Study on Total Factor Productivity and Influencing Factors of Grain: Based on the Empirical of Municipal Panel Date from 2008 to 2017 in Sichuan Province
-
摘要: 采用DEA-Malmquist指数法分析2008—2017年四川省粮食全要素生产率的演变情况，并运用面板线性回归模型、面板Logit模型和面板Tobit模型对全要素生产率的影响因素进行实证研究。结果表明：（1）2007—2017年期间，四川省粮食全要素生产率年均水平未发生变化，整体表现为“W型”趋势，增长主要源于技术进步单轨驱动；四川省各市州粮食全要素生产率、技术进步和技术效率存在显著差异。（2）地区经济发展水平、研发投入水平和农业经营规模水平显著正向影响四川省粮食全要素生产率；机械化水平和农业结构调整度显著负向影响四川省粮食全要素生产率。建议四川省高度重视粮食生产，统筹推进区域协调发展，不断加大科技推广力度，持续增加研发投入，稳步提升农业经营规模水平。
-
关键词:
- DEA-Malmquist /
- 全要素生产率 /
- 粮食
Abstract: This paper uses the DEA-Malmquist index method to analyze the evolution of total factor productivity of grain in Sichuan province from 2008 to 2017, and uses the panel linear regression model, panel Logit model and panel Tobit model to conduct an empirical study on the influencing factors of total factor productivity. The results show that during 2007—2017, the annual average level of total factor productivity of grain in Sichuan has not changed, and the overall performance is a “W” trend, the growth is mainly driven by the single track of technological progress; there are significant differences in total factor productivity, technological progress and technological efficiency of grain in all cities of Sichuan Province. The levels of regional economic development, R & D investment and agricultural operation scale have a significant positive impact on the total factor productivity of Sichuan grain. The levels of mechanization and agricultural structure have a significant negative impact on the total factor productivity of Sichuan grain. It is suggested that Sichuan province attach great importance to grain production, promote regional coordinated development as a whole, continuously increase the promotion of science and technology, continuously increase R & D investment, and steadily improve the level of agricultural operation scale.-
Keywords:
- DEA-Malmquist /
- total factor productivity /
- grain
-
党的十九大报告作出“我国经济已由高速增长阶段转向高质量发展阶段”的重要论断。农业作为国民经济的基础行业，要适应并遵循我国经济发展新趋势，向高质量发展阶段迈进[1]。然而，随着我国农业现代化的进程加快，其发展面临生态环境恶化、资源利用率低、农业面污染日趋加重的问题，因此2020年中央1号文件强调推进农业高质量发展，治理农村生态环境突出问题[2]。面对农业资源短缺与环境脆弱的双重约束，发展低碳农业可以有效应对当前气候变化，节约资源保护生态环境。作为一种新型农业经营模式，低碳农业扩展了现代农业功能，能够最大限度地减少生产过程中的高碳能源消耗，实现农业生产节约高效、要素投入现代集约、农产品优质环保。因此，研究低碳农业发展质量对于建立健全绿色低碳循环发展的农业经济体系具有重要意义[3]。
