李 寬，張 弘，史 磊

（1.首都經(jīng)濟(jì)貿(mào)易大學(xué) 經(jīng)濟(jì)學(xué)院，北京 100070；2.中國海洋大學(xué) 管理學(xué)院，山東 青島 266100）

0 引言

農(nóng)業(yè)可持續(xù)發(fā)展是當(dāng)今世界各國共同關(guān)注的話題，也是推進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的關(guān)鍵之所在。當(dāng)前農(nóng)業(yè)生產(chǎn)所造成的碳排放已位居全球第二位，僅次于工業(yè)的碳排放。高強(qiáng)度的碳排放不僅威脅著人類的生存環(huán)境，也破壞了生態(tài)平衡。根據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）的統(tǒng)計(jì)數(shù)據(jù)，全球農(nóng)業(yè)生產(chǎn)和土地利用導(dǎo)致的溫室氣體排放約占總排放量的30%,相當(dāng)于每年產(chǎn)生150 億噸的二氧化碳，其中化肥、農(nóng)藥等過量施用，電力灌溉、農(nóng)業(yè)機(jī)械使用，以及動(dòng)物糞便、秸稈燃燒等有機(jī)廢棄物處理是農(nóng)業(yè)二氧化碳的重要來源。隨著我國農(nóng)業(yè)現(xiàn)代化的推進(jìn)以及化學(xué)農(nóng)業(yè)、石油農(nóng)業(yè)、機(jī)械農(nóng)業(yè)的迅速發(fā)展，在帶來農(nóng)業(yè)經(jīng)濟(jì)增長和糧食大幅度增產(chǎn)的同時(shí)，也付出了資源的極大消耗、環(huán)境污染等代價(jià)，這種高投入與低效率的農(nóng)業(yè)發(fā)展模式不能滿足農(nóng)業(yè)高質(zhì)量發(fā)展的要求。

影響農(nóng)業(yè)碳排放的因素眾多，其中科技進(jìn)步在農(nóng)業(yè)碳減排方面的關(guān)鍵作用已成為普遍共識(shí)[1,2]。2020 年中國提出力爭2030 年前實(shí)現(xiàn)碳達(dá)峰，2060年前實(shí)現(xiàn)碳中和的“雙碳”目標(biāo)。在此背景下，為促進(jìn)農(nóng)業(yè)綠色低碳發(fā)展，實(shí)現(xiàn)農(nóng)業(yè)發(fā)展方式的轉(zhuǎn)變，就必須發(fā)揮農(nóng)業(yè)科技在其中的關(guān)鍵性作用，同時(shí)這也是推動(dòng)農(nóng)業(yè)高質(zhì)量發(fā)展的必然選擇。當(dāng)前中國正處于農(nóng)業(yè)科技快速進(jìn)步的時(shí)期，各地區(qū)之間的農(nóng)業(yè)科技水平差距較大。因此，在探究農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放的影響時(shí)，也必須考慮這種差異是否會(huì)對(duì)農(nóng)業(yè)碳排放產(chǎn)生影響。已有文獻(xiàn)基于科技發(fā)展角度對(duì)農(nóng)業(yè)碳排放的研究是非常豐富的[3—13]，這為本文提供了有益參考。但是通過歸納學(xué)者們的研究不難發(fā)現(xiàn)，他們都忽略了地區(qū)之間的空間關(guān)聯(lián)情況，由于科學(xué)技術(shù)進(jìn)步存在“技術(shù)溢出效應(yīng)”或“經(jīng)濟(jì)溢出效應(yīng)”等影響，因此會(huì)對(duì)相鄰地區(qū)的農(nóng)業(yè)生產(chǎn)方式轉(zhuǎn)變產(chǎn)生間接影響。鑒于此，本文基于空間角度，在前人研究的基礎(chǔ)上進(jìn)行拓展和延伸，借助空間計(jì)量模型實(shí)證檢驗(yàn)本地區(qū)和鄰近地區(qū)農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放的空間影響。

1 機(jī)理分析與研究假設(shè)

