農(nóng)業(yè)碳排放效率及影響因素研究

楊龍 徐明慶 蒲健美 楊詩琦 駱耀峰

摘 要： 為探究當(dāng)前中國農(nóng)業(yè)的碳排放問題，基于2019年楊凌區(qū)及周邊的微觀調(diào)查數(shù)據(jù)，采用隨機(jī)前沿生產(chǎn)函數(shù)模型測算樣本農(nóng)戶的農(nóng)業(yè)碳排放效率，同時(shí)建立效率損失模型分析影響農(nóng)業(yè)碳排放效率的幾個(gè)主要因素。結(jié)果表明，種植業(yè)投入要素中，土地投入對(duì)產(chǎn)出的貢獻(xiàn)度最大，其次是農(nóng)藥投入和勞動(dòng)力投入;樣本農(nóng)戶的農(nóng)業(yè)碳排放效率較低，均值只有0.2962，存在很大的發(fā)展空間;在幾個(gè)主要的影響因素中，家庭從事種植業(yè)的年限、一年內(nèi)從事種植業(yè)工作的月數(shù)、土地流轉(zhuǎn)面積對(duì)農(nóng)業(yè)碳排放效率具有正面效應(yīng)，實(shí)際土地面積塊數(shù)、農(nóng)業(yè)補(bǔ)貼總額對(duì)農(nóng)業(yè)碳排放效率具有負(fù)面效應(yīng)。

關(guān)鍵詞： 農(nóng)業(yè)碳排放效率 隨機(jī)前沿生產(chǎn)函數(shù) 產(chǎn)出彈性 效率損失

一、引言

改革開放后，中國的經(jīng)濟(jì)開始騰飛，四十年間一躍成為世界第二大經(jīng)濟(jì)體。然而，在取得舉世矚目的經(jīng)濟(jì)成就的同時(shí)，中國的生態(tài)環(huán)境卻在逐漸衰退乃至惡化。自2006年中國超越美國成為世界上碳排放總量最多的國家之后[1]，怎樣協(xié)調(diào)經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)之間的矛盾成了當(dāng)前國內(nèi)亟須解決的問題之一。

2011年，中國“十二五”規(guī)劃中提出了“綠色發(fā)展”概念[2]，即以可持續(xù)發(fā)展為核心，實(shí)現(xiàn)經(jīng)濟(jì)效益、社會(huì)效益和生態(tài)效益三者的統(tǒng)一。“綠色發(fā)展”旨在降低碳排放。當(dāng)前國際上已達(dá)成了一些限制碳排放的協(xié)定，比如2012年簽署的《京都議定書》，旨在通過發(fā)達(dá)國家和發(fā)展中國家的碳限制協(xié)議實(shí)現(xiàn)減排的效果，并第一次正式提出了“碳交易”的概念，即被批準(zhǔn)的可排放碳總量不足的國家（主要是發(fā)達(dá)國家）可以與可排放碳總量充足的其他國家（主要是發(fā)展中國家）進(jìn)行碳交易，在前者獲得更大的碳排放許可量的同時(shí)，后者也能夠得到來自前者的經(jīng)濟(jì)援助，從而實(shí)現(xiàn)雙贏的效果[3]。“碳交易”旨在通過經(jīng)濟(jì)利益交換碳排放量，以碳排放量的相對(duì)增減實(shí)現(xiàn)全球范圍內(nèi)碳排放總量的相對(duì)平穩(wěn)，但不利于提高發(fā)達(dá)國家的低碳技術(shù)和發(fā)展中國家的經(jīng)濟(jì)發(fā)展水平。為建立國內(nèi)的碳市場以加強(qiáng)生態(tài)建設(shè)，2013我國擬于五市（北京、上海、深圳、天津、重慶）和兩省（湖北省和廣東省）啟動(dòng)碳交易試點(diǎn)[4]，在2015年7月已在七個(gè)試點(diǎn)地區(qū)成交逾5365萬t的二氧化碳累計(jì)量[5]。然而隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和一、二、三產(chǎn)業(yè)規(guī)模的持續(xù)擴(kuò)大，國內(nèi)碳排放總量的攀升已無可避免。當(dāng)前應(yīng)更多地關(guān)注碳排放過程中的效率問題，而不僅僅是總量問題，即應(yīng)關(guān)注在不增加碳排放的前提下如何提高經(jīng)濟(jì)效益的問題，即如何提高碳經(jīng)濟(jì)效率[6]的問題。而農(nóng)業(yè)作為國民經(jīng)濟(jì)基礎(chǔ)產(chǎn)業(yè)，同時(shí)也是我國綠色發(fā)展、低碳發(fā)展、循環(huán)發(fā)展的重要關(guān)注產(chǎn)業(yè)，提高其碳排放效率對(duì)于推動(dòng)國民經(jīng)濟(jì)發(fā)展和實(shí)現(xiàn)“鄉(xiāng)村振興”戰(zhàn)略有著重要意義。

