農業經濟增長與農業碳排放強度空間溢出效應實證研究

秦雨新，李樹超

（青島農業大學經濟管理學院，山東 青島 266109）

氣候變化是工業革命以來人類不可持續發展模式的產物，農業土壤是溫室氣體的重要排放源，因此，不應忽略農業生產活動對氣候變化帶來的影響。在中國溫室氣體凈排放總量中，農業溫室氣體排放總量約占全國排放總量的17%；在甲烷和氧化亞氮等氣體排放中，農業排放總量分別為50%和92%［1］。學者研究認為以二氧化碳、甲烷、氧化亞氮等為代表的溫室氣體大量排放是全球氣候變暖的重要誘因［2］。就中國提出的碳達峰碳中和目標而言，關鍵在于減排增匯，其中減排是基礎，而理清碳排放的現狀及特點顯然有助于科學減排策略的提出。一直以來工業碳源消耗是主要調控對象，但農業碳源也不容忽視，中國是世界上最大的農業生產國之一，農業是中國國民經濟發展的基礎，農業碳排放量約占全國碳排放總量的13%。習近平總書記指出，“十四五”時期，中國生態文明建設進入了以降碳為重點戰略方向、推動減污降碳協同增效、促進經濟社會發展全面綠色轉型、實現生態環境質量改善由量變到質變的關鍵時期［3］。基于此，本研究從空間效應視角研究農業種植業碳排放強度與農業經濟增長之間的關系，以期為區域協調推進農業減排工作提供參考，進而助力實現農業“雙碳”目標。

國外學者對農業碳排放的研究主要集中在農業碳源的測算、經濟發展和農業碳排放的關系以及農業減排的政策三方面。Johnson等［4］指出農業是3 種主要溫室氣體的來源，農業碳排放源主要是農林廢棄物、農用資源利用、水稻種植、動物腸道發酵、畜禽糞便以及秸稈燃燒等。隨著農業污染問題日益加重，學者們對經濟發展和農業碳排放之間關系展開研究，大多以庫茲涅茲曲線為基礎。Grossman等［5］最早在研究中指出經濟增長與污染排放的“倒U”形關系，即隨著經濟的發展，必然會帶來一定程度的環境污染，但經濟發展到一定水平后即到達拐點后，污染排放會隨著經濟的增長而降低。對于經濟增長和能源消費之間的關系，Kraft等［6］最先提出美國的經濟增長與能源消費間有因果關系。隨后，Hossein等［7］、Bozoklu等［8］又分別證明了OPEC 等國家、組織的經濟增長與能源消費之間互相影響。Uri［9］從美國農業碳減排的實踐經驗中得出結論，認為實施保育措施能提高土壤固碳能力，并提出農業操作變革技術。Hoffert等［10］認為要解決CO2帶來的氣候變化問題，就要從源頭上減少能源的使用，因此提出了使用清潔能源和新型能源的建議。

國內學者對農業環境的空間依存度和農業碳排放進行相關性研究。馬軍旗等［11］利用單元調查法和空間計量法證實中國農業面源污染呈現明顯的空間正相關性，并且農業面源污染的地區間差異是總體差異的主要來源。魯慶堯等［12］通過構造農業生產的經濟環境指數實證了中國省域經濟環境指數具有較強的空間依賴性和正的空間溢出效應。吳義根等［13］利用探索性空間數據分析方法對地區間農業環境污染展開研究，結果表明農業面源污染表現出明顯的空間相關性。涂爽等［14］研究結果顯示農業經濟增長產出規模的擴大，與農業環境污染呈倒“U”形關系，且拐點的出現因污染物要素投入指標的選取而異。

