《农业生产性服务的碳减排作用_效应与机制.docx》由会员分享，可在线阅读，更多相关《农业生产性服务的碳减排作用_效应与机制.docx（11页珍藏版）》请在三一办公上搜索。
1、第40卷第4期2023年7月经济经纬EConOmiCSUrVeyVol.40No.4Jul.2023农业生产性服务的碳减排作用：效应与机制罗明忠12,魏滨辉1（1.华南农业大学经济管理学院,广东广州510642;2.广东省哲学社会科学乡村振兴重点实验室,广东广州510642）88888888888888888888888888888888888888888888888888摘要：选取2003-2019年中国213个地级市面板数据，采用双向固定效应模型探究农业生产性服务对农业碳排放水平的影响及作用机制。研究显示:农业生产性服务能显著促进农业碳减排，在利用工具变量缓解内生性问毁并进行多种稳健性检验
2、后，结论依然成立;进一步分析表明，农业生产性服务对东部和粮食主产区的碳减排作用更为明显；结合规模一结构一技术逻辑框架,促进规模经营、调整种植结构以及推动技术进步是农业生产性服务降低农业碳排放水平的主要作用途径；农业生产性服务对农业碳排放水平具有显著的负向空间溢出效应，农业生产性服务有助于促进周边地区的农业碳减排，实现区域内生态环境的整体优化.因此，应进一步健全农业生产性服务体系，实现服务规模经营与土地规模经营的优势互补，并加强区域间农业经济联系，形成区域协同农业碳减排的良好态势.关键词：农业生产性服务；碳排放；规模经营；技术进步；种植结构基金项目：国家社会科学基金重大项目（19ZDA115）;
3、国家社会科学基金青年项目（22CGLO27）;广东省自然科学基金青年项目（2022A1515110614）作者简介：罗明忠（1969），男，江西永新人，教授，博士生导师，主要从事农村经济与劳动经济研究；魏滨辉（1995），男，广东梅州人，博士研究生，主要从事农村经济与环境经济研究。魏滨辉为本文通信作者。中图分类号：F322文献标识码:A文章编号:1006-1096（2023）04-0058-11收稿日期:2022-11-20引言低效的资源利用和生产方式是导致农业高碳排放的直接原因（程秋旺等,2022）。在大国小农”的基本国情下，小农户在未来相当长时期内仍然是中国农业经营的主体，其生产行为能否绿
4、色化”将直接影响农业低碳发展的进程值得注意的是，小农经营与生俱来的弱质性，使其受制于经营目标与要素禀赋，难以融入农业绿色发展（张露等，2022）。其基本逻辑在于，降低农业碳排放所塑造的良好生态环境是典型的公共物品，具有明显的外部性,再加上存在交易费用、人力资本、技术推广等多方面的局限，单个小农户采取低破经营方式不仅面临较高的成本约束，还难以获取直接经济利益（Arriagadaetal,2010）追逐利益最大化的理性小农（Schultz,1964）,往往以生存安全为生产经营的首要目标（Scott,1976）,他们更倾向于保持传统的粗放农业生产方式（如耕地过度开垦、密集的化肥投入、焚烧秸秆等）来规
5、避减产减收的风险，因而难以独立承担碳减排的重要责任（张俊飕等,2022）。随着城镇化和工业化的快速推进，农业经营的外部环境和内部生态都已发生显著变化，农业要素配置方式的成本差异诱致了生产性服务市场的形成（芦干文,2019）可见，中国的小农经济蕴含着可观的组织优势与分工潜力，尤其是伴随农业生产环节可分性的增强,育秧、施肥、防治、烘干等各生产环节均可外包给专门的服务供应商组织完成，实现小农户由自主经营到委托服务经营生产方式的转变，继而激发出农业绿色低破化发展的内生动力一方面，农业生产性服务可以有效缓解小农户面临的农业生产要素禀赋约束，降低其采用绿色低碳经营方式的门槛与成本，从而将农业低碳经营的实现
