工業(yè)化水平（Ind）作為控制變量。用于空間計量模型的變量指標體系如表3 所示。

表3 空間計量模型變量指標體系

三、結(jié)果與分析

（一）我國各地農(nóng)業(yè)生態(tài)效率測算結(jié)果

根據(jù)考慮非期望產(chǎn)出的SBM 對我國省級農(nóng)業(yè)生態(tài)效率水平進行了測定，并且參考徐維祥等（2021）[5]的做法，運用Arcgis 軟件中的自然斷點法將中國農(nóng)業(yè)生態(tài)效率劃分成四個區(qū)域：低效率區(qū)、中低效率區(qū)、中高效率區(qū)以及高效率區(qū)。表4 展示了我國2010年和2019 年農(nóng)業(yè)生態(tài)效率的效率值及效率水平。

表4 2010 年和2019 年中國農(nóng)業(yè)生態(tài)效率值和效率水平

從表4 中可以看出，從2010—2019 年，我國農(nóng)業(yè)生態(tài)效率處于低效率、中低效率和中高效率水平的省份地區(qū)數(shù)量越來越少，反而農(nóng)業(yè)生態(tài)效率處于高效率水平的省份數(shù)量迅速增加，由2010 年的3個高效率區(qū)，增長到2019 年的18 個高效率區(qū)。2019年東部地區(qū)處于中高效率及高效率區(qū)的省份數(shù)量占比為50%，而處于中低效率及低效率區(qū)的省份占比為30%。2019 年中部地區(qū)處于中高效率及高效率區(qū)的省份數(shù)量占比為10%，而處于中低效率及低效率區(qū)的省份占比為40%。2019 年西部地區(qū)處于中高效率及高效率區(qū)的省份數(shù)量占比為40%，而處于中低效率及低效率區(qū)的省份占比為30%。由此可見，高效率區(qū)及中高效率區(qū)主要分布于東部地區(qū)，其次是分布在西部地區(qū)，少量分布在中部，而中低效率區(qū)及低效率區(qū)則主要分布在中部地區(qū)，少量分布在東部和西部地區(qū)。因此，從區(qū)域分析的結(jié)果來看，我國農(nóng)業(yè)生態(tài)效率在地理區(qū)域之間發(fā)展不平衡問題凸顯，其中東部地區(qū)的農(nóng)業(yè)生態(tài)效率水平最高，西部次之，中部地區(qū)的農(nóng)業(yè)生態(tài)效率水平最低。

（二）綠色金融發(fā)展對農(nóng)業(yè)生態(tài)效率影響的空間溢出效應(yīng)

采用全局莫蘭指數(shù)對農(nóng)業(yè)生態(tài)效率空間相關(guān)性及綠色金融發(fā)展空間相關(guān)性進行檢驗。檢驗結(jié)果顯示，2010—2018 年我國農(nóng)業(yè)生態(tài)效率的全局莫蘭指數(shù)顯著為正，同時2011—2015 年、2017 年以及2019年我國綠色金融發(fā)展水平的全局莫蘭指數(shù)均顯著為正，表明中國農(nóng)業(yè)生態(tài)效率與綠色金融發(fā)展水平存在顯著的空間依賴性，有必要對綠色金融發(fā)展與農(nóng)業(yè)生態(tài)效率之間的空間溢出效應(yīng)進一步研究。

創(chuàng)建空間計量模型前，本文采用LM 檢驗與豪斯曼檢驗來確定最適合本文數(shù)據(jù)的空間計量數(shù)據(jù)模型。LM 檢驗表明，建立空間自相關(guān)模型更好，而豪斯曼檢驗則表明建立隨機效應(yīng)模型更好。為了體現(xiàn)模型的穩(wěn)健性，本文分別構(gòu)造了空間鄰接權(quán)重矩陣和空間地理距離權(quán)重矩陣，并分別建立空間自相關(guān)模型和空間杜賓模型的隨機效應(yīng)模型。模型估計結(jié)果如表5 所示。對空間杜賓模型進行分解得到的直接效應(yīng)和空間溢出效應(yīng)結(jié)果如表6 所示。

