結構轉型、技術進步選擇對農業(yè)碳影子價格的影響*
——基于BP技術與FGLS模型的實證分析

許標文, 王海平, 沈智揚

(1.福建省農業(yè)科學院農業(yè)經濟與科技信息研究所 福州 350003; 2.法國科學經濟與管理學院巴黎校區(qū) 巴黎 92044, 法國)

全球氣候變化成為世界范圍內的緊迫問題, 近幾十年來經濟一體化和技術快速發(fā)展持續(xù)導致農業(yè)排放量增加, 農業(yè)碳排放已占了人類活動碳排放的1/4。中國作為世界上最大的碳排放國和最大的發(fā)展中國家, 受人口增長、飲食結構改善等因素影響, 預計2050年農業(yè)碳排放將增加到2413.64 Mt C, 年均增長5.87%[1]。這將不利于中國實現(xiàn)2030年前碳達峰、2060年前碳中和目標。為此中國政府致力于推動農業(yè)綠色發(fā)展, 采取了減排降碳、固碳增匯等多種碳減排策略, 農業(yè)碳排放效率取得了較大提升。然而碳排放效率提升是以高于經濟增速的減排成本投入實現(xiàn)的[2], 鮮有文獻關注碳減排策略的成本問題。在保障農產品有效供給和低碳發(fā)展的前提下, 中國農業(yè)碳減排成本呈逐漸上升趨勢[3], 為此需要科學評估現(xiàn)有農業(yè)碳減排策略。在文獻中, 已經開發(fā)了多種減排成本測算方法, 其中影子定價方法廣受歡迎。非期望產出的影子價格直接反映了碳減排政策的潛在空間和減排成本, 已成為碳稅、碳排放權交易市場與其他碳價格相關的授權或補貼等政策工具的參考價格[4]。其中By-production (BP)技術是基于數(shù)據包絡分析(data envelopment analysis, DEA)框架建模、滿足物料守恒原則的環(huán)境生產技術, 基于BP技術估算的影子價格在環(huán)境績效文獻中得到廣泛應用[5-6],可為中國碳減排監(jiān)管提供循證指南。

“十四五” 時期, 我國生態(tài)文明建設進入了以降碳為重點戰(zhàn)略方向、推動減污降碳協(xié)同增效、推進經濟社會發(fā)展全面低碳轉型的關鍵時期。無疑, 推動經濟結構轉型和技術進步是落實“雙碳”戰(zhàn)略部署、實現(xiàn)我國經濟社會低碳轉型發(fā)展的必然選擇[7]。結構轉型影響著產業(yè)部門間生產要素流動, 要素動態(tài)流動過程中不斷涌現(xiàn)新技術和組織, 使得持續(xù)的結構變化比固定結構的經濟產生更低的環(huán)境破壞[8]。已有文獻證實工業(yè)化、城市化已成為碳排放的主要催化劑, 但它們的關系在經濟發(fā)展的不同階段存在差異[9]。我國經濟結構優(yōu)化調整對碳排放績效總體上產生了“結構紅利”[7], 工業(yè)化被證實是碳排放增長的重要因素, 原嫄等[10]指出產業(yè)結構合理化水平提升抑制了碳排放, 產業(yè)結構高度化則促進了碳排放,且產業(yè)高度化總體上處于“倒U型”曲線左側。作為承載現(xiàn)代產業(yè)部門的城市發(fā)展對碳排放的影響也已經跨過“倒U型”曲線的拐點[11]。同時, 技術進步被認為是碳減排的重要途徑。林毅夫新結構經濟學理論認為一個地區(qū)最適宜的技術結構內生決定于該區(qū)域要素稟賦結構, 因此不同技術進步選擇對碳排放影響存在非線性關系。Churchill等[12]研究發(fā)現(xiàn)發(fā)達國家研發(fā)強度與二氧化碳排放之間的關系在很大程度上為負相關; 佟新華等[13]則基于34個不同工業(yè)化階段國家數(shù)據發(fā)現(xiàn)技術因素對碳排放變動貢獻度由工業(yè)化階段、后工業(yè)化階段、工業(yè)化中期-后期階段國家依次變小。何彬等[14]研究發(fā)現(xiàn)原始創(chuàng)新增加了碳排放, 模仿創(chuàng)新對碳減排效果較好, 且對知識密集型、資本密集型和勞動密集型制造業(yè)碳排放強度存在著顯著的行業(yè)差異[15]。

