2025年4月7日星期一
首页 | 主办单位 | 期刊简介 | 编委会 | 作者指南 | 刊物订阅 | 下载中心 | 联系我们 | English | 期刊界

网刊加载中。。。

使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

农业服务化水平提升对中国农业碳排放强度的影响研究

- ORCID：
童伟伟 ^1,2
✉
- ORCID：
李玉霖 ¹
- ORCID：
张董敏 ¹

1. 长江大学经济与管理学院，湖北荆州 434023； 2. 长江大学湖北农村发展研究中心，湖北荆州 434023

中图分类号： F323

最近更新：2024-08-13

DOI：10.7621/cjarrp.1005-9121.20240603

目录contents

摘要

目的

研究中国各地农业服务化水平的时空演变特征，明确农业服务化对农业碳排放的影响效应与作用机制，以期为中国农业与服务业的深度融合以及绿色农业发展提供经验依据。

方法

文章基于中国30个省（市、区，不含港澳台和西藏）投入产出表，对各地农业服务化水平进行测算和特征事实分析，进而采用面板固定效应模型、异质性分析以及中介效应模型等方法，考察中国农业服务化水平的碳排放效应及其作用途径。

结果

（1）总体而言，近年来中国农业服务化水平稳步提升，其主要表现在对交通运输和科学技术服务的大量使用，对信息服务投入的依赖程度也逐渐增强；各地的农业服务投入越来越多地来源于经济发达地区，其国内市场一体化程度显著提高。（2）农业服务化水平提升能够有效降低农业碳排放强度，尤其是农业交通运输服务、农业批发与零售服务投入以及来源于省外的农业服务投入，对农业碳减排具有显著促进作用。（3）农业服务化水平的提升，主要通过土地规模化经营以及缓解农业财政补贴的部分负面环境效应来降低农业碳排放。

结论

中国在促进现代服务业与现代农业深度融合的同时，应当注重优化农业服务投入结构，鼓励发达地区带头发展农业服务业，充分发挥土地适度规模经营与农业服务化的协同作用等，推动实现农业生产效率提升与农业碳排放强度降低的双赢局面。

关键词

农业服务化; 碳排放; 区域间投入产出表; 时空特征; 作用机制

0 引言

20世纪90年代以来，我国在取得经济总量持续快速增长的同时，却由于经济增长方式、环境规制水平以及能源消费结构等原因，导致生态环境方面付出了沉重的代价，碳排放总量不断增加。虽然近10年来，中国生态环境质量稳步提高，但是依然面临严峻的减排降碳形势。在此背景下，中国政府提出将于2030年和2060年分别实现“碳达峰”与“碳中和”的“双碳”目标，彰显了我国实施自主减排、推动绿色发展的决心。

虽然碳排放的来源主要为第二与第三产业，但是农业生产活动所导致的碳排放也不容忽视。根据联合国粮农组织的研究结论，相比于1990年，2019年的全球农业和粮食生产产生的温室气体排放增加了17%，农业与粮食系统二氧化碳排放量约占全球人为排放总量的31%。面对上述形势，农业农村部与国家发展改革委于2022年6月联合发布了《农业农村减排固碳实施方案》，明确了种植业节能减排、畜牧业减排降碳等6项重点任务以及实施畜禽低碳减排等10项重大行动，提出到2030年农业农村全面绿色转型取得显著成效。因此，要加快农业碳减排步伐，进一步落实绿色发展理念，采取实际行动实现“双碳”目标。

当前，中国正在积极推进农业现代化转型，而增加农业生产过程中对各类服务业的使用，实现农业服务化无疑是我国农业向现代化转型迈进的重要方面。黄玉霞和谢建国^[

1]基于跨国面板数据的研究曾表明，制造业服务化可通过提高生产效率、促进产业升级等途径降低碳排放水平；那么，以上碳减排效应对于我国农业部门是否也同样存在呢？从理论分析来看，农业服务化一方面能够节约集约利用化肥、农药等农业生产资料，从源头降低农业碳排放；另一方面也可能由于农业机械化等农业服务过程中所产生的燃油消耗加大农业碳排放。上述分析表明，难以从理论层面对农业服务化的碳减排效应做出明确判断，对这一问题的回答有待于进一步的实证探索。

现有文献虽然针对农业碳排放问题进行了广泛实证研究，但大多集中于相关农业政策、农业技术对农业碳排放效率的影响方面，还极少关注到农业服务化的碳排放效应。那么，我国农业服务化对农业碳排放究竟会产生怎样的影响？不同的服务投入对农业碳排放的影响有何差异？其作用途径又有哪些？对这些问题的探讨，一方面是对农业服务化在绿色农业发展过程中所发挥效果的检验，另一方面也可为我国实现农业碳减排提供思路，在农业绿色可持续发展背景下具有重要意义。

针对以上问题，文章基于中国碳核算数据库（CEADs）等所提供的中国区域间投入产出表，对农业服务投入情况进行了细致的测算与比较分析，考察了农业服务化对农业碳排放强度的实际影响及其作用机制。该文可能的边际贡献主要表现在以下几个方面：首先，利用区域间投入产出表，测算并比较分析了各省份的总体农业服务化水平、不同类型的细分服务在农业中的投入情况以及各地对区域内外服务投入的依赖程度，较为全面地呈现了我国农业服务化的发展水平；其次，从农业服务化角度考察其对农业碳排放强度的影响效果，分析了不同类型、不同来源地的农业服务投入对农业碳排放的影响差异，拓展了针对农业碳排放影响因素的研究；最后，该文还分析并检验了我国农业服务化对农业碳排放的作用机制，可为推动绿色农业发展提供更加丰富的政策含义。

1 文献评述及理论分析

1.1　相关研究文献评述

在农业农村全面绿色转型的背景下，减少农业温室气体排放和发展低碳农业越来越受到重视。大量文献针对农业碳排放问题进行了广泛研究，主要涉及农业碳排放规模及其效率的测算与分析、农业碳排放的影响因素等问题。在农业碳排放规模测算方面，West等^[

2]基于1995年美国农业生产与运输过程中化石燃料能源的消耗数据，测算了农药、柴油等农业碳排放来源的碳排放系数；众多国内外学者借鉴其方法进行碳排放规模测算：张广胜等^{[参考文献 3

百度学术}3]根据《IPCC国家温室气体清单指南》（2006）中的相关数据，采用生命周期评价法（LCA）测算出中国农业生产各类活动中的碳排放量以及整个农业生产周期的碳排放总量；田云和尹忞昊^{[参考文献 4

