中國農業綠色全要素生產率測算

葛鵬飛 王頌吉 黃秀路

摘要

發展綠色農業需要準確而全面地掌握農業綠色發展現狀，因此測算農業綠色全要素生產率成為一項重要的基礎性研究工作?，F有文獻在投入產出指標選擇上未達成統一認識，尤其對于非期望產出指標的選擇爭議較大，因此影響測算結論的科學性。本文在綜合借鑒已有文獻的基礎上，依據中國農業的發展現實及統計數據的口徑資料，對農業的投入產出指標進行重塑，著重分析了碳排放作為非期望產出的現實基礎，利用基于SBM-DDF方法的Luenberger指數對2001—2015年中國31個省份的農業綠色全要素生產率進行測度，并分析其時空演變和收斂性。研究發現：①中國農業平均碳排放強度從2001年開始經歷了小幅上升期和平衡期，并在2006年之后呈現出顯著下降趨勢，中部農業碳排放強度最高，西部最低。②碳排放的無效率和機械動力投入的無效率是各省農業綠色無效率的主要來源；與東部相比，中西部勞動投入的無效率性顯著，尤其西部應該加快農業勞動力的轉移。③中國農業綠色TFP年均增長率為1.56%，增長率在東中西部依次遞減，在糧食主產區、主銷區和平衡區依次下降。④除糧食主銷區存在絕對β收斂外，全國、東中西部、其余糧食功能區均不存在絕對β收斂和σ收斂；但全國及各區域均存在顯著的條件β收斂。結論啟示，依靠提升綠色TFP來實現中國農業綠色發展尚有很大空間；農業綠色全要素生產率較低的省份應加強與“前沿省份”的交流與合作，通過引進先進農業生產技術和農業管理經驗，逐步縮小與“前沿省份”的差距；特別對于糧食主產區，各省份間呈現出明顯的兩極分化現象，這不利于糧食生產安全。

關鍵詞 綠色農業；農業綠色全要素生產率；SBM-DDF-Luenberger

中圖分類號 F326 文獻標識碼 A 文章編號 1002-2104（2018）05-0066-09 DOI：10.12062/cpre.20171010

發展綠色農業是實現農業可持續發展的必由之路，同時也是落實中央“綠色”發展理念和推進農業供給側結構性改革的題中之義。綠色農業是指合理運用先進技術、先進經驗，以促進農業生態安全、農業資源安全、農業產品安全為目標，實現農業綜合經濟效益提高和農業可持續發展的新型農業發展模式[1]。發展綠色農業可以有效解決農業資源的長期透支和過度開發問題，使農業由“高碳性”粗放式發展向綠色集約式發展轉型，加快農業現代化。由于中國各地農業資源稟賦不同，各地區的農業生產表現出顯著的差異性，掌握綠色農業發展現狀成為實現綠色農業的基礎。增長理論認為全要素生產率（TFP）是衡量經濟發展的核心指標，其增長差異是造成不同國家和地區間經濟差異的根本原因[2]。農業現代化在很大程度上就是TFP對農業經濟增長的貢獻度持續提升的過程[3]。但是，傳統的農業TFP核算基于要素投入和期望產出，對非期望產出不予考慮。隨著農藥、農膜、化肥、農用機械等現代農業生產資料使用量的不斷增加，在提高農業產出的同時，農業碳排放總量也與日俱增，導致農業呈現出“高碳性”。發展綠色農業需把環境資源約束納入分析框架，如果忽略農業生產所造成的環境代價，勢必扭曲農業綠色發展現狀，夸大農業綠色發展績效，提出誤導農業綠色發展的政策措施[4]。因此，對農業綠色發展現狀的分析，應在傳統農業TFP的理論基礎上納入環境資源約束，從而得到農業綠色TFP。農業綠色TFP是衡量農業綠色發展質量的核心指標，對農業綠色TFP進行科學的系統性分析，可以更好地評估中國綠色農業的發展現狀[5]。

有關中國農業綠色TFP的研究較少，但結論卻存在較大差異。一是核算出的農業綠色TFP增長率差別較大，較高的5.61%[6]與較低的0.44%[7]相差13倍；二是驅動力的分歧，是技術進步單獨驅動[6，8-9]，還是技術進步和技術效率雙重驅動[7，10]；三是空間分析結論不同，存在東中西地區依次遞減[10]，與東部最高、中部最低的不同結論[9]。