農業(yè)是碳排放主要組成部門, 結構轉型、技術進步對農業(yè)碳排放也有重要影響。伴隨著結構轉型,農業(yè)經濟增長仍舊是農業(yè)碳排放增加的主要驅動力[16]。同時, 農戶會將先進的技術嵌入生產環(huán)節(jié)。但是, 技術進步并不總是有利于農業(yè)碳減排。李成龍等[17]指出農業(yè)機械化水平促進了農業(yè)碳排放強度的增加, 農業(yè)種質創(chuàng)新則顯著降低了農業(yè)碳排放強度。陳銀娥等[18]則指出農業(yè)機械化推廣彌補了勞動力的短缺, 有利于促進農業(yè)產業(yè)升級、減少碳排放, 但由于農業(yè)機械化推廣尚有較大發(fā)展空間[19], 隨之而增加的農業(yè)能源碳排放會呈現(xiàn)回彈效應[20]。此外, 我國農業(yè)勞動和資本配置扭曲, 造成了附加在農業(yè)機械、生物技術等要素上的資本投入不能與現(xiàn)有勞動要素質量完全匹配, 不利于降低農業(yè)碳排放。因此, 在我國經濟發(fā)展、農業(yè)要素稟賦結構存在異質性條件下,結構轉型、農業(yè)技術進步選擇與農業(yè)碳排放之間呈現(xiàn)出復雜的關聯(lián)。

綜上可知, 有關結構轉型、技術進步對碳排放量的影響已有較為豐富的研究成果, 但尚缺乏碳影子價格的深入研究。通常來說, 當?shù)貐^(qū)進行環(huán)境治理的時候, 碳排放量會減少, 環(huán)境狀況會變得越來越好, 碳影子價格也會隨之升高, 減排成本會越來越大[21]。此外, 碳排放量直接影響了碳排放強度, 而碳影子價格隨排放強度的下降呈指數(shù)級上升[22]。因此,影子價格可作為減排成本的重要參考指標, 對農業(yè)碳影子價格的研究更易于探究影響農業(yè)碳減排策略的外部因素。He等[23]證實了欠發(fā)達地區(qū)較發(fā)達地區(qū)的農業(yè)碳影子價格更容易受到經濟發(fā)展水平的影響, 吳賢榮等[24]也證實了經濟發(fā)展水平、農業(yè)產業(yè)結構對基于影子價格、排放強度構建的碳減排潛力有顯著正向作用。何培培等[25]測算了基于農業(yè)污染物影子價格的農業(yè)低碳效率并分析其影響因素, 得出農業(yè)經濟發(fā)展水平、農業(yè)規(guī)模化水平對農業(yè)低碳效率幻覺程度分別具有負向、正向影響。然而這些文獻中影子價格測算方法主要基于弱可處置性假設,而弱可處置性假設意味著減少非期望產出往往伴隨期望產出的損失, 且不滿足物料守恒原則。另外, 它們往往假設碳影子價格與社會經濟變量之間的關系是線性的, 這一假定可能是不成立的, 特別是在長面板數(shù)據中表現(xiàn)尤為明顯, 那么樣本之間可能存在組間異方差、組間同期相關和組內自相關等問題。當前, 我國正處于經濟高質量發(fā)展轉型時期, 結構轉型推動生產要素不斷向生產率高的產業(yè)部門流動時,也加速了其在產業(yè)部門內部的流動。這促進了生產要素合理配置的同時, 也使得農業(yè)生產呈現(xiàn)勞動節(jié)約型和“資本深化”傾向[26]的特征。因此, 關注結構轉型對農業(yè)生產要素的影響以及要素稟賦變化下不同技術進步選擇, 清晰地了解結構轉型、技術進步選擇對碳影子價格的影響, 由此洞察二者是如何作用到農業(yè)碳減排成本, 并推動不同地區(qū)適時對農業(yè)碳減排政策進行調整, 有助于中國走向農業(yè)綠色低碳發(fā)展道路。

鑒于此, 本文從以下2個方面對現(xiàn)有研究進行拓展和完善: 1)通過污染物的生產關系將期望產出生產子技術和非期望產出生產子技術聯(lián)系起來, 采用改進的BP技術對我國農業(yè)碳影子價格進行更加準確的測算, 提供與經濟理論和物料守恒原則相一致的影子價格估計; 2)考慮組內自相關、同期相關和組間異方差等問題后, 利用可行的廣義最小二乘法(feasible generalized least squares, FGLS)模型全面考察結構轉型、技術進步選擇對農業(yè)碳影子價格的影響方向和影響程度, 進而明晰碳減排成本的影響因素, 以期為農業(yè)產值與低碳發(fā)展的平衡取舍提供更切實的碳減排政策調整依據。

1 研究方法與數(shù)據來源

1.1 方法與模型

1.1.1 碳影子價格測算方法

1.1.1.1 改進的BP技術

生產技術通?？梢杂蒙a集來表示。在生產可能性集合中, 假設清潔投入xn和 致污投入xP都會產生期望產出ym, 致污投入xP會產生非期望產出zj。非期望產出影子價格可以衡量非期望產出下降而導致的期望產出損失[27]。為了準確評估非期望產出(如污染)對經濟增長的影響, 學者們對非期望產出提出了強可處置性、弱可處置性及弱G可處置性假設。Murty等[28]指出上述可處置性假設代價高昂, 提出了滿足物料守恒原則的BP技術。BP技術不是把弱可處置性強加于期望產出和非期望產出之中, 而是通過期望產出生產子技術和非期望產出生產子技術的交集來刻畫生產關系。在這樣的生產關系下, 期望產出生產子技術T1是將清潔投入與致污投入轉化為期望產出的模型, 非期望產出生產子技術T2是將致污投入轉化為非期望產出的模型。兩個子技術受凸性、封閉性、投入和產出的可處置性等公理約束, 這兩種子技術的交集被稱為BP技術。根據Murty等[28]研究, BP技術被定義為:

式中:R+是正數(shù)集合;f(xn,xp,ym)與g(xp)是連續(xù)的可微的函數(shù);N、P、M、J分別代表清潔投入、致污投入、期望產出、非期望產出的數(shù)量。

Murty等[28]提出了以產出為導向的F?re R-Grosskopf-Lovell (FGL)指數(shù)。假設和為測定特定變量無效率值的前提, FGL可以被定義為:

式中:gy和gz是期望產出和非期望產出的方向向量,可解釋為向效率前沿移動期間期望產出和非期望產出做出的優(yōu)化方向; ?代表兩個向量元素間的乘積。

盡管FGL指數(shù)給出了BP技術的計算框架, 但忽略了T1與T2子 技術之間的聯(lián)系。由于T1模型是自由處置、T2模型是有成本的可處置性, 只能通過減少致污投入來保障不降低期望產出的同時減少非期望產出。因此, 傳統(tǒng)BP模型估算的影子價格可能存在偏差[29]。Shen等[30]進一步通過考慮污染物的產生關系將T1、T2子技術聯(lián)系起來, 改進的BP技術如以下形式:

式中: ( 0,gy,gz)是在投入水平保持不變的情況下與期望產出和非期望產出調整相關的非零方向向量;K指決策單元個數(shù), 且k′=1,···,K; λk和 σk分 別是T1和T2的強度變量, 意味著兩種生產技術在滿足限制條件的情況下都是獨立建立的;實現(xiàn)了子技術的聯(lián)系。通過添加兩個約束條件, 表示T1和T2規(guī)模報酬可變; 反之, 去除這兩個約束條件則表示T1和T2規(guī) 模報酬不變。 δm、 θj是特定變量的無效率值, 約束條件 δm≥0,θj≥0表示政策制定者只對經濟增長和環(huán)境改善的情況感興趣。

改進的BP模型的對偶公式如下:

式中: 、πy分 別是由子技術T1建模得出的清潔投入、致污投入和期望產出的影子價格;和 ωz分別是由子技術T2建模得出的致污投入和非期望產出的影子價格;v1和v2分 別是可變規(guī)模收益的約束下T1和T2對偶變量。雖然兩種子技術得到的影子價格值有可能不同, 但由于(11)式約束條件考慮了不良輸入的雙重作用: 一個是產生理想的輸出(邊際貢獻), 另一個是產生污染(邊際貢獻, 致污投入的影子價格在各子技術上是一致的。

1.1.1.2 影子價格計算

非期望產出的影子價格(csp)可以被定義為非期望產出相關的乘數(shù)與期望產出相關的乘數(shù)之比, 在本文中表示減少1單位農業(yè)碳排放損失的農業(yè)產值。公式為:

1.1.2 Kernel密度估計方法

Kernel密度(核密度)估計方法可測度觀察變量的絕對差異。本文運用核密度估計考察農業(yè)碳影子價格的分布動態(tài)演進, 不僅可以刻畫其分布整體形態(tài), 而且通過不同時期的比較, 還可以把握區(qū)域碳影子價格分布的動態(tài)特征。f(x)是變量X的密度函數(shù),如式(26)所示:

式中:N為總樣本數(shù),h為帶寬,Xi代表各地級市農業(yè)勞動生產率,x是農業(yè)勞動生產率均值,K(·)是Kernel函數(shù)。

1.1.3 可行的廣義最小二乘法

在對面板數(shù)據進行計量分析時, 若隨機誤差項出現(xiàn)組間異方差、組間同期相關、組內自相關, 則參數(shù)估計結果是有偏且不一致的。FGLS將各截面?zhèn)€體的殘差向量代入截面異方差的協(xié)方差矩陣, 并利用廣義最小二乘法(generalized least squares, GLS)對總體方差矩陣的分解, 將回歸殘差轉變成滿足古典假定的殘差, 然后使用普通最小二乘法(ordinary least squares, OLS)進行回歸。FGLS可修正由于截面數(shù)據造成的異方差、同期相關和序列相關等問題,提高了參數(shù)估計的一致性和有效性。本文將探究結構轉型、技術進步選擇對碳影子價格的影響, 構建如下基本模型:

式中:i、t分別表示地區(qū)、年份, csp表示農業(yè)碳影子價格; st表示結構轉型指標, tp為技術進步選擇, control表示控制變量,s表示控制變量的個數(shù); α0、 α1、α2、 βs為 待估計參數(shù); μit和vit分 別表示個體效應和隨機效應, 是隨機誤差項。在使用FGLS模型前, 首先利用Hausman檢驗對模型進行固定與隨機效應判別,然后依次采用Wald檢驗、F檢驗、Frees檢驗驗證模型是否存在組間異方差、組內自相關、組間同期相關。

