中部地區農業碳生產率的測定及空間收斂性研究

李 穎

(安徽大學經濟學院，安徽 合肥 230039)

中部6省是我國傳統的農業大省，6省的GDP總量占全國GDP的1/4以上，而農業產出占中部6省GDP的50%以上。近年來，中部6省的農業獲得了快速發展。但與此同時，也導致碳排放的不斷增加，引起了一系列環境問題。據計算，2008—2018年，中部6省農業碳排放總量從2008年的4032.51萬t上升到2018年的4569.59萬t，年均增長率達到2.2%。可見，農業發展所帶來的碳排放問題十分突出。在低碳經濟的大背景下，發展低碳農業已成為我國農業發展的必然選擇。因此，提高農業碳生產率成為中國農業可持續發展的關鍵。對中部6省經濟帶農業碳生產率進行測算，了解其演變趨勢，并分析其區域差異特征及空間收斂性，對于實現中部6省農業低碳、可持續發展具有重要的意義[1]。

1 農業碳生產率的測算與分析

1.1 農業碳排放量的核算

本文參考相關學者關于農業碳排放的估算方法，測算各省份農業的碳排放量，計算公式：

(1)

式中，CE為農業的總碳排放量；CEi為第i種碳源的碳排放量；Qi為第i種碳源的量；εi為第i種碳源的碳排放系數。

農業碳排放主要來自于2個方面，基于農業生產過程中化肥、柴油、農藥、農膜、翻耕、農業灌溉產生的碳排放；基于牛、馬、驢、騾、豬、羊在養殖過程中腸道發酵和糞便處理產生的碳排放，各碳源對應的碳排放系數的數值主要取自IPCC第五次報告和一些經典文獻的研究結果[2]。

1.2 農業碳生產率的測算

本文基于各省域農業碳排放總量和農業增加值，將農業碳生產率定義為一段時期內農業增加值與農業碳排放總量的比值[3]，具體公式:

C=AGDP/CE

(2)

式中，C為農業碳排放率，萬元·t-1；AGDP為農業增加值，億元；CE為農業碳排放量，萬t。

本文的樣本區間為2008—2018年，考察對象為中部地區6個省份，即山西、安徽、江西、河南、湖北、湖南。相關變量數據均取自《中國統計年鑒(2009—2019)》。

1.3 中部地區農業碳生產率測算結果分析

表1給出了中部地區6個省份2008—2018年間農業碳生產率的數值。從中部地區的整體情況來看，中部地區的農業碳生產率從2008年的2.71%上升到2018年的4.98%，年均增長率為7.59%，總體呈上升趨勢。從具體年份看，農業碳生產率各年份均呈現上升趨勢。

表1 2008—2018年中部地區各省份農業碳生產率

根據各省份農業碳生產率的測算結果，農業碳生產率存在顯著的省際差異特征。就各省份農業碳生產率水平而言，樣本期間內，農業碳生產率最高的省份為江西省，平均值達到了6.04；農業碳生產率最低的是山西省，平均值為2.64。從發展趨勢來看，中部地區各省份的農業碳生產率除個別年份外，均呈逐漸上升的趨勢，其中農業碳生產率年均增長率最高的省份是山西省，達到了10.84%。

2 中部地區農業碳生產率的收斂性分析

上述分析表明，中部地區各省區之間農業碳生產率存在顯著的區域差異。本文以新古典經濟學的理論為基礎，選用3種收斂方法來分析中部地區各省區農業碳生產率的收斂性，分別為α收斂、絕對β收斂以及條件β收斂，其中β收斂為α收斂的必要不充分條件[5]。

2.1 α收斂檢驗

本文采用α系數分析中部地區農業碳生產率的離差，通過測算中部地區各省區農業碳生產率的α系數來判斷是否存在α收斂。若存在收斂，則隨著時間推移，農業碳生產率的α系數會逐漸縮小，反之則說明具有α發散特征[6]。α系數的計算公式：

(3)

圖1顯示，中部地區農業碳生產率α系數以2012年為界先下降后上升，表明中部地區農業碳生產率的省際差異自2012年之后在逐步擴大，農業碳生產率不存在α收斂。

圖1 2008—2018年中部地區農業碳生產率α系數走勢圖

2.2 β收斂檢驗

β收斂模型是從新古典經濟學的經濟收斂理論發展而來的。β收斂模型的核心是考察某區域的農業碳生產率的增長率與初始水平之間的關系。如果增長率與初始水平之間呈負相關關系，則農業碳生產率存在β收斂。β收斂模型又分為絕對β收斂和條件β收斂2種形式[7]。

2.2.1 絕對β收斂分析

2.2.1.1 絕對β收斂模型的構建

絕對β收斂是指中部地區各省區的農業碳生產率的增長速度與初始水平呈現反向變動關系。考慮到中部地區各省區農業碳生產率存在顯著的正向空間相關性，為避免β收斂估計結果出現偏差，必須將空間因素的影響考慮在內[8]。因此，本文引入空間因素，在β收斂的基礎模型上分別構建空間滯后模型和空間誤差模型：

(4)

(5)

式中，i為省份；t為年份；Ci,t為i省t年的農業碳生產率；α為常數項；β為基期碳生產率的回歸系數；W為空間權重矩陣；ρ為空間滯后系數；λ為空間誤差系數；εi,t與μi,t為隨機擾動項。如果回歸系數β顯著小于0，則表明農業碳生產率存在絕對β收斂。

