馬大來

(重慶理工大學(xué) 管理學(xué)院,重慶 400054)

改革開放以來,我國(guó)農(nóng)業(yè)發(fā)展經(jīng)歷了從傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)變的歷程,在創(chuàng)造大量財(cái)富的同時(shí),帶來了能源消耗和環(huán)境污染等問題。大量農(nóng)藥、化肥、農(nóng)業(yè)機(jī)械等高碳型生產(chǎn)資料投入,驅(qū)動(dòng)農(nóng)業(yè)部門的能源消費(fèi)量不斷增加,最終導(dǎo)致農(nóng)業(yè)能源碳排放在整個(gè)農(nóng)業(yè)碳排放中的比重不斷提升。在整個(gè)農(nóng)業(yè)部門的碳排放結(jié)構(gòu)中,按照國(guó)際通用的IPCC方法估算出的非能源類型的農(nóng)業(yè)碳排放(包括燃燒植物秸稈、動(dòng)物糞便發(fā)酵、畜禽腸道發(fā)酵)所占比重并不高,且呈逐年減少趨勢(shì);由化石能源消耗所引致的碳排放所占比重則不斷上升,2015年已高達(dá)60%以上。在2009年的哥本哈根氣候大會(huì)上,我國(guó)承諾到2020年單位GDP的CO2排放量將在原有的基礎(chǔ)之上下降40%—45%,這無疑會(huì)給我國(guó)帶來巨大的碳減排壓力。如何在有效實(shí)現(xiàn)CO2減排的基礎(chǔ)上發(fā)展綠色低碳農(nóng)業(yè),成為當(dāng)前政府面臨的重要問題,因此必須提高農(nóng)業(yè)能源碳排放效率。

1 文獻(xiàn)回顧

長(zhǎng)期以來,農(nóng)業(yè)部門的CO2排放問題較為嚴(yán)重,受到學(xué)術(shù)界的密切關(guān)注，相關(guān)研究主要集中在以下方面:①重點(diǎn)關(guān)注導(dǎo)致農(nóng)業(yè)CO2排放不斷攀升的源泉問題。就農(nóng)業(yè)CO2排放來源而論,國(guó)內(nèi)學(xué)者形成了農(nóng)業(yè)土地利用論[1]、農(nóng)用物資使用論[2]、農(nóng)業(yè)生產(chǎn)活動(dòng)論[3]等多種觀點(diǎn)。但隨著我國(guó)煤炭、石油等化石能源在農(nóng)業(yè)領(lǐng)域的大量使用,加上國(guó)家大力倡導(dǎo)發(fā)展低碳農(nóng)業(yè),目前國(guó)內(nèi)學(xué)者越來越重視由農(nóng)業(yè)能源消耗所產(chǎn)生的碳排放問題。史常亮[4]、謝淑娟[5]、李國(guó)志、李宗植[6]等先后估算了我國(guó)各省份由農(nóng)業(yè)能源消耗所排放的CO2,結(jié)果發(fā)現(xiàn)其規(guī)模隨著時(shí)間推移呈現(xiàn)出穩(wěn)步上升的態(tài)勢(shì)。②對(duì)農(nóng)業(yè)CO2的排放效率開展評(píng)價(jià),并深入探究其相關(guān)的影響因素。國(guó)外,Burney等[7]的研究表明,農(nóng)業(yè)碳生產(chǎn)效率提升對(duì)增加農(nóng)業(yè)碳匯功能起到重要促進(jìn)作用;Mrini等[8]發(fā)現(xiàn)小農(nóng)田的碳效率要遠(yuǎn)高于大農(nóng)田;Dubey、Lal[9]比較了美國(guó)俄亥俄州和印度旁遮普兩個(gè)地區(qū)農(nóng)業(yè)碳效率的差異性問題。國(guó)內(nèi),吳賢榮等[10]通過建立包含非期望產(chǎn)出的農(nóng)業(yè)碳排放效率評(píng)價(jià)模型,使用DEA-Malmquist方法測(cè)度了各省的農(nóng)業(yè)碳排放效率,結(jié)果表明省際之間的差異性表現(xiàn)突出。劉其濤[11]通過構(gòu)建ML函數(shù)測(cè)度了我國(guó)2000—2013年各省的農(nóng)業(yè)碳排放效率,發(fā)現(xiàn)不同省份的效率水平差距較大,且產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平和技術(shù)進(jìn)步等因素均對(duì)其變化產(chǎn)生了重要影響。高鳴、宋洪遠(yuǎn)[12]測(cè)算了我國(guó)1999—2010年各省農(nóng)業(yè)碳排放績(jī)效的ML指數(shù),考察了其收斂性問題,實(shí)證結(jié)果顯示農(nóng)業(yè)碳排放績(jī)效存在顯著的“俱樂部收斂”效應(yīng)。

