摘 要：基于全國30個省份2013—2022年的面板數據，探究了數字經濟對農業(yè)碳排放的影響及作用機制。研究發(fā)現：第一，數字經濟對農業(yè)碳排放具有顯著的抑制作用，數字經濟發(fā)展水平每提高1%，農業(yè)碳排放量便會下降0.595%。第二，數字經濟發(fā)展會促進地區(qū)經濟發(fā)展水平提升與農機技術進步，進而促進農業(yè)碳減排，其中介作用份額占比分別為12.9%和45.1%。第三，財政支農水平的提高會影響數字經濟在農業(yè)領域的滲透速度，進而擴大數字經濟對農業(yè)碳排放的抑制作用。第四，農村人力資本水平對農業(yè)碳減排存在單一門檻，不同農村人力資本水平下數字經濟對農業(yè)碳排放的抑制作用存在差異。第五，數字經濟對農業(yè)碳排放的影響存在區(qū)域與地形異質性，具體而言，在糧食主產區(qū)和產銷平衡區(qū)數字經濟表現出了顯著的抑制作用，而在糧食主銷區(qū)不甚明顯；在陡峭地區(qū)數字經濟的減碳效應相較于平緩地區(qū)更強。

關鍵詞：數字經濟；農業(yè)碳排放；農業(yè)碳減排；“雙碳”目標

中圖分類號：F49 文獻標識碼：A 文章編號：1003-7543（2024）09-0084-16

在過往的農業(yè)發(fā)展歷程中，為確保糧食安全以及各類農產品的充分供給，追求產量成為第一要務，而這往往伴隨著農用物資的大量使用以及畜禽生產規(guī)模的持續(xù)擴大，由此導致農業(yè)碳排放量不斷增加。聯合國糧農組織（FAO）和氣候變化專門委員會（IPCC）一致指出，農業(yè)部門是溫室氣體的第二排放源?！吨腥A人民共和國氣候變化第二次國家信息通報》同樣顯示，農業(yè)生產活動是溫室氣體的重要來源之一，其對氣候變化的影響不容小覷。中國作為農業(yè)大國，其農業(yè)生產低碳轉型對于全球碳減排具有重要意義。國際層面，中國在第七十五屆聯合國大會上明確提出“碳達峰、碳中和”的“雙碳”目標，這也要求包括農業(yè)在內的各行各業(yè)均應有所貢獻；國內層面，《中共中央 國務院關于完整準確全面貫徹新發(fā)展理念做好碳達峰碳中和工作的意見》將農業(yè)確立為“雙碳”工作先行先試的五大領域之一，這為農業(yè)生產低碳發(fā)展提供了政策依據。

與此同時，隨著我國步入新發(fā)展階段，經濟發(fā)展方式和國內主要矛盾發(fā)生變化，傳統(tǒng)基建所能發(fā)揮的邊際貢獻逐漸降低，而以5G基站、大數據中心、互聯網為代表的新型基礎設施有力促進了互聯網經濟、數字電商等的迅猛發(fā)展，充分展現了其在新發(fā)展階段潛在的巨大效益。新型基礎設施建設有助于促進數字經濟發(fā)展。數字經濟是以數字化的信息和數據為基本生產要素、以現代信息網絡為重要載體、以數字信息通信技術的有效使用為效率提升和經濟結構優(yōu)化的重要推動力的一系列經濟活動。伴隨著“寬帶中國”“數字鄉(xiāng)村”“數商興農”等戰(zhàn)略的實施，數字技術與數字要素在農業(yè)生產領域得以廣泛投入和使用，而隨著數字經濟逐步深入農業(yè)領域，農業(yè)生產經營的信息基礎設施和物資設備會進一步升級，并進一步推動農業(yè)資源利用水平與農機技術的提高，進而助力農業(yè)數字化和低碳化的協同共進。然而，在目前農業(yè)碳排放的一些相關研究中，數字經濟較少出現。

針對農業(yè)碳排放問題，學者們已經展開大量研究，主要集中在以下三個方面：一是農業(yè)碳排放的來源與測算。國外學者較早界定了農業(yè)碳源［1-2］，主要涉及化肥、農藥、水稻種植、畜牧養(yǎng)殖、農業(yè)廢棄物等；與此同時，國內學者也圍繞農業(yè)碳排放展開了大量測算，其中部分學者聚焦于某一方面，例如禽畜養(yǎng)殖［3］、農用物資投入［4］、農地利用［5］等，而更多的學者傾向于從多個維度對農業(yè)碳排放進行系統(tǒng)測算，初期僅將化肥、農藥、農膜、柴油、翻耕和農業(yè)灌溉作為核心碳源［6］，后續(xù)則增加了禽畜養(yǎng)殖和土壤碳庫破壞［7］、農業(yè)能源消耗［8］等，農業(yè)碳排放測算體系得到了極大完善。二是農業(yè)碳排放時空特征與驅動機理研究。其中，一些學者對中國農業(yè)碳排放的時空特征進行了深度探討，結果顯示，中國農業(yè)碳排放在時間維度上無論是總量還是強度均呈下降態(tài)勢，但同時也存在一定的年際波動；而在空間維度上，農業(yè)碳排放總量省際差異較大，農業(yè)碳排放強度則呈現明顯的“西高東低”格局［8-10］。另一些學者剖析了中國農業(yè)碳排放的驅動機理，多借助KAYA恒等式［11］、STIRPAT模型［12］和LMDI模型［13］等分析方法，發(fā)現經濟水平、產業(yè)結構、技術進步等是農業(yè)碳排放數量變化的關鍵動因。三是農業(yè)碳減排的路徑研究。雖然有不少學者傾向于探究經濟發(fā)展、技術進步與農業(yè)碳排放的相關關系［14-15］，但也有學者從其他視角探究農業(yè)碳減排的實現路徑。例如，適度規(guī)?；l(fā)展能顯著降低農業(yè)碳排放，但種植規(guī)模過大會導致農業(yè)碳排放增加［16］；又如，糧食主產區(qū)政策的頒布實施能促進農業(yè)規(guī)?；l(fā)展，提高資源利用效率，進而實現農業(yè)碳排放總量、強度和密度的同步降低［17］；再如，新型城鎮(zhèn)化對農業(yè)碳排放存在非線性的抑制效應，超過門閾值其影響程度便會減?。?8］。