百度学术}4]在生命周期评价模型的基础上，从农业能源利用、农用物资投入、水稻种植、畜禽养殖四个方面构建农业碳排放测算指标体系，深入分析中国各省份的农业碳排放总量。在农业碳排放总量测算的基础上，部分文献进一步采用随机前沿法（SFA）和数据包络分析法（DEA），对农业碳排放效率进行了测算^{[参考文献 5

百度学术}5,6]。在农业碳排放的影响因素研究文献方面，杨晨等^{[参考文献 7

百度学术}7]、张杰等^{[参考文献 8

百度学术}8]分别考察了粮食主产区政策和农户教育水平、技能培训情况等个体因素对农业碳排放的影响；张哲晰等^{[参考文献 9

百度学术}9]则探究了农业产业聚集对农业碳生产率的影响；田云和尹忞昊^{[参考文献 10

百度学术}10]还对农业技术进步的碳排放效应进行了研究。

随着产业融合的不断深入，我国各产业逐渐呈现出显著的服务化趋势，引发了大量文献围绕各产业的服务化程度及其驱动因素与影响效应等展开研究。具体就我国农业服务化方面的研究来看，姜长云^[

11]主要从理论层面分析了我国农业生产性服务业在农业现代化进程中发挥的重要作用；陈凯等^{[参考文献 12

百度学术}12]则基于投入产出表对我国农业服务化水平进行了测算；曲昊月等^{[参考文献 13

百度学术}13]在农业生产性服务程度测算的基础上，进一步对其技术效率和规模效率进行实证检验；颜华等^{[参考文献 14

百度学术}14]以农林牧渔服务业产值比重反映农业生产性服务发展水平，进而考察了其对粮食绿色生产率水平的影响效应。

服务化在提升效率、促进产业转型升级的同时，也将对碳排放产生显著影响；现有文献对这一问题的考察主要集中于制造业领域，极少涉及农业部门。具体就制造业服务化对碳排放的影响研究来看，黄玉霞和谢建国^[

1]利用WIOD跨国面板数据，研究发现中国制造业服务化对碳排放强度的降低作用明显大于发达经济体；刘斌等^{[参考文献 15

百度学术}15]则站在全球价值链环境成本视角，提出了制造业服务要素投入可以通过要素配置效应、技术进步效应等降低出口隐含碳排放强度；李琳等^{[参考文献 16

百度学术}16]基于耦联评价模型，检验了国内制造业与服务业融合水平提升对碳排放效率的影响效应。

通过以上文献整理，可发现已有研究分别针对农业碳排放的影响因素、农业服务化水平测算及其影响效应等进行了大量研究，但还极少涉及农业服务化的碳排放效应；现有关于服务化的碳排放效应仅针对制造业领域展开相应研究，还未涉及农业部门。基于上述考虑，该文将考察农业服务化能否降低我国农业碳排放强度及其作用机制，这一工作对于我国促进农业服务化、实现农业绿色可持续发展具有较强的实际意义。

1.2　理论机制与研究假说

我国是农业大国，农业发展对资源环境带来的负面影响近年来逐渐引起广泛重视，而服务业投入农业对缓解上述负面效应能够发挥至关重要的作用。姜长云^[

11]研究表明，农业生产性服务的投入在耕地质量的提高、农业资源有效利用、降低化肥施用量、减少农业环境污染等方面均具有举足轻重的作用。进一步来看，在各类农业服务投入中，相较于批发与零售、交通运输等劳动密集型的传统服务，近些年信息、科技等新兴技术密集型服务在农业中的运用潜力巨大，现代农业产业转型升级亟待技术复杂程度更高的新兴服务投入。农业服务化在降低农业碳排放、促进农业绿色发展中发挥着重要作用，并且不同类型服务投入对农业碳排放的影响存在异质性。

那么，在“双碳”目标背景下农业服务化的碳减排逻辑究竟是如何展开的呢？首先，农业服务化水平提高伴随着土地经营规模的扩大，进而通过规模效应来实现碳减排目标。长期以来，中国“大国小农”的国情使得土地经营不成规模，导致小农户难以承担额外农业服务成本，因此需要通过扩大土地经营规模促使农田“化零为整”、连片经营。从农业服务化水平提高可降低农业碳排放强度的逻辑出发，无论是通过土地流转还是采取农户合作的方式实现土地适度规模经营，都需要农业服务要素的投入，而服务要素的投入能够有效缓解土地规模经营面临的约束^[

17]，促进土地经营规模的扩大。进一步地，土地经营规模的扩大则有助于降低农业碳排放强度。具体来看，农药、化肥、农用薄膜等农资是农业碳排放的重要来源，而土地规模化经营则能够提高农资配置效率，促进农药、化肥等的集约利用，从而降低农业碳排放强度。已有研究表明户均土地规模较小且细碎化程度较大等因素是导致中国农户化肥施用量高于世界平均水平的重要原因^{[参考文献 18

百度学术}18]。因此，农业服务化可以通过促进土地规模经营，进而降低农业碳排放。

其次，农业服务化还能通过对财政支农政策的替代效应，缓解部分农业财政补贴对农户盲目购买并使用环境损害型生产资料的激励，进而降低农业碳排放。从现实情况来看，我国当前农业财政补贴项目众多，部分财政补贴以货币形式直接兑现到户，农民获取财政补贴后很有可能用于购买更多的化肥、农药等农业生产资料，从而导致农业碳排放增加。已有研究表明农业财政补贴会对农户增加农药、化肥、农膜的投入有显著的激励效应^[

19]，杨秀玉等^{[参考文献 20

百度学术}20]发现每提高1%的农业财政补贴，便会提高0.14%的化肥施用量，带来生态环境的恶化。因此，通过农业服务化的替代效应有助于缓解农业财政补贴所产生的负面环境效应。以上分析表明，充分发挥市场的作用，将农机服务、农资服务、科学技术服务等农业服务引入农业生产的各个环节，能够解放农村冗余劳动力、优化农业生产结构，进而减轻农业财政压力。通过上述替代效应，农业服务化水平的提升将缓解农业财政补贴对部分农户盲目购买生产资料行为的激励效果，进而有助于降低农业碳排放。上述影响机理框架可归纳为图1。

