新疆低碳农业生产效率研究*——基于SBM-DEA的研究方法

○新疆财经大学工商管理学院 李季鹏 黄永胜

○新疆财经大学统计与数据科学学院 安博文

一、引言

随着经济的快速发展，环境问题越来越受到关注，关于温室气体排放、全球变暖和冰川融化的报道屡见报端。IPCC第四次评估报告(2007)指出[1]，农业是温室气体的第二大来源，全球人为排放的13.5%来自于农业源温室气体排放，因此低碳循环、绿色生态农业成为国内外的关注热点。2015年12月12日，195个缔约方在巴黎达成了新的全球气候协议——《巴黎协议》，将未来努力的目标设为将气温升幅限制在1.5℃内。2015年3月18日，农业部印发了《到2020年化肥使用量零增长行动方案》和《到2020年农药使用量零增长行动方案》，大力推进化肥减量提效、农药减量控害。鉴于此，国内学者主要从三个角度对农业碳排放进行了大量研究。①农业碳排放的特征与时空演变。何艳秋(2016)[2]研究了中国农业碳排放的时空特征，夏四友(2019)[3]研究了1997—2016年中国农业碳排放率的时空动态与驱动因素，廖卫东(2020)[4]研究了西部大开发12省的农业碳排放时序演变和空间格局的变化特征，章胜勇(2020)[5]采用空间和非参数估计的方法研究了中国的农业碳排放的空间分异和动态演进；②农业碳排放的影响因素。胡中应(2018)[6]、张永强(2019)[7]、雷振丹(2020)[8]研究了技术因素对农业碳排放的影响，刘琼(2020)[9]研究了农地经营规模对农业碳排放的影响路径；③经济增长与农业碳排放。高鸣(2014)[10]、王留鑫(2019)[11]、张亚飞(2020)[12]对农业碳排放与经济增长之间的关系进行了研究，何艳秋(2020)[13]基于三维视角，从空间关联、经济关联和技术关联对区域农业碳排放进行了更深层次、更全面的探究。

新疆地处中国西北边陲，属于干旱地区，是中国陆地面积最大的省级行政区，但耕地面积只占全国耕地面积的3.85%，耕地质量只分布在6等级及以后。但是，新疆作为我国重要的种植业和畜牧业基地，低碳农业发展尤其关键。因此，对新疆地区的农业碳排放进行估算，采用数据包络分析和Malmquist指数方法将农业碳排放作为非期望产出，从静态和动态角度来研究新疆地区的农业碳排放效率，有利于清楚把握新疆地区的农业碳排放总量及效率情况，了解新疆农业碳排放效率的影响内因，为新疆低碳农业更好发展提供方向。

二、研究方法与理论模型

(一)IPCC法的碳排放估计模型

本文选取碳排放源的碳排放量与碳排放系数的乘积来测量农业碳排放的总量，具体测算如公式(1)。

C=∑Cj=∑NjEj

(1)

公式(1)中，C为农业的总碳排放量；Cj为第j类碳排放源的碳排放量，第j类碳排放源的数量；Ej是第j类碳排放源的系数。

(二)SBM-DEA模型

1.基本的SBM-DEA模型

SBM模型属于DEA模型中非径向、非角度的模型，由tone(2001)[14]提出，它把投入和产出的松弛量放入目标函数中评价决策单元的效率，能够评价投入角度和产出共参数的生产效率。有m种投入变量x和n种产出变量y，则最初的SBM-DEA模型可表示为模型(2)。

(2)

2.考虑非期望产出的SBM-DEA模型

在考虑污染等因素后，考虑非期望产出的SBM模型，把(2)中的y分解成(yg，yb)，分别表示期望产出、非期望产出。考虑有m种投入x，n1意愿产出yg，n2中非意愿产出yb的SBM模型表示为模型(3)。

(3)

模型对于决策单元是缺乏效率的，可以作以下改进，以至于达到有效。

(三)DEA-Malmquist模型

DEA-Malmquist模型是数据包络分析方法与Malmquist指数相结合的一种非参数动态效率评价方法，它利用距离函数的比率来计算投入产出效率。

(4)

(4)式进一步的推导可得

(5)

TFP为全要素生产率指数，可以分解为技术进步效率指数TCH和技术效率指数ECH。

当规模报酬可变时，技术效率指数ECH可以进一步分解为纯技术效率指数TECH和规模效率指数SECH。

(6)

由(4)、(5)、(6)式可知，当规模报酬可变时，全要素生产率指数TFP由技术进步效率指数TCH、纯技术指数TECH和规模效率指数SECH三部分组成。当TFP>1时，说明全要素生产率呈增长趋势；当TFP<1时，说明全要素生产率呈下降趋势；当TFP=1时，说明全要素生产率保持稳定的趋势，技术进步效率指数TCH、技术效率指数ECH、纯技术指数TECH和规模效率指数SECH的数值解释与全要素生产率指数TFP类似。