毋庸置疑，目前有關農業(yè)碳排放的研究日趨豐富，為農業(yè)碳減排路徑的深入探索以及相關政策的制定提供了重要的理論支撐。但與此同時，現有研究較少關注到數字經濟，具體表現在兩個方面：一是鮮有學者將數字經濟與農業(yè)碳排放納入同一研究框架并探究二者間的關系，而在數字賦能鄉(xiāng)村振興的時代背景下，研究數字經濟對農業(yè)碳排放的影響及作用機制具有重要意義；二是對于數字經濟促進農業(yè)碳減排的機制分析尚停留于表面，整體研究還需進一步深入。鑒于此，本文基于中國30個省份2013—2022年的面板數據，全面系統(tǒng)地考察數字經濟對農業(yè)碳排放的影響及其作用機理，以對現有研究形成有效補充，同時也為相關部門的政策制定提供參考依據。

一、理論分析與研究假設

隨著新型基礎設施的飛速發(fā)展，數字經濟以其高效便捷的優(yōu)勢逐漸滲透至人類生活的各個領域，為經濟社會發(fā)展帶來前所未有的變革機遇。其中，數字經濟對農業(yè)降碳減污的影響更是當下學者們研究的熱點，數字經濟發(fā)展不僅能直接作用于農業(yè)生產、運輸、銷售等環(huán)節(jié)，還能通過一系列間接效應深刻改變農業(yè)碳排放格局。為此，本文從數字經濟自身特點與發(fā)展狀況出發(fā)，構建數字經濟促進農業(yè)碳減排的邏輯框架（見圖1，下頁）。

（一）數字經濟對農業(yè)碳排放的直接影響

數字經濟包含兩方面：一是以數據采集、存儲、加工、分析和應用為主的數字信息要素；二是以云計算和精準識別等為代表的數字技術要素。數字經濟進入農業(yè)生產領域，將逐步改造傳統(tǒng)的農業(yè)生產模式，打造現代農業(yè)產業(yè)新業(yè)態(tài)，從生產、運輸、銷售等各個方面對農業(yè)碳排放產生影響［19］。數據作為與土地、勞動力、資本、技術并列的第五大要素，其對農業(yè)生產模式能產生重要影響。比如，通過收集整理農業(yè)生產中的大數據，為農業(yè)生產決策提供依據，促進農業(yè)信息化、智能化發(fā)展；又如，氣候監(jiān)測、衛(wèi)星影像等要素的興起，可以幫助農田實施精準管控、科學施肥、實時預警災害等，既減少了農藥、化肥等農資浪費，還能提高資源利用效率，進而降低農業(yè)排放量。與此同時，數字經濟發(fā)展能夠推動數字技術擴散至農業(yè)領域，助力其高質量發(fā)展［20］，衛(wèi)星定位系統(tǒng)、遙感技術、地理信息系統(tǒng)、高精度傳感器等技術的完善，可以促進智慧農機的廣泛使用，通過全自動耕作提高農機技術進步，減少不必要的土壤翻耕活動，降低對土壤碳庫的影響；數字技術同樣變革著農業(yè)生產經營方式，促進農業(yè)生產規(guī)模化與集約化，為農業(yè)發(fā)展帶來規(guī)模經濟效應，進而有效推動農業(yè)碳減排?；诖耍岢鋈缦录僬f：

假說1：數字經濟發(fā)展能夠_{hU9rzGCWo6d+MV7YgsKQTQ8tp2vvgxiSsgg5g7ZdESU=}促進農業(yè)碳減排。

（二）數字經濟對農業(yè)碳排放的間接影響

數字經濟對于農業(yè)碳排放的影響不僅體現在直接層面，其還能通過一些中介效應對農業(yè)碳排放產生間接影響。

一方面，數字經濟能夠通過數字產業(yè)化與產業(yè)數字化推動經濟高質量發(fā)展。數字產業(yè)化體現在數據、信息等資源的利用，通過大數據可以聯結市場各主體、減少交易摩擦，進而推動各類生產要素自由流通，為經濟發(fā)展增強活力。產業(yè)數字化體現在各行業(yè)對數字要素、數字技術的應用，通過構建產業(yè)新模式來激發(fā)行業(yè)活力。因此，數字經濟發(fā)展能夠很大程度上推動地區(qū)經濟高質量發(fā)展［21］?，F有研究表明，經濟發(fā)展與農業(yè)碳排放之間存在著緊密聯系［22］，隨著經濟發(fā)展水平的提高，農業(yè)碳排放水平會逐步降低。

另一方面，數字要素與數字技術能夠推動農業(yè)生產集約化、高效化、智能化，信息技術使得農業(yè)生產方式不斷變革，通過線上平臺與農產品電商市場，農民可以接觸到更廣闊的需求市場，進一步推動農業(yè)規(guī)?；洜I［23］，同時衛(wèi)星定位、信息識別、智能設備和全自動農機等技術的應用，可以增加農機科技含量，推動農業(yè)技術進步，從而提高農業(yè)資源利用效率、優(yōu)化產出投入結構。而農機技術進步在一定程度上不僅可以減少農資的使用，還能有效規(guī)避其存在的不合理利用問題，促進農業(yè)碳排放減少?；诖?，提出如下假說：

假說2：數字經濟能夠通過推動地區(qū)經濟發(fā)展與農機技術進步進一步促進農業(yè)碳減排。

（三）政府財政支農水平的調節(jié)作用

數字經濟的快速發(fā)展很大程度上得益于新型基礎設施的逐步完善，而互聯網、寬帶、光纖網絡等基礎設施的建設主體多為政府，故而政府加大財政支農力度不僅可以幫助農村不斷完善新型基礎設施，還可通過相關購置補貼的設立助力智慧農機推廣，通過專項資金的扶持激發(fā)農業(yè)科技創(chuàng)新并保障農業(yè)氣象信息的及時發(fā)布，這些行動都能推動數字經濟更快地滲透至“三農”領域，切實提高農業(yè)數字化程度［24］?；诖?，提出如下假說：