1.1 農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放的“直接效應(yīng)”影響機(jī)理

農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放的“直接效應(yīng)”影響主要體現(xiàn)在三個(gè)層面上。一是農(nóng)業(yè)科技進(jìn)步可以促進(jìn)資源利用效率的提高。例如土地規(guī)模化發(fā)展、新型排灌、肥料施用、農(nóng)藥施用等可以更好地利用農(nóng)業(yè)資源，減少資源的耗損，提高資源利用率，從而降低農(nóng)業(yè)碳排放。二是農(nóng)業(yè)科技進(jìn)步促進(jìn)種植結(jié)構(gòu)合理化。農(nóng)業(yè)科技進(jìn)步使得農(nóng)作物的種植結(jié)構(gòu)得到了優(yōu)化和升級(jí)。以耕種技術(shù)改良為例，新型農(nóng)業(yè)科技將作物的輪作、輪種、輪休變得更加科學(xué)，并能夠根據(jù)作物生長周期的不同，為不同組織結(jié)構(gòu)、不同根系需求的作物提供恰當(dāng)?shù)乃蕳l件，從而在不同的土地上實(shí)現(xiàn)最簡化的耕作管理，進(jìn)而改變農(nóng)業(yè)生產(chǎn)方式。三是農(nóng)業(yè)科技進(jìn)步提高了農(nóng)業(yè)生產(chǎn)率。農(nóng)業(yè)科技進(jìn)步通過育種、灌溉、施肥等新技術(shù)的應(yīng)用，提高了農(nóng)業(yè)生產(chǎn)率，有效降低了單位產(chǎn)量農(nóng)產(chǎn)品生產(chǎn)的凈碳排放，從而實(shí)現(xiàn)碳減排。鑒于此，本文提出以下假設(shè)：

假設(shè)1：本地區(qū)農(nóng)業(yè)科技進(jìn)步對(duì)本地區(qū)農(nóng)業(yè)碳排放存在顯著的抑制作用，即存在“減碳效應(yīng)”。

1.2 農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放的“空間效應(yīng)”影響機(jī)理

第一，省份間農(nóng)業(yè)技術(shù)溢出對(duì)各省份農(nóng)業(yè)生產(chǎn)存在正向影響，本地區(qū)農(nóng)業(yè)科技進(jìn)步程度的提高存在“技術(shù)溢出效應(yīng)”，鄰近地區(qū)通過“學(xué)中干、干中學(xué)”兩條渠道實(shí)現(xiàn)碳減排。一是本地區(qū)農(nóng)業(yè)技術(shù)提升具有顯著的“示范效應(yīng)”，在逐利影響下，周邊地區(qū)農(nóng)戶生產(chǎn)也會(huì)受到這些改良措施的影響，繼而鄰近地區(qū)的農(nóng)戶產(chǎn)生“從眾心理”，通過單純復(fù)制或簡單照搬、照抄的形式學(xué)習(xí)本地區(qū)的先進(jìn)技術(shù)和管理方法，將之應(yīng)用于自身的農(nóng)業(yè)生產(chǎn)中，從而實(shí)現(xiàn)減排碳。二是鄰近地區(qū)通過“逆向工程”實(shí)現(xiàn)“減碳效應(yīng)”。相鄰地區(qū)可以通過研究本地區(qū)的農(nóng)業(yè)技術(shù)特點(diǎn)以及技術(shù)適用場景，并結(jié)合本地區(qū)農(nóng)業(yè)發(fā)展的實(shí)際情況，對(duì)技術(shù)進(jìn)行細(xì)致研究、消化吸收，進(jìn)而將其融入自身的產(chǎn)品及農(nóng)業(yè)生產(chǎn)工藝中，從而降低農(nóng)業(yè)碳排放，這種渠道的抑制效果是最明顯的。

