—基于DEA-Malmquist指数分解方法与Tobit模型运用

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 模型探讨影响农业碳排放效率变动的主要因素； 最 解指数的省域差异及变动趋势； 进一步， 利用 Tobit
2014 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
第 36 卷 第 1 期 2014 年 1 月 文章编号： 1007-7588 （2014） 01-0129-10
2014， 36 （1） ： 0129-0138
Vol.36， No.1 Jan.， 2014
Resources Science
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
（3）
步探究碳排放效率在时间序列上的动态变化趋势， （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： AMCPI i (t, t + 1) = 1 é ù 2（4） D tc (k it , l it , y it , c it) × D tc+ 1(k it , l it , y it , c it) ê t + 1 t + 1 t + 1 t + 1 ú ê ú t t+1 t+1 t+1 t+1 t+1 ëD c (k i , l i , y i , c i ) × D c (k i , l i , y i , c i )û
N P(x) = {(y, c)：x can produce(y, c)}, x ∈ R +
Hale Waihona Puke 式 （2） ， 并满足如下条件： ① P(x) 是 有 界 封 闭 集
则环境生产技术的生产可能性集可表示为公
论。除此之外， 农业碳交易市场的构建与农业碳排
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 Chambers R.G[21]， 向性距离函数 （DDF）的基础上， 借 鉴 Tyteca D[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。
λ 为加权系 投入要素包括资本 和劳动力 ； （k） （l）
数， 如公式 （3） ： D c (k, l, y, c) = sup{λ:(k, l, y, c/δ)∈ P(k, l)}
在对上述静态效率展开分析的同时， 为了进一 就需要引入动态的农业 Malmquist 碳排放效率指数
TECHCH i (t, t + 1) 1 éD tc+ 1(k it , l it , y it , c it) × D tc+ 1(k it + 1, l it + 1, y it + 1, c it + 1)ù 2 （6） =ê t t t t t t t+1 t+1 t+1 t+1 ú ê ú ë D c (k i , l i , y i , c i ) × D c (k i , l i , y i , c i ) û
[18， 19]
入要素之间的技术结构关系在内的所有生产可能
（1）
（Closed set）； ② 期 望 产 出 的 强 可 处 置 性（Strong Disposability） ； ③ 非期望产出的弱可处置性 （Weak Disposability） ； ④ 期望产出与非期望产出的零结合 性 （Null Jointness） 。
ìI λ i k it ≤ kt + 1 ï ∑ ï 1=i ïI ï ï λ l t ≤ lt + 1 ∑ i i ï ï i ï1 = s.t.í I λ i y it ≥ y t + 1 ∑ ï i ï ï1 = I ï ï ∑λi cit = σ ct + 1 ï ï1 = i ïλ ≥ 0, i = 1, 2, …, I î i
（2）
， 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
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 （Good Outputs） 外， 还伴随着如废气、 废水、 废 弃物等不利生态的非期望产出 （Bad or Undesirable Outputs） 。 将这种包括期望产出、 非期望产出和投 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：
迅猛发展， 但高增长很大程度却是以高碳排为代
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） 。 通讯作者： 张俊飚， E-mail： zhangjb513@ 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： bewaily@
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 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
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 （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） ： -1 t éD c (k it , l it , y it , c it)ù = min σ ë û
2 ２ 2 2 吴贤荣 1， ， 张俊飚１， ， 田 云 1， ， 李 鹏 1，
（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 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 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 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
5] 征 [4， 。还有学者发现传统农业形势下我国农业碳
会议召开更是将人类社会对全球气候变化的关注
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
收稿日期： 2013-09-12； 修订日期： 2013-10-21
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
131
EFFCH i (t, t + 1) = D tc+ 1(k it + 1, l it + 1, y it + 1, c it + 1)
D tc (k it , l it , y it , c it)
（5）
算指标， 单位为万人。 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。 为万 t。相比工业碳排放， 农业碳排放源头多样、 测 （4） 非期望产出指标 c 。即农业碳排放量， 单位 （3） 期望产出指标 y 。采用地方农林牧渔总产

130
资 源 科 学
第 36 卷 第 1 期
Kaya 恒等式变形先后对中国农业能源碳排放以及 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]
后基于研究结论展开讨论。
农用物资投入碳排放进行因素分解得出农业经济
N ìx =(x1, x 2 ,…, x N )∈ R + ï M íy =(y1, y 2 ,…, y M )∈ R + ï L îc =(c1, c 2 ,…, c L )∈ R +
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
。 韩 岳 峰 结 合 Kaya 恒 等 式 和
[10]
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。 Barry Ryan[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 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
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 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 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。