碳排放權(quán)交易對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響及溢出效應(yīng)研究

摘要： 在“雙碳”目標指導(dǎo)下，中國農(nóng)業(yè)綠色轉(zhuǎn)型取得積極進展。文章基于2000—2022 年中國30 個省區(qū)市的面板數(shù)據(jù)，運用EBM-GML 法測算農(nóng)業(yè)綠色全要素生產(chǎn)率（AGTFP），在采用莫蘭指數(shù)法檢驗其空間相關(guān)性的基礎(chǔ)上，從農(nóng)業(yè)碳排放視角構(gòu)建空間雙重差分模型，探究碳排放權(quán)交易政策的實施對AGTFP 的影響及其溢出效應(yīng)。結(jié)果表明：（1）研究期間AGTFP 持續(xù)增長，農(nóng)業(yè)技術(shù)進步是農(nóng)業(yè)綠色發(fā)展的主要動力；（2）碳排放權(quán)交易政策的實施對試點地區(qū)的AGTFP 具有促進作用，且對鄰近地區(qū)具有顯著的正向空間溢出效應(yīng)；（3）農(nóng)業(yè)種植結(jié)構(gòu)、經(jīng)濟發(fā)展水平、城鎮(zhèn)化水平和創(chuàng)新水平對AGTFP 的增長具有促進作用，但創(chuàng)新水平對鄰近地區(qū)存在負向空間溢出效應(yīng)，農(nóng)業(yè)機械化水平、工業(yè)化水平對AGTFP 的增長具有抑制作用。研究結(jié)果可為我國實現(xiàn)農(nóng)業(yè)經(jīng)濟持續(xù)高速增長和農(nóng)業(yè)綠色發(fā)展的雙重目標提供有益的理論參考和經(jīng)驗證據(jù)。

關(guān)鍵詞： 碳排放權(quán)交易政策；農(nóng)業(yè)綠色全要素生產(chǎn)率；空間溢出效應(yīng)；空間雙重差分模型

中圖分類號： F 321 文獻標志碼： A 文章編號： 1004–390X （2024） 06?0119?09

當前，中國經(jīng)濟正由高速增長階段向高質(zhì)量發(fā)展階段轉(zhuǎn)變，綠色發(fā)展是實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的必然途徑。黨的十八大報告首次提出“推進綠色發(fā)展、循環(huán)發(fā)展、低碳發(fā)展”，黨的十九大報告要求推進綠色發(fā)展，建立健全綠色低碳循環(huán)發(fā)展體系，黨的二十大報告強調(diào)“推動經(jīng)濟社會發(fā)展綠色化、低碳化是實現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵環(huán)節(jié)”。中國作為農(nóng)業(yè)大國，其種植業(yè)的二氧化碳排放量占國家碳排放總量的17%，可見農(nóng)業(yè)是實現(xiàn)“雙碳”目標的關(guān)鍵領(lǐng)域之一[1]。為推進農(nóng)業(yè)綠色低碳發(fā)展和促進農(nóng)業(yè)經(jīng)濟持續(xù)增長的雙重目標，我國先后實施了多項環(huán)境規(guī)制政策。其中碳排放權(quán)交易政策作為全球廣泛應(yīng)用的市場激勵型政策，于2013 年在8 個省、直轄市進行試點，2021年7 月開啟全國碳排放權(quán)交易市場，其促進節(jié)能減排和綠色發(fā)展的作用日益展現(xiàn)。那么，農(nóng)業(yè)綠色發(fā)展轉(zhuǎn)型成效如何？碳排放權(quán)交易政策是否促進了農(nóng)業(yè)綠色發(fā)展？這些問題對中國農(nóng)業(yè)綠色發(fā)展轉(zhuǎn)型具有重要的理論和現(xiàn)實意義，值得探討。

綠色全要素生產(chǎn)率作為衡量國家經(jīng)濟高質(zhì)量發(fā)展的一個重要指標[2]，學(xué)者們對此開展了大量研究。其中，研究農(nóng)業(yè)綠色發(fā)展的影響因素時發(fā)現(xiàn)，數(shù)字鄉(xiāng)村[3]、科技進步[4]、農(nóng)地流轉(zhuǎn)[5]、農(nóng)業(yè)生產(chǎn)性服務(wù)[6]都能夠促進農(nóng)業(yè)綠色全要素生產(chǎn)率（Agricultural Green Total Factor Productivity， AGTFP）的提高。也有研究指出環(huán)境規(guī)制有助于農(nóng)業(yè)技術(shù)進步[7]和農(nóng)業(yè)綠色全要素生產(chǎn)率（AGTFP）的提高[8]。郭海紅等[9]運用SBM-GML 模型測度綠色全要素生產(chǎn)率后，引入空間計量模型研究了不同的環(huán)境規(guī)制對地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的直接效應(yīng)和空間溢出效應(yīng)。碳排放權(quán)交易政策作為實現(xiàn)國家雙碳目標的重要環(huán)境規(guī)制政策，楊達等[10]采用合成控制法和基于空間計量的雙重差分模型，證明了碳排放權(quán)交易政策減排效果的有效性和合理性，并發(fā)現(xiàn)其具有顯著的區(qū)域異質(zhì)性。也有學(xué)者基于城市區(qū)域研究發(fā)現(xiàn)低碳城市試點政策能夠顯著促進城市綠色全要素生產(chǎn)率增長[11?12]。邢會等[13]從行業(yè)視角研究碳排放權(quán)交易政策對制造業(yè)綠色全要素生產(chǎn)率的影響，同時有學(xué)者基于中國各省份的面板數(shù)據(jù)，采用雙重差分模型研究得出碳交易政策同樣能夠促進農(nóng)業(yè)的綠色全要素生產(chǎn)率[14?16]。

