技術進步促進了農業(yè)能源碳減排嗎？

田云 尹忞昊

摘? ?要：厘清技術進步推動我國農業(yè)能源碳減排的機理，對農業(yè)農村能源轉型和“雙碳”目標實現具有重要的理論與現實意義。構建技術進步背景下農業(yè)能源碳排放回彈效應模型，科學測度我國30個?。▍^(qū)、市）2001—2018年碳排放回彈效應，在此基礎上，利用基準模型與空間計量方法分析技術進步對農業(yè)能源碳排放強度的影響及溢出效應。研究發(fā)現：農業(yè)能源碳排放削減量呈上升趨勢，碳排放回彈量存在較大波動，碳排放存在部分回彈效應，且回彈效應均值為0.176。我國省域農業(yè)能源碳排放強度存在顯著空間自相關特性，技術進步對農業(yè)能源碳排放強度具有明顯的抑制作用，同時也表現出顯著的空間溢出效應，具體表現為，農業(yè)技術進步1個百分點，其產生的溢出效應可使周邊地區(qū)農業(yè)能源碳排放強度降低0.120%。促進農業(yè)能源碳減排，應重點研發(fā)顛覆性減排技術，積極引導農業(yè)能源利用模式轉型，制定區(qū)域技術標準。

關鍵詞：技術進步;農業(yè)能源碳排放;農業(yè)碳排放;回彈效應;空間計量模型

中圖分類號：F323? ?文獻標識碼：A? ?文章編號：1003-7543（2021）12-0045-14

近年來，溫室氣體排放量的快速增加一定程度上加劇了對全球生命系統(tǒng)的威脅，氣候問題由此受到了國際社會的高度關注。在此境況下，世界各國相繼達成《聯合國氣候框架公約》《京都協(xié)議書》《巴黎協(xié)定》等一攬子具有約束力的框架協(xié)定，明確了主要溫室氣體排放的約束目標與減排方式。雖然如此，卻并未有效抑制全球溫室氣體的增長態(tài)勢。聯合國環(huán)境規(guī)劃署的調查報告顯示，2019年全球碳排放總量達到了591億噸二氧化碳當量，較2018年增加了38億噸，增幅高達6.87%，在創(chuàng)下歷史新高的同時，繼續(xù)朝著21世紀末升溫3℃以上的趨勢發(fā)展。面對如此不利情形，世界各國紛紛提出自主貢獻目標，致力于早日實現全球“凈零排放”以及碳排放量降至“2℃溫控”水平。作為全球氣候治理的積極參與者和支持者，我國在第七十五屆聯合國大會一般性辯論上作出了2030年前碳排放量達峰和2060年前實現碳中和的承諾。2021年中央政府工作報告更是將“扎實做好碳達峰、碳中和各項工作”列為重點工作之一。在這一目標實現的過程中，除了要大力推進二三產業(yè)節(jié)能減排之外，還需切實加快農業(yè)生產低碳轉型步伐。

為了更好地探究農業(yè)生產低碳轉型之路，越來越多的學者開始致力于農業(yè)碳排放、農業(yè)碳減排等相關問題的研究。起初，學者們主要基于差異化視角構建農業(yè)碳排放測算指標體系并展開有效測度。其中，West & Post較早立足于農用物資投入完成了對種植業(yè)碳排放的測算[1];相較而言，Johnson等進行了更為全面的考察，從水稻種植、畜禽養(yǎng)殖、農業(yè)能源利用、農業(yè)廢棄物處理、生物燃燒五個維度完善了農業(yè)碳排放測算體系[2];Tian等基于農用物資投入、水稻種植、畜禽養(yǎng)殖、土壤碳庫破壞等對中國農業(yè)碳排放展開了系統(tǒng)考察，并剖析了其內在機理[3]。而后，隨著農業(yè)碳排放測算體系的逐步完善，其相關研究不斷深入且多元化趨勢愈發(fā)明顯，其中一些學者圍繞農業(yè)碳排放效率特征[4]、動態(tài)分布規(guī)律[5]以及影響因素[6]等展開探討，發(fā)現我國東部、中部、西部地區(qū)農業(yè)碳排放特征及其驅動機理均存在明顯差異，且農業(yè)能源利用所導致的碳排放量正逐年提升;另一些學者則從模擬峰值預測[7]、空間特性探究[8]、衍生指標構建[9]等不同視角豐富了低碳農業(yè)相關文獻。綜合研究表明，我國各區(qū)域種植業(yè)、畜牧業(yè)生產以及農業(yè)能源利用所導致的碳排放數量及其所衍生出的碳排放效率均存在顯著差別，其各自影響因素與驅動機理也不盡相同。積極倡導政策與市場并行戰(zhàn)略并著力提升能源利用效率，是解決上述不均衡的長遠之策。

鑒于能源碳排放在農業(yè)碳排放中所占比重較大且增長態(tài)勢較為明顯這一現實背景，不少學者將注意力聚焦到了農業(yè)能源碳排放領域。其中，李國志、李宗植從消費側對農業(yè)能源碳排放進行測算并探究了其與能源利用效率之間的相互關系[10];韓岳峰、張龍基于進出口貿易視角圍繞農業(yè)能源消耗碳排放展開測度并剖析了影響其數量變化的主要因素[11];戴小文等在系統(tǒng)把握我國農業(yè)能源碳排放量的基礎上，利用Kaya恒等式圍繞其影響機理展開了深度探討，發(fā)現農村居民生活水平提升是導致其數量增加的關鍵動因，而農業(yè)低碳生產技術則起到了較為明顯的抑制作用[12];徐家鵬則對農業(yè)能源碳排放趨勢進行了預測，發(fā)現其仍呈現持續(xù)上升態(tài)勢[13]。近些年來，隨著研究的持續(xù)深入，一些學者開始圍繞農業(yè)能源碳排放的脫鉤效應[14]與空間特性[15]展開探究，結果表明，當前其與農業(yè)經濟之間仍以弱脫鉤關系為主，距離強脫鉤差距較大，同時大多數省份農業(yè)能源碳排放效率都呈現空間集聚特性。

