朱前濤，秦 昊

（蘭州財(cái)經(jīng)大學(xué)a.公共管理學(xué)院；b.財(cái)政與稅務(wù)學(xué)院，蘭州 730020）

1 引言與文獻(xiàn)綜述

溫室氣體過(guò)度排放導(dǎo)致的全球氣候變化已經(jīng)成為阻礙人類(lèi)生存與發(fā)展的嚴(yán)肅問(wèn)題，引起了世界各國(guó)的廣泛關(guān)注。我國(guó)政府秉承人類(lèi)命運(yùn)共同體的可持續(xù)發(fā)展觀，積極承擔(dān)溫室氣體減排責(zé)任，2020年9 月提出了2030年實(shí)現(xiàn)“碳達(dá)峰”、2060年實(shí)現(xiàn)“碳中和”的“雙碳”目標(biāo)，彰顯了我國(guó)的大國(guó)擔(dān)當(dāng)。盡管第二、三產(chǎn)業(yè)碳減排是我國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)的工作重心，但農(nóng)業(yè)碳排放問(wèn)題仍然值得引起各界的重視[1]。據(jù)統(tǒng)計(jì)，我國(guó)農(nóng)業(yè)源溫室氣體排放量約占全國(guó)溫室氣體排放量的17%[2]。我國(guó)提出了加速農(nóng)業(yè)綠色減排、促進(jìn)農(nóng)業(yè)固碳、提升生態(tài)農(nóng)業(yè)碳匯等要求，這也意味著對(duì)農(nóng)業(yè)碳排放研究的重要性和必要性已經(jīng)達(dá)到了新高度[3]。而財(cái)政支農(nóng)作為我國(guó)政府調(diào)節(jié)農(nóng)業(yè)生產(chǎn)的主要手段，對(duì)促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型、推動(dòng)綠色新型農(nóng)業(yè)發(fā)展有較強(qiáng)的導(dǎo)向作用，環(huán)境友好型農(nóng)業(yè)的規(guī)劃繞不開(kāi)財(cái)政支農(nóng)。因此，理清農(nóng)業(yè)碳排放與財(cái)政支農(nóng)間的影響關(guān)系，對(duì)我國(guó)農(nóng)村“雙碳”目標(biāo)的實(shí)現(xiàn)具有重要的現(xiàn)實(shí)意義。

學(xué)界對(duì)農(nóng)業(yè)碳排放開(kāi)展了廣泛研究。部分學(xué)者從農(nóng)業(yè)碳排放的主要驅(qū)動(dòng)因素入手，對(duì)農(nóng)業(yè)碳排放的碳源分類(lèi)、碳排放系數(shù)以及測(cè)算指標(biāo)體系進(jìn)行了完善[3-6]，使得農(nóng)業(yè)碳排放的計(jì)算精度與科學(xué)性得到了提高；部分學(xué)者在環(huán)境庫(kù)茲涅茨曲線(xiàn)的基礎(chǔ)上繼續(xù)拓展，在得出我國(guó)農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)等變量間呈倒“U”型或“N”型關(guān)系后進(jìn)行了深層次的經(jīng)濟(jì)規(guī)律分析[7-9]；部分學(xué)者以空間計(jì)量為工具，從環(huán)境規(guī)制、農(nóng)業(yè)技術(shù)效率、農(nóng)業(yè)產(chǎn)業(yè)集聚、農(nóng)業(yè)生產(chǎn)效率、城鎮(zhèn)化水平、農(nóng)地經(jīng)營(yíng)規(guī)模等角度出發(fā)探索其對(duì)農(nóng)業(yè)碳排放強(qiáng)度的空間溢出效應(yīng)[10-15]；部分學(xué)者則立足于我國(guó)農(nóng)村在實(shí)現(xiàn)“雙碳”目標(biāo)過(guò)程中的困難現(xiàn)狀，深入分析了農(nóng)業(yè)碳減排背后的主要阻力與矛盾所在[16-18]，為我國(guó)低碳農(nóng)業(yè)的發(fā)展與政府的政策制定提供了寶貴建議。財(cái)政支農(nóng)作為我國(guó)調(diào)控農(nóng)業(yè)生產(chǎn)、改善鄉(xiāng)村環(huán)境的主要政策工具，學(xué)者也對(duì)其開(kāi)展了廣泛研究。財(cái)政支農(nóng)能夠有效促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)結(jié)構(gòu)升級(jí)以及農(nóng)民脫貧增收[19-20]、改善農(nóng)村居民消費(fèi)結(jié)構(gòu)以及消費(fèi)支出比例[21]、優(yōu)化我國(guó)鄉(xiāng)村產(chǎn)業(yè)結(jié)構(gòu)以及帶動(dòng)城鎮(zhèn)化發(fā)展[22-23]。此外，財(cái)政支農(nóng)也存在政策外部性和一定程度的空間溢出效應(yīng)。在我國(guó)的科學(xué)治理框架下，各?。ㄊ校╅g與城鄉(xiāng)間區(qū)域關(guān)聯(lián)性不斷增強(qiáng)，人員、技術(shù)、資本等要素的區(qū)域流動(dòng)性不斷提高，使得我國(guó)財(cái)政支農(nóng)政策的實(shí)施具有空間上的相關(guān)性與溢出性[22，24]。