綜上所述，學(xué)者們對于碳排放權(quán)交易政策和綠色全要素生產(chǎn)率之間的影響研究雖已有不少成果，但是在研究領(lǐng)域和研究方法方面仍然存在一定的不足。在研究領(lǐng)域上，現(xiàn)有研究大多集中在城市區(qū)域或制造業(yè)層面探討碳排放權(quán)交易政策的實施影響，針對農(nóng)業(yè)領(lǐng)域以及空間上可能存在的溢出效應(yīng)研究較少。在研究方法上，已有研究多采用DEA 模型或SBM 模型測度AGTFP，忽視了農(nóng)業(yè)碳排放的影響，測度結(jié)果可能存在一定偏差。

相比較于已有研究，本文的邊際貢獻在于：第一，參考交叉學(xué)科前沿研究方法構(gòu)建空間雙重差分模型，從空間視角研究碳排放權(quán)交易政策對AGTFP 的影響和溢出效應(yīng)；第二，計算AGTFP時，采用EBM-GML 法兼容徑向與非徑向松弛變量，同時將農(nóng)業(yè)碳排放量作為非期望產(chǎn)出納入模型，使測度結(jié)果更接近實際；第三，在學(xué)術(shù)上豐富碳排放權(quán)交易政策對AGTFP 的影響研究，為實現(xiàn)農(nóng)業(yè)經(jīng)濟持續(xù)高速增長和農(nóng)業(yè)綠色發(fā)展的雙重目標提供經(jīng)驗證據(jù)和政策性建議。

一、 研究設(shè)計

（一） 模型構(gòu)建

1. EBM-GML 模型

農(nóng)業(yè)綠色全要素生產(chǎn)效率的測度是本文實證分析階段的重要環(huán)節(jié)。由于傳統(tǒng)DEA 模型未考慮非期望產(chǎn)出，測算結(jié)果可能存在偏差，而改進模型SBM 屬于非徑向模型，無法處理徑向問題[17]，加之勞動力、資本、土地等要素投入與產(chǎn)出為非徑向關(guān)系，環(huán)境污染與產(chǎn)出為徑向關(guān)系，本研究采用可以兼容徑向與非徑向兩類距離函數(shù)的EBM模型[18?19]。同時，GML 指數(shù)既可以有效規(guī)避可能無可行解的問題，也能夠滿足循環(huán)性和傳遞性的要求，還可以允許技術(shù)退步[9]。因此，本文根據(jù)籍艷麗等采用的研究方法[20]，將EBM 模型與GML 指數(shù)相結(jié)合，采用非導(dǎo)向的EBM-GML 模型測度AGTFP，以期結(jié)果更貼近實際。具體方法如下。

式（1）中，x、yG、yB 分別代表投入、期望產(chǎn)出與非期望產(chǎn)出；m、n、w 代表投入或產(chǎn)出個值，?-u、?+j、?-z、和s-u、s+j、s-z分別表示第u 個投入、第j 個產(chǎn)出、第z 個非期望產(chǎn)出的權(quán)重和松弛變量；ω（0≤ ω≤1）為綜合徑向效率值ξ和非徑向松弛變量的重要參數(shù)。結(jié)合技術(shù)效率構(gòu)建GML 指數(shù)，具體見式（2）。

式（2）中，G 代表農(nóng)業(yè)綠色全要素生產(chǎn)效率指數(shù)， ψG，t、 ψG，t+1分別代表t 期、t+1 期的全局效率值。以2000 年為基期，使用累乘法將效率值ψ和后續(xù)年份計算得出的G 累計求積，即可得到各地區(qū)的AGTFP。

2. 空間雙重差分模型

雙重差分法（DID）作為政策效應(yīng)評估方法中的經(jīng)典方法，可以很大程度上避免內(nèi)生性問題的干擾。由于地區(qū)之間存在交流，碳排放權(quán)交易政策的外部性會產(chǎn)生福利效應(yīng)，即存在正向或負向的空間溢出效應(yīng)[21]。因此，借鑒賈銳寧等[22]、郭炳南等[23]對傳統(tǒng)DID 模型的改進方法，將碳排放權(quán)交易政策實施的時點和試點地區(qū)替換為政策虛擬變量，進一步在模型中嵌入空間交互項來構(gòu)建空間雙重差分模型，以評估變量間存在空間依賴性的政策沖擊效果。

