城乡融合对农业碳排放的非线性影响：效应与机制

Impact of urban-rural integration on agricultural carbon emissions: Effects and mechanisms

摘要

为厘清城乡融合对农业碳排放的影响，本研究基于2011—2023年中国30个省份的面板数据，对城乡融合发展的农业碳减排效应及作用机制进行检验（统计数据未含西藏及港澳台地区，下同）。研究发现：1）城乡融合与农业碳排放之间存在先增后减的倒“U”型关系，但这一效应仅在非粮食主产区和陡峭地区成立；2）农村金融集聚是城乡融合对农业碳排放产生影响的非线性中介机制。具体而言，城乡融合对农村金融集聚呈现显著的“U”型影响，而后通过该中介渠道对农业碳排放产生间接影响，存在非线性的中介效应；3）城乡融合对农业碳排放的影响存在农村人力资本水平的单门槛效应，只有当农村人力资本水平跨越门槛值9.304时，其农业碳减排效应才会充分显现；4）城乡融合对农业碳排放的影响存在倒“U”型空间溢出效应，本地城乡融合进程影响邻近地区农业碳排放水平。据此，各地区应根据城乡融合在不同发展阶段发挥的不同作用因时施策，充分发挥城乡融合的农业碳减排作用。

Abstract

Understanding how urban-rural integration influences agricultural carbon emissions is essential for advancing agricultural and rural modernization and achieving the “dual-carbon” objectives. Based on provincial panel data from 30 Chinese provinces from 2011 to 2023， this study investigates the effects of urban-rural integration on agricultural carbon emissions and their underlying mechanisms. （The data do not include those of Xizang， Hong Kong， Macao and Taiwan regions， the same below）. The key findings are as follows： 1） Urban-rural integration exhibits an inverted U-shaped relationship with agricultural carbon emissions. This pattern， however， is observed only in non-major grain-producing regions and is particularly evident in steep areas. 2） Rural financial agglomeration serves as a nonlinear mediator in the relationship between urban-rural integration and agricultural carbon emissions. Specifically， urban-rural integration has a significant U-shaped effect on rural financial agglomeration， which in turn indirectly affects agricultural carbon emissions， thereby substantiating the existence of a nonlinear mediating mechanism. 3） The influence of urban-rural integration on reducing agricultural carbon emissions is subject to a single threshold effect related to rural human capital. Only when the level of rural human capital exceeds the threshold of 9.304 does the emission-reducing effect become fully effective. 4） Urban-rural integration also demonstrates an inverted U-shaped spatial spillover effect on agricultural carbon emissions， meaning that integration efforts in one region can influence emission levels in neighboring areas. Given these insights， policymakers should tailor strategies according to regional characteristics and developmental stages of urban-rural integration to maximize their potential in mitigating agricultural carbon emissions.

关键词

城乡融合 / 农业碳排放 / 非线性关系 / 农村金融集聚 / 农村人力资本水平 / 空间溢出效应

Key words

urban-rural integration / agricultural carbon emissions / nonlinear relationships / rural financial agglomeration / level of human capital in rural areas / spatial spillover effects

气候变化是人类社会面临的共同挑战。过去几十年间，随着温室气体浓度的不断增加，日益频发的极端气候事件不断威胁到人类的生存与健康，同时也危害到了陆地和海洋生态系统。农业作为国民经济的基础行业，其碳排放问题不容小觑。据统计，中国农业碳排放以甲烷、氧化亚氮为主，农业生产活动产生的碳排放量约占全球总量的12%，占全国碳排放总量的17%左右^［1］。面对这一严峻形势，农业部门减排降碳逐渐上升至国家战略高度，中央政府相继部署多项政策措施。2007年《中国应对气候变化国家方案》将农业列为重点减排领域^［2］；《2030年前碳达峰行动方案》明确将“农业农村减排固碳”列为十大行动之一；2025年《乡村全面振兴规划（2024—2027年）》进一步强调“稳步推进农业绿色低碳发展，开展农业减排固碳技术攻关”。农业碳排放作为农业生产中典型的非期望产出，本质上由各要素投入与配置方式所决定。在这一过程中，城乡融合与农业碳排放之间存在相互影响、相互制约、相互作用的互动关系。一方面，城乡融合发展通过消解城乡间地理边界隔阂，促进劳动力、资金和技术等投入要素的双向流动与高效配置，导致要素重新配置调整，或直接或间接对农业碳排放进程及效果产生影响^［3］；另一方面，城乡融合进程中的失衡性与扩张性可能使其忽视对生态环境的保护，造成农业诸多领域的资源错配与非可持续发展。在此背景下，准确把握城乡融合对农业碳排放的影响及内在机制，对于推进农业绿色低碳转型、助力农业农村现代化以及实现“双碳”目标具有重大现实意义。

