長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率的測(cè)評(píng)研究

朱梅 雷麟

(湖南農(nóng)業(yè)大學(xué)公共管理與法學(xué)學(xué)院，湖南 長(zhǎng)沙 410128)

長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)資源豐富，在保障我國(guó)糧食安全方面具有重要地位；同時(shí)，農(nóng)業(yè)對(duì)于長(zhǎng)江經(jīng)濟(jì)帶的整體發(fā)展具有重要的生態(tài)服務(wù)功能。早在2013年，習(xí)近平總書記就提出要更好發(fā)揮長(zhǎng)江黃金水道作用，2016年中共中央政治局審議通過《長(zhǎng)江經(jīng)濟(jì)帶發(fā)展規(guī)劃綱要》時(shí)強(qiáng)調(diào)指出，長(zhǎng)江是中華民族的生命河，長(zhǎng)江經(jīng)濟(jì)帶發(fā)展的戰(zhàn)略定位必須堅(jiān)持生態(tài)優(yōu)先、綠色發(fā)展。經(jīng)過數(shù)年的改革創(chuàng)新，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色發(fā)展?fàn)顟B(tài)和趨勢(shì)如何，各省市具體情形怎樣，如何實(shí)現(xiàn)高質(zhì)量發(fā)展。本文以農(nóng)業(yè)綠色全要素生產(chǎn)率(green total factor productivity，GTFP)的系統(tǒng)測(cè)算為出發(fā)點(diǎn)，通過實(shí)證定量分析的方法，測(cè)量和綜合評(píng)判長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色發(fā)展水平，并對(duì)各省市進(jìn)行深入剖析，為促進(jìn)長(zhǎng)江經(jīng)濟(jì)帶的高質(zhì)量農(nóng)業(yè)綠色發(fā)展提供政策建議。

1 文獻(xiàn)綜述

赫永達(dá)等構(gòu)建了含非期望投入的ISBM模型，并與傳統(tǒng)含非期望產(chǎn)出的經(jīng)典SBM模型進(jìn)行對(duì)比，在Malmquist生產(chǎn)指數(shù)的結(jié)合下基于聯(lián)合概率密度視角分析中國(guó)環(huán)境質(zhì)量綠色全要素生產(chǎn)率的變動(dòng)及其影響因素[1]。杜建軍等參照Malmquist生產(chǎn)率指數(shù)，構(gòu)建GML指數(shù)和ML指數(shù)來計(jì)算中國(guó)農(nóng)業(yè)綠色全要素生產(chǎn)率[2]。顏華等采用SBM-GML模型赫面板回歸模型分析農(nóng)業(yè)生產(chǎn)性服務(wù)對(duì)糧食綠色生產(chǎn)的促進(jìn)作用[3]。張夢(mèng)玲等通過采用DEA-SBM模型和Tobit模型，測(cè)算農(nóng)業(yè)綠色生產(chǎn)率并分析受教育程度、風(fēng)險(xiǎn)偏好、務(wù)農(nóng)年限、土地肥力、田間交通條件等對(duì)農(nóng)業(yè)綠色生產(chǎn)率的影響，并建議增強(qiáng)對(duì)農(nóng)業(yè)綠色生產(chǎn)率有關(guān)問題的關(guān)注度，促進(jìn)農(nóng)業(yè)綠色生產(chǎn)技術(shù)的改進(jìn)與供應(yīng)[4]。閆晗等以12年省級(jí)面板數(shù)據(jù)為樣本分析構(gòu)建面板模型計(jì)算得出糧食生產(chǎn)綜合技術(shù)效率[5]。申丹虹等結(jié)合永續(xù)盤存法，采用Malmquist指數(shù)模型計(jì)算了黃河流域的全要素生產(chǎn)率[6]。楊靈等結(jié)合永續(xù)盤存法計(jì)算全要素生產(chǎn)率[7]。劉成杰等采用面板固定效應(yīng)模型，從經(jīng)濟(jì)沖擊抵抗能力、經(jīng)濟(jì)組織調(diào)節(jié)能力、經(jīng)濟(jì)自我創(chuàng)新能力3個(gè)層面，分析城市經(jīng)濟(jì)韌性對(duì)綠色全要素生產(chǎn)率的影響，認(rèn)為城市經(jīng)濟(jì)韌性發(fā)展可以直接提升綠色全要素生產(chǎn)率，可以通過促進(jìn)技術(shù)創(chuàng)新能力提升和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)間接提升城市綠色全要素生產(chǎn)率[8]。劉巖等結(jié)合生產(chǎn)性服務(wù)業(yè)集聚效應(yīng)和生產(chǎn)性服務(wù)業(yè)集聚空間溢出效應(yīng)，測(cè)算了黃河流域城市綠色全要素生產(chǎn)率，并構(gòu)建空間杜賓模型得出黃河流域GTFP具有空間正向相關(guān)性特征，其空間格局表現(xiàn)為“東西高、南北高、中部低”的特征[9]。Yang Yang等分析了1997—2020年中國(guó)28個(gè)省市自治區(qū)的面板數(shù)據(jù)，認(rèn)為考慮意外產(chǎn)出的農(nóng)業(yè)綠色全要素生產(chǎn)率更符合中國(guó)農(nóng)業(yè)綠色高質(zhì)量發(fā)展水平，政府應(yīng)推進(jìn)農(nóng)業(yè)生產(chǎn)方式改革，消除要素市場(chǎng)扭曲對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率提高的阻斷作用，縮小農(nóng)業(yè)全要素生產(chǎn)率的區(qū)域差距，建立現(xiàn)代農(nóng)業(yè)高質(zhì)量綠色發(fā)展的政策體系[10]。

