2. 湖北农村发展研究中心, 湖北 武汉 430070;
3. 西南大学农村经济与管理研究中心, 重庆 400715;
4. 西南大学经济管理学院, 重庆 400715
2. Center for Hubei Rural Development, Wuhan 430070, China;
3. Research Centre of Rural Economics and Management, Southwest University, Chongqing 400715, China;
4. College of Economics and Management, Southwest University, Chongqing 400715, China
低碳发展是生态文明建设的重要途径。党的十九大报告明确指出“加快生态文明建设,建立健全绿色低碳循环发展的经济体系”。改革开放以来,中国农业取得了举世瞩目的成就,但也付出了较大环境代价[1]。农药、化肥和农膜等现代农业生产资料的大量使用,导致农业生产活动所产生的碳排放与日俱增[1-2]。据测算,中国农业碳排放以平均每年5%的速度持续增长,严重制约农业可持续发展[3]。随着生态文明建设的深入推进,迫切要求农业增长方式由“粗放型”向“低碳型”转变,依靠绿色全要素生产率驱动农业转型[1]。
目前,关于农业绿色全要素生产率的研究主要集中在以下3个方面:一是农业碳排放的测算与分析。不少学者基于农业生产过程中的化肥、农药、农膜等碳源种类,测算中国省域层面农业碳排放量,并一致认为农业碳排放呈上升趋势,且地区间存在显著差异[4-6]。也有一些学者基于特定省份地级市层面分析农业碳排放[7-9]。二是农业绿色全要素生产率的核算方法。以随机前沿分析(SFA)和数据包络分析(DEA)方法为主,其中DEA方法应用最为广泛。在处理环境产出方面,大多数学者将各污染物视为非期望产出变量纳入DEA模型。尤其是CHUNG等[10]提出基于方向性距离函数(directional distance function,DDF)的曼奎斯特卢恩伯格(Malmquist-Luenberger,ML)指数。但是,ML指数不具备循环累乘性,而且面临线性规划无解问题。OH[11]提出基于全局(global)的测算技术,构建全局参比曼奎斯特卢恩伯格(global Malmquist-Luenberger,GML)指数,避免了ML指数的缺陷。三是农业绿色全要素生产率的核算与分析。传统增长理论主要分析资源节约与经济增长的关系,其中全要素生产率的分析框架应用最为广泛。随着资源环境约束的加剧,一些学者逐渐将农业碳排放因素纳入全要素生产率分析框架中,如田伟等[1]、吴丽丽等[12]、吴贤荣等[13]和葛鹏飞等[14],并一致认为农业绿色全要素生产率(田伟等[1]研究中采用的为农业环境生产率概念,吴丽丽等[12]采用的为碳排放约束下农业全要素生产率概念,从研究内涵来看,笔者定义的农业绿色全要素生产率概念与之一致)增长具有明显地区差异,且前沿技术进步是其增长动力。
综上所述,已有研究仍存在以下不足:一是现有研究对农业绿色全要素生产率的研究尺度主要集中在省域尺度,而县域尺度的研究较为缺乏。县域是最基本的单元,从县域尺度研究农业绿色全要素生产率,研究数据更为精细,有助于进一步提升分析精度。二是现有研究通常将研究样本定义为行政边界,假设样本间农业绿色全要素生产率是空间独立和空间均质的,忽视周边地区对本地区的空间溢出作用。而空间计量经济学则假设样本之间存在空间相关性,考虑周边地区对研究区的影响,从而更贴近农业生产的现实,更加客观地揭示农业绿色全要素生产率的空间特征。三是已有文献对农业绿色全要素生产率的测算较少考虑“不可能性解”“技术倒退”问题。非径向非角度、基于松弛的(slacks - based measures,SBM)方向性距离函数和GML指数模型基于各期共同的全局前沿构造,具备传递性和可累乘性,可以有效克服上述问题。
河北省地处华北平原,外环渤海,内环京津经济圈,是中国重要的粮食与经济作物生产基地,也是京津冀农产品供应基地。然而,由于各县域资源禀赋和区位条件差异较大,农业生产资源环境约束不断加剧等因素,河北农业增长具有明显的地区差异和空间演变特征。因此,研究河北省“绿色、低碳”的农业增长模式,分析其空间演变特征,对于引导河北省农业转型升级,促进农业绿色发展,实现生态文明建设具有重要意义。基于此,以河北省县域为例,采用非径向非角度SBM方向性距离函数和GML指数模型综合考察资源节约、环境保护与农业发展的关系,并将农业碳排放作为非期望产出纳入全要素生产率分析框架,定义其为农业绿色全要素生产率(green total factor productivity,GTFP)。在此基础上,将全要素生产率理论与空间经济学理论相结合,利用空间自相关方法系统评价农业绿色全要素生产率的空间特征,以期为河北省县域层面落实绿色发展理念、引导区域农业绿色化转型提供新思路。
