“双碳”目标下粮食主产区农业绿色生产效率研究——以安徽省为例

张 标，黄天辰

（阜阳师范大学 经济学院，安徽 阜阳 236037）

当前我国粮食已实现多年增产，但资源环境约束、农业环境污染已严重危及农业的可持续发展和国家粮食安全[1]。作为世界农业大国，我国农业碳资源总量减排空间巨大，要实现“双碳”目标，农业发展需要走生态优先、绿色低碳的高质量发展道路，这是解决农业环境污染问题和应对气候变化的重要途径[2]。农业生产绿色转型作为有效满足消费升级、缓解资源环境压力、增加农民收入的重要渠道，能够有效促进农产品由“量”向“质”的需求转变[3]。绿色农业以稳定高产和生态健康为目标。HAGGBLADE等[4]研究认为，绿色农业通过使农业与生态系统紧密结合，可实现农业活动绿色化；白瑛等[5]研究认为，绿色农业是在维护生态健康的基础上，以提供绿色、优质、安全、健康的农产品为目标，追求经济效益和生态效益协调发展。

在“双碳”目标和粮食安全双重目标约束下，发展绿色农业是摆脱当前农业发展困境的必由之路，其关键是提高农业绿色生产效率[6]。生产效率可以较好地评估农业生产过程中资源投入与产出的能力水平[7]。在“双碳”目标下，需要将农业资源与环境因素纳入传统农业生产效率研究范畴，部分学者进行了有益探索[8]。例如：杨欣瞳[9]基于2001—2020年31个省（自治区、直辖市）面板数据，测算了我国粮食绿色生产效率；高孟菲等[10]基于2007—2017年全国面板数据，研究了我国农业绿色生产效率的时空差异及驱动因素。在农业生产效率测算方法方面，田红宇等[11]采用GML指数和非径向手段，分析了我国粮食生产环境全要素生产率。此外，农业生产效率的影响因素也逐渐成为学界研究重点。李思勉等[12]基于非期望产出的超效率SBM模型以及Tobit模型，研究发现农作物受灾率、农民家庭经营收入比、农业补贴政策等因素能够影响粮食生产效率；陈哲等[13]以2008—2018年长江经济带124个地级市为样本，研究发现城镇化发展对农业绿色生产效率有影响，相邻地级市城镇化发展具有正向溢出效应；罗贤禄等[14]研究发现，农村基础设施对农业绿色生产效率有显著影响。也有学者从地理空间角度分析了农业生产效率区域性差异。张馨悦[15]将山东省划分为东部、中部和西部三大区域分析17个地级市的农业绿色生产效率，研究发现山东省三大区域农业绿色生产效率水平存在差异，不同区域内的地级市农业生产水平差距较大。

综上分析，国内外在农业绿色发展和生产效率方面有着较为丰富的研究，但是对粮食主产区的绿色生产效率关注不足，且缺乏同时从时间和空间角度探究农业生产效率问题，尤其是在“双碳”目标提出之后，迫切需要深入探究农业绿色生产效率问题，这也为本研究提供了理论方法和探索空间。安徽省作为我国粮食主产区，2021年粮食总产量居全国第4位，承担着维护国家粮食安全的重任，更是长三角地区绿色农产品生产加工供应基地。为此，考虑“双碳”和粮食安全双重目标，本研究以我国粮食主产区安徽省为例，从时序和空间角度对农业绿色生产效率进行静态分析和动态评估，分析其关键影响因素，以期为提高农业绿色生产效率和实现“双碳”目标提供科学支撑和政策参考。

1 方法与数据来源

为探究安徽省农业绿色生产效率，本研究通过构建DEA模型和Malmquist指数模型对农业绿色生产效率进行静态分析和动态评估，通过构建Tobit模型分析关键影响因素。

