Spatial and temporal changes of total factor productivity in agriculture: A stochastic frontier analysis of China at county level, 1991-2011
JIEMaoshan通讯作者:
收稿日期:2015-12-13
修回日期:2016-04-11
网络出版日期:2016-05-10
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (804KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
关于农业全要素生产率(tatal factor productivity,TFP )的研究已颇为丰富,但在非期望产出,如生态资源和环境破坏等约束条件下的农业全要素生产率研究仍有欠缺。对于非期望产出,在测算全要素生产率时一般有两种方法。第一种是将它当作投入[1,2],另一种是由Chung等提出的利用基于方向距离函数的Malmquist-Luenberger生产率指数的方法[3]。具体来看,国外关于农业TFP的典型研究有:Kumar测算了41个发达国家和发展中国家1971-1992年传统的和环境的全要素生产率[4];Zhou等在考虑碳排放的负产出下测算了1997-2004年世界上前18个碳排放大国的全要素生产率[5];Hoang等在考虑环境要素下提出一种要素导向的全要素生产率指数,并对1993-2003年的30个OECD国家进行了实证测算[6]。国内研究方面:王兵等对资源环境约束下中国30个省份1998-2007年的环境全要素生产率及其影响因素进行实证研究,得出东部地区的全要素生产率和环境全要素生产率高,而中西部则存在全要素生产率和环境全要素生产率的“双重恶化”现象[7];李谷成等对环境规制条件下1978-2008年中国分省的农业TFP增长及其源泉进行实证研究,发现农业TFP有增长,环境技术效率也有所改善[8];薛建良等计算了1990-2008年中国主要农业污染物排放数量和基于环境修正的中国农业全要素生产率,结果表明农业环境污染使农业生产率增长降低0.09%~0.6%[9];潘丹等在考虑水资源和农业面源污染的负产出下测算资源环境约束下中国1998-2009年省级农业全要素生产率及其分解,发现资源环境约束下农业全要素生产率低于传统的全要素生产率,且东部高于中西部[10]。上述研究虽然为本文研究提供了重要启示,但存在以下不足:一是微观尺度的研究相对缺乏,尤其是对中国县域大时间尺度的农业全要素生产率的研究几乎不可见。二是多数文献利用基于方向距离函数的Malmquist-Luenberger生产率指数法处理非期望产出,而将非期望产出作为投入项,利用随机前沿法测算全要素生产率的文献相对较少。这种方法由于参数化的特征便于计算投入对增长的影响,同时对数据误差的敏感性更小。三是尚无利用同一方法和数据对考虑碳排放和不考虑碳排放下全要素生产率的时空差异进行比较研究的文献。基于此,本文在考虑碳排放和不考虑碳排放两种情景下,对1991-2011年中国县级尺度上农业全要素生产率进行比较分析,并对分解项的时空差异进行重点阐述。首先构建了模型测算全要素生产率,然后进行整体的比较分析,再分析其时空特征的差异。本文的主要贡献是首次在县域尺度和长时间跨度上对中国农业全要素生产率进行测算和研究,并与碳排放的条件下的农业生态TFP进行比较分析,具有较强的独创性。
2 研究方法与数据来源
2.1 SFA的测算方法
随机前沿分析法(Stochastic Frontier Analysis,SFA)是利用非确定参数法测算全要素生产率的一种方法,将生产函数的误差分为由于技术非效率导致的管理误差和受不可控随机因素影响的随机误差两部分[11,12]。随着对面板数据的广泛使用,Battese等提出了针对面板数据进行随机前沿分析的BC模型[13]。该模型认为技术效率随着时间变化而变化,管理误差项呈截尾正态分布,模型具体表达为:式中:i为第i个生产单元;t为时间;
模型中误差方差之和为
2.2 模型建立
根据Solow全要素增长率的经典公式[14]:根据Kunbhakar等的研究,对式(3)进行整理,得到全要素生产率的一般分解[15,16]:
式中:
式(4)的等式右边由四项组成,第一项为前沿技术进步率(frontier technological progress,FTP),代表要素投入不变的情况下,产出随时间的增长率。
第二项为规模效率(scale efficiency,SE),表示在其他条件不变的情况下,产出的增长率大于要素投入增长率的倍数。
其中,要素的产出弹性为:
第三项为配置效率(allocative efficiency,AE),衡量要素弹性结构偏离要素成本结构的程度,也反映要素投入结构调整对全要素生产率的影响。要素对产出的增长贡献一般有两种方法求得:一是在完全竞争市场和规模报酬不变假设下,以要素报酬占净产出的比重作为其近似值,另一种是通过建立生产函数模型,用估计出的产出弹性作为其近似值。在实证研究中,由于价格信息难以获取,一般采用后一种方法做近似估计。
第四项为技术效率变化率(technical efficiency change,TEC),衡量技术效率随时间的增长率。
采用超越对数(Translog)生产函数,模型具体形式为
式中:j代表不同的投入要素;β为待估计参数。
使用随机前沿生产函数前需要对对其有效性进行相关检验。为此,设定5个零假设,采用最大似然比的方法进行假设检验,如表1所示。
Tab.1
表1
表1SFA模型假设检验
Tab.1Hypotheses for SFA model
序号 | 原假设 | 公式表达 |
---|---|---|
1 | 随机前沿函数模型不适用 | |
2 | 相对前沿技术效率不存在时变性 | |
3 | 不存在前沿技术进步 | |
4 | 技术进步为中性 | |
5 | C-D生产函数更适合 |
新窗口打开
2.3 变量选择与数据处理
采用广义的农林牧渔总产值作为农业生产的产出项。农业生产投入一般包括四类要素:一是农业劳动力投入,用农林牧渔业劳动力表示,与农林牧渔总产值均为大农业口径;二是农业土地投入,用农业播种总面积和水产养殖面积加总的农业土地面积表示;三是农业资本投入,用农业机械总动力表示;四是中间投入,用化肥使用量表示。这4项为不考虑碳排放的模型(模型一)的自变量,对于考虑碳排放的模型(模型二),参考陈诗一的研究方法,增加碳排放作为投入要素[17]。碳排放总量的计算公式为:式中:E为农业总碳排放;
一般而言,农业生产的碳排放主要来源为:一是化肥、农药和农膜等农业投入品的生产和使用;二是牲畜的肠道发酵和粪便排泄;三是农业生产中农业机械对化石燃料的消耗。基于上述分析,同时考虑数据的可得性,本文选择化肥、农药、农膜、牛、羊、猪和农业机械总动力,作为农业碳排放的碳源,并利用参数法估计其各自的碳排放量,从而得出农业总碳排放量。碳源的碳排放系数参考IPCC和相关研究,具体如表2所示[22]。
Tab.2
表2
表2农业主要碳源的碳排放系数及参考来源
Tab.2Coefficients of agricultural carbon sources and reference sources
碳源 | 碳排放系数 | 单位 | 来源 |
---|---|---|---|
化肥 | 0.8956 | kg·kg-1 | 美国橡树岭国家实验室 |
农药 | 4.9341 | kg·kg-1 | 美国橡树岭国家实验室 |
农膜 | 5.18 | kg·kg-1 | IREEA南京农业大学农业资源与生态环境研究所 |
牛 | 301.44 | kg /(head | 美国橡树岭国家实验室 |
羊 | 34.1 | kg /(head | 美国橡树岭国家实验室 |
猪 | 35.2594 | kg /(head | 美国橡树岭国家实验室 |