1.2 變量選擇

1.2.1 被解釋變量

農業(yè)碳影子價格。采用BP技術測算, 并對其進行對數(shù)化處理。投入指標選取土地、機械、勞動力、柴油、化肥、農藥6個指標, 其中土地、勞動力為清潔投入, 機械、柴油、化肥、農藥為致污投入; 期望產出指標與非期望產出指標分別為農業(yè)總產值與碳排放量。農業(yè)碳排放源主要有4類: 一是農資投入, 包括化肥、農藥、農膜、柴油使用及灌溉耗費能源而產生的碳排放; 二是水稻種植產生的甲烷排放; 三是耕作土壤產生的氧化亞氮排放; 四是畜禽養(yǎng)殖產生的碳排放。碳排放量計算方法與排放系數(shù)參考IPCC[31]、李波等[32]的研究, 并進行加總得到。

1.2.2 解釋變量

本文解釋變量包括結構轉型、技術進步選擇等核心解釋變量, 還包括農業(yè)經營規(guī)模、經濟發(fā)展程度、城市化水平、地區(qū)開放程度等控制變量。

結構轉型(st)。采用產業(yè)結構合理化[33]作為結構轉型的代理指標, 計算公式如下:

式中:Y表示產出,L表示勞動力,i表示產業(yè)部門。st越小, 表明產業(yè)間的經濟發(fā)展越均衡。產業(yè)結構合理化既可以有效反映產業(yè)部門的一體化程度, 又可以反映資源有效利用的程度。

技術進步選擇(tp)。1)借鑒楊海鈺等[34]用勞動生產率指數(shù)和土地生產率指數(shù)的比值來衡量勞動力節(jié)約型技術進步選擇(ls)。用Y表示產出, 用L表示勞動投入, 用A表示土地投入。則Y/L表示勞動生產率,Y/A表示土地生產率, 則:

如果ls＞1, 代表機械技術增長路徑, 說明主要依靠提高勞動生產率來實現(xiàn)產出增長; 如果ls＜1, 代表生物化學技術增長路徑, 說明主要依靠提高土地生產率來實現(xiàn)產出增長; 如果ls=1, 代表“中性”技術導向路徑, 即同時依靠提高勞動生產率和土地生產率來實現(xiàn)產出增長。

2)采用資本深化程度來衡量資本體現(xiàn)式技術進步選擇[35](cd), 并以人均資本存量為代表, 對其進行對數(shù)化處理。采用永續(xù)盤存法估算資本存量, 其折舊率取5.42%。隨著資本要素投入的增加, 資本深化是對“適宜技術”選擇的結果, 存在資本體現(xiàn)式技術進步。歷年來我國重視對農業(yè)投資, 農業(yè)資本深化水平也得到了不斷提升。

3)農業(yè)經營規(guī)?；?sam)。采用各省份農作物播種面積/農業(yè)從業(yè)人員來表示。農業(yè)經營規(guī)模化水平可以表現(xiàn)農業(yè)生產的集約化程度。當農業(yè)經營規(guī)模達到適度規(guī)模經營時, 會增加技術投資、注重資源管理, 提升農業(yè)低碳發(fā)展水平; 規(guī)模較小時可能會使農戶投入更多化肥、農藥等要素, 增加碳排放[25]。所以農業(yè)經營規(guī)?；娇傮w上對于農業(yè)碳影子價格的影響是不確定的。

4)經濟發(fā)展水平(ed)。利用人均GDP來衡量地區(qū)經濟發(fā)展水平[18], 并對其進行對數(shù)化處理。當經濟體的碳影子價格較高時, 意味著需要減少1單位碳排放付出的代價更大, 為此這個地區(qū)減排負擔較重。反之, 當經濟體碳影子價格較低時, 意味著減排付出的代價相對較小, 可以承擔更多的碳減排任務。

5)城鎮(zhèn)化水平(ur)。用城鎮(zhèn)人口占總人口的比重來衡量城鎮(zhèn)化水平。城鎮(zhèn)化在促進農業(yè)生產規(guī)模、提高開發(fā)強度的同時, 也帶來了先進生產技術, 促進農業(yè)生產方式的轉型, 進而促進了農業(yè)綠色發(fā)展[17]。所以城鎮(zhèn)化總體上對于農業(yè)碳影子價格的影響是不確定的。

6)對外開放水平(op)。采用各省份進出口總額占GDP比重來表示。對外開放水平的提高使市場競爭更加激烈, 預期會引導農業(yè)經營者進行綠色生產[24]。

1.3 數(shù)據來源

本文研究樣本為中國31個省份(不包含港澳臺地區(qū)), 時間跨度為1997-2020年。數(shù)據來源于《中國統(tǒng)計年鑒》《中國農村統(tǒng)計年鑒》《中國農業(yè)年鑒》, 并將31個省份劃分為東、中、西部區(qū)域。本文對GDP等價格變量以1997年為基期進行了價格平減。

