张哲晰 穆月英

摘要 基于黄淮海与环渤海设施蔬菜主产区2017年蔬菜专业村设施蔬菜种植户调研数据，在对产业集聚如何影响农业碳生产率进行数理模型机制分析的基础上展开实证检验。首先，运用路径分析方法总体衡量农业产业集聚程度的提高是否会强化技术溢出与规模效应以及二者对农业碳生产率的作用效果。然后，运用门限回归方法检验农业产业集聚对农业碳生产率的非线性影响，即“锁定”与“拥挤”效应。最后，运用分位数回归方法检验农业产业集聚对差异性农户的异质性作用效果。研究结果表明：产业集聚程度的提高会显著影响技术溢出与规模效应作用的发挥。其中，技术溢出、基础设施建设伴随产业集聚程度的提高与农业碳生产率之间呈“W”型关系，只有全面转型升级才是克服简单扩张导致的“锁定”与“拥挤”效应的最终途径，社会化服务供给缺陷则是约束农业碳生产率提高的重要因素。同时，农业产业集聚对于具有比较优势的高农业碳生产率农户的低碳增效作用更加明显。此外，生产专业化水平、是否采用测土配方施肥技术以及农户对消费者质量安全问题认知，也是影响农业碳生产率的重要因素。据此，提出提高农业碳生产率的政策建议：①继续加强主产地建设，发挥产业集聚优势，加大政府对基础设施建设的支持力度。②完善主产地农业社会化服务体系建设，提高服务标准、精准服务对象、完备服务内容。③推动农业产业集聚转型升级，实现集聚由“数量”向“质量”提高。④加强对农户人力资本、现代技术等方面的支持，特别是对弱势群体加以倾斜。⑤运用市场机制引导生产者低碳生产行为，将消费者绿色健康需求通过价格传导到农户方面，推动农户低碳生产。

关键词 主产地;农业产业集聚;农业碳生产率;门限回归;分位数回归

中图分类号 F323.2文献标识码 A文章编号 1002-2104（2019）07-00057-09DOI：10.12062/cpre.20190104

随着气候变暖等威胁人类社会与经济发展的环境问题频繁发作，减少以CO2为主的温室气体排放成为世界各国关注的焦点。联合国政府间气候变化专门委员会的评估结果显示，全球13.5%的碳排放源于农业生产活动[1]，农业产业已成为温室气体排放的第二大重要来源[2]。中国是全球最大的CO2排放国，其中，农业碳排放比重达到16%～17%，高于世界平均水平，且总量仍处于增长的态势[3-4]。而在可预见的将来，资本密集投入的现代农业发展方式将极度依赖于能源等生产要素的大量使用，更使中国农业碳减排面临着巨大的压力。如何降低农业碳强度，发展低碳农业，成为当下亟待解决的问题。尽管低碳转型的要义与实现碳排放达到峰值的关键在于碳强度的下降，但是碳生产率（碳强度的倒数），兼顾稳定大气中CO2含量与保持经济增长双重目标的指标[5]，才是衡量是否成功减缓气候变化的标准。提高农业碳生产率意味着控制温室气体排放、提高能源效率、兼顾农业产出与经济增长，那么，探索提高农业碳生产率的途径，是中国发展低碳农业的内在要求。近年来，中国农业生产区域专业化特征明显，涌现了一大批农业主产地，是保障农产品供给、提高农民收入、稳定社会经济运转的重要力量，而主产地集中度高的密集生产模式意味着消耗着更多的能源要素，成为“消费”角度的碳排放大户，是应为整个产业链减排负责的重要主体。但是，反观主产地产业集聚发展模式，能否利用该特征优化当地农业碳生产率水平，即探索产业集聚影响农业碳生产率的机制与路径，也是颇有研究价值的问题，是一个“扬长避短”的思路。本研究旨在对前人研究梳理的基础上，分析农业产业集聚发展模式对农业碳生产率影响机制，并检验其作用效果，以满足居民农产品消费需求稳步增加与农业绿色发展的双重要求。

1 文献综述

当前，关于中国农业低碳化发展的研究日益丰富，从低碳农业概念界定、农业碳排放量测算方法、农业碳减排影响因素、农业低碳发展路径选择，以及农业碳减排潜力等多方面展开研究[6-14]，为推动中国农业生产节能减排做出了重要的贡献。与此同时，尽管主要集中于工业领域，碳生产率的重要性、测算方法、影响因素与门槛效应、潜力与提升空间、区域差异与收敛也逐步纳入人们的视野[15-20]。但立足于主产地，将农业碳生产率与农业产业集聚特征相结合，探索主产地低碳高效发展前景的研究尚属少见。