1.1 构建农业绿色生产的静态效率DEA模型

数据包络分析法（DEA）由运筹学家CHAMES、COOPER和RHODES于1978年最先提出，是使用数学和统计工具对生产前沿面进行有效性评估的非参数方法，其优点在于可以对多个投入和产出指标的DMU（又称为决策单元）进行评估[16]。使用DEA进行绩效评估时，对于生产前沿函数可以不用确定参数，也不用明确各个投入与产出单位之间的具体关系形式，只需使用极值，衡量标准以相对效益为基准，变量选取各投入和产出DMU权重向量，评估目标为最优的决策，极大地减少了各指标选取时因人为主观因素而影响到评估结论的公正性和客观性。DEA对全部DMU都同等对待，所以对于一些效益较低的DMU可以通过指数反映出来。使用DEA时还能通过指数清楚地反映在某个DMU相对有效时，要想达到的最佳效果，还需增加或减少的投入。

假定有n个决策单元DMU、m种投入和k种产出，Xi、Yi分别表示m维和k维的第i个DMU的投入量和产出量，本研究构建的农业绿色生产效率DEA模型如下

模型（1）和（2）中，ε为非阿基米德无穷小；e1、e2∊Rk分别为 m 维和 k 维单位向量；X0、Y0分别表示被评价的DMU0的投入和产出向量；S-和S+分别表示对DMU0进行结构调整的松弛变量，设该模型的解为 λi*、S-*、S+*、θ*。当 θ*=1、S-*=S+*=0 时，说明选取的DMU相较于其他DMU具有更高的技术有效和规模有效，称为 DEA 有效；当 θ*=1、S-*≠0 或 S+*≠0 时，说明该DMU为弱DEA有效，技术有效和规模有效不同时满足；当θ*<1时，说明该DMU为非DEA有效。

在上述DEA模型中，被解释变量为农林牧渔增加值（单位：亿元），作为产出要素测算安徽省农业绿色生产综合效率；自变量选择化肥、地膜、农药、有效灌溉面积和农机投入作为农业绿色生产投入要素。

1.2 构建农业绿色生产的动态效率Malmquist指数模型

农业绿色生产随着时间变化，始终处于动态变化之中，但是构建DEA模型只能对农业绿色生产效率进行静态评价，而不能精确得出某时间范围内决策单元效率的变化情况。借鉴已有研究[17-19]，通过进一步构建Malmquist指数模型测算不同时期的绿色生产动态效率。限于篇幅，给出最终的全要素生产率（TFPCH）指数模型如下

模型（3）中，Malmquist指数模型能够将全要素生产率TFPCH分解为综合技术效率变化指数EFFCH和技术进步变化指数TECHCH，EFFCH可进一步分解为纯技术效率变化指数PECH和规模效率变化指数SECH。当TFPCH>1时，说明t到t+1期农业绿色全要素生产率提升；当TFPCH<1时，说明t到t+1期农业绿色全要素生产率下降；当TFPCH＝1时，说明t到t+1期农业绿色全要素生产率不变。

1.3 构建农业绿色生产效率影响因素Tobit模型

由于农业绿色生产效率取值是介于0到1之间的双截尾数据，是一种受限的被解释变量。如果采用传统的OLS回归方法探究影响农业绿色生产效率的影响因素，势必产生估计结果偏差，难以得出真实的研究结果。因此，参考已有研究[12，20]，本研究使用Tobit回归模型分析影响农业绿色生产效率的因素。

根据理论分析和实际情况，本研究选择农业绿色生产综合效率作为被解释变量，用符号“AGPE”来表示。本研究构建的最终Tobit随机效应模型如下

模型（4）中，i、t分别表示第 i个市和第 t时期；α、β为待估参数；ε为随机扰动项。解释变量含义及定义见表1。

表1 Tobit模型变量含义与定义Table 1 Meaning and definition of Tobit model variables

1.4 数据来源与指标选取

本研究所用数据来源于《安徽省统计年鉴》（2012—2021），经整理后利用2011—2020年安徽省各市的面板数据分析农业绿色生产效率及其影响因素。采用DEA 2.1软件对数据进行测算分析。