2 結果與分析

2.1 農業(yè)碳排放影子價格的變化特征

2.1.1 農業(yè)碳排放影子價格時序特征

1997-2020年31個省份農業(yè)碳排放影子價格呈上升趨勢(圖1)。東部、中部和西部地區(qū)農業(yè)碳排放影子平均價格分別為7759.69元·t-1、4192.35元·t-1和3997.51元·t-1, 表明東部地區(qū)農業(yè)碳排放影子價格高于中西部地區(qū), 且西部地區(qū)減排量具有最低成本。不同地區(qū)碳影子價格隨時間變化的趨勢存在較大差異, 東部地區(qū)農業(yè)碳影子價格上升趨勢明顯高于全國上升趨勢, 中部、西部農業(yè)碳影子價格上升趨勢低于全國上升趨勢。這一定程度上反映了隨時間的變化, 我國農業(yè)環(huán)境得到改善的同時中、西部環(huán)境污染治理難度加大。

2.1.2 農業(yè)碳影子價格動態(tài)演進特征

進一步利用核密度曲線分析碳影子價格的動態(tài)演進特征。選取1997年、2005年、2010年、2015年和2020年作為考察年份, 結果如圖2所示。

圖 1 1997—2020年東部、中部和西部地區(qū)及全國農業(yè)碳影子價格時序變化Fig.1 Time series of agricultural carbon shadow price in the east, central, west regions and whole nation from 1997 to 2020

圖 2 1997—2020年農業(yè)碳影子價格Kernel核密度圖Fig.2 Kernel density of agricultural carbon shadow price from 1997 to 2020

全國層面來看, 1997年以來, 農業(yè)碳影子價格核密度曲線呈現(xiàn)向下、向右移動趨勢, 曲線右移表明農業(yè)碳影子價格期望值在增加, 下移表明農業(yè)碳影子價格保持上升趨勢。1997-2010年間, 核密度曲線向右、向下趨勢明顯。這表明農業(yè)碳影子價格在這段期間內增加明顯, 且省際間差異比以前更大。2010-2020年間, 核密度曲線右移顯著、波峰呈波動式下降。尤其是2020年, 核密度曲線右側呈現(xiàn)右拖尾現(xiàn)象, 表明高農業(yè)碳影子價格概率密度有增加趨勢。從形狀變化來看, 波峰逐漸平緩, 變化區(qū)間明顯增大, 這說明農業(yè)碳影子價格差異越來越大, 且2005年、2015年農業(yè)碳影子價格出現(xiàn)了微弱的雙峰之勢。

分區(qū)域來看, 東部地區(qū)農業(yè)碳影子價格核密度曲線出現(xiàn)較為明顯的右移趨勢; 峰值在1997-2010年呈現(xiàn)波動式下降, 在2010-2015年呈現(xiàn)上升趨勢,而在2015-2020年則呈現(xiàn)出下移趨勢; 2005年、2015年呈現(xiàn)較明顯的雙峰, 2020年核密度曲線波峰更加平緩、呈現(xiàn)出“厚尾”現(xiàn)象。中部地區(qū)農業(yè)碳影子價格核密度曲線呈現(xiàn)左移-右移趨勢; 1997-2005年密度曲線出現(xiàn)多個波峰, 且峰值高于其他地區(qū), 表明農業(yè)碳影子價格多級分化現(xiàn)象嚴重; 2010年以來峰型由2個“尖峰”向“寬峰”轉變, 波峰也呈現(xiàn)下移、右移趨勢, 寬度也逐漸變大, 說明農業(yè)碳影子價格期望值在增加, 并保持上升趨勢, 且區(qū)域間差異在變大。西部地區(qū)農業(yè)碳影子價格曲線呈現(xiàn)明顯的向下趨勢, 1997-2015年右移趨勢不明顯, 但寬度略有變大, 這說明西部地區(qū)農業(yè)碳影子價格區(qū)域間差異在變大。同時, 西部地區(qū)核密度曲線寬度均比東部地區(qū)窄, 且峰值較東部、中部地區(qū)小, 說明西部地區(qū)農業(yè)碳影子價格處在較低水平。

2.2 結構轉型、技術選擇對農業(yè)碳排放影子價格的影響

2.2.1 農業(yè)碳排放影子價格的估計結果

經穩(wěn)健的Hausman檢驗, 采用固定效應模型更優(yōu)。進一步對隨機擾動項進行檢驗, 發(fā)現(xiàn)全國樣本數(shù)據在1%水平上存在組間異方差、組間同期相關,在5%水平上存在組內自相關。因此, 選擇全面FGLS回歸方法進行估計。模型(1)～(3)分別用隨機效應模型、固定效應模型和全面FGLS模型進行回歸, 表1展示了回歸結果。