綜上所述，學(xué)界對(duì)我國(guó)農(nóng)業(yè)碳排放與財(cái)政支農(nóng)的研究已經(jīng)十分豐富，但鮮有研究將財(cái)政支農(nóng)投入與農(nóng)業(yè)碳排放結(jié)合起來(lái)。財(cái)政支農(nóng)對(duì)農(nóng)業(yè)碳排放是否存在顯著的空間溢出效應(yīng)？財(cái)政支農(nóng)對(duì)農(nóng)業(yè)碳排放的影響是正向還是負(fù)向？基于此，本文以2011—2020年我國(guó)30 個(gè)省份（因數(shù)據(jù)缺失，不包括港澳臺(tái)、西藏）面板數(shù)據(jù)為根據(jù)，選取11 個(gè)農(nóng)業(yè)碳源測(cè)算農(nóng)業(yè)碳排放，采用空間全局莫蘭指數(shù)分析兩者的空間相關(guān)性和集聚特征，借助空間面板計(jì)量模型，構(gòu)建各省經(jīng)濟(jì)發(fā)展與農(nóng)業(yè)生產(chǎn)的控制變量，實(shí)證分析財(cái)政支農(nóng)對(duì)農(nóng)業(yè)碳排放影響的空間溢出效應(yīng)，以期為我國(guó)財(cái)政支農(nóng)與“雙碳”目標(biāo)的實(shí)現(xiàn)提供可行建議。

2 理論分析與研究假設(shè)

農(nóng)林水財(cái)政資金的投入直接為農(nóng)村地區(qū)完善了農(nóng)業(yè)生產(chǎn)所需的基礎(chǔ)設(shè)施，如水庫(kù)、電站和防沙帶等公共與準(zhǔn)公共產(chǎn)品，提高了農(nóng)村植樹(shù)造林面積、種植合理程度和農(nóng)業(yè)災(zāi)害治理率等，加速了農(nóng)村生態(tài)固碳，并抑制了農(nóng)業(yè)碳源擴(kuò)張。此外，財(cái)政支農(nóng)促進(jìn)了農(nóng)業(yè)技術(shù)進(jìn)步，多種支農(nóng)財(cái)政補(bǔ)貼提高了低碳農(nóng)藥化肥使用率、廢棄資源回收利用率和綠色生產(chǎn)效率等，一定程度上改善了農(nóng)業(yè)粗放式生產(chǎn)狀況，有效減少了農(nóng)業(yè)碳排放[25]。

財(cái)政支農(nóng)一定程度上彌補(bǔ)了長(zhǎng)期以來(lái)的工農(nóng)業(yè)剪刀差，支農(nóng)補(bǔ)貼向農(nóng)民提供了使用農(nóng)機(jī)與農(nóng)用化學(xué)品等生產(chǎn)要素的“碳足跡優(yōu)惠”，在農(nóng)村老齡化、空心化與兼業(yè)化趨勢(shì)不斷加深的背景下，農(nóng)民的低碳意識(shí)往往會(huì)為了收入讓步，因此，為了提高生產(chǎn)效率、避免減產(chǎn)，農(nóng)民傾向于選擇“要素?cái)D兌”的生產(chǎn)方式去大量使用農(nóng)機(jī)與農(nóng)用化學(xué)品，農(nóng)民群體“用腳投票”導(dǎo)致了農(nóng)業(yè)碳排放提高。此外，支農(nóng)資金的投入完善了農(nóng)業(yè)基礎(chǔ)設(shè)施，為農(nóng)民高頻率灌溉、放牧和翻耕等行為提供了便利，促進(jìn)了農(nóng)業(yè)生產(chǎn)規(guī)模擴(kuò)張，這些碳排放足跡的提高導(dǎo)致了農(nóng)業(yè)碳排放居高不下[26]，并可能存在一定的擠出效應(yīng)，削弱了財(cái)政支農(nóng)的碳減排效果，使得財(cái)政支農(nóng)對(duì)農(nóng)業(yè)碳排放的總體效應(yīng)表現(xiàn)為正向促進(jìn)。由上述分析可知，財(cái)政支農(nóng)對(duì)農(nóng)業(yè)碳排放的促進(jìn)與抑制效果兼存，因此提出假設(shè)1 和假設(shè)2。

H1：可能存在抵消效應(yīng)，使得財(cái)政支農(nóng)與農(nóng)業(yè)碳排放之間不存在顯著的影響關(guān)系。

H2：財(cái)政支農(nóng)通過(guò)多維途徑影響農(nóng)業(yè)碳排放，使得兩者最終呈現(xiàn)出顯著的促進(jìn)或抑制關(guān)系。

結(jié)合上述假設(shè)，再?gòu)目臻g視角上分析財(cái)政支農(nóng)與農(nóng)業(yè)碳排放的關(guān)系。財(cái)政支農(nóng)下高碳排放的“要素?cái)D兌”農(nóng)業(yè)生產(chǎn)模式也會(huì)引發(fā)周邊地區(qū)的學(xué)習(xí)與模仿，通過(guò)農(nóng)民群體的“同群效應(yīng)”與“學(xué)習(xí)效應(yīng)”拉動(dòng)鄰近區(qū)域碳排放升高[14]。此外，在“雙碳”目標(biāo)的號(hào)召下，部分省份率先將財(cái)政支農(nóng)政策向低碳農(nóng)業(yè)傾斜，若能夠取得良好的農(nóng)村碳減排成果，鄰近省份往往會(huì)進(jìn)行政策效仿，可能會(huì)敦促周邊省份達(dá)成農(nóng)業(yè)碳減排目標(biāo)。由此可推測(cè)，財(cái)政支農(nóng)對(duì)鄰近地區(qū)的農(nóng)業(yè)碳排放存在一定的空間溢出效應(yīng)，在此基礎(chǔ)上提出假設(shè)3。