目前，关于低碳农业发展质量的研究集中于定量分析，内容涉及农业生产活动碳排放核算与分析、低碳农业生产效率、低碳农业发展模式评价、微观农户低碳生产行为。在低碳农业发展质量研究方法层面，学者较多采用两类研究方法分析和评价某一区域的低碳农业发展质量水平，第一类是从狭义效率视角出发采用全要素生产率评价法来实证分析低碳农业发展质量，主要有单要素指标评价法和潜在产出法两种方法，李琦等在测算农业碳排放量的基础上，结合标准DDF模型和影子价格指标评估安徽的低碳农业绩效水平和边际碳减排成本[4]，田云等利用DEA－Malmquist模型测算和分析中国低碳农业生产率和影响因素，探讨了中国低碳农业的动态演进与收敛性[5]，王善高等则运用随机前沿分析方法测算和分析中国低碳的农业生产效率以及空间分布特征[6]。第二类是从广义视角来理解低碳农业发展质量，通过构建综合评价指标体系规范分析区域低碳农业发展质量。付英等从社会、经济、减排及生态方面4个方面初步探讨了甘肃低碳农业发展综合评价指标体系的构建[7]。王娜利用层次分析法[8]、杜华章通过熵值法[9]、朱丽君等则基于生命周期评价法[10]、刘马兰等采用主成分分析法[11]、谢淑娟等运用德尔菲法分别对河南，江苏、甘肃、安徽、四川、广东低碳农业发展水平进行量化评价[12]。
综上可知，低碳农业发展质量评价方法以全要素生产率法、熵值法，以及层次分析法等为主，研究对象多为我国经济发达省份，对经济欠发达地区尤其是针对广西的低碳农业发展质量进行评估的研究较少。作为重要的农业大省，广西处于农业现代化的起步阶段，具备发展低碳农业的资源禀赋。本文在参考国内具有代表性的研究成果的基础上，结合广西实际情况，构建广西低碳农业发展质量评价指标体系，在测算2000—2018年广西农业碳排放量的基础上，运用因子分析法凝练出与低碳农业发展质量密切相关的公共因子，并基于熵值法赋权公共因子权重探究影响广西低碳农业发展质量的因素，同时以熵值法综合得分为依据对2000—2018年广西低碳农业发展质量进行综合评价，以期为广西低碳农业高质量发展提供参考建议。
一、 低碳农业发展质量评价体系和评价模型的构建
（一） 评价指标选取及评价体系构建
当前，国内绝大部分学者从经济、社会、生态三个维度出发，构建EES评价指标体系框架，以此为依据评价某个地区的低碳农业发展质量。此外，被广泛应用的还有PSR模型，即“压力—状态—响应”模型，以及在PSR基础上提出的DSR模型，即“驱动力—状态—响应”模型。
王珊珊等认为低碳农业作为一种生态高值农业模式，其生产行为评价指标体系既要考虑到低碳农业的经济和生态效益，还要考虑低碳农业的生产要素碳排放特征[13]。在参考该研究成果的基础上，结合广西农业产出的实际情况，从农业经济社会发展、要素减量投入、能源低碳利用和资源环境安全4个维度出发，运用16个指标构建广西低碳农业发展水平评价指标体系（见表1）。
表 1 广西壮族自治区低碳农业发展水平评价指标体系维度 具体指标 单位 属性 指标说明 农业经济社会发展 农业总产值 亿元 正 农林牧渔业生总产值 农业增长率 % 正 农业产值增量/上一年农业产值总量 农业劳动生产率 元/人 正 农业总产值/农林牧渔业从业人员 土地产出率 千元/hm2 正 农业总产值/耕地面积 农村居民恩格尔系数 % 负 农村居民食品消费支出/个人消费总支出 农业碳排放强度 t/万元 负 农业碳排放量/农业总产值 要素减量投入 农药施用强度 t/hm2 负 农药施用量/总耕地面积 化肥施用强度 t/hm2 负 化肥施用量/总耕地面积 农膜施用强度 t/hm2 负 农膜施用量/总耕地面积 农业碳排放密度 t/hm2 负 农业碳排放量/总耕地面积 能源低碳利用 柴油使用强度 t/hm2 负 农用柴油用量/总耕地面积 农业机械化水平 kW/hm2 正 农业机械总动力/总耕地面积 农业能源利用水平 元/t标准煤 正 农业总产值/农业能源消费总量 资源环境安全 森林覆盖率 % 正 森林面积/土地总面积 有效灌溉系数 % 正 有效灌溉面积/总耕地面积 人均耕地占有量 hm2/人 正 耕地面积/总人口量 （二） 数据来源及数据处理
考虑到数据可得性、真实性、完整性以及连续性，各指标数据均来自2000—2019的《中国农村统计年鉴》《中国环境统计年鉴》《广西壮族自治区统计年鉴》等，还有部分数据来源于广西自然资源厅、农业农村厅等相关部门所发布政府统计公报。其中农业碳排放主要包括6类直接间接碳排放源：农药、农膜、化肥、柴油、灌溉、翻耕，见表2。参照旷爱萍等学者的研究[14]，农业生产过程碳排放量计算公式为：
表 2 农业碳排放系数及对应统计指标碳排放源 碳排放系数 单位 对应统计指标 农药 4.9341 kgC/kg 农药施用量 农膜 5.18 kgC/kg 农用塑料膜施用量 化肥 0.8956 kgC/kg 农用化肥施用量 柴油 0.5927 kgC/kg 农业作业耗用量 灌溉 266.48 kgC/hm2 农田有效灌溉面积 翻耕 312.6 kgC/hm2 农作物播种面积 $$ C=\sum\limits _{i=1}^{6}{x}_{i}{y}_{i}$$ (1) 式（1）中，
$ C $ 代表农业碳排放量，单位为万$ {\rm{t}} $ ，$ {x}_{i} $ 为碳源$ i $ 的碳排放系数，$ {y}_{i} $ 为碳源$ i $ 的使用量。（三） 评价模型的构建
首先，对广西低碳农业发展质量评价指标体系进行因子分析，因子模型用矩阵用式（2）表示，矩阵R（
