田云 尹忞昊

摘? ?要：厘清技術(shù)進(jìn)步推動(dòng)我國(guó)農(nóng)業(yè)能源碳減排的機(jī)理，對(duì)農(nóng)業(yè)農(nóng)村能源轉(zhuǎn)型和“雙碳”目標(biāo)實(shí)現(xiàn)具有重要的理論與現(xiàn)實(shí)意義。構(gòu)建技術(shù)進(jìn)步背景下農(nóng)業(yè)能源碳排放回彈效應(yīng)模型，科學(xué)測(cè)度我國(guó)30個(gè)省（區(qū)、市）2001—2018年碳排放回彈效應(yīng)，在此基礎(chǔ)上，利用基準(zhǔn)模型與空間計(jì)量方法分析技術(shù)進(jìn)步對(duì)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)：農(nóng)業(yè)能源碳排放削減量呈上升趨勢(shì)，碳排放回彈量存在較大波動(dòng)，碳排放存在部分回彈效應(yīng)，且回彈效應(yīng)均值為0.176。我國(guó)省域農(nóng)業(yè)能源碳排放強(qiáng)度存在顯著空間自相關(guān)特性，技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度具有明顯的抑制作用，同時(shí)也表現(xiàn)出顯著的空間溢出效應(yīng)，具體表現(xiàn)為，農(nóng)業(yè)技術(shù)進(jìn)步1個(gè)百分點(diǎn)，其產(chǎn)生的溢出效應(yīng)可使周邊地區(qū)農(nóng)業(yè)能源碳排放強(qiáng)度降低0.120%。促進(jìn)農(nóng)業(yè)能源碳減排，應(yīng)重點(diǎn)研發(fā)顛覆性減排技術(shù)，積極引導(dǎo)農(nóng)業(yè)能源利用模式轉(zhuǎn)型，制定區(qū)域技術(shù)標(biāo)準(zhǔn)。

關(guān)鍵詞：技術(shù)進(jìn)步;農(nóng)業(yè)能源碳排放;農(nóng)業(yè)碳排放;回彈效應(yīng);空間計(jì)量模型

中圖分類(lèi)號(hào)：F323? ?文獻(xiàn)標(biāo)識(shí)碼：A? ?文章編號(hào)：1003-7543（2021）12-0045-14

近年來(lái)，溫室氣體排放量的快速增加一定程度上加劇了對(duì)全球生命系統(tǒng)的威脅，氣候問(wèn)題由此受到了國(guó)際社會(huì)的高度關(guān)注。在此境況下，世界各國(guó)相繼達(dá)成《聯(lián)合國(guó)氣候框架公約》《京都協(xié)議書(shū)》《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(biāo)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(zhǎng)態(tài)勢(shì)。聯(lián)合國(guó)環(huán)境規(guī)劃署的調(diào)查報(bào)告顯示，2019年全球碳排放總量達(dá)到了591億噸二氧化碳當(dāng)量，較2018年增加了38億噸，增幅高達(dá)6.87%，在創(chuàng)下歷史新高的同時(shí)，繼續(xù)朝著21世紀(jì)末升溫3℃以上的趨勢(shì)發(fā)展。面對(duì)如此不利情形，世界各國(guó)紛紛提出自主貢獻(xiàn)目標(biāo)，致力于早日實(shí)現(xiàn)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(guó)在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上作出了2030年前碳排放量達(dá)峰和2060年前實(shí)現(xiàn)碳中和的承諾。2021年中央政府工作報(bào)告更是將“扎實(shí)做好碳達(dá)峰、碳中和各項(xiàng)工作”列為重點(diǎn)工作之一。在這一目標(biāo)實(shí)現(xiàn)的過(guò)程中，除了要大力推進(jìn)二三產(chǎn)業(yè)節(jié)能減排之外，還需切實(shí)加快農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型步伐。

為了更好地探究農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型之路，越來(lái)越多的學(xué)者開(kāi)始致力于農(nóng)業(yè)碳排放、農(nóng)業(yè)碳減排等相關(guān)問(wèn)題的研究。起初，學(xué)者們主要基于差異化視角構(gòu)建農(nóng)業(yè)碳排放測(cè)算指標(biāo)體系并展開(kāi)有效測(cè)度。其中，West & Post較早立足于農(nóng)用物資投入完成了對(duì)種植業(yè)碳排放的測(cè)算[1];相較而言，Johnson等進(jìn)行了更為全面的考察，從水稻種植、畜禽養(yǎng)殖、農(nóng)業(yè)能源利用、農(nóng)業(yè)廢棄物處理、生物燃燒五個(gè)維度完善了農(nóng)業(yè)碳排放測(cè)算體系[2];Tian等基于農(nóng)用物資投入、水稻種植、畜禽養(yǎng)殖、土壤碳庫(kù)破壞等對(duì)中國(guó)農(nóng)業(yè)碳排放展開(kāi)了系統(tǒng)考察，并剖析了其內(nèi)在機(jī)理[3]。而后，隨著農(nóng)業(yè)碳排放測(cè)算體系的逐步完善，其相關(guān)研究不斷深入且多元化趨勢(shì)愈發(fā)明顯，其中一些學(xué)者圍繞農(nóng)業(yè)碳排放效率特征[4]、動(dòng)態(tài)分布規(guī)律[5]以及影響因素[6]等展開(kāi)探討，發(fā)現(xiàn)我國(guó)東部、中部、西部地區(qū)農(nóng)業(yè)碳排放特征及其驅(qū)動(dòng)機(jī)理均存在明顯差異，且農(nóng)業(yè)能源利用所導(dǎo)致的碳排放量正逐年提升;另一些學(xué)者則從模擬峰值預(yù)測(cè)[7]、空間特性探究[8]、衍生指標(biāo)構(gòu)建[9]等不同視角豐富了低碳農(nóng)業(yè)相關(guān)文獻(xiàn)。綜合研究表明，我國(guó)各區(qū)域種植業(yè)、畜牧業(yè)生產(chǎn)以及農(nóng)業(yè)能源利用所導(dǎo)致的碳排放數(shù)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(qū)動(dòng)機(jī)理也不盡相同。積極倡導(dǎo)政策與市場(chǎng)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(zhǎng)遠(yuǎn)之策。

鑒于能源碳排放在農(nóng)業(yè)碳排放中所占比重較大且增長(zhǎng)態(tài)勢(shì)較為明顯這一現(xiàn)實(shí)背景，不少學(xué)者將注意力聚焦到了農(nóng)業(yè)能源碳排放領(lǐng)域。其中，李國(guó)志、李宗植從消費(fèi)側(cè)對(duì)農(nóng)業(yè)能源碳排放進(jìn)行測(cè)算并探究了其與能源利用效率之間的相互關(guān)系[10];韓岳峰、張龍基于進(jìn)出口貿(mào)易視角圍繞農(nóng)業(yè)能源消耗碳排放展開(kāi)測(cè)度并剖析了影響其數(shù)量變化的主要因素[11];戴小文等在系統(tǒng)把握我國(guó)農(nóng)業(yè)能源碳排放量的基礎(chǔ)上，利用Kaya恒等式圍繞其影響機(jī)理展開(kāi)了深度探討，發(fā)現(xiàn)農(nóng)村居民生活水平提升是導(dǎo)致其數(shù)量增加的關(guān)鍵動(dòng)因，而農(nóng)業(yè)低碳生產(chǎn)技術(shù)則起到了較為明顯的抑制作用[12];徐家鵬則對(duì)農(nóng)業(yè)能源碳排放趨勢(shì)進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn)其仍呈現(xiàn)持續(xù)上升態(tài)勢(shì)[13]。近些年來(lái)，隨著研究的持續(xù)深入，一些學(xué)者開(kāi)始圍繞農(nóng)業(yè)能源碳排放的脫鉤效應(yīng)[14]與空間特性[15]展開(kāi)探究，結(jié)果表明，當(dāng)前其與農(nóng)業(yè)經(jīng)濟(jì)之間仍以弱脫鉤關(guān)系為主，距離強(qiáng)脫鉤差距較大，同時(shí)大多數(shù)省份農(nóng)業(yè)能源碳排放效率都呈現(xiàn)空間集聚特性。

