数字化降低作物生产碳排放——基于745个县的准自然实验

《Journal of Environmental Management》:Digitalization to lower crop production carbon emissions —— a quasi-natural experiment in 745 counties

【字体: 大 中 小 】 时间:2026年07月11日 来源:Journal of Environmental Management 9.2

编辑推荐:

  农业部门是全球碳排放的重要来源,降低作物生产环节的排放对于缓解温室气体与应对气候变化至关重要。数字化已成为农业脱碳(decarbonization)的潜在有效策略,但现有多数研究聚焦于整体农业,对作物生产子领域的单独关注相对有限。此外,相关分析通常依赖省级数据

  
农业部门是全球碳排放的重要来源,降低作物生产环节的排放对于缓解温室气体与应对气候变化至关重要。数字化已成为农业脱碳(decarbonization)的潜在有效策略,但现有多数研究聚焦于整体农业,对作物生产子领域的单独关注相对有限。此外,相关分析通常依赖省级数据,忽视了更高分辨率的数据集。基于中国745个县的面板数据,本研究将“宽带中国”政策作为准自然实验,采用交错双重差分法(staggered difference-in-differences, DID),检验数字基础设施发展对作物生产碳排放的影响。研究发现,在经过多项稳健性检验后,结论依然成立。进一步分析表明,产业结构、农村居民收入与教育水平是与该效应相关的重要作用渠道。数字化的脱碳效应在不同经济区域与粮食生产分区之间存在差异。这些发现表明,数字基础设施发展能够支持更绿色的作物生产,但其作用效果会因区域情境不同而异。因此,建议在欠发达地区和粮食主产区加大数字基础设施投资;而在较发达地区和粮食主销区,则可能需要配套的非数字化措施,以实现进一步减排。对于欠发达地区和粮食主产区,建议加大数字基础设施投资;而对于较发达地区和粮食主销区,则可能需要配套的非数字化路径以实现减排目标。
该文发表于《Journal of Environmental Management》,聚焦数字化是否能够降低作物生产碳排放这一关键环境治理议题。研究背景在于,农业是全球温室气体排放的重要来源,而作物生产由于土地利用变化、化肥投入及机械化作业等因素,构成农业碳排放的重要组成部分。在全球气候治理与“双碳”目标持续推进的背景下,如何在保障农业生产的同时实现低碳转型,已成为农业环境管理研究的核心问题。既有文献虽然逐渐关注数字经济与农业减排之间的联系,但仍存在若干不足:其一,多数研究将农业作为整体进行考察,缺乏对作物生产这一核心子部门的独立识别;其二,常见研究多采用省级数据,空间分辨率较低,难以准确把握县域层面的政策响应;其三,数字化变量常以熵值法等方式构造,虽有助于综合测度,却不利于识别政策冲击下的因果效应。因此,有必要借助更高精度的县域数据和更严格的识别策略,系统检验基础设施驱动型数字化对作物生产碳排放的影响及其作用机制。

围绕上述问题,研究人员从理论与经验两个层面展开分析。理论上,文章提出数字化可能通过优化资源配置、促进精准生产、改善市场流通、压缩交易成本以及拓展绿色金融可得性等路径,直接降低作物生产碳排放;同时,数字化还可能通过产业结构调整、农村居民收入变化和教育水平变化等中介渠道,间接影响减排结果。经验上,文章将“宽带中国”政策视为外生政策冲击,利用2011—2019年中国745个县的面板数据,构建交错双重差分(difference-in-differences, DID)模型,对数字基础设施发展与作物生产碳排放之间的关系进行识别。研究结论显示,数字化显著降低了县域作物生产碳排放,该结论在平行趋势检验、安慰剂检验、ATT(average treatment effect on the treated,处理组平均处理效应)偏误校验、聚类稳健标准误处理及剔除边远地区样本后依然稳健。机制分析进一步表明,产业结构在其中发挥强化减排的部分中介作用,而农村居民收入和教育水平则在当前生产条件下对数字化减排效应具有一定抵消作用。异质性分析显示,数字化减排效果在粮食主产区最为显著,在产销平衡区仍然显著,但在粮食主销区不显著;在经济欠发达地区效应更强,而在经济较发达地区统计上不显著。研究据此指出,数字基础设施建设并非在所有区域都产生同等环境收益,其政策效果高度依赖地区农业结构、发展阶段与资源禀赋。

