中国农地流转对农业碳排放强度的影响及作用机制研究_吉雪强.pdf

第37卷 第2期2023年2月Vol.37 No.2Feb.,2023中 国 土 地 科 学China Land Science农业 是碳排放的重要来源之一1-2。农业碳排放虽然在数量上少于工业碳排放，但结合我国巨大的碳排放总量，可知我国农业碳排放绝对数值不可小 觑3-4，农业碳排放研究对我国碳排放研究的意义不容忽视5-7。另外，农业碳排放研究可为区域差异化的低碳农业发展措施提供决策参考8，对于保障农业稳产增产同时促进农业绿色发展有着重要价值。因此，无论从农业碳排放对我国碳排放问题的重要影响还是从农业碳排放研究的现实意义来看，开展农业碳排放研究都有其实然价值。农业碳排放作为学界研究重点，相关成果十分丰富。一方面，学者们讨论了农业碳排放的测度问题9-10，同时还进一步探索了农业碳排放及其强度的区域差异与时空分布规律11-12。另一方面，学者们就农业碳排放及其强度的影响因素进行了研究，深入分析了农业经济发展13-14、农业产业聚集15、技术发展16-17、环境规制18等因素对农业碳排放及其强度的冲击。整doi:10.11994/zgtdkx.20230208.093642中国农地流转对农业碳排放强度的影响及作用机制研究吉雪强1，刘慧敏2，张跃松1（1.中国人民大学公共管理学院，北京 100872；2.江西财经大学财税与公共管理学院，江西 南昌 330013）摘要：研究目的：探明农地流转对农业碳排放强度的影响效应及作用机制，为实现农业碳达峰碳中和目标建言献策。研究方法：双固定效应回归模型、工具变量模型、中介效应模型。研究结果：（1）农地流转对农业碳排放强度产生显著负向影响，农地流转面积扩大会降低农业碳排放强度；（2）农业化学化水平在农地流转降低农业碳排放强度过程中发挥中介效应，农地流转主要通过降低农业化学化水平而降低农业碳排放强度；（3）农业机械化水平在农地流转降低农业碳排放强度过程中发挥遮掩效应（削弱作用），农地流转会提升农业机械化水平进而降低其对农业碳排放强度的减量效应。研究结论：农地流转对农业碳排放强度具有显著负向影响，建议通过加快农地流转、提升农业化学物资使用效率、推动清洁型农业机械应用等措施进一步发挥农地流转对农业碳排放强度的减量效应。关键词：农地流转；农业碳排放；碳达峰；碳中和；工具变量；中介模型中图分类号：F301.24 文献标志码：A 文章编号：1001-8158（2023）02-0051-11体来看，现有农业碳排放研究体系较为成熟，能为我国农业碳减排工作开展提供一定科学指导。然而，现有研究较少考虑农地流转这一农业重大变革对农业碳排放的可能作用，影响了农业碳排放研究体系的完善，也不利于深入推进农业碳减排。农地流转是近年来我国农业领域改革的一项重要内容，对农业发展具有显著影响。现有研究指出农地流转会影响农业发展形态19和经营规模20，也会对农户生活21-22、农业劳动力转移23、农业生产效率24-25等方面产生作用。而农业碳排放是农业活动对环境的负面作用，与农业发展息息相关，其必然也会受到农地流转的冲击。因此，分析农业碳排放影响因素时，如果不考虑农地流转这一重要实践的影响，将降低研究的现实性。虽然，现有研究更多关注农地流转的经济效应和社会效应，但也有少数学者分析了农地流转的环境效应26-27；同时，个别学者也认识到了农地流转对碳排放的作用28，但其研究范围较小，样本量不收稿日期：2022-09-18；修稿日期：2022-10-18基金项目：国家社会科学基金（17BRK023）。第一作者：吉雪强（1996-），男，江西吉安人，博士研究生。主要研究方向为土地经济与政策、房地产经济与管理。E-mail:通讯作者：张跃松（1970-），女，内蒙古赤峰人，教授，博士生导师。主要研究方向为住房保障与政策评价。E-mail: 中国土地科学 2023年2月 第2期52足。所以，整体而言，现有研究没有充分考虑农地流转这一重大变革对农业碳排放的影响，难以为农地流转过程中碳排放问题的解决提供有效科学支持。碳排放强度反映单位产值的碳排放，相比于碳排放总量更能衡量经济发展与环境保护的协调情况。因此，本文基于现有研究进展，综合理论分析与实证分析，在对结果严格检验的基础上，系统讨论农地流转对农业碳排放强度（狭义农业）的影响及作用机制。