农地流转对农业碳排放强度影响的空间效应及作用机制
2024-01-06吉雪强崔益邻张思阳孙红雨袁岽铭张跃松
吉雪强,崔益邻,张思阳,孙红雨,袁岽铭,张跃松*
农地流转对农业碳排放强度影响的空间效应及作用机制
吉雪强1,崔益邻1,张思阳1,孙红雨2,袁岽铭3,张跃松1*
(1.中国人民大学公共管理学院,北京 100872；2.贵州大学经济学院,贵州 贵阳 550025；3.国家统计局新余调查队,江西 新余 338099)
农地流转对农业碳排放强度影响分析有利于推进农地流转过程中碳减排工作深入开展,但现有研究较少分析其空间效应及空间作用机制,更未识别地区异质性.参考现有成果,在理论分析后,基于2005～2021年中国大陆30省份面板数据,利用面板回归模型检验农地流转对农业碳排放强度影响,结合空间计量模型分析农地流转对农业碳排放强度影响的空间效应及其空间作用机制,并讨论其空间效应的地区异质性.结果表明:研究期内,农地流转通过多种机制对农业碳排放强度产生显著负向空间效应,农地流转既能降低本地区农业碳排放强度,也能降低周边地区农业碳排放强度;技术发展机制、示范效应机制、地区竞争机制是农地流转对农业碳排放强度产生负向空间效应的关键作用机制;农地流转对农业碳排放强度影响的空间效应存在地区异质性,南方地区农地流转对农业碳排放强度影响的负向空间效应比北方地区程度更深.为此,建议加快推进农地流转,多途径发挥农地流转的空间减排效应.
农地流转；农业碳排放；碳达峰；碳中和；农业污染
中国政府承诺2030年实现碳达峰,2060年实现碳中和[1].为实现目标,需科学分析各类碳源以制定有效对策.农业是世界碳排放第二大来源[2],农业碳排放约占中国总排放量的17%[3].虽然,农业碳排放并非中国碳排放首要来源,但由于中国农业规模庞大且碳排放总量巨大,因此,中国农业碳排放绝对数值不可忽视[4].在推进碳排放这一污染防治核心议题解决时应充分考虑农业碳排放问题.另一方面,.农作物生长过程产生的甲烷、农业化学物资使用过程产生的二氧化碳等都会加剧地区气候变化,导致温度、降水等气象因素改变,也会间接增加极端事件、病虫害等发生的概率,影响地区农业可持续发展[5-6].农业碳排放强度综合考虑农业产值和农业碳排放,能同时反映地区农业生产水平和农业绿色发展情况,相关研究对农业农村发展具有重要现实价值.
学界围绕农业碳排放、农业碳排放强度主题开展了大量工作,包括农业碳排放、农业碳排放强度测度[7-9]、农业碳排放及其强度影响因素分析[10-12]、农业碳排放及其强度时空变化规律探索[13-14]等.这些成果为农业碳减排相关策略制定提供了重要科学参考.寻找农业碳排放及其强度影响因素,识别各因素的作用效果与路径,调节影响因素以降低农业碳排放及其强度,是推进农业碳减排的有效思路.为此,学界对地区农业经济发展情况[10]、地区农业聚集水平[11]、地区科技进步[12]等诸多可能影响农业碳排放或农业碳排放强度的因素进行了讨论,且进一步分析了各因素对农业碳排放或农业碳排放强度影响的空间效应,为区域协调发展背景下农业碳减排策略设计提供了理论支持.
农地流转作为近年来中国农业农村领域重要活动,对农业农村发展产生了显著冲击.虽然,多数学者关注于农地流转的经济社会效应[15-17],但仍有部分学者认识到了农地流转的环境效应.如龙云等[18]研究发现农地流转会加剧农业面源污染;郑纪刚等[19]指出转出农地后农户化肥投入显著增加.但是,也有学者指出农地流转能改善农业环境,如邹伟等[20]和李政通等[21]都认为农地流转活动对化肥使用具有负向影响.可见,农地流转对环境的影响仍无定论,该问题有待结合具体情况进行分析.农业碳排放及其强度是农业环境问题重要组成,更是现阶段中国农业经济发展的现实约束条件,在农业环境问题中具有特殊地位.当前,仅个别学者探讨了农地流转对农业碳排放或农业碳排放强度的影响.龙云等[22]通过对湖南省平江县113个农户的调查,分析发现农地流转将导致农业碳排放增加.吉雪强等[23-24]指出农地流转对中国农业农村发展具有广泛且深远的影响,农业碳排放作为农业活动的负外部性表现,会受到农地流转冲击,其基于中国30个省份面板数据的实证分析发现农地流转显著增加了地区农业碳排放,但降低了农业碳排放强度.Tang等[25]进一步分析了农地流转对农业碳排放的门槛效应.
现有研究为农地流转过程中碳排放问题解决提供了一定学术支持.但是,现有研究还存在较多空白之处有待进一步分析:(1)现有研究较少分析农地流转对农业碳排放强度影响的空间效应.虽然吉雪强等[23]初步讨论了农地流转对农业碳排放影响的空间效应,但这与本研究存在本质不同,农业碳排放强度包含内容比单纯的农业碳排放更为复杂;(2)现有研究未探明农地流转对农业碳排放或农业碳排放强度影响的空间作用机制,空间影响路径不清晰制约了空间分析框架的建立;(3)农地流转对农业碳排放、农业碳排放强度影响可能存在地区间差异,现有研究未分析这一异质性问题.
考虑农业碳排放强度相比农业碳排放包含更丰富内涵,相关研究具有重要现实价值.为此,参考现有成果,在理论分析后,基于2005～2021年中国大陆30省份面板数据,利用面板回归模型检验农地流转对农业碳排放强度的影响,结合空间计量模型讨论农地流转对农业碳排放强度影响的空间效应及空间作用机制,并结合空间计量模型探索地区异质性,以充实农地流转对农业碳排放强度影响分析体系,为区域协调发展背景下农地流转过程中碳排放问题解决提供新的科学支撑.
1 理论与假设
1.1 农地流转对农业碳排放强度影响的空间效应
农业碳排放强度,是单位农业产值所产生的碳排放.农地流转对农业碳排放强度产生显著负向影响[24],主要表现为农地流转能通过减少农地抛荒,提升农业经营规模,提高农业生产效率等途径增加农业产值[26];此外,农地流转能通过减少农业活动资源消耗与促进绿色农业技术应用而降低农业生产经营过程部分碳排放[27-28].可见,农地流转对农业碳排放强度有着负向作用.
现有研究指出农地流转的影响并不局限于本地区,更会对周边地区的经济发展[29]、社会情况[30]、生态环境[23]产生冲击,即农地流转的影响存在空间效应.因此,农地流转对农业碳排放强度的影响可能同样呈现空间特征.