由上述文獻(xiàn)可知，目前關(guān)于農(nóng)業(yè)碳問(wèn)題的整體研究已較為豐富，基本涵蓋精準(zhǔn)測(cè)算、現(xiàn)狀特征把握、未來(lái)趨勢(shì)預(yù)測(cè)等方面，為后續(xù)深入探討提供了必要的理論依據(jù)與數(shù)據(jù)支撐。但與此同時(shí)，當(dāng)前仍存在一些亟待破解的研究難題，如農(nóng)業(yè)技術(shù)進(jìn)步是否促進(jìn)了碳減排？從現(xiàn)有文獻(xiàn)來(lái)看，學(xué)者們對(duì)此莫衷一是，如巍瑋等認(rèn)為技術(shù)進(jìn)步可有效抑制農(nóng)業(yè)碳排放量的增加[16]，而張永強(qiáng)等持完全相反的觀點(diǎn)[17]。爭(zhēng)議的存在使得我們有必要圍繞該問(wèn)題展開(kāi)更為深入的探討，不僅要明確農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)業(yè)碳減排之間的數(shù)量關(guān)系，而且要厘清其內(nèi)在的作用機(jī)理?？紤]到農(nóng)業(yè)能源利用受農(nóng)業(yè)技術(shù)的影響更為直接，實(shí)際分析中將主要立足于農(nóng)業(yè)能源碳排放。農(nóng)業(yè)技術(shù)進(jìn)步必然會(huì)對(duì)能源利用數(shù)量和利用效率產(chǎn)生顯著影響，進(jìn)而影響到最終的碳排放數(shù)量。在此境況下，農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)業(yè)能源碳排放之間到底呈現(xiàn)何種關(guān)系？二者之間是否存在回彈效應(yīng)？是否具有空間溢出效應(yīng)？這一系列問(wèn)題都亟待厘清。本文嘗試彌補(bǔ)現(xiàn)有研究的不足，先進(jìn)行相關(guān)理論分析與模型構(gòu)建，并立足于我國(guó)30個(gè)?。▍^(qū)、市）①的面板數(shù)據(jù)測(cè)度農(nóng)業(yè)技術(shù)進(jìn)步背景下的農(nóng)業(yè)能源碳排放回彈效應(yīng);而后通過(guò)面板數(shù)據(jù)OLS及固定效應(yīng)模型并利用空間計(jì)量分析法探討農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的影響及其溢出效應(yīng);最后基于研究結(jié)論提出針對(duì)性策略，以期為農(nóng)業(yè)生產(chǎn)低碳轉(zhuǎn)型的快速推進(jìn)提供理論依據(jù)。

一、影響機(jī)理分析與變量設(shè)定

（一）農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳減排的影響機(jī)理分析

農(nóng)業(yè)技術(shù)進(jìn)步通常有狹義與廣義之分，其中狹義的農(nóng)業(yè)技術(shù)進(jìn)步特指農(nóng)業(yè)生產(chǎn)過(guò)程中的技術(shù)（也稱為自然科學(xué)技術(shù)或硬技術(shù)）進(jìn)步;廣義的農(nóng)業(yè)技術(shù)進(jìn)步則還包含了農(nóng)業(yè)經(jīng)營(yíng)管理技術(shù)與服務(wù)技術(shù)（社會(huì)科學(xué)技術(shù)或軟技術(shù)）的進(jìn)步[18-19]。具體到本文，所要考察的是廣義農(nóng)業(yè)技術(shù)進(jìn)步，其包含了生物（種質(zhì)創(chuàng)新等）、化學(xué)（化肥、農(nóng)藥、農(nóng)膜等）、機(jī)械（農(nóng)用機(jī)器、設(shè)備等）等硬技術(shù)以及資源合理配置能力（投入要素的整合及分配等）、經(jīng)營(yíng)決策管理能力（管理方案、農(nóng)業(yè)結(jié)構(gòu)調(diào)整、政策約束等）與農(nóng)業(yè)生產(chǎn)及技術(shù)使用的相關(guān)專業(yè)知識(shí)儲(chǔ)備（新知識(shí)、新技術(shù)等）等軟技術(shù)。近些年來(lái)，伴隨著我國(guó)農(nóng)業(yè)生產(chǎn)規(guī)模化與集約化程度的不斷提升，能源需求量持續(xù)增加，其所導(dǎo)致的碳排放量也居高不下。提升農(nóng)業(yè)能源利用效率，廣泛采用低碳生產(chǎn)技術(shù)，是未來(lái)我國(guó)農(nóng)業(yè)發(fā)展的必由之路，但選擇該路徑顯然會(huì)對(duì)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與碳排放量變化產(chǎn)生影響。農(nóng)業(yè)能源碳排放強(qiáng)度是指單位農(nóng)業(yè)產(chǎn)值所引發(fā)的能源碳排放數(shù)量，它兼顧了農(nóng)業(yè)經(jīng)濟(jì)與能源碳排放的數(shù)量變化，更能反映實(shí)際碳排放水平，因此這里通過(guò)剖析農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的影響路徑來(lái)探討具體的減排機(jī)制。很顯然，農(nóng)業(yè)技術(shù)進(jìn)步也包含了低碳生產(chǎn)技術(shù)的采用，因而其對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的影響路徑可歸納為兩個(gè)方面：一是技術(shù)進(jìn)步對(duì)能源需求和使用效率的直接影響。此時(shí)，技術(shù)進(jìn)步主要表現(xiàn)為新能源與可再生能源對(duì)傳統(tǒng)農(nóng)業(yè)能源的替代[20]。通常而言，在大能源范疇，一項(xiàng)新技術(shù)的使用除了能提高能源利用效率之外還會(huì)拉動(dòng)能源需求，導(dǎo)致其生產(chǎn)量與消費(fèi)量的同步增加，正是基于此，能源回彈效應(yīng)持續(xù)受到政策制定者與學(xué)術(shù)研究者的高度關(guān)注。眾所周知，農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)業(yè)能源變動(dòng)之間的關(guān)系也處在大能源范疇之內(nèi)，因而也必然存在能源回彈效應(yīng)，進(jìn)而會(huì)對(duì)相關(guān)政策的制定以及最終的碳排放量產(chǎn)生影響。鑒于農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放具有促進(jìn)與抑制的雙重作用，本文預(yù)測(cè)，基于農(nóng)業(yè)技術(shù)進(jìn)步的農(nóng)業(yè)能源碳排放也可能存在一定回彈效應(yīng)。二是技術(shù)進(jìn)步會(huì)對(duì)周邊地區(qū)產(chǎn)生溢出效應(yīng)進(jìn)而達(dá)到減排目的。具體而言，本地區(qū)在學(xué)習(xí)了先進(jìn)技術(shù)、專業(yè)知識(shí)以及管理經(jīng)驗(yàn)等硬、軟技術(shù)之后，在應(yīng)用的過(guò)程中會(huì)產(chǎn)生地區(qū)間溢出效應(yīng)，由此帶動(dòng)周邊地區(qū)碳排放數(shù)量的減少;同理，周邊地區(qū)農(nóng)業(yè)技術(shù)進(jìn)步也會(huì)帶動(dòng)本地區(qū)農(nóng)業(yè)能源碳減排。據(jù)此，可知農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的影響機(jī)理。