由上述文獻可知，目前關于農業(yè)碳問題的整體研究已較為豐富，基本涵蓋精準測算、現狀特征把握、未來趨勢預測等方面，為后續(xù)深入探討提供了必要的理論依據與數據支撐。但與此同時，當前仍存在一些亟待破解的研究難題，如農業(yè)技術進步是否促進了碳減排？從現有文獻來看，學者們對此莫衷一是，如巍瑋等認為技術進步可有效抑制農業(yè)碳排放量的增加[16]，而張永強等持完全相反的觀點[17]。爭議的存在使得我們有必要圍繞該問題展開更為深入的探討，不僅要明確農業(yè)技術進步與農業(yè)碳減排之間的數量關系，而且要厘清其內在的作用機理?？紤]到農業(yè)能源利用受農業(yè)技術的影響更為直接，實際分析中將主要立足于農業(yè)能源碳排放。農業(yè)技術進步必然會對能源利用數量和利用效率產生顯著影響，進而影響到最終的碳排放數量。在此境況下，農業(yè)技術進步與農業(yè)能源碳排放之間到底呈現何種關系？二者之間是否存在回彈效應？是否具有空間溢出效應？這一系列問題都亟待厘清。本文嘗試彌補現有研究的不足，先進行相關理論分析與模型構建，并立足于我國30個?。▍^(qū)、市）①的面板數據測度農業(yè)技術進步背景下的農業(yè)能源碳排放回彈效應;而后通過面板數據OLS及固定效應模型并利用空間計量分析法探討農業(yè)技術進步對農業(yè)能源碳排放強度的影響及其溢出效應;最后基于研究結論提出針對性策略，以期為農業(yè)生產低碳轉型的快速推進提供理論依據。

一、影響機理分析與變量設定

（一）農業(yè)技術進步對農業(yè)能源碳減排的影響機理分析

農業(yè)技術進步通常有狹義與廣義之分，其中狹義的農業(yè)技術進步特指農業(yè)生產過程中的技術（也稱為自然科學技術或硬技術）進步;廣義的農業(yè)技術進步則還包含了農業(yè)經營管理技術與服務技術（社會科學技術或軟技術）的進步[18-19]。具體到本文，所要考察的是廣義農業(yè)技術進步，其包含了生物（種質創(chuàng)新等）、化學（化肥、農藥、農膜等）、機械（農用機器、設備等）等硬技術以及資源合理配置能力（投入要素的整合及分配等）、經營決策管理能力（管理方案、農業(yè)結構調整、政策約束等）與農業(yè)生產及技術使用的相關專業(yè)知識儲備（新知識、新技術等）等軟技術。近些年來，伴隨著我國農業(yè)生產規(guī)?；c集約化程度的不斷提升，能源需求量持續(xù)增加，其所導致的碳排放量也居高不下。提升農業(yè)能源利用效率，廣泛采用低碳生產技術，是未來我國農業(yè)發(fā)展的必由之路，但選擇該路徑顯然會對農業(yè)經濟發(fā)展與碳排放量變化產生影響。農業(yè)能源碳排放強度是指單位農業(yè)產值所引發(fā)的能源碳排放數量，它兼顧了農業(yè)經濟與能源碳排放的數量變化，更能反映實際碳排放水平，因此這里通過剖析農業(yè)技術進步對農業(yè)能源碳排放強度的影響路徑來探討具體的減排機制。很顯然，農業(yè)技術進步也包含了低碳生產技術的采用，因而其對農業(yè)能源碳排放強度的影響路徑可歸納為兩個方面：一是技術進步對能源需求和使用效率的直接影響。此時，技術進步主要表現為新能源與可再生能源對傳統(tǒng)農業(yè)能源的替代[20]。通常而言，在大能源范疇，一項新技術的使用除了能提高能源利用效率之外還會拉動能源需求，導致其生產量與消費量的同步增加，正是基于此，能源回彈效應持續(xù)受到政策制定者與學術研究者的高度關注。眾所周知，農業(yè)技術進步與農業(yè)能源變動之間的關系也處在大能源范疇之內，因而也必然存在能源回彈效應，進而會對相關政策的制定以及最終的碳排放量產生影響。鑒于農業(yè)技術進步對農業(yè)碳排放具有促進與抑制的雙重作用，本文預測，基于農業(yè)技術進步的農業(yè)能源碳排放也可能存在一定回彈效應。二是技術進步會對周邊地區(qū)產生溢出效應進而達到減排目的。具體而言，本地區(qū)在學習了先進技術、專業(yè)知識以及管理經驗等硬、軟技術之后，在應用的過程中會產生地區(qū)間溢出效應，由此帶動周邊地區(qū)碳排放數量的減少;同理，周邊地區(qū)農業(yè)技術進步也會帶動本地區(qū)農業(yè)能源碳減排。據此，可知農業(yè)技術進步對農業(yè)能源碳排放強度的影響機理。

由圖1可知，農業(yè)技術進步對農業(yè)能源碳排放強度的影響較為復雜，但最終亦可通過回彈效應的判別來輔助能效政策的制定;同時，農業(yè)技術進步產生的溢出效應會促使地區(qū)間形成良性互動，通過引進周邊先進技術并與本地研發(fā)成果相結合，達到降低農業(yè)能源碳排放強度的目的。二者作用的共同發(fā)揮或直接或間接，但均能實現農業(yè)經濟發(fā)展與農業(yè)能源碳減排的協(xié)同共進。具體影響路徑如下：

就能源路徑而言，機械化水平、種質創(chuàng)新、良種培育等代表性硬技術的不斷發(fā)展有效促進了農業(yè)增效，地區(qū)內生產經營者受此激勵會擴大對農用物資的需求，但化肥、農藥、農膜、農用機械等的廣泛投入會誘發(fā)能源的過度耗費，進而導致碳排放量的增加。面對如此不利情形，政府部門通常會制定必要能效政策予以約束，要求農機設備研發(fā)路徑、種質資源創(chuàng)新方向、作物良種培育方式逐步向低能耗、低排放、高效率轉化。而為了更好地應對能效政策的約束，生產經營者還需不斷學習專業(yè)知識與管理經驗，即在優(yōu)化改進硬技術的基礎上，輔以必要的軟技術進步，農資利用效率由此得以大幅提升。綜合來看，隨著經濟的發(fā)展、技術水平的提升，農業(yè)生產規(guī)模也一直在擴大，能源需求、投入的增加與效率的提升在不同階段將會循環(huán)交替出現，如此反復可能會導致農業(yè)能源碳排放回彈量大于其削減量，即出現農業(yè)能源碳排放回彈效應。較為理想的情形是，伴隨技術的不斷提升，農業(yè)能源碳排放削減量持續(xù)增加，其回彈量可控制在一定區(qū)間內，如此對農業(yè)能源碳強度的影響也可被限制在一定范圍內。據此，本文提出假設H1：

