农业产业集聚对农业碳生产率的空间溢出效应

杨秀玉 乔翠霞

摘要 农业碳生产率兼具“保增长”与“促减排”双重属性，是新时期绿色农业发展的核心内容，也是中国实现碳达峰和碳中和的重要方面。文章基于新地理经济学，建立空间面板模型，利用2005—2019年中国31个省份（未包括台湾、香港和澳门地区）的面板数据，实证研究了农业产业集聚对农业碳生产率的影响，以及财政分权对上述影响的调节作用。结果表明：①中国整体和四大地区的农业碳生产率都呈逐年递增的趋势，且存在一定的空间相关性。②不考虑控制变量时，农业产业集聚对本地农业碳生产率具有显著的“U”型影响，但不利于周边地区农业碳生产率，考虑控制变量时，农业产业集聚对本地农业碳生产率的影响不显著，但对周边地区农业碳生產率具有显著的倒“U”型影响。③农业产业集聚对农业碳生产率的影响在四大地区、不同农业发展水平和不同农业产业集聚水平地区都显著，且存在异质性。④财政分权在全国层面会削弱农业产业集聚对农业碳生产率的影响，在农业产业低集聚区（东部和中部地区）以及农业产业高集聚区（西部和东北地区）有异质性的调节作用。因此，要推动农业产业集聚由“数量增加”向“质量提升”转变，充分发挥农业产业集聚对农业碳生产率的促进作用，同时，建立中央与地方财政收支的动态调整机制，适当增加财政支农比重，利用财政资源和手段，推动农业产业合理集聚和提升农业碳生产率，实现农业高质量发展。

关键词 农业产业集聚；农业碳生产率；财政分权；空间溢出效应

中图分类号 F323 文献标志码 A 文章编号 1002-2104（2023）02-0092-10 DOI：10. 12062/cpre. 20220623

2021 年8 月9 日，联合国政府间气候变化专门委员会（IPCC）正式发布第六次评估报告（AR6）的第一工作组报告：《气候变化2021：自然科学基础》（Climate Change2021： the Physical Science Basis）。报告［1］指出，2019年，大气中二氧化碳浓度达过去200万年的最高值，甲烷和一氧化二氮浓度也是过去80万年的最高值。在如此严峻的情况下，各国政府都积极采取措施降低碳排放，而农业既可以吸收碳量，又会制造碳排放，早在IPCC的第四次报告［2］中就指出，农业是造成碳排放的第二大元凶，因此，如何降低农业碳排放、提高农业碳生产率、发展低碳绿色农业成为学者们研究的重点［3］。目前，中国农业正处于农业2. 0（以机械化为主的小规模农业）向农业3. 0（以信息化为主的自动化农业）阶段的过渡，党的二十大报告中特别强调要“发展农业适度规模经营”，因此，推进农业产业适度集聚已成为中国农业现代化建设的重要内容［4］。实施财政分权以来，地方财政支出比重不断上升，2021 年达到86%，中央财政支出比重下降到14%，地方政府财政支配权力越来越大，而地方政府也由过去GDP锦标赛考核下一味追求经济增长，逐渐转向推动产业结构优化升级，倡导绿色生态高质量发展［5-6］。“十四五”时期是中国农业绿色发展的快速提升期，提高农业碳生产率是农业绿色发展的必然要求，而农业产业集聚在提高农业碳生产率方面发挥作用如何？财政分权是否在农业产业集聚影响农业碳生产率过程中起到调节作用？学界研究还比较少。因此，文章在测算农业产业集聚和农业碳生产率的基础上，运用空间面板模型，实证分析农业产业集聚对农业碳生产率的影响及时空差异，并重点检验财政分权的调节作用，希望对各地区政府制定科学有效的农业产业集聚和低碳农业政策提供借鉴。

1 文献综述

随着产业集聚理论的不断完善，学者们开始关注农业产业集聚问题，并从对农业产业集聚定义［7-9］、形成机制［10-12］的研究逐渐转向农业产业集聚效应研究。农业产业集聚水平的提高可以带来规模经济和范围经济，提高农业专业化和集约化水平，进而提升农业生产效率［4，13-16］。也有学者［17-21］认为农业产业集聚可以促进当地金融和生产条件的改善，激发劳动者创新意识，增加农村资本流入，增强农业抗风险能力，提升农业整体竞争力。然而，也有一些学者［22］认为农业处于不同的产业集聚水平，对经济增长的作用不同，只有农业产业集聚处于成长阶段时，才能推动农业经济发展。