綜上所述，國外學者較早對能源消耗和經濟之間的關系展開研究，但前期側重于工業能源消耗。由于各種因素的不確定性，國外學者對農業碳排放的測算方法也是多種多樣，國外對農業碳排放方面的研究起步較早，研究結果日益完善；國內對該方面的研究雖然起步較晚，但關于農業碳排放的研究已趨于全面、系統，能夠為中國碳減排工作提供重要的參考依據，但同時，現有的研究存在一定的局限性，大多研究集中于環境污染空間相關度等問題，農業污染指標與地區經濟相結合的研究較少，并不能從實際角度采取有針對性的措施來減少農業碳排放。本研究在國內外學者已有的理論和方法上繼續探究農業碳排放與經濟增長之間的關系，以推動農業經濟綠色低碳發展。

1 農業經濟增長對農業碳排放影響的理論機制

經濟活動通過規模效應、結構效應和技術效應對環境產生影響［15］。首先，污染物的排放量與經濟規模呈正相關，即隨著經濟總量的擴大，經濟發展需要更多的資源投入，消耗更多的能源，從而產生更多的污染排放物；而隨著經濟總量規模的縮減，污染物排放量也會隨之減少。其次，產業的升級和集聚反映了一個國家或地區經濟發展模式的轉變，這對環境有重要影響。經濟發展水平更高時，產業會向經濟發展地區靠攏并優化升級，以資源密集型為主的第二產業所占比重會逐漸減少，以服務業為主的第三產業比重會上升。因此，通過優化產業結構，合理產業集聚，促進產業低碳發展。最后，技術進步使生產效率得到改善，資源的利用效率得到提高，這將降低單位國內生產總值的能源消耗，并減少污染物排放。

在農業發展過程中，農業經濟規模對農業碳排放具有雙重影響，一方面，在污染系數和產品組合不變的情況下，農業經濟規模的擴大需要更多的生產要素投入，這將導致農業碳排放量的增加，對環境產生負向效應；另一方面，隨著經濟規模的增長和收入的增加，居民的偏好會由低檔品向高檔品消費。在農產品選擇上，人們更偏向購買生產標準更高的綠色農產品，因此，收入提高在一定程度上有助于建立更嚴格的生產體系，進而降低單位產出農業碳排放強度［16］。

2 變量選擇、數據來源與研究方法

2.1 變量選擇

2.1.1 被解釋變量 選取農業碳排放強度（AEI）作為被解釋變量，數據由式（1）、式（2）計算所得。

參考伍國勇等［17］的研究，農業碳排放源指標選取有化肥、農藥、農用柴油、農用塑料薄膜、農作物播種面積和農業灌溉面積。目前較為廣泛使用的農業碳排放計算方法為碳轉化系數法，是依據其碳源進行估算的一種方法［18］。農業碳排放計算公式如下。

式中，E為農業碳排放總量；Ei為相應i類碳排放量；Ti為對應i類碳源消耗量；H為碳排放系數，化肥、農藥、農用柴油、農用塑料薄膜的排放系數分別為0.895 6、4.934 2、5.180 0、0.592 7 kg/kg，農作物播種面積和農業灌溉面積的排放系數分別為312.600、20.476 kg/hm2［19］。多數學者使用單位農業產值的碳排放量來衡量農業碳排放強度，計算公式如下。

式中，AEI為農業碳排放強度；E為農業碳排放總量；AGDP為農業生產總值。

2.1.2 核心解釋變量 本研究核心解釋變量為經濟增長（EGDP），選取農業人均生產總值表示農業經濟增長的指標，更能代表農村經濟的發展水平，以農業生產總值與年末人口數的比值來表示對變量進行消脹處理。

2.1.3 控制變量 消費能力（CONS）采用農村人均消費支出來衡量；技術進步（ADV）采用有效灌溉面積與總播種面積的比值表示；農業現代化水平（TECH）采用農業機械總動力與總播種面積比值表示；財政支持（ECO）采用農林水事務支出與農業生產總值比值表示；受災情況（DISA）和產業結構（IND）分別用受災比重、第一產業所占比重來衡量。各變量描述性統計情況如表1 所示，各變量的統計量均為434。