图1 理论机制框架

基于以上分析，提出如下3个假说。

假说1：农业服务化能够有效降低农业碳排放强度。

假说2：不同类型服务投入农业对农业碳排放强度的影响存在异质性。

假说3：农业服务化通过土地经营规模扩大和缓解农业财政补贴所产生的部分负面环境效应，促进农业碳减排。

2 我国30省（市、区，不含港澳台和西藏）农业服务化发展水平的时空特征

2.1　农业服务化水平的测算方法

该文基于中国区域间投入产出表，采用农业部门对各类生产性服务业的完全消耗系数，对农业服务化水平进行衡量。相对于现有文献主要以农林牧渔服务业产值比重或农户对各类农业社会化服务的购买情况对农业服务化水平的测算，基于投入产出分析的测算不仅考虑到了灌溉施肥、病虫害防治、育苗以及农产品初加工等传统农业生产性服务活动，还能够反映信息技术、金融、电子商务等现代服务业在农业生产中的使用情况。进一步地，该文基于区域间投入产出表对农业服务化水平的测算，还可以体现各区域之间在农业生产与生产性服务投入方面错综复杂的技术经济联系。其具体计算过程如下。

首先给定如下mn*mn阶矩阵A，表示m个地区n个产业维度上的区域&产业间直接消耗系数矩阵，详见式（1）。其中各元素a为某地区某产业每一单位产品生产过程中，对包括其自身在内的各地区&产业投入的直接消耗量。

A_{m n \times m n} = \{\begin{matrix} A_{}^{11} & A_{}^{12} & \dots_{}^{} & A_{}^{1 m} \\ A_{}^{21} & A_{}^{22} & \dots_{}^{} & A_{}^{2 m} \\ \dots_{}^{} & \dots_{}^{} & ⋱_{}^{} & \dots_{}^{} \\ A_{}^{m 1} & A_{}^{m 1} & \dots_{}^{} & A_{}^{m m} \end{matrix}\}, 其中 ， A_{m n \times m n}^{j i} = \{\begin{matrix} a_{11}^{j i} & a_{12}^{j i} & \dots_{}^{} & a_{1 n}^{j i} \\ a_{21}^{j i} & a_{22}^{j i} & \dots_{}^{} & a_{2 n}^{j i} \\ \dots_{}^{} & \dots_{}^{} & ⋱_{}^{} & \dots_{}^{} \\ a_{n 1}^{j i} & a_{n 2}^{j i} & \dots_{}^{} & a_{n n}^{j i} \end{matrix}\}

（1）

仅保留矩阵A主对角线上各分块矩阵，令其他分块矩阵为零，即所得到的矩阵为A_D，其反映了各地区各产业在生产过程中对本地区各产业的直接消耗情况。类似操作，仅保留非对角线上各个分块矩阵，构成mn*mn阶矩阵A_R，其反映了各地各产业对来自其他地区投入的直接消耗情况。由以上分解过程容易得知，A=A_D+A_R。

在直接消耗系数矩阵的基础上，利用里昂惕夫投入产出模型（leontief input-output model），可得完全消耗系数矩阵B=（1-A）^-1=（1-A_D-A_R）^-1。采用与前文类似的思路，可将B分解为B_D和B_R，分别反映某地区各产业对来自于本地区或其他地区投入的完全消耗情况。

从完全消耗系数矩阵B中提取农业部门r对x个服务部门的完全消耗系数，据此，可得到各地区的农业服务化水平agr_serv,其计算公式为：

a g r_s e r v_{i} = b_{x_{1} r}^{1 i} + b_{x_{2} r}^{1 i} + \dots + b_{x_{x} r}^{m i} = B_{x r}^{i i} + \sum_{s}^{m} B_{x r}^{m i} ， (s = 1 ， 2 ， \dots ， m ； s \neq i)

（2）

式（2）中，agr_serv_i表示i地区的农业服务化水平，即m个地区的x个服务行业投入到i地区的农业r中的完全消耗系数之和。为了体现不同来源地农业服务投入情况，将其划分为i地区内的农业服务业完全消耗系数矩阵 $B_{x r}^{i i}$ 和来自于其他地区s的农业服务业完全消耗系数矩阵之和 $\sum_{s}^{m} B_{x r}^{m i} ， (s = 1 ， 2 ， \dots ， m; s \neq i)$ 。

2.2　农业服务化水平：中国30省（市、区，不含港澳台和西藏）的总体变动情况

该文对农业服务化水平测算所需的区域间投入产出表，有两处来源：一是刘卫东团队测算的2007年、2010年的中国30省（市、区，不含港澳台和西藏）区域间投入产出表；二是CEADs发布的2012年、2015年、2017年的中国区域间投入产出表，这是目前针对我国30省（市、区，不含港澳台和西藏）所能获得的最新区域间投入产出数据。图2是基于上述数据，根据30个省域农业服务业完全消耗系数的测算结果所生成的变动趋势图；从中首先可以发现，2007—2017年除少数地区以外，我国绝大部分省区的农业服务化水平呈现总体上升趋势。进一步根据其变化趋势，可以将30个省（市、区，不含港澳台和西藏）分为以下4类。

图2 2007—2017年30个省域农业服务化水平变动

（1）强烈波动型地区。主要包含北京、吉林、上海、江西、山东、陕西、宁夏和新疆等8地。强烈波动型地区中，山东、宁夏和北京的农业服务化水平在2017年均超过了0.3。相比2007年，除了上海、江西和新疆之外，其他地区的农业服务化水平均有所提升，尤其是宁夏，提升幅度最大，约为203.39%。

（2）轻微波动型地区。主要包含天津、河北、内蒙古、安徽、福建、河南和湖北等12地。轻微波动型地区中，仅天津的农业服务化水平在2017年超过了0.3。相比2007年，除了内蒙古之外，其他地区的农业服务化水平均有所提升。

（3）平稳上升型地区。主要包含山西、浙江、甘肃和青海等4地。其中，山西农业服务化水平在30个省域中排名最高，为0.35；相比2007年，平稳上升型地区的农业服务化水平均大幅上升；其中甘肃的提升幅度最大，达到了299.96%，排在30个省域中的首位。

（4）基本稳定型地区。包含辽宁、黑龙江、江苏、湖南、广东和四川等6地。2007—2017年6个基本稳定型地区的农业服务化水平均稳定在0.1~0.2。相比2007年，基本稳定型地区农业服务化水平排名均有所下降。

