引言

随着我国农业现代化建设加快，绿色发展已成为农业高质量发展的主导方向。“双碳”目标进一步强化了其战略地位，成为落实可持续发展战略的重要一环。党的二十大报告强调要坚持绿色发展理念，加快建设农业强国。农业绿色全要素生产率是衡量农业绿色发展质量的核心指标，反映碳排放约束下产出与全部投入的综合效率，纳入资源环境要素后，成为高质量发展的关键标准及转型抓手。在建设农业强国的背景下，探究其提升机制与路径具有重要理论与现实意义。

传统农业长期依赖化肥、农药、农膜等高强度投入，虽支撑了产出增长，却也导致资源过度消耗、面源污染加剧和碳排放上升，制约了可持续发展。在此背景下，绿色信贷、保险、证券、投资等绿色金融工具成为协调经济增长与生态保护的重要制度手段。绿色金融通过优化资源配置、缓解融资约束，为农业绿色转型和提升绿色全要素生产率提供了新动能。

学者们围绕绿色金融与生产率的关系进行了多层次研究。张质彬等从微观视角揭示了绿色金融对企业全要素生产率的促进作用；孔凡斌等通过农村金融发展、财政支农和人力资本路径验证了绿色金融对农业碳全要素生产率的正向影响；厉启晗发现其能够有效降低碳排放并具有显著的减碳溢出效应。此外，贾冀南等发现绿色金融与农业全要素生产率之间存在倒“U”型关系，温红梅等则基于农业信贷视角进行探讨了。

现有文献关于绿色金融对农业绿色全要素生产率影响的研究仍较有限，多停留于相关性识别，缺乏针对农业部门的系统性分析；内在机制特别是绿色技术进步与要素投入结构优化缺乏清晰经验证据；且区域异质性受人口、土地、经营方式及金融可得性影响研究不足。本文的贡献在于：拓展农业部门应用场景，从“技术进步—要素替代”双重路径识别中介机制，并基于地区人口—土地资源差异进行异质性分析，为差异化绿色金融政策提供经验依据。

一、理论基础与研究假设

（一）绿色金融对农业绿色全要素生产率直接影响

绿色金融的本质在于将环境约束、资源节约和可持续发展目标纳入金融资源配置过程，通过差异化信贷、绿色投资、绿色保险和环境风险定价等制度安排，引导资本由高污染、高耗能领域向低碳、绿色、高效率领域流动。从农业部门看，绿色金融对农业绿色全要素生产率的直接促进作用主要体现为资源配置效应 and 风险缓释效应两个方面。

一方面，绿色金融具有显著的资源配置效应。农业绿色转型通常伴随着绿色基础设施建设、绿色生产资料替代、生态治理投入和绿色技术应用，这类活动具有投资周期长、前期成本高和收益实现滞后等特征，容易受到融资约束的制约。绿色金融发挥资源配置效应，通过绿色信贷、债券、基金等工具，为农业绿色转型提供长期低成本资金，缓解融资约束，优化资源配置，进而推动农业绿色全要素生产率提升。

另一方面，绿色金融还具有风险缓释效应。农业生产面临自然、市场及技术风险，绿色转型初期收益不确定，易使经营主体因避险而维持传统高投入方式。绿色保险、风险补偿和政策性金融可有效分散转型风险，降低经营主体顾虑，增强其绿色投入和技术应用意愿。随着资源配置和生产行为优化，能源效率、环境治理及要素组合得以改善，进而带动农业绿色全要素生产率提升。基于以上分析，提出以下假设：

H1：绿色金融能够对农业绿色全要素生产率的提升产生显著正向影响。

（二）绿色金融对农业绿色全要素生产率间接影响

舒尔茨指出，传统农业的转型升级依赖于新要素的注入与技术的进步，科技创新是农业生产率提升的核心驱动力。在绿色发展背景下，农业技术进步不仅表现为产量提升，更强调节能、减排、降耗和环境友好，即绿色技术进步。绿色金融从三方面推动农业绿色科技水平提升：一是通过绿色信贷与投资，为科研推广主体提供长期资金，缓解研发示范中的资本约束；二是绿色保险及财政贴息等制度安排，有效分散技术试验应用风险，激励创新积极性；三是伴随绿色专利增长与技术扩散，借助知识溢出、示范推广和学习效应，提升生产主体的绿色技术应用水平，进而改善农业生产效率与生态绩效。基于以上分析，提出以下假设：

