農業產業集聚對農業碳生產率的空間溢出效應

楊秀玉 喬翠霞

摘要 農業碳生產率兼具“保增長”與“促減排”雙重屬性，是新時期綠色農業發展的核心內容，也是中國實現碳達峰和碳中和的重要方面。文章基于新地理經濟學，建立空間面板模型，利用2005—2019年中國31個省份（未包括臺灣、香港和澳門地區）的面板數據，實證研究了農業產業集聚對農業碳生產率的影響，以及財政分權對上述影響的調節作用。結果表明：①中國整體和四大地區的農業碳生產率都呈逐年遞增的趨勢，且存在一定的空間相關性。②不考慮控制變量時，農業產業集聚對本地農業碳生產率具有顯著的“U”型影響，但不利于周邊地區農業碳生產率，考慮控制變量時，農業產業集聚對本地農業碳生產率的影響不顯著，但對周邊地區農業碳生產率具有顯著的倒“U”型影響。③農業產業集聚對農業碳生產率的影響在四大地區、不同農業發展水平和不同農業產業集聚水平地區都顯著，且存在異質性。④財政分權在全國層面會削弱農業產業集聚對農業碳生產率的影響，在農業產業低集聚區（東部和中部地區）以及農業產業高集聚區（西部和東北地區）有異質性的調節作用。因此，要推動農業產業集聚由“數量增加”向“質量提升”轉變，充分發揮農業產業集聚對農業碳生產率的促進作用，同時，建立中央與地方財政收支的動態調整機制，適當增加財政支農比重，利用財政資源和手段，推動農業產業合理集聚和提升農業碳生產率，實現農業高質量發展。

關鍵詞 農業產業集聚；農業碳生產率；財政分權；空間溢出效應

中圖分類號 F323 文獻標志碼 A 文章編號 1002-2104（2023）02-0092-10 DOI：10. 12062/cpre. 20220623

2021 年8 月9 日，聯合國政府間氣候變化專門委員會（IPCC）正式發布第六次評估報告（AR6）的第一工作組報告：《氣候變化2021：自然科學基礎》（Climate Change2021： the Physical Science Basis）。報告［1］指出，2019年，大氣中二氧化碳濃度達過去200萬年的最高值，甲烷和一氧化二氮濃度也是過去80萬年的最高值。在如此嚴峻的情況下，各國政府都積極采取措施降低碳排放，而農業既可以吸收碳量，又會制造碳排放，早在IPCC的第四次報告［2］中就指出，農業是造成碳排放的第二大元兇，因此，如何降低農業碳排放、提高農業碳生產率、發展低碳綠色農業成為學者們研究的重點［3］。目前，中國農業正處于農業2. 0（以機械化為主的小規模農業）向農業3. 0（以信息化為主的自動化農業）階段的過渡，黨的二十大報告中特別強調要“發展農業適度規模經營”，因此，推進農業產業適度集聚已成為中國農業現代化建設的重要內容［4］。實施財政分權以來，地方財政支出比重不斷上升，2021 年達到86%，中央財政支出比重下降到14%，地方政府財政支配權力越來越大，而地方政府也由過去GDP錦標賽考核下一味追求經濟增長，逐漸轉向推動產業結構優化升級，倡導綠色生態高質量發展［5-6］?！笆奈濉睍r期是中國農業綠色發展的快速提升期，提高農業碳生產率是農業綠色發展的必然要求，而農業產業集聚在提高農業碳生產率方面發揮作用如何？財政分權是否在農業產業集聚影響農業碳生產率過程中起到調節作用？學界研究還比較少。因此，文章在測算農業產業集聚和農業碳生產率的基礎上，運用空間面板模型，實證分析農業產業集聚對農業碳生產率的影響及時空差異，并重點檢驗財政分權的調節作用，希望對各地區政府制定科學有效的農業產業集聚和低碳農業政策提供借鑒。

