碳排放約束下的糧食主產區農業生產效率及其影響因素

劉俊輝， 曾福生

(湖南農業大學經濟學院，湖南長沙 410128

改革開放近40年來，我國農業生產條件逐步改善，生產效率快速提升，成功養活了13億多人口，并能滿足國民經濟持續增長的需求。我國農業綜合生產能力的提升得力于資源的投入及農業生產率的提高，同時生產能力的提升也付出了較大的環境代價，如電力、化石能源、化肥和農藥、農膜等使用量逐年增加，導致碳排放量不斷增長，因此農業碳排放形勢也越發嚴峻[1]。研究表明，我國農業源在全國溫室氣體排放總量中大約占17%[2]。我國政府在《聯合國氣候變化框架公約》中下達了新一輪碳減排目標。提升農業現代化水平及有效控制農業碳排放量，成為當前我國農業發展的必然選擇。糧食主產區作為我國的產糧基地，肩負著國家糧食安全的重任，同時統籌保供給、保安全、保生態的擔子也越來越重，迫切須要轉變農業發展方式。因糧食主產區各省之間資源稟賦、經濟社會環境和發展水平等要素差異，農業發展水平也不一致。因此，在考慮區域間技術集合差異的基礎上，將農業碳排放納入農業生產效率測算的范疇內，研究碳排放約束下糧食主產區農業生產效率及差異來源，有利于協調農業發展、資源利用與生態環境保護之間的矛盾，加快農業生產方式轉變及實現農業集約式發展，對發展低碳農業與提升農業整體生產效率具有重要的指導意義。

國外學者對農業生產效率的研究主要是針對農業生產效率測度及影響因素的分析。微觀視角是對農場和農戶的生產技術效率研究，如Battese等采用隨機前沿函數分析方法測算了印度農場的生產技術效率[3]。Lambert等從農場資本結構角度研究了美國農場的生產技術效率[4]。宏觀視角是對國家層面的農業生產技術效率的測定。如Wadud等采用隨機前沿函數法和數據包絡分析(data envelopment analysis，簡稱DEA)方法對比分析了孟加拉國的農場生產技術效率[5]。Armagan等采用曼奎斯特指數分解法分析了土耳其農業生產技術效率及其變動[6]。研究影響農業生產效率的因素，如Vicente研究發現，巴西農業生產中的土地和勞動力投入過多，氣候、土壤和灌溉條件反而是影響巴西農業生產技術效率進步的因素[7]。Asadullah等從土地所有權的角度分析了影響農業生產效率的因素[8]。從國內來看，部分學者對農業生產效率的研究給予了高度關注，研究范圍包括家庭、地區、國家層面，著力點是針對農業生產效率的測定、影響因素的分析等。在農業生產效率的測算中可分為不考慮環境因素約束下和考慮環境因素約束下的農業生產效率研究框架。在不考慮環境因素約束下的農業生產效率研究中，以DEA、隨機前沿生產函數等為主要測算方法，如朱繼東利用2016年調查數據采用DEA測算方法分析了河南省信陽市新型農業生產經營主體的生產效率[9]。熊鷹等通過三階段DEA測算了典型有機農業區域的生產效率[10-11]。田偉等通過隨機前沿生產函數模型對我國1998—2010年的農業技術效率進行了測定[12]。在考慮環境因素約束下農業生產效率的研究中，主要是將農業非合意產出作為非期望產出，納入農業生產效率測算中，如李谷成等將化肥、農業固定廢棄物、畜禽養殖、水產養殖等產生的化學需氧、總氮和總磷作為農業非期望產出測算農業生產效率[13]；田云等將農民在農業生產過程中產生的碳排放量納入測算農業生產效率的范圍[14]。環境約束下的農業生產效率測算方法以DEA為主，如陳紅等運用2步DEA方法測算了不同環境規制下糧食主產區的農業全要素效率[15]；王寶義等利用SBM-undesirable擴展模型測算了我國1993—2013年的農業生態效率[16]。沈能等基于不同的環境和技術，通過SBM方向性距離函數和共同前沿(Meta-frontier)效率函數分析農業生產效率[17]。其他方法如吳小慶等基于層次分析法(analytic hierarchy process，簡稱AHP)和DEA模型[18]及朱玉林等利用能值理論分析農業生態效率[19]。在影響農業生產效率因素的研究中，王寶義等認為，人均農業增加值、農業規?；健⑥r業受災率、農業機械化密度、農民家庭經營收入比、財政支農水平、工業化水平、區位等都會不同程度地影響農業生態效率[20]。李博等認為，造成我國農業生產效率差異關聯度最高的是產業結構的地區差異，其他因素由高到低依次排序為農業結構的地區差異、災害影響的地區差異、農村勞動者教育素質的地區差異、城市化水平的地區差異、城鄉收入比的地區差異[21]。

