數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的影響及其時空效應

陳中偉，湯 燦

（鄭州航空工業(yè)管理學院經(jīng)濟學院，河南鄭州 450046）

農(nóng)穩(wěn)社稷，糧安天下。2021 年中國糧食總產(chǎn)量達到6 828.5 億 kg，實現(xiàn)連續(xù)4 年增產(chǎn)［1］。然而在取得如此顯著成績的同時，高強度農(nóng)業(yè)化學品投入邊際效益開始下降，農(nóng)業(yè)碳排放速度加快，預測到2050 年農(nóng)業(yè)將成為最大碳排放源之一［2］，這勢必會對中國糧食生產(chǎn)、污染治理和生態(tài)保護等方面造成嚴重影響。綠色是農(nóng)業(yè)農(nóng)村發(fā)展的鮮明底色。繼2015 年國家開始實施化肥農(nóng)藥零增長行動計劃以及2020 年提出碳達峰碳中和目標后，黨的二十大報告亦明確了加快推動綠色發(fā)展、扎實推進鄉(xiāng)村生態(tài)振興、建設美麗中國的重大戰(zhàn)略目標。而農(nóng)業(yè)綠色低碳發(fā)展是實現(xiàn)這一目標的必然選擇。金書秦等［3-4］、Gao［5］等的研究顯示，近年來，隨著網(wǎng)絡信息技術的持續(xù)創(chuàng)新，蓬勃發(fā)展的數(shù)字經(jīng)濟能夠依托無人機、區(qū)塊鏈和智聯(lián)網(wǎng)等底層科技將數(shù)字技術與農(nóng)業(yè)綠色發(fā)展戰(zhàn)略有機結(jié)合，促使數(shù)據(jù)要素與傳統(tǒng)生產(chǎn)要素深度融合，不斷為農(nóng)業(yè)綠色轉(zhuǎn)型和低碳發(fā)展貢獻數(shù)字力量。包括梁琳［6］、黃永春等［7］、牛亞麗［8］、張林等［9］、姜長云［10］、溫濤等［11］、鐘文晶等［12］眾多學者的研究已表明，數(shù)字經(jīng)濟發(fā)展不僅能夠提高農(nóng)業(yè)生產(chǎn)效率，縮小農(nóng)村收入差距，帶動農(nóng)民消費增長、農(nóng)業(yè)轉(zhuǎn)型升級和農(nóng)村產(chǎn)業(yè)融合，還能夠使地區(qū)暢享數(shù)字經(jīng)濟紅利，實現(xiàn)包容性增長和數(shù)字農(nóng)業(yè)轉(zhuǎn)型。隨著美麗中國生態(tài)建設理念普及，數(shù)字經(jīng)濟發(fā)展的碳減排效應廣受業(yè)界和學術界關注。

1 文獻簡述

已有關于數(shù)字經(jīng)濟發(fā)展的研究主要聚焦在兩個方面。一是數(shù)字經(jīng)濟對于經(jīng)濟整體運行的影響。Kapoor［13］、Bauer［14］、荊文君等［15］、張勛等［16］、丁志帆［17］的研究指出，數(shù)字經(jīng)濟是促進新時代經(jīng)濟高質(zhì)量發(fā)展的新驅(qū)動力。Liu 等［18］發(fā)現(xiàn)數(shù)字經(jīng)濟有助于新興市場進出口貿(mào)易規(guī)模的擴展。Vargo 等［19］認為數(shù)字經(jīng)濟有助于以服務用戶和消費者為發(fā)展重心及向?qū)У纳虡I(yè)創(chuàng)新模式興起。Goldfarb 等［20］、溫珺等［21］指出數(shù)字經(jīng)濟引領數(shù)字經(jīng)濟活動發(fā)生“五低”（低搜索、低復制、低運輸、低追蹤、低驗證）成本的變革，顯著促進創(chuàng)新能力提升。二是數(shù)字經(jīng)濟發(fā)展對中國的就業(yè)、消費、金融、貿(mào)易以及產(chǎn)業(yè)結(jié)構(gòu)等領域均有顯著影響。胡擁軍等［22］研究發(fā)現(xiàn)，針對就業(yè)和勞動力需求，數(shù)字經(jīng)濟發(fā)展能夠產(chǎn)生創(chuàng)造和替代雙重效應。馬香品［23］、張峰等［24］、汪旭暉［25］、焦勇等［26］、林宇豪等［27］的研究分別指出，數(shù)字經(jīng)濟發(fā)展是引發(fā)居民消費變遷、拓寬電商產(chǎn)業(yè)價值鏈的滲透廣度和深度、賦能制造業(yè)轉(zhuǎn)型以及調(diào)整地區(qū)產(chǎn)業(yè)結(jié)構(gòu)、促進各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級的關鍵因素。就對環(huán)境改善的影響而言，數(shù)字經(jīng)濟發(fā)展能夠通過改善能源結(jié)構(gòu)和實現(xiàn)技術進步抑制碳排放［28］，但 Strubell 等［29］、Henderson 等［30］認為人工智能的使用也可能引致更多的碳排放量，對環(huán)境造成威脅。

