趙晨曉　趙達君　陳玉蘭

摘要：全要素生產(chǎn)率是衡量棉花經(jīng)濟增長的重要指標，而綠色全要素生產(chǎn)率則決定棉花產(chǎn)業(yè)的可持續(xù)發(fā)展。運用中國12個棉花主產(chǎn)省的棉花投入產(chǎn)出數(shù)據(jù)，測算棉花綠色全要素生產(chǎn)率的Malmquist指數(shù)并對其進行分解，采用Tobit模型估計棉花目標價格政策核心變量及區(qū)域經(jīng)濟發(fā)展水平、棉花每公頃收益、棉花產(chǎn)業(yè)聚集程度和區(qū)域環(huán)境投資力度等控制變量對棉花綠色全要素生產(chǎn)率的影響。研究表明：我國棉花綠色全要素生產(chǎn)率為1.02，安徽地區(qū)綠色全要素生產(chǎn)率最高為1.92，湖南地區(qū)棉花全要素生產(chǎn)率最低為0.91。目標價格政策對棉花綠色全要素生產(chǎn)率無顯著影響，而區(qū)域經(jīng)濟發(fā)展水平、棉花每公頃收益、棉花產(chǎn)業(yè)聚集程度和區(qū)域環(huán)境投資力度則對棉花綠色全要素生產(chǎn)率有顯著正向影響。

關(guān)鍵詞：棉花；綠色全要素生產(chǎn)率；目標價格；投入產(chǎn)出數(shù)據(jù)；Malmquist-Tobit模型

中圖分類號：F326.11

文獻標識碼：A

文章編號：20955553 （2023） 11025808

Analysis of impact of target price policy on green total factor productivity of cotton：

Based on the Malmquist-Tobit model of 12 major cotton-producing provinces panel data

Zhao Chenxiao Zhao Dajun Chen Yulan

（1. Scientific Research Department， Xinjiang University of Finance and Economics， Urumqi， 830012， China;

2. College of Economics and Management， Xinjiang Agricultural University， Urumqi， 830052， China）

Abstract：Total factor productivity is an important indicator to measure the economic growth of cotton， and green total factor productivity determines the sustainable development of cotton industry. Based on the input-output data of cotton in 12 major cotton producing provinces in China， the Malmquist index of green total factor productivity of cotton was calculated and decomposed. The Tobit model was used to estimate the effects of core variables of cotton target price policy and regional economic development level， cotton income per hectare， cotton industry aggregation degree and regional environmental investment on green total factor productivity of cotton. The research shows that Chinas green total factor productivity of cotton is 1.02， the highest green total factor productivity in Anhui is 1.92， and the lowest green total factor productivity in Hunan is 0.91. Target price policy has no significant indigenous effect on cotton green total factor productivity， while regional economic development level， cotton earnings per hectare， cotton industrial agglomeration degree and regional environmental investment intensity have significant indigenous positive effects on cotton green total factor productivity.

Keywords：cotton; green total factor productivity; target price; input-output data; Malmquist-Tobit model

0引言

黨的十七大首次提出生態(tài)文明發(fā)展理念，綠色農(nóng)業(yè)發(fā)展受到各級政府的廣泛關(guān)注，我國傳統(tǒng)種植農(nóng)業(yè)開始向生態(tài)友好農(nóng)業(yè)加速轉(zhuǎn)型。十九大報告強調(diào)經(jīng)濟發(fā)展要注重“提升全要素生產(chǎn)率”概念，倡導(dǎo)加快我國農(nóng)業(yè)綠色發(fā)展進程，2018年“中央一號文件”重申“提高全要素生產(chǎn)率”的要求。綠色發(fā)展和生態(tài)振興已成為新時代農(nóng)業(yè)發(fā)展的方向，同時我國農(nóng)業(yè)綠色發(fā)展也面臨諸多現(xiàn)實挑戰(zhàn)，地膜殘留、化肥農(nóng)藥過度施用、農(nóng)業(yè)機械使用的二氧化碳排放帶來的農(nóng)業(yè)點源及面源污染，致使農(nóng)業(yè)生態(tài)環(huán)境持續(xù)惡化。農(nóng)業(yè)綠色發(fā)展日益受到學(xué)術(shù)界的熱烈討論，與之相關(guān)的研究逐漸成為熱點。

