綠色金融對農業綠色發展影響的空間溢出和門檻效應研究
——基于綠色全要素生產率的實證分析

肖曉軍 胡明琪

（贛南師范大學經濟管理學院，江西 贛州 341000）

一、引言

改革開放以來，中國農業經濟取得了舉世矚目的成就，然而在農業經濟快速增長的過程中，中國農業也面臨著資源過度消耗、生態環境遭受破壞等諸多問題（楊騫等，2019），農業發展的可持續性面臨挑戰。黨的十八屆五中全會明確提出綠色發展理念，將推進綠色發展作為破解資源和環境約束的重要手段。2016 年中央一號文件中首次寫入“農業綠色發展”。2021 年8 月23 日，農業農村部等多個部委聯合發布了首個農業綠色發展規劃——《“十四五”全國農業綠色發展規劃》，可見農業綠色發展是當前高度關注的一個問題。

金融是現代經濟的核心，對促進經濟增長有著重要的作用，但是傳統金融未充分考慮經濟增長過程中出現的環境污染等問題。綠色金融則是指支持環境改善、應對氣候變化和資源節約高效利用的金融活動（王遙等，2016），它兼顧了經濟增長與環境保護，這與綠色發展的內涵高度契合，因而綠色金融對農業綠色發展具有重要意義。2015年，中共中央、國務院印發的《生態文明體制改革總體方案》首次提出“構建綠色金融體系”的總體目標。2016年，中國人民銀行等七部委發布《關于構建綠色金融體系的指導意見》，構建了中國綠色金融發展的整體框架。2017年國務院決定在浙江、廣東、貴州、江西和新疆等地設立綠色金融改革創新試驗區。黨的十九大報告把“發展綠色金融”作為推進綠色發展的重要手段。2021 年，中國“十四五”規劃在構建綠色發展政策體系中提出要“大力發展綠色金融”。中共中央、國務院印發《關于完整準確全面貫徹新發展理念做好碳達峰、碳中和工作的意見》，要求積極發展綠色金融，支持碳達峰、碳中和工作?？梢?，近年來中國高度重視綠色金融的發展，并把綠色金融作為促進綠色發展目標的重要手段。隨著中國綠色金融框架體系的初步建立和綠色金融體制機制的不斷完善，綠色信貸、綠色債券等各種綠色金融產品迅速發展。在中國綠色金融工作取得較大成效的背景下，綠色金融發展是否促進了農業的綠色發展？其作用機制又是如何？這正是本文要深入探討的兩個重要問題。本文相關研究對于完善綠色金融體系建設、實現農業綠色發展都具有重要的現實意義。

二、文獻綜述

近年來，有關農業綠色發展問題受到學界廣泛關注，也取得了豐富的研究成果，其主要包括兩方面的內容。一方面是對農業綠色發展水平的測度。主要有兩種不同的方法，一是通過構建指標體系，以綜合指數來度量農業綠色發展水平。從測度范圍來看，基于全國層面，鞏前文和李學敏（2020）從低碳生產、經濟增收、安全供給等維度選擇10個三級指標的體系，測度2005—2018年中國的農業綠色發展指數。魏琦等（2018）構建包含資源節約、環境友好、生態保育和質量高效等維度14 個指標的中國農業綠色發展指數，對2012—2016 年全國農業綠色發展水平進行初步評估?；谔囟▍^域層面，周靜（2021）從資源節約、環境友好、生態保育、經濟增長等方面構建包括12 個具體指標的農業綠色發展評價指標體系，考察長江經濟帶的農業綠色發水平。李菲菲等（2023）從資源節約、環境友好、產出效益等層面構建評價指標體系，運用熵權法測度環渤海地區農業綠色發展水平?；谑》輰用?，周納等（2022）測度中國30 個省份的農業綠色發展綜合指數；魏琳和張愛寧（2023）對甘肅省的農業綠色發展水平進行測量；虞俊等（2022）對江西農業綠色發展綜合指數進行測度。二是通過參數分析法或非參數分析方法測度綠色發展效率指標，進而評價農業綠色發展水平。如王奇等（2012）、王留鑫等（2019）采用隨機前沿參數分析法（SFA）測算農業綠色全要素生產率。葛鵬飛等（2018）使用基于SBM-DDF方法的Luenberger指數對2001—2015年中國31 個省份的農業綠色全要素生產率進行測算。郭海紅和李樹超（2022）采用全局GML指數測算中國農業綠色全要素生產率的增長率。劉亦文等（2021）采用非期望MinDS超效率-MetaFrontier-Malmquist 模型對中國及八大經濟區的農業綠色全要素生產率進行測算。

