多尺度城鎮化對農業碳生產率的影響及其區域分異特征研究——基于SFA、E指數與SDM的實證

程琳琳，張俊飚，何可

?

多尺度城鎮化對農業碳生產率的影響及其區域分異特征研究——基于SFA、E指數與SDM的實證

程琳琳1,2，張俊飚1,2，何可1,2

(1. 華中農業大學經濟管理學院，湖北武漢，430070；2. 湖北農村發展研究中心，湖北武漢，430070)

以1997—2014年中國31省區面板數據為樣本，采用隨機前沿分析方法測算農業碳生產率，借助熵指數構建多尺度城鎮化指標，在此基礎上，進一步運用空間杜賓模型實證檢驗了城鎮化對農業碳生產率的直接影響與間接溢出效應及其區域分異特征。結果發現，多維度城鎮化是抑制農業碳生產率的主要力量之一，某一地區農業碳生產率會同時受到本地區和周邊地區城鎮化的影響，甚至鄰近地區的溢出效應要遠遠高于本地區的直接影響。在東、中、西及東北地區，上述情況依然存在，且以西部地區城鎮化帶來的負面效應最大。因此，應更加重視多尺度城鎮化在農業低碳轉型中的積極作用。

多尺度城鎮化；農業碳生產率；隨機前沿分析；熵指數；空間杜賓模型

一、引言

“保護生態環境就是保護生產力，而改善生態環境就是發展生產力?！苯陙?，在中國城鎮化進程加速發展、農業經濟快速增長的同時，農業碳排放激增，農業經濟增長與碳排放之間表現出以“弱脫鉤”為主的非協調發展狀態[1]。一般認為，碳減排與經濟增長難以兼顧，碳減排政策的實施往往會放緩經濟發展速度，甚至給社會帶來其他負面影響。為此，一些學者提出通過提高碳生產率等途徑，推動碳減排與經濟增長的雙贏[2?3]。這意味著，如何調和農業經濟增長與碳排放的矛盾，理應是順應理論與實踐發展潮流的選擇，而提高農業碳生產率恰好為此提供了有利契機。

目前，學界有關“農業碳生產率”的研究相對較少，既有研究主要集中于對農業生產效率[4?5]、農業碳排放績效及減排成本[6?8]、農業環境效率[9?10]方面。事實上，有別于上述概念，農業碳生產率是指單位農業碳排放所產生的農業產值，其將農業碳排放視為隱含于能源與物質產品中的要素投入，以衡量單位碳排放空間帶來的農業產出[3]。由此可見，這種基于環境投入視角的指標更加強調農業發展面臨的隱含性約束條件，與我國所提出的到2020年單位GDP碳強度降低40%~45%的目標在核算上關聯度較強。但目前學界對此關注不足，不僅使得相關領域的學術研究推進緩慢，更令人擔憂的是，由于未能充分考慮農業碳排放與其他投入要素的關系，農業低碳化發展政策的實施效果將有可能大打折扣。

本文的創新在以下幾個方面：(1)與單要素碳生產率不同，考慮不同投入要素的替代關系，以全要素碳生產率更為客觀地把握中國農業實際發展質量。(2)與基于空間均質假設的研究不同，將區域間可能存在的空間依賴性與關聯效應考慮在內[11]，更為客觀地闡釋各因素在農業碳生產率增長中的作用機理，以得到更具現實解釋力的研究結論。(3)與簡單地以人口城鎮化涵蓋城鎮化所有內容的研究不同，從人口、經濟、社會和土地4個維度衡量城鎮在人口職業、經濟結構、社會結構和地域空間的變化[12]，更為科學地考察多尺度城鎮化對農業碳生產率的影響。鑒于此，利用1997—2014年中國31省面板數據，構建農業全要素碳生產率增長模型；同時，借助熵指數方法，從“人口-經濟-土地-社會”構造多尺度城鎮化指標；進而應用空間杜賓模型(SDM)，探討了多尺度城鎮化對農業碳生產率的直接影響與間接溢出效應及其區域分異 特征。

二、城鎮化對農業碳生產率的影響機理

城鎮化是影響碳排放的重要因素，但對于城鎮化對碳排放起何種作用并無定論，其原因在于二者關系的復雜性。目前較多的觀點認為，城鎮化對碳排放具有“驅動”與“制動”(或抑制)雙重效應[13?14]，也有學者將上述效應分為間接效應和調節效應[15]。不過，無論就何種效應而言，均會因城鎮化所處階段不同而有所差異。

