农户农业碳排放效率差异及多层次影响因素*——以陕西省米脂县为例

张 杰，陈 海※，刘 迪，耿甜伟，董嘉薇

（1.西北大学城市与环境学院，陕西西安 710127；2.陕西省地表系统与环境承载力重点实验室，西安 710127）

0 引言

全球变暖是当今世界最为严峻的环境问题之一[1]。农业作为第二大温室气体排放源[2]，极大助推气候变暖。中国农业碳排放量约占全国碳排放总量的17%[3]，农业碳减排刻不容缓。同时，我国农业生产方式以个体经营为主，兼有主体分散、农用地零散分布的特征，导致农户农业机械和农业能源使用低效[4]，提高农户农业碳排放效率是实现农村碳减排的重要途径，也是乡村振兴的内在需要[5]。因此，探讨农户碳排放效率及多层次影响因素，对实现农村低碳高效发展、乡村振兴具有重要意义。

作为衔接经济产出与环境影响的桥梁[6]，碳排放效率已成为学术界的重要议题[7]。农业碳排放效率指碳排放约束下农业生产效率水平[8]，相关研究立足不同尺度，聚焦于模型改进[9,10]、区域差异[11-13]、影响因素[3,7,8]等方面对农业碳排放效率进行了广泛探讨。从研究方法看，受限于传统DEA模型无法有效解决生产过程中包含非期望产出和松弛性的局限性，改进模型如SBM模型[10]、随机前沿模型（SFA）[14]、超效率DEA模型[15]及Malmquist指数法[9,13,16]等方法得到众多学者的广泛运用，其中，Undersirable Outputs-SBM模型剔除了松弛变量不自由变化对效率评价的影响，同时也为包含非期望产出指标的效率评价提供了新思路[17]。从研究尺度看，国内外学者对国家[18,19]、省域[3,7]、县域[20]及村域[15]等不同空间尺度农业碳排放效率进行了广泛探讨，而分析微观农户农业碳排放效率及村域异质性研究鲜见报道[21]。从影响因素看，以往研究主要依托统计年鉴数据，表明农业发展水平、城市化水平等变量[3,8]对农业碳排放效率有显著影响。传统大尺度研究利于提供宏观决策支持，但忽略了微观层面具体限制性因素[22]，有学者认为农户年龄、教育水平等个体因素和气候、政策支持等环境因素会影响农户农业碳排放及效率水平[2,21,23,24]，但多以定性分析为主，定量探究农户农业碳排放效率及影响因素的研究少见。2018年中共中央、国务院颁发《乡村振兴战略规划（2018-2022年）》强调乡村振兴不能以牺牲环境为代价，提出通过绿色低碳发展实现乡村振兴倡导的“产业兴旺、生态宜居”，对乡村振兴在经济和环境两个方面均提出了要求，而农户农业碳排放效率正是基于农业收入期望产出与农业碳排放非期望产出的综合测度结果，因此探讨农户农业碳排放效率也是对乡村振兴成果的有效检验。

综上，已有研究为文章提供了理论和方法借鉴，但对微观农户尺度农业碳排放效率差异及多层次影响因素定量化研究相对不足。基于此，文章以陕西省米脂县为例，采用Undersirable Outputs-SBM模型对农户农业碳排放效率进行测度，分析农业碳排放效率的农户差异，最后利用多层次模型揭示农户农业碳排放效率的影响因素，为当地乡村振兴政策高效实施和农业农村低碳高效发展提供对策建议。

1 研究区概况与数据来源

1.1 研究区概况

陕西省米脂县（109°49"E～110°29"E，37°39"N～38°5"N），面积1 178 km2，地表支离破碎，水土流失严重，年均降水量451.6 mm，地势西北高，东南低，地形地貌空间差异较大，属于典型黄土丘陵生态脆弱区。在长期发展过程中，米脂县以特色种植、生态旅游和山地苹果为依托，已形成“一村一品，一乡一业”的农业发展模式。近年来，米脂县大力推进乡村振兴示范村建设，农户生计方式发生变化。由于村庄自然禀赋多样，种植结构差异明显，为探讨和分析农户农业能源投入量和利用效率差异研究，提供了较好的平台。