H3：財(cái)政支農(nóng)對(duì)其他地區(qū)農(nóng)業(yè)碳排放具有顯著的空間溢出效應(yīng)。

3 變量選擇與模型建立

3.1 變量選擇

3.1.1 被解釋變量：農(nóng)業(yè)碳排放（AC）

本文中，農(nóng)業(yè)碳排放由種植業(yè)碳排放和禽畜養(yǎng)殖碳排放的絕對(duì)量構(gòu)成。學(xué)界傾向于將種植業(yè)碳排放定義為生產(chǎn)全過(guò)程中由人類(lèi)活動(dòng)造成的各類(lèi)碳源產(chǎn)生的CO2、N2O 和CH4等溫室氣體[27]，因此，要將農(nóng)業(yè)生產(chǎn)過(guò)程產(chǎn)生的溫室氣體折算成CO2當(dāng)量進(jìn)行碳排放計(jì)算與匯總。參考學(xué)界已建立的核算體系與方法[6]，在選取柴油、農(nóng)藥、化肥、農(nóng)膜、灌溉和翻耕六類(lèi)種植業(yè)碳源的基礎(chǔ)上，考慮到禽畜養(yǎng)殖溫室氣體排放已經(jīng)超過(guò)交通運(yùn)輸業(yè)，成為不可忽視的一類(lèi)碳源[27]，并且我國(guó)農(nóng)村地區(qū)長(zhǎng)期保留禽畜養(yǎng)殖與廠區(qū)規(guī)模化養(yǎng)殖的傳統(tǒng)，因此，本文將禽畜養(yǎng)殖[豬、牛（非奶牛）、奶牛、羊和禽]碳排放也劃歸為農(nóng)業(yè)碳排放，碳排放計(jì)算公式見(jiàn)式（1）：

對(duì)于六類(lèi)種植業(yè)碳源來(lái)說(shuō)，E 為農(nóng)業(yè)碳排放總量，Ei為各類(lèi)碳源的碳排放，Ti分別為柴油、農(nóng)藥、化肥和農(nóng)膜的實(shí)際使用量以及實(shí)際灌溉面積、農(nóng)作物實(shí)際播種面積，δi為各類(lèi)碳源的碳排放系數(shù)（見(jiàn)表1）。

對(duì)于禽畜養(yǎng)殖碳源來(lái)說(shuō)，E 為農(nóng)業(yè)碳排放總量；Ei為各類(lèi)碳源的碳排放；Ti表示平均飼養(yǎng)數(shù)量，為了科學(xué)計(jì)算，本文參考張金鑫等[5]的做法，設(shè)置飼養(yǎng)周期超過(guò)一年的牛（非奶牛）、奶牛、羊的Ti=（當(dāng)年年末存欄量+上年年末存欄量）/2，設(shè)置飼養(yǎng)周期未達(dá)一年的豬、禽的Ti=[（生命周期/365）×年末出欄量]，其中豬、禽的生命周期定為200、55；δi為各類(lèi)碳源的碳排放系數(shù)（見(jiàn)表1）。

表1 農(nóng)業(yè)碳排放的碳源以及碳排放系數(shù)

3.1.2 核心解釋變量：財(cái)政支農(nóng)強(qiáng)度（FSA）

反映財(cái)政支農(nóng)的政策強(qiáng)度較為直觀的方法是計(jì)算支農(nóng)資金支出占比，這種計(jì)算方法可以消除各省域由于農(nóng)業(yè)規(guī)模、農(nóng)業(yè)經(jīng)濟(jì)水平和農(nóng)民人數(shù)不同導(dǎo)致的財(cái)政支出絕對(duì)規(guī)模的差異，客觀反映各省域財(cái)政對(duì)三農(nóng)的支持強(qiáng)度。考慮到我國(guó)財(cái)政支農(nóng)資金項(xiàng)目種類(lèi)繁多，且各地區(qū)農(nóng)村發(fā)展情況不同，使用單一支農(nóng)資金科目不能如實(shí)反映財(cái)政支農(nóng)強(qiáng)度，因此，本文選用各省農(nóng)業(yè)部門(mén)的財(cái)政支出占全部財(cái)政支出的比例衡量各省財(cái)政支農(nóng)強(qiáng)度。

3.1.3 控制變量

按照上文分析，農(nóng)業(yè)碳排放受到多種外界因素的影響，除了核心解釋變量外，參考其他學(xué)者的研究思路[11-14]，總結(jié)歸納可能會(huì)影響農(nóng)業(yè)碳排放的因素作為控制變量。本文以農(nóng)業(yè)機(jī)械化程度（AM）、農(nóng)民人均耕地占有面積（ACL）、土地生產(chǎn)率（LP）、農(nóng)村太陽(yáng)能覆蓋面積（ASE）、農(nóng)村經(jīng)濟(jì)水平（AGDP）作為控制變量。各變量的計(jì)算方法與描述性統(tǒng)計(jì)見(jiàn)表2。

表2 各變量的描述性統(tǒng)計(jì)

需要說(shuō)明的是，控制變量中的農(nóng)村經(jīng)濟(jì)水平（AGDP）與土地生產(chǎn)率（LP）計(jì)算中涉及到的價(jià)格數(shù)據(jù)，均采用2011年不變價(jià)格，以消除通貨膨脹與價(jià)格波動(dòng)的影響。被解釋變量、核心解釋變量和控制變量計(jì)算中需要的數(shù)據(jù)，均來(lái)源于各?。ㄊ校v年統(tǒng)計(jì)年鑒和歷年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)機(jī)械工業(yè)年鑒》《中國(guó)財(cái)政年鑒》。

3.2 模型建立

3.2.1 空間自相關(guān)檢驗(yàn)

對(duì)變量進(jìn)行空間相關(guān)性分析之前，首先要確定其是否存在空間效應(yīng)。本文選擇計(jì)算莫蘭指數(shù)（Moran's I）來(lái)證實(shí)研究對(duì)象的空間效應(yīng)。構(gòu)建全局莫蘭指數(shù)模型，對(duì)財(cái)政支農(nóng)強(qiáng)度與農(nóng)業(yè)碳排放的空間自相關(guān)性進(jìn)行檢驗(yàn)。公式見(jiàn)式（2）：

式（2）中，I 表示全局莫蘭指數(shù)，n 表示測(cè)度省份的個(gè)數(shù)；xi、xj為觀測(cè)值，即本文中的省份i 和j的財(cái)政支農(nóng)強(qiáng)度及農(nóng)業(yè)碳排放；為財(cái)政支農(nóng)強(qiáng)度與農(nóng)業(yè)碳排放的平均值；wij表示空間權(quán)重矩陣，為了更好度量自變量與因變量的空間相關(guān)性，本文選擇地理距離（兩地質(zhì)心距離倒數(shù)的平方）矩陣。全局莫蘭指數(shù)的取值范圍為[-1，1]，當(dāng)I=0 或趨近于0 時(shí)，說(shuō)明變量間不存在空間相關(guān)性，在空間上隨機(jī)分布；當(dāng)I＜0 時(shí)，表示存在空間負(fù)相關(guān)，呈現(xiàn)分散的特征；當(dāng)I＞0 時(shí)，代表存在空間正相關(guān)，呈現(xiàn)集聚的特征。

