農(nóng)業(yè)碳排放回彈及機制分析

摘 要：新發(fā)展格局下，探究農(nóng)業(yè)碳排放回彈效應及其影響機制對減排政策制定意義重大。利用1990—2020年中國29個省份的面板數(shù)據(jù)，采用非期望產(chǎn)出超效率SBM模型、GML指數(shù)分解、空間動態(tài)面板系統(tǒng)GMM模型，分析技術(shù)進步引致的碳排放回彈效應及其影響機制。研究發(fā)現(xiàn)：中國農(nóng)業(yè)碳排放存在“部分回彈效應”，回彈效應均值約為0.88，表明技術(shù)進步帶來的減排作用，會被回彈效應部分抵消。時間維度上，大部分年份表現(xiàn)出“回火效應”，表明在這些年份，技術(shù)進步反而致使農(nóng)業(yè)碳排放總量增加；空間維度上，東北地區(qū)的碳排放回彈效應最大，且存在“回火效應”，西部地區(qū)回彈效應最小。機制分析發(fā)現(xiàn)，農(nóng)業(yè)技術(shù)進步確實導致了農(nóng)業(yè)碳排放回彈效應。農(nóng)業(yè)技術(shù)進步通過提升農(nóng)業(yè)碳排放效率直接引致回彈效應，通過促進農(nóng)地經(jīng)營規(guī)模擴大間接加劇回彈效應。

關鍵詞：農(nóng)業(yè)碳排放；技術(shù)進步；回彈效應

中圖分類號：F062.9;F323

文獻標識碼：A文章編號：1003-3890（2024）05-0085-08

一、引言與文獻綜述

實現(xiàn)“雙碳”目標不僅是踐行可持續(xù)發(fā)展目標的內(nèi)在要求，也是中國作為負責任大國履行國際責任、推動構(gòu)建人類命運共同體的責任擔當。

IPCC發(fā)布的《第六次評估報告綜合報告：氣候變化（2023）》顯示，中國作為全球最大的溫室氣體排放國，1990年二氧化碳排放量為21.73億噸，2020年上升到109.45億噸，占全球碳排放總量的34.22%。為積極應對碳排放加劇導致的氣候變暖問題，實現(xiàn)可持續(xù)發(fā)展，中國于1992年簽署了《聯(lián)合國氣候變化框架公約》，明確了中國作為負責任大國的擔當。于2015年確定了到2030年碳達峰的自主行動目標，于2020年承諾力爭2060年前實現(xiàn)碳中和。“雙碳”目標的實現(xiàn)需要各行業(yè)的共同努力。

2021年FAO報告顯示，人為溫室氣體排放總量中有31%（165億噸）源自全球農(nóng)業(yè)糧食體系，比全球人口較少的1990年增加了17%。

受勞動力成本上升以及水土資源的約束，未來中國農(nóng)業(yè)碳排放有進一步上升的趨勢，農(nóng)業(yè)碳排放問題不容忽視。

為實現(xiàn)可持續(xù)發(fā)展目標，諸多學者致力于農(nóng)業(yè)碳排放相關問題的研究。一方面，部分學者主要分析農(nóng)業(yè)碳排放的測量及其時空特征[1-3]。研究者基于不同的分類方法，均得出農(nóng)業(yè)碳排放隨時間不斷增加的結(jié)論。另一方面，部分學者分析了農(nóng)業(yè)碳排放的影響因素。農(nóng)業(yè)碳排放受諸多因素影響。其中，技術(shù)進步一直被認為是減少碳排放的有效途徑[4]。這是因為，技術(shù)進步能促進農(nóng)業(yè)碳排放效率的提升，碳排放效率提升有利于促進碳減排[5]。但是，隨著中國的農(nóng)業(yè)技術(shù)進步促進碳排放效率逐漸提高[5]，中國農(nóng)業(yè)碳排放總量并未呈現(xiàn)預期減少的現(xiàn)象。中國農(nóng)業(yè)碳排放由1990年51 337.70萬噸標準煤上升到2020年的63 631.86萬噸，上漲幅度約為23.95%①。為何碳排放效率的提高未能實現(xiàn)預期的碳排放減量？