农业机械总动力 | 0.18 | kg/kW | West[23] |
新窗口打开
数据来源于中国县域农业社会经济数据库,碳排放的数据由基础数据计算得到。在数据处理上,农林牧副渔总产值为当年价,采用农业总产值指数,将历年的农业总产值折算到以1990年为基准的不变价。对于数据中的异常值和缺失值,采用平均值法和线性趋势法修正,若无法有效处理则删除样本以保证数据完整。需要说明的是,由于县级行政单元历年变动很大,因此本文对数据进行了匹配调整,剔除数据缺失的行政单元,最终以2183个县级行政单元作为分析基础数据,如表3所示。经多重共线性检验,变量间不存在共线性。
Tab.3
表3
表31991-2011年变量数据描述性统计
Tab.3Descriptive statistics of variables from 1991 to 2011
统计量 | 农林牧渔总产值(万元) | 农业劳动力(人) | 总播种面积(hm2) | 农业机械总动力(kW) | 化肥使用量(t) | 碳排放(t) |
---|---|---|---|---|---|---|
最大值 | 593075 | 953410 | 474026 | 2900101 | 335128 | 577041 |
中位数 | 47820 | 102500 | 51808 | 137414 | 11482 | 35476 |
平均数 | 70567 | 128677 | 65111 | 227962 | 18430 | 46077 |
最小值 | 1 | 1 | 1 | 3 | 1 | 83 |
标准差 | 70883 | 107557 | 53983 | 271538 | 22226 | 40143 |
样本数 | 45843 | 45843 | 45843 | 45843 | 45843 | 45843 |
新窗口打开
3 结果分析
3.1 估计结果
随机前沿模型的检验的结果如表4所示,两个模型的参数估计均在1%的显著水平下显著,因此拒绝零假设,采用超越对数随机前沿生产函数是合适的。Tab.4
表4
表4SFA模型假设检验结果
Tab.4Result of hypotheses for SFA model
零假设 | 自由度 | LR值 | 检验结论 | ||||
---|---|---|---|---|---|---|---|
模型一 | 模型二 | 模型一 | 模型二 | ||||
(1) | 2 | 2 | 710.1*** | 2399.6*** | 拒绝H0 | ||
(2) | 1 | 1 | 10.7*** | 66.0*** | 拒绝H0 | ||
(3) | 5 | 6 | 141.6*** | 541.1*** | 拒绝H0 | ||
(4) | 4 | 5 | 138.4*** | 255.7*** | 拒绝H0 | ||
(5) | 15 | 21 | 1911.4*** | 4569.3*** | 拒绝H0 |
新窗口打开
两个模型的估计结果如表5所示,大多数变量的影响系数在1%的显著性水平下显著,并且单边偏误似然比检验值符合混合卡方分布,说明模型整体估计效果较好。模型二的变量中仅有与农业机械有关的ln_mach、ln_sm和tln_mach三个变量在10%的显著水平下不显著,其余变量均显著。对比模型一,有如下不同:第一,新增的碳排放系数为负,且在1%的置信水平下显著,意味着碳排放对农业产出具有显著的负向影响。第二,劳动力、土地投入对产出的影响系数降低,而化肥投入的影响系数增强,说明在考虑碳排放的情况下,化肥对产出的影响增强。这是因为化肥作为一种投入要素,在一定程度上提升产出的同时,也会产生碳排放。第三,新增了与农业机械相关的ln_sm和tln_mach两个不显著变量,而与化肥相关的变量的显著性则增强,如ln_lf、ln_mf、tln_f,这也说明化肥对产出影响的增强。第四,含碳模型的γ为0.77,且在1%的置信水平下显著,比不含碳的γ值0.764高。这说明在考虑碳排放的条件下,中国农业生产的技术非效率水平更高,技术非效率解释模型误差的程度更高。第五,η等于0.00413,比不含碳模型的0.0068低,意味着技术效率每年降低0.41%,比不含碳模型低了0.27%。
Tab.5
表5
表5SFA模型变量影响系数估计结果
Tab.5Estimated results of variable influencing coefficients of SFA model
变量 | 模型一(不含碳) | 模型二(含碳) |
---|---|---|
t | 0.0324861*** | 0.0325817*** |
ln_labor | 0.4721839*** | 0.3307102*** |
ln_sow | 0.2651815*** | 0.2573986*** |
ln_mach | 0.0184332 | -0.0107921 |
ln_fert | 0.1207823*** | 0.4081773*** |
ln_carb | n/a | -0.2486651*** |
t2 | -0.0018517*** | -0.000753*** |
ln_labor2 | 0.0191562*** | 0.021111*** |
ln_sow2 | 0.0369929*** | 0.0231771*** |
ln_mach2 | 0.011475*** | 0.0107546*** |
ln_fert2 | 0.0206027*** | 0.0055238*** |
ln_carb2 | n/a | 0.0128299*** |
ln_ls | -0.0499344*** | -0.0526316*** |
ln_lm | -0.0145748*** | -0.0199142*** |
ln_lf | -0.0052396* | -0.0153826*** |
ln_lc | n/a | 0.0276511*** |
ln_sm | -0.0061255** | -0.00106 |
ln_sf | -0.0233424*** | 0.0065757*** |
ln_sc | n/a | -0.0049919* |
ln_mf | 0.0010222 | -0.0032592** |
ln_mc | n/a | 0.0097969*** |
ln_fc | n/a | -0.0247946*** |
tln_labor | 0.0011279*** | 0.0031423*** |
tln_sow | 0.0036057*** | 0.0012476*** |
tln_mach | 0.0014285*** | 0.0003381 |
tln_fert | 0.0003411 | 0.0007519** |
tln_carb | 0.0011279*** | -0.0021669*** |
_cons | 4.20643*** | 5.691403*** |
mu | 2.628428*** | 3.114244*** |
eta | -0.0067637*** | -0.0041398*** |
lnsigma2 | -0.9874583*** | -0.9293078*** |
ilgtgamma | 0.6267092*** | 1.233698*** |
sigma2 | 0.3725223 | 0.3948269 |
gamma | 0.7636884 | 0.7744651 |
sigma_u2 | 0.2427888 | 0.3057797 |
sigma_v2 | 0.1297335 | 0.0890472 |
Log likelihood | -21917.915 | -15995.984 |
Prob>chi2 | 0.0000 | 0.0000 |
新窗口打开
3.2 增长贡献核算
