韓金雨，曲建升,①，徐 麗，李恒吉,，劉莉娜

(1.蘭州大學(xué)西部環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室/ 資源環(huán)境學(xué)院，甘肅 蘭州 730000；2.中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院，甘肅 蘭州 730000)

人類活動(dòng)產(chǎn)生的溫室氣體及其引起的氣候變暖已成為全球公認(rèn)的環(huán)境問題，農(nóng)業(yè)碳排放量已占全球溫室氣體排放總量的21%～25%[1]。中國(guó)農(nóng)業(yè)源溫室氣體排放約占全國(guó)溫室氣體排放總量的17%，其中，農(nóng)業(yè)產(chǎn)生的CH4和N2O分別占全國(guó)總量的50%和92%[2]。改革開放以來，我國(guó)農(nóng)業(yè)快速發(fā)展的背后，離不開支農(nóng)財(cái)政的支持，2020年已是中央第17年發(fā)布中央一號(hào)文件，連續(xù)強(qiáng)調(diào)財(cái)政對(duì)農(nóng)業(yè)的支持作用，凸顯了支農(nóng)財(cái)政對(duì)農(nóng)業(yè)發(fā)展的基礎(chǔ)保障作用。自2007年我國(guó)財(cái)政收支分類改革之后，中央農(nóng)林水事務(wù)支出從313.7億元增長(zhǎng)至2018年的592.3億元，地方農(nóng)林水事務(wù)支出從3 091億元增長(zhǎng)至20 493.29億元。支農(nóng)財(cái)政規(guī)模，尤其是地方支農(nóng)財(cái)政增長(zhǎng)幅度可觀，地方支農(nóng)財(cái)政在地方一般公共預(yù)算支出中所占比例也逐年攀升。

由于支農(nóng)財(cái)政歷來就是我國(guó)支持和調(diào)控農(nóng)業(yè)發(fā)展的主要手段和政策工具，對(duì)支農(nóng)財(cái)政的相關(guān)研究主要集中于探究其與農(nóng)業(yè)發(fā)展效率或績(jī)效的關(guān)系，如支農(nóng)財(cái)政對(duì)農(nóng)民的增收和減貧效應(yīng)[3]、對(duì)農(nóng)業(yè)整體發(fā)展水平的提升作用[4]、對(duì)農(nóng)村居民消費(fèi)水平和消費(fèi)結(jié)構(gòu)的提升和優(yōu)化作用[5]、對(duì)農(nóng)業(yè)生產(chǎn)效率或農(nóng)業(yè)技術(shù)效率的升級(jí)[6]、對(duì)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化[7]以及對(duì)地方城鎮(zhèn)化[8]的影響等。值得一提的是，支農(nóng)財(cái)政對(duì)農(nóng)業(yè)的影響均是在一定的空間背景下展開的[7]，具有一定的空間溢出效應(yīng)，主要是由于支農(nóng)財(cái)政和農(nóng)業(yè)生產(chǎn)[9]本身在空間上就表現(xiàn)出一定的地理相關(guān)性和溢出性，再加上相鄰地區(qū)的農(nóng)業(yè)技術(shù)創(chuàng)新與技術(shù)擴(kuò)散、農(nóng)業(yè)專業(yè)化分工與協(xié)作[10]，都會(huì)推動(dòng)鄰近地區(qū)農(nóng)業(yè)發(fā)展指標(biāo)發(fā)生變化。隨著農(nóng)業(yè)碳排放成為氣候變化領(lǐng)域的研究熱點(diǎn)，關(guān)于農(nóng)業(yè)碳排放的影響因素及其作用機(jī)制也得到了學(xué)者們的廣泛關(guān)注，主要影響因素包括農(nóng)業(yè)經(jīng)濟(jì)規(guī)模[2,11]、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)[11]、農(nóng)業(yè)生產(chǎn)效率或農(nóng)業(yè)技術(shù)進(jìn)步[12]、耕地構(gòu)成[13]、城鎮(zhèn)化水平[14]、種植結(jié)構(gòu)[2]和受災(zāi)情況[13]等。研究發(fā)現(xiàn)各個(gè)指標(biāo)均與農(nóng)業(yè)碳排放有一定關(guān)系，而作用程度、影響方向、影響是否顯著等因研究區(qū)域、研究方法和研究時(shí)間的不同而異。

