長江經濟帶農業碳生產率評價及其影響因素探析

徐鋅耀

摘 要 推動農業碳減排是實現雙碳目標的重要途徑。為精準評估長江經濟帶農業碳減排成效，實現農業綠色發展目標，基于2011—2020年省域面板數據，結合基于松弛值測算的模型（Slack Based Measure， SBM）和GML（Global Malmquist-Luenberger）指數測度探討了長江經濟帶農業碳生產率的區域差異，并采用普通最小二乘法（Ordinary Least Square，OLS）對其影響因素進行實證分析。研究結果表明：長江經濟帶農業碳生產率呈上升趨勢，但低于全國均值；農業經濟發展水平、農業低碳創新水平和農業產業結構正向影響農業碳生產率，勞動力規模、城鎮化水平和自然災害則呈現抑制效應。

關鍵詞 農業碳生產率；可持續發展；區域差異；長江經濟帶

中圖分類號：F327 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2023.24.017

我國是農業生產大國，農業碳排放常居世界首位。早在2007年，我國就把“改變土地利用方式和調控農業生產方式減少農業源溫室氣體排放”列為減排的重點任務之一。黨的二十大以來，習近平總書記多次強調雙碳目標，要求貫徹落實農業生態文明與綠色發展理念，形成高質量發展格局，推動農業生產以綠色化、低碳化為顯著特征的綠色轉型。然而，農業機械、化肥、農藥及農膜的大規模使用導致農業碳排放問題無法得到有效改善。為此，提高單位碳排放約束下的農業生產效率成為政府及理論界廣泛關注的現實問題。

1 長江經濟帶農業碳生產率評價分析

1.1 指標選取與數據來源

農業高質量發展應以綠色發展為要義，實現經濟效益與環境效益的統一。將實際的農業總產值（農林牧漁業總產值）作為期望產出，并參考許清濤等、龔銳等的研究，選取農業碳排放量表征非期望產出，即用農業生產過程中生產要素投入量的碳排放系數進行計算[1-2]。計算公式為

（1）

式中：E為農業碳排放；Ei為第i個碳源的碳排放量；δi為第i個碳源的碳排放系數，為固定值，分別為化肥0.895 6 kg·kg-1、農藥4.934 1 kg·kg-1、農膜5.18 kg·kg-1、柴油0.592 7 kg·kg-1、翻耕312.6 kg·hm-2及灌溉266.48 kg·hm-2；Ti為第i類農業碳源使用量。

投入指標方面，借鑒熊翅新等、吳亞玲等的研究，選取農作物播種面積、農業從業人員數、機械總動力、化肥使用量、農業用水量等指標，構建農業碳生產率測算指標體系[3-4]。具體指標情況如表1所示。

數據來源方面，期望產出與非期望產出指標來自《中國統計年鑒》，投入指標來自《中國農業統計年鑒》，缺失數據通過查找國家統計局和省級統計年鑒

補全。

1.2 研究方法及測算過程

為在全國層面上探究長江經濟帶農業碳生產率，根據投入產出指標數據，使用MAXDEA 7.0軟件測度全國31個省（自治區、直轄市）2011—2020年農業碳生產率指數。采用常用的數據包絡分析法（Data Envelopment Analysis，DEA），結合基于松弛值測算的模型（Slack Based Measure，SBM）對我國各省（自治區、直轄市）農業碳生產率進行測算。假設考察樣本中有K（K=1，2，...，k）個決策單元，每個決策單元需要投入M個要素，分別得到N種期望產出和I種非期望投入，參考吳傳清等的研究，考慮非期望產出的SBM模型計算公式為[5]

（2）

式中：Sx、Sy、Su分別為松弛變量（衡量投入過剩）、期望產出松弛變量（衡量期望產出不足）、非期望產出松弛變量（衡量非期望產出不足）；λk為各決策單元的權重；xmk為k個決策單元的第m個投入要素變量；ynk為k個決策單元第n種期望產出變量；uik為k個決策單元的第i種非期望產出變量；R+M、R+N、R+I則分別為投入、期望產出和非期望產出集。等式右側的分子分母分別為決策單元實際投入、產出到生產前沿面的平均距離，即投入無效率程度和產出無效率程度。目標函數ρ*∈[0，1]，當ρ=1時，表明各決策單元完全有效；當0≤ρ＜1時，即Sx、Sy、Su至少有一個不為0，則表明決策單元存在損失，在投入產出要素配置方面還有優化空間。