为了更好地探究农业绿色生产效率的空间区域性差异，将安徽省各市按照地理区域分为皖南、皖中和皖北，其中，皖南地区包括6个市（池州、宣城、黄山、马鞍山、铜陵、芜湖），皖中地区包括4个市（六安、合肥、滁州、安庆），皖北地区包括6个市（蚌埠、淮南、淮北、宿州、阜阳、亳州）。

2 结果与分析

2.1 安徽省农业绿色生产效率静态分析

2.1.1 农业绿色生产效率测算结果分析

农业绿色生产效率DEA模型测算结果（表2）表明，2011—2020年安徽省农业绿色生产效率为0.593，表明整体存在投入冗余。从整体均值视角分析发现，铜陵是全省农业绿色生产效率最高的市，达到0.969，除2012年外，其余年份均达到生产最优；农业绿色生产效率均值在0.6～0.9的市有池州、淮北、合肥、芜湖、黄山、阜阳、宣城，皖南、皖中、皖北地区均有分布；农业绿色生产效率均值低于0.6的市有滁州、马鞍山、蚌埠、安庆、六安、亳州、宿州、淮南。从时序角度分析发现，安徽省农业绿色生产效率在2012年最高，达到0.915；2013年相对较低，为0.379；2014年最低，只有0.377；其余年份在均值上下波动。

表2 2011—2020年安徽省农业绿色生产效率测算结果Table 2 Calculation results of agricultural green production efficiency in Anhui Province from 2011 to 2020

从空间角度分析发现，皖南地区的农业绿色生产效率为0.705，处于全省最优，且各市的农业绿色生产效率均高于0.500，说明皖南各市的农业绿色发展水平较高。皖中地区的农业绿色生产效率为0.546，低于全省平均值（0.593），只有合肥市的农业绿色生产效率较高，达到0.716，其他市均低于全省平均值，说明皖中地区的农业绿色生产效率不高，且不同地区之间发展不均衡。皖北地区的农业绿色生产效率为0.528，低于皖南和皖中地区。在皖北地区，淮北和阜阳2个市的农业绿色生产效率较高，分别达到0.726和0.641，其他市均低于全省平均值；宿州和淮南2个市的农业绿色生产效率甚至低于0.400。综合以上分析发现，皖南地区农业绿色生产效率在安徽省处于领先水平，皖中地区次之，皖北地区农业绿色生产效率最低，整体呈现出南高北低的地理空间分布格局。

2.1.2 农业绿色生产纯技术效率测算结果分析

农业绿色生产纯技术效率测算结果（表3）表明，2011—2020年安徽省农业绿色生产纯技术效率为0.808，说明在已有生产技术和管理水平下，还可以通过提高农业绿色生产纯技术效率来提高综合效率。从整体均值视角分析发现，铜陵和阜阳2个市的农业绿色生产纯技术效率为1.000，表明在目前已有的农业绿色生产和管理技术水平下，其资源投入的使用效率最优，这2个市未能达到综合有效的根本原因在于其规模无效。因此，对于这2个市来说提高农业绿色生产效率的重点在于提高规模效率。从时序角度分析发现，安徽省农业绿色生产纯技术效率在2012年最高，达到0.952；而在2011年最低，只有0.539，2013年和2020年相对较低，均低于0.800，其余年份在均值上下波动变化。

表3 2011—2020年安徽省农业绿色生产纯技术效率测算结果Table 3 Calculation results of pure technical agricultural green production efficiency in Anhui Province from 2011 to 2020

