长三角地区农业绿色全要素生产率及影响因素研究——基于碳排放视角

刘红波，吴空姐

（安徽大学，安徽 合肥 230039）

改革开放以来，中国经济取得了长足的进步，取得了世界瞩目的成就，经济总量跃居世界第二。与此同时，三大产业也取得了长足的进步和发展，为国家经济发展注入了新的活力。农业也取得了巨大的成就。2023 年5 月11 日，国务院新闻办举行的新闻发布会介绍，我国粮食生产连续十九年丰收，总产量持续8 年保持在1.3 万亿斤之上，为国家经济发展作出了重要贡献。在“双碳”目标下，实现节能减排势在必行。农业生产是全球碳排放的主要来源[1]，占比约为14%[2]，仅次于电热生产。中国作为农业大国，农业碳排放量占全球总碳排放量的约17%左右[3]。党的二十大报告指出，推进经济社会发展走向绿色化和低碳化，是促进高质量经济快速发展的关键。

长江三角洲区域是中国经济社会快速发展的重要支柱之一，具有极高的开放度和创造力，在国家现代化建设工程中发挥着重要作用。为了加快长三角一体化进程，提高长三角区域的创新和竞争性，促进经济集聚、区域连接和策略协同效率，长三角地区将发挥重要作用，为促进全国高质量发展和建设现代化经济体系作出贡献。基于对农业高质量发展的目标，本文对长三角地区三省一市2007-2020 年农业绿色全要素生产率进行了深入研究，以期为长三角城市提出可行的解决方案，促进农业可持续发展。以浙江省和安徽省27 个地级市为样本，探究影响农业全要素生产率的因素，并提出相应的政策建议。

1 文献综述

GTFP 是农业可持续发展的重要指标，它不仅反映了常规农业生产方式的全要素生产率，还充分考虑了能源、环境污染排放量因素，从而为农业可持续发展提供了客观的反映[4]。

关于农业绿色全要素生产率，学术界有着丰富的研究。关于农业绿色全要素生产率的研究可以分为两个方面，一方面是对GTFP 的测度，另一方面在于对GTFP 影响因素的探究。王永静等人对中国粮食主产区的农村GTFP 开展了测量，结果发现，在数据时间内，农村绿色食品全要素生产率呈现出“M”型变化，上升范围较小，而这种变化的主要驱动力源自于农村绿色技术的不断进步[5]。经过刘亦文等的测量，2001-2018 年之间，中国八大综合经济区的农村绿色食品全要素生产率均有显著增加，其中西南部经济区的增加最为显著，而东北经济区的增加最为缓慢[6]。通过使用SBM 模型和GML 指数，吴传清等人发现，在1997-2015 年间，长江经济带农村绿色全要素生产率有所提高，但仍然低于全国平均水平[7]。谭日辉等发现中国农业绿色全要素生产率整体呈现上升趋势,中国农业绿色全要素生产率空间关联网络的关联性和稳定性整体有所加强,关联网络的中心度在不同年份存在波动[8]。研究表明，“单驱”和“低—低”的科技进展是中国农业发展的驱动力，而且这种发展并非空间结构上的随机分布，而是具有着正相应的关系[9]；此外，命令控制型环保法规也对本区域和相邻区域的农村发展产生了U 形的负面影响。根据2000-2019 年的省际面板数据[10]，沈洋等人从碳汇和碳排放两个角度测量了农村绿色全要素生产率，发现在考察期间，农村绿色全要素生产率的年均增速为1.1%，而农村技术的进步则是其增加的重要驱动力。

另一方面主要是探究其他因素对GTFP 的影响。周法法等[11]研究发现农业保险发展水平对农业绿色全要素生产率具有显著提升作用，且主要体现在东部地区和非粮食主产区。研究发现，王亚飞等[12]发现，农旅产业的协作整合能够明显促进农村绿化全要素生产率，并将其划分为农村技术进步指数和技术效率指标，这些指标都能够有效地推动农村发展。研究表明，农产品进出口贸易对我国农业绿化经济增长有积极负面影响，其中出口交易的作用更为明显。陈燕君等[13]研究发现，农产品进口贸易（TAPIM） 和出口交易（TAPEX）都能够促进农村绿化经济增长。研究表明，环保法规对农村绿化全要素生产率的负面影响有着明显的双重门槛效果，即伴随阈值的增加，负面影响会逐渐减弱，这一结论由马国群等[14]人提出。

综上所述，学术界对农业绿色发展已开展了比较全面的分析，但是，目前的研究主要集中在国家和省级层面，而对长江经济带农业绿色生产效率的研究仍然不够充分。本文运用GML 指数对长江经济带农业绿色发展效率的整体情况和区域差异展开深度探讨，并基于此提出政策建议，以促进长江经济带农业绿色高质量发展。

2 长三角地区农业绿色全要素生产率测度

2.1 研究方法

本文采用GML 方法来研究全局Malmquist-Luenberger 指标，这种方法是由Pastor 和Lovell（2005）给出的，它基于DDF 距离，可以有效地计算出更准确的指数值。

