城鎮(zhèn)化、空間溢出效應(yīng)與農(nóng)業(yè)碳排放
——基于2007—2019年省級面板數(shù)據(jù)的實(shí)證分析

黃曉慧，楊 飛，陸 遷

（1.江蘇師范大學(xué) 商學(xué)院，江蘇 徐州 221116；2.西北農(nóng)林科技大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 楊凌 712100）

一、引 言

由二氧化碳等溫室氣體排放引發(fā)的氣候變化問題日益突出，嚴(yán)重威脅生態(tài)平衡與人類生存，成為當(dāng)前全球共同面臨的問題［1-2］。中國作為世界上碳排放大國，進(jìn)行碳減排對全球氣候治理具有重要的作用［3］。改革開放40多年來，我國為保障世界糧食安全做出巨大貢獻(xiàn)的同時(shí)，也產(chǎn)生了大量的農(nóng)業(yè)碳排放，導(dǎo)致嚴(yán)重的生態(tài)環(huán)境問題，對我國糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展造成很大威脅［4-6］。因此，推動農(nóng)業(yè)綠色低碳生產(chǎn)，不僅是減少農(nóng)業(yè)碳排放的重要路徑，也是生態(tài)文明建設(shè)的要求，更是促進(jìn)農(nóng)業(yè)高質(zhì)量和可持續(xù)發(fā)展的必然選擇［7-8］。因此，識別農(nóng)業(yè)碳排放的影響因素，對制定農(nóng)業(yè)碳減排政策具有重要意義。

國內(nèi)外學(xué)者主要從農(nóng)村人力資本、環(huán)境規(guī)制、農(nóng)業(yè)技術(shù)進(jìn)步、農(nóng)地經(jīng)營規(guī)模、農(nóng)業(yè)產(chǎn)業(yè)聚集、財(cái)政支農(nóng)政策等不同角度研究了農(nóng)業(yè)碳排放的影響［9-11］。近年來，隨著中國城鎮(zhèn)化水平的不斷提高，部分學(xué)者開始關(guān)注其對農(nóng)業(yè)碳排放的影響。一部分學(xué)者研究表明，城鎮(zhèn)化水平正向影響農(nóng)業(yè)碳排放［12-13］；也有學(xué)者認(rèn)為，城鎮(zhèn)化水平負(fù)向影響農(nóng)業(yè)碳排放［14］?？梢?，現(xiàn)有文獻(xiàn)研究結(jié)論并不一致。同時(shí)，由于我國不同省份之間經(jīng)濟(jì)發(fā)展水平、資源稟賦等存在差異，農(nóng)村勞動力在轉(zhuǎn)移過程中會表現(xiàn)出空間依賴和溢出特征，因此，城鎮(zhèn)化對農(nóng)業(yè)碳排放可能會產(chǎn)生空間溢出效應(yīng)［15］。那么，近年來農(nóng)業(yè)碳排放時(shí)空特征如何？農(nóng)業(yè)碳排放與城鎮(zhèn)化空間相關(guān)性和集聚效應(yīng)如何？城鎮(zhèn)化對農(nóng)業(yè)碳排放是否存在空間溢出效應(yīng)？基于此，本文根據(jù)2007—2019 年中國31 個(gè)省份（不包括港澳臺地區(qū)）的面板數(shù)據(jù)，以狹義的農(nóng)業(yè)種植業(yè)為研究對象測算種植業(yè)農(nóng)業(yè)碳排放，采用空間Moran'sI全局指數(shù)分析兩者的空間相關(guān)性和集聚特征，借助空間面板計(jì)量模型，實(shí)證分析城鎮(zhèn)化對農(nóng)業(yè)碳排放影響的空間溢出效應(yīng)，以期為城鎮(zhèn)化背景下制定農(nóng)業(yè)碳減排政策提供參考。

二、理論分析與研究假設(shè)