1 文獻綜述

隨著產業集聚理論的不斷完善，學者們開始關注農業產業集聚問題，并從對農業產業集聚定義［7-9］、形成機制［10-12］的研究逐漸轉向農業產業集聚效應研究。農業產業集聚水平的提高可以帶來規模經濟和范圍經濟，提高農業專業化和集約化水平，進而提升農業生產效率［4，13-16］。也有學者［17-21］認為農業產業集聚可以促進當地金融和生產條件的改善，激發勞動者創新意識，增加農村資本流入，增強農業抗風險能力，提升農業整體競爭力。然而，也有一些學者［22］認為農業處于不同的產業集聚水平，對經濟增長的作用不同，只有農業產業集聚處于成長階段時，才能推動農業經濟發展。

國內外學者對農業碳排放進行了大量的研究和測算，不僅從時間維度分析了農業碳排放的發展變化［23-26］，還從空間角度對農業碳排放的地區差異性和溢出性進行了大量研究［27-29］。大部分學者［30-32］都認為農業生產效率、產業結構、科技水平、農用機械設備使用、教育水平、對外開放程度、城鎮化等對農業碳生產率有影響。也有學者研究農業產業集聚對農業碳生產率的影響，程琳琳等［33］和李文華等［34］研究發現農業產業集聚與農業碳效率之間存在環境庫茲涅茨曲線關系，尤其是中西部地區；張哲晰等［35］發現黃淮海與環渤海蔬菜主產區農業產業集聚對農業碳生產率存在非線性影響，且前者對后者存在“鎖定”與“擁擠”效應；鄧晴晴等［36］采用農業生產形成的碳、磷和氮排放量來代表農業面源污染，分析發現農業集聚和農業面源污染呈現正相關的單門檻效應。

財政作為政府進行宏觀調控的重要手段之一，在農業領域，財政用于農業的支出對于農業產業結構轉型和要素配置發揮著重大的作用，而地方政府在處理地方事務時有著得天獨厚的優勢，因而學者們［37］普遍認為財政分權可以促進地方經濟的發展。隨著綠色發展理念的深入，中國開始將環保因素納入地方政府考核體系，學者們開始研究財政分權對產業結構和環境治理的影響。甘行瓊等［5］運用動態面板模型，實證檢驗發現財政收入分權和財政支出分權促進了產業結構合理化的發展而抑制了產業結構高度化的發展。而學者們對財政分權對環境治理影響的研究大體有三種不同觀點：以往的績效考核體系下，為了追求經濟發展，財政分權會不利于環境治理的改善［38-39］；地方政府越來越重視環境治理，鼓勵企業加大治污科研投入，推動治污技術創新，通過減稅增補等手段吸引低污染FDI［40-41］；財政分權水平不同的地區，其對碳生產率的影響不同［42］。

通過以上梳理可以看出，現有文獻為研究農業產業集聚、財政分權與農業碳生產率作用關系提供了豐富的參考，但也仍存在一些可以完善的地方。首先，現有文獻從空間視角分析農業產業集聚對農業碳生產率差異性影響的較少；其次，在農業產業集聚影響農業碳生產率的過程中，財政分權是否發揮調節作用。因此，文章從這兩方面入手，運用空間面板模型，將空間地理位置納入農業產業集聚對農業碳生產率影響的分析框架中，并分析財政分權在其中的調節作用。

2 研究方法

2. 1 變量選取與數據來源

2. 1. 1 被解釋變量：農業碳生產率

借鑒Kaya等［43］對碳生產率的研究，用單位農業碳排放創造的農林牧漁總產值表示農業碳生產率（ACP），這樣既可以兼顧經濟發展，又可以考察農業碳排放情況。農業碳排放量（ACE）的數量可由下面公式計算得到。

其中：Ti表示農業碳排放源，δi 表示農業碳排放系數。Ti主要有三大類：第一類是農地利用導致的碳排放，表1列出了農地利用碳排放源及排放系數；第二類是水稻生長過程中排放的CH4，排放系數可參照閔繼勝等人［3］的研究；第三類是反芻動物腸道發酵和糞便管理中排放的CH4和N2O，排放源及系數見表2［24］。

