农业经济增长与农业碳排放强度空间溢出效应实证研究

秦雨新，李树超

（青岛农业大学经济管理学院，山东 青岛 266109）

气候变化是工业革命以来人类不可持续发展模式的产物，农业土壤是温室气体的重要排放源，因此，不应忽略农业生产活动对气候变化带来的影响。在中国温室气体净排放总量中，农业温室气体排放总量约占全国排放总量的17%；在甲烷和氧化亚氮等气体排放中，农业排放总量分别为50%和92%［1］。学者研究认为以二氧化碳、甲烷、氧化亚氮等为代表的温室气体大量排放是全球气候变暖的重要诱因［2］。就中国提出的碳达峰碳中和目标而言，关键在于减排增汇，其中减排是基础，而理清碳排放的现状及特点显然有助于科学减排策略的提出。一直以来工业碳源消耗是主要调控对象，但农业碳源也不容忽视，中国是世界上最大的农业生产国之一，农业是中国国民经济发展的基础，农业碳排放量约占全国碳排放总量的13%。习近平总书记指出，“十四五”时期，中国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期［3］。基于此，本研究从空间效应视角研究农业种植业碳排放强度与农业经济增长之间的关系，以期为区域协调推进农业减排工作提供参考，进而助力实现农业“双碳”目标。

国外学者对农业碳排放的研究主要集中在农业碳源的测算、经济发展和农业碳排放的关系以及农业减排的政策三方面。Johnson等［4］指出农业是3 种主要温室气体的来源，农业碳排放源主要是农林废弃物、农用资源利用、水稻种植、动物肠道发酵、畜禽粪便以及秸秆燃烧等。随着农业污染问题日益加重，学者们对经济发展和农业碳排放之间关系展开研究，大多以库兹涅兹曲线为基础。Grossman等［5］最早在研究中指出经济增长与污染排放的“倒U”形关系，即随着经济的发展，必然会带来一定程度的环境污染，但经济发展到一定水平后即到达拐点后，污染排放会随着经济的增长而降低。对于经济增长和能源消费之间的关系，Kraft等［6］最先提出美国的经济增长与能源消费间有因果关系。随后，Hossein等［7］、Bozoklu等［8］又分别证明了OPEC 等国家、组织的经济增长与能源消费之间互相影响。Uri［9］从美国农业碳减排的实践经验中得出结论，认为实施保育措施能提高土壤固碳能力，并提出农业操作变革技术。Hoffert等［10］认为要解决CO2带来的气候变化问题，就要从源头上减少能源的使用，因此提出了使用清洁能源和新型能源的建议。

国内学者对农业环境的空间依存度和农业碳排放进行相关性研究。马军旗等［11］利用单元调查法和空间计量法证实中国农业面源污染呈现明显的空间正相关性，并且农业面源污染的地区间差异是总体差异的主要来源。鲁庆尧等［12］通过构造农业生产的经济环境指数实证了中国省域经济环境指数具有较强的空间依赖性和正的空间溢出效应。吴义根等［13］利用探索性空间数据分析方法对地区间农业环境污染展开研究，结果表明农业面源污染表现出明显的空间相关性。涂爽等［14］研究结果显示农业经济增长产出规模的扩大，与农业环境污染呈倒“U”形关系，且拐点的出现因污染物要素投入指标的选取而异。

综上所述，国外学者较早对能源消耗和经济之间的关系展开研究，但前期侧重于工业能源消耗。由于各种因素的不确定性，国外学者对农业碳排放的测算方法也是多种多样，国外对农业碳排放方面的研究起步较早，研究结果日益完善；国内对该方面的研究虽然起步较晚，但关于农业碳排放的研究已趋于全面、系统，能够为中国碳减排工作提供重要的参考依据，但同时，现有的研究存在一定的局限性，大多研究集中于环境污染空间相关度等问题，农业污染指标与地区经济相结合的研究较少，并不能从实际角度采取有针对性的措施来减少农业碳排放。本研究在国内外学者已有的理论和方法上继续探究农业碳排放与经济增长之间的关系，以推动农业经济绿色低碳发展。

1 农业经济增长对农业碳排放影响的理论机制

经济活动通过规模效应、结构效应和技术效应对环境产生影响［15］。首先，污染物的排放量与经济规模呈正相关，即随着经济总量的扩大，经济发展需要更多的资源投入，消耗更多的能源，从而产生更多的污染排放物；而随着经济总量规模的缩减，污染物排放量也会随之减少。其次，产业的升级和集聚反映了一个国家或地区经济发展模式的转变，这对环境有重要影响。经济发展水平更高时，产业会向经济发展地区靠拢并优化升级，以资源密集型为主的第二产业所占比重会逐渐减少，以服务业为主的第三产业比重会上升。因此，通过优化产业结构，合理产业集聚，促进产业低碳发展。最后，技术进步使生产效率得到改善，资源的利用效率得到提高，这将降低单位国内生产总值的能源消耗，并减少污染物排放。

