王 达 宋 超 张馨幻 徐 雯 杨 念
（河北金融学院大数据科学学院，保定 071000）
我国作为人口大国，能源需求旺盛，碳排放还未达峰，绿色金融的发展与碳减排具有数量上的强相关性，碳减排是绿色发展的重要维度。在绿色金融发展方面，北京市已经建立起完善的金融生态，实现京津冀产业绿色协同，需要坚持绿色发展理念，为区域高质量发展积蓄势能。对于减少农业碳排放，京津冀地区有重大责任。近年来，京津冀地区逐步形成了区域产业发展新格局，但3 地仍然面临一定程度的产业结构失衡问题，3 地在产业结构方面存在较大差异。在“双碳”目标视角下，京津冀地区产业结构有待进一步优化。
目前关于绿色金融的相关研究当中，刘七军等学者研究了“一带一路”沿线18 个省份的绿色金融发展水平[1]；
王君萍等学者则在绿色金融与碳排放相联系的“双碳”目标下对中国区域绿色金融发展水平进行测度[2]。在农业碳排放效率的相关研究中，孙轶男从单一地区农业碳排放效率出发，通过测算黑龙江地区农业碳排放量进而研究农业碳排放效率[3]；
崔朋飞则在广域上研究了2003—2015年中国30个省份的农业碳排放量[4]；
廖柳文则采用时间序列分析以及横截面分析测算农业碳排放效率[5]。关于绿色金融与农业碳排放效率二者关系研究层面，刘忍妹分析了绿色金融对农业碳排放的影响作用[6]；
苏林莹通过研究绿色金融与农业高质量发展融合来分析推动我国农业现代化的关键[7]。在研究方法层面，李芸彤采用ISM 模型和对比分析法研究绿色金融对农业创新效率的影响[8]；
高彦彬采用因子分析法分析了河南绿色金融与乡村振兴协调发展之间的影响[9]。在借鉴前人的研究结果上，本文创新性地将绿色金融发展与农业碳排放效率相结合进行研究。在研究地区方面绿色金融和农业农村方面的研究虽然较为丰富，但是研究缺少关于京津冀地区的研究。
2.1 指标体系构建
根据绿色金融的内涵和理论基础，借鉴已有的绿色金融发展指标体系的研究成果，本文设计了如表1的绿色金融发展指标体系，见表1。
表1 绿色金融发展指标体系Table 1 Green financial development index system
2.2 绿色金融发展的实证研究
2.2.1 数据处理
（1）指标一致化
为了解决数据性质不同的问题，得出符合实际的结果，统一将逆向指标转化为正向指标，转化方法如下。
其中，指标为X 逆向指标，M为指标X 取值范围内的最大值，x"为正向指标。
（2）指标的无量纲化
数据无量纲化处理，主要解决数据之间可比性的问题。本文为了将不同变量的数据进行比较，对数据进行无量纲化处理，以确保结果的可靠性和精确性。
用极值法对变量数据进行无量纲化处理，可能会出现指标数值为0 的情况，为了确保数据处理有意义并且满足运算式的要求，将无量纲化后的指标全部平移一个最小单位值（0.000000001）。极值法的计算公式如下。
其中：i表示选取的各项指标,j表示各省份地区，代表第i 项指标j 地区标准化之后的值，xij为原始值，M为xij最大值，mj为xij最小值。
（3）确定权重
在构建绿色金融绩效评价指标体系后，进而对各评价指标进行赋权。熵值法从数据出发，避免过强的主观性，能够客观反映出指标的重要程度，相对主观赋权具有较高的可信度和精确度。
2.2.2 数据来源
研究对象来自北京、天津、河北省3 个省市，样本区间为2008—2021 年；
原始数据来源于2008—2021年京津冀3 省市环境统计年鉴、3 个省市统计年鉴以及《中国能源统计年鉴》。
2.2.3 绿色金融发展水平测度
（1）样本选取
本文选取京津冀3 个省市的环境、经济、社会发展状况作为研究样本进行研究，探讨京津冀3 个省市绿色金融发展综合绩效评价的实践应用。
本文通过分析京津冀3 个省市各项相关指标数据，构建出京津冀地区绿色金融发展综合绩效评价体系，经过横纵向比较分析得出京津冀3 个省市的综合绩效水平，见表2。
表2 2021年京津冀3个省市绿色金融评价指标原始值Table 2 Original value of green finance evaluation index of Beijing,Tianjin and Hebei in 2021
（2）指标数值预处理
