环境规制、农业绿色生产率与粮食安全

展进涛　徐钰娇

摘要 绿色发展将成为中国未来粮食安全保障的重点内容，衡量农业绿色生产率有利于判断当前的发展位点，且合理的农业环境规制是促进绿色生产效率提升和解决粮食供需矛盾的有效途径。本文引入碳排放交易和排污费征收标准，在将考虑了环境成本的农业绿色GDP作为产出运用随机前沿函数模型（SFA）核算中国2000—2015年省级农业绿色全要素生产率的基础上，采用GMM方法检验了农业绿色全要素生产率与粮食安全保障程度之间是否具有因果关系，并构建联立方程模型具体分析了两者之间的影响机制，以及不同环境规制因素对两者的驱动机制。结果表明：①2000—2015年间全国平均农业绿色全要素生产率年均增长4.10%，呈现明显的时序波动性以及地区之间的梯度性特征;②农业绿色全要素生产率和粮食安全之间存在双向因果关系;③农业绿色生产率的提高会降低粮食安全的保障程度，而过度重视粮食安全保障反过来会抑制农业绿色生产率的增长;④命令控制型环境政策规制对农业绿色全要素生产率和粮食安全均产生正向影响，激励性碳排放交易规制对农业绿色全要素生产率和粮食安全分别产生了正向作用和负向作用，自愿性环保投资规制仅对農业绿色全要素生产率产生了显著正向影响。因此，精心设计环境监管工具，改善环境规制政策的适度性和适用性，建立强化能够充分调动农民实施清洁生产的激励机制和市场化排污交易机制，大力整合不同类型环境法规从而构建均衡的“环境规制组合”体系，是提高农业绿色生产率增长和保障粮食安全可持续发展的关键。

关键词 农业绿色生产率;粮食安全;环境规制;因果关系;联立方程模型

中图分类号 F326.11文献标识码 A文章编号 1002-2104（2019）03-0167-10DOI：10.12062/cpre.20181016

21世纪以来，中国农业经济迅猛发展，但也付出了较大的环境代价。伴随着保持经济持续增长和资源环境趋紧的双重压力，“十三五”时期，中国前所未有地将“绿色”定位为“发展理念”，农业部门成为这时期绿色增长的重点之一;同时，“十九大”报告也提到要推进绿色发展，特别强调要加强农业面源污染防治整治行动。据中国国家统计局统计，中国粮食产量由2000年的46 217.5万t增长到2016年的61 625.0万t，这与以高产良种为中心配以电力灌溉、机械化播种收割、温室养殖以及农药化肥等技术的生产方式息息相关，然而促使农业绿色增长面临着水资源消耗大、环境污染严重和农业生产率低三重障碍。其中，化肥施用、化学需氧量和温室气体排放是农业污染的重要来源。关于农业资源环境承载力测算的问题，过去的规划更多注重吃进去的，较少考虑排出来的。在中国，大尺度上以耕地面积作为环境承载力测算的依据需要重新审视，因为土地并不是唯一的资源环境约束条件，还有水、气候等因素。新时代对农业绿色发展的要求是应全要素系统推进。因此，多维度评估中国农业绿色全要素生产率目前处于什么位置，如何在进一步提高农业生产效率的同时不逾越资源环境承载能力，是中国实现农业可持续发展的关键。

目前，关于农业全要素生产率（TFP）测算，国内外学者大多采用索洛余值法、前沿面的非参数数据包络分析（DEA）和参数随机前沿分析（SFA）三种方法[1]，由于数据集的不同，产生了不同的研究结果。关于纳入环境因素的农业生产率测算，由于“绿色生产率”的概念提出较为滞后，该领域研究尚处于起步阶段。最早，Oskam[2]利用索洛余值，将大气污染、水污染、土壤污染等环境因素纳入农业TFP测算。随后，Ball等[3]基于DEA-Malmquist生产率指标，推导出了非合意产出的虚拟价格，从而得出环境敏感性Fisher生产率变化指数。Hoang等[4]基于随机前沿距离函数分析了考虑环境绩效的农业TFP。近年来，Kuosmanen[5]结合SFA模型和DEA模型形成了随机半参数数据包络模型（StoNED），纳入农业CO2排放、氮储量和磷储量，测算了1990—2004年经合组织国家的农业绿色生产率。国内关于农业绿色生产率的测算较少，同时，由于污染物价格信息无法获取，主要采用支持多投入多产出的非参数DEA方法，而基于SFA方法的研究十分匮乏，仅个别研究把农业排污作为一种负的要素投入纳入SFA模型中。但SFA构建的是随机性生产前沿，较为符合农业生产特征，故目前的研究基于SFA构建了环境效率等新的指标作为延伸。大部分研究表明，中国的农业绿色全要素生产率在研究期内处于增长状态，地区间农业绿色生产率差异明显。

从农业部门可持续发展的内容来看，除了农业绿色全要素生产率增长，还包括粮食安全可持续性的保障。在经济发展新常态的大背景下，面对农业生产成本攀升、国内外农产品价格倒挂，以及资源环境压力持续加大的多重挤压，确保粮食有效供给和质量安全，对于经济社会发展全局至关重要。长期以来，为解决粮食总量不足的矛盾，中国依托资源环境，过度开发水、土壤等自然资源生产要素的边际产能，农业资源环境的承载力越来越弱，粮食安全的可持续保障令人担忧。“十三五”时期，中国正在全面贯彻乡村振兴战略和农业供给侧结构性改革，提出要始终把握好保障国家粮食安全是农业结构性改革的基本底线，矫正要素配置扭曲，提高全要素生产率，推动农业发展绿色化，走产出高效、产品安全、资源节约、环境友好的农业现代化道路。因此，探索中国目前的粮食安全和农业绿色生产率是否相辅相成，如何建立粮食安全战略和农业绿色发展的对接机制是十分必要的。