一方面，城鎮(zhèn)化減少了農(nóng)村勞動力，這會促使農(nóng)業(yè)生產(chǎn)主體重視規(guī)模化和集約化經(jīng)營，有利于節(jié)約資源，提高勞動生產(chǎn)率、資源利用率和綠色生產(chǎn)效率，降低農(nóng)業(yè)碳排放［16］。同時(shí)，轉(zhuǎn)移至城鎮(zhèn)的勞動力由農(nóng)產(chǎn)品生產(chǎn)者轉(zhuǎn)變?yōu)檗r(nóng)產(chǎn)品消費(fèi)者［17］，對農(nóng)產(chǎn)品的安全品質(zhì)有了更高的需求。因此，會促使農(nóng)戶采用綠色低碳農(nóng)業(yè)技術(shù)，減少農(nóng)藥化肥等的投入，進(jìn)而可以提升農(nóng)業(yè)綠色生產(chǎn)效率，減少農(nóng)業(yè)碳排放［18］。另一方面，城鎮(zhèn)化使農(nóng)村勞動力呈現(xiàn)出老齡化、女性化和兼業(yè)化的特征，為了避免農(nóng)業(yè)減產(chǎn)，農(nóng)戶大量投入化肥、農(nóng)藥、農(nóng)膜以及機(jī)械設(shè)施等替代性生產(chǎn)要素，產(chǎn)生了大量的農(nóng)業(yè)碳排放，嚴(yán)重污染環(huán)境，影響糧食安全和農(nóng)業(yè)可持續(xù)發(fā)展［19］。由此可見，城鎮(zhèn)化可能正向增加農(nóng)業(yè)碳排放，也可能負(fù)向減少農(nóng)業(yè)碳排放。因此，提出研究假設(shè)1。

H1：城鎮(zhèn)化發(fā)展對農(nóng)業(yè)碳排放影響方向不確定。

隨著城鎮(zhèn)化的發(fā)展以及省份間開放程度的不斷擴(kuò)大，不僅可以吸引本省農(nóng)村勞動力轉(zhuǎn)移，還會吸引其他省份農(nóng)村勞動力轉(zhuǎn)移。農(nóng)村勞動力在不同省份之間的轉(zhuǎn)移，加深了農(nóng)業(yè)生產(chǎn)之間的空間聯(lián)系［20］。不同省份城鎮(zhèn)化存在空間相關(guān)性，能夠產(chǎn)生溢出效應(yīng)影響農(nóng)業(yè)碳排放［21］。一方面，隨著城鎮(zhèn)化的發(fā)展，農(nóng)村勞動力在不同省份的流動促進(jìn)了農(nóng)業(yè)生產(chǎn)知識在空間上的交流和傳播，農(nóng)業(yè)生產(chǎn)觀念得到了更新，農(nóng)戶會將先進(jìn)的農(nóng)業(yè)綠色低碳技術(shù)和專業(yè)生產(chǎn)信息嵌入生產(chǎn)環(huán)節(jié)，最終會減少農(nóng)業(yè)碳排放［22］。同時(shí)，隨著城鎮(zhèn)化的發(fā)展，居民的環(huán)境治理和氣候治理意識和行為會提高，形成示范作用，農(nóng)戶在農(nóng)業(yè)生產(chǎn)過程中也會節(jié)約資源、保護(hù)環(huán)境，減少本地區(qū)的農(nóng)業(yè)碳排放，進(jìn)而會對鄰近省份產(chǎn)生空間溢出效應(yīng)，減少鄰近省份的農(nóng)業(yè)碳排放［23-24］。另一方面，城鎮(zhèn)化水平和經(jīng)濟(jì)發(fā)展不均衡加大了省份之間資源與要素爭奪，農(nóng)村人口轉(zhuǎn)移到城鎮(zhèn)，加大了對農(nóng)產(chǎn)品數(shù)量的需求，造成對資源要素的大量投入，不僅增加本省農(nóng)業(yè)碳排放，而且還影響鄰省農(nóng)業(yè)碳排放［25］。因此，提出研究假設(shè)2。

H2：城鎮(zhèn)化發(fā)展具有顯著的空間相關(guān)性，對鄰省的農(nóng)業(yè)碳排放存在明顯的空間溢出效應(yīng)。

三、變量選擇、數(shù)據(jù)來源與研究方法

（一）變量選擇

1.被解釋變量

本文被解釋變量為農(nóng)業(yè)碳排放，其通過下列計(jì)算公式得到：

其中：E為農(nóng)業(yè)碳排放總量；Ei為化肥、農(nóng)藥、農(nóng)用薄膜、農(nóng)業(yè)機(jī)械、農(nóng)業(yè)灌溉、農(nóng)業(yè)翻耕六種碳排放源的農(nóng)業(yè)碳排放量［26］；Ti分別為化肥實(shí)際使用量、農(nóng)藥實(shí)際使用量、農(nóng)膜實(shí)際使用量、實(shí)際柴油使用量、實(shí)際灌溉面積、農(nóng)作物實(shí)際播種面積［27］；δi為六種碳排放源的碳排放系數(shù)，分別為0.895 6 kg/kg、4.934 1 kg/kg、5.18 kg/kg、0.592 7 kg/kg、20.476 kg/hm2、312.6 kg/km2［28］。