目前，学界对城乡融合与农业碳排放二者关系的研究颇为关注，但尚未达成一致结论，主要形成了以下三类不同观点。一是城乡融合对农业碳减排具有正向影响。王凯等^［4］认为，城乡融合通过环保投入、技术研发形成节能减排效应，以此减少能源消耗并助力农业碳减排；高波等^［5］研究发现，城乡融合带来农村产业链升级优化，即工业反哺农业、农业生态资源转向农村第三产业，在区域协同发展背景下有效降低碳排放强度；胡池群等^［6］认为，城乡融合在规模效应与成本效应的协同下，有效推动农业规模化经营，缓解土地碎片化问题，为提高农业生产效率与降低能源消耗创造了有利条件。二是城乡融合对农业减排具有负向影响。谢会强等^［7］研究表明，城乡融合导致农业生产面临投入成本提升与收入波动加剧的双重约束，农户在有限理性的决策下，产生“模糊厌恶”，抑制低碳技术的采纳，由此降低了农业碳排放效率。三是城乡融合对农业碳排放存在复杂的非线性关系。李晓青等^［8］通过对长株潭城市群分析发现，城乡融合加速农用地的非农转化，直接导致碳汇面积减少，碳源面积增加，产生“增碳效应”，而通过对土地资源的优化配置，缓解土地细碎化与集中管理的矛盾，实现碳源与碳汇的动态平衡与协调，产生“减碳效应”。由此可见，城乡融合是影响农业碳排放的重要因素，但由于样本期选择、变量设定等差异导致研究结论莫衷一是。

纵览既有文献可知，现有研究多聚焦城乡融合与农业碳排放的线性关系或单一作用机制，较少关注城乡融合对农业碳排放的非线性效应及内在机理，即在“双碳”目标背景下，城乡融合对农业碳排放的影响如何，是否存在空间溢出效应，以及通过何种渠道发挥作用有待进一步探讨。鉴于此，本研究尝试在理论分析的基础上，依据2011—2023年30个省级行政区面板数据，综合采用双向固定效应、非线性中介效应、门槛效应以及空间溢出效应等模型，系统探讨城乡融合对农业碳排放的具体影响及内在机制，以期为激活城乡发展潜能、促进农业绿色低碳转型提供科学依据。

1　理论分析与研究假说

1.1　城乡融合对农业碳排放的非线性作用

城乡融合发展是逐步消除城乡二元结构，实现城乡协调发展的长期动态演变过程，涵盖多个发展阶段，并实现由低级到高级的演进^［5］。在这一过程中，城乡融合通过改变农业生产方式、空间格局与功能，深刻影响城乡居民生产、生活活动，引起农业碳源与碳汇格局的变化，进而产生增碳或减碳效应。因此，本研究认为城乡融合与农业碳排放可能存在非线性关系，并将其分为2个阶段。

首先是城乡融合的起步阶段。此阶段，城乡融合发展所参与的农业生产活动有限，同时还面临资金使用偏向性、生产粗放扩张等约束条件，可能会产生“资源配置偏向效应”与“规模效应”，表现出对农业碳减排的负向影响。一方面，初期，农村地区公共产品供给严重失衡、公共资源配置不合理等问题突出，而财政资金短期内可能注重经济效益，对生态环境治理与农业技术投入相对不足^［7］，由此导致环境污染缺乏终端治理能力，农业发展呈现高污染、高排放特征；另一方面，人口与产业的非农转移是此阶段的突出特征。为了规避风险、保障收益，农户都会力求实现耕地规模化经营与生产作业连片，促使生产经营者扩大规模，增加农业机械与农用物资投入，由此增加了农业碳排放。

其次是城乡融合的深化阶段。此阶段，城乡融合发展能够推动传统农业部门与现代生产要素的深度融合，进而产生“技术效应”与“结构效应”，表现出对农业碳减排的正向影响。具体而言，城乡融合通过实现创新主体与生产主体的有效对接，破解科技成果转换难题，促使农业生产者掌握病虫害防治、智能灌溉等绿色技术，采纳更为先进、高效的农业生产方式，助力农业绿色低碳转型^［9］；同时，农业绿色革新还催生出诸如节水农业、循环农业等可持续发展模式，使资源在农业系统内部实现高效流动与再生，从而提高资源利用效率，减少农业碳排放^［10］；此外，城乡融合发展能够打破农村产业内部的要素分割与多种壁垒，推动农业多功能性转型，衍生出数字农业、休闲农业与种业工程等新业态、新模式，进一步优化农业产业结构，最终降低农业碳排放。据此，本研究提出假说1：

H1：城乡融合对农业碳排放呈倒“U”型影响。

1.2　农村金融集聚的中介机制

研究表明，农村金融集聚是实现农业碳减排的重要途径^［11］。农村金融集聚通过引导金融资源积极参与绿色低碳发展，推动人才、资金和技术等要素在农业可持续领域流动与集聚，有效提高农业资本配置效率，继而改善以往气候风险型生产模式，最终减少农业碳排放量。

然而，在城乡融合发展初期，农村金融集聚一般会受到产品供给、信息成本和风险管控等因素的制约。究其原因，从供给端来看，金融机构通常提供标准化、垂直化的信贷产品，金融供给较难与农业生产的季节性、风险性与绿色化需求相匹配，限制了金融资源在低碳领域的有效投放；从需求端来看，初期各生产主体资本积累薄弱、抗风险能力较差，其金融需求多为维持传统再生产的短期流动性需求，而非支持绿色转型的长期投资需求，由此阻碍了农业低碳转型。而到了后期，农村金融集聚通过创新金融产品和服务，有效缓解农户和涉农企业面临的“金融排斥”，鼓励农业经营主体采纳绿色高效的农业生产模式，实现经济效益与环境效益协同增长^［12］；同时，农村金融集聚通过发挥融资、增信和风控功能，增强农业经营主体的风险应对能力，推动节能农机装备和绿色低碳技术的扩散应用，从而减少农业碳排放。据此，本研究提出假说2：

