中国农业绿色全要素生产率测算

葛鹏飞 王颂吉 黄秀路

摘要

发展绿色农业需要准确而全面地掌握农业绿色发展现状，因此测算农业绿色全要素生产率成为一项重要的基础性研究工作。现有文献在投入产出指标选择上未达成统一认识，尤其对于非期望产出指标的选择争议较大，因此影响测算结论的科学性。本文在综合借鉴已有文献的基础上，依据中国农业的发展现实及统计数据的口径资料，对农业的投入产出指标进行重塑，着重分析了碳排放作为非期望产出的现实基础，利用基于SBM-DDF方法的Luenberger指数对2001—2015年中国31个省份的农业绿色全要素生产率进行测度，并分析其时空演变和收敛性。研究发现：①中国农业平均碳排放强度从2001年开始經历了小幅上升期和平衡期，并在2006年之后呈现出显著下降趋势，中部农业碳排放强度最高，西部最低。②碳排放的无效率和机械动力投入的无效率是各省农业绿色无效率的主要来源；与东部相比，中西部劳动投入的无效率性显著，尤其西部应该加快农业劳动力的转移。③中国农业绿色TFP年均增长率为1.56%，增长率在东中西部依次递减，在粮食主产区、主销区和平衡区依次下降。④除粮食主销区存在绝对β收敛外，全国、东中西部、其余粮食功能区均不存在绝对β收敛和σ收敛；但全国及各区域均存在显著的条件β收敛。结论启示，依靠提升绿色TFP来实现中国农业绿色发展尚有很大空间；农业绿色全要素生产率较低的省份应加强与“前沿省份”的交流与合作，通过引进先进农业生产技术和农业管理经验，逐步缩小与“前沿省份”的差距；特别对于粮食主产区，各省份间呈现出明显的两极分化现象，这不利于粮食生产安全。

关键词 绿色农业；农业绿色全要素生产率；SBM-DDF-Luenberger

中图分类号 F326 文献标识码 A 文章编号 1002-2104（2018）05-0066-09 DOI：10.12062/cpre.20171010

发展绿色农业是实现农业可持续发展的必由之路，同时也是落实中央“绿色”发展理念和推进农业供给侧结构性改革的题中之义。绿色农业是指合理运用先进技术、先进经验，以促进农业生态安全、农业资源安全、农业产品安全为目标，实现农业综合经济效益提高和农业可持续发展的新型农业发展模式[1]。发展绿色农业可以有效解决农业资源的长期透支和过度开发问题，使农业由“高碳性”粗放式发展向绿色集约式发展转型，加快农业现代化。由于中国各地农业资源禀赋不同，各地区的农业生产表现出显著的差异性，掌握绿色农业发展现状成为实现绿色农业的基础。增长理论认为全要素生产率（TFP）是衡量经济发展的核心指标，其增长差异是造成不同国家和地区间经济差异的根本原因[2]。农业现代化在很大程度上就是TFP对农业经济增长的贡献度持续提升的过程[3]。但是，传统的农业TFP核算基于要素投入和期望产出，对非期望产出不予考虑。随着农药、农膜、化肥、农用机械等现代农业生产资料使用量的不断增加，在提高农业产出的同时，农业碳排放总量也与日俱增，导致农业呈现出“高碳性”。发展绿色农业需把环境资源约束纳入分析框架，如果忽略农业生产所造成的环境代价，势必扭曲农业绿色发展现状，夸大农业绿色发展绩效，提出误导农业绿色发展的政策措施[4]。因此，对农业绿色发展现状的分析，应在传统农业TFP的理论基础上纳入环境资源约束，从而得到农业绿色TFP。农业绿色TFP是衡量农业绿色发展质量的核心指标，对农业绿色TFP进行科学的系统性分析，可以更好地评估中国绿色农业的发展现状[5]。

有关中国农业绿色TFP的研究较少，但结论却存在较大差异。一是核算出的农业绿色TFP增长率差别较大，较高的5.61%[6]与较低的0.44%[7]相差13倍；二是驱动力的分歧，是技术进步单独驱动[6，8-9]，还是技术进步和技术效率双重驱动[7，10]；三是空间分析结论不同，存在东中西地区依次递减[10]，与东部最高、中部最低的不同结论[9]。