从空间角度分析发现，皖南地区的农业绿色生产纯技术效率为0.834，说明其资源投入的使用效率还未达到最优，可以通过提高皖南地区的资源利用效率来提高农业生产综合效率。其中马鞍山市的农业绿色生产纯技术效率较低，只有0.594，说明该市农业绿色生产综合效率不高的原因是农业绿色生产投入资源利用效率较低，存在较大的投入冗余现象，提高资源配置使用效率能够明显提高该市的农业绿色生产综合效率。皖中地区的农业绿色生产纯技术效率为0.847，明显高于全省平均值，说明皖中地区的绿色农业投入资源利用效率最高，但是还有提高资源配置使用效率的空间，能够进一步提高该地区的农业绿色生产综合效率。皖北地区的农业绿色生产纯技术效率为0.741，低于全省平均值，说明皖北地区的农业绿色生产投入资源利用效率最低，其资源投入的使用效率还有很大提高空间。进一步分析发现，皖北地区不同市的农业绿色生产纯技术效率有明显差异，其中阜阳市已达到纯技术效率最优，而淮南市的纯技术效率为全省最低，只有0.395。淮南市农业绿色生产综合效率不高的原因是农业绿色生产投入资源利用效率较低，存在较大的投入冗余现象，可以通提高资源配置使用效率来提高该市的农业绿色生产综合效率。

综合以上分析认为，皖中地区的农业绿色生产纯技术效率最高，皖南地区次之，皖北地区最低，整体呈现中间高两边低的地理空间分布规律。

2.1.3 农业绿色生产规模效率测算结果分析

农业绿色生产规模效率测算结果（表4）表明，2011—2020年安徽省农业绿色生产规模效率为0.731，说明实际生产规模还未达到最佳生产规模，在现有投入和生产技术管理水平下，生产规模不能满足资源的合理配置。从时序角度分析发现，安徽省农业绿色生产规模效率在2012年最高，达到0.945；在2013年和2014年较低，只有0.500左右；其余年份农业绿色生产规模效率在均值上下波动变化。进一步分析发现，合肥、淮北、阜阳、滁州、芜湖、宣城、铜陵、池州、黄山9个市的农业绿色生产规模效率都曾达到最优，其中铜陵市不仅规模效率均值最高，而且除2012年未达到最优外，其余年份的农业绿色生产规模效率均为最优。

表4 2011—2020年安徽省农业绿色生产规模效率测算结果Table 4 Calculation results of scale agricultural green production efficiency in Anhui Province from 2011 to 2020

从空间角度分析发现，皖南地区的农业绿色生产规模效率为0.832，说明皖南地区的农业绿色生产实际规模还未达到最佳，可通过调整生产规模提高规模效率。皖南地区各市的农业绿色生产规模效率均高于全省平均值（0.731），可划分为3个层次，最高层次只有铜陵市，其农业绿色生产规模效率高达0.969，接近最佳规模效率；中间层次有马鞍山、池州和芜湖3个市，均大于0.820；相对较低层次的市有宣城和黄山。皖中地区的农业绿色生产规模效率为0.668，明显低于全省平均值，说明皖中地区的农业绿色生产远未达到最佳生产规模，只有合肥市的农业绿色生产规模效率达到0.800以上，滁州、安庆和六安3个市均未达到全省平均值。皖北地区的农业绿色生产规模效率为0.694，略低于全省平均值，说明其生产规模还有较大调整空间；皖北地区的淮南和淮北2个市的农业绿色生产规模效率较高，蚌埠、亳州、阜阳和宿州4个市的农业绿色生产规模效率较低，其中宿州市的规模效率在全省最低，只有0.518。

