科技進步、綠色全要素生產率與農業碳排放關系分析
——基于泛長三角26 個城市面板數據

張頌心，王 輝，徐如濃

（1.臺州職業技術學院，浙江臺州 318000；2.浙江工業大學經濟管理學院，浙江臺州 310014；3.北京大學匯豐商學院，廣東深圳 100871；4.浙江越秀外國語學院，浙江紹興 312069）

1 研究背景

改革開放40 多年來，中國農業生產總值以年均10.6%的速度穩步增長，全國糧食總產量實現翻番，農產品供給由長期短缺到基本平衡、再跨入豐年有余的歷史性發展新階段。但是，單方面成績驚喜卻難以掩蓋農業產業化規模化發展所付出的環境代價：一直以來，為滿足農產品市場需求，農業生產、經營和管理主體以生產效率為核心制定產業政策、選擇生產模式、決定管理方式，化肥、農藥、農機、農膜等農資產品長期超量使用，農業源主要污染物如化學需氧量（COD）、氨氮含量指標（NH3-N）、總磷（TP）排放量分別占全國排放總量的30.42%、61%、40.22%，農產品保供給與資源環境承載能力的矛盾愈發尖銳，農業生產帶來的環境污染問題日益突出［1-2］。其中，農業碳排放量作為全球氣候變暖的重要誘因，受到了世界各國的普遍關注。大量數據和研究表明，全球碳排放總量約為168.31 億t，中國占比居世界第一位，達到27%，其中30%左右來自農業，相當于所有工業部門的總合［3］。因此，實現農業低碳發展是中國經濟綠色轉型發展的必經之路，也是農村增美、農業增效十分重要的內容。

發展低碳農業，首先需要核算碳排放量，并深入分析不同要素資源的減排效應。科技進步作為低碳農業發展的主要手段，能夠有效釋放農業蟄伏發展潛能，促進生產資源和生產方式深度融合，推動形成高生產效率、低能源消耗的農業發展模式［4］。中國實施“十二五”規劃以來，全國農業科技進步貢獻率達59.2%，全社會環保總投資比“十一五”期間增長了92.8%，環保產業年均增速26.9%［5］。2015 年，農業部等8 部委制定了《全國農業可持續發展規劃（2015—2030 年）》，要求全國2020 年農業科技進步貢獻率超過60%，2030 年全國基本實現農業廢棄物“零排放”。由此可見，中國政府對農業科技投入和農業環境污染治理的關注度正不斷增強。但農業發展水平和碳排放強度卻出現“雙提升”，農業綠色全要素生產率（GTFP）增速緩慢與農業碳排放快速增長“兩并存”，農業已經成為全球第二大碳排放部門，溫室氣體排放量僅次于電力與熱電［6］。科技進步、農業GTFP 與農業碳排放三者的內在關系究竟是什么？探究科技進步和農業GTFP 如何發揮積極作用，對實現碳排放減量具有較大現實意義。

泛長三角作為全國商品糧重要產區，基本涵蓋了江淮地區、太湖平原兩大商品糧基地，是長江經濟帶的重要組成部分。長江經濟帶發展戰略是國家重點實施的“三大戰略”之一，以共抓大保護、不搞大開發為導向，以生態優先、綠色發展為引領，依托長江黃金水道推動長江上中下游地區協調發展和沿江地區高質量發展［7］。但是泛長三角地區的農業依然以高碳模式為支撐實現高速發展，農業碳排放量長期只增不減、排放強度持續提升。基于此，本研究以泛長三角4 省市26 個城市的面板數據為基礎，測算其2009—2018 年的農業科技進步貢獻率、農業GTFP 和碳排放量，并分析其農業科技進步、農業GTFP 與碳排放的關系，為減少碳排放提出參考建議。

2 文獻綜述

縱觀國內外文獻資料，已有農業碳排放研究集中在排放源確定、排放總量測算、影響因素分析和減量對策探討等4 個方面，比如陳勝濤等［8］對碳排放源進行研究，劉華軍等［9］、杜江等［10］探究了碳排放總量測算及變化規律，王珧等［11］、田云等［12］、仇偉［13］、張中秋等［14］對減排影響因素、機理和實現路徑進行探索，等等。