回彈效應可能是導致農(nóng)業(yè)碳效率與農(nóng)業(yè)碳排放變化趨勢不一致的重要原因。回彈效應理論最早可以追溯到1865年的“杰文斯悖論”，煤炭使用效率的技術(shù)改進反而導致許多行業(yè)煤炭消費量增加。2000年Berkhout et al.[6]將回彈效應明確解釋為：技術(shù)進步在提高能效以降低單位生產(chǎn)成本的同時，引起產(chǎn)品價格下降，從而引致能源消費的增加，產(chǎn)生回彈效應。關于農(nóng)業(yè)碳排放回彈效應，目前已有研究較少。田云等[7]在分析農(nóng)業(yè)技術(shù)進步對碳排放的影響研究中得出，技術(shù)進步會引致碳排放回彈效應。黃曉慧等[8]以糧食主產(chǎn)區(qū)為例，測算了由技術(shù)進步引起的農(nóng)業(yè)碳排放回彈效應。李海鵬等[9]分析了中國農(nóng)業(yè)能源回彈效應的形成機制、時空演變及影響因素。但是，上述研究對于回彈效應的形成機制并未作出具體分析。農(nóng)業(yè)技術(shù)進步是否會通過提高碳排放效率引致碳排放回彈效應？已有研究并未作出清晰回答。

鑒于此，本文基于技術(shù)進步視角，測算出中國農(nóng)業(yè)碳排放回彈效應，分析其時空特征及形成機制。首先，利用1990—2020年29個省份的面板數(shù)據(jù)，運用非期望產(chǎn)出的超效率SBM模型及GML指數(shù)分解，測算中國農(nóng)業(yè)碳排放的回彈效應。其次，考慮到空間效應，采用空間動態(tài)面板系統(tǒng)GMM模型，探究農(nóng)業(yè)碳排放回彈效應的形成機制。本文的創(chuàng)新之處在于：研究方法上，在考慮松弛變量、多個決策單元效率值同為1（完全效率）、非期望產(chǎn)出的情況下，采用非期望產(chǎn)出的超效率SBM結(jié)合GML指數(shù)、空間動態(tài)面板系統(tǒng)GMM模型等；研究內(nèi)容上，充分考慮技術(shù)進步引致的碳排放回彈效應及其形成機制。由于回彈效應的存在，技術(shù)進步對二氧化碳減排的效果比預期的要差。研究碳排放回彈效應，對政府減排政策的制定、實現(xiàn)可持續(xù)發(fā)展有所裨益。

二、理論分析

（一）直接機制

回彈效應作為一種解釋農(nóng)業(yè)技術(shù)進步、農(nóng)業(yè)碳排放效率與農(nóng)業(yè)碳排放之間關系的有效理論，一直未得到充分重視。農(nóng)業(yè)技術(shù)進步主要體現(xiàn)在農(nóng)用機械的廣泛運用，化肥、農(nóng)藥、農(nóng)膜等農(nóng)用物資的高效利用層面。因而與之相關的碳排放，主要源自農(nóng)用柴油直接能源的消耗，化肥、農(nóng)藥、農(nóng)膜等間接能源消耗，以及農(nóng)田灌溉、翻耕等所產(chǎn)生的碳排放[7]。技術(shù)進步體現(xiàn)在提升碳排放效率上，這一觀點在Brannlund et al.[10]的研究中已被證實。技術(shù)進步帶來的碳排放效率提高首先發(fā)生于產(chǎn)品的供給方，即生產(chǎn)者。當技術(shù)進步引致碳排放效率提高時，生產(chǎn)者的生產(chǎn)成本下降，一定范圍內(nèi)生產(chǎn)者會提高產(chǎn)品供給量，進而引致產(chǎn)品價格下降，即碳源（如機械、化肥、農(nóng)藥、農(nóng)膜等）價格下降。當價格下降信號傳遞到消費者時，消費者將調(diào)整碳源和非碳源的消費數(shù)量（如以機械替代勞動）以實現(xiàn)效用最大化，導致碳源消耗增加，產(chǎn)生的碳排放量上升。因此，本文提出第一個研究假說。

