畜牧業技術進步的碳減排效應及其作用機制
——基于中介效應、調節效應和空間溢出效應的檢驗

吳強，孫繼雅，陳金蘭

（1.山東農業大學 經濟管理學院，山東 泰安 271001；2.山東財經大學東方學院 會計學院，山東 泰安 271000）

一、引言

20 世紀80 年代以來，全球溫室氣體驟升且變暖趨勢加快，引起了國際社會的共同關注。隨后，《京都議定書》和《巴黎協定》相繼簽訂和實施標志著所有國家均需要承擔相應的減排義務。在此背景下，作為全球最大的碳排放國家，也是負責任的大國，中國政府提出了2030 年實現“碳達峰”和2060 年實現“碳中和”的宏偉目標。“雙碳”目標實現的根本途徑在于減排增匯，其中減排是基礎。厘清各行業碳排放現狀特征顯然有助于減排策略的提出。畜牧業不同于工業，盡管不是碳排放的主要源頭，但隨著居民膳食結構的調整及對肉蛋奶需求的增加，畜牧業發展帶來的碳排放量的增加也不容小覷。為此，《農業農村減排固碳實施方案》（2022）指出畜禽低碳減排行動中，要推廣低蛋白日糧、全株青貯等技術和高產低排放畜禽品種，改進畜禽飼養管理，實施精準飼喂，降低單位畜禽產品腸道甲烷排放強度。因此，推動技術進步是畜牧業“減排降碳”的有效途徑。

學術界圍繞畜牧業碳排放與減排問題展開了豐富討論，主要集中在以下四個方面：

一是畜牧業碳排放的測算、現狀及預測。畜牧業碳排放的核算方法主要有OECD（organization for economic co-operation and development）核算法、IPCC（intergovernmental panel on climate change）系數法、全生命周期法與投入產出法等（師帥等，2017）。胡向東和王濟民（2010）及孟祥海等（2014）分別以IPCC 系數法和全生命周期法，估算了中國不同時間段的畜牧業碳排放總量，結果發現考察期內畜牧業碳排放總量一直處于波動中。張金鑫和王紅玲（2020）及吳強等（2022）利用IPCC 系數法更新了歷史研究數據，并得出了更為豐富的結論，即近二十年來，中國畜牧業碳排放整體呈下降趨勢而且區域差異依然顯著，全國及三大地區的畜牧業碳排放不存在δ和β收斂。郭嬌等（2017）預測了中國畜牧業碳排放的達峰時間，若以2013 年歐盟和美國居民蛋白質攝取量為基準，中國畜牧業碳排放的達峰時間分別為2034 年和2043 年。張越杰和閆佳惠（2022）研究發現，中國肉牛產業尚未實現“碳達峰”，未來可能會進入產業增長與高碳排放并行的階段。

二是畜牧業碳排放的影響因素分析。陳瑤和尚杰（2014）利用LMDI（logarithmic mean divisia index）模型探究了畜牧業碳排放數量變化的主要原因，發現經濟增長是其增加的關鍵成因，而生產效率降低了畜牧業碳排放，并據此提出了培育優良品種、提升飼料轉化率、加大低碳技術、糞污處理技術的研發與推廣及提高農民職業素養等增匯措施；姚成勝等（2017）結合KAYA 恒等式和LMDI 模型探究了中國畜牧業碳排放的影響因素及空間差異，結果發現農民人均純收入、城鎮居民人均可支配收入和城鎮化水平將決定中國畜牧業碳排放增長的時空格局。

三是畜牧業碳排放與經濟發展間關系分析。王歡和喬娟（2019）在測算2000—2014 年省級畜牧業溫室氣體排放量基礎上，借助Tapio 脫鉤模型分析畜牧業溫室氣體排放與經濟發展之間的關系，結果表明畜牧業溫室氣體排放脫鉤效應比較理想；蘇旭峰等（2022）基于2000—2018 年的數據進一步分析發現，全國和農區整體上實現了從弱脫鉤到強脫鉤變化，而牧區和農牧交錯區仍然處于弱脫鉤狀態。

四是技術進步與畜牧業碳排放關系分析。相關研究主要討論了技術進步對農業或畜牧業碳排放的影響。技術進步顯著增加了農業碳排放總量（張永強等，2019），但降低了碳排放強度（楊鈞，2013）。田云和尹忞昊（2021）分析了技術進步對農業能源碳排放強度的影響及溢出效應，研究發現技術進步對農業能源碳排放強度具有明顯的抑制作用，同時也表現出顯著的空間溢出效應。魏夢升等（2023）分析了規模經營和技術進步對農業綠色低碳發展的影響，研究發現糧食主產區促進了農業技術進步和規模經營，從而實現減排效應，兩者協同作用強化了減排效應。對于畜牧業而言，技術進步可通過提高飼料轉化率、縮短畜禽生長周期、降低單位畜禽產品環境污染物排放強度等方式影響畜牧業碳排放總量（周晶等，2018）。經營管理水平對畜牧業碳排放也有重要影響，畜禽養殖集約化程度越高，甲烷排放強度就越低（Sakamoto et al，2020）。進一步地，勵汀郁等（2022）在奶業碳排放測算的基礎上設計了減排情景，結果發現使用優質飼草可減少奶業碳排放。