H2：农村金融集聚是城乡融合对农业碳排放产生倒“U”型影响的非线性中介路径。

1.3　农村人力资本水平的门槛作用

目前，我国已进入城乡关系重构与乡村发展转型的关键阶段^［13］，区域间资源禀赋差异直接影响城乡融合的进程与成效。其中，农村人力资本是推动城乡融合的重要因素之一，也是实现城乡高质量发展的先决条件。然而，长期以来，农村地区因基础设施落后、教育资源匮乏、产业结构单一等约束条件，其人力资本水平整体偏低^［14］，难以充分发挥城乡融合的农业碳减排效应。具体而言，在农村人力资本水平较低的区域，农户限于技术采纳成本与风险防控能力，在现代农业技术应用深度与绿色转型参与度方面存在一定落差，导致城乡融合对农业碳减排的边际效应较弱；而在农村人力资本水平较高的区域，农户具备更强的资金保障与学习能力，倾向于采纳更为科学、高效的绿色低碳技术，推动农业向绿色化、规模化和集约化发展；与此同时，高人力资本水平的农民更易将城乡融合进程中流入的资金、技术与管理经验转换为绿色生产力，有效实现各要素的高效匹配，从而促进农业碳减排。据此，本研究提出假说3：

H3：农村人力资本水平在城乡融合对农业碳排放的影响中存在门槛效应。

1.4　城乡融合对农业碳排放影响的空间溢出效应

近年来，城乡融合的纵深发展不断削弱城乡地域空间的界限与隔阂，现代生产要素与绿色发展政策随之流动、聚集，各地的农业碳减排活动也呈现区域联动特征，这可能导致本地城乡融合进程会对周边地区农业碳排放产生溢出效应，具体通过以下三方面阐释。第一，示范效应。初期，仅在融合水平较高的地区率先应用农业低碳技术、推广低碳生产模式、构建低碳产业体系，并形成农业低碳发展先行示范区。在此影响下，邻近地区受到引导与激励，调整自身农业投入与经营策略，继而减少农业碳排放^［15］。第二，扩散效应。城乡融合带动技术、信息等知识型要素向农村扩散的同时，推动低碳环保理念在农村逐步渗透，促使农户主动采纳节能减排、资源循环利用等绿色生产方式，助推传统农业向低碳、高效方向转型。第三，地区竞争机制。当城乡融合推动某一地区农业碳减排时，该地区更容易获得上级政府重视与政策资源支持，在区域竞争中形成相对优势^［16］。由于各地政府力求在经济发展与环境绩效考核中脱颖而出，邻近地区将会加大农业碳减排投入，以避免在竞争中处于不利地位。据此，本研究提出假说4：

H4：城乡融合对农业碳排放的影响存在空间溢出效应。

2　研究设计与数据来源

2.1　模型设定

2.1.1　基准回归

为识别城乡融合对农业碳排放的影响，本研究构建如下双向固定效应模型：

\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}{\mathrm{n}}_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}+{\alpha }_{\mathrm{2}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}^{\mathrm{2}}+\lambda \mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\delta }_t+{\epsilon }_{it}（1）

式中：\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}\mathrm{n}为农业碳排放；i、t分别为省份和时间；\mathrm{I}\mathrm{u}\mathrm{r}\mathrm{d}、\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}^{\mathrm{2}}分别为城乡融合发展水平及其平方项；\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}\mathrm{为}一系列控制变量；{\alpha }_{\mathrm{0}}\mathrm{为}截距项；{\mathrm{\alpha }}_{\mathrm{1}}、{\alpha }_{\mathrm{2}}、\lambda为回归系数；{\mu }_i为省份固定效应；{\delta }_t为时间固定效应；{\epsilon }_{it}为随机干扰项。

2.1.2　中介效应模型

本研究借鉴温忠麟^［17］的研究，考察城乡融合与农业碳排放倒“U”型关系的传导机制，构建模型如下：

\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}{\mathrm{n}}_{it}={\gamma }_{\mathrm{0}}+{\gamma }_{\mathrm{1}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}+{\gamma }_{\mathrm{2}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}^{\mathrm{2}}+\lambda \mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\delta }_t+{\epsilon }_{it}（2）

\begin{array}{l}\mathrm{R}\mathrm{f}{\mathrm{a}}_{it}={\gamma }_{\mathrm{3}}+{\gamma }_{\mathrm{4}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}+{\gamma }_{\mathrm{5}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}^{\mathrm{2}}+\\ \lambda \mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\delta }_t+{\epsilon }_{it}\end{array}（3）

\begin{array}{l}\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}{\mathrm{n}}_{it}={\gamma }_{\mathrm{6}}+{\gamma }_{\mathrm{7}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}+{\gamma }_{\mathrm{8}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}^{\mathrm{2}}+\\ {\gamma }_{\mathrm{9}}\mathrm{R}\mathrm{f}{\mathrm{a}}_{it}+{\gamma }_{\mathrm{10}}\mathrm{R}\mathrm{f}{\mathrm{a}}_{it}^{\mathrm{2}}+\\ \lambda \mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\delta }_t+{\epsilon }_{it}\end{array}（4）

式中：\mathrm{R}\mathrm{f}\mathrm{a}为中介变量农村金融集聚；式（2）和（3）中均设置城乡融合水平的平方项\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}^{\mathrm{2}}，式（4）中进一步设置城乡融合水平和农村金融集聚的平方项\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}^{\mathrm{2}}和\mathrm{R}\mathrm{f}{\mathrm{a}}_{}^{\mathrm{2}}，用以揭示变量间非线性作用；当{\gamma }_{\mathrm{1}}、{\gamma }_{\mathrm{2}}、{\gamma }_{\mathrm{4}}、{\gamma }_{\mathrm{5}}\mathrm{、}{\gamma }_{\mathrm{7}}\mathrm{、}{\gamma }_{\mathrm{8}}\mathrm{、}{\gamma }_{\mathrm{9}}\mathrm{、}{\gamma }_{\mathrm{10}}均显著时，表明城乡融合除了对农业碳排放产生直接非线性作用，还通过农村金融集聚的传导机制间接作用于农业碳排放。