事实上，产业集聚对第二、三产业能源效率（单位能源消耗带来的产出）的提升作用在近年已初步得到验证[21-22]，即经济的空间集聚可以通过规模效应、技术溢出以及竞争效应实现碳排放减少，继而提高能源效率[23]。但是，亦有研究表明产业集聚在发展到一定程度后会产生“拥挤”效应，即由于集聚引发的要素比例失衡（过度集中或相对稀缺）会造成规模不经济[24]，降低能源效率。这意味着，尽管产业集聚对能源效率有重要的影响，但“一枚硬币的两面”效应不容忽视。

尽管农业与工业产业特征存在差异，但国际经验表明，农业生产的交易成本高、高度依赖密集投入土地资源和勞动力资源等特征，使农业生产更倾向于向优势区域集中[25]，以充分利用资源禀赋优势、提高基础设施及相关服务的利用率、强化农民之间的技术交流，获得集聚带来的种种优势。而中国农业地理集中生产能够形成规模效应与技术溢出也初步得到论证[26]。由此观之，对农业产业的主产地空间集聚生产模式对农业碳生产率的影响机理及效应进行分析与测算，一方面能对主产地产业集聚特征的优势加以利用，“扬长避短”，另一方面则能通过探究集聚特征的“拥挤”效应找寻提高主产地农业碳生产率的合理区间。

目前，关于农业碳生产率影响因素的研究，具有代表性的成果主要有宋博等[10]和程琳琳等[18，27]的研究。其中，宋博等[10]以微观农户数据为基础，基于线性回归模型，得出户主受教育程度、农业生产年限、农户专业化程度是影响农业碳生产效率（单位二氧化碳排放所得到的蔬菜产值）的重要因素;程琳琳等[18，27]基于省级面板数据，运用空间计量模型测算得出城镇化是影响农业碳生产率的重要因素，同时，省际之间农业碳生产率（一定时期内农业产值与同期农业二氧化碳排放量之比）存在着溢出效应与空间依赖性。关于农业产业集聚特征对农业碳排放影响的研究则仅有胡中应等[28]基于1998—2012年省级面板数据，运用最小二乘估计方法展开的测算。结果显示，随着集聚程度的增加，碳排放总量呈现先增后降的倒“U”型特征，碳排放强度则呈现先增后减再增的正“N”型特征。

既有文献为本研究提供了借鉴和启示，为探讨农业产业集聚能否影响农业碳生产率提供了理论借鉴，并对本研究的变量选取与估计方法选择具有启示意义。但一方面在主产地迅速发展的背景下，将农业产业集聚重要特征纳入对农业碳生产率影响效应的研究较少，另一方面则过于宏观地以省为研究单位，并缺乏对农业产业集聚对农业碳生产率作用路径与机制的细致探析。此外，对于主产地内异质性生产主体而言，差异性比较优势导致其碳利用能力不同，受到农业产业集聚的影响也会有所差别，忽略这种异质性将不利于主产地农业碳生产率的全面提升。对此，本研究从以下几个方面进行拓展。首先，样本选取上，以主产地蔬菜专业村为基本空间单元，以设施蔬菜种植户为对象，考察专业村产业集聚特征对农业碳生产率的影响：第一，蔬菜是播种面积和产量上仅次于粮食的第二大作物，是重要农产品供应与碳排放主体;第二，设施蔬菜具有资本密集投入的特征，加大了主产地生态环境压力;第三，以专业村为考察范围能够有效避免省级范围过于宏观导致知识溢出依赖于缄默知识和粘性知识传播的特征导致集聚经济存在一定范围性[29]的特征而降低分析可信度的问题，并且有利于确保经济活动的均匀，提高结果的精确性[30]。其次，研究内容上，细致区分了农业产业集聚影响农业碳生产率的作用机理，并将“锁定”性、“拥挤”性与异质性纳入考虑，从微观视角探索提质增效的实践方案。最后，研究方法上，结合研究需要，运用路径分析、门限回归与分位数回归方法对农业产业集聚对农业碳生产率的影响进行检验。

