李波　王春妤　張俊飚

摘要：提高農(nóng)業(yè)碳排放效率是實(shí)現(xiàn)農(nóng)業(yè)減排和農(nóng)業(yè)高質(zhì)量發(fā)展的重要手段和根本途經(jīng)。本文在將農(nóng)業(yè)凈碳匯看作一種期望產(chǎn)出的基礎(chǔ)上，運(yùn)用DEA-BCC-I模型對(duì)中國(guó)30個(gè)?。ㄊ小⒆灾螀^(qū)）2005—2017年農(nóng)業(yè)凈碳匯效率進(jìn)行測(cè)算，并采用KernelDensity估計(jì)法對(duì)其時(shí)空動(dòng)態(tài)演進(jìn)過(guò)程進(jìn)行分析。進(jìn)一步在空間面板模型檢驗(yàn)通過(guò)的基礎(chǔ)上，選用雙固定效應(yīng)下的空間杜賓模型計(jì)量了農(nóng)業(yè)凈碳匯效率的空間溢出效應(yīng)。研究發(fā)現(xiàn)：2005—2017年我國(guó)農(nóng)業(yè)凈碳匯量以年均0.41%的速度下降，東部地區(qū)凈碳匯量低于中西部、東北地區(qū)。我國(guó)的農(nóng)業(yè)凈碳匯效率水平整體偏低且空間差異明顯，東部地區(qū)凈碳匯效率明顯高于其它地區(qū)。分析農(nóng)業(yè)凈碳匯效率的動(dòng)態(tài)演進(jìn)特征發(fā)現(xiàn)，我國(guó)農(nóng)業(yè)凈碳匯效率呈現(xiàn)下降趨勢(shì)，存在明顯的區(qū)域發(fā)展不均衡現(xiàn)象，且地區(qū)差異呈現(xiàn)擴(kuò)大態(tài)勢(shì)。測(cè)算省際農(nóng)業(yè)凈碳匯效率的空間相關(guān)性，全局空間自相關(guān)Morans I指數(shù)顯示，我國(guó)省際間的農(nóng)業(yè)凈碳匯效率在空間上呈現(xiàn)顯著的正相關(guān)關(guān)系，并且存在局部聚類的情況;局域空間自相關(guān)Morans I指數(shù)也表明省際農(nóng)業(yè)凈碳匯效率在空間上呈現(xiàn)集聚效應(yīng)。在農(nóng)業(yè)凈碳匯的空間效應(yīng)方面，農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、工業(yè)化程度、教育水平和科技發(fā)展水平對(duì)我國(guó)省際農(nóng)業(yè)凈碳匯效率具有顯著的正向溢出效應(yīng)，而城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平的空間溢出效應(yīng)顯著為負(fù)。

關(guān)鍵詞：凈碳匯效率;KernelDensity;空間杜賓模型;溢出效應(yīng)

中圖分類號(hào)：F323.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1002-2104（2019）12-0068-09

自20世紀(jì)以來(lái)，氣候變化、溫室效應(yīng)等問(wèn)題引起了社會(huì)各界的廣泛關(guān)注，如何應(yīng)對(duì)成為了全球思考的重要問(wèn)題。我國(guó)作為世界第二大經(jīng)濟(jì)體，雖然在《京都議定書》中屬于不在強(qiáng)制減排范圍內(nèi)的Ⅱ類國(guó)家，但是我國(guó)已成為全球較為顯著的碳排放國(guó)。在哥本哈根會(huì)議上，我國(guó)政府承諾，至2030年單位GDP二氧化碳排放要比2005年下降60%～65%。為了實(shí)現(xiàn)這一目標(biāo)，我國(guó)政府也陸續(xù)制定并出臺(tái)了相關(guān)政策和鼓勵(lì)創(chuàng)新措施。

由于現(xiàn)階段社會(huì)、文化、科技等方面發(fā)展水平有限，總體上我國(guó)經(jīng)濟(jì)-碳排放二者仍然呈現(xiàn)較為明顯的正向關(guān)系。隨著中國(guó)城鎮(zhèn)化進(jìn)程的加快和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，農(nóng)業(yè)占GDP的比重不斷下降，但是相關(guān)研究表明，農(nóng)業(yè)碳排放占總碳排放的比例卻明顯增長(zhǎng)。關(guān)于農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)-農(nóng)業(yè)碳排放二者之間的關(guān)系，已有不少學(xué)者對(duì)此進(jìn)行了研究，例如：徐國(guó)泉等[1]、李波等[2]、田云等[3]、王興等[4]利用Kaya模型和LMDI分解模型對(duì)碳排放的影響因素進(jìn)行分解，認(rèn)為經(jīng)濟(jì)增長(zhǎng)是影響碳排放增長(zhǎng)的主要因素;李波等[5]、李立等[6]利用Topic脫鉤模型對(duì)農(nóng)業(yè)經(jīng)濟(jì)-農(nóng)業(yè)碳排放的脫鉤關(guān)系進(jìn)行分析，結(jié)果表明我國(guó)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與碳排放的脫鉤關(guān)系并不理想。因此，提高農(nóng)業(yè)碳排放效率成為實(shí)現(xiàn)農(nóng)業(yè)發(fā)展與農(nóng)業(yè)碳減排并行的重要手段。

