吳強(qiáng)，孫繼雅，陳金蘭

（1.山東農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，山東 泰安 271001；2.山東財經(jīng)大學(xué)東方學(xué)院 會計學(xué)院，山東 泰安 271000）

一、引言

20 世紀(jì)80 年代以來，全球溫室氣體驟升且變暖趨勢加快，引起了國際社會的共同關(guān)注。隨后，《京都議定書》和《巴黎協(xié)定》相繼簽訂和實施標(biāo)志著所有國家均需要承擔(dān)相應(yīng)的減排義務(wù)。在此背景下，作為全球最大的碳排放國家，也是負(fù)責(zé)任的大國，中國政府提出了2030 年實現(xiàn)“碳達(dá)峰”和2060 年實現(xiàn)“碳中和”的宏偉目標(biāo)?！半p碳”目標(biāo)實現(xiàn)的根本途徑在于減排增匯，其中減排是基礎(chǔ)。厘清各行業(yè)碳排放現(xiàn)狀特征顯然有助于減排策略的提出。畜牧業(yè)不同于工業(yè)，盡管不是碳排放的主要源頭，但隨著居民膳食結(jié)構(gòu)的調(diào)整及對肉蛋奶需求的增加，畜牧業(yè)發(fā)展帶來的碳排放量的增加也不容小覷。為此，《農(nóng)業(yè)農(nóng)村減排固碳實施方案》（2022）指出畜禽低碳減排行動中，要推廣低蛋白日糧、全株青貯等技術(shù)和高產(chǎn)低排放畜禽品種，改進(jìn)畜禽飼養(yǎng)管理，實施精準(zhǔn)飼喂，降低單位畜禽產(chǎn)品腸道甲烷排放強(qiáng)度。因此，推動技術(shù)進(jìn)步是畜牧業(yè)“減排降碳”的有效途徑。

學(xué)術(shù)界圍繞畜牧業(yè)碳排放與減排問題展開了豐富討論，主要集中在以下四個方面：

一是畜牧業(yè)碳排放的測算、現(xiàn)狀及預(yù)測。畜牧業(yè)碳排放的核算方法主要有OECD（organization for economic co-operation and development）核算法、IPCC（intergovernmental panel on climate change）系數(shù)法、全生命周期法與投入產(chǎn)出法等（師帥等，2017）。胡向東和王濟(jì)民（2010）及孟祥海等（2014）分別以IPCC 系數(shù)法和全生命周期法，估算了中國不同時間段的畜牧業(yè)碳排放總量，結(jié)果發(fā)現(xiàn)考察期內(nèi)畜牧業(yè)碳排放總量一直處于波動中。張金鑫和王紅玲（2020）及吳強(qiáng)等（2022）利用IPCC 系數(shù)法更新了歷史研究數(shù)據(jù)，并得出了更為豐富的結(jié)論，即近二十年來，中國畜牧業(yè)碳排放整體呈下降趨勢而且區(qū)域差異依然顯著，全國及三大地區(qū)的畜牧業(yè)碳排放不存在δ和β收斂。郭嬌等（2017）預(yù)測了中國畜牧業(yè)碳排放的達(dá)峰時間，若以2013 年歐盟和美國居民蛋白質(zhì)攝取量為基準(zhǔn)，中國畜牧業(yè)碳排放的達(dá)峰時間分別為2034 年和2043 年。張越杰和閆佳惠（2022）研究發(fā)現(xiàn)，中國肉牛產(chǎn)業(yè)尚未實現(xiàn)“碳達(dá)峰”，未來可能會進(jìn)入產(chǎn)業(yè)增長與高碳排放并行的階段。

二是畜牧業(yè)碳排放的影響因素分析。陳瑤和尚杰（2014）利用LMDI（logarithmic mean divisia index）模型探究了畜牧業(yè)碳排放數(shù)量變化的主要原因，發(fā)現(xiàn)經(jīng)濟(jì)增長是其增加的關(guān)鍵成因，而生產(chǎn)效率降低了畜牧業(yè)碳排放，并據(jù)此提出了培育優(yōu)良品種、提升飼料轉(zhuǎn)化率、加大低碳技術(shù)、糞污處理技術(shù)的研發(fā)與推廣及提高農(nóng)民職業(yè)素養(yǎng)等增匯措施；姚成勝等（2017）結(jié)合KAYA 恒等式和LMDI 模型探究了中國畜牧業(yè)碳排放的影響因素及空間差異，結(jié)果發(fā)現(xiàn)農(nóng)民人均純收入、城鎮(zhèn)居民人均可支配收入和城鎮(zhèn)化水平將決定中國畜牧業(yè)碳排放增長的時空格局。

三是畜牧業(yè)碳排放與經(jīng)濟(jì)發(fā)展間關(guān)系分析。王歡和喬娟（2019）在測算2000—2014 年省級畜牧業(yè)溫室氣體排放量基礎(chǔ)上，借助Tapio 脫鉤模型分析畜牧業(yè)溫室氣體排放與經(jīng)濟(jì)發(fā)展之間的關(guān)系，結(jié)果表明畜牧業(yè)溫室氣體排放脫鉤效應(yīng)比較理想；蘇旭峰等（2022）基于2000—2018 年的數(shù)據(jù)進(jìn)一步分析發(fā)現(xiàn)，全國和農(nóng)區(qū)整體上實現(xiàn)了從弱脫鉤到強(qiáng)脫鉤變化，而牧區(qū)和農(nóng)牧交錯區(qū)仍然處于弱脫鉤狀態(tài)。

四是技術(shù)進(jìn)步與畜牧業(yè)碳排放關(guān)系分析。相關(guān)研究主要討論了技術(shù)進(jìn)步對農(nóng)業(yè)或畜牧業(yè)碳排放的影響。技術(shù)進(jìn)步顯著增加了農(nóng)業(yè)碳排放總量（張永強(qiáng)等，2019），但降低了碳排放強(qiáng)度（楊鈞，2013）。田云和尹忞昊（2021）分析了技術(shù)進(jìn)步對農(nóng)業(yè)能源碳排放強(qiáng)度的影響及溢出效應(yīng)，研究發(fā)現(xiàn)技術(shù)進(jìn)步對農(nóng)業(yè)能源碳排放強(qiáng)度具有明顯的抑制作用，同時也表現(xiàn)出顯著的空間溢出效應(yīng)。魏夢升等（2023）分析了規(guī)模經(jīng)營和技術(shù)進(jìn)步對農(nóng)業(yè)綠色低碳發(fā)展的影響，研究發(fā)現(xiàn)糧食主產(chǎn)區(qū)促進(jìn)了農(nóng)業(yè)技術(shù)進(jìn)步和規(guī)模經(jīng)營，從而實現(xiàn)減排效應(yīng)，兩者協(xié)同作用強(qiáng)化了減排效應(yīng)。對于畜牧業(yè)而言，技術(shù)進(jìn)步可通過提高飼料轉(zhuǎn)化率、縮短畜禽生長周期、降低單位畜禽產(chǎn)品環(huán)境污染物排放強(qiáng)度等方式影響畜牧業(yè)碳排放總量（周晶等，2018）。經(jīng)營管理水平對畜牧業(yè)碳排放也有重要影響，畜禽養(yǎng)殖集約化程度越高，甲烷排放強(qiáng)度就越低（Sakamoto et al，2020）。進(jìn)一步地，勵汀郁等（2022）在奶業(yè)碳排放測算的基礎(chǔ)上設(shè)計了減排情景，結(jié)果發(fā)現(xiàn)使用優(yōu)質(zhì)飼草可減少奶業(yè)碳排放。