国内外学者对农业碳排放进行了大量的研究和测算，不仅从时间维度分析了农业碳排放的发展变化［23-26］，还从空间角度对农业碳排放的地区差异性和溢出性进行了大量研究［27-29］。大部分学者［30-32］都认为农业生产效率、产业结构、科技水平、农用机械设备使用、教育水平、对外开放程度、城镇化等对农业碳生产率有影响。也有学者研究农业产业集聚对农业碳生产率的影响，程琳琳等［33］和李文华等［34］研究发现农业产业集聚与农业碳效率之间存在环境库兹涅茨曲线关系，尤其是中西部地区；张哲晰等［35］发现黄淮海与环渤海蔬菜主产区农业产业集聚对农业碳生产率存在非线性影响，且前者对后者存在“锁定”与“拥挤”效应；邓晴晴等［36］采用农业生产形成的碳、磷和氮排放量来代表农业面源污染，分析发现农业集聚和农业面源污染呈现正相关的单门槛效应。

财政作为政府进行宏观调控的重要手段之一，在农业领域，财政用于农业的支出对于农业产业结构转型和要素配置发挥着重大的作用，而地方政府在处理地方事务时有着得天独厚的优势，因而学者们［37］普遍认为财政分权可以促进地方经济的发展。随着绿色发展理念的深入，中国开始将环保因素纳入地方政府考核体系，学者们开始研究财政分权对产业结构和环境治理的影响。甘行琼等［5］运用动态面板模型，实证检验发现财政收入分权和财政支出分权促进了产业结构合理化的发展而抑制了产业结构高度化的发展。而学者们对财政分权对环境治理影响的研究大体有三种不同观点：以往的绩效考核体系下，为了追求经济发展，财政分权会不利于环境治理的改善［38-39］；地方政府越来越重视环境治理，鼓励企业加大治污科研投入，推动治污技术创新，通过减税增补等手段吸引低污染FDI［40-41］；财政分权水平不同的地区，其对碳生产率的影响不同［42］。

通过以上梳理可以看出，现有文献为研究农业产业集聚、财政分权与农业碳生产率作用关系提供了丰富的参考，但也仍存在一些可以完善的地方。首先，现有文献从空间视角分析农业产业集聚对农业碳生产率差异性影响的较少；其次，在农业产业集聚影响农业碳生产率的过程中，财政分权是否发挥调节作用。因此，文章从这两方面入手，运用空间面板模型，将空间地理位置纳入农业产业集聚对农业碳生产率影响的分析框架中，并分析财政分权在其中的调节作用。

2 研究方法

2. 1 变量选取与数据来源

2. 1. 1 被解释变量：农业碳生产率

借鉴Kaya等［43］对碳生产率的研究，用单位农业碳排放创造的农林牧渔总产值表示农业碳生产率（ACP），这样既可以兼顾经济发展，又可以考察农业碳排放情况。农业碳排放量（ACE）的数量可由下面公式计算得到。

其中：Ti表示农业碳排放源，δi 表示农业碳排放系数。Ti主要有三大类：第一类是农地利用导致的碳排放，表1列出了农地利用碳排放源及排放系数；第二类是水稻生长过程中排放的CH4，排放系数可参照闵继胜等人［3］的研究；第三类是反刍动物肠道发酵和粪便管理中排放的CH4和N2O，排放源及系数见表2［24］。

2. 1. 2 核心解释变量：农业产业集聚

借鉴程琳琳等［33］和李文华等［34］的方法，用产值计算的区位熵衡量农业产业集聚程度，具体公式为：

2. 1. 4 控制变量

根据前文文献梳理，选择以下变量为控制变量：经济发展水平（AGDP），用人均国内生产总值的对数表示，考虑到经济发展和碳生产率之间可能存在环境库兹涅茨曲线关系，将人均国内生产总值对数的平方项也纳入模型；区域城镇化发展情况（UL），用城镇人口与总人口的比值表示；农业产业结构，从碳排放量较大的种植业和畜牧业入手，选用种植业总产值和畜牧业总产值分别占农林牧渔总产值的比重来表示（PIP 和AHP）；农民知识水平（FKL），用乡村初中以上文化程度的人口占6岁及以上人口的比重表示；农业贸易水平（ATL），用农业进出口总额与农业增加值的比例来表示，农业进出口总额按当年平均汇率折算成人民币；农业环境规制（AER），用环境污染治理投资总额按第一产业产值在国内生产总值中的比重折算。

