氣候變化下的農業生產率再估計

高 鳴

(農業農村部 農村經濟研究中心，北京 100810)

一、引 言

政府間氣候變化專門委員會(IPCC)預計到本世紀末，全球的氣溫將整體上升3.5℃-5℃。氣溫的升高給全球各國家的農業生產帶來了機遇，也帶來了挑戰。隨著全球變暖，使農作物的播種范圍擴大，伴隨氣溫升高后的空氣中水汽增多，也促進了降水，給干旱地區的灌溉也帶來了便利。此外，氣候變暖也有可能使得作物的產量增加。但是，氣候變化也存在諸多的不利因素。例如，極端氣候的時間增加，自然災害頻發，此外，隨著氣溫升高農作物的生產格局、種植結構和生產模式都會受到較大的沖擊(周曙東等[1]，2013)。中國是一個農業大國，各地區的資源稟賦條件差異較大。氣候變化給中國的農業生產帶來了諸多不確定性。調整農業生產方式和模式來應對氣候變化對農業生產的影響，以期進一步促進農業生產率的提高。農業生產率是實現農業可持續發展、農業現代化的關鍵點之一。對此，不同的學者就農業生產率的影響機制和提升機理等方面做了大量的研究工作。例如，農地經營規模(張忠明等[2]，2011；石曉平和朗海如[3]，2013)、農村教育與人力資本(陳剛和王燕飛[4]，2010；李谷成[5]，2009)、技術進步(尹雷和沈毅[6]，2014；車維漢和楊榮[7]，2010)等方面。此外，生態環境對農業生產率的影響也成為近年來的熱點話題(潘丹和應瑞瑤[8]，2013；韓海彬和趙麗芬[9]，2013)。在此基礎上，尹朝靜等[10](2016)的研究發現氣候變化是影響農業生產率不可忽視的因素。氣候變化的相關要素(例如日照時長、降水量和溫度等)都是農業生產投入的重要指標，會對農業產出產生不同的影響。因此，值得思考的是，在不考慮氣候因素下的傳統農業生產率的估算是否會存在偏差？是低估了農業生產率還是高估了農業生產率？氣候變化下的農業生產率是否會導致各地區的差異呈現出與傳統生產率不同的差異？等等問題還值得進一步的討論和分析，以期找出氣候變化的有利因素，為進一步促進農業生產率的提高提供依據。

關于農業生產率的相關研究。李靜和孟令杰[11](2006)選用非參數的HMB生產率指數模型，分析了1978-2004年的農業生產率的變化趨勢，其將農業生產率指數分解為技術進步、技術效率變化、投入產出效應和規模效應，并認為技術進步是推動我國農業生產率的主要因素，而投入產出效應和規模效應對農業生產率的影響較小，只有技術效率的惡化對農業生產率的增長帶來了負面效應。陳衛平[12](2006)使用Malmquist指數模型，分析了1990-2003年的農業生產率變化情況，并認為農業生產率在此期間的年均增長接近2.6%，而技術進步的年均增長為5.48%，但是效率變化的年均下降2.78%，并認為我國大部分省區的技術進步和效率損失同時存在。在此研究基礎上，周端明[13](2009)使用DEA方法下的Malmquist指數模型，分析了1978-2005年的農業生產率的動態變化和空間分布，通過實證分析后認為1978-2005年間的農業生產率的年均增長達到了3.3%，而從分解的要素來看，技術進步的年均增長率有1.7%、技術效率達到1.6%，但是，農業生產率呈現了區域的差異和不平衡性。李谷成[14](2013)使用Window DEA，分析了轉型期我國農業生產率的增長估算和要素分解，并認為該時期內的農業生產率增長較為明顯，對農業增長的貢獻較大，但是由于技術進步和技術效率的差異導致不同省份間的農業生產率差異較為明顯。付明輝和祁春節[15](2016)同樣適用Malmqusit指數模型，分析了28個國家1995-2013年的農業生產率情況，并認為大多數國家都是由于投入偏向型技術進步提高了農業生產率，各國應較好利用要素相對價格的變化機會，選擇與本國資源稟賦條件相協調的農業創新發展模式，從而進一步提高農業生產率。此外，還有大量的國內外學者對農業生產率進行了深入分析和研究[16-19]。

