中部地区农业碳生产率的测定及空间收敛性研究

李 颖

(安徽大学经济学院，安徽 合肥 230039)

中部6省是我国传统的农业大省，6省的GDP总量占全国GDP的1/4以上，而农业产出占中部6省GDP的50%以上。近年来，中部6省的农业获得了快速发展。但与此同时，也导致碳排放的不断增加，引起了一系列环境问题。据计算，2008—2018年，中部6省农业碳排放总量从2008年的4032.51万t上升到2018年的4569.59万t，年均增长率达到2.2%。可见，农业发展所带来的碳排放问题十分突出。在低碳经济的大背景下，发展低碳农业已成为我国农业发展的必然选择。因此，提高农业碳生产率成为中国农业可持续发展的关键。对中部6省经济带农业碳生产率进行测算，了解其演变趋势，并分析其区域差异特征及空间收敛性，对于实现中部6省农业低碳、可持续发展具有重要的意义[1]。

1 农业碳生产率的测算与分析

1.1 农业碳排放量的核算

本文参考相关学者关于农业碳排放的估算方法，测算各省份农业的碳排放量，计算公式：

(1)

式中，CE为农业的总碳排放量；CEi为第i种碳源的碳排放量；Qi为第i种碳源的量；εi为第i种碳源的碳排放系数。

农业碳排放主要来自于2个方面，基于农业生产过程中化肥、柴油、农药、农膜、翻耕、农业灌溉产生的碳排放；基于牛、马、驴、骡、猪、羊在养殖过程中肠道发酵和粪便处理产生的碳排放，各碳源对应的碳排放系数的数值主要取自IPCC第五次报告和一些经典文献的研究结果[2]。

1.2 农业碳生产率的测算

本文基于各省域农业碳排放总量和农业增加值，将农业碳生产率定义为一段时期内农业增加值与农业碳排放总量的比值[3]，具体公式:

C=AGDP/CE

(2)

式中，C为农业碳排放率，万元·t-1；AGDP为农业增加值，亿元；CE为农业碳排放量，万t。

本文的样本区间为2008—2018年，考察对象为中部地区6个省份，即山西、安徽、江西、河南、湖北、湖南。相关变量数据均取自《中国统计年鉴(2009—2019)》。

1.3 中部地区农业碳生产率测算结果分析

表1给出了中部地区6个省份2008—2018年间农业碳生产率的数值。从中部地区的整体情况来看，中部地区的农业碳生产率从2008年的2.71%上升到2018年的4.98%，年均增长率为7.59%，总体呈上升趋势。从具体年份看，农业碳生产率各年份均呈现上升趋势。

表1 2008—2018年中部地区各省份农业碳生产率

根据各省份农业碳生产率的测算结果，农业碳生产率存在显著的省际差异特征。就各省份农业碳生产率水平而言，样本期间内，农业碳生产率最高的省份为江西省，平均值达到了6.04；农业碳生产率最低的是山西省，平均值为2.64。从发展趋势来看，中部地区各省份的农业碳生产率除个别年份外，均呈逐渐上升的趋势，其中农业碳生产率年均增长率最高的省份是山西省，达到了10.84%。

2 中部地区农业碳生产率的收敛性分析

上述分析表明，中部地区各省区之间农业碳生产率存在显著的区域差异。本文以新古典经济学的理论为基础，选用3种收敛方法来分析中部地区各省区农业碳生产率的收敛性，分别为α收敛、绝对β收敛以及条件β收敛，其中β收敛为α收敛的必要不充分条件[5]。

2.1 α收敛检验

本文采用α系数分析中部地区农业碳生产率的离差，通过测算中部地区各省区农业碳生产率的α系数来判断是否存在α收敛。若存在收敛，则随着时间推移，农业碳生产率的α系数会逐渐缩小，反之则说明具有α发散特征[6]。α系数的计算公式：

(3)

图1显示，中部地区农业碳生产率α系数以2012年为界先下降后上升，表明中部地区农业碳生产率的省际差异自2012年之后在逐步扩大，农业碳生产率不存在α收敛。

图1 2008—2018年中部地区农业碳生产率α系数走势图

2.2 β收敛检验

β收敛模型是从新古典经济学的经济收敛理论发展而来的。β收敛模型的核心是考察某区域的农业碳生产率的增长率与初始水平之间的关系。如果增长率与初始水平之间呈负相关关系，则农业碳生产率存在β收敛。β收敛模型又分为绝对β收敛和条件β收敛2种形式[7]。

2.2.1 绝对β收敛分析

2.2.1.1 绝对β收敛模型的构建

绝对β收敛是指中部地区各省区的农业碳生产率的增长速度与初始水平呈现反向变动关系。考虑到中部地区各省区农业碳生产率存在显著的正向空间相关性，为避免β收敛估计结果出现偏差，必须将空间因素的影响考虑在内[8]。因此，本文引入空间因素，在β收敛的基础模型上分别构建空间滞后模型和空间误差模型：

(4)

(5)

式中，i为省份；t为年份；Ci,t为i省t年的农业碳生产率；α为常数项；β为基期碳生产率的回归系数；W为空间权重矩阵；ρ为空间滞后系数；λ为空间误差系数；εi,t与μi,t为随机扰动项。如果回归系数β显著小于0，则表明农业碳生产率存在绝对β收敛。