综上所述，本研究以蔬菜专业村蔬菜种植户为研究对象，对农业产业集聚对农业碳生产率的影响机制及非线性特征进行系统的理论分析与实证检验，并将异质性生产者受农业产业集聚的差别影响纳入考虑，以期从促进或抑制农业产业集聚的视角出发探究主产地发展趋势，并为其他农业产业提供参考。

2 数理模型与研究假说

本研究参考刘习平等[23]、程中华等[22]的成果，构建农业碳生产率影响机制数理模型，同时，重点对农业产业集聚对农业碳生产率的影响机制进行系统的理论分析，并提出相应假说。

假定物质资本（K）、劳动力（L）和土地（E）是生产过程中的主要投入，其中，物质资本是主要碳来源。从成本函数角度设定生产函数可得：

其中，C（·）为成本函数，PK、PL、PE为K、L、E的价格，Q为蔬菜产量，A为全要素生产率，W为农业产业集聚程度，α、β、γ为产出弹性。

根据谢泼德引理，在给定支出函数C（P，U）下，对价格求偏导可获得对应产品的希克斯需求函数Xh（P，U），那么，物质资本投入需求等于成本函数对物质资本投入价格求偏导，用K代表农户对物质资本的需求，则：

假定在完全竞争市场下，农户长期经济利润为0，总成本=总收益，即：C=PQ·Q。而PQ取决于三种要素的价格：

则将（3）式带入（2）式可得：

经过移项调整，可得：

在生产过程中，物质资本会产生CO2排放（R），投入越多则CO2越多，设：R=K（6）

则将（6）式带入（5）式可得：

结合既有研究对碳生产率[5，31]及农业碳生产率[10，27]构成的界定，本研究将PQ·Q/R定义为农业碳生产率，即一个生长周期内蔬菜总产值与同期CO2排放量之比。尽管该指标简单便捷，但其从投入要素角度给出了农业产出与经济发展所面临的新约束条件，将隐含在能源和物质产品中的碳剥离出来，成为能够与传统劳动生产率与资本生产率相比拟的[32]，更符合我国农业供给侧结构性改革与生态文明建设的新指标。对于CO2排放的测算，本研究参考宋博等[10]的研究，即：化肥、农膜、电力是蔬菜生产投入要素中最主要的碳源，占比90%以上。故以这三种要素为基础测算蔬菜生产产生的CO2排放量。式（8）为CO2排放量的测算公式：

其中，R表示CO2排放，单位是二氧化碳当量（CO2e），x（x1，x2，x3）表示化肥、农膜、电力三要素的投入量向量，η（η1，η2，η3）为三要素的碳排放系数向量，其中η1=3.284，η2=2.493，η3=0.917[10]，在此基础上，用蔬菜产值与R相除则可获得碳生产率。此外，由式（7）可知，农业碳生产率还取决于全要素生产率、集聚程度与物质资本价格。其中，全要素生产率主要受到农户个人、家庭特征、技术采用等方面的影响。而本研究的关键变量，农业产业集聚程度，则经由技术溢出与规模效应影响农业碳生产率，其中规模效应包含基础设施共享与中间产品（社会化服务）供给两方面。

技术溢出。农户的技术储备与田间管理水平将影响农业碳生产率。但农户的技术水平与管理能力不仅受制于自身特征与经验，还受到周边农户的影响，特别是当一项新技术（如低碳技术）出现时，其对外部条件更为敏感，对农户的经济实力、管理能力和知识水平要求较高，使其他农户的行为对小农户技术采用与否至关重要[33]。既有研究表明，小农户在技术采用前更倾向于通过询问或观察等途径从其他农户处获得相关经验，以规避新技术采用带来的经济利润上的风险[34]，并随着采用人数的增加，更倾向于向他人学习[35]。而专业村中恰有大量从事同类生产的农户，并且，在这批人中，有一部分“中坚”农户，他们经营条件好、个人素质高，具有较强的经济能力和强烈的技术需求，是新技术的创新先驱者和早期采用者[36]。因此，农业产业集聚形成的技术溢出将有益于农业碳生产率的提升。但是，技术溢出是一种将产权演变为共有性的过程，当某项技术通过溢出使更多人低成本采用后，将降低初始技术采用者的边际收益，这会导致初始技术采用者新技术引用激励下降，造成技术创新的不可持续，使专业村技术采用趋于稳定，即技术“锁定”效应[37]，不利于农业碳生产率的进一步提高。

