科技进步、绿色全要素生产率与农业碳排放关系分析——基于泛长三角26 个城市面板数据

张颂心，王 辉，徐如浓

（1.台州职业技术学院，浙江台州 318000；2.浙江工业大学经济管理学院，浙江台州 310014；3.北京大学汇丰商学院，广东深圳 100871；4.浙江越秀外国语学院，浙江绍兴 312069）

1 研究背景

改革开放40 多年来，中国农业生产总值以年均10.6%的速度稳步增长，全国粮食总产量实现翻番，农产品供给由长期短缺到基本平衡、再跨入丰年有余的历史性发展新阶段。但是，单方面成绩惊喜却难以掩盖农业产业化规模化发展所付出的环境代价：一直以来，为满足农产品市场需求，农业生产、经营和管理主体以生产效率为核心制定产业政策、选择生产模式、决定管理方式，化肥、农药、农机、农膜等农资产品长期超量使用，农业源主要污染物如化学需氧量（COD）、氨氮含量指标（NH3-N）、总磷（TP）排放量分别占全国排放总量的30.42%、61%、40.22%，农产品保供给与资源环境承载能力的矛盾愈发尖锐，农业生产带来的环境污染问题日益突出［1-2］。其中，农业碳排放量作为全球气候变暖的重要诱因，受到了世界各国的普遍关注。大量数据和研究表明，全球碳排放总量约为168.31 亿t，中国占比居世界第一位，达到27%，其中30%左右来自农业，相当于所有工业部门的总合［3］。因此，实现农业低碳发展是中国经济绿色转型发展的必经之路，也是农村增美、农业增效十分重要的内容。

发展低碳农业，首先需要核算碳排放量，并深入分析不同要素资源的减排效应。科技进步作为低碳农业发展的主要手段，能够有效释放农业蛰伏发展潜能，促进生产资源和生产方式深度融合，推动形成高生产效率、低能源消耗的农业发展模式［4］。中国实施“十二五”规划以来，全国农业科技进步贡献率达59.2%，全社会环保总投资比“十一五”期间增长了92.8%，环保产业年均增速26.9%［5］。2015 年，农业部等8 部委制定了《全国农业可持续发展规划（2015—2030 年）》，要求全国2020 年农业科技进步贡献率超过60%，2030 年全国基本实现农业废弃物“零排放”。由此可见，中国政府对农业科技投入和农业环境污染治理的关注度正不断增强。但农业发展水平和碳排放强度却出现“双提升”，农业绿色全要素生产率（GTFP）增速缓慢与农业碳排放快速增长“两并存”，农业已经成为全球第二大碳排放部门，温室气体排放量仅次于电力与热电［6］。科技进步、农业GTFP 与农业碳排放三者的内在关系究竟是什么？探究科技进步和农业GTFP 如何发挥积极作用，对实现碳排放减量具有较大现实意义。

泛长三角作为全国商品粮重要产区，基本涵盖了江淮地区、太湖平原两大商品粮基地，是长江经济带的重要组成部分。长江经济带发展战略是国家重点实施的“三大战略”之一，以共抓大保护、不搞大开发为导向，以生态优先、绿色发展为引领，依托长江黄金水道推动长江上中下游地区协调发展和沿江地区高质量发展［7］。但是泛长三角地区的农业依然以高碳模式为支撑实现高速发展，农业碳排放量长期只增不减、排放强度持续提升。基于此，本研究以泛长三角4 省市26 个城市的面板数据为基础，测算其2009—2018 年的农业科技进步贡献率、农业GTFP 和碳排放量，并分析其农业科技进步、农业GTFP 与碳排放的关系，为减少碳排放提出参考建议。

2 文献综述

纵观国内外文献资料，已有农业碳排放研究集中在排放源确定、排放总量测算、影响因素分析和减量对策探讨等4 个方面，比如陈胜涛等［8］对碳排放源进行研究，刘华军等［9］、杜江等［10］探究了碳排放总量测算及变化规律，王珧等［11］、田云等［12］、仇伟［13］、张中秋等［14］对减排影响因素、机理和实现路径进行探索，等等。

