《Frontiers in Sustainable Food Systems》：From traditional production to low-carbon transformation: the impact of the digital economy on agricultural carbon emissions
编辑推荐：
数字经济快速发展正在重塑传统农业生产模式，为农业低碳转型提供了新机遇。然而，数字经济影响农业碳排放的机制仍未得到充分探索。基于2011—2021年中国30个省份的面板数据，本研究采用固定效应模型、系统广义矩估计（SYS-GMM）模型和空间杜宾模型（Spatia
数字经济快速发展正在重塑传统农业生产模式，为农业低碳转型提供了新机遇。然而，数字经济影响农业碳排放的机制仍未得到充分探索。基于2011—2021年中国30个省份的面板数据，本研究采用固定效应模型、系统广义矩估计（SYS-GMM）模型和空间杜宾模型（Spatial Durbin Model，SDM），从本地减排和空间溢出两个视角系统考察数字经济（digital economy，DE）对农业碳排放（agricultural carbon emissions，ACE）的影响。结果表明：数字经济显著降低了本地区农业碳排放，农业技术创新和农业全要素生产率的提升是其实减排效应的重要传导机制；数字经济的发展还对邻近地区的碳排放产生显著抑制效应，从而促进区域协同减排；碳减排效应表现出显著的区域异质性，在东部和中部地区以及农业规模化经营水平较高的地区，总效应更强。本研究揭示了数字经济在促进本地减排和区域低碳协同中的双重作用，拓展了数字经济与农业低碳转型关系的研究视角，研究结果也为促进农业绿色低碳发展和加强区域协同治理提供了重要的政策启示。
**研究背景与问题**
传统农业长期依赖化肥、农药、农膜和能源的高强度投入以维持产出增长，这种粗放型生产模式带来了农业资源过度消耗、面源污染加剧和农业碳排放（agricultural carbon emissions，ACE）持续上升等生态问题。联合国粮农组织报告显示，过去30年全球农业生产温室气体排放增长17%，农业已成为仅次于能源部门的重要排放源。中国作为农业大国，高投入、高消耗的生产模式使农业碳排放问题尤为突出。在“双碳”目标约束下，如何推动农业由粗放型生产向绿色低碳模式转变、探索农业碳减排的有效路径，成为实现农业可持续发展和农业现代化的重要议题。
数字经济的快速发展正在重塑传统农业生产方式，为农业低碳转型提供了新契机。然而，已有研究多聚焦于数字经济对城市与工业部门碳排放的影响，对农业领域的关注相对不足，尤其是其空间溢出效应和内在传导机制仍有待深入探讨。基于此，研究人员利用2011—2021年中国30个省份（排除数据缺失省份）的面板数据，采用固定效应模型、SYS-GMM模型和空间杜宾模型（SDM），从本地减排与空间溢出两个维度系统考察数字经济对农业碳排放的影响及其传导机制。
**主要技术方法**
在变量测度方面，研究人员采用排放因子法核算农业碳排放，从农用化学品投入和农业生产活动两方面选取化肥、农药、农膜、农用柴油、翻耕和灌溉六类碳源，将各碳源使用量乘以对应碳排放因子后加总得到碳排放总量。数字经济发展指数则从数字基础设施、数字产业发展和数字普惠金融三个维度构建评价指标体系，利用熵权法确定指标权重并合成综合指数。
样本数据来源方面，数字经济相关指标来源于《中国统计年鉴》《中国工业统计年鉴》、各省统计年鉴及北京大学数字金融研究中心发布的数字普惠金融指数，农业碳排放数据来源于《中国统计年鉴》和《中国农村统计年鉴》，控制变量数据来源于《中国统计年鉴》。
计量方法方面，研究人员先后构建双向固定效应模型和SYS-GMM模型检验基准关系；以邻接矩阵（W1）、地理距离矩阵（W2）和经济距离矩阵（W3）三种空间权重矩阵设定SDM，考察空间溢出效应；以1984年各省固定电话线数与上一年全国互联网用户数的交互项作为工具变量处理内生性；以数字金融指数替代数字经济指数、以空间自回归模型（SAR）和空间误差模型（SEM）替代SDM完成稳健性检验。
**研究结果**
4.1 基准回归分析：固定效应模型和SYS-GMM模型的估计结果显示，数字经济（DE）的系数在所有模型中均显著为负，表明数字经济发展能够有效降低农业碳排放，假设H1得到支持。这表明数字经济并非仅仅是一种提升农业产量的技术工具，而是通过重塑要素配置与生产组织方式，成为促进农业绿色低碳转型的系统性赋能力量。
4.2 传导机制分析：以农业科技专利数量衡量农业技术创新（ATI），采用超效率SBM-Malmquist模型测算农业全要素生产率（ATFP）。机制检验发现，数字经济显著提升农业技术创新水平和农业全要素生产率；将二者分别纳入碳排放模型后，其系数均显著为负，同时数字经济系数绝对值相应减小，表明农业技术创新和农业全要素生产率提升是数字经济实现农业碳减排的重要传导机制，假设H2获得支持。
4.3 内生性检验：工具变量两阶段回归中，第一阶段工具变量系数在1%水平上显著为正，Kleibergen-Paap rk LM统计量拒绝不可识别假设，Kleibergen-Paap rk Wald F统计量大于Stock-Yogo临界值；第二阶段数字经济系数仍显著为负，与基准回归一致，表明在缓解潜在内生性问题后结论依然稳健。
4.4 空间计量回归分析：全局Moran指数显示，2011—2021年农业碳排放存在显著的空间正自相关，局部Moran散点图进一步表明存在“高-高”和“低-低”集聚特征。Wald检验和LR检验均拒绝SDM简化为SAR或SEM的假设，Hausman检验支持固定效应设定。在三种空间权重矩阵下，数字经济的直接效应与空间滞后项均显著为负，表明数字经济不仅降低本地区农业碳排放，还对邻近地区产生显著的负向空间溢出效应，促进区域协同减排，假设H3得到支持。其原因在于，数字技术与数据资源具备强可复制性和网络外部性，可通过信息共享、技术扩散和经验传播等渠道突破地理边界，将先进地区的数字化农业模式和绿色管理实践传导至周边地区。
4.5 稳健性检验：以数字金融作为数字经济的替代变量，并改用SAR和SEM模型估计，数字经济对农业碳排放的抑制效应保持一致，说明基准结果具有较高稳健性。
4.6 异质性分析：
4.6.1 区域异质性：将样本划分为东、中、西三大区域分别回归后发现，中部地区数字经济对本地碳排放的直接抑制效应和对邻近地区的负向溢出效应均显著，总效应最强；东部地区直接效应不显著，但空间溢出效应显著为负，体现出较强的辐射带动能力；西部地区影响不显著且空间溢出效应