1.2 数据来源与处理

采用随机抽样方式，考虑地形地貌差异和空间分布的均衡性，共选取57个村庄进行调研（图1）。数据收集于2021年7月5—25日，共收集有效农户问卷861份，有效率为96.5%，村均有效问卷数量为15.1份，收集有效村庄问卷57份，参考张红娟等人的研究[25]发现样本数据通过了最小样本量检验。调研内容主要包括：（1）农户种养殖情况，包括耕地面积、种植作物种类及面积、作物产量、出售量及出售价格、翻耕土地面积、化肥、农药、农膜、农业机械柴油消耗量和养殖种类、数量；（2）农户基本信息，包括年龄、务农年限、教育程度、务农收入、家庭年收入、家庭农业劳动力、是否加入合作社、是否享受惠农政策、信息获取渠道及农业技能培训次数等。

图1 研究区位置与村庄选择

环境变量数据来源：（1）米脂县DEM数据来源于地理空间数据云（http://www.gscloud.cn/），空间分辨率为30 m，利用ArcGIS 10.2分区统计得到村庄平均高程和坡度，（2）村庄梯田、坝地、水浇地等地类面积、政府资金投入、村庄距离乡镇和县城距离等通过与村庄负责人（村长或会计）座谈获取。

2 研究方法

2.1 农业碳排放测算

该文的农业碳排放指的是农户的农业碳排放。参考相关研究成果[8,26,27]，结合研究区农业生产情况，从农业物资投入、土地翻耕和畜禽养殖三个方面测算农业碳排放。其中，农业物资投入为调研农户上一年（2020年）化肥、农药、农膜、农业机械柴油实际使用量，土地翻耕面积为上一年（2020年）调研农户实际翻耕土地面积，畜禽养殖考虑猪、牛、羊三大主要牲畜的养殖数量[8,26]，参考前人[8,27]方法，确定农户农业碳排放计算公式为：

式（1）中，c为某农户农业碳排放总量；ci为第i类碳源的碳排放量；ei为第i类碳源投入总量；εi为碳源i的碳排放系数；参考相关研究[3,26,27]，化肥、农药、农膜、农业机械柴油对应的碳排放系数值分别取0.896 kg C/kg、4.934 kg C/kg、5.180 kg C/kg和0.593 kg C/kg；土地翻耕的碳排放系数为312.600 kg C/km2；猪、牛、羊3种畜禽的碳排放系数值分别取34.091 kg C/（头·年）、415.910 kg C/（头·年）和35.182 kg C/（头·年）。

2.2 农业碳排放效率测算

传统DEA模型在测算效率时，忽视了投入产出变量的松弛性问题。SBM模型直接将松弛变量放到目标函数中来研究[28]，有效解决传统DEA模型的缺陷；该文选用在SBM模型基础上发展而来的Undersirable Outputs-SBM模型，从而能更加精确测算农户农业碳排放效率。公式为：

式（2）（3）中，ρ*表示农户农业碳排放效率值，范围[0,1]；m、S1、S2分别代表投入、期望产出、非期望产出的个数；xi0、yg r0、yb r0分别代表评价单元在某阶段的投入产出值；X、Yg、Yb分别为农户投入向量、期望产出向量和非期望产出向量；S-、Sg、Sb分别表示投入、期望产出和非期望产出的松弛变量。当ρ*=1，即S-、Sg、Sb全部等于0时，决策单元有效，反之，当ρ*＜1时，决策单元无效，S-、Sg、Sb至少存在一个不为0值的情况，反映了投入要素存在冗余或产出要素存在不足，存在改进的空间。