在影响因素研究中，很早就有学者试图解释科技进步与碳排放量关系，至目前成果已经颇为丰富，然而研究结论却大相径庭。部分学者认为，科技进步对农业碳排放影响十分显著，在碳排放减量过程中占主导地位，一定程度上技术进步弥补了农业结构和农业投入的不合理，决定了碳排放量增速由快到慢再到减速的“拐点”［15-16］，而且随着人力资本的提升，技术进步对农业碳排放抑制效应会更加明显［17］；同时，也有部分学者研究指出，技术进步对农业碳排放量影响并不如想象那样明显，有时甚至成为农业碳排放量增加的助推器［18］。此外，还有学者对特殊领域的科学技术与碳排放关系进行研究，比如对玉米栽培技术与碳排放进行研究，指出浅耕和免耕由于消耗的能源最少，从而有效降低碳排放总量［19］。研究结果迥异的主要原因在于科技进步与农业碳排放都属于时序数据，而学者在研究过程中对时间要素并未足够重视，相关模型甚至无法体现时序变化差异。

在科技进步衡量指标选取方面，通常采取科学技术进步贡献率，这也是中国农业农村部推荐使用的方法。农业生产率作为农业发展的核心问题，是发展中国家财富增加的关键，包括技术进步率和全要素生产率（TFP），并以TFP 为主［20-22］。传统TFP 只注重农药、化肥等农资投入正面效应，而忽略了对资源环境破坏和消耗，这使得对农业生产率的评价不够全面准确，容易导致政策制定、评估出现较大偏差，这一点有学者已经做了研究［23］。为统筹考虑经济增长和资源环境代价，部分学者引入农业GTFP 概念，将资源环境纳入生产效率的测量过程，从而拓展学界农业研究视阈，克服了C-D 函数从资源要素投入视角研究农业增长弊端，开始关注农业投入品导致的碳排放等负面作用［24-29］。研究普遍认为，农业碳排放与农业GTFP 在一定程度呈现负相关关系［30-31］。在农业GTFP 测算方面，通过CNKI 检索发现，应用最为普遍的方法是数据包络分析（DEA）；此外，近年来很多学者开始把注意力转向以方向距离函数等对农业GTFP 测算和变化分析上，比如王奇等［32］对1992—2010 年中国农业绿色全要素生产率变化进行研究。虽然采用DEA 模型测算农业 GTFP 成果颇多，但是有学者指出，使用方法并未统一，测量结果相差大，且无法包含非期望产出等缺点［33］；方向距离函数有效解决了非期望产出忽略的问题，却运用径向、角度DEA 模型，在无效率测量时未包含松弛变量，从而导致计算结果并不准确［34］。为克服这些问题，部分学者选择非径向和非角度DEA 模型测算GTFP 。

综上所述，国内外学者对农业科技进步、农业GTFP 和碳排放展开了多层次研讨，为本研究奠定了良好理论基础，但也存在不足：一方面绝大多数研究基于面板数据从全国角度进行研究比较，结合某一区域开展研究分析的不多；另一方面研究采用的是时序数据，忽视了时间因素对各个要素的影响，从而导致研究结论相差较大。另外，相关指标的测算方法也不够精准。因此，本研究通过系数法和SBM-DDF 模型，重新测算了泛长三角2009—2018年碳排放量和农业GTFP，并利用自回归分析滞后模型（ARDL）从长期和短期两个角度分析科技进步、农业GTFP 与农业碳排放的关系，并针对性地提出对策建议。

3 研究方法与数据

3.1 研究指标选取和测算

农业科技进步的界定有广义和狭义之分。狭义概念特指“硬技术”，即种子培育筛选、化肥农药施用、新型种养殖等能够直接提高生产率的技术手段；广义概念除“硬技术”外，还包括生产决策、经营管理等“软技术”［35］。当前，中国对农业科技进步的测量主要基于广义概念，采取农业科技进步贡献率进行评价，测算的影响因素既涵盖自然科学，也包括政策法规、劳动因素、经营管理等社会科学。对于农业科技进步贡献率的测算，农业农村部规定了基于索洛余值法与C-D 函数模型，采用统一方法测算科技对农业总产值增长的贡献值，详见公式如下：

