碳排放约束下的农业绿色全要素生产率研究——基于广东省面板数据的实证分析

姚凤民，徐皓南，郭欣仪，侯 达，陆 帆，周雨卓

（广东财经大学财政税务学院，广东 广州 510320）

2021 年党的十九届五中全会提出，必须深入推进农业供给侧结构性改革，进一步推进农业绿色发展，举全党全社会之力加快农业农村现代化。改革开放以来，我国在人口不断增加、耕地不断减少的情况下仍实现人均粮食产量不断提高、农民收入稳步提升，在农业生产和发展方面取得了非凡成就。但与此同时，国内农业污染严重、农业生产率不高、区域间发展不平衡、创新动力不足等问题突出，已不符合当今农业高质量发展的要求。如何在进一步提高农业产出的同时减少污染排放，实现农业绿色发展，是全国农业高质量发展的关键问题，测算农业绿色全要素生产率是掌握农业绿色发展水平和发展绿色农业的基础性研究工作。《自然-食品》（Nature-food）在2021 年发布的开创性最新研究报告显示，世界粮食体系的人为温室气体排放量占全球1/3 以上，粮食体系的绝对排放量呈持续上升态势。因此，农业是重要的温室气体排放源，要实现碳达峰、碳中和，农业农村碳排放是重点解决环节。本文以广东省为研究对象，在考虑碳排放的环境约束下测算农业全要素生产率——即农业绿色全要素生产率，并从时间和空间两个方面进行时空特征分析，理论上丰富了碳排放约束下的农业绿色全要素生产率的研究文献，实践上可为提高广东省农业绿色全要素生产率提出改进建议，并以此推向全国，从而推动我国农业可持续和高质量发展，促进农业绿色经济协调增长。

全要素生产率（Total Factor Productivity，TFP）是衡量生产过程中利用全部要素投入获得产出能力水平的重要指标。21 世纪初，人们开始重视农业环境保护问题，生态农业和绿色农业开始成为各国农业的发展方向和发展目标，学者也开始将环境因素纳入到农业TFP的测算指标当中，提出了农业绿色全要素生产率（GTFP）的概念。目前国内外学者在农业绿色全要素生产率方面的研究比较丰富，主要集中在以下三个方面：一是绿色全要素生产率概念的研究及指标构建。先有部分学者将环境污染作为一种要素投入来测算绿色全要素生产率，后有学者认为环境污染是经济发展过程中带来的副产品，故将环境污染视为非期望产出［1］。而在构建具体表示农业环境污染的指标时，学者持不同观点，有学者将氮素、杀虫剂流失作为一种坏的产出［2］，也有将总氮磷流失作为一种要素投入来测算绿色全要素生产率［3］，但大体都围绕农业化肥、农药等化学物质为污染源所产生的排放物进行探讨［4］。二是农业绿色全要素生产率测算方法及其测算过程。农业TFP 测算主要包括非前沿面方法和前沿面方法，非前沿面方法假定不存在生产技术无效率，主要包括指数法和生产函数估计方法，将产出指标量与投入指标量加权的比率算作全要素生产率。前沿面方法考虑了技术无效率，以实际投入产出与前沿面的距离表示无效率水平，一般构建Malmquist 指数表征全要素生产率［5］。前沿面的估计包括非参数的数据包络方法（Data Envelopment Analysis，DEA）和参数随机前沿分析（Stochastic Frontier Analysis，SFA）两种方法。数据包络分析法运用线性规划和对偶原理实现对生产前沿面的确定，无需设定生产函数，减少了因设置函数而进行假设产生的误差，且可实现对多投入多产出分析［6］。目前各界学者关于前沿方法的研究更多，DEA 方法特别是超效率DEA 模型和Malmquist 指数法在农业绿色全要素生产率的测度中应用广泛。三是农业绿色全要素生产率的具体实证分析。国内关于农业绿色全要素生产率的研究相对较少，石慧等［7］、贾淼等［8］分别运用 SFA-Malmquist 指数和DEA 方法，将农业生产带来的环境污染作为一种要素投入，研究我国农业绿色全要素生产率，并与传统全要素生产率进行比较。梁俊等［9］通过拓展的非径向非角度的DEA 模型和Luenberger 生产率指标，在估算了农业污染的前提下，计算中国农业绿色全要素生产率的增长。吴传清等［10］结合SBM 模型和GML 指数测度长江经济带农业绿色全要素生产率。葛鹏飞等［6］利用基于SBMDDF 方法的Luenberger 指数对2001—2015 年我国31 个省份的农业绿色全要素生产率进行测度。王聪聪等［11］利用超效率SBM模型和全局ML指数，从静态、动态不同角度，对我国苹果环境技术效率和绿色全要素生产率进行测算，并分析不同产区之间的差异。陈芳等［12］基于2003—2018 年我国26 个省份的面板数据，采用超效率SBM 模型测算广义农业绿色全要素生产率，探究农产品国际贸易水平对农业绿色全要素生产率的影响。余航等［13］用DEA 的Malmquist 指数法，研究了2004—2015 年我国早籼稻、中籼稻、晚籼稻和粳稻的全要素生产率及其构成和变动趋势。

