田 云，尹忞昊

(中南財(cái)經(jīng)政法大學(xué) 工商管理學(xué)院，湖北 武漢 430073)

近年來(lái)，為了更好地應(yīng)對(duì)全球氣候變化，聯(lián)合國(guó)召開(kāi)了一系列立足于碳減排責(zé)任分擔(dān)的氣候會(huì)議，并達(dá)成了一攬子框架協(xié)定。即便如此，全球溫室氣體排放量仍未得到根本控制，持續(xù)升溫態(tài)勢(shì)也并未緩解。聯(lián)合國(guó)環(huán)境規(guī)劃署(UNEP)《2019年排放差距報(bào)告》顯示，2018年全球溫室氣體排放量創(chuàng)下歷史新高，達(dá)到了553億噸，同時(shí)各國(guó)碳排放差距正處于逐年擴(kuò)大態(tài)勢(shì)。面對(duì)如此不利情形,2019年12月15日于馬德里閉幕的《聯(lián)合國(guó)氣候變化框架公約》第25次締約方大會(huì)創(chuàng)造了“籌備時(shí)間最短”和“談判時(shí)間最長(zhǎng)”兩大歷史記錄，會(huì)上特別強(qiáng)調(diào)要運(yùn)用“以自然為基礎(chǔ)的解決方案”來(lái)應(yīng)對(duì)氣候變化。作為全球氣候治理的積極參與者和支持者，中國(guó)是《聯(lián)合國(guó)氣候變化框架公約》的首批締約國(guó)，不僅為達(dá)成《京都協(xié)議書(shū)》《巴黎協(xié)定》及其實(shí)施細(xì)則作出了重要貢獻(xiàn)，自身更是在第七十五屆聯(lián)合國(guó)大會(huì)上向世界各國(guó)莊重承諾，將力爭(zhēng)在2030年以前使碳排放量達(dá)到峰值，并努力爭(zhēng)取于2060年之前實(shí)現(xiàn)碳中和。該承諾倘若付諸實(shí)施，我國(guó)在《巴黎協(xié)定》所確定的碳中和目標(biāo)或許能提前5～10年實(shí)現(xiàn)。不同于二、三產(chǎn)業(yè)單一的碳排放特征，兼具碳源與碳匯雙重屬性的農(nóng)業(yè)在推進(jìn)碳中和工作中顯然更能發(fā)揮作用。在此境況下，不斷拓寬減排增匯路徑，加快推進(jìn)農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型已刻不容緩。

為了更好地推進(jìn)農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型，越來(lái)越多的學(xué)者開(kāi)始圍繞農(nóng)業(yè)碳問(wèn)題展開(kāi)探討，并形成了較為豐碩的研究成果，主要集中在以下三個(gè)方面：一是農(nóng)業(yè)碳排放相關(guān)研究。其中，早期主要聚焦于農(nóng)業(yè)碳排放的精準(zhǔn)測(cè)算，如West等[1]從種子培育、化肥、農(nóng)藥以及灌溉等農(nóng)資投入視角考察了種植業(yè)碳排放，Johnson等[2]將農(nóng)業(yè)碳排放源劃分為水稻種植、農(nóng)業(yè)能源利用、生物燃燒、牲畜腸道發(fā)酵與糞便管理以及農(nóng)業(yè)廢棄物處理等幾個(gè)方面，并以此為基礎(chǔ)展開(kāi)相關(guān)測(cè)度。而后，隨著研究的不斷深入，一些學(xué)者開(kāi)始圍繞中國(guó)農(nóng)業(yè)碳排放的結(jié)構(gòu)特征[3]、時(shí)空演變規(guī)律[4]、驅(qū)動(dòng)機(jī)理[5]等問(wèn)題展開(kāi)系統(tǒng)探討。綜合研究表明，近年來(lái)我國(guó)農(nóng)業(yè)碳排放量總體處于上升趨勢(shì)且區(qū)域差異明顯，其驅(qū)動(dòng)因素雖因時(shí)因地而異，但農(nóng)業(yè)經(jīng)濟(jì)發(fā)展是導(dǎo)致其數(shù)量變化的關(guān)鍵動(dòng)因。與此同時(shí)，還有不少學(xué)者圍繞某一特定因素與農(nóng)業(yè)碳排放之間的相互關(guān)系展開(kāi)探究，并得到農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)是主要驅(qū)動(dòng)因素[6]、農(nóng)業(yè)機(jī)械化水平提升可促進(jìn)農(nóng)業(yè)碳減排而產(chǎn)業(yè)升級(jí)會(huì)加劇碳排放[7]、農(nóng)地經(jīng)營(yíng)規(guī)模對(duì)碳排放的影響取決于不同要素的投入強(qiáng)度[8]、農(nóng)業(yè)技術(shù)創(chuàng)新顯著抑制了農(nóng)業(yè)碳排放[9]等一系列有價(jià)值結(jié)論。二是農(nóng)業(yè)凈碳效應(yīng)相關(guān)研究。一方面，有學(xué)者在厘清我國(guó)農(nóng)業(yè)凈碳匯量的基礎(chǔ)上[10]，深入探究其空間分異格局[11]與時(shí)空演變特征[12]，研究發(fā)現(xiàn)，近年來(lái)我國(guó)農(nóng)業(yè)凈碳匯的空間相關(guān)性不斷增強(qiáng)，地區(qū)間差距正逐步縮小。另一方面，還有學(xué)者著眼于農(nóng)業(yè)凈碳效應(yīng)驅(qū)動(dòng)機(jī)理的深度剖析，結(jié)果表明，其增長(zhǎng)變化主要依賴于經(jīng)濟(jì)因素，而效率、勞動(dòng)力等因素所起作用正好相反[13]。除此之外，一些學(xué)者還圍繞農(nóng)業(yè)凈碳匯的生態(tài)補(bǔ)償價(jià)值[14-15]展開(kāi)探討，發(fā)現(xiàn)農(nóng)作物相比林木具有更高的碳補(bǔ)償價(jià)值，且省際補(bǔ)償水平存在明顯差異。三是產(chǎn)業(yè)集聚與農(nóng)業(yè)碳問(wèn)題之間的相互關(guān)系研究。為實(shí)現(xiàn)經(jīng)濟(jì)增長(zhǎng)與農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型的同步推進(jìn)，有學(xué)者開(kāi)始圍繞產(chǎn)業(yè)集聚與農(nóng)業(yè)碳排放之間的關(guān)系展開(kāi)探究，如胡中應(yīng)[16]通過(guò)系統(tǒng)研究發(fā)現(xiàn)，二者之間存在明顯的“倒U”型特征；而李文華等則進(jìn)一步探討了省際層面的空間分異特征[17]。與此同時(shí)，還有學(xué)者剖析了產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)碳效率、碳生產(chǎn)率的影響，其中前者不僅梳理了其影響機(jī)理，還深入剖析了不同地區(qū)農(nóng)業(yè)碳效率的空間效應(yīng)[18]，而后者則著重檢驗(yàn)了產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)碳生產(chǎn)率的“鎖定”與“擁擠”效應(yīng)，并指出克服這些問(wèn)題的關(guān)鍵在于產(chǎn)業(yè)集聚的全面轉(zhuǎn)型升級(jí)[19]。

