策略互動(dòng)和技術(shù)溢出視角下的農(nóng)業(yè)碳減排區(qū)域關(guān)聯(lián)

何艷秋　陳柔　朱思宇　夏順潔　王芳

摘要 農(nóng)業(yè)綠色發(fā)展是我國生態(tài)文明建設(shè)的必然要求，技術(shù)創(chuàng)新是撬動(dòng)農(nóng)業(yè)綠色發(fā)展的第一杠桿，而區(qū)域協(xié)同合作減排是高效減排的重要趨勢。為探討區(qū)域協(xié)同減排的方式，把握農(nóng)業(yè)技術(shù)溢出的渠道和方向，基于2007—2017年中國各省份的面板數(shù)據(jù)，立足空間視角，將傳統(tǒng)杜賓模型和分區(qū)杜賓模型相結(jié)合，一方面，通過傳統(tǒng)杜賓模型分析區(qū)域間農(nóng)業(yè)碳關(guān)聯(lián)的原因，進(jìn)而探討區(qū)域間農(nóng)業(yè)碳減排合作的方式，是減排策略的直接互動(dòng)，還是農(nóng)業(yè)技術(shù)溢出;另一方面，按人力資本水平、技術(shù)研發(fā)能力和產(chǎn)業(yè)集聚水平三個(gè)標(biāo)準(zhǔn)建立分區(qū)空間杜賓模型，深入分析農(nóng)業(yè)技術(shù)溢出的方向;同時(shí)，通過地理權(quán)重、經(jīng)濟(jì)權(quán)重和技術(shù)勢差權(quán)重的選擇，全面考察農(nóng)業(yè)技術(shù)信息溢出的可能渠道。研究結(jié)果表明：①農(nóng)業(yè)碳排放和農(nóng)業(yè)技術(shù)創(chuàng)新在時(shí)間趨勢上呈“倒掛”，農(nóng)業(yè)碳強(qiáng)度以年均-6.6%的速度下降，而農(nóng)業(yè)專利授權(quán)強(qiáng)度則以年均19.46%的速度上升，且兩個(gè)變量在空間上均呈顯著正向聚集;②區(qū)域農(nóng)業(yè)碳減排關(guān)聯(lián)既有策略互動(dòng)，又存在農(nóng)業(yè)技術(shù)溢出，且溢出渠道為技術(shù)勢差，而地理距離和經(jīng)濟(jì)差異不會(huì)顯著影響農(nóng)業(yè)技術(shù)的空間溢出;③從農(nóng)業(yè)技術(shù)溢出方向來看，存在“強(qiáng)強(qiáng)聯(lián)合”“強(qiáng)弱扶持”和“產(chǎn)業(yè)合作效應(yīng)”。最終從加大農(nóng)業(yè)技術(shù)研發(fā)力度、增強(qiáng)技術(shù)減排效果，引導(dǎo)農(nóng)業(yè)技術(shù)人才流動(dòng)、發(fā)揮“知識(shí)溢出”效應(yīng)，推動(dòng)區(qū)域技術(shù)合作、促進(jìn)區(qū)域協(xié)同減排等方面提出建議，為科學(xué)引導(dǎo)區(qū)域間農(nóng)業(yè)技術(shù)溢出，實(shí)現(xiàn)合作減排奠定基礎(chǔ)。

關(guān)鍵詞 農(nóng)業(yè)技術(shù)創(chuàng)新;減排策略互動(dòng);技術(shù)溢出;分區(qū)Durbin模型

中圖分類號(hào) X51 ??文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 1002-2104（2021）06-0102-11

DOI：10.12062/cpre20201012

全球變暖已成為人類生存的主要威脅，也是未來經(jīng)濟(jì)和社會(huì)發(fā)展必須考慮的因素[1]。二氧化碳作為一種重要的溫室氣體，是導(dǎo)致全球變暖的主要原因。2018年，全球與能源相關(guān)的CO2排放量增長了1.7%，達(dá)到33.1 Gt的歷史新高，是自2013年以來的最高增長率，比2010年以來的平均增長率高70%[2]。因此，開發(fā)節(jié)能技術(shù)并采取行動(dòng)減少碳排放已成為全球的共同目標(biāo)。農(nóng)業(yè)部門尤其容易受到氣候變化的影響并可能加劇氣候變暖[3]，在人類能夠避免氣候危機(jī)之前，必須盡快改變?nèi)虻霓r(nóng)業(yè)、林業(yè)和土地利用方式[4]。作為農(nóng)業(yè)大國和碳排放大國，我國的農(nóng)業(yè)碳排放量占全國碳排放總量的17%[5]。農(nóng)業(yè)的減排效果不僅直接影響中國碳中和目標(biāo)的實(shí)現(xiàn)，也會(huì)對世界碳減排產(chǎn)生巨大影響。因此，如何減少農(nóng)業(yè)部門的碳排放已成為值得研究的重要問題。

1 文獻(xiàn)綜述

技術(shù)進(jìn)步是影響環(huán)境的關(guān)鍵驅(qū)動(dòng)力[6]，發(fā)展應(yīng)對氣候變化的關(guān)鍵技術(shù)是有效減緩氣候危害的重要途徑[7-10]。Gerlagh [11]基于內(nèi)生技術(shù)進(jìn)步模型，發(fā)現(xiàn)技術(shù)進(jìn)步可以通過學(xué)習(xí)效應(yīng)顯著降低碳減排成本，增加社會(huì)效益;梁大鵬等[12]、Moutinho等 [13]和Wang等[14]等從能源利用技術(shù)的角度進(jìn)行分析，發(fā)現(xiàn)無碳能源技術(shù)的發(fā)展、化石能源利用技術(shù)的提升，尤其是可再生能源技術(shù)水平的提高能夠顯著降低CO2排放成本，從而減少排放總量;部分學(xué)者從國家角度研究，發(fā)現(xiàn)日本綠色研發(fā)投資與碳排放之間存在負(fù)相關(guān)關(guān)系[15]，而技術(shù)進(jìn)步能夠明顯抑制中國碳排放規(guī)模[16-17]。

在農(nóng)業(yè)碳減排中，技術(shù)也發(fā)揮著不可忽視的重要作用[18]，缺乏農(nóng)業(yè)技術(shù)會(huì)成為限制農(nóng)業(yè)可持續(xù)發(fā)展的重要原因[19]。學(xué)者們從研發(fā)投入占比、生產(chǎn)資料效率、能源強(qiáng)度、R&D資本研發(fā)投入、全要素生產(chǎn)率和生產(chǎn)率變化指數(shù)等方面估算技術(shù)進(jìn)步[20-25]，并研究技術(shù)進(jìn)步在農(nóng)業(yè)減排中的作用。Ismael等 [26]發(fā)現(xiàn)技術(shù)與農(nóng)業(yè)碳排放是單向因果關(guān)系，技術(shù)是抑制排放的重要原因;Zhang等[27]、胡中應(yīng)[28]、Fei等[29]和楊鈞[30]等認(rèn)為技術(shù)效率低是引起農(nóng)業(yè)碳利用效率低的關(guān)鍵因素;魏瑋等[31]發(fā)現(xiàn)農(nóng)業(yè)全要素技術(shù)進(jìn)步和能源增進(jìn)型技術(shù)進(jìn)步均顯著影響農(nóng)業(yè)碳排放;而資源再利用技術(shù)和循環(huán)利用技術(shù)的進(jìn)步是控制農(nóng)業(yè)碳排放的重要途徑[32];一些學(xué)者還從空間關(guān)聯(lián)視角研究了農(nóng)業(yè)碳排放，發(fā)現(xiàn)農(nóng)業(yè)排放總量、排放強(qiáng)度、排放效率和凈排放量存在空間溢出效應(yīng)[18，33-34];而農(nóng)業(yè)經(jīng)濟(jì)發(fā)展、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)、農(nóng)業(yè)技術(shù)創(chuàng)新、農(nóng)業(yè)勞動(dòng)力和城市化都是重要原因[35-38]。

