中国畜牧业绿色全要素生产率演变及区域差异研究*

许标文, 沈智扬, 林国华**



中国畜牧业绿色全要素生产率演变及区域差异研究*

许标文1, 沈智扬2, 林国华1**

(1. 福建省农业科学院农业经济与科技信息研究所 福州 350003; 2. 中国进出口银行 北京 100031)

绿色全要素生产率(TFP)是衡量经济发展方式转变的重要指标, 畜牧业高质量发展提升绿色TFP尤为关键。现有文献在测算省域绿色要素生产率时忽视了各省份之间的异质性, 生产率指数基于以自身为参照的距离函数, 导致结果不能相互比较, 无法为决策者提供准确的政策建议。本文提出了一种可以测算各省份经济增长和环境改善对提升全国绿色TFP贡献率的新方法, 主要基于稳健型整体方向性距离函数和整体Luenberger绿色生产率指标, 将中国整体作为统一的方向衡量各省份对全国要素生产率的贡献, 使得各省份的效率值具有可比性。通过分析中国31个省份2001—2016年畜牧业绿色TFP的增长变化, 研究发现: 1)从整体上看, 样本期我国畜牧业绿色TFP的年均增长率为5.01%, 其中经济效率对畜牧业绿色TFP的贡献率达88.83%; 技术进步对绿色TFP增长的贡献率高达78.65%。2)从区域上看, 我国畜牧业区域发展不平衡, 东部和中部地区畜牧业发展快于西部地区。3)我国畜牧业绿色TFP增长存在改进空间, 且环境效率改进空间大于经济效率, 东部地区经济效率改进空间趋小, 畜牧业经济增长与碳排放出现弱脱钩状态; 中部地区经济效率与环境效率均有很大的改进空间; 西部地区经济效率及碳减排还有一定改进空间。因此, 为实现畜牧业高质量发展, 畜牧业绿色TFP应加快由依靠增加要素投入向注重环境改善转变, 加强绿色科技创新的促进作用; 同时要突破城乡及区域要素流动制度障碍, 提高人均畜牧产值来推动畜牧业区域平衡发展。

畜牧业; 整体方向性距离函数; 绿色全要素生产率; Luenberger生产率指标; By-production模型

温室气体排放是近百年来全球变暖的主要原因, 绿色发展是实现碳减排、转变经济发展方式的重要举措。近年来, 绿色发展成为我国转变经济发展方式的内在要求和必然选择, 绿色全要素生产率(TFP)成为当前研究关注的重点[1-2]。农业作为绿色发展的基础, 学者们开展了以数据包络分析(Data Envelopment Analysis, DEA)非参数方法为主的农业绿色TFP分析研究, 且其非期望产出主要包含以化学需氧量(COD)、全氮(TN)、全磷(TP)、农膜及农药污染为代表的环境变量及以碳排放为代表的环境变量。韩海彬等[3]在污染物排放量测算基础上, 利用产出导向的方向性距离函数的Malmquist-Luenberger (ML)指数分析了中国农业TFP, 并进一步分析技术进步和效率变化对中国农业生产率增长的贡献。岳立等[4]采用方向性距离函数的ML指数, 测算了我国碳排放约束下农业技术效率与农业环境全要素生产率, 指出需有针对性地提高环境规制建设以提高农业技术效率。由于ML指数存在径向及角度的主观选择问题, 李谷成等[5]采用非径向、非角度的SBM模型分析了环境规制对农业技术效率的影响; 为进一步测算全要素生产率, 李谷成[6]利用非径向、非角度的SBM方向性距离函数的ML指数, 测算了中国农业TFP, 指出需要通过绿色生产革命来推动农业“又好又快”发展。尽管ML指数有效解决了含有非期望产出的效率问题, 但它在测度混合期方向性距离函数时使用线性规划求解可能无解及不具备循环性特征, 有两种解决方法: 一是借鉴Pastor等[7]把所有测算时期的决策单元作为前沿面参照系的全局基准思想, 将Global Malmquist (GM)指数与方向性距离函数结合, 构造了Global Malmquist-Luenberger(GML)指数[8]; 二是将序列(sequential)生产参考集与ML指数进行结合, 构建Sequential-Malmquist-Luenberger (SML)指数[9]。