本文的主要技术方法可概括为以下几个方面。首先,以中国2011—2019年745个县的平衡面板数据为样本,依据“宽带中国”示范城市名单及实施时点,匹配至县级行政单元。其次,以作物生产碳排放(CCEs)为因变量,以“宽带中国”政策冲击构建核心解释变量,采用交错双重差分(staggered DID)模型,并控制县固定效应与时间固定效应。再次,使用事件研究法进行平行趋势检验,并通过提前实施年份安慰剂检验、随机置换处理变量安慰剂检验、Callaway and Sant’Anna方法的ATT估计、不同层级聚类标准误以及剔除新疆、西藏样本等方式进行稳健性验证。最后,采用Baron and Kenny中介效应模型及Sobel检验识别产业结构、农村居民收入和教育水平的机制作用,并开展滞后效应与多维异质性分析。

在研究结果部分,文章首先报告了“5.1. Benchmark regression model”的发现。基准回归采用交错DID模型,结果表明,在控制个体固定效应、时间固定效应和相关控制变量后,DID系数在1%显著性水平上为负,数值约为?11.6522,意味着处于试点城市群中的县,其作物生产碳排放平均比非试点县减少约11,208—11,652吨。该结果支持数字化能够降低作物生产碳排放的核心假设,表明数字基础设施扩张能够通过改善信息联通性、提升要素配置效率和促进绿色生产管理,从而实现县域尺度的减排效果。

随后,“5.2. Robustness test”部分对结论进行了系统验证。在“5.2.1. Parallel trend test”中,研究人员使用事件研究法检验政策实施前处理组和对照组是否具有相似趋势。结果显示,在首批“宽带中国”政策实施前,各时期估计系数均围绕0波动且不显著,说明平行趋势假设成立;而政策实施后,估计系数显著为负,且处理组与对照组之间的排放差距逐步扩大,证明数字化政策确实带来了减排效应。

在“5.2.2. Placebo test”中,研究人员采用两种安慰剂检验方法。其一,将政策实施时点整体提前两年重新估计,发现伪政策实施后的系数大多为正且不显著,说明基准结果并非由其他同时发生的因素驱动。其二,对处理变量进行500次随机置换并反复回归,结果显示真实估计值显著偏离随机分布区间,进一步排除了随机性解释。

在“5.2.3. Validation of ATT estimation bias”中,文章注意到交错处理时点下传统双向固定效应(two-way fixed effects, TWFE)估计量可能受到异质处理效应偏误影响,因此进一步采用Callaway and Sant’Anna方法估计ATT。结果显示,无论是总体平均处理效应还是组别平均处理效应,系数方向和显著性均与基准回归一致,仅在数值上略有变化,说明主结论并非由ATT估计偏误所致。

在“5.2.4. Clustered standard errors”中,研究人员分别在城市层面和县域层面对标准误进行聚类处理。结果表明,无论采用何种聚类方式,核心解释变量的显著性均基本不变,从而增强了估计结果的可靠性。

在“5.2.5. Provinces excluding remote areas”中,文章剔除了新疆和西藏等地理差异较大的边远地区样本后重新回归。结果发现,DID系数方向与显著性仍保持一致,说明基准结论不依赖于特殊区域样本,整体稳健性较强。

关于作用机制,“5.3. Mechanism test”通过逐步回归和Sobel检验揭示了数字化影响作物生产碳排放的中介路径。首先,数字化显著影响产业结构、农村居民收入和教育水平,说明三者均可能是重要传导渠道。其次,将中介变量纳入回归后,DID系数仍然显著,表明存在部分中介效应。具体来看,产业结构变量与数字化减排效应方向一致,并增强了减排效果,说明产业结构优化能够促进作物生产价值链升级、提升资源配置效率并推动绿色转型。相反,农村居民收入与教育水平的符号与基准DID系数相反,且纳入后DID绝对值缩小,说明它们在当前生产条件下会部分抵消数字化的直接减排效应。文章强调,这并不意味着收入增长或教育改善本身对环境有害,而是表明在现实农业生产过程中,收入与教育变化可能伴随劳动力转移、资本深化和投入扩张,从而弱化数字化的减排收益。Sobel检验结果表明三条中介路径均具有统计显著性,从而支持相关理论假设。