不同的指标具有不同的属性，有正向指标、逆向指标和适度指标。本文将建立的评价指标按照属性进行了分类，见表3。
表3 绿色金融评价指标及指标属性Table 3 Green finance evaluation index and index attributes
正向指标，其指标数值越大则执行效果越好；
逆向指标，其指标数值越小则执行效果越好，为了使数据更加准确，将这5 个逆向指标进行预处理，将其转化成正向指标，然后再进行无量纲化处理。
（3）确定绿色金融综合绩效评价指标权重
依据2008—2021 年京津冀3 个省市绿色金融发展水平评价指标无量纲化结果，在计算出权重后，用2008—2021 年间指标权重平均值作为评价体系的最终权重。得出2008—2021 年绿色金融评价指标的权重，见表4。
表4 绿色金融综合绩效评价最终的指标权重体系Table 4 Final Index Weight System of Comprehensive Performance Evaluation of Green Finance
2.3 实证结果
对指标完成赋权之后，将得到的指标权重wj与第i 个被评价对象在第j 个评价指标上的比值pij相乘得出各个评价对象的绩效综合得分，根据分数高低进行排名比较。公式如下。
得出2008—2021 年京津冀地区及京津冀3 个省市绿色金融发展综合水平指数平均值（见表5）以及京津冀3个省市绿色金融发展速度（见图1）。
由表5 可知，绿色金融在京津冀地区整体浮动微小，发展趋势平稳。从京津冀3 个省市来看，北京市与天津市绿色金融发展水平差异并不明显，但是河北省与北京市和天津市绿色金融发展水平差异较为明显。河北省在2008—2011 年绿色金融发展水平逐年提高，这得益于2007 年之后，我国出台了一系列相关政策，支持绿色信贷等金融产品绿色金融的发展。利用已出台的政策，河北省根据自身情况制定出了适合自身绿色金融发展的措施。河北省在2012—2021 年绿色金融发展水平呈现波浪式浮动，在2017 年绿色金融发展水平最可观。在2007 年，天津市绿色金融发展水平最高；
在2014 年，北京市绿色金融发展水平最高。在2008—2021 年，北京市和天津市的绿色金融发展水平呈现出波浪式浮动，北京市整体呈上升趋势，天津市整体呈下降趋势。
表5 2008—2021 年京津冀3个省市综合水平指数平均值Table 5 Average comprehensive level index of Beijing,Tianjin and Hebei from 2008 to 2021
从绿色金融发展的速度来看，北京市是我国的政治中心，是我国的经济决策中心，以及北方的经济中心，北京市的绿色金融一直走在全国前列。近年来，北京市积极以“绿色金融”带动节能环保行业迅速发展，对于高耗能、高污染产业，北京市降低其绿色信贷额度，促进绿色金融的发展。天津市是我国对外开放的门户、航运中心和物流中心。天津市绿色金融发展情况良好，发展机制不断完善，市场规模持续扩大，经济效益和环境效益逐步显现，更好地支持了地方经济绿色发展。随着京津冀一体化的发展，河北省在绿色金融方面迅速发展，在2014—2017 年，河北省绿色金融发展水平逐年提升，体现出京津冀协调发展的理念。
由此可见，京津冀地区绿色金融发展整体浮动微小，发展趋势平稳，绿色金融市场体系不断完善，绿色金融的内涵与外延也在不断发展。整体来看，河北省仍落后于北京市和天津市，所以京津冀地区绿色金融产业还需不断完善和发展。
3.1 京津冀地区农业碳排放量的估算
3.1.1 农业碳排放源的确定
近年来，京津冀地区经济增长速度下滑，经济结构转型滞后，资源能源约束加强。京津冀地区矿产、光、风资源丰富，土地肥沃，为该地区农业发展奠定了良好的基础，而渔业在京津冀地区发展相对落后，因此京津冀地区农业碳排放源主要集中在以下几个方面，见表6。
表6 农业碳排放气体种类Table 6 Types of agricultural carbon emission gases
3.1.2 农业碳排放量的估算及分析
对于农业碳排放量，由于碳排放种类繁多，释放方式复杂多样，通常农业碳排放量以煤和石油等能源为切入点，将各类生产指标数据乘以其所对应的系数，从而得到农业碳排放量的估计值。