目前，對(duì)于碳排放生產(chǎn)效率的研究主要集中于工業(yè)、建筑業(yè)等第二產(chǎn)業(yè)，而對(duì)于農(nóng)業(yè)碳排放生產(chǎn)效率的研究相對(duì)較少，例如：吳賢榮等[7]、程琳琳等[8]分別從績(jī)效評(píng)價(jià)、減排潛力對(duì)農(nóng)業(yè)碳排放進(jìn)行研究;吳昊玥等[9]、程琳琳等[10]將碳排放作為環(huán)境的投入要素對(duì)農(nóng)業(yè)碳生產(chǎn)效率進(jìn)行分析。

以上研究主要集中于“單要素”特征和將碳排放作為投入要素，在農(nóng)業(yè)生產(chǎn)過(guò)程中，GDP作為期望產(chǎn)出被研究者所認(rèn)可，而碳排放作為非期望環(huán)境產(chǎn)出常常被忽略。雖然以碳排放作為環(huán)境投入指標(biāo)，能夠在一定程度上強(qiáng)調(diào)隱性的生產(chǎn)約束條件，但農(nóng)業(yè)同時(shí)具備碳排放和碳匯功能。若將碳匯因素考慮在內(nèi)，把農(nóng)業(yè)凈碳匯作為產(chǎn)出指標(biāo)，對(duì)農(nóng)業(yè)生態(tài)環(huán)境分析將更為全面系統(tǒng)。同時(shí)，從時(shí)空角度測(cè)算分析其效率水平變化和影響因素，可以定量揭示農(nóng)業(yè)生態(tài)環(huán)境特征和內(nèi)在動(dòng)因機(jī)理，對(duì)于進(jìn)一步推動(dòng)農(nóng)業(yè)減排和高質(zhì)量發(fā)展具有重要理論參考意義。

基于此，考慮到數(shù)據(jù)可得性等原因，本文將除西藏、港澳臺(tái)以外的30個(gè)?。ㄊ?、自治區(qū)）作為研究對(duì)象，構(gòu)建2005—2017省際面板數(shù)據(jù)，采用DEABCCI模型測(cè)算我國(guó)各省份的農(nóng)業(yè)凈碳匯效率;同時(shí)運(yùn)用KernelDensity估計(jì)方法對(duì)其演進(jìn)歷程進(jìn)行分析;最后構(gòu)建出空間杜賓模型（SDM）對(duì)我國(guó)農(nóng)業(yè)凈碳匯效率的影響因素進(jìn)行剖析，探究空間上的直接效應(yīng)、間接溢出效應(yīng)以及差異情況。

1農(nóng)業(yè)凈碳匯效率的測(cè)算與分析

1.1測(cè)算方法和指標(biāo)選取

1.1.1DEABCCI模型

DEABCC模型于1984年由Banker等人在CCR模型的基礎(chǔ)上提出，該模型的基本假設(shè)滿足以最小的投入，獲取最大的產(chǎn)出。因國(guó)內(nèi)碳交易市場(chǎng)已開(kāi)始建立，凈碳匯的經(jīng)濟(jì)價(jià)值得以體現(xiàn)，可將凈碳匯看作一種期望產(chǎn)出，即其產(chǎn)出被希望越多越好。因此，本文擬選用具有規(guī)模報(bào)酬可變（VRS）性質(zhì)的投入導(dǎo)向BCC模型，即DEABCCI模型對(duì)農(nóng)業(yè)凈碳匯效率進(jìn)行測(cè)算，公式如下：

