中国区域农业绿色全要素生产率分解及收敛性分析

李文华，郭 丰，陈永强

(重庆工商大学 a.经济学院；b.长江上游经济研究中心，重庆 400067)

一、引言

农业在国民经济中具有基础性地位，尤其是对于像中国这样人多地少的发展中大国来说。在这种情况下，中国以不足世界10%耕地养活世界20%多人口的同时，也满足了工业化、城市化进程对农业现代化的需求。但是在农业进步的过程中，化肥、农药、农膜等生产资料使用带来的环境污染问题越来越严重，并逐渐引起了党和国家的高度重视，2018年中央一号文件明确指出在坚持“质量兴农、绿色兴农”的前提下提高全要素生产率水平。由此发现，在农业生产效率提高与环境保护之间取得平衡既是我国农业发展需要，也是学术界研究趋势。

较早对中国农业全要素生产率的研究始于家庭联产承包责任制以后，其中McMillan(1989)、Wen(1993)及张元红(1996)等以传统的非前沿方法为主要测度工具；随着对全要素生产率认识的不断深化及核算方法的推进，20世纪90年代以后前沿方法成为主要的测度工具，前沿方法包括参数的随机前沿分析(SFA)和非参数的数据包络分析(DEA), 其中以石慧等(2008)、全炯振(2009)、李谷成等(2010)运用SFA方法对农业全要素生产率进行了全面测算，但由于SFA具有固定的函数特征，容易造成设定误差；而DEA相对SFA方法运用较为广泛，陈卫平(2006)、方福前等(2010)、王钰等(2010)、王炯等(2012)、刘战伟(2011)等均利用Malmquist指数对农业加总数据进行分解，将全要素生产率分解为技术效率与技术进步等具体内容，结果一致认为技术进步是推动农业全要素生产率进步的重要因素，但由于选用不同的变量数据、时间区间及研究方向等原因，测算出来的全要素生产率值存在一定的差异。

随着化肥、农药、农膜等生产资料在农业领域的使用，在带来生产效率提高的同时也引起了严重的环境污染问题，而传统的生产率核算方法很难兼顾农业生产中的环境因素。基于此，Chung(1997)提出基于方向性距离函数的Malmquist-Lunberger(ML)生产率指数，这个指数以重点考虑非期望产出而迅速运用于经济社会的各行各业，近些年被引入农业领域，其中李谷成等(2011)在运用单元调查法对农业面源污染进行核算的基础上，基于ML指数分析了农业生产率增长的具体因素；潘丹等(2013)在农业面源污染的基础上加入水资源污染因素，对农业污染源的考察更加全面；尹传斌等(2017)基于SBM模型的ML指数重点分析了中国西部地区农业全要素生产率分解与影响因素；韩海彬等(2013)在测算ML生产率指数的基础上，进一步分析其σ收敛和绝对β收敛情况；潘丹等(2013)不仅分析了农业全要素生产率的绝对β收敛，而且分析了条件β收敛及随机收敛情况，而σ收敛未纳入分析；吴昊玥等(2017)以随机性收敛为重点分析对象，并且将农业碳排放与全要素生产率纳入统一分析框架。

上述农业全要素生产率分解、增长因素及收敛性分析均是基于Malmquist-Luenberger生产率指数而进行的，但ML生产率指数存在线性规划无解及不具备传递性的问题，为了解决上述问题，Oh(2010)在方向性距离函数基础上结合Global Malmquist指数构建了Global Malmquist-Luenberger(GML)生产率指数，GML指数在工业、制造业等领域运用相对广泛，在农业生产率测度方面也进行了尝试，但研究范围较小，其中张林等(2015)仅仅对生产效率问题进行了分解，未对其收敛性做进一步分析。基于此，本文运用GML生产率指数测算中国农业绿色全要素生产率水平，并进一步检验全国及东、中、西、东北四大区域全要素生产率σ收敛、绝对β收敛及条件β收敛情况。

二、研究方法与数据选取

(一)研究方法

1．全局生产可能性集合

Pt(xt)={(yt,bt):xt生产(yt,bt)}

(1)

