吳昊玥, 何艷秋, 陳 柔

?

中國農(nóng)業(yè)碳排放績(jī)效評(píng)價(jià)及隨機(jī)性收斂研究*——基于SBM-Undesirable模型與面板單位根檢驗(yàn)

吳昊玥, 何艷秋**, 陳 柔

(四川農(nóng)業(yè)大學(xué)管理學(xué)院 成都 611130)

當(dāng)前, 全局層面及工業(yè)視角下的碳排放績(jī)效評(píng)價(jià)和收斂性分析已趨于成熟, 但農(nóng)業(yè)碳排放方面的研究尚十分薄弱。為補(bǔ)充相關(guān)研究, 對(duì)區(qū)域農(nóng)業(yè)碳排放總量、績(jī)效及兩者的收斂趨勢(shì)有更清晰的認(rèn)識(shí), 本文在測(cè)算2000—2014年我國30個(gè)省市農(nóng)業(yè)碳排放總量的基礎(chǔ)上, 運(yùn)用SBM-Undesirable模型計(jì)算農(nóng)業(yè)碳排放績(jī)效, 并通過面板單位根檢驗(yàn)方法對(duì)全國和各區(qū)域的農(nóng)業(yè)碳排放總量及績(jī)效進(jìn)行了隨機(jī)性收斂檢驗(yàn)。結(jié)果顯示: 1) 2000—2014年間, 全國農(nóng)業(yè)碳排放量整體呈遞增趨勢(shì), 但各區(qū)域排放量差異明顯。比較中部與全國、東部和西部各年總量均值, 發(fā)現(xiàn)2000年的差值分別為3.357 4′106t, 3.965 0′106t和5.904 7′106t, 到2014年, 差距擴(kuò)大至5.244 8′106t, 7.351 2′106t和7.681 0′106t, 對(duì)應(yīng)增長(zhǎng)比例分別為56.2%、85.4%和30.0%。2)各區(qū)域農(nóng)業(yè)碳排放績(jī)效存在顯著差異。績(jī)效均值折線圖顯示, 東部平均績(jī)效較高, 15年來基本穩(wěn)定在0.8左右; 西部和中部績(jī)效均值較低, 絕大多數(shù)年份處于0.3~0.5, 但西部不斷改善, 中部則持續(xù)下降。3)對(duì)總量進(jìn)行收斂性檢驗(yàn), 發(fā)現(xiàn)全國、西部、中部呈現(xiàn)明顯的隨機(jī)性分異, 僅東部出現(xiàn)隨機(jī)性趨同; 在績(jī)效的收斂性檢驗(yàn)中, 全國范圍內(nèi)不存在隨機(jī)性收斂, 但東部、中部、西部各自呈俱樂部式隨機(jī)性收斂態(tài)勢(shì)。隨機(jī)性收斂檢驗(yàn)結(jié)果表明, 中國農(nóng)業(yè)碳排放總量和績(jī)效不會(huì)自動(dòng)降低到穩(wěn)態(tài)水平, 有必要進(jìn)行相關(guān)政策干預(yù), 以縮小各省市間的差距。本研究為制定區(qū)域間差異化和區(qū)域內(nèi)統(tǒng)一性農(nóng)業(yè)減排政策奠定了基礎(chǔ)。

農(nóng)業(yè)碳排放; 碳排放績(jī)效; SBM-Undesirable模型; 面板單位根; 隨機(jī)性收斂; 俱樂部收斂

科學(xué)研究顯示, 地球表面年平均氣溫在近百年內(nèi)上升了約0.6 ℃, 而當(dāng)氣溫上升5~6 ℃時(shí), 地球?qū)⒚媾R徹底的災(zāi)難。大氣中CO2等溫室氣體的濃度升高是導(dǎo)致氣溫上升的重要因素, 因此, 碳排放成為全世界關(guān)注的焦點(diǎn)問題之一。中國承諾: 到2030年單位GDP的碳排放要比2005年下降60%~65%, 這就要求各產(chǎn)業(yè)大力減排。盡管二、三產(chǎn)業(yè)是碳排放的主導(dǎo)部門, 然而大量農(nóng)用柴油以及化肥農(nóng)藥的使用, 使得農(nóng)業(yè)對(duì)碳排放的影響也不容小覷: 近年來農(nóng)業(yè)碳排放占碳排放總量的比例已上升至17%[1], 遠(yuǎn)高于國際平均水平, 可見控制農(nóng)業(yè)碳排放刻不容緩。在這樣的現(xiàn)狀下, 研究中國農(nóng)業(yè)碳排放收斂性問題, 可為科學(xué)制定與實(shí)施區(qū)域農(nóng)業(yè)減排政策、實(shí)現(xiàn)可持續(xù)發(fā)展提供重要依據(jù)。

隨著低碳經(jīng)濟(jì)探索的深入, 國內(nèi)外學(xué)者針對(duì)碳排放收斂性問題開展了廣泛研究。Strazicich和List[2]利用IPS面板單位根檢驗(yàn)方法研究了21個(gè)工業(yè)化國家1960—1997年的碳排放隨機(jī)性收斂, 指出這些國家的人均碳排放存在收斂態(tài)勢(shì)。Westerlund和Basher[3]也認(rèn)為OECD國家的碳排放收斂趨勢(shì)存在, 但Lee等[4]認(rèn)為其中僅有4個(gè)國家存在收斂。許廣月[5]同樣以人均碳排放量為研究對(duì)象, 用中國1995—2007年的省際面板數(shù)據(jù)進(jìn)行實(shí)證, 發(fā)現(xiàn)中國人均碳排放量存在β條件收斂和東、中、西部俱樂部收斂, 不存在β絕對(duì)收斂, 但高廣闊等[6]認(rèn)為我國省區(qū)人均碳排放量普遍存在絕對(duì)收斂和條件收斂, 不存在俱樂部收斂。

縱觀國內(nèi)外, 對(duì)碳排放收斂性的研究主要集中于全局和工業(yè)視角, 針對(duì)農(nóng)業(yè)碳排放收斂的研究部分相當(dāng)薄弱, 目前相關(guān)研究屈指可數(shù)。高鳴等[7]使用ML指數(shù)、空間Morans’I指數(shù)和3種收斂性模型分析了中國1999—2010年農(nóng)業(yè)碳排放績(jī)效的空間聚集與收斂等問題, 發(fā)現(xiàn)中國農(nóng)業(yè)碳排放績(jī)效存在“俱樂部收斂”效應(yīng), 即碳排放績(jī)效水平和外界影響因素類似的地區(qū), 其碳排放將收斂于統(tǒng)一穩(wěn)態(tài)水平; 隨后, 楊秀玉[8]運(yùn)用泰爾指數(shù)及其分解方法, 測(cè)度了1993—2011年中國農(nóng)業(yè)碳強(qiáng)度分布的地區(qū)差異, 結(jié)果顯示不存在σ收斂和條件β收斂, 即不同地區(qū)間的碳排放差異不會(huì)隨時(shí)間推移而逐漸減小; 程琳琳等[9]利用核密度函數(shù)、收斂理論及空間計(jì)量方法對(duì)1997—2012年中國31個(gè)省區(qū)的農(nóng)業(yè)碳生產(chǎn)率分布收斂趨勢(shì)、聚類狀況以及俱樂部特征進(jìn)行了研究, 認(rèn)為東西部存在較為明顯的σ收斂現(xiàn)象, 但整體不存在σ收斂。

