摘 要： 利用2006～2017年我国苹果主产区投入产出面板数据,采用方向距离函数和非期望产出模型,对我国苹果主产省全要素生产率进行测算。研究结果表明：传统不考虑非期望产出的效率测算会高估苹果的全要素生产率；在考虑双重非期望产出条件下,近年来苹果生产的平均技术利用效率有所增强,但环境全要素生产率却呈现总体平均下降趋势,其中技术进步是阻碍产业发展的最大短板；而且通过对我国两大苹果主产区的TFP计算进一步验证了这一结论。依据上述情况,本文提出依靠创新驱动、科技兴农的发展方式,促进苹果产业转型升级和绿色发展。
关键词： 环境约束; 全要素生产率; 非期望产出; GML指数; 绿色发展;
伴随着我国社会的不断进步，人们对生态环境和农产品质量安全的需求也在不断提升，如何减少农业面源的污染，促进农产品质量安全和农业的绿色发展已逐渐提上议事日程。然而，过量的化肥、农药、农膜等污染性农资的投入，给农业带来经济回报的同时，也成为阻碍乡村振兴和绿色发展的重要隐患。有关碳排放的研究表明：我国农业碳排放是全国碳排放的主要来源之一，约占全国排放总量的17%。而碳排放总量较高的地区主要集中于东部沿海和中部农业大省，我国苹果的八大主产省正好位于这一地区。另据农业农村部统计，从1980年到2017年我国化肥使用总量从1,269.4万吨（折纯）增加到5,859.4万吨，强度上每公顷化肥施用量从86.72kg增加到352.27kg，整体化肥用量远高于世界平均水平，明显存在着农业化学投入品过量使用情况。
农业环境全要素生产率作为评价农业绿色发展重要标准，已成为农业考核资源利用和环境保护重要指标。因此，在乡村振兴和绿色发展战略背景下如何提升农业环境全要素生产率已成为新时期农业绿色发展的关键问题，研究和探讨如何提高农业的环境全要素生产率，对保护生态环境，促进农业绿色发展和乡村全面振兴具有重要的理论和现实意义。
一、文献综述
环境全要素生产率是在考虑环境约束条件下，测算一个系统的总产出量与全部生产要素真实投入量之比。准确测算环境全要素生产率有助于在衡量我国经济增长的同时，权衡对生态环境产生的不良影响，从而有助于实现产业绿色发展。目前国内外学者，主要采用数据包络分析法（DEA）和随机前沿分析法（SFA）来研究环境全要素生产率问题。采用DEA分析方法方面，Zeeshan Ahmad等在巴基斯坦国内首先利用DEA模型对巴基斯坦农业产业结构多个方案的比较效率进行了评价，最终确定了最优的农业产业结构方案。Moradi Mehdi等对美国的48个农场的能源性能进行了数据分析并利用数据包络分析技术确定了提高农场效率的可行途径，确定了不同栽培系统的现状、最佳条件和节能措施。Avval SH等应用数据包络分析方法，对伊朗戈莱斯坦省95个随机选取的农场进行了技术效率和规模效率的调查，有助于提高向日葵生产的能量生产率，研究表明采用较好的机械管理技术和保护性耕作方法，通过对堆肥、残渣等替代肥料的有效利用可能是提高能源利用效率和减少环境污染的有效途径。朱金鹤等采用Malmquist指数测度全国和省域在不同环境约束下的4种全要素生产率，并选取12个影响因素构建系统GMM模型来进行研究，测算出中国省域绿色全要素生产率并分析其影响因素。采用SFA方法方面，田旭等采用超越对数随机前沿分析方法，把碳、氮、磷排放量作为非期望产出测算了中国农户苹果生产的环境效率。Sicelo等基于柯布-道格拉斯函数来研究斯威士兰的玉米种植效率，发现了该国的玉米生产技术效率低于0.8并找出了可能的4种原因。史常亮等利用SFA模型并结合Malmquist生产率指数对中国31个省份1993～2013年的农业全要素生产率（TFP）进行测算，并采用面板单位根法对中国农业TFP增长的地区差异进行随机收敛检验，研究发现中国农业生产存在明显的效率损失，平均技术效率偏低且处于不断恶化状态。