3.2.2 空間計(jì)量模型

變量通過(guò)全局莫蘭指數(shù)檢驗(yàn)后，要依據(jù)拉格朗日乘子（LM）檢驗(yàn)、Hausman 檢驗(yàn)、似然比（LR）檢驗(yàn)和Wald 檢驗(yàn)的結(jié)果來(lái)確定空間計(jì)量模型。空間計(jì)量模型主要包括空間杜賓模型（SDM）、空間滯后模型（SAR）和空間誤差模型（SEM）。SAR 在學(xué)界通常用于分析變量是否存在區(qū)域外溢出效應(yīng)；SEM 可以分析位置差異引起的區(qū)域間相互作用形式的差異，SDM 不僅能夠分析劃定的區(qū)域內(nèi)變量關(guān)系，還能考察該區(qū)域與鄰域的滯后變量對(duì)該區(qū)域的影響，并可退化為SAR 與SEM，較另外兩個(gè)空間模型具有全面性與靈活性等優(yōu)勢(shì)，具體要以模型的LM 檢驗(yàn)、LR 檢驗(yàn)與Wald 檢驗(yàn)結(jié)果來(lái)判斷SDM 模型是否會(huì)退化為SAR 或SEM，再根據(jù)Hausman 檢驗(yàn)的結(jié)果來(lái)判斷隨機(jī)效應(yīng)與固定效應(yīng)模型的選用。

遵循一般到特殊的建模思路，本文選擇構(gòu)建杜賓模型如式（3）：

其中，α0為常數(shù)項(xiàng)，yit為被解釋變量農(nóng)業(yè)碳排放，xit為包括財(cái)政支農(nóng)強(qiáng)度在內(nèi)的自變量，ω 為空間權(quán)重陣，εit為隨機(jī)擾動(dòng)項(xiàng)，μi為個(gè)體固定效應(yīng)，υt為時(shí)間固定效應(yīng)，ρ、β 和θ 為待估系數(shù)。對(duì)自變量與因變量取對(duì)數(shù)并進(jìn)行縮尾處理，以消除異方差和極端數(shù)值對(duì)實(shí)證結(jié)果的影響。后續(xù)分析中，將在使用地理距離矩陣的基礎(chǔ)上，考慮經(jīng)濟(jì)距離對(duì)變量的影響，引入經(jīng)濟(jì)地理嵌套矩陣進(jìn)行穩(wěn)健性檢驗(yàn)，以克服權(quán)重矩陣設(shè)定時(shí)的誤差。

4 農(nóng)業(yè)碳排放分布特點(diǎn)與變化趨勢(shì)

4.1 2011—2020年各地區(qū)農(nóng)業(yè)碳排放與變化趨勢(shì)

在進(jìn)行實(shí)證分析之前，首先測(cè)算農(nóng)業(yè)碳排放。按照國(guó)家統(tǒng)計(jì)局對(duì)我國(guó)區(qū)域的劃分標(biāo)準(zhǔn)，將本文觀測(cè)的30 個(gè)省劃分為東部、中部和西部地區(qū)，按照碳排放系數(shù)與測(cè)算方法計(jì)算各地區(qū)2011—2020年的平均農(nóng)業(yè)碳排放，結(jié)果如表3所示。各區(qū)域平均農(nóng)業(yè)碳排放的變化趨勢(shì)如圖1 所示。

表3 2011—2020年?yáng)|部地區(qū)、中部地區(qū)、西部地區(qū)和全國(guó)平均農(nóng)業(yè)碳排放（單位：萬(wàn)噸）

圖1 各區(qū)域平均農(nóng)業(yè)碳排放變化趨勢(shì)

4.2 2011—2020年各地區(qū)農(nóng)業(yè)碳排放的變化原因與分析

如圖1 與表3 所示，我國(guó)平均農(nóng)業(yè)碳排放在2015年前呈總體上升趨勢(shì)，并在2015年達(dá)到了排放量頂峰，此后持續(xù)下降，但在2020年略有回升，這也與其他學(xué)者預(yù)測(cè)結(jié)果一致[13]。2015年后農(nóng)業(yè)碳排放的降低與國(guó)家在當(dāng)年推行實(shí)施的農(nóng)藥化肥零增長(zhǎng)等一系列低碳農(nóng)業(yè)政策有直接關(guān)系，這說(shuō)明農(nóng)業(yè)碳排放具有一定程度的政策敏感性，因此，我國(guó)仍需持續(xù)貫徹落實(shí)低碳農(nóng)業(yè)政策，防止在未來(lái)發(fā)生碳排放反彈。按地區(qū)來(lái)分析，農(nóng)業(yè)碳排放呈現(xiàn)出西部地區(qū)＞中部地區(qū)＞東部地區(qū)的典型特征，原因在于：西部地區(qū)除了種植業(yè)以外，畜牧業(yè)發(fā)展規(guī)模遠(yuǎn)超全國(guó)其他地區(qū)，該產(chǎn)業(yè)具有分散性、模糊性和潛伏性等特點(diǎn)[18]，較難直接治理，且畜牧業(yè)的碳排放強(qiáng)度與碳足跡均高于種植業(yè)[27]，所以，西部地區(qū)的農(nóng)業(yè)碳排放高于其他地區(qū)。中部地區(qū)包括河南、黑龍江、湖北和湖南等幾個(gè)傳統(tǒng)農(nóng)業(yè)大省，在觀測(cè)時(shí)間之初和西部地區(qū)的平均農(nóng)業(yè)碳排放差距不大，但中部地區(qū)隨著低碳政策的實(shí)施與農(nóng)業(yè)生產(chǎn)方式的調(diào)整獲得了良好農(nóng)業(yè)減碳效果，中部和西部地區(qū)農(nóng)業(yè)碳排放差距持續(xù)拉大。而東部地區(qū)作為我國(guó)的發(fā)達(dá)地區(qū)，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型以及農(nóng)業(yè)生產(chǎn)率的提升處于全國(guó)領(lǐng)先地位，因此，農(nóng)業(yè)碳排放低于中部和西部地區(qū)。若從2011—2020年的農(nóng)業(yè)碳減排絕對(duì)量來(lái)分析，中部地區(qū)減排582.84 萬(wàn)噸，超出全國(guó)平均值200.64 萬(wàn)噸；東部地區(qū)減排501.17 萬(wàn)噸，超出全國(guó)平均值118.97 萬(wàn)噸；西部地區(qū)減排117.3 萬(wàn)噸，與全國(guó)平均值還有264.9 萬(wàn)噸的減排差距。因此，接下來(lái)我國(guó)碳減排工作的重心要向西部地區(qū)的農(nóng)牧業(yè)傾斜，并合理制定各地區(qū)的農(nóng)業(yè)碳減排政策。