現有文獻之所以結論迥異，主要原因在于農業投入產出變量、樣本大小、研究起始時間的差異。在樣本選擇上，有學者剔除了直轄市和西藏，而有的則包括全部省級行政單位；有的選擇廣義農業，有的則以狹義農業為對象。基于DEA方法實現的綠色TFP測度，以各個樣本為生產決策單位，從而構建生產前沿面；樣本選擇的差異會構建出不同的生產前沿面，進而導致測算結果的不同。此外，已有文獻對投入產出指標的選擇也大不相同。根據經典的C-D生產函數，生產過程中的投入要素包括勞動力和資本。農業的資本投入難以衡量，因此學者們大都以物化資本表示資本要素投入。相比其他部門基本不變的要素投入，中國農業自改革開放以來的投入要素變化顯著，其中屬動力要素最為明顯，從人力畜力、半機械化向機械化逐步轉變。本文在綜合借鑒當前文獻的基礎上，依據中國農業發展現實，從投入產出指標甄選、樣本和研究時間選取、測算方法選擇三方面對測算前的基礎性工作進行改進，從而為更準確地測算中國農業綠色TFP的時空演進和收斂性打下基石。

中國人口·資源與環境 2018年 第5期

1 農業綠色TFP的測算基礎：指標重塑和方法選擇

1.1 爭議分析

現有文獻對農業綠色TFP測算的投入產出指標、研究起始時間和樣本范圍的選取存在差異。第一，測算農業綠色TFP的關鍵性投入產出變量尚未形成統一認識。①投入要素，有學者把農業生產中的投入要素理解為勞動、土地、機械、化肥、役畜、灌溉等，有的僅取勞動和機械動力。就農業用水，有的學者使用灌溉面積表示，有的直接使用農業用水量表示。隨著農業的發展，部分學者指出役畜不應該成為農業的投入要素，理由在于當前大型役畜更多體現在食用功能而非提供農業動力。另外，有學者認為農藥和農膜應作為投入要素。此外，文獻對同一投入變量存在多種計算方式，有學者用耕地面積來代表土地投入，其他則以播種總面積來代表，勞動力和機械動力等要素也存在上述類似問題。②期望產出，普遍使用農業總產值或農業增加值來表示，但也存在廣義農業和狹義農業的口徑之別。③非期望產出，非期望產出分為兩個方向。一個方向依據賴斯蕓等[11]和陳敏鵬等[12]的研究，認為農業污染主要指農田化肥、畜禽養殖、農田有機固體廢棄物和農村生活等產生的化學需氧量、總氮量和總磷量?；十a生的氮磷污染不存在爭議，但是其他方面是否被視作污染存在爭議。一是畜禽養殖產生的糞便長期被作為種植業的有機肥料，作污染物處理有待商榷。二是農作物秸稈被視作污染物存在爭議，對比賴斯蕓等[11]和陳敏鵬等[12]的研究，發現秸稈的化學需氧量的估算結果差異較大。對此陳敏鵬等[12]的解釋為，對農田有機固體廢物（秸稈等）的CODCr產污強度系數進行了重大調整。由此可見，農業秸稈的產污系數隨時間而變動，而且農作物秸稈產生CODCr的前提在于秸稈肥料的“直接棄置”。在農業機械化之前，秸稈長期作為農村主要的燃料來源，不存在棄置現象；在農業機械化之后，伴隨農民生活水平的提高及農村燃氣的推行，秸稈一般是在農田被焚燒或被二次利用，“直接棄置”的現象較少發生。因此，把秸稈作為農田有機固體廢物不合適，由此計算的CODCr污染也不合理。三是農村生活產生的廢棄物被界定為農業生產的污染物也不合理。人類生活必然產生污染物，不管在城市中還是在農村生活均是如此，生活產生的污染物被看作農業生產的污染物顯然不科學。依據不同的環境污染價值損失評估法，會得到不同的農業綠色TFP，當前對農業的環境污染價值評估方法需要進一步的探索，否則無法準確判斷農業綠色TFP的現狀[13]?；谏鲜鰡栴}，學術界根據IPCC的系列報告及氣候變化的現實，重新審視農業的非期望產出，并把農業生產過程中的碳排放作為非期望產出，這一思路在學術界的認可度不斷提升。

第二，樣本選擇存在時間和空間上的差異。①從時間維度看，農業投入產出隨著時間而變化顯著。例如，農業動力從依靠役畜動力到半機械動力，再到機械化動力不斷演進，而且不同時期的農業機械也不相同。②從空間維度看，樣本的空間選擇直接影響測算結果。有學者以全國31個省份為研究對象；有的則剔除西藏的數據；有的還剔除了直轄市和海南省的數據。對于DEA方法，一個樣本即為一個生產決策單元，不同樣本會構建出不同的生產前沿面，從而導致測算結果的差異。無理由地剔除原始樣本，會造成測算的“人為選擇”，影響結論的客觀性。既然研究中國農業的綠色TFP，應以除港、澳、臺以外全國所有省份為樣本進行測算。

1.2 指標重塑

依托現有文獻，本文基于農業綠色TFP理論和農業發展現實，對農業投入產出指標進行重塑。另外，由于狹義農業與林業、牧業、漁業對投入要素的需求不同，而且各產品生長周期差異很大?；谘芯磕康?，本文選取狹義農業作為研究對象。

