化肥污染对粮食作物生产的环境惩罚效应

陆文聪,刘 聪(1.浙江大学中国农村发展研究院,浙江 杭州 310058；.浙江大学管理学院,浙江 杭州310058)

化肥污染对粮食作物生产的环境惩罚效应

陆文聪1*,刘 聪2(1.浙江大学中国农村发展研究院,浙江 杭州 310058；2.浙江大学管理学院,浙江 杭州310058)

利用非径向、非角度的SBM模型,在考虑环境非期望产出的基础上,测量了1998～2013年中国31个省区小麦、玉米和水稻3种主要粮食作物的环境效率,并在此基础上采用动态面板GMM方法实证检验了化肥污染对粮食作物环境效率的影响.结果显示:我国粮食作物的环境效率呈现出波动中稳步上升的趋势,尤其 2003年之后上升态势更加明显,粮食作物环境效率的整体水平较低,主产区粮食作物的环境效率高于主销区和产销平衡区的环境效率;化肥污染对粮食作物环境效率存在显著的负面影响,化肥污染量每增加1%,小麦、玉米和水稻的环境效率分别下降10.38%、13.45%和13.19%,这表明化肥污染对粮食生产过程存在显著“环境惩罚”效应.

环境惩罚；化肥污染；环境效率；SBM模型；动态面板GMM

化肥对提高粮食作物产量具有十分重要的作用,但农民对化肥使用“高投入高产出”的盲目信任,以及长期以来政府对化肥企业进行生产、税收等全方位的政策扶持,使得化肥生产及投入量在各部门短期利益的驱动下处于严重过量状态,并引发了严重的环境问题.据统计,中国每年因不合理施肥造成1000多万t的氮素(当前氮肥平均利用率为 30%～35%)流失,产生了极为严重的水土污染,很大程度上破坏了农业生产生态平衡,有调查显示化肥、农药等要素导致的土壤污染,每年可造成粮食减产达到100亿kg左右.因此化肥对粮食生产而言,在促进粮食增产的同时可能会出现“环境惩罚”[1]效应.但是以往研究大多将化肥投入引发的污染问题作为农业生产过程的结果变量,而较少关注化肥污染对粮食生产可能存在的报复性影响,几乎未采取计量方法定量研究化肥污染对粮食生产的惩罚效应.对该问题的思考和实证研究,将对优化化肥利用方式,调整化肥投入量具有十分重要的借鉴意义.

近年来学术界主要关注化肥投入的环境影响和化肥投入的粮食增产效应两个方面.一些研究发现,化肥投入是流域水环境污染的主要来源[2],它不仅会造成较高的环境污染风险,而且会导致环境高风险区域覆盖范围迅速扩张[3];另有一些研究普遍认为,化肥投入是促进粮食产量增长的重要因素,但由于化肥使用的不合理,使得化肥对粮食增产的贡献开始出现明显下降[4],粮食增产效果并不明显[5].值得注意的是,现有这些研究尚未解释化肥投入对农业环境造成的负面影响与化肥投入逐渐下降的粮食增产效应之间可能存在的关联问题.因此,本文从“环境惩罚”的角度,以化肥投入引发的环境污染为切入点,分析研究化肥污染对粮食生产可能存在的影响,在环境层面上揭示导致化肥增产效应下降的深层次原因.

本文以狭义农业(种植业)为研究对象,以化肥投入产生的碳排放量作为农业非期望产出,基于非径向、非角度的SBM(Slack-Based Measure)模型方法,实证估计1998～2013年我国31个省区小麦、玉米和水稻 3种主要粮食作物的环境效率[6];并在此基础上,采用动态面板GMM方法,考虑粮食作物环境效率可能存在的滞后效应,实证检验化肥污染对粮食作物环境效率可能存在的“环境惩罚”效应.

