基于ＶＡＲ模型的農業碳排放影響因素及其動態響應機制分析

仇偉 盧東寧

摘要：基于中國2001—2017年的相關時間序列數據，構建VAR（向量自回歸）模型，運用脈沖響應函數和方差分解法實證研究了環境規制、農業經濟增長、技術進步與農業碳排放之間的動態響應機制。結果表明，環境規制、技術進步是農業碳排放減少的原因，農業經濟增長是農業碳排放增加的原因;環境規制對農業碳排放的負向影響顯著，技術進步對農業碳排放的負向影響相對較弱，而農業經濟增長對農業碳排放的正向影響明顯，但呈逐漸下降趨勢;從長期來看，環境規制、農業經濟增長和技術進步對農業碳排放的影響效應處于相對穩定的狀態。最后，基于上述研究結果提出了相關政策建議。

關鍵詞：農業碳排放;環境規制;農業經濟增長;技術進步;VAR模型

中圖分類號：X71 ? ? ? ? 文獻標識碼：A

文章編號：0439-8114（2019）24-0271-06

DOI：10.14088/j.cnki.issn0439-8114.2019.24.064 ? ? ? ? ? 開放科學（資源服務）標識碼（OSID）：

Analysis of factors affecting agricultural carbon emission based on VAR model and its dynamic response mechanism

QIU Wei，LU Dong-ning

（College of Economic and Management，Yanan University，Yanan 716000，Shaanxi，China）

Abstract： Based on the relevant time series data of China from 2001 to 2017， a VAR （vector autoregressive） model was constructed， and the dynamic response mechanism between environmental regulation， agricultural economic growth， technological progress and agricultural carbon emission was empirically studied by using impulse response function and variance decomposition method. The results show that environmental regulation and technological progress are the reasons for the reduction of agricultural carbon emissions. Agricultural economic growth is the cause of the increase of agricultural carbon emissions; environmental regulation has a significant negative impact on agricultural carbon emissions. The negative impact of technological progress on agricultural carbon emissions is relatively weak， while the positive impact of agricultural economic growth on agricultural carbon emissions is obvious， but it is gradually decreasing. In the long run， the effects of environmental regulation， agricultural economic growth and technological progress on agricultural carbon emissions are relatively stable. Finally， based on the above research results， relevant policy recommendations are proposed.

Key words： agricultural carbon emission; environmental regulation; agricultural economic growth; technological progress; VAR model

改革開放以來，中國農業經濟取得了較為顯著的發展，但是這種快速的經濟增長過程中伴隨的是粗放型的發展模式，農業碳排放量逐年增加，對環境的壓力也逐漸加大。目前，發展低碳高效農業已成為新的農業經濟增長點，農業碳減排效率問題已成為農業經濟可持續發展的核心所在，農業碳排放受哪些因素影響，其影響機制如何，也成為當前的研究熱點。

1 ?文獻綜述

當前關于農業碳排放效率影響因素的研究主要分布在以下幾個方面。第一，農業經濟發展與農業碳排放。李波等[1]認為，中國農業碳排放聚集于中東部地區的多個農業大省，低排區集中在中西部各省，運用環境庫茲涅茨曲線（Environmental Kuznets Curve，EKC）檢驗方法發現農業碳排放強度與人均GDP之間存在明顯的“倒U形”關系;洪業應[2]研究發現，農業中的細分行業碳排放量與經濟增長水平也呈較為明顯的“倒U形”，且兼具有EKC假說趨勢;張群[3]認為，在各種碳排放源中，化肥施用量對農業經濟發展影響最為明顯，其次是農用機械動力、農作物種植面積和農用柴油。第二，農業技術進步與農業碳排放。黃琳慶等[4]認為，農業科技進步有助于減少農業碳排放，也能提升農業經濟發展層次;胡中應[5]通過實證分析發現，農業技術進步和技術轉化效率與農業碳排放強度之間具有較為明顯的負向關系，農業技術轉化效率主要通過規模效應起到碳減排作用;魏瑋等[6]研究發現，農業各要素技術創新和能源利用增進型技術進步有利于抑制農業能源消費增長，從而解除農業碳排放困境。第三，環境規制與農業碳排放。張華等[7]研究結果也支持了關于環境規制對碳排放直接影響軌跡呈“倒U形”曲線的結論;支燕[8]認為，強化政府執政能力有利于提升碳管制效率，從而促進節能減排;周杰琦等[9]指出，地方政府之間的招商引資競爭強化了本地環境管制效應，但是弱化了周邊地區環境管制效應。第四，關于就業勞動力與碳排放。張翠菊等[10]強調地區就業密度會提高碳排放強度;王雅楠等[11]也認為大部分省份就業人口規模對碳排放具有顯著的正向影響。

