财政支持能提升农业绿色生产率吗？——基于农业化学品投入的实证分析

肖 锐 陈池波

(中南财经政法大学 工商管理学院，湖北 武汉 430073)

财政支持能提升农业绿色生产率吗？
——基于农业化学品投入的实证分析

肖 锐 陈池波

(中南财经政法大学 工商管理学院，湖北 武汉 430073)

本文使用1995～2014年中国30个省(市、区)的农业投入产出面板数据，将研究视角聚焦于以种植业为代表的狭义农业和以化肥、农药和农膜为代表的农业化学品残留污染，运用GML指数测度各省份农业绿色生产率。在此基础上，构建受限面板Tobit回归模型考察财政支持对农业绿色生产率的影响。研究结果显示：总体而言，财政支持有助于促进农业绿色生产率提高；分区来看，粮食主产区和粮食主销区的财政支持对农业绿色生产率有显著正影响，但粮食主销区的财政支持对农业绿色生产率的影响具有滞后效应。因此，未来要进一步加大财政支持力度，针对区域差异采取不同的财政支持策略，不断优化我国财政支农体系，提高财政支持政策执行效率。

财政支持；绿色生产率；农业化学品；非期望产出；农业环境

一、引言

为克服农业的弱质性和低回报率，提高粮食产量、保证粮食安全和促进农民增收，近些年来中央政府和地方政府相继颁布了一系列强农惠农政策，不断加大农业财政支持力度，推动中国农业经济取得了快速发展。我国农业总产值由1978年的584.21亿元增长到2014年的5503.02亿元(以1952年为基期可比价计算)，年均增长率为16.19%。但不可否认，我国农业经济的快速发展是以大量的资源消耗和环境污染为代价的[1]。面对资源和环境的双重约束，有效化解资源、环境和农业经济发展三者之间的矛盾是当前我国实现农业绿色化发展的现实要求。

理论层面上，传统的农业生产率分析框架能够有效测度农业资源投入和农业经济增长的关系，但其并没有考虑环境问题。近年来，农业环境问题日益受到关注，此领域的研究者将环境因素纳入农业生产率分析框架中，在分析农业经济增长绩效的同时综合考虑环境问题[2][3][4]，通过效率测度和分解探讨资源、环境和农业经济发展三者之间的内在关系。将环境因素纳入农业生产率分析框架是近几年来农业生产率研究的一个重要方向，通常将其称为“农业绿色生产率”①。

那么，中央财政和地方财政支持在促进农业经济发展的同时，是否会促使农业生产主体扩大生产规模，改变其生产行为，加大化肥、农药和农膜等农业化学品的使用量，从而导致农业环境问题？通过考察财政支持对农业绿色生产率的影响，能有效评估财政支持的环境效应。尤其是随着以绿色生态为导向的财政支持政策改革不断推进②，在农业经济增长和环境保护的双重目标下，评估财政支持的环境效应以探究如何合理优化我国农业财政支持政策具有重要的现实意义。鉴于此，本文收集了我国30个省(市、区)1995～2014年的数据，对各省(市、区)农业生产过程中化学品投入产生的污染量进行核算，在此基础上测度包含农业化学品残留污染非期望产出的农业绿色生产率，并构建受限面板Tobit回归模型实证分析财政支持对农业绿色生产率的影响。

二、文献综述

农业环境问题越来越受到学术界的广泛关注。近几年来，陆续有学者使用考虑环境因素的农业绿色生产率考察农业发展中的环境问题，将农业环境污染视为一种非合意产出变量纳入农业生产率分析框架，以考察环境约束下农业发展的环境代价[2][3][4]。然而，现有研究由于对农业范围、农业污染物的定义不同，选取的研究范围和分析方法等不同，测度的农业绿色生产率结果也存在很大差异。但现有研究普遍认为，考虑了环境因素的农业绿色生产率略低于传统的农业生产率，传统的农业生产率忽略了农业发展过程中付出的环境代价，不能真实反映农业发展的实际绩效和水平。回顾学术界的研究动态，此领域的学者主要将研究重心置于采用不同的计量方法测度农业绿色生产率和分析农业绿色生产率的影响因素上。