由于农业生产依托的资源利用和产生的环境污染具有外部不经济性，环境规制作为一种干预手段是实现经济与资源环境协调发展和确保粮食生产可持续性的重要途径。随着国家对绿色发展和环境保护的重视，中国颁布了《农药管理条例》《基本农田保护条例》和《农业部关于打好农业面源污染防治攻坚战的实施意见》等环境规制政策，实施了环保项目投资等环境规制措施。此外，碳排放交易运用市场机制作为一种新兴的环境规制工具也逐步应用到中国的绿色发展中。传统观点认为环境规制会增加生产成本，对经济发展产生挤占生产和营利性投资的效应[6]，环境研发对非绿色研发也会产生挤出效应，传统高效高耗能型生产技术的使用受限，继而可能降低产业的增长率和粮食安全保障程度;然而“波特假说”认为恰当设计的环境规制可以刺激技术创新，尤其是清洁生产技术的创新，从而减少费用，提高产品质量，达到提高生产效率和粮食安全保障程度的作用[7]。因此，如何依照具体国情制定相应的农业环境规制措施，是世界各国，尤其是发展中国家亟待解决的难题。XIE[8]等研究了不同环境规制对中国整个宏观经济绿色生产率的影响，但现有文献仅有少数寻找代理指标笼统地研究了农业环境规制对绿色生产率和粮食安全的影响，如潘丹[9]以污染治理项目投资表征环境规制，研究得出其对农业绿色生产率的影响为正但不显著;梁流涛[10]通过专家打分的特尔菲方法量化了农业污染管理制度，研究得出其对农业环境技术效率影响显著为负;祝志勇[11]等用产污强度表征环境规制得出其与粮食产量呈现倒U型关系。然而，环境规制的渠道多样，如果不分别分析各类规制措施对农业绿色生产率和粮食安全的影响程度，也不利于具体规制的制定和实施。因此，本文进一步细化环境规制因素，根据环境规制的分类探讨了中国目前采取的各类规制措施是否得当有力，绿色增长与保供给、保增收是否可以兼顾。

1 实证分析模型与数据

1.1 随机前沿分析模型设定

将环境污染纳入农业全要素生产率测算框架主要有两种途径，一种是将环境污染作为非合意产出，另一种是将环境污染作为要素投入[12]。由于污染物的价格信息难以准确获取，所以目前国内主要引入方向性距离函数，采用支持多投入多产出的数据包络方法（DEA）。但DEA方法无法解释噪声和用来研究传统假设检验。因此，本文结合传统生产率理论和资源环境经济学，以绿色GDP的视角展开，引入碳排放交易市场和排污费征收标准，尝试把可以获取价格信息的污染变量纳入产出核算体系，把无法获取价格信息的污染变量纳入投入核算体系，运用较为符合农业生产特征的SFA方法测度考虑环境成本后的中国农业绿色全要素生产率变化指数[13]。

本文以Battese和Coelli[14-15]时变非效率SFA模型为基础，将农业生产总值减去环境成本作为绿色产出（不考虑林牧渔业），氮磷流失分别作为负的要素投入，构建相對灵活的超越对数函数形式的随机前沿模型：

lnYit=β0+βtt+12βttt2+∑m（βm+βmtt）lnXitm+∑n（βn+βntt）lnZitn+12（∑m∑jβmjlnXitmlnXitj+∑m∑nβmnlnXitmlnZitn+∑n∑kβnklnZitnlnZitk）+Vit-Uit（1）

其中，Yit表示第t年第i个省的绿色产出;Xit是一个n×1阶的传统投入向量，Zit是一个m×1阶的环境要素投入向量，表示第i个省在第t年的各要素投入量;β表示要估计的未知参数向量;Vit表示随机误差，是独立于投入和技术水平且服从正态分布N（0，σ2v）的随机统计噪声;Uit表示在给定适当结构下的技术无效因素，且Uit≥0，衡量存在技术非效率时的实际产出Yit与具有完全效率时的最大经济产出F（Xit，Zit，t;β）之间的距离，即满足：

Uit=zitδ+Wit（2）

其中，zit表示随着时间推移与技术非效率有关的一个1×k阶解释变量;δ是一个k×1阶未知参数;随机变量Wit服从截尾正态分布N（0，σ2），截断点为-zitδ，且Wit≥-zitδ;Uit服从非负截尾正态分布N+（ zitδ，σ2）。因而，第i个省在第t年的农业绿色技术效率GTEit可以表示为该生产单元的产出期望与随机前沿期望的比值：

GTEit=exp（-Uit）=exp（-zitδ-Wit）（3）

从t年到t+1年第i个省的绿色技术效率变动可以按如下公式计算：

GECHt，t+1i=GTEt+1iGTEti（4）

控制其他因素后，第i个省在第t年的前沿技术进步率为前沿生产函数F（·）对时期t的偏导。由于技术变化是非中性的，根据全炯振[1]的研究，技术变化指数可以按如下公式计算：

