—基于DEA-Malmquist指数分解方法与Tobit模型运用

第36卷第1期2014年1月2014，36（1）：0129-0138ResourcesScienceVol.36，No.1Jan.，2014收稿日期：2013-09-12；修订日期：2013-10-21基金项目：国家自然科学基金：“气候框架公约下农业碳排放的增长机理及减排政策研究”（编号：71273105）；湖北省高等学校优秀中青年科技创新团队：“农业资源与环境经济问题研究”（编号：T201219）；中央高校基本科研业务费专项基金：“农业废弃物利用与产业可持续发展的联动机制研究”（编号：2012RW002）；“农业生产净碳效应测度与价值实现路径探究”（编号：2013YB12）。作者简介：吴贤荣，女（土家族），湖北恩施人，硕士生，研究方向为资源与环境经济、低碳经济。E-mail：[e-mail]通讯作者：张俊飚，E-mail：[e-mail]文章编号：1007-7588（2014）01-0129-10中国省域农业碳排放：测算、效率变动及影响因素研究——基于DEA-Malmquist指数分解方法与Tobit模型运用吴贤荣1，2，张俊飚１，２，田云1，2，李鹏1，2（1.华中农业大学经济管理学院，武汉430070；2.湖北农村发展研究中心，武汉430070）摘要：本文将农业碳排放纳入到农业经济核算体系之中，构建含有期望产出与非期望产出的DEA-Malmquist效率指数，在系统测算农业碳排放的基础上，对2000-2011年中国31个省（市、区）的农业碳排放效率变动趋势进行了测度，并分析了农业Malmquist碳排放效率指数及其分解指数的省域差异及变动趋势。结果表明：①农业碳排放效率变动存在省域差异，内蒙古、北京、黑龙江、吉林等24省区农业碳排放效率处于提升状态，其余7省区呈下降趋势；②三大地区农业碳排放效率指数的主要贡献因素存在较大差异，东部地区主要源自技术进步的推动且农业碳排放效率不断改善；中、西部地区主要依赖于技术效率的改善但波动性较强；③在农业碳排放效率变动的影响因素上，产业结构、耕地面积构成情况及农业受灾程度对农业碳排放效率有显著负向作用；对外开放程度、劳动力文化水平与农业碳排放效率呈显著正相关。关键词：农业碳排放；效率变动；DEA-Malmquist指数分解；Tobit模型；影响因素1引言近年来，气候变化已成为人类社会普遍关注的全球性问题[1]，2009年12月哥本哈根国际气候变化会议召开更是将人类社会对全球气候变化的关注推向了一个新的阶段。由全球气候变暖引发的“低碳”热潮席卷社会生产各个部门，工业是碳排放的主要源头，而快速发展的农业也是碳排放增加的重要推手。中国作为传统农业大国，其农业碳排放对气候变暖助推作用更需关注。有研究表明，我国农业活动所导致的温室气体排放约占全国碳排放总量的17%[2]。改革开放以来，我国农业经济得到了迅猛发展，但高增长很大程度却是以高碳排为代价。在日益严峻的全球气候变暖大背景之下，倡导低碳农业是实现经济增长与生态环境和谐共进、推进农业可持续发展的必然选择。为此，重视农业碳排放的相关研究显得十分必要。回顾国内外相关文献，农业碳排放研究热点主要集中于3个方面：①农业碳排放量的测算。通过对美国、欧盟、加拿大、印度、新西兰等国农业碳排放的测算，发现不同国家农业碳排放占碳排放总量的比重差异较大，原因可能在于各个国家的农业生产方式不尽相同[3]。中国学者分别测算了湖北省1993-2010年、1995-2011年农业碳排放量，均发现其总量呈现“上升－平稳－上升”的三阶段变化特征[4，5]。还有学者发现传统农业形势下我国农业碳排放水平相对较高，增速快，改革开放以来甚至以平均每年5%的速度持续增长[6]；②农业碳排放影响因素分解研究。因素分解目前被学术界广泛接受的主要有LMDI模型和Kaya恒等式两种。