本文的边际贡献为：（1）研究视角上，现有研究较少关注农地流转的环境效应，本文则就农地流转对农业碳排放强度这一重要环境问题的影响进行深入分析；（2）研究内容上，现有研究较少直接分析农地流转对农业碳排放强度的影响，本文则对该问题进行深入讨论并探索其作用机制；（3）研究方法上，本文找到了农地流转面板数据分析可靠工具变量，可为后续研究提供参考。1 理论分析与研究假说 1.1 农地流转对农业碳排放强度的影响效应农业碳排放强度，是单位农业总产值所产生的碳排放。农地流转对农业碳排放强度具有重要影响，表现为农地流转对农业总产值的增量效应及其对农业碳排放的减量效应。首先，农地流转会增加农业总产值。一方面，农地流转能减少农地抛荒29，从而扩大农业土地实际利用面积。随着城市化推进，部分农户入城务工，其所承包的农业土地逐步荒废，而农地流转使部分农户将荒废土地的经营权流转于致力农业生产经营的个体或组织手中，重新激活这部分农业土地的生产功能，为农业生产经营提供更多土地；另一方面，农地流转能提升农业经营规模，提高农业生产效率24-25。农业小规模经营由于土地、资金和管理等方面的限制，不利于先进农业技术与装备应用，阻碍了农业生产效率提升和农业总产值增加。农地流转推进土地经营权集中于部分农户或经济组织，能够有效提升农业经营规模20，为先进农业技术和装备嵌入农业生产经营提供土地、资金与管理支持，从而提高农业生产效率。而农业土地增加和农业生产效率提高是农业总产值增加的重要条件。其次，农地流转会减少农业碳排放量。一则，农地流转能降低农业活动资源消耗，从源头上减少农业碳排放。化肥、农业机械等物资是农业碳排放重要来源。农地流转将推进农业规模经营，而相比于小农户，规模农业主体往往更为接近“理性经济人”30，能更合理的运用农业物资，提升农业资源使用效率，降低农业物资消耗。二则，农地流转能促进绿色农业技术应用31-33，减少农业生产经营碳排放。农地流转背景下土地产权稳定性提升，在稳定的产权预期下农户将更多的考虑土地长期投资收益，更积极的采用有利于增强土地可持续生产能力的绿色农业技术，从而减少传统农业生产技术应用，降低农业生产经营过程碳排放。当农业物资消耗减少且绿色农业技术应用水平提升时，农业碳排放量也将随之下降。因此，本文认为农地流转能增加农业总产值并降低农业碳排放（图1）。综上，本文提出假说1：农地流转对农业碳排放强度产生负向影响，即农地流转面积扩大会降低农业碳排放强度。1.2 农地流转对农业碳排放强度的作用机制在农地流转影响农业碳排放强度过程中，农业化a考虑到现阶段我国农地流转的主要内容是耕地流转，主要影响狭义农业，故此本文专门分析农地流转对狭义农业的影响。图1 农地流转对农业碳排放强度的影响效应分析框架Fig.1 Analyticalframeworkoftheeffectofrurallandtransferonagriculturalcarbonemissionintensity53吉雪强等：中国农地流转对农业碳排放强度的影响及作用机制研究 学化水平和农业机械化水平是重要的中介变量。农地流转会降低农业化学化水平。农地流转所具备的边际产出拉平效应、规模经济效应和改善细碎化效应27将使农业土地转入效率更高的规模经营主体，这些主体将有效整合农业土地，推进测土施肥等技术应用，从而提升农业化学物资的使用效率；此外，农地流转制度下稳定的产权预期又将促使经营主体进行土地长期投资，减少对土地有害的化学物资使用。而农业化学化水平下降，会促进农业碳排放强度降低。虽然，农业化学物资投入是长期以来我国农业经济增长的重要动力34。但是，伴随着农业生产技术水平提升，我国农业化学投入与农业经济增长已逐渐脱钩35-36。因此，当前农业化学化水平对农业经济增长的作用并不明显，农业化学物资使用的影响更多是其造成的温室气体排放对环境的污染。所以，农地流转对农业化学化水平的减量效应对农业总产值的影响并不显著，却会造成农业碳排放的显著减少。综上，本文提出假说2：农地流转能通过降低农业化学化水平而降低农业碳排放强度，即农业化学化水平在农地流转降低农业碳排放强度过程中发挥中介效应。农地流转为农业机械使用提供更合适的农业经营规模，从而提升农业机械化水平37。农业机械化水平提升，既需要一定资金支持，也需要一定规模土地供应。一方面，充足的资金是购买租赁农业机械的前提；另一方面，土地细碎化会阻碍农业机械作业，适度的土地规模是农业机械效用发挥的重要条件。农地流转使农业土地经营权更好的集中于规模经营主体，而这些主体相比小农户具有更多资金和更高意愿购买租赁农业机械以提升农业生产力；另外，农地流转将降低土地细碎化水平，使农业机械在更为广阔的土地中作业，从而更好发挥农业机械的积极作用。