H2：绿色金融可通过提升农业绿色科技水平促进农业绿色全要素生产率增长。

长期以来，我国农业增长较大程度上依赖化肥、农药等化学投入品的高强度使用。这种增长方式虽然在短期内能够提高农业产出，但伴随而来的土壤退化、水体污染和农业碳排放问题日益突出，导致环境成本持续上升，成为制约农业绿色全要素生产率提升的重要因素。从要素替代视角看，减少化学投入品使用、推动绿色替代投入，是实现农业绿色发展和提高农业绿色全要素生产率的重要路径。

绿色金融通过激励约束与成本收益机制影响农业经营主体决策。绿色信贷将环保标准嵌入授信，对绿色生产给予融资支持，提升有机肥、生物农药等绿色投入品可得性；绿色保险与补贴则有效对冲减少化肥农药带来的产量波动风险，增强农户采纳节肥节药及绿色防控技术的意愿。化学投入品使用强度下降，减轻面源污染，改善资源利用效率，进而推动农业绿色全要素生产率提升。因此，绿色金融不仅能够通过技术进步改善农业生产效率，也可能通过引导农业投入结构由“高化学投入”向“绿色替代投入”转变，间接促进农业绿色全要素生产率提高。基于以上分析，提出以下假设：

H3：绿色金融可通过化学投入品减量来促进农业绿色全要素生产率提高。

二、研究设计

（一）模型设定

1. 基准回归模型构建

根据Hausman检验结果，本文采用双向固定模型。构建绿色金融对农业绿色全要素生产率影响的基准回归模型。具体模型如下：

（1）

式中：代表年份，代表省份，代表被解释变量农业绿色全要素生产率，代表核心解释变量绿色金融发展水平，代表控制变量集合，代表常数项，、为待估参数，、代表时间和个体固定效应，代表随机干扰项。

2. 中介效应模型

为进一步验证绿色科技水平、化学投入品在绿色金融影响农业绿色全要素生产率中的作用机制，本文构建以下中介效应模型：

（2）

（3）

（4）

式中：表示中介变量，本文具体为绿色科技水平和化学投入品，下标、分别代表省份与年份，其余变量的含义均与公式（1）相同。

（二）变量说明与测算

1. 被解释变量

本文被解释变量为农业绿色全要素生产率（），是指在农业投入要素恒定的情况下，获得最大产出的同时减少农业生产污染时的农业生产效率。农业有广义和狭义之分，本文将研究聚焦于以农林牧渔业为代表的广义农业，定量研究投入和产出的关系。参考葛鹏飞等研究。因此本文按照蒋团标等的测算方法，使用超效率SBM-GML模型测度2011-2023年我国30个省份农业值。

产出方面，以农林牧渔业总产值(亿元)代表期望产出，以农业生产过程中农药、化肥、柴油、农膜和灌溉五项碳排放为非期望产出参考丁宝根等研究方法，使用农业生产过程中所产生的碳排放量表示。碳排放系数为4.9341kg/kg、0.8956kg/kg、0.5927kg/kg、5.18kg/kg、266.48kg/hm²。

指标类型	指标名称	指标定义
投入指标	劳动力投入	第一产业就业人数（万人）
	土地投入	农作物总播种面积(千公顷)
	化肥投入	农用化肥施用折纯量(万吨)
	农药投入	农药使用量(万吨)
	农膜投入	农用塑料薄膜使用量(万吨)
	灌溉投入	有效灌面积(千公顷)
	机械投入	农业机械总动力(万千瓦)
产出指标	期望产出	农林牧渔业总产值(亿元)
	非期望产出	农业碳排放量（万吨）

2. 核心解释变量

本文选取绿色金融指数为核心解释变量，我国绿色金融体系是由绿色证券、绿色保险、绿色信贷、绿色投资等组成的多维发展格局，决定了其影响因素复杂多元，需将多项指标拟合汇集成综合评价体系。基于此，本文参照安勇等采用绿色证券、绿色保险、绿色信贷、绿色投资、碳金融五个分指标，利用熵值法估算绿色金融指数，绿色金融指数指标体系如表2所示。

