数字经济对农业碳排放影响因素研究

王飚 杨力

［摘 要］农业碳排放是我国第二大碳排放来源，深入分析数字经济对农业碳排放的积极影响，是实现我国农业碳减排和“双碳”目标的关键。文章以我国30个省（市、自治区）为考察对象，构建2011-2020年面板数据，首先构建了数字经济评价指标体系，利用熵值法算出30个省份的数字经济平，再使用双向固定效应模型分析数字经济对农业碳排放的影响和区域异质性，最后用中介效应模型分析数字经济对农业碳排放的作用路径。研究发现：数字经济能够通过提高农业产业结构升级抑制农业碳排放，且农业生产效率在其中起到了不完全的中介作用；
分区域看，数字经济能够显著抑制各区域农业碳排放，但对东部地区农业碳排放的抑制作用不如中西部。

［关键词］数字经济；
农业碳排放；
农业产业结构

［中图分类号］F49   ［文献标志码］A    ［文章编号］2095-0292（2024）02-0076-05

［收稿日期］2023-12-18

［基金项目］省级研究生学术创新项目“安徽省数字经济发展水平评价及优化路径研究”（2022xscx075）；
安徽省高等学校科学研究重大项目“‘双碳约束下安徽省数字经济与实体经济深度融合发展路径研究”（2023AH040152）

［作者简介］王飚，安徽理工大学经济与管理学院硕士研究生，研究方向：数字经济；
杨力，安徽理工大学经济管理学院教授，博士生导师，博士，研究方向：矿业安全管理、能源经济、管理决策分析。

经济社会的深入发展，过度的资源开采和利用导致全球气候问题愈发严重，已经成为各国面临的一大挑战。政府间气候变化专门委员会（IPPC）发布的《气候变化 2022：减缓气候变化》报告中提出，全球须在2030年之前实现碳排放减少四成的目标。我国作为世界第二大经济体和碳排放大国，也积极承担应负的责任，力争在2030年前达到峰值，2060年前实现碳中和。虽然工业碳排放是中国碳排放总量的最大来源，但农业碳排放占比也不可小觑，经过几十年的农业现代化发展，中国农业生产的高碳特征十分突出，农业碳排放量仅次于工业碳排放量，成为我国碳排放的第二大来源［1］。理论上实现农业碳减排主要通过减少“高碳”生产要素投入和提升生产要素的使用效率这两大途径，而这两大路径都是通过农业技术进步为前提［2］。从发达国家经验看，数字技术推动下的农业精准生产是降低农业二氧化碳排放的有效方式。

在新一轮的数字科技革命背景下，伴随着“数字乡村”战略的开展，使得数字经济水平在农业高质量发展中发挥着越来越重要的作用。数字经济发展水平的提升，能够加速农业数字化进程，优化农业资源配置效率，进而深刻影响农业技术进步和农业生产转型。因此在“双碳”背景下，探寻数字经济对农业碳排放影响对促进农业生产转型和实现农业碳减排目标具有重要意义。

一、文献综述

农业的低碳可持续发展一直是学术界关注的热点，不少学者对农业碳排放量的测度和时空分布［3-6］进行了实证研究。中国农业正处于转型升级阶段，传统粗放型的农业生产方式带来了严重的环境问题和巨大的资源浪费，为此更多的学者开始研究提高农业生产效率与农业碳排放的影响。郑阳阳和罗建利（2021）基于中国30个省（ 市、自治区） 2002—2016年的面板数据，从空间相关性和空间异质性两个角度分析农业生产效率对农业碳排放的影响，研究表明农业生产效率的提高能够显著降低农业碳排放［7］；
刘杨和刘鸿斌（2022）以山东省为例进行实证研究，结果表明农业生产效率提升是农业碳减排的最主要影响因素［8］；
王帅等（2020）基于河南省65个村庄的调查数据，研究碳排放强度和农业生产效率的关系，结果表明提高农业生产效率能够推动农业低碳发展［9］；
王慧和卞艺杰（2015），利用SBM模型度量我国农业生产效率，同时全面测算考察期内各省份农业碳排放总量，结果显示提升农业生产效率是实现农业碳减排的有效途径；
田红宇（2022）基于2011-2019年长江经济带108 个地级市数据，测度其农业碳排放水平，并运用动态面板模型考察数字经济对粮食生产碳排放的影响［2］。