從理論上來看，城鎮化對農業碳生產率的影響機理主要如下：

第一，城鎮化對農業碳生產率增長具有抑制作用。城鎮化主要通過影響要素與資源配置效率，進而對農業碳生產率產生影響。城鎮化最明顯的特征即為人口由鄉村向城鎮轉移，大量鄉村勞動力跨區域、跨部門流動，使得農業對以機械、化肥與農藥為代表的勞動節約型與土地節約型技術依賴度提高，直接推動能源消費與農業碳排放量的增加，而在農業產出不變或增長不甚明顯的情況下，這將不利于農業碳生產率的提高。同時，大量農村勞動力的非農就業與“去農化”，不僅使得其人均收入不斷提高，而且消費模式與生活習慣也在逐漸變化[16]。盡管現階段城鄉居民對糧食直接消費有所減少，但由于城鎮人口規模擴大所引起的農產品需求的增加，特別是以肉類等為代表的高碳型產品及其加工間接消耗糧食，會引發更多的碳排放 量[17]，進而抑制農業碳生產率的增長。

第二，城鎮化對農業碳生產率增長具有驅動作用。這種正向促進作用主要通過影響資源配置效率以及城鎮化所具有的技術進步效應等對農業碳生產率產生影響。一方面，城鎮化往往伴隨著城鎮人口規模的擴張以及空間布局的外延，這將引起農業生產要素稀缺程度的提高，也會推動農業專業化發展與集聚經濟的形成[18]。在優化農業產業結構與資源配置效率的同時，帶來規模經濟效應，使得單位農業碳排放所產生的農業產出不斷增加成為可能。另一方面，城鎮化具有的產業結構轉化效應、技術進步效應會外溢至農業部門，并推動農業碳生產率的改善。技術進步、知識的外溢是提高農業碳生產率的關鍵，城鎮化推進的過程也是技術變革的過程，由此積累的人力資本、創新知識以及產生的技術進步效應亦會外溢擴散至農業部門，進而有利于農業全要素生產率與碳生產率的提高[19]。

綜上所述，城鎮化對農業碳生產率亦具有驅動與抑制雙重效應，至于何種效應起主導作用，主要取決于城鎮化發展階段以及兩種力量的對比。鑒于當前我國處于經濟轉型與城鎮化加速發展階段，城鎮化“擴張效應”占據主導地位[20]，以及城鎮化水平與碳生產率所處的低度耦合狀態[21]，本文預期現階段城鎮化對農業碳生產率增長的抑制作用更為明顯。同時，考慮到城鎮化對農業碳排放的影響也并非同質，以及城鎮化與生態效率之間存在的空間滯后性[22?23]，預期城鎮化對農業碳生產率的影響具有地域差異性與空間溢出效應。

三、模型選擇與變量設置

(一) 基于SFA的農業碳生產率增長模型

生產前沿法是研究效率的主要方法，主要包括SFA和DEA兩類。其中，SFA能夠剝離無效率項與隨機誤差項，且能保證被估效率有效與一致，故使用該方法對農業碳生產率進行測度，其公式如式(1)。

式中：x,t和y,t分別為地區期的投入和產出指標；為待估參數；v,t和u,t為獨立同分布的誤差項，二者相互獨立。

本文使用包容性較強的超越對數生產函數測度農業碳生產率。為保證測度結果的科學性，后文會對模型設定形式恰當與否進行檢驗。檢驗內容主要包括技術非效率存在性檢驗、技術變化存在性檢驗、技術變化的希克斯中性檢驗以及C-D生產函數適用性檢驗。

(二) 熵指數

熵值法具有完全根據各指標自身變異程度來確定其權重的優良特性，可避免人為主觀因素的影響[5]，故被廣泛使用。本文采用熵指數從“人口—經濟—土地—社會”多維度測度城鎮化指標。