一级指标	二级指标	三级指标	指标定义	方向
绿色金融发展水平	绿色证券	节能环保企业市值占比	节能环保企业A股市值/A股中的总市值	+
		高耗能产业市值占比	六大高耗能产业总市值/A股总市值	-
	绿色保险	农业保险赔付率	农业保险支出/农业保险收入	+
		农业保险规模占比	农业保险支出/保险总支出	+
	绿色信贷	环保企业贷款规模	A股环保上市公司贷款额/A股上市公司贷款额	+
		高耗能产业利息支出占比	六大高耗能产业利息支出/工业产业利息支出	-
	绿色投资	环境污染治理投资占比	环境污染治理投资/GDP值	+
		节能环保支出占比	节能环保产业财政支出/财政支出总额	+
	碳金融	碳排放贷款强度	贷款余额/碳排放量	-

3. 中介变量

本文选取绿色科技水平与化学投入品为中介变量。本文参考余进韬等研究，使用绿色发明专利授权数衡量绿色科技水平，为避免异方差的影响取对数处理。本文参考姜立康等文献，使用化肥施用强度为衡量化学投入品减量。

4. 控制变量

本文参照张淑辉、王江晨等相关研究，选择以：（1）信息化水平，邮电业务总量与地区生产总值的比值表示；（2）金融发展水平，金融机构贷款余额与GDP的比值；（3）城镇化水平，城镇常住人口数占总人口数的比例表示；（4）地方财政科学技术支出，以《中国科技统计年鉴》中地方财政科学技术支出直接表示。

（三）数据来源

本研究的数据主要来源于中国各省统计年鉴、地方政府官网、《中国农村统计年鉴》《中国统计年鉴》《中国农业年鉴》《中国工业统计年鉴》。考虑到港澳台藏的情况与其他地区存在较大差异，且存在数据丢失，为保证研究的准确性和有效性，本文未将港澳台藏纳入研究范围，主要利用2011—2023年中国30个省级层面的数据，部分指标的缺失值采用插值法补充。各变量的描述性统计详见表3。

变量类型	变量名称	样本量	平均值	标准差	最小值	最大值
被解释变量	农业绿色全要素生产率	390	1.595	0.788	0.554	5.670
核心解释变量	绿色金融	390	0.170	0.060	0.085	0.442
控制变量	信息化水平	390	0.056	0.052	0.013	0.290
	金融水平	390	1.492	0.428	0.665	2.691
	城镇化水平	390	0.606	0.120	0.350	0.896
	地方财政科学技术支出	390	1.506	1.864	0.038	11.688
中介变量	绿色科技水平	390	5.949	1.497	1.099	9.454
	化学投入品	390	0.036	0.014	0.008	0.080

三、实证分析

（一）基准回归分析

为探讨绿色金融与农业绿色全要素生产率的关系，本文采用不加入任何控制变量、加入省份和加入时间省份固定效应三种方式进行基准回归，结果见表4。

表4显示，在模型（1）中，仅考虑核心解释变量绿色金融，其回归系数在1%显著性水平下为正，表明绿色金融发展与农业绿色全要素生产率之间存在显著正向关系。模型（2）进一步控制省份固定效应后，且显著性保持不变，说明在剔除地区不变特征后，其促进效应更为显著。模型（3）加入全部控制变量并引入时间固定效应后，仍在1%水平上显著，表明研究假设H1得到强有力验证：绿色金融显著促进农业绿色全要素生产率的提升。

从控制变量结果看：地方财政科技支出回归系数在1%水平下显著为正，说明政府对科技创新的投入是推动农业绿色转型的重要力量；金融发展水平对农业绿色全要素生产率具有显著正向作用，表明整体金融深化有助于农业效率提升；城镇化水平的回归系数在1%水平下显著，体现出城镇化带来的要素集聚与知识溢出效应；信息化水平在10%显著性下为负，可能反映出信息化投入的短期成本较高，或其正向效应存在滞后性。

变量	农业绿色全要素生产率
	模型1	模型2	模型3
绿色金融	4.266***	7.885***	1.585***
	(0.629)	(0.754)	(0.502)
信息化水平	—	—	-1.880*
			(1.116)
金融水平	—	—	0.555***
			(0.146)
城镇化水平	—	—	9.291***
			(1.212)
地方财政科学技术支出	—	—	0.742***
			(0.249)
常数项	0.871***	0.257*	-4.815***
	(0.113)	(0.132)	(0.667)
时间固定效应	—	—	控制
省份固定效应	—	控制	控制
观测值	390	390	390
R2	0.106	0.234	0.766