假說3：政府財政支農水平能夠擴大數字經濟對農業(yè)碳排放的抑制作用。

（四）農村人力資本水平的門檻效應

基于前文理論分析可知，數字經濟對農業(yè)碳排放的影響不只存在單一作用機制，因而本文認為其對農業(yè)碳排放的影響并不是簡單的線性相關，而是存在一定的非線性關系。中國數字經濟在區(qū)域、城鄉(xiāng)、工農層面均存在顯著差距，這不僅與地區(qū)經濟發(fā)展水平、基礎設施建設狀況等因素相關，還可能受到人力資本水平的影響［25］。伴隨著高素質人才的不斷流失，農村往往成為老人、婦女和兒童的集聚地［26］，較低的受教育水平導致數字經濟在進入農業(yè)領域時所受到的阻礙要大于第二產業(yè)和第三產業(yè)，農村人力資本水平可能會影響到數字經濟在農業(yè)領域的作用發(fā)揮程度?；诖?，提出如下假說：

假說4：數字經濟對農業(yè)碳排放的影響存在農村人力資本水平門檻。

二、研究方法與數據來源

（一）基準模型設定

為驗證數字經濟對農業(yè)碳排放的影響，構造如下固定效應面板數據模型：

Carbonit=α+βDigiit+γControlit+μi+σt+εit（1）

式（1）中：Carbonit表示農業(yè)碳排放指標，包含農業(yè)碳排放總量、農業(yè)碳排放強度和農業(yè)碳排放密度；Digiit表示數字經濟發(fā)展水平指數；Controlit表示一系列控制變量；μi表示控制個體效應，σt表示控制時間效應，εit表示殘差項。

（二）變量選取

1.核心被解釋變量：農業(yè)碳排放總量（Ac）

本文參照田云和尹忞昊［8］的研究，從農業(yè)能源利用、農資投入、水稻種植和畜禽養(yǎng)殖四方面對農業(yè)碳排放量進行考察。其中，農業(yè)能源碳排放主要體現在農業(yè)生產過程中煤炭、汽油、煤油、天然氣等12種能源的使用，對應的碳排放系數也基于該文獻所提供的思路。農資利用碳排放主要通過化肥、農藥和農膜的使用量測算得來［6］。水稻的種植地域范圍較大，且不同種植環(huán)境下的水稻排放系數存在差異，因而將水稻按照種植時間分為早稻、中稻和晚稻三類進行碳排放測算更為合理，相關排放系數出自閔繼勝和胡浩［7］的研究。畜禽養(yǎng)殖碳排放來源于動物的腸道發(fā)酵與糞便管理，主要產生甲烷和氧化亞氮，具體涉及牛、馬、驢、騾、羊、豬等動物，各自排放系數均來自IPCC①。為方便比較，在計算中要將碳、甲烷和氧化亞氮統(tǒng)一轉換成標準二氧化碳，三者的轉化系數依次為44/12、25和298。據此，本文構建農業(yè)碳排放測算公式如下：

Ac=∑Acc=∑Tc×δc（2）

式中，Ac表示農業(yè)碳排放總量，c表示各類不同的農業(yè)碳源因子，Tc表示不同碳源因子的總量，δc表示各類碳源因子對應的碳排放系數。同時，為確保實證結果的準確性，本文進一步選用農業(yè)碳排放強度（Aci）、農業(yè)碳排放密度（Acd）作為因變量的替換變量進行穩(wěn)健性檢驗。參照田云和尹忞昊［8］的研究，農業(yè)碳排放強度利用每萬元農業(yè)產值所對應的碳排放量進行衡量，農業(yè)碳排放密度用每公頃農地面積所產生的碳排放量進行表征。

2.核心解釋變量：數字經濟發(fā)展水平（Digl）

目前有關數字經濟發(fā)展水平的測度方法相對統(tǒng)一，其衡量體系也逐漸完善，主要包含數字基礎設施、數字產業(yè)化、產業(yè)數字化等不同維度，不過學者們在具體指標的選取上存在一定差異。就現有研究來看，大多數學者更傾向選用一些能夠突出區(qū)域內數字經濟整體發(fā)展水平的細化指標，比如互聯網寬帶用戶接入數［27］、軟件業(yè)務收入［28］、移動電話基站［29］等。而本文主要聚焦于數字經濟對農業(yè)碳排放的影響，因而在構建測算指標體系時更傾向于選擇能體現“三農”數字化發(fā)展水平的指標。具體而言，本文在參照已有相關文獻［27-30］的基礎上，構建數字經濟發(fā)展水平測算指標體系（見表1）。

數字經濟發(fā)展水平的測度方法主要包括層次分析法、主成分分析法、熵值法。相較于前兩類分析方法，熵值法所得權重更為客觀，為此本文采用該方法對數字經濟發(fā)展水平進行測度，具體步驟如下：

第一步，對數據進行標準化處理：

zij=［xij-min（xj）］/［max（xj）-min（xj）］（3）

由于本文選用的均為正向指標，因而不需要進行正向化處理；式（3）中，zij為標準化后的第i個省份的第j個指標數值，i=1，2…30，j=1，2…14。

第二步，計算第j個指標下第i個樣本占該指標的比重：

第三步，計算第j個指標的熵值：

其中，k>0，ej>0；一般而言，k=1/ln30，0≤e≤1。

第四步，計算第j個指標的信息效用值：

dj=1-ej（6）

第五步，計算各項指標的權重：

第六步，計算綜合得分：

具體到本文，對14項指標的各自權重wj與其指標比重pij的乘積進行加總，即可得到數字經濟發(fā)展的綜合水平。

3.中介變量：地區(qū)經濟發(fā)展水平（Gdp）和農機技術進步（Amt）

本文選用地區(qū)經濟發(fā)展水平作為數字發(fā)展效益的替代變量，以人均地區(qū)生產總值進行表征，實際分析中對其取對數；選用農機技術進步作為數字發(fā)展效率的替代變量，以每千瓦農業(yè)機械動力的農業(yè)科研投入存量進行表征，其中農業(yè)科研投入存量的計算方式參照陳斌開和林毅夫［31］的方法。