就已有的農(nóng)業(yè)碳排放收斂性研究而言, 幾位學(xué)者分別從農(nóng)業(yè)碳排放的績(jī)效、強(qiáng)度、生產(chǎn)率3個(gè)角度進(jìn)行了收斂性探究, 但由于在收斂檢驗(yàn)方法、指標(biāo)選擇、樣本數(shù)據(jù)等方面存在差異, 對(duì)收斂性的檢驗(yàn)并未取得一致結(jié)論, 并且檢驗(yàn)方法僅限于α、β、俱樂部檢驗(yàn)這3種傳統(tǒng)的截面和面板回歸收斂檢驗(yàn)方法, 在實(shí)際應(yīng)用中, β收斂不能表明收斂或不平衡的動(dòng)態(tài)過程[10]; 而且β收斂檢驗(yàn)主要是采用橫截面數(shù)據(jù), 橫截面收斂檢驗(yàn)具有不理想的規(guī)模性質(zhì),經(jīng)常拒絕非收斂假說, 從而使檢驗(yàn)結(jié)果出現(xiàn)偏差[11-13], 存在一定局限。因此, 本文采用隨機(jī)性收斂檢驗(yàn)作為研究方法, 區(qū)別于傳統(tǒng)收斂檢驗(yàn), 隨機(jī)性收斂檢驗(yàn)是一種改進(jìn)的、基于面板數(shù)據(jù)單位根檢驗(yàn)的方法, 由于面板數(shù)據(jù)比時(shí)間序列數(shù)據(jù)有更多變異性, 包含更多信息, 可以彌補(bǔ)單純使用時(shí)間序列或截面數(shù)據(jù)研究的不足。在測(cè)算中國2000—2014年30個(gè)省市(港、澳、臺(tái)、西藏除外)農(nóng)業(yè)碳排放總量的基礎(chǔ)上, 本文運(yùn)用SBM-Undesirable模型計(jì)算農(nóng)業(yè)碳排放績(jī)效, 進(jìn)而采用面板單位根檢驗(yàn)方法分別對(duì)總量和績(jī)效進(jìn)行隨機(jī)性收斂檢驗(yàn), 以期為合理制定區(qū)域性和全國協(xié)調(diào)性的農(nóng)業(yè)碳減排政策提供一定參考。

1 研究方法與數(shù)據(jù)處理

1.1 農(nóng)業(yè)碳排放總量計(jì)算

參考現(xiàn)有農(nóng)業(yè)碳排放總量測(cè)算研究的做法[14-15], 一般將農(nóng)業(yè)碳排放源分為3個(gè)部分: 一是農(nóng)地利用導(dǎo)致的碳排放, 包括化肥、農(nóng)藥、農(nóng)膜等農(nóng)用物質(zhì)投入引發(fā)的碳排放, 農(nóng)用機(jī)械使用耗費(fèi)柴油引起的碳排放, 翻耕破壞土壤表層而導(dǎo)致的有機(jī)碳流失以及灌溉過程中電能利用間接耗費(fèi)化石燃料所形成的碳釋放; 二是水稻生長(zhǎng)發(fā)育過程中產(chǎn)生甲烷等溫室氣體引起的碳排放; 三是反芻動(dòng)物養(yǎng)殖帶來的碳排放, 包括腸道發(fā)酵和糞便管理所引起的甲烷排放。農(nóng)業(yè)碳排放總量為各碳源所導(dǎo)致的碳排放量總和, 表1列出了各碳源碳排放系數(shù)。

表1 農(nóng)業(yè)碳排放源所對(duì)應(yīng)碳排放系數(shù)

1.2 考慮非期望產(chǎn)出的SBM模型

1.2.1 模型介紹

對(duì)于碳排放績(jī)效的測(cè)算, 主流方法為數(shù)據(jù)包絡(luò)分析(DEA)方法, 它能同時(shí)處理涉及多項(xiàng)內(nèi)容的投入與產(chǎn)出評(píng)價(jià)問題, 沒有預(yù)設(shè)生產(chǎn)函數(shù)和參數(shù)的困難, 并且, 通過數(shù)學(xué)規(guī)劃產(chǎn)生投入、產(chǎn)出的權(quán)重, 消除主觀因素影響, 能保證評(píng)價(jià)的客觀公正。

傳統(tǒng)DEA對(duì)于效率評(píng)價(jià)的原則是利益最大化, 也就是用盡可能最小的投入獲得最大的產(chǎn)出。但是, 在提倡低碳型社會(huì)的背景下, 農(nóng)業(yè)生產(chǎn)過程包含不期望產(chǎn)生的碳排放這一副產(chǎn)品, 即非期望產(chǎn)出。Tone[19-20]提出了基于非徑向和非角度的模型SBM, 在其基礎(chǔ)上發(fā)展起來的SBM-Undesirable模型是一種既能包含期望產(chǎn)出, 又能包含非期望產(chǎn)出的測(cè)算模型。由于在VRS和CRS的不同假設(shè)前提下測(cè)算結(jié)果不相同, 借鑒王兵等[21]的處理方法, 本研究采用基于VRS假設(shè)下的SBM-Undesirable模型進(jìn)行農(nóng)業(yè)碳排放績(jī)效測(cè)算。

該模型假設(shè)生產(chǎn)系統(tǒng)有個(gè)決策單元(DMU), 每個(gè)特定的決策單元都有3方面的要素, 即投入、期望產(chǎn)出與非期望產(chǎn)出, 分別表示為、和, 則可以定義3個(gè)矩陣、和, 且滿足,,, 那么生產(chǎn)可能集可以表示為:

(2)

1.2.2 指標(biāo)選擇與數(shù)據(jù)處理

所有數(shù)據(jù)均來源于歷年的《中國統(tǒng)計(jì)年鑒》、《中國農(nóng)村統(tǒng)計(jì)年鑒》、各省統(tǒng)計(jì)局所公布數(shù)據(jù)和《改革開放三十年農(nóng)業(yè)統(tǒng)計(jì)資料》, 不考慮港、澳、臺(tái)地區(qū), 由于西藏地區(qū)數(shù)據(jù)缺失較多, 也不計(jì)入測(cè)算范圍。經(jīng)整理, 形成2000—2014年中國大陸30個(gè)省市的面板數(shù)據(jù)。

在已有研究和測(cè)算結(jié)果的基礎(chǔ)上, 結(jié)合經(jīng)濟(jì)學(xué)中的三大生產(chǎn)要素投入考慮, 本文將農(nóng)業(yè)生產(chǎn)活動(dòng)中的投入分為勞動(dòng)投入、土地投入、資本投入和其他投入4部分, 而產(chǎn)出則分為期望產(chǎn)出和非期望產(chǎn)出(表2)。

其中, 資本投入指標(biāo)不能直接獲得, 在農(nóng)業(yè)資本投入的數(shù)據(jù)處理上, 本文借鑒王金田等[22]的方法, 沿用永續(xù)盤存法, 選取嚴(yán)格意義上的不包含人力和土地的純物質(zhì)資本。其計(jì)算公式為:

表2 農(nóng)業(yè)碳排放績(jī)效評(píng)價(jià)投入產(chǎn)出指標(biāo)

1.3 隨機(jī)性收斂檢驗(yàn)

本文采用的隨機(jī)收斂檢驗(yàn)的框架來源于Evans等[11], 其基本思路為: 假設(shè)存在個(gè)地區(qū), 而這個(gè)地區(qū)之間存在趨同現(xiàn)象, 當(dāng)且僅當(dāng)共同趨勢(shì)和參數(shù)存在, 以使下式成立:

(6)

(8)

式中,、表示區(qū)域效應(yīng), 參數(shù)使得的所有單位根處于單位圓之外,表示滯后算子, 假定在, 式(9)中所有的在地區(qū)間都不存在相關(guān)關(guān)系。應(yīng)用面板單位根檢驗(yàn)方法, 檢驗(yàn)所有面板數(shù)據(jù)序列是否平穩(wěn)從而檢驗(yàn)所有地區(qū)是否隨機(jī)收斂。當(dāng)時(shí),為平穩(wěn)序列, 產(chǎn)出差距服從平穩(wěn)隨機(jī)過程, 表明所有地區(qū)存在趨同均衡水平移動(dòng), 對(duì)地區(qū)的外生沖擊就是暫時(shí)的, 地區(qū)間碳排放績(jī)效存在隨機(jī)性趨同; 如果, 則包含單位根過程產(chǎn)出, 外生沖擊就會(huì)持續(xù)積累, 最終使各地區(qū)的碳排放績(jī)效呈隨機(jī)發(fā)散。

2 結(jié)果與分析

2.1 農(nóng)業(yè)碳排放總量的測(cè)算結(jié)果及分析

為了分析中國農(nóng)業(yè)碳排放績(jī)效的變化情況, 本文根據(jù)前文所述公式, 使用2000—2014年的各省對(duì)應(yīng)數(shù)據(jù)計(jì)算出農(nóng)業(yè)碳排放總量。同時(shí), 根據(jù)經(jīng)濟(jì)結(jié)構(gòu)、地理位置等因素, 將全國分為東、西、中部3個(gè)區(qū)域, 為便于將各區(qū)域農(nóng)業(yè)碳排放情況進(jìn)行對(duì)比, 再進(jìn)一步計(jì)算各區(qū)域碳排放總量均值, 即各區(qū)域碳排放總量除以各區(qū)域包含的省市個(gè)數(shù)。結(jié)果如表3所示。

表3 2000—2014年全國及3區(qū)域農(nóng)業(yè)碳排放量均值

東部地區(qū)包括北京、天津、河北、遼寧、山東、江蘇、浙江、上海、福建、廣東、海南和廣西, 西部地區(qū)包括四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆和西藏, 中部地區(qū)包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北和湖南。The eastern region consists of Beijing, Tianjin, Hebei, Liaoning, Shandong, Jiangsu, Zhejiang, Shanghai, Fujian, Guangdong, Hainan and Guangxi. The western region includes Sichuan, Guizhou, Yunnan, Shaanxi, Gansu, Qinghai, Ningxia, Xinjiang and Tibet. The middle region includes Shanxi, Inner Mongolia, Jilin, Heilongjiang, Anhui, Jiangxi, Henan, Hubei, and Hunan.

表3展示了全國和東、中、西部三大區(qū)域農(nóng)業(yè)碳排放總量均值的演變趨勢(shì)?？梢园l(fā)現(xiàn):

1)2000—2014年, 全國農(nóng)業(yè)碳排放量整體呈現(xiàn)遞增趨勢(shì)。以2000年為基期, 全國和東、中、西部三大區(qū)域農(nóng)業(yè)碳排放總量均值年均增長(zhǎng)率分別為0.21%、-0.32%、0.61%和0.32%。除東部農(nóng)業(yè)碳排放總量均值整體呈現(xiàn)逐漸下降趨勢(shì)外, 西部和中部的碳排放量均呈現(xiàn)增長(zhǎng)趨勢(shì), 且中部環(huán)比增長(zhǎng)速度、年均增長(zhǎng)速度均為最大。

2)環(huán)比增長(zhǎng)速度顯示, 2000—2003年, 3個(gè)區(qū)域的農(nóng)業(yè)碳排放量增長(zhǎng)較緩, 通過匯總計(jì)算這4年農(nóng)業(yè)碳排放源的原始數(shù)據(jù)發(fā)現(xiàn): 自2000年以來, 農(nóng)地利用各類碳源引發(fā)的碳排放逐年減少, 可能是由于“三農(nóng)”問題進(jìn)一步凸顯, 農(nóng)業(yè)生產(chǎn)活動(dòng)受到影響, 農(nóng)地利用造成的碳排放在一定程度上被抑制。到了2004年, 全國和3個(gè)區(qū)域的碳排放總量均值增長(zhǎng)率較高, 是由于2004年中央一號(hào)文件的惠農(nóng)政策極大刺激了農(nóng)民的農(nóng)業(yè)生產(chǎn)積極性, 農(nóng)地利用、水稻種植等活動(dòng)導(dǎo)致的農(nóng)業(yè)碳排放不斷增加; 2006年, 全國和3個(gè)區(qū)域的碳排放總量均值大幅度下降, 從各農(nóng)業(yè)碳排放源尋找原因, 發(fā)現(xiàn)全國絕大多數(shù)省市牛、豬、馬等各類反芻動(dòng)物的養(yǎng)殖規(guī)模比2005年縮減較多, 尤其是從全國總量而言, 牛、豬的養(yǎng)殖數(shù)量比2005年分別減少25.5%和16.9%, 農(nóng)藥化肥施用規(guī)模也在一定程度上比上年縮減, 據(jù)推測(cè)是由于“十一五”規(guī)劃期間制定實(shí)施了節(jié)能減排強(qiáng)制措施, 再加上農(nóng)民的環(huán)保意識(shí)增強(qiáng), 農(nóng)藥化肥施用量相對(duì)減少, 但偶爾也存在反彈現(xiàn)象。

3)從截面角度來看, 各區(qū)域的農(nóng)業(yè)碳排放量差異十分明顯, 中部每年的農(nóng)業(yè)碳排放總量均值都遠(yuǎn)遠(yuǎn)大于全國、東部和西部。2000年, 中部與全國、東部和西部農(nóng)業(yè)碳排放總量的均值相比, 差值分別為335.741萬t、396.501萬t、590.469萬t, 到2014年差值擴(kuò)大至524.480萬t、735.123萬t、768.102萬t, 對(duì)應(yīng)差值的增長(zhǎng)比例分別為56.2%、85.4%和30.0%, 中部與東部農(nóng)業(yè)碳排放總量的均值差距呈現(xiàn)出更加明顯的擴(kuò)大趨勢(shì)。再將東部與西部、全國的農(nóng)業(yè)碳排放量均值進(jìn)行比較, 發(fā)現(xiàn)東部農(nóng)業(yè)碳排放量在2000年比全國均值少60.76萬t, 比西部均值多193.968萬t, 在2014年比全國均值少210.643萬t, 比西部均值多32.979萬t, 這是由于東部農(nóng)業(yè)碳排放量在逐漸減少, 而西部的農(nóng)業(yè)碳排放量在緩慢增加, 則東西間的差距在不斷縮小, 但環(huán)比增長(zhǎng)速度顯示, 兩者最終不會(huì)趨近于同一水平, 很有可能短暫地處于同一碳排放水平后再次趨異, 呈現(xiàn)出西部農(nóng)業(yè)碳排放量逐漸高于東部的特征。