目前大多數(shù)學(xué)者對(duì)農(nóng)業(yè)碳排放問題的相關(guān)研究可以概括為以下三個(gè)方面[8]：（1）測算碳排放量。如劉華軍等利用1993～2010年30個(gè)省市的統(tǒng)計(jì)數(shù)據(jù)從化肥、農(nóng)藥、柴油等七個(gè)碳排放的主要來源測算了各地區(qū)的碳排放量[9];堯波等利用碳轉(zhuǎn)化系數(shù)法測算了江西省縣域的農(nóng)業(yè)碳排放量[10];田云等從五種農(nóng)用物資投入和畜禽養(yǎng)殖引發(fā)的碳排放以及稻田引起的甲烷排放三個(gè)方面測算了2002～2011年我國31個(gè)省域的碳排放量[11]。（2）分析影響農(nóng)業(yè)碳排放的因素。如吳賢榮等采用Tobit模型實(shí)證分析了2000～2011年全國31個(gè)省域農(nóng)業(yè)碳排放效率變動(dòng)的影響因素[7];龐麗利用LMDI因素分解法對(duì)影響我國各地區(qū)農(nóng)業(yè)碳排放的因素進(jìn)行了分析，結(jié)果發(fā)現(xiàn)農(nóng)業(yè)的經(jīng)濟(jì)發(fā)展水平對(duì)各地區(qū)農(nóng)業(yè)碳排放增長的影響最大[12];張小平和王龍飛運(yùn)用LMDI模型分析了甘肅省1993-2011年農(nóng)業(yè)碳排放的主要影響因素，結(jié)果表明農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和勞動(dòng)力對(duì)碳排放有正向作用，而生產(chǎn)效率和產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放有負(fù)向作用[13]。（3）農(nóng)業(yè)碳排放效率的測算和分析。如郭四代等基于SBA-Undesirable模型測算了2006-2015年中國西部12個(gè)省份的農(nóng)業(yè)碳排放效率，結(jié)果發(fā)現(xiàn)西部地區(qū)的碳排放效率總體呈現(xiàn)上升趨勢(shì)[14];張廣勝和王珊珊從生命周期法的角度分析了1985—2011年中國農(nóng)業(yè)碳排放總量和效率，以此為基礎(chǔ)探討了農(nóng)業(yè)碳排放強(qiáng)度的決定機(jī)制[15]。

盡管當(dāng)前關(guān)于農(nóng)業(yè)碳排放的研究不少，但大多從宏觀層面分析一個(gè)區(qū)域的農(nóng)業(yè)碳排放，基于樣本農(nóng)戶的微觀層面分析較少;其次，關(guān)于農(nóng)業(yè)碳排放效率的核算中缺乏考慮技術(shù)因素;最后，現(xiàn)有關(guān)于農(nóng)業(yè)碳排放效率的研究缺乏考慮效率損失。基于此，本文以2019年7～8月在陜西省楊凌區(qū)及周邊的微觀調(diào)查數(shù)據(jù)為支撐，對(duì)從事農(nóng)業(yè)種植的農(nóng)戶在生產(chǎn)經(jīng)營過程中的農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)值和碳排放總量進(jìn)行測算和求比值，算得碳經(jīng)濟(jì)效率作為產(chǎn)出量，再以農(nóng)戶種植過程中主要生產(chǎn)要素作為投入量，采用較多用于核算技術(shù)效率的隨機(jī)前沿生產(chǎn)函數(shù)模型算得農(nóng)業(yè)碳排放效率，并引入效率損失模型分析農(nóng)業(yè)碳排放效率的影響因素。