$ R=X·{X}' $ ）的特征值为$ \lambda $ （$\lambda ={\lambda }_{1}, $ $ {\lambda }_{2},\cdots {\lambda }_{p}{\text{≥}} 0$ ），经过成分贡献度计算式（3）、公因子个数计算式（4）、公因子权重及得分计算式（5），得到因子分析下广西低碳农业发展质量第$ i $ 个因子的贡献度$ {t}_{i} $ 、前$ r $ 个公因子的累积贡献度$ t $ 、公因子个数m、公因子权重$ {V}_{t} $ 、公因子得分$ {F}_{j} $ [15]。$$ X=\mu +AF+\varepsilon $$ (2) $$ {t}_{i}={\lambda }_{i}/\sum\limits _{j=1}^{N}{\lambda }_{i}\;\;\;\;\;t=\sum\limits _{j=1}^{r}{\lambda }_{j}/\sum\limits _{j=1}^{N}{\lambda }_{j}$$ (3) $$ \dfrac{{\lambda }_{1}+{\lambda }_{2}\cdots {+\lambda }_{m}}{\displaystyle\sum _{i=1}^{p}{\lambda }_{i}}{\text{≥}} 85\% $$ (4) $$ {V}_{t}={\lambda }_{t}/\sum\limits _{j=1}^{p}{\lambda }_{j}\;\;\;\;\;F=\dfrac{\displaystyle\sum _{i=1}^{m}{V}_{i}{F}_{j}}{t}$$ (5) 接着运用熵值法对公共因子得分赋权重，
$ {x}_{ij} $ 为第$ i $ 年第$ j $ 项公共因子的得分。熵值法计算的具体步骤如下。原始数据标准化处理，采用标准化数值平移的方式解决熵值法运算中涉及的对数问题。
$$ \begin{aligned} {x}_{ij}'=\frac{{x}_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}\left({x}_{ij}\right)}{\mathrm{max}\left({x}_{ij}\right)-\mathrm{m}\mathrm{i}\mathrm{n}\left({x}_{ij}\right)}\\ \left(i=\mathrm{1,2},3,\cdots n;j=\mathrm{1,2},3,\cdots m \right)\end{aligned}$$ (6) 计算第
$ j $ 项指标下第$ i $ 年的比重$ {P}_{ij} $ ：$$ {P}_{ij}=\dfrac{{x}_{ij}'}{\displaystyle\sum _{i=1}^{n}{x}_{ij}'}\quad \left(j=\mathrm{1,2},3,\cdots m\right)$$ (7) 计算第
$ j $ 项指标的熵值$ {e}_{j} $ 和差异系数$ {g}_{i} $ ：$$ \begin{aligned} {e}_{j}=-\dfrac{1}{\mathrm{ln}\left(n\right)}\sum\limits _{i=1}^{n}{P}_{ij}\mathrm{log}\left({P}_{ij}\right)\\ \left({g}_{i}=1-{e}_{j}1{\text{≤}} i{\text{≤}} m,0{\text{≤}} {e}_{j}{\text{≤}} 1 \right) \end{aligned}$$ (8) 计算第
$ j $ 项指标的权重：$$ {W}_{j}=\dfrac{{g}_{j}}{\displaystyle\sum _{j=1}^{m}{g}_{j}}\quad \left(j=\mathrm{1,2},3,\cdots m, \right)$$ (9) $$ {S}_{i}=\sum _{j=1}^{m}{W}_{j}{P}_{ij}\quad \left(i=\mathrm{1,2},3,\cdots n\right) $$ (10) 最后，广西低碳农业发展质量评价模型如式（10）所示。其中，m为公因子个数，
$ {e}_{j} $ 为熵值$ {g}_{i} $ 为标准差异系数，$ {W}_{j} $ 为各因子指标权重，$ {S}_{i} $ 为综合得分。根据低碳农业发展质量评价模型，可计算得到2000—2018年广西低碳农业发展质量综合得分。二、 实证分析与结果评价
在运用IPCC碳排放量计算方法，测算并分析2000—2018年广西农业碳排放量总体变化和结构变化特征的基础上，然后利用因子分析法对广西低碳农业发展质量评价指标体系提取和命名公共因子，接着运用熵值法为公共因子赋权重，最终得到2000—2018年广西低碳农业发展质量综合得分及排名。
（一） 广西农业碳排放量测算与分析
由图1可知，2018年广西农业碳排放总量为538.05万t，较2000年的428.58万t增加了25.54%，年均增长1.27%，样本期内呈现上升趋势。根据增长速度差异，广西农业碳排放量可分为三个阶段，第一个阶段为快速上升期（2000—2005），广西农业碳排放量快速上升，年际增长率为1.71%～3.17%，主要是因为农药、农膜等要素投入大幅度上涨，2005年农药、农膜、化肥、柴油的施用量相较于2000年分别上涨了21.21%、32.47%、24.37%、30.36%；第二个阶段为缓慢增长期（2006—2018年），该阶段广西农业碳排放量缓慢增长，增速得到抑制；第三阶段为缓慢下降期（2016—2018年），广西农业碳排放量逐步下降，年际增长率为−3.16%～0.53%。以2000年为基期，2018年农作物播种面积减少了288300 hm2，有效灌溉面积减少了24020 hm2，而农膜、农药、化肥、柴油等生产要素投入大幅度增长，尤以化肥施用量增长速度最快，这些要素投入分别增加了2.306 1万t、2.577 3万t、97.05万t、13.5万t。
从碳排放结构来看，各碳排放源占农业碳排放总量比重较为稳定，从高到低依次为：化肥≥翻耕≥灌溉≥农药≥柴油≥农膜，其中，化肥和翻耕是广西农业碳排放的两大主要碳源，两者合计占农业碳排放总量的75%以上。
（二） 评价指标因子提取