由圖1可知，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的影響較為復(fù)雜，但最終亦可通過(guò)回彈效應(yīng)的判別來(lái)輔助能效政策的制定;同時(shí)，農(nóng)業(yè)技術(shù)進(jìn)步產(chǎn)生的溢出效應(yīng)會(huì)促使地區(qū)間形成良性互動(dòng)，通過(guò)引進(jìn)周邊先進(jìn)技術(shù)并與本地研發(fā)成果相結(jié)合，達(dá)到降低農(nóng)業(yè)能源碳排放強(qiáng)度的目的。二者作用的共同發(fā)揮或直接或間接，但均能實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)能源碳減排的協(xié)同共進(jìn)。具體影響路徑如下：

就能源路徑而言，機(jī)械化水平、種質(zhì)創(chuàng)新、良種培育等代表性硬技術(shù)的不斷發(fā)展有效促進(jìn)了農(nóng)業(yè)增效，地區(qū)內(nèi)生產(chǎn)經(jīng)營(yíng)者受此激勵(lì)會(huì)擴(kuò)大對(duì)農(nóng)用物資的需求，但化肥、農(nóng)藥、農(nóng)膜、農(nóng)用機(jī)械等的廣泛投入會(huì)誘發(fā)能源的過(guò)度耗費(fèi)，進(jìn)而導(dǎo)致碳排放量的增加。面對(duì)如此不利情形，政府部門(mén)通常會(huì)制定必要能效政策予以約束，要求農(nóng)機(jī)設(shè)備研發(fā)路徑、種質(zhì)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(zhuǎn)化。而為了更好地應(yīng)對(duì)能效政策的約束，生產(chǎn)經(jīng)營(yíng)者還需不斷學(xué)習(xí)專業(yè)知識(shí)與管理經(jīng)驗(yàn)，即在優(yōu)化改進(jìn)硬技術(shù)的基礎(chǔ)上，輔以必要的軟技術(shù)進(jìn)步，農(nóng)資利用效率由此得以大幅提升。綜合來(lái)看，隨著經(jīng)濟(jì)的發(fā)展、技術(shù)水平的提升，農(nóng)業(yè)生產(chǎn)規(guī)模也一直在擴(kuò)大，能源需求、投入的增加與效率的提升在不同階段將會(huì)循環(huán)交替出現(xiàn)，如此反復(fù)可能會(huì)導(dǎo)致農(nóng)業(yè)能源碳排放回彈量大于其削減量，即出現(xiàn)農(nóng)業(yè)能源碳排放回彈效應(yīng)。較為理想的情形是，伴隨技術(shù)的不斷提升，農(nóng)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(nèi)，如此對(duì)農(nóng)業(yè)能源碳強(qiáng)度的影響也可被限制在一定范圍內(nèi)。據(jù)此，本文提出假設(shè)H1：

H1：伴隨著農(nóng)業(yè)技術(shù)的進(jìn)步，農(nóng)業(yè)能源碳排放強(qiáng)度存在回彈效應(yīng)，且其回彈效應(yīng)將逐漸控制在一定范圍內(nèi)。

就溢出路徑而言，本地農(nóng)業(yè)技術(shù)進(jìn)步帶來(lái)了經(jīng)濟(jì)效益增長(zhǎng)和碳減排的雙贏，由此誘發(fā)周邊地區(qū)快速效仿、學(xué)習(xí)，積極引進(jìn)先進(jìn)技術(shù)、優(yōu)化資源要素配置，并結(jié)合當(dāng)?shù)貧夂?、土壤、水文等多方因素調(diào)整其經(jīng)營(yíng)管理模式，進(jìn)而產(chǎn)生技術(shù)溢出、知識(shí)溢出與經(jīng)驗(yàn)溢出。其中，技術(shù)溢出方面，不僅包含能促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)效益提升的生產(chǎn)技術(shù)，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(jìn)農(nóng)業(yè)生產(chǎn)設(shè)備。知識(shí)溢出方面，表現(xiàn)為生產(chǎn)經(jīng)營(yíng)者通過(guò)相互交流強(qiáng)化專業(yè)知識(shí)學(xué)習(xí)與專業(yè)素養(yǎng)提升，從而減少技術(shù)的研發(fā)與生產(chǎn)成本;更為重要的是，鄰域模范作用可減少地區(qū)內(nèi)先進(jìn)技術(shù)普及傳播所需投入，并在確保減排力度的同時(shí)使其邊際生產(chǎn)率得到大幅提升。經(jīng)驗(yàn)溢出方面，重點(diǎn)表現(xiàn)為管理經(jīng)驗(yàn)的借鑒，一般地，管理方式的創(chuàng)新與生產(chǎn)經(jīng)營(yíng)模式的優(yōu)化可有效避免非必要的資源浪費(fèi)，并使生產(chǎn)經(jīng)營(yíng)者逐步形成并強(qiáng)化對(duì)可再生能源的利用意識(shí)?？傮w而言，農(nóng)業(yè)技術(shù)進(jìn)步無(wú)論表現(xiàn)為技術(shù)溢出、知識(shí)溢出還是經(jīng)驗(yàn)溢出，其均是促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與農(nóng)業(yè)能源碳減排“雙贏”的有效路徑，本地與周邊地區(qū)通過(guò)良性互動(dòng)、交流學(xué)習(xí)，促使鄰近區(qū)域之間農(nóng)業(yè)能源碳排放強(qiáng)度同步降低。據(jù)此，本文提出假設(shè)H2：

H2：農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度存在積極的空間溢出效應(yīng)，即本地區(qū)農(nóng)業(yè)技術(shù)進(jìn)步在降低自身農(nóng)業(yè)能源碳排放強(qiáng)度的同時(shí)，也會(huì)促使周邊地區(qū)碳排放強(qiáng)度的降低。

（二）變量設(shè)定

被解釋變量：農(nóng)業(yè)能源碳排放強(qiáng)度（Aci）。已有研究表明，農(nóng)業(yè)碳排放強(qiáng)度可反映農(nóng)業(yè)碳排放效率[4]，二者之間呈現(xiàn)此消彼長(zhǎng)的關(guān)系;而農(nóng)業(yè)技術(shù)進(jìn)步在帶來(lái)生產(chǎn)效率提升的同時(shí)，也對(duì)農(nóng)業(yè)碳排放效率產(chǎn)生了顯著影響[20]。本研究之所以將農(nóng)業(yè)能源碳排放強(qiáng)度作為被解釋變量，是因?yàn)楸疚暮诵慕忉屪兞繛檗r(nóng)業(yè)技術(shù)進(jìn)步，其通常會(huì)對(duì)農(nóng)用柴油、電能等直接能源以及化肥、農(nóng)藥、農(nóng)膜等間接能源的利用產(chǎn)生較大影響。實(shí)踐中，將通過(guò)單位農(nóng)業(yè)總產(chǎn)值所引發(fā)的碳排放量來(lái)體現(xiàn)農(nóng)業(yè)能源碳排放強(qiáng)度，需要說(shuō)明的是，不同年份農(nóng)業(yè)總產(chǎn)值需按不變價(jià)格進(jìn)行處理。

