我国粮食绿色全要素生产率的时空演变分析

龚 波，胡 颖

（湖南科技大学商学院，湖南 湘潭 411201）

国以民为本，民以食为天，粮食安全是国家安全的重要基石。党中央始终高度重视粮食安全，2023 年中央一号文件也强调要“全力抓好粮食生产”“全方位夯实粮食安全根基”。改革开放以来，我国粮食产量不断增长，国家统计局相关数据显示，粮食总量由1978 年的30 477 万t 增加至2022年的68 653 万t。但随着生态环境的恶化，粮食安全受到威胁。《自然—食品》于2021 年发布的开创性最新研究报告显示，世界粮食体系的人为温室气体排放量占全球的1/3 以上。面对日益严重的资源与环境问题，以绿色低碳循环为主要原则的绿色发展理念逐渐深入人心。2021 年3 月，北京大学中国农业政策研究中心主任、北京大学新农村发展研究院院长黄季焜教授在中国发展高层论坛2021 年会经济峰会上明确强调，要保障国家粮食安全就必须提升农业全要素生产率（Total Factor Productivity，TFP）。而粮食绿色全要素生产率（Green Total Factor Productivity，GTFP）概念最早是1997 年由Schaltegger Sturm[1]提出的，它代表粮食生产活动带来的包括环境影响在内的总产出与总投入的比率，能有效反映粮食生产最真实的效率[1-2]。鉴于此，我们在保障粮食生产与安全的同时应牢牢抓住“碳排放”这一“绿色”元素，强化环境约束，这也是绿色全要素生产率的核心[3-4]。绿色全要素生产率和粮食安全之间存在双向因果关系，提高GTFP是解决粮食问题的关键[5-6]。

从现有成果来看，国内外学者主要采用索洛余值、数据包络分析（Data Envelopment Analysis，DEA）和随机前沿等方法对TFP进行分析，而探讨粮食TFP的研究多采用DEA 模型。在此模型的运用中，前人研究多运用各种传统的径向CCR、BBC模型或者非径向SBM 模型，且大多基于单一的期望产出，而将期望产出和非期望产出都纳入指标体系且运用综合考虑径向和非径向的混合距离函数的研究较少[7]。此外，以往学者主要侧重对某一区域或某一省份的粮食TFP进行分析思考，而较少有学者以我国多个省份的粮食TFP为研究对象并对其进行时空差异分析。基于此，该研究拟运用超效率EBMGML 模型和空间自相关分析方法，对2004—2021年我国30 个省份的粮食GTFP时空演变情况进行分析，以为我国进一步提升粮食产量、保障粮食安全以及促进粮食生产高质量发展等提供参考。

1 研究方法和数据来源

1.1 研究方法

1.1.1 超效率EBM-GML 模型 EBM 是一种混合距离函数，EBM 模型解决了SBM 模型未考虑到的投入与产出的径向比例问题。但EBM 模型难以用来进一步分析有效评价单元的效率差异，故有学者提出了基于EBM 的超效率模型[8]。该研究建立包含非期望产出的非导向、VRS 条件下的超效率EBM 模型，相关计算公式如下[9]。

式中：*γ表示VRS 条件下模型的最佳效率值，xε是径向与非径向松弛条件转换的关键参数，k表示决策单元DMU（在该研究中为30 个省份），x、y、a分别表示投入、期望产出和非期望产出，pλ为DMU的线性组合系数，s表示松弛量。式中各变量还需满足以下条件：0 ≤xε≤1。

由于Global-Malmquist-Luenberger（GML）指数能够有效兼顾期望产出最大化、非期望产出和投入要素最小化的绿色发展诉求[10]，该研究有效结合了EBM 模型与GML 指数。GML 指数相关计算如公式（5）所示。

式中：GML指数反映的是该年份粮食GTFP相比于上一年份粮食GTFP的变化情况，GML＞1表示粮食GTFP有所提升，GML＜1 则表示粮食GTFP有所下降；EC表示技术效率的变化情况，TC表示技术进步的变化情况。