在农业绿色生产率测度方法方面，多数研究采用随机前沿生产函数(SFA)方法[2]、M指数法[5]、数据包络分析(DEA)或与DEA相结合的ML等方法测算农业绿色生产率[6][7]。也有学者将研究方法进一步优化，采用SML方法和SBM方法进行测算[3][8]。近年来，随着测度生产率技术的不断推进，由Oh在Pastor方法上改进的GML方法逐渐被该领域前沿研究者所采用[4][9][10][11]。当然，选取方法的不同将直接影响其测度结果的说服力，应瑞瑶和潘丹就指出SFA法会得到更高的农业绿色生产率[12]；杜江认为M指数高估了农业绿色生产率，ML指数较M指数测度的结果有所降低[13]。

在分析农业绿色生产率的影响因素方面，已有研究对农业生产结构、农业科技、人力资本、环境规制、城市化和经济开放水平等因素对农业绿色生产率的影响进行了讨论[13][14]。只有极少的研究探讨了财政支持对农业绿色生产率的影响，并且未形成一致结论。沈能和张斌认为财政支持会加剧农业环境污染，对农业绿色生产率造成负向影响[11]，杜江等指出财政支持结构和执行效率导致财政支持对农业绿色生产率的影响并没有达到预期的正向作用[13]。相反，叶初升和惠利则认为财政支持有利于提高农业绿色生产率，但具有滞后效应[8]。然而，以上研究仅仅是将财政支持作为其实证检验中的一个控制变量或是将农业绿色生产率作为代理变量进行回归检验，并没有着重探讨财政支持对农业绿色生产率的内在影响，研究的测度结果可能存在偏误甚至提出误导性政策建议。

现有相关研究取得了丰硕成果，但也存在一些不足：一是多数研究将农业投入产出变量与农林牧渔业的投入产出变量混为一谈，导致测算的农业绿色生产率不精确；二是现有研究缺乏对财政支持与农业绿色生产率之间的关系进行理论探讨；三是部分研究考察农业绿色生产率影响因素时，忽略了因变量为有界变量，直接运用普通最小二乘法回归将导致结果有偏，对有界数据应采用受限Tobit模型回归更合适。本文将相应进行改进：(1)将研究视角聚焦于以种植业为代表的狭义农业，从农林牧渔业中分离出农业各投入产出变量；并将农业污染聚焦于农业生产中以化肥、农药和农膜为代表的农业化学品残留污染，采用赖斯芸等和陈敏鹏等的“单元调查评估法”测度农业污染量[15][16]；(2)基于农业绿色生产率的理论原理，分析财政支持对农业绿色生产率的影响机理；(3)使用1995～2014年中国省级面板数据，运用GML指数法测度农业绿色生产率，并构建面板受限Tobit模型探讨财政支持对农业绿色生产率的影响。

三、农业绿色生产率测度

本文将化肥、农药和农膜等农业化学品残留污染纳入农业生产率核算框架，将包括农业化学品残留污染非期望产出的生产率称为“农业绿色生产率”(GTFP)。

(一)测度方法

传统的DEA模型忽略了非期望产出，且未考虑投入变量与产出变量的松弛问题，当决策单元与产出总指标数量接近时也不能反映实际效率值。Pastor和Lovell提出的Global-DEA技术能有效解决以上问题，此外还可以有效避免由于决策单元不足而导致的不稳定性[10]。基于此，Oh将Pastor和Lovell的方法应用到ML框架形成GML指数[9]。GML指数是以全期的总和作为参照期，具有可传递性，并且可以避免生产前沿偏移的可能，从而也就避免了生产率的“被动”提高[11]。故本文运用Oh提出的GML方法测度中国农业绿色生产率，GML指数定义如下：

(1)

公式(1)中方向性距离函数DG(x,y,b)=max{β|(y+βy)∈PG(x)}是根据PG定义的。如果期望产出增加、非期望产出减少，那么GMLt,t+11，代表生产率有所提高；如果期望产出减少、非期望产出增加，那么GMLt,t+11，说明生产率有所损失。为了对GML指数测度的农业绿色生产率进行比较，本文同时也测度了不包含非期望产出的农业生产率作为参照。