农业机械化水平提升会增加农业柴油消耗，从而增加碳排放38-39。虽然农业机械化水平提升同样有利于增加农业总产值。不过，现阶段我国农业机械化水平整体处于初级阶段，对农业生产的作用尚不显著34。为此，本文认为农业机械化对农业碳排放强度的作用主要表现为对农业碳排放的增量作用。所以，农地流转能通过提升农业机械化水平而增加农业碳排放强度。但是，结合上文分析可知，农地流转整体上对农业碳排放强度产生负向影响。故在考虑农业机械化水平中介作用机制时，农地流转对农业碳排放强度的影响表现为农地流转对农业碳排放强度的直接负向影响，以及农地流转通过提升农业机械化水平对农业碳排放强度的间接正向影响，且直接负向影响更大。综上，本文提出假说3：农地流转能通过提高农业机械化水平而增强农业碳排放强度，而这将削弱农地流转对农业碳排放强度的减量效应，即农业机械化水平在农地流转降低农业碳排放强度过程中发挥遮掩效应。2 实证研究设计2.1 农地流转对农业碳排放强度影响效应分析2.1.1 计量模型（1）主效应计量模型：为减少遗漏变量和内生性，本文构建地区和时间双固定效应面板回归模型估计农地流转对农业碳排放强度的影响效应，以验证假说1：PCEIccLTRSXitLTRitititit1=+（1）式（1）中：PCEIit表示农业碳排放强度；LTRit表示农地流转；Xit表示控制变量；i表示地区固定效应；t表示时间固定效应；it表示随机误差项；c1为截距项，cLTR为农地流转系数；S为控制变量系数。（2）工具变量模型：在主效应估计时，估计结果可能受内生性问题困扰。一方面，我们无法排除农地流转与农业碳排放强度可能存在的反向因果；另一方面，可能会遗漏部分随时间变化的特征，这些特征可能会影响估计结果。为解决分析中的内生性问题，本文在利用固定效应模型进行估计的基础上选择工具变量模型分析主效应计量模型中的内生性问题。LTRcc IVSX2itIVitititit=+（2）式（2）中：LTRit为基于工具变量拟合的农地流转情况；IVit为工具变量；c2为截距项；cIV为工具变量系数；其余变量含义如式（1）。工具变量第二阶段模型则用式（2）拟合的农地流转情况放入式（1）。PCEIccLTRSX3itLTRitititit=+（3）式（3）中：c3为截距项；cLTR是基于工具变量拟合的农地流转情况LTRit的系数。此时，由于LTRit是由工具变量和其他外生变量所决定，因此再次回归获得a本文选择农业化学化水平和农业机械化水平作为中介变量，一方面是由于这两个变量是农业碳排放的重要来源且会影响农业总产值，且降低农业化学化水平和提高农业机械化水平是现在农业领域的重点，另一方面则是现有研究成果能够较好的支撑农地流转农业化学化/农业机械化农业碳排放强度的理论逻辑论证，其他路径要么缺乏足够成果支持其逻辑分析，要么其分析的现实价值有所不足。中国土地科学 2023年2月 第2期54的 是无偏的。2.1.2 变量设定（1）被解释变量：以农业碳排放强度为被解释变量，其为农业碳排放与农业总产值的比值。其中，农业碳排放参考已有研究9-10,40方法进行计算。农业总产值则利用各省农业（狭义）生产总值（不变价）表征。核心解释变量：参考已有研究21，以农业农村部所公布的各省家庭承包耕地流转总面积作为农地流转情况的替代指标，并以此作为核心解释变量。控制变量：综合前文所提及的农业碳排放影响因素研究13-18以及农业实际碳排放强度，选择农业产业聚集水平、地区产业结构、创新与技术发展水平、环境规制、农业受灾率等变量控制各省份发展情况。农业产业聚集水平反映地区农业聚集程度，当农业聚集时，可通过发挥规模效应而加快技术交流和要素交换，从而提升农业产值；农业产业聚集水平提升初始会增加碳排放，但当聚集水平达到较高程度时却能改善农业碳排放状况15。因此，本文认为农业产业聚集水平会影响农业碳排放强度，且影响为负。地区产业结构体现地区各产业占经济比重，第一产业占比较高地区，二三产业相对落后，此时该地区农业产业链延伸较为困难，地区农业总产值提升更多依靠初级农业生产，而非深加工，这使得该地区农业单位产值实现所产碳排放可能较高。因此，本文认为产业结构中第一产业占比会影响农业碳排放强度，且影响为正。创新与技术发展水平提升表明地区技术进步，而技术进步将增加农业产出，其中的绿色技术进步将降低农业碳排放。因此，本文认为创新与技术发展水平会影响农业碳排放强度，且影响为负。