已上研究明確了畜牧業(yè)碳排放總量、現(xiàn)狀特征及影響因素，并從微觀層面討論了技術(shù)進(jìn)步對經(jīng)濟(jì)發(fā)展及農(nóng)業(yè)或畜牧業(yè)碳排放的影響，但關(guān)于其中存在的作用路徑與機(jī)制的討論多集中在農(nóng)業(yè)領(lǐng)域，而對于技術(shù)進(jìn)步對畜牧業(yè)碳排放的影響及其作用機(jī)制的討論仍處于理論層面，缺乏面板數(shù)據(jù)的支撐，所得結(jié)論缺乏嚴(yán)謹(jǐn)性和科學(xué)性。此外，畜牧業(yè)技術(shù)進(jìn)步包含了自然科學(xué)技術(shù)進(jìn)步和養(yǎng)殖過程中的管理技術(shù)和服務(wù)技術(shù)進(jìn)步，而現(xiàn)有研究對于畜牧業(yè)技術(shù)進(jìn)步的衡量指標(biāo)較為單一，難以綜合反映畜牧業(yè)技術(shù)進(jìn)步程度。

基于此，本文首先基于2007—2020 年面板數(shù)據(jù)，利用省級畜禽碳排放因子測算畜牧業(yè)碳排放總量，然后運用面板回歸模型檢驗技術(shù)進(jìn)步對畜牧業(yè)碳排放的影響及其作用機(jī)制，最后引入空間因素考察技術(shù)進(jìn)步的空間溢出效應(yīng)?？赡艿倪呺H貢獻(xiàn)有：①依據(jù)《省級溫室氣體清單編制指南（試行）》（2011 年），基于規(guī)模差異和區(qū)位差異確定碳排放因子，測算結(jié)果相較于IPCC 系數(shù)法，準(zhǔn)確性更高；②利用綜合評價方法測度技術(shù)進(jìn)步水平，削弱了因某個指標(biāo)計算偏差對整體結(jié)果的影響，能夠更加全面準(zhǔn)確地反映技術(shù)進(jìn)步水平；③基于中介和調(diào)節(jié)效應(yīng)模型，考察技術(shù)進(jìn)步對畜牧業(yè)碳排放影響的內(nèi)在機(jī)理，揭示了技術(shù)進(jìn)步對于畜牧業(yè)碳排放的影響路徑，為進(jìn)一步鞏固和提高畜牧業(yè)技術(shù)水平提供了實踐經(jīng)驗；④從空間的視角探究技術(shù)進(jìn)步對畜牧業(yè)碳排放的空間溢出效應(yīng)，所得結(jié)論有助于區(qū)域間的協(xié)同創(chuàng)新及技術(shù)共享。

二、理論框架與研究假說

畜牧業(yè)技術(shù)進(jìn)步有狹義和廣義之分，狹義上畜牧業(yè)技術(shù)進(jìn)步是指養(yǎng)殖過程中的自然科學(xué)技術(shù)（或硬技術(shù)）進(jìn)步；廣義上的技術(shù)進(jìn)步還包括了養(yǎng)殖過程中的管理技術(shù)和服務(wù)技術(shù)（或軟技術(shù)）進(jìn)步（趙芝俊和張社梅，2005；顧海英，1994）。本文所考察的畜牧業(yè)技術(shù)進(jìn)步為廣義上的技術(shù)進(jìn)步，主要是指育種、飼喂、防疫、機(jī)械等硬技術(shù)及資源整合能力、管理決策能力（如養(yǎng)殖結(jié)構(gòu)的調(diào)整）和養(yǎng)殖技術(shù)認(rèn)知與采納能力等軟技術(shù)。

新經(jīng)濟(jì)增長理論認(rèn)為技術(shù)進(jìn)步是推動經(jīng)濟(jì)增長的重要因素（Romer，1990；Grossman and Helpman，1991），技術(shù)進(jìn)步作為一種生產(chǎn)投入要素在促進(jìn)經(jīng)濟(jì)總量增加的同時也帶來了更多污染物的排放。不但如此，技術(shù)進(jìn)步還會促進(jìn)畜禽生產(chǎn)效率與飼料利用效率不斷提升，故畜牧業(yè)碳排放量在出現(xiàn)增長后可能逐步受到抑制。所以，技術(shù)進(jìn)步既可能增加碳排放也可能減少碳排放（Jaffe et al，2002）。具體而言：一方面，畜牧業(yè)技術(shù)進(jìn)步（機(jī)械化水平、品種培優(yōu)、管理創(chuàng)新）有效促進(jìn)了牧業(yè)增效，從而極大地激發(fā)了地區(qū)生產(chǎn)經(jīng)營者從事畜牧業(yè)的積極性，進(jìn)而引起畜牧經(jīng)濟(jì)產(chǎn)出規(guī)模的擴(kuò)大，導(dǎo)致畜牧業(yè)碳排放量增加；另一方面，技術(shù)進(jìn)步促進(jìn)了養(yǎng)殖效率的提高及單位畜禽產(chǎn)品所帶來的碳排放量的降低，進(jìn)而導(dǎo)致碳排放總量的減少。在此，將技術(shù)進(jìn)步通過影響畜牧業(yè)經(jīng)濟(jì)規(guī)模而引起畜牧業(yè)碳排放量的變化稱為“規(guī)模效應(yīng)”，而將技術(shù)進(jìn)步通過影響生產(chǎn)活動的碳排放產(chǎn)生強(qiáng)度而引起碳排放產(chǎn)生量的變化稱為“強(qiáng)度效應(yīng)”（李明全和王奇，2012）。

據(jù)此，提出假設(shè)1～假設(shè)3：

技術(shù)進(jìn)步會增加畜牧業(yè)經(jīng)濟(jì)規(guī)模，導(dǎo)致碳排放量的增加（H1）；

技術(shù)進(jìn)步會降低碳排放強(qiáng)度，促使畜牧業(yè)碳排放量的減少（H2）；

技術(shù)進(jìn)步對畜牧業(yè)碳排放的作用可能是促進(jìn)，也可能是抑制，這取決于“規(guī)模效應(yīng)”和“強(qiáng)度效應(yīng)”的大?。℉3）。

長期來看，畜牧業(yè)碳減排量在很大程度上取決于技術(shù)的可能性邊界（Seo，2013）。養(yǎng)殖場戶的知識水平、管理能力和經(jīng)濟(jì)實力存在差異，因而對先進(jìn)技術(shù)的接納能力參差不齊，所以促進(jìn)養(yǎng)殖技術(shù)在區(qū)域內(nèi)流動及溢出對于技術(shù)的推廣與應(yīng)用十分重要。技術(shù)溢出是畜牧產(chǎn)業(yè)集聚的動力源泉，而產(chǎn)業(yè)集聚又可通過降低技術(shù)采納成本（包括信息成本、風(fēng)險損失）促進(jìn)技術(shù)溢出，因此產(chǎn)業(yè)集聚與技術(shù)溢出之間存在相互促進(jìn)的關(guān)系（梁琦，2009），產(chǎn)業(yè)集聚水平高的地區(qū)引入新技術(shù)以后，能夠加強(qiáng)養(yǎng)殖場戶之間的非正式交流，以及進(jìn)行技術(shù)“解密”的正式知識擴(kuò)散（張翼和盧現(xiàn)祥，2015），因此產(chǎn)業(yè)集聚與技術(shù)溢出的相互強(qiáng)化提升了技術(shù)進(jìn)步的減排效應(yīng)。

據(jù)此，提出假設(shè)4：

產(chǎn)業(yè)集聚對于技術(shù)進(jìn)步的減排效應(yīng)具有積極作用，即產(chǎn)業(yè)集聚水平越高的地區(qū)，技術(shù)進(jìn)步帶來的畜牧業(yè)減排效果越明顯（H4）。