因此，盡管尚沒有關(guān)于支農(nóng)財(cái)政與農(nóng)業(yè)碳排放關(guān)系的研究，但基于上述支農(nóng)財(cái)政對(duì)于農(nóng)業(yè)發(fā)展水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)技術(shù)效率等因素的影響及這些指標(biāo)與農(nóng)業(yè)碳排放之間的相關(guān)關(guān)系，有理由假設(shè)支農(nóng)財(cái)政與農(nóng)業(yè)碳排放之間可能存在著不可忽視的關(guān)聯(lián)性。正是基于這樣的理論假設(shè)，同時(shí)考慮各地區(qū)在農(nóng)業(yè)生產(chǎn)、支農(nóng)財(cái)政以及其他經(jīng)濟(jì)社會(huì)條件等的空間差異和空間依賴，對(duì)支農(nóng)財(cái)政與農(nóng)業(yè)碳排放之間的關(guān)系進(jìn)行研究。另外，除主要研究支農(nóng)財(cái)政與農(nóng)業(yè)碳排放的關(guān)系外，還選擇了各省份經(jīng)濟(jì)社會(huì)發(fā)展、農(nóng)業(yè)生產(chǎn)條件等其他變量作為控制變量，研究其與農(nóng)業(yè)碳排放之間的空間關(guān)系。

1 研究方法與數(shù)據(jù)來源

1.1 探索性空間數(shù)據(jù)分析

在應(yīng)用空間計(jì)量經(jīng)濟(jì)模型之前，首先需要采用探索性空間數(shù)據(jù)分析法對(duì)農(nóng)業(yè)碳排放強(qiáng)度是否存在空間自相關(guān)進(jìn)行檢驗(yàn)，其核心內(nèi)容是空間自相關(guān)測(cè)度，包括全局空間自相關(guān)和局部空間自相關(guān)兩大類[15-16]。全局自相關(guān)主要是對(duì)所有省份整體是否存在空間相關(guān)性進(jìn)行檢驗(yàn)，而局部自相關(guān)則探究每個(gè)省份與其周邊省份之間的集聚。此處進(jìn)行空間自相關(guān)分析只是為了確認(rèn)省份間是否存在空間自相關(guān)，以驗(yàn)證選用空間計(jì)量模型的合理性，因此，并未采用局部自相關(guān)方法詳細(xì)識(shí)別每一個(gè)省份農(nóng)業(yè)碳排放是如何與其周圍省份產(chǎn)生集聚和相關(guān)的。全局自相關(guān)常用的檢驗(yàn)指標(biāo)為Moran指數(shù)(I)，其計(jì)算公式[17]如下：

(1)

對(duì)于空間權(quán)重矩陣Wij的確定，常用的方式包括地理相鄰矩陣、反距離矩陣、經(jīng)濟(jì)距離矩陣、嵌套經(jīng)濟(jì)矩陣和時(shí)間距離矩陣等。由于自然、氣候條件等因素導(dǎo)致相鄰省份農(nóng)業(yè)生產(chǎn)的相似性和集聚性，此處空間矩陣Wij采用簡(jiǎn)單二進(jìn)制的地理相鄰矩陣，遵循Rook相鄰規(guī)則，即兩個(gè)地區(qū)擁有共同邊界則視為鄰接[18]。矩陣W設(shè)定方法如下：主對(duì)角線上元素為0，如果i地區(qū)與j地區(qū)鄰接，則Wij為1，否則為0；將海南省視作與廣東省相鄰。下文中空間計(jì)量模型中的空間權(quán)重矩陣同樣采用地理相鄰空間權(quán)重矩陣。

1.2 空間杜賓模型

傳統(tǒng)的回歸模型以空間均質(zhì)性假設(shè)為前提，但空間異質(zhì)性和依賴性的存在會(huì)導(dǎo)致分析結(jié)果不理想[19]，因此，環(huán)境經(jīng)濟(jì)學(xué)引入了空間計(jì)量模型?？臻g計(jì)量模型主要包括空間滯后模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)：空間滯后模型主要用于研究變量是否對(duì)區(qū)域外有擴(kuò)散或溢出效應(yīng)；空間誤差模型用于不同區(qū)域地理位置導(dǎo)致的地區(qū)間相互作用形式存在差異的相關(guān)分析；空間杜賓模型不僅可考察區(qū)域內(nèi)自變量與因變量之間的關(guān)系，還能度量其他相鄰地區(qū)(鄰域等)滯后自變量與因變量對(duì)該地區(qū)的影響，并可簡(jiǎn)化為空間滯后模型和空間誤差模型，較前兩個(gè)模型更能全面地考察不同維度因素對(duì)因變量的影響?？臻g杜賓模型理論模型可設(shè)置如下[18]：

Yit=ρWijYjt+βiXit+γiWijXjt+εitεit～N(0,σ2In)。

(2)