在农业发展过程中，农业经济规模对农业碳排放具有双重影响，一方面，在污染系数和产品组合不变的情况下，农业经济规模的扩大需要更多的生产要素投入，这将导致农业碳排放量的增加，对环境产生负向效应；另一方面，随着经济规模的增长和收入的增加，居民的偏好会由低档品向高档品消费。在农产品选择上，人们更偏向购买生产标准更高的绿色农产品，因此，收入提高在一定程度上有助于建立更严格的生产体系，进而降低单位产出农业碳排放强度［16］。

2 变量选择、数据来源与研究方法

2.1 变量选择

2.1.1 被解释变量 选取农业碳排放强度（AEI）作为被解释变量，数据由式（1）、式（2）计算所得。

参考伍国勇等［17］的研究，农业碳排放源指标选取有化肥、农药、农用柴油、农用塑料薄膜、农作物播种面积和农业灌溉面积。目前较为广泛使用的农业碳排放计算方法为碳转化系数法，是依据其碳源进行估算的一种方法［18］。农业碳排放计算公式如下。

式中，E为农业碳排放总量；Ei为相应i类碳排放量；Ti为对应i类碳源消耗量；H为碳排放系数，化肥、农药、农用柴油、农用塑料薄膜的排放系数分别为0.895 6、4.934 2、5.180 0、0.592 7 kg/kg，农作物播种面积和农业灌溉面积的排放系数分别为312.600、20.476 kg/hm2［19］。多数学者使用单位农业产值的碳排放量来衡量农业碳排放强度，计算公式如下。

式中，AEI为农业碳排放强度；E为农业碳排放总量；AGDP为农业生产总值。

2.1.2 核心解释变量 本研究核心解释变量为经济增长（EGDP），选取农业人均生产总值表示农业经济增长的指标，更能代表农村经济的发展水平，以农业生产总值与年末人口数的比值来表示对变量进行消胀处理。

2.1.3 控制变量 消费能力（CONS）采用农村人均消费支出来衡量；技术进步（ADV）采用有效灌溉面积与总播种面积的比值表示；农业现代化水平（TECH）采用农业机械总动力与总播种面积比值表示；财政支持（ECO）采用农林水事务支出与农业生产总值比值表示；受灾情况（DISA）和产业结构（IND）分别用受灾比重、第一产业所占比重来衡量。各变量描述性统计情况如表1 所示，各变量的统计量均为434。

由表1 可知，中国各地区农业碳排放强度存在较大差异，最高为297.704 50 kg（C）/万元，最低为29.121 68 kg（C）/万元。农业人均消费支出最高为20 303.060 元/人，最低为1 124.598 元/人，整体呈上升趋势，区域间差异明显。

表1 农业经济增长与农业碳排放强度变量描述性统计

2.2 数据来源

本研究选取的被解释变量中，农业碳排放强度通过统计年鉴宏观数据由式（1）、式（2）计算得到，核心解释变量与控制变量选取2007—2020 年中国31个省（市、自治州）的宏观数据进行研究，数据均来源于《中国统计年鉴》《中国农村统计年鉴》以及各省（市、自治区）统计年鉴。

2.3 模型构建

2.3.1 构建空间权重矩阵 地理距离权重矩阵将地理距离平方倒数作为两省之间的地理权重，该矩阵可以更好地体现出在地理空间上不邻接两省之间的要素流动和相互作用［20］。

地理距离空间矩阵具体设定如式（3）所示。Wij表示区域i和区域j地理距离矩阵，d为通过经纬度计算的省份间距离。

2.3.2 空间相关性检验 采用全局Moran’s I指数模型，对农业碳排放强度和人均农业生产总值进行全局自相关检验，计算公式如下。

局部空间自相关检验常用LISA 聚集图表示，其表示区域单元在区域内的聚集或离散情况［21］。LISA 聚集图计算依据局部Moran’s I指数表示，其计算公式如下。

式中，Ii为i地区的局部莫兰指数；xi和xj分别为变量在i、j地区的数值；xˉ为变量x在n个地区观测值的平均值；Wij为空间权重矩阵。

2.3.3 空间面板计量模型 构建空间杜宾模型（SDM），为充分考虑空间因素的影响，构建空间计量模型，实证分析农村经济发展对农业碳排放强度的影响。具体模型如下。

式中，Y为农业碳排放强度；X为所有的解释变量；β为空间滞后项系数；θ为回归系数；W为地理距离空间权重矩阵；ρ为农业碳排放强度的滞后系数；ε为随机扰动项。当ρ≠0、θ＝0且λ＝0时，符合空间自回归模型（SAR）；当ρ＝0、θ＝0且λ≠0时，符合空间误差模型（SEM）；当ρ≠0、θ≠0且λ＝0时，符合空间杜宾模型。随后，根据检验及显著性结果来确定具体模型。