1.1.2 空间自相关分析方法 空间自相关分析方法是一种较为常用的空间统计方法，用来分析研究单元与邻近单元的联系。该研究利用GeoDa 软件生成Queen 空间邻接权重矩阵来检验空间相关性。为了避免权重矩阵中产生“孤岛效应”，该研究将广东省与海南省视作相邻省份。空间自相关性常用莫兰指数（Moran's I）来衡量，Moran's I 包括全局莫兰指数（Global Moran's I）和局部莫兰指数（Local Moran's I）。该研究通过计算Global Moran's I来分析粮食绿色全要素生产率的空间关联程度，Global Moran's I的计算如公式（6）所示。

式中：I表示Global Moran's I；n表示地区数量；Xi和Xj分别表示i地区与j地区的粮食GTFP；表示粮食GTFP的平均值；Wij表示空间权重矩阵。I＞0 表示存在空间正相关性，I＜0 表示存在空间负相关性，I＝0 则表示不存在空间相关性，表现为空间随机分布。

在有效分析总体区域空间关联程度的基础上，考虑到局部区域单元间也可能存在空间相关影响，因此，该研究同时引入Local Moran's I 进行分析。Global Moran's I 用来分析是否存在空间相关性，而Local Moran's I 用来探索空间集聚特征，其相关计算如公式（7）所示。

式中：Ii表示Local Moran's I。Ii＞0，表示空间地区呈现高高（HH）集聚或低低（LL）集聚特征；Ii＜0，则表示空间地区呈现高低（HL）集聚或低高（LH）集聚特征。

1.2 变量选取及数据来源

该研究基于全国各省份的粮食投入、产出数据测算粮食GTFP。参考以往研究，该研究以土地、化肥、劳动、机械、水资源、农药、农膜、柴油为投入指标，以粮食产量为期望产出指标，以粮食生产过程中产生的碳排放量为非期望产出指标，构建粮食GTFP指标体系如表1 所示。

表1 粮食绿色全要素生产率指标体系

考虑到数据可得性问题，该研究主要选取2004—2021 年我国30 个省份（不包括西藏、港澳台）的面板数据，数据主要来源于相应年份的《中国统计年鉴》、《中国农村统计年鉴》以及各省份统计年鉴。该研究在个别缺失数据的处理上采用插值法进行补齐，在碳排放量的测算上则使用李波等[11]的方法。根据李波等[11]的研究，农业碳排放主要来源于化肥、农药、农膜、柴油、翻耕、农业灌溉，这6 种碳源在生产或使用过程中会引起碳释放。其中，农业翻耕破坏了土壤有机碳库，导致大量有机碳流失到空中形成碳排放，故农业翻耕过程中产生的碳排放量数据主要来源于土地投入情况。碳排放量的测算如公式（8）所示。

式中：E为农业碳排放总量，Ei为各碳源的碳排放量，Ti为各碳排放源的量，iδ为各碳排放源的碳排放系数。其中，化肥的碳排放系数为0.895 6 kg/kg，农药的碳排放系数为4.934 1 kg/kg，农膜的碳排放系数为5.18 kg/kg，柴油的碳排放系数为0.592 7 kg/kg，翻耕的碳排放系数为312.6 kg/km2。此外，该研究参考段华平等[12]的研究，确定农业灌溉的碳排放系数为266.48 kg/hm2。

2 结果与分析

2.1 碳排放约束下的粮食绿色全要素生产率分析

该研究基于EBM-GML 模型，利用MaxDEA Ultra 9 测算碳排放约束下的粮食GTFP。由于MaxDEA 测算结果反映的是粮食GTFP的变化情况，故该研究需以2003 年为基期，对GML指数进行环比换算处理来得到2004—2021 年我国30 个省份的粮食GTFP。从时间维度上看，除2020、2021 年外，其他年份未考虑碳排放的粮食TFP值均高于考虑碳排放的粮食GTFP（表2）。从空间维度上看，在未考虑碳排放的情况下，12 个省份的粮食TFP＞1，而在考虑碳排放的情况下，只有9 个省份的粮食GTFP＞1；未考虑碳排放的粮食TFP平均水平也高于考虑碳排放的粮食GTFP平均水平（表3）。综上，2004—2021 年我国30 个省份的粮食GTFP总体上比粮食TFP偏低，考虑碳排放因素能更准确地反映粮食生产的真实效率。