综上可知，国外关于农业绿色全要素生产率的研究要早于国内，但是国内学者在充分借鉴和学习国外的研究方法后，对我国农业绿色全要素生产率做了丰富的研究，主要集中于国家层面或者地区层面，对于省域层面的研究较少，尤其是关于广东省的研究则更鲜见。本研究以广东省作为研究切入点，以在更微观层面对农业绿色全要素生产率进行探究，提供更细致的研究结论和更具针对性的建议。

1 材料与方法

1.1 研究方法

1.1.1 考虑非期望产出的SBM-DDF 模型 传统的径向DEA 模型对无效率程度的测量只包含所有投入（产出）等比例缩减（增加）的部分，但对于无效率单元格（DMU）来说，其当前状态与有效状态的目标值之间的差距除了等比例改进的部分，还包括松弛改进的部分，而松弛改进的部分在传统的径向DEA 模型中并没有得到体现。为了解决这一问题，Tone［14］通过在目标函数中引入投入和产出的松弛量，提出了一个非径向非角度的基于松弛改进的SBM 模型。在此基础上，本研究借鉴李谷成［15］构造的含有非期望产出变量的非径向非角度基于松弛改进的SBM 方向性距离函数模型，即SBM-DDF 模型，将广东省除深圳市外的20 个市作为评估单元格（DMU），假设每个单元格有m种投入；有q种产出，其中r种期望产出，以及n种非期望产出，m+n=q。因此，由投入x和期望产出y，以及非期望产出b构成生产可能性集，可表示为：

则第t 期第k个单元格（DMU）的SBM-DDF评价模型可以表示为：

式中，sm、sr、sb分别为投入、期望产出和非期望产出的松弛量，松弛量的值越大表示被评价决策单元格离前沿面越远，即效率越低。*ρ表示生产效率，当ρ*=1 时表示DMU 处于构造的生产可能性集合前沿面，即生产有效，此时sm=sr=sb=0；当ρ* ＜1 表示生产单位存在效率损失，在投入产出上存在进一步改进的空间。

1.1.2 考虑非期望产出的Malmquist-Luenberger指数 Malmquist 指数最初由瑞典统计学家Malmquist 等提出，其与DEA 分析方法联系起来，可用于测算t+1 时期相对于t时期的生产率的变化，Färe 首次采用两个Malmquist 指数的几何平均值作为被评价DMU 的Malmquist 指数［16］，并对其进行分解。Chung 等［1］首先将包含非期望产出的方向性距离函数应用于Malmquist 模型，并将得出来Malmquist 的指数称作Malmquist-Luenberger（ML）指数。ML 指数即是考虑了非期望产出的生产率变化指数，该指数在测算生产率时要求“好的”产出不断增加的同时，还要求“坏的”非期望产出不断减少。按照Fare 的几何平均值相关理论，Malmquist-Luenberger 指数可以表示为：

据此，按照Färe 的分解方法，将ML 指数分解为技术效率变化（EFFCH）和技术进步变化（TECH）两部分，即ML=EFFCH×TECH。其中TECH 表示技术进步带来的效率变化，而EFFCH又可以进一步分为规模效率变化（SEEC）和纯技术效率变化（PEC），其中SEEC 表示投入产出规模的改变而带来的效率改变。最终将ML 指数分解为三部分，即：

当ML＞1 时，表示对应单元格的效率相对于上一时期效率有所提高；当ML＜1 时则表示对应单元格的效率相对于上一时期效率有所下降。

本研究实证利用DEA 分析软件MAXDEA 6.0进行分析，结合实证结果分别从空间和时间两个维度对广东省的农业绿色全要素生产率（GTFP）进行分析。

1.2 指标选取及数据来源

1.2.1 指标选取 本研究采用2007—2017 年广东省20 个市（除深圳市）的农业投入产出的面板数据，估算广东农业绿色全要素生产率。广义的农业包括种植业、林业、畜牧业和渔业，狭义农业只包括农林牧渔中的农业，即种植业。由于狭义农业与林业、畜牧业、渔业对投入要素的需求不同，同时为保持数据口径的统一，本研究选取狭义农业作为研究对象。在确定研究对象和研究范围的基础上，根据数据的可得性、一致性和可用性原则，借鉴前人经验和结合实际，选取以下投入产出指标构成评价广东省农业绿色全要素生产率的指标体系。