利用LMDI模型对四川省农业碳排放与能源消费碳排放进行因素分解，发现经济增长是碳排放增长的最大因素，也是唯一对碳排放量呈正效应的因素[7]。通过第36卷第1期资源科学恒等式变形先后对中国农业能源碳排放以及农用物资投入碳排放进行因素分解得出农业经济发展对农业碳排放具有较强推动作用，而效率因素、结构因素、劳动力规模因素对碳排放量具有一定的抑制作用[8，9]。韩岳峰[10]结合Kaya恒等式和LMDI模型基于能源消耗与贸易的独特视角对中国农业碳排放变化因素进行分解研究；③农业碳减排机制与政策性研究。在农业碳减排政策选择上，以碳税、补贴为标志的经济手段是许多学者的首选。或基于博弈理论，认为通过改变农业源的博弈得益矩阵，进而诱导农业源各农户选择碳减排策略[11]；或建议通过制定专项规划的方式明确低碳农业的发展目标、政策导向和重点任务[12]。也有学者针对不同地区的情况，实证检验了不同控碳政策的实施效果[13]。国外有关农业碳减排机制与政策方面的研究主要集中在对碳进行课税（或者收费）以实现农业碳减排。如Murray[14]认为税费标准、补贴价格的合理与否对农业碳减排的成败与效率有重要影响。BarryRyan[15]以明尼苏达州为例，得出了对农业能源课税有助于提高能源利用效率、减少碳排放的结论。除此之外，农业碳交易市场的构建与农业碳排放许可也是实现农业碳减排的重要手段[16]。综上所述，国内外关于农业碳排放研究主要围绕这三个方面展开，目前还没有研究涉及到农业碳排放效率测度层面。一些学者的研究虽然涉及到了碳排放效率问题，但多停留于宏观层面[17]或局限于工业视角[18，19]，鲜有学者系统分析和评价我国省域间农业碳排放效率水平的差异与成因。鉴于当前我国正处在农业经济转型的关键时期，农业碳排放作为我国人为碳排放的重要组成部分，也理应纳入至政府的节能减排工作之中，而对农业碳排放效率水平进行测度可为制定差异化的农业碳减排政策提供必要依据，具有较强的现实意义。基于此，本文从农业经济核算体系出发，构建含有期望产出与非期望产出的DEA-Malmquist效率指数，在系统测算农业碳排放的基础上，对2000-2011年期间我国31个省（市、区）的农业碳排放效率变动进行测度，并分析农业Malmquist碳排放效率指数及其分解指数的省域差异及变动趋势；进一步，利用Tobit模型探讨影响农业碳排放效率变动的主要因素；最后基于研究结论展开讨论。2研究方法一个经济系统的完整生产过程包括要素投入和产出两部分，农业生产过程中在投入一定的生产要素如资本、劳动力后，除获得农作物产出等期望产出（GoodOutputs）外，还伴随着如废气、废水、废弃物等不利生态的非期望产出（BadorUndesirableOutputs）。将这种包括期望产出、非期望产出和投入要素之间的技术结构关系在内的所有生产可能性的集合定义为环境生产技术[20]。根据环境生产技术的基本思想，设某地区有N种投入要素x，生产出M种期望产出y，同时有L种非期望产出c：ìíîïïx=(x1,x2,…,xN)∈RN+y=(y1,y2,…,yM)∈RM+c=(c1,c2,…,cL)∈RL+（1）则环境生产技术的生产可能性集可表示为公式（2），并满足如下条件：①P(x)是有界封闭集（Closedset）；②期望产出的强可处置性（StrongDisposability）；③非期望产出的弱可处置性（WeakDisposability）；④期望产出与非期望产出的零结合性（NullJointness）。P(x)={}(y,c)：xcanproduce(y,c),x∈RN+（2）要考察碳排放效率，意味着在需要获得更多期望产出的同时，非期望产出越少越好。为此，在ChambersR.G[21]，向性距离函数（DDF）的基础上，借鉴TytecaD[22]的静态环境效率思想，通过δ值的大小来确定不增加投入要素的前提下追求期望产出的最大扩张比例或非期望产出的最大缩减比例。