为了避免Pt(xt)技术倒退现象的发生，Oh(2010)运用整个时间段内的全部生产技术集的观测数据设置了全局生产可能性技术集合PG(x)=P1(x1)∪P2(x2)∪Λ∪PT(xT),即全部当期生产技术集的并集，以公式(2)表示如下：

(2)

2.方向性距离函数

传统全要素生产率指数的测算基于Shephard距离函数，这个函数将合意产出与非合意产出同等对待，显而背离了效率测算的原则，而Chung等(1997)构建的方向性距离函数是在保证合意产出增加的情况下尽量减少非合意产出，可以很好地衡量资源环境约束下的全要素生产率水平。基于产出角度的方向性距离函数表示如下：

(3)

其中g=(gy,-gb)表示产出增长方向向量，β衡量的是期望产出增加非期望产出缩减的最大可能量，方向性距离函数可以通过线性方程解得：

(4)

(5)

3.GML(Global Malmquist-Luenberger)指数模型

纳入环境污染的农业全要素生产率指数可以采用基于产出导向的ML指数测度，但以ML指数测度的全要素生产率缺少循环累乘性特征，只能在临近生产期间进行短期判断，无法测算增长水平的长期变化趋势。而基于全局技术集构造的GML生产率指数，可以有效规避线性规划无解的问题，同时连续生产前沿面能够规避向内偏移，即规避技术倒退出现的可能性，进而避免全要素生产率“被动”提高的问题。因此本文将GML指数在不变规模报酬下进一步分解为纯技术效率变化(PECH)、规模效率变化(SECH)及技术进步(TECH),公式及分解结果如下所示：

(6)

(二)指标选取及数据来源

1.农业投入变量

根据研究意义、数据获得性及参考相关文献，选取劳动力、土地、农用机械、化肥、农药、灌溉六个变量作为农业投入变量。具体说来，劳动投入(Labor)以农业年末从业人员人数表示，单位是万人；考虑到区域自然条件差异带来的地区农业复种指数不同，以农作物总播种面积作为土地投入(Land)的代理变量更能反映土地的实际利用情况，其单位以千公顷表示；机械动力投入(Machine)以各省域农用机械总动力为标准，单位是千瓦时；化肥投入(Fertilizer)以年度用以农业生产的化肥施用量计算，单位以万吨表示；农药投入(Pesticide)以各省域年度农药使用量计算，单位为吨；灌溉投入(Water)应该以农业用水量或者在灌溉过程中发电量进行衡量，但是缺乏对相关内容的统计，因此以有效灌溉面积作为代替，单位为千公顷。

2.农业产出变量

农业产出变量不仅包括合意产出而且包括非合意产出，其中合意产出(Desirable output)以历年农林牧渔业总产值表示，并经1999年不变价进行折算，单位为亿元 。

农业非合意产出(Undesirable output)包括各环境污染排放量，但是由于不同研究方向及数据选取，尚未达成一致见解。综合参考学界研究动态，本文主要考虑由化肥、农膜、柴油、农药、灌溉、翻耕六个农业生产活动产生的农业碳排放。用各自碳排放量乘以对应碳排放系数即为农业碳排放总量，具体计算公式表示为E=∑Ei=∑Ti×δi。其中E为农业碳排放总量，Ei为相关类型的碳排放量，Ti为各类型碳源排放的数量，δi为各种碳排放系数，其数值大小及来源参考表1。

表1 农业碳排放源、系数及来源

3.数据来源

本文选取1999—2015年农业相关数据对农业碳排放总量及农业全要素生产率进行测算，相关数据均来自历年《中国统计年鉴》《中国农村统计年鉴》《中国农业统计年鉴》《新中国60年统计资料汇编》《中国人口和就业统计年鉴》及各省统计年鉴。根据传统区域划分方法及本文研究需要将全国划分为东、中、西及东北四大区域，其中东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10个省域，中部地区包括山西、安徽、江西、河南、湖北、湖南6个省域，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省域，东北地区包括辽宁、吉林、黑龙江3个省份。并且对东、中、西及东北地区相关数据进行描述性统计分析，具体结果见表2。