从以上归类分析中可以看出，农业服务化水平最高、提升幅度最为显著的省份均属于平稳上升型地区；而农业服务化水平以及提升幅度适中的地区则多为强烈波动型和轻微波动型地区，而农业服务化水平最低、提升幅度有限的广东则属于基本稳定型地区，农业服务化水平出现负增长的4个省份均为波动型地区。从地区划分来看，农业服务化水平较高的地区为经济发达地区及其周边地区，这表明经济发达地区对周边地区的农业服务化发展具有一定带动作用。各地农业服务化水平的提升势头与国家近年来出台的相关政策密切相关，我国整体农业服务化水平的发展趋势与近些年农业农村现代化发展历程有较高的契合度。

2.3　农业服务化水平：基于不同类型服务投入的比较分析

按照投入产出表行业分类，农业生产性服务业可分为农业交通运输服务、农业批发与零售、农业信息服务、农业金融服务、农业商务服务和农业科技服务等6种类型。从图2可以看出，部分地区之间的农业服务化水平变动具有较强的相似性，因此，下面在对不同地区不同类型的农业服务投入进行比较分析时，主要选取了地区跨度较大、经济发展水平、农业资源禀赋、农业服务化水平差异较大的4个代表性地区（吉林、北京、山东、四川）展开分析，详见表1。

表1 2007—2017年基于不同类型服务投入的农业服务化水平 ( % )

地区	年份	交通运输	批发与零售	商务服务	科技服务	信息服务	金融服务
吉林	2007	2.55	2.04	0.63	0.05
	2010	1.43	1.04	0.35	0.02
	2012	3.33	4.83	2.10	0.31	0.33	1.96
	2015	3.55	4.90	3.45	0.28	0.44	2.44
	2017	6.95	0.34	0.54	2.76	0.56	0.29
北京	2007	5.28	6.11	1.12	0.28
	2010	8.20	9.92	3.59	0.43
	2012	6.29	5.28	1.72	7.01	0.51	3.61
	2015	6.45	6.59	3.38	9.09	0.89	5.26
	2017	5.06	0.50	1.00	8.54	1.18	0.80
山东	2007	4.75	3.55	0.98	0.04
	2010	4.25	3.11	0.57	0.03
	2012	2.74	4.76	0.63	0.30	0.27	1.19
	2015	2.75	5.33	1.18	0.28	0.32	1.56
	2017	1.17	0.05	0.25	9.15	1.07	0.11
四川	2007	2.51	4.12	0.49	0.10
	2010	2.90	4.19	0.66	0.14
	2012	1.97	3.34	0.70	1.99	0.95	2.45
	2015	2.36	3.83	1.29	2.04	1.31	3.05
	2017	4.57	0.08	0.60	2.72	0.90	0.46

注：（1）由于2007年、2010年的投入产出表中没有信息服务及金融服务，因此相关数据为缺失值。（2）一方面考虑到部分地区的农业服务化水平较为相似，另一方面也是基于篇幅考虑，这里仅列出了4个代表性地区的相关数据

总体来说，我国的农业服务化偏向于对交通运输服务和批发与零售服务在农业中的使用，对技术要求更高的金融服务、商务服务、信息服务和科技服务的依赖程度比较低，尤其是金融服务对农业的支持力度有待加强。从时间维度上看，我国农业部门早期主要依赖交通运输服务和批发与零售服务投入，尤其是批发与零售服务在生产性服务业中的投入占比最高；而科技服务在农业中的投入占比最低。近些年，批发与零售服务投入程度出现断崖式下降，科技服务投入力度则呈现指数型上升，信息服务投入也在逐步提高；商业服务和金融服务投入趋势在上下波动，交通运输服务投入程度相对稳定。

2.4　农业服务化水平：区域内服务投入VS区域外服务投入

为了刻画各地对于区域内外服务投入的依赖程度，该文采用了对外依赖程度指标，以用其他地区的农业服务业完全消耗系数与区域内的比值表示，结果详见图3。若该比值大于1，则表示该地区农业服务业的对外依赖度较高，为“对外依赖”型地区；反之则为“自给自足”型地区。

图3 2007年、2010年、2012年、2015年和2017年我国各地农业服务业对外依赖程度变动

总体上来看，各省区的农业服务投入主要来源于区域内，对区域外服务投入的依赖程度相对较小。这可能是由于农业的生产、销售等过程具有较强的时效性，使得农业服务投入具有一定的本地化趋势。对外依赖程度较高的省份集中于我国中西部地区；其中，吉林的对外依赖程度最高，宁夏次之，陕西、安徽、河南等地也具有一定的对外依赖性；而山东、四川、湖北等农业大省则主要表现为自给自足型地区。从时间上对比可以发现，对外依赖型省份的数量由2007年的7个增长为2017年的10个，这一趋势反映了我国近年来在各种生产要素与中间投入品方面推进全国统一大市场建设所取得的成效：随着统一的市场公平竞争制度的日益完善以及各类流通网络与市场信息交流渠道的畅通，农业服务投入呈现出由当地化向国内一体化发展的趋势。此外，农业生产的智慧化转型也为各区域更多采用区域外信息技术、科学技术等提供了动力，尤其是技术水平相对较低的中西部省份，将会更多地依赖从外部获取相关农业生产性服务投入。

3 研究设计

3.1　模型构建

参考现有农业碳排放影响因素方面的文献^[

7]，构建分析农业服务化对农业碳排放强度影响模型为：

A C I_{i t} = \partial 0 + \partial 1 a g r_s e r v_{i t} + \partial 2 C o n t r o l_{i t} + μ_{i} + μ_{t} + σ_{i t}

（3）

式（3）中，下标i和t分别代表地区和年份，µ_i和µ_t分别代表地区和年份的固定效应，σ_it为随机误差项。被解释变量ACI_it代表农业碳排放强度，核心解释变量agr_serv_it代表农业服务化水平，Control_it代表控制变量，包括环境规制强度、农业生产效率、种植结构、农业机械化程度、农户平均受教育程度。

①被解释变量：农业碳排放强度（ACI）。现有研究在测算农业碳排放强度时主要考虑机械动力消耗、农药、化肥投入以及柴油、电力消耗等所导致的碳排放^[

10,21]，其测算结果由于研究侧重点不同而存在一定差异。CEADs数据库提供了由专业团队整理测算的碳排放数据，较为完善，在技术手段上不仅综合了多个权威碳排放核算成果，而且将计算年期内的碳排放核算标准进行了统一，因此该文直接采用了CEADs数据库依据碳排放清单中的范围一^脚注所发布的农业碳排放总量数据，以农业生产中的直接温室气体排放为基础对农业碳排放强度进行测算，其公式为：