2.核心解釋變量

本文核心解釋變量為城鎮(zhèn)化水平，其以各省份城鎮(zhèn)人口與各省份總?cè)丝诘谋戎祦肀硎尽?/p>

3.控制變量

財(cái)政支農(nóng)水平采用財(cái)政支農(nóng)支出與農(nóng)林牧漁業(yè)總產(chǎn)值的比值來衡量；農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)采用農(nóng)業(yè)GDP 與農(nóng)林牧漁業(yè)GDP 的比值來表示；農(nóng)村經(jīng)濟(jì)發(fā)展水平用各省份農(nóng)村人均農(nóng)業(yè)產(chǎn)值來表示；作物種植結(jié)構(gòu)、農(nóng)業(yè)機(jī)械投入強(qiáng)度、化肥投入強(qiáng)度、勞動力投入程度分別采用糧食播種面積、農(nóng)業(yè)機(jī)械化總動力、化肥折純量、從事種植業(yè)的勞動力數(shù)量占農(nóng)作物總播種面積的比重來衡量。

各變量的描述性統(tǒng)計(jì)情況見表1所列。

表1 變量的描述性統(tǒng)計(jì)分析

（二）數(shù)據(jù)來源

被解釋變量采用的數(shù)據(jù)為式（1）中的Ti，核心解釋變量的數(shù)據(jù)為各年各省份城鎮(zhèn)人口和總?cè)丝?，控制變量的?shù)據(jù)有各年各省份財(cái)政支農(nóng)支出、農(nóng)林牧漁業(yè)總產(chǎn)值、農(nóng)業(yè)GDP、糧食播種面積、農(nóng)業(yè)機(jī)械化總動力、從事種植業(yè)的勞動力數(shù)量、農(nóng)村總?cè)丝?。以上?shù)據(jù)均來源于2007—2019 年31 個(gè)省份的統(tǒng)計(jì)年鑒、《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》。

（三）基礎(chǔ)模型

本文以隨機(jī)回歸影響模型STIRPAT 為基礎(chǔ)模型，考察城鎮(zhèn)化對農(nóng)業(yè)碳排放的影響。模型如下：

其中：Carbon表示農(nóng)業(yè)碳排放；Urban表示城鎮(zhèn)化水平；Fsa 表示財(cái)政支農(nóng)水平；Ais 表示農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)；Cps 表示作物種植結(jié)構(gòu)；Mii 表示農(nóng)業(yè)機(jī)械投入強(qiáng)度；Lab表示勞動力投入程度；Gdp表示農(nóng)村經(jīng)濟(jì)發(fā)展水平；Fert表示化肥投入強(qiáng)度；β0為常數(shù)項(xiàng)；β1-β8為各變量的彈性系數(shù)；i表示省份，取值為1-31；t為時(shí)間，取值為2007—2019 年。上述變量在進(jìn)行模型估計(jì)時(shí)均需要取對數(shù)。

（四）空間相關(guān)性檢驗(yàn)

采用全局Moran'sI指數(shù)模型，對城鎮(zhèn)化以及農(nóng)業(yè)碳排放的空間自相關(guān)性進(jìn)行檢驗(yàn)。公式如下：

其中：I為全局 Moran'sI指數(shù)；n表示測度省份的個(gè)數(shù)；xi、xj分別為省份i和j的城鎮(zhèn)化以及農(nóng)業(yè)碳排放量為城鎮(zhèn)化以及農(nóng)業(yè)碳排放量的平均數(shù)；wij表示省份i和j的鄰近關(guān)系，當(dāng)i和j不鄰近時(shí)，wij=0，反之為1。全局Moran'sI指數(shù)的取值范圍為［-1，1］，當(dāng)I=0時(shí)，說明城鎮(zhèn)化以及農(nóng)業(yè)碳排放空間不相關(guān)，在空間上隨機(jī)分布；當(dāng)I＜0時(shí)，表示存在空間負(fù)相關(guān)，呈現(xiàn)分散的特征；當(dāng)I＞0時(shí)，代表存在空間正相關(guān)，呈現(xiàn)集聚的特征。