畜牧业是全球温室气体的重要贡献部门, 碳排放约束视角下的畜牧业绿色TFP研究具有较强的现实意义。尽管已有学者对畜牧业全要素生产率做了细致研究[10-11], 但却忽视了畜牧业碳排放对全要素生产率的影响。邹洁等[12]测算了2000—2013年我国畜牧业环境效率, 却未能区分经济效率与环境改善对畜牧业发展的贡献率。崔姹等[13]则利用SBM模型及GML指数, 测算了2004—2015年我国草食畜牧业TFP变动, 指出温室气体排放对TFP的影响由不显著向显著转变, 技术效率作用凸显。尽管他们考虑了碳排放对全要素生产率的影响, 但尚存在改进的方向。

上述文献在处理期望产出与非期望产出的关系时, 主要采用单前沿面和弱可处置(weak disposability)生产技术模型。该方法认为期望产出与非期望产出之间存在一种关联效果, 提升期望产出的同时必然会导致非期望产出增加, 减少非期望产出必须以牺牲期望产出为代价。这不仅违反了物质守恒定律[14-16], 也没有单独考察致污投入与非期望产出的关系, 无法区分出经济或环境因素对绿色生产率的贡献。为解决该问题, Murty等[16]将生产技术分离为经济和环境两个维度, 并构建出双前沿面的By-production生产模型。此外, 上述文献采用的生产率指数多是ML指数及其变形, 均存在以下两个关键问题: 第一, 大多是对经济总量不同的省份依照生产技术的同质性假定加以测算, 这些生产率指数都基于以自身为参照的距离函数, 这种设定忽视了各省份之间的异质性问题, 导致结果不能相互比较, 无法为决策者提供准确的政策建议; 第二, 文献中的整体或区域的生产率指数都是通过个体生产率指数的算术平均值进行估计, 这会造成估计结果不准确。也就是说, 假设美国与卢森堡的经济增长率值都为5%, 由于美国与卢森堡的经济总量不同, 根据以往文献中的计算方法很难判断出两国经济发展是否处于同一水平, 也很难得出相关的可行性政策建议。

为解决这些问题, 本文基于By-production生产模型, 提出了一种基于加减形式的整体方向性距离函数, 搭配Luenberger TFP指标, 将碳排放作为非期望产出, 深入分析畜牧业绿色全要素生产率演变及区域差异。该方法把被评估决策单元与前沿面的距离按照统一的方向来衡量, 计算出每个决策单元对全局要素生产率的贡献, 使得各决策单元的效率值之间具备可比性, TFP的估计也更加稳健。本文主要贡献是把绿色全要素生产率分解成经济效率与环境改善之和, 并利用产出导向型的整体方向性距离函数, 分析了中国畜牧业绿色全要素生产率, 使得每个省(市、区)畜牧业绿色TFP可以互相比较, 具有较强的政策指导意义。

1 研究方法

1.1 整体生产技术和距离函数的设定

20世纪50年代, Koopmans[17]、Debreu[18]、Shephard[19]、Farrell[20]等提出生产集(Production Set)概念, 被称为新瓦尔拉斯生产理论(the Neo-Walrasian production theory)。绿色经济增长包括经济和环境两个维度的数据, 利用所有决策单元的投入产出数据来构建生产可行性前沿面, 生产技术通常可以用生产集来表示, 假设共有+个投入()用于生产个期望产出(), 其中个清洁投入(x),个致污投入(x); 在生产过程中, 由于个致污投入的使用, 会导致个非期望产出()的产生。基于物质守恒定律, Murty等[16]提出了由双前沿面(1、2)构成的By-production模型。1描述期望产出生产的技术子集,2描述非期望产出生成的技术子集。总体生产技术的表达式为[21]:

式中:(⋅)与(⋅)是连续可导函数, 且投入和期望产出符合自由处置性(free disposability), 非期望产出满足有代价处置性(costly disposability)。另外, 生产技术还具备一些基本的经济学假设, 如前沿面的封闭性(closed set)、凸性假设(convexity)、恒定规模回报(constant returns to scale)等[22]。

生产技术设定后, 应用投入产出数据构建生产集, 其中投入少产出多的“标杆”就构成了生产可行性前沿面。衡量每个决策单元与“标杆”之间的发展差距, 就需要借助距离函数(distance functions)来衡量。距离函数作为一种“标尺”, 常用于衡量被评估单元和生产前沿面上“标杆”(最佳表现者)的差距。根据距离函数的数学形式, 主要分为Shephard距离函数和方向性距离函数, 其中方向性距离函数()可以表示为:

方向性距离函数的值可表示为被评估单元与前沿面的差距, 方向性距离函数的设定对估计结果的准确性会造成显著影响。已有文献中的距离函数设定多以被评估单元自身为参照。假设以产出为导向, 计算出方向性距离函数的无效率值(inefficiency)为1%, 意味着该单元在投入不变的情况下, 可以提高自身产出的1%; 若值为0%则表示该单元为“标杆”, 是有效的并处于生产可行性前沿面的边界上。在这种以自身为参照的距离函数设定下, 分析所有决策单元整体效率时, 由于各决策单元自身在资本、劳动力等投入方面存在较大差异, 它们的效率值之间并不具备可比性, 无法为决策者提供准确的政策建议。

参考Boussemart等[23]、Shen等[21]的建议, 本文采用一种产出导向型的整体方向性距离函数, 每个决策单元与所有决策单元构成的整体来比较, 提出一种距离函数包含投入和产出的方向向量(g,g,g),假设在既定投入下(g=0), 每个决策单元都以整体产出之和(0,S,S)为参照向量, 即被评估单元与前沿面的距离按照统一的方向来衡量。

按照这种统一设定, 假设在本文中计算得到福建省无效率值为1%, 这就意味着该省在投入不变的情况下, 可以提高全国整体产出1%。因此, 无效率值可以被理解为效率的改进空间, 或增长潜力。同时, 基于同方向向量设定, 各省的无效率值估计结果较为稳健, 且可以互相比较, 经济含义明确, 能够为决策者提供相对合理的参考信息和政策建议。

1.2 绿色可加性生产率指数的分解

全要素生产率指数可分为基于乘积形式的Index指数和加减形式的Indicator指标, 前者通常与Shephard距离函数搭配, 后者往往适用于方向性距离函数。本文在Chambers等[24]基础上, 引入碳排放作为“坏”产出, 使用基于加减形式的整体方向性距离函数, 搭配Luenberger生产率指标(Luenberger productivity indicator, LPI), 产出导向型的与+1期LPI指标变化率可被定义为:

利用LPI所具有的特点, 可以在全要素生产率框架下对期与1期的TFP分解为技术进步(technological progress, TP)和效率变化(efficiency change, EC), 见公式(7)-(9)。TP用于衡量科技进步对生产可能性前沿面的影响, 如果TP值大于0, 技术创新提升了前沿面, 新技术对绿色TFP变化有积极贡献, 反之则反是。EC用于计算决策单元同整体前沿面之间距离的变化, 如果EC值大于0, 则相比基期, 该决策单元在+1期通过有效利用资源推动了绿色TFP增长, 更加趋近于整体前沿面, 反之则反是。跨期TFP年均增长率为随机性趋势, 可通过OLS计算获得。

本文的创新之处是将经济和环境的TFP指标集成到绿色TFP中, 分别测算出经济增长和环境改善对TFP提升的贡献。由于每个方向性距离函数包含经济与环境两个维度的无效率值, 绿色TFP指标可以继续被分解为经济TFP(TFPeco)和环境TFP(TFPenv), TFPeco还可以被分解为经济效率变化(ECeco)和经济技术进步(TPeco), TFPenv亦然, 最终得到公式(10):

式中: TFPeco考察的是所有投入与期望产出的关系, 即描述期望产出生产的技术子集1; TFPenv只考察致污投入与非期望产出的关系, 即描述非期望产出生成的技术子集2。TFPeco和TFPenv又都可以进一步分解为效率变化和技术进步, 即ECeco、TPeco和ECenv、TPenv。

1.3 非参数估计

对于TFP指标中距离函数的估计, 可使用参数或非参数的估计方法, 由于后者不需对生产函数形式进行前期假定, 本文采用非参数的数据包络分析。该估计方法可由线性规划表示, 以产出导向的距离函数为例, 假设投入不变, 最大化产出和最小化非期望产出的目标函数分别为和。用于计算全要素生产率指数与分解[公式(10)]需计算4种不同跨期组合的距离函数, 例如,期该决策单元的投入产出为被评估单元, 计算该决策单元与+1期生产可行性前沿面的距离可用公式(11)-(18)中的线性规划表示:

2 数据来源及处理

2.1 数据来源

本研究数据来源于2002—2017年《中国统计年鉴》、《中国农村统计年鉴》、各省(市、区)统计年鉴以及《中国国内生产总值核算历史资料(1996—2002年)》, 所有产值以1990年不变价为基期调整为可比价。

