趙艷麗 黨國英

(西南林業(yè)大學(xué)經(jīng)濟管理學(xué)院，云南 昆明 650224)

中國糧食產(chǎn)量長期以來高位攀升，2021年中國糧食產(chǎn)量創(chuàng)造了歷史新高，總產(chǎn)量達到了6828.5億kg，人均糧食產(chǎn)量達到483.5kg,高出國際糧食安全線83.5kg。但長期以來高投入高污染的生產(chǎn)方式，給農(nóng)業(yè)帶來了巨大的環(huán)境壓力，要想保持我國農(nóng)業(yè)的可持續(xù)發(fā)展，需提高糧食產(chǎn)量中的科技貢獻力量，從要素投入轉(zhuǎn)向農(nóng)業(yè)綠色全要素生產(chǎn)率(Green Total Factor Productivity，GTFP)的提升。在研究視角方面，當前主要考察環(huán)境規(guī)制[1]、農(nóng)業(yè)貿(mào)易[2]、農(nóng)業(yè)結(jié)構(gòu)[3]、基礎(chǔ)設(shè)施[4]、經(jīng)濟發(fā)展水平[5]、農(nóng)業(yè)科研投入[6]等單個指標對農(nóng)業(yè)GTFP的影響，很少關(guān)注多種因素的綜合作用。對于非期望產(chǎn)出多數(shù)研究僅涉及農(nóng)業(yè)面源污染或者碳排放量，存在高估農(nóng)業(yè)GTFP的風(fēng)險；研究區(qū)域主要集中在國家、省級層面，對行政區(qū)劃基礎(chǔ)性單元的縣域卻很少涉及。因此，本文借助SBM-GML模型從縣域角度考察同時包含面源污染與碳排放量的農(nóng)業(yè)GTFP，以精確測量農(nóng)業(yè)綠色發(fā)展成效，將各種投入要素和非期望產(chǎn)出納入一個研究框架中并探究其時空分布特征，結(jié)合Tobit模型探究影響農(nóng)業(yè)GTFP的因素。

1 農(nóng)業(yè)GTFP測算方法和模型

1.1 SBM-GML模型

選取數(shù)據(jù)包絡(luò)分析中的SBM超效率模型進行相應(yīng)的測算，同時結(jié)合全局參比前沿效率指數(shù)GML測算動態(tài)的效率值變化以及指標分解，從分解后的指標入手深入分析影響效率值的因素。SBM模型的公式如下。

假設(shè)包含n個決策單元，每個決策單元使用m種投入(i=1，2，…，m)，s1種期望產(chǎn)出和s2種非期望產(chǎn)出，向量表達式：x∈Rm，yg∈Rs1,yb∈Rs1。定義矩陣

定義生產(chǎn)可能性集合：

P={(x,yg,yb)|x≥X,yg≤Yg,yb≥Yb}

(1)

根據(jù)Tone[7]包含非期望產(chǎn)出的非徑向、非角度的SBM模型，推導(dǎo)出規(guī)模收益可變情況下的SBM超效率模型：

s-,sb,λ≥0;i=1,2…,m;r=1,2…,s1;

t=1,2…,s2;j=1,2…,n(j≠k)

(2)

式中，s表示投入、產(chǎn)出的松弛變量；λ是權(quán)重向量；k表示被評價單元。模型中ρ*得到評價SBM的超效率值可以超過1，從而可以對有效決策單元進行區(qū)分。

全局參比曼奎斯斯特恩伯格(Global Malmquist-Luenberger,GML)指數(shù)分解為綠色技術(shù)進步指數(shù)(Greentechnical progress,GTC)和綠色技術(shù)效率指數(shù)(Green technical efficiency,GEC)，GML指數(shù)表示的是t+1期相對于第t期的變化程度。

(3)