已有關于農(nóng)業(yè)碳排放的研究主要聚焦于碳排放的測算和影響因素兩方面。關于農(nóng)業(yè)碳排放量的測算，West 等［31］測算出了化肥、農(nóng)藥、農(nóng)田灌溉以及種子生長全過程中的單位碳排放量；賀亞亞［32］在測算湖北省1995 至2011 年間農(nóng)業(yè)碳排量的基礎上，系統(tǒng)描述了碳排放總量變化特征；李波等［33］和王才軍等［34］基于農(nóng)業(yè)投入視角研究了農(nóng)業(yè)碳排放發(fā)展現(xiàn)狀及時序演變規(guī)律；田云等［35］在對中國農(nóng)業(yè)碳排放的測算中發(fā)現(xiàn)，近年來農(nóng)業(yè)碳排放強度呈持續(xù)下降態(tài)勢。關于農(nóng)業(yè)碳排放的影響因素，賀青等［36］、張頌心等［37］、馬九杰等［38］、劉瓊等［39］、楊晨等［40］已有研究從產(chǎn)業(yè)集聚、科技進步、農(nóng)業(yè)保險、農(nóng)地規(guī)模、政府政策等多個角度研究其對農(nóng)業(yè)碳排放的影響，其中張頌心等［37］實證研究發(fā)現(xiàn)科技進步在一定程度上對農(nóng)業(yè)碳排放具有抑制作用，而Berhanu等［41］研究發(fā)現(xiàn)氣候智能農(nóng)業(yè)（CSA）技術能夠減少農(nóng)業(yè)生產(chǎn)溫室氣體排放。

已有關于數(shù)字經(jīng)濟碳減排效應研究多聚焦在城市碳排放方面，鮮有提及數(shù)字經(jīng)濟發(fā)展與農(nóng)業(yè)碳排放的關系。在零星的研究中，主要從精準農(nóng)業(yè)、數(shù)字金融、減碳機制等視角直接或間接考察了數(shù)字經(jīng)濟對農(nóng)業(yè)碳排放的影響。具體來說，劉海啟［42］從精準農(nóng)業(yè)發(fā)展的角度論證了數(shù)字經(jīng)濟對農(nóng)業(yè)碳排放的影響，認為數(shù)字經(jīng)濟發(fā)展能減少農(nóng)業(yè)碳排放；程秋旺等［43］基于數(shù)字普惠金融視角，實證研究發(fā)現(xiàn)數(shù)字普惠金融覆蓋廣度、深度和數(shù)字化程度均具有農(nóng)業(yè)碳減排效應；劉震等［44］通過構(gòu)建農(nóng)村數(shù)字經(jīng)濟發(fā)展綜合評價指標體系，實證考察了農(nóng)村數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的影響；田紅宇等［1］基于長江經(jīng)濟帶108 個地級市糧食種植統(tǒng)計數(shù)據(jù)，從技術效應和結(jié)構(gòu)效應視角考察了數(shù)字經(jīng)濟的減碳機理。遺憾的是，現(xiàn)有相關研究關注數(shù)字經(jīng)濟在農(nóng)業(yè)領域的減碳效應研究還不多，且大多僅停留在理論分析層面，無法準確科學評估數(shù)字經(jīng)濟對農(nóng)業(yè)碳排放的影響效果。

通過梳理文獻發(fā)現(xiàn)，相關研究結(jié)論共同表明新一輪科技革命帶來的重大機遇勢必能夠為農(nóng)業(yè)綠色低碳發(fā)展提供強勁動能。既有文獻為本研究提供了可借鑒的理論基礎和研究框架，但仍存在一些不足之處：第一，從研究對象來看，較少關注數(shù)字經(jīng)濟減碳效應在農(nóng)業(yè)領域的影響；第二，從研究視角來看，缺乏對數(shù)字經(jīng)濟發(fā)展降低農(nóng)業(yè)碳排放背后機制的探討；第三，從研究維度來看，缺乏從時空兩個維度全面系統(tǒng)刻畫數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放影響的動態(tài)效應和溢出效應。伴隨著數(shù)字鄉(xiāng)村戰(zhàn)略加速推進，關于數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳減排效應問題值得深入研究。基于此，本研究利用2010—2020 年中國區(qū)域面板數(shù)據(jù)，實證檢驗數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的影響機制和時空效應，嘗試從社會化服務角度揭示數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的間接影響路徑，以及從時空兩個維度全面系統(tǒng)刻畫數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的動態(tài)效應和溢出效應，以期為依靠數(shù)字化路徑實現(xiàn)農(nóng)業(yè)低碳轉(zhuǎn)型和“雙碳”目標、推動農(nóng)業(yè)綠色發(fā)展提供量化支撐和理論依據(jù)。