H1：農(nóng)業(yè)技術(shù)進步通過影響碳排放效率直接引致了農(nóng)業(yè)碳排放回彈效應。

（二）間接機制

農(nóng)業(yè)技術(shù)進步通過促進農(nóng)地經(jīng)營規(guī)模擴大，進而間接影響農(nóng)業(yè)碳排回彈。一方面，技術(shù)進步發(fā)揮的資金條件、物質(zhì)條件和人力資本有利于促進土地流轉(zhuǎn)[11]，促使農(nóng)地經(jīng)營規(guī)模擴大；另一方面，技術(shù)進步是經(jīng)濟增長的主要驅(qū)動力，經(jīng)濟增長對農(nóng)地經(jīng)營規(guī)模擴大具有強大拉動作用。經(jīng)營規(guī)模擴大對碳排放的影響，主要體現(xiàn)在以下兩個方面：其一，規(guī)模化生產(chǎn)影響機械要素投入。隨著經(jīng)營規(guī)模擴大，農(nóng)戶會傾向投入農(nóng)業(yè)機械替代勞動資本等要素進行生產(chǎn)。機械化水平的提高，導致石油燃料等能源消耗加劇，從而促使農(nóng)業(yè)碳排放增加。其二，規(guī)模化生產(chǎn)影響種植結(jié)構(gòu)。從理論上說，勞動投入和管理成本會隨著經(jīng)營規(guī)模的擴大而上升，而非糧作物種植受帶動力上升的約束更大。因而農(nóng)地經(jīng)營規(guī)模擴大導致非糧作物種植比例下降，糧食作物種植比例相應上升。

比如，水稻種植過程中會產(chǎn)生大量甲烷（CH4）和氧化亞氮（N2O），從而導致更多的碳排放。因此，本文提出第二個研究假說。

H2：農(nóng)業(yè)技術(shù)進步通過擴大農(nóng)地經(jīng)營規(guī)模，進而加劇了農(nóng)業(yè)碳排放回彈效應。

三、實證策略與數(shù)據(jù)說明

（一）研究方法

1.回彈效應測算。本文根據(jù)Haas et al.[12]將碳排放回彈效應（R）表示為：

其中，R為碳排放回彈效應，PS、AS分別表示預期碳排放節(jié)約量、實際碳排放節(jié)約量，兩者之差表示技術(shù)進步帶來的實際碳排放增加量。由于預期碳排放節(jié)約量難以用實際數(shù)據(jù)進行估計，所以根據(jù)相關文獻提出替代性方法，將技術(shù)進步帶來的回彈效應改進為：

公式（2）中，Yi，t為i省t年農(nóng)業(yè)生產(chǎn)總值，CIi，t為i省t年農(nóng)業(yè)碳排放強度，則i省第t年農(nóng)業(yè)二氧化碳排放量為Ci，t=CIi，t×Yi，t。σi，t為i省t年的技術(shù)進步水平，在農(nóng)業(yè)技術(shù)進步推動下，t+1年的農(nóng)業(yè)碳排放強度為CIi，t+1，Yi，t+1×（CIi，t+1-CIi，t）為技術(shù)進步帶來的農(nóng)業(yè)碳排放變化量。此外，技術(shù)進步也會促進經(jīng)濟增長，令σi，t+1為i省t+1年技術(shù)進步水平，利用非期望產(chǎn)出超效率SBM結(jié)合GML指數(shù)測得。技術(shù)進步帶來的經(jīng)濟增長所產(chǎn)生的農(nóng)業(yè)碳排放量為σi，t+1×（Yi，t+1-Yi，t）×CIi，t+1。

農(nóng)業(yè)碳排放回彈效應大小含義為：當Rgt;1時，回彈效應表現(xiàn)為“回火效應”；表明碳排放效率提高，反而促使二氧化碳排放總量上升。當R=1時，回彈效應表現(xiàn)為完全的回彈效應；意味著碳排放效率的提高不會影響實際的二氧化碳排放量。當0lt;Rlt;1時，回彈效應表現(xiàn)為“部分回彈效應”；這種情況下，碳排放效率提高帶來的碳排放節(jié)約量，高于新增碳排放量。當R=0時，回彈效應表現(xiàn)為“零效應”；碳排放效率提升，碳排放量總體保持不變。當Rlt;0時，回彈效應表現(xiàn)為“過度儲存效應”；農(nóng)業(yè)碳排放效率的提高不僅減少了二氧化碳的排放量，而且使碳排放的實際減少量超過了預期的減少量，即出現(xiàn)了二氧化碳的過度儲存，這種狀態(tài)有利于可持續(xù)發(fā)展。

