纳入气候因素的拉丁美洲和加勒比地区农业全要素生产率再测算

陶鑫庆 刘松

摘要 拉丁美洲和加勒比地区作为全球重要的粮仓之一，其农业生产在维护全球粮食安全中起着重要的作用。将气温、降水量因素纳入农业全要素生产率（TFP）评估体系，经过对比分析发现：在未纳入气候因素情况下，LAC地区农业TFP增长率明显被高估；气候因素对LAC地区农业TFP增长造成负面影响；农业技术进步对该地区农业TFP增长的贡献不足。在纳入气候因素的情况下，LAC地区农业TFP增长呈现“西高东低”的空间非均衡性特征，国家之间农业TFP增长差异明显。

关键词 气候变化；LAC地区；农业全要素生产率；超效率SBM－DEA模型

中图分类号：S165+.27 文献标识码：B 文章编号：2095–3305（2023）12–0-03

Recalculate the Total Factor Productivity of Latin America and the Caribbean Agriculture with Climate Factors

Tao Xin-qing et al（Yantai University， Yantai， Shandong 264000）

Abstract Latin America and the Caribbean， as an important global grain producer， plays a crucial role in maintaining global food security through its agricultural production. By incorporating temperature and precipitation factors into an assessment of agricultural total factor productivity （TFP）， it was found that without considering climate factors， the LAC region's agricultural TFP growth rate was significantly overestimated. Climate factors have a negative impact on LAC regions agricultural TFP growth. Agricultural technological progress contributes insufficiently to the region's agricultural TFP growth. Furthermore， when considering climate factors， LAC region's agricultural TFP growth exhibits a spatial non-equilibrium feature with “west high and east low”， and significant differences in agricultural TFP growth among countries are evident.

Key words Climate change; LAC region; Agricultural total factor productivity; Ultra-efficient SBM-DEA model

1 研究方法及数据说明

1.1 纳入气候因素的农业全要素生產率理论探讨

在影响农业生产率的各类气候因素中，气温、降水对农业生产率存在显著影响[1]。因此，选取气温和降水量2个主要因素作为气候投入因素。基于此，纳入气候因素的农业TFP增长是指剔除机械、化肥、牲畜、饲料、土地、劳动投入以及气候要素等以外所有其他因素所带来的农业产出增长。

1.2 纳入气候因素的农业TFP测度方法

1.2.1 超效率SBM－DEA模型 将超效率DEA与SBM模型结合，改进了测算过程的有偏性。选择投入导向的超效率SBM模型是从投入的角度对被评价DMU无效率程度进行测量，关注的是在不减少产出的条件下，要达到技术有效各项投入调整的程度。超效率SBM模型的规划式仅适用于有效决策单元，对SBM模型中有效的DMUk，其投入导向超效率SBM模型表示为[2]：

（1）

由除DMUk外的其他DMU构建的生产可能集为：

（2）

被评价的DMUk在超效率SBM模型中的投影值（x，y），即模型的最优解为，在由其他DMU构建的生产可能集内，距离前沿最近的点[3]。

1.2.2 基于超效率SBM－DEA的Malmquist

全要素生产率指数方法 当被评价决策单位的数据包含多个时间点观测值的面板数据时，Malmquist全要素生产率指数方法能较好地分析生产率的变动情况及技术效率、技术进步等对生产率变动所起的作用。这种基于生产前沿面理论的非参数评价方法，最早源于Malmquist，因此将这一类指数命名为Malmquist指数，后被广泛应用于衡量生产效率的变化[4]。

M0=（xt+1，yt+1，xt，yt）=TEC×TC（3）

式（3）中，M0表示从第t期到第t+1期被评价单元的Malmquist指数；x表示投入向量；y表示产出变量。

Malmquist生产率指数=1时表示生产率效率不变，＞1表示生产率效率提高，＜1表示生产率效率降低[5]。

1.2.3 变量选取与数据来源 数据主要来源于粮农组织（FAO）的投入产出数据集以及东英吉利大学气候研究部（CRU）的气候数据集。其中，投入产出数据涵盖1961—2014年这54年期间28个LAC地区国家。选取1项总产出和6项常规投入（投入产出变量：产出以该地区农业生产总值表示；土地是雨养耕地的总量，以千公顷表示，对灌溉农田和永久牧场的各类土地进行加权处理，统一为雨养耕地；人力是从事农业活动的经济活跃人口总数，以千人表示；机械是40马力拖拉机当量的农业机械的总和，由两轮、四轮拖拉机和联合收割机的数量聚合得出；化肥是氮、磷和钾的数量，即数千吨；牲畜是牛、绵羊、山羊、猪、鸡、火鸡、鸭和鹅的总和，以牲畜单位的权重，每个物种的大小加权得出；饲料是来自作物、作物加工残留物和动物和鱼类产品的干饲料的量，以千吨表示）（表1）。气候数据涵盖1961—2014年期间LAC地区28个国家的降水量和温度数据。降水和温度数据都是基于每月的气候观测，将年度数据计算为12个月的平均值。

由图1可知，整个LAC地区平均气温均呈波动增长的趋势。LAC地区的平均气温由1961年的23.22 ℃增加至2014年的23.79 ℃，整体增温0.57 ℃。此外，可以看出，加勒比地区的平均降水波动明显，1967年降水月平均降水为97.05 mm，2010年月平均降水则高达189.68 mm，相差近1倍。

