中國農(nóng)業(yè)能源碳排放效率的空間異質(zhì)性及其影響因素—基于空間面板數(shù)據(jù)模型的實證研究

馬大來

(重慶理工大學 管理學院,重慶 400054)

改革開放以來,我國農(nóng)業(yè)發(fā)展經(jīng)歷了從傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)變的歷程,在創(chuàng)造大量財富的同時,帶來了能源消耗和環(huán)境污染等問題。大量農(nóng)藥、化肥、農(nóng)業(yè)機械等高碳型生產(chǎn)資料投入,驅(qū)動農(nóng)業(yè)部門的能源消費量不斷增加,最終導致農(nóng)業(yè)能源碳排放在整個農(nóng)業(yè)碳排放中的比重不斷提升。在整個農(nóng)業(yè)部門的碳排放結(jié)構(gòu)中,按照國際通用的IPCC方法估算出的非能源類型的農(nóng)業(yè)碳排放(包括燃燒植物秸稈、動物糞便發(fā)酵、畜禽腸道發(fā)酵)所占比重并不高,且呈逐年減少趨勢;由化石能源消耗所引致的碳排放所占比重則不斷上升,2015年已高達60%以上。在2009年的哥本哈根氣候大會上,我國承諾到2020年單位GDP的CO2排放量將在原有的基礎(chǔ)之上下降40%—45%,這無疑會給我國帶來巨大的碳減排壓力。如何在有效實現(xiàn)CO2減排的基礎(chǔ)上發(fā)展綠色低碳農(nóng)業(yè),成為當前政府面臨的重要問題,因此必須提高農(nóng)業(yè)能源碳排放效率。

1 文獻回顧

長期以來,農(nóng)業(yè)部門的CO2排放問題較為嚴重,受到學術(shù)界的密切關(guān)注，相關(guān)研究主要集中在以下方面:①重點關(guān)注導致農(nóng)業(yè)CO2排放不斷攀升的源泉問題。就農(nóng)業(yè)CO2排放來源而論,國內(nèi)學者形成了農(nóng)業(yè)土地利用論[1]、農(nóng)用物資使用論[2]、農(nóng)業(yè)生產(chǎn)活動論[3]等多種觀點。但隨著我國煤炭、石油等化石能源在農(nóng)業(yè)領(lǐng)域的大量使用,加上國家大力倡導發(fā)展低碳農(nóng)業(yè),目前國內(nèi)學者越來越重視由農(nóng)業(yè)能源消耗所產(chǎn)生的碳排放問題。史常亮[4]、謝淑娟[5]、李國志、李宗植[6]等先后估算了我國各省份由農(nóng)業(yè)能源消耗所排放的CO2,結(jié)果發(fā)現(xiàn)其規(guī)模隨著時間推移呈現(xiàn)出穩(wěn)步上升的態(tài)勢。②對農(nóng)業(yè)CO2的排放效率開展評價,并深入探究其相關(guān)的影響因素。國外,Burney等[7]的研究表明,農(nóng)業(yè)碳生產(chǎn)效率提升對增加農(nóng)業(yè)碳匯功能起到重要促進作用;Mrini等[8]發(fā)現(xiàn)小農(nóng)田的碳效率要遠高于大農(nóng)田;Dubey、Lal[9]比較了美國俄亥俄州和印度旁遮普兩個地區(qū)農(nóng)業(yè)碳效率的差異性問題。國內(nèi),吳賢榮等[10]通過建立包含非期望產(chǎn)出的農(nóng)業(yè)碳排放效率評價模型,使用DEA-Malmquist方法測度了各省的農(nóng)業(yè)碳排放效率,結(jié)果表明省際之間的差異性表現(xiàn)突出。劉其濤[11]通過構(gòu)建ML函數(shù)測度了我國2000—2013年各省的農(nóng)業(yè)碳排放效率,發(fā)現(xiàn)不同省份的效率水平差距較大,且產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟水平和技術(shù)進步等因素均對其變化產(chǎn)生了重要影響。高鳴、宋洪遠[12]測算了我國1999—2010年各省農(nóng)業(yè)碳排放績效的ML指數(shù),考察了其收斂性問題,實證結(jié)果顯示農(nóng)業(yè)碳排放績效存在顯著的“俱樂部收斂”效應。