(三) 空間計量經濟模型

在運用空間計量經濟模型前，需進行空間自相關檢驗。若檢驗結果證實存在空間自相關性，才可選擇合適的空間計量經濟模型進行回歸估計。

1.空間自相關檢驗

通常使用Moran’s I指數檢驗經濟事物的空間自相關性。其公式如式(2)。

2. 城鎮化對農業碳生產率影響的空間杜賓模型

空間滯后模型和空間誤差模型是最常用的空間計量模型。但實際上，空間杜賓模型作為空間滯后模型和空間誤差模型的一般形式，具有無須對空間溢出效應規模加以限制以及估計無偏等眾多優點，在捕捉事物的空間溢出效應方面更具優勢[24]。而諸多研究并未對空間杜賓模型是否可簡化這一問題進行討論，這易造成由于模型設定錯誤而導致結論不當等問題。本文要考察的是城鎮化對農業碳生產率的直接影響及空間溢出效應，故結合空間杜賓模型基本形式，其模型見式(3)。

式中：表示因變量(農業碳生產率)；和為待估參數；是鄰省農業碳生產率對本省的溢出效應；為城鎮化等自變量，為自變量個數；i和t依次為空間效應和時間效應；,t為隨機誤差項。

(四) 變量設定及數據來源

1. 投入產出指標

(1) 產出指標。采用農林牧漁總產值表示，并以1997年作不變價處理。

(2) 投入指標。對農業碳生產率的測算，共涉及農業碳排放量、農業資本及其他投入(農業勞動力與耕地)三類指標，具體如下。

第二，農業資本存量。為保證研究結果的準確性，運用永續盤存法對農業資本存量進行估算。農業資本存量的具體計算公式為：K=K?1(1?)+I=K?1+I?D。其中，K為期資本存量，I為期投資，為資本折舊率。在測算過程中，基期資本存量K0、當期資本投資I、農業投資品價格縮減指數P及折舊率等指標是需要先確定的①。

第三，其他指標。農業勞動力以農林牧漁業從業人員數量替代，單位為萬人。耕地面積采用農業播種面積作為代理指標，單位為千公頃。

表1 農業投入與產出指標描述性統計

2. 空間計量模型變量設置及說明

(1)被解釋變量。基于上文SFA模型，計算得出農業碳生產率()。

(2)核心解釋變量。對于多尺度城鎮化()的測度，借鑒以往研究[28?29]，采用熵指數從人口、經濟、社會、土地4個維度構造城鎮化綜合指標表示。其中，人口城鎮化(UR)，以非農人口占總人口的比重表示；經濟城鎮化(UR)，采用第二、三產業增加值占國內生產總值的比重予以代替；土地城鎮化(UR)，以建成區面積占市轄區面積比重度量；社會城鎮化(UR)，以農民人均純收入占城鎮居民可支配收入的比重表示。運用熵指數計算后，得出人口城鎮化、經濟城鎮化、土地城鎮化和社會城鎮化的權重，分別為0.243 8、0.254 9、0.262 6與0.238 7。由此，即可得到多維度綜合城鎮化指標。

(3)控制變量。為了避免遺漏變量，還設置了如下變量。

農業公共財政投資()，以地區農業財政支出占財政總支出的比重表示。其中，國家財政支農投資包括支農生產支出、農林水利氣象等部門事業費、農業基本建設支出及綜合開發等支出。

農村基礎教育水平()，考慮到數據的可獲得性，以農村勞動力中初中及以上勞動力比例②作為代理變量。

工業化()，以工業實際增加值占國內生產總值的比重表示。

農業開放度()，用農業進出口實際總額占農業增加值的比重表示，其中農業進出口總額的核算根據人民幣對美元匯價計算而得。

區域經濟發展水平()，以地區人均實際GDP表示，單位為萬元。

農業產業結構()，與碳排放測算保持一致，從種植業與畜牧業兩方面進行考察，并以二者產值之和占農林牧漁業總產值的比重作為替代變量。

自然災害()，限于數據的可獲得性，由農作物受災面積占總播種面積的比例表示。

各變量原始數據描述性統計特征詳見表2。

四、實證結果與分析

(一) 模型設定與結果檢驗

1. SFA超越對數函數模型設定檢驗

運用似然比檢驗方法對上文構建的超越對數生產函數進行檢驗，具體結果如表3所示。可以看出，無論是對技術變化與技術中性的檢驗，還是對是否采用C-D函數形式的檢驗，均拒絕原假設。換言之，采用隨機前沿超越對數生產函數對農業碳生產率進行估計是合適的。同時，由顯著為正(0.926 5)可知，實際產出相對于前沿面的偏差主要是由技術非效率所引起的，也進一步說明采用隨機前沿生產函數模型是合 適的。