2. 1. 2 核心解釋變量：農業產業集聚

借鑒程琳琳等［33］和李文華等［34］的方法，用產值計算的區位熵衡量農業產業集聚程度，具體公式為：

2. 1. 4 控制變量

根據前文文獻梳理，選擇以下變量為控制變量：經濟發展水平（AGDP），用人均國內生產總值的對數表示，考慮到經濟發展和碳生產率之間可能存在環境庫茲涅茨曲線關系，將人均國內生產總值對數的平方項也納入模型；區域城鎮化發展情況（UL），用城鎮人口與總人口的比值表示；農業產業結構，從碳排放量較大的種植業和畜牧業入手，選用種植業總產值和畜牧業總產值分別占農林牧漁總產值的比重來表示（PIP 和AHP）；農民知識水平（FKL），用鄉村初中以上文化程度的人口占6歲及以上人口的比重表示；農業貿易水平（ATL），用農業進出口總額與農業增加值的比例來表示，農業進出口總額按當年平均匯率折算成人民幣；農業環境規制（AER），用環境污染治理投資總額按第一產業產值在國內生產總值中的比重折算。

2. 1. 5 數據來源

該研究的區域是中國31個省份（未涉及香港、澳門和臺灣），時間跨度為2005—2019年，數據來自歷年《中國統計年鑒》《中國農村統計年鑒》《中國財政年鑒》《中國人口和就業統計年鑒》和各地方統計年鑒。文章所有涉及產值的指標均用2005年為基期進行平減以消除價格影響，

表3是各變量的描述性統計。

根據Hanns等［46］的研究，可依據農業產業集聚對農業碳生產率曲線開口方向和AIA2×FD 回歸系數的正負判斷財政分權的作用（表4）。

3 農業產業集聚與農業碳生產率變化的初步規律

3. 1 農業產業集聚初步規律描述

從圖1可以看出整體上，中國農業產業集聚略呈波動下降趨勢，從2005年的1. 164下降到2019年度的1. 074。四大地區中東北地區的農業產業集聚水平最高，且在考察期內波動上升，從2005 年的1. 394 增長到2019 年的1. 607；而東部地區農業產業集聚水平最低，且呈略微下降趨勢；中部和西部地區期初水平接近，考察期內都波動下降，但到2019年西部地區的農業產業集聚明顯高于中部地區。四大地區內部來看，東部地區內70%的地區農業產業集聚水平低于1，且都基本保持水平波動；中部地區內5/6的地區在1以上，且波動下降；西部地區也有5/6的地區在1以上，但有半數的地區略微波動下降；東北地區三省都在1以上，且都有明顯的上升趨勢。

3. 2 農業碳生產率初步規律描述

從圖2可以看出，中國整體和四大地區的農業碳生產率都呈逐年遞增的趨勢，其中，東部地區增長幅度最大，從2005年的1. 931增長到2019年的4. 139，年均增長7. 62%，中部地區增幅最小，年均增幅也有4. 52%。就四大地區內部來看，東部地區2019年幾乎所有地區的農業碳生產率都達到2以上，尤其是北京市遙遙領先；中部地區近五年來農業碳生產率都增加到1以上，尤其是河南省增長速度最快；西部5/6 的地區近年來都增長到1 以上，青海和西藏兩地農業碳生產率水平較低且增速緩慢；東北三省農業碳生產率都較高，尤其是遼寧省2019年高達3. 703，遠遠高于其余兩省，導致三省之間差異越來越大。

4 農業產業集聚對農業碳生產率影響分析

4. 1 農業碳生產率的空間相關性檢驗

在進行空間計量分析之前，先計算一下農業碳生產率的MoransI，檢驗其是否存在空間相關性。從表5可以看出，兩種權重下農業碳生產率的MoransI 都通過5%顯著性水平的檢驗，說明農業碳生產率存在顯著的空間相關性。另外，整個考察期內，農業碳生產率的MoransI 呈下降趨勢，說明農業碳生產率的空間相關性有減弱趨勢。