綜上所述,目前學術(shù)界已高度認同能源利用是產(chǎn)生農(nóng)業(yè)CO2的重要源泉。不少學者開始重點關(guān)注過度農(nóng)業(yè)能源消耗所導致碳排放不斷攀升的問題，但縱觀已有文獻,大多數(shù)研究集中在能源消費所引致碳排放絕對量增加的問題,效率評價僅關(guān)注到整個農(nóng)業(yè)部門,鮮有文獻評價由農(nóng)業(yè)能源所引致CO2的排放績效問題。同時,較之以往有關(guān)農(nóng)業(yè)碳排放效率的文獻研究,本文在以下兩點進行了拓展:①傳統(tǒng)DEA評價模型中只注重投入—產(chǎn)出變量的對應性問題,沒有考慮到變量的松弛性問題,造成評價結(jié)果存在一定的偏差,而本文構(gòu)建的農(nóng)業(yè)能源碳排放效率評價模型則將該問題考慮在內(nèi)。②鮮有文獻考察農(nóng)業(yè)能源碳排放效率在空間上可能存在的自相關(guān)性和異質(zhì)性特征,而該問題對回歸模型的構(gòu)建具有重要的影響。鑒于此,本文首先使用mSBM方法測度了1998—2016年各個省份的農(nóng)業(yè)能源碳排放效率,分別采用Morans′I指數(shù)和空間LISA圖分析了農(nóng)業(yè)能源碳排放效率的空間自相關(guān)性、空間異質(zhì)性問題,通過構(gòu)建空間面板數(shù)據(jù)模型考察了農(nóng)業(yè)能源碳排放效率的影響因素。

2 理論基礎(chǔ)與測算方法

2.1 環(huán)境技術(shù)理論

zi≥0,i=1,2,…,N}

(1)

式(1)是一個典型的生產(chǎn)性集合,具有封閉、凸性和有界三個重要特征。此外，該集合還具備投入要素自由處置性、期望產(chǎn)出強可處置性、投入—產(chǎn)出弱可處置性、零結(jié)合性等特點,反映出在完整的生產(chǎn)過程中均可能出現(xiàn)投入要素過多、非期望產(chǎn)出冗余、期望產(chǎn)出不足等缺陷,致使整個效率未能達到前沿面,即出現(xiàn)效率過低的情況。鑒于投入要素和產(chǎn)出結(jié)果有較強的對應關(guān)系。即有限的要素投入也只能帶來有限的產(chǎn)出,因此要實現(xiàn)效率的最優(yōu)化改進,唯一途徑是調(diào)整要素投入—產(chǎn)出的數(shù)量關(guān)系。該理論既為精準測度農(nóng)業(yè)能源碳排放效率奠定了相應的理論基礎(chǔ),又給出了實現(xiàn)效率最大化改進的途徑。

2.2 至強有效前沿的最小距離法

借鑒Jahanshahloo等[14]有關(guān)DEA方法的研究成果,本文給出了包含非期望產(chǎn)出的至強有效前沿的最小距離法(mSBM)。該方法構(gòu)建的原理在于在整個生產(chǎn)集合中,找出距離最小的L1值,以此確定整個生產(chǎn)前沿上的投影點,測算出最終效率值。

(2)

(3)

(4)

2.3 農(nóng)業(yè)能源碳排放綜合效率函數(shù)

為科學準確測算本文的核心內(nèi)容——農(nóng)業(yè)能源碳排放效率,需要構(gòu)建包含投入—產(chǎn)出變量的評價模型。整個評價模型分別由三種投入要素和兩種產(chǎn)出結(jié)果所構(gòu)成,其中三種投入要素為農(nóng)業(yè)資本存量、農(nóng)業(yè)勞動力和農(nóng)業(yè)能源消耗,分別使用K、L和E字母表示;產(chǎn)出結(jié)果則由各個省份的農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)能源CO2構(gòu)成,其中農(nóng)業(yè)總產(chǎn)值用字母y表示,代表期望產(chǎn)出,農(nóng)業(yè)能源CO2用字母b表示,代表非期望產(chǎn)出。為滿足測算的需要,整個評價體系對投入變量—產(chǎn)出變量分別賦予一定的權(quán)重,其中農(nóng)業(yè)資本存量(K)、農(nóng)業(yè)勞動力(L)、農(nóng)業(yè)能源消耗(E)的權(quán)重均為1/6,而農(nóng)業(yè)總產(chǎn)值(y)和農(nóng)業(yè)能源碳排放(b)的權(quán)重則均為1/4。參考Cooper等[15]研究成果,本文給出投入無效率、期望產(chǎn)出無效率和非期望產(chǎn)出無效率的方程式分別為:

(5)

(6)

(7)

(8)