此外，传统农业TFP的测算，通常仅考虑生产要素的投入约束，而忽略环境的约束产生的影响。在乡村振兴和绿色发展的背景下，如果忽视农业发展的环境代价，将会对农业发展产生不良影响，因此部分学者开始尝试考虑资源与环境对绿色农业发展的影响，并考虑其影响因素后给出自己的政策建议。Karakaya Etem等利用Kaya恒等式和对数平均分解指数（LM-DI）方法计算碳排放变化的驱动因素，得出土耳其的经济增长在环境和经济上都是不可持续的，并提出了可能的减排政策的建议。冯晓龙等在构建苹果碳排放测算体系的基础上，合算了不同年份、不同省市的苹果碳排放总量与密度，并采用ML指数分析碳排放约束下中国全要素生产率及其分解成分。随着农业面源污染的加剧和保护农业生态环境的力度增大，单纯地把碳资源约束作为环境与资源约束显然不能满足当今时代发展的需要。因此，田宏宇等将各省市平均总氮总磷、农药和农膜残留作为非期望产出，计算出环境全要素生产率并提出了针对性的政策建议。涂正革等将氮、磷排放作为“坏”产出，利用方向距离函数和基于变系数半参数估计方法对我国农业绿色发展的区域差异及动力进行了研究。
综上所述，虽然现有文献对环境全要素生产率的研究已取得不少成果，但仍有如下不足：（1）学者们大多以大田作物为研究对象，而对果蔬农产品的研究较少；（2）现有研究大多是把碳排放或者氮磷排放分别作为“坏”产出，而把两者结合共同作为“坏”产出的研究较少；（3）现有文献多以各省市总产量为期望产出进行考察，缺少单位面积上的效率研究和考察。基于此，本文在研究苹果生产效率的基础上，利用布瑞克数据库2006～2017年的统计数据，将苹果生产过程中每公顷因生产资料投入而导致的碳排放与氮磷排放共同作为非期望产出纳入核算体系，对苹果环境全要素生产率进行测算及对比分析，希冀为政府进一步深化资源利用和生态环境之间的协调发展提供一定决策参考。
二、数据说明
由于近年来我国苹果生产的集中度不断提升，2016年河北、山西、辽宁、山东、陕西、宁夏、甘肃、河南8个苹果主产省苹果总产量在全国的占比达到98%以上，因此本文选取2006～2017年8个苹果主产省（两大产区）的投入与产出数据，构建生产投入与产出的平衡面板数据，运用非期望产出模型进行测算，具体指标如下：
（一）投入产出指标的选择。
本文选取8个苹果主产省每公顷的人工服务成本与物质服务成本作为苹果生产的投入指标，把每公顷单产作为苹果单产的“好产出”，把每公顷苹果生产过程中产生的碳排放和氮磷排放共同作为生产的“坏产出”。
（二）“坏产出”指标的计算。
依据已有文献的研究成果，本文将化肥、农药、农膜作为农业碳排放的主要来源，将尿素、复合肥的施用作为农业氮、磷排放的主要来源，依据布瑞克数据库的现有数据（8个省区每公顷平均施用化肥、农药、农膜、尿素、复合肥等数据）测算出苹果生产中每公顷产生的非期望产出数据，即同时考虑了每公顷苹果生产的碳排放与氮磷排放两种非期望产出。
苹果生产的碳排放计算公式为：
式（1）中：E为碳排放总量；Ei为第i个碳源所产生的碳排放量；PEiηi为第i个碳排放源的量与其碳排放系数相乘。农业碳排放系数如表1所示。（表1)
氮磷排放的计算公式为：
式（2）中，Ej为农业面源污染物总氮磷的排放量；n为产污单元总数；EUi为单元指标统计数；ρij和Cij分别为单元i污染物j的产污和排放系数，Ci由空间特征S决定；PEij为单元j生产造成的最大排污量；ηi为单元的利用率，式（2）产污强度及利用系数借鉴梁流涛等学者的做法。氮磷排放的主要来源方面，借鉴韩海彬、赖斯芸等学者的做法，确定与苹果生产相关的面源污染主要包括农田化肥（有机肥+农家肥）和复合肥2类产污单元，最终根据布瑞克数据库的数据计算得出。（表2)
三、研究方法
本文主要基于方向性距离函数（DDF），利用GML指数测度我国苹果生产的环境全要素生产率（TFP）。具体研究方法如下：
（一）方向性距离函数（DDF）。
假定M种投入要素x在8个苹果主产省（决策单元DMU）中被施用，N种期望产出y和I种非期望产出作为产出，则环境技术P(x）可以表示为生产可能性集合：
依据Chung提出的距离函数，把g=(gy,gb）作为产出的方向向量，得出产出角度的距离函数（DDF）为：
式（4）表示投入要素x和环境技术结构P(x）沿着设定的产出方向生产出的期望产出和非期望产出增加和减少的最大倍数λ。这时可以依据线性规划对基于环境技术的方向性函数进行求解：
表1 农业碳排放系数一览表
表2 氮磷排放主要来源一览表
式（5）中k代表决策单元，t为时期。当λ=0时，表示在时期t第k个决策单元（DMU）为“最佳实践者”，苹果生产处在最佳前沿面上；否则，它就在最佳前沿面的内部，是技术无效的，且值越大表明距离P(x）前沿边界越远。