投入要素包括资本（k）和劳动力（l）；λ为加权系数，如公式（3）：Dc(k,l,y,c)=sup{}λ:(k,l,y,c/δ)∈P(k,l)（3）在对上述静态效率展开分析的同时，为了进一步探究碳排放效率在时间序列上的动态变化趋势，就需要引入动态的农业Malmquist碳排放效率指数（AMCPI）。设时期t为基期，则t+1时期的碳排放效率变化率可表示为：AMCPIi(t,t+1)=éëêêùûúúDtc(kti,lti,yti,cti)×Dt+1c(kti,lti,yti,cti)Dtc(kt+1i,lt+1i,yt+1i,ct+1i)×Dt+1c(kt+1i,lt+1i,yt+1i,ct+1i)12（4）1302014年1月吴贤荣等：中国省域农业碳排放：测算、效率变动及影响因素研究(t,t+1)=Dtc(kti,lti,yti,cti)Dt+1c(kt+1i,lt+1i,yt+1i,ct+1i)（5）TECHCHi(t,t+1)=éëêêùûúúDt+1c(kti,lti,yti,cti)×Dt+1c(kt+1i,lt+1i,yt+1i,ct+1i)Dtc(kti,lti,yti,cti)×Dtc(kt+1i,lt+1i,yt+1i,ct+1i)12（6）式中t和t+1分别为两个时期。计算结果AMPCI值大于1表示该决策单元的碳排放效率在提升，反之则下降。可以进一步将AMPCI分解为技术效率指数（EFFCH）和技术进步指数（TECHCH），如公式（5）和公式（6）。利用DEA方法进一步将上述思想具体化[23]，假设共考察I个地区，σ即δ取倒数，则在规模报酬不变条件下该生产过程可以表示为公式（7）：éëùûDtc(kti,lti,yti,cti)-1=minσs.t.ìíîïïïïïïïïïïïïïïïï∑1=iIλikti≤kt+1∑1=iIλilti≤lt+1∑1=iIλiyti≥yt+1∑1=iIλicti=σct+1λi≥0,i=1,2,…,I（7）3数据来源与处理所采用的中国大陆31个省（市、区）各指标基础数据均出自2000年、2005年、2011年《中国农村统计年鉴》，并经过适当处理。（1）资本投入指标k。在资本投入的数据处理上，本文沿用永续盘存法（PIA），选取严格意义上的纯物质资本，不包含人力资本和土地。PIA法计算公式为：kti=(1-ρ)kt-1i+Inti（8）式中i为省域；t为年份；k为资本存量；In为投资；ρ为资本折旧率。参考吴方卫[24]、王金田[25]等学者的成果，采用上述公式计算并整理得到1999-2011年间各省农业资本投入量，单位为亿元。（2）劳动投入指标l。根据数据的可得性，选取第一产业年末从业人员数作为历年劳动投入量核算指标，单位为万人。（3）期望产出指标y。采用地方农林牧渔总产值作为衡量总产出的基本指标，统一换算成可比价表示的农林牧渔业总产值，单位为亿元。（4）非期望产出指标c。即农业碳排放量，单位为万t。相比工业碳排放，农业碳排放源头多样、测算复杂，本文仅考虑直接碳排放，因消耗能源、电力等产生的间接排放涉及问题较为复杂，此处暂未讨论。借鉴田云[26]对农业碳排放的测算方法，确定农业碳排放公式为：c=∑ci=∑ei·εi（9）式中c为农业碳排放总量；i为碳源种类；e为各碳排放源的量；ε为各碳源碳排放系数。从以下4个方面确定具体的碳源因子以及其所对应的碳排放系数：①农用物资导致的二氧化碳排放，包括农用化肥、农药、农膜、柴油四大类，以当年实际使用量为准；②水稻生长发育过程中所产生的甲烷气体排放，以各年水稻种植面积为准，水稻生长周期取其中位值130天；③翻耕土地所导致的氧化亚氮排放，以当年农作物实际播种面积为准；④动物尤其是反刍动物养殖带来的甲烷气体排放，本文仅选取猪、牛、羊三大主要牲畜作为测度，参照各年年末存栏数据进行适当修正。为