現有文獻雖然考慮了環境因素的影響，但將具有不同農業生產技術水平的地區置于相同技術水平下測算農業生產效率，有失偏頗。很多研究已表明，我國農業生產效率存在差異，但很少對差異來源進行區分。因此，在充分考慮區域間技術集合差異的基礎上，本研究基于SBM-undesirable和 Meta-frontier相結合的模型，將農業碳排放作為非期望產出納入農業生產效率測算體系中，從管理無效率和技術無效率2個維度區分農業生產效率的差異，并運用隨機效應的Tobit回歸模型分析環境變量對糧食主產區農業生產效率的影響，為發展低碳農業與提升農業整體生產效率提供決策參考。

1 方法與數據

1.1 研究方法

1.1.1 SBM-undesirable模型 早期SBM模型在處理非期望產出時是將非期望產出作為投入變量或者直接作為期望產出計算效率值，會導致效率值高估或無效率。Sarrico在前2種方法的基礎上提出了SBM-Undesirable模型[22]。

(1)

式中：ρ*為某個決策單元的效率值；帶下標0表示某個決策單元，r0表示待求的決策單元；X、Yg、Yb分別表示最優投入向量、最優期望產出向量、最優非期望產出向量；s-、sg、sb依次表示為投入松弛變量、期望產出松弛變量、非期望產出松弛變量。當s-=0、sg=0且sb=0時，即ρ*=1時，決策單元處在前沿面上，表明決策單元是有效的。當ρ*<1時，決策單元無效率，須要通過改進投入與產出數量使決策單元達到有效率的前沿面。

1.1.2 Meta-frontier模型 傳統DEA在研究各決策單元效率時，假定各決策單元具有相同的技術水平，未考慮各決策單元間存在著資源稟賦、經濟社會環境和發展水平的差異，導致無法準確衡量各決策單元的效率水平。Battese等針對此問題，提出了共同邊界生產函數(Meta-frontier production function)分析方法：首先依據一定的標準將各決策單元劃分為不同群組，采用隨機前沿法(stochastic frontier approach，簡稱SFA)估計不分組決策單元和分組決策單元的技術效率，通過比較共同前沿和群組前沿的技術效率值得到技術落差比率(meta-technology ratio，簡稱MTR)，然而此研究方法存在共同前沿無法包絡群組前沿的問題[23]；此后，O’Donnell擴展研究了此問題，采用DEA方法取代了SFA法，解決了上述問題[24]。

1.1.2.1 群組邊界與共同邊界 考慮到糧食主產區各省存在資源稟賦、經濟社會環境和發展水平差異而導致的生產技術異質性問題，將糧食主產區各省劃分為東北地區、東部地區、中西部地區3個群組，其中東北地區包括黑龍江省、遼寧省、吉林??；東部地區包括河北省、山東省、江蘇省；中西部地區包括河南省、安徽省、湖南省、湖北省、江西省、內蒙古自治區、四川省。根據Battese等的Meta-frontier模型，將農業碳排放作為非期望產出納入模型中，構建基于SBM-undesirable的共同邊界模型[23]。設投入和產出向量元素分別為x∈Rm，y∈Rn，則投入和產出的共同技術集合和生產可能性集分別為Tmeta={(x,y)：x≥0，y≥0；x可以生產y}和Pmeta(x)={y：(x,y)∈Tmeta}。共同技術效率(meta frontier efficiency，簡稱MTE)也等價于共同距離函數(Dmeta)：

(2)

式中：θ為參數。

同理，群組技術集合和生產可能性集分別為Tk={(x,y)：x≥0；y≥0；在群組k中x可生產y}和Pk(x)={y：(x,y)∈Tk}；故群組技術效率(group frontier efficiency，簡稱GTE)也等價于群組距離函數(Dk)：