縱覽文獻(xiàn)可知，目前關(guān)于中國(guó)農(nóng)業(yè)碳問(wèn)題的研究已極為豐富，涉及測(cè)算指標(biāo)體系的構(gòu)建、時(shí)空特征的分析、相關(guān)影響機(jī)理的探討等方方面面，這為后續(xù)研究的進(jìn)一步深入奠定了堅(jiān)實(shí)基礎(chǔ)。但同時(shí)，現(xiàn)有研究仍存在一定不足，具體表現(xiàn)在以下3個(gè)方面：第一，關(guān)于影響機(jī)理的分析目前仍聚焦于農(nóng)業(yè)碳排放抑或農(nóng)業(yè)碳效率，而較少關(guān)注農(nóng)業(yè)凈碳效應(yīng)。第二，在對(duì)農(nóng)業(yè)凈碳效應(yīng)進(jìn)行探究的過(guò)程中，主要基于截面視角考察其分布現(xiàn)狀與空間集聚特征，一定程度上忽視了對(duì)其動(dòng)態(tài)演變軌跡的探討。第三，大多數(shù)學(xué)者都是圍繞產(chǎn)業(yè)集聚與農(nóng)業(yè)碳排放之間的相互關(guān)系展開(kāi)分析，而較少探討其對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響，尤其缺乏對(duì)其溢出效應(yīng)的關(guān)注。有鑒于此，本文嘗試彌補(bǔ)這些不足，具體而言，將以我國(guó)30個(gè)省(市、自治區(qū))(1)由于部分甚至全部數(shù)據(jù)缺失，西藏以及港、澳、臺(tái)地區(qū)均不在本次研究的考察之列。為研究對(duì)象，首先厘清各自農(nóng)業(yè)凈碳效應(yīng)數(shù)量并剖析其動(dòng)態(tài)演進(jìn)軌跡；而后，探討產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的具體影響與作用力度，并分析其空間溢出效應(yīng)；最后，基于研究結(jié)論提出針對(duì)性策略，以為農(nóng)業(yè)經(jīng)濟(jì)與農(nóng)業(yè)凈碳效應(yīng)“雙增”目標(biāo)的實(shí)現(xiàn)提供必要的參考依據(jù)。

一、理論分析與研究假設(shè)

農(nóng)業(yè)產(chǎn)業(yè)集聚是指各類農(nóng)業(yè)經(jīng)濟(jì)活動(dòng)主體通過(guò)有機(jī)整合，為更好地發(fā)揮農(nóng)業(yè)生產(chǎn)的比較優(yōu)勢(shì)、提高農(nóng)業(yè)生產(chǎn)綜合能力，而在特定區(qū)域內(nèi)形成一定規(guī)模集聚的經(jīng)濟(jì)現(xiàn)象[20]。起初，得益于我國(guó)不同地區(qū)資源稟賦與自然條件所存在的顯著異質(zhì)性特征，加之市場(chǎng)和政府的有效引導(dǎo)，各區(qū)域相應(yīng)出現(xiàn)了具有比較優(yōu)勢(shì)的農(nóng)產(chǎn)品生產(chǎn)集聚區(qū)，進(jìn)而推動(dòng)了某種優(yōu)勢(shì)農(nóng)產(chǎn)品產(chǎn)業(yè)集聚的形成[21]。當(dāng)前，隨著農(nóng)業(yè)規(guī)?；c集約化生產(chǎn)程度的不斷提高，農(nóng)業(yè)產(chǎn)業(yè)集聚已經(jīng)成為破除中國(guó)農(nóng)業(yè)諸多問(wèn)題的一條必經(jīng)之路[22]。所謂農(nóng)業(yè)凈碳效應(yīng)，具體指代農(nóng)業(yè)生產(chǎn)過(guò)程中所產(chǎn)生的碳吸收(碳匯)與其碳排量之間的差額；需要說(shuō)明的是，考慮到林地和草地尚未形成統(tǒng)一的測(cè)算標(biāo)準(zhǔn)且不易被人類活動(dòng)所干預(yù)[10]的現(xiàn)實(shí)境況，我們?cè)趯?duì)碳匯進(jìn)行測(cè)度時(shí)僅考察種植業(yè)，即農(nóng)作物生長(zhǎng)全生命周期所產(chǎn)生的碳吸收，而不涉及林地或者草地碳匯。由農(nóng)業(yè)凈碳匯的定義可知，其增加的關(guān)鍵在于“增匯減排”。而在現(xiàn)實(shí)中，種植業(yè)水平的提升會(huì)對(duì)農(nóng)業(yè)碳匯量產(chǎn)生正向影響[23]，農(nóng)用物資利用效率的顯著提升[13]又可減少碳排放，這一切顯然與產(chǎn)業(yè)集聚存在密切關(guān)聯(lián)：一方面，產(chǎn)業(yè)集聚能促進(jìn)種植業(yè)產(chǎn)出能力的提升，由此實(shí)現(xiàn)農(nóng)業(yè)碳匯量的增加；另一方面，產(chǎn)業(yè)集聚通過(guò)經(jīng)驗(yàn)溢出、技術(shù)溢出可以有效推進(jìn)農(nóng)業(yè)碳減排[24]。據(jù)此，構(gòu)建農(nóng)業(yè)產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響機(jī)理如圖1所示。

