張 杰，陳 ?！?，劉 迪，耿甜偉，董嘉薇

（1.西北大學城市與環(huán)境學院，陜西西安 710127；2.陜西省地表系統與環(huán)境承載力重點實驗室，西安 710127）

0 引言

全球變暖是當今世界最為嚴峻的環(huán)境問題之一[1]。農業(yè)作為第二大溫室氣體排放源[2]，極大助推氣候變暖。中國農業(yè)碳排放量約占全國碳排放總量的17%[3]，農業(yè)碳減排刻不容緩。同時，我國農業(yè)生產方式以個體經營為主，兼有主體分散、農用地零散分布的特征，導致農戶農業(yè)機械和農業(yè)能源使用低效[4]，提高農戶農業(yè)碳排放效率是實現農村碳減排的重要途徑，也是鄉(xiāng)村振興的內在需要[5]。因此，探討農戶碳排放效率及多層次影響因素，對實現農村低碳高效發(fā)展、鄉(xiāng)村振興具有重要意義。

作為銜接經濟產出與環(huán)境影響的橋梁[6]，碳排放效率已成為學術界的重要議題[7]。農業(yè)碳排放效率指碳排放約束下農業(yè)生產效率水平[8]，相關研究立足不同尺度，聚焦于模型改進[9,10]、區(qū)域差異[11-13]、影響因素[3,7,8]等方面對農業(yè)碳排放效率進行了廣泛探討。從研究方法看，受限于傳統DEA模型無法有效解決生產過程中包含非期望產出和松弛性的局限性，改進模型如SBM模型[10]、隨機前沿模型（SFA）[14]、超效率DEA模型[15]及Malmquist指數法[9,13,16]等方法得到眾多學者的廣泛運用，其中，Undersirable Outputs-SBM模型剔除了松弛變量不自由變化對效率評價的影響，同時也為包含非期望產出指標的效率評價提供了新思路[17]。從研究尺度看，國內外學者對國家[18,19]、省域[3,7]、縣域[20]及村域[15]等不同空間尺度農業(yè)碳排放效率進行了廣泛探討，而分析微觀農戶農業(yè)碳排放效率及村域異質性研究鮮見報道[21]。從影響因素看，以往研究主要依托統計年鑒數據，表明農業(yè)發(fā)展水平、城市化水平等變量[3,8]對農業(yè)碳排放效率有顯著影響。傳統大尺度研究利于提供宏觀決策支持，但忽略了微觀層面具體限制性因素[22]，有學者認為農戶年齡、教育水平等個體因素和氣候、政策支持等環(huán)境因素會影響農戶農業(yè)碳排放及效率水平[2,21,23,24]，但多以定性分析為主，定量探究農戶農業(yè)碳排放效率及影響因素的研究少見。2018年中共中央、國務院頒發(fā)《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018-2022年）》強調鄉(xiāng)村振興不能以犧牲環(huán)境為代價，提出通過綠色低碳發(fā)展實現鄉(xiāng)村振興倡導的“產業(yè)興旺、生態(tài)宜居”，對鄉(xiāng)村振興在經濟和環(huán)境兩個方面均提出了要求，而農戶農業(yè)碳排放效率正是基于農業(yè)收入期望產出與農業(yè)碳排放非期望產出的綜合測度結果，因此探討農戶農業(yè)碳排放效率也是對鄉(xiāng)村振興成果的有效檢驗。

綜上，已有研究為文章提供了理論和方法借鑒，但對微觀農戶尺度農業(yè)碳排放效率差異及多層次影響因素定量化研究相對不足?；诖耍恼乱躁兾魇∶字h為例，采用Undersirable Outputs-SBM模型對農戶農業(yè)碳排放效率進行測度，分析農業(yè)碳排放效率的農戶差異，最后利用多層次模型揭示農戶農業(yè)碳排放效率的影響因素，為當地鄉(xiāng)村振興政策高效實施和農業(yè)農村低碳高效發(fā)展提供對策建議。