GML （全局曼奎斯特罗恩伯格生产率指数）可以有效地解决应用ML 指数时可能遇到的不可行解难题，这一点已经得到了Pastor[15]（2005）等学者的证实。GML 指数的公式为：

GML 指数能够通过将其划分为效益变动指标和技术发展变动指标来进行分析，具体公式方法包括：

经过Ray and Desli E（1997）[16]的研究，我们能够将农村绿化全要素生产率的变化趋势划分为科技效益、科技进步和规模效益三个方面，并透过对比GML 和它们的分解指标值来评估这些变化趋势对农村绿色经济增长的积极贡献。

2.2 指标选取与处理

本文以2011-2020 年长三角三省一市41 个市级单位的农业绿色全要素生产率为研究对象。本文将重点关注狭义农业，特别是以种植业为例。本文以耕地、资金和劳务土地，资本，劳动力三个方面当作投入指标，来探讨这一领域的发展趋势。

土地投入，用农作物总播种面积表示; 劳动力投入，以第一产业就业人数表示; 资本投入包括机械投入、农药投入、化肥投入、农膜投入和灌溉投入，机械投入以农业机械总动力计算; 农药、农膜投入均以使用量计算；化肥投入，以化肥施用折纯量计算；灌溉投入以实际有效灌溉面积计算。农业期望产出变量为农业总产值，并以2007年为基期进行平减处理。农业非期望产出主要是指本文拟采用农业碳排放。考虑到农业生产活动中的导致的温室气体排放，我们参照了李波等（2011）[17]的研究，对6 种农业生产活动的碳排放量作出了估算。表1 列出了各要素碳排放系数和来源。

表1 农业碳排放碳源、系数及来源

表2 2007-2020 年上海市GML 指数及其分解

农业灌溉碳排放系数本为25 kg/hm2，但考虑到仅火力发电产生碳排放，故在25 kg/hm2的基础上乘以火电系数（火力发电量占发电总量之比）0.74，数据来源于2011-2019 年国家统计年鉴，故最终农业灌溉系数为18.5 kg/hm2[18]。

2.3 数据来源与处理

本文研究了长三角地区的经济、社会、资源和生态基础，并以41 个市级单位为样本进行了分析。数据取自多个来源，包括《上海市统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》等，其中一些数据缺失，我们采用了均值插补的方法进行处理和换算。

2.4 GTFP 测算结果与分析

从表1 数据可以看出，2007-2020 年期间GTFP 指数相对于上一年有增有减，2008 年增长率最高，为1.2216，而2016 年指数下降的最快，为0.9472。将GTFP 指数分解得到绿色技术效率变化( Gtech) 和绿色技术进步( Gtecch)，可以看出Gtech 始终都是1，说明GTFP 指数的变化主要通过绿色技术进步这条路径，由于农业科技的进步，GTFP 平均值达到了1.02，表明上海市在2007-2020 期间农业绿色全要素增长率为2%。

从表3 中可以看出，江苏省13 个地级市在2007-2020 年农业GTFP 平均值均实现了增长，GTFP 平均值最高的是无锡市，为1.05，无锡市在这14 年间实现了年均增长5%，而Gtech 平均值为1，Gtecch 平均值为1.05，表明无锡市GTFP 的增长主要是通过绿色技术进步。江苏省北方区域的连云港、淮安、盐城、宿迁等大中城市的平均GTFP 较低，年均增长率仅为1%，而Gtech均低于1，这表明绿色技术的效率正在下降，而Gtecch 却大于1，这说明农业绿色技术的进步正在推动农业GTFP 的增长。整体来看，苏南的GTFP 增长比苏北快，苏南和苏北的GTFP 增长主要依靠农业技术的进步。

表3 江苏省2007-2020 年间GTFP 平均值

从表4 可以看出，浙江省11 个地级市在2007-2020 年GTFP 平均值都大于1，浙江省地级市在这14 年间都实现了农业绿色全要素生产率的增长。GTFP 平均值最高的是宁波市和台州市，为1.05，年均增长率为5%，宁波市和台州市GTFP 的增长主要是通过农业绿色技术的进步。GTFP 平均增长相对较慢的有嘉兴市，舟山市，温州市，金华市和丽水市，GTFP 平均值为2%，其中嘉兴市，金华市和丽水市的Gtech 都小于1，说明在这期间平均绿色技术效率变低了。综合来看，浙江省市级层面GTFP 的增长主要是由于农业绿色技术的进步。

表4 浙江省2007-2020 年GTFP 平均值

从表5 可以看出，安徽省的16 个地级市在2007-2020 年期间GTFP 平均值都大于1，说明安徽省市级层面农业绿色全要素生产率平均提高了，且提高的原因是由于农业绿色技术的进步。

表5 安徽省2007-2020 年GTFP 平均值

3 长三角地区农业绿色全要素生产率影响因素实证分析

现测算出长三角41 个城市的农业绿色全要素生产率，本文选择了浙江省、安徽省作为样本来探究农业绿色全要素生产率受什么因素影响。本文综合考虑了已有研究成果和可用数据，选择了灌溉设施发展水平、农业生产发展水平、国民经济增长程度、农业产业结构、农业生产服务业增长程度等5 个解释变量。