2.2 数据处理

2.2.1 投入变量

借鉴美国农业部、Andersen等[25]的方法, 将劳动力、中间消耗、资本作为畜牧业的投入变量。畜牧业劳动力借鉴黄少安等[26]的方法, 用畜牧业产值占第一产业总产值的比例乘以第一产业从业人员总数来推算畜牧业从业人数。中间消耗利用各省(市、区)畜牧业中间消耗值, 包含饲料、畜牧用药、燃料等对畜牧肠道发酵、粪便管理产生影响的致污投入, 并用各地区农业生产资料价格指数进行调整。畜牧业资本存量采用“永续盘存法”进行估算, 计算公式为:

K=K-1(1-)+I(19)

初始农业资本存量0采用《中国国内生产总值核算历史资料(1996—2002年)》中统计数据, 以农林牧渔业投资作为当年投资开始累计, 农业资本折旧率值取5.42%。然后, 再以调整后的畜牧业固定资产占第一产业固定资产投资的比重为权重计算出畜牧业资本存量, 并用农业生产资料价格指数进行价格平整。西藏、上海等省(市、区)部分年份的缺失数据用当年全国畜牧业固定资产比重代替。

调整后的畜牧业固定资产=畜牧业固定资产投资+农林牧渔服务业固定资产投资´畜牧业固定资产投资/(第一产业固定资产投资-农林牧渔服务业固定资产

投资) (20)

2.2.2 产出变量

产出变量包括期望产出与非期望产出。期望产出选择我国31个省市(不含台湾省、香港特别行政区和澳门特别行政区)2001—2016年的畜牧业总产值, 并用畜牧业产值指数进行价格平整。非期望产出为畜牧业碳排放量, 主要来源于肠道发酵、粪便管理过程产生的CH4、N2O。根据增热效应, 将CH4、N2O转化成CO2当量, 其转化系数分别为21、310。本文主要计算牛、羊、生猪、家禽等养殖品种导致的碳排放量。畜牧业碳排放量计算公式[27]为:

式中: AAP为年均饲养量, days_alive表示生产周期, NAPA表示年出栏量。

我国生猪、家禽饲养周期一般为180 d、55 d, 年均饲养量的计算适用于公式(22); 牛、羊饲养周期一般大于1年, 年平均饲养量采用上年年末存栏量与本年末的存栏量的平均数。本文畜禽CH4排放因子参照2006年IPCC公布的温室气体排放清单指南[27], N2O排放因子参考FAO公布的2004年中国畜禽氧化氮排放量排放系数[28], 其中非奶牛为黄牛、水牛各类排放因子的平均数(表1)。

表1 中国主要畜牧品种温室气体排放系数

3 结果与分析

3.1 畜牧业绿色TFP增长和驱动因素

将我国畜牧业看成一个整体(表2), 2001—2016年畜牧业绿色TFP逐步提升, 年均增长5.01%。由于我国畜牧产品需求旺盛及生产者补贴优惠政策, 畜牧业发展偏重于追求产量目标, 经济TFP年均增长4.45%, 对我国畜牧业绿色发展的贡献率达88.83%。而直到2013年才颁布了第1个全国性的畜牧业污染防治条例, 忽视了环境污染带来的不利影响, 环境TFP贡献相对较少, 贡献率仅为11.17%。这说明畜牧业绿色增长主要由经济水平提升推动。

进一步考察畜牧业绿色TFP的分解(表2), 样本期内EC和TP的年均增长率分别为1.07%和3.94%, 对我国畜牧业绿色TFP提升的贡献率为21.35%和78.65%。由于我国畜牧业产业化程度、市场化进程、基层技术推广体系等因素影响, 导致畜牧业资本、劳动力等投入要素资源配置效率不高, 效率变化对畜牧业绿色TFP提升的贡献率仅为21.35%; 而随着畜牧品种改良、规模化健康养殖、畜牧废弃物综合利用等技术推广应用, 技术进步对畜牧业绿色TFP提升贡献高达78.65%。由此可见, 技术进步是绿色TFP增长主要来源。但当进一步分解经济TFP、环境TFP, ECeco、TPeco年均增长率分别为1.08%、3.37%, 对畜牧业绿色TFP增长的贡献率分别为21.49%、67.34%; ECenv、TPenv年均增长率分别为-0.01%、0.57%, 对畜牧业绿色TFP增长的贡献分别为-0.14%、11.31%。可以发现, 我国畜牧业技术进步主要体现在经济TFP的提升上, 效率改进也主要体现在经济TFP的提升, 且环境层面因没有合理利用资源反而阻碍了绿色TFP增长。说明我国畜牧业的环境生产技术水平仍有待提升。

表2 中国畜牧业绿色全要素生产率指标累计值与分解(2001—2016年)

数据来源为除台湾省、香港特别行政区和澳门特别行政区外的31个省(市、区); 指标为累计变化值, 初始值2001年设为0。The data are of provinces (cities, regions) of China except Taiwan Province, Hong Kong Special Administrative Region and Macao Special Administrative Region. The value of every indicator is cumulative value, and initial value is set as 0 in 2001.