1 材料与方法 1.1 研究方法 1.1.1 非径向非角度SBM方向性距离函数和GML生产率指数(1)全局生产可能性集合。将河北省142个县域作为全部决策单元。假设每个决策单元在生产过程中使用n种要素投入(x,x ∈ R+n),同时获得m种期望产出(y,y ∈ R+m)和非期望产出农业碳排放(b)。将投入、期望产出与非期望产出之间的可能性集合定义为环境生产技术[15],结合其有界封闭性、投入和期望产出的强可处置性,期望产出与非期望产出的弱可处置性以及零结合性,则生产可能集合(P)表示为
$ P(x)=\{(x, y, b) : x可以生产(y, b) \}。$ | (1) |
进一步根据OH[11]提出的全局生产可能性集合,即当期所有生产技术集合的并集可表示为
$ \begin{align} & {{P}^{G}}(x)=\left\{ \left( {{x}^{t}},{{y}^{t}},{{b}^{t}} \right):\sum\limits_{t=1}^{T}{\sum\limits_{k=1}^{K}{{{Z}_{k}}}}y_{km}^{t}\ge y_{m}^{t} \right.; \\ & \ \ \ \ \ \ \ \ \ \ \ \ \ \left. \sum\limits_{t=1}^{T}{\sum\limits_{k=1}^{K}{{{Z}_{k}}}}b_{k}^{t}={{b}^{t}};\sum\limits_{t=1}^{T}{\sum\limits_{k=1}^{K}{{{Z}_{k}}}}x_{kn}^{t}\le x_{n}^{t} \right\} \\ \end{align}。$ | (2) |
式(2)中,Zk为密度变量,表示k个决策单元在构造环境技术结构时各自的权重。
(2)非径向非角度SBM方向性距离函数。方向性距离函数可以考虑投入和产出松弛变量对效率的影响,从而避免传统径向DEA对效率评估的有偏性。根据TONE[16]提出的非径向非角度SBM效率模型,同时考虑投入减少和产出增加。在式(2)基础上,构建决策单元
$ \vec{D}_{0}^{G}\left(x_{k^{\prime}}^{t}, y_{k^{\prime}}^{t}, b_{k^{\prime}}^{t}\right)=\\ \min \frac{1-\left[\frac{1}{N} \sum\limits_{n=1}^{N} s_{n}^{x} / k_{n}^{k^{\prime}}\right]}{1+\left[\frac{1}{M+I}\left(\sum\limits_{m=1}^{M} s_{m}^{y} / y_{m}^{k^{\prime}}+\sum\limits_{i=1}^{l} s_{i}^{b} / b_{i}^{k}\right)\right]}, $ | (3) |
$ x_{k' n}^{t}=\sum\limits_{t=1}^{T} \sum\limits_{k=1}^{K} z_{k}^{t} x_{k n}^{t}+s_{n}^{x}, n=1, 2, \cdots, N, $ | (4) |
$ y_{k^{\prime} m}^{t}=\sum\limits_{t=1}^{T} \sum\limits_{k=1}^{K} z_{k}^{t} y_{k m}^{t}-s_{m}^{y}, m=1, 2, \cdots, M, $ | (5) |
$ b_{k^{\prime} i}^{t}=\sum\limits_{t=1}^{T} \sum\limits_{k=1}^{K} z_{k}^{t} b_{k i}^{t}+s_{i}^{b}, i=1, 2, \cdots, I。$ | (6) |
式(3)~(6)中,
(3)基于非径向非角度的SBM方向性距离函数和GML生产率指数。GML生产率指数基于各期共同的全局前沿构造,具备传递性和可累乘性,可以有效克服ML指数的缺陷以及避免“技术倒退”现象的出现。基于此,构建农业GTFP指数为
$ P_{\mathrm{GTF}, t}^{t+1}=\frac{1+\vec{D}_{0}^{G}\left(x^{t}, y^{t}, b^{t} ; y^{t}, -b^{\prime}\right)}{1+\vec{D}_{0}^{G}\left(x^{t+1}, y^{t+1}, b^{t+1} ; y^{t+1}, -b^{t+1}\right)}, $ | (7) |