二、模型設(shè)定

（一）理論模型設(shè)定

對(duì)農(nóng)業(yè)碳排放效率的測度既可以采用非參數(shù)化的數(shù)據(jù)包絡(luò)分析方法（DEA），也可以采用參數(shù)化的隨機(jī)前沿分析方法（SFA），但由于后者通常用于多投入單產(chǎn)出情形，且相對(duì)于DEA方法而言對(duì)異常數(shù)據(jù)敏感程度較小，更適合于充滿噪聲的農(nóng)業(yè)調(diào)查數(shù)據(jù)，因此本文采用參數(shù)化的隨機(jī)前沿分析方法（SFA）對(duì)樣本農(nóng)戶的農(nóng)業(yè)碳排放效率進(jìn)行分析。對(duì)于生產(chǎn)函數(shù)設(shè)定的具體形式，可以采用柯布-道格拉斯生產(chǎn)前沿函數(shù)或超越對(duì)數(shù)生產(chǎn)前沿函數(shù)，兩者的相同之處是數(shù)據(jù)都進(jìn)行對(duì)數(shù)化處理，不同之處是前者不考慮變量間的交互作用，而后者考慮。因此本文采用超越對(duì)數(shù)生產(chǎn)前沿函數(shù)作為具體的函數(shù)形式。本文設(shè)定的隨機(jī)前沿模型[16]基本形式如下：

lnyi=β0+∑Nn=1βnlnxni+∑Nn≤m∑Mm=1βnmlnxnilnxmi+（vi-ui）???????????????????? [JY]? （1）

vi～N（0，σ2v），ui～N（mi，σ2u）

mi=δ0+∑Kk=1δkZki????????????????????????????????????????????????? [JY]?? （2）

公式1為隨機(jī)前沿生產(chǎn)函數(shù)模型，其中i（i=1，2，…，p）表示第i個(gè)樣本，yi表示第i個(gè)樣本農(nóng)戶的產(chǎn)出，N為投入要素的總數(shù)量，β表示各投入變量的系數(shù)，xni和xmi表示第i個(gè)樣本的第n、m種要素投入;對(duì)于復(fù)合殘差vi-ui，被減數(shù)vi表示隨機(jī)誤差項(xiàng)，減數(shù)ui表示效率損失項(xiàng)。

公式2為效率損失模型，Zk（k=1，2，…，K）表示可能影響農(nóng)業(yè)碳排放效率的K個(gè)因素，即由農(nóng)業(yè)碳排放效率的可能影響因素組成的列向量，δ為這K個(gè)因素的待估系數(shù)。在此需要說明的是，δ的符號(hào)可以表明Zk與效率損失項(xiàng)ui存在的關(guān)系，δ<0說明Zit對(duì)效率損失項(xiàng)ui有負(fù)向影響，即對(duì)農(nóng)業(yè)碳排放效率有正向作用;δ>0說明Zi對(duì)效率損失項(xiàng)ui有正向影響，即對(duì)農(nóng)業(yè)碳排放效率有負(fù)向作用。

為便于計(jì)算，本文在模型中兩個(gè)方差σ2v及σ2u用σ2=σ2v+σ2u和γ=σ2uσ2v+σ2u（0≤γ≤1）進(jìn)行替換。同時(shí)，模型中每個(gè)樣本的農(nóng)業(yè)碳排放效率可根據(jù)TEi==exp（-ui）進(jìn)行計(jì)算。此處，當(dāng)0

（二）經(jīng)驗(yàn)?zāi)Ｐ驮O(shè)定

1.隨機(jī)前沿生產(chǎn)函數(shù)的經(jīng)驗(yàn)?zāi)Ｐ?/p>

本文樣本農(nóng)戶的農(nóng)業(yè)總產(chǎn)值用各作物的經(jīng)濟(jì)產(chǎn)量與相應(yīng)的市場價(jià)格乘積的總和來表示。已知在測算生產(chǎn)技術(shù)效率時(shí)產(chǎn)出變量通常用產(chǎn)量或產(chǎn)值表示，但用隨機(jī)前沿分析方法測算農(nóng)戶的農(nóng)業(yè)碳排放效率時(shí)需要對(duì)產(chǎn)出變量作一定的改變。如果將產(chǎn)值除以碳排放總量，就可以得到“碳經(jīng)濟(jì)效率”，其倒數(shù)相當(dāng)于單位產(chǎn)值的碳排放強(qiáng)度[17][18]。因此，本文以樣本農(nóng)戶的碳經(jīng)濟(jì)效率作為產(chǎn)出變量，根據(jù)前文對(duì)理論模型設(shè)定，建立如下的隨機(jī)前沿生產(chǎn)函數(shù)經(jīng)驗(yàn)?zāi)Ｐ停?/p>