關于氣候變化視角下的農業生產率相關研究。當前，學界就氣候變化對農業生產率的影響問題沒有形成統一的觀點。第一種觀點，認為氣候變化會對農業產生積極的影響；另一種觀點認為，氣候變化會對農業生產造成負面的影響。

首先，氣候變化對農業生產具有積極作用。趙紅軍[20](2012)運用古氣候重建數據，分析了氣候變化對過去兩千年間農業經濟的影響，并認為中國歷史上的氣候變暖有利于農業生產，而氣候變冷會給農業生產造成較大的負面作用。劉天軍等[21](2012)利用2007-2009年陜西省210戶蘋果種植戶的微觀面板數據，分析了氣候變化對蘋果生產的影響，并認為氣溫的升高和降水量的減少對蘋果生長產生了積極作用，促進了蘋果產量的提高。Liu[22](2004)使用Ricardian模型，分析了氣候變化對中國各區域的影響，并認為氣候變化對中國的中部、東部和南部地區具有正面影響，此外東北地區和高原地區也受益于氣候變化。張兵[23](2011)選用雙倍差法模型分析了農戶在適應氣候變化過程中的糧食生產情況，并認為氣候變化后的水稻單產增加了42.41公斤/畝，而小麥單產增加了5.96公斤/畝。周曙東[1](2013)分析認為氣候變化對我國長江流域和華南地區的水稻生產有影響，并建議在這兩個地區大力推廣雙季稻，以期提高水稻總產量。馮曉龍[24](2017)構建了農戶適應氣候變化的決策模型，并通過模型分析了農戶適應氣候變化的決策對農業產出與產出風險的影響機理，選用了陜西省的660個蘋果種植戶微觀數據進行了實證分析，最后認為農戶為適應氣候變化能促進農業產出的增加，并有效地降低了農業產出的風險。Malla[25](2009)以尼泊爾農業生產為例，分析氣候變化對農業生產的影響，并認為隨著氣候的變化，二氧化碳等大氣層的組成部分發生了改變，這有利于農業生產，通過實證分析后發現氣候變化能分別提高26.6%的稻谷產量和18.4%的小麥產量。

其次，氣候變化對農業生產具有負面影響。尹朝靜等[10](2016)使用1986-2012年的省級數據，選用FGLS方法，分析了氣候變化、科技存量對農業生產率的影響，他們發現降水量對農業生產率的增長作用不明顯。而從地理區域來看，氣溫升高對華東和西南地區的農業生產率具有顯著的負向作用，降水密度的增加對除了華南地區外的所有地方的農業生產率具有負面效應。此外，他們還分析氣候變化對糧食生產率的影響(尹朝靜等[26]，2016),其使用1978-2012年的省級面板數據分析了氣候變化對糧食生產率的影響，并認為考慮了氣候變化因素的糧食生產率比傳統的糧食生產率要低，這是因為氣候因素使糧食生產的技術效率惡化。崔靜等[27](2011)運用超越對數生產函數分析了1975-2008年間氣候變化對糧食作物單產的影響，并認為在作物的生長期內，氣溫升高對糧食單產具有消極作用，而降水量的增加使華南地區冬小麥單產減產等。白秀廣等[28](2015)使用1992-2012年的數據，使用隨機前沿生產函數分析了氣候變化對我國蘋果的單產和蘋果全要素生產率的影響，認為氣溫升高和水量的減少對渤海地區的蘋果生產具有消極作用。肖國舉等[29](2007)認為氣候變暖導致1980-2000年黃淮海區的雨養小麥全面減產，導致農作物收益降低，使農民的收入無法得到有效保障。此外，還有大量的研究也表明氣候變化使得農業生產的波動性增加，且不同地區受到的影響程度呈現差異化，但總體來看是對農業生產造成負面的影響[30-31]。