學(xué)者的研究成果為本研究提供了有益的啟示和借鑒。本文采用SBM-GML指數(shù)法測(cè)算長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的農(nóng)業(yè)綠色全要素生產(chǎn)率，并提出促進(jìn)長(zhǎng)江經(jīng)濟(jì)帶綠色農(nóng)業(yè)進(jìn)一步發(fā)展的建議。

2 農(nóng)業(yè)綠色全要素生產(chǎn)率的測(cè)算模型與方法

2.1 GML指數(shù)法

GML指數(shù)法基于規(guī)模報(bào)酬不變的視角，從產(chǎn)出導(dǎo)向入手，對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率進(jìn)行測(cè)算，并采取FGNZ法將農(nóng)業(yè)綠色全要素生產(chǎn)率(GTFP)進(jìn)行分解成純技術(shù)效率(GPEC)、規(guī)模效率(GSEC)和技術(shù)進(jìn)步(GTC)3部分，若GTFP、GPEC、GSEC、GTC>1，則說明在(t，t+1)時(shí)期內(nèi)純技術(shù)效率、規(guī)模效率和技術(shù)進(jìn)步對(duì)綠色全要素生產(chǎn)率有促進(jìn)作用，反之則有抑制作用。

GMLt，t+1(xt，yt，bt，xt+1，yt+1，bt+1)=

=GPTEt，t+1×GTCt，t+1×GSECt，t+1=GTFPt，t+1

式中，x代表投入要素；y代表期望產(chǎn)出；b代表非期望產(chǎn)出；t為年份。

2.2 超效率SBM模型

超效率SBM模型加入了非期望產(chǎn)出指標(biāo)，結(jié)合DDF法可在一定程度上使效率評(píng)價(jià)更全面。

式中，ρ為評(píng)價(jià)單元的綜合效率值；λ為權(quán)重；k是對(duì)象的個(gè)數(shù)(本文為11)；i、l、r、j均為決策單元的表征；期望產(chǎn)出以及非期望產(chǎn)出分別為ya和yb；投入要素個(gè)數(shù)為m，本文m=8；s1和s2分別表示期望產(chǎn)出和非期望產(chǎn)出個(gè)數(shù)，本文s1和s2數(shù)值均為1；s-為投入松弛變量；sg和sb表示期望產(chǎn)出和非期望產(chǎn)出的松弛變量。

3 變量選取及數(shù)據(jù)來源

3.1 變量選取

3.1.1 投入指標(biāo)