已上研究明確了畜牧業碳排放總量、現狀特征及影響因素，并從微觀層面討論了技術進步對經濟發展及農業或畜牧業碳排放的影響，但關于其中存在的作用路徑與機制的討論多集中在農業領域，而對于技術進步對畜牧業碳排放的影響及其作用機制的討論仍處于理論層面，缺乏面板數據的支撐，所得結論缺乏嚴謹性和科學性。此外，畜牧業技術進步包含了自然科學技術進步和養殖過程中的管理技術和服務技術進步，而現有研究對于畜牧業技術進步的衡量指標較為單一，難以綜合反映畜牧業技術進步程度。

基于此，本文首先基于2007—2020 年面板數據，利用省級畜禽碳排放因子測算畜牧業碳排放總量，然后運用面板回歸模型檢驗技術進步對畜牧業碳排放的影響及其作用機制，最后引入空間因素考察技術進步的空間溢出效應?？赡艿倪呺H貢獻有：①依據《省級溫室氣體清單編制指南（試行）》（2011 年），基于規模差異和區位差異確定碳排放因子，測算結果相較于IPCC 系數法，準確性更高；②利用綜合評價方法測度技術進步水平，削弱了因某個指標計算偏差對整體結果的影響，能夠更加全面準確地反映技術進步水平；③基于中介和調節效應模型，考察技術進步對畜牧業碳排放影響的內在機理，揭示了技術進步對于畜牧業碳排放的影響路徑，為進一步鞏固和提高畜牧業技術水平提供了實踐經驗；④從空間的視角探究技術進步對畜牧業碳排放的空間溢出效應，所得結論有助于區域間的協同創新及技術共享。

二、理論框架與研究假說

畜牧業技術進步有狹義和廣義之分，狹義上畜牧業技術進步是指養殖過程中的自然科學技術（或硬技術）進步；廣義上的技術進步還包括了養殖過程中的管理技術和服務技術（或軟技術）進步（趙芝俊和張社梅，2005；顧海英，1994）。本文所考察的畜牧業技術進步為廣義上的技術進步，主要是指育種、飼喂、防疫、機械等硬技術及資源整合能力、管理決策能力（如養殖結構的調整）和養殖技術認知與采納能力等軟技術。

新經濟增長理論認為技術進步是推動經濟增長的重要因素（Romer，1990；Grossman and Helpman，1991），技術進步作為一種生產投入要素在促進經濟總量增加的同時也帶來了更多污染物的排放。不但如此，技術進步還會促進畜禽生產效率與飼料利用效率不斷提升，故畜牧業碳排放量在出現增長后可能逐步受到抑制。所以，技術進步既可能增加碳排放也可能減少碳排放（Jaffe et al，2002）。具體而言：一方面，畜牧業技術進步（機械化水平、品種培優、管理創新）有效促進了牧業增效，從而極大地激發了地區生產經營者從事畜牧業的積極性，進而引起畜牧經濟產出規模的擴大，導致畜牧業碳排放量增加；另一方面，技術進步促進了養殖效率的提高及單位畜禽產品所帶來的碳排放量的降低，進而導致碳排放總量的減少。在此，將技術進步通過影響畜牧業經濟規模而引起畜牧業碳排放量的變化稱為“規模效應”，而將技術進步通過影響生產活動的碳排放產生強度而引起碳排放產生量的變化稱為“強度效應”（李明全和王奇，2012）。

據此，提出假設1～假設3：

技術進步會增加畜牧業經濟規模，導致碳排放量的增加（H1）；

技術進步會降低碳排放強度，促使畜牧業碳排放量的減少（H2）；

技術進步對畜牧業碳排放的作用可能是促進，也可能是抑制，這取決于“規模效應”和“強度效應”的大小（H3）。

長期來看，畜牧業碳減排量在很大程度上取決于技術的可能性邊界（Seo，2013）。養殖場戶的知識水平、管理能力和經濟實力存在差異，因而對先進技術的接納能力參差不齊，所以促進養殖技術在區域內流動及溢出對于技術的推廣與應用十分重要。技術溢出是畜牧產業集聚的動力源泉，而產業集聚又可通過降低技術采納成本（包括信息成本、風險損失）促進技術溢出，因此產業集聚與技術溢出之間存在相互促進的關系（梁琦，2009），產業集聚水平高的地區引入新技術以后，能夠加強養殖場戶之間的非正式交流，以及進行技術“解密”的正式知識擴散（張翼和盧現祥，2015），因此產業集聚與技術溢出的相互強化提升了技術進步的減排效應。

據此，提出假設4：

產業集聚對于技術進步的減排效應具有積極作用，即產業集聚水平越高的地區，技術進步帶來的畜牧業減排效果越明顯（H4）。

此外，技術進步還會通過區域間的溢出效應達到減排目的（田云和尹忞昊，2021；何艷秋等，2022）。這是一種相對“省力”并且能夠凸顯區域間良性互動的減排方式，各區域通過分析鄰區畜牧業碳排放增減變化的原因從而改進自身的生產行為。經濟發展水平高、畜牧養殖基礎牢固及技術水平先進的養殖區域通過自身努力及外界支持，加強先進技術、專業知識及管理經驗等軟、硬技術的學習與累積，實現養殖效益提升及減排目標，在此過程中，該地區會成為鄰區學習的主要方向與重要目標，再加上其強大的輻射和帶動能力，該地區將優質的知識、技術和經驗向鄰區“輸送”，從而產生“涓滴效應”。因此，本地區與鄰區通過良性互動、交流學習和模仿競爭，可以促使鄰近地區畜牧業碳排放同步降低。