H1：伴隨著農業(yè)技術的進步，農業(yè)能源碳排放強度存在回彈效應，且其回彈效應將逐漸控制在一定范圍內。

就溢出路徑而言，本地農業(yè)技術進步帶來了經濟效益增長和碳減排的雙贏，由此誘發(fā)周邊地區(qū)快速效仿、學習，積極引進先進技術、優(yōu)化資源要素配置，并結合當地氣候、土壤、水文等多方因素調整其經營管理模式，進而產生技術溢出、知識溢出與經驗溢出。其中，技術溢出方面，不僅包含能促進農業(yè)經濟效益提升的生產技術，而且涉及能效政策與碳排放雙重約束下的“低能耗、低排放”先進農業(yè)生產設備。知識溢出方面，表現為生產經營者通過相互交流強化專業(yè)知識學習與專業(yè)素養(yǎng)提升，從而減少技術的研發(fā)與生產成本;更為重要的是，鄰域模范作用可減少地區(qū)內先進技術普及傳播所需投入，并在確保減排力度的同時使其邊際生產率得到大幅提升。經驗溢出方面，重點表現為管理經驗的借鑒，一般地，管理方式的創(chuàng)新與生產經營模式的優(yōu)化可有效避免非必要的資源浪費，并使生產經營者逐步形成并強化對可再生能源的利用意識。總體而言，農業(yè)技術進步無論表現為技術溢出、知識溢出還是經驗溢出，其均是促進農業(yè)經濟增長與農業(yè)能源碳減排“雙贏”的有效路徑，本地與周邊地區(qū)通過良性互動、交流學習，促使鄰近區(qū)域之間農業(yè)能源碳排放強度同步降低。據此，本文提出假設H2：

H2：農業(yè)技術進步對農業(yè)能源碳排放強度存在積極的空間溢出效應，即本地區(qū)農業(yè)技術進步在降低自身農業(yè)能源碳排放強度的同時，也會促使周邊地區(qū)碳排放強度的降低。

（二）變量設定

被解釋變量：農業(yè)能源碳排放強度（Aci）。已有研究表明，農業(yè)碳排放強度可反映農業(yè)碳排放效率[4]，二者之間呈現此消彼長的關系;而農業(yè)技術進步在帶來生產效率提升的同時，也對農業(yè)碳排放效率產生了顯著影響[20]。本研究之所以將農業(yè)能源碳排放強度作為被解釋變量，是因為本文核心解釋變量為農業(yè)技術進步，其通常會對農用柴油、電能等直接能源以及化肥、農藥、農膜等間接能源的利用產生較大影響。實踐中，將通過單位農業(yè)總產值所引發(fā)的碳排放量來體現農業(yè)能源碳排放強度，需要說明的是，不同年份農業(yè)總產值需按不變價格進行處理。

核心解釋變量：農業(yè)技術進步（Atech）。農業(yè)技術進步對農業(yè)能源增長及其碳排放量均存在較大程度的影響。既有文獻在農業(yè)技術進步及其貢獻率測度方面已取得較為豐碩的成果，相關測算方法可歸納為索洛余值法、指數法、數據包絡分析法、隨機前沿分析法四類，其中較為復雜的 指數法又包含HM指數、Fisher指數、Malmquist指數、Tornquist指數等。本文將選用具有動態(tài)特征的DEA-Malmquist指數模型來測度農業(yè)技術進步率，如此考量是因為該方法將傳統(tǒng)的DEA模型與Malmquist指數模型有機結合，克服了原有方法僅能測量同一時期不同決策單元的靜態(tài)相對效率抑或不同時期同一決策單元的動態(tài)效率的弊端。

控制變量：一是農業(yè)發(fā)展水平（Pcai）。一般地，經濟發(fā)展都會對碳排放量產生顯著影響，為此本文將農業(yè)發(fā)展水平作為重要控制變量;該變量用人均農業(yè)收入（即人均實際農業(yè)產值）表示，其計算公式為：人均農業(yè)收入=實際農林牧漁總產值/第一產業(yè)從業(yè)總人數。二是農業(yè)產業(yè)結構。不同產業(yè)部門對農業(yè)能源的需求存在差別，進而可能會影響最終碳排放強度。種植業(yè)和畜牧業(yè)是最為重要的兩大產業(yè)部門，有必要將其單列出來進行考察，具體選取種植業(yè)占比（Pp）和畜牧業(yè)占比（Ahp）作為控制變量，以二者占農林牧漁總產值的比重來衡量。三是農業(yè)受災程度（Adc）。農業(yè)受災會制約最終收益，但由于要素投入在前，其所引發(fā)的碳排放并不會減少，進而客觀上可能會導致碳排放強度的增加，據此也將其作為控制變量之一，具體以各地受災面積占其播種總面積的比重為準。四是農業(yè)公共投資（Api）。已有研究表明，農業(yè)公共投資對農業(yè)碳排放強度具有顯著但程度較小的抑制作用[4]，但其對于農業(yè)能源碳排放強度的作用力如何仍需探討，故本文也將其作為控制變量，具體用各地農林牧漁固定資產投資額來表示。

二、研究方法與數據來源

（一）DEA-Malmquist指數法

與索洛余值法和傳統(tǒng)TFP指數法相比，DEA-Malmquist指數法同時克服了生產率增長測量中α、β難以確定以及不同時期多個決策單元動態(tài)效率無法測度兩大缺陷，有效避免了生產函數選擇與參數估計所帶來的誤差。鑒于此，本文以每個省份為決策單元，選取DEA-Malmquist模型完成對我國農業(yè)全要素生產率（ATFP）的有效測度，具體解釋如下：

假定（αt，βt）在第t期和第t+1期的距離函數分別為Dt（αt，βt）、Dt+1（αt，βt）。同理，（αt+1，βt+1）在第t期和第t+1期的距離函數分別為Dt（αt+1，βt+1）、Dt+1（αt+1，βt+1）。