1 研究區(qū)概況與數據來源

1.1 研究區(qū)概況

陜西省米脂縣（109°49"E～110°29"E，37°39"N～38°5"N），面積1 178 km2，地表支離破碎，水土流失嚴重，年均降水量451.6 mm，地勢西北高，東南低，地形地貌空間差異較大，屬于典型黃土丘陵生態(tài)脆弱區(qū)。在長期發(fā)展過程中，米脂縣以特色種植、生態(tài)旅游和山地蘋果為依托，已形成“一村一品，一鄉(xiāng)一業(yè)”的農業(yè)發(fā)展模式。近年來，米脂縣大力推進鄉(xiāng)村振興示范村建設，農戶生計方式發(fā)生變化。由于村莊自然稟賦多樣，種植結構差異明顯，為探討和分析農戶農業(yè)能源投入量和利用效率差異研究，提供了較好的平臺。

1.2 數據來源與處理

采用隨機抽樣方式，考慮地形地貌差異和空間分布的均衡性，共選取57個村莊進行調研（圖1）。數據收集于2021年7月5—25日，共收集有效農戶問卷861份，有效率為96.5%，村均有效問卷數量為15.1份，收集有效村莊問卷57份，參考張紅娟等人的研究[25]發(fā)現樣本數據通過了最小樣本量檢驗。調研內容主要包括：（1）農戶種養(yǎng)殖情況，包括耕地面積、種植作物種類及面積、作物產量、出售量及出售價格、翻耕土地面積、化肥、農藥、農膜、農業(yè)機械柴油消耗量和養(yǎng)殖種類、數量；（2）農戶基本信息，包括年齡、務農年限、教育程度、務農收入、家庭年收入、家庭農業(yè)勞動力、是否加入合作社、是否享受惠農政策、信息獲取渠道及農業(yè)技能培訓次數等。

圖1 研究區(qū)位置與村莊選擇

環(huán)境變量數據來源：（1）米脂縣DEM數據來源于地理空間數據云（http://www.gscloud.cn/），空間分辨率為30 m，利用ArcGIS 10.2分區(qū)統計得到村莊平均高程和坡度，（2）村莊梯田、壩地、水澆地等地類面積、政府資金投入、村莊距離鄉(xiāng)鎮(zhèn)和縣城距離等通過與村莊負責人（村長或會計）座談獲取。

2 研究方法

2.1 農業(yè)碳排放測算

該文的農業(yè)碳排放指的是農戶的農業(yè)碳排放。參考相關研究成果[8,26,27]，結合研究區(qū)農業(yè)生產情況，從農業(yè)物資投入、土地翻耕和畜禽養(yǎng)殖三個方面測算農業(yè)碳排放。其中，農業(yè)物資投入為調研農戶上一年（2020年）化肥、農藥、農膜、農業(yè)機械柴油實際使用量，土地翻耕面積為上一年（2020年）調研農戶實際翻耕土地面積，畜禽養(yǎng)殖考慮豬、牛、羊三大主要牲畜的養(yǎng)殖數量[8,26]，參考前人[8,27]方法，確定農戶農業(yè)碳排放計算公式為：

式（1）中，c為某農戶農業(yè)碳排放總量；ci為第i類碳源的碳排放量；ei為第i類碳源投入總量；εi為碳源i的碳排放系數；參考相關研究[3,26,27]，化肥、農藥、農膜、農業(yè)機械柴油對應的碳排放系數值分別取0.896 kg C/kg、4.934 kg C/kg、5.180 kg C/kg和0.593 kg C/kg；土地翻耕的碳排放系數為312.600 kg C/km2；豬、牛、羊3種畜禽的碳排放系數值分別取34.091 kg C/（頭·年）、415.910 kg C/（頭·年）和35.182 kg C/（頭·年）。