6、方式由自我执行转变为迂回执行，有助于维持农村生态环境保护的长期效益；另一方面，相较于小农户，受成本压力、市场竞争和声誉资本的驱动,农业生产性服务供应商在提供专门化服务时往往具有低碳经营的自发性特征，容易形成农村生态环境保护行为的长效激励机制，实现农业绿色低碳化发展（张露等，2022）.农业生产性服务作为新时代转变农业生产经营方式和实现农业绿色低破化转型的重要选择，为促进小农户与绿色生产相衔接提供了新的思路。早期的文献主要关注农业生产性服务促进农民收入增长、缓解农村相对贫困的经济效应探讨（Benin,2015;TakeShima,2017;罗明忠等,2021）。部分文献关注到农业生产性服务在推动
7、农业绿色生产时发挥的重要作用,如Lewis等（2009）、Emmanuel等（2016）、Verkaart等（2017）认为农业生产性服务依赖技术改进效应，以资本替代劳动，不仅有助于促进农业产量提高和生产效率改善，还对农户的绿色生产技术采纳意愿具有正向的促进作用；刘浩等（2022）认为购买农业生产性服务对化肥施用量具有明显抑制作用，且综合施肥服务的减量效果要明显优于单纯的机械施肥服务；杨高第等（2022）则认为农业生产性服务还能显著促进农户采取修整农田水渠等四类典型耕地质量保护措施0上述文献肯定了农业生产性服务对农户绿色生产的带动作用，但鲜有研究在可比的统一分析框架中揭示农业生产性服务对农业碳
8、排放水平的影响。同时，农业生产性服务具备知识技术密集和流动性的特征，容易产生空间外溢效应（Wuetal,2019;张恒等，2021）,既往研究对此也缺乏应有的重视。可见,农业生产性服务对农业碳排放的影响及作用机制研究还有深化空间，尤其是在以绿色发展引领乡村振兴、实现“双碳”目标的农业发展新阶段，基于建设农业强国愿景，研究农业生产性服务的碳减排效应更具现实意义和紧迫性。鉴于此，本文基于20032019年中国213个地级市的面板数据,从农业碳减排视角评估农业生产性服务的绿色赋能作用，以期为加快农业生产低破转型步伐和实现“双碳目标贡献农业力量提供新的政策思路o本文的边际贡献主要有：首次将农业生产性服
9、务与农业碳排放置于同一分析框架，并从规模化、趋粮化”以及技术化等视角，就农业生产性服务的碳减排逻辑构建系统的理论框架，不仅有助于验证农业生产性服务的碳减排效应，丰富农业碳排放影响因素的研究，还可以识别出更具针对性的农业碳减排驱动机制及优化策略；同时，本文结合农业生产性服务的空间互动特性和农业碳排放空间集聚的特点，充分考察农业生产性服务碳减排的空间溢出效应，对探寻农业区域协同碳减排的实现路径具有重要参考价值O一、理论分析与研究假说（一）农业生产性服务对农业碳减排的影响机理农业生产性服务将家庭经营带入分工经济，能够提高农业产业链各环节的专业化程度，弱化单一农户分散化经营格局的不利影响，推动农业生产
10、效率的提升.在优化农业生产力的基础上，农业生产性服务还能有效促进农户从自主经营到委托服务经营的生产方式转变，改变农户在农用化学品施用上的经验惯性方式，形成推动农业绿色转型的内生动力，并进一步降低农业碳排放水平。一般而言，环境污染的影响可分解为规模效应、结构效应和技术效应（AntWeiIeretal,2001）0为此,下文将沿着规模一结构一技术”的逻辑线索,分析农业生产性服务对农业碳排放水平的影响路径。1 .规模效应:促进农业规模经营农业生产性服务促进农地规模经营的作用已得到学界的普遍认可。农业生产性服务能够通过分工优势促进农地转入决策，引导农户“联耕联种，促使农业投入要素达到最优组合，实现生产
11、环节的规模经营（顾天竹等，2017）.同时，农业生产性服务还能有效替代家庭农业劳动力投入，缓解因大量农业劳动力涌入非农行业而导致的人地要素配置结构性矛盾，为实现农地规模经营提供有效支撑值得注意的是，促进农地规模经营是实现资源优化配置、降低农业碳排放水平的重要途径。其基本逻辑在于，土地规模或地块规模的有限性，导致环境友好型技术的使用成本极高，可能诱致农户偏好通过密集的化学品投入来提高土地产出水平，降低农户对要素科学配比的敏感性（纪龙等,2018）。推进农地流转与集中、实现农地规模经营能够使化肥和农药等污染性投入要素配比更加科学，避免因土地的有限性和要素的不可分性而密集地投入化学品。此外,土地规模