表2 相关变量的描述性统计结果

三、实证结果分析

(一)农业全要素生产率分解及其增长源泉

表3测度了1999—2015年碳排放规制下的GML生产率指数及其分解情况，并且与不考虑农业碳排放状态的全要素生产率进行对比，从表中可以看出，其间不管是否考虑农业碳排放的全要素生产率均呈现增长趋势，其中考虑农业碳排放的全要素生产率平均增长0.58%，不考虑农业碳排放的全要素生产率平均增长3.35%。1999—2015年全国环境规制下的全要素生产率水平明显比不考虑碳排放的全要素生产率水平低，这表明不考虑碳排放规制明显高估了全国农业全要素生产率水平(韩海彬等，2013)，而环境污染降低了全要素生产率的增长(赵良仕等，2013)。整体而言，中国目前农业现代化是在资源消耗为前提的粗放增长模式，这种经济增长不利于农业的长久稳定发展，也与新时代提倡的农业绿色发展理念相冲突。

由农业绿色全要素生产率分解结果可以看出，不管是否考虑农业碳排放，1999—2015年纯技术效率均保持不变；在考虑农业碳排放情况下规模效率平均降低0.07%，技术进步平均提高0.70%；在忽视农业碳排放情况下规模效率平均下降1.54%，技术进步平均提高5.62%。由此发现技术进步在农业全要素生产率增长中扮演着重要角色，而规模效率降低了农业全要素生产率的提高，农业全要素生产率呈现以技术进步与效率恶化并存的状态，这与刘德娟等(2017)、李谷成(2011)等多数研究结论一致。

下面对两种情况农业全要素生产率及其分解进行时间趋势分析，在考查期内，其中纯技术效率均保持稳定。技术进步总体处于优势地位，在考虑农业碳排放情况下，只有1999—2000、2000—2001、2001—2002、2002—2003、2005—2006及2006—2007六个时间段技术进步小于1，除2005—2006时间段外，技术进步均小于规模效率的变化；在忽视农业碳排放影响下，技术进步在1999—2000、2001—2002、2007—2008、2013—2014及2004—2005五个时间段处于小于1的较低水平，同时均落后于规模效率。将农业碳排放纳入分析框架，农业全要素生产率、规模效率、技术进步总体上均落后于未考虑农业碳排放的情况，但是在2000—2001、2002—2003、2005—2006、2006—2007、2009—2010、2010—2011、2011—2012及2012—2013八个时间段考虑农业碳排放的规模效率优于未考虑碳排放的情况；在1999—2000、2001—2002、2007—2008、2013—2014、2014—2015五个时间段考虑碳排放的技术进步优于未考虑碳排放的情况；农业全要素生产率在1999—2000、2001—2002、2008—2009、2013—2014、2014—2015五个时间段考虑农业碳排放处于优势地位，表明相关时期处于低碳发展阶段，并且近几年国家大力倡导绿色发展理念，农业生产更加重视对资源环境的保护。同时可以发现农业全要素生产率与技术进步处于一致增长趋势，这进一步验证了农业全要素生产率增长的源泉主要来源于技术进步的这一结论。

表3 1999—2015年中国农业GML指数及其分解

(二)农业全要素生产率区域差异分析

表4分析了中国省际、区域农业全要素生产率及其成分在碳排放约束下及不考虑农业碳排放的测度水平。从表中可以发现，考虑农业碳排放情况下中国东部、中部、西部、东北及全国全要素生产水平在观察期间分别增长0.93%、0.62%、0.42%、0.31%、0.58%；未考虑农业碳排放分别增长4.19%、3.60%、1.14%、0.20%、3.35%。显然在农业碳排放约束下，东部、中部、西部及全国全要素生产率小于考虑碳排放条件下的农业生产率，而东北地区情况相反，表明农业经济增长模式较为理想。尽管如此，东北地区在两类情境下生产率水平均处于落后位置，具体来说东部优于中部、中部优于西部、西部优于东北地区。技术进步具有相同的变化特征，在考虑农业碳排放情况下东部、中部、西部、东北及全国技术进步分别增长0.96%、0.60%、0.96%、1.96%、0.70%；未纳入碳排放的分析具有更加明显的增长趋势，分别增长5.67%、5.12%、4.92%、5.81%、5.62%。而纯技术效率及规模效率总体处于下降趋势，与前文分析结论相同。因此，不管从时间还是从区域来看，农业全要素生产率的提高主要来自技术进步的贡献，忽视农业碳排放因素会显著提高农业全要素生产率水平。

