资源环境约束下的农业全要素生产率增长研究

　　摘要：传统的农业全要素生产率测算方法很少统筹兼顾资源和环境约束，无法反映出我国农业经济增长的真实绩效。本文采用Malmquist-Luenberger指数将水资源和农业面源污染因素纳入传统的农业全要素生产率分析框架，测算分析了资源环境约束下1998-2009年30个省份的农业全要素生产率及其分解成分。研究结果表明：是否考虑资源环境约束对农业全要素生产率的核算结果具有显著影响，并可能导致政策误判；考虑资源环境约束的农业全要素生产率显著低于传统不考虑资源环境约束的测算结果，我国的农业经济呈现出以严重破坏生态环境和大量消耗资源为代价的粗放型增长；资源环境约束下我国东部地区的农业全要素生产率高于中西部地区，中西部地区面临着农业增长与资源环境相协调的艰巨任务。

　　关键词：水资源；农业面源污染；农业全要素生产率；Malmquist-Luenberger生产率指数

　　1、引言

　　提高农业综合生产能力，是促进我国粮食增产、提高农民收入、推进农村社会和经济全面发展的重要手段。从理论上讲，农业综合生产能力的提高取决于两点：①农业要素投入量的增加；②农业全要素生产率的提高。然而，资源的稀缺性决定了我国农业综合生产能力不可能依赖于农业要素投入的无限扩张，而应以农业全要素生产率的不断增长为主要源泉，因此，农业全要素生产率的研究一向为学界所关注。例如，Wiens、McMillan等、Fan、Lin等较早地对农业全要素生产率进行了研究，认为我国改革开放初期的农业全要素生产率增长较快，而计划经济时期的农业全要素生产率处于停滞状态；Chen等、李谷成、朱喜等、刘燕妮等以及郭萍等也采用不同的方法对我国的农业全要素生产率进行了分析和判断。

　　上述研究对理解我国农业经济增长的方式和路径具有重要意义，然而由于研究方法的局限，这些文献对农业全要素生产率的度量只基于传统的资本、劳动和土地等要素，很少统筹兼顾与农业可持续发展息息相关的资源与环境要素。可持续发展理论认为，资源和环境因素不仅是经济发展的内生变量，而且是经济发展规模和速度的刚性约束。

　　传统的农业全要素生产率评价方式由于没有考虑资源约束和环境污染，实际上忽略了经济增长对社会福利的负面影响，无法反映出我国农业经济增长的真实绩效，甚至会使基于生产率的政府决策发生偏误，最终导致对农业生产和农民利益产生长期的负面影响。现阶段，我国一些地区走上片面追求高投入、高消耗的粗放、不可持续农业发展道路的主要原因之一，就是传统评价一个地区农业经济增长绩效没有考虑资源约束和环境破坏。在测度瑞典纸浆厂的全要素生产率时，Chung等提出一种新的全要素生产率测算方法——基于方向性距离函数（DirectionalDistanceFunction，DDF）的卢恩伯格生产率指数（Malmquist-LuenbergerIndex，MLIndex），这个指数可以测度资源环境约束下的全要素生产率。近年来，一些学者已经尝试运用Malmquist-Luenberger生产率指数测算整体经济以及工业经济的资源环境约束下的全要素生产率，例如庞瑞芝等、王维国等、张纯洪等以及匡远凤等，但是考虑资源环境约束，研究的文献并不多见。

　　基于此，本文的目的就是尝试将水资源和农业面源污染因素纳入到传统的农业全要素生产率分析框架，运用新近发展起来的Malmquist-Luenberger生产率指数测度资源环境约束下我国30个省份1998-2009年的农业全要素生产率及其分解成分，以期更加准确地评估我国农业经济的增长绩效，促进我国农业部门实现资源节约、环境保护和经济增长的三者统筹协调发展。