现有文献之所以结论迥异，主要原因在于农业投入产出变量、样本大小、研究起始时间的差异。在样本选择上，有学者剔除了直辖市和西藏，而有的则包括全部省级行政单位；有的选择广义农业，有的则以狭义农业为对象。基于DEA方法实现的绿色TFP测度，以各个样本为生产决策单位，从而构建生产前沿面；样本选择的差异会构建出不同的生产前沿面，进而导致测算结果的不同。此外，已有文献对投入产出指标的选择也大不相同。根据经典的C-D生产函数，生产过程中的投入要素包括劳动力和资本。农业的资本投入难以衡量，因此学者们大都以物化资本表示资本要素投入。相比其他部门基本不变的要素投入，中国农业自改革开放以来的投入要素变化显著，其中属动力要素最为明显，从人力畜力、半机械化向机械化逐步转变。本文在综合借鉴当前文献的基础上，依据中国农业发展现实，从投入产出指标甄选、样本和研究时间选取、测算方法选择三方面对测算前的基础性工作进行改进，从而为更准确地测算中国农业绿色TFP的时空演进和收敛性打下基石。

中国人口·资源与环境 2018年 第5期

1 农业绿色TFP的测算基础：指标重塑和方法选择

1.1 争议分析

现有文献对农业绿色TFP测算的投入产出指标、研究起始时间和样本范围的选取存在差异。第一，测算农业绿色TFP的关键性投入产出变量尚未形成统一认识。①投入要素，有学者把农业生产中的投入要素理解为劳动、土地、机械、化肥、役畜、灌溉等，有的仅取劳动和机械动力。就农业用水，有的学者使用灌溉面积表示，有的直接使用农业用水量表示。随着农业的发展，部分学者指出役畜不应该成为农业的投入要素，理由在于当前大型役畜更多体现在食用功能而非提供农业动力。另外，有学者认为农药和农膜应作为投入要素。此外，文献对同一投入变量存在多种计算方式，有学者用耕地面积来代表土地投入，其他则以播种总面积来代表，劳动力和机械动力等要素也存在上述类似问题。②期望产出，普遍使用农业总产值或农业增加值来表示，但也存在广义农业和狭义农业的口径之别。③非期望产出，非期望产出分为两个方向。一个方向依据赖斯芸等[11]和陈敏鹏等[12]的研究，认为农业污染主要指农田化肥、畜禽养殖、农田有机固体废弃物和农村生活等产生的化学需氧量、总氮量和总磷量。化肥产生的氮磷污染不存在争议，但是其他方面是否被视作污染存在争议。一是畜禽养殖产生的粪便长期被作为种植业的有机肥料，作污染物处理有待商榷。二是农作物秸秆被视作污染物存在争议，对比赖斯芸等[11]和陈敏鹏等[12]的研究，发现秸秆的化学需氧量的估算结果差异较大。对此陈敏鹏等[12]的解释为，对农田有机固体废物（秸秆等）的CODCr产污强度系数进行了重大调整。由此可见，农业秸秆的产污系数随时间而变动，而且农作物秸秆产生CODCr的前提在于秸秆肥料的“直接弃置”。在农业机械化之前，秸秆长期作为农村主要的燃料来源，不存在弃置现象；在农业机械化之后，伴随农民生活水平的提高及农村燃气的推行，秸秆一般是在农田被焚烧或被二次利用，“直接弃置”的现象较少发生。因此，把秸秆作为农田有机固体废物不合适，由此计算的CODCr污染也不合理。三是农村生活产生的废弃物被界定为农业生产的污染物也不合理。人类生活必然产生污染物，不管在城市中还是在农村生活均是如此，生活产生的污染物被看作农业生产的污染物显然不科学。依据不同的环境污染价值损失评估法，会得到不同的农业绿色TFP，当前对农业的环境污染价值评估方法需要进一步的探索，否则无法准确判断农业绿色TFP的现状[13]。基于上述问题，学术界根据IPCC的系列报告及气候变化的现实，重新审视农业的非期望产出，并把农业生产过程中的碳排放作为非期望产出，这一思路在学术界的认可度不断提升。

第二，样本选择存在时间和空间上的差异。①从时间维度看，农业投入产出随着时间而变化显著。例如，农业动力从依靠役畜动力到半机械动力，再到机械化动力不断演进，而且不同时期的农业机械也不相同。②从空间维度看，样本的空间选择直接影响测算结果。有学者以全国31个省份为研究对象；有的则剔除西藏的数据；有的还剔除了直辖市和海南省的数据。对于DEA方法，一个样本即为一个生产决策单元，不同样本会构建出不同的生产前沿面，从而导致测算结果的差异。无理由地剔除原始样本，会造成测算的“人为选择”，影响结论的客观性。既然研究中国农业的绿色TFP，应以除港、澳、台以外全国所有省份为样本进行测算。

1.2 指标重塑

依托现有文献，本文基于农业绿色TFP理论和农业发展现实，对农业投入产出指标进行重塑。另外，由于狭义农业与林业、牧业、渔业对投入要素的需求不同，而且各产品生长周期差异很大。基于研究目的，本文选取狭义农业作为研究对象。