TCHt，t+1i=[（1+lnF（Xit，Zit，t;β）（t））×（1+lnF（Xit+1，Zit+1，t+1;β）（t+1））]12（5）

运用Malmquist生产率变化指数的原理，农业绿色生产率（GTFP）的变动可以表示为：

GTFPCHt，t+1i=GECHt，t+1i×TCHt，t+1i（6）

GTFPCHi指数大于1表示第i个省的农业绿色全要素生产率相较于上一时期呈增长水平。

1.2 数据来源与变量统计性说明

1998年，联合国环境署在《国际清洁生产宣言》中，最早提出了“绿色生产率”的概念。随后，Tolentino指出绿色生产率是企业在将污染治理到对社会无害时的生产率水平[16];胡鞍钢指出绿色生产率是扣除对自然资源的消耗和环境破坏后的生产率水平[17]。因此，绿色生产率的决定因素包括物质资本、人力资本、技术知识和自然资源与环境，本文根据这四大因素确定了以下要素投入变量和产出变量。

（1）环境污染变量。根据Kuosmanen的定义，农业特定的环境问题包括氮流失、磷流失、温室气体排放、化石燃料的消耗、有毒农药的使用和土地利用多样化等[5]。这里将环境污染变量主要分为氮磷流失、二氧化碳（CO2）排放和化学需氧量（COD）排放。关于氮磷流失，目前中国没有直接统计氮肥和磷肥流失量的数据，因此根据《第一次全国污染源普查公报》得到的2007年农业氮流失量和磷流失量，以其占当年全国氮肥和磷肥使用量的比重得出氮流失率和磷流失率，并假定各省各年的氮磷流失率与此相同，基于各省历年的氮肥和磷肥使用量得到其氮流失量（ne）和磷流失量（pe）;关于农业CO2排放，没有直接的数据可以使用，这里用李波等[18]的方法来预测省级CO2排放水平，C=∑Ci=∑Ei×θi，其中Ci表示第i种农业碳排放来源的CO2排放数量，Ei表示第i种农业碳排放来源的数量，θi表示第i种农业碳排放来源的系数;关于农业COD排放，参考赖斯芸等[19]和陈敏鹏等[20]的单元调查评估法获取。

（2）传统投入变量。农业生产使用的投入要素主要包括劳动力、土地、资源等变量。其中，劳动力和土地投入分别选择第一产业从业人员数量（x1）和农作物总播种面积（x2）;水资源、机械和生物化学资源投入选择农业有效灌溉面积（x3）、农业机械总动力（x4）和有效化肥施用量（x5）表示。关于有效化肥施用量，常规统计资料中没有直接统计数据，因此利用环境污染变量中已经得出的氮流失量和磷流失量，由于磷肥折存量是指五氧化二磷（P2O5）的量，需用磷流失量除以系数43.66%得出磷肥流失折存量，再结合当年农业化肥施用折存量，用化肥施用折存量减去氮肥流失折存量（即氮流失量）和磷肥流失折存量得到各省各年的有效化肥施用量。

（3）考虑环境成本的绿色产出变量。1973年以后，联合国统计委员会和欧洲经济委员会编制了《生态环境手册》，指出绿色GDP核算的基本精神是把生态和环境资源影响折算为货币，即绿色GDP=GDP-经济活动所造成的环境虚拟成本，环境虚拟成本是指恢复生态环境资源恶化或破坏所需要花费的代价（已经考虑了当年环境保护的实际支出）。因此，考虑环境成本的农业绿色产出变量=农业生产总值-碳排放成本-水污染排放成本。其中，碳排放成本= CO2排放量×碳排放交易价格，水污染排放成本=COD污染当量数×0.7元=（COD排放量/COD污染当量值）×0.7元，均以农业生产资料价格指数将当年价折算为2000年不变价。

本文使用的数据主要来源于2001—2016年《中国统计年鉴》《中国农村统计年鉴》《中国农业统计年鉴》《排污费征收标准管理办法》和中国碳排放交易网（由于数据缺失，研究数据不包括港澳台地区）。产出与投入指标的统计描述见表1。

2 农业绿色全要素生产率变化指数的时空差异分析

由上述模型公式和Stata14.0软件计算得出全国各省市区域不同阶段的农业绿色全要素生产率变化指数及分解指数如表2和表3所示。从农业GTFP的变化及动因看，2000—2015年间，在考虑环境成本和氮磷流失的环境约束条件下，全国平均增长4.10%，这与大多数研究得出的中国农业GTFP年均增长率在1%～6%之间基本一致。分解分析发现，中国农业GTFP的增长主要由技术进步水平提高推动，其平均增长率为4.00%;而绿色技术效率的平均增长率仅为0.12%。农业前沿生产技术不断进步和绿色技术效率年际增长缓慢这一现象表明，今后保持农业GTFP持续增长的关键在于技术的研发，尤其是促进清洁生产技术的进步，但农业前沿技术的推广应用是目前亟待改进的。