1992-2011年,中国农业总产值的增长中,农业生态TFP贡献了4.47%,占整体增长的54.9%,比传统TFP的增长贡献份额58.5%低了3.6%(表6)。这说明考虑碳排放下,农业TFP对产出增长的贡献有所降低。要素投入贡献了另外的45.1%,其中化肥贡献最大,再次是农业机械、碳排放、土地和劳动力。相比于不考虑碳排放时,增加了碳排放作为正向的投入要素,TFP、劳动力、土地和化肥投入的贡献份额有所降低,农业机械贡献份额则有所提升。表明产生碳排放的投入,整体而言对中国农业生产长期以来具有重要的正向影响。Tab.6
表6
表61992-2011年中国农业生产总值增长核算(%)
Tab.6Green growth accounting of gross agricultural production in China from 1992 to 2011 (%)
模型 | 项目 | 农业总产值增长率 | TFP增长率 | 要素投入的贡献 | ||||
---|---|---|---|---|---|---|---|---|
劳动力 | 土地 | 农业机械 | 化肥 | 碳排放 | ||||
模型一 | 贡献系数 | 8.14 | 4.76 | 0.33 | 0.56 | 0.9 | 1.58 | - |
贡献份额 | 100 | 58.5 | 4.1 | 6.8 | 11.2 | 19.4 | - | |
模型二 | 贡献系数 | 8.14 | 4.47 | 0.29 | 0.49 | 0.93 | 1.05 | 0.90 |
贡献份额 | 100 | 54.9 | 3.6 | 6.0 | 11.5 | 12.9 | 11.1 |
新窗口打开
1992-2011年,碳约束下中国县域农业生态TFP年平均增长4.47%,低于非生态TFP年均增长率4.76%。生态TFP整体也呈波动下降趋势,平均每年降低0.16%,低于非生态TFP的0.21%(图1)。具体来看,生态TFP的变动整体上可以分为三个阶段:第一阶段为1992-1996年,农业生态TFP降幅较低,1992年为5.88%,1996年为5.81%,年平均下降为0.02%。第二阶段为1997-2001年,生态TFP降幅加快,年平均下降0.1%,到2001年为4.8%。第三阶段为2002-2011年,生态TFP下降进一步加快,年平均降幅为达到0.18%,到2011年为2.74%。与不考虑碳排放的情况相比,生态TFP整体上更低,除了2011年稍高以外,其余年份都低于非生态TFP,但两者的差距有缩小的趋势,直至生态TFP超过非生态TFP。这表明:一方面,考虑碳排放的情况下,农业TFP整体上应有所降低,以抵消农业生产中对生态环境带来的负面影响;另一方面,随着农业生产水平的提升,要素投入更为科学高效,其对产出带来的正向效应越来越强,而造成碳排放的负面效应则相对缩减,虽然总体上长期是负面效应占主导,但随着两者差距的缩小,总体的负面效应逐渐减少,直至呈现正面效应占优的结果。
显示原图|下载原图ZIP|生成PPT
图11992-2011年不考虑碳约束与碳约束下中国农业TFP及分解项变动对比(注:CSE、CAE、CFTP、CTEC和CTFP分别代表碳约束下的SE、AE、FTP、TEC和TFP)
-->Fig. 1Comparison of agricultural TFP and its decompositions between modes considering carbon emission and not in China from 1992 to 2011
-->
从分解项来看,碳排放对农业TFP中技术效率变化率的影响不大,对规模效率、配置效率和前沿技术进步率的影响比较明显,但由于前两者对农业TFP的贡献较小,技术进步率仍然是农业生态TFP的主要驱动因素。它由1992年的6.7%降至2011年的3.8%,降幅为43.3%,小于不考虑碳排放下的50.6%。1992-2002年,碳约束下的前沿技术进步率小于不考虑碳约束下的前沿技术进步率,但两者差距在逐年减少;2003-2011年,前者开始反超,并且差距呈逐年扩大的趋势。这驱动了生态TFP与传统TFP差距的缩小,并最终超过后者。由此可见,近年来随着技术进步的加快、科学种植的推广以及对农业生态问题的重视,尤其是对农业生产中化肥使用量的控制,农业生产的碳排放强度增长势头得到遏制。
3.3 空间变化
针对生态TFP与传统TFP的差别与不同,通过计算农业技术效率和TFP在考虑碳排放前后的差额,以揭示碳排放对农业技术效率和TFP及其空间分异的影响。由于规模效率和配置效率有正有负,用差额法无法有效比较,故仅分析技术效率、技术效率变化率、前沿技术进步率和全要素生产率这4项。3.3.1 技术效率比较(TE) 中国县域农业生态技术效率与传统技术效率的差几乎都为负(图2)。这说明在考虑碳排放影响下,中国县域农业生产的技术效率都有所下降。从下降的幅度来看,传统技术效率较高的东部沿海地区下降最多,其次是东部其余的农业生产优势区,而中部的安徽、江西、湖南南部、东部局部和除四川盆地外的广大西部地区降幅较小。碳排放对技术效率负向影响的空间差异源于农业生产中碳排放量的差异,传统技术效率高的地区大量使用机械、化肥、农药等碳源性投入,中西部传统技术效率相对落后的农业区使用的碳源性投入较少。因此,剔除碳排放的负面效应后,前者技术效率下降的幅度较大,而后者下降幅度较小。
显示原图|下载原图ZIP|生成PPT
图21992年、2001年和2011年中国县域农业生态TE与传统TE差额空间分布
-->Fig. 2Spatial distribution of the difference between ecological TE and traditional TE of agriculture at county level of China in 1992, 2001 and 2011
-->
值得注意的是,这3个年份都仅有浙江嵊泗县的生态技术效率高于传统技术效率,约高出0.04,说明在考虑碳排放的生态副作用下,嵊泗县的技术效率不降反升。这是因为嵊泗县作为一个海岛线,其99%的农业生产总值来自于渔业,而渔业作为捕捞、养殖和加工形成产出的经济部门,化肥、机械和农药等投入少,整个生产过程生态低碳,所以增加碳排放作为投入项,对技术效率的正面效应大于负面效应。
3.3.2 农业TFP及分解项比较 (1)前沿技术进步率(FTP)。1992-2011年,碳约束下中国绝大部分的县域单元的农业生态FTP低于传统FTP,仅有个别县前者更高,说明碳排放实际上消减了一部分的农业技术进步(图3)。从差额的大小来看,农业种植优势区的生态FTP低于传统FTP的幅度最小,包括新疆大部分地区和胡焕庸线以东南的地区,而差额较大的地区主要分布在西部地区,包括内蒙古西部、青海西南部、西藏南部地区等。2001年和2011年的整体空间格局与1992年的相一致,但是生态FTP与传统FTP差额在缩小,且前者大于后者的地区个数大幅增多,主要分布在黄河中上游流域、长江流域和珠江流域。这种空间分异及其变化表明:第一,中国县域农业生态FTP整体上小于传统FTP,碳排放消减了一部分技术进步;第二,生态FTP大于传统FTP的地区主要出现在长江和黄河流域的部分农业生产区,并且有增多的趋势;第三,西部农业非优势区的生态FTP小于传统FTP,且差额有拉大的趋势。
显示原图|下载原图ZIP|生成PPT
图31992年、2001年和2011年中国县域农业生态FTP与传统FTP差额的空间分布
-->Fig.3Spatial distribution of the difference between ecological FTP and traditional FTP of agriculture at countylevel of China in 1992, 2001 and 2011
-->