第二，農(nóng)業(yè)科技進(jìn)步對(duì)鄰近地區(qū)的“經(jīng)濟(jì)溢出效應(yīng)”同樣是不可忽視的，主要體現(xiàn)在對(duì)鄰近地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和促進(jìn)勞動(dòng)力就業(yè)上。一方面，本地區(qū)通過增加科技投入，向市場輸送高質(zhì)量、高附加值的農(nóng)產(chǎn)品，搶占了市場資源。在市場競爭機(jī)制的影響下，消費(fèi)需求變化容易形成“倒逼機(jī)制”，迫使鄰近地區(qū)改變?cè)械纳a(chǎn)方式，不斷增加技術(shù)投入，在此作用下，鄰近地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)得到完善，從而達(dá)到減少碳排放的目的。另一方面，農(nóng)業(yè)科技的發(fā)展可以有效帶動(dòng)產(chǎn)業(yè)轉(zhuǎn)型，促進(jìn)農(nóng)村勞動(dòng)力轉(zhuǎn)移就業(yè)?，F(xiàn)代農(nóng)業(yè)發(fā)展相比傳統(tǒng)農(nóng)業(yè)需要更多的高素質(zhì)勞動(dòng)力，帶來新的就業(yè)崗位，繼而吸納鄰近地區(qū)勞動(dòng)力轉(zhuǎn)移就業(yè)，在一定程度上促使鄰近地區(qū)人均資源占有率提升，緩解了鄰近地區(qū)的農(nóng)業(yè)資源約束問題，繼而實(shí)現(xiàn)碳減排。因此，本文提出以下假設(shè)：

假設(shè)2：農(nóng)業(yè)科技進(jìn)步與農(nóng)業(yè)碳排放存在正向空間關(guān)聯(lián)性。

假設(shè)3：農(nóng)業(yè)碳排放存在正向空間溢出效應(yīng)。

假設(shè)4：本地區(qū)農(nóng)業(yè)科技進(jìn)步提高對(duì)鄰近地區(qū)農(nóng)業(yè)碳排放存在負(fù)向空間溢出效應(yīng)，即存在“減碳效應(yīng)”。

2 實(shí)證檢驗(yàn)

2.1 數(shù)據(jù)來源

本文以2003—2020 年我國省級(jí)面板數(shù)據(jù)為樣本，由于西藏的數(shù)據(jù)存在缺失，因此為保證樣本數(shù)據(jù)的連續(xù)性，本文進(jìn)行了合理剔除，最終保留了30個(gè)省份（不含西藏和港澳臺(tái)）的數(shù)據(jù)。對(duì)部分年份和省份存在缺失的數(shù)據(jù)采用線性插值的方法進(jìn)行補(bǔ)全。相關(guān)數(shù)據(jù)主要來源于歷年《中國農(nóng)業(yè)年鑒》、國家統(tǒng)計(jì)局官網(wǎng)、CSMAR 以及各地方統(tǒng)計(jì)年鑒等。

2.2 變量說明

（1）被解釋變量

本文的被解釋變量為農(nóng)業(yè)碳排放強(qiáng)度（CO2）。學(xué)術(shù)界對(duì)農(nóng)業(yè)碳排放的度量大多采用因子測(cè)度公式進(jìn)行計(jì)算，本文同樣采用此種方法。農(nóng)業(yè)生產(chǎn)活動(dòng)中的碳排放源可歸納為兩類：一類是化肥、農(nóng)藥、農(nóng)膜等生產(chǎn)要素投入產(chǎn)生的碳排放；另一類是柴油、翻耕、灌溉產(chǎn)生的碳排放。因此，可結(jié)合來源根據(jù)農(nóng)業(yè)碳源的碳排放系數(shù)計(jì)算農(nóng)業(yè)碳排放量。

農(nóng)業(yè)碳排放量的計(jì)算公式為：

其中，Cit表示第i個(gè)省份第t年的農(nóng)業(yè)碳排放總量；Cnit為n種碳源的碳排放總量；Tnit為n種碳源的數(shù)量；σn為n種碳源的碳排放系數(shù)（見表1）。

農(nóng)業(yè)碳排放強(qiáng)度的計(jì)算公式為：

其中，i為省份，t為年份；Cit為農(nóng)業(yè)碳排放總量；CO2it為農(nóng)業(yè)碳排放強(qiáng)度；GCPit為不變價(jià)格的種植業(yè)總產(chǎn)值（以2003年為基期）。