在影響因素研究中，很早就有學者試圖解釋科技進步與碳排放量關系，至目前成果已經頗為豐富，然而研究結論卻大相徑庭。部分學者認為，科技進步對農業碳排放影響十分顯著，在碳排放減量過程中占主導地位，一定程度上技術進步彌補了農業結構和農業投入的不合理，決定了碳排放量增速由快到慢再到減速的“拐點”［15-16］，而且隨著人力資本的提升，技術進步對農業碳排放抑制效應會更加明顯［17］；同時，也有部分學者研究指出，技術進步對農業碳排放量影響并不如想象那樣明顯，有時甚至成為農業碳排放量增加的助推器［18］。此外，還有學者對特殊領域的科學技術與碳排放關系進行研究，比如對玉米栽培技術與碳排放進行研究，指出淺耕和免耕由于消耗的能源最少，從而有效降低碳排放總量［19］。研究結果迥異的主要原因在于科技進步與農業碳排放都屬于時序數據，而學者在研究過程中對時間要素并未足夠重視，相關模型甚至無法體現時序變化差異。

在科技進步衡量指標選取方面，通常采取科學技術進步貢獻率，這也是中國農業農村部推薦使用的方法。農業生產率作為農業發展的核心問題，是發展中國家財富增加的關鍵，包括技術進步率和全要素生產率（TFP），并以TFP 為主［20-22］。傳統TFP 只注重農藥、化肥等農資投入正面效應，而忽略了對資源環境破壞和消耗，這使得對農業生產率的評價不夠全面準確，容易導致政策制定、評估出現較大偏差，這一點有學者已經做了研究［23］。為統籌考慮經濟增長和資源環境代價，部分學者引入農業GTFP 概念，將資源環境納入生產效率的測量過程，從而拓展學界農業研究視閾，克服了C-D 函數從資源要素投入視角研究農業增長弊端，開始關注農業投入品導致的碳排放等負面作用［24-29］。研究普遍認為，農業碳排放與農業GTFP 在一定程度呈現負相關關系［30-31］。在農業GTFP 測算方面，通過CNKI 檢索發現，應用最為普遍的方法是數據包絡分析（DEA）；此外，近年來很多學者開始把注意力轉向以方向距離函數等對農業GTFP 測算和變化分析上，比如王奇等［32］對1992—2010 年中國農業綠色全要素生產率變化進行研究。雖然采用DEA 模型測算農業 GTFP 成果頗多，但是有學者指出，使用方法并未統一，測量結果相差大，且無法包含非期望產出等缺點［33］；方向距離函數有效解決了非期望產出忽略的問題，卻運用徑向、角度DEA 模型，在無效率測量時未包含松弛變量，從而導致計算結果并不準確［34］。為克服這些問題，部分學者選擇非徑向和非角度DEA 模型測算GTFP 。

綜上所述，國內外學者對農業科技進步、農業GTFP 和碳排放展開了多層次研討，為本研究奠定了良好理論基礎，但也存在不足：一方面絕大多數研究基于面板數據從全國角度進行研究比較，結合某一區域開展研究分析的不多；另一方面研究采用的是時序數據，忽視了時間因素對各個要素的影響，從而導致研究結論相差較大。另外，相關指標的測算方法也不夠精準。因此，本研究通過系數法和SBM-DDF 模型，重新測算了泛長三角2009—2018年碳排放量和農業GTFP，并利用自回歸分析滯后模型（ARDL）從長期和短期兩個角度分析科技進步、農業GTFP 與農業碳排放的關系，并針對性地提出對策建議。

3 研究方法與數據

3.1 研究指標選取和測算

農業科技進步的界定有廣義和狹義之分。狹義概念特指“硬技術”，即種子培育篩選、化肥農藥施用、新型種養殖等能夠直接提高生產率的技術手段；廣義概念除“硬技術”外，還包括生產決策、經營管理等“軟技術”［35］。當前，中國對農業科技進步的測量主要基于廣義概念，采取農業科技進步貢獻率進行評價，測算的影響因素既涵蓋自然科學，也包括政策法規、勞動因素、經營管理等社會科學。對于農業科技進步貢獻率的測算，農業農村部規定了基于索洛余值法與C-D 函數模型，采用統一方法測算科技對農業總產值增長的貢獻值，詳見公式如下：