據此，提出假設5：

技術進步對畜牧業碳排放具有積極的空間溢出效應，技術進步在降低本地區畜牧業碳排放的同時，也會促使鄰區碳排放的降低（H5）。

技術進步對畜牧業碳排放的作用路徑如圖1 所示。

圖1 技術進步對畜牧業碳排放的作用路徑

三、研究方法、變量選取及數據來源

（一）畜牧業碳排放的測算方法

畜牧業溫室氣體主要源于動物腸胃發酵和糞污處理所產生的CH4和N2O，因而本文重點圍繞這兩方面測算畜牧業碳排放（陳瑤和尚杰，2014）。依據碳排放因子法，本文將測算奶牛、非奶牛、馬、騾、驢、豬、駱駝、山羊、綿羊、兔和家禽等畜禽的CO2排放當量。測算公式為

其中：CP為CO2排放總量；CCH4為CH4轉化后的CO2當量；CN2O為N2O 轉化后的CO2當量；eCH4和eN2O為全球升溫潛能值，根據《京都議定書》，以CO2的100 年全球變暖潛力值（GWP）為基準給定甲烷和氧化亞氮的全球升溫潛能值，分別為21 和310；Ni為第i種畜禽的平均飼養量；αi和βi分別為CH4和N2O 排放因子，排放因子來源于《省級溫室氣體清單編制指南（試行）》（2011），具體見表1 和表2。

表1 腸道發酵的CH4氣體排放因子（千克/頭/年）

表2 糞便管理的溫室氣體排放因子（千克/頭/年）

畜禽生長周期的不同導致各年份平均畜禽飼養量有所差異，因而需要調整，調整方式如式（2）所示。需調整的畜禽品種有生豬（200 天）、兔（105 天）和禽類（55 天）。

其中：App為年均飼養量；Herdsend為年末存欄量；Days為飼養周期；L為年出欄量。

（二）Kernel 密度估計方法

核密度估計是研究非均衡分布的常用方法。因而，本文利用此方法刻畫全國畜牧業碳排放分布的位置、形態、延展性和極化趨勢（Quah，1993）。假設f(x)是中國畜牧業碳排放x的密度函數，計算公式為

其中：n為樣本數；Xi為觀測值；x為觀測值的均值；K(·)為核密度函數；h為帶寬。本文選擇高斯密度函數進行估計，其表達式為

（三）面板回歸分析方法

為檢驗上述研究假說，首先針對技術進步對畜牧業碳排放的兩條作用路徑，借鑒溫忠麟和葉寶娟（2014）的思路設計如下時間和地區雙向固定效應模型：

其中：lnCPit為i省份t年畜牧業碳排放的對數值；TECHit為i省份t年的技術水平；Mit為中介要素；α1、α2、α3為截距項；γ1～γ4為解釋變量對被解釋變量的影響效應；μi為i省份的地區效應；φi為t年的時間效應；εit為隨機誤差項；Xit為控制變量；若β1、β2、β3顯著為負，則技術進步對畜牧業碳排放具有抑制作用。

為進一步討論技術進步對畜牧業碳排放的空間溢出效應，需要構建空間計量模型進行檢驗。首先，利用全局Moran’sI指數檢驗中國畜牧業碳排放的空間相關關系，計算式如式（8）所示。

其中：i和j為不同省份；x和xˉ分別為樣本值和均值；S2為方差；wij為空間權重矩陣。I>0 表明樣本值在空間上主要表現為正相關，該值越大空間相關性越強，I<0 表明此時的空間相關性為負，其值越小空間越分散，I=0 代表空間呈隨機性，I=[-1，1]。鑒于鄰接矩陣無法反映非鄰接地區的空間相關性，故本文基于地理距離空間權重探究各變量的空間相關性。

接下來利用空間杜賓模型探究技術進步對畜牧業碳排放的影響及其空間效應，該模型表達式如式（9）所示。

其中：i和j為不同省份；t為不同年份；Wij為空間權重矩陣，在回歸過程中，把反地理距離空間矩陣為權重的模型作為基準模型，再利用空間鄰接矩陣和地理距離空間矩陣進行穩健性檢驗；β、ρ、φ為相關回歸系數；μi和θi分別為地區和時間固定效應；εi為隨機誤差項；Xit為解釋變量，包括技術進步和其他控制變量。

（四）變量測度與說明

（1）被解釋變量。畜牧業碳排放量的對數（lnCP）。主要指各種畜禽經動物腸胃發酵和糞污處理所產生的CH4和N2O，然后根據碳排放因子和全球升溫能值轉換為CO2排放當量。