(3)

式中：Dmeta和Dk通過共同前沿和群組前沿下的公式(2)、(3)中的SBM-undesirable模型測算得到。

1.1.2.2 共同技術比率和無效率 共同技術比率(meta technology ratio，簡稱MTR)用共同邊界技術水平與群組邊界技術水平比值表示，反映群組邊界技術水平與共同邊界技術水平的差距，即現實技術水平與潛在最優技術水平的差距。共同技術比率(MTR)表達式為

(4)

則MTE也等價于：MTE(x,y)=GTE(x,y)×MTR(x,y)。其中公式(4)中MTR越接近1，表示群組前沿技術水平越接近共同前沿技術水平，實際生產技術離潛在最優生產技術水平越近，故技術效率越高。

MTR雖能反映糧食主產區各省(自治區)之間實際農業生產效率與潛在農業生產效率的水平差距，但不能進一步判斷出糧食主產區各省(自治區)之間存在農業生產效率差距的原因，無法厘清是來自生產單元的管理缺失還是來源于技術水準相異的制度結構問題。因此參考Chiu等的方法[25]，將共同前沿下糧食主產區各省(自治區)農業生產無效率(inefficiency，簡稱IE)分解為技術差距無效率(technology inefficiency，簡稱TIE)與管理無效率(management inefficiency，簡稱MIE)。

IE=1-MTE=TIE+MIE；

(5)

TIE=GTE×(1-MTR)；

(6)

MIE=1-GTE。

(7)

TIE主要是由糧食主產區各省(自治區)之間生產技術差距導致的；MIE是由糧食主產區各省(自治區)內部管理無效率導致的。通過無效率分解可為提升碳排放約束下的農業生產效率提供共同而又有區別的政策依據。

1.2 數據與變量

根據上述研究方法，考慮到決策單元數量與投入及產出數量的關系和數據的可獲得性，選取2000—2016年糧食主產區各省(自治區)的相關數據進行分析，包含生產投入要素、期望產出及非期望產出原始數據(表1)。

表1 2000—2016年投入產出指標的描述性統計

(1)投入指標主要選取了農林牧副漁從業人員總數(萬人)、年末機械總動力(萬kW)、農業化肥使用量(萬t)、農作物播種面積(khm2)、有效灌溉面積(khm2)等5個投入指標，涵蓋了農業生產勞動力、土地、資本等三大要素。投入指標原始數據均來自歷年《中國農村統計年鑒》《中國統計年鑒》及糧食主產區各省(自治區)統計年鑒。(2)產出指標分為期望產出與非期望產出。期望產出選用農林牧副漁總產值(億元)作為產出變量，數據來源于歷年《中國農村統計年鑒》。非期望產出選用農業碳排放量(萬t)作為產出變量，農業碳排放來自于農業生產過程的非合意產出，包括化肥、農藥、農膜、柴油、農作物實際播種面積及有效灌溉面積，數據均來自于《中國農村統計年鑒》。農業碳排放估算公式為

E=∑Ei=∑Ti·δi。

(8)

式中：E為農業碳排放總量；Ei為各碳源的碳排放量；Ti為各碳排放源的排放量；δi為各碳排放源的碳排放系數。根據表2碳排放系數，可得碳排放總量。

2 結果與分析

2.1 共同技術效率和群組技術效率分析

根據SBM-undesirable和 Meta-frontier模型，測算出2000—2016年碳排放約束下共同前沿和群組前沿下的糧食主產區農業生產效率。從表3可知，東北地區平均MTE為0.871 0，距離潛在的最優技術水平相差13%，仍有一定的上升空間，其中效率最高的為遼寧省；東部地區平均MTE為0.792 9，距離潛在的最優技術水平相差21%，有較大的上升潛力，其中效率最高的為江蘇??；中西部地區平均MTE為0.782 4，與東部地區平均MTE相當，其中效率最高的為四川省。東北地區平均MTE和GTE值相差無幾，即MTR接近于1.000 0，說明東北地區農業生產技術水平較高，實際技術水平與最優技術水平比較接近。東部地區和中西部地區GTE明顯高于MTE，即東部地區和中西部地區的MTR相比東北地區較小，均值分別為 0.805 3、0.819 5，說明2地區的實際技術水平與最優技術水平有一定的差距。

