生态环境约束下农业全要素生产率时空变化研究
2020-10-27李华旭杨锦琦
李华旭 杨锦琦
摘要：将生态环境约束引进农业全要素生产率分析框架，测算生态环境约束下江西省2000-2017年I1个地市农业全要素生产率及其分解成分，分析江西省农业全要素生产率的收敛性，在生态环境约束下从整体上把握江西省农业全要素生产率时空变化情况。结果表明：2000-2017年江西省生态环境约束下农业全要素生产率未呈现稳定增长态势且显现出局部期间下降的特征，農业全要素生产率对江西省农业产出增长贡献率极低，从构成上来看无论是技术进步还是技术效率改善对于江西农业全要紊生产率的增长影响均呈现不规律性，江西省各地市农业全要素生产率存在区域差异性，生态环境约束下江西省农业全要素生产率呈现俱乐部收敛特征。
关键词：生态环境约束;农业全要素生产率;江西省
中图分类号：F302.6 文献标识码：A 文章编号：1006-0448（2020）03-0081-10
一 引言
坚持农业绿色发展的定位，把提升全要素生产率作为新时代农业现代化主攻方向，推动农业发展质量变革、效率变革和动力变革，是新时代党中央、国务院作出的重大战略部署。然而近年来，我国农业生态资源环境遭受内外源性污染双重压力，农业面源污染严重，农业可持续发展遭遇瓶颈。2018年，国家出台了《农业农村污染治理攻坚行动计划》《关于加快推进长江经济带农业面源污染治理的指导意见》，可见农业绿色发展是新时代乡村振兴战略下农业产业发展的必然选择。江西作为我国农业的重要主产区，在生态环境约束下对江西省农业全要素生产率时空的研究具有重大战略意义和典型示范价值，为农业产业迈向高效率、高质量、低消耗的绿色发展道路提供了科学政策依据。
当前，学术界对农业全要素生产率的研究成果颇为丰富，对于农业全要素生产率的测量与评价，可以分为两大类：一类是传统的农业全要素生产率的测量，即仅将生产要素作为投入约束进行考虑，而忽略资源环境对于农业全要素生产率的影响与约束;另一类是在农业全要素生产率分析框架下统筹考虑资源环境因素。目前，以传统全要素生产率的研究方法对农业全要素生产率的研究仍然是主流，在环境因素对农业全要素生产率的研究方面，除了少数学者认为农业污染对农业全要素生产率影响不大[1]之外，大部分研究表明，环境约束会在一定程度上影响农业全要素生产率，因此，忽视生态环境约束的农业全要素生产率的评价方法很有可能会误判或高估我国农业增长发展态势和速度[2]。因此，近几年来学界已经开始广泛关注环境对于农业全要素生产率的影响，并将环境因素纳人农业全要素生产率的研究框架。将农业全要素生产率放到环境约束的大环境进行研究，农业生产所伴随的环境污染的核算问题是一个难题和焦点问题，所采用的核算方法大体可以归纳为以下几种：其一，采用增长核算法，例如刘志坚就运用此法将农业污染物的评估值与治理农业环境污染费用作为投入要素引进模型核算农业全要素生产率[3];其二，采用清单分析法，这也是目前应用较为广泛的方法，例如杜江[4]、唐德祥等[5]、吕娜[6]运用此法对农业面源污染进行评估并将其估值“非合意”产出引入模型，通过方向距离函数测算资源环境约束下的农业全要素生产率;其三，将农业生产过程中的化肥投入量等可能会对环境造成影响的农业生产要素进行折算或者处理，例如薛建良将农业化肥施用量折算成农业生产活动中的氮磷流失量，并将氮磷流失量作为农业生产污染的主要变量采用SFA-Malmquist方法核算农业全要素生产率[7]，岳立以物料守恒为原则，以农业生产中传统要素的营养物质氮和磷作为投入引进模型核算农业全要素生产率[8]。在资源环境约束下对农业全要素生产率研究以全国农业为研究对象居多，但是由于研究方法的不同和农业对环境污染的计量不同，考虑环境的农业全要素生产率的具体测算结果也差异较大[9]，而对于以省域农业产业发展情况作为研究对象的研究较为匮乏，而以江西省农业全要素生产率为研究重点的更是少之又少。
现有的理论和实证研究方法为深化农业全要素生产率的研究奠定了扎实的基础。目前，在生态环境约束下对农业全要素生产率的研究仍然处于起步阶段，对于省域在生态环境约束下的农业全要素生产率的研究亟待深化。江西作为中部地区典型的农业大省，绿色生态又是江西最大财富、最大优势、最大品牌，基于此，借鉴已有理论基础，对江西省生态环境约束下的农业全要素生产率时空变化进行实证测度和综合评价，据此得出提高农业全要素生产率 的政策启示，具有重要的理论和现实指导价值。
二 研究方法