图1 农地流转对农业碳排放强度影响的空间效应及其机制分析框架
具体来看,农地流转对农业碳排放强度影响的空间效应通过技术发展机制、示范效应机制、地区竞争机制实现(图1).
一则,农地流转能推动本地区农业规模经营,为先进农业技术嵌入农业实践活动创造可能,为本地区农业增产技术、绿色农业技术创新提供实践场所,促进农业技术创新与发展,降低本地区农业碳排放强度.其次,农业技术创新也能通过技术扩散渠道推进周边地区农业技术更新,提升周边地区农业产值并降低农业碳排放,最终降低周边地区农业碳排放强度.因此,农地流转能够通过推动技术发展而对农业碳排放强度产生负向空间效应(技术发展机制).
二则,农业产值提升和农业碳排放降低是粮食安全和农业绿色发展这两大农业发展目标的具体表现,当一地区农地流转活动取得积极效益时,其未来将继续坚持,以持续取得更好成绩;此外,周边地区也可能会学习和模仿这一经验,加快推动本地区农地流转,以增加农业产值,并减少农业碳排放,降低农业碳排放强度.因此,一地区农地流转能通过示范和学习而促进本地区与周边地区未来农地流转活动开展从而对农业碳排放强度产生负向空间效应(示范效应机制).
三则,由于中国地方政府间存在竞争机制[31],当农地流转推进地区农业发展并降低农业碳排放时,该地区可能得到上级政府部门更多关注和政策倾斜,使该地区在竞争中处于相对优势,该地区将继续采取更多措施以降低农业碳排放强度从而获取更多竞争优势.而在竞争机制作用下,其周边地区也会更加重视农业工作,进一步采取措施提升农业产值和减少农业碳排放,以避免在竞争中处于不利地位.因此,农地流转在竞争机制作用下会促使本地区和周边地区农业投入增加进而对农业碳排放强度产生负向空间效应(地区竞争机制).
可见,农地流转对农业碳排放强度影响的空间效应同样是负向的.而且,农地流转对农业碳排放强度影响的负向空间效应通过技术发展机制、示范效应机制、地区竞争机制实现.
综上,作出假设:
假设1:农地流转对农业碳排放强度的影响存在负向空间效应,农地流转既能降低本地区农业碳排放强度,也能降低周边地区农业碳排放强度.
假设2:农地流转通过技术发展机制、示范效应机制、地区竞争机制对农业碳排放强度产生负向空间效应.
1.2 农地流转对农业碳排放强度影响空间效应的地区异质性
中国南北农业生产经营差异较大,虽然农地流转对农业碳排放强度影响的空间效应显著为负,但这一空间效应在地区间存在差异.
就空间总效应而言,南方地区耕地破碎程度相比北方地区更为严重,农业发展受到土地要素限制更多;而北方地区农业规模化水平相对较高,东北、西北等地区更是多采取国营农场等规模化经营方式,故北方地区农地流转带来的土地要素变动对农业碳排放强度的影响可能较小.因此,南方地区农地流转对农业碳排放强度影响的空间效应比北方地区程度更深.
就空间效应的直接效应和间接效应而言,南方地区耕地破碎程度严重,农业发展受到土地要素限制更多.因此,南方地区农地流转对其农业碳排放强度影响的直接效应显著.此外,南方地区农地流转同样可通过技术发展机制、示范效应机制、地区竞争机制实现对周边地区农业碳排放强度的作用.所以南方地区农地流转对农业碳排放强度影响的空间效应体现为对本地区和周边地区农业碳排放强度的抑制效应.
北方地区农业规模化水平相对较高,因此农地流转带来的土地要素变动对其农业碳排放强度影响的直接效应可能并不显著.但是,北方地区农地流转仍可能通过技术发展、示范效应、竞争机制等途径影响周边地区农业碳排放强度.因此,北方地区农地流转对农业碳排放强度影响的间接效应可能比直接效应更显著.
综上,做出假设:
假设3:南方地区农地流转对农业碳排放强度影响的空间效应比北方地区程度更深,且南方地区农地流转对农业碳排放强度影响的直接效应与间接效应都显著,北方地区间接效应更为显著.
2 实证设计
2.1 实证分析思路介绍
本研究目的在于分析农地流转对农业碳排放强度影响的空间效应及其空间作用机制、地区异质性等问题,从而充实农地流转对农业碳排放强度影响分析体系.
首先,利用双固定效应回归模型验证农地流转对农业碳排放强度影响.虽然,现有研究[24]已对此分析,但考虑不同研究时间差异可能造成的计量失误.再次进行实证检验.
其次,利用空间计量模型,分析农地流转对农业碳排放强度影响的空间效应.当农地流转对本地区和周边地区农业碳排放强度都产生负向影响时,假设1成立.
再次,利用空间计量模型论证农地流转对农业碳排放强度影响的空间作用机制.现有研究[32-33]多利用三阶段中介效应模型对作用机制问题进行分析.但现阶段,中介效应模型存在较多争议[34],空间中介效应模型可靠性更缺乏论证.江艇等[34]指出中介效应检验不可靠,并不意味着作用渠道分析无法进行,在分析核心解释变量对被解释变量的作用机制时,可先通过各种方法识别核心解释变量对中介变量的因果作用,而中介变量对被解释变量的影响则基于理论或已有文献进行证明.因此,本研究将采用以下思路论证农地流转对农业碳排放强度影响的空间作用机制:(1)以农业生产效率、农业碳排放效率作为农业技术和低碳农业技术发展情况替代指标,农业生产效率反映农业投入要素转化为产出的能力,一般情况下农业生产效率越高,农业技术水平越高;考虑了农业碳排放量的农业碳排放效率则进一步考虑了技术进步的碳减排效应,当该效率越高,表明农业生产要素产生相对更高的产量或更少的碳排放,可在一定程度上表示低碳、绿色等带有环保作用的农业技术发展情况.利用空间计量模型分析农地流转对农业技术发展影响的空间效应,若农地流转对本地区和周边地区农业技术发展产生正向空间效应,进一步结合现有文献,分析农业技术发展对农业碳排放强度的抑制作用,论证"农地流转通过推进农业技术发展而对农业碳排放强度产生负向空间效应";(2)利用滞后一期农地流转面积作为被解释变量利用滞后一期农地流转活动作为被解释变量,一是考虑共线性问题,当被解释变量和解释变量都是同一期农地流转时,模型存在共线性干扰无法估计,此外示范效应产生需要时间,等一地区农地流转取得成效时,其他地区才会学习和模仿,因此会产生滞后.,利用空间计量模型分析农地流转对下一期农地流转活动的空间效应,若当期农地流转对下一期本地区和周边地区农地流转活动存在正向空间效应,进一步结合现有研究[23]已经证明的农地流转对农业碳排放强度的显著负向影响结论,论证"农地流转通过示范效应影响带动未来农地流转活动而对农业碳排放强度产生负向空间效应";(3)利用农林水事务支出作为地区农业投入水平替代指标,利用空间计量模型分析农地流转对农林水事务支出的空间效应,若农地流转对本地区和周边地区农林水事务支出产生正向空间效应,进一步结合实际说明地区农业投入增加对农业碳排放强度的负向影响,从而论证"农地流转通过竞争机制增加农业投入从而对农业碳排放强度产生负向空间效应".当上述论证都成立时,假设2成立.