2.農(nóng)業(yè)技術(shù)進步測算。從技術(shù)進步的測算方法來看：一方面，大多數(shù)傳統(tǒng)DEA模型基于徑向（投入和產(chǎn)出放大或減少的比例一致）和角度（投入和產(chǎn)出）來測量效率，但傳統(tǒng)DEA在測算效率過程中，并未考慮投入和產(chǎn)出的松弛變量；另一方面，傳統(tǒng)DEA模型沒有考慮同時使期望產(chǎn)出增加、非期望產(chǎn)出減少的技術(shù)變化，因此傳統(tǒng)DEA度量的效率值是有偏的。基于此，Tone[13]于2003年提出非期望產(chǎn)出的超效率SBM模型，不僅彌補了SBM的部分不足，而且也能夠?qū)⒎瞧谕a(chǎn)出考慮到模型之內(nèi)。基于上述分析，本文采用2003年Tone提出的方法測算技術(shù)進步水平。

其中，λ為權(quán)重向量，s-為投入變量、sg為期望產(chǎn)出、sb為非期望產(chǎn)出的松弛變量，目標函數(shù)ρ關于s-、sg、sb嚴格遞減。當s-=sg=sb=0，函數(shù)存在最優(yōu)解。如果0≤ρ≤1，說明決策單元存在效率的損失。

公式（3）可用于計算各決策單元在一定技術(shù)條件下的效率水平。為識別技術(shù)進步水平，需對測得的效率進一步分解。本文采用GML指數(shù)進行分解，因為相較ML指數(shù)，GML指數(shù)能夠有效解決線性規(guī)劃無可行解問題。根據(jù)OH[14]的研究，GML指數(shù)公式為：

其中，DTG（xt，yt，bt）=maxβ|（yt+βyt，bt－βbt）∈PG（x）是全局方向性距離函數(shù)。

GML指數(shù)可以分解為技術(shù)進步（GTC，即為公式（2）中的σi，t）和技術(shù)效率（GEC），三者均大于0。當GTC大于1時，表示農(nóng)業(yè)技術(shù)進步，反之技術(shù)退步。

3.空間動態(tài)面板系統(tǒng)GMM。由于碳排放回彈可能存在空間效應，因此采用空間計量分析，利用空間自回歸（SAR）模型，基本形式為：

Yn=λWnYn+Xnβ+εn（6）

其中，Yn為因變量，Xn為自變量，Wn為空間權(quán)重矩陣，εn為服從正態(tài)分布的隨機擾動項。

此外，地區(qū)碳排放回彈效應很有可能存在滯后效應。這是因為：一方面，農(nóng)用柴油、灌溉和翻耕分別與機械保有量、灌溉設施、播種面積密切相關并且短時間不易改變，因此后一期必然受到前一期的影響；另一方面，化肥、農(nóng)藥、農(nóng)膜消費本身是具有較大“慣性”的經(jīng)濟變量，如農(nóng)戶在施肥時更多地依靠自己的傳統(tǒng)經(jīng)驗和習慣，造成當期碳排放會受到上一期碳排放的影響。因此，考慮到回彈效應的滯后效應，引入動態(tài)面板模型的滯后項更為合理。而在動態(tài)面板中，普通組內(nèi)估計（FE）和普通最小二乘法（OLS）無法得到一致估計，宜采用廣義矩估計方法（GMM），具體包括差分GMM和系統(tǒng)GMM。但是，差分GMM估計易受弱工具變量的影響，從而得到有偏估計。而系統(tǒng)GMM在差分GMM的基礎上，引入了水平方程并聯(lián)立差分回歸方程。

其中：α、β、χ和δ表示回歸系數(shù)，Ri，t、Ri，t-1分別表示當期和滯后一期農(nóng)業(yè)碳排放回彈效應，W為空間權(quán)重矩陣，本文基于經(jīng)濟距離構(gòu)造空間權(quán)重矩陣。σi，t×CTEi，t、σi，t×Si，t分別表示技術(shù)進步與碳排放效率、技術(shù)進步與農(nóng)地經(jīng)營規(guī)模變量的交乘項。以此探究技術(shù)進步是否通過碳排放效率提升、農(nóng)地經(jīng)營規(guī)模擴大引致回彈效應。碳排放效率利用非期望產(chǎn)出的超效率SBM模型測得。農(nóng)地經(jīng)營規(guī)模用農(nóng)作物播種面積表示。X表示其他控制變量，參考田云等[7]、Zhang et al.[15]研究，選取農(nóng)業(yè)經(jīng)濟水平（農(nóng)業(yè)產(chǎn)值）、種植結(jié)構(gòu)（糧食播種面積/農(nóng)作物總播種面積）、勞動力人數(shù)（第一產(chǎn)業(yè)從業(yè)人數(shù)）、受災面積作為控制變量，εn為服從正態(tài)分布的隨機擾動項，所有價格變量均折算為1991年不變價格。