綜上所述，大多數研究主要將關注點集中在兩個方面，一是關于農業經濟發展與碳排放問題，多數研究主要是驗證EKC假說，觀察碳排放強度與人均GDP之間是否存在“倒U形”關系;二是驗證波特假說[12]，也就是環境規制、農業技術效率及環境治理之間的傳導機制，雖然學者們在研究過程中采用的解釋變量存在差異，但得出的結論基本一致。以上大部分研究只是關注農業碳源的測度，碳減排影響因素的某一方面或是靜態決定機制，缺少較為全面的關于碳排放效率影響因素的動態響應機制研究。本研究通過構建VAR模型并運用脈沖響應函數對中國2001—2017年農業碳排放影響因素及其動態響應機理進行了分析，繼而提出了相關政策建議。

2 ?模型構建

采用VAR模型探討農業碳排放各影響因素之間的動態關系，此模型一般用于相關時間序列系統的預測和隨機擾動對變量系統的動態沖擊，以解釋各種經濟沖擊對經濟變量形成的影響，其表達形式如下：

yt=A0+A1yt-1+A2yt-2+…+Apyt-p+B1Xt-1+…+BqXt-p+Ut ?（1）

式中，yt是m維內生變量向量，Xt是r維外生變量向量，A0，A1，A2，…，Ap和B1，B2，…，Bq是待估計的參數矩陣，內生變量和外生變量分別有p和q階滯后期，Ut是隨機誤差項。模型中內生變量有p階滯后期，可稱其為VAR（p）模型。在實際應用過程中，一般根據AIC和SC信息量取值最小的準則來確定模型階數[13]。

3 ?變量選取及數據說明

分析農業碳排放影響因素有助于準確把握農業節能減排以及環境保護工作的切入點，但是目前并沒有完整的理論體系具體闡述農業碳排放影響因素之間的內在機理。綜合既有的研究，認為環境規制、農業經濟增長、技術進步與農業碳排放之間存在相關性，因此，將農業碳排放、環境規制、農業經濟增長和技術進步作為內生變量，通過構建四維VAR模型，綜合考察各變量之間的動態響應關系。

3.1 ?農業碳排放

為了全面估算農業碳排放，基于廣義的農業生產活動，并結合相關研究文獻綜合考量，認為農業碳排放主要源自以下3類。第一類是農業生產前期的物質資源投入，包括化肥、農藥、農膜、農機柴油、農業灌溉所需電能產生的碳排放;第二類是農業生產活動過程中，土壤耕作、農作物生長、家畜禽飼養產生的碳排放;第三類是農業生產活動后期，主要是農作物秸稈燃燒產生的碳排放。農業碳源消費數據來自2001—2017年《中國農業年鑒》和《中國農村統計年鑒》，為便于比較，以2001年碳排放量為基期計算碳排放指數。農業碳排放測算體系：

AC=∑■■Ei×？啄i ? （2）

式中，AC表示農業碳排放總量，Ei表示各種農業碳源消費總量，？啄i表示各種農業碳源碳排放系數，綜合參考李波等[1]、吳賢榮等[14]的研究成果，經計算整理得出相關主要碳基能源的碳排放系數（表1）。