5 實(shí)證結(jié)果與分析

5.1 空間自相關(guān)檢驗(yàn)結(jié)果

運(yùn)用Stata16.0 軟件對(duì)公式（2）進(jìn)行估計(jì)，得出農(nóng)業(yè)碳排放與財(cái)政支農(nóng)強(qiáng)度的全局莫蘭指數(shù)，如表4 所示。2011—2020年農(nóng)業(yè)碳排放和財(cái)政支農(nóng)強(qiáng)度的全局莫蘭指數(shù)均通過(guò)了1%水平下的顯著性檢驗(yàn)，且全為正值，表明兩者均存在顯著全局正向空間相關(guān)性，并呈現(xiàn)集聚的特征。從時(shí)間趨勢(shì)來(lái)看，農(nóng)業(yè)碳排放的全局莫蘭指數(shù)嚴(yán)格遞增，財(cái)政支農(nóng)強(qiáng)度的全局莫蘭指數(shù)波動(dòng)上升，表明兩者的空間關(guān)聯(lián)性與集聚程度在逐漸增強(qiáng)。

表4 2011—2020年農(nóng)業(yè)碳排放和財(cái)政支農(nóng)強(qiáng)度的全局莫蘭指數(shù)及檢驗(yàn)結(jié)果

5.2 空間計(jì)量模型選擇

上文中全局莫蘭指數(shù)的顯著說(shuō)明了變量存在空間相關(guān)性，可以進(jìn)一步分析空間計(jì)量模型的選擇。依次進(jìn)行LM、LR、Wald、Hausman 和聯(lián)合顯著性檢驗(yàn)，檢驗(yàn)結(jié)果如表5 所示，地理距離矩陣（W1）與經(jīng)濟(jì)地理嵌套矩陣（W2）均通過(guò)了LM 檢驗(yàn)，說(shuō)明模型存在空間交互效應(yīng)，且空間滯后模型更加顯著；W1與W2的LR、Wald 檢驗(yàn)結(jié)果均在1%與5%水平下通過(guò)了顯著性檢驗(yàn)，說(shuō)明拒絕了原假設(shè)，即SDM 不會(huì)退化為SAR 或SEM。Hausman 檢驗(yàn)與聯(lián)合顯著性檢驗(yàn)的結(jié)果說(shuō)明個(gè)體固定效應(yīng)、時(shí)間固定效應(yīng)與雙固定效應(yīng)均在1%水平下顯著，因此，應(yīng)選擇雙固定效應(yīng)空間杜賓模型。

表5 LM、LR、Wald、Hausman 和聯(lián)合顯著性檢驗(yàn)結(jié)果

5.3 財(cái)政支農(nóng)強(qiáng)度效應(yīng)對(duì)農(nóng)業(yè)碳排放的空間面板回歸結(jié)果分析

使用雙固定空間杜賓模型的估計(jì)結(jié)果如表6所示。首先，W1與W2的空間自回歸系數(shù)（rho）都在1%水平下顯著，這說(shuō)明了農(nóng)業(yè)碳排放具有正向空間溢出效應(yīng)，即在“同群效應(yīng)”下，本省農(nóng)業(yè)碳排放的改變會(huì)帶動(dòng)鄰近地區(qū)同向改變，這與其他學(xué)者的估計(jì)一致[32]。此外W1的空間自回歸系數(shù)小于W2的空間自回歸系數(shù)，說(shuō)明在考慮到經(jīng)濟(jì)距離與地理距離的情況下農(nóng)業(yè)碳排放的空間溢出效應(yīng)更強(qiáng)。模型Ⅰ與模型Ⅱ的財(cái)政支農(nóng)強(qiáng)度對(duì)農(nóng)業(yè)碳排放的主效應(yīng)與空間效應(yīng)均顯著，證明了財(cái)政支農(nóng)強(qiáng)度對(duì)農(nóng)業(yè)碳排放具有顯著的空間溢出效應(yīng)，結(jié)合全局莫蘭指數(shù)檢驗(yàn)結(jié)果可以證實(shí)假設(shè)3 成立。模型Ⅰ中，財(cái)政支農(nóng)強(qiáng)度對(duì)農(nóng)業(yè)碳排放的回歸系數(shù)為0.106 且通過(guò)了顯著性檢驗(yàn)，說(shuō)明財(cái)政支農(nóng)強(qiáng)度增加1%會(huì)使得農(nóng)業(yè)碳排放增加0.106%，正如上文所分析，財(cái)政支農(nóng)強(qiáng)度的提高給本省農(nóng)業(yè)生產(chǎn)變相提供了“碳足跡優(yōu)惠”，使得農(nóng)業(yè)碳排放提高，該結(jié)果證實(shí)了假設(shè)2 成立。控制變量回歸結(jié)果中，模型Ⅰ與模型Ⅱ中l(wèi)nAGDP、lnLP、lnACL 均正向顯著，說(shuō)明在本區(qū)域內(nèi)以上變量的增長(zhǎng)會(huì)刺激農(nóng)業(yè)碳排放的提高。出現(xiàn)這種結(jié)果的原因可能是：我國(guó)農(nóng)業(yè)生產(chǎn)長(zhǎng)期存在老齡化、空心化和分散化等弊病，土地生產(chǎn)率、農(nóng)業(yè)經(jīng)濟(jì)水平和人均耕地面積的提高往往伴隨著農(nóng)業(yè)擴(kuò)張式與粗放式發(fā)展，農(nóng)民通過(guò)“要素?cái)D兌”來(lái)追逐生產(chǎn)紅利[12]，大規(guī)模使用農(nóng)用化學(xué)品與農(nóng)機(jī)、放牧、翻耕和灌溉等要素來(lái)保證農(nóng)業(yè)增產(chǎn)、維持收入，因此，模型中顯著的控制變量與農(nóng)業(yè)碳排放同向變化，也側(cè)面說(shuō)明了這些變量對(duì)環(huán)境具有負(fù)外部性。