lnyi=lnYitci=ln∑Rr=1priqritci=β0+β1lnfei+β2lnpei+β3lnafi+β4lndsi+β5lnlbi+β6lnari+β7ln2fei+β8ln2pei+β9ln2afi+β10ln2dsi+β11ln2lbi+β12ln2ari+β13lnfeilnpei+β14lnfeilnafi+β15lnfeilndsi+β16lnfeilnlbi+β17lnfeilnari+β18lnpeilnafi+β19lnpeilndsi+β20lnpeilnlbi+β21lnpeilnari+β22lnafilndsi+β23lnafilnlbi+β24lnafilnari+β25lndsilnlbi+β26lndsilnari+β27lnlbilnari+（vi-ui）? [JY]（3）

其中，tci表示每個(gè)農(nóng)戶在種植過程中產(chǎn)生的碳排放總量;R表示農(nóng)戶種植的作物數(shù)量;pri表示第i個(gè)農(nóng)戶的第r種作物的市場價(jià)格;qri表示第i個(gè)農(nóng)戶的第r種作物的經(jīng)濟(jì)產(chǎn)量;Yi表示每個(gè)農(nóng)戶的總產(chǎn)值;yi表示每個(gè)農(nóng)戶種植的碳經(jīng)濟(jì)效率;β0表示模型的截距項(xiàng);β1，β2，…，β35表示投入變量的系數(shù);fe表示肥料投入;pe表示農(nóng)藥投入;af表示農(nóng)膜投入;ds表示柴油投入;lb表示勞動(dòng)投入;ar表示土地投入;其他變量意義同（1）式。

2.效率損失的經(jīng)驗(yàn)?zāi)Ｐ?/p>

農(nóng)戶之間農(nóng)業(yè)碳排放效率的差異可以由效率損失模型解釋，主要因素可以分為農(nóng)戶經(jīng)營特征因素、農(nóng)業(yè)政策因素以及區(qū)域因素[19]。考慮到調(diào)查地為楊凌區(qū)及周邊村縣，區(qū)域因素（包括土壤、氣候、受災(zāi)率和地形地貌等）差別不大，因此本文選取的主要影響因素如下：（1）實(shí)際土地塊數(shù)。農(nóng)戶土地分布集中還是零散會(huì)對(duì)其種植經(jīng)營規(guī)模化與否產(chǎn)生影響，進(jìn)而影響到農(nóng)業(yè)碳排放效率水平。（2）家庭從事農(nóng)業(yè)種植的年份。農(nóng)戶從事農(nóng)業(yè)種植的時(shí)間越長，經(jīng)驗(yàn)越豐富，農(nóng)業(yè)產(chǎn)值就越高，相應(yīng)農(nóng)業(yè)碳排放效率可能就越高。（3）家庭一年內(nèi)從事種植業(yè)工作的月數(shù)。農(nóng)戶在農(nóng)業(yè)種植上的時(shí)間投入越多，則花費(fèi)在農(nóng)業(yè)種植上的精力就更集中，更易掌握合理科學(xué)的種植方法，農(nóng)業(yè)碳排放效率可能就更高。（4）土地流轉(zhuǎn)面積。農(nóng)戶流轉(zhuǎn)出去的土地面積越多，剩下可用于種植的土地面積就越少，較少的土地不易實(shí)現(xiàn)規(guī)模化經(jīng)營，即投入較多而產(chǎn)出可能很少，對(duì)農(nóng)業(yè)碳排放效率水平可能有不利影響。（5）總農(nóng)業(yè)補(bǔ)貼額。獲得農(nóng)業(yè)補(bǔ)貼相當(dāng)于可投入資金增多了，可能有助于農(nóng)戶提高農(nóng)業(yè)碳排放效率水平。

基于此，本文設(shè)定的效率損失模型為：

ui=δ0+∑5k=1δkZki[JY]（4）

其中δ0表示常數(shù)項(xiàng)，δk（k=1，2，…，5）表示第k個(gè)待估系數(shù)，Zk表示上述提到的第k個(gè)影響農(nóng)業(yè)碳排放效率的主要因素。