12、经营能够降低单位低碳生产要素的使用成本，激励农户采纳测土配方、秸秆还田等新技术,缓解农户对传统化学品的刚性依赖,有助于实现减量增效目标,进而减少农业碳排放（占辉斌等,2017）.2 .结构效应:调整农业种植结构一方面，农业生产性服务是农地种植结构调整及其“趋粮化”的重要诱因。在农业生产中，经济作物的59.种植往往需要人工亲手操作，容易导致机械化应用成本增加，而粮食作物的种植拥有更成熟的机械化技术和社会化服务技术，从事粮食生产作业具有明显的配置优势（罗必良等，2018）.在这种情况下,农户显然更愿意通过种植结构调整，种植易于机械作业的粮食作物品种并采纳农业生产性服务（Zhangetal,2017
13、）可见，农业生产性服务的普及将提高农业经营主体的粮食生产参与积极性，进而促进农地“趋粮化”的发展（赵晓峰等，2021）。另一方面，粮食作物相较于经济作物，对化肥、农药等污染性要素投入量的需求更低，因此，随着粮食作物种植比例的上升，在生产实践中，农业经营者使用的化肥、农药等化学品总量将明显降低，这有助于从源头上降低农业碳排放总量（Qinetal,2013;Chaietal,2014）同时,种植业的“趋粮化”也可以增强生产管理的科学性，实现生产的规模化和集中化管理，减少机械柴油和灌溉用电的消耗，凸显农药等化学品施用的规模效应,保障土地和土壤的科学治理，并最终促进农业碳减排。3.技术效应:推动农业技
14、术进步农业生产性服务能够有效推动农业技术进步（AlStonetal,2011）。农业技术的研发创新不仅需要投入巨额资金,还存在周期长、风险大等问题，仅依靠小农户难以有效推进,而农业生产性服务能够帮助农业技术供给主体跨越技术发明的信息和资金障碍，提高农业研发技术的有效性。此外,农业生产性服务具有明显的学习效应、人力资源流动效应以及技术外溢效应,能够将测土配方施肥、无人植保机等先进的技术与知识通过多样化服务的形式导入农业生产过程中，在提高农业技术成果转化率、缓解农业生产的技术约束等方面发挥重要作用（张恒等，2021）。农业技术进步具有重要的碳减排作用。农业技术进步能够通过在农户生产过程中嵌入绿色生
15、产技术和绿色生产资料，实现生产要素配置的优化，改变原本粗放、高碳的农业生产模式,进而减少农业碳排放（田云等，2021）.同时,农业技术进步会诱发周边地区通过学习相邻地区先进的减排技术和政策，进一步促进自身碳减排效率的提升，实现区域之间农业碳排放水平同步降低（何艳秋等,2022）。据此，提出研究假说1：农业生产性服务能够通过促进规模经营、调整种植结构以及推动技术进步来间接降低农业碳排放水平。（二）农业生产性服务对农业碳减排的空间溢出效应发达的农业生产性服务在促进当地农业碳减排基础上，还能依靠其强大的辐射力，进一步使当地优质的资源、技术、经验等向其他地区扩散,对周边传统农业生产者产生赋能作用。同时
16、,不同的农业生产服务经营者，还能通过相互交流促进专业知识学习与专业素养提升，不仅有助于创新农业管理方式、优化生产经营模式，还能借助跨区域农业生产性服务平台，推动整个区域的农业生产方式朝着绿色低碳生产方向转型，更好地促使邻近区域之间的农业碳排放水平同步降低。据此,提出本文研究假说2:农业生产性服务对周边地区的农业碳排放水平具有负向空间溢出效应。二、研究设计（一）数据来源本文通过构建2003-2019年中国213个地级市的平衡面板数据,考察农业生产性服务对农业碳排放水平的影响其中，农林牧渔服务业总产值数据主要来自地方统计年报和地级市统计局，该指标于2003年开始统计；其余城市数据主要来源于中国城市
17、统计年鉴，缺失数据用线性插值法补齐。此外，为了消除通货膨胀的影响，本文以2003年为基期，使用居民消费价格指数（CPI）来调整所有名义变量，获得实际值，并对各连续变量指标进行1%的双向缩尾处理。（二）指标选取1.被解释变量被解释变量农业碳排放水平，使用农业碳排放总量来表示根据刘亦文等（2021）的研究，分别基于化肥、农药、农用塑料薄膜、农用柴油、农作物总播种面积以及有效灌溉面积六种要素投入量来统计农业碳排放实际情况。结合表1中的农业碳排放碳源系数,并根据式（1）计算得到农业碳排放总量。ACEirt=Xei,t=Xk,t（1）其中，ACEjt表示城市i在t年的农业碳排放总量,k则表示碳排放源种类