(二)变量选择、数据说明及描述性统计

参照已有研究和考虑数据的可得性与统计口径的一致性，本文收集了中国30个省(市、区)(不包括西藏)1995～2014年的农业投入产出数据进行实证分析。本文选取的变量数据来自《中国统计年鉴》《中国农业年鉴》《中国农村统计年鉴》和《新中国农业六十年统计资料》等。其中，重庆市1995～1996年的数据来自《四川统计年鉴》，四川省1995～1996年数据中剔除重庆市相应数据。

1．农业投入变量

农业投入主要包括化肥、农药、农膜、劳动力、土地、农业机械和农业灌溉等。参照杜江[4]、崔晓等[5]、王兵等的研究[17]，化肥投入以农业生产实际化肥使用量(Ferti，折纯量，吨)表示。参照叶初升等[8]、田云等的研究[18](P70)，农药投入以农药使用量(Pesti，吨)表示；农膜投入以塑料薄膜使用量(Plasti，吨)表示。参照杜江[4]、叶初升等的研究[8]，劳动力投入变量以农业总产值与农林牧渔总产值(以1995年为不变价)的比值作为权重，对第一产业从业人数进行分离，计算出种植业劳动力投入(AgriLabor，万人)；农业机械变量采用与种植业劳动力投入变量相同的处理方法，计算出种植业农机总动力(AgriPower，万千瓦)。参照李谷成[3]、叶初升等的研究[8]，土地投入变量以农作物总播种面积(AgriLand，千公顷)表示；农业灌溉变量以有效灌溉面积(AgriIrri，千公顷)表示。

2．农业产出变量

(1)期望产出变量。为使农业投入产出变量数据口径保持一致，本文选取1995年不变价的农业总产值(AgriGDP，亿元)作为期望产出变量。

(2)非期望产出变量。不同学者对非期望产出变量的选择有所不同。本文选取的非期望产出变量主要包括化肥流失产生的总氮(TN，吨)与总磷(TP，吨)、农药残留(PES，吨)和农膜残留(PLA，吨)等三类污染物(见表1)。参照赖斯芸等[15]、陈敏鹏等[16]、梁流涛的研究[19](P74)，将各类农业污染分解为若干单元，采用“单元调查评估法”，并参考葛继红和周曙东在其基础上的修改[20]，建立单元和污染物排放量之间的数量关系。

表1 农业污染产污单元清单列表

农业污染物排放总量计算公式为：

(2)

式(2)中，E表示农业污染物排放总量(TN、TP、农药和农膜的残留量)；SUit是i污染单元在t年的污染物产生基数，即化肥、农药和农膜的使用量；ρit是i污染单元在t年的污染物产污强度系数；LCit是i污染单元在t年考虑资源综合利用和管理因素下的污染物排放系数。强度系数和排放系数主要参照王奇等[2]、李谷成[3]、杜江[4]、叶初升等[8]文献和国务院第一次全国污染普查系数手册，最终确定各产污单元分省强度系数和排放系数。

农业绿色生产率测度投入产出变量的描述性统计如表2所示。

表2 投入产出变量的描述性统计

本文测算的中国30个省(市、区)1995～2014年的TN和TP数据小于其他文献的研究结果，原因在于本文基于研究目的，并没有囊括农田废弃物和农村生活污染等污染单元。农药残留和农膜残留数据与公布数据有所不同，可能是由于不同地区农药残留和农膜残留具体情况存在差异，按照全国污染普查系数手册进行平均后的省份排放系数有所偏差。但通过本文测度的结果不难发现，化肥、农药和农膜使用量不断增加，造成TN、TP、农药残留污染和农膜残留污染也有所加剧。

通过MaxDEA软件测度1995～2014年中国30个省(市、区)不包括非期望产出的传统农业生产率均值和包括非期望产出的农业绿色生产率均值，测度结果见表3。由表3可以看出，1995～2014年中国30个省(市、区)中大多数地区不包括非期望产出的TFP均值明显高于包括非期望产出的GTFP均值，这表明未纳入环境污染指标的生产率高估了农业生产率。本文测度的全国农业绿色生产率均值为0.46，与李谷成等的测度结果0.44接近[21]，低于杜江的结果0.94[4]和王奇等的结果5.61[2]。