棉花是我國最重要的戰(zhàn)略物資，也是僅次于谷物的第二大農(nóng)作物，而棉花產(chǎn)業(yè)和下游產(chǎn)業(yè)聯(lián)系緊密，對我國經(jīng)濟發(fā)展和社會穩(wěn)定具有重大影響。為了穩(wěn)定棉花生產(chǎn)并保證棉農(nóng)基本收益，于2014年開始實施的棉花目標價格補貼政策以來，棉花單產(chǎn)水平、總體質(zhì)量以及棉花產(chǎn)業(yè)集聚有了明顯提高，政策效果十分顯著。棉花種植生態(tài)環(huán)境同樣面臨巨大威脅，我國棉花主產(chǎn)區(qū)廣泛存在地膜殘留、化肥農(nóng)藥過度施用、土壤板結(jié)、土壤肥力下降等環(huán)境問題，嚴重影響了棉花產(chǎn)業(yè)可持續(xù)發(fā)展。

目前針對農(nóng)業(yè)全要素生產(chǎn)率的研究成果較為豐富，早期的全要素生產(chǎn)率研究多以特定區(qū)域的大農(nóng)業(yè)為研究對象［14］，隨后大量研究開始轉(zhuǎn)向糧食、林果及其他經(jīng)濟作物等［57］。隨著非期望產(chǎn)出理論在農(nóng)業(yè)經(jīng)濟研究領(lǐng)域的應(yīng)用，綠色全要素生產(chǎn)率成為新的研究熱點，大量學(xué)者將環(huán)境因素納入非期望產(chǎn)出，運用數(shù)據(jù)包絡(luò)法、超效率SBM等模型使農(nóng)業(yè)綠色全要素生產(chǎn)率研究更加科學(xué)全面［810］。作為我國最重要的經(jīng)濟作物，棉花的全要素生產(chǎn)率也得到廣泛關(guān)注，初期研究多以一般DEA方法的全國整體、三大棉區(qū)以及各棉花主產(chǎn)省區(qū)域進行研究［1112］，近年來的研究熱點亦開始轉(zhuǎn)向考慮環(huán)境非期望產(chǎn)出因素的棉花綠色全要素生產(chǎn)率并分析其影響因素。多在綠色全要素生產(chǎn)率指數(shù)基礎(chǔ)上采用Tobit模型進行估計，研究結(jié)論較一致：全要素生產(chǎn)率呈波動趨勢，區(qū)域經(jīng)濟發(fā)展水平、棉花人均種植規(guī)模、環(huán)境投資等對棉花全要素生產(chǎn)率有顯著影響［1315］。

鮮有學(xué)者從棉花目標價格政策視角研究棉花綠色全要素生產(chǎn)率，高升等［16］基于時間序列數(shù)據(jù)分析了目標價格政策前后我國棉花生產(chǎn)效率的差異；王利榮［17］采用新疆、河北、山東、安徽四省區(qū)農(nóng)戶棉花目標價格補貼額度調(diào)研數(shù)據(jù)考察棉花目標價格政策對生產(chǎn)效率的影響，丁建國等［18］采用類似調(diào)研數(shù)據(jù)對新疆不同縣域的目標價格影響進行分析得出相同的結(jié)論，目標價格政策對綠色全要素生產(chǎn)率均有顯著的正向影響。但是三位學(xué)者的研究在指標選取方面稍有局限。主要原因是：從目標價格政策實施過程來看，農(nóng)戶獲取的每公頃平均補貼金額取決于每公頃產(chǎn)量，而每公頃產(chǎn)量則是綠色全要素生產(chǎn)率的產(chǎn)出指標。當其他條件不變時，每公頃產(chǎn)量帶來每公頃補貼金額增加，亦引發(fā)綠色全要素生產(chǎn)率同步上升，因而綠色全要素生產(chǎn)率和補貼金額間存在內(nèi)在的產(chǎn)量傳導(dǎo)關(guān)系，也就是說采用補貼金額反映棉花目標價格政策對棉花綠色全要素生產(chǎn)率的影響存在明顯的內(nèi)生性問題。

棉花目標價格政策在保證棉花生產(chǎn)穩(wěn)定基礎(chǔ)上是否對該產(chǎn)業(yè)的綠色發(fā)展造成影響是本文的關(guān)注重點。研究選取了我國2005—2021年12個棉花主產(chǎn)省的棉花投入產(chǎn)出數(shù)據(jù)，測算了各省份棉花綠色全要素生產(chǎn)率的M指數(shù)，在控制其他變量基礎(chǔ)上，運用Tobit模型考察目標價格政策對棉花綠色全要素生產(chǎn)率的影響。本文將棉花目標價格補貼政策實施情況進行分類，將全額補貼的新疆定義為“3”，參照新疆60%補貼的河北、江蘇等9省份定義為“2”，未實施目標價格政策補貼的山西、陜西定義為“1”。將目標價格政策實施情況分為無、部分、全部的定性分類方法來考察目標價格政策對棉花綠色全要素生產(chǎn)率的影響。