2.1 时序特征

从时间趋势看，农业绿色全要素生产率的变化呈现明显的波动性特征，把整个研究时期划分为3个阶段（“十五”“十一五”“十二五”）可以发现，拉长时间跨度后，不仅弱化了GTFP变化指数的波动性，不同时期GTFP变动模式也具有不同的特点（见表2）。第一阶段，21世纪伊始，农业GTFP平均增长2.59%，由绿色技术效率水平上升和技术进步共同推动。其中，由于2003年淮河和渭河流域发生洪涝灾害，GTFP较大幅度下降;第二阶段，国务院严控了“十一五”期间全国主要污染物的排放量，同时，2007年5月，农业部发布了《农业生物质能产业发展规划（2007—2015年）》，随着中国应对气候变化科技专项行动的开展，虽然2008年发生的南方低温雨雪冰冻和汶川地震致使绿色技术效率下降，但技术进步水平大幅度提升（4.03%）依然带动了GTFP平均增长4.49%;第三阶段，随着“十二五”期间农业可持续发展政策的出台，《关于加快推进农业清洁生产的意见》《“十二五”农作物秸秆综合利用的实施方案》和《测土配方施肥技术规范（2011年修订版）》等政策法规相继贯彻落实，GTFP平均增长5.22%，处于快速增长期，主要由前沿技术进步推动（6.20%），但由于资源无效配置造成的传统要素投入利用效率低下，促使绿色技术效率恶化，平均下降0.91%。

2.2 空间分异特征

农业绿色全要素生产率的增长在地区之间呈现出一定的发展梯度。全国31个省、市、自治区中（不包括港澳台地区），模型得出的农业GTFP在研究期内均处于年均增长状态。按照GTFP增长率平均值大小将不同地区进行归类，可以分为3个层次：高增长率地区（取值在（6%，9%]），由高到低依次宁夏、山西、黑龙江、重庆;中等增长率地区（取值在（3%，6%]），由高到低依次为湖北、江西、安徽、福建、青海、贵州、甘肃、山东、江苏、河北、陕西、广西、四川、天津、河南、吉林、海南;低增長率地区（取值小于3%），由高到低依次为北京、浙江、广东、上海、辽宁、西藏、湖南、新疆、内蒙古、云南。为了进一步反映农业绿色生产效率变化的区域差异情况，本文按传统的区域划分方法，计算得出2000—2015年间GTFP年均增长率从大到小依次为中部（4.89%）、西部（4.01%）和东部（3.62%）。样本期间，中部地区GTFP的正向增长是由绿色技术效率（0.21%）和技术进步（4.69%）共同驱动的;西部地区绿色技术效率年均下降0.24%，技术进步（4.28%）对GTFP的较快增长起到了很大诱导作用;东部地区的绿色技术效率年均上涨0.44%，但技术进步变化指数（3.19%）在地区之间相对较弱。究其原因，这主要与中国的农业布局向中部地区转移有关，且东部地区农业技术水平基数较高，研发重点也更加倾向于非农部门，导致其技术进步相较于中西部提升缓慢。此外，西部地区绿色技术效率水平处于下降状态，可能的解释是西部地区农业生产条件与清洁生产技术相对落后，抗自然灾害的能力相对较弱，以及农业生产者和政府较少关注农业生态环境建设。由此可见，农业绿色全要素生产率不仅与污染排放量有关系，还与区域经济发展水平、农业生产条件、农业规模、政府政策以及农业生产技术等因素存在着对应关系。

3 农业绿色全要素生产率和粮食安全的因果关系检验

随着农业绿色发展政策的贯彻落实，确保粮食安全与农业绿色经济增长的矛盾日益突出。根据吕新业和冀县卿[21]的论述，生态环境优化、生产率增长是提升粮食安全保障程度的重要途径之一。但钟甫宁认为，经济增长会导致劳动力成本和生产成本上升，从而使粮食安全和农产品竞争力下降[22]。农业绿色生产率的增长可能是由农村非农部门产值上升带动，同时过度重视绿色增长，也不利于保障中国的粮食安全水平。此外，从粮食安全的角度来看，一方面为确保粮食安全需要投入大量化肥、农药等高耗能型技术，从而导致农业绿色生产率下降;另一方面粮食安全战略带动了粮食产量和农业经济增长，由而传统农业生产率的增长诱导了绿色生产率的增长。因此，农业绿色全要素生产率与粮食安全之间是互相影响的。目前，尚没有针对中国情况为此进行实证分析，本文将尝试做这方面的检验。

3.1 研究方法与变量选取

在讨论农业绿色增长和粮食安全的关系时，由于宏观数据和指标构建等原因，变量内生性、共同趋势、度量误差等问题会随之出现，针对这些问题的常规做法是使用差分方法。在本文的分析中，我们借鉴Arellano和Bond[23]、Blundell和Bond[24]的分析方法，使用动态面板数据模型来检验农业绿色全要素生产率和粮食安全之间的因果关系。

在这一因果关系检验的分析框架下，估计模型的工具变量是与误差项无关的被解释变量的滞后值。用来检验中国农业绿色全要素生产率（GTFP）和粮食安全（GS）因果关系的系统模型为：

GTFPit=∑mjαiGTFPi（t-j）+∑mjρiGSi（t-j）+ui+εit（7）

GSit=∑mjαiGSi（t-j）+∑mjρiGFTPi（t-j）+ui+εit（8）

其中，GTFPit表示第i省t时期的农业绿色全要素生产率，上文核算绿色生产率增长是以上年为1的环比指数，因此将其转化为2000年为1的累积值;GSit表示第i省t时期的粮食安全，根据联合国粮农组织对粮食安全的定义，本文选用人均粮食占有量（即粮食总产量与年末人口数量的比值）来表征。为了充分利用被解释变量滞后值所包含的所有信息，从而可以较完整地讨论农业绿色生产率和粮食安全之间可能存在的长期和短期关系，本文使用动态差分广义矩估计方法（差分GMM）来估计系统模型。