式（1）（2）（3）中：Tagriculture為地區農業總產值；B為農業生產要素投入，以農業生產中間消耗進行測算；C為農業生產勞動投入，以農業從業人數進行計算；D為農業土地資源投入，選取年末耕地面積進行測算；A為常數；為農業科技進步貢獻率；變量t 為時間；α、β、λ分別為資金、耕地和勞動投入彈性，如若規模報酬恒定則α+β+λ=1。

根據農業農村部規定的測算方法，本研究中因耕地變化不大，農業科技進步貢獻率測算的彈性系數采用固定彈性，全國產出彈性系數均是0.25，農業生產要素彈性按式（3）予以調整。有關數據資料源于《中國農村統計年鑒》以及有關省市統計年鑒。

農業碳排放主要來自畜禽養殖、農作物、土地利用類型變化等。根據政府間氣候變化專門委員會(IPCC)和世界氣象組織（WMO）統計，農業碳排放量對全球碳排放總量的貢獻率超過30%［36］。本研究利用IPCC 構建的系數法測算研究碳排放量，測算方法見式（4）。其中，C和R分別為碳排放類型和碳排放量化，排放系數詳見表1。包括7種類型：化肥、農藥、農膜、土壤翻耕、農業灌溉、農業機械、畜禽養殖，測算根據式（4）變換而得，詳見式（5）。其中，柴油依據每年實際用量；土壤翻耕以實際種植面積為準；灌溉電量消耗間接碳排放量以有效灌溉面積衡量；畜禽養殖以年出欄量為準。

表1 農業碳排放源及碳排放系數

農業GTFP 增長率可以分解為不同的部分，即技術進步率、技術效率變化率等［40-41］。基于文獻研究，通常用方向距離函數、Luenbergercer 指數等對農業GTFP增長率指數進行測算，本研究以Tone 等［42］和呂娜等［43］研究為基礎構建超效率SBM 模型，對泛長三角農業GTFP 進行測算，詳見式（6）。SBM模型作為DEA 模型，屬于非徑向效率測量，能有效克服徑向選擇帶來的偏差。

同時，利用Malmquist 指數表示農業GTFP 變動率，詳見式（7）至式（10）。其中，是全局方向性距離函數；本研究設g=(x,-y,z)表示實現農業持續發展目標、期望產出最大化、投入非期望產出最小化。如果TFPgreen、TE 和TP 大于1，表示農業GTFP 變動率進步，TFPgreen、TE 和TP 小于1 時，表示農業GTFP 變動率衰退。

3.2 關系研究模型選取和說明

對農業科技進步、農業GTFP 與碳排放的關系，利用自回歸分析滯后模型（ARDL）進行定量研究，模型典型結構詳見式（11）。其中：Lags 是Yt滯后階數；是第i個自變量（Iv）的滯后階數，i,,n是滯后算子。ARDL 模型將時間滯后效應體現出來，可以測算自變和因變量長期與短期影響；同時，ARDL 模型不要求序列都是平穩序列，也不要求全部是單整平穩序列。

4 實證分析

4.1 農業科技進步貢獻率評價

基于索洛余值法與C-D 函數模型，測算泛長三角4 省市26 個城市（以下簡稱“樣本地區”）農業科技對農業總產值增長貢獻值，結果詳見表2 至表4。可以發現，上海、江蘇、浙江、安徽的農業科技進步貢獻率均值分別為68.5%、61.9%、60.4%、56.6%，總體而言，農業科技對地區農業發展的貢獻率較高，但是區域差別也十分明顯，最大差距達11.9%。具體而言，上海農業科技進步貢獻率最大，是科技創新發展的最佳實踐者；江蘇除無錫、常州偏低之外，其他地區農業科技進步貢獻率均超過60%，提前完成“十三五”規劃目標，農業科技利用水平走在前列；浙江農業科技進步貢獻率均超過國家平均水平，與江蘇水平相差不大；安徽作為傳統農業大省，農業科技進步貢獻率低于60%，一定程度反映安徽各市農業粗放型發展模式比重較大，生產效率普遍不高，科技推動農業綠色高效協同發展作用不明顯，需要進一步加大農業科技投入，以科技進步增強區域農業綠色發展水平。

表2 2009—2018 年上海和安徽各市年均農業科技進步貢獻率

表3 2009—2018 年江蘇各市年均農業科技進步貢獻率

表4 2009—2018 年浙江各市年均農業科技進步貢獻率

4.2 農業GTFP 評價

本研究測算泛長三角4 省市26 個城市2009—2018 年的農業GTFP 指數，并分別計算其技術進步率和技術效率變化率指數；同時，為與傳統TFP 進行有效比較，對其傳統TFP 指數也進行測算，結果詳見表5。可見樣本地區在2009—2018 年間：