2.1.3　门槛回归模型

为进一步探究城乡融合对农业碳排放的门槛特征，本研究参考Hansen^［18］的研究构建门槛效应模型，具体设定如下：

（5）

式中：\mathrm{R}\mathrm{h}\mathrm{c}\mathrm{为}门槛变量农村人力资本水平；\eta为门槛值；I(\bullet )为指示性阶段函数，当括号内条件成立时取值为1，否则取值为0；\beta为回归系数。

2.1.4　空间计量模型

为检验城乡融合对农业碳排放的空间效应，本研究构建空间计量模型：

\begin{array}{l}\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}{\mathrm{n}}_{it}={\eta }_{\mathrm{0}}+\varrho {\sum }_{j=\mathrm{1}}^n{W}_{ij}\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}{\mathrm{n}}_{it}+{\eta }_{\mathrm{1}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}+{\eta }_{\mathrm{2}}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{it}^{\mathrm{2}}+{\theta }_{\mathrm{1}}{\sum }_{j=\mathrm{1}}^n\begin{array}{c}{W}_{ij}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{jt}+\end{array}\\ {\theta }_{\mathrm{2}}{\sum }_{j=\mathrm{1}}^n{W}_{ij}\mathrm{I}\mathrm{u}\mathrm{r}{\mathrm{d}}_{jt}^{\mathrm{2}}+\\ \lambda \mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}{\mathrm{l}}_{it}+{\mu }_i+{\delta }_t+{\epsilon }_{it}\end{array}（6）

式中：{\eta }_{\mathrm{0}}、{\eta }_{\mathrm{1}}和{\eta }_{\mathrm{2}}分别为常数项和直接影响系数；W_{ij}为空间权重矩阵；\varrho、{\theta }_{\mathrm{1}}和{\theta }_{\mathrm{2}}为空间滞后系数。

2.2　变量说明

2.2.1　被解释变量：农业碳排放

借鉴田云等^［19］的研究，基于大农业范畴从能源利用、农资投入、水稻种植和畜禽粪污4个维度测算农业碳排放量，具体计算公式如下：

\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}\mathrm{n}=\sum \mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}{\mathrm{n}}_i=\sum N_i\times {\delta }_i（7）

式中：\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}\mathrm{n}为农业碳排放总量；\mathrm{C}\mathrm{a}\mathrm{r}\mathrm{b}\mathrm{o}{\mathrm{n}}_i为各类碳源所引发的碳排量；N_i、{\delta }_i分别为各碳源实际数量及对应的碳排放系数。

2.2.2　核心解释变量：城乡融合

关于城乡融合发展的测度，本研究综合相关学者研究^［20-23］，分别从经济融合、社会融合、生态融合和空间融合4个维度共15个二级指标构建评价指标体系（表1），并运用熵值法完成计算。其中，经济融合主要侧重对城乡收入分配方面的刻画，社会融合主要侧重对城乡社会保障方面的刻画，空间融合主要侧重对城乡基础设施联通方面的刻画，生态融合主要侧重对城乡环境卫生治理方面的刻画。

2.2.3　中介变量：农村金融集聚

参考张敬东等^［24］的研究，采用区位熵衡量各省份的农村金融集聚程度，具体计算公式如下：

\mathrm{R}\mathrm{f}{\mathrm{a}}_{it}=\frac{R_{it}/F_{it}}{{\sum }_{i=\mathrm{1}}^n{R}_{it}/{\sum }_{i=\mathrm{1}}^n{F}_{it}}（8）

式中：\mathrm{R}\mathrm{f}{\mathrm{a}}_{it}、R_{it}和F_{it}分别为i省份t年农村金融集聚区位熵指数、农村金融机构营业网点数和地区金融机构营业网点数。

2.2.4　门槛变量：农村人力资本水平

参考田云等^［14］的研究，采用各省农村人均受教育年限进行衡量。

2.2.5　控制变量

参考已有研究^［9，25］，选取如下控制变量：城镇化率，以城镇人口与地区总人口数之比表征；作物种植结构，以粮食作物播种面积与农作物总播种面积比值表征；财政支农力度，以地方农林水事务支出与财政一般预算支出的比值衡量；环境规制，以各地区污染治理项目投资额与其地区生产总值之比度量；自然灾害程度，用农作物受灾面积占农作物总播种面积的比重表示。

2.3　数据来源

囿于数据可得性，本研究选取2011—2023年中国30个省份（统计数据未含西藏及港澳台地区，下同）的样本数据作为研究对象。数据主要源自历年《中国能源统计年鉴》^［26］ 《中国农村统计年鉴》^［27］ 《中国统计年鉴》^［28］、各省统计年鉴以及国家统计局官网。为避免价格波动的影响，相关经济指标以2010年为基期进行不变价处理。部分缺失数据采用线性插值法予以补齐。相关变量的描述性统计结果如表2。

3　实证结果与分析

3.1　基准回归分析

在进行基准回归前，本研究先运用方差膨胀因子进行多重共线性检验，结果显示，最大值为1.90，均值为1.55，由此判定各变量间不存在明显的多重共线性问题；而后根据F检验、Hausman检验结果，选取双向固定效应模型作为本研究的基准回归模型。