　　2、研究方法

　　由于资源和环境的价格无法获取，传统的全要素生产率核算手段无法对其进行直接处理。如何合理地将资源和环境因素整合到全要素生产率的分析框架中一直以来都被学术界广为关注。现有文献对资源的处理方法较为一致，通常将资源看作一种新的投入要素和土地、资本、劳动等常规投入要素一并作为经济增长的源泉。关于环境污染在生产率分析中的处理有些复杂，现有文献中主要有两种处理方法：一种是将环境污染作为有害投入要素，和土地、资本、资源等一同引入生产函数，代表文献有陈诗一、袁富华。但在特定的生产过程中，环境污染与资源投入并不总能保持一定的同比例关系，因而将环境污染作为投入要素不能反映实际的生产过程，其度量的生产率值也只能作为一种参考；第二种方法是将环境污染作为一种“坏”产出（badoutput，如农业面源污染），和“好”产出（goodoutput，如农业总产值）一起引入生产过程，利用DEA模型来对其进行分析。这种方法通过设定“好”产出增加、“坏”产出减少的方向，将生产率分析与环境污染纳入一个统一的框架中，同时由于其并不需要环境污染的价格数据，在实际中得到了广泛的应用。本文采取将环境污染作为“坏”产出的第二种处理方法。

　　为了将资源和环境污染纳入到生产率的分析框架中来，需要构建一个既包括“好”产出又包括“坏”产出的生产可能性集，即环境技术。假设每一个省份使用N种投入X=(x1,…,xN)∈RN

　　+，生产出M种“好”产出Y=(y1,…,yM)∈RM+和I种“坏”产出U=(u1,…,uI)∈RI+，则环境技术可以模型化为：Pt(xt)=(yt,ut):Σk=1，kn≤xtn,n=1,2,…,N;Σk=1，Km≥ytm,m=1,2,…,M;Σk

　　=1，Ki,i=1,2,…,I;ztk≥0,k=1,2,…,K；式中ztk为生产单位k=1,…,K在构造环境技术结构时各自的权重，ztk的和为1以及非负表示为可变规模报酬的环境技术，若去掉和为1的约束，则表示规模报酬不变。

　　环境技术表述在既定投入x下，最大“好”产出y和最小“坏”产出u的生产集合。在此基础上，可以通过构造方向性距离函数来计算出每个决策单元的相对效率。传统的农业全要素生产率指数测算基于Shephard距离函数，这个函数将“好”产出和“坏”产出同等对待，要求两者同比例增加，这显然违背了生产率评价的初衷。而方向性距离函数考虑的是在“好”产出增加的同时“坏”产出同比例缩减的可能性大小，因而可以衡量资源环境约束下的农业全要素生产率。基于产出角度的方向性距离函数的具体形式为：Dt0(xt,k′,yt,k′,ut,k′;gy,-gu)=sup{β:(y}t,k′,ut,k′)+βg∈Pt(xt,k′)；式中(xt,k′,yt,k′,ut,k′)为省份k的投入和产出向量；g=(gy,-gu)为产出扩张的方向向量，方向向量g的选取反映了人们对“好”产出和“坏”产出的不同偏好。本文假定方向向量是中性的g=(gy,-gu)，即人们对“好”产出和“坏”产出同等对待，两者在现有基础上同比例增减；β衡量的就是“好”产出y增加和“坏”产出u缩减的最大可能数量，β可以通过以下线性规划模型求解：Dt0(xt,k′,yt,k′,ut,k′;yt,k′,-ut,k′)=maxβs.t.Σk=1，k′n,n=1,2,…,N;Σk=1；m≥(1+β)ytk′m,m=1,2,…,MΣk=1技术进步指数测度技术前沿的进步速度，反映生产可能性边界向外扩张的动态变化；效率改进指数衡量生产单位实际生产向最大生产产出的迫近程度，反映出技术落后者追赶先进者的速度。ML、MLTECH和MLEFFCH大于（小于）1分别表示全要素生产率增长（下降）、技术进步（退步）和效率改善（恶化）。

　　3、数据处理与描述

　　3.1数据处理

　　本文旨在考查资源环境约束下的我国农业部门全要素生产率情况。选择1998-2009年大陆30个省份的跨期面板数据进行分析（起始年份的确定主要是因为1998年开始才有分省的农业水资源数据）。由于DEA方法对异常数据的敏感性，考虑到西藏的特殊政治经济地位和资源禀赋条件，论文的分析不包括西藏；同时考虑到数据的可得性以及制度和研究意义等方面的原因，本文的分析不包括香港、台湾、澳门地区。

