绿色发展下的乡村碳排放绩效评价及随机性收敛研究*——基于SE－SBM与面板单位根检验

周泽炯，张葆俊，江珂鑫，朱家明

（安徽省财经大学）

0 引言

近些年全球变暖、冰川融化、海平面上升、雾霾天气等一系列现象均表明温室效应带来的气候变化正在严重影响着人类的未来生存发展.由于工农业发展和乡村经济进程的不断加快，在碳中和以及绿色发展政策的推动下，城镇工业化碳排放问题得到了较好的解决与关注，而农村地区的可持续、低碳化发展一直缺乏足够的意识，在农村的生态环境和发展中，投资也相对较少.农业作为国民经济的基础，对国家的经济发展起着至关重要的作用，一直以来中国都在探索农业发展道路.在党的十九大报告中，习近平总书记提出乡村振兴发展战略，要将解决“三农”问题作为全党工作的重中之重.在二十大报告中提出要“广泛形成绿色生产生活方式，碳排放达峰后稳中有降，生态环境根本好转，美丽中国目标基本实现”.但是在中国农业快速发展的同时，也对中国碳排放产生了较大的影响：近几年，中国的农业二氧化碳排放量已经达到了全国1／5，大大超出了世界范围，所以必须加强对农产品的碳排的调控.在此大环境下，对中国的农业二氧化碳排放量进行研究，并针对其收敛问题进行相应的分析，有助于制订科学的农业减排对策，从而为实现农村经济的发展和社会的可持续发展奠定基础.

1 文献综述

对碳排放绩效的评价以及相关研究是近些年兴起的研究热点.蓝虹等利用30 个省市的面板数据，通过构造门槛面板模型，分析环境规制对碳排放绩效的门槛效应［4］.徐俊武等探讨了城镇化与碳排放的关系以及强度研究，最终得出城镇化与碳排放涉及多种因素且较为重要的结论［7］.韦彦汀等利用2008 ～2018 年成渝城市群内16个城市的面板数据分析城市群碳排放时空演变格局，研究得出整体呈现增长态势，能源强度、经济发展水平等因素对城市碳排放有着明显的正向作用［8］.王少剑等基于1992 ～2013 年中国各城市碳排放数据，进而分析中国城市碳排放绩效的演变特征，研究表明呈现波动中稳定上升的趋势，但整体仍处于较低的水平［3］.但上述研究大多分析的是国家或者城市CO2排放绩效，主要反映研究的是不同国家或城市CO2排放绩效的对比研究，对于农村的研究较少，而农村人口也占总人口的四成，研究农村碳排放水平对低碳经济发展也具有重要意义.

目前国内外对农业碳排放绩效的研究较少，Rehman Abdul 等利用不丹农作物生产、化肥使用、土地以及农业就业4个要素对农业二氧化碳排放的影响进行了相应的分析［10］.吴昊玥等通过测算2000～2014年中国30个省市农业碳排放总量，运用SBM－Undesirable 模型计算出农业碳排放绩效，并对其收敛性进行近一步的分析［1］.吕娜等选择劳动力、播种面积、机械动力以及化肥作为SBM超效率模型的投入变量对中国农业环境效率进行分析［9］.但均存在农业碳排放源观测角度单一的问题，仅考虑了直接农业活动所产生的碳排放，而未考虑到农村碳排放也可能包括生态和生活排放.

综上所述，关于绿色发展下乡村碳排放绩效如何与乡村经济发展相适应的研究，现有文献仍有拓展的空间.第一，从研究内容上看，注重从技术层面讨论如何核算和减少碳排放的文献较多，而对社会需求引致碳排放增长的关注较少.第二，从研究方法上看，在计算碳排放效率时，应将预期产量（也就是经济利益）也包括在内.DEA中最常见的是CCR 和BCC，它没有将测量结果的松驰问题纳入到DEA 中，使得所测效率有一定偏差.第三，从研究方向上看，中国的碳排放量收敛性研究多为宏观及产业层面，而关于农业的碳汇收敛性的研究则相对较少.基于以上文献所存在的问题，该文主要在以下方面进行修改和完善：（1）运用SBM－Undesirable 模型计算出农业碳排放绩效，并采用面板单位根检验的方法对总量和绩效进行检验.（2）将投入变量进行更加精细化处理，将其分为产业碳源、生活碳源、生态碳源3类.