可以看出, 由于樣本存在組間異方差、組內自相關與組間同期相關, 全面FGLS估計極大地改善了模型估計系數(shù)的顯著性。模型(3)顯示, 結構轉型系數(shù)估計值為0.454, 且在1%的顯著性水平上通過了檢驗。這說明經濟結構轉型在促進生產要素由生產率低的產業(yè)流向生產率高的產業(yè)同時, 也促進了農業(yè)生產要素的合理配置和有效利用, 推動農業(yè)生產向低碳綠色方向發(fā)展, 環(huán)境狀況會變得越來越好, 進而提升農業(yè)碳影子價格。技術進步選擇基于要素稟賦條件。技術進步促使生產要素配置更加優(yōu)化時,會促進農業(yè)產業(yè)升級與轉型, 進而改善了農業(yè)環(huán)境狀況, 農業(yè)碳影子價格會隨之提高。反之, 某項技術進步不能與勞動力、資本等生產要素相匹配, 那么就不能改善農業(yè)環(huán)境狀況, 進而抑制碳影子價格提升。勞動節(jié)約型技術進步選擇系數(shù)估計值為0.455,且在1%水平上通過顯著性檢驗。隨著相對豐裕、廉價的機械要素對勞動力的直接或間接替代, 不僅緩解了勞動力剛性約束, 更是促進了要素配置的優(yōu)化, 并加快了農業(yè)產業(yè)升級與轉型[17]。隨農業(yè)機械的廣泛使用, 產業(yè)升級帶來的減排效應大于農業(yè)機械能源消耗增加的碳排放, 導致勞動節(jié)約型技術進步能有效提升碳影子價格。農業(yè)資本深化程度估計系數(shù)是-0.171, 并在1%水平通過顯著性檢驗。由于我國農業(yè)存在資本和勞動要素配置扭曲嚴重, 并且資本不斷向農業(yè)生產環(huán)節(jié)滲透, 迫使分化的小農戶表現(xiàn)出化肥、農藥等致污要素過渡投入, 這使得資本深化對碳影子價格產生了負向作用。正如姚增福等[36]指出, 由于勞動要素質量與技術進步方向不匹配, 資本深化降低了農業(yè)環(huán)境效率。

表 1 結構轉型、技術進步選擇對農業(yè)碳影子價格影響效應的估計結果Table 1 Estimation results of impact of structural transformation and technological progress choices on agricultural carbon shadow price

從控制變量來看, 城鎮(zhèn)化水平對農業(yè)碳影子價格在1%水平上顯著為正, 說明城市發(fā)展改善了區(qū)域農業(yè)生產要素資源配置, 并促進農業(yè)綠色發(fā)展轉型,進而提高農業(yè)碳影子價格。經濟發(fā)展水平、農業(yè)經營規(guī)模、對外開放水平在1%水平上顯著為負。對于我國人口眾多的國家, 經濟發(fā)展水平的提升對農產品的需求還處在量的提升, 這會加大農業(yè)碳排放,進而抑制碳影子價格。由于我國農業(yè)經營規(guī)模整體偏小, 過度追求“產出導向型” “收入導向型”的短期目標, 導致致污投入要素增加, 進而抑制了碳影子價格。對外開放導致要素流動和要素邊際報酬的差異性, 加快了農業(yè)勞動力、資本等要素流出, 并對農業(yè)生產產生了虹吸效應, 促使在農業(yè)生產中加大了對機械、化肥等致污投入, 進而抑制了碳影子價格。

2.2.2 農業(yè)碳影子價格影響因素的空間差異

由于地理位置、要素稟賦以及經濟條件差異等原因, 結構轉型、技術進步偏向與農業(yè)碳影子價格之間的關系在不同省份之間可能存在差異。檢驗結果顯示, 東、中、西部樣本數(shù)據在1%水平上均存在組間異方差、組間同期相關。因此, 采用FGL方法對東部、中部、西部地區(qū)樣本數(shù)據進行估計。如表2所示, 模型(4)～(6)分別是東部、中部、西部地區(qū)回歸結果。

表 2 東、中、西部地區(qū)農業(yè)碳影子價格影響因素分析Table 2 Analysis of influencing factors of agricultural carbon shadow price in eastern, central and western regions

