• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      綠色金融對農(nóng)業(yè)綠色發(fā)展影響的空間溢出和門檻效應(yīng)研究
      ——基于綠色全要素生產(chǎn)率的實證分析

      2023-02-18 10:20:44肖曉軍胡明琪
      區(qū)域金融研究 2023年11期
      關(guān)鍵詞:效應(yīng)金融綠色

      肖曉軍 胡明琪

      (贛南師范大學(xué)經(jīng)濟(jì)管理學(xué)院,江西 贛州 341000)

      一、引言

      改革開放以來,中國農(nóng)業(yè)經(jīng)濟(jì)取得了舉世矚目的成就,然而在農(nóng)業(yè)經(jīng)濟(jì)快速增長的過程中,中國農(nóng)業(yè)也面臨著資源過度消耗、生態(tài)環(huán)境遭受破壞等諸多問題(楊騫等,2019),農(nóng)業(yè)發(fā)展的可持續(xù)性面臨挑戰(zhàn)。黨的十八屆五中全會明確提出綠色發(fā)展理念,將推進(jìn)綠色發(fā)展作為破解資源和環(huán)境約束的重要手段。2016 年中央一號文件中首次寫入“農(nóng)業(yè)綠色發(fā)展”。2021 年8 月23 日,農(nóng)業(yè)農(nóng)村部等多個部委聯(lián)合發(fā)布了首個農(nóng)業(yè)綠色發(fā)展規(guī)劃——《“十四五”全國農(nóng)業(yè)綠色發(fā)展規(guī)劃》,可見農(nóng)業(yè)綠色發(fā)展是當(dāng)前高度關(guān)注的一個問題。

      金融是現(xiàn)代經(jīng)濟(jì)的核心,對促進(jìn)經(jīng)濟(jì)增長有著重要的作用,但是傳統(tǒng)金融未充分考慮經(jīng)濟(jì)增長過程中出現(xiàn)的環(huán)境污染等問題。綠色金融則是指支持環(huán)境改善、應(yīng)對氣候變化和資源節(jié)約高效利用的金融活動(王遙等,2016),它兼顧了經(jīng)濟(jì)增長與環(huán)境保護(hù),這與綠色發(fā)展的內(nèi)涵高度契合,因而綠色金融對農(nóng)業(yè)綠色發(fā)展具有重要意義。2015年,中共中央、國務(wù)院印發(fā)的《生態(tài)文明體制改革總體方案》首次提出“構(gòu)建綠色金融體系”的總體目標(biāo)。2016年,中國人民銀行等七部委發(fā)布《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見》,構(gòu)建了中國綠色金融發(fā)展的整體框架。2017年國務(wù)院決定在浙江、廣東、貴州、江西和新疆等地設(shè)立綠色金融改革創(chuàng)新試驗區(qū)。黨的十九大報告把“發(fā)展綠色金融”作為推進(jìn)綠色發(fā)展的重要手段。2021 年,中國“十四五”規(guī)劃在構(gòu)建綠色發(fā)展政策體系中提出要“大力發(fā)展綠色金融”。中共中央、國務(wù)院印發(fā)《關(guān)于完整準(zhǔn)確全面貫徹新發(fā)展理念做好碳達(dá)峰、碳中和工作的意見》,要求積極發(fā)展綠色金融,支持碳達(dá)峰、碳中和工作。可見,近年來中國高度重視綠色金融的發(fā)展,并把綠色金融作為促進(jìn)綠色發(fā)展目標(biāo)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(chǎn)品迅速發(fā)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(fā)展是否促進(jìn)了農(nóng)業(yè)的綠色發(fā)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(guān)研究對于完善綠色金融體系建設(shè)、實現(xiàn)農(nóng)業(yè)綠色發(fā)展都具有重要的現(xiàn)實意義。

      二、文獻(xiàn)綜述

      近年來,有關(guān)農(nóng)業(yè)綠色發(fā)展問題受到學(xué)界廣泛關(guān)注,也取得了豐富的研究成果,其主要包括兩方面的內(nèi)容。一方面是對農(nóng)業(yè)綠色發(fā)展水平的測度。主要有兩種不同的方法,一是通過構(gòu)建指標(biāo)體系,以綜合指數(shù)來度量農(nóng)業(yè)綠色發(fā)展水平。從測度范圍來看,基于全國層面,鞏前文和李學(xué)敏(2020)從低碳生產(chǎn)、經(jīng)濟(jì)增收、安全供給等維度選擇10個三級指標(biāo)的體系,測度2005—2018年中國的農(nóng)業(yè)綠色發(fā)展指數(shù)。魏琦等(2018)構(gòu)建包含資源節(jié)約、環(huán)境友好、生態(tài)保育和質(zhì)量高效等維度14 個指標(biāo)的中國農(nóng)業(yè)綠色發(fā)展指數(shù),對2012—2016 年全國農(nóng)業(yè)綠色發(fā)展水平進(jìn)行初步評估?;谔囟▍^(qū)域?qū)用妫莒o(2021)從資源節(jié)約、環(huán)境友好、生態(tài)保育、經(jīng)濟(jì)增長等方面構(gòu)建包括12 個具體指標(biāo)的農(nóng)業(yè)綠色發(fā)展評價指標(biāo)體系,考察長江經(jīng)濟(jì)帶的農(nóng)業(yè)綠色發(fā)水平。李菲菲等(2023)從資源節(jié)約、環(huán)境友好、產(chǎn)出效益等層面構(gòu)建評價指標(biāo)體系,運用熵權(quán)法測度環(huán)渤海地區(qū)農(nóng)業(yè)綠色發(fā)展水平?;谑》輰用?,周納等(2022)測度中國30 個省份的農(nóng)業(yè)綠色發(fā)展綜合指數(shù);魏琳和張愛寧(2023)對甘肅省的農(nóng)業(yè)綠色發(fā)展水平進(jìn)行測量;虞俊等(2022)對江西農(nóng)業(yè)綠色發(fā)展綜合指數(shù)進(jìn)行測度。二是通過參數(shù)分析法或非參數(shù)分析方法測度綠色發(fā)展效率指標(biāo),進(jìn)而評價農(nóng)業(yè)綠色發(fā)展水平。如王奇等(2012)、王留鑫等(2019)采用隨機前沿參數(shù)分析法(SFA)測算農(nóng)業(yè)綠色全要素生產(chǎn)率。葛鵬飛等(2018)使用基于SBM-DDF方法的Luenberger指數(shù)對2001—2015年中國31 個省份的農(nóng)業(yè)綠色全要素生產(chǎn)率進(jìn)行測算。郭海紅和李樹超(2022)采用全局GML指數(shù)測算中國農(nóng)業(yè)綠色全要素生產(chǎn)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(jīng)濟(jì)區(qū)的農(nóng)業(yè)綠色全要素生產(chǎn)率進(jìn)行測算。