在乡村振兴背景下，农业农村有了更好的发展契机。2018年中共中央、国务院颁发的《乡村振兴战略规划（2018-2022年）》在发展格局上更加注重小农户的作用，在发展质量上强调绿色发展，在发展水平上强调增加农民收入以巩固脱贫攻坚成果。选取化肥、农药、柴油施用量、农业劳动力、耕地面积和家禽养殖量6个指标作为投入变量[15,21]，以农户农业收入和农业碳排放量分别作为期望产出和非期望产出变量[3,15,29]，用于测算农户农业碳排放效率。其中，基于农户尺度选取投入变量体现了注重小农户的发展格局，产出变量的选取兼顾发展水平和发展质量两个方面。

2.3 多层次模型

多层次模型考虑数据嵌套性，可解释不同地理层次要素对农户农业碳排放效率的影响[30]。模型分为两层，第一层为农户个体特征，第二层为农户所处村庄的环境特征，农户个体样本嵌套于其所处的村庄样本之中。采用随机截距模型，使用Stata12.0软件进行多层次模型分析。公式为：

式（4）中，Zij表示村庄j内农户i的农业碳排放效率；Xij为个体变量，Yj为环境变量，农户i（1～861）嵌套于村庄j（1～57）中；β、θ表示斜率项，分别表示农户个体变量和村庄环境变量对农户农业碳排放效率的影响；α表示误差项；εij和μj分别表示农户个体残差和村庄环境残差。参考以往学者研究[2,21,23]发现，农户农业碳排放效率不仅受农户个体特征、家庭整体状况、社会经济特征等个体变量的影响，还会受到外部环境因素的影响，如自然环境、政策环境、经济环境等。结合米脂县农户调研问卷的实际情况，最终选择农户年龄[2,31]、务农年限[32]、教育水平[21,32]、家庭年收入[23]、农业技能培训[21]、信息获取渠道[21]和是否加入合作社[2]等7个农户层面个体变量，高程[33]、坡度[34]、乡村振兴示范村[2]、政府支持力度[23]、“三田”面积占比[23]和距县城距离[33]等6个村庄层面环境变量（表1）。其中，农户的年龄、务农年限、受教育水平、家庭年收入等是较为常用的个体指标；农业技能培训、信息获取渠道、是否加入农业合作社等是基于米脂县形成了“一村一品，一乡一业”的农业发展模式，大多数村庄建立了农业合作社，政府组织专人对农户进行农业技能培训，但农户参与度差异较大且农户对于市场信息获取不对称，因此选取这3个具有地方特色的指标表征农户的个体特征。村庄所在的高程、坡度，反映了当地的自然地理环境，资源禀赋的差异影响维持生产生活的方式不同，村庄距县城的距离反映农户出行、获取资源与转换资本的便利程度[33]，政府支持力度是代表政策环境的指标。需要说明的是，该文结合实际研究问题，参考宋博等人的研究[2]，选取农户是否加入农业合作社和村庄是否为乡村振兴示范村两个变量，目的是测度农业合作社和乡村振兴示范村对于农户农业碳排放效率的影响；环境变量中选取“三田”面积占比是基于米脂县实际情况的特殊性，用于表征所在村域的社会经济发展状况。

表1 农户农业碳排放效率的多层次影响因素

3 结果分析

3.1 农户碳排放及其效率分析

为深入探讨农户碳排放及其效率，该文从农户整体和农户类型两个层面进行分析。其中，以农户农业碳排放量与碳排放效率的均值为坐标原点[6,7,15]，将农户划分为4种类型：高碳高效农户、高碳低效农户、低碳高效农户、低碳低效农户。