式(2)中，Yit為空間單元i在時(shí)期t的因變量；X為n×k的矩陣；k為外生自變量個(gè)數(shù)；Wij為n×n空間權(quán)重矩陣；n為空間單元數(shù)；WY和WX分別為表示因變量和自變量的空間滯后項(xiàng)；ρ、β和γ分別為待估參數(shù)，若γ為0，則空間杜賓模型可以簡(jiǎn)化為空間滯后模型，若γ+ρβ=0，則空間杜賓模型可以簡(jiǎn)化為空間誤差模型；ε為隨機(jī)擾動(dòng)項(xiàng)。

上式的簡(jiǎn)化形式可以表示為

(3)

1.3 變量界定與數(shù)據(jù)來源

1.3.1被解釋變量

因變量為農(nóng)業(yè)碳排放強(qiáng)度，首先需對(duì)農(nóng)業(yè)碳排放進(jìn)行核算。目前，國(guó)內(nèi)外主要采用生命周期法對(duì)農(nóng)業(yè)碳排放進(jìn)行核算，包括農(nóng)業(yè)生產(chǎn)全過程中的土壤排放、能源投入、物資投入、動(dòng)物腸道等環(huán)節(jié)直接排放以及間接產(chǎn)生的CO2、N2O和CH4等溫室氣體(根據(jù)IPCC第4次評(píng)估報(bào)告，農(nóng)業(yè)生產(chǎn)活動(dòng)中的N2O 和CH4等溫室氣體也屬于農(nóng)業(yè)碳排放，并換算成CO2當(dāng)量)。根據(jù)已有學(xué)者建立的核算體系、方法[20-23]，中國(guó)農(nóng)、牧業(yè)生產(chǎn)過程中的碳排放主要包括4個(gè)方面：(1)農(nóng)田土壤碳排放，指農(nóng)田土壤翻耕破壞導(dǎo)致的碳排放，其中，最主要的是N2O排放，其單位面積排放系數(shù)因作物種類而異；(2)農(nóng)資投入排放，包括農(nóng)田種植過程中的化肥、柴油、農(nóng)藥、農(nóng)膜和電力等投入品間接產(chǎn)生的碳排放；(3)水稻種植碳排放，指稻田種植直接產(chǎn)生的CH4排放，其排放系數(shù)因不同省份水文、氣候和土壤條件而不同，且因水稻播種期(早、中、晚季稻)而異；(4)畜牧養(yǎng)殖碳排放，主要指國(guó)內(nèi)常見的部分草食性動(dòng)物的反芻活動(dòng)和糞便活動(dòng)產(chǎn)生的CH4、N2O。其中，以上前3個(gè)部分為種植業(yè)相關(guān)的碳排放，第4個(gè)部分為畜牧業(yè)碳排放。基于IPCC關(guān)于農(nóng)業(yè)碳排放的核算及相關(guān)資料[24]，構(gòu)建農(nóng)業(yè)碳排放核算公式：

E=∑Ei=∑(Siei)。

(4)

式(4)中，E為農(nóng)業(yè)溫室氣體排放總量；Ei為第i類源引發(fā)的溫室氣體排放量；Si和ei分別為第i類農(nóng)業(yè)溫室氣體來源和排放系數(shù)。為便于分析，在核算各類溫室氣體排放量后，將CH4和N2O排放換算為CO2當(dāng)量[20]。

農(nóng)業(yè)碳排放核算過程中需要的各類數(shù)據(jù)來自國(guó)家統(tǒng)計(jì)局網(wǎng)站、國(guó)家種植業(yè)信息網(wǎng)和歷年《中國(guó)農(nóng)業(yè)年鑒》，其中，各類農(nóng)作物種植面積、灌溉面積，各類牲畜出欄量和存欄量，農(nóng)藥使用量、化肥施用量、農(nóng)膜用量、農(nóng)用柴油消耗量等數(shù)據(jù)均來自《中國(guó)農(nóng)業(yè)年鑒》，部分缺失年份數(shù)據(jù)來自中國(guó)種植業(yè)信息網(wǎng)。農(nóng)業(yè)碳排放強(qiáng)度為農(nóng)業(yè)碳排放量與農(nóng)業(yè)總產(chǎn)值的比值，農(nóng)業(yè)總產(chǎn)值來自《中國(guó)農(nóng)業(yè)年鑒》。