最后,分析农地流转对农业碳排放强度影响空间效应的异质性.当南方地区空间总效应更大,且南方地方直接效应和间接效应都显著,北方地区间接效应显著,假设3成立.
2.2 实证模型
农地流转对农业碳排放强度影响双固定效应回归模型如下:
式中:ACEP表示农业碳排放强度,LTR表示农地流转;X表示控制变量;表示地区固定效应;表示时间固定效应;表示随机误差项;1为式(1)截距项;LTR为农地流转的系数;为控制变量系数.不考虑地区固定效应与时间固定效应时,式(1)化为随机效应面板回归模型.
农地流转对农业碳排放强度影响空间计量模型如下:
2.3 变量设定
被解释变量:农业碳排放强度,为农业碳排放量与地区农业产值的比值.农业碳排放的计算参考文献[7-8,23-24]等研究,包括稻田的CH4排放,各类作物、化肥和土壤引起的N2O排放,农业化学物资、农业机械和农业灌溉所产生的CO2排放.农业产值使用以2005年为基期的不变价产值.
解释变量:农地流转情况,参考研究[23-24,30]以各省家庭承包耕地流转总面积替代.这一指标包含了各省农村家庭承包耕地转让面积、互换面积、流转面积,可以较好的反映农地流转活动的开展情况.
空间效应中介作用变量:①农业技术发展情况,利用农业生产效率和农业碳排放效率作为替代指标,分别用SBM模型、SBM非期望产出模型测度.农业生产效率的投入指标为劳动力、土地、农药、化肥、农膜、机械、灌溉面积,产出指标为农业产值.农业碳排放效率相比农业生产效率进一步将农业碳排放作为非期望产出纳入.②下一期农地流转情况,以下一年各省家庭承包耕地流转总面积替代.③农业投入水平,利用农林水事务支出进行替代.
控制变量:参考现有农业碳排放及其强度影响因素研究[10-12,24],选择农业聚集水平、地区产业结构、创新与技术发展水平、生态环境规制、受灾率等作为控制变量.①农业聚集水平反映农业产业在一地区的集中情况,当农业聚集时,更有利于耕作经验积累和农业技术发展,进而能提升农业产值、降低农业碳排放.②地区产业结构反映地区各产业发展情况,由于研究主题聚焦于农业,为此考虑第一产业在地区经济中所占比重.当第一产业占地区经济比重高,表明地区经济发展阶段处于相对早期,整体技术发展水平较低且资金积累不足,农业活动可能更多依靠劳动力、土地要素和化学资源投入,其农业碳排放强度可能较高.③创新与技术发展水平反映地区科技发展情况,农业技术水平提升将显著降低本地区农业碳排放强度,借助于技术扩散渠道,也将降低周边地区农业碳排放强度.④地区生态环境规制反映地区政府对污染防治问题的重视程度,当环境规制处于较高水平时,地方农业活动将在生态补偿的引导下以及环境税费的制约下而重视污染防治,从而促进农业碳排放强度降低.⑤受灾率反映农业活动受自然灾害影响情况,当受灾率提升,农业生产活动将受到毁灭性冲击,农业产值将下降;但此时,农业碳排放所受影响可能较小,因为部分碳排放已经在灾害发生前产生,如前期的化肥、农药、农膜、灌溉、机械使用已经产生CO2等温室气体.因此,受灾率可能对农业碳排放强度产生正向影响.
变量描述见表1.
2.4 数据来源
以中国30个省级行政单位为研究对象,西藏、香港、澳门、台湾由于农业发展与国内其他地区存在较大差异,未纳入分析体系.研究时间设定为2005～2021年.其中,基础数据来自《中国统计年鉴》《中国农村统计年鉴》《中国农业年鉴》;农地流转数据来自农业农村部官方网站与《中国农村经营管理统计年报》.空间权重矩阵、空间距离矩阵为基于Arcgis计算所得.个别空缺数据,利用插值法补全.具体计量分析时,对数据进行标准化处理,以减少变量单位对效应估计的影响.
表1 变量描述
注:环境规制出现负值是由于插值法估算.
图2 部分年份农业碳排放强度
审图号:GS(2020)4619
3 实证分析
3.1 农业碳排放强度分析
通过计算,得到2005～2021年间农业碳排放强度,其部分年份情况如图2所示.发现2005～2021年间,农业碳排放强度整体呈现下降趋势,农业碳排放强度由2005年的2.99万t/亿元下降到2021年的1.64万t/亿元,下降了45.15%.该结果初步说明中国十余年来农业稳产增产和农业绿色发展取得较好成绩.就不同地区来看中部地区农业碳排放强度相对较高,可能的原因在于中部地区经济社会发展滞后于东部地区,其农业技术相对落后,单位农业产值实现更需要依靠化肥等农业物资投入;此外,中部地区相比西部地区承担更多农业生产任务,在更高的政策压力下其农业活动较频繁且农业化学资源投入更多.
3.2 农地流转对农业碳排放强度影响效应分析
3.2.1 基准回归分析 基于式(1),利用双固定效应面板回归模型和随机效应面板回归模型估计农地流转对农业碳排放强度影响,见表2.可知,农地流转对农业碳排放强度产生显著负向影响,表明农地流转面积扩大会抑制农业碳排放强度.究其原因,农地流转能推进农业生产水平提升和降低农业碳排放.
表2 农地流转对农业碳排放强度影响
注:***、**和*表示1%、5%和10%显著性水平,括号内为稳健标准误差.
就控制变量而言,农业聚集水平对农业碳排放强度产生显著负向影响,原因在于产业聚集下的规模效应、经验积累与技术发展提升农业产出和减少农业污染.地区产业结构对农业碳排放强度产生显著正向影响,表明地区第一产业占地区经济比重越高,农业碳排放强度越高,其原因如理论分析所言,第一产业占比较高情况下经济发展相对处于早期,制约了农业技术与装备应用,使农业碳排放强度较高.创新与技术发展水平影响为负,表明技术发展抑制了农业碳排放强度.环境规制对农业碳排放强度影响显著为负,表明环境规制降低了农业碳排放强度.受灾率对农业碳排放强度影响显著为正,如理论分析指出自然灾害对农业生产具有破坏性,但对前期投入产生的温室气体影响小.