3.1 变量选取

为了评估长三角地区农业绿色生产效率，“GTFP”表示处理后的农业绿色全要素生产率累积增长指数GTFP，而Gtech 和Gtecch 则是根据吴传清、宋子逸的研究方法，将2007 年的指数转换为1 的累积变化指数，以此来衡量农业绿色生产效率的变化情况。

本文旨在探讨农村绿色生产效率的限制因素，包括灌溉设施水平IF、农业机械化程度ME、以及各地级市的人均生产总值EL。这些因素不仅接受自然环境条件的直接影响，还接受农业生产条件和社会经济状况的直接影响，因此，本文将对这些变量进行深入的研究和分析。AG 是一种用来衡量农业产业结构的指标，它代表各地级市粮食作物的种植面积占总面积的比例。农业生产服务业发展水平SE 用农林牧渔服务业产值比上农林牧渔生产总值。

3.2 模型构建

本文旨在探究浙江和安徽两省农业绿色全要素生产率的影响因素，并建立如下板数据模型：

在式（1）中，GTFP、Gtech 和Gtecch 分别代表加工后的农业绿色全要素生产率累积增加指标。其中，i=1，2，…，27 分别指浙江省和安徽省的27个城市，t 代表年龄，ui为各城市不可观测的稳定效果，λt 为各年份不可观测的固定效应，而εi，t则是随机扰动项。表6 显示了面板数据模型中所有变量的描述性统计结果。

在所选取解释变量中,数据均来源于《江苏省统计年鉴》《安徽省统计年鉴》以及各地级市统计年鉴。

3.3 实证结果分析

经过检验，由于同时存在组间异方差、同期相关以及组内自相关，本文拟采用FGLS，结果如表7 所示。

表7 浙、皖两省GTFP 影响因素回归结果

模型整体回归结果显著，从表中可以看出，灌溉设施水平IF 对安徽省和浙江省的GTFP 和Gtecch 有显著负向影响，而对Gtech 有显著正向影响，说明浙江安徽两省的水利设施水平还有待提高，虽然灌溉设施水平促进了农业绿色技术效率的提高，但是抑制了农业绿色技术的进步，综合来看，降低了农业绿色全要素生产率。农业机械化水平ME 对浙江省的GTFP 和Gtecch 有显著正向影响，而对Gtech 有显著负向影响，说明浙江省的农业机械化水平比较高，提高了农业绿色全要素生产率，且是通过农业机械化水平促进了农业绿色技术发展。和浙江省相反的是，农业机械化水平ME 对安徽省的GTFP 和Gtecch 有显著负向影响，而对Gtech 有显著正向影响，说明安徽省的农业机械化水平较低，抑制了安徽省的农业绿色全要素生产率。经济发展水平EL 对浙江省和安徽省的GTFP、Gtech 和Gtecch 都有显著的正向影响，说明随着经济发展水平的提高，不仅促进了农业率色技术效率提高( Gtech)，还促进了农业绿色技术的进步( Gtecch)，从而促进了浙江省和安徽省的农业绿色全要素生产率的提高。农业产业结构AG 对浙江省的GTFP 和Gtecch 有显著正向影响，而对Gtech 的影响不显著，说明浙江省的农业产业结构较为合理，促进了农业绿色全要素生产率的提高。与浙江省不同的是，农业产业结构AG 对安徽省的GTFP、Gtech、Gtecch 均由显著的负向影响。浙江省的农村生产服务业发展程度SE 对其GTFP 没有显著影响，但安徽省的情况却有明显的负面影响，这表明安徽省和浙江省的农业生产性服务业发展程度仍有待提高，未能有效推动农村健康全要素生产率的提升。

4 研究结论与政策建议

通过GML 指数和FGLS 模型的分析，本文对2007-2020 年长三角地区41 个地级市农业GTFP 的变化情况进行了深入探究，并对影响其变化的因素进行了详细分析。本文发现长三角地区41 个城市在2007-2020 期间农业GTFP 平均值均大于1，长三角地区农业绿色全要素生产率处于增长的状态，且通过FGLS 模型回归结果可知，灌溉设施水平抑制了浙江省农业GTFP 的提高，而农业机械化水平、经济发展水平和农业产业结构则促进了浙江省农业GTFP 的提高。而对于安徽省来说,经济发展水平提高了农业GTFP，灌溉设施水平、农业机械化水平、农业产业结构和农业生产服务业发展水平均抑制了农业GTFP。

基于上述研究结论，提出如下政策建议:

（1） 经济发展水平可以促进农业GTFP 的提高，应该加强长三角地区的经济交流与合作，加快长三角地区经济的发展，从而促进农业高质量发展。

（2）为提高农业灌溉、机械和社会化服务水平，必须不断完善基础设施，并推进农村绿化发展。这样，才能提高农业发展绿色技术的效率。

（3）从浙江省和安徽省的基准回归结果来看，安徽的农业基础设施水平与浙江省还有较大差距，安徽省应多向浙江省看齐，不断提高农业设施水平，以便更好地促进长三角一体化发展。