核心解釋變量：農(nóng)業(yè)技術(shù)進(jìn)步（Atech）。農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源增長(zhǎng)及其碳排放量均存在較大程度的影響。既有文獻(xiàn)在農(nóng)業(yè)技術(shù)進(jìn)步及其貢獻(xiàn)率測(cè)度方面已取得較為豐碩的成果，相關(guān)測(cè)算方法可歸納為索洛余值法、指數(shù)法、數(shù)據(jù)包絡(luò)分析法、隨機(jī)前沿分析法四類(lèi)，其中較為復(fù)雜的 指數(shù)法又包含HM指數(shù)、Fisher指數(shù)、Malmquist指數(shù)、Tornquist指數(shù)等。本文將選用具有動(dòng)態(tài)特征的DEA-Malmquist指數(shù)模型來(lái)測(cè)度農(nóng)業(yè)技術(shù)進(jìn)步率，如此考量是因?yàn)樵摲椒▽鹘y(tǒng)的DEA模型與Malmquist指數(shù)模型有機(jī)結(jié)合，克服了原有方法僅能測(cè)量同一時(shí)期不同決策單元的靜態(tài)相對(duì)效率抑或不同時(shí)期同一決策單元的動(dòng)態(tài)效率的弊端。

控制變量：一是農(nóng)業(yè)發(fā)展水平（Pcai）。一般地，經(jīng)濟(jì)發(fā)展都會(huì)對(duì)碳排放量產(chǎn)生顯著影響，為此本文將農(nóng)業(yè)發(fā)展水平作為重要控制變量;該變量用人均農(nóng)業(yè)收入（即人均實(shí)際農(nóng)業(yè)產(chǎn)值）表示，其計(jì)算公式為：人均農(nóng)業(yè)收入=實(shí)際農(nóng)林牧漁總產(chǎn)值/第一產(chǎn)業(yè)從業(yè)總?cè)藬?shù)。二是農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。不同產(chǎn)業(yè)部門(mén)對(duì)農(nóng)業(yè)能源的需求存在差別，進(jìn)而可能會(huì)影響最終碳排放強(qiáng)度。種植業(yè)和畜牧業(yè)是最為重要的兩大產(chǎn)業(yè)部門(mén)，有必要將其單列出來(lái)進(jìn)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(nóng)林牧漁總產(chǎn)值的比重來(lái)衡量。三是農(nóng)業(yè)受災(zāi)程度（Adc）。農(nóng)業(yè)受災(zāi)會(huì)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(huì)減少，進(jìn)而客觀上可能會(huì)導(dǎo)致碳排放強(qiáng)度的增加，據(jù)此也將其作為控制變量之一，具體以各地受災(zāi)面積占其播種總面積的比重為準(zhǔn)。四是農(nóng)業(yè)公共投資（Api）。已有研究表明，農(nóng)業(yè)公共投資對(duì)農(nóng)業(yè)碳排放強(qiáng)度具有顯著但程度較小的抑制作用[4]，但其對(duì)于農(nóng)業(yè)能源碳排放強(qiáng)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(nóng)林牧漁固定資產(chǎn)投資額來(lái)表示。

二、研究方法與數(shù)據(jù)來(lái)源

（一）DEA-Malmquist指數(shù)法

與索洛余值法和傳統(tǒng)TFP指數(shù)法相比，DEA-Malmquist指數(shù)法同時(shí)克服了生產(chǎn)率增長(zhǎng)測(cè)量中α、β難以確定以及不同時(shí)期多個(gè)決策單元?jiǎng)討B(tài)效率無(wú)法測(cè)度兩大缺陷，有效避免了生產(chǎn)函數(shù)選擇與參數(shù)估計(jì)所帶來(lái)的誤差。鑒于此，本文以每個(gè)省份為決策單元，選取DEA-Malmquist模型完成對(duì)我國(guó)農(nóng)業(yè)全要素生產(chǎn)率（ATFP）的有效測(cè)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(shù)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(shù)分別為Dt（αt+1，βt+1）、Dt+1（αt+1，βt+1）。

在第t期的農(nóng)業(yè)技術(shù)水平下，其Malmquist指數(shù)為：

Mt=Dt（αt+1，ρt+1）/Dt（αt，ρt）（1）

在第t+1期的農(nóng)業(yè)技術(shù)水平下，其Malmquist指數(shù)為：

Mt+1=Dt+1（αt+1，ρt+1）/Dt+1（αt，ρt）（2）

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

ATFPt=

=（3）

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

（二）基于技術(shù)進(jìn)步的農(nóng)業(yè)能源碳排放回彈效應(yīng)模型

假定第t年某經(jīng)濟(jì)單位的第一產(chǎn)業(yè)增加值為Yt，農(nóng)業(yè)能源碳排放強(qiáng)度為CIt，則t年的農(nóng)業(yè)能源碳排放量為Ct=Yt·CIt;在t+1年，由于技術(shù)進(jìn)步，農(nóng)業(yè)能源碳排放強(qiáng)度下降為CIt+1，那么，農(nóng)業(yè)技術(shù)進(jìn)步所引致的農(nóng)業(yè)能源碳排放削減量Cj為：

Cj=Yt+1·（CIt-CIt+1）（4）

但同時(shí)，技術(shù)進(jìn)步也能帶來(lái)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)，令ξt+1為t+1年農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率（%），則農(nóng)業(yè)技術(shù)進(jìn)步所引致的農(nóng)業(yè)能源碳排放回彈量Ck為：

Ck=ξt+1·（Yt+1-Yt）·CIt+1（5）

其中，農(nóng)業(yè)技術(shù)進(jìn)步貢獻(xiàn)率ξt+1為第t+1年的農(nóng)業(yè)TFP增長(zhǎng)率（GATFP）與第t+1年實(shí)際農(nóng)業(yè)總產(chǎn)值增長(zhǎng)率（GY）的比值，具體計(jì)算方法如下：

ξt+1=（）·100%=·100%（6）

故而，第t+1年農(nóng)業(yè)能源碳排放回彈效應(yīng)（ARE）的計(jì)算方法如下：

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

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

當(dāng)ARE=1時(shí)，回彈效應(yīng)表現(xiàn)為完全回彈。一方面，農(nóng)業(yè)能源碳排放效率提升對(duì)農(nóng)業(yè)能源碳排放消費(fèi)量無(wú)明顯影響，即提高農(nóng)業(yè)能源碳排放效率所削減的農(nóng)業(yè)碳排放量與農(nóng)業(yè)碳排放回彈量相抵;另一方面，實(shí)際農(nóng)業(yè)能源消費(fèi)量與其初始值相等，體現(xiàn)了相關(guān)能效政策的無(wú)效性。

當(dāng)ARE∈（0，1）時(shí)，回彈效應(yīng)表現(xiàn)為部分回彈。一方面，農(nóng)業(yè)能源碳排放效率提升對(duì)農(nóng)業(yè)能源消費(fèi)量起到一定的抑制作用，即農(nóng)業(yè)能源碳排放效率提升帶來(lái)的碳排放削減量大于碳排放回彈量;另一方面，實(shí)際農(nóng)業(yè)能源消費(fèi)量低于其初始值但高于預(yù)期值，由此揭示相關(guān)能效政策表現(xiàn)出了積極效果。

當(dāng)ARE=0時(shí)，為零回彈效應(yīng)。一方面，農(nóng)業(yè)能源碳排放效率提升在很大程度上抑制了農(nóng)業(yè)能源消費(fèi)量，即農(nóng)業(yè)能源消費(fèi)量不隨其碳排放效率的提升而增加;另一方面，實(shí)際農(nóng)業(yè)能源消費(fèi)量與其預(yù)期值相等，由此體現(xiàn)了相關(guān)能效政策的充分有效性。

當(dāng)ARE∈（-∞，0）時(shí)，為過(guò)度儲(chǔ)存效應(yīng)。一方面，農(nóng)業(yè)能源碳排放效率提升可降低農(nóng)業(yè)能源消費(fèi)量并減少其碳排放量;另一方面，實(shí)際農(nóng)業(yè)能源消費(fèi)量小于其預(yù)期值，此時(shí)相關(guān)能效政策表現(xiàn)出顯著成效，反映出當(dāng)前農(nóng)業(yè)處于可持續(xù)發(fā)展的最佳狀態(tài)。