基准回归结果如表3。其中，模型（1）包含城乡融合及其二次项且控制了个体、时间固定效应。模型（2）~（4）为依次加入城镇化率、作物种植结构、财政支农力度等控制变量。结果表明，在逐步加入控制变量后，城乡融合对农业碳排放的非线性影响保持稳健。此外，城乡融合的一次项系数为正、二次项系数为负，说明城乡融合与农业碳排放之间存在倒“U”型关系。进一步计算倒“U”型曲线的拐点，可得2.253/（2×3.170）≈0.355。其经济学含义为：当城乡融合水平<0.355时，随着城乡融合水平的提升，农业碳排放呈增长趋势；当城乡融合水平>0.355时，随着城乡融合水平的进一步提高，农业碳排放呈降低趋势。据此，假说1成立。

3.2　内生性分析及稳健性检验

3.2.1　内生性分析

考虑到基准回归结果可能存在的内生性问题，譬如遗漏变量与反向因果等问题。本研究借鉴宋全云等^［29］的做法，采用某一省份除自身之外城乡融合均值的滞后一期作为工具变量。如此选择基于以下2点考虑：第一，外省通过示范、学习、竞争等效应影响本省城乡融合发展的决策与成效，符合相关性要求；第二，工具变量源于其余省份的滞后项，避免与本省当期误差项的直接关联，符合外生性要求。此外，C-D Wald F检验和不可识别检验表明，在不存在弱工具变量问题的情况下同时拒绝了“工具变量识别不足”的原假设，即工具变量选取有效。由此得出，在纠正内生性问题后，基准回归结果依然成立（表4）。

3.2.2　稳健性检验

本研究选取4种方式进行稳健性检验：第一，U test检验。表5中，Slope区间由正值变为负值，拐点（0.355）位于核心解释变量范围［0.145，0.659］内，且P<0.01，表明城乡融合对农业碳排放的倒“U”型关系存在。第二，替换解释变量度量方式。采用熵权法TOPSIS对城乡融合发展进行评价。第三，替换被解释变量度量方式。采用农业碳排放密度替换原有被解释变量，计算方式为农业碳排放与农作物播种面积之比。第四，剔除特殊年份。考虑到2020年新冠疫情成为世界经济运行的突发性外生冲击事件，可能对农业生产和要素流动造成短期扰动，据此，本研究在剔除2020和2021年的样本后重新进行估计。3种检验方法的回归结果如表6。综合结果显示，城乡融合对农业碳排放的非线性影响具有稳定性。

3.3　异质性分析

3.3.1　粮食生产功能区异质性检验

本研究根据粮食生产功能将样本划分为粮食主产区和非粮食主产区¹，而后进行分组回归，具体结果如表7模型（10）和（11）所示。结果表明，城乡融合对农业碳排放的倒“U”型影响仅在非粮食主产区成立。究其原因，非粮食主产区不以保障国家粮食安全为核心任务，农业生产功能相对弱化，前期农业生产存在要素投入的路径依赖，无法弥补因规模扩张带来的环境污染，不利于农业绿色生产；后期通过改善农业生产条件，提供先进的技术、高效的社会化服务及科学的管理经验，充分释放农业碳减排潜力，由此形成显著的倒“U”型关系。与之相反，粮食主产区始终承担国家“稳产保供”的战略任务，其亩均投入的农资规模大且难以削减，致使农业面源污染问题频现；此外，粮食主产区拥有较为优越的农业资源禀赋，技术应用已相对成熟，因而碳减排的边际改善效应较为有限。

3.3.2　地形异质性检验

本研究以地形起伏度^［30］作为划分依据，将研究样本分成平缓地区和陡峭地区²进行分组回归。表7模型（12）和（13）结果表明，城乡融合对农业碳排放的倒“U”型关系在陡峭地区成立，而平缓地区城乡融合发展的二次项系数仅在10%水平下抑制农业碳排放。究其原因：陡峭地区农业资源禀赋较差，对城市要素依赖性更强，融合初期虽缓解既有生产约束并推动农业发展，但囿于自身基础设施薄弱、适配性不足，造成农业碳排放阶段性上升；后期，农业发展逐渐向集约化、生态化方向演进，各主体对传统高碳生产方式依赖减弱，农业碳排放随之下降，呈现显著的倒“U”型关系。而平缓地区农业规模化、集约化程度相对较高，尽管其具备更好的农业发展优势，但对碳排放的边际递减效应可能已接近或跨越饱和阈值，仅能产生微弱的碳减排效应。

3.4　作用机制检验

表8为中介效应的检验结果。由模型（14）可知，城乡融合及其二次项系数分别为-5.808和3.759，均在1%水平下显著，表明城乡融合对农村金融集聚呈“U”型变化态势。可能的解释是：前期，城乡融合水平较低，金融资源因面临制度性排斥、产业基础薄弱和信用体系缺失等不利境况而难以在农村地区形成集聚；后期，农村经济发展潜力得以释放，新业态涌现与新型农业经营主体成长发挥出规模效应，有效推动了多元金融资源的集聚。由模型（15）可知，农村金融集聚及其二次项系数分别为0.275和-0.073，分别在10%和5%的水平下通过了检验，表明农村金融集聚对农业碳排放呈倒“U”型影响态势。究其原因：早期，金融集聚缓解了农户的融资约束，短期内无法有效遏制化肥、农药等农资使用规模，加剧了农业碳排放；后期，农村金融集聚不仅引导社会资本向低碳可持续领域集聚，还能激励农户更新技术和生产模式，实现经济效益和生态效益的“双赢”。此外，Bootstrap检验结果表明，95%置信区间不包含0，表明农村金融集聚在城乡融合对农业碳排放的影响中存在中介路径。据此，假说2成立。