綜上所述,目前學(xué)術(shù)界已高度認(rèn)同能源利用是產(chǎn)生農(nóng)業(yè)CO2的重要源泉。不少學(xué)者開始重點(diǎn)關(guān)注過度農(nóng)業(yè)能源消耗所導(dǎo)致碳排放不斷攀升的問題，但縱觀已有文獻(xiàn),大多數(shù)研究集中在能源消費(fèi)所引致碳排放絕對(duì)量增加的問題,效率評(píng)價(jià)僅關(guān)注到整個(gè)農(nóng)業(yè)部門,鮮有文獻(xiàn)評(píng)價(jià)由農(nóng)業(yè)能源所引致CO2的排放績(jī)效問題。同時(shí),較之以往有關(guān)農(nóng)業(yè)碳排放效率的文獻(xiàn)研究,本文在以下兩點(diǎn)進(jìn)行了拓展:①傳統(tǒng)DEA評(píng)價(jià)模型中只注重投入—產(chǎn)出變量的對(duì)應(yīng)性問題,沒有考慮到變量的松弛性問題,造成評(píng)價(jià)結(jié)果存在一定的偏差,而本文構(gòu)建的農(nóng)業(yè)能源碳排放效率評(píng)價(jià)模型則將該問題考慮在內(nèi)。②鮮有文獻(xiàn)考察農(nóng)業(yè)能源碳排放效率在空間上可能存在的自相關(guān)性和異質(zhì)性特征,而該問題對(duì)回歸模型的構(gòu)建具有重要的影響。鑒于此,本文首先使用mSBM方法測(cè)度了1998—2016年各個(gè)省份的農(nóng)業(yè)能源碳排放效率,分別采用Morans′I指數(shù)和空間LISA圖分析了農(nóng)業(yè)能源碳排放效率的空間自相關(guān)性、空間異質(zhì)性問題,通過構(gòu)建空間面板數(shù)據(jù)模型考察了農(nóng)業(yè)能源碳排放效率的影響因素。

2 理論基礎(chǔ)與測(cè)算方法

2.1 環(huán)境技術(shù)理論

zi≥0,i=1,2,…,N}

(1)

式(1)是一個(gè)典型的生產(chǎn)性集合,具有封閉、凸性和有界三個(gè)重要特征。此外，該集合還具備投入要素自由處置性、期望產(chǎn)出強(qiáng)可處置性、投入—產(chǎn)出弱可處置性、零結(jié)合性等特點(diǎn),反映出在完整的生產(chǎn)過程中均可能出現(xiàn)投入要素過多、非期望產(chǎn)出冗余、期望產(chǎn)出不足等缺陷,致使整個(gè)效率未能達(dá)到前沿面,即出現(xiàn)效率過低的情況。鑒于投入要素和產(chǎn)出結(jié)果有較強(qiáng)的對(duì)應(yīng)關(guān)系。即有限的要素投入也只能帶來有限的產(chǎn)出,因此要實(shí)現(xiàn)效率的最優(yōu)化改進(jìn),唯一途徑是調(diào)整要素投入—產(chǎn)出的數(shù)量關(guān)系。該理論既為精準(zhǔn)測(cè)度農(nóng)業(yè)能源碳排放效率奠定了相應(yīng)的理論基礎(chǔ),又給出了實(shí)現(xiàn)效率最大化改進(jìn)的途徑。

2.2 至強(qiáng)有效前沿的最小距離法

借鑒Jahanshahloo等[14]有關(guān)DEA方法的研究成果,本文給出了包含非期望產(chǎn)出的至強(qiáng)有效前沿的最小距離法(mSBM)。該方法構(gòu)建的原理在于在整個(gè)生產(chǎn)集合中,找出距離最小的L1值,以此確定整個(gè)生產(chǎn)前沿上的投影點(diǎn),測(cè)算出最終效率值。

(2)

(3)

(4)

2.3 農(nóng)業(yè)能源碳排放綜合效率函數(shù)

為科學(xué)準(zhǔn)確測(cè)算本文的核心內(nèi)容——農(nóng)業(yè)能源碳排放效率,需要構(gòu)建包含投入—產(chǎn)出變量的評(píng)價(jià)模型。整個(gè)評(píng)價(jià)模型分別由三種投入要素和兩種產(chǎn)出結(jié)果所構(gòu)成,其中三種投入要素為農(nóng)業(yè)資本存量、農(nóng)業(yè)勞動(dòng)力和農(nóng)業(yè)能源消耗,分別使用K、L和E字母表示;產(chǎn)出結(jié)果則由各個(gè)省份的農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)能源CO2構(gòu)成,其中農(nóng)業(yè)總產(chǎn)值用字母y表示,代表期望產(chǎn)出,農(nóng)業(yè)能源CO2用字母b表示,代表非期望產(chǎn)出。為滿足測(cè)算的需要,整個(gè)評(píng)價(jià)體系對(duì)投入變量—產(chǎn)出變量分別賦予一定的權(quán)重,其中農(nóng)業(yè)資本存量(K)、農(nóng)業(yè)勞動(dòng)力(L)、農(nóng)業(yè)能源消耗(E)的權(quán)重均為1/6,而農(nóng)業(yè)總產(chǎn)值(y)和農(nóng)業(yè)能源碳排放(b)的權(quán)重則均為1/4。參考Cooper等[15]研究成果,本文給出投入無效率、期望產(chǎn)出無效率和非期望產(chǎn)出無效率的方程式分別為:

(5)

(6)

(7)

(8)