2 研究设计

2.1 农业碳排放总量计算

该文参考韦玉琼等农业碳排放总量的测算方法，将农业碳源分成了3大类：一是产业碳源，包括农药、化肥、农膜、稻田甲烷、畜禽养殖的肠道发酵甲烷以及粪便处理过程中的甲烷和氧化亚氮；二是生活碳源，包括农村住房、汽油、液化石油气、天然气、电力；三是生态碳源，包括基础建筑（公共建筑和生产性建筑）、道路、煤.农业碳排放总量为各碳源所导致的碳排放量总和.农业碳排放源所对应碳排放系数见表1

表1

2.2 SBM模型

2.2.1 模型介绍

在碳排放绩效测算问题的研究中，大多数的研究方法为DEA、SFA 方法，该类方法可以同时解决处理多项投入产出评价类问题，而且通过分析权重等，可以确保结论的客观性与公平性.DEA模式中的评估以收益最优为前提，以最低的投资获得最高的收益，但这与中国的低碳环境保护策略存在着矛盾.由Tone提出的基于非径向和非角度的模型SBM 基础上演化发展的SE－SBM模型，既可以包括期望产出，又可以包括非期望产出.该研究采用SE－SBM 模型进行农业碳排放绩效测算.

其中，k为被评价对象；m、q1、q2分别为投入、期望产出、非期望产出对应的指标数量；si－、sr＋、sbt－分别为投入、期望产出和非期望产出的松弛变量.

2.2.2 指标选择与数据处理

以上资料全部收录在《中国统计年鉴》和《中国农村统计年鉴》上，未将港、澳、台等因素纳入考量，而西藏资料的遗漏更多，亦未纳入其中.经过对中国30个省份2011 ～2020年度的面板资料进行了综合分析，分别如下：东部（6 个）：江苏省，上海市，浙江省，福建省，广东省，海南省；中部（6个）：河南省，安徽省，湖南省，湖北省，江西省，山西省；西部（2 个）：重庆市，四川省；北部（13个）：辽宁省，吉林省，黑龙江省，山东省，陕西省，河北省，天津市，宁夏回族自治区，北京市，内蒙古自治区，新疆维吾尔族自治区，青海省，甘肃省；南部（3个）：云南省，广西壮族自治区，贵州省.

在已有研究和测算结果的基础上，该文将农业生产活动中的投入分为产业碳源投入、生活碳源投入、生态碳源投入3部分，产出区分为期望产出以及非期望产出（见表2）.

表2 农业碳排放绩效评价投入产出指标变量

2.3 随机性收敛检

与传统收敛概念不同，在这种情况下的随机性收敛性已不局限于增长速度的绝对差别，而在于衡量一个国家的经济发展水平能否维持一个比较稳定的轨迹.近年来，国内的一些研究者利用随机收敛性理论对区域的发展进行了研究，该文采用的随机收敛法的主要思想是：假设存在1，2，…N个地区，各区域间有一个趋同，当且仅当共同趋势αt和参数μ1，μ2，…，μn存在，从而使得下式成立：

式中，yi，t是第i个地区碳排放绩效，αt是地区共同趋势.

3 结论和分析

3.1 农业碳排放总量的测算结果与分析

为了分析中国农业碳排放绩效的变化情况，基于前面所列的公式，利用2011 ～2020 年度各省对应数据所计算出来的农业碳排放总量，得出中国的农业二氧化碳排放量的变动状况.同时，按照相关的影响因子，将全国分为东部、中部、西部、北部和南部5 个地区，以便比较各个地区的二氧化碳排放量，然后在此基础上，计算各区域的碳排放总量均值.结果见表3.