2 理論分析

2.1 直接影響機制

田紅宇等［1］、韓晶等［45］、蔡躍洲等［46］的研究表明，以數(shù)字技術和數(shù)據(jù)要素作為核心競爭力的數(shù)字經(jīng)濟發(fā)展能夠引發(fā)從生產(chǎn)要素到生產(chǎn)力、再到生產(chǎn)關系的全面變革，直接對農(nóng)業(yè)產(chǎn)生減碳作用。數(shù)據(jù)要素作為一種新型生產(chǎn)要素被納入農(nóng)業(yè)生產(chǎn)體系，通過與勞動力、資本、土地等傳統(tǒng)要素深度融合，優(yōu)化重組要素配置格局，提升資源使用效率，從而對農(nóng)業(yè)碳排放產(chǎn)生作用；同時，數(shù)據(jù)要素能夠突破傳統(tǒng)要素供給約束，緩解農(nóng)業(yè)資源要素錯配程度［47］，并通過海量數(shù)據(jù)分析破解傳統(tǒng)生產(chǎn)要素信息不對稱問題，在提高農(nóng)業(yè)生產(chǎn)效率的同時起到降低農(nóng)業(yè)碳排放效果。數(shù)字技術作為數(shù)字經(jīng)濟時代賦能綠色發(fā)展的核心動力［48］，其本身就具有特定的綠色屬性，通過形成大規(guī)模的技術蓄水池效應實現(xiàn)農(nóng)業(yè)碳減排［45］。例如，將區(qū)塊鏈、智聯(lián)系統(tǒng)、傳感技術等先進科技手段嵌入農(nóng)業(yè)生產(chǎn)各個過程，農(nóng)戶不僅能夠更精確地把控農(nóng)業(yè)生產(chǎn)、規(guī)范農(nóng)業(yè)化學品及肥料的投入施用，同時依托信息通信技術，能夠為農(nóng)戶提供符合標準的低碳肥和有機肥，提高農(nóng)戶甄別生產(chǎn)要素好壞的能力，減少劣質(zhì)生產(chǎn)資料使用；此外，依托無人機設備，能夠智能監(jiān)測農(nóng)作物生長環(huán)境，基于實時傳感和歷史數(shù)據(jù)判斷農(nóng)作物最宜生長條件及化學品施用量，精準把控生產(chǎn)要素投入，從根本上減少對農(nóng)業(yè)化學品的依賴?；诖耍岢鲆韵录僭O：

H1：數(shù)字經(jīng)濟發(fā)展有利于降低農(nóng)業(yè)碳排放強度。

2.2 間接影響機制

數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的影響可以通過提高社會化服務水平渠道間接實現(xiàn)。具體地，數(shù)字經(jīng)濟發(fā)展依托數(shù)據(jù)技術優(yōu)勢與傳統(tǒng)農(nóng)業(yè)產(chǎn)業(yè)深度融合，激活鄉(xiāng)村內(nèi)生動力［49］，提升農(nóng)業(yè)社會化服務水平。依托終端服務網(wǎng)絡和信息平臺等數(shù)字技術，優(yōu)化農(nóng)村“互聯(lián)網(wǎng)+服務”治理模式，強化社會化服務基礎設施。借助物聯(lián)網(wǎng)和人工智能等數(shù)字技術的賦能優(yōu)勢，實施標準化生產(chǎn)、降低農(nóng)業(yè)生產(chǎn)成本，搭建智慧化流通物流體系，優(yōu)化農(nóng)業(yè)社會化服務生產(chǎn)和流通體系；另一方面，農(nóng)業(yè)社會化服務的發(fā)展有助于改善農(nóng)業(yè)傳統(tǒng)經(jīng)營方式，直接減少碳排放［50］。例如，社會化服務組織可以購買測土配方儀、秸稈粉碎收割機等專業(yè)化綠色生產(chǎn)器械，為農(nóng)戶提供科學綠色的生產(chǎn)服務；也能夠進行統(tǒng)一規(guī)劃設計、整合零碎土地，提高農(nóng)業(yè)機械生產(chǎn)效率［51］，減少無謂碳排放；同時，針對化學品使用、機械燃油和灌溉用電等方面對農(nóng)戶進行經(jīng)營指導和深度培訓，在保證效率的前提下兼顧質(zhì)量［52］，減少額外碳排放?；诖?，提出以下假設：

H2：數(shù)字經(jīng)濟發(fā)展可以通過提高社會化服務水平間接對農(nóng)業(yè)碳排放產(chǎn)生負向影響。

2.3 時間動態(tài)效應

數(shù)字經(jīng)濟發(fā)展是一個動態(tài)持續(xù)過程，涉及基礎設施、信息技術、服務能力、研發(fā)投入等多個方面，需要一定時間統(tǒng)籌規(guī)劃。數(shù)字經(jīng)濟碳減排效應離不開數(shù)字技術的加持，然而技術創(chuàng)新、研發(fā)和推廣過程存在較長的周期性［53］，導致數(shù)字經(jīng)濟碳減排效應難以在農(nóng)業(yè)碳排放領域快速顯現(xiàn)，尤其是在數(shù)字經(jīng)濟發(fā)展初期，提升社會化服務水平這一作用路徑面臨投入資金缺乏、科技人才匱乏、科技研發(fā)不足以及政策體系不完善等挑戰(zhàn)［22］，短期內(nèi)難以解決，因此需要更長調(diào)整周期。隨著時間的推移，數(shù)字經(jīng)濟逐漸為農(nóng)業(yè)綠色發(fā)展全方位賦能，經(jīng)過研發(fā)投入、技術改進、創(chuàng)新突破等優(yōu)化升級，精準匹配生產(chǎn)要素，推動農(nóng)業(yè)結(jié)構(gòu)優(yōu)化；并依托農(nóng)業(yè)大數(shù)據(jù)平臺，發(fā)展綠色農(nóng)業(yè)、生態(tài)農(nóng)業(yè)和有機農(nóng)業(yè)，實現(xiàn)精準施肥與節(jié)水省肥共贏［6］，充分發(fā)揮數(shù)字經(jīng)濟碳減排效用。為此，考慮數(shù)字經(jīng)濟影響農(nóng)業(yè)碳排放中介作用的歷時差異，與短期內(nèi)數(shù)字經(jīng)濟發(fā)展減少農(nóng)業(yè)碳排放作用有限，可初步判定數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放影響可能存在滯后效應?；诖?，提出以下假設：