从具体省域情况分析，多数省份在碳排放约束下的全要素生产率落后于未考虑碳排放的生产率水平，而内蒙古、吉林、甘肃具有不同增长方式，考虑碳排放的全要素生产率分别增长-0.41%、-0.07%、0.23%，高于未考虑碳排放的全要素生产率水平，虽然生产效率较低，但是实现了资源的合理利用和生态环境的循环发展。碳排放约束下的农业全要素生产率在内蒙古、吉林、青海处于下降趋势，其余28省域均呈现不同程度的增长，其中有18个省域高于全国平均水平。生产效率前10位的省份有6个为东部省份(上海、北京、福建、天津、江苏、山东)，西部地区占有4个(贵州、陕西、青海、宁夏)，而中部与东北地区均没有省份存在；排在后十位的省份中东部地区只有海南省，中部地区中河南省处于劣势，西部地区有6个(内蒙古、新疆、云南、甘肃、广西、重庆)，东北地区包括吉林、黑龙江两省。

在环境规制条件下，全国31个省域农业全要素生产率增长源泉主要来自技术进步，只有江苏、贵州、山西、陕西实现了纯技术效率、规模效率与技术进步的全面提升，福建、四川、西藏在实现规模效率和技术进步双向驱动的同时保持了纯技术效率的稳定发展，北京、上海在实现技术进步的同时保持了纯技术效率及规模效率的平稳发展。尽管全部省份实现了技术进步的快速发展，但是纯技术效率、技术效率处于落后位置，因此要加快转变经济发展方式，不断提高农业经营效率，实现资源节约、环境保护与经济增长的全面发展。

表4 1999—2015年中国省域农业GML指数及其分解

四、收敛性检验

中国东、中、西及东北地区农业发展存在巨大差距，反映在农业环境全要素生产率上面同样存在差异，当农业落后地区的环境全要素生产率水平高于经济发达地区的情况下，就存在环境全要素生产率收敛现象，本文采用σ收敛、绝对β收敛、条件β收敛衡量环境全要素生产率收敛情况。

(一)σ收敛

牛秀敏(2016)指出，离散系数CV常用来衡量σ的收敛情况，其中标准差σt计算公式为：

(7)

图1 农业环境全要素生产率标准差

图2 农业环境全要素生产率

图1、图2分别描述了全国及东、中、西、东北地区环境全要素生产率的标准差和离散系数，从图中可以看出两者具有一致的变化方向。全国及四大区域并没有表现出明显的扩大或者缩小趋势，其中东部、西部地区具有较大的波动趋势，

表明北京、天津、河北等东部沿海各省环境全要素生产率差异性较大，同时甘肃、重庆、广西等西部省份同样存在显著的发展差距；中部及东北地区波动性并没那么明显，其中中部地区在2000—2009年呈现发散状态，自2009年后趋于收敛；东北三省总体上呈现一定的收敛性，表明东北地区环境生产率水平发展较为均衡；从全国角度来看，农业环境全要素生产率在波动中走向发散状态。虽然σ收敛具有计算方便、容易理解等优点，但是未能考虑环境要素的初始水平及各地区初始要素结构，为了更加准确把握农业环境全要素收敛情况，进一步分析环境全要素生产率的β收敛等内容。

(二)绝对β收敛

Barro & Sala-i-Martin(1992)提出的β收敛思想假定地区间环境生产率水平会随着时间的推移缩小差距，最终达到稳定状态，其模型构建如下：

(8)

表5 环境全要素生产率绝对β收敛性检验

注：*、**、***分别表示在10%、5*、1%水平下显著；括号内数字为概率P值。

表5结果显示全国及各地区β系数均为负值，表明存在β收敛趋势，但是只有全国及东北地区分别通过了5%、10%水平下的显著性检验，因此只有全国及东北地区环境全要素生产率具有显著的β收敛现象。表明从全国范围来看，农业生产率落后地区具有追赶先进地区的趋势；从地理区域来看，只有东北地区存在俱乐部收敛现象。