此外，還有更多的研究成果認為氣候變化在不同的時期，對不同地區的農業生產產生的作用也不一樣(Wang et al.[32],2009；張兵等[23]，2011；姜巖等[33]，2015)。陳帥等[34](2016)通過使用歷史數據分析了氣候變化對中國糧食生產的影響，結果發現氣候變化的因素對中國的小麥和水稻的單產都存在非線性關系的影響。但是就目前的條件和情況來看，氣候變化對農業生產具有顯著的正向影響，不僅能提高單產，還能優化農業生產布局。隨后，他們進行了預測，認為在本世紀的中期，氣候變化會對農業造成負面的影響，到了本世紀末，氣候變化會導致水稻和小麥的單產降低。

在此研究背景下，不論農業生產從氣候變化中受益還是受損，當前的農業生產率的估算就存在偏差，導致農業生產率被高估或者低估。而氣候變化的眾多因素是影響農業生產的重要因素，不同的降水量、溫度和日照都會使得農業生產呈現不同的產出水平。因此，氣候因素應該納入到評價農業生產率的指標體系中，而前人的研究中少有考慮這個因素。對此，本文將在前人的研究基礎上做以下改進：第一，將氣候變化因素納入到農業生產率的投入產出評價體系中；第二，選用較為前沿的Window DEA方法來對傳統農業生產率和考慮氣候變化因素的農業生產率分別進行測算，并進行比較分析；第三，為了進一步深入分析氣候變化對農業生產的影響，本文還將分地區、分階段的進行統計分析。

本文余下章節安排是：第二節是設計研究方法和思路，第三節是變量的選擇和數據處理，第四節是實證分析，第五節是給出本文的主要結論和簡要建議。

二、方法設計與變量選擇

(一)方法設計

評價農業生產率的方法較多，主要集中在DEA和SFA兩種方法上。相比SFA，DEA方法屬于非參數法，在評價投入產出效率時，更具有客觀性和科學性。而傳統的DEA方法再測算農業生產率時，較多集中在Malmquist指數及其拓展的指數模型上，例如，Luenberger-Malmquist指數、Globle-Luenberger-Malmquist指數等。但是，這些方法都是通過同一時期的決策單元(DMU)進行效率評價，即，此種方法沒有考慮時間因素的影響。但是，基于氣候變化視角下對農業生產率進行評價，還需要考慮氣候變化對農業生產影響的持續性和長期性。例如，假設某一地區的降水量過多，對當期的農業生產率造成了負面的影響，導致當期的農業生產率降低，但是降水量有可能對未來的農業生產率產生積極影響，使得農業生產率會被低估。因此，選用傳統的Malmquist指數及相關拓展指數模型來評價農業生產率，會導致效率評價的有偏測算等。為解決此問題，窗口DEA(Window DEA)方法應運而生。窗口DEA是納入面板數據的分析模式，在一個選定的窗口期內，將不同時期的同一個決策單元視作不同的決策單元，以期增加決策單元的數量后以動態連續性的視角來評價農業生產率。窗口DEA可以選擇將所有決策單元來構造生產前沿面。

窗口的寬度(d)和偏移量(f)構成一個完整的窗口。窗口的默認時期由t及t之前的d-1個時期決定，即W(t)={t,t-1,…,t-d+1}。可通過設置偏移量來使窗口發生變化，即，W(t)={t+f,t-1+f,…,t-d+1+f}。根據窗口的選用和設置，結合Malmqusit指數，可以表現為三種形式：窗口前沿交叉參比Malmquist指數、窗口聯合前沿參比Malmquist指數、窗口固定參比Malmquist指數。本文將選擇窗口固定參比下的Malmquist指數模型，因為該指數不僅可以解決移動窗口Malmquist指數模型面臨的問題，而且其具有更多的優點。例如，該指數模型具有可累乘積性質(Circular)、可連續觀測生產率的變化情況等。

窗口固定參比Malmquist指數是將所有各期均以某一固定窗口作為參考集，即Swf(t)=Sw(f)，則該Window Malmquist指數表達式為：

(1)

(2)

通過(1)式和(2)式將可以求出窗口固定參比下的Malmquist指數。此外，關于窗口DEA下的技術效率求解，請詳見Cullinane et al.[35](2004)、成剛[36](2014)，此處不再贅述。本文將基于氣候變化視角將分析農業生產率的波動變化情況，由于氣候變化的影響具有滯后性和長期性。因此，本文將以1978-2013年為本文的窗口時期，選用可變規模報酬來進行生產率的分解。