（二）數(shù)據(jù)說明

變量選取如下：農(nóng)業(yè)碳排放數(shù)據(jù)基于本文作者測度而來，與農(nóng)業(yè)相關的碳排放主要源自農(nóng)用柴油的直接利用以及化肥、農(nóng)藥、農(nóng)膜等的生產(chǎn)、農(nóng)田灌溉所間接耗費的能源。根據(jù)IPCC（2006）推薦指南中的方法并結(jié)合以往文獻[1]，將農(nóng)業(yè)碳排放分為化肥、農(nóng)藥、農(nóng)膜、柴油、農(nóng)業(yè)灌溉和翻耕6個方面，根據(jù)碳排放估算公式Ep=∑Tj×δj測算出農(nóng)業(yè)碳排放，其中，Ep為農(nóng)業(yè)的碳排放總量，Tj為各種碳源的數(shù)量，δj為各碳排放源的碳排放系數(shù)。碳排放系數(shù)及來源如表1所示。本文以1990—2020年中國29個省份相關數(shù)據(jù)（海南合并到廣東、重慶合并到四川，不包括港、澳、臺地區(qū)）為例，基于技術(shù)進步的視角，測算出中國農(nóng)業(yè)碳排放的回彈效應。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》和國家統(tǒng)計局網(wǎng)站。

各變量的描述性統(tǒng)計結(jié)果如表2所示。期望產(chǎn)出取1990—2020年的農(nóng)業(yè)生產(chǎn)總值并以1990年的不變價格折算。投入包含：第一產(chǎn)業(yè)從業(yè)人數(shù)（L）、農(nóng)業(yè)機械總動力（M）、農(nóng)作物總播種面積（S）、化肥和農(nóng)藥的總投入即其他投入（K）。非期望產(chǎn)出為農(nóng)業(yè)碳排放，根據(jù)表1測得。農(nóng)業(yè)技術(shù)進步變量通過超效率SBM模型結(jié)合GML指數(shù)法計算獲取。

四、結(jié)果分析

（一）回彈效應的基本結(jié)果

本文利用Maxdea軟件測算出農(nóng)業(yè)技術(shù)進步水平，基于回彈效應模型測算出中國及東部、中部、西部、東北部的農(nóng)業(yè)碳排放回彈效應，具體結(jié)果如表3所示。

總的來看，中國農(nóng)業(yè)碳排放回彈效應均值約為為0.88（0.879 8），中國農(nóng)業(yè)碳排放存在“部分回彈效應”，表明技術(shù)進步帶來的碳排放削減量略微高于其所帶來的碳排放回彈量，技術(shù)進步帶來的碳減排被回彈效應部分抵消。此外，所有年份中有16個年份表現(xiàn)為“回火效應”，表明在這些年份碳排放效率的提高并沒有起到碳減排的效果。11個年份表現(xiàn)為“部分回彈效應”，3個年份表現(xiàn)為“過度儲存效應”，分別為1997年、2001年、2004年。對于“過度儲存效應”，可能是由于技術(shù)進步導致實際減排效果超過了預期減排效果，并未出現(xiàn)碳排放回彈效應。樣本期間，2000年的碳排放回彈效應最大，可能是因為2000年國家大力調(diào)整農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)、加快推進國內(nèi)農(nóng)業(yè)技術(shù)進步、積極引進國外先進技術(shù)。雖然在政策的推動下，農(nóng)業(yè)技術(shù)進步速率明顯加快，但是短期內(nèi)部分高耗能技術(shù)也走向市場，高能耗技術(shù)的使用可能導致了農(nóng)業(yè)碳排放的大幅回彈[7]。