18、,ek,t表示不同农业碳排放源的碳排放量和37分别表示各碳排放源的碳排放系数和相应的要素投入量。表1农业碳排放碳源、系数及参考来源碳源碳排放系数参考来源化阳0.8956kgkg美国檄树岭国家实验室农药4.9341kgkg美国檄树岭国家实验室薄膜5.1800kgkg南京农业大学农业资源与生态环境研究所柴油0.5927kgkgIPCC联合国气候变化政府间专家委员会播种面积312.60kgkm2中国农业大学生物与技术学院灌溉面积25kgm2Dubey家2009)2 .核心解释变量核心解释变量农业生产性服务，参考郝爱民（2013）的研究,使用人均农林牧渔服务业产值，即农林牧渔服务业总产值与农林牧渔业从
19、业总人数之比进行衡量.3 .控制变量为剔除其他因素对计量结果的不利影响，本文加入工业发展水平、企业进入水平、农业机械水平、财政自给程度、基础设施建设、对外开放水平、人力资本水平、非农就业水平及区域人口密度等一系列控制变量。中国正处于转型升级、结构调整、技术变革的关键时期，产业结构与机械化水平都与农业碳排放呈明显相关关系（陈银娥等，2018）,因而工业发展、企业进入和农业机械水平等变量被纳入模型中；考虑到政府可能通过加大财政支持和农业公共投资力度来优化农业生产行为、不断完善农村基础设施建设,从而实现农业破减排（田云等，2022）,因而模型中控制了基础设施建设和财政自给程度变量；自加入世界贸易组织
20、以来，中国农产品进出口贸易规模不断增长，对外开放水平已成为影响农业碳排放的一个重要因素，因而选择对外开放水平作为控制变量，具体以各城市实际使用外资额占国内生产总值的比重来表征；人力资本水平的提高和非农就业的增加将不可避免地影响农户的能源消耗、化肥施用等农业碳排放行为（王珊珊等,2013）,因而本文引入地区人力资本和非农就业水平作为控制变量；最后，为控制人口集聚程度对农业碳排放的影响，本文选取年末总人口与行政区域面积之比作为衡量城市人口密度的指标.4 .中介变量（1）农业经营规模，使用人均种植面积即农作物播种面积与农林牧渔业从业人数之比进行表征。（2）农业种植结构，采用粮食作物播种面积与农作物播
21、种面积之比进行衡量（3）农业技术进步，参考罗明忠等（2022）的研究,采用DEA-MalmqUiSt指数法进行测度,选取农作物播种面积、农林牧渔业从业人数、机械总动力、化肥施用量和有效灌溉面积作为农业生产投入指标,并采用农林牧渔总产值作为农业产出指标，测算出农业全要素生产率的变化情况，同时进一步分解出技术变化，以此来表征农业技术进步。上述变量的具体描述性统计结果见表20表2变量含义与描述性统计结果变量变量符号变量含义均值标准差被解释变量农业碳排放水平ACE农业碳排放总量，取对数18,1300.980核心解释变量农业生产性服务APS农林牧渔服务业总产值与农林牧渔业从业人数之比0.9582.649
22、控制变量工业发展水平IND第二产业增加值与名义国内生产总值之比0.4710.116企业进入水平CORP规模以上工业企业数量，取对数6.412L105农业机械水平MACH农业机械总动力与农作物播种面积之比0.6180.391财政自给程度FIN地方财政一般预算收入与支出之比0.4530.209基础设施建设BASE全社会固定资产投资与名义国内生产总值之比0.7010.302对外开放水平OPEN实际使用外资额与名义国内生产总值之比，取对数-4.8041.490人力资本水平HUM每万人在校大学生数量，取对数4.672L017非农就业水平NAGR二、三产业就业人数与总就业人数之比0.9680.062续表变
