楊晨 胡珮琪 刁貝娣 成金華 崔恒瑜

摘要：農(nóng)業(yè)是全球碳排放的第二大來源。在保證糧食安全的基礎(chǔ)上，如何有效控制農(nóng)業(yè)碳排放，成為中國政府關(guān)注的焦點(diǎn)。糧食主產(chǎn)區(qū)政策作為保障國家糧食安全的核心政策之一，在實(shí)現(xiàn)糧食產(chǎn)量長期穩(wěn)定增長的同時，評估檢驗(yàn)其對農(nóng)業(yè)碳排放的影響具有較強(qiáng)的實(shí)踐意義?；?000—2019年中國31個省份的面板數(shù)據(jù)，構(gòu)建雙重差分（DID）模型判斷和分析糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放的影響。進(jìn)一步利用中介效應(yīng)模型分析檢驗(yàn)主產(chǎn)區(qū)政策實(shí)現(xiàn)碳減排的機(jī)制。結(jié)果顯示：①糧食主產(chǎn)區(qū)政策的實(shí)施，能夠有效地減少農(nóng)業(yè)碳排放總量，降低農(nóng)業(yè)碳排放密度和強(qiáng)度，其作用效果分別為10.74%、10.35%和15.27%。②從長時間尺度看，主產(chǎn)區(qū)政策對糧食碳排放總量、密度和強(qiáng)度的削減作用隨時間不斷增強(qiáng)，并在2016年達(dá)到頂峰。③具體而言，主產(chǎn)區(qū)政策主要對生產(chǎn)過程中由化肥投入、農(nóng)藥施用、農(nóng)膜使用以及機(jī)械燃油所產(chǎn)生的碳排放具有顯著的負(fù)向影響，減碳效果分別為9.9%、11.27%、42.26%、8.41%。④糧食種植比重的增加是糧食主產(chǎn)區(qū)政策減碳的有效機(jī)制之一，實(shí)現(xiàn)了主產(chǎn)區(qū)種植結(jié)構(gòu)的調(diào)整和規(guī)模效應(yīng)，使農(nóng)業(yè)碳排放總量減少了3.25%，農(nóng)業(yè)碳排放密度降低了3.14%。因此，在保障糧食安全的前提下，為提高糧食生產(chǎn)的環(huán)境效率，一方面要繼續(xù)堅持糧食主產(chǎn)區(qū)政策，另一方面也需有針對性地開展相關(guān)工作。短期內(nèi)，主要鼓勵農(nóng)業(yè)經(jīng)營者合理擴(kuò)大糧食生產(chǎn)規(guī)模，提高化學(xué)投入品、機(jī)械等要素的生產(chǎn)效率;長期內(nèi)，需繼續(xù)普及推廣綠色生產(chǎn)技術(shù)，降低糧食生產(chǎn)對化學(xué)投入品等的依賴，逐步向低碳的生產(chǎn)模式轉(zhuǎn)變。關(guān)鍵詞糧食主產(chǎn)區(qū);農(nóng)業(yè)碳排放;雙重差分

中圖分類號F205文獻(xiàn)標(biāo)志碼A文章編號1002-2104（2021）12-0035-10DOI：10.12062/cpre.20210804

糧食主產(chǎn)區(qū)政策是保障國家糧食安全和實(shí)現(xiàn)糧食產(chǎn)量長期穩(wěn)定增長的關(guān)鍵[-2]。幾十年的農(nóng)業(yè)現(xiàn)代化發(fā)展，使得中國農(nóng)業(yè)生產(chǎn)的高碳特征十分突岀，對化學(xué)品投入和能源等相關(guān)生產(chǎn)要素的依賴性逐漸增強(qiáng)[3-5]。統(tǒng)計數(shù)據(jù)顯示，農(nóng)業(yè)部門已經(jīng)成為全球碳排放的第二大重要來源血，占全球總量的1/4[7]，其中，中國農(nóng)業(yè)碳排放總量占全球的12.54%。2020年第七十五屆聯(lián)合國大會上，中國政府表示將力爭在2030年實(shí)現(xiàn)碳達(dá)峰，并在2060年實(shí)現(xiàn)碳中和。如何有效地控制農(nóng)業(yè)部門的碳排放逐漸成為各方關(guān)注的重點(diǎn)。2021年“十四五”規(guī)劃明確提出既要“以糧食生產(chǎn)功能區(qū)和重要農(nóng)產(chǎn)品生產(chǎn)保護(hù)區(qū)為重點(diǎn)，建設(shè)國家糧食安全產(chǎn)業(yè)帶”，也要實(shí)施“以碳強(qiáng)度控制為主、碳總量控制為輔的制度”，推動農(nóng)業(yè)生產(chǎn)向更加低碳、綠色、可持續(xù)的方向發(fā)展。因此，除保障糧食產(chǎn)量穩(wěn)定增長外，判斷和評估糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放的影響具有重要的現(xiàn)實(shí)意義。該研究以2004年初劃分糧食主產(chǎn)區(qū)的政策為準(zhǔn)自然實(shí)驗(yàn)，基于2000—2019年31個省份的面板數(shù)據(jù)，使用雙重差分模型評估糧食主產(chǎn)區(qū)政策是否對農(nóng)業(yè)碳排放產(chǎn)生影響，并進(jìn)行一系列的穩(wěn)健性檢驗(yàn)，最后分析其作用機(jī)制。

1文獻(xiàn)綜述與機(jī)制分析

1.1文獻(xiàn)綜述

盡管農(nóng)業(yè)是碳排放的重要部門之一，但中國尚未有官方渠道統(tǒng)計和公布農(nóng)業(yè)生產(chǎn)的碳排放量，因此，許多學(xué)者運(yùn)用不同的方法對中國各省份的農(nóng)業(yè)碳排放量進(jìn)行測度和計算，并構(gòu)建不同的模型對其排放績效等進(jìn)行研究。李波等”參考已有研究和報告公布的碳排放系數(shù)，基于化肥、農(nóng)藥、農(nóng)膜、柴油、翻耕和農(nóng)業(yè)灌溉等農(nóng)業(yè)生產(chǎn)中的6個碳源，對中國1993—2008年的農(nóng)業(yè)碳排放量進(jìn)行了測算。田云等「9將農(nóng)業(yè)碳源類型擴(kuò)展到農(nóng)地利用、稻田、牲畜腸道發(fā)酵和糞便管理等四個方面共16類，測算了1995年至2010年中國各省份的農(nóng)業(yè)碳排放量。吳賢榮等['0]則是在測算碳排放的基礎(chǔ)之上，構(gòu)建了DEA-Malmquist效率指數(shù)，對中國各省份的農(nóng)業(yè)碳排放效率變動趨勢進(jìn)行了測度和分析。田成詩等[11]除測算省際農(nóng)業(yè)碳排放量外，通過構(gòu)造農(nóng)業(yè)碳排放的衍生指標(biāo)，采用TOPSIS法對省際的農(nóng)業(yè)低碳化水平進(jìn)行了評價。已有研究普遍采用現(xiàn)有研究或權(quán)威報告中公布的各類碳源系數(shù)與農(nóng)業(yè)碳源總量相乘獲得農(nóng)業(yè)碳排放總量，為碳排放量測算提供了重要的參考。