1.3.2解釋變量

支農(nóng)財(cái)政資金比例。支農(nóng)財(cái)政資金是指政府為扶持農(nóng)業(yè)發(fā)展提供的財(cái)政預(yù)算支出。我國(guó)支農(nóng)財(cái)政資金項(xiàng)目種類繁多，但按照學(xué)者們[25]的分類，支農(nóng)財(cái)政支出結(jié)構(gòu)基本可以劃分為投資性支出、消費(fèi)性支出和轉(zhuǎn)移性支出3個(gè)大類。因此，模型選用支農(nóng)財(cái)政資金占全部財(cái)政支出的比例作為解釋變量，以消除各地區(qū)由于農(nóng)業(yè)規(guī)模不同導(dǎo)致的財(cái)政支出規(guī)模差異，反映了政府對(duì)農(nóng)業(yè)的重視程度和支持力度。

1.3.3控制變量

農(nóng)業(yè)碳排放強(qiáng)度受到多種因素的影響，因此，除支農(nóng)財(cái)政變量外，參照相關(guān)研究[2,26]，選取可能會(huì)對(duì)農(nóng)業(yè)碳排放強(qiáng)度造成影響的因素作為控制變量。在一個(gè)省份的整體環(huán)境方面，選擇經(jīng)濟(jì)發(fā)展水平、經(jīng)濟(jì)結(jié)構(gòu)、城鎮(zhèn)化率、城鄉(xiāng)差距(消費(fèi)水平)等指標(biāo)，代表一個(gè)省份宏觀的發(fā)展環(huán)境。在農(nóng)業(yè)發(fā)展方面，選擇農(nóng)業(yè)結(jié)構(gòu)代表農(nóng)業(yè)總產(chǎn)出中農(nóng)業(yè)與畜牧業(yè)的占比，受災(zāi)率代表一個(gè)省份農(nóng)業(yè)生產(chǎn)的自然因素；農(nóng)業(yè)發(fā)展水平代表一個(gè)省份農(nóng)業(yè)生產(chǎn)能力，農(nóng)業(yè)機(jī)械化程度代表一個(gè)地區(qū)農(nóng)業(yè)生產(chǎn)的現(xiàn)代化水平，人均耕地面積代表農(nóng)業(yè)生產(chǎn)的規(guī)模化水平。其中，GDP、人口數(shù)量、城鎮(zhèn)人口數(shù)量、鄉(xiāng)村人口數(shù)量、支農(nóng)財(cái)政支出、全部財(cái)政支出、消費(fèi)水平產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)產(chǎn)值、畜牧業(yè)產(chǎn)值、受災(zāi)面積和農(nóng)業(yè)機(jī)械總動(dòng)力等數(shù)據(jù)均來自國(guó)家統(tǒng)計(jì)局網(wǎng)站，農(nóng)業(yè)增加值等來自《中國(guó)農(nóng)業(yè)年鑒》。各變量的描述統(tǒng)計(jì)見表1。

需要說明的是，農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)增加值、GDP指標(biāo)等均采用1997年不變價(jià)格，以消除價(jià)格波動(dòng)和通貨膨脹的影響；部分省份部分年份的農(nóng)村人口數(shù)據(jù)缺失，由于年際變化較小且趨勢(shì)較平穩(wěn)，所以采用移動(dòng)平均法補(bǔ)齊。另外，為消除量綱的影響，在代入實(shí)證模型之前，對(duì)因變量和各個(gè)自變量進(jìn)行標(biāo)準(zhǔn)化處理。

表1 變量含義及描述統(tǒng)計(jì)情況

2 實(shí)證結(jié)果與討論

2.1 農(nóng)業(yè)碳排放強(qiáng)度時(shí)空特征分析

通過對(duì)歷年各省份農(nóng)業(yè)碳排放強(qiáng)度進(jìn)行測(cè)算，農(nóng)業(yè)碳排放強(qiáng)度較大省份主要是西藏、青海、甘肅、寧夏、新疆、內(nèi)蒙古等畜牧業(yè)大省(區(qū))，尤其是以牛、羊等反芻類動(dòng)物為主的省份(圖1)，而這類畜牧業(yè)較高的碳排放足跡決定了其農(nóng)業(yè)碳排放強(qiáng)度要遠(yuǎn)遠(yuǎn)高于其他省份；另外，湖南、江西、廣西、海南等在研究期限初期碳排放強(qiáng)度也較高，主要是由于這些省份種植結(jié)構(gòu)中水稻種植比例較高導(dǎo)致。從時(shí)序變化來看，絕大多數(shù)省份農(nóng)業(yè)碳排放強(qiáng)度均有較大程度下降，這主要是農(nóng)業(yè)生產(chǎn)率的全面提升造成的。