式（1）（2）（3）中：Tagriculture为地区农业总产值；B为农业生产要素投入，以农业生产中间消耗进行测算；C为农业生产劳动投入，以农业从业人数进行计算；D为农业土地资源投入，选取年末耕地面积进行测算；A为常数；为农业科技进步贡献率；变量t 为时间；α、β、λ分别为资金、耕地和劳动投入弹性，如若规模报酬恒定则α+β+λ=1。

根据农业农村部规定的测算方法，本研究中因耕地变化不大，农业科技进步贡献率测算的弹性系数采用固定弹性，全国产出弹性系数均是0.25，农业生产要素弹性按式（3）予以调整。有关数据资料源于《中国农村统计年鉴》以及有关省市统计年鉴。

农业碳排放主要来自畜禽养殖、农作物、土地利用类型变化等。根据政府间气候变化专门委员会(IPCC)和世界气象组织（WMO）统计，农业碳排放量对全球碳排放总量的贡献率超过30%［36］。本研究利用IPCC 构建的系数法测算研究碳排放量，测算方法见式（4）。其中，C和R分别为碳排放类型和碳排放量化，排放系数详见表1。包括7种类型：化肥、农药、农膜、土壤翻耕、农业灌溉、农业机械、畜禽养殖，测算根据式（4）变换而得，详见式（5）。其中，柴油依据每年实际用量；土壤翻耕以实际种植面积为准；灌溉电量消耗间接碳排放量以有效灌溉面积衡量；畜禽养殖以年出栏量为准。

表1 农业碳排放源及碳排放系数

农业GTFP 增长率可以分解为不同的部分，即技术进步率、技术效率变化率等［40-41］。基于文献研究，通常用方向距离函数、Luenbergercer 指数等对农业GTFP增长率指数进行测算，本研究以Tone 等［42］和吕娜等［43］研究为基础构建超效率SBM 模型，对泛长三角农业GTFP 进行测算，详见式（6）。SBM模型作为DEA 模型，属于非径向效率测量，能有效克服径向选择带来的偏差。

同时，利用Malmquist 指数表示农业GTFP 变动率，详见式（7）至式（10）。其中，是全局方向性距离函数；本研究设g=(x,-y,z)表示实现农业持续发展目标、期望产出最大化、投入非期望产出最小化。如果TFPgreen、TE 和TP 大于1，表示农业GTFP 变动率进步，TFPgreen、TE 和TP 小于1 时，表示农业GTFP 变动率衰退。

3.2 关系研究模型选取和说明

对农业科技进步、农业GTFP 与碳排放的关系，利用自回归分析滞后模型（ARDL）进行定量研究，模型典型结构详见式（11）。其中：Lags 是Yt滞后阶数；是第i个自变量（Iv）的滞后阶数，i,,n是滞后算子。ARDL 模型将时间滞后效应体现出来，可以测算自变和因变量长期与短期影响；同时，ARDL 模型不要求序列都是平稳序列，也不要求全部是单整平稳序列。

4 实证分析

4.1 农业科技进步贡献率评价

基于索洛余值法与C-D 函数模型，测算泛长三角4 省市26 个城市（以下简称“样本地区”）农业科技对农业总产值增长贡献值，结果详见表2 至表4。可以发现，上海、江苏、浙江、安徽的农业科技进步贡献率均值分别为68.5%、61.9%、60.4%、56.6%，总体而言，农业科技对地区农业发展的贡献率较高，但是区域差别也十分明显，最大差距达11.9%。具体而言，上海农业科技进步贡献率最大，是科技创新发展的最佳实践者；江苏除无锡、常州偏低之外，其他地区农业科技进步贡献率均超过60%，提前完成“十三五”规划目标，农业科技利用水平走在前列；浙江农业科技进步贡献率均超过国家平均水平，与江苏水平相差不大；安徽作为传统农业大省，农业科技进步贡献率低于60%，一定程度反映安徽各市农业粗放型发展模式比重较大，生产效率普遍不高，科技推动农业绿色高效协同发展作用不明显，需要进一步加大农业科技投入，以科技进步增强区域农业绿色发展水平。

表2 2009—2018 年上海和安徽各市年均农业科技进步贡献率

表3 2009—2018 年江苏各市年均农业科技进步贡献率

表4 2009—2018 年浙江各市年均农业科技进步贡献率

4.2 农业GTFP 评价

本研究测算泛长三角4 省市26 个城市2009—2018 年的农业GTFP 指数，并分别计算其技术进步率和技术效率变化率指数；同时，为与传统TFP 进行有效比较，对其传统TFP 指数也进行测算，结果详见表5。可见样本地区在2009—2018 年间：