3 農(nóng)業(yè)能源碳排放效率評(píng)價(jià)及其空間異質(zhì)性

3.1 變量說明與數(shù)據(jù)來源

本文構(gòu)建的農(nóng)業(yè)能源碳排放效率評(píng)價(jià)模型中包含了農(nóng)業(yè)資本存量、農(nóng)業(yè)勞動(dòng)力和農(nóng)業(yè)能源消耗三種投入變量,農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)能源CO2兩種產(chǎn)出結(jié)果。各投入—產(chǎn)出變量的概念界定為:①農(nóng)業(yè)資本存量。按照王金田等[16]的研究成果,采用“永續(xù)盤存法”計(jì)算每個(gè)省份歷年的農(nóng)業(yè)資本存量,表達(dá)式為:Ki,t=Ii,t+(1-δ)Ki,t-1。式中,Ki,t、Ii,t、δ分別代表第i省t期的資本存量、農(nóng)業(yè)投資、資本折舊率。為消除價(jià)格通貨膨脹所帶來的失真影響,本文以1978年的農(nóng)業(yè)生產(chǎn)資料價(jià)格作為基期價(jià)格,按照平減指數(shù)法把名義農(nóng)業(yè)資本存量轉(zhuǎn)換成實(shí)際農(nóng)業(yè)資本存量。②農(nóng)業(yè)勞動(dòng)力。根據(jù)國(guó)內(nèi)有關(guān)表征農(nóng)業(yè)勞動(dòng)力的研究成果,本文采用每年各省的農(nóng)業(yè)從業(yè)人員來衡量。③農(nóng)業(yè)能源消耗。為精準(zhǔn)衡量當(dāng)前的農(nóng)業(yè)能耗狀況,結(jié)合《中國(guó)統(tǒng)計(jì)年鑒》的計(jì)算口徑,本文最終選擇農(nóng)業(yè)部門的煤炭、焦炭、柴油、汽油、煤油、燃料油、電力等7種能源作為計(jì)算基數(shù)。為方便計(jì)算,基于以萬t標(biāo)準(zhǔn)煤為單位的標(biāo)準(zhǔn)能源折合系數(shù),本文將各個(gè)能源進(jìn)行統(tǒng)一折算加總后作為農(nóng)業(yè)部門的能源消費(fèi)總量。④農(nóng)業(yè)總產(chǎn)值。鑒于年鑒上提供的僅僅是名義農(nóng)業(yè)總產(chǎn)值,各個(gè)省份的實(shí)際農(nóng)業(yè)總產(chǎn)值同樣以1978年的農(nóng)業(yè)生產(chǎn)資料價(jià)格作為基期,將名義農(nóng)業(yè)總產(chǎn)值轉(zhuǎn)換為實(shí)際農(nóng)業(yè)總產(chǎn)值。⑤農(nóng)業(yè)能源CO2。由于國(guó)家相關(guān)的權(quán)威部門尚未公布有關(guān)農(nóng)業(yè)CO2排放的具體數(shù)據(jù),根據(jù)IPCC(2006)聯(lián)合國(guó)氣候變化框架公約和京都議定書指定的國(guó)家溫室氣體清單指南第二卷(能源)第六章提供的參考方法,本文選擇下列方程計(jì)算出由農(nóng)業(yè)能源消耗所產(chǎn)生的CO2:

(9)

式中,CO2為采用該公式估算出的CO2排放量,i=1,2,…,7分別代表煤炭、焦炭、柴油、汽油、煤油、燃料油和電力等7種農(nóng)業(yè)能源;E為上述7種能源加總后的能源消費(fèi)量,鑒于不同能源的統(tǒng)計(jì)單位存在差異,本文采用以萬t標(biāo)準(zhǔn)煤為能源折合系數(shù)對(duì)各個(gè)農(nóng)業(yè)能源折算后進(jìn)行相加;NCV、CEF、COF分別代表化石能源燃燒后的氧化因子、能源凈發(fā)熱值和碳排放系數(shù);44、12分別代表CO2和碳的分子量。

為了最大程度保證數(shù)據(jù)的全面性和可得性兩個(gè)基本原則,本文最終選定我國(guó)1998—2016年30個(gè)省份(香港與澳門特別行政區(qū)、西藏自治區(qū)、臺(tái)灣地區(qū)除外)的面板數(shù)據(jù)作為考察樣本。本文所使用的數(shù)據(jù)均來自于相關(guān)年份的《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)農(nóng)業(yè)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》和各地方統(tǒng)計(jì)年鑒,下同。

3.2 農(nóng)業(yè)能源碳排放效率的靜態(tài)時(shí)序分析

基于式(2)—式(8),本文使用DEA軟件測(cè)度出1998—2016年30個(gè)省份的農(nóng)業(yè)能源碳排放效率,結(jié)果見圖1。由圖1可知,在樣本考察期內(nèi)只有北京和天津的平均農(nóng)業(yè)能源碳排放效率為1,位于生產(chǎn)的前沿面上;其他省份的效率水平均低于1,未能達(dá)到效率最優(yōu)。在考察的30個(gè)省份中,排名前五位的省份分別為北京、天津、遼寧、海南和上海,農(nóng)業(yè)能源碳排放效率平均值均在0.9以上。這些省份的效率值之所以較高,原因在于:北京和天津作為全國(guó)僅有的效率值為1的地區(qū),農(nóng)業(yè)技術(shù)發(fā)達(dá)、農(nóng)業(yè)產(chǎn)出水平高,且以城郊農(nóng)業(yè)為主體的農(nóng)業(yè)生產(chǎn)部門具備了較高的“碳匯”能力;遼寧作為傳統(tǒng)的農(nóng)業(yè)生產(chǎn)大省,不但整個(gè)農(nóng)業(yè)部門的結(jié)構(gòu)較合理,而且大規(guī)模推廣農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營(yíng),農(nóng)業(yè)產(chǎn)出效益較高;海南作為全國(guó)重要的熱帶水果生產(chǎn)基地,種植業(yè)所占比重較低,農(nóng)業(yè)能源使用量較小,整個(gè)農(nóng)業(yè)部門的碳排放強(qiáng)度較低;上海同樣以城郊農(nóng)業(yè)為主,農(nóng)業(yè)產(chǎn)出水平高,農(nóng)業(yè)能源得到充分利用,且優(yōu)越地理位置使農(nóng)業(yè)相對(duì)效益也較高。而農(nóng)業(yè)能源碳排放效率位居全國(guó)后五位的省份分別是云南、安徽、貴州、新疆和山西,平均值均在0.5以下。其中,云南盡管近幾年的農(nóng)業(yè)產(chǎn)出增加較快,但依靠大量的農(nóng)用物資投入作為基礎(chǔ),屬于典型的高碳農(nóng)業(yè);安徽的農(nóng)業(yè)發(fā)展則受制于種植業(yè)結(jié)構(gòu)的影響,糧食作物居多而經(jīng)濟(jì)作物較少,農(nóng)業(yè)生產(chǎn)效益較差;貴州、新疆由于落后的農(nóng)業(yè)技術(shù)和較差的農(nóng)業(yè)生產(chǎn)條件,使整個(gè)農(nóng)業(yè)產(chǎn)出水平較低;山西的農(nóng)業(yè)低碳水平較低與其農(nóng)業(yè)能源大量使用,且利用效率較低是緊密相關(guān)的。