（2）解釋變量

本文的解釋變量為農(nóng)業(yè)科技進(jìn)步（SCI），以農(nóng)業(yè)科技進(jìn)步率度量，借鑒陶群山和胡浩（2011）[18]、江艷軍和黃英（2019）[19]的測(cè)算方法和步驟，采用農(nóng)業(yè)生產(chǎn)函數(shù)測(cè)算農(nóng)業(yè)科技進(jìn)步率。公式如下：

其中，Yt為各地區(qū)農(nóng)業(yè)總產(chǎn)值；k1為耕地面積，以糧食總播種面積度量；k2為農(nóng)業(yè)勞動(dòng)力人數(shù)，以第一產(chǎn)業(yè)就業(yè)人數(shù)度量；k3為農(nóng)業(yè)機(jī)械總動(dòng)力；k4為農(nóng)用化肥施用量；At為農(nóng)業(yè)科技進(jìn)步貢獻(xiàn)率；β1、β2、β3和β4分別為耕地面積、農(nóng)業(yè)勞動(dòng)力人數(shù)、農(nóng)業(yè)機(jī)械總動(dòng)力和農(nóng)用化肥施用量的貢獻(xiàn)率。計(jì)算農(nóng)業(yè)科技進(jìn)步率的公式如下：

為確定β1、β2、β3、β4，建立如下回歸方程：

使用雙向固定效應(yīng)模型，利用各省份2003—2020年的面板數(shù)據(jù)估計(jì)得到C1、C2、C3、C4，進(jìn)而得到農(nóng)業(yè)科技進(jìn)步率。

（3）控制變量

本文的控制變量（CON）主要有：農(nóng)作物播種面積（SOW），以農(nóng)作物總播種面積的對(duì)數(shù)度量；機(jī)械化水平（MAC），以農(nóng)業(yè)機(jī)械總動(dòng)力的對(duì)數(shù)度量；城鎮(zhèn)化率（TOW），以城鎮(zhèn)常住人口占總?cè)丝诘谋戎囟攘?；農(nóng)業(yè)財(cái)政支出（GOV），以農(nóng)林水事務(wù)支出占一般財(cái)政支出的比重度量；農(nóng)業(yè)生產(chǎn)投入（IPM），以農(nóng)業(yè)生產(chǎn)性固定資產(chǎn)投資的對(duì)數(shù)度量。

2.3 模型構(gòu)建

（1）全局自相關(guān)模型

判斷農(nóng)業(yè)科技進(jìn)步與農(nóng)業(yè)碳排放是否存在空間關(guān)聯(lián)性最直接的方法是進(jìn)行全局自相關(guān)檢驗(yàn)，模型如下：

（2）空間計(jì)量模型

空間計(jì)量模型主要包括空間誤差模型（SEM）、空間滯后模型（SLR）、空間杜賓模型（SDM）等。而空間杜賓模型在滿足一定的約束條件時(shí)可轉(zhuǎn)換成空間誤差模型或者空間滯后模型，因此本文選擇建立空間杜賓模型（SDM）進(jìn)行實(shí)證檢驗(yàn)。模型如下：

其中，i和t分別表示省份和年份；CO2it為被解釋變量農(nóng)業(yè)碳排放強(qiáng)度；SCIit為解釋變量農(nóng)業(yè)科技進(jìn)步；CONit為所有控制變量；μt為時(shí)間固定效應(yīng)；εit為隨機(jī)誤差項(xiàng)；Wj為空間權(quán)重矩陣，j=1，2，3分別代表空間鄰接權(quán)重矩陣、地理距離權(quán)重矩陣、經(jīng)濟(jì)距離權(quán)重矩陣；ρ為空間自回歸系數(shù)，主要反映空間溢出效應(yīng)；θi為空間滯后系數(shù)。

考慮到不同空間權(quán)重矩陣下農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的溢出效應(yīng)會(huì)存在一定的差異，因此本文選擇三種空間權(quán)重矩陣分別進(jìn)行研究分析。