1.1.5數(shù)據(jù)來(lái)源

數(shù)據(jù)主要來(lái)源如表2所示，部分缺失數(shù)據(jù)采用平滑法填充。

1.2農(nóng)業(yè)凈碳匯的時(shí)空特征

1.2.1農(nóng)業(yè)凈碳匯的時(shí)序特征分析

通過(guò)對(duì)樣本期內(nèi)的農(nóng)業(yè)碳排放和碳匯測(cè)算后發(fā)現(xiàn)，總碳排放以年均1.70%的速率，由2005年的7 183.15萬(wàn)t增長(zhǎng)至2017年的8 796.98萬(wàn)t，但其環(huán)比增速逐年放緩，且于2016年開(kāi)始呈現(xiàn)負(fù)增長(zhǎng)趨勢(shì)，說(shuō)明對(duì)農(nóng)業(yè)碳排放實(shí)現(xiàn)有效控制?？偺紖R僅以年均0.70%的速度增長(zhǎng)，2017年達(dá)到15 673.20萬(wàn)t，較2005年增加了1 265.32萬(wàn)t。但從環(huán)比增長(zhǎng)來(lái)看，總碳匯自2014年開(kāi)始出現(xiàn)明顯的下降趨勢(shì)，說(shuō)明需加強(qiáng)對(duì)林地、草地的保護(hù)。雖然總碳排放和總碳匯都出現(xiàn)增長(zhǎng)，但碳匯的測(cè)算對(duì)象為草地和林地，二者面積變動(dòng)周期較長(zhǎng)，因此近年變動(dòng)幅度較小。而總碳排放的增速較快，碳匯增長(zhǎng)難以抵消碳排放的增長(zhǎng)，導(dǎo)致凈碳匯量以年均0.41%的速率下降，2017年較2005年下降了348.50萬(wàn)t，僅有6 876.23萬(wàn)t的凈碳匯量，見(jiàn)表3。

化肥作為農(nóng)業(yè)碳排放的最大碳源，通過(guò)控制使用普通化肥，提高綠肥、生物肥料等有機(jī)肥的使用率，降低農(nóng)業(yè)碳排放;同時(shí)在保障林地、草地現(xiàn)有面積基礎(chǔ)上，適量擴(kuò)大種植面積，增加碳匯，實(shí)現(xiàn)“減排增匯”，進(jìn)而增加農(nóng)業(yè)凈碳匯。

1.2.2農(nóng)業(yè)凈碳匯的空間特征分析

由于我國(guó)各省份經(jīng)濟(jì)社會(huì)發(fā)展水平與資源環(huán)境條件存在差異，導(dǎo)致各省農(nóng)業(yè)碳排放、碳匯水平不同。由表4可知，東部地區(qū)的平均凈碳匯量低于中部、西部、東北地區(qū)，為負(fù)凈碳匯水平。但2017年?yáng)|部地區(qū)的凈碳匯均值較2005年有所上升，其中除江蘇、廣東、海南三地的凈碳匯量略有下降外，其余地區(qū)均上升;而中部、西部、東北地區(qū)的凈碳匯均值有所下降，其中除中部的陜西、西部的貴州、甘肅、青海、寧夏外，其余地區(qū)均有不同程度的下降。可能的原因是，我國(guó)的森林儲(chǔ)備以中西部和東北地區(qū)為主，東部沿海地區(qū)的森林、草地儲(chǔ)備量較低，使得東部地區(qū)在農(nóng)業(yè)種植時(shí)，沒(méi)有足夠的碳匯量抵消碳排放，從而導(dǎo)致其凈碳匯為負(fù)。但近年來(lái)隨著東部地區(qū)的經(jīng)濟(jì)、社會(huì)與科技的發(fā)展，促使東部地區(qū)的耕作方式較中西部和東北地區(qū)更快轉(zhuǎn)型，其農(nóng)業(yè)碳排放下降，農(nóng)業(yè)凈碳匯有所上升。

1.3農(nóng)業(yè)凈碳匯效率的時(shí)序特征

運(yùn)用DEABCCI模型測(cè)算出各?。ㄊ?、自治區(qū)）及四大區(qū)域的農(nóng)業(yè)凈碳匯效率如表5所示。從2005—2017年的農(nóng)業(yè)凈碳匯效率來(lái)看，我國(guó)的農(nóng)業(yè)凈碳匯效率水平整體偏低且空間差異明顯。大多數(shù)省份2017年的農(nóng)業(yè)凈碳匯效率較2005年有所下降，例如山西、新疆的下降速度最快，年均降速分別為-5.32%、-5.11%，下降幅度均超過(guò)45%。也有不少省份呈現(xiàn)出波動(dòng)的緩慢上升趨勢(shì)，例如天津、浙江、海南、江西;而北京、山東、廣東、上海等的效率達(dá)到有效，且保持平穩(wěn)。從歷年農(nóng)業(yè)凈碳匯效率均值來(lái)看，排在前10名的效率值均達(dá)到有效，包括海南、北京、山東、上海、江蘇、浙江、福建、內(nèi)蒙古、四川、青海;排在后5名的效率均值均未達(dá)到0.5，包括陜西、甘肅、重慶、寧夏、江西。從農(nóng)業(yè)凈碳匯效率的有效性來(lái)看，2005年達(dá)到有效凈碳匯效率的有12個(gè)省份，但在2017年減少到11個(gè)省份。從以上分析可知，我國(guó)農(nóng)業(yè)凈碳匯效率的生產(chǎn)隨機(jī)前沿主要以東部地區(qū)為主，但這并不能說(shuō)明東部地區(qū)的碳減排已達(dá)到峰值，僅能夠說(shuō)明東部地區(qū)的減排增匯效率明顯高于其它地區(qū)。究其原因，可能是因?yàn)闁|部地區(qū)的科技、經(jīng)濟(jì)等發(fā)展較好，能夠更好地利用科技和經(jīng)濟(jì)手段，降低碳排放，從而提高凈碳匯。從歷年的極差來(lái)看，2017年的極差由2005年的0.579上升到了0.744，表明省際間的“減排增匯”差距逐年增大。