圖1 我國(guó)30個(gè)省份的平均農(nóng)業(yè)能源碳排放效率

整體而言,我國(guó)省際間的農(nóng)業(yè)能源碳排放效率呈現(xiàn)出較強(qiáng)的區(qū)域差異性,大多數(shù)農(nóng)業(yè)能源碳排放效率較高的省份位于東部沿海地區(qū),而農(nóng)業(yè)能源碳排放效率較低的省份則大多處于中西部?jī)?nèi)陸地區(qū)。如果能加快效率水平落后的中西部省份的發(fā)展速度,不但有利于縮小省際間農(nóng)業(yè)能源碳排放效率的差距,而且對(duì)提升我國(guó)整體的低碳農(nóng)業(yè)水平具有非常重要的意義。

3.3 農(nóng)業(yè)能源碳排放效率的空間異質(zhì)性分析

由于我國(guó)地域廣大,不同區(qū)域之間的農(nóng)業(yè)稟賦、資源情況存在較大差別,因此不同省份的農(nóng)業(yè)發(fā)展存在較大差異性,那么這種情況是否反映在低碳農(nóng)業(yè)發(fā)展上。即農(nóng)業(yè)能源碳排放效率在空間上是否表現(xiàn)出顯著的空間異質(zhì)性,這是本文需要考察的重要方面。空間異質(zhì)性又稱為空間不均勻性,具體指不同省份的農(nóng)業(yè)能源碳排放效率不僅有區(qū)域差異之分,還存在空間上的集聚和離群之別。但要考察農(nóng)業(yè)能源碳排放效率的空間異質(zhì)性,一般先要衡量農(nóng)業(yè)能源碳排放效率是否存在著顯著的空間自相關(guān)性。通常,空間自相關(guān)性可用空間自相關(guān)系數(shù)表征,表達(dá)式為[17]:

(10)

(11)

全局空間自相關(guān)系數(shù)Moran′s I僅反映出被研究對(duì)象在整體上的空間自相關(guān)性問題,而對(duì)其內(nèi)部具體的空間異質(zhì)性特征是無法考察的。為探究不同省份農(nóng)業(yè)能源碳排放效率空間分布的異質(zhì)性特征,本文據(jù)此引入局部空間相關(guān)性指標(biāo)——局部散點(diǎn)圖(LISA)來詳細(xì)觀察被研究對(duì)象在局部空間分布上的異質(zhì)性問題。Moran′s I的方程表達(dá)式為[18]:

(12)

通過引入由0和1所構(gòu)成的空間鄰接矩陣,本文使用Geoda軟件計(jì)算出我國(guó)1998—2016年農(nóng)業(yè)能源碳排放效率的全局Moran′s I指數(shù)。根據(jù)表1的計(jì)算結(jié)果,在樣本考察期內(nèi)我國(guó)農(nóng)業(yè)能源碳排放效率的全局Moran′s I均取值為正,且通過了1%的顯著水平的檢驗(yàn),充分反映出農(nóng)業(yè)能源碳排放效率在空間上具有顯著的空間自相關(guān)性。該空間特征對(duì)農(nóng)業(yè)能源碳排放效率的變遷產(chǎn)生重要影響,即省際農(nóng)業(yè)能源碳排放效率表現(xiàn)出較強(qiáng)的空間集聚格局,并不是呈隨機(jī)性的空間分布。因此,在對(duì)農(nóng)業(yè)能源碳排放效率進(jìn)行深入研究時(shí)不能忽視其空間自相關(guān)性特征,否則將導(dǎo)致模型的回歸結(jié)果與實(shí)際存在著較大的誤差。

表1 1998—2016年我國(guó)農(nóng)業(yè)能源碳排放效率的Moran′s I指數(shù)

