綠色發展下的鄉村碳排放績效評價及隨機性收斂研究*
——基于SE－SBM與面板單位根檢驗

周澤炯，張葆俊，江珂鑫，朱家明

（安徽省財經大學）

0 引言

近些年全球變暖、冰川融化、海平面上升、霧霾天氣等一系列現象均表明溫室效應帶來的氣候變化正在嚴重影響著人類的未來生存發展.由于工農業發展和鄉村經濟進程的不斷加快，在碳中和以及綠色發展政策的推動下，城鎮工業化碳排放問題得到了較好的解決與關注，而農村地區的可持續、低碳化發展一直缺乏足夠的意識，在農村的生態環境和發展中，投資也相對較少.農業作為國民經濟的基礎，對國家的經濟發展起著至關重要的作用，一直以來中國都在探索農業發展道路.在黨的十九大報告中，習近平總書記提出鄉村振興發展戰略，要將解決“三農”問題作為全黨工作的重中之重.在二十大報告中提出要“廣泛形成綠色生產生活方式，碳排放達峰后穩中有降，生態環境根本好轉，美麗中國目標基本實現”.但是在中國農業快速發展的同時，也對中國碳排放產生了較大的影響：近幾年，中國的農業二氧化碳排放量已經達到了全國1／5，大大超出了世界范圍，所以必須加強對農產品的碳排的調控.在此大環境下，對中國的農業二氧化碳排放量進行研究，并針對其收斂問題進行相應的分析，有助于制訂科學的農業減排對策，從而為實現農村經濟的發展和社會的可持續發展奠定基礎.

1 文獻綜述

對碳排放績效的評價以及相關研究是近些年興起的研究熱點.藍虹等利用30 個省市的面板數據，通過構造門檻面板模型，分析環境規制對碳排放績效的門檻效應［4］.徐俊武等探討了城鎮化與碳排放的關系以及強度研究，最終得出城鎮化與碳排放涉及多種因素且較為重要的結論［7］.韋彥汀等利用2008 ～2018 年成渝城市群內16個城市的面板數據分析城市群碳排放時空演變格局，研究得出整體呈現增長態勢，能源強度、經濟發展水平等因素對城市碳排放有著明顯的正向作用［8］.王少劍等基于1992 ～2013 年中國各城市碳排放數據，進而分析中國城市碳排放績效的演變特征，研究表明呈現波動中穩定上升的趨勢，但整體仍處于較低的水平［3］.但上述研究大多分析的是國家或者城市CO2排放績效，主要反映研究的是不同國家或城市CO2排放績效的對比研究，對于農村的研究較少，而農村人口也占總人口的四成，研究農村碳排放水平對低碳經濟發展也具有重要意義.

目前國內外對農業碳排放績效的研究較少，Rehman Abdul 等利用不丹農作物生產、化肥使用、土地以及農業就業4個要素對農業二氧化碳排放的影響進行了相應的分析［10］.吳昊玥等通過測算2000～2014年中國30個省市農業碳排放總量，運用SBM－Undesirable 模型計算出農業碳排放績效，并對其收斂性進行近一步的分析［1］.呂娜等選擇勞動力、播種面積、機械動力以及化肥作為SBM超效率模型的投入變量對中國農業環境效率進行分析［9］.但均存在農業碳排放源觀測角度單一的問題，僅考慮了直接農業活動所產生的碳排放，而未考慮到農村碳排放也可能包括生態和生活排放.

綜上所述，關于綠色發展下鄉村碳排放績效如何與鄉村經濟發展相適應的研究，現有文獻仍有拓展的空間.第一，從研究內容上看，注重從技術層面討論如何核算和減少碳排放的文獻較多，而對社會需求引致碳排放增長的關注較少.第二，從研究方法上看，在計算碳排放效率時，應將預期產量（也就是經濟利益）也包括在內.DEA中最常見的是CCR 和BCC，它沒有將測量結果的松馳問題納入到DEA 中，使得所測效率有一定偏差.第三，從研究方向上看，中國的碳排放量收斂性研究多為宏觀及產業層面，而關于農業的碳匯收斂性的研究則相對較少.基于以上文獻所存在的問題，該文主要在以下方面進行修改和完善：（1）運用SBM－Undesirable 模型計算出農業碳排放績效，并采用面板單位根檢驗的方法對總量和績效進行檢驗.（2）將投入變量進行更加精細化處理，將其分為產業碳源、生活碳源、生態碳源3類.