（2）核心解釋變量。技術進步（TECH）。借鑒趙芝俊和張社梅（2005）及王國剛等（2018）的指標選取與變量測度方法，基于數據可得性及研究需要，構建了如表3 的畜牧業技術進步指標體系。表3 中給出了技術進步的二級指標及權重，其中權重是根據熵值法得出，利用權重對二級指標進行加權求和即可得到技術進步水平。

（3）中介變量。畜牧業發展水平（DLA），用畜牧業增加值與畜牧業從業人數的比值代替；畜牧業碳排放強度（CI），用畜牧業碳排放總量與畜牧業產值之比表示。

（4）調節變量。產業集聚水平（AGG）。衡量產業集聚水平的指標包括E-G 指數、Hoover 指數、Gini 系數和區位熵等。但區位熵具備反映地理要素的空間分布和消除規模差異的優勢，故而較為常用（楊仁發，2015）。區位熵（LIA）計算式為，其中，LIAir為i地區畜牧業碳排放的區位熵；pir、pi、pr和p分別為某地區的畜牧業產值、所有行業產值、全國畜牧業總產值和全國所有行業產值。

（5）控制變量。畜牧業比重（SAI），以畜牧業產值在農業產值中的比重代替；環境規制水平（ER），用各地區污染治理投資占GDP 比重表征；農業固定投資（FAI），用農業固定投資占總投資比重表征；財政支農投入（FIA），以財政支農資金占財政總支出的比重表征；城鎮化水平（LR），以城鎮人口占總人口的比重來表征；農民收入水平（INF），以農民可支配收入代替。

（五）數據來源與描述

各種畜禽的存欄量與出欄量等數據來源于2008—2021 年歷年的《中國畜牧業年鑒》。規模化飼養、農戶散養和放牧飼養的劃分標準參考《中國畜牧業年鑒》，并依據各年度數據對不同飼養模式下腸道發酵甲烷排放因子進行加權核算。城鎮化水平、畜牧業總產值、畜牧業增加值來源于2008—2021 年歷年的《中國統計年鑒》，個別指標以2007 為基期做了不變價處理。財政支農投入來源2008—2021 年歷年的《中國財政年鑒》。農業固定投資和各行業總投資來源于2008—2021 年《中國固定資產投資統計年鑒》。環境污染治理投資額來源于2008—2021 年歷年的《中國環境統計年鑒》。第一產業從業人數、農民可支配收入來源于2008—2021年歷年的《中國農村統計年鑒》。畜牧機械總動力、畜牧科技人數來源于2008—2021 年歷年的《中國農業機械年鑒》。主要變量的統計特征見表4。

表4 主要變量的統計特征

三、中國畜牧業碳排放時空特征分析

（一）畜牧業碳排放時序特征分析

全國31 ?。ㄊ?、自治區，因數據缺失，未含港澳臺地區）畜牧業碳排放測算結果見表5，為節省篇幅，本文只列出了2007 年和2020 年的測算數據。從表5 中可知，考察期內全國畜牧業碳排放總量整體呈下降趨勢且由2007 年的31840.19 萬噸降至28140.84 萬噸，減少了3699.35 萬噸。從各省來看，2020 年畜牧業碳排放量最高的省份是內蒙古，碳排放量高達2658.73 萬噸，緊跟其后的是四川，其碳排放量也達到了2093.68 萬噸，排在3～5 位的省份依次是云南、新疆、河南，其畜牧業碳排放量分別為2054.02 萬噸、1918.82 萬噸和1507.41 萬噸。而畜牧業碳排放量最低的省份是北京，僅有24.93 萬噸，與其最為接近的省份是上海，以27.51 萬噸的碳排放量位居倒數第二，天津、海南、浙江依次排在倒數3～5 位，其畜牧業碳排放量分別為87.24 萬噸、130.19 萬噸和134.71 萬噸。綜合來看，各地區畜牧業碳排放總量差異較大，最高是最低的106 倍，兩級分化明顯。各省份除了在絕對數量上存在差異，其在畜牧業碳排放量的增減變化過程中也有所不同。相較于2007 年，有21 個省份的畜牧業碳排放量呈下降態勢且以北京降幅為最大，高達75.74%，河南、廣西、浙江、上海依次排在2～5位，其降幅分別為46.97%、46.38%、44.52%和40.13%；余下10 個省份的畜牧業碳排放量則表現出增長態勢且以寧夏增幅最大，高達73.72%，青海、甘肅、云南、山西的增幅分列2～5 位，分別為27.09%、20.33%和18.39%。整體而言，全國畜牧業碳排放呈縮減趨勢，因養殖區域和養殖結構的調整，各省份增減變化不一。

表5 31 省（市、自治區）部分年份畜牧業碳排放（萬噸）及排序

進一步，根據2020 年畜牧業碳排放量的大小并參考考察期內聚類分析結果，將研究樣本劃分為四個層次，具體見表6。

表6 中國畜牧業碳排放水平類型劃分

第一層次為畜牧業碳排放量超過1344 萬噸的地區，包括內蒙古等8 ?。ㄊ?、自治區）。畜牧業碳排放對資源稟賦和畜牧養殖基礎有較大依賴性。進一步解釋，內蒙古、新疆和青海為草原牧區，憑借天然草場優勢主要飼養碳排放量較大的牛馬羊等大牲畜，云南為農牧交錯地區，既可發展耗糧型的生豬飼養業，又可發展以禽類為主的林下經濟，因而畜禽養殖業相對發達，而其余4 個省份均為農耕區，糧食產量高，畜牧業發展基礎良好，并且承擔著本省及相鄰省份的重要畜產品供給功能，所以碳排放水平居高不下。

