碳排放如何影响水稻全要素生产率

论文摘要

为了解碳排放对水稻全要素生产率测算产生的影响及其程度,本研究利用2006—2015年中国水稻主产区23个省（市、自治区）水稻面板数据,运用基于方向性距离函数的Malmquist-Luenburger生产率指数和面板Tobit模型,实证分析了碳排放对水稻全要素生产率的影响及省域差异,并深入剖析根源。结果表明:1)中国考虑碳排放的水稻全要素生产率呈先增后降的阶段性特征,且整体处于恶化状态,仅少数省份实现了增长;2)整体增长动力来源由技术效率改善向前沿技术进步转变,而实现增长的省份主要得益于前沿技术进步和技术效率改善的双重作用;3)水稻生产"高碳""低碳"省份呈现明显的南北—东西"T"字型交叉分布格局;4)整体水稻TFPC及其分解指数增长得益于城镇化水平、工业化水平的推动,但受到经济发展水平及受灾率的制约;5)高低碳群组间差异则主要体现在财政支农力度和种植业结构调整的作用在"低碳"省份得到更好发挥。

论文目录

• 1 理论分析
•   1.1 影响机制探析
•   1.2 影响因素探析
• 2 方法、数据与测算
•   2.1 方法选取
•     2.1.1 环境生产技术
•     2.1.2 基于方向性距离函数的Malmquist-Luenberger生产率指数
•     2.1.3 Tobit模型
•   2.2 变量选取
•     2.2.1 产出变量
•     2.2.2 投入变量
•     2.2.3 Tobit模型变量
•       1)经济发展水平（Eco）。
•       2)城镇化水平（Urb）。
•       3)工业化水平（Ind）。
•       4)财政支农力度（Fin）。
•       5)受灾率（Dis）。
•       6)农村居民受教育水平（Edu）。
•       7)种植业结构调整系数（Agr）。
•   2.3 考虑碳排放的水稻全要素生产率及其分解指数
•     2.3.1 考虑碳排放的水稻全要素生产率增长与动力变化
•     2.3.2 考虑碳排放的水稻全要素生产率省域差异比较分析
•     2.3.3 碳排放对水稻全要素生产率的影响
• 3 考虑碳排放的水稻全要素生产率影响因素分析
•   3.1 总体影响
•     1)经济发展水平（Eco）。
•     2)城镇化水平（Urb）。
•     3)工业化水平（Ind）。
•     4)财政支农力度（Fin）。
•     5)受灾率（Dis）。
•     6)农村居民受教育水平（Edu）。
•   3.2 高低碳群组差异分析
•     1)高碳群组。
•     2)低碳群组。
•   3.3 关于内生性的讨论
• 4 结论与启示
•   4.1 结论
•   4.2 启示

文章来源

类型: 期刊论文

作者: 陈柱康,张俊飚,程琳琳,何可

关键词: 碳排放,水稻,全要素生产率,技术进步

来源: 中国农业大学学报 2019年11期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑,经济与管理科学

专业: 环境科学与资源利用,农业经济

单位: 华中农业大学经济管理学院,湖北农村发展研究中心

基金: 国家自然科学基金重点项目(71333006),国家自然科学基金青年项目(71703051),教育部哲学社会科学重大攻关项目(15JZD014),湖北省技术创新专项(软科学研究类)(2018ADC036)

分类号: F326.11;X503.231

页码: 197-213

总页数: 17

文件大小: 284K

下载量: 248