低碳视角下陕西省粮食生产率评价及影响因素研究——基于Malmquist-Luenberger 指数模型

尚 丽

（陕西财经职业技术学院经济与金融学院，陕西 咸阳 712000）

1992 年联合国政府间谈判委员会制定并通过了《联合国气候变化框架公约》，旨在将大气中的温室气体含量稳定在一定水平，1997 年在《京都议定书》中规定了具体的减排任务与措施。中国共产党十九届五中全会进一步提出要保障粮食安全，提高农业质量效益和竞争力，同时要广泛形成绿色生产生活方式。但目前陕西省粮食生产正呈现“高污染、高排放、高投入、高产出”的趋势，问题也随之而来。在低碳经济视角下，陕西省粮食生产率处于什么水平，影响陕西省粮食低碳生产率的关键因素又是什么，陕西省粮食生产如何尽快适应低碳经济的深刻变革。这些问题将是制约陕西省经济社会发展未来走向的关键问题，同时也决定了陕西省能否抓住机遇实现低碳农业。

粮食低碳生产已经引起许多国内外学者的关注。如Ma 等［1］定量分析了河南省可持续粮食安全的现状，研究表明河南省粮食生产能耗和农业人口比重较大，农产品深加工水平有限，并在此基础上，提出了可持续食品安全的建议，如发展节水农业、减少农业能源消耗等。Carlos 等［2］以低碳农业缓解全球气候变化并促进粮食安全为选题进行研究，研究表明低碳农业的采用可以每年增加17.6 百万t 的食品和1.6 百万t 的肉。肖红波等［3］采用数据包络分析模型结合Malmquist 指数，测算了10 年来中国粮食综合技术效率和全要素生产率的变化，揭示了中国粮食生产增长的源泉及存在的问题。杨璐嘉［4］测算和分析了考虑碳排放因素下的中国13 个粮食主产区2002—2011 年农业全要素生产率，发现中国目前粮食主产区的农业生产方式仍然简单粗放。刘其涛［5］基于低碳经济视角，分析了2001—2012 年考虑碳排放因素下中国除了香港、澳门、台湾、西藏以外的30 个省（市、区）的粮食全要素生产率及其分解，结果表明，是否考虑碳排放因素对粮食全要素生产率的核算结果具有显著影响。林思辰等［6］运用DEA-Malmquist 指数模型，分别从时间和空间视角对2009—2018 年中部地区6 省粮食全要素生产率及其分解进行了动态分析，研究结果表明，时间和空间视角下粮食全要素生产率差异明显。

综上，可以发现已有一些文献开始从低碳经济视角测算中国粮食全要素生产率，不少观点分析深刻、颇有见地、影响深远，这些研究成果为进一步研究打下了坚实的基础。但从整体上看，还存在以下不足：①绝大多数文献都是从国家层面研究，而单独以省域作为研究对象分析低碳视角下粮食生产率的文献很少。②绝大多数文献在考虑“坏产出”时选择“面源污染物”指标者较多，而鲜有文献考虑粮食生产过程中产生的二氧化碳排放。总之，从单独省域角度分析粮食生产率及其影响因素，以期推进低碳农业的践行，目前在国内尚属一个刚刚开始的领域。无论是从概念到理论，还是从理论到实践，建立低碳农业在政府经济管理中的应用都处于起步阶段。

因此，本研究基于低碳经济视角，以单独省域为切入点，将陕西省这一粮食生产大省作为研究对象，将“坏产出”（CO2排放总量）纳入分析框架，运用Malmquist-Luenberger 指数法测算陕西省2010—2019 年粮食生产率，并在此基础上构建多元回归模型分析低碳视角下陕西省粮食生产率的影响因素，这不仅对保障陕西省粮食安全具有较为深刻的理论意义与现实意义，更为陕西省践行“低碳农业”理念提供了替代性分析框架。