23、IS变量符号变量含义均值标准差区域人口密度POP年末总人口与行政区域面积之比，取对数-3.4670.979中介变量农业经营规模SCAL农作物播种面积与农林牧渔业从业人数之比0.3050.480农业种植结构STRU粮食作物播种面积与农作物播种面积之比0.6570.156农业技术进步ATC基于DEA-MalnKlUiSt指数法测算所得2.5902.190(三)计量模型1 .基准模型设定本文构建如下面板双向固定效应模型：ACEit=j80j.APSi,t+j3Xi,t+0+i,t(2)其中，ACE,j为农业碳排放水平.APS-为农业生产性服务.Xl.t为相关控制变量。2 .空间计量模型设定本地农业生
24、产性服务除了能够促进当地农业碳减排，还可能通过技术和知识等溢出效应，进一步降低邻近地区的农业碳排放水平。基于此,本文选用空间计量模型来考察农业生产性服务的空间溢出效应，以此对假说2进行验证。传统主流的空间计量模型如SAR和SEM模型均存在一定的局限性，本文引入同时考虑空间滞后项和空间误差项的SARAR模型，具体形式如下：ACE1,t=pWACE1.t+1APS.,tnXt.t+/1.t“it=MI4,t+il(3)其中，Q为空间自回归系数.W为空间权重矩阵,其他与式(2)相同。三、模型结果分析与讨论(一)基准回归结果表3为基准回归结果。列(1)仅控制核心解释变量，列(2)-(4)则逐步加入相关
25、控制变量，以验证核心解释变量农业生产性服务估计值的稳健性。结果显示，在逐步加入控制变量的过程中，核心解释变量农业生产性服务的系数均在1%水平下显著为负，说明农业生产性服务业的发展确实有助于促进农业碳减排，这一结论为推进农业领域碳达峰行动提供了新思路。原因在于，农业生产性服务能够有效缓解农户劳动力、技术等资源禀赋约束，改变小农户凭经验进行农业生产的习惯，并解决小农分散经营所产生的效率损耗问题，从而推动农业生产向绿色低碳化方向转型。表3基准回归结果农业碳排放水平箕SB(1)(2)(3)(4)-0.012a-0.012-o.on,-0.OIL(0.001)(0.oo(0.001)(O.001)-0.
26、092-0.049-O.050(0.075)(0.077)(O.077)CORP-0.013-0.004-O.004(0.014)(0.015)(O.015)MACH0.0590.055*O.055(0.033)(0.032)(O.032)FlN-O.175*-O.173(0.048)(O.048)BASE-0.054,-O.055(0.023)(O.023)OPEN-0.008,(0.004)-O.009*(O.004)HUMO.015(O.009)续表农业碳排放水平32三(1)(2)(3)(4)0.067NAGR(0.159)-0.147-POP18.141-18.232,18.232(0
27、.081)17.587ECons(0.003)(0.088)(0.096)(0.328)城市固定效应YESYESYESYES时间固定效应YESYESYESYESN3621362136213621R20.9680.9700.9710.971注：*、*、*分别代表在10%,5$和IK水平下显著，括号内为稳健标准误o下表同控制变量的回归结果与已有研究基本一致，本文对列（4）的估计结果进行简要分析。政府财政自给程度越高,意味着政府越具备充足的财政能力加大农业生产性服务的固定资产投入，也可以更有效地在农村推广低碳农业生产技术.提高小农户在认知和学习低碳农业生产技术方面的能力，进而降低农业碳排放水平，这与
28、田云等（2022）的研究结论类似。同样，基础设施建设变量在1%水平下显著为负,表明当地基础设施建设的完善，尤其是高标准农田等涉农基础设施的建设，有助于突破交易费用、人力资本、技术推广等多方面局限，提升农业绿色化发展水平，有效促进农业碳减排，这与徐清华等（2022）的研究结果一致。此外，地区对外开放程度越高，往往意味着更高的农产品出口标准，这将推动当地农业生产经营者主动学习掌握绿色低碳农业生产技术，提高环境友好型生产资料的甄别与使用水平，促进农业生产标准化和绿色化，由此对农业碳排放产生抑制作用。此外，区域人口密度的系数显著为负.表明人口集聚有助于生产效率提高.降低农业碳排放水平。（二）异质性讨论