表2 各變量描述性統計

表3 隨機前沿生產函數模型檢驗結果

2. 農業碳生產率的空間自相關檢驗

利用Geoda軟件檢驗農業碳生產率的空間自相關性。由圖1可知，1997?2014年間，全域Moran’s

I指數均介于0.37?0.41，并在1%的置信水平下顯著。這表明省域間農業碳生產率存在著正空間自相關性，鄰近地區農業碳生產率在空間上具有一定的依賴性以及局部聚類的分布特征。同時，從全域Moran’s I指數整體向右傾斜上升的變動軌跡來看，中國農業碳生產率的空間依賴性不僅穩定且有增強的趨勢。

由圖2 Moran’s I散點圖可知，位于H-H和L-L象限③的省區數量在全國的比例由1997年的67.74%增至2014年70.97%，而屬于H-L和L-H象限的樣本比例則由32.26%降至29.03%。這說明區域內省際農業碳生產率同質均衡發展的趨勢不斷增強，分異發散演化軌跡則在弱化。同時，由此也可識別“熱點區”(高值聚類區)與“冷點區”(低值聚類區)。換言之，在當前農業碳生產率同質化與異質化特征并存的趨勢下，區域內省份間農業碳生產率的同質性不斷增強；但由于農業碳生產率“熱點”區主要集中在東部地區，“冷點”區則以西部省份為主，致使東西部之間的分化依然嚴重。整體而言，中國省際農業碳生產率在空間上存在著顯著的空間依賴性，局部聚類發展的空間格局已相對穩定。

圖1 1997—2014年中國省域碳生產率全局Moran’s I指數

(二) 多尺度城鎮化對農業碳生產率的總體影響

根據空間面板模型的檢驗結果(詳見表4)可知，、、和均顯著為正，即拒絕H0:=0和H0:+=0的原假設，應選取空間杜賓模型進行估計。同時，空間杜賓模型的擬合優度和似然對數值明顯優于空間滯后模型，且均以空間固定效應模型最佳。因此，后文將基于空間固定效應的杜賓模型估計結果展開分析與解釋。

由表4可知，空間自回歸系數顯著且為0.492 0，表明省域農業碳生產率存在著明顯的正空間溢出效應，即鄰省農業碳生產率的提高將有利于本省農業碳生產率的改善。同時，在空間杜賓模型中，多尺度城鎮化及其空間滯后項的回歸系數分別為?0.264 6和?2.703 6，并在1%統計水平上顯著，說明本省或鄰域城鎮化的推進，均不利于本省農業碳生產率的提高。特別需要注意的是，多尺度城鎮化滯后項系數在各變量中最大，這進一步突出了鄰省城鎮化對本省農業碳生產率增長的外溢效應(盡管是負向的)。那么，忽視城鎮化在農業碳生產率增長中的間接溢出作用，在一定程度上會減弱研究結論的現實解釋力。

圖2 1997年和2014年中國省域農業碳生產率Moran’s I 散點圖

表4 空間面板模型估計結果

注：***、**和*分別表示在1%、5%和10%置信水平上顯著

究其原因在于：一方面，我國城鎮化仍處于加速發展階段，鄉村人口向城鎮流入，最明顯的影響是在一定程度上造成了農業生產的老齡化與女性化。加之當前農業粗放發展模式尚未得到有效矯正，受國家增產型政策的誘導，為增加產量、節省人力而對機械、化肥農藥等過度依賴的普遍性農業生產行為，已使得化石能源投入品使用所引致的碳排放量在農業碳排放系統中的比例最大[30]，并嚴重制約著農業碳生產率的提升。另一方面，在現有農業生產條件下，城鎮人口和市場規模擴大以及人民收入增長，對農產品需求總量增加且產品質量要求更高；而在無效供給偏多、有效需求難以滿足的結構性矛盾突出的現狀下，這僅僅會增加效率的投入端，并造成資源能源與要素的浪費，而對農業碳生產率的增長產生下行壓力。此外，在全國及中西部城鎮化發展質量不高的現實情況下，單純依靠城鎮規模擴大等“攤餅式”發展模式的存在以及相鄰省份較為類似的城鎮化發展道路，加之城鎮化推進過程中省份間對資源與要素的爭奪[31?32]，這不僅致使本省農業碳生產率偏低，也會對鄰省農業碳生產率的改善產生不利影響。