就全体农户而言，碳排放量低于500 kg的农户占比55.98%，农业碳排放效率低于0.6的占比44.25%，说明大部分农户农业碳排放量及效率较低且农户间的碳排放量及效率差异明显；示范村农业碳排放量小于500 kg的农户占比49.48%，略低于非示范村的59.30%，但示范村农业碳排放量大于1 000 kg的农户占比34.02%，高于非示范村的18.95%，示范村农户普遍农业投资较大，农业碳排放量较多。示范村碳排放效率低于0.6的农户占比34.36%，低于非示范村，但效率值在（0.8,1]的农户占比高于非示范村，说明示范村农户农业碳排放效率总体上高于非示范村农户。需要说明的是，考虑米脂县的人均耕地面积、农户兼业和存在种植大户的实际情况，在参考王帅等[15]基于村域尺度农业碳排放效率研究的基础上，进行农户农业碳排放及效率区间的划分。

表2 调研农户农业碳排放量及效率分布

就不同农户类型而言（表3），高碳高效型农户的特点是高碳排放、高效率，该类型农户整体受教育程度较高、积极参加农业技能培训、信息获取渠道较多，家庭年收入较高，具有一定的风险承受能力，为了获取最大收益，往往会投资过量，但效率相对较高。高碳低效型农户特点是高碳排放、低效率，该类型农户存在能源物资投入过量，但受限于教育水平偏低、较少参加农业技能培训和信息获取渠道较少，效率相对较低。低碳高效型农户特点是低碳排放、高效率，该类型农户普遍文化程度和家庭年收入较高、积极参加农业技能培训和信息获取渠道较广，在农业生产活动中，往往以相对较少的能源投入和利用自身优势，提高物资和能源利用效率。低碳低效型农户特点是低效率、低碳排放，该类型农户往往文化程度较低、很少参加农业技能培训且信息获取渠道较少，往往根据已有种植经验进行农业生产活动，家庭年收入低，投资意愿较低，年龄较大，对作物管理水平有限，导致效率较低。

表3 不同类型农户特征

根据式（2）（3），测算得到农业能源物资投入产出冗余的农户数量占比，用于分析不同类型农户碳排放效率差异；表4为农业能源物资投入产出冗余的农户数量占比。投入冗余指存在投入过量或浪费。整体而言，低碳低效农户占比最高（31.40%），高碳低效型农户占比最少（19.75%），农户普遍存在农业产出不足的情况；同时，除高碳高效型农户外，其他3种类型农户在农业劳动力和耕地面积上冗余占比相对较高。

表4 农业能源物资投入产出冗余的农户占比 %

示范村与非示范村下同一类型农户的主要冗余类型差异明显。①尽管农业产出不足和耕地面积冗余是高碳高效型农户的主要冗余类型，但该类农户在示范村的化肥冗余、农药冗余和养殖投入冗余更高，这主要是因为示范村农户享受较多的化肥、农药和养殖补贴有关。②高碳低效型农户在示范村的主要冗余类型为化肥冗余、农业产出不足、农药冗余，在非示范村的主要类型为农业产出不足、农业劳动力冗余和耕地面积冗余；③尽管耕地面积冗余、农业产出不足和农业劳动力冗余为低碳高效型农户的主要冗余类型，但该类农户在示范村的占比更高，这主要是因为近年来示范村农户多转型种植山地苹果，受苹果生长周期的影响，种植初期转型农户收益较差，并在一定程度上导致农业劳动力和耕地投入的冗余过多。④农业产出不足和耕地面积冗余是低碳低效型农户主要冗余类型，但该类农户在示范村的化肥冗余和农药冗余占比更高，在非示范村的农业劳动力冗余、农业机械冗余和养殖投入冗余占比更高。

示范村（或非示范村）不同类型农户的冗余类型及占比差异明显。①就示范村而言，高碳高效型农户占比最高（44.31%），低碳低效型农户最少（14.19%）；相较于高碳高效型农户和低碳高效型农户，高碳低效型农户和低碳低效型农户在化肥、农药上冗余占比较多；与其他3种类型农户相比，低碳高效型农户在农业劳动力和耕地面积上冗余占比明显较高。②就非示范村而言，低碳低效型农户占比最高（40.18%），高碳高效型农户占比最少（10.02%）；虽然4种类型农户在化肥、农药上冗余占比差异较小，但在其他冗余类型上存在明显差异；尽管农业产出不足、耕地面积冗余、农业劳动力冗余和养殖投入冗余为高碳高效型农户与低碳低效型农户的主要冗余类型，但各类冗余占比差异较大。