為確定最優前沿面，避免生產前沿向內偏移的可能性，運用全局可能性生產集對當期和以往所有時期的數據進行分析，并結合Malmquist-Luenberger指數構造全局ML指數（Global Malmquist-Luenberger，GML），其表達式為

（3）

式中：PACt，t+1為在t期的技術條件下，從t到t+1期的GML測算得出的農業碳生產率；DG為全局前沿投入產出的效率值，其他同上。

1.3 測度結果分析

根據DEA軟件測算出的結果，分別得出長江經濟帶與全國、長江經濟帶上中下游地區之間的農業碳生產率平均水平，如表2和表3所示（測算出的農業碳生產率值以1為基準，超出部分即為增長率）。對長江經濟帶上游、中游和下游地區劃分如下：四川省、云南省、貴州省、重慶市為上游地區；湖北省、湖南省、江西省為中游地區；安徽省、浙江省、江蘇省、上海市為下游地區。

由表2可知，長江經濟帶各省（市）農業碳生產率年均增長率為6.5%，比全國低0.9個百分點。原因在于與全國相比，長江經濟帶人口、社會、經濟、資源、環境等系統的可持續能力差異較大，整體水平不高。這主要表現為年際間農業優質資源減少，使得農業綠色發展受到阻礙；農藥化肥使用量居高不下，導致農業面源污染嚴重，對農業生產造成極大影響；長江沿線畜禽和水產養殖等規模大，化學需氧量、總氮、總磷等排放量較高，致使水源富營養化。由此可見，農業高質量綠色發展，需要以農業綠色低碳技術為驅動力，提升生產效率并強化資源管理，向規模化、精細化和集約化轉型。

由表3可知，長江經濟帶上游和中游的農業碳生產率增長率超過經濟帶整體區域均值，且兩者差異較小，說明近年來源頭治理的生態保護有一定成效，中上游城市在政策強壓和自身生態保護意識覺醒的情況下，農業生產在保護環境的同時節約了資源，使得碳排放強度有所降低，實現了農業經濟發展與環境保護的雙贏，并且上游與中游地區多丘陵山地地形，生態承載力優于其他地區，且具有源頭的灌溉優勢。下游地區雖然也呈現增長態勢，但速度卻低于區域均值。一個合理的解釋是，下游地區作為發達地區，人口眾多，碳排放量明顯高于上游和中游地區；城鎮化擠壓了農業用地，導致農業碳生產率表現較差。從農業可持續發展水平來看，長江經濟帶各省（市）發展存在不平衡，且這種現象將長期存在。

2 長江經濟帶農業碳生產率影響因素實證分析

2.1 指標選取與模型設定

農業碳生產率的測算主要衡量碳排放約束下農業生產過程中的投入與產出情況，并沒有將現實中影響其效率的因素納入考慮范圍，如制約農業生產和降低農業碳排放的經濟基礎和制度因素。因此，重點歸納總結已有文獻形成的重要結論，如經濟發展水平、農業生產結構和影響農業生產效率的多種因素（見表4），并從中找出其邏輯關系的共通之處。

可以發現，已有研究本質上是從規模、技術和結構效應3個方面進行分析。基于此，從規模因素、技術因素和結構因素入手，構建長江經濟帶農業碳生產率的影響因素指標，如表5所示。