目前，学术界关于数字经济与农业碳排放之间的关系的研究尚处于起步阶段。但随着“数字乡村”战略的开展，数越来越多的学者开始探究数字经济在农业生产中的作用。朱秋博等（2019）认为农业信息化能够优化农业资源配置效率，降低农业信息搜寻成本，从而提升农业生产效率［10］；
李强（2019）认为以大数据、物联网、人工智能等数字技术能够有效推进农业发展精准化、数字化和智慧化，提升农业生产效率［11］；
；
张柏杨等（2022）通过剖析发达国家的成功经验，发现数字信息技术是高碳农业向低碳转型的技术支撑［12］

然而，探讨数字经济对农业碳排放的影响机制的研究尚未不足，两者之间的中介效应机制也未得到完全解释。对此，本文对以下问题进行理论和实证方面的探讨：数字经济是否对农业碳排放存在负向影响？若存在负向影响，其内在机制如何？数字经济对农业碳排放的影响存在哪些异质性表现？

已有研究表明，数字经济能够提高农业生产效率，而农业生产效率的提高又能有效地抑制农业碳排放。那么数字经济的提升能否抑制农业碳排放？农业生产效率在数字经济和农业碳排放之间是否起到中介作用？为了厘清上述问题，本文使用中国30个省份2011—2020年的數据，构建了数字经济评价指标体系，计算出30个省份的数字经济发展水平，并通过实证分析研究数字经济对农业碳排放影响及作用路径。

二、理论分析与研究假设

本部分尝试从数字经济对农业碳排放的直接影响、间接影响以及空间来探讨数字经济影响农业碳排放的机制。

（一）数字经济对农业碳排放的直接影响

随着数字经济的不断发展，数字经济规模与结构的突破与革新使得大数据平台和互联网经济等各类经济衍生工具如雨后春笋般相继出现，良好地解决了供求双方出现的要素失衡问题以及大幅度降低了各类时空交易成本问题。而数字经济对各类生产资源要素的充分利用和经济运行效率的深入推进也为劳动力、资本、土地等传统要素的深度融合坚实基础，从而对农业碳排放产生作用。同时，数字经济具有边际效应非线性递增的特点，有利于促进经济良好发展并提升地区间的经济协调能力（赵涛等，2020）［13］。数字经济通过其出色的创新能力、衍生品的广泛使用等多个方面减少农业碳排放。以此为基础，本文提出假设一。

H1：数字经济发展对农业碳排放存在显著的直接负向影响。

（二）数字经济对农业碳排放的间接影响

农业产业结构与农业生态环境密切相关，其产业结构的调整会对环境和资源造成一定的压力。目前，随着数字基础设施的普及，生产的机械化不仅极大地提高了农业生产效率，推动了农业生产经营模式的转型，促进了产业结构升级。另一方面，数字经济还能够调整消费结构，创造高质量、绿色的新产品。因此，数字经济的普及，可有效提高资源利用效率，经数字创新升级的农业产业结构以及农业发展模式，可及时跟踪农业环境动态变化，有效控制农业生产过程中化肥、农业等农业资源的使用量，进一步规避资源的损耗以及防止污染的加剧，实现高效、低 耗、绿色、环保的可持续农业发展，持续提高农业碳排放效率。以此为基础，本文提出假设二。

H2：数字经济可通过农业产业结构升级对农业碳排放效率产生间接影响。

（三）数字经济对农业碳排放的空间影响

由于不同区域在经济建设、产业生态等方面存在一定差异，这可能会导致数字经济对不同区域农业碳排放的影响效果不同。王军等（2022）研究发现数字發展对东部、中部以及西部地区的碳排放量的影响具有较大的差异［14］。一方面，数字经济作为一种融合经济，不同于以往任何一种传统经济理论，凭借指数增长这一特点，容易呈现出强者愈强、弱者愈弱的“马太效应”；
另一方面，数字经济的发展加快信息流通效率，准确识别农业市场的供求关系，打破劳动者之间的信息壁垒，减少了信息之间的不对称，大幅度降低农业成本，减少碳排放量。因此，本文提出假设三。