表2 2004—2021 年我国30 个省份粮食GTFP、TFP

表3 2004—2021 年我国30 个省份粮食GTFP、TFP

2.2 粮食绿色全要素生产率的时空演变分析

该研究利用GML指数探讨历年来粮食GTFP的变化趋势，从其分解指数来看，TC与EC共同影响着我国粮食GTFP的变化。如图1 所示，从时间维度上看，2004—2021 年，EC以年均0.39%的速率下降，这在一定程度上限制了我国粮食GTFP的增长，但我国粮食GTFP的GML指数整体上仍有所提升，年平均值达1.007 6。其原因在于技术进步才是我国粮食GTFP增长的主要动力来源，样本期间内，TC以年均1.16%的速率增长，这超过EC的下降速率，整体上TC作用强于EC。

图1 2004—2021 年我国30 个省份粮食GTFP 变化情况

从空间维度上看，如表4 所示，样本期间内我国东、中、西部地区粮食GTFP都呈增长趋势，年均增长率分别为0.93%、0.86%、0.46%。东、中、西部地区技术进步年均增长率分别为1.71%、0.64%、0.96%，技术进步对东部地区的粮食GTFP贡献最大。中部地区技术效率年均增长0.22%，东部和西部地区的技术效率呈下降趋势，年均下降0.77%、0.50%。由此可见，技术效率仅对中部地区有所贡献，技术效率下降对东部地区粮食GTFP产生较大影响。东部地区虽然粮食生产受资源环境效率值的约束较大，但拥有经济质量、地理位置等优势，这些使其能通过发展更先进的技术去推动粮食GTFP的增长，因此，总体上东部地区粮食GTFP较中、西部地区增长更快。

表4 2004—2021 年我国30 个省份粮食GTFP 变化情况

从各省份来看，样本期间内我国30 个省份驱动模式总体上分为双驱或单驱模式（表4）。北京、天津、河北、山西、辽宁、上海、安徽、湖南、云南、甘肃、宁夏11 个省份的EC＞1，TC＞1，这些省份呈双驱模式，其中，东部地区省份最多；内蒙古、吉林、江苏、浙江、福建、山东、河南、湖北、广东、海南、重庆、四川、贵州、陕西、青海、新疆16 个省份的TC＞1，这些省份为TC单驱模式，其中，东部、西部地区省份最多；黑龙江和江西的EC＞1，这2 个省份为EC单驱模式，均为中部地区。此外，广西同时表现为TC＜1、EC＜1，说明技术进步和技术效率的驱动作用均在下降。总的来说，技术进步对大部分省份的粮食GTFP起到了提升作用，而技术效率对43.33%省份的粮食GTFP起到了提升作用。

无论是分地区还是分省份来看，地区间或省份间的粮食GTFP都存在一定的差异。尽管我国30 个省份中5/6 的省份年均GML＞1，我国粮食GTFP整体呈上升趋势，但在以粮食GTFP年均增长率1.5%为参照值的情况下，我国仅有不到1/3 的省份粮食GTFP年均增长率超过该标准，其中，东部地区省份为6 个，中部地区省份为2 个（表4）。总体而言，我国粮食GTFP增长率仍有待提高。此外，虽然东部地区年均增长速率较快，但东部地区平均粮食GTFP仍低于中部地区（表3），这是因为作为我国粮食主产区的13 个省份大都位于中部地区。尽管中部地区在粮食生产中投入的资源量较大且产生了较高的非期望产出，这些与高粮食GTFP的要求不符，但高投入量带来的高粮食产量却能平衡甚至提升粮食GTFP的水平。整体上而言，我国粮食GTFP呈现出“中高西低”的特征。

2.3 全局自相关检验

如表5 所示，我国30 个省份粮食GTFP除在2004、2005 年在10%水平上显著以及在2006、2007 年在5%水平上显著外，在样本期间内的剩余年份均呈现出在1%水平上的超强显著性。此外，我国30个省份在样本期间内的Global Moran's I＞0，表明我国30 个省份粮食GTFP的空间依赖度合理存在，且都呈现空间正相关性。