1 研究方法

1.1 粮食作物环境效率的测量

在DEA效率模型中,若考虑环境非期望产出问题,应用较为普遍的方法是将非期望产出作为产出变量与期望产出同时进入模型.为此,Tone[7]提出了非径向、非角度的SBM模型,该模型可以将松弛变量放入目标函数,直接测量由松弛所带来的与最佳生产前沿相比较的无效率,以剔除由松弛造成的非效率因素;同时该方法还具有无量纲性与非角度性的特点,可以避免量纲与角度选择的差异所带来的估计偏差,因此近年来已经得到了国内外学术界的广泛应用.

本文采用SBM模型来测量考虑了环境非期望产出的粮食作物环境效率.借鉴相关的研究,本文将全国各省份作为一个决策单元(DMU),构建一个同时包含期望产出与非期望产出的生产可能性集合,称之为环境生产技术.假设农业生产系统有N个DMU(DMUn,n= 1,2,…,N),每个DMU利用m种投入( x∈ RM),生产出 s1种期望产出()和 s2种非期望产出(),则环境生产技术可以表示为:

式中:定义矩阵X 、 Yg和 Yb分别为假定 X ＞0, Yg＞0 且 Yb＞0;λ≥0的约束条件表示环境生产技术满足不变规模报酬假设(CRS).

因此根据文献[7],环境技术效率(ρ)可表达为:

s.t.

式中:m、 s1、 s2分别表示投入、期望产出和环境污染非期望产出的个数;s−,sb分别表示投入和非期望产出的冗余,而 sg代表期望产出的不足;r表示第r个DMU,r0表示待求的DMU;ρ代表要计算的环境效率值,关于 s−,sg和sb严格递减,并且 0 ＜ρ ≤1.当且仅当 ρ =1,即 s−=0, sg=0, sb=0时,生产单元才是有效率的,当ρ ＜1,即 s−,sg和sb三者当中至少有一个不为 0时,表示生产单元无效,此时存在对投入产出进行优化的必要.

参照以往相关研究,本文将水资源、化肥、劳动力等投入要素作为投入变量.产出变量包括期望产出和环境非期望产出,其中期望产出用粮食作物的产量来表示,非期望产出用碳排放量来表示,主要考虑由化肥投入产生的碳排放量,不包括由农药、农膜等其他碳源引起的碳排放.需要特别说明的是,土地同样是粮食生产过程中一项特别重要的投入要素,应当予以考虑.但由于本文研究所用的变量均基于单位面积土地取值,因此土地变量已经内化于研究中,故不再单独进行设置.

1.2 效率影响因素模型

本文构建固定效应面板数据模型来实证研究化肥污染对粮食作物环境效率的影响效应,首先设定模型如下:

式中:tiY,为粮食作物的环境效率值,1-,tiY 为其一阶滞后项,其可以将一些存量因素对农业环境效率可能存在的滞后效应充分考虑进模型;tiX,为化肥污染以及可能影响粮食作物环境效率的其他投入要素控制变量;iµ为不可观测的地区固定效应;ti,ε 为残差项.

进一步对式(3)进行差分去掉固定效应,得到下式:

此外在控制变量的选择上,除了化肥污染控制变量之外,本文参照文献[10-11]的研究成果并考虑数据可得性,另外选择农业劳动力比重、农业产值比重、农业科技投入、化肥投入等4个因素作为粮食作物环境效率可能的影响因素.

2 数据来源与处理

采用1998～2013年中国31个省区的相关统计数据来实证研究粮食作物环境效率以及化肥污染对其产生的影响,基础数据主要来源于《全国农产品成本收益资料汇编》[12]、《中国农村统计年鉴》[13]、《中国统计年鉴》[14]、《中国水资源公报》[15]、《中国环境年鉴》[16]等统计资料.其中,为测量由化肥投入产生的碳排放量,本文借鉴文献[17]的碳排放测算方法,其计算公式为:

式中:C表示化肥碳排放量,kg/hm2;F表示化肥使用量,kg/hm2;ξ表示化肥的碳排放系数,借鉴美国橡树岭国家实验室提供的农业碳源排放系数资料,化肥的碳排放系数取值为0.8956kg/kg.