另一方面是對影響農業綠色發展水平的因素進行分析。葉初升和惠利（2016）研究發現農業財政支出能夠促進綠色生產率增長，但存在滯后效應。金芳和金榮學（2020）從農業產業結構合理化和高級化兩個維度考察農業產業結構對農業綠色生產率的直接影響與間接溢出效應，結果發現農業產業結構是影響農業綠色生產率增長的重要因素。李健旋（2021）采用動態空間面板模型實證研究顯示，農村金融發展規模的增加、金融發展結構的優化以及金融發展效率的提高均有利于農業綠色全要素生產率提升，但其作用機制存在顯著差異。孫淑惠等（2023）構建時空雙固定的空間杜賓模型，研究揭示數字鄉村發展能顯著提高本省份農業綠色全要素生產率，但對相關聯省份具有負向溢出效應。劉戰偉（2021）通過構建空間計量模型和面板門檻模型，研究顯示新型城鎮化抑制了農業綠色全要素生產率，但隨著經濟發展水平的提高，這種抑制作用在減弱。張志新等（2023）研究高標準農田建設政策對農業綠色發展的影響，結果表明高標準農田建設政策的實施有助于促進農業綠色發展。

綜上所述，目前關于促進農業綠色發展方面的研究主要從農業財政支持、農業結構、農村金融支持、城鎮化程度等角度進行探索。綠色金融對綠色發展的影響主要還是聚焦于整體經濟或工業部門的研究，針對農業部門的研究仍相對較少，部分研究如張露等（2019）、徐紹峰（2021）、孫越彤（2022）等也僅從理論層面分析了綠色金融支持農業綠色發展的現狀、問題、路徑以及措施，Li et al.（2023）、Mo et al.（2023）對相關問題進行了實證研究，但目前同時考慮空間溢出效應和門檻效應的研究仍相對較少，不利于全面了解綠色金融對農業綠色發展的影響，并難以為相關政策的制定提供科學指導?；诖?，本文通過構建農業綠色發展重要影響因素的擴展理論框架，并構建省級面板數據空間計量模型和門檻效應模型，實證分析綠色金融發展對農業綠色發展影響的空間溢出和門檻效應，以期為完善綠色金融政策、促進農業綠色發展提供參考。

三、理論分析與研究假設

（一）綠色金融促進農業綠色發展的機制

綠色金融的發展可以通過緩解農業發展投入資金的不足，為農業綠色發展提供資金支持等方式促進農業綠色發展。首先，綠色信貸、綠色債券和綠色基金等綠色金融工具，可以引導資本要素向鄉村旅游、農村電商、循環農業、智慧農業等鄉村新業態流動，滿足生態友好型農業產業對資金的需求（劉晶和劉錦，2022），促進農村產業結構綠色升級，減少對資源的依賴。其次，在資源節約利用上，綠色金融能滿足農業污染綜合治理、畜禽糞污資源化利用、秸稈綜合利用、農膜農藥包裝物回收等方面的融資需求（龐潔等，2022），有利于采用新設備、新技術提高資源利用效率。再次，在農業綠色發展基礎設施建設上，綠色金融可以為農業的基礎設施建設、農業環境綜合治理、農田水利建設等領域提供資金（龐潔等，2022），為農業資源保護、農業綠色發展提供基礎條件。最后，綠色金融中的農業綠色保險可以為氣候風險、自然災害、節能減排項目、環境污染責任等方面提供風險保障，通過風險保障機制增強了農民綠色生產的信心，提升農戶低碳生產的積極性（王悅，2019），有利于農戶積極開展節能減排。此外，綠色金融還可以改變農業生產方式，提高農業生產集約化水平，如通過支持智能水肥一體化生產、畜禽規?；B殖、水產養殖池塘標準化改造等，促使粗放發展的小農生產走向綠色低碳、循環發展的現代農業發展軌道（劉晶和劉錦，2022），提高農業的綠色生產效率。據此，本文提出以下待驗證的假設H1：