      另一方面是對影響農(nóng)業(yè)綠色發(fā)展水平的因素進(jìn)行分析。葉初升和惠利(2016)研究發(fā)現(xiàn)農(nóng)業(yè)財政支出能夠促進(jìn)綠色生產(chǎn)率增長,但存在滯后效應(yīng)。金芳和金榮學(xué)(2020)從農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)合理化和高級化兩個維度考察農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對農(nóng)業(yè)綠色生產(chǎn)率的直接影響與間接溢出效應(yīng),結(jié)果發(fā)現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是影響農(nóng)業(yè)綠色生產(chǎn)率增長的重要因素。李健旋(2021)采用動態(tài)空間面板模型實證研究顯示,農(nóng)村金融發(fā)展規(guī)模的增加、金融發(fā)展結(jié)構(gòu)的優(yōu)化以及金融發(fā)展效率的提高均有利于農(nóng)業(yè)綠色全要素生產(chǎn)率提升,但其作用機制存在顯著差異。孫淑惠等(2023)構(gòu)建時空雙固定的空間杜賓模型,研究揭示數(shù)字鄉(xiāng)村發(fā)展能顯著提高本省份農(nóng)業(yè)綠色全要素生產(chǎn)率,但對相關(guān)聯(lián)省份具有負(fù)向溢出效應(yīng)。劉戰(zhàn)偉(2021)通過構(gòu)建空間計量模型和面板門檻模型,研究顯示新型城鎮(zhèn)化抑制了農(nóng)業(yè)綠色全要素生產(chǎn)率,但隨著經(jīng)濟(jì)發(fā)展水平的提高,這種抑制作用在減弱。張志新等(2023)研究高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策對農(nóng)業(yè)綠色發(fā)展的影響,結(jié)果表明高標(biāo)準(zhǔn)農(nóng)田建設(shè)政策的實施有助于促進(jìn)農(nóng)業(yè)綠色發(fā)展。

      綜上所述,目前關(guān)于促進(jìn)農(nóng)業(yè)綠色發(fā)展方面的研究主要從農(nóng)業(yè)財政支持、農(nóng)業(yè)結(jié)構(gòu)、農(nóng)村金融支持、城鎮(zhèn)化程度等角度進(jìn)行探索。綠色金融對綠色發(fā)展的影響主要還是聚焦于整體經(jīng)濟(jì)或工業(yè)部門的研究,針對農(nóng)業(yè)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(nóng)業(yè)綠色發(fā)展的現(xiàn)狀、問題、路徑以及措施,Li et al.(2023)、Mo et al.(2023)對相關(guān)問題進(jìn)行了實證研究,但目前同時考慮空間溢出效應(yīng)和門檻效應(yīng)的研究仍相對較少,不利于全面了解綠色金融對農(nóng)業(yè)綠色發(fā)展的影響,并難以為相關(guān)政策的制定提供科學(xué)指導(dǎo)?;诖耍疚耐ㄟ^構(gòu)建農(nóng)業(yè)綠色發(fā)展重要影響因素的擴(kuò)展理論框架,并構(gòu)建省級面板數(shù)據(jù)空間計量模型和門檻效應(yīng)模型,實證分析綠色金融發(fā)展對農(nóng)業(yè)綠色發(fā)展影響的空間溢出和門檻效應(yīng),以期為完善綠色金融政策、促進(jìn)農(nóng)業(yè)綠色發(fā)展提供參考。

      三、理論分析與研究假設(shè)