运用 SPSS 25.0 统计分析软件对广西低碳农业发展质量相关数据进行KMO检验及 Bartlett 球形度检验，根据KMO统计量为0.651＞0.5，Bartlett球形检验的卡方统计值为719.909，伴随的概率值P为0.000＜0.05，这一检验结果判断原始变量存在相关性，因子分析模型可行且有效。随后，以特征值大于1，累积方差贡献率不低于85%的标准对评价指标进行主成分分析，发现在总方差解释表中前三个成分概括了原始变量93.672%的信息量，因而提取前三个成分作为低碳农业发展质量综合评价的公共因子（总方差解释表见表3）。
表 3 总方差解释单位：% 成分 初始特征值 提取载荷平方和 旋转载荷平方和 总计 方差百分比 累积 总计 方差百分比 累积 总计 方差百分比 累积 1 9.444 59.025 59.025 9.444 59.025 59.025 7.505 46.907 46.907 2 4.380 27.373 86.399 4.380 27.373 86.399 6.282 39.262 86.169 3 1.164 7.273 93.672 1.164 7.273 93.672 1.200 7.503 93.672 4 0.535 3.346 97.018 5 0.229 1.434 98.452 6 0.100 0.627 99.079 7 0.074 0.464 99.543 8 0.031 0.193 99.736 9 0.026 0.163 99.898 10 0.010 0.061 99.959 11 0.004 0.025 99.984 12 0.001 0.009 99.992 13 0.001 0.005 99.997 14 0 0.002 99.999 15 0 0.001 99.999 16 0 0.001 100 注：提取方法是主成分分析法。 进一步采用最大方差正交旋转法对因子载荷矩阵进行旋转，得到因子载荷矩阵（见表4）。公共因子 F1 在变量农业总产值、农业劳动生产率、土地产出率、农村居民恩格尔系数、农膜施用强度、农业机械化水平、森林覆盖率、农业碳排放强度这8个变量上有较大的因子载荷信息，涉及的主要是农业经济社会发展维度因子，因而将F1定义为农业经济社会发展公因子；公共因子 F2 在变量农药施用强度、化肥施用强度、农业碳排放密度、柴油使用强度、有效灌溉系数、人均耕地占有量这6个变量上有较大的因子载荷信息，涉及的主要是要素减量投入与资源环境安全相关维度的因子，因而可将其定义为要素利用与环境安全公因子；公共因子F3在农业产值增长率、能源利用效率上较大的因子载荷信息，反映了农业经济增长与农用能源利用水平之间的关系。一方面，农业能源是农业经济增长的主要动力，农业经济发展需要消耗更多的农用能源，另一方面，农业经济增长又会反过来影响农业能源的消费，农业能源利用效率的提升对农业经济可持续发展至关重要，F3因子被定义为农业能源利用效率公因子。
表 4 旋转后的因子载荷矩阵原始变量 F1 F2 F3 农业总产值 0.921 0.377 −0.010 农业增长率 −0.190 −0.031 0.967 农业劳动生产率 0.927 0.347 −0.032 土地产出率 0.977 0.183 0.015 农村居民恩格尔系数 0.925 0.215 −0.165 农业碳排放强度 0.784 0.546 0.236 农药施用强度 −0.179 0.957 −0.045 化肥施用强度 −0.020 0.982 −0.112 农膜施用强度 −0.988 0.033 0.097 农业碳排放密度 0.279 0.954 0.047 柴油使用强度 0.155 0.938 −0.167 农业机械化水平 0.936 −0.314 −0.054 农业能源利用效率 0.512 0.491 0.728 森林覆盖率 0.877 0.153 −0.283 有效灌溉系数 −0.458 −0.876 −0.103 人均耕地占有量 0.331 0.915 0.129 结合总方差解释表可知，F1、F2、F3的方差贡献率分别为46.907%、39.262%、7.503%，依次占据三个因子累计方差贡献率的50.08%、41.91%、8.01%，说明F1对广西低碳农业发展质量的影响程度最深，而F3对广西低碳农业发展的影响程度最浅。因此得出如下结论：单方面提高要素利用与生态环境安全水平以及农业能源利用效率并不能有效提升低碳农业发展质量，而应着重从农业经济社会发展维度出发促进低碳农业高质量发展。
（三） 熵值法评价分析
运用熵值法赋权三个公共因子的指标权重（见表5），将指标权重代入广西低碳农业发展质量评价模型，得到2000—2018年广西低碳农业发展质量综合得分及排名情况（见表6）。
表 5 低碳农业发展质量评价指标的熵值和权重表因子名称 熵值 差异性系数 指标权重 农业经济社会发展因子 0.91132 0.08867 0.47493 要素利用与环境安全因子 0.94884 0.05116 0.27400 农业能源利用效率因子 0.95312 0.04687 0.25106 表 6 2000—2018年广西低碳农业发展质量综合得分年份 农业经济社会发展 要素利用与环境安全 农业能源利用效率 综合得分 综合排名 2000 −1.30942 −0.35720 −1.99297 0.14322 19 2001 −1.16943 −0.67824 −1.00045 0.21040 18 2002 −0.99372 −1.01902 −0.76076 0.23242 17 2003 −0.61964 −1.40242 0.31717 0.34119 16 2004 −0.39108 −1.70293 1.83888 0.46017 12 2005 