H1：綠色金融能促進農業綠色全要素生產率提升。

（二）綠色金融促進農業綠色發展的空間溢出效應

地理學第一定律表明多數空間數據都存在空間相關性（Abreu et al.，2005），而且隨著地區之間信息化、網絡化的逐步發展，制度障礙的消除以及交通基礎設施的改善，每個經濟單元不會孤立存在，都會與鄰近地區產生密切的經濟交流，本地區的政策行為會外溢至鄰近區域，從而對鄰近區域的發展產生影響（伍駿騫等，2021；Cao et al.，2022）。本地綠色金融發展能通過“模仿-學習”和經濟間的關聯產生空間溢出效應，周邊省份會通過模仿學習綠色金融發展程度高的省份，而提升其綠色金融水平，從而提高其生態環境質量（Xie et al.，2020；Li and Gan，2021）。另外，某一個地區的綠色發展水平高，會通過當地與鄰近地區之間的產業關聯，倒逼鄰近地區提高綠色發展水平。由于本質上綠色金融是一種環境規制措施，依據“污染天堂假說”，當某一個地區環境規制趨嚴后，為規避遵循成本，污染產業就會遷移到環境規制相對較弱的地區，因而當某一個地區綠色金融發展水平提高時，污染產業會遷移至鄰近的綠色金融發展水平較低的地區，導致鄰近地區的生態環境質量下降（朱敏等，2022；Huang &Chen，2022）?；谝陨戏治?，本文提出以下待驗證的研究假設：

H2：綠色金融對農業綠色全要素生產率發展影響具有空間溢出效應。

（三）綠色金融對農業綠色發展的非線性影響

綠色金融對農業綠色發展的影響可能是非線性的。首先，在綠色金融發展初期，農村企業和農戶由于信貸門檻的提高，受到融資約束，同時需要在環境保護、節能減排上投入更多的合規成本，不利于農業綠色全要素生產率的提升。在企業和農戶進入綠色發展軌道后，隨著綠色金融的進一步發展，企業和農戶將會獲得更多的資金支持，這將有利于農業綠色全要素生產率的提升。其次，綠色金融對農業綠色發展的作用可能還受農村人力資本水平影響，在人力資本水平低的地區，農業綠色發展理念的建立、綠色金融工具的應用都會受到一定的限制，不利于綠色金融效應的發揮。再次，綠色金融對農業綠色發展的作用可能還受財政支農水平的影響。綠色項目由于其外部性，投資回報率一般都較低，要使綠色金融在農村廣泛推廣并得到應用，離不開財政的貼息、補貼等方式的支持，因而財政支農水平的提升將會有利于綠色金融效用的提高。綜上，本文提出以下待驗證的研究假設：

H3：綠色金融對農業綠色全要素生產率的影響是非線性的，并受農村人力資本水平、財政支農水平變量的調節作用影響。

四、研究設計

（一）模型設定

1.普通面板模型設定

為檢驗本文提出的假設，本文構建以下普通面板模型來進行實證檢驗：

式（1）中，下標i代表各省份；下標t代表時間，考慮到數據可得性，本文選取中國2010—2021 年30 個省份數據為樣本（由于西藏以及港澳臺數據嚴重缺失，故排除）。被解釋變量AGTFP為農業綠色全要素生產率。核心解釋變量GF代表綠色金融發展水平指數。X為一系列控制變量。μ代表截面固定效應，γ代表時間固定效應，ε為隨機擾動項。

2.空間效應模型設定

對于空間效應，本文構建空間面板計量模型來進行實證檢驗?？臻g面板計量模型主要可以分為空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）。SLM 模型假設空間溢出效應是通過自變量的空間交互作用對其他地區的經濟產生影響，SEM模型假設空間溢出效應是由隨機沖擊造成的，而SDM模型則同時考慮了因變量的空間滯后項和自變量的空間滯后項。各模型的設定具體如下。

空間滯后模型（SLM）為：

空間誤差模型（SEM）為：

空間杜賓模型（SDM）為：

式（2）至（4）中，W為空間權重矩陣，c為常數項，ρ為空間自回歸系數，反映了鄰近地區農業綠色發展對本地區農業綠色發展的空間溢出效應，λ為空間自相關誤差項的待估計系數，也被稱為空間自相關系數，θ為解釋變量的空間滯后項回歸系數，反映了鄰近地區自變量對本地區農業綠色發展的空間溢出效應。