第二層次為畜牧業碳排放量介于849～1325 萬噸的地區，涵蓋了甘肅等6 ?。ㄊ?、自治區）。其中，西藏和貴州同屬草原牧區，但與內蒙古和新疆相比，畜牧業碳排放水平相對較低。究其原因，西藏地處高寒地區，牧草生長季節短，草原載畜能力低，而貴州的山地丘陵地貌致使畜牧養殖規模水平難以大幅提升，因而限制了畜牧業發展與碳排放的增長。甘肅地處農牧過渡地帶，氣候條件適宜、飼草料資源豐富和種質資源優良，故以牛羊為主的草食畜產業逐漸成為該地區促農增收的重要支柱產業之一，因而該地區畜牧業碳排放水平偏高。東北地區的黑龍江和遼寧及東部的河北為糧食主產區，擁有畜牧業發展的堅實物質基礎，因而畜牧業碳排放也偏高。

第三層次為畜牧業碳排放量介于560～750 萬噸的地區，包括江西等5 省（市、自治區）。江西和廣西均以生豬和家禽飼養為主，這兩種畜禽碳排放因子相對較低，故畜牧業碳排放偏低。安徽和湖北屬于南方水網地區，也是生豬養殖的約束發展區，因而畜牧業碳排放受到一定抑制。吉林受飼養方式粗放、畜產品加工和運銷能力不足等因素影響，畜牧業發展水平與豐富的糧草資源不相稱，該省畜牧業碳排放水平也不高，但隨著《關于加快東北糧食主產區現代畜牧業發展的指導意見》（農牧發［2017］12 號）的出臺，東北地區畜牧業碳排放具有較大增長的可能。

第四層次為畜牧業碳排放量低于550 萬噸的地區，囊括了山西等12 ?。ㄊ小⒆灾螀^）。中國地域遼闊，區域資源稟賦有所不同，制約畜牧業碳排放增長的因素也存在顯著差異。例如，寧夏雖為牧區，但省域面積狹小，畜牧業碳排放總量不大；山西屬于中部能源和重工業基地，跟其他農業省份相比，其畜牧業占比不高；陜西省畜牧養殖方式比較落后，散養比例大，規?；潭鹊?，從而限制了畜牧養殖發展規模；重慶市畜牧業生產因受到飼料、土地、勞動力等資源和生產成本制約增產十分有限，故畜牧業碳排放也較低；其余8 ?。ㄊ?、自治區）中多為糧食主銷區且地處東部沿海地區，城鎮化和工業化發展水平較高，對畜牧業發展產生了“擠兌”效應，因而畜牧業碳排放總量不高。

（二）畜牧業碳排放分布動態演進

為了探索中國畜牧業碳排放增長隨時間的動態演變趨勢，本文以2007 年、2012 年、2017 年和2020 年為考察時點，采用Kernel 密度估計方法分析畜牧業碳排放的動態演進過程，結果如圖2 所示。

圖2 中國畜牧業碳排放分布的演進

由圖2 可知，考察期內畜牧業碳排放核密度曲線的中心位置經歷了“右移-左移”的變化，表明全國畜牧業碳排放整體經歷了先增加后下降的變化過程；從波峰來看，核密度曲線由單峰逐漸變為多峰，并且主峰高度增加，說明畜牧業碳排放梯度差異明顯。分階段來看，相較于2007 年，2012 年核密度曲線中心位置右移，而且波峰降低并變寬，說明畜牧業碳排放在此階段有所增加，區域差異擴大；相較于2012 年，2017 年核密度曲線中心位置左移，波峰高度有所回升，右拖尾“厚度”減少，說明在此期間畜牧業碳排放有所降低，“高碳”地區有所減少；相較于2017 年，2020 年核密度曲線中心位置繼續左移，波峰由單峰變為多峰，主峰高度增加，次峰不明顯，右拖尾“變薄”，說明在此期間畜牧業碳排放進一步降低，并呈梯度變化，“高碳”地區進一步減少。整體來看，各個年份的核密度曲線均呈非對稱分布，并且中心位置偏左，說明中國畜牧業碳排放呈非均衡分布。

