中国农业生产绩效与碳排放强度关系的实证分析

王留鑫，洪名勇

（1.西北大学 经济管理学院，陕西 西安 710127；2.贵州大学 管理学院，贵州 贵阳 550025）

当前我国农业正面临着资源环境约束趋紧的态势，这是我国农业由传统农业向现代农业过渡必然要面对和解决的问题。在传统农业中，农业生产对于石化原料的投入产生了极大的依赖性，产生了因化肥、农药过量使用所产生的一系列问题，如农药残留、化肥流失的水污染问题，尤其是石化原料使用过程中的碳排放问题，这在当前全球气候变暖的背景下，农业生产因石化原料使用所产生的碳排放问题，越发引起各界的关切和研究。这也造成了农业发展中的现实“矛盾”，一方面，农业的发展、农业生产绩效的提升需要化肥、农药、柴油等的投入，但另一方面，化肥、农药等生产要素又是农业生产中碳排放的重要碳源，影响生态环境，在我国环境保护治理力度不断加大的当下，农业生产中的碳排放问题却又不可忽视。在这样的矛盾中，如何既能提高农业生产绩效又能降低农业碳排放，走上绿色发展道路就成为我国农业发展的现实问题，为此，研究农药、化肥等的投入所引致的农业生产绩效的提升与由其引发的农业碳排放两者间的关系就显得很有意义，尤其是农业发展绩效是否会影响农业的碳排放。另外，因农业生产条件及水平的区域差异性，农业生产绩效对农业碳排放的影响是否存在异质效应，也需要去求证。因此，本文拟基于非线性视角，研究农业生产绩效与农业的碳排放的关系，并进一步从空间角度对可能存在的异质非线性效应进行探索，这对于实现绿色低碳农业的发展具有现实价值。

一、文献综述

随着农业生产绿色化、低碳化概念的提出，关于农业碳排放问题的相关研究被学界越来越重视。我国低碳农业的研究，首先是从理论层面展开，如对低碳农业的概念、内涵的提出和研究（许广月，2010；严立冬等，2010）[1]72;[2]40，以及对国外低碳农业发展的政策路径的介绍与比较工作（袁平红，2012；舒畅等，2014）[3]158；[4]25，进而指出我国发展低碳农业面临的挑战与发展路径（马晓旭，2011；郑恒等，2011）[5]71;[6]26，探讨了促进我国发展低碳农业的补偿及激励机制（虞洪，2012；古南正皓等，2014；彭青秀，2015）[7]33;[8]125;[9]34。同时，也有一些学者开始了实证层面的研究，从宏观视角开展对我国农业生产中的碳排放测算的实证研究，如，分别利用熵值法、方向距离函数和层次分析法测算我国省际间低碳农业发展水平（钟婷婷，2014；吴贤荣等，2014；陈瑾瑜等，2015）[10]43;[11]57;[12]101。进一步，实证分析农业碳排放与农业产业结构演变的相关性（董明涛，2016）[13]7，分析我国低碳农业发展的空间异质性和影响机理（田云等，2016）[14]33，研究其结构特征和时空差异（王宝义，2016）[15]3。也有从微观视角进行的实证研究，如，祝华军等（2013）[16]62对我国稻农采用低碳技术的影响因素分析，田云等（2015）[17]61以二元Logistic模型分析影响农户采取低碳生产行为的因素。文献既有对低碳农业的开创性研究，且卓有成效，对低碳农业的发展路径已经有了较为系统的理论研究，又有对农业碳排放问题进行的实证研究，并建立了农业碳排放与其它变量间的函数模型，但现有文献很少有对农业生产绩效与农业碳排放之间非线性关系的研究，农业生产绩效高低对农业碳排放的变化有无影响？如果有影响，这种影响有没有门槛特征？若存在门槛效应，门槛特征表现如何？又存在什么差异？基于此种视角，本文基于2000—2014年31省（区）的面板数据，先采用超越对数随机前沿模型测算各省农业全要素生产率增长以衡量各省农业生产绩效，再测算各省农业碳排放强度，最后采用门槛回归技术揭示农业生产绩效对农业碳排放强度的影响及其异质门槛特征。

为此，本文建立两个研究假设：

假设1：作为化肥、农药等的两种产出（正产出为农业生产绩效的提升，负产出为农业碳排放），农业生产绩效的提升会促进农业碳排放强度的上升，但达到一定的值域，农业生产绩效的提升会通过要素投入结构的优化实现农业碳排放强度的下降。