注：*、**、***分别表示在10%、5%、1%的显著性水平上显著，括号内为稳健标准误，下表同。

（二）稳健性检验分析

为确保绿色金融对农业绿色全要素生产率影响结果的可靠性与稳健性，本研究采用替换核心解释变量、剔除直辖市、剔除样本等方法作进一步的稳健性检验，结果详见表5。

1.替换核心解释变量。在基准回归中，绿色金融指数通过熵值法构建的综合指标体系测算。为排除特定测度方法可能带来的偏差，本文借鉴郭洋等的研究，采用主成分分析法重新测度绿色金融发展水平，并代入模型（3）进行回归。结果显示，绿色金融的系数依然在1%水平上显著为正，这证明基准回归的结论对于核心变量的不同测度方式是稳健的。

2.剔除直辖市。北京、天津、上海、重庆四个直辖市在行政级别、经济结构、城市化程度以及农业占比等方面与一般省份存在较大差异，为避免这种特殊样本对估计结果的过度影响，增强结论的普适性，本文选择剔除四个直辖市。回归结果显示，在剩余的26个省份样本中，绿色金融的系数依然在1%水平上显著，且模型的拟合优度有所提升，表明绿色金融对农业绿色全要素生产率的促进作用依然成立。

3.剔除样本。2020年至2022年，全球经济与社会受到公共卫生事件的重大冲击，农业生产、供应链、金融活动等均可能受到异常扰动。为检验基准结果是否受此特殊时期的影响，本文将2020-2022年的数据从样本中剔除，结果表明，绿色金融的系数仍在5%水平上显著为正。这说明，即使在排除了极端影响后，绿色金融与农业绿色全要素生产率之间的正向关系依然存在，进一步强化了研究结论的稳健性。

变量	农业绿色全要素生产率
	替换核心解释变量	剔除直辖市	剔除样本
绿色金融	1.420***	2.090***	1.279**
	(0.495)	(0.525)	(0.529)
常数项	-4.766***	-7.624***	-4.221***
	(0.668)	(0.959)	(0.763)
控制变量	控制	控制	控制
时间固定效应	控制	控制	控制
省份固定效应	控制	控制	控制
观测值	390	338	300
R2	0.765	0.806	0.758

（三）异质性分析

中国地域辽阔，不同省份在资源禀赋、人口密度存在差异，这可能影响绿色金融的实际作用路径。为揭示这种差异性，本文依据各省份的土地面积与人口数量比值（人地比），将全国30个省份划分为两类区域：一是人多地少地区，特点是土地资源紧缺、农业经营规模较小；二是地广人稀地区，土地资源丰富、农业生产更具规模化特征。

分组回归结果表明，绿色金融对农业绿色全要素生产率的影响存在显著地区差异。在人多地少地区，由于耕地资源紧缺、单位面积产出压力大，农户更易响应绿色金融政策，借助信贷、保险和贴息机制加大绿色技术投入，从而显著提升生产率。而在地广人稀地区，效应较弱，原因在于农业生产规模大、资源较丰富，绿色金融资金增量对整体约束的缓解作用有限；同时金融机构密度低、产品可得性不足，政策传导滞后；加之经营者更依赖自有资金和政府补贴，对绿色信贷依赖度较低。因此，绿色金融虽具潜力，但其对农业绿色效率的提升未能显著体现。

变量	(1)	（2）
	人多地少	地广人稀
绿色金融水平	3.368***	0.500
	(0.955)	(0.598)
常数项	-5.598***	-3.732***
	(0.842)	(1.371)
控制变量	控制	控制
时间固定效应	控制	控制
省份固定效应	控制	控制
观测值	234	156
R2	0.817	0.723

（四）中介效应

为进一步揭示绿色金融影响农业绿色全要素生产率的内在作用机制，本文以绿色科技水平与化学投入品减量为中介变量，检验绿色金融作用路径的传导效应。回归结果如表7所示。

1.绿色科技水平的中介作用。表7模型1结果表明，绿色金融对农业绿色科技水平具有显著正向影响。进一步将二者同时纳入模型，绿色科技水平对农业绿色全要素生产率产生显著正向作用，且绿色金融的系数有所下降但仍显著，说明绿色科技发挥部分中介效应，验证了假设H2。绿色金融通过长期资本供给、降低融资成本与风险分担，缓解农业绿色技术创新的资金瓶颈，增强研发及应用能力；技术成果扩散后，经营主体以更低资源消耗 and 环境代价实现更高产出，进而推动绿色全要素生产率提升。