对全要素生产率的核算方法主要有参数方法和非参数方法，基于参数方法需要预先设定具体参数函数或假定等相关限制，本文采用DEA非参数法，即运用线性规划得到前沿函数。鉴于环境污染在生产过程中并不能与资源投入保持同比例增加，因此将环境污染作为“坏”产出而非投入要素与“好”产出一并纳人生产过程并运用DEA模型分析更具合理性。Malmquist生产率指数具有不要求价格信息、不要求行为假设、便于计算等优点，已被广泛应用于全要素生产率的研究中，然而传统的Malmquist生产率指数法只能局限在“好”产出和“坏”产生同比例变化情况，这与生产率评价的初衷不符，因此，本文采用改进后的Malmquist-Luenberger生产率指数，运用方向性距离函数，在给定投入的同时扩大“好”产出且减少“坏”产出，以核算江西省农业全要素生产率。
（一）考虑资源环境因素的生产可能性集
资源和环境的价格无法获取，传统的全要素生产率核算方法无法将其纳人生产率的分析框架中，因此需要构建一个既包含“好”产出又包含“坏”产出的生产可能性集，即环境技术。本文把江西省各个地市视为一个决策单元，每个决策单元使用N种数据包络分析可将环境技术模型化为：
（二）方向性距离函数
Chung[10]和Fare[11]根据Luenberger[12-13]短缺函数的思想，构造了方向性距离函数：数测度了在给定方向、投入和环境技术结构下，“好”产出扩大和“坏”产出减少的可能性大小。在给定投入x的情况下，“好”产出y成比例增加，“坏”产出b成比例缩减，β就是y增长和b减少的最大可能数量。方向性距离函数采用非参数线性规划技术来测算单个决策单元在某个时期与环境产出前沿的距离，其核心思想是既要求“好”产出增大，又要求“坏”产出减少。构造传统Malmquist生产率的Shephard[14]产出距离函数表示的是尽可能多地成比例增加“好”产出和“坏”产出，而没有考虑减少“坏”产出，与方向性距离函数的区别可由图1来表述。对于一个产出观测点A，由Shephard距离函数得到的最大产出点是C，C点是有效率的。而方向性距离函数得到的最大产出点是C，它要求A按照方向向量g=（gy，-gb）增加Y，同时减少b，从而达到生产前沿B。
（三）Malmquist-Luenberger生产率指数
根据Fare等[15]的方法，引入跨期的动态概念，以t时期为基期从t时期到t+1时期基于产出的考虑环境的全要素生产率指数可以用Malmquist-Luenberger生产率指数表示：
根据杨俊和邵汉华[16]的方法，求解Malmquist-Luenberger生产率指数需要借助非参数线性规划
其中λkt表示第k个样本观测值的权重，非负权重表示生产技术是规模报酬不变的。
三 评价指标的选取与描述
（一）评价指标的选取与说明
1.“好”产出
选取农林牧渔业总产值作为“好”产出指标，并以2000年为基期，用农林牧渔业总产值指数进行价格调整。
2.“坏”产出
选取农业面源污染作为“坏”产出指标，农业面源污染即农业生产和生产活动中，氮、磷、农药以及其他有机或者无机污染物通过水表径流、农田排水和地下渗漏等方式对环境所造成的污染。本文借鉴梁流涛[17]利用清单分析方法测算中国农业面源污染的思路，以江西省各地市为核算单位，结合数据的可获得性原则，主要分析农田化肥、畜禽养殖两类产污单元中化学需氧量（COD）、总磷（TP）和总氮（TN）三类污染物，来核算江西省各地市的农业面源污染，各种农业面源污染排放量及农业面源污染等标污染排放量[2]的计算公式如下：
式中E为农业面源污染排放量，EUi为面源污染单元i统计数，ηi为污染单元i的利用效率系数，EUi和（1-ηi）之积为污染的产生量，Ci为污染单元i的排放系数，ρi为污染单元i的产污强度系数;EI为农业面源污染等标污染排放量，S为各污染物排放评价标准，本文采用GB 3838-2002中的Ⅲ类水质标准，其中COD污染物排放评价标准为20mg/L，TP为0.2mg/L，TN为1mg/L。
3.要素投入
选取劳动、土地、电力能源、农业机械和化肥作为农业全要素生产率的投入变量。作为投入要素之一的劳动，本文采用第一产业从业人员数代替农林牧渔业从业人员数，虽然这样做会在一定程度上高估劳动产出的弹性，但考虑到第一产业从业人员在其中占有很大的比例，因此其影响程度会很小。耕地面积不能真实反映农业生产的土地投入，因而本文用农作物总播种面积作为土地投入。用农村用电量作为电力能源投入指标，农业机械投入以农业机械总动力计算，化肥投入则以农用化肥使用折存量计算较为恰当。