（五）空間杜賓模型

構(gòu)建空間杜賓模型（SDM），實(shí)證分析城鎮(zhèn)化發(fā)展對農(nóng)業(yè)碳排放影響的空間溢出效應(yīng)。公式如下：

其中：i為省份截面；t為時(shí)間；ρ為空間回歸相關(guān)系數(shù)，表示省份農(nóng)業(yè)碳排放溢出的影響方向和程度；W為空間權(quán)重矩陣；WlnCarbonit為農(nóng)業(yè)碳排放的滯后項(xiàng)；εit～i.i.d(0,σ2)為隨機(jī)干擾項(xiàng)；X為自變量與W的乘積；γ為各項(xiàng)乘積的估計(jì)系數(shù)。公式（4）中加入了自變量與因變量的空間滯后項(xiàng)造成的空間溢出效應(yīng)。

四、農(nóng)業(yè)碳排放時(shí)序變化與區(qū)域差異特征

依據(jù)公式（1），計(jì)算2007—2019年農(nóng)業(yè)碳排放總量平均值，同時(shí)采用通常的11∶8∶12劃分方法將31個(gè)省份劃分為東部、中部和西部地區(qū)，分別計(jì)算東中西部地區(qū)平均農(nóng)業(yè)碳排放量，見表2所列。

表2 2007—2019年不同區(qū)域平均農(nóng)業(yè)碳排放量 單位：萬噸

由表2可見，研究期內(nèi)全國農(nóng)業(yè)碳排放量先增加后減少。2007—2015 年不斷增加，由2007 年的260.33 萬噸增加至 2015 年的 306.30 萬噸，2015 年達(dá)到最大值；2016—2019年不斷減少，下降至2019年的272.43 萬噸。農(nóng)業(yè)碳排放的高低排序依次為中部地區(qū)、東部地區(qū)、西部地區(qū)，其中西部和東部地區(qū)的農(nóng)業(yè)碳排放量呈現(xiàn)逐漸縮小的趨勢，中部與東西部地區(qū)之間農(nóng)業(yè)碳排放差距相對較大。東部和中部地區(qū)2007—2014年農(nóng)業(yè)碳排放量不斷增加，2015—2019年不斷減少；西部地區(qū)2007—2016年不斷增加，2017—2019年不斷減少。

產(chǎn)生這種趨勢的原因是：我國在2015 年提出綠色發(fā)展戰(zhàn)略，實(shí)施農(nóng)藥化肥零增長行動方案等一系列低碳農(nóng)業(yè)政策，各省份不斷落實(shí)該政策，促進(jìn)農(nóng)戶減少農(nóng)藥化肥的使用，農(nóng)戶注重采用有機(jī)肥和生物農(nóng)藥等替代技術(shù)，進(jìn)而減少了農(nóng)業(yè)碳排放［29］。但各地區(qū)在落實(shí)國家政策上存在一定的差異，東部和中部地區(qū)在國家提出綠色發(fā)展戰(zhàn)略的同時(shí)，落實(shí)該政策，所以當(dāng)年的農(nóng)業(yè)碳排放減少，西部地區(qū)存在一定的滯后性，2017年才開始下降。

五、實(shí)證結(jié)果與分析

（一）空間相關(guān)性檢驗(yàn)的結(jié)果分析

基于2007—2019 年31 個(gè)省份的空間面板數(shù)據(jù)，采用Stata 14.0 軟件對公式（3）進(jìn)行估計(jì)，分別得到城鎮(zhèn)化和農(nóng)業(yè)碳排放的全局Moran'sI指數(shù)，見表3所列。

表3 2007—2019農(nóng)業(yè)碳排放和城鎮(zhèn)化的全局Moran's/指數(shù)檢驗(yàn)