在第t期的農業(yè)技術水平下，其Malmquist指數為：

Mt=Dt（αt+1，ρt+1）/Dt（αt，ρt）（1）

在第t+1期的農業(yè)技術水平下，其Malmquist指數為：

Mt+1=Dt+1（αt+1，ρt+1）/Dt+1（αt，ρt）（2）

根據Farrel[21]的定義，由式（1）、式（2）可計算得到第t期、第t+1期的幾何平均值，以此表示第t期內該決策單元在規(guī)模報酬不變條件下的農業(yè)全要素生產率變化（ATFP）：

ATFPt=

=（3）

基于式（3）所測算的結果，還可進一步分解為技術效率變化指數、純技術效率進步指數和規(guī)模效率變化指數，鑒于后續(xù)研究不涉及這三者，在此不作贅述。

（二）基于技術進步的農業(yè)能源碳排放回彈效應模型

假定第t年某經濟單位的第一產業(yè)增加值為Yt，農業(yè)能源碳排放強度為CIt，則t年的農業(yè)能源碳排放量為Ct=Yt·CIt;在t+1年，由于技術進步，農業(yè)能源碳排放強度下降為CIt+1，那么，農業(yè)技術進步所引致的農業(yè)能源碳排放削減量Cj為：

Cj=Yt+1·（CIt-CIt+1）（4）

但同時，技術進步也能帶來農業(yè)經濟增長，令ξt+1為t+1年農業(yè)技術進步對農業(yè)經濟增長的貢獻率（%），則農業(yè)技術進步所引致的農業(yè)能源碳排放回彈量Ck為：

Ck=ξt+1·（Yt+1-Yt）·CIt+1（5）

其中，農業(yè)技術進步貢獻率ξt+1為第t+1年的農業(yè)TFP增長率（GATFP）與第t+1年實際農業(yè)總產值增長率（GY）的比值，具體計算方法如下：

ξt+1=（）·100%=·100%（6）

故而，第t+1年農業(yè)能源碳排放回彈效應（ARE）的計算方法如下：

ARE=Ck /Cj=ξt+1·（Yt+1-Yt）·CIt+1/Yt+1·（CIt-CIt+1）（7）

其中，當ARE∈（1，+∞）時，回彈效應表現為逆反效應，也稱為回火效應。一方面，農業(yè)能源碳排放效率提升并未起到抑制其消費量的作用，即農業(yè)能源消費量隨著其碳排放效率的提升而增加;另一方面，實際農業(yè)能源消費量大于其初始值，相關能效政策具有反作用力。

當ARE=1時，回彈效應表現為完全回彈。一方面，農業(yè)能源碳排放效率提升對農業(yè)能源碳排放消費量無明顯影響，即提高農業(yè)能源碳排放效率所削減的農業(yè)碳排放量與農業(yè)碳排放回彈量相抵;另一方面，實際農業(yè)能源消費量與其初始值相等，體現了相關能效政策的無效性。

當ARE∈（0，1）時，回彈效應表現為部分回彈。一方面，農業(yè)能源碳排放效率提升對農業(yè)能源消費量起到一定的抑制作用，即農業(yè)能源碳排放效率提升帶來的碳排放削減量大于碳排放回彈量;另一方面，實際農業(yè)能源消費量低于其初始值但高于預期值，由此揭示相關能效政策表現出了積極效果。

當ARE=0時，為零回彈效應。一方面，農業(yè)能源碳排放效率提升在很大程度上抑制了農業(yè)能源消費量，即農業(yè)能源消費量不隨其碳排放效率的提升而增加;另一方面，實際農業(yè)能源消費量與其預期值相等，由此體現了相關能效政策的充分有效性。

當ARE∈（-∞，0）時，為過度儲存效應。一方面，農業(yè)能源碳排放效率提升可降低農業(yè)能源消費量并減少其碳排放量;另一方面，實際農業(yè)能源消費量小于其預期值，此時相關能效政策表現出顯著成效，反映出當前農業(yè)處于可持續(xù)發(fā)展的最佳狀態(tài)。

（三）計量模型選取

結合本文研究目的，這里綜合運用普通最小二乘法、省份固定效應模型、空間面板數據模型等多種計量分析方法展開探討。其中，最小二乘法是保證研究區(qū)域內所有殘差平方和最小的估計方法;省份固定效應模型主要用于捕捉研究區(qū)域內不隨時間變化個體之間所存在的差異。至于靜態(tài)空間面板模型，其一般分為空間杜賓模型、空間滯后模型和空間誤差模型。在這之中，空間杜賓模型（SDM）為其一般形式，具體公式如下：

Yit=αi+ρ∑wijYjt+βxit+φ∑wjtxjt+ε（8）

當ρ=0時，空間杜賓模型轉化為空間滯后模型（SLX），其具體形式為：

Yit=αi+βxit+φ∑wjtxjt+ε（9）

當φ=-ρβ時，空間杜賓模型轉化為空間誤差模型（SEM），其具體形式為：

Yit=αi+βxit+u（10）

u=λWu+ ε（11）

其中，空間杜賓模型充分考慮了周邊區(qū)域與本地區(qū)之間的溢出效應，而空間滯后模型與空間誤差模型則具有不同功能。具體而言，空間滯后模型考察周邊區(qū)域自變量對本地因變量的影響，其以空間滯后項形式加入計量方程;空間誤差模型則考察周邊區(qū)域自變量對本地自變量的影響，其以空間誤差項形式加入計量方程。同時，在使用空間計量模型之前，需進行必要的空間自相關性檢驗。具體到本研究，使用Morans'I指數來檢驗模型殘差空間自相關性，其計算公式為：

I=（12）

s2=∑（Yi-）2（13）

其中，I為全局空間自相關指數，Yi和Yj分別表示研究區(qū)域內樣本點i和j上的觀察值，Wij為空間權重矩陣。鑒于鄰近矩陣缺乏衡量某一地區(qū)與不相鄰區(qū)域之間作用方向與影響程度的能力，在此參考袁華錫等[22]的研究，使用兩地質心距離倒數的平方構建地理距離空間權重矩陣來測度某地與其非相鄰地區(qū)之間的空間影響程度。全局空間自相關指數值域為[-1，1]，其中，I取值越接近1，研究區(qū)域空間正相關性（集聚程度）越強;I取值越接近-1，研究區(qū)域空間負相關性（離散程度）越強;當I取值無限趨近于0或等于0時，研究區(qū)域為獨立隨機分布。