分地區(qū)來看，東部、中部、西部、東北地區(qū)的碳排放回彈效應分別約為0.92（0.918 4）、0.99（0.992 3）、0.72（0.718 2）、1.13（1.131 3）。其中，東北地區(qū)的農(nóng)業(yè)碳排放回彈效應最高且表現(xiàn)為“回火效應”，其他地區(qū)均存在“部分回彈效應”。這是因為，東北地區(qū)低碳技術(shù)、節(jié)能減排技術(shù)落后，導致東北地區(qū)以“高碳排放、高污染、高能耗”粗放型生產(chǎn)方式為主。而西部地區(qū)的碳排放回彈效應最低，可能是因為種植結(jié)構(gòu)因素。糧食作物因其機械化程度較經(jīng)濟作物高，加之水稻作為農(nóng)業(yè)第一大碳排放源，導致糧食作物占比增加會加劇農(nóng)業(yè)碳排放。相比其他三個地區(qū)，西部地區(qū)糧食作物播種面積占比僅為9.47%。此外，由于地理位置和地理環(huán)境，導致西部經(jīng)濟較為落后、農(nóng)業(yè)機械化水平較低，進而導致西部地區(qū)碳排放回彈效應最低。

（二）技術(shù)進步引致回彈效應的形成機制分析

對于面板數(shù)據(jù)而言，為避免使用非平穩(wěn)數(shù)據(jù)進行分析而出現(xiàn)的“偽回歸”問題，需對各變量進行單位根檢驗。本文采用ADF單位根檢驗和PP單位根檢驗方法，結(jié)果顯示除農(nóng)業(yè)勞動力是一階差分平穩(wěn)外，其余變量在1%的水平上均為平穩(wěn)序列。此外，采用莫蘭指數(shù)法對被解釋變量空間相關性進行檢驗（見表4），結(jié)果顯示1991—2020年農(nóng)業(yè)碳排放回彈效應在大多數(shù)年份存在空間相關性。最后，LM檢驗結(jié)果顯示，空間誤差模型（SEM）與空間自回歸模型（SAR）的LM檢驗值分別為1.39和12.87，僅有SAR模型通過了檢驗，表明選用SAR模型是合適的。

表5顯示了中國農(nóng)業(yè)碳排放回彈效應動態(tài)面板空間自回歸的系統(tǒng)GMM估計結(jié)果，其中，Sargan過度識別檢驗表明GMM模型不存在模型誤設問題，且工具變量不存在過度識別問題。

分析模型1的結(jié)果可知：回彈效應一階滯后項的系數(shù)為正，且在1%的水平上顯著，表明上一期回彈效應顯著增加了當期的回彈效應，說明農(nóng)業(yè)碳排放回彈效應是一個連續(xù)、累積的動態(tài)調(diào)整過程。技術(shù)進步系數(shù)為正且在1%的水平上顯著，說明技術(shù)進步確實引致了農(nóng)業(yè)碳排放回彈效應。其他變量中，農(nóng)業(yè)經(jīng)濟水平上升會導致農(nóng)業(yè)碳排放回彈效應增加，這與農(nóng)業(yè)資源環(huán)境與經(jīng)濟發(fā)展的EKC驗證結(jié)果是一致的，目前中國仍處于拐點左側(cè)，經(jīng)濟發(fā)展與碳排放是一體兩面。農(nóng)村勞動力人數(shù)減少會加重農(nóng)業(yè)碳排放回彈效應。這是因為非農(nóng)就業(yè)使勞動力成本上升，為避免勞動力減少造成的減產(chǎn)問題，以農(nóng)業(yè)機械和化肥替代勞動成為必然選擇。柴油等能源消耗和化肥、農(nóng)藥等農(nóng)用化學品使用增加導致碳排放增加。

分析模型2的結(jié)果可知：滯后一階碳排放的系數(shù)顯著為正。碳排放效率會促進碳排回彈，且在10%的水平上顯著，說明提高碳排放效率帶來的農(nóng)業(yè)碳減排會被回彈效應抵消，該機制是技術(shù)進步引致回彈效應的主要機制。農(nóng)地經(jīng)營規(guī)模對農(nóng)業(yè)碳排放回彈效應的影響在10%的水平上顯著為正，代表技術(shù)進步通過促進農(nóng)地經(jīng)營規(guī)模擴張，從而引致碳排放回彈效應增加。這是因為，農(nóng)地經(jīng)營規(guī)模變化誘發(fā)化學品投入強度和技術(shù)投入強度變化，繼而影響農(nóng)業(yè)碳排放。此外，其他影響因素中，農(nóng)業(yè)經(jīng)濟水平在10%的水平上正向影響碳排放回彈效應，受災占比在1%的水平上正向影響碳排放回彈效應。