A C I_{i t} = A C_{i t} / A V A_{i t} = \sum_{y}^{n} C_{y i t} / A V A_{i t}

（4）

式（4）中，AC_it为范围一的农业碳排放总量，AVA_it为第一产业增加值，C_yit表示y种能源碳排放量。

②核心解释变量：农业服务化水平（agr_serv）。agr_serv表示农业服务化水平，以服务业在农业中的完全投入程度衡量，具体衡量方法详见前文。基于稳健性检验考虑，还采用了直接消耗系数作为核心解释变量的替代变量。

③控制变量。a.环境规制强度(er)：环境政策的严厉程度是影响碳排放问题的重要影响因素，当前多从治污投资和治污成效角度对其进行衡量，而对于农业环境规制的衡量尚无统一标准。考虑到农业生产污染的主要来源为农用化肥、农药及薄膜的使用，因此，该文将上述3类物质按其碳源转化系数（表2）进行标准化处理后,采用环境污染治理投资总额与农用化肥、农药及薄膜使用总量的比值表示环境规制强度。b.农业生产效率（effic）：农业生产效率用以反映农业经济效率的提高对农业碳排放强度的影响，而农业劳动生产率则是农业效率的重要指标；因此，在已有研究的基础上将劳动力投入和经济产出指标相结合，采用第一产业增加值与第一产业从业人员总数的比值表示农业生产效率。c.其他控制变量：为了消除其他因素对计量结果产生的不利影响，在计量模型中加入种植结构（stru）、农业机械化程度（ma）和农户平均受教育程度（edu）等控制变量，用于反映土地利用、生产方式以及农户文化水平因素对农业碳排放强度的影响。参照相关研究^[

8]，采用粮食播种面积与农作物总播种面积的比值表示种植结构；农业机械投入强度采用农业机械总动力与农作物总播种面积比值来表示；农户平均受教育程度依据教育年限法进行测算。

表2 农用化肥、农药、薄膜碳排放转化系数

碳源	化肥（C₁）	农药（C₂）	塑料薄膜（C₃）
单位	kg/kg	kg/kg	kg/kg
排放系数	0.895 6	4.934 1	5.180 0

资料来源：联合国政府间气候变化专门委员会第五次评估报告

3.2　数据来源与处理

该文的样本数据为2007—2019年30个省域的面板数据。其中，农业碳排放量主要来源于中国碳核算数据库CEADs发布的2007—2019年30个省域的碳排放清单；区域间投入产出数据如前所述，包含2007年、2010年、2012年、2015年以及2017年中国省级层面的区域间投入产出表。考虑到投入产出表仅在特定年份发布，为充分利用数据信息，将利用上述5个年份的数据分别替代2008—2009年、2011年、2013—2014年、2016年和2018—2019年。各控制变量所需数据来自于《中国统计年鉴》《中国环境统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》及各地区统计年鉴资料。具体变量描述性特征如表3。

表3 变量及其统计特征

变量		含义	观测值	平均值	标准差	最小值	中位数	最大值
被解释变量	ACI	农业碳排放强度	390	0.322 1	0.244 1	0.057 1	0.228 5	1.641 0
核心解释变量	agr_serv	农业服务化水平	390	0.178 2	0.068 2	0.047 2	0.172 4	0.414 6
控制变量	er	农业环境规制	390	0.002 7	0.007 3	0.000 2	0.001 1	0.082 8
	effic	农业生产效率	390	2.122 3	1.027 1	0.321 5	1.969 6	6.084 5
	stru	种植结构	390	0.659 5	0.141 5	0.325 6	0.669 5	0.970 8
	ma	农业机械化程度	390	0.622 5	0.254 5	0.227 0	0.560 4	1.407 4
	edu	平均受教育程度	390	7.745 4	0.603 6	5.945 2	7.814 5	9.838 0

注： ACI为扩大100倍后的数值

4 实证结果与分析

4.1　基准回归结果

根据基准模型的设定，对2007—2019年的样本进行固定效应模型估计，回归结果见表4。从中可发现，在同时控制年份与省份效应的前提下，农业服务化水平对我国农业碳排放强度的影响系数始终显著为负。这说明农业服务化水平的提高能够降低农业碳排放强度，验证了研究假设1。由表3可知，2007—2019年的平均农业服务化水平仅为17.82%，具有很大的提升空间。通过提升农业服务化水平，有利于促进一三产业融合发展，进而降低农业碳排放强度。

表4 基准回归

变量	(1)	(2)	(3)	(4)
变量	农业碳排放强度	农业碳排放强度	农业碳排放强度	农业碳排放强度
农业服务化水平	-0.316^*		-0.417^***
农业服务化水平	(0.162)		(0.151)
农业服务化水平（直接）		-0.569^*		-0.701^**
农业服务化水平（直接）		(0.310)		(0.291)
农业环境规制			-9.504^***	-9.412^***
农业环境规制			(1.378)	(1.381)
农业生产效率			-0.045^***	-0.047^***
农业生产效率			(0.015)	(0.015)
种植结构			0.560^***	0.545^***
种植结构			(0.211)	(0.211)
农业机械化程度			0.123^*	0.119^*
农业机械化程度			(0.069)	(0.070)
平均受教育程度			-0.007	-0.008
平均受教育程度			(0.038)	(0.038)
地区效应	是	是	是	是
年份效应	是	是	是	是
常数项	0.378^***	0.357^***	0.121	0.115
常数项	(0.030)	(0.020)	(0.346)	(0.346)
观测值	390	390	390	390
R²	0.777	0.777	0.818	0.817

注： ^***、^**、^*分别表示 1%、5%和10%的显著性水平，括号内为稳健标准误。下同

各控制变量对农业碳排放强度的影响效应，总体符合理论预期。环境规制强度在1%的水平上显著，说明环境规制水平越严格，其对碳排放的降低作用就越强烈；农业生产效率的不断提高同样能够显著降低碳排放强度；种植结构对碳排放强度具有正向影响效果，即粮食播种面积在农作物播种面积的比值越大，农业碳排放强度越高，这与一些已有研究的结论相似^[

8,22]。农业机械化程度与碳排放强度为正向相关，表明以农业机械化水平为代表的农业机械型技术进步促进了农业碳排放强度的提高。农户的受教育程度对农业碳排放的影响虽不显著，但系数方向符合理论预期，提高农户受教育程度，能够站在绿色可持续农业发展的角度进行能源消费结构的调整，进而降低农业碳排放强度。