3 農(nóng)業(yè)能源碳排放效率評價及其空間異質(zhì)性

3.1 變量說明與數(shù)據(jù)來源

本文構(gòu)建的農(nóng)業(yè)能源碳排放效率評價模型中包含了農(nóng)業(yè)資本存量、農(nóng)業(yè)勞動力和農(nóng)業(yè)能源消耗三種投入變量,農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)能源CO2兩種產(chǎn)出結(jié)果。各投入—產(chǎn)出變量的概念界定為:①農(nóng)業(yè)資本存量。按照王金田等[16]的研究成果,采用“永續(xù)盤存法”計算每個省份歷年的農(nóng)業(yè)資本存量,表達式為:Ki,t=Ii,t+(1-δ)Ki,t-1。式中,Ki,t、Ii,t、δ分別代表第i省t期的資本存量、農(nóng)業(yè)投資、資本折舊率。為消除價格通貨膨脹所帶來的失真影響,本文以1978年的農(nóng)業(yè)生產(chǎn)資料價格作為基期價格,按照平減指數(shù)法把名義農(nóng)業(yè)資本存量轉(zhuǎn)換成實際農(nóng)業(yè)資本存量。②農(nóng)業(yè)勞動力。根據(jù)國內(nèi)有關(guān)表征農(nóng)業(yè)勞動力的研究成果,本文采用每年各省的農(nóng)業(yè)從業(yè)人員來衡量。③農(nóng)業(yè)能源消耗。為精準衡量當前的農(nóng)業(yè)能耗狀況,結(jié)合《中國統(tǒng)計年鑒》的計算口徑,本文最終選擇農(nóng)業(yè)部門的煤炭、焦炭、柴油、汽油、煤油、燃料油、電力等7種能源作為計算基數(shù)。為方便計算,基于以萬t標準煤為單位的標準能源折合系數(shù),本文將各個能源進行統(tǒng)一折算加總后作為農(nóng)業(yè)部門的能源消費總量。④農(nóng)業(yè)總產(chǎn)值。鑒于年鑒上提供的僅僅是名義農(nóng)業(yè)總產(chǎn)值,各個省份的實際農(nóng)業(yè)總產(chǎn)值同樣以1978年的農(nóng)業(yè)生產(chǎn)資料價格作為基期,將名義農(nóng)業(yè)總產(chǎn)值轉(zhuǎn)換為實際農(nóng)業(yè)總產(chǎn)值。⑤農(nóng)業(yè)能源CO2。由于國家相關(guān)的權(quán)威部門尚未公布有關(guān)農(nóng)業(yè)CO2排放的具體數(shù)據(jù),根據(jù)IPCC(2006)聯(lián)合國氣候變化框架公約和京都議定書指定的國家溫室氣體清單指南第二卷(能源)第六章提供的參考方法,本文選擇下列方程計算出由農(nóng)業(yè)能源消耗所產(chǎn)生的CO2:

(9)

式中,CO2為采用該公式估算出的CO2排放量,i=1,2,…,7分別代表煤炭、焦炭、柴油、汽油、煤油、燃料油和電力等7種農(nóng)業(yè)能源;E為上述7種能源加總后的能源消費量,鑒于不同能源的統(tǒng)計單位存在差異,本文采用以萬t標準煤為能源折合系數(shù)對各個農(nóng)業(yè)能源折算后進行相加;NCV、CEF、COF分別代表化石能源燃燒后的氧化因子、能源凈發(fā)熱值和碳排放系數(shù);44、12分別代表CO2和碳的分子量。

為了最大程度保證數(shù)據(jù)的全面性和可得性兩個基本原則,本文最終選定我國1998—2016年30個省份(香港與澳門特別行政區(qū)、西藏自治區(qū)、臺灣地區(qū)除外)的面板數(shù)據(jù)作為考察樣本。本文所使用的數(shù)據(jù)均來自于相關(guān)年份的《中國統(tǒng)計年鑒》、《中國農(nóng)業(yè)年鑒》、《中國能源統(tǒng)計年鑒》和各地方統(tǒng)計年鑒,下同。

3.2 農(nóng)業(yè)能源碳排放效率的靜態(tài)時序分析

基于式(2)—式(8),本文使用DEA軟件測度出1998—2016年30個省份的農(nóng)業(yè)能源碳排放效率,結(jié)果見圖1。由圖1可知,在樣本考察期內(nèi)只有北京和天津的平均農(nóng)業(yè)能源碳排放效率為1,位于生產(chǎn)的前沿面上;其他省份的效率水平均低于1,未能達到效率最優(yōu)。在考察的30個省份中,排名前五位的省份分別為北京、天津、遼寧、海南和上海,農(nóng)業(yè)能源碳排放效率平均值均在0.9以上。這些省份的效率值之所以較高,原因在于:北京和天津作為全國僅有的效率值為1的地區(qū),農(nóng)業(yè)技術(shù)發(fā)達、農(nóng)業(yè)產(chǎn)出水平高,且以城郊農(nóng)業(yè)為主體的農(nóng)業(yè)生產(chǎn)部門具備了較高的“碳匯”能力;遼寧作為傳統(tǒng)的農(nóng)業(yè)生產(chǎn)大省,不但整個農(nóng)業(yè)部門的結(jié)構(gòu)較合理,而且大規(guī)模推廣農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營,農(nóng)業(yè)產(chǎn)出效益較高;海南作為全國重要的熱帶水果生產(chǎn)基地,種植業(yè)所占比重較低,農(nóng)業(yè)能源使用量較小,整個農(nóng)業(yè)部門的碳排放強度較低;上海同樣以城郊農(nóng)業(yè)為主,農(nóng)業(yè)產(chǎn)出水平高,農(nóng)業(yè)能源得到充分利用,且優(yōu)越地理位置使農(nóng)業(yè)相對效益也較高。而農(nóng)業(yè)能源碳排放效率位居全國后五位的省份分別是云南、安徽、貴州、新疆和山西,平均值均在0.5以下。其中,云南盡管近幾年的農(nóng)業(yè)產(chǎn)出增加較快,但依靠大量的農(nóng)用物資投入作為基礎(chǔ),屬于典型的高碳農(nóng)業(yè);安徽的農(nóng)業(yè)發(fā)展則受制于種植業(yè)結(jié)構(gòu)的影響,糧食作物居多而經(jīng)濟作物較少,農(nóng)業(yè)生產(chǎn)效益較差;貴州、新疆由于落后的農(nóng)業(yè)技術(shù)和較差的農(nóng)業(yè)生產(chǎn)條件,使整個農(nóng)業(yè)產(chǎn)出水平較低;山西的農(nóng)業(yè)低碳水平較低與其農(nóng)業(yè)能源大量使用,且利用效率較低是緊密相關(guān)的。