4.調節(jié)變量：財政支農水平（Asup）

參照盧奕亨等［32］的研究，本文以政府農林水事務財政支出與農林牧漁業(yè)總產值的比值來表征財政支農水平。

5.門檻變量：農村人力資本水平（Rhc）

本文選用農村人均受教育年限來衡量農村人力資本水平，不同水平下的人力資本可能會影響到鄉(xiāng)村地區(qū)對于數字經濟的接受程度。

6.控制變量

結合已有相關研究，本文選取農業(yè)產業(yè)結構（Ais）［8］、農業(yè)經濟發(fā)展水平（Agdp）［8］、環(huán)境規(guī)制水平（Er）［8］、城鎮(zhèn)化水平（Ur）［15］、農作物受災水平（Dam）［15］、農村用電水平（El）［33］和地區(qū)農業(yè)占比（Is）［15］作為控制變量。其中，農業(yè)產業(yè)結構以種植業(yè)與農林牧漁業(yè)總產值的比值來表示；農業(yè)經濟發(fā)展水平以第一產業(yè)從業(yè)人員人均農業(yè)增加值進行衡量；環(huán)境規(guī)制水平以環(huán)境污染治理投資與地區(qū)生產總值之比進行衡量；城鎮(zhèn)化水平主要通過城鎮(zhèn)人口與地區(qū)總人口之比進行表征；農作物受災水平以農作物受災面積與農作物總播種面積的比值進行表示；農村用電水平以鄉(xiāng)村人口人均用電量來表示；地區(qū)農業(yè)占比以第一產業(yè)增加值占地區(qū)生產總值的比重進行衡量。

7.其他變量

在論文后續(xù)的穩(wěn)健性檢驗及異質性分析過程中，為確保研究結果的科學性和合理性，加入一些其他變量予以輔助探討。在此，參照魏夢升等［15］的研究，選取農業(yè)勞動力投入水平（Emp）與農田灌溉水平（Ir）作為后續(xù)實證分析的輔助變量。其中，農業(yè)勞動力投入水平以第一產業(yè)從業(yè)人數進行表征，實際分析中對其取對數；農田灌溉水平采用有效灌溉面積與農作物播種面積的比值進行表示。

（三）數據來源及處理

農業(yè)碳排放測算所涉及的基礎數據主要來源于《中國統(tǒng)計年鑒》《中國農村統(tǒng)計年鑒》以及國家統(tǒng)計局和EPS數據庫等。數字經濟測算所涉及的基礎數據主要來源于《中國統(tǒng)計年鑒》、國家統(tǒng)計局、北京大學數字金融研究中心和中國互聯網絡信息中心等。各類變量涉及的原始數據多數來源于《中國統(tǒng)計年鑒》《中國農業(yè)年鑒》《中國農村統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》以及國家統(tǒng)計局、國泰安數據庫等。各地農村人均受教育年限數據源自中國人力資本與勞動經濟研究中心的人力資本動態(tài)數據網。實際分析中，對于部分指標在個別年份存在的數據缺漏問題，采用線性插值法、均值插值法予以補全；對于個別異常值則予以必要修正；對于農林牧漁總產值、農業(yè)總產值、畜牧業(yè)總產值、農業(yè)增加值、地區(qū)生產總值等各類經濟數據均以2013年為基期進行不變價處理。鑒于西藏、港澳臺地區(qū)的全部或者部分數據較難獲取，因而不在本次研究的考察之列。實證研究所涉及變量的描述性統(tǒng)計結果如表2（下頁）所示。

三、結果分析

（一）基準模型回歸

多重共線性檢驗結果顯示，方差膨脹因子值為2.09，明顯小于5，由此可以判定各變量之間不存在嚴重的多重共線性問題；同時，根據LM檢驗、F檢驗以及Hausman檢驗結果可以確定時間、個體雙固定效應模型適用于本文。為確保研究結果的穩(wěn)健性，本文采用逐步加入變量的方式進行基準回歸，相關結果如表3（下頁）所示。其中，列（1）為數字經濟對農業(yè)碳排放的單變量回歸；列（2）加入控制變量農業(yè)產業(yè)結構與農業(yè)經濟發(fā)展水平；列（3）進一步加入控制變量環(huán)境規(guī)制水平、城鎮(zhèn)化水平、農作物受災水平；列（4）繼續(xù)加入控制變量農村用電水平、地區(qū)農業(yè)占比，從而形成最終的基準模型。

回歸結果顯示，隨著各個控制變量的持續(xù)加入，模型的擬合優(yōu)度不斷提升，同時數字經濟的系數一直保持顯著且數值變化較小。結合列（4）結果可知，數字經濟對農業(yè)碳排放存在明顯的削減作用，具體表現為，數字經濟發(fā)展水平每提高1%，農業(yè)碳排放總量便會下降0.595%，假說1得以驗證。由此可見，數字經濟發(fā)展能夠推動信息與技術要素滲入農業(yè)，一方面，在網絡環(huán)境內可以迅速地接收和分享更多有用信息，不僅利于農業(yè)生產部門實現資源的優(yōu)化配置，還有助于幫助農戶樹立綠色發(fā)展理念，形成非正式的云端環(huán)境規(guī)制；另一方面，數字技術與農業(yè)緊密融合可以助力農戶精確掌握農田生產動態(tài)，從而提高農資利用效率，減少因浪費而產生的溫室氣體，進而達到農業(yè)碳減排的目的。

控制變量中，農業(yè)經濟發(fā)展水平對農業(yè)碳排放存在明顯的促進作用，即農業(yè)經濟生產活動越頻繁，所產出的農業(yè)碳排放量也會隨之提升。環(huán)境規(guī)制水平對農業(yè)碳排放具有明顯的抑制作用，一方面政府制定合理的環(huán)境規(guī)制和降碳策略能夠有效減少破壞環(huán)境的農事活動，另一方面因地制宜開展環(huán)境治理和修復工程可以有力維護農業(yè)生態(tài)系統(tǒng)、強化農業(yè)碳匯功能并減弱其碳排效應。城鎮(zhèn)化水平對農業(yè)碳排放存在正向影響，可能的原因是，伴隨城鎮(zhèn)化率的逐步提高，農村人口不斷減少，為彌補勞動力的不足，不少農戶會加大對農機的使用力度，柴油、電力等能源的消耗由此增加，農業(yè)碳排放量則隨之增長。農作物受災水平對農業(yè)碳排放具有促進作用，農田災害會造成農作物產量受到影響，一些農民為彌補損失會選擇補種其他農作物，在此過程中必然會投入新的農用物資，從而在一定程度上導致農業(yè)生產碳排放增加。農村用電水平的提升對農業(yè)碳排放具有一定負向影響，可能的原因是高效電力農耕設備在一定程度上能夠取代老舊農機，加快閑置或廢棄農機的更新換代，提高能源利用效率，進而減少農業(yè)碳排放。