(2)技术效率变化率(TEC)。生态TEC与传统TEC差额的空间分布在1992年、2001年和2011年三个年份基本保持不变。与技术效率的情况类似,仅有浙江嵊泗县的生态TEC更高,其余地区均为传统TEC更高,如图4所示。从差额来看,差额较小的地区分布在黄河中上游农业区、安徽、浙江、东北北部和新疆南部等地,说明碳排放对这些地区的技术效率变化率的消减作用较小,原因在于这些地区的碳排放量处于较低水平。差额较大的地区分布在西藏东南和内蒙古锡林郭勒、呼伦贝尔等以牧业为主的地区,原因在于这些地区以畜牧业为主,碳排放量位居全国前列,因此碳排放对技术效率的消减作用很大,导致生态TEC下降幅度较大。
显示原图|下载原图ZIP|生成PPT
图41992年、2001年和2011年中国县域农业生态TEC与传统TEC差额的空间分布
-->Fig.4Spatial distribution of the difference between ecological FTP and traditional FTP of agriculture at county level of China in 1992, 2001 and 2011
-->
(3)全要素生产率(TFP)。1992年,中国县域的生态TFP整体上小于传统TFP,前者更大的地区仅是零星地分布在胡焕庸线东南的地区和新疆山麓农业区(图5)。2001年,整体上仍是生态TFP大于传统TFP,但这类地区的数量有少量增加,主要分布在东北平原、河套平原、青海东北部和浙江东北等区域的个别地区。2011年,生态TFP大于传统TFP的地区个数显著增加,分布在胡焕庸一线东南的大部分地区以及西部个别地区,整体上呈现出生态TFP更大的格局。这种变化与前文对生态TFP整体变动的分析一致,主要源于技术进步和科学种植的推广。虽然整体上生态TFP高于传统TFP,但是西部仍然存在大片的地区是后者更高,加上这些地区的传统TFP原本就较低,因而呈现出“双重恶化”现象。
显示原图|下载原图ZIP|生成PPT
图51992年、2001年和2011年中国县域农业生态TFP与传统TFP差额的空间分布
-->Fig.5Spatial distribution of the difference between ecological TFP and traditional TFP of agriculture at county level of China in 1992, 2001 and 2011
-->
4 结论与讨论
基于SFA方法对1992-2011年碳约束下中国县域农业全要素生产率及其分解项进行测算,并与不考虑碳排放的测算结果进行比较分析,得出以下结论:第一,碳约束下农业生态TFP年平均增长4.47%,低于非生态TFP年均增长率4.76%,总体呈波动下降趋势。生态TFP绝大多数年份都低于传统TFP,但两者差距有缩小的趋势,2011年前者超过后者。表明考虑碳排放的情况下,农业TFP整体上应有所降低,以抵消农业生产中对生态环境带来的负面影响,但这种负面影响有缩小的倾向。农业生态TFP贡献了中国农业总产值整体增长的54.9%,比传统TFP的增长贡献份额低了3.6%。要素投入贡献为45.1%,其中化肥贡献最大。
第二,从分解项来看,碳排放对农业TFP中技术效率变化率的影响不大,对规模效率、配置效率和前沿技术进步率的影响比较明显,但由于前两者对农业TFP的贡献较小,技术进步率仍然是农业生态TFP的主要驱动因素。生态FTP小于传统的FTP,但两者差距在逐年减少,2003-2011年,前者开始反超,且差额呈扩大的趋势。这驱动了生态TFP与传统TFP差距的缩小,并最终超过传统TFP。
第三,从生态TFP与传统TFP差额的时空演变来看,生态TFP在多数年份整体上小于传统TFP,前者更大的地区主要分布在胡焕庸线东南的地区,但两者的差距在缩小,2011年整体上呈现出生态TFP更大的格局。西部由于生态TFP和传统FTP都较低,呈现出“双重恶化”现象。农业生态TE与传统TE的差几乎都为负,说明碳排放对农业TE有负向影响,且东部沿海地区下降最多,而中部的安徽、江西、湖南南部、东部局部和除四川盆地外的广大西部地区降幅较小。值得注意的是,浙江嵊泗县的生态技术效率高于传统技术效率。农业生态FTP低于传统FTP,仅有个别县前者更高,说明碳排放实际上消减了一部分的农业技术进步。从差额的大小来看,农业种植优势区的生态FTP低于传统FTP的幅度最小,而差额较大的地区主要分布在西部地区。除了浙江嵊泗县,其余地区的生态TEC均为低于传统TEC,差额较小的地区分布在黄河中上游农业区、安徽、浙江、东北北部和新疆南部等地,差额较大的地区分布在西藏东南和内蒙古锡林郭勒、呼伦贝尔等以牧业为主的地区。
进一步分析中国农业传统TFP和生态TFP空间格局及其关系变化的影响因素,主要有三个方面:一是政策导向。中国农业技术水平不断进步得益于中央政府长期以来高度重视农业发展,大力支持和推动农业技术创新与推广。生态TFP得以超过传统TFP很大程度上也归功于近年来政府出台了相关政策,引导农业生产中减少并优化化肥的使用,有力地降低了碳排放对生态环境的负面效应。二是农业类型差异。由于生产方式和投入要素的差异,不同类型农业区的生产水平和碳排放量具有内在差异,反映到空间上就形成了相对稳定的空间分布差异,从传统TFP与生态TFP差额的空间分布具有一定的地理邻近性得到了印证。此外,正因为这一原因,对农业TFP影响因素的定量分析需首先考虑农业类型的差异,这将是今后研究的一个思路。三是生产技术因素。农业TFP的增长归根结底来源于农业技术的进步,未来仍需全面提升中国农业技术水平,尤其是在中西部地区。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | . , |
[2] | . , <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">In this paper, energy consumption and carbon dioxide emissions from 17 countries of the Middle East and North Africa are studied using Data Envelopment Analysis. Four indicators for the year 1996 are employed in the analysis. The analysis shows that Sudan, Bahrain and Oman are considered efficient, and Saudi Arabia is rated as the least efficient under constant returns to scale (CRS) assumption. Mauritania and Israel are considered efficient under variable returns to scale (VRS) assumption, indicating that the CRS inefficiency of these two countries is due to the fact that they are not operating at the best possible scale size. The patterns of changes in efficiency of the countries are further analyzed using Malmquist Productivity Index (MPI) approach for the period of 1992–1996. The analysis shows that there is progress in achieving higher values of output-side indicators and in achieving lower values of the input-side indicators in the year 1996 compared to 1992 for 5 out of the 17 countries (Algeria, Egypt, Sudan, Oman and Syria).</p> |