假设2：农业生产绩效与农业碳排放强度两者间存在空间异质性，东、中、西部呈现不同的门槛特征。

二、研究设计

（一）计量模型设计

本文基于Hansen（2000）[18]575的门槛回归模型来研究农业生产绩效与农业碳排放强度之间的非线性关系，门槛模型的基本形式如下：

其中，qi作为门槛变量将所有观测值分割成两个区间，它既用于解释变量的一个回归元，又是独立的门槛变量。yi表示因变量，xi是自变量，ei为残差项，γ为门槛值。当门槛变量小于或等于门槛值时，采用回归方程（1）；当门槛变量大于门槛值时，采用回归方程（2）。

定义哑变量 di(γ)={qi≤γ}，其中{·}是一个指示函数。当时qi≤γ时，i=1，否则i=0。令集合时xi(γ)=xidi(γ)，可将上述基本回归模型式（1）和式（2）改写为以下单一的方程形式：

式（3）中 θ=θ2，δn=θ2-θ1。

由此，可将上述模型写成矩阵形式：

模型的回归参数为（θ,δn,γ），在 γ给定的条件下，θ与δ呈线性关系。因此，根据OLS，用=[XXγ]对Y回归，得到相应的残差平方和函数：

再利用逐步搜索法最小化S1(γ)以计算出对应的门槛值：

在计算出参数估计值后，需要进行门槛效应检验，以确定门槛效应是否显著，以及门槛估计值与其真实值是否相等。检验方法上采用LM统计量，假设不存在门槛值的原假设为H0：θ1=θ2。统计量表示为：

当门槛值确定后，需分析其置信区间。采用统计量检验：

Hansen 认为 LRn(γ)≤c(a)=-2ln(1-)时，不能拒绝零假设，其中a表示显著水平。在95%置信水平下，c(a)=7.35。

以上文基本门槛回归模型为基础，并结合本文研究，构建农业碳排放与农业生产绩效之间非线性关系的面板门槛模型如下：

其中，cpit表示 i省在 t年的农业碳排放量，本研究中门槛变量和受约束的变量都为农业全要素生产率fpit，xit表示其它控制变量，εit为随机干扰项。

（二）指标选取和数据说明

本文以31省（区、市）的农业作为研究对象，灌溉面积、农作物播种面积、农用柴油、化肥、农用薄膜、农药、农业从业人数、农业机械动力数等数据指标主要从国家统计局网站的数据库中进行选取①数据来源：http://data.stats.gov.cn/easyquery.htm?cn=E0103，部分省份数据选自历年《中国统计年鉴》和各省统计年鉴。

1.农业碳排放强度指标。农业碳排放强度指每一单位农业产出所对应的农业碳排放量，用农业碳排放量除以农业生产总值表示。查阅现有文献，李波等学者（2011）[19]8在农业碳排放测算方法上很有典型代表性，并被许多学者所引用。本文也借鉴其研究方法，利用灌溉、翻耕、农用柴油、化肥、农用薄膜和农药等数据指标测算我国农业碳排放量，由于灌溉和翻耕数据在年鉴中未有专业统计，因此分别用有效灌溉面积和农作物播种面积来表示，以上数据从国家统计局网站上获得。农业碳排放总量的具体计算公式为：

（10）式中，ωi为每类碳源的碳排放系数，Xi为每类碳源的具体量，E为6种碳源的排放总量。其 中，每一种碳源的碳排放系数ωi如表1：

表1 农业碳排放源、系数以及参考来源

2.农业生产绩效指标。本文以各省历年全要素生产率增长率作为农业生产绩效指标，基于超越对数随机前沿模型进行分析，计量模型如下：

其中，Yit表示某省在时期t的实际农业总产值（以2000年的农产品生产资料价格指数为基期进行折算），Lit表示某省在时期t的农业从业人数（万人），Mit表示某省i在时期t的机械动力数（万千瓦时），Fit表示某省i在时期t的化肥施用量（万吨），Ait表示某省i在时期t的农作物播种面积（千公顷）。T表示时间变量，平方项表示要素投入随时间变化对农业产值的影响，交叉项表示要素之间的互相影响。V表示服从正态分布的随机误差项，U表示服从截断正态分布的技术无效率非负随机变量，V与U相互独立。