对于计算农业碳排放量的方法，其计算方法种类众多，黄祖辉采用分层投入产出——生命周期评价法对农业碳排放量进行了测算[10]；
李国志创新性地从能源使用角度对我国农业碳排放进行了估算，并且提出了农业碳排放的新观点[11]；
田云从农用物质投入视角估算了我国农业碳排放量[12]。基于以上研究，本文则在农业生产投入视角下对京津冀地区农业碳排放量进行测算，其测算模型如下。
其中C(万吨)表示农业碳排放总量，Ci（万吨）表示农业碳排放源i 所释放的碳排放量，Ei（万吨标准煤）代表农业碳排放源i的使用量，φ代表农业碳排放源i的碳排放系数，见表7。
表7 各类农业碳排放源系数表Table 7 Agricultural carbon emission source coefficient table
对于本文所使用的京津冀地区农业碳排放源的原始数据选取2008—2021 年京津冀3 个地区的面板数据，数据主要来源于京津冀3 个省市的统计年鉴以及EPS 数据库。其中化肥的碳排放按照当年的折纯量计算；
农药、农膜、柴油的碳排放则以当年实际使用量计算；
把各年农作物的播种面积作为土地翻耕面积用以计算；
灌溉面积以有效的灌溉面积来计算碳排放量，见表8。
表8 京津冀地区2008—2021年农业碳排放量Table 8 Agricultural carbon emissions in Beijing-Tianjin-Hebei Region from 2008 to 2021万吨
如表8 反映了京津冀地区2008—2021 年这14 年间的农业碳排放量。在这14 年间，北京、天津、河北的农业碳排放量总体呈下降趋势。从平均农业碳排放量上来看，北京市平均碳排放量最低，为19.00 万吨；
天津市次之，农业碳排放量均值为36.77 万吨；
河北省碳排放量最高，均值达556.57 万吨。自2008 年以来，北京市农业碳排放量持续缓慢下降，平均每年下降5.81%，2008—2012 年下降趋势较为平缓；
2012—2021 年下降速度逐渐提高，于2021 年达到最低值11.32 万吨，这得益于国家政策的支持以及地方政府的帮助。天津市2009年和2018年碳排放量降低率最高，分别为21.2%和30.4%。从京津冀农业碳排放量表中能够直观地看出河北省农业碳排放量最多，高达天津市的15倍，北京市的28倍。综上所述，京津冀地区农业碳排放量的变化充分说明贯彻绿色发展理念，降低碳排放量，加快农业绿色发展、低碳发展势在必行。
3.2 京津冀地区农业碳排放效率评价
3.2.1 指标选取与数据来源
在指标选取方面，本文在结合之前学者所研究内容以及DEA 方法的特点，确定了计算农业碳排放效率的5 个投入指标，1 个期望产出指标，1 个非期望产出指标。选取的投入指标中包括劳动力投入、土地投入、农业机械动力投入、灌溉投入和役畜投入，见表9。
表9 农业碳排放效率测算指标体系Table 9 Agricultural carbon emission efficiency measurement index system
产出指标则包括期望产出和非期望产出，农林牧渔业总产值为期望产出变量，其单位为亿元，以上一章计算的农业碳排放量作为非期望产出变量，单位为万吨。农业投入指标包括役畜、农用机械、劳动力、灌溉、土地。
考虑到物价变动因素，使用农林牧渔业增加值指数对农林农牧渔业总产值进行平减，从而得到实际计算的农林牧渔业总产值。所有指标数据来源于《北京统计年鉴》《天津统计年鉴》《河北统计年鉴》以及EPS数据库。
3.2.2 模型选择
DEA-Malmquist 是一种测量全要素生产率的非参数方法，是由DEA 数据包络分析法与Malmquist指数相结合得出的方法[13]。首先，到目前为止DEA 数据包络分析法是测算综合生产率最为常用的方法，使用DEA 时不必假设生产函数与参数就可以对多投入-产出进行综合评价处理；
其次在使用DEA 模型时无需对所收集的指标数据进行无量纲化处理，并且在评价结果中可以根据是否有效对决策单位DUM 进行调整；
再次，传统DEA 模型包括两个模型为CCR模型（规模报酬不变）和BCC 模型（规模报酬变动），两个传统模型分别测算综合生产率和技术效率，本文则选取规模报酬不变的CCR 模型；