第一，投入指标的选择。本文选取劳动、土地、机械动力、化肥、农膜、农药和农业用水作为投入要素。较已有文献，本文剔除了役畜要素，把灌溉面积用农业用水量代替。因为，进入21世纪以后，中国农业的机械化进程显著加快，直接导致大型役畜利用程度迅速下降，且用统计年鉴中“大牲畜”标度“役畜”，难以剔除部分牲畜的食用功能。农业的灌溉面积要素与土地投入显著正相关，同时使用二者分别表示农业的土地投入和农业用水显然不合理；而且，由于中国农业不同地区的耕作方式、作物种类差异性明显，单位灌溉面积的用水权重不同，以灌溉面积表示农业用水，不能真正地反映水资源的投入量[14]。

第二，非期望产出的界定。选取农业的碳排放量作为非期望产出。IPCC认为使用碳排放作为农业生产的非期望产出是合理的，并且准确给出了农业生产中的碳源及其排放系数，排放源包括农田、耕作、畜禽养殖、化肥、农药、机械动力等[15]。首先，碳排放是造成全球气候变化的元凶，控温减排已经成为全人类共同的目标，这与中国提倡的发展绿色低碳农业目标相一致。其次，碳排放中不包含氮、磷等营养物质，属于“真正的污染物”，须对其产出进行控制。最后，农业生产中的各种污染，均可使用碳排放量进行代理。例如，农药的过度使用引发的食品安全问题、化肥的过度使用造成的土地盐碱化问题、不合理的耕作方式引发的土地肥力下降等问题，这些均为农业的非期望产出，但量化起来却困难重重。如果换个角度使用代理变量进行度量，农药、化肥和不合理的耕作均会产生大量的温室气体，以碳排放作为农业生产的非期望产出可以间接量化农业生产中的许多问题[15]。

第三，期望产出的选取。选择农业增加值作為农业期望产出。当前研究中，对期望产出指标的选择分为农业总产值和农业增加值两种。使用总产值代表产出会受“中间消耗”的影响而不能反应真实产出。因此，使用增加值代表产出更加合理[14]。

1.3 样本和研究时间选取

本文的研究样本包括除港、澳、台以外中国大陆31个省份，研究的时间范围是2001—2015年。已有文献均基于省域数据测算中国农业绿色TFP，有的学者认为西藏、海南和四个直辖市的数据存在异常，但查阅统计年鉴发现西藏、海南和四个直辖市的农业数据无明显异常值，轻率剔除样本会影响测算结论的客观性，因此应把31个省都作为研究对象。在2000年以后中国农业机械化程度明显加快，以牲畜为动力的农业生产逐渐退出，选择2001年为研究起点，可以较为客观地评判农业生产中的动力投入。基于此，本文选择研究的起始时间为2001年。

1.4 测算方法选择

有关中国农业绿色TFP的研究，把非期望产出引入农业生产，均运用方向性距离函数（DDF）来实现[7-8，10]。然后，运用径向的、角度的DEA方法计算DDF；但当投入过度或产出不足时，即投入或产出存在非零松驰时，角度的DEA效率测算会忽略投入或产出的某方面，而径向的DEA效率测算结果则会高估DMU的效率，由此导致效率测算结果的偏误。为克服这些缺陷，非径向、非角度的基于松弛变量的SBM方向性距离函数（SBM-DDF）被引入[16]。在TFP测算和分解方法上，与Malmquist指数相比，Luenberger指数的测算结果更符合现实[17]。所以，本文使用基于SBM-DDF的Luenberger指数，测算中国农业绿色TFP；并将Luenberger指数分解为纯技术效率（PTE）、纯技术进步（PTP）、规模效率（SE）和技术规模（ST）[18]。

2 非期望产出：农业碳排放的计算与分析

借鉴IPCC[15]和李波等[19]的研究核算农业碳排放量，排放源包括化肥、农药、农膜、柴油、翻耕、灌溉等。本文假设农作物在生长期内，通过光合作用吸收的碳量与死亡后以各种方式排放到大气中的碳量相等，还假设农作物死亡后即完全腐烂，其含碳量全部释放。虽然本期的农作物死亡经一定时期后，才会完全腐烂，但由于农业生产具有连续性，本期释放的碳量也包含前期的作物，因此假设合理。

参考李波等[19]，基于各省碳排放量的测算结果，使用碳排放强度指标分析碳排放量和农业产值的关系，可初步掌握各省农业绿色发展的状况。本文计算出中国各省农业从2001—2015年的碳排放强度走势，如图1所示。全国层面，农业平均碳排放强度从2001年开始，经历了小幅上升期和平衡期，并在2006年之后呈现出显著下降趋势。区域层面，东中西地区农业碳排放强度走势与全国平均水平基本一致，中部的农业碳排放强度最高，东部居中，西部最低。