從表3可以看出，2007—2019年農(nóng)業(yè)碳排放和城鎮(zhèn)化的全局Moran'sI指數(shù)均為正，并且均通過了顯著性檢驗(yàn)，表明兩者存在顯著全局正向空間相關(guān)性，并呈現(xiàn)集聚的特征。農(nóng)業(yè)碳排放的全局Moran'sI值分布區(qū)間為0.213～0.336，隨時(shí)間的推進(jìn)逐漸變小，2007年的Moran'sI指數(shù)為0.336，2019年下降至0.213。說明農(nóng)業(yè)碳排放的空間自相關(guān)程度隨時(shí)間的推進(jìn)逐漸減弱，集聚效應(yīng)不斷弱化。城鎮(zhèn)化的全局Moran'sI值分布區(qū)間為0.264～0.281，且基本圍繞0.27上下浮動，說明隨時(shí)間的推進(jìn)城鎮(zhèn)化的集聚效應(yīng)處于小幅波動狀態(tài)。

上述結(jié)果表明，農(nóng)業(yè)碳排放與城鎮(zhèn)化都存在顯著的空間正相關(guān)和集聚效應(yīng)。因此，本文進(jìn)一步采用空間杜賓模型考察城鎮(zhèn)化對農(nóng)業(yè)碳排放影響的空間溢出效應(yīng)。

（二）基準(zhǔn)回歸結(jié)果

在不考慮空間相關(guān)性情形下，利用Stata 14.0軟件對基準(zhǔn)模型公式（2）進(jìn)行回歸。Hausman檢驗(yàn)結(jié)果傾向于采用固定效應(yīng)模型，見表4所列。

表4 傳統(tǒng)計(jì)量模型的估計(jì)結(jié)果

由表4可見，城鎮(zhèn)化對農(nóng)業(yè)碳排放產(chǎn)生正向影響，并通過1%顯著性檢驗(yàn)，因此，H1的影響方向?yàn)檎?；農(nóng)業(yè)機(jī)械投入強(qiáng)度、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、化肥投入強(qiáng)度對農(nóng)業(yè)碳排放產(chǎn)生正向影響，分別通過5%、1%、1%顯著性檢驗(yàn)；勞動力投入和農(nóng)村經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放產(chǎn)生負(fù)向影響，且均通過1%顯著性檢驗(yàn)。

（三）空間杜賓模型估計(jì)結(jié)果

考慮空間相關(guān)性，基于公式（4），利用Stata 14.0軟件估計(jì)空間面板杜賓固定效應(yīng)和隨機(jī)效應(yīng)模型，見表5所列。

表5 城鎮(zhèn)化對農(nóng)業(yè)碳排放影響的空間計(jì)量估計(jì)結(jié)果

表5顯示，固定效應(yīng)模型和隨機(jī)效應(yīng)模型的農(nóng)業(yè)碳排放空間自回歸系數(shù)ρ值分別為0.240 和0.219，且通過了1%顯著性水平的檢驗(yàn)，說明省份間農(nóng)業(yè)碳排放存在顯著的正向空間溢出效應(yīng)，即本省農(nóng)業(yè)碳排放的增加能夠提高鄰省農(nóng)業(yè)碳排放。

固定效應(yīng)模型中，城鎮(zhèn)化對農(nóng)業(yè)碳排放的影響系數(shù)顯著為正，空間反應(yīng)系數(shù)為負(fù)，但是不顯著；隨機(jī)效應(yīng)模型中，城鎮(zhèn)化對農(nóng)業(yè)碳排放的影響系數(shù)顯著為正，空間反應(yīng)系數(shù)顯著為負(fù)。說明城鎮(zhèn)化水平正向影響本省農(nóng)業(yè)碳排放，負(fù)向影響鄰省農(nóng)業(yè)碳排放，即相鄰省份的城鎮(zhèn)化水平對本省的農(nóng)業(yè)碳排放存在負(fù)向溢出效應(yīng)，因此，H2 得到驗(yàn)證?？赡艿慕忉屖?，當(dāng)一省城鎮(zhèn)化越高，該省越多的勞動力轉(zhuǎn)移到城鎮(zhèn)，農(nóng)業(yè)生產(chǎn)呈現(xiàn)老齡化和女性化特征，而年齡大的農(nóng)戶和女性農(nóng)戶，由于思想觀念等原因，生產(chǎn)方式仍然比較粗放，為了避免減產(chǎn)，不斷加大化肥農(nóng)藥等的投入，增加了農(nóng)業(yè)碳排放。當(dāng)一省的相鄰省份城鎮(zhèn)化水平越高，還會吸引該省更多的勞動力向相鄰省份轉(zhuǎn)移，擴(kuò)大了城鎮(zhèn)對農(nóng)產(chǎn)品數(shù)量和質(zhì)量的需求，勞動力數(shù)量進(jìn)一步減少，促使該省農(nóng)戶進(jìn)行集約化經(jīng)營，會減少農(nóng)藥化肥的施用，進(jìn)而降低農(nóng)業(yè)碳排放?？梢?，城鎮(zhèn)化不僅影響本省農(nóng)業(yè)碳排放，也影響鄰省的農(nóng)業(yè)碳排放，并且存在相互抵消的現(xiàn)象。出現(xiàn)這種結(jié)果的深層次原因可能是省份之間城鎮(zhèn)化發(fā)展不均衡，有些省份的城鎮(zhèn)化水平還不是很高，不足以引導(dǎo)農(nóng)戶進(jìn)行集約化生產(chǎn)，生產(chǎn)方式仍然比較粗放，增加了農(nóng)業(yè)碳排放。當(dāng)城鎮(zhèn)化水平發(fā)展到一定階段，會引導(dǎo)農(nóng)戶進(jìn)行集約化生產(chǎn)，從而降低農(nóng)業(yè)碳排放。