综合以上分析发现，皖南地区的农业绿色生产规模效率最高，皖北地区次之，皖中地区最低，整体呈现中间低两边高的地理空间分布规律。

2.2 安徽省农业绿色生产效率动态分析

农业绿色全要素生产率Malmquist指数测算结果（表5）表明，2011—2020年安徽省农业绿色全要素生产率均值为1.072，大于1，说明在2011—2020年间，安徽省农业绿色全要素生产率呈上升趋势，年平均增速为7.20%。同期，综合技术效率变化相对较为平缓，年均增长3.40%，进一步指标分解显示，其增长是由规模效率（年均增长1.90%）和纯技术效率（年均增长1.60%）作用效果累积而成。可以看出，综合技术效率变化指数、技术进步变化指数、纯技术效率变化指数、规模效率变化指数、全要素生产率均大于1，说明安徽省农业绿色生产的各种效率均在不断提高。

表5 2011—2020年安徽省农业绿色全要素生产率Malmquist指数及分解Table 5 Malmquist index and decomposition of total factor agricultural green production efficiency in Anhui Province from 2011 to 2020

从空间角度来看，皖南、皖中和皖北3个地区的综合技术效率变化指数、技术进步变化指数、纯技术效率变化指数、全要素生产率均大于1，说明安徽省3个区域的农业绿色生产的这4种效率也在逐年提高，只有皖南地区的规模效率小于1，说明该地区对农业绿色生产的投入在规模上有所下降，皖中和皖北地区对农业绿色生产的投入在规模上不断提高。在皖南地区，芜湖市的农业绿色全要素生产率最高，达到1.147，增长14.70%；铜陵市的农业绿色全要素生产率最低，只有1.001，增长仅为0.10%；芜湖、马鞍山、黄山和池州4个市的规模效率变化指数小于1，说明这4个市的农业绿色生产投入规模不足。在皖中地区，六安市的农业绿色全要素生产率最高，达到1.135，增长13.50%；滁州和安庆2个市的农业绿色生产纯技术效率变化指数分别下降了2.00%和1.70%，说明这2个市的农业绿色生产与管理技术存在问题。在皖北地区，综合技术效率变化指数、技术进步变化指数、规模效率变化指数、全要素生产率均大于1，说明皖北地区的农业绿色生产各种效率不断提高，但是纯技术效率变化却出现了下降趋势；阜阳市的农业绿色全要素生产率最高，达到1.088，主要来自技术进步的贡献，说明阜阳市在引进和推广应用先进农业绿色生产与管理技术方面领先于该地区的其他市；该地区内全要素生产率最低的是淮南市，主要是受到纯技术效率变化指数和规模效率变化指数的影响，纯技术效率变化指数小于1的市还有淮北和宿州。整体来看，安徽省农业绿色全要素生产率呈现中间高两边低的空间分布规律。

2.3 安徽省农业绿色生产效率影响因素分析

农业绿色生产效率影响因素的Tobit估计结果（表6）表明，安徽省人均生产总值和工业化程度变量的回归系数虽然为正，但是没有通过显著性检验，说明人均生产总值和工业化程度不能显著影响农业绿色生产效率。耕地面积变量回归系数为正，且在1%统计水平上显著，说明农业绿色生产效率与耕地面积呈正相关。耕地面积的增加将有助于绿色农业开展集约化、规模化生产，可以减少投入成本并提高资源利用率。城镇化人口比重变量回归系数为负，且通过5%显著性检验，说明城镇化水平对农业绿色生产效率有负向影响，这可能是推进城镇化发展势必占用农业生产资源，且城镇化发展也会造成农业生产环境污染和破坏，进而影响农业绿色生产效率。农业受灾情况变量回归系数为负，且通过5%显著性检验，说明农业受灾会降低农业绿色生产效率，这也与预期相一致。农业生产受自然环境影响很大，干旱、洪涝等灾害会显著降低农业期望产出，从而影响农业绿色生产效率。农业机械化变量的回归系数为正，且通过5%显著性检验，说明农业机械化对农业绿色生产效率有正向影响。农业机械的大量推广应用能够替代已有劳动力，显著提升农业生产效率，从而提高农业绿色生产效率。

表6 安徽省农业绿色生产效率影响因素Tobit估计结果Table 6 Tobit estimation results of influencing factors of agricultural green production efficiency in Anhui Province

