农业、制度与南亚国家生态压力：扩展STIRPAT框架下2000—2024年六国面板证据

《Cogent Food & Agriculture》：Agriculture, institutions, and ecological pressure in South Asian countries

　　

南亚国家面临与人口变化、经济增长、农业转型和不均衡制度能力相关的不断上升的生态压力。本研究在扩展STIRPAT（Stochastic Impacts by Regression on Population, Affluence, and Technology，随机回归人口、富裕和技术影响模型）框架内，考察2000—2024年孟加拉国、不丹、印度、尼泊尔、巴基斯坦和斯里兰卡的粮食生产、农业增加值、作物产量、碳强度、政府效能、法治、经济发展和人口如何与人均生态足迹（ecological footprint per capita）相关。分析采用横截面依赖性（cross-sectional dependence）和斜率异质性（slope heterogeneity）检验、面板单位根（unit root）和协整（cointegration）程序、固定效应（fixed effects）模型、异质性长期估计量（heterogeneous long-run estimators）、分位数回归（quantile regression）和稳健性检验。结果表明，在基准模型中，粮食生产、农业增加值、碳强度和经济发展与生态足迹正相关，而人口与生态足迹负相关。作物产量和法治在主设定中未显示出稳定的显著关联。在长期估计量中，碳强度仍是生态压力最一致的正相关因素，而政府效能在AMG（Augmented Mean Group，增广均值组）模型中显示出负相关。总体而言，南亚的生态压力最一致地与碳密集型发展相关，而农业和制度效应则对设定更敏感。关键要点：应用扩展STIRPAT框架，将人口、富裕、技术、农业结构和治理与南亚生态压力联系起来；使用六个南亚经济体2000—2024年年度数据，结合面板诊断、固定效应、异质性长期估计量、分位数回归和稳健性检验；人均生态足迹被视为环境压力指标，而非可持续性的正向度量；基准模型中，粮食生产、农业增加值、碳强度和经济发展与生态足迹正相关；碳强度是生态压力最稳定的正相关因素，而治理和部分农业效应对估计量更敏感。关键词：生态足迹、生态压力、粮食生产、农业增加值、政府效能、法治、STIRPAT、南亚国家。主题：再生农业、基于自然的解决方案、土壤健康、气候适应、气候减缓、自然农业、农林业系统和INM。

研究背景与问题
南亚国家面临发展扩张与生态可持续性之间的明显张力。该地区经历快速经济和人口变化，同时高度依赖气候敏感部门，尤其是农业，以维持生计、粮食系统和农村经济稳定。南亚国家还面临土地、水、森林和其他生态资源压力上升，以及气候相关风险暴露增加。在此条件下，生态压力不能简单理解为经济增长的副产品，而应与产生环境压力的生产系统及塑造环境管理的制度安排相联系。农业处于该区域挑战中心。农业环境效应因生产模式和资源利用方式而异：粮食生产、农业增加值和作物产量若反映效率提升、减少浪费和现有土地产出增加，可能降低生态压力；但若依赖化肥密集、畜牧集约、重复耕作和常规能源，则可能增加生态退化。制度维度由政府效能和法治代表，影响环境规制是否实施、自然资源是否保护以及发展是否在可信生态限度内推进。现有研究常分别考察农业指标和治理质量，或聚焦单一国家，或一次只考虑一个制度或农业维度；环境可持续性又常仅以碳排放代理，不能充分捕捉土地利用、生物容量和消费需求相关的更广生态压力。生态足迹提供更广环境压力度量，但在南亚背景下，联合评估农业生产结构与治理的研究仍有限。因此，研究人员在扩展STIRPAT框架内，考察粮食生产、农业增加值、作物产量、碳强度、政府效能、法治、经济发展和人口与人均生态足迹的关联，覆盖孟加拉国、不丹、印度、尼泊尔、巴基斯坦和斯里兰卡2000—2024年。