（三）穩(wěn)健性檢驗

1.更換估計方法。考慮到機制檢驗的穩(wěn)健性，進一步利用中介效應方法進行估計。表6估計結(jié)果顯示，實證結(jié)果與基準回歸結(jié)果一致，表明技術(shù)進步對農(nóng)業(yè)碳排放回彈效應的影響，確實是通過碳排放效率、農(nóng)地經(jīng)營規(guī)模擴大實現(xiàn)的，機制分析得以表明，本文的實證結(jié)果是穩(wěn)健的。

2.替換空間權(quán)重矩陣。考慮空間權(quán)重的影響，將模型1、2中的經(jīng)濟距離矩陣替換為鄰近矩陣，進行穩(wěn)健性檢驗。由表7可知，穩(wěn)健性檢驗各變量作用方向與前文保持一致。核心解釋變量農(nóng)業(yè)技術(shù)進步與前述結(jié)果幾乎無區(qū)別，其他變量在使用不同空間權(quán)重矩陣時系數(shù)差異也較為一致，表明模型結(jié)果是穩(wěn)健的。

五、結(jié)論及啟示

本文基于技術(shù)進步視角，利用1990—2020年中國29個省份的省級面板數(shù)據(jù)，采用非期望產(chǎn)出的超效率SBM模型及GML指數(shù)分解，測算出中國農(nóng)業(yè)碳排放回彈效應大小。進一步利用空間動態(tài)面板系統(tǒng)GMM模型探究農(nóng)業(yè)碳排放回彈效應的影響機制。得出以下結(jié)論：技術(shù)進步確實導致了農(nóng)業(yè)碳排放回彈效應，中國農(nóng)業(yè)部門碳排放存在“部分回彈效應”，回彈效應均值約為0.88，表明技術(shù)進步帶來的減排效益部分被回彈效應抵消了；技術(shù)進步通過推動碳排放效率的提高，直接導致了農(nóng)業(yè)碳排放回彈效應的增加；技術(shù)進步間接促使農(nóng)地經(jīng)營規(guī)模擴大，進而促使碳排放增加。

根據(jù)本文的研究結(jié)論，得到以下政策啟示：

1.政府部門在制定能效政策時應充分考慮回彈效應。農(nóng)業(yè)政府部門在制定相關碳排放政策時，應充分考慮到技術(shù)進步在促進經(jīng)濟發(fā)展與農(nóng)業(yè)碳排放回彈的兩面性。對于出現(xiàn)“回火效應”的省份，采取措施降低回彈幅度，如革新或引進綠色低耗農(nóng)業(yè)技術(shù)、建立完善的農(nóng)業(yè)機械使用、施肥、灌溉等制度等。對于出現(xiàn)“部分回彈效應”的省份，在加快推進農(nóng)業(yè)技術(shù)進步時，應避免高能耗技術(shù)的無度使用。

2.以低碳理念帶動農(nóng)地經(jīng)營綠色轉(zhuǎn)型。在當前農(nóng)地經(jīng)營規(guī)模化的趨勢下，一方面，厲行推進施肥、農(nóng)機、噴藥、灌溉等多個生產(chǎn)環(huán)節(jié)的科學化和低碳化。加大水土保持等低碳綠色技術(shù)的研發(fā)與推廣，并加強與綠色科技配套設施的建設力度。另一方面，警惕農(nóng)業(yè)規(guī)模經(jīng)營出現(xiàn)的“要素擁堵”現(xiàn)象，降低單位農(nóng)業(yè)產(chǎn)出的能源要素消耗，實現(xiàn)農(nóng)地經(jīng)營的低碳減排。

3.充分發(fā)揮綠色技術(shù)示范作用。建立健全省域間的合作共贏機制，充分發(fā)揮各個地區(qū)的資源與區(qū)位優(yōu)勢。與此同時，積極彰顯新型經(jīng)營主體（如龍頭企業(yè)、種糧大戶等）的示范帶頭作用，推動農(nóng)業(yè)低碳轉(zhuǎn)型升級，實現(xiàn)農(nóng)業(yè)生產(chǎn)“數(shù)量推動”轉(zhuǎn)向“質(zhì)量推動”，帶動地區(qū)協(xié)同綠色發(fā)展。

注釋：

①這是本文作者的測算結(jié)果。

參考文獻：

[1]李波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放時空特征及影響因素分解[J].中國人口·資源與環(huán)境，2011，21（8）：80-86.