為了直觀反映農(nóng)業(yè)能源碳排放效率在局部空間分布的異質(zhì)性現(xiàn)象,本文繪制了1998—2016年我國(guó)平均農(nóng)業(yè)能源碳排放效率的局部散點(diǎn)圖(LISA),見圖2。局部散點(diǎn)圖共分為4個(gè)象限,其中第一、三現(xiàn)象為空間集聚區(qū)域,分別代表著高值集聚(H-H)和低值集聚(L-L),意味著本身的農(nóng)業(yè)能源碳排放效率水平高(低),且四周鄰近省份的農(nóng)業(yè)能源碳排放效率水平也高(低);第二、四象限則為空間離群區(qū),意味著本身的農(nóng)業(yè)能源碳排放效率較高(低),而四周鄰近省份農(nóng)業(yè)能源碳排放效率則較低(高)。此外,位于第一、三象限的省份屬于典型的中心地區(qū),而第二、四象限的省份屬于非典型的外圍地區(qū)。其中,北京、上海、天津、遼寧、吉林、黑龍江、浙江、江蘇、江西、福建、湖北、廣東、海南等13個(gè)省份位于第一象限,占全部統(tǒng)計(jì)單元的43.33%,這些省份屬于典型的高值集聚區(qū);山西、河北、山東、安徽、湖南等5個(gè)省份處于第二象限,占全部統(tǒng)計(jì)單元的16.67%,這些省份屬于空間離群區(qū);位于第三象限的河南、重慶、四川、貴州、云南、寧夏、甘肅、青海、新疆等9個(gè)省份,占全部統(tǒng)計(jì)單元的30%,這些省份屬于典型的低值集聚區(qū);僅內(nèi)蒙古、陜西和廣西3個(gè)省份位于第四象限,占全部統(tǒng)計(jì)單元的10%,這些省份同樣位于空間離群區(qū)內(nèi)?？梢?我國(guó)大多數(shù)省份位于高值集聚區(qū)(H-H)和低值集聚區(qū)(L-L),比例為73.33%;僅有少量省份處于空間離群區(qū)內(nèi),比例為26.67%,突出反映出省際農(nóng)業(yè)能源碳排放效率在局部上表現(xiàn)出顯著的空間異質(zhì)性特征。

圖2 1998—2016年我國(guó)農(nóng)業(yè)能源碳排放效率的局部散點(diǎn)圖

4 農(nóng)業(yè)能源碳排放效率影響因素的空間回歸分析

4.1 空間計(jì)量模型構(gòu)建與數(shù)據(jù)來源

通過進(jìn)一步考察農(nóng)業(yè)能源碳排放效率的外在影響因素,這對(duì)加快我國(guó)農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型具有重要意義。借鑒已有成研究果,本文從以下方面考察對(duì)農(nóng)業(yè)能源碳排放效率的影響:①經(jīng)濟(jì)發(fā)展水平(GDP)。經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)現(xiàn)代化的發(fā)展進(jìn)程息息相關(guān)[19],農(nóng)業(yè)現(xiàn)代化程度不但關(guān)系到農(nóng)業(yè)產(chǎn)出的大小,而且關(guān)系到農(nóng)業(yè)能源的利用效率,會(huì)對(duì)農(nóng)業(yè)能源CO2排放產(chǎn)生重要影響。②農(nóng)村人力資本(HUM)。農(nóng)民受教育程度決定了農(nóng)地利用方式和對(duì)先進(jìn)農(nóng)業(yè)技術(shù)的采用程度,影響到農(nóng)業(yè)能源的利用規(guī)模和碳排放量的大小,直接關(guān)系到農(nóng)業(yè)能源碳排放效率高低。③農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(STR)。研究表明,種植業(yè)在整個(gè)農(nóng)業(yè)中所占的比重越高,不但整個(gè)農(nóng)業(yè)的“碳匯”效應(yīng)會(huì)越差[20],而且會(huì)極大地提高整個(gè)農(nóng)業(yè)能源的使用強(qiáng)度,明顯降低農(nóng)業(yè)能源碳排放效率。④農(nóng)業(yè)財(cái)政支出(GOV)。政府用于支持農(nóng)業(yè)發(fā)展的財(cái)政規(guī)模越大,農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)就越完善,地區(qū)先進(jìn)生產(chǎn)技術(shù)普及程度越高,有利于提高農(nóng)業(yè)能源碳排放效率。⑤農(nóng)業(yè)技術(shù)創(chuàng)新(TEG)。農(nóng)業(yè)技術(shù)研發(fā)力度通常最能體現(xiàn)該地區(qū)的農(nóng)業(yè)現(xiàn)代化程度[21],農(nóng)業(yè)技術(shù)研發(fā)力度越強(qiáng),說明該地區(qū)土地集約化程度越高,農(nóng)業(yè)資源使用量越小,有利于提升農(nóng)業(yè)能源碳排放效率。⑥城鎮(zhèn)化水平(UBR)。研究發(fā)現(xiàn),城鎮(zhèn)化為我國(guó)實(shí)現(xiàn)農(nóng)業(yè)規(guī)?；彤a(chǎn)業(yè)化經(jīng)營(yíng)創(chuàng)造了必要條件[22],有利于提升農(nóng)業(yè)部門的能源利用效率,進(jìn)而提高農(nóng)業(yè)能源碳排放效率。

本文印證了農(nóng)業(yè)能源碳排放效率具有顯著的空間自相關(guān)性,這一特性對(duì)模型構(gòu)建具有重要的影響。假如只建立傳統(tǒng)的普通計(jì)量模型而忽略空間效應(yīng),則有可能導(dǎo)致實(shí)證結(jié)果與實(shí)際存在較大偏差。因此,為提高模型估計(jì)的精準(zhǔn)性,有必要將空間效應(yīng)納入到傳統(tǒng)的模型之中,而空間計(jì)量模型正是符合本文實(shí)證模型的最好選擇。本文構(gòu)建的空間面板數(shù)據(jù)模型形式為:

AECTEi,t=αt+φt+β1GDPi,t+β2HUMi,t+β3STRi,t+β4GOVi,t+β5TEGi,t+β6URB+δΣjWij

(AECTEi,t)+μi,t

μi,t=λΣjWi,j×υi,t+εi,t

(13)