0.12513 −2.03512 0.26752 0.42141 14 2006 −1.45048 1.54783 −0.06960 0.38142 15 2007 −0.97855 1.04261 1.56894 0.53559 11 2008 −0.67919 0.99195 1.17444 0.55743 10 2009 −0.47101 1.13973 −1.09935 0.45302 13 2010 −0.23504 0.83497 0.35167 0.56829 9 2011 0.48731 0.44357 1.59001 0.74714 3 2012 0.49185 0.60345 −0.14364 0.64431 8 2013 0.73525 0.33619 −0.14574 0.66718 6 2014 0.93432 0.10942 −0.43168 0.66646 7 2015 1.19704 −0.06074 −0.28062 0.70969 5 2016 1.41794 −0.26289 0.12310 0.76020 2 2017 1.37943 0.10401 −0.73267 0.72282 4 2018 1.52930 0.36482 −0.57425 0.77764 1 由表5可知，农业经济社会发展因子的指标权重为0.47493，而要素利用与环境安全因子的指标权重为0.27400，农用能源利用效率因子的指标权重为0.25106，而运用因子分析法得到的三者权重分别为0.50080、0.41910、0.08010，由此可知，农业经济社会发展公因子在广西低碳农业发展质量综合得分方面具有决定性作用。此外，由于变量系数的内生性，运用因子分析法赋权指标权重，将高估农业经济社会发展公因子、要素利用与环境安全因子，低估农业能源利用效率因子的影响，因此运用熵值法赋权指标更加客观。
由表6可知，2000—2018年广西低碳农业发展质量综合得分逐年升高，在0.01432～0.07776之间，大致可分为三个阶段。第一时期起步阶段（2000—2005），广西低碳农业发展质量增长较快，其得分从2000年的0.14322上升至2005年的0.42141，主要是由于受中国加入WTO的影响，引发对农产品的大规模需求，资源投入逐年增加，农业经济快速发展，使得低碳农业发展质量呈现上升趋势；第二时期提升阶段（2006—2015），呈现波动上升趋势，原因在于从2006年国家开始全面取消农业税，逐步推动发展生态友好型农业，促使广西低碳农业发展质量得到进一步提高；第三时期腾飞阶段（2016—2018），此阶段，广西低碳农业发展质量整体较高，于2018年达到最高值。这主要是由于2016年中央1号文件明确提出推进农业供给侧结构性改革，推动农业绿色发展，同时近年来广西重视发展低碳农业，鼓励绿色种植，出台了一系列相关措施，因此这一阶段广西低碳农业得到较快发展。
由图2可知，2000年以来农业经济社会发展因子、要素利用与环境安全因子、农业能源利用效率因子得分均有所提高，这与近年来广西农业经济社会稳步向前发展和要素利用与环境安全不断改善及农业能源利用效率不断提高有关。在农业经济社会发展方面，近20年来，广西加快推进农业现代进程，积极培育和发展区域优势特色农业、取得了农民持续增收、农业增质提效、农村积极发展的态势。在要素利用与环境安全方面，着重推动农业经营方式升级。“十三五”规划以来，广西出台了一系列促进农业转型的政策措施，将要素集约利用和生态环境保护等作为转变农业经营方式的重要内容，把新型农业产业化、集约化、清洁化、资源化、安全化的循环经济型低碳农业发展模式作为农业转型的重要方向。在农业能源利用效率方面，广西持续推进清洁能源发展，转变农村能源消费模式，构建清洁低碳能源体系，不断提高农业能源利用效率。
具体而言，2000—2018年广西农业经济和社会效益逐年提高，由2000年的−1.30942上升到2018年的1.52930。农业劳动生产率、土地生产率和农村居民收入等农业经济社会指标的持续稳定增长为广西低碳农业发展提供了良好基础。其中农业劳动生产率的提升贡献最大，2018年的人均农业总产值为34966.09元，是2000年的人均农业总产值（5264.97元）的6.64倍，年均增长率为10.48%，其次为农林牧渔业总产值，2018年农林牧渔业总产值较2000年增长40802700万元，年均增长率为9.81%，第三为土地产出率，单位面积土地产值由2000年的31.25千元/hm2上升到2018年的111.89千元/hm2。
2000—2018年要素利用与环境安全因子呈波动上升趋势，类似于W型，其得分从2000年的−0.3572下降到2005的−2.03512，并在2005达到最低值，随后波动上升，于2018年达到峰值0.36482。以2016年为转折点要素利用与环境安全因子开始呈现上升趋势，这说明在2016年以前，要素利用与环境安全对低碳农业发展质量的冲击是负向的。进一步分析可知，广西处于传统农业向现代农业过渡阶段，农业产业结构相对初级、经营发展方式比较粗放、可持续发展观念淡薄，从而导致了要素利用与环境安全的基础测度指标过低，使得要素利用与环境安全得分较低。2016年以来，广西开展了“美丽乡村行动”、推进“畜禽养殖污染处理”、划分重点区域生态防护林等一系列工作，极大改善了要素利用和生态环境水平。2018年广西（以2016年为基期）减少了15980 t农药、2359 t农膜、7.05万t化肥、10.09万 t柴油的施用量，而农作物播种面积增加了5.7 hm2，森林面积增加了137.3万 hm2。
