低碳績效測度與動態(tài)效應(yīng)研究*——以山東省種植業(yè)為例

楊濱鍵, 孫紅雨

低碳績效測度與動態(tài)效應(yīng)研究*——以山東省種植業(yè)為例

楊濱鍵1,2, 孫紅雨3**

(1. 貴州民族大學(xué)商學(xué)院 貴陽 550025; 2. 東北林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 哈爾濱 150040; 3. 貴州大學(xué)經(jīng)濟(jì)學(xué)院 貴陽 550025)

溫室效應(yīng)的加劇已經(jīng)嚴(yán)重影響到人類社會的生存與發(fā)展, 根據(jù)IPCC數(shù)據(jù)顯示, 農(nóng)業(yè)溫室氣體占全球人為排放的13.5%, 鑒于山東省農(nóng)業(yè)在我國的重要地位, 本文以在農(nóng)業(yè)產(chǎn)值中占比最高的種植業(yè)為樣本, 對山東省低碳績效展開研究, 為山東省種植業(yè)低碳發(fā)展之路提供參考。本文在測算山東省種植業(yè)碳排放量、碳匯量、碳排放強(qiáng)度以及碳排放邊際減排成本的基礎(chǔ)上, 運(yùn)用DEA-Malmquist模型測算了種植業(yè)低碳績效水平, 接著研究了低碳驅(qū)動與約束對山東省種植業(yè)低碳績效的動態(tài)影響效應(yīng)。通過研究發(fā)現(xiàn), 2000年到2018年山東省種植業(yè)碳排放總量和碳匯總量年均增幅分別為0.26%和1.74%, 而碳排放強(qiáng)度和減排成本年均降低6.12%和2.10%。低碳績效指數(shù)增長較慢, 年均增長速度為3.00%, 其主要驅(qū)動來源于技術(shù)進(jìn)步。低碳約束目標(biāo)與低碳驅(qū)動手段是種植業(yè)低碳績效變動的直接原因, 種植業(yè)碳排放強(qiáng)度對種植業(yè)低碳績效具有一定的抑制作用, 低碳驅(qū)動手段對種植業(yè)低碳績效具有正向促進(jìn)作用, 且低碳驅(qū)動手段對種植業(yè)的低碳績效貢獻(xiàn)更大。進(jìn)而提出了制定種植業(yè)低碳法律法規(guī)與提升財政支持有效性的低碳發(fā)展建議。

減排成本; 低碳績效; 驅(qū)動與約束; 山東; 種植業(yè)

20世紀(jì)以來, 二氧化碳排放量的增加引發(fā)了全球溫室效應(yīng)加劇, 其發(fā)展程度已經(jīng)嚴(yán)重影響到人類社會的生存與發(fā)展, 氣溫的升高將會影響全球大多數(shù)農(nóng)作區(qū)種植業(yè), 導(dǎo)致農(nóng)作物產(chǎn)量下降。同時, 降低冬季進(jìn)行病蟲害防治工作效果, 增加農(nóng)業(yè)的生產(chǎn)風(fēng)險。根據(jù)我國學(xué)者董紅敏等[1]研究測算, 我國農(nóng)業(yè)源排放量占比已經(jīng)達(dá)16%~17%。鑒于來自國際社會的減排壓力與國內(nèi)種植業(yè)發(fā)展的實(shí)際情況, 開展農(nóng)業(yè)低碳研究是順應(yīng)時代潮流所需的必然前進(jìn)方向。種植業(yè)低碳績效評價是考慮低碳環(huán)境因素影響提出的, 它能夠很好地衡量與評價種植業(yè)低碳的發(fā)展程度。而就農(nóng)業(yè)的低碳發(fā)展, 國家也制定了相應(yīng)的低碳環(huán)境規(guī)制約束指標(biāo)。低碳環(huán)境規(guī)制的實(shí)現(xiàn)主要形式有低碳約束目標(biāo)與低碳驅(qū)動手段。就低碳約束目標(biāo)而言, 一方面可能會增加農(nóng)業(yè)生產(chǎn)成本, 限制農(nóng)業(yè)生產(chǎn)水平的提高從而降低績效水平; 另一方面, 也有可能形成倒逼機(jī)制, 促進(jìn)農(nóng)業(yè)生產(chǎn)技術(shù)的提高進(jìn)而提升低碳績效水平。從低碳驅(qū)動手段而言, 積極的影響會為農(nóng)業(yè)生產(chǎn)提供強(qiáng)勁的驅(qū)動力, 但也有可能使農(nóng)業(yè)生產(chǎn)形成依賴, 抑制農(nóng)業(yè)低碳績效的提升。

種植業(yè)在農(nóng)業(yè)中占有特殊位置, 是人類社會得以存在和發(fā)展的基礎(chǔ)。其在農(nóng)業(yè)中的比重最大, 產(chǎn)值占比超過50%。而山東省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展良好, 其農(nóng)業(yè)產(chǎn)值與農(nóng)產(chǎn)品外向程度常年位居我國第一位, 故以山東省為樣本區(qū)域開展研究, 對我國農(nóng)業(yè)而言具有很強(qiáng)示范意義和導(dǎo)向價值。故本文以種植業(yè)為對象, 對山東省種植業(yè)低碳績效進(jìn)行測度的同時, 進(jìn)行低碳驅(qū)動與約束對種植業(yè)低碳績效影響效應(yīng)的研究, 力爭為山東省種植業(yè)走低碳發(fā)展之路提供政策參考。