除農(nóng)業(yè)碳排放的測算外，關(guān)于農(nóng)業(yè)碳排放影響因素的研究[12-14]也十分豐富，種植規(guī)模、農(nóng)業(yè)技術(shù)進(jìn)步、土地利用方式、經(jīng)濟(jì)增長、城鎮(zhèn)化水平、人力資本等都被認(rèn)為是影響農(nóng)業(yè)碳排放的重要因素。劉瓊等心利用2000一2016年的省級面板數(shù)據(jù)研究發(fā)現(xiàn)，農(nóng)地經(jīng)營規(guī)模與農(nóng)業(yè)碳排放之間呈現(xiàn)“U”型關(guān)系，經(jīng)營規(guī)模的擴(kuò)大會提高農(nóng)戶對要素科學(xué)配比的敏感性，但過度擴(kuò)大會降低農(nóng)戶的化肥減量投入傾向，進(jìn)而影響農(nóng)業(yè)碳排放。農(nóng)業(yè)技術(shù)進(jìn)步對農(nóng)業(yè)碳排放的影響則具備一定的隨機(jī)性，主要因?yàn)樗劝艘蕴岣咿r(nóng)業(yè)勞動生產(chǎn)率為目標(biāo)的技術(shù)，也包含了以降低環(huán)境污染為目標(biāo)的綠色技術(shù)[9'I2]。對于土地利用方式而言，除草地、林地變耕地會增加農(nóng)業(yè)碳排放外[16-17]，陳儒等"的研究發(fā)現(xiàn)，草本經(jīng)濟(jì)作物與糧食作物相比需要更多農(nóng)資和農(nóng)業(yè)能源的投入，糧食作物則比木本經(jīng)濟(jì)作物需要更多的投入，因此所產(chǎn)生的農(nóng)業(yè)碳排放按照從大到小依次排序?yàn)椴荼窘?jīng)濟(jì)作物>糧食作物〉木本經(jīng)濟(jì)作物。李波等"I和高標(biāo)等1201的研究則證實(shí)，農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長之間符合環(huán)境庫茲涅茨曲線模型。

在糧食產(chǎn)量連年下降的背景下，國家財政部于2003年12月發(fā)布《關(guān)于改革和完善農(nóng)業(yè)綜合開發(fā)若干政策措施的意見》（以下簡稱《意見》），將黑龍江等13個省份劃定為糧食主產(chǎn)區(qū)。明確提岀，要重視糧食主產(chǎn)區(qū)的農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，完善當(dāng)?shù)氐霓r(nóng)產(chǎn)品生產(chǎn)條件，扶持和發(fā)展產(chǎn)業(yè)化的龍頭企業(yè)和農(nóng)民專業(yè)合作社，并加大財政資金的投入力度。在政策的支持和鼓勵下，主產(chǎn)區(qū)的糧食產(chǎn)量實(shí)現(xiàn)“十二連增”。但是，產(chǎn)量增加所產(chǎn)生的環(huán)境問題也受到不少學(xué)者的關(guān)注。一方面，部分學(xué)者從不同的角度針對糧食主產(chǎn)區(qū)內(nèi)的環(huán)境績效進(jìn)行評估。特別地，考慮糧食主產(chǎn)區(qū)的農(nóng)業(yè)規(guī)模較大、碳排放總量較高[21]，一些學(xué)者專注于對糧食主產(chǎn)區(qū)的綠色生產(chǎn)效率s、耕地可持續(xù)發(fā)展能力[23]以及農(nóng)業(yè)碳排放進(jìn)行測算和評估[24-25]。另一方面，也有部分學(xué)者研究討論了糧食主產(chǎn)區(qū)政策的環(huán)境效應(yīng)。趙麗平等[26]發(fā)現(xiàn)在城鎮(zhèn)化加速期，糧食主產(chǎn)區(qū)生產(chǎn)與環(huán)境的協(xié)調(diào)度要優(yōu)于糧食平衡區(qū);羅斯炫等[27]發(fā)現(xiàn)劃分主產(chǎn)區(qū)后，13個糧食主產(chǎn)區(qū)省份的化肥面源污染強(qiáng)度將會下降。

研究學(xué)者圍繞農(nóng)業(yè)碳排放和糧食主產(chǎn)區(qū)政策分別做了豐富的討論，但是對糧食主產(chǎn)區(qū)劃分與農(nóng)業(yè)碳排放間關(guān)系的研究尚有不足。首先，關(guān)于農(nóng)業(yè)碳排放測算的研究，已有學(xué)者發(fā)現(xiàn)糧食主產(chǎn)省份的農(nóng)業(yè)碳排放普遍較高，是中國農(nóng)業(yè)碳排放的重要來源之一，但并未深究糧食主產(chǎn)區(qū)政策在其中發(fā)揮的作用。其次，也鮮有研究將糧食主產(chǎn)區(qū)政策作為農(nóng)業(yè)碳排放的影響因素進(jìn)行討論，反而更多地關(guān)注技術(shù)采納、種植結(jié)構(gòu)、土地利用方式等生產(chǎn)因素。最后，對糧食主產(chǎn)區(qū)政策環(huán)境績效的評價，已有研究主要關(guān)注農(nóng)藥、化肥施用量的變化及其所直接構(gòu)成的環(huán)境指標(biāo)。綜上所述，已有研究對糧食主產(chǎn)區(qū)政策與農(nóng)業(yè)碳排放關(guān)系的討論仍然有較強(qiáng)的局限性。

1.2機(jī)制分析

由碳排放的測算可知，農(nóng)業(yè)生產(chǎn)過程中的碳排放主要來自化肥投入、農(nóng)藥施用、灌溉用電、機(jī)械柴油、土壤耕作等。在追求自給自足和糧食安全的戰(zhàn)略目標(biāo)下，中國糧食生產(chǎn)的集約化程度較高[28]，導(dǎo)致生產(chǎn)的高碳化問題更加嚴(yán)重。已有研究已證明，糧食生產(chǎn)大省較其他地區(qū)，農(nóng)業(yè)碳排放問題普遍更加嚴(yán)重。但是，糧食主產(chǎn)區(qū)政策的實(shí)施對農(nóng)業(yè)碳排放的影響仍需要進(jìn)行理論分析。尤其，糧食主產(chǎn)區(qū)的劃定和配套政策的實(shí)施會激勵相關(guān)地區(qū)農(nóng)業(yè)經(jīng)營者糧食生產(chǎn)的積極性，增加糧食生產(chǎn)的比重⑵，進(jìn)而影響農(nóng)業(yè)碳排放。