3 农业绿色TFP的测算和时空变动分析

利用2001—2015年中国31个省的农业数据，以劳动力、土地、机械动力、化肥、农药、农膜和农业用水为投入要

图1 农业平均碳排放强度

Fig.1 Average agricultural carbon emission intensity

素，农业增加值为期望产出，碳排放为非期望产出，测算农业绿色TFP。

3.1 变量与数据说明

各投入变量的计算方法为：劳动力投入通过计算间接得出：农业从业人数=第一产业从业人数-林业从业人数-（全牧区从业人数+半牧区从业人数/2）-渔业从业人数。机械动力的处理方式同劳动力投入类似，农业机械总动力=第一产业机械总动力-林业机械动力-畜牧业机械动力-渔业机械动力。土地投入使用播种总面积来衡量。化肥、农药、农膜和农业用水等在统计年鉴中可直接得到。

本文使用的原始数据来自统计年鉴。其中，农业增加值取自《中国农村统计年鉴》，农业机械总动力、农作物播种总面积、农用化肥总施用量、第一产业从业人数均源于《中国统计年鉴》及各省的统计年鉴，林业从业人数来源于《中国林业统计年鉴》，牧业从业人数源于《中国畜牧业年鉴》，渔业从业人数源于《中国农业统计资料》。为剔除价格的影响，数据换算成以2001年为基期的不变价格。本研究不涉及香港、澳门、台湾等省区。

3.2 中国农业的绿色无效率

基于SBM-DDF的Luenberger指数，利用Matlab7.0测算中国农业的绿色TFP。首先得到静态的农业绿色无效率值，在此基础上进一步得出农业绿色TFP的动态变动值。绿色无效率指实际投入产出变量集与有效生产边界的差距。

表1报告了CRS假设下农业绿色无效率最高的5个省、全国以及东中西的无效率平均值。全国的农业绿色无效率值是0.116。从各指标来看，可以通过减少4.029%的碳排放、1.564%的机械动力投入、1.359%的农膜使用

量、1.024%的农药量、1.019%的化肥施用量、0.995%的播种面积、0.846%的农业用水和0.715%的劳动投入达到农业生产的完全效率。分区域看，无效率值按中西东依次递减；与东部相比，中西部劳动投入的无效率性显著。绿色无效率排名前5位的省份依次是山西、甘肃、安徽、江

西、云南，碳排放和机械动力成为各省无效率的主要来源。

3.3 中国农业绿色TFP的时空变动

3.3.1 农业绿色TFP的时间演进

表2给出了2001—2015年中国农业绿色TFP及分解项的变动情况。从中发现，①农业绿色TFP整体呈增长态势，年均增长率为1.560%，15年间累积增长24.032%。与其他研究相比，本文测算值较低，原因在于以往研究存在期望产出过高、非期望产出和投入要素数据过低的问题。例如，使用未剔除中间消耗品的总产值代表产出变量，会使产出值大于真实值。用仅包含农业的投入要素衡量第一产业的要素投入，忽略林业、渔业、牧业的投入要素，会使投入量小于真实值。如果不考虑非期望产出，或非期望产出估算不合理等，也会使结果出现差异。②农业的纯技术进步年均增长率为1.469%，增长速度较快；技术规模年均增长0.248%，增长较为缓慢。③技术效率呈现缓慢下降，年均下降率0.016%；其中纯技术效率年均下降0066%，规模效率年均下降0.092%，技术效率的缓慢下降是纯技术效率和规模效率双方面下降的合力结果。通过分析农业绿色TFP及其分解项，得出农业绿色TFP的增长主要依靠纯技术进步和技术规模，这与中国农业推广实施新的生产技术，逐步实现机械化生产密切相关。纯技

术效率对绿色TFP的增长起到抑制作用，说明在一定技术条件下，相同投入要素所带来的期望产出处于逐年减少的状态。

3.3.2 农业绿色TFP的空间变动

考虑到不同省在农业发展和资源禀赋的差异性，表3报告了31个省份和不同区域的绿色TFP及其分解项的变动情况。

①省际层面。除上海、安徽、江西和西藏以外，其余省份的农业绿色TFP均有所增长。绿色TFP增长最高的省份为山东。纯技术效率增长最高的是青海，大多省份的纯技术效率均表现为零增长或下降。纯技术进步增长最高的省份为黑龙江；除西藏和青海以外，其余各省的纯技术