H3：数字经济越发达的区域，对农业碳排放的影响越强。

三、研究设计

本节构建了数字经济影响农业碳排放的计量模型，对变量进行说明与测度。

（一）模型构建

1.基准回归模型

为了验证数字经济影响农业碳排放的效果，设定如下基本计量模型：

lnAcei，t=α0+α1Digiti，t+αnXi，t+μi+δt+εi，t                                                   （1）

其中，lnAcei，t是地区i在t时期的农业碳排放水平，Digiti，t是地区i在t时期的数字经济发展水平；
Xi，t是控制变量；
μi表示地区i不随时间变化的个体固定效应;δt表示时间固定效应；
εi，t表示随机扰动项。

2.中介效应模型

本文构建中介效应模型对农业产业结构升级是否提升农业碳排放的内在机制进行检验。

Mi，t=β0+β1Digiti，t+βnXi，t+μi+δt+εi，t             （2）

lnAcei，t=γ0+γ1Digiti，t+γ2Mi，t+γnXi，t+μi+δt+εi，           （3）

其中，Mi，t是中介变量，其余变量的含义与式 （1） 一致。

（二）变量说明

1.被解释变量：农业碳排放量（lnAce）

本文参考丁宝根等（2022）的研究，根据化肥使用量、塑料薄膜使用量、农用柴油使用量、农药使用量、农作物播种面积和灌溉面积计算出30 个省（市、自治区）2011—2020年的农业碳排放量［15］。

同时使用农业生产总值/农业碳排放量计算出农业碳排放效率，作为替换的被解释变量进行稳健性检验。

2.核心解释变量：数字经济发展水平（Digit）

本文选取人均邮政业务收入、人均电信业务收入、移动电话普及率、互联网普及率、计算机服务和软件从业人员总数、北京大学数字普惠金融指数构建数字经济评价指标体系（肖春梅等，2023）［16］，利用熵值法得到数字经济发展水平指数。

3.控制变量

经济发展水平（lngdp）：地区人均生产总值的对数值；
产业结构（Ind）：第三产业与第二产业的产值之比；
金融发展（Fin）：贷款余额占GDP的比重表示。

4.中介变量：农业产业结构升级（lnIs）

由于衡量农业产业结构升级主要为第二产业，所以该地区可用第二产业增加值总产值与该地区GDP的比值进行反映。

以上数据除北京大学数字普惠金融指数［17］（郭峰等，2020）外，其余指标数据主要来源于《中国统计年鉴》、《中国农村统计年鉴》以及各省统计年鉴与公报，缺失数据采用插值法补充。需要说明的是，由于数据可得性限制，西藏自治区、香港特别行政区、澳门特别行政区、台湾省不在本文的研究范围内。各变量描述性统计如表1所见：

四、实证结果

（一）基准回归

本文数据经hausman检验，显著性小于0.1，因此选择固定效应回归，基准回归结果见表2，表2报告了数字经济影响农业碳排放的估计结果。在第（1）、（2）列中，数字经济的系数估计值显著为负，说明数字经济确实能显著降低农业碳排放。在加入控制变量之后，经济发展水平（lngdp）减少了农业碳排放，反映出经济水平的提升在影响农业碳排放这方面起显著作用。产业结构（Ind）也显著降低农业碳排放，说明随着产业结构的越来越完善，其农业碳排放量也会显著减少，因此，假设一（H1）成立。

（二）中介机制检验

从传统逐步检验回归系数方法分析，详情见下表2。由（3）可知，农业产业结构升级对数字经济发展水平的影响在1%水平下的正向；
同時，对比数字经济对农业碳排放的直接回归系数，即对比表2中（2）（4）列回归系数，当农业产业结构升级为中介变量时，（4）列比（2）列的系数有所提升，说明农业产业结构升级是数字经济发展影响农业碳排放的有效中介机制。因此，假设二（H2）成立。