理论上，我们在检验农业绿色全要素生产率和粮食安全两者之间的因果关系时，应考虑尽可能长的滞后期的影响。但是，为了避免模型估计时的过度识别问题，Holtzeakin和Schwartz[25]研究得出滞后期的选择应小于整个研究期的1/3。借鉴相关研究的经验，并且在估计方程时笔者分别尝试考虑1期、2期、4期和5期滞后的影响，但参数估计结果并不显著，因此，本文的系统模型设定了农业绿色生产率和粮食安全滞后3期的影响。此外，本文的检验使用了面板数据，作为一致估计，差分GMM能够成立的前提条件是扰动项不存在自相关，因此，文章基于两步估计量的标准差，对误差项的序列相关性进行了检验。

3.2 检验结果

本文通过Stata14.0软件运用动态差分广义矩估计方法（差分GMM）估计了系统方程（7）和（8），具体检验结果见表4。

由表4可见，对于农业GTFP方程，粮食安全这一解释变量在10%显著性水平上通过了检验;而对于粮食安全方程，解释变量GTFP和各期滞后均在1%水平上显著。为了进一步检验上述结果的可靠性，Wald统计量及其伴随概率显示GTFP和GS方程模型在1%的显著性水平上拒绝了“所有解释变量的系数为零”的原假设，表明农业绿色全要素生产率和粮食安全之间存在双向因果关系。此外，对于GTFP方程和GS方程，Arellano-Bond二阶自相关检验的p值分别为0.605和0.499，故接受原假设“扰动项无自相关”;Sargan检验的p值均为0.999，故无法拒绝“所有工具变量均有效”的原假设。因此，该因果关系检验的方法和结果均可靠，且系统模型不存在过度识别约束问题。

4 环境规制对农业绿色全要素生产率和粮食安全的影响分析

4.1 计量模型与估计方法

为了考察环境规制对农业绿色生产率和粮食安全的影响，且由于农业绿色全要素生产率和粮食安全之间存在双向因果关系，因此，本文将建立一个考虑两者内生性的联立方程模型。同时，由于环境规制的渠道多样，借鉴赵玉明[26]等对环境规制的分类，从命令控制型、以碳排放交易市场为基础的激励性和自愿性规制研究环境规制对农业绿色生产率和粮食安全的作用程度，构建的联立方程模型的基本形式如下：

GTFP=f（GS，EP×PI，CT×CI，EI，RD，DR，Dummy）（9）

GS=f（GTFP，EP×PI，CT×CI，EI，HC，DR，Dummy）（10）

其中，環境规制因素EP代表农业命令控制型环境规制政策因素，PI代表农业污染的相对排放水平，CT代表以碳排放交易市场为基础的激励性环境规制因素，CI代表CO2的相对排放水平，EI代表自愿性农业环保投资强度。借鉴Yang和Fan等[27]的研究本文设立EP与PI的乘积代表环境政策规制强度，CT与CI的乘积代表碳排放交易规制强度。为了确保联立方程模型是可以识别的，本文在农业绿色生产率方程中增加了技术进步因素，用农业科研投资强度（RD）表征;在粮食安全方程中增加了农村人力资本（HC）因素。同时，为了控制每个地区自然灾害和固有的其他社会经济条件对农业绿色生产率和粮食安全的影响，还在两个模型中增加了受灾率（DR）变量和地区虚拟变量（Dummy）。

在估计联立方程模型时，本文使用Zellner和Theil[28]提出的三阶段最小二乘法（3SLS）将所有方程作为一个整体进行系统估计。对于一个多方程系统，如果方程中包含内生解释变量，则对每个方程进行两阶段最小二乘法（2SLS）估计是一致的;但却不是最有效率的，因为单一方程2SLS忽略了不同方程的扰动项之间可能存在相关性。同时，Greene[29]分析认为，当误差项服从正态分布时，用3SLS对整个联立方程系统同时进行估计是渐进有效的，且能够对工具变量的有效性进行检验。

4.2 数据来源

根据已有研究和数据可获得性，本文确定各环境规制变量和控制变量如下：①农业命令控制型环境规制政策，用省级当年施行的环境规制政策数量表示;②以碳排放交易市场为基础的激励性环境规制，借鉴Yang和Fan等[30]的研究，省级启动碳排放交易市场以后该变量取值为1，之前取值为0;③污染和CO2的相对排放水平，借鉴朱平芳和张征宇等[31]的方法计算得出，使污染物计量避免了共线性和难以横向可比的问题;④自愿性农业环保投资强度，用当年完成环保验收项目环保投资额占地区生产总值的百分比表示;⑤农业科研投资强度，用农业科研投资占农业GDP的百分比表示;⑥农村人力资本，参照Hall和Jones[32]的思路，计算出农村居民平均受教育年限，再根据李谷成[33]的研究，将平均受教育年限转化为农村人力资本量;⑦受灾率，用受灾面积占农作物总播种面积比重表示，反应不可控气候因素影响。联立方程模型的数据主要整理于1989—2016年《中国环境统计年鉴》《中国环境年鉴》《中国统计年鉴》和《中国科技统计资料汇编》，指标的统计描述见表5。