农业能源利用效率因子反复波动，总体增长趋势缓慢。这可能是因为广西能源资源缺乏以及能源政策不稳定性造成了农业能源利用效率的基础测度指标摆动幅度较大，从而使得农业能源利用效率因子忽高忽低。以沼气为例，沼气建设成为广西生态文明建设的亮点，农村每年可生产15.5亿m3沼气，据此可少消耗120多万t标准煤，但沼气建设深受财政补贴政策的影响，其资金渠道补贴额度不一，补助标准也存在差别，而且不少地方建沼气池用地没有优惠政策，导致农户对沼气持有观望态度，建设沼气池积极性不稳定[16]。
三、 结论
本文基于农业经济社会发展、要素减量投入和能源低碳利用以及资源环境安全四个维度，结合广西农业发展状况，构建广西低碳农业发展质量评价体系，在测算和分析广西农业碳排量的基础上，运用因子分析法提取和命名公共因子，采用熵值法为公共因子赋权，计算得到2000—2018年广西低碳农业发展质量的综合得分及排名。
（1）广西农业碳排放量可分为三个阶段，快速上升期（2000—2005）、缓慢增长期（2006—2015）、缓慢下降期（2016—2018），其低碳农业发展质量也相应经历了起步、提升、腾飞三个阶段；化肥和翻耕是广西农业碳排放量的两大主要碳源，控制化肥施用量和守住耕地红线是抑制广西农业碳排放量的关键。
（2）农业经济社会发展因子的权重为0.47493，而要素利用与环境安全因子和农业能源利用效率因子的权重分别为0.27400、0.25106，即农业经济社会发展因子在提升广西低碳农业发展质量起着更为重要的作用，这意味着政府单方面优化要素利用环境安全因子、提高农业能源利用效率并不能显著改善广西低碳农业发展质量，重点在于促进农业经济社会发展，加快广西农业高质量发展建设。
（3）2000年以来，广西低碳农业发展质量指数随时间推移而不断提高，这与近年来广西农业经济社会稳步向前发展和要素利用与环境安全不断改善及农业能源利用效率不断提高有关，在公共因子得分上，农业经济社会发展因子整体呈现显著增长趋势，而要素利用与环境安全因子和农业能源利用效率在过去近20年内增长相对缓慢并反复波动，政府仍需建立要素集约利用、生态环境保护、农业可再生能源管理与开发制度的长效机制。
四、 建议
在继续保持农业经济社会稳步向前发展的基础上，广西低碳农业发展还需要进一步推进农业供给侧结构性改革，提高要素利用与环境安全水平和提升资源利用效率。结合前文分析和广西实际情况，提出如下建议。
（一） 发挥后发优势，加快广西农业高质量发展建设
从长远的角度来看，现代农业竞争已经由产品之间的竞争发展到产业链之间的竞争，为此，广西必须加快推进农业的产业链整合，创新农业发展新方式，充分发挥区域生态后发优势，推进广西现代特色农业高质量发展。在农业经济方面，针对区域优质粮食、家畜、家禽、油茶，优势桑、茶、食用菌、中药材、渔业，特优水果、特色蔬菜、经济林等实施特色产业集群发展行动，形成一批龙头引领、链条完善、集约发展的农业产业集群。在农业社会方面，应统筹城乡发展，缩小城乡发展差距，扩宽农村居民收入渠道。
（二） 构建要素利用与环境安全管理制度的长效机制
在技术方面，发挥农业科研院所、龙头企业、农村能人在低碳农业科技技术创新和应用的主导作用，加大对现有农业科技人员特别是乡镇基层农技人员和新型职业农民的培训力度，推广和普及沼气生产、配方施肥、秸秆还田、立体种植等已成熟的低碳农业模式。在耕地利用方面，守住耕地红线，通过确权和整理农业土地、整合农田水利设施建设等项目，建设高标准农田。在生态环境方面，将低碳农业发展质量水平纳入地方农业发展水平和生态文明绩效考核评估，建立健全环境监测预警体系。
（三） 开发农村可再生能源，提升农业能源利用效率
在能源结构方面，加快对太阳能、潮汐能、风能等多元环保的绿色能源的普及应用，逐步改善农业柴油等石化能源占主导地位的现状。在农业机械节能方面，通过研发和引入高科技的新设备和新产品，运用稻田间歇灌溉等农业清洁生产技术，提高农业机械综合利用效率。
（四） 推进区域差异化低碳农业发展道路
首先是要理清广西各区域低碳农业发展质量差异的关键因素，其次根据区域在生态资源、资本、技术、劳动力等生产要素差异和地理空间因素的相关性，对全区14个地级市制定个性化的低碳农业发展政策和建立低碳农业发展的监管机制，实现区域联动发展。
-
表 1 四川省粮食全要素生产率测算指标
一级指标 二级指标 三级指标 计算方式 产出 — 粮食产出量 — 投入 土地投入 粮食作物播种面积 — 粮食作物有效灌溉面积 耕地灌溉面积×R1 人力投入 粮食生产投入人数 第一产业就业人数×R1×R2 资本投入 粮食生产使用机械总动力 农业机械总动力×R1×R2 粮食生产化肥施用量 化肥施用量×R1×R2 注：R1=粮食作物播种面积/农作物播种面积；R2=农业生产总值/第一产业生产总值。 
下载: 导出CSV
表 2 四川省粮食Malmquist指数及其分解情况（2008—2017年）
年份 Malmquist TCH ECH Pech Sech 2007—2008 1.034 1.051 0.984 0.990 0.994 2008—2009 0.940 0.946 0.994 0.989 1.005 2009—2010 1.021 1.027 0.994 0.994 1.000 2010—2011 1.025 1.024 1.001 1.006 0.995 2011—2012 1.011 1.012 0.998 0.991 1.007 2012—2013 0.995 0.994 1.001 1.002 0.999 2013—2014 0.971 0.975 0.996 1.008 0.988 2014—2015 0.967 0.958 1.009 1.002 1.007 2015—2016 1.021 1.020 1.001 1.003 0.998 2016—2017 1.015 0.994 1.021 1.021 1.000 平均值 1.000 1.000 1.000 1.001 0.999