綜上所述，技術(shù)創(chuàng)新已是公認(rèn)的減排重要途徑，必須進(jìn)一步完善農(nóng)業(yè)節(jié)能減排技術(shù)體系[39]。但是地區(qū)間如何在農(nóng)業(yè)領(lǐng)域進(jìn)行減排合作？是減排策略的直接互動(dòng)還是技術(shù)的間接共享？如果進(jìn)行技術(shù)共享，技術(shù)溢出的可能渠道是什么？技術(shù)溢出的方向又如何？這些問題現(xiàn)有研究均未給出明確回答。因此，作者從農(nóng)業(yè)減排合作的角度出發(fā)，利用我國2007—2017年的面板數(shù)據(jù)，建立傳統(tǒng)空間杜賓模型和分區(qū)空間杜賓模型，深入分析地區(qū)合作減排的方式、農(nóng)業(yè)技術(shù)創(chuàng)新的溢出渠道和方向，以期為農(nóng)業(yè)可持續(xù)發(fā)展奠定基礎(chǔ)，為區(qū)域減排合作指明方向。

2 農(nóng)業(yè)碳減排區(qū)域關(guān)聯(lián)的理論分析

由于外部性的存在，大氣污染治理很難僅僅依靠某個(gè)地區(qū)的單方行動(dòng)取得成效，必須通過區(qū)域協(xié)同行動(dòng)才能從根本上解決問題[40]，而區(qū)域間的農(nóng)業(yè)碳排放可能會(huì)通過減排策略互動(dòng)和農(nóng)業(yè)技術(shù)溢出緊密聯(lián)系起來。

減排策略互動(dòng)是一種相對簡單的減排效仿，某區(qū)域排放的增減會(huì)直接被其他區(qū)域作為調(diào)整自身排放量的依據(jù)。一是各區(qū)域面臨相似的環(huán)境規(guī)制壓力，當(dāng)區(qū)域間經(jīng)濟(jì)發(fā)展水平差距小，處于同一經(jīng)濟(jì)發(fā)展片區(qū)時(shí)，他們會(huì)面臨國家給予的比較相似的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展政策和環(huán)境規(guī)制措施，于是區(qū)域間會(huì)產(chǎn)生“策略跟隨”。當(dāng)某區(qū)域的排放水平有所增加時(shí)，其余區(qū)域也會(huì)放松自身排放，呈現(xiàn)“經(jīng)濟(jì)優(yōu)先、環(huán)境靠后”的態(tài)勢;而當(dāng)某區(qū)域排放水平減少時(shí)，其余區(qū)域也會(huì)對自身的排放水平更為嚴(yán)格，呈現(xiàn)“環(huán)境優(yōu)先、經(jīng)濟(jì)靠后”的態(tài)勢。二是區(qū)域間農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的相互競爭。各區(qū)域?yàn)槌蔀檗r(nóng)業(yè)經(jīng)濟(jì)發(fā)展中的“優(yōu)等生”，地方政府間會(huì)相互看齊，而農(nóng)業(yè)經(jīng)濟(jì)發(fā)展始終是與農(nóng)業(yè)碳排放聯(lián)系在一起的[41]，所以，經(jīng)濟(jì)競爭也會(huì)引起減排競爭。

農(nóng)業(yè)技術(shù)溢出是一種相對“聰明”和持續(xù)的減排互動(dòng)。某區(qū)域不會(huì)直接根據(jù)其他區(qū)域排放的減少調(diào)整自身的排放水平，而會(huì)去分析其他區(qū)域排放減少的原因，而技術(shù)進(jìn)步作為減排的重要途徑，自然是學(xué)習(xí)的重要方向。一是農(nóng)業(yè)產(chǎn)業(yè)集聚，帶來資源共享、規(guī)模經(jīng)濟(jì)[42]。其中，最重要的資源共享就是技術(shù)的共享，進(jìn)而提升整個(gè)聚集區(qū)的碳生產(chǎn)力，這種由產(chǎn)業(yè)合作引起的技術(shù)共享稱為“產(chǎn)業(yè)合作效應(yīng)”。二是農(nóng)業(yè)技術(shù)人才的跨區(qū)域流動(dòng)。加強(qiáng)農(nóng)業(yè)科技人才隊(duì)伍和技術(shù)推廣隊(duì)伍建設(shè)是提升農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的重要途徑，而這些農(nóng)業(yè)精英可以在區(qū)域間流動(dòng)，帶來“知識(shí)溢出效應(yīng)”。三是學(xué)習(xí)效應(yīng)。在農(nóng)業(yè)經(jīng)濟(jì)全國一盤棋的政策引領(lǐng)下，落后地區(qū)會(huì)提升自我吸納水平，主動(dòng)學(xué)習(xí)來自先進(jìn)地區(qū)的農(nóng)業(yè)技術(shù)創(chuàng)新，提升其農(nóng)業(yè)碳生產(chǎn)力。

3 ?研究方法和數(shù)據(jù)來源

3.1 農(nóng)業(yè)碳排放強(qiáng)度的測算

農(nóng)業(yè)碳排放源主要有5類： 一是農(nóng)用能源消耗;二是農(nóng)地利用;三是人工濕地， 主要指水稻生長發(fā)育過程中產(chǎn)生甲烷;四是反芻動(dòng)物養(yǎng)殖中腸道發(fā)酵和糞便管理的甲烷和氧化亞氮;五是農(nóng)業(yè)廢棄物， 主要是秸稈燃燒。公式為：

C=C能+C地+C稻+C動(dòng)+C稈（1）

CI=CAGDP（2）

式中，C為農(nóng)業(yè)碳排放總量，CI為農(nóng)業(yè)碳排放強(qiáng)度，AGDP為第一產(chǎn)業(yè)增加值，C能、C地、C稻、C動(dòng)和C稈分別表示5類碳源排放量。各類碳源排放量的測算參照IPCC的方式，由活動(dòng)數(shù)據(jù)乘以排放系數(shù)得到，并根據(jù)《IPCC第五次評估報(bào)告》折算系數(shù)，最終折算成二氧化碳排放當(dāng)量。

3.2 空間關(guān)聯(lián)的統(tǒng)計(jì)檢驗(yàn)