参照文献[18-19],本文采用清单分析方法衡量化肥污染,将化肥污染排放量设定为:

式中:E为化肥污染的排放量(主要包括总氮、总磷两类污染),kg/hm2;EUi为单元i指标的统计量(即氮肥、磷肥施用总量),kg/hm2;iρ是单元i污染物的产污强度系数;iη表示单元i的利用效率系数;ic为单元i的污染物排放系数;EI为单位面积土地的污染排放量,kg/hm2;AL为研究区域的粮食种植面积,hm2.值得注意的是,ic是由化肥本身的特性以及地区特征(例如自然环境、降雨量、土壤特性、污染管理措施等)所决定的.

EUi和AL数据从历年相关统计年鉴中直接获取;ρi、ηi和 ci等参数,通过广泛的文献调研及专家访谈、利用农业环境监测站的相关资料、并借鉴第一次全国污染源普查后发布的《农业污染源肥料流失系数手册》取得.

表1为模型变量的相关解释与说明.由于篇幅有限,在此省略样本数据的描述性统计.

表1 模型变量解释Table 1 Description of explanatory variables

3 描述性结果与实证估计

3.1 粮食作物环境效率

3.1.1 时间变化特征 根据 SBM 模型,采用DEA-SOLVER PRO软件作为技术支持,实证估计了我国 3种主要粮食作物的环境效率,得到了1998～2013年间各省区小麦、玉米和水稻(包括早、中、晚籼稻和粳稻)环境效率的时间变化特征,如图1所示.

图1 1998～2013年3种粮食作物环境效率的变化特征Fig.1 Changes in the environmental efficiency for the three grain crops between 1998 and 2013

图1数据表明,小麦、玉米、水稻3种粮食作物的环境效率在 1998～2013年间均从整体上呈现出在波动中稳步上升的态势;同时,3种粮食作物环境效率的变化也呈现出一定的阶段性特征,在2003年之前呈现出平缓中略有下降的趋势,而在2003年之后出现了稳步的上升趋势.导致这种变化的原因可能是自2003年以来国家相继出台了《水污染防治法》[20],《畜禽养殖业污染防治技术政策》[21]等农业环境治理政策,其实施效果已经不断显现.1998～2013年间全国粮食作物环境效率的整体水平较低,环境效率均值仅为0.54,其中水稻的环境效率相对最高,玉米次之,小麦最低.

3.1.2 分省份测量结果 将全国31个省区划分为粮食主产区、粮食主销区以及粮食产销平衡区3大区域,得到各省区粮食作物在 1998～2013年间的环境效率均值如图2所示.

图2显示了每种作物在各省区的环境效率均值特征,从中可以看出各作物的效率等级分区情况,从整体来看,主产区粮食作物的环境效率高于主销区与产销平衡区的粮食环境效率.分作物来看,小麦生产的高效率区域位于主产区的河南、安徽、黑龙江、山东以及位于产销平衡区的山西等省份,效率均值约为0.626;低效率区域位于产销平衡区的云南、甘肃、宁夏、新疆等省份,效率均值约为0.272.玉米生产的高效率区域位于主产区的内蒙古、吉林、黑龙江、河南等省份与位于产销平衡区的山西、重庆等省份,环境效率值平均超过了0.6;而低效率区域位于西南、西北地区的广西、新疆等产销平衡区省份.早、晚籼稻的高效率区域位于安徽、江西等主产区省份;低效率区域位于福建、广东等主销区省份.中籼稻的高效率区域位于西南地区的重庆、贵州等产销平衡区省份;而位于主销区的福建等省份的环境效率相对较低,约为0.392.粳稻生产的高效率区域位于粮食主产区的东北各省份;而低效率区域位于宁夏等产销平衡区省份.

图2 1998～2013年3种粮食作物环境效率的均值Fig.2 Average level of the environmental efficiency of the three grain crops between 1998 and 2013

3.2 化肥污染对粮食作物环境效率的“环境惩罚”效应

3.2.1 描述性分析 为了更加直观的观察化肥污染对粮食作物环境效率的影响效应,利用stata12.0绘制了化肥污染与环境效率两者关系的散点图,图3显示小麦、玉米和水稻(由于早、中晚籼稻和粳稻的主要产区均较少,若单独分析将会导致估计结果不准确,因此后文将四种水稻作物作为一个水稻大类进行影响效应的检验.)3种粮食作物在生产过程中产生的化肥污染均与环境效率存在反向关系.由于此处并未加入其他控制变量,因此该散点图表示的只是2个变量之间的无条件相关,具体影响效应仍需要通过动态面板GMM模型做进一步的检验.