2. 1. 5 数据来源

该研究的区域是中国31个省份（未涉及香港、澳门和台湾），时间跨度为2005—2019年，数据来自历年《中国统计年鉴》《中国农村统计年鉴》《中国财政年鉴》《中国人口和就业统计年鉴》和各地方统计年鉴。文章所有涉及产值的指标均用2005年为基期进行平减以消除价格影响，

表3是各变量的描述性统计。

根据Hanns等［46］的研究，可依据农业产业集聚对农业碳生产率曲线开口方向和AIA2×FD 回归系数的正负判断财政分权的作用（表4）。

3 农业产业集聚与农业碳生产率变化的初步规律

3. 1 农业产业集聚初步规律描述

从图1可以看出整体上，中国农业产业集聚略呈波动下降趋势，从2005年的1. 164下降到2019年度的1. 074。四大地区中东北地区的农业产业集聚水平最高，且在考察期内波动上升，从2005 年的1. 394 增长到2019 年的1. 607；而东部地区农业产业集聚水平最低，且呈略微下降趋势；中部和西部地区期初水平接近，考察期内都波动下降，但到2019年西部地区的农业产业集聚明显高于中部地区。四大地区内部来看，东部地区内70%的地区农业产业集聚水平低于1，且都基本保持水平波动；中部地区内5/6的地区在1以上，且波动下降；西部地区也有5/6的地区在1以上，但有半数的地区略微波动下降；东北地区三省都在1以上，且都有明显的上升趋势。

3. 2 农业碳生产率初步规律描述

从图2可以看出，中国整体和四大地区的农业碳生产率都呈逐年递增的趋势，其中，东部地区增长幅度最大，从2005年的1. 931增长到2019年的4. 139，年均增长7. 62%，中部地区增幅最小，年均增幅也有4. 52%。就四大地区内部来看，东部地区2019年几乎所有地区的农业碳生产率都达到2以上，尤其是北京市遥遥领先；中部地区近五年来农业碳生产率都增加到1以上，尤其是河南省增长速度最快；西部5/6 的地区近年来都增长到1 以上，青海和西藏两地农业碳生产率水平较低且增速缓慢；东北三省农业碳生产率都较高，尤其是辽宁省2019年高达3. 703，远远高于其余两省，导致三省之间差異越来越大。

4 农业产业集聚对农业碳生产率影响分析

4. 1 农业碳生产率的空间相关性检验

在进行空间计量分析之前，先计算一下农业碳生产率的MoransI，检验其是否存在空间相关性。从表5可以看出，两种权重下农业碳生产率的MoransI 都通过5%显著性水平的检验，说明农业碳生产率存在显著的空间相关性。另外，整个考察期内，农业碳生产率的MoransI 呈下降趋势，说明农业碳生产率的空间相关性有减弱趋势。

4. 2 空间计量模型回归结果

表6是农业产业集聚对农业碳生产率回归的结果。从前两列可以看出，固定效应OLS模型和随机效应SDM（0-1权重矩阵）模型下，农业产业集聚对农业碳生产率都有显著的“U”型影响，即农业产业集聚水平较低时，农业碳生产率随着农业产业集聚水平的提高而降低，当农业产业集聚水平达到拐点之后，农业碳生产率随着农业产业集聚水平的提高而提高。通过MoransI、LM、RobustLM、LR 和Wald 检验证明随机效应SDM 模型更优。从SDM 模型还可以看出，农业碳生产率滞后项系数为0. 552 4，通过1%的显著性水平检验，表明农业碳生产率在全国层面具有空间正溢出效应；农业产业集聚滞后项系数为负，通过1%显著性水平检验，说明农业产业集聚对周边地区农业碳生产率有不利影响。