表1 CRS假设下中国农业绿色无效率及其分解均值

Tab.1 Green inefficiency and its decomposition in Chinas agriculture under CRS

进步均表现出增长。规模效率增长最高的省份为广东，技术规模则为山东。

②区域层面。东中西地区的农业绿色TFP均为正，并依东中西递减。东部的纯技术进步和技术规模是农业绿色TFP增长的主要动力，虽然纯技术效率对农业绿色TFP的促进作用非常微弱，但没有产生拖累作用，规模效率存在一定的拖累作用。中部主要依靠纯技术进步的增长，规模效率也发挥正向作用，但是纯技术效率的拖累作用非常显著，技术规模也起到抑制作用。对西部地区来说，纯技术进步是主要推动力，其次為纯技术效率，而规模效率和技术规模均有拖累作用。总体地，中部农业纯技术进步最快，但在农业科技投入的同时，忽略了农业资源配置效率，并且使得技术规模向不变规模报酬技术移动。西部有着最高的纯技术效率，说明西部在对农业资源优化配置方面提升较快。东部农业有着最高的技术规模，说明东部在技术进步的同时，技术规模也偏离规模报酬不同时的技术。

③粮食功能区。从农业产业出发，把农业划分为粮食主产区、粮食主销区和粮食平衡区，分析粮食功能区的农业绿色TFP变动情况。主产区年均增长率为1.681%，大于主销区和平衡区，说明主产区作为中国农业生产的主要基地，不仅有资源禀赋上的优势，也有着农业绿色生产率上的优势。从省域层面，主产区内各省的农业绿色TFP差异显著，江苏、河南、吉林、四川、内蒙古、安徽和江西的年均增长率在全国处于下游水平，这些省份今后需加快提升农业绿色TFP。从分解项看，主产区有着最高的纯技术进

表2 中国农业绿色TFP的时间演进

Tab.2 Agricultural green TFP evolution in China

步和规模效率，主销区技术规模最高，而平衡区有着最高的纯技术效率。

4 农业绿色TFP的收敛性分析

中国农业绿色TFP表现出显著的地区差异，那么差异会持续扩大，还是会逐渐收敛？分析收敛性可以更好地制

表3 中国农业绿色TFP的空间变动

Tab.3 Spatial variation for Chinas agricultural green TFP

图2 中国农业绿色TFP累积增长率的σ收敛

Fig.2 σ convergence for cumulative growth rate of Chinas agricultural green TFP

定农业政策，有利于整体农业的绿色发展。本文先对农业绿色TFP进行绝对收敛检验，分析全国及分地区的差异是否会随着时间推移自动消失。然后，进行条件收敛检验，分析全国及分地区农业绿色TFP是否会根据各自特定条件而收敛。检验方法为绝对β收敛、σ收敛、条件β收敛。绝对β收敛指落后地区比发达地区增长得更快；σ收敛指不同地区产出水平的方差在不断缩小，用以描述特定区域内某一变量值的差异程度。条件β收敛指各区域的农业绿色TFP会收敛于自身的稳态水平。

4.1 农业绿色TFP的绝对收敛检验

4.1.1 农业绿色TFP的绝对β收敛

绝对β收敛意味着落后地区比发达地区有着更快的增长率，用来描述农业绿色TFP的增长率与初始水平之间的负相关关系。参考Barro和Martin[20]的检验模型：

1Tln（GTFPitGTFPi0）=α+βlnGTFPi0+u（1）

为消除农业生产波动对收敛性的影响，把考察期一分为二，并对前7年（2001—2007）和后8年（2008—2015）分别求平均数。前7年的平均数作为基期的TFP，后8年的平均数作为末期的TFP，因为基期和末期相差8年，所以T=8。利用OLS对上式进行估计，结果见表4。除主销区的β值显著为负以外，其余各回归结果的β值均显著为正，说明农业绿色TFP在全国、东中西、粮食主产区和粮食平衡区均不存在绝对β收敛，只有粮食主销区有着绝对β收敛。表明除粮食主销区以外，各地区内农业绿色TFP表现出显著的差异性。

4.1.2 农业绿色TFP的σ收敛

假设不同地区农业绿色TFP的方差不断缩小，则认为这些地区的农业绿色TFP存在σ收敛。根据σ收敛的定义，如果σt+T<σt认为研究样本存在收敛，反之则发散。

σt=1N∑Ni=1[GTFPi（t）-（1N∑Nj=1GTFPj（t））]21/2（2）

图2展示了全国和各地区σt的值。可以看出，农业绿色TFP的累积增长率并未随时间变化而出现收敛性，而呈现出显著的发散性。全国和东中西地区的发散性趋势基本一致，全国的σ值从2002年的0.045增长到2015年的0.213，东部的σ值从0.049增长到0.226，中部的σ值从0.052提高到0.181，西部的变化为0.035到0.197。就东中西之间的TFP累积增长率来说（图2B），东部/全国、中部/全国和西部/全国虽然大致上都在1左右徘徊，但西部/全国的值基本都处于1以下，呈现出逐步偏离1的微弱趋势，而东部/全国、中部/全国则始终在1上下波动。时间上，2002—2005年三大地区差距较大，随后差距逐步缩小，2006—2011年东中西基本与全国整体走势相同。