（三）計(jì)量模型選取

結(jié)合本文研究目的，這里綜合運(yùn)用普通最小二乘法、省份固定效應(yīng)模型、空間面板數(shù)據(jù)模型等多種計(jì)量分析方法展開(kāi)探討。其中，最小二乘法是保證研究區(qū)域內(nèi)所有殘差平方和最小的估計(jì)方法;省份固定效應(yīng)模型主要用于捕捉研究區(qū)域內(nèi)不隨時(shí)間變化個(gè)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(dāng)ρ=0時(shí)，空間杜賓模型轉(zhuǎn)化為空間滯后模型（SLX），其具體形式為：

Yit=αi+βxit+φ∑wjtxjt+ε（9）

當(dāng)φ=-ρβ時(shí)，空間杜賓模型轉(zhuǎn)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(yīng)，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(duì)本地因變量的影響，其以空間滯后項(xiàng)形式加入計(jì)量方程;空間誤差模型則考察周邊區(qū)域自變量對(duì)本地自變量的影響，其以空間誤差項(xiàng)形式加入計(jì)量方程。同時(shí)，在使用空間計(jì)量模型之前，需進(jìn)行必要的空間自相關(guān)性檢驗(yàn)。具體到本研究，使用Morans'I指數(shù)來(lái)檢驗(yàn)?zāi)Ｐ蜌埐羁臻g自相關(guān)性，其計(jì)算公式為：

I=（12）

s2=∑（Yi-）2（13）

其中，I為全局空間自相關(guān)指數(shù)，Yi和Yj分別表示研究區(qū)域內(nèi)樣本點(diǎn)i和j上的觀察值，Wij為空間權(quán)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(zhì)心距離倒數(shù)的平方構(gòu)建地理距離空間權(quán)重矩陣來(lái)測(cè)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(guān)指數(shù)值域?yàn)閇-1，1]，其中，I取值越接近1，研究區(qū)域空間正相關(guān)性（集聚程度）越強(qiáng);I取值越接近-1，研究區(qū)域空間負(fù)相關(guān)性（離散程度）越強(qiáng);當(dāng)I取值無(wú)限趨近于0或等于0時(shí)，研究區(qū)域?yàn)楠?dú)立隨機(jī)分布。

（四）數(shù)據(jù)來(lái)源及處理

農(nóng)業(yè)能源碳排放數(shù)據(jù)基于筆者測(cè)度而來(lái)，考慮到農(nóng)業(yè)技術(shù)進(jìn)步主要體現(xiàn)在農(nóng)用機(jī)械的廣泛運(yùn)用以及化肥、農(nóng)藥、農(nóng)膜等農(nóng)用物資的高效利用，因而與之相關(guān)的碳排放主要源自農(nóng)用柴油的直接利用以及化肥、農(nóng)藥、農(nóng)膜等的生產(chǎn)、農(nóng)田灌溉所間接耗費(fèi)的能源，其測(cè)算方法與數(shù)據(jù)來(lái)源均參照田云等[23]的研究①，受限于篇幅在此不作過(guò)多贅述。農(nóng)業(yè)技術(shù)進(jìn)步變量通過(guò)DEA-Malmquist指數(shù)法計(jì)算獲取，其產(chǎn)出指標(biāo)為農(nóng)林牧漁總產(chǎn)值，投入指標(biāo)則包含化肥施用量、農(nóng)作物播種總面積、農(nóng)業(yè)機(jī)械總動(dòng)力與第一產(chǎn)業(yè)從業(yè)人數(shù)，考察周期為2000—2018年。文中所需數(shù)據(jù)均出自《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)固定資產(chǎn)投資統(tǒng)計(jì)年鑒》以及各?。▍^(qū)、市）相關(guān)年鑒或統(tǒng)計(jì)公報(bào)。需要說(shuō)明的是，為消除價(jià)格波動(dòng)的影響，所有經(jīng)濟(jì)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。

三、結(jié)果與分析

（一）基于農(nóng)業(yè)技術(shù)進(jìn)步的農(nóng)業(yè)能源碳排放回彈效應(yīng)測(cè)度結(jié)果分析

利用農(nóng)業(yè)能源碳排放回彈效應(yīng)模型對(duì)2001—2018年我國(guó)30個(gè)省（區(qū)、市）的農(nóng)業(yè)碳排放削減量、回彈量及回彈效應(yīng)進(jìn)行有效測(cè)度;同時(shí)，為了更好地考察其動(dòng)態(tài)演變特征，將考察期劃分為2001—2006年、2007—2012年、2013—2018年三個(gè)不同階段并取其平均值。相關(guān)結(jié)果如表2（下頁(yè)）所示。

由表2可知，技術(shù)進(jìn)步帶來(lái)的農(nóng)業(yè)能源碳排放削減量、回彈量以及回彈效應(yīng)在考察期內(nèi)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(xiàn)一定起伏但總體上升趨勢(shì)較為明顯，由2001年的141.524萬(wàn)噸增至2018年的1 230.836萬(wàn)噸，累計(jì)增加了769.70%，年均增幅高達(dá)13.57%。就碳排放回彈量而言，各年起伏波動(dòng)較大;無(wú)明顯增減趨勢(shì)，其2013年數(shù)值最低為-756.071萬(wàn)噸，而2014年數(shù)值最高達(dá)到972.758萬(wàn)噸。就碳排放回彈效應(yīng)而言，其2001—2018年的總體均值以及2001—2006年、2007—2012年、2013—2018年三個(gè)不同階段的均值分別為0.176、0.234、0.097和0.194。由此可見(jiàn)，無(wú)論是整個(gè)考察期還是不同考察階段，農(nóng)業(yè)能源碳排放均存在部分回彈效應(yīng)。分年度來(lái)看，有10個(gè)年份表現(xiàn)為部分回彈效應(yīng)，5個(gè)年份表現(xiàn)為過(guò)度儲(chǔ)存效應(yīng)，而余下3個(gè)年份則出現(xiàn)了回火效應(yīng)。在大多數(shù)年份，技術(shù)進(jìn)步所帶來(lái)的農(nóng)業(yè)能源碳排放削減量要高于其所導(dǎo)致的回彈量，這也表明能效政策在此過(guò)程中起到了一定的積極作用;相較而言，僅有少數(shù)年份作用方向與之相反。具體到呈現(xiàn)回火效應(yīng)的3個(gè)年份，2001年碳排放回彈效應(yīng)為1.745，這主要是因?yàn)椋?000年國(guó)家明確提出要大力調(diào)整農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)、加快推進(jìn)農(nóng)業(yè)技術(shù)進(jìn)步并積極引進(jìn)國(guó)外先進(jìn)技術(shù)，受此政策的刺激，農(nóng)業(yè)技術(shù)進(jìn)步速率明顯加快，但短期內(nèi)一些高耗能技術(shù)的大面積推廣也導(dǎo)致了農(nóng)業(yè)能源碳排放的大幅回彈;2013年、2014年的碳排放回彈效應(yīng)分別為1.244和1.962，究其原因在于，2012年中央“一號(hào)文件”強(qiáng)調(diào)加大農(nóng)業(yè)投入和補(bǔ)貼力度，并要求新增補(bǔ)貼向糧食主產(chǎn)區(qū)、種養(yǎng)大戶、農(nóng)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(shí)政策還提出繼續(xù)擴(kuò)大農(nóng)機(jī)具購(gòu)置補(bǔ)貼，進(jìn)而短期內(nèi)極大拉動(dòng)了能源消費(fèi)，致使其后兩年農(nóng)業(yè)能源碳排放回彈效應(yīng)迅速飆升并創(chuàng)下新高。