(二)變量選擇與統計分析

本文將基于C-D生產函數，結合農業生產的投入與產出體系，依據科學性、系統性、客觀性和數據的可獲得性原則，選用Window-Malmquist指數模型，使用1978-2013年的中國省級面板數據，測算農業生產率的動態變化情況。為了使研究更細致，本文將對比分析傳統投入與產出的農業生產率和氣候變化視角下的農業生產率。因此，本文將分別測算氣候變化下的農業生產率和傳統的農業生產率。

需要說明的是，傳統的農業生產率的產出為糧食總產量和農業總產量，其投入變量分別為化肥施用量、有效灌溉面積、農業機械動力、播種面積和勞動力數量。氣候變化下農業生產率的產出也為糧食總產量和農業總產值，但是投入變量在傳統農業生產率的投入變量基礎上添加降水量、氣溫和日照時數變量。

(1)產出變量。糧食總產量，主要是包括全社會的糧食總產量，包括國有經濟經營、集體統一經營和農戶的自我經營所生產的所有糧食產量的總和；農業總產值，以1978年不變價分省農業總產值來表示，此處選用的是廣義農業總產值，這可以與農業投入要素的廣義口徑相匹配，可以更為準確地評價農業生產率。

(2)投入變量。化肥施用量，以實際使用在農業生產中的化肥施用量，并且按照折純量進行計算，包括復合肥、氮肥、磷肥、鉀肥等；有效灌溉面積，以每年實際進行有效灌溉的耕地面積計算；農業機械總動力，主要指的是用于農業生產的所有動力機械動力的總和，所有動力按照引擎馬力折成瓦(特)進行統計計算，而電動機則按照功率折算成瓦特；播種面積，主要指的是農作物的播種面積，包括在非耕地上進行播種的面積、改種和補種的農作物播種面積；勞動力數量，以廣義農業總勞動力進行計算，但是不包括農村勞動力中從事工業、服務業等行業的勞動力。

(3)氣候因素。降水量，是指未經蒸發、流失、滲透而積聚在水平面上的深度，一般是mm為單位；氣溫，指的是在空氣流通中、不受太陽直射下而測得的空氣溫度；日照時數，指的是在一天24小時內太陽光線照射地面的時間長度。

關于數據，需要說明的是：第一，本文研究所用數據均取自如下文獻：《新中國60年統計資料匯編》；2010-2013年的數據均取自于歷年的《中國農村統計年鑒》；氣候數據均來自于中國氣象局氣象數據中心，該數據庫提供1951-2013年涵蓋了中國752個基本、基準地面的氣象觀測站及自動站的氣候資料。此處，需要指出的是，本文將分散的752個基站按照所在省份進行歸納，并以省份的平均值來表示該省份的氣候變量。第二，農業勞動力數量的數據均來源于Wind數據庫，但是2007年各省份的農業勞動力數量數據缺失，此處選用差值法求得，即該指標上一年和下一年的均值。第三，重慶是1997年成為直轄市，而在Wind數據庫中能查詢到1951年以來的重慶市總人口，因此，本文將以重慶市總人口與四川省總人口的比例為權重，來分離出重慶市在1997年以前的相關數據。

為了使得分析更細致，本文將全國31個省份按照傳統的地理劃分標準，將全國分為西部、中部、東部和東北部①。分析氣候變化下的農業生產率變化情況，首先需要觀察和分析全國的氣候因素的變化情況，詳見圖1。從圖中可知：第一，全國的降水量水平在波動中增長，尤其是東北地區的降水量增長較為明顯。全國的降水量由1978年的808.70mm增長到2013年的906.63mm。在東北地區的黑龍江省，1978年的降水量為447.54mm增長到2013年的691.55mm，年均增長率達到0.98%。第二，全國日照時數增長幅度較為明顯。全國日照時數由1984年的最低值2159.21小時增長到2013年的2201.41小時。以西部的新疆為例，2013年的日照時數為2896.21小時，遠大于1987年的2744.39小時。第三，平均氣溫有小幅度的增長。1978年的全國平均氣溫為12.89℃，增長到2013年的13.74℃。以農業大省湖南為例，1984年的湖南省平均氣溫達到自改革開放以來最低的16.3℃，增長到2013年的峰值平均氣溫為18.43℃。