3 结论与讨论

“双碳”目标下，发展绿色农业是破解资源约束和保障粮食安全的关键措施，提高农业绿色生产效率对促进农业绿色转型和可持续发展具有重要意义。以我国粮食主产区安徽省为例，利用2011—2020年16个市的数据，通过构建DEA模型、Malmquist指数模型和Tobit模型，从时序和空间角度对农业绿色生产效率进行静态分析和动态评估，并分析其关键影响因素，得出如下主要结论。第一，安徽省农业绿色生产效率总体水平不高，且不同地区之间存在差异。较多地区的农业绿色生产效率并未达到最优，说明这些地区的农业绿色生产资源投入比例和规模存在不合理问题，解决这些问题有助于进一步提高安徽省的农业绿色生产效率。第二，安徽省农业绿色生产纯技术效率为0.808，且整体呈现中间高两边低的地理空间分布规律，说明可以通过提高农业绿色生产纯技术效率来提高综合效率。安徽省农业绿色生产规模效率为0.731，且呈现中间低两边高的地理空间分布规律，说明实际生产规模还未达到最佳生产规模，现有生产规模不能满足资源的合理配置。第三，安徽省农业绿色全要素生产率呈上升趋势，且呈现中间高两边低的空间分布规律，综合技术效率变化指数、技术进步变化指数、纯技术效率变化指数、规模效率变化指数均在不断提高。第四，耕地面积和农业机械化能够显著提高农业绿色生产效率，而城镇人口比重和受灾情况则显著降低农业绿色生产效率。

4 政策建议

为进一步提高农业绿色生产效率，促进安徽省农业高质量发展，本研究得出以下政策启示和政策建议。第一，因地制宜地优化资源配置，实现农业绿色生产协同发展。安徽省地处我国南北过渡区域，作物种类丰富多样，要因地制宜地推进农药、化肥减量和节水灌溉。无论是皖南地区还是皖中或皖北地区，绿色生产过程中都存在资源配置不合理现象，在推进农业生产绿色转型中，要因地制宜地制定符合当地条件和发展水平的政策措施，不要“一刀切”式地推进农业绿色发展，在确保生态效益的前提下，尽可能地提高经济效益和社会效益。皖中和皖北地区可提高纯技术效率，皖南地区则要重点优化规模效率，从而提高农业绿色生产效率。此外，不同地区之间可以加强交流，实现人力资本、生产经验和技术服务区域性协同发展，提高安徽省农业绿色生产的整体效率。第二，调动农户绿色生产积极性，提高农业绿色生产效率。由于农业绿色生产具有很强的“正外部性”，需要从产业链价值分配视角，保障农户收入，才能充分发挥其主观能动性，促进绿色生产转型；此外，要加大对农户绿色生产的培训指导，提高其农业绿色生产意识和能力；从全产业链角度看，建立政府保障、市场监督和农业服务机制可为农户绿色生产提供保障支持；强化农业社会化服务，提高农户绿色生产能力，由农业服务组织为农户提供专业化、全程化的绿色生产服务。第三，加大区域适用型农业绿色生产技术的研发与推广，提高农业绿色生产的技术效率。可以看出，安徽省的农业绿色生产还存在技术转化不畅、技术效率不高等现象。因此，要针对不同区域和作物特点，加大对区域性的农业绿色生产技术研发投入力度；要提高劳动者使用先进农业技术的能力，引导生产者使用数字技术、绿色生产技术和管理模式等。第四，建立多层次、立体化的农业政策措施体系，保障农业绿色生产的可持续性。针对农业绿色发展，着力解决当前农业政策的错位和缺位问题，制定完善引导型、激励型与保障型农业绿色生产政策支持体系，配套绿色农产品市场消费监管体系，完善农业政策动态评估制度，进行政策整合和调整，促进农业绿色生产，保障粮食安全。