1棉業(yè)綠色全要素生產(chǎn)率測度及分析

1.1Malmquist指數(shù)

1.2指標選取及變量說明

1.2.1指標選取

中國的棉花產(chǎn)量居于世界首位，主要種植地區(qū)有新疆、甘肅、河北、山東、山西、河南、陜西、安徽、江西、江蘇、湖南、湖北等12個省份。本文采用2005—2021年間的面板數(shù)據(jù)，其數(shù)據(jù)來源于2006—2022年《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《全國農(nóng)產(chǎn)品成本收益資料匯編》及各地區(qū)統(tǒng)計年鑒、統(tǒng)計局網(wǎng)站，選擇了棉花投入和產(chǎn)出兩類指標。土地投入指標為土地費用，勞動力投入選擇家庭用工天數(shù)和雇工天數(shù)之和計算，農(nóng)業(yè)資本投入為棉花種植過程中的化肥數(shù)量、每公頃農(nóng)藥費用、農(nóng)膜費用、機械費用及其他費用［6］。棉花單產(chǎn)、二氧化碳排放量、勞動力投入、化肥投入、農(nóng)藥投入、農(nóng)膜投入均采用每公頃平均投入數(shù)量，為消除年份間的價格影響，費用類指標均以2005年基期價格水平測算［21］，以保證數(shù)據(jù)的可獲得性和測算結(jié)果的準確性。

期望產(chǎn)出指標為棉花單產(chǎn)，非期望產(chǎn)出為棉花生產(chǎn)過程的碳排放量，具體指標選擇情況如表1所示。

1.2.2非期望產(chǎn)出

1.3綠色全要素生產(chǎn)率測算結(jié)果與分解分析

本文使用Deap2.1軟件對中國12個棉花主產(chǎn)省2005—2021年的棉花投入產(chǎn)出數(shù)據(jù)進行棉花綠色全要素生產(chǎn)率的Malmquist指數(shù)測算及分解，并根據(jù)結(jié)果分析棉花綠色全要素生產(chǎn)率的變化情況。

如圖1所示，2005—2021年間我國棉花綠色全要素生產(chǎn)率略有波動且增速度較緩慢，技術(shù)效率、技術(shù)進步，以及規(guī)模效率有略微下降，表明技術(shù)效率和規(guī)模效率出現(xiàn)的負增長阻礙了棉區(qū)綠色全要素生產(chǎn)率的提升。2007—2008年間我國棉花主產(chǎn)區(qū)總體的綠色全要素生產(chǎn)率達到峰值為1.359，同年的技術(shù)效率也達到最大值1.013。2008—2009年技術(shù)效率和規(guī)模效率均達到最大值，二者均呈現(xiàn)“M”型增長。我國棉區(qū)技術(shù)效率和技術(shù)進步的雙重驅(qū)動能提高棉區(qū)綠色化發(fā)展水平，而技術(shù)進步的均值大于技術(shù)效率變化，表明技術(shù)進步會引起綠色全要素生產(chǎn)率的變動，同時規(guī)模效率不高導(dǎo)致綠色全要素生產(chǎn)率下滑。

從基于時間維度的綠色全要素生產(chǎn)率來看，2005—2010年間我國棉區(qū)綠色全要素增長率呈現(xiàn)“W”型波動，隨著2007年首次提出生態(tài)發(fā)展觀，綠色全要素生產(chǎn)率的上升趨勢推動了棉花產(chǎn)業(yè)綠色化發(fā)展，但并未能一直保持在增長狀態(tài)。2011年純技術(shù)效率、規(guī)模效率、綠色全要素生產(chǎn)率達到1.000，三者呈現(xiàn)波動性變化趨勢。2011—2013年間實施了棉花臨時收儲政策，棉花數(shù)量有了明顯的增長，種植規(guī)模逐漸擴大，2015年后規(guī)模效率由0.868增加到1.024，平均增長率約為3.300%。2019年我國棉花綠色全要素增長率再次達到最大值1.104。2014年取消臨時收儲政策開始實行目標價格改革旨在促進棉農(nóng)增收。2015—2021年，純技術(shù)效率和綠色全要素生產(chǎn)率出現(xiàn)了反變化關(guān)系，規(guī)模效率稍有下降趨勢，2021年綠色全要素生產(chǎn)率達到0.956。

