基于边际生产力生产投入模型的农业碳排放影子价格与区域减排成本测度——来自福建省地市面板数据的证据

《Frontiers in Sustainable Food Systems》：Estimation of agricultural carbon abatement costs using a marginal-productivity-based production-input model: evidence from Fujian Province, China

　　

农业碳排放影子价格（shadow price of agricultural carbon emissions）是量化农业碳减排成本并反映相关机会成本（opportunity cost）的关键指标，对双碳目标（dual-carbon goals）下农业绿色发展与低碳转型具有重要理论与实践意义。依据边际生产力理论（marginal productivity theory），本研究将农业碳排放视为一种生产要素，构建超越对数生产函数模型（translog production function model），并采用岭回归（ridge regression）处理多重共线性（multicollinearity）。基于福建省9个地级市2010—2023年的面板数据（panel data），研究人员测度各市农业碳排放影子价格，并通过随机前沿分析（stochastic frontier analysis, SFA）进行稳健性检验，探讨其时空演化格局及区域差异驱动因素。主要发现如下：（1）福建省农业碳排放影子价格总体呈持续上升趋势，各市单位碳减排的经济机会成本不断上升。（2）区域差异显著——闽东和闽北平均影子价格居全省较高水平，闽南则处于较低水平，形成“东南沿海—西北内陆”的二元空间格局。（3）农业碳排放影子价格区域差异明显，其中漳州、福州和南平减排成本最高，厦门最低。通过量化福建省农业碳减排成本的时空特征，本研究为制定差异化碳减排政策提供经济依据，同时指出碳源核算范围受限等局限，并明确未来研究方向。

全球温室气体排放与气候变暖持续加剧，食物系统直接排放约占人为活动总排放的19—29%，中国占全球碳排放约28%，农业部门占16—17%。既有研究多围绕农业碳排放与经济增长关系、环境库兹涅茨曲线（environmental Kuznets curve, EKC）及路径依赖展开，并采用数据包络分析（data envelopment analysis, DEA）、随机前沿分析（stochastic frontier analysis, SFA）、线性规划（linear programming, LP）和方向距离函数（directional distance function, DDF）等测度减排成本。但多数研究仍以肥料、机械能耗等技术参数计算成本，停留在外部性的一般讨论，缺乏对减排成本形成机制与趋势变化的经济解释，影响减排政策设计的合理性和适用性。为此，研究人员以边际生产力理论为基础，将农业碳排放作为生产投入，估计其影子价格即减排机会成本，并以福建这一国家生态文明试验区为对象，尝试提供内生经济解释和差异化政策依据。

研究人员构建超越对数生产函数，将资本、劳动和农业碳排放作为核心投入，纳入城镇化率和农村人均收入等控制变量，利用福建省9个地级市2010—2023年面板数据测度农业碳排放影子价格，分析时空演化，并用SFA和剔除异常年份进行稳健性检验。结论显示：农业碳排放对农业产出具有显著正边际贡献；影子价格总体上升；区域差异显著，闽东、闽北较高，闽南较低，漳州、福州、南平减排成本最高，厦门最低。该研究为识别农业碳排放作为生产要素的经济价值、制定区域差异化碳减排政策提供了经济依据。

关键技术方法概括（不超过250字）：研究人员基于边际生产力理论，将农业碳排放作为投入，构建含资本K、劳动L、碳排放C及控制变量的超越对数生产函数；采用岭回归（ridge regression，k=0.02）处理多重共线性并估计参数，由边际产出推导影子价格，结合GIS和自然断点法刻画时空演化；以SFA和剔除2020—2021年进行稳健性检验。样本为福建省9个地级市2010—2023年面板数据，来源为《福建统计年鉴》和《区域经济统计年鉴》2011—2024，缺失值用线性插值；农业碳源含农资投入、农事活动和畜禽养殖等九类，采用IPCC标准碳转换因子，水稻甲烷和露天秸秆焚烧因县级数据不可得未纳入。