规模效应。农产品碳排放主要来源于作物的生命活动以及要素投入两个渠道。随着专业村产业集聚程度的提高，播种面积与要素投入不断增加，碳排放总量将随着生产规模的扩大而提升。但生产规模扩大的同时，会基于基础设施共享、农业社会化服务供给等外部规模经济影响农业碳生产率。具体而言，大量具有共同需求的农户通过协商、决策，推动生产性公共基础设施的建设，在降低农户生产成本的同时提高基础设施的利用率。同时，专业村农户基于相似的诉求更容易联合，成立集技术指导、農资供给、农机服务等功能于一体或具有单一功能的农业社会化服务组织。公共基础设施与农业社会化服务组织的建设有利于优化资源配置，提高生产效率，实现外部规模经济带来的减排效应。但是，公共基础设施与社会化服务具有一定的竞争性，过多农户使用会产生“拥挤”问题[38-39]，如水、电供应不足，交通堵塞、服务质量下降等等，因此农业产业集聚对农业碳生产率的提高可能具有区间性。

此外，专业村中有碳生产率优势的农户，一般在资源禀赋、资本存量、文化素质、技术水平、社会关系等方面更强，这部分农户将更好地利用农业产业集聚形成的技术溢出与规模效应，导致专业村农户间差距拉大。

综上，本研究提出假说一：①农业产业集聚将通过技术溢出影响农业碳生产率，集聚程度越高，作用效果越明显;②集聚程度过高可能会产生技术“锁定”效应，不利于农业碳生产率提高。假说二：①农业产业集聚将通过公共基础设施与农业社会化服务供给影响农业碳生产率;②“拥挤”效应可能会抑制农业碳生产率提高。假说三：农业产业集聚对农业碳生产率的影响可能存在“马太效应”。

在本研究中，农业产业集聚程度由专业村菜地面积占总耕地面积比来表示。在蔬菜专业村中，农户生产呈现小规模家庭经营、空间密度高的特征，空间上的规模化是其表现形式。理论上讲，集聚密度越高，资源共享、规模经济、知识溢出等集聚效应越强，生产效率越高，故本研究参考Fu[40]的研究，做此选择。

3 研究方法与数据

3.1 估计方法

结合研究目的，本研究依照：①运用路径分析方法，在总体上同时检验农业产业集聚程度的提高是否会强化技术溢出与规模效应以及二者对农业碳生产率的作用效果。②进一步细化，运用门限回归方法检验农业产业集聚对农业碳生产率的非线性影响，即“锁定”与“拥挤”效应，找到集聚优势发挥的区间。③运用分位数回归方法检验农业产业集聚对差异性生产主体的异质性作用效果，促进主产地农业碳生产率全面提升的顺序完成对本研究假说的检验。

3.1.1 农业产业集聚对农业碳生产率的作用机制检验：路径分析

路径分析（Path Analysis，PA）由遗传学家Sewall Wright于1921年首创，是多元回归模型的拓展，具有可同时包含几个回归方程的优势，解决了传统回归模型只能分析单个因变量的不足，近几十年来广泛用于社会科学诸领域。本研究运用路径分析方法首先检验产业集聚是否能够强化技术溢出、基础设施共享与农业社会化服务供给水平，并在此基础上检验三种作用机制对农业碳生产率的作用效果。

3.1.2 农业产业集聚对农业碳生产率的“锁定”与“拥挤”效应检验：门限回归

由假说一②与假说二②可知，农业产业集聚可能会由于“锁定”效应和“拥挤”效应而不利于农业碳生产率的提高，这便需要一个能够揭示不同集聚水平下三种作用机制对农业碳生产率的差异性影响效果的估计方法。传统的做法是由研究者主观地确定一个门限值，然后根据门限值把样本一分为二（多）并分别进行测算，既不对门限值进行参数估计，也不对其显著性进行统计检验。本研究选择Hansen提出的“门限回归”（Threshold Regression，TR），用计量方法获得门限值并进行统计检验，在此基础上分析不同集聚水平下三种作用机制对农业碳生产率影响的非线性特征。

3.1.3 农业产业集聚对异质性农户农业碳生产率影响的检验：分位数回归

检验农业产业集聚对异质性农户农业碳生产率的差异性影响是有效提高低效农户农业碳生产率、缩小农户间“分化”差距的重要手段。Koenker和Bassett[41]提出的分位数回归方法（Quantile Regression，QR）拥有能够估计不同被解释变量分位数下回归系数的功能，且具有放松分布假设、适合具有异方差性的模型，以及估计结果更稳健的优势，能够完成本研究的目的。