3.控制变量。为得到无偏的估计结果，对可能影响农业生产绩效的其他因素进行了控制。包括：（1）劳动力结构（nr），本文采用农业从业人员占总从业人员比重来衡量。这是考虑到农业劳动力向二、三产业的转移会促进对农业机械的使用（周振等，2016）[20]52、对农业要素的投入有替代关系（钟甫宁，2016）[21]36，进而会影响农业碳排放强度。（2）财政支农支出结构（cr），以农林水事务支出占当年财政支出的比重来衡量。这是考虑到农林水事务的支出主要用于农业水利基础设施建设，实现农业增产增收，可能会影响农业碳排放强度。（3）劳动者素质（clr），选取高中以上文化程度农村劳动力占比来衡量，这是考虑到农民的生态环保以及利用新技术节能减排的意识会随其文化水平的提升而提升。（4）农业集聚程度（asi）,用该省当年农业产值在该省GDP比重除以当年全国农业产值在全国GDP比重来衡量，这是考虑到农业的集聚程度越高，表明该省农业比重越大，其农业的碳排放强度也可能随之增加。

从描述性统计结果可知：（1）以农业全要素生产率增长率来衡量我国农业生产绩效的平均水平为0.0376，从其区域排序来看，西部＞东部＞全国平均水平＞中部。而且从农业生产绩效的动态演进来看，我国农业全要素生产率增长水平为3.1%。（2）我国农业碳排放量的全国平均水平为392.90万吨，从绝对值的区域排序来看，中部＞全国平均水平＞东部和西部。如果从相对值的区域排序来看，用农业碳排放强度来衡量，西部＞中部＞全国平均水平＞东部。从农业碳排放强度的动态演进来看，农业碳排放强度逐年下降，而从农业碳排放绝对量上看，农业碳排放量又在逐年上升，可以判断我国历年农业GDP增长伴以农业碳排放量齐升。（3）我国农业生产绩效和农业碳排放都表现出显著的空间异质性，即较大的农业生产绩效并不一定就会导致大量的农业碳排放，反之亦然，而且从农业碳排放强度和农业生产绩效的散点图来看，两者的运动轨迹并没有呈现出规律性的线性曲线，这暗示农业生产绩效对农业碳排放强度的影响可能不是简单的线性关系。因此，很有必要从空间维度来分析和研究两者间的异质非线性规律。

三、实证结果及分析

（一）多重共线性检验和单位根检验

为避免多重共线性问题的出现，本文采用方差膨胀因子进行验证，得到最大方差膨胀因子VIF=max｛ VIF1,VIF2,……,VIFn｝≤10，表明模型不存在多重共线性问题。同时，因本文采用面板数据进行计量分析，还需在门槛检验前进行变量的平稳性检验，本文采用存在同质面板单位根的Levin、Lin&Chui(LLC)检验方法和存在异质面板单位根的PP—Fisher检验方法的两种常用检验方法，检验结果表明面板数据是平稳的。

（二）总体门槛效应检验及回归结果

在进行面板门限模型回归前，先利用Hansen（2000）提出的通过“Bootstrap自举法”，重叠模拟似然比检验统计量2000次，可以计算出Bootstrap的P值和F值，以此来判断是否存在门槛效应。由表2可知，单一门槛检验的F统计量为20.3，P值为0.005，表示存在一个门槛值，门槛值为0.0224。其次，进行两个门槛的检验，F值为 36.02，P值为0.0005，说明通过了双门槛检验，一个门槛值是0.0224，另一个门槛值是0.0654。当进行三门槛值检验时，F值为9.27，P值为0.9200不显著，由此表明这是一个两门槛模型。

表2 总体门槛值的检验

表3 门槛数据模型估计结果

从表3门槛回归结果来看：农业生产绩效与农业碳排放强度之间的关系并不是纯粹的线性关系。当一个省份的农业生产绩效低于0.0432时，农业生产绩效对农业碳排放强度的影响系数为-0.0107，且在1%显著性水平下通过了检验。当一个省份的农业生产绩效位于0.0432—0.0973区间时，农业生产绩效对农业碳排放强度的影响系数为-0.3686。当一个省份的农业生产绩效高于0.0973时，农业生产绩效对农业碳排放强度的影响系数为0.0643。由上述结果来看，农业生产绩效的提升有助于抑制农业碳排放强度上升。

从控制变量的回归结果来看：（1）从劳动力结构来看，其对农业碳排放强度的回归系数显著为正，这说明农业从业人数比重上升会引致农业碳排放强度提高，这与前面假设农业从业人数下降会增加对机械等的需求而带来农业碳排放强度的提高的假设不一致。这可能与我国农户中兼业农户比重较大有关系，王珊珊（2013）[22]1855对辽宁稻农数据的实证分析，发现兼业稻农会有更大的碳排放农业生产行为，而且宋博等（2016）[23]468的研究也佐证了农户专业化对农业低碳化生产有显著正向影响。（2）财政支农支出比重的回归系数显著为负，这说明财政支农支出比重的提高会引致农业碳排放强度的下降。（3）高中以上文化程度劳动力占比未通过显著性检验，虽不显著，但其前面的系数为负，也说明劳动者受教育程度的提高可以有助于农业碳排放强度的降低。（4）农业集聚程度的回归系数为负，这说明农业集聚程度的提高能通过规模效应更合理配置资源，进而降低农业的碳排放强度。