1.4農(nóng)業(yè)凈碳匯效率的動(dòng)態(tài)演進(jìn)

為了直觀了解其動(dòng)態(tài)演進(jìn)特征，本文采用KernelDensity估計(jì)方法對(duì)農(nóng)業(yè)凈碳匯效率的動(dòng)態(tài)趨勢(shì)進(jìn)行分析。選取2005年、2010年、2015年和2017年作為考察年份，結(jié)果如圖1所示。

由圖1可知，我國(guó)30個(gè)省（市、自治區(qū)）2005—2017年農(nóng)業(yè)凈碳匯效率的動(dòng)態(tài)演進(jìn)具有以下特征：①?gòu)奈恢梅植紒?lái)看，密度分布曲線呈現(xiàn)出微弱的左偏現(xiàn)象，說(shuō)明我國(guó)農(nóng)業(yè)凈碳匯效率呈現(xiàn)出下降趨勢(shì);②從峰度趨勢(shì)來(lái)看，峰度逐年下降，且峰型有微弱的“尖峰”向“寬峰”轉(zhuǎn)變的趨勢(shì)，密度分布曲線水平跨度擴(kuò)大，意味著農(nóng)業(yè)凈碳匯效率集中程度下降，地區(qū)差異擴(kuò)大;③從形狀變化來(lái)看，峰數(shù)維持在雙峰水平，說(shuō)明均有部分省份分別位于農(nóng)業(yè)凈碳匯高、低效率水平上。以上分析說(shuō)明，我國(guó)的農(nóng)業(yè)凈碳匯效率存在區(qū)域發(fā)展不均衡現(xiàn)象。

2農(nóng)業(yè)凈碳匯效率的空間杜賓模型分析

2.1模型設(shè)定及變量說(shuō)明

2.1.1變量選取及說(shuō)明

（1）因變量?；谏衔睦肈EABCCI模型測(cè)算出2005—2017年的農(nóng)業(yè)凈碳匯效率。

（2）自變量。耕地利用水平（PUL）。土地的使用與碳排放的關(guān)系息息相關(guān)。胡國(guó)霞等[12]的測(cè)算表明，土地使用過(guò)程中的碳排放是人為碳排放量的30%。耕地利用成為近年來(lái)中國(guó)土地利用的新趨勢(shì)，其利用水平也同樣影響著農(nóng)業(yè)碳排放，繼而影響農(nóng)業(yè)的凈碳匯。本文采用熵值法從耕地的“效率-強(qiáng)度-結(jié)構(gòu)”構(gòu)造出多元的耕地利用水平指標(biāo)。①對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理;②計(jì)算出各指標(biāo)的信息熵，其中m為評(píng)價(jià)的時(shí)間跨度，k=1lnm;③利用信息熵計(jì)冗余度;④計(jì)算出各個(gè)指標(biāo)權(quán)重;⑤根據(jù)公式計(jì)算出指標(biāo)的評(píng)價(jià)得分。本文選取的指標(biāo)如表6所示。

算出熵農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（ASR），因計(jì)算凈碳匯是采用農(nóng)業(yè)和林業(yè)合計(jì)的方式，因此將利用農(nóng)林總產(chǎn)值占農(nóng)林牧漁業(yè)總產(chǎn)值的比重對(duì)該指標(biāo)進(jìn)行衡量;經(jīng)濟(jì)發(fā)展水平（EDL），以人均GDP進(jìn)行衡量;所有權(quán)結(jié)構(gòu)（OPS），以國(guó)有農(nóng)場(chǎng)產(chǎn)值與農(nóng)業(yè)總產(chǎn)值之比表示;科技發(fā)展環(huán)境（TE），以3類專利授權(quán)數(shù)進(jìn)行衡量;工業(yè)化程度（IND），以第二產(chǎn)業(yè)產(chǎn)值與GDP之比表示;教育水平（EDU），參考朱承亮等〔13〕的方法測(cè)算出平均受教育年限進(jìn)行評(píng)估;城鎮(zhèn)化水平（UR），以城鎮(zhèn)人口與常住人口之比表示。以上數(shù)據(jù)均來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)教育統(tǒng)計(jì)年鑒》和《中國(guó)財(cái)政統(tǒng)計(jì)年鑒》。