（二） 變量選擇與數(shù)據(jù)來源

1. 被解釋變量

AGTFP 的計算過程參考式（1）、式（2）。本文選用第一產(chǎn)業(yè)從業(yè)人數(shù)（萬人）、農(nóng)用機械總動力（萬KW）、化肥折純量（萬t）、塑料薄膜使用量（ t）、農(nóng)藥使用量（萬t）、農(nóng)作物播種面積（千hm2）、有效灌溉面積（千hm2）為投入指標；農(nóng)業(yè)總產(chǎn)值（億元）為期望產(chǎn)出指標，農(nóng)業(yè)碳排放量（萬t）為非期望產(chǎn)出指標。農(nóng)業(yè)碳排放量的核算參照李波等的計算方法[24]，計算過程均基于軟件MATLAB R2022b 的運行環(huán)境，此處不再贅述。

2. 核心解釋變量

碳排放權(quán)交易政策（ SDID） 為雙重差分項treat×postit，即地區(qū)虛擬變量和時間虛擬變量的乘積。2013 年，中國碳交易市場的試點地區(qū)為北京、上海、天津、重慶、湖北、廣東，2016 年增加福建為碳交易市場試點地區(qū)。因此將以上試點地區(qū)作為實驗組，其余地區(qū)作為對照組，即以上7 個地區(qū)虛擬變量treat 取值為1，其余地區(qū)取值為0；北京、上海、天津、重慶、湖北和廣東的時間虛擬變量post，在2013 年前取值為0，2013年及以后取值為1；福建的時間虛擬變量post 在2016 年前取值為0，2016 年及以后取值為1。

3. 控制變量

結(jié)合相關(guān)研究成果[3，25]，本研究選取農(nóng)業(yè)種植結(jié)構(gòu)（PLA）、農(nóng)業(yè)機械化水平（AML）、經(jīng)濟發(fā)展水平（ EDL）、工業(yè)化水平（ IND）、城鎮(zhèn)化水平（UL）和創(chuàng)新水平（TL）作為控制變量。其中：農(nóng)業(yè)種植結(jié)構(gòu)采用糧食播種面積占農(nóng)業(yè)總播種面積的比重來衡量，農(nóng)業(yè)機械化水平采用農(nóng)用機械總動力占農(nóng)業(yè)總播種面積的比重來衡量，經(jīng)濟發(fā)展水平采用該地區(qū)人均GDP 衡量，工業(yè)化水平采用研究區(qū)工業(yè)增加值占該地區(qū)生產(chǎn)總值的比重來衡量，城鎮(zhèn)化水平采用研究區(qū)城市人口占該地區(qū)總?cè)丝跀?shù)的比重來衡量，創(chuàng)新水平采用該地區(qū)發(fā)明專利申請受理的數(shù)量來表征。

4. 數(shù)據(jù)來源

考慮樣本數(shù)據(jù)的可獲得性和統(tǒng)計口徑的準確性，本研究的樣本選取自中國30 個省區(qū)市（不包括西藏和港澳臺地區(qū)），計算農(nóng)業(yè)碳排放量和AGTFP 所需的第一產(chǎn)業(yè)從業(yè)人數(shù)、塑料薄膜使用量、農(nóng)藥使用量數(shù)據(jù)來自于2001—2023 年的《中國農(nóng)村統(tǒng)計年鑒》，農(nóng)用機械總動力、化肥折純量、農(nóng)作物播種面積、糧食播種面積、有效灌溉面積、工業(yè)增加值、農(nóng)業(yè)總產(chǎn)值、人均國內(nèi)生產(chǎn)總值、城市人口數(shù)量、地區(qū)總?cè)丝跀?shù)據(jù)來自于國家統(tǒng)計局發(fā)布的2001—2023 年的《中國統(tǒng)計年鑒》，創(chuàng)新水平的數(shù)據(jù)來自于國家知識產(chǎn)權(quán)局發(fā)布的統(tǒng)計年報。個別缺失數(shù)據(jù)采用線性插值法處理。

二、 實證分析

（一） AGTFP 的時空演變分析

基于軟件MATLAB 測算出2000—2022 年中國30 個省區(qū)市的AGTFP 和GML 指數(shù)， 并將GML 指數(shù)分解為技術(shù)效率指數(shù)（EC）和技術(shù)進步指數(shù)（TC），見表1。整體上看，我國AGTFP 在研究期內(nèi)呈波動式穩(wěn)定上升，年均增速為2.4%，除2000—2001 年外，AGTFP 均大于1，說明我國持續(xù)積極推動農(nóng)業(yè)綠色發(fā)展轉(zhuǎn)型工作取得了一定成效。結(jié)合GML 指數(shù)分解項可知，EC 在生產(chǎn)前沿面臨界值1 左右波動，而TC 除個別年份外均大于1，其可能多次發(fā)揮技術(shù)進步作用以推動生產(chǎn)前沿面外移，這表明中國的農(nóng)業(yè)綠色發(fā)展依賴農(nóng)業(yè)機械化等技術(shù)水平的提高，農(nóng)業(yè)生產(chǎn)綠色化轉(zhuǎn)型呈“單輪驅(qū)動”狀態(tài)，農(nóng)業(yè)生產(chǎn)中仍然存在要素投入冗余的情況，資源配置及技術(shù)效率亟須提高，與羅玉波等[26]的研究觀點一致。