3.碳排放量的核算

本文根據(jù)IPCC提出的碳排放計(jì)算方法[22]，按照如下公式對(duì)每個(gè)樣本的碳排放總量進(jìn)行測算：

TC=∑ni=1Ei×φi??????? [JY]（5）

其中，TC表示碳排放總量;Ei表示第i種碳源的使用量;φi表示第i種碳源對(duì)應(yīng)的碳排放系數(shù)，具體的碳源碳排放系數(shù)見表1：

三、數(shù)據(jù)來源和統(tǒng)計(jì)描述

本文所采用的數(shù)據(jù)來自西北農(nóng)林科技大學(xué)創(chuàng)新訓(xùn)練項(xiàng)目調(diào)研團(tuán)隊(duì)在2019年7～8月于陜西省楊凌區(qū)周邊下鄉(xiāng)入戶的調(diào)查數(shù)據(jù)。本次調(diào)查覆蓋楊凌區(qū)、武功縣、扶風(fēng)縣、三原縣和周至縣在內(nèi)的共計(jì)76處村落。在實(shí)地調(diào)查中，以“教稼圣地”楊凌區(qū)為中心點(diǎn)，向周邊村落進(jìn)行輻射調(diào)研，并按照分層隨機(jī)抽樣調(diào)查法，每走訪一村調(diào)查五份左右的問卷，村與村之間依照農(nóng)業(yè)人口分布狀況相隔一定距離進(jìn)行調(diào)查，使得最終得到的調(diào)查問卷能夠滿足重復(fù)率較低、代表性較好的要求。剔除無效問卷后，本文選取235份有效樣本問卷進(jìn)行研究分析。以下為樣本數(shù)據(jù)的描述性統(tǒng)計(jì)分析：

根據(jù)農(nóng)戶投入和產(chǎn)出變量的描述性統(tǒng)計(jì)分析（見表2），可以直觀地看到：農(nóng)戶投入和產(chǎn)出變量的最小值和最大值數(shù)據(jù)之間差距較大，推測是因?yàn)檗r(nóng)戶樣本間種植面積和經(jīng)營管理方式等存在的差異造成的;勞動(dòng)投入、農(nóng)膜投入、土地投入、農(nóng)藥投入、柴油投入的標(biāo)準(zhǔn)差較小，即數(shù)據(jù)分布較緊密，表明這些投入要素在農(nóng)戶個(gè)體之間差異較小;碳經(jīng)濟(jì)效率和肥料投入的標(biāo)準(zhǔn)差較大，即數(shù)據(jù)離散度較高，說明個(gè)體農(nóng)戶之間的碳經(jīng)濟(jì)效率和施用化肥差距很大;參考劉天軍和蔡起華對(duì)農(nóng)戶不同經(jīng)營規(guī)模的分類[21]，可以計(jì)算出勞動(dòng)投入為1～2人的農(nóng)戶占91%，土地投入為4畝以下的農(nóng)戶占63%，土地投入為4～7畝的農(nóng)戶占30%，說明本文數(shù)據(jù)樣本主要由中小型種植經(jīng)營規(guī)模的農(nóng)戶構(gòu)成。

根據(jù)效率損失模型中變量的描述性統(tǒng)計(jì)分析（見表3），可以算出土地塊數(shù)小于等于3的樣本占79%，說明農(nóng)戶土地分布較集中;家庭從事種植工作的平均年限達(dá)到34年且高于34的樣本占57%，高于20年的樣本占88%，表明大多數(shù)樣本農(nóng)戶長期務(wù)農(nóng)或多代務(wù)農(nóng)，種植經(jīng)驗(yàn)豐富;樣本農(nóng)戶一年內(nèi)投入種植工作的平均月數(shù)為9.01，且高于9.01的樣本占61%，高于6的樣本占80%，表明大多數(shù)樣本以農(nóng)業(yè)種植為主要工作;另外，享受農(nóng)業(yè)補(bǔ)貼的樣本農(nóng)戶占樣本總量的47%，表明當(dāng)?shù)剞r(nóng)戶優(yōu)惠政策較為普及。以上這些因素都有利于提高農(nóng)業(yè)碳排放效率水平，由此推測本文數(shù)據(jù)樣本的農(nóng)業(yè)碳排放效率值可能不低。