從支農(nóng)財(cái)政在全部財(cái)政支出中的占比(圖2)來看，在1997年，這一比例較高的是北京、上海、廣東等省份；而到2007年，絕大多數(shù)省份這一比例均有非常大的提升，這是我國(guó)農(nóng)業(yè)經(jīng)濟(jì)的快速發(fā)展和對(duì)農(nóng)業(yè)發(fā)展的財(cái)政支持力度持續(xù)增加的體現(xiàn)；到2017年，各省份支農(nóng)財(cái)政比例進(jìn)一步提升，且各農(nóng)業(yè)大省(區(qū)、市)這一比例已經(jīng)領(lǐng)先于其他省份。

1997—2017年，各省份支農(nóng)財(cái)政比例持續(xù)提高，導(dǎo)致我國(guó)農(nóng)業(yè)經(jīng)濟(jì)快速發(fā)展和農(nóng)業(yè)生產(chǎn)率大幅提升，從而使得農(nóng)業(yè)碳排放強(qiáng)度也普遍降低，這雖然可以初步印證支農(nóng)財(cái)政可能具有抑制農(nóng)業(yè)碳排放強(qiáng)度的作用，但還需進(jìn)一步通過空間回歸模型進(jìn)行實(shí)證分析。

2.2 空間回歸分析

2.2.1空間自相關(guān)檢驗(yàn)

在進(jìn)行空間回歸分析之前，首先，對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間自相關(guān)性進(jìn)行檢驗(yàn)，探究碳排放強(qiáng)度相當(dāng)?shù)氖》荩诳臻g分布上是否存在集聚模式，空間集聚也體現(xiàn)了一定程度的空間異質(zhì)性和相關(guān)性。

在整個(gè)研究期內(nèi)，農(nóng)業(yè)碳排放強(qiáng)度Moran指數(shù)的P值和z值都通過了檢驗(yàn)，且所有年份Moran指數(shù)都大于0，說明農(nóng)業(yè)碳排放強(qiáng)度具有很顯著的空間自相關(guān)性，呈現(xiàn)出較強(qiáng)的空間集聚性。從歷年趨勢(shì)來看，這種空間自相關(guān)性較為穩(wěn)定，農(nóng)業(yè)碳排放強(qiáng)度的Moran指數(shù)隨時(shí)間變化呈一定的下降趨勢(shì)(表2)，說明原先碳排放強(qiáng)度較高的省份隨著生產(chǎn)效率的提高，其與低排放強(qiáng)度的省份之間的差距在逐漸變小。

表2 歷年農(nóng)業(yè)碳排放強(qiáng)度Moran指數(shù)值

2.2.2空間計(jì)量模型選擇

選擇空間計(jì)量模型時(shí)，首先需進(jìn)行拉格朗日乘子(LM)檢驗(yàn)?；谄胀ㄗ钚《嘶貧w模型(OLS)進(jìn)行LM檢驗(yàn)，考察模型本身是否存在空間相關(guān)性，檢驗(yàn)空間計(jì)量的適用性，其原假設(shè)為模型不包含空間滯后或空間誤差項(xiàng)，以檢驗(yàn)數(shù)據(jù)更適合空間滯后模型(SAR)還是空間誤差模型(SEM)。ANSELIN[19]提出的判別標(biāo)準(zhǔn)如下：若拉格朗日乘子滯后量(LMLAG)顯著，則不能拒絕SAR；若拉格朗日乘子誤差量(LMERR)檢驗(yàn)及其穩(wěn)健拉格朗日乘子(RLM)形式顯著，則不能拒絕SEM；若LMLAG比LMERR在統(tǒng)計(jì)上更加顯著，且穩(wěn)健拉格朗日乘子滯后量(R-LMLAG)顯著而穩(wěn)健拉格朗日乘子誤差量(R-LMERR)不顯著，則選擇SAR，反之，則選擇SEM；若兩者均顯著，則使用SDM，再進(jìn)一步通過似然比(LR)檢驗(yàn)和Wald檢驗(yàn)考察SDM使用的正確性。LM檢驗(yàn)(表3)顯示SDM更為適用。

表3 LM檢驗(yàn)統(tǒng)計(jì)量及顯著性

然后，通過豪斯曼檢驗(yàn)判斷固定效應(yīng)和隨機(jī)效應(yīng)的選用，豪斯曼檢驗(yàn)的統(tǒng)計(jì)值為77.01且在1%水平上顯著，顯示采用隨機(jī)效應(yīng)模型更適合。最后，需通過LR檢驗(yàn)和Wald檢驗(yàn)來判斷SDM是否會(huì)退化為SAR和SEM。LR檢驗(yàn)和Wald檢驗(yàn)結(jié)果在1%顯著性水平上拒絕了SDM可以退化為SEM和SAR的假設(shè)(表4)。綜上所述，農(nóng)業(yè)碳排放強(qiáng)度的空間分析宜采用隨機(jī)效應(yīng)SDM。