（1）劳动力投入。参考叶初升等［17］的方法，以农业总产值占农林牧渔业总产值的比重作权重，对第一产业从业人员进行分离，计算出的农业从业人员作为劳动力投入。

（2）机械动力投入。采用农业机械动力，将农业总产值占农林牧渔业总产值的比重作权重，对机械总动力进行分离，作为农业机械动力投入。

（3）灌溉投入。以每年有效灌溉面积表示。

（4）化肥投入。以每年用于农业生产的化肥折纯量表示。

（5）农药投入。以每年农药使用量表示。

（6）农膜投入。以每年农用塑料薄膜使用量表示。

在测算农业GTFP 时处理环境污染物指标有两种方法，一种是将环境污染作为一种要素投入，另一种是将环境污染作为非期望产出。本研究采用第2 种方式，产出指标包括期望产出和非期望产出，前者用农业总产值表示，后者以碳排放表示。

表1 农业GTFP 测算指标体系Table 1 Calculation index system of agricultural GTFP

1.2.2 数据来源 本文除碳排放量的数据根据以下方法计算得到之外，其余所有数据均来源于2008—2018 年《广东农村统计年鉴》。农业碳排放源具有多样性和复杂性，主要来自化肥、农药、农膜、农业机械、农业翻耕和灌溉6 个方面［18］。其中，除农业机械外所有投入要素的碳排放测算，根据参考文献［19］的碳排放量计算公式进行核算：

式中，C代表农业碳排放，Ci代表第i种碳源的碳排放量，Ti代表第i种碳排放源的量，δi表示第i种碳源的碳排放系数。农业机械操作带来的碳排放参照文献［20］的测算公式进行核算：

式中，Am为农作物总播种面积，Wm为农业机械总动力，B、C为转化系数。各碳排放系数如表2所示。

表2 主要碳源碳排放系数Table 2 Carbon emission coefficients of main carbon sources

1.2.3 数据描述性统计 从农业GDP（AGDP）来看，由于此次分析的数据空间分布于广东省20个市，且时间跨度达到10 年，可以看出各指标的最值之间相差较大。主要原因在于随着时间的发展，无论是投入指标、期望产出指标和非期望产出指标都有较大的增长；其次，由于广东省内地区间发展不平衡导致的地区间差异也是导致各指标最值相差较大的原因之一。碳排放量（C）也随着投入和期望产出的增加而增加，尤其是随着化肥和农膜等农业化学物质的投入而出现碳排放量激增的问题，在促进农业发展的同时对环境造成了严重威胁（表3）。

表3 广东省农业绿色全要素各投入产出指标统计分析Table 3 Statistical analysis of input-output indexes of agricultural GTFP in Guangdong Province

2 结果与分析

2.1 广东省农业绿色全要素生产率演变趋势分析

如表4 所示，从全省总体水平来看，广东省近10 年来的农业GTFP 变动率均值为1.120，且除2016—2017 年外，历年的变动平均值均大于1，表明广东农业GTFP 呈增长提高态势，在环境约束的条件下，农业综合生产能力得到提升。但是值得注意和警惕的是2016—2017 年广东农业GTFP 均值小于1，表明农业GTFP 出现下降。同时，从图1 也可以看出，广东省农业GTFP 指数的变化从2007—2008 年的1.236 下降到2016—2017年的0.961，期间呈“W”状波动，表明广东省农业GTFP 指数的增长速率正在不断下降。可见，全省农业绿色全要素生产率呈增长态势，但是增长速度呈下降趋势。

表4 广东省农业GTFP 增长其分解Table 4 Breakdowns of agricultural GTFP growth in Guangdong Province

图1 广东省2007—2017 农业GTFP 指数及其分解指数变化情况Fig.1 Changes of agricultural GTFP index and its factorization index in Guangdong Province from 2007 to 2017