空間鄰接權(quán)重矩陣中的元素：

其中，相鄰地區(qū)的權(quán)重取值為1，不相鄰地區(qū)的權(quán)重取值為0。

其中，d為地區(qū)i與j之間的距離。本文的地理距離是基于省會(huì)城市的經(jīng)緯度來衡量的。

2.4 空間自相關(guān)檢驗(yàn)

表2匯報(bào)了全局莫蘭指數(shù)的檢驗(yàn)結(jié)果，農(nóng)業(yè)科技進(jìn)步與農(nóng)業(yè)碳排放強(qiáng)度2003—2020 年的莫蘭指數(shù)均為正值，這說明二者存在正相關(guān)關(guān)系。證實(shí)假設(shè)2 成立。而農(nóng)業(yè)科技進(jìn)步的莫蘭指數(shù)先減小后增大，說明本地區(qū)的農(nóng)業(yè)科技進(jìn)步與周圍地區(qū)的空間關(guān)聯(lián)性整體上呈現(xiàn)先減弱后增強(qiáng)的趨勢(shì)。同理，農(nóng)業(yè)碳排放強(qiáng)度的空間特征具有一定的波動(dòng)性，但總體上具有增強(qiáng)的趨勢(shì)。

表2 全局莫蘭指數(shù)檢驗(yàn)結(jié)果

全局自相關(guān)可以從整體角度分析本地區(qū)與周邊地區(qū)的空間關(guān)聯(lián)情況，而局部自相關(guān)可以細(xì)化到具體某一個(gè)省份的情況。下頁圖1 匯報(bào)了2020 年農(nóng)業(yè)科技進(jìn)步與農(nóng)業(yè)碳排放強(qiáng)度的莫蘭散點(diǎn)圖。莫蘭散點(diǎn)圖中，第一、三象限代表具有正的空間關(guān)聯(lián)性，分別代表“高-高”集聚和“低-低”集聚；第二、四象限則代表具有負(fù)的空間關(guān)聯(lián)性，分別代表“低-高”集聚和“高-低”集聚。由圖1可知，農(nóng)業(yè)科技進(jìn)步莫蘭散點(diǎn)圖中，位于第一、三象限的省份共有21 個(gè)，說明這些省份與周圍省份農(nóng)業(yè)科技進(jìn)步程度都比較高。位于第二、四象限的省份共有9 個(gè)，說明這些省份與相鄰省份呈現(xiàn)“高包圍低”或“低包圍高”的局面。由于21＞9，因此整體呈現(xiàn)正向空間集聚特征。同理，農(nóng)業(yè)碳排放強(qiáng)度整體也呈現(xiàn)正向空間集聚特征。

圖1 2020年農(nóng)業(yè)科技進(jìn)步（a）與農(nóng)業(yè)碳排放強(qiáng)度（b）的莫蘭散點(diǎn)圖

2.5 空間杜賓模型（SDM）檢驗(yàn)

本文選擇的是空間杜賓模型（SDM），而模型能否成立還需要進(jìn)行相關(guān)的檢驗(yàn)。下頁表3 匯報(bào)了用于檢驗(yàn)空間計(jì)量模型的LM 檢、LR 檢和Wald 檢驗(yàn)的結(jié)果。由檢驗(yàn)結(jié)果可知，在三種空間權(quán)重矩陣下，空間誤差模型的拉格朗日乘數(shù)檢驗(yàn)（LM 檢）的P 值都為0.000，存在強(qiáng)烈的顯著性，均拒絕了原假設(shè)。而穩(wěn)健的拉格朗日乘數(shù)檢驗(yàn)（Robust LM 檢驗(yàn)）只有空間鄰接權(quán)重矩陣通過了檢驗(yàn)。空間滯后模型的拉格朗日乘數(shù)檢驗(yàn)和穩(wěn)健的拉格朗日乘數(shù)檢驗(yàn)的P值都為0.000，均通過了檢驗(yàn)，因此整體上空間滯后模型要優(yōu)于空間誤差模型，因此本文選擇空間杜賓模型。似然比檢驗(yàn)（LR 檢驗(yàn)）三種空間權(quán)重矩陣下的P 值都為0.0000，均強(qiáng)烈拒絕了原假設(shè)，說明空間杜賓模型（SDM）不會(huì)退化為空間誤差模型（SEM）或空間滯后模型（SLR），進(jìn)一步證實(shí)了選擇空間杜賓模型的可靠性。沃爾德檢驗(yàn)（Wald檢驗(yàn)）的P值均小于0.1，印證了LR檢驗(yàn)的結(jié)論。此外，Hausman 檢驗(yàn)結(jié)果顯示，選擇控制時(shí)間固定效應(yīng)要優(yōu)于控制個(gè)體固定效應(yīng)。綜上，本文選擇控制時(shí)間固定效應(yīng)的空間杜賓模型是合適的。

