我國農業綠色全要素生產率時空演變與區域異質性分析

付偉 李夢柯 羅明燦 陳建成

摘要：目前我國的農業發展面臨投入產出效率嚴重低下的問題，深刻影響生態環境，當下農業發展的關鍵是尋求一條綠色可持續發展的道路。基于SBM-GML指數法測算我國31個省份（因香港、澳門、臺灣省數據缺失較多，未納入研究）2001—2020年的農業綠色全要素生產率，并對其空間相關性進行分析檢驗。結果表明，我國省域農業綠色全要素生產率呈穩定增長狀態，年均增長為1.5%，增長動力主要依靠技術進步；從省際來看，我國各省份之間的農業綠色全要素生產率發展存在較大差異，糧食主產區的農業綠色全要素生產率指數高于糧食主銷區和糧食產銷平衡區；我國糧食產區農業綠色全要素生產率的增長存在顯著的空間相關性，且呈現明顯的集聚特征，熱點區由糧食主產區轉移到糧食產銷平衡區。根據結果分析得出結論并提出不斷優化農業產業結構，探索新的農業發展方式；強化農業技術人才支撐；加大農業財政投入力度等相關政策建議，以期提高我國農業綠色全要素生產率，推動農業實現綠色發展。

關鍵詞：農業綠色全要素生產率；SBM模型；GML指數；農業碳排放；時空演變；區域異質性分析

中圖分類號：F323.3? 文獻標志碼：A

文章編號：1002-1302（2023）23-0227-08

我國目前已經進入高質量發展階段，必須加快“推動經濟發展質量變革、效率變革、動力變革，提高全要素生產率”。改革開放以來，農業隨著我國經濟的迅猛發展取得較好的成績，農林牧漁業總產值由1978年的1 397.0 億元增加至2021年的 147 013.4 億元，年均增長11.44%。目前，我國面臨諸多嚴重的農業環境污染問題。1991—2020年，全國化肥施用量和農藥使用量顯著增加，從1991年的2 805.1 萬、765 307 t分別增長至2020年的 5 250.7 萬、1 313 303 t，增長幅度分別達到87%、72%，對農村生態環境造成嚴重威脅。可見，要加快生態保護和農業高質量發展的步伐，就要發展高質量農業，提升農業綠色全要素生產率是發展的第1步，對于我國推動農業生態文明建設，實現可持續發展至關重要。為此，黨的二十大報告提出要“加快建設現代化經濟體系，著力提高全要素生產率，著力推進城鄉融合和區域協調發展，推動經濟實現質的有效提升和量的合理增長”。《中共中央國務院關于實施鄉村振興戰略的意見》等文件也明確指出，必須要“做好農業農村生態環境保護工作，打好農業面源污染防治攻堅戰，全面推進農業綠色發展”。自2003年以來，“中央一號”文件始終高度聚焦“三農”問題，并多次強調應該節約農業資源和保護生態環境，為推動農業高質高效發展，必須將農業從增產導向轉變為提質導向。有關農業綠色全要素生產率的研究最初集中在測算方法上。截至目前測算方法主要分為參數法和非參數法，參數法包括超越對數生產函數法、C-D函數法［1］、隨機前沿分析法（SFA）［2］、數據包絡法（DEA）［3］等。隨著對農業綠色全要素生產率不斷深入的研究，學者們采用納入環境污染要素的非參數法，Chung等首次使用Malmquist-Luenberger（ML）生產率指數以及方向性距離函數將污染排放作為非期望產出對瑞典紙漿廠的經濟增長進行測度，最終得出合理的全要素生產率［4］。劉華軍等運用方向距離函數模型（DDF模型）和ML生產率指數，以碳排放視角對我國資源環境約束下的區域全要素生產率進行測算［5］。武宵旭等也采用該方法對我國農業的全要素生產率進行測算，并從城鎮化視角對其差異性進行研究［6］。隨著模型的改進，李玲等采用隨機塊模型（SBM模型）結合Luenberger生產率指數測算2004—2008年我國工業部門中19個污染密集型產業，發現規模結構和環境規制都對綠色全要素生產率的提高有推動作用［7］。紀成君等利用2011—2016年我國各省份的數據，采用SBM-DEA模型對我國農業綠色全要素生產率的區域差異和收斂性進行分析［8］。隨著研究的不斷深入，學者們從不同角度對農業綠色全要素生產率展開研究，并發現農村金融發展［9-11］、環境規制［12-13］、新型城鎮化［14-15］、農產品貿易［16-18］等都對農業綠色全要素生產率的發展產生較大影響。本研究在前人研究成果的基礎上，利用SBM-GML指數測算中國省域農業綠色全要素生產率，并基于空間相關和熱點分析對農業綠色全要素生產率增長的區域差異性進行探究并提出相應對策，以期為我國農業綠色轉型、高質量協調發展提供新思路及政策參考。