3.2 數据来源与描述性分析

3.2.1 数据来源

研究所用数据来自课题组于2017年4月至7月间的调研。结合《全国蔬菜产业发展规划（2011—2020年）》以及《全国设施蔬菜重点区域发展规划（2015—2020年）》，课题组将调查区域选定为资本投入密集产区——黄淮海与环渤海设施蔬菜优势产区中山东、河北、北京、天津、辽宁五省（市）。在此基础上，综合相关统计材料，采用分层抽样方式对五省（市）设施蔬菜生产大县及其中以黄瓜、番茄、青椒、茄子等大路果菜为主要生产品种的蔬菜专业村展开随机抽样，此次调研共覆盖了20个县（市、区），分别为青州市、寿光市、固安县、高邑县、大兴区、密云区、顺义区、通州区、延庆区、宁河区、武清区、静海区、西青区、蓟州区、滨海新区、宝坻区、北辰区、北镇市、海城市、凌源市，80个村，回收问卷619份，均为设施蔬菜种植户，经筛选，符合本研究需要的有效样本为492个。

3.2.2 变量说明与描述性统计

如表1所示，平均农业碳生产率为26.26元/ kg CO2e，结合标准差、最大值与最小值情况可知，农户间农业碳生产率差异很大，分化趋势明显。本研究用蔬菜价格对各碳源要素价格进行标准化处理，不仅能反映各要素的价格水平，还能从成本收益视角揭示物质资本对农户收益动机方面的影响。在各碳源要素价格中，农膜与蔬菜价格比最大，化肥与蔬菜价格比次之，电力与蔬菜价格比最小。经笔者测算，化肥、农膜与电力的二氧化碳排放量占总二氧化碳排放量的比重分别为62.17%、4.14%与33.68%，因此尽管农膜与蔬菜价格比最高，但对农业碳生产率的影响可能并不明显，农业碳生产率受到化肥价格波动的影响将更符合市场规律。从农户户主及家庭特征来看，男性户主占绝大多数;户主年龄均值在51.83岁以上，呈现一定的老龄化趋势;户主受教育年限与蔬菜种植年限分别为8.40 a与17.95 a，表明户主的生产技能储备主要源于“干中学”，初中教育水平可能不利于农户吸纳先进技术从事现代化农业生产;农户的专业化程度由其家庭菜地面积占总耕地面积的比重衡量，由表1可知，农户的平均专业化水平为87.17%，蔬菜收入是农户的主要收入来源;农户的测土配方技术采用率为37%，覆盖率还有很大的提升空间。总体来看，专业村产业集聚程度在50%左右，提升潜力较大;农户对本村产业集聚程度提升后对当地技术溢出、农业社会化服务供给与基础设施建设，即农业产业集聚的三大作用发挥渠道的促进作用的评价则主要集中在一般与认同之间。

4 结果分析与讨论

4.1 农业产业集聚对农业碳生产率的作用机制检验结果

路径分析估计能够总体揭示农业产业集聚影响农业碳生产率的路径、方向与强弱，以下进行对假说一①与假说二①的检验。

对农业产业集聚对技术溢出、农业社会化服务供给与基础设施建设促进效果的检验如表2所示，农业产业集聚程度的提高会显著提高农户间技术交流频率，增加当地专业生产、加工、贮藏等基础设施的建设，但农业产业集聚对农业社会化服务组织建立及服务供给的推动作用较为微弱，可能是农户目前合作意识较低，加之政府扶持力度不足所致。在此基础上，农业碳生产率的影响因素检验结果表明，技术溢出与基础设施建设会显著提高农业碳生产率，符合研究预期。农户通过彼此学习模仿提高技术储备与田间管理水平，加之基础设施存量的增加与利用率不断 提高，有利于农户优化生产资料配置，进而提高农业碳生产率。农业社会化服务供给则抑制了农业碳生产率的提高：一方面，自发形成的农业社会化服务组织存在规模小，层次低，服务简单，设施简陋等问题[42]，另一方面，即便社会化服务平台众多，但平台间缺乏分工与协作，并存在同业竞争、功能发挥不充分等问题[43]，不利于农户生产效率的提升。肥料蔬菜价格比的提高显著正向作用于农业碳生产率，符合经济学原理。价格高意味着资源的相对稀缺，农户有动机提高稀缺资源利用率，带来农业碳生产率的提高。电力蔬菜价格比的提高则显著负向作用于农业碳生产率，可能的原因是农户的主要电力消耗在于农业用水，而蔬菜耗水量大的特征加之电价过低导致农户出于利润考虑而增加用水量，造成电力蔬菜价格比的方向不符合预期。农户专业化程度通过了1%水平的显著性检验，正向作用于农业碳生产率，主要是从充分发掘产地资源禀赋优势、劳动力资本良好以及采用现代化生产方式等方面提高生产效率而带来农业碳生产率的提高。测土配方施肥在1%的显著性水平上正向作用于农业碳生产率，验证了该技术的推广对于中国未来农业低碳、可持续发展的重大意义。