（二）內生性檢驗

為降低遺漏變量可能帶來的內生性問題，本文加入較多的控制變量并同時應用時間、個體雙固定效應模型，以此控制在時間、個體維度上不可觀測因素對實證結果帶來的干擾。即便如此，模型設定仍然可能存在因雙向因果帶來的內生性問題，為此，接下來通過滯后一期核心解釋變量再回歸、工具變量法運用等方式對模型展開進一步的內生性檢驗。

1.滯后一期核心解釋變量

將數字經濟發(fā)展水平滯后一期納入模型進行回歸，其結果如表4（下頁）列（1）所示。從中不難發(fā)現，滯后項的系數顯著且作用方向為負，即滯后一期的數字經濟依舊對農業(yè)碳排放存在抑制作用，由此可以排除反向因果帶來的內生性問題。

2.工具變量法

參照黃凱南和郝祥如［34］、李治國和王杰［35］的研究成果，選取1983年各省份的郵電歷史數據作為數字經濟發(fā)展的工具變量。之所以如此考慮，是因為郵電歷史發(fā)展水平在一定程度上可以影響未來數字基礎設施的發(fā)展，且其與當前農業(yè)碳排放水平相關性較弱，滿足排他性要求。由于該歷史數據為截面數據，而本文是基于面板數據進行考察，因而需構建面板工具變量。具體而言，以1983年郵局數量與2013—2022年互聯網普及率的交互項和1983年郵電業(yè)務總量與年份啞變量的交互項作為數字經濟發(fā)展水平的兩個工具變量，進而通過兩階段最小二乘法（2SLS）對模型內生性進行檢驗，相關結果如表4列（2）、列（3）所示。

其中，列（2）是使用郵局數量與移動電話普及率構造的工具變量，列（3）為使用郵電業(yè)務總量與年份啞變量構造的工具變量。不可識別檢驗結果顯著拒絕了“不滿秩”的原假設，故可以使用工具變量法。而在弱工具變量檢驗中，C-D Wald F檢驗統(tǒng)計量要明顯大于10%顯著水平下的臨界值，故不存在弱工具變量問題，因而歷史郵電數據的選擇是合適的。綜上，在控制內生性問題后，本文研究結論依然成立。

（三）穩(wěn)健性檢驗

前文采用逐步回歸法進行基準回歸，其結果在一定程度已具有穩(wěn)健性。接下來，通過替換回歸模型、替換被解釋變量、增加控制變量等方式進一步檢驗研究結果的穩(wěn)健性。具體而言，首先是替vsQawMyoqGvAJBzMwkS9S6iqQ5lAx3r/CwpQzDhNHQM=換回歸模型，用隨機效應模型替換固定效應模型進行穩(wěn)健性檢驗，其結果如表5（下頁）列（1）所示；其次是替換被解釋變量，依次將農業(yè)碳排放強度和農業(yè)碳排放密度納入回歸模型替換農業(yè)碳排放而進行穩(wěn)健性檢驗，其結果如表5列（2）、列（3）所示；最后是增加控制變量，將農業(yè)勞動力投入水平和農田灌溉水平納入回歸模型進行穩(wěn)健性檢驗，其結果如表5列（4）所示。綜合結果不難發(fā)現，數字經濟對農業(yè)碳排放的負向影響依然穩(wěn)健。

（四）中介效應檢驗

接下來，依次加入機制變量地區(qū)經濟發(fā)展水平、農機技術進步展開進一步回歸，以探究二者在數字經濟影響農業(yè)碳排放的機制中是否發(fā)揮了傳導作用。具體采用逐步回歸法驗證其作用機制，相關結果如表6所示。其中，列（1）為基準回歸結果，屬于中介檢驗三步法的第一步；列（2）、列（3）為中介變量地區(qū)發(fā)展水平的檢驗結果；列（4）、列（5）為中介變量農機技術進步的檢驗結果。

一方面，數字經濟對地區(qū)經濟發(fā)展水平具有顯著的促進作用，而地區(qū)經濟發(fā)展水平對農業(yè)碳排放表現出了顯著的抑制作用，即數字經濟發(fā)展水平越高，地區(qū)經濟發(fā)展水平也越高，農業(yè)碳排放量越少。同時，從逐步回歸結果來看，地區(qū)經濟發(fā)展水平在數字經濟對農業(yè)碳排放的作用過程中發(fā)揮著部分中介作用，其中介效應與總效應的比值為0.129，表明數字經濟對農業(yè)碳排放的影響約有12.9%是通過地區(qū)經濟發(fā)展水平的中介效應實現的?？赡艿慕忉屖?，數字經濟能夠通過數字產業(yè)化與產業(yè)數字化推動地區(qū)經濟發(fā)展，而經濟快速增長通常伴隨著城鎮(zhèn)化與工業(yè)化進程加快，其中城鎮(zhèn)化意味著農村勞動力持續(xù)外流，工業(yè)化意味著農業(yè)在地區(qū)產業(yè)結構中的占比下降，在此消彼長的過程中農戶與農業(yè)會淪為相對弱勢的一方，在市場資源配置中所能得到的投入逐步減少，從而客觀上導致農業(yè)碳排放的減少。

另一方面，數字經濟對農機技術進步表現出顯著的促進作用，而農機技術進步對農業(yè)碳排放則存在顯著的抑制作用，即數字經濟發(fā)展水平越高，農機技術進步也越快，進而推動農業(yè)碳排放量減少。同時，由逐步回歸結果可知，農機技術進步在數字經濟影響農業(yè)碳排放的過程中同樣發(fā)揮著部分中介效應，其中介效應與總效應的比值為0.451，表明數字經濟對農業(yè)碳排放的影響約有45.1%是通過農機技術進步實現的。可能的解釋是，數字經濟發(fā)展有助于農業(yè)新技術的研發(fā)與擴散，而精準定位系統(tǒng)、識別系統(tǒng)的合理配備可以極大提升農業(yè)機械投入的科技含量，進而提高農機工作效率，推動農業(yè)產出水平的提高，并在一定程度上減少對化肥、農藥等農用物資的依賴程度，切實促進生產要素精準增效，農業(yè)碳排放也隨之減少；同時，數字經濟發(fā)展也能加快農機的更新換代進程，伴隨著高耗低效的老舊農機被新農機逐步替代，同等工作量下的能源消耗會有所減少，農業(yè)碳排放隨之降低。綜上，假說2得以驗證。

