黃河流域綠色全要素生產率的測算計算過程案例目錄TOC\o"1-3"\h\u10918黃河流域綠色全要素生產率的測算計算過程案例 1323501.1研究方法 160321.1.1SBM-GML指數(shù)法 1324731.1.2單元調查法 383381.2指標選取與數(shù)據處理 392391.2.1指標體系的構建 3207741.2.2數(shù)據來源 435991.3實證結果及分析 526271.3.1農業(yè)面源污染測算結果及分析 5162071.3.2農業(yè)GTFP測算結果分析 77144（2）時序演變特征分析 8本章首先對黃河流域農業(yè)發(fā)展過程中產生的環(huán)境壓力進行量化分析，測算出農業(yè)面源污染，并將測算結果作為GTFP測算系統(tǒng)中的非期望產出；其次，運用SBM-GML指數(shù)法對2015-2019年黃河流域農業(yè)GTFP進行測算，并將結果分解為技術進步和技術效率，從時間、區(qū)域兩個層面對農業(yè)GTFP的特征進行分析。具體包括：模型的建立、投入產出指標的選取，以及實證結果的分析三個板塊。1.1研究方法1.1.1SBM-GML指數(shù)法（1）生產技術將每一個地級市作為一個決策單元（DMU）用以構造生產前沿面，可能性集由投入要素X、期望產出Y與非期望產出O組成，此時每個決策單元使用N種投入要素xni(n=1,2…,N)∈R+,i表示i省份，獲得M種期望產出Px（1.1）假設各地級市在生產中的非期望產出為弱處置性，此時不能忽略非期望產出，為了減少非期望產出，則期望產出也必須減少，即：y（1.2）假設各地級市在生產中的期望產出為強處置性，此時可忽視非期望產出：y（1.3）假設期望產出與非期望產出是相伴相生的，即它們是“零結合”的：ymi（1.4）滿足上述條件下，第t期(t=1,2,3,?,T)，第i（i=1,2,3,?PtXti=1其中x=(x1,…,xN)，y=(y（2）SBM模型將考慮環(huán)境非期望產出的SBM模型定義為：Ss.ti=1s（1.6）其中SVt表示基于VRS的方向距離函數(shù)，(xt,i'（3）Global—Malmquist—Luenberger指數(shù)在上文構造的生產可能性集的基礎上構造全局生產技術集，將全局環(huán)境生產技術構造為PGx=GML（1.7）DG(xt,yt,ot)、DG(xt+1,yt+1,ot+1)表示第t期、第t+1期全局方向性距離函數(shù)。GML＞1表示從t到t+1期該地級市的綠色全要素生產率增長，GML=1表示從GMLt,t+1=1+=GTECH×同理，GTECH＞1、GEFFCH＞1表示技術進步和效率改善，GTECH<1和GEFFCH<1則意味著技術退化和效率惡化。1.1.2單元調查法由于農業(yè)面源污染具有隨機、分散、隱蔽等特點，本文參照了賴斯蕓[45]的處理方法，采用單元調查法對農業(yè)污染源進行綜合核算。根據本文的研究指標，可能的產污單元包括化肥施用、水產養(yǎng)殖、禽畜養(yǎng)殖以及農業(yè)固體廢棄物等類型，如下表所示：表4-1農業(yè)面源污染產污單元清單污染來源調查單元調查指標單位產污清單化肥施用氮肥、磷肥、復合肥施用量（折純）萬噸TN、TP水產養(yǎng)殖淡水養(yǎng)殖養(yǎng)殖面積千公頃COD、TN、TP禽畜養(yǎng)殖豬、牛、羊年末存欄數(shù)萬頭、萬只COD、TN、TP農業(yè)固體廢棄物谷物、小麥、玉米、薯類、豆類、油料、蔬菜總產量萬噸COD、TN、TP資料來源：根據文獻整理所得1.2指標選取與數(shù)據處理1.2.1指標體系的構建（1）農業(yè)產出指標。產出指標包括非期望產出和期望產出兩部分。