糧食主產(chǎn)區(qū)政策不僅會促進(jìn)主產(chǎn)區(qū)省份的“趨糧化”，也會進(jìn)一步對當(dāng)?shù)氐霓r(nóng)業(yè)碳排放產(chǎn)生影響。一方面，糧食主產(chǎn)區(qū)政策會使農(nóng)業(yè)經(jīng)營者更傾向于種植糧食作物，進(jìn)而影響其化學(xué)品投入水平。一般情況下，糧食主產(chǎn)省份多地勢平坦，適宜種植糧食作物或草本經(jīng)濟(jì)作物。但是，相較于草本經(jīng)濟(jì)作物，糧食作物對于農(nóng)業(yè)化學(xué)品投入的依賴性往往更弱3雙。因此，更多地種植糧食作物會降低主產(chǎn)區(qū)農(nóng)業(yè)經(jīng)營者化肥、農(nóng)藥等的投入水平，從源頭減少農(nóng)業(yè)碳排放量130-31]。另一方面，種植業(yè)的“趨糧化”也有助于實(shí)現(xiàn)生產(chǎn)的規(guī)?；图谢芾韀27]，進(jìn)而改善原本粗放、高碳的生產(chǎn)模式。具體而言，糧食生產(chǎn)規(guī)模的擴(kuò)大能夠增強(qiáng)生產(chǎn)管理的科學(xué)性[32]，實(shí)現(xiàn)農(nóng)藥、化肥施用的規(guī)模效應(yīng)[27'33]，提高農(nóng)業(yè)機(jī)械的利用效率，促進(jìn)節(jié)水技術(shù)的普及和灌溉效率的提升財，保障土地和土壤的科學(xué)治理[35]，進(jìn)而降低農(nóng)用化學(xué)品的投入，減少機(jī)械柴油和灌溉用電的消耗，以及土壤中有機(jī)碳的流失，最終減少了農(nóng)業(yè)碳排放量。糧食主產(chǎn)區(qū)政策所導(dǎo)致的“趨糧化”，會對農(nóng)業(yè)化學(xué)品投入和生產(chǎn)模式造成影響，進(jìn)而推動農(nóng)業(yè)碳減排的實(shí)現(xiàn)。

2研究設(shè)計與數(shù)據(jù)來源

2.1研究設(shè)計

2.1.1雙重差分模型

運(yùn)用雙重差分（Difference-in-Difference）的方法評估糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放的影響。具體而言，將糧食主產(chǎn)區(qū)的劃分作為一項(xiàng)“準(zhǔn)自然試驗(yàn)”，利用非糧食主產(chǎn)區(qū)省份構(gòu)造出反事實(shí)，在處理組和對照組、劃分前和劃分后進(jìn)行兩次差分，得到的結(jié)果即糧食主產(chǎn)區(qū)政策的影響效果。糧食主產(chǎn)區(qū)的劃分以促進(jìn)糧食產(chǎn)量穩(wěn)定增長、保障國家糧食安全為根本目標(biāo)，有較強(qiáng)的政策性和壓力[28]，因此具有構(gòu)建雙重差分模型的基礎(chǔ)。并且，糧食主產(chǎn)區(qū)的劃分帶來的，是專門面向主產(chǎn)區(qū)實(shí)施的、以提高糧食產(chǎn)量和保障糧食安全為基礎(chǔ)的一系列政策，因此，無需再對相關(guān)政策進(jìn)行剝離5。

為了分析糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放的影響，構(gòu)建了雙重差分模型（1），為控制不可觀測因素對結(jié)果產(chǎn)生的影響，控制了各地區(qū)固定效應(yīng)8，和時間固定效應(yīng)T?ei是誤差項(xiàng)，具體如下：

lnCEit=/3-treat，xpost+yxXit+8，+Tt+e，（1）

被解釋變量：CE*表示第i個地區(qū)在t年的農(nóng)業(yè)碳排放總量。具體測算方法參考了文獻(xiàn)[8]、[36]、[37]的研究結(jié)果，將農(nóng)業(yè)生產(chǎn)過程中的碳源分為化肥投入、農(nóng)藥施用、農(nóng)膜使用、機(jī)械燃油、灌溉用電以及土壤耕作，并沿襲其研究思路構(gòu)造碳排放的估算公式：

CE=YCEI=YTJx門（2）

其中：CE為農(nóng)業(yè)碳排放總量，CE，為各類碳源碳排放量，T，為各類碳源的絕對量，b，為各類碳源的碳排放因子。農(nóng)地利用過程中各類碳源的碳排放因子參考文獻(xiàn)[8]和[9]的研究，分別設(shè)置為0.8956kg/kg、4.9341kg/kg、5.18kg/kg、0.5927kg/kg、312.6kg/km2、25kg/hm2。

為更好地反映農(nóng)業(yè)碳排放的效率，進(jìn)一步參考文獻(xiàn)[38]和[39]的研究，將被解釋變量替換為農(nóng)業(yè)碳排放密度CED*和農(nóng)業(yè)碳排放強(qiáng)度CEIt進(jìn)行分析，其中，農(nóng)業(yè)碳排放密度為單位播種面積的碳排放量，農(nóng)業(yè)碳排放強(qiáng)度為萬元農(nóng)業(yè)GDP的碳排放量。另外，為減少數(shù)據(jù)異常波動和方便彈性系數(shù)解釋，對所有被解釋變量取對數(shù)進(jìn)行回歸。

核心解釋變量：treat，xpost，表示第i個地區(qū)在t年是否實(shí)施了糧食主產(chǎn)區(qū)政策，其中treat：和post.均為虛擬變量。一方面，參考《意見》對糧食主產(chǎn)區(qū)的劃分，treat：表示是否為13個糧食主產(chǎn)區(qū)省份（包括黑龍江、吉林、遼寧、內(nèi)蒙古、河北、河南、山東、江蘇、安徽、四川、湖南、湖北以及江西），若是則為1（即處理組），否則為0（即對照組）。另一方面，考慮糧食主產(chǎn)區(qū)政策是2003年12月份提出，2004年才正式開始實(shí)施，因此，post.表示是否在2004年之后，2004年及以后則為1（即處理后），2003年及以前則為0（即處理前）。

控制變量：X*表示一系列的控制變量。參考已有研究選取各地區(qū)經(jīng)濟(jì)社會發(fā)展指標(biāo)和農(nóng)業(yè)相關(guān)指標(biāo)，包括人口、地區(qū)人均GDP、第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比，以及財政支持力度、農(nóng)作物耕種規(guī)模和農(nóng)民收入水平，具體的變量含義見表1。