農(nóng)業(yè)機(jī)械投入強(qiáng)度對農(nóng)業(yè)碳排放的影響系數(shù)顯著為正，其原因在于農(nóng)業(yè)機(jī)械投入強(qiáng)度越大，消耗的柴油、石油等能源越多，同時(shí)地表植被覆蓋度減少，土壤變得稀疏，土壤有機(jī)物質(zhì)消耗快，土壤環(huán)境惡化，農(nóng)業(yè)碳排放量越高。農(nóng)業(yè)機(jī)械投入強(qiáng)度的空間反應(yīng)系數(shù)顯著為負(fù)，表明相鄰省份的農(nóng)業(yè)機(jī)械投入強(qiáng)度對本省的農(nóng)業(yè)碳排放存在負(fù)向溢出效應(yīng)，鄰省農(nóng)業(yè)機(jī)械化程度可以降低本省農(nóng)業(yè)碳排放量。其原因在于，我國的農(nóng)業(yè)機(jī)械化水平與發(fā)達(dá)國家相比還有一定的差距，呈現(xiàn)跨區(qū)作業(yè)的特征，鄰近省份對農(nóng)業(yè)機(jī)械的大量投入，導(dǎo)致本省農(nóng)業(yè)機(jī)械化投入的降低，同時(shí)降低本省農(nóng)業(yè)碳排放［30］。化肥投入強(qiáng)度對農(nóng)業(yè)碳排放的影響系數(shù)顯著為正，說明化肥投入強(qiáng)度越高，農(nóng)業(yè)碳排放量越大。這是因?yàn)榛适寝r(nóng)業(yè)碳排放的最主要來源，化肥的大量使用加劇了農(nóng)業(yè)碳排放。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)及其空間滯后項(xiàng)的回歸系數(shù)均為正，且均通過顯著性檢驗(yàn)?？赡茉蚴?，本文只測算了種植業(yè)的農(nóng)業(yè)碳排放，對林業(yè)、畜牧業(yè)和漁業(yè)的碳排放沒有測算，當(dāng)農(nóng)業(yè)GDP 與農(nóng)林牧漁業(yè)GDP 的比值越大，農(nóng)業(yè)碳排放量越高。財(cái)政支農(nóng)水平回歸系數(shù)顯著為負(fù)，空間反應(yīng)系數(shù)顯著為正，表明財(cái)政支農(nóng)水平的提高降低了本省農(nóng)業(yè)碳排放，同時(shí)對相鄰省份存在顯著的正向溢出效應(yīng)。其原因在于，財(cái)政支農(nóng)水平的提高，例如緩控釋肥補(bǔ)貼和測土配方施肥補(bǔ)貼的提高，可以促進(jìn)農(nóng)戶采納測土配方施肥和緩控釋肥，減少農(nóng)業(yè)碳排放［31-32］。低碳農(nóng)業(yè)科技研發(fā)專項(xiàng)資金等財(cái)政支農(nóng)水平的提高，加大了節(jié)能環(huán)保型農(nóng)業(yè)機(jī)械的研發(fā)和使用，從而可以減少農(nóng)業(yè)碳排放［33］。勞動力投入與農(nóng)業(yè)碳排放呈負(fù)相關(guān)，可能的解釋是，投入的勞動力越多，化肥、農(nóng)藥、農(nóng)膜等生產(chǎn)要素的投入會相應(yīng)減少，從而降低農(nóng)業(yè)碳排放。農(nóng)村經(jīng)濟(jì)發(fā)展水平與農(nóng)業(yè)碳排放呈負(fù)相關(guān)，農(nóng)村人均農(nóng)業(yè)產(chǎn)值越高，農(nóng)業(yè)碳排放越低?？赡艿脑蚴?，隨著農(nóng)村經(jīng)濟(jì)的發(fā)展，農(nóng)戶的生活條件得到了改善，開始注重農(nóng)產(chǎn)品質(zhì)量，尋求生產(chǎn)方式的轉(zhuǎn)變，減少農(nóng)藥、化肥、農(nóng)膜等要素的投入，減少了農(nóng)業(yè)碳排放。

