支農財政、技術進步偏向的農田利用碳排放效應研究

吳偉偉

（南昌大學經濟管理學院，江西 南昌 330031）

1 引言

氣候變暖是國際社會公認的全球性環境問題，而大氣中碳濃度的提高是氣候變暖的主要原因。一般認為地球系統包含4大碳排放庫，分別是大氣碳庫、海洋碳庫、陸地生態系統碳庫和巖石圈碳庫，其中陸地碳庫是最重要的碳庫，而土壤碳庫又占據了陸地碳庫的最大比例，達到80%以上。根據權威專家測算，中國1950—2005年中國土地利用變化的累積碳排放占全部人為源碳排放量的30%①http： //www.mlr.gov.cn/xwdt/jrxw/200912/t20091225_130977.htm。，黃賢金等的研究發現，1990—2010年期間，土地利用類型和管理方式變化造成了大量的陸地碳儲量損失②http： //news.nju.edu.cn/show_article_12_43948。。基于農田利用的農業開發活動，改變了地表的覆被和碳素循環的平衡，決定了陸地生態系統的有機碳儲備和釋放量，農田利用類型、開發管理方式都將影響農田利用碳排放及其在整個溫室氣體排放中的占比。中國是農業大國，由土地給養的人口規模排名全球第一，然而農業資源卻極其匱乏，人均耕地面積約為1.4畝，僅為世界平均水平的1/3。相比那些農業資源豐裕的國家，中國各農業區域在面對現有經濟發展水平和資源稟賦的條件下，形成了具有明顯地域特征的農田利用方式，產生的碳排放效應需深入探討。

20世紀初，中國開始實施農村稅費改革，農業政策發生了根本性轉向，“多予少取”“以工促農”的反哺型支農政策陸續出臺，各級政府逐步增加農業財政支出，對農田利用方式的轉型升級發揮了重要的推動作用。本文旨在研究中國日益增加的支農財政支出和農業技術進步路徑在促進農田利用方式轉型的同時，如何影響農田利用碳排放，以此窺探農業財政和技術進步的環境效率，為政府制定低碳農田利用方式的財政激勵政策提供依據，可能的貢獻和創新在于考查了支農財政影響農田利用碳排放與農業技術進步偏向的交互效應，并且在考慮種植結構差異的基礎上，識別該影響的區域異質性。

2 文獻回顧、影響機制分析與研究假設

2.1 農田利用碳排放產生足跡及其影響因素

農田利用系統的碳排放主要通過土壤和植被的呼吸作用將固定的CO2排放到大氣中，在厭氧條件下，土壤中的一部分有機碳以及被固定的碳還會以CH4的形式排放到大氣中[1]，HOUGHTON、CAMPBELL等認為農田管理活動是決定陸地與大氣之間碳凈通量的重要因素，管理方式轉變對CO2濃度升高具有直接的影響效應，受耕作制度、種植方式和化肥投入等因素干預的農田生態系統對碳儲量的影響非常顯著[2-3]。在農村勞動力大規模轉移到非農部門之后，以勞動力投入為主的傳統農田利用方式受到沖擊，碳排放快速增長[4]，有研究認為改變對能源具有一定依賴或者能影響土壤有機質和碳儲量的農業資本要素投入，會對農田利用碳排放產生顯著影響[5]，比如化肥施用可以通過增加土壤中的作物殘茬和影響土壤微生物量及其活性途徑影響有機碳儲量，但過分依賴無機肥也可能降低土地肥力，從而降低土壤的固碳功能。趙榮欽等綜述了土地利用變化對碳排放的影響[6]，農田利用類型轉變對碳排放的影響視轉變方向不同而呈現差異[7-8]，農地利用的內部結構即非農田利用占比也將對碳排放產生顯著影響[10]。在不改變農田利用類型的前提下，合理的利用方式和保護性耕作能增加土壤的碳匯功能，從而有利于碳減排[9]。已有研究發現農業財政產生的碳排放效應與財政補貼方式密切相關，SERRA等認為脫鉤農業補貼政策有利于降低農藥的使用量，進而減少碳排放和環境污染[11]，TAHERIPOUR等認為農業直接補貼與環境稅結合實施一定程度上可以降低氮污染[12]。多數研究肯定了技術進步的減排效應，例如李凱杰等認為相對于短期技術進步，長期技術進步的減排效應更明顯[13]，張兵兵等基于全行業數據的研究發現技術進步可以降低碳排放強度，但影響存在行業異質性[14]，張文彬等研究發現環境技術和資本體現式技術有利于降低碳排放[16]。