2.1.2事件研究

雙重差分模型回歸結(jié)果成立的前提是糧食主產(chǎn)區(qū)的劃分應(yīng)具有統(tǒng)計意義上的隨機(jī)性。雖然，各個省份的地理?xiàng)l件、自然稟賦、糧食產(chǎn)量等是糧食主產(chǎn)區(qū)劃分的重要依據(jù)，但在政策實(shí)施前，主產(chǎn)區(qū)與非主產(chǎn)區(qū)的農(nóng)業(yè)碳排放變化趨勢一致，即可以保證回歸結(jié)果的有效性。因此，基于文獻(xiàn)[40]和[41]的方法，利用事件研究法（EventStudy）進(jìn)行動態(tài)趨勢的分解和分析。一方面，檢驗(yàn)主產(chǎn)區(qū)和非主產(chǎn)區(qū)在政策出臺之前是否存在平行趨勢;另一方面，直觀地反映糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放的動態(tài)效果。具體模型如下：

式（1）中的treat;xpost，被替換為treat，xtime;。其中：time;是虛擬變量，為具體的年份，表示時間是否為第k年，若是等于1，否則為0。例如，time2°'°在t為2010年取值1，在t為其他年份時取值0。需要說明的是，由于需要將糧食主產(chǎn)區(qū)政策的前一年（2003年）作為基期，因此，回歸中treat：xtime;003被剔除。

2.1.3中介效應(yīng)模型

糧食主產(chǎn)區(qū)政策減少農(nóng)業(yè)碳排放的作用機(jī)制是：主產(chǎn)區(qū)政策激勵了農(nóng)業(yè)經(jīng)營者更多地種植糧食作物，實(shí)現(xiàn)主產(chǎn)區(qū)種植結(jié)構(gòu)的調(diào)整和規(guī)模效應(yīng)財42]，降低農(nóng)業(yè)碳排放。參考[43]的研究，結(jié)合式（1）構(gòu)造三段式中介效應(yīng)模型對該機(jī)制進(jìn)行檢驗(yàn)：

其中皿為糧食種植比重，表示糧食作物播種面積占農(nóng)作物播種面積的比率，也是機(jī)制中的中介變量。中介效應(yīng)檢驗(yàn)的思路為：首先，基于省級面板數(shù)據(jù)得到式（4）的估計結(jié)果，分析糧食主產(chǎn)區(qū)政策對糧食種植比重的影響;其次，將中介變量糧食種植比重加入式（1）中，得到新的估計方程式（5），分析中介變量的估計系數(shù)。

2.2數(shù)據(jù)來源和描述性分析

采用2000—2019年中國31個省級行政單位的面板數(shù)據(jù)進(jìn)行分析檢驗(yàn)。由于港澳臺的數(shù)據(jù)缺失，為了保證數(shù)據(jù)的連續(xù)性將其剔除。數(shù)據(jù)來自歷年的《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》以及各省份統(tǒng)計年鑒等。具體的變量定義和描述性統(tǒng)計分析見表1。

3實(shí)證結(jié)果與分析

3.1基準(zhǔn)回歸

首先，運(yùn)用雙重差分模型評估糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放的影響效果，基準(zhǔn)回歸結(jié)果見表2。由表2可知，糧食主產(chǎn)區(qū)政策的系數(shù)均為負(fù)向顯著，說明糧食主產(chǎn)區(qū)政策可以顯著地降低農(nóng)業(yè)碳排放總量、碳排放密度以及強(qiáng)度。具體而言，糧食主產(chǎn)區(qū)政策的實(shí)施對農(nóng)業(yè)碳排放總量和農(nóng)業(yè)碳排放密度的影響效果相似，分別減少了10.74%和10.35%，對農(nóng)業(yè)碳排放強(qiáng)度的影響最強(qiáng)，下降了15.27%。出現(xiàn)該結(jié)果的原因可能是：糧食主產(chǎn)區(qū)政策的種糧激勵主要作用于主產(chǎn)區(qū)的種植結(jié)構(gòu)，對當(dāng)?shù)卣w農(nóng)業(yè)生產(chǎn)規(guī)模的影響較為有限，即主產(chǎn)區(qū)政策無法顯著地促進(jìn)當(dāng)?shù)乜偛シN面積的增加。因此，對農(nóng)業(yè)碳排放總量和農(nóng)業(yè)碳排放密度的影響效果相似。但是政策影響下種植結(jié)構(gòu)的變化會影響農(nóng)業(yè)總產(chǎn)值，一般情況下，糧食作物較草本經(jīng)濟(jì)作物的單位產(chǎn)值更低，使主產(chǎn)區(qū)政策不僅降低了農(nóng)業(yè)碳排放總量，相比較而言也降低了農(nóng)業(yè)生產(chǎn)總值，進(jìn)而使農(nóng)業(yè)碳排放強(qiáng)度的變化更大。整體而言，表2的結(jié)果初步地驗(yàn)證了，劃分糧食主產(chǎn)區(qū)有助于控制和減少主產(chǎn)區(qū)省份的農(nóng)業(yè)碳排放。

3.2內(nèi)生性處理與穩(wěn)健性檢驗(yàn)

3.2.1平行趨勢檢驗(yàn)與動態(tài)分析

已知糧食主產(chǎn)區(qū)省份的農(nóng)業(yè)碳排放量與非主產(chǎn)區(qū)省份具有一定的差異913如，為解決可能產(chǎn)生的內(nèi)生性問題，運(yùn)用事件研究法判斷是否滿足雙重差分模型的前提假設(shè)，并進(jìn)行長時間序列的動態(tài)分析，估計結(jié)果如圖1所示。圖1a、1b、1c分別為糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放總量、碳排放密度和強(qiáng)度的長期動態(tài)影響。其中，實(shí)點(diǎn)為62000—02002和62004—82019的估計系數(shù)，虛線表示95%的置信區(qū)間。首先，圖1a、1b、1c中的02000—02002均沒有拒絕零假設(shè)，意味著，盡管糧食主產(chǎn)省份的農(nóng)業(yè)碳排放量普遍較高，但在主產(chǎn)區(qū)政策開展之前主產(chǎn)區(qū)和非主產(chǎn)區(qū)農(nóng)業(yè)碳排放的變化趨勢并無顯著差異，因此，滿足雙重差分的平行趨勢假定。其次，圖1a、1b中大部分02004—02019的系數(shù)為負(fù)數(shù)并拒絕零假設(shè)且隨時間呈現(xiàn)下降的趨勢，表明糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放總量和農(nóng)業(yè)碳排放密度的削減效果不斷增強(qiáng)，并在2016年達(dá)到頂峰。而圖1c中02004—02019的系數(shù)則全部為負(fù)數(shù)且拒絕零假設(shè)，整體上具有隨時間而下降的趨勢，其中，2011年至2016年主產(chǎn)區(qū)政策對碳排放強(qiáng)度的削減效果最強(qiáng)。