（五）調節(jié)效應檢驗

數字經濟發(fā)展不僅與地區(qū)新型基礎設施建設的整體水平有關，而且與地方政府的財政支農力度密切相關，其會影響數字經濟在農業(yè)領域的滲透速度，進而在一定程度上影響數字經濟抑制農業(yè)碳排放的程度。為此，有必要驗證政府財政支農水平對數字經濟抑制農業(yè)碳排放的調節(jié)作用，相關結果如表7所示。其中，列（1）未加入調節(jié)變量，列（2）加入調節(jié)變量財政支農水平，列（3）是在列（2）的基礎上先中心化變量而后進行調節(jié)效應檢驗。從中不難發(fā)現，數字經濟與政府財政支農水平交互項的系數符號與數字經濟的系數符號相同。由此可見，財政支農水平存在明顯的調節(jié)效應，即財政支農水平的提升能夠擴大數字經濟對農業(yè)碳排放的抑制作用。據此，假說3得以驗證。

（六）門檻效應檢驗

數字經濟在“三農”領域的滲透程度，取決于農村新型基礎設施建設水平，可能受到農村人力資本水平的影響。實踐中，人力資本水平會對數字經濟的傳播廣度、滲透深度產生影響。在不同農村人力資本水平下，數字經濟抑制農業(yè)碳排放的作用程度可能存在差異。為驗證這一假說，本文以農村人均受教育年限作為農村人力資本水平的參照變量進行門檻效應檢驗，自舉次數設置為500，同樣在控制變量中加入農業(yè)勞動力投入水平和農田灌溉水平進行回歸。由表8結果可知，應選用單一門檻效應模型，門檻值為8.804。

表9為數字經濟的單門檻效應回歸模型結果。利用門檻值8.804將數字經濟對農業(yè)碳排放的影響分成兩個區(qū)間，在第一區(qū)間（Rhc<8.804）內，數字經濟對農業(yè)碳排放的影響系數為-0.759，在第二區(qū)間（Rhc≥8.804）內，數字經濟對農業(yè)碳排放的影響系數為-5.186。整體而言，數字經濟發(fā)展對于農業(yè)碳排放的抑制作用一直存在，但在門檻變量的影響下，隨著農村人均受教育年限的提高，數字經濟對農業(yè)碳排放的抑制作用更為顯著。可能的原因是，當農村居民受教育程度較低時，其對于新事物、新技術的接納有一定困難，同時應用擴散也較為緩慢，因而數字經濟的作用發(fā)揮在時間上存在一定滯后性、在空間上存在一定封閉性，從而影響了其對農業(yè)碳排放的抑制作用；而隨著農村人均受教育年限的上升，農村居民的綜合素質得到明顯提高，對于數據信息的接受速度更快、理解能力更強，數字軟件應用也更為熟練，此時數字經濟在農業(yè)生產領域得以快速滲透，對于農業(yè)碳排放的抑制作用也表現得更突出。

四、異質性分析

（一）區(qū)域異質性檢驗

這里將各省份分為糧食主產區(qū)、糧食主銷區(qū)和產銷平衡區(qū)①。而后，基于此進行分組回歸，以檢驗數字經濟對農業(yè)碳排放的影響是否存在區(qū)域異質性，具體結果如表10（下頁）所示。結果顯示，數字經濟發(fā)展水平對于農業(yè)碳排放總量的抑制作用存在明顯的區(qū)域異質性。具體而言，數字經濟對于農業(yè)碳排放的抑制作用僅在糧食主產區(qū)與產銷平衡區(qū)顯著，而在糧食主銷區(qū)則不顯著。可能的原因是，糧食主產區(qū)和產銷平衡區(qū)通常擁有較大的農業(yè)規(guī)模和較好的農業(yè)基礎，這些地區(qū)往往更加依賴農業(yè)生產，對農業(yè)技術的投入和應用也更為積極，數字經濟的發(fā)展能夠更有效地滲透到這些地區(qū)的農業(yè)生產過程中，推動農業(yè)技術的創(chuàng)新和應用，從而減少碳排放。相較而言，糧食主銷區(qū)的農業(yè)占比普遍更低，整體對農業(yè)的重視程度不足，且區(qū)域發(fā)展更多地依賴于工業(yè)和服務業(yè)，農業(yè)資源投入有限，這使得數字經濟在農業(yè)領域的滲透和影響相對較弱，難以顯著抑制農業(yè)碳排放。

（二）地形異質性檢驗

依據地勢起伏程度［36］的不同，將各省份劃為陡峭地區(qū)與平緩地區(qū)①進行分組回歸，以檢驗地形對農業(yè)碳排放的影響是否存在異質性特征，相關結果如表11所示。

數字經濟在陡峭與平緩地區(qū)都能對農業(yè)碳排放產生較為明顯的抑制作用，且在地形陡峭的地區(qū)其抑制作用更強一些?？赡艿脑蚴?，陡峭地區(qū)地勢起伏程度較大，農業(yè)發(fā)展在一定程度上會受到限制，農村居民對農業(yè)生產依附性較低，隨著數字經濟發(fā)展帶來的就業(yè)便利，農村居民可能會放棄農業(yè)生產而選擇外出務工，個人農事活動隨之減少，客觀上推動了農業(yè)碳排放的減少；而平緩地區(qū)地勢起伏程度較小，更便于各類農業(yè)生產經營活動的開展，其農事活動具有更高的穩(wěn)定性［37］，因而數字經濟對其農業(yè)碳排放的影響程度會略低一些。