（三）异质性检验

本文上述研究皆以全国30个省（市、自治区）为研究对象，估计结果表明数字经济发展对农业碳排放量存在显著抑制作用。但由于不同区域在经济建设、产业生态等方面存在一定差异，这可能会导致数字经济对不同区域农业碳排放的影响效果不同。由此，本文将全国30个省（市、自治区）划分为东部、中部以及西部三大区域，进而探究数字经济发展对农业碳排放影响的区域异质性。结果见表3。

分区域看，数字经济能够显著抑制各部地区的农业碳排放，具体表现为数字经济水平每提高1%，东部地区农业碳排放量将降低0.002%，，中部地区农业碳排放量将降低0.003%，西部地区农业碳排放量将降低0.003%。通过数据能了解到，东部地区数字经济发展水平对农业碳排放的抑制作用居然低于中西部地区，与常识相悖。这是因为东部地区多为平原，其农业产业化发展水平较高，数字经济发展进一步提高了东部地区农业产业化水平。农业产业化水平的提升一方面能够实现精准生产，降低每亩农产品的化肥使用量，从而降低农业碳排放；
另一方面农业产业化也扩大了农业种植面积。东部地区农业种植面积的扩大，使得农膜、农药、化肥等农业碳排放主要来源材料的投入量也相应扩大，农业生产规模扩大所增加的农业碳排放量高于精准生产所减少的碳排放量，所以东部地区数字经济发展会对农业碳排放会的抑制作用不如中西部地区。因此假设三不成立。

（四）稳健性检验

为了保证实证结果的可信性和有效性，继续进行如下稳健性检验：1.替换被解释变量：采用农业碳排放效率（农业生产总值/农业碳排放量）作为被解释变量，研究数字经济对其影响；
2.缩短面板：刘军等（2020）认为在数字技术发展的萌芽期测算其水平意义不大［18］，为此将样本区间调整为2015—2020年，进行缩短面板的稳健性检验，结果见下表3中（8）、（9）列。

可以看出，在替换被解释变量和缩短面板的固定效应检验结果与模型（2）基本一致，各个变量的数据没有太大的变化，由此表明本文的参数估计结果较为稳定。

五、结论与建议

本文通过构建数字经济指标体系，测度中国30 个省（市、自治区）2011—2020年的数字经济发展水平，在通过双向固定效应模型和中介效应模型研究数字经济对农业碳排放得的影响与作用路径，研究发现：（1）从总体上看，数字经济能够显著的抑制农业碳排放，数字经济水平每提高1%，农业碳排放量将下降0.003%，经过稳健性检验结果依旧可信；
（2）分区域看，数字经济对农业碳排放的影响存在显著的区域异质性，数字经济能够显著抑制各区域的农业碳排放，但其对东部区域农业碳排放的抑制作用却不如中西部区域。这是由于区域数字经济水平的差异，使得东部地区农业生产规模扩大所产生的碳排放量超过了农业精准生产所降低的碳排放量；
（3）农业碳排放能够通过提高农业生产效率达到抑制农业碳排放的作用，其中农业生产效率起着不完全的中介作用。

基于本文结论得到以下政策建议：（1）把握科技变革机遇，推动数字经济与农业生产深度融合。大力推动“数字乡村”建设，加强数字经济与农业生产的深度融合，通过数字技术实现农业精准生产，减少单位种植面积的化肥和农膜使用量，从而实现农业低碳可持续发展。（2）提高数字渗透度，因地制宜调整农业发展战略。根据东部、中部和西部的数字经济水平以及地区特征，调整农业发展战略。东部平原地区实施农业生产规模化、产业化，虽然在一定程度上会不可避免地增加农业碳排放总量，但这是农业生产规模扩大的结果，单位生产的农业碳排放量是降低的。（3）提高农业生产效率，发挥农业精准生产的减碳效果。农业生产效率的提高，能够避免农药、化肥、农膜等农业碳排放主要来源的过度使用，降低农业碳排放量，因此，要积极发展智慧农业，提高农业机械化、数字化程度，助力农业数字化发展新格局，实现农业低碳可持续发展。

［参 考 文 献］

［1］杨晨，胡珮琪，刁贝娣，等. 粮食主产区政策的环境绩效：基于农业碳排放视角［J］. 中国人口·资源与环境， 2021， 31（12）：
35-44.