四、模型結(jié)果與分析

（一）隨機(jī)前沿生產(chǎn)函數(shù)的估計(jì)結(jié)果

本文采用frontier4.1軟件包對(duì)隨機(jī)前沿生產(chǎn)函數(shù)模型和碳排放效率損失模型進(jìn)行極大似然（MLE）估計(jì)，結(jié)果見表4。對(duì)模型整體而言，可以得到：（1）LR統(tǒng)計(jì)量的估計(jì)值等于240.8791，自由度為7，在0.1%的顯著性水平下極顯著，拒絕效率損失項(xiàng)ui不存在的原假設(shè);（2）經(jīng)過計(jì)算，很明顯γ值為0.99999990，非常接近于1，表明效率損失項(xiàng)ui極顯著存在，且可以認(rèn)為幾乎接近全部的誤差都是由效率損失引起的;（3）σ2=38.6071，在1%的顯著性水平下極顯著，表明隨機(jī)誤差項(xiàng)vi存在。綜上所述，本文可以運(yùn)用隨機(jī)前沿分析方法（SFA）測量農(nóng)戶的碳排放效率，且在模型中可以加入效率損失項(xiàng)ui。

（二）農(nóng)戶生產(chǎn)投入要素的產(chǎn)出彈性分析

超越對(duì)數(shù)函數(shù)形式可以反映投入要素間復(fù)雜的替代關(guān)系。通過對(duì)隨機(jī)前沿生產(chǎn)函數(shù)求導(dǎo)，可以求出各投入變量的產(chǎn)出彈性，用公式表示如下：

由上表可知，土地投入對(duì)提高農(nóng)業(yè)碳排放效率的影響最大，農(nóng)藥投入和勞動(dòng)力投入對(duì)提高農(nóng)業(yè)碳排放效率有明顯的正向作用，這個(gè)結(jié)論與劉天軍和蔡起華的結(jié)論[21]相同。化肥的產(chǎn)出彈性為負(fù)，說明大量施肥可能不是一個(gè)有效增產(chǎn)的途徑。由于被調(diào)查農(nóng)戶的種植經(jīng)營規(guī)模多以中小型為主，大多數(shù)農(nóng)戶都不太了解測土配方法和合理科學(xué)施肥的重要性，更多地憑借耕作經(jīng)驗(yàn)主觀判斷施加肥料，這就造成土地增產(chǎn)效果較差，因此化肥的產(chǎn)出彈性為負(fù)。同樣地，對(duì)于本文樣本測算的產(chǎn)出彈性，可以看到農(nóng)膜、柴油兩種投入對(duì)產(chǎn)出彈性的影響為負(fù)，考慮到可能是大多數(shù)樣本農(nóng)戶對(duì)于這兩種投入品的使用量較少，樣本的解釋力度不足，因此測得的產(chǎn)出彈性可能不太準(zhǔn)確。

（三）農(nóng)業(yè)碳排放效率分析

經(jīng)統(tǒng)計(jì)，農(nóng)業(yè)碳排放效率的最大值為0.9952，接近于1;最小值為0，平均碳排放效率為0.2962，標(biāo)準(zhǔn)差為0.3085。表6說明農(nóng)業(yè)碳排放效率在不同區(qū)間的分布情況，樣本數(shù)據(jù)中大概有70.6%農(nóng)戶的農(nóng)業(yè)碳排放效率位于0.0至0.4之間，而碳排放效率不小于0.7的農(nóng)戶樣本只有16.2%，說明大部分農(nóng)戶的農(nóng)業(yè)碳排放效率處于較低水平，還存在很大的上升空間（見表6）。

（四）效率損失模型的估計(jì)結(jié)果

由前文對(duì)SFA估計(jì)結(jié)果的論述，已知γ非常接近1，表明幾乎大部分的誤差是由隨機(jī)誤差項(xiàng)ui引起的。因此，研究影響農(nóng)業(yè)碳排放效率損失的因素對(duì)把握投入產(chǎn)出情況很有必要，下表是效率損失模型的估計(jì)結(jié)果見表7：

由于在隨機(jī)前沿模型中ui的系數(shù)為負(fù)，因此上表中變量系數(shù)為正，表明該變量對(duì)農(nóng)業(yè)碳排放效率損失有正向作用，即對(duì)農(nóng)業(yè)碳排放效率有負(fù)面影響;反之，變量系數(shù)為負(fù)，表明該變量對(duì)農(nóng)業(yè)碳排放效率損失有負(fù)向作用，即對(duì)農(nóng)業(yè)碳排放效率有正面影響。