$ P_{\mathrm{GTF}, t}^{t+1}=C_{\mathrm{GT} t}^{t+1} \times C_{\mathrm{GE} t}^{t+1}, $ | (8) |
$ C_{\mathrm{GT}, t}^{t+1}=\frac{1+\vec{D}_{0}^{G}\left(x^{t}, y^{t}, b^{t} ; y^{t}, -b^{t}\right)}{1+\vec{D}_{0}^{G}\left(x^{t}, y^{t}, b^{t} ; y^{t}, -b^{t}\right)} \times\\ \frac{1+\vec{D}_{0}^{t+1}\left(x^{t+1}, y^{t+1}, b^{t+1} ; y^{t+1}, -b^{t+1}\right)}{1+\vec{D}_{0}^{G}\left(x^{t+1}, y^{t}, b^{t+1} ; y^{t+1}, -b^{t+1}\right)}, $ | (9) |
$ C_{\mathrm{CE}, t}^{t+1}=\frac{1+\vec{D}_{0}^{G}\left(x^{t}, y^{t}, b^{t} ; y^{t}, -b^{t}\right)}{1+\vec{D}_{0}^{t+1}\left(x^{t+1}, y^{t+1}, b^{t+1} ; y^{t+1}, -b^{t+1}\right)}。$ | (10) |
式(7)~(10)中,
(1)全局空间自相关分析。采用Global Moran's I指数检验河北省县域间农业绿色全要素生产率的空间关联性。Global Moran's I指数一般用于衡量研究区域属性的空间相关关系,其计算公式为
$ I=\frac{\sum\limits_{i=1}^{\mu} \sum\limits_{j=1}^{\mu} w_{i j}\left(\alpha_{i}-\overline{\alpha}\right)\left(\alpha_{j}-\overline{\alpha}\right)}{S^{2} \sum\limits_{i=1}^{\mu} \sum\limits_{j=1}^{\mu} w_{i j}}。$ | (11) |
式(11)中,μ为研究区域总数,为河北省142个县域单元;αi和αj分别为i和j县农业绿色全要素生产率;w ij为二进制邻接空间权重矩阵;
Global Moran's I指数取值范围为[-1, 1]。Global Moran's I指数处于[-1,0)与(0,1]时,表明农业绿色全要素生产率分别存在空间负相关性、空间正相关性,绝对值越大,空间相关性则越强;Global Moran's I指数为0时,表示农业绿色全要素生产率趋于随机分布状态。
(2)局部空间自相关分析。Global Moran's I指数可以用来分析整个研究区空间相关性,但却无法识别局部地区的“冷点”与“热点”区域。局部Getis- Ord G指数能够反映农业绿色全要素生产率的局部空间分布,即识别热点区与冷点区。热点区域表示农业绿色全要素生产率高值与高值集聚的区域,冷点区域即农业绿色全要素生产率低值与低值集聚的区域。局部Getis-Ord G指数计算公式为
$ G=\sum\limits_{j=1}^{\mu} w_{i j} \alpha_{j} / \sum\limits_{j=1}^{\mu} \alpha_{j}。$ | (12) |
(1)投入变量:参照王宝义等[17]研究,以种植业为研究对象,选取劳动力、土地、农业机械、化肥、农药、农膜和灌溉7个投入指标。其中,劳动力指标为种植业劳动力投入变量,单位为万人,参考黄少安等[18]方法,利用农业总产值占农林牧渔总产值的比例进行分离;土地指标为农作物播种面积,单位为hm2;农业机械指标为农业机械总动力,单位为万kW,鉴于农业机械主要用于种植业生产,参照王宝义等[17]方法未进行分离处理;化肥指标为每年化肥施用量(折纯量),单位为t;农药指标为农药使用量,单位为t;农膜指标为农膜使用量,单位为t;灌溉指标为每年实际有效灌溉面积,单位为hm2。考虑到数据可获得性和役畜作用的不断降低,投入指标不包括役畜投入。
(2)产出变量:包括期望产出和非期望产出。期望产出变量为2000年不变价农业总产值,单位为万元。非期望产出用农业碳排放量来衡量,单位为t。农业碳排放源具有多样化和复杂性,参照李波等[4]研究,主要测算农业生产过程中化肥、农药、农膜、农业灌溉和农业耕作5类直接产生的碳排放。构建的农业碳排放总量计算公式为
$ E=\sum E_{i}=\sum T_{i} \delta_{i}。$ | (13) |
式(13)中,E为农业生产碳排放总量;Ei为第i种碳源碳排放量;Ti为第i种碳源投入量;δi为第i种碳源碳排放系数。各碳源碳排放系数见表 1。为便于分析,CO2和N2O统一换算为标准碳。