3.門檻效應模型設定

為檢驗綠色金融影響農業綠色全要素生產率的非線性關系，以及環境條件（如人力資本水平、財政支持力度）是否會對兩者之間的影響起到調節作用，本文將以綠色金融發展水平（GF）、農村人力資本水平（Human）和財政支農力度（Fiscal）為門檻變量，基于Hansen（1999）的非線性面板門檻模型，構建如下門檻效應模型來進行檢驗：

式（5）～（7）中，γ1、γ2、…、γn為待估的門檻值，I(·)表示示性函數。

（二）變量定義與數據來源

1.被解釋變量：農業綠色全要素生產率（AGTFP）

本文用農業綠色全要素生產率（AGTFP）來衡量農業綠色發展水平，該指標通過數據包絡分析法（DEA）來進行測度。傳統的DEA 模型認為在生產過程的高效率表現為投入少、產出高，而實際上，在經濟生產過程中，既伴隨著期望產出，如國內生產總值，又伴隨著非期望產出，如二氧化碳的排放。因此，綠色低碳發展的高效率應該表現為投入少、期望產出高、非期望產出少（孫景兵和薛倩，2022）。傳統的DEA模型無法區分期望和非期望產出，故Tone（2001）構造了基于松弛變量的SBM 模型，將松弛變量直接納入目標函數。Tone（2004）將非期望產出加入SBM模型，這樣不僅克服了投入與產出變量的松弛問題，而且還能區分期望和非期望產出，能夠有效測算環境效率。SBM 模型的效率值不能超過1，無法對這些有效單元進行進一步比較與排序，而超效率SBM 模型則允許效率值大于1，從而使得各個有效單元可以相互比較（林峰，2022）。因此，本文選用包括非期望產出的超效率SBM 模型來測度農業綠色全要素生產率，可以提高結果的可靠性，對效率進行更為客觀評價。具體形式可表達如下：

在此測度基礎上，AGTFP指數可表達為：

若AGTFPit＞1，表示農業綠色全要素生產率上升；反之，表示生產率下降。而且AGTFP指數還可進一步分解為綠色技術進步（GTC）指數和綠色技術效率變化（GEC）指數：

式（10）中，GECt,t+1為技術效率變化，GECt,t+1＞1時，說明效率提升；GECt,t+1＜1 時，說明效率下降。GTCt,t+1為技術進步率，GTCt,t+1＞1 時，說明技術進步；GTCt,t+1＜1時，說明技術退步。

上述的AGTFP指數是以前一年為基期計算得來的環比值。在實證分析中，為了更好地反映出變化的時間趨勢，本文以2009 年為基期對指數進行累積化處理。

在測度農業綠色全要素生產率時，借鑒已有研究，本文選取5個投入變量和2個產出變量（包括1個期望產出變量和1個非期望產出變量），具體如表1所示。表1 為各投入變量和產出變量的具體說明。第一，勞動力投入。由于在官方的統計資料中，并未單獨公布農業勞動力的數據，本文以每年第一產業從業人數與農業總產值的乘積在第一產業中的占比計算得到。第二，土地投入。以農作物的總播種面積度量。第三，機械投入。以農業機械總動力計算。第四，化肥投入。以用于農業生產的化肥折算量來度量。第五，期望產出。以農業總產值來衡量，并以2009 年為基期進行平減。第六，非期望產出。以農業碳排放量來度量，具體包括化肥、農藥、農膜、農用柴油、灌溉引發的CO2排放量。各碳源的排放系數（每一千克碳源引發的碳排放量的千克數，其中灌溉為每一公頃土地灌溉引發的碳排放量的千克數）分別為：化肥（0.8956）、農藥（4.9341）、農膜（5.1800）、農用柴油（0.8864）、灌溉（266.4800）。以上的原始數據均出自《中國農村統計年鑒》《中國統計年鑒》《中國農業年鑒》等。

表1 測算農業綠色全要素生產率的投入產出指標

2.核心解釋變量：綠色金融發展水平（GF）

本文采用綠色金融發展綜合指數的對數度量綠色金融發展水平，其測度方法為從綠色信貸、綠色股票、綠色保險、綠色投資4個維度選取指標體系，采用熵權法來確定權重。借鑒高錦杰和張偉偉（2021）、張婷等（2022）的研究，以上各指標的度量方法見表2。以上原始數據來源于《中國工業統計年鑒》、Wind 數據庫、《中國保險統計年鑒》以及《中國環境統計年鑒》。