（二）环境全要素生产率测算及分解。
全要素生产率（包含非期望产出）GML指数定义如下：
式（6）中DG(x,y,b）是根据全局（Global）技术参照集PG给出的，所以当期望产出（y）增加、非期望产出（b）减少，那么会有GMLt,t+1>1，表明效率有所提升；当期望产出减少、非期望产出增加，那么GMLt,t+1<1，则表示效率有所损失。下一步将指数GML进行分解：
式（7）中EC表示技术效率；BPG表示与全局技术参照下离“最佳实践者”的距离，TC衡量相邻两期BPG的变化，也即技术变化。TC、EC>1表明技术改进、技术效率改善；TC、EC<1表明技术退步、技术效率损失。
四、实证分析
根据研究方法和投入产出指标设定，本文基于MaxDEA6.9软件进行效率测算和分解，选取了2006～2017年间我国八大苹果主产省的数据进行比较研究。同时，为了揭示农业污染对苹果生产效率的影响，还测算了不包括非期望产出的测算结果，用以对比“坏产出”造成的影响。
（一）中国苹果主产省平均苹果全要素生产率（TFP）及分解。
由表3的计算结果不难看出，从传统测算结果总体均值来看，在综合考虑碳和氮磷排放的情况下，8个苹果主产区在技术效率（EC）上实现了年均增长，且总体增长均值为0.85%，在技术进步（TC）方面，只有山西和陕西两个省实现了年均增长，年均增长分别为0.21%、0.08%，在考虑非期望产出的情况下，苹果环境全要素生产率的排名依次为：陕西、辽宁、山西、河南、山东、宁夏、河北和甘肃。在不考虑非期望产出的情况下，苹果全要素生产率的排名依次为：陕西、辽宁、山西、河南、山东、宁夏、河北。由表1计算结果可知，无论是传统测量苹果环境全要素的方法，还是基于GML指数的测算方法，8个省区的苹果生产全要素生产率（TFP）总体均值均小于1，说明近年来苹果全要素生产率呈现总体平均下降趋势。不含非期望产出的传统测算结果为平均下降0.02%，基于含期望产出的GML指数结果为平均下降1.08%，这说明了不考虑非期望产出的全要素生产率的效率测度会高估苹果生产效率。（表3、图1)
图1 2006～2017年中国苹果主产省苹果全要素生产率及分解对比图
表3 2006～2017年中国苹果主产省平均环境全要素生产率及其对比分析一览表
总体来看，我国8个苹果主产省苹果生产情况不容乐观，虽然近年来苹果生产技术效率呈现平均增长的趋势，但增长幅度不大且发挥的作用有限。从技术进步均值小于1不难看出，由于近年来苹果种植户仍以小规模种植为主，品种改良、现代化技术推广进程不快。此外，依据潘丹等，Fare等学者的研究结论，不考虑非期望产出情况下的全要素生产率大于考虑期望产出的情况，说明了“坏”产出增长率高于“好”产出减少率。由此可以得出：一直以来我国苹果产业的发展一定程度上是以周边生态环境破坏为代价来实现的。同时，从总体均值与各省均值均可以看出，不含非期望产出的全要素生产率均高于环境全要素生产率。这说明传统不考虑非期望产出的效率测算会高估苹果的全要素生产率，这与冯晓龙等学者的观点一致。
（二）2006～2017年中国苹果主产区苹果全要素生产率对比及稳健性检验。
从表4的苹果全要素生产率及分解的区际对比结果可以看出，在不考虑非期望产出（碳排放、氮磷排放）的情况下，两大优势区的技术效率（EC）均高于全国平均水平，这说明在技术水平一定条件下，两大主产区的技术利用率好于全国总体水平。在考虑非期望产出的情况下，两大主产区的全要素生产率（TFP）均小于不考虑非期望产出下的全要素生产率（TFP），进一步验证了两大主产区的高产出、高收益是以环境污染为代价的结果。其次，不考虑非期望产出的TFP值明显大于考虑非期望产出的TFP值，这与表3的结果一致，进一步验证了不考虑非期望产出的效率测算存在高估的现象。根据表4，本文制作了图2、图3的区际对比图，由上图可以发现，苹果主产区不含非期望产出的情况下的TFP波动要明显高于含期望产出的TFP波动，这说明环境因素对TFP的影响较大，不考虑环境因素会对两大苹果产区的全要素生产率的计算造成明显偏误，而考虑非期望产出后能更好地刻画当前我国苹果生产的发展现状。（表4、图2、图3)
表4 2006～2017年中国苹果主产区苹果全要素生产率及分解的区际对比一览表
五、结论和政策建议