H3：數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的抑制作用隨著時間的推移逐漸增強。

2.4 空間溢出效應

地理學第一定律認為，所有事物都是相互聯(lián)系的，距離越近，要素流動效率越高、聯(lián)系越緊密，鄰近地區(qū)在生產(chǎn)經(jīng)營和經(jīng)濟發(fā)展等方面具有一定的相關性［54］。韓峰等［55］利用城市數(shù)據(jù)實證研究生產(chǎn)性服務業(yè)集聚對碳排放空間溢出效應發(fā)現(xiàn)，專業(yè)化和多樣化集聚對鄰近城市碳排放水平有顯著提升作用。吳偉平等［56］利用門檻效應模型研究發(fā)現(xiàn)，環(huán)境規(guī)制對污染排放存在明顯空間效應，并表現(xiàn)出共生性形態(tài)。實際上，程秋旺等［43］、劉婧玲等［57］、徐維祥等［58］、王軍等［53］的研究均證明了，數(shù)字技術發(fā)展對地區(qū)農(nóng)業(yè)碳排放亦具有明顯空間效應。數(shù)字技術的重要特征就是能夠打破時空限制，增強地區(qū)間活動的關聯(lián)性和滲透性［57］。數(shù)字經(jīng)濟發(fā)展以先進數(shù)字技術為依托，必然能夠降低資源稟賦的時空壁壘、拓寬城市間溝通交流渠道、加快城市間知識和技術共享頻率，使地區(qū)間空間互動作用更加顯著。此外，黨的二十大報告強調(diào)，要深入實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，加強區(qū)域之間聯(lián)系的廣度和深度。為此，初步預期數(shù)字經(jīng)濟發(fā)展對地區(qū)農(nóng)業(yè)碳排放的影響存在空間溢出效應?；诖?，提出以下假設：

H4：數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的抑制作用具有空間溢出效應。

3 研究設計

3.1 變量設計

（1）被解釋變量：農(nóng)業(yè)碳排放強度（ln TQit）。參考鄧明君等［59］、李波等［60］的研究，用單位農(nóng)作物種植面積的碳排放總量并取對數(shù)表示。其次，對6類碳源（具體見表1）的碳排放量進行測算，其總和即為農(nóng)業(yè)碳排放總量（TZ）。

表1 農(nóng)業(yè)碳排放碳源及其系數(shù)

式（1）中：TZi表示第i類碳源的碳排放量；Ti表示第i類碳源的絕對量；σi表示第i類碳源的碳排放系數(shù)。

另外，考慮到數(shù)字經(jīng)濟發(fā)展對不同農(nóng)業(yè)碳源碳排放強度產(chǎn)生影響，為了更好地反映結(jié)論的可靠性，對上述6 類碳源的碳排放強度進行穩(wěn)健性檢驗（見表1），在進行數(shù)據(jù)處理時均以當年實際值為準。

（2）解釋變量：數(shù)字經(jīng)濟發(fā)展水平（DIGit）。借鑒趙濤等［62］、劉軍等［63］、郭峰等［64］、黃群慧等［65］、渠慎寧等［66］多位學者對于數(shù)字經(jīng)濟發(fā)展相關研究，結(jié)合數(shù)據(jù)科學性和可獲得性選擇，選用互聯(lián)網(wǎng)使用情況、互聯(lián)網(wǎng)相關產(chǎn)出以及數(shù)字金融普惠發(fā)展3 個方面描繪省級層面數(shù)字經(jīng)濟發(fā)展水平。其中，互聯(lián)網(wǎng)使用情況用互聯(lián)網(wǎng)普及率、移動電話普及率、互聯(lián)網(wǎng)上網(wǎng)人數(shù)等指標衡量；互聯(lián)網(wǎng)相關產(chǎn)出用人均電信業(yè)務總量指標衡量；數(shù)字金融普惠發(fā)展用數(shù)字普惠金融指數(shù)指標衡量。最后，選用可以減小評價指標間相關影響的主成分分析方法對各個指標進行降維處理，盡量避免指標信息重疊造成的結(jié)果偏差。