表4 LR檢驗(yàn)和Wald檢驗(yàn)結(jié)果

2.2.3空間回歸結(jié)果分析

由于農(nóng)業(yè)碳排放強(qiáng)度表現(xiàn)出較強(qiáng)的空間相關(guān)性和依賴性，而OLS回歸模型沒有考慮空間因素，估計(jì)結(jié)果均為常數(shù)，不完全符合農(nóng)業(yè)碳排放的實(shí)際情況，因此，選用SDM對(duì)農(nóng)業(yè)碳排放強(qiáng)度進(jìn)行回歸分析，結(jié)果見表 5。從回歸模型的空間自回歸系數(shù)來看，這在很大程度上可以說明中國(guó)省域農(nóng)業(yè)碳排放強(qiáng)度在空間上存在較為明顯的溢出效應(yīng)，即本地區(qū)碳排放強(qiáng)度提高對(duì)鄰域具有較強(qiáng)的拉動(dòng)或抑制作用。

表5 空間杜賓模型(SDM)估計(jì)結(jié)果

從支農(nóng)財(cái)政對(duì)農(nóng)業(yè)碳排放強(qiáng)度的作用來看，支農(nóng)財(cái)政對(duì)農(nóng)業(yè)碳排放強(qiáng)度的主效應(yīng)和空間效應(yīng)分別通過1%的顯著性檢驗(yàn)，說明支農(nóng)財(cái)政具有顯著的抑制農(nóng)業(yè)碳排放強(qiáng)度的效果，且相鄰省份支農(nóng)財(cái)政資金比本區(qū)域內(nèi)的支農(nóng)財(cái)政資金對(duì)本省份農(nóng)業(yè)碳排放的抑制效果更明顯。從其他控制變量的顯著性來看，經(jīng)濟(jì)結(jié)構(gòu)、城鄉(xiāng)差距、農(nóng)業(yè)發(fā)展水平、農(nóng)業(yè)機(jī)械化水平和耕地占用率均對(duì)本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度具有顯著的影響作用，其中，農(nóng)業(yè)發(fā)展水平和農(nóng)業(yè)機(jī)械化水平對(duì)抑制農(nóng)業(yè)碳排放具有一定作用，而城鄉(xiāng)差距、耕地占有率和經(jīng)濟(jì)結(jié)構(gòu)對(duì)促進(jìn)農(nóng)業(yè)碳排放具有一定作用；受災(zāi)程度也在一定程度上能夠抑制鄰域農(nóng)業(yè)碳排放強(qiáng)度，城鄉(xiāng)差距和農(nóng)業(yè)發(fā)展水平則能夠正向提升鄰近地區(qū)碳排放強(qiáng)度。

在明確各因素是否對(duì)某地區(qū)及其周邊地區(qū)農(nóng)業(yè)碳排放強(qiáng)度具有影響后，為進(jìn)一步把握其具體影響方向及大小，對(duì)各因素的直接效應(yīng)、間接效應(yīng)和總效應(yīng)進(jìn)行探討。盡管各因素對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響方向與直接回歸結(jié)果(表5)基本一致，但可更細(xì)致地區(qū)分各因素對(duì)本省份及其相鄰省份的作用(圖3)。直接效應(yīng)是某地區(qū)變量對(duì)本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的影響大小，其等于SDM系數(shù)與反饋效應(yīng)之和，反饋效應(yīng)指本地區(qū)變量對(duì)其他地區(qū)的影響又會(huì)反過來影響該地區(qū)；間接效應(yīng)用于度量鄰近地區(qū)某個(gè)解釋變量對(duì)本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的影響。

首先，支農(nóng)財(cái)政具有明顯抑制農(nóng)業(yè)碳排放強(qiáng)度的作用，可以看出，一個(gè)省份支農(nóng)財(cái)政對(duì)本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度的回歸系數(shù)為-0.081，有一定的抑制作用，而鄰近省份支農(nóng)財(cái)政對(duì)本地區(qū)農(nóng)業(yè)碳排放抑制作用更為明顯，回歸系數(shù)達(dá)到-0.234(圖3)。這種抑制作用基本可以印證支農(nóng)財(cái)政的碳減排效應(yīng)作用機(jī)制，即本地支農(nóng)財(cái)政政策不僅會(huì)在本地起到調(diào)整農(nóng)業(yè)結(jié)構(gòu)、提升生產(chǎn)效率、擴(kuò)大產(chǎn)出規(guī)模等作用，最終還會(huì)導(dǎo)致農(nóng)業(yè)碳排放強(qiáng)度降低；而相鄰地區(qū)支農(nóng)財(cái)政導(dǎo)致的農(nóng)業(yè)生產(chǎn)效率的提高、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)的專門化、農(nóng)業(yè)產(chǎn)出水平的提高，會(huì)導(dǎo)致農(nóng)業(yè)生產(chǎn)活動(dòng)進(jìn)一步分工，更能充分發(fā)揮每個(gè)省域農(nóng)業(yè)生產(chǎn)的比較優(yōu)勢(shì)，使得本地區(qū)農(nóng)業(yè)生產(chǎn)效率進(jìn)一步提升，在更大程度上降低本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度。