表2 綠色金融綜合評價指標體系

3.控制變量

考慮到可能存在其他因素影響農業綠色生產率，為了消除其他因素的影響，本文還選取財政支農水平、農業產業結構、農村人力資本狀況、環境規制變量作為控制變量。各變量的測算方法如下：第一，財政支農水平（Fiscal），由農村人均農林水事務財政支出的對數來度量；第二，農業產業結構（Structure），用各省份糧食作物播種面積占農作物總播種面積之比來表示；第三，農村人力資本狀況（Human），采用農村居民平均受教育年限的對數來衡量①其計算方法為：農民平均受教育年限=（小學教育人數×6+初中教育人數×9+高中教育人數×12+大專及以上教育人數×16）÷6歲以上人口數。；第四，經濟發展水平（pgdp），以地區人均GDP的對數來衡量；第五，環境規制（Regulation），從國內外現有文獻看，迄今還沒有一種公認的度量指標，由于中國目前主要還是以自上而下的命令型環境規制為主，故本文采用各省份當年頒布的環境規制政策數量加1 的對數（為了消除0 值影響）來表征，數量越大環境規制強度越強。以上各變量的原始數據來源于《中國財政統計年鑒》《中國統計年鑒》《中國人口與就業統計年鑒》《中國環境年鑒》。

為直觀地揭示各變量的特征，對各變量的描述性統計詳見表3。

表3 各變量的描述性統計

五、實證結果與分析

（一）普通面板模型回歸結果

Hausman 檢驗結果表明本文樣本適合采用固定效應模型（FE），同時年度虛擬變量聯合檢驗結果顯示拒絕“無時間效應”的原假設，表明存在時間效應，因此本文最終選用個體和時間雙固定效應模型，估計結果見表4。為了對比，本文也給出了不控制時間效應的估計結果，如表4 的（1）、（2）列所示。從表4 的（4）列可以看到，綠色金融發展水平的估計系數為0.5031，且在1%水平下顯著，表明綠色金融發展能提升農業綠色全要素生產率，有利于促進農業綠色發展。驗證了假設H1。

表4 普通面板模型回歸結果

從控制變量來看，經濟發展水平的估計系數為正，且在1%置信水平下顯著，表明經濟發展水平越高的地區其農業綠色發展水平越高，經濟發展水平越高意味著人們對生活生產的環境要求也將越高，這可能驅動農業的發展更加重視環境保護。財政支農水平的估計系數并不顯著，表明財政支農目前主要的目標可能還是以農業的經濟增長、農民的收入增加為主。農業產業結構的估計系數顯著為負，表明糧食作物播種面積占比增加不利于農業的綠色發展，這可能與我國目前種植糧食的生產方式還相對粗放，規模經濟未充分釋放，化肥、農藥等使用量過大等因素有關。農村人力資本的估計系數雖然為正，但不顯著，表明農村人力資本的提高還未能在農業綠色發展中發揮出顯著作用。環境規制的估計系數顯著為負，表明環境規制強度增加不利于農業的綠色發展，可能與農業發展還未能適用環境規制所帶來的影響有關。

（二）空間計量模型分析

1.空間自相關檢驗

（1）全局莫蘭指數。采用空間計量模型的必要前提是變量的空間相關性，為此，需要考察綠色金融和農業綠色全要素生產率在空間上的關聯特征?？臻g相關性包括全局空間自相關和局部空間自相關。檢驗全局空間自相關一般采用全局莫蘭（Moran’s I）指

數來度量，其計算公式如下：

全局Moran’I 的取值范圍為［-1，1］，若Moran’I大于0，則表明變量存在空間正相關，即存在“高高”、“低低”的聚集態勢；若Moran’I小于0，則表明變量存在空間負相關，即存在“高低”、“低高”的集聚態勢；若Moran’I 等于0，則表示變量不存在空間相關性，即變量是隨機分布的。

表5給出了綠色金融和AGTFP的全局Moran’I指數的檢驗結果。從綠色金融全局Moran’s I檢驗結果來看，2010—2021 年都顯著為正，且基本圍繞在0.2上下浮動，說明綠色金融存在空間正相關性，但這種相關性隨時間變化不大。從AGTFP的全局Moran’s I檢驗結果來看，雖然在早期大部分年份未通過顯著性檢驗，但從演變過程來看，指數值呈現出由負到正逐步增大和顯著性也逐步增強的規律，表明AGTFP的空間正相關性在逐步增強。