（3）其他變量。中介變量包括社會化服務水平（ASit）。參考 Chen 等［50］的研究成果，選擇生產(chǎn)與機械服務、信息與科技服務、金融與流通服務3個指標作為社會化服務評價指標體系的準則層，運用熵值法求解各指標權重，并測度各區(qū)域社會化服務綜合水平指數(shù)。控制變量方面，考慮到農(nóng)業(yè)碳排放受其他因素影響，參考已有文獻研究經(jīng)驗，選取各地區(qū)經(jīng)濟社會和農(nóng)業(yè)發(fā)展等相關指標，包括農(nóng)作物種植結(jié)構(gòu)（ZZit）、產(chǎn)業(yè)結(jié)構(gòu)（GYit）、農(nóng)業(yè)受災率（FXit）、財政支農(nóng)水平（CZit）及農(nóng)村居民消費水平（ln XFit），以反映產(chǎn)業(yè)發(fā)展、受災情況、政府支持以及農(nóng)村居民消費水平等因素對區(qū)域農(nóng)業(yè)碳排放強度的影響。

3.2 模型構(gòu)建

首先，針對數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度直接影響機制構(gòu)建如下基礎模型：

式（2）中：Xit表示相關控制變量；表示變量的參數(shù)估計值；和表示分別控制了地區(qū)和時間固定效應；表示隨機擾動項。

其次，數(shù)字經(jīng)濟發(fā)展能夠通過農(nóng)業(yè)社會化服務路徑對農(nóng)業(yè)碳排放強度產(chǎn)生間接影響，參考Wen等［67］的研究，構(gòu)建如下中介效應模型：

為了進一步驗證數(shù)字經(jīng)濟發(fā)展降低農(nóng)業(yè)碳排放的時間動態(tài)效應，借鑒趙云鵬［68］和劉婧玲等［57］的做法，將式（2）的核心解釋變量進行滯后期處理，以便觀察當期數(shù)字經(jīng)濟發(fā)展對未來幾期的區(qū)域農(nóng)業(yè)碳排放強度產(chǎn)生的影響，構(gòu)建模型如下：

式（5）中：m表示變量的滯后期數(shù)。

為了充分考慮空間因素的影響，全面刻畫數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度影響的空間溢出效應，參考許和連［69］和趙濤等［62］的研究，在式（1）的基礎上引入數(shù)字經(jīng)濟發(fā)展、農(nóng)業(yè)碳排放強度以及其他控制變量的空間交互項，進一步構(gòu)建空間計量模型深入探究數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度影響研究。構(gòu)建空間杜賓模型（SDM）如下：

此外，為提高實證結(jié)果的穩(wěn)健性，采用鄰接矩陣和地理距離矩陣兩種方法進行回歸。

3.3 數(shù)據(jù)來源

將2010—2020 年中國31 個省份（未含港澳臺地區(qū)）作為研究對象，相關數(shù)據(jù)來源于相應年份的《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》《中國農(nóng)業(yè)機械工業(yè)年鑒》《全國農(nóng)產(chǎn)品成本收益資料匯編》，以及各省份統(tǒng)計年鑒、統(tǒng)計公報和EPS 數(shù)據(jù)庫等。其中，數(shù)字普惠金融指數(shù)來源于北京大學數(shù)字金融研究中心；補充數(shù)據(jù)來源于相應年份的各省份統(tǒng)計年鑒、統(tǒng)計公報等；缺失數(shù)據(jù)采用插值法、鄰近均值法或均值法補充。

如表3 所示，農(nóng)業(yè)碳排放和數(shù)字經(jīng)濟發(fā)展水平的最小值與最大值差距較大，但各地區(qū)間是否真正存在差異還有待考究。此外，選擇雙向固定效應模型，并為避免偽回歸問題的存在，選用左邊單側(cè)檢驗（LLC 檢驗）和面板平穩(wěn)性檢驗（LM 檢驗）兩種方法對模型進行單位根檢驗，結(jié)果發(fā)現(xiàn)各變量大多在1%的顯著性水平下拒絕“存在單位根”的原假設，面板數(shù)據(jù)較為平穩(wěn)，因而可以進行后續(xù)分析。

表3 變量描述性統(tǒng)計分析結(jié)果

4 實證結(jié)果與分析

4.1 基準回歸分析

如表4 所示，數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的估計系數(shù)顯著為負，加入控制變量未引起估計系數(shù)方向變化，表明數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度具有抑制作用，充分印證了數(shù)字經(jīng)濟的碳減排效應，H1成立。農(nóng)業(yè)種植結(jié)構(gòu)、財政支農(nóng)水平對農(nóng)業(yè)碳排放強度均產(chǎn)生顯著負向影響；居民消費水平對農(nóng)業(yè)碳排放強度的估計系數(shù)雖不顯著，但為負，表明提升農(nóng)村居民消費水平仍能在一定程度上降低地區(qū)農(nóng)業(yè)碳排放強度；產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)受災率對農(nóng)業(yè)碳排放強度的影響是正向，可能的原因是地區(qū)產(chǎn)業(yè)發(fā)展和農(nóng)作物受災會對農(nóng)戶生產(chǎn)進行干擾，受利益最大化驅(qū)使的農(nóng)戶可能會相應增加農(nóng)業(yè)生產(chǎn)要素能源等投入，則容易造成碳排放強度提升。