從各控制變量的回歸結(jié)果來看，城鎮(zhèn)化水平、農(nóng)業(yè)機(jī)械化水平同支農(nóng)財(cái)政變量一樣，本地和鄰近省份的變量均對(duì)本地農(nóng)業(yè)碳排放起到抑制作用，且鄰近省份變量的碳減排效果更為明顯；經(jīng)濟(jì)結(jié)構(gòu)和耕地占有率對(duì)本地區(qū)和鄰近地區(qū)農(nóng)業(yè)碳排放強(qiáng)度均有一定提升作用，且對(duì)相鄰地區(qū)的空間溢出效應(yīng)(間接效應(yīng))要小于對(duì)本地區(qū)碳排放強(qiáng)度的直接提升作用；城鄉(xiāng)差距具有較強(qiáng)的提升碳排放的效應(yīng)，且空間溢出效應(yīng)要大于作用于本地的直接效應(yīng)；農(nóng)業(yè)發(fā)展水平的直接效應(yīng)和間接效應(yīng)呈現(xiàn)相反的方向，盡管本地區(qū)農(nóng)業(yè)發(fā)展水平的提升有一定的碳排放強(qiáng)度抑制效應(yīng)，但來自鄰近地區(qū)的空間溢出效應(yīng)能夠提升碳排放強(qiáng)度，綜合起來還是會(huì)大大提升一個(gè)地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度。

3 結(jié)論與建議

3.1 結(jié)論

在厘清支農(nóng)財(cái)政對(duì)于農(nóng)業(yè)碳排放強(qiáng)度的作用機(jī)制基礎(chǔ)上，以1997—2017年中國(guó)31個(gè)省份為研究對(duì)象，運(yùn)用SDM檢驗(yàn)支農(nóng)財(cái)政對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響。主要研究結(jié)論如下：(1)初步時(shí)空分析表明，1997—2017年，各省份支農(nóng)財(cái)政比例大幅提升帶來了農(nóng)業(yè)經(jīng)濟(jì)的快速發(fā)展和農(nóng)業(yè)生產(chǎn)效率的大幅提升，因此，導(dǎo)致了農(nóng)業(yè)碳排放強(qiáng)度的普遍下降。(2)支農(nóng)財(cái)政對(duì)于農(nóng)業(yè)碳排放強(qiáng)度的抑制作用具有明顯的空間依賴特征，即：不僅本省份支農(nóng)財(cái)政能夠直接抑制該省份農(nóng)業(yè)碳排放強(qiáng)度，鄰近省份支農(nóng)財(cái)政對(duì)本省份農(nóng)業(yè)碳排放強(qiáng)度抑制效應(yīng)更強(qiáng)。(3)經(jīng)濟(jì)結(jié)構(gòu)、城鎮(zhèn)化水平、城鄉(xiāng)差距、農(nóng)業(yè)發(fā)展水平、農(nóng)業(yè)機(jī)械化水平和耕地占用率等因素都不同程度地影響著農(nóng)業(yè)碳排放強(qiáng)度，且各因素有著不同的顯著性，存在著不同程度的空間溢出效應(yīng)。