（四）數據來源及處理

農業(yè)能源碳排放數據基于筆者測度而來，考慮到農業(yè)技術進步主要體現在農用機械的廣泛運用以及化肥、農藥、農膜等農用物資的高效利用，因而與之相關的碳排放主要源自農用柴油的直接利用以及化肥、農藥、農膜等的生產、農田灌溉所間接耗費的能源，其測算方法與數據來源均參照田云等[23]的研究①，受限于篇幅在此不作過多贅述。農業(yè)技術進步變量通過DEA-Malmquist指數法計算獲取，其產出指標為農林牧漁總產值，投入指標則包含化肥施用量、農作物播種總面積、農業(yè)機械總動力與第一產業(yè)從業(yè)人數，考察周期為2000—2018年。文中所需數據均出自《中國統(tǒng)計年鑒》《中國統(tǒng)計摘要》《中國農村統(tǒng)計年鑒》《中國固定資產投資統(tǒng)計年鑒》以及各?。▍^(qū)、市）相關年鑒或統(tǒng)計公報。需要說明的是，為消除價格波動的影響，所有經濟數據均按2000年不變價進行調整。各變量的描述性統(tǒng)計結果如表1所示。

三、結果與分析

（一）基于農業(yè)技術進步的農業(yè)能源碳排放回彈效應測度結果分析

利用農業(yè)能源碳排放回彈效應模型對2001—2018年我國30個?。▍^(qū)、市）的農業(yè)碳排放削減量、回彈量及回彈效應進行有效測度;同時，為了更好地考察其動態(tài)演變特征，將考察期劃分為2001—2006年、2007—2012年、2013—2018年三個不同階段并取其平均值。相關結果如表2（下頁）所示。

由表2可知，技術進步帶來的農業(yè)能源碳排放削減量、回彈量以及回彈效應在考察期內均發(fā)生了顯著變化，但各自又存在一定區(qū)別。就碳排放削減量而言，除去2013年這一極端年份，其他各年雖呈現一定起伏但總體上升趨勢較為明顯，由2001年的141.524萬噸增至2018年的1 230.836萬噸，累計增加了769.70%，年均增幅高達13.57%。就碳排放回彈量而言，各年起伏波動較大;無明顯增減趨勢，其2013年數值最低為-756.071萬噸，而2014年數值最高達到972.758萬噸。就碳排放回彈效應而言，其2001—2018年的總體均值以及2001—2006年、2007—2012年、2013—2018年三個不同階段的均值分別為0.176、0.234、0.097和0.194。由此可見，無論是整個考察期還是不同考察階段，農業(yè)能源碳排放均存在部分回彈效應。分年度來看，有10個年份表現為部分回彈效應，5個年份表現為過度儲存效應，而余下3個年份則出現了回火效應。在大多數年份，技術進步所帶來的農業(yè)能源碳排放削減量要高于其所導致的回彈量，這也表明能效政策在此過程中起到了一定的積極作用;相較而言，僅有少數年份作用方向與之相反。具體到呈現回火效應的3個年份，2001年碳排放回彈效應為1.745，這主要是因為，2000年國家明確提出要大力調整農業(yè)生產結構、加快推進農業(yè)技術進步并積極引進國外先進技術，受此政策的刺激，農業(yè)技術進步速率明顯加快，但短期內一些高耗能技術的大面積推廣也導致了農業(yè)能源碳排放的大幅回彈;2013年、2014年的碳排放回彈效應分別為1.244和1.962，究其原因在于，2012年中央“一號文件”強調加大農業(yè)投入和補貼力度，并要求新增補貼向糧食主產區(qū)、種養(yǎng)大戶、農民專業(yè)合作社傾斜，很顯然三者存在較大程度的能源需求，同時政策還提出繼續(xù)擴大農機具購置補貼，進而短期內極大拉動了能源消費，致使其后兩年農業(yè)能源碳排放回彈效應迅速飆升并創(chuàng)下新高。

總體而言，在考察期內，農業(yè)能源碳排放削減量呈現波動上升態(tài)勢，而碳排放回彈量表現出較大波動。我國農業(yè)能源碳排放整體存在部分回彈效應，三個不同階段均表現出了類似特點，尤其在第三階段（2013—2018年），先由回火效應轉變?yōu)椴糠只貜椥?，而后進一步發(fā)展為過度儲存效應?？梢?，農業(yè)技術進步與相關能效政策均對農業(yè)能源碳減排起到了積極推進作用，本文假設H1得到驗證。究其原因，一方面，農業(yè)技術進步雖然導致化肥、農藥、農膜以及農機設備等生產性資料的大量投入，但農業(yè)生產效率與能源使用效率也在不斷得到提升，故農業(yè)能源碳排放量在出現小幅回彈后逐步受到抑制;另一方面，農業(yè)技術進步與農業(yè)能源的大量使用推動了農業(yè)經濟的快速發(fā)展，各類節(jié)能減排技術則隨著經濟水平的提升逐步完善，整體減排潛能得到釋放，農業(yè)能源碳排放的增長態(tài)勢由此得到有效抑制。由前述分析綜合可知，通過技術進步實現農業(yè)碳減排已初顯成效，但仍尚存一定空間，如何縮小部分回彈效應值域并讓更多年份表現為過度儲存效應，將是未來努力的目標。

（二）農業(yè)技術進步對農業(yè)能源碳排放影響的實證結果分析

1.全局空間自相關檢驗

莫蘭指數檢驗結果既是判斷變量是否具有空間自相關性的重要依據，又是使用空間計量模型探討各變量之間作用關系的重要前提，同時它還可反映各變量的空間集聚程度抑或空間擴散程度，進而判斷被觀察變量的空間分布特征。為此，本文也選用莫蘭指數對被解釋變量以及相關解釋變量進行檢驗。結果顯示，所有變量的Morans'I值均在不同程度上顯著，但鑒于論文主要探討農業(yè)能源碳排放強度于空間層面所受到的可能性影響，同時也限于篇幅，在此僅列出其對應的莫蘭指數值，結果如表3所示。