最后，如在同一性质的决策单元进行评价时，投入产出要素指标对评价结果产生的影响较大。因此，为更好地测算分析京津冀地区农业碳排放效率，本文根据Shephard 距离函数，引入动态Malmquist 碳排放效率指数，从而测得农业碳排放效率。
3.2.3 实证结果
基于前文京津冀地区农业碳排放效率指标数据，构建Shephard 距离函数，引入动态Malmquist 碳排放效率指数，从而测得农业碳排放效率，见表10。
表10 京津冀地区农业碳排放效率及其影响因素Table 10 Agricultural carbon emission efficiency and its influencing factors in Beijing-Tianjin-Hebei Region
（续表）
总体来看2008—2021 年京津冀地区农业碳排放效率均处于良好状态，仅有个别年份地区存在农业碳排放效率恶化状态，大部分时间该地区均有着良好的低碳农业发展状态。北京市2008—2014 年农业碳排放效率始终大于1，但是该期间碳排放效率有所下降。2016 年，效率再次上升，生产效率指数最高为1.069 2，与2015年相比增加了14.33%；
天津市农业碳排放效率总体均大于1，虽有轻微下降但碳排放效率状态良好，在2009年达到最低为0.959 6，相比于2008年下降11.15%；
河北省农业碳排放效率总体均大于1，相较于北京市和天津市有更好的状态。但是在2014—2015 年间，农业碳排放效率在持续下降，而2016—2018 年农业碳排放效率再次上升，并在2017年达到京津冀地区近14 年农业碳排放效率最高值1.13，极大地促进了河北省农业低碳发展。
从技术效率方面，北京市相较于天津市、河北省有着得天独厚的优势，2008—2021 年技术效率平均值高达0.955 3。天津市技术效率则低于北京市，但高于河北省，其14年间技术效率仅为0.670 8，相比于北京市效率下降了28.45%，因此天津市受到了技术方面的限制较大。河北省则为京津冀地区技术效率最低，其14 年平均效率值仅为0.5587，河北省技术问题则极大地约束河北省农业低碳发展，也限制着河北省农业碳排放效率的提高。
4.1 耦合度与耦合协调度评价模型
4.1.1 耦合度评价模型
在耦合度评价模型中，耦合度即耦合性，是对于不同模块间关联程度的度量[14]。本文借鉴前人的研究成果，构建京津冀地区绿色金融发展水平与农业碳排放效率的耦合度评价模型，以此描述两个系统耦合程度的强弱。耦合度评价模型如下。
公式中,C表示京津冀地区绿色金融发展水平与农业碳排放效率间的耦合度，H1表示京津冀地区绿色金融发展水平，H2表示京津冀地区农业碳排放效率。其中，耦合度的取值C的取值范围为0～1，C越接近1，表示各系统间的耦合度越大，耦合性越强；
C越接近0，表示各系统间的耦合度越小，耦合性越弱。查阅文献得知一般将耦合度（C）划分如下标准，见表11。
表11 耦合阶段划分标准Table 11 coupling stage division standard
4.1.2 耦合协调度评价模型
耦合协调度是指相互作用中良性耦合程度的大小，体现了协调状况的好坏[15]。为反映二者间相互作用并利于双方发展的良性耦合情况。借鉴以往学者的研究经验，在耦合度评价模型的基础上引入耦合协调度评价模型。耦合协调度评价模型如下。
其中D表示耦合协调度，H1表示京津冀地区绿色金融发展水平指数，H2表示京津冀地区农业碳排放效率指数，H2为耦合协调性指数，体现了二者的整体协调效应。α、β为待定参数，结合已有的学者的研究，绿色金融发展水平与农业碳排放效率同等重要，因此α=β=0.5。
此外借鉴朱建华等研究中耦合度的划分标准，将耦合协调度划分为6个阶段，见表12。
表12 耦合协调度划分标准Table 12 Coupling coordination degree division standard
4.2 京津冀地区绿色金融发展水平与农业碳排放效率耦合度实证分析
基于前文已有的京津冀地区绿色金融发展水平指数与京津冀地区农业碳排放效率指数，运用耦合评价模型以及耦合协调度评价模型测算出京津冀地区绿色金融发展水平与农业碳排放效率间耦合度（C）以及耦合协调度（D），见表13。