四、技術進步對畜牧業碳排放影響的實證檢驗

（一）基準回歸及穩健性檢驗

本文利用Stata14.0 軟件對模型進行檢驗，在此之前，需要對模型進行選擇，Hausman 檢驗結果顯示，固定效應模型較好，因此，本文匯報固定效應模型結果，結果見表7。其中，模型一僅放入核心解釋變量技術進步，結果表明，技術進步的回歸系數在1%水平下顯著為負，說明技術進步有助于抑制畜牧業碳排放。模型二納入了控制變量，此時技術進步的回歸系數依然顯著為負，這說明在控制了可能影響畜牧業碳排放的眾多因素后，技術進步對畜牧業碳排放量仍有顯著的抑制作用，即在控制其他條件后，技術進步每提高一個單位，畜牧業碳排放將減少0.52%。控制變量中，碳排放強度的回歸系數顯著為正，說明碳排放強度越大，意味著養殖方式越為粗放，生產過程所產生的碳排放總量就越多；畜牧業發展水平和畜牧業比重對畜牧業碳排放表現出了促進作用，這主要是因為畜牧業比種植業的增收效應更為明顯，因此，當畜牧業效益較高時，逐利的農戶將會轉向畜牧業生產，從而增加了畜牧業在農業的比重，這必然會引起畜牧業碳排放量的激增；農業固定投資和財政支農投入未能起到抑制畜牧業碳排放的作用，這可能是因為農業投資效率低下及監管缺失，再加上部分農戶“坐享其成”的心理，容易滋生盲目擴張和“騙補”行為，這無疑會增加畜牧業碳排放量；城鎮化的推進會提高居民對肉蛋奶等畜禽產品的需求，因而會帶動畜牧業的發展與碳排放量的增加；農民收入增加能夠提高養殖場戶的抗風險能力和支付能力，促進其采納相關養殖技術，從而實現畜牧業減排，但這一作用強度較?。ɑ貧w系數趨向于零）。

表7 基準回歸及穩健性檢驗結果

考慮到畜牧業碳排放水平較高的養殖主體可能更傾向于改進養殖技術，即可能存在反向因果關系，可能會高估估計結果。此外，受一些其他因素的影響，模型可能會存在內生性問題。因此，借鑒已有研究，將技術進步的滯后一期（L.TECH）引入模型以盡可能降低內生性問題。表7 中的模型三為處理內生性問題后的回歸結果，可以發現技術進步對畜牧業碳排放依然具有顯著的抑制作用，說明本文的回歸結果較為穩健。另外，還采用技術進步的替代變量來進一步檢驗模型的穩健性，由于技術進步與畜牧科技人員密切相關，因而，本文利用科技人員占比作為替代變量進行回歸，結果如模型四所示，結果顯示核心解釋變量和控制變量的方向及顯著性水平未發生明顯改變，再次證明研究結論的穩健性。

（二）區域層面的異質性分析

畜牧業生產是以資源凝聚力和環境承載力為基礎，以社會經濟協調力為直接驅動力。經濟發展條件、區位條件、畜牧發展歷史與基礎使得各區域畜牧業碳排放總量差異較大，這可能導致技術進步對不同區域內畜牧業碳排放的影響呈現出異質性。中國畜牧業碳排放整體呈“西高東低”的梯次分布格局，因此，本文將全國劃分為西部、中東部地區。首先在模型一的基礎上引入技術進步與西部地區虛擬變量（WEST）的交叉項，并以中東部地區為基準探究區域異質性，回歸結果見表8。從表8 中可知技術進步與西部地區虛擬變量的交互項回歸系數在1%水平下顯著為正，表明相對于中東部地區，西部地區技術進步對畜牧業碳排放具有促進作用，體現出西部地區的“規模效應”優于“強度效應”。究其原因可能是中東部地區經濟相對發達，隨著經濟的發展，居民對環境的關注程度也在增強，因而在政府的環保高壓下，該地區的技術進步方向主要偏向于綠色低碳技術；西部地區主要以發展自身作為第一要務，并且西部地區多屬草原牧區，養殖條件良好，因而本地區除了要滿足自身對畜產品的需求，還要承擔對中東部地區畜產品的供給任務，因而技術進步加劇了該地區的畜牧業碳排放。

表8 技術進步對畜牧業碳排放區域異質性結果

五、作用機制分析：中介效應、調節效應和空間溢出效應檢驗

（一）中介效應檢驗

前文理論分析表明，技術進步通過畜牧業發展水平和畜牧業碳排放強度間接作用于畜牧業碳排放。為此，本部分將選取畜牧業發展水平和畜牧業碳排放強度作為中介變量，通過構建中介效應模型來驗證技術進步通過促進畜牧業經濟發展和降低碳排放強度影響畜牧業碳排放的傳導路徑。

表9 給出了技術進步與畜牧業碳排放作用機制的檢驗結果。結果表明，技術進步對畜牧業發展水平和畜牧業碳排放強度有著相反的顯著影響，而畜牧業發展水平和畜牧業碳排放強度均對畜牧業總體的碳排放量有顯著正向影響。這說明本文的理論模型與假設是合理的，技術進步通過畜牧業發展水平和畜牧業碳排放強度對畜牧業碳排放具有截然相反的影響效應。綜合來看，技術進步對畜牧業碳排放的“強度效應”要高于“規模效應”，這說明2007—2020 年，技術進步通過畜牧業碳排放強度改進減少的畜牧業碳排放可以遏制其通過經濟增長所帶來的碳排放的增加，即技術進步在推動畜牧經濟發展的同時抑制了碳排放的增加。