①東部省份(10個)包括：浙江省、廣東省、江蘇省、山東省、福建省、海南省、河北省、北京市、天津市和上海市；中部省份(6個)包括：湖南省、湖北省、河南省、江西省、山西省和安徽省；西部省份(11個)包括：四川省、內蒙古、云南省、廣西省、陜西省、貴州省、新疆、甘肅省、青海省、寧夏、重慶市；東北部(3個)包括：黑龍江省、遼寧省和吉林省。

三、實證分析

(一)氣候變化下農業生產率測算：1978-2013

本文在DEA方法下的Window Malmquist指數模型下，針對31個省的1978-2013年的面板數據進行計算。為了進一步分析氣候變化下的農業生產率，此處將全國31個省按照前文的地理區分標準將全國分成東部、中部、西部和東北部。此外，為了更具體地分析氣候變化在農業生產率中的作用且便于對比分析，本文還將使用同樣的方法和面板數據對傳統投入與產出下的農業生產率進行測算，即，測算非氣候因素下的農業生產率。詳細結果見表2。

從表2中關于全國農業生產率的結果可知：第一，有21次的傳統農業生產率的效率值大于氣候變化下的農業生產率的效率值，共占60%。這意味著，在絕大部分年份中，氣候變化的影響是負面的。例如，1989-1990年的傳統農業生產率的效率值與氣候變化下的農業生產率的效率值差異最大，效率差值達到了0.073；效率差值最小的年份為1978-1979年，其兩者的生產率指數值相差0.0003。造成這樣情況的原因可能在于：其一，全球氣候變暖使得地表水蒸發加速，降水分布存在不均勻的現象，導致降水量的增多不利于全國宏觀層面的農業生產率的提高；其二，隨著氣溫升高、日照時數變長，地面的積溫上升，導致農作物的生長對化肥、農藥的需求增大，投入品的增加和要素的成本提升，不利于農業生產率的發展。第二，有14次的氣候變化下農業生產率的效率值高于傳統農業生產率效率值，占40%。這說明氣候變化在這些年份中起到的作用是積極的、正向的。例如，在1979-1980年氣候變化下的農業生產率大于傳統農業生產率，差異值達到了0.0608。氣候變化給農業生產帶來了不利，同時也帶來了有利的因素。例如，降水量的增加使缺水地區的農作物增加了水量、氣溫的升高和日照的增多使農作物的產量提升等。第三，傳統農業生產率的效率值大于1的次數共有21次，氣候變化下的農業生產率效率值大于1的次數有20次，這說明我國農業生產率有了很大的提升。基于Window Malmquist指數的特點，大于1的指數效率值說明該年的農業生產率相比前一年有了很大的提升。從計算的結果可知，考慮了氣候因素的農業生產率大于1的次數比傳統農業生產率的次數少了1次。第四，從圖2的傳統農業生產率與氣候變化下農業生產率的對比圖可知，考慮氣候變化因素后使得農業生產率更為穩定、波動更小。這也說明了氣候因素是保障農業生產率穩定的主要因素之一。

表2 傳統農業生產率與氣候變化下農業生產率的比較分析

盡管氣候變化對農業生產率造成的影響無法給出統一的結論，但是從分地區的結果來看，氣候變化對不同地區的影響呈現出不同的特點。從表2的分地區結果來看：第一，東部地區的傳統農業生產率效率值大于氣候變化下農業生產率效率值的有19次，氣候變化下的農業生產率效率值更大的次數為16次。這說明考慮了氣候變化因素后的農業生產率效率值降低了。第二，中部地區的農業生產率和東部地區呈現了相似的情況，有19次的傳統農業生產率效率值更大，有16次的效率值比氣候變化下的農業生產率效率值更小。第三，西部地區的農業生產率呈現了與東部、中部地區不同的特點。在西部地區，共有19次的氣候變化下的農業生產率高于傳統農業生產率，這說明了西部地區氣候變化對農業生產率的影響利大于弊，這主要是由于西部地區得益于日照時數和降水量對農作物的灌溉等。第四，在東北地區的農業生產率呈現出和東部、中部地區一樣的變化特征。據統計，共有19次的傳統農業生產率效率值大于氣候變化下的農業生產率效率值。