第一，农业GTFP 整体上呈增长态势，但是逐年增长率不断下降。10 年间农业GTFP 均值1.097，年均增长9.7%，这说明泛长三角农业GTFP 还处于不断发展阶段，增长率比较高；但从纵向时间看，10 年间农业GTFP 增速逐年下降，2017 年和2018年呈现负增长，最低达到-2.4%。

第二，农业GTFP 主要源自技术进步率，技术效率波动更为频繁。从技术进步率指数看，10 年间均值为1.092，年均增长9.2%，对农业GTFP 增长贡献率达94.85%，而技术效率变化率指数年均增长0.8%，对农业GTFP 增长贡献率仅为8.25%，这说明泛长三角农业发展由主要靠资源投资拉动向技术投资拉动转变，技术进步已经成为泛长三角农业绿色发展主要动力之一；从纵向时间看，10 年间技术效率呈现下降趋势，与农业GTFP 趋势相一致。

表5 样本地区农业GTFP 指数及分解

4.3 农业科技进步、农业GTFP 与碳排放关系分析

基于本研究的全部变量均为时间序列，易带来非平稳问题，会导致标准差、均值等数据随时间而改变，对数据进行回归等分析则会发生伪回归问题，直接导致研究结论无效，因此本研究采用最常用的单位根检验ADF 方法进行检测。ADF 方法原假设“序列存在单位根”，当统计量小于临界值时序列平稳，反之则不平稳。经过检验，T 是零阶平稳，LNE 和LNP 均一阶平稳。如果农业科技进步、农业GTFP与碳排放量三者是否存在长期关系不明确，而直接进行线性回归分析则会发生伪回归事件，因此必须对ARDL 进行协整检验的边界测试，确定三者间是否有长期关系。通过检验发现统计量F为16.57，明显远大于1%的临界值5，所以此ARDL 模型稳定均衡。同时，考虑到农业科技进步、农业GTFP 与碳排放量不完全属于平稳时序，不具有同阶平稳特征，无法直接进行回归分析，但因其存在稳定均衡关系，因此也可以对变量关系进行分析和判断。本研究通过EViews10 和ARDL 检验法开展协调验证，按照赤池信息量准则（AIC），筛选后得到长期ARDL（4，2，2）、短期为（4，0，1），详见表6。

通过表6 可以判断，长期视角下泛长三角农业科技进步贡献率、农业GTFP 均对碳排放量具有抑制作用。其中，农业科技进步对碳排放量有一定遏制作用，弹性系数是0.03，说明农业科技进步贡献率每增加1%则农业碳排放量减少0.03%；同时，农业GTFP 对碳排放量的长期弹性系数是1.24，说明农业GTFP 每增加1%则其碳排放会减少0.24%。从短期视角而言，影响具有差异性：首先，碳排放当期量对其未来3 年内有影响，会发生正向反馈调节，如碳排放当期量较高会导致未来2 年内都偏高，但影响会逐步减弱；其次，农业GTFP 对碳排放有抑制作用，然而并无法通过显著性检测，从而可以判定短期影响不显著；最后，科技进步贡献率对农业碳排放的影响具有持续性，将对未来3 年内产生影响，且第3 年影响更加显著。因长期视角下时间序列对系数的影响具有变动特征，需要用递归残差累计和与平方和的方法进行稳定性检测，结果得到统计量均处于给定边界的内部，因而可以认定该模型稳定。