4. 2 空間計量模型回歸結果

表6是農業產業集聚對農業碳生產率回歸的結果。從前兩列可以看出，固定效應OLS模型和隨機效應SDM（0-1權重矩陣）模型下，農業產業集聚對農業碳生產率都有顯著的“U”型影響，即農業產業集聚水平較低時，農業碳生產率隨著農業產業集聚水平的提高而降低，當農業產業集聚水平達到拐點之后，農業碳生產率隨著農業產業集聚水平的提高而提高。通過MoransI、LM、RobustLM、LR 和Wald 檢驗證明隨機效應SDM 模型更優。從SDM 模型還可以看出，農業碳生產率滯后項系數為0. 552 4，通過1%的顯著性水平檢驗，表明農業碳生產率在全國層面具有空間正溢出效應；農業產業集聚滯后項系數為負，通過1%顯著性水平檢驗，說明農業產業集聚對周邊地區農業碳生產率有不利影響。

從表6列（3）和列（4）可以看出，加入控制變量后，模型擬合優度增加，但農業產業集聚對農業碳生產率的影響變得不顯著。控制變量中經濟發展水平對農業碳生產率有顯著的正“U”影響；農民知識水平的提高會顯著地提升農業碳生產率；而農業產業結構中種植業和畜牧業的比重增加不利于農業碳生產率的提升；城鎮化、農業貿易水平對農業碳生產率有正影響，但不顯著；農業環境規制的影響在不同模型中方向不同，但都未通過檢驗。通過MoransI 檢驗、LM 檢驗、Robust LM 檢驗、LR 檢驗和Wald 檢驗證明時間固定效應SDM模型（0-1權重矩陣）更優。從SDM模型中還可以看出，農業碳生產率滯后項系數通過1%的顯著性水平檢驗，但數值為負，其絕對值大于不考慮控制變量的情況，說明此時農業碳生產率在全國層面具有更強的空間負溢出效應；農業產業集聚滯后項對農業碳生產率具有顯著的倒“U”型影響，說明當農業產業集聚水平較低時，有利于周邊地區農業碳生產率的提高，但當農業產業集聚水平發展到較高水平時，則不利于周邊地區農業碳生產率的提高；控制變量的滯后項中，經濟發展水平的滯后項對農業碳生產率的影響呈正“U”型，說明當地區經濟發展水平較低時，不利于周邊地區農業碳生產率的提高，當地區經濟發展到一定水平，地區間的經濟輻射作用發揮出來，有利于周邊地區農業碳生產率的提高；種植業比重、農民知識水平和農業貿易水平對農業碳生產率有顯著的正面影響，說明種植業規模、農民文化水平和農業貿易情況對周邊地區農業碳生產率有正向影響；而城鎮化、畜牧業比例和農業環境規制的滯后項都不顯著，即這三個變量的空間效應不顯著。

4. 3 異質性分析

4. 3. 1 四大地區的異質性分析

通過MoransI、LM、Robust LM、LR 和Wald 檢驗發現不管是考慮控制變量還是不考慮控制變量，四大地區的空間面板模型優于傳統面板模型，空間面板回歸結果見表7。另外，從擬合優度來看，考慮控制變量的模型更好一些。在考慮控制變量的模型中，除西部地區以外，其他三地區農業產業集聚對農業碳生產率的影響呈倒“U”型。根據__ AIA = -β1 2β2對系數進行計算，可得到農業產業集聚對農業碳生產率回歸曲線的拐點，結合四大地區的農業產業集聚水平，呈倒“U”型的東部、中部和東北地區，農業產業集聚平均水平都處在拐點左側，這些地區提高農業產業集聚水平可以提升該地區的農業碳生產率，而呈“U”型的西部地區，其農業產業集聚平均水平在拐點右側，代表著農業產業集聚水平的提高同樣可以帶來農業碳生產率的提高。