綜上可知，氣候變化對我國農業生產率的影響存在利弊，具體來說，有利于我國西部地區的農業生產率，但是對其他地區的農業生產率存在一定的限制作用。

(二)氣候變化下農業生產率測算：省際差異

為了具體分析氣候變化對各地區農業生產率影響的差異，本文在此處將選用1978-1979年和2012-2013年的農業生產率進行比較分析。同樣，此處使用的是在規模報酬可變下的Window Malmquist指數來對31個省的農業生產率進行測算，詳見表3。

圖2 傳統農業生產率與氣候變化下的農業生產率波動變化情況

地區1978-19792012-1013傳統氣候傳統氣候地區1978-19792012-1013傳統氣候傳統氣候上海1.00001.00001.00001.0000河北1.02101.00951.06451.0859云南0.86230.98451.06520.9845河南0.90850.91341.00801.0000內蒙古0.94780.99841.07311.0117浙江0.97640.97641.00001.0000北京0.97141.03041.07541.0000海南1.04091.00001.00001.0000吉林0.89340.99671.00641.0000湖北1.39861.17091.05250.9991四川0.97100.99351.00001.0000湖南0.97831.00880.98180.9622天津1.08611.08651.06131.0482甘肅1.05511.00001.02110.9557寧夏0.88921.00281.00941.0820福建0.93670.93511.00001.0000安徽0.92180.90601.00810.9713西藏0.98720.98720.97401.0000山東0.88331.00511.00001.0000貴州0.98931.00281.09951.0000山西1.12561.05801.02460.9823遼寧1.02851.01211.03061.0058廣東1.00001.00001.02141.0000重慶0.99931.00001.04611.0000廣西1.41921.10371.04180.9453陜西1.02141.04611.10180.9118新疆0.90421.00001.04481.0000青海0.86401.00001.10531.0000江蘇1.26380.90101.01251.0000黑龍江0.98731.00001.00001.0000江西1.00871.01001.06100.9867均值1.01101.00451.03190.9978

從表3的結果可知：第一，從全國的平均值來看，1978-1979年的傳統農業生產率和氣候變化下的農業生產率都大于1，分別為1.011和1.0045。這說明在該年份農業生產率較前一年有了提升，盡管考慮了氣候變化后的農業生產率有小幅度的減少，但是都大于1。另外，2012-2013年的傳統農業生產率為1.0319，而氣候變化下的農業生產率為0.9978，這說明了該年份的農業生產率被高估了，氣候因素使該年份的農業生產率惡化。第二，上海的農業生產率在傳統視角和氣候變化視角下都為1，沒有發生變化。這可能是由于上海自改革開放以來致力于發展城市經濟，其農業規模較小，無論是否考慮氣候變化因素，農業生產率的變化較為穩定。第三，以寧夏為例，氣候變化下的農業生產率效率值均高于傳統農業生產率效率值。1978-1979年，寧夏的傳統農業生產率為0.8892，其效率值低于1，說明該年份的農業生產率較前一年有惡化的趨勢。但是，值得注意的是，考慮氣候變化因素后的農業生產率效率值達到了1.0028，這說明了氣候因素使得寧夏地區的農業生產率有了很大的提升。此外，2012-2013年，該地區的農業生產率也呈現了同樣的差異。這說明了以寧夏為例的西部地區是氣候變化的受益地區。第四，傳統農業大省，例如湖北省，傳統農業生產率效率值遠遠大于氣候變化下農業生產率效率值。1978-1979年，湖北省的傳統農業生產率效率值為1.3986，遠遠大于標準值1。但是，考慮氣候變化因素后的農業生產率效率值為1.1709，低于傳統農業生產率的效率值。同樣，2012-2013年的湖北省農業生產率也呈現了同樣的特征，而且2012-2013年的氣候變化下農業生產率低于了標準值1。這說明了中部地區的傳統農業大省受到氣候變化的影響呈現負面的作用。