從農(nóng)業(yè)低碳績效測度的研究來看, 董明濤[2]運(yùn)用DEA(數(shù)據(jù)包絡(luò)分析法)測算了我國29個省份的低碳農(nóng)業(yè)績效, 并以績效特征為標(biāo)準(zhǔn)識別了各省份的績效水平, 并提出了相應(yīng)的低碳農(nóng)業(yè)發(fā)展對策。Nsiah等[3]運(yùn)用DEA對非洲49個國家的農(nóng)業(yè)生產(chǎn)效率進(jìn)行績效測度與評價, 發(fā)現(xiàn)技術(shù)進(jìn)步是推動績效增長的主要驅(qū)動力。吳賢榮等[4]對我國各省的農(nóng)業(yè)低碳績效發(fā)展水平進(jìn)行了全面的測算與評估, 并對各省農(nóng)業(yè)低碳績效水平發(fā)展現(xiàn)狀進(jìn)行了分區(qū)。從低碳指標(biāo)實(shí)現(xiàn)手段研究來看, 胡穎梅等[5]研究指出, 低碳規(guī)制可分為帶有激勵性的機(jī)制與命令性的約束機(jī)制。宋蕾[6]也指出, 我國關(guān)于低碳規(guī)制的實(shí)現(xiàn), 主要是通過經(jīng)濟(jì)激勵手段與減排目標(biāo)約束手段來進(jìn)行。

綜合國內(nèi)外研究來看, 低碳農(nóng)業(yè)績效的研究指標(biāo)建立體系有待完善, 需要從全方位的角度去分析, 而關(guān)于低碳指標(biāo)實(shí)現(xiàn)手段研究則需要從驅(qū)動與約束兩方面進(jìn)行詳細(xì)研究。本文在系統(tǒng)測度山東省低碳種植業(yè)績效的基礎(chǔ)上, 開展低碳驅(qū)動與約束對山東省種植業(yè)低碳績效動態(tài)影響效應(yīng)的研究。

1 研究方法與指標(biāo)

1.1 種植業(yè)碳排放測算方法

本文采用IPCC發(fā)布的碳排放系數(shù)法測算山東省種植業(yè)在生產(chǎn)過程中所釋放的碳量。其種植業(yè)碳排放估算公式如下:

=∑C=∑(M×N) (1)

式中:為種植業(yè)總碳排放量,C為第種碳源的農(nóng)業(yè)生產(chǎn)碳排放量,M為第種碳源的量, N為種碳源的碳排放系數(shù)。

本文核算種植業(yè)碳排放源來源主要借鑒尚杰等[7]與楊濱鍵等[8]在研究中所提及的種植業(yè)生產(chǎn)碳排放來源, 共6種, 見表1。

表1 農(nóng)業(yè)種植業(yè)不同類型碳源的碳排放系數(shù)[9]

1.2 種植業(yè)碳匯測算方法

本文采用謝鴻宇等[10]的農(nóng)業(yè)碳匯測算方法測算種植業(yè)碳匯量。計算公式如下:

1=∑gi′wi=∑gi′ei′(1-w)/A(2)

2=′(3)

t=1+2(4)

式中t農(nóng)地全年碳吸收量;1為農(nóng)作物全年碳吸收量;2為耕地全年固碳量;為農(nóng)作物品種;g為農(nóng)作物碳吸收率;w為農(nóng)作物總生物量;e為農(nóng)作物經(jīng)濟(jì)產(chǎn)量;w為農(nóng)作物含水量;A為農(nóng)作物進(jìn)行光合作用合成干物質(zhì)所需要的碳量, 既經(jīng)濟(jì)系數(shù);為耕地面積;為土壤固碳指數(shù),采用韓冰等[11]研究成果, 892. 07 kg?hm?2?a?1。

根據(jù)山東省農(nóng)作物實(shí)際種植情況, 本文選取表2中的農(nóng)作物作為研究對象測算山東省種植業(yè)農(nóng)作物碳匯。農(nóng)作物碳匯與耕地碳匯的測算數(shù)據(jù)來源于《中國統(tǒng)計年鑒》和《山東省統(tǒng)計年鑒》。

表2 種植業(yè)農(nóng)作物含水量、經(jīng)濟(jì)系數(shù)與碳吸收率[12]

1.3 隨機(jī)前沿分析法

隨機(jī)前沿分析可以對種植業(yè)生產(chǎn)效率值和影子價格進(jìn)行測算, 該分析法必須給定生產(chǎn)函數(shù)、成本函數(shù)或距離函數(shù)等具體的函數(shù)形式。Wang等[13]通過研究證明, 方向距離函數(shù)能夠?qū)π逝c生產(chǎn)力進(jìn)行有效評價。假設(shè)種植業(yè)在生產(chǎn)過程中投入的要素為, 期望產(chǎn)出為, 非期望產(chǎn)出為, 將=(g, ?g)設(shè)定為方向向量, 建立在方向距離函數(shù)的隨機(jī)前沿模型可表示為:

式中:g表示期望產(chǎn)出在方向上的最大擴(kuò)張, 而?g則表示最大縮減,為方向向量,為隨機(jī)誤差項, 而則為需要估計的無效率部分。

運(yùn)用公式(5)求導(dǎo)則可得到影子價格即為種植業(yè)碳排放邊際減排成本, 故公式可以寫成:

式中:、分別表示期望產(chǎn)出種植業(yè)產(chǎn)值和非期望產(chǎn)出碳排放,、、、為投入要素變量農(nóng)林財政支出、農(nóng)業(yè)勞動人口、總播種面積以及化肥使用量,為山東省各地級市,為樣本期間2000—2018年, mc為碳排放邊際減排成本,p為期望產(chǎn)出價格, 即額外降低1單位種植業(yè)碳排放所需損失的市場價值。

本文選用山東省各市的種植業(yè)產(chǎn)值作為期望產(chǎn)出變量; 種植業(yè)碳排放的數(shù)據(jù)作為非期望產(chǎn)出變量; 投入要素變量, 選取了山東省農(nóng)林財政支出、農(nóng)業(yè)人口、土地播種面積以及化肥使用量。為避免可能存在的異方差性, 分別對各變量進(jìn)行自然對數(shù)處理之后, 進(jìn)行山東省種植業(yè)碳排放邊際減排成本的測算。