3.5　门槛效应检验

表9为门槛效应的检验结果。存在性检验结果显示，第一门槛值为9.304，在1%水平下显著，不存在第二门槛。门槛效应回归结果如表10，当农村人力资本水平不高于9.304时，城乡融合对农业碳排放不存在相关关系；而当农村人力资本水平高于门槛值时，其影响系数为-2.238，且在1%水平下显著，说明此时城乡融合的农业碳减排效应才能更好显现。据此，假说3成立。

3.6　空间溢出效应检验

全局Moran’s I指数检验结果显示，研究期间农业碳排放呈现显著空间正相关性，比较LM检验、LR检验、Wald检验和Hausman检验结果，最终选择双向固定效应的空间杜宾模型进行分析，同时将反地理距离矩阵替换成空间邻接矩阵进行稳健性检验。表11结果显示，城乡融合与农业碳排放之间存在显著的倒“U”型关系。究其原因，初期，城乡间要素流动尚未形成高效配置机制，城乡融合不仅诱发本地的生产规模扩张、要素投入粗放等问题，还强化了区域间的竞争关系；邻近地区通过设置技术交流壁垒，致使先进技术在农业生产环节的应用受限，导致农业碳排放量不断攀升；后期，由于存在“示范效应”与“扩散效应”，本地率先通过技术协同创新、建设示范园区、产业协同联动等方式取得良好成效后，再通过空间关联机制促进邻近地区学习先进知识和管理经验，推动农业绿色低碳转型；此外，地区间竞争机制也从“低水平要素竞争”演变为“高质量绿色竞争”，促使农业碳排放整体趋于下降。据此，假说4成立。

4　结论与建议

4.1　研究结论

基于前述研究成果，得出如下结论：

第一，城乡融合与农业碳排放之间存在倒“U”型非线性关系，对农业碳排放的抑制区间为（0.355，0.659］，但该效应具有一定异质性特征，具体表现为，倒“U”型关系仅在非粮食主产区和陡峭地区成立。

第二，农村金融集聚是城乡融合对农业碳排放产生影响的非线性中介机制。具体而言，城乡融合对农村金融集聚呈现显著的“U”型影响，先引起农村金融集聚度下降，达到拐点后，会提升农村金融集聚度，而后通过该中介渠道对农业碳排放产生间接影响，存在非线性的中介效应。

第三，城乡融合对农业碳排放的影响存在农村人力资本水平的单一门槛效应。具体而言，当农村人力资本水平跨越门槛拐点9.304后，对生态环境的外部性中正外部性占据主导，此阶段城乡融合发展将有效促进农业碳减排。

第四，在考虑空间因素的情况下，城乡融合对农业碳排放具有空间溢出效应。具体而言，城乡融合对农业碳排放的非线性影响不仅作用于本地，还通过空间关联机制向邻近地区扩散。

4.2　政策建议

根据上述结论，尝试提出如下对策建议：

第一，因地制宜发挥城乡融合的碳减排效应。各省份在制定相关规划时，要立足自身资源禀赋和城乡融合发展阶段。对于粮食主产区和平缓地区，构建市场导向、政府主导以及两者协同的农业技术研发、成果转化和示范应用的绿色产业链，以更好地释放城乡融合的农业碳减排效应；对于陡峭地区和非粮食主产区，可实施梯度式技术补贴标准。对于低水平融合地区，可按减排量分档给予20%~50%的设备购置补贴；对于高水平融合地区，提供5年期专项贴息支持，并将实际贷款利率降至3%以下。

第二，把握农村金融集聚在城乡融合赋能农业碳减排中的传导效应。供给约束、信息成本可能给农业低碳发展带来不利影响。对此，供给端应根据不同地区农业生产风险、农户需求及农业特点，丰富绿色金融产品的供给，确保金融产品和服务能够准确、高效地服务于农业生产与农民需要；需求端则应通过宣传引导和教育培训，强化金融素养和低碳意识，降低对绿色金融产品的认知门槛和使用成本，激活自身采纳绿色低碳技术的内生动力。

第三，强化农村人力资本门槛效应管理。对于人力资本水平较低的地区，政府应通过强化绿色技术培训和实践指导，提升农户绿色生产理念，实现城乡融合对农业碳减排的正向溢出；对于人力资本水平较高的地区，应进一步深化人力资本与科技创新、产业升级的耦合机制，发挥高素质农民的引领作用，保障城乡融合发展的农业碳减排效应持续正向输出。

第四，建立地区间城乡融合协同发展机制。各地在制定城乡融合发展政策时，建立跨区域协同补偿机制，对于碳减排外溢贡献较大的地区给予相应经济补偿，促进区域农业碳减排责任与收益均衡。同时，破除城乡要素流动壁垒，通过共建产学研平台、技术推广中心和农业产业融合等形式深化跨区域合作，引导地区碳减排工作由“被动响应”到“主动提升”。

参考文献

[1] 操小娟，靳婷.土地流转、农业规模经营与农业碳排放：基于土地流转政策的准自然实验［J］.华中农业大学学报：社会科学版，2024（4）：153-163

[2] Cao X J， Jin T. Land transfer， agricultural scale management and agricultural carbon emissions［J］. Journal of Huazhong Agricultural University： Social Sciences Edition，2024（4）：153-163 （in Chinese）