表2 農業碳排放碳源、碳排放系數及參考來源

注：翻耕面積為當年農作物實際播種面積，灌溉面積為當年有效灌溉面積。

圖1進一步反映了2000—2016年共同前沿下糧食主產區農業生產效率的變化趨勢。在共同前沿下， 糧食主產區中東北地區農業生產效率整體呈上升趨勢；東部地區農業生產效率整體變化不大；中西部地區農業生產效率整體呈下降趨勢。2016年，糧食主產區農業生產效率從高到低排列依次為東北地區、東部地區、中西部地區，其值分別為0.885 2、0.820 6、0.747 2。2016年糧食主產區在共同前沿下的平均農業生產效率為0.817 7。

表3 共同前沿和群組前沿下糧食主產區各省(地區)農業的生產效率(2000—2016年)

圖2進一步反映了2000—2016年群組前沿下糧食主產區農業生產效率的變化趨勢。在群組前沿下，東北地區農業生產效率與圖1共同前沿下農業生產效率相差不大。東部地區農業生產效率較高，其次為中西部地區，都整體呈下降的趨勢，并都大于在共同前沿下的農業生產效率。2016年糧食主產區在群組前沿下的平均農業生產效率為 0.924 2。

2.2 共同技術比率分析

由表3可知，東北地區實際技術水平最接近潛在的最優技術水平，其次為中西部地區，最差為東部地區。在糧食主產區省(自治區)中，只有遼寧省、四川省的實際技術水平與潛在最優技術水平無差距；而河南省的實際技術水平與潛在最優技術水平差距最大。通過共同技術比率比較，還須進一步分析技術差距的來源，對農業生產無效率進行分解。

2.3 農業生產無效率分解

在共同前沿和群組前沿下糧食主產區農業生產效率均存在改進和提升的空間，為了進一步分析碳排放約束下糧食主產區農業生產無效率的來源，探究實際生產技術與潛在最優生產技術差距的內在原因，采用無效率分解的方法從TIE和MIE 2個方面進行分析。由表4可知，IE最小的地區為東北地區，其次東部地區，最后為中西部地區，分別為0.128 9、0.207 1、 0.217 6。從具體群組上看，東北地區IE主要來自MIE，所占比例為96.28%，因此在內部管理方面的提升的空間較大，須改進內部管理水平；東部地區及中西部地區IE主要來自TIE，所占比例分別為 92.05%、76.58%，因此須要提升地區農業生產技術水平。

表4 糧食主產區各省(區)農業生產無效率均值分解(2000—2016年)

3 影響因素分析

3.1 指標選取

影響農業生產效率的因素較多，本研究選用對農業生產效率產生影響但又不在樣本主觀可控范圍的環境變量，如國家的宏觀經濟環境、政府對農業發展的支持力度、人力資源因素和自然災害等變量。在宏觀經濟環境中，選取農村居民家庭人均純收入及城市化水平變量為研究指標。農村居民家庭人均純收入越高，對農業生產的積極性也越強，因此對農業生產投入的能力也越高，預期對農業生產效率有提升作用。農村居民家庭人均純收入數據來源于歷年《中國統計年鑒》，城市化水平用城鎮人口占總人口的比例表示。城市化對農業生產是一把雙刃劍，一方面為農業生產轉移過剩勞動力，為農業規?；洜I提供條件等；另一方面可能會引起農業生產人口過疏化、老齡化，導致休耕、棄耕及過度依賴化學品的投入等問題，因此城市化對農業生產效率不作預判。政府對農業發展的支持力度采用政府對農業的財政支出占當年總財政支出的比例表示；政府對農業的財政支出在農業的基礎設施建設、農技推廣等方面起著重要的作用，對農業生產效率提升有著顯著的作用；但農業生產取得的巨大成就在很大程度上是通過資源性投入，如化肥、農藥、農膜等化學品的投入，并以犧牲生態資源為代價實現的。因此，在碳排放約束下，可能會導致農業生產效率下降。在人力資源方面，用農村勞動力受教育狀況來衡量，但考慮到數據的可獲得性，用鄉村就業人口平均受教育年限(年)表示。根據歷年《中國人口與就業統計年鑒》中各地區鄉村6歲及6歲以上人口分為未上過學、小學、初中、高中和大專以上等5個層次，參考康繼軍等設定的權重為0、5、8、11、14.5年，計算出各地區鄉村就業人口平均受教育年限[30]。教育是形成人力資本的重要途徑，農村人力資本的積累使農民能掌握更多農業生產的知識與技能，在農業生產中會更加注重有效率與低污染的生產實踐，提升碳排放約束下的農業生產效率。在自然災害選用農作物受災面積占農作物實際播種面積比例表示，其數據經歷年《中國農村統計年鑒》計算所得。農業生產受自然災害的影響，在相同的投入條件下，農業生產效率會降低。