1.4 種植業(yè)低碳績效測度研究方法

Malmquist指數(shù)可分解為技術(shù)效率變化(EC)和技術(shù)變化(TC)[14]。(x,y)與(x+1,y+1)是決策單元在和+1時期內(nèi)投入產(chǎn)出的變量,D與D+1分別表示和+1時期為參考前沿的距離函數(shù)。在規(guī)模收益(VRS)的可變條件影響下, EC可拆分為純技術(shù)效率(PEC)變化與規(guī)模效率(SEC), 表達(dá)如下:

(x+1,y+1,x,y)=PEC×SEC×TC=PEC×SEC× PTC×STC (8)

1.5 PVAR模型與變量

1.5.1 PVAR模型

本文運(yùn)用PVAR模型綜合考慮時間和地區(qū)因素, 全面研究低碳驅(qū)動手段與低碳約束目標(biāo)對山東省種植業(yè)低碳績效的影響效應(yīng)。PVAR模型不要求具有明確的內(nèi)生變量, 并且不用滿足內(nèi)生變量不影響外生變量的假設(shè), 因此模型相對比較寬松。故PVAR模型表示為:

1.5.2 變量

核心被解釋變量為種植業(yè)低碳績效, 該數(shù)據(jù)來源于本文對山東省種植業(yè)低碳績效的測算數(shù)據(jù); 核心變量為低碳驅(qū)動手段與低碳約束目標(biāo)。從實(shí)際情況出發(fā), 我國的低碳驅(qū)動手段主要是通過經(jīng)濟(jì)激勵, 在種植業(yè)生產(chǎn)中, 政府為了促進(jìn)種植業(yè)更好的生產(chǎn), 將會為種植業(yè)提供一定的經(jīng)濟(jì)支持, 幫助完善種植業(yè)生產(chǎn)基礎(chǔ)設(shè)施、進(jìn)行技術(shù)革新與優(yōu)化種植結(jié)構(gòu)等, 以此促進(jìn)種植業(yè)低碳績效的提升, 故低碳驅(qū)動指標(biāo)選用財政支農(nóng)力度。

低碳約束目標(biāo)通常而言是政府為種植業(yè)生產(chǎn)設(shè)立的預(yù)期目標(biāo), 在低碳約束條件下, 種植業(yè)生產(chǎn)為了能夠按期保質(zhì)完成既定目標(biāo), 會規(guī)范種植行為, 促進(jìn)種植業(yè)低碳績效的提高。山東省政府為促進(jìn)低碳發(fā)展對碳排放強(qiáng)度設(shè)立了具體的目標(biāo)值, 本文選用的第1個低碳約束目標(biāo)為種植業(yè)碳排放強(qiáng)度; 種植業(yè)的生產(chǎn)有著碳源與碳匯的雙重屬性, 低碳約束一方面要求減少碳排放, 另一方面碳匯的增加也成為低碳發(fā)展的關(guān)鍵突破口, 故選用的第2個低碳約束指標(biāo)為凈碳匯效應(yīng)變量。

2 結(jié)果與分析

2.1 山東省種植業(yè)碳匯、碳排放和邊際成本

根據(jù)《中國統(tǒng)計年鑒》《山東省統(tǒng)計年鑒》整理得到山東省種植業(yè)生產(chǎn)資料投入數(shù)據(jù), 運(yùn)用前文提及的種植業(yè)碳排放估算公式、碳匯公式與隨機(jī)前沿分析法測算了2000—2018年山東省碳源排放量、碳匯量、碳排放強(qiáng)度以及碳排放邊際減排成本(表3)。

表3 2000—2018年山東省種植業(yè)碳排放、碳匯、碳排放強(qiáng)度與碳排放邊際減排成本

種植業(yè)碳排放強(qiáng)度=種植業(yè)碳排放量/種植業(yè)產(chǎn)值。Carbon emission intensity of planting industry = carbon emission of planting industry / output value of planting industry.

由表3可知, 山東省種植業(yè)碳排放總量由2000年的1119.56萬t上升到2018年的1146.39萬t, 上升幅度為2.40%, 年均增幅為0.14%, 在農(nóng)作物產(chǎn)量大幅增加的同時, 碳排放總量基本保持平穩(wěn), 證明山東省的減排工作取得了一定的成效; 碳匯總量由2000年5446.46萬t上升到2018年7095.17萬t, 上升幅度達(dá)30.27%, 年均增幅為1.74%。種植業(yè)碳排放強(qiáng)度由2000年758.59 kg×(104￥)-1下降到2018年的245.05 kg×(104￥)-1, 下降幅度達(dá)67.70%, 年均降幅為6.12%。由統(tǒng)計年鑒數(shù)據(jù)可知, 研究期間山東省單位面積產(chǎn)量有顯著提升, 伴隨著農(nóng)產(chǎn)品品質(zhì)的提升與附加值的增高, 種植業(yè)經(jīng)濟(jì)獲得了長足的發(fā)展, 每萬元增加值的碳排放量顯著減少。山東省碳減排成本從2000年8.62 ￥×t-1下降到2018年5.54 ￥×t-1, 降幅達(dá)35.73%, 年均降低2.10%, 表明碳減排所需要付出的經(jīng)濟(jì)成本在下降, 減排工作開展的難度明顯降低。

2.2 山東省種植業(yè)低碳績效

在構(gòu)建的DEA-Malmquist模型的基礎(chǔ)上, 對山東省17個城市2000—2018年種植業(yè)低碳績效水平進(jìn)行測度(表4)。

由表4可知, 受低碳約束的影響, 2001—2018年山東省種植業(yè)低碳績效指數(shù)增長率較慢, 年均增長速度為3.00%。經(jīng)過分解可以發(fā)現(xiàn)驅(qū)動種植業(yè)低碳績效的主要力量來源于技術(shù)變化效率, 其年均增速為3.00%; 而技術(shù)效率變化(純技術(shù)效率′規(guī)模效率)剛好處于隨機(jī)前沿面, 改善程度需要加強(qiáng), 同時也說明技術(shù)效率和規(guī)模效率存在一定的提升空間。整個樣本期間內(nèi), 種植業(yè)低碳績效水平呈現(xiàn)一定的波動, 增長的驅(qū)動力比較單一, 因此要實(shí)現(xiàn)種植業(yè)的低碳發(fā)展, 僅僅依賴于技術(shù)進(jìn)步的提高還不夠, 還需要進(jìn)一步改善技術(shù)效率, 實(shí)現(xiàn)技術(shù)效率和技術(shù)進(jìn)步的雙重驅(qū)動。

表4 2001—2018年山東省種植業(yè)低碳績效動態(tài)特征

Effch: 技術(shù)效率; techch: 技術(shù)變化效率; pech: 純技術(shù)效率; sech: 規(guī)模效率; ML: 種植業(yè)低碳績效。Effch: technical efficiency; techch: efficiency of technological change; pech: pure technical efficiency; sech: scale efficiency; ML: low-carbon performance of planting industry.