表3 LM檢驗(yàn)、LR檢驗(yàn)、Wald檢驗(yàn)結(jié)果

2.6 空間杜賓模型（SDM）基準(zhǔn)回歸結(jié)果分析

在進(jìn)行基準(zhǔn)回歸之前，本文先進(jìn)行共線性檢驗(yàn)，VIF值=35.03，Mean VIF 值=5.84＜10，說明模型不存在嚴(yán)重的共線性問題。下頁表4至表6匯報(bào)了三種空間權(quán)重矩陣下控制時(shí)間固定效應(yīng)的SDM 的估計(jì)結(jié)果。Spatial-rho 的估計(jì)系數(shù)分別為0.402（1%）、0.466（1%）、0.341（1%），這說明農(nóng)業(yè)碳排放強(qiáng)度存在顯著正向空間溢出效應(yīng)，即本地區(qū)農(nóng)業(yè)碳排放強(qiáng)度增加會(huì)對(duì)相鄰地區(qū)產(chǎn)生促進(jìn)作用，證實(shí)假設(shè)3 成立。根據(jù)文獻(xiàn)[20]的研究，在Spatial-rho 顯著且不為0的情況下，應(yīng)當(dāng)使用偏微分法得到解釋變量的無偏估計(jì)結(jié)果,即采用直接效應(yīng)、間接效應(yīng)和總效用進(jìn)行分析。直接效應(yīng)分為兩個(gè)部分，包括解釋變量對(duì)本地區(qū)被解釋變量的直接影響情況（模型系數(shù)）和受到的反饋影響（區(qū)域內(nèi)溢出效應(yīng)）。間接效應(yīng)為本地區(qū)對(duì)鄰近地區(qū)的影響，即空間溢出效應(yīng)，總效應(yīng)等于直接效應(yīng)與間接效應(yīng)之和。直接效應(yīng)中，農(nóng)業(yè)科技進(jìn)步（SCI）的估計(jì)系數(shù)分別為-0.013（1%）、-0.006（5%）、-0.013（1%），這說明本地區(qū)農(nóng)業(yè)科技進(jìn)步程度的提高對(duì)農(nóng)業(yè)碳排放強(qiáng)度存在顯著抑制作用。具體表現(xiàn)為，在空間鄰接權(quán)重矩陣與經(jīng)濟(jì)距離權(quán)重矩陣下，當(dāng)農(nóng)業(yè)科技進(jìn)步提高1 個(gè)百分點(diǎn)時(shí)，均會(huì)產(chǎn)生0.013%的“減碳效應(yīng)”；在地理距離權(quán)重矩陣下，會(huì)產(chǎn)生0.006%的“減碳效應(yīng)”。本地區(qū)農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的直接影響（模型系數(shù)）分別為-0.012（1%）、-0.005（10%）、-0.011（1%），證實(shí)假設(shè)1 成立。主要是因?yàn)楸镜貐^(qū)通過強(qiáng)化技術(shù)革新，一方面可以提高生產(chǎn)要素投入水平，減少要素間的流動(dòng)耗損；另一方面可以通過科技進(jìn)步提高生產(chǎn)率，繼而實(shí)現(xiàn)“減碳效應(yīng)”。此外，空間系數(shù)中，農(nóng)業(yè)科技進(jìn)步（SCI）的估計(jì)系數(shù)分別為0.002、0.013（1%）、0.001，這說明本地區(qū)的農(nóng)業(yè)科技進(jìn)步對(duì)相鄰地區(qū)的農(nóng)業(yè)科技進(jìn)步存在一定的積極影響，這種影響在地理空間因素下最為顯著。這可能是因?yàn)榛谑?huì)城市距離因素的考量，省會(huì)城市之間的距離越近，城市之間的合作交流越密切，科技創(chuàng)新溢出效應(yīng)越明顯。間接效應(yīng)中，農(nóng)業(yè)科技進(jìn)步（SCI）的估計(jì)系數(shù)分別為-0.010（10%）、-0.027（1%）、-0.006（10%），這說明本地區(qū)的農(nóng)業(yè)科技進(jìn)步對(duì)相鄰地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度也存在顯著的“減碳效應(yīng)”。具體表現(xiàn)為，空間鄰接權(quán)重矩陣與經(jīng)濟(jì)距離權(quán)重矩陣下，分別對(duì)鄰近地區(qū)產(chǎn)生0.010%與0.006%的抑制作用；地理距離權(quán)重矩陣下，農(nóng)業(yè)科技進(jìn)步每提高1 個(gè)百分點(diǎn)，將會(huì)產(chǎn)生0.027%的抑制作用，由此可證實(shí)假設(shè)4 成立。此外，總效應(yīng)的估計(jì)系數(shù)分別為-0.023（1%）、-0.033（1%）、-0.020（1%），這說明農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度存在顯著的“減碳效應(yīng)”。