（二）数据来源与统计描述
本文旨在考察生态环境约束下的江西省农业全要素生产率情况，因此选择2000-2017年江西省11个设区市农业投入产出的跨期面板数据进行分析，所有数据均来源于历年《中国区域经济统计年鉴》《江西统计年鉴》、各设区市的《统计年鉴》和《年鉴》，以及历年《国民经济和社会发展统计公报》。
表2给出了江西省11个设区市农业投入产出变量的简单统计描述，从中可以初步发现，江西省11个设区市的农业发展情况在2000-2017年间表现出较大差异，农业总产出的极大极小值之比在35左右，农业面源污染等标排放量极大极小值的比值约为16，所有要素投入变量的极大极小之比在8～54不等。江西省各设区市农业发展指标数值迥异，一方面说明了江西省11个设区市农业发展规模和农业发展增速存在较大差异，另一方面说明了在江西省不同地市农业所消耗的资源以及造成的生态环境污染存在较为明显的差异。因此，为了减少核算与实际结果的偏差，在测量江西省农业全要素生产率时，考虑生态环境约束是十分必要的。
四 实证结果及分析
本文根据非参数DEA理论框架，将农业面源污染作为“坏”产出纳人方向性距离函数，通过MAT-LAB2014a软件测算2000-2017年生态环境约束下江西省农业ML指数及其分解，从实证角度来评价江西省农业效率发展情况。
（一）Malmquist-Luenberger生产率指数及其分解
本文测算了江西省11个设区市2000-2017年期间各年的农业Malmquist-Luenberger生产率指数及其分解，据此得到各年全省ML指数及其分解的均值（见表3），并将各地市按照年均Malmquist-Lu-enberger生产率指数从高到低进行排序（见表4）。
从表3结果分析得出江西省2000-2017年间在生态环境约束下的农业全要素生产率的整体情况，具体如下：
从趋势变化来看，2000-2017年期間，基于生态环境约束的江西省农业全要素生产率并未呈现出稳定的增长态势，而是在这18年间出现明显波动，农业全要素生产率上升、下降反复交替出现，其上升和下降的次数分别为11次和6次。在2000-2017年间，江西省在生态环境约束下的农业全要素生产率年均水平略微有所提高，但是提高幅度很小，仅为0.30%，但是在2010-2017年间生态环境约束下的江西省农业全要素生产率整体出现下降，农业全要素生产率的年均变化水平不但没有提高，反而出现了下降。
从农业全要素生产率对整体农业产出增长贡献率来看，2000-2017年的18年间，江西省农业全要素生产率的平均年增长率仅为0.30%，同期，江西省农业年均产出增长率为8.85%，说明2000-2017年的产出增长中仅有3.39%是由全要素生产率水平提高贡献的。由此可见，江西省在生态环境约束下的农业全要素生产率水平非常低，而农业全要素生产率的增长对于农业产出增长的贡献率同样非常低。
从全要素生产率的结构构成上来看，将ML生产率指数分解为技术进步率指数和技术效率变化指数，发现技术进步率指数和技术效率变化指数同样出现了上升和下降的交替，其上升和下降的次数分别为7次、10次和10次、7次。从2000-2017年这18年间的平均水平来看，江西省农业全要素生产率的增长更多的是来自于技术进步，2000-2017年期间技术进步变化指数年平均增长率为0.24%，而技术效率变化指数的年均增长率仅为0.08%。但是从近8年江西省在生态环境约束下的农业全要素生产率指数的构成情况来看，2010-2017年期间，尽管江西省整体ML生产率指数出现下降，但是这期间的技术效率变化指数还是有所上升，2010-2017年期间技术效率变化指数年平均增长0.65%，而技术进步变化指数不但没有提高反而出现下降，抑制了江西省农业全要素生产率的提高。因此，江西省农业全要素生产率的增长究竟来自技术效率提高还是来自技术改进，并未呈现出明显的规律性，在不同年间，技术效率的改善与技术进步的提高在不同程度上对江西省农业全要素生产率的增长起到了不同作用，在2000-2010年期间，技术进步对江西省农业全要素生产率增长的作用更加明显，但是在2010-2017年间，技术效率的变化指数则表现得更加优异，技术进步变数指数的下降抑制了江西省农业全要素生产率增长。