表6 样本地区农业科技进步、农业GTFP 与碳排放关系的ARDL 模型检验

表6 （续）

5 结论与建议

5.1 结论分析

本研究选取泛长三角26 个城市2009—2018 年数据，利用系数法和SBM 模型等方法测算其农业科技进步贡献率、农业GTFP 和碳排放量，并通过ARDL 模型分析三者之间的关系。结果表明：从长期视角而言：（1）农业GTFP 对农业绿色低碳转型发展具有明显的积极作用，其每增加1%则农业碳排放会减少0.24%。无论宏观还是微观上，农业生产经营者都以高生产效率和高经济产出为目标而非环境保护，因而相对于投入大量资金购买环保设备、使用环保技术和建立环保设施，直接采取传统粗放型生产方式更为乐意、更为便捷，生产投入成本也更低，但是对环境造成的压力会更大，在国家有关碳约束政策下生产者会寻求两者平衡发展，从而不断提高农业GTFP、减少碳排放，使得两者呈现负相关关系。（2）科技进步在一定程度上对农业碳排放具有抑制效应，农业科技进步贡献率每增加1%则农业碳排放量减少0.03%，但未能通过显著性检测，说明效果不显著。理论上，科技进步能够改进农业生产方式、提高农业资源利用率，使化肥、农药等农资产品使用量和农业生产率同步实现“一降一增”，推动传统粗放型生产模式转型升级，从而减少农业碳排放量，然而受诸多因素影响，比如农业科技研发水平所处阶段不同、技术研发与实际需求结合程度差异明显、技术推广应用水平参差不齐、技术应用的区域情况千差万别、农民文化素养区别较大等，从而导致新技术研发和实施过程受阻，技术效果难以有效发挥。

从短期视角看：（1）农业碳排放当期量会对未来3 年排放强度产生影响。笔者认为主要原因是碳排放量与农业生产活动高度相关，而农业生产活动具有很强的延续性，很多经验会变成习惯性行为，短期难以改变；且通常会出现技术使用与技术市场“错位”现象，即考虑成本因素，原农业固定投入如机械等在短期无法及时更换，最新技术和设备无法有效推广，同时考虑到风险，生产经营管理者更乐于接受以前经过验证的技术和农资，则当期环保新技术和新农资产品难以体现在当期生产经营中，无法同步对碳排放量产生影响，因而要通过期间宣传引导、农户行为纠偏后，在第3 年才会逐步显示出效果。（2）农业科学技术发展呈现不同效果。农业经营主体对新技术需求主要依托于政府推广力度，因在新技术出现的第一阶段，在政府强有力的政策引导下其推广和科学使用率高，对农业碳排放的抑制作用更加明显，而在下一个年度会略有反弹，但抑制作用依然显著，通过了1%显著性检验，说明科学技术对碳排放量影响因推广等原因会延迟，需时间来逐步产生作用；而农业GTFP 在短期能形成抑制效应，但是作用不显著，通常农业生产经营者在收益可观情况下才会投入更多资源学习新技术、采取绿色生产方式提高农业GTFP。

5.2 对策建议

基于以上研究结论，提出如下对策建议：（1）泛长三角在2009—2018 年内农业碳排放呈现上升趋势，化肥、农药等投入量逐步增长，说明其农业高碳发展模式没有得到根本扭转。因此，首先应对农药、化肥等农资产品使用量进行有效控制，大力发展有机农业，借鉴国外精准农业发展模式减少投入物的浪费和流失，提高机械化利用率；其次在能源使用上也应多利用绿色能源，减少化石燃料使用。（2）因农业科学技术、农业GTFP 和碳排放存在长期稳定关系，因此政策制定不仅要注重短期效果，也要注重长期多元影响因素，统筹协调好农业保供给和农业碳排放减量双重关系；同时，在政策制定的同时要强化实施，加强宣传引导和监督管控，健全农药、化肥、农膜等使用回收再利用监管机制和市场机制，构建完善的农业环境监督管理体系。另外，特别要总结经验教训，建立长效常态机制，以制度建立成效构筑起农业碳排放持续减少的制度保障。（3）科技水平对农业碳排放抑制效果不明显，因此在农业科学技术方面应加大对低碳农业的关注和投入力度，提高农业技术推广水平，尽最大努力减少最新环保农业技术研发、推广和使用过程出现的滞后性，特别要结合长三角地区自然状况和农业种植情况，加大有针对性的技术研发，提升农药、化肥减量与增效作用。（4）泛长三角科学技术水平和农业绿色FTP 的区域差异明显，应加强区域间统筹协调力度，强化信息技术共享机制，实施定向支援、扶持行动，确保区域间先进技术、管理经验第一时间“引进来、用起来、作用发挥好”，尤其要强化地区联合技术攻关，整合科研、推广力量，推动技术研发实现突破性进展。