粮食主产区农业碳排放效率时空演变及影响因素研究_侯宇.pdf

XINJIANG STATE FARMS ECONOMY2023年第04期“双碳”问题粮食主产区农业碳排放效率时空演变及影响因素研究1侯宇2张宏胜2杨尚钊1耿芳艳（1贵州大学经济学院，贵州 贵阳 550025；2贵阳人文科技学院，贵州 贵阳 550025）摘要：文章基于粮食主产区20012020年的面板数据，利用SBM-Undesirable模型和Malmquist-Lu-enberger生产率指数从静态和动态两个方面测度了粮食主产区农业碳排放效率，并结合Tobit模型探究影响粮食主产区农业碳排放效率变化的关键因素。结果表明：（1）粮食主产区农业碳排放效率均值为0.540，未达到有效状态；省域之间差别明显，只有辽宁长期处于有效状态，其余省份均为DEA无效。（2）粮食主产区农业碳排放综合效率总体呈波动上升趋势，年均增速为5.1%，前沿技术进步是促进农业碳排放效率增长的主要因素。各省份的农业碳排放综合效率值均大于1，前沿技术进步在各省份农业碳排放效率的增长上发挥的作用高于技术效率，纯技术效率与规模效率的贡献程度因省份不同而有所差异，但规模效率的贡献要明显大于纯技术效率。（3）农业经济发展水平和农村用电量对粮食主产区农业碳排放具有显著的正向作用；农业产业结构、城镇化水平、财政支农具有显著的负向作用；自然灾害与农产品价格体制改革并未通过显著性检验。基于此，提出了提高农业经济发展水平、推动新型城镇化高质量发展、加强农业科技创新和调整农业产业结构等政策建议。关键词：粮食主产区；农业碳排放效率；时空演变；影响因素基金项目贵州省科技平台及人才团队计划项目（项目编号：黔科合平台人才 2017 5647）；贵州省哲学社会科学规划项目（项目编号：22GZQN28）；贵阳人文科技学院科研项目（项目编号：2021rwjs029）。作者简介侯宇（1996-），男，安徽亳州人，硕士研究生，研究方向：农业经济管理；张宏胜（1993-），男，河南光山人，博士研究生，讲师，研究方向：农业资源与环境经济；杨尚钊（1996-），男，贵州大方人，硕士，讲师，研究方向：低碳农业；耿芳艳（1997-），女，贵州威宁人，硕士研究生，研究方向：农村发展与生态经济。一、引言众所周知，温室气体排放是引发全球气候变暖进而导致气候变化的重要因素，而已有研究指出，农业已经成为第二大温室气体排放源，其碳排放总量已占全球人为碳排放总量的23%1，其中，我国农业碳排放量占全球的12.54%2，因此，推动农业碳减排成为我国应对气候变化的重要抓手。粮食主产区作为我国重要的粮食生产基地，在确保国家粮食安全方面扮演了重要的角色；根据国家统计局统计数据显示：2020年全国粮食总产量为6.7亿吨，同比增长0.9%；而十三个粮食主产区粮食总产量高达5.3亿吨，占全国总量的比重为78.6%。但也要清楚地认识到，粮食主产区农业产业以种植业和畜牧业为主，其中，种植业中的土地利用和水稻种引用格式：侯宇，张宏胜，杨尚钊，等.粮食主产区农业碳排放效率时空演变及影响因素研究J.新疆农垦经济，2023（04）：53-65.532023年第04期新疆农垦经济XINJIANG STATE FARMS ECONOMY植以及畜牧业中动物反刍和粪便管理都是农业碳排放的主要来源。因此，为了更好地确保国家的粮食安全和承担碳减排义务，开展粮食主产区农业碳排放的相关问题研究就显得尤为重要。目前学术界关于农业碳排放系列研究已经取得较为丰硕的成果，主要集中在农业碳排放源的界定3-4、农业碳排放量的测算方法5-6、农业碳排放的驱动因素7-9等几个重要方面。而农业碳排放效率作为衡量低碳农业发展水平的重要评价指标自然也受到较多关注，主要涉及农业碳排放效率的测算和影响因素两个方面，在效率测算上，多数学者倾向于运用DEA-Malmquist指数分解法以及DEA-SBM模型10-12；而在影响因素方面，Tobit模型应用较为广泛13-14，此外还包括空间杜宾模型15。