[3] | . , |
[4] | . , |
[5] | . , This paper introduces a Malmquist CO2 emission performance index(MCPI) for measuring changes in total factor carbon emission performance over time. The MCPI is derived by solving several data envelopment analysis models. Bootstrapping MCPI is proposed to perform statistical inferences on the MCPI results. Using the index the emission performance of the world's 18 top CO2 emitters from 1997 to2004 is studied. The results obtained show that the total factor carbon emission performance of the countries as a whole improved by 24% over the period and this was mainly driven by technological progress. The results of a cross-country regression analysis to investigate the determinants of the resulting MCPI are presented. |
[6] | . , This article proposes to use nutrient-orientated environmental efficiency (EE) measures to construct a nutrient total factor productivity index (NTFP). Since nutrient-orientated EE measures are consistent with the materials balance principle, NTFP index is superior to other existing TFP indexes. An empirical study on the environmental performance of an agricultural sector in 30 OECD countries from 1990 to 2003 yielded several important findings. First, these countries should be able to produce current outputs with at least 50% less aggregate eutrophying power, implying that they should have been able to substantially reduce the potential for eutrophication. Second, traditional TFP has grown by 1.6% per annum due to technical progress; however, there are lags in the responses of several countries to this technical progress. Third, environmental TFP has grown at a slower rate than traditional TFP growth due to reductions in nutrient-orientated allocative efficiency. Finally, changes in input combinations could have significantly improved environmental efficiency and productivity. These findings favor policy interventions and faster technological transfer to improve environmental performance. (C) 2011 Elsevier Inc. All rights reserved. |
[7] | . , 本文运用SBM方向性距离函数 和卢恩伯格生产率指标测度了考虑资源环境因素下中国30个省份1998—2007年的环境效率、环境全要素生产率及其成分,并对影响环境效率和环境全要素 生产率增长的因素进行了实证研究。本文主要的结论有:能源的过多使用以及SO2和COD的过度排放是环境无效率的主要来源,环境效率较高的省份均集中在东 部地区;环境全要素生产率增长率平均高于市场全要素生产率增长率,中西部地区无论是市场全要素生产率还是环境全要素生产率增长率均低于东部地区,资源环境 因素对各省份全要素生产率的排名有显著的影响;人均GRP、FDI、结构因素、政府和企业的环境管理能力、公众的环保意识对环境效率和环境全要素生产率有 不同程度的影响。 . , 本文运用SBM方向性距离函数 和卢恩伯格生产率指标测度了考虑资源环境因素下中国30个省份1998—2007年的环境效率、环境全要素生产率及其成分,并对影响环境效率和环境全要素 生产率增长的因素进行了实证研究。本文主要的结论有:能源的过多使用以及SO2和COD的过度排放是环境无效率的主要来源,环境效率较高的省份均集中在东 部地区;环境全要素生产率增长率平均高于市场全要素生产率增长率,中西部地区无论是市场全要素生产率还是环境全要素生产率增长率均低于东部地区,资源环境 因素对各省份全要素生产率的排名有显著的影响;人均GRP、FDI、结构因素、政府和企业的环境管理能力、公众的环保意识对环境效率和环境全要素生产率有 不同程度的影响。 |
[8] | ., 采用单元调查评估法对中国农业 分省污染排放量进行核算的基础上,应用基于方向性距离函数的Malmquist-Luenberger生产率指数方法,对1978-2008年环境规制条 件下省际农业TFP增长及其源泉进行实证分析,将农业增长、资源节约与环境保护纳入到一个统一框架。研究发现:①环境规制条件下农业TFP取得了一定增 长,主要由前沿技术进步贡献,环境技术效率也存在一定程度的改善,在时间趋势上大致可以划分为6个阶段;②从资源、环境与增长的统筹兼顾来看,农业TFP 及其增长模式地区差异明显,东部地区要优于西部地区,中部地区则可能处于失衡状态;③以三大直辖市为代表的东部省区和西部青海、贵州和宁夏等边远省份直接 主导着"农业环境技术创新";④是否考虑环境污染成本,对农业生产率核算会产生较大影响,并可能导致政策偏误。 . , 采用单元调查评估法对中国农业 分省污染排放量进行核算的基础上,应用基于方向性距离函数的Malmquist-Luenberger生产率指数方法,对1978-2008年环境规制条 件下省际农业TFP增长及其源泉进行实证分析,将农业增长、资源节约与环境保护纳入到一个统一框架。研究发现:①环境规制条件下农业TFP取得了一定增 长,主要由前沿技术进步贡献,环境技术效率也存在一定程度的改善,在时间趋势上大致可以划分为6个阶段;②从资源、环境与增长的统筹兼顾来看,农业TFP 及其增长模式地区差异明显,东部地区要优于西部地区,中部地区则可能处于失衡状态;③以三大直辖市为代表的东部省区和西部青海、贵州和宁夏等边远省份直接 主导着"农业环境技术创新";④是否考虑环境污染成本,对农业生产率核算会产生较大影响,并可能导致政策偏误。 |