2 研究設計

2.1 農業碳排放總量計算

該文參考韋玉瓊等農業碳排放總量的測算方法，將農業碳源分成了3大類：一是產業碳源，包括農藥、化肥、農膜、稻田甲烷、畜禽養殖的腸道發酵甲烷以及糞便處理過程中的甲烷和氧化亞氮；二是生活碳源，包括農村住房、汽油、液化石油氣、天然氣、電力；三是生態碳源，包括基礎建筑（公共建筑和生產性建筑）、道路、煤.農業碳排放總量為各碳源所導致的碳排放量總和.農業碳排放源所對應碳排放系數見表1

表1

2.2 SBM模型

2.2.1 模型介紹

在碳排放績效測算問題的研究中，大多數的研究方法為DEA、SFA 方法，該類方法可以同時解決處理多項投入產出評價類問題，而且通過分析權重等，可以確保結論的客觀性與公平性.DEA模式中的評估以收益最優為前提，以最低的投資獲得最高的收益，但這與中國的低碳環境保護策略存在著矛盾.由Tone提出的基于非徑向和非角度的模型SBM 基礎上演化發展的SE－SBM模型，既可以包括期望產出，又可以包括非期望產出.該研究采用SE－SBM 模型進行農業碳排放績效測算.

其中，k為被評價對象；m、q1、q2分別為投入、期望產出、非期望產出對應的指標數量；si－、sr＋、sbt－分別為投入、期望產出和非期望產出的松弛變量.

2.2.2 指標選擇與數據處理

以上資料全部收錄在《中國統計年鑒》和《中國農村統計年鑒》上，未將港、澳、臺等因素納入考量，而西藏資料的遺漏更多，亦未納入其中.經過對中國30個省份2011 ～2020年度的面板資料進行了綜合分析，分別如下：東部（6 個）：江蘇省，上海市，浙江省，福建省，廣東省，海南省；中部（6個）：河南省，安徽省，湖南省，湖北省，江西省，山西省；西部（2 個）：重慶市，四川省；北部（13個）：遼寧省，吉林省，黑龍江省，山東省，陜西省，河北省，天津市，寧夏回族自治區，北京市，內蒙古自治區，新疆維吾爾族自治區，青海省，甘肅省；南部（3個）：云南省，廣西壯族自治區，貴州省.

在已有研究和測算結果的基礎上，該文將農業生產活動中的投入分為產業碳源投入、生活碳源投入、生態碳源投入3部分，產出區分為期望產出以及非期望產出（見表2）.

表2 農業碳排放績效評價投入產出指標變量

2.3 隨機性收斂檢

與傳統收斂概念不同，在這種情況下的隨機性收斂性已不局限于增長速度的絕對差別，而在于衡量一個國家的經濟發展水平能否維持一個比較穩定的軌跡.近年來，國內的一些研究者利用隨機收斂性理論對區域的發展進行了研究，該文采用的隨機收斂法的主要思想是：假設存在1，2，…N個地區，各區域間有一個趨同，當且僅當共同趨勢αt和參數μ1，μ2，…，μn存在，從而使得下式成立：

式中，yi，t是第i個地區碳排放績效，αt是地區共同趨勢.

3 結論和分析

3.1 農業碳排放總量的測算結果與分析

為了分析中國農業碳排放績效的變化情況，基于前面所列的公式，利用2011 ～2020 年度各省對應數據所計算出來的農業碳排放總量，得出中國的農業二氧化碳排放量的變動狀況.同時，按照相關的影響因子，將全國分為東部、中部、西部、北部和南部5 個地區，以便比較各個地區的二氧化碳排放量，然后在此基礎上，計算各區域的碳排放總量均值.結果見表3.