總體而言，在考察期內(nèi)，農(nóng)業(yè)能源碳排放削減量呈現(xiàn)波動(dòng)上升態(tài)勢(shì)，而碳排放回彈量表現(xiàn)出較大波動(dòng)。我國(guó)農(nóng)業(yè)能源碳排放整體存在部分回彈效應(yīng)，三個(gè)不同階段均表現(xiàn)出了類(lèi)似特點(diǎn)，尤其在第三階段（2013—2018年），先由回火效應(yīng)轉(zhuǎn)變?yōu)椴糠只貜椥?yīng)，而后進(jìn)一步發(fā)展為過(guò)度儲(chǔ)存效應(yīng)?？梢?jiàn)，農(nóng)業(yè)技術(shù)進(jìn)步與相關(guān)能效政策均對(duì)農(nóng)業(yè)能源碳減排起到了積極推進(jìn)作用，本文假設(shè)H1得到驗(yàn)證。究其原因，一方面，農(nóng)業(yè)技術(shù)進(jìn)步雖然導(dǎo)致化肥、農(nóng)藥、農(nóng)膜以及農(nóng)機(jī)設(shè)備等生產(chǎn)性資料的大量投入，但農(nóng)業(yè)生產(chǎn)效率與能源使用效率也在不斷得到提升，故農(nóng)業(yè)能源碳排放量在出現(xiàn)小幅回彈后逐步受到抑制;另一方面，農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)業(yè)能源的大量使用推動(dòng)了農(nóng)業(yè)經(jīng)濟(jì)的快速發(fā)展，各類(lèi)節(jié)能減排技術(shù)則隨著經(jīng)濟(jì)水平的提升逐步完善，整體減排潛能得到釋放，農(nóng)業(yè)能源碳排放的增長(zhǎng)態(tài)勢(shì)由此得到有效抑制。由前述分析綜合可知，通過(guò)技術(shù)進(jìn)步實(shí)現(xiàn)農(nóng)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(yīng)值域并讓更多年份表現(xiàn)為過(guò)度儲(chǔ)存效應(yīng)，將是未來(lái)努力的目標(biāo)。

（二）農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放影響的實(shí)證結(jié)果分析

1.全局空間自相關(guān)檢驗(yàn)

莫蘭指數(shù)檢驗(yàn)結(jié)果既是判斷變量是否具有空間自相關(guān)性的重要依據(jù)，又是使用空間計(jì)量模型探討各變量之間作用關(guān)系的重要前提，同時(shí)它還可反映各變量的空間集聚程度抑或空間擴(kuò)散程度，進(jìn)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(shù)對(duì)被解釋變量以及相關(guān)解釋變量進(jìn)行檢驗(yàn)。結(jié)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(nóng)業(yè)能源碳排放強(qiáng)度于空間層面所受到的可能性影響，同時(shí)也限于篇幅，在此僅列出其對(duì)應(yīng)的莫蘭指數(shù)值，結(jié)果如表3所示。

由表3可知，在整個(gè)考察期內(nèi)，農(nóng)業(yè)能源碳排放強(qiáng)度的Morans'I值均大于0.1，且都在5%或者10%水平下通過(guò)顯著性檢驗(yàn)。由此可見(jiàn)，我國(guó)省域農(nóng)業(yè)能源碳排放強(qiáng)度存在顯著的空間自相關(guān)特征，具體表現(xiàn)為某個(gè)高值省份周邊伴隨著一個(gè)或多個(gè)高值省份，某個(gè)低值省份則通常與一個(gè)或多個(gè)低值省份相鄰。從時(shí)序演變軌跡來(lái)看，大致可劃分為“波動(dòng)下降—升降起伏—持續(xù)下降—快速上升”四個(gè)不同階段：2001—2008年為波動(dòng)下降期，雖年際間存在一定起伏，但總體下降趨勢(shì)較為明顯，Morans'I值由0.175降至0.132，降幅高達(dá)24.57%;2009—2012年為升降起伏期，Morans'I值經(jīng)歷了一個(gè)“先升、后降、再升”的變化過(guò)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(gè)考察期內(nèi)的最低紀(jì)錄;2017—2018年為快速上升期，僅僅兩年時(shí)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(shì)已然明顯。

2.農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度影響的結(jié)果分析

接下來(lái)就各變量對(duì)農(nóng)業(yè)碳排放強(qiáng)度的具體影響進(jìn)行探討。具體而言，首先通過(guò)對(duì)比面板數(shù)據(jù)OLS回歸模型Ⅰ、固定效應(yīng)模型Ⅱ與空間誤差模型Ⅲ的結(jié)果，可以證實(shí)加入空間效應(yīng)后的計(jì)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(yīng)。接下來(lái)，對(duì)加入空間效應(yīng)的空間面板模型進(jìn)行Hausman檢驗(yàn)以確定模型的最終形式，雙固定效應(yīng)Hausman檢驗(yàn)結(jié)果顯示，其統(tǒng)計(jì)量為16.37，且在1%水平下顯著，故本文確定雙固定效應(yīng)下的空間誤差模型與空間滯后模型為最終模型計(jì)量形式，相關(guān)實(shí)證結(jié)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(qiáng)度以及顯著性基本一致，所有變量均對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度產(chǎn)生了顯著性影響。在加入空間效應(yīng)（模型Ⅲ、Ⅳ）后，技術(shù)進(jìn)步與各控制變量的作用強(qiáng)度、作用方向也未發(fā)生太大變化，但通過(guò)比較發(fā)現(xiàn)，雙固定效應(yīng)下的空間誤差模型（模型Ⅲ）整體擬合效果最優(yōu)，故接下來(lái)基于此模型結(jié)果討論各解釋變量的影響作用，同時(shí)利用雙固定效應(yīng)下的空間滯后模型（Ⅳ）探討各變量的溢出效應(yīng)。具體而言，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的影響在1%水平下通過(guò)顯著性檢驗(yàn)且系數(shù)為負(fù)，表明碳排放強(qiáng)度隨著農(nóng)業(yè)技術(shù)的進(jìn)步呈現(xiàn)下降趨勢(shì)。至于其他控制變量，農(nóng)業(yè)發(fā)展水平與農(nóng)業(yè)公共投資均有效促進(jìn)了碳減排，而種植業(yè)占比、畜牧業(yè)占比與農(nóng)業(yè)受災(zāi)程度三個(gè)變量發(fā)揮的作用正好相反，均在一定程度上導(dǎo)致了農(nóng)業(yè)能源碳排放強(qiáng)度的增加。