环境规制反映地区政府对环保问题的重视程度，环境规制越强，农业碳排放越低。因此，本文认为环境规制会影响农业碳排放强度，且影响为负。农业受灾率提升会对农业发展产生直接冲击，受灾率提高，农业总产值将下降，但是中间过程各类投入产出的碳排放却依然存在。因此，本文认为农业受灾率会影响农业碳排放强度，且影响为正。工具变量：利用1983年各省份实施家庭联产承包责任制的户数比例与各年各省城镇人口比重的乘积计算获得。选择该变量为工具变量，一方面是由于1983年各省实施家庭联产承包责任制的比例具有外生性，这一变量属于历史数据，对近年农业碳排放强度影响较弱；另一方面该变量与农地流转具有较高相关性，早期家庭联产承包责任制实施进度，一定程度反映当地土地政策倾向，对当前农地流转政策变迁存在影响41。但是，这一变量是截面数据，而本文主效应分析采用面板数据。因此，将该变量与各年各省城镇人口比重的乘积相乘，将其变为面板数据可使用的工具变量。2.2 农地流转对农业碳排放强度作用机制分析2.2.1 计量模型本文拟利用面板数据中介效应模型分析农地流转对农业碳排放强度作用机制。参考现有成果42，构建三阶段中介效应模型。其中，第一阶段中介效应模型公式为式（1）。第二、三阶段见式（4）与式（5）。本文在分析时，进行平行中介效应的分析。MaaLTRSX1itLTRitititit=+（4）PECIccLTRbMSX1itLTRititititit=+（5）式（4）式（5）中：Mit为中介变量；a1、c1截距项；aLTR、cLTR为农地流转的系数；b为中介变量的系数。其余变量含义同式（1）。2.2.2 变量设定根据前文理论分析与假设，选择农业化学化水平和农业机械化水平作为中介变量。农业化学化水平反映农业活动中单位农业产值实现所需化肥施用量、农药使用量、农膜使用量，农业机械化水平反映农业活动中单位农业产值实现所需农业机械动力（表1）。2.3 数据来源本文以我国30个省份为研究区域，时间设定为20082020年。其中，港澳台和西藏地区由于农业特征与其余地区存在较大差异，故未纳入分析。研究利用省一级面板数据，一方面是由于现有农业碳排放研究多数使用省市级别的宏观面板数据，采用宏观数据可以反映农业碳排放的整体发展情况；另一方面，虽然农地流转研究多数采用微观调研数据，但仍有部分研究21-22,25-26采用宏观数据，表明农地流转研究中a狭义农业碳排放包含稻田的 CH4排放，各类作物、化肥和土壤引起的 N2O排放,化肥、农药、农膜、农业机械和农业灌溉所产生的 CO2排放。在分析中，本文专门选择农作物及其土壤以及农业物资所引起的碳排放，是因为农地流转对这两方面会产生直接的作用，进而影响农业碳排放强度。由于现有研究较少分析农地流转对秸秆焚烧的作用。因此，在理论上缺乏农地流转对秸秆焚烧及其所产生碳排放影响的分析依据，故未对其分析。平行中介效应，即在分析一中介变量作用时，不考虑其他中介变量作用，将其余变量作用都归纳为农地流转对农业碳排放强度的直接影响。这样可以清晰描述各中介变量作用，避免串联式中介效应分析带来的作用重叠问题。55吉雪强等：中国农地流转对农业碳排放强度的影响及作用机制研究 表1 变量描述Tab.1 Variable description变量类型变量名称变量赋值说明均值标准差最小值最大值被解释变量农业碳排放强度（农业碳排放/农业总产值）/（104 t 10-8元）2.2820.8740.7785.816核心解释变量农地流转农地流转面积/104亩1 221.0521 283.28712.9286 897.310控制变量农业产业聚集（地区农业产值/全国农业产值）/（地区生产总值/全国生产总值）1.2670.8260.0144.325地区产业结构第一产业增加值/地区GDP0.1020.0550.0030.287创新与技术发展国内专利申请授权数/件49 015.26081 336.180228.000709 725.000环境规制环保节能支出/财政预算总支出0.0300.0100.0100.070农业受灾率农业受灾面积/农作物总播种面积0.1900.3460.0006.468工具变量农地流转工具变量（1983年各省实施家庭联产承包责任制户数/1983年各省农村总户数）各年各省份城镇人口比重54.53511.23229.01881.663中介变量农业化学化水平（化肥、农药、农膜使用总量/农业总产值）/（104 t 10-8元）0.2070.0630.0800.369农业机械化水平（农业机械总动力/农业总产值）/（104 kW 10-8元）3.4251.6140.5588.507宏观数据分析同样具有其意义。