表3 2011 ～2020年全国及5区域农业碳排放量均值

表3 展示了全国和五大区域农业碳排放总量均值的演变趋势.可以发现：

（1）从整体趋势来看，中国农业的总碳排放在2011 ～ 2020 年期间总体上是呈上升的.以2011年为基期，东部、中部、西部、北部、南部5 大区域的年均增长值分别为0.024%、0.007%、－ 0.041%、0.029%、0.003%.除西部地区呈现了减少趋势外，其余区域均呈上升趋势，北部地区增长率最高，达到0.029%.

（2）从环比增长速度来看，在2011 ～2020年这10年中，五大区域的环比增长速度均较慢，并在2013年、2020年出现大范围的环比增长速度呈负值的情况，尤其是在2020年，东部、中部、西部、北部、南部五大区域的环比增长速度均为负数，分别为－ 0.034%、－ 0.075%、－ 0.047%、－ 0.043%、－0.064%.根据搜集相关原始数据发现，在2013年，碳排放量减少的原因可能有：三中全会提出“用制度保护生态环境”；“国十条”打响了治理雾霾攻坚战；“两高”司法解释从严打击环境犯罪等，用制度手段使得在一定程度上减少了碳排放的总量，可以看出国家对于治理环境问题的重视.在2020 年，中国明确提出2030 年“碳达峰”与2060年“碳中和”目标，为中国碳排放发展指明了方向，对中国碳排放环比增长速度产生了一定的影响.

（3）从截面角度来看，不同地区之间的农业二氧化碳排放存在着显著的差别.中部地区每年的平均农业二氧化碳排放量要比其它四个地区高.2011年，中部地区碳排放总量与东部、西部、北部、南部的平均碳排放量分别为330.7、200.3、234.5、171万t.到了2020 年差值扩大至352.7、396.9、203.3、268.6万t，根据上述数据分析，中部与东部、西部、南部均出现不同程度的差值扩大现象，只有北部地区出现缩小情况.再将五大区域数据进行进一步对比可知，由于中部地区的碳排放增长得到了较好的控制，而北部地区的增长率则依旧较高，所以使得差距不断缩小.

3.2 农业碳排放绩效的测算结果与分析

在对农业二氧化碳排放量进行简单的测算和分析之后，对中国的农业二氧化碳排放状况进行了深入的探讨.选用SE－SBM模型测算中国各地区的农业碳排放绩效，具体情况见表4.

表4 2011 ～2020中国各地区农业碳排放绩效

结果显示，30个省市中，11个地区的二氧化碳排放量在过去10 年间得到了显著的改善，这表明它们在某种意义上已经逐步实现了最优化，并且能够在保证农业发展的前提下实现对二氧化碳的排放的控制.这11个省份分别为河南省、安徽省、湖南省、山西省、浙江省、福建省、四川省、辽宁省、山东省、陕西省、贵州省，其中中部地区所占比重最大，可能由于中部地区多为农业产业，在2011年以前并未着力关注碳排放问题，在近些年政策制度的提出、科学技术的提高、人民生态意识的增强，此类问题得到了较好的改善.

在其余19 个省份中，可以发现部分发达地区的碳排放绩效出现了不同程度的降低，北京市、上海市、江苏省碳排放绩效分别降低了0.023、0.131、0.226，可能由于社会需求等的增加，使得生产量加大，部分产业出现排放管理问题.同时，对于广西壮族自治区、甘肃省、新疆维吾尔族自治区等地区农业碳排放绩效稍差一点，大多数都在1.000 左右浮动，依旧存在改进空间.

可见，不同省份的农业碳排放绩效存在着一定的差异.为了解五大地区的农业碳排放量变动的趋势和范围，该文用各年份对应的5个区域的平均绩效值绘制了折线图，如图1所示.