其中，期望產出用各市(州)農林牧漁總產值（以2014年為基準，剔除價格因素影響）來表示；非期望產出以農業(yè)面源污染來表示，測算農業(yè)面源污染的指標分為四大類，具體包括12個指標（見表4-1）。（2）農業(yè)投入指標。借鑒已有研究，考慮研究區(qū)域、數(shù)據可得性等因素，選取以下投入：①土地投入：考慮到土地資源的特殊性，可能存在休耕、二次耕種、不耕等情況，本文認為，相對年末耕地面積，用農作物總播種面積表示耕地投入更合理。同時，為了更加全面地反映農業(yè)生產過程中的土地投入，將水產養(yǎng)殖面積和果園面積一并考慮在內；②勞動力投入：因本文研究的是廣義的農業(yè)，因此用農林牧漁從業(yè)人員數(shù)（或第一產業(yè)從業(yè)人員數(shù)）來表示；③機械投入：選取除非農用機具以外的農業(yè)機械總動力來代替；④化肥投入：以統(tǒng)計年鑒中“農用化肥施用（折純量）”這一指標來代替，表示該地區(qū)當年實際用于農業(yè)生產過程的化學肥料的折純量；⑤畜牧投入：以各個市（州）當年豬牛羊年末存欄總數(shù)來代替役畜投入，由于部分地區(qū)的農業(yè)生產中畜力仍占有一定的比重，因此將役畜因素考慮在內；⑥水資源投入：以各省市每年公布的水資源公報為準，選取農田灌溉和林牧漁畜用水量來表示。具體指標如表4-1所示：表4-2農業(yè)投入指標體系投入類型指標單位土地投入農作物總播種面積千公頃水產養(yǎng)殖面積千公頃果園面積千公頃勞動力投入第一產業(yè)從業(yè)人員數(shù)萬人機械投入農業(yè)機械總動力萬千瓦化肥投入農用化肥施用量（折純量）萬噸役畜投入豬牛羊年末存欄數(shù)萬頭、萬只水資源投入農田灌溉用水量億立方米林牧漁畜用水量億立方米資料來源：根據文獻整理所得1.2.2數(shù)據來源基于本文的核心內容和研究范圍，以地級市作為決策單元，選擇黃河流域除藏族自治州之外的61個地級市（自治州）（由于藏族自治州生產條件相對嚴苛，與其他地區(qū)可比性較差，且數(shù)據缺失嚴重）2014-2019年的面板數(shù)據，并劃分為黃河上、中、下游三個部分，分別測算GTFP及其分解的技術進步和技術效率，以期從空間和時間兩個角度進行差異分析。本章所涉及的指標包括投入、產出兩類。其中，測算非期望產出的指標數(shù)據主要來自各省、市（州）2016-2020年的統(tǒng)計年鑒，以及第三次全國農業(yè)普查主要數(shù)據公報。另外，少數(shù)市（州）豬牛羊年末存欄量數(shù)據缺失，用該市所轄縣區(qū)的年末存量加總計算得來。而期望產出指標和投入指標數(shù)據主要來自2015-2020年《中國農村統(tǒng)計年鑒》、《中國農業(yè)統(tǒng)計資料》、甘肅、山西、河南、寧夏、內蒙古等?。ㄊ?、自治區(qū)）的統(tǒng)計年鑒以及第三次全國農業(yè)普查數(shù)據公報。個別市（州）缺失的數(shù)據用插值法計算得出。特別說明的是，水資源投入數(shù)據摘自2015-2020年各省市的水資源公報。相關數(shù)據的描述性統(tǒng)計結果如表4-3所示。表4-3投入、產出變量描述性統(tǒng)計變量名稱均值最大值最小值標準差樣本量產出變量農林牧漁業(yè)產值（萬元）22598918540948759721781726305COD（萬噸）39.2366301.80270.735638.9515305TN（萬噸）11.6597496.03870.226331.0954305TP（萬噸）2.265436.02460.06343.0355305投入變量勞動力投入（萬人）82.0644337.20000.870070.8188305土地投入（千公頃）513.35912489.93606.4406378.6928305機械投入（萬千瓦）318.66821509.56245.8600292.0165305化肥投入（萬噸）19.820891.34000.299518.2168305役畜投入（萬頭、萬只）260.43661152.520010.2345212.1161305水資源投入（億立方米）7.459948.85000.30007.1693305資料來源：根據搜集的數(shù)據計算所得1.3實證結果及分析1.3.1農業(yè)面源污染測算結果及分析農村經濟迅速發(fā)展的過程中，也對環(huán)境造成了很多負面的影響。