由表3可知，在整個考察期內，農業(yè)能源碳排放強度的Morans'I值均大于0.1，且都在5%或者10%水平下通過顯著性檢驗。由此可見，我國省域農業(yè)能源碳排放強度存在顯著的空間自相關特征，具體表現為某個高值省份周邊伴隨著一個或多個高值省份，某個低值省份則通常與一個或多個低值省份相鄰。從時序演變軌跡來看，大致可劃分為“波動下降—升降起伏—持續(xù)下降—快速上升”四個不同階段：2001—2008年為波動下降期，雖年際間存在一定起伏，但總體下降趨勢較為明顯，Morans'I值由0.175降至0.132，降幅高達24.57%;2009—2012年為升降起伏期，Morans'I值經歷了一個“先升、后降、再升”的變化過程，最終收于0.144，相比上一階段有明顯提升;2013—2016年為持續(xù)下降期，Morans'I值降至0.111，由此也創(chuàng)下了整個考察期內的最低紀錄;2017—2018年為快速上升期，僅僅兩年時間Morans'I值即上升至0.133，雖與2001年相比仍存在明顯差距，但反彈趨勢已然明顯。

2.農業(yè)技術進步對農業(yè)能源碳排放強度影響的結果分析

接下來就各變量對農業(yè)碳排放強度的具體影響進行探討。具體而言，首先通過對比面板數據OLS回歸模型Ⅰ、固定效應模型Ⅱ與空間誤差模型Ⅲ的結果，可以證實加入空間效應后的計量模型更優(yōu)，而后加入空間滯后模型Ⅳ考察本地與周邊區(qū)域變量的溢出效應。接下來，對加入空間效應的空間面板模型進行Hausman檢驗以確定模型的最終形式，雙固定效應Hausman檢驗結果顯示，其統(tǒng)計量為16.37，且在1%水平下顯著，故本文確定雙固定效應下的空間誤差模型與空間滯后模型為最終模型計量形式，相關實證結果如表4所示。

由表4可知，模型Ⅰ和模型Ⅱ中各變量的作用方向、作用強度以及顯著性基本一致，所有變量均對農業(yè)能源碳排放強度產生了顯著性影響。在加入空間效應（模型Ⅲ、Ⅳ）后，技術進步與各控制變量的作用強度、作用方向也未發(fā)生太大變化，但通過比較發(fā)現，雙固定效應下的空間誤差模型（模型Ⅲ）整體擬合效果最優(yōu)，故接下來基于此模型結果討論各解釋變量的影響作用，同時利用雙固定效應下的空間滯后模型（Ⅳ）探討各變量的溢出效應。具體而言，農業(yè)技術進步對農業(yè)能源碳排放強度的影響在1%水平下通過顯著性檢驗且系數為負，表明碳排放強度隨著農業(yè)技術的進步呈現下降趨勢。至于其他控制變量，農業(yè)發(fā)展水平與農業(yè)公共投資均有效促進了碳減排，而種植業(yè)占比、畜牧業(yè)占比與農業(yè)受災程度三個變量發(fā)揮的作用正好相反，均在一定程度上導致了農業(yè)能源碳排放強度的增加。

溢出效應方面，農業(yè)技術進步變量在1%水平下通過顯著性檢驗，表明其對農業(yè)能源碳排放強度具有較強的空間溢出效應。從具體作用力度來看，本地農業(yè)技術進步1個百分點，可促使周邊地區(qū)農業(yè)能源碳排放強度降低0.120%。對此，可能的解釋是：一方面，周邊地區(qū)通過學習引進先進地區(qū)的優(yōu)良技術、專業(yè)知識以及管理經驗，促進了其農業(yè)能源碳排放強度的降低。具體表現為，通過這些先進技術、知識和經驗的溢出，周邊地區(qū)實現了化肥與農藥使用的減量、農膜回收率的提升、農機燃油消耗量的降低以及農業(yè)灌溉用電量的減少，進而在確保糧食產量與經濟效益的前提下，農業(yè)能源碳排放得到了有效抑制。另一方面，周邊地區(qū)與先進地區(qū)雖保持著相互交流但也存在一定競爭，由此倒逼其加大低碳生產技術研發(fā)力度，進而達到降低碳排放強度的目的。具體而言，當本地農業(yè)碳減排工作取得一定成效之后，周邊地區(qū)與其交流協(xié)作會不斷加強，整體節(jié)能減碳意識也隨之提升，但出于經濟效益與減碳成效雙重競爭的統(tǒng)籌考慮，它們會在學習和引進先進低碳生產技術、經驗的基礎上，加以改進優(yōu)化抑或研發(fā)出更具優(yōu)勢的新興技術，以此實現農業(yè)經濟增長與其能源碳減排的協(xié)同共進?？刂谱兞糠矫?，農業(yè)發(fā)展水平與農業(yè)公共投資等變量具有顯著的負向溢出效應，二者均在一定程度上抑制了鄰近地區(qū)農業(yè)能源碳排放強度的提升;而種植業(yè)占比、畜牧業(yè)占比以及農業(yè)受災程度等變量表現出了顯著的正向溢出，即種植業(yè)和畜牧業(yè)比重提升、農業(yè)受災程度加劇導致了鄰近地區(qū)農業(yè)能源碳排放強度的增加。綜合來看，實證結果有力支持了研究假設H2，即本地農業(yè)技術進步在降低自身農業(yè)能源碳排放強度的同時產生了積極的空間溢出效應，促進了周邊地區(qū)農業(yè)能源碳排放強度的降低。

3.穩(wěn)健性檢驗

為確保研究結果的準確性，分別將模型Ⅲ、Ⅳ中的地理距離矩陣替換為鄰近矩陣、反距離矩陣，并對其加入空間效應后的結果進行穩(wěn)健性檢驗。具體而言，模型Ⅴ、Ⅵ與模型Ⅶ、Ⅷ可分別依次驗證各解釋變量對農業(yè)能源碳排放強度的影響以及空間溢出效應結果的穩(wěn)健性，相關實證結果如表5所示。