表6 空間杜賓模型的估計(jì)結(jié)果

由表6 可知，模型Ⅰ與模型Ⅱ各變量的系數(shù)符號(hào)、顯著性特征基本一致，表明本文構(gòu)建的實(shí)證模型具有較強(qiáng)的穩(wěn)健性。

由表6 可以得知，被解釋變量空間自相關(guān)系數(shù)（rho）顯著且不為0，此時(shí)不能直接使用Wx的回歸系數(shù)衡量變量間的空間溢出效應(yīng)[33]，因此，采用偏微分法將模型Ⅰ的回歸結(jié)果分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)。直接效應(yīng)表示本省區(qū)域內(nèi)變量間的影響關(guān)系和本省自變量對(duì)外省因變量產(chǎn)生影響后反饋給本省因變量的影響之和，間接效應(yīng)顯示了其他省的自變量對(duì)本省因變量的影響，總效應(yīng)為自變量對(duì)因變量的總影響，結(jié)果如表7 所示。

表7 空間杜賓模型的效應(yīng)分解

表7 中，財(cái)政支農(nóng)強(qiáng)度的直接、間接與總效應(yīng)均通過(guò)了1%水平的顯著性檢驗(yàn)，且系數(shù)均為正，說(shuō)明財(cái)政支農(nóng)為農(nóng)業(yè)生產(chǎn)提供的“碳足跡優(yōu)惠”使得某些地區(qū)農(nóng)民獲得了生產(chǎn)優(yōu)勢(shì)，農(nóng)民群體中存在的“同群效應(yīng)”與“學(xué)習(xí)效應(yīng)”會(huì)吸引外省農(nóng)民主動(dòng)選擇“要素?cái)D兌”生產(chǎn)方式，造成農(nóng)業(yè)碳排放的提高。換言之，財(cái)政支農(nóng)為農(nóng)民提供的“碳足跡優(yōu)惠”比財(cái)政支農(nóng)的碳減排效應(yīng)更容易被農(nóng)民群體接納，即“用腳投票”情況出現(xiàn)，同時(shí)該行為具有一定的空間溢出性，并在省域間傳播?？傮w來(lái)說(shuō)，財(cái)政支農(nóng)強(qiáng)度能顯著影響本省與鄰省的農(nóng)業(yè)碳排放，具有一定的空間溢出效應(yīng)，且表現(xiàn)為財(cái)政支農(nóng)強(qiáng)度與農(nóng)業(yè)碳排放正向變化，這也證明了假設(shè)2 和假設(shè)3 成立。

從控制變量的顯著水平來(lái)看，人均耕地面積與土地生產(chǎn)率的直接效應(yīng)、間接效應(yīng)與總效應(yīng)均正向顯著，說(shuō)明具有顯著的空間溢出性。人均耕地面積的擴(kuò)大與土地生產(chǎn)率的提高會(huì)使用更多的農(nóng)業(yè)生產(chǎn)要素，諸如柴油、化肥、農(nóng)藥等，在使用過(guò)程中排放大量溫室氣體導(dǎo)致農(nóng)業(yè)碳排放提高。農(nóng)村經(jīng)濟(jì)水平與農(nóng)業(yè)機(jī)械化程度的直接效應(yīng)顯著，但間接效應(yīng)與空間效應(yīng)不顯著，即兩者并未表現(xiàn)出空間溢出性，但會(huì)影響本區(qū)域內(nèi)農(nóng)業(yè)碳排放。農(nóng)村太陽(yáng)能覆蓋面積的直接效應(yīng)不顯著，間接效應(yīng)與總效應(yīng)在10%水平下正向顯著，這可能是因?yàn)樘?yáng)能在農(nóng)村地區(qū)的應(yīng)用范圍較為局限，無(wú)法實(shí)現(xiàn)大規(guī)模的能源替代，但也會(huì)為農(nóng)業(yè)生產(chǎn)過(guò)程提供一定支持，加速農(nóng)業(yè)生產(chǎn)過(guò)程中的灌溉、翻耕等碳源的碳排放，且具有空間溢出性。

6 多重共線(xiàn)性、單位根及協(xié)整性檢驗(yàn)

6.1 各變量的多重共線(xiàn)性檢驗(yàn)