1 材料與方法

1.1 研究方法

傳統DEA模型的缺陷主要表現為不能分解各個要素的效率值和高估效率值，為了彌補這一缺陷，使綠色全要素生產率的測度更加精確，Tone提出非徑向、非角度的SBM模型［19］。對于農業綠色全要素的分解，本研究采用Oh構建的Global Malmquist-Luenberger（簡稱GML）生產率指數來測算我國31個省份（因香港、澳門、臺灣省數據缺失較多，未納入研究，下同）的農業綠色全要素生產率（簡稱AGTFP）［20］，利用Getis-Ord G*i熱點分析工具對我國省域農業綠色全要素生產率增長的熱點區和冷點區進行分析，探討其增長的區域差異性。

1.1.1 SBM的函數表達式 SBM的函數表達式為：

式中：K表示樣本的決策單元數，個；M表示每個決策單元投入變量；I表示非期望產出變量；N表示期望產出變量的數量，其中投入向量為x、期望產出向量為y、非期望產出向量為u，類資源投入、期望產出以及非期望產出的松弛變量分別用sx、sy、su表示，rk表示權重向量。目標函數關于skm、syn、sni呈遞減趨勢，且0≤ρ*≤1。當且僅當ρ*=1時，稱生產單元有效率；當ρ*＜1時，說明生產單元無效，存在產出不足或投入過量的情況，則該生產單位需要根據實際盡快做出改進。

1.1.2 Global Malmquist-Luenberger生產率指數

本研究采用Oh提出的Global Malmquist-Luenberger（GML）［20］來測算AGTFP，其中，將中國各個省份作為1個決策單元（DUM），x表示投入要素指標，包括勞動力投入、土地投入、機械投入、化肥投入以及水資源投入；y表示期望產出指標，包括農林牧漁總產值；u表示非期望產出指標，包括農業碳排放。設時期總數為T，利用各省份t期的投入和產出值，參考Oh［20］，GML指數可定義為公式（3）。

式中：GMLt，t+1的值大于1，說明AGTFP在進步；GMLt，t+1的值等于1，則表明AGTFP保持不變；GMLt，t+1的值小于1，則表明AGTFP降低。將GML指數分解為綠色技術效率指數（GEC）和綠色技術進步指數（GTC），根據Zofio的研究成果進一步將綠色技術效率指數（GEC）分解為綠色純技術效率（GPEC）和綠色規模效率（GSEC）［21］。若綠色技術進步大于1，表示進步；若綠色技術進步小于1，則表示退步。

GMLt，t+1=GEC×GTC=GPEC×GSEC×GTC。（4）

1.1.3 熱點分析

利用ArcGIS 中的Getis-Ord G*i熱點分析工具對中國省域農業綠色全要素生產率增長的熱點區和冷點區進行分析。該熱點分析工具對每個地區的Getis-Ord G*i的值進行計算，并將得出的結果分配為Z。Z值為正，Z值數越大，表示高值聚類越強烈（即熱點）；Z值為負，Z值數越小，表示低值聚類越強烈（即冷點）。Getis-Ord G*i計算方法見公式（5）。

式中：xj表示樣本j的屬性值；wij表示i與j之間的空間權重；n表示樣本總數；X表示平均數；s表示標準差；計算出每個單元G*i的值即為Z的值。本研究用熱點區及次熱點區表示AGTFP的增長較強，冷點及次冷點區表示該地區AGTFP的增長較弱甚至呈負增長。