在“5.4. Further analysis”部分,研究人员进一步考察了时间维度和空间维度上的差异性。在“5.4.1. Lagged effect test”中,加入一期和两期滞后DID项后发现,两者系数均显著为负,说明数字化政策具有扩散效应。特别是一期滞后项的绝对值大于当期系数,表明政策影响在实施后第一期进一步放大;而两期滞后项的绝对值又有所下降,说明这一扩散效应会随时间推移而减弱,但总体仍保持显著减排。

在“5.4.2. Heterogeneity test across major grain-producing, major grain-consuming, and grain production–consumption balanced region”中,文章按粮食功能区划分样本。结果显示,粮食主产区的DID系数约为?14.9947,减排效果最强;产销平衡区系数约为?6.8237,方向一致但强度明显减弱;粮食主销区系数虽为负但不显著。这表明数字化在粮食生产更集中的地区更容易转化为可观的碳减排收益,体现出农业生产基础和政策敏感度对数字基础设施效应的重要制约。

在“5.4.3. Heterogeneity test on economic development levels”中,研究人员进一步比较长江经济带、共建“一带一路”经济带、长三角一体化经济带等发达区域与其余地区的政策效果。结果显示,三大经济带内部的作物生产碳减排效应并不显著,而经济带之外地区则表现出显著的负向系数。这说明在经济较发达地区,农业在地方经济中的比重较小,作物生产更市场化、资本密集或不居于主导地位,基础设施型数字政策向作物生产实践的传导较弱;同时,这些地区往往已有更多非数字化环境规制和产业升级工具,因此“宽带中国”这一单一数字基础设施政策的边际减排效应相对有限。相对而言,经济欠发达地区仍能从数字基础设施建设中获得更显著的环境收益。

在“5.4.4. Heterogeneity test by digital foundation”中,文章以县级数字普惠金融指数作为初始数字基础的代理变量,将样本划分为高数字基础与低数字基础两组。结果显示,两组DID系数均显著为负,且差异不大,但高数字基础组的系数绝对值略大,说明基准二元处理变量较好捕捉了平均政策效应,同时也提示具备更强初始数字条件的县域更有能力将政策冲击转化为减排成效。

讨论部分总体上对研究发现进行了归纳与校正。文章指出,县域层面的实证结果与以往从农业整体出发的研究结论相一致,即数字化确实有助于减少农业相关碳排放,但本文进一步将这一结论精确到作物生产子部门,提升了农业减排研究的针对性。文章同时强调,教育水平与碳排放之间出现轻微正相关,应谨慎解读,不应简单理解为教育不利于环境保护,而应看到在现实生产结构下,教育提升可能伴随农业劳动力外流、资本替代和高投入生产方式扩张,从而在短期内抵消部分数字化减排收益。此外,区域异质性结果说明,数字化的环境效应并不均匀,低碳政策设计需要结合不同地区的发展阶段、农业结构和政策条件进行差异化配置。文章也坦率指出研究局限:一是“宽带中国”政策只能识别基础设施驱动型数字化,无法直接观察农场层面的具体数字技术采纳;二是尚未系统揭示区域间尤其是地理空间上的内在联系;三是在交错处理时点背景下,尽管已采用ATT稳健性检验,但未来仍可进一步使用对异质处理效应更稳健的估计量作为主模型。

研究结论部分可译述如下:基于中国745个县2011—2019年的面板数据,研究人员采用交错双重差分方法构建准自然实验,考察数字化对作物生产碳排放的影响及其机制。研究得出三点结论。第一,数字化推进显著降低作物生产碳排放强度,这一结论在平行趋势检验、安慰剂检验、ATT偏误验证、聚类标准误处理以及剔除边远地区样本后依然稳健。第二,从时间维度看,数字化具有跨期效应;从空间维度看,在粮食主产区减排效果最强,在产销平衡区次之,在粮食主销区几乎无显著影响;从经济区域看,数字化在经济较发达地区虽仍表现为减排方向,但统计上不显著,而在欠发达地区减排作用高度显著。第三,数字化部分通过产业结构这一中介路径降低作物生产碳排放,而农村居民收入和教育水平则会在一定程度上抵消这一减排效应,其中教育的抵消作用相对较小。总体而言,该研究为理解数字基础设施建设与农业绿色转型之间的关系提供了较为严格的县域证据,也为差异化推进农业数字化减排政策提供了实证依据。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号