4. 3. 2 農業大省和非農業大省的異質性分析

將考察地區按2005—2019年平均農林牧漁總產值的數值進行排序，前15位分一組為農業大省份（包括山東、河南、江蘇、四川、河北、廣東、湖北、湖南、黑龍江、廣西、安徽、遼寧、福建、云南和浙江），排名后16的地區為非農業大省份（包括江西、新疆、內蒙古、陜西、吉林、貴州、重慶、甘肅、山西、海南、寧夏、北京、天津、上海、青海和西藏），分別查看這兩組地區農業產業集聚對農業碳生產率的影響，結果見表8列（13）至列（16）。從表中可以看出，對于所有地區，考慮控制變量模型的擬合優度都較高。而對于農業大省，農業產業集聚對農業碳生產率的影響呈倒“U”型，但農業產業集聚的二次項不顯著，考察期內農業大省的平均農業產業集聚水平在拐點左側，所以，對于這些地區而言，提升農業產業集聚水平可以提升農業碳生產率；對于非農業大省，農業產業集聚對農業碳生產率的影響也呈倒“U”型，農業產業集聚一次項和二次項都通過顯著性檢驗，且考察期內非農業大省的平均農業產業集聚水平在拐點左側，所以，對于這些地區而言，提升農業產業集聚水平同樣也可以提升農業碳生產率，但和農業大省相比，非農業大省提升農業產業集聚水平對農業碳生產率的影響更顯著。這主要是因為農業大省本身農業水平發展較高，其農業產業集聚對農業碳生產率影響的邊際效應不如非農業大省高。

4. 3. 3 不同農業產業集聚水平地區的異質性分析

下面考察不同產業集聚水平地區其農業產業集聚對農業碳生產率的影響有何差別，將考察期內農業產業集聚高于平均值的歸入高農業產業集聚區（包括河北、遼寧、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西、海南、四川、貴州、云南、西藏、甘肅、寧夏和新疆），將考察期內農業產業集聚低于平均值的歸入低農業產業集聚區（包括北京、天津、山西、內蒙古、上海、江蘇、浙江、福建、山東、廣東、重慶、陜西和青海），結果見表8列（17）至列（20）。從中可以看出，兩類地區考慮控制變量模型的擬合優度優于不考慮控制變量的模型。低農業產業集聚水平的地區農業產業集聚對農業碳生產率的影響呈倒“U”型，考察期內該類地區的平均農業產業集聚水平在拐點左側，所以，農業產業集聚水平的提高可以提升農業碳生產率；高農業產業集聚水平的地區農業產業集聚對農業碳生產率的影響呈“U”型，考察期內該類地區的平均農業產業集聚水平（1. 467 7）在拐點左側，但非常接近拐點，因此，該類地區提升農業產業集聚水平至拐點后，農業產業集聚的提升終會帶來農業碳生產率的提高。從農業產業集聚的模型系數看，低農業產業集聚地區的農業產業集聚對農業碳生產率的影響明顯高于高農業產業集聚水平的地區，說明低農業產業集聚水平地區可以充分利用這個優勢，不斷提高本地區的農業產業集聚水平，促進農業碳生產率的提升。

4. 4 財政分權調節的空間計量模型回歸結果

將財政分權作為調節變量加入空間模型，計量結果如表9。從全國來看，加入財政分權與農業產業集聚一次項和二次項的交叉項后，不考慮控制變量的模型中，農業產業集聚對農業碳生產率的影響依舊是“U”型，但影響程度減弱，而考慮控制變量的模型中，農業產業集聚對農業碳生產率的影響由原來不顯著“U”型轉變成一次項顯著的倒“U”型，后者擬合優度優于前者。根據表4可知，當主效應為倒“U”型時，AIA2×FD 回歸系數為正，即財政分權使農業產業集聚對農業碳生產率影響拐點兩側曲線更為平緩，減緩了農業產業集聚對農業碳生產率的影響。這意味著地方政府還是過多地看重經濟增長，對環境治理、農業碳排放等重視不足，這與目前地方政府的政績考核制度也有一定的關聯。