五、研究結論與政策建議

本文通過分析數字經濟發(fā)展對農業(yè)碳排放的影響及作用機制，得到以下主要結論：第一，數字經濟對農業(yè)碳排放具有顯著的抑制作用。具體而言，數字經濟發(fā)展水平每提高1%，農業(yè)碳排放量便會下降0.595%。控制變量中，僅環(huán)境規(guī)制水平對農業(yè)碳排放表現出了抑制作用，而農業(yè)產業(yè)結構、城鎮(zhèn)化水平、農作物受災水平等其他通過顯著性檢驗的變量均呈現正向影響。第二，地區(qū)經濟發(fā)展水平、農機技術進步在數字經濟影響農業(yè)碳排放的過程中發(fā)揮著部分中介作用。其作用機制表現為，數字經濟發(fā)展會提升地區(qū)經濟發(fā)展水平、推動農機技術進步，進而促進農業(yè)碳減排。具體而言，地區(qū)經濟發(fā)展水平和農機技術進步的中介效應占比分別為0.129和0.451，表明在數字經濟促進農業(yè)碳減排的過程中，有12.9%和45.1%的作用分別是由地區(qū)經濟發(fā)展水平和農機技術進步變化引起的。第三，財政支農水平對數字經濟抑制農業(yè)碳排放具有調節(jié)作用。具體而言，財政支農水平的提高會影響數字經濟在農業(yè)領域的滲透速度，進而擴大數字經濟對農業(yè)碳排放的抑制作用。第四，數字經濟在影響農業(yè)碳排放的過程中存在農村人力資本水平門檻。具體而言，在不同農村人力資本水平下，數字經濟對農業(yè)碳排放的抑制作用存在差異，當農村人力資本水平超過門檻值時，數字經濟對農業(yè)碳排放的抑制作用會進一步增強，表明農村人力資本水平的提高對于推進農業(yè)碳減排具有積極意義。第五，數字經濟對農業(yè)碳排放的影響存在區(qū)域與地形異質性。就區(qū)域層面而言，在糧食主產區(qū)與產銷平衡區(qū)，數字經濟發(fā)展對農業(yè)碳排放均表現出了顯著的抑制作用，而在糧食主銷區(qū)不明顯，這可能與各類區(qū)域在數字經濟增速、農業(yè)生產規(guī)模以及農業(yè)數字化水平方面的差異有關。就地形層面而言，陡峭地區(qū)數字經濟發(fā)展對農業(yè)碳排放的抑制作用較平緩地區(qū)更強，不同地形條件下農業(yè)生產便利程度的差異可能會對農民的后續(xù)職業(yè)選擇行為產生影響，并進一步影響到農業(yè)碳排放水平。

基于上述結論，提出如下政策建議：一是在機遇中謀求發(fā)展。把握數字變革和科技革命的時代機遇，快速推進農業(yè)數字化和數字產業(yè)化發(fā)展，加大政府對“三農”領域的政策支持與財政幫扶力度，加快鄉(xiāng)村地區(qū)數字基礎設施建設，推進鄉(xiāng)村教育公共服務均等化，提升農村數字金融普惠度，放大數字經濟的福利效應，推動農業(yè)高質量發(fā)展、促進農民增產增收、助力鄉(xiāng)村振興。二是在發(fā)展中加強管控。在數字經濟效益展現的同時，加強對農業(yè)碳排放的監(jiān)測管理，重視農業(yè)領域碳排放水平的動態(tài)變化，完善農業(yè)碳排放交易市場，嚴格把控全國農業(yè)碳排放總量，逐步推進“雙碳”目標的實現，為世界減排作出大國貢獻。三是在管控中鼓勵共享。堅持具體問題具體分析，因地制宜制定農業(yè)碳減排政策，加強區(qū)域分工合作，搭建數字經濟發(fā)展成果共享平臺。不同地區(qū)有序推進數字經濟發(fā)展與農業(yè)綠色低碳轉型，優(yōu)化政策布局，鼓勵東部地區(qū)數字經濟與農業(yè)綠色轉型并駕齊驅，同時樹立成功典范，強化榜樣引領作用；推動中部地區(qū)以農業(yè)碳減排為發(fā)展重心，加快農業(yè)降碳減污擴綠行動；優(yōu)化西部地區(qū)新型基礎設施建設布局，以便更好地發(fā)揮數字經濟的減碳效應?？傮w而言，實現“雙碳”目標是一個漫長且艱難的過程。為此，必須立足現有可用資源，積極選用清潔能源，維護農業(yè)生態(tài)系統(tǒng)，加快構建新型能源體系，貫徹新發(fā)展理念，推動生態(tài)產業(yè)化與產業(yè)生態(tài)化協同發(fā)展，在促進農村居民生活水平提高的同時，保護農業(yè)生態(tài)環(huán)境資源，實現可持續(xù)發(fā)展，積極穩(wěn)妥推進“碳達峰、碳中和”在農業(yè)領域中實現。

參考文獻

［1］WEST T O， POST W M. Soil organic carbon sequestration rates by tillage and crop rotation： A global data analysis［J］. Soil Science Society of America Journal， 2002， 66（6）： 1930-1946.

［2］JOHNSON J M F， FRANZLUEBBERS A J，WEYERS S L， et al. Agricultural opportunities to mitigate greenhouse gas emissions［J］. Environmental Pollution， 2007， 150（1）： 107-124.

［3］劉月仙，劉娟，吳文良．北京地區(qū)畜禽溫室氣體排放的時空變化分析［J］．中國生態(tài)農業(yè)學報，2013（7）：891-897.

［4］梁青青．我國農地資源利用的碳排放測算及驅動因素實證分析［J］．軟科學，2017（1）：81-84.

［5］王琦，黎孔清，朱利群．南京都市農業(yè)農地利用碳排放測算及趨勢預測［J］．水土保持通報，2017（4）：288-294.

［6］李波，張俊飚，李海鵬．中國農業(yè)碳排放時空特征及影響因素分解［J］．中國人口·資源與環(huán)境，2011（8）：80-86.

［7］閔繼勝，胡浩．中國農業(yè)生產溫室氣體排放量的測算［J］．中國人口·資源與環(huán)境，2012（7）：21-27.

［8］田云，尹忞昊．中國農業(yè)碳排放再測算：基本現狀、動態(tài)演進及空間溢出效應［J］．中國農村經濟，2022（3）：104-127.

［9］金書秦，韓冬梅，林煜，等．碳達峰目標下開展農業(yè)碳交易的前景分析和政策建議［J］．農村金融研究，2021（6）：3-8.

［10］ 伍國勇，劉金丹，陳瑩．中國農業(yè)碳排放強度空間特征及溢出效應分析［J］．環(huán)境科學與技術，2021（11）：211-219.

［11］ 吳賢榮，張俊飚，程琳琳，等．中國省域農業(yè)碳減排潛力及其空間關聯特征——基于空間權重矩陣的空間Durbin模型［J］．中國人口·資源與環(huán)境，2015（6）：53-61.

［12］ 黎孔清，馬豆豆，李義猛．基于STIRPAT模型的南京市農業(yè)碳排放驅動因素分析及趨勢預測［J］．科技管理研究，2018（8）：238-245.