1.2 投入產出指標的選取和數據來源

本研究選取以農林牧漁業為主的廣義農業，構建包含投入變量、期望產出和非期望產出變量的投入產出指標體系，測算農業綠色全要素生產率指數。

1.2.1 投入產出指標選取

借鑒已有研究成果，考慮研究區域、數據可得性選取勞動、土地、機械、化肥、水資源、農藥和農膜7個投入指標。農業產出變量包含期望產出和非期望產出。（1）期望產出。農林牧漁總產值為期望產出，本研究選取2001—2020年我國31個省份的農林牧漁總產值，根據我國各省份居民消費價格指數（2001年為基期）進行折算。（2）非期望產出。聯合國政府間氣候變化專門委員會（IPCC）報告中指出要把農業碳排放算入非期望產出，根據李波等的研究方法［22］核算碳排放量。本研究主要測算農業生產過程中化肥、農藥、農膜、柴油、翻耕、農業灌溉等6類直接產生的碳排放。碳排放估算公式為

E=∑Ei=∑Tiδi。（6）

式中：E表示農業的碳排放量；Ei表示各種碳源的碳排放量；Ti表示各碳排放源的量；δi表示各碳排放源的碳排放系數。根據文獻整理得到δi的參考值（表1）。

1.2.2 數據來源

我國農業綠色全要素生產率測算研究樣本為我國31個省份，研究時間范圍是2001—2020年，指標數據主要來源于2001—2020年《中國統計年鑒》《中國農村統計年鑒》《中國環境統計年鑒》等以及各個省（市、區）統計年鑒，水資源數據來自于《中國水資源公報》（表2）。

本研究基于2001—2020年我國31個省份（因香港、澳門、臺灣省數據缺失較多，未納入研究）的農業投入產出數據和SBM-GML指數，通過MaxDEA 8.0軟件對我國農業綠色全要素生產率進行測算。為研究我國各區域之間的差異，根據國家發展和改革委員會在《國家糧食安全中長期規劃綱要（2008—2020）》的標準劃分為糧食主產區、糧食主銷區和糧食產銷平衡區（表3）。

2 農業綠色全要素生產率時空演進及空間相關性分析

基于2001—2020年我國31個省份的農業投入產出數據，通過MaxDEA 8.0軟件對我國的AGTFP進行測算，從時間和空間2個層面進行差異化分析，并將納入碳排放和不納入碳排放的結果進行對比，找出兩者之間的差異。

2.1 我國省域農業綠色全要素生產率的時間演變

2.1.1 總體趨勢分析

我國31個省域2001—2020年的農業綠色全要素生產率的變化情況見表4，并與未考慮環境約束的全要素生產率進行對比。整體上看，自2001年以來，我國省域的農業綠色全要素生產率指數呈波動性增長上升趨勢，年均增長8.62%；具體來看，2001—2002年我國省域的AGTFP小于1，意味著這一年的農業綠色全要素生產率在退步，而其他年份均大于1，說明農業綠色全要素生產率在進步。未考慮環境約束下的農業綠色全要素生產率也呈增長趨勢，年均增長7.58%，顯著低于考慮環境約束的全要素生產率水平，由此可見，我國省域農業綠色全要素生產率的增長很大程度是以犧牲環境為代價的粗放型增長。在考慮環境約束的情況下，由于技術進步使得農業綠色全要素生產率有所增長，年均增長率達到1.8%，但技術效率不進反退，年均增長率呈現負數，為-0.03%。由表4測算結果對比可知，無論是否考慮環境約束，大多數年份中技術進步高于技術效率。

2.1.2 區域分析

我國糧食主產區、 主銷區、產銷平衡區農業綠色全要素生產率時間演進趨勢見圖1。由圖1可知，從區域分布來看，糧食主產區、主銷區、產銷平衡區的農業綠色全要素生產率從2002年的1.023 9、0.922 7、0.995 6分別增長到2020年的1.341 4、1.316 1、1.300 1，年均增長率分別為1.43%、1.89%、1.41%。根據上述分析可知，無論全國還是各區域的農業綠色全要素生產率指數均呈現出增長趨勢，這得益于我國近些年對環境污染的治理和環境保護的推動。進一步研究發現，糧食主產區的AGTFP最低，糧食產銷平衡區最高，這主要是因為糧食產銷平衡區的較為注重農業的綠色發展，近些年來國家相關政策的傾向，各省份的對口支援給這些省份帶來了豐富的農業相關技術資源，這些地區氣候適宜且水資源豐富，得天獨厚的自然條件以及穩定的農業從業人口條件支撐農業的高質量發展；而糧食主產區經濟發展緩慢，人口眾多，過度追求經濟效益導致生態環境較差，土地貧瘠，可持續發理念落后，農業相關技術人才匱乏，無力支撐農業現代化的快速穩定發展；糧食主銷區經濟發展水平較高，隨著工業化和城鎮化的加快，耕地減少，農民種糧積極性較低，一些地區出現糧食生產“副業化”，進而導致農業綠色全要素生產率指數增長較慢。