3.2 影响因素分析

3.2.1 农户农业碳排放影响因素分析

为分析不同农户的农业碳排放差异，该文将农户农业碳排放量作为因变量，以农户特征作为自变量表征农户差异，进行OLS经典线性回归，结果见表5。OLS拟合结果表明：（1）各影响因子的VIF值均小于3，说明自变量之间不存在多重线性关系。（2）农户年龄、务农年限、受教育水平和农业技能培训次数是影响农户农业碳排放量的主要因素。农户农业碳排放量与农户的年龄、务农年限负相关，即农户年龄越大、务农年限越长，种植经验较丰富，减少不必要的农业能源投入，农业碳排放量越低。接受种植培训次数越多的农户往往能科学耕作、合理投入农业物资，因此碳排放量相对较低。与文盲农户相比，受教育水平为小学和初中的农户农业碳排放量较低，但高中及以上的农户农业碳排放量较高，这与此类农户多较为年轻和经验不足有关，说明在其他条件相同的情况下，具备一定的文化知识对于降低农业碳排放至关重要，但并非文化程度越高的农户农业碳排放越低。

表5 农户差异的碳排放影响因子OLS模型测算

3.2.2 农户农业碳排放效率影响因素分析

为了分析不同层次变量对农户农业碳排放效率差异的影响，该文拟通过多层次模型从农户层面和村庄层面分析影响示范村农户、非示范村农户和全体农户农业碳排放效率的具体限制性因子，先分别对示范村、非示范村和全体样本农户个体变量进行OLS普通线性回归，结果显示各因子的VIF值均小于5，说明各因子不存在多重线性关系。多层次模型结果见表6。

表6 多层次模型分析

从个体变量来看，务农年限和受教育水平是影响全体样本农户农业碳排放效率的主要因素；农户务农年限越长，种植经验越丰富，对于农业能源物资投入量的多寡和时间把握较准，农业物资投入能在较大程度上得到高效利用；相对于文盲农户而言，受教育水平为小学、初中和高中及以上的农户农业碳排放效率较高，但受教育水平初中的系数最大为0.158，说明农户农业碳排放效率与受教育水平有关，但并不意味农户受教育水平越高，农户碳排放效率越高。务农年限、家庭年收入和受教育水平3个个体变量通过示范村农户个体变量的显著性检验，与全体样本农户相比，家庭年收入通过了示范村农户的显著性检验，这与示范村农户农业投资热情相对较高和有相关政策兜底，农户风险承受能力较强有关；非示范村农户多层次检验发现仅有农户受教育水平这一个体变量通过显著性检验，这可能与非示范村农户组成结构较为复杂，且农户农业碳排放效率普遍较低有关；受教育水平为小学、初中和高中及以上的农户碳排放效率分别比文盲农户高0.139、0.116和0.048，这可能与非示范村小学教育水平的农户占比较高有关。从环境变量来看，乡村振兴示范村、政府支持力度和距县城距离是影响农户农业碳排放效率的主要环境变量。属于乡村振兴示范村的农户农业碳排放效率较高，说明乡村振兴示范村具有发展优势，农户往往能更早享受相关政策红利；政府支持力度与农户农业碳排放效率正相关，这与政府给予农户农机具购置补贴、种植特色作物补贴等激发农户的积极性有关；距县城距离与农户农业碳排放效率负相关，说明交通便捷程度通过农户的作物出售和农业能源物资购买影响效率。距县城距离通过了示范村农户环境变量的显著性检验，与全体样本农户相比，环境变量中的政府支持力度未通过显著性检验，这是由于示范村大多受到政策资金支持，示范村农户之间差异不明显。政府支持力度通过非示范村农户环境变量显著性检验，与全体样本农户相比，环境变量中距离县城距离未通过显著性检验，可能与非示范村农户农业能源物资购买相对较少和作物较少出售有关；与示范村农户相比，政府支持力度通过相关性检验，可能与非示范村农户较少获得政策资金支持有关。