（三）门槛效应空间异质性检验及回归结果

为获得较有针对性的研究结论，本文基于空间异质性视角分别对东、中、西部地区农业生产绩效与农业碳排放强度之间的关系进行门槛检验。检验发现，不同地区的农业生产绩效门槛变量都在1%或5%的显著性水平下通过单门槛、双门槛检验，表明三大地区均存在两个门槛值。回归结果如表4所示。

表4 空间异质性视角下农业生产绩效对农业碳排放强度的面板门槛模型估计结果

1.东部地区农业生产绩效对农业碳排放强度存在着负向非线性影响效应，这种影响效应在不同的门槛值，其影响程度存在差异。主要表现在：当农业生产绩效低于0.0379时，其能降低农业碳排放强度0.0091；当农业生产绩效位于0.0379～0.0502之间时，其对农业碳排放强度的降低变大；当农业生产绩效大于0.0502时，其对农业生产绩效的降低作用变弱。由此可见，东部地区农业生产绩效的提高对农业碳排放强度的降低具有积极促进作用，而且农业劳动力结构和财政支农支出对农业碳排放强度的降低都具有积极作用，但从动态演进来看，随着东部地区农业生产绩效的提升，其对农业碳排放强度的降低作用也遇到瓶颈。

2.中部地区农业生产绩效对农业碳排放强度的影响也存在显著的非线性关系，但农业生产绩效对农业碳排放强度的影响效应在不同的门槛值上作用方向相反。具体分析如下：当农业生产绩效低于0.0221时，农业生产绩效的提升却会提升农业碳排放强度；当农业生产绩效位于0.0221～0.0606时，农业生产绩效的提升能显著降低农业碳排放强度；当农业生产绩效大于0.0606时，农业生产绩效的提升又会增加农业碳排放强度，呈现出明显的倒“N”型特征。

3.西部地区农业生产绩效对其碳排放强度的非线性影响主要表现如下：当农业生产绩效低于0.0547时，农业生产绩效的提升会增加农业碳排放强度；当农业生产绩效位于0.0547～0.0895时，农业生产绩效的提升会显著降低农业碳排放强度；当农业生产绩效大于0.0895时，农业生产绩效的提升对降低农业碳排放强度的影响效应变弱。

四、结论及建议

本文采用中国2000—2014年31省面板数据，运用门槛模型分析农业生产绩效与农业碳排放强度之间存在的非线性关系，并进一步从空间异质性视角分析农业生产绩效对农业碳排放强度的门槛效应及其特征。主要得出以下结论：一是从实证结果来看，农业生产绩效对农业碳排放强度的影响呈现非线性关系，两者间存在双门槛效应；二是大部分省份的农业碳排放强度与其农业生产绩效仍不匹配，即大多数省份仍未达到农业生产绩效的最优区间，其对降低农业碳排放强度的影响效应还较弱；三是农业生产绩效对农业碳排放强度的影响仍存在显著的空间异质门槛效应。

针对本文的研究，提出以下政策：第一，东部地区的农业生产绩效的提升对于农业碳排放强度的降低存在正向影响，为中部、西部地区提供了一定的借鉴参考，即促进劳动力就业结构的调整，加大财政扶持力度，除此之外，中部和西部地区也应提高农业的集聚程度。但因各省农业生产条件的异质性较大，农业生产绩效对农业碳排放的影响存在较大区域差异，各省应因地制宜，发挥本省农业的比较优势，发展与本地资源环境相协调的农业产业项目，推动农业的适度规模经营及集聚发展，实现资源要素的科学合理配置，并实现向低排放、低投入、高产出的绿色农业发展模式转型发展。第二，从绿色GDP理念出发，建立一套包括农业碳排放量在内的农业绿色经济核算指标体系，并把对农业碳排放量的动态监测纳入环保监测之中，实时监控各地农业生产要素的投入，用以指导各地农业生产要素的科学合理经济使用，第三，加大对农民的生态环保的宣传教育，普及农业科普知识，培训科技种田方法，采用政策优惠或补贴的方法，推广绿色农业生产模式，并以经济上的适用性和技术上的先进性相结合的原则研究推广农业生产技术，发展低碳绿色农业，从而实现农业与生态的和谐。