選取中國2001 年、2011 年、2017 年、2021年的省際AGTFP 數(shù)據(jù)，利用ArcGIS 軟件繪制其空間分布圖（圖1）。從圖1 可以看出，碳排放權(quán)交易政策實施前，AGTFP 較高的省區(qū)市主要為新疆、四川、陜西、遼寧、吉林、北京、河北、山東、江蘇等糧食大省和生態(tài)環(huán)境保護大??；碳排放權(quán)交易政策實施后，AGTFP 較高的省份數(shù)量大幅度增加，特別是遼寧、黑龍江、天津、山東、山西、安徽、江蘇、河南和湖北作為我國的糧食大省，其發(fā)展變化最明顯。一方面由于這些省市較為重視農(nóng)業(yè)綠色生產(chǎn)，同時也與東北平原、華北平原地形平坦，適宜農(nóng)業(yè)生產(chǎn)規(guī)?；?、標準化、機械化有關(guān)。貴州、四川、湖南、浙江等地因多山多丘陵，農(nóng)業(yè)生產(chǎn)規(guī)?；芟?，導(dǎo)致AGTFP 發(fā)展相對其他省份增長較慢。此外，青海、寧夏、甘肅及經(jīng)濟發(fā)達地區(qū)如北京、上海等擁有較高的AGTFP 的原因可能在于其農(nóng)業(yè)總量較小，且沒有像糧食主產(chǎn)區(qū)的省份有保障糧食安全的壓力，在農(nóng)業(yè)生產(chǎn)過程中較少使用化肥、農(nóng)藥等污染源，故造成的碳排放也較低。

（二） 全局莫蘭指數(shù)

莫蘭指數(shù)（Moran’ s I）分為全局莫蘭指數(shù)和局部莫蘭指數(shù)，是研究空間關(guān)系的一種相關(guān)系數(shù)值，經(jīng)過方差歸一化后會被歸一化到（?1，1）之間，是度量是否存在空間相關(guān)性的重要指標，也是檢驗是否能使用空間計量方法的前提[27]。為了檢驗變量間是否存在空間自相關(guān)性，本研究基于鄰接空間權(quán)重矩陣，采用全局莫蘭空間自相關(guān)法對AGTFP 進行檢驗，結(jié)果見表2。

根據(jù)表2，2000—2022 年間，全局Moran’ s I的值在（?1，1）范圍內(nèi)顯著為正，z 值的絕對值整體上大于臨界值1.65，P 值除個別年份外均在1% 或5% 的統(tǒng)計水平上顯著。這表明農(nóng)業(yè)綠色全要素生產(chǎn)率總體上存在顯著的空間自相關(guān)性，地區(qū)間不存在獨立性，可以進行后續(xù)的空間計量分析。

（三） 平行趨勢檢驗

雙重差分模型是基于反事實框架來評估實施政策或未實施政策兩種情形下的被解釋變量的變化，所以模型設(shè)定的實驗組與對照組的目標變量在政策發(fā)生前必須滿足平行趨勢，具有可比性。本研究采用事件研究法進行平行趨勢檢驗，并繪制95% 置信區(qū)間下的動態(tài)效應(yīng)圖。為了避免多重共線性問題，對政策實施當期進行了刪除處理。結(jié)果如圖2 所示。

從圖2 可以看出，在碳排放權(quán)交易政策實施當期之前，回歸系數(shù)在0 值附近波動，不存在顯著差異。政策實施之后，即t+1 期后呈明顯上升趨勢，95% 的置信區(qū)間不包括0 值，說明回歸系數(shù)在5% 的統(tǒng)計水平上顯著。這表明碳排放權(quán)交易政策實施前，實驗組和控制組地區(qū)無顯著差別。碳排放權(quán)交易政策實施后，其對農(nóng)業(yè)綠色全要素生產(chǎn)率的政策效應(yīng)為正向顯著，滿足平行趨勢檢驗。