溢出效應(yīng)方面，農(nóng)業(yè)技術(shù)進(jìn)步變量在1%水平下通過(guò)顯著性檢驗(yàn)，表明其對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度具有較強(qiáng)的空間溢出效應(yīng)。從具體作用力度來(lái)看，本地農(nóng)業(yè)技術(shù)進(jìn)步1個(gè)百分點(diǎn)，可促使周邊地區(qū)農(nóng)業(yè)能源碳排放強(qiáng)度降低0.120%。對(duì)此，可能的解釋是：一方面，周邊地區(qū)通過(guò)學(xué)習(xí)引進(jìn)先進(jìn)地區(qū)的優(yōu)良技術(shù)、專業(yè)知識(shí)以及管理經(jīng)驗(yàn)，促進(jìn)了其農(nóng)業(yè)能源碳排放強(qiáng)度的降低。具體表現(xiàn)為，通過(guò)這些先進(jìn)技術(shù)、知識(shí)和經(jīng)驗(yàn)的溢出，周邊地區(qū)實(shí)現(xiàn)了化肥與農(nóng)藥使用的減量、農(nóng)膜回收率的提升、農(nóng)機(jī)燃油消耗量的降低以及農(nóng)業(yè)灌溉用電量的減少，進(jìn)而在確保糧食產(chǎn)量與經(jīng)濟(jì)效益的前提下，農(nóng)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(jìn)地區(qū)雖保持著相互交流但也存在一定競(jìng)爭(zhēng)，由此倒逼其加大低碳生產(chǎn)技術(shù)研發(fā)力度，進(jìn)而達(dá)到降低碳排放強(qiáng)度的目的。具體而言，當(dāng)本地農(nóng)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(huì)不斷加強(qiáng)，整體節(jié)能減碳意識(shí)也隨之提升，但出于經(jīng)濟(jì)效益與減碳成效雙重競(jìng)爭(zhēng)的統(tǒng)籌考慮，它們會(huì)在學(xué)習(xí)和引進(jìn)先進(jìn)低碳生產(chǎn)技術(shù)、經(jīng)驗(yàn)的基礎(chǔ)上，加以改進(jìn)優(yōu)化抑或研發(fā)出更具優(yōu)勢(shì)的新興技術(shù)，以此實(shí)現(xiàn)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)與其能源碳減排的協(xié)同共進(jìn)?？刂谱兞糠矫?，農(nóng)業(yè)發(fā)展水平與農(nóng)業(yè)公共投資等變量具有顯著的負(fù)向溢出效應(yīng)，二者均在一定程度上抑制了鄰近地區(qū)農(nóng)業(yè)能源碳排放強(qiáng)度的提升;而種植業(yè)占比、畜牧業(yè)占比以及農(nóng)業(yè)受災(zāi)程度等變量表現(xiàn)出了顯著的正向溢出，即種植業(yè)和畜牧業(yè)比重提升、農(nóng)業(yè)受災(zāi)程度加劇導(dǎo)致了鄰近地區(qū)農(nóng)業(yè)能源碳排放強(qiáng)度的增加。綜合來(lái)看，實(shí)證結(jié)果有力支持了研究假設(shè)H2，即本地農(nóng)業(yè)技術(shù)進(jìn)步在降低自身農(nóng)業(yè)能源碳排放強(qiáng)度的同時(shí)產(chǎn)生了積極的空間溢出效應(yīng)，促進(jìn)了周邊地區(qū)農(nóng)業(yè)能源碳排放強(qiáng)度的降低。

3.穩(wěn)健性檢驗(yàn)

為確保研究結(jié)果的準(zhǔn)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(duì)其加入空間效應(yīng)后的結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。具體而言，模型Ⅴ、Ⅵ與模型Ⅶ、Ⅷ可分別依次驗(yàn)證各解釋變量對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的影響以及空間溢出效應(yīng)結(jié)果的穩(wěn)健性，相關(guān)實(shí)證結(jié)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(nóng)業(yè)技術(shù)進(jìn)步在模型Ⅴ、模型Ⅵ中的結(jié)果與模型Ⅲ幾無(wú)區(qū)別，在模型Ⅶ、模型Ⅷ中的結(jié)果也與模型Ⅳ持平;系數(shù)方面，使用不同空間權(quán)重矩陣時(shí)，其系數(shù)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(yīng)的影響程度較大，而距離較遠(yuǎn)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(shù)結(jié)果依次由大至小排列?？刂谱兞糠矫妫凶兞康娘@著性和系數(shù)均基本保持了一致，符合不同模型設(shè)定之間存在的差異。由此可見(jiàn)，模型Ⅲ與模型Ⅳ的結(jié)果十分穩(wěn)健。

四、結(jié)論與啟示

本文基于我國(guó)30個(gè)省（區(qū)、市）的面板數(shù)據(jù)，在進(jìn)行理論分析的基礎(chǔ)上，通過(guò)構(gòu)建回彈效應(yīng)模型探討了技術(shù)進(jìn)步背景下我國(guó)農(nóng)業(yè)能源碳排放的回彈效應(yīng);同時(shí)借助OLS回歸、個(gè)體固定效應(yīng)、空間誤差以及空間滯后等模型系統(tǒng)剖析了農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度所產(chǎn)生的影響，主要研究結(jié)論如下：

第一，2001—2018年我國(guó)農(nóng)業(yè)能源碳排放削減量處于上升趨勢(shì)，而碳排放回彈量存在較大波動(dòng)，碳排放總體存在部分回彈效應(yīng)，其均值為0.176。具體而言，2001—2006年、2007—2012年、2013—2018年三個(gè)不同階段農(nóng)業(yè)能源碳排放均表現(xiàn)為部分回彈效應(yīng)，其回彈效應(yīng)值依次為0.234、0.097和0.194?？疾斓?8年中，有10個(gè)年份為部分回彈效應(yīng)、5個(gè)年份為過(guò)度儲(chǔ)存效應(yīng)、3個(gè)年份出現(xiàn)回火效應(yīng)?；鼗鹦?yīng)出現(xiàn)之后，我國(guó)農(nóng)業(yè)能源碳排放會(huì)逐步轉(zhuǎn)變?yōu)椴糠只貜椥?yīng)，并最終呈現(xiàn)過(guò)度儲(chǔ)存效應(yīng)。

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

第三，農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度具有顯著的空間溢出效應(yīng)。具體表現(xiàn)為，農(nóng)業(yè)技術(shù)進(jìn)步1個(gè)百分點(diǎn)，可促使周邊地區(qū)農(nóng)業(yè)能源碳排放強(qiáng)度降低0.120%，即本地農(nóng)業(yè)技術(shù)進(jìn)步通過(guò)溢出效應(yīng)可對(duì)周邊地區(qū)農(nóng)業(yè)能源碳減排產(chǎn)生積極影響?？刂谱兞糠矫妫r(nóng)業(yè)發(fā)展水平與農(nóng)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(nóng)業(yè)能源碳排放強(qiáng)度的提升;而種植業(yè)占比、畜牧業(yè)占比以及農(nóng)業(yè)受災(zāi)程度等變量導(dǎo)致了鄰近地區(qū)農(nóng)業(yè)能源碳排放強(qiáng)度的增加。

鑒于農(nóng)業(yè)技術(shù)進(jìn)步滲透于農(nóng)業(yè)生產(chǎn)各個(gè)環(huán)節(jié)，本文中農(nóng)業(yè)能源碳排放測(cè)算指標(biāo)相較于前人研究考察更為全面，不僅選取了農(nóng)用柴油這一直接碳源，而且兼顧了化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)灌溉等間接碳源。同時(shí)，本文立足于技術(shù)進(jìn)步創(chuàng)造性地構(gòu)建了農(nóng)業(yè)能源碳排放回彈效應(yīng)模型，探討了我國(guó)農(nóng)業(yè)能源碳排放回彈效應(yīng)狀況及變動(dòng)趨勢(shì)。除此之外，在通過(guò)面板數(shù)據(jù)OLS、固定效應(yīng)模型以及空間誤差模型回歸揭示技術(shù)進(jìn)步可降低農(nóng)業(yè)能源碳排放強(qiáng)度的基礎(chǔ)上，利用空間滯后模型探討了技術(shù)進(jìn)步對(duì)于農(nóng)業(yè)能源碳排放強(qiáng)度是否具有溢出效應(yīng)。研究結(jié)論顯示，雖然個(gè)別年份農(nóng)業(yè)能源碳排放存在回火效應(yīng)，但隨后政府所采取的積極能效政策與農(nóng)業(yè)技術(shù)進(jìn)步雙重驅(qū)動(dòng)，又促使其朝向好的方向轉(zhuǎn)變。在此過(guò)程中，技術(shù)進(jìn)步在各地區(qū)農(nóng)業(yè)碳減排工作中所展現(xiàn)出的溢出效應(yīng)也發(fā)揮了極為重要的促進(jìn)作用。