為避免變量間的多重共線(xiàn)性對(duì)實(shí)證結(jié)果造成嚴(yán)重影響，本文使用Pearson 相關(guān)系數(shù)法與方差膨脹因子（VIF）檢驗(yàn)對(duì)各變量進(jìn)行多重共線(xiàn)性檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表8。Pearson 相關(guān)系數(shù)法規(guī)定了若變量之間不存在多重共線(xiàn)性，則相關(guān)系數(shù)不超過(guò)0.7，而本文設(shè)定的各變量間Pearson 相關(guān)系數(shù)絕對(duì)值均小于0.7。方差膨脹因子檢驗(yàn)假設(shè)若不存在多重共線(xiàn)性，則各變量的方差膨脹因子介于（1，10）區(qū)間，且方差膨脹因子的均值大于1。如表8 所示，各變量中方差膨脹因子最大值為5.10，方差膨脹因子平均值為2.65，滿(mǎn)足不存在多重共線(xiàn)性的兩個(gè)條件。因此，結(jié)合Pearson 相關(guān)系數(shù)與方差膨脹因子檢驗(yàn)結(jié)果可以說(shuō)明各變量間不存在多重共線(xiàn)性。

表8 各變量的Pearson 相關(guān)系數(shù)與方差膨脹因子檢驗(yàn)結(jié)果

6.2 各變量的單位根檢驗(yàn)與協(xié)整檢驗(yàn)

對(duì)模型設(shè)定中的各變量進(jìn)行單位根檢驗(yàn)與協(xié)整檢驗(yàn)，旨在驗(yàn)證回歸結(jié)果的真實(shí)性，防止出現(xiàn)偽回歸。其中，運(yùn)用HT、IPS 和LLC 檢驗(yàn)對(duì)變量的單位根進(jìn)行檢驗(yàn)。由于本文所使用的面板數(shù)據(jù)屬于短面板，適合使用HT 檢驗(yàn)和IPS 檢驗(yàn)對(duì)變量的平穩(wěn)性進(jìn)行考量，但為了提高檢驗(yàn)的完整度與可靠性，額外增加了LLC 檢驗(yàn)。檢驗(yàn)結(jié)果如表9 所示，各變量均通過(guò)了單位根檢驗(yàn)，表現(xiàn)出變量的平穩(wěn)性，但因?qū)Σ糠肿兞窟M(jìn)行了一階和二階差分處理，而在原始模型中本文仍舊使用原序列進(jìn)行回歸，因此，需對(duì)面板數(shù)據(jù)模型進(jìn)行協(xié)整檢驗(yàn)[11]，所得結(jié)果如表10 所示。協(xié)整檢驗(yàn)結(jié)果顯示Pedroni 檢驗(yàn)、Kao 檢驗(yàn)和Westerlund 檢驗(yàn)均顯著通過(guò)協(xié)整檢驗(yàn)。綜合單位根檢驗(yàn)和協(xié)整檢驗(yàn)結(jié)果，說(shuō)明變量存在長(zhǎng)期均衡關(guān)系，不存在偽回歸情況。

表9 各變量單位根檢驗(yàn)結(jié)果

表10 變量的協(xié)整檢驗(yàn)結(jié)果

結(jié)合多重共線(xiàn)性檢驗(yàn)、單位根檢驗(yàn)和協(xié)整檢驗(yàn)結(jié)果可知，本文建立的模型較為平穩(wěn)，不存在多重共線(xiàn)性與偽回歸現(xiàn)象，回歸結(jié)果可靠。

7 結(jié)論與建議

本文在2011—2020年我國(guó)30 個(gè)省份的面板數(shù)據(jù)的基礎(chǔ)上，測(cè)算了2011—2020年農(nóng)業(yè)碳排放的絕對(duì)量并分區(qū)域分析了平均碳排放的變化趨勢(shì)，采用空間全局莫蘭指數(shù)分析了財(cái)政支農(nóng)強(qiáng)度與農(nóng)業(yè)碳排放的空間相關(guān)性，隨后建立空間杜賓模型，對(duì)財(cái)政支農(nóng)強(qiáng)度與農(nóng)業(yè)碳排放的空間溢出效應(yīng)進(jìn)行了探討，得出了以下結(jié)論。

第一，2011—2020年，全國(guó)平均碳排放先增加后減少，在2015年達(dá)到了頂峰，隨后開(kāi)始緩慢下降，在2020年略有起伏。分區(qū)域來(lái)看，我國(guó)東部、中部和西部地區(qū)的碳排放均呈現(xiàn)先上升后下降的波動(dòng)趨勢(shì)，西部地區(qū)2011—2020年平均農(nóng)業(yè)碳排放領(lǐng)先于中部和東部地區(qū)，且高于全國(guó)平均碳排放水平。從碳減排層面來(lái)看，中部地區(qū)的農(nóng)業(yè)碳減排效果最為顯著，東部地區(qū)次之，西部地區(qū)碳減排效果最差?？傮w來(lái)說(shuō)，我國(guó)農(nóng)業(yè)碳減排取得了一定成效，但仍需進(jìn)一步穩(wěn)固減排成果。

第二，從空間自相關(guān)性來(lái)看，財(cái)政支農(nóng)強(qiáng)度與農(nóng)業(yè)碳排放的全局莫蘭指數(shù)均為正并通過(guò)顯著性檢驗(yàn)，表明兩者均存在顯著全局正相關(guān)，兩者的全局莫蘭指數(shù)呈現(xiàn)波動(dòng)遞增的趨勢(shì)，表明隨著時(shí)間推移，財(cái)政支農(nóng)強(qiáng)度與農(nóng)業(yè)碳排放的空間集聚程度呈總體提高的趨勢(shì)。

第三，從空間杜賓模型與效應(yīng)分解結(jié)果來(lái)看，財(cái)政支農(nóng)強(qiáng)度、人均耕地面積與土地生產(chǎn)率的直接效應(yīng)、間接效應(yīng)和總效應(yīng)均顯著且系數(shù)大于0，說(shuō)明這些變量會(huì)正向影響本省的農(nóng)業(yè)碳排放，也會(huì)正向影響相鄰省份農(nóng)業(yè)碳排放，即具有顯著的空間溢出性。