1 Malmquist-Luenberger 生产率指数的构造

Chung 等［7］将包含“坏产出”的方向性距离函数应用于Malmquist 模型，将最终得出的Malmquist 指数命名为Malmquist-Luenberger 指数。Malmquist-Luenberger 指数模型克服了传统生产前沿面方法产生“技术退步”假象的测算失误，将环境因素纳入粮食生产率分析框架，该方法肯定了技术引进与传承的积累性，在构造生产率测算基准时，充分考虑当期及以前历史所有可行技术水平，使得生产率测算与影响因素分解的结果更具代表性。具体模型构建如下。

式中，β表示产出组合(y,b)，指沿方向向量g能同时扩大和缩小的最大比例，β≥0，y代表“好产出”，b代表“坏产出”。值得说明的是，当β= 0 时，表示该决策单元（DMU）为“最佳实践者”，否则其处于生产前沿面内部，且该值越大则离P(x)前沿边界越远［8］。

在此基础上构建Malmquist-Luenberger（ML）t到t+1 期粮食全要素生产率指数为：

对式（2）进一步分解，分解结果如下：

式中，MLEFCH t+1t表示技术效率指数，MLTECH t+1t表示技术进步率指数。

Malmquist-Luenberger 指数分解判断标准如表1所示。

表1 Malmquist-Luenberger 指数分解判断标准

2 变量界定及数据处理

2.1 研究对象选取

时间跨度：本研究以2010—2019 年为研究期，来分析陕西省近10 年的粮食生产率水平。

决策单元（DMU）的确定与处理：考虑到数据的可获得性和准确性，本研究剔除了香港、台湾、澳门3 个省级行政区，最终形成了31 个决策单元（DMU）。

2.2 数据来源及数据说明

本研究选择2010—2019 年全国31 个省的粮食投入产出数据（由于数据查阅的约束性，部分2019年数据根据2010—2018 年指标数据年平均增长率测算而来）。数据主要来源于2010—2019 年《中国统计年鉴》《中国农村统计年鉴》《各省统计年鉴》。从低碳视角分析中国粮食生产率，打破了传统DEA模型的分析思路，将非期望产出“二氧化碳排放量”纳入指标体系，研究陕西省粮食全要素生产率变化，确定的投入产出指标如表2 所示。

表2 粮食生产率评价投入产出指标体系

根据郭军华等［9］提出投入与产出之间应符合“同向性”假设，即当投入指标增加时，产出量应随之增加。本研究采用SPSS17.0 软件对所构建的投入产出指标进行皮尔逊相关性检验，检验结果如表3所示。由表3 可知，投入指标与产出指标间的皮尔逊相关系数均为正，且相关性较高。因此，本研究所构建的指标体系具有合理性。

表3 2010—2019 年中国31 省粮食生产投入与产出皮尔逊相关系数

2.3 数据处理

对于投入指标考虑到目前鲜有统计粮食要素总量的数据，故本研究拟采用国内外众多文献所提及的权重系数剥离法，欲从广义的农业数据中将粮食生产投入要素数据剥离出来。具体的剥离公式如下：

粮食生产化肥折纯量=

产出指标中的二氧化碳排放量指的是粮食碳排放量。一般来说，粮食碳排放量主要来源于化肥、灌溉、农业机械化、农膜、农药、翻耕等6 个方面。通过借鉴李波等［10］的研究确定各碳源的排放系数及数据来源，如表4 所示。

表4 农业碳源排放系数及数据来源

碳排放总量的估算公式如下：

式中，Ti代表第i类碳源的碳排放量，Ui为第i类农业碳源的使用量，Ci为第i类农业碳源的碳排放系数。

3 实证分析

3.1 陕西省粮食生产率分析

根据上述研究方法及相关统计数据，运用Max-DEA7.6 Pro 软件测算了低碳经济视角下陕西省Malmquist -Luenberger 生产率指数及其分解情况。为了更全面分析陕西省粮食全要素生产率水平及其分解情况，同时测算了2010—2019 年其他30 省的Malmquist-Luenberger 生产率指数及其分解情况，测算结果如表5 所示。

