长江经济带农业碳生产率的测定及空间收敛性研究

李颖

（安徽大学经济学院，安徽 合肥 230039）

近十几年来，温室气体排放迅速增加，而温室气体的主要成分是二氧化碳，由此导致碳排放不断增加，环境日益恶化。据国家发展改革委员会国家气候变化对策协调小组办公室的统计，我国农业生产活动产生的碳排放占全国碳排放总量的10%以上，居各类碳排放源的碳排放量的第二位，已成为我国碳排放增长的主要来源之一。十九大以来，“绿色发展”已成为我国农业发展的重要导向，实现农业绿色发展也成为推动农业高质量发展的重要内容。因此，围绕着农业绿色发展所展开的农业碳生产率问题研究亦成为探索我国农业高质量发展的重要议题。

针对农业碳生产率问题，国内外学者从不同角度进行了大量的研究。目前学术界关于这方面的研究主要集中在碳生产率的概念、测定以及农业生产率收敛性的研究等方面。Kaya和Yokobori(1998)率先提出了碳生产率的概念，以GDP与CO2排放量比值作为碳生产率,这一概念体现了单位二氧化碳排放所带来的经济效益［1］。金炯振（2009）基于1978—2007年的省级面板数据，将非参数Malmquist生产率指数模型与参数随机前沿函数模型相结合，构建了SFAMalmquist生产率指数模型，通过这一模型对中国各地区的农业全要素生产率（TFP）变化指数进行了测算，并研究了其时序增长与空间分布特征［2］。刘剑(2012)基于DEA的Malmquist的指数方法，分别从整体和各省区两个方面考察了我国农药制造业的全要素生产率的增长趋势，结果显示：从全国的数据来看，我国农药制造业的全要素生产率呈现波动增长，技术进步对此作出了重大贡献，从不同地区来看，大部分地区的生产率基本上都得到了不同程度的增长，只有少数地区有所下降［3］。高鸣等（2015）依据1999—2010年的面板数据，对中国各省区的农业碳排放量进行了测算，使用空间Morans’I指数和收敛性模型对中国农业碳排放绩效的动态变化和空间聚集与收敛等问题进行了分析［4］。郭四代等（2016）运用中国12个西部地区省份2006—2015年的农业数据，建立计量模型,测算了12个省份的碳排放总量和碳排放效率，并利用三种收敛方法检验了西部地区农业碳排放效率的变动趋势［5］。王善高等（2018）测算了我国农业生产的环境效率，并对农业生产环境效率进行收敛性分析［6］。综合来看，现有研究成果大多是从宏观层面进行的研究，同时因构建模型、数据和地区等方面存在差异，其研究结论差异较大，同时对于长江经济带区域农业碳排放效率及其收敛性的系统研究涉足较少。自2015年长江经济带成为国家重大战略区域以来，“生态优先，绿色发展”已成为区域经济高质量发展的重要导向，促进农业低碳发展也成为实现该区域农业高质量发展的重要方面。本研究拟对长江经济带农业碳生产率进行测算，了解其演变趋势，并分析其区域差异特征及空间收敛性，这对于实现长江经济带农业低碳、可持续发展具有重要的意义［7］。

1 研究区概况与数据来源

1.1 研究区概况

长江经济带是以长江流域为基础和纽带，横跨我国东中西三大经济区域，是全国除了沿海开放区以外，经济密度最大的经济带，也是生态文明建设的先行示范带。区内有六大平原，耕地等农业资源十分丰富；全国9大商品粮生产基地中，长江经济带独占6席；农业产值占全国40%左右，粮食产量约占全国38.5%，承载了全国50%以上的农业从业人口；因此，长江经济带在我国农业发展格局中的地位相当重要。

根据长江经济带规划纲要的要求，“生态优先、绿色发展”已成为长江经济带经济高质量发展的重要导向。2018年10月，国家发展改革委员会、生态环境部和农业农村部等联合下发的《关于加快推进长江经济带农业面源污染治理的指导意见》指出，必须加快推进长江经济带农业绿色发展，推行绿色农业生产方式，协调农业经济发展与资源环境的保护，助力长江经济带经济高质量发展；至此，长江经济带农业转向低碳、绿色、可持续的高质量发展道路；而提高农业碳生产率则是实现长江经济带农业低碳发展的关键。