2.2 農業(yè)碳排放效率測算

傳統DEA模型在測算效率時，忽視了投入產出變量的松弛性問題。SBM模型直接將松弛變量放到目標函數中來研究[28]，有效解決傳統DEA模型的缺陷；該文選用在SBM模型基礎上發(fā)展而來的Undersirable Outputs-SBM模型，從而能更加精確測算農戶農業(yè)碳排放效率。公式為：

式（2）（3）中，ρ*表示農戶農業(yè)碳排放效率值，范圍[0,1]；m、S1、S2分別代表投入、期望產出、非期望產出的個數；xi0、yg r0、yb r0分別代表評價單元在某階段的投入產出值；X、Yg、Yb分別為農戶投入向量、期望產出向量和非期望產出向量；S-、Sg、Sb分別表示投入、期望產出和非期望產出的松弛變量。當ρ*=1，即S-、Sg、Sb全部等于0時，決策單元有效，反之，當ρ*＜1時，決策單元無效，S-、Sg、Sb至少存在一個不為0值的情況，反映了投入要素存在冗余或產出要素存在不足，存在改進的空間。

在鄉(xiāng)村振興背景下，農業(yè)農村有了更好的發(fā)展契機。2018年中共中央、國務院頒發(fā)的《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018-2022年）》在發(fā)展格局上更加注重小農戶的作用，在發(fā)展質量上強調綠色發(fā)展，在發(fā)展水平上強調增加農民收入以鞏固脫貧攻堅成果。選取化肥、農藥、柴油施用量、農業(yè)勞動力、耕地面積和家禽養(yǎng)殖量6個指標作為投入變量[15,21]，以農戶農業(yè)收入和農業(yè)碳排放量分別作為期望產出和非期望產出變量[3,15,29]，用于測算農戶農業(yè)碳排放效率。其中，基于農戶尺度選取投入變量體現了注重小農戶的發(fā)展格局，產出變量的選取兼顧發(fā)展水平和發(fā)展質量兩個方面。

2.3 多層次模型

多層次模型考慮數據嵌套性，可解釋不同地理層次要素對農戶農業(yè)碳排放效率的影響[30]。模型分為兩層，第一層為農戶個體特征，第二層為農戶所處村莊的環(huán)境特征，農戶個體樣本嵌套于其所處的村莊樣本之中。采用隨機截距模型，使用Stata12.0軟件進行多層次模型分析。公式為：

式（4）中，Zij表示村莊j內農戶i的農業(yè)碳排放效率；Xij為個體變量，Yj為環(huán)境變量，農戶i（1～861）嵌套于村莊j（1～57）中；β、θ表示斜率項，分別表示農戶個體變量和村莊環(huán)境變量對農戶農業(yè)碳排放效率的影響；α表示誤差項；εij和μj分別表示農戶個體殘差和村莊環(huán)境殘差。參考以往學者研究[2,21,23]發(fā)現，農戶農業(yè)碳排放效率不僅受農戶個體特征、家庭整體狀況、社會經濟特征等個體變量的影響，還會受到外部環(huán)境因素的影響，如自然環(huán)境、政策環(huán)境、經濟環(huán)境等。結合米脂縣農戶調研問卷的實際情況，最終選擇農戶年齡[2,31]、務農年限[32]、教育水平[21,32]、家庭年收入[23]、農業(yè)技能培訓[21]、信息獲取渠道[21]和是否加入合作社[2]等7個農戶層面?zhèn)€體變量，高程[33]、坡度[34]、鄉(xiāng)村振興示范村[2]、政府支持力度[23]、“三田”面積占比[23]和距縣城距離[33]等6個村莊層面環(huán)境變量（表1）。其中，農戶的年齡、務農年限、受教育水平、家庭年收入等是較為常用的個體指標；農業(yè)技能培訓、信息獲取渠道、是否加入農業(yè)合作社等是基于米脂縣形成了“一村一品，一鄉(xiāng)一業(yè)”的農業(yè)發(fā)展模式，大多數村莊建立了農業(yè)合作社，政府組織專人對農戶進行農業(yè)技能培訓，但農戶參與度差異較大且農戶對于市場信息獲取不對稱，因此選取這3個具有地方特色的指標表征農戶的個體特征。村莊所在的高程、坡度，反映了當地的自然地理環(huán)境，資源稟賦的差異影響維持生產生活的方式不同，村莊距縣城的距離反映農戶出行、獲取資源與轉換資本的便利程度[33]，政府支持力度是代表政策環(huán)境的指標。需要說明的是，該文結合實際研究問題，參考宋博等人的研究[2]，選取農戶是否加入農業(yè)合作社和村莊是否為鄉(xiāng)村振興示范村兩個變量，目的是測度農業(yè)合作社和鄉(xiāng)村振興示范村對于農戶農業(yè)碳排放效率的影響；環(huán)境變量中選取“三田”面積占比是基于米脂縣實際情況的特殊性，用于表征所在村域的社會經濟發(fā)展狀況。