表7 农户农业碳排放效率影响因素稳健性检验分析

3.3 农户农业碳排放效率影响因素稳健性检验

样本数据中可能存在异常值对结果产生影响，在进一步剔除每个村庄异常数据的基础上，将剩余的804份数据进行多层次模型的稳健性检验，以增强结果的可靠性。通过剔除异常值后的回归结果可以看出，虽然部分变量的系数发生一定变化，但核心解释变量的显著性并没有发生明显变化，新的回归结果与前文基本一致，因此认为前文中基于多层次模型得到的结果是稳健的。

4 结论与建议

4.1 结论

基于米脂县57个村庄共861份农户调研数据，运用Undersirable Outputs-SBM模型，从农户层面分析农业碳排放及效率差异，利用多层次模型揭示影响农户农业碳排放效率的因素。结论如下。

（1）研究区农户整体农业碳排放效率较低，但示范村农户农业碳排放效率高于非示范村农户。低碳低效农户占比最高，高碳低效型农户占比最少，农户普遍存在农业产出不足的情况；同时，除高碳高效型农户外，其他3种类型农户在农业劳动力和耕地面积上冗余占比相对较高。

（2）示范村与非示范村下同一类型农户的主要冗余类型及其占比及示范村（或非示范村）不同类型农户的冗余类型及占比差异明显。

（3）年龄、务农年限和农业技能培训与农户农业碳排放量负相关，农户具备一定的文化知识对于降低农业碳排放至关重要，但并非文化程度越高的农户农业碳排放越低。

（4）就全体农户而言，乡村振兴示范村、距县城距离和政府支持力度是影响农户农业碳排放效率的主要环境变量，务农年限和受教育水平是影响农户农业碳排放效率的主要个体变量；示范村与非示范村农户农业碳排放效率的影响因素亦有较大差异。

4.2 建议

针对乡村衰落这一全球性焦点问题[36]，我国实施了乡村振兴战略，强调在提高农民收入的同时，建设生态宜居的美丽乡村。因此，关注微观农户层面农业碳排放效率差异及影响因素，并提出针对性的改进对策与措施意义重大。为进一步提高农户农业碳排放效率，推动农业农村低碳高效发展，建议如下。

（1）结合实际情况对农户进行种养殖技能培训。虽然米脂县已开展针对农户的农业技能培训，但农户参与度不高，主要是受到自身文化教育水平的限制，因此建议培训员应先与文化程度较高的农户进行访谈交流，再进行实地培训。

（2）加强基础设施建设和应用现代科学技术。交通不便和降水少是米脂县农业农村欠发达的两个主要原因，因此需要进一步加强村庄主要干道硬化和应用现代科技如滴灌、喷灌技术等。

（3）通过农业规模化经营优化农业投入。目前，米脂县农业生产规模小且零散，规模化效益尚未显现，应加快土地流转，引导农户转变农业观念，进行规模化生产经营，节约不必要的能源投入，提高效率。

该文基于861份农户调研数据和57份村庄调研数据，从微观视角出发，分析示范村和非示范村农户农业碳排放量及效率的差异，并利用多层次模型从农户个体和村庄两个层次分析影响碳排放效率的影响因素。需要说明的是：不同层次碳排放效率及其影响因素具有动态性，该文虽然对农户农业碳排放效率进行静态分析，但还没有通过连续的长时序面板数据对农户农业碳排放效率进行动态评价；其次，该文利用多层次模型分析了不同变量对于农户碳排放效率整体的影响，但并未分析这些变量如何影响以及在多大程度上影响农户投入冗余和产出不足。因此，分析碳排放效率及其影响因素的动态性，探讨各影响因素对碳排放效率影响程度将成为我们下一步要解决的问题。