4.3 估计结果及分析

根据上文的分析，本文通过Stata14.0软件运用三阶段最小二乘法估计上述联立方程模型的相关参数，具体估计结果见表6。

根据方程（9）的估计结果，粮食安全的系数在5%的显著性水平上通过了检验，表明中国目前高耗能型的粮食安全保障方式对农业绿色生产率的增长具有显著的负向影响;命令控制型环境政策规制、激励性碳排放交易规制和自愿性环保投资规制均在1%显著性水平上对农业绿色生产率产生正向影响，表明中国现有环境规制在整体上减少了农业污染排放。同时，根据“波特假说”，适当的环境规制可以促使更多创新技术和生产管理活动的进行，而这些创新将提高生产力，从而抵消由环境保护带来的社会成本和生产成本，并且提升盈利能力和产品质量，因此，中国现阶段农业环境规制产生的“创新补偿”正效应抵消了“遵循成本”的负效应，从而促进了农业绿色生产率的提高;以农业科研投资强度衡量的技术进步对农业绿色生产率的影响为正但不显著，这说明现阶段中国农业技术进步并不会显著改善农业绿色生产率，可能的原因是农业科研投资保障的技术进步方向分为高耗能型生产技术和清洁生产技术，目前中国清洁生产技术的研发正处于起步阶段，并不能充分代替高耗能型生产技术的应用;受灾率在1%显著性水平上对农业绿色生产率表现出负向影响，这与农业的特殊性有关;地区因素影响部分显著。

至关重要地，对比命令控制型环境政策规制与激励性碳排放交易规制和自愿性环保投资规制对农业绿色生产率增长的影响，后两者（系数为0.279和0.267）引发的对农业绿色生产率增长的激励比前者（系数为0.106）更大。这是因为命令控制型环境政策规制通常要求生产者达到一定的环境标准，或采取某种污染减排技术。在这种情况下，大多数生产者倾向于采取一劳永逸的行为，例如简单

地实施末端治理措施，或者购买排污权和缴纳排污费。此外，排污权购买和排污费缴纳是一项持续支出，会使被规制生产者负担较重的运营成本。因此，市场化的排污权购买和排污费缴纳更有效地将污染引起的社会成本转化为生产者的私人成本，并推动生产者寻找最根本的解决方案，例如开展研发活动，优化资源配置以及重新协整产品和生产过程等。

根据方程（10）的估计结果，农业绿色生产率的系数在1%的显著性水平上通过了检验，表明农业绿色生产率的增长可能是由遏制高耗能型投入带动的，并且生产率增长导致了劳动力成本和生产成本上升，从而对粮食安全的保障产生了负向作用。同时，不同的环境规制因素对粮食安全的影响不同：①命令控制型环境政策规制与粮食安全。从回归系数看，农业命令控制型政策规制在1%显著性水平上对粮食安全的保障程度产生了正面影响。根据杨锦英等[28]的观点，粮食生产主要依靠增加要素投入和提高生产率这两条途径，因此，上述结果表明命令控制型环境规制产生的“传统生产率补偿”正效应抵消了“要素投入遏制”负效应。②激励性碳排放交易规制与粮食安全。模型估计结果表明，碳排放交易规制对粮食安全保障程度的影响显著为负，究其原因，一方面中国的碳排放交易体系为化肥、农药等高效高耗能型农业技术提供企业设定了排放限额进而影响了要素投入，另一方面中国目前的碳排放交易体系还为充分传导入农业领域，导致“传统生产率补偿”效应无法带来“双赢”结果。③自愿性环保投资规制与粮食安全。从回归系数看，环保投资规制对粮食安全的影响为正但不显著，可能的解释是环保投资项目在一定程度上促进了绿色生产率的增长，但并未明显改善传统生产率。此外，农村人力资本对粮食安全的保障程度表现出显著的正向影响;受灾率对粮食安全的影响为负但不显著，表明中国的自然灾害并没有使粮食产量有明显下降;地区虚拟变量通过了显著性检验，表明地理位置是导致粮食安全保障程度存在地区差异的因素之一。

5 结论与政策启示

随着乡村振兴战略和农业供给侧结构性改革的贯彻落实，本文将农业部门可持续发展分为农业绿色全要素生产率增长和粮食安全可持续性的保障，认为环境规制的适用性和有效性是影响这两大方面增长的重要因素。中国资源要素禀赋的有限性决定了农业可持续发展的障碍，从长期来看，一方面农业绿色生产率衡量的经济增长带来的劳动力成本和生产成本上升导致了粮食安全和农产品竞争力下降，另一方面为确保粮食安全而采取的粗放外延型农业生产方式又影响了绿色生产率的改善。然而，农业绿色生产率的增长毋庸置疑是确保粮食安全的根本動力，粮食安全的保障反过来又有助于诱导绿色全要素生产率的提高，增强农民自行生产和购买粮食的能力，形成良性互动局面，从而促进农业经济可持续发展。