表1 農戶農業(yè)碳排放效率的多層次影響因素

3 結果分析

3.1 農戶碳排放及其效率分析

為深入探討農戶碳排放及其效率，該文從農戶整體和農戶類型兩個層面進行分析。其中，以農戶農業(yè)碳排放量與碳排放效率的均值為坐標原點[6,7,15]，將農戶劃分為4種類型：高碳高效農戶、高碳低效農戶、低碳高效農戶、低碳低效農戶。

就全體農戶而言，碳排放量低于500 kg的農戶占比55.98%，農業(yè)碳排放效率低于0.6的占比44.25%，說明大部分農戶農業(yè)碳排放量及效率較低且農戶間的碳排放量及效率差異明顯；示范村農業(yè)碳排放量小于500 kg的農戶占比49.48%，略低于非示范村的59.30%，但示范村農業(yè)碳排放量大于1 000 kg的農戶占比34.02%，高于非示范村的18.95%，示范村農戶普遍農業(yè)投資較大，農業(yè)碳排放量較多。示范村碳排放效率低于0.6的農戶占比34.36%，低于非示范村，但效率值在（0.8,1]的農戶占比高于非示范村，說明示范村農戶農業(yè)碳排放效率總體上高于非示范村農戶。需要說明的是，考慮米脂縣的人均耕地面積、農戶兼業(yè)和存在種植大戶的實際情況，在參考王帥等[15]基于村域尺度農業(yè)碳排放效率研究的基礎上，進行農戶農業(yè)碳排放及效率區(qū)間的劃分。

表2 調研農戶農業(yè)碳排放量及效率分布

就不同農戶類型而言（表3），高碳高效型農戶的特點是高碳排放、高效率，該類型農戶整體受教育程度較高、積極參加農業(yè)技能培訓、信息獲取渠道較多，家庭年收入較高，具有一定的風險承受能力，為了獲取最大收益，往往會投資過量，但效率相對較高。高碳低效型農戶特點是高碳排放、低效率，該類型農戶存在能源物資投入過量，但受限于教育水平偏低、較少參加農業(yè)技能培訓和信息獲取渠道較少，效率相對較低。低碳高效型農戶特點是低碳排放、高效率，該類型農戶普遍文化程度和家庭年收入較高、積極參加農業(yè)技能培訓和信息獲取渠道較廣，在農業(yè)生產活動中，往往以相對較少的能源投入和利用自身優(yōu)勢，提高物資和能源利用效率。低碳低效型農戶特點是低效率、低碳排放，該類型農戶往往文化程度較低、很少參加農業(yè)技能培訓且信息獲取渠道較少，往往根據已有種植經驗進行農業(yè)生產活動，家庭年收入低，投資意愿較低，年齡較大，對作物管理水平有限，導致效率較低。