研究结果如下。3.1 模型回归结果分析：初步回归的R²为0.903、调整R²为0.891，模型解释力较强，但方差膨胀因子（variance inflation factor, VIF）显示严重多重共线性；lnc系数为0.176（t=9.325，p<0.001），初步验证H1。3.2 岭回归结果分析：3.2.1 岭值k的确定：以k=0.02起步并比较系数显著性与稳定性，确定k=0.02。3.2.2 岭值k确定后的模型参数估计：R²=0.939、调整R²=0.933、F=159.295（p<0.001）；lnc系数为0.590（t=12.904，p<0.001），lnc二次项为?0.023（p<0.05），与资本交互项为0.034（p<0.001），支持H1并为H2提供参数支持。3.3 农业碳减排成本量化与分析：9市2010—2023年影子价格均呈上升趋势，2023年省均较2010年上升16.9%；漳州均值6.72、福州6.27、南平6.08最高，厦门3.94、莆田5.28较低，并存在短期波动，为差异化政策提供依据。3.4 稳健性检验：3.4.1 随机前沿分析：SFA模型总体有效，lnc为3.626（p<0.001），与岭回归一致，lnL为3.095、lnR为0.872（p<0.001）；lnK为?2.372（p<0.001），可能反映资本边际递减或结构错配；γ≈0表明技术无效率不显著，SFA近似OLS。3.4.2 剔除异常年份：剔除2020—2021年后R²=0.935、调整R²=0.928、F=126.031，lnC为0.589（p<0.001），核心结论稳健。3.5 农业碳排放影子价格空间演化特征：空间上呈西北高、东南低的两级格局并动态演化，高值区在漳州、南平、福州等集聚并扩展，厦门持续低值，2023年西北—东南差距扩大，支持H3；福州设施农业和智慧农业技术应用较广，漳州和宁德依托生态禀赋维持较高影子价格，厦门农业占比极低，龙岩和泉州趋势分化。

讨论部分表明，政策设计应协调区域减排责任，避免统一模式：高影子价格区机会成本较大，可考虑补偿机制或较轻减排目标，并通过碳交易等转移机制平衡效率与公平；低影子价格区可鼓励低碳模式创新。减排路径包括“总量控制型”和“效率提升型”，高影子价格区宜优先推广精准施肥、节水灌溉、新能源农机及“林业碳汇+农业减排”等效率提升路径，低影子价格区可结合产业结构调整。研究还指出，SFA中资本负系数可能源于资本配置次优、土地碎片化和小规模经营，σ_u²为零与技术无效率不显著相符。局限包括碳核算未纳入水稻甲烷和露天秸秆焚烧、影子价格仅取自岭回归基线模型、区域特异性限制外推。

研究结论翻译：H1（农业碳排放对农业产出具有正边际贡献）获多项统计检验支持：岭回归和SFA中lnc系数分别为0.590和3.626（p<0.001），均显著为正，符合边际生产力理论“要素价值由边际贡献决定”的核心逻辑。H2（农业碳排放影子价格随时间上升）获趋势回归和参数分析支持：全省平均影子价格2023年较2010年上升16.9%，趋势回归系数为0.087（t=6.32，p<0.001）；lnc与技术进步、资本积累的交互项显著为正（p<0.01），揭示技术进步驱动碳边际生产力上升的机制。H3（农业碳排放影子价格存在显著区域差异）获区域虚拟变量回归和方差分析（analysis of variance, ANOVA）支持：闽北、闽东影子价格显著高于闽南（系数分别为1.24和1.09，p<0.01），ANOVA的F=23.67（p<0.001）。空间上呈西北高、东南低格局，符合产业结构与农业生产技术可能导致减排成本区域异质性的理论预期；但当前统计检验尚未建立这些因素与影子价格差异之间的因果联系。