从表4对江西省11个设区市农业全要素生产率的地区差异进行分析，在2000-2017年期间，江西省有7个设区市（九江、宜春、景德镇、南昌、鹰潭、萍乡和上饶）的生态环境约束下的农业全要素生产率年均呈现弱增长，其中九江、宜春、景德镇、南昌、鹰潭在生态环境约束下的农业全要素生产率的年均增长水平高于这18年间江西省的整体农业全要素生产率年均增长水平。江西省其他4个设区市（抚州、新余、吉安和赣州）的生态环境约束下的农业全要素生产率年均呈现弱下降。通过对农业全要素生产率的分解发现，影响 2000-2017年江西省11个设区市农业全要素生产率的因素主要为技术进步率指数。总的来说，江西省农业全要素生产率水平在各个地区还是存在差异的，从要素投入和产出规模来看，要素投入和产出规模较小的地市在农业全要素生产率略高，农业全要素生产率的增长水平更优异，要素投入和产出规模较大的地市（如赣州）农业全要素生产率反而更低，农业全要素生产率的年均变化呈现下降特点，农业全要素生产率的年均增长水平表现得并不理想。
（二）环境技术创新者
从以上分析得出了江西省各个设区市的农业全要素生产率基本情况，需要进一步研究的问题是江西省哪些设区市处于生态环境约束下的生产前沿面上，从而成为江西省生态环境约束下的农业全要素生产率的“最佳实践者”，即江西省哪些设区市和区域在推动生产可能性边界外移和引领农业生态环境技术创新上起着重要作用。根据Fare等[18]的定义，环境技术创新者需满足以下三个条件：
第一个条件表示从t时期到t+1时期生产可能性边界沿着方向向量向外扩张，即在既定的投入下，t+1时期相对：时期有着更多的“好”产出和更少的“坏”产出。第二个条件表示技术进步发生后，t+1时期的生产发生在t时期的生产可能性边界之外。第三个条件表示环境技术创新者必然处于生产可能性边界之上。同时满足这三個条件，生产可能性边界就会外移。
由表5可见，在生态环境约束下，2010-2017年期间总共有8个设区市至少推动生产可能性边界1次，推动生产前沿进步，即在这18年间江西省共有8个设区市充当了生态环境约束下的农业全要素生产率最佳实践者的身份，其中景德镇市（8次）表现最为突出，其次是萍乡市（7次）和鹰潭市（各5次），说明江西省这几个设区市在农业生产过程中更加注重资源的合理利用和对环境的保护，而抚州市、吉安市和赣州市均为。次;在2011-2012年和2016-2017年两个期间段，没有发生生产前沿技术进步。从地区分布情况来看，环境技术创新者主要集中在赣北和赣西，赣中和赣南缺少环境技术创新者，一定程度上，赣中、赣南的地形因素也会影响农业技术创新。考察期内，推动生产前沿技术进步次数前三的设区市为农业发展规模相对较小的三个设区市，而江西省农业重要产区（如赣州和吉安）表现反而不理想，这也与赣南地区的地形相关。这一结果与表4中对江西省11个设区市农业全要素生产率地区差异的分析结果一致，相对于农业发展规模较大的地市，在生态环境约束下的农业全要素生产率农业产出规模较小的地市表现更优。
五 收敛性检验
从测算结果可以看出，江西省各设区市间的农业全要素生产率增长存在一定差距，这种差距会随着时间的推移而逐渐缩小还是逐渐增大呢？为此，本文对江西省各设区市的农业TFP进行收敛性检验。
（一）σ收敛性检验
σ收敛性检验是检验江西省各设区市农业TFP的离散程度是否随着时间推移而逐渐降低，本文借鉴曾先峰和李国平[19]的做法，定义生态环境约束下江西省农业TFP的σ收敛检验模型如下：
式（10）中MLtk表示t时期第k个设区市的农业全要素生产率，如果存在σt+T<σt，则表示生态环境约束下的农业TFP存在σ收敛。
图2显示，生态环境约束下的江西省农业TFP的σ值整体上呈现出下降趋势，这表明生态环境约束下的江西省农业全要素生产率存在σ收敛，也就是说，江西省各设区市之间的农业全要素生产率的差距会随着时间推移而不断缩小。但在考察期内，σ值在2001-2003年、2012-2013年和2015-2016年又出现了显著性的异常波动，这说明江西省生态环境约束下农业TFP的σ收敛趋势并不稳定。为了更准确地考察生态环境约束下江西省农业全要素生产率的收敛情况，本文进一步做量化程度较高的绝对β收敛性检验。
（二）绝对β收敛性检验
β收敛检验是衡量江西省农业TFP较低的设区市是否比农业TFP较高的设区市增长更快，绝对β收敛则表示各设区市农业TFP都达到完全相同的稳态水平。根据Bernard和Jones思路[20]，定义生态环境约束下江西省农业TFP绝对β收敛检验模型如下：