2.2 支農財政、技術進步偏向及其交互作用的農田利用碳排放效應

農田利用同時具備碳“源”和碳“匯”功能，農田利用方式變革促進了農業資本要素投入量遞增，增加碳排放源，而保護性農田利用、農田整治可將溫室氣體固定在土壤和植被中，增強農田的碳匯功能。旨在促進農業現代化的支農財政對增加農業資本要素投入具有明顯的激勵效應，諸如農資綜合補貼、農機購置補貼、良種補貼等政策顯著促進了農藥、化肥和農業機械的投入，而農業生產經營主體多元化、農田規模化經營增強了支農財政對農業資本要素投入的激勵效應。然而，支農財政亦對改善農業基礎設施、促進農業技術進步具有顯著作用，通過影響農業生產要素的利用效率影響碳排放，針對保護性耕作、規模種植和退耕還林的農業補貼以影響農田管理方式、農作物種植品種、農田利用強度等為途徑影響碳排放足跡和碳排放量。因此，支農財政會由于導致要素投入結構資本化率提高增加農田碳排放，產生對生態環境的壓力，也會因為財政支農方式和結構的優化抑或是協同性政策的推進，在推動農業產出增長的同時降低碳排放。

農業生產過程依賴于供給彈性相對較小的土地，與土壤構成、氣候、地形地貌等自然因素密切相關，農業技術進步趨勢和形態因資源稟賦不同而呈現出差異。誘致性技術變遷理論認為技術進步內生于資源稟賦，在要素成本差異的激勵下，偏向于實現豐裕資源對稀缺資源的替代[16]。新古典增長理論揭示了給定技術水平下產出對生產要素投入的依賴，技術高度決定了生產要素的產出效率，與資源稟賦相耦合的技術進步有利于提高生產要素的產出效率，節約要素投入，強化技術進步的減排效應[17]，而與資源稟賦的相偏離的技術進步可能會通過降低要素產出效率和非最優的要素投入結構促進碳排放[18]。可以預測，如果支農財政對節約稀缺資源的要素投入具有更強的激勵效應，鼓勵了與資源稟賦相耦合的農業技術進步，則可以降低農田利用碳排放的增長速度，產生碳減排效應，反之亦然。

2.3 研究假設

理論分析可以看出，支農財政和農業技術進步偏向不僅各自影響農田利用碳排放，技術進步與農業資源稟賦的耦合程度也將影響支農財政的碳排放效應，兩者之間存在交互效應。結合上文分析，提出以下待驗證的研究假設。

假設1：農村勞動力“空心化”趨勢促進了以勞動力投入為主的農田利用方式轉變，支農財政通過多維途徑對農田利用的碳“源”和碳“匯”功能產生雙向效應，在推進農田利用管理方式轉型的同時，影響農田利用碳排放。

假設2：農業技術進步偏向體現技術進步路徑與資源稟賦的耦合程度，影響生產要素的利用效率，與資源稟賦相耦合的技術進步在提高生產要素邊際產出和生產效率的同時，可節約稀缺要素的投入，減少碳源，降低農田利用碳排放強度。

假設3：支農財政政策的碳排放效應與農業技術進步偏向存在關聯，技術進步與資源稟賦的耦合程度將影響支農財政的碳排放效應，耦合程度越高，支農財政的農田利用碳促排效應越弱。