第一，農業GTFP 整體上呈增長態勢，但是逐年增長率不斷下降。10 年間農業GTFP 均值1.097，年均增長9.7%，這說明泛長三角農業GTFP 還處于不斷發展階段，增長率比較高；但從縱向時間看，10 年間農業GTFP 增速逐年下降，2017 年和2018年呈現負增長，最低達到-2.4%。

第二，農業GTFP 主要源自技術進步率，技術效率波動更為頻繁。從技術進步率指數看，10 年間均值為1.092，年均增長9.2%，對農業GTFP 增長貢獻率達94.85%，而技術效率變化率指數年均增長0.8%，對農業GTFP 增長貢獻率僅為8.25%，這說明泛長三角農業發展由主要靠資源投資拉動向技術投資拉動轉變，技術進步已經成為泛長三角農業綠色發展主要動力之一；從縱向時間看，10 年間技術效率呈現下降趨勢，與農業GTFP 趨勢相一致。

表5 樣本地區農業GTFP 指數及分解

4.3 農業科技進步、農業GTFP 與碳排放關系分析

基于本研究的全部變量均為時間序列，易帶來非平穩問題，會導致標準差、均值等數據隨時間而改變，對數據進行回歸等分析則會發生偽回歸問題，直接導致研究結論無效，因此本研究采用最常用的單位根檢驗ADF 方法進行檢測。ADF 方法原假設“序列存在單位根”，當統計量小于臨界值時序列平穩，反之則不平穩。經過檢驗，T 是零階平穩，LNE 和LNP 均一階平穩。如果農業科技進步、農業GTFP與碳排放量三者是否存在長期關系不明確，而直接進行線性回歸分析則會發生偽回歸事件，因此必須對ARDL 進行協整檢驗的邊界測試，確定三者間是否有長期關系。通過檢驗發現統計量F為16.57，明顯遠大于1%的臨界值5，所以此ARDL 模型穩定均衡。同時，考慮到農業科技進步、農業GTFP 與碳排放量不完全屬于平穩時序，不具有同階平穩特征，無法直接進行回歸分析，但因其存在穩定均衡關系，因此也可以對變量關系進行分析和判斷。本研究通過EViews10 和ARDL 檢驗法開展協調驗證，按照赤池信息量準則（AIC），篩選后得到長期ARDL（4，2，2）、短期為（4，0，1），詳見表6。

通過表6 可以判斷，長期視角下泛長三角農業科技進步貢獻率、農業GTFP 均對碳排放量具有抑制作用。其中，農業科技進步對碳排放量有一定遏制作用，彈性系數是0.03，說明農業科技進步貢獻率每增加1%則農業碳排放量減少0.03%；同時，農業GTFP 對碳排放量的長期彈性系數是1.24，說明農業GTFP 每增加1%則其碳排放會減少0.24%。從短期視角而言，影響具有差異性：首先，碳排放當期量對其未來3 年內有影響，會發生正向反饋調節，如碳排放當期量較高會導致未來2 年內都偏高，但影響會逐步減弱；其次，農業GTFP 對碳排放有抑制作用，然而并無法通過顯著性檢測，從而可以判定短期影響不顯著；最后，科技進步貢獻率對農業碳排放的影響具有持續性，將對未來3 年內產生影響，且第3 年影響更加顯著。因長期視角下時間序列對系數的影響具有變動特征，需要用遞歸殘差累計和與平方和的方法進行穩定性檢測，結果得到統計量均處于給定邊界的內部，因而可以認定該模型穩定。