3.2 区域畜牧业绿色TFP趋势和增长潜力分析

从各省畜牧业绿色TFP趋势来看(表3), 以各省绿色TFP年均增长率中位数0.10%为参照, 超过一半省份(16个)位于其上。全国畜牧业绿色TFP趋势为5.01%, 东部、中部、西部地区分别为2.18%、1.93%、0.90%, 东部地区畜牧业发展快于中部和西部地区, 这与邹洁等[12]研究结果一致。东部地区除北京、天津、上海、浙江及海南外, 其他省份畜牧业绿色TFP趋势均超过0.10%; 中部地区畜牧业绿色TFP趋势较高, 除山西、江西外, 其他省份畜牧业绿色TFP趋势也均超过0.10%; 而西部地区各省份畜牧业绿色TFP趋势普遍较低, 大部分畜牧业绿色TFP趋势低于0.10%。此外, 由于农业环境库兹涅茨曲线假说(EKC)在中国基本得到支持, 河北、江苏、山东、广东、吉林、黑龙江、安徽、河南、湖北、湖南、四川及内蒙古等省份畜牧业技术进步对绿色TFP提升起了关键作用, 而其他省份仍然处于随经济发展而环境TFP下降的阶段, 尤其是云南、西藏等环境TFP对畜牧业绿色TFP趋势起了拖累作用。这说明中国畜牧业的环境生产技术水平仍有待提升。

表3 中国区域及省际畜牧业绿色全要素生产率增长趋势分析(2001—2016年)

从全国畜牧业潜在改进空间来看(表4, 图1), 经济效率的改进将有助于提升中国畜牧业总产值, 环境效率的改进则有助于中国畜牧业碳减排。从整体上看, 当前畜牧业发展重视经济效益却忽视环境表现。我国畜牧业经济增长潜力不断减少, 畜牧业总产值提升潜力由2001年的68.52%降至2016年的16.69%, 暗示我国不同省份畜牧业存在着技术追赶效应; 而环境改善潜力变化不大, 样本期内畜牧业碳减排潜力在28%左右徘徊, 这表明我国畜牧业绿色技术研发尚无较大突破。自2001年《关于加快畜牧业发展的意见》、2007年《关于促进畜牧业持续健康发展的意见》出台后, 国家集中出台了标准化规模养殖、生猪调出大县奖励、畜牧良种补贴等一系列扶持政策, 畜牧业产值大幅度提升, 畜牧业的经济效率改进空间不断减少。2013年, 受禽流感影响畜牧业经济效率大幅降低。2014年以来, 《畜禽规模养殖污染防治条例》、《“十三五”生态环境保护规划》等政策对畜牧业污染防治提出了更高要求, 而由于大部分省市畜禽粪污处理设施设备缺失和技术力量落后, 采取盲目禁养限养、强拆等措施对畜牧业经济效率产生了一定的波动。

从区域畜牧业潜在改进空间来看(表4), 东部地区经济较为发达, 畜牧业规模化及管理水平较高, 且对环境污染较为关注, 不少省份相继出台畜禽养殖污染防治的规章、标准和技术规范, 绿色生产技术应用与创新也得到了大范围的推广, 经济效率改进空间逐渐趋小, 环境效率改进空间变化不大, 其畜牧业经济增长与碳排放出现弱脱钩状态。中部地区作为粮食主产区, 其政策扶持与资源配置都向粮食生产倾斜, 导致畜牧业饲养方式粗放、粪污治理水平较低, 畜牧业发展以环境为代价, 其畜牧业经济效率与环境效率均有很大的改进空间。西部地区因饲养资源、饲养方式及饲养品种等资源不协调, 畜牧业规模化水平不高, 给草地生态资源带来一定的环境压力, 其畜牧业经济效率及碳减排还有一定改进空间。