3 實證研究設計

3.1 變量選擇與說明

3.1.1 被解釋變量和核心解釋變量

農田利用方式轉型進程中，農業產出增加和碳排放增長相伴隨行，為客觀評價農業發展的環境成本，本文構建兩個反映碳排放強度的指標，作為計量模型的被解釋變量：單位播種面積農田利用碳排放（C_intensity1）和單位農業產值農田利用碳排放（C_intensity2）。農田利用碳排放主要來源于農業要素、農田耕作和能源利用，本文利用生命周期法核算碳排放總量，碳排放源包括化肥、農膜、柴油、農藥、翻耕和灌溉等，排放系數分別來自IPCC2006、IREEA、美國橡樹嶺國家實驗室測算結果。為揭示農田利用碳排放強度的區域分布特征及其演變趨勢，基于非參方法估計了部分年份測算結果的核密度函數①核密度函數估計是一種非參數統計分析方法，通過比較不同年份的核密度函數揭示變量分布的動態變化。，參見圖1和圖2。

圖1說明單位面積碳排放均值逐年增大，且離散程度增強，意味著碳排放的區域差異擴大，所有年份的核密度函數均存在程度不一的右偏趨勢，說明存在少數單位播種面積農田利用碳排放較大的省份，2016年存在多峰分布情況，說明碳排放強度向不同均值集中。圖2顯示單位產值碳排放均值逐年遞減，集中趨勢增強，區域差異縮小，2008年核密度函數存在多峰分布情況，其他年份未出現類似特征。

圖1 C_intensity1核密度函數估計結果Fig.1 Kernel density estimation of C_intensity1

計量模型中的核心解釋變量包括支農財政（support）、技術進步偏向（match）及兩者的交互項（interaction）。支農財政是指各級政府為扶持農業發展提供的所有財政預算支出，除農業直接補貼之外，還包括與農產品價格支持制度、農業基礎設施建設、農業科研與推廣服務等相關的財政支出②當前，直接農業財政補貼占支農財政總支出的比重超過30%，農業科研服務、農業基礎設施建設的相關財政支出占比顯著上升。，本文用農業財政支出占地方財政預算總支出比重表征支農財政強度，可以剔除由于農業規模不同導致的財政支出規模差異，體現政府對農業發展的重視程度。技術進步偏向的概念最早由希克斯在其《工資理論》一書中提出，將技術進步分為三類：資本偏向型、勞動偏向型和中性技術進步[19]，農業技術進步偏向便是指技術進步路徑傾向于提高某種農業生產要素的邊際產出，通常能夠在要素價格的激勵下反映區域資源稟賦的結構特征。受要素市場發育程度、政策偏向、基礎設施建設等條件的干預，農業技術進步偏向并非總能與資源稟賦的稀缺性呈現出嚴格的線性關系，技術進步偏向與資源稟賦的耦合程度存在區域差異。借鑒已有測算方法[20]，基于耦合函數構建農業技術進步與資源稟賦的耦合協調度函數，函數值介于0～1，數值越大意味著耦合程度越高。

3.1.2 控制變量和虛擬變量

圖2 C_intensity2核密度函數估計結果Fig.2 Kernel density estimation of C_intensity2

控制變量包括：（1）經濟發展水平（gdp），用人均地區生產總值表示。經濟發展水平越高的地區，農產品市場和要素市場發育越成熟，存在相對先進的農業社會化服務體系，有利于引導農戶合理確定農業生產要素投入，對碳排放產生影響。（2）單位播種面積務農勞動力人數（labor）。農村勞動力大量轉移到城市，實際務農勞動力人數明顯下降，近年來農產品價格上漲對農業生產產生了顯著的激勵效應，勞動力節約型農業資本要素的投入迅速增加，影響碳排放水平。（3）單位播種面積農業固定資產投資（investment），有利于完善農業基礎設施，提高全要素生產率，降低要素投入，減少碳排放。（4）非農產業占比（industry），用非農產業產值占地區生產總值之比表示。非農產業的發展決定了農業產業價值鏈延伸度，也決定了本地農村勞動力的轉移方向和非農收入水平，影響農村家庭的“兼業”形態和生產決策，決定了非農產業發展對碳排放的影響效果。（5）城鎮化率（urbanization），用城鎮人口占地區總人口之比表示。城鎮化意味著部分農業生產要素向城市轉移，有利于提高生產要素在產業間的配置效率，通過影響生產要素的流動和新型農業生產方式的建立影響碳排放。（6）反映區域特征的虛擬變量為農產品種植結構。糧食作物內生于區域農業生產條件，最能體現農業資源稟賦差異。中國糧食作物主要包括稻谷、小麥和玉米，根據各地區三種糧食作物播種面積的構成，可以大致分為3類：以種植稻谷為主（rice）的地區、以種植小麥為主（wheat）的地區和以種植玉米為主的地區（參照組）。