第一，投入指標的選擇。本文選取勞動、土地、機械動力、化肥、農膜、農藥和農業用水作為投入要素。較已有文獻，本文剔除了役畜要素，把灌溉面積用農業用水量代替。因為，進入21世紀以后，中國農業的機械化進程顯著加快，直接導致大型役畜利用程度迅速下降，且用統計年鑒中“大牲畜”標度“役畜”，難以剔除部分牲畜的食用功能。農業的灌溉面積要素與土地投入顯著正相關，同時使用二者分別表示農業的土地投入和農業用水顯然不合理；而且，由于中國農業不同地區的耕作方式、作物種類差異性明顯，單位灌溉面積的用水權重不同，以灌溉面積表示農業用水，不能真正地反映水資源的投入量[14]。

第二，非期望產出的界定。選取農業的碳排放量作為非期望產出。IPCC認為使用碳排放作為農業生產的非期望產出是合理的，并且準確給出了農業生產中的碳源及其排放系數，排放源包括農田、耕作、畜禽養殖、化肥、農藥、機械動力等[15]。首先，碳排放是造成全球氣候變化的元兇，控溫減排已經成為全人類共同的目標，這與中國提倡的發展綠色低碳農業目標相一致。其次，碳排放中不包含氮、磷等營養物質，屬于“真正的污染物”，須對其產出進行控制。最后，農業生產中的各種污染，均可使用碳排放量進行代理。例如，農藥的過度使用引發的食品安全問題、化肥的過度使用造成的土地鹽堿化問題、不合理的耕作方式引發的土地肥力下降等問題，這些均為農業的非期望產出，但量化起來卻困難重重。如果換個角度使用代理變量進行度量，農藥、化肥和不合理的耕作均會產生大量的溫室氣體，以碳排放作為農業生產的非期望產出可以間接量化農業生產中的許多問題[15]。

第三，期望產出的選取。選擇農業增加值作為農業期望產出。當前研究中，對期望產出指標的選擇分為農業總產值和農業增加值兩種。使用總產值代表產出會受“中間消耗”的影響而不能反應真實產出。因此，使用增加值代表產出更加合理[14]。

1.3 樣本和研究時間選取

本文的研究樣本包括除港、澳、臺以外中國大陸31個省份，研究的時間范圍是2001—2015年。已有文獻均基于省域數據測算中國農業綠色TFP，有的學者認為西藏、海南和四個直轄市的數據存在異常，但查閱統計年鑒發現西藏、海南和四個直轄市的農業數據無明顯異常值，輕率剔除樣本會影響測算結論的客觀性，因此應把31個省都作為研究對象。在2000年以后中國農業機械化程度明顯加快，以牲畜為動力的農業生產逐漸退出，選擇2001年為研究起點，可以較為客觀地評判農業生產中的動力投入?；诖耍疚倪x擇研究的起始時間為2001年。

1.4 測算方法選擇

有關中國農業綠色TFP的研究，把非期望產出引入農業生產，均運用方向性距離函數（DDF）來實現[7-8，10]。然后，運用徑向的、角度的DEA方法計算DDF；但當投入過度或產出不足時，即投入或產出存在非零松馳時，角度的DEA效率測算會忽略投入或產出的某方面，而徑向的DEA效率測算結果則會高估DMU的效率，由此導致效率測算結果的偏誤。為克服這些缺陷，非徑向、非角度的基于松弛變量的SBM方向性距離函數（SBM-DDF）被引入[16]。在TFP測算和分解方法上，與Malmquist指數相比，Luenberger指數的測算結果更符合現實[17]。所以，本文使用基于SBM-DDF的Luenberger指數，測算中國農業綠色TFP；并將Luenberger指數分解為純技術效率（PTE）、純技術進步（PTP）、規模效率（SE）和技術規模（ST）[18]。

2 非期望產出：農業碳排放的計算與分析

借鑒IPCC[15]和李波等[19]的研究核算農業碳排放量，排放源包括化肥、農藥、農膜、柴油、翻耕、灌溉等。本文假設農作物在生長期內，通過光合作用吸收的碳量與死亡后以各種方式排放到大氣中的碳量相等，還假設農作物死亡后即完全腐爛，其含碳量全部釋放。雖然本期的農作物死亡經一定時期后，才會完全腐爛，但由于農業生產具有連續性，本期釋放的碳量也包含前期的作物，因此假設合理。