表3 不同類型農戶特征

根據式（2）（3），測算得到農業(yè)能源物資投入產出冗余的農戶數量占比，用于分析不同類型農戶碳排放效率差異；表4為農業(yè)能源物資投入產出冗余的農戶數量占比。投入冗余指存在投入過量或浪費。整體而言，低碳低效農戶占比最高（31.40%），高碳低效型農戶占比最少（19.75%），農戶普遍存在農業(yè)產出不足的情況；同時，除高碳高效型農戶外，其他3種類型農戶在農業(yè)勞動力和耕地面積上冗余占比相對較高。

表4 農業(yè)能源物資投入產出冗余的農戶占比 %

示范村與非示范村下同一類型農戶的主要冗余類型差異明顯。①盡管農業(yè)產出不足和耕地面積冗余是高碳高效型農戶的主要冗余類型，但該類農戶在示范村的化肥冗余、農藥冗余和養(yǎng)殖投入冗余更高，這主要是因為示范村農戶享受較多的化肥、農藥和養(yǎng)殖補貼有關。②高碳低效型農戶在示范村的主要冗余類型為化肥冗余、農業(yè)產出不足、農藥冗余，在非示范村的主要類型為農業(yè)產出不足、農業(yè)勞動力冗余和耕地面積冗余；③盡管耕地面積冗余、農業(yè)產出不足和農業(yè)勞動力冗余為低碳高效型農戶的主要冗余類型，但該類農戶在示范村的占比更高，這主要是因為近年來示范村農戶多轉型種植山地蘋果，受蘋果生長周期的影響，種植初期轉型農戶收益較差，并在一定程度上導致農業(yè)勞動力和耕地投入的冗余過多。④農業(yè)產出不足和耕地面積冗余是低碳低效型農戶主要冗余類型，但該類農戶在示范村的化肥冗余和農藥冗余占比更高，在非示范村的農業(yè)勞動力冗余、農業(yè)機械冗余和養(yǎng)殖投入冗余占比更高。

示范村（或非示范村）不同類型農戶的冗余類型及占比差異明顯。①就示范村而言，高碳高效型農戶占比最高（44.31%），低碳低效型農戶最少（14.19%）；相較于高碳高效型農戶和低碳高效型農戶，高碳低效型農戶和低碳低效型農戶在化肥、農藥上冗余占比較多；與其他3種類型農戶相比，低碳高效型農戶在農業(yè)勞動力和耕地面積上冗余占比明顯較高。②就非示范村而言，低碳低效型農戶占比最高（40.18%），高碳高效型農戶占比最少（10.02%）；雖然4種類型農戶在化肥、農藥上冗余占比差異較小，但在其他冗余類型上存在明顯差異；盡管農業(yè)產出不足、耕地面積冗余、農業(yè)勞動力冗余和養(yǎng)殖投入冗余為高碳高效型農戶與低碳低效型農戶的主要冗余類型，但各類冗余占比差異較大。

3.2 影響因素分析

3.2.1 農戶農業(yè)碳排放影響因素分析

為分析不同農戶的農業(yè)碳排放差異，該文將農戶農業(yè)碳排放量作為因變量，以農戶特征作為自變量表征農戶差異，進行OLS經典線性回歸，結果見表5。OLS擬合結果表明：（1）各影響因子的VIF值均小于3，說明自變量之間不存在多重線性關系。（2）農戶年齡、務農年限、受教育水平和農業(yè)技能培訓次數是影響農戶農業(yè)碳排放量的主要因素。農戶農業(yè)碳排放量與農戶的年齡、務農年限負相關，即農戶年齡越大、務農年限越長，種植經驗較豐富，減少不必要的農業(yè)能源投入，農業(yè)碳排放量越低。接受種植培訓次數越多的農戶往往能科學耕作、合理投入農業(yè)物資，因此碳排放量相對較低。與文盲農戶相比，受教育水平為小學和初中的農戶農業(yè)碳排放量較低，但高中及以上的農戶農業(yè)碳排放量較高，這與此類農戶多較為年輕和經驗不足有關，說明在其他條件相同的情況下，具備一定的文化知識對于降低農業(yè)碳排放至關重要，但并非文化程度越高的農戶農業(yè)碳排放越低。