而就粮食主产区农业碳排放的研究，何慧爽等16利用灰色预测模型以及低碳目标情景对粮食主产区各省份农业碳排放减排压力进行探究，田云等17利用LMDI模型和脱钩模型对粮食主产区农业碳排放公平性进行了分析。综上所述，不难发现已有文献对农业碳排放进行了许多有价值的研究，但也存在些许不足，在粮食安全以及“双碳”目标大背景下，多数文献主要以国家层面的农业碳排放效率研究为主，对粮食主产区的研究较少；同样，在研究方法上多以单一方法为主，较少的从静态和动态两个方面去探究粮食主产区农业碳排放效率的变动特点。基于此，本文将研究视角和研究区域放在粮食主产区13个省份上，利用SBM-Undesirable模型和Malmquist-Luenberg-er生产率指数分解法对农业碳排放效率进行测度并分析其时空演变规律，进而运用Tobit模型探究影响粮食主产区农业碳排放效率变化的关键因素，相关研究结论的获取，以期能够进一步丰富粮食主产区农业碳排放效率的研究成果，同时也为粮食主产区开展低碳化农业生产提供一定的借鉴意义。二、研究方法、指标选取及数据来源（一）研究方法1.SBM-Undesirable模型本文在借鉴学者TONE18所提出的SBM-DEA模型的基础上，具体采用学者COOPER等19、田云和林子娟20等提出和使用的SBM-Undesirable模型来评价粮食主产区农业碳排放效率。该模型的基本原理为：假设生产系统中存在n个决策单元，且每个决策单元均有投入x Rm、期望产出ya Re、非期望产出yb Rf等三方面要素，则可定义矩阵如下：X=x1,x2,xn Rm n 0（1）Ya=ya1,ya2,yan Re n 0（2）Yb=yb1,yb2,ybn Rf n 0（3）矩阵中，R为实数向量集，m,e,f分别表示投入、期望产出和非期望产出的要素个数。则可定义生产可能集P如下：P=(x,ya,yb)|x X,yaYa,ybYb,0。由于CRS模式下的测算结果相较于VRS模式更能真实体现粮食主产区各省份农业碳排放效率的差异变化情况，因此，本文具体运用固定规模（CRS）模式下的SBM-Undesirable模型进行评价，模型如下：*=min1-1mi=1mS-ixi01+1e+f(j=1eSajyar0+k=1fSbkybh0)（4）s.t.|x0=X+S-ya0=Ya-Sayb0=Yb+SbS-0,Sa 0,Sb 0（5）其中，*表示研究目标的效率值，其数值范围在0到1之间，为非负权重向量，S-、Sa和Sb分别表示投入、期望产出和非期望产出的松弛变量，xi0、yar0和ybh0分表代表被评价的决策单元在某时段的投入产出值。当S-、Sa和Sb同时为0，此时*=1时，该决策单元位于效率前沿面上，表示有效，否则处于无效状态，需要通过松弛变量判断是否应该减少投入或增加产出，从而提高效率。2.Malmquist-Luenberger生产率指数鉴于SBM-Undesirable模型属于静态模型，无法从时间上进行动态分析决策单元效率变化情况，为了能从时间跨度去分析粮食主产区农业碳排放54XINJIANG STATE FARMS ECONOMY2023年第04期“双碳”问题效率的变动情况，本文还引入了基于方向距离函数的 Malmquist-Luenberger 生产率指数（ML 指数）。该指数在测算过程中不仅包括非期望产出的全要素生产率，还能从跨期动态分析被考察单元的效率变动问题。因此，结合CHUNG等21提出的方法，将构造ML全要素生产率指数，并定义为农业碳排放效率变动指数（CTFP），公式如下：CTFPt+1t=|1+Dt0(xt+1,yt+1,t+1,t+1)1+Dt0(xt,yt,t,t)1+Dt+10(xt+1,yt+1,t+1,t+1)1+Dt+10(xt,yt,t,t)12（6）EFFCt+1t=1+Dt0(xt+1,yt+1,t+1,t+1)1+Dt0(xt,yt,t,t)（7）TECHt+1t=|1+Dt0(xt,yt,t,t)1+Dt+10(xt,yt,t,t)1+Dt0(xt+1,yt+1,t+1,t+1)1+Dt+10(xt+1,yt+1,t+1,t+1)12（8）CTFP=EFFC TECH（9）上式中，农业碳排放效率变化率（CTFP）可以进一步分解成技术效率指数（EFFC）和前沿技术进步指数（TECH），此外，技术效率（EFFC）又可以分解成纯技术效率（PECH）和规模效率（SECH）。