3.2.2 稳健性分析 为验证基准回归模型稳健性,采取调整控制变量、调整研究地区、调整研究时间等方法重新估计基准回归模型,多数结果显示农地流转依然对农业碳排放强度产生显著负向影响.此外,为解决内生性,参考研究[24],利用工具变量法检验模型(选择的工具变量如表1).选用1983年各省实施家庭联产承包责任制户数为工具变量基础变量,是由于其作为历史数据具有外生性,但能反映地区农地改革趋势,和当前农地流转具有相关性.分析时,进行了弱工具变量检验、不可识别检验,结果都通过,排除内生性后结果依然稳健.可见,农地流转对农业碳排放强度的负向影响具有稳健性.
3.3 农地流转对农业碳排放强度影响的空间效应及其空间作用机制分析
3.3.1 莫兰指数 以空间邻接矩阵、空间距离矩阵为权重矩阵,计算农地流转和农业碳排放强度的空间莫兰指数(表3),以分析其空间相关性.
表3 莫兰指数
注:***、**和*表示1%、5%和10%显著性水平.
由表3可知,农地流转在后续年份具有较显著的空间相关性,农业碳排放强度在研究期每年都呈现显著的空间相关性,两变量整体上拒绝了"无空间自相关"的原假设.进一步可知,农地流转和农业碳排放强度都呈现正向空间聚集关系.
3.3.2 空间模型选择 确定核心解释变量和被解释变量具有空间自相关效应后,分别就空间邻接矩阵、空间距离矩阵为空间权重矩阵下的空间计量模型选择情况进行分析.
首先,就空间邻接矩阵为空间权重矩阵的一般空间计量模型进行LM检验.分析发现非空间面板模型的LM检验显著拒绝原假设,表明空间效应存在,再次说明分析农地流转对农业碳排放强度影响时应考虑空间效应.而后,进行LR与Wald检验,以判断实证分析应选择的模型.结果显示空间滞后模型与空间误差模型的LR检验值为16.46及17.01,都在5%的统计水平显著;Wald检验值为12.85及43.60,分别在5%和1%的统计水平上显著.该结果表明农地流转对农业碳排放强度影响的空间效应分析中空间杜宾模型不能退化为空间误差模型和空间滞后模型.为此,利用空间杜宾模型进行分析.然后,对模型进行Hausman检验以明确选用何种效应空间杜宾模型.Hausman检验中Prob>=chi2 = 0.21,表明拒绝固定效应的零假设.因此,应当选择随机效应的空间杜宾模型分析以空间邻接矩阵为空间权重矩阵的农地流转对农业碳排放强度影响的空间效应.
类似的,对以空间距离矩阵为空间权重矩阵的空间计量模型进行LM检验、LR与Wald检验、Hausman检验.发现同样应当使用随机效应的空间杜宾模型.
3.3.3 空间效应分析 以随机效应空间杜宾模型估计空间效应,结果两类矩阵为空间权重矩阵的空间自回归系数(rho)都在1%的统计水平显著,再次表明空间效应的存在.空间回归分析具体结果见表4模型(1)(2)与模型(6)(7).为清晰描述农地流转对农业碳排放强度影响的空间效应,利用偏微分法分解各变量的空间总效应,结果见表4模型(3)～(5)与模型(8)～(10).
虽然模型(1)与模型(6)显示农地流转对农业碳排放强度的负向影响并不显著,但该结果可能忽略了反馈效应的存在.相比于直接的空间回归结果,偏微分方程分解结果更能真实反映农地流转对农业碳排放强度影响的空间效应.
深井定向随钻扩孔钻井作业，所使用的钻头须同时具备三方面的能力，即高效的扩孔能力、良好的定向能力和较强的稳定性。而定向随钻扩孔PDC钻头(简称“扩孔钻头”)的定向和随钻扩孔性能，可通过对钻头扩孔结构、冠部形状、布齿结构等方面的改进得以实现。
表4 农地流转对农业碳排放强度影响的空间效应及其分解
注:***、**和*分别表示1%、5%和10%的显著性水平,括号内为稳健标准误差,下同.
由模型(3)与模型(8)可知,农地流转对农业碳排放强度影响的直接效应为负且在10%统计水平显著,表明农地流转会较显著降低本地区农业碳排放强度.由模型(4)与模型(9)可知,农地流转对农业碳排放强度影响的间接效应为负且在1%的统计水平显著.表明农地流转会显著降低周边地区农业碳排放强度,即存在显著的负向空间溢出效应.正如理论分析指出,农地流转能通过技术发展、示范效应、竞争机制等途径促进本地区和周边地区农业碳排放强度降低.进一步对比可知农地流转对农业碳排放强度影响的间接效应系数值和显著性都要大于直接效应,可见空间溢出效应更为明显,分析农地流转对农业碳排放强度影响时应当考虑其空间溢出效应,否则将降低分析结果的可靠性.由模型(5)与模型(10)可知,农地流转对农业碳排放强度影响的总效应为负且在1%统计水平显著,再次论证农地流转对农业碳排放强度的影响存在显著的负向空间效应.综上可知,农地流转对农业碳排放强度存在显著负向空间效应,农地流转既能降低本地区农业碳排放强度,也能降低周边地区农业碳排放强度,假设1成立.
结合微分方程分解结果来看,控制变量中,农业聚集水平对农业碳排放强度影响的直接效应显著为负,间接效应不显著,说明农业产业聚集更多作用于本地区农业活动.地区产业结构对农业碳排放强度影响的直接效应、间接效应、总效应均显著为正,表明地区产业结构对农业碳排放强度的影响并不局限于本地区,还具有空间溢出效应.本地区经济发展处于初期,不仅制约了技术、资金等对本地农业发展的支持,更难以通过技术扩散、示范效应等渠道对周边地区农业发展产生积极影响,还会在一定程度分散周边农业资源,使本地区及周边地区农业碳排放强度都处于相对高值.创新与技术发展水平对农业碳排放强度影响的直接效应、间接效应、总效应均显著为负,表明技术发展可以显著降低本地区和周边地区农业碳排放强度,技术扩散对于整体空间农业碳排放强度下降具有重要价值.生态环境规制对农业碳排放强度影响的直接效应显著为负,表明环境规制对农业碳排放强度的抑制作用主要集中于本地区.受灾率对农业碳排放强度影响的直接效应、间接效应、总效应均显著为正,表明自然灾害对本地区和周边地区农业产出都具有破坏,但对前期投入产生的温室气体影响较小,使空间农业碳排放强度整体提高.
3.3.4 空间作用机制分析 根据前文理论分析可知,农地流转对农业碳排放强度的负向空间效应可能通过技术发展机制、示范效应机制、地区竞争机制实现.下面分别就这三个空间作用机制进行验证.