從核心解釋變量來看, 結構轉型對碳影子價格估計系數(shù)在東、中部地區(qū)均在1%水平上顯著為正,在西部地區(qū)在1%水平上顯著為負。這說明東部、中部地區(qū)結構轉型在促進要素向高生產效率部門轉移同時也促進農業(yè)產業(yè)轉型升級, 進而促進了碳影子價格提升。由于東部、中部地區(qū)經濟較為發(fā)達,承載了較多農業(yè)勞動力轉移、先進技術應用以及相應生產要素配置調整, 促進了農業(yè)生產要素的合理配置和有效利用, 尤其是東部地區(qū)在地理條件、資源稟賦等方面的優(yōu)勢, 使得東部地區(qū)較中部地區(qū)結構轉型更能促進碳影子價格提升。而西部地區(qū)欠發(fā)達地區(qū)省份較多, 并且農業(yè)生產受自然條件制約較多, 經濟結構轉型促使了優(yōu)質農業(yè)勞動力、資本等要素單向流向城市部門, 致使農業(yè)成為高投入、高消耗、資源轉化率低的產業(yè), 加劇了農業(yè)環(huán)境狀況,結構轉型對農業(yè)碳影子價格起到了抑制作用。要素稟賦差異也使得技術進步選擇在東部、中部、西部地區(qū)有所差異。勞動節(jié)約型技術進步選擇估計系數(shù)在東部地區(qū)在1%水平上顯著為負, 而中、西部地區(qū)在1%水平上顯著為正。東部地區(qū)相對于中部、西部地區(qū)農業(yè)勞動力轉移更多, 盡管大量的農業(yè)機械彌補了勞動力的不足, 但尚未轉移的勞動力勞動要素質量不能與其他生產要素較好匹配, 導致農業(yè)環(huán)境狀況變差, 東部地區(qū)勞動力節(jié)約型技術進步選擇估計系數(shù)為負值。資本深化估計系數(shù)在東部、西部地區(qū)顯著為負, 在中部地區(qū)估計系數(shù)卻顯著為正。由于中部地區(qū)大多為糧食生產功能區(qū), 資本深化提高了農業(yè)生產效率, 資本深化帶來的資本體現(xiàn)式技術進步與勞動要素質量相匹配, 使得資本深化有利于提升碳影子價格。這進一步說明了東部地區(qū)盡管機械要素實現(xiàn)了對勞動力的彌補, 但也加劇了勞動力與資本的不當配置關系; 而西部地區(qū)由于資源稟賦、地理環(huán)境等導致農業(yè)發(fā)展比較效益較低, 導致資本深化技術進步選擇不能與勞動要素質量匹配。

從控制變量來看, 農業(yè)經營規(guī)模在東、西部地區(qū)對影子價格分別在10%、1%水平顯著為負, 與前面研究一致, 即該研究期內農業(yè)經營規(guī)模的提高可能導致區(qū)域農業(yè)生產壓力過大; 但由于西部地區(qū)提升經營規(guī)模會帶來更大的農業(yè)效益, 農業(yè)致污要素投入大幅增加, 導致抑制效應明顯大于東部地區(qū); 而中部地區(qū)主要為糧食主產區(qū), 提升經營規(guī)模會改善糧食生產投入要素組合, 導致其對碳影子價格的抑制效應不明顯。經濟發(fā)展水平在東部地區(qū)對碳影子價格在5%水平上顯著為正, 西部地區(qū)在1%水平上顯著為負。由于人均GDP與人均碳排放增長之間存在環(huán)境庫茲涅茨曲線, 東部地區(qū)經濟發(fā)展水平與碳影子價格可能跨過“倒U型”曲線的拐點。城市化對碳影子價格估計系數(shù)在東、西部地區(qū)顯著為正, 對外開放水平估計系數(shù)在中、西部地區(qū)顯著為負。

3 討論與結論

3.1 討論

科學評估碳減排成本, 并通過經濟結構轉型和技術進步有效實施減排策略, 已經成為實現(xiàn)中國經濟社會低碳轉型發(fā)展的必然選擇, 也有利于我國實現(xiàn)2030年前碳達峰、2060年前碳中和目標。本文測算分析了我國1997-2020年的農業(yè)碳影子價格及其動態(tài)演進特征, 并探究了經濟結構轉型、技術進步選擇對農業(yè)碳影子價格的作用機制及其區(qū)域異質性, 為政府制定差異化的碳減排方案與計劃提供了循證指南。有別于以往基于弱可處置性假設, 利用參數(shù)法測算碳影子價格[37]和農業(yè)污染物影子價格[25,38]得出的影子價格不同, 本研究結果表明BP技術測算得到的農業(yè)碳影子價格呈現(xiàn)上升趨勢, 并具有區(qū)域差異性, 這些結論與Shen等[3]、楊子暉等[39]的結論是一致的。改進的BP技術通過考慮污染物的產生關系將期望產出子技術與非期望產出子技術聯(lián)系起來, 提供了與經濟理論和物料守恒原則相一致的影子價格估計[30], 可更好地平衡環(huán)境治理與經濟發(fā)展之間的關系, 一定程度上彌補了其他研究方法的不足。同時, 與大多數(shù)關注農業(yè)碳排放影響因素的研究不同[18,40], 對農業(yè)碳影子價格的研究可以清晰地解析碳減排成本的影響因素。研究發(fā)現(xiàn), 經濟結構調整是碳影子價格的重要影響因素, 不同地區(qū)技術進步選擇對碳影子價格影響有差異。東部地區(qū)農業(yè)碳影子價格更容易受節(jié)約型勞動技術進步選擇的影響, 中部地區(qū)農業(yè)碳影子價格更容易受資本深化影響, 西部地區(qū)農業(yè)碳影子價格受經濟發(fā)展水平、經濟結構的影響。由于碳排放影子價格可以反映減排成本, 這些結論可為不同區(qū)域制定差異化的碳減排政策及區(qū)域分配調整提供可靠的參考。