此外，技術(shù)進(jìn)步還會通過區(qū)域間的溢出效應(yīng)達(dá)到減排目的（田云和尹忞昊，2021；何艷秋等，2022）。這是一種相對“省力”并且能夠凸顯區(qū)域間良性互動的減排方式，各區(qū)域通過分析鄰區(qū)畜牧業(yè)碳排放增減變化的原因從而改進(jìn)自身的生產(chǎn)行為。經(jīng)濟(jì)發(fā)展水平高、畜牧養(yǎng)殖基礎(chǔ)牢固及技術(shù)水平先進(jìn)的養(yǎng)殖區(qū)域通過自身努力及外界支持，加強(qiáng)先進(jìn)技術(shù)、專業(yè)知識及管理經(jīng)驗等軟、硬技術(shù)的學(xué)習(xí)與累積，實現(xiàn)養(yǎng)殖效益提升及減排目標(biāo)，在此過程中，該地區(qū)會成為鄰區(qū)學(xué)習(xí)的主要方向與重要目標(biāo)，再加上其強(qiáng)大的輻射和帶動能力，該地區(qū)將優(yōu)質(zhì)的知識、技術(shù)和經(jīng)驗向鄰區(qū)“輸送”，從而產(chǎn)生“涓滴效應(yīng)”。因此，本地區(qū)與鄰區(qū)通過良性互動、交流學(xué)習(xí)和模仿競爭，可以促使鄰近地區(qū)畜牧業(yè)碳排放同步降低。

據(jù)此，提出假設(shè)5：

技術(shù)進(jìn)步對畜牧業(yè)碳排放具有積極的空間溢出效應(yīng)，技術(shù)進(jìn)步在降低本地區(qū)畜牧業(yè)碳排放的同時，也會促使鄰區(qū)碳排放的降低（H5）。

技術(shù)進(jìn)步對畜牧業(yè)碳排放的作用路徑如圖1 所示。

圖1 技術(shù)進(jìn)步對畜牧業(yè)碳排放的作用路徑

三、研究方法、變量選取及數(shù)據(jù)來源

（一）畜牧業(yè)碳排放的測算方法

畜牧業(yè)溫室氣體主要源于動物腸胃發(fā)酵和糞污處理所產(chǎn)生的CH4和N2O，因而本文重點圍繞這兩方面測算畜牧業(yè)碳排放（陳瑤和尚杰，2014）。依據(jù)碳排放因子法，本文將測算奶牛、非奶牛、馬、騾、驢、豬、駱駝、山羊、綿羊、兔和家禽等畜禽的CO2排放當(dāng)量。測算公式為

其中：CP為CO2排放總量；CCH4為CH4轉(zhuǎn)化后的CO2當(dāng)量；CN2O為N2O 轉(zhuǎn)化后的CO2當(dāng)量；eCH4和eN2O為全球升溫潛能值，根據(jù)《京都議定書》，以CO2的100 年全球變暖潛力值（GWP）為基準(zhǔn)給定甲烷和氧化亞氮的全球升溫潛能值，分別為21 和310；Ni為第i種畜禽的平均飼養(yǎng)量；αi和βi分別為CH4和N2O 排放因子，排放因子來源于《省級溫室氣體清單編制指南（試行）》（2011），具體見表1 和表2。

表1 腸道發(fā)酵的CH4氣體排放因子（千克/頭/年）

表2 糞便管理的溫室氣體排放因子（千克/頭/年）

畜禽生長周期的不同導(dǎo)致各年份平均畜禽飼養(yǎng)量有所差異，因而需要調(diào)整，調(diào)整方式如式（2）所示。需調(diào)整的畜禽品種有生豬（200 天）、兔（105 天）和禽類（55 天）。

其中：App為年均飼養(yǎng)量；Herdsend為年末存欄量；Days為飼養(yǎng)周期；L為年出欄量。

（二）Kernel 密度估計方法

核密度估計是研究非均衡分布的常用方法。因而，本文利用此方法刻畫全國畜牧業(yè)碳排放分布的位置、形態(tài)、延展性和極化趨勢（Quah，1993）。假設(shè)f(x)是中國畜牧業(yè)碳排放x的密度函數(shù)，計算公式為

其中：n為樣本數(shù)；Xi為觀測值；x為觀測值的均值；K(·)為核密度函數(shù)；h為帶寬。本文選擇高斯密度函數(shù)進(jìn)行估計，其表達(dá)式為

（三）面板回歸分析方法

為檢驗上述研究假說，首先針對技術(shù)進(jìn)步對畜牧業(yè)碳排放的兩條作用路徑，借鑒溫忠麟和葉寶娟（2014）的思路設(shè)計如下時間和地區(qū)雙向固定效應(yīng)模型：

其中：lnCPit為i省份t年畜牧業(yè)碳排放的對數(shù)值；TECHit為i省份t年的技術(shù)水平；Mit為中介要素；α1、α2、α3為截距項；γ1～γ4為解釋變量對被解釋變量的影響效應(yīng)；μi為i省份的地區(qū)效應(yīng)；φi為t年的時間效應(yīng)；εit為隨機(jī)誤差項；Xit為控制變量；若β1、β2、β3顯著為負(fù)，則技術(shù)進(jìn)步對畜牧業(yè)碳排放具有抑制作用。

為進(jìn)一步討論技術(shù)進(jìn)步對畜牧業(yè)碳排放的空間溢出效應(yīng)，需要構(gòu)建空間計量模型進(jìn)行檢驗。首先，利用全局Moran’sI指數(shù)檢驗中國畜牧業(yè)碳排放的空間相關(guān)關(guān)系，計算式如式（8）所示。

其中：i和j為不同省份；x和xˉ分別為樣本值和均值；S2為方差；wij為空間權(quán)重矩陣。I>0 表明樣本值在空間上主要表現(xiàn)為正相關(guān)，該值越大空間相關(guān)性越強(qiáng)，I<0 表明此時的空間相關(guān)性為負(fù)，其值越小空間越分散，I=0 代表空間呈隨機(jī)性，I=[-1，1]。鑒于鄰接矩陣無法反映非鄰接地區(qū)的空間相關(guān)性，故本文基于地理距離空間權(quán)重探究各變量的空間相關(guān)性。

接下來利用空間杜賓模型探究技術(shù)進(jìn)步對畜牧業(yè)碳排放的影響及其空間效應(yīng)，該模型表達(dá)式如式（9）所示。

其中：i和j為不同省份；t為不同年份；Wij為空間權(quán)重矩陣，在回歸過程中，把反地理距離空間矩陣為權(quán)重的模型作為基準(zhǔn)模型，再利用空間鄰接矩陣和地理距離空間矩陣進(jìn)行穩(wěn)健性檢驗；β、ρ、φ為相關(guān)回歸系數(shù)；μi和θi分別為地區(qū)和時間固定效應(yīng)；εi為隨機(jī)誤差項；Xit為解釋變量，包括技術(shù)進(jìn)步和其他控制變量。

（四）變量測度與說明

（1）被解釋變量。畜牧業(yè)碳排放量的對數(shù)（lnCP）。主要指各種畜禽經(jīng)動物腸胃發(fā)酵和糞污處理所產(chǎn)生的CH4和N2O，然后根據(jù)碳排放因子和全球升溫能值轉(zhuǎn)換為CO2排放當(dāng)量。