利用Morans I指數(shù)對農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)技術(shù)創(chuàng)新進(jìn)行空間關(guān)聯(lián)檢驗(yàn)，全局Morans I指數(shù)為：

zi=yi-s（7）

I和Ii是全局和局部莫蘭指數(shù)，yi和yj是省市i和j的農(nóng)業(yè)碳強(qiáng)度，是平均碳強(qiáng)度，ωi，j是空間權(quán)重矩陣第i行第j列元素，n為省市個(gè)數(shù)，s2是農(nóng)業(yè)碳強(qiáng)度的方差。Morans I指數(shù)取值范圍為[-1，1]，當(dāng)取值大于零時(shí)，表明變量呈空間正相關(guān)，即存在空間聚集現(xiàn)象;當(dāng)取值小于零時(shí)，表明變量存在空間負(fù)相關(guān);當(dāng)取值接近0時(shí)，則變量呈隨機(jī)分布，不存在顯著的空間效應(yīng)。根據(jù)變量的局部集聚特點(diǎn)將各省市劃分為4類，如表1。

3.3 空間杜賓模型

3.3.1 傳統(tǒng)空間Durbin模型

為檢驗(yàn)區(qū)域間農(nóng)業(yè)碳關(guān)聯(lián)是由減排策略互動(dòng)引起，還是技術(shù)溢出引起，建立了傳統(tǒng)的Durbin模型：

式中，ynt為地區(qū)農(nóng)業(yè)碳排放強(qiáng)度;Tecnt為農(nóng)業(yè)技術(shù)創(chuàng)新;xnt為控制變量;εnt為隨機(jī)干擾項(xiàng);ω為空間權(quán)重矩陣，為分析技術(shù)溢出的可能渠道，作者選擇了3種空間權(quán)重：地理距離權(quán)重陣ωijd、經(jīng)濟(jì)權(quán)重陣ωije和技術(shù)勢差陣ωijt。

式中，di，j為省會(huì)城市之間的球面距離;GDPi和GDPj為省市i和j的農(nóng)業(yè)增加值;Teci和Tecj為省份i和j的農(nóng)業(yè)技術(shù)創(chuàng)新。由于建模中的所有變量取值均大于0，為減弱異方差和偏態(tài)性問題，所以采用雙對數(shù)模型。

3.3.2 分區(qū)空間Durbin模型

為考察不同區(qū)域之間農(nóng)業(yè)技術(shù)溢出的方向，參考Elhorst等 [43]的成果，將農(nóng)業(yè)技術(shù)創(chuàng)新空間滯后項(xiàng)的權(quán)重進(jìn)行分割，建立分區(qū)Durbin模型。技術(shù)溢出與地區(qū)的技術(shù)吸納能力密切相關(guān)，而技術(shù)的吸納能力與一個(gè)地區(qū)人力資本水平、技術(shù)研發(fā)能力和產(chǎn)業(yè)發(fā)展水平是分不開的，所以，權(quán)重分割時(shí)采用三種標(biāo)準(zhǔn)：人力資本水平（大專及以上學(xué)歷人口占比）、產(chǎn)業(yè)集聚度（農(nóng)業(yè)產(chǎn)業(yè)區(qū)位商）和技術(shù)研

發(fā)能力（農(nóng)業(yè)專利授權(quán)強(qiáng)度）。H代表高人力資本集聚、高產(chǎn)業(yè)集聚或高技術(shù)研發(fā)能力，L代表低人力資本集聚、低產(chǎn)業(yè)集聚或低技術(shù)研發(fā)能力。

式中，θ1tec、θ2tec、θ3tec和θ4tec分別代表H-H地區(qū)間、H-L地區(qū)間、L-H地區(qū)間和L-L地區(qū)間的技術(shù)溢出估計(jì)系數(shù)，ω1、ω2、ω3和ω4由傳統(tǒng)Durbin模型的權(quán)重矩陣ω分割而來：

3.3.3 Durbin模型空間效應(yīng)的分解

對于空間計(jì)量經(jīng)濟(jì)模型，自變量的變化不僅通過空間乘數(shù)效應(yīng)影響自身，而且還間接影響其他區(qū)域。為準(zhǔn)確展示自變量對因變量的影響，將空間Durbin模型按以下方式重新排列：

并通過偏導(dǎo)數(shù)將總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)，結(jié)果為：

式中，yi為i省份的農(nóng)業(yè)溫室氣體排放強(qiáng)度，xik是省份i的第k個(gè)自變量，ωij是空間權(quán)重矩陣的第i行和第j列。

直接效應(yīng)表示本地區(qū)自變量對本地區(qū)因變量的影響和本地區(qū)自變量對其他地區(qū)因變量產(chǎn)生影響后反饋給本地區(qū)因變量的影響之和，為（15）式對角線元素的總和。間接效應(yīng)顯示了其他所有地區(qū)的自變量對本地區(qū)因變量的影響，為（15）式除對角元素之外的所有元素的平均值，也稱為空間溢出效應(yīng);總效應(yīng)是直接效應(yīng)和間接效應(yīng)之和。

3.4 指標(biāo)選取和數(shù)據(jù)來源

本文所用數(shù)據(jù)為2007—2017年全國30個(gè)省份（因數(shù)據(jù)可得性原因，研究未涉及西藏及港澳臺(tái)地區(qū)）的面板數(shù)據(jù)。因變量為農(nóng)業(yè)碳排放強(qiáng)度，核心自變量為農(nóng)業(yè)技術(shù)創(chuàng)新。對技術(shù)創(chuàng)新的測度主要有三種方法：從投入角度選擇指標(biāo)（如研發(fā)投入的占比、R&D研發(fā)投入的占比），從生產(chǎn)資料使用效率的角度選擇指標(biāo)（如化肥施用強(qiáng)度、農(nóng)藥施用強(qiáng)度、能耗強(qiáng)度），利用全要素生產(chǎn)率進(jìn)行綜合化測算（數(shù)據(jù)包絡(luò)法、隨機(jī)前沿法）。但投入角度選擇的指標(biāo)側(cè)重研發(fā)能力，投入多并不能說明技術(shù)創(chuàng)新水平高;生產(chǎn)資料使用效率角度選擇的指標(biāo)主要是從生產(chǎn)效率提高的角度來表示技術(shù)進(jìn)步，但技術(shù)創(chuàng)新的內(nèi)涵比技術(shù)進(jìn)步的內(nèi)涵更為寬泛，不但有“進(jìn)步”之意，還有“創(chuàng)新”之意;全要素生產(chǎn)率的測算更側(cè)重技術(shù)效率，和技術(shù)創(chuàng)新仍有一定差距。而涉農(nóng)專利是與農(nóng)業(yè)聯(lián)系較緊密、作用較直接的農(nóng)業(yè)科學(xué)技術(shù)[44]，并且專利數(shù)據(jù)具有較好的時(shí)間連續(xù)性[45]，可以利用中國專利數(shù)據(jù)庫獲取比較全面和準(zhǔn)確的信息。所以，從指標(biāo)適用性和數(shù)據(jù)可得性兩方面綜合考慮，最終選用農(nóng)業(yè)專利授權(quán)強(qiáng)度來衡量農(nóng)業(yè)技術(shù)創(chuàng)新水平?？刂谱兞繛檗r(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平、環(huán)境規(guī)制水平、人力資本水平和城鄉(xiāng)收入差距5個(gè)，見表2。

4 農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)技術(shù)創(chuàng)新的時(shí)空特征