从全省农业GTFP 增长源泉来看，将广东省农业GTFP 分解成技术进步（TECH）、规模效率（SEEC）和纯技术效率（PEC）3 部分，从而有利于分析影响农业GTFP 的因素，找到优化、提高广东省农业GTFP 的途径。从全省均值来看，广东省农业GTFP 的TECH 和技术效率（EFFCH）指数均大于1，说明两者对广东省农业GTFP 都起推动作用，但相对而言，TECH 指数变化均值为1.119，大于EFFCH 指数变化均值1.013。同时从图1 可以分析出，历年的TECH 指数变化多大于1，而EFFCH 指数变化多小于1，由此可以看出，广东省农业GTFP 的增长主要来自于技术前沿面移动，即技术进步带来的效率提升，而在技术水平不变的情况下技术本身效率的改进带来贡献较小。进一步将EFFCH 分解，得到PEC 和SEEC，可以看到PEC 指数变化均值为0.988，而SEEC 变化均值为1.031，表明当前广东省农业绿色要素的投入产出处于规模递增阶段，纯技术效率呈下降状态。此阶段在加大投入要素的同时，更应当注意管理、资源要素配置等效率，以此来保证和提高广东省农业GTFP 的提高和改善。

2.2 广东省农业绿色全要素生产率区域差异分析

从广东省各市的农业GTFP 指数（表5）来看，2007—2017年间，除汕尾均值为0.994小于1以外，其余各市均值均大于1，表明各市在近10 年的农业GTFP 都保持较好的增长态势，与全省总体良好态势保持一致。其中中山、东莞、河源3 市表现突出，均值分别为1.403、1.262 和1.169。但以上3 市的农业GTFP 指数增长幅度下降迅速的问题同样明显，中山市由2008年相对2007年的3.308下降为2017 年相对于2016 的0.696，东莞市相同时期的变化为从1.339 下降至1.029，而河源市则从1.542 下降至1.169。由此可见，虽然3 市的农业GTFP 增长率总体均值较高，但增长幅度下降较快，而且所有城市的农业GTFP 都呈现出农业GTFP 增长率下降的问题，这一点也与全省总体趋势表现一致，说明在环境约束的条件下，各市的农业GTFP 增长率出现不同幅度下降，仍需提高效率。

表5 广东省各市2007—2017 年农业GTFP 变化情况Table 5 Changes of agricultural GTFP in various cities of Guangdong Province from 2007 to 2017

将广东省按照地理区域划分为粤东、粤西、粤北和珠三角地区四大区域，从总体均值上来看，珠三角的农业绿色生产率增长水平最高，粤北次之、粤东第三，粤西最低，且粤东西北三大地区均值相差不大，这初步说明作为广东省内经济发达地区的珠三角相对于经济相对落后地区的农业GTFP 有更高的增长率，农业综合生产能力更胜一筹。而粤东、粤西、粤北等地区在环境约束的情况下，农业绿色生产率的提高压力较大，也侧面表明环境问题一定程度上是一个发展问题。进一步对比图2 和图3 可知，图2 表示的是各市2007—2017 年的农业绿色生产率变化指数，该图显示珠三角地区除中山、东莞和珠海外，其余地区农业GTFP 相较于粤东西北的部分地区较低，而从图3 可以看出，珠三角地区的农业绿色生产率相较于其他地区较高，可见，广东省内除了珠三角与粤东、粤西和粤北地区存在区域差异外，珠三角内部地区差异也较明显，粤东、粤西、粤北各个区域内部自身也存在明显地区差异。

图2 广东省各市2007—2017 年农业GTFP 指数均值Fig.2 Average value of agricultural GTFP index of various cities in Guangdong Province from 2007 to 2017

图3 广东省2008—2017 年各区域农业GTFP 指数变化Fig.3 Changes of regional agricultural GTFP index in Guangdong Province from 2008 to 2017

进一步对珠三角、粤东、粤西、粤北地区农业绿色生产率的增长源泉进行分析，从技术变化、纯技术效率和规模效率中分析各区域导致农业GTFP 指数变化的动力源泉，探究各地区之间的差异。从表6 可以看出，广东省内珠三角、粤东、粤西、粤北4个地区农业绿色全要素生产率的动力源泉存在着一定的共同性，表现在各地区的技术进步（TECH）指数均值都高于技术效率（EFFCH）指数均值，即各地区农业GTFP 增长都主要依靠于技术进步和技术改进，而技术效率本身所做的贡献较低。这也说明了“科学技术是第一生产力”在农业上也是成立的，近年来在农业科学上取得的成果以及科学技术在农业上的应用，以及大型机械等现代化农业要素在农业上的投入对农业的综合生产能力起到了较大的促进作用。而对各区域的EFFCH 的进一步分解可以看出，各地区的规模效率指数（SEEC）均值均大于1，说明在将环境因素纳入到农业全要素生产率的评价指标体系中时，各地区的农业投入和产出正呈现出规模递增的阶段，应该进一步加大各要素投入，与此同时，要注重改善和提高农业要素投入的配置效率和管理效率。