研究设计与意义
研究人员采用六国年度面板，150个国家-年观察。因变量EC（人均生态足迹）为水平值；解释变量包括LPOP（总人口对数）、LGPC（GDP per capita at purchasing power parity对数）、FP（粮食生产指数）、AG（农业、林业和渔业增加值占GDP比重）、LCY（谷物产量对数）、CI（碳强度）、GE（政府效能）和ROL（法治）。模型包含国家特定截距和年份效应，并进行分层构建。研究贡献在于：整合农业生产结构与治理质量于扩展STIRPAT；同时纳入多个农业指标和治理维度；使用生态足迹而非仅碳排放；采用分层计量策略。其意义在于为南亚六国2000—2024年提供更新证据，说明农业和制度因素与生态压力的关联。

关键技术方法
样本为孟加拉国、不丹、印度、尼泊尔、巴基斯坦和斯里兰卡，2000—2024年，共150个国家-年；马尔代夫和阿富汗因数据连续性和可比性排除。数据来自Global Footprint Network、World Development Indicators和Worldwide Governance Indicators 2025。方法包括横截面依赖性和斜率异质性检验、面板单位根与Pedroni协整程序、固定效应模型、分层STIRPAT、AMG和CCEMG（Common Correlated Effects Mean Group，共同相关效应均值组）异质性长期估计、分位数回归、Driscoll-Kraay和PCSE（panel-corrected standard errors，面板校正标准误）稳健性检验，以及Dumitrescu–Hurlin面板非因果检验。

研究结果
4.1 相关性与多重共线性：相关性分析显示，EC与GE、ROL、LGPC正相关，与LPOP强负相关；FP无显著双变量关联，AG和LCY为负相关。VIF（variance inflation factor，方差膨胀因子）诊断显示LGPC最高11.87，超过10，但因其为STIRPAT核心富裕变量而保留；GE为6.47，AG为5.38，LPOP为5.18，均值5.38。Belsley-Kuh-Welsch条件指数最大265.03，共线性集中于LGPC、LCY、AG和常数。GE与ROL第一主成分特征值1.7874，解释89.37%共同变异。结论是存在多重共线性，治理系数应谨慎解释。
4.2 横截面依赖与斜率异质性：Pesaran CD检验拒绝EC、FP、AG、LCY、GE、LGPC、LPOP的横截面独立性，LGPC统计量18.75，LPOP为19.07，EC为12.52；CDw+统计量所有序列显著；固定效应残差CD=6.10，p=0.000。斜率同质性检验中Delta=1.891，p=0.059；调整Delta=2.442，p=0.015。结论是面板存在横截面依赖和斜率异质性，支持第二代面板方法。
4.3 单位根与协整：单位根检验显示EC、AG、CI、LGPC、LPOP一般为I(1)，FP和ROL结果混合，LCY和GE部分设定平稳；一阶差分均平稳。Pedroni协整检验的modified PP t=2.409，p=0.008；PP t=-4.556，p=0.000；ADF t=-4.074，p=0.000。结论是支持变量间稳定长期关系，可进行长期估计。
4.4 基准固定效应结果：固定效应模型中，FP正显著，系数0.0023—0.0025；AG正显著，0.0066—0.0088；CI正显著，2.0162、2.4974、2.0603；LGPC正显著，0.3865—0.4752；LPOP负显著，-0.6879至-0.7780；LCY正但不显著；GOV_PCA正不显著，GE正且10%显著0.1269，ROL正不显著0.0333；R²为0.6635—0.6709。结论是FP、AG、CI、LGPC与更大生态压力相关，LPOP与更小压力相关，制度变量对治理测量敏感。
4.5 分层STIRPAT结果：核心模型中LPOP负显著-0.5045，LGPC正显著0.5310。加入农业块后，FP 0.0023显著，AG 0.0090显著，CI 2.2283显著，LCY 0.1408不显著。全模型中FP 0.0024，AG 0.0064，CI 2.3405，GE 0.1261弱显著，ROL 0.0308不显著。LGPC降至0.3897，LPOP范围-0.5045至-0.6986。R²从0.5826升至0.6628再至0.6715。结论是农业块贡献主要解释力，方向与基准一致。
4.6 异质性长期估计量：AMG中CI正显著1.9094，LGPC正显著0.9067，LPOP正且10%显著1.7538，GE负显著-0.0422；FP、AG、LCY、ROL不显著；共同动态过程0.9503正显著。CCEMG中AG负显著-0.0170；FP负不显著-0.0008；LCY正不显著0.0297；CI正不显著1.0513；GE负不显著，ROL正不显著；LGPC和LPOP正不显著。结论是CI是最一致的生态压力正相关因素，AG、GE、LGPC、LPOP对估计量敏感。
4.7 分布与稳健性：分位数回归Q25、Q50、Q75中，FP正0.0020、0.0024、0.0028；AG正0.0078降至0.0049；CI正2.7177降至1.9499；LGPC正0.3246升至0.4571；LPOP负且上端更负。跨分位相等检验p=0.803—0.987，联合p=1.000，分布大体稳定。Driscoll-Kraay标准误下，FP正边际显著，CI正高度显著，GE正弱显著，LGPC正显著，LPOP负显著；AG、LCY、ROL不显著。PCSE AR(1)下，FP正弱显著，CI 8.2173高度显著，GE 0.7022高度显著，ROL负显著，LGPC负不显著，LPOP负高度显著。结论是CI最稳健，治理和收入更敏感。
4.8 预测方向结果：Dumitrescu–Hurlin检验中，EC不Granger引起FP，p=0.927和0.940；LCY p=0.272和0.444；AG、CI、GE、ROL、LPOP在1%显著，LGPC在5%显著。结论是滞后EC对多数结构、制度和规模变量有预测信息，但非结构因果。
4.9 主要结果总结：面板仅需有限插补；多重共线性集中于LGPC、AG、GE、ROL；存在横截面依赖和斜率异质性；单位根和协整支持长期关系。基准和分层中FP、AG、CI、LGPC正相关，LPOP负相关，CI最一致。长期估计部分确认CI，但AG、GE、LGPC、LPOP不稳定。分布和稳健性大体保留主要结果，治理和收入敏感。预测方向表明EC对AG、CI、GE、ROL、LGPC、LPOP有预测内容，对FP和LCY无。