表5 2010—2021年各省份GF和AGTFP全局莫蘭指數

（2）局部莫蘭指數。全局Moran’s I 無法反映省份之間的差別，不能揭示各個省份的局部空間相關情況，為此，本文還進一步通過計算局部Moran’s I指數來進行局部空間相關性分析。局部Moran’s I指數表示單元i與其相鄰單元的空間相關性，其計算公式為：

圖1為2010年和2021年全國綠色金融的局部空間莫蘭散點圖，圖2 為2010 年和2021 年AGTFP的局部空間莫蘭散點圖（由于篇幅原因，僅匯報了2010和2021兩年的結果）。從圖1可以看到，無論是2010年還是2021 年，各省份的綠色金融指數的莫蘭指數所對應的點大部分落在一、三象限，表明綠色金融指數呈現出較強的空間正相關性，即“高高”和“低低”集聚態勢。各省份的AGTFP的莫蘭指數所對應的點在2010年大部分落在二、四象限，即呈現出空間負相關性，而到2021 年大部分點落在一、三象限，各省份的AGTFP已呈現出空間正相關性。以上空間自相關檢驗說明本文采用空間計量模型較為恰當。

圖1 2010年、2021年綠色金融指數的局部莫蘭指數散點圖

圖2 2010年、2021年AGTFP的局部莫蘭指數散點圖

2.模型選擇的檢驗

首先，通過LM 檢驗（包括LM-Lag、LM-Error、RLM-Lag、R-LM-Error統計量檢驗）來進一步確認采用空間計量模型的合理性。表6的檢驗結果顯示，各檢驗結果均在1%水平下顯著，表明選擇空間計量模型更具合理性。其次，由于一般常見的空間計量模型包括空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）三種，具體采用哪種模型，可通過LR似然比、Wald 檢驗來確定，表6 的檢驗結果顯示各檢驗結果也都在1%下顯著，表明空間杜賓模型（SDM）優于空間滯后模型（SLM）和空間誤差模型（SEM）。最后，采用Hausman檢驗來確定采用固定效應還是隨機效應，表6 的結果表明固定效應優于隨機效應，同時根據Elhorst（2010）的研究結論認為采用時空雙固定的SDM的估計結果要優于個體固定效應，因而，本文最終選擇使用個體、時間雙固定的SDM 模型進行回歸分析。

表6 空間計量模型選擇檢驗

3.空間計量回歸結果

本文主要依據SDM模型進行分析，但為了對比，也同時給出了SLM、SEM 模型的估計結果（見表7）。從SDM模型的估計結果可以看到，一方面，綠色金融直接效應（GF）的估計系數為0.4023，且在5%水平下顯著，并且綠色金融空間溢出效應（W×GF）的估計系數為0.2126，在5%水平下顯著，表明本省份和鄰近省份綠色金融發展均能對本省份農業綠色全要素生產率起到正向促進作用。假設H2得到印證。另一方面，AGTFP的空間滯后項估計系數（ρ）大于0 且顯著為正，表明省域間AGTFP存在著比較明顯的空間正向溢出效應，這與前文空間自相關檢驗的結論較為一致，鄰近省份AGTFP每提高1 個單位，本省的AGTFP將會提高0.1577個單位。

表7 空間計量模型回歸結果

4.空間效應分解

在空間計量模型中，由于空間關聯作用，一個地區某一變量的變化不但會通過直接效應影響到該地區自身，而且還會通過空間溢出效應對周邊地區產生影響，因此模型（4）中各解釋變量的估計系數值并不能直接反映其對被解釋變量影響效應的大小，只能反映其影響方向和顯著性。要得到其影響效應的大小，還需要借助Pace &Lesage（2009）所采用的偏微分方式，將解釋變量影響被解釋變量的總效應分解為直接效應和間接效應，從而具體確定影響效應的大小。表8 是各解釋變量總效應的分解結果，從中可知，綠色金融對農業綠色發展的直接效應為0.3676，間接效應為0.2421，總效應為0.6097，且在1%或5%水平下顯著。與不考慮空間溢出效應的表4 的普通面板模型估計結果相比，這里綠色金融的總效應系數值明顯更大，這意味著如果忽略空間因素將可能會低估綠色金融對農業綠色發展的影響效應，進一步表明采用空間模型的必要性。