表6 樣本地區農業科技進步、農業GTFP 與碳排放關系的ARDL 模型檢驗

表6 （續）

5 結論與建議

5.1 結論分析

本研究選取泛長三角26 個城市2009—2018 年數據，利用系數法和SBM 模型等方法測算其農業科技進步貢獻率、農業GTFP 和碳排放量，并通過ARDL 模型分析三者之間的關系。結果表明：從長期視角而言：（1）農業GTFP 對農業綠色低碳轉型發展具有明顯的積極作用，其每增加1%則農業碳排放會減少0.24%。無論宏觀還是微觀上，農業生產經營者都以高生產效率和高經濟產出為目標而非環境保護，因而相對于投入大量資金購買環保設備、使用環保技術和建立環保設施，直接采取傳統粗放型生產方式更為樂意、更為便捷，生產投入成本也更低，但是對環境造成的壓力會更大，在國家有關碳約束政策下生產者會尋求兩者平衡發展，從而不斷提高農業GTFP、減少碳排放，使得兩者呈現負相關關系。（2）科技進步在一定程度上對農業碳排放具有抑制效應，農業科技進步貢獻率每增加1%則農業碳排放量減少0.03%，但未能通過顯著性檢測，說明效果不顯著。理論上，科技進步能夠改進農業生產方式、提高農業資源利用率，使化肥、農藥等農資產品使用量和農業生產率同步實現“一降一增”，推動傳統粗放型生產模式轉型升級，從而減少農業碳排放量，然而受諸多因素影響，比如農業科技研發水平所處階段不同、技術研發與實際需求結合程度差異明顯、技術推廣應用水平參差不齊、技術應用的區域情況千差萬別、農民文化素養區別較大等，從而導致新技術研發和實施過程受阻，技術效果難以有效發揮。

從短期視角看：（1）農業碳排放當期量會對未來3 年排放強度產生影響。筆者認為主要原因是碳排放量與農業生產活動高度相關，而農業生產活動具有很強的延續性，很多經驗會變成習慣性行為，短期難以改變；且通常會出現技術使用與技術市場“錯位”現象，即考慮成本因素，原農業固定投入如機械等在短期無法及時更換，最新技術和設備無法有效推廣，同時考慮到風險，生產經營管理者更樂于接受以前經過驗證的技術和農資，則當期環保新技術和新農資產品難以體現在當期生產經營中，無法同步對碳排放量產生影響，因而要通過期間宣傳引導、農戶行為糾偏后，在第3 年才會逐步顯示出效果。（2）農業科學技術發展呈現不同效果。農業經營主體對新技術需求主要依托于政府推廣力度，因在新技術出現的第一階段，在政府強有力的政策引導下其推廣和科學使用率高，對農業碳排放的抑制作用更加明顯，而在下一個年度會略有反彈，但抑制作用依然顯著，通過了1%顯著性檢驗，說明科學技術對碳排放量影響因推廣等原因會延遲，需時間來逐步產生作用；而農業GTFP 在短期能形成抑制效應，但是作用不顯著，通常農業生產經營者在收益可觀情況下才會投入更多資源學習新技術、采取綠色生產方式提高農業GTFP。

5.2 對策建議

基于以上研究結論，提出如下對策建議：（1）泛長三角在2009—2018 年內農業碳排放呈現上升趨勢，化肥、農藥等投入量逐步增長，說明其農業高碳發展模式沒有得到根本扭轉。因此，首先應對農藥、化肥等農資產品使用量進行有效控制，大力發展有機農業，借鑒國外精準農業發展模式減少投入物的浪費和流失，提高機械化利用率；其次在能源使用上也應多利用綠色能源，減少化石燃料使用。（2）因農業科學技術、農業GTFP 和碳排放存在長期穩定關系，因此政策制定不僅要注重短期效果，也要注重長期多元影響因素，統籌協調好農業保供給和農業碳排放減量雙重關系；同時，在政策制定的同時要強化實施，加強宣傳引導和監督管控，健全農藥、化肥、農膜等使用回收再利用監管機制和市場機制，構建完善的農業環境監督管理體系。另外，特別要總結經驗教訓，建立長效常態機制，以制度建立成效構筑起農業碳排放持續減少的制度保障。（3）科技水平對農業碳排放抑制效果不明顯，因此在農業科學技術方面應加大對低碳農業的關注和投入力度，提高農業技術推廣水平，盡最大努力減少最新環保農業技術研發、推廣和使用過程出現的滯后性，特別要結合長三角地區自然狀況和農業種植情況，加大有針對性的技術研發，提升農藥、化肥減量與增效作用。（4）泛長三角科學技術水平和農業綠色FTP 的區域差異明顯，應加強區域間統籌協調力度，強化信息技術共享機制，實施定向支援、扶持行動，確保區域間先進技術、管理經驗第一時間“引進來、用起來、作用發揮好”，尤其要強化地區聯合技術攻關，整合科研、推廣力量，推動技術研發實現突破性進展。