新疆低碳農業生產效率研究*
——基于SBM-DEA的研究方法

○新疆財經大學工商管理學院 李季鵬 黃永勝

○新疆財經大學統計與數據科學學院 安博文

一、引言

隨著經濟的快速發展，環境問題越來越受到關注，關于溫室氣體排放、全球變暖和冰川融化的報道屢見報端。IPCC第四次評估報告(2007)指出[1]，農業是溫室氣體的第二大來源，全球人為排放的13.5%來自于農業源溫室氣體排放，因此低碳循環、綠色生態農業成為國內外的關注熱點。2015年12月12日，195個締約方在巴黎達成了新的全球氣候協議——《巴黎協議》，將未來努力的目標設為將氣溫升幅限制在1.5℃內。2015年3月18日，農業部印發了《到2020年化肥使用量零增長行動方案》和《到2020年農藥使用量零增長行動方案》，大力推進化肥減量提效、農藥減量控害。鑒于此，國內學者主要從三個角度對農業碳排放進行了大量研究。①農業碳排放的特征與時空演變。何艷秋(2016)[2]研究了中國農業碳排放的時空特征，夏四友(2019)[3]研究了1997—2016年中國農業碳排放率的時空動態與驅動因素，廖衛東(2020)[4]研究了西部大開發12省的農業碳排放時序演變和空間格局的變化特征，章勝勇(2020)[5]采用空間和非參數估計的方法研究了中國的農業碳排放的空間分異和動態演進；②農業碳排放的影響因素。胡中應(2018)[6]、張永強(2019)[7]、雷振丹(2020)[8]研究了技術因素對農業碳排放的影響，劉瓊(2020)[9]研究了農地經營規模對農業碳排放的影響路徑；③經濟增長與農業碳排放。高鳴(2014)[10]、王留鑫(2019)[11]、張亞飛(2020)[12]對農業碳排放與經濟增長之間的關系進行了研究，何艷秋(2020)[13]基于三維視角，從空間關聯、經濟關聯和技術關聯對區域農業碳排放進行了更深層次、更全面的探究。

新疆地處中國西北邊陲，屬于干旱地區，是中國陸地面積最大的省級行政區，但耕地面積只占全國耕地面積的3.85%，耕地質量只分布在6等級及以后。但是，新疆作為我國重要的種植業和畜牧業基地，低碳農業發展尤其關鍵。因此，對新疆地區的農業碳排放進行估算，采用數據包絡分析和Malmquist指數方法將農業碳排放作為非期望產出，從靜態和動態角度來研究新疆地區的農業碳排放效率，有利于清楚把握新疆地區的農業碳排放總量及效率情況，了解新疆農業碳排放效率的影響內因，為新疆低碳農業更好發展提供方向。

二、研究方法與理論模型

(一)IPCC法的碳排放估計模型

本文選取碳排放源的碳排放量與碳排放系數的乘積來測量農業碳排放的總量，具體測算如公式(1)。

C=∑Cj=∑NjEj

(1)

公式(1)中，C為農業的總碳排放量；Cj為第j類碳排放源的碳排放量，第j類碳排放源的數量；Ej是第j類碳排放源的系數。

(二)SBM-DEA模型

1.基本的SBM-DEA模型

SBM模型屬于DEA模型中非徑向、非角度的模型，由tone(2001)[14]提出，它把投入和產出的松弛量放入目標函數中評價決策單元的效率，能夠評價投入角度和產出共參數的生產效率。有m種投入變量x和n種產出變量y，則最初的SBM-DEA模型可表示為模型(2)。

(2)

2.考慮非期望產出的SBM-DEA模型

在考慮污染等因素后，考慮非期望產出的SBM模型，把(2)中的y分解成(yg，yb)，分別表示期望產出、非期望產出。考慮有m種投入x，n1意愿產出yg，n2中非意愿產出yb的SBM模型表示為模型(3)。

(3)

模型對于決策單元是缺乏效率的，可以作以下改進，以至于達到有效。

(三)DEA-Malmquist模型

DEA-Malmquist模型是數據包絡分析方法與Malmquist指數相結合的一種非參數動態效率評價方法，它利用距離函數的比率來計算投入產出效率。

(4)

(4)式進一步的推導可得

(5)

TFP為全要素生產率指數，可以分解為技術進步效率指數TCH和技術效率指數ECH。

當規模報酬可變時，技術效率指數ECH可以進一步分解為純技術效率指數TECH和規模效率指數SECH。

(6)

由(4)、(5)、(6)式可知，當規模報酬可變時，全要素生產率指數TFP由技術進步效率指數TCH、純技術指數TECH和規模效率指數SECH三部分組成。當TFP>1時，說明全要素生產率呈增長趨勢；當TFP<1時，說明全要素生產率呈下降趨勢；當TFP=1時，說明全要素生產率保持穩定的趨勢，技術進步效率指數TCH、技術效率指數ECH、純技術指數TECH和規模效率指數SECH的數值解釋與全要素生產率指數TFP類似。