由表5可知，各變量作用方向均與前文保持一致。核心解釋變量農業(yè)技術進步在模型Ⅴ、模型Ⅵ中的結果與模型Ⅲ幾無區(qū)別，在模型Ⅶ、模型Ⅷ中的結果也與模型Ⅳ持平;系數方面，使用不同空間權重矩陣時，其系數大小差異不大。具體而言，距離較近的地區(qū)受到其溢出效應的影響程度較大，而距離較遠的地區(qū)與之相反，故而使用鄰近矩陣、反距離矩陣、地理距離矩陣的系數結果依次由大至小排列?？刂谱兞糠矫妫凶兞康娘@著性和系數均基本保持了一致，符合不同模型設定之間存在的差異。由此可見，模型Ⅲ與模型Ⅳ的結果十分穩(wěn)健。

四、結論與啟示

本文基于我國30個省（區(qū)、市）的面板數據，在進行理論分析的基礎上，通過構建回彈效應模型探討了技術進步背景下我國農業(yè)能源碳排放的回彈效應;同時借助OLS回歸、個體固定效應、空間誤差以及空間滯后等模型系統(tǒng)剖析了農業(yè)技術進步對農業(yè)能源碳排放強度所產生的影響，主要研究結論如下：

第一，2001—2018年我國農業(yè)能源碳排放削減量處于上升趨勢，而碳排放回彈量存在較大波動，碳排放總體存在部分回彈效應，其均值為0.176。具體而言，2001—2006年、2007—2012年、2013—2018年三個不同階段農業(yè)能源碳排放均表現為部分回彈效應，其回彈效應值依次為0.234、0.097和0.194?？疾斓?8年中，有10個年份為部分回彈效應、5個年份為過度儲存效應、3個年份出現回火效應?；鼗鹦霈F之后，我國農業(yè)能源碳排放會逐步轉變?yōu)椴糠只貜椥⒆罱K呈現過度儲存效應。

第二，考察期內，我國省域農業(yè)能源碳排放強度存在顯著空間自相關性，其空間集聚程度雖在年際間存在一定波動，但最終上升態(tài)勢較為明顯?？臻g誤差模型回歸結果顯示，農業(yè)能源碳排放強度隨著農業(yè)技術的進步而呈下降趨勢?？刂谱兞糠矫?，農業(yè)發(fā)展水平與農業(yè)公共投資有效促進了農業(yè)能源碳減排，而種植業(yè)占比、畜牧業(yè)占比與農業(yè)受災程度三個變量所起作用正好相反，均在一定程度上導致了碳排放強度的增加。

第三，農業(yè)技術進步對農業(yè)能源碳排放強度具有顯著的空間溢出效應。具體表現為，農業(yè)技術進步1個百分點，可促使周邊地區(qū)農業(yè)能源碳排放強度降低0.120%，即本地農業(yè)技術進步通過溢出效應可對周邊地區(qū)農業(yè)能源碳減排產生積極影響。控制變量方面，農業(yè)發(fā)展水平與農業(yè)公共投資等變量均在一定程度上抑制了鄰近地區(qū)農業(yè)能源碳排放強度的提升;而種植業(yè)占比、畜牧業(yè)占比以及農業(yè)受災程度等變量導致了鄰近地區(qū)農業(yè)能源碳排放強度的增加。

鑒于農業(yè)技術進步滲透于農業(yè)生產各個環(huán)節(jié)，本文中農業(yè)能源碳排放測算指標相較于前人研究考察更為全面，不僅選取了農用柴油這一直接碳源，而且兼顧了化肥、農藥、農膜、農業(yè)灌溉等間接碳源。同時，本文立足于技術進步創(chuàng)造性地構建了農業(yè)能源碳排放回彈效應模型，探討了我國農業(yè)能源碳排放回彈效應狀況及變動趨勢。除此之外，在通過面板數據OLS、固定效應模型以及空間誤差模型回歸揭示技術進步可降低農業(yè)能源碳排放強度的基礎上，利用空間滯后模型探討了技術進步對于農業(yè)能源碳排放強度是否具有溢出效應。研究結論顯示，雖然個別年份農業(yè)能源碳排放存在回火效應，但隨后政府所采取的積極能效政策與農業(yè)技術進步雙重驅動，又促使其朝向好的方向轉變。在此過程中，技術進步在各地區(qū)農業(yè)碳減排工作中所展現出的溢出效應也發(fā)揮了極為重要的促進作用。

為了更好地推進農業(yè)能源碳減排并確?！半p碳”目標的早日實現，有必要在政策層面予以必要的支持和保障，具體可從以下方面著手：一是加大財政支持力度，推動農業(yè)技術創(chuàng)新，尤其需強化對碳減排顛覆性技術的研發(fā)。在保障糧食安全的前提下，我國農業(yè)農村實現“雙碳”目標將面臨巨大挑戰(zhàn)。由于農業(yè)勞動力知識水平普遍受限，而各類低碳技術紛繁復雜甚至還會導致生產成本的增加，因而較難在農業(yè)生產者群體中得到推廣應用，其減排成效也就難以顯現。為此，亟須國家層面加大補貼力度并輔以必要的技術研發(fā)專項資金，以突破增產減排中的“卡脖子”技術，研發(fā)并推廣運用兼具“低成本、易操作”特性的顛覆性農業(yè)低碳生產技術。二是政府部門應強化能效政策的正確引導，加速農業(yè)部門由傳統(tǒng)化石能源使用向“化石能源低碳化+可再生能源”模式轉型。政府部門在制定相關能效政策時，應吸納“過度儲存效應”年份的先進經驗，反思并改良“回火效應”年份中的不適政策。與此同時，政策中強調能源利用轉型既不能僅針對化石能源低碳化，又不能一味偏向可再生能源，而應堅持二者協(xié)同推進。除此之外，在全面推動“化石能源低碳化+可再生能源”模式時，需對其成本與成效進行適時評估，以探尋規(guī)?；褂寐窂健Ｈ侵贫ú⑼晟茀^(qū)域技術標準，積極引導地區(qū)間交流互動，助力核心技術推廣應用。鑒于短期內較難制定適用于全國范圍的技術標準，可考慮在資源稟賦、地理條件等相似的區(qū)域制定技術標準，以識別出增產減排關鍵技術，而后充分利用技術進步對農業(yè)能源碳排放強度的負向溢出效應，借以破除相關核心技術在推廣實踐中的諸多障礙。而隨著技術標準愈發(fā)完善，區(qū)域內形成技術交流的良性互動，進而不斷推動技術革新并形成區(qū)域間流動，最終輻射到全國各地。 [Reform]

參考文獻

[1]WEST O， POST W M. Soil organic carbon sequestration rates by tillage and crop rotation[J]. Soil Science Society of America Journal， 2002， 66（6）： 1930-1946.