在理论分析和相关研究经验的基础上，首先，本文使用2000—2015年的中国省级面板数据，引入碳排放交易和排污费征收标准，将农业生产带来的二氧化碳排放和化学需氧量排放转化为环境成本纳入生产率测算体系，同时考虑氮磷流失环境污染因素，结合随机前沿函数模型，测算并分析了21世纪以来中国各省份及三大区域的农业绿色全要素生产率，发现2000—2015年间全国平均农业绿色全要素生产率年均增长4.10%，呈现明显的时序波动性以及地区之间的梯度性特征。随后，本文运用动态面板差分GMM方法对中国农业绿色全要素生产率和粮食安全之间的因果关系进行了严格检验，结果表明，农业绿色全要素生产率和粮食安全之间存在双向因果关系。在此基础上，本文通过构建联立方程模型，从命令控制型、以碳排放交易市场为基础的激励性和自愿性规制这三方面研究了环境规制对农业绿色生产率和粮食安全的影响。研究发现，环境规制对农业绿色全要素生产率和粮食安全总体均有显著影响，但不同类型的环境规制对农业绿色生产率和粮食安全的影响不同，命令控制型环境政策规制对农业绿色全要素生产率和粮食安全均产生正向影响，激励性碳排放交易规制对农业绿色全要素生产率和粮食安全分别产生了正向作用和负向作用，自愿性环保投资规制仅对农业绿色全要素生产率产生了显著正向影响。同时，在控制环境规制、技术进步、人力资本和地区因素的影响后，农业绿色生产率和粮食安全相互具有显著的负相关效应。

根据上述分析，本研究得出了一些政策含义。首先，农业绿色全要素生产率呈现明显的区域差异表明，中国未来必须避免重复东部地区“先污染，后治理”的模型。这要求中国政府加大力度，进行更加审慎慎重的政策设计，以防止污染转移的可能性，抓住机遇走向“绿色农业”。其次，环境规制的不合理设计不能形成农业绿色全要素生产率增长的激励，从而成为确保粮食安全阶段中国农业发展方式呈现粗放和外延特征的重要原因。纵观美国和欧盟的环境规制，美国关注生产外部性，其环境规制立足于农场法下，强调环境政策市场化运作，倚重可交易排污许可机制，依靠竞标的方式来选择项目参与者，同时，注重环境规制与其他政策协调运行;欧盟关注产品外部性，为了农业的可持续发展和农产品市场的平衡，欧盟启动休耕等农业补偿措施，逐步形成了欧盟农业生态补偿政策体系，分别对生态敏感地区、保护农业生态环境行为和农村林业补偿政策的实施建立了专项基金，并通过农产品环境标识制度（如有机农产品）和税收手段调控农业环境。因此，我们应该清醒地认识到，盲目加强环境规制并不能自动提高农业绿色全要素生产率，反而会降低粮食安全保障程度，要在提高环境政策适用性和推动传统末端治理模式向清洁生产方式转变的情况下实现双赢，关键还在于监管工具的精心设计和环境规制的合理制定。选择精心设计的监管手段包含两个含义：一方面，要制定适度稳定的农业环境规制强度和标准，继续实施并确保“双减”政策、土壤修复政策的全面推广，大力发展循环农业和生态农业;另一方面，应积极推进环境规制工具由命令型向激励型转变，加强对环境友好型农业生产行为的补贴，同时，激励型环境政策应从知识、信息、资金和市场需求等方面考虑提高对清洁生产技术研发的积极性，克服生产清洁技术所面临的各种约束[34]，促进绿色科技兴农。此外，中国应更加注重市场化手段在农业节能减排及环境保护方面的基础性作用，通过开展环境税、排污权交易试点，逐步建立健全统一的全国碳排放交易市场和水汇交易市场，并循序渐进构建适用于农业的交易机制。最后，针对中国目前农业环境规制手段相对单一（主要是命令控制型）的不足，应该加大对不同类型法规的整合力度，建立均衡的“环境规制组合”体系，以给予农民尤其是大农户和农业企业选择更先进技术实现节能减排和提升粮食安全保障程度的灵活性，为其竞争力创造协同效应。

参考文献

[1]全炯振. 中国农业全要素生产率增长的实证分析：1978—2007年——基于随机前沿分析（SFA）方法[J]. 中国农村经济， 2009（9）：36-47.

[2]OSKAM A. Productivity measurement， incorporating environmental effects of agricultural production[J]. Developments in agricultural economics， 1991， 7（2）：186-204.

[3]BALL V E， NEHRING R. Incorporating environmental impacts in the measurement of agricultural productivity growth[J]. Journal of agricultural & resource economics， 2004， 29（3）：436-460.

[4]HOANG V N， COELLI T. Measurement of agricultural total factor productivity growth incorporating environmental factors： a nutrients balance approach[J]. Journal of environmental economics & management， 2011， 62（3）：462-474.

[5]KUOSMANEN T. Green productivity in agriculture： a critical synthesis[R]. Aalto University， 2013：19-21.

[6]JAFFA A B， PETERSON S R， PORTNEY P R， et al. Environmental regulation and the competitiveness of U.S. manufacturing： what does the evidence tell U.S.？[J]. Journal of economic literature， 1995， 33（1）：132-163.

[7]PORTER M E. Americas green strategy[J]. Scientific American， 1991， 264（4）：193-246.

[8]XIE R H， YUAN Y J， HUANG J J. Different types of environmental regulations and heterogeneous influence on ‘green productivity： evidence from China[J]. Ecological economics， 2017， 132：104-112.

