绿色金融助力农业碳减排的实现路径.doc

[6]摘要： 绿色金融对碳排放具有抑制作用，但绿色金融在农业碳减排中因缺少着力点，作用未能得到充分发挥。分析我国农业碳排放的主要影响因子来看，农村生活 水平、城镇化水平、人口规模是增加农业碳排放的主要影响因子；一般农业生产技术、低碳农业技术是减少农业碳排放的主要影响因子。减少农业碳排放的着力点和重要 抓手在于低碳农业技术的创新应用，因此，从低碳农业技术供需两端入手，深入分析各利益主体之间存在的矛盾冲突，紧紧围绕低碳农业技术这一关键因子，设计构 建“绿色金融—低碳农业技术—农业碳减排”的路径模型，充分发挥绿色金融在农业碳减排中的重要作用。 [6] 关键词： 绿色金融，农业碳减排低碳农业技术，实现路径 [基金项目：绵阳城市学院校级“《金融学》一流课程建设”（CC-YLKC2003） ] 绿色金融作为构成我国绿色发展理念的重要部分，是我国建设美丽中国的关键举措，意义重大。低碳农业是国家产业结构优化升级的必然趋势，也是绿色农业和乡村 振兴战略的重要内容。绿色金融作为农村资金融通和信用关系管理的重要工具，必须在低碳农业发展和乡村振兴战略中发挥重要的金融杠杆作用。就目前绿色金融发展现 状而言，顶层设计虽已初步完成，绿色信贷持续增长，绿色债券、绿色发展基金、绿色保险、碳金融等绿色金融体系也不断健全，但在农村绿色金融的实施过程中各利益 主体之间存在着矛盾冲突，需要进一步理顺绿色金融助力农业碳减排的内在机理和实现路径，才能充分发挥绿色金融对低碳农业技术的核心支持功能和风险管理与调节功 能，助力农业碳减排和乡村振兴战略目标的实现。 一、国内外研究综述 国内外学者就绿色金融助推碳减排做了大量研究。 Shahbaz等（2013）认为金融发展水平的提升与人均碳排放的降低之间存在长期均衡关系[1]。Artur Tamazian等 （2009）认为金融工具加大技术研发资金投入，技术创新升级后资源利用效率得以提升，最终实现碳减排[2]。何艳秋等（2018）用灰色关联法和回归模型证实农业碳排 放的驱动因素，探讨了商业银行碳金融模式在农业碳减排中的积极作用，并提出绿色金融的政策建议[3]。朱梦姗等（2019）利用2008-2018年省级面板数据，实证得出绿 色投资与绿色保险对碳排放量具有抑制作用的研究结论[4]。何吾洁等（2019）利用VAR模型测度了绿色信贷、绿色证券、绿色保险、绿色投资的水平提升能有效抑制碳排 放，且随着时间推移抑制作用会逐渐增强[5]。 从以上研究可以看出，当前国内外学者普遍认同：绿色金融可以抑制碳排放，对低碳农业发展和乡村振兴战略的作用不可或缺。但当前的研究视角存在着一些不足， 首先，国内学者研究绿色金融和碳排放之间的关联性是以整体经济为视角，没有针对性地研究绿色金融和农业碳排放之间的关联性。其次，在提出绿色金融对策建议时， 侧重于顶层设计和系统构建，忽略对农村金融机构实施绿色金融的重难点分析，对绿色金融减少农业碳排放缺乏着力点和可行性路径研究。 二、农业碳排放的现状及主要影响因子 朱亚红等（2014）基于KAYA碳排放恒等式构建的对数平均D式指数（LMDI）模型，是目前公认的比较适合用于分解农业碳排放影响因子的模型 。 （一）原始形式 由KAYA恒等式的基础上，对可能影响中国农业碳排放的因素进行分解。 CO2R表示农业生产部门因能源消耗所产生的碳排放总量； ER表示农业能源消耗总量； GDPR表示国内生产总值中农业部门所贡献的GDP，即农业GDP； PR和P分别表示农 村人口和总人口。 CE=CO2R/ER表示农业碳排放强度，即每一单位能源消耗所产生的碳排放，反映农业生产中一般技术因素的影响； EG=ER/GDPR表示农业能源使用效率，即 单位农业GDP的能源强度，反映农业低碳技术因素的影响； GP=GDPR/PR表示生活水平，即农村人均农业GDP，反映农村人口人均所享有的农业经济增长成果； IUR=PR/P表示 农村人口占总人口比重，间接反映城镇化水平。 P表示总人口，即人口规模效应，反映人口变动对农业碳排放的影响。 （二） LMDI因素分解 1.加法形式分解： ΔCO2R=（CO2R）t-（CO2R）0= ΔCO2CE+ ΔCO2EG+ ΔCO2GP+ ΔCO2IUR+ ΔCO2P 2.乘法形式分解： CO2CE、ΔCO2CE即碳排放强度，反映一般农业生产技术变动效应， CO2EG、ΔCO2EG表示能源强度，反映低碳农业技术变动效应； CO2GP、ΔCO2GP表示农村人均农 业GDP，即农村生活水平效应； CO2IUR、ΔCO2IUR表示间接城市化效应； CO2P、ΔCO2P表示人口规模效应。ΔCO2CE、ΔCO2EG、ΔCO2GP、ΔCO2IUR、ΔCO2P表示各因素对农 业碳排放贡献值，是有单位实值；而CO2