[2]JOHNSON J M F， FRANZLUEBBERS A J，WEYERS S L. Agricultural opportunities to mitigate greenhouse gas emissions[J]. Environmental Pollution， 2007， 150（6）： 107-124.

[3]TIAN Y， ZHANG J B， HE Y Y. Research on spatial-temporal characteristics and driving factor of agricultural carbon emissions in China[J]. Journal of Integrative Agriculture， 2014， 13（6）： 1393-1403.

[4]張廣勝，王珊珊.中國農業(yè)碳排放的結構、效率及其決定機制[J].農業(yè)經濟問題，2014（7）：18-26.

[5]田云，張俊飚，尹朝靜，等.中國農業(yè)碳排放分布動態(tài)與趨勢演進——基于31個?。ㄊ小^(qū)）2002—2011年的面板數據分析[J].中國人口·資源與環(huán)境，2014（7）：91-98.

[6]何艷秋，戴小文.中國農業(yè)碳排放驅動因素的時空特征研究[J].資源科學，2016（9）：1780-1790.

[7]褚力其，姜志德，任天馳.中國農業(yè)碳排放經驗分解與峰值預測——基于動態(tài)政策情景視角[J].中國農業(yè)大學學報，2020（10）：187-201.

[8]鄧悅，崔瑜，盧瑋楠，等.市域尺度下中國農業(yè)低碳發(fā)展水平空間異質性及影響因素——來自種植業(yè)的檢驗[J].長江流域資源與環(huán)境，2021（1）：147-159.

[9]田成詩，陳雨.中國省際農業(yè)碳排放測算及低碳化水平評價——基于衍生指標與TOPSIS法的運用[J].自然資源學報，2021（2）：395-410.

[10] 李國志，李宗植.中國農業(yè)能源消費碳排放因素分解實證分析——基于LMDI模型[J].農業(yè)技術經濟，2010（10）：66-72.

[11] 韓岳峰，張龍.中國農業(yè)碳排放變化因素分解研究——基于能源消耗與貿易角度的LMDI分解法[J].當代經濟研究，2013（4）：47-52.

[12] 戴小文，何艷秋，鐘秋波.中國農業(yè)能源消耗碳排放變化驅動因素及其貢獻研究——基于Kaya恒等擴展與LMDI指數分解方法[J].中國生態(tài)農業(yè)學報，2015（11）：1445-1454.

[13] 徐家鵬.中國農業(yè)能源消耗與CO2排放：趨勢及減排路徑——基于Holt-Winter無季節(jié)性模型和“十三五”的預測[J].生態(tài)經濟，2016（2）：122-126.

[14] 史常亮，郭焱，占鵬，等.中國農業(yè)能源消費碳排放驅動因素及脫鉤效應[J].中國科技論壇，2017（1）：136-143.

[15] 馬大來.中國農業(yè)能源碳排放效率的空間異質性及其影響因素——基于空間面板數據模型的實證研究[J].資源開發(fā)與市場，2018（12）：1693-1700.

[16] 魏瑋，文長存，崔琦，等.農業(yè)技術進步對農業(yè)能源使用與碳排放的影響——基于GTAP-E模型分析[J].農業(yè)技術經濟，2018（2）：30-40.

[17] 張永強，田媛，王珧，等.農村人力資本、農業(yè)技術進步與農業(yè)碳排放[J].科技管理研究，2019（14）：266-274.

[18] 趙芝俊，張社梅.農業(yè)技術進步源泉及其定量分析[J].農業(yè)經濟問題，2005（S1）：70-75.

[19] 顧海英.農業(yè)技術進步的內涵與作用探討[J].農業(yè)技術經濟，1994（4）：24-27.

[20] 雷振丹，陳子真，李萬明.農業(yè)技術進步對農業(yè)碳排放效率的非線性實證[J].統(tǒng)計與決策，2020（5）：67-71.

[21] FARREL M J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society， 1957， 120（3）： 253-290.

[22] 袁華錫，劉耀彬，胡森林，等.產業(yè)集聚加劇了環(huán)境污染嗎？——基于外商直接投資視角[J].長江流域資源與環(huán)境，2019（4）：794-804.

[23] 田云，張君.地理分區(qū)視角下的農業(yè)碳效應驅動機理研究[J].華中農業(yè)大學學報（社會科學版），2020（2）：78-87.

Does Technological Progress Promote Carbon Emission Reduction of Agricultural Energy？ Test Based on Rebound Effect and Spatial Spillover Effect

TIAN Yun? ?YIN Min-hao

Abstract： Clarifying the mechanism of technological progress to promote the change of agricultural energy consumption carbon emissions in China has important theoretical and practical significance for the transformation of agricultural and rural energy and the realization of? "dual carbon" goals.? In view of this， this paper firstly constructs a carbon emission rebound effect model of agricultural energy under technological progress， and scientifically measures the carbon emission rebound effect of 30 provinces? in China from 2001 to 2018. On this basis， the benchmark model and spatial econometric method are used to analyze the impact and spillover effect of technological progress on agricultural energy carbon emission intensity and spillover effect. It is found that the carbon reduction of agricultural energy carbon consumption is on the rise， and the amount of carbon consumption rebound fluctuates greatly. There is a partial rebound effect in carbon emissions， and the average rebound effect is 0.176. There is a significant spatial autocorrelation in the carbon emission intensity of provincial agricultural energy in China. Technological progress has a significant inhibitory effect on the carbon emission intensity of agricultural energy， and it also shows a significant spatial spillover effect. Specifically， agricultural technological progress by 1%， the spillover effect can reduce the carbon emission intensity of agricultural energy in surrounding areas by 0.120%. Accordingly， this paper puts forward policy suggestions such as focusing on the development of disruptive emission reduction technologies， actively guiding the transformation of agricultural energy utilization models， and formulating regional technical standards..

Key words： technological progress; agriculture energy consumption carbon emission; agriculture carbon emission; rebound effects; spatial econometric model