表5 2004—2021 年我国30 个省份粮食GTFP 的Global Moran's I

2.4 局部自相关检验

该研究选取了2004、2009、2015、2021 年的Local Moran's I来分析样本期间内区域单元的具体分布状态，结果如图2 所示。从省份分布来看，我国30 个省份中粮食GTFP处于高高集聚区和低低集聚区的省份较多，粮食GTFP处于高低集聚区和低高集聚区的省份较少。同时，呈现空间正相关性的省份（位于第一、三象限）占总样本的比例也由2004年的60%上升至2021 年的73%。以上特征表明，我国30 个省份粮食GTFP的局部空间异质性逐渐减弱，空间集聚程度不断提升，我国粮食GTFP总体呈现空间正相关性。

图2 2004、2009、2015、2021 年我国30 个省份的Local Moran's I

分地区来看，我国粮食GTFP集聚性较强的省份主要分布在东部和中部地区。位于第一象限（高高集聚区）的省份以山东、安徽、河南、江苏等东、中部地区省份为主，这些省份在科技水平、产业结构等方面的优势较为明显，其较高的综合水平能够有效推动区域发展，通过空间溢出效应带动周边地区协同发展，进而促进粮食GTFP的增长。位于第三象限（低低集聚区）的省份多为偏南方的东部地区省份，如广东、广西、海南等，这些省份是粮食GTFP的“低洼地带”，其在空间上对周边地区的带动、辐射作用相对不明显，其邻近省份的粮食GTFP也处于相对较低的水平。

3 结论与建议

3.1 结 论

该研究得出以下结论。其一，未考虑碳排放这一非期望产出的2004—2021 年我国30 个省份粮食全要素生产率总体上比考虑碳排放的粮食绿色全要素生产率偏高，粮食绿色全要素生产率能够更准确地反映粮食生产的真实效率，故要将环境制约因素纳入粮食生产的投入、产出评价指标体系。其二，从时间维度来看，2004—2021 年我国30 个省份粮食绿色全要素生产率整体呈上升趋势，其增长的主要动力来源为技术进步；从空间维度来看，我国东、中、西部地区粮食绿色全要素生产率都呈增长趋势，但表现出“中高西低”的特征，技术进步对东部地区的粮食绿色全要素生产率贡献最大，而技术效率仅对中部地区有所贡献。其三，通过空间自相关分析发现，虽然30 个省份粮食绿色全要素生产率存在一定的差异，但整体上呈现出空间正相关性；我国粮食绿色全要素生产率的局部空间异质性逐渐减弱，空间集聚程度不断提升，大部分省份粮食绿色全要素生产率处于高高集聚区和低低集聚区，集聚性较强的省份主要分布在东部和中部地区。

3.2 建 议

基于以上结论，该研究提出以下建议。一是完善粮食生产中的环境规制政策。相关部门应深入贯彻绿色发展新理念，通过实施科学、严谨、高效的环境规制政策，充分发挥环境规制政策的正向调节作用，进一步规范粮食生产环境，督促相关主体在粮食生产过程中不因对资源进行过度开发和利用而带来环境恶化问题，以在减少碳排放的同时保障粮食绿色全要素生产率稳步增长。二是促进技术进步，提高技术效率。粮食生产需要土地、化肥、劳动、机械、水资源、农药、农膜、柴油等方面的共同投入，仅仅依靠技术进步难以解决粮食生产中的问题。因此，我国应在促进技术进步的同时提高粮食生产的技术效率，优化配置各种资源要素，进一步提高粮食产量、保障粮食安全，从而增强粮食综合生产能力，提高粮食绿色全要素生产率，推进粮食产业高质量发展。三是促进区域合作，推进协调发展。我国西部地区受限于相对较低的经济发展水平与相对较差的农业生产基础，其近十几年的粮食绿色全要素生产率低于中、东部地区。因此，我国应继续加大农业支持力度，通过优化农业生产结构、发展绿色农业技术，实现粮食生产高质量发展；发挥中、东部地区的带动作用，促进西部地区与中、东部地区的交流与合作，从而推进区域协调发展。四是注重因地制宜，完善支持体系。考虑到各地区具有差异化特征，各地政府应在学习借鉴其他地区优秀政策和发展经验的同时，因地制宜地完善各自的顶层设计，统筹构建并完善差异化的粮食生产支持政策体系，以充分发挥自身优势，补齐自身短板[14]。