表5 2010—2019 年全国各省份年际平均粮食生产率指数及其分解

3.1.1 全要素生产率指数分析 2010—2019 年陕西省粮食全要素生产率年均增长率为0.1%，明显低于全国平均粮食生产率的年均增长率。同时陕西省作为粮食生产大省，2010—2019 年的粮食全要素生产率和13 大粮食主产区（黑龙江省、河南省、山东省、安徽省、四川省、河北省、内蒙古、江苏省、吉林省、湖南省、湖北省、江西省、辽宁省）的粮食生产率相比较位于倒数第二，与粮食全要素生产率最高的河南省相差0.8 个百分点，可见陕西省的粮食全要素生产率有待进一步提升。

3.1.2 技术进步率指数分析 陕西省的粮食技术进步率指数为1.015，说明2010—2019 年陕西省的粮食生产技术取得了一定进步，但和全国平均技术进步率相比仍明显偏低，在中国13 大粮食主产区中位于倒数第二。因此陕西省应增加低碳技术研发经费，同时加大低碳生产技术转化力度。

3.1.3 技术效率指数分析 陕西省的技术效率小于1，表明2010—2019 年陕西省粮食生产出现了效率损失，与环境生产前沿面所示的最大可能相差较远，位于环境生产前沿面内部，对现有粮食生产技术的发挥程度偏低。同时由于技术效率是由纯技术效率和规模效率共同决定的，而陕西省的粮食生产技术效率小于1，进一步说明陕西省不仅应加强节能低碳生产技术的推广，同时应加大粮食种植规模以提升其粮食生产技术效率。此外，陕西省在粮食生产过程中应尽量减少对环境的污染、最大限度增加生产物资的使用效率，提升粮食生产技术效率，以确保陕西省粮食可持续生产。

综上所述，考虑环境要素制约条件时陕西省粮食全要素生产率整体呈增长趋势，但增长速度较其他省份偏低；粮食生产技术逐年进步，但进步步伐较慢；技术效率指数无效，生产要素利用率偏低。因此，陕西省尽快适应低碳经济发展，提升粮食生产效率迫在眉睫。

3.2 陕西省粮食低碳生产率的影响因素分析

依据上述分析结果深入探析粮食生产率的影响因素，本研究构建各指标与全要素生产率指数、技术进步率指数、技术效率指数之间的多元回归方程，具体模型如下：

式中，y代表产出变量全要素生产率指数、技术进步率指数、技术效率指数；α为常数项；

ri(i= 1,2,3…,13) 为回归系数，回归系数表示投入变量z每变动一单位时，y平均变动r单位。回归系数越大表示投入变量对产出变量y影响越大，正回归系数表示y随z的增大而增大，负回归系数表示y随z的增大而减小。z1为粮食从业总人数，z2为粮食作物播种面积（千hm2），z3为粮食生产农机总动力（万kW），z4为粮食生产化肥折纯量（万t），z5为粮食役畜总数量（万只），z6为粮食有效灌溉面积（千hm2），z7为粮食总产量（万t），z8为化肥碳排放（万t），z9为灌溉碳排放（万t），z10为农业机械碳排放（万t），z11为农膜碳排放（万t），z12为农药碳排放（万t），z13为翻耕碳排放（万t），ε为随机干扰项。

基于上述公式结合31 省2010—2019 年各指标原始数据，利用SPSS17.0 软件测试结果如表6 所示。

由表6 可知，从陕西省粮食全要素生产率回归系数看，粮食作物播种面积、粮食生产农机总动力、粮食役畜总数量、化肥碳排放、灌溉碳排放、农膜碳排放、翻耕碳排放与其呈正相关，说明每增加一单位此类指标，可以提升低碳经济下陕西省粮食全要素生产率；粮食从业总人数、粮食生产化肥折纯量、粮食有效灌溉面积、粮食总产量、农药碳排放、农业机械碳排放与其呈负相关，说明每减少一单位此类指标，可以提升低碳经济下陕西省粮食全要素生产率。其中正相关性最大的指标是粮食生产农机总动力，而负相关性最大的指标是农业机械碳排放，由此可见虽然提升粮食生产的机械化水平有利于粮食生产率的提升，但其排放的二氧化碳同时又制约粮食生产率。因此陕西省在提升粮食生产机械化水平的同时应加大低碳生产技术的研发力度，实现粮食增产和环境保护的双赢。