GTC>1、GEC>1代表技術(shù)進步和效率改善；GTC<1、GEC<1代表技術(shù)倒退與效率降低[8]。

滾動預(yù)算編制的基礎(chǔ)工作是建立動態(tài)的項目庫，只有形成統(tǒng)一的項目計劃、論證、審核、決策機制，加強項目管理，這樣預(yù)算編制的科學(xué)性和準確性才有保障。因此高校有必要加強預(yù)算項目管理，推進滾動項目庫建設(shè)，盡量做到“項目等錢”，而不是“錢等項目”。關(guān)鍵是哪些項目能入庫，首先要有充分而且權(quán)威的立項依據(jù)，再經(jīng)過嚴格審核評議，同時要設(shè)定清晰、易量化考核的績效目標，將其作為項目入庫的重要依據(jù)。

1.2 指標選取

本文以2010—2020年安徽省縣域77個縣域的農(nóng)業(yè)GTFP為研究對象，數(shù)據(jù)主要來源于《安徽省統(tǒng)計年鑒》、各市統(tǒng)計資料。選取種植業(yè)為研究對象，構(gòu)建了相關(guān)的指標體系，見表1。

以2010年為基期將名義農(nóng)業(yè)總產(chǎn)值轉(zhuǎn)化為實際農(nóng)業(yè)總產(chǎn)值。主要考慮了6類主要的排放源，農(nóng)藥、農(nóng)膜、化肥、翻耕、灌溉、農(nóng)用柴油；農(nóng)業(yè)面源污染主要考慮了化肥以及農(nóng)業(yè)固體廢棄物所產(chǎn)生的污染。

2 農(nóng)業(yè)GTFP測算結(jié)果與分析

運用MAX-DEA軟件中的超效率SBM模型，運行得出2010—2020年安徽省77個縣區(qū)的農(nóng)業(yè)GTFP、GML指數(shù)及分解后的指數(shù)。從靜態(tài)角度分析了安徽省縣域農(nóng)業(yè)GTFP的情況，從動態(tài)的角度分析農(nóng)業(yè)GTFP的發(fā)展狀況，并將指數(shù)進一步分解為GTC和GEC。

2.1 農(nóng)業(yè)GTFP靜態(tài)分析

為更好地分析安徽省縣域農(nóng)業(yè)GTFP發(fā)展變化，利用超效率SBM模型測算不同年份的農(nóng)業(yè)GTFP，由于所涉及的縣域太多，因此只列示各市的效率均值如表2。

表1 農(nóng)業(yè)投入產(chǎn)出指標體系

從安徽省每年的均值來看，2010—2014年有小幅波動，但在2014—2020年呈現(xiàn)出快速的增長趨勢，2020年均值達到0.657，雖然整體還未達到有效值，但較2010年有大幅提升。從區(qū)域來看，2010—2020年均值從高到低依次為皖南、皖中、皖北。

2.2 農(nóng)業(yè)GTFP動態(tài)分析

超效率SBM模型是基于靜態(tài)的農(nóng)業(yè)GTFP的思想，難以刻畫農(nóng)業(yè)GTFP動態(tài)變化情況，而生產(chǎn)過程中農(nóng)業(yè)技術(shù)水平總是在變化的，因此利用GML指數(shù)，從動態(tài)的角度來看安徽省縣域農(nóng)業(yè)GTFP的變化情況更加符合農(nóng)業(yè)發(fā)展的現(xiàn)實[9]。對安徽省77個縣農(nóng)業(yè)GTFP的GML指數(shù)進行測算并分解成GTC和GEC。

從圖1可以看出，不同時期GTFPC數(shù)值在1～1.8的地區(qū)數(shù)明顯增多，GTFPC低于1的地區(qū)數(shù)明顯減少，表明安徽省縣域農(nóng)業(yè)GTFP整體呈現(xiàn)上升趨勢，且增長速度在不斷地提升。從2010—2020年GTFPC均值來看，只有鳳陽、馬鞍山轄區(qū)、銅陵市轄區(qū)、岳西、蕪湖轄區(qū)整體GTFP出現(xiàn)衰退，其余地區(qū)均實現(xiàn)增長，其中增長較快的地區(qū)為六安轄區(qū)、蒙城、壽縣。