式(4)为空间滞后模型(SLM)，指的是某地区的被解释变量的影响因素会通过空间传导机制影响其相邻地区；式(5)为空间误差模型(SEM)，其假设农业碳生产率在各区域间的空间依赖性由误差项反映。

本文基于LM检验来选择具体的空间收敛模型。LM检验结果表明，SEM模型更适合绝对β收敛检验。对于忽略空间因素影响的传统β收敛模型，Hausman检验结果显示，P值﹤0.05，因此拒绝原假设，说明传统β收敛模型更适合使用固定效应(FE)的估计方法。对于空间β收敛模型，本文同样进行了Hausman检验，检验结果显示，P值﹤0.05，说明选择固定效应估计方法进行空间收敛检验是合理的。

2.2.1.2 绝对β收敛结果分析

表2给出了中部地区各省区农业碳生产率的绝对β收敛的检验结果。对中部地区各省区农业碳生产率进行无权重的回归分析。结果显示，β值显著小于0，说明中部地区各省区的农业碳生产率的增长速度与初始水平呈现反向变动关系，存在绝对β收敛，即具有较低农业碳生产率地区的增长速度快于较高地区，各地区的农业碳生产率最终收敛到自己的稳态水平。在考虑空间相关性之后，空间系数λ显著大于0，这再次说明中部地区各省区之间存在显著的正向空间效应。此外，收敛系数β始终显著小于0，表明在考虑空间因素后，中部地区各省区农业碳生产率存在绝对β收敛。由上述分析可知，中部地区农业碳生产率存在绝对β收敛趋势，但不存在α收敛趋势。这表明，相较于农业碳生产率较高的地区，农业碳生产率较低的地区在样本期内增长率相对较快，同时地区间农业碳生产率的绝对差异没有缩小。

表2 长江经济带农业碳生产率绝对β收敛结果

2.2.2 条件β收敛分析

2.2.2.1 条件β收敛模型的构建

条件β收敛是指由于各省区在农业经济增长、种植结构、人均收入等方面存在差异，各省区的农业碳生产率会最终收敛于各自的稳态值[9]。考虑到中部地区省区之间农业碳生产率的正向空间相关性，本文在绝对β收敛模型的基础上，引入空间因素及相关控制变量，分别构建空间滞后模型(SLM)和空间误差模型(SEM)：

(6)

(7)

式中，控制变量X包括农业经济发展水平、农村居民收入、种植结构和耕地面积等变量；θ为控制变量的回归系数，其余变量与式(5)和式(6)的变量含义相同。如果回归系数β显著小于0，则意味着农业碳生产率存在条件β收敛。

对于条件β收敛模型，本文基于LM检验来选择具体的空间收敛模型。LM检验结果表明，SLM模型更适合条件β收敛检验。对于传统的β收敛模型，Hausman检验结果显示，P值﹤0.05，因此拒绝原假设，说明传统β收敛模型更适合使用固定效应(FE)的估计方法。对于空间β收敛模型，本文同样进行了Hausman检验，检验结果显示，P值﹤0.05，说明选择固定效应估计方法进行空间收敛检验是合理的。

2.2.2.2 条件β收敛结果分析

表3给出了中部地区各省区农业碳生产率的条件β收敛检验结果。检验结果表明，无论分析过程中考虑空间因素与否，β值始终显著小于0，表明在考虑了农业经济发展水平、农村居民收入、种植结构以及耕地面积等因素后，中部地区的农业碳生产率的条件β收敛效应较为显著。比较传统β收敛与空间β收敛的系数，可以看出，空间收敛模型的β系数绝对值更大，收敛速度也更快。从控制变量的回归系数来看，农业经济发展水平的提高使农业碳生产率降低，可能的原因在于我国农业经济的发展是以能源的大量投入作为基础的，在这种情况下，农业经济发展水平的提高对农业碳生产率增长率产生负向影响。农村居民收入对农业碳生产率增长率产生正向影响，但并不显著。农业种植结构的优化显著提高了农业碳生产率增长率，说明我国农业虽然以种植业和畜牧业为主，但林业和渔业所占比重不断扩大，这对农业碳生产率增长率产生了正向显著影响。耕地面积的扩大使能源消耗增多，对农业碳生产率增长率产生负向影响。

表3 中部地区农业碳生产率条件β收敛结果

3 结论

本文基于2008—2018年我国中部地区6个省份的面板数据，测算了中部地区各省区的农业碳生产率，并分析了区域的差异性。在此基础上，对中部地区农业碳生产率的空间收敛性进行了系统考察。得到如下结论。

中部地区各省区的农业碳生产率整体呈上升趋势，年均增长率最高的是山西省，江西省最低。

中部地区的省际差异自2012年之后逐步扩大，农业碳生产率不存在α收敛。同时，中部地区的农业碳生产率的绝对β收敛和条件β收敛特征明显，这表明农业碳生产率较低地区的农业碳生产率快于较高地区，各地区的农业碳生产率最终收敛到自己的稳态水平。空间效应加快了中部地区农业碳生产率的β收敛速度。

农业经济发展水平及耕地面积对农业碳生产率增长率均具有负向影响，农村居民收入的提高和种植结构的优化则有利于农业碳生产率的提升。上述因素对不同区域农业碳生产率增长的不同影响是形成农业碳生产率区域差异的主要原因。