[9] | . , 环境的外部性使包含环境影响的生产率度置一直是个难题,而此类研究对推动我国农业可持续发展 具有重要意义。本文提出了一种度量和评估包含环境影响的农业生产率方法。在本研究中,环境的外部性通过定义一个包含市场产出和污染产出的总产出而纳入分析 框架,用总产出代替传统TFP计算中的产出,包含环境影响的全要素生产率公式得以建立。利用基于单元的综合调查评价法计算了1990—2008年我国主要 农业污染物排放数量,并在此基础上度量7基于环境修正的我国农业全要素生产率。研究表明在1990—2008年闻我国经环境调整后的农业生产率增长呈现减 小趋势,农业环境污染使农业生产率增长降低0.09%-0.6%。且呈现较大的时期变化;依据不同环境污染价值损失评估法,环境对农业全要素生产率的修正 会带来或高或低的结果。为了更准确地度量环境对农妲全要素生产率的影响。需要进一步探索环境污染价值评估方法,完善我国农业环境监测体系。 . , 环境的外部性使包含环境影响的生产率度置一直是个难题,而此类研究对推动我国农业可持续发展 具有重要意义。本文提出了一种度量和评估包含环境影响的农业生产率方法。在本研究中,环境的外部性通过定义一个包含市场产出和污染产出的总产出而纳入分析 框架,用总产出代替传统TFP计算中的产出,包含环境影响的全要素生产率公式得以建立。利用基于单元的综合调查评价法计算了1990—2008年我国主要 农业污染物排放数量,并在此基础上度量7基于环境修正的我国农业全要素生产率。研究表明在1990—2008年闻我国经环境调整后的农业生产率增长呈现减 小趋势,农业环境污染使农业生产率增长降低0.09%-0.6%。且呈现较大的时期变化;依据不同环境污染价值损失评估法,环境对农业全要素生产率的修正 会带来或高或低的结果。为了更准确地度量环境对农妲全要素生产率的影响。需要进一步探索环境污染价值评估方法,完善我国农业环境监测体系。 |
[10] | . , . , |
[11] | . , Two aqueous suspensions, one containing crystals of uniform size and the other containing colloidal particles, were made with each of seven solid contact poisons (two DDT-analogues, DDT, rotenone, 2-bromomercurithiophen, dieldrin and endrin). The relative toxicity of each pair of suspensions was found in dipping or measured-drop tests on as many as possible of the species Oryzaephilus surinamennsis L., Tribolium castaneum Herbst and Tenebrio molitor L. In addition, some tests were made by injection of colloidal suspensions. In each test, insects were kept after treatment at two temperatures: 28 degrees C. and 11, 17 or 20 degrees C.; counts of kill were made after 24 hr. The tests measured three different kinds of temperature coefficient of insecticidal action. In the contact tests, the colloid was nearly always more toxic than the crystals. In all the tests, except those with dieldrin, the relative toxicity (colloid : crystals) was greater at the lower after-treatment temperature, i.e. the temperature coeficient of the relative toxicity was negative. But in the case of dieldrin, the coefficient was positive. The DDT-analogues, DDT, rotenone and endrin were more toxic at the lower after-treatment temperature, i.e. they had negative temperature coefficients of kill by contact action. In all these cases the temperature coefficient of kill by contact action was greater for colloid than for crystals. Dieldrin and 2-bromomercurithiophen had positive temperature coefficients of kill by contact action. With dieldrin, the temperature coefficient was greater for colloid than for crystals; but with 2-bromomercurithiophen, the reverse was true. The temperature coeficient of kill by injection was negative for DDT, but positive for dieldrin and endrin; the other poisons were not tested by injection. A possible explanation for the results of the contact tests is given in an Appendix. The explanation is based on a number of assumptions about the penetration of insect cuticle by solid poisons. These assumptions lead to the conclusion that the effect of temperature on the relative toxicity depends on the temperature coefficient of kill by internal action of the poison on the insect. This can be measured by injection tests. If it is negative or zero, the ratio of toxicities (colloid: crystals) by contact action, measured quite soon after treatment of the insects, will be greater at a low temperature after treatment than at a high temperature after treatment; but if the coefficient is positive, the effect of temperature on relative toxicity cannot be foretold. The experimental results seem to confirm the assumptions. |