2.1.3 省際分析

由表5可知，我國省際之間AGTFP存在差異。從AGTFP測算結果來看，2001—2002年海南省AGTFP最低，為0.211，而山西省AGTFP最高，為1.132 3，兩者相差81%，且35%的地區AGTFP為退步狀態；2019—2020年北京市AGTFP最低，僅為0.972 7，而河南省AGTFP最高，為2.288 6，兩者相差135%，2020年97%的地區AGTFP實現質的增長。綜上可知，位于我國糧食主產區的各個省份的農業綠色全要素生產率指數較高，與之相反，糧食產銷平衡區和主銷區的省份的農業綠色全要素生產率指數較低，說明主產區較

2.2 我國省域農業綠色全要素生產率的空間演變

利用ArcGIS繪制我國農業綠色全要素生產率空間演進圖，本研究選取中國省域2001—2002年、2005—2006年、2010—2011年、2015—2016年、2019—2020年的AGTFP進行對比，結果見圖2。由圖2可知，我國各省份AGTFP總體上上升良好，其中糧食主產區的遼寧省、吉林省、黑龍江省、內蒙古自治區、河北省、山東省、安徽省、江蘇省、江西省、河南省、湖南省、四川省和湖北省發展變化最明顯，說明這些地區較重視農業綠色發展；產銷平衡區的山西省、廣西壯族自治區、重慶市、云南省、貴州省、陜西省、甘肅省、青海省、西藏自治區、寧夏回族自治區、新疆維吾爾自治區整體發展較緩慢，沒有明顯改善，這些地區的農業發展多依賴于傳統的發展模式，發展較落后，導致農業綠色全要素生產率指數增長較慢。

2.3 我國省域農業綠色全要素生產率的空間相關性分析

利用Morans I指數和Getis-Ord G*i熱點分別從全局空間自相關和局部自相關分析我國農業綠色全要素生產率的增長是否存在空間相關性，探究其區域之間發展的聯系。

2.3.1 全局空間自相關分析

利用Stata17軟件基于Global Morans I對我國AGTFP的空間相關性進行分析，探究其是否存有空間依賴性。由表6可知，Morans I指數在2002年、2005年、2009年、2010年、2012年、2013年、2015年、2020年小于0，其余年份都大于0，僅有2003年、2004年、2007年、2011年、2012年、2013年、2016年、2017年、2018年、2019年通過0.10水平顯著性檢驗，其余年份的Morans I指數沒有通過顯著性檢驗，接受了原假設，但依然可得我國農業綠色全要素生產率增長存在一定的空間相關性。部分年份Morans I指數沒有通過顯著性檢驗，可能受資源稟賦條件差異和空間溢出效應的影響。由于各地區農業發展方向不同，各地區會按照自身的優勢條件進行農業生產，導致較大差異，使得即使空間上接壤的地區相關性也不顯著。

2.3.2 局部自相關分析

采用Getis-Ord G*i熱點分析探究2001—2002、2010—2011、2019—2020年我國省域AGTFP增長的局部相關性，其中熱點區和次熱點區表示我國省域AGTFP增長幅度較大，冷點區和次冷點區表示增長幅度較小甚至增長為負，通過冷熱點分析探究我國省域AGTFP增長局部空間上存在的聯系。由圖3可知，我國省域AGTFP增長呈現明顯的地域集聚現象，熱點區逐年減少，冷點區逐年增加，2001—2020年冷熱點分布轉移變化較大。2001—2002年的冷點區只有海南省，次冷點區主要分布西藏自治區，這些地區的共同特征是地理位置偏遠，是傳統的農業大省（區），農業發展的基礎設施建設落后，無法支撐AGTFP的高效增長；2010—2011年冷點區向產銷平衡區轉移，主要分布在新疆維吾爾自治區、甘肅省、青海省、西藏自治區，次冷點主要分布在河南省、山西省和貴州省，主要是因為這些地區糧食生產任務重，在農業生產過程中無法較好平衡經濟效益和生態效益；2019—2020[JP+1]年冷點區整體向主產區和主銷區轉移，主要分布于北京市、上海市、福建省和西藏自治區，大部分地區AGTFP增長進入次冷點狀態。主要是由于我國經濟快速發展，進一步邁入城鎮化時期，同時意味著耕地資源逐步減少以及勞動力也逐漸流失，從而導致AGTFP增長變緩。自2003年國家發布“中央一號”文件以來，我國聚焦“三農”問題，各地區農業發展逐步邁向低碳排放的道路。