由表5進一步可知，城鎮化的直接效應為?0.271 6，表明本地城鎮化提高1%，則農業碳生產率降低0.271 6%；其間接效應系數為?3.378 1，表示鄰近地區城鎮化提高1個百分點，則本地農業碳生產率降低3.378 1個百分點，進而造成全國層面農業碳生產率下降3.649 7個百分點。同時，城鎮化對農業碳生產率的間接溢出效應遠大于直接效應，這從側面突出了區域城鎮化協調發展的重要性。有趣的是，除區域經濟發展水平外，其他因素對農業碳生產率的影響均有類似的外溢特征。即，盡管各變量對本省或鄰省農業碳生產率的作用各異，但整體上間接溢出效應均明顯高于直接效應，這更加強調了空間地理因素在區域社會經濟發展中的重要性以及區域協調良性發展的必要性與科學性。

表5 空間杜賓模型的溢出效應及其分解

注：***、**和*分別表示在1%、5%和10%置信水平上顯著

(三) 多尺度城鎮化對農業碳生產率影響的區域分異特征

為了探究中國不同地區城鎮化在農業碳生產率增長中作用的差異性，按照官方統計年鑒中的東、中、西及東北四大地區進行分析。根據空間自相關診斷結果，并結合、、和可知，應拒絕無空間滯后或空間誤差的假設，選擇空間杜賓模型進行估計。另，由檢驗結果來看，東、中、西、東北四大子樣本的統計量分別為22.294 6 (=0.1737)、155.888 3 (=0.0000)、48.640 0 (=0.0000)和106.144 9 (=0.0000)，即除東部選擇隨機效應模型外，其他地區則以固定效應模型估計為佳。限于篇幅，不再報告各地區子樣本回歸結果，僅列出空間杜賓模型中各變量的直接與間接效應估計結果，詳見表6。

由表6可知，城鎮化對東、中部農業碳生產率的直接效應分別為?0.325 8和?0.595 8，即東部和中部地區城鎮化率提高1個百分點，各自的碳生產率分別降低0.325 8和0.595 8個百分點。溢出效應方面，除中部地區外，其他地區內部鄰省城鎮化的推進均會對本省農業碳生產率產生抑制作用，且以西部地區負面效應最大。就城鎮化的總效應而言，東、中、西部城鎮化率的提高均不利于農業碳生產率的改進，且以西部負面效應最大，這可能與西部地區自身城鎮化發展質量不高及生態相對脆弱有關[22]。

出現上述現象的原因可能是，在城鎮化的過程中，盡管長期的高強度要素投入帶來了一定的農業經濟增長，但隨著碳排放的激增，也造成了農業碳生產率相對偏低的境況，這也突出表現在東、中、西三大地區的城鎮化對農業碳生產率均具有顯著的負向影響方面。實際上，盡管城鎮化具有一定的人力資本積累效應與技術進步作用，但在各地區農業投入仍以物質資本為主的情況下，城鎮化所具有的這些積極作用難以有效發揮。特別是在城鎮化發展較快的東部地區，其過高的經濟發展水平反而會抑制人力資本對農業碳生產率的提升作用；而在西部地區，經濟發展質量偏低依然會嚴重制約城鎮化所具有的人力資本積累效應對農業碳生產率的正面影響[33]。故而出現了城鎮化整體上對東部(熱點地區)和西部(冷點地區)負面影響較大，而對中部抑制作用相對偏小和對東北無明顯影響的現象。

綜上不難發現，城鎮化是制約農業碳生產率提高的關鍵因素之一，若將其忽略，那么將難以科學把握農業碳生產率增長的力量來源。同時，由各地區城鎮化及其他因素對農業碳生產率的各類效應來看，空間溢出效應的作用要遠大于直接效應，這進一步強調了區域城鎮化協調發展戰略的重要性以及區域聯合治理環境的必要性，也間接反映出本文采用空間計量經濟模型進行估計的合理性。