圖1 農(nóng)業(yè)產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響機(jī)理

由圖1可知，一方面，伴隨著農(nóng)業(yè)的產(chǎn)業(yè)集聚，種植業(yè)生產(chǎn)的標(biāo)準(zhǔn)化與規(guī)模化會(huì)逐步顯現(xiàn)，由此促使其產(chǎn)出能力得到提升，進(jìn)而帶來(lái)農(nóng)業(yè)碳匯量的增加。另一方面，產(chǎn)業(yè)集聚所誘發(fā)的基礎(chǔ)設(shè)施共享與管理模式創(chuàng)新，均有助于農(nóng)業(yè)生產(chǎn)技術(shù)水平的進(jìn)步與農(nóng)資利用效率的提升，進(jìn)而帶來(lái)農(nóng)業(yè)生產(chǎn)成本的降低、農(nóng)業(yè)碳排放量的減少與農(nóng)業(yè)經(jīng)濟(jì)水平的增長(zhǎng)。更為關(guān)鍵的是，此類增長(zhǎng)還能引起周邊地區(qū)的效仿和競(jìng)爭(zhēng)，并通過(guò)管理經(jīng)驗(yàn)和技術(shù)水平的溢出形成更大范圍的產(chǎn)業(yè)集聚，由此促使農(nóng)業(yè)碳排量進(jìn)一步減少。最終，增匯減排的同步實(shí)現(xiàn)會(huì)使得農(nóng)業(yè)凈碳效應(yīng)得到顯著增加。但是，整個(gè)過(guò)程卻也很難一帆風(fēng)順，通常會(huì)經(jīng)歷一定起伏。一般而言，早期農(nóng)業(yè)產(chǎn)業(yè)因氣候、土壤、地理等多重因素的影響，在某一時(shí)段或特定區(qū)域形成了具有特殊優(yōu)勢(shì)的要素和產(chǎn)業(yè)集中，一定程度上實(shí)現(xiàn)了農(nóng)業(yè)基礎(chǔ)設(shè)施共享、勞動(dòng)力互助與農(nóng)業(yè)技術(shù)創(chuàng)新，由此確保了種植業(yè)產(chǎn)出能力與農(nóng)資利用效率的共同提升，增匯減排效應(yīng)顯現(xiàn)，農(nóng)業(yè)凈碳水平得以增加。到了中期，由于集聚規(guī)模偏少，基礎(chǔ)設(shè)施不夠完善、技術(shù)創(chuàng)新存在風(fēng)險(xiǎn)、資源配置與管理模式皆難達(dá)到最優(yōu)狀態(tài)等一系列問(wèn)題的存在，導(dǎo)致經(jīng)驗(yàn)與技術(shù)溢出效果難以完全凸顯，其減排帶動(dòng)效應(yīng)由此受到制約；同時(shí)，因要素和產(chǎn)業(yè)集中產(chǎn)生的價(jià)格指數(shù)效應(yīng)[25]已降本增利，具備相似條件的周邊地區(qū)其同類產(chǎn)業(yè)開(kāi)始形成競(jìng)爭(zhēng)，為了追求產(chǎn)出與紅利，農(nóng)用物資過(guò)度使用、邊際減排成本增加等問(wèn)題開(kāi)始顯現(xiàn)，由此導(dǎo)致農(nóng)業(yè)碳排放量激增，加之該階段農(nóng)業(yè)碳匯量增幅有限，致使農(nóng)業(yè)凈碳效應(yīng)在一定時(shí)間內(nèi)會(huì)出現(xiàn)下降態(tài)勢(shì)。而到了后期，產(chǎn)業(yè)集聚通過(guò)邊際生產(chǎn)成本降低、農(nóng)業(yè)生產(chǎn)效率提升等方式實(shí)現(xiàn)地區(qū)工資水平增加，由此形成“中心-外圍”格局，并促使農(nóng)村勞動(dòng)力跨區(qū)域流動(dòng)[26]以及部分產(chǎn)業(yè)向周邊地區(qū)轉(zhuǎn)移，進(jìn)而引發(fā)新一輪的產(chǎn)業(yè)集聚。在此格局之下，農(nóng)業(yè)基礎(chǔ)設(shè)施逐漸完善、技術(shù)創(chuàng)新成本與風(fēng)險(xiǎn)不斷下降、資源配置與管理模式逐步達(dá)到最優(yōu)狀態(tài)，同時(shí)淘汰機(jī)制的開(kāi)始形成促使周邊地區(qū)與其合作并產(chǎn)生良性互動(dòng)，進(jìn)而形成更大范圍的產(chǎn)業(yè)集聚，在其循環(huán)累積作用之下管理經(jīng)驗(yàn)與技術(shù)水平的不斷溢出使得農(nóng)業(yè)碳排放量進(jìn)一步減少，加之該階段種植業(yè)產(chǎn)出水平的提升會(huì)帶來(lái)農(nóng)業(yè)碳匯量的增加，由此確保了農(nóng)業(yè)凈碳效應(yīng)的持續(xù)增長(zhǎng)。據(jù)此，本文提出假設(shè)：

H1：產(chǎn)業(yè)集聚對(duì)中國(guó)農(nóng)業(yè)凈碳效應(yīng)的影響存在非線性特征，且最終表現(xiàn)為促進(jìn)作用。

H2：產(chǎn)業(yè)集聚對(duì)中國(guó)農(nóng)業(yè)凈碳效應(yīng)的影響在空間上存在溢出效應(yīng)，即產(chǎn)業(yè)集聚在促進(jìn)本地農(nóng)業(yè)凈碳效應(yīng)增長(zhǎng)的同時(shí)，也會(huì)帶動(dòng)鄰近地區(qū)一定程度的增長(zhǎng)。

二、變量、研究方法與數(shù)據(jù)來(lái)源

1.變量設(shè)定

(1)農(nóng)業(yè)凈碳效應(yīng)(ANC)，亦稱農(nóng)業(yè)凈碳匯。其為本研究的被解釋變量，如前文所述，具體指代農(nóng)業(yè)碳匯與農(nóng)業(yè)碳排放之間的差額。其中，農(nóng)業(yè)碳匯重點(diǎn)考察種植業(yè)碳匯，而不涉及林業(yè)、草地碳匯；農(nóng)業(yè)碳排放則基于農(nóng)用物資使用、水稻生長(zhǎng)以及畜禽養(yǎng)殖等三個(gè)不同維度進(jìn)行測(cè)度并加總。

(2)產(chǎn)業(yè)集聚(LQ)，其為本文的核心解釋變量。目前，產(chǎn)業(yè)集聚的測(cè)度方法包含行業(yè)集中度、赫芬達(dá)爾-赫希曼指數(shù)、區(qū)位商和空間基尼系數(shù)等，各自適用范圍也不盡相同。其中，行業(yè)集中度主要適用于企業(yè)市場(chǎng)集聚程度的計(jì)算，赫芬達(dá)爾指數(shù)在產(chǎn)業(yè)集中度的測(cè)量中運(yùn)用更為廣泛，而空間基尼系數(shù)則更傾向于對(duì)制造業(yè)分布進(jìn)行考察[27]。基于數(shù)據(jù)的可獲取性以及對(duì)消除區(qū)域規(guī)模差異因素[28]的考量，本文選用區(qū)位商對(duì)產(chǎn)業(yè)集聚進(jìn)行測(cè)度，其具體表達(dá)式為：LQab=(Qab/Qb)/(Qa/Q)。式中，LQab表示b地區(qū)農(nóng)業(yè)產(chǎn)業(yè)的區(qū)位商，Qab為b地區(qū)農(nóng)林牧漁業(yè)總產(chǎn)值，Qb表示b地區(qū)國(guó)內(nèi)生產(chǎn)總值，Qa為全國(guó)農(nóng)林牧漁業(yè)總產(chǎn)值，Q為全國(guó)國(guó)內(nèi)生產(chǎn)總值；在此基礎(chǔ)上，加入LQ2ab和LQ3ab來(lái)考察產(chǎn)業(yè)集聚與農(nóng)業(yè)凈碳效應(yīng)之間的非線性關(guān)系。