4.2　稳健性检验

（1）更换估计方法。考虑到基准模型设置可能有偏，因此将估计方法更换为最大似然估计（MLE）进行对比分析，以验证模型结论的稳健性，结果见表5列（1）。农业服务化水平对农业碳排放强度的影响系数为-0.345，并且通过5%的显著性水平,因此MLE估计结果依旧显著，主要结论仍然成立。

表5 稳健性检验

变量	(1)	(2)
变量	农业碳排放强度	农业碳排放强度
农业服务化水平	-0.345^**	-0.330^**
农业服务化水平	(0.145)	(0.139)
农业环境规制（滞后一期）	-9.171^***	-9.568^***
农业环境规制（滞后一期）	(1.334)	(1.499)
农业生产效率（滞后一期）	-0.064^***	-0.039^**
农业生产效率（滞后一期）	(0.011)	(0.016)
种植结构（滞后一期）	0.287	0.687^***
种植结构（滞后一期）	(0.181)	(0.198)
农业机械化程度（滞后一期）	0.013	0.144^**
农业机械化程度（滞后一期）	(0.063)	(0.067)
平均受教育程度（滞后一期）	-0.054^*	-0.004
平均受教育程度（滞后一期）	(0.031)	(0.035)
地区效应	是	是
时间效应	是	是
样本数	390	360
R²		0.834

（2）变量滞后一期。虽然说农业服务化水平可通过规模效应与替代效应影响碳排放强度，但是从另一方面来看，随着近年来我国农业绿色发展理念的逐步深入以及一系列农业减排措施的出台，农业碳排放强度过高的省份，有可能会通过采用更多的现代农业服务投入来实现减排降碳目标，使得农业服务化水平与碳排放强度呈现反向因果关系。对此，该文将控制变量滞后一期后进行了估计检验，结果如表5列（2）。农业服务化水平对农业碳排放强度的影响系数为-0.330，并且通过5%的显著性水平，所以农业服务化水平提高对农业碳排放强度的降低作用仍然十分显著。

4.3　不同生产性服务业投入对农业碳排放强度的影响差异

前文研究表明，我国早期的农业服务化主要依赖对交通运输及批发零售服务的中间使用，而近些年逐渐向农业科学技术服务与农业交通运输服务转移。那么，这一转变对于农业服务化的碳排放效应究竟有何意义呢？对此，该文进一步探讨农业交通运输服务业、农业批发与零售业、农业科技服务业、农业商务服务业、农业信息服务业和农业金融服务业对农业碳排放影响的异质性。

表6 不同生产性服务业投入对农业碳排放强度影响的回归

变量	（1）	（2）	（3）	（4）	（5）	（6）
变量	运输服务业	批发与零售业	科技服务业	商务服务业	信息服务业	金融服务业
农业服务化水平	-2.097^***	0.858^**	-0.770	-0.783	0.563	0.050
农业服务化水平	(0.390)	(0.403)	(0.479)	(1.361)	(1.782)	(0.860)
农业环境规制	-10.50^***	-9.043^***	-8.600^***	-9.371^***	-7.314^***	-7.212^***
农业环境规制	(1.355)	(1.388)	(1.456)	(1.395)	(1.221)	(1.196)
农业生产效率	-0.048^***	-0.049^***	-0.045^***	-0.046^***	-0.049^***	-0.048^***
农业生产效率	(0.015)	(0.015)	(0.015)	(0.015)	(0.014)	(0.014)
种植结构	0.477^**	0.483^**	0.594^***	0.550^**	0.165	0.177
种植结构	(0.205)	(0.213)	(0.214)	(0.213)	(0.206)	(0.202)
农业机械化程度	0.120^*	0.123^*	0.132^*	0.153^**	0.035	0.032
农业机械化程度	(0.066)	(0.070)	(0.070)	(0.069)	(0.052)	(0.051)
平均受教育程度	-0.022	-0.012	-0.012	-0.016	-0.021	-0.022
平均受教育程度	(0.036)	(0.038)	(0.038)	(0.038)	(0.028)	(0.028)
地区效应	是	是	是	是	是	是
时间效应	是	是	是	是	是	是
样本数	390	390	240	240	390	390
R²	0.828	0.816	0.815	0.814	0.903	0.903

表7 不同来源地服务投入对农业碳排放强度影响的回归

变量	（1）	（2）	（3）	（4）
变量	区域内完全消耗	区域外完全消耗	区域内完全消耗	区域外直接消耗
农业服务化水平	-0.316	-0.785^***	-0.612^*	-1.961^***
农业服务化水平	(0.193)	(0.285)	(0.365)	(0.733)
农业环境规制	-9.483^***	-9.250^***	-9.353^***	-9.463^***
农业环境规制	(1.390)	(1.377)	(1.386)	(1.379)
农业生产效率	-0.046^***	-0.043^***	-0.047^***	-0.044^***
农业生产效率	(0.015)	(0.015)	(0.015)	(0.015)
种植结构	0.601^***	0.435^**	0.580^***	0.431^**
种植结构	(0.215)	(0.214)	(0.213)	(0.215)
农业机械化程度	0.137^**	0.139^**	0.128^*	0.142^**
农业机械化程度	(0.069)	(0.068)	(0.070)	(0.068)
平均受教育程度	-0.012	-0.009	-0.009	-0.017
平均受教育程度	(0.038)	(0.038)	(0.038)	(0.038)
地区效应	是	是	是	是
时间效应	是	是	是	是
样本数	390	390	390	390
R²	0.815	0.818	0.815	0.817

从表6结果来看，不同生产性服务行业对农业碳排放的影响效应差异较大。其中，交通运输服务投入的估计系数显著为负，交通运输服务投入每提高一个单位，农业碳排放强度将降低2.097%，远高于整体农业服务化水平对农业碳排放强度的影响程度；商务与科学技术服务业的估计系数同样为负，虽然结果并不显著。其余生产性服务要素的投入均与农业碳排放强度呈正相关关系，其中批发与零售业在5%的水平上显著。各农业生产性服务对农业碳排放强度的影响差异验证了研究假说2。