[9]潘丹. 考虑资源环境因素的中国农业生产率研究[D]. 南京：南京农业大学， 2012.

[10]梁流涛， 曲福田， 冯淑怡. 基于环境污染约束视角的农业技术效率测度[J]. 自然资源学报， 2012（9）：1580-1589.

[11]祝志勇， 幸汉龙. 环境规制与中国粮食产量关系的研究——基于环境库兹涅茨倒U型曲线[J]. 云南财经大学学报， 2017， 33（4）：64-72.

[12]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.

[13]李谷成. 中国农业的绿色生产率革命：1978—2008年[J]. 经济学（季刊）， 2014， 13（2）：537-558.

[14]BATTESE G E， COELLI T J. Frontier production functions， technical efficiency and panel data： with application to paddy farmers in India[J]. Journal of productivity analysis， 1992， 3（1-2）：153-169.

[15]BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J]. Empirical economics， 1995， 20（2）：325-332.

[16]TOLENTINI A L. New concepts of productivity and its improvement[C]. Budapest： European Productivity Network Seminar， 2004：13-14.

[17]胡鞍鋼， 郑京海， 高宇宁，等. 考虑环境因素的省级技术效率排名（1999—2005）[J]. 经济学（季刊）， 2008（3）：933-960.

[18]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.

[19]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.

[20]陳敏鹏， 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.

[21]吕新业， 冀县卿. 关于中国粮食安全问题的再思考[J]. 农业经济问题， 2013（9）：17-26.

[22]钟甫宁. 正确认识粮食安全和农业劳动力成本问题[J]. 农业经济问题， 2016（1）：4-9.

[23]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.

[24]BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Economics papers， 1995， 87（1）：115-143.

[25]HOLTZEAKIN D， SCHWARTZ A E. Spatial productivity spillovers from public infrastructure： evidence， from state highways[C]. National Bureau of Economic Research， Inc， 1995：459-468.

[26]赵玉民， 朱方明， 贺立龙. 环境规制的界定、分类与演进研究[J]. 中国人口·资源与环境， 2009， 19（6）：85-90.

[27]YANG Z， FAN M， SHAO S， et al. Does carbon intensity constraint policy improve industrial green production performance in China？ a Quasi-DID analysis[J]. Energy economics， 2017， 68（C）： 271-282.

[28]ZELLNER A， THEIL H. Three-stage least squares： simultaneous estimation of simultaneous equations[J]. Econometrica， 1962， 30（1）：54-78.

[29]GREENE W H. Econometric analysis： fourth edition[M]. Upper Saddle River， NJ：Prentice Hall， 2000： 747-754.

[30]朱平芳， 张征宇， 姜国麟. FDI与环境规制：基于地方分权视角的实证研究[J]. 经济研究， 2011（6）：133-145.

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

[32]李谷成. 人力资本与中国区域农业全要素生产率增长——基于DEA视角的实证分析[J]. 财经研究， 2009， 35（8）：115-128.

[33]杨锦英， 韩晓娜， 方行明. 中国粮食生产效率实证研究[J]. 经济学动态， 2013（6）：47-53.

[34]沈能. 环境效率、行业异质性与最优规制强度——中国工业行业面板数据的非线性检验[J]. 中国工业经济， 2012（3）：56-68.

Environmental regulation， agricultural green TFP and grain security

ZHAN Jin-tao1，2 XU Yu-jiao1，2

（1.College of Economics and Management， Nanjing Agricultural University， Nanjing Jiangsu 210095， China;2.Research Center for China Food Security， Nanjing Agricultural University， Nanjing Jiangsu 210095， China）

Abstract Green development will become the key content of Chinas future grain security protection. Measuring agricultural green TFP （total factor productivity） is conducive to judging the current development site， and reasonable agricultural environmental regulation is an effective way to promote green productivity and solve the contradiction between food supply and demand. This paper introduced carbon emissions trading and sewage charges collection standards， and analyzed Chinas provincial agricultural green TFP from 2000 to 2015 by using stochastic frontier function model （SFA） and considering environmental costs as agricultural green GDP. It used GMM method to test whether there was a causal relationship between agricultural green TFP and grain security， and constructed the simultaneous equations model to analyze the influence mechanism between them and the driving mechanism of different environmental regulation factors to them. The results showed that： ①the national average agricultural green TFP increased by 4.1% annually during the period from 2000 to 2015， showing obvious time-series volatility and gradient characteristics between regions; ②there was a two-way causal relationship between agricultural green TFP and grain security; ③the increase in agricultural green TFP would reduce the level of grain security， while over-emphasizing grain security would in turn inhibit the growth of agricultural green TFP; ④command controlled environmental policy regulation had a positive impact on agricultural green TFP and grain security， incentive carbon emissions trading regulations had a positive on agricultural green TFP and negative effect on grain security， and the regulation of environmental protection investment only had a positive effect on agricultural green TFP. Therefore， designing environmental monitoring tools carefully， improving the appropriateness and applicability of environmental regulation policies， establishing and strengthening incentive mechanisms and market-based emissions trading mechanisms that can fully mobilize farmers to implement cleaner production， and integrating different types of environmental regulations vigorously to create a balanced ‘Environmental Regulation Combination System， are the key to improve the growth of agricultural green TFP and ensure the sustainable development of grain security.

Key words agricultural green TFP; grain security; environmental regulation; causality; simultaneous equation model