參考李波等[19]，基于各省碳排放量的測算結果，使用碳排放強度指標分析碳排放量和農業產值的關系，可初步掌握各省農業綠色發展的狀況。本文計算出中國各省農業從2001—2015年的碳排放強度走勢，如圖1所示。全國層面，農業平均碳排放強度從2001年開始，經歷了小幅上升期和平衡期，并在2006年之后呈現出顯著下降趨勢。區域層面，東中西地區農業碳排放強度走勢與全國平均水平基本一致，中部的農業碳排放強度最高，東部居中，西部最低。

3 農業綠色TFP的測算和時空變動分析

利用2001—2015年中國31個省的農業數據，以勞動力、土地、機械動力、化肥、農藥、農膜和農業用水為投入要

圖1 農業平均碳排放強度

Fig.1 Average agricultural carbon emission intensity

素，農業增加值為期望產出，碳排放為非期望產出，測算農業綠色TFP。

3.1 變量與數據說明

各投入變量的計算方法為：勞動力投入通過計算間接得出：農業從業人數=第一產業從業人數-林業從業人數-（全牧區從業人數+半牧區從業人數/2）-漁業從業人數。機械動力的處理方式同勞動力投入類似，農業機械總動力=第一產業機械總動力-林業機械動力-畜牧業機械動力-漁業機械動力。土地投入使用播種總面積來衡量?；?、農藥、農膜和農業用水等在統計年鑒中可直接得到。

本文使用的原始數據來自統計年鑒。其中，農業增加值取自《中國農村統計年鑒》，農業機械總動力、農作物播種總面積、農用化肥總施用量、第一產業從業人數均源于《中國統計年鑒》及各省的統計年鑒，林業從業人數來源于《中國林業統計年鑒》，牧業從業人數源于《中國畜牧業年鑒》，漁業從業人數源于《中國農業統計資料》。為剔除價格的影響，數據換算成以2001年為基期的不變價格。本研究不涉及香港、澳門、臺灣等省區。

3.2 中國農業的綠色無效率

基于SBM-DDF的Luenberger指數，利用Matlab7.0測算中國農業的綠色TFP。首先得到靜態的農業綠色無效率值，在此基礎上進一步得出農業綠色TFP的動態變動值。綠色無效率指實際投入產出變量集與有效生產邊界的差距。

表1報告了CRS假設下農業綠色無效率最高的5個省、全國以及東中西的無效率平均值。全國的農業綠色無效率值是0.116。從各指標來看，可以通過減少4.029%的碳排放、1.564%的機械動力投入、1.359%的農膜使用

量、1.024%的農藥量、1.019%的化肥施用量、0.995%的播種面積、0.846%的農業用水和0.715%的勞動投入達到農業生產的完全效率。分區域看，無效率值按中西東依次遞減；與東部相比，中西部勞動投入的無效率性顯著。綠色無效率排名前5位的省份依次是山西、甘肅、安徽、江

西、云南，碳排放和機械動力成為各省無效率的主要來源。

3.3 中國農業綠色TFP的時空變動

3.3.1 農業綠色TFP的時間演進

表2給出了2001—2015年中國農業綠色TFP及分解項的變動情況。從中發現，①農業綠色TFP整體呈增長態勢，年均增長率為1.560%，15年間累積增長24.032%。與其他研究相比，本文測算值較低，原因在于以往研究存在期望產出過高、非期望產出和投入要素數據過低的問題。例如，使用未剔除中間消耗品的總產值代表產出變量，會使產出值大于真實值。用僅包含農業的投入要素衡量第一產業的要素投入，忽略林業、漁業、牧業的投入要素，會使投入量小于真實值。如果不考慮非期望產出，或非期望產出估算不合理等，也會使結果出現差異。②農業的純技術進步年均增長率為1.469%，增長速度較快；技術規模年均增長0.248%，增長較為緩慢。③技術效率呈現緩慢下降，年均下降率0.016%；其中純技術效率年均下降0066%，規模效率年均下降0.092%，技術效率的緩慢下降是純技術效率和規模效率雙方面下降的合力結果。通過分析農業綠色TFP及其分解項，得出農業綠色TFP的增長主要依靠純技術進步和技術規模，這與中國農業推廣實施新的生產技術，逐步實現機械化生產密切相關。純技

術效率對綠色TFP的增長起到抑制作用，說明在一定技術條件下，相同投入要素所帶來的期望產出處于逐年減少的狀態。

3.3.2 農業綠色TFP的空間變動

考慮到不同省在農業發展和資源稟賦的差異性，表3報告了31個省份和不同區域的綠色TFP及其分解項的變動情況。

①省際層面。除上海、安徽、江西和西藏以外，其余省份的農業綠色TFP均有所增長。綠色TFP增長最高的省份為山東。純技術效率增長最高的是青海，大多省份的純技術效率均表現為零增長或下降。純技術進步增長最高的省份為黑龍江；除西藏和青海以外，其余各省的純技術