研究数据主要为属性数据和图形数据。农业总产值、农林牧渔总产值、农业机械总动力、化肥施用量和农药和农膜使用量等农业生产投入产出数据,主要来源于2001—2017年《河北农村统计年鉴》。对数据中少量缺失和异常值,采用平均值法进行平滑修正。图形数据来源于1:5万河北省基础地理矢量数据。同时,剔除数据缺失较多的县域,最终建立河北省142个县域农业投入产出数据库。
2 结果与分析 2.1 河北农业绿色全要素生产率时序演变特征基于2000—2016年河北省142个县域投入产出数据,采用MaxDEA 7.0软件对河北省农业绿色全要素生产率进行测算与分解(表 2)。
表 2显示,在不考虑环境因素的情况下,2000—2016年河北省农业全要素生产率年均增长4.71%,前沿技术进步年均增长5.25%,技术效率年均增表 2显示,在不考虑环境因素的情况下,2000—2016年河北省农业全要素生产率年均增长4.71%,前沿技术进步年均增长5.25%,技术效率年均增长-0.51%。在考虑环境因素的情况下,河北省农业绿色全要素生产率、绿色前沿技术进步和绿色技术效率年均分别增长5.42%、5.92%和-0.48%。与不考虑环境因素相比,在考虑环境因素的情况下农业绿色全要素生产率、绿色前沿技术进步和绿色技术效率均有所上升。这与王兵等[20]和吴丽丽等[12]研究结果一致。这表明河北省农业绿色全要素生产率的增长主要依靠绿色前沿技术进步驱动。如果考虑环境因素,对河北省农业生产过程中的碳排放进行恰当约束,“波特‘双赢’假说”或可实现。
从时序演变来看,2000—2016年河北省农业绿色全要素生产率呈现阶梯型震荡上升变化趋势,可分为2000—2008和2009—2016年2个阶段。在第1阶段,农业绿色全要素生产率维持在0.99%~ 11.03%之间小幅波动。该阶段农业绿色全要素生产率年均增长5.49%,绿色前沿技术进步驱动(5.80%)与绿色技术效率损失(-0.30%)现象并存,这与新时期河北省实施的一系列强农惠农政策密切相关。如2008年河北省大力开展农业科技入户工程,促使农户采用新技术、新品种,有效调动了广大农民生产积极性。
在第2阶段,农业绿色全要素生产率呈现上升变化趋势,维持在-2.85%~14.10%之间大幅波动。该阶段农业绿色全要素生产率年均增长5.34%,与上一阶段相比,增速略有放缓。其中,绿色前沿技术进步驱动作用明显(6.04%),而绿色技术效率退化(-0.65%)现象仍然存在,与上一阶段相比,农业增长模式并没有发生显著改变。一方面,这可能是因为农业生产效益降低,劳动力、土地和机械等生产成本处在“上升通道”,成本“地板”抬升和价格“天花板”封顶,致使农民从事农业生产的积极性下降;另一方面,随着河北省工业化和城镇化的快速推进,优质劳动力向非农产业部门转移,农业劳动力“老龄化”和“女性化”现象凸显,这无疑会制约农业生产效率提高及生产资源优化配置[21]。
2.2 河北农业绿色全要素生产率地区分布特征为清晰展现河北省农业绿色全要素生产率地区间的差异,将河北省划分为冀北、冀东、冀中、冀南与冀东南5个地区,其中冀北包括承德和张家口的21个县(市、区),冀东包括秦皇岛和唐山的15个县(市、区),冀中包括廊坊、保定和石家庄的49个县(市、区),冀南包括邢台和邯郸的32个县(市、区),冀东南包括衡水和沧州的25个县(市、区)[22]。由表 3可知,河北省农业绿色全要素生产率增长存在地区不平衡的现象。其中,冀北地区增长较快,2000—2008和2009—2016年农业绿色全要素生产率分别年均增长10.63%和7.73%,高于全省平均水平。该增长主要依赖于绿色前沿技术进步与绿色技术效率的“双轮”驱动。冀东南地区农业绿色全要素生产率增长态势较为明显,2008年后冀东南地区农业增长赶超冀东地区,位居第2,这主要源于冀东南地区农业增长由粗放型向集约型模式转变。而冀中和冀南地区农业绿色全要素生产率增长水平均落后于全省平均水平,且绿色技术效率改善状况仍不理想,这说明这2个地区农业生产资源没有实现有效配置,存在资源错配的现象。
为分析农业绿色全要素生产率是否存在空间依赖性,采用Global Moran's I指数来探究其空间相关性特征。由图 1可知,河北省农业绿色全要素生产率增长存在显著空间相关性。2000—2016年农业绿色全要素生产率Global Moran's I指数均为正值,在0.27上下波动,且均在1%置信水平上显著。这显示2个方面特征:一是农业绿色全要素生产率增长并非随机分布,而是存在一定空间依赖性。这可能是因为:(1)地理位置的空间邻近。由于地理位置相邻,邻近的县域之间农业自然资源条件较为相似,因而农业生产要素投入也表现出相似特征,促使农业绿色全要素生产率增长存在空间相关性;(2)农业技术的空间溢出效应。进入21世纪以来,河北省大力推广农业技术,如2016年在120个项目县建立“专家+农技人员+科技示范户+辐射带动户”的技术服务示范带动模式,培育科技示范户13.2万户,辐射带动农户264万多户,有效提高农业技术扩散力度,释放农业技术的空间溢出效应,从而使得农业绿色全要素生产率增长具有空间相关性。
