碳排放约束下农业全要素生产率测算与收敛性检验.pdf

《碳排放约束下农业全要素生产率测算与收敛性检验.pdf》由会员分享，可在线阅读，更多相关《碳排放约束下农业全要素生产率测算与收敛性检验.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、福建农业学报32(1)：99106，2017Fujian Journal of Agricultural Scienceshttpt“wfjnyxbendoi：1019303jissn10080384201701020刘德娟，周琼碳排放约束下农业全要素生产率测算与收敛性检验EJ福建农业学报，201 7，32(1)：99-106LIU D-J，ZHOU QMeasurement and Convergence of Agricultural Total Factor Productivity Under the Carbon Emissions ConstraintsFujian Journal

2、 ofAgricultural Sciences，2017，32(1)：99106碳排放约束下农业全要素生产率测算与收敛性检验刘德娟，周 琼(福建省农业科学院农业经济与科技信息研究所，福建 福州 350003)摘要：从农业增长与二氧化碳排放2个方面考虑，对19952014年中国省际种植业运用GML(GlobalMalmquistI。uenberger)指数测算碳排放约束下农业全要素生产率的增长，并与传统的Malmquist指数进行比较，同时对其收敛性进行检验。结果表明：碳排放约束下农业全要素生产率增长主要由技术进步推动或技术进步与技术效率的双重贡献。碳排放约束下农业全要素生产率的省际差异和区域

3、差异明显。河北、辽宁、黑龙江和湖南4省的农业相对属于低碳农业。从地区差异来看，增速较快的地区是华中、华北和华东地区，西北和东北居中，华南和西南增速相对较慢。整体上来看各省之间存在技术扩散，呈现。收敛但收敛趋势并不稳定；全国、华北、东北、华东、华中和华南地区，存在绝对p收敛，而在西南和西北地区并不存在绝对p收敛；对于全国及7个地区，均存在条件8收敛，即朝着各自稳定的状态发展。关键词：GML指数；农业全要素生产率；收敛性；碳排放约束下；低碳农业中图分类号：F 303 文献标识码：A 文章编号：10080384(2017)019908Measurement and Convergence of Ag

4、ricultural Total Factor Productivity Underthe Carbon Emissions ConstraintsLIU De-juan，ZHOU Qiong(Institute of Agricultural Economics and Scientific Information，Fujian Academy of AgriculturalSciences，Fuzhou，Fujian 350003，China)Abstract：Considering tO both agriculture growth and carbon dioxide emissio

5、n，growth of agricultural total factorproductivity(TFP)of 30 provinces of China from 1995 tO 2014 under carbon emissions constraints，were analyzedusing the Global MalmquistLuenberger，and were compared tO the traditional Malmquist productivity index；andthen the convergence of which were further examin

6、edThe results showed that：Agricultural total factorproductivity growth under carbon emissions constrains was mainly owing tO technical progress or both technicalprogress and technical efficiencyThere were distinct differences among provincial and regional agricultural totalfactor productivityThe agr

7、iculture in Hebei，Liaoning，Heilongjiang and Hunan Province were low carbonAndthe growth of agricultural total factor productivity was fast in central，north and east China，medium in northwestand northeast，but slow in south and southwestA trend of d convergence was shown among provinces，but notstableT

8、here was absolute B convergence in whole，north，northeast，east，central and south China，but not insouthwest and northwest areasChina and other seven areas showed conditional p convergence which developedtoward stable statesKey words：global MalmquistLuenberger index；agricultural total factor productivi

9、ty；convergence；under carbonemissions constraint；lowcarbon agriculture改革开放以来，中国农村经济取得了全面发展，不仅以占世界不到10的耕地养活了20多的人口，而且很好地满足了转型期经济高速增长对J农业发展的需要。从粮食增长来看，中国农业发展已经取得了巨大成就，但也付出了沉重的环境代价。2016年中央一号文件明确指出，在资源环境收稿日期：20161025初稿；20161129修改稿作者简介：刘德娟(1976一)，女，博士，副研究员，研究方向：农业经营管理、日本农业(E-mail：liudejuanS08163corn)基金项目：

10、福建省自然科学基金(2015J01284)；福建省农业科学院科技创新团队PI项目(2016PI一42)万方数据100 福建农业学报 第32卷约束趋紧背景下，加快转变农业发展方式，确保粮食等重要农产品有效供给，实现绿色发展和资源永续利用，是必须破解的现实难题。因此，必须将过去靠牺牲环境、破坏资源、增加要素投入以提高产量的经济增长模式，转到保持农业经济稳定发展的情况下，同时考虑农业增长、资源节约和环境保护，实现环境友好型、资源节约型和生态保育型农业。从第五次IPCC报告(2014年)可以看出，全球剩余碳排放容量已经非常有限，将成为日益稀缺的战略资源。中国应当顺应低碳发展的世界大势，坚定不移地走低碳