該模型同時(shí)表現(xiàn)為SEM和SAR兩種基本形式,但究竟采取哪種形式,取決于空間自回歸系數(shù)δ和空間誤差系數(shù)λ的取值情況。假如δ為0,則該模型為空間誤差模型(SEM);假如λ為0,則該模型為空間自回歸模型(SAR)。αi代表空間固定效應(yīng),φt代表時(shí)間固定效應(yīng)。此外,該模型中各變量的具體涵義為:AECTE為農(nóng)業(yè)能源碳排放效率;GDP為經(jīng)濟(jì)發(fā)展水平,具體用i省份第t年的人均國(guó)內(nèi)生產(chǎn)總值的自然對(duì)數(shù)來表示;HUM代表農(nóng)村人力資本,具體用各個(gè)省份具有初中及以上文化程度的農(nóng)村勞動(dòng)者占總?cè)丝诘谋戎貋肀硎?STR代表農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu),具體以種植業(yè)產(chǎn)值占農(nóng)林牧漁總產(chǎn)值的比重來表征;GOV代表農(nóng)業(yè)財(cái)政支出,具體以各地區(qū)農(nóng)林水利財(cái)政支出占全部財(cái)政總支出的比重來表示;TEG代表農(nóng)業(yè)技術(shù)創(chuàng)新,具體對(duì)各省份的農(nóng)業(yè)發(fā)明授權(quán)、外觀設(shè)計(jì)和實(shí)用新型專利取自然對(duì)數(shù)來表征;URB代表城鎮(zhèn)化水平,具體以各地區(qū)從事非農(nóng)業(yè)人口占全部總?cè)丝诘谋戎貋肀硎尽?/p>

4.2 實(shí)證結(jié)果及其解釋

首先使用普通的計(jì)量方法對(duì)模型(13)進(jìn)行模擬,并驗(yàn)證模型的殘差項(xiàng)是否存在著空間自相關(guān)性,回歸結(jié)果見表2。為進(jìn)一步提高模型估算的準(zhǔn)確性,有必要對(duì)整個(gè)模型采取何種固定效用做出選擇。因此,表2同時(shí)列出混合面板模型、地區(qū)固定效應(yīng)模型、時(shí)間固定效應(yīng)模型和雙向固定效應(yīng)模型,通過對(duì)4種不同效應(yīng)下的檢驗(yàn)結(jié)果進(jìn)行對(duì)比分析,以選擇出最優(yōu)的實(shí)證模型。

表2 普通面板數(shù)據(jù)模型的估計(jì)與檢驗(yàn)結(jié)果

注:()中數(shù)據(jù)為T檢驗(yàn)值,*、**、***分別表示10%、5%、1%的顯著性水平;模型估計(jì)、空間自相關(guān)檢驗(yàn)使用Matlab7.11。

根據(jù)表2的驗(yàn)證結(jié)果,首先就擬合優(yōu)度的判定系數(shù)而言,混合模型、空間固定效應(yīng)模型、時(shí)間固定效應(yīng)模型和雙向固定效應(yīng)模型的擬合優(yōu)度分別為0.6012、0.3086、0.6126和0.5475,比較后發(fā)現(xiàn)時(shí)間固定效應(yīng)模型是最大的,表明時(shí)間固定效應(yīng)模型的擬合優(yōu)度最好。其次比較4個(gè)模型DW值的大小發(fā)現(xiàn),時(shí)間固定效應(yīng)模型的DW值為1.9226,也大于其他3個(gè)模型。通過以上驗(yàn)證結(jié)果的對(duì)比顯示,相較于其他3個(gè)模型,時(shí)間固定效應(yīng)模型的結(jié)果是最優(yōu)的。因此,本文最終選擇時(shí)間固定效應(yīng)模型開展實(shí)證分析。同時(shí),為驗(yàn)證普通模型的殘差項(xiàng)是否具有顯著的空間自相關(guān)性,表2還分別給出了LM-sar和LM-err統(tǒng)計(jì)量的估計(jì)結(jié)果。在時(shí)間固定效應(yīng)模型中,LM-sar、LM-err的統(tǒng)計(jì)值分別為41.5829、0.0057,前者通過了1%顯著水平的檢驗(yàn),而后者未能通過顯著水平檢驗(yàn),表明普通模型的殘差項(xiàng)具有空間自相關(guān)性,因此其回歸結(jié)果不可避免地存在著偏差。此外,由于LM-sar的統(tǒng)計(jì)量大于LM-err,因此較之空間誤差模型,空間自回歸模型是本文空間計(jì)量模型的最好選擇。

由于普通模型的殘差項(xiàng)具有顯著的空間自相關(guān)性,其估計(jì)結(jié)果可能存在一定偏差。因此,本文分別采用空間自回歸模型(SAR)和空間誤差模型(SEM)對(duì)模型形式(13)進(jìn)行重新回歸,結(jié)果見表3。由表3可知:一方面,兩個(gè)空間計(jì)量模型的擬合優(yōu)度判定系數(shù)均和對(duì)數(shù)似然函數(shù)值Log-L均在普通模型的基礎(chǔ)上實(shí)現(xiàn)了提升;另一方面,空間計(jì)量模型各變量系數(shù)的正負(fù)仍與普通模型的結(jié)果保持一致,但T檢驗(yàn)值卻有所增加,這表明空間計(jì)量模型的估計(jì)結(jié)果優(yōu)于普通模型的結(jié)果。在兩個(gè)空間面板時(shí)間固定效應(yīng)模型中,SAR、SEM模型中的Log-L值分別為377.5931、350.6437,前者大于后者,說明SAR模型的解釋力度更強(qiáng),因此本文最終對(duì)空間自回歸模型(SAR)變量系數(shù)的現(xiàn)實(shí)意義進(jìn)行了解釋分析。