[12] | . , |
[13] | . , ABSTRACT Frontier production functions are important for the prediction of technical efficiencies of individual firms in an industry. A stochastic frontier production function model for panel data is presented, for which the firm effects are an exponential function of time. The best predictor for the technical efficiency of an individual firm at a particular time period is presented for this time-varying model. An empirical example is presented using agricultural data for paddy farmers in a village in India. |
[14] | . , |
[15] | |
[16] | . , To date, the concept, measurement and interpretation of total factor productivity (TFP) growth remains highly discussed but poorly understood. This paper attempts to provide a review of these issues. First, the definition of TFP growth and the related concepts of embodied and disembodied technical change are discussed. Second, a brief overview and critique of TFP growth measuring techniques is provided. Third, the debate surrounding the accounting identity underlying the estimation of a production function for TFP growth is highlighted. Fourth, the usefulness of TFP growth is evaluated (and maintained) in the light of the criticisms hurled at this measure. Finally, some direction for future work on TFP growth is suggested. |
[17] | . , . , |
[18] | . . 研究首先基于农业投入与生产视 角的6个主要方面碳源,测算了1993-2008年我国农业生产活动所导致的碳排放量,分析发现我国农业碳排放总量和强度分别年均增长率为4.08%、 2.38%,但环比增速总体上处于阶段性下降态势。化肥、农药、农膜、农用柴油、灌溉、翻耕等导致碳排放年均递增率分别为3.45%、4.65%、 7.20%、4.77%、1.22%、0.38%。进一步综合运用协整理论及误差修正模型,实证我国经济增长与农业碳排放之间的关系。结果表明:我国经济 增长与农业碳排放总强度,以及经济增长与化肥、农药、农膜、农用柴油、翻耕等5类碳源导致的碳排放强度之间存在协整关系,且人均GDP每增加1%,农业碳 排放总强度与化肥、农药、农膜、农用柴油、翻耕等碳源的碳排放强度分别增加1.72%、1.61%、1.18%、0.40%、2.48%和1.31%。最 后,据此提出相关政策建议。 . , 研究首先基于农业投入与生产视 角的6个主要方面碳源,测算了1993-2008年我国农业生产活动所导致的碳排放量,分析发现我国农业碳排放总量和强度分别年均增长率为4.08%、 2.38%,但环比增速总体上处于阶段性下降态势。化肥、农药、农膜、农用柴油、灌溉、翻耕等导致碳排放年均递增率分别为3.45%、4.65%、 7.20%、4.77%、1.22%、0.38%。进一步综合运用协整理论及误差修正模型,实证我国经济增长与农业碳排放之间的关系。结果表明:我国经济 增长与农业碳排放总强度,以及经济增长与化肥、农药、农膜、农用柴油、翻耕等5类碳源导致的碳排放强度之间存在协整关系,且人均GDP每增加1%,农业碳 排放总强度与化肥、农药、农膜、农用柴油、翻耕等碳源的碳排放强度分别增加1.72%、1.61%、1.18%、0.40%、2.48%和1.31%。最 后,据此提出相关政策建议。 |
[19] | . , 本研究基于农地利用、稻田、牲畜肠道发酵和粪便管理等四方面16类主要碳源, 测算了我国1995年-2010 年期间以及31 个省(市、区)2010 年的农业碳排放量。结果表明:①2010 年我国农业碳排放总量为2 8673.23万t, 较1995年增加了12.31%。其中, 农地利用、稻田、肠道发酵和粪便管理所导致的碳排放量分别占农业碳排总量的34.29%、42.48%、17.77%和5.46%;分阶段来看, 呈现较为明显的“上升-下降-上升”的三阶段变化特征;②横向来看, 区域差异明显:农业碳排放总量, 排在前10位的地区占全国农业总排放的59.61%, 而排在后10位的地区仅占全国8.33%, 传统农业大省尤其粮食主产省区是我国农业碳排放的主要来源地;基于碳排放比重差异, 将31个地区划分为了稻田主导型、农地利用主导型、牲畜肠道发酵主导型、复合因素主导型等四种不同结构类型;农业碳排放强度, 总体呈现出西高东低的特征, 即西部>中部>东部。在此基础上, 运用Tapio脱钩模型对我国农业碳排放与农业经济发展间的脱钩关系进行了分析, 发现以弱脱钩和强脱钩为主, 说明近年来我国在农业碳减排方面取得了一定成效。 . , 本研究基于农地利用、稻田、牲畜肠道发酵和粪便管理等四方面16类主要碳源, 测算了我国1995年-2010 年期间以及31 个省(市、区)2010 年的农业碳排放量。结果表明:①2010 年我国农业碳排放总量为2 8673.23万t, 较1995年增加了12.31%。其中, 农地利用、稻田、肠道发酵和粪便管理所导致的碳排放量分别占农业碳排总量的34.29%、42.48%、17.77%和5.46%;分阶段来看, 呈现较为明显的“上升-下降-上升”的三阶段变化特征;②横向来看, 区域差异明显:农业碳排放总量, 排在前10位的地区占全国农业总排放的59.61%, 而排在后10位的地区仅占全国8.33%, 传统农业大省尤其粮食主产省区是我国农业碳排放的主要来源地;基于碳排放比重差异, 将31个地区划分为了稻田主导型、农地利用主导型、牲畜肠道发酵主导型、复合因素主导型等四种不同结构类型;农业碳排放强度, 总体呈现出西高东低的特征, 即西部>中部>东部。在此基础上, 运用Tapio脱钩模型对我国农业碳排放与农业经济发展间的脱钩关系进行了分析, 发现以弱脱钩和强脱钩为主, 说明近年来我国在农业碳减排方面取得了一定成效。 |