表4 空間鄰接權(quán)重矩陣下控制時(shí)間固定效應(yīng)的SDM估計(jì)結(jié)果

表5 地理距離權(quán)重矩陣下控制時(shí)間固定效應(yīng)的估計(jì)結(jié)果

表6 經(jīng)濟(jì)距離權(quán)重矩陣下控制時(shí)間固定效應(yīng)的估計(jì)結(jié)果

3 進(jìn)一步討論

根據(jù)基準(zhǔn)估計(jì)結(jié)果可知，農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度存在顯著的“減碳效應(yīng)”，具有負(fù)向空間溢出效應(yīng)。而這種抑制作用很可能會(huì)因科技效率自身變化而產(chǎn)生非線性影響。從理論上講，在產(chǎn)出未達(dá)到最大化之前，投入與產(chǎn)出之間應(yīng)當(dāng)基本遵循線性正相關(guān)關(guān)系，但這并非是一定的，因而投入與產(chǎn)出可能是失衡的[21]。因此，農(nóng)業(yè)科技進(jìn)步自身可能具有門檻作用的特征，本文需要通過構(gòu)建Hansen門限效應(yīng)模型進(jìn)行實(shí)證檢驗(yàn)。

3.1 門檻效應(yīng)檢驗(yàn)

由于學(xué)術(shù)界對(duì)于門檻效應(yīng)檢驗(yàn)的慣常做法是采取“由大到小”的檢驗(yàn)原則，即先從三重門檻入手檢驗(yàn)，再檢驗(yàn)其他門檻，因此本文也采用同樣的方法。通過Bootstrap（1000次）自助抽樣法，得到了三重門檻效應(yīng)的檢驗(yàn)結(jié)果，如表7 所示。由表7 可知，第一門檻和第二門檻分別為1.2861 和2.1383，且P 值均為0.000（＜0.001），均通過了顯著性檢驗(yàn)。而第三門檻的P值為0.7983，說明第三門檻未通過顯著性檢驗(yàn)。因此，農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響存在雙重門檻效應(yīng)。

表7 門檻效應(yīng)檢驗(yàn)

為檢驗(yàn)門檻值是否真實(shí)性可靠，本文繪制了農(nóng)業(yè)科技進(jìn)步的門檻值及似然比函數(shù)圖（見圖2），當(dāng)門檻值位于相應(yīng)置信區(qū)間的LR 值范圍內(nèi)時(shí)，說明門檻值為真實(shí)值。由圖2 可知，單一門檻值為1.2861，雙重門檻值為2.1384，均落在了95%置信區(qū)間的內(nèi)側(cè)（虛線以下部分）。因此，可以說明模型通過門檻值為真實(shí)值的檢驗(yàn)。