從四大地區來看，考慮財政分權調節作用和不考慮時農業產業集聚對農業碳生產率影響曲線的開口方向幾乎沒有變化，根據表4可知道在考慮控制變量的模型中，農業產業低聚集區（東部和中部地區）的財政分權會削弱農業產業集聚對農業碳生產率的影響，農業產業高聚集區（西部和東北地區）的財政分權會增強農業產業集聚對農業碳生產率的影響，說明目前的財政分權方式和力度對農業產業高聚集區是有利的。結合前面的分析，在西部和東北地區，農業產業集聚的提高可以提升農業碳生產率，因此，這兩個地區的財政分權可以更好地促進農業產業集聚對農業碳生產率的提升。

4. 5 穩健性分析

為更全面和準確地反映農業產業集聚對農業碳生產率的影響，避免因解釋變量和空間權重選取偏差產生的有偏結果，文章分別用產業平均地理集聚率代替產值區位熵和用地理距離權重矩陣代替鄰接權重矩陣的方法進行穩健性分析，發現結果與前文結果區別不大：在全國和四大地區都表現出農業產業集聚水平的提高有利于農業碳生產率的提升；農業產業集聚對農業碳生產率的影響在農業和非農業地區、產業集聚水平不同地區有差異；財政分權的調節作用也具有地區差異性，東部和中部地區會削弱農業產業集聚對農業碳生產率的影響，西部和東北地區財政分權會增強農業產業集聚對農業碳生產率的影響。

5 結論與建議

為了順利實現2030年前碳達峰目標，加快推進農業綠色發展，促進農業固碳增效，提高農業碳生產率是應對低碳減排和可持續高質量發展的必然要求。因此，文章先描述了農業產業集聚和農業碳生產率的發展軌跡，然后從空間視角研究農業產業集聚對農業碳生產率的影響，并從四大地區、不同農業發展水平和農業產業集聚水平進行差異性分析，最后探究財政分權在農業產業集聚對農業碳生產率影響中的調節作用。主要研究結論概括如下。

（1）中國整體和四大地區的農業碳生產率都呈逐年遞增的趨勢，且存在一定的空間相關性。

（2）不考慮控制變量時，農業產業集聚對本地農業碳生產率具有顯著的“U”型影響，但不利于周邊地區農業碳生產率，考慮控制變量時，農業產業集聚對本地農業碳生產率的影響不顯著，但對周邊地區農業碳生產率具有顯著的倒“U”型影響。

（3）控制變量中經濟發展水平對農業碳生產率有顯著的正“U”影響，農民知識水平的提高會顯著地提升農業碳生產率，而農業產業結構中種植業和畜牧業的比重增加不利于農業碳生產率的提升，控制變量的滯后項中，經濟發展水平的滯后項對農業碳生產率的影響呈正“U”型，種植業比重、農民知識水平和農業貿易水平的滯后項對農業碳生產率有顯著的正面影響。

（4）農業產業集聚對農業碳生產率的影響在四大地區、不同農業發展水平和不同農業產業集聚水平地區都顯著，且存在異質性。

（5）財政分權在全國層面會削弱農業產業集聚對農業碳生產率的影響，另外，在農業產業集聚水平不同的地區有異質性：農業產業低聚集區（東部和中部地區）的財政分權會削弱農業產業集聚對農業碳生產率的影響，農__業產業高聚集區（西部和東北地區）的財政分權會增強農業產業集聚對農業碳生產率的影響。

結合上述研究，提出以下三點政策啟示：①由于農業碳生產率具有空間異質性，需將“相對減排”（農業碳生產率較高地區）和“絕對減排”（農業碳生產率較低地區）結合起來，在落實中央“雙碳”工作部署的前提下，推進農業減污降碳協同增效合作機制，同時，不斷挖掘農業固碳增匯的生態價值和經濟價值，梯次有序推進各地區實現“雙碳”目標。②推動農業產業集聚由“數量增加”向“質量提升”的轉變，同時避免因過度集聚而導致資源錯配或低效供給引發的擁擠效應，通過實施農業產業集聚非均衡發展策略，充分發揮其對提升農業碳生產率的促進作用，逐漸形成特色合理的地區農業產業發展格局。③建立中央與地方財政收支的動態調整機制，適當增加財政支農比重，同時根據各地市農業發展特點，因地制宜地傾斜財政政策支持重點領域，在充分發揮市場機制配置資源作用下，利用財政資源和手段，推動農業產業合理集聚，提升農業碳生產率，實現農業高質量發展。

參考文獻

［1］ Intergovernmental Panel on Climate Change. Climate change 2021：the physical science basis［R］. 2021.