三、指標選取與數據來源

(一)農業碳排放指標

借鑒吳賢榮(2014)[15]、冉錦成(2017)[16]農業碳排放源頭的選取值，結合新疆地區的實際情況，本著數據易獲取的原則，本文認為新疆農業碳排放主要分為農業和牧業兩大來源。其中農業碳源主要包括化肥、農膜、農用柴油、土地翻耕和農用灌溉；牧業碳源主要由牛、馬、驢、豬、山羊和綿羊組成，其中牧業碳源不僅會產生CH4，也會產生N2O，碳源排放系數如表1所示。

表1 主要碳源碳排放系數

(二)農業碳排放效率評價指標

結合新疆的實際情況，借鑒吳賢榮(2014)研究，本文將農業碳排放效率指標體系分為人力投入、物力投入、非期望產出和期望產出四大類，其中人力投入用鄉村農業從業人員衡量；物力投入包括播種面積、化肥使用量和農業機械總動力；非期望產出為二氧化碳排放量；期望產出用農業GDP來衡量，具體如下表2所示。

表2 農業碳排放效率評價指標體系

(三)數據來源

本文選取了新疆14個地州市作為考察對象，所有樣本的研究時期為2014—2018年，碳排放量、農業碳排放效率和農業碳排放全要素生產率的測算數據均來源于2015—2019年《新疆統計年鑒》。其中農用化肥施用量為折噸量；農膜是采用地膜作為替代；土地翻耕以各地區當年各地實際播種面積為準；農業灌溉使用各地區當年的節水灌溉作為替代；牛、馬、驢、豬、山羊和綿羊的數量以各年牲畜年底頭數為準；播種面積以當年各地區實際播種面積為準。為了剔除價格變化影響，以2010年為基準年，將各年農業產值換算成實際總產值。

四、實證結果分析

(一)新疆農業碳排放的估計與分析

如圖1所示，2014—2018年新疆的農業碳排放總量呈現先上升后下降的趨勢，其中2014—2016年呈上升的趨勢，在2016年達到了一個峰值，2016年之后呈下降的趨勢，這可能是由于2015年12月達成《巴黎協議》的宏觀環境帶來的影響；在2017年的下降幅度小于2016年的下降幅度，這可能是2017年新疆維穩工作成功后，經濟復蘇使得農業得到了更好的發展，從而產生了更多的碳排放。

圖1 新疆2014—2018年農業碳排放總量情況

由圖2可知，新疆各地市各年的碳排放占比存在一定的波動，其中烏魯木齊市、吐魯番市、哈密市、阿勒泰地區和阿克蘇地區的碳排放占比呈上升的趨勢；昌吉州、塔城地區、喀什地區和和田地區的碳排放占比呈下降趨勢。在2014—2018年伊犁州的碳排放占比均為最高，這可能是由伊犁州發達的畜牧業造成的，因為牲畜的碳排放是農業碳排放的主要組成部分。

圖2 新疆各地區2014—2018年農業碳排放占比情況

(二)農業碳排放效率的結果分析

1.靜態SBM-DEA模型的農業碳排放效率分析

本文基于以上的指標建立了SBM-DEA模型，運用MATLAB R2020a軟件得到農業碳排放效率結果，如表3所示。新疆2014—2018年平均效率值都大于0.8，說明農業碳排放效率整體還不錯。但各地區農業碳排放效率值仍存在一定的差異，從波動情況來看，烏魯木齊市、克拉瑪依市、吐魯番市、哈密市、昌吉州、伊犁州、阿勒泰地區、阿克蘇地區和喀什地區的變異系數均小于10%，屬于弱變異，說明這些地區的波動程度比較小；其他地區的變異系數均大于10%且小于40%，屬于低等變異，波動相對較大，其中克州的農業碳排放效率值波動最大，2014—2017年的效率值均為1，2018年的效率值降為0.4432是當年新疆14個地州市最低水平。從效率值水平來看，烏魯木齊市、克拉瑪依市、吐魯番市、哈密市、昌吉州和阿勒泰地區平均效率值最高，且近五年的效率值均為1，均達到DEA有效狀態。平均效率水平排最后兩名的地區是阿克蘇和喀什地區，分別為0.5921和0.5420，且喀什地區2014—2018年的效率值都小于0.6，說明近5年喀什地區的碳排放效率值都比較低。

表3 新疆14個地市SBM-DEA效率值

2.動態DEA-Malmquist模型的新疆農業碳排放效率分析

如表4所示，從農業碳排放的時間序列來看，新疆2015—2018年的全要素生產率TFP的均值為1.048，大于1，表示新疆的農業碳排放全要素生產率平均以4.8%的速度增長，其中技術進步指數TCH為1.044，技術效率指數ECH為1.004，說明全要素生產率的增長主要是靠技術進步的拉動。