3.2 政策建議

首先，從支農(nóng)財(cái)政能夠降低農(nóng)業(yè)碳排放強(qiáng)度來看，支農(nóng)財(cái)政在促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的同時(shí)，能夠降低農(nóng)業(yè)碳排放強(qiáng)度，提升碳排放效率；因此，應(yīng)建立支農(nóng)財(cái)政的長(zhǎng)效機(jī)制，為農(nóng)業(yè)發(fā)展提供保障。當(dāng)前，我國(guó)農(nóng)業(yè)處在傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)跨越的關(guān)鍵時(shí)期，支農(nóng)財(cái)政在農(nóng)業(yè)發(fā)展中的作用更加重要，應(yīng)堅(jiān)持以新發(fā)展理念為引領(lǐng)，推動(dòng)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，繼續(xù)落實(shí)強(qiáng)農(nóng)惠農(nóng)富農(nóng)政策，確保農(nóng)業(yè)，尤其是三農(nóng)事業(yè)的健康穩(wěn)定發(fā)展。(1)進(jìn)一步優(yōu)化、完善支農(nóng)財(cái)政政策體系。以辯證思維處理好政府-市場(chǎng)、生產(chǎn)-消費(fèi)、資源-環(huán)境等關(guān)系，推動(dòng)種糧補(bǔ)貼、良種補(bǔ)貼和農(nóng)資補(bǔ)貼等“多合一”；深化農(nóng)業(yè)相關(guān)價(jià)格機(jī)制改革，進(jìn)一步完善最低收購(gòu)價(jià)政策，保護(hù)農(nóng)民切身利益；合理調(diào)整支農(nóng)財(cái)政資金投向，及時(shí)修正相關(guān)政策目標(biāo)，提升投向基礎(chǔ)設(shè)施建設(shè)和農(nóng)業(yè)科技等的支出比例，確保資金能夠用在“刀刃”上。(2)探索支農(nóng)財(cái)政體制機(jī)制創(chuàng)新。圍繞補(bǔ)齊短板促進(jìn)形成多元化投入格局目標(biāo)，更好地發(fā)揮支農(nóng)財(cái)政“四兩撥千斤”作用，進(jìn)一步拓寬金融渠道，加強(qiáng)財(cái)政支農(nóng)與政策性、商業(yè)性金融的結(jié)合，探索財(cái)政和金融協(xié)同支農(nóng)新模式；完善支農(nóng)財(cái)政資金管理機(jī)制，提高資金使用效益；加強(qiáng)支農(nóng)財(cái)政資金監(jiān)管和公眾監(jiān)督，確保資金安全。(3)明確重點(diǎn)和方向，確保支農(nóng)資金落到實(shí)處。支農(nóng)財(cái)政首先要以保障農(nóng)業(yè)基礎(chǔ)設(shè)施為根本，以夯實(shí)農(nóng)業(yè)可持續(xù)發(fā)展基礎(chǔ)；保障科研投入，保持農(nóng)業(yè)發(fā)展活力，提高農(nóng)業(yè)競(jìng)爭(zhēng)力；保障農(nóng)民收入，持續(xù)促進(jìn)農(nóng)民增收，確保農(nóng)民共享農(nóng)業(yè)發(fā)展成果；保障涉農(nóng)服務(wù)體系建設(shè)，建成農(nóng)業(yè)生產(chǎn)的專業(yè)化和社會(huì)化的基礎(chǔ)和平臺(tái)；引導(dǎo)農(nóng)業(yè)綠色發(fā)展、可持續(xù)發(fā)展，重點(diǎn)支持休耕輪作、退耕還林還草、重金屬污染耕地修復(fù)、現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)體系構(gòu)建等領(lǐng)域；以提高農(nóng)業(yè)開放水平為導(dǎo)向，優(yōu)化農(nóng)產(chǎn)品進(jìn)出口格局，引導(dǎo)農(nóng)業(yè)走出去。

其次，從支農(nóng)財(cái)政作用于農(nóng)業(yè)碳排放強(qiáng)度的空間效應(yīng)來看，需優(yōu)化支農(nóng)財(cái)政的區(qū)域分配結(jié)構(gòu)，合理調(diào)配支農(nóng)財(cái)政資金。地區(qū)之間“各自為政”無益于實(shí)現(xiàn)農(nóng)業(yè)的發(fā)展和農(nóng)業(yè)的碳排放強(qiáng)度降低，而是需要國(guó)家從農(nóng)業(yè)供應(yīng)和糧食安全的全局出發(fā)，全國(guó)“一盤棋”，做好統(tǒng)一協(xié)調(diào)、統(tǒng)籌安排；各地區(qū)在制定相關(guān)政策時(shí)需因地制宜，避免“一刀切”的同質(zhì)化現(xiàn)象，同時(shí)需要各地區(qū)加強(qiáng)合作聯(lián)系，以共同提升農(nóng)業(yè)發(fā)展水平，降低農(nóng)業(yè)碳排放強(qiáng)度。適時(shí)將碳排放交易機(jī)制引入農(nóng)業(yè)，發(fā)揮市場(chǎng)在調(diào)控各地區(qū)交流合作中的作用。

最后，考慮到各控制變量與農(nóng)業(yè)碳排放強(qiáng)度之間的空間溢出關(guān)系，進(jìn)一步提高城鎮(zhèn)化水平，提升農(nóng)業(yè)機(jī)械化水平，優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)，縮小城鄉(xiāng)差距，均有助于農(nóng)業(yè)碳排放強(qiáng)度的降低和農(nóng)業(yè)碳排放效率的提升。