式（11）中ML0k和MLTk分别表示k地市基期和末期生态环境约束下的农业TFP值，α和β为待估参数，ε为误差项。如果β<0，则表明存在绝对β收敛。为了消除农业生产周期波动对检验结果的影响，把整个考察期划分为2000-2009年和2009-2017年两个阶段，取2000-2009年生态环境约束下江西省各设区市农业TFP的均值作为基期值、2009-2017年生态环境约束下江西省各设区市农业TFP的均值作为末期值进行检验，由于两个时间段相差9年，故取T=9。本文先直接对江西省农业TFP进行绝对β收敛性检验，而后按照上述消除农业生产周期波动对检验结果的影响的方法进行绝对β收敛性检验，检验结果见表6。
由表6的检验结果显示尹<0，表明生态环境约束下的江西省农业全要素生产率绝对β收敛;Sig>0.05，表示收敛不显著。这说明江西省各设区市农业TFP趋于不显著的相同的稳态水平。这与其。收敛检验的结果基本一致，故可以认为生态环境约束下的江西省农业全要素生产率存在俱乐部收敛现象。这意味着，江西省各设区市的农业全要素生产率的地区差异不会出现不断扩大的局面，只要提供所需条件和时间，江西省能够实现全省农业均衡发展。
六 結论与启示
本文运用Malmquist-Luenberger生产率指数综合考虑生态环境约束下的江西省农业经济增长绩效，测度生态环境约束下的江西省11个设区市在2000-2017年的农业全要素生产率的增长情况，得出以下结论：
第一，考察期内生态环境约束下的江西省农业全要素生产率整体水平很低。从趋势上来看，江西省农业全要素生产率的变化指数没有呈现稳定上升态势，而且出现了不同程度的下降。江西省农业全要素生产率的增长对于农业产出增长的贡献率极低。从农业全要素生产率增长的结构构成来看，究竟是技术进步推动还是技术效率提高推动的并未呈现出明显规律性，无论是技术进步还是技术效率改善对于江西省农业全要素生产率增长的推动力都远远不够。江西省面临整体提高农业全要素生产率的形势相当严峻。
第二，考察期内江西省生态环境约束下的农业全要素生产率存在明显的地区差异。江西省有7个设区市在考察期内农业全要素生产率呈现弱增长，有4个设区市在考察期内则表现出不同程度下降。在考察期内，江西省有8个设区市至少有1次充当过生态环境约束下的农业全要素生产率最佳实践者的身份，而作为农业大市的吉安、抚州和赣州则均没有处在生产前沿面上，这三个设区市的生态环境约束下农业全要素生产率表现非常不理想，这说明吉安、抚州和赣州面临着农业经济增长缓慢和资源消耗、环境破坏的“双重恶化”的严重局面，农业增长和生态环境协调发展的任务格外艰巨。
第三，考察期内生态环境约束下的江西省农业全要素生产率增长存在不显著的收敛趋势。江西省农业全要素生产率增长存在σ收敛，且通过了绝对β收敛性检验，存在不显著的绝对β收敛，这表明江西省农业全要素生产率各地区差距会逐渐缩小，在所需技术投入适当条件下，江西省农业全要素生产率发展水平会逐渐平衡，整体上江西生态环境约束下的农业全要素生产率呈现“俱乐部收敛”特征。
根据上述理论与实证研究结论得出以下政策启示：
第一，必须全面提高生态环境约束下的农业全要素生产率。从根本上转变江西传统的农业增长方式，推进江西省农业绿色化、集约化、产业化和规模化发展。进一步加大农业技术研发、推广和创新的投入力度，推进地力培肥、绿色栽培、化控防害、资源利用等领域的技术创新，提高农业技术的人户率和覆盖面，推动农业技术进步和技术效率改善。切实加强农业面源污染治理，实施农药化肥“负增长”计划，推广一批农业绿色生产新模式、新技术。积极构建绿色生态农业产业体系，实现江西生态环境约束下的全要素生产率最大化。
第二，根据江西省各地区农业发展，制定差异化、精准化农业产业发展政策。应结合江西省各个地市和区域自身农业发展的资源禀赋条件，对农业绿色化和现代化生产进行科学规划和差异化管理，整合零散农业资源并调整农业产业结构，消除江西省各个地区之间土地、资本、技术、人才等要素合理配置的障碍，尤其对于农业全要素生产率较低但却又是农业大市的赣州、抚州，应尽快找到差距根源，制定出相应的解决方案和相关政策，找出江西省现代农业绿色崛起的实现路径。着重加大对全要素生产率相对低的区域农业绿色发展投入，提升其农业绿色生产能力，实现全省生态环境约束下的全要素生产率均衡增长。
参考文献：
[1]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）.
[2]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（7）.