4.1 農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)技術(shù)創(chuàng)新的時(shí)空格局

從變動(dòng)趨勢來看（見圖1、圖2），農(nóng)業(yè)碳排放總量緩慢增長，由2007年的1.4億t略微增長到2017年的1.6億t，年均增速僅為1.3%;而排放強(qiáng)度呈明顯降低趨勢，從2007年的4.93 t/萬元降低到2017年的2.49 t/萬元，降低幅度高達(dá)100%，年均降速為-6.6%。農(nóng)業(yè)專利授權(quán)總量呈現(xiàn)穩(wěn)健上升的態(tài)勢，從2007年的0.73萬件增長到2017年的9.58萬件，為2007年的13倍，年均增速高達(dá)26.31%，專利授權(quán)強(qiáng)度也從2007年的0.25件/億元升至2017年的1.48件/億元，年均增速為19.46%。 農(nóng)業(yè)技術(shù)創(chuàng)新和農(nóng)業(yè)碳排放在時(shí)間趨勢上呈一定程度的“倒掛”。

從區(qū)域差異來看（見圖3），各省份的農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)專利授權(quán)強(qiáng)度呈負(fù)相關(guān)關(guān)系。農(nóng)業(yè)專利授權(quán)強(qiáng)度高的地區(qū)集中在東部沿海兩省一市。北部沿海的北京、天津、山東，南部沿海的廣東，以及少量的中、西部省份，這些地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度處于全國中下游水平。農(nóng)業(yè)專利授權(quán)強(qiáng)度低的地區(qū)分布在東北和大量中、西部地區(qū)，其排放強(qiáng)度也處于較高水平。

4.2 農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)技術(shù)創(chuàng)新的空間集聚特征

利用全局morans I指數(shù)檢驗(yàn)各省份農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)技術(shù)創(chuàng)新的空間集聚特點(diǎn)。從結(jié)果可見（表3），農(nóng)業(yè)碳排放強(qiáng)度的全局morans I指數(shù)在均值0.366附近波動(dòng)，呈現(xiàn)先降后升的趨勢;技術(shù)創(chuàng)新的全局morans I指數(shù)比較穩(wěn)定，均值為0.366，說明我國各地農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)技術(shù)創(chuàng)新在空間分布上均呈顯著的正向空間聚集。

根據(jù)morans I散點(diǎn)圖整理得到局部空間聚集情況表。從結(jié)果可見（表4），我國大部分省份的農(nóng)業(yè)碳排放強(qiáng)度和農(nóng)業(yè)專利授權(quán)強(qiáng)度都呈現(xiàn)H-H聚集或L-L聚集。2007年H-H聚集和L-L聚集的省份占比分別為90.0%和70.0%，2017年H-H聚集和L-L聚集的省份占比分別為83.3%和60.0%。從排放強(qiáng)度來看，西北甘肅、青海、寧夏、新疆，以及東北吉林、黑龍江和黃河中游內(nèi)蒙古始終位于排放強(qiáng)度的H-H聚集區(qū)，東部沿海、南部沿海，以及長江中游、西南部分地區(qū)始終處于排放強(qiáng)度的L-L聚集區(qū)。

從技術(shù)創(chuàng)新來看，東部沿海的上海、浙江，北部沿海的天津、北京始終位于農(nóng)業(yè)專利授權(quán)強(qiáng)度的H-H聚集區(qū)，而長江中游湖南、湖北、江西，黃河中游的河南，以及西北陜西始終位于農(nóng)業(yè)專利授權(quán)強(qiáng)度的L-L聚集區(qū)。整體來看，形成了西部高碳排放低技術(shù)聚集、東部高技術(shù)低碳排放聚集的空間格局。

5 農(nóng)業(yè)碳減排的空間關(guān)聯(lián)分析

5.1 區(qū)域農(nóng)業(yè)碳減排策略互動(dòng)和技術(shù)溢出

將沒有空間效應(yīng)的普通面板模型和空間Durbin模型進(jìn)行對比，結(jié)果見表5。四種模型的整體擬合效果相差不大，在普通面板模型中，農(nóng)業(yè)技術(shù)創(chuàng)新并未顯示出對農(nóng)業(yè)碳強(qiáng)度有顯著影響;但在Durbin模型中，農(nóng)業(yè)技術(shù)創(chuàng)新分別呈現(xiàn)10%和5%顯著性下的空間作用，且人均GDP、城鎮(zhèn)化率、環(huán)境規(guī)制和城鄉(xiāng)收入差距等自變量也在不同的顯著性下呈現(xiàn)出空間效應(yīng)。說明普通面板模型忽略了地區(qū)之間碳排放和影響因素的相互作用，不能充分展示區(qū)域間減排行為的空間影響，所以選擇空間Durbin模型能夠更好地分析減排策略互動(dòng)和信息溢出。

從三種Durbin模型估計(jì)結(jié)果來看，空間自回歸系數(shù)ρ分別為0.508、0.464和0.212，均在1%的顯著性下顯著。表明農(nóng)業(yè)碳排放強(qiáng)度存在正的空間外部溢出作用，各個(gè)地區(qū)存在直接的減排策略互動(dòng)。由于采用地理權(quán)重（wijd）時(shí)空間自回歸系數(shù)最大，所以策略互動(dòng)在地理距離更近的區(qū)域間更為突出。農(nóng)業(yè)技術(shù)創(chuàng)新滯后項(xiàng)（θTEC）系數(shù)為負(fù)，說明一個(gè)地區(qū)農(nóng)業(yè)技術(shù)創(chuàng)新水平的提升可以帶動(dòng)周邊地區(qū)農(nóng)業(yè)碳強(qiáng)度的降低，地區(qū)間的農(nóng)業(yè)碳減排存在間接的技術(shù)溢出效應(yīng)。

為更準(zhǔn)確展示自變量對因變量的影響，計(jì)算空間Durbin模型的總效應(yīng)、直接效應(yīng)以及間接效應(yīng)。從結(jié)果可見（表6），僅以技術(shù)勢差為權(quán)重的空間Durbin模型中（模型4），農(nóng)業(yè)技術(shù)創(chuàng)新的間接效應(yīng)在5%的顯著性下顯著為負(fù)，另外兩種權(quán)重下杜賓模型中農(nóng)業(yè)技術(shù)創(chuàng)新的各種效應(yīng)均不顯著。說明從全國來看，技術(shù)溢出作為一種有意識(shí)的知識(shí)溢出[46-49]，與各區(qū)域的技術(shù)勢差、技術(shù)特性和技術(shù)吸收能力有關(guān)[50-52]，而與區(qū)域地理距離和農(nóng)業(yè)經(jīng)濟(jì)聯(lián)系沒有明顯關(guān)系，也說明技術(shù)溢出會(huì)超越地理位置和經(jīng)濟(jì)關(guān)聯(lián)，使更多區(qū)域的農(nóng)業(yè)環(huán)境污染問題得到明顯改善。