五、結論與啟示

基于隨機前沿分析方法，在測算省域農業碳生產率的基礎上，通過熵指數方法構建多尺度城鎮化指標，并探討其對農業碳生產率的作用及區域差異。得到如下結論：(1)1997—2014年中國省域農業碳生產率存在明顯的正空間自相關性。由全域Moran’s I指數發現，區域內省份間農業碳生產率的趨同性不斷增強；但對其“冷點區”和“熱點區”聚類空間進行識別，發現東西部區域間農業碳生產率的分異依然嚴重。(2)中國農業碳生產率的空間溢出效應明顯，鄰省農業碳生產率的提高將對本省產生有利影響。就城鎮化對農業碳生產率的影響而言，本省農業碳生產率不僅受到本地城鎮化的影響，更會受到周邊地區城鎮化的作用，甚至后者的間接溢出效應要遠遠高于前者的直接影響。對東部、中部、西部和東北而言，上述情況依然存在，且以西部地區城鎮化對農業碳生產率的負面效應最大。這與本文所預期的“當前階段下，城鎮化對農業碳生產率具有抑制作用與空間溢出效應”較為一致。

表6 四大地區子樣本空間杜賓模型的直接效應與間接效應測算

注：***、**和*分別表示在1%、5%和10%置信水平上顯著；括號內為t統計值

鑒于此，建議從如下方面著手，以發揮城鎮化在農業低碳轉型中的積極作用。新時期下，應從人口就業、經濟結構、產業結構、空間布局等方面綜合考慮，在解決戶籍制度、區域社會經濟發展斷裂的基礎上，破除城鄉二元社會經濟結構體系，更加注重多尺度城鎮化推進方式的低碳化轉變。以建設“資源節約、環境友好、統籌城鄉、區域協調、生態低碳”的可持續城鎮為發展目標，拒絕城鎮“攤餅式”粗放發展。同時，按照國家主體功能區建設的需要，強化微觀空間治理，依據自然條件、人口規模、社會經濟發展階段等合理推進土地城鎮化進程，確保國土空間合理布局與有序開發。當然，在當前城市化發展的新階段，更要強調局部區域內城市群的“大融合”，強化城鎮發展對周邊地區的帶動與輻射作用以及區域之間的良性聯動，并通過產業聯合、結構優化等途徑，實現生產要素在城鄉之間的合理流動與重構，更加注重“以人為本”，為城鎮化提供強有力發展后勁，也為農業低碳轉型提供可能。

針對由于“去農化”帶來的農業生產老齡化與婦女化所導致化石能源等投入品過度使用等問題，應更加注重效率與質量。通過改進施肥方式，采用秸稈類生物肥料和綠肥，推廣高效低毒低殘留農藥，采取綠色防控以及推廣可降解地膜等手段，在推動有機肥與化肥結合使用的同時，提高化肥和農藥等使用率，降低其使用強度，實現使用量零增長及減量化，為“農業增效”“農民增收”“農村增綠”提供可能。

特別需要提及的是，鑒于城鎮化與工業化對西部地區農業碳生產率改進所產生的負面影響，本文認為應在尊重西部地區資源環境承載力的基礎上，拒絕“攤餅式”發展與盲目承接產業轉移等任務，統籌城鎮化、工業化循序推進與農業適度發展及保護發展之間的關系，更加注重農業生態保護建設。同時，根據國家主體功能區規劃，優化城鎮化、工業化推進與優勢農業發展的空間布局，推進城鎮空間拓展、工業升級轉型與農業布局優化協調同步，進而實現綠色低碳與可持續發展。

注釋：

① 農業投資指標采用農業固定資產投資在全社會固定資產投資的比重乘以全社會固定資本形成額表示；農業資本折舊量，用農業固定資產折舊代替，即用農業固定資產投資比重與全部固定資產折舊乘積表示；農業投資品價格指數，采用農業生產資料價格指數予以代替；基期農業資本存量用基期固定資本形成總額除以農業投資(幾何)平均增長率與折舊率之和表示，折舊率取5.42%，農業投資增長率為農業實際總產值年均增長率。

② 由于相關官方統計年鑒中，并未公布2013年與2014年農村勞動力文化程度數據，因此對這兩年數據進行線性插補處理。

③ H-H和L-L聚類表示農業碳生產率高(低)值區被高(低)值區包圍，即為“熱(冷)點區”；而H-L和L-H聚類則表示農業碳生產率高(低)值區被低(高)值區包圍。

[1] 田云, 張俊飚. 中國農業碳排放、低碳農業生產率及其協調性研究[J]. 中國農業大學學報, 2017(5): 208?213.