表3 2011 ～2020年全國及5區域農業碳排放量均值

表3 展示了全國和五大區域農業碳排放總量均值的演變趨勢.可以發現：

（1）從整體趨勢來看，中國農業的總碳排放在2011 ～ 2020 年期間總體上是呈上升的.以2011年為基期，東部、中部、西部、北部、南部5 大區域的年均增長值分別為0.024%、0.007%、－ 0.041%、0.029%、0.003%.除西部地區呈現了減少趨勢外，其余區域均呈上升趨勢，北部地區增長率最高，達到0.029%.

（2）從環比增長速度來看，在2011 ～2020年這10年中，五大區域的環比增長速度均較慢，并在2013年、2020年出現大范圍的環比增長速度呈負值的情況，尤其是在2020年，東部、中部、西部、北部、南部五大區域的環比增長速度均為負數，分別為－ 0.034%、－ 0.075%、－ 0.047%、－ 0.043%、－0.064%.根據搜集相關原始數據發現，在2013年，碳排放量減少的原因可能有：三中全會提出“用制度保護生態環境”；“國十條”打響了治理霧霾攻堅戰；“兩高”司法解釋從嚴打擊環境犯罪等，用制度手段使得在一定程度上減少了碳排放的總量，可以看出國家對于治理環境問題的重視.在2020 年，中國明確提出2030 年“碳達峰”與2060年“碳中和”目標，為中國碳排放發展指明了方向，對中國碳排放環比增長速度產生了一定的影響.

（3）從截面角度來看，不同地區之間的農業二氧化碳排放存在著顯著的差別.中部地區每年的平均農業二氧化碳排放量要比其它四個地區高.2011年，中部地區碳排放總量與東部、西部、北部、南部的平均碳排放量分別為330.7、200.3、234.5、171萬t.到了2020 年差值擴大至352.7、396.9、203.3、268.6萬t，根據上述數據分析，中部與東部、西部、南部均出現不同程度的差值擴大現象，只有北部地區出現縮小情況.再將五大區域數據進行進一步對比可知，由于中部地區的碳排放增長得到了較好的控制，而北部地區的增長率則依舊較高，所以使得差距不斷縮小.

3.2 農業碳排放績效的測算結果與分析

在對農業二氧化碳排放量進行簡單的測算和分析之后，對中國的農業二氧化碳排放狀況進行了深入的探討.選用SE－SBM模型測算中國各地區的農業碳排放績效，具體情況見表4.

表4 2011 ～2020中國各地區農業碳排放績效

結果顯示，30個省市中，11個地區的二氧化碳排放量在過去10 年間得到了顯著的改善，這表明它們在某種意義上已經逐步實現了最優化，并且能夠在保證農業發展的前提下實現對二氧化碳的排放的控制.這11個省份分別為河南省、安徽省、湖南省、山西省、浙江省、福建省、四川省、遼寧省、山東省、陜西省、貴州省，其中中部地區所占比重最大，可能由于中部地區多為農業產業，在2011年以前并未著力關注碳排放問題，在近些年政策制度的提出、科學技術的提高、人民生態意識的增強，此類問題得到了較好的改善.

在其余19 個省份中，可以發現部分發達地區的碳排放績效出現了不同程度的降低，北京市、上海市、江蘇省碳排放績效分別降低了0.023、0.131、0.226，可能由于社會需求等的增加，使得生產量加大，部分產業出現排放管理問題.同時，對于廣西壯族自治區、甘肅省、新疆維吾爾族自治區等地區農業碳排放績效稍差一點，大多數都在1.000 左右浮動，依舊存在改進空間.

可見，不同省份的農業碳排放績效存在著一定的差異.為了解五大地區的農業碳排放量變動的趨勢和范圍，該文用各年份對應的5個區域的平均績效值繪制了折線圖，如圖1所示.