2.化学投入品的中介作用。回归结果表明，绿色金融显著降低了化学投入品使用强度，而化学投入品强度对农业绿色全要素生产率具有显著负向影响，这意味着绿色金融通过引导生产者减少化学投入、采用绿色替代技术，间接促进了农业绿色全要素生产率的提升，验证了假设H3。其机制为：绿色信贷将环境标准嵌入授信，激励采用有机肥、生物防治等替代技术；绿色保险与补贴降低农户减量化肥农药的收益不确定性，增强绿色生产意愿。化学投入强度下降，减轻生态压力、提升资源效率，加之金融支持降低绿色投入品成本，共同推动生产率增长。

综上，绿色金融影响农业绿色全要素生产率并非单纯体现在直接融资支持层面，而是通过促进绿色技术进步和优化农业投入 structure 两条机制路径共同发挥作用。这说明绿色金融具有“技术赋能”与“要素重构”的双重效应。

变量		模型1		模型2
	农业绿色全要素生产率	绿色科技水平	农业绿色全要素生产率	化学投入品	农业绿色全要素生产率
绿色金融	1.585***	0.247***	1.190***	-0.494*	1.234***
	(0.502)	(0.298)	(0.441)	(-0.436)	(0.444)
绿色科技水平	—	—	0.190**	—	—
			(0.0834)
化学投入品	—	—	—	—	-9.960*
					(5.731)
常数项	-4.815***	3.047***	-3.092***	0.441***	-3.231***
	(0.667)	(0.389)	(0.629)	(0.569)	(0.630)
控制变量	控制	控制	控制	控制	控制
时间固定效应	控制	控制	控制	控制	控制
省份固定效应	控制	控制	控制	控制	控制
观测值	390	390	390	390	390
R2	0.766	0.927	0.778	0.492	0.777

四、结论与建议

（一）结论

基于2011—2023年30个省份面板数据，运用双向固定效应与中介效应模型，考察绿色金融对农业绿色全要素生产率的影响。结果表明：（1）绿色金融显著提升农业绿色全要素生产率，系数为正且1%显著，稳健性检验成立；（2）效应在“人多地少”地区显著强烈，在“地广人稀”地区不显著；（3）绿色金融通过提升绿色科技水平间接促进生产率，形成“金融赋能科技、科技驱动生产率”的正向循环；（4）绿色金融还通过降低化学投入品强度间接推动生产率增长。

（二）建议

第一，强化绿色金融的资金引导功能。完善农业绿色金融体系，扩大绿色信贷、保险、债券等工具应用；制定绿色项目认定与动态评估标准，引导金融机构加大对绿色种植、循环农业、生态养殖等领域的支持；通过贴息、风险补偿降低业务风险成本，确保资金持续流向低碳、高质量农业。

第二，实施区域差异化绿色金融政策。人多地少地区应重点支持节地节水节肥及高效技术研发推广，提升资金配置精准度；地广人稀地区需加强金融基础设施建设，推动机构下沉，完善信贷担保体系，扩大服务覆盖。中央财政可设立专项基金或贷款，引导社会资本投向欠发达地区生态农业，缩小区域绿色发展差距。

第三，强化金融与科技协同创新，构建“金融—科技—农业”支持体系。设立农业绿色科技创新专项基金，鼓励提供中长期低息贷款及知识产权质产权质押融资。健全绿色技术评估与成果转化机制，推动专利应用和成果落地，促进金融资本向技术创新与生产效率的有效转化。

第四，完善绿色金融引导农户绿色生产的激励机制。将农业环境绩效纳入金融考核体系，探索“绿色绩效贷款”“生态信用评级”等创新模式，对实现化肥农药减量、采用环保生产方式的农户给予利率优惠或保费补贴。同时，加强农户绿色生产培训与金融素养教育，提升其对绿色金融政策经济收益的认知，推动绿色生产从政策驱动向市场驱动转变。