[2] BEINHOCKER E, OPPENHEIM J, IRONS B, et al. The carbon productivity challenge: Curbing climate change and sustaining economic growth[R]. Sydney: McKinsey Global Institute, 2008: 4.

[3] 潘家華, 莊貴陽, 鄭艷, 等. 低碳經濟的概念辨識及核心要素分析[J]. 國際經濟評論, 2010(4): 88?102.

[4] 李谷成. 資本深化、人地比例與中國農業生產率增長——一個生產函數分析框架[J]. 中國農村經濟，2015(1): 14?30.

[5] 韓海彬, 張莉. 農業信息化對農業全要素生產率增長的門檻效應分析[J]. 中國農村經濟, 2015(8): 11?21.

[6] 高鳴, 陳秋紅. 貿易開放、經濟增長、人力資本與碳排放績效[J]. 農業技術經濟, 2014(11): 101?110.

[7] 吳昊玥, 何艷秋, 陳柔. 中國農業碳排放績效評價及隨機性收斂研究——基于SBM-Undesirable模型與面板單位根檢驗[J]. 中國生態農業學報, 2017(9): 1?13.

[8] 吳賢榮, 張俊飚, 程琳琳, 等. 中國省域農業碳減排潛力及其空間關聯特征[J]. 中國人口?資源與環境, 2015, 25(6): 53?61.

[9] 崔曉, 張屹山. 中國農業環境效率與環境全要素生產分析[J]. 中國農村經濟, 2014(8): 4?16.

[10] 李谷成, 陳寧陸, 閔銳. 環境規制條件下中國農業全要素生產率增長與分解[J]. 中國人口·資源與環境, 2011, 21(11): 153?160.

[11] 程琳琳, 張俊飚, 田云, 等. 中國省域農業碳生產率的空間分異特征及依賴效應[J]. 資源科學, 2016, 38(2): 276?389.

[12] 倪鵬飛, 楊繼瑞, 李超, 等. 中國城市化的結構效應與發展轉型——“大國城市化前沿問題學術論壇”綜述[J]. 經濟研究, 2014(7): 189?192.

[13] 畢曉航. 城市化對碳排放的影響機制研究[J]. 上海經濟研究, 2015(10): 97?106.

[14] 孫昌龍, 靳諾, 張小雷, 等. 城市化不同演化階段對碳排放的影響差異[J]. 地理科學, 2013，33(3): 266?272.

[15] 趙釗, 于寄語. 城市化與二氧化碳排放——基于省級面板數據的分析[J]. 城市問題, 2015(12): 19?25.

[16] 趙志耘, 楊朝峰. 中國碳排放驅動因素分解分析[J]. 中國軟科學, 2012(6): 175?183.

[17] 智靜, 高吉喜. 中國城鄉居民食品消費碳排放對比分析[J]. 地理科學進展, 2009(3): 429?434.

[18] 羅富民. 城鎮化發展對農業供給結構變動的影響——基于分布滯后模型的實證[J]. 華中農業大學學報(社會科學版), 2017(2): 52?59.

[19] 張騰飛, 楊俊, 盛鵬飛. 城鎮化對中國碳排放的影響及作用渠道[J]. 中國人口?資源與環境, 2016, 26(2): 47?57.

[20] 孫葉飛, 周敏. 中國城鎮化、產業結構高級化對CO2排放的影響呢——基于獨立效應和聯動效應雙重視角[J]. 資源科學, 2016, 38(10): 1846?1860.

[21] 焦高樂, 嚴明義. 中國城鎮化水平與碳生產率耦合度測度[J]. 城市問題, 2016(8): 32?38.

[22] 武春桃. 城鎮化對中國農業碳排放的影響——省際數據的實證研究[J]. 經濟經緯, 2015, 32(1): 12?18.

[23] 陳真玲. 生態效率、城鎮化與空間溢出——基于空間面板杜賓模型的研究[J]. 管理評論, 2016, 28(11): 66?74.