對Malmquist指數(shù)和分解指數(shù)歷年變動情況進(jìn)行分析可知, 種植業(yè)低碳績效指數(shù)在2001年、2002年和2017年均小于1, 其中最低峰值出現(xiàn)在2017年, 說明上述年份種植業(yè)低碳績效呈現(xiàn)負(fù)增長, 究其原因在于這些年份技術(shù)進(jìn)步未得到改善, 指數(shù)均低于1, 特別是2017年技術(shù)進(jìn)步效率負(fù)增長達(dá)3.80%, 嚴(yán)重制約了山東省種植業(yè)的低碳發(fā)展, 其余年份種植業(yè)低碳績效均大于1, 表明該發(fā)展階段山東省種植業(yè)低碳績效水平呈上升趨勢, 且2010年種植業(yè)低碳績效增幅達(dá)8.50%, 說明2009—2010年山東省種植業(yè)低碳績效水平上升幅度最大, 這主要是由于同年技術(shù)進(jìn)步指數(shù)也達(dá)到最高峰值, 貢獻(xiàn)率為8.30%。

2.3 種植業(yè)低碳績效的低碳驅(qū)動與約束影響效應(yīng)實(shí)證研究

2.3.1 實(shí)證檢驗(yàn)

2.3.1.1 面板單位根檢驗(yàn)

選取山東省17個城市2000—2018年的平衡面板數(shù)據(jù), 為了避免“偽”回歸現(xiàn)象, 在進(jìn)行分析之前, 采用LLC檢驗(yàn)、PP檢驗(yàn)和ADF檢驗(yàn)法對各變量進(jìn)行面板單位根檢驗(yàn), 檢驗(yàn)結(jié)果如表5所示。

由面板單位根檢驗(yàn)可知, 山東省種植業(yè)低碳績效指數(shù)(ML)的LLC檢驗(yàn)、ADF檢驗(yàn)、PP檢驗(yàn)值均大于0.05, 故應(yīng)接受存在單位根的原假設(shè), 說明ML為非平穩(wěn)序列, 而一階差分后的變量3個檢驗(yàn)的值均小于0.05, 故應(yīng)拒絕原假設(shè), 說明ML為一階差分后平穩(wěn)。同理可知, 凈碳匯效應(yīng)、地方財政支農(nóng)力度、碳排放強(qiáng)度原序列非平穩(wěn), 一階差分后平穩(wěn), 說明本文中各變量均為同階平穩(wěn)序列。

進(jìn)行面板單位根檢驗(yàn)后, 采用KAO檢驗(yàn)法進(jìn)行面板協(xié)整檢驗(yàn)與滯后階數(shù)確定, 結(jié)果表明均通過上述驗(yàn)證, 受限于篇幅原因?qū)⒉粚Y(jié)果進(jìn)行公示。

2.3.1.2 GMM參數(shù)估計及穩(wěn)定性檢驗(yàn)

采用系統(tǒng)GMM廣義矩估計法對PVAR模型進(jìn)行參數(shù)估計, 限于篇幅要求, 僅列出種植業(yè)低碳績效方程、低碳驅(qū)動與約束的方程GMM估計結(jié)果(表6)。

由GMM參數(shù)估計表可知, 滯后1期的種植業(yè)低碳績效(L.ML)在<0.05的顯著性水平對自身(ML)呈現(xiàn)顯著負(fù)向影響, 滯后1期的碳排放強(qiáng)度(L.PFQD)對當(dāng)期種植業(yè)低碳績效(ML)具有顯著的抑制影響, 說明上一年較高的低碳績效有利于當(dāng)年的低碳減排。滯后1期的凈碳匯效應(yīng)(L.ZHXY)以及對當(dāng)期的種植業(yè)低碳績效(ML)具有顯著的積極影響, 說明上一年度的凈碳匯效應(yīng)和低碳驅(qū)動手段對當(dāng)年的種植業(yè)低碳績效具有顯著的促進(jìn)作用。

表5 山東省種植業(yè)低碳績效與解釋變量面板單位根檢驗(yàn)

ML: 種植業(yè)低碳績效; DML: 種植業(yè)低碳績效一階差分; PFQD: 碳排放強(qiáng)度; DPFQD: 碳排放強(qiáng)度一階差分; ZHXY: 凈碳匯; DZHXY: 凈碳匯一階差分; CZZC: 財政支農(nóng)力度; DCZZC: 財政支農(nóng)力度一階差分。ML: low-carbon performance of planting industry; DML: first order difference analysis of low-carbon performance of planting industry; PFQD: carbon emission intensity; DPFQD: first order difference of carbon emission intensity; ZHXY: net carbon sink; DZHXY: first order difference of net carbon sink; CZZC: financial support for agriculture; DCZZC: first order difference of financial support for agriculture.

表6 山東省種植業(yè)低碳績效PVAR模型的GMM參數(shù)估計表

括號內(nèi)數(shù)據(jù)為標(biāo)準(zhǔn)誤差。ML: 種植業(yè)低碳績效; PFQD: 碳排放強(qiáng)度; ZHXY: 凈碳匯; CZZC: 財政支農(nóng)力度; “L.”表示變量滯后1期。*、**和***分別表示在<10%、<5%和<1%水平顯著。Data in the bracket is standard error; ML: low-carbon performance of planting industry; PFQD: carbon emission intensity; ZHXY: net carbon sink; CZZC: financial support for agriculture. “L.” indicates that the variable lags one period. *, **, and *** mean significant at the levels of<10%,<5%, and<1%, respectively.