下载: 导出CSV
表 3 四川省21市（州）2008—2017年粮食Malmquist指数及其分解情况
市（州） Malmquist TCH ECH Pech Sech 成都市 1.001 1.002 0.999 1.000 0.999 自贡市 1.004 1.004 1.000 1.000 1.000 攀枝花市 1.008 1.008 1.000 1.000 1.000 泸州市 0.999 1.003 0.997 0.998 0.999 德阳市 0.999 0.999 1.000 1.000 1.000 绵阳市 1.008 1.009 0.999 0.998 1.001 广元市 1.015 1.014 1.001 1.000 1.001 遂宁市 0.953 0.965 0.988 0.989 0.999 内江市 1.017 0.999 1.019 1.019 1.000 乐山市 1.002 1.001 1.001 0.999 1.002 南充市 0.994 0.994 1.000 1.000 1.000 眉山市 1.012 1.007 1.006 1.004 1.001 宜宾市 1.010 1.010 1.000 1.000 1.000 广安市 0.993 0.993 1.000 1.000 1.000 达州市 0.996 0.993 1.003 1.000 1.003 雅安市 1.010 1.008 1.002 1.001 1.000 巴中市 1.002 1.002 1.000 1.000 1.000 资阳市 0.980 0.980 1.000 1.000 1.000 阿坝州 0.987 1.003 0.984 1.000 0.984 甘孜州 0.999 0.999 1.000 1.000 1.000 凉山州 1.003 1.002 1.001 1.005 0.996 平均值 1.000 1.000 1.000 1.001 0.999
下载: 导出CSV
表 4 四川省2008—2017年粮食全要素生产率相关指数分布情况
名称 Malmquist TCH ECH 上升 退步 上升 退步 上升 不变 退步 成都平原
经济区眉山>雅安
>绵阳
>乐山>成都遂宁>资阳
>德阳绵阳>雅安
>眉山
>成都>乐山遂宁>资阳
>德阳眉山>雅安
>乐山资阳>德阳 遂宁>成都
>绵阳川南经
济区内江>宜宾
>自贡泸州 宜宾>自贡
>泸州内江 内江 自贡>宜宾 泸州 川东北
经济区广元>巴中 广安>南充
>达州广元>巴中 广安>达州
>南充达州>广元 广安>南充
>巴中— 攀西经
济区攀枝花>凉山 — 攀枝花>凉山 — 凉山 攀枝花 — 川西北生
态经济区— 阿坝>甘孜 阿坝 甘孜 — 甘孜 阿坝
下载: 导出CSV
表 5 四川粮食全要素生产率影响因素选取指标
代码 名称 计算方式 均值 标准差 TFP 全要素生产率 — 1.0013 0.0593 AGDPL 地区经济发展水平 地区人均GDP 0.1324 0.0811 RDL 研发投入水平 （R&D×R1×R2×R3）/粮食作物播种面积 0.4302 1.3942 AML 农业机械化水平 粮食生产使用机械总动力/粮食作物播种面积 0.1067 0.1480 ASL 农业经营规模水平 粮食作物播种面积/粮食生产投入人数 −0.0108 0.1239 AAS 农业结构调整度 粮食作物播种面积/农作物播种面积 −0.0022 0.0264 注：R1、R2和粮食生产投入人数见表1；R3=地区第一产业生产总值/地区生产总值。
下载: 导出CSV
表 6 四川省21市州粮食全要素生产率影响估计结果
TFP 面板线性回归模型 面板Logit模型 面板Tobit模型 模型1 模型2 模型3 模型4 模型5 模型6 模型7 POOLED FE POOLED FE RE POOLED RE AGDPL 0.0815** 0.0888** 4.9059** 5.7756** 3.2436** 0.0910** 0.0910* RDL 0.0025* 0.0023 0.1014 0.1187 0.0666 0.0029* 0.0029 AML −0.1261* −0.1345 −4.1960* −6.1961** −2.7767** −0.0741 −0.0741 ASL 0.1274 0.1202 7.2386** 5.9603** 4.0006** 0.1702* 0.1702*** AAS −0.3965* −0.3978* −17.272* −22.182*** −11.902*** −0.6060** −0.6060*** Cons 1.0034*** 1.0033*** −0.0767 −0.0567 −0.0090 −0.0090 F test 0.8919 Hausman test(FE POOLED) 0.0123 Hausman test(FE RE) 0.0435 LR test 1.000 模型选择 √ × × √ × √ × 注：***、**、*分别表示在1%、5%、10%水平下显著；√表示采用，×表示拒绝。
下载: 导出CSV
-
