南亚能源贫困、进口与出口多样化与农业部门绩效的关联：基于2000—2023年八国面板的多维能源贫困指数与FGLS分析

《Frontiers in Sustainable Food Systems》：Association of energy poverty, import and export diversification with agricultural sector performance in South Asia

　　

本文考察南亚地区能源贫困（Energy Poverty）、进口多样化（Import Diversification）、出口多样化（Export Diversification）与农业部门绩效（Agricultural Sector Performance）之间的关联，同时控制农业二氧化碳（CO₂）排放和农业就业（Employment in Agriculture）。研究人员使用八个南亚国家——阿富汗、孟加拉国、不丹、印度、马尔代夫、尼泊尔、巴基斯坦和斯里兰卡——2000年至2023年的面板数据，基于六项能源相关指标通过主成分分析（Principal Component Analysis, PCA）构建能源贫困指数（Energy Poverty Index, ENP）。可行广义最小二乘（Feasible Generalized Least Squares, FGLS）结果表明，更好的能源条件和更低的能源贫困与农业部门绩效正相关。相反，进口多样化和农业CO₂排放与农业部门绩效负相关，而出口多样化与农业部门绩效正相关。农业就业呈现正向但统计上不显著的关联。当应用面板校正标准误（Panel-Corrected Standard Errors, PCSE）和Driscoll–Kraay标准误估计量时，这些发现保持稳健。总体而言，结果表明改善能源可及性、环境可持续农业实践和战略性贸易多样化与南亚农业部门绩效密切相关。

研究人员围绕南亚农业部门绩效（Agricultural Sector Performance, AFF）展开研究，指出农业对粮食安全、农村生计、包容性发展和可持续发展目标具有关键意义，但南亚农业持续受到结构性弱点制约。现有研究多分别考察能源可及、贸易多样化、劳动条件或环境退化，且大量证据来自南亚以外地区；能源贫困也常仅以电力可及单一指标衡量，难以反映其多维性。因此，研究人员将能源贫困（Energy Poverty Index, ENP）、进口多样化（Import Diversification Index, IDI）、出口多样化（Export Diversification Index, EDI）、农业就业（Employment in Agriculture, EIA）和农业CO₂排放（CO₂ Emissions from Agriculture, COA）纳入同一框架，考察其与南亚AFF的关联，并通过主成分分析（Principal Component Analysis, PCA）构建多维能源贫困指数，以FGLS为主估计量，PCSE和Driscoll–Kraay标准误（Driscoll–Kraay Standard Errors, DK-SE）进行稳健性检验。

关键技术方法概括不超过250字：研究人员使用2000—2023年阿富汗、孟加拉国、不丹、印度、马尔代夫、尼泊尔、巴基斯坦和斯里兰卡八个南亚国家平衡面板；AFF以农业、林业和渔业增加值占GDP比重代理；ENP由电力可及、城乡电力可及、清洁烹饪燃料、可再生能源消费和可再生电力产出六项指标经PCA构建；IDI和EDI来自UNCTADSTAT，EIA和COA来自世界发展指标；采用Levin-Lin-Chu（LLC）平稳性检验、相关矩阵、混合OLS、固定效应（Fixed Effects, FE）与随机效应（Random Effects, RE）模型，并用Hausman检验选择；开展Pesaran截面依赖、Modified Wald异方差和Wooldridge自相关诊断；主估计为FGLS，PCSE和DK-SE作稳健性检验。

研究结果如下。LLC检验：AFF、IDI、EDI、EIA水平平稳，ENP与COA一阶差分后平稳，呈混合阶。固定效应（FE）模型：解释13.08%组内变异；ENP为正但不显著；IDI为负且显著，IDI增加一个标准差与AFF估计下降13.92点相关；EDI为负但不显著；EIA为负但不显著；COA为负且显著。随机效应（RE）模型：解释28.77%总变异；ENP为正且边际显著；IDI为负且显著，一个标准差增加与AFF下降19.96点相关；EDI为正且显著，一个标准差增加与AFF上升10.30点相关；EIA为正但不显著；COA为负且显著。Hausman检验：χ²=229.39，p=0.0000，拒绝RE，支持FE。诊断检验：Pesaran检验p=0.8432，无显著截面依赖；Modified Wald检验p<0.001，存在组间异方差；Wooldridge检验p=0.0001，存在一阶自相关，故采用FGLS。FGLS：ENP为正且边际显著；IDI为负且显著；EDI为正且显著；EIA为正但不显著；COA为负且显著。上述结果被解释为条件关联而非因果效应。稳健性检验：PCSE显示ENP为正且显著、IDI为负且显著、EDI为正且显著、EIA不显著、COA为负且显著；DK-SE显示ENP为正但不显著，IDI为负且显著，EDI为正且显著，EIA不显著，COA为负且显著。核心模式稳定：更好能源条件和出口多样化与AFF正相关，进口多样化和农业CO₂排放与AFF负相关。

讨论部分强调，ENP高值表示更好能源条件和更低能源贫困，电力、清洁烹饪和可再生能源改善与机械化、灌溉、加工及减少收获后损失相关。出口多样化与市场机会扩大、风险降低和质量升级相关；进口多样化负相关可能反映进口食品或替代品竞争、外部依赖及国内吸收能力不足，且因变量以原始指数进入，系数不应解读为百分比效应。EIA不显著说明劳动数量在缺乏互补技术和技能时不足；COA负相关显示环境压力重要。研究贡献包括理论整合、PCA多维指数和多种面板估计，政策上需协调农业、能源、贸易和环境，减少农村能源贫困，提升可靠电力、出口物流、冷链和认证能力，区分增强部门与替代国内生产的进口，加强劳动力培训，并支持气候智能农业。限制包括二手数据、仅八国、治理和政策未单独建模、遗漏气候灌溉和制度质量、内生性、无面板协整、代理指标及测量选择局限；未来可使用替代农业生产率、工具变量、动态面板、协整、产品分解和比较纵向研究。

研究结论翻译：本研究使用面板估计技术考察南亚能源条件、进出口多样化、环境压力和农业就业与农业部门绩效的关联，以FGLS为主估计量，PCSE和Driscoll–Kraay为稳健性检验。研究发现，ENP（高值反映更好能源条件和更低能源贫困）与农业部门绩效正向且边际显著相关，表明电力可及、清洁烹饪技术和可再生能源使用改善与机械化、减少收获后损失和农业部门绩效改善相关。出口多样化与农业部门绩效显著正相关，表明更广出口结构可能与市场机会扩大、风险降低和生产升级相关。进口多样化与农业部门绩效显著负相关；该结果应谨慎解释，因为进口多样化变量以原始指数形式进入而非对数或标准化，系数不应读作百分比效应，其较大数值主要反映变量尺度；更重要的是，该负相关在FE、RE、FGLS、PCSE和Driscoll–Kraay估计量下保持稳定。农业就业未显示统计显著关联，表明在缺乏互补技术和技能时，劳动数量本身不足以与更高农业部门绩效相关。最后，农业CO₂排放具有显著负相关，突出环境可持续性对农业绩效的重要性。总体而言，这些发现应解释为条件关联而非因果效应。