      (一)綠色金融促進(jìn)農(nóng)業(yè)綠色發(fā)展的機制

      綠色金融的發(fā)展可以通過緩解農(nóng)業(yè)發(fā)展投入資金的不足,為農(nóng)業(yè)綠色發(fā)展提供資金支持等方式促進(jìn)農(nóng)業(yè)綠色發(fā)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(dǎo)資本要素向鄉(xiāng)村旅游、農(nóng)村電商、循環(huán)農(nóng)業(yè)、智慧農(nóng)業(yè)等鄉(xiāng)村新業(yè)態(tài)流動,滿足生態(tài)友好型農(nóng)業(yè)產(chǎn)業(yè)對資金的需求(劉晶和劉錦,2022),促進(jìn)農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)綠色升級,減少對資源的依賴。其次,在資源節(jié)約利用上,綠色金融能滿足農(nóng)業(yè)污染綜合治理、畜禽糞污資源化利用、秸稈綜合利用、農(nóng)膜農(nóng)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(shè)備、新技術(shù)提高資源利用效率。再次,在農(nóng)業(yè)綠色發(fā)展基礎(chǔ)設(shè)施建設(shè)上,綠色金融可以為農(nóng)業(yè)的基礎(chǔ)設(shè)施建設(shè)、農(nóng)業(yè)環(huán)境綜合治理、農(nóng)田水利建設(shè)等領(lǐng)域提供資金(龐潔等,2022),為農(nóng)業(yè)資源保護(hù)、農(nóng)業(yè)綠色發(fā)展提供基礎(chǔ)條件。最后,綠色金融中的農(nóng)業(yè)綠色保險可以為氣候風(fēng)險、自然災(zāi)害、節(jié)能減排項目、環(huán)境污染責(zé)任等方面提供風(fēng)險保障,通過風(fēng)險保障機制增強了農(nóng)民綠色生產(chǎn)的信心,提升農(nóng)戶低碳生產(chǎn)的積極性(王悅,2019),有利于農(nóng)戶積極開展節(jié)能減排。此外,綠色金融還可以改變農(nóng)業(yè)生產(chǎn)方式,提高農(nóng)業(yè)生產(chǎn)集約化水平,如通過支持智能水肥一體化生產(chǎn)、畜禽規(guī)?;B(yǎng)殖、水產(chǎn)養(yǎng)殖池塘標(biāo)準(zhǔn)化改造等,促使粗放發(fā)展的小農(nóng)生產(chǎn)走向綠色低碳、循環(huán)發(fā)展的現(xiàn)代農(nóng)業(yè)發(fā)展軌道(劉晶和劉錦,2022),提高農(nóng)業(yè)的綠色生產(chǎn)效率。據(jù)此,本文提出以下待驗證的假設(shè)H1:

      H1:綠色金融能促進(jìn)農(nóng)業(yè)綠色全要素生產(chǎn)率提升。

      (二)綠色金融促進(jìn)農(nóng)業(yè)綠色發(fā)展的空間溢出效應(yīng)

      地理學(xué)第一定律表明多數(shù)空間數(shù)據(jù)都存在空間相關(guān)性(Abreu et al.,2005),而且隨著地區(qū)之間信息化、網(wǎng)絡(luò)化的逐步發(fā)展,制度障礙的消除以及交通基礎(chǔ)設(shè)施的改善,每個經(jīng)濟(jì)單元不會孤立存在,都會與鄰近地區(qū)產(chǎn)生密切的經(jīng)濟(jì)交流,本地區(qū)的政策行為會外溢至鄰近區(qū)域,從而對鄰近區(qū)域的發(fā)展產(chǎn)生影響(伍駿騫等,2021;Cao et al.,2022)。本地綠色金融發(fā)展能通過“模仿-學(xué)習(xí)”和經(jīng)濟(jì)間的關(guān)聯(lián)產(chǎn)生空間溢出效應(yīng),周邊省份會通過模仿學(xué)習(xí)綠色金融發(fā)展程度高的省份,而提升其綠色金融水平,從而提高其生態(tài)環(huán)境質(zhì)量(Xie et al.,2020;Li and Gan,2021)。另外,某一個地區(qū)的綠色發(fā)展水平高,會通過當(dāng)?shù)嘏c鄰近地區(qū)之間的產(chǎn)業(yè)關(guān)聯(lián),倒逼鄰近地區(qū)提高綠色發(fā)展水平。由于本質(zhì)上綠色金融是一種環(huán)境規(guī)制措施,依據(jù)“污染天堂假說”,當(dāng)某一個地區(qū)環(huán)境規(guī)制趨嚴(yán)后,為規(guī)避遵循成本,污染產(chǎn)業(yè)就會遷移到環(huán)境規(guī)制相對較弱的地區(qū),因而當(dāng)某一個地區(qū)綠色金融發(fā)展水平提高時,污染產(chǎn)業(yè)會遷移至鄰近的綠色金融發(fā)展水平較低的地區(qū),導(dǎo)致鄰近地區(qū)的生態(tài)環(huán)境質(zhì)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(shè):

      H2:綠色金融對農(nóng)業(yè)綠色全要素生產(chǎn)率發(fā)展影響具有空間溢出效應(yīng)。

      (三)綠色金融對農(nóng)業(yè)綠色發(fā)展的非線性影響

      綠色金融對農(nóng)業(yè)綠色發(fā)展的影響可能是非線性的。首先,在綠色金融發(fā)展初期,農(nóng)村企業(yè)和農(nóng)戶由于信貸門檻的提高,受到融資約束,同時需要在環(huán)境保護(hù)、節(jié)能減排上投入更多的合規(guī)成本,不利于農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。在企業(yè)和農(nóng)戶進(jìn)入綠色發(fā)展軌道后,隨著綠色金融的進(jìn)一步發(fā)展,企業(yè)和農(nóng)戶將會獲得更多的資金支持,這將有利于農(nóng)業(yè)綠色全要素生產(chǎn)率的提升。其次,綠色金融對農(nóng)業(yè)綠色發(fā)展的作用可能還受農(nóng)村人力資本水平影響,在人力資本水平低的地區(qū),農(nóng)業(yè)綠色發(fā)展理念的建立、綠色金融工具的應(yīng)用都會受到一定的限制,不利于綠色金融效應(yīng)的發(fā)揮。再次,綠色金融對農(nóng)業(yè)綠色發(fā)展的作用可能還受財政支農(nóng)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(nóng)村廣泛推廣并得到應(yīng)用,離不開財政的貼息、補貼等方式的支持,因而財政支農(nóng)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(shè):