（2）核心解釋變量。技術(shù)進(jìn)步（TECH）。借鑒趙芝俊和張社梅（2005）及王國剛等（2018）的指標(biāo)選取與變量測度方法，基于數(shù)據(jù)可得性及研究需要，構(gòu)建了如表3 的畜牧業(yè)技術(shù)進(jìn)步指標(biāo)體系。表3 中給出了技術(shù)進(jìn)步的二級指標(biāo)及權(quán)重，其中權(quán)重是根據(jù)熵值法得出，利用權(quán)重對二級指標(biāo)進(jìn)行加權(quán)求和即可得到技術(shù)進(jìn)步水平。

（3）中介變量。畜牧業(yè)發(fā)展水平（DLA），用畜牧業(yè)增加值與畜牧業(yè)從業(yè)人數(shù)的比值代替；畜牧業(yè)碳排放強(qiáng)度（CI），用畜牧業(yè)碳排放總量與畜牧業(yè)產(chǎn)值之比表示。

（4）調(diào)節(jié)變量。產(chǎn)業(yè)集聚水平（AGG）。衡量產(chǎn)業(yè)集聚水平的指標(biāo)包括E-G 指數(shù)、Hoover 指數(shù)、Gini 系數(shù)和區(qū)位熵等。但區(qū)位熵具備反映地理要素的空間分布和消除規(guī)模差異的優(yōu)勢，故而較為常用（楊仁發(fā)，2015）。區(qū)位熵（LIA）計算式為，其中，LIAir為i地區(qū)畜牧業(yè)碳排放的區(qū)位熵；pir、pi、pr和p分別為某地區(qū)的畜牧業(yè)產(chǎn)值、所有行業(yè)產(chǎn)值、全國畜牧業(yè)總產(chǎn)值和全國所有行業(yè)產(chǎn)值。

（5）控制變量。畜牧業(yè)比重（SAI），以畜牧業(yè)產(chǎn)值在農(nóng)業(yè)產(chǎn)值中的比重代替；環(huán)境規(guī)制水平（ER），用各地區(qū)污染治理投資占GDP 比重表征；農(nóng)業(yè)固定投資（FAI），用農(nóng)業(yè)固定投資占總投資比重表征；財政支農(nóng)投入（FIA），以財政支農(nóng)資金占財政總支出的比重表征；城鎮(zhèn)化水平（LR），以城鎮(zhèn)人口占總?cè)丝诘谋戎貋肀碚鳎晦r(nóng)民收入水平（INF），以農(nóng)民可支配收入代替。

（五）數(shù)據(jù)來源與描述

各種畜禽的存欄量與出欄量等數(shù)據(jù)來源于2008—2021 年歷年的《中國畜牧業(yè)年鑒》。規(guī)?；曫B(yǎng)、農(nóng)戶散養(yǎng)和放牧飼養(yǎng)的劃分標(biāo)準(zhǔn)參考《中國畜牧業(yè)年鑒》，并依據(jù)各年度數(shù)據(jù)對不同飼養(yǎng)模式下腸道發(fā)酵甲烷排放因子進(jìn)行加權(quán)核算。城鎮(zhèn)化水平、畜牧業(yè)總產(chǎn)值、畜牧業(yè)增加值來源于2008—2021 年歷年的《中國統(tǒng)計年鑒》，個別指標(biāo)以2007 為基期做了不變價處理。財政支農(nóng)投入來源2008—2021 年歷年的《中國財政年鑒》。農(nóng)業(yè)固定投資和各行業(yè)總投資來源于2008—2021 年《中國固定資產(chǎn)投資統(tǒng)計年鑒》。環(huán)境污染治理投資額來源于2008—2021 年歷年的《中國環(huán)境統(tǒng)計年鑒》。第一產(chǎn)業(yè)從業(yè)人數(shù)、農(nóng)民可支配收入來源于2008—2021年歷年的《中國農(nóng)村統(tǒng)計年鑒》。畜牧機(jī)械總動力、畜牧科技人數(shù)來源于2008—2021 年歷年的《中國農(nóng)業(yè)機(jī)械年鑒》。主要變量的統(tǒng)計特征見表4。

表4 主要變量的統(tǒng)計特征

三、中國畜牧業(yè)碳排放時空特征分析

（一）畜牧業(yè)碳排放時序特征分析

全國31 省（市、自治區(qū)，因數(shù)據(jù)缺失，未含港澳臺地區(qū)）畜牧業(yè)碳排放測算結(jié)果見表5，為節(jié)省篇幅，本文只列出了2007 年和2020 年的測算數(shù)據(jù)。從表5 中可知，考察期內(nèi)全國畜牧業(yè)碳排放總量整體呈下降趨勢且由2007 年的31840.19 萬噸降至28140.84 萬噸，減少了3699.35 萬噸。從各省來看，2020 年畜牧業(yè)碳排放量最高的省份是內(nèi)蒙古，碳排放量高達(dá)2658.73 萬噸，緊跟其后的是四川，其碳排放量也達(dá)到了2093.68 萬噸，排在3～5 位的省份依次是云南、新疆、河南，其畜牧業(yè)碳排放量分別為2054.02 萬噸、1918.82 萬噸和1507.41 萬噸。而畜牧業(yè)碳排放量最低的省份是北京，僅有24.93 萬噸，與其最為接近的省份是上海，以27.51 萬噸的碳排放量位居倒數(shù)第二，天津、海南、浙江依次排在倒數(shù)3～5 位，其畜牧業(yè)碳排放量分別為87.24 萬噸、130.19 萬噸和134.71 萬噸。綜合來看，各地區(qū)畜牧業(yè)碳排放總量差異較大，最高是最低的106 倍，兩級分化明顯。各省份除了在絕對數(shù)量上存在差異，其在畜牧業(yè)碳排放量的增減變化過程中也有所不同。相較于2007 年，有21 個省份的畜牧業(yè)碳排放量呈下降態(tài)勢且以北京降幅為最大，高達(dá)75.74%，河南、廣西、浙江、上海依次排在2～5位，其降幅分別為46.97%、46.38%、44.52%和40.13%；余下10 個省份的畜牧業(yè)碳排放量則表現(xiàn)出增長態(tài)勢且以寧夏增幅最大，高達(dá)73.72%，青海、甘肅、云南、山西的增幅分列2～5 位，分別為27.09%、20.33%和18.39%。整體而言，全國畜牧業(yè)碳排放呈縮減趨勢，因養(yǎng)殖區(qū)域和養(yǎng)殖結(jié)構(gòu)的調(diào)整，各省份增減變化不一。

表5 31 ?。ㄊ?、自治區(qū)）部分年份畜牧業(yè)碳排放（萬噸）及排序

進(jìn)一步，根據(jù)2020 年畜牧業(yè)碳排放量的大小并參考考察期內(nèi)聚類分析結(jié)果，將研究樣本劃分為四個層次，具體見表6。

表6 中國畜牧業(yè)碳排放水平類型劃分

第一層次為畜牧業(yè)碳排放量超過1344 萬噸的地區(qū)，包括內(nèi)蒙古等8 ?。ㄊ小⒆灾螀^(qū)）。畜牧業(yè)碳排放對資源稟賦和畜牧養(yǎng)殖基礎(chǔ)有較大依賴性。進(jìn)一步解釋，內(nèi)蒙古、新疆和青海為草原牧區(qū)，憑借天然草場優(yōu)勢主要飼養(yǎng)碳排放量較大的牛馬羊等大牲畜，云南為農(nóng)牧交錯地區(qū)，既可發(fā)展耗糧型的生豬飼養(yǎng)業(yè)，又可發(fā)展以禽類為主的林下經(jīng)濟(jì)，因而畜禽養(yǎng)殖業(yè)相對發(fā)達(dá)，而其余4 個省份均為農(nóng)耕區(qū)，糧食產(chǎn)量高，畜牧業(yè)發(fā)展基礎(chǔ)良好，并且承擔(dān)著本省及相鄰省份的重要畜產(chǎn)品供給功能，所以碳排放水平居高不下。