从表6列（3）和列（4）可以看出，加入控制变量后，模型拟合优度增加，但农业产业集聚对农业碳生产率的影响变得不显著。控制变量中经济发展水平对农业碳生产率有显著的正“U”影响；农民知识水平的提高会显著地提升农业碳生产率；而农业产业结构中种植业和畜牧业的比重增加不利于农业碳生产率的提升；城镇化、农业贸易水平对农业碳生产率有正影响，但不显著；农业环境规制的影响在不同模型中方向不同，但都未通过检验。通过MoransI 检验、LM 检验、Robust LM 检验、LR 检验和Wald 检验证明时间固定效应SDM模型（0-1权重矩阵）更优。从SDM模型中还可以看出，农业碳生产率滞后项系数通过1%的显著性水平检验，但数值为负，其绝对值大于不考虑控制变量的情况，说明此时农业碳生产率在全国层面具有更强的空间负溢出效应；农业产业集聚滞后项对农业碳生产率具有显著的倒“U”型影响，说明当农业产业集聚水平较低时，有利于周边地区农业碳生产率的提高，但当农业产业集聚水平发展到较高水平时，则不利于周边地区农业碳生产率的提高；控制变量的滞后项中，经济发展水平的滞后项对农业碳生产率的影响呈正“U”型，说明当地区经济发展水平较低时，不利于周边地区农业碳生产率的提高，当地区经济发展到一定水平，地区间的经济辐射作用发挥出来，有利于周边地区农业碳生产率的提高；种植业比重、农民知识水平和农业贸易水平对农业碳生产率有显著的正面影响，说明种植业规模、农民文化水平和农业贸易情况对周边地区农业碳生产率有正向影响；而城镇化、畜牧业比例和农业环境规制的滞后项都不显著，即这三个变量的空间效应不显著。

4. 3 异质性分析

4. 3. 1 四大地区的异质性分析

通过MoransI、LM、Robust LM、LR 和Wald 检验发现不管是考虑控制变量还是不考虑控制变量，四大地区的空间面板模型优于传统面板模型，空间面板回归结果见表7。另外，从拟合优度来看，考虑控制变量的模型更好一些。在考虑控制变量的模型中，除西部地区以外，其他三地区农业产业集聚对农业碳生产率的影响呈倒“U”型。根据__ AIA = -β1 2β2对系数进行计算，可得到农业产业集聚对农业碳生产率回归曲线的拐点，结合四大地区的农业产业集聚水平，呈倒“U”型的东部、中部和东北地区，农业产业集聚平均水平都处在拐点左侧，这些地区提高农业产业集聚水平可以提升该地区的农业碳生产率，而呈“U”型的西部地区，其农业产业集聚平均水平在拐点右侧，代表着农业产业集聚水平的提高同样可以带来农业碳生产率的提高。

4. 3. 2 农业大省和非农业大省的异质性分析

将考察地区按2005—2019年平均农林牧渔总产值的数值进行排序，前15位分一组为农业大省份（包括山东、河南、江苏、四川、河北、广东、湖北、湖南、黑龙江、广西、安徽、辽宁、福建、云南和浙江），排名后16的地区为非农业大省份（包括江西、新疆、内蒙古、陕西、吉林、贵州、重庆、甘肃、山西、海南、宁夏、北京、天津、上海、青海和西藏），分别查看这两组地区农业产业集聚对农业碳生产率的影响，结果见表8列（13）至列（16）。从表中可以看出，对于所有地区，考虑控制变量模型的拟合优度都较高。而对于农业大省，农业产业集聚对农业碳生产率的影响呈倒“U”型，但农业产业集聚的二次项不显著，考察期内农业大省的平均农业产业集聚水平在拐点左侧，所以，对于这些地区而言，提升农业产业集聚水平可以提升农业碳生产率；对于非农业大省，农业产业集聚对农业碳生产率的影响也呈倒“U”型，农业产业集聚一次项和二次项都通过显著性检验，且考察期内非农业大省的平均农业产业集聚水平在拐点左侧，所以，对于这些地区而言，提升农业产业集聚水平同样也可以提升农业碳生产率，但和农业大省相比，非农业大省提升农业产业集聚水平对农业碳生产率的影响更显著。这主要是因为农业大省本身农业水平发展较高，其农业产业集聚对农业碳生产率影响的边际效应不如非农业大省高。