农业批发与零售服务和农业交通运输服务与农业碳排放强度之间的显著相关关系与我国城乡发展有着密不可分的关系。首先，一直以来批发与零售是农业生产的重要支撑，农资、农产品的批发与零售是农业生产必不可少的环节。由于我国早期农村地区交通网络不够完善，城乡互动性较弱，从而在进行农业批发与零售环节时会耗费更多成本，导致单位产品所产生的能耗和排放较高。因此，交通运输行业的快速发展提升了农村交通便利程度，在提升农业批发与零售服务效率的同时节省所需成本，进而使得单位产品所产生的碳排放有所下降。

4.4　区域内VS区域外服务投入对农业碳排放强度的影响

通过前文对区域内和区域外的农业服务投入对比分析可知，不同地区的农业服务投入来源存在显著差异，并且近些年越来越多的地区开始大量使用区域外的农业生产性服务，那么不同来源地的服务投入对农业碳排放强度的影响有何差异？因此，根据农业服务化水平的分解式（2），计算出30个省域的区域内农业服务完全消耗、区域外农业服务的完全消耗、区域内农业服务直接消耗、区域外农业服务的直接消耗，将其分别作为农业服务化水平的替代变量代入固定效应模型中，分析不同来源地的直接投入和完全投入对农业碳排放强度影响之间的差异。

综合来看，可以发现，不论对农业服务化采用哪一种测算指标，区域外农业服务投入相对于区域内农业服务投入，均能在更大程度上显著降低农业碳排放强度。由前文特征事实分析可知，我国大多数省份所采用的区域外服务投入主要来源于经济发达省份，其生产性服务业发展水平相对较高。来自发达省份的高质量中间服务投入，不仅有助于提高农业生产效率、增加农业附加值，还有助于规模效应与替代效应的发挥，减少农业碳排放，进而在更大程度上降低碳排放强度。纵向对比表4中的基准回归结果，还可以发现相对于整体农业服务化水平提高，来源于区域外的农业服务投入对农业碳排放强度的降低作用更为明显，尤其是农业服务直接投入所发挥的作用更为显著。这与我国目前农业服务投入主要为直接投入，间接投入相对较少、多数地区的农业服务为对外依赖型的现状相符合。

4.5　作用机制检验

根据前文理论分析，农业服务化水平对降低农业碳排放强度的影响路径为土地经营规模的扩大和缓解农业财政补贴所产生的负面环境效应，为了验证影响机制，构建中介效应模型为：

M e d_{i t} = ϕ_{0} + ϕ_{1} a g r_s e r v_{i t} + ϕ_{2} C o n t r o l_{i t} + μ_{i} + μ_{t} + σ_{i t}

（5）

A C I_{i t} = γ_{0} + γ_{1} a g r_s e r v_{i t} + γ_{2} C o n t r o l_{i t} + γ_{3} M e d_{i t} + μ_{i} + μ_{t} + σ_{i t}

（6）

式（5）（6）中， $M e d_{i t}$ 为中介变量土地经营规模（scale）与农业财政补贴（expend）。学术界对于土地经营规模的衡量是以某一地区内的农户经营的土地规模调查数据表示，但是种养大户、家庭农场、专业合作社以及产业化龙头企业等农业经营主体日趋多样化^[

23]，土地经营规模的衡量标准较难统一，鉴于研究内容需要并且考虑到数据的可得性，采用耕地面积与第一产业从业人员数之比衡量土地经营规模。农业财政补贴是农业用于农业生产与农业公共品投入的支出，参考胡川等^{[参考文献 24

百度学术}24]的研究，直接使用财政涉农支出进行表示，计算结果见表（8）。

表8中的列（1）为农业服务化水平对土地经营规模的影响结果，对应系数不显著，列（2）为土地经营规模对农业碳排放强度影响的中介效应回归，结果在10%的水平上显著。为了验证中介变量是否发挥中介效应，进行Bootstrap检验，检验结果在1%的水平上显著，说明土地经营规模发挥了部分中介效应。列（3）为农业服务化水平对农业财政补贴影响的回归结果，其相关系数在5%的水平上负向显著，列（4）为农业财政补贴对农业碳排放强度影响的中介效应回归，系数在1%的水平上显著，并且为正相关关系。该结果说明农业服务化水平每提高1个单位，将降低2.753个单位的农业财政补贴，农业财政补贴能够发挥其中介作用，使得农业服务化可通过缓解农业财政补贴所产生的负面环境效应进而降低农业碳排放强度，上述结果验证了前文假说3。

表8 中介效应模型机制检验

		(1)	(2)	(3)	(4)
		土地经营规模	农业碳排放强度	农业财政补贴	农业碳排放强度
农业服务化水平		0.043	-0.412^***	-2.753^**	-0.370^**
农业服务化水平		(0.155)	(0.150)	(1.265)	(0.150)
土地经营规模			-0.101^*
土地经营规模			(0.053)
农业财政补贴					0.017^***
农业财政补贴					(0.006)
控制变量		是	是	是	是
地区效应		是	是	是	是
时间效应		是	是	是	是
自举法检验	间接效应	0.125^***
	间接效应	(0.041)
	直接效应	1.377^***
	直接效应	(0.190)
中介效应发挥强度		0.083		0.026
样本数		390	390	390	390
R²		0.932	0.819	0.895	0.821

目前，中国正在推进土地适度规模化、集约化发展的背景下发展绿色农业，小农户仅依靠传统的农业生产模式难以适应农业现代化，应当借助农业运输服务、科技服务等投入要素进行适度规模生产，促进资源节约，降低环境成本。在财政支持方面，适当减轻农业财政补贴，充分发挥市场的能动性，以促进农业服务化发展需求，不仅减轻了财政压力，而且与实现农业绿色发展相适应。

5 研究结论与政策建议

5.1　研究结论

该文基于中国区域间投入产出表，对我国各省份的农业服务化水平进行测算与分析；进而考察了农业服务化对农业碳排放强度的影响及其作用机制。结论如下。

（1）我国农业服务化水平总体上呈现稳步上升趋势；从行业层面对比来看，我国早期各区的农业服务化主要表现在对批发与零售服务和交通运输服务的依赖，对科技、信息、商务、金融等服务的依赖程度相对较低；近年来更加重视交通运输和科技服务的投入，对信息的依赖程度也有所提升；在区域层面，各省区的农业服务投入来源逐步由本地化向高度依赖北京、上海、江苏等经济发达地区的服务投入转变，我国农业生产性服务业领域的市场一体化程度显著提高。