3.2 ?環境規制

采用農村飲用水安全改造工程投資作為環境規制（AER）的替代指標，以農村飲用水安全改造工程投資占國內生產總值的比重進行計算。數據來源于2001—2017年《全國水利發展統計公報》。

3.3 ?農業經濟增長

將第一產業產值占國內生產總值的比重作為表征農業經濟增長（AIS）的指標。數據來源于2001—2017年《中國農業年鑒》。

3.4 ?技術進步

選取科技投入作為技術進步（RD）的衡量指標，以中國歷年科學研究經費投入占當年國內生產總值的比重進行計算。數據來源于2001—2017年《全國科技經費投入統計公報》。

為了便于比較，上述時序數列都以2001年作為基期計算可價比，然后作自然對數處理，以消除時序數列的異方差。本研究利用EViews 7.2軟件進行數據處理和實證檢驗。

4 ?實證結果分析

4.1 ?單位根檢驗

理論上檢驗時序數列的平穩性及階數通常運用單位根檢驗確定，一般采用ADF檢驗。ADF檢驗方法需要確定檢驗方程中是否包含常數項和時間趨勢項，根據本檢驗數據的特點，認為檢驗方程中有常數項，但沒有趨勢項。采用ADF檢驗方法檢驗原始時序數列及其一階差分序列是否平穩，實證結果見表2。

從表2可以看出，原序列數據的各檢驗統計量t值都大于5%顯著性水平下的臨界值，這表明原序列是非平穩的，而經過一階差分之后，各檢驗統計量的t值至少小于5%顯著性水平下的臨界值，說明經過一階差分后的序列沒有單位根，是平穩序列。由此，可以證明時序數列LNAC、LNAER、LNAIS、LNRD都為一階單整序列，記為I（1），可以進行下一步檢驗分析。

4.2 ?VAR模型的平穩性檢驗

根據AIC和SC信息量取值最小的基本準則，確定2期為模型（1）的最優滯后階數，記為VAR（2）。該模型的擬合優度檢驗值為0.878 705，調整后的擬合優度檢驗值為0.716 978，說明模型擬合優度較好，具有一定的代表性。另外，根據單位圓曲線以及VAR（2）模型全部特征根的倒數值位置（圖1）可知，此模型全部特征根的倒數值都在單位圓之內，VAR（2）模型是平穩的系統，可以進行下一步檢驗。

4.3 ?因果關系檢驗

為判斷各變量之間的相互依賴性，對VAR（2）模型中的4個變量進行Granger因果關系檢驗，結果見表3。

1）環境規制與農業碳排放。對于原假設“環境規制不是農業碳排放的格蘭杰原因”，P值為0.003 6，小于1%的置信水平，因此拒絕原假設，說明環境規制是農業碳排放的格蘭杰原因;而對于原假設“農業碳排放不是環境規制的格蘭杰原因”，P值為0.225 8，大于10%的置信水平，接受原假設，說明農業碳排放不是環境規制的格蘭杰原因。

2）農業經濟增長與農業碳排放。對于原假設“農業經濟增長不是農業碳排放的格蘭杰原因”，P值為0.091 5，小于10%的置信水平，因此拒絕原假設，說明農業經濟增長是農業碳排放的格蘭杰原因;而對于原假設“農業碳排放不是農業經濟增長的格蘭杰原因”，P值為0.946 6，大于10%的置信水平，接受原假設，說明農業碳排放不是農業經濟增長的格蘭杰原因。

3）技術進步與農業碳排放。對于原假設“技術進步不是農業碳排放的格蘭杰原因”，P值為0.062 5，小于10%的置信水平，因此拒絕原假設，說明技術進步是農業碳排放的格蘭杰原因;而對于原假設“農業碳排放不是技術進步的格蘭杰原因”，P值為0.327 9，大于10%的置信水平，接受原假設，說明農業碳排放不是技術進步的格蘭杰原因。