3.2 模型設定與實證分析

為了更好地解釋環境變量對共同前沿下糧食主產區農業生產效率的影響，將農村居民家庭人均純收入(ICM)、城鎮化率(URB)、財政支農比(FAC)、鄉村就業人口平均受教育年限(EDU)、受災面積比(DIS)作為解釋變量，共同前沿下的農業生產效率作為被解釋變量。為了消除量綱的影響，把農村居民家庭人均純收入(ICM)進行對數化處理，選用2段截尾的Tobit模型進行計量檢驗。在面板數據中，因固定效應Tobit模型估計量被證明是有偏的，學術界目前大多數采用隨機效應的Tobit模型。因共同前沿下糧食主產區各省(自治區)的農業生產效率值均在0.5～1.0之間，經處理為在50～100之間，所以隨機效應的Tobit模型左端在50處截取，右端在100處截取，回歸方程為

MTEit=β0+β1lnICMit+β2URBit+β3FACit+β4EDUit+β5DISit+εit。

(9)

式中：i表示某一地區；t表示年份；β0為常數項；β1～β5為共同前沿對應的解釋變量系數；ε為隨機誤差項。隨機效應的面板Tobit回歸結果見表5。

表5 共同前沿糧食主產區MTE影響因素回歸結果

注：***、**、*分別表示在1%、5%、10%水平上顯著。LnICM表示對ICM進行對數化處理。

從回歸結果(表5)上看，P值接近于0(表5中P值很小，保留4位小數)，回歸模型整體顯著，效果較好。Rho值在0.85以上，表明個體效應變化主要解釋了農業生產效率。從具體影響因素看，農村居民家庭人均純收入系數為正，且通過了5%的顯著性檢驗，說明農村居民家庭人均純收入增加，農業生產投入能力增強，有利于提升碳排放約束下的農業生產效率，與預期一致。城鎮化率為負，且在1%水平上顯著，說明在城市化進程中，對碳排放約束下的農業生產造成了負面影響，可能是城市化進程使農業生產投入要素減少，并且對農業生態環境效應有一定程度的破壞。財政支農比在碳排放約束下對農業生產效率造成了負向影響，但未通過顯著性檢驗，這不能說明政府增加對農業財政的支持，反而造成了農業生產效率的下降，而說明須改善政府財政支農結構，注重農業生產和生態環境效應的協調性，不能僅依靠資源性投入，犧牲環境來換取農業生產效率。鄉村就業人口平均受教育年限在5%水平上正向顯著，與預期一致，說明通過教育能顯著提升碳排放約束下的農業生產效率，同時注重農業生態環境效應。受災面積比在5%水平下負向顯著，說明自然災害對碳排放約束下的農業生產效率造成了不利影響。

4 結論與建議

基于SBM-undesirable和Meta-frontier相結合的模型，測算了碳排放約束下共同前沿和群組前沿下的糧食主產區各省(自治區)農業生產效率，以及共同邊界下東北地區、東部地區、中西部地區的共同技術比率。結果表明：(1)從碳排放約束下的農業生產效率變化趨勢看，共同前沿和群組前沿下糧食主產區農業生產效率均值變化不大，東北地區整體呈上升趨勢，中西部地區整體呈下降趨勢，東部地區整體較平穩。(2)碳排放約束下的糧食主產區三大群組在MTE上呈東北地區-東部地區-中西部地區依次遞減的格局；而在GTE上從高到低排序為東部、中西部、東北地區；在MTR上呈東北地區-中西部地區-東部地區依次排序的現狀。(3)通過分解碳排放約束下的農業生產無效率項發現，東北地區的農業生產無效率主要是來自于管理無效率，東部地區及中西部地區絕大部分來自于技術無效率。最后，本研究基于隨機效應的面板Tobit回歸模型分析了環境變量對碳排放約束下的共同前沿下糧食主產區農業生產效率的影響。研究表明，農村居民家庭人均純收入、鄉村就業人口平均受教育年限對碳排放約束下的農業生產效率提升有著顯著的正向作用，城市化水平及自然災害則相反。