(三)条件β收敛

不同于绝对β收敛，条件β收敛用于检验各经济体是否趋向于自身的稳态经济水平，相较于绝对β收敛，条件β收敛承认生产率较低的经济体与先进经济体之间的差距，但突出自身生产率的稳态增长水平。公式表示如下：

(9)

其中GMLi,t和GMLi,t-1分别表示i地区在t时期和t-1时期的环境全要素生产率水平。对全国及各区域面板数据模型进行Hausman检验，结果表明全国及东、中、西部应采用固定效应模型，东北地区应采用随机效应模型，结果如表6所示，全国及各区域均通过了在1%水平下的显著性检验，并且β系数均为负值，因此全国及各区域农业环境全要素生产率水平呈现条件β收敛。即全国及区域内部农业环境全要素生产率一直朝着各省域的稳定均衡水平收敛，但是由于各地区农业基期生产率水平、收敛速度等因素的不同，生产率差距才持续存在。

表6 环境全要素生产率绝对β收敛性检验

注：*、**、***分别表示在10%、5*、1%水平下显著；括号内数字为概率P值。

五、主要结论及对策建议

本文采用1999—2015年农业投入、产出面板数据，将GML生产率指数纳入分析框架，重点考察了环境规制条件下的区域农业全要素生产率水平，并与未考虑环境规制的全要素生产率水平进行对比分析，进一步探讨农业全要素生产率收敛问题，具体来说有以下发现：

(一)从整体来看，1999—2015年考虑碳排放的农业全要素生产率呈现增长趋势，其中技术进步贡献0.70%，技术效率降低0.07%，纯技术效率对全要素生产率无显著影响，因此碳排放约束下农业全要素生产率的增长主要来自技术进步，而技术进步与技术效率同时促进生产率提高的情况较少出现；在忽视农业碳排放的情况下，纯技术效率维持不变，而规模效率被低估，技术效率与全要素生产率被高估，这种变化将造成评价与决策出现偏误。

(二)从农业全要素生产率区域角度分析，在考虑碳排放的情况下，东部农业全要素生产率水平高于中部，中部高于西部，西部高于东北地区，呈现东—中—西—东北依次减弱的趋势；在未考虑碳排放的情况下，东部农业全要素生产率高于中部地区，中部高于西部与东北，而东北地区却高于西部地区，说明东北地区农业生产资料的使用提高了生产率水平，但同时也带来了严重的环境问题。

(三)从对全国及区域收敛性检验可知，全国及区域间不存在明显σ收敛现象，在β收敛中只有东北地区与全国层面存在显著特征，全国各区域均存在显著条件β收敛。从收敛性检验结果可以发现，各省域朝着自身稳定状态发展，而省域间“追赶效应”不明显。

基于以上结论，对我国农业发展提出具体对策建议：(一)加强农业技术创新，推动农业绿色协调发展。党的十九大正式提出乡村振兴战略，乡村振兴的其中一个重要因素就是通过农业技术进步提高农业生产效率和加强环境保护。而农业领域的技术进步往往会成为被忽视的一个环节，面对这种情况，党和国家要高度重视农业科研经费的投入，积极推进农业生产机械、化肥等生产资料革新，进而降低环境污染程度，走清洁高效的现代农业经营道路。(二)切实推进技术效率改善，加快技术进步扩散步伐。目前农业存在过度依赖技术进步对生产率提高的现状，技术效率未能发挥应有作用，因此要逐步形成技术进步与技术效率协同推进农业全要素生产率进步的局面，最终扩大全要素生产率对整个农业贡献份额。(三)优化区域发展格局，缩小区域发展差距。东部沿海地区农业生产效率明显优于另外三大区域，而东北三省作为农业大省生产效率仍然低下，因此政府和农业相关部门要制定科学合理的区域发展政策，积极支持引导落后地区农业发展，同时东部地区利用先进的技术和管理经验帮助落后地区实现农业的快速发展，最终形成中国农业区域合理化发展格局。