本文選取長(zhǎng)江經(jīng)濟(jì)帶勞動(dòng)力投入、土地投入、農(nóng)用機(jī)械動(dòng)力投入、化肥投入、農(nóng)藥投入、農(nóng)膜投入、柴油投入、灌溉投入作為測(cè)算長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)GTFP的投入指標(biāo)，并采用權(quán)重系數(shù)法對(duì)各生產(chǎn)要素進(jìn)行剝離。勞動(dòng)力投入采用當(dāng)?shù)氐谝划a(chǎn)業(yè)從業(yè)人數(shù)與權(quán)重系數(shù)(農(nóng)業(yè)產(chǎn)值占農(nóng)林牧漁總產(chǎn)值的比重)的乘積，土地投入采用當(dāng)?shù)丶Z食播種面積不變，其余指標(biāo)均乘當(dāng)?shù)禺?dāng)年糧食播種面積與農(nóng)作物的播種面積的比重。農(nóng)用機(jī)械動(dòng)力投入用糧食生產(chǎn)機(jī)械總動(dòng)力計(jì)算，灌溉投入為農(nóng)作物播種面積。

3.1.2 產(chǎn)出指標(biāo)

產(chǎn)出指標(biāo)包含非期望產(chǎn)出指標(biāo)以及期望產(chǎn)出指標(biāo)。期望產(chǎn)出指標(biāo)用農(nóng)業(yè)生產(chǎn)總值計(jì)算，非期望產(chǎn)出用當(dāng)?shù)禺?dāng)年碳排放量計(jì)算。碳排放量的計(jì)算參考李波等的方法[11]，設(shè)各省市碳排放總量為E，不同碳源排放量為Ei，各碳源總量為Ti，各碳源碳排放系數(shù)為δi，則E=∑Ei=∑Ti×δi。

表1 農(nóng)業(yè)生產(chǎn)碳排放系數(shù)δi及來源

3.2 數(shù)據(jù)來源

基于研究目的，本文選取2011—2020年長(zhǎng)江經(jīng)濟(jì)帶的面板數(shù)據(jù)。數(shù)據(jù)主要來自《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)機(jī)械工業(yè)年鑒》，以及長(zhǎng)江經(jīng)濟(jì)帶各省市的統(tǒng)計(jì)年鑒。

4 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率測(cè)算分析

本文采用數(shù)據(jù)包絡(luò)分析軟件(DEA)運(yùn)算得出2011—2020年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率。

表2 數(shù)據(jù)及指標(biāo)說明

4.1 基于長(zhǎng)江經(jīng)濟(jì)帶整體視角

由表3和圖1可知，2011—2020年長(zhǎng)江經(jīng)濟(jì)帶各省市的農(nóng)業(yè)綠色全要素生產(chǎn)率不遵循線性變化規(guī)律，呈波動(dòng)變化，最小值為2015—2016年的1.0326，最大值為2019—2020年的1.4731；所有年份農(nóng)業(yè)GTFP均大于1，說明長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)發(fā)展處于進(jìn)步與改善的趨勢(shì)。

圖1 2011—2015年、2016—2020年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)GTFP變化趨勢(shì)圖

圖2 2011—2020年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)GTFP及其分解指數(shù)變化趨勢(shì)圖

表3 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)GTFP結(jié)果

從分解后的GPEC、GSEC與GTC角度來看，2014—2018年的GPEC<1，2012—2015年、2016—2019年的GSEC<1，GTC分析期內(nèi)均大于1，GPEC均值為0.9927，GSEC均值為0.9847，分別下降了0.73%、1.53%，GTC均值為1.1938，增長(zhǎng)19.38%?？梢?，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)全要素生產(chǎn)率的提升更大程度上取決于技術(shù)進(jìn)步，純技術(shù)效率在2011—2014年大于1，其GTFP處于緩慢增長(zhǎng)的階段，而2018—2020年由于技術(shù)進(jìn)步的主導(dǎo)促進(jìn)作用使農(nóng)業(yè)GTFP增速較快。規(guī)模效率只在2011—2012年、2015—2016年、2019—2020年大于1，其余年內(nèi)小于1，這也說明規(guī)模效率對(duì)農(nóng)業(yè)全要素生產(chǎn)率的影響不大。

4.2 基于省域視角

長(zhǎng)江經(jīng)濟(jì)帶不同省份的農(nóng)業(yè)GTFP差距也各有所異，最大值為湖南1.2752，最小值為上海1.0143，但其值均大于1。從分解后的純技術(shù)效率、規(guī)模效率和技術(shù)進(jìn)步3個(gè)角度來看，四川、湖北、江蘇3個(gè)省份的規(guī)模效率不高且小于1，抑制了農(nóng)業(yè)綠色全要素生產(chǎn)率的提升；江西、安徽的純技術(shù)效率水平不足，不利于GTFP的提升；11個(gè)省市的技術(shù)進(jìn)步均大于1，但上海的技術(shù)進(jìn)步水平明顯低于其他省市。