圖1 我國30個省份的平均農(nóng)業(yè)能源碳排放效率

整體而言,我國省際間的農(nóng)業(yè)能源碳排放效率呈現(xiàn)出較強的區(qū)域差異性,大多數(shù)農(nóng)業(yè)能源碳排放效率較高的省份位于東部沿海地區(qū),而農(nóng)業(yè)能源碳排放效率較低的省份則大多處于中西部內(nèi)陸地區(qū)。如果能加快效率水平落后的中西部省份的發(fā)展速度,不但有利于縮小省際間農(nóng)業(yè)能源碳排放效率的差距,而且對提升我國整體的低碳農(nóng)業(yè)水平具有非常重要的意義。

3.3 農(nóng)業(yè)能源碳排放效率的空間異質(zhì)性分析

由于我國地域廣大,不同區(qū)域之間的農(nóng)業(yè)稟賦、資源情況存在較大差別,因此不同省份的農(nóng)業(yè)發(fā)展存在較大差異性,那么這種情況是否反映在低碳農(nóng)業(yè)發(fā)展上。即農(nóng)業(yè)能源碳排放效率在空間上是否表現(xiàn)出顯著的空間異質(zhì)性,這是本文需要考察的重要方面?？臻g異質(zhì)性又稱為空間不均勻性,具體指不同省份的農(nóng)業(yè)能源碳排放效率不僅有區(qū)域差異之分,還存在空間上的集聚和離群之別。但要考察農(nóng)業(yè)能源碳排放效率的空間異質(zhì)性,一般先要衡量農(nóng)業(yè)能源碳排放效率是否存在著顯著的空間自相關(guān)性。通常,空間自相關(guān)性可用空間自相關(guān)系數(shù)表征,表達式為[17]:

(10)

(11)

全局空間自相關(guān)系數(shù)Moran′s I僅反映出被研究對象在整體上的空間自相關(guān)性問題,而對其內(nèi)部具體的空間異質(zhì)性特征是無法考察的。為探究不同省份農(nóng)業(yè)能源碳排放效率空間分布的異質(zhì)性特征,本文據(jù)此引入局部空間相關(guān)性指標——局部散點圖(LISA)來詳細觀察被研究對象在局部空間分布上的異質(zhì)性問題。Moran′s I的方程表達式為[18]:

(12)

通過引入由0和1所構(gòu)成的空間鄰接矩陣,本文使用Geoda軟件計算出我國1998—2016年農(nóng)業(yè)能源碳排放效率的全局Moran′s I指數(shù)。根據(jù)表1的計算結(jié)果,在樣本考察期內(nèi)我國農(nóng)業(yè)能源碳排放效率的全局Moran′s I均取值為正,且通過了1%的顯著水平的檢驗,充分反映出農(nóng)業(yè)能源碳排放效率在空間上具有顯著的空間自相關(guān)性。該空間特征對農(nóng)業(yè)能源碳排放效率的變遷產(chǎn)生重要影響,即省際農(nóng)業(yè)能源碳排放效率表現(xiàn)出較強的空間集聚格局,并不是呈隨機性的空間分布。因此,在對農(nóng)業(yè)能源碳排放效率進行深入研究時不能忽視其空間自相關(guān)性特征,否則將導致模型的回歸結(jié)果與實際存在著較大的誤差。

表1 1998—2016年我國農(nóng)業(yè)能源碳排放效率的Moran′s I指數(shù)