3.2.2穩(wěn)健性檢驗(yàn)：分樣本回歸

為保障基準(zhǔn)回歸結(jié)果的穩(wěn)健性，基于分樣本回歸進(jìn)行穩(wěn)健性檢驗(yàn)。已有研究"顯示，沿海省份和內(nèi)陸省份的農(nóng)業(yè)發(fā)展水平、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)與農(nóng)業(yè)勞動力規(guī)模等具有一定的差異。并且，兩個地區(qū)經(jīng)濟(jì)發(fā)展結(jié)構(gòu)的不同會影響農(nóng)業(yè)技術(shù)，包括低碳技術(shù)的采納，進(jìn)而對農(nóng)業(yè)碳排放效率產(chǎn)生影響血。因此，將31個省份劃分為沿海省份和內(nèi)陸省份進(jìn)行分樣本回歸，其中沿海省份包括天津市、河北省、遼寧省、山東省、江蘇省、上海市、浙江省、福建省、廣東省和廣西壯族自治區(qū)，剩余地區(qū)劃為內(nèi)陸省份。對于該分類與主產(chǎn)區(qū)分類具有相似性的部分，在回歸過程中通過控制個體固定效應(yīng)的方式予以解決。

分樣本雙重差分的回歸結(jié)果見表3，其中：1）列一（3）列為沿海地區(qū)的回歸結(jié)果，4）列一（6）列為內(nèi)陸地區(qū)的回歸結(jié)果。整體而言，糧食主產(chǎn)區(qū)政策對沿海省份和內(nèi)陸省份的碳排放均有顯著的負(fù)向影響，說明基準(zhǔn)回歸的結(jié)果是穩(wěn)健的。對比來看可以發(fā)現(xiàn)，主產(chǎn)區(qū)政策對于內(nèi)陸省份的農(nóng)業(yè)碳排放總量、農(nóng)業(yè)碳排放密度和農(nóng)業(yè)碳排放強(qiáng)度的作用效果更強(qiáng)且顯著性更高，分別為10.28%，9.89%和14.57%。但是，對于沿海地區(qū)碳排放總量、密度和強(qiáng)度的作用效果僅為6.15%，5.87%和7.38%?？赡苁且?yàn)?，沿海地區(qū)整體的經(jīng)濟(jì)發(fā)展水平更高，糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)經(jīng)營者糧食種植的激勵效果較內(nèi)陸地區(qū)更弱。但是，在國家保障糧食安全的發(fā)展戰(zhàn)略下，為保證產(chǎn)量，沿海地區(qū)的主產(chǎn)區(qū)在糧食生產(chǎn)的過程中會更加依賴于農(nóng)藥、化肥、機(jī)械等生產(chǎn)要素的投入，從而導(dǎo)致碳減排的效果不及內(nèi)陸地區(qū)。

3.2.3安慰劑檢驗(yàn)：隨機(jī)推斷

基準(zhǔn)回歸中，農(nóng)業(yè)碳排放總量、密度以及強(qiáng)度三個指標(biāo)的顯著性可能來自某些不可觀測的偶然因素，因此，通過隨機(jī)推斷（RandomizationInference）[41，441排除該可能性。具體過程為，在全國31個省份內(nèi)隨機(jī)生成虛擬的13個糧食主產(chǎn)區(qū)省份，按照式（1）的設(shè)定進(jìn)行回歸，得到核心估計系數(shù)B的t統(tǒng)計量，利用蒙特卡洛模擬將上述操作重復(fù)1000次，得到回歸系數(shù)0的t統(tǒng)計量的分布。安慰劑檢驗(yàn)的結(jié)果如圖2a、2b、2c所示，圖中的豎線為基準(zhǔn)回歸中得到的真實(shí)的t統(tǒng)計量。將分布結(jié)果進(jìn)行擬合發(fā)現(xiàn)，對農(nóng)業(yè)碳排放總量、密度和強(qiáng)度虛擬回歸得到的t統(tǒng)計量基本呈現(xiàn)以0為中心的正態(tài)分布，而基準(zhǔn)回歸得到的真實(shí)的t統(tǒng)計量則顯著不為0，說明基準(zhǔn)回歸的結(jié)果不是由不可觀測的偶然因素驅(qū)動的，糧食主產(chǎn)區(qū)政策確實(shí)減少了相關(guān)地區(qū)的農(nóng)業(yè)碳排放。

3.3主產(chǎn)區(qū)政策對不同農(nóng)業(yè)碳排放的影響

進(jìn)一步，參照式（1）運(yùn)用雙重差分模型檢驗(yàn)分析主產(chǎn)區(qū)政策對六類不同農(nóng)業(yè)碳源的減碳效果，回歸結(jié)果見表4。糧食主產(chǎn)區(qū)政策對生產(chǎn)過程中由化肥投入、農(nóng)藥施用、農(nóng)膜使用以及機(jī)械燃油所產(chǎn)生的碳排放具有顯著的負(fù)向影響，減碳效果分別為9.9%、11.27%、42.26%、8.41%。然而，主產(chǎn)區(qū)政策對灌溉用電和土壤耕作產(chǎn)生的碳排放不存在顯著的負(fù)向作用。可能的原因是：首先，對于灌溉而言，主產(chǎn)區(qū)政策既促進(jìn)了農(nóng)業(yè)經(jīng)營者放棄原本漫灌的生產(chǎn)方式，采納噴灌、滴灌等節(jié)水灌溉技術(shù)，同時，也促進(jìn)主產(chǎn)區(qū)原本靠天吃飯、不灌溉的經(jīng)營者安裝灌溉設(shè)施，進(jìn)而導(dǎo)致主產(chǎn)區(qū)政策對灌溉用電造成的碳排放無法產(chǎn)生顯著的影響。其次，對于土壤耕作而言，主要是由于主產(chǎn)區(qū)政策不會對經(jīng)營者相關(guān)的生產(chǎn)行為產(chǎn)生顯著的影響。具體而言，經(jīng)營者更傾向于通過輪作或間作的形式達(dá)到保護(hù)耕地地力的目的，而非休耕。休耕所需周期較長，且短期內(nèi)極大地影響經(jīng)營者收入，因此主產(chǎn)區(qū)政策并不足以對此產(chǎn)生激勵。最后，主產(chǎn)區(qū)政策對農(nóng)膜使用所產(chǎn)生的碳排放的影響效果最強(qiáng)，可能是因?yàn)楣叩冉?jīng)濟(jì)作物對于生長環(huán)境的要求往往較高，較糧食作物對農(nóng)膜的消耗也更多[45-46]。因此，在主產(chǎn)區(qū)政策對總體農(nóng)業(yè)生產(chǎn)規(guī)模影響不顯著，而對糧食種植規(guī)模影響顯著的情況下，能夠更大程度地減少農(nóng)膜使用所產(chǎn)生的碳排放。