2.2模型檢驗(yàn)

2.2.1空間自相關(guān)檢驗(yàn)

利用STATA軟件計(jì)算2005—2017年我國(guó)凈碳匯效率的全局Morans I 統(tǒng)計(jì)值如表7所示?？梢园l(fā)現(xiàn)，全局Morans I 統(tǒng)計(jì)值均大于0，且大多于10%的置信區(qū)間下顯著，說(shuō)明近年來(lái)，我國(guó)省際間的農(nóng)業(yè)凈碳匯效率存在空間正相關(guān)，并且呈現(xiàn)局部聚類的情況。

圖2為2005年和2017年局域Morans I的散點(diǎn)圖。通過(guò)觀察后發(fā)現(xiàn)，我國(guó)農(nóng)業(yè)凈碳匯的效率不是隨機(jī)分布的，其中“HH”和“LL”象限分別表示農(nóng)業(yè)凈碳匯效率較高省份之間相鄰和農(nóng)業(yè)凈碳匯效率較低省份之間相鄰，且二者數(shù)量占比較大，由2005年的63.33%增長(zhǎng)至2017年的66.67%，而“LH”和“HL”象限的占比出現(xiàn)下降，說(shuō)明我國(guó)省際農(nóng)業(yè)凈碳匯效率在空間上呈現(xiàn)集聚效應(yīng)。

2.2.2空間計(jì)量模型選擇

利用STATA軟件進(jìn)行的檢驗(yàn)過(guò)程如下：

（1）LM檢驗(yàn)。利用LM檢驗(yàn)方法檢驗(yàn)空間計(jì)量的適用性，檢驗(yàn)結(jié)果如下：①F檢驗(yàn)在1%的顯著性水平下拒絕原假設(shè)，表示模型接受個(gè)體檢驗(yàn)，有必要納入空間效應(yīng);②檢驗(yàn)的LMerror的值為3.360，在10%水平下顯著;RLMerror的值為7.560，在5%的水平下顯著;同時(shí)LMlag的值為2.202，通過(guò)顯著性檢驗(yàn)，RLMlag的值為6.401，通過(guò)5%顯著性水平檢驗(yàn)，表明與空間滯后模型相比，空間誤差模型的適用性更好。

（2）Hausman檢驗(yàn)。Hausman檢驗(yàn)用于判斷固定效應(yīng)和隨機(jī)效應(yīng)的選用。根據(jù)檢驗(yàn)結(jié)果顯示，Hausman統(tǒng)計(jì)量為647.69，pvalue為0.000，在1%的顯著性水平下拒絕原假設(shè)，因此選用固定效應(yīng)模型更為合理。

（3）Wald檢驗(yàn)和LR檢驗(yàn)。Wald檢驗(yàn)和LR檢驗(yàn)用于空間杜賓模型判斷是否會(huì)退化為空間自回歸（SAR）和空間誤差（SEM）模型。首先是Wald檢驗(yàn)結(jié)果，Wald檢驗(yàn)值為69.83，且在1%的顯著性水平下拒絕了可以簡(jiǎn)化的原假設(shè);其次是LR檢驗(yàn)結(jié)果， SDMSAR的LR檢驗(yàn)值為58.49，SDMSEM的LR檢驗(yàn)值為63.73，均在1%的顯著性水平下拒絕能夠退化的原假設(shè)。

綜上所述，固定效應(yīng)下的空間杜賓模型為最優(yōu)模型。通過(guò)進(jìn)一步對(duì)空間固定、時(shí)間固定、雙固定檢驗(yàn)后發(fā)現(xiàn)，indboth的值為17.94，timeboth的值為903.05，二者均通過(guò)1%的顯著性檢驗(yàn)。因此，將根據(jù)雙固定效應(yīng)下的空間杜賓模型進(jìn)行檢驗(yàn)和分析。

2.2.3空間溢出性結(jié)果分析

為了檢驗(yàn)影響因素對(duì)省際農(nóng)業(yè)凈碳匯效率的影響是否存在空間溢出效應(yīng)，本文基于雙固定效應(yīng)下空間杜賓模型的直接效應(yīng)、間接效應(yīng)和總效應(yīng)進(jìn)行計(jì)算分析，結(jié)果如表8所示。根據(jù)表8可知，農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、工業(yè)化程度、教育水平、科技發(fā)展環(huán)境、城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平均顯示出明顯的溢出效應(yīng)，具體分析如下。