4.2 农业产业集聚对农业碳生产率的“锁定”与“拥挤”效应检验结果以下将农业产业集聚对农业碳生产率的影响进一步

5 结论与政策建议

在气候环境问题约束愈发严峻的背景下，提高农业碳生产率是应对低碳与可持续发展要求的必然选择，中国农业主产地承担着重要的低碳增效责任。本研究以黄淮海与环渤海设施蔬菜主产区蔬菜专业村2017年设施蔬菜种植户调研数据为例，在对农业产业集聚对农业碳生产率影响机制进行理论分析的基础上，运用路径分析、门限回归以及分位数回归方法，对农业产业集聚的三种作用机制——技术溢出、农业社会化服务供给与基础设施建设对农业碳生产率的非线性影响及对异质性农户的差别影响进行考察，探究主产地低碳增效发展前景，主要研究结论概括如下。

（1）目前，农业产业集聚程度的提高能显著强化主产地农户间技术溢出与当地基础设施建设，但对农业社会化服务供给的促进作用较为微弱。总体而言，技术溢出、基础设施建设能够显著提高农业碳生产率，农业社会化服务供给则抑制了农业碳生产率的提升。可能的原因是农业社会化服务组织的服务内容、服务水平、服务范围与农户需求和现代化农业生产的要求不契合，且服务组织间缺乏分工协作，同业竞争明显，不利于服务功能发挥。

（2）具体而言，伴随农业产业集聚程度的提高，技术溢出、基础设施建设程度与农业碳生产率之间呈“W”型关系。主产地形成初期，由于集聚程度较低，技术溢出与外部规模经济不足，不利于农业碳生产率提高。随着集聚逐步增强，其对农业碳生产率的促进效果开始显现，并主要源于技术扩散带来的农户生产能力提升与基础设施共享带来的资源优化配置。伴随集聚程度的进一步提高，由于生产的过度集中，出现了对有限资源的争夺与农户之间的恶性竞争，使“锁定”与“拥挤”效应超过了正外部性，降低了农业碳生产率。最后，当集聚发展到成熟阶段，即出现“一村一品”“一乡一业”等高端形态，通过农业现代化与产业全方位升级发展，提高农业碳生产率。

（3）农业产业集聚对于不同农业碳生产率农户的影响存在“马太效应”，对于具有比较优势的高农业碳生产率农户，农业产业集聚带来的低碳增效作用更加明显。

（4）生产专业化水平、是否采用测土配方施肥技术以及对消费者质量安全问题的认知，亦是影响农业碳生产率的重要因素。

针对以上研究结论，本研究提出以下幾点建议：①主产地的农业产业集聚发展模式对农业碳生产率提高具有实质性影响，特别是通过技术溢出与基础设施建设两种渠道。因此，应继续推动主产地建设，发挥产业集聚优势，特别是积极发挥新型经营主体的示范带动作用，打破技术溢出壁垒，同时，加大政府对基础设施建设的支持力度，尤其是高投入、专业化的基础设施。②完善主产地农业社会化服务体系建设，使其成为服务标准更高、服务对象更精准、服务内容更完备，能够显著提升农业现代化生产能力的运转高效、竞争力强的组织。③推动农业产业集聚全面转型升级，克服低水平集聚导致的“锁定”与“拥挤”效应，实现集聚由“数量”向“质量”提高，提高农业碳生产率。④关注农户差异性生产经营特征，加强对小农户人力资本、低碳技术、基础设施与生产服务等方面的支持，对弱势群体加以倾斜，全面提高农业碳生产率。⑤运用市场机制引导生产者低碳生产行为，将消费者绿色健康需求通过价格传导到农户方面，推动农户低碳生产，如少施肥、少打药等。

（编辑：李 琪）

参考文献

[1]田云，张俊飚，何可，等.农户农业低碳生产行为及其影响因素分析——以化肥施用和农药使用为例[J].中国农村观察，2015（4）：61-70.