4 讨论与结论

本文提出了一种把绿色TFP分解成经济增长和环境改善的测算方法。基于By-production生产模型和整体方向性距离函数方法, 创新构建出一种Luenberger生产率指标来分析中国2001—2016年畜牧业绿色全要素生产率变化及区际差异。研究结果表明: 1)中国畜牧业绿色TFP年均增长率为5.01%, TFPeco、TFPenv的年均增长率分别为4.45%、0.56%, 表明我国畜牧业绿色TFP增长主要由要素投入为主的经济效率推动。我国畜牧业绿色TFP虽有较大增长, 但全要素生产率偏低依旧是制约我国高质量发展的突出问题, 需要由依靠增加要素投入向注重环境改善转变来提高全要素生产率。而从绿色TFP分解来看, 样本期内EC、TP的年均增长率分别为1.07%、3.94%, 但经济层面的EC、TP占据了主要部分, 环境层面的资源配置及绿色技术创新对TFP增长尚未起协同促进作用。因此, 需要持续推动畜牧业绿色生产技术创新, 加快环境资源合理配置, 实现畜牧业绿色发展转型。2)东部、中部、西部地区畜牧业绿色TFP趋势分别为2.18%、1.93%、0.90%, 东部地区畜牧业发展快于中部和西部地区。由于经济发达地区的东部地区生产劳动率水平较高, 农业资本深化水平也较高, 这些要素又引导着东部地区做出更优的技术选择, 进一步推动东部地区畜牧业绿色TFP增长。反观西部地区, 农业基础设施滞后、资本匮乏、经营分散等问题影响了畜牧业绿色TFP增长。3)我国畜牧业绿色TFP增长存在改进空间, 东、中、西部区域畜牧业绿色TFP改进方向不同。整体而言, 我国畜牧业产值不断增长, 其增长潜力不断减少; 由于城乡、不同省份之间投入或产出相对价格的差异, 导致资源配置的无效率, 使得环境改善潜力变化不大。这是当前我国经济发展过程中普遍重视经济效益却忽视环境表现的结果。东部地区应发挥资金、人才优势, 加强畜牧业绿色生产技术的研发与创新, 并向其他地区进行技术扩散, 全面提升中国畜牧业绿色TFP整体前沿面。中部地区是粮食主产区, 具有发展畜牧业的资源基础和较强的环境承载能力, 应增加资源要素有效投入, 推广规模化健康养殖、畜禽废弃物综合利用等绿色生产技术, 方能实现畜牧业经济增长与碳减排双重目标。西部地区应加大力度恢复草原生态, 坚持草畜平衡, 优化养殖品种, 积极推广绿色生产技术, 实现畜牧业绿色增长。

表4 中国不同区域和全国畜牧业绿色增长潜力(2001—2016年)

增长潜力由改进空间(无效率值)衡量。Growth potential is measured by improvement space (inefficiency value).

图1 全国畜牧业的绿色增长潜力(2001—2016年)

为进一步推进我国畜牧业高质量发展, 一是要加快由增加要素投入向注重环境改善转变以提高全要素生产率, 加强绿色科技创新促进经济增长与环境改善的协调发展。在优化资源要素投入、推进产业区域化发展及适度规模化经营的基础上, 加强建设富有营养的饲草资源, 优化养殖品种, 建立科学的饮食管理及畜禽粪便资源化利用等, 特别要依靠品种改良、畜禽饲喂、畜禽圈舍、粪尿储藏、粪尿加工利用等绿色技术创新来解决畜牧绿色TFP增长动力问题。二要推动要素合理流动, 推动区域平衡发展。农业作为资源受限的产业, 要进一步突破城乡及区域要素流动制度障碍, 不同地区要根据各自资源禀赋、区位条件等选择差异化政策, 加快推进剩余农业劳动人口转移, 提高人均畜牧资源; 加速农业资本深化水平进程, 努力提高人均畜牧产值, 实现畜牧业区域平衡而非均匀发展。

[1] 徐晓红, 汪侠. 中国绿色全要素生产率及其区域差异——基于30个省面板数据的实证分析[J]. 贵州财经大学学报, 2016, (6): 91–98 XU X H, WANG X. China’s green total factor productivity and regional differences — An empirical research based on panel data from 30 provinces[J]. Journal of Guizhou University of Finance and Economics, 2016, (6): 91–98

[2] 胡晓珍, 杨龙. 中国区域绿色全要素生产率增长差异及收敛分析[J]. 财经研究, 2011, 37(4): 123–134 HU X Z, YANG L. Analysis of growth differences and convergence of regional green TFP in China[J]. Journal of Finance and Economics, 2011, 37(4): 123–134

[3] 韩海彬, 赵丽芬. 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 H B, ZHAO L F. Growth and convergence of agricultural total factor productivity in China under environmental regulations[J]. China Population, Resources and Environment, 2013, 23(3): 70–76