3.4機(jī)制檢驗(yàn)

采用三段式中介效應(yīng)模型分析檢驗(yàn)“趨糧化”的中介機(jī)制是否成立，并運(yùn)用Sobel檢驗(yàn)和Bootstrap法進(jìn)行穩(wěn)健性檢驗(yàn)，回歸結(jié)果見表5。

糧食主產(chǎn)區(qū)政策對糧食種植比重的回歸結(jié)果說明，其確實(shí)有利于提升主產(chǎn)區(qū)省份農(nóng)業(yè)經(jīng)營者糧食生產(chǎn)的積極性，整體上提高糧食作物種植的比重。表5（2）列、（3）列的回歸結(jié)果顯示，糧食種植比重對農(nóng)業(yè)碳排放總量和農(nóng)業(yè)碳排放密度具有顯著的負(fù)向影響，說明主產(chǎn)區(qū)農(nóng)業(yè)生產(chǎn)的“趨糧化”是其降低農(nóng)業(yè)碳排放總量和密度的有效中介機(jī)制。其中，“趨糧化”降低農(nóng)業(yè)碳排放總量和農(nóng)業(yè)碳排放密度的中介效果分別為3.25%和3.14%。并且，Sobel檢驗(yàn)和Bootstrap檢驗(yàn)均顯著，說明該中介機(jī)制較為穩(wěn)健。但是，表5（4）列的回歸結(jié)果顯示，趨糧化會對農(nóng)業(yè)碳排放強(qiáng)度產(chǎn)生正向的影響，且在10%的水平上顯著。這說明糧食比重的提升并不是主產(chǎn)區(qū)政策減弱農(nóng)業(yè)碳排放強(qiáng)度的中介機(jī)制。之所以呈現(xiàn)這樣的結(jié)果，可能與趨糧化帶來的農(nóng)業(yè)總產(chǎn)值的變化有關(guān)。盡管種植更多的糧食有助于減少碳源的絕對量，但相較于草本經(jīng)濟(jì)作物，糧食作物的單位產(chǎn)值較小。在主產(chǎn)區(qū)政策對當(dāng)?shù)卣w農(nóng)業(yè)生產(chǎn)規(guī)模影響有限的情況下，主產(chǎn)區(qū)省份的“趨糧化”會不利于農(nóng)業(yè)總產(chǎn)值的增加，進(jìn)而可能會增加農(nóng)業(yè)碳排放強(qiáng)度。

4結(jié)論與政策啟示

4.1結(jié)論

糧食主產(chǎn)區(qū)作為促進(jìn)糧食產(chǎn)量增加和保障國家糧食安全的重點(diǎn)之一，討論其對于農(nóng)業(yè)碳排放的影響具有十分重要的意義?；谑〖壝姘鍞?shù)據(jù)和雙重差分模型，從動態(tài)的視角評估了糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放的影響效果，得出如下結(jié)論。

第一，糧食主產(chǎn)區(qū)政策顯著地減少了13個主產(chǎn)省份農(nóng)業(yè)碳排放的總量、密度和強(qiáng)度。具體而言，從2004年劃分主產(chǎn)區(qū)至2019年，這一政策平均地導(dǎo)致農(nóng)業(yè)碳排放總量降低了10.74%、農(nóng)業(yè)碳排放密度降低了10.35%、農(nóng)業(yè)碳排放強(qiáng)度降低了15.27%。

第二，從長期趨勢來看，糧食主產(chǎn)區(qū)政策對農(nóng)業(yè)碳排放總量、農(nóng)業(yè)碳排放密度和強(qiáng)度的削減作用隨時間推移不斷增加。其中，對總量和密度的影響在2016年達(dá)到頂峰，對強(qiáng)度的影響則在2011年至2016年期間最強(qiáng)。

第三，糧食主產(chǎn)區(qū)政策對于由化肥投入、農(nóng)藥施用、農(nóng)膜使用以及機(jī)械燃油所產(chǎn)生的碳排放具有顯著的負(fù)向影響，減碳效果分別為9.9%，11.27%、42.26%、8.41%。

第四，農(nóng)業(yè)生產(chǎn)的“趨糧化”是糧食主產(chǎn)區(qū)政策影響農(nóng)業(yè)碳排放總量和密度的中介機(jī)制，其產(chǎn)生的間接影響效果為3.25%和3.14%。但是，“趨糧化”并不是影響農(nóng)業(yè)碳排放強(qiáng)度的中介機(jī)制。

4.2政策啟示

基于上述分析，總結(jié)出如下政策啟示。

第一，堅持糧食主產(chǎn)區(qū)政策，促進(jìn)糧食適度規(guī)模經(jīng)營。長期來看，主產(chǎn)區(qū)政策依然是保障國家糧食安全和促進(jìn)糧食生產(chǎn)的關(guān)鍵，因此，應(yīng)繼續(xù)堅持實(shí)施糧食主產(chǎn)區(qū)政策，并以其為基礎(chǔ)，鼓勵當(dāng)?shù)氐霓r(nóng)業(yè)經(jīng)營者適度規(guī)模經(jīng)營，通過促進(jìn)主產(chǎn)省份種植結(jié)構(gòu)的“趨糧化”，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)要素的規(guī)模效應(yīng)，提高生產(chǎn)效率，從而有效地控制農(nóng)業(yè)碳排放。

第二，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)農(nóng)業(yè)現(xiàn)代化、品牌化、有機(jī)化發(fā)展。保障國家糧食安全是農(nóng)業(yè)生產(chǎn)的重要前提，基于農(nóng)業(yè)現(xiàn)代化發(fā)展，積極開展品種培育，推廣集成化、機(jī)械化、信息化的生產(chǎn)技術(shù)，全面提高糧食產(chǎn)量。同時，依托“三品一標(biāo)”建立地區(qū)農(nóng)產(chǎn)品的品牌優(yōu)勢，以品牌倒逼農(nóng)業(yè)經(jīng)營者標(biāo)準(zhǔn)化和有機(jī)化生產(chǎn)，提高糧食產(chǎn)品的附加價值，優(yōu)化當(dāng)?shù)剞r(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，進(jìn)而達(dá)到農(nóng)業(yè)碳減排的效果。并且，積極倡導(dǎo)清潔環(huán)保的農(nóng)業(yè)生產(chǎn)方式，減少化肥、農(nóng)藥、農(nóng)膜等的使用，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)中的綠色可持續(xù)發(fā)展。另外，可積極促進(jìn)內(nèi)陸地區(qū)糧食主產(chǎn)區(qū)的發(fā)展，增加其糧食產(chǎn)量，緩解沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)糧食供給的壓力，實(shí)現(xiàn)不同區(qū)域發(fā)展優(yōu)勢的最大化。