29、考虑到中国幅员辽阔，下文根据地理位置差异,将样本地市划分为东部、中部和西部三个区域，并重新对式（1）进行估计.结果见表4。由表4第（I）-（3）列估计结果可知,核心解释变量农业生产性服务的系数在东部地区分组中显著为负，而在中西部地区并未通过显著性检验，表明农业生产性服务在东部地区更容易发挥农业碳减排效应。原因在于，中国地势由东向西呈现三级阶梯形态，相对于东部地区而言，中西部地区多为山地和丘陵，农地分布较为分散，小农户生产特征尤为明显，生产性服务需求规模相对不足，进一步导致当地农业产业化水平不高,生产性服务供给不足和实施难度较大，限制了农业生产性服务碳减排效应的发挥。此外.中西部地区经济基础较为
30、薄弱、市场环境相对较差，而农业生产性服务业又具有资本密集特征.涉及产业主体较广，在诸多因素制约的情况下，中西部地区农业生产性服务碳减排效应的发挥受到了一定的影响。表4异质性分析结果农业碳排放水平变量东部中部西部粮食主产区粮食主销区粮食产销平衡区(1)(2)(3)(4)(5)(6)APS-0.005*t-0.0010.001-0.005-0.0040.012(0.002)(0.001)(0.006)(0.001)(0.008)(0.012)控制变量YESYESYESYESYESYES17.760-16.24418,628“*15.30412.68216.428(0.457)(0.461)(1.0
31、06)(0.396)(0.913)(0.941)城市固定效应YESYESYESYESYESYES时间固定效应YESYESYESYESYESYESN129214798502465374782R20.9710.9810.9610.9770.9700.974同时，本文还根据农业分工程度进一步将样本地市划分为粮食主产区、粮食主销区和粮食产销平衡区三种类型对式（1）进行估计，结果见表4o由表4第（4）-（6）列可知,农业生产性服务的系数仅在粮食主产区分组中显著为负，意味着农业生产性服务在粮食主产区表现出更明显的农业碳减排效应。可能的原因在于，63一方面，粮食主产区的地势平坦.农作物连片种植比率更高，区域
32、生产专业化程度高，先进的大型农用机械有条件充分发挥作用，而非粮食主产区的地理条件通常较为复杂，机械化水平整体较低，导致农业生产性服务发展水平较为落后；另一方面，粮食主产区是中国农业碳排放的主要来源地，再加上粮食主产区农业政策对耕地用途变更限制相对严格.粮食产业集聚程度和农机补贴力度明显更大.农业生产性服务的碳减排作用也能得到更大程度地发挥。(三)稳健性检验表5为稳健性检验结果。表5稳健性检骁结果变量农业碳排放水平2SLS模型系统广义矩估计(4)替换关键变量(1)(2)(3)(5)(6)APS-0.125-0.031S-0.006-0.151,-0.005-(0.030)(0.009)(0.00
33、2)(0.037)(0.001)工具变量,-7.566”1.021mL.ACE(0.753)(0.018)控制变量YESYESYESYESYESYES1.85414.994w2.037o2.84117.690-14,045,(0.711)(0.281)(0.780)(0.496)(0.343)(0.331)城市固定效应YESYESYESYESYESYES时间固定效应YESYESYESYESYESYESN362136213408362136213621一阶段F值/19.Il0.000/AR(1)(2)P值0.1001 .工具变量法本文参考梁志会等(2020)的做法，选取地形起伏度这一地理特征作为
34、农业生产性服务的工具变量，缓解由内生性问题导致的估计偏误。地形是影响农业生产性服务业发展的关键因素，是造成中国农业生产性服务(尤其是机械服务)发展呈现明显区域不平衡的主要原因。一般而言，地形起伏度越小，代表当地的地形条件越好，公路修筑和养护成本越低，越有可能降低农业生产性服务的供给难度，其农业生产性服务业发展水平往往越高，两者间具有较强的相关性：同时，基于地理指标测算的地形起伏度，理论上与一个地区农业碳排放水平并不会产生直接联系，符合工具变量外生性条件。考虑到地形起伏度并不会随时间变化而改变，下文进一步构建地形起伏度与除所在城市之外全国层面的农业生产性服务业发展水平均值的交互项，并运用2SLS