表9 中介效應檢驗結果

（二）調節效應檢驗

由前文分析可知，產業集聚可能影響技術進步對畜牧業碳排放的作用效果，為檢驗這一理論假說，在技術進步層面，加入了產業集聚與技術進步的交互項，進而考察產業集聚對于技術進步與畜牧業碳排放關系的調節作用，結果見表10。從中可知，產業集聚與技術進步的交互項系數通過了顯著性檢驗，并且為負值，說明技術進步對畜牧業碳排放的邊際效應隨著產業集聚水平的提升而增強。

表10 集聚效應下技術進步與畜牧業碳排放的回歸結果

產業聚集通過技術進步對畜牧業碳排放作用的主要途徑是產業集聚能有效促進畜牧養殖相關知識和技術的溢出。具體而言：一是，養殖技術的研發與推廣需要畜牧科技人員的持續投入和轉化，產業集聚能夠產生“虹吸效應”，吸引科技人才的集聚，因此為養殖技術的推廣與應用提供了便利條件；二是，產業集聚減少了知識和技術在傳播過程中的信息損失和扭曲，并且降低了技術交易成本，提高了知識和技術的外溢效果，增強了技術進步的減排效果；三是，產業集聚區擁有大量從事畜牧生產的“精英”，其抵御風險能力強，也更容易接納新生事物，因而會率先使用新技術，而且在“精英”的示范帶頭作用下，小農戶技術采納意愿增強，即產業集聚區的技術“示范效應”和“學習效應”更容易形成，區域內的技術溢出效果更加明顯。

（三）空間溢出效應

1.全局相關性分析

在討論中國畜牧業碳排放的空間相關性之前，需要對其進行空間相關性檢驗。本文采用Moran’sI指數進行檢驗，結果顯示，畜牧業碳排放的莫蘭指數均通過了顯著性檢驗，2007 年莫蘭指數在5%水平下顯著為正，其值為0.036，而2020 年莫蘭指數在1%水平下顯著為正，其值為0.072，除2008 年有所波動整體表現出遞增趨勢，顯著性水平也隨之提高。由此表明，研究期內我國畜牧業碳排放具有明顯空間相關性且較為穩定，主要表現為低碳區域被一個或多個低碳區域包圍，高碳區域與一個或多個高碳地區相鄰。

2.考慮空間因素后技術進步對畜牧業碳排放影響分析

由前文分析可知，技術進步對畜牧業碳排放還可能產生空間溢出效應，為檢驗這一理論假說，模型中需要納入空間因素。因此，運用空間計量模型進行實證分析較為合適?；貧w分析之前，需要對空間計量模型進行選擇?？臻g誤差模型的LM（lagrange multiplier）檢驗結果顯示，空間誤差模型要優于OLS（ordinary least square）回歸模型，空間滯后模型的LM 檢驗結果顯示空間滯后模型效果更好。LR（likelihood ratio）的檢驗結果拒絕了原假設，說明空間杜賓模型不能退化為空間滯后模型和空間誤差模型。與此同時，Hausman 檢驗結果表明，在空間杜賓模型中加入固定效應更好。因此，本文基于反地理距離空間權重矩陣，利用固定效應的空間杜賓模型分析技術進步對畜牧業碳排放的空間效應，為檢驗模型的穩健性，基于空間鄰接矩陣和地理距離矩陣重復上述回歸，結果見表11。

表11 技術進步對畜牧業碳排放影響的空間杜賓模型回歸結果

由模型十二、模型十三和模型十四的結果可知，空間滯后系數ρ在反地理空間權重、空間鄰接矩陣和地理距離矩陣設定下均呈現較高顯著性且系數為正，這也再次表明畜牧業碳排放存在明顯的空間集聚特征。進一步地，通過比較3 個回歸結果可知，核心解釋變量及控制變量對畜牧業碳排放的影響方向與顯著性特征在大多數情況下是一致的。由此表明，模型十二結果整體上表現出較強的穩健性。

由模型十二可知，考慮空間因素后，與面板數據估計結果保持一致，技術進步對畜牧業碳排放的抑制作用依然成立，表明通過聚焦于畜牧產業領域與關鍵技術的研發，中國畜牧養殖技術進步驅動低碳高效轉型的戰略取得了初步成效，并為未來實現畜牧業減排目標奠定了堅實的技術基礎。

3.技術進步對畜牧業碳排放的空間溢出效應

由于空間滯后項的引入，空間計量模型回歸系數并不能反映出解釋變量的直接和間接效應，因此，本文基于Lesage 和Pace（2009）的思路，利用偏微分的方法求解各變量的直接和間接效應。直接效應是指本地區自變量對因變量的影響，也稱本地效應；間接效應是指鄰區自變量對本地區因變量的影響，也稱空間溢出效應；總效應是直接效應和間接效應的綜合，表示自變量對因變量的平均影響，結果見表12。

從表12 可見，技術進步的直接效應在1%水平下顯著為負，表明本地區技術進步每提高1 個單位，本地區畜牧業碳排放量就會減少0.644 個百分點，這是因為技術進步通過改良畜禽品種、飼喂技術、增強疫病防控能力及提高規?；降韧緩教嵘笄輪萎a和效益，在充分保障供給與收益的同時，降低了畜牧業碳排放總量。畜牧業碳排放強度、畜牧業發展水平、畜牧業比重和城鎮化的推進對本地區畜牧業碳排放產生顯著促進作用，而環境規制力度的增加能夠抑制本地區畜牧業碳排放。