如表3所示，從基于省份維度的綠色全要素生產(chǎn)率來看：西北內(nèi)陸棉區(qū)的新疆和甘肅總體類似，綠色全要素生產(chǎn)率呈現(xiàn)“W”型周期波動增長趨勢，綠色全要素生產(chǎn)率的平均值分別為1.03和0.98，均在2021年達到最大值1.09和1.49。其中分解結(jié)果顯示技術(shù)進步呈下降趨勢，純技術(shù)效率和規(guī)模效率在提高；黃河流域的河北和河南省綠色全要素生產(chǎn)率在2008年均達到最大值分別為1.73和1.85，山東省在2021年達峰值1.84，陜西在2018年達到峰值1.41，山西省綠色全要素生產(chǎn)率增長情況較穩(wěn)定無明顯變化，綠色全要素生產(chǎn)率約為1.03；長江流域的江蘇、湖北、安徽省綠色全要素生產(chǎn)率保持在上升趨勢，峰值分別為1.38，1.34，1.92，湖南省在2015年達到最大值1.30后有了明顯下降，江西省在2011—2019年綠色全要素生產(chǎn)率連續(xù)出現(xiàn)下滑，平均綠色全要素生產(chǎn)率為1.00。

2目標價格政策影響的Tobit模型分析

2.1面板Tobit模型

Tobit模型也叫做受限因變量模型，最早由Tobin提出，其特點為方程含有一定的約束條件，并且為連續(xù)變量。M指數(shù)測算得到的綠色全要素生產(chǎn)率值為離散變量，本文通過歸一化處理將其變?yōu)榻財嘧兞恳詽M足Tobit模型的條件，模型構(gòu)建如式（6）所示。

2.2數(shù)據(jù)來源與指標選取

2014年國家對新疆棉區(qū)開始進行目標價格改革，按照逐年制定目標價格的方法補貼；根據(jù)查閱其他省份棉花補貼的地方政策，河北、江蘇、安徽、江西、山東、河南、湖北、湖南、甘肅九個省參照新疆補貼標準的60%進行補貼；山西和陜西無補貼。棉花目標價格政策旨在穩(wěn)定棉花生產(chǎn)，注重提質(zhì)增效保障棉花供給，在棉花播種面積穩(wěn)定的條件下提高綠色全要素生產(chǎn)率。通過市場交易價格和棉花目標價格補貼確定單位面積補貼標準，棉花種植面積與補貼金額呈現(xiàn)正向變動關(guān)系，棉農(nóng)為保證盡可能獲得多的補貼會增加投入要素提升技術(shù)效率，或采納新技術(shù)使生產(chǎn)技術(shù)由傳統(tǒng)方式走向現(xiàn)代化發(fā)展，調(diào)整棉花生產(chǎn)結(jié)構(gòu)有助于推廣機械作業(yè)提高規(guī)模效率，棉花目標價格政策引起技術(shù)效率、技術(shù)進步、規(guī)模效率變動共同影響棉花綠色全要素生產(chǎn)率改變，但棉花目標價格政策是否是影響綠色全要素生產(chǎn)率的重要因素是本文考察的重點內(nèi)容。

國家自2014年開始實施棉花目標價格改革，各地目標價格補貼額度存在差異，本文研究棉花目標價格改革對綠色全要素生產(chǎn)率的影響采用了2005—2021年12省份的面板數(shù)據(jù)。核心解釋變量為棉花目標價格政策，將無補貼的地區(qū)定義為1；將新疆全額補貼定義為3；其他為部分補貼的地區(qū)定義為2。通過將棉花目標價格政策定義為分類變量以消除內(nèi)生性，更好地反映目標價格政策的執(zhí)行程度對綠色全要素生產(chǎn)率的影響?？刂谱兞窟x擇區(qū)域經(jīng)濟發(fā)展水平、棉花人均種植規(guī)模、棉花每公頃收益以及地區(qū)環(huán)境投資額，參考前人的研究［1719， 2223］，本文認為棉花人均種植規(guī)模對綠色全要素生產(chǎn)率有正向影響，人均種植規(guī)模更加利于開展機械化作業(yè)提升規(guī)模效率，引起綠色全要素生產(chǎn)率增加；棉花每公頃收益越多棉農(nóng)可能會增加棉田的投入要素提升綠色全要素生產(chǎn)率；地區(qū)環(huán)境投資額表現(xiàn)為地區(qū)對農(nóng)業(yè)環(huán)境的投資力度，對農(nóng)業(yè)環(huán)境污染治理能力越強，農(nóng)業(yè)生產(chǎn)中污染越小，因此預(yù)期方向為正。區(qū)域經(jīng)濟發(fā)展水平可能導(dǎo)致農(nóng)業(yè)地位降低，也可能加大對農(nóng)業(yè)科技的投入力度，因此對綠色全要素生產(chǎn)率的影響無法確定。指標選取情況如表4所示。