表8 各解釋變量總效應的分解

5.穩健性檢驗

（1）采用綠色金融滯后一期。綠色金融可以影響農業綠色發展，同時，農業綠色發展需求可能倒逼綠色金融發展，也就是說綠色金融與農業綠色發展之間可能存在雙向因果關系。為避免或減弱雙向因果所導致內生性問題而帶來的估計偏誤，本文將綠色金融滯后一期作為解釋變量構建空間面板模型來分析綠色金融對農業綠色發展的影響，結果見表9的（1）列?？梢娋G色金融估計系數在1%水平下依然保持顯著為正，表明綠色金融能驅動農業綠色發展的結論穩健。

表9 各種穩健性檢驗

（2）更換空間權重矩陣。采用地理距離和經濟距離矩陣作為空間權重矩陣來替代地理鄰接權重矩陣。地理距離權重矩陣第i行第j列元素計算如下：

dij表示地區i與地區j間省會城市間的距離（km），如果i等于j則取0。經濟距離權重矩陣第i行第j列元素計算如下：

表示2010 年至2021 年地區人均GDP 的均值（萬元/人）。估計結果見表9 的（2）、（3）列，可見綠色金融的直接和間接效應均顯著為正，結論與前文一致?？梢宰⒁獾?，基于經濟距離矩陣權重下的綠色金融空間溢出效應為0.2431，要大于基于地理距離矩陣權重的溢出效應（0.2102）和空間鄰接矩陣權重的溢出效應（0.2126），表明綠色金融影響農業綠色發展的空間溢出效應更易發生在經濟發展水平接近的省份之間。

（3）重新測算綠色金融發展水平綜合指數。在前文的估計中，綠色金融發展水平綜合指數是由熵值法測算而得，為了考察結果的穩健性，本節改變指數測算方法，采用主成分方法進行降維，提取主要成分，計算出各指標的權重，重新測算出綠色金融發展水平綜合指數，然后再進行回歸，結果見表9 的（4）列，可見綠色金融的直接和間接效應依然顯著為正，結論與前文一致。

（4）剔除特殊地區?？紤]到北京、天津、上海、重慶四個直轄市與一般的省份相比，具有特殊的行政地位，為了使研究對象更具有可比性，避免行政因素和其他因素對模型估計結果產生干擾。本文剔除這四個直轄市，得到新樣本，重新估計模型。表9的（5）列顯示綠色金融直接效應和間接效應均顯著為正，結論依然穩健。

6.異質性檢驗

（1）區域異質性。中國地域遼闊，地區發展水平、要素稟賦差異明顯，這可能導致各地區綠色金融驅動農業綠色發展效應并不一致。為檢驗綠色金融效應的地區異質性，本文基于中國東、中、西部三個地區的劃分，進一步實證分析綠色金融對不同地區農業綠色發展的影響效應②東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南，中部包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南，西部包括重慶、四川、陜西、云南、貴州、廣西、甘肅、青海、寧夏、新疆。，表10報告了估計結果。從中可以看到，在東部地區綠色金融的直接效應和間接效應均顯著為正，表明東部地區農業綠色全要素生產率不僅受到本地綠色金融發展的影響，而且還受到鄰近地區綠色金融發展的影響。在中、西部地區僅有綠色金融的直接效應顯著為正，而間接效應雖然為正，但均不顯著，表明在中、西部地區農業綠色發展主要受本地綠色金融的影響。出現以上結果的原因可能是東部地區交通、信息等方面互聯互通要比中、西部地區更具有優勢，一個省份綠色金融制度、產品的創新更易被鄰近地區效仿而溢出，從而促進鄰近地區農業綠色發展。

表10 區域異質性檢驗結果

（2）作用路徑異質性。本文把AGTFP指數按式（10）分解為綠色技術進步指數（GTC）、綠色技術效率指數（GEC），并以它們為被解釋變量，綠色金融發展指數作為核心解釋變量，利用SDM 模型來分析綠色金融發展對不同作用路徑的差異，結果見表11。從中可以看到，綠色金融對綠色技術進步指數的直接和間接效應回歸系數顯著為正，而對綠色技術效率指數的直接和間接效應回歸系數為正但不顯著，表明綠色金融發展僅能通過促進農業綠色技術進步渠道來提升農業GTFP，而對農業綠色技術效率還未產生正向促進作用。