11、发展的方向。目前，中国是世界最大的碳排放国，2013年中国的CO。排放总量正在超过欧美的总和，中国总碳排放量占全球的29，美国为15，欧盟为10。传统经济增长理论并没有考虑环境污染与经济增长的关系，但是实际在农业生产过程中，伴随着期望产出的同时，产生了非期望产出。低碳经济要求对经济发展施加一定的碳约束，在增加期望产出的同时，必须控制非期望产出的增长j。这意味着对全要素生产率(TFP)的测量需要从经济增长与二氧化碳减排两个方面考虑。对农业也不例外，农业碳排放主要来自农作物、畜禽生存、土地利用等，当然农业在生产过程中有其固碳能力，但固碳不作为本研究的范畴。本研究从碳排放视角对中国省际种植业全要素生

12、产率进行测算，不包括畜禽产生的碳排放。由于传统全要素生产率的测算主要用期望产出来衡量，并没有考虑非期望产出指标造成的产出损失，可能造成衡量经济绿色增长上的偏误。近年来，在考虑非期望产出前提下，农业全要素生产率增长已经成为学者们研究的热点。在现有的文献中，国内外学者已经对农业环境效率展开了大量的研究，奠基性的研究主要有考虑期望产出、非期望产出，强可处置性、弱可处置性以及采用物料守恒法几个方面口叫。现在国内应用比较多的研究是把碳排放或者污染物作为非期望产出来处理，主要包括：第一，以单元评估法核算污染物(COD、TN、TP)为约束条件分析农业环境效率或环境全要素生产率8-1们；第二，以农业碳排放为约

13、束研究农业环境效率或环境全要素生产率1卜埘；第三，以物料平衡法研究农业环境效率口7。由于方法各异，对污染物的核算、研究对象和指标的选取不同，造成各自研究结果会有较大的差异。本文试图在以下2个方面进行拓展：(1)运用全局GlobalML指数进行核算，可以避免MI。指数不具有的循环性和传递性，也可避免产生线性规划无解的问题，使其计算结果更加准确；(2)污染物的排放大多是采用清单分析方法核算环境污染(COD、TN、TP)，但由于其污染排放系数是2008年之前，导致对农业污染估算偏差较大，本文从碳排放视角对种植业进行核算。1 研究方法与数据选取11 模型选择把农业生产中希望得到的正常的产出称为期望产出

14、，把生产过程中不希望得到的比如碳排放、面源污染等称为非期望产出，本文的非期望产出为碳排放。一般农业全要素生产率需要考虑农业生产过程中的投入产出要素，考虑碳排放约束下TFP的增长就是考虑包括期望产出、非期望产出的生产可能性集，即环境技术。把农业生产过程中碳排放作为一种非期望产出，纳入到产出要素里进行测算，假定有农业GDP产出的同时，一定伴有碳排放；如减少碳排放就必须以减少农业GDP为代价；在此环境技术下只能生产出有限产出；期望产出可以任意比例减少其产出量。由于Malmquist指数不能处理包括非期望产出，如碳排放、环境污染等，势必影响结果的准确性。另外，运用径向的、角度的DEA方法计算方向性距离

15、函数，当存在投入冗余或者产出不足时，会导致计算结果的不准确。为了克服这些缺陷，Chung等81将包含非期望产出的方向距离函数应用于Malmquist模型，并将得出的Malmquist指数称为MalmquistLuenberger生产率指数。但是，ML指数不具有循环性和传递性，也可能产生线性规划无解的问题。Oh1 9 3针对这一问题将Global生产率概念和方向性距离函数相结合，构建了全局ML指数Global MalmquistLuenberger(GML)指数。该方法可以弥补M指数和ML指数方法中的不足。Chung等1 8根据Luenberger短缺函数(Shortage Function)思

16、想，构造了方向性距离函数，能很好地解决包含非期望产出效率问题，可以表示为：D 7(z，Y 7，b；g)一supfl：(y 7，b)+触P。(z)式中，z为投入向量；g一(g，舶)表示一个方向向量；Y和g，为期望产出向量；b。和g。为非期望产出向量。假定每一个决策单元使用N种投入z一(z，丁N)R翠，得到M种期望产出Y一(Y，万方数据第1期 刘德娟等：碳排放约束下农业全要素生产率测算与收敛性检验 101，yN)R竿和j种非期望产出b一(6，b。)R，P(z)表示第t一1，T时期生产可能性集合：P(z)一(y 7，b)：z生产(y，b 7)，R翌为增强决策单元技术效率之间的可比性，Oh口鲴将全局生

17、产技术集定义为所有当期生产技术集的并集，即P6(z)一P1(z1)UPl(z2)U，UP7(z。r)，在单一生产前沿下，计算出的全局环境技术效率(Global Environmental TechnologicalEfficiency，简称GETE)在各个决策单元之间和各个时期之间都具有可比性。根据Chung等口81的研究方法，考虑环境因素的全要素生产率增长指数可用产出导向型的ML指数(MalmquistLuenberger)。可表示为下边的公式：趔“=(刎xML“)“2 l+西7，Y7，b；少7，一6。) 、，1+z3川(x。，Y7，b；y7，一6)12l+O。(Xt+l yt+l,b+1；