3 農(nóng)業(yè)綠色全要素生產(chǎn)率的影響因素分析

構(gòu)建面板Tobit回歸模型，以農(nóng)業(yè)綠色全要素生產(chǎn)率為被解釋變量，城鎮(zhèn)化、農(nóng)業(yè)財政支出、農(nóng)村居民人均可支配收入、農(nóng)業(yè)機械化水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)等為解釋變量。從多個方面進行考察，確定各影響因素對農(nóng)業(yè)GTFP的作用程度及顯著性水平，根據(jù)研究結(jié)果提出針對性的建議。

表2 2010—2020年安徽省縣域農(nóng)業(yè)GTFP均值

圖1 安徽省縣域農(nóng)業(yè)綠色全要素生產(chǎn)率變化指數(shù)

3.1 模型設(shè)定與指標選取

由于農(nóng)業(yè)GTFP具有非負截斷性，對于受限因變量模型的估計采用OLS會得到有偏的結(jié)果，因此采用面板Tobit模型。考慮到固定效應(yīng)Tobit模型無法獲得個體異質(zhì)性μi的充分統(tǒng)計量，可能無法獲得一致的、無偏的估計量，而隨機效應(yīng)Tobit模型能有效解決上述問題[10]。為了考察可能存在的非線性關(guān)系，同時將城鎮(zhèn)化的平方項作為解釋變量，本文采用的Tobit模型公式：

+β6lnis+β7lnec+β8lneir+β9lnpgdp+εit

(4)

式中，gtfp為被解釋變量；β0為截距項；βk為待估參數(shù)；εit為隨機誤差項。根據(jù)研究問題的需要和數(shù)據(jù)可得性，參考相關(guān)文獻選取以下指標，如表3所示。

表3 農(nóng)業(yè)GTFP影響因素指標體系選取

3.2 Tobit回歸與結(jié)果分析

3.2.1 Tobit回歸結(jié)果與分析

本文選用隨機Tobit模型，以安徽省縣域農(nóng)業(yè)綠色全要素生產(chǎn)率(lngtfp)作為被解釋變量，以城鎮(zhèn)化(lnurb)、城鎮(zhèn)化平方(lnurb2)和表3中其余影響因素作為自變量進行建模，模型(2)～(4)分別為皖南、皖中、皖北的隨機Tobit模型結(jié)果。

通過對高階遺漏變量的檢驗，加入城鎮(zhèn)化的平方，發(fā)現(xiàn)城鎮(zhèn)化對安徽省整體農(nóng)業(yè)GTFP的影響類似倒U型的關(guān)系，拐點為52.07%，拐點左側(cè)促進、拐點右側(cè)抑制。分區(qū)域來看，由于皖南、皖北地區(qū)城鎮(zhèn)化對農(nóng)業(yè)GTFP一次項系數(shù)顯著為正，二次項顯著為負，表明城鎮(zhèn)化對農(nóng)業(yè)GTFP存在倒U型關(guān)系，皖南的拐點為46.27%、皖北則為50.57%；皖中地區(qū)城鎮(zhèn)化對農(nóng)業(yè)GTFP一次項系數(shù)為負，二次項為正，但不顯著，表明皖南、皖北地區(qū)城鎮(zhèn)化發(fā)展初期會促進農(nóng)業(yè)GTFP的提升但促進作用逐漸減弱，當越過拐點后其對農(nóng)業(yè)GTFP會產(chǎn)生阻礙作用；皖中地區(qū)城鎮(zhèn)化對農(nóng)業(yè)GTFP的影響不顯著，但存在類似于正U型的關(guān)系，表明皖中地區(qū)前期城鎮(zhèn)化的發(fā)展會對農(nóng)業(yè)GTFP產(chǎn)生負向影響，當城鎮(zhèn)化發(fā)展水平超過20.73%時，城鎮(zhèn)化會促進農(nóng)業(yè)GTFP的增長。皖南、皖北作為勞動力流出地區(qū)，在城鎮(zhèn)化發(fā)展初期，促使一部分農(nóng)村勞動力進城務(wù)工，帶動了農(nóng)村與城鎮(zhèn)的共同發(fā)展，減少了農(nóng)業(yè)上冗余勞動力的投入，提高了生產(chǎn)效率，分工更加合理。但當農(nóng)業(yè)生產(chǎn)中需要的勞動力、資本嚴重缺乏時，城鎮(zhèn)化所帶來的技術(shù)進步與效率提高難以彌補基本生產(chǎn)要素的缺失，會對農(nóng)業(yè)GTFP產(chǎn)生負面影響。皖中以合肥為中心，早期作為勞動力主要的流入地城鎮(zhèn)化對農(nóng)業(yè)GTFP存在短暫的抑制作用，但依靠科研的創(chuàng)新、技術(shù)的進步、農(nóng)業(yè)的轉(zhuǎn)型升級，城鎮(zhèn)化在越過極低的拐點后呈現(xiàn)出促進作用。