圖1 2011 ～2022年5個區域的農業碳排放績效均值折線圖

從圖1可以看出，中國中、東、西、北、南部之間的農業碳排放績效的確有一定差別，而且變化幅度很大.只有西部地區的碳排放績效大體穩定在1.000左右外，其余四個地區的波動范圍都較廣，波動最大的為南部，在2012年，南部績效水平達到了5大區域的最大值，說明在發展過程中意識到了資源與環境的保護，但是在后面的幾年中，南部績效出現了大幅度的下降，并在2019年跌至近10年最低值1.085，所出現的問題在2020年便得到了及時的改善，績效值又開始反升.東部區域因為有先進的技術和雄厚的財力，可以促進農業的發展，使得發展較為持續，但在中部和西部，因為地理條件和技術條件的制約，導致了農業的發展較為粗放，應當重點關注.

3.3 隨機性收斂檢驗

該文使用ADF－Fisher、PP－Fisher和KPSS 3種面板單位根檢驗方法對中國農業碳排放總量和績效分別進行了隨機性收斂檢驗，如果結果通過了給定顯著性水平下的檢驗，即證明存在隨機性趨同.

3.3.1 總量隨機性收斂檢驗結果分析

采用ADF－Fisher、PP－Fisher和KPSS 3種不同的面板單元根檢驗方法，對中國的農業總排放量進行了隨機收斂性檢驗，如果結果通過了給定顯著性水平下的檢驗，即證明存在隨機性趨同.得到的檢驗結果見表5.

表5 不同區域與全國農業碳排放總量隨機性收斂檢驗結果

首先對總量隨機收斂性的檢驗結果進行了分析，ADF－Fisher、PP－Fisher的初始假定是有單位根，而KPSS的原始假定是無單位根的.從檢驗結果來看，ADF－Fisher檢驗中的P值為0.263，大于0.05，可以拒絕原假設，即表明不存在單位根，PP－Fisher檢驗中的P值為0.480，小于1，可以拒絕原假設，即表明不存在單位根，KPSS 檢驗中的P值為0.259，不等于0，不能拒絕原假設，即表明不存在單位根，結果表明全國農業碳排放總量面板數據不存在單位根，即存在隨機性收斂.

從區域的角度而言，東部地區的ADF－Fisher和KPSS不能拒絕原假設，PP－Fisher可以拒絕原假設，綜合判斷得知，東部地區存在隨機性收斂；西部地區的ADF－Fisher 檢驗值為0.999，拒絕原假設，PP－Fisher檢驗值1.000，不能拒絕原假設，KPSS 檢驗值0.055，不能拒絕原假設，表明西部地區存在隨機性收斂；中部地區的ADF－Fisher 檢驗值為0.002，不能拒絕原假設，PP－Fisher檢驗值0.002，拒絕原假設，KPSS檢驗值0.399，不能拒絕原假設，表明中部地區存在隨機性收斂；南部地區的ADF－Fisher檢驗值為0.088，拒絕原假設，PP－Fisher檢驗值0.245，拒絕原假設，KPSS 檢驗值0.402，不能拒絕原假設，表明南部地區存在隨機性收斂；北部地區的ADF－Fisher檢驗值為0.990，不能拒絕原假設，PP－Fisher檢驗值0.987，拒絕原假設，KPSS 檢驗值0.033，不能拒絕原假設，根據少數服從多數的原則，表明北部地區存在隨機性收斂.綜上所述，五大區域均存在隨機性收斂，隨著時間的推移，全國以及各地區之間的農業碳排放量差距可以保持一個較為平緩的路徑，說明整個減排發展趨于上升階段.

3.3.2 績效隨機性收斂檢驗結果分析

采用ADF－Fisher、PP－Fisher和KPSS三種不同的面板單元根檢驗方法，對中國的農業碳排放績效進行了隨機收斂性檢驗，如果結果通過了給定顯著性水平下的檢驗，即證明存在隨機性趨同.得到的檢驗結果見表6.

表6 不同區域與全國農業碳排放績效隨機性收斂檢驗結果

對績效隨機收斂性的檢驗結果進行了分析，ADF－Fisher、PP－Fisher的初始假定是有單位根，而KPSS 的原始假定是無單位根的.從檢驗結果來看，ADF－Fisher檢驗中的P值為0.321，大于0.05，可以拒絕原假設，即表明不存在單位根，PP－Fisher檢驗中的P值為0.339，小于1，可以拒絕原假設，即表明不存在單位根，KPSS檢驗中的P值為0.501，不等于0，不能拒絕原假設，即表明不存在單位根，綜上可知，認為全國農業碳排放績效面板數據不存在單位根，即存在隨機性收斂.