参考文献：

1. [1] 刘涛,杜思梦.基于新发展理念的农业高质量发展评价指标体系构建[J].中国农业资源与区划,2021,42(04):1-9.
2. [2] 张梅,张涵野.黑土地保护政策工具对农业绿色全要素生产率影响及其空间差异[J].经济地理,2024,44(07):165-174.
3. [3] 李宝礼,戚修龙.数字普惠金融对粮食生产韧性的影响:理论机制与实证检验[J].福建农林大学学报(哲学社会科学版),2025,28(05):26-38.
4. [4] Rodriguez C M.The growth effects of financial openness and exchange rates [J].International review of economics & finance,2017,48:492-512.
5. [5] 张质彬,张涵,熊爱华.绿色金融对企业全要素生产率的影响机制研究[J].科研管理,2025,46(08):135-144.
6. [6] 孔凡斌,张勇康,徐彩瑶,等.绿色金融何以提升农业碳全要素生产率？[J].湖南农业大学学报(社会科学版),2025,26(04):10-19.
7. [7] 厉启晗.绿色金融改革的碳减排效应及其影响机制[J].现代经济探讨,2025(03):62-72+87.
8. [8] 贾冀南,王亚洲.高质量发展背景下绿色金融对农业绿色全要素生产率的影响研究[J].内蒙古科技与经济,2025(11):69-72+90.
9. [9] 温红梅,王宏宇.农业信贷规模与农业全要素生产率的时空关系[J].现代经济探讨,2022(04):114-125.
10. [10] 吕晶,张启文.新质生产力对农业绿色低碳循环发展的影响研究[J].生态经济,2026,42(03):146-156.
11. [11] 邹宝玲,于法稳.生态修复农业：内涵特征、发展逻辑与推进策略[J].中国农村经济,2026(03):26-45.
12. [12] 赵少华,刘格菁.农业新质生产力赋能农业强国建设：作用机理、现实挑战与实践路径[J/OL].西北农林科技大学学报(社会科学版),1-10[2026-04-14].https://link.cnki.net/urlid/61.1376.C.20260409.1147.002.
13. [13] 杜建国,李波,杨慧.人口老龄化下农业人力资本对农业绿色全要素生产率的影响[J].中国人口·资源与环境,2023,33(09):215-228.
14. [14] 冯丽,周世军.数字普惠金融对县域经济韧性的影响——基于长三角的实证研究[J].安徽工业大学学报(自然科学版),2025,42(06):690-702.
15. [15] 张标,许文胜,张领先.绿色金融对农户气候智慧型农业技术采纳意愿的影响研究[J].干旱区资源与环境,2025,39(06):25-36.
16. [16] 杨福霞,甘伟铭.偏向性减量目标约束的农业绿色创新效应：基于化肥零增长行动的实证[J].中国人口·资源与环境,2024,34(05):186-196.
17. [17] 葛鹏飞,王颂吉,黄秀路.中国农业绿色全要素生产率测算[J].中国人口·资源与环境,2018,28(05):66-74.
18. [18] 蒋团标,钟敏,马国群.数字经济对农业绿色全要素生产率的影响——基于土地经营效率的中介作用分析[J].中国农业大学学报,2024,29(04):27-39.
19. [19] 丁宝根,赵玉,邓俊红.中国种植业碳排放的测度、脱钩特征及驱动因素研究[J].中国农业资源与区划,2022,43(05):1-11.
20. [20] 刘静一,王梦垚,李文涛,等.绿色金融与碳排放效率的时空耦合及影响因素研究[J].浙江金融,2024(10):43-54.
21. [21] 安勇,赵丽霞,张清华.绿色金融发展、政府行为与制造业绿色转型[J/OL].商业研究,1-10[2025-09-08].
22. [22] 余进韬,张蕊,龚星宇.数字金融如何影响绿色全要素生产率?——动态特征、机制识别与空间效应[J].当代经济科学,2022,44(06):42-56.
23. [23] 姜立康,赵伟,周霞.感知价值及政策规制对农户有机肥替代化肥意愿与行为一致性的影响[J].中国农业大学学报,2023,28(08):306-322.
24. [24] 张淑辉,任崇韬.绿色金融对农业高质量发展的影响——基于门槛效应 and 中介效应模型的检验[J].工程管理科技前沿,2025,44(04):69-75.
25. [25] 宫豪,耿莹斐,王江晨,等.绿色金融对农业绿色全要素生产率的影响[J].中国农机化学报,2025,46(05):343-352.
26. [26] 郭洋,胡茂林,龚刚强.“双碳”背景下绿色金融与绿色科技区域协同耦合研究[J].新疆财经,2024(06):29-39.