［2］ Intergovernmental Panel on Climate Change. IPCC guidelines for nationalgreenhouse gas inventories［R］. 2006.

［3］ 閔繼勝，胡浩. 中國農業生產溫室氣體排放量的測算［J］. 中國人口·資源與環境，2012，22（7）：21-27.

［4］ 王暢，李松柏. 國外農業產業集聚經驗及對中國的啟示［J］. 世界農業，2018（1）：13-17.

［5］ 甘行瓊，李玉姣，蔣炳蔚. 財政分權、地方政府行為與產業結構轉型升級［J］. 改革，2020（10）：86-103.

［6］ 崔志坤，李菁菁. 財政分權、政府競爭與產業結構升級［J］. 財政研究，2015（12）：37-43.

［7］ PORTER M E. The competitive advantage of notions ［J］. Harvardbusiness review，1990，68（2）：73-93.

［8］ 李春海，張文，彭牧青. 農業產業集群的研究現狀及其導向：組織創新視角［J］. 中國農村經濟，2011（3）：49-58.

［9］ 尹成杰. 新階段農業產業集群發展及其思考［J］. 農業經濟問題，2006，27（3）：4-7，79.

［10］ 周新德. 基于生命周期階段的農業產業集群形成和演化機理分析［J］. 經濟地理，2009，29（7）：1134-1138.

［11］ 王艷榮，劉業政. 農業產業集聚形成機制的結構驗證［J］. 中國農村經濟，2011（10）：77-85.

［12］ 杜建軍，張軍偉，邵帥. 供給側改革背景下中國農業產業集聚的形成演變研究［J］. 財貿研究，2017，28（5）： 33-46，99.

［13］ 黃海平，龔新蜀，黃寶連. 基于專業化分工的農業產業集群競爭優勢研究：以壽光蔬菜產業集群為例［J］. 農業經濟問題，2010，31（4）：64-69，111.

［14］ 李二玲，龐安超，朱紀廣. 中國農業地理集聚格局演化及其機制［J］. 地理研究，2012，31（5）：885-898.

［15］ 賈興梅，李平. 農業集聚度變動特征及其與農業經濟增長的關系：我國12類農作物空間布局變化的實證檢驗［J］. 中國農業大學學報，2014，19（1）：209-217.

［16］ 張哲晰，穆月英. 農業產業集聚的生產效應及提升路徑研究［J］. 經濟經緯，2018，35（5）：80-86.

［17］ GALE F，MCGRANAHAN D. Nonmetro areas fall behind in the‘new economy［J］. Rural America，2001，16（1）： 44-52．

［18］ GABE T. Local industry agglomeration and new business activity［J］. Growth and change，2010，34（1）：17-39.

［19］ 衛龍寶，李靜. 農業產業集群內社會資本和人力資本對農民收入的影響：基于安徽省茶葉產業集群的微觀數據［J］. 農業經濟問題，2014，35（12）：41-47，110.

［20］ 吳厚純，王成軍. 基于國際視角的城市化不同發展階段耕地變化速度差異實證研究［J］. 世界農業，2015（12）： 31-36.

［21］ 年猛. 農業產業集聚：文獻綜述及其引申［J］. 生態經濟，2018，34（5）：93-98.

［22］ BARKLEY D L，HENRY M S，KIM Y. Industry agglomerationsand employment change in non?metropolitan areas［J］. Review ofurban & regional development studies，1999，11（3）：168-186.

［23］ 田云，張俊飚，李波. 中國農業碳排放研究：測算、時空比較及脫鉤效應［J］. 資源科學，2012，34（11）：2097-2105.