模型（2）、模型（3）、模型（4）中，環(huán)境規(guī)制的直接效應(yīng)、間接效應(yīng)和總效應(yīng)也在不同的顯著性下為負(fù)，說明地區(qū)加大農(nóng)業(yè)環(huán)保投資，帶動(dòng)本地減排的同時(shí)，也會(huì)促使其他地區(qū)面臨環(huán)保壓力，從而產(chǎn)生“減排策略跟隨”。農(nóng)業(yè)人均GDP的直接效應(yīng)、間接效應(yīng)和總效應(yīng)在不同的顯著性下為負(fù)，說明地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的提升不僅會(huì)引起本地農(nóng)業(yè)碳強(qiáng)度的降低，還會(huì)緩和其他地區(qū)農(nóng)業(yè)的環(huán)境污染。經(jīng)濟(jì)發(fā)展的競爭確實(shí)也會(huì)引起減排的競爭，存在“優(yōu)等生”效應(yīng)[53-55]。

5.2 區(qū)域間農(nóng)業(yè)技術(shù)創(chuàng)新溢出方向分析

進(jìn)一步檢驗(yàn)農(nóng)業(yè)技術(shù)溢出的方向，從分區(qū)空間Durbin模型估計(jì)結(jié)果可見（表7），按人力資本水平分割權(quán)重時(shí)，高人力資本地區(qū)間始終存在顯著的農(nóng)業(yè)技術(shù)溢出。一方農(nóng)業(yè)技術(shù)的進(jìn)步帶動(dòng)著多方的農(nóng)業(yè)碳減排，且經(jīng)濟(jì)權(quán)重下這種帶動(dòng)作用最為明顯。由于人才聚集的“馬太效應(yīng)”，農(nóng)業(yè)技術(shù)人才為尋求更好的發(fā)展機(jī)會(huì)和交流機(jī)會(huì)，總是向著農(nóng)業(yè)經(jīng)濟(jì)水平高，農(nóng)業(yè)技術(shù)人才多的地區(qū)流動(dòng)，使高人力資本地區(qū)間通過“強(qiáng)強(qiáng)聯(lián)合”產(chǎn)生了明顯的“知識(shí)溢出效應(yīng)”[53-55]。

按農(nóng)業(yè)產(chǎn)業(yè)集聚分割權(quán)重時(shí)，低產(chǎn)業(yè)集聚地區(qū)間和低對高產(chǎn)業(yè)集聚地區(qū)間存在顯著的農(nóng)業(yè)技術(shù)溢出。低產(chǎn)業(yè)集聚地區(qū)中，一個(gè)地區(qū)農(nóng)業(yè)技術(shù)的進(jìn)步不僅不會(huì)促使其他地區(qū)進(jìn)行碳減排，反而會(huì)加劇其污染，這是因?yàn)榈娃r(nóng)業(yè)產(chǎn)業(yè)集聚區(qū)大多是農(nóng)業(yè)占比較低的發(fā)達(dá)地區(qū)，以二、三產(chǎn)業(yè)為經(jīng)濟(jì)發(fā)展主體，由于農(nóng)業(yè)經(jīng)濟(jì)體量小，在農(nóng)業(yè)發(fā)展上容易出現(xiàn)“經(jīng)濟(jì)優(yōu)先，環(huán)境靠后”的思想，沒有充分重視來自農(nóng)業(yè)領(lǐng)域的技術(shù)創(chuàng)新。低對高產(chǎn)業(yè)集聚地區(qū)中，低產(chǎn)業(yè)聚集地農(nóng)業(yè)技術(shù)進(jìn)步會(huì)帶動(dòng)高產(chǎn)業(yè)集聚地的碳減排。高產(chǎn)業(yè)聚集地多為農(nóng)業(yè)占比較高的中、西部省份，是我國種植業(yè)和畜牧業(yè)發(fā)展的主要地區(qū)，也是最需進(jìn)行農(nóng)業(yè)技術(shù)開發(fā)的地區(qū)。在產(chǎn)業(yè)融合大背景下，其通過打造跨區(qū)域農(nóng)業(yè)產(chǎn)

業(yè)鏈、訂單式農(nóng)業(yè)等方式加大與低產(chǎn)業(yè)聚集地的經(jīng)濟(jì)合作，將先進(jìn)的技術(shù)水平融入低產(chǎn)業(yè)聚集地的農(nóng)業(yè)生產(chǎn)中，提升農(nóng)業(yè)可持續(xù)發(fā)展水平，產(chǎn)生“產(chǎn)業(yè)合作效應(yīng)”[56-57]。

按農(nóng)業(yè)技術(shù)研發(fā)能力分割權(quán)重，當(dāng)選擇經(jīng)濟(jì)權(quán)重時(shí)，高對低技術(shù)研發(fā)水平的地區(qū)間存在顯著的農(nóng)業(yè)技術(shù)信息溢出。高技術(shù)研發(fā)水平的地區(qū)主要分布在北京、天津，以及東部沿海等發(fā)達(dá)地區(qū)，而低技術(shù)研發(fā)水平的地區(qū)主要分布在大量的中、西部等主要農(nóng)業(yè)產(chǎn)區(qū)。為提升農(nóng)業(yè)生產(chǎn)力，減少農(nóng)業(yè)污染水平，這些地區(qū)通過經(jīng)濟(jì)渠道主動(dòng)學(xué)習(xí)高技術(shù)研發(fā)地區(qū)的先進(jìn)技術(shù)，產(chǎn)生“強(qiáng)弱扶持”的現(xiàn)象。

6 ?結(jié)論與建議

6.1 結(jié)論

（1）農(nóng)業(yè)技術(shù)創(chuàng)新和農(nóng)業(yè)碳排放在時(shí)間趨勢上呈“倒掛”，在空間上呈顯著的正向聚集。從變動(dòng)趨勢看，農(nóng)業(yè)碳強(qiáng)度以年均-6.6%的速度下降，而農(nóng)業(yè)專利授權(quán)強(qiáng)度則以年均19.46%的速度上升，呈現(xiàn)明顯的“倒掛”現(xiàn)象，說明我國農(nóng)業(yè)技術(shù)研發(fā)水平顯著提升，農(nóng)業(yè)產(chǎn)業(yè)正在向可持續(xù)的綠色經(jīng)濟(jì)目標(biāo)發(fā)展。從空間格局看，農(nóng)業(yè)碳強(qiáng)度和農(nóng)業(yè)技術(shù)創(chuàng)新空間正向聚集效應(yīng)明顯，形成了西部高碳排放低技術(shù)聚集、東部高技術(shù)低碳排放聚集的空間格局。

（2）區(qū)域農(nóng)業(yè)碳減排既有策略互動(dòng)，又存在農(nóng)業(yè)技術(shù)信息溢出，溢出渠道主要是技術(shù)勢差?？臻g杜賓模型比普通面板模型更好地展示了區(qū)域間減排行為的空間影響。不同空間權(quán)重下的空間自回歸系數(shù)均在1%的顯著性下顯著，農(nóng)業(yè)碳排放強(qiáng)度存在正的空間外部溢出作用，各個(gè)地區(qū)存在直接的減排策略互動(dòng)。一方面，由于地區(qū)加大農(nóng)業(yè)環(huán)保投資進(jìn)行減排使其他地區(qū)面臨環(huán)保壓力，產(chǎn)生“策略跟隨”;另一方面，地區(qū)經(jīng)濟(jì)競爭引起減排競爭，存在“優(yōu)等生”效應(yīng)。技術(shù)勢差權(quán)重下，農(nóng)業(yè)技術(shù)創(chuàng)新的間接效應(yīng)顯著為負(fù)，說明區(qū)域間存在農(nóng)業(yè)技術(shù)溢出，進(jìn)而產(chǎn)生減排行為關(guān)聯(lián)，溢出渠道主要是區(qū)域間的技術(shù)勢差。全國范圍內(nèi)來看，技術(shù)溢出會(huì)超越地理位置和經(jīng)濟(jì)關(guān)聯(lián)，使更多區(qū)域的農(nóng)業(yè)環(huán)境污染問題得到明顯改善。