研究多数基础数据来自 中国统计年鉴中国农村统计年鉴中国农业年鉴中国农业统计资料；农地流转数据来自农业农村部官方网站。为避免变量单位的干扰，在分析前利用极差法对数据进行了标准化处理。3 实证分析与检验3.1 中国农业碳排放强度测度基于已有研究9-10及前文设定，计算得20082020年我国30个省份的农业碳排放总量及农业碳排放强度，二者的年度变化趋势见图2，2020年各省份农业碳排放强度见图3。由图2可知，研究期间，我国农业碳排放总量和农业碳排放强度整体下降。20082020年我国30个省份的农业碳排放总量呈现先升后降、整体下降的趋势。2008年我国农业碳排放总量为62 997.507万t，后逐步上升至2015年的69 217.631万t，然后逐渐降低至2020年的58 399.524万t。农业碳排放总量在2015年出现转折，可能是由于2015年我国开始推进“面源污染攻坚战”，降低了农业化学物资投入，从而减少了农业碳排放。20082020年我国30个省份的农业碳排放强度持续下降，由2008年的2.728万t/亿元降低至2020年的1.564万t/亿元。农业碳排放强度下降可能是由于我国农业技术的持续改进提升了农业产量，也有可能是由于农业产业链延长而提升了产品价值，此外，农业碳排放总量的下降也是农业碳排放强度降低的重要原因。由图3可知，不同地区农业碳排放强度差距较大。2020 年农业碳排放强度最高的是江西省，为2.840万t/亿元；最低是天津市，为0.778万t/亿元。江西省作为粮食主产区，存在农业发展压力，为保障农图2 中国农业碳排放强度与碳排放总量Fig.2 Carbon emission intensity and total carbon emission of agriculture in China 中国土地科学 2023年2月 第2期56业产出，因此较多的使用了农业化学物资；另外，江西省二三产业相对东部地区发展缓慢，农业产业链发展受阻，农业产值依赖于初级农产品种植，因此其农业碳排放强度相对较高。天津市较低的农业碳排放强度可能得益于较为先进的农业技术和严格的环境规制。3.2 农地流转对农业碳排放强度的影响效应3.2.1 主效应分析基于式（1）设定，得农地流转对农业碳排放强度影响效应，见表2模型（1）。可知，农地流转对农业碳排放强度影响系数为-0.076，在1%的统计水平显著。这表明农地流转对农业碳排放强度产生显著的负向影响，即农地流转面积扩大能显著降低农业碳排放强度。因此，假说1成立。究其原因，农地流转能促进农业总产值的提升21-22，同时能推进农业经营主体更为理性决策以提升物资利用水平30，并更好的采用绿色农业技术降低农业碳排放31。就控制变量而言，农业产业聚集系数为-0.062，在5%的统计水平显著。表明农业产业聚集水平的提升，能降低农业碳排放强度。究其原因，农业产业聚表2 农地流转对农业碳排放强度的影响Tab.2 Effectofrurallandtransferonagriculturalcarbonemissionintensity变量（1）（2）（3）（4）（5）（6）农地流转面积-0.076*-0.069*-0.075*-0.306*-0.051*-0.062*（0.027）（0.027）（0.027）（0.029）（0.027）（0.025）农业产业聚集-0.062*-0.060*-0.064*-0.190*-0.053*-0.080*（0.026）（0.026）（0.026）（0.034）（0.025）（0.021）地区产业结构0.198*0.192*0.200*0.514*0.170*0.113*（0.047）（0.047）（0.047）（0.054）（0.047）（0.044）创新与技术发展水平-0.039-0.049-0.039-0.327*-0.043-0.035（0.033）（0.033）（0.034）（0.041）（0.033）（0.039）环境规制-0.034*-0.034*-0.034-0.053*-0.009（0.017）（0.017）（0.022）（0.018）（0.015）农业受灾率0.0520.118*0.0480.034（0.036）（0.050）（0.036）（0.028）常数0.337*0.329*0.339*0.258*0.361*0.370*（0.020）（0.019）（0.020）（0.022）（0.020）（0.017）观测值390390390390377330R20.8230.8200.8220.6460.8360.840地区固定效应控制控制控制控制控制控制时间固定效应控制控制控制无控制控制注：*、*和*分别表示1%、5%和10%的显著性水平，括号内数字为稳健标准误差。