由GMM參數(shù)估計表可知, 滯后1期的種植業(yè)低碳績效在0.05顯著性水平下對自身呈現(xiàn)顯著的負(fù)向影響, 滯后1期的碳排放強(qiáng)度對當(dāng)期種植業(yè)低碳績效具有顯著的抑制影響, 說明上一年低碳減排有利于當(dāng)年種植業(yè)低碳績效的提升。滯后一期的凈碳匯效應(yīng)以及低碳驅(qū)動對當(dāng)期的種植業(yè)低碳績效具有顯著的積極影響, 說明上一年度的凈碳匯效應(yīng)和低碳驅(qū)動手段對當(dāng)年的種植業(yè)低碳績效具有顯著的促進(jìn)作用。

運(yùn)行了PAVR模型后還需要對模型的穩(wěn)定性進(jìn)行檢驗(yàn), 只有穩(wěn)定的模型參數(shù)估計才有意義, 本文采用AR根圖法進(jìn)行檢驗(yàn), 所有根模均落在單位圓內(nèi)(圖1), 故說明模型是穩(wěn)定的。

2.3.2 實(shí)證分析

2.3.2.1 格蘭杰因果關(guān)系研究

在PVAR模型的基礎(chǔ)上, 進(jìn)一步進(jìn)行格蘭杰因果關(guān)系檢驗(yàn), 從而確定低碳驅(qū)動與約束變量對種植業(yè)低碳績效的作用機(jī)制, 具體見表7。由格蘭杰因果關(guān)系檢驗(yàn)可知, 在<0.05的顯著性水平下拒絕了種植業(yè)碳排放強(qiáng)度(PFQD)、凈碳匯(ZHXY)、地方財政支農(nóng)力度(CZZC)不是種植業(yè)低碳績效(ML)的格蘭杰成因的原假設(shè), 說明低碳約束目標(biāo)和低碳驅(qū)動手段的變動會引起種植業(yè)低碳績效的變動。上述格蘭杰因果關(guān)系檢驗(yàn)表明低碳驅(qū)動與約束均是引起山東省種植業(yè)低碳績效變動的直接原因。

表7 山東省種植業(yè)低碳績效的格蘭杰因果關(guān)系檢驗(yàn)結(jié)果

ML: 種植業(yè)低碳績效; PFQD: 碳排放強(qiáng)度; ZHXY: 凈碳匯; CZZC: 財政支農(nóng)力度。***、**和*分別表示在<1%、<5%和<10%水平顯著。ML: low-carbon performance of planting industry; PFQD: carbon emission intensity; ZHXY: net carbon sink; CZZC: financial support for agriculture. ***, ** and * mean significance at<1%,<5% and<10% levels, respectively.

2.3.2.2 脈沖響應(yīng)函數(shù)分析

脈沖響應(yīng)函數(shù)描述的是誤差項所帶來的沖擊對系統(tǒng)內(nèi)生變量的影響, 即一個標(biāo)準(zhǔn)差的正向沖擊對內(nèi)生變量的當(dāng)期值和未來值產(chǎn)生的影響過程?；诟裉m杰因果關(guān)系檢驗(yàn), 針對種植業(yè)低碳績效對低碳約束目標(biāo)與低碳驅(qū)動手段的脈沖響應(yīng)圖進(jìn)行分析。橫坐標(biāo)為響應(yīng)的期數(shù), 縱軸為響應(yīng)強(qiáng)度, 實(shí)線為脈沖響應(yīng)曲線, 陰影為95%顯著性水平的上下邊界。

由圖2a可知, 給凈碳匯效應(yīng)的1個標(biāo)準(zhǔn)差的正向沖擊, 種植業(yè)低碳績效向正方向響應(yīng), 并迅速達(dá)到最大響應(yīng), 響應(yīng)強(qiáng)度為0.0054, 隨后呈現(xiàn)波動下降的趨勢, 最終趨于收斂。脈沖響應(yīng)函數(shù)表明, 凈碳匯效應(yīng)的正向沖擊會促進(jìn)種植業(yè)低碳績效的提升, 且在短期效果更加明顯。

由圖2b可知, 給種植業(yè)碳排放強(qiáng)度1個標(biāo)準(zhǔn)差的正向沖擊, 種植業(yè)低碳績效向負(fù)方向響應(yīng), 并逐漸增強(qiáng), 第2期達(dá)到最大響應(yīng), 響應(yīng)強(qiáng)度為?0.1814, 隨后呈現(xiàn)波動下降的趨勢, 并呈現(xiàn)正向響應(yīng), 響應(yīng)強(qiáng)度為0.0295, 隨后呈現(xiàn)逐步下降的趨勢, 第7期再次呈現(xiàn)負(fù)向響應(yīng), 最終趨于收斂。脈沖響應(yīng)函數(shù)表明, 種植業(yè)碳排放強(qiáng)度的正向沖擊會在短期對種植業(yè)低碳績效具有較強(qiáng)的抑制影響, 長期來看, 呈現(xiàn)正負(fù)交替, 但是正向響應(yīng)力度遠(yuǎn)小于負(fù)向響應(yīng), 因此在長期來看, 種植業(yè)碳排放強(qiáng)度對種植業(yè)低碳績效具有一定的抑制作用。