（四）空間溢出效應(yīng)分解

本文進(jìn)一步利用空間杜賓模型將總空間溢出效應(yīng)分解為直接效應(yīng)和溢出效應(yīng)，結(jié)果見表6所列。

表6 空間杜賓模型的影響效應(yīng)分解

城鎮(zhèn)化水平每提升1%，農(nóng)業(yè)碳排放會增長0.599%，其中，直接效應(yīng)貢獻(xiàn)0.730%，空間溢出效應(yīng)貢獻(xiàn)-0.131%。直接效應(yīng)即本省城鎮(zhèn)化對本省農(nóng)業(yè)碳排放的影響，此時(shí)回歸系數(shù)為0.730，且在1%水平上顯著；間接效應(yīng)反映的是本省城鎮(zhèn)化對相鄰省份農(nóng)業(yè)碳排放的影響，此時(shí)城鎮(zhèn)化系數(shù)為-0.131，未通過顯著性水平檢驗(yàn)。這表明城鎮(zhèn)化不僅直接影響本省農(nóng)業(yè)碳排放，也通過間接效應(yīng)影響鄰省農(nóng)業(yè)碳排放，但是農(nóng)業(yè)碳排放增長主要受本省城鎮(zhèn)化水平的直接影響，直接效應(yīng)與空間溢出效應(yīng)存在相互抵消的現(xiàn)象。

農(nóng)業(yè)機(jī)械化程度每提升1%，農(nóng)業(yè)碳排放就會增長0.013%，但不顯著，其中，直接效應(yīng)貢獻(xiàn)0.127%，通過1%顯著性；空間溢出效應(yīng)貢獻(xiàn)-0.114%，但不顯著。財(cái)政支農(nóng)水平對農(nóng)業(yè)碳排放的直接效應(yīng)貢獻(xiàn)為-0.076%，空間溢出效應(yīng)貢獻(xiàn)為0.106%，存在著相互抵消現(xiàn)象，從而導(dǎo)致總效應(yīng)并不顯著。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和化肥投入強(qiáng)度對農(nóng)業(yè)碳排放增長的總效應(yīng)、直接效應(yīng)和空間溢出效應(yīng)均正向顯著。種植結(jié)構(gòu)對農(nóng)業(yè)碳排放增長的總效應(yīng)、直接效應(yīng)和空間溢出效應(yīng)均不顯著。勞動力投入和農(nóng)村經(jīng)濟(jì)發(fā)展水平對農(nóng)業(yè)碳排放增長的直接效應(yīng)和總效應(yīng)均負(fù)向顯著。

六、結(jié)論與建議

本文基于2007—2019年中國31個(gè)省份的面板數(shù)據(jù)，在測算了2007—2019 年農(nóng)業(yè)碳排放的基礎(chǔ)上，采用空間Moran'sI全局指數(shù)分析了農(nóng)業(yè)碳排放以及城鎮(zhèn)化的空間相關(guān)性和集聚特征，建立空間杜賓模型，并探討了城鎮(zhèn)化對農(nóng)業(yè)碳排放影響的空間溢出效應(yīng)，得到以下研究結(jié)論：

（1）從全國層面來看，2007—2019 年農(nóng)業(yè)碳排放量先增加后減少，其中，2007年—2015年不斷增加，在 2015 年達(dá)到最大值；2016—2019 年不斷減少。從區(qū)域?qū)用鎭砜?，農(nóng)業(yè)碳排放的高低排序依次為中部地區(qū)、東部地區(qū)、西部地區(qū)，其中，東部和中部地區(qū)2007—2014 年不斷增加，2015—2019 年不斷減少；西部地區(qū)2007—2016年不斷增加，2017—2019年不斷減少。