1.2 数据来源

本研究在计算长江经济带农业碳排放量时，通过化肥施用量、农用柴油使用量、农药施用量、农膜使用量、土地翻耕面积、有效灌溉面积、及牛、马、驴、骡、猪、羊等牲畜的饲养头数等几个碳源，计算得到长江经济带2008—2018年农业二氧化碳的排放量。其中，化肥施用量、农用柴油使用量、农药施用量、农膜使用量、土地翻耕面积、有效灌溉面积等数据均来源于《中国农村统计年鉴》（2009—2019年），牛、马、驴、骡、猪、羊等牲畜的饲养头数则来源于《中国统计年鉴》（2009—2019年）。

2 研究方法

2.1 农业碳生产率的测算与分析

2.1.1 农业碳排放量的核算

本研究参考相关学者关于农业碳排放的估算方法，测算各省份农业的碳排放量，公式如下：

式中，CE表示农业的总碳排放量，CEi表示第i种碳源的碳排放量，Qi表示第i种碳源的量，εi表示第i种碳源的碳排放系数。

农业碳排放主要来自于以下两个方面：一是农业生产过程中化肥、柴油、农药、农膜、翻耕、农业灌溉产生的碳排放，二是牛、马、驴、骡、猪、羊在养殖过程中肠道发酵和粪便处理产生的碳排放，各碳源对应的碳排放系数的数值主要取自IPCC第五次报告和一些经典文献的研究结果［8］。

2.1.2 农业碳生产率的测算

本研究基于各省域农业碳排放总量和农业增加值，将农业碳生产率定义为一段时期内农业增加值与农业碳排放总量的比值［9］，具体公式如下：

式中，C为农业碳生产率（万元/t）；AGDP为农业增加值（亿元）；CE为农业碳排放量（万t）。

本文的样本区间为2008—2018年，考察对象为中国长江经济带11个省(市)。长江经济带按其流域地形可分为上游(重庆、四川、贵州、云南)、中游(湖南、湖北、江西)和下游(上海、浙江、江苏、安徽)三个区域［10］。

2.2 农业碳生产率的空间相关性检验

为了检验长江经济带各省区之间的农业碳生产率是否存在空间相关性，本文采用莫兰指数（Moran’s I）［11］作为衡量农业碳生产率空间自相关性的指标。莫兰指数的公式如下:

其中，Ci与Cj分别表示i地区与j地区的农业碳生产率；Cˉ为各省区农业碳生产率的均值；Wij为空间权重矩阵，此处选取两省的相邻关系来衡量地区间的空间关系，构建出11个省份的空间邻接权重矩阵。莫兰指数取值介于-1～1之间，其绝对值越大，表明其空间相关性越强；绝对值越小则表明空间相关性越弱。

2.3 农业碳生产率的收敛性分析

考虑到长江经济带各省区之间农业碳生产率可能存在区域差异，本研究以新古典经济学的理论为基础，选用三种收敛方法来考察长江经济带各省区农业碳生产率的收敛性，分别为α收敛、绝对β收敛以及条件β收敛，其中β收敛为α收敛的必要不充分条件［12］。

2.3.1α收敛检验

本研究采用α系数分析长经济带农业碳生产率的离差，通过测算长江经济带及各省区农业碳生产率的α系数来判断是否存在α收敛。若存在收敛，则随着时间推移，农业碳生产率的α系数会逐渐缩小，反之则说明具有α发散特征［13］。α系数的计算公式如下：

式中，α表示系数，i为省份，N为省份个数，C表示农业碳生产率，Cˉ表示农业碳生产率的均值，Ln表示取对数。

2.3.2β收敛检验

β收敛模型是从新古典经济学的经济收敛理论发展而来的。β收敛模型的核心是考察某区域的农业碳生产率的增长率与初始水平之间的关系［14］。如果增长率与初始水平之间呈负相关关系，则农业碳生产率存在β收敛。β收敛模型又分为绝对β收敛和条件β收敛两种形式。

(1)绝对β收敛。绝对β收敛是指长江经济带及各省区的农业碳生产率的增长速度与初始水平呈现反向变动关系［15］。本文构建的绝对β收敛模型如下：

式中，i为省份，t为年份，Ci,t为i省t年的农业碳生产率，α为常数项，β为基期碳生产率的回归系数，εi,t为随机扰动项系数，如果回归系数β显著小于0，则表明农业碳生产率存在绝对β收敛。

由于长江经济带各省区农业碳生产率可能存在空间相关性，为避免β收敛估计结果出现偏差，必须将空间因素的影响考虑在内［16］。因此，本文在模型(5)的基础上引入空间因素，分别构建空间滞后模型和空间误差模型如下：