4.4 ?脈沖響應函數分析

對模型中各個變量施加一個標準差的脈沖，得到滯后期為1～10期的脈沖響應函數，輸出結果見圖2至圖5。

由圖2可知，農業碳排放對于自身的一個標準差新息表現出較強的反應，在初期迅速下降，在第3期達到最低值，然后緩慢遞增，至第7期時處于最大值，之后呈緩慢下降趨勢，直至下降為負值。這說明農業碳排放對于自身的沖擊反應具有波動性，但從長期來看呈緩慢下降趨勢，這符合當前中國農業碳排放的現狀。

由圖3可知，農業碳排放對于來自環境規制的一個標準差新息立即有較強的反應，在第2期時迅速降至最低點，然后快速上升，第5期達到最大值，之后持續下降，到第7期降為負值，而且下降趨勢較為明顯。這說明環境規制的碳減排效應在初期較為顯著，但是短期內可能出現反彈跡象，若繼續強化環境規制的持續性，后期碳減排作用仍然很明顯。

由圖4可知，農業碳排放對于農業經濟增長給定的一個標準差新息反應比較平緩，在初期緩慢上升，第4期之后開始緩慢下降，第5期之后降為負值，第7期達到最低值，之后又緩慢上升，但仍處于較低水平。說明短期內農業經濟增長具有一定的碳增排效應，該現象不可規避，但從長期來看，其累計系數值呈下降趨勢，且逐漸趨近于水平值，說明未來農業經濟發展過程中的碳排放量會呈逐漸減少趨勢。

由圖5可知，農業碳排放對于來自技術進步的沖擊在初期即為負值，但在第3期之后緩慢回升到水平值以上，在第5期達到最大值，但仍然處于低位，之后逐漸下降，直至降到水平值以下。這說明農業科技進步對農業碳減排作用明顯，隨著農業生產技術的創新，可再生能源使用量增加，農業碳源消費量逐漸減少。同時，農業機械化水平提升，農業生產效率也進一步提高，進而減少農業碳排放量。

總體而言，上述4個脈沖響應函數大體上呈收斂趨勢，說明其具有一定的有效性[15，16];環境規制、技術進步對于農業碳排放的負向效應較為明顯，雖然在初期會出現小幅的反彈，但大約都在第5期之后開始下降，在第6期之后降為負值，且繼續下降的趨勢較為明顯，說明二者都具有碳減排作用;農業經濟增長對農業碳排放的影響在短期內具有碳增排效應，但從長期來看，該效應會逐漸減弱至較低水平。

4.5 ?方差分析

方差分析是通過分析內生變量的沖擊對內生變量變化（通常用方差來度量）的貢獻度，評價不同內生變量沖擊的重要性。根據VAR（2）模型，將農業碳排放進行方差分解，結果見表4。

由表4可知，初期農業碳排放對于來源自身新息的影響最大，在第2期迅速減少至32.69%，之后逐年減少;環境規制對農業碳排放的影響較大，一直處于高位水平，而且表現相對平穩，時間趨勢并不明顯;農業經濟增長對農業碳排放的影響較為明顯，從初期開始逐漸遞增，在第8期達到最大值8.72%，之后緩慢遞減;技術進步對農業碳排放的影響一直保持在較低水平，到第8期達到最大值4.74%，之后呈現緩慢遞減趨勢。基于對農業碳排放的方差分析，短期來看，環境規制的貢獻度較為顯著，農業經濟增長和技術進步的貢獻度相對較弱;長期來看，以上3種因素對農業碳排放的貢獻度基本上保持在相對穩定的水平。由此可見，該系統存在一個相對穩定的貢獻比例分配機制。

5 ?政策建議

從靜態角度來看，環境規制、農業經濟增長和技術進步是農業碳排放的格蘭杰原因;從動態角度來看，環境規制對農業碳排放的負向影響較大，貢獻度長期處于較高水平，農業經濟增長對農業碳排放的正向影響相對較小，呈逐漸下降趨勢，技術進步對農業碳排放的負向影響較小;從長期來看，環境規制、農業經濟增長、技術進步對農業碳排放的影響程度處于相對穩定的狀態。基于上述結論，提出如下建議。