第三，政策支持為基礎(chǔ)，市場化推廣為前提，引導(dǎo)和推動農(nóng)業(yè)向低碳生產(chǎn)轉(zhuǎn)型。由糧食主產(chǎn)區(qū)長時間序列分析的結(jié)果可知，016年起其碳減排的效果開始減弱。因此，從長期發(fā)展的角度出發(fā)，低碳技術(shù)的采納是實(shí)現(xiàn)農(nóng)業(yè)碳減排最有效的方式。通過政策引導(dǎo)，在當(dāng)?shù)亟⒌吞嫁r(nóng)業(yè)生產(chǎn)體系，一方面積極展開科技創(chuàng)新與研發(fā)，另一方面通過補(bǔ)貼、保險等方式幫助低碳的農(nóng)業(yè)生產(chǎn)技術(shù)快速進(jìn)入市場，鼓勵農(nóng)業(yè)經(jīng)營者主動采取低碳的生產(chǎn)技術(shù)，推進(jìn)循環(huán)農(nóng)業(yè)和生態(tài)農(nóng)業(yè)的發(fā)展。

參考文獻(xiàn)

[1]姚成勝，李政通，易行.中國糧食產(chǎn)量變化的驅(qū)動效應(yīng)及其空間分異研究[J].中國人口·資源與環(huán)境，2016，26（9）：72-81.

[2]杜銳，毛學(xué)峰.基于合成控制法的糧食主產(chǎn)區(qū)政策效果評估[J].中國軟科學(xué)，2017（6）：31-38.

[3]冉光和，王建洪，王定祥.我國現(xiàn)代農(nóng)業(yè)生產(chǎn)的碳排放變動趨勢研究[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2011，32（2）：32-38，110.

[4]楊鈞.農(nóng)業(yè)技術(shù)進(jìn)步對農(nóng)業(yè)碳排放的影響：中國省級數(shù)據(jù)的檢驗(yàn)[J].軟科學(xué)，2013，27（10）：116-120.

[5]黃祖輝，米松華.農(nóng)業(yè)碳足跡研究：以浙江省為例[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2011，32（11）：40-47，111.

[6]IntergovernmentalPanelonClimateChange.IPCCguidelinesforna?tionalgreenhousegasinventories[R].2006.

[7]IntergovernmentalPanelonClimateChange.Climatechange2014：mitigationandclimatechange[R].2014.

[8]李波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放時空特征及影響因素分解[J].中國人口·資源與環(huán)境，2011，21（8）：80-86.

[9]田云，張俊飚，李波.中國農(nóng)業(yè)碳排放研究：測算、時空比較及脫鉤效應(yīng)[J].資源科學(xué)，2012，34（11）：2097-2105.

[10]吳賢榮，張俊飚，田云，等.中國省域農(nóng)業(yè)碳排放：測算、效率變動及影響因素研究[J].資源科學(xué)，2014，36（1）：129-138.

[11]田成詩，陳雨.中國省際農(nóng)業(yè)碳排放測算及低碳化水平評價：基于衍生指標(biāo)與TOPSIS法的運(yùn)用[J].自然資源學(xué)報，2021，36（2）：395-410.

[12]李國志，李宗植.中國二氧化碳排放的區(qū)域差異和影響因素研究[J].中國人口·資源與環(huán)境，2010，20（5）：22-27.

[13]何艷秋，王珊珊.中國農(nóng)業(yè)碳排放的結(jié)構(gòu)、效率及其決定機(jī)制

[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2014，35（7）：18-26，110.

[14]何艷秋，戴小文.中國農(nóng)業(yè)碳排放驅(qū)動因素的時空特征研究

[J].資源科學(xué)，2016，38（9）：1780-1790.

[15]劉瓊，肖海峰.農(nóng)地經(jīng)營規(guī)模與財政支農(nóng)政策對農(nóng)業(yè)碳排放的影響[J].資源科學(xué)，2020，42（6）：1063-1073.

[16]李穎，黃賢金，甄峰.江蘇省區(qū)域不同土地利用方式的碳排放效應(yīng)分析[J].農(nóng)業(yè)工程學(xué)報，2008，24（S2）：102-107.

[17]馬曉哲，王錚.土地利用變化對區(qū)域碳源匯的影響研究進(jìn)展[J].生態(tài)學(xué)報，2015，35（17）：5898-5907.

[18]陳儒，鄧悅，姜志德.農(nóng)業(yè)生產(chǎn)項(xiàng)目的綜合碳效應(yīng)分析與核算研究：基于陜西安塞的農(nóng)戶調(diào)查數(shù)據(jù)[J].華中農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2017（3）：23-34，150.

[19]李波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的實(shí)證研究[J].干旱區(qū)資源與環(huán)境，2011，25（12）：8-13.

[20]高標(biāo)，房驕，盧曉玲，等.區(qū)域農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長演進(jìn)關(guān)系及其減排潛力研究[J].干旱區(qū)資源與環(huán)境，2017，31（1）：13-18.

[21]田云，吳海濤.產(chǎn)業(yè)結(jié)構(gòu)視角下的中國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放公平性研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2020（1）：45-55.

[22]趙會杰，于法穩(wěn).基于嫡值法的糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色發(fā)展水平評價[J].改革，2019（11）：136-146.

[23]趙宏波，馬延吉.東北糧食主產(chǎn)區(qū)耕地生態(tài)安全的時空格局及障礙因子：以吉林省為例[J].應(yīng)用生態(tài)學(xué)報，2014，25（2）：515-524.

[24]何慧爽，付幫杰.我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放測度與減排壓力研究[J].生態(tài)經(jīng)濟(jì)，2019，35（11）：99-104.

[25]田云，張俊飚，李波.中國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排強(qiáng)度估算及其分析[J].地理科學(xué)進(jìn)展，2012，31（11）：1546-1551.

[26]趙麗平，王雅鵬，何可.我國糧食生產(chǎn)的環(huán)境技術(shù)效率測度[J].華南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2016，15（3）：28-37.

[27]羅斯炫，何可，張俊飚.增產(chǎn)加劇污染：基于糧食主產(chǎn)區(qū)政策的經(jīng)驗(yàn)研究[J].中國農(nóng)村經(jīng)濟(jì)，2020（1）：108-131.

[28]毛學(xué)峰，孔祥智.重塑中國糧食安全觀[J].南京農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2019，19（1）：142-150，168.