由表1 可知，中國各地區農業碳排放強度存在較大差異，最高為297.704 50 kg（C）/萬元，最低為29.121 68 kg（C）/萬元。農業人均消費支出最高為20 303.060 元/人，最低為1 124.598 元/人，整體呈上升趨勢，區域間差異明顯。

表1 農業經濟增長與農業碳排放強度變量描述性統計

2.2 數據來源

本研究選取的被解釋變量中，農業碳排放強度通過統計年鑒宏觀數據由式（1）、式（2）計算得到，核心解釋變量與控制變量選取2007—2020 年中國31個省（市、自治州）的宏觀數據進行研究，數據均來源于《中國統計年鑒》《中國農村統計年鑒》以及各省（市、自治區）統計年鑒。

2.3 模型構建

2.3.1 構建空間權重矩陣 地理距離權重矩陣將地理距離平方倒數作為兩省之間的地理權重，該矩陣可以更好地體現出在地理空間上不鄰接兩省之間的要素流動和相互作用［20］。

地理距離空間矩陣具體設定如式（3）所示。Wij表示區域i和區域j地理距離矩陣，d為通過經緯度計算的省份間距離。

2.3.2 空間相關性檢驗 采用全局Moran’s I指數模型，對農業碳排放強度和人均農業生產總值進行全局自相關檢驗，計算公式如下。

局部空間自相關檢驗常用LISA 聚集圖表示，其表示區域單元在區域內的聚集或離散情況［21］。LISA 聚集圖計算依據局部Moran’s I指數表示，其計算公式如下。

式中，Ii為i地區的局部莫蘭指數；xi和xj分別為變量在i、j地區的數值；xˉ為變量x在n個地區觀測值的平均值；Wij為空間權重矩陣。

2.3.3 空間面板計量模型 構建空間杜賓模型（SDM），為充分考慮空間因素的影響，構建空間計量模型，實證分析農村經濟發展對農業碳排放強度的影響。具體模型如下。

式中，Y為農業碳排放強度；X為所有的解釋變量；β為空間滯后項系數；θ為回歸系數；W為地理距離空間權重矩陣；ρ為農業碳排放強度的滯后系數；ε為隨機擾動項。當ρ≠0、θ＝0且λ＝0時，符合空間自回歸模型（SAR）；當ρ＝0、θ＝0且λ≠0時，符合空間誤差模型（SEM）；當ρ≠0、θ≠0且λ＝0時，符合空間杜賓模型。隨后，根據檢驗及顯著性結果來確定具體模型。

3 實證分析

3.1 空間相關性檢驗

3.1.1 全局空間相關性 運用全局莫蘭指數分別對農業碳排放強度和農業人均生產總值（GDP）進行空間自相關檢驗，使用空間計量方法的前提是變量必須存在空間自相關。2007—2020 年農業碳排放強度與農業人均GDP 空間相關性結果如表2 所示，莫蘭指數雖有波動，但均為正值，從檢驗的P來看，各年份均通過顯著性水平為10%的統計檢驗，且農業碳排放強度在2009、2012、2017、2018年P小于0.05；農業人 均GDP 在2012、2013、2014、2015、2016、2018、2019、2020年P均小于0.05。總體而言，中國農業碳排放強度和農業人均生產總值的Moran’s I指數具有顯著性，可以拒絕“無空間自相關”的原假設。雖然研究期間內的Moran’s I指數上下波動，但2020 年與2007年Moran’s I指數相比，總體呈上升趨勢，說明相鄰省份之間的農業碳排放強度和農業人均GDP 在空間分布上不是處于完全隨機的狀態，而是存在集聚現象，且空間相關性不斷增強。

表2 2007—2020 年農業碳排放強度和農業人均GDP全局莫蘭指數

3.1.2 局部空間相關性 繪制農業碳排放強度和農業人均GDP 的局部莫蘭指數，本研究僅匯報2007年和2020 年的結果，其中數字1—31 代表中國31 個省級區域。