根據(jù)以上結(jié)論，本文提出以下建議：

第一，繼續(xù)堅(jiān)定推行農(nóng)業(yè)低碳政策。從全國(guó)平均農(nóng)業(yè)碳排放可以看出，我國(guó)各地區(qū)在過(guò)去十年農(nóng)業(yè)低碳政策均取得了十分顯著的成效，但仍存在個(gè)別年份波動(dòng)的趨勢(shì)。因此，一是要繼續(xù)推行農(nóng)業(yè)低碳政策，加大對(duì)農(nóng)業(yè)綠色生產(chǎn)的宣傳與培訓(xùn)力度，將低碳意識(shí)牢植于廣大農(nóng)村區(qū)域與農(nóng)民群體。二是提升對(duì)低碳低毒農(nóng)用化學(xué)品、高效率低污染的新型農(nóng)機(jī)的使用面積與補(bǔ)貼范圍，加速農(nóng)業(yè)廢棄物與動(dòng)物糞便的回收與處理流程。三是科學(xué)利用農(nóng)業(yè)碳排放的空間溢出性，爭(zhēng)取實(shí)現(xiàn)我國(guó)農(nóng)村“以點(diǎn)帶面”的碳減排傳播機(jī)制，為我國(guó)“雙碳”目標(biāo)的實(shí)現(xiàn)邁出堅(jiān)實(shí)步伐。

第二，充分考慮各地區(qū)農(nóng)業(yè)碳減排的區(qū)域?qū)嶋H，實(shí)行差異化的碳減排步驟與目標(biāo)。我國(guó)國(guó)土幅員遼闊，各地區(qū)農(nóng)業(yè)資源稟賦存在顯著差異，不能用一致化的標(biāo)準(zhǔn)要求各地區(qū)實(shí)現(xiàn)農(nóng)業(yè)碳減排。對(duì)于農(nóng)業(yè)欠發(fā)達(dá)且畜牧產(chǎn)業(yè)為重的西部地區(qū)，要意識(shí)到碳減排的艱難性，通過(guò)財(cái)政的合理支持和引導(dǎo)，妥善配置、利用和發(fā)揮其資源稟賦優(yōu)勢(shì)，促進(jìn)西部農(nóng)業(yè)碳減排。對(duì)于經(jīng)濟(jì)發(fā)達(dá)的東部地區(qū)，要堅(jiān)持“先富帶動(dòng)后富”、積極發(fā)揮“涓滴效應(yīng)”在中部和西部地區(qū)的經(jīng)濟(jì)發(fā)展及農(nóng)業(yè)碳減排中的作用。對(duì)我國(guó)糧食主要產(chǎn)地的中部地區(qū)，要在保證我國(guó)糧食安全與耕地紅線(xiàn)的基礎(chǔ)上，探索低碳農(nóng)業(yè)的有效模式，開(kāi)拓中部地區(qū)農(nóng)業(yè)發(fā)展活力與農(nóng)業(yè)碳減排并重的農(nóng)業(yè)“雙驅(qū)動(dòng)”發(fā)展良好局面。

第三，優(yōu)化升級(jí)現(xiàn)有的財(cái)政支農(nóng)政策，合理解決農(nóng)村“用腳投票”的狀況。一是充分考慮當(dāng)前農(nóng)民生產(chǎn)的窘迫境況與實(shí)際訴求，避免出現(xiàn)“一刀切”的情況，將財(cái)政支農(nóng)資金用在能滿(mǎn)足綠色農(nóng)業(yè)生產(chǎn)需要、促進(jìn)農(nóng)業(yè)碳減排的刀刃上。二是堅(jiān)持全國(guó)上下一盤(pán)棋，做好各省份農(nóng)業(yè)生產(chǎn)與碳減排的協(xié)調(diào)規(guī)劃、統(tǒng)籌安排，充分發(fā)揮我國(guó)財(cái)政支農(nóng)的特點(diǎn)與優(yōu)勢(shì)。三是持續(xù)加大對(duì)低碳農(nóng)業(yè)的研發(fā)與補(bǔ)貼力度，讓低碳農(nóng)用品逐步替代高污染農(nóng)用品，降低“要素?cái)D兌”式農(nóng)業(yè)生產(chǎn)方式對(duì)碳排放的影響，讓財(cái)政補(bǔ)貼落到實(shí)處，使農(nóng)民群體在碳減排過(guò)程中真正受益，引導(dǎo)農(nóng)民群體自愿走上綠色生產(chǎn)的道路，實(shí)現(xiàn)財(cái)政支農(nóng)“四兩撥千斤”的減碳效果。

第四，意識(shí)到財(cái)政支農(nóng)促進(jìn)農(nóng)業(yè)碳減排是螺旋上升的過(guò)程，充分考慮支農(nóng)政策的歷時(shí)性與共時(shí)性問(wèn)題。實(shí)證結(jié)論表明財(cái)政支農(nóng)強(qiáng)度對(duì)農(nóng)業(yè)碳排放有正向激勵(lì)作用，但不能就此否定支農(nóng)財(cái)政的生態(tài)建設(shè)功能。作為強(qiáng)有力的政策工具，財(cái)政支農(nóng)取得了一系列的輝煌成就，但也有一定的時(shí)代適應(yīng)性與局限性。要在每個(gè)節(jié)點(diǎn)考慮發(fā)展環(huán)境的變化，充分考慮農(nóng)民群體的發(fā)展訴求與農(nóng)業(yè)碳減排的困難所在，兩者并非予舍予求的矛盾問(wèn)題，而是在當(dāng)前發(fā)展階段輔車(chē)相依的時(shí)代目標(biāo)。當(dāng)前的財(cái)政支農(nóng)也許不能實(shí)現(xiàn)顯著的農(nóng)業(yè)碳減排，但財(cái)政支農(nóng)的未來(lái)一定能兼顧農(nóng)村增收與綠色環(huán)保等多方訴求。在這個(gè)過(guò)程中，更需要政策制定者及時(shí)調(diào)整、合理規(guī)劃，以期實(shí)現(xiàn)財(cái)政支農(nóng)促進(jìn)碳減排的螺旋式上升。