溢出效應方面，技術進步在10%水平下顯著為負，說明其對畜牧業碳排放具有積極的空間溢出效應。從作用力的大小來看，技術進步的空間溢出效應要強于本地效應，本地區技術進步增長一個單位，鄰區畜牧業碳排放將會降低1.666 個百分點。對此，可能的解釋是：一方面，鄰區通過模仿學習周圍先進地區的高效養殖技術、專業養殖知識和管理經驗，促進了畜牧業碳排放強度的降低。具體而言，通過先進地區的知識溢出和技術溢出，周圍地區實現了品種的改良、飼喂方法的改進及管理模式的優化，從而在確保畜禽產品產量與經濟效益的條件下，實現畜牧業碳排放量的降低。另一方面，“搭便車”效應降低了落后地區的研發和試錯成本，鄰近地區可將節省的成本及增加的收益用于改進優化抑或研發更具優勢的新興技術和管理模式，進而實現畜牧經濟增長與減排的協同推進。此外，控制變量中畜牧業發展水平的空間溢出效應為正，說明區域之間經濟發展存在策略互動，表現為“鄰高排，我高排”；畜牧業比重的空間溢出效應為負，這可能是因為本地區畜牧業比重的調整過程中伴隨著鄰區畜牧業的轉入，因此，本地區畜牧業占比增加會減少鄰區畜牧業碳排放；農民收入水平的空間溢出效應為負，這主要是因為地區間收入水平的差異，會使勞動力從低收入地區向高收入地區轉移，并且促進鄰區規?；洜I，一定程度上抑制了鄰區畜牧業碳排放，因而鄰區畜牧業碳排放會受到抑制，但作用強度較弱。綜合來看，技術進步在降低本地區畜牧業碳排放的同時產生了積極的空間溢出效應，降低了周圍地區的畜牧業碳排放，假設5得到了證實。

五、結論與政策建議

本文基于2007—2020 年31 省（市、自治區，因數據缺失，未包含港澳臺地區）的面板數據，依據碳排放因子，測算了中國畜牧業碳排放現狀，并結合核密度估計方法揭示了其動態演進趨勢，最后利用面板回歸模型討論了技術進步對畜牧業碳排放的影響機制。主要結論如下。

（1）全國畜牧業碳排放呈縮減趨勢，各省畜牧業碳排放差異顯著，整體呈“西高東低”的分布格局。全國畜牧業碳排放總量由2007 年的31840.19 萬噸降至28140.84 萬噸。2020 年內蒙古以2658.73 萬噸的碳排放量居首，北京居末。相較于2007 年，有21 個省份的畜牧業碳排放量呈下降態勢且以北京降幅為最大；余下10個省份則表現出增長態勢且以寧夏增幅最大。核密度估計結果顯示，中國畜牧業碳排放呈非均衡分布，梯度差異明顯。

（2）技術進步通過畜牧業發展水平和畜牧業碳排放強度對碳排放具有截然相反的影響效應，技術進步通過畜牧業碳排放強度改進減少的碳排放可以遏制其通過經濟增長所帶來的碳排放的增加。產業集聚對技術進步與畜牧業碳排放關系的調節作用顯著，技術進步對畜牧業碳排放的邊際效應隨著產業集聚水平的提升而增強。

（3）技術進步對畜牧業碳排放具有顯著的空間溢出效應。本地區技術進步增長一個單位，鄰區畜牧業碳排放將會降低1.666 個百分點，即本地技術進步通過空間溢出效應對鄰區畜牧業碳排放產生積極影響。

基于上述研究結論，提出以下政策建議：

第一，增加財政支持力度，推動畜牧業科技創新，尤其要強化對低碳養殖突破性技術的研發。由于突破性低碳養殖技術的應用較為復雜，并且還可能導致養殖成本的增加，因而推廣起來存在諸多障礙，其減排效果難以顯現。因此，要建立專項資金，重點支持一些“卡脖子”技術的研發，如采納成本低、操作簡單的突破性技術。

第二，對于仍處于畜禽產品需求增長的中國而言，考慮現時發展階段、膳食結構與經濟發展等因素，倘若過分強調控制畜牧業碳排放總量目標，可能有悖于中國畜牧業發展，而且還有失公平性。因此，堅持共同而有區別的減排原則，選擇降低碳排放強度的減排目標對中國而言更為實際。

第三，加快推進畜牧業產業集聚進程，充分發揮技術溢出效應。重點推進畜禽養殖主產區的基地建設，加大對養殖基地基礎設施建設的支持力度，特別是投入高、專業化的設施，完善相關社會化服務體系，打破要素流動與技術溢出的市場壁壘，充分發揮產業集聚所帶來的規模經濟效應，增強技術溢出效果。

第四，制定并完善區域技術標準要求，積極引導地區間的交流互助，促進突破性技術的推廣應用。鑒于中國地理條件、資源稟賦等有所差異，可以先制定區域層面的技術標準和要求，然后通過試驗識別出能夠推廣且高效的技術，而后進行全國推廣，充分發揮技術進步對畜牧業碳排放的積極空間溢出效應。