三、指标选取与数据来源

(一)农业碳排放指标

借鉴吴贤荣(2014)[15]、冉锦成(2017)[16]农业碳排放源头的选取值，结合新疆地区的实际情况，本着数据易获取的原则，本文认为新疆农业碳排放主要分为农业和牧业两大来源。其中农业碳源主要包括化肥、农膜、农用柴油、土地翻耕和农用灌溉；牧业碳源主要由牛、马、驴、猪、山羊和绵羊组成，其中牧业碳源不仅会产生CH4，也会产生N2O，碳源排放系数如表1所示。

表1 主要碳源碳排放系数

(二)农业碳排放效率评价指标

结合新疆的实际情况，借鉴吴贤荣(2014)研究，本文将农业碳排放效率指标体系分为人力投入、物力投入、非期望产出和期望产出四大类，其中人力投入用乡村农业从业人员衡量；物力投入包括播种面积、化肥使用量和农业机械总动力；非期望产出为二氧化碳排放量；期望产出用农业GDP来衡量，具体如下表2所示。

表2 农业碳排放效率评价指标体系

(三)数据来源

本文选取了新疆14个地州市作为考察对象，所有样本的研究时期为2014—2018年，碳排放量、农业碳排放效率和农业碳排放全要素生产率的测算数据均来源于2015—2019年《新疆统计年鉴》。其中农用化肥施用量为折吨量；农膜是采用地膜作为替代；土地翻耕以各地区当年各地实际播种面积为准；农业灌溉使用各地区当年的节水灌溉作为替代；牛、马、驴、猪、山羊和绵羊的数量以各年牲畜年底头数为准；播种面积以当年各地区实际播种面积为准。为了剔除价格变化影响，以2010年为基准年，将各年农业产值换算成实际总产值。

四、实证结果分析

(一)新疆农业碳排放的估计与分析

如图1所示，2014—2018年新疆的农业碳排放总量呈现先上升后下降的趋势，其中2014—2016年呈上升的趋势，在2016年达到了一个峰值，2016年之后呈下降的趋势，这可能是由于2015年12月达成《巴黎协议》的宏观环境带来的影响；在2017年的下降幅度小于2016年的下降幅度，这可能是2017年新疆维稳工作成功后，经济复苏使得农业得到了更好的发展，从而产生了更多的碳排放。

图1 新疆2014—2018年农业碳排放总量情况

由图2可知，新疆各地市各年的碳排放占比存在一定的波动，其中乌鲁木齐市、吐鲁番市、哈密市、阿勒泰地区和阿克苏地区的碳排放占比呈上升的趋势；昌吉州、塔城地区、喀什地区和和田地区的碳排放占比呈下降趋势。在2014—2018年伊犁州的碳排放占比均为最高，这可能是由伊犁州发达的畜牧业造成的，因为牲畜的碳排放是农业碳排放的主要组成部分。

图2 新疆各地区2014—2018年农业碳排放占比情况

(二)农业碳排放效率的结果分析

1.静态SBM-DEA模型的农业碳排放效率分析

本文基于以上的指标建立了SBM-DEA模型，运用MATLAB R2020a软件得到农业碳排放效率结果，如表3所示。新疆2014—2018年平均效率值都大于0.8，说明农业碳排放效率整体还不错。但各地区农业碳排放效率值仍存在一定的差异，从波动情况来看，乌鲁木齐市、克拉玛依市、吐鲁番市、哈密市、昌吉州、伊犁州、阿勒泰地区、阿克苏地区和喀什地区的变异系数均小于10%，属于弱变异，说明这些地区的波动程度比较小；其他地区的变异系数均大于10%且小于40%，属于低等变异，波动相对较大，其中克州的农业碳排放效率值波动最大，2014—2017年的效率值均为1，2018年的效率值降为0.4432是当年新疆14个地州市最低水平。从效率值水平来看，乌鲁木齐市、克拉玛依市、吐鲁番市、哈密市、昌吉州和阿勒泰地区平均效率值最高，且近五年的效率值均为1，均达到DEA有效状态。平均效率水平排最后两名的地区是阿克苏和喀什地区，分别为0.5921和0.5420，且喀什地区2014—2018年的效率值都小于0.6，说明近5年喀什地区的碳排放效率值都比较低。

表3 新疆14个地市SBM-DEA效率值

2.动态DEA-Malmquist模型的新疆农业碳排放效率分析

如表4所示，从农业碳排放的时间序列来看，新疆2015—2018年的全要素生产率TFP的均值为1.048，大于1，表示新疆的农业碳排放全要素生产率平均以4.8%的速度增长，其中技术进步指数TCH为1.044，技术效率指数ECH为1.004，说明全要素生产率的增长主要是靠技术进步的拉动。