当CTFP时，说明期间农业碳排放效率有所增长，当CTFP时，表明农业碳排放效率下降。其中，则表明技术效率有所改善，反之倒退；表明前沿技术取得进步，反之亦然。3.Tobit模型在对农业碳排放效率进行有效测算后，为进一步探究影响农业碳排放效率变动的深层原因，有必要对粮食主产区农业碳排放效率影响因素展开分析。但由于DEA方法测算出的农业碳排放效率的取值范围在(0,1之间，数据呈现“归并数据”特征，如果直接运用普通最小二乘法进行回归，会出现参数估计值偏向0的情况，为此本文参考多数学者的做法13-14，运用因变量受限制的Tobit模型进行实证分析。模型公式如下：yi=Txi+ei,若Txi+ei y00,其他ei N(0,2),i=1,2,3,n（10）式中，yi为受限因变量，xi为解释变量，为回归系数。（二）农业碳排放效率评价指标体系的构建本文在参考钱丽14、曾大林22、田云和林子娟20等众多学者研究结论的基础上，以及充分结合指标体系构建的系统性、重要性、简洁性和可得性等原则，具体从劳动力、土地、化肥、机械动力以及灌溉等5个方面来确定农业投入变量，而农业产出变量沿用多数学者的做法，包括农林牧渔总产值的期望产出和农业碳排放量的非期望产出。而在粮食主产区农业碳排放量的测算上，本文选用经典IPCC法，并参考相关学者4-5农业碳排放公式构建方法的基础上，构建粮食主产区农业碳排放公式，其计算公式为：D=Di=Ti i（11）式中，D为农业碳排放总量，Di为各类碳源碳排放量，Ti为各碳排放源的量，i为各碳排放源的碳排放系数。具体从农地利用碳排放、水稻种植碳排放和畜禽养殖碳排放三个方面来确定农业碳排放源因子以及所对应的碳排放系数。农地利用包表1农业碳排放效率评价指标体系552023年第04期新疆农垦经济XINJIANG STATE FARMS ECONOMY含农用物资的投入和土壤翻耕两个方面，农地利用的碳排放源因子及相对应的系数主要参考美国橡树林国家实验室（ORNL）、联合国政府间气候变化专门委员会（IPCC）和南京农业大学农业资源和生态环境研究所（IREEA）等权威机构公布的数据；水稻种植根据不同地区水热条件差异，具体包括早稻、中稻和晚稻，其碳排放系数主要参考王明星等23、闵继胜和胡浩24的研究成果来确定；畜禽养殖品种的选择主要包括大牲畜牛、马、驴、骡、猪、山羊和绵羊，以及禽类，碳排放系数均来自IPCC。另外，在农业碳排放量测算的过程中除二氧化碳外还涉及甲烷和氧化亚氮，为了便于后续将碳排放量进行加总分析，根据IPCC（2007）第四次评估报告，统一将甲烷和氧化亚氮换算成标准碳，单位为万吨。（三）数据来源与处理本文以20012020年粮食主产区13个省份的农业投入和产出变量的面板数据进行农业碳排放效率的测度。其数据主要来自历年 中国统计年鉴 中国农村统计年鉴 中国农业统计年鉴 中国农业统计资料汇编（19492004）以及粮食主产区各省份的统计年鉴。考虑到以实际价格计算农林牧渔总产值无法进行纵向比较，实际测算过程中采用GDP平减指数法，以2001年为基期对各省各年的农林牧渔总产值进行价格平减。粮食主产区各省农业投入、产出变量的一般描述性统计结果如表2所示。三、实证结果与分析（一）基于 SBM-Undesirable 模型的农业碳排放效率评价基于上文所构建的农业碳排放效率评价指标体系，利用Matlab软件对20012020年粮食主产区13个省份农业碳排放综合效率进行有效测度，指标变量单位最小值最大值平均值标准差投入指标劳动力万人443.03 4