表3 1995～2014年传统农业生产率与农业绿色生产率均值

四、财政支持对农业绿色生产率的影响机理及实证分析

(一)影响机理

农业绿色生产率根据农业投入产出指标数据测算得出，其中，农业产出从根本上决定农业绿色生产率的高低。农业产出包括农业总产值合意产出和农业污染非合意产出。因此，考察财政支持对农业绿色生产率的影响，一方面要测度由于财政支持为农业发展改善生产条件所带来的农业总产值等合意产出；另一方面也要测度由于财政支持政策扭曲促使农民增加化肥、农药和农膜等农业化学品使用量而导致的农业污染排放等非合意产出。基于农业绿色生产率测度原理，财政支持对农业绿色生产率的影响可分为正向影响和负向影响(如图1所示)。在合意产出不变的情况下，财政支持导致非合意产出增加，将会造成农业绿色生产率下降；财政支持促使非合意产出减少，将会促进农业绿色生产率上升。同理可知，非合意产出农业污染不变时财政支持对农业绿色生产率的影响方向。

图1 财政支持对农业绿色生产率的影响机理

(二)实证分析

目前，并没有确切的理论适用于分析农业绿色生产率增长的影响因素。本文为考察财政支持对农业绿色生产率的影响，参考相关文献和基于数据的可得性，选取影响农业绿色生产率的控制变量有：农业结构、农业受灾、劳动力文化水平、农业经济发展水平和城市化水平。变量简要说明如下：(1)财政支持(af)，参照李谷成[3]、沈能[11]和潘丹等的做法[14]，用各地财政支农支出③占财政总支出的比重(%)表示，财政支出用1995年不变价表示。(2)农业结构(as)，参照吴贤荣等的做法[22]，用农业总产值占农林牧渔总产值的比重(%)表示，农业总产值和农林牧渔总产值用1995年不变价表示。(3)农业受灾(an)，参照王珏等[23]、梁俊等的做法[24]用受灾面积占农作物总播种面积的比重(%)表示。(4)劳动力文化水平(ae)，参照王兵等[17]、吴贤荣等的研究[22]，用农村劳动力高中以上学历人数的比重(%)表示。(5)农业经济发展水平(ai)，参照潘丹的研究[14]，用农村居民人均纯收入对数表示④。(6)城市化水平(ur)，参照杜江等的研究[4][13]，用非农人口占总人口的比重(%)表示。

因为农业绿色生产率效率值介于0和1之间，所以本文结合面板数据特性，选取因变量受限Tobit模型(式3)进行实证分析。

GTFPit=α0+α1afit+α2asit+α3anit+α4aeit+α5aiit+α6urit+εit

(3)

式(3)中，因变量GTFP为农业绿色生产率；α0为常数项；α1、α2、α3、α4、α5和α6为各自变量的待估计参数；εit为随机扰动项；i为省份；t为年份。

模型的个体误差和随机误差均较小，个体效应的方差占复合误差的总方差比重ρ为0.7563(大于0.5)，且似然比值(LR)很大，模型强烈拒绝个体效应为0的原假设。模型拟合度较好，采用随机效应Tobit模型合理。运用STATA14.0软件得出的回归结果如表4所示。由表4的回归结果可知，基于全样本面板数据分析，财政支持、农业结构、农业受灾、劳动力文化水平、农业经济发展水平和城市化水平均通过显著性检验。其中，财政支持、农业受灾、劳动力文化水平和城市化水平在5%的显著性水平下通过显著性检验；农业结构和农业经济发展水平在1%的显著性水平下通过显著性检验。

表4 财政支持对农业绿色生产率的影响

主要解释变量财政支持对农业绿色生产率具有正向影响，即在其他条件不变的情况下，财政支持每提高1个单位，农业绿色生产率将提高1.158个单位。也就是说，我国财政支持农业政策对农业绿色生产率具有促进提高作用，其为农业发展提供了资金、技术等要素，是农业绿色生产率提高的力量源泉。本文结论与沈能和杜江的研究结论大相径庭[11][13]，主要原因在于选取农业污染指标不一致。前者仅用农药污染排放量表征农业污染，后者除包括化肥、农药和农膜外还纳入了农业固定废弃物排放，而本文主要是考虑化肥、农药和农膜等化学品投入残留污染，因此得出不同的结论。由本文结论可知，可通过合理优化财政支持政策减少由化学品投入而导致的农业污染。总体而言，我国目前财政支持政策有利于提高农业绿色生产率。