為了直觀反映農(nóng)業(yè)能源碳排放效率在局部空間分布的異質(zhì)性現(xiàn)象,本文繪制了1998—2016年我國平均農(nóng)業(yè)能源碳排放效率的局部散點圖(LISA),見圖2。局部散點圖共分為4個象限,其中第一、三現(xiàn)象為空間集聚區(qū)域,分別代表著高值集聚(H-H)和低值集聚(L-L),意味著本身的農(nóng)業(yè)能源碳排放效率水平高(低),且四周鄰近省份的農(nóng)業(yè)能源碳排放效率水平也高(低);第二、四象限則為空間離群區(qū),意味著本身的農(nóng)業(yè)能源碳排放效率較高(低),而四周鄰近省份農(nóng)業(yè)能源碳排放效率則較低(高)。此外,位于第一、三象限的省份屬于典型的中心地區(qū),而第二、四象限的省份屬于非典型的外圍地區(qū)。其中,北京、上海、天津、遼寧、吉林、黑龍江、浙江、江蘇、江西、福建、湖北、廣東、海南等13個省份位于第一象限,占全部統(tǒng)計單元的43.33%,這些省份屬于典型的高值集聚區(qū);山西、河北、山東、安徽、湖南等5個省份處于第二象限,占全部統(tǒng)計單元的16.67%,這些省份屬于空間離群區(qū);位于第三象限的河南、重慶、四川、貴州、云南、寧夏、甘肅、青海、新疆等9個省份,占全部統(tǒng)計單元的30%,這些省份屬于典型的低值集聚區(qū);僅內(nèi)蒙古、陜西和廣西3個省份位于第四象限,占全部統(tǒng)計單元的10%,這些省份同樣位于空間離群區(qū)內(nèi)?？梢?我國大多數(shù)省份位于高值集聚區(qū)(H-H)和低值集聚區(qū)(L-L),比例為73.33%;僅有少量省份處于空間離群區(qū)內(nèi),比例為26.67%,突出反映出省際農(nóng)業(yè)能源碳排放效率在局部上表現(xiàn)出顯著的空間異質(zhì)性特征。

圖2 1998—2016年我國農(nóng)業(yè)能源碳排放效率的局部散點圖

4 農(nóng)業(yè)能源碳排放效率影響因素的空間回歸分析

4.1 空間計量模型構(gòu)建與數(shù)據(jù)來源

通過進一步考察農(nóng)業(yè)能源碳排放效率的外在影響因素,這對加快我國農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型具有重要意義。借鑒已有成研究果,本文從以下方面考察對農(nóng)業(yè)能源碳排放效率的影響:①經(jīng)濟發(fā)展水平(GDP)。經(jīng)濟發(fā)展與農(nóng)業(yè)現(xiàn)代化的發(fā)展進程息息相關(guān)[19],農(nóng)業(yè)現(xiàn)代化程度不但關(guān)系到農(nóng)業(yè)產(chǎn)出的大小,而且關(guān)系到農(nóng)業(yè)能源的利用效率,會對農(nóng)業(yè)能源CO2排放產(chǎn)生重要影響。②農(nóng)村人力資本(HUM)。農(nóng)民受教育程度決定了農(nóng)地利用方式和對先進農(nóng)業(yè)技術(shù)的采用程度,影響到農(nóng)業(yè)能源的利用規(guī)模和碳排放量的大小,直接關(guān)系到農(nóng)業(yè)能源碳排放效率高低。③農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(STR)。研究表明,種植業(yè)在整個農(nóng)業(yè)中所占的比重越高,不但整個農(nóng)業(yè)的“碳匯”效應會越差[20],而且會極大地提高整個農(nóng)業(yè)能源的使用強度,明顯降低農(nóng)業(yè)能源碳排放效率。④農(nóng)業(yè)財政支出(GOV)。政府用于支持農(nóng)業(yè)發(fā)展的財政規(guī)模越大,農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)就越完善,地區(qū)先進生產(chǎn)技術(shù)普及程度越高,有利于提高農(nóng)業(yè)能源碳排放效率。⑤農(nóng)業(yè)技術(shù)創(chuàng)新(TEG)。農(nóng)業(yè)技術(shù)研發(fā)力度通常最能體現(xiàn)該地區(qū)的農(nóng)業(yè)現(xiàn)代化程度[21],農(nóng)業(yè)技術(shù)研發(fā)力度越強,說明該地區(qū)土地集約化程度越高,農(nóng)業(yè)資源使用量越小,有利于提升農(nóng)業(yè)能源碳排放效率。⑥城鎮(zhèn)化水平(UBR)。研究發(fā)現(xiàn),城鎮(zhèn)化為我國實現(xiàn)農(nóng)業(yè)規(guī)模化和產(chǎn)業(yè)化經(jīng)營創(chuàng)造了必要條件[22],有利于提升農(nóng)業(yè)部門的能源利用效率,進而提高農(nóng)業(yè)能源碳排放效率。

本文印證了農(nóng)業(yè)能源碳排放效率具有顯著的空間自相關(guān)性,這一特性對模型構(gòu)建具有重要的影響。假如只建立傳統(tǒng)的普通計量模型而忽略空間效應,則有可能導致實證結(jié)果與實際存在較大偏差。因此,為提高模型估計的精準性,有必要將空間效應納入到傳統(tǒng)的模型之中,而空間計量模型正是符合本文實證模型的最好選擇。本文構(gòu)建的空間面板數(shù)據(jù)模型形式為:

AECTEi,t=αt+φt+β1GDPi,t+β2HUMi,t+β3STRi,t+β4GOVi,t+β5TEGi,t+β6URB+δΣjWij

(AECTEi,t)+μi,t

μi,t=λΣjWi,j×υi,t+εi,t

(13)

該模型同時表現(xiàn)為SEM和SAR兩種基本形式,但究竟采取哪種形式,取決于空間自回歸系數(shù)δ和空間誤差系數(shù)λ的取值情況。假如δ為0,則該模型為空間誤差模型(SEM);假如λ為0,則該模型為空間自回歸模型(SAR)。αi代表空間固定效應,φt代表時間固定效應。此外,該模型中各變量的具體涵義為:AECTE為農(nóng)業(yè)能源碳排放效率;GDP為經(jīng)濟發(fā)展水平,具體用i省份第t年的人均國內(nèi)生產(chǎn)總值的自然對數(shù)來表示;HUM代表農(nóng)村人力資本,具體用各個省份具有初中及以上文化程度的農(nóng)村勞動者占總?cè)丝诘谋戎貋肀硎?STR代表農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu),具體以種植業(yè)產(chǎn)值占農(nóng)林牧漁總產(chǎn)值的比重來表征;GOV代表農(nóng)業(yè)財政支出,具體以各地區(qū)農(nóng)林水利財政支出占全部財政總支出的比重來表示;TEG代表農(nóng)業(yè)技術(shù)創(chuàng)新,具體對各省份的農(nóng)業(yè)發(fā)明授權(quán)、外觀設(shè)計和實用新型專利取自然對數(shù)來表征;URB代表城鎮(zhèn)化水平,具體以各地區(qū)從事非農(nóng)業(yè)人口占全部總?cè)丝诘谋戎貋肀硎尽?/p>

4.2 實證結(jié)果及其解釋

首先使用普通的計量方法對模型(13)進行模擬,并驗證模型的殘差項是否存在著空間自相關(guān)性,回歸結(jié)果見表2。為進一步提高模型估算的準確性,有必要對整個模型采取何種固定效用做出選擇。因此,表2同時列出混合面板模型、地區(qū)固定效應模型、時間固定效應模型和雙向固定效應模型,通過對4種不同效應下的檢驗結(jié)果進行對比分析,以選擇出最優(yōu)的實證模型。

表2 普通面板數(shù)據(jù)模型的估計與檢驗結(jié)果

注:()中數(shù)據(jù)為T檢驗值,*、**、***分別表示10%、5%、1%的顯著性水平;模型估計、空間自相關(guān)檢驗使用Matlab7.11。

根據(jù)表2的驗證結(jié)果,首先就擬合優(yōu)度的判定系數(shù)而言,混合模型、空間固定效應模型、時間固定效應模型和雙向固定效應模型的擬合優(yōu)度分別為0.6012、0.3086、0.6126和0.5475,比較后發(fā)現(xiàn)時間固定效應模型是最大的,表明時間固定效應模型的擬合優(yōu)度最好。其次比較4個模型DW值的大小發(fā)現(xiàn),時間固定效應模型的DW值為1.9226,也大于其他3個模型。通過以上驗證結(jié)果的對比顯示,相較于其他3個模型,時間固定效應模型的結(jié)果是最優(yōu)的。因此,本文最終選擇時間固定效應模型開展實證分析。同時,為驗證普通模型的殘差項是否具有顯著的空間自相關(guān)性,表2還分別給出了LM-sar和LM-err統(tǒng)計量的估計結(jié)果。在時間固定效應模型中,LM-sar、LM-err的統(tǒng)計值分別為41.5829、0.0057,前者通過了1%顯著水平的檢驗,而后者未能通過顯著水平檢驗,表明普通模型的殘差項具有空間自相關(guān)性,因此其回歸結(jié)果不可避免地存在著偏差。此外,由于LM-sar的統(tǒng)計量大于LM-err,因此較之空間誤差模型,空間自回歸模型是本文空間計量模型的最好選擇。

由于普通模型的殘差項具有顯著的空間自相關(guān)性,其估計結(jié)果可能存在一定偏差。因此,本文分別采用空間自回歸模型(SAR)和空間誤差模型(SEM)對模型形式(13)進行重新回歸,結(jié)果見表3。由表3可知:一方面,兩個空間計量模型的擬合優(yōu)度判定系數(shù)均和對數(shù)似然函數(shù)值Log-L均在普通模型的基礎(chǔ)上實現(xiàn)了提升;另一方面,空間計量模型各變量系數(shù)的正負仍與普通模型的結(jié)果保持一致,但T檢驗值卻有所增加,這表明空間計量模型的估計結(jié)果優(yōu)于普通模型的結(jié)果。在兩個空間面板時間固定效應模型中,SAR、SEM模型中的Log-L值分別為377.5931、350.6437,前者大于后者,說明SAR模型的解釋力度更強,因此本文最終對空間自回歸模型(SAR)變量系數(shù)的現(xiàn)實意義進行了解釋分析。