3.2 數據來源與基準計量模型

研究樣本已剔除北京、天津、上海、青海和西藏①北京、上海和天津農業產業占比較低，青海和西藏的農作物種植結構與國內其他省份差異較大，因此將以上5省市區予以刪除。，包括26個省級行政區，樣本數據為2000—2016年的平衡面板數據，樣本觀測值共計442條，數據分別來自《中國統計年鑒》《中國農村統計年鑒》等統計數據庫。為使數據更加平穩，回歸分析中取各變量原始數據的自然對數值，基準計量模型形式如下②本文主要關注參數估計結果的符號，未對模型中的交互項進行去平均處理。：

式（1）中：x為控制變量；u為體現個體差異的截距項；ε為隨機擾動項。根據Hausman檢驗結果，為消除異方差的不利影響，本文利用固定效應模型和廣義最小二乘法（GLS）估計參數。

4 實證結果分析

為更好體現核心解釋變量對農田利用碳排放的影響，保證實證分析結果的可靠性，并進行參數估計結果的橫向比較，以基準計量模型為基礎，基于全國樣本和加入地區虛擬變量的分析，以兩個不同的碳排放強度指標為被解釋變量，建立8個計量經濟模型，定量分析核心解釋變量的碳排放效應，參數估計結果參見模型1—模型8。

4.1 基于全國樣本的回歸結果分析

表1中模型1和模型3的回歸結果顯示，支農財政的參數估計結果在1%的顯著性水平上對農田利用碳排放強度產生了正向激勵作用，說明支農財政政策雖然通過促進農業資本要素投入增加農業產出，提高了農田利用效率，但也同時促進了碳排放，使得單位播種面積和單位農業產值碳排放均顯著增加。模型1和模型3的回歸結果也顯示農業技術進步偏向的參數估計結果在1%的顯著性水平上通過檢驗，但是系數值為負，說明與資源稟賦相耦合的農業技術進步有利于在提高農業產出的同時通過提高生產要素的利用效率降低農田利用碳排放強度。模型2和模型4顯示支農財政與技術進步偏向的交互項參數估計結果分別在5%和1%的顯著性水平上通過檢驗，系數值為負，說明提升農業技術進步與當地農業資源稟賦的耦合度確實有利于減弱支農財政政策的碳排放促進效應，從而降低碳排放強度，可能的作用機制在于支農財政鼓勵了節約當地稀缺資源的技術研發和生產要素投入，部分抵消支農財政形成的正向碳排放效應，降低了對生態環境的壓力③加入交互項之后，主要項的參數估計結果不再體現邊際影響效應，不再分析其顯著性和符號。。由于兩個表征農田利用碳排放強度的指標構造有所不同，控制變量的參數估計結果和顯著性在不同模型中存在差異。