农业结构、劳动力文化水平、农业经济发展水平和城市化水平对农业绿色生产率均具有正向影响，但农业受灾对农业绿色生产率具有负向影响，这说明农业受灾可能会激发农业化学品投入，从而加剧农业污染的排放，降低农业绿色生产率。所以，财政支持政策应进一步加大对农业灾害的预防和控制，同时也应积极推动农业保险的快速发展。

(三)稳健性检验

本文按照样本的区域差异对实证结果进行稳健性检验。由于本文所定义的农业为狭义农业，主要关注财政支持政策下种植业所造成的环境污染问题。因此，按照粮食功能分区把30个省(市、区)分为粮食主产区、粮食平衡区和粮食主销区3个粮食功能区对实证结果进行稳健性检验，结果见表5。

表5 基于样本功能分区的稳健性检验结果

从财政支持的系数来看，粮食主产区和粮食平衡区显著为正，而粮食主销区显著为负，说明加大粮食主产区和粮食平衡区的财政支持力度有利于提高其农业绿色生产率，而粮食主销区则相反。究其原因，本文认为，由于粮食主销区主要是北京、天津、上海、浙江、福建、广东和海南经济发达省(市)，农业生产占其社会总生产比重较小，更倾向于发展第二和第三产业，财政支持农业政策执行效率未达到预期，其对农业绿色生产率的影响效应可能存在一定滞后。鉴于此，本文对粮食主销区财政支持力度指标滞后3期回归，结果显示财政支持对农业绿色生产率有正影响且在15%水平上显著。因此，总体而言，基于样本功能分区的稳健性检验基本与前文“财政支持能提升农业绿色生产率”的结论一致。

五、结论与政策启示

本文利用包含非期望产出的GML指数核算1995～2014年中国30个省(市、 区)的农业绿色生产率，将化肥、农药和农膜等化学品残留污染纳入其核算体系。在此基础上，构建受限面板Tobit回归模型探析财政支持对农业绿色生产率的影响。基于全样本数据的实证分析发现，财政支持有利于提升农业绿色生产率；基于样本功能分区的稳健性检验发现，粮食主产区和粮食平衡区的财政支持对农业绿色生产率具有显著的正向影响，粮食主销区的财政支持对农业绿色生产率的影响具有滞后效应。

本文分析具有以下政策启示：第一，在国家层面上要继续加大财政支持力度，合理优化财政支持体系，调整财政支持结构；第二，在区域层面上要实施差异化的财政支持战略，对粮食主产区和粮食主销区继续加大生产性财政支持力度，对粮食主销区应加大生态环境治理财政支持力度；第三，加快建立以绿色化为导向的财政支持体系，支持农业技术创新，不断研发和推广农业环境保护、治理技术；第四，采取激励措施提高财政支持政策执行效率，加强绩效评估机制和监督保障机制建设。

注释：

①纳入环境因素的农业绿色生产率测度方法主要有两种：一种是将环境污染当作一种要素投入，另一种是将环境污染作为坏的产出(即非合意产出)，目前大多数研究采用后者。

②2016年11月1日中央全面深化改革领导小组召开会议审议通过了《建立以绿色生态为导向的农业补贴制度改革方案》，突出以绿色生态为导向，加快推进财政支持农业政策改革。

③财政支农包括支援农村生产支出、农业综合开发支出和农林水利气象等部门事业费。统计口径在2003年和2007年发生变化，但通过对统计口径前后比较，发现数据基本一致。

④由于统计口径变化，2013年后不再统计农村居民人均纯收入数据，本文2014年数据使用农村居民人均可支配收入数据。

[1] 陈锡文．环境问题与中国农村发展[J]．管理世界，2002，(1)：5—8.