鑒于以上結論，為增強農業綜合生產能力，提升農業生產效率和發展低碳農業，統籌資源節約、環境保護和經濟增長三者協調發展，提出以下政策建議：(1)實行差別化的地區農業發展政策，完善低碳農業立法工作與政策體系建設。糧食主產區各省(自治區)存在著資源環境、社會經濟水平等方面的差異，導致各地區實際農業生產效率存在差距，其原因有管理缺失或技術水準相異，須要因地制宜提升農業生產效率。東北地區中農業生產無效率主要是由管理缺失造成的，因此要提升地區的管理效率，從而充分挖掘地區內部潛力。東部地區及中西部地區的農業生產無效率主要是由農業生產技術水平落后導致的，須要學習和借鑒東北地區農業生產先進技術，提升農業生產效率。低碳農業的發展是統籌資源與環境協調發展的需要，有利于優化農業生產結構，提升農業生態效益，但低碳農業的相關法律、法規、條例比較滯后，農民環境生態意識薄弱，農業污染嚴重。低碳農業相關法律、法規、條例的制定可緩解當前農業碳排放形勢，改善農業生產格局。(2)優化農業生產力布局，實現農業經濟與資源環境協調發展。優化農業生產力布局，須要引導農業增產轉向提質的軌道上來，發展綠色、優質、特色、品牌農業。增產作為過去我國農業發展的目標之一，對保障人口大國糧食安全至關重要；但隨著我國農業綜合生產能力的提升，數量上已經不存在問題了，依靠犧牲資源和環境來獲取農業生產數量的增加已成為過去式，應在農業生產過程中應用新型農業生產技術和清潔環保技術，科學降低農藥、化肥、農膜等投入，提升資源的利用效率。根據地方農業實際情況，因地制宜發展各地區農業，建設一批具有示范作用的農業現代化產業園、農業科技園以及享有知名度的農產品品牌等。(3)優化政府財政支農結構，重點方向是改善農業薄弱環節和完善農業科技創新體系。政府財政支農在農業基礎建設、農業科研投入及推廣等方面發揮著重要作用，對提升農業生產效率有顯著的正向作用。但整體上財政支農水平不高，同時在結構上也存在一些問題，如相關部門環保意識薄弱、農業生產投入浪費、農業的盲目投資、支農政策只局限當前的情況未考慮長遠等。因此須要改進政府財政支農的項目組合，重點改善農業中的薄弱環節，大力推進農業基礎設施建設，如興修農田水利、完善田間節水設施等，增強農業抵御自然災害的能力。提升農業科技創新能力，須要增加農業科研投入，發揮好政府財政支農資金的帶頭作用，拓寬投資渠道，讓社會更多的資金注入農業科研中；其次要讓最新的科研成果在農業中得到有效的應用，為農業發展插上科技的翅膀。(4)加強農業知識和技能培訓，分類培育農業專業人才，完善農業人才梯隊。實證研究表明，農村勞動力受教育水平對農業生產有著長遠積極的影響，低碳農業的發展必須讓廣大農業工作者掌握低碳農業涉及的農業器具的使用和農業生產技術的應用。因為涉及到低碳農業相關的知識和技能培訓工作，須要普及和深化低碳農業知識，提升農業工作者在農業生產實踐中的生態環保意識，降低農業碳排放水平；推廣應用低碳農業生產技術，建立健全的在農業生產實踐中農民與科研人員及時有效的反饋機制，提升低碳農業生產效率?，F代農業的發展，離不開農業科技人員的支撐，因此，須要在廣大農業工作者中培育一批科技領軍人物及技術骨干和懂生產、服務、經營的全能型人才，使人力資本成為我國農業競爭力的優勢。