表1 CRS假設下中國農業綠色無效率及其分解均值

Tab.1 Green inefficiency and its decomposition in Chinas agriculture under CRS

進步均表現出增長。規模效率增長最高的省份為廣東，技術規模則為山東。

②區域層面。東中西地區的農業綠色TFP均為正，并依東中西遞減。東部的純技術進步和技術規模是農業綠色TFP增長的主要動力，雖然純技術效率對農業綠色TFP的促進作用非常微弱，但沒有產生拖累作用，規模效率存在一定的拖累作用。中部主要依靠純技術進步的增長，規模效率也發揮正向作用，但是純技術效率的拖累作用非常顯著，技術規模也起到抑制作用。對西部地區來說，純技術進步是主要推動力，其次為純技術效率，而規模效率和技術規模均有拖累作用?？傮w地，中部農業純技術進步最快，但在農業科技投入的同時，忽略了農業資源配置效率，并且使得技術規模向不變規模報酬技術移動。西部有著最高的純技術效率，說明西部在對農業資源優化配置方面提升較快。東部農業有著最高的技術規模，說明東部在技術進步的同時，技術規模也偏離規模報酬不同時的技術。

③糧食功能區。從農業產業出發，把農業劃分為糧食主產區、糧食主銷區和糧食平衡區，分析糧食功能區的農業綠色TFP變動情況。主產區年均增長率為1.681%，大于主銷區和平衡區，說明主產區作為中國農業生產的主要基地，不僅有資源稟賦上的優勢，也有著農業綠色生產率上的優勢。從省域層面，主產區內各省的農業綠色TFP差異顯著，江蘇、河南、吉林、四川、內蒙古、安徽和江西的年均增長率在全國處于下游水平，這些省份今后需加快提升農業綠色TFP。從分解項看，主產區有著最高的純技術進

表2 中國農業綠色TFP的時間演進

Tab.2 Agricultural green TFP evolution in China

步和規模效率，主銷區技術規模最高，而平衡區有著最高的純技術效率。

4 農業綠色TFP的收斂性分析

中國農業綠色TFP表現出顯著的地區差異，那么差異會持續擴大，還是會逐漸收斂？分析收斂性可以更好地制

表3 中國農業綠色TFP的空間變動

Tab.3 Spatial variation for Chinas agricultural green TFP

圖2 中國農業綠色TFP累積增長率的σ收斂

Fig.2 σ convergence for cumulative growth rate of Chinas agricultural green TFP

定農業政策，有利于整體農業的綠色發展。本文先對農業綠色TFP進行絕對收斂檢驗，分析全國及分地區的差異是否會隨著時間推移自動消失。然后，進行條件收斂檢驗，分析全國及分地區農業綠色TFP是否會根據各自特定條件而收斂。檢驗方法為絕對β收斂、σ收斂、條件β收斂。絕對β收斂指落后地區比發達地區增長得更快；σ收斂指不同地區產出水平的方差在不斷縮小，用以描述特定區域內某一變量值的差異程度。條件β收斂指各區域的農業綠色TFP會收斂于自身的穩態水平。

4.1 農業綠色TFP的絕對收斂檢驗

4.1.1 農業綠色TFP的絕對β收斂

絕對β收斂意味著落后地區比發達地區有著更快的增長率，用來描述農業綠色TFP的增長率與初始水平之間的負相關關系。參考Barro和Martin[20]的檢驗模型：

1Tln（GTFPitGTFPi0）=α+βlnGTFPi0+u（1）

為消除農業生產波動對收斂性的影響，把考察期一分為二，并對前7年（2001—2007）和后8年（2008—2015）分別求平均數。前7年的平均數作為基期的TFP，后8年的平均數作為末期的TFP，因為基期和末期相差8年，所以T=8。利用OLS對上式進行估計，結果見表4。除主銷區的β值顯著為負以外，其余各回歸結果的β值均顯著為正，說明農業綠色TFP在全國、東中西、糧食主產區和糧食平衡區均不存在絕對β收斂，只有糧食主銷區有著絕對β收斂。表明除糧食主銷區以外，各地區內農業綠色TFP表現出顯著的差異性。

4.1.2 農業綠色TFP的σ收斂

假設不同地區農業綠色TFP的方差不斷縮小，則認為這些地區的農業綠色TFP存在σ收斂。根據σ收斂的定義，如果σt+T<σt認為研究樣本存在收斂，反之則發散。

σt=1N∑Ni=1[GTFPi（t）-（1N∑Nj=1GTFPj（t））]21/2（2）

圖2展示了全國和各地區σt的值?？梢钥闯觯r業綠色TFP的累積增長率并未隨時間變化而出現收斂性，而呈現出顯著的發散性。全國和東中西地區的發散性趨勢基本一致，全國的σ值從2002年的0.045增長到2015年的0.213，東部的σ值從0.049增長到0.226，中部的σ值從0.052提高到0.181，西部的變化為0.035到0.197。就東中西之間的TFP累積增長率來說（圖2B），東部/全國、中部/全國和西部/全國雖然大致上都在1左右徘徊，但西部/全國的值基本都處于1以下，呈現出逐步偏離1的微弱趨勢，而東部/全國、中部/全國則始終在1上下波動。時間上，2002—2005年三大地區差距較大，隨后差距逐步縮小，2006—2011年東中西基本與全國整體走勢相同。