[4] 岳立, 王晓君. 环境规制视域下我国农业技术效率与全要素生产率分析——基于距离函数研究法[J]. 吉林大学社会科学学报, 2013, 53(4): 85–92 YUE L, WANG X J. An analysis on technical efficiency and total factor productivity of China’s agriculture in the perspective of environmental regulations[J]. Jilin University Journal Social Sciences Edition, 2013, 53(4): 85–92

[5] 李谷成, 范丽霞, 闵锐. 资源、环境与农业发展的协调性——基于环境规制的省级农业环境效率排名[J]. 数量经济技术经济研究, 2011, 28(10): 21–36 LI G C, FAN L X, MIN R. The coordination of agricultural development with environment and resource[J]. The Journal of Quantitative & Technical Economics, 2011, 28(10): 21–36

[6] 李谷成. 中国农业的绿色生产率革命: 1978—2008年[J]. 经济学, 2014, 13(1): 537–558 LI G C. The green productivity revolution of agriculture in China from 1978 to 2008[J]. China Economic Quarterly, 2014, 13(1): 537–558

[7] PASTOR J T, LOVELL C A K. A global Malmquist productivity index[J]. Economics Letters, 2005, 88(2): 266–271

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

[9] OH D H, HESHMATI A. A sequential Malmquist-Luenberger productivity index: Environmentally sensitive productivity growth considering the progressive nature of technology[J]. Energy Economics, 2010, 32(6): 1345–1355

[10] 曹佳, 肖海峰, 杨光. 1978—2007年我国畜牧业全要素生产率及其影响因素研究[J]. 技术经济, 2009, 28(7): 62–66 CAO J, XIAO H F, YANG G. Analysis on total factor productivity of livestock industry in China and its influence factors during 1978-2007[J]. Technology Economics, 2009, 28(7): 62–66

[11] 吴清秀. 全要素生产率对区域畜牧业增长的贡献差异分析[J]. 呼伦贝尔学院学报, 2017, (1): 78–85 WU Q X. Contribution of total factor productivity to husbandry growth in different regions[J]. Journal of Hulunbeier University, 2017, (1): 78–85

[12] 邹洁, 项朝阳. 中国大陆畜牧业环境效率测算及影响因素研究[J]. 环境污染与防治, 2016, 38(1): 90–96 ZOU J, XIANG C Y. Research on the livestock environmental efficiency in mainland China and its influencing factors[J]. Environmental Pollution and Control, 2016, 38(1): 90–96

[13] 崔姹, 王明利, 石自忠. 基于温室气体排放约束下的我国草食畜牧业全要素生产率分析[J]. 农业技术经济, 2018, (3): 66–78 CUI C, WANG M L, SHI Z Z. Effect of greenhouse gas emissions on total factor productivity of herbivorous animal husbandry in China[J]. Journal of Agrotechnical Economics, 2018, (3): 66–78

[14] COELLI T, LAUWERS L, VAN HUYLENBROECK G. Environmental efficiency measurement and the materials balance condition[J]. Journal of Productivity Analysis, 2007, 28(1/2): 3–12

[15] RØDSETH K L. Environmental efficiency measurement and the materials balance condition reconsidered[J]. European Journal of Operational Research, 2016, 250(1): 342–346

[16] MURTY S, RUSSELL R R, LEVKOFF S B. On modeling pollution-generating technologies[J]. Journal of Environmental Economics and Management, 2012, 64(1): 117–135

[17] KOOPMANS T C. An analysis of production as an efficient combination of activities[M]//KOOPMANS T C. Activity Analysis of Production and Allocation. London: John Wiley and Sons Inc., 1951: 33–97

[18] DEBREU G. The coefficient of resource utilization[J]. Econometrica, 1951, 19(3): 273–292

[19] SHEPHARD R W. Cost and Production Functions[M]. Princeton, NJ: Princeton University Press, 1953

[20] FARRELL M J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society. Series A, 1957, 120(3): 253–290

[21] SHEN Z Y, BALEŽENTISC T, CHEN X L, et al. Green growth and structural change in Chinese agricultural sector during 1997–2014[J]. China Economic Review, 2018, 51: 83–96

[22] HACKMAN S T. Production Economics: Integrating the Microeconomic and Engineering Perspectives[M]. Berlin, Heidelberg: Springer, 2008

[23] BOUSSEMART J P, LELEU H, SHEN Z Y. Environmental growth convergence among Chinese regions[J]. China Economic Review, 2015, 34: 1–18

[24] CHAMBERS R G, FĀURE R, GROSSKOPF S. Productivity growth in APEC countries[J]. Pacific Economic Review, 1996, 1(3): 181–190