第一，助力發展低碳農業，深化農業產業結構升級，促進農業第二、第三產業的發展。加大農業技術、資金的投入力度，延伸農業產業價值鏈，發展農副產品加工銷售等農業第二產業。發展農業第三產業，著力打造生態農業、觀光農業、休閑農業等具有地域特色的農業服務業。在農業經濟發展過程中逐步實現低排放、高碳匯的農業發展目標。

第二，大力提升農業技術水平，積極推廣使用新能源。通過農業技術創新來提高能源利用效率，比如農業生物技術、滴灌技術等，加快農業基礎設施建設。構建清潔、高效的能源供應體系，優化農業能源消費結構，提高地熱、風能、太陽能等綠色清潔能源的使用比例，減少傳統碳基能源使用量。

第三，著重提高環境規制強度，合理構建環境規制制度。環境規制能夠顯現出碳減排效應[17]，但要強化環境規制的執行力度和監管力度，后期注重環境規制的連續性，防止出現碳排放的反彈。另外，要構建合理的農業低碳補償機制，維護利益相關者的合法權益，減少農業生產的外部性問題，提高農業企業、農戶節能減排的積極性。

參考文獻：

[1] 李 ?波，張俊飚，李海鵬.中國農業碳排放與經濟發展的實證研究[J].干旱區資源與環境，2011，25（12）：9-13.

[2] 洪業應.農業碳排放與經濟增長關系的實證研究——基于環境庫茲涅茨曲線的檢驗[J].浙江農業學報，2015，27（9）：1664-1669.

[3] 張 ?群.碳排放與低碳農業經濟發展[J].山西農業科學，2015， 43（10）：1363-1367.

[4] 黃琳慶，趙 ?聰，蔡悅靈.低碳視角下農業碳排放、農業科技進步與農業經濟發展的實證研究——基于中國省域面板數據分析[J].江蘇農業科學，2016，44（5）：541-544.

[5] 胡中應.技術進步、技術效率與中國農業碳排放[J].華東經濟管理，2018，32（6）：100-105.

[6] 魏 ?瑋，文長存，崔 ?琦，等.農業技術進步對農業能源使用與碳排放的影響——基于GTAP-E模型分析[J].農業技術經濟，2018（2）：30-40.

[7] 張 ?華，魏曉平.綠色悖論抑或倒逼減排——環境規制對碳排放影響的雙重效應[J].中國人口·資源與環境，2014，24（9）：21-29.

[8] 支 ?燕.碳管制效率、政府能力與碳排放[J].統計研究，2013， 30（2）：64-72.

[9] 周杰琦，韓 ?穎，張 ?瑩.外資進入、環境管制與中國碳排放效率：理論與經驗證據[J].中國地質大學學報（社會科學版），2016，16（2）：50-62.

[10] 張翠菊，張宗益.產業和人口的空間集聚對中國區域碳排放強度的影響[J].技術經濟，2016，35（1）：71-77.

[11] 王雅楠，孫養學，李 ?威.人口相關因素對碳排放的影響研究

——基于變截距模型的實證分析[J].生態經濟，2017，33（12），19-23.

[12] 陶群山，胡 ?浩.環境規制和農業科技進步的關系分析——基于波特假說的研究[J].中國人口·資源與環境，2011，21（12）：52-57.

[13] 孫敬水.計量經濟學學習指導與EViews應用指南[M].北京：清華大學出版社，2010.

[14] 吳賢榮，張俊飚，田 ?云，等.中國省域農業碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用[J].資源科學，2014，36（1）：129-138.

[15] 李國璋，霍宗杰.中國全要素能源效率、收斂性及其影響因素

——基于1995-2006年省際面板數據的實證分析[J].經濟評論，2009（6）：101-109.

[16] 魏 ?梅，曹明福，江金榮.生產中碳排放效率長期決定及其收斂性分析[J].數量經濟技術經濟研究，2010（9）：43-52.

[17] 余常林，高宏建.環境管制對中國環境污染的影響[J].中國工業經濟，2015（7）：21-35.