2.3描述性統(tǒng)計分析

表5為棉業(yè)綠色全要素生產(chǎn)率及影響因素的描述性統(tǒng)計，通過對比發(fā)現(xiàn)各省份和年份之間的影響因素存在明顯差異。

在計算時為了便于模型估計，對控制變量的數(shù)值取其自然對數(shù)處理。

2.4Tobit模型回歸結(jié)果與分析

2.4.1多重共線性檢驗

為保證模型估計的準確性，通過VIF檢驗對自變量進行多重共線性檢驗，得到VIF的平均值為1.310，結(jié)果說明自變量之間不存在多重共線性問題，模型構(gòu)建良好。

2.4.2模型結(jié)果及分析

考慮到模型的穩(wěn)健性以及異方差和序列自相關(guān)的影響，本研究選用Tobit模型為主，最小二乘法、廣義矩估計等方法為參考模型，各模型估計結(jié)果無明顯差異，模型估計及檢驗結(jié)果如表6所示。

目標價格政策能正向影響棉花綠色全要素生產(chǎn)率，但影響效果不顯著；控制變量中棉花人均種植規(guī)模、棉花每公頃收益、地區(qū)環(huán)境投資額均在1%的顯著性水平上正向影響棉花綠色全要素生產(chǎn)率，區(qū)域經(jīng)濟發(fā)展水平每提高1%，棉花綠色全要素生產(chǎn)率會提升2.3%，并且這種正向影響在5%的水平上顯著。

1） 目標價格政策對綠色全要素生產(chǎn)率的提升無顯著影響。這與前人的研究不一致。從產(chǎn)出（期望產(chǎn)出）角度來看，棉農(nóng)都希望自身的產(chǎn)量值達到最大，目標價格改革在一定程度上促進了棉農(nóng)的投資行為，當投資增加，棉花生產(chǎn)帶來的碳排放量（非期望產(chǎn)出）也會增加，同時降低期望產(chǎn)出，所以目標價格政策產(chǎn)生了溢出效應(yīng)，使得棉農(nóng)為了提高收入而增加投資力度，從邊際效益遞減規(guī)律得知，產(chǎn)出增長幅度小于投資力度。和沒有目標價格政策的區(qū)域相比，棉花綠色全要素生產(chǎn)率并無顯著差異。

2） 區(qū)域經(jīng)濟發(fā)展水平和棉花每公頃收益均在1%的水平上對棉花綠色全要素生產(chǎn)率有顯著的積極影響，區(qū)域經(jīng)濟發(fā)展水平和棉花每公頃收益每提高1%，棉花綠色全要素生產(chǎn)率分別會提升0.02%和0.03%。二者共同促進了棉花綠色化發(fā)展，也關(guān)系著土地資源、人力資源科技的合理利用程度，從而提升棉花產(chǎn)區(qū)的經(jīng)濟和生態(tài)效益。

3） 棉花人均種植規(guī)模能顯著拉動綠色全要素生產(chǎn)率。棉花人均種植規(guī)模每提升1%，棉花綠色全要素生產(chǎn)率會提升0.01%。綠色化發(fā)展不能僅憑一家一戶，更需要連片的土地。土地和農(nóng)用物資的集約能最大化發(fā)揮效用，有利于管理人員和科技人員的專業(yè)化和精簡，并且統(tǒng)一購入農(nóng)用物資還可以降低單位成本，以減少投入費用的方式，提高棉花主產(chǎn)區(qū)綠色全要素生產(chǎn)率。