图3 2020年各省农业碳排放强度Fig.3 Agricultural carbon emission intensity in various provinces in 202057吉雪强等：中国农地流转对农业碳排放强度的影响及作用机制研究 集虽然可能造成碳排放总量增加，但是产业聚集的规模效应能够促进农业产业合作，降低地区农业发展成本，提升农业生产效率，进而实现更高的农业产值。地区产业结构系数为0.198，在1%的统计水平显著。表明地区第一产业生产总值占地区生产总值比重越高，地区农业碳排放强度越强。其可能的原因在于地区第一产业占比越高，该地区经济发展整体水平相对越低，在二三产业相对落后的情况下农业产业链延伸较为困难，因此该地区农业总产值更多依靠初级农业生产，而非后续的深加工，使得该地区农业单位产值所造成的碳排放较多。环境规制系数为-0.034，在5%的统计水平显著，表明环境规制越严格，地区农业碳排放强度越低。可能的原因在于环境规制提升预示地区政府对环境问题的重视，其可能采取生态补偿等手段进一步引导农户采用绿色农业技术，从而减少农业碳排放，进而降低农业碳排放强度。3.2.2 稳健性分析本文通过调整控制变量、更换估计模型、调整研究地区和研究时间等方式对主效应估计的稳健性进行检验，结果见表2。表2模型（2）模型（6）中农地流转对农业碳排放强度的影响系数持续显著为负，证明主效应估计结果具有稳健性。考虑到主效应分析结果可能存在内生性，本文基于式（2）和式（3）结合工具变量，就主效应的内生性进行分析，结果见表3。表3模型（1）为工具变量模型第一阶段结果，模型（2）为第二阶段结果。表3中农地流转拟合值对农业碳排放强度影响显著为负，这表明在排除内生性后主效应估计结果依然稳健。在利用工具变量法处理内生性问题时，需要进行弱工具变量检验、不可识别检验。首先，本文对所选工具变量进行弱工具变量检验，结果发现工具变量的F值为12.374，大于15%偏误的临界值8.96。因此，根据STOCK等43的论述可知工具变量不是弱工具变量。其次，本文对所选择工具变量进行不可识别检验，农地流转工具变量的LM值为12.544，P值在1%的统计水平显著，可知工具变量通过了不可识别检验。3.3 农地流转对农业碳排放强度的作用机制3.3.1 中介效应分析根据式（4）设定，可估计农地流转对农业化学化水平和农业机械化水平的影响，见表4模型（1）和模型（2）。根据式（5）设定，可估计农地流转与中介变量对农业碳排放强度的影响，见表4模型（3）和模型（4）。结合表4中农地流转系数、中介变量系数，可得中介变量的具体中介效应情况（表5）。根据表4模型（1）可知农地流转对农业化学化水平的影响系数为-0.088，在5%的统计水平显著，表明农地流转面积扩大会显著降低农业化学化水平。而由表4模型（3）可知农业化学化水平对农业碳排放强度影响系数为0.450，在1%的统计水平显著，表明农业化学化水平提高能显著提升农业碳排放强度。因此，农地流转能通过降低农业化学化水平而降低农业碳排放强度，即农业化学化水平在农地流转影响农业碳排放强度过程中发挥中介效应。所以，假说2成立。进一步分析发现，农地流转对农业碳排放强度的直接影响系数为-0.037，而农地流转通过作用于农业化学化水平而对农业碳排放强度的间接影响为-0.040。可见，农地流转对农业碳排放强度的减量效应主要通过降低农业化学化水平实现。这一作用机制可以概括为：农地流转面积扩大农业化学化水平下降农业碳排放强度下降。根据表4模型（2）可知，农地流转对农业机械化水平的影响系数为0.118，在10%的统计水平显著，表明农地流转面积扩大会显著提高农业机械化水平。而由表4模型（4）可知农业机械化水平对农业碳排放强度的影响系数为0.111，在1%的统计水平显著，表明农业机械化水平提高会提升农业碳排放强度。因此，农地流转能通过提高农业机械化水平而增强农业碳排放强度。但是，农地流转整体上对农业碳排放强度产生负向影响。