2001—2002年AGTFP的增長熱點區主要分布在產銷平衡區，主要包含新疆維吾爾自治區、北京市、陜西省、山西省、四川省，而次熱點區主要分布在主產區，主要是因為大部分地區自然資源豐富，非傳統農業大省，農業還在初始開發階段，農業生產所造成的污染和排放較少，AGTFP增長態勢良好。2010—2011年熱點區逐漸減少，主要分布在黑龍江省、陜西省、江蘇省、云南省，受農業相關政策影響，各地區開始重視農業的綠色發展，AGTFP增長整體速度放緩。2019—2020年熱點區域明顯減少，僅剩下河南省，次熱點區僅剩下天津市、陜西省、湖北省、浙江省。這些地區大多擁有較好的經濟條件，借助資源和政策優勢農業發展實現質的飛躍，從而帶動AGTFP快速增長。與2001—2002年相比，2019—2020年熱點和次熱點區面積不斷減少，說明農業綠色的發展越來越受重視，各省份也開始積極尋求農業的轉型之路，各個地區利用自身資源條件優勢，大力發展低碳綠色農業，有效減少農業碳排放，進一步推動AGTFP穩定增長。

3 結論與政策建議

本研究基于SBM-GML生產率指數對我國省域2001—2020年AGTFP進行測算，將我國31個省（市、區）劃分為糧食主產區、主銷區和產銷平衡區。從農業碳排放角度分析農業發展情況，并從時間和空間2個層面分析其差異化，最后通過Morans I指數和Getis-Ord G*i熱點分析從全局自相關和局部自相關驗證我國農業綠色全要素生產率的空間相關性，根據分析結果得出結論并提出相關建議。

3.1 結論

第一，我國省域之間農業發展水平差距較大。農業發展投入的資料、消耗的能源省域之間年增長率相差較大，農業碳排放增長率逐年上升，大部分地區為了達到農業經濟持續增長的目的，做出破壞環境、過度消耗資源的舉措。想要提升農業綠色全要素生產率水平，就要轉變農業發展模式，走低碳可持續發道路。

第二，我國農業綠色全要素生產率指數呈波動緩慢增長態勢，考慮碳排放因素的AGTFP水平高于不考慮碳排放因素的ATFP。無論是否考慮碳排放約束，技術進步指數在大多數年份中都略高于技術效率指數，說明農業全要素生產率指數的提高主要依靠技術進步。從時空演化趨勢來看，我國農業綠色全要素生長率呈“M”形增長，整體增長速度緩慢，受政策影響，產銷平衡區和主產區波動較大。省域之間的農業綠色全要素生產率指數差距較大，經濟發展緩慢的糧食主產區發展較為穩定，而經濟發達的糧食主銷區受城鎮化和發展空間限制因素影響，導致這些地區的農業投入占比較小，農業的發展不受重視，生產率較低。

第三，我國省域AGTFP存在空間相關性。由于各省份農業發展的資源稟賦優勢有所不同，導致部分年份的空間相關性沒有通過顯著性檢驗，但受多方面因素影響，局部區域即使空間上不接壤，也存在空間相關性。

3.2 政策建議

綜上，對我國提升農業綠色全要素生產率提出以下幾點建議。

第一，不斷優化農業產業結構，探索新的農業發展方式。土地、勞動力、資本等生產要素是推動農業進步與發展不可或缺的重要部分，同時，這些生產資料如農藥、化肥、農膜、柴油等大范圍過度使用帶來了嚴重的環境問題，破壞了生態平衡。因此，我國急需轉變農業發展方式，優化產業結構，走高效、低碳、高質量的農業發展道路。

第二，強化農業技術人才支撐。我國的農業技術人才是匱乏的，東部和中部經濟發達地區在農業技術人才引進方面存在較強優勢，而西部地區相對較弱，農業技術水平有待提升。要助力高校人才培養，提高農業科研投入，著力培養適應現代化發展的新型農業技術人才。針對農業從業人員定期開展專項培訓，培養符合農業需求的新型人才。