本文基于2006～2017年间我国苹果主产区的平衡面板数据，利用非期望产出模型分别对我国苹果主产区考虑环境约束和不考虑环境约束的全要素生产率进行了测度，得出以下结论：（1）不考虑非期望产出的传统效率测算会高估我国苹果生产效率。无论是8个主产省还是两大主产区，在不考虑环境因素的全要素生产率测算结果均明显高于含期望产出的GML结果。（2）本文基于碳和氮磷排放共同作为苹果生产过程中“坏”产出的情况下，不论是8个主产省区还是全国平均水平，技术效率（EC）均呈现出一定的平均增长态势，说明了近年来我国苹果生产的平均技术利用效率有所增强；但技术进步（TC）和全要素生产率（TFP）却呈现出不同程度的下降，这说明技术进步仍然是阻碍我国苹果产业发展的主要瓶颈，必须依靠发展适度规模种植和技术进步助推苹果产业转型升级和绿色发展。
基于上述研究结果，本文提出如下政策建议：首先，要建立健全我国苹果产业发展的环境约束机制，尤其是各苹果主产省应当逐步建立环境约束下的苹果绿色发展的评价体系。其次，必须重视科技创新在产业发展中的引领作用。从本文的研究结果不难看出，技术进步依然是苹果产业转型升级的最大短板，必须加快科技创新在产业发展中的引领作用，通过科技下乡、科技兴农等一列政策的有效实施，全面推进产业的高质量发展。总之，我国苹果产业已到了由“数量型增长向质量型增长”的抓精发展阶段，唯有通过科技引领、创新驱动来促进产业升级，才能最终实现我国苹果产业绿色、可持续发展。
图2 不含非期望产出的TFP区际对比图
图3 含非期望产出的TFP区际对比图
参考文献
[1] 张广胜,王珊珊.中国农业碳排放的结构、效率及其决定机制[J].农业经济问题,2014(7).
[2] 田云,张俊飚,尹朝静,吴贤荣.中国农业碳排放分布动态与趋势演进：基于31个省(市、区)2002-2011年的面板数据分析[J].中国人口·资源与环境,2014.21(8).
[3] 张复宏,霍明,宋晓丽,王洪煜.基于SBM和Malmquist指数的中国苹果主产区生产效率空间集聚分析[J].农业技术经济,2017(5).
[4] 朱金鹤,王雅莉.中国省域绿色全要素生产率的测算及影响因素分析[J].新疆大学学报,2019(2).
[5] 田旭,王善高.中国粮食生产环境效率及其影响因素分析[J].资源科学,2016(4).
[6]Sicelo I D,Micah B M,J I R.Technical efficiency of maize production in Swaziland:A stochastic frontier approach[J].African Journal of Agricultural Research,2012(42).
[7] 史长亮,朱俊峰,揭昌亮.中国农业全要素生产率增长地区差异及收敛性分析---基于固定效应SFA模型和面板单位根方法[J].经济问题探索,2016(4).
[8] 韩海斌,赵丽芬.环境约束下中国农业全要素生产率增长及收敛分析[J].中国人口·资源与环境,2013.23(3).
[9]Hailu,A.and T.S.Veeman.Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry,1959-1994:An Input Distance Function Approach[J].Journal of Environmental Economics and Management,2000(40).
[10]Karakaya Etem,Bostan Aziz.Decomposition and decoupling analysis of energy-related carbon emissions in Turkey,2019.26(31).
[11] 冯晓龙,刘明月,霍学喜.碳排放约束下中国苹果全要素生产率研究[J].中国农业大学学报,2017.22(2).
[12] 田宏宇,刘巍.环境约束、粮食绿色生产效率及其协调性研究---基于非期望产出模型[J].三峡大学学报,2019(5).
[13] 涂正革,甘天琦.中国农业绿色发展的区域差异及动力研究[J].武汉大学学报(哲学社会科学版),2019(3).