      H3:綠色金融對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響是非線性的,并受農(nóng)村人力資本水平、財政支農(nóng)水平變量的調(diào)節(jié)作用影響。

      四、研究設(shè)計

      (一)模型設(shè)定

      1.普通面板模型設(shè)定

      為檢驗本文提出的假設(shè),本文構(gòu)建以下普通面板模型來進(jìn)行實證檢驗:

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

      2.空間效應(yīng)模型設(shè)定

      對于空間效應(yīng),本文構(gòu)建空間面板計量模型來進(jìn)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(shè)空間溢出效應(yīng)是通過自變量的空間交互作用對其他地區(qū)的經(jīng)濟(jì)產(chǎn)生影響,SEM模型假設(shè)空間溢出效應(yīng)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(shè)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(quán)重矩陣,c為常數(shù)項,ρ為空間自回歸系數(shù),反映了鄰近地區(qū)農(nóng)業(yè)綠色發(fā)展對本地區(qū)農(nóng)業(yè)綠色發(fā)展的空間溢出效應(yīng),λ為空間自相關(guān)誤差項的待估計系數(shù),也被稱為空間自相關(guān)系數(shù),θ為解釋變量的空間滯后項回歸系數(shù),反映了鄰近地區(qū)自變量對本地區(qū)農(nóng)業(yè)綠色發(fā)展的空間溢出效應(yīng)。

      3.門檻效應(yīng)模型設(shè)定

      為檢驗綠色金融影響農(nóng)業(yè)綠色全要素生產(chǎn)率的非線性關(guān)系,以及環(huán)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(diào)節(jié)作用,本文將以綠色金融發(fā)展水平(GF)、農(nóng)村人力資本水平(Human)和財政支農(nóng)力度(Fiscal)為門檻變量,基于Hansen(1999)的非線性面板門檻模型,構(gòu)建如下門檻效應(yīng)模型來進(jìn)行檢驗:

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

      (二)變量定義與數(shù)據(jù)來源

      1.被解釋變量:農(nóng)業(yè)綠色全要素生產(chǎn)率(AGTFP)

      本文用農(nóng)業(yè)綠色全要素生產(chǎn)率(AGTFP)來衡量農(nóng)業(yè)綠色發(fā)展水平,該指標(biāo)通過數(shù)據(jù)包絡(luò)分析法(DEA)來進(jìn)行測度。傳統(tǒng)的DEA 模型認(rèn)為在生產(chǎn)過程的高效率表現(xiàn)為投入少、產(chǎn)出高,而實際上,在經(jīng)濟(jì)生產(chǎn)過程中,既伴隨著期望產(chǎn)出,如國內(nèi)生產(chǎn)總值,又伴隨著非期望產(chǎn)出,如二氧化碳的排放。因此,綠色低碳發(fā)展的高效率應(yīng)該表現(xiàn)為投入少、期望產(chǎn)出高、非期望產(chǎn)出少(孫景兵和薛倩,2022)。傳統(tǒng)的DEA模型無法區(qū)分期望和非期望產(chǎn)出,故Tone(2001)構(gòu)造了基于松弛變量的SBM 模型,將松弛變量直接納入目標(biāo)函數(shù)。Tone(2004)將非期望產(chǎn)出加入SBM模型,這樣不僅克服了投入與產(chǎn)出變量的松弛問題,而且還能區(qū)分期望和非期望產(chǎn)出,能夠有效測算環(huán)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(jìn)行進(jìn)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(chǎn)出的超效率SBM 模型來測度農(nóng)業(yè)綠色全要素生產(chǎn)率,可以提高結(jié)果的可靠性,對效率進(jìn)行更為客觀評價。具體形式可表達(dá)如下:

      在此測度基礎(chǔ)上,AGTFP指數(shù)可表達(dá)為:

      若AGTFPit>1,表示農(nóng)業(yè)綠色全要素生產(chǎn)率上升;反之,表示生產(chǎn)率下降。而且AGTFP指數(shù)還可進(jìn)一步分解為綠色技術(shù)進(jìn)步(GTC)指數(shù)和綠色技術(shù)效率變化(GEC)指數(shù):

      式(10)中,GECt,t+1為技術(shù)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(shù)進(jìn)步率,GTCt,t+1>1 時,說明技術(shù)進(jìn)步;GTCt,t+1<1時,說明技術(shù)退步。

      上述的AGTFP指數(shù)是以前一年為基期計算得來的環(huán)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(shù)進(jìn)行累積化處理。

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

      表1 測算農(nóng)業(yè)綠色全要素生產(chǎn)率的投入產(chǎn)出指標(biāo)

      2.核心解釋變量:綠色金融發(fā)展水平(GF)

