1、碳排放約束下中國農業(yè)生產效率研究論文摘 要：以往的文獻對農業(yè)生產效率的度量多是基于傳統(tǒng)的勞動、資本和土地等要素，往往忽略隨機誤差以及環(huán)境效應，對規(guī)模效率也不能作出客觀判斷，無法反映出相關農業(yè)生產者的決策與管理水平。本文將碳排放同生產率的研究結合起來，利用三階段DEA模型對我國區(qū)域農業(yè)生 關鍵詞：農業(yè)生產以往的文獻對農業(yè)生產效率的度量多是基于傳統(tǒng)的勞動、資本和土地等要素，往往忽略隨機誤差以及環(huán)境效應，對規(guī)模效率也不能作出客觀判斷，無法反映出相關農業(yè)生產者的決策與管理水平。本文將碳排放同生產率的研究結合起來，利用三階段DEA模型對我國區(qū)域農業(yè)生產效率進行較為系統(tǒng)的研究， 以期能較為準確地評估我國農

2、業(yè)生產效率發(fā)展的真實狀況。論文關鍵詞:農業(yè)生產論文一、研究方法及數據說明1.三階段DEA模型三階段DEA模型是一種能夠更加準確的評價DMU0（決策單元）效率的方法，是由Fried等（2002）經過多年研究提出的。共分三個階段。（1）式中： 表示各決策單元的純技術效率（PTE） ，即DMU0（決策單元）的有效值。n表示決策單元個數，m表示輸入變量個數，s表示輸出變量個數，xij表示投入要素，yir表示產出要素，如果=1，且s+0，或s-0時，則DMU0（決策單元）為弱DEA有效；如果=1，且s+=0，同時s-=0，則DMU0（決策單元）DEA有效；如果?1，則DMU0（決策單元）非DEA有效。在

3、考慮規(guī)模報酬不變的條件下，CCR模型可表示為：階段：相似SFA分析模型。通過階段的分析，得出的投入/產出松弛變量取決于環(huán)境因素、隨機因素和管理效率因素等三個影響因素。接下來，再通過構建類似SFA模型，對這三個因素的影響作用分別進行測算，將環(huán)境因素和隨機因素加以剝離，得出管理無效率是造成的DMU投入冗余的唯一因素。階段： 調整后的DEA模型。選用階段得到的調整后的投入數據，取代初始數據，同時，產出數據不變，仍然選取初始產出數據，代入原先的BCC模型，從而得到各決策單元的效率值即為剔除了環(huán)境因素和隨機因素影響后的效率值。2.樣本數據和環(huán)境變量的選取本文選用2003-2014年，我國的30個地區(qū)（西

4、藏除外）作為研究對象，投入變量為：土地（本文選用農作物播種總面積表示土地投入）、資本（本文選用代理指標為：農林牧漁業(yè)固定資產投入）、技術（本文選用代理指標為：化肥施用量以及農業(yè)機械總動力兩個指標）、勞動（本文選用代理指標為：各省份第一產業(yè)從業(yè)人員數，忽略勞動種類、質量的不同）；將農林牧漁業(yè)增加值（以2003年為不變價根據農林牧漁業(yè)增加值指數平減）和農村居民家庭純收入（以2003年為不變價根據農村居民消費價格指數平減）作為好產出，；將各地區(qū)的農業(yè)碳排放量作為壞產出。農業(yè)碳排放量的具體測算公式為：環(huán)境隨著二氧化碳排放量的加大而愈發(fā)惡劣，從而會導致農村全要素生產率愈低，因此需對其進行負向化處理，而且

5、DEA模型一般要求樣本數據大于0，故用公式：對碳排放量進行負向標準化處理，將其轉化為1，100之間的數值。另外，環(huán)境變量的選取如下：農村基礎教育水平（Labor）（本文選用代理指標為：農村勞動力中初中及以上文化程度勞動者所占比例）；自然災害（Disas）（本文選用代理指標為：農田受災率（受災面積/播種總面積）；農村用電量（Elect）。以上各指標數據均來自相應年份的中國農村統(tǒng)計年鑒，經整理而得。二、實證分析1.階段傳統(tǒng)DEA實證結果運用DEA-SOLVER Pro5.0軟件對我國三十個地區(qū)農村全要素生產率水平進行分析， 分別得到地區(qū)2003-2014年的技術效率（ITE）、純技術效率（PTE）