[1] 王雅鹏. 农业技术经济学[M]. 北京: 高等教育出版社, 2014: 66-75. [2] 郑婷婷, 付伟, 陈静. 信息化发展水平、资源依赖与绿色全要素生产率: 来自地级市面板数据的分析[J]. 科技进步与对策, 2019, 36(23): 44. DOI: 10.6049/kjjbydc.2019030169. [3] 赵亮, 余康. 要素投入结构与主产区粮食全要素生产率的增长: 基于1978—2017年粮食主产区的投入产出面板数据[J]. 湖南农业大学学报(社会科学版), 2019, 20(5): 8. DOI: 10.13331/j.cnki.jhau(ss).2019.05.002. [4] 田红宇, 祝志勇. 中国粮食生产效率及影响因素分析: 基于DEA-Tobit两步法研究[J]. 中国农业资源与区划, 2018, 39(12): 161. DOI: 10.7621/cjarrp.1005-9121.20181222. [5] 魏丹, 闵锐, 王雅鹏. 粮食生产率增长、技术进步、技术效率: 基于中国分省数据的经验分析[J]. 中国科技论坛, 2010(8): 140. DOI: 10.3969/j.issn.1002-6711.2010.08.024. [6] 邓灿辉, 马巧云, 魏莉丽. 基于碳排放的河南省粮食绿色全要素生产率分析及对策建议[J]. 中国农业资源与区划, 2019, 40(9): 12. DOI: 10.7621/cjarrp.1005-9121.20190902. [7] 杨锦英, 韩晓娜, 方行明. 中国粮食生产效率实证研究[J]. 经济学动态, 2013(6): 47. [8] 卓乐, 曾福生. 农村基础设施对粮食全要素生产率的影响[J]. 农业技术经济, 2018(11): 92. DOI: 10.13246/j.cnki.jae.2018.11.007. [9] 李礼连, 张利国. 长江经济带粮食全要素生产率时空演变及驱动因素实证分析[J]. 价格月刊, 2017(6): 77. DOI: 10.14076/j.issn.1006-2025.2017.06.17. [10] 李学林, 李隆伟, 董晓波, 等. 云南省粮食全要素生产率分解研究[J]. 农业技术经济, 2019(10): 102. DOI: 10.13246/j.cnki.jae.2019.10.008. [11] 马林静, 王雅鹏, 田云. 中国粮食全要素生产率及影响因素的区域分异研究[J]. 农业现代化研究, 2014, 35(4): 385. DOI: 10.13872/j.1000-0275.2014.0019. [12] 张利国, 鲍丙飞. 我国粮食主产区粮食全要素生产率时空演变及驱动因素[J]. 经济地理, 2016, 36(3): 147. DOI: 10.15957/j.cnki.jjdl.2016.03.020. [13] 屈小博. 不同规模农户生产技术效率差异及其影响因素分析: 基于超越对数随机前沿生产函数与农户微观数据[J]. 南京农业大学学报(社会科学版), 2009, 9(3): 27. DOI: 10.3969/j.issn.1671-7465.2009.03.005. [14] 尹朝静. 科研投入、人力资本与农业全要素生产率[J]. 华南农业大学学报(社会科学版), 2017, 16(3): 27. DOI: 10.7671/j.issn.1672-0202.2017.03.003. [15] CAVES D W, DIEWERT LRCE. The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity[J]. Econometrica, 1982, 50(6): 1393. DOI: 10.2307/1913388.
[16] SCHREIBER, SVEN. The Hausman Test Statistic can be Negative even Asymptotically[J]. Jahrbücher für National konomie und Statistik, 2008, 228(4): 394. DOI: 10.1515/jbnst-2008-0407.
[17] BREUSCH T S, PAGAN A R. The LM Test and Its Application to Model Specification in Econometrics[J]. Review of Economic stuidies XL VII, 1980, 47(1): 239. DOI: 10.2307/2297111.
[18] 陈强. 高级计量经济学及Stata应用[M]. 北京: 高等教育出版社, 2014: 123-124. -
期刊类型引用(8)
1. 张海钊，胡向东，石自忠，周慧. “市场-政府”共构机制：中国推进低碳农业的框架. 华中农业大学学报. 2024(03): 17-26 . 
百度学术
2. 侯宇，王莹，石惠惠，耿芳艳，王艳. 粮食主产区低碳农业耦合协调分析——基于农业碳排放效率的视角. 中国生态农业学报(中英文). 2024(12): 2022-2033 . 百度学术
3. 江晓龙. 基于主成分和聚类分析的永泰县土壤养分地球化学综合评价. 安徽农业科学. 2023(01): 68-71 . 百度学术
4. 王海月，苗文睿，孙澳，高雅，叶磊. 江苏省农业发展效率的区域差异及其影响因素研究. 国土与自然资源研究. 2023(06): 10-15 . 百度学术
5. 杜雯. 基于熵值法的长江经济带低碳农业发展水平评价. 湖北农业科学. 2023(10): 234-239 . 百度学术
6. 李刚. 新疆农牧业低碳经济发展质量评价研究. 塔里木大学学报. 2022(04): 96-104 . 百度学术
7. 夏康铭，黄月红，周隽楠，梅昌盛. “双碳”背景下农业低碳实践研究. 皮革制作与环保科技. 2022(17): 174-176 . 百度学术
8. 姜晓东. 低碳农业发展影响因素及路径探究. 中国集体经济. 2021(20): 11-12 . 百度学术
其他类型引用(10)
计量
- 文章访问数: 2090
- HTML全文浏览量: 938
- PDF下载量: 36
- 被引次数: 18