      本文采用綠色金融發(fā)展綜合指數(shù)的對數(shù)度量綠色金融發(fā)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(biāo)體系,采用熵權(quán)法來確定權(quán)重。借鑒高錦杰和張偉偉(2021)、張婷等(2022)的研究,以上各指標(biāo)的度量方法見表2。以上原始數(shù)據(jù)來源于《中國工業(yè)統(tǒng)計年鑒》、Wind 數(shù)據(jù)庫、《中國保險統(tǒng)計年鑒》以及《中國環(huán)境統(tǒng)計年鑒》。

      表2 綠色金融綜合評價指標(biāo)體系

      3.控制變量

      考慮到可能存在其他因素影響農(nóng)業(yè)綠色生產(chǎn)率,為了消除其他因素的影響,本文還選取財政支農(nóng)水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)村人力資本狀況、環(huán)境規(guī)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(nóng)水平(Fiscal),由農(nóng)村人均農(nóng)林水事務(wù)財政支出的對數(shù)來度量;第二,農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(Structure),用各省份糧食作物播種面積占農(nóng)作物總播種面積之比來表示;第三,農(nóng)村人力資本狀況(Human),采用農(nóng)村居民平均受教育年限的對數(shù)來衡量①其計算方法為:農(nóng)民平均受教育年限=(小學(xué)教育人數(shù)×6+初中教育人數(shù)×9+高中教育人數(shù)×12+大專及以上教育人數(shù)×16)÷6歲以上人口數(shù)。;第四,經(jīng)濟(jì)發(fā)展水平(pgdp),以地區(qū)人均GDP的對數(shù)來衡量;第五,環(huán)境規(guī)制(Regulation),從國內(nèi)外現(xiàn)有文獻(xiàn)看,迄今還沒有一種公認(rèn)的度量指標(biāo),由于中國目前主要還是以自上而下的命令型環(huán)境規(guī)制為主,故本文采用各省份當(dāng)年頒布的環(huán)境規(guī)制政策數(shù)量加1 的對數(shù)(為了消除0 值影響)來表征,數(shù)量越大環(huán)境規(guī)制強度越強。以上各變量的原始數(shù)據(jù)來源于《中國財政統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國人口與就業(yè)統(tǒng)計年鑒》《中國環(huán)境年鑒》。

      為直觀地揭示各變量的特征,對各變量的描述性統(tǒng)計詳見表3。

      表3 各變量的描述性統(tǒng)計

      五、實證結(jié)果與分析

      (一)普通面板模型回歸結(jié)果

      Hausman 檢驗結(jié)果表明本文樣本適合采用固定效應(yīng)模型(FE),同時年度虛擬變量聯(lián)合檢驗結(jié)果顯示拒絕“無時間效應(yīng)”的原假設(shè),表明存在時間效應(yīng),因此本文最終選用個體和時間雙固定效應(yīng)模型,估計結(jié)果見表4。為了對比,本文也給出了不控制時間效應(yīng)的估計結(jié)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(fā)展水平的估計系數(shù)為0.5031,且在1%水平下顯著,表明綠色金融發(fā)展能提升農(nóng)業(yè)綠色全要素生產(chǎn)率,有利于促進(jìn)農(nóng)業(yè)綠色發(fā)展。驗證了假設(shè)H1。

      表4 普通面板模型回歸結(jié)果

      從控制變量來看,經(jīng)濟(jì)發(fā)展水平的估計系數(shù)為正,且在1%置信水平下顯著,表明經(jīng)濟(jì)發(fā)展水平越高的地區(qū)其農(nóng)業(yè)綠色發(fā)展水平越高,經(jīng)濟(jì)發(fā)展水平越高意味著人們對生活生產(chǎn)的環(huán)境要求也將越高,這可能驅(qū)動農(nóng)業(yè)的發(fā)展更加重視環(huán)境保護(hù)。財政支農(nóng)水平的估計系數(shù)并不顯著,表明財政支農(nóng)目前主要的目標(biāo)可能還是以農(nóng)業(yè)的經(jīng)濟(jì)增長、農(nóng)民的收入增加為主。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的估計系數(shù)顯著為負(fù),表明糧食作物播種面積占比增加不利于農(nóng)業(yè)的綠色發(fā)展,這可能與我國目前種植糧食的生產(chǎn)方式還相對粗放,規(guī)模經(jīng)濟(jì)未充分釋放,化肥、農(nóng)藥等使用量過大等因素有關(guān)。農(nóng)村人力資本的估計系數(shù)雖然為正,但不顯著,表明農(nóng)村人力資本的提高還未能在農(nóng)業(yè)綠色發(fā)展中發(fā)揮出顯著作用。環(huán)境規(guī)制的估計系數(shù)顯著為負(fù),表明環(huán)境規(guī)制強度增加不利于農(nóng)業(yè)的綠色發(fā)展,可能與農(nóng)業(yè)發(fā)展還未能適用環(huán)境規(guī)制所帶來的影響有關(guān)。

      (二)空間計量模型分析

      1.空間自相關(guān)檢驗

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

      數(shù)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(guān),即存在“高高”、“低低”的聚集態(tài)勢;若Moran’I小于0,則表明變量存在空間負(fù)相關(guān),即存在“高低”、“低高”的集聚態(tài)勢;若Moran’I 等于0,則表示變量不存在空間相關(guān)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(shù)的檢驗結(jié)果。從綠色金融全局Moran’s I檢驗結(jié)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(guān)性,但這種相關(guān)性隨時間變化不大。從AGTFP的全局Moran’s I檢驗結(jié)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(shù)值呈現(xiàn)出由負(fù)到正逐步增大和顯著性也逐步增強的規(guī)律,表明AGTFP的空間正相關(guān)性在逐步增強。