相比全國與東中西地區的收斂性走勢，各糧食功能區在斂散性上表現出更大的差異化。在樣本期內，主產區的收斂值從0.042增長到0.254，平衡區從0.038增長到0.198，主銷區則從0.052增長到0.132。農業綠色TFP累積增長率在主產區和平衡區呈現出顯著的發散特性，而在主銷區則表現出較弱的發散特征。主產區的發散性最強烈，說明在主產區內，各省的農業綠色TFP增長差距非常大。根據圖2（D），主產區在2002年時其斂散性與全國一致，隨著時間的推移，其發散性與全國發散性之間的偏離越來越大。

4.2 農業綠色TFP的條件收斂檢驗

使用面板數據的雙向固定效應模型進行條件β收斂檢驗。選取的控制變量為：①耕地質量（CLQ），使用有效灌溉面積占耕地面積的比重；②第一產業內結構（FIS）為農業增加值占第一產業增加值的比重；③農業戶籍比重（RS）是農業戶籍人口的比例；④經濟發展水平（ED）使用人均GDP并求自然對數表示；⑤產業結構（IS）為第二產業與GDP比值；⑥交通便利度（TC），利用公路里程和鐵路里程之和除以地區面積表示。

ln（GTFPitGTFPit-1）=α+βlnGTFPit-1+1CLQit+2FISit+3RSit+4EDit+5ISit+6TCit+u（3）

如果式（3）中β顯著為負則表明存在條件β收斂。估計結果如表5所示。在控制一系列的變量后發現，全國和各區域農業綠色TFP都存在明顯的條件β收斂。

5 結論與政策含義

發展綠色低碳農業是實現農業可持續發展的必由之路，合理地評價農業綠色發展現狀成為一項重要工作，需要科學系統地對農業綠色TFP進行測算。本文通過梳理有關農業TFP的測算爭議，結合中國農業生產實際，在理論與現實的基礎上，對農業投入產出指標進行重塑，以農業增加值為期望產出，農業的碳排放為非期望產出，勞動力、土地、機械動力、化肥、農藥、農膜以及農業用水為投

入；在計算農業碳排放量以后，基于SBM-DDF的Luenberger指數，測算中國31個省2001—2015年的農業綠色TFP，并分析其時空變動和收斂性。主要結論如下：①中國農業平均碳排放強度從2001年開始經歷了小幅上升期和平衡期，并在2006年之后呈現出顯著下降趨勢，中部農業碳排放強度最高，西部最低；②中國農業的綠色無效率仍較為嚴重，碳排放和機械動力的無效率是各省無效率的主要來源；與東部相比，中西部勞動投入的無效率明顯。③中國農業綠色TFP年均增長1.560%，累積增長24.032%，其中純技術進步的貢獻度最高，純技術效率則有拖累作用。相比以往研究，本文認為中國農業綠色發展現狀不容樂觀，綠色發展速度較緩慢。④分區域看，東中西地區的農業綠色TFP依次下降；糧食主產區高于其他糧食功能區，糧食平衡區表現最差。⑤在收斂性上，除糧食主銷區存在絕對β收斂外，全國、東中西、糧食主產區和糧