上表中，實(shí)際土地面積塊數(shù)系數(shù)為正，通過1%顯著性水平，表明土地分散程度高低會(huì)對(duì)規(guī)模化經(jīng)營產(chǎn)生影響，塊數(shù)少、分布集中的土地更有利于進(jìn)行規(guī)模化經(jīng)營，降低種植成本，提高農(nóng)業(yè)碳排放效率;家庭從事種職業(yè)的年限對(duì)農(nóng)業(yè)碳排放效率有正面影響，從事種職業(yè)的年限越長，農(nóng)戶的經(jīng)驗(yàn)越豐富，相應(yīng)地農(nóng)業(yè)碳排放效率可能就越高;一年內(nèi)從事種植業(yè)工作的月數(shù)相當(dāng)于農(nóng)戶的種植時(shí)間投入，在表中系數(shù)為負(fù)，說明農(nóng)戶一年內(nèi)在農(nóng)業(yè)種植上投入的時(shí)間越多，農(nóng)業(yè)碳排放效率水平就越高;農(nóng)業(yè)補(bǔ)貼總額對(duì)農(nóng)業(yè)碳排放效率有負(fù)面影響，但數(shù)值很小，說明影響程度較低;土地流轉(zhuǎn)面積系數(shù)為-0.4759，說明土地流轉(zhuǎn)面積對(duì)農(nóng)業(yè)碳排放效率有正面影響，可以認(rèn)為土地流轉(zhuǎn)程度越高，土地規(guī)模化經(jīng)營的可能性也就越高，越有利于提高農(nóng)業(yè)碳排放效率。

五、研究結(jié)論與政策啟示

本文利用2019年7～8月在陜西省楊凌區(qū)及周邊村縣的微觀農(nóng)戶截面數(shù)據(jù)，采用隨機(jī)前沿生產(chǎn)函數(shù)模型測算了不同農(nóng)戶的農(nóng)業(yè)碳排放效率，并借助效率損失模型對(duì)影響農(nóng)業(yè)碳排放效率的因素進(jìn)行了分析，結(jié)果如下：

1.在農(nóng)作物生產(chǎn)的投入要素中，產(chǎn)出彈性為正且數(shù)值最大的投入要素是土地，其次是農(nóng)藥和勞動(dòng)力，化肥的產(chǎn)出彈性為負(fù)值。

2.樣本農(nóng)戶的農(nóng)業(yè)碳排放效率水平較低，平均農(nóng)業(yè)碳排放效率值只有0.2962，且樣本中有超過70%的農(nóng)戶碳排放效率值低于0.5。

3.在農(nóng)業(yè)碳排放效率的影響因素中，家庭從事農(nóng)業(yè)種植的年限、一年內(nèi)從事種植業(yè)工作的月數(shù)、土地流轉(zhuǎn)面積對(duì)農(nóng)業(yè)碳排放效率具有正面效應(yīng)，實(shí)際土地面積塊數(shù)、農(nóng)業(yè)補(bǔ)貼總額則對(duì)碳排放效率具有負(fù)面效應(yīng)。

基于上述研究結(jié)論，得到如下政策啟示：

1.加強(qiáng)農(nóng)業(yè)知識(shí)技能的培訓(xùn)和宣傳，培養(yǎng)農(nóng)戶建立科學(xué)有效使用農(nóng)業(yè)生產(chǎn)要素的意識(shí)，為農(nóng)戶宣講“測土配方法”的合理性和重要性。

2.培養(yǎng)專業(yè)的農(nóng)業(yè)人才，建立農(nóng)技服務(wù)站，為農(nóng)戶搭建更多方便的農(nóng)業(yè)問題咨詢、服務(wù)和解決的渠道。

3.鼓勵(lì)土地流轉(zhuǎn)，推進(jìn)土地更快地流向一些種植大戶或?qū)I(yè)種植戶，促進(jìn)傳統(tǒng)農(nóng)業(yè)向規(guī)模化、科技化和高產(chǎn)化的現(xiàn)代農(nóng)業(yè)方向發(fā)展。

4.加大農(nóng)業(yè)補(bǔ)貼力度，向農(nóng)作物低產(chǎn)的種植戶提供相應(yīng)的技術(shù)指導(dǎo)和良種補(bǔ)貼，同時(shí)向大規(guī)模經(jīng)營的農(nóng)戶提供更優(yōu)惠便捷的金融服務(wù)。

5.普及防治農(nóng)作物生產(chǎn)污染的有效措施，嚴(yán)禁非法商家銷售環(huán)境污染性大、土地破壞力強(qiáng)、可持續(xù)使用能力低的農(nóng)用品。

參考文獻(xiàn)：

[1]林智欽.中國能源環(huán)境中長期發(fā)展戰(zhàn)略[J].中國軟科學(xué)，2013（12）：45-57.