表3 空間面板數(shù)據(jù)模型的估計結(jié)果(時間固定效應模型)

綜上所述:①經(jīng)濟發(fā)展水平GDP在5%的顯著性水平上對農(nóng)業(yè)能源碳排放效率的影響為正,表明在其他因素不變的條件下,人均GDP的提高能顯著促進農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型。同時，這也很好地詮釋了隨著我國經(jīng)濟發(fā)展水平不斷提高,促使農(nóng)業(yè)現(xiàn)代化的推進速度不斷加快,不但進一步提升了農(nóng)業(yè)產(chǎn)出水平,而且?guī)砹司G色農(nóng)業(yè)生產(chǎn)技術(shù)變革和農(nóng)地利用方式的轉(zhuǎn)變,有助于實現(xiàn)由傳統(tǒng)高能耗農(nóng)業(yè)向綠色低碳農(nóng)業(yè)的發(fā)展轉(zhuǎn)型。②農(nóng)村人力資本HUM在1%的顯著性水平上對農(nóng)業(yè)能源碳排放效率的影響為負。這從側(cè)面反映出,當前我國農(nóng)村勞動力大多數(shù)以初、高中學歷為主,僅有極少數(shù)擁有大專及以上學歷。在當前農(nóng)業(yè)生產(chǎn)活動中,只有高素質(zhì)的農(nóng)民傾向于采用低碳農(nóng)業(yè)模式,而多數(shù)中等文化素質(zhì)的農(nóng)民更青睞“高能耗、高產(chǎn)出”的傳統(tǒng)農(nóng)業(yè)模式,這無疑對會對農(nóng)業(yè)能源碳排放效率產(chǎn)生負面影響。③農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)STR的估計系數(shù)顯著為負,表明種植業(yè)規(guī)模擴大對農(nóng)業(yè)能源碳排放效率提升產(chǎn)生了消極影響。目前在我國大部分省份的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)中,種植業(yè)部門仍占據(jù)了較大比重,而其他具備高“碳匯”效應的林業(yè)、牧業(yè)所占的比重較小。與林業(yè)、牧業(yè)和副業(yè)相比,種植業(yè)不但需要大量的農(nóng)用資料作為支撐,而且對農(nóng)業(yè)機械的使用數(shù)量也在逐年增加,這無疑提升了農(nóng)業(yè)部門對化石能源的需求量,進而產(chǎn)生大量的CO2,顯然不利于農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型。④農(nóng)業(yè)財政支出GOV在10%的顯著水平上對提升農(nóng)業(yè)能源碳排放效率起到了促進作用,表明政府增加涉農(nóng)資金的財政支持力度有利于農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型。由于當前我國政府已充分認識到農(nóng)業(yè)仍是整個產(chǎn)業(yè)體系中的薄弱環(huán)節(jié),因此逐步加大了對農(nóng)業(yè)部門的政策支持力度。特別是隨著惠農(nóng)型“中央一號”文件的連續(xù)頒布、“鄉(xiāng)村振興戰(zhàn)略”的提出,政府用于農(nóng)業(yè)財政支出的規(guī)模逐年增加,重點應用于改善農(nóng)業(yè)生產(chǎn)的基礎(chǔ)設(shè)施建設(shè)、農(nóng)業(yè)現(xiàn)代化技術(shù)創(chuàng)新與普及、農(nóng)民科學知識培訓等關(guān)鍵領(lǐng)域,為改善農(nóng)地利用方式,發(fā)展現(xiàn)代綠色低碳農(nóng)業(yè)提供了重要的前提條件。⑤農(nóng)業(yè)技術(shù)創(chuàng)新TEG的估計系數(shù)顯著為正,表明現(xiàn)代農(nóng)業(yè)技術(shù)的采用有利于提升農(nóng)業(yè)能源碳排放效率。這從側(cè)面反映出,隨著我國大力提倡發(fā)展綠色農(nóng)業(yè)和低碳農(nóng)業(yè),政府加大了對生態(tài)農(nóng)業(yè)技術(shù)、低碳農(nóng)業(yè)技術(shù)的研發(fā)和普及力度,逐步淘汰和替換農(nóng)業(yè)部門中的落后生產(chǎn)技術(shù),改進了農(nóng)地利用方式,提高了農(nóng)業(yè)生產(chǎn)的集約化水平,這有助于提升農(nóng)業(yè)能源碳排放效率。⑥城鎮(zhèn)化水平URB在1%的顯著性水平上對農(nóng)業(yè)能源碳排放效率的影響為正,說明加快農(nóng)業(yè)人口向非農(nóng)人口的轉(zhuǎn)變對提升農(nóng)業(yè)能源碳排放效率起到了積極作用。當前我國城鎮(zhèn)化與農(nóng)業(yè)現(xiàn)代化是相輔相成的,加快城鎮(zhèn)化進程是有效提升農(nóng)業(yè)現(xiàn)代化水平的重要途徑,有助于逐步構(gòu)建起現(xiàn)代農(nóng)業(yè)經(jīng)營體系,對實現(xiàn)農(nóng)業(yè)的高效節(jié)能生產(chǎn),降低農(nóng)業(yè)能源的碳排放強度具有重要意義。