6、和規(guī)模效率（GE），結果見表2所示。排除環(huán)境變量因素和隨機因素的影響，2003-2014年，各地區(qū)農業(yè)生產綜合技術效率平均值為0.70；全國來看，農業(yè)生產純技術效率均值為0.82，規(guī)模效率均值為0.86。三項效率值均為1的三個地區(qū)，即北京、上海和海南，技術效率處于前沿，而其余各省份，在純技術效率和規(guī)模效率上有著提升改進的空間。從結果還可以看出，在三十個地區(qū)中有十三個地區(qū)純技術效率大于規(guī)模效率，有14個地區(qū)規(guī)模效率大于純技術效率，意味著技術無效率，有的地區(qū)來源于規(guī)模無效，有的地區(qū)來源于技術無效。從階段結果來看，無論是規(guī)模無效還是技術無效導致農業(yè)生產效率不高的主要因素，但沒有考慮環(huán)境因素和隨機因素

7、的干擾情況下，規(guī)模效率或者純技術效率有沒有高估或者低估？還需要進一步測算。2.階段SFA回歸結果將階段得出的決策單元中各投入變量的松弛量作為應變量，將前述三個環(huán)境變量作為自變量，利用Frontier4.1軟件進行SFA回歸分析，SFA回歸結果見表3。從表3可以看出，三個環(huán)境變量對五種投入松弛變量的系數都不為0。這表明，外部環(huán)境因素對各地區(qū)農業(yè)生產的投入冗余影響明顯。這一結果表明管理因素和隨機因素對農村全要素生產率存在著顯著的影響。對效率影響因素中的管理因素和隨機因素進行SFA回歸分析，勢在必行。仔細研究各環(huán)境因素對五種投入松弛變量的系數，會發(fā)現，如果回歸系數0，則意味著，隨著環(huán)境變量值的增加，

8、將有利于降低投入松弛量，反之亦然。由表3可知：（1）基礎教育水平與農村全要素生產率正相關，但影響并不顯著；（2）農田受災率與農村全要素生產率負相關；（3）農村用電量與農村全要素生產率正相關，這與當前農業(yè)發(fā)展實際相符合。3.階段投入調整后的DEA實證結果將調整后的投入變量值與初始產出值，再代入BCC模型， 獲得階段各決策單元的效率值，如表4所示。將表2和表4對比可知，在剝離環(huán)境變量和隨機干擾的影響后，有四個地區(qū)處于技術效率前沿面，比調整前增加了一個，其中北京、上海和海南仍處于技術效率前沿面，說明這幾個地區(qū)的農村全要素生產率確實比較好。相比階段，浙江晉升至效率前沿，這表明，在剔除環(huán)境因素和隨機因素

9、后，浙江的農業(yè)生產是高效的。全國的綜合技術效率均值由0.70上升到0.71，純技術效率均值由0.81上升到0.88，規(guī)模效率均值由0.88上升至0.93。從橫向看，各地區(qū)階段的農村全要素生產率與階段相比，無論綜合技術效率、技術效率還是規(guī)模效率均有一定程度變化。天津、河北、山西、內蒙古、遼寧、甘肅和新疆等十個地區(qū)的綜合技術效率，均有所下降，這說明了他們所處的相對有利的環(huán)境以及較好的運氣導致了他們以前的高效率，而實際上，他們實際的技術管理水平并不怎么高；新疆降幅最明顯，其綜合技術效率由0.79下降至0.68，純效率的下降導致的這個結果的方生；其余九個地區(qū)的純效率也有不同程度的下降。階段農村全要素生產率相比階段上升的地區(qū)分別為江蘇、浙江、安徽、江西、福建、寧夏等十七個地區(qū)，其中，寧夏綜合技術效率整體上升是基于純技術效的提高，而其他地區(qū)是因為規(guī)模效率的提高而導致綜合技術效率的上升。這表明，由于相對不利的環(huán)境或不好的運氣，導致了這些地區(qū)之前較低的綜合技術效率，而不是因為他們的技術管理水平低。三、結論本文將農業(yè)增長、資源節(jié)約與碳排放量納為一個整體框架進行研究，運用三階段DEA模型， 選取2003-2014年的樣本數據，分析我國農村全要素生產率。主要結論：在階段調整前后，各地區(qū)農村全要素生產率，變化明顯！表明環(huán)境因素和隨機因素的