3.2.2 估计检验与结果分析 为增强工具变量的有效性,本文采用系统GMM方法实证检验化肥污染对粮食作物环境效率的“环境惩罚”效应,动态面板模型的系统GMM估计结果见表2.

从 AR(2)检验结果可以看出,估计方程的误差项不存在二阶序列自相关,同时Hansen过度识别检验的结果也不能拒绝工具变量有效性的零假设,这两个检验结果表明实证模型设定是合理的,且工具变量也是有效的,因此估计结果具有统计学意义的可靠性.

图3 化肥污染与3种粮食作物环境效率的关系散点图和拟合直线Fig.3 Scatter plots and lineal regression between the fertilizer pollution and environmental efficiency for the three grain crops

表2 化肥污染对粮食作物环境效率影响的系统GMM估计Table 2 The SYS-GMM estimates for the effect of fertilizer pollution on the grain crop environmental efficiency

从估计参数可以看出,化肥污染对小麦、玉米和水稻 3种粮食作物环境效率的影响在统计上均显著为负,并且系数值较大,化肥污染量每增加 1%,小麦、玉米和水稻的环境效率分别下降10.38%、13.45%和13.19%.这表明化肥过量投入引发的化肥污染对粮食作物具有显著的“环境惩罚”效应.

除化肥污染外,农业劳动力比重对3种粮食作物环境效率的影响均为负,且在统计上显著,这表明加快农村剩余劳动力非农化转移将可能有助于提升粮食作物的环境效率.农业产值比重对小麦、水稻的环境效率均无显著影响,但对玉米的环境效率具有显著的负面影响,总体来说,农业产值比重对粮食作物环境效率的影响并不明显.农业科技投入对3种粮食作物的环境效率均无显著影响,这表明加快农业科技成果转化可能有利于提高粮食作物的环境效率.化肥投入对玉米和水稻作物的环境效率均具有显著的负面影响,表明化肥投入对粮食作物的增产效果已经出现了负面的影响.

3.3 讨论

本文仅以化肥投入产生的碳排放作为非期望产出来实证估计粮食作物生产的环境效率,这可能造成效率高估的情形,因为除了碳排放,粮食生产的非期望产出还包括农膜、土壤农药残留等其他的污染物.此外,本文仅检验了化肥污染对粮食生产存在的“环境惩罚”效应,这将可能低估环境污染对粮食生产的负外部性.

4 结论

4.1 我国3种主要粮食作物的环境效率均呈现出在波动中稳步上升的趋势,并呈现出显著的阶段性特征,在2003年之前3种作物的环境效率表现出平缓中略有下降的态势,但2003年之后却出现明显上升的态势.粮食作物环境效率总体水平仍然较低,主产区粮食作物的环境效率总体上高于主销区与产销平衡区的环境效率.

4.2 化肥污染对小麦、玉米和水稻3种作物的环境效率均具有显著的负面影响,化肥污染量每增加1%,将使得小麦、玉米和水稻的环境效率分别下降10.38%、13.45%和13.19%,化肥污染对粮食生产过程存在显著的“环境惩罚”效应.

[1] Wilson C, Tisdell C. Why farmers continue to use pesticides despite environmental, health and sustainability costs [J]. Ecological Economics, 2000,39(3):449-462.

[2] 周 亮,徐建刚,蔡北溟,等.淮河流域粮食生产与化肥消费时空变化及对水环境影响 [J]. 自然资源学报, 2014,29(6):1053-1064.

[3] 刘钦普.中国化肥投入区域差异及环境风险分析 [J]. 中国农业科学, 2014,47(18):3596-3605.