3 实证分析

3.1 空间相关性检验

3.1.1 全局空间相关性 运用全局莫兰指数分别对农业碳排放强度和农业人均生产总值（GDP）进行空间自相关检验，使用空间计量方法的前提是变量必须存在空间自相关。2007—2020 年农业碳排放强度与农业人均GDP 空间相关性结果如表2 所示，莫兰指数虽有波动，但均为正值，从检验的P来看，各年份均通过显著性水平为10%的统计检验，且农业碳排放强度在2009、2012、2017、2018年P小于0.05；农业人 均GDP 在2012、2013、2014、2015、2016、2018、2019、2020年P均小于0.05。总体而言，中国农业碳排放强度和农业人均生产总值的Moran’s I指数具有显著性，可以拒绝“无空间自相关”的原假设。虽然研究期间内的Moran’s I指数上下波动，但2020 年与2007年Moran’s I指数相比，总体呈上升趋势，说明相邻省份之间的农业碳排放强度和农业人均GDP 在空间分布上不是处于完全随机的状态，而是存在集聚现象，且空间相关性不断增强。

表2 2007—2020 年农业碳排放强度和农业人均GDP全局莫兰指数

3.1.2 局部空间相关性 绘制农业碳排放强度和农业人均GDP 的局部莫兰指数，本研究仅汇报2007年和2020 年的结果，其中数字1—31 代表中国31 个省级区域。

莫兰散点图的4 个象限分别对应区域单元与其相邻象限之间4 种类型的空间局部联系形式。第一象限代表高观测值被同是高值包围的区域，为HH，即高-高集聚类型；第二象限代表低观测值被邻近高观测值包围的空间单元，为L-H，即低-高集聚类型；第三象限代表低观测值被同是低观测值包围的区域，为L-L，即低-低集聚类型；第四象限代表高值的空间单元格被低值空间单元格包围，为H-L，即高-低集聚类型。对比2007 年与2020 年农业碳排放强度莫兰指数散点图（图1）可知，中国农业碳排放强度和农业人均GDP 主要以H-H 和L-L 两种类型主导，2007 年位于第一、第三象限的区域数量分别为6 和10，合计占样本总量的51.61%；2020 年位于第一、第三象限的区域数量分别为8 和11，合计占样本总量的61.29%，农业碳排放区域关联性有所增强。对比2007 年与2020 年农业人均生产总值莫兰指数散点图（图2）可知，2007 年农业人均生产总值位于第一、第三象限的区域数量分别为10 和9，占样本总量的61.29%；2020 年有13 个区域位于第一象限，有8 个区域位于第三象限，占样本总量的67.74%，呈一定的集聚效应，且落入第一象限的数量增加。

图1 2007 年和2020 年农业碳排放强度局部莫兰指数散点图

图2 2007 年和2020 年农业人均消费支出局部莫兰指数散点图

3.2 农业经济增长与农业碳排放强度空间相关性分析

3.2.1 模型适用性检验及模型分析 对模型进行适用性检验，检验结果如表3 所示。首先，LM 检验的4个统计量均通过5%水平的显著性检验，应选择带空间效应的面板模型。其次，Hausman 检验结果P通过显著性检验，表明应采取固定效应的模型。最后确定模型的空间或时间效应，通过LR 检验和沃尔德（Wald）检验，结果显示LR 检验结果P通过1%水平的显著性检验；沃尔德检验结果显示，空间滞后模型和空间误差模型的P均通过1%显著性检验，说明模型不能被简化为SEM 和SLM。因此，本研究选择固定效应下的SDM 模型。

表3 空间计量模型选择性检验

3.2.2 空间计量模型回归分析 运用STATA 15.0软件实现农业经济增长对农业碳排放强度影响的空间计量分析。SDM 模型的回归结果如表4 所示。

表4 空间杜宾模型实证结果

从SDM 模型分解结果来看，农业碳排放强度受相邻地区的地理位置、生态环境、社会经济水平等影响。对各变量取自然对数，经济增长、技术进步、农业现代化水平、财政支持和产业结构估计系数均通过5%的显著性检验，其中消费能力、农业经济增长、技术进步与农业碳排放强度呈负相关，农业现代化水平、财政支持、受灾情况和产业结构均与农业碳排放强度呈正相关。