技术发展机制基于上文所述实证分析思路,利用空间计量模型分析农地流转对农业生产效率、农业碳排放效率影响的空间效应.经过LM检验、LR与Wald检验、Hausman检验,发现固定效应空间杜宾模型更为合适,进一步对比模型rho显著情况,并考虑本研究对于空间问题的重视,决定利用地区固定效应空间杜宾模型作为分析模型.以空间邻接矩阵和空间距离矩阵作为空间权重矩阵并经过偏微分分解的农地流转对农业技术发展情况影响的空间效应结果见表5.
表5 农地流转对农业技术发展情况的空间影响
由表5模型(1)(4)(7)(10)可知,农地流转对本地区农业生产效率和农业碳排放效率产生显著正向影响,表明农地流转有利于推进本地区农业技术和绿色农业技术发展,结合现有研究[35-36]可知农业技术发展和农业绿色技术发展有利于提升农业产值和降低农业碳排放,是农业碳排放强度降低的重要途径,这验证了农地流转对本地区农业碳排放强度影响的技术作用机制.
由表5模型(2)(5)(8)(11)可知农地流转对周边地区农业生产效率和农业碳排放效率影响的空间效应显著时均为正,可知农地流转对周边地区农业技术和农业绿色技术发展同样具有一定的积极影响,这一对周边地区农业技术的积极影响根据现有研究可知[35-36]同样有利于降低周边地区农业碳排放强度.因此,农地流转通过推进农业技术发展而降低周边地区农业碳排放强度.
综上,农地流转通过推进农业技术发展对本地区和周边地区农业碳排放强度产生负向空间效应.
(2)示范效应机制基于上文所述实证分析思路.利用空间计量模型分析农地流转对下一期农地流转的空间效应.经过LM检验、LR与Wald检验、Hausman检验,发现固定效应空间误差模型和空间滞后模型适合.考虑模型的空间lambda值和空间rho值,决定利用时间固定、空间固定、双固定效应空间误差模型和空间滞后模型进行测度.以空间邻接矩阵为权重矩阵的空间误差模型结果见表6模型(1)～(3)(空间误差模型未能进行偏微分分解),空间滞后模型的偏微分分解结果见表6模型(4)～(12),以空间距离矩阵为权重矩阵的结果见表7,以此作为对比.
由表6和表7模型(1)(2)(3)(6)(9)(12)可知,农地流转整体对下期农地流转产生显著的正向空间效应.
表6 农地流转对下期农地流转的空间影响(空间邻接矩阵)
表7 农地流转对下期农地流转的空间影响(空间距离矩阵)
由表6和表7模型(4)(7)(10)可知,农地流转对本地区下期农地流转产生显著的正向空间效应.究其原因,本地区在当期通过农地流转取得农业碳排放强度降低效益后,未来会延续这一正确做法.
由表6模型(5)(8)(11)可知,以空间邻接矩阵作为空间权重矩阵以空间滞后模型为空间计量模型时,农地流转对下期周边地区农地流转产生显著正向空间效应.虽然表7模型(5)(8)(11)中这一空间效应不全部显著,但是依然为正.结合表6和表7的空间lambda值和空间rho值显著情况可知,表6结果更可靠,更能反映农地流转对下期周边农地流转的空间影响.
整体而言,农地流转对下期本地区和周边地区农地流转都会产生正向空间效应.当一地区农地流转推进后,本地区和周边地区下一期农地流转活动可能加强.而现有研究[23]和本研究前文都论证了农地流转对农业碳排放强度的负向影响.因此,一地区农地流转活动具有示范效应,能带动本地区和周边地区未来农地流转,进而降低农业碳排放强度,即农地流转通过示范效应带动本地区和其他地区的农地流转活动而对农业碳排放强度产生负向空间效应.
(3)地区竞争机制基于上文所述实证分析思路,利用空间计量模型分析农地流转对农林水事务支出的空间影响效应.经过LM检验、LR与Wald检验、Hausman检验,并对比模型rho显著情况,且进一步考虑本研究对于空间问题的重视,决定利用地区固定效应空间杜宾模型作为分析模型.偏微分分解的空间效应结果见表8.
由表8的模型(3)(6)可知,农地流转对农林水事务支出影响的空间总效应显著为正,表明考虑空间效应时农地流转能显著增加农林水事务支出,提高农业投入.由模型(1)(4)可知,农地流转对本地区农林水支出事务产生显著的正向影响;由模型(2)(5)可知农地流转对周边地区农林水事务支出产生正向影响,且在以空间距离矩阵为空间权重矩阵时,这一正向影响更是在1%统计水平显著. 表明农地流转活动对本地区和周边地区农业投入产生正向空间效应.原因在于当一地区通过农地流转取得农业领域积极效益时,其周边地区在竞争压力下会更重视农业工作而扩大农业资金、技术投入,避免在竞争中失败.在地区对农业相关投入增多的情况下,地区农业产值更可能得到提升,其农业碳排放也更可能降低.因此,一地区农地流转可能加剧地区农业竞争,使本地区和周边地区增加农业投入,从而降低农业碳排放强度,即农地流转通过竞争机制而增加本地区和周边地区农业投入从而对农业碳排放强度产生负向空间效应.
综上,农地流转能通过技术发展机制、示范效应机制、地区竞争机制影响本地区和周边地区的农业技术发展情况、农地流转推进情况、农业投入水平,从而对农业碳排放强度产生负向空间效应.因此,假设2成立.
表8 农地流转对农林水事务支出的空间影响
3.3.5 稳健性分析 为检验农地流转对农业碳排放强度影响的空间效应分析与空间作用机制分析的稳健性,上文已经利用空间邻接矩阵、空间距离矩阵分别作为空间权重矩阵进行检验和运算,结果整体上较为相似(虽然个别分析中显著性不同,但是当相关变量显著时,其符号方向一致);此外,通过减少控制变量的方式验证控制变量调整后上述空间回归模型及其分解结果变化,发现上述结论依然成立.因此,农地流转对农业碳排放强度影响存在负向空间效应,农地流转通过技术发展机制、示范效应机制、地区竞争机制对农业碳排放强度产生负向空间效应等结论具有一定稳健性.
4 农地流转对农业碳排放强度影响空间效应的异质性分析
4.1 异质性分析
由于农地流转对农业碳排放强度影响的空间效应可能存在地域差异.因此,以秦岭淮河为界将中国大陆30个省份划分为北方地区和南方地区,分别测算农地流转对农业碳排放强度影响的空间效应.
参考上文,以空间邻接矩阵为权重矩阵,在进行系列检验后,就南方地区、北方地区农地流转对农业碳排放强度影响的空间效应进行测度,并对结果进行偏微分分解,分解结果见表9.