表6 广东省2008—2017 年各区域农业GTFP 增长及其分解Table 6 Regional agricultural GTFP growth and its decomposition in Guangdong Province from 2008 to 2017

3 结论与建议

3.1 基本结论

本研究利用广东省20 个市（除深圳市）2007—2017 年的农业投入和产出面板数据，利用包络分析方法中考虑了非期望产出的非径向非角度的方向性距离函数SBM-DDF 评价方法，并将其与Luenberger 指数相结合，以考察被评价单元农业绿色全要素生产率的静态特征和动态演变趋势，并对该指数进行分解，寻找广东省农业绿色全要素生产率的增长源泉。在此基础上，我们将广东省分为珠三角、粤东、粤西和粤北4 个区域进行对比分析，得出以下结论：

（1）广东省农业绿色全要素生产率总体呈现上升趋势，上升的主要动力源泉来自于技术进步带来的效率提高，而技术效率或者说纯技术效率的改进带来的影响较小。但需要注意的是，广东省农业绿色全要素生产率的增长速度呈下降趋势，在目前强调高质量发展的背景下以及在环境约束的条件下，广东省农业绿色全要素生产率的增长面临较大压力。

（2）广东省区域内存在较大的差异，就农业绿色全要素生产率而言，珠三角表现最好，粤北第二、粤东第三，粤西最低。而且可以看出，四大区域之间的差异，除珠三角区域要明显高于其他3 个区域外，粤东、粤西和粤北之间的差异并不大，因此本文认为环境问题在一定程度上还是一个发展问题，农业作为第一产业，同样受限于地区发展程度。

（3）通过对广东省内四大区域间总体对比和四大区域内部城市农业绿色全要素生产率相互对比进一步发现，不仅在区域之间存在差异，各区域内部各省市也存在较大差异。但是各总体特征表现与全省一致，即农业全要素生产率均呈上升趋势，而且主要动力源泉都来自于技术进步，但是增长速度也都呈现下降趋势。

3.2 对策建议

（1）坚持新发展理念，优化制度创新。实现农业绿色发展是实现《中共中央 国务院关于全面推进乡村振兴加快农业农村现代化的意见》目标的基础，是实现农业高质量发展的重要内容。应 始终坚持“五位一体”总体布局的战略目标，贯彻乡村振兴方针，落实中央“绿色”发展理念，注重环境因素对农业带来的约束，切实推进化肥和农药使用量负增长行动，发挥改革前沿阵地的带头先锋表率作用，将低碳可持续的绿色农业发展模式进行到底。同时，要加大制度创新，提高农业技术效率，深化农村集体产权制度改革，切实做好农村土地“三权分置”工作，通过推进家庭农场、农业生产合作社等方式适度规模经营，优化农业资源配置，为农业绿色全要素生产率增长消除制度性障碍，提供制度支撑。

（2）转变农业生产经营方式，多方面促进农业绿色科技进步。本文研究表明科学技术的进步和应用对农业绿色全要素生产率具有重要影响，但广东省农业绿色技术效率的增长乏力阻滞了农业绿色全要素生产率的增长，即现有的农业绿色技术不能够被充分合理利用。因此 应加快农业绿色技术科技化、现代化水平，农业的脆弱性和风险性表明其需要财政的支持与保障，一是要加大农业领域科技研发财政支持力度，完善农机购置补贴政策，抓住新基建建设机遇，推动农业技术进步；二是建立农业人才培养和引进制度，提高科技成果转化应用率，加大对农业生产者的技术指导力度，突破广东省农业绿色全要素生产率的增长压力；三是要因地制宜，加强培育优质、高效、适宜机械化轻简化作业的农作物新品种，研发推广适宜山区丘陵地带使用作业的农业机具，推动粤东西北地区水稻、马铃薯等主要农作物生产的机械化程度。

（3）落实区域协调发展战略，发挥集聚放大效应。一是要充分发挥珠三角地区示范带头作用，可通过经验分享会、技术交流会、实地指导等多种形式促进区域间技术共享；二是农业绿色全要素生产率较低的地区应加强与“前沿地区”，即珠三角地区的交流与合作，通过引进先进农业技术和管理经验、管理人才，逐步缩小差距，推进农业绿色区域协调发展。