表4 2015—2018年新疆低碳農業Malmquist指數

由圖3可知，全要素生產率指數的變動趨勢與技術進步指數基本一致，且大致呈增長的趨勢，而技術效率指數卻有下降的趨勢，說明新疆農業碳排放效率增長的主要原因是技術的進步，而技術的利用和管理水平卻有待提升。

圖3 新疆農業碳排放效率TFP指數、ECH指數、TCH指數變動趨勢

從表5可知，新疆各地市的全要素生產效率除了哈密市、阿克蘇地區與和田地區小于1為負增長之外，其他地市均大于1，且均值為1.048，表明年均增長為4.8%，說明除了哈密市、阿克蘇地區與和田地區之外，其他地市的農業碳排放效率從2014—2018年均呈增長的趨勢。但是各地市的TFP指數仍然存在一定的差異，增長前三的城市是克拉瑪依市、塔城地區和阿勒泰地區，其中克拉瑪依市的TFP最大，為1.133，即年均增長為13.3%，塔城地區和阿勒泰地區的增長率分別為10.5%和9.7%。正增長最慢的三個地市是伊犁州、巴州和克州，增長率分別為2.7%、2.3%和0.9%。將新疆分為南疆和北疆兩大區域時，可以發現，南疆和北疆的全要素生產率均大于1，增長率分別為6.8%和1.4%，說明南疆和北疆的農業碳排放全要素生產率呈上升的趨勢。

表5 新疆低碳農業Malmquist指數變化及其分解

從各地市農業碳排放全要素生產率的構成來看，全疆的技術效率、技術進步均大于1，呈增長趨勢，說明近年來新疆農業碳排放效率得到了有效的改進。其中阿克蘇地區的全要素生產率指數、技術效率指數均大于1，但技術進步卻小于1，說明該地區的農業碳排放技術雖然沒有增長，但是利用技術的效率更高了，技術的應用和管理水平助力了全要素生產率的增長。而博州和巴州的技術進步指數、全要素生產率指數都大于1，但是技術效率小于1，說明該地區全要素生產率增長的主要原因仍是技術進步，但技術進步并沒有帶來技術效率的增長，表現為一種粗放式的增長。烏魯木齊市、克拉瑪依市、吐魯番市以及昌吉自治州這4個地州市的全要素增長率均大于1，且技術效率指數等于1，技術進步指數大于1，說明這4個地州市的農業碳排放效率僅依靠技術的進步。伊犁自治州、塔城地區、阿勒泰地區、克州和喀什地區的全要素指數、技術效率指數和技術進步指數均大于1，說明這四個地區的農業碳排放效率的改善源于技術進步和技術效率雙重的貢獻。從南疆地區和北疆地區來比較，北疆地區各分解指數均大于1；南疆地區的規模效率指數小于1，其他分解指數均大于1。且除了純技術指數南疆大于北疆之外，其他分解指數方面，北疆均更高，這說明北疆的技術進步和規模效率程度都更勝一籌，而在純技術方面，可能是因為近年來南疆地區援疆強度和技術引進的提升。

五、結論與建議

本文采用IPCC法估算了新疆2014—2018年的碳排放總量，并使用SBM-DEA模型和Malmquist指數從靜態和動態層面對新疆2014—2018年低碳農業生產效率進行分析。

從碳排放總量來看，由于對政策的落實和對環境保護的重視，新疆的碳排放總量呈下降的趨勢。因此新疆需要繼續踐行低碳農業發展理念，在發展農業經濟的同時，也要保護好環境，減少碳源的排放。

從靜態的角度來分析碳排放效率，新疆2014—2018年的SBM-DEA效率值的平均值均大于0.8小于1，屬于非有效狀態。具體來看，北疆地區各地市的效率值更高且大部分地市均達到了SBM有效，而南疆地區的效率值偏低一些。因此新疆應該重視農業低碳經濟的發展，政府應積極引導、統籌考慮逐步縮小南北疆的差距，實現區域協調發展。

從動態的角度分析碳排放效率可以分為時間序列和空間差異。從時間序列的方面分析，新疆的農業碳排放全要素生產率大致呈上升的趨勢，且全要素生產率和技術進步指數的變動趨勢基本一致；從空間差異的方面分析，新疆各地市的全要素生產率存在一定的差異，北疆的各分解指數基本上均大于南疆的各指數。因此，新疆應該繼續加強對農業低碳經濟的投資，保持技術的進步，同時，應該注重農業碳排放效率的內涵式增長，重視農業人才的發展和從業人員職業素養的提升，提高技術的應用和管理水平，控制規模的效率。