長期以來，我國農業(yè)采用粗放型發(fā)展方式，農業(yè)結構不合理。為達到“農業(yè)增產、農民增收”的效果，大量農藥、化學肥料、地膜等農用物資被投入到農業(yè)生產經營過程，造成了嚴重的環(huán)境問題，甚至帶來了一系列農產品安全問題。近年來，國家越來越重視三農問題，特別是農業(yè)安全生產問題。2021年2月21日發(fā)布的中央“一號文件”，再次強調了全面推進鄉(xiāng)村振興、加快推進農業(yè)現(xiàn)代化的重要性。因此，為貫徹落實“鄉(xiāng)村振興”戰(zhàn)略，必須明確農業(yè)生產引發(fā)的環(huán)境污染問題，盡量減少農業(yè)環(huán)境污染，提高農業(yè)綠色生產效率。本文的農業(yè)面源污染主要是指化學需氧量（COD）、總氮（TN）和總磷（TP）三類，具體的計算公式為：（1.9）式中，E是農業(yè)面源污染排放量；EUi是單元統(tǒng)計數(shù)；Qi是排污系數(shù)。其中農業(yè)固體廢棄物的處理方法借鑒張國的研究思路，主要是作物秸稈的還田過程中造成污染，且不同的還田方式其污染排放量不同。圖4-1黃河流域農業(yè)面源污染排放量（萬噸）數(shù)據來源：根據搜集的數(shù)據計算得來如圖4-1所示，2015-2019年，黃河流域農業(yè)面源污染的排放量在不斷減少。2015年農業(yè)面源污染排放量為5061.07萬噸，到2019年已減少到2748.00萬噸，降幅幾乎達到50%。其中，2015-2016年間降幅最大，從2015年的5046.07萬噸減少到2016年的3372.31萬噸，降低了33.2%。這說明在“十三五”期間，黃河流域對于環(huán)境污染，特別是對農業(yè)環(huán)境污染問題的治理效果顯著，農業(yè)生產經營過程中越來越注重綠色效率。如上圖所示，2015-2019年黃河上游的農業(yè)面源污染排放量始終低于黃河中、下游。農業(yè)增收離不開農藥、化學肥料、地膜等物資的過量使用，但長期違反科學規(guī)律，必然會引發(fā)環(huán)境問題，加上畜牧養(yǎng)殖業(yè)蓬勃發(fā)展，畜禽糞便排泄造成的面源污染也不容小覷。但國家越來越重視農業(yè)生態(tài)保護以及農產品安全問題，提高農業(yè)綠色生產效率勢在必行。黃河上游作為黃河流域重要的水源補給區(qū)，在黃河流域生態(tài)保護中的地位十分突出《讓黃河成為造福人民的幸福河》，甘肅日報，2020-05-《讓黃河成為造福人民的幸福河》，甘肅日報，2020-05-26[2021-2-28].黃河中游農業(yè)面源污染排放量比黃河上游高。但依照發(fā)展趨勢來看，兩者之間的差距在逐漸縮小。2015年黃河中游農業(yè)面源污染排放量為1812.56萬噸，是黃河上游（759.18萬噸）的兩倍多。到2019年中游排放量為993.34萬噸，而上游排放量為721.73萬噸，黃河中、上游之間的差距逐漸縮小。2015年，黃河下游的農業(yè)面源污染排放量為2492.32萬噸，遠高于黃河中游（1812.56萬噸）以及黃河上游（759.18萬噸）。但2016年黃河下游排放量降至1372.40萬噸，與黃河中游的1272.09萬噸差距縮小。由圖可知，2017年之后黃河下游的排放量甚至低于黃河中游，且整體水平呈現(xiàn)下降的趨勢。