相比全国与东中西地区的收敛性走势，各粮食功能区在敛散性上表现出更大的差异化。在样本期内，主产区的收敛值从0.042增长到0.254，平衡区从0.038增长到0.198，主销区则从0.052增长到0.132。农业绿色TFP累积增长率在主产区和平衡区呈现出显著的发散特性，而在主销区则表现出较弱的发散特征。主产区的发散性最强烈，说明在主产区内，各省的农业绿色TFP增长差距非常大。根据图2（D），主产区在2002年时其敛散性与全国一致，随着时间的推移，其发散性与全国发散性之间的偏离越来越大。

4.2 农业绿色TFP的条件收敛检验

使用面板数据的双向固定效应模型进行条件β收敛检验。选取的控制变量为：①耕地质量（CLQ），使用有效灌溉面积占耕地面积的比重；②第一产业内结构（FIS）为农业增加值占第一产业增加值的比重；③农业户籍比重（RS）是农业户籍人口的比例；④经济发展水平（ED）使用人均GDP并求自然对数表示；⑤产业结构（IS）为第二产业与GDP比值；⑥交通便利度（TC），利用公路里程和铁路里程之和除以地区面积表示。

ln（GTFPitGTFPit-1）=α+βlnGTFPit-1+1CLQit+2FISit+3RSit+4EDit+5ISit+6TCit+u（3）

如果式（3）中β显著为负则表明存在条件β收敛。估计结果如表5所示。在控制一系列的变量后发现，全国和各区域农业绿色TFP都存在明显的条件β收敛。

5 结论与政策含义

发展绿色低碳农业是实现农业可持续发展的必由之路，合理地评价农业绿色发展现状成为一项重要工作，需要科学系統地对农业绿色TFP进行测算。本文通过梳理有关农业TFP的测算争议，结合中国农业生产实际，在理论与现实的基础上，对农业投入产出指标进行重塑，以农业增加值为期望产出，农业的碳排放为非期望产出，劳动力、土地、机械动力、化肥、农药、农膜以及农业用水为投

入；在计算农业碳排放量以后，基于SBM-DDF的Luenberger指数，测算中国31个省2001—2015年的农业绿色TFP，并分析其时空变动和收敛性。主要结论如下：①中国农业平均碳排放强度从2001年开始经历了小幅上升期和平衡期，并在2006年之后呈现出显著下降趋势，中部农业碳排放强度最高，西部最低；②中国农业的绿色无效率仍较为严重，碳排放和机械动力的无效率是各省无效率的主要来源；与东部相比，中西部劳动投入的无效率明显。③中国农业绿色TFP年均增长1.560%，累积增长24.032%，其中纯技术进步的贡献度最高，纯技术效率则有拖累作用。相比以往研究，本文认为中国农业绿色发展现状不容乐观，绿色发展速度较缓慢。④分区域看，东中西地区的农业绿色TFP依次下降；粮食主产区高于其他粮食功能区，粮食平衡区表现最差。⑤在收敛性上，除粮食主销区存在绝对β收敛外，全国、东中西、粮食主产区和粮