（四） 基準回歸分析

1. 回歸結(jié)果分析

為分析碳排放權(quán)交易政策（ SDID）對AGTFP的影響，本研究根據(jù)式（3）設(shè)定的模型進行基準回歸，結(jié)果如表3 所示。

表3 中模型（1）匯報了未增加控制變量的基準回歸結(jié)果，在空間地理權(quán)重矩陣下，碳排放權(quán)交易政策對AGTFP 的影響在1% 的統(tǒng)計水平下為正顯著。W×SDID 項表示政策的沖擊帶來的空間溢出效應(yīng)在1% 的統(tǒng)計水平下為正顯著。模型（2）匯報了增加控制變量的回歸結(jié)果，SDID 和W×SDID 項對AGTFP 的影響仍然在1% 的水平下顯著為正，表明碳排放交易政策的實施顯著提高了AGTFP，并對鄰近地區(qū)產(chǎn)生了顯著的正向空間溢出效應(yīng)。增加控制變量前后的模型參數(shù)估計值的符號一致且同樣顯著，空間自相關(guān)系數(shù)（ρ）在模型（1）和模型（2）的回歸結(jié)果中均在1% 的統(tǒng)計水平上正顯著，與莫蘭指數(shù)符號一致，表明模型估計結(jié)果合理。

2. 效應(yīng)分解

為進一步分析SDID 對AGTFP 的影響且提高分析的準確性，采用偏微分法將空間總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)[28]。其中，直接效應(yīng)指SDID的實施對本地區(qū)AGTFP 的影響，間接效應(yīng)指SDID實施導(dǎo)致的空間溢出效應(yīng)。具體結(jié)果見表4。

從表4 可知，SDID 的直接效應(yīng)和間接效應(yīng)均在1% 的統(tǒng)計水平上為正向顯著，表明碳交易政策的實施不僅對試點地區(qū)的農(nóng)業(yè)綠色發(fā)展有顯著的提升作用，也對周邊鄰近地區(qū)產(chǎn)生了顯著的正向空間溢出效應(yīng)。這可能是因為地區(qū)間存在“示范效應(yīng)”，試點地區(qū)的AGTFP 的顯著提高會對周邊地區(qū)產(chǎn)生壓力。結(jié)合當前高昂的環(huán)境治理成本和降碳減排的大趨勢，周邊地區(qū)模仿試點地區(qū)的政策措施以提高本地區(qū)的AGTFP。

從其余控制變量看，農(nóng)業(yè)種植結(jié)構(gòu)（PLA）的調(diào)整對AGTFP 的增長產(chǎn)生了顯著的正向作用。在糧食安全戰(zhàn)略背景下，以種植業(yè)為主的地區(qū)容易出現(xiàn)土地密集型產(chǎn)業(yè)的規(guī)模效應(yīng)，有利于降低農(nóng)業(yè)污染治理成本，推動農(nóng)業(yè)綠色發(fā)展。農(nóng)業(yè)機械化水平（AML）對試點地區(qū)AGTFP 的提高具有顯著的負向影響，傳統(tǒng)的農(nóng)業(yè)機械化水平的提高不利于農(nóng)業(yè)綠色發(fā)展，原因在于我國農(nóng)業(yè)機械雖然快速發(fā)展，但綠色農(nóng)機技術(shù)水平總體不高，仍然以化石燃料—柴油為主要動力來源，而柴油的燃燒會造成大量的碳排放，限制了農(nóng)業(yè)綠色技術(shù)進步，抑制了AGTFP 的提高。經(jīng)濟發(fā)展水平（EDL）在改革開放后不斷提高，農(nóng)村居民對人居環(huán)境的要求也越來越高，且試點地區(qū)多為經(jīng)濟發(fā)達的直轄市，因此，EDL 對試點地區(qū)的AGTFP 具有更積極的促進作用。工業(yè)化水平（IND）對試點地區(qū)AGTFP 影響顯著為負，工業(yè)在高速發(fā)展的同時擠占部分農(nóng)業(yè)資源要素，對農(nóng)業(yè)產(chǎn)生一定的擠壓效應(yīng)，負面影響AGTFP 的增長。城鎮(zhèn)化水平（UL）對AGTFP 產(chǎn)生顯著的正向影響，UL 的提升有利于轉(zhuǎn)移農(nóng)村過剩的勞動力、提高資源利用效率，實現(xiàn)AGTFP 正向增長。創(chuàng)新水平（TL）的直接效應(yīng)在1% 的統(tǒng)計水平上為正顯著，間接效應(yīng)在10%的統(tǒng)計水平上為負顯著。隨著碳排放權(quán)交易政策的實施，試點地區(qū)AGTFP 不斷提高，不可避免地會對周邊地區(qū)的農(nóng)業(yè)綠色科技、人才等相關(guān)資源產(chǎn)生虹吸效應(yīng)。試點地區(qū)在進一步提高本地區(qū)AGTFP 的同時，也減少了周邊地區(qū)的資源和技術(shù)創(chuàng)新，不利于鄰近地區(qū)的AGTFP 增長。

（五） 穩(wěn)健性檢驗

本文為了驗證基準回歸結(jié)果的穩(wěn)健性，分別選取反事實研究法、縮小樣本區(qū)間法、雙側(cè)縮尾檢驗和安慰劑檢驗法4 種方法進行驗證，分析結(jié)果分別對應(yīng)表5 中的列（1）、列（2）、列（3）和圖3。