第二層次為畜牧業(yè)碳排放量介于849～1325 萬噸的地區(qū)，涵蓋了甘肅等6 省（市、自治區(qū)）。其中，西藏和貴州同屬草原牧區(qū)，但與內(nèi)蒙古和新疆相比，畜牧業(yè)碳排放水平相對較低。究其原因，西藏地處高寒地區(qū)，牧草生長季節(jié)短，草原載畜能力低，而貴州的山地丘陵地貌致使畜牧養(yǎng)殖規(guī)模水平難以大幅提升，因而限制了畜牧業(yè)發(fā)展與碳排放的增長。甘肅地處農(nóng)牧過渡地帶，氣候條件適宜、飼草料資源豐富和種質(zhì)資源優(yōu)良，故以牛羊為主的草食畜產(chǎn)業(yè)逐漸成為該地區(qū)促農(nóng)增收的重要支柱產(chǎn)業(yè)之一，因而該地區(qū)畜牧業(yè)碳排放水平偏高。東北地區(qū)的黑龍江和遼寧及東部的河北為糧食主產(chǎn)區(qū)，擁有畜牧業(yè)發(fā)展的堅實物質(zhì)基礎(chǔ)，因而畜牧業(yè)碳排放也偏高。

第三層次為畜牧業(yè)碳排放量介于560～750 萬噸的地區(qū)，包括江西等5 省（市、自治區(qū)）。江西和廣西均以生豬和家禽飼養(yǎng)為主，這兩種畜禽碳排放因子相對較低，故畜牧業(yè)碳排放偏低。安徽和湖北屬于南方水網(wǎng)地區(qū)，也是生豬養(yǎng)殖的約束發(fā)展區(qū)，因而畜牧業(yè)碳排放受到一定抑制。吉林受飼養(yǎng)方式粗放、畜產(chǎn)品加工和運銷能力不足等因素影響，畜牧業(yè)發(fā)展水平與豐富的糧草資源不相稱，該省畜牧業(yè)碳排放水平也不高，但隨著《關(guān)于加快東北糧食主產(chǎn)區(qū)現(xiàn)代畜牧業(yè)發(fā)展的指導(dǎo)意見》（農(nóng)牧發(fā)［2017］12 號）的出臺，東北地區(qū)畜牧業(yè)碳排放具有較大增長的可能。

第四層次為畜牧業(yè)碳排放量低于550 萬噸的地區(qū)，囊括了山西等12 省（市、自治區(qū)）。中國地域遼闊，區(qū)域資源稟賦有所不同，制約畜牧業(yè)碳排放增長的因素也存在顯著差異。例如，寧夏雖為牧區(qū)，但省域面積狹小，畜牧業(yè)碳排放總量不大；山西屬于中部能源和重工業(yè)基地，跟其他農(nóng)業(yè)省份相比，其畜牧業(yè)占比不高；陜西省畜牧養(yǎng)殖方式比較落后，散養(yǎng)比例大，規(guī)?；潭鹊停瑥亩拗屏诵竽琉B(yǎng)殖發(fā)展規(guī)模；重慶市畜牧業(yè)生產(chǎn)因受到飼料、土地、勞動力等資源和生產(chǎn)成本制約增產(chǎn)十分有限，故畜牧業(yè)碳排放也較低；其余8 ?。ㄊ小⒆灾螀^(qū)）中多為糧食主銷區(qū)且地處東部沿海地區(qū)，城鎮(zhèn)化和工業(yè)化發(fā)展水平較高，對畜牧業(yè)發(fā)展產(chǎn)生了“擠兌”效應(yīng)，因而畜牧業(yè)碳排放總量不高。

（二）畜牧業(yè)碳排放分布動態(tài)演進(jìn)

為了探索中國畜牧業(yè)碳排放增長隨時間的動態(tài)演變趨勢，本文以2007 年、2012 年、2017 年和2020 年為考察時點，采用Kernel 密度估計方法分析畜牧業(yè)碳排放的動態(tài)演進(jìn)過程，結(jié)果如圖2 所示。

圖2 中國畜牧業(yè)碳排放分布的演進(jìn)

由圖2 可知，考察期內(nèi)畜牧業(yè)碳排放核密度曲線的中心位置經(jīng)歷了“右移-左移”的變化，表明全國畜牧業(yè)碳排放整體經(jīng)歷了先增加后下降的變化過程；從波峰來看，核密度曲線由單峰逐漸變?yōu)槎喾?，并且主峰高度增加，說明畜牧業(yè)碳排放梯度差異明顯。分階段來看，相較于2007 年，2012 年核密度曲線中心位置右移，而且波峰降低并變寬，說明畜牧業(yè)碳排放在此階段有所增加，區(qū)域差異擴(kuò)大；相較于2012 年，2017 年核密度曲線中心位置左移，波峰高度有所回升，右拖尾“厚度”減少，說明在此期間畜牧業(yè)碳排放有所降低，“高碳”地區(qū)有所減少；相較于2017 年，2020 年核密度曲線中心位置繼續(xù)左移，波峰由單峰變?yōu)槎喾澹鞣甯叨仍黾?，次峰不明顯，右拖尾“變薄”，說明在此期間畜牧業(yè)碳排放進(jìn)一步降低，并呈梯度變化，“高碳”地區(qū)進(jìn)一步減少。整體來看，各個年份的核密度曲線均呈非對稱分布，并且中心位置偏左，說明中國畜牧業(yè)碳排放呈非均衡分布。

四、技術(shù)進(jìn)步對畜牧業(yè)碳排放影響的實證檢驗

（一）基準(zhǔn)回歸及穩(wěn)健性檢驗

本文利用Stata14.0 軟件對模型進(jìn)行檢驗，在此之前，需要對模型進(jìn)行選擇，Hausman 檢驗結(jié)果顯示，固定效應(yīng)模型較好，因此，本文匯報固定效應(yīng)模型結(jié)果，結(jié)果見表7。其中，模型一僅放入核心解釋變量技術(shù)進(jìn)步，結(jié)果表明，技術(shù)進(jìn)步的回歸系數(shù)在1%水平下顯著為負(fù)，說明技術(shù)進(jìn)步有助于抑制畜牧業(yè)碳排放。模型二納入了控制變量，此時技術(shù)進(jìn)步的回歸系數(shù)依然顯著為負(fù)，這說明在控制了可能影響畜牧業(yè)碳排放的眾多因素后，技術(shù)進(jìn)步對畜牧業(yè)碳排放量仍有顯著的抑制作用，即在控制其他條件后，技術(shù)進(jìn)步每提高一個單位，畜牧業(yè)碳排放將減少0.52%?？刂谱兞恐?，碳排放強(qiáng)度的回歸系數(shù)顯著為正，說明碳排放強(qiáng)度越大，意味著養(yǎng)殖方式越為粗放，生產(chǎn)過程所產(chǎn)生的碳排放總量就越多；畜牧業(yè)發(fā)展水平和畜牧業(yè)比重對畜牧業(yè)碳排放表現(xiàn)出了促進(jìn)作用，這主要是因為畜牧業(yè)比種植業(yè)的增收效應(yīng)更為明顯，因此，當(dāng)畜牧業(yè)效益較高時，逐利的農(nóng)戶將會轉(zhuǎn)向畜牧業(yè)生產(chǎn)，從而增加了畜牧業(yè)在農(nóng)業(yè)的比重，這必然會引起畜牧業(yè)碳排放量的激增；農(nóng)業(yè)固定投資和財政支農(nóng)投入未能起到抑制畜牧業(yè)碳排放的作用，這可能是因為農(nóng)業(yè)投資效率低下及監(jiān)管缺失，再加上部分農(nóng)戶“坐享其成”的心理，容易滋生盲目擴(kuò)張和“騙補”行為，這無疑會增加畜牧業(yè)碳排放量；城鎮(zhèn)化的推進(jìn)會提高居民對肉蛋奶等畜禽產(chǎn)品的需求，因而會帶動畜牧業(yè)的發(fā)展與碳排放量的增加；農(nóng)民收入增加能夠提高養(yǎng)殖場戶的抗風(fēng)險能力和支付能力，促進(jìn)其采納相關(guān)養(yǎng)殖技術(shù)，從而實現(xiàn)畜牧業(yè)減排，但這一作用強(qiáng)度較?。ɑ貧w系數(shù)趨向于零）。