式中，式(6)为空间滞后模型(SLM)，指的是某地区的被解释变量的影响因素会通过空间传导机制影响其相邻地区；式(7)为空间误差模型（SEM），它假设农业碳生产率在各区域间的空间依赖性由误差项反映。W为空间权重矩阵。ρ为空间滞后系数，λ为空间误差系数，εi,t与μi,t为随机扰动项。

本文采用极大似然估计法(QML)来检验长江经济带农业碳生产率收敛性。然后基于LM检验来选择具体的空间收敛模型。LM检验结果表明，SEM模型更适合绝对β收敛检验。另外，本文通过Hausman检验来选择估计模型。Hausman检验结果显示：P值＜0.05，因此拒绝原假设，说明绝对β收敛模型更适合使用固定效应(FE)的估计方法。

(2)条件β收敛。条件β收敛是指由于各省区在农业经济增长、种植结构、人均收入等方面存在差异，各省区的农业碳生产率会最终收敛于各自的稳态值［17］。在绝对β收敛模型的基础上，本文纳入影响农业碳生产率的控制变量，构建条件β收敛模型如下:

式中，控制变量X包括农业经济发展水平、农村居民收入、种植结构和耕地面积等变量，θ为控制变量的回归系数，其余变量与式(5)的变量含义相同。如果回归系数β显著小于0，则意味着农业碳生产率存在条件β收敛。

考虑到长江经济带各省区之间农业碳生产率的可能存在正向空间相关性，本文在模型(8)的基础上引入空间因素［18］，分别构建空间滞后模型(SLM)和空间误差模型(SEM)如下:

式中，式(9)为SLM模型，式(10)为SEM模型。W、ρ、εi,t与μi,t的含义与式（6）、式（7）的系数含义相同。兼顾数据的可得性与研究对象的特点等因素，本文选取农业经济发展水平（PGDP）、农村居民收入(INCOM)、种植结构(STRUCTURE)、耕地面积（AREA）作为控制变量［19］。

对于条件β收敛模型，本文采用极大似然估计法(QML)来检验长江经济带农业碳生产率收敛性［20］。然后基于LM检验来选择具体的空间收敛模型。LM检验结果表明，SLM模型更适合条件β收敛检验。同时，经Hausman检验结果显示：P值＜0.05，因此拒绝原假设，说明条件β收敛模型更适合使用固定效应(FE)的估计方法。

3 结果与分析

3.1 长江经济带农业碳生产率测算结果分析

表1给出了长江经济带11个省份2008—2018年间农业碳生产率的每年的数值、各年份的均值及年均增长率（每年碳生产率的增长率之和/年数）。从长江经济带的整体情况来看，长江经济带农业碳生产率从2008年的2.71%上升到2018年的5.41%，年均增长率为7.17%，总体呈上升趋势。从具体年份看，农业碳生产率除在2009年出现下降外，多数年份均呈现上升趋势。

表1 2008—2018年长江经济带各省份农业碳生产率（万元/吨）Table 1 Agricultural carbon productivity of provinces in the Yangtze River Economic Belt,2008—2018(10 000 yuan/t)

根据各省份农业碳生产率的测算结果，农业碳生产率存在显著的省际差异特征。就各省份农业碳生产率水平而言，样本期间内，农业碳生产率最高的省份为江苏，平均值达到了6.23；农业碳生产率最低的是云南，平均值为2.47。从发展趋势来看，长江经济带各省份的农业碳生产率除个别年份外，均呈逐渐上升的趋势，其中农业碳生产率年均增长率最高的省份是浙江省，达到了15.42%。

3.2 长江经济带农业碳生产率的空间相关性检验

表2列出了长江经济带各省区之间的空间自相关性的检验结果，结果显示：2008—2018年各年份的莫兰指数在统计上具有显著的正相关性，表明长江经济带各省区的农业碳生产率具有显著的空间集聚特征，较高(低)农业碳生产率的地区相互邻近。此外，2008—2018年间，莫兰指数值先上升后下降，这表明各地区的农业碳生产率的空间自相关程度随着农业的不断发展而逐年下降。

表2 中国长江经济带各省区农业碳生产率的空间相关性检验Table 2 Spatial correlation test of agricultural carbon productivity in provinces of the Yangtze River Economic Belt in China

3.3 α收敛检验结果分析

图1显示，长江经济带农业碳生产率α系数以2009年为界先上升后下降，整体呈下降趋势，说明长江经济带各省区的农业碳生产率与农业碳生产率的均值的离差随着时间的推移逐渐缩小，长江经济带农业碳生产率存在α收敛。上游与中游地区农业碳生产率α系数呈现先上升后下降的变化趋势。下游地区农业碳生产率α系数在总体上呈上升趋势，表明下游地区农业碳生产率的省际差异在逐年扩大，不存在α收敛。