(3)其他解釋變量。在借鑒已有研究成果[17-18]的基礎(chǔ)上，選取控制變量如下：農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平(AGDP)。通常情況下，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的高低不一顯然會(huì)影響各地的農(nóng)業(yè)生產(chǎn)水準(zhǔn)，進(jìn)而影響到農(nóng)業(yè)凈碳效應(yīng)，為此有必要將其作為解釋變量，并以各地區(qū)人均農(nóng)業(yè)增加值作為替代指標(biāo)，其計(jì)算公式為，人均農(nóng)業(yè)增加值=農(nóng)業(yè)增加值/第一產(chǎn)業(yè)從業(yè)人口。農(nóng)業(yè)公共投資(API)。已有研究表明，農(nóng)業(yè)公共投資的增加一定程度上可以減少碳排放量[3]，而凈碳效應(yīng)的多寡又與農(nóng)業(yè)碳減排量緊密相關(guān)，為此本文也將其作為解釋變量，具體以各地農(nóng)林牧漁固定資產(chǎn)投資額為準(zhǔn)，并取其對(duì)數(shù)。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(AIS)。由前文分析可知，農(nóng)業(yè)凈碳效應(yīng)水平與農(nóng)業(yè)碳匯密切相關(guān)，而這一切均源于種植業(yè)，為此有必要將農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)也作為重要解釋變量，具體以種植業(yè)占農(nóng)林牧漁總產(chǎn)值的比重作為衡量標(biāo)準(zhǔn)。區(qū)域經(jīng)濟(jì)發(fā)展水平(RGDP)。一般而言，地區(qū)整體經(jīng)濟(jì)發(fā)展水平通常會(huì)對(duì)當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)產(chǎn)生影響，而農(nóng)業(yè)發(fā)展程度的好壞又會(huì)影響到農(nóng)業(yè)凈碳效應(yīng)，為此也將其作為解釋變量，并以各省區(qū)人均GDP作為該指標(biāo)的衡量依據(jù)。

2.研究方法

為了達(dá)到最終研究目的，本文將綜合運(yùn)用核密度估計(jì)、全局空間自相關(guān)、空間杜賓模型等多種方法展開(kāi)分析。具體而言，首先利用核密度估計(jì)法分析我國(guó)各省區(qū)農(nóng)業(yè)凈碳效應(yīng)的動(dòng)態(tài)演進(jìn)特征；其次，運(yùn)用全局空間自相關(guān)法探討產(chǎn)業(yè)集聚與農(nóng)業(yè)凈碳效應(yīng)這兩大核心變量是否具有空間自相關(guān)性；最后，倘若二者均存在空間自相關(guān)，則采用空間杜賓模型探討產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響及其空間溢出效應(yīng)。具體分析方法與數(shù)據(jù)來(lái)源介紹如下：

(1)核密度估計(jì)法。核密度估計(jì)法是重要的非參數(shù)估計(jì)法之一。它是基于數(shù)據(jù)自身出發(fā)，不對(duì)其分布附加任何假定，而通過(guò)估計(jì)隨機(jī)變量的概率密度并擬合出一條光滑且連續(xù)的曲線來(lái)分析問(wèn)題的一種方法。相比其他方法，核密度曲線能較為直觀地揭示隨機(jī)變量的分布位置、形態(tài)和延展性等方面信息，其計(jì)算公式為:

(1)

(2)全局空間自相關(guān)。全局空間自相關(guān)一般用于探究整個(gè)研究區(qū)域的空間模式與特征，通過(guò)某一測(cè)算指數(shù)來(lái)反映一個(gè)區(qū)域在空間上與其他相鄰區(qū)域間的相關(guān)程度。本文將采用全局空間自相關(guān)指數(shù)(Global Moran’s I)來(lái)衡量產(chǎn)業(yè)集聚水平與農(nóng)業(yè)凈碳效應(yīng)的空間自相關(guān)性，其計(jì)算公式如下：

(2)

(3)

式(2)中，I為全局空間自相關(guān)指數(shù)，Wij為空間權(quán)重矩陣，由于鄰接空間權(quán)重矩陣無(wú)法衡量一個(gè)地區(qū)與不相鄰地區(qū)之間的影響和作用程度，故參考袁華錫等[29]的研究通過(guò)構(gòu)建地理距離權(quán)重矩陣(兩地質(zhì)心距離倒數(shù)的平方)來(lái)把握更遠(yuǎn)距離省際的空間作用影響。全局空間自相關(guān)指數(shù)值域?yàn)閇-1，1]，當(dāng)I取值落在[0，1]之間時(shí)，研究區(qū)域呈現(xiàn)空間正相關(guān)即集聚程度，且數(shù)值越接近1正相關(guān)性越強(qiáng)；當(dāng)I取值落在[-1，0]之間時(shí)，研究區(qū)域呈現(xiàn)空間負(fù)相關(guān)即離散程度，且數(shù)值越接近-1負(fù)相關(guān)性越強(qiáng)；當(dāng)I取值趨近于0或等于0時(shí)，研究區(qū)域?yàn)楠?dú)立隨機(jī)分布。

(3)空間杜賓模型。空間杜賓模型適用于通過(guò)極大似然法進(jìn)行估計(jì)[30]，本文采用此方法不僅可以從時(shí)空維度探究產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響程度，而且還可同時(shí)考察空間相關(guān)性與空間溢出效應(yīng)。為此，構(gòu)建被解釋變量為農(nóng)業(yè)凈碳效應(yīng)，解釋變量為產(chǎn)業(yè)集聚以及部分控制變量的空間計(jì)量模型如下：

(4)

式(4)中，i、j表示不同省份，t代表各年份，Wij為空間權(quán)重矩陣；Yit為被解釋變量，Xit為核心解釋變量與控制變量；ρ、φ為相應(yīng)的空間自回歸系數(shù)；μi和ξt表示雙固定效應(yīng)，εit表示隨機(jī)誤差項(xiàng)。后續(xù)分析中，將在使用地理距離矩陣的基礎(chǔ)上，引入鄰接空間權(quán)重矩陣(兩地相鄰為1，否則為0)、反距離矩陣(兩地質(zhì)心距離的倒數(shù))[29]等作為替代進(jìn)行穩(wěn)健性檢驗(yàn)，以克服權(quán)重矩陣設(shè)定可能導(dǎo)致的誤差。

3.數(shù)據(jù)來(lái)源與處理

農(nóng)業(yè)碳排放與農(nóng)業(yè)碳匯數(shù)據(jù)均源自本人測(cè)度，相關(guān)測(cè)算方法及數(shù)據(jù)來(lái)源參照田云等[13]的研究，在此限于篇幅就不做詳盡介紹。本文所用其他數(shù)據(jù)分別出自《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)摘要》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)財(cái)政年鑒》《中國(guó)固定資產(chǎn)投資統(tǒng)計(jì)年鑒》以及各省區(qū)的相關(guān)統(tǒng)計(jì)年鑒或者國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)。需要說(shuō)明的是，為了確保年際間的可比性，所有經(jīng)濟(jì)類數(shù)據(jù)均按2000年不變價(jià)進(jìn)行調(diào)整。各變量的描述性統(tǒng)計(jì)結(jié)果如表1所示。