表7 基準(zhǔn)回歸及穩(wěn)健性檢驗結(jié)果

考慮到畜牧業(yè)碳排放水平較高的養(yǎng)殖主體可能更傾向于改進(jìn)養(yǎng)殖技術(shù)，即可能存在反向因果關(guān)系，可能會高估估計結(jié)果。此外，受一些其他因素的影響，模型可能會存在內(nèi)生性問題。因此，借鑒已有研究，將技術(shù)進(jìn)步的滯后一期（L.TECH）引入模型以盡可能降低內(nèi)生性問題。表7 中的模型三為處理內(nèi)生性問題后的回歸結(jié)果，可以發(fā)現(xiàn)技術(shù)進(jìn)步對畜牧業(yè)碳排放依然具有顯著的抑制作用，說明本文的回歸結(jié)果較為穩(wěn)健。另外，還采用技術(shù)進(jìn)步的替代變量來進(jìn)一步檢驗?zāi)Ｐ偷姆€(wěn)健性，由于技術(shù)進(jìn)步與畜牧科技人員密切相關(guān)，因而，本文利用科技人員占比作為替代變量進(jìn)行回歸，結(jié)果如模型四所示，結(jié)果顯示核心解釋變量和控制變量的方向及顯著性水平未發(fā)生明顯改變，再次證明研究結(jié)論的穩(wěn)健性。

（二）區(qū)域?qū)用娴漠愘|(zhì)性分析

畜牧業(yè)生產(chǎn)是以資源凝聚力和環(huán)境承載力為基礎(chǔ)，以社會經(jīng)濟(jì)協(xié)調(diào)力為直接驅(qū)動力。經(jīng)濟(jì)發(fā)展條件、區(qū)位條件、畜牧發(fā)展歷史與基礎(chǔ)使得各區(qū)域畜牧業(yè)碳排放總量差異較大，這可能導(dǎo)致技術(shù)進(jìn)步對不同區(qū)域內(nèi)畜牧業(yè)碳排放的影響呈現(xiàn)出異質(zhì)性。中國畜牧業(yè)碳排放整體呈“西高東低”的梯次分布格局，因此，本文將全國劃分為西部、中東部地區(qū)。首先在模型一的基礎(chǔ)上引入技術(shù)進(jìn)步與西部地區(qū)虛擬變量（WEST）的交叉項，并以中東部地區(qū)為基準(zhǔn)探究區(qū)域異質(zhì)性，回歸結(jié)果見表8。從表8 中可知技術(shù)進(jìn)步與西部地區(qū)虛擬變量的交互項回歸系數(shù)在1%水平下顯著為正，表明相對于中東部地區(qū)，西部地區(qū)技術(shù)進(jìn)步對畜牧業(yè)碳排放具有促進(jìn)作用，體現(xiàn)出西部地區(qū)的“規(guī)模效應(yīng)”優(yōu)于“強(qiáng)度效應(yīng)”。究其原因可能是中東部地區(qū)經(jīng)濟(jì)相對發(fā)達(dá)，隨著經(jīng)濟(jì)的發(fā)展，居民對環(huán)境的關(guān)注程度也在增強(qiáng)，因而在政府的環(huán)保高壓下，該地區(qū)的技術(shù)進(jìn)步方向主要偏向于綠色低碳技術(shù)；西部地區(qū)主要以發(fā)展自身作為第一要務(wù)，并且西部地區(qū)多屬草原牧區(qū)，養(yǎng)殖條件良好，因而本地區(qū)除了要滿足自身對畜產(chǎn)品的需求，還要承擔(dān)對中東部地區(qū)畜產(chǎn)品的供給任務(wù)，因而技術(shù)進(jìn)步加劇了該地區(qū)的畜牧業(yè)碳排放。

表8 技術(shù)進(jìn)步對畜牧業(yè)碳排放區(qū)域異質(zhì)性結(jié)果

五、作用機(jī)制分析：中介效應(yīng)、調(diào)節(jié)效應(yīng)和空間溢出效應(yīng)檢驗

（一）中介效應(yīng)檢驗

前文理論分析表明，技術(shù)進(jìn)步通過畜牧業(yè)發(fā)展水平和畜牧業(yè)碳排放強(qiáng)度間接作用于畜牧業(yè)碳排放。為此，本部分將選取畜牧業(yè)發(fā)展水平和畜牧業(yè)碳排放強(qiáng)度作為中介變量，通過構(gòu)建中介效應(yīng)模型來驗證技術(shù)進(jìn)步通過促進(jìn)畜牧業(yè)經(jīng)濟(jì)發(fā)展和降低碳排放強(qiáng)度影響畜牧業(yè)碳排放的傳導(dǎo)路徑。

表9 給出了技術(shù)進(jìn)步與畜牧業(yè)碳排放作用機(jī)制的檢驗結(jié)果。結(jié)果表明，技術(shù)進(jìn)步對畜牧業(yè)發(fā)展水平和畜牧業(yè)碳排放強(qiáng)度有著相反的顯著影響，而畜牧業(yè)發(fā)展水平和畜牧業(yè)碳排放強(qiáng)度均對畜牧業(yè)總體的碳排放量有顯著正向影響。這說明本文的理論模型與假設(shè)是合理的，技術(shù)進(jìn)步通過畜牧業(yè)發(fā)展水平和畜牧業(yè)碳排放強(qiáng)度對畜牧業(yè)碳排放具有截然相反的影響效應(yīng)。綜合來看，技術(shù)進(jìn)步對畜牧業(yè)碳排放的“強(qiáng)度效應(yīng)”要高于“規(guī)模效應(yīng)”，這說明2007—2020 年，技術(shù)進(jìn)步通過畜牧業(yè)碳排放強(qiáng)度改進(jìn)減少的畜牧業(yè)碳排放可以遏制其通過經(jīng)濟(jì)增長所帶來的碳排放的增加，即技術(shù)進(jìn)步在推動畜牧經(jīng)濟(jì)發(fā)展的同時抑制了碳排放的增加。

表9 中介效應(yīng)檢驗結(jié)果

（二）調(diào)節(jié)效應(yīng)檢驗

由前文分析可知，產(chǎn)業(yè)集聚可能影響技術(shù)進(jìn)步對畜牧業(yè)碳排放的作用效果，為檢驗這一理論假說，在技術(shù)進(jìn)步層面，加入了產(chǎn)業(yè)集聚與技術(shù)進(jìn)步的交互項，進(jìn)而考察產(chǎn)業(yè)集聚對于技術(shù)進(jìn)步與畜牧業(yè)碳排放關(guān)系的調(diào)節(jié)作用，結(jié)果見表10。從中可知，產(chǎn)業(yè)集聚與技術(shù)進(jìn)步的交互項系數(shù)通過了顯著性檢驗，并且為負(fù)值，說明技術(shù)進(jìn)步對畜牧業(yè)碳排放的邊際效應(yīng)隨著產(chǎn)業(yè)集聚水平的提升而增強(qiáng)。