表6 各指标与全要素生产率、技术进步率、技术效率的回归系数

从陕西省粮食生产技术进步率回归系数看，粮食生产技术进步率指数与粮食生产农机总动力、粮食总产量、粮食有效灌溉面积呈正相关，且对其影响程度较大，说明在低碳经济下，每提升一单位上述指标投入均能在一定程度上提高相应单位的陕西省粮食生产技术进步率；粮食作物播种面积、农业机械碳排放、灌溉碳排放对粮食生产技术进步率指数负向影响较为明显，说明在低碳经济下，每降低一单位上述指标投入均能在一定程度上提高相应单位的陕西省粮食生产技术进步率。2010—2019 年陕西省粮食作物播种面积变化趋势如图1 所示。由图1 可知，2016 年以来陕西省的粮食播种面积呈下降趋势，并未制约粮食生产技术进步率的提升，而由表6 可知，陕西省的平均粮食生产农机总动力、粮食总产量、粮食有效灌溉面积在31 省中排名均比较靠后。但增加农机总动力、粮食总产量、有效灌溉面积势必会引发碳排放量。因此，陕西省应加强低碳科技成果转化，提升农民的低碳生产意识，构建低碳科技推广创新体系。

图1 陕西省粮食作物播种面积变化趋势

从陕西省粮食技术效率回归系数看，对其正向影响较明显的指标有粮食作物播种面积、粮食生产农机总动力、灌溉碳排放，其中灌溉碳排放量对粮食生产全要素正向影响的溯源应是增加有效灌溉面积，而陕西省自2016 年以来，其粮食有效灌溉面积下降趋势明显。因此，陕西省应注重低碳科技创新，大力发展水利灌溉事业，开发和推广使用节水灌溉设施，确保有效灌溉面积的同时降低碳排放量。

4 小结及建议

4.1 小结

本研究通过构建Malmquist- Luenberger 指数法测算了陕西省2010—2019 年的粮食生产率，将测算结果与全国其他30 个省份2010—2019 年粮食生产率进行对比分析，并利用多元回归模型对粮食生产率影响因素进行分解，研究得出以下结论。

1）低碳经济视角下，2010—2019 年陕西省粮食全要素生产率指数和技术进步率指数分别为1.010和1.015，虽呈增长趋势，但与中国13 大粮食主产区相比增长速度缓慢。

2）低碳经济视角下，2010—2019 年陕西省粮食生产技术效率指数为0.995，技术效率无效。

3）粮食作物播种面积、粮食生产农机总动力、灌溉碳排放对粮食生产技术效率具有显著正向影响，而粮食有效灌溉面积、粮食总产量、农业机械碳排放对其负向影响程度较为明显；对陕西省粮食生产技术进步率正向和负向影响程度最大的指标分别是粮食生产农机总动力和粮食作物播种面积；对陕西省粮食全要素生产率影响最显著的是粮食生产农机总动力和农业机械碳排放，回归系数分别为6.489 和

-5.316。

4.2 建议

在提倡绿色生产生活方式的背景下，结合以上研究结论，为保证陕西省粮食生产的可持续性和有效性，提出以下建议。

1）重视低碳农业科技发展。低碳农业是未来农业生产的必经之路，是未来粮食生产的主流趋势。低碳农业发展模式对于农业供给侧结构性改革具有重大现实意义，陕西省地方政府应加强低碳农业技术构建与推广，建立科技发展的长效机制；同时构建基层低碳科技政策的落实与实施监督体系，将地方政府是否落实低碳科技政策与其科技考核、党政领导任用标准等挂钩；此外，历史原因和体质原因虽会影响全要素生产率变动对经济增长率的贡献份额，但最直接的原因在于科技研发经费的投入力度。从表7 可知，陕西省虽在逐步加大科研经费投入，但增加速度较慢，年均增长率仅有11.69%，在其生产总值中所占比重年均增长率仅有0.07%，且历年科研投入经费占全国科研经费的比重有逐年下降的趋势。因此，陕西省要顺利实现低碳转型，践行低碳农业，势必要加大低碳科研经费投入，制定详尽的低碳科技资金投入计划，确保全省各地能够积极主动地配套低碳科技研发资金。