表11 綠色金融影響農業綠色發展的作用路徑差異

（三）門檻效應分析

1.門檻效應檢驗

在進行門檻效應估計前，首先要對門檻效應以及門檻值進行檢驗和測算，表12和表13報告了結果，從中可以看到，綠色金融發展水平、農村人力資本水平、財政支農水平門檻變量，都僅有單一門檻模型顯著，而雙重門檻和三重門檻模型并不顯著。研究結果表明它們對綠色金融促進農業綠色發展的影響都僅存在單一門檻效應，其門檻值分別為-0.9014、2.1842、0.8421。

表12 門檻效應自抽樣檢驗

表13 門檻估計值和置信區間

2.門檻模型估計結果

表14 報告了門檻模型（5）、（6）、（7）的門檻估計結果。從綠色金融門檻效應模型估計結果來看，綠色金融在大部分區間的估計系數都顯著為正：當綠色金融發展水平的對數小于等于-0.9014 時，估計系數為0.3788；當綠色金融發展水平的對數大于-0.9014 時，估計系數為0.6544。這表明隨著綠色金融發展水平的提升，其促進農業綠色發展的作用在增強。

表14 面板門檻模型估計結果

從農村人力資本水平門檻效應模型估計結果來看，綠色金融在各區間的估計系數也都顯著為正：當農村人力資本水平小于等于2.1842時，綠色金融估計系數為0.3318，而當農村人力資本水平大于2.1842時，綠色金融估計系數為0.6010。這表明在農村人力資本水平高的地區，綠色金融促進農業綠色發展的作用將更大。

從財政支農水平門檻效應模型估計結果來看，綠色金融在財政支農水平小于等于0.8421時，其估計系數不顯著；僅當財政支農水平大于0.8421 時，其估計系數才顯著為正。這表明提升財政支農水平是綠色金融發揮作用的一個必要條件。綜上可知，綠色金融對農業綠色發展的影響具有非線性關系，而農村人力資本水平和財政支農水平對二者的影響路徑具有調節作用。假設H3得到驗證。

六、結論與政策建議

本文以2010—2021 年中國30 個省份為研究對象，在運用超效率SBM 模型測度農業綠色全要素生產率，通過熵值法構建綠色金融發展指數的基礎上，構建空間計量模型，實證檢驗綠色金融對農業綠色全要素生產率增長的影響。結果發現，綠色金融能顯著促進農業的綠色發展且具有顯著的空間溢出效應，即本地農業綠色全要素生產率不僅受到本地綠色金融發展的影響，還受到鄰近地區綠色金融發展的影響。在不同區域綠色金融發展的影響存在異質性，東部地區直接效應和空間溢出效應均顯著，而在中、西部地區僅為直接效應顯著，空間溢出效應還不顯著。機制檢驗顯示，綠色金融能通過促進綠色技術進步渠道來促進農業的綠色發展，而綠色技術效率渠道還沒有起到顯著的作用。

鑒于此，本文提出如下建議：第一，基于綠色金融能夠促進我國農業綠色發展的經驗事實，應進一步完善激勵金融機構發展農村綠色金融的體制機制、統一農村綠色項目認定，加大財政貼息、補貼以及優惠利率、綠色專項再貸款、定向降準等財政、貨幣政策支持力度，在綠色信貸、綠色債券、綠色保險、綠色投資等方面全面發力，促進農村綠色金融全面發展，持續鞏固綠色金融為農業綠色發展所帶來的紅利。第二，綠色金融對農業綠色發展存在顯著的空間溢出效應，故還應加強各地區綠色金融政策的協調統一力度，以充分釋放綠色金融對農業綠色發展的空間貢獻能力，進而推動區域內農業綠色生產率的整體改善。第三，從各地區來看，東、中、西部綠色金融對農業綠色發展的影響呈現顯著差異，意味著各地區應在鞏固綠色金融帶來農業綠色發展紅利的基礎上實施差異化的綠色金融發展戰略，在已展現綠色金融作用的地區和領域加以鞏固，在未展現綠色金融作用的地區和領域持續發力。第四，將綠色信貸業務納入銀行績效考核，激勵各地區金融機構提高綠色金融政策執行水平，減少向不符合綠色政策的企業和項目提供金融服務，引導更多資金流向綠色項目，以更好地發揮綠色金融通過農業綠色技術效率渠道來促進農業綠色發展的效應。