表4 中国农业绿色TFP的绝对β收敛检验

Tab.4 Absolute β convergence test for Chinas agricultural green TFP

注：***、**、*分别表示统计值在1%、5%、10%的显著性水平上显著，括号内为t统计量。

表5 中国农业绿色TFP的条件β收敛检验

Tab.5 Conditional β convergence test for Chinas agricultural green TFP

注：***、**、*分别表示统计值在1%、5%、10%的显著性水平上显著，括号内为t统计量。

食平衡区均不存在绝对β收敛和σ收敛。但是，全国、东中西、各粮食功能区域均存在显著地条件β收敛。

根据结论引申的政策含义如下：第一，要明确中国农业绿色发展较缓慢这一客观事实，从“高碳性”的农业经济发展模式向低碳可持续的绿色农业发展方式转型任重道远，需要稳中求进，不能操之过急。第二，依靠提升绿色TFP来实现中国农业绿色发展尚有很大空间。目前，中国农业绿色TFP的增长有着坚实的技术进步基础，今后在保持技术进步推动的同时，一方面要注重技术效率的提升，实现农业资源的优化配置；另一方面要鼓励农业土地流转，逐步实现农业规模化经营，提高农业生产的规模效率。第三，中西部地区应通过提升农业绿色TFP来促进现代农业发展。当前中部地区农业技术效率较低，而西部地区农业技术进步滞后，中西部一些省份农业绿色TFP的低增长已成为制约农业发展的重要障碍。今后，中西部地区应加快转移农业劳动力，提高劳动投入效率，并在技术进步和技术效率两方面追赶农业发达地区，依托农业绿色TFP的提升来发展现代农业，助力全面建成小康社会。第四，农业绿色TFP增长较低的省份应加快向“前沿省份”收敛。目前除粮食主销区外，其余地区农业绿色TFP均不存在绝对收敛性；尤其在粮食主产区内，各省份间呈现出明显的两极分化现象。农业绿色TFP较低的省份应加强与“前沿省份”的交流与合作，通过引进先进农业生产技术和管理经验，逐步缩小差距。

（编辑：刘照胜）

参考文献（References）

[1]胡雪萍， 董红涛. 构建绿色农业投融资机制须破解的难题及路径选择[J]. 中国人口·资源与环境， 2015， 25（6）： 152-158. [HU Xueping， DONG Hongtao. Obstacles and path selection about the construction of green agricultural investment and financing mechanism[J]. China population， resources and environment， 2015， 25（6）： 152-158.]

[2]HALL R E， JONES C I. Why do some countries produce so much more output per worker than others？[J]. The quarterly journal of economics， 1999， 114（1）： 83-116.

[3]COELLI T J， RAO D S. Total factor productivity growth in agriculture： a Malmquist index analysis of 93 countries， 1980-2000[J]. Agricultural economics， 2005， 32（s1）： 115-134.

[4]HAILU A， VEEMAN T S. Environmentally sensitive productivity analysis of the Canadian pulp and paper industry， 1959-1994： an input distance function approach[J]. Journal of environmental economics and management， 2000， 40（3）： 251-274.

[5]張林， 冉光和， 蓝震森. 碳排放约束与农业全要素生产率增长及分解[J]. 华南农业大学学报（社会科学版）， 2015（3）： 22-32. [ZHANG Lin， RAN Guanghe， LAN Zhensen. Growth and decomposition of agricultural total factor productivity in China under carbon emission constraints[J]. Journal of South China Agricultural University（social sciences edition）， 2015（3）： 22-32.]

[6]王奇， 王会， 陈海丹. 中国农业绿色全要素生产率变化研究：1992—2010年[J]. 经济评论， 2012（5）： 24-33. [WANG Qi， WANG Hui， CHEN Haidan. A study on agricultural green TFP in China：1992-2010[J]. Economic review， 2012（5）： 24-33.]

[7]李谷成， 陈宁陆， 闵锐. 环境规制条件下中国农业全要素生产率增长与分解[J]. 中国人口·资源与环境， 2011， 21（11）： 153-160. [LI Gucheng， CHEN Ninglu， MIN Rui. Growth and sources of agricultural total factor productivity in China under environmental regulations[J]. China population， resources and environment， 2011， 21（11）： 153-160.]

[8]韩海彬， 趙丽芬. 环境约束下中国农业全要素生产率增长及收敛分析[J]. 中国人口·资源与环境， 2013， 23（3）： 70-76. [HAN Haibin， ZHAO Lifen. Growth and convergence of agricultural total factor productivity in China under environmental regulations[J]. China population， resources and environment， 2013， 23（3）： 70-76.]

[9]杜江， 王锐， 王新华. 环境全要素生产率与农业增长：基于DEA-GML指数与面板Tobit模型的两阶段分析[J]. 中国农村经济， 2016（3）： 65-81. [DU Jiang， WANG Rui， WANG Xinhua. Environmental total factor productivity and agricultural growth： the two-stage analysis with DEA-GML index and panel tobit model[J]. Chinese rural economy， 2016（3）： 65-81.]

[10]潘丹， 应瑞瑶. 资源环境约束下的中国农业全要素生产率增长研究[J]. 资源科学， 2013， 35（7）： 1329-1338. [PAN Dan， YING Ruiyao. Agricultural total factor productivity growth in China under the binding of resource and environment[J]. Resources science， 2013， 35（7）： 1329-1338.]

[11]赖斯芸， 杜鹏飞， 陈吉宁. 基于单元分析的非点源污染调查评估方法[J]. 清华大学学报（自然科学版）， 2004， 44（9）： 1184-1187. [LAI Siyun， DU Pengfei， CHEN Jining. Evaluation of non-point source pollution based on unit analysis[J]. Journal of Tsinghua University（science and technology）， 2004， 44（9）： 1184-1187.]