［2］田红宇，关洪浪. 数字经济对粮食生产碳排放的影响研究—来自长江经济带108个地级市的经验证据［J］. 中国农业资源与区划，2023，44（8）：1-16.

［3］田云，尹忞昊. 中国农业碳排放再测算：基本现状、动态演进及空间溢出效应［J］. 中国农村经济， 2022（3）：
104-127.

［4］杨青林，赵荣钦，赵涛，等. 县域尺度农业碳排放效率与粮食安全的关系［J］. 中国农业资源与区划， 2023， 44（2）：
156-169.

［5］王若梅，马海良，王锦. 基于水-土要素匹配视角的农业碳排放时空分异及影响因素——以长江经济带为例［J］. 资源科学， 2019， 41（8）：
1450-1461.

［6］张希栋，杨程博，刘静. 我国农业碳排放时空演变特征研究［J］. 环境保护， 2023， 51（Z1）：
42-48.

［7］郑阳阳，罗建利. 农业生产效率的碳排放效应：空间溢出与门槛特征［J］. 北京航空航天大学学报（社会科学版）， 2021， 34（1）：
96-105.

［8］刘杨，刘鸿斌. 山东省农业碳排放特征、影响因素及达峰分析［J］. 中国生态农业学报（中英文）， 2022， 30（4）：
558-569.

［9］王帅，赵荣钦，杨青林，等. 碳排放约束下的农业生产效率及其空间格局——基于河南省65个村庄的调查［J］. 自然资源学报， 2020， 35（9）：
2092-2104.

［10］朱秋博，白军飞，彭超，等. 信息化提升了农业生产率吗？［J］. 中国农村经济， 2019（4）：
22-40.

［11］李强. 以信息科技提升农业发展成效［J］. 人民论坛， 2019（19）：
86-87.

［12］张柏杨，刘佳颖，朱睿博. 数字农业发展：国际经验、减排效应与金融支持——基于成都的案例分析［J］. 西南金融， 2022（1）：
28-39.

［13］赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020，36（10）：65-76.

［14］王军，王杰，王叶薇. 数字金融发展如何影响制造业碳强度？［J］. 中国人口·资源与环境， 2022，32（7）：1-11.

［15］丁宝根，赵玉，邓俊红. 中国种植业碳排放的测度、脱钩特征及驱动因素研究［J］. 中国农业资源与区划， 2022， 43（5）：
1-11.

［16］肖春梅，黄桂鑫.数字经济是否提升了城市韧性？——来自中国285个城市的经验证据［J］.区域经济评论，2023（4）：117-125.

［17］郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征［J］.经济学（季刊），2020，19（4）：1401-1418.

［18］刘军，杨渊鋆，张三峰. 中国数字经济测度与驱动因素研究［J］. 上海经济研究， 2020（6）：
81-96.

［责任编辑 孙兰瑛］

猜你喜欢 数字经济 数字化—数字经济及其它中文信息(2017年8期)2017-08-31数字经济环境下中国跨境贸易税收问题研究现代商贸工业(2017年15期)2017-06-14工业互联网发展态势及政策建议开放导报(2017年2期)2017-04-20数字经济时代国际税法的改革法制与社会(2017年9期)2017-04-18国外数字经济战略的供给侧实施路径及对中国的启示经济研究导刊(2017年6期)2017-03-24一起来认识“数字经济”大众科学(2017年3期)2017-03-21OECD国家数字经济战略的经验和启示现代管理科学(2017年3期)2017-03-03从数字经济视角解读欧亚经济联盟与丝绸之路经济带对接西伯利亚研究(2016年5期)2016-12-23数字经济对CFC规则的冲击探究中国市场(2016年37期)2016-11-12应对数字经济下的BEPS现象商(2016年25期)2016-07-29