（1）農(nóng)業(yè)內(nèi)部結(jié)構(gòu)和工業(yè)化程度的間接效應(yīng)顯著為正，表明農(nóng)業(yè)內(nèi)部結(jié)構(gòu)和工業(yè)化程度對(duì)本省的農(nóng)業(yè)凈碳匯效率有正向效應(yīng)的同時(shí)，在相鄰省份間也產(chǎn)生正向效應(yīng)，說(shuō)明農(nóng)業(yè)內(nèi)部結(jié)構(gòu)的調(diào)整和工業(yè)化程度的加深，對(duì)相鄰省份的農(nóng)業(yè)凈碳匯效率在一定程度有正的空間溢出效應(yīng)。這可能是，因?qū)︵徑》莸漠a(chǎn)品輸出更突出，導(dǎo)致各省的農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和工業(yè)化程度會(huì)根據(jù)相鄰省份的需求進(jìn)行調(diào)整，從而導(dǎo)致溢出效應(yīng)。

（2）教育水平和科技發(fā)展水平的直接效應(yīng)、間接效應(yīng)和總效應(yīng)均呈現(xiàn)出顯著的正向效應(yīng)。這可能是因?yàn)?，教育水平的提高意味著人口素質(zhì)的提高，對(duì)低碳農(nóng)業(yè)理解更透徹，更傾向于嘗試新事物，從而在農(nóng)業(yè)生產(chǎn)過(guò)程中偏向于選擇低碳的生產(chǎn)方式，降低碳排放;另一方面，科技發(fā)展的水平越高，表示減排技術(shù)在一定程度上有所進(jìn)步，從而實(shí)現(xiàn)“減排增匯”，同時(shí)文化、科技向相鄰省份進(jìn)行推廣，從而導(dǎo)致相鄰省份能夠從中受惠。

（3）城鎮(zhèn)化水平的直接效應(yīng)、間接效應(yīng)以及總效應(yīng)均顯著為負(fù)。導(dǎo)致這種負(fù)效應(yīng)的原因可能是，伴隨著城鎮(zhèn)化進(jìn)程的加快，農(nóng)村人口向城鎮(zhèn)轉(zhuǎn)移，帶動(dòng)了各產(chǎn)業(yè)的發(fā)展，增加收入從而增加對(duì)農(nóng)產(chǎn)品需求，消費(fèi)需求的增加導(dǎo)致農(nóng)業(yè)碳排放增加，進(jìn)而降低農(nóng)業(yè)凈碳匯，使得凈碳匯效率下降，而這種需求除了對(duì)當(dāng)?shù)卦斐捎绊?，?duì)周邊地區(qū)也有一定程度的影響。

（4）經(jīng)濟(jì)發(fā)展水平的直接效應(yīng)為正，間接效應(yīng)為負(fù)，兩者均顯著，說(shuō)明相鄰省份經(jīng)濟(jì)發(fā)展水平的提高會(huì)導(dǎo)致農(nóng)業(yè)凈碳匯效率下降，同時(shí)由于正向的直接效應(yīng)無(wú)法抵消負(fù)向的間接效應(yīng)，從而經(jīng)濟(jì)發(fā)展水平的總效應(yīng)呈現(xiàn)出負(fù)向效應(yīng)?？赡芤?yàn)?，本省?jīng)濟(jì)發(fā)展水平的提高，在一定程度上會(huì)帶動(dòng)相鄰省份的經(jīng)濟(jì)增長(zhǎng);經(jīng)濟(jì)增長(zhǎng)導(dǎo)致消費(fèi)增加，由于土地利用結(jié)構(gòu)的改變，可能影響林地、草地面積，從而降低碳匯，導(dǎo)致農(nóng)業(yè)凈碳匯下降，進(jìn)而使得農(nóng)業(yè)凈碳匯效率下降。

同時(shí)，耕地利用水平、所有權(quán)結(jié)構(gòu)的間接效應(yīng)雖然均為正向，但均未顯著，因此耕地利用水平、所有權(quán)結(jié)構(gòu)并沒(méi)有產(chǎn)生有效的溢出效應(yīng)。

3結(jié)論與啟示

本文在將農(nóng)業(yè)凈碳匯作為環(huán)境期望產(chǎn)出的基礎(chǔ)上，測(cè)算分析了我國(guó)農(nóng)業(yè)凈碳匯效率特征和空間溢出效應(yīng)，主要結(jié)論和啟示如下：

（1）從農(nóng)業(yè)凈碳匯效率值來(lái)看，我國(guó)的農(nóng)業(yè)凈碳匯效率水平整體偏低且空間差異明顯，東部地區(qū)凈碳匯效率明顯高于其它地區(qū)。在樣本觀察期內(nèi)，海南、北京、山東、上海、江蘇、浙江、福建、內(nèi)蒙古、四川、青海的凈碳匯效率較好，而陜西、甘肅、重慶、寧夏、江西較低且均未達(dá)到0.5。