[12]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. [CHEN Minpeng， CHEN Jining， LAI Siyun. Inventory analysis and spatial distribution of Chinese agricultural and rural pollution[J]. China environmental science， 2006， 26（6）： 751-755.]

[13]薛建良， 李秉龙. 基于环境修正的中国农业全要素生产率度量[J]. 中国人口·资源与环境， 2011， 21（5）： 113-118. [XUE Jianliang， LI Binglong. Environmentlly-adjusted measurement of Chinas agricultural total factor productivity[J]. China population， resources and environment， 2011， 21（5）： 113-118.]

[14]高帆. 我国区域农业全要素生产率的演变趋势与影响因素——基于省际面板数据的实证分析[J]. 数量经济技术经济研究， 2015（5）： 3-19. [GAO Fan. Evolution trend and internal mechanism of regional total factor productivity in Chinese agriculture[J]. The journal of quantitative & technical economics， 2015（5）： 3-19.]

[15]IPCC. Climate change 2007： mitigation： contribution of working group III to the fourth assessment report of the intergovernmental panel on climate change： summary for policymakers and technical summary[M]. Cambridge：Cambridge University Press， 2007.

[16]COOPER W W， SEIFORD L M， TONE K. Data envelopment analysis：a comprehensive text with models， applications， references and DEA-solver software[M]. Springer science & business media， 2006.

[17]BOUSSEMART J P， BRIEC W， KERSTENS K. Luenberger and malmquist productivity indices： theoretical comparisons and empirical illustration[J]. Bulletin of economic research， 2003， 55（4）： 391-405.

[18]GROSSKOPF S. Some remarks on productivity and its decompositions[J]. Journal of productivity analysis， 2003， 20（3）： 459-474.

[19]李波， 張俊飚， 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. [LI Bo， ZHANG Junbiao， LI Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China[J]. China population， resources and environment， 2011， 21（8）： 80-86.]

[20]BARRO R， MARTIN X. Convergence[J]. Journal of political economy， 1992， 100（2）： 223-251.

Measurement for Chinas agricultural green TFP

GE Peng-fei1 WANG Song-ji2 HUANG Xiu-lu3

（1.College of Economics & Management，Northwest A & F University，Yangling Shannxi 712100，China；

2.School of Economics and Management， Northwest University， Xian Shannxi 710127， China；

3.Jinhe Center for Economic Research， Xian Jiaotong University， Xian Shannxi 710049， China）

Abstract

Developing green agriculture requires us to precisely and thoroughly grasp its current development situation， so it is an critical research to measure agricultural green TFP. Existed literature has no consensus on selection of input and output indices， especially undesirable output indices， thus affecting measurement effectiveness. Based on the reality of carbon emission as undesirable output， this paper reconstructs input and output indices for agricultural sector， applies SBM-DDF-Luenberger method to measure agricultural green TFP for Chinas 31 provinces during 2001-2015， and analyzes their temporal-spatial shifts and convergence. The paper has following research findings： ①Average carbon emission intensity experienced a slightly rising and stationary phase since 2001， while showing a significant decreasing trend after 2006， with the middle the highest and the west the lowest. ②Inefficiency of carbon emission and mechanical power is the main source of provincial agricultural green inefficiency. Particularly， labor inefficiency is more significant in the middle and the west than in the east. The west especially should speed up agricultural labor transfer. ③Chinas agricultural green TFP grows by 1.56% annually， and the growth rate decreases following the east， the middle and the west and following main grain producing areas， major selling areas and balancing areas. ④ Except that absolute β convergence exists in the main grain producing areas， absolute β and σ convergence are not observed nationally， regionally and in other grain functional areas， whereas conditional β convergence is significantly witnessed nationally and regionally. Results indicate that there is a large room to improve Chinas agricultural development by upgrading green TFP. Provinces with a lower agricultural green TFP should enhance communication and cooperation with frontier provinces， and gradually narrow the gap by introducing advanced agricultural production technology and management experience. This is especially crucial for the main grain producing areas due to remarkable provincial polarization which is detrimental to grain producing safety.

Key words green agriculture； agricultural green TFP； SBM-DDF-Luenberger

郝国彩，徐银良，张晓萌，等.长江经济带城市绿色经济绩效的溢出效应及其分解[J].中国人口·资源与环境，2018，28（5）：75-83.[HAO Guocai，XU Yinliang，ZHANG Xiaomeng，et al.Spillover effect and decomposition of green economic performance of the city in the Yangtze River Economic Belt[J]. China population， resources and environment， 2018，28（5）：75-83.]