表1 變量的描述性統(tǒng)計(jì)結(jié)果 N=570

三、結(jié)果分析

1.農(nóng)業(yè)凈碳效應(yīng)的現(xiàn)狀分析

(1)農(nóng)業(yè)凈碳效應(yīng)的時(shí)空比較。測(cè)算30個(gè)省(市、自治區(qū))的農(nóng)業(yè)凈碳效應(yīng)結(jié)果如表2所示，限于篇幅，表中僅列出了2000年和2018年的相關(guān)結(jié)果。通過(guò)比較可知，2018年農(nóng)業(yè)凈碳效應(yīng)排在首位的地區(qū)是河南，高達(dá)6446.81萬(wàn)噸；黑龍江以微弱劣勢(shì)緊隨其后，也達(dá)到了6023.84萬(wàn)噸；山東、廣西、河北依次排在3～5位，其農(nóng)業(yè)凈碳效應(yīng)量分別為5090.69萬(wàn)噸、3658.30萬(wàn)噸和3222.46萬(wàn)噸。與此對(duì)應(yīng)，青海、福建作為僅有的兩個(gè)農(nóng)業(yè)凈碳效應(yīng)為負(fù)值的省份，排在倒數(shù)一、二位，其數(shù)量分別為-220.17萬(wàn)噸和-25.29萬(wàn)噸；北京、海南和上海依次排在倒數(shù)3～5位，其農(nóng)業(yè)凈碳效應(yīng)量分別為12.97萬(wàn)噸、26.34萬(wàn)噸和29.61萬(wàn)噸。綜合來(lái)看，各地區(qū)農(nóng)業(yè)凈碳效應(yīng)量差異明顯，排在前10位的地區(qū)占到了凈碳效應(yīng)總量的73.19%，而后10位的地區(qū)只占到了2.85%，兩極分化較為嚴(yán)重。除了絕對(duì)數(shù)量的差異外，各地區(qū)農(nóng)業(yè)凈碳效應(yīng)的增減變化趨勢(shì)也不盡相同。相比2000年，有23個(gè)地區(qū)呈現(xiàn)增長(zhǎng)態(tài)勢(shì)且以內(nèi)蒙古增幅最大，高達(dá)341.47%；新疆、黑龍江、吉林和廣西依次排在2～5位，其增幅分別為241.51%、219.61%、160.87%和144.95%。余下7個(gè)省份則表現(xiàn)出了下降趨勢(shì)且以福建降幅最大，高達(dá)118.12%；北京、浙江依次排在降幅榜二、三位，分別為88.27%和78.48%。整體而言，過(guò)去的18年間，絕大多數(shù)地區(qū)農(nóng)業(yè)凈碳效應(yīng)量的增減變化都在50%以上，而這顯然與各類農(nóng)用物資投入數(shù)量的變化、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整等緊密相關(guān)。

表2 中國(guó)30個(gè)省(市、自治區(qū))的農(nóng)業(yè)凈碳效應(yīng)比較 萬(wàn)噸

(2)農(nóng)業(yè)凈碳效應(yīng)的動(dòng)態(tài)演進(jìn)。為了更為直觀地呈現(xiàn)我國(guó)30個(gè)省區(qū)農(nóng)業(yè)凈碳效應(yīng)的動(dòng)態(tài)分布演變過(guò)程，本文以2000、2006、2012以及2018年等四個(gè)不同年份作為考察時(shí)點(diǎn)，使用核密度估計(jì)法對(duì)其進(jìn)行分析，其結(jié)果如圖2所示。

圖2 中國(guó)30個(gè)省份2000—2018年農(nóng)業(yè)凈碳效應(yīng)核密度估計(jì)

由圖2可知，整體來(lái)看，密度函數(shù)中心不斷右移，曲線寬度及覆蓋面積持續(xù)擴(kuò)大，由此表明我國(guó)農(nóng)業(yè)凈碳效應(yīng)總量處于持續(xù)增加態(tài)勢(shì)，且在整個(gè)考察期內(nèi)變化幅度較大；同時(shí)，由微弱雙峰逐步轉(zhuǎn)變?yōu)閱畏?，且波峰趨于平緩、峰值不斷下降，由此揭示我?guó)農(nóng)業(yè)凈碳效應(yīng)出現(xiàn)均衡化趨勢(shì)，整體梯度差異逐漸趨向收斂。分階段來(lái)看，2006年較2000年密度中心幾無(wú)變化，但峰值下降明顯，寬度也顯著擴(kuò)大，且雙峰趨勢(shì)開(kāi)始消失，表明此階段我國(guó)農(nóng)業(yè)凈碳效應(yīng)總量增幅較小，并由兩極凸顯向無(wú)極化轉(zhuǎn)變。2012年較2006年密度中心大幅右移，波峰逐步趨于平緩且峰值大幅降低，曲線寬度進(jìn)一步擴(kuò)大，同時(shí)右端再次呈現(xiàn)略微起伏態(tài)勢(shì)，表明在此期間我國(guó)農(nóng)業(yè)凈碳效應(yīng)總量大幅增加，梯度差異程度雖不斷縮小，但由于高值省域凈碳效應(yīng)持續(xù)增加，而低值省域變化較小，故而再次出現(xiàn)兩極凸顯趨勢(shì)。2018年較2012年密度中心輕微右移，波峰橫擴(kuò)趨勢(shì)不再明顯，峰值下降程度大幅減緩，曲線變得更為平滑，右端明顯延長(zhǎng)且極為平穩(wěn)，表明該階段我國(guó)農(nóng)業(yè)凈碳效應(yīng)總量?jī)H略微增加，同時(shí)省域間梯度差異趨于收斂，低值省域變化較小且相對(duì)穩(wěn)定?？傮w而言，2018年與2000年相比，密度中心大幅右移且峰值顯著降低，并由陡峭多峰逐步演變?yōu)槠交瑔畏?，曲線寬度明顯擴(kuò)大，右端大幅延長(zhǎng)，由此表明我國(guó)農(nóng)業(yè)凈碳效應(yīng)總量在考察期內(nèi)已有較大幅度增長(zhǎng)，梯度差異程度明顯縮小，高值省域數(shù)量增加且變化較大，而低值省域數(shù)量減少且?guī)谉o(wú)變化。究其原因可能歸結(jié)于兩個(gè)方面：一是產(chǎn)業(yè)集聚程度的不同會(huì)導(dǎo)致差異化的規(guī)模效應(yīng)，進(jìn)而使得凈碳效應(yīng)增量也不盡相同；二是不同地區(qū)的農(nóng)業(yè)現(xiàn)代化程度、區(qū)域經(jīng)濟(jì)發(fā)展水平以及農(nóng)業(yè)公共投資力度均存在較大差異，加之農(nóng)資利用效率與技術(shù)水平也不盡相同，由此導(dǎo)致各地區(qū)的減排效果存在差距。

2.產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)影響的實(shí)證分析

(1)農(nóng)業(yè)凈碳效應(yīng)與產(chǎn)業(yè)集聚全局空間自相關(guān)。在探討各變量的空間影響關(guān)系之前，首先需要判斷它們是否存在空間自相關(guān)性。由于本文重點(diǎn)考察產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響，其他解釋變量均為控制變量，故僅需對(duì)二者進(jìn)行全局空間自相關(guān)檢驗(yàn)，其莫蘭指數(shù)測(cè)算結(jié)果如表3所示。從中不難發(fā)現(xiàn)，農(nóng)業(yè)凈碳效應(yīng)的莫蘭指數(shù)在絕大多數(shù)年份通過(guò)了顯著性檢驗(yàn)，且雖年際間存在一定波動(dòng)，但空間集聚程度總體處于上升態(tài)勢(shì)。由此表明，考察期內(nèi)我國(guó)省域農(nóng)業(yè)凈碳效應(yīng)存在空間自相關(guān)特征，此特征往往表現(xiàn)為農(nóng)業(yè)凈碳效應(yīng)高值省區(qū)與一個(gè)或多個(gè)高值省區(qū)相鄰，而低值省區(qū)也出現(xiàn)與其他低值省區(qū)相鄰的趨勢(shì)。產(chǎn)業(yè)集聚的莫蘭指數(shù)在所有年份都通過(guò)了顯著性檢驗(yàn)，并圍繞數(shù)值1.55上下波動(dòng)，表明產(chǎn)業(yè)集聚的空間關(guān)聯(lián)效應(yīng)強(qiáng)且極為穩(wěn)定。從演變軌跡來(lái)看，農(nóng)業(yè)凈碳效應(yīng)的莫蘭指數(shù)值總體處于波動(dòng)上升趨勢(shì)，而產(chǎn)業(yè)集聚則經(jīng)歷了“先降后升”但總體平穩(wěn)的態(tài)勢(shì)。綜合來(lái)看，二者在空間上可能存在某種非線性關(guān)系，亟待進(jìn)一步驗(yàn)證。