［24］ GOGLIO P，SMITH W N，GRANT B B，et al. A comparison of methodsto quantify greenhouse gas emissions of cropping systems inLCA［J］. Journal of cleaner production，2018，172（3）：4010-4017.

［25］ 崔朋飛，朱先奇，李瑋. 中國農業碳排放的動態演進與影響因素分析［J］. 世界農業，2018（4）：127-134.

［26］ 田成詩，陳雨. 中國省際農業碳排放測算及低碳化水平評價：基于衍生指標與TOPSIS法的運用［J］. 自然資源學報，2021，36（2）：395-410.

［27］ 李波，張俊飚，李海鵬. 中國農業碳排放時空特征及影響因素分解［J］. 中國人口·資源與環境，2011，21（8）： 80-86.

［28］ 何艷秋，陳柔，吳昊玥，等. 中國農業碳排放空間格局及影響因素動態研究［J］. 中國生態農業學報，2018，26（9）： 1269-1282.

［29］ 金書秦，林煜，牛坤玉. 以低碳帶動農業綠色轉型：中國農業碳排放特征及其減排路徑［J］. 改革，2021（5）： 29-37.

［30］ 程琳琳，張俊飚，田云，等. 中國省域農業碳生產率的空間分異特征及依賴效應［J］. 資源科學，2016， 38（2）： 276-289.

［31］ 程琳琳，張俊飚，何可. 多尺度城鎮化對農業碳生產率的影響及其區域分異特征研究：基于SFA、E指數與SDM的實證［J］.中南大學學報（社會科學版），2018，24（5）：107-116.

［32］ 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.

［33］ 程琳琳，張俊飚，何可. 農業產業集聚對碳效率的影響研究：機理、空間效應與分群差異［J］. 中國農業大學學報，2018，23（9）：218-230.

［34］ 李文華，周倩，陳永強. 農業產業集聚與碳排放：我國省際層面的實證分析［J］. 江蘇農業科學，2018，46（24）： 436-441.

［35］ 張哲晰，穆月英. 產業集聚能提高農業碳生產率嗎？［J］. 中國人口·資源與環境，2019，29（7）：57-65.

［36］ 鄧晴晴，李二玲，任世鑫. 農業集聚對農業面源污染的影響：基__于中國地級市面板數據門檻效應分析［J］. 地理研究，2020，39（4）：970-979.

［37］ 曾婧，張紅. 財政分權制度下的農業經濟增長績效研究［J］. 經濟問題探索，2017（8）：144-150.

［38］ 肖遠飛，吳允. 財政分權、環境規制與綠色全要素生產率：基于動態空間杜賓模型的實證分析［J］. 華東經濟管理，2019，33（11）：15-23.

［39］ 鄭潔，付才輝，劉舫. 財政分權與環境治理：基于動態視角的理論和實證分析［J］. 中國人口·資源與環境，2020， 30（1）：67-73.

［40］ 李斌，祁源，李倩. 財政分權、FDI與綠色全要素生產率：基于面板數據動態GMM 方法的實證檢驗［J］. 國際貿易問題，2016（7）：119-129.

［41］ 冉啟英，王健龍，楊小東. 財政分權、環境分權與中國綠色發展效率：基于地級市層面的空間杜賓模型研究［J］. 華東經濟管理，2021，35（1）：54-65.

［42］ 王壘，牛文正，劉新民. 財政自主能力與碳經濟績效：產業結構升級的中介效應［J］. 中國環境管理，2019，11（6）： 75-81.

［43］ KAYA Y，YOKOBORI K. Environment，energy and economy：strategiesfor sustainability［M］. Delhi：Bookwell Publications，1999：1-69.

［44］ 段華平，張悅，趙建波，等. 中國農田生態系統的碳足跡分析［J］. 水土保持學報，2011，25（5）：203-208.

［45］ 周業安，章泉. 財政分權、經濟增長和波動［J］. 管理世界，2008（3）：6-15，186.

［46］ HAANS R F J，PIETERS C，HE Z L. Thinking about U： theorizingand testing U and inverted U?shaped relationships in strategy research［J］. Strategic management journal，2016，37（7）：1177-1195.