所以，农业机械化水平在农地流a由于在分析中只有一个工具变量，故不存在工具变量过度识别问题，所以本文没有对工具变量进行过度识别检验。一般情况下，F值大于10%偏误的临界值可认为是强工具变量，F值大于15%偏误的临界值可以认为不是弱工具变量。表3 工具变量估计结果Tab.3 Estimation results of instrument variables变量（1）（2）农地流转面积农业碳排放强度农地流转工具变量0.393*（0.112）拟合后农地流转面积-1.129*（0.330）控制变量控制控制观测值390390地区固定效应控制控制时间固定效应控制控制注：*表示1%的显著性水平，括号内数字为稳健标准误差；因篇幅所限，控制变量详情省略。中国土地科学 2023年2月 第2期58转影响农业碳排放强度过程中发挥遮掩效应（削弱作用），即农地流转造成的农业机械化水平提升会削弱农地流转对农业碳排放强度的减量效应。所以，假说3成立。综合而言，这一作用机制可以概括为：农地流转面积扩大农业机械化水平上升农业碳排放强度相对上升（整体效应依然为：农地流转面积扩大农业碳排放强度下降）。3.3.2 中介效应检验本文利用Sobel 分析和Bootstrap抽样法检验上述中介变量的中介效应。结果，各中介变量直接效应和间接效应存在性与上文分析一致。可见，中介效应估计具有稳健性。4 结论与建议4.1 结论与讨论农业碳排放强度研究对于中国农业碳达峰、碳中和目标实现有着重要意义。本文结合现有成果，在理论探讨基础上，系统分析了农地流转对农业碳排放强度的影响及其作用机制，并对相关结果进行了严格检验。结果表明。农地流转对农业碳排放强度产生显著负向影响，农地流转面积扩大会降低农业碳排放强度。农业化学化水平在农地流转降低农业碳排放强度过程中发挥中介效应，且农地流转主要通过降低农业化学化水平而降低农业碳排放强度。农业机械化水平在农地流转降低农业碳排放强度过程中发挥遮掩效应（削弱作用），即农地流转会提升农业机械化水平进而降低农地流转对农业碳排放强度的减量效应。就研究结果而言，本文测度的农业碳排放总量及过程中的CH4、N2O、CO2与现有研究9-10较为相似、农业碳排放强度变化趋势与现有研究39保持一致，同时本文所使用的控制变量的作用方向与这些变量在现有研究13-18中的作用效果较为相似，进一步证明了分析结果的可靠性。但是，现有研究并未分析农地流转对农业碳排放强度的影响效应，更未讨论农业化学化水平和农业机械化水平在农地流转影响农业碳排放强度过程中的作用。本文揭示的农地流转对农业碳排放强度的显著负向影响，可补充农业碳排放影响因素研究体系，也可为推进农地流转提供环境效益论据。此外，本文分析所得的农业化学化水平在农地流转对农业碳排放强度影响过程中的中介效应以及表4 中介效应模型估计结果Tab.4 Estimationresultsofmediationeffectmodel 变量（1）（2）（3）（4）农业化学化水平农业机械化水平农业碳排放强度农业碳排放强度农地流转面积-0.088*（0.038）0.118*（0.060）-0.037*（0.022）-0.089*（0.027）农业化学化水平0.450*（0.030）农业机械化水平0.111*（0.024）控制变量控制控制控制控制常数0.534*（0.027）0.444*（0.043）0.097*（0.022）0.288*（0.022）观测值390390390390R20.8580.4050.8920.834地区固定效应控制控制控制控制时间固定效应控制控制控制控制注：*、*和*分别表示1%、5%和10%的显著性水平，括号内数字为稳健标准误差；因篇幅所限，控制变量详情省略。表5 中介效应判断Tab.5 Mediationeffectjudgment中介变量ccababab/cab/c结论农业化学化水平-0.076*-0.037*-0.088*0.450*-0.040-1.081 0.526中介效应农业机械化水平-0.076*-0.089*0.118*0.111*0.013-0.147-0.172遮掩效应注：*、*和*分别表示1%、5%和10%的显著性水平。a为节约版面未展示分析过程，若有需要可向笔者咨询获取。为节约版面未展示CH4、N2O、CO2具体数值，若有需要可向笔者咨询获取。59吉雪强等：中国农地流转对农业碳排放强度的影响及作用机制研究 农业机械化水平在该过程中的遮掩效应，也能为农地流转过程中农业化学物资投入情况改进和农业机械使用情况调整提供参考。