5 結(jié)論與政策啟示

本文采用比較前沿的至強有效前沿的最小距離法(mSBM)測算了我國1998—2016年30個省份的農(nóng)業(yè)能源碳排放效率，同時在考察農(nóng)業(yè)能源碳排放效率空間自相關(guān)性和空間異質(zhì)性的基礎(chǔ)上,通過構(gòu)建空間面板數(shù)據(jù)模型研究了農(nóng)業(yè)能源碳排放效率的影響因素。主要結(jié)論為:樣本期內(nèi)的農(nóng)業(yè)能源碳排放效率測算結(jié)果表明,農(nóng)業(yè)能源碳排放效率較高的省份主要分布在東部沿海地區(qū),而中西部內(nèi)陸省份的農(nóng)業(yè)能源碳排放效率較低;根據(jù)Global Moran′s I指數(shù)可知,我國農(nóng)業(yè)能源碳排放效率存在顯著的空間自相關(guān)性,而空間LISA圖則顯示,絕大部分省份的農(nóng)業(yè)能源碳排放效率處于高值集聚區(qū)(H-H)和低值集聚區(qū)(L-L),僅有少量省份處于空間離群區(qū)內(nèi),反映出農(nóng)業(yè)能源碳排放效率具有顯著的空間異質(zhì)性特征;空間面板模型的實證結(jié)果表明,經(jīng)濟發(fā)展水平、農(nóng)業(yè)財政支出、農(nóng)業(yè)技術(shù)創(chuàng)新和城鎮(zhèn)化水平對農(nóng)業(yè)能源碳排放效率起到顯著的促進作用,而農(nóng)村人力資本和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)則對農(nóng)業(yè)能源碳排放效率具有抑制作用。

本文的研究結(jié)論為有效提升農(nóng)業(yè)能源碳排放效率,實現(xiàn)農(nóng)業(yè)發(fā)展的綠色低碳轉(zhuǎn)型提供一定的借鑒。具體的政策啟示為:①中西部地區(qū)要強化與東部地區(qū)的交流合作,通過借鑒和吸收先進的農(nóng)業(yè)管理方式和技術(shù)模式,逐步建立起農(nóng)業(yè)生態(tài)環(huán)境保護責任制,提高農(nóng)業(yè)部門的能源利用效率,降低農(nóng)業(yè)能源消耗所產(chǎn)生的CO2。②以貫徹和實施我國提出的鄉(xiāng)村振興戰(zhàn)略為契機,大力發(fā)展農(nóng)村和農(nóng)業(yè)經(jīng)濟,通過加大對傳統(tǒng)高能耗、高排放農(nóng)業(yè)發(fā)展模式的改造力度,全面推進農(nóng)業(yè)生產(chǎn)的現(xiàn)代化進程。③強化普及農(nóng)村基礎(chǔ)教育,開展以通識教育與農(nóng)業(yè)技術(shù)培訓相結(jié)合方式有效提升農(nóng)民素質(zhì),為發(fā)展綠色低碳農(nóng)業(yè)提供相應的智力支持。④各地區(qū)要結(jié)合自身的資源稟賦,因地制宜實施退耕還林、退耕還牧,同時積極發(fā)展特色農(nóng)業(yè),進一步調(diào)整和優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。⑤加大農(nóng)業(yè)財政支出力度,建立農(nóng)業(yè)財政支持低碳農(nóng)業(yè)發(fā)展的長效機制。農(nóng)業(yè)財政資金不但要優(yōu)先用于農(nóng)業(yè)低碳項目開發(fā),而且要為農(nóng)業(yè)企業(yè)提供節(jié)能技術(shù)改造補貼,鼓勵他們使用清潔能源。⑥充分發(fā)揮政府的農(nóng)業(yè)技術(shù)創(chuàng)新主導地位,鼓勵企業(yè)參與農(nóng)業(yè)技術(shù)創(chuàng)新,同時積極打造技術(shù)交易服務(wù)平臺,切實提高農(nóng)業(yè)技術(shù)成果的轉(zhuǎn)化率,逐步建立起完善的農(nóng)業(yè)技術(shù)創(chuàng)新體系。⑦在快速推進城鎮(zhèn)化過程中正確處理工業(yè)對農(nóng)業(yè)的反哺關(guān)系,積極實施“以工促農(nóng)、以城帶鄉(xiāng)”的城鄉(xiāng)一體化策略,最終實現(xiàn)城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化的協(xié)調(diào)發(fā)展。