第三，加大農業財政投入力度。為了保障農業的穩定發展，必須要對抗風險能力弱的農業經營主體采取支持性的財政政策，對農業發展提供財政支持。針對不同地區，有傾向性地因地制宜提供財政扶持，提高地區的農業發展水平，以達到農業的區域協調發展。提高對農業經營者的財政補貼力度，完善支農惠農政策。加大財政對大型農用機械設備等農業生產基礎設施建設的支持力度，以提高當地農業生產的技術水平，促進農業綠色高效發展。

參考文獻：

［1］Solow R M. Technical change and the aggregate production function［J］. The Review of Economics and Statistics，1957，39（3）：312.

［2］Abler D G，Pick D. NAFTA，agriculture，and the environment in Mexico［J］. American Journal of Agricultural Economics，1993，75（3）：794-798.

［3］Charnes A，Cooper W W，Rhodes E. Measuring the efficiency of decision making units［J］. European Journal of Operational Research，1978，2（6）：429-444.

［4］Chung Y H，Fre R，Grosskopf S. Productivity and undesirable outputs：a directional distance function approach［J］. Journal of Environmental Management，1997，51（3）：229-240.

［5］劉華軍，楊 騫. 資源環境約束下中國TFP增長的空間差異和影響因素［J］. 管理科學，2014，27（5）：133-144.

［6］武宵旭，葛鵬飛，徐璋勇. 城鎮化與農業全要素生產率提升：異質性與空間效應［J］. 中國人口·資源與環境，2019，29（5）：149-156.

［7］李 玲，陶 鋒. 污染密集型產業的綠色全要素生產率及影響因素——基于SBM方向性距離函數的實證分析［J］. 經濟學家，2011（12）：32-39.

［8］紀成君，夏懷明. 我國農業綠色全要素生產率的區域差異與收斂性分析［J］. 中國農業資源與區劃，2020，41（12）：136-143.

［9］梁 俊，龍少波. 農業綠色全要素生產率增長及其影響因素［J］. 華南農業大學學報（社會科學版），2015，14（3）：1-12.

［10］李健旋. 農村金融發展與農業綠色全要素生產率提升研究［J］. 管理評論，2021，33（3）：84-95.

［11］張翱祥，鄧榮榮. 數字普惠金融對農業綠色全要素生產率的影響及空間溢出效應［J］. 武漢金融，2022（1）：65-74.

［12］馬國群，譚硯文. 環境規制對農業綠色全要素生產率的影響研究——基于面板門檻模型的分析［J］. 農業技術經濟，2021（5）：77-92.

［13］徐永慧，尹朝靜. 環境規制下中國農業綠色全要素生產率的測算［J］. 統計與決策，2021，37（18）：50-54.

［14］郭海紅，張在旭. 新型城鎮化對農業綠色全要素生產率的門檻效應［J］. 湖南師范大學社會科學學報，2019，48（2）：55-63.[HJ2.05mm]

［15］劉戰偉. 新型城鎮化提升了中國農業綠色全要素生產率嗎？——基于空間溢出效應及門檻特征［J］. 科技管理研究，2021，41（12）：201-208.

［16］李曉龍，冉光和. 農產品貿易提升了農業綠色全要素生產率嗎？——基于農村金融發展視角的分析［J］. 北京理工大學學報（社會科學版），2021，23（4）：82-92.

［17］陳 芳，楊梅君. 農產品國際貿易對中國農業綠色全要素生產率的影響［J］. 華南農業大學學報（社會科學版），2021，20（5）：94-104.

［18］陳燕翎，莊佩芬，彭建平. 貿易開放對農業經濟高質量發展的影響——基于農業綠色全要素生產率的視角［J］. 生態經濟，2021，37（12）：105-114.

［19］Tone K. A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research，2001，130（3）：498-509.

［20］Oh D H. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis，2010，34（3）：183-197.

［21］Zofio J L. Malmquist productivity index decompositions：a unifying framework［J］. Applied Economics，2007，39（18）：2371-2387.

［22］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.

［23］Dubey A，Lal R. Carbon footprint and sustainability of agricultural production systems in punjab，India，and Ohio，USA［J］. Journal of Crop Improvement，2009，23（4）：332-350.