表7 2010—2019 年陕西省科研经费统计

2）加大低碳科技成果转化。陕西省应继续在低碳农业科技创新与成果转化方面持续发力，结合农民生产需求，建立较为成熟的成果转化管理机制，全力实践从实际需要、技术孵化、产品开发及试点应用，到成果转化及量产的全链条管理理念，以提升低碳科技成果转化率［13］。据统计陕西省2010—2019年第一产业科技成果转化总数年均增长率为50.1%，科技成果相较发达省份仍偏低。因此陕西省要加大低碳科技成果转化率，一方面应增加低碳科技成果总数；另一方面应鼓励农民采用新型低碳技术进行粮食生产，例如通过利益联结机制发挥激励效应，引导农民发展低碳农业来实现增收。首先可以构建“企业-碳交易机构-农村专业合作组织-农户”碳交易机制，农民可将碳减排量通过碳交易平台向国内外企业销售，从而获得收益［14］。其次对农民低碳化生产、加工、销售的低碳农产品，为其创建区域低碳农业品牌，并颁发“绿色通行证”，以提升农产品的市场竞争力，进而使农民获利。

3）建立低碳农业科技推广创新体系。科研之魂在于成果的运用。首先，陕西省应建立低碳农业技术推广体系，依托农业信息技术，建立低碳农业资源共享平台，加大对现有低碳农业科研成果的宣传力度，促进低碳生产科技成果与粮食生产实际相结合，加速成果“生根开花”［15］。其次，陕西省可借助当地涉农院校的力量，引导农业企业与涉农大学间的校企合作，使得涉农大学的研究成果与农业企业直接对接，从而实现低碳农业科技技术的快速推广。此外，陕西省应尽快建立低碳农业科技示范基地，使其成为低碳农业科技成果转化推广的展示及辐射基地，从而有利于农民和农业企业降低推广难度和成本，有效解决了低碳农业技术供求脱节、农民对技术有效需求不足的问题。最后，陕西省还应继续加大研究管理力度，认真调研低碳科技成果推广运用中出现的难点、热点，及时调整出台有关推广应用的办法和措施以解决共性问题，从而防止科研成果束之高阁［15］。

4）建立科研人员保障机制。科研人员的积极性决定了科研成果的产出速度及质量。如何保证科研人员能够在充足的时间内完成高质量的科研成果是目前陕西省应考虑的重点问题。首先，陕西省应积极响应国务院提出的简化项目申报和过程管理，推行“材料一次报送”制度、制定统一检查计划、赋予科研单位经费使用自主权、开展赋予科研人员科技成果所有权或长期使用权试点等政策，从而调动科研人员的积极性和主动性。其次，应结合项目研究实际给予充足的时间和资金保障，进而确保科研成果按质按时完成。此外，应尊重科研人员的主体地位，加大对科研人员的培训力度，可定期组织科研人员外出进修学习，以提升科研人员的综合素质。

5）培养农民低碳生产意识。农民较强的低碳意识有助于加大低碳成果的转化力度、推进低碳农业的发展，进而提升陕西省粮食生产技术进步率。提升农民低碳生产意识的主要途径是宣传教育，具体实施的方法可以多样化。如政府可邀请低碳农业方面的专家定期为广大农民进行线上和线下低碳宣传教育，让农民了解低碳生产的优势，不断提高农民的科学文化素养，培养新型知识农民。同时可充分利用广播、电视、宣传车等多种形式向农民普及低碳农业、循环经济以及可持续发展观的思想，引导农民接受低碳农业，增强节能减排意识［16］。此外陕西省可成立农民培训监督机构，制定一套与农民培训相关的法律法规。首先，考核低碳培训的内容与当地实际生产情况及农产品结构吻合度；其次，应考核培训专家是否能够站在农民的角度上，是否以浅显易懂的方式进行宣传教育；最后，培训考核监督机构应定期统计农民所参与的低碳教育次数，通过询问、实践等方式测验农民的学习效果，并对学习积极性高且学习效果好的农民给予奖励补贴，以调动农民的学习主动性和积极性。