表4 31 個省份數(shù)字經(jīng)濟發(fā)展對區(qū)域農(nóng)業(yè)碳排放強度的直接影響

考慮到數(shù)字經(jīng)濟發(fā)展與農(nóng)業(yè)碳排放強度之間可能存在雙向因果和遺漏變量引致的內(nèi)生性問題，采用數(shù)字經(jīng)濟發(fā)展滯后1 期作為工具變量進行回歸，盡可能緩解模型存在的偏誤問題。表4 的回歸結(jié)果通過了不可識別檢驗和弱工具變量檢驗，證明了工具變量的有效性，且數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的估計系數(shù)仍顯著為負。為穩(wěn)健起見，進一步用萬元地區(qū)農(nóng)業(yè)生產(chǎn)總值的碳排放總量對數(shù)表示碳排放強度替換被解釋變量，結(jié)果顯示，核心解釋變量數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的影響通過1%顯著性水平檢驗。

此外，考慮到數(shù)字經(jīng)濟發(fā)展對不同碳源碳排放強度產(chǎn)生影響，分別對6 類不同碳源進行回歸檢驗。結(jié)果顯示（見表5），數(shù)字經(jīng)濟發(fā)展對6 類農(nóng)業(yè)碳源碳排放強度基本上均為顯著負向影響，與基準回歸結(jié)果類似，說明模型估計結(jié)果較為穩(wěn)健。

表5 31 個省份數(shù)字經(jīng)濟發(fā)展對區(qū)域各類農(nóng)業(yè)碳源碳排放強度的影響

4.2 中介效應檢驗

依據(jù)以上理論分析，數(shù)字經(jīng)濟發(fā)展能夠通過社會化服務路徑對農(nóng)業(yè)碳排放產(chǎn)生影響，基于此進行實證檢驗。結(jié)果如表6 所示，數(shù)字經(jīng)濟發(fā)展對社會化服務的估計系數(shù)顯著為正，說明數(shù)字經(jīng)濟發(fā)展推動了農(nóng)業(yè)全產(chǎn)業(yè)鏈信息技術融合，促進農(nóng)業(yè)轉(zhuǎn)型升級，對農(nóng)業(yè)社會化服務發(fā)展有顯著促進作用；在控制其他變量情況下，社會化服務水平對農(nóng)業(yè)碳排放強度的估計系數(shù)顯著為負，且估計系數(shù)值比未加入中介變量的情況下小，說明了社會化服務在數(shù)字經(jīng)濟發(fā)展降低農(nóng)業(yè)碳排放強度中發(fā)揮了部分中介作用。為確保檢驗結(jié)果的穩(wěn)健性，進一步使用Sobel 方法對中介效應顯著性進行檢驗，結(jié)果顯示農(nóng)業(yè)社會化服務的中介效應顯著存在。H2成立。

表6 31 個省份數(shù)字經(jīng)濟發(fā)展對區(qū)域農(nóng)業(yè)碳排放強度的間接影響

4.3 時間動態(tài)效應檢驗

依據(jù)理論分析，數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度可能存在滯后效應，為此，進一步使用動態(tài)分析，即通過數(shù)字經(jīng)濟發(fā)展變量的滯后期，考察當期的數(shù)字經(jīng)濟發(fā)展對未來幾期內(nèi)農(nóng)業(yè)碳排放強度的影響。將核心解釋變量分別替換為當期、滯后1 期和滯后2 期的數(shù)字經(jīng)濟發(fā)展水平，采用固定效應進行回歸分析。如表7 所示，模型（1）至模型（3）分別報告了在未控制時間固定效應的情況下當期、滯后1期和滯后2 期的數(shù)字經(jīng)濟發(fā)展水平對農(nóng)業(yè)碳排放強度的影響；模型（4）至（6）分別報告了在控制時間和地區(qū)雙向固定效應后當期、滯后1 期和滯后2期的數(shù)字經(jīng)濟發(fā)展水平對農(nóng)業(yè)碳排放強度的影響。結(jié)果顯示，核心解釋變量替換后對農(nóng)業(yè)碳排放強度均呈抑制作用，這說明數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放的影響存在滯后效應，不僅對當期農(nóng)業(yè)碳排放強度具有抑制效應，對將來各期仍存在顯著影響。數(shù)字經(jīng)濟發(fā)展具有周期性特點，在前期，由于相關基礎設施配套不完善等因素造成其對農(nóng)業(yè)碳排放的降低作用有限；隨著時間的推移，數(shù)字經(jīng)濟發(fā)展不斷促進農(nóng)業(yè)技術創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)升級和能源有效利用［57］，通過滯后效應和逐年疊加效果，逐漸實現(xiàn)顯著降碳效果。H3得到驗證。

表7 樣本變量的時間動態(tài)效應檢驗結(jié)果

4.4 空間溢出效應檢驗

采用空間計量模型對數(shù)字經(jīng)濟發(fā)展影響農(nóng)業(yè)碳排放強度的空間溢出效應進行檢驗。首先，采用莫蘭指數(shù)（Moran'sI）檢驗法對關鍵變量進行空間相關性檢驗，只有通過空間相關性檢驗才能進行后續(xù)空間計量分析。Moran'sI指數(shù)的值介于-1 和1 之間，若相對應P值在統(tǒng)計意義上顯著，則表明樣本地區(qū)數(shù)字經(jīng)濟發(fā)展與農(nóng)業(yè)碳排放強度具有明顯空間自相關性。由表8 可知，2010—2020 年數(shù)字經(jīng)濟發(fā)展和農(nóng)業(yè)碳排放強度的Moran'sI指數(shù)雖有波動，卻均呈現(xiàn)顯著的空間正相關性，可初步判定相鄰省份的數(shù)字經(jīng)濟發(fā)展與農(nóng)業(yè)碳排放強度在空間上可能存在高高低低的空間互動。為此，進一步使用空間計量模型對數(shù)字經(jīng)濟發(fā)展與農(nóng)業(yè)碳排放強度的關系進行實證檢驗。