4.2 考慮種植結構差異的回歸結果分析

中國農業資源稟賦和農作物種植結構區域差異較大④僅從地形地貌來看，東北、華北以平原為主，農業機械對勞動力的替代成本低于以山地和丘陵為主的南方地區，技術進步可能偏向于勞動力節約型，而南方土地稀缺，技術進步可能偏向土地節約型。，表2的模型5和模型7的回歸結果表明，支農財政政策對農田利用碳排放強度的影響因種植結構不同亦呈現出顯著的區域差異。支農財政與表征區域的虛擬變量的交互項參數估計結果在不同顯著性水平下通過檢驗，對單位播種面積農田利用碳排放的正向影響在以種植玉米為主的地區最強，其次是以種植稻谷為主的地區，最后是以種植小麥為主的地區，對單位產值農田利用碳排放的正向影響在以種植小麥為主的地區最強，其次是以種植稻谷為主的地區，最后是以種植玉米為主的地區。模型6和模型8表明支農財政與技術進步偏向的交互項對農田利用碳排放強度的影響存在區域差異，對于單位播種面積碳排放，減排效應在以種植稻谷為主的地區最強，其次是以種植小麥為主的地區，最后是以種植玉米為主的地區，對于單位產值碳排放，減排效應在以種植玉米為主的地區最強，其次是以種植稻谷為主的地區，最后是以種植小麥為主的地區。影響的區域差異主要來源于不同的糧食作物具備不同的要素投入結構特征，地形、地貌的區域特點導致要素替代成本和農業技術進步存在差異，從而使得農田利用碳排放強度受支農財政及其與農業技術進步偏向交互項的影響顯現出區域異質性。

表1 農田利用碳排放強度影響因素的全樣本回歸分析結果Tab.1 Full sample regression analysis of factors affecting carbon emission intensity of farmland use

5 結論與政策建議

本文首先從理論上梳理了支農財政、農業技術進步偏向及其交互作用對農田利用碳排放的影響機制，利用省級面板數據進行了實證研究，以種植結構為虛擬變量，考查了該影響的區域差異，研究結論如下：（1）支農財政對農田利用碳排放強度產生了正向激勵效應，印證了在推進農業現代化的早期階段，農村勞動力大規模轉移到非農部門之后，支農財政雖然促進了農田利用方式轉型，但也為此支付了必要的環境成本；（2）農業技術進步是決定農業生產效率的核心因素，本文重點研究了技術進步偏向而非技術進步本身的碳排放效應，發現技術進步與資源稟賦耦合程度越高，碳減排效應越強，符合理論分析預測；（3）研究發現技術進步偏向顯著影響了支農財政的碳排放效應，技術進步與資源稟賦的耦合程度提高可以減弱支農財政的碳促排效應，在耦合程度越高的地區，支農財政促進碳排放的程度越弱；（4）因農業種植結構不同，支農財政及其與技術進步偏向交互項的碳排放效應存在顯著的區域差異，說明農作物的種植方式對支農財政等因素的碳排放效應存在影響。

表2 核心因素影響農田利用碳排放強度的區域差異Tab.2 Regional differences of impacts of key factors on carbon emission intensity of farmland use

“兩山”理論已成為各地積極貫徹的經濟發展理念，建立環境友好型農田利用方式是中國農業改革的必然取向，也是推進農業高質量發展的必由之路。為降低碳排放，基于本文的研究結論可得到以下政策啟示。（1）完善支農財政制度，強化其生態建設導向，逐步提升“綠箱”政策力度，引導農民合理投入農業資本要素。原有的一些“黃箱”政策通常導致資本要素的過度使用和農田的過度開發，造成短期內碳排放急劇上升，而“綠箱”政策大多為脫鉤補助，有利于改善農業生產的外部條件和基礎設施，提高生產要素的利用效率。（2）強化支農財政政策的技術進步引導作用，考慮不同農業區域的資源稟賦特征，鼓勵與當地資源稟賦相耦合的農業技術進步。技術進步偏向雖然內生于資源稟賦，但也極易受政府政策的影響，美、日等國的農業發展歷程印證了只有與資源稟賦相耦合的技術進步才能在提高農業產出的同時降低對環境的破壞。支農財政可以適度提高對節約當地稀缺資源要素投入的補貼力度，鼓勵農業技術沿著節約稀缺資源的路徑進步。（3）注重支農財政政策的區域差異性。各地農作物種植結構不同，農業技術進步各具特點，農田利用過程中對環境的影響也不同。支農財政政策應考慮不同農作物要素投入結構和技術演進的差異，通過精細化政策推動不同農作物的技術進步，抑制農田利用碳排放過度增加。