表10 集聚效應(yīng)下技術(shù)進(jìn)步與畜牧業(yè)碳排放的回歸結(jié)果

產(chǎn)業(yè)聚集通過技術(shù)進(jìn)步對畜牧業(yè)碳排放作用的主要途徑是產(chǎn)業(yè)集聚能有效促進(jìn)畜牧養(yǎng)殖相關(guān)知識和技術(shù)的溢出。具體而言：一是，養(yǎng)殖技術(shù)的研發(fā)與推廣需要畜牧科技人員的持續(xù)投入和轉(zhuǎn)化，產(chǎn)業(yè)集聚能夠產(chǎn)生“虹吸效應(yīng)”，吸引科技人才的集聚，因此為養(yǎng)殖技術(shù)的推廣與應(yīng)用提供了便利條件；二是，產(chǎn)業(yè)集聚減少了知識和技術(shù)在傳播過程中的信息損失和扭曲，并且降低了技術(shù)交易成本，提高了知識和技術(shù)的外溢效果，增強(qiáng)了技術(shù)進(jìn)步的減排效果；三是，產(chǎn)業(yè)集聚區(qū)擁有大量從事畜牧生產(chǎn)的“精英”，其抵御風(fēng)險能力強(qiáng)，也更容易接納新生事物，因而會率先使用新技術(shù)，而且在“精英”的示范帶頭作用下，小農(nóng)戶技術(shù)采納意愿增強(qiáng)，即產(chǎn)業(yè)集聚區(qū)的技術(shù)“示范效應(yīng)”和“學(xué)習(xí)效應(yīng)”更容易形成，區(qū)域內(nèi)的技術(shù)溢出效果更加明顯。

（三）空間溢出效應(yīng)

1.全局相關(guān)性分析

在討論中國畜牧業(yè)碳排放的空間相關(guān)性之前，需要對其進(jìn)行空間相關(guān)性檢驗。本文采用Moran’sI指數(shù)進(jìn)行檢驗，結(jié)果顯示，畜牧業(yè)碳排放的莫蘭指數(shù)均通過了顯著性檢驗，2007 年莫蘭指數(shù)在5%水平下顯著為正，其值為0.036，而2020 年莫蘭指數(shù)在1%水平下顯著為正，其值為0.072，除2008 年有所波動整體表現(xiàn)出遞增趨勢，顯著性水平也隨之提高。由此表明，研究期內(nèi)我國畜牧業(yè)碳排放具有明顯空間相關(guān)性且較為穩(wěn)定，主要表現(xiàn)為低碳區(qū)域被一個或多個低碳區(qū)域包圍，高碳區(qū)域與一個或多個高碳地區(qū)相鄰。

2.考慮空間因素后技術(shù)進(jìn)步對畜牧業(yè)碳排放影響分析

由前文分析可知，技術(shù)進(jìn)步對畜牧業(yè)碳排放還可能產(chǎn)生空間溢出效應(yīng)，為檢驗這一理論假說，模型中需要納入空間因素。因此，運用空間計量模型進(jìn)行實證分析較為合適?；貧w分析之前，需要對空間計量模型進(jìn)行選擇?？臻g誤差模型的LM（lagrange multiplier）檢驗結(jié)果顯示，空間誤差模型要優(yōu)于OLS（ordinary least square）回歸模型，空間滯后模型的LM 檢驗結(jié)果顯示空間滯后模型效果更好。LR（likelihood ratio）的檢驗結(jié)果拒絕了原假設(shè)，說明空間杜賓模型不能退化為空間滯后模型和空間誤差模型。與此同時，Hausman 檢驗結(jié)果表明，在空間杜賓模型中加入固定效應(yīng)更好。因此，本文基于反地理距離空間權(quán)重矩陣，利用固定效應(yīng)的空間杜賓模型分析技術(shù)進(jìn)步對畜牧業(yè)碳排放的空間效應(yīng)，為檢驗?zāi)Ｐ偷姆€(wěn)健性，基于空間鄰接矩陣和地理距離矩陣重復(fù)上述回歸，結(jié)果見表11。

表11 技術(shù)進(jìn)步對畜牧業(yè)碳排放影響的空間杜賓模型回歸結(jié)果

由模型十二、模型十三和模型十四的結(jié)果可知，空間滯后系數(shù)ρ在反地理空間權(quán)重、空間鄰接矩陣和地理距離矩陣設(shè)定下均呈現(xiàn)較高顯著性且系數(shù)為正，這也再次表明畜牧業(yè)碳排放存在明顯的空間集聚特征。進(jìn)一步地，通過比較3 個回歸結(jié)果可知，核心解釋變量及控制變量對畜牧業(yè)碳排放的影響方向與顯著性特征在大多數(shù)情況下是一致的。由此表明，模型十二結(jié)果整體上表現(xiàn)出較強(qiáng)的穩(wěn)健性。

由模型十二可知，考慮空間因素后，與面板數(shù)據(jù)估計結(jié)果保持一致，技術(shù)進(jìn)步對畜牧業(yè)碳排放的抑制作用依然成立，表明通過聚焦于畜牧產(chǎn)業(yè)領(lǐng)域與關(guān)鍵技術(shù)的研發(fā)，中國畜牧養(yǎng)殖技術(shù)進(jìn)步驅(qū)動低碳高效轉(zhuǎn)型的戰(zhàn)略取得了初步成效，并為未來實現(xiàn)畜牧業(yè)減排目標(biāo)奠定了堅實的技術(shù)基礎(chǔ)。

3.技術(shù)進(jìn)步對畜牧業(yè)碳排放的空間溢出效應(yīng)

由于空間滯后項的引入，空間計量模型回歸系數(shù)并不能反映出解釋變量的直接和間接效應(yīng)，因此，本文基于Lesage 和Pace（2009）的思路，利用偏微分的方法求解各變量的直接和間接效應(yīng)。直接效應(yīng)是指本地區(qū)自變量對因變量的影響，也稱本地效應(yīng)；間接效應(yīng)是指鄰區(qū)自變量對本地區(qū)因變量的影響，也稱空間溢出效應(yīng)；總效應(yīng)是直接效應(yīng)和間接效應(yīng)的綜合，表示自變量對因變量的平均影響，結(jié)果見表12。

從表12 可見，技術(shù)進(jìn)步的直接效應(yīng)在1%水平下顯著為負(fù)，表明本地區(qū)技術(shù)進(jìn)步每提高1 個單位，本地區(qū)畜牧業(yè)碳排放量就會減少0.644 個百分點，這是因為技術(shù)進(jìn)步通過改良畜禽品種、飼喂技術(shù)、增強(qiáng)疫病防控能力及提高規(guī)模化水平等途徑提升畜禽單產(chǎn)和效益，在充分保障供給與收益的同時，降低了畜牧業(yè)碳排放總量。畜牧業(yè)碳排放強(qiáng)度、畜牧業(yè)發(fā)展水平、畜牧業(yè)比重和城鎮(zhèn)化的推進(jìn)對本地區(qū)畜牧業(yè)碳排放產(chǎn)生顯著促進(jìn)作用，而環(huán)境規(guī)制力度的增加能夠抑制本地區(qū)畜牧業(yè)碳排放。