表9 农地流转对农业碳排放强度影响空间效应异质性分析
由表9可知,南方地区农地流转对农业碳排放强度影响的空间总效应为-0.63,北方地区为-0.16,且两者都在1%的统计水平显著,表明南方地区农地流转对农业碳排放强度影响的空间效应比北方地区程度更深.
南方地区农地流转对农业碳排放强度影响的直接效应与间接效应均显著为负.原因在于,南方地区农地流转有效缓解了本地区耕地细碎化制约,提升了农业经营规模,使南方地区先进的农业技术、丰富的资金得以在更合适的经营规模中发挥作用,以提升地区农业产值,并降低农业碳排放,从而降低了本地区农业碳排放强度.南方地区农地流转对农业碳排放强度的间接效应显著为负.原因在于,南方地区经济技术交流渠道丰富,农地流转通过技术扩散途径较好降低了周边地区农业碳排放强度,使其影响为负.整体而言,南方地区农地流转对农业碳排放强度影响呈现负向空间效应.
北方地区农地流转对农业碳排放强度影响的直接效应不显著,间接效应显著为负.原因在于,北方地区多数区域如西北、东北本就采取规模化农业经营,农地流转对其本地农业经营规模影响较小,难以显著提升其农业产值与降低农业碳排放,故北方地区农地流转对农业碳排放强度影响的直接效应不显著.北方地区农地流转虽然较难通过扩大农业经营规模而对本地区农业碳排放强度产生显著作用,但由于其本身具备较好的农业规模化经营基础,农地流转推进背景下仍可能通过技术发展、示范效应、竞争机制等途径影响周边地区农业碳排放强度.
整体而言.南方地区农地流转对农业碳排放强度影响的空间效应比北方地区程度更深,且南方地区农地流转对农业碳排放强度影响的直接效应和间接效应都显著,北方地区间接效应更为显著,所以假设3成立.
4.2 稳健性检验
利用空间距离矩阵替代空间邻接矩阵作为空间权重矩阵,按照上述思路进行分析,发现异质性分析主要结论成立(可参看附件).此外,通过调整控制变量对分析结果进行检验,发现结论依然成立.因此,异质性分析结果具有一定稳健性.
5 结论
5.1 农地流转通过多种机制对农业碳排放强度产生显著的负向空间效应,农地流转既能降低本地区农业碳排放强度,也能降低周边地区农业碳排放强度.
5.2 农地流转通过技术发展机制、示范效应机制、地区竞争机制对农业碳排放强度产生负向空间效应.
5.3 南方地区农地流转对农业碳排放强度影响的空间效应比北方地区程度更深,且南方地区农地流转对农业碳排放强度影响的直接效应和间接效应都显著,北方地区间接效应显著.
6 建议
6.1 由于农地流转能通过多种机制对农业碳排放强度产生显著负向空间效应.因此,建议通过加快土地确权颁证、扩大农地流转宣传教育、加强农地流转交易平台建设等方式加快推进农地流转,以发挥农地流转的碳减排效益.
6.2 由于农地流转通过技术发展机制、示范效应机制、地区竞争机制等降低本地区和周边地区农业碳排放强度.因此,建议推进跨区域农业技术交流平台建设,以更好推广农地流转下规模化经营环境所实现的技术创新成果,发挥农业技术的空间减排效应;建议构建农业减排示范表彰机制,对农业减排先进地区进行财政奖励和公开表彰,以鼓励其他地区学习;建议将农业碳排放强度作为地区农业发展指标纳入考核体系,促进围绕"稳产增产"与"低碳发展"两大目标展开的地区间农业良性竞争.
6.3 由于农地流转对农业碳排放强度影响的空间效应存在地区异质性.因此,建议北方地区在农业规模化经营基础上进一步推进低碳农业技术、农业信息化技术等兼顾农业生产和污染防治的先进技术应用,以稳定农地流转对农业碳排放强度的负向空间溢出作用.建议南方地区进一步打通地区农业技术交流渠道,加快农业减排示范表彰机制、低碳农业考核体系建设,进一步强化农地流转对农业碳排放强度影响的空间溢出效应,
相对现有研究,本研究同样识别到了农地流转对农业碳排放强度的显著负向影响,验证了现有研究分析结果的准确性.但是,本研究深入讨论了现有研究较少涉及的农地流转对农业碳排放强度影响的空间效应及空间作用机制,并分析了农地流转对农业碳排放强度影响空间效应的地区异质性,得到了一些新的结论,实现了该主题的拓展.然而受制于研究进展,仍存在一些局限:(1)研究虽然基于空间计量模型就农地流转对农业碳排放强度影响的空间作用机制进行了初步分析,但是没有探讨相关分析的内生性等诸多问题,这有待未来空间中介分析方法完善后进一步研究.(2)农地流转对农业碳排放强度影响的空间效应是否存在着非线性特征,这一问题需要待相关空间门槛模型完善后进行深入分析. (3)研究从宏观角度分析了农地流转对农业碳排放强度影响的空间效应、空间作用机制以及地区异质性,但是农户视角下该作用是否成立？这需要结合微观调研结果进一步分析.
[1] 高国力,文 扬,王 丽,等.基于碳排放影响因素的城市群碳达峰研究[J]. 经济管理, 2023,45(2):39-58.
Gao Guoli, Wen Yang, Wang li, et al. Study on carbon peaking of urban clusters based on analysis of influencing factors of carbon emissions [J]. Economic Management, 2023,45(2):39-58.
[2] 信 猛,陈菁泉,彭雪鹏,等.农业碳排放驱动因素——区域间贸易碳排放转移网络视角[J]. 中国环境科学, 2023,43(3):1460-1472.
Xin Meng, Chen Jingquan, Peng Xuepeng et al. Driving factors of agricultural carbon emission: From the perspective of interregional trade carbon emission transfer network. [J]. China Environmental Science, 2023,43(3):1460-1472.
[3] 赵文晋,李都峰,王宪恩.低碳农业的发展思路[J]. 环境保护, 2010, (12):38-39.
Zhao Wenjin, Li Dufeng, Wang Xian’en. Development of low-carbon agriculture [J]. Environmental Protection, 2010,(12):38-39.
[4] 田 云,林子娟.中国省域农业碳排放效率与经济增长的耦合协调[J]. 中国人口·资源与环境, 2022,32(4):13-22.
Tian Yun, Lin Zijuan. Coupling coordination between agricultural carbon emission efficiency and economic growth in China [J]. China Population, Resources and Environment, 202,32(4):13-22.
[5] 曾贤刚,余 畅,孙雅琪.中国农业农村碳排放结构与碳达峰分析 [J].中国环境科学, 2023,43(4):1906-1918.
Zeng X G, Yu C, Sun Y Q. Carbon emission structure and carbon peak of agriculture and rural areas in China [J]. China Environmental Science, 2023,43(4):1906-1918.