1. 反事實研究法

本研究通過將試點地區(qū)的碳排放權(quán)交易政策實施時間提前1 年后進行基準回歸，得到表5 列（1）的回歸結(jié)果，核心解釋變量SDID 系數(shù)為正但不顯著，表明碳排放權(quán)交易政策對AGTFP 的作用不是在政策實施前顯現(xiàn)，且本研究實驗組和對照組不存在其他系統(tǒng)性誤差[29]。

2. 縮小樣本區(qū)間法

縮小回歸樣本區(qū)間是較為常見的穩(wěn)健性檢驗方法，本研究將2000—2022 年的樣本數(shù)據(jù)縮小至2010—2020 年后進行基準回歸，得到的結(jié)果表明，SDID 對AGTFP 的影響在1% 的統(tǒng)計水平上為正顯著，估計結(jié)果穩(wěn)健可靠。

3. 雙側(cè)縮尾檢驗法

在1% 和99% 水平下分別對本文中的連續(xù)變量進行截尾處理以剔除異常值，重新進行基準回歸，結(jié)果如表5 列（3）所示，SDID 的系數(shù)和估計值都在1% 的統(tǒng)計水平上顯著為正，再次驗證了基準回歸結(jié)果的穩(wěn)健性。

4. 安慰劑檢驗法

將實驗組和對照組隨機打亂，在研究樣本中隨機抽取7 個地區(qū)作為實驗組，剩余23 個地區(qū)作為對照組，并將此回歸過程重復(fù)1 000 次。隨機試驗得到的估計系數(shù)核密度分布如圖3 所示，估計系數(shù)以零為均值，基本上呈正態(tài)分布，整體偏離基準回歸系數(shù)?0.02，這表明基準回歸結(jié)果受遺漏變量的影響的可能性較低，本文的核心結(jié)論依舊成立。

三、 結(jié)論與建議

本文基于2000—2022 年中國30 個省區(qū)市的面板數(shù)據(jù)， 以采用EBM-GML 法測度的AGTFP為研究對象，通過構(gòu)建空間雙重差分模型，分析碳排放權(quán)交易政策的實施對AGTFP 的影響及其溢出效應(yīng)，得出以下結(jié)論：（1）研究期間中國AGTFP 持續(xù)增長，各省區(qū)市間的資源稟賦不同導(dǎo)致農(nóng)業(yè)綠色發(fā)展水平存在一定差異，農(nóng)業(yè)生產(chǎn)綠色化轉(zhuǎn)型的主要動力來源是農(nóng)業(yè)技術(shù)進步。（2）碳排放權(quán)交易政策的實施對區(qū)域AGTFP 的提高具有積極的促進作用，且對周邊地區(qū)產(chǎn)生顯著的正向空間溢出效應(yīng)，證明碳排放權(quán)交易政策有效推動了AGTFP 的增長和我國農(nóng)業(yè)綠色發(fā)展水平的提高。（3）農(nóng)業(yè)種植結(jié)構(gòu)、經(jīng)濟發(fā)展水平、城鎮(zhèn)化水平和創(chuàng)新水平的提高有利于AGTFP 的增長，其中創(chuàng)新水平可能導(dǎo)致的虹吸效應(yīng)抑制了試點地區(qū)周邊地區(qū)AGTFP 的增長，而農(nóng)業(yè)傳統(tǒng)柴油機械的使用、工業(yè)對農(nóng)業(yè)的擠壓效應(yīng)則不利于AGTFP 的增長。

鑒于上述結(jié)論，本文提出如下建議：一是優(yōu)化農(nóng)業(yè)生產(chǎn)要素配置，協(xié)調(diào)區(qū)域農(nóng)業(yè)綠色發(fā)展。政府應(yīng)利用AGTFP 的綠色空間溢出效應(yīng)，充分發(fā)揮高AGTFP 地區(qū)的輻射帶動作用，深化不同地區(qū)間在先進生產(chǎn)技術(shù)和管理實踐方面的交流學(xué)習，優(yōu)化區(qū)域間人才隊伍、農(nóng)業(yè)綠色科技等農(nóng)業(yè)生產(chǎn)資源的協(xié)調(diào)配置，同時打造區(qū)域間農(nóng)業(yè)綠色合作平臺以保持農(nóng)業(yè)生產(chǎn)資源在區(qū)域間的適度流動。二是積極引導(dǎo)農(nóng)業(yè)進入全國碳市場，充分釋放農(nóng)業(yè)碳排放市場的碳減排效應(yīng)。通過擴大碳市場的涵蓋主體增強政策的空間溢出效應(yīng)，充分發(fā)揮農(nóng)業(yè)的碳匯功能和高AGTFP 地區(qū)的示范效應(yīng)，推動鄰近地區(qū)農(nóng)業(yè)綠色發(fā)展，提高整體的農(nóng)業(yè)綠色發(fā)展水平。三是各級政府應(yīng)加強對區(qū)域農(nóng)業(yè)綠色低碳發(fā)展轉(zhuǎn)型的支持力度，扎實推進新型城鎮(zhèn)化，持續(xù)研發(fā)和推廣綠色農(nóng)機裝備，減少傳統(tǒng)柴油農(nóng)機的使用，強化工業(yè)對農(nóng)業(yè)的反哺力度，以及通過農(nóng)業(yè)要素集約化，包括土地流轉(zhuǎn)、農(nóng)業(yè)生產(chǎn)性服務(wù)等形式產(chǎn)生規(guī)模經(jīng)濟效應(yīng)，推動農(nóng)業(yè)綠色全要素生產(chǎn)率持續(xù)增長，助力實現(xiàn)農(nóng)業(yè)綠色可持續(xù)發(fā)展。