由圖2c可知, 給低碳驅(qū)動1個標(biāo)準(zhǔn)差的正向沖擊, 種植業(yè)低碳績效向正方向響應(yīng), 并迅速達(dá)到最大響應(yīng), 響應(yīng)強(qiáng)度為0.0200, 隨后呈現(xiàn)波動下降的趨勢, 第2期呈現(xiàn)負(fù)向響應(yīng), 并在第3期達(dá)到負(fù)向最大, 響應(yīng)強(qiáng)度為?0.0021, 隨后逐漸減弱, 并開始呈現(xiàn)正向響應(yīng), 最終趨于收斂。脈沖響應(yīng)函數(shù)表明, 低碳驅(qū)動手段的正向沖擊在短期內(nèi)對種植業(yè)低碳績效具有顯著的促進(jìn)作用, 中期呈現(xiàn)微弱的負(fù)向影響, 長期來看低碳驅(qū)動手段對種植業(yè)低碳績效具有正向促進(jìn)作用。

2.3.3 方差分解分析

表8為對種植業(yè)低碳績效進(jìn)行方差分解的結(jié)果。由表8可知, 第1期, 種植業(yè)低碳績效對自身預(yù)測誤差的方差貢獻(xiàn)度為100%; 第2期開始, 低碳約束目標(biāo)和低碳驅(qū)動手段對種植業(yè)低碳績效具有方差貢獻(xiàn),且逐漸增強(qiáng), 自身因素對種植業(yè)低碳績效的方差貢獻(xiàn)逐漸減弱。最終各因素對種植業(yè)低碳績效的方差貢獻(xiàn)趨于收斂。方差分解表明, 種植業(yè)低碳績效來自于自身的方差貢獻(xiàn)為65.52%, 來自于低碳約束目標(biāo)的方差貢獻(xiàn)為5.77%, 來自于低碳驅(qū)動手段的方差貢獻(xiàn)為8.07%。方差分解表明相對于低碳約束目標(biāo),低碳驅(qū)動手段對種植業(yè)低碳績效的貢獻(xiàn)更大。

表8 山東省種植業(yè)低碳績效方差分解分析

ML: low-carbon performance of planting industry; PFQD: carbon intensity; ZHXY: net carbon sink; CZZC: financial support for agriculture.

3 結(jié)論與建議

根據(jù)PVAR研究可知, 種植業(yè)低碳績效受低碳約束目標(biāo)與低碳驅(qū)動手段的影響, 而由格蘭杰因果檢驗(yàn)可知, 各變量之間均存在直接與間接影響關(guān)系。另外, 由方差分解可知, 低碳約束目標(biāo)與低碳驅(qū)動手段對種植業(yè)低碳績效的影響作用較大, 所以在制定低碳發(fā)展規(guī)劃時, 要注重對其他相關(guān)政策進(jìn)行組合運(yùn)用, 才能更好地促進(jìn)種植業(yè)低碳績效提升。

低碳約束目標(biāo)中種植業(yè)碳排放強(qiáng)度對種植業(yè)低碳績效前期呈現(xiàn)出正負(fù)交替的影響作用, 這主要是由于山東省碳排放強(qiáng)度存在較大差異; 低碳約束目標(biāo)中凈碳匯效應(yīng)對種植業(yè)低碳績效呈顯著正向影響,且在短期內(nèi)效果相對更加明顯。種植業(yè)生產(chǎn)雙重屬性中的碳匯效應(yīng)對低碳減排有十分重要的作用, 另外凈碳匯效應(yīng)與碳排放強(qiáng)度約束目標(biāo)需要配合使用,在充分考慮地區(qū)差異與時序變化的情況下制定, 才能取得更好地促進(jìn)種植業(yè)低碳績效增長的效果。低碳驅(qū)動手段中地方財政支農(nóng)力度對種植業(yè)低碳績效的增長貢獻(xiàn)度最高, 對種植業(yè)低碳績效的積極影響與空間效應(yīng)研究結(jié)果一致。但長期來看, 影響效果逐漸變?nèi)? 這主要是由于山東省經(jīng)濟(jì)發(fā)展良好, 市場調(diào)節(jié)能力強(qiáng), 在轉(zhuǎn)型升級的初期, 政府必要的財政支持力度可以降低種植業(yè)生產(chǎn)者的負(fù)擔(dān), 達(dá)到良好的種植業(yè)低碳績效提高效果, 但是長期的支持容易滋生其依賴性; 而且需要重點(diǎn)注意的是, 從目前我國現(xiàn)有法律來看, 低碳約束目標(biāo)與低碳驅(qū)動手段都沒有相關(guān)法律作為支撐, 對于目標(biāo)的制定、執(zhí)行的監(jiān)管都沒有明確依據(jù), 不利于低碳約束目標(biāo)與低碳驅(qū)動手段作用的發(fā)揮, 對于種植業(yè)低碳績效的提高沒有起到最大的促進(jìn)作用, 關(guān)于低碳約束目標(biāo)與低碳驅(qū)動手段的立法工作是有效提高種植業(yè)低碳績效的關(guān)鍵所在。

根據(jù)以上結(jié)論, 本文有針對性地提出以下低碳發(fā)展建議:

1)制定種植業(yè)低碳法律法規(guī)。種植業(yè)立法對于低碳進(jìn)程的推動有著強(qiáng)力的促進(jìn)作用, 可以使制定的低碳發(fā)展規(guī)劃做到有法可依, 有章可循。我國目前尚無專門針對農(nóng)業(yè)或者種植業(yè)低碳發(fā)展的法律法規(guī), 而山東省只有政府發(fā)布的低碳工作方案且僅制定了短期的任務(wù)目標(biāo), 相比于法律而言缺少強(qiáng)制執(zhí)行力, 不利于種植業(yè)的長期發(fā)展以及取得較好的低碳效果。為了能更好地促進(jìn)種植業(yè)的低碳發(fā)展, 亟需制定相應(yīng)的法律法規(guī)以保證種植業(yè)低碳發(fā)展。首先, 應(yīng)將低碳約束用法律法規(guī)的形式確定下來, 將種植業(yè)碳排放零增長、碳排放強(qiáng)度降低目標(biāo)以及碳匯增加目標(biāo)等加入到低碳法律法規(guī)中, 增強(qiáng)地方重視度與執(zhí)行力。其次, 制定嚴(yán)格的法律法規(guī), 一方面從源頭抓起, 對達(dá)不到綠色環(huán)保標(biāo)準(zhǔn)的農(nóng)業(yè)生產(chǎn)資料投入市場的, 依據(jù)法律法規(guī)嚴(yán)懲制造商; 另一方面, 對于不按規(guī)定使用農(nóng)藥、化肥、農(nóng)膜等生產(chǎn)資料造成環(huán)境污染的, 追究其相關(guān)法律責(zé)任。再者, 完善農(nóng)產(chǎn)品綠色檢測法律法規(guī)制度建設(shè), 以確保內(nèi)銷與外銷的農(nóng)產(chǎn)品能滿足綠色檢疫標(biāo)準(zhǔn)。最后, 以法律的形式確定低碳激勵政策, 一是對種植業(yè)低碳發(fā)展較好的典型示范地區(qū), 給予更多的財政支持與農(nóng)業(yè)補(bǔ)貼; 二是對于種植業(yè)低碳發(fā)展過程中做出較大貢獻(xiàn)的個人, 給予相應(yīng)的獎勵, 從而激勵典型地區(qū)與突出個人在種植業(yè)低碳發(fā)展過程中做出更大貢獻(xiàn)。