圖2 門檻值及似然比函數(shù)圖

3.2 門檻效應(yīng)模型

根據(jù)表7 的門檻效應(yīng)檢驗(yàn)結(jié)果可知，農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度存在雙重門檻效應(yīng)，應(yīng)建立雙重門檻效應(yīng)模型：

其中，θ1至θ5為回歸系數(shù)；θ0為截距項(xiàng)；υ1和υ2為門檻值；μi為個(gè)體固定效應(yīng)；εit為隨機(jī)擾動(dòng)項(xiàng)；其他變量含義同式（7）。

3.3 門檻估計(jì)結(jié)果分析

表8匯報(bào)了農(nóng)業(yè)科技進(jìn)步的雙重門檻回歸結(jié)果。由表8可知，當(dāng)農(nóng)業(yè)科技進(jìn)步低于門檻值1.2861時(shí)，回歸系數(shù)為-0.014（10%），即農(nóng)業(yè)科技進(jìn)步存在顯著的“減碳效應(yīng)”。當(dāng)農(nóng)業(yè)科技進(jìn)步介于門檻值1.2861 和2.1384 之間時(shí)，回歸系數(shù)為-0.040（1%），農(nóng)業(yè)科技進(jìn)步的“減碳效應(yīng)”大幅度提高。當(dāng)農(nóng)業(yè)科技進(jìn)步跨過門檻值2.1384時(shí)，回歸系數(shù)為-0.030（5%），說明農(nóng)業(yè)科技進(jìn)步的“減碳效應(yīng)”有所回落。由此可知，農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的“減碳效應(yīng)”呈現(xiàn)“先增后降”的“倒U”型特征。原因主要是，隨著農(nóng)業(yè)科技進(jìn)步程度的提高，先進(jìn)技術(shù)在生產(chǎn)中的應(yīng)用程度也會(huì)提高，因而前期“減碳效應(yīng)”的程度會(huì)增強(qiáng)，而在后期，一方面農(nóng)業(yè)碳排放強(qiáng)度降低，科技進(jìn)步的作用隨著農(nóng)業(yè)碳排放強(qiáng)度的降低也會(huì)有所減弱；另一方面，隨著技術(shù)迭代，舊技術(shù)無法解決新問題，因而技術(shù)發(fā)揮的效應(yīng)也將降低。

表8 門檻效應(yīng)模型估計(jì)結(jié)果分析

4 結(jié)論

農(nóng)業(yè)科技進(jìn)步對(duì)推動(dòng)農(nóng)業(yè)生產(chǎn)方式轉(zhuǎn)型、加快農(nóng)業(yè)高質(zhì)量發(fā)展具有重大意義。本文基于2003—2020年我國30個(gè)省份的面板數(shù)據(jù)，測(cè)算了農(nóng)業(yè)科技進(jìn)步和農(nóng)業(yè)碳排放強(qiáng)度，并借助空間杜賓模型實(shí)證檢驗(yàn)了二者之間的影響關(guān)系，得出以下結(jié)論：（1）農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度存在顯著的“減碳效應(yīng)”。（2）農(nóng)業(yè)科技進(jìn)步與農(nóng)業(yè)碳排放強(qiáng)度存在正向空間關(guān)聯(lián)關(guān)系。（3）本地區(qū)農(nóng)業(yè)科技進(jìn)步程度提高對(duì)相鄰地區(qū)的農(nóng)業(yè)碳排放強(qiáng)度存在顯著的負(fù)向空間溢出效應(yīng)，即存在“減碳效應(yīng)”。（4）農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度存在非線性影響，農(nóng)業(yè)科技進(jìn)步發(fā)揮了門檻效應(yīng)，存在雙重門檻效應(yīng)，兩個(gè)門檻值分別為1.2861 和2.1384，在門檻作用影響下農(nóng)業(yè)科技進(jìn)步對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響整體呈現(xiàn)先增后減的“倒U”型特征。