      表5 2010—2021年各省份GF和AGTFP全局莫蘭指數(shù)

      (2)局部莫蘭指數(shù)。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(guān)情況,為此,本文還進(jìn)一步通過計算局部Moran’s I指數(shù)來進(jìn)行局部空間相關(guān)性分析。局部Moran’s I指數(shù)表示單元i與其相鄰單元的空間相關(guān)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(jié)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(shù)的莫蘭指數(shù)所對應(yīng)的點大部分落在一、三象限,表明綠色金融指數(shù)呈現(xiàn)出較強的空間正相關(guān)性,即“高高”和“低低”集聚態(tài)勢。各省份的AGTFP的莫蘭指數(shù)所對應(yīng)的點在2010年大部分落在二、四象限,即呈現(xiàn)出空間負(fù)相關(guān)性,而到2021 年大部分點落在一、三象限,各省份的AGTFP已呈現(xiàn)出空間正相關(guān)性。以上空間自相關(guān)檢驗說明本文采用空間計量模型較為恰當(dāng)。

      圖1 2010年、2021年綠色金融指數(shù)的局部莫蘭指數(shù)散點圖

      圖2 2010年、2021年AGTFP的局部莫蘭指數(shù)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(tǒng)計量檢驗)來進(jìn)一步確認(rèn)采用空間計量模型的合理性。表6的檢驗結(jié)果顯示,各檢驗結(jié)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(jié)果顯示各檢驗結(jié)果也都在1%下顯著,表明空間杜賓模型(SDM)優(yōu)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(yīng)還是隨機效應(yīng),表6 的結(jié)果表明固定效應(yīng)優(yōu)于隨機效應(yīng),同時根據(jù)Elhorst(2010)的研究結(jié)論認(rèn)為采用時空雙固定的SDM的估計結(jié)果要優(yōu)于個體固定效應(yīng),因而,本文最終選擇使用個體、時間雙固定的SDM 模型進(jìn)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(jié)果

      本文主要依據(jù)SDM模型進(jìn)行分析,但為了對比,也同時給出了SLM、SEM 模型的估計結(jié)果(見表7)。從SDM模型的估計結(jié)果可以看到,一方面,綠色金融直接效應(yīng)(GF)的估計系數(shù)為0.4023,且在5%水平下顯著,并且綠色金融空間溢出效應(yīng)(W×GF)的估計系數(shù)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(fā)展均能對本省份農(nóng)業(yè)綠色全要素生產(chǎn)率起到正向促進(jìn)作用。假設(shè)H2得到印證。另一方面,AGTFP的空間滯后項估計系數(shù)(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(yīng),這與前文空間自相關(guān)檢驗的結(jié)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(jié)果

      4.空間效應(yīng)分解

      在空間計量模型中,由于空間關(guān)聯(lián)作用,一個地區(qū)某一變量的變化不但會通過直接效應(yīng)影響到該地區(qū)自身,而且還會通過空間溢出效應(yīng)對周邊地區(qū)產(chǎn)生影響,因此模型(4)中各解釋變量的估計系數(shù)值并不能直接反映其對被解釋變量影響效應(yīng)的大小,只能反映其影響方向和顯著性。要得到其影響效應(yīng)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(yīng)分解為直接效應(yīng)和間接效應(yīng),從而具體確定影響效應(yīng)的大小。表8 是各解釋變量總效應(yīng)的分解結(jié)果,從中可知,綠色金融對農(nóng)業(yè)綠色發(fā)展的直接效應(yīng)為0.3676,間接效應(yīng)為0.2421,總效應(yīng)為0.6097,且在1%或5%水平下顯著。與不考慮空間溢出效應(yīng)的表4 的普通面板模型估計結(jié)果相比,這里綠色金融的總效應(yīng)系數(shù)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(nóng)業(yè)綠色發(fā)展的影響效應(yīng),進(jìn)一步表明采用空間模型的必要性。

      表8 各解釋變量總效應(yīng)的分解

      5.穩(wěn)健性檢驗

      (1)采用綠色金融滯后一期。綠色金融可以影響農(nóng)業(yè)綠色發(fā)展,同時,農(nóng)業(yè)綠色發(fā)展需求可能倒逼綠色金融發(fā)展,也就是說綠色金融與農(nóng)業(yè)綠色發(fā)展之間可能存在雙向因果關(guān)系。為避免或減弱雙向因果所導(dǎo)致內(nèi)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(gòu)建空間面板模型來分析綠色金融對農(nóng)業(yè)綠色發(fā)展的影響,結(jié)果見表9的(1)列??梢娋G色金融估計系數(shù)在1%水平下依然保持顯著為正,表明綠色金融能驅(qū)動農(nóng)業(yè)綠色發(fā)展的結(jié)論穩(wěn)健。

      表9 各種穩(wěn)健性檢驗

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

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

      表示2010 年至2021 年地區(qū)人均GDP 的均值(萬元/人)。估計結(jié)果見表9 的(2)、(3)列,可見綠色金融的直接和間接效應(yīng)均顯著為正,結(jié)論與前文一致??梢宰⒁獾剑诮?jīng)濟(jì)距離矩陣權(quán)重下的綠色金融空間溢出效應(yīng)為0.2431,要大于基于地理距離矩陣權(quán)重的溢出效應(yīng)(0.2102)和空間鄰接矩陣權(quán)重的溢出效應(yīng)(0.2126),表明綠色金融影響農(nóng)業(yè)綠色發(fā)展的空間溢出效應(yīng)更易發(fā)生在經(jīng)濟(jì)發(fā)展水平接近的省份之間。