[ 參考文獻 ]

[1]黃杰， 孫自敏. 中國種植業(yè)碳生產(chǎn)率的區(qū)域差異及分布動態(tài)演進[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟， 2022（7）： 109. DOI： 10.13246/j.cnki.jae.20210916.004.

[2]孫振清， 谷文姍， 成曉斐. 碳交易對綠色全要素生產(chǎn)率的影響機制研究[J]. 華東經(jīng)濟管理， 2022， 36（4）： 89.DOI： 10.19629/j.cnki.34-1014/f.210911013.

[3]郭海紅. 數(shù)字鄉(xiāng)村建設(shè)、資源要素錯配與農(nóng)業(yè)綠色全要素生產(chǎn)率[J]. 中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版）， 2024， 24（1）： 102. DOI： 10.16493/j.cnki.42-1627/c.20231213.001.

[4]張頌心， 王輝， 徐如濃. 科技進步、綠色全要素生產(chǎn)率與農(nóng)業(yè)碳排放關(guān)系分析： 基于泛長三角26個城市面板數(shù)據(jù)[J]. 科技管理研究， 2021， 41（2）： 211. DOI： 10.3969/j.issn.1000-7695.2021.02.028.

[5]劉慧敏， 尚杰. 農(nóng)地流轉(zhuǎn)對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究： 兼論門檻效應(yīng)與空間效應(yīng)[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報（中英文）， 2023， 31（9）： 1482. DOI： 10.12357/cjea.20220975.

[6]李明亮， 余國新， 蒲娟， 等. 農(nóng)業(yè)生產(chǎn)性服務(wù)對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響： 基于空間溢出效應(yīng)和門檻效應(yīng)[J]. 新疆農(nóng)墾經(jīng)濟， 2024（1）： 23. DOI： 10.3969/j.issn.1000-7652.2024.01.003.

[7]徐永慧， 尹朝靜. 環(huán)境規(guī)制下中國農(nóng)業(yè)綠色全要素生產(chǎn)率的測算[J]. 統(tǒng)計與決策， 2021， 37（18）： 50. DOI： 10.13546/j.cnki.tjyjc.2021.18.011.

[8]胡永浩， 張昆揚， 武拉平， 等. 環(huán)境規(guī)制對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響[J]. 生態(tài)經(jīng)濟， 2023， 39（12）： 118.

[9]郭海紅， 李樹超. 環(huán)境規(guī)制、空間效應(yīng)與農(nóng)業(yè)綠色發(fā)展[J]. 研究與發(fā)展管理， 2022， 34（2）： 54. DOI： 10.13581/j.cnki.rdm.20210715.

[10]楊達， 丁川. 碳交易政策的減排效應(yīng)及空間溢出： 基于SCM和S-DID方法的中國經(jīng)驗實證分析[J]. 中國行政管理， 2023， 39（5）： 132. DOI： 10.19735/j.issn.1006-0863.2023.05.16.

[11]王亞飛， 陶文清. 低碳城市試點對城市綠色全要素生產(chǎn)率增長的影響及效應(yīng)[J]. 中國人口·資源與環(huán)境， 2021，31（6）： 78. DOI： 10.12062/cpre.20210110.

[12]梁軍， 李佳藝. 碳交易是否提升了城市綠色全要素生產(chǎn)率？[J]. 上海經(jīng)濟研究， 2023（3）： 97. DOI： 10.19626/j.cnki.cn31-1163/f.2023.03.002.

[13]邢會， 姜影， 陳園園. “雙碳”目標下碳交易與制造業(yè)綠色全要素生產(chǎn)率： 基于異質(zhì)性技術(shù)創(chuàng)新模式的機制檢驗[J]. 科技進步與對策， 2022， 39（23）： 76. DOI： 10.6049/kjjbydc.2022040659.

[14]DAI SONG Y， LIN XIN L， SHAN HONG G， et al. Impact of carbon trading on agricultural green total factor productivity in China[J]. Journal of Cleaner Production，2022（367）： 427. DOI： 10.1016/j.jclepro.2022.132789.