二是河北省农业绿色全要素生产率增长的空间相关性减弱。随着时间的推移,研究期间农业绿色全要素生产率的Global Moran's I指数呈波动下降趋势,由2001年的0.32下降至2003年的0.24,然后回升到2009年的0.32,又下降至2016年的0.21。这可能是因为各县资源禀赋和区位条件差异较大。三河、大厂、霸州和固安等县域邻近京津,是京津“菜篮子”农产品重要供给区。而深州、枣强和武邑等县域,土质盐碱化,水资源短缺,以发展高效节水农业为主攻方向。可见,各县域立足地区资源禀赋和区位优势安排农业生产,使农业绿色全要素生产率增长的空间相关性减弱。
2.4 河北农业绿色全要素生产率局部相关性特征采用Getis-Ord G指数探究2001和2016年农业绿色全要素生产率增长的局部空间相关性。
由图 2可知,河北省农业绿色全要素生产率增长呈现明显的地理集聚特征,热点区向冀中、冀东南地区扩张,冷点区由冀北“一翼”向冀北“两翼”转移。具体而言,农业绿色全要素生产率增长冷点区具有小范围集聚分布特征。2001年冷点区主要分布在冀北地区张家口市下辖的张北县、万全区、崇礼区、宣化区、涿鹿县和怀来县,秦皇岛市的抚宁县和丰南区,以及邢台县、满城区和鹿泉区。到2016年,张北县、万全区、涿鹿县和怀来县由原来的冷点区演变为次冷点区,而其他县域较为稳定,仍处于冷点区。
2001年农业绿色全要素生产率增长热点区主要分布在冀北地区,自北向南包括承德市下辖的围场县、丰宁县、隆化县、滦平县、平泉县和宽城县,以及唐山市的迁西县和邯郸市的涉县。到2016年,热点区范围逐渐减少,邯郸县由次冷点区演变为热点区,临漳县、三河市、大厂县和香河县由次热点区逐渐演变为热点区,而丰宁县、宽城县和涉县一直处于热点区。具体来说,三河市、大厂县和香河县紧邻京津,以都市现代农业为主攻方向,向京津提供蔬菜水果等农产品,同时依托海滨、河流等自然资源,发展休闲农业,为地区农业绿色发展提供活力。丰宁县、宽城县、涉县等县域处于山地,特色农产品丰富,为农业绿色全要素生产率增长提供得天独厚的自然条件。
与此同时,这些县域重视农业发展方式的转变,利用当地绿色生态资源优势,大力发展现代山地特色高效农业。一方面,积极推广玉米、甘薯等优质品种和绿色标准化栽培技术,推广香菇低碳种植技术,建设绿色粮食生产基地,从而有效减少农业生产过程中产生的碳排放;另一方面,依托山区景观资源,以农家乐、农耕景观、山区休闲农园等为开发模式,大力发展休闲农业。
与2001年相比,2016年农业绿色全要素生产率增长次热点区范围不断扩大,主要以冀中、冀东南和冀南东部为主,冀东也有零星分布。其中,冀中地区沽源县、赤城县、尚义县、涞源县、唐县、阜平县和平山县等县域由次冷点区演变为次热点区。冀中是传统粮食生产区,正处于传统农业向现代农业转型时期[22]。农田水利、道路等基础设施建设滞后,农业抗旱防涝能力脆弱等,制约农业绿色全要素生产率的增长。同时,城镇化发展过程中耕地资源减少、优质劳动力转移等,使得冀中地区技术利用效率长期处于较低水平,农业绿色发展任重道远。如果冀中地区注重技术效率的优化配置,势必会进一步提高农业绿色全要素生产率。
3 结论与启示 3.1 结论(1)2000—2016年河北省县域农业绿色全要素生产率年均增长5.42%,主要依靠绿色前沿技术进步驱动,绿色技术效率改善不明显。在考虑环境因素的情况下,对河北省农业生产过程中的碳排放进行恰当约束,“波特‘双赢’假说”或可实现。
(2)从区域分布来看,河北省县域农业绿色全要素生产率增长存在地区不平衡现象。冀北地区增长较快,高于全省平均水平,冀东南地区2008年后赶超冀东,而冀中与冀南地区增长均低于全省平均水平,且绿色技术效率改善状况不理想。
(3)河北省县域农业绿色全要素生产率增长存在显著的空间相关性。2000—2016年农业绿色全要素生产率的Global Moran's I指数均为正值,在0.27上下波动。随着时间的推移,农业绿色全要素生产率增长的空间相关性呈减弱趋势。
(4)河北省县域农业绿色全要素生产率增长呈现明显的地理集聚特征,热点区向冀中、冀东南扩张,冷点区由冀北“一翼”向冀北“两翼”转移。2016年增长冷点区呈现小范围集聚分布特征,次热点区范围不断扩大,而热点区范围逐渐缩小。