表3 2000—2018年農(nóng)業(yè)凈碳效應(yīng)和農(nóng)業(yè)產(chǎn)業(yè)集聚的Moran’s I統(tǒng)計(jì)值

(2)LM、LR、Wald、Hausman以及聯(lián)合顯著性檢驗(yàn)?；谇拔姆治鲆阎?，農(nóng)業(yè)凈碳效應(yīng)和產(chǎn)業(yè)集聚均存在空間自相關(guān)特征，接下來(lái)則需引入空間計(jì)量模型對(duì)其展開(kāi)深入探討。在此，通過(guò)LM檢驗(yàn)、LR和Wald檢驗(yàn)來(lái)判斷空間計(jì)量模型的一般形式(空間杜賓模型)是否會(huì)退化為空間滯后模型或空間誤差模型；而后，進(jìn)一步通過(guò)Hausman檢驗(yàn)以及聯(lián)合顯著性檢驗(yàn)選擇相應(yīng)的固定效應(yīng)，相關(guān)結(jié)果如表4所示。從中不難發(fā)現(xiàn)，LM(Robust)檢驗(yàn)在1%顯著性水平下表現(xiàn)出了強(qiáng)烈的空間效應(yīng)，從統(tǒng)計(jì)量來(lái)看，更傾向于選擇空間誤差模型；而LR和Wald檢驗(yàn)分別在1%以及10%水平下顯著拒絕原假設(shè)，即空間杜賓模型不會(huì)退化為空間滯后模型和空間誤差模型。Hausman檢驗(yàn)顯示，個(gè)體固定效應(yīng)、時(shí)間固定效應(yīng)和雙固定效應(yīng)均在1%水平下通過(guò)顯著性檢驗(yàn)；聯(lián)合顯著性檢驗(yàn)結(jié)果揭示，個(gè)體固定效應(yīng)與時(shí)間固定效應(yīng)也均在1%水平下通過(guò)顯著性檢驗(yàn)。有鑒于此，本文將選擇雙固定效應(yīng)空間杜賓模型進(jìn)行相關(guān)實(shí)證分析。

表4 普通面板模型LM、LR、Wald、Hausman以及聯(lián)合顯著性檢驗(yàn)結(jié)果

(3)產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)影響的結(jié)果分析。為了探究產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響，本文基于地理距離矩陣(W1)使用雙固定效應(yīng)空間杜賓模型對(duì)產(chǎn)業(yè)集聚的一次項(xiàng)、二次項(xiàng)、三次項(xiàng)及各變量(農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)公共投資、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域經(jīng)濟(jì)發(fā)展水平)進(jìn)行相應(yīng)回歸；在此基礎(chǔ)上，參照吳昊玥[31]的做法，選取鄰接空間權(quán)重矩陣(W2)和反距離矩陣(W3)替換地理距離矩陣進(jìn)行穩(wěn)健性檢驗(yàn)，其研究結(jié)果如表5所示。

表5 各變量對(duì)農(nóng)業(yè)凈碳效應(yīng)影響回歸結(jié)果 N=570

由模型Ⅰ可知，產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響在1%水平下通過(guò)顯著性檢驗(yàn)，且一次項(xiàng)系數(shù)為正，二次項(xiàng)系數(shù)為負(fù)，三次項(xiàng)系數(shù)為正。由此表明，產(chǎn)業(yè)集聚與農(nóng)業(yè)凈碳效應(yīng)之間存在“正N”型關(guān)系，即隨著產(chǎn)業(yè)集聚程度的提升，農(nóng)業(yè)凈碳效應(yīng)先增后減，并在降至一定程度之后重新處于持續(xù)增加態(tài)勢(shì)，且最終表現(xiàn)出了正向影響，區(qū)域內(nèi)產(chǎn)業(yè)集聚度每提升1%農(nóng)業(yè)凈碳效應(yīng)增加1.621%，研究假設(shè)H1在此得到驗(yàn)證。究其原因，可能源于農(nóng)業(yè)產(chǎn)業(yè)集聚三階段特征的存在：第一階段為產(chǎn)業(yè)集聚初期，種植業(yè)規(guī)模的擴(kuò)大促使碳匯量增加，同時(shí)農(nóng)業(yè)基礎(chǔ)設(shè)施共享、勞動(dòng)力互助、農(nóng)業(yè)科技水平以及農(nóng)資利用效率的提升均有助于碳排放量的減少，進(jìn)而確保農(nóng)業(yè)凈碳效應(yīng)得到提升。到第二階段時(shí)，集聚程度雖已達(dá)到一定規(guī)模，但基礎(chǔ)設(shè)施建設(shè)不夠完善、技術(shù)研發(fā)面臨各種風(fēng)險(xiǎn)、管理模式與資源配置皆未達(dá)到最優(yōu)狀態(tài)等一系列問(wèn)題的暴露，使得我們只能通過(guò)加大對(duì)農(nóng)用物資的使用力度來(lái)追逐紅利，由此誘發(fā)了“要素?fù)頂D”現(xiàn)象，化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油等農(nóng)用物資的大量使用導(dǎo)致了農(nóng)業(yè)碳排放量的快速增加。最終，該階段雖實(shí)現(xiàn)了農(nóng)業(yè)經(jīng)濟(jì)水平的提升，但由于碳匯水平相對(duì)穩(wěn)定，碳排放量的增加一定程度上使得農(nóng)業(yè)凈碳效應(yīng)出現(xiàn)下降。而當(dāng)產(chǎn)業(yè)集聚到了第三階段，隨著區(qū)域經(jīng)濟(jì)發(fā)展水平與農(nóng)業(yè)公共投資力度的不斷上升，農(nóng)業(yè)基礎(chǔ)設(shè)施得到有效改善、管理模式不斷接近最優(yōu)，加之集聚的正外部性已激發(fā)其內(nèi)部的“創(chuàng)新補(bǔ)償”效應(yīng)[32]，促使農(nóng)業(yè)技術(shù)水平與資源利用效率均得到相應(yīng)提升，化肥、農(nóng)藥、農(nóng)膜、農(nóng)機(jī)等的使用方式也越發(fā)趨于合理，農(nóng)業(yè)碳排放量隨之減少；而在碳匯水平基本穩(wěn)定且略有提升的整體態(tài)勢(shì)下，農(nóng)業(yè)凈碳效應(yīng)得以再次呈現(xiàn)上升趨勢(shì)?？刂谱兞糠矫?，農(nóng)業(yè)公共投資、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域經(jīng)濟(jì)發(fā)展水平均通過(guò)了顯著性檢驗(yàn)，其每提升1%農(nóng)業(yè)凈碳效應(yīng)依次增加0.008%、0.329%和0.031%；相比較而言，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平未通過(guò)顯著性檢驗(yàn)。綜合比較模型Ⅰ、模型Ⅱ和模型Ⅲ的結(jié)果可知，各變量的系數(shù)符號(hào)、顯著性特征較為一致，由此表明實(shí)證分析結(jié)果具有較強(qiáng)的穩(wěn)健性。