图1 2011 ～2022年5个区域的农业碳排放绩效均值折线图

从图1可以看出，中国中、东、西、北、南部之间的农业碳排放绩效的确有一定差别，而且变化幅度很大.只有西部地区的碳排放绩效大体稳定在1.000左右外，其余四个地区的波动范围都较广，波动最大的为南部，在2012年，南部绩效水平达到了5大区域的最大值，说明在发展过程中意识到了资源与环境的保护，但是在后面的几年中，南部绩效出现了大幅度的下降，并在2019年跌至近10年最低值1.085，所出现的问题在2020年便得到了及时的改善，绩效值又开始反升.东部区域因为有先进的技术和雄厚的财力，可以促进农业的发展，使得发展较为持续，但在中部和西部，因为地理条件和技术条件的制约，导致了农业的发展较为粗放，应当重点关注.

3.3 随机性收敛检验

该文使用ADF－Fisher、PP－Fisher和KPSS 3种面板单位根检验方法对中国农业碳排放总量和绩效分别进行了随机性收敛检验，如果结果通过了给定显著性水平下的检验，即证明存在随机性趋同.

3.3.1 总量随机性收敛检验结果分析

采用ADF－Fisher、PP－Fisher和KPSS 3种不同的面板单元根检验方法，对中国的农业总排放量进行了随机收敛性检验，如果结果通过了给定显著性水平下的检验，即证明存在随机性趋同.得到的检验结果见表5.

表5 不同区域与全国农业碳排放总量随机性收敛检验结果

首先对总量随机收敛性的检验结果进行了分析，ADF－Fisher、PP－Fisher的初始假定是有单位根，而KPSS的原始假定是无单位根的.从检验结果来看，ADF－Fisher检验中的P值为0.263，大于0.05，可以拒绝原假设，即表明不存在单位根，PP－Fisher检验中的P值为0.480，小于1，可以拒绝原假设，即表明不存在单位根，KPSS 检验中的P值为0.259，不等于0，不能拒绝原假设，即表明不存在单位根，结果表明全国农业碳排放总量面板数据不存在单位根，即存在随机性收敛.

从区域的角度而言，东部地区的ADF－Fisher和KPSS不能拒绝原假设，PP－Fisher可以拒绝原假设，综合判断得知，东部地区存在随机性收敛；西部地区的ADF－Fisher 检验值为0.999，拒绝原假设，PP－Fisher检验值1.000，不能拒绝原假设，KPSS 检验值0.055，不能拒绝原假设，表明西部地区存在随机性收敛；中部地区的ADF－Fisher 检验值为0.002，不能拒绝原假设，PP－Fisher检验值0.002，拒绝原假设，KPSS检验值0.399，不能拒绝原假设，表明中部地区存在随机性收敛；南部地区的ADF－Fisher检验值为0.088，拒绝原假设，PP－Fisher检验值0.245，拒绝原假设，KPSS 检验值0.402，不能拒绝原假设，表明南部地区存在随机性收敛；北部地区的ADF－Fisher检验值为0.990，不能拒绝原假设，PP－Fisher检验值0.987，拒绝原假设，KPSS 检验值0.033，不能拒绝原假设，根据少数服从多数的原则，表明北部地区存在随机性收敛.综上所述，五大区域均存在随机性收敛，随着时间的推移，全国以及各地区之间的农业碳排放量差距可以保持一个较为平缓的路径，说明整个减排发展趋于上升阶段.

3.3.2 绩效随机性收敛检验结果分析

采用ADF－Fisher、PP－Fisher和KPSS三种不同的面板单元根检验方法，对中国的农业碳排放绩效进行了随机收敛性检验，如果结果通过了给定显著性水平下的检验，即证明存在随机性趋同.得到的检验结果见表6.