3.2 启示(1)因地制宜,制定差异化的农业绿色发展思路。对冀北和冀东地区而言,应充分发挥自身区位优势以及信息、技术和资本等要素优势,大力发展现代生态农业和休闲农业,运用先进的低碳技术,实现农业生产低碳化。对冀中地区而言,应进一步转变农业发展方式,减少化肥、农药和农膜等各种农用化学用品投入,并发展多种形式的适度规模经营,提高农业资源配置效率,从而提升农业绿色全要素生产率。对冀东和冀东南地区而言,应充分利用现有资源要素,不断完善农业社会化服务体系,从而带动农业发展的转型升级。
(2)根据县域资源禀赋特征探索具有地域特色的农业绿色化道路。在三河市、大厂县和香河县等临近京津的县域,大力发展高端设施蔬菜和生态循环农业,实现资源有效利用。在滦县、容城县、成安县等高产农业区,鼓励农民增施有机肥,开展测土施肥技术,推广小麦“一喷三防”和玉米“一喷多效”等科学施药技术以及可降解农膜技术,减少农业生产过程所产生的碳排放。在枣强县、阜城县、平乡县等水资源比较缺乏的县域,推广耐旱作物和品种,推广水肥一体化和保护性耕作技术等,促进农业与环境协调发展。
[1] |
田伟, 杨璐嘉, 姜静. 低碳视角下中国农业环境效率的测算与分析:基于非期望产出的SBM模型[J]. 中国农村观察, 2014(5): 59-71, 95. [ TIAN Wei, YANG Lu-jia, JIANG Jing. Measurement and Analysis of the Chinese Agricultural Eco-Efficiency From the Perspective of Low Carbon:Based on SBM Model of the Undesirable Outputs[J]. China Rural Survey, 2014(5): 59-71, 95.] (0) |
[2] |
赵文晋, 李都峰, 王宪恩. 低碳农业的发展思路[J]. 环境保护, 2010, 38(12): 38-39. DOI:10.3969/j.issn.0253-9705.2010.12.012 (0) |
[3] |
冉光和, 王建洪, 王定祥. 我国现代农业生产的碳排放变动趋势研究[J]. 农业经济问题, 2011, 32(2): 32-38, 110-111. [ RAN Guang-he, WANG Jian-hong, WANG Ding-xiang. Study on the Changing Tendency and Counter-Measures of Carbon Emission Produced by Agricultural Production in China[J]. Issues in Agricultural Economy, 2011, 32(2): 32-38, 110-111.] (0) |
[4] |
李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86. [ LI Bo, ZHANG Jun-biao, LI Hai-peng. Research on Spatial-Temporal Characteristics and Affecting Factors Decomposition of Agricultural Carbon Emission in China[J]. China Population, Resources and Environment, 2011, 21(8): 80-86. DOI:10.3969/j.issn.1002-2104.2011.08.013] (0) |
[5] |
刘华军, 鲍振, 杨骞. 中国农业碳排放的地区差距及其分布动态演进:基于Dagum基尼系数分解与非参数估计方法的实证研究[J]. 农业技术经济, 2013(3): 72-81. (0) |
[6] |
韦沁, 曲建升, 白静, 等. 我国农业碳排放的影响因素和南北区域差异分析[J]. 生态与农村环境学报, 2018, 34(4): 318-325. [ WEI Qin, QU Jian-sheng, BAI Jing, et al. Influencing Factors of Agricultural Carbon Emission and Regional Differences Between South and North in China[J]. Journal of Ecology and Rural Environment, 2018, 34(4): 318-325.] (0) |
[7] |