表4 2015—2018年新疆低碳农业Malmquist指数

由图3可知，全要素生产率指数的变动趋势与技术进步指数基本一致，且大致呈增长的趋势，而技术效率指数却有下降的趋势，说明新疆农业碳排放效率增长的主要原因是技术的进步，而技术的利用和管理水平却有待提升。

图3 新疆农业碳排放效率TFP指数、ECH指数、TCH指数变动趋势

从表5可知，新疆各地市的全要素生产效率除了哈密市、阿克苏地区与和田地区小于1为负增长之外，其他地市均大于1，且均值为1.048，表明年均增长为4.8%，说明除了哈密市、阿克苏地区与和田地区之外，其他地市的农业碳排放效率从2014—2018年均呈增长的趋势。但是各地市的TFP指数仍然存在一定的差异，增长前三的城市是克拉玛依市、塔城地区和阿勒泰地区，其中克拉玛依市的TFP最大，为1.133，即年均增长为13.3%，塔城地区和阿勒泰地区的增长率分别为10.5%和9.7%。正增长最慢的三个地市是伊犁州、巴州和克州，增长率分别为2.7%、2.3%和0.9%。将新疆分为南疆和北疆两大区域时，可以发现，南疆和北疆的全要素生产率均大于1，增长率分别为6.8%和1.4%，说明南疆和北疆的农业碳排放全要素生产率呈上升的趋势。

表5 新疆低碳农业Malmquist指数变化及其分解

从各地市农业碳排放全要素生产率的构成来看，全疆的技术效率、技术进步均大于1，呈增长趋势，说明近年来新疆农业碳排放效率得到了有效的改进。其中阿克苏地区的全要素生产率指数、技术效率指数均大于1，但技术进步却小于1，说明该地区的农业碳排放技术虽然没有增长，但是利用技术的效率更高了，技术的应用和管理水平助力了全要素生产率的增长。而博州和巴州的技术进步指数、全要素生产率指数都大于1，但是技术效率小于1，说明该地区全要素生产率增长的主要原因仍是技术进步，但技术进步并没有带来技术效率的增长，表现为一种粗放式的增长。乌鲁木齐市、克拉玛依市、吐鲁番市以及昌吉自治州这4个地州市的全要素增长率均大于1，且技术效率指数等于1，技术进步指数大于1，说明这4个地州市的农业碳排放效率仅依靠技术的进步。伊犁自治州、塔城地区、阿勒泰地区、克州和喀什地区的全要素指数、技术效率指数和技术进步指数均大于1，说明这四个地区的农业碳排放效率的改善源于技术进步和技术效率双重的贡献。从南疆地区和北疆地区来比较，北疆地区各分解指数均大于1；南疆地区的规模效率指数小于1，其他分解指数均大于1。且除了纯技术指数南疆大于北疆之外，其他分解指数方面，北疆均更高，这说明北疆的技术进步和规模效率程度都更胜一筹，而在纯技术方面，可能是因为近年来南疆地区援疆强度和技术引进的提升。

五、结论与建议

本文采用IPCC法估算了新疆2014—2018年的碳排放总量，并使用SBM-DEA模型和Malmquist指数从静态和动态层面对新疆2014—2018年低碳农业生产效率进行分析。

从碳排放总量来看，由于对政策的落实和对环境保护的重视，新疆的碳排放总量呈下降的趋势。因此新疆需要继续践行低碳农业发展理念，在发展农业经济的同时，也要保护好环境，减少碳源的排放。

从静态的角度来分析碳排放效率，新疆2014—2018年的SBM-DEA效率值的平均值均大于0.8小于1，属于非有效状态。具体来看，北疆地区各地市的效率值更高且大部分地市均达到了SBM有效，而南疆地区的效率值偏低一些。因此新疆应该重视农业低碳经济的发展，政府应积极引导、统筹考虑逐步缩小南北疆的差距，实现区域协调发展。

从动态的角度分析碳排放效率可以分为时间序列和空间差异。从时间序列的方面分析，新疆的农业碳排放全要素生产率大致呈上升的趋势，且全要素生产率和技术进步指数的变动趋势基本一致；从空间差异的方面分析，新疆各地市的全要素生产率存在一定的差异，北疆的各分解指数基本上均大于南疆的各指数。因此，新疆应该继续加强对农业低碳经济的投资，保持技术的进步，同时，应该注重农业碳排放效率的内涵式增长，重视农业人才的发展和从业人员职业素养的提升，提高技术的应用和管理水平，控制规模的效率。