(三)氣候變化下農業生產率測算：要素分解與變化累計值(1978-2013)

此處，為了進一步分析出農業生產率的貢獻因素，本文將使用前文的(1)-(2)式，將農業生產率進行分解，分解出效率變化和技術進步，然后使用Window Malmquist分析框架，將計算出其農業技術效率。接著，計算其變化的累計值，找出貢獻作用最大的因素。為了比較分析，此處同樣計算1978-2013年的傳統農業生產率和氣候變化下農業生產率及其分解要素的累積貢獻值。結果詳見表4。

表4 各省(區)傳統農業生產率與氣候變化下農業生產率的貢獻因素變化累計值

注：累計值是將每一決策單元的每個分解要素和數值1進行相減，然后取絕對值。最后將所有變化值進行累積加總得出。這是觀測生產率貢獻因素的主要方法之一。

從表4的結果可知：從農業生產率的累積變化值來看，傳統農業生產率的效率累積變化值為2.179，遠遠大于氣候變化下的農業生產率效率累積變化(1.051)。這也證明了前文的一個觀點：氣候變化使農業生產率的變化趨于穩定。從農業生產率的分解要素累積變化值來看，可知：第一，技術效率累計變化值是農業生產率變化的最主要的貢獻因素。從全國的平均值來看，傳統農業生產率的技術效率累計變化值為8.379，而氣候變化下的農業生產率的技術效率累計變化值為2.602。盡管兩者數值的差異較大，但是，技術效率的累計變化值都是最大的貢獻值。第二，效率變化累計值是農業生產率變化中貢獻最小的因素。從表4的結果中可知，1978-2013年，傳統農業生產率的效率變化累計值為1.390，而氣候變化下的農業生產率的效率變化累計值為0.442，都是貢獻因素中最低值。第三，技術進步是推動農業生產率提升的貢獻因素之一。傳統農業生產率的技術進步累積變化值為1.449，而氣候變化下的農業生產率技術進步累積變化值為0.804。

綜上可知，傳統農業生產率和氣候變化下農業生產率的分解要素中，不同的要素貢獻度不一樣。從分解的累積變化值來看，傳統農業生產率的分解要素貢獻度和氣候變化下的農業生產率的分解要素貢獻度呈現相同的趨勢：技術效率累計變化值>技術進步累積變化值>效率變化累積值。

(四)氣候變化下農業生產率測算：分階段比較

為了進一步地分析農業生產率變化及各分解要素呈現出的不同，此處，按照我國經濟發展的政策周期性，對1978-2013年間各省區農業生產率(包括傳統農業生產率和氣候變化下農業生產率)進行分階段、分區域的比較分析，結果見表5。

從表5的結果可知：

第一，傳統農業生產率和氣候變化下農業生產率呈現“斜N”型態變化及波動趨勢。在傳統農業生產率中，“五五”時期的農業生產率為0.955，上升到“七五”時期的1.026，然后下降到“九五”時期的0.977后開始反彈，直到增長到“十二五”時期的1.036；在氣候變化下的農業生產率中，“五五”時期的農業生產率為0.991，上升到“六五”、“七五”時期的1.002，隨后下降到“九五”時期的0.998，之后上升到“十二五”時期的1.010。造成這樣的原因可能在于：其一，自然災害的影響。農業生產依賴于氣候和自然因素，20世紀90年代的自然災害頻發，例如洪水等，不僅影響了農業產出，也對農業基礎設施建設造成了困擾；其二，進入新世紀以后，連續多個“中央一號文件”的重視、惠農政策的實施，促使了“十一五”、“十二五”時期農業生產率的提升。