基于上述分析，為考察長江經濟帶農業碳生產率的影響因素，構建如下多元回歸模型，具體公式為

PAC=β0+β1X1+β2X2+···+β6X6+ε （4）

式中：PAC為農業碳生產率值；β0為回歸方程中的截距項；β1～β6為各影響因素的系數；X1～X6對應表5中的影響因素；ε為殘差項。

2.2 實證結果與分析

為消除異常值影響，對變量進行1%縮尾處理。同時，為修正標準差，采用穩健標準誤估計。運用Stata軟件進行回歸分析，回歸結果如表6所示。

結果顯示，F=7.250，回歸方程在1%水平上顯著。T值檢驗中，農業經濟發展水平（X1）、農業低碳創新水平（X4）顯著正向影響農業碳生產率，農業產業結構（X5）的參數估計并不具備統計顯著性，意味著農業生產力的發展與創新水平的提高有助于提升長江經濟帶單位碳排放約束下農業生產效率；勞動力規模（X2）、城鎮化水平（X6）分別在1%和10%的水平上抑制長江經濟帶農業碳生產率，自然災害情況（X3）的負向影響并不顯著，可能是因為農業集約化轉型過程中，依靠人員要素投入而提高產出的生產模式已不再適用，城鎮化占用了大量農業生產和經營用地，加之近年來防洪固堤工作的開展，自然災害對農業生產的影響減少。農業碳生產率的提高主要依靠規模效應與技術效應驅動，結構效應的影響并不明顯。

3 結論與建議

研究以全國31個省（自治區、直轄市）2011—2020年農業生產投入產出數據為樣本，基于SBM-GML模型，運用數據包絡分析（Data Envelopment Analysis，DEA）探討了長江經濟帶省域農業碳生產率的測度評價與影響因素，研究結果如下。1）測度評價方面，2011—2020年長江經濟帶農業碳生產率呈上升趨勢，但低于全國均值；區域差異方面，上游地區增長態勢最好，中游地區其次，下游地區也有所增長但未達到區域平均水平。2）影響因素方面，規模效應和技術效應對長江經濟帶農業碳生產率的驅動作用明顯，結構效應并未發揮其功能。具體而言，農業經濟發展水平、農業低碳創新水平與生產結構有助于提高農業碳生產率，勞動力規模、城鎮化水平和自然災害情況總體抑制農業碳生產率的提升。

為有效降低農業碳排放強度和提升農業生產效率，針對以上研究結論，提出提高長江經濟帶農業碳生產率的政策建議。1）落實農業支持政策，提高農業經濟發展水平。長江經濟帶坐擁廣袤的耕地與豐富的水源，農業資源優勢突出，政府應加大對農業生產的支持力度，大力提倡農業生產綠色低碳轉型。2）重視農業生產領域的技術創新。鼓勵有機肥和綠肥的研發創新，推廣環保型農業生產要素的應用；加大校企聯合力度，開展“產學研”協同培養，重點圍繞生態修復、節能減排、提質增效開展技術研發，大力支持創新活動，并做好創新成果的保護和轉化工作。3）調整優化農業產業結構。摒棄依靠人員要素投入的粗放式發展方式，完善耕地流轉制度，推動農業生產資源集約化利用，大力發展農業機械化與規模化，實現農業高

質量發展。

參考文獻：

[1] 許清濤，李玉波，楊淑杰.吉林省農業現代化進程中碳排放測算與分解[J].中國農機化學報，2018，39（7）：103-109.

[2] 龔銳，謝黎，王亞飛.農業高質量發展與新型城鎮化的互動機理及實證檢驗[J].改革，2020（7）：145-159.

[3] 熊翅新，歐陽梨花，蔡桂云，等.江西省農業全要素生產率的提升路徑研究：基于fsQCA方法的分析[J].農林經濟管理學報，2023，22（4）：

497-506.

[4] 吳亞玲，楊汝岱，吳比，等.中國農業全要素生產率演進與要素錯配：基于2003—2020年農村固定觀察點數據的分析[J].中國農村經濟，2022（12）：35-53.

[5] 吳傳清，宋子逸.長江經濟帶農業綠色全要素生產率測度及影響因素研究[J].科技進步與對策，2018，35（17）：35-41.

[6] 胡婉玲，張金鑫，王紅玲.中國農業碳排放特征及影響因素研究[J].統計與決策，2020，36（5）：56-62.

[7] 孟軍，范婷婷.黑龍江省農業碳排放動態變化影響因素分析[J].生態經濟，2020，36（12）：34-39.

[8] 高標，房驕，李玉波.基于STIRPAT模型的區域農業碳排放影響因素分析[J].環境科學與技術，2016，39（10）：190-197.

[9] 劉麗輝，徐軍.基于擴展的STIRPAT模型的廣東農業碳排放影響因素分析[J].科技管理研究，2016，36（6）：250-255.

[10] 李博，張文忠，余建輝.碳排放約束下的中國農業生產效率地區差異分解與影響因素[J].經濟地理，2016，36（9）：150-157.

（責任編輯：劉寧寧）