[29]陳儒，姜志德，趙凱.低碳視角下農(nóng)業(yè)生態(tài)補(bǔ)償?shù)募钣行訹J].西北農(nóng)林科技大學(xué)學(xué)報（社會科學(xué)版），2018，18（5）：146-154.

[30]QINA，HUANGG，CHAIQ，etal.Grainyieldandsoilrespirato?ryresponsetointercroppingsystemsonaridlandJ].Fieldcropsresearch，2013，144（6）：1-10.

[31]CHAIQ，QINA，GANY，etal.Higheryieldandlowercarbonemissionbyintercroppingmaizewithrape，pea，andwheatinaridirrigationareas[J].Agronomyforsustainabledevelopment，2014，34（2）：535-543.

[32]史磊剛，陳阜，孔凡磊，等.華北平原冬小麥-夏玉米種植模式碳足跡研究[J].中國人口·資源與環(huán)境，2011，21（9）：93-98.

[33]諸培新，蘇敏，顏杰.轉(zhuǎn)入農(nóng)地經(jīng)營規(guī)模及穩(wěn)定性對農(nóng)戶化肥投入的影響：以江蘇四縣（市）水稻生產(chǎn)為例[J].南京農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2017，17（4）：85-94，158.

[34]許慶，田士超，徐志剛，等.農(nóng)地制度、土地細(xì)碎化與農(nóng)民收入不平等[J].經(jīng)濟(jì)研究，2008（2）：83-92，105.

[35]謝文寶，陳彤，劉國勇.鄉(xiāng)村振興背景下農(nóng)戶耕地質(zhì)量保護(hù)技術(shù)采納差異分析[J].改革，2018（11）：117-129.

[36]宋德勇，盧忠寶.中國碳排放影響因素分解及其周期性波動研究[J].中國人口·資源與環(huán)境，2009，19（3）：18-24.

[37]張秀梅，李升峰，黃賢金，等.江蘇省1996年至2007年碳排放效應(yīng)及時空格局分析[J].資源科學(xué)，2010，32（4）：768-775.

[38]CHENGK，PANG，SMITHP，etal.CarbonfootprintofChina'scropproduction：anestimationusingagro-statisticsdataover1993?2007[J].Agricultureecosystemsandenvironment，2011，142（3）：231-237.

[39]鄧明君，鄧俊杰，劉佳宇.中國糧食作物化肥施用的碳排放時空演變與減排潛力[J].資源科學(xué)，2016，38（3）：534-544.

[40]LIP，LUY，WANGJ.Doesflatteninggovernmentimproveeco?nomicperformance：evidencefromChinaJ].Journalofdevelop?menteconomics，2016，123：18-37.

[41]BECKT，LEVINER，LEVKOVA.Bigbadbanks：thewinnersandlosersfrombankderegulationintheUnitedStates[j].Thejournaloffinance，2010，65（5）：1637—1667.

[42]許慶，尹榮梁，章輝.規(guī)模經(jīng)濟(jì)、規(guī)模報酬與農(nóng)業(yè)適度規(guī)模經(jīng)營：基于我國糧食生產(chǎn)的實(shí)證研究[J].經(jīng)濟(jì)研究，2011，46（3）：59—71，94.

[43]BARONRM，KENNYDA.Themoderator-mediatorvariabledis?tinctioninsocialpsychologicalresearch：conceptual，strategic，andstatisticalconsiderations[J].Journalofpersonalityandsocialpsychology，1986，51（6）：1173—1182.

[44]CANTONID，CHENYY，YANGDY，etal.CurriculumandIde?ology[J].Journalofpoliticaleconomy，2016，125（2）：338—392.

[45]鄧衡山，徐志剛，黃季焜，等.組織化潛在利潤對農(nóng)民專業(yè)合作組織形成發(fā)展的影響[J].經(jīng)濟(jì)學(xué)（季刊），2011，10（4）：1515—1532.

[46]王輝，董元華，安瓊，等.高度集約化利用下蔬菜地土壤養(yǎng)分累積狀況：以南京市南郊為例[J].土壤，2006（1）：61—65.

Environmental performance evaluation of policies in main grain producing areas：

from the perspective of agricultural carbon emissions

YANG Chen1，HU Peiqi2，DIAO Beidi3，CHENG Jinhua4，CUI Hengyu1 （1.School of Agricultural Economics and Rural Development， Renmin University of China， Beijing 100872， China; 2.School of Environment and Natural Resources， Renmin University of China， Beijing 100872， China; 3.School of Econom-ics and Management， China University of Mining and Technology， Xuzhou Jiangsu 221000， China; 4.School of Economics

and Management， China University of Geosciences （Wuhan）， Wuhan Hubei 430074， China）

Abstract Agriculture is the second most important source of global carbon emissions.The way to increase food production and at thesame time effectively control carbon emissions in the agricultural sector has gradually become the focus of the Chinese government.Themain grain producing area policy is one of the core policies for national food security.It is necessary and practical to discuss whether itcan reduce agricultural carbon emissions while achieving long-term stable growth of food production.Based on Chinas provincial paneldata from 2000 to 2019， this study adopted the difference-in-differences （DID） model to evaluate whether the policy could affect the ag-ricultural carbon emissions in the main grain producing areas.Furthermore， a mediating effect analysis was conducted to test the mecha-nism of how the main grain producing area policy achieved carbon emission reduction.The results showed that： ① The implementationof the main grain producing area policy could effectively reduce the total amount of agricultural carbon emissions and reduce their den-sity and intensity.And the results were 10.74%， 10.35% and 15.72%， respectively.② From a long-term trend， the reduction effect ofthe main production area policy on the total agricultural carbon emissions， density and intensity was increasing over time， and reachedits peak in 2016.③ Specifically， the policy decreased carbon emissions from fertilizer， pesticide， agricultural film and agricultural ma-chinery.Their carbon reduction effects were 9.9%， 11.27%， 42.26% and 8.41%， respectively.④ The implementation of the main grainproduction area policy was mainly through increasing the proportion of grain production to change the agricultural structure of these ar-eas and to achieve the scale effect of fertilizers， pesticides， machinery， irrigation， etc.， thereby reducing the total and density of agricul-tural carbon emissions by 3.25% and 3.14%， respectively.Thus， in order to effectively control the carbon emissions of the agriculturalsector and maintain food production， the main grain producing areas policy should be implemented continually.Several targeted activi-ties are also needed.In the short run， governments need to reasonably expand the scale and increase the production efficiency of chemi-cal inputs， machinery and other elements.In the long run， it is necessary to continue to promote green production technologies， reducethe dependence on chemical and other inputs， and gradually shift to a low-carbon production model.

Key words main grain producing areas; agricultural carbon emission; difference-in-differences