（2）從農(nóng)業(yè)凈碳匯效率的演進(jìn)過(guò)程來(lái)看，我國(guó)農(nóng)業(yè)凈碳匯效率呈現(xiàn)下降趨勢(shì)，且存在明顯的區(qū)域發(fā)展不均衡現(xiàn)象，同時(shí)峰度逐年下降、寬度逐年擴(kuò)大、峰數(shù)維持在雙峰水平，農(nóng)業(yè)凈碳匯效率的地區(qū)差異逐年擴(kuò)大。

（3）從農(nóng)業(yè)凈碳匯效率的空間相關(guān)程度來(lái)看，全局層面，在樣本觀察期內(nèi)的農(nóng)業(yè)凈碳匯效率的空間自相關(guān)檢驗(yàn)結(jié)果呈現(xiàn)正向顯著，說(shuō)明我國(guó)各省間的農(nóng)業(yè)凈碳匯效率存在空間正相關(guān)，并且呈現(xiàn)局部聚類的情況;而局域?qū)用妫‰H農(nóng)業(yè)凈碳匯效率在空間上呈現(xiàn)集聚效應(yīng)。

（4）從農(nóng)業(yè)凈碳匯的空間效應(yīng)來(lái)看，農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、工業(yè)化程度、教育水平、科技發(fā)展環(huán)境、城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平均具有明顯的溢出效應(yīng)，其中農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、工業(yè)化程度、教育水平和科技發(fā)展水平對(duì)相鄰省份的農(nóng)業(yè)凈碳匯效率呈現(xiàn)出顯著的正向溢出效應(yīng)，而城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平的空間溢出效應(yīng)顯著為負(fù)。

基于以上結(jié)論，對(duì)于提高農(nóng)業(yè)凈碳匯效率有以下幾個(gè)方面的建議：第一，可以將減排目標(biāo)從空間和時(shí)間上進(jìn)行橫向、縱向分解。鑒于各省份經(jīng)濟(jì)社會(huì)發(fā)展水平、資源環(huán)境條件以及凈碳匯效率水平差異，可根據(jù)不同省份不同時(shí)期的實(shí)際情況制定相應(yīng)的減排規(guī)劃，明確減排目標(biāo)、路線圖。第二，加強(qiáng)省際間在農(nóng)業(yè)“減排增匯”方面的合作交流。優(yōu)化自身農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、加快產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、促進(jìn)科教發(fā)展的同時(shí)，密切關(guān)注鄰近地區(qū)的農(nóng)業(yè)碳減排的相關(guān)政策、措施及技術(shù)，將積極溢出的“輻射”空間范圍擴(kuò)大和強(qiáng)度加深，通過(guò)積極的交流合作，實(shí)現(xiàn)“減排增匯”的均衡統(tǒng)籌推進(jìn)。第三，重視城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平的消極溢出效應(yīng)。充分利用城鎮(zhèn)化進(jìn)程和經(jīng)濟(jì)發(fā)展的優(yōu)勢(shì)，增加農(nóng)戶的非農(nóng)就業(yè)，加快技術(shù)創(chuàng)新、人才引進(jìn)，實(shí)現(xiàn)城鎮(zhèn)化進(jìn)程與低碳農(nóng)業(yè)協(xié)調(diào)發(fā)展，發(fā)揮城鎮(zhèn)化和經(jīng)濟(jì)發(fā)展的正向作用，為實(shí)現(xiàn)我國(guó)整體減排目標(biāo)打下堅(jiān)實(shí)基礎(chǔ)。

（編輯：劉照勝）

參考文獻(xiàn)

[1]徐國(guó)泉，劉則淵，姜照華.中國(guó)碳排放的因素分解模型及實(shí)證分析[J].中國(guó)人口·資源與環(huán)境，2006，16（6）：158-161.

[2]李波，張俊飆，李海鵬.中國(guó)農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解[J].中國(guó)人口·資源與環(huán)境，2011，21（8）：80-86.

[3]田云，張俊飆，李波.基于投入角度的農(nóng)業(yè)碳排放時(shí)空特征及因素分解研究[J].農(nóng)業(yè)現(xiàn)代化研究，2011，32（6）：752-755.

[4]王興，馬守田，濮超，等.西南地區(qū)農(nóng)業(yè)碳排放趨勢(shì)及影響因素研究[J].中國(guó)人口·資源與環(huán)境，2017，27（S2）：231-234.

[5]李波，張俊飆.基于投入視角我國(guó)的農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的脫鉤研究[J].經(jīng)濟(jì)經(jīng)緯，2012（4）：27-31.

[6]李立，周燦，李二玲，等.基于投入視角的黃淮海平原農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展脫鉤研究[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2013，29（5）：551-558.

[7]吳賢榮，張俊飚，田云，等.基于公平與效率雙重視角的中國(guó)農(nóng)業(yè)碳減排潛力分析[J].自然資源學(xué)報(bào)，2015，30（7）：1172-1182.