4） 地區(qū)環(huán)境投資力度越大，棉業(yè)綠色全要素生產(chǎn)率越高。這種影響在1%的水平上顯著性，并且地區(qū)環(huán)境投資力度每提升1%，棉花綠色全要素生產(chǎn)率能提升0.03%。碳排放已經(jīng)成為一個熱點話題，我國的政策大多表現(xiàn)在污染治理和約束碳排放，政府的投資在一定程度上能促進地區(qū)采用綠色生產(chǎn)方式，減少棉花生產(chǎn)中的碳排放和污染，促進綠色全要素生產(chǎn)率的提升。

2.4.3穩(wěn)健性檢驗

本文從以下三方面進行穩(wěn)健性檢驗：Tobit Ⅳ為隨機刪去一年的樣本重新估計結(jié)果；TobitⅤ為刪截因變量上下1%部分作縮尾處理的重新估計結(jié)果；Tobit Ⅵ為去除三個部分補貼的省份進行回歸的結(jié)果。如表7所示，三種穩(wěn)健性檢驗結(jié)果均與原模型結(jié)果相似，研究結(jié)果較穩(wěn)健。

3結(jié)論

采用同期目標價格政策實施程度的不同省份面板數(shù)據(jù)，比相同地區(qū)政策實施前后的0-1變量衡量更準確；同時對目標價格政策采用三分類定性變量重新定義，彌補了已有研究中采用農(nóng)戶補貼金額衡量目標價格政策考察全要素生產(chǎn)效率時存在明顯內(nèi)生性的問題，更科學(xué)地衡量了政策本身是否對棉花綠色全要素生產(chǎn)率產(chǎn)生影響。

1） 通過Malmquist指數(shù)測算得出我國棉花綠色全要素生產(chǎn)率均值為1.024，2008—2009年間出現(xiàn)波谷數(shù)值0.71隨即開始上升，全要素生產(chǎn)率在2009年出現(xiàn)最大值1.359，2021年出現(xiàn)最小值0.956，2005—2021年間綠色全要素生產(chǎn)率整體呈現(xiàn)“W”型變動趨勢，表明我國棉業(yè)綠色發(fā)展狀況在逐漸向好發(fā)展但穩(wěn)定性欠佳。西北內(nèi)陸棉區(qū)中甘肅省棉花綠色全要素生產(chǎn)率最高為1.49，黃河流域棉區(qū)中山東省棉花綠色全要素生產(chǎn)率最高為1.84，長江流域棉區(qū)中安徽省棉花綠色全要素生產(chǎn)率最高為1.92。綠色實行棉花收儲政策之前呈現(xiàn)“N”型變化趨勢；實行棉花收儲政策時綠色全要素生產(chǎn)率略有降低；實行目標價格政策后稍有上升趨勢但不明顯。純技術(shù)效率和技術(shù)進步帶動了綠色全要素生產(chǎn)率的提升，規(guī)模效率在一定程度上未達到最優(yōu)狀態(tài)，遏制了棉業(yè)綠色全要素生產(chǎn)率的提高，阻礙整體綠色化發(fā)展。通過分省測算結(jié)果表明，江西省在2010年達到最快增長速度，河南省在2009年出現(xiàn)綠色全要素生產(chǎn)率水平劇烈下滑。

2） 目標價格政策的實施未能促進綠色全要素生產(chǎn)率的顯著提升。目標價格政策在保障農(nóng)戶基本收益的同時提高棉花單產(chǎn)，農(nóng)戶更愿意對棉花投資導(dǎo)致增施化肥帶來的非期望產(chǎn)出增多，另外由于邊際效益遞減規(guī)律，產(chǎn)出增長幅度小于投資幅度使綠色全要素生產(chǎn)率下降更快。本研究采用類別變量反映目標價格的程度，研究結(jié)果顯示目標價格政策的執(zhí)行程度對綠色全要素生產(chǎn)率的影響無顯著差異。區(qū)域經(jīng)濟發(fā)展水平、棉花每公頃收益、棉花人均種植規(guī)模和地區(qū)環(huán)境投資力度均對棉業(yè)綠色全要素生產(chǎn)率產(chǎn)生顯著的正向影響。區(qū)域經(jīng)濟發(fā)展水平和棉花每公頃收益的提升為棉業(yè)綠色化發(fā)展提供了經(jīng)濟基礎(chǔ)；擴大棉花經(jīng)營規(guī)模能解決昂貴的人工費用，同時又能為棉農(nóng)增收提供現(xiàn)實保障；加大環(huán)境投資力度能夠約束棉農(nóng)行為，提升綠色全要素生產(chǎn)率。

參考文獻

［1］劉洋， 吳育華. 中國農(nóng)業(yè)全要素生產(chǎn)率變動： 1995—2005［J］.中國農(nóng)機化， 2008（6）： 41-44.Liu Yang， Wu Yuhua. Total factor productivity change in Chinas agriculture industry： 1995-2005 ［J］. Chinese Agricultural Mechanization， 2008（6）： 41-44.