（3）農(nóng)業(yè)技術(shù)溢出方向既存在“強(qiáng)強(qiáng)聯(lián)合”，又存在“強(qiáng)弱扶持”，還存在“產(chǎn)業(yè)合作效應(yīng)”。由于人才聚集的“馬太效應(yīng)”，人力資本水平高的地區(qū)間存在顯著的技術(shù)溢出。一方農(nóng)業(yè)技術(shù)的進(jìn)步帶動(dòng)著多方的農(nóng)業(yè)碳減排，且經(jīng)濟(jì)權(quán)重下，這種帶動(dòng)作用最為明顯，產(chǎn)生“強(qiáng)強(qiáng)聯(lián)合”現(xiàn)象。各地區(qū)技術(shù)研發(fā)能力差異明顯，低研發(fā)水平的大量中、西部農(nóng)業(yè)省份，通過主動(dòng)學(xué)習(xí)，充分吸收來自高研發(fā)水平地區(qū)的技術(shù)溢出，產(chǎn)生“強(qiáng)弱扶持”的現(xiàn)象。在產(chǎn)業(yè)融合驅(qū)動(dòng)下，農(nóng)業(yè)產(chǎn)業(yè)高集聚區(qū)通過跨區(qū)域農(nóng)業(yè)產(chǎn)業(yè)鏈、訂單式農(nóng)業(yè)等方式與低產(chǎn)業(yè)聚集地進(jìn)行經(jīng)濟(jì)合作，進(jìn)而先進(jìn)的技術(shù)水平會(huì)融入低產(chǎn)業(yè)聚集地農(nóng)業(yè)生產(chǎn)過程，實(shí)現(xiàn)農(nóng)業(yè)碳減排，產(chǎn)生“產(chǎn)業(yè)合作效應(yīng)”。

6.2 建議

（1）加大農(nóng)業(yè)技術(shù)研發(fā)力度，增強(qiáng)技術(shù)減排效果。農(nóng)業(yè)技術(shù)創(chuàng)新作為農(nóng)業(yè)減排的重要途徑，各地應(yīng)加大研發(fā)創(chuàng)新力度，推動(dòng)農(nóng)業(yè)技術(shù)進(jìn)步，降低農(nóng)業(yè)環(huán)境污染。一方面，創(chuàng)造良好的技術(shù)研發(fā)環(huán)境，不斷完善知識(shí)產(chǎn)權(quán)保護(hù)制度，通過稅收減免、財(cái)政補(bǔ)貼和金融貼息的優(yōu)惠政策，鼓勵(lì)企業(yè)、高校等科研主體進(jìn)行技術(shù)研發(fā);整合人才、資本、信息和技術(shù)，促進(jìn)地區(qū)間優(yōu)勢整合互補(bǔ)，加速技術(shù)推廣應(yīng)用和產(chǎn)業(yè)化。另一方面，健全技術(shù)轉(zhuǎn)移渠道，完善技術(shù)買賣制度，使技術(shù)溢出渠道更通暢，技術(shù)減排效果更明顯。

（2）引導(dǎo)農(nóng)業(yè)技術(shù)人才流動(dòng)，發(fā)揮“知識(shí)溢出”效應(yīng)。人力貫穿于技術(shù)研發(fā)、技術(shù)轉(zhuǎn)移和技術(shù)吸納的各個(gè)階段。在農(nóng)業(yè)碳減排中，不僅要發(fā)揮人力資本的“強(qiáng)強(qiáng)聯(lián)合”作

用，也要激發(fā)人力資本的“強(qiáng)弱扶持”作用。一方面，加大政府引導(dǎo)，通過稅收政策等優(yōu)惠提高低人力資本地區(qū)生產(chǎn)要素的收益率，通過“政策留人”方式吸引技術(shù)人才向低人力資本地區(qū)流動(dòng);另一方面，建立人才流動(dòng)的長效機(jī)制，搭建事業(yè)平臺(tái)，凸顯地區(qū)發(fā)展?jié)摿?，通過“事業(yè)留人”方法吸引技術(shù)人才向低人力資本地區(qū)流動(dòng)。

（3）促進(jìn)區(qū)域技術(shù)合作，實(shí)現(xiàn)區(qū)域協(xié)同減排。一是增強(qiáng)農(nóng)業(yè)經(jīng)濟(jì)聯(lián)系，為技術(shù)溢出創(chuàng)造條件，使農(nóng)業(yè)資源能夠在區(qū)域之間更好地分配，減少農(nóng)業(yè)排放的“競爭性向上”;二是促進(jìn)農(nóng)業(yè)技術(shù)研發(fā)的“強(qiáng)強(qiáng)合作”，并搭建農(nóng)業(yè)技術(shù)傳遞平臺(tái)和機(jī)制來解決信息不暢、資金約束和技術(shù)應(yīng)用風(fēng)險(xiǎn)等問題，發(fā)揮中心區(qū)的示范效應(yīng)和周邊區(qū)域的學(xué)習(xí)效應(yīng);三是技術(shù)研發(fā)能力低的地區(qū)要加大技術(shù)密集型產(chǎn)業(yè)的引資力度，充分借助區(qū)域協(xié)同發(fā)展和產(chǎn)業(yè)融合戰(zhàn)略，提高自身技術(shù)吸納能力，以產(chǎn)業(yè)合作促技術(shù)吸收，進(jìn)而帶動(dòng)減排。

參考文獻(xiàn)

[1]NELSON A R， GENNARO D A. A Global warming and warning[R]. 2019.

[2]IEA. Global energy & CO2 status report 2019[R].2019.

[3]OWUSU P A，ASUMADU-SARKODIE S.Is there a causal effect between agricultural production and carbon dioxide emissions in Ghana[J].Environmental engineering research，2017，22（1）：40-54

[4]IPCC. Climate change and land[R].2019.

[5]李波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解[J].中國人口·資源與環(huán)境，2011，21（8）：80-86.

[6]EHRLICH P R， HOLDREN J P. Impact of population growth[J]. Science， 1971，171（3977）：1212-1217.

[7]蔡益泉.我國低碳產(chǎn)業(yè)的發(fā)展現(xiàn)狀與對策思考[J].華東經(jīng)濟(jì)管理，2013，27（4）：32-35.

[8]LORENZONI I，NICHOLSON-COLE S，WHITMARSH L.Barriers perceived to engaging with climate change among the UK public and their policy implications[J].Global environmental change，2007，17（3/4）：445-459.

[9]NELISSEND， REQUATE T. Pollution-reducing and resource-saving technological progress[J]. International journal of agricultural resources， governance and ecology，2007， 6（1）：5.