（2）农业服务化水平的提升对农业碳排放强度具有显著降低作用，尤其是交通运输服务、科技服务和信息服务以及区域外的农业服务投入，其降碳效应更为显著。

（3）农业服务化能够通过扩大土地经营规模和缓解农业财政补贴所产生的负面环境效应，从而降低农业碳排放。

5.2　政策建议

（1）转变传统农业生产方式，促进现代农业与现代服务业的深度融合，提高农业服务化水平和绿色发展水平。一方面，提升农业服务化主体的专业性和规模化程度，增强其服务各类农业生产主体以及各种农产品生产活动的能力；另一方面，引导农户正面认识农业生产性服务的积极作用，提升农户对各类服务的接纳意愿与程度。

（2）优化农业生产性服务投入结构，更好地发挥农业服务化对农业碳减排的积极作用。在进一步改善农机服务、病虫防治等传统农业生产服务的同时，积极推进智慧农业建设，加大网络与信息技术以及智能技术等在农业生产过程中的使用；鼓励金融保险机构服务农业，针对不同农业生产主体创新金融保险服务等，促进农业的现代化转型。

（3）以我国加快建设全国统一大市场为契机，促进高质量农业生产性服务投入的跨区域流动。完善全国层面的农业生产服务主体信息发布平台，健全相关主体的信用状况与技术能力的综合评价机制，促进农业生产服务线上线下交易渠道优化升级；维护全国统一的市场公平竞争环境，破除阻碍高质量生产性服务跨区域流动的各类障碍。

（4）从农业碳减排路径上看，应发挥土地适度规模经营与农业服务化的协同作用，达到低生产成本、低环境污染、高产出效率一举三得的效果。长期发展条件下，适当减轻农业财政压力，采取市场化手段提升农业服务化的碳减排效果，拓展农业碳减排路径。

参考文献

黄玉霞, 谢建国. 制造业投入服务化与碳排放强度——基于WIOD跨国面板的实证分析.财贸经济, 2019, 40(8): 100-115. [百度学术]

West T O, Marland G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: Comparing tillage practices in the United States. Agriculture, Ecosystems and Environment, 2002, 91(1-3): 217-232. [百度学术]

张广胜, 王珊珊. 中国农业碳排放的结构、效率及其决定机制. 农业经济问题, 2014, 35(7): 18-26. [百度学术]

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. 中国农村经济, 2022(3): 104-127. [百度学术]

程琳琳, 张俊飚, 何可. 多尺度城镇化对农业碳生产率的影响及其区域分异特征研究——基于SFA、E指数与SDM的实证. 中南大学学报(社会科学版), 2018, 24(5): 107-116. [百度学术]

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. 中国人口·资源与环境, 2022, 32(4): 13-22. [百度学术]

杨晨, 胡珮琪, 刁贝娣, 等. 粮食主产区政策的环境绩效: 基于农业碳排放视角. 中国人口·资源与环境, 2021, 31(12): 35-44. [百度学术]

张杰, 陈海, 刘迪, 等. 农户农业碳排放效率差异及多层次影响因素——以陕西省米脂县为例. 中国农业资源与区划, 2022, 43(9): 90-100. [百度学术]

张哲晰, 穆月英. 产业集聚能提高农业碳生产率吗? 中国人口·资源与环境, 2019, 29(7): 57-65. [百度学术]

田云, 尹忞昊. 技术进步促进了农业能源碳减排吗？——基于回弹效应与空间溢出效应的检验. 改革, 2021(12): 45-58. [百度学术]

姜长云. 关于发展农业生产性服务业的思考. 农业经济问题, 2016, 37(5): 8-15. [百度学术]

陈凯, 刘煜寒. 中外农业生产服务业发展状况的比较分析——基于投入产出表的实证研究. 经济问题, 2014(5): 92-97. [百度学术]

曲昊月, 庄丽娟. 农业生产服务、技术进步与技术效率——基于35个经济体的实证研究. 经济问题探索, 2018(3): 169-177. [百度学术]

颜华, 齐悦, 张梅. 农业生产性服务促进粮食绿色生产的效应及作用机制研究. 中国农业资源与区划, 2023, 44(2): 54-67. [百度学术]

刘斌, 王乃嘉, 余淼杰, 等. 制造业服务要素投入与出口中的隐含碳——基于全球价值链环境成本视角的研究. 中国人民大学学报, 2021, 35(2): 81-94. [百度学术]

李琳, 赵桁. “两业”融合与碳排放效率关系研究. 经济经纬, 2021, 38(5): 71-79. [百度学术]

杨子, 饶芳萍, 诸培新. 农业社会化服务对土地规模经营的影响——基于农户土地转入视角的实证分析. 中国农村经济, 2019(3): 82-95. [百度学术]

高晶晶, 彭超, 史清华. 中国化肥高用量与小农户的施肥行为研究——基于1995—2016年全国农村固定观察点数据的发现. 管理世界, 2019, 35(10): 120-132. [百度学术]

李江一. 农业补贴政策效应评估: 激励效应与财富效应. 中国农村经济, 2016(12): 17-32. [百度学术]

杨秀玉, 乔翠霞. 农业补贴对生态环境的影响——从化肥使用角度分析. 中国农业资源与区划, 2018, 39(7): 47-53. [百度学术]

许士春, 何正霞, 龙如银.环境规制对企业绿色技术创新的影响. 科研管理, 2012, 33(6): 67-74. [百度学术]

田云, 吴海涛. 产业结构视角下的中国粮食主产区农业碳排放公平性研究. 农业技术经济, 2020(1): 45-55. [百度学术]

刘汉成, 关江华. 适度规模经营背景下农村土地流转研究. 农业经济问题, 2019(8): 59-64. [百度学术]

胡川, 韦院英, 胡威. 农业政策、技术创新与农业碳排放的关系研究. 农业经济问题, 2018(9): 66-75. [百度学术]

农业服务化水平提升对中国农业碳排放强度的影响研究

摘要

目的

方法

结果

结论

关键词

0 引言

1 文献评述及理论分析

1.1 相关研究文献评述

1.2 理论机制与研究假说

2 我国30省（市、区，不含港澳台和西藏）农业服务化发展水平的时空特征

2.1 农业服务化水平的测算方法

2.2 农业服务化水平：中国30省（市、区，不含港澳台和西藏）的总体变动情况

2.3 农业服务化水平：基于不同类型服务投入的比较分析

2.4 农业服务化水平：区域内服务投入VS区域外服务投入

3 研究设计

3.1 模型构建

3.2 数据来源与处理