[24] LESAGE J P, PACE R K. Introduction to spatial econometrics[M]. Florida: CRC Press, 2009.

[25] 李波, 張俊飚. 基于我國農地利用方式變化的碳效應特征與空間差異研究[J]. 經濟地理, 2012, 32(7): 135?140.

[26] 閔繼勝, 胡浩. 中國農業生產溫室氣體排放量的測算[J]. 中國人口?資源與環境, 2012, 22(7): 21?27.

[27] 田云, 張俊飚. 中國農業生產凈碳效應分異研究[J]. 自然資源學報, 2013, 28(8): 1298?1309.

[28] 魏后凱, 蘇紅建, 韓鎮宇. 中國城鎮化效率評價分析——基于資源環境效率的視角[J]. 中國地質大學學報(社會科學版), 2017, 17(2): 65?73.

[29] 劉兆德, 劉強, 劉振明, 等. 中國省域城鎮化綜合水平的空間特征與影響因素[J]. 城市發展研究, 2017, 24(3): 95?101.

[30] 黃祖輝, 米松華. 農業碳足跡研究——以浙江省為例[J]. 農業經濟問題, 2011(11): 40?47.

[31] 羅能生, 李佳佳, 羅富政. 中國城鎮化進程與區域生態效率關系的實證研究[J]. 中國人口?資源與環境, 2013, 23(11): 53?60.

[32] 王曉鵬, 張宗益. 城鎮化效率區域差異與推進模式[J]. 財經科學, 2014(9): 49?58.

[33] 姚增福, 唐華俊, 劉欣. 要素積累、人力資本與農業環境效率間門檻效應研究——低碳約束下面板門檻模型檢驗[J]. 重慶大學學報(社會科學版), 2017, 23(4): 26?36.

Study on the impact of multi-dimensional urbanization on agricultural carbon productivity and its regional differentiation: An empirical study based on SFA, entropy index and SDM

CHENG Linlin1,2, ZHANG Junbiao1,2, HE Ke1,2

(1. College of Economics & Management, Huazhong Agricultural University, Wuhan 430070, China; 2. Hubei Rural Development Research Center, Wuhan 430070, China)

Urbanization is an important influencing factor of ecological efficiency. Taking the panel data of 31 provinces in China from 1997 to 2014 as a sample, the present study measures the agricultural carbon productivity by adopting the stochastic leading-edge analysis method, constructs the multi-dimensional urbanization index by using the entropy index and, on this basis, further conducts an empirical test on the direct impact and indirect spillover effects of multi-dimensional urbanization on agricultural carbon productivity as well as the characteristics of their regional differentiation. Results show that multi-dimensional urbanization plays an important role in promoting agricultural carbon productivity, that the agricultural carbon productivity in a given area is affected not only by urbanization in the region, but also by that in the surrounding areas, and that even the latter’s spillover effect is much larger than that of the former. For China’s four regions, the above characteristics still exist, and the negative effects brought about by the multi-dimensional urbanization in the western region is the largest. Therefore, we should pay more attention to the positive role of low-carbon transformation promoted by multi-dimensional urbanization.

multi-dimensional urbanization; agricultural carbon productivity; stochastic leading-edge analysis; entropy index; spatial Durbin model (SDM)

2018?03?28；

2018?07?20

教育部哲學社會科學重大攻關項目“綠色化的重大意義及其實現途徑研究”(15JZD014)；國家自然科學基金青年項目“集約化畜禽養殖有機廢棄物循環利用的減碳補償機理及政策設計研究：基于‘養治統一’與‘養治分離’視角”(71703051)

程琳琳(1990—)，男，河南洛陽人，華中農業大學經濟管理學院博士研究生，主要研究方向：資源與環境經濟；張俊飚(1962—)，男，陜西咸陽人，華中農業大學經濟管理學院教授、博士生導師，主要研究方向：資源與環境經濟；何可(1989—)，湖南瀏陽人，華中農業大學經濟管理學院副教授、碩士生導師，主要研究方向：資源與環境經濟，E-mail：hekework@gmail.com

10.11817/j.issn. 1672-3104. 2018.05.013

F304.7

A

1672-3104(2018)05?0107?10

[編輯: 譚曉萍]