這說明黃河下游的農業(yè)污染問題在逐步改善，也表明農業(yè)生產效率在不斷提高。1.3.2農業(yè)GTFP測算結果分析本文運用MaxDEA6.0軟件對黃河流域61個地級市（自治州）的GTFP進行測算，并分解為技術進步（TECH）和技術效率（EFFCH），從時間和空間兩個層面進行差異化分析。（1）區(qū)域差異分析表4-4表示的是黃河流域61個地級市農業(yè)GTFP平均值、技術進步和技術效率的測算結果。其中，白銀、天水、平涼、臨夏、阿拉善盟、安陽、西安、商洛等28個地級市農業(yè)GTFP指數(shù)大于1，實現(xiàn)了農業(yè)綠色生產效率的進步，也表明黃河流域農業(yè)處于可持續(xù)發(fā)展的狀態(tài)；包頭、寶雞、長治、慶陽、開封、朔州、定西、太原等32個地級市的農業(yè)GTFP指數(shù)小于1，說明在樣本期間這些地區(qū)的農業(yè)GTFP呈現(xiàn)倒退趨勢；只有烏海市的GTFP等于1，也就是觀察周期內保持不變。排名前十的市州中，屬于黃河中游的有8個，具體包括西安、濟源、渭南、延安、濮陽、銅川、商洛、晉城，剩余濱州和泰安2個市屬于黃河下游；排名后十位的市州中吳忠、石嘴山、海東、西寧、銀川、中衛(wèi)這6個市州屬于黃河上游，榆林、忻州2個市屬于黃河中游，而開封、周口2個市屬于黃河下游。該結果表明，黃河中游地區(qū)的GTFP效率值較高，黃河下游地區(qū)次之，黃河上游地區(qū)處于較低水平。從分解結果來看，在GTFP進步的28個市中，白銀、濱州、德州、東營、濟源、晉城、臨夏、呂梁、天水和渭南等10市實現(xiàn)了技術進步和技術效率的雙重增長；濟南、濟寧、萊蕪、商洛、泰安、銅川、西安、咸陽、延安等9市的農業(yè)GTFP完全來源于技術進步，其技術效率保持不變；阿拉善盟、菏澤和武威3市在技術效率改善的同時，出現(xiàn)了技術退步的現(xiàn)象；而安陽、焦作、平涼、濮陽、運城5市技術進步的同時，技術效率惡化。在農業(yè)GTFP倒退的32個市（州）中，有些市（州）技術進步指數(shù)增加，但技術效率不斷惡化。而且，技術進步帶來的收入，不能完全彌補效率惡化造成的損失；有些市（州）技術效率改善但技術退步，或者是技術退步的同時，技術效率惡化，在兩者共同作用下，該地區(qū)農業(yè)生產效率不斷惡化。其中最為特殊的是三門峽市和商丘市，三門峽市在技術進步和技術效率同時惡化的情況下，實現(xiàn)了農業(yè)GTFP的正向增長；而商丘市在技術進步和技術效率雙向驅動的條件下，竟然出現(xiàn)了農業(yè)生產效率倒退的現(xiàn)象。說明這兩個地區(qū)農業(yè)生產效率不僅取決于技術進步和技術效率，還受其他因素的影響。總體來看，技術進步在農業(yè)TFP增長過程中發(fā)揮了很大作用。而在很多情況下，技術效率惡化，也拉低了農業(yè)TFP水平。此外，技術進步和技術效率都起到正向拉動作用的情況相對較少。表4-4黃河流域農業(yè)綠色全要素生產率平均值及其分解結果地區(qū)GTFPEFFCHTECH地區(qū)GTFPEFFCHTECH阿拉善盟1.00611.01900.9893平涼市1.02630.98561.0438安陽市1.02160.95311.0805濮陽市1.04620.97721.0744巴彥淖爾市0.98290.96811.0174慶陽市0.97060.95521.0315白銀市1.03201.03971.0487商丘市1.01840.88680.9260包頭市0.93421.00000.9342商洛市1.04131.00001.0413寶雞市0.99560.93181.0720開封市0.99751.05731.0987濱州市1.11981.04191.0779石嘴山市0.90860.88341.0229長治市0.98310