在立法保證的前提下, 種植業(yè)低碳發(fā)展規(guī)劃的制定就成為順理成章的工作。一方面, 從山東省整體出發(fā), 建立短、中、長期的低碳規(guī)劃, 充分考慮碳減排以及種植業(yè)低碳績效的提高, 兼顧經(jīng)濟(jì)發(fā)展; 另一方面, 統(tǒng)籌區(qū)域發(fā)展, 因?yàn)樯綎|省種植業(yè)發(fā)展存在著較大差異, 低碳發(fā)展規(guī)劃需要采用試點(diǎn)建設(shè)與分類指導(dǎo)相結(jié)合的方法, 做到因地制宜, 因時制劃。

2)提升財政支持有效性。首先研究制定對口財政政策, 加大財稅扶持力度。一是制定政策引導(dǎo)和扶持戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展, 對相關(guān)區(qū)域的建設(shè)給予支持; 二是整合資金, 用于支持區(qū)域內(nèi)種植業(yè)重點(diǎn)項目建設(shè); 三是適當(dāng)加大對區(qū)域內(nèi)出口退稅負(fù)擔(dān)較重地區(qū)的財政支持力度, 解放其生產(chǎn)發(fā)展能力。其次是健全財政支農(nóng)方式。第一, 種植業(yè)基礎(chǔ)設(shè)施建設(shè)初期給予必要的財政支持; 第二, 健全財政投入穩(wěn)定增長機(jī)制, 將種植業(yè)作為財政支出和固定資產(chǎn)投資的重點(diǎn)保障領(lǐng)域; 第三, 財政資金重點(diǎn)投入生態(tài)文明建設(shè)工程; 第四, 優(yōu)化農(nóng)機(jī)購置補(bǔ)貼政策, 加大保護(hù)性耕作、深松整地、秸稈還田等綠色增產(chǎn)技術(shù)所需機(jī)具補(bǔ)貼力度; 第五, 完善結(jié)構(gòu)調(diào)整補(bǔ)助政策, 繼續(xù)支持糧改飼, 健全生態(tài)建設(shè)補(bǔ)貼政策, 加強(qiáng)種植耕地及生態(tài)資源保護(hù), 探索建立以綠色生態(tài)為導(dǎo)向的種植業(yè)補(bǔ)貼制度。再次是建立健全財政資金監(jiān)督使用機(jī)制。財政支農(nóng)資金需要做到事前申請, 事中監(jiān)督, 事后考查的全程監(jiān)控體系。推動農(nóng)業(yè)財政支出資金績效管理, 了解財政支持項目實(shí)施進(jìn)度、績效目標(biāo)實(shí)現(xiàn)情況, 加強(qiáng)執(zhí)行監(jiān)控, 強(qiáng)化績效評價等。

[1] 董紅敏, 李玉娥, 陶秀萍, 等. 中國農(nóng)業(yè)源溫室氣體排放與減排技術(shù)對策[J]. 農(nóng)業(yè)工程學(xué)報, 2008, 24(10): 269–273 DONG H M, LI Y E, TAO X P, et al. China greenhouse gas emissions from agricultural activities and its mitigation strategy[J]. Transactions of the CSAE, 2008, 24(10): 269–273

[2] 董明濤. 我國低碳農(nóng)業(yè)發(fā)展效率的評價模型及其應(yīng)用[J]. 資源開發(fā)與市場, 2016, 32(8): 944–948 DONG M T. Evaluation model of low carbon agricultural development efficiency and its application in China[J]. Resource Development & Market, 2016, 32(8): 944–948

[3] NSIAH C, FAYISSA B. Trends in agricultural production efficiency and their implications for food security in Sub-saharan African countries[J]. African Development Review, 2019, 31(1): 28–42

[4] 吳賢榮, 張俊飚, 朱燁, 等. 中國省域低碳農(nóng)業(yè)績效評估及邊際減排成本分析[J]. 中國人口·資源與環(huán)境, 2014, 24(10): 57–63Wu X R, Zhang J B, Zhu Y, et al. Performance evaluation and marginal emission reduction cost analysis of China’s provincial low carbon agriculture[J]. China’s Population, Resources and Environment, 2014, 24 (10): 57–63

[5] 胡穎梅, 江玉國, 范莉莉. 論政府低碳規(guī)制體系構(gòu)建[J]. 企業(yè)經(jīng)濟(jì), 2016, (4): 41–46 HU Y M, JIANG Y G, FAN L L. On the construction of government’s low carbon regulation system[J]. Enterprise Economy, 2016, (4): 41–46

[6] 宋蕾. 低碳規(guī)制的“效率困境”內(nèi)生性因素分析——基于“認(rèn)知-態(tài)度-行為”模型的調(diào)研[J]. 社會科學(xué), 2012, (9): 34–40 SONG L. Efficiency dilemma of governmental regulations in low-carbon governance[J]. Journal of Social Sciences, 2012, (9): 34–40