图1 2008—2018年长江经济带及各区域农业碳生产率α系数走势图Trend of agricultural carbon productivity coefficient in theYangtze River Economic Belt and various regions from 2008 to 2018

3.4 β收敛检验结果分析

3.4.1 绝对β收敛结果分析

表3给出了长江经济带及各省区农业碳生产率的绝对β收敛的检验结果。首先对长江经济带及各省区农业碳生产率进行无权重的回归分析。结果显示，β值显著小于0，说明长江经济带及各省区的农业碳生产率的增长速度与初始水平呈现反向变动关系，存在绝对β收敛，即具有较低农业碳生产率的地区的增长速度快于较高地区，各地区的农业碳生产率最终收敛到自己的稳态水平。在考虑空间相关性之后，空间系数λ显著大于0，这再次说明长江经济带各省区之间存在显著的正向空间效应。此外，收敛系数β始终显著小于0，表明在考虑空间因素后，长江经济带及各省区农业碳生产率存在绝对β收敛。对比β收敛结果与α收敛结果，可以看到，长江经济带农业碳生产率既有绝对β收敛趋势，也有α收敛趋势。这表明，相较于农业碳生产率较高的地区，农业碳生产率较低的地区在样本期内增长率相对较快，同时地区间农业碳生产率的绝对差异相对缩小。

表3 长江经济带农业碳生产率绝对β收敛结果Table 3 Absoluteβconvergence results of agricultural carbon productivity in the Yangtze River Economic Belt

3.4.2条件β收敛结果分析

表4给出了长江经济带及各省区农业碳生产率的条件β收敛检验结果。长江经济带的整体检验结果表明，无论分析过程中考虑空间因素与否，β值始终显著小于0，表明在考虑了农业经济发展水平、农村居民收入、种植结构以及耕地面积等因素后，长江经济带的农业碳生产率的条件β收敛效应较为显著。比较传统β收敛与空间β收敛的系数，可以看出：空间收敛模型的β系数绝对值更大，收敛速度也更快。从控制变量的回归系数来看，农业经济发展水平的提高使农业碳生产率降低，可能的原因在于我国农业经济的发展是以能源的大量投入作为基础的，在这种情况下，农业经济发展水平的提高对农业碳生产率的增长率产生负向影响。农村居民收入对农业碳生产率的增长率产生正向影响，但并不显著。农业种植结构的优化显著提高了农业碳生产率的增长率，说明我国农业虽然以种植业和畜牧业为主，但林业和渔业所占比重不断扩大，这对农业碳生产率的增长率产生了正向显著影响。耕地面积的扩大使能源消耗越多，对农业碳生产率的增长率产生负向影响。

4 结论

在倡导低碳化生产与生活的时代背景下，提高农业碳生产率是实现农业稳定增长与碳减排双重目标的重要途径。基于2008—2018年中国长江经济带11个省份的面板数据，本文测算了长江经济带各省区的农业碳生产率，分析了区域的差异性。在此基础上，对长江经济带农业碳生产率的空间收敛性进行了系统考察。得到如下结论：

(1)长江经济带及上游、中游及下游三大区域农业碳生产率整体呈上升趋势，年均增长率最高的是上游地区，下游地区次之，中游地区最低。长江经济带各省区农业碳生产率具有显著的空间非均衡特征，呈现出从上游到中游、下游逐渐递增的格局。

(2)长江经济带农业碳生产率具有显著的正空间自相关关系，各省区的农业碳生产率会受到相邻省份的影响。农业碳生产率的空间自相关度随着时间的推移呈现波动上升的趋势。

(3)长江经济带及各区域的省际差异随着时间推移在逐步下降。长江经济带及上游、中游、下游地区农业碳生产率的绝对β收敛和条件β收敛特征明显，这表明农业碳生产率较低地区的农业碳生产率的增长快于较高地区，各地区的农业碳生产率最终收敛到自己的稳态水平。空间效应加快了长江经济带及上游、中游、下游地区农业碳生产率的的β收敛速度。

(4)农业经济发展水平及耕地面积对农业碳生产率增长率均具有负向影响，农村居民收入的提高和种植结构的优化则有利于农业碳生产率的提升。上述因素对不同区域农业碳生产率增长的不同影响是形成农业碳生产率区域差异的主要原因。