莫蘭散點圖的4 個象限分別對應區域單元與其相鄰象限之間4 種類型的空間局部聯系形式。第一象限代表高觀測值被同是高值包圍的區域，為HH，即高-高集聚類型；第二象限代表低觀測值被鄰近高觀測值包圍的空間單元，為L-H，即低-高集聚類型；第三象限代表低觀測值被同是低觀測值包圍的區域，為L-L，即低-低集聚類型；第四象限代表高值的空間單元格被低值空間單元格包圍，為H-L，即高-低集聚類型。對比2007 年與2020 年農業碳排放強度莫蘭指數散點圖（圖1）可知，中國農業碳排放強度和農業人均GDP 主要以H-H 和L-L 兩種類型主導，2007 年位于第一、第三象限的區域數量分別為6 和10，合計占樣本總量的51.61%；2020 年位于第一、第三象限的區域數量分別為8 和11，合計占樣本總量的61.29%，農業碳排放區域關聯性有所增強。對比2007 年與2020 年農業人均生產總值莫蘭指數散點圖（圖2）可知，2007 年農業人均生產總值位于第一、第三象限的區域數量分別為10 和9，占樣本總量的61.29%；2020 年有13 個區域位于第一象限，有8 個區域位于第三象限，占樣本總量的67.74%，呈一定的集聚效應，且落入第一象限的數量增加。

圖1 2007 年和2020 年農業碳排放強度局部莫蘭指數散點圖

圖2 2007 年和2020 年農業人均消費支出局部莫蘭指數散點圖

3.2 農業經濟增長與農業碳排放強度空間相關性分析

3.2.1 模型適用性檢驗及模型分析 對模型進行適用性檢驗，檢驗結果如表3 所示。首先，LM 檢驗的4個統計量均通過5%水平的顯著性檢驗，應選擇帶空間效應的面板模型。其次，Hausman 檢驗結果P通過顯著性檢驗，表明應采取固定效應的模型。最后確定模型的空間或時間效應，通過LR 檢驗和沃爾德（Wald）檢驗，結果顯示LR 檢驗結果P通過1%水平的顯著性檢驗；沃爾德檢驗結果顯示，空間滯后模型和空間誤差模型的P均通過1%顯著性檢驗，說明模型不能被簡化為SEM 和SLM。因此，本研究選擇固定效應下的SDM 模型。

表3 空間計量模型選擇性檢驗

3.2.2 空間計量模型回歸分析 運用STATA 15.0軟件實現農業經濟增長對農業碳排放強度影響的空間計量分析。SDM 模型的回歸結果如表4 所示。

表4 空間杜賓模型實證結果

從SDM 模型分解結果來看，農業碳排放強度受相鄰地區的地理位置、生態環境、社會經濟水平等影響。對各變量取自然對數，經濟增長、技術進步、農業現代化水平、財政支持和產業結構估計系數均通過5%的顯著性檢驗，其中消費能力、農業經濟增長、技術進步與農業碳排放強度呈負相關，農業現代化水平、財政支持、受災情況和產業結構均與農業碳排放強度呈正相關。

農業生產方式的不斷進步推動農業經濟增長的同時，還可以有效降低農業碳排放強度。綠色技術的使用能有效減少當地的農業碳排放量。隨著惠農政策的推出，以及農業現代化水平的提高，為農戶的農業生產提供了更多選擇。一是在惠農政策的指導下，農戶更傾向于購買環境友好型的農用物資；二是隨著現代化水平的提高和普及，農戶購買資源節約型農業生產工具時有更多的選擇。但是受災情況和農業產業結構調整都有可能會提高農業碳排放強度，當農戶受自然災害影響時，會投入更多的農用物資（如化肥、農藥等）來提高農作物的產量。農業產業所占比重越大，表明該地區從事第一產業的人數就越多，大量的農用物資投入不可避免地會產生更多的碳排放，即受災情況和農業產業結構在一定程度上促進了農業碳排放。