表5 模型估計結(jié)果

由表5 和表6 中可以看出，農(nóng)業(yè)生態(tài)效率的空間自回歸系數(shù)ρ都大于0 且在1%的顯著性水平下顯著，表明我國各省市自治區(qū)農(nóng)業(yè)生態(tài)效率間存在著正向空間聚集現(xiàn)象。綠色金融發(fā)展的回歸系數(shù)與空間滯后項系數(shù)均顯著為正，這表明綠色金融發(fā)展水平對農(nóng)業(yè)生態(tài)效率存在顯著的直接效應(yīng)和空間溢出效應(yīng)。農(nóng)業(yè)受災(zāi)率的回歸系數(shù)顯著為負，表明農(nóng)業(yè)受災(zāi)率對農(nóng)業(yè)生態(tài)效率起顯著的抑制作用，這是因為本地的農(nóng)業(yè)發(fā)生災(zāi)害將會降低期望產(chǎn)出，導致要素投入的損失，從而降低本地區(qū)的農(nóng)業(yè)生態(tài)效率。財政支農(nóng)水平的回歸系數(shù)顯著為負，說明其對農(nóng)業(yè)生態(tài)效率的提高起到顯著的抑制作用，這是因為當前財政支農(nóng)的結(jié)構(gòu)不合理，大部分資金花費在對農(nóng)藥、化肥和農(nóng)機的補貼上，增加了污染物排放，因此不利于農(nóng)業(yè)生態(tài)效率的提升[5-6]。農(nóng)業(yè)機械密度的空間滯后項系數(shù)顯著為負，說明本地區(qū)農(nóng)業(yè)機械密度的提高會使周圍地區(qū)農(nóng)業(yè)生態(tài)效率向著低效率的方向發(fā)展。方師樂等（2017）[25]的研究認為大中型農(nóng)業(yè)機械通常會進行跨區(qū)流動服務(wù)，這樣一來，本地區(qū)農(nóng)業(yè)機械化水平會促進周圍地區(qū)的農(nóng)業(yè)機械化水平的提升，因而會降低周圍地區(qū)的農(nóng)業(yè)生態(tài)效率。

四、研究結(jié)論和政策建議

（一）研究結(jié)論

一是我國各地區(qū)農(nóng)業(yè)生態(tài)效率在地理區(qū)域之間發(fā)展不平衡問題凸顯。目前，我國東部地區(qū)的農(nóng)業(yè)生態(tài)效率水平最高，西部次之，中部地區(qū)的農(nóng)業(yè)生態(tài)效率水平最低。

二是我國各地區(qū)農(nóng)業(yè)生態(tài)效率存在顯著的空間自相關(guān)性。即相鄰地區(qū)的農(nóng)業(yè)生態(tài)效率發(fā)展有助于本地區(qū)農(nóng)業(yè)生態(tài)效率的提高。

三是綠色金融發(fā)展對農(nóng)業(yè)生態(tài)效率存在顯著的直接效應(yīng)和空間溢出效應(yīng)，農(nóng)業(yè)機械密度、農(nóng)業(yè)受災(zāi)率和財政支農(nóng)水平對農(nóng)業(yè)生態(tài)效率均具有顯著的直接抑制作用，且農(nóng)業(yè)機械密度對農(nóng)業(yè)生態(tài)效率還存在負的空間溢出效應(yīng)。

（二）政策建議

一是各地區(qū)需要利用相應(yīng)的政策鼓勵金融機構(gòu)投資小農(nóng)戶。需要各地區(qū)金融機構(gòu)在積極推動當?shù)鼐G色金融發(fā)展的同時，利用綠色金融投融資項目，對小農(nóng)戶提供充足的資金支持，積極引導農(nóng)戶采用綠色生產(chǎn)技術(shù)，擴大農(nóng)業(yè)生產(chǎn)經(jīng)營面積的同時，達到綠色生產(chǎn)的目標。

二是各地區(qū)需要加大對農(nóng)業(yè)企業(yè)的投資力度，促進其進行綠色生產(chǎn)。金融機構(gòu)利用綠色金融投融資項目，加大對低消耗、低殘留、低污染的綠色農(nóng)業(yè)投入品生產(chǎn)、流通和銷售相關(guān)企業(yè)的支持力度，從源頭上保證農(nóng)業(yè)綠色生產(chǎn)，促進農(nóng)業(yè)產(chǎn)業(yè)向環(huán)境友好方向轉(zhuǎn)變。

三是各地區(qū)需要與相鄰地區(qū)建立合作，構(gòu)建農(nóng)業(yè)生態(tài)效率發(fā)展經(jīng)濟圈。利用我國各地區(qū)農(nóng)業(yè)生態(tài)效率具有空間正向溢出效應(yīng)的特性，各相鄰地區(qū)間加強合作，農(nóng)業(yè)生態(tài)效率高水平地區(qū)帶動周邊低水平地區(qū)發(fā)展，為其提供政策建議、人才培養(yǎng)以及技術(shù)支持等，共同實現(xiàn)農(nóng)業(yè)的生態(tài)化發(fā)展模式。

四是各地區(qū)還可以從影響生態(tài)效率的其他因素入手，制定相應(yīng)的政策，從而實現(xiàn)綠色農(nóng)業(yè)與經(jīng)濟農(nóng)業(yè)的共同發(fā)展。充分考慮對農(nóng)業(yè)生態(tài)效率產(chǎn)生影響的其他因素，比如農(nóng)業(yè)受災(zāi)率、農(nóng)業(yè)機械密度、財政支農(nóng)水平等，積極采取能提升農(nóng)業(yè)對抗災(zāi)害能力的措施，如統(tǒng)籌規(guī)劃和科學管理農(nóng)業(yè)基礎(chǔ)設(shè)施，同時促進農(nóng)業(yè)機械由傳統(tǒng)能耗向新能源的轉(zhuǎn)變，以及革新財政支農(nóng)方式，由對農(nóng)業(yè)生產(chǎn)資料的財政支出轉(zhuǎn)變?yōu)閷r(nóng)業(yè)生態(tài)化方向的財政支出等。