[4] 房丽萍,孟 军.化肥施用对中国粮食产量的贡献率分析——基于主成分回归 C—D生产函数模型的实证研究 [J]. 中国农学通报, 2013,29(17):156-160.

[5] 武兰芳,陈 阜,欧阳竹,等.黄淮海平原麦玉两熟区粮食产量与化肥投入关系的研究 [J]. 植物营养与肥料学报, 2003,9(3): 257-263.

[6] Coelli T, Lauwers L, Huylenbroeck G V. Environmental efficiency measurement and the materials balance condition [J]. Journal of Productivity Analysis, 2007,28(28):3-12.

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

[8] Arellano M, Bond S. Some tests of specification for panel data, Monte Carlo evidence and an application to employment equations [J]. Review of Economic Studies, 1991,58(2):277-297.

[9] Arellano M, Bover O. Another look at the instrumental variable estimation of error-components models [J]. Journal of Econometrics, 1995,68(1):29-51.

[10] 王 兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长 [J]. 经济研究, 2010,45(5):95-109.

[11] 杜 江.中国农业增长的环境绩效研究 [J]. 数量经济技术经济研究, 2014,31(11):53-69.

[12] 国家发展和改革委员会.全国农产品成本收益资料汇编(1999-2014) [M]. 北京:中国统计出版社, 1999-2014.

[13] 国家统计局.中国农村统计年鉴(1999-2014) [M]. 北京:中国统计出版社, 1999-2014.

[14] 国家统计局.中国统计年鉴(1999-2014) [M]. 北京:中国统计出版社, 1999-2014.

[15] 国家水利部.中国水资源公报(1999-2014) [M]. 北京:中国水利水电出版社, 1999-2014.

[16] 国家环保部.中国环境年鉴(1999-2014) [M]. 北京:中国环境年鉴社, 1999-2014

[17] 李 波,张俊飚,李海鹏.中国农业碳排放时空特征及影响因素分解 [J]. 中国人口⋅资源与环境, 2011,21(8):80-86.

[18] 陈敏鹏,陈吉宁,赖斯芸.中国农业和农村污染的清单分析与空间特征识别 [J]. 中国环境科学, 2006,26(6):751-755.

[19] 陈玉成,杨志敏,陈庆华,等.基于“压力-响应”态势的重庆市农业面源污染的源解析 [J]. 中国农业科学, 2008,41(8):2362-2369.

[20] 全国人大常委会.中华人民共和国水污染防治法 [z]. 2008.

[21] 环境保护部.畜禽养殖业污染防治技术政策 [z]. 2010.

The “environmental punishment” effect of fertilizer pollution in grain crop production.

LU Wen-cong1*, LIU Cong2(1.China Academy for Rural Development, Zhejiang University, Hangzhou 310058, China；2.School of Management, Zhejiang University, Hangzhou 310058, China). China Environmental Science, 2017,37(5)：1988～1994

The slacks-based measure (SBM) with the environmental undesirable outputs was used to estimate the environmental efficiency of the production of wheat, maize and rice in the 31 provinces of China in 1998～2013, and then the dynamic panel GMM method was used to investigate the effect of fertilizer pollution on the environmental efficiency of the grain crop production. The results showed that the environmental efficiency in the grain crop production had increased but fluctuated, and had an upward trend since 2003. However, the level of the environmental efficiency was low. The environmental efficiency in the main grain production areas was higher than in the main grain consumption areas and in the grain production consumption balance areas. The fertilizer pollution had significantly negative effect on the environmental efficiency. An increase of the fertilizer pollution by 1% led to a decrease of the environmental efficiency by 10.38% for wheat, 13.45% for maize and 13.19% for rice. This proved that there existed a significant punishment effect of the fertilizer pollution in the grain production.

environmental punishment；fertilizer pollution；environmental efficiency；SBM model；dynamic panel GMM

X82

A

1000-6923(2017)05-1988-07

陆文聪(1962-),男,浙江温岭人,教授,博士,主要从事农业数量经济和环境资源经济研究.发表论文100余篇.

2016-10-24

浙江省自然科学基金重点项目(LZ13G030002)

* 责任作者, 教授, wenclu@zju.edu.cn