表3 空間面板數(shù)據(jù)模型的估計(jì)結(jié)果(時(shí)間固定效應(yīng)模型)

綜上所述:①經(jīng)濟(jì)發(fā)展水平GDP在5%的顯著性水平上對(duì)農(nóng)業(yè)能源碳排放效率的影響為正,表明在其他因素不變的條件下,人均GDP的提高能顯著促進(jìn)農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型。同時(shí)，這也很好地詮釋了隨著我國(guó)經(jīng)濟(jì)發(fā)展水平不斷提高,促使農(nóng)業(yè)現(xiàn)代化的推進(jìn)速度不斷加快,不但進(jìn)一步提升了農(nóng)業(yè)產(chǎn)出水平,而且?guī)砹司G色農(nóng)業(yè)生產(chǎn)技術(shù)變革和農(nóng)地利用方式的轉(zhuǎn)變,有助于實(shí)現(xiàn)由傳統(tǒng)高能耗農(nóng)業(yè)向綠色低碳農(nóng)業(yè)的發(fā)展轉(zhuǎn)型。②農(nóng)村人力資本HUM在1%的顯著性水平上對(duì)農(nóng)業(yè)能源碳排放效率的影響為負(fù)。這從側(cè)面反映出,當(dāng)前我國(guó)農(nóng)村勞動(dòng)力大多數(shù)以初、高中學(xué)歷為主,僅有極少數(shù)擁有大專及以上學(xué)歷。在當(dāng)前農(nóng)業(yè)生產(chǎn)活動(dòng)中,只有高素質(zhì)的農(nóng)民傾向于采用低碳農(nóng)業(yè)模式,而多數(shù)中等文化素質(zhì)的農(nóng)民更青睞“高能耗、高產(chǎn)出”的傳統(tǒng)農(nóng)業(yè)模式,這無疑對(duì)會(huì)對(duì)農(nóng)業(yè)能源碳排放效率產(chǎn)生負(fù)面影響。③農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)STR的估計(jì)系數(shù)顯著為負(fù),表明種植業(yè)規(guī)模擴(kuò)大對(duì)農(nóng)業(yè)能源碳排放效率提升產(chǎn)生了消極影響。目前在我國(guó)大部分省份的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)中,種植業(yè)部門仍占據(jù)了較大比重,而其他具備高“碳匯”效應(yīng)的林業(yè)、牧業(yè)所占的比重較小。與林業(yè)、牧業(yè)和副業(yè)相比,種植業(yè)不但需要大量的農(nóng)用資料作為支撐,而且對(duì)農(nóng)業(yè)機(jī)械的使用數(shù)量也在逐年增加,這無疑提升了農(nóng)業(yè)部門對(duì)化石能源的需求量,進(jìn)而產(chǎn)生大量的CO2,顯然不利于農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型。④農(nóng)業(yè)財(cái)政支出GOV在10%的顯著水平上對(duì)提升農(nóng)業(yè)能源碳排放效率起到了促進(jìn)作用,表明政府增加涉農(nóng)資金的財(cái)政支持力度有利于農(nóng)業(yè)發(fā)展的低碳轉(zhuǎn)型。由于當(dāng)前我國(guó)政府已充分認(rèn)識(shí)到農(nóng)業(yè)仍是整個(gè)產(chǎn)業(yè)體系中的薄弱環(huán)節(jié),因此逐步加大了對(duì)農(nóng)業(yè)部門的政策支持力度。特別是隨著惠農(nóng)型“中央一號(hào)”文件的連續(xù)頒布、“鄉(xiāng)村振興戰(zhàn)略”的提出,政府用于農(nóng)業(yè)財(cái)政支出的規(guī)模逐年增加,重點(diǎn)應(yīng)用于改善農(nóng)業(yè)生產(chǎn)的基礎(chǔ)設(shè)施建設(shè)、農(nóng)業(yè)現(xiàn)代化技術(shù)創(chuàng)新與普及、農(nóng)民科學(xué)知識(shí)培訓(xùn)等關(guān)鍵領(lǐng)域,為改善農(nóng)地利用方式,發(fā)展現(xiàn)代綠色低碳農(nóng)業(yè)提供了重要的前提條件。⑤農(nóng)業(yè)技術(shù)創(chuàng)新TEG的估計(jì)系數(shù)顯著為正,表明現(xiàn)代農(nóng)業(yè)技術(shù)的采用有利于提升農(nóng)業(yè)能源碳排放效率。這從側(cè)面反映出,隨著我國(guó)大力提倡發(fā)展綠色農(nóng)業(yè)和低碳農(nóng)業(yè),政府加大了對(duì)生態(tài)農(nóng)業(yè)技術(shù)、低碳農(nóng)業(yè)技術(shù)的研發(fā)和普及力度,逐步淘汰和替換農(nóng)業(yè)部門中的落后生產(chǎn)技術(shù),改進(jìn)了農(nóng)地利用方式,提高了農(nóng)業(yè)生產(chǎn)的集約化水平,這有助于提升農(nóng)業(yè)能源碳排放效率。⑥城鎮(zhèn)化水平URB在1%的顯著性水平上對(duì)農(nóng)業(yè)能源碳排放效率的影響為正,說明加快農(nóng)業(yè)人口向非農(nóng)人口的轉(zhuǎn)變對(duì)提升農(nóng)業(yè)能源碳排放效率起到了積極作用。當(dāng)前我國(guó)城鎮(zhèn)化與農(nóng)業(yè)現(xiàn)代化是相輔相成的,加快城鎮(zhèn)化進(jìn)程是有效提升農(nóng)業(yè)現(xiàn)代化水平的重要途徑,有助于逐步構(gòu)建起現(xiàn)代農(nóng)業(yè)經(jīng)營(yíng)體系,對(duì)實(shí)現(xiàn)農(nóng)業(yè)的高效節(jié)能生產(chǎn),降低農(nóng)業(yè)能源的碳排放強(qiáng)度具有重要意義。