[8]程琳琳，張俊飚，田云，等.中國(guó)省域農(nóng)業(yè)碳生產(chǎn)率的空間分異特征及依賴效應(yīng)[J].資源科學(xué)，2016，38（2）：276-289.

[9]吳昊玥，何艷秋，陳柔.中國(guó)農(nóng)業(yè)碳排放績(jī)效評(píng)價(jià)及隨機(jī)性收斂研究——基于SBMUndesirable模型與面板單位根檢驗(yàn)[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2017，25（9）：1381-1391.

[10]程琳琳，張俊飚，何可.多尺度城鎮(zhèn)化對(duì)農(nóng)業(yè)碳生產(chǎn)率的影響及其區(qū)域分異特征研究——基于SFA、E指數(shù)與SDM的實(shí)證[J].中南大學(xué)學(xué)報(bào)，2018，24（5）：107-116.

[11]張軍，吳桂英，張吉鵬.中國(guó)省際物流資本存量估算——1952—2000[J].經(jīng)濟(jì)研究，2004（10）：35-44.

[12]胡國(guó)霞，雷國(guó)平，周浩，等. 黑龍江省土地利用變化的碳排放效應(yīng)研究[J].水土保持研究，2015，22（6）;287-292.

[13]朱承亮，師萍，岳宏志.人力資本、人力資本結(jié)構(gòu)與區(qū)域經(jīng)濟(jì)增長(zhǎng)效率[J].中國(guó)軟科學(xué)，2011（2）：110-119.

[14]王惠，卞藝杰，王樹(shù)喬.出口貿(mào)易、工業(yè)碳排放效率動(dòng)態(tài)演進(jìn)與空間溢出[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016（1）：3-19.

[15]李力，洪雪飛.能源碳排放與環(huán)境污染空間效應(yīng)研究——基于能源強(qiáng)度與技術(shù)進(jìn)步視角的空間杜賓計(jì)量模型[J].工業(yè)技術(shù)經(jīng)濟(jì)，2017（9）：65-72.

[16]徐亞輝，潘瑜春，劉玉，等.海南省耕地集約利用水平的時(shí)空分異研究[J].首都師范大學(xué)學(xué)報(bào)，2016，37（4）：78-84.

[17]屈文波.環(huán)境規(guī)制、空間溢出與區(qū)域生態(tài)效率——基于空間杜賓面板模型的實(shí)證分析[J].北京理工大學(xué)學(xué)報(bào)，2018，20（6）：28-33.

[18]張翠菊，柏群，張文愛(ài).中國(guó)區(qū)域碳排放強(qiáng)度影響因素及空間溢出性——基于空間杜賓模型的研究[J].系統(tǒng)工程，2017，35（10）：70-78.

AbstractImproving the efficiency of agricultural carbon emissions is an important mean and fundamental way to realize highquality development of agricultural and agricultural carbon emission reduction. On the basis of considering agricultural net carbon sink as an expected output， this paper uses DEABCCI model to calculate the agricultural net carbon sink efficiency of 30 provinces （municipalities and autonomous regions） in China from 2005 to 2017， and uses KernelDensity estimation to analyze the temporal and spatial dynamic evolution of agricultural net carbon sink over the years. And through the various tests of spatial panel model， it chooses the Spatial Durbin Model under twoway fixed effects. And the spatial spillover effect of agricultural net carbon sink efficiency was analyzed under this model. The results show that Chinas agricultural net carbon sink decreased averagely by 0.41%， while the net carbon sink in eastern China was lower than that in central and western China and northeast China from 2005 to 2017. And the overall level of the net carbon sink efficiency of agriculture is low in China， and the spatial difference is obvious. The work of ‘reducing emissions and increasing sink in eastern China makes the best performance. By analyzing the dynamic evolution characteristics of agricultural net carbon sink efficiency， it is found that the agricultural net carbon sink efficiency among provinces in China shows a downward trend， and there is an obvious phenomenon of regional unbalanced development， and the difference between provinces is expanding year by year. By calculating the spatial correlation of the agricultural net carbon sink efficiency between 2005 and 2017， the Spatial Autocorrelation （Global Morans I） shows that the agricultural net carbon sink efficiency between provinces in China has a significant positive spatial correlation， and there is a case of local clustering; the Local Morans I also shows that the agricultural net carbon sink efficiency between provinces in China has a clustering effect. In terms of the spatial effect of agricultural net carbon sink， the internal structure of agriculture， the degree of industrialization， the level of education and the level of scientific and technological development show significant positive spillover effects on the efficiency of agricultural net carbon sink， while the spatial spillover effect of urbanization and economic development level is significantly negative.

Key wordsefficiency value of net carbon sink; KernelDensity; Spatial Dubin Model; spillover