[2]黄祖辉，米松华.农业碳足迹研究——以浙江省为例[J].农业经济问题，2011，32（11）：40-47，111.

[3]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.

[4]田云，张俊飚，李波.中国农业低碳竞争力区域差异与影响因素研究[J].干旱区资源与环境，2013，27（6）：1-6.

[5]BEINHOCKER E， OPPENHEIM J， IRONS B， et al. The carbon productivity challenge： curbing climate change and sustaining economic growth[M]. Sydney： McKinsey Global Institute， McKinsey & Company，2008.

[6]王珊珊，张广胜.非农就业对农户碳排放行为的影响研究——来自辽宁省辽中县的证据[J].资源科学，2013，35（9）：1855-1862.

[7]侯博，应瑞瑶.分散农户低碳生产行为决策研究——基于TPB和SEM的实证分析[J].农业技术经济，2015（2）：4-13.

[8]宋博，穆月英.设施蔬菜生产系统碳足迹研究——以北京市为例[J].资源科学，2015，37（1）：175-183.

[9]吴贤荣，张俊飚，田云，等.基于公平与效率双重视角的中国农业碳减排潜力分析[J].自然资源学报，2015，30（7）：1172-1182.

[10]宋博，穆月英，侯玲玲.农户专业化对农业低碳化的影响研究——来自北京市蔬菜种植户的证据[J].自然资源学报，2016，31（3）：468-476.

[11]田云，张俊飚，陈池波.中国低碳农业发展的空间异质性及影响机理研究[J].中国地质大学学报（社会科学版），2016，16（4）：33-44，156.

[12]张灿强，王莉，华春林，等.中国主要粮食生产的化肥削减潜力及其碳减排效应[J].资源科学，2016，38（4）：790-797.

[13]陈儒，姜志德.中国低碳农业发展绩效与政策评价[J].华南农业大学学报（社会科学版），2017，16（5）：28-40.

[14]李波，梅倩.农业生产碳行为方式及其影响因素研究——基于湖北省典型农村的农户调查[J].华中农业大学学报（社会科学版），2017（6）：51-58，150.

[15]劉传江，胡威，吴晗晗.环境规制、经济增长与地区碳生产率——基于中国省级数据的实证考察[J].财经问题研究，2015（10）：31-37.

[16]高文静，柳亚琴，潘明清.工业化、城镇化对工业碳生产率的门槛效应分析[J].宏观经济研究，2017（4）：112-121.

[17]李亚冬，宋丽颖.我国碳生产率的收敛机制研究：理论和实证检验[J].科学学与科学技术管理，2017，38（3）：117-125.

[18]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[J].中南大学学报（社会科学版），2018，24（5）：107-116.

[19]李珊珊，罗良文.“十二五”时期中国碳生产率的因素分解与增长动力——基于LMDI-PDA分解法[J].技术经济，2018，37（8）：77-86.

[20]姚晔，夏炎，范英，等.基于空间比较路径选择模型的碳生产率区域差异性研究[J].中国管理科学，2018，26（7）：170-178.

[21]韩峰，冯萍，阳立高.中国城市的空间集聚效应与工业能源效率[J].中国人口·资源与环境，2014，24（5）：72-79.

[22]程中华，李廉水，刘军.产业集聚有利于能源效率提升吗[J].统计与信息论坛，2017，32（3）：70-76.

[23]刘习平，盛三化，王珂英.经济空间集聚能提高碳生产率吗？ [J].经济评论，2017（6）：107-121.

[24]周圣强，朱卫平.产业集聚一定能带来经济效率吗：规模效应与拥挤效应[J].产业经济研究，2013（3）：12-22.

[25]张哲晰，穆月英.农业产业集聚的生产效应及提升路径研究[J].经济经纬，2018，35（5）：80-86.

[26]张哲晰，穆月英.空间视角下农业产业集聚的增收效应研究——基于蔬菜专业村的实证[J].农业技术经济，2018（7）：19-32.

[27]程琳琳，张俊飚，田云，等.中国省域农业碳生产率的空间分异特征及依赖效应[J].资源科学，2016，38（2）：276-289.

[28]胡中应，胡浩.产业集聚对我国农业碳排放的影响[J].山东社会科学，2016（6）：135-139.