[2]田云，張俊飚，李波.中國農(nóng)業(yè)碳排放研究：測算、時空比較及脫鉤效應[J].資源科學，2012，34（11）：2097-2105.

[3]張廣勝，王珊珊.中國農(nóng)業(yè)碳排放的結(jié)構(gòu)、效率及其決定機制[J].農(nóng)業(yè)經(jīng)濟問題，2014，35（7）：18-26.

[4]魏瑋，文長存，崔琦，等.農(nóng)業(yè)技術(shù)進步對農(nóng)業(yè)能源使用與碳排放的影響——基于GTAP-E模型分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2018（2）：30-40.

[5]吳賢榮，張俊飚，朱燁.中國省域低碳農(nóng)業(yè)績效評估及邊際減排成本分析[J].中國人口·資源與環(huán)境，2014，24（10）：57-63.

[6]BERKHOUT P H， MUSKENS G J C， VELTHUIJSEN J W. Defining therebound effect [J]. Energy policy， 2000， 28（6）： 425-432.

[7]田云，尹忞昊.技術(shù)進步促進了農(nóng)業(yè)能源碳減排嗎？——基于回彈效應與空間溢出效應的檢驗[J].改革，2021（12）：45-58.

[8]黃曉慧，楊飛，陸遷.糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放回彈效應研究[J].長江流域資源與環(huán)境，2022，31（12）：2780-2788.

[9]李海鵬，李卓，張俊飚.中國農(nóng)業(yè)能源回彈效應的形成機制、時空演變及影響因素[J].中國人口·資源與環(huán)境，2022，32（10）：24-34.[ZK）]

[10]BRANNLUND R，GHALWASH T，NORDSTORM J.Increased energy efficiency and the rebound effect： effects on consumption and emissions [J].Energy economics，2007，29（1）：1-17.

[11]郭衛(wèi)東，關建勛，薛建良.技術(shù)進步視角下的土地流轉(zhuǎn)研究[J].經(jīng)濟問題，2014（7）：80-84.

[12]HAAS R， BIERMAYR P. Therebound effect for space heating empirical evidence from Austria [J]. Energy policy， 2000， 28（6-7）： 403-410.

[13]TONE K. Dealing withundesirable outputs in DEA： a slacks-based measure （SBM） approach [Z]. GRIPS research report series， 2003.

[14]OH D A. Globalmalmquist-lemberger productivity index [J]. Journal of productivity analysis， 2010， 34（3）：183-197.

[15]ZHANG Y J， ZHAO L， QIN C X. The direct and indirect CO2 rebound effect for private cars in China [J]. Energy policy， 2017， 100：149-161.

［16］West T O， Marland G. A synthesis of carbon sequestration，carbon emissions，and net carbon flux in agriculture：comparing tillage practices in the United States［J］.Agriculture ecosystems and environment， 2002， 91（1-3）：217-232.

Agricultural Carbon Emission Rebound and Mechanism Analysis：

Based on the Perspective of Agricultural Technological Progress

Abstract：

Under the new development pattern， exploring the rebound effect of agricultural carbon emissions and its influencing mechanism is of great significance to the formulation of emission reduction policies. Based on the panel data of 29 provinces in China from 1990 to 2020， this paper analyzes the rebound effect of carbon emissions caused by technological progress and its influencing mechanism by using the non-expected output super-efficiency SBM model， GML index decomposition， and spatial dynamic panel system GMM model. It is found that there is a \"partial rebound effect\" on agricultural carbon emissions in China， and the average rebound effect is 0.88， indicating that the emission reduction effect brought by technological progress will be partially offset by the rebound effect. In the time dimension， most years showed a \"fire effect\"， indicating that technological progress led to an increase in total agricultural carbon emissions. In terms of spatial dimension， the rebound effect of carbon emissions in northeast China is the largest， and there is a \"fire effect\"， while the rebound effect in Western China is the smallest. The mechanism analysis found that agricultural technological progress did lead to the rebound effect of agricultural carbon emissions. The rebound effect is directly caused by improving agricultural carbon emission efficiency， and indirectly aggravated by promoting the expansion of agricultural land management scale.

Keywords：

agricultural carbon emission; technological progress; rebound effect