［2］劉春明， 陳旭. 我國糧食生產(chǎn)技術(shù)效率及影響因素研究——基于省際面板數(shù)據(jù)的Translog-SFA模型的分析［J］. 中國農(nóng)機化學(xué)報， 2019， 40（8）： 201-207.Liu Chunming， Chen Xu. Study on technical efficiency and influencing factors of grain production in China： Analysis of Translog-SFA model based on interprovincial panel date ［J］. Journal of Chinese Agricultural Mechanization， 2019， 40（8）： 201-207.

［3］余泳澤. 異質(zhì)性視角下中國省際全要素生產(chǎn)率再估算： 1978—2012［J］. 經(jīng)濟學(xué)（季刊）， 2017， 16（3）： 1051-1072.Yu Yongze. Estimation of total factor productivity in China from the perspective of heterogeneity： 1978—2012 ［J］. China Economic Quarterly， 2017， 16（3）： 1051-1072.

［4］張利國， 鮑丙飛. 我國糧食主產(chǎn)區(qū)糧食全要素生產(chǎn)率時空演變及驅(qū)動因素［J］. 經(jīng)濟地理， 2016， 36（3）： 147-152.Zhang Liguo， Bao Bingfei. Empirical analysis on spatio-temporal evolution and driving forces of food total factor production in major grain producing areas of our country ［J］. Economic Geography， 2016， 36（3）： 147-152.

［5］方國柱， 祁春節(jié)， 雷權(quán)勇. 我國柑橘全要素生產(chǎn)率測算與區(qū)域差異分析——基于DEA-Malmquist指數(shù)法［J］. 中國農(nóng)業(yè)資源與區(qū)劃， 2019， 40（3）： 29-34.Fang Guozhu， Qi Chunjie， Lei Quanyong. Calculation of total factor productivity of citrus in China and the difference of region—Based on the DEA-Malmquist index method ［J］.Chinese Journal of Agricultural Resources and Regional Planning， 2019， 40（3）： 29-34.

［6］李學(xué)林， 李隆偉， 董曉波， 等. 云南省糧食全要素生產(chǎn)率分解研究［J］. 農(nóng)業(yè)技術(shù)經(jīng)濟， 2019（10）： 102-113.Li Xuelin， Li Longwei， Dong Xiaobo， et al. A study on decomposition of total factor productivity of grain in Yunnan Province ［J］. Journal of Agrotechnical Economics， 2019（10）： 102-113.

［7］楊雪， 何玉成， 閆桂權(quán). 碳排放約束下中國大豆全要素生產(chǎn)率增長與分解［J］. 大豆科學(xué)， 2019， 38（3）： 460-468.Yang Xue， He Yucheng， Yan Guiquan. Growth and decomposition of Chinas soybean total factor productivity under carbon emissions ［J］. Soybean Science， 2019， 38（3）： 460-468.

［8］郭永奇， 侯林岐. 中國糧食主產(chǎn)區(qū)糧食農(nóng)業(yè)綠色全要素生產(chǎn)率測度及影響因素研究［J］. 科技管理研究， 2020， 40（19）： 223-229.Guo Yongqi， Hou Linqi. Study of measurement and influencing factors of green total factor productivity of grain agriculture in main grain producing areas of China ［J］. Science and Technology Management Research， 2020， 40（19）： 223-229.

［9］吳傳清， 宋子逸. 長江經(jīng)濟帶農(nóng)業(yè)綠色全要素生產(chǎn)率測度及影響因素研究［J］. 科技進步與對策， 2018， 35（17）： 35-41.Wu Chuanqing， Song Ziyi. Study on the measurement and affecting factors of agricultural green total factor productivity in the Yangtze River Economic Belt ［J］. Science & Technology Progress and Policy， 2018， 35（17）： 35-41.

［10］紀成君， 夏懷明. 我國農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差異與收斂性分析［J］. 中國農(nóng)業(yè)資源與區(qū)劃， 2020， 41（12）： 136-143.Ji Chengjun， Xia Huaiming. Study on the impact of agricultural science and technology service on agricultural green total factor productivity in china ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（12）： 136-143.