表8 31 個省份數(shù)字經(jīng)濟發(fā)展和區(qū)域農(nóng)業(yè)碳排放的全局莫蘭指數(shù)

為了準確衡量數(shù)字經(jīng)濟發(fā)展影響農(nóng)業(yè)碳排放強度的具體作用方向和程度大小，首先通過拉格朗日乘數(shù)（LM）檢驗判斷空間效應類型，以便選擇模型形式，得到LM-Lag 檢驗、Robust LM-Lag 檢驗、LM-Error 檢驗與Robust LM-Error 檢驗的LM 值分別22.715、26.667、16.981 和20.934，顯著拒絕原假設，表明研究樣本具有空間滯后和空間誤差雙重效應，故考慮使用包含兩種效應的空間杜賓模型。其次，進行估計方法選擇，通過構(gòu)建空間滯后模型（SAR）、空間誤差模型（SEM）以及空間杜賓模型，并分別對樣本進行豪斯曼檢驗，綜合考慮選擇固定效應作為3 種模型的估計方法。最后，進行似然比（LR）檢驗，以避免空間杜賓模型退化為空間滯后模型或空間誤差模型，可得Wald(lag/error)和LR(lag/error)值分別為53.3、59.45、49.76 和54.95，都在1%的顯著性水平下拒絕了兩個退化的原假設，表明空間杜賓模型是較優(yōu)選擇。因此，最終使用固定效應的SDM 模型進行回歸分析。

表9 報告了基于鄰接矩陣的模型估計結(jié)果，觀察結(jié)果發(fā)現(xiàn)，數(shù)字經(jīng)濟發(fā)展變量的估計系數(shù)為負值，且在1% 的統(tǒng)計水平下顯著，表明數(shù)字經(jīng)濟發(fā)展水平越高，對本地區(qū)農(nóng)業(yè)碳排放強度的抑制作用越好；數(shù)字經(jīng)濟發(fā)展水平的空間滯后項系數(shù)為負值，且在1% 的顯著性水平下拒絕原假設，表明數(shù)字經(jīng)濟發(fā)展具有顯著的空間溢出效應，即本地區(qū)的數(shù)字經(jīng)濟發(fā)展水平對其他省份的農(nóng)業(yè)碳排放強度也存在顯著的抑制作用。支持了H4。

4.5 異質(zhì)性分析

（1）區(qū)分地區(qū)經(jīng)濟發(fā)展程度。為深入研究數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度影響的區(qū)域異質(zhì)性特征，以人均實際地區(qū)生產(chǎn)總值均值為劃分標準，綜合考慮地區(qū)經(jīng)濟發(fā)展程度、地理區(qū)位和資源稟賦等因素，將31 個省份劃分為經(jīng)濟發(fā)達地區(qū)（10 個省份）、經(jīng)濟發(fā)展中等地區(qū)（11個省份）以及經(jīng)濟落后地區(qū)（10個省份）1）3 個子樣本，并利用雙向固定效應模型進行回歸分析。結(jié)果如表10 所示，在經(jīng)濟發(fā)達地區(qū)和經(jīng)濟發(fā)展中等地區(qū)，數(shù)字經(jīng)濟發(fā)展水平對農(nóng)業(yè)碳排放強度呈現(xiàn)負向影響，且在5%和1%的統(tǒng)計水平下均顯著，表明數(shù)字經(jīng)濟發(fā)展在促進地區(qū)農(nóng)業(yè)碳減排方面發(fā)揮了積極作用；而對于經(jīng)濟落后地區(qū)，數(shù)字經(jīng)濟發(fā)展對于農(nóng)業(yè)碳排放強度的估計系數(shù)并不顯著，符號方向甚至為正，可能的原因是經(jīng)濟發(fā)展落后地區(qū)數(shù)字化基礎設施較為落后，地區(qū)內(nèi)部“數(shù)字鴻溝”的問題還未得到解決［54］，信息不對稱現(xiàn)象依舊嚴重，難以發(fā)揮數(shù)字經(jīng)濟發(fā)展產(chǎn)生的溢出效應。