2.2 農(nóng)業(yè)碳排放績(jī)效的測(cè)算結(jié)果及分析

在計(jì)算出農(nóng)業(yè)碳排放量并進(jìn)行簡(jiǎn)要分析的基礎(chǔ)上, 為進(jìn)一步探究我國農(nóng)業(yè)碳排放的績(jī)效情況, 本文利用DEA Solver pro 5.0軟件, 選用VRS假設(shè)下的SBM-Undesirable模型測(cè)算中國各地區(qū)的農(nóng)業(yè)碳排放績(jī)效, 具體結(jié)果如表4所示。

結(jié)果顯示, 30個(gè)省市中共有7個(gè)省市超過半數(shù)的年份碳排放績(jī)效位于生產(chǎn)前沿面上, 說明相對(duì)于其他地區(qū)而言, 這7個(gè)地區(qū)的投入產(chǎn)出基本已達(dá)到最優(yōu)水平, 在農(nóng)業(yè)發(fā)展的同時(shí)有效地兼顧了碳排放的控制。其中, 現(xiàn)代農(nóng)業(yè)較為發(fā)達(dá)地區(qū)的農(nóng)業(yè)碳排放績(jī)效較高, 如上海、北京、江蘇、浙江、福建5個(gè)地區(qū)。海南省農(nóng)業(yè)碳排放績(jī)效一直為1.000, 青海自2007年起也一直保持1.000的績(jī)效值, 雖然這兩個(gè)省份的現(xiàn)代農(nóng)業(yè)尚處于發(fā)展中階段, 但相對(duì)效率的測(cè)算是從規(guī)模和技術(shù)兩個(gè)角度進(jìn)行比較而得出績(jī)效值, 因此, 海南和青海等地碳排放績(jī)效相對(duì)其自身實(shí)現(xiàn)了有效。

其余23個(gè)無效省市中, 山東、河北和遼寧農(nóng)業(yè)碳排放績(jī)效值基本保持在0.5~1, 說明農(nóng)業(yè)碳排放投入產(chǎn)出方面再進(jìn)行一些改進(jìn), 即可實(shí)現(xiàn)有效; 不過農(nóng)業(yè)大省山東自2008年起碳排放績(jī)效就穩(wěn)定在1.000, 其發(fā)展趨勢(shì)較好。相比之下, 云南、四川、新疆、湖北、湖南、江西等地區(qū)農(nóng)業(yè)碳排放績(jī)效稍差一些, 大多數(shù)年份都在0.3~0.6間波動(dòng), 農(nóng)業(yè)碳排放績(jī)效具有較大改進(jìn)空間。

績(jī)效值排在最末的3個(gè)省市是寧夏、山西和甘肅, 寧夏所有年份對(duì)應(yīng)的農(nóng)業(yè)碳排放績(jī)效都小于0.3, 山西和甘肅也有過半數(shù)年份農(nóng)業(yè)碳排放績(jī)效不足0.3, 處于較低水平, 屬于碳排放績(jī)效非有效地區(qū), 需要改變投入和產(chǎn)出來推動(dòng)農(nóng)業(yè)碳排放績(jī)效達(dá)到有效狀態(tài)。對(duì)2000—2014年各省市的績(jī)效值取算術(shù)平均, 發(fā)現(xiàn)北京、天津、海南、青海等12個(gè)省市的農(nóng)業(yè)碳排放績(jī)效處于全國平均水平以上, 而四川、貴州、云南、陜西、吉林、黑龍江等18個(gè)省市的績(jī)效值均在全國平均水平之下。也就是說, 農(nóng)業(yè)碳排放整體績(jī)效較優(yōu)的省份基本屬于東部地區(qū), 而績(jī)效值較差的省份絕大多數(shù)來自西部或中部。

可見, 不同省份的農(nóng)業(yè)碳排放績(jī)效存在一定的差異。那么, 在全國和區(qū)域兩個(gè)視角下, 農(nóng)業(yè)碳排放績(jī)效值是否存在較大差距？為了對(duì)各地區(qū)碳排放績(jī)效水平和區(qū)域間差異有一個(gè)直觀而又形象的認(rèn)識(shí), 本文用各年份對(duì)應(yīng)的3個(gè)區(qū)域與全國各自的平均績(jī)效值繪制了折線圖, 見圖1。

從圖1可以看出, 東、中、西部之間的農(nóng)業(yè)碳排放績(jī)效確實(shí)存在差異, 且差距格局在這15年間基本保持穩(wěn)定。全國的農(nóng)業(yè)碳排放績(jī)效變化不大, 基本在0.6上下小幅度波動(dòng), 東部農(nóng)業(yè)碳排放績(jī)效也大體穩(wěn)定在0.8左右, 而西部和中部農(nóng)業(yè)碳排放績(jī)效呈現(xiàn)出相反的發(fā)展趨勢(shì), 雖然西部農(nóng)業(yè)碳排放績(jī)效的起點(diǎn)是3個(gè)區(qū)域中最低的, 但15年來已經(jīng)有了一定改善, 而中部2000年的農(nóng)業(yè)碳排放績(jī)效處于東部和西部之間, 到2014年已降至末位。據(jù)實(shí)際情況推測(cè), 由于我國東部擁有最新農(nóng)業(yè)技術(shù)和大量資金投入, 有利于在農(nóng)業(yè)生產(chǎn)環(huán)節(jié)推動(dòng)碳減排, 在農(nóng)業(yè)發(fā)展過程中也更加注重資源和環(huán)境的保護(hù), 發(fā)展方式比較持續(xù)。而中、西部地區(qū)受地形地勢(shì)和農(nóng)業(yè)科技水平的限制, 農(nóng)業(yè)經(jīng)濟(jì)發(fā)展方式較為粗放, 使其農(nóng)業(yè)碳排放量多且績(jī)效值低, 并在農(nóng)業(yè)發(fā)展過程中造成大量資源消耗和嚴(yán)重環(huán)境污染。尤其是中部地區(qū), 從近年來的發(fā)展趨勢(shì)來看, 如果再不對(duì)農(nóng)業(yè)碳排放進(jìn)行控制的話, 其農(nóng)業(yè)碳排放量可能會(huì)繼續(xù)增長(zhǎng)。

表4 中國2000—2014年各地區(qū)農(nóng)業(yè)碳排放績(jī)效

2.3 隨機(jī)性收斂檢驗(yàn)

從全國和區(qū)域兩個(gè)層面來講, 農(nóng)業(yè)碳排放總量和績(jī)效都存在顯著差異。伴隨著時(shí)間的推移, 省市、區(qū)域間的空間差異會(huì)趨于增大還是縮小?本文使用LLC、ADF-Fisher和PP-Fisher 3種面板單位根檢驗(yàn)方法對(duì)我國農(nóng)業(yè)碳排放總量和績(jī)效分別進(jìn)行了隨機(jī)性收斂檢驗(yàn)。首先進(jìn)行農(nóng)業(yè)碳排放總量隨機(jī)性收斂檢驗(yàn), 參照Carlino等[23-24]關(guān)于隨機(jī)性趨同模型的設(shè)定, 檢驗(yàn)過程如下:

第一步, 用各省市農(nóng)業(yè)碳排放量減去全國平均值, 形成一個(gè)差值面板數(shù)據(jù), 對(duì)其進(jìn)行面板單位根檢驗(yàn), 得到全國范圍的農(nóng)業(yè)碳排放收斂檢驗(yàn)結(jié)果;

第二步, 對(duì)各區(qū)域內(nèi)部進(jìn)行俱樂部式隨機(jī)性收斂, 把東、中、西各區(qū)域所包含省市對(duì)應(yīng)的農(nóng)業(yè)碳排放量減去所在區(qū)域的平均值, 將形成的3個(gè)面板數(shù)據(jù)依次進(jìn)行檢驗(yàn), 得到各區(qū)域內(nèi)部的收斂結(jié)果。

如果結(jié)果通過了給定顯著性水平下的檢驗(yàn), 證明面板數(shù)據(jù)拒絕存在面板單位根的原假設(shè), 那么就證明存在隨機(jī)性趨同。對(duì)績(jī)效進(jìn)行隨機(jī)性收斂檢驗(yàn)的操作與總量隨機(jī)性收斂檢驗(yàn)相似, 此處不再贅述。得到的檢驗(yàn)結(jié)果如表5、表6所示。

2.3.1 總量隨機(jī)性收斂檢驗(yàn)結(jié)果分析

首先分析總量的隨機(jī)性收斂檢驗(yàn)結(jié)果, LLC、ADF-Fisher和PP-Fisher的原假設(shè)均為存在單位根, 在全國范圍來看, 由于僅有PP-Fisher檢驗(yàn)?zāi)茉?%的顯著性水平下拒絕原假設(shè), LLC和ADF-Fisher檢驗(yàn)中值分別為0.640 3和0.263 8, 根據(jù)少數(shù)服從多數(shù)的原則, 認(rèn)為全國農(nóng)業(yè)碳排放總量面板數(shù)據(jù)存在單位根, 即不存在隨機(jī)性收斂, 全國各省市間碳排放量存在較大差距, 且不可能自然趨于同一水平。

從區(qū)域角度而言, 對(duì)東部碳排放量進(jìn)行的LLC、ADF-Fisher和PP-Fisher檢驗(yàn)均能在1%的顯著性水平下拒絕存在單位根的假設(shè), 證明東部地區(qū)農(nóng)業(yè)碳排放量表現(xiàn)出隨機(jī)性收斂, 隨著時(shí)間推移, 東部地區(qū)省市之間的農(nóng)業(yè)碳排放量差距能保持一個(gè)相對(duì)平穩(wěn)的變化路徑。

表5 不同區(qū)域與全國農(nóng)業(yè)碳排放總量隨機(jī)性收斂檢驗(yàn)結(jié)果

表6 不同區(qū)域與全國農(nóng)業(yè)碳排放績(jī)效隨機(jī)性收斂檢驗(yàn)結(jié)果

西部地區(qū)的檢驗(yàn)結(jié)果中,值分別為0.973 1、0.768 2和0.778 6, 均不能拒絕原假設(shè)。由于云南、甘肅和新疆的農(nóng)業(yè)碳排放量上升較快, 分別從2000年的1 135萬t、355萬t、417萬t增加到2014年的1 305萬t、568萬t和729萬t, 而其余省市在這14年間基本保持穩(wěn)定的排放量, 導(dǎo)致西部區(qū)域內(nèi)部各省市的農(nóng)業(yè)碳排放表現(xiàn)出不同的發(fā)展路徑, 不能構(gòu)成穩(wěn)定的差異均衡, 所以不存在西部俱樂部式隨機(jī)性收斂。

中部地區(qū)的檢驗(yàn)結(jié)果與西部地區(qū)相似, 同樣無法在5%的顯著性水平下拒絕原假設(shè)。觀察中部地區(qū)各省市農(nóng)業(yè)碳排放總量, 發(fā)現(xiàn)山西省基本上每年的排放量保持在300萬t左右, 整體趨勢(shì)較平穩(wěn), 而其他省市都表現(xiàn)出不同幅度的增長(zhǎng)趨勢(shì), 其中, 黑龍江省的增長(zhǎng)幅度最大, 在2000年的農(nóng)業(yè)碳排放量為1 162萬t, 到2014年增加到2 133萬t。因此, 區(qū)域內(nèi)部不同的發(fā)展趨勢(shì)阻礙了中部隨機(jī)性收斂俱樂部的形成。

2.3.2 績(jī)效隨機(jī)性收斂檢驗(yàn)結(jié)果分析

在績(jī)效的收斂性檢驗(yàn)結(jié)果中, 可以看出: 對(duì)全國農(nóng)業(yè)碳排放績(jī)效進(jìn)行LLC檢驗(yàn)值為0.147 9, 不能拒絕原假設(shè); ADF-Fisher檢驗(yàn)中,值也不能拒絕原假設(shè); 與LLC和ADF-Fisher檢驗(yàn)結(jié)果相反, PP- Fisher檢驗(yàn)結(jié)果值能在5%的顯著性水平下拒絕存在單位根的原假設(shè), 但由于前兩個(gè)檢驗(yàn)均接受了原假設(shè), 故傾向于認(rèn)為全國農(nóng)業(yè)碳排放績(jī)效不存在隨機(jī)性收斂, 這也與圖1所示全國和3個(gè)地區(qū)的平均績(jī)效對(duì)比圖相符, 全國、東部、西部和中部農(nóng)業(yè)碳排放績(jī)效都呈現(xiàn)出不同的發(fā)展趨勢(shì), 其差距不可能在自然狀態(tài)下保持一個(gè)均衡變化路徑。

顯然, 在對(duì)東部地區(qū)的檢驗(yàn)中, 3個(gè)檢驗(yàn)結(jié)果都能拒絕原假設(shè), 表示東部地區(qū)農(nóng)業(yè)碳排放績(jī)效表現(xiàn)出隨機(jī)性收斂特征, 從績(jī)效值來看, 東部的省市平均績(jī)效很高, 雖然各省市的績(jī)效表現(xiàn)出細(xì)小的波動(dòng), 但大體趨勢(shì)都比較穩(wěn)定。

接下來觀察對(duì)西部地區(qū)的檢驗(yàn)結(jié)果, LLC檢驗(yàn)接受原假設(shè), ADF-Fisher和PP-Fisher分別在1%和5%的顯著水平下拒絕原假設(shè), 同樣根據(jù)少數(shù)服從多數(shù)原則, 西部地區(qū)農(nóng)業(yè)碳排放績(jī)效存在隨機(jī)性收斂。

最后是對(duì)中部地區(qū)的隨機(jī)性趨同檢驗(yàn), 3種方法均能在1%的顯著性水平下拒絕原假設(shè), 表明面板數(shù)據(jù)不存在單位根。雖然中西部區(qū)域一些省市在個(gè)別年份出現(xiàn)了異常值, 比如四川省2003年和2004年的績(jī)效值突然升至1.000, 新疆2010年的績(jī)效值也由0.470變成1.000, 但這些省市的績(jī)效隨后都回到了各自的穩(wěn)定值, 區(qū)域內(nèi)部省市間的差距變化路徑能保持平穩(wěn), 中部地區(qū)的農(nóng)業(yè)碳排放績(jī)效存在隨機(jī)性收斂。