（2）從空間自相關(guān)性來看，2007—2019 年農(nóng)業(yè)碳排放全局Moran'sI指數(shù)和城鎮(zhèn)化全局Moran'sI指數(shù)均為正，并且都通過顯著性檢驗(yàn)，表明均存在顯著全局空間正相關(guān)，并呈現(xiàn)集聚的特征。農(nóng)業(yè)碳排放空間自相關(guān)程度隨時(shí)間的推進(jìn)逐漸減弱，集聚效應(yīng)不斷弱化，城鎮(zhèn)化的集聚效應(yīng)呈現(xiàn)小幅波動狀態(tài)。

（3）從空間杜賓模型估計(jì)結(jié)果來看，城鎮(zhèn)化水平正向影響本省農(nóng)業(yè)碳排放，負(fù)向影響相鄰省份農(nóng)業(yè)碳排放，即相鄰省份的城鎮(zhèn)化水平對本省的農(nóng)業(yè)碳排放存在負(fù)向溢出效應(yīng)；農(nóng)業(yè)機(jī)械投入強(qiáng)度、化肥投入強(qiáng)度、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)與農(nóng)業(yè)碳排放呈正相關(guān)；財(cái)政支農(nóng)水平、勞動力投入、農(nóng)村經(jīng)濟(jì)發(fā)展水平與農(nóng)業(yè)碳排放呈負(fù)相關(guān)。

（4）從空間溢出效應(yīng)的分解來看，城鎮(zhèn)化不僅直接影響本省農(nóng)業(yè)碳排放，也間接影響相鄰省份農(nóng)業(yè)碳排放。其影響程度主要受本省城鎮(zhèn)化水平的直接作用，直接效應(yīng)與空間溢出效應(yīng)存在相互抵消的現(xiàn)象。

根據(jù)以上結(jié)論，本文提出以下建議：

（1）推動農(nóng)業(yè)綠色低碳轉(zhuǎn)型。轉(zhuǎn)變農(nóng)民的傳統(tǒng)觀念，增強(qiáng)農(nóng)戶綠色低碳生產(chǎn)意識；加大培訓(xùn)引導(dǎo)農(nóng)戶減少化肥農(nóng)藥施用；加大補(bǔ)貼力度，促進(jìn)農(nóng)戶采納節(jié)水灌溉技術(shù)、測土配方肥技術(shù)、緩控釋肥技術(shù)、綠色病蟲害防治技術(shù)等綠色低碳技術(shù)；注意廢棄農(nóng)膜的回收和循環(huán)利用；加大力度促進(jìn)農(nóng)業(yè)向集約化、綠色化、低碳化轉(zhuǎn)型，減少農(nóng)業(yè)碳排放。

（2）實(shí)施差異化的農(nóng)業(yè)碳減排政策。東中西部地區(qū)農(nóng)業(yè)發(fā)展情況不同，綠色發(fā)展政策落實(shí)情況存在差異，農(nóng)業(yè)碳排放情況也有不同，因此，要立足實(shí)際情況制定差異化的農(nóng)業(yè)碳減排政策。需要高度重視農(nóng)業(yè)碳排放高的省份，重點(diǎn)促進(jìn)其農(nóng)業(yè)綠色低碳轉(zhuǎn)型，提高資源配置效率和綠色生產(chǎn)效率；對于農(nóng)業(yè)碳排放低的省份，重點(diǎn)提高人力資本和先進(jìn)管理理念等。

（3）重視城鎮(zhèn)化對農(nóng)業(yè)碳排放影響的空間溢出效應(yīng)。充分考慮省份間的空間差異性，因地制宜制定政策，進(jìn)一步促進(jìn)城鎮(zhèn)化發(fā)展，使其能夠引導(dǎo)農(nóng)戶從傳統(tǒng)粗放式經(jīng)營方式向集約化、低碳化和綠色方向轉(zhuǎn)型和發(fā)展，降低農(nóng)業(yè)碳排放，促進(jìn)城鎮(zhèn)化和農(nóng)業(yè)綠色生產(chǎn)的協(xié)調(diào)發(fā)展。