[6] 潘根兴,高 民,胡国华,等.气候变化对中国农业生产的影响[J]. 农业环境科学学报, 2011,30(9):1698-1706.
Pan Genxing, Gao Min, Hu Guohua, et al. Impacts of climate change on agricultural production in China [J]. Journal of Agro-Environment Science, 2011,30(9):1698-1706.
[7] 闵继胜,胡 浩.中国农业生产温室气体排放量的测算[J]. 中国人口·资源与环境, 2012,22(7):21-27.
Min Jisheng, Hu Hao. Estimation of greenhouse gas emissions from agricultural production in China [J]. China Population, Resources and Environment, 2012,22(7):21-27.
[8] 尚 杰,杨 果,于法稳.中国农业温室气体排放量测算及影响因素研究[J]. 中国生态农业学报, 2015,23(3):354-364.
Shang Jie, Yang Guo, Yu Fawen. Agricultural greenhouse gases emissions and influencing factors in China [J]. Chinese Journal of Eco-Agriculture, 2015,23(3):354-364.
[9] 原 野,李太平.粮食增产与农业碳排放强度降低——基于中国粮食主产区政策的准自然实验证据[J]. 福建农林大学学报(哲学社会科学版), 2023,26(1):84-94.
Yuan Ye, Li Taiping. Increased grain yield and reduced agricultural carbon emission intensity—Quasi natural experimental evidence from the policies in China's main grain producers [J]. Journal of Fujian Agriculture and Forestry University (Philosophy and Social Sciences), 2023,26(1):84-94.
[10] 何艳秋,戴小文.中国农业碳排放驱动因素的时空特征研究[J]. 资源科学, 2016,38(9):1780-1790.
He Yanqiu, Dai Xiaowen. Phase characteristics and regional differences in agriculture carbon emissions in China [J]. Resources Science, 2016,38(9):1780-1790.
[11] 贺 青,张 虎,张俊飚.农业产业聚集对农业碳排放的非线性影响[J]. 统计与决策, 2021,37(9):75-78.
He Qing, Zhang Hu, Zhang Junbiao. Nonlinear effects of agricultural industry agglomeration on agricultural carbon emissions [J]. Statistics & Decision, 201,37(9):75-78.
[12] 张金鑫,王红玲.环境规制、农业技术创新与农业碳排放 [J]. 湖北大学学报(哲学社会科学版), 2020,47(4):147-156.
Zhang Jinxin, Wang Hongling. Environmental regulation, agricultural technology innovation and agricultural carbon emission [J]. Journal of Hubei University (Philosophy and Social Science), 20,47(4):147-156.
[13] 何艳秋,王鸿春,刘云强.产业集聚视角下农业碳排放的空间效应[J]. 资源科学, 2022,44(12):2428-2439.
He Yanqiu, Wang Hongchun, Liu Yunqiang. Spatial effects of agricultural carbon emissions from the perspective of industrial agglomeration [J]. Resources Science, 2022,44(12):2428-2439.
[14] 孟庆雷,殷宇翔,王煜昊.我国农业碳排放的时空演化、脱钩效应及绩效评估 [J]. 中国农业科学, 2023,56(20):4049-4066.
Meng Q L, Yin Y X, Wang Y H. Spatial-temporal evolution, decoupling effect and performance evaluation of China’s agricultural carbon emissions [J]. Scientia Agricultura Sinica, 2023,56(20):4049-4066.
[15] Chen L, Peng J, & Zhang Y. Research on the impact of rural land transfer on non-farm employment of farm households: Evidence from Hubei Province, China [J]. International Journal of Environmental Research and Public Health, 2022,19(23).
[16] 符秋瑶,张栋浩.农地流转如何影响农村家庭养老计划——基于农地转出与农地转入视角的综合分析[J]. 农业技术经济, 2022, (5):128-144.
Fu Qiuyao, Zhang Donghao.How does farmland transfer affect the rural household retirement planning:Comprehensive analysis based on farmland outflow and farmland inflow [J]. Journal of Agrotechnical Economics, 2022,(5):128-144.
[17] 黎 毅,罗剑朝.农地确权对农户收入异质性的影响研究——基于西部六省份调研数据[J]. 财贸研究, 2022,33(11):27-38.
Li Yi, Luo Jianchao. Research on the impact of farmland certification on farmers' income heterogeneity:Evidence from six provinces of western region [J]. Finance and Trade Research, 2022,33(11):27-38.
[18] 龙 云,任 力.中国农地流转制度变迁对耕地生态环境的影响研究[J]. 福建论坛(人文社会科学版), 2016,(5):39-45.
Long Yun, Ren Li. Study on the influence of farmland transfer system change on farmland ecological environment in China [J]. Fujian Tribune, 2016,(5):39-45.
[19] 郑纪刚,张日新,曾 昉.农地流转对化肥投入的影响——以山东省为例[J]. 资源科学, 2021,43(5):921-931.
Zheng Jigang, Zhang Rixin, and Zeng Fang. Impact of farmland transfer on fertilizer input:Taking shandong province as an example [J]. Resource Science, 2021,43(5):921-931.
[20] 邹 伟,崔益邻,周佳宁.农地流转的化肥减量效应——基于地权流动性与稳定性的分析[J]. 中国土地科学, 2020,34(9):48-57.
Zou Wei, Cui Yilin, Zhou Jianing. The impact of farmland transfer on farmers’ fertilizer reduction: An analysis of transferability and security of land rights [J]. China Land Science, 2020,34(9):48-57.
[21] 李政通,顾海英.农地权能、劳动力流动与化肥用量[J]. 农村经济, 2021,(9):34-43.
Li Zhengtong, Gu Haiying. Agricultural land rights, labor mobility and chemical fertilizer use [J]. Rural Economy, 2021,(9):34-43.
[22] 龙 云,任 力.农地流转对碳排放的影响:基于田野的实证调查[J]. 东南学术, 2016,(5):140-147.
Long Yun, Ren Li. The impact of agricultural land transfer on carbon emissions: a field-based empirical investigation [J]. Southeast Academic Research, 2016,(5):140-147.
[23] 吉雪强,李卓群,张跃松.农地流转对农业碳排放的影响及空间特性[J]. 资源科学, 2023,45(1):77-90.
Ji Xueqiang, Li Zhuoqun, Zhang Yuesong. Influence of rural land transfer on agricultural carbon emissions and its spatial characteristics [J]. Resource Science, 2023,45(1):77-90.
[24] 吉雪强,刘慧敏,张跃松.中国农地流转对农业碳排放强度的影响及作用机制研究[J]. 中国土地科学, 2023,37(2):51-61.
Ji Xueqiang, Liu Huimin, Zhang Yues. Study on the influence of rural land transfer on agricultural carbon emission intensity and its mechanism in China [J]. China Land Science, 2023,37(2):51-61.