2.3.3 總量和績(jī)效隨機(jī)性收斂檢驗(yàn)結(jié)果的對(duì)比分析

對(duì)總量和績(jī)效的收斂檢驗(yàn)結(jié)果既存在相似之處, 也有一些區(qū)別:

1)全國農(nóng)業(yè)碳排放總量和績(jī)效均不存在隨機(jī)性趨同現(xiàn)象, 而表現(xiàn)為一種隨機(jī)性分異的過程。也就是說, 我國地區(qū)間農(nóng)業(yè)碳排放量和績(jī)效的差異在不斷拉大, 這種差距并不是短期性的, 而是會(huì)長(zhǎng)期存在, 并且不會(huì)自動(dòng)消失, 這可能是由于各省市之間農(nóng)業(yè)生產(chǎn)方式和能源消費(fèi)存在較大差異。

2)將3個(gè)區(qū)域各自作為整體進(jìn)行隨機(jī)性收斂檢驗(yàn)時(shí), 東部地區(qū)的農(nóng)業(yè)碳排放量和績(jī)效都存在隨機(jī)性收斂, 是由于我國東部擁有最新農(nóng)業(yè)技術(shù)和大量資金投入, 相對(duì)于中西部地區(qū), 不僅農(nóng)業(yè)碳排放量較少, 還有利于在農(nóng)業(yè)生產(chǎn)環(huán)節(jié)推動(dòng)碳減排, 在農(nóng)業(yè)發(fā)展過程中也更加注重資源和環(huán)境的保護(hù), 大大降低了碳排放水平, 發(fā)展方式相對(duì)較為持續(xù), 平均績(jī)效較高, 屬于高績(jī)效低碳排俱樂部; 中部和西部地區(qū)的農(nóng)業(yè)碳排放量呈現(xiàn)發(fā)散趨勢(shì), 但績(jī)效存在俱樂部式隨機(jī)性收斂, 中西部受地形地勢(shì)和農(nóng)業(yè)科技水平的限制, 農(nóng)業(yè)經(jīng)濟(jì)發(fā)展方式較為粗放。從整體上看, 農(nóng)業(yè)碳排放量多且省市間差異明顯, 績(jī)效值也處于低水平, 但區(qū)域內(nèi)部的績(jī)效情況存在一定程度的趨同現(xiàn)象, 可這并不意味著農(nóng)業(yè)碳排放績(jī)效改善, 而是向低水平的趨同表現(xiàn), 中部和西部?jī)蓚€(gè)區(qū)域都屬于低績(jī)效高碳排俱樂部。

3)據(jù)實(shí)際情況推測(cè), 總量與績(jī)效的收斂結(jié)果存在差異可能是由于: 傳統(tǒng)的區(qū)域劃分方式綜合了多個(gè)因素, 在中國三大區(qū)域內(nèi), 經(jīng)濟(jì)發(fā)展初始條件、自然環(huán)境條件、產(chǎn)業(yè)結(jié)構(gòu)、發(fā)展基礎(chǔ)等多個(gè)方面大體相似, 即使區(qū)域內(nèi)各省市的農(nóng)業(yè)生產(chǎn)方式有差異, 但農(nóng)業(yè)碳排放績(jī)效的評(píng)價(jià)指標(biāo)包括多個(gè)方面, 三大區(qū)域內(nèi)的績(jī)效總體能呈現(xiàn)出各自的收斂特征; 而農(nóng)業(yè)碳排放總量?jī)H僅是一個(gè)指標(biāo), 相對(duì)于綜合考慮多個(gè)指標(biāo)的績(jī)效, 總量出現(xiàn)收斂的要求更為嚴(yán)苛, 所以區(qū)域內(nèi)的農(nóng)業(yè)碳排放量差異明顯, 不能保持平穩(wěn)的變化路徑。

3 結(jié)論與建議

3.1 結(jié)論

1)2000—2014年間, 全國平均農(nóng)業(yè)碳排放量呈現(xiàn)遞增趨勢(shì), 其中, 除東部農(nóng)業(yè)碳排放總量均值逐漸下降外, 西部和中部的碳排放量均呈現(xiàn)增長(zhǎng)趨勢(shì), 且中部環(huán)比增長(zhǎng)速度、年均增長(zhǎng)速度均為最大, 其每年的農(nóng)業(yè)碳排放總量均值都要遠(yuǎn)遠(yuǎn)大于全國、東部和西部, 差距未見有縮小趨勢(shì)。

2)從測(cè)算的績(jī)效結(jié)果來看, 東、中、西部之間的農(nóng)業(yè)碳排放績(jī)效也存在明顯差異, 差距格局基本保持穩(wěn)定。全國和東部的農(nóng)業(yè)碳排放績(jī)效分別在0.6和0.8上下小幅度波動(dòng), 中部和西部絕大多數(shù)年份的績(jī)效都處于0.3~0.5。3個(gè)區(qū)域中, 東部地區(qū)績(jī)效一直遙遙領(lǐng)先, 西部農(nóng)業(yè)碳排放績(jī)效的起點(diǎn)最低, 但在漸漸改善, 而中部績(jī)效起點(diǎn)處于東部和西部之間, 近幾年已降至末位。

3)在對(duì)總量和績(jī)效分別進(jìn)行隨機(jī)性收斂檢驗(yàn)后, 發(fā)現(xiàn)兩者結(jié)果有相似也有差異?？偭糠矫? 從全國范圍而言, 總量不表現(xiàn)出收斂, 且各省市差距不斷擴(kuò)大, 東部地區(qū)存在隨機(jī)性收斂, 中部和西部地區(qū)呈現(xiàn)發(fā)散趨勢(shì)?？?jī)效方面, 全國呈顯著發(fā)散, 但東部、中部和西部各區(qū)域內(nèi)存在俱樂部式隨機(jī)性收斂, 這表明, 中國農(nóng)業(yè)碳排放績(jī)效不會(huì)自動(dòng)降低到一個(gè)穩(wěn)態(tài)水平, 東、中、西各省市能收斂于3個(gè)不同的穩(wěn)態(tài), 但區(qū)別于東部績(jī)效的高水平趨同, 中、西部區(qū)域?qū)儆谙虻涂?jī)效趨同的俱樂部。

3.2 建議

根據(jù)以上結(jié)論, 本文提出以下建議:

1)落實(shí)農(nóng)業(yè)碳排放總量控制, 并因地制宜。由于空間差異明顯, 在制定區(qū)域農(nóng)業(yè)碳減排政策時(shí), 不應(yīng)用劃一的方式一律處理, 而應(yīng)立足于當(dāng)?shù)貙?shí)際, 設(shè)立差別化的減排目標(biāo), 從農(nóng)業(yè)碳排放各類源頭入手, 控制排放量, 對(duì)農(nóng)業(yè)碳排放量過高的地區(qū)(如湖南、河南、四川等地)制訂嚴(yán)格的減排任務(wù), 并積極引進(jìn)農(nóng)業(yè)碳減排技術(shù), 最終實(shí)現(xiàn)農(nóng)業(yè)碳減排。并且, 經(jīng)計(jì)算發(fā)現(xiàn)有部分省市反芻動(dòng)物腸道發(fā)酵和糞便處理產(chǎn)生的碳排放占到了農(nóng)業(yè)碳排放總量的一半, 大量的牲畜糞便得不到有效處理, 導(dǎo)致了過多的碳排放, 故應(yīng)加強(qiáng)牲畜糞便管理。種植業(yè)方面, 除化肥外, 農(nóng)膜帶來的碳排放也不可忽視, 但有部分地區(qū)甚至還在推廣農(nóng)膜的使用, 在甘肅省和新疆等地區(qū), 農(nóng)膜貢獻(xiàn)的農(nóng)業(yè)碳排放超過總量的20%, 這些地區(qū)可采取機(jī)械化覆膜、撿膜的方式減少農(nóng)膜殘留造成的碳排放。

2)根據(jù)各區(qū)域農(nóng)業(yè)碳排放績(jī)效的差異性采取差異化的農(nóng)業(yè)生產(chǎn)方式。東部地區(qū)績(jī)效相對(duì)較高, 需在保持高績(jī)效的基礎(chǔ)上繼續(xù)優(yōu)化生產(chǎn)資料配置, 爭(zhēng)取整體向生產(chǎn)前沿面靠攏。由于中部和西部分布著許多農(nóng)業(yè)大省, 農(nóng)業(yè)碳排放難免較多, 非期望產(chǎn)出過量導(dǎo)致績(jī)效偏低, 但同樣是農(nóng)業(yè)大省的山東省農(nóng)業(yè)碳排放績(jī)效為1.000, 說明生產(chǎn)資料投入的配置非常有效, 不存在冗余現(xiàn)象, 可以為其他農(nóng)業(yè)大省的績(jī)效改進(jìn)做出示范: 從投入角度而言, 西部地區(qū)如貴州、云南、青海、甘肅等屬于我國的欠發(fā)達(dá)地區(qū), 農(nóng)村勞動(dòng)力轉(zhuǎn)移速度較慢, 第一產(chǎn)業(yè)從業(yè)人員較多, 且素質(zhì)相對(duì)偏低, 容易出現(xiàn)勞動(dòng)力投入冗余現(xiàn)象?；适寝r(nóng)業(yè)生產(chǎn)的基本投入, 然而在部分省市, 化肥導(dǎo)致的碳排放量占農(nóng)業(yè)碳排放總量的30%以上, 過多的化肥投入會(huì)導(dǎo)致農(nóng)業(yè)碳排放績(jī)效損失, 這要求實(shí)現(xiàn)從無機(jī)肥使用向有機(jī)肥方向轉(zhuǎn)變, 并結(jié)合各省農(nóng)用土地的性質(zhì), 積極探求新型化肥施用方式, 提高農(nóng)作物的化肥吸收效率。

3)通過政策干預(yù)盡早實(shí)現(xiàn)農(nóng)業(yè)碳排總量和績(jī)效的區(qū)域隨機(jī)性收斂。盡管希望農(nóng)業(yè)碳排放的績(jī)效和總量能在未來表現(xiàn)出隨機(jī)性收斂特征, 但從長(zhǎng)期看, 全國范圍內(nèi)的差異僅依靠自然本身是不能實(shí)現(xiàn)收斂的, 不管是總量還是績(jī)效, 各省市間差距都不會(huì)無條件地自動(dòng)消失, 有必要進(jìn)行相關(guān)政策干預(yù)。區(qū)域范圍內(nèi), 東部地區(qū)的農(nóng)業(yè)碳排放總量控制良好, 對(duì)于中部和西部地區(qū)的農(nóng)業(yè)碳減排活動(dòng), 政府和相關(guān)部門需給予物質(zhì)和技術(shù)支持, 但由于各地區(qū)資源稟賦、發(fā)展基礎(chǔ)等都存在顯著差異, 要達(dá)到總量收斂的目標(biāo)十分困難。3個(gè)區(qū)域內(nèi)部, 農(nóng)業(yè)碳排放績(jī)效差異較小, 可以考慮制定區(qū)域間有差異而區(qū)域內(nèi)統(tǒng)一的農(nóng)業(yè)碳排放績(jī)效優(yōu)化政策, 能一定程度上減少政策制定成本, 通過加大減排資金投入力度、引入先進(jìn)技術(shù)、提高生產(chǎn)資料配置效率等手段, 有望縮小區(qū)域間農(nóng)業(yè)碳排放績(jī)效的差距。

[1] 李波, 張俊飚, 李海鵬. 中國農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解[J]. 中國人口?資源與環(huán)境, 2011, 21(8): 80–86 Li B, Zhang J B, Li H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China[J]. China Population, Resources and Environment, 2011, 21(8): 80–86

[2] Strazicich M C, List J A. Are CO2emission levels converging among industrial countries?[J]. Environmental and Resource Economics, 2003, 24(3): 263–271

[3] Westerlund J, Basher S A. Testing for convergence in carbon dioxide emissions using a century of panel data[J]. Environmental and Resource Economics, 2008, 40(1): 109–120

[4] Lee C C, Chang C P. New evidence on the convergence of per capita carbon dioxide emissions from panel seemingly unrelated regressions augmented Dickey-Fuller tests[J]. Energy, 2008, 33(9): 1468–1475

[5] 許廣月. 碳排放收斂性: 理論假說和中國的經(jīng)驗(yàn)研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2010, (9): 31–42 Xu G Y. The convergence in carbon dioxide emissions: Theoretical hypotheses and empirical research in China[J]. The Journal of Quantitative and Technical Economics, 2010, (9): 31–42

[6] 高廣闊, 馬海娟. 我國碳排放收斂性: 基于面板數(shù)據(jù)的分位數(shù)回歸[J]. 統(tǒng)計(jì)與決策, 2012, (18): 25–28 Gao G K, Ma H J. China’s carbon emissions’ convergence: Based on the quantile regression of panel data[J]. Statistics and Decision, 2012, (18): 25–28

[7] 高鳴, 宋洪遠(yuǎn). 中國農(nóng)業(yè)碳排放績(jī)效的空間收斂與分異——基于Malmquist-luenberger指數(shù)與空間計(jì)量的實(shí)證分析[J]. 經(jīng)濟(jì)地理, 2015, 35(4): 142–148Gao M, Song H Y. Dynamic changes and spatial agglomeration analysis of the Chinese agricultural carbon emissions performance[J]. Economic Geography, 2015, 35(4): 142–148

[8] 楊秀玉. 中國農(nóng)業(yè)碳排放的地區(qū)差異與收斂性分析[J]. 湖北農(nóng)業(yè)科學(xué), 2016, 55(4): 1066–1072 Yang X Y. Regional differences and convergence of agricultural carbon emissions in China[J]. Hubei Province Agricultural Science, 2016, 55(4): 1066–1072

[9] 程琳琳, 張俊飚, 曾楊梅, 等. 中國農(nóng)業(yè)碳生產(chǎn)率的分布演進(jìn)與空間俱樂部收斂研究[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào), 2016, 21(7): 121–132 Cheng L L, Zhang J B, Zeng Y M, et al. Analysis on the dynamic evolution and spatial club convergence of national agricultural carbon productivity[J]. Journal of China Agricultural University, 2016, 21(7): 121–132