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

      (4)剔除特殊地區(qū)??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(jié)果產(chǎn)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(yīng)和間接效應(yīng)均顯著為正,結(jié)論依然穩(wěn)健。

      6.異質(zhì)性檢驗

      (1)區(qū)域異質(zhì)性。中國地域遼闊,地區(qū)發(fā)展水平、要素稟賦差異明顯,這可能導(dǎo)致各地區(qū)綠色金融驅(qū)動農(nóng)業(yè)綠色發(fā)展效應(yīng)并不一致。為檢驗綠色金融效應(yīng)的地區(qū)異質(zhì)性,本文基于中國東、中、西部三個地區(qū)的劃分,進(jìn)一步實證分析綠色金融對不同地區(qū)農(nóng)業(yè)綠色發(fā)展的影響效應(yīng)②東部地區(qū)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(nèi)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(jié)果。從中可以看到,在東部地區(qū)綠色金融的直接效應(yīng)和間接效應(yīng)均顯著為正,表明東部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率不僅受到本地綠色金融發(fā)展的影響,而且還受到鄰近地區(qū)綠色金融發(fā)展的影響。在中、西部地區(qū)僅有綠色金融的直接效應(yīng)顯著為正,而間接效應(yīng)雖然為正,但均不顯著,表明在中、西部地區(qū)農(nóng)業(yè)綠色發(fā)展主要受本地綠色金融的影響。出現(xiàn)以上結(jié)果的原因可能是東部地區(qū)交通、信息等方面互聯(lián)互通要比中、西部地區(qū)更具有優(yōu)勢,一個省份綠色金融制度、產(chǎn)品的創(chuàng)新更易被鄰近地區(qū)效仿而溢出,從而促進(jìn)鄰近地區(qū)農(nóng)業(yè)綠色發(fā)展。

      表10 區(qū)域異質(zhì)性檢驗結(jié)果

      (2)作用路徑異質(zhì)性。本文把AGTFP指數(shù)按式(10)分解為綠色技術(shù)進(jìn)步指數(shù)(GTC)、綠色技術(shù)效率指數(shù)(GEC),并以它們?yōu)楸唤忉屪兞?,綠色金融發(fā)展指數(shù)作為核心解釋變量,利用SDM 模型來分析綠色金融發(fā)展對不同作用路徑的差異,結(jié)果見表11。從中可以看到,綠色金融對綠色技術(shù)進(jìn)步指數(shù)的直接和間接效應(yīng)回歸系數(shù)顯著為正,而對綠色技術(shù)效率指數(shù)的直接和間接效應(yīng)回歸系數(shù)為正但不顯著,表明綠色金融發(fā)展僅能通過促進(jìn)農(nóng)業(yè)綠色技術(shù)進(jìn)步渠道來提升農(nóng)業(yè)GTFP,而對農(nóng)業(yè)綠色技術(shù)效率還未產(chǎn)生正向促進(jìn)作用。

      表11 綠色金融影響農(nóng)業(yè)綠色發(fā)展的作用路徑差異

      (三)門檻效應(yīng)分析

      1.門檻效應(yīng)檢驗

      在進(jìn)行門檻效應(yīng)估計前,首先要對門檻效應(yīng)以及門檻值進(jìn)行檢驗和測算,表12和表13報告了結(jié)果,從中可以看到,綠色金融發(fā)展水平、農(nóng)村人力資本水平、財政支農(nóng)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(jié)果表明它們對綠色金融促進(jìn)農(nóng)業(yè)綠色發(fā)展的影響都僅存在單一門檻效應(yīng),其門檻值分別為-0.9014、2.1842、0.8421。

      表12 門檻效應(yīng)自抽樣檢驗

      表13 門檻估計值和置信區(qū)間

      2.門檻模型估計結(jié)果

      表14 報告了門檻模型(5)、(6)、(7)的門檻估計結(jié)果。從綠色金融門檻效應(yīng)模型估計結(jié)果來看,綠色金融在大部分區(qū)間的估計系數(shù)都顯著為正:當(dāng)綠色金融發(fā)展水平的對數(shù)小于等于-0.9014 時,估計系數(shù)為0.3788;當(dāng)綠色金融發(fā)展水平的對數(shù)大于-0.9014 時,估計系數(shù)為0.6544。這表明隨著綠色金融發(fā)展水平的提升,其促進(jìn)農(nóng)業(yè)綠色發(fā)展的作用在增強。

      表14 面板門檻模型估計結(jié)果

      從農(nóng)村人力資本水平門檻效應(yīng)模型估計結(jié)果來看,綠色金融在各區(qū)間的估計系數(shù)也都顯著為正:當(dāng)農(nóng)村人力資本水平小于等于2.1842時,綠色金融估計系數(shù)為0.3318,而當(dāng)農(nóng)村人力資本水平大于2.1842時,綠色金融估計系數(shù)為0.6010。這表明在農(nóng)村人力資本水平高的地區(qū),綠色金融促進(jìn)農(nóng)業(yè)綠色發(fā)展的作用將更大。