3.產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的空間溢出效應(yīng)

為了彌補(bǔ)SDM模型估計(jì)系數(shù)不能準(zhǔn)確反映解釋變量對(duì)因變量產(chǎn)生影響的不利情形，本文參照Lesage等[33]的做法采用偏微分法將模型Ⅰ的實(shí)證估計(jì)結(jié)果進(jìn)一步分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)。其中，直接效應(yīng)亦稱本地效應(yīng)，具體由兩部分構(gòu)成，即自變量對(duì)本地因變量的影響與本地因變量所受到的反饋效應(yīng)。在此，反饋效應(yīng)是指本地解釋變量對(duì)鄰近地區(qū)產(chǎn)生影響之后又反向影響本地被解釋變量的作用力，又稱區(qū)域內(nèi)溢出效應(yīng)。間接效應(yīng)即空間溢出效應(yīng)，是指鄰近地區(qū)的解釋變量對(duì)本地被解釋變量的影響程度，又稱區(qū)域間溢出效應(yīng)?；谶@一思路，剖析各個(gè)解釋變量對(duì)農(nóng)業(yè)凈碳效應(yīng)的直接效應(yīng)與空間溢出效應(yīng)結(jié)果如表6所示。

表6 各個(gè)解釋變量對(duì)農(nóng)業(yè)凈碳效應(yīng)的直接效應(yīng)與空間溢出效應(yīng)

由表6可知，產(chǎn)業(yè)集聚的直接效應(yīng)與間接效應(yīng)均在1%水平下通過(guò)顯著性檢驗(yàn)，表明其對(duì)農(nóng)業(yè)凈碳效應(yīng)具有顯著的溢出效應(yīng)，研究假設(shè)H2得以驗(yàn)證。從具體作用力來(lái)看，鄰近地區(qū)產(chǎn)業(yè)集聚度每提升1%會(huì)促使本地農(nóng)業(yè)凈碳效應(yīng)增加2.286%，而本地產(chǎn)業(yè)集聚對(duì)鄰近地區(qū)產(chǎn)生影響后因受反饋?zhàn)饔米陨磙r(nóng)業(yè)凈碳效應(yīng)還會(huì)增加0.060%。其他因素方面，農(nóng)業(yè)公共投資變量無(wú)明顯區(qū)域內(nèi)溢出，但空間溢出效應(yīng)明顯；農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變量所處情形正好相反，無(wú)明顯空間溢出效應(yīng)，但存在一定的區(qū)域內(nèi)溢出；至于區(qū)域經(jīng)濟(jì)發(fā)展變量，一方面其水平每提升1%會(huì)使本地農(nóng)業(yè)凈碳效應(yīng)產(chǎn)生0.002%的區(qū)域內(nèi)溢出，另一方面還存在較為明顯的空間溢出效應(yīng)。綜合來(lái)看，多數(shù)變量都顯現(xiàn)出了較強(qiáng)的空間溢出效應(yīng)；可能的解釋是，產(chǎn)業(yè)集聚發(fā)揮外部規(guī)模經(jīng)濟(jì)效應(yīng)帶動(dòng)周邊地區(qū)爭(zhēng)先效仿，促使鄰近區(qū)域也形成集聚模式；后續(xù)隨著集聚程度的提升，農(nóng)業(yè)公共投資增加、區(qū)域經(jīng)濟(jì)水平提高，由此帶來(lái)了技術(shù)水平的提升與管理模式的優(yōu)化，周邊地區(qū)通過(guò)充分的學(xué)習(xí)與吸取，逐步產(chǎn)生了技術(shù)溢出、經(jīng)驗(yàn)溢出。而當(dāng)周邊地區(qū)產(chǎn)業(yè)與本地形成競(jìng)爭(zhēng)之后，相鄰地區(qū)為追逐紅利，通過(guò)過(guò)度使用化肥、農(nóng)藥、農(nóng)膜等來(lái)提高產(chǎn)量，從而導(dǎo)致農(nóng)業(yè)碳排放總量不斷攀升，故產(chǎn)業(yè)集聚在一段時(shí)間內(nèi)的溢出效應(yīng)會(huì)使得鄰近地區(qū)農(nóng)業(yè)凈碳效應(yīng)出現(xiàn)下降。但是，當(dāng)競(jìng)爭(zhēng)達(dá)到一定程度后，受到政策約束或者面臨市場(chǎng)淘汰的風(fēng)險(xiǎn)，鄰近地區(qū)農(nóng)業(yè)產(chǎn)業(yè)開(kāi)始傾向合作且隨著合作程度的不斷加深，逐步形成了技術(shù)水平共同提升、管理模式持續(xù)優(yōu)化的良性互動(dòng)機(jī)制，進(jìn)而促使地區(qū)間產(chǎn)業(yè)開(kāi)始轉(zhuǎn)移，并由此產(chǎn)生了正向反饋效應(yīng)，使得本地和周邊地區(qū)農(nóng)業(yè)凈碳效應(yīng)都持續(xù)增加。

四、結(jié)論與啟示

1.結(jié) 論

本文基于我國(guó)30個(gè)省(市、自治區(qū))2000—2018年的面板數(shù)據(jù)，首先科學(xué)測(cè)度了各地區(qū)農(nóng)業(yè)凈碳效應(yīng)現(xiàn)狀并運(yùn)用核密度估計(jì)法探討了其動(dòng)態(tài)演進(jìn)特征；而后，利用空間計(jì)量方法分析了產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)的影響，并剖析了其空間溢出效應(yīng)。主要結(jié)論如下：

(1)2018年我國(guó)各省區(qū)農(nóng)業(yè)凈碳效應(yīng)量存在明顯差異，其中河南最高達(dá)6446.81萬(wàn)噸，黑龍江、山東緊隨其后分列二、三位；青海最低，其數(shù)值甚至為負(fù)(-220.17萬(wàn)噸)，福建、北京則依次排在倒數(shù)二、三位；排在前10位的地區(qū)占到了凈碳效應(yīng)總量的73.19%，而后10位的地區(qū)只占到了2.85%，兩極分化較為嚴(yán)重。同時(shí)，相比2000年有23個(gè)省份呈現(xiàn)增長(zhǎng)態(tài)勢(shì)且以內(nèi)蒙古增幅最大，7個(gè)省份表現(xiàn)出了下降趨勢(shì)且以福建降幅最大。核密度估計(jì)結(jié)果顯示，我國(guó)農(nóng)業(yè)凈碳效應(yīng)已出現(xiàn)均衡化趨勢(shì)，整體梯度差異逐漸趨于收斂，高值省域數(shù)量增加且變化較大，低值省域數(shù)量減少且?guī)谉o(wú)變化。