[2]李萌.中國“十二五”綠色發(fā)展的評(píng)估與“十三五”綠色發(fā)展的路徑選擇[J].社會(huì)主義研究，2016（03）：62-71.

[3]何晶晶.構(gòu)建中國碳排放權(quán)交易法初探[J].中國軟科學(xué)，2013（09）：10-22.

[4]王白羽，張國林.“此市場”是否解決“彼市場”的失靈？——對(duì)“碳市場”發(fā)展得再思考[J].經(jīng)濟(jì)社會(huì)體制比較，2014（01）：189-200.

[5]王文軍，駱躍軍，謝鵬程，駱志剛，趙黛青.粵深碳交易試點(diǎn)機(jī)制剖析及對(duì)國家碳市場建設(shè)的啟示[J].中國人口？偊b資源與環(huán)境，2016，26（12）：55-62.

[6]陳中督，吳堯，遆晉松，陳阜，李永.湖南省雙季稻生產(chǎn)系統(tǒng)碳效率[J].應(yīng)用生態(tài)學(xué)報(bào)，2015，26（01）：87-92.

[7]吳賢榮，張俊飚，田云，李鵬.中國省域農(nóng)業(yè)碳排放：測算、效率變動(dòng)及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運(yùn)用[J].資源科學(xué)，2014，36（01）：129-138.

[8]劉其濤.中國農(nóng)業(yè)碳排放效率的區(qū)域差異——基于Malmquist-Luenberger指數(shù)的實(shí)證分析[J].江蘇農(nóng)業(yè)科學(xué)，2015，43（09）：497-501.

[9]劉華軍，鮑振，楊騫.中國農(nóng)業(yè)碳排放的地區(qū)差距及其分布動(dòng)態(tài)演進(jìn)——基于Dagum基尼系數(shù)分解與非參數(shù)估計(jì)方法的實(shí)證研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2013（03）：72-81.[ZK）]

[10]堯波，鄭艷明，胡丹，聶蘭琴，付姍，胡啟武.江西省縣域農(nóng)業(yè)碳排放的時(shí)空動(dòng)態(tài)及影響因素分析[J].長江流域資源與環(huán)境，2014，23（03）：311-318.

[11]田云，張俊飚，尹朝靜，吳賢榮.中國農(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].中國人口？偊b資源與環(huán)境，2014，24（07）：91-98.

[12]龐麗.我國農(nóng)業(yè)碳排放的區(qū)域差異與影響因素分析[J].干旱區(qū)資源與環(huán)境，2014，28（12）：1-7.

[13]張小平，王龍飛.甘肅省農(nóng)業(yè)碳排放變化及影響因素分析[J].干旱區(qū)地理，2014，37（05）：1029-1035.

[14]郭四代，錢昱冰，趙銳.西部地區(qū)農(nóng)業(yè)碳排放效率及收斂性分析——基于SBM-Undesirable模型[J].農(nóng)村經(jīng)濟(jì)，2018（11）：80-87.

[15]張廣勝，王珊珊.中國農(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)問題，2014，35（07）：18-26+110.

[16]Battese， G. E.， & Coelli， T. J. （1995）. A model for technical inefficiency effects in a stochastic frontier production function for panel data. Empirical economics， 20（2）， 325-332.

[17]Zhou， P.， Ang， B. W.， & Han， J. Y. （2010）. Total factor carbon emission performance： a Malmquist index analysis. Energy Economics， 32（1）， 194-201.

[18]雷玉桃，楊娟.基于SFA方法的碳排放效率區(qū)域差異化與協(xié)調(diào)機(jī)制研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2014（07）：13-22.

[19]周曙東，王艷，朱思柱.中國花生種植戶生產(chǎn)技術(shù)效率及影響因素分析——基于全國19個(gè)省份的農(nóng)戶微觀數(shù)據(jù)[J].中國農(nóng)村經(jīng)濟(jì)，2013（03）：27-36+46.

[20]季嘉慧.現(xiàn)代農(nóng)業(yè)視角下的種植業(yè)低碳化研究[D].江南大學(xué)，2018.

[21]劉天軍，蔡起華.不同經(jīng)營規(guī)模農(nóng)戶的生產(chǎn)技術(shù)效率分析——基于陜西省獼猴桃生產(chǎn)基地縣210戶農(nóng)戶的數(shù)據(jù)[J].中國農(nóng)村經(jīng)濟(jì)，2013（03）：37-46.

[22]IPCC，“IPCC Guideline for National Greenhouse Gas Inventories”[S]，IPCC，2006.