[3]刘志坚，申云，彭小兵.农业面源污染与农业全要素生产率互动关系研究——基于广义脉冲响应函数的实证分析[J].广东行政学院学报，2015（1）.
[4]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（11）.
[5]唐德祥，周雪晴.环境约束下我国西南地区农业全要素生产率度量及收敛性研究[J].科技管理研究，2016（4）.
[6]吕娜，朱立志.中国农业环境技术效率与绿色全要素生产率增长研究[J].农业技术经济，2019（4）.
[7]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fJ].中国人口·资源与环境，2011（5）.
[8]岳立，王晓君.环境规制视域下中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（4）.
[9]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（11）.
[10]Chung Y H，Fare R，Grosskopf S.Productivity and Undesir-able Outputs：A Directional Distance Function Approach[J].Journal of Environmental Management，1997（3）.
[11]Fare R，Grosskopf，Shawna，et al.Accounting for Air Pollu-tion Emissions in Measuring State Manufacturing Productivi-ty Growth[J]，Journal of Regional Science，2001（41）.
[12]Luenberger D G.Benefit Functions and Duality[J].Journalof Mathematical Economics，1992（21）.
[13]Luenberger DG.Microeconomic Theory[M].McGraw-Hill，Boston，1995.
[14]Shephard，Ronald W.1970.Theory of Cost and ProductionFunctions[M].NJ：Princeton University Press.
[15]Fare R，Grosskopf S，Russell R R.Index Numbers：Essaysin Honor of Sten Malmquist[M].Boston：Kluwer AcademicPublishers，1998.
[16]杨俊，邵汉华.环境约束下的中国工业增长状况研究——基于Malmquist-Luenberger指数的实证分析[J].数童经济技术经济研究，2009（9）.
[17]梁流涛.农村生态环境时空特征及其演变规律研究[D].南京：南京农业大學2009.
[18]Fare R，Grosskopf S，Margaritis D.APEC and the Asian E-conomic Crisis：Early Signals from Productivity Trends[J].Asian Economic Journal，2001（3）.
[19]曾先峰，李国平.我国各地区的农业生产率与收敛：1980-2005[J].数童经济技术经济研究，2008（5）.
[20]Bernard A，Jones C.Comparing Apples to Oranges：Produc-tivity Convergence and Measurement Across Industrial andCountries[J].American Economic Review，1996（5）.
（责任编辑 刘雪斌）
收稿日期：2020-02-10
基金项目：江西省“十三五”社会科学规划智库项目“江西绿色农业发展效率评价及提升路径研究”（17ZK36）;江西省社会科学院院级课题“长江中游城市群产业生态化升级和区域分工协作机制研究”（17QN13）。
作者简介：李华旭（1988-），女，黑龙江大庆人，助理研究员，从事农业经济、生态经济研究;杨锦琦（1963-），女，江西宜春人，副研究员，从事生态经济研究。