[15]ZHUOHUI Y， SHIPING M， QINGNING L. Has China’ s Carbon Emissions Trading Pilot Policy Improved Agricultural Green Total Factor Productivity？[J].Agriculture， 2022， 12（9）： 355. DOI： 10.3390/agriculture 12091444.

[16]劉暢. 碳交易對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響： 基于碳匯和碳排放雙重視角[J]. 中國林業(yè)經(jīng)濟， 2023（5）：90. DOI： 10.13691/j.cnki.cn23-1539/f.2023.05.013.

[17]雷玉桃， 張淑雯， 孫菁靖. 環(huán)境規(guī)制對制造業(yè)綠色轉(zhuǎn)型的影響機制及實證研究[J]. 科技進步與對策， 2020，37（12）： 65. DOI： 10.6049/kjjbydc.2020060714.

[18]胡日東， 湯錦鋒， 宋紅艷. 環(huán)境規(guī)制、綠色技術(shù)創(chuàng)新與制造業(yè)綠色全要素生產(chǎn)率[J]. 工業(yè)技術(shù)經(jīng)濟， 2023，42（7）： 113. DOI： 10.3969/j.issn.1004-910X.2023.07.013.

[19]PASTORJT， LOVELLCAK. A global Malmquist productivity index[J]. Economic Letters， 2005， 88（2）： 266.DOI： 10.1016/j.econlet.2005.02.013.

[20]籍艷麗， 辜子寅， 薛潔. 環(huán)境規(guī)制對工業(yè)綠色全要素生產(chǎn)率的波特效應(yīng)[J]. 統(tǒng)計與決策， 2022， 38（7）： 82. DOI：10.13546/j.cnki.tjyjc.2022.07.016.

[21]郭莉， 梁新莉. 碳排放權(quán)交易政策對碳排放效率影響研究： 基于空間多期雙重差分模型的分析[J]. 價格理論與實踐， 2023（9）： 146. DOI： 10.19851/j.cnki.CN11-1010/F.2023.09.314.

[22]賈銳寧， 邵帥， 鄭英杰， 等. 中國高鐵建設(shè)與城市減霾績效： 基于空間雙重差分模型的經(jīng)驗考察[J]. 中國軟科學(xué)， 2023（11）： 109. DOI： 10.3969/j.issn.1002-9753.2023.11.010.

[23]郭炳南， 馮雨， 張浩. 碳排放權(quán)交易對企業(yè)全要素生產(chǎn)率的影響及溢出效應(yīng)： 基于空間雙重差分模型的實證分析[J]. 中國環(huán)境管理， 2023， 15（3）： 84. DOI： 10.16868/j.cnki.1674-6252.2023.03.084.

[24]李波， 杜建國， 劉雪琪. 湖北省農(nóng)業(yè)碳排放的時空特征及經(jīng)濟關(guān)聯(lián)性[J]. 中國農(nóng)業(yè)科學(xué)， 2019， 52（23）： 4309.DOI： 10.3864/j.issn.0578-1752.2019.23.011.

[25]馬國群， 譚硯文. 環(huán)境規(guī)制對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究： 基于面板門檻模型的分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟， 2021（5）： 77. DOI： 10.13246/j.cnki.jae.2021.05.006.

[26]羅玉波， 朱晨曦， 王春云. 基于共同前沿理論的中國農(nóng)業(yè)綠色全要素生產(chǎn)率測度及“追趕”效應(yīng)解析[J]. 農(nóng)林經(jīng)濟管理學(xué)報， 2024， 23（1）： 30. DOI： 10.16195/j.cnki.cn36-1328/f.2024.01.04.

[27]馬林靖， 李培速， 伍亞紅. 城鎮(zhèn)化發(fā)展如何影響非正規(guī)就業(yè)： 基于空間杜賓模型的省際面板分析[J]. 世界地理研究， 2022， 31（6）： 1273. DOI： 10.3969/j.issn.1004-9479.2022.06.2020551.

[28]LESAGE J P， PACE R K. Introduction to spatial econometrics（1st ed）[M]. New York： Chapman and Hall/CRCPress， 2009： 23.

[29]劉穎， 呂明俐， 劉雙豐. 碳交易政策對高碳產(chǎn)業(yè)綠色全要素生產(chǎn)率的影響研究[J]. 經(jīng)濟縱橫， 2024（7）： 56.DOI： 10.16528/j.cnki.22-1054/f.202407056.

基金項目：銅仁學(xué)院博士科研啟動基金項目“ 西南喀斯特坡地土壤豐量及與植被的關(guān)系研究”（trxyDH1808）；貴州省科技計劃項目“貴州石漠化治理對巖溶碳匯的影響研究”（黔科合基礎(chǔ)-ZK[2023] 一般465）；貴州省高校哲學(xué)社會科學(xué)實驗室“黔東農(nóng)業(yè)（村） 發(fā)展與生態(tài)治理實驗室”（黔教哲[2023]07 號）。