式(4)為空間滯后模型(SLM)，指的是某地區的被解釋變量的影響因素會通過空間傳導機制影響其相鄰地區；式(5)為空間誤差模型(SEM)，其假設農業碳生產率在各區域間的空間依賴性由誤差項反映。

本文基于LM檢驗來選擇具體的空間收斂模型。LM檢驗結果表明，SEM模型更適合絕對β收斂檢驗。對于忽略空間因素影響的傳統β收斂模型，Hausman檢驗結果顯示，P值﹤0.05，因此拒絕原假設，說明傳統β收斂模型更適合使用固定效應(FE)的估計方法。對于空間β收斂模型，本文同樣進行了Hausman檢驗，檢驗結果顯示，P值﹤0.05，說明選擇固定效應估計方法進行空間收斂檢驗是合理的。

2.2.1.2 絕對β收斂結果分析

表2給出了中部地區各省區農業碳生產率的絕對β收斂的檢驗結果。對中部地區各省區農業碳生產率進行無權重的回歸分析。結果顯示，β值顯著小于0，說明中部地區各省區的農業碳生產率的增長速度與初始水平呈現反向變動關系，存在絕對β收斂，即具有較低農業碳生產率地區的增長速度快于較高地區，各地區的農業碳生產率最終收斂到自己的穩態水平。在考慮空間相關性之后，空間系數λ顯著大于0，這再次說明中部地區各省區之間存在顯著的正向空間效應。此外，收斂系數β始終顯著小于0，表明在考慮空間因素后，中部地區各省區農業碳生產率存在絕對β收斂。由上述分析可知，中部地區農業碳生產率存在絕對β收斂趨勢，但不存在α收斂趨勢。這表明，相較于農業碳生產率較高的地區，農業碳生產率較低的地區在樣本期內增長率相對較快，同時地區間農業碳生產率的絕對差異沒有縮小。

表2 長江經濟帶農業碳生產率絕對β收斂結果

2.2.2 條件β收斂分析

2.2.2.1 條件β收斂模型的構建

條件β收斂是指由于各省區在農業經濟增長、種植結構、人均收入等方面存在差異，各省區的農業碳生產率會最終收斂于各自的穩態值[9]。考慮到中部地區省區之間農業碳生產率的正向空間相關性，本文在絕對β收斂模型的基礎上，引入空間因素及相關控制變量，分別構建空間滯后模型(SLM)和空間誤差模型(SEM)：

(6)

(7)

式中，控制變量X包括農業經濟發展水平、農村居民收入、種植結構和耕地面積等變量；θ為控制變量的回歸系數，其余變量與式(5)和式(6)的變量含義相同。如果回歸系數β顯著小于0，則意味著農業碳生產率存在條件β收斂。

對于條件β收斂模型，本文基于LM檢驗來選擇具體的空間收斂模型。LM檢驗結果表明，SLM模型更適合條件β收斂檢驗。對于傳統的β收斂模型，Hausman檢驗結果顯示，P值﹤0.05，因此拒絕原假設，說明傳統β收斂模型更適合使用固定效應(FE)的估計方法。對于空間β收斂模型，本文同樣進行了Hausman檢驗，檢驗結果顯示，P值﹤0.05，說明選擇固定效應估計方法進行空間收斂檢驗是合理的。

2.2.2.2 條件β收斂結果分析

表3給出了中部地區各省區農業碳生產率的條件β收斂檢驗結果。檢驗結果表明，無論分析過程中考慮空間因素與否，β值始終顯著小于0，表明在考慮了農業經濟發展水平、農村居民收入、種植結構以及耕地面積等因素后，中部地區的農業碳生產率的條件β收斂效應較為顯著。比較傳統β收斂與空間β收斂的系數，可以看出，空間收斂模型的β系數絕對值更大，收斂速度也更快。從控制變量的回歸系數來看，農業經濟發展水平的提高使農業碳生產率降低，可能的原因在于我國農業經濟的發展是以能源的大量投入作為基礎的，在這種情況下，農業經濟發展水平的提高對農業碳生產率增長率產生負向影響。農村居民收入對農業碳生產率增長率產生正向影響，但并不顯著。農業種植結構的優化顯著提高了農業碳生產率增長率，說明我國農業雖然以種植業和畜牧業為主，但林業和漁業所占比重不斷擴大，這對農業碳生產率增長率產生了正向顯著影響。耕地面積的擴大使能源消耗增多，對農業碳生產率增長率產生負向影響。

表3 中部地區農業碳生產率條件β收斂結果

3 結論

本文基于2008—2018年我國中部地區6個省份的面板數據，測算了中部地區各省區的農業碳生產率，并分析了區域的差異性。在此基礎上，對中部地區農業碳生產率的空間收斂性進行了系統考察。得到如下結論。

中部地區各省區的農業碳生產率整體呈上升趨勢，年均增長率最高的是山西省，江西省最低。

中部地區的省際差異自2012年之后逐步擴大，農業碳生產率不存在α收斂。同時，中部地區的農業碳生產率的絕對β收斂和條件β收斂特征明顯，這表明農業碳生產率較低地區的農業碳生產率快于較高地區，各地區的農業碳生產率最終收斂到自己的穩態水平。空間效應加快了中部地區農業碳生產率的β收斂速度。

農業經濟發展水平及耕地面積對農業碳生產率增長率均具有負向影響，農村居民收入的提高和種植結構的優化則有利于農業碳生產率的提升。上述因素對不同區域農業碳生產率增長的不同影響是形成農業碳生產率區域差異的主要原因。