[3] 王兴中，江小芳，尹彤.“双碳”背景下农业新质生产力对中国农业碳减排的影响［J］.水土保持通报，2025，45（3）：295-306

[4] Wang X Z， Jiang X F， Yin T. Impact of China’s agricultural new-quality productivity on agricultural carbon emission reduction under background of “dual carbon”［J］. Bulletin of Soil and Water Conservation，2025，45（3）：295-306 （in Chinese）

[5] 李宽，史磊，张弘.我国新型农业经营主体发展对农业碳排放强度的影响：“减碳效应”或“增碳效应”［J］.农业技术经济， 2024（11）：51-73

[6] Li K， Shi L， Zhang H. The Influence of the development of new agricultural business entities on the intensity of agricultural carbon emission： “Carbon reduction effect” or “carbon increase effect”［J］. Journal of Agrotechnical Economics，2024（11）：51-73 （in Chinese）

[7] 王凯，刘美伦，甘畅.城乡融合对碳排放绩效的影响［J］.长江流域资源与环境，2025，34（6）：1278-1290

[8] Wang K， Liu M L， Gan C. Impact of Urban-rural integration on carbon emission performance［J］. Resources and Environment in the Yangtze Basin，2025，34（6）：1278-1290 （in Chinese）

[9] 高波，孔令池.中国城乡融合发展的经济增长效应分析［J］.农业技术经济，2019（8）：4-16

[10] Gao B， Kong L C. An Analysis on the economic growth effect of the integration of urban and rural development in China［J］. Journal of Agrotechnical Economics，2019（8）：4-16 （in Chinese）

[11] 胡池群，马晓钰，刘家民.城乡融合对农业碳排放强度的影响研究［J］.农业现代化研究，2023，44（4）：668-679

[12] Hu C Q， Ma X Y， Liu J M. Research on the impact of urban-rural integration on the carbon emission intensity of agriculture［J］. Research of Agricultural Modernization，2023，44（4）：668-679 （in Chinese）

[13] 谢会强，吴晓迪.城乡融合对中国农业碳排放效率的影响及其机制［J］.资源科学，2023，45（1）：48-61

[14] Xie H Q， Wu X D. Impact and its mechanism of urban-rural integration on the efficiency of agricultural carbon emissions in China［J］. Resources Science，2023，45（1）：48-61 （in Chinese）

[15] 李晓青，周国华，崔树强，王华， 刘慧， 于雪霞.城乡融合发展对土地利用碳排放强度的影响：以长株潭城市群为例［J］.热带地理，2025，45（5）：874-889

[16] Li X Q， Zhou G H， Cui S Q， Wang H， Liu H， Yu X X. Impact of urban-rural integrated development on carbon emission intensity of land use： A case study of the Changsha-Zhuzhou-Xiangtan urban agglomeration ［J］. Tropical Geography，2025，45（5）：874-889 （in Chinese）

[17] 曾妍雯，田云，郑家喜.农业生产性服务对农业碳排放效率的影响：基于中介效应和门槛效应的检验［J/OL］.中国农业资源与区划，2025，46（10）：1-14

[18] Zeng Y W， Tian Y， Zheng J X. The Impact of agricultural productive services on agricultural carbon emission efficiency： An empirical analysis of mediating and threshold effects［J/OL］. Chinese Journal of Agricultural Resources and Regional Planning，2025，46（10）：1-14 （in Chinese）

[19] 唐菁，易露.中国绿色农业技术创新的碳减排效应研究［J］.农林经济管理学报，2024，23（6）：720-730

[20] Tang J， Yi L. Emission-reduction effect of green agricultural technology innovation in China［J］. Journal of Agro-Forestry Economics and Management，2024，23（6）：720-730 （in Chinese）

[21] Liu L， Zhang L， Li B， Wang Y， Wang M. Can financial agglomeration curb carbon emissions reduction from agricultural sector in China？ Analyzing the role of industrial structure and digital finance ［J］. Journal of Cleaner Production， 2024， 440： 140862.DOI：10.1016/j. jclepro.2024.140862

[22] 韩祁祺，曹煜玲.绿色金融发展对农业碳排放的影响及溢出效应［J］.农业技术经济，2025（9）：37-53

[23] Han Q Q， Cao Y L. The impact of green financial development on agricultural carbon emissions and its spillover effects［J］. Journal of Agrotechnical Economics， 2025（9）：37-53 （in Chinese）

[24] 王国刚.城镇化：中国经济发展方式转变的重心所在［J］.经济研究，2010，45（12）：70-81

[25] Wang G G. Urbanization： The core of China’s economic development model transformation ［J］.Economic Research Journal，2010，45（12）：70-81 （in Chinese）

[26] 田云，蔡艳蓉，张蕙杰.数字经济对农业碳排放效率的影响：基于门槛效应和空间溢出效应的检验［J］.农业技术经济，2024（11）：89-107

[27] Tian Y， Cai Y R， Zhang H J. The Impact of digital economy on agricultural carbon emission efficiency： Based on threshold effect and spatial spillover effect test［J］. Journal of Agrotechnical Economics，2024（11）：89-107 （in Chinese）

[28] 赵金彩，杜永猛，任世鑫，段锴丰，任芮莹.乡村振兴对黄河流域农业碳排放的空间溢出及门槛效应研究［J］.中国生态农业学报（中英文），2024，32（10）：1766-1779

[29] Zhao J C， Du Y M， Ren S X， Duan K F， Ren R Y. Spatial spillover and threshold effects of rural revitalization on agricultural carbon emissions in the Yellow River Basin［J］. Chinese Journal of Eco-Agriculture，2024，32（10）：1766-1779 （in Chinese）