[10]馬志云，劉云.應(yīng)對氣候變化關(guān)鍵技術(shù)創(chuàng)新差異的時(shí)空格局：以“一帶一路”沿線國家為例[J].中國人口·資源與環(huán)境，2017，27（9）：102-111.

[11]GERLAGH R. Measuring the value of induced technological change[J]. Energy policy， 2007，35（11）：5287-5297.

[12]梁大鵬，劉天森，李一軍.基于LMDI模型的金磚五國二氧化碳排放成本及其影響因素比較研究[J].資源科學(xué)，2015，37（12）：2319-2329.

[13]MOUTINHO V，MADALENO M，INGLESI-LOTZ R，et al.Factors affecting CO2 emissions in top countries on renewable energies：a LMDI decomposition application[J].Renewable and sustainable energy reviews，2018，90：605-622.

[14]WANG Z H， YANG Z M， ZHANG Y X， et al. Energy technology patents-CO2 emissions nexus： an empirical analysis from China[J]. Energy policy， 2012，42：248-260.

[15]LEE K H， MIN B. Green R & D for eco-innovation and its impact on carbon emissions and firm performance[J]. Journal of cleaner production， 2015，108：534-542.

[16]SHUAI C Y， SHEN L Y， JIAO L O， et al. Identifying key impact factors on carbon emission： evidences from panel and time-series data of 125 countries from 1990 to 2011[J]. Applied energy， 2017，187：310-325.

[17]佟昕，陳凱，李剛.中國碳排放影響因素分析和趨勢預(yù)測：基于STIRPAT和GM（1，1）模型的實(shí)證研究[J]. 東北大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015，36（2）：297-300.

[18]吳賢榮，張俊飚，程琳琳，等.中國省域農(nóng)業(yè)碳減排潛力及其空間關(guān)聯(lián)特征：基于空間權(quán)重矩陣的空間Durbin模型[J]. 中國人口·資源與環(huán)境，2015，25（6）：53-61.

[19]SASMAL T K. Adoption of new agricultural technologies for sustainable agriculture in eastern India： an empirical study[J]. Indian research journal of extension education， 2015（15）：38-42.

[20]HAN H B， ZHONG Z Q， GUO Y， et al. Coupling and decoupling effects of agricultural carbon emissions in China and their driving factors[J]. Environmental science and pollution research， 2018，25：25280-25293.

[21]YOU D M，JIANG K.Research into dynamic lag effect of R&D input on economic growth based on the vector auto-regression model[J].Journal of computational and theoretical nanoscience，2016，13（10）：6787-6796.

[22]趙小雨，王學(xué)軍，郭群.區(qū)域創(chuàng)新能力、農(nóng)業(yè)經(jīng)濟(jì)與生態(tài)環(huán)境協(xié)調(diào)發(fā)展關(guān)系研究：省級面板數(shù)據(jù)空間計(jì)量分析[J].科技進(jìn)步與對策，2018，35（7）：35-42.

[23]盧娜，王為東，王淼，等.突破性低碳技術(shù)創(chuàng)新與碳排放：直接影響與空間溢出[J].中國人口·資源與環(huán)境，2019，29（5）：30-39.

[24]DYER J A， KULSHRESHTHA S N， MCCONKEY B G， et al. An assessment of fossil fuel energy use and CO2 emissions from farm field operations using a regional level crop and land use database for? Canada[J].Energy，2010， 35（5）：2261-2269.

[25]趙欣，龍如銀.考慮全要素生產(chǎn)率的中國碳排放影響因素分析[J].資源科學(xué)，2010，32（10）：1863-1870.

[26]ISMAEL M，SROUJI F，BOUTABBA M A.Agricultural technologies and carbon emissions：evidence from Jordanian economy[J].Environmental science and pollution research，2018，25（11）：10867-10877.

[27]ZHANG H， GUO S， QIAN Y， et al. Dynamic analysis of agricultural carbon emissions efficiency in Chinese provinces along the Belt and Road[J].PloS one，2020，15（2）： e0228223.

[28]胡中應(yīng).技術(shù)進(jìn)步、技術(shù)效率與中國農(nóng)業(yè)碳排放[J].華東經(jīng)濟(jì)管理，2018，32（6）：100-105.

[29]FEI R L， LIN B Q. Technology gap and CO2 emission reduction potential by technical efficiency measures： a meta-frontier modeling for the Chinese agricultural sector[J].Ecological indicators， 2017（73）： 653-661.

[30]楊鈞.農(nóng)業(yè)技術(shù)進(jìn)步對農(nóng)業(yè)碳排放的影響：中國省級數(shù)據(jù)的檢驗(yàn)[J].軟科學(xué)，2013，27（10）：116-120.

[31]魏瑋，文長存，崔琦，等.農(nóng)業(yè)技術(shù)進(jìn)步對農(nóng)業(yè)能源使用與碳排放的影響：基于GTAP-E模型分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2018（2）：30-40.

[32]FAN C Z， WEI T Y. Effectiveness of integrated low-carbon technologies[J].International journal of climate change strategies and management，2016， 8（5）： 758-776.

[33]孫赫，梁紅梅，常學(xué)禮，等.中國土地利用碳排放及其空間關(guān)聯(lián)[J].經(jīng)濟(jì)地理，2015，35（3）：154-162.

[34]WU H， HUANG H， TANG J， et al.Net greenhouse gas emissions from agriculture in China： estimation， spatial correlation and convergence[J].Sustainability， 2019，11（18）：4817.

[35]MA D. Spatial heterogeneity and influencing factors of agricultural energy carbon emission efficiency in China： an empirical research of spatial panel data model[J]. Resource development & market， 2018， 34（12）：1693-1765.

[36]WU Y， FENG K. Spatial-temporal differentiation features and correlation effects of provincial agricultural carbon emissions in China[J]. Environmental science and technology，2019， 42（3） ：180-190.

[37]LIU X H， KUANG B， LI J， et al. Dynamic evolution of regional discrepancies in carbon emissions from agricultural land utilization： evidence from Chinese provincial data[J].Sustainability， 2018，10（2）： 552.

[38]WANG Y， ZHANG Y， TIAN Y， et al. Influencing factors and spatial spillover of agricultural carbon emissions in major grain producing areas in China[J].Journal of southern agriculture， 2019， 50（7）：1632-1639.

[39]XIONG C H， YANG D G， HUO J W， et al. The relationship between agricultural carbon emissions and agricultural economic growth and policy recommendations of a low-carbon agriculture economy[J]. Polish journal of environmental studies， 2016，25（5）：2187-2195.

[40]WARNER J，ZAWAHRI N.Hegemony and asymmetry：multiple-chessboard games on transboundary rivers[J].International environmental agreements：politics，law and economics，2012，12（3）：215-229.

[41]蔣黎，王曉君.環(huán)境質(zhì)量與農(nóng)業(yè)經(jīng)濟(jì)增長的內(nèi)在關(guān)系探討：基于我國31個(gè)省區(qū)面板數(shù)據(jù)的EKC分析[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題，2019，40（12）：43-51.

[42]張哲晰，穆月英.產(chǎn)業(yè)集聚能提高農(nóng)業(yè)碳生產(chǎn)率嗎？ [J].中國人口·資源與環(huán)境，2019，29（7）：57-65.