(2)在考察期內(nèi)，產(chǎn)業(yè)集聚與農(nóng)業(yè)凈碳效應(yīng)均存在空間自相關(guān)性，且二者之間表現(xiàn)出“正N”型關(guān)系，即隨著農(nóng)業(yè)產(chǎn)業(yè)集聚程度的不斷提升，農(nóng)業(yè)凈碳效應(yīng)表現(xiàn)出“先增、后減、再增”的三階段變化特征。其中，莫蘭指數(shù)結(jié)果顯示，農(nóng)業(yè)凈碳效應(yīng)的空間集聚程度處于不斷上升趨勢(shì)，而產(chǎn)業(yè)集聚則表現(xiàn)出了穩(wěn)定且極強(qiáng)的空間關(guān)聯(lián)效應(yīng)。模型回歸結(jié)果顯示，區(qū)域內(nèi)產(chǎn)業(yè)集聚度每提升1%可促使農(nóng)業(yè)凈碳效應(yīng)量增加1.621%；農(nóng)業(yè)公共投資、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域經(jīng)濟(jì)發(fā)展水平每提升1%會(huì)使得農(nóng)業(yè)凈碳效應(yīng)分別增加0.008%、0.329%和0.031%。

(3)產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)具有顯著的溢出效應(yīng)，并表現(xiàn)為區(qū)域間溢出和區(qū)域內(nèi)溢出。具體而言，鄰近地區(qū)產(chǎn)業(yè)集聚度每提升1%可促使本地農(nóng)業(yè)凈碳效應(yīng)增加2.286%，而本地產(chǎn)業(yè)集聚對(duì)鄰近地區(qū)產(chǎn)生影響后因受反饋?zhàn)饔米陨磙r(nóng)業(yè)凈碳效應(yīng)還會(huì)增加0.060%。其他因素方面，農(nóng)業(yè)公共投資無(wú)區(qū)域內(nèi)溢出，卻具有顯著的區(qū)域間溢出；農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變量的情形正好相反，即無(wú)明顯空間溢出效應(yīng)卻存在一定的區(qū)域內(nèi)溢出；而區(qū)域經(jīng)濟(jì)發(fā)展水平二者兼具，既表現(xiàn)出了顯著的空間溢出效應(yīng)，也呈現(xiàn)出了一定的區(qū)域內(nèi)溢出效應(yīng)。

2.啟 示

本文探討了產(chǎn)業(yè)集聚對(duì)我國(guó)農(nóng)業(yè)凈碳效應(yīng)的影響，與已有研究[34]相比，論文對(duì)農(nóng)業(yè)碳排放的考察更為全面，不僅涉及了農(nóng)用物資投入，還兼顧了水稻種植與畜禽養(yǎng)殖，而農(nóng)業(yè)碳匯則選擇了與人類活動(dòng)聯(lián)系更為緊密的種植業(yè)，放棄了林地和草地。差異化的指標(biāo)選取使得農(nóng)業(yè)凈碳效應(yīng)的計(jì)算結(jié)果存在不同，進(jìn)而會(huì)對(duì)最終分析結(jié)果產(chǎn)生顯著影響。此外，在具體變量的選擇上也存在較大不同，產(chǎn)業(yè)集聚這一核心解釋變量的引入極大豐富了論文的內(nèi)涵，而控制變量的多樣化選擇則進(jìn)一步深化了本文的研究意義。研究結(jié)果揭示，雖然我國(guó)不同地區(qū)的農(nóng)業(yè)凈碳效應(yīng)表現(xiàn)出了較大差異，但產(chǎn)業(yè)集聚可以促使其數(shù)量顯著提升，并同時(shí)對(duì)鄰近地區(qū)產(chǎn)生積極影響。為此，政府相關(guān)部門在今后的工作中應(yīng)加快推進(jìn)農(nóng)業(yè)產(chǎn)業(yè)集聚步伐，以此促進(jìn)農(nóng)業(yè)凈碳效應(yīng)數(shù)量的增加。具體而言，可嘗試從以下幾方面著手：一是宏觀層面應(yīng)強(qiáng)化政策引導(dǎo)，注重差異化制度的施行。各個(gè)地區(qū)應(yīng)科學(xué)評(píng)估產(chǎn)業(yè)集聚對(duì)農(nóng)業(yè)凈碳效應(yīng)所帶來(lái)的具體影響，在此基礎(chǔ)上結(jié)合自身發(fā)展特點(diǎn)施以差異化政策，其中對(duì)于促進(jìn)效應(yīng)較為突出的地區(qū)應(yīng)進(jìn)一步強(qiáng)化支持力度，以實(shí)現(xiàn)農(nóng)業(yè)凈碳效應(yīng)再上新臺(tái)階；而對(duì)于促進(jìn)效應(yīng)不太明顯的地區(qū)則應(yīng)設(shè)立目標(biāo)約束，并找準(zhǔn)病因?qū)ΠY下藥，以確保產(chǎn)業(yè)集聚的正外部性得以彰顯。二是強(qiáng)化合作共贏并加大財(cái)政支持力度，充分發(fā)揮產(chǎn)業(yè)集聚的正向空間溢出效應(yīng)。各區(qū)域制定農(nóng)業(yè)產(chǎn)業(yè)集聚規(guī)劃時(shí)，應(yīng)著重考慮其對(duì)農(nóng)業(yè)凈碳效應(yīng)的溢出效應(yīng)。一方面，建立健全省域間的合作共贏機(jī)制，充分發(fā)揮各個(gè)地區(qū)的資源與區(qū)位優(yōu)勢(shì)，促進(jìn)規(guī)模效應(yīng)的形成并防止“要素?fù)頂D”現(xiàn)象的出現(xiàn)。另一方面，各地適當(dāng)增加財(cái)政支出并加大農(nóng)業(yè)公共設(shè)施投入力度，以使產(chǎn)業(yè)集聚的外溢效應(yīng)得到充分彰顯，并對(duì)部分地區(qū)的高碳現(xiàn)狀產(chǎn)生中和效應(yīng)。三是進(jìn)一步優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，著力提高種植業(yè)生產(chǎn)的規(guī)模效應(yīng)與農(nóng)用物資利用效率。通過(guò)改良種植業(yè)生產(chǎn)結(jié)構(gòu)，優(yōu)化其生產(chǎn)方式，實(shí)現(xiàn)農(nóng)業(yè)碳匯水平的提升；同時(shí)，逐步推進(jìn)農(nóng)業(yè)生產(chǎn)精細(xì)化作業(yè)，降低農(nóng)用物資使用強(qiáng)度，提升其利用效率，以實(shí)現(xiàn)農(nóng)業(yè)碳排放量的降低；雙管齊下，則能確保農(nóng)業(yè)凈碳效應(yīng)水平得到有效提升。