.92861.0652朔州市0.97780.96471.0153德州市1.00381.00851.0050太原市0.97340.92781.2109定西市0.99680.97651.0461泰安市1.09771.00001.0977東營市1.03401.00831.0479天水市1.02701.01781.0526鄂爾多斯市0.98690.97791.0112銅川市1.04371.00001.0437固原市0.93360.90241.0072渭南市1.06221.06901.0863海東市0.89720.87380.9987烏海市1.00001.00001.0000菏澤市1.03301.09100.8973烏蘭察布市0.94850.83901.1634鶴壁市0.95800.90711.0658吳忠市0.90860.98980.9282呼和浩特市0.93220.91321.0250武威市1.01521.03710.9955濟南市1.01951.00001.0195西安市1.16841.00001.1684濟寧市1.01201.00001.0120西寧市0.88000.88280.9837三門峽市1.13861.07421.1010咸陽市1.03081.00001.0308焦作市1.03700.98931.0590忻州市0.89150.75270.9195晉城市1.03701.02081.0291新鄉(xiāng)市0.98410.91701.0750晉中市0.97760.94401.0431延安市1.04781.00001.0478周口市0.92280.92820.9131銀川市0.86080.90550.9384萊蕪市1.00981.00001.0098榆林市0.91381.05780.9858蘭州市0.98881.00431.0689運城市1.03700.89501.0510聊城市0.98300.95641.0287洛陽市0.93871.00000.9387臨汾市0.99740.94651.0653中衛(wèi)市0.75290.71771.0088臨夏州1.02601.03901.0453鄭州市0.90070.91911.0794呂梁市1.02331.00091.0494淄博市0.99330.86781.0581濟源市0.96550.95281.0222資料來源：根據計算結果整理所得（2）時序演變特征分析表4-5反映的是黃河流域2015-2019年期間黃河流域及其上、中、下游地區(qū)農業(yè)GTFP和增長源泉的變化情況。結果表明，黃河流域農業(yè)GTFP平均值為1.0110，即年均增長率為1.1%，其主要增長源泉是技術進步。表4-5分年份黃河流域GTFP指數(shù)及其分解年份20152016201720182019均值黃河流域GTFP0.91981.08500.98811.01311.04911.0110EFFCH0.94830.96980.97400.87841.05760.9656TECH0.97591.00551.03101.08150.96791.0124黃河上游GTFP0.96201.01350.98861.00611.01600.9972EFFCH0.90650.90070.98540.97281.09100.9713TECH0.95871.02471.00471.05600.93780.9964黃河中游GTFP0.96191.01101.00161.01231.08391.0141EFFCH0.96011.00080.95400.96111.04990.9852TECH0.90831.07631.07381.02401.01411.0193黃河下游GTFP0.93561.05070.96311.06141.05471.0131EFFCH0.99301.02310.99180.91821.01900.98