溢出效應(yīng)方面，技術(shù)進(jìn)步在10%水平下顯著為負(fù)，說明其對畜牧業(yè)碳排放具有積極的空間溢出效應(yīng)。從作用力的大小來看，技術(shù)進(jìn)步的空間溢出效應(yīng)要強(qiáng)于本地效應(yīng)，本地區(qū)技術(shù)進(jìn)步增長一個單位，鄰區(qū)畜牧業(yè)碳排放將會降低1.666 個百分點。對此，可能的解釋是：一方面，鄰區(qū)通過模仿學(xué)習(xí)周圍先進(jìn)地區(qū)的高效養(yǎng)殖技術(shù)、專業(yè)養(yǎng)殖知識和管理經(jīng)驗，促進(jìn)了畜牧業(yè)碳排放強(qiáng)度的降低。具體而言，通過先進(jìn)地區(qū)的知識溢出和技術(shù)溢出，周圍地區(qū)實現(xiàn)了品種的改良、飼喂方法的改進(jìn)及管理模式的優(yōu)化，從而在確保畜禽產(chǎn)品產(chǎn)量與經(jīng)濟(jì)效益的條件下，實現(xiàn)畜牧業(yè)碳排放量的降低。另一方面，“搭便車”效應(yīng)降低了落后地區(qū)的研發(fā)和試錯成本，鄰近地區(qū)可將節(jié)省的成本及增加的收益用于改進(jìn)優(yōu)化抑或研發(fā)更具優(yōu)勢的新興技術(shù)和管理模式，進(jìn)而實現(xiàn)畜牧經(jīng)濟(jì)增長與減排的協(xié)同推進(jìn)。此外，控制變量中畜牧業(yè)發(fā)展水平的空間溢出效應(yīng)為正，說明區(qū)域之間經(jīng)濟(jì)發(fā)展存在策略互動，表現(xiàn)為“鄰高排，我高排”；畜牧業(yè)比重的空間溢出效應(yīng)為負(fù)，這可能是因為本地區(qū)畜牧業(yè)比重的調(diào)整過程中伴隨著鄰區(qū)畜牧業(yè)的轉(zhuǎn)入，因此，本地區(qū)畜牧業(yè)占比增加會減少鄰區(qū)畜牧業(yè)碳排放；農(nóng)民收入水平的空間溢出效應(yīng)為負(fù)，這主要是因為地區(qū)間收入水平的差異，會使勞動力從低收入地區(qū)向高收入地區(qū)轉(zhuǎn)移，并且促進(jìn)鄰區(qū)規(guī)模化經(jīng)營，一定程度上抑制了鄰區(qū)畜牧業(yè)碳排放，因而鄰區(qū)畜牧業(yè)碳排放會受到抑制，但作用強(qiáng)度較弱。綜合來看，技術(shù)進(jìn)步在降低本地區(qū)畜牧業(yè)碳排放的同時產(chǎn)生了積極的空間溢出效應(yīng)，降低了周圍地區(qū)的畜牧業(yè)碳排放，假設(shè)5得到了證實。

五、結(jié)論與政策建議

本文基于2007—2020 年31 ?。ㄊ?、自治區(qū)，因數(shù)據(jù)缺失，未包含港澳臺地區(qū)）的面板數(shù)據(jù)，依據(jù)碳排放因子，測算了中國畜牧業(yè)碳排放現(xiàn)狀，并結(jié)合核密度估計方法揭示了其動態(tài)演進(jìn)趨勢，最后利用面板回歸模型討論了技術(shù)進(jìn)步對畜牧業(yè)碳排放的影響機(jī)制。主要結(jié)論如下。

（1）全國畜牧業(yè)碳排放呈縮減趨勢，各省畜牧業(yè)碳排放差異顯著，整體呈“西高東低”的分布格局。全國畜牧業(yè)碳排放總量由2007 年的31840.19 萬噸降至28140.84 萬噸。2020 年內(nèi)蒙古以2658.73 萬噸的碳排放量居首，北京居末。相較于2007 年，有21 個省份的畜牧業(yè)碳排放量呈下降態(tài)勢且以北京降幅為最大；余下10個省份則表現(xiàn)出增長態(tài)勢且以寧夏增幅最大。核密度估計結(jié)果顯示，中國畜牧業(yè)碳排放呈非均衡分布，梯度差異明顯。

（2）技術(shù)進(jìn)步通過畜牧業(yè)發(fā)展水平和畜牧業(yè)碳排放強(qiáng)度對碳排放具有截然相反的影響效應(yīng)，技術(shù)進(jìn)步通過畜牧業(yè)碳排放強(qiáng)度改進(jìn)減少的碳排放可以遏制其通過經(jīng)濟(jì)增長所帶來的碳排放的增加。產(chǎn)業(yè)集聚對技術(shù)進(jìn)步與畜牧業(yè)碳排放關(guān)系的調(diào)節(jié)作用顯著，技術(shù)進(jìn)步對畜牧業(yè)碳排放的邊際效應(yīng)隨著產(chǎn)業(yè)集聚水平的提升而增強(qiáng)。

（3）技術(shù)進(jìn)步對畜牧業(yè)碳排放具有顯著的空間溢出效應(yīng)。本地區(qū)技術(shù)進(jìn)步增長一個單位，鄰區(qū)畜牧業(yè)碳排放將會降低1.666 個百分點，即本地技術(shù)進(jìn)步通過空間溢出效應(yīng)對鄰區(qū)畜牧業(yè)碳排放產(chǎn)生積極影響。

基于上述研究結(jié)論，提出以下政策建議：

第一，增加財政支持力度，推動畜牧業(yè)科技創(chuàng)新，尤其要強(qiáng)化對低碳養(yǎng)殖突破性技術(shù)的研發(fā)。由于突破性低碳養(yǎng)殖技術(shù)的應(yīng)用較為復(fù)雜，并且還可能導(dǎo)致養(yǎng)殖成本的增加，因而推廣起來存在諸多障礙，其減排效果難以顯現(xiàn)。因此，要建立專項資金，重點支持一些“卡脖子”技術(shù)的研發(fā)，如采納成本低、操作簡單的突破性技術(shù)。

第二，對于仍處于畜禽產(chǎn)品需求增長的中國而言，考慮現(xiàn)時發(fā)展階段、膳食結(jié)構(gòu)與經(jīng)濟(jì)發(fā)展等因素，倘若過分強(qiáng)調(diào)控制畜牧業(yè)碳排放總量目標(biāo)，可能有悖于中國畜牧業(yè)發(fā)展，而且還有失公平性。因此，堅持共同而有區(qū)別的減排原則，選擇降低碳排放強(qiáng)度的減排目標(biāo)對中國而言更為實際。

第三，加快推進(jìn)畜牧業(yè)產(chǎn)業(yè)集聚進(jìn)程，充分發(fā)揮技術(shù)溢出效應(yīng)。重點推進(jìn)畜禽養(yǎng)殖主產(chǎn)區(qū)的基地建設(shè)，加大對養(yǎng)殖基地基礎(chǔ)設(shè)施建設(shè)的支持力度，特別是投入高、專業(yè)化的設(shè)施，完善相關(guān)社會化服務(wù)體系，打破要素流動與技術(shù)溢出的市場壁壘，充分發(fā)揮產(chǎn)業(yè)集聚所帶來的規(guī)模經(jīng)濟(jì)效應(yīng)，增強(qiáng)技術(shù)溢出效果。

第四，制定并完善區(qū)域技術(shù)標(biāo)準(zhǔn)要求，積極引導(dǎo)地區(qū)間的交流互助，促進(jìn)突破性技術(shù)的推廣應(yīng)用。鑒于中國地理條件、資源稟賦等有所差異，可以先制定區(qū)域?qū)用娴募夹g(shù)標(biāo)準(zhǔn)和要求，然后通過試驗識別出能夠推廣且高效的技術(shù)，而后進(jìn)行全國推廣，充分發(fā)揮技術(shù)進(jìn)步對畜牧業(yè)碳排放的積極空間溢出效應(yīng)。