2 农业全要素生产率的测算与分解

2.1 纳入与未纳入气候因素的农业TFP比较

以下是对纳入与未纳入气候因素的LAC地区农业TFP进行再估算和比较分析的结果（表2）。从表2可知，在纳入气候因素的情况下，1961—2014年，LAC地区的农业TFP指数由1.002 6降至0.995 9，降低了0.67%。其中，农业技术进步由1.000 9降至0.996 9，降低了0.4%。农业技术效率由1.001 7降至0.999 1，降低了0.26%。因此，总体上看，气候变化对LAC地区农业TFP增长产生了负面影响。

由图2可以看出，相较于传统农业TFP，纳入气候因素的农业TFP波动幅度更小，意味着将气候因素考虑在内，LAC地区农业TFP增长表现得更为稳定。

2.2 纳入与未纳入气候因素的农业TFP增长的空间特征

将气候因素（平均气温、平均降水量）纳入农业TFP的测算指标体系中，LAC地区各国家农业Malmquist生产率指数及其分解结果见表3。

结合表3可以得出，纳入气候因素后，LAC地区的农业TFP指数为0.995 9，其中技术进步为0.996 9，技术效率为0.999 1，技术效率比技术进步高出了0.22%。这表明气候变化背景下技术效率对于LAC地区农业TFP增长的贡献相对较大，而技术进步的作用相对较小。

结合图3可以看出，纳入气候因素的情况下，中美洲地区的农业TFP指数最高，南美洲地区次之，加勒比地区最低，由此可以得出：LAC地区的农业TFP增长呈现“西高东低”的格局。

2.3 纳入与未纳入气温因素的农业TFP比较

在考察气候因素对农业的影响时，鉴于气温因素可能产生的影响较为严重，将分别针对仅包含气温因素的农业全要素生产率（TFP）指数，以及同时包含气温和降水因素的农业TFP指数，展开比较分析。

根据表4的数据分析，可以发现气候变化对拉丁美洲和加勒比地区（LAC）

农业全要素生产率（TFP）的负面影响主要表现在气温方面。相较于不纳入气候因素的传统农业TFP，考虑气候因素（气温和降水量）的农业TFP年均增长率降低0.67%，而仅考虑气温因素的农业TFP指数下降0.55%。这一下降比例约占气候因素导致的LAC地区农业TFP增长率下降水平的82%。因此，在影响农业TFP的气候因素中，气温变化对农业TFP增长的影响尤为显著。

3 结论与启示

采用超效率SBM-DEA方法，对LAC地区的农业全要素生产率进行了测算和分析。研究结果表明，气候因素对LAC地区农业TFP增长具有重要的影响。

气候因素尤其是气温对LAC地区农业TFP增长造成了负面影响。第一，若不考虑气候因素，LAC地區54年的农业TFP增长率会被高估。同时，在气温和降水2个影响农业TFP的主要气候因素中，该地区的气温的变化对其农业TFP增长的影响更为显著。第二，纳入气候因素的情况下，LAC地区农业TFP增长呈现“西高东低”的格局。同时，在LAC地区，农业技术效率是推动农业TFP增长的主要驱动力，而农业技术进步对农业生产力增长的贡献有限。长期以来，LAC地区农业TFP增长基本是技术效率的“单驱动”模式，技术进步的推动较为乏力。

据此，提出以下建议：

一方面，在关注农业TFP增长时，考虑气候因素的农业TFP测算方法能更加准确地反映出不同地区农业发展的真实水平。同时，气温的持续升高对该地区农业生产的压力会不断增加。因此，该地区应从农业耐热及温控技术入手，有针对性地提高农业技术进步，进而积极应对气候变化对农业生产带来的挑战。

另一方面，该地区应依据实际情况，积极推动农业气候适应计划，着力培育具备较强气候适应性的本土作物品种，从而降低气候变化对当地农业的负面影响。在此基础上，充分发挥并巩固该地区的农业技术效率优势，重视农业教育和培训，提高农民的科技素养及农业生产技能。同时，应积极推行鼓励新型气候适应技术投资的政策，加强区域间合作，共享农业技术资源和信息，以弥补该地区农业技术进步的不足，进而实现依靠技术创新与效率驱动的“双驱动”模式，提高农业全要素生产率，降低气候变化对当地农业的不利影响。

参考文献

[1] Melissa D， Benjamin F J， Benjamin A O. “Temperature shocks and economic growth： Evidnce from the Last Half Century”[J]. American Economic Journal：Macroeconomics， 2012， 4（3）： 66-95．

[2] 查道林，陈思，杨茜.“双一流”建设高校科研效率及影响因素实证研究：基于超效率SBM-Malmquist-Tobit模型[J].教育与经济，2022，38（3）：9-16.

[3] 赵传松，刘华军.基于城市群视角的中国经济发展南北差距研究[J].中国人口·资源与环境，2023，33（2）：134-142.

[4] Malmquist S. Index numbers and indifference curves[J]. Trabajos de Estadistica， 1952， 4（2）： 209-242.

[5] 吴新慧.中国流通业全要素生产率测算及其趋同效应检验[J].统计与决策， 2023，39（16）：96-100.