4. 3. 3 不同农业产业集聚水平地区的异质性分析

下面考察不同产业集聚水平地区其农业产业集聚对农业碳生产率的影响有何差别，将考察期内农业产业集聚高于平均值的归入高农业产业集聚区（包括河北、辽宁、吉林、黑龙江、安徽、江西、河南、湖北、湖南、广西、海南、四川、贵州、云南、西藏、甘肃、宁夏和新疆），将考察期内农业产业集聚低于平均值的归入低农业产业集聚区（包括北京、天津、山西、内蒙古、上海、江苏、浙江、福建、山东、广东、重庆、陕西和青海），结果见表8列（17）至列（20）。从中可以看出，两类地区考虑控制变量模型的拟合优度优于不考虑控制变量的模型。低农业产业集聚水平的地区农业产业集聚对农业碳生产率的影響呈倒“U”型，考察期内该类地区的平均农业产业集聚水平在拐点左侧，所以，农业产业集聚水平的提高可以提升农业碳生产率；高农业产业集聚水平的地区农业产业集聚对农业碳生产率的影响呈“U”型，考察期内该类地区的平均农业产业集聚水平（1. 467 7）在拐点左侧，但非常接近拐点，因此，该类地区提升农业产业集聚水平至拐点后，农业产业集聚的提升终会带来农业碳生产率的提高。从农业产业集聚的模型系数看，低农业产业集聚地区的农业产业集聚对农业碳生产率的影响明显高于高农业产业集聚水平的地区，说明低农业产业集聚水平地区可以充分利用这个优势，不断提高本地区的农业产业集聚水平，促进农业碳生产率的提升。

4. 4 财政分权调节的空间计量模型回归结果

将财政分权作为调节变量加入空间模型，计量结果如表9。从全国来看，加入财政分权与农业产业集聚一次项和二次项的交叉项后，不考虑控制变量的模型中，农业产业集聚对农业碳生产率的影响依旧是“U”型，但影响程度减弱，而考虑控制变量的模型中，农业产业集聚对农业碳生产率的影响由原来不显著“U”型转变成一次项显著的倒“U”型，后者拟合优度优于前者。根据表4可知，当主效应为倒“U”型时，AIA2×FD 回归系数为正，即财政分权使农业产业集聚对农业碳生产率影响拐点两侧曲线更为平缓，减缓了农业产业集聚对农业碳生产率的影响。这意味着地方政府还是过多地看重经济增长，对环境治理、农业碳排放等重视不足，这与目前地方政府的政绩考核制度也有一定的关联。

从四大地区来看，考虑财政分权调节作用和不考虑时农业产业集聚对农业碳生产率影响曲线的开口方向几乎没有变化，根据表4可知道在考虑控制变量的模型中，农业产业低聚集区（东部和中部地区）的财政分权会削弱农业产业集聚对农业碳生产率的影响，农业产业高聚集区（西部和东北地区）的财政分权会增强农业产业集聚对农业碳生产率的影响，说明目前的财政分权方式和力度对农业产业高聚集区是有利的。结合前面的分析，在西部和东北地区，农业产业集聚的提高可以提升农业碳生产率，因此，这两个地区的财政分权可以更好地促进农业产业集聚对农业碳生产率的提升。

4. 5 稳健性分析

为更全面和准确地反映农业产业集聚对农业碳生产率的影响，避免因解释变量和空间权重选取偏差产生的有偏结果，文章分别用产业平均地理集聚率代替产值区位熵和用地理距离权重矩阵代替邻接权重矩阵的方法进行稳健性分析，发现结果与前文结果区别不大：在全国和四大地区都表现出农业产业集聚水平的提高有利于农业碳生产率的提升；农业产业集聚对农业碳生产率的影响在农业和非农业地区、产业集聚水平不同地区有差异；财政分权的调节作用也具有地区差异性，东部和中部地区会削弱农业产业集聚对农业碳生产率的影响，西部和东北地区财政分权会增强农业产业集聚对农业碳生产率的影响。

5 结论与建议

为了顺利实现2030年前碳达峰目标，加快推进农业绿色发展，促进农业固碳增效，提高农业碳生产率是应对低碳减排和可持续高质量发展的必然要求。因此，文章先描述了农业产业集聚和农业碳生产率的发展轨迹，然后从空间视角研究农业产业集聚对农业碳生产率的影响，并从四大地区、不同农业发展水平和农业产业集聚水平进行差异性分析，最后探究财政分权在农业产业集聚对农业碳生产率影响中的调节作用。主要研究结论概括如下。