表4 中國農業綠色TFP的絕對β收斂檢驗

Tab.4 Absolute β convergence test for Chinas agricultural green TFP

注：***、**、*分別表示統計值在1%、5%、10%的顯著性水平上顯著，括號內為t統計量。

表5 中國農業綠色TFP的條件β收斂檢驗

Tab.5 Conditional β convergence test for Chinas agricultural green TFP

注：***、**、*分別表示統計值在1%、5%、10%的顯著性水平上顯著，括號內為t統計量。

食平衡區均不存在絕對β收斂和σ收斂。但是，全國、東中西、各糧食功能區域均存在顯著地條件β收斂。

根據結論引申的政策含義如下：第一，要明確中國農業綠色發展較緩慢這一客觀事實，從“高碳性”的農業經濟發展模式向低碳可持續的綠色農業發展方式轉型任重道遠，需要穩中求進，不能操之過急。第二，依靠提升綠色TFP來實現中國農業綠色發展尚有很大空間。目前，中國農業綠色TFP的增長有著堅實的技術進步基礎，今后在保持技術進步推動的同時，一方面要注重技術效率的提升，實現農業資源的優化配置；另一方面要鼓勵農業土地流轉，逐步實現農業規模化經營，提高農業生產的規模效率。第三，中西部地區應通過提升農業綠色TFP來促進現代農業發展。當前中部地區農業技術效率較低，而西部地區農業技術進步滯后，中西部一些省份農業綠色TFP的低增長已成為制約農業發展的重要障礙。今后，中西部地區應加快轉移農業勞動力，提高勞動投入效率，并在技術進步和技術效率兩方面追趕農業發達地區，依托農業綠色TFP的提升來發展現代農業，助力全面建成小康社會。第四，農業綠色TFP增長較低的省份應加快向“前沿省份”收斂。目前除糧食主銷區外，其余地區農業綠色TFP均不存在絕對收斂性；尤其在糧食主產區內，各省份間呈現出明顯的兩極分化現象。農業綠色TFP較低的省份應加強與“前沿省份”的交流與合作，通過引進先進農業生產技術和管理經驗，逐步縮小差距。

（編輯：劉照勝）

參考文獻（References）

[1]胡雪萍， 董紅濤. 構建綠色農業投融資機制須破解的難題及路徑選擇[J]. 中國人口·資源與環境， 2015， 25（6）： 152-158. [HU Xueping， DONG Hongtao. Obstacles and path selection about the construction of green agricultural investment and financing mechanism[J]. China population， resources and environment， 2015， 25（6）： 152-158.]

[2]HALL R E， JONES C I. Why do some countries produce so much more output per worker than others？[J]. The quarterly journal of economics， 1999， 114（1）： 83-116.

[3]COELLI T J， RAO D S. Total factor productivity growth in agriculture： a Malmquist index analysis of 93 countries， 1980-2000[J]. Agricultural economics， 2005， 32（s1）： 115-134.

[4]HAILU A， VEEMAN T S. Environmentally sensitive productivity analysis of the Canadian pulp and paper industry， 1959-1994： an input distance function approach[J]. Journal of environmental economics and management， 2000， 40（3）： 251-274.

[5]張林， 冉光和， 藍震森. 碳排放約束與農業全要素生產率增長及分解[J]. 華南農業大學學報（社會科學版）， 2015（3）： 22-32. [ZHANG Lin， RAN Guanghe， LAN Zhensen. Growth and decomposition of agricultural total factor productivity in China under carbon emission constraints[J]. Journal of South China Agricultural University（social sciences edition）， 2015（3）： 22-32.]

[6]王奇， 王會， 陳海丹. 中國農業綠色全要素生產率變化研究：1992—2010年[J]. 經濟評論， 2012（5）： 24-33. [WANG Qi， WANG Hui， CHEN Haidan. A study on agricultural green TFP in China：1992-2010[J]. Economic review， 2012（5）： 24-33.]

[7]李谷成， 陳寧陸， 閔銳. 環境規制條件下中國農業全要素生產率增長與分解[J]. 中國人口·資源與環境， 2011， 21（11）： 153-160. [LI Gucheng， CHEN Ninglu， MIN Rui. Growth and sources of agricultural total factor productivity in China under environmental regulations[J]. China population， resources and environment， 2011， 21（11）： 153-160.]

[8]韓海彬， 趙麗芬. 環境約束下中國農業全要素生產率增長及收斂分析[J]. 中國人口·資源與環境， 2013， 23（3）： 70-76. [HAN Haibin， ZHAO Lifen. Growth and convergence of agricultural total factor productivity in China under environmental regulations[J]. China population， resources and environment， 2013， 23（3）： 70-76.]

[9]杜江， 王銳， 王新華. 環境全要素生產率與農業增長：基于DEA-GML指數與面板Tobit模型的兩階段分析[J]. 中國農村經濟， 2016（3）： 65-81. [DU Jiang， WANG Rui， WANG Xinhua. Environmental total factor productivity and agricultural growth： the two-stage analysis with DEA-GML index and panel tobit model[J]. Chinese rural economy， 2016（3）： 65-81.]

[10]潘丹， 應瑞瑤. 資源環境約束下的中國農業全要素生產率增長研究[J]. 資源科學， 2013， 35（7）： 1329-1338. [PAN Dan， YING Ruiyao. Agricultural total factor productivity growth in China under the binding of resource and environment[J]. Resources science， 2013， 35（7）： 1329-1338.]

[11]賴斯蕓， 杜鵬飛， 陳吉寧. 基于單元分析的非點源污染調查評估方法[J]. 清華大學學報（自然科學版）， 2004， 44（9）： 1184-1187. [LAI Siyun， DU Pengfei， CHEN Jining. Evaluation of non-point source pollution based on unit analysis[J]. Journal of Tsinghua University（science and technology）， 2004， 44（9）： 1184-1187.]