表4 回歸估計結(jié)果

農(nóng)村居民人均收入、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)村經(jīng)濟發(fā)展水平對安徽省農(nóng)業(yè)GTFP表現(xiàn)出明顯的促進作用，而農(nóng)業(yè)機械化水平、農(nóng)業(yè)水利設(shè)施則表現(xiàn)出明顯的抑制作用。分區(qū)域來看，農(nóng)村居民人均收入對皖南、皖中農(nóng)業(yè)GTFP的影響不顯著，對皖北地區(qū)的農(nóng)業(yè)GTFP在1%水平上存在顯著正向影響，系數(shù)為0.894；農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對皖南地區(qū)農(nóng)業(yè)GTFP存在顯著正向影響，對皖中、皖北地區(qū)的正向影響則不顯著；農(nóng)村經(jīng)濟發(fā)展水平對3區(qū)域均在1%水平上存在顯著正向影響；農(nóng)業(yè)機械化水平對皖南、皖北存在1%水平上的顯著負向影響，對皖中存在5%水平上的顯著負向影響；農(nóng)業(yè)水利設(shè)施對對皖北地區(qū)存在顯著的負向影響，對皖南、皖中則不顯著。而財政支出對皖南、皖北分別存在1%、5%水平上的顯著負向影響，對皖中的正向影響不顯著；農(nóng)村電力設(shè)施對皖中存在10%水平上的顯著正向影響，對皖南、皖北的負向影響不顯著。

3.2.2 穩(wěn)健性檢驗

為保證結(jié)果的穩(wěn)健性，采用增加變量及替換變量的方式，進行檢驗。表5中模型(2)將農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的指標替換為表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值的比值，來進行衡量產(chǎn)業(yè)結(jié)構(gòu)，該比值越高，間接說明產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與優(yōu)化升級的改善程度，表明經(jīng)濟服務(wù)化程度越高，農(nóng)業(yè)發(fā)展的環(huán)境也更好[11]。模型(3)通過在原模型的基礎(chǔ)上增加農(nóng)產(chǎn)品地理標志指標，結(jié)果無明顯變化，表明以上結(jié)果較為穩(wěn)健。

將農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的指標替換為表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的指標后，城鎮(zhèn)化及其二次項的顯著性水平?jīng)]有發(fā)生變化，但影響系數(shù)變化至2.386、-0.322，屬于正常范圍。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的顯著性水平變?yōu)?%，影響系數(shù)變化至0.162，表明產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化較種植結(jié)構(gòu)的變化對農(nóng)業(yè)GTFP的影響更大，當縣域的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)向三產(chǎn)，對農(nóng)產(chǎn)品的依賴性更強，品質(zhì)要求更高，促使農(nóng)民提高農(nóng)業(yè)GTFP以滿足市場需求。農(nóng)業(yè)財政支出由原來的不顯著變化為10%水平上的顯著，其他變量變化幅度較小。增加農(nóng)產(chǎn)品地理標志指標后，所有解釋變量的系數(shù)幾乎未發(fā)生任何變化，穩(wěn)健性較好。雖然農(nóng)產(chǎn)品地理標志對農(nóng)業(yè)GTFP不顯著，但作用方向為正，可能由于安徽省縣域當前對農(nóng)產(chǎn)品地理標志的重視度不夠，很多農(nóng)產(chǎn)品地理標志存在申而不用、閑置浪費的現(xiàn)象，未能充分發(fā)揮農(nóng)產(chǎn)品地理標志對農(nóng)業(yè)GTFP的帶動作用。