表5 農戶差異的碳排放影響因子OLS模型測算

3.2.2 農戶農業(yè)碳排放效率影響因素分析

為了分析不同層次變量對農戶農業(yè)碳排放效率差異的影響，該文擬通過多層次模型從農戶層面和村莊層面分析影響示范村農戶、非示范村農戶和全體農戶農業(yè)碳排放效率的具體限制性因子，先分別對示范村、非示范村和全體樣本農戶個體變量進行OLS普通線性回歸，結果顯示各因子的VIF值均小于5，說明各因子不存在多重線性關系。多層次模型結果見表6。

表6 多層次模型分析

從個體變量來看，務農年限和受教育水平是影響全體樣本農戶農業(yè)碳排放效率的主要因素；農戶務農年限越長，種植經驗越豐富，對于農業(yè)能源物資投入量的多寡和時間把握較準，農業(yè)物資投入能在較大程度上得到高效利用；相對于文盲農戶而言，受教育水平為小學、初中和高中及以上的農戶農業(yè)碳排放效率較高，但受教育水平初中的系數最大為0.158，說明農戶農業(yè)碳排放效率與受教育水平有關，但并不意味農戶受教育水平越高，農戶碳排放效率越高。務農年限、家庭年收入和受教育水平3個個體變量通過示范村農戶個體變量的顯著性檢驗，與全體樣本農戶相比，家庭年收入通過了示范村農戶的顯著性檢驗，這與示范村農戶農業(yè)投資熱情相對較高和有相關政策兜底，農戶風險承受能力較強有關；非示范村農戶多層次檢驗發(fā)現僅有農戶受教育水平這一個體變量通過顯著性檢驗，這可能與非示范村農戶組成結構較為復雜，且農戶農業(yè)碳排放效率普遍較低有關；受教育水平為小學、初中和高中及以上的農戶碳排放效率分別比文盲農戶高0.139、0.116和0.048，這可能與非示范村小學教育水平的農戶占比較高有關。從環(huán)境變量來看，鄉(xiāng)村振興示范村、政府支持力度和距縣城距離是影響農戶農業(yè)碳排放效率的主要環(huán)境變量。屬于鄉(xiāng)村振興示范村的農戶農業(yè)碳排放效率較高，說明鄉(xiāng)村振興示范村具有發(fā)展優(yōu)勢，農戶往往能更早享受相關政策紅利；政府支持力度與農戶農業(yè)碳排放效率正相關，這與政府給予農戶農機具購置補貼、種植特色作物補貼等激發(fā)農戶的積極性有關；距縣城距離與農戶農業(yè)碳排放效率負相關，說明交通便捷程度通過農戶的作物出售和農業(yè)能源物資購買影響效率。距縣城距離通過了示范村農戶環(huán)境變量的顯著性檢驗，與全體樣本農戶相比，環(huán)境變量中的政府支持力度未通過顯著性檢驗，這是由于示范村大多受到政策資金支持，示范村農戶之間差異不明顯。政府支持力度通過非示范村農戶環(huán)境變量顯著性檢驗，與全體樣本農戶相比，環(huán)境變量中距離縣城距離未通過顯著性檢驗，可能與非示范村農戶農業(yè)能源物資購買相對較少和作物較少出售有關；與示范村農戶相比，政府支持力度通過相關性檢驗，可能與非示范村農戶較少獲得政策資金支持有關。

表7 農戶農業(yè)碳排放效率影響因素穩(wěn)健性檢驗分析

3.3 農戶農業(yè)碳排放效率影響因素穩(wěn)健性檢驗

樣本數據中可能存在異常值對結果產生影響，在進一步剔除每個村莊異常數據的基礎上，將剩余的804份數據進行多層次模型的穩(wěn)健性檢驗，以增強結果的可靠性。通過剔除異常值后的回歸結果可以看出，雖然部分變量的系數發(fā)生一定變化，但核心解釋變量的顯著性并沒有發(fā)生明顯變化，新的回歸結果與前文基本一致，因此認為前文中基于多層次模型得到的結果是穩(wěn)健的。