[43]ELHORST J P， FRRET S. Evidence of political yardstick competition in France using a two-regime spatial Durbin Model with fixed effects[J].Journal of regional science， 2009，49（5）：931-951.

[44]鄭懷國，賈倩，張輝，等.基于專利視角的北京涉農(nóng)領(lǐng)域科技創(chuàng)新現(xiàn)狀分析[J]. 科技管理研究，2017，37（23）：192-199.

[45]

COSTANTINI V，CRESPI F，PALMA A.Characterizing the policy mix and its impact on eco-innovation：a patent analysis of energy-efficient technologies[J].Research policy，2017，46（4）：799-819.

[46]POLANYI M，NYE M J. Personal knowledge： towards a post-critical philosophy[M].Chicago： University of Chicago Press， 2015.

[47]BOSCHMA R. Proximity and innovation： a critical assessment[J]. Regional studies， 2005， 39（1）： 61-74.

[48]BROOKS H. The relationship between science and technology[J].Research policy， 1994， 23（5）： 477-486.

[49]田云，張俊飚.中國農(nóng)業(yè)碳排放、低碳農(nóng)業(yè)生產(chǎn)率及其協(xié)調(diào)性研究[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2017，22（5）：208-213，215-218.

[50]閔繼勝，胡浩.中國農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測算[J]. 中國人口·資源與環(huán)境，2012，22（7）：21-27.

[51]劉麗華，蔣靜艷，宗良綱.農(nóng)業(yè)殘留物燃燒溫室氣體排放清單研究：以江蘇省為例[J]. 環(huán)境科學(xué)，2011，32（5）：1242-1248.

[52]劉傳江，向曉建，李雪.人力資本積累可以降低中國二氧化碳排放嗎：基于中國省域人力資本與二氧化碳排放的實(shí)證研究[J]. 江南大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2021，20（2）：76-88.

[53]蔣毅一，彭林，趙爽，等.基于空間計(jì)量的中國省域火電行業(yè)碳排放效率分析[J].山東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019，31（2）：31-42.

[54]伍國勇， 孫小鈞， 于福波， 等. 中國種植業(yè)碳生產(chǎn)率空間關(guān)聯(lián)格局及影響因素分析[J]. 中國人口·資源與環(huán)境， 2020， 30 （5）： 46-57

[55]田云， 張俊飚， 羅小鋒. 中國種植業(yè)凈碳效益與經(jīng)濟(jì)效益協(xié)調(diào)性區(qū)域比較研究[J]. 經(jīng)濟(jì)地理， 2014， 34 （3）： 142-148.

[56]陶群山，胡浩.環(huán)境規(guī)制和農(nóng)業(yè)科技進(jìn)步的關(guān)系分析：基于波特假說的研究[J].中國人口·資源與環(huán)境，2011，21（12）：52-57.

[57]鐘茂初，李夢潔，杜威劍.環(huán)境規(guī)制能否倒逼產(chǎn)業(yè)結(jié)構(gòu)調(diào)整：基于中國省際面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J].中國人口·資源與環(huán)境，2015，25（8）：107-115.

Regional correlation of agricultural carbon emission reduction from the

perspective of strategic interaction and technology spillover

HE Yanqiu CHEN Rou ZHU Siyu XIA Shunjie WANG Fang

（College of Management， Sichuan Agricultural University， Chengdu Sichuan 611130， China）

Abstract Agricultural green development is an inevitable prerequisite of Chinas ecological civilization construction. Moreover， technology innovation is the first lever to promote agricultural green development， and regional cooperation to reduce emissions is a significant trend for efficient emission reduction. To explore the ways of regionally coordinated emission reduction and identify the channels and directions of agricultural technology spillovers， based on the panel data of Chinas provinces and municipalities during 2007-2017， as well as from a spatial viewpoint， this study combined the traditional Durbin model and the partitioned Durbin model. First， the traditional Durbin model was used to examine the causes of inter-regional agricultural carbon linkages， followed by exploring the ways of collaboration in agricultural carbon emission reduction between regions and ascertaining whether these ways were the direct interaction of strategies or agricultural technology spillovers. Then， based on the three criteria of human capital level， technology research and development （R&D） capability， and industrial agglomeration level， this study established a partitioned Durbin model to comprehensively analyze the directions of agricultural technology spillovers. Meanwhile， by selecting geographic weights， economic weights， and technological weights， we comprehensively assessed the conceivable channels for agricultural technology information spillovers. The results showed that： ① Agricultural technology innovation and agricultural carbon emission presented ‘upside down in the time trend， the agriculture carbon intensity declined at an average annual rate of -6.6%， whereas the agricultural patent authorization intensity increased at an average annual rate of 19.46%， and both were significant spatial positive aggregation. ② Regional agricultural carbon emission reduction had both strategic interaction and agricultural technology information spillovers， and the spillover channel was the technical difference between regions， whereas geographic distance and economic difference would not markedly influence the spatial spillovers of agricultural technology. ③ From the standpoint of the directions of agricultural technology spillovers， there existed the phenomena of ‘cooperation between strong performers， ‘strong performers supporting the weak ones， and ‘industrial cooperation effect. Finally， the following suggestions are provided： each region should strengthen agricultural technology R&D and enhance the impact of technology emission reduction; each region should guide the flow of agricultural technology talents and play the ‘knowledge spillover effect; and the government should take the lead in promoting regional technology cooperation and regionally coordinated emission reduction. This study is expected to lay the foundation for scientifically guiding agricultural technology spillovers between regions and attaining agricultural cooperation emission reductions.

Key words agricultural technology innovation; emission reduction strategy interaction; technology spillover; partitioned spatial Durbin model

（責(zé)任編輯：劉照勝）

收稿日期：2020-07-09? 修回日期：2020-11-09

作者簡介：何艷秋，博士，副教授，主要研究方向?yàn)檗r(nóng)業(yè)可持續(xù)發(fā)展、農(nóng)業(yè)資源環(huán)境。E-mail：linxiatinqiu@126.com。

通信作者：王芳，博士，教授，博導(dǎo)，主要研究方向?yàn)橘Y源環(huán)境經(jīng)濟(jì)與政策。E-mail：11575503@qq.com。

基金項(xiàng)目：國家自然科學(xué)基金青年項(xiàng)目“農(nóng)業(yè)碳排放區(qū)域關(guān)聯(lián)及協(xié)同減排機(jī)制研究”（批準(zhǔn)號(hào)：71704127）;2021年度四川省社會(huì)科學(xué)規(guī)劃項(xiàng)目“技術(shù)創(chuàng)新視角下省域農(nóng)業(yè)碳減排的協(xié)同策略研究”（批準(zhǔn)號(hào)：21TJ007）。

何艷秋，陳柔，朱思宇，等.策略互動(dòng)和技術(shù)溢出視角下的農(nóng)業(yè)碳減排區(qū)域關(guān)聯(lián)[J].中國人口·資源與環(huán)境，2021，31（6）：102-112.[HE Yanqiu，CHEN Rou，ZHU Siyu，et al.Regional correlation of agricultural carbon emission reduction from the perspective of strategic interaction and technology spillover[J]. China population， resources and environment， 2021，31（6）：102-112.]