农业生产方式的不断进步推动农业经济增长的同时，还可以有效降低农业碳排放强度。绿色技术的使用能有效减少当地的农业碳排放量。随着惠农政策的推出，以及农业现代化水平的提高，为农户的农业生产提供了更多选择。一是在惠农政策的指导下，农户更倾向于购买环境友好型的农用物资；二是随着现代化水平的提高和普及，农户购买资源节约型农业生产工具时有更多的选择。但是受灾情况和农业产业结构调整都有可能会提高农业碳排放强度，当农户受自然灾害影响时，会投入更多的农用物资（如化肥、农药等）来提高农作物的产量。农业产业所占比重越大，表明该地区从事第一产业的人数就越多，大量的农用物资投入不可避免地会产生更多的碳排放，即受灾情况和农业产业结构在一定程度上促进了农业碳排放。

3.2.3 本地效应与空间溢出效应分解 由表5 可以看出，经济增长、消费能力、技术进步、财政支持和产业结构的直接效应均通过10%水平的显著性检验，且经济增长、消费能力和技术进步对该地区农业碳排放强度影响显著为负。在间接效应下，经济增长、消费能力和产业结构均通过5%水平的显著性检验。发展当地的经济会一定程度上增加地区外的农业碳排放，即相邻地区经济增长对农业碳排放强度有一定的溢出效应。从总效应结果来看，经济增长区域内的直接效应大于区域间的间接效应，总体对农业碳排放有一定的抑制作用。消费能力分解结果显示，消费能力提高会对区域间农业碳排放强度起负向作用，即抑制相邻地区的农业碳排放量，提高消费能力可以鼓励农民选择更为环保的生产手段，在邻近地区发挥示范作用，从而遏制邻近地区农业污染排放。产业结构的间接效应结果显示，当地产业结构中农业所占比重越高，对邻近地区农业碳排放强度负向影响就越大。但总效应结果显示，农业产业结构促进农业碳排放，可能的原因是第一产业所占比重越高，农用物资投入就越高，农业生产过程中不可避免地排放出更多温室气体。

表5 农业经济增长对农业碳排放强度的影响分解效应

4 小结与政策建议

4.1 小结

1）空间相关性检验。农业碳排放强度和人均农业生产总值表征的经济增长指标呈H-H 集聚和LL 集聚。全局莫兰指数结果显示，各省份间空间自相关程度不断增强，且农业碳排放强度和经济增长指标在2007—2020 年呈现“高-高”和“低-低”空间集聚类型的省份数量明显增加，以东部地区和经济发达地区为主导，表现出两极分化，且各地区经济活动存在外部性（溢出效应）。

2）农业机械投入强度表征农业现代化水平与农业碳排放强度呈正相关，农用机械柴油使用量的增加促进了农业碳排放。此外，中国农业机械的大部分活动集中在播种和收获阶段，其他阶段还无法大规模使用农业机械，即无法较为显著地提高农用资源的利用效率。某地区农业生产总值/国内生产总值表征农业产业结构与农业碳排放强度也呈正相关，农业生产总值所占比重高的地区需要更多的化肥、农药和塑料薄膜的投入，这些都是农用资源投入中碳排放的主要来源。因而种植业所占比重越高，对农业生产环境污染水平越高。

3）分解空间杜宾模型结果显示，直接效应中经济增长、消费能力和技术进步有利于减少当地农业碳排放强度，农业现代化水平、财政支持、受灾情况和产业结构可以促进当地农业碳排放，即加剧了区域内的环境污染。各效应中，不同影响指标对农业碳排放强度促进方向并不一致，应该注意分解效应中影响效果更显著的一方。

4.2 政策建议

1）加强区域交流，统筹区域协调发展。邻近经济发达地区发挥好示范作用，农业经济的增长与农业碳排放强度的空间莫兰指数检验结果显示，二者均存在空间溢出效应，增强农业技术空间溢出效应，带动全国整体减排，加大农业科研投入力度，加快农业技术转化效率，引导农业资源的优化配置，防止垄断市场产生，防范技术进步可能带来的两极分化。

2）加大农业科技投资。推动农业可降解塑料在农业公司、小农户中的使用，减少塑料等对土壤的污染；加大研发农业机械使用新能源的投入力度，增加农业机械设备在农业生产过程中的使用环节，提高化肥、农药等农用资源的使用效率，从源头上减少农业碳源的排放。

3）利用空间相互作用，例如省域之间的商品、人口、劳动力、资金技术等相互传输的过程，其对区域间经济建设有很大的影响。一方面能加强区域间的联系，获取更多的发展空间；另一方面在降低农业的碳强度方面发挥重要作用，对小农户的农业生产行为产生足够的影响，建立激励机制推动农业绿色生产行为。