第二，從分解的要素來看，技術進步在“十五”時期以來都呈現出正向的貢獻作用。無論是傳統農業生產率，還是氣候變化下的農業生產率，其技術進步貢獻值都大于1，說明了進入新世紀以后，農業技術進步對農業生產率的作用更為明顯，對農業生產率的提升起到了積極作用。經計算，1978年農業技術進步對農業增長的貢獻為0.3，而2013年的農業技術進步在農業經濟增長的貢獻值為0.55左右。這也進一步說明了提高農業生產率，還需要進一步提升農業的技術進步。此外，效率變化呈現出“M”型的波動特征。在“五五”時期的氣候變化下農業生產率的效率值為0.996，增長到“七五”時期的1.002，然后下降到“九五”時期的0.999，隨后上升到“十一五”時期的1.001，最后下降到“十三五”時期的0.996。另外，從技術效率來看，氣候變化下的農業生產率均大于傳統的農業生產率。

第三，從分地區的結果來看，西部地區氣候變化下農業生產率的效率值僅在“七五”、“十一五”和“十二五”低于傳統農業生產率的效率值，其他時期都遠大于傳統農業生產率效率值；中部地區在“十五”時期以前，氣候變化下農業生產率大部分都大于傳統農業生產率(僅“七五”時期除外)，這說明在新世紀以前，氣候變化對中部地區的影響是正向的。而進入新世紀以后，氣候變化下農業生產率開始低于傳統農業生產率，表明傳統農業生產率被高估了；氣候變化對東部地區的農業生產率的負面影響較明顯，從表4的結果中可知，大部分時期的傳統農業生產率都高于氣候變化下的農業生產率，這也說明了東部地區的農業生產率被高估，這也側面反映出，氣候變化對農業生產率的限制和阻礙作用較為明顯；在東北部地區，氣候變化對農業生產率的影響呈現出差異作用。“五五”、“六五”時期的氣候變化下農業生產率高于傳統農業生產率，但是“十五”、“十二五”時期的氣候變化下農業生產率效率值遠低于傳統農業生產率效率值。

表5 1978-2013年農業生產率及其分解要素的階段性特征

注：表上各值為各區域各階段的均值。

四、簡要結論和對策

本文使用DEA方法下的新技術Window Malmquist指數模型，使用1978-2013年的中國31個省(區)的面板數據，估算了氣候變化下的農業生產率變化情況，并比較分析了傳統農業生產率和氣候變化下農業生產率的差異，進一步分階段、分區域進行對比分析，以期回答我國農業生產率是否被低估。通過實證分析后得出：第一，考慮了氣候變化因素后的農業生產率波動更小與更穩定，這表明新方法下和考慮氣候因素后的農業生產率測算更為精確。1978-2013年，有60%年份的氣候變化下農業生產率大于傳統農業生產率，表明盡管氣候變化對農業生產率的影響無法給出統一答案，但是大部分年份呈現的是負面作用。也就是說，傳統農業生產率在大部分年份是被高估的。第二，與其他地區不同，西部省份是受益于氣候變化的地區，其日照時數、降水量的增加都促進了西部地區的農業生產率。此外，1978-2013年，傳統農業大省的農業生產率有了很大提升，但氣候因素起到了限制性的作用。第三，從分解的要素來看，技術效率的累積變化和技術進步是推動氣候變化下的農業生產率提升的主要貢獻因素。第四，在8個不同的政策時期內，氣候變化下農業生產率的差異較大，且呈現“斜N”型態變化及波動趨勢，表明新世紀以來的惠農政策對提高農業生產率具有顯著作用。

基于以上結論，本研究的主要啟示是：第一，加強氣候變化對農業影響的系統性研究，降低農業生產的不確定性，進一步轉變農業發展方式，由過去主要依靠傳統農業要素投入向依靠技術進步、提升技術效率等方式轉變，進一步加強對農業技術進步的研發和推廣，提升農業技術進步在農業生產率中的貢獻。第二，促進農業“提質增效”，由過去農業增長依靠產出量向提升農業質量轉變，加大對農村勞動力的教育和技術培育，培育新型農業經營主體，發展效率高、規模適中的農業。第三，加強氣象信息傳輸服務，運用“互聯網+”的新模式構建農業氣象信息平臺，為農戶等主體提供及時氣象信息的同時提供應對方案，減少極端氣候對農業生產的影響。第四，加大對農業基礎設施建設的投資，完善農業基礎設施，以應對不同氣象問題、氣象災害帶來的負面作用。