35、模型进行估计。从表5歹(J(1)模型的第一阶段回归结果看，工具变量系数显著为负，说明地形起伏度越小，当地的农业生产性服务业发展越好：同时，根据StOCk等(2005)的判断标准，第一阶段F值大于临界值10,表明选取地形起伏度作为工具变量通过了弱工具变量检验。从列(2)模型估计结果来看，农业生产性服务的系数保持显著为负，说明在考虑内生性问题基础上，农业生产性服务确实能够降低农业碳排放水平，这一结论与前文估计结果保持一致。2 .更换估计方法上文模型为静态固定效应模型，考虑到农业碳排放可能会受到上一年碳排放的动态膨响，为了验证基准回归的稳健性，在式(2)模型中加入上一年的农业碳排放变量，并运用系统广
36、义矩估计方法进行稳健性检验。由表5列(3)估计结果可知，AR(1)通过显著性检验，而AR(2)没有通过显著性检验，表明模型不存在自相关问题，且较好地克服了内生性问题。从估计结果可见，核心解释变量APS仍在1%水平下显著为负，说明农业生产性服务确实有助于促进农业碳减排，本文的研究结论是稳健的。3 .替换关键变量一方面，本文从碳排放强度和碳排放密度，即农业碳排放总量与农业总产值的比值以及农业碳排放总量与农作物播种面积的比值来刻画被解释变量农业碳排放水平，以求综合反映农业碳排放的效率，进一步检验前文估计结果的稳健性。由表5歹I(4)和列(5)可知，更换代理变量后，核心解释变量APS显著为负，表明农业
37、生产性服务不仅能降低农业碳排放总量,同时也能降低农业碳排放强度和碳排放密度。另一方面，本部分尝试借鉴张恒等(2021)的研究，使用单位农作物播种面积的农林牧渔服务业产值作为核心解释变量的替代-64变量.结果如表5列(6)所示。在替换核心解释变量后，其系数值依旧在1$水平下显著为负，说明前文的估计结果是稳健的。(四)作用机制分析表6为中介效应检验结果。表6中介效应检验结果变量规模效应结构效应技术效应SCALAPSSTRUAPSATCAPS(1)(2)(3)(4)(5)(6)0.107w-OoO80.003-0.218*0.161o-0,OOL(0.004)(0.002)(0.001)(0.073
38、)(0.029)(0.001)中介变量-0.026*-0.010-0.015(0.013)(0.001)(0.004)控制变量YESYESYESYESYESYES-0.23017.5805-0.339017.513m14.192“017.799(0.302)(0.328)(0.138)(0.331)(3.310)(0.325)城市固定效应YESYESYESYESYESYES时间固定效应YESYESYESYESYESYESN362136213621362136213621R20.7950.9670.8590.9690.6320.969首先，对规模效应渠道进行验证。以农地经营规模为被解释变量、农业
39、生产性服务为核心解释变量进行回归，结果如表6歹U(1)所示.农业生产性服务在1先水平下显著为正，表明农业生产性服务能够替代家庭农业劳动力投入，促使农户突破原有资源禀赋限制，推动农业适度规模经营。同时,以农业生产性服务和农业经营规模为解释变量进行回归，结果如表6歹!J(2)所示，农业生产性服务变量依旧保持在1$水平下显著为负，而农业经营规模也通过了5%显著性水平检验，且系数为负，意味着扩大经营规模确实起到了部分中介作用。其次，对结构效应渠道进行验证。根据表6列(3)回归结果，农业生产性服务系数显著为正，表明农业生产性服务与种植结构有着内在的匹配关系。农业生产性服务的快速发展将提高农民种粮积极性，