[12]陳敏鵬， 陳吉寧， 賴斯蕓. 中國農業和農村污染的清單分析與空間特征識別[J]. 中國環境科學， 2006， 26（6）： 751-755. [CHEN Minpeng， CHEN Jining， LAI Siyun. Inventory analysis and spatial distribution of Chinese agricultural and rural pollution[J]. China environmental science， 2006， 26（6）： 751-755.]

[13]薛建良， 李秉龍. 基于環境修正的中國農業全要素生產率度量[J]. 中國人口·資源與環境， 2011， 21（5）： 113-118. [XUE Jianliang， LI Binglong. Environmentlly-adjusted measurement of Chinas agricultural total factor productivity[J]. China population， resources and environment， 2011， 21（5）： 113-118.]

[14]高帆. 我國區域農業全要素生產率的演變趨勢與影響因素——基于省際面板數據的實證分析[J]. 數量經濟技術經濟研究， 2015（5）： 3-19. [GAO Fan. Evolution trend and internal mechanism of regional total factor productivity in Chinese agriculture[J]. The journal of quantitative & technical economics， 2015（5）： 3-19.]

[15]IPCC. Climate change 2007： mitigation： contribution of working group III to the fourth assessment report of the intergovernmental panel on climate change： summary for policymakers and technical summary[M]. Cambridge：Cambridge University Press， 2007.

[16]COOPER W W， SEIFORD L M， TONE K. Data envelopment analysis：a comprehensive text with models， applications， references and DEA-solver software[M]. Springer science & business media， 2006.

[17]BOUSSEMART J P， BRIEC W， KERSTENS K. Luenberger and malmquist productivity indices： theoretical comparisons and empirical illustration[J]. Bulletin of economic research， 2003， 55（4）： 391-405.

[18]GROSSKOPF S. Some remarks on productivity and its decompositions[J]. Journal of productivity analysis， 2003， 20（3）： 459-474.

[19]李波， 張俊飚， 李海鵬. 中國農業碳排放時空特征及影響因素分解[J]. 中國人口·資源與環境， 2011， 21（8）： 80-86. [LI Bo， ZHANG Junbiao， LI Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China[J]. China population， resources and environment， 2011， 21（8）： 80-86.]

[20]BARRO R， MARTIN X. Convergence[J]. Journal of political economy， 1992， 100（2）： 223-251.

Measurement for Chinas agricultural green TFP

GE Peng-fei1 WANG Song-ji2 HUANG Xiu-lu3

（1.College of Economics & Management，Northwest A & F University，Yangling Shannxi 712100，China；

2.School of Economics and Management， Northwest University， Xian Shannxi 710127， China；

3.Jinhe Center for Economic Research， Xian Jiaotong University， Xian Shannxi 710049， China）

Abstract

Developing green agriculture requires us to precisely and thoroughly grasp its current development situation， so it is an critical research to measure agricultural green TFP. Existed literature has no consensus on selection of input and output indices， especially undesirable output indices， thus affecting measurement effectiveness. Based on the reality of carbon emission as undesirable output， this paper reconstructs input and output indices for agricultural sector， applies SBM-DDF-Luenberger method to measure agricultural green TFP for Chinas 31 provinces during 2001-2015， and analyzes their temporal-spatial shifts and convergence. The paper has following research findings： ①Average carbon emission intensity experienced a slightly rising and stationary phase since 2001， while showing a significant decreasing trend after 2006， with the middle the highest and the west the lowest. ②Inefficiency of carbon emission and mechanical power is the main source of provincial agricultural green inefficiency. Particularly， labor inefficiency is more significant in the middle and the west than in the east. The west especially should speed up agricultural labor transfer. ③Chinas agricultural green TFP grows by 1.56% annually， and the growth rate decreases following the east， the middle and the west and following main grain producing areas， major selling areas and balancing areas. ④ Except that absolute β convergence exists in the main grain producing areas， absolute β and σ convergence are not observed nationally， regionally and in other grain functional areas， whereas conditional β convergence is significantly witnessed nationally and regionally. Results indicate that there is a large room to improve Chinas agricultural development by upgrading green TFP. Provinces with a lower agricultural green TFP should enhance communication and cooperation with frontier provinces， and gradually narrow the gap by introducing advanced agricultural production technology and management experience. This is especially crucial for the main grain producing areas due to remarkable provincial polarization which is detrimental to grain producing safety.

Key words green agriculture； agricultural green TFP； SBM-DDF-Luenberger

郝國彩，徐銀良，張曉萌，等.長江經濟帶城市綠色經濟績效的溢出效應及其分解[J].中國人口·資源與環境，2018，28（5）：75-83.[HAO Guocai，XU Yinliang，ZHANG Xiaomeng，et al.Spillover effect and decomposition of green economic performance of the city in the Yangtze River Economic Belt[J]. China population， resources and environment， 2018，28（5）：75-83.]