[2] 王奇，王会，陈海丹．中国农业绿色全要素生产率变化研究：1992—2010年[J]．经济评论，2012，(5)：24—33．

[3] 李谷成．中国农业的绿色生产率革命：1978—2008年[J]．经济学(季刊)，2014，(2)：537—558．

[4] 杜江．中国农业增长的环境绩效研究[J]．数量经济技术经济研究，2014，(11)：53—69．

[5] 崔晓，张屹山．中国农业环境效率与环境全要素生产率分析[J]．中国农村经济，2014，(8)：4—16．

[6] 杨俊，陈怡．基于环境因素的中国农业生产率增长研究[J]．中国人口·资源与环境，2011，(6)：153—157．

[7] 韩海彬，赵丽芬．环境约束下中国农业全要素生产率增长及收敛分析[J]．中国人口·资源与环境，2013，(3)：70—76．

[8] 叶初升，惠利．农业财政支出对中国农业绿色生产率的影响[J]．武汉大学学报(哲学社会科学版)，2016，(3)：48—55．

[9] Oh，D.H.A Global Malmquist-Luenberger Productivity Index[J]．Journal of Productivity Analysis，2010，34(3)：183—197.

[10] Pastor，J.T.，Lovell,C.A.K.A Global Malmquist Productivity Index[J].Economics Letters，2005，88(2):266—271.

[11] 沈能，张斌．农业增长能改善环境生产率吗？——有条件“环境库兹涅茨曲线”的实证检验[J]．中国农村经济，2015，(7)：17—30．

[12] 应瑞瑶，潘丹．中国农业全要素生产率测算结果的差异性研究——基于Meta回归分析方法[J]．农业技术经济，2012，(3)：47—54．

[13] 杜江，王锐，王新华．环境全要素生产率与农业增长：基于DEA-GML指数与面板Tobit模型的两阶段分析[J]．中国农村经济，2016，(3)：65—81．

[14] 潘丹．考虑资源环境因素的中国农业绿色生产率评价及其影响因素分析[J]．中国科技论坛，2014，(11)：149—154．

[15] 赖斯芸，杜鹏飞，陈吉宁．基于单元分析的非点源污染调查评估方法[J]．清华大学学报(自然科学版)，2004，(9)：1184—1187．

[16] 陈敏鹏，陈吉宁，赖斯芸．中国农业和农村污染的清单分析与空间特征识别[J]．中国环境科学，2006，(6)：751—755．

[17] 王兵，杨华，朱宁．中国各省份农业效率和全要素生产率增长——基于SBM方向性距离函数的实证分析[J]．南方经济，2011，(10)：12—26．

[18] 田云．中国低碳农业发展：生产效率、空间差异与影响因素研究[D]．武汉：华中农业大学，2015．

[19] 梁流涛．农村生态环境时空特征及其演变规律研究[D]．南京：南京农业大学，2009．

[20] 葛继红，周曙东．农业面源污染的经济影响因素分析——基于1978—2009年的江苏省数据[J]．中国农村经济，2011，(5)：72—81．

[21] 李谷成，陈宁陆，闵锐．环境规制条件下中国农业全要素生产率增长与分解[J]．中国人口·资源与环境，2011，(11)：153—160．

[22] 吴贤荣，张俊飚，田云，等．中国省域农业碳排放：测算、效率变动及影响因素研究——基于DEA-Malmquist指数分解方法与Tobit模型运用[J]．资源科学，2014，(1)：129—138．

[23] 王珏，宋文飞，韩先锋．中国地区农业全要素生产率及其影响因素的空间计量分析——基于1992～2007年省域空间面板数据[J]．中国农村经济，2010，(8)：24—35．

[24] 梁俊，龙少波．农业绿色全要素生产率增长及其影响因素[J]．华南农业大学学报(社会科学版)，2015，(3)：1—12．

(责任编辑：易会文)

2016-09-08

国家社会科学基金重点项目“新常态下农业支持政策执行情况评估与执行机制优化研究”(15AJY014)；中南财经政法大学“研究生创新教育计划”博士研究生重点科研创新项目(2015BZ1001)

肖 锐(1989— )，男，湖北鄂州人，中南财经政法大学工商管理学院博士生； 陈池波(1961— )，男，湖北监利人，中南财经政法大学工商管理学院教授，博士生导师。

F320.3

A

1003-5230(2017)01-0018-07