40、促使对劳动要求更低的粮食作物种植比例明显上升，从而出现种植“趋粮化”现象。表6歹IJ(4)则进一步以农业碳排放水平为被解释变量、以农业生产性服务和农业种植结构为核心解释变量进行回归，二者的系数均在1%显著性水平下对农业碳排放水平具有负向影响.表明农业生产性服务能够通过调整农业种植结构对碳排放水平产生抑制作用。最后，对技术效应渠道进行验证。从表6列(5)的估计结果可知，农业生产性服务对农业技术进步具有正向影响，且在1席水平下显著，意味着农业生产性服务有助于优化农业科技资源配置，实现资源节约型技术和设备在农业生产中的广泛应用，缓解农业生产的技术约束。表6列(6)的结果显示，在基准模型中加入农业技术
41、进步的中介变量后，两个变量都在1$的水平下显著，且系数均为负，表明农业技术进步在农业生产性服务对农业碳排放水平的抑制作用中具有部分中介效应,推动农业技术进步是农业生产性服务实现碳减排的中介作用渠道之一。综上所述，本文的研究假说1得到了进一步验证。(五)空间溢出效应分析在进行空间计量分析前，本文已先进行空间相关性分析，在此不再赘述。表7歹U(1)和列(2)分别报告了利用SARAR模型在不同空间矩阵下评估农业生产性服务对农业碳排放水平影响的估计结果。以经济与地理嵌套矩阵为例，农业生产性服务对农业碳排放水平具有显著负向空间收敛效应，假说2得到验证。其中，。显著不为O,说明农业生产性服务对农业碳排放水
42、平影响的边际效应需要通过偏微分的方法进行分解才能反映真实影响的大小，分解结果如表8所示。由表8可知，以经济与地理嵌套矩阵为例，农业生产性服务对农业碳排放的直接效应为0.010,且通过了1$的显著性检验，说明农业生产性服务能够显著促进本地区的农业碳减排，这与理论分析结论相符。更为重要的是，农业生产性服务的间接效应为负,且在1%的水平下显著，表明其存在明显的负向空间溢出效应。具体而言.本地的农业生产性服务业发展水平每提升设，可使周边邻近地区的农业碳排放水平降低65O.3%,说明本地区农业生产性服务水平的提高，确实会使优质资源向其他地区扩散，实现经济增长和生态环境和谐共进，这正是农业生产性服务溢出效
43、应的表现。可能的解释：其一，农业生产性服务具有高流动性和可复制性的特点，容易突破传统物理地区的边界壁垒，以较低的成本实现跨时空传播，形成协同进步的空间产业联动，可以保证在高度细碎化的土地要素安排下,利用区域闲置的农机设备等，实现附近地区农业生产性服务水平的提升；其二,农业生产性服务发展较好的地区会对周围邻近地区形成一定的示范效应，周边地区通过不断加强与其交流协作，学习引进优良技术、专业知识及管理经验,提高自身的农业生产性服务发展水平：其三，地区间在相互交流中普遍存在竞争关系，由此可以倒逼周边地区在学习和引进先进生产技术、经验的基础上，改进优化抑或研发出更具优势的新兴技术，提升农业生产性服务发展
44、水平，进而确保无论是本地还是邻近地区的农业碳排放均得到有效缓解。上述回归方程中，同样可能会存在反向因果关系，即农业碳排放水平也可能通过一些渠道反向影响农业生产性服务业发展，进而导致内生性问题。为了尽可能削弱内生性对估计结果造成的偏误，本文将各解释变量及其空间滞后项作为工具变量，采用广义空间两阶段最小二乘法（GS2SLS）进行稳健性检验（Elhorst.2016）,结果见表7o由表7列（3）和列（4）可知，在不同的空间矩阵中,农业生产性服务系数均通过1$显著性水平检验,且系数为负，表明农业生产性服务的碳减排效应依旧显著。可见，在考虑内生性问题和空间联系的基础上,上文的回归结果依旧是高度稳健的.假说2得到了进一步验证。表7空间面板的估计结果变量SARAR模型GS2SLS模型临接矩阵经济与地理嵌套矩阵临接矩阵经济与地理嵌套矩阵(1)(2)(3)(4)APS-0.003-0.010,*-0.004,-0.007o(0.001)(0.001)(0.001)(0.001)控制变量YESYESYESYES城市固定效应YESYESYESYES时间固定效应YESYESYESYES0.86530.208”P(0.009)(0.094)N3621362136213621表8直接效应、间接效应和总效应分解模型变量矩阵直接效应间接效应总效应施