表5 回歸估計結(jié)果(穩(wěn)健性檢驗)

4 主要結(jié)論與對策思考

4.1 主要結(jié)論

2010—2020年，安徽省縣域整體農(nóng)業(yè)GTFP年均增長5.31%，主要由農(nóng)業(yè)綠色技術(shù)進步(7.18%)拉動，農(nóng)業(yè)綠色技術(shù)效率(-1.74%)起到阻礙的作用[12]。2010—2020年，皖北、皖中、皖南地區(qū)農(nóng)業(yè)GTFP年均增長分別為7.63%、5.30%、3.70%，農(nóng)業(yè)綠色技術(shù)進步的拉動作用分別為9.82%、6.76%、5.59%，農(nóng)業(yè)綠色技術(shù)效率的阻礙作用分別為1.99%、1.36%、1.79%，皖北地區(qū)農(nóng)業(yè)GTFP年均增長最快，其農(nóng)業(yè)綠色技術(shù)進步的拉動作用最大；安徽省縣域城鎮(zhèn)化對農(nóng)業(yè)GTFP存在近似的倒U型關(guān)系，在城鎮(zhèn)化發(fā)展前期，正向促進農(nóng)業(yè)GTFP的提高，當城鎮(zhèn)化越過拐點52.07%后，將會阻礙農(nóng)業(yè)GTFP的提高，城鎮(zhèn)化對皖南及皖北農(nóng)業(yè)GTFP的影響也存在倒U型關(guān)系，但拐點分別為46.27%、50.57%，對皖中農(nóng)業(yè)GTFP的影響存在類似正U型關(guān)系，但影響不顯著；農(nóng)民人均純收入、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)村電力設(shè)施、經(jīng)濟發(fā)展水平正向促進安徽省農(nóng)業(yè)GTFP的提高，農(nóng)業(yè)機械化水平、農(nóng)業(yè)有效灌溉強度負向影響安徽省農(nóng)業(yè)GTFP，各因素對分區(qū)域的農(nóng)業(yè)GTFP則存在一定差異。

4.2 對策思考

以上結(jié)論對于安徽省縣域農(nóng)業(yè)GTFP的提升具有重要的意義，安徽省農(nóng)業(yè)GTFP的改善方向分為以下幾個方面。

注重提升農(nóng)業(yè)綠色技術(shù)效率，深化三權(quán)分置改革，提供較為自由的土地轉(zhuǎn)讓承包經(jīng)營制度，推動農(nóng)地的規(guī)?；l(fā)展。針對城鎮(zhèn)化對不同區(qū)域的影響，因地制宜采取相關(guān)的政策措施。針對皖南、皖北要注意拐點之后，城鎮(zhèn)化對農(nóng)業(yè)GTFP的抑制作用，加強城鎮(zhèn)對農(nóng)業(yè)的帶動作用，注重城鄉(xiāng)的均衡發(fā)展。針對皖中地區(qū)，要積極推動城鎮(zhèn)化的發(fā)展，加大產(chǎn)學(xué)研合作力度，推動小麥、玉米、水稻的種子研發(fā)[13]，加大科技對農(nóng)業(yè)GTFP的貢獻。

合理規(guī)劃財政支農(nóng)資金，加大對農(nóng)業(yè)綠色發(fā)展轉(zhuǎn)型的支持力度，建立更為全面的農(nóng)業(yè)補貼標準。優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)[14]，適度引導(dǎo)農(nóng)業(yè)產(chǎn)業(yè)集聚，加強農(nóng)業(yè)技術(shù)創(chuàng)新，實現(xiàn)農(nóng)業(yè)發(fā)展由要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變。借助數(shù)字網(wǎng)絡(luò)技術(shù)，拓寬農(nóng)民的收入來源，提高農(nóng)村經(jīng)濟發(fā)展的水平，把握不同區(qū)域農(nóng)業(yè)GTFP發(fā)展規(guī)律，協(xié)調(diào)區(qū)域農(nóng)業(yè)發(fā)展資源[15]。