中国农业碳排放绩效的空间收敛与分异——基于Malmquist-luenberger指数与空间计量的实证分析  

Dynamic Changes and Spatial Agglomeration Analysis of the Chinese Agricultural Carbon Emissions Performance

作　　者：高鸣[1] 宋洪远[1,2] 

机构地区：[1]中国农业大学中国农村政策研究中心,中国北京100083 [2]农业部农村经济研究中心,中国北京100810

出　　处：《经济地理》2015年第4期142-148,185,共8页Economic Geography

基　　金：国家社会科学基金重大项目(12&ZD055);国家软科学重点项目(2013GXS3B056);教育部社会科学青年基金项目(13YJC630142);清华大学中国农村研究院博士论文奖学金项目(201410);中国博士后科学基金第56批面上项目(2014M560141)

摘　　要：使用1999—2010年的面板数据,计算了中国各省区的农业碳排放量,使用ML指数、空间Morans’I指数和三种收敛性模型深入分析了中国农业碳排放绩效的动态变化和空间聚集与收敛等问题。研究发现:第一,1999—2010年间中国农业碳排放绩效的ML值有了很大的提高,但是存在区域间绩效发展状况不均衡的问题,例如东部绩效最高而中部最低。第二,在中国农业碳排放绩效中,起到最主要贡献作用的是技术进步,而效率变化的贡献度非常小,意味着技术进步可以提高农业碳排放绩效值。第三,中国农业碳排放绩效的ML指数值存在空间自相关关系(即空间聚集效应),而2000年以后这种空间自相关关系程度越来越弱。第四,中国农业碳排放绩效存在"俱乐部收敛"效应,表明各省区的农业碳排放绩效存在收敛性和趋同性。This article uses the panel data from 1999 to 2010 to calculate the carbon emission of Chinese provinces and uses ML index, space Morans＇ I index and three kinds of convergence model to analyze the dynamic change and Spatial Agglomeration of the China agricultural carbon emission performance. Research conclusions： first, the ML value of China agricultural carbon emission performance from 1999 to 2010 had improved a lot, but there are some problems about imbalance of regional development. For example, the performance in the east area is the best, while the performance in the central area is the worst. Second, technological progress makes a big contribution to China agricultural carbon performance, while the efficiency contributes the least, meaning that the technology can improve agricultural carbon emission performance value. Third, spatial autocorrelation exist in ML index value of China agricultural carbon emission performance. Since 2000 the degree of spatial autocorrelation has become weaker. Fourth,there is a ＂club convergence＂ effect in China agricultural carbon emissions performance indicating agricultural carbon emission performance of provinces are convergent.

关 键 词：农业碳排放 绩效变化 空间聚集 空间Morans’I指数 

分 类 号：F323[经济管理—产业经济]