本文仍存在一些局限: 1)農業(yè)作為碳排放重要來源, 也具備相當?shù)奶紖R功能。本研究在測算碳影子價格時, 并未考慮農業(yè)碳匯帶來的生態(tài)價值以及糧食生產的社會效益。在后續(xù)研究中, 將同時從農業(yè)碳排放與碳匯視角, 并把糧食生產的社會效益納入模型構造。2)研究尺度為省域, 旨在為我國農業(yè)碳達峰、碳中和提供決策參考, 后續(xù)研究可將研究尺度擴展至地級市層面, 并針對糧食主產區(qū)、主銷區(qū)及平衡區(qū)探討區(qū)域間農業(yè)碳排放分配機制, 結論將更為可信、建議將更具指向性。

3.2 結論

基于改進的BP技術測算1997-2020年中國31個省份農業(yè)碳影子價格, 利用Kernel密度估計方法分析農業(yè)碳影子分布動態(tài)演進過程, 并應用FGLS模型估計結構轉型、技術進步選擇對碳影子價格的影響展開研究。主要結論如下:

1)我國農業(yè)碳影子價格呈現(xiàn)上升態(tài)勢。東部、中部和西部地區(qū)農業(yè)碳影子價格分別為7759.69元·t-1、4192.35元·t-1和3997.51元·t-1, 且東、中、西部地區(qū)農業(yè)碳影子價格上升趨勢依次降低。核密度分析顯示我國農業(yè)碳影子價格核密度值有增加趨勢, 東部地區(qū)核密度曲線出現(xiàn)較為明顯的右移趨勢; 中部地區(qū)核密度曲線呈現(xiàn)左移-右移趨勢, 且區(qū)域間差異在變大; 西部地區(qū)核密度曲線呈現(xiàn)明顯的向下、變寬趨勢。

2)地區(qū)結構轉型、技術選擇是導致農業(yè)碳影子價格地區(qū)異質性的重要因素。全國層面回歸結果顯示, 結構轉型、勞動節(jié)約型技術進步及城市化水平對碳影子價格有顯著的促進作用, 資本深化、經濟發(fā)展水平、農業(yè)規(guī)模化水平與對外開放水平抑制了碳影子價格的提升。

3)分區(qū)域來看, 結構轉型在東部、中部地區(qū)顯著提升農業(yè)碳影子價格, 在西部地區(qū)卻顯著抑制了農業(yè)碳影子價格; 勞動節(jié)約型技術進步在東部地區(qū)抑制了農業(yè)碳影子價格, 而在中部、西部地區(qū)顯著提升農業(yè)碳影子價格; 資本深化在東部、西部地區(qū)顯著抑制農業(yè)碳影子價格, 在中部地區(qū)顯著提升農業(yè)碳影子價格; 控制變量對農業(yè)碳影子價格的影響在不同地區(qū)間也有所差異。

4 政策啟示

基于上述結論, 本文提出如下建議:

持續(xù)推動經濟結構轉型。結構轉型是降低碳排放的有效途徑。結構轉型有利于促進生產要素合理配置和有效利用, 進一步向知識技術密集、物質資源消耗少的產業(yè)調整, 推動經濟綠色高質量發(fā)展。在促進結構轉型同時, 還要通過完善要素配置體系促進農業(yè)部門與非農部門要素的高效配置, 具體表現(xiàn)在提高農業(yè)勞動要素質量、實現(xiàn)城鄉(xiāng)基本公共服務均等化等, 縮小農業(yè)和非農業(yè)生產率差異, 促使經濟發(fā)展實現(xiàn)空間均衡, 進而實現(xiàn)農業(yè)高質量綠色發(fā)展。

制定差異化綠色協(xié)調發(fā)展政策。對于經濟比較發(fā)達的東部地區(qū)農業(yè)碳影子價格較高, 減排難度加大。應注重綠色低碳技術研發(fā), 降低對物質資本的過度依賴。對于農業(yè)生產條件比較優(yōu)越的中部地區(qū),應承擔更多的減排任務。積極發(fā)展綠色低碳農業(yè),推進施肥用藥減量化、畜禽糞污綜合利用行動方案,促進農業(yè)綠色轉型。對于西部地區(qū), 鼓勵發(fā)展生態(tài)農業(yè), 并適度承擔碳減排任務。加快農村基礎設施建設, 加快培育新型農業(yè)經營主體, 實現(xiàn)規(guī)模化、清潔化、精細化生產。同時, 針對中西部地區(qū)環(huán)境治理難度, 應加快協(xié)調低碳區(qū)域內產業(yè)生產要素配置,并積極主動從東部地區(qū)引進減排技術和減排資本,有效提高減排潛力。

逐步將農業(yè)碳減排納入碳交易市場。在完善的市場條件下, 農業(yè)碳影子價格是其內在經濟價值的體現(xiàn), 應充分利用農業(yè)碳影子價格對碳定價的形成機制。應啟動農業(yè)碳排放核算研究, 加快形成一套有利于管理部門、生產主體、碳交易主體共同參與的核算方法體系。推動制定農業(yè)碳匯交易相關法律法規(guī)的各項具體內容, 形成多元主體參與碳市場的激勵制度, 并制定農業(yè)碳匯項目發(fā)展的行動指南, 推動農業(yè)低碳生產的成本投入與收益獲取在邊際上維持均衡, 以期推動農業(yè)碳減排目標實現(xiàn)。