[10] Tsionas E G. Another look at regional convergence in Greece[J]. Regional Studies, 2002, 36(6): 603–609

[11] Evans P, Karras G. Convergence revisited[J]. Journal of Monetary Economics, 1996, 37(2): 249–265

[12] Bernard A B, Durlauf S N. Interpreting tests of the convergence hypothesis[J]. Journal of Econometrics, 1996, 71(1/2): 161–173

[13] Quah D. Galton’s fallacy and tests of the convergence hypothesis[J]. The Scandinavian Journal of Economics, 1993, 95(4): 427–443

[14] 吳賢榮, 張俊飚, 田云, 等. 中國省域農(nóng)業(yè)碳排放: 測(cè)算?效率變動(dòng)及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運(yùn)用[J]. 資源科學(xué), 2014, 36(1): 129–138 Wu X R, Zhang J B, Tian Y, et al. Provincial agricultural carbon emissions in China: Calculation, performance change and influencing factors[J]. Resources Science, 2014, 36(1): 129–138

[15] 田云, 張俊飚, 李波. 中國農(nóng)業(yè)碳排放研究: 測(cè)算、時(shí)空比較及脫鉤效應(yīng)[J]. 資源科學(xué), 2012, 34(11): 2097–2105 Tian Y, Zhang J B, Li B. Agricultural carbon emissions in China: Calculation, spatial-temporal comparison and decoupling effects[J]. Resources Science, 2012, 34(11): 2097–2105

[16] West T O, Marland G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: Comparing tillage practices in the United States[J]. Agriculture, Ecosystems & Environment, 2002, 91(1/3): 217–232

[17] IPCC. Climate Change 2007: The Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. New York: Cambridge University Press, 2007

[18] 閔繼勝, 胡浩. 中國農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測(cè)算[J]. 中國人口?資源與環(huán)境, 2012, 22(7): 21–27 Min J S, Hu H. Calculation of greenhouse gases emission from agricultural production in China[J]. China Population, Resources and Environment, 2012, 22(7): 21–27

[19] Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498–509

[20] Tone K. Dealing with undesirable outputs in DEA: A slacks based measure (SBM) approach[R]. Tokyo: GRIPS Research Report Series, 2003

[21] 王兵, 吳延瑞, 顏鵬飛. 中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長(zhǎng)[J]. 經(jīng)濟(jì)研究, 2010, (5): 95–109 Wang B, Wu Y R, Yan P F. Environmental efficiency and environmental total factor productivity growth in China’s regional economies[J]. Economic Research Journal, 2010, (5): 95–109

[22] 王金田, 王學(xué)真, 高峰. 全國及分省份農(nóng)業(yè)資本存量K的估算[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2007, (4): 64–70 Wang J T, Wang X Z, Gao F. An estimation on capital assets K in agriculture in all provinces, autonomous regions and four municipalities[J]. Journal of Agrotechnical Economics, 2007, (4): 64–70

[23] Carlino G A, Mills L. Are U. S. regional incomes converging? A time series analysis[J]. Journal of Monetary Economics, 1993, 32(2): 335–346

[24] Carlino G A, Mills L. Testing neoclassical convergence in regional incomes and earnings[J]. Regional Science and Urban Economics, 1996, 26(6): 565–590

Assessment of agricultural carbon emission performance and stochastic convergence in China using SBM-Undesirable model and panel unit root test*

WU Haoyue, HE Yanqiu**, CHEN Rou

(College of Management, Sichuan Agricultural University, Chengdu 611130, China)

On overall scale and industrial perspective, researches on the evaluation of carbon emissions and the test of convergence in China have matured. However, the study has remained relatively weak in agricultural carbon emissions. To complement not only existing research but also for better understanding of the carbon emissions, performance and convergence in different regions, the paper used SBM-Undesirable model to assess the performance of agricultural carbon emissions based on the estimation of agricultural carbon emissions in 30 provinces in 2000-2014. Then three panel unit root tests were selected to determine stochastic convergence test for the investigated districts. The main conclusions were as follows: 1) for the period 2000–2014, the overall trend in national agricultural carbon emissions increased, but the quantities of the emissions in different regions were significantly different. The mean agricultural carbon emission in the middle region was much larger than that in the whole nation, the eastern region and western region. The gaps in agricultural carbon emissions between the middle region and the whole nation, the eastern and western region were 3.357 4′106t, 3.965 0′106t and 5.904 7′106t respectively in 2000, whereas this gaps widened to 5.244 8′106t, 7.351 2′106t and 7.681 0′106t in 2014, corresponding respectively to growth rates of 56.2%, 85.4% and 30.0%. 2) The performance of agricultural carbon emissions in different regions turned out to differ apparently from distinct to district. A line graph of the average performance suggested that the performance was better for the eastern region, which was stable at 0.8 for 15 years. On the contrary, the average performance was relatively low for the west and middle regions, which was for most of the time within 0.3–0.5. The performance improved for the western region. However, the trend for the middle region was apparently the reverse. 3) In terms of convergence test of quantity, the examination of simulated convergence confirmed that stochastic convergence occurred only for the eastern region. There was no sign that stochastic convergence existed for the whole country, western region or even middle region. In the test of performance, there was no stochastic convergence for the whole country, while three regions exhibited relatively obviousness in the trend in club convergence. The results suggested that neither the quantity nor the performance of the whole country was automatically reducible to steady-state level. Thus it was necessary to make effective policy intervention to narrow the gap among the regions. Finally, this paper provided a further data-driven reference base for developing reasonable policies for the reductions of regional and national carbon emissions.

Agricultural carbon emission; Carbon emission performance; SBM-Undesirable model; Panel unit root; Stochastic convergence; Club convergence

Feb. 22, 2017; accepted May 5, 2017

F323

A

1671-3990(2017)09-1381-11

10.13930/j.cnki.cjea.170147

2017-02-22

2017-05-05

* 國家社會(huì)科學(xué)基金項(xiàng)目(16CJL35)和四川省社科規(guī)劃項(xiàng)目統(tǒng)計(jì)發(fā)展專項(xiàng)(17TJ053)資助

* This study was supported by the Philosophy and Social Science Foundation of China (16CJL35) and the Social Science Statistical Development Project of Sichuan (17TJ053).

** Corresponding author, E-mail: linxiatingqiu@126.com

**通訊作者:何艷秋, 主要從事環(huán)境經(jīng)濟(jì)、經(jīng)濟(jì)統(tǒng)計(jì)研究。E-mail: linxiatingqiu@126.com

吳昊玥, 主要從事農(nóng)業(yè)經(jīng)濟(jì)管理與農(nóng)業(yè)碳排放研究。E-mail: tsuki710064315@163.com

吳昊玥, 何艷秋, 陳柔. 中國農(nóng)業(yè)碳排放績(jī)效評(píng)價(jià)及隨機(jī)性收斂研究——基于SBM-Undesirable模型與面板單位根檢驗(yàn)[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2017, 25(9): 1381-1391

Wu H Y, He Y Q, Chen R. Assessment of agricultural carbon emission performance and stochastic convergence in China using SBM-Undesirable model and panel unit root test[J]. Chinese Journal of Eco-Agriculture, 2017, 25(9): 1381-1391