4 結論與建議

4.1 結論

基于米脂縣57個村莊共861份農戶調研數據，運用Undersirable Outputs-SBM模型，從農戶層面分析農業(yè)碳排放及效率差異，利用多層次模型揭示影響農戶農業(yè)碳排放效率的因素。結論如下。

（1）研究區(qū)農戶整體農業(yè)碳排放效率較低，但示范村農戶農業(yè)碳排放效率高于非示范村農戶。低碳低效農戶占比最高，高碳低效型農戶占比最少，農戶普遍存在農業(yè)產出不足的情況；同時，除高碳高效型農戶外，其他3種類型農戶在農業(yè)勞動力和耕地面積上冗余占比相對較高。

（2）示范村與非示范村下同一類型農戶的主要冗余類型及其占比及示范村（或非示范村）不同類型農戶的冗余類型及占比差異明顯。

（3）年齡、務農年限和農業(yè)技能培訓與農戶農業(yè)碳排放量負相關，農戶具備一定的文化知識對于降低農業(yè)碳排放至關重要，但并非文化程度越高的農戶農業(yè)碳排放越低。

（4）就全體農戶而言，鄉(xiāng)村振興示范村、距縣城距離和政府支持力度是影響農戶農業(yè)碳排放效率的主要環(huán)境變量，務農年限和受教育水平是影響農戶農業(yè)碳排放效率的主要個體變量；示范村與非示范村農戶農業(yè)碳排放效率的影響因素亦有較大差異。

4.2 建議

針對鄉(xiāng)村衰落這一全球性焦點問題[36]，我國實施了鄉(xiāng)村振興戰(zhàn)略，強調在提高農民收入的同時，建設生態(tài)宜居的美麗鄉(xiāng)村。因此，關注微觀農戶層面農業(yè)碳排放效率差異及影響因素，并提出針對性的改進對策與措施意義重大。為進一步提高農戶農業(yè)碳排放效率，推動農業(yè)農村低碳高效發(fā)展，建議如下。

（1）結合實際情況對農戶進行種養(yǎng)殖技能培訓。雖然米脂縣已開展針對農戶的農業(yè)技能培訓，但農戶參與度不高，主要是受到自身文化教育水平的限制，因此建議培訓員應先與文化程度較高的農戶進行訪談交流，再進行實地培訓。

（2）加強基礎設施建設和應用現代科學技術。交通不便和降水少是米脂縣農業(yè)農村欠發(fā)達的兩個主要原因，因此需要進一步加強村莊主要干道硬化和應用現代科技如滴灌、噴灌技術等。

（3）通過農業(yè)規(guī)模化經營優(yōu)化農業(yè)投入。目前，米脂縣農業(yè)生產規(guī)模小且零散，規(guī)?；б嫔形达@現，應加快土地流轉，引導農戶轉變農業(yè)觀念，進行規(guī)模化生產經營，節(jié)約不必要的能源投入，提高效率。

該文基于861份農戶調研數據和57份村莊調研數據，從微觀視角出發(fā)，分析示范村和非示范村農戶農業(yè)碳排放量及效率的差異，并利用多層次模型從農戶個體和村莊兩個層次分析影響碳排放效率的影響因素。需要說明的是：不同層次碳排放效率及其影響因素具有動態(tài)性，該文雖然對農戶農業(yè)碳排放效率進行靜態(tài)分析，但還沒有通過連續(xù)的長時序面板數據對農戶農業(yè)碳排放效率進行動態(tài)評價；其次，該文利用多層次模型分析了不同變量對于農戶碳排放效率整體的影響，但并未分析這些變量如何影響以及在多大程度上影響農戶投入冗余和產出不足。因此，分析碳排放效率及其影響因素的動態(tài)性，探討各影響因素對碳排放效率影響程度將成為我們下一步要解決的問題。