[7] 尚杰, 楊濱鍵. 種植業(yè)碳源、碳匯測算與凈碳匯影響因素動態(tài)分析: 山東例證[J]. 改革, 2019, (6): 123–134SHANG J, YANG B J. Estimation of carbon source and carbon sequestration in planting industry and dynamic analysis of influencing factors of net carbon sequestration: A case study of Shandong Province[J]. Reform, 2019, (6): 123–134

[8] 楊濱鍵, 田景仁, 孫紅雨. 農(nóng)業(yè)生產(chǎn)碳足跡影響因素研究——基于SVAR模型[J]. 生態(tài)經(jīng)濟(jì), 2019, 35(8): 120–127 YANG B J, TIAN J R, SUN H Y. Study on the factors influencing the carbon footprint of agricultural production based on the SVAR model[J]. Ecological Economy, 2019, 35(8): 120–127

[9] IPCC. 2006 IPCC guidelines for national greenhouse gas inventories[EB/OL]. (2012-12-01). http://www.ipcc-nggip.iges. or.jp/public/2006gl/

[10] 謝鴻宇, 陳賢生, 林凱榮, 等. 基于碳循環(huán)的化石能源及電力生態(tài)足跡[J]. 生態(tài)學(xué)報, 2008, 28(4): 1729–1735 XIE H Y, CHEN X S, LIN K R, et al. The ecological footprint analysis of fossil energy and electricity[J]. Acta Ecologica Sinica, 2008, 28(4): 1729–1735

[11] 韓冰, 王效科, 逯非, 等. 中國農(nóng)田土壤生態(tài)系統(tǒng)固碳現(xiàn)狀和潛力[J]. 生態(tài)學(xué)報, 2008, 28(2): 612–619 HAN B, WANG X K, LU F, et al. Carbon sequestration status and potential of farmland soil ecosystem in China[J]. Acta Ecologica Sinica, 2008, 28(2): 612–619

[12] 李克讓. 土地利用變化和溫室氣體凈排放與陸地生態(tài)系統(tǒng)碳循環(huán)[M]. 北京: 氣象出版社, 2002 LI K R. Land Use Change and Net Greenhouse Gas Emissions and Terrestrial Ecosystem Carbon Cycle[M]. Beijing: Meteorological Publishing House, 2002

[13] WANG K, XIAN Y J, LEE C Y, et al. On selecting directions for directional distance functions in a non-parametric framework: A review[J]. Annals of Operations Research, 2019, 278(1/2): 43–76

[14] 魯濤, 周晶. 基于投入要素生產(chǎn)效率變化的Malmquist指數(shù)分解方法[J]. 統(tǒng)計與決策, 2010, (17): 20–22 LU T, ZHOU J. Malmquist index decomposition method based on input factor productivity change[J]. Statistics and Decision, 2010, (17): 20–22

Low carbon performance measurement and dynamic effects:A case study of the planting industry in Shandong Province*

YANG Binjian1,2, SUN Hongyu3**

(1. Business School of Guizhou Minzu University, Guiyang 550025, China; 2. College of Economics and Management, Northeast Forestry University, Harbin 150040, China; 3. Economics School of Guizhou University, Guiyang 550025, China)

Increased greenhouse effects have seriously affected the survival and development of human society. Data from the Intergovernmental Panel on Climate Change (IPCC) indicates that agricultural greenhouse gases account for 13.5% of global anthropogenic emissions. This study investigated the planting industry in Shandong Province, China, which accounts for the highest proportion of agricultural output, to provide policy recommendations that should help the planting industry in the province follow a low-carbon development path. This study measured carbon emission, carbon sinks, carbon emission intensity, and the marginal cost of carbon emission reduction; used the DEA Malmquist model to measure the low-carbon performance level; and investigated the dynamic effects of low-carbon driving and constraint on the low-carbon performance of the planting industry in Shandong Province. The results showed that from 2000 to 2018, the carbon emission and carbon sink of planting industry in Shandong Province increased 0.26% and 1.71% averagely every year, while carbon emission intensity and marginal cost of carbon emission reduction decreased 3.12% and 2.10%, respectively. The low-carbon performance index increased slowly with an annual increasing rate of 3.00%, which mainly was driven by the efficiency of technology change. The low-carbon constraint goals and low-carbon drivers were the direct reasons of low-carbon performance change of the planting industry. The carbon emission intensity and low-carbon constraint goals had negative and passive effects on the low-carbon performance of plant industry, respectively. The low-carbon constraint goals played a more important role in the low-carbon performance of plant industry of Shandong Province. The findings of this study suggest that low-carbon development can be achieved by formulating low-carbon laws and regulations and improving the effectiveness of financial support.

Cost of emission reduction; Low-carbon performance; Drive and constraint; Shandong Province; Planting industry

10.13930/j.cnki.cjea.200279

楊濱鍵, 孫紅雨. 低碳績效測度與動態(tài)效應(yīng)研究——以山東省種植業(yè)為例[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2021, 29(3): 581-589

YANG B J, SUN H Y. Low carbon performance measurement and dynamic effects: A case study of the planting industry in Shandong Province[J]. Chinese Journal of Eco-Agriculture, 2021, 29(3): 581-589

F323.22

* 國家自然科學(xué)基金項目(71573036)和國家社會科學(xué)基金重點(diǎn)項目(17AZD012)資助

孫紅雨, 研究領(lǐng)域?yàn)閲H合作理論與政治、生態(tài)經(jīng)濟(jì)學(xué)。E-mail: 287033449@qq.com

楊濱鍵, 研究領(lǐng)域?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)學(xué)、資源環(huán)境經(jīng)濟(jì)學(xué)、碳會計。E-mail: yangbj919@163.com

2020-04-13

2020-12-10

* This study was supported by the National Natural Science Foundation of China (71573036) and the National Social Science Foundation of China (17AZD012).

, E-mail: 287033449@qq.com

Apr. 13, 2020;

Dec. 10, 2020