另按時(shí)間順序(2011—2020年)和地域順序(01～11分別代表貴州、云南、四川、重慶、湖南、湖北、江西、安徽、浙江、江蘇、上海)排序。由表4可知，不同省市不同年份之間的增長(zhǎng)率差距很大，增長(zhǎng)率最大達(dá)到了135%以上，最小為-50%左右。技術(shù)進(jìn)步增長(zhǎng)率小于0，農(nóng)業(yè)綠色全要素生產(chǎn)率也隨之下降；技術(shù)進(jìn)步增長(zhǎng)率大于0，農(nóng)業(yè)綠色全要素生產(chǎn)率也隨之增加。

表4 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率增長(zhǎng)率變化

4.3 基于糧食功能區(qū)的視角

為進(jìn)一步探究糧食3大功能區(qū)農(nóng)業(yè)GTFP的變動(dòng)趨勢(shì)，將2011年作為基期，繪制以時(shí)間為單位的GTFP累積變化趨勢(shì)圖。長(zhǎng)江經(jīng)濟(jì)帶中屬于主產(chǎn)區(qū)的省市有四川、江蘇、安徽、湖北、湖南和江西，屬于主銷區(qū)的省市有上海和浙江，屬于產(chǎn)銷平衡區(qū)的省市有貴州、重慶和云南。由圖3可知，主銷區(qū)的農(nóng)業(yè)GTFP除2016—2018外均普遍低于主產(chǎn)區(qū)和平衡區(qū)，這是由于糧食主銷區(qū)大多為經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，第二、第三產(chǎn)業(yè)比第一產(chǎn)業(yè)更為發(fā)達(dá)，導(dǎo)致無法形成規(guī)模化生產(chǎn)，生產(chǎn)條件不足。糧食主產(chǎn)區(qū)的農(nóng)業(yè)GTFP處于先下降后波動(dòng)上升的趨勢(shì)，原因在于糧食主產(chǎn)區(qū)地表平坦，土壤肥沃，生產(chǎn)環(huán)境優(yōu)異，適合作物生產(chǎn)，且本著可持續(xù)發(fā)展的理念，糧食主產(chǎn)區(qū)更注重環(huán)境保護(hù)。產(chǎn)銷平衡區(qū)的變化趨勢(shì)主要是受相關(guān)政策法規(guī)的實(shí)行的影響。

圖3 分區(qū)農(nóng)業(yè)GTFP累積變化趨勢(shì)圖

5 結(jié)論

選取勞動(dòng)力投入、土地投入、農(nóng)用機(jī)械動(dòng)力投入、化肥投入、農(nóng)藥投入、農(nóng)膜投入、柴油投入、灌溉投入等作為測(cè)算長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)GTFP的投入指標(biāo)，用農(nóng)業(yè)生產(chǎn)總值計(jì)算期望產(chǎn)出，用碳排放量計(jì)算非期望產(chǎn)出，基于2011—2020年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的面板數(shù)據(jù)，測(cè)算得出了農(nóng)業(yè)綠色全要素生產(chǎn)率的具體情況。結(jié)果表明，2011—2020年長(zhǎng)江經(jīng)濟(jì)帶各省市的農(nóng)業(yè)綠色全要素生產(chǎn)率不遵循線性變化規(guī)律，呈波動(dòng)變化，最小值為2015—2016年的1.0326，最大值為2019—2020年的1.4731；所有年份農(nóng)業(yè)GTFP均大于1，說明長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)發(fā)展一直處于進(jìn)步與改善中；長(zhǎng)江經(jīng)濟(jì)帶各省市之間農(nóng)業(yè)綠色全要素生產(chǎn)率存在差異，純技術(shù)效率、規(guī)模效率和技術(shù)進(jìn)步大于1，對(duì)GTFP有正向促進(jìn)作用，反之則有抑制作用，且三者中技術(shù)進(jìn)步對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率的影響最大；長(zhǎng)江經(jīng)濟(jì)帶各省市農(nóng)業(yè)綠色全要素生產(chǎn)率逐年增高，湖南、貴州、重慶位列前3，上海由于側(cè)重發(fā)展其二三產(chǎn)業(yè)排名最后。