5 結(jié)論與政策啟示

本文采用比較前沿的至強(qiáng)有效前沿的最小距離法(mSBM)測(cè)算了我國(guó)1998—2016年30個(gè)省份的農(nóng)業(yè)能源碳排放效率，同時(shí)在考察農(nóng)業(yè)能源碳排放效率空間自相關(guān)性和空間異質(zhì)性的基礎(chǔ)上,通過構(gòu)建空間面板數(shù)據(jù)模型研究了農(nóng)業(yè)能源碳排放效率的影響因素。主要結(jié)論為:樣本期內(nèi)的農(nóng)業(yè)能源碳排放效率測(cè)算結(jié)果表明,農(nóng)業(yè)能源碳排放效率較高的省份主要分布在東部沿海地區(qū),而中西部?jī)?nèi)陸省份的農(nóng)業(yè)能源碳排放效率較低;根據(jù)Global Moran′s I指數(shù)可知,我國(guó)農(nóng)業(yè)能源碳排放效率存在顯著的空間自相關(guān)性,而空間LISA圖則顯示,絕大部分省份的農(nóng)業(yè)能源碳排放效率處于高值集聚區(qū)(H-H)和低值集聚區(qū)(L-L),僅有少量省份處于空間離群區(qū)內(nèi),反映出農(nóng)業(yè)能源碳排放效率具有顯著的空間異質(zhì)性特征;空間面板模型的實(shí)證結(jié)果表明,經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)財(cái)政支出、農(nóng)業(yè)技術(shù)創(chuàng)新和城鎮(zhèn)化水平對(duì)農(nóng)業(yè)能源碳排放效率起到顯著的促進(jìn)作用,而農(nóng)村人力資本和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)則對(duì)農(nóng)業(yè)能源碳排放效率具有抑制作用。

本文的研究結(jié)論為有效提升農(nóng)業(yè)能源碳排放效率,實(shí)現(xiàn)農(nóng)業(yè)發(fā)展的綠色低碳轉(zhuǎn)型提供一定的借鑒。具體的政策啟示為:①中西部地區(qū)要強(qiáng)化與東部地區(qū)的交流合作,通過借鑒和吸收先進(jìn)的農(nóng)業(yè)管理方式和技術(shù)模式,逐步建立起農(nóng)業(yè)生態(tài)環(huán)境保護(hù)責(zé)任制,提高農(nóng)業(yè)部門的能源利用效率,降低農(nóng)業(yè)能源消耗所產(chǎn)生的CO2。②以貫徹和實(shí)施我國(guó)提出的鄉(xiāng)村振興戰(zhàn)略為契機(jī),大力發(fā)展農(nóng)村和農(nóng)業(yè)經(jīng)濟(jì),通過加大對(duì)傳統(tǒng)高能耗、高排放農(nóng)業(yè)發(fā)展模式的改造力度,全面推進(jìn)農(nóng)業(yè)生產(chǎn)的現(xiàn)代化進(jìn)程。③強(qiáng)化普及農(nóng)村基礎(chǔ)教育,開展以通識(shí)教育與農(nóng)業(yè)技術(shù)培訓(xùn)相結(jié)合方式有效提升農(nóng)民素質(zhì),為發(fā)展綠色低碳農(nóng)業(yè)提供相應(yīng)的智力支持。④各地區(qū)要結(jié)合自身的資源稟賦,因地制宜實(shí)施退耕還林、退耕還牧,同時(shí)積極發(fā)展特色農(nóng)業(yè),進(jìn)一步調(diào)整和優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。⑤加大農(nóng)業(yè)財(cái)政支出力度,建立農(nóng)業(yè)財(cái)政支持低碳農(nóng)業(yè)發(fā)展的長(zhǎng)效機(jī)制。農(nóng)業(yè)財(cái)政資金不但要優(yōu)先用于農(nóng)業(yè)低碳項(xiàng)目開發(fā),而且要為農(nóng)業(yè)企業(yè)提供節(jié)能技術(shù)改造補(bǔ)貼,鼓勵(lì)他們使用清潔能源。⑥充分發(fā)揮政府的農(nóng)業(yè)技術(shù)創(chuàng)新主導(dǎo)地位,鼓勵(lì)企業(yè)參與農(nóng)業(yè)技術(shù)創(chuàng)新,同時(shí)積極打造技術(shù)交易服務(wù)平臺(tái),切實(shí)提高農(nóng)業(yè)技術(shù)成果的轉(zhuǎn)化率,逐步建立起完善的農(nóng)業(yè)技術(shù)創(chuàng)新體系。⑦在快速推進(jìn)城鎮(zhèn)化過程中正確處理工業(yè)對(duì)農(nóng)業(yè)的反哺關(guān)系,積極實(shí)施“以工促農(nóng)、以城帶鄉(xiāng)”的城鄉(xiāng)一體化策略,最終實(shí)現(xiàn)城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化的協(xié)調(diào)發(fā)展。