贺亚亚, 田云, 张俊飚. 湖北省农业碳排放时空比较及驱动因素分析[J]. 华中农业大学学报(社会科学版), 2013(5): 79-85. [ HE Ya-ya, TIAN Yun, ZHANG Jun-biao. Analysis on Spatial-Temporal Difference and Driving Factors of Agricultural Carbon Emissions in Hubei Province[J]. Journal of Huazhong Agricultural University(Social Sciences Edition), 2013(5): 79-85.] (0) |
[8] |
唐洪松, 刘维忠, 苏洋, 等. 新疆农业现代化进程中的碳排放效应[J]. 生态与农村环境学报, 2018, 34(1): 46-53. [ TANG Hong-song, LIU Wei-zhong, SU Yang, et al. Carbon Emission Effect of the Process of Agricultural Modernization in Xinjiang[J]. Journal of Ecology and Rural Environment, 2018, 34(1): 46-53.] (0) |
[9] |
赵先超, 宋丽美. 湖南省农地利用碳排放与农业经济关系研究[J]. 生态与农村环境学报, 2018, 34(11): 976-981. [ ZHAO Xian-chao, SONG Li-mei. Carbon Emission From Agricultural Land Use and Its Relationship With Agricultural Economy in Hunan Province[J]. Journal of Ecology and Rural Environment, 2018, 34(11): 976-981. DOI:10.11934/j.issn.1673-4831.2018.11.003] (0) |
[10] |
CHUNG Y H, FÄRE R, GROSSKOPF S. Productivity and Undesirable Outputs:A Directional Distance Function Approach[J]. Journal of Environmental Management, 1997, 51(3): 229-240. DOI:10.1006/jema.1997.0146 (0) |
[11] |
OH D H. A Global Malmquist-Luenberger Productivity Index[J]. Journal of Productivity Analysis, 2010, 34(3): 183-197. DOI:10.1007/s11123-010-0178-y (0) |
[12] |
吴丽丽, 郑炎成, 李谷成. 碳排放约束下我国油菜全要素生产率增长与分解:来自13个主产区的实证[J]. 农业现代化研究, 2013, 34(1): 77-80, 94. [ WU Li-li, ZHENG Yan-cheng, LI Gu-cheng. Growth and Source of Rape Total Factor Productivity in China Under Carbon Emissions Constraint:An Empirical Study From 13 Main Producing Areas[J]. Research of Agricultural Modernization, 2013, 34(1): 77-80, 94.] (0) |
[13] |
吴贤荣, 张俊飚, 田云, 等. 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[J]. 资源科学, 2014, 36(1): 129-138. [ WU Xian-rong, ZHANG Jun-biao, TIAN Yun, et al. Provincial Agricultural Carbon Emissions in China:Calculation, Performance Change and Influencing Factors[J]. Resources Science, 2014, 36(1): 129-138.] (0) |
[14] |
葛鹏飞, 王颂吉, 黄秀路. 中国农业绿色全要素生产率测算[J]. 中国人口·资源与环境, 2018, 28(5): 66-74. [ GE Pengfei, WANG Song-ji, HUANG Xiu-lu. Measurement for China's Agricultural Green TFP[J]. China Population, Resources and Environment, 2018, 28(5): 66-74.] (0) |