表6 不同区域与全国农业碳排放绩效随机性收敛检验结果

对绩效随机收敛性的检验结果进行了分析，ADF－Fisher、PP－Fisher的初始假定是有单位根，而KPSS 的原始假定是无单位根的.从检验结果来看，ADF－Fisher检验中的P值为0.321，大于0.05，可以拒绝原假设，即表明不存在单位根，PP－Fisher检验中的P值为0.339，小于1，可以拒绝原假设，即表明不存在单位根，KPSS检验中的P值为0.501，不等于0，不能拒绝原假设，即表明不存在单位根，综上可知，认为全国农业碳排放绩效面板数据不存在单位根，即存在随机性收敛.

从区域的角度而言，东部地区的ADF－Fisher检验值为0.428，拒绝原假设，PP－Fisher检验值0.514，拒绝原假设，KPSS检验值0.127，不能拒绝原假设，表明东部地区存在随机性收敛；西部地区的ADF－Fisher检验值为0.204，拒绝原假设，PP－Fisher 检验值0.615，拒绝原假设，KPSS检验值0.373，不能拒绝原假设，表明西部地区存在随机性收敛；中部地区的ADF－Fisher 检验值为0.384，拒绝原假设，PP－Fisher检验值0.349，拒绝原假设，KPSS检验值0.150，不能拒绝原假设，表明中部地区存在随机性收敛；南部地区的ADF－Fisher检验值为0.701，拒绝原假设，PP－Fisher检验值0.743，拒绝原假设，KPSS检验值0.032，不能拒绝原假设，表明南部地区存在随机性收敛；北部地区的ADF－Fisher检验值为0.031，不能拒绝原假设，PP－Fisher检验值0.8，拒绝原假设，KPSS检验值0.673，不能拒绝原假设，根据少数服从多数的原则，表明北部地区存在随机性收敛.

从全国和区域2个角度进行分析，均得出存在随机性收敛，说明目前碳中和政策的推进是十分有效的，不同区域在发展农业过程中，越来越重视对资源、环境的维护，从而达到减排目的，有利于环保.

4 结论与建议

4.1 结论

从整体趋势来看，2011 ～2020年，全国农业碳排放量整体呈现增长趋势.除了西部地区呈现减少趋势外，其余4 大区域均呈现增长趋势，且北部区域增长速度最快，中部地区每年的农业碳排放总量均值都超过其他4 个区域，5 个地区的差异有逐渐减小的倾向.

从测算的绩效结果来看，发现中、东、西、北、南部地区的农业碳排放量绩效的确有差别，且差异波动较大，只有西部地区的碳排放绩效大体稳定，一般在1.000左右，东部、北部、南部3大区域绩效波动幅度较为明显，最明显的南部地区.

在对总量和绩效分别进行随机性收敛检验后，得到了比较接近的结果.总量方面无论是从全国角度还是区域单个分析，均存在随机性收敛.绩效结果则也呈现相同的结果.

4.2 建议

基于上述的研究结果，该文给出了如下几点建议：

（1）以科技进步助力碳减排的发展.中国应当将科技进步作为农村碳排放量减少的引擎，不仅要降低二氧化碳的排放，还要确保农产品产量，提高农民的生活水平.而要实现这个目的，就必须依靠科学技术的发展，技术的普及将会促进绿色乡村建设以及节能减排.而研究的重点则集中在了农业上，比如免耕技术在土地种植过程中如何减少碳排放量等，这些技术都只适合于大规模的农业，并不适合大规模应用.除了生产之外，还必须将新技术和技术引进到人们的日常生活中，以降低二氧化碳的排放量，从而提升人们对环境的满意程度，降低二氧化碳的排放量.

（2）以政策引导助力碳减排的发展.采取相关的措施，鼓励农民利用更多的洁净资源，取代高碳耗.例如，减少煤、石油等传统能源的消耗，较多的使用液化石油气、天然气，提高其在农村的使用率.利用相关的补贴政策，在全国范围内进行积极的推广，在天然气等成为农村主要能源的同时，一些比较成熟、发展较好的地区也可以出台相关的扶持措施，如：太阳能电池等.可以研究制定不同地区之间的、但在国内协调一致的农产品减排政策，在某种意义上降低了制定费用，并在5个地区之间缩小了农产品的排放量鸿沟.