［11］岳會， 于法穩(wěn). 中國棉花綠色全要素生產(chǎn)率研究——基于Malmquist-Luenberger指數(shù)分析［J］. 價格理論與實踐， 2019（10）： 43-47， 166.

［12］陳玉蘭， 王嬌， 魏敬周. 基于DEA模型下新疆棉區(qū)棉花產(chǎn)業(yè)運行效率評價［J］. 江蘇農(nóng)業(yè)科學(xué)， 2016， 44（7）： 558-562.

［13］王曉珍， 鄒鴻輝， 楊拴林， 等. 高技術(shù)產(chǎn)業(yè)R&D全要素生產(chǎn)率變化區(qū)域形態(tài)及影響因素分析［J］. 現(xiàn)代經(jīng)濟探討， 2017（7）： 1-8.

［14］李丹， 曾光， 陳城. 中國柑橘全要素生產(chǎn)率演進及影響因素研究——基于Malmquist-Tobit模型的實證［J］. 四川農(nóng)業(yè)大學(xué)學(xué)報， 2018， 36（1）： 118-124.Li Dan， Zeng Guang， Chen Cheng. Measuring the total factor productivity of citus in China and studying its influence factors—The empirical analysis based on the Malmquist-Tobit method ［J］. Journal of Sichuan Agricultural University， 2018， 36（1）： 118-124.

［15］湯杰新， 唐德才， 吉中會. 中國環(huán)境規(guī)制效率與全要素生產(chǎn)率研究——基于考慮非期望產(chǎn)出的靜態(tài)和動態(tài)分析［J］. 華東經(jīng)濟管理， 2016， 30（8）： 86-93.Tang Jiexin， Tang Decai， Ji Zhonghui. A study on environmental regulation efficiency and total factor productivity in China—Static and dynamic analyses based on consideration of the undesirable outputs ［J］. East China Economic Management， 2016， 30（8）： 86-93.

［16］高升， 鄧峰. 目標價格政策對我國棉花生產(chǎn)效率影響評價研究——基于DEA-Malmquist指數(shù)模型和變系數(shù)模型［J］. 價格理論與實踐， 2019（9）： 54-57.

［17］王利榮. 目標價格補貼政策對棉花生產(chǎn)效率的影響分析［J］.農(nóng)業(yè)經(jīng)濟與管理， 2021（3）： 50-60.Wang Lirong. Effect analysis of target price subsidy policy on cotton production efficiency ［J］. Agricultural Economics and Management， 2021（3）： 50-60.

［18］丁建國， 穆月英. 目標價格政策對棉花全要素生產(chǎn)率的影響分析——以新疆棉區(qū)為例［J］. 北京航空航天大學(xué)學(xué)報（社會科學(xué)版）， 2020， 33（4）： 113-120.Ding Jianguo， Mu Yueying. Impact of target price policy on cotton total factor productivity： A case study of Xinjiang ［J］. Journal of Beijing University of Aeronautics and Astronautics （Social Sciences Edition）， 2020， 33（4）： 113-120.

［19］Hollingsworth B， Dawson P J， Maniadakis N. Efficiency measurement of health care： A review of non-parametric methods and applications ［J］. Health Care Management Science， 1999， 2： 161-172.

［20］Mohtadi H. Environment， growth， and optimal policy design ［J］. Journal of Public Economics， 1996， 63（1）： 119-140.

［21］王智勇. FDI對中國產(chǎn)業(yè)效率的影響——基于1989—2010年地市級面板數(shù)據(jù)的研究［J］. 當代經(jīng)濟科學(xué)， 2015， 37（1）： 87-97， 127.Wang Zhiyong. The effects of FDI on Chinese industrial efficiency—The study based on prefecture-level cities pane data from 1989 to 2010 ［J］. Modern Economic Science， 2015， 37（1）： 87-97， 127.

［22］冉啟英， 周輝. 環(huán)境約束下農(nóng)業(yè)全要素能源效率研究： 基于SBM-TOBIT模型［J］. 經(jīng)濟問題， 2017（1）： 103-109.Ran Qiying， Zhou Hui. Research on agricultural total factor energy efficiency under environmental constraints： Based on SBM-TOBIT model ［J］. On Economic Problems， 2017（1）： 103-109.

［23］Mosier A R， Duxbury J M， Freney J R， et al. Mitigating agricultural emissions of methane ［J］. Climatic Change， 1998， 40： 39-80.