表10 區(qū)分經(jīng)濟發(fā)展水平的異質(zhì)性分析結(jié)果

（2）區(qū)分糧食主產(chǎn)區(qū)。農(nóng)業(yè)碳排放易受糧食生產(chǎn)功能區(qū)影響，不同功能區(qū)在農(nóng)業(yè)種植結(jié)構(gòu)、生產(chǎn)方式和農(nóng)藥施用等方面存在差異，且糧食主產(chǎn)區(qū)的種植結(jié)構(gòu)“趨糧化”會增加糧食生產(chǎn)量比重，影響化學品投入水平，改善傳統(tǒng)粗放、高碳生產(chǎn)模式，進而影響農(nóng)業(yè)碳排放［47］。為此，將31 個省份劃分為糧食主產(chǎn)區(qū)（13 個?。┡c非糧食主產(chǎn)區(qū)（18 個省）2）兩個子樣本進行回歸分析。結(jié)果如表11 所示，在非糧食主產(chǎn)區(qū)，數(shù)字經(jīng)濟發(fā)展水平對農(nóng)業(yè)碳排放強度的估計系數(shù)顯著為負，表明隨著數(shù)字經(jīng)濟發(fā)展，非糧食主產(chǎn)區(qū)農(nóng)業(yè)碳減排效果更好；在糧食主產(chǎn)區(qū)，數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的影響效果不顯著，可能的原因是糧食主產(chǎn)區(qū)具有明顯的“趨糧化”特征，較高比例種植糧食作物極易引致農(nóng)業(yè)碳排放總量增加，進而抵消數(shù)字經(jīng)濟發(fā)展的擴散效應［47］；加之數(shù)字技術推廣和農(nóng)村居民數(shù)字素養(yǎng)提升需要一定時間，在早期由于“弱勢群體”排斥心理會導致居民的“數(shù)字鴻溝”擴大，數(shù)字技術推廣受限，只有到數(shù)字技術推廣中后期農(nóng)業(yè)碳減排效應才能呈現(xiàn)［50］，故數(shù)字經(jīng)濟發(fā)展對糧食主產(chǎn)區(qū)的農(nóng)業(yè)碳排放強度影響效果不顯著。

表11 區(qū)分糧食產(chǎn)區(qū)的異質(zhì)性分析結(jié)果

5 結(jié)論與建議

為探討數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)低碳轉(zhuǎn)型和實現(xiàn)“雙碳”目標的影響，加速實現(xiàn)中國農(nóng)業(yè)綠色低碳發(fā)展，本研究系統(tǒng)分析了數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放影響機制及其時空效應，得出如下結(jié)論：（1）數(shù)字經(jīng)濟發(fā)展水對農(nóng)業(yè)碳排放強度有顯著抑制作用，引入工具變量等的穩(wěn)健性檢驗結(jié)論依然成立，且通過提升社會化服務水平這一中介路徑可以間接影響數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的抑制作用；（2）數(shù)字經(jīng)濟發(fā)展對農(nóng)業(yè)碳排放強度的影響確實存在滯后效應，尤其對未來第2 期的區(qū)域農(nóng)業(yè)碳排放強度抑制作用最強；（3）數(shù)字經(jīng)濟發(fā)展具有顯著的空間溢出效應，即本地區(qū)的數(shù)字經(jīng)濟發(fā)展對其他省份的農(nóng)業(yè)碳排放強度也存在顯著抑制作用；（4）數(shù)字經(jīng)濟發(fā)展對經(jīng)濟發(fā)展中等和發(fā)達地區(qū)的農(nóng)業(yè)碳排放有顯著抑制作用，對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放強度不能發(fā)揮顯著抑制作用。

根據(jù)以上結(jié)論，提出如下建議：（1）深入推進數(shù)字經(jīng)濟高質(zhì)量發(fā)展及數(shù)字科技在農(nóng)業(yè)領域的應用，提升農(nóng)業(yè)社會化服務的數(shù)字化水平，進而降低農(nóng)業(yè)碳排放強度。（2）充分利用數(shù)字技術和數(shù)據(jù)要素的時間紅利，形成技術“蓄水池”的規(guī)模效應，鼓勵和引導農(nóng)業(yè)經(jīng)營者盡早采取新型綠色低碳農(nóng)業(yè)數(shù)字技術進行生產(chǎn)。（3）加強數(shù)字經(jīng)濟區(qū)域協(xié)調(diào)發(fā)展，特別是縮小數(shù)字農(nóng)業(yè)基礎設施建設區(qū)域差異性，高質(zhì)量實現(xiàn)空間上信息互聯(lián)互通，讓數(shù)字技術的擴散效應和規(guī)模效應在農(nóng)業(yè)碳減排中發(fā)揮更多作用。（4）重視經(jīng)濟落后地區(qū)和糧食主產(chǎn)區(qū)的數(shù)字經(jīng)濟發(fā)展，加大數(shù)字基礎設施建設力度，提升數(shù)字化技術的普惠性和農(nóng)業(yè)生產(chǎn)領域的應用，進而減少農(nóng)業(yè)碳排放。

注釋：

1）經(jīng)濟發(fā)達地區(qū)包括：北京、天津、上海、江蘇、浙江、福建、山東、廣東、重慶、湖北；經(jīng)濟發(fā)展中等地區(qū)包括：內(nèi)蒙古、遼寧、安徽、河南、四川、江西、湖南、海南、陜西、寧夏、新疆；經(jīng)濟落后地區(qū)包括：河北、吉林、廣西、貴州、云南、西藏、山西、甘肅、黑龍江、青海。

2）糧食主產(chǎn)區(qū)：河北、河南、黑龍江、吉林、遼寧、湖北、湖南、江蘇、江西、內(nèi)蒙古、山東、四川、安徽；非糧食主產(chǎn)區(qū)：北京、天津、上海、浙江、福建、廣東、海南、新疆、山西、寧夏、青海、陜西、甘肅、西藏、云南、貴州、重慶、廣西。