（1）中国整体和四大地区的农业碳生产率都呈逐年递增的趋势，且存在一定的空间相关性。

（2）不考虑控制变量时，农业产业集聚对本地农业碳生产率具有显著的“U”型影响，但不利于周边地区农业碳生产率，考虑控制变量时，农业产业集聚对本地农业碳生产率的影响不显著，但对周边地区农业碳生产率具有显著的倒“U”型影响。

（3）控制变量中经济发展水平对农业碳生产率有显著的正“U”影响，农民知识水平的提高会显著地提升农业碳生产率，而农业产业结构中种植业和畜牧业的比重增加不利于农业碳生产率的提升，控制变量的滞后项中，经济发展水平的滞后项对农业碳生产率的影响呈正“U”型，种植业比重、农民知识水平和农业贸易水平的滞后项对农业碳生产率有显著的正面影响。

（4）农业产业集聚对农业碳生产率的影响在四大地区、不同农业发展水平和不同农业产业集聚水平地区都显著，且存在异质性。

（5）财政分权在全国层面会削弱农业产业集聚对农业碳生产率的影响，另外，在农业产业集聚水平不同的地区有异质性：农业产业低聚集区（东部和中部地区）的财政分权会削弱农业产业集聚对农业碳生产率的影响，农__业产业高聚集区（西部和东北地区）的财政分权会增强农业产业集聚对农业碳生产率的影响。

结合上述研究，提出以下三点政策启示：①由于农业碳生产率具有空间异质性，需将“相对减排”（农业碳生产率较高地区）和“绝对减排”（农业碳生产率较低地区）结合起来，在落实中央“双碳”工作部署的前提下，推进农业减污降碳协同增效合作机制，同时，不断挖掘农业固碳增汇的生态价值和经济价值，梯次有序推进各地区实现“双碳”目标。②推动农业产业集聚由“数量增加”向“质量提升”的转变，同时避免因过度集聚而导致资源错配或低效供给引发的拥挤效应，通过实施农业产业集聚非均衡发展策略，充分发挥其对提升农业碳生产率的促进作用，逐渐形成特色合理的地区农业产业发展格局。③建立中央与地方财政收支的动态调整机制，适当增加财政支农比重，同时根据各地市农业发展特点，因地制宜地倾斜财政政策支持重点领域，在充分发挥市场机制配置资源作用下，利用财政资源和手段，推动农业产业合理集聚，提升农业碳生产率，实现农业高质量发展。

参考文献

［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］ 闵继胜，胡浩. 中国农业生产温室气体排放量的测算［J］. 中国人口·资源与环境，2012，22（7）：21-27.

［4］ 王畅，李松柏. 国外农业产业集聚经验及对中国的启示［J］. 世界农业，2018（1）：13-17.

［5］ 甘行琼，李玉姣，蒋炳蔚. 财政分权、地方政府行为与产业结构转型升级［J］. 改革，2020（10）：86-103.

［6］ 崔志坤，李菁菁. 财政分权、政府竞争与产业结构升级［J］. 财政研究，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. 农业产业集群的研究现状及其导向：组织创新视角［J］. 中国农村经济，2011（3）：49-58.

［9］ 尹成杰. 新阶段农业产业集群发展及其思考［J］. 农业经济问题，2006，27（3）：4-7，79.

［10］ 周新德. 基于生命周期阶段的农业产业集群形成和演化机理分析［J］. 经济地理，2009，29（7）：1134-1138.

［11］ 王艳荣，刘业政. 农业产业集聚形成机制的结构验证［J］. 中国农村经济，2011（10）：77-85.

［12］ 杜建军，张军伟，邵帅. 供给侧改革背景下中国农业产业集聚的形成演变研究［J］. 财贸研究，2017，28（5）： 33-46，99.

［13］ 黄海平，龚新蜀，黄宝连. 基于专业化分工的农业产业集群竞争优势研究：以寿光蔬菜产业集群为例［J］. 农业经济问题，2010，31（4）：64-69，111.

［14］ 李二玲，庞安超，朱纪广. 中国农业地理集聚格局演化及其机制［J］. 地理研究，2012，31（5）：885-898.

［15］ 贾兴梅，李平. 农业集聚度变动特征及其与农业经济增长的关系：我国12类农作物空间布局变化的实证检验［J］. 中国农业大学学报，2014，19（1）：209-217.