不过，受制于研究数据等影响，研究仍存在局限，如尚未讨论农地流转对农业碳排放强度的非线性影响，也没有结合农户的微观数据进一步验证结论，这些都有待今后进一步研究。4.2 建议根据主要研究结论，提出以下建议。第一，建议加快推进农地流转，发挥农地流转对农业碳排放强度的减量效应。包括通过加快土地确权颁证、加强农地流转交易平台建设、完善土地纠纷与矛盾调节机制、优化农地流转服务体系等途径推进农地流转，从而发挥农地流转的碳减排作用。第二，建议提升农地流转过程农业化学物资使用效率，减少农地流转过程农业化学物资投入。通过加快构建农业技术产学研用体系、切实推进生态补偿制度实施、增强政府农业技术补贴力度等方式引导农地转入主体积极应用先进信息技术和生态农业技术以实现精准施肥和施有机肥，以在提升化学物资使用效率同时，提升农业绿色生产水平，降低农业直接碳排放。第三，建议加快推动清洁型农业机械装备研发与应用，实施机械化复式作业，降低农业机械化对农地流转碳减排作用的遮掩效应。加快清洁能源驱动的农业机械装备研发与应用，从能源端口降低农业机械的碳排放；结合转入农地的规模经营主体特征推进农业机械装备化与信息化结合，通过数字技术赋能以提升农业机械装备能源使用效率与工作效率；引导转入农地的规模经营主体推进农业机械复式作业，提升农业机械作业水平，强化农业机械增产作用。参考文献（References）:1 林而达.气候变化与农业可持续发展 M .北京：北京出版社，2001：32 赵文晋，李都峰，王宪恩.低碳农业的发展思路 J .环境保护，2010（12）：38-39.3 田云，林子娟.中国省域农业碳排放效率与经济增长的耦合协调 J .中国人口资源与环境，2022，32(4）：13-22.4 田云，尹忞昊.中国农业碳排放再测算：基本现状、动态演进及空间溢出效应 J .中国农村经济，2022(3）：104-127.5 吴贤荣，张俊飚，程文能.中国种植业低碳生产效率及碳减排成本研究 J .环境经济研究，2017，2(1）：57-69.6 戴小文，杨雨欣.20072016年中国省域种植业碳排放测算、驱动效应与时空特征 J .四川农业大学学报，2020，38(2）：241-250.7 董明涛我国农业碳排放与产业结构的关联研究 J .干旱区资源与环境，2016，30(10）：7-128 吴昊玥，何宇，黄瀚蛟，等.中国种植业碳补偿率测算及空间收敛性 J .中国人口资源与环境，2021，31(6）：113-123.9 闵继胜，胡浩.中国农业生产温室气体排放量的测算 J .中国人口资源与环境，2012，22(7）：21-27.10 尚杰，杨果，于法稳.中国农业温室气体排放量测算及影响因素研究 J .中国生态农业学报，2015，23(3）：354-364.11 夏四友，赵媛，许昕，等.近20年来中国农业碳排放强度区域差异、时空格局及动态演化 J .长江流域资源与环境，2020，29(3）：596-608.12 朱洪革，曹博，赵文铖.中国农业全要素碳排放绩效时序演进及空间收敛特征 J .统计与决策，2022，38(9）：63-68.13 杨红娟，李明云，刘红琴.农业碳排放特征及影响因素分析以云南为例 J .生态经济，2015，31(10）：76-78.14 何艳秋，戴小文.中国农业碳排放驱动因素的时空特征研究 J .资源科学，2016，38(9）：1780-1790.15 贺青，张虎，张俊飚.农业产业聚集对农业碳排放的非线性影响 J .统计与决策，2021，37(9）：75-78.16 鲁钊阳.省域视角下农业科技进步对农业碳排放的影响研究 J .科学学研究，2013，31(5）：674-683.17 张金鑫，王红玲.环境规制、农业技术创新与农业碳排放 J .湖北大学学报(哲学社会科学版），2020，47(4）：147-156.18 解春艳，黄传峰，徐浩.环境规制下中国农业技术效率的区域差异与影响因素基于农业碳排放与农业面源污染双重约束的视角 J .科技管理研究，2021，41(15）：184-190.19 匡远配，陆钰凤.农地流转的农业集约化效应研究 J .农村经济，2017(6）：39-44.20 杨广亮，王军辉.新一轮农地确权、农地流 转与规模经营来自CHFS的证据 J .经济学(季刊），2022，22(1）：129-152.中国土地科学 2023年2月 第2期6021 卢新海，王洪政，唐一峰，等.农