表13 各地区绿色经济发展水平与效率耦合度及耦合协调度Table 13 The coupling degree and coupling coordination degree of green economy development level to efficiency in each region
由表可知，京津冀绿色金融发展水平与农业碳排放效率的耦合度和协调性存在区域差异。依据耦合度评价模型中的耦合阶段划分标准，分析可得：2008—2021 年北京市、天津市的耦合度数值有所波动，但始终介于[0.4,0.5]之间，稳居于初级耦合阶段。河北省的耦合度数值呈现波动上升趋势，逐渐由低度耦合阶段过渡到初级耦合阶段。
按照耦合协调度评价模型中的耦合协调等级标准，在与耦合度数值的整体对比上，耦合协调度数值均高于耦合度，进一步展现出京津冀绿色金融发展水平与农业碳排放效率间的良性耦合关系。分析可得：2008—2021 年，北京市耦合协调水平呈现小幅波动变化，耦合协调度数值始终介于[0.5,0.6]之间；
天津市耦合协调水平呈现小幅波动下滑趋势，但等级稳定与中度耦合协调；
河北省耦合协调水平波动幅度较大，处于初级耦合协调和中度耦合协调之中。
5.1 结论
通过测算京津冀地区2008—2021 年绿色金融发展水平和农业碳排放效率，将二者进行耦合分析。得出具体结论如下。
京津冀地区绿色金融发展水平尚处于初级阶段，存在着较大的发展空间。2008—2018年，京津冀3地绿色金融发展综合水平在整体上呈现出发展规模较小，存在较大的地区差异性，3 地绿色金融发展不平衡不充分。北京市的综合发展水平数值稳定在0.3左右；
天津市整体呈现出波动下滑趋势；
河北省与天津市相反，其综合发展水平呈现波动上升趋势，河北省从2008 年初与北京市、天津市有着较大差距到2018年实现与北京市、天津市综合发展水平相当。
京津冀地区农业技术效率整体上未达理想状态，天津市与河北省农业技术效率有待提升，河北省农业规模效率亟需改善。2008—2018 年，京津冀地区农业碳排放效率整体上处于良好状态，但在技术效率层面，北京市＞天津市＞河北省，技术问题成为制约天津市与河北省提升农业碳排放效率的条件；
在规模效率层面，北京市与天津市10 年间保持在[0.9,1]之间，而河北省与北京市、天津市相差甚远，数值远小于1，表明在农业产出既定的前提下，成本并没有降到最低，造成了资源的浪费，应及时改善管理方式，提升技术应用。
京津冀地区绿色金融对农业碳排放效率的影响大体上呈现“U”型关系。前期，京津冀3 地作为经济发展态势良好的区域，在发展经济的同时，动力体系不能得到及时有效的转型，发展过程中势必会对环境产生一定的负面影响，进而影响到农业生产体系，加重农业绿色发展负担。随着绿色金融的发展，加快推进绿色农业生产环境构建，提升农业碳排放效率。目前，绿色金融发展水平与农业碳排放效率的耦合水平较低，但二者呈现良好的耦合协调状态。
5.2 建议
基于以上研究结论，结合京津冀地区绿色金融与农业发展现状，现提出以下几点建议。
1.加快构建绿色、公平、高效的绿色金融市场体系;六大高耗能产业加快向绿色低碳发展型转变;重视金融人才与绿色金融发展相结合。
2.北京市发挥带头作用，引领天津市与河北省共同发展。积极培育新能源，开发新技术，应用新材料，压缩高耗能产业规模。北京市在稳步提升本地区农业技术效率的同时应发挥自身辐射带动作用，为天津市与河北省提供技术、人才、资金等支持，助力京津冀地区实现农业碳减排。
3.天津市应注重农业技术的更新。不断学习、吸取北京市等全国农业技术水平较高地区的创新实验成果，地方政府注重对农业技术人才的教育与培养，加大对农业技术更新的支持程度，助力天津市早日实现精准化，高效率的农业生产。
4.河北省应从多方面改进农业生产方式，提升农业碳排放效率。宣传农业绿色生产理念，定期对农户进行生产检测与指导；
加快构建绿色农业生产的激励性体系，加大对农户进行绿色生产的补贴力度；
安排农业专业人才定期下乡实践，将教学与实际相结合，将农业技术引向农业生产区；
提升农业生产的信息化，建立农业安全生产检测网，精准、实时掌握农业生产情况，最终达到提升农业综合水平的效果。