為了更好地推進(jìn)農(nóng)業(yè)能源碳減排并確?！半p碳”目標(biāo)的早日實(shí)現(xiàn)，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(cái)政支持力度，推動(dòng)農(nóng)業(yè)技術(shù)創(chuàng)新，尤其需強(qiáng)化對(duì)碳減排顛覆性技術(shù)的研發(fā)。在保障糧食安全的前提下，我國(guó)農(nóng)業(yè)農(nóng)村實(shí)現(xiàn)“雙碳”目標(biāo)將面臨巨大挑戰(zhàn)。由于農(nóng)業(yè)勞動(dòng)力知識(shí)水平普遍受限，而各類(lèi)低碳技術(shù)紛繁復(fù)雜甚至還會(huì)導(dǎo)致生產(chǎn)成本的增加，因而較難在農(nóng)業(yè)生產(chǎn)者群體中得到推廣應(yīng)用，其減排成效也就難以顯現(xiàn)。為此，亟須國(guó)家層面加大補(bǔ)貼力度并輔以必要的技術(shù)研發(fā)專項(xiàng)資金，以突破增產(chǎn)減排中的“卡脖子”技術(shù)，研發(fā)并推廣運(yùn)用兼具“低成本、易操作”特性的顛覆性農(nóng)業(yè)低碳生產(chǎn)技術(shù)。二是政府部門(mén)應(yīng)強(qiáng)化能效政策的正確引導(dǎo)，加速農(nóng)業(yè)部門(mén)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(zhuǎn)型。政府部門(mén)在制定相關(guān)能效政策時(shí)，應(yīng)吸納“過(guò)度儲(chǔ)存效應(yīng)”年份的先進(jìn)經(jīng)驗(yàn)，反思并改良“回火效應(yīng)”年份中的不適政策。與此同時(shí)，政策中強(qiáng)調(diào)能源利用轉(zhuǎn)型既不能僅針對(duì)化石能源低碳化，又不能一味偏向可再生能源，而應(yīng)堅(jiān)持二者協(xié)同推進(jìn)。除此之外，在全面推動(dòng)“化石能源低碳化+可再生能源”模式時(shí)，需對(duì)其成本與成效進(jìn)行適時(shí)評(píng)估，以探尋規(guī)模化使用路徑。三是制定并完善區(qū)域技術(shù)標(biāo)準(zhǔn)，積極引導(dǎo)地區(qū)間交流互動(dòng)，助力核心技術(shù)推廣應(yīng)用。鑒于短期內(nèi)較難制定適用于全國(guó)范圍的技術(shù)標(biāo)準(zhǔn)，可考慮在資源稟賦、地理?xiàng)l件等相似的區(qū)域制定技術(shù)標(biāo)準(zhǔn)，以識(shí)別出增產(chǎn)減排關(guān)鍵技術(shù)，而后充分利用技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源碳排放強(qiáng)度的負(fù)向溢出效應(yīng)，借以破除相關(guān)核心技術(shù)在推廣實(shí)踐中的諸多障礙。而隨著技術(shù)標(biāo)準(zhǔn)愈發(fā)完善，區(qū)域內(nèi)形成技術(shù)交流的良性互動(dòng)，進(jìn)而不斷推動(dòng)技術(shù)革新并形成區(qū)域間流動(dòng)，最終輻射到全國(guó)各地。 [Reform]

參考文獻(xiàn)

[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(guó)農(nóng)業(yè)碳排放的結(jié)構(gòu)、效率及其決定機(jī)制[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2014（7）：18-26.

[5]田云，張俊飚，尹朝靜，等.中國(guó)農(nóng)業(yè)碳排放分布動(dòng)態(tài)與趨勢(shì)演進(jìn)——基于31個(gè)省（市、區(qū)）2002—2011年的面板數(shù)據(jù)分析[J].中國(guó)人口·資源與環(huán)境，2014（7）：91-98.

[6]何艷秋，戴小文.中國(guó)農(nóng)業(yè)碳排放驅(qū)動(dòng)因素的時(shí)空特征研究[J].資源科學(xué)，2016（9）：1780-1790.

[7]褚力其，姜志德，任天馳.中國(guó)農(nóng)業(yè)碳排放經(jīng)驗(yàn)分解與峰值預(yù)測(cè)——基于動(dòng)態(tài)政策情景視角[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2020（10）：187-201.

[8]鄧悅，崔瑜，盧瑋楠，等.市域尺度下中國(guó)農(nóng)業(yè)低碳發(fā)展水平空間異質(zhì)性及影響因素——來(lái)自種植業(yè)的檢驗(yàn)[J].長(zhǎng)江流域資源與環(huán)境，2021（1）：147-159.

[9]田成詩(shī)，陳雨.中國(guó)省際農(nóng)業(yè)碳排放測(cè)算及低碳化水平評(píng)價(jià)——基于衍生指標(biāo)與TOPSIS法的運(yùn)用[J].自然資源學(xué)報(bào)，2021（2）：395-410.

[10] 李國(guó)志，李宗植.中國(guó)農(nóng)業(yè)能源消費(fèi)碳排放因素分解實(shí)證分析——基于LMDI模型[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2010（10）：66-72.

[11] 韓岳峰，張龍.中國(guó)農(nóng)業(yè)碳排放變化因素分解研究——基于能源消耗與貿(mào)易角度的LMDI分解法[J].當(dāng)代經(jīng)濟(jì)研究，2013（4）：47-52.

[12] 戴小文，何艷秋，鐘秋波.中國(guó)農(nóng)業(yè)能源消耗碳排放變化驅(qū)動(dòng)因素及其貢獻(xiàn)研究——基于Kaya恒等擴(kuò)展與LMDI指數(shù)分解方法[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2015（11）：1445-1454.

[13] 徐家鵬.中國(guó)農(nóng)業(yè)能源消耗與CO2排放：趨勢(shì)及減排路徑——基于Holt-Winter無(wú)季節(jié)性模型和“十三五”的預(yù)測(cè)[J].生態(tài)經(jīng)濟(jì)，2016（2）：122-126.

[14] 史常亮，郭焱，占鵬，等.中國(guó)農(nóng)業(yè)能源消費(fèi)碳排放驅(qū)動(dòng)因素及脫鉤效應(yīng)[J].中國(guó)科技論壇，2017（1）：136-143.

[15] 馬大來(lái).中國(guó)農(nóng)業(yè)能源碳排放效率的空間異質(zhì)性及其影響因素——基于空間面板數(shù)據(jù)模型的實(shí)證研究[J].資源開(kāi)發(fā)與市場(chǎng)，2018（12）：1693-1700.

[16] 魏瑋，文長(zhǎng)存，崔琦，等.農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源使用與碳排放的影響——基于GTAP-E模型分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2018（2）：30-40.

[17] 張永強(qiáng)，田媛，王珧，等.農(nóng)村人力資本、農(nóng)業(yè)技術(shù)進(jìn)步與農(nóng)業(yè)碳排放[J].科技管理研究，2019（14）：266-274.

[18] 趙芝俊，張社梅.農(nóng)業(yè)技術(shù)進(jìn)步源泉及其定量分析[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2005（S1）：70-75.

[19] 顧海英.農(nóng)業(yè)技術(shù)進(jìn)步的內(nèi)涵與作用探討[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，1994（4）：24-27.

[20] 雷振丹，陳子真，李萬(wàn)明.農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)碳排放效率的非線性實(shí)證[J].統(tǒng)計(jì)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(chǎn)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(zhǎng)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(nóng)業(yè)碳效應(yīng)驅(qū)動(dòng)機(jī)理研究[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)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