[20] | . , <p>借鉴“旅游消费剥离系数”概念对中国五省份旅游业碳排放量进行了测度,然后利用传统DEA模型和非期望产出DEA模型,结合碳排放指标,评价了五省份旅游产业效率,并进行了比较分析。研究发现:2009-2011年海南省旅游业碳排放总量始终最低,湖北增长幅度最大,而北京是唯一的总量逐年下降地区,2009-2011年海南旅游业人均碳排放量是最高的,北京、海南人均总量逐年下降;不考虑碳排放下,2009-2011年中国五省份综合效率及其分解效率总体水平较高,符合地区将旅游业作为支柱产业予以高度重视的实际;与不考虑碳排放相比,考虑碳排放的五省份旅游产业效率发生了不同程度的变动,特别是,旅游综合技术效率从2009年的下降或不变状态向2010-2011年的复杂不规律状态转变,这是由纯技术效率和规模效率联合效应决定的。未来各地区需要协调好旅游节能减排与资源优化配置工作,基于地方技术、市场势力适时提升旅游产业效率。</p> . , <p>借鉴“旅游消费剥离系数”概念对中国五省份旅游业碳排放量进行了测度,然后利用传统DEA模型和非期望产出DEA模型,结合碳排放指标,评价了五省份旅游产业效率,并进行了比较分析。研究发现:2009-2011年海南省旅游业碳排放总量始终最低,湖北增长幅度最大,而北京是唯一的总量逐年下降地区,2009-2011年海南旅游业人均碳排放量是最高的,北京、海南人均总量逐年下降;不考虑碳排放下,2009-2011年中国五省份综合效率及其分解效率总体水平较高,符合地区将旅游业作为支柱产业予以高度重视的实际;与不考虑碳排放相比,考虑碳排放的五省份旅游产业效率发生了不同程度的变动,特别是,旅游综合技术效率从2009年的下降或不变状态向2010-2011年的复杂不规律状态转变,这是由纯技术效率和规模效率联合效应决定的。未来各地区需要协调好旅游节能减排与资源优化配置工作,基于地方技术、市场势力适时提升旅游产业效率。</p> |
[21] | . , <p>在修正的全局参比价格法基础上,结合非参数DEA-Hybrid模型评测了中国29个省份的要素市场分割水平及要素配置效率,进而构建考虑地理距离与经济规模的综合权重矩阵,利用空间Durbin模型实证分析区域要素市场分割对要素配置效率的影响。研究发现:东部地区的要素市场分割水平相对较低,中部次之,西部最高;要素市场分割将引致要素配置效率扭曲且存在显著的空间溢出效应,适度财政分权能有效抑制要素市场分割引致的要素配置效率扭曲;较高的国有经济占比、产业结构高级化、交通基础设施和外商直接投资能有效改善区域要素配置效率,对外开放的效率改进作用尚不明显。清除地区间要素市场壁垒并充分发挥市场配置资源的决定性作用是提升要素配置效率的着力点。</p> . , <p>在修正的全局参比价格法基础上,结合非参数DEA-Hybrid模型评测了中国29个省份的要素市场分割水平及要素配置效率,进而构建考虑地理距离与经济规模的综合权重矩阵,利用空间Durbin模型实证分析区域要素市场分割对要素配置效率的影响。研究发现:东部地区的要素市场分割水平相对较低,中部次之,西部最高;要素市场分割将引致要素配置效率扭曲且存在显著的空间溢出效应,适度财政分权能有效抑制要素市场分割引致的要素配置效率扭曲;较高的国有经济占比、产业结构高级化、交通基础设施和外商直接投资能有效改善区域要素配置效率,对外开放的效率改进作用尚不明显。清除地区间要素市场壁垒并充分发挥市场配置资源的决定性作用是提升要素配置效率的着力点。</p> |
[22] | . , |
[23] | . , Rates of soil C sequestration have previously been estimated for a number of different land management activities, and these estimates continue to improve as more data become available. The time over which active sequestration occurs may be referred to as the sequestration duration. Integrating soil C sequestration rates with durations provides estimates of potential change in soil C capacity and more accurate estimates of the potential to sequester C. In agronomic systems, changing from conventional plow tillage to no-till can increase soil C by an estimated 16±3%, whereas increasing rotation intensity can increase soil C by an estimated 6±3%. The increase in soil C following a change in rotation intensity, however, may occur over a slightly longer period (26 yr) than that for tillage cessation (21 yr). Sequestration strategies for grasslands have, on average, longer sequestration durations (33 yr) than for croplands. Estimates for sequestration rates and durations are mean values and can differ greatly between individual sites and management practices. As the annual sequestration rate declines over the sequestration duration period, soil C approaches a new steady state. Sequestration duration is synonymous with the time to which soil C steady state is reached. However, soils could potentially sequester additional C following additional changes in management until the maximum soil C capacity, or soil C saturation, is achieved. Carbon saturation of the soil mineral fraction is not well understood, nor is it readily evident. We provide evidence of soil C saturation and we discuss how the steady state C level and the level of soil C saturation together influence the rate and duration of C sequestration associated with changes in land management. |