      從財政支農(nóng)水平門檻效應(yīng)模型估計結(jié)果來看,綠色金融在財政支農(nóng)水平小于等于0.8421時,其估計系數(shù)不顯著;僅當(dāng)財政支農(nóng)水平大于0.8421 時,其估計系數(shù)才顯著為正。這表明提升財政支農(nóng)水平是綠色金融發(fā)揮作用的一個必要條件。綜上可知,綠色金融對農(nóng)業(yè)綠色發(fā)展的影響具有非線性關(guān)系,而農(nóng)村人力資本水平和財政支農(nóng)水平對二者的影響路徑具有調(diào)節(jié)作用。假設(shè)H3得到驗證。

      六、結(jié)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(nóng)業(yè)綠色全要素生產(chǎn)率,通過熵值法構(gòu)建綠色金融發(fā)展指數(shù)的基礎(chǔ)上,構(gòu)建空間計量模型,實證檢驗綠色金融對農(nóng)業(yè)綠色全要素生產(chǎn)率增長的影響。結(jié)果發(fā)現(xiàn),綠色金融能顯著促進(jìn)農(nóng)業(yè)的綠色發(fā)展且具有顯著的空間溢出效應(yīng),即本地農(nóng)業(yè)綠色全要素生產(chǎn)率不僅受到本地綠色金融發(fā)展的影響,還受到鄰近地區(qū)綠色金融發(fā)展的影響。在不同區(qū)域綠色金融發(fā)展的影響存在異質(zhì)性,東部地區(qū)直接效應(yīng)和空間溢出效應(yīng)均顯著,而在中、西部地區(qū)僅為直接效應(yīng)顯著,空間溢出效應(yīng)還不顯著。機制檢驗顯示,綠色金融能通過促進(jìn)綠色技術(shù)進(jìn)步渠道來促進(jìn)農(nóng)業(yè)的綠色發(fā)展,而綠色技術(shù)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(jìn)我國農(nóng)業(yè)綠色發(fā)展的經(jīng)驗事實,應(yīng)進(jìn)一步完善激勵金融機構(gòu)發(fā)展農(nóng)村綠色金融的體制機制、統(tǒng)一農(nóng)村綠色項目認(rèn)定,加大財政貼息、補貼以及優(yōu)惠利率、綠色專項再貸款、定向降準(zhǔn)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(fā)力,促進(jìn)農(nóng)村綠色金融全面發(fā)展,持續(xù)鞏固綠色金融為農(nóng)業(yè)綠色發(fā)展所帶來的紅利。第二,綠色金融對農(nóng)業(yè)綠色發(fā)展存在顯著的空間溢出效應(yīng),故還應(yīng)加強各地區(qū)綠色金融政策的協(xié)調(diào)統(tǒng)一力度,以充分釋放綠色金融對農(nóng)業(yè)綠色發(fā)展的空間貢獻(xiàn)能力,進(jìn)而推動區(qū)域內(nèi)農(nóng)業(yè)綠色生產(chǎn)率的整體改善。第三,從各地區(qū)來看,東、中、西部綠色金融對農(nóng)業(yè)綠色發(fā)展的影響呈現(xiàn)顯著差異,意味著各地區(qū)應(yīng)在鞏固綠色金融帶來農(nóng)業(yè)綠色發(fā)展紅利的基礎(chǔ)上實施差異化的綠色金融發(fā)展戰(zhàn)略,在已展現(xiàn)綠色金融作用的地區(qū)和領(lǐng)域加以鞏固,在未展現(xiàn)綠色金融作用的地區(qū)和領(lǐng)域持續(xù)發(fā)力。第四,將綠色信貸業(yè)務(wù)納入銀行績效考核,激勵各地區(qū)金融機構(gòu)提高綠色金融政策執(zhí)行水平,減少向不符合綠色政策的企業(yè)和項目提供金融服務(wù),引導(dǎo)更多資金流向綠色項目,以更好地發(fā)揮綠色金融通過農(nóng)業(yè)綠色技術(shù)效率渠道來促進(jìn)農(nóng)業(yè)綠色發(fā)展的效應(yīng)。

      猜你喜歡
      效應(yīng)金融綠色
      綠色低碳
      品牌研究(2022年26期)2022-09-19 05:54:46
      鈾對大型溞的急性毒性效應(yīng)
      懶馬效應(yīng)
      綠色大地上的巾幗紅
      海峽姐妹(2019年3期)2019-06-18 10:37:10
      何方平:我與金融相伴25年
      金橋(2018年12期)2019-01-29 02:47:36
      君唯康的金融夢
      應(yīng)變效應(yīng)及其應(yīng)用
      P2P金融解讀
      金融扶貧實踐與探索
      再造綠色
      百科知識(2008年8期)2008-05-15 09:53:30
      仙居县| 灵宝市| 会理县| 双桥区| 尉氏县| 荔浦县| 遂溪县| 内江市| 理塘县| 海阳市| 嵩明县| 临汾市| 鹤岗市| 沽源县| 开化县| 胶州市| 金阳县| 康乐县| 昭通市| 蓬安县| 阳山县| 信阳市| 上栗县| 郑州市| 上饶市| 安溪县| 花莲县| 甘肃省| 蓬安县| 呼伦贝尔市| 高密市| 宿迁市| 昔阳县| 玛曲县| 全州县| 山西省| 洛扎县| 四川省| 天长市| 隆尧县| 年辖:市辖区|