[29]DURANTON G， OVERMAN H G. Testing for localization using micro-geographic data[J]. Review of economic studies，2005，72（4）： 1077-1106.

[30]ROSENTHAL B S， STRANGE W. Evidence on the nature and sources of agglomeration economies， forthcoming[R]//Handbook of urban and regional economics. Elserier，2010.

[31]沈能，王艳，王群伟.集聚外部性与碳生产率空间趋同研究[J].中国人口·资源与环境，2013，23（12）：40-47.

[32]潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011（5）：47-57.

[33]CASE A. Neighborhood influence and technological change[J]. Regional science & urban economics，1992， 22（3）：491-508.

[34]FOSTER A D， ROSENZWEIG M R. Microeconomics of technology adoption[J]. Annual review of economics， 2010， 984： e783-e789.

[35]BANDIERA O， RASUL I. Social networks and technology adoption in northern mozambique[J]. The economic journal， 2010， 514：869-902.

[36]王士海，李先德.經营规模大的农户更倾向于传播新技术吗[J]. 农业技术经济，2017（4）：76-82.

[37]叶晓煌，叶雪洁，吕莉.创新外溢与创新的技术锁定效应[J].中国科技论坛，2011（2）：27-32.

[38]BUCHANAN J M. An economic theory of clubs[J]. Economica， 1965，125：1-14.

[39]SCOTCHMER S， AUERBACH A， FELDSTEIN M， et al. Local public goods and clubs[M]// Hand book of public economics. Elsevier， 2002：1997-2042.

[40]FU S. Smart café cities： testing human capital externalities in the Boston metropolitan area[J]. Journal of urban economics， 2007，61（1）：86-111.

[41]KOENKER R， BASSETT G. Regression quantiles[J]. Econometrica， 1978， 46（1）：33-50.

[42]姜长云.农业生产性服务业发展的模式、机制与政策研究[J].经济研究参考，2011（51）：2-25.

[43]张振刚，陈志明，林春培.农业生产性服务业模式研究——以广东农业专业镇为例[J].农业经济问题，2011，32（9）：35-42，111.

[44]秦富，钟钰，张敏，等.我国“一村一品”发展的若干思考[J].农业经济问题，2009，30（8）：4-8，110.

Abstract Using the survey data of the main vegetable production area in the Huanghuaihai and the Bohai Rim Region in 2017， this paper theoretically and empirically studies the mechanism of industrial agglomeration on agricultural carbon productivity. First， using path analysis （PA） method to estimate whether the improvement of agricultural industrial agglomeration can strengthen the technology spillover effect and scale effect and their impact on agricultural carbon productivity. Second， threshold regression （TR） is applied to test the non-linear effects of agricultural agglomeration on agricultural carbon productivity， which are named ‘locking and ‘crowding effects. Finally， quantile regression is used to examine the heterogeneity of the effects of agricultural agglomeration on different farmers. The results show that， the improvement of industrial agglomeration significantly affects the role of technology spillover effect and scale effect. Among them， technology spillovers， infrastructure construction and the carbon productivity of farm households are in a ‘W shaped relationship. Comprehensive transformation and upgrading will be the ultimate way for agricultural industrial agglomeration to overcome the ‘locking and ‘crowding effects caused by simple expansion. Social services supply deficiencies are the main factors constraining the increase of carbon productivity. At the same time， agglomeration has a more pronounced effect on low-carbon efficiency of farmers with comparative advantages and high agricultural carbon productivity. In addition， the level of production specialization， the adoption of soil testing and formula fertilization techniques and farmers recognition of consumer quality and safety issues are also important factors affecting the carbon productivity of farm households. Accordingly， the following policy implications for improving agricultural carbon productivity are put forward as follows： ①Continue to strengthen the construction of main production areas， give full play to the advantages of industrial agglomeration， and increase the government support for infrastructure construction. ②Improve the construction of agricultural socialization service system in main production areas， so as to make service standards higher， service objects more precise and service content richer. ③Promote the transformation and upgrading of agricultural agglomeration， so as to improve the agglomeration from quantity to quality. ④Strengthen the support of human capital and modern technology on farmers， especially for the disadvantaged group. ⑤Market mechanism should be used to guide producers low-carbon production behavior. Meanwhile， consumers green health demand should be transmitted to farmers side through price， so as to promote farmers low-carbon production.

Key words main production area; agricultural industrial agglomeration; carbon productivity; TR; QR