［16］ 张哲晰，穆月英. 农业产业集聚的生产效应及提升路径研究［J］. 经济经纬，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］ 卫龙宝，李静. 农业产业集群内社会资本和人力资本对农民收入的影响：基于安徽省茶叶产业集群的微观数据［J］. 农业经济问题，2014，35（12）：41-47，110.

［20］ 吴厚纯，王成军. 基于国际视角的城市化不同发展阶段耕地变化速度差异实证研究［J］. 世界农业，2015（12）： 31-36.

［21］ 年猛. 农业产业集聚：文献综述及其引申［J］. 生态经济，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，张俊飚，李波. 中国农业碳排放研究：测算、时空比较及脱钩效应［J］. 资源科学，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］ 崔朋飞，朱先奇，李玮. 中国农业碳排放的动态演进与影响因素分析［J］. 世界农业，2018（4）：127-134.

［26］ 田成诗，陈雨. 中国省际农业碳排放测算及低碳化水平评价：基于衍生指标与TOPSIS法的运用［J］. 自然资源学报，2021，36（2）：395-410.

［27］ 李波，张俊飚，李海鹏. 中国农业碳排放时空特征及影响因素分解［J］. 中国人口·资源与环境，2011，21（8）： 80-86.

［28］ 何艳秋，陈柔，吴昊玥，等. 中国农业碳排放空间格局及影响因素动态研究［J］. 中国生态农业学报，2018，26（9）： 1269-1282.

［29］ 金书秦，林煜，牛坤玉. 以低碳带动农业绿色转型：中国农业碳排放特征及其减排路径［J］. 改革，2021（5）： 29-37.

［30］ 程琳琳，张俊飚，田云，等. 中国省域农业碳生产率的空间分异特征及依赖效应［J］. 资源科学，2016， 38（2）： 276-289.

［31］ 程琳琳，张俊飚，何可. 多尺度城镇化对农业碳生产率的影响及其区域分异特征研究：基于SFA、E指数与SDM的实证［J］.中南大学学报（社会科学版），2018，24（5）：107-116.

［32］ 胡中应. 技术进步、技术效率与中国农业碳排放［J］. 华东经济管理，2018，32（6）：100-105.

［33］ 程琳琳，张俊飚，何可. 农业产业集聚对碳效率的影响研究：机理、空间效应与分群差异［J］. 中国农业大学学报，2018，23（9）：218-230.

［34］ 李文华，周倩，陈永强. 农业产业集聚与碳排放：我国省际层面的实证分析［J］. 江苏农业科学，2018，46（24）： 436-441.

［35］ 张哲晰，穆月英. 产业集聚能提高农业碳生产率吗？［J］. 中国人口·资源与环境，2019，29（7）：57-65.

［36］ 邓晴晴，李二玲，任世鑫. 农业集聚对农业面源污染的影响：基__于中国地级市面板数据门槛效应分析［J］. 地理研究，2020，39（4）：970-979.

［37］ 曾婧，张红. 财政分权制度下的农业经济增长绩效研究［J］. 经济问题探索，2017（8）：144-150.

［38］ 肖远飞，吴允. 财政分权、环境规制与绿色全要素生产率：基于动态空间杜宾模型的实证分析［J］. 华东经济管理，2019，33（11）：15-23.

［39］ 郑洁，付才辉，刘舫. 财政分权与环境治理：基于动态视角的理论和实证分析［J］. 中国人口·资源与环境，2020， 30（1）：67-73.

［40］ 李斌，祁源，李倩. 财政分权、FDI与绿色全要素生产率：基于面板数据动态GMM 方法的实证检验［J］. 国际贸易问题，2016（7）：119-129.

［41］ 冉启英，王健龙，杨小东. 财政分权、环境分权与中国绿色发展效率：基于地级市层面的空间杜宾模型研究［J］. 华东经济管理，2021，35（1）：54-65.

［42］ 王垒，牛文正，刘新民. 财政自主能力与碳经济绩效：产业结构升级的中介效应［J］. 中国环境管理，2019，11（6）： 75-81.

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

［44］ 段华平，张悦，赵建波，等. 中国农田生态系统的碳足迹分析［J］. 水土保持学报，2011，25（5）：203-208.

［45］ 周業安，章泉. 财政分权、经济增长和波动［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.