　　选择30个省份的农林牧渔业总产值作为“好”产出变量，该产出变量通过1998年农林牧渔业总产值指数进行调整；以土地、劳动力、役畜、化肥、机械作为常规投入变量；农业水资源作为资源变量；农业面源污染等标排放量作为农业发展中的“坏”产出变量。

　　由于农业面源污染具有面源性、分散性、隐蔽性以及随机性等特点，这使得农业面源污染通常难以量化和测度。现有文献对农业面源污染核算的方法主要有4种：①基于流域尺度的大量模拟和试验。这种方法由于监测成本太高而无法推广到大尺度的区域中；②采用化肥、农药等农用化学品使用量、畜禽粪便排放量等指标代替农业面源污染。此类指标无法在同一尺度上比较区域农业面源污染的差异程度；③基于养分平衡的视角，用过剩氮，过剩磷等来表示。这类方法不能反映氮磷素的流动方向，从而不能真正衡量农业面源污染程度；④以综合调查为基础的清单分析方法。这种方法由于较为准确和方便，目前已经被学者们广泛采用，如梁流涛、葛继红等。本文也采用清单分析方法对省际层面上的农业面源污染量进行核算。根据研究需要，本文确定农田化肥、畜禽养殖、农田固体废弃物以及水产养殖等4类产污单元。核算的农业面源污染物主要有化学需氧量（COD）、总氮（TN）和总磷（TP）3类。各个污染单元农业面源污染排放量的计算公式为：E=ΣiEUiρi（1-ηi）Ci；PI=E/S式中E为农业面源污染排放量；EUi为单元i指标统计数；ρi为单元i污染物的产污强度系数；ηi为单元i污染物的利用效率系数；EUi和ρi之积是农业污染产生量，即不考虑资源综合利用和管理因素时农业生产所造成的最大潜在污染量；Ci为单元i污染物的排放系数。在相关文献调查的基础上，省际层面不同产污单元的产污强度系数、利用系数和流失系数的相关参数。式中PI为农业面源污染等标污染排放量，S为污染物排放评价标准，本文采用GB3838-2002中的Ⅲ类水质标准，其中COD、TN、TP污染物排放评价标准分别为20mg/L、1mg/L和0.2mg/L。

　　3.2数据统计描述

　　本文变量的简单统计描述。从中可以初步发现，各省份的农业发展情况在1998-1331年间表现出较大的差异。其中，无论是农业产出量还是农业面源污染排放量的最大最小值比都在50以上，所有投入变量的最大最小值比也都接近或超过50。显然，如此巨大的数值差异一方面表明地区农业的发展规模和增长速度迥异，另一方面也说明不同地区农业发展所消耗的自然资源和所造成的环境污染差异明显。因此，在对农业全要素生产率进行估算时，如果不考虑资源约束和环境污染的话，将会不可避免地导致分析结果出现较大偏差。

　　区域农业资源禀赋和经济发展显著不平衡，资源环境约束下的农业全要素生产率也可能存在明显的区域差异。因此，为比较资源消耗和环境污染对我国农业全要素生产率影响的地区差异，我们按传统划分办法把各省份划分为东部、中部和西部三大地区。东部地区包括河北、北京、天津、广东、江苏、辽宁、山东、上海、浙江、福建、海南8省3市；中部地区包括安徽、河南、黑龙江、吉林、湖北、湖南、江西、内蒙古以及山西9省；西部地区包括广西、贵州、云南、四川、重庆、宁夏、青海、甘肃、陕西以及新疆9省1市。

　　从三大区域各变量增长率和所占份额来看，1998-2009年间我国西部地区的农业经济增长平均速度最高，同时水资源消耗量和农业面源污染排放量增长率也最高；东部地区的农业面源污染排放量和水资源消耗量的变化率一直处于负增长状态。但是需注意的是，从资源使用量和污染排放量份额来看，东部地区仍然是农业面源污染的主要排放者，其污染排放量的份额大约在40%左右，西部地区是水资源的主要消耗者，其水资源使用量的份额达到了38%。

　　4、实证结果分析