讨论与结论
讨论部分指出，结果可在扩展STIRPAT框架内解释。粮食生产正相关与H1一致，但未直接观测灌溉、化肥、农药、地下水、产后管理等机制。农业增加值正相关与H2一致，但估计量间符号不统一。作物产量弱支持H3，因产量反映多种抵消性技术和生产变化。碳强度正相关与H4一致，直接对应技术维度。政府效能负相关在AMG中更明显，法治较弱且不稳定，H5和H6仅获有限支持；模型未直接测环境执法和合规。经济发展正相关与H7一致，体现富裕规模效应。人口结果混合，部分因因变量为人均生态足迹，H8支持不一致。政策含义：碳强度是最稳定正相关，减少碳强度是核心；收入、粮食生产和农业增加值在基准中正相关，输出增长本身不足以表示可持续性，农业规划应与环境管理整合；制度质量相关但结论需谨慎，更具体政策工具未被直接检验。局限：仅六国2000—2024年，排除马尔代夫和阿富汗，小横截面限制统计功效，观察性设计，结论为稳健关联非因果，预测方向非结构因果，模型未纳入可再生能源、环境规制、贸易开放、气候冲击，机制变量缺失，生态足迹仅一维，粮食生产指数非综合粮食安全，治理为宽泛代理，缺失数据插补和端点外推有假设。未来研究应纳入直接机制变量、次国家面板、农业与治理交互项、环境规制和能源转型及气候压力，比较区域面板或更长序列。翻译研究结论部分：总体而言，该研究在基于STIRPAT的框架内提供了有规律的实证关联证据，但其区域聚焦、小样本、观察性设计以及对底层机制的有限测量意味着结论应被解读为有条件的和解释性的，而非确定性因果主张。