[15] |
FARE R, GROSSKOPF S, PASURKAJR C. Environmental Production Functions and Environmental Directional Distance Functions[J]. Energy, 2007, 32(7): 1055-1066. DOI:10.1016/j.energy.2006.09.005 (0) |
[16] |
TONE K. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J]. European Journal of Operational Research, 2001, 130(3): 498-509. DOI:10.1016/S0377-2217(99)00407-5 (0) |
[17] |
王宝义, 张卫国. 中国农业生态效率的省际差异和影响因素:基于1996-2015年31个省份的面板数据分析[J]. 中国农村经济, 2018(1): 46-62. [ WANG Bao-yi, ZHANG Wei-guo. Cross-provincial Differences in Determinants of Agricultural Ecoefficiency in China:An Analysis Based on Panel Data From 31 Provinces in 1996-2015[J]. Chinese Rural Economy, 2018(1): 46-62.] (0) |
[18] |
黄少安, 孙圣民, 宫明波. 中国土地产权制度对农业经济增长的影响:对1949-1978年中国大陆农业生产效率的实证分析[J]. 中国社会科学, 2005(3): 38-47, 205-206. [ HUANG Shaoan, SUN Sheng-min, GONG Ming-bo. The Impact of Land Ownership Structure on Agricultural Economic Growth:An Empirical Analysis on Agricultural Production Efficiency on the Chinese Mainland in 1949-1978[J]. Social Sciences in China, 2005(3): 38-47, 205-206.] (0) |
[19] |
段华平, 张悦, 赵建波, 等. 中国农田生态系统的碳足迹分析[J]. 水土保持学报, 2011, 25(5): 203-208. [ DUAN Hua ping, ZHANG Yue, ZHAO Jian-bo, et al. Carbon Footprint Analysis of Farmland Ecosystem in China[J]. Journal of Soil and Water Conservation, 2011, 25(5): 203-208.] (0) |
[20] |
王兵, 吴延瑞, 颜鹏飞. 环境管制与全要素生产率增长:APEC的实证研究[J]. 经济研究, 2008, 43(5): 19-32. [ WANG Bing, WU Yan-rui, YAN Peng-fei. Environmental Regulation and Total Factor Productivity Growth:An Empirical Study of the APEC Economies[J]. Economic Research Journal, 2008, 43(5): 19-32. DOI:10.3969/j.issn.1009-6701.2008.05.004] (0) |
[21] |
河北省农业厅, 河北省委省政府农村工作办公室.河北省现代农业发展"十三五"规划[R].石家庄: 河北省农业厅: 2016.
(0) |
[22] |
崔长彬, 姜石良, 张正河. 河北县域经济影响因素的空间差异分析:基于贝叶斯地理加权回归方法[J]. 经济地理, 2012, 32(2): 39-45. [ CUI Chang-bin, JIANG Shi-liang, ZHANG Zhenghe. The Analysis of Spatial Variability of Influencing Factors to County Economy in Hebei:Based on BGWR[J]. Economic Geography, 2012, 32(2): 39-45.] (0) |