[25] ANDERSEN M A, ALSTON J M, PARDEY P G. Capital services in U.S. agriculture: Concepts, comparisons, and the treatment of interest rates[J]. American Journal of Agricultural Economics, 2011, 93(3): 718–738

[26] 黄少安, 孙圣民, 宫明波. 中国土地产权制度对农业经济增长的影响——对1949—1978年中国大陆农业生产效率的实证分析[J]. 中国社会科学, 2005, (3): 38–47 HUANG S A, SUN S M, GONG M B. The impact of land ownership structure on agricultural economic growth: An empirical analysis on agricultural production efficiency on the Chinese Mainland (1949-1978)[J]. Social Sciences in China, 2005, (3): 38–47

[27] IPCC. IPCC guidelines for national greenhouse gas inventories volume 4: Agriculture, forestry and other land use[R]. Geneva, Switzerland: IPCC, 2006

[28] STEINFELD H, GERBER P, WASSENAAR T D, et al. Livestock’s Long Shadow: Environmental Issues and Options[M]. Rome: FAO, 2006: 97–110

Evolution of green total factor productivity and regional disparity in China’s husbandry*

XU Biaowen1, SHEN Zhiyang2, LIN Guohua1**

(1. Institute of Agricultural Economy and Science Information, Fujian Academy of Agricultural Sciences, Fuzhou 350003, China; 2. Export-Import Bank of China, Beijing 100031, China)

Green total factor productivity (TFP) is a key indicator for measuring the transformation mode of economic development. The promotion of green TFP has been particularly important for achieving high-quality development of animal husbandry. Existing literatures on green TFP have ignored inter-regional heterogeneity. The productivity index has been usually measured based on distance functions of evaluated unit (province) own leading to results not inter-comparable among units. consequently failure in providing accurate policy advice for decision makers. This paper proposed a novel approach of allocating the contributions of economic gain and environmental improvement to green TFP growth of every evaluated unit. Based on the concept, the main contribution was based on a robust aggregate directional distance function and aggregate Luenberger productivity indicators. We set a unified direction for all over China to measure green TFP evolution of animal husbandry in 31 provinces for the period 2001-2016. The results showed that: 1) generally, the average annual growth rate of green TFP in China’s animal husbandry was 5.01%; of which the contribution rate of economic efficiency was 88.83% and that of technological progress as high as 78.65%. 2) There were regional imbalances in the development of animal husbandry industry across provinces, with eastern and central regions having faster growth than western areas. 3) There was potential of improvement in green TFP growth of animal husbandry in China with bigger room for improvement of environment efficiency than economic efficiency. Different directions of the improvement of green TFP growth of animal husbandry existed among the eastern, central and western regions of China. For the eastern regions, economy growth and carbon emission was in weak decoupling with small improvement room of TFP growth. For the central regions, both economic and environment efficiencies had great improvement room. And the western region had certain potential in economic efficiency enhancement and carbon emission reduction. Thus in order to realize high-quality development of animal husbandry, there was need to accelerate the transformation from relying on increasing the input of factors to environmental improvement for increasing green TFP of animal husbandry, and to strengthen the innovation of green science and technology. Also to realize balanced development of animal husbandry, it was necessary to break the police obstacles between urban and rural areas, and among regions, and increase per capita animal husbandry output value.

Animal husbandry; Aggregate directional distance function; Green total factor productivity; Luenberger productivity indicator; By-production technology

, E-mail: linguohua@163.com

Oct. 13, 2018;

Nov. 19, 2018

10.13930/j.cnki.cjea.180912

X322; F326.3; F224

A

2096-6237(2019)04-0613-10

林国华, 主要研究方向为生态农业。E-mail: linguohua@163.com

许标文, 主要研究方向为农业可持续发展。E-mail: 13596447@qq.com

2018-10-13

2018-11-19

* This study was supported by the Annual Consulting and Evaluation Project of Academic Divisions of the Chinese Academy of Sciences in 2016 and the Public Welfare Foundation of Fujian Province (2015R1016-8).

* 2016年度中国科学院学部咨询评议项目和福建省属公益类科研院所基本科研专项(2015R1016-8)资助

许标文, 沈智扬, 林国华. 中国畜牧业绿色全要素生产率演变及区域差异研究[J]. 中国生态农业学报(中英文), 2019, 27(4): 613-622

XU B W, SHEN Z Y, LIN G H. Evolution of green total factor productivity and regional disparity in China’s husbandry[J]. Chinese Journal of Eco-Agriculture, 2019, 27(4): 613-622