［13］ 胡婉玲，張金鑫，王紅玲．中國農業(yè)碳排放特征及影響因素研究［J］．統(tǒng)計與決策，2020（5）：56-62.

［14］ 祝偉，王瑞梅．技術進步和經營規(guī)模對農業(yè)碳排放的影響研究［J］．農業(yè)經濟，2023（2）：13-15.

［15］ 魏夢升，顏廷武，羅斯炫．規(guī)模經營與技術進步對農業(yè)綠色低碳發(fā)展的影響——基于設立糧食主產區(qū)的準自然實驗［J］．中國農村經濟，2023（2）：41-65.

［16］ 劉瓊，肖海峰．農地經營規(guī)模影響農業(yè)碳排放的邏輯何在？——要素投入的中介作用和文化素質的調節(jié)作用［J］．農村經濟，2020（5）：10-17.

［17］ 楊晨，胡珮琪，刁貝娣，等．糧食主產區(qū)政策的環(huán)境績效：基于農業(yè)碳排放視角［J］．中國人口·資源與環(huán)境，2021（12）：35-44.

［18］ 何婷婷，張麗瓊．新型城鎮(zhèn)化對農業(yè)碳排放強度影響的空間效應和門檻特征［J］．山西農業(yè)大學學報（社會科學版），2022（4）：23-37.

［19］ 田紅宇，關洪浪．數字經濟對糧食生產碳排放的影響研究——來自長江經濟帶108個地級市的經驗證據［J］．中國農業(yè)資源與區(qū)劃，2023（8）：145-157.

［20］ 李本慶，周清香，岳宏志．數字鄉(xiāng)村建設對產業(yè)興旺影響的實證檢驗［J］．統(tǒng)計與決策，2022（17）：5-10.

［21］ 程廣斌，吳家慶，李瑩．數字經濟、綠色技術創(chuàng)新與經濟高質量發(fā)展［J］．統(tǒng)計與決策，2022（23）：11-16.

［22］ 田云，林子娟．中國省域農業(yè)碳排放效率與經濟增長的耦合協調［J］．中國人口·資源與環(huán)境，2022（4）：13-22.

［23］ 羅必良，張露，仇童偉．小農的種糧邏輯——40年來中國農業(yè)種植結構的轉變與未來策略［J］．南方經濟，2018（8）：1-28.

［24］ 羅浚文．農業(yè)數字經濟財政投入效率的門限效應［J］．農林經濟管理學報，2021（1）：70-77.

［25］ 劉軍，楊淵鋆，張三峰．中國數字經濟測度與驅動因素研究［J］．上海經濟研究，2020（6）：81-96.

［26］ 樊士德，朱克朋．勞動力外流對中國農村和欠發(fā)達地區(qū)的福利效應研究——基于微觀調研數據的視角［J］．農業(yè)經濟問題，2016（11）：31-41.

［27］ 田杰，譚秋云，黃琦．數字經濟對資本錯配的影響［J］．農村金融研究，2022（5）：12-27.

［28］ 黎新伍，黎寧，謝云飛．數字經濟、制造業(yè)集聚與碳生產率［J］．中南財經政法大學學報，2022（6）：131-145.

［29］ 彭暉，張曌．數字經濟賦能鄉(xiāng)村產業(yè)振興：效應檢驗與機理分析［J］．農村金融研究，2023（5）：44-56.

［30］ 金紹榮，任贊杰．鄉(xiāng)村數字化對農業(yè)綠色全要素生產率的影響［J］．改革，2022（12）：102-118.

［31］ 陳斌開，林毅夫．發(fā)展戰(zhàn)略、城市化與中國城鄉(xiāng)收入差距［J］．中國社會科學，2013（4）：81-102.

［32］ 盧奕亨，田云，周麗麗．四川省農業(yè)碳排放時空演變特征及其影響因素研究［J］．中國農業(yè)資源與區(qū)劃，2023（11）：1-14.

［33］ 唐建軍，龔教偉，宋清華．數字普惠金融與農業(yè)全要素生產率——基于要素流動與技術擴散的視角［J］．中國農村經濟，2022（7）：81-102.

［34］ 黃凱南，郝祥如．數字金融發(fā)展對我國城鄉(xiāng)居民家庭消費的影響分析——來自中國家庭的微觀證據［J］．社會科學輯刊，2021（4）：110-121.

［35］ 李治國，王杰．數字經濟發(fā)展、數據要素配置與制造業(yè)生產率提升［J］．經濟學家，2021（10）：41-50.

［36］ 游珍，封志明，楊艷昭．中國1km地形起伏度數據集［J］.全球變化數據學報（中英文f8d0834cc1e70ee92e2384ecab0590f57c030d5fcf5dd928f9548c82d971ecc3），2018（2）：151-155.

［37］ 李江一，秦范．如何破解農地流轉的需求困境？——以發(fā)展新型農業(yè)經營主體為例［J］．管理世界，2022（2）：84-99.

The Influence and Mechanism of Digital Economy on Agricultural Carbon Emission

Abstract： This paper explores the impact and mechanism of digital economy on agricultural carbon emission based on the panel data of 30 provinces from 2013 to 2022. According to research findings. First， the digital economy has a significant inhibiting effect on agricultural carbon emissions， and for every 1% increase in the level of digital economic development， agricultural carbon emissions will decrease by 0.595%. Second， the development of digital economy will make the level of regional economic development and agricultural machinery technology progress， and then promote the agricultural carbon emission reduction， and its intermediary role share of 12.9% and 45.1% respectively. Third， the increase in the level of financial support for agriculture will affect the penetration rate of the digital economy in the agricultural sector， which will expand the inhibition of the digital economy on agricultural carbon emissions. Fourth， there is a single threshold of rural human capital level on agricultural carbon emission reduction， and there are differences in the inhibitory effect of digital economy on agricultural carbon emission under different levels of rural human capital. Fifth， there is regional and topographical heterogeneity in the impact of the digital economy on agricultural carbon emissions， specifically， the digital economy in the main grain production area and the balance of production and marketing area show a significant inhibitory effect， while the main grain marketing area is less obvious; the carbon reduction effect of the digital economy in steep areas is stronger compared to that in gentle areas.

Key words： digital economy; agricultural carbon emission; agricultural carbon reduction; "double carbon" target