[25] Tang, Y., & Chen, M. Impact Mechanism and Effect of Agricultural Land Transfer on Agricultural Carbon Emissions in China: Evidence from Mediating Effect Test and Panel Threshold Regression Model. [J]. Sustainability (Switzerland), 2022,14(20).
[26] 郭小琳,郑淋议,施冠明,等.农地流转、要素配置与农户生产效率变化[J]. 中国土地科学, 2021,35(12):54-63.
Guo Xiaolin, Zheng Linyi, Shi Guanming, et al. Land transfer, resource allocation and rural household production efficiency [J]. China Land Science, 2021,35(12):54-63.
[27] 李文明,罗 丹,陈 洁,等.农业适度规模经营:规模效益、产出水平与生产成本——基于1552个水稻种植户的调查数据[J]. 中国农村经济, 2015,(3):4-17,43.
Li Wenming, Luo Dan, Chen Jie, et al. Agricultural moderate scale operation: economies of scale, output level and production cost —— Based on the survey data of 1552rice farmers [J]. Chinese Rural Economy, 2015,(3):4-17,43.
[28] 龙 云,任 力.农地流转对农业面源污染的影响——基于农户行为视角[J]. 经济学家, 2016,(8):81-87.
Long Yun, Ren Li. The influence of agricultural land transfer on agricultural non-point source pollution —— Based on the perspective of farmers' behavior [J]. Economist, 2016,(8):81-87.
[29] 夏玉莲,曾福生.农地流转的经济效应及其空间溢出——基于"三化"发展的视角[J]. 技术经济, 2012,31(11):56-62.
Xia Yulian, Zeng Fusheng. Economic effect of rural land transfer and its spatial spillover: Based on the perspective of "three- modernizations" development [J]. Journal of Technology Economics, 2012,31(11):56-62.
[30] 卢新海,王洪政,唐一峰,等.农地流转对农村减贫的空间溢出效应与门槛特征——省级层面的实证[J]. 中国土地科学, 2021,35(6):56-64.
Lu Xinhai, Wang Hongzheng, Tang Yifeng,et al. Spatial spillover and threshold effects of farmland transfer in poverty reduction: An empirical study at the provincial level [J]. China Land Science, 2021, 35(6):56-64.
[31] 傅 强,朱 浩.中央政府主导下的地方政府竞争机制——解释中国经济增长的制度视角[J]. 公共管理学报, 2013,10(1):19-30,138.
Fu Qiang, Zhu Hao. The local government competition mechanism guided by central government———The perspective of institution to explain economic growth of China [J]. Journal of Public Management, 2013,10(1):19-30,138.
[32] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J]. 心理科学进展, 2014,22(5):731-745.
Wen Zhonglin, Ye Baojuan.Analyses of mediating effects: The development of methods and models [J]. Advances in Psychological Science, 2014,22(5):731-745.
[33] 周 迪,刘奕淳.中国碳交易试点政策对城市碳排放绩效的影响及机制[J]. 中国环境科学, 2020,40(1):453-464.
Zhou Di, Liu Yichun. Impact of China’s carbon emission trading policy on the performance of urban carbon emission and its mechanism. [J]. China Environmental Science, 2020,40(1):453-464.
[34] 江 艇.因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022,410(5):100-120.
Jiang Ting. Mediating effects and moderating effects in causal inference [J]. China Industrial Economics, 2022,410(5):100-120.
[35] 范东寿.农业技术进步、农业结构合理化与农业碳排放强度[J]. 统计与决策, 2022,38(20):154-158.
Fan Dongshou. Progress in agricultural technology, rationalization of agricultural structure and agricultural carbon emission intensity [J]. Statistics & Decision, 2022,38(20):154-158.
[36] 杨 钧.农业技术进步对农业碳排放的影响——中国省级数据的检验[J]. 软科学, 2013,27(10):116-120.
Yang Jun.The effects of technological advances on agricultural carbon emission—Evidence from Chinese provincial data [J]. Soft Science, 2013,27(10):116-120.
The spatial effect and action mechanism of the influence of rural land transfer on agricultural carbon emission intensity.
JI Xue-qiang1, CUI Yi-lin1, ZHANG Si-yang1, SUN Hong-yu2, YUAN Dong-ming3, ZHANG Yue-song1*
(1.School of Public Administration and Policy, Renmin University of China, Beijing 100872, China；2.School of Economics, Guizhou University, Guiyang 550025, China；3.Xinyu Investigation Team, National Bureau of Statistics, Xinyu 338099, China)., 2023,43(12)：6611～6624
Agricultural carbon emission intensity has important practical value considering agricultural production level and agricultural green development. Analysis of the impact of rural land transfer on agricultural carbon emission intensity has scientific value for promoting carbon emission reduction in the process of rural land transfer promotion, but few existing studies have analyzed its spatial effects. After theoretical analysis, based on the panel data of 30 provinces in China’s mainland from 2005 to 2021, the panel regression model was used to analyze the impact of rural land transfer on agricultural carbon emission intensity. The spatial effectsof rural land transfer on agricultural carbon emission intensity were discussed by combining the spatial econometric model. The results showed that during the study period, rural land transfer a significant negative spatial effect on agricultural carbon intensity. Rural land transfer can not only reduce the agricultural carbon intensity in the local area, but also reduce the agricultural carbon intensity in the surrounding area, and its spatial spillover effect is more obvious; Technology development mechanism, demonstration effect mechanism and regional competition mechanism are the key mechanisms of the negative spatial spillover effect on agricultural carbon emission intensity. The spatial effect of rural land transfer on agricultural carbon emission intensity has regional heterogeneity, and the spatial carbon emission reduction effect of rural land transfer in southern China is deeper than that in northern China. Therefore, it is suggested to speed up rural land transfer and give full play to the spatial emission reduction effect of rural land transfer in various ways.
rural land transfer；agricultural carbon emissions；carbon peaks；carbon neutral；agricultural pollution
X32,F301.24
A
1000-6923(2023)12-6611-14
吉雪强,崔益邻,张思阳,等.农地流转对农业碳排放强度影响的空间效应及作用机制研究 [J]. 中国环境科学, 2023,43(12):6611-6624.
Ji X Q, Cui Y L, Zhang S Y, et al. Study on the spatial effect and action mechanism of the influence of rural land transfer on agricultural carbon emission intensity [J]. China Environmental Science, 2023,43(12):6611-6624.
2023-04-17
国家自然科学基金资助项目(72274207);国家社会科学基金资助项目(17BRK023)
* 责任作者, 教授, yuesong51@sina.com
吉雪强(1996-),男,江西吉安人,中国人民大学公共管理学院博士研究生,主要从事土地经济与政策、房地产经济与管理、农业生态经济研究.发表论文10余篇.jixueqiang@ruc.edu.cn.