從區域的角度而言，東部地區的ADF－Fisher檢驗值為0.428，拒絕原假設，PP－Fisher檢驗值0.514，拒絕原假設，KPSS檢驗值0.127，不能拒絕原假設，表明東部地區存在隨機性收斂；西部地區的ADF－Fisher檢驗值為0.204，拒絕原假設，PP－Fisher 檢驗值0.615，拒絕原假設，KPSS檢驗值0.373，不能拒絕原假設，表明西部地區存在隨機性收斂；中部地區的ADF－Fisher 檢驗值為0.384，拒絕原假設，PP－Fisher檢驗值0.349，拒絕原假設，KPSS檢驗值0.150，不能拒絕原假設，表明中部地區存在隨機性收斂；南部地區的ADF－Fisher檢驗值為0.701，拒絕原假設，PP－Fisher檢驗值0.743，拒絕原假設，KPSS檢驗值0.032，不能拒絕原假設，表明南部地區存在隨機性收斂；北部地區的ADF－Fisher檢驗值為0.031，不能拒絕原假設，PP－Fisher檢驗值0.8，拒絕原假設，KPSS檢驗值0.673，不能拒絕原假設，根據少數服從多數的原則，表明北部地區存在隨機性收斂.

從全國和區域2個角度進行分析，均得出存在隨機性收斂，說明目前碳中和政策的推進是十分有效的，不同區域在發展農業過程中，越來越重視對資源、環境的維護，從而達到減排目的，有利于環保.

4 結論與建議

4.1 結論

從整體趨勢來看，2011 ～2020年，全國農業碳排放量整體呈現增長趨勢.除了西部地區呈現減少趨勢外，其余4 大區域均呈現增長趨勢，且北部區域增長速度最快，中部地區每年的農業碳排放總量均值都超過其他4 個區域，5 個地區的差異有逐漸減小的傾向.

從測算的績效結果來看，發現中、東、西、北、南部地區的農業碳排放量績效的確有差別，且差異波動較大，只有西部地區的碳排放績效大體穩定，一般在1.000左右，東部、北部、南部3大區域績效波動幅度較為明顯，最明顯的南部地區.

在對總量和績效分別進行隨機性收斂檢驗后，得到了比較接近的結果.總量方面無論是從全國角度還是區域單個分析，均存在隨機性收斂.績效結果則也呈現相同的結果.

4.2 建議

基于上述的研究結果，該文給出了如下幾點建議：

（1）以科技進步助力碳減排的發展.中國應當將科技進步作為農村碳排放量減少的引擎，不僅要降低二氧化碳的排放，還要確保農產品產量，提高農民的生活水平.而要實現這個目的，就必須依靠科學技術的發展，技術的普及將會促進綠色鄉村建設以及節能減排.而研究的重點則集中在了農業上，比如免耕技術在土地種植過程中如何減少碳排放量等，這些技術都只適合于大規模的農業，并不適合大規模應用.除了生產之外，還必須將新技術和技術引進到人們的日常生活中，以降低二氧化碳的排放量，從而提升人們對環境的滿意程度，降低二氧化碳的排放量.

（2）以政策引導助力碳減排的發展.采取相關的措施，鼓勵農民利用更多的潔凈資源，取代高碳耗.例如，減少煤、石油等傳統能源的消耗，較多的使用液化石油氣、天然氣，提高其在農村的使用率.利用相關的補貼政策，在全國范圍內進行積極的推廣，在天然氣等成為農村主要能源的同時，一些比較成熟、發展較好的地區也可以出臺相關的扶持措施，如：太陽能電池等.可以研究制定不同地區之間的、但在國內協調一致的農產品減排政策，在某種意義上降低了制定費用，并在5個地區之間縮小了農產品的排放量鴻溝.