3.2.3 本地效應與空間溢出效應分解 由表5 可以看出，經濟增長、消費能力、技術進步、財政支持和產業結構的直接效應均通過10%水平的顯著性檢驗，且經濟增長、消費能力和技術進步對該地區農業碳排放強度影響顯著為負。在間接效應下，經濟增長、消費能力和產業結構均通過5%水平的顯著性檢驗。發展當地的經濟會一定程度上增加地區外的農業碳排放，即相鄰地區經濟增長對農業碳排放強度有一定的溢出效應。從總效應結果來看，經濟增長區域內的直接效應大于區域間的間接效應，總體對農業碳排放有一定的抑制作用。消費能力分解結果顯示，消費能力提高會對區域間農業碳排放強度起負向作用，即抑制相鄰地區的農業碳排放量，提高消費能力可以鼓勵農民選擇更為環保的生產手段，在鄰近地區發揮示范作用，從而遏制鄰近地區農業污染排放。產業結構的間接效應結果顯示，當地產業結構中農業所占比重越高，對鄰近地區農業碳排放強度負向影響就越大。但總效應結果顯示，農業產業結構促進農業碳排放，可能的原因是第一產業所占比重越高，農用物資投入就越高，農業生產過程中不可避免地排放出更多溫室氣體。

表5 農業經濟增長對農業碳排放強度的影響分解效應

4 小結與政策建議

4.1 小結

1）空間相關性檢驗。農業碳排放強度和人均農業生產總值表征的經濟增長指標呈H-H 集聚和LL 集聚。全局莫蘭指數結果顯示，各省份間空間自相關程度不斷增強，且農業碳排放強度和經濟增長指標在2007—2020 年呈現“高-高”和“低-低”空間集聚類型的省份數量明顯增加，以東部地區和經濟發達地區為主導，表現出兩極分化，且各地區經濟活動存在外部性（溢出效應）。

2）農業機械投入強度表征農業現代化水平與農業碳排放強度呈正相關，農用機械柴油使用量的增加促進了農業碳排放。此外，中國農業機械的大部分活動集中在播種和收獲階段，其他階段還無法大規模使用農業機械，即無法較為顯著地提高農用資源的利用效率。某地區農業生產總值/國內生產總值表征農業產業結構與農業碳排放強度也呈正相關，農業生產總值所占比重高的地區需要更多的化肥、農藥和塑料薄膜的投入，這些都是農用資源投入中碳排放的主要來源。因而種植業所占比重越高，對農業生產環境污染水平越高。

3）分解空間杜賓模型結果顯示，直接效應中經濟增長、消費能力和技術進步有利于減少當地農業碳排放強度，農業現代化水平、財政支持、受災情況和產業結構可以促進當地農業碳排放，即加劇了區域內的環境污染。各效應中，不同影響指標對農業碳排放強度促進方向并不一致，應該注意分解效應中影響效果更顯著的一方。

4.2 政策建議

1）加強區域交流，統籌區域協調發展。鄰近經濟發達地區發揮好示范作用，農業經濟的增長與農業碳排放強度的空間莫蘭指數檢驗結果顯示，二者均存在空間溢出效應，增強農業技術空間溢出效應，帶動全國整體減排，加大農業科研投入力度，加快農業技術轉化效率，引導農業資源的優化配置，防止壟斷市場產生，防范技術進步可能帶來的兩極分化。

2）加大農業科技投資。推動農業可降解塑料在農業公司、小農戶中的使用，減少塑料等對土壤的污染；加大研發農業機械使用新能源的投入力度，增加農業機械設備在農業生產過程中的使用環節，提高化肥、農藥等農用資源的使用效率，從源頭上減少農業碳源的排放。

3）利用空間相互作用，例如省域之間的商品、人口、勞動力、資金技術等相互傳輸的過程，其對區域間經濟建設有很大的影響。一方面能加強區域間的聯系，獲取更多的發展空間；另一方面在降低農業的碳強度方面發揮重要作用，對小農戶的農業生產行為產生足夠的影響，建立激勵機制推動農業綠色生產行為。