[30] 吉雪强，崔益邻，张思阳，孙红雨，袁岽铭，张跃松.农地流转对农业碳排放强度影响的空间效应及作用机制［J］.中国环境科学，2023，43（12）：6611-6624

[31] Ji X Q， Cui Y L， Zhang S Y， Sun H Y， Yuan D M， Zhang Y S. The spatial effect and action mechanism of the influence of rural land transfer on agricultural carbon emission intensity［J］. China Environmental Science，2023，43（12）：6611-6624 （in Chinese）

[32] 温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展，2014，22（5）：731-745

[33] Wen Z L， Ye B J. Analyses of mediating effects： The development of methods and models［J］. Advances in Psychological Science，2014，22（5）：731-745 （in Chinese）

[34] Hansen B E. Threshold effects in non-dynamic panels： Estimation， testing， and inference ［J］. Journal of Econometrics， 1999，93（2）：345-368

[35] 田云，尹忞昊.中国农业碳排放再测算：基本现状、动态演进及空间溢出效应［J］.中国农村经济，2022（3）：104-127

[36] Tian Y， Yin M H. Re-evaluation of China’s agricultural carbon emissions： Basic status， dynamic evolution and spatial spillover effects ［J］. Chinese Rural Economy，2022（3）：104-127 （in Chinese）

[37] 施建刚，段锴丰，吴光东.长三角地区城乡融合发展水平测度及其时空特征分析［J］.同济大学学报：社会科学版，2022，33（1）：78-89

[38] Shi J G， Duan K F， Wu G D. The Measurement of the urban-rural integration development level in the yangtze river delta region and the analysis of its spatio-temporal characteristics ［J］. Journal of Tongji University：Social Science Section，2022，33（1）：78-89 （in Chinese）

[39] 周佳宁，秦富仓，刘佳，朱高立，邹伟.多维视域下中国城乡融合水平测度、时空演变与影响机制［J］.中国人口·资源与环境，2019，29（9）：166-176

[40] Zhou J N， Qin F C， Liu J， Zhu G L， Zou W. Measurement， spatial-temporal evolution and influencing mechanism of urban-rural integration level in China from a multidimensional perspective ［J］. China Population Resources and Environment，2019，29（9）：166-176 （in Chinese）

[41] 李俊杰，梁辉.民族地区城乡融合发展水平测度及影响因素研究［J］.中央民族大学学报：哲学社会科学版，2022，49（2）：97-109

[42] Li J J， Liang H. Research on measurement of urban-rural integration development level and influencing factors in ethnic regions［J］. Journal of the Central University for Nationalities： Philosophy and Social Sciences Edition，2022，49（2）：97-109 （in Chinese）

[43] 施建刚，段锴丰，吴光东，李佳佳，徐可.碳排放约束下长三角地区城乡融合发展效率［J］.经济地理，2021，41（6）：57-67

[44] Shi J G， Duan K F， Wu G D， Li J J， Xu K. Efficiency of urban-rural integration development in the yangtze river delta under the background of carbon emission constraint［J］. Economic Geography，2021，41（6）：57-67 （in Chinese）

[45] 张敬东，张经纬，崔威威.农村金融集聚对农业碳生产率的影响：基于空间溢出视角的实证［J］.统计与决策，2025，41（11）：150-155

[46] Zhang J D， Zhang J W， Cui W W. The impact of rural financial agglomeration on agricultural carbon productivity［J］. Statistics and Decision，2025，41（11）：150-155 （in Chinese）

[47] 黄进，常淏，田野，王伟.劳动力转移对农业碳排放的影响机制及减排潜力分析［J/OL］.中国农业资源与区划，2026，47（4）：40-51

[48] Huang J， Chang H， Tian Y， Wang W. Analysis of the impact mechanism and emission Reduction potential of labor transfer on agricultural carbon emissions［J/OL］. Chinese Journal of Agricultural Resources and Regional Planning，2026，47（4）：40-51 （in Chinese）

[49] 国家统计局能源统计司. 中国能源统计年鉴［M］. 北京： 中国统计出版社， 2012—2024

[50] Energy statistics Department of National Bureau of Statistics. China Energy Statistical Yearbook［M］. Beijing： China Statistics Press， 2012-2024 （in Chinese）

[51] 国家统计局农村社会经济调查司. 中国农村统计年鉴［M］. 北京： 中国统计出版社，2012—2024

[52] Rural Social and Economic Survey Department of National Bureau of Statistics. China Rural Statistical Yearbook ［M］. Beijing： China Statistics Press， 2012-2024 （in Chinese）

[53] 中华人民共和国国家统计局. 中国统计年鉴［M］. 北京：中国统计出版社， 2012—2024

[54] National Bureau of Statistics of the People’s Republic of China. China Statistical Yearbook［M］. Beijing： China Statistics Press， 2012-2024 （in Chinese）

[55] 宋全云，吴雨，尹志超.金融知识视角下的家庭信贷行为研究［J］.金融研究，2017（6）：95-110

[56] Song Q Y， Wu Y， Yin Z C. Financial literacy and household borrowing behavior［J］. Journal of Financial Research，2017（6）：95-110 （in Chinese）

[57] 游珍，封志明，杨艳昭.中国1 km地形起伏度数据集［J］.全球变化数据学报（中英文），2018，2（2）：151-155

[58] You Z， Feng Z M， Yang Y Z. China 1 km topographic relief dataset［J］. Journal of Global Change Data & Discovery，2018，2（2）：151-155 （in Chinese）

基金资助

国家社会科学基金一般项目(23BGL189)