18、y+l，一Di+1)。、1+137+1 X+l yt+l,b+1；yt+l，一Dt7+1)I1+fi“1 Xt y 7，b7；y7，一6)、，1+西“1 Xt+l yt+l，b”1；y”1，一6“。)llZ、， 1+西Xt yt，b；y7，一6。)1+西Xt yt b；y7，一6)一1+西7 Xt+l yl+l 9b”1；y”1，一6”1)1 1+z3”1 Xt+l yt+l,b“1；y“1，一6“1)=lV纪TECH,+1MLEFFCH；+1OhEl 9在此基础上构建了全局ML指数(Global Malmquistluenberger)，具体分解见如下公式所示。僦=高苦搿等!童坠羔型型!二塑

19、1+西：(x7，y。，b7；少。，一b) 1+席(x，y7，b；y7，一6)2再历霄巧万了孓两百虿万弓巧巧尹j两1+b，GLzxt+l，yt+l,b7+1；y。“，一67+1)=PECH；“x SECH；+1 X TECH+112数据来源选取19952014年中国各省份的种植业数据，其碳排放主要考虑农业生产过程中化肥、农药、农膜、柴油、翻耕和灌溉所引起的碳排放量。其计算公式为：E一Ei一Ti3i，式中E为农业的碳排放总量，Ei为各种碳源的碳排放量，n为各碳排放源的量，矾为各碳排放源的碳排放系数。其中，农业碳排放系数参照李波等心，化肥、农药、农膜、柴油、翻耕和农业灌溉的碳排放系数分别是0895

20、6、4934 1、518、0592 7 kgkg 1，3126、20476 kgkm_。由于考虑化肥、农药、农膜、柴油、翻耕和农业灌溉主要是来源于种植业，因此本研究采用19952014年30个省份(重庆市与四JI省数据合并为四川省)种植业为研究对象，数据来源于各年度中国农村统计年鉴、中国统计年鉴，其中产出指标选取2个，一个期望产出指标选取各地区种植业产值，即狭义的农业产值(下文没有特殊说明称为农业产值)，一个非期望产出指标选取农业1+劈(x 7，Y7，b7；y，一6)1+西：(xt少，b7；y，一67)1+西F(zt+l，yt+l，b“1；y“1，一“)1+西：+1(xt+l，yt+l,b；y

21、t+l，一口l-川)碳排放。投入指标选取6个：劳动力投入、土地投入、化肥投入、农药投入、农用机械动力投入和灌溉面积投入。其中，农业劳动力投入一农林牧渔从业人员权重系数A，其中权重系数A一农业产值农林牧渔总产值。构建30个省份19952014年间农业投入产出面板数据，采用MaxDEA Pro软件进行计算。2结果与分析21碳排放约束下中国农业全要素生产率的变化趋势如表1所示，在碳排放约束条件下，中国农业全要素增长率年均511，低于未考虑碳排放约束下农业全要素增长率638，不考虑碳排放约束条件会过高估计农业生产率的增长。在考虑碳排放约束条件下并没有掩盖农业生产率的增长，年均增速为511，其增长来源于

22、技术进步和技术效率的双重作用，但主要取决于技术进步，其年均贡献率为493，而技术效率提高幅度较小，年均万方数据102 福建农业学报 第32卷贡献率为160。其中，1996年、2007年和2008年考虑碳排放条件的农业全要素生产率高于未考虑碳排放条件下的农业全要素生产率，也就是说中国农业出现了低碳生产的年份，但是并不稳定。1995年以来，从碳排放约束下农业全要素生产率的增长源来看，1996年、2001年、2005年、2006年、2009年、2011年和2014年完全依赖于农业技术进步，技术效率处于恶化状态。2002年主要依赖于技术效率的改善，但技术进步处于退化状态，导致全要素生产率下降。2004

23、年、2007年、2008年、2010年、2012年和2013年全要素生产率的增长取决于农业技术效率的改善和技术进步的双重贡献，其中除2004年以外，技术进步的贡献率远远大于技术效率的改善。1997年、1999年、2000年和2003年农业技术效率恶化和技术进步退步的双重作用导致农业全要素生产率下降。1998年虽然农业技术进步是上升的，但是由于技术效率的恶化，导致全要素生产率下降。从时间段来看，碳排放约束下，全要素生产率在“九五”期间总体呈现了缓慢下降的趋势，主要由于技术效率的恶化所致；在“十五”期间总体呈现了上升的趋势，主要是2004年增长幅度较大，达到1397；在“十一五”期间呈现平稳增长的

24、态势，平均年增长1001；“十二五”期间出现增长放缓的趋势，期间年均增长为862。特别是2004年以来农业全要素增长率呈现了持续增长的态势，主要是全国开始实行了农业保护政策，取消了农业税费制度，农业生产率呈现了前所未有的增长趋势。表l 中国农业全要素生产率与分解(19962014)Table 1 Agricultural TFP and its components in China(19962014)万方数据第1期 刘德娟等：碳排放约束下农业全要素生产率测算与收敛性检验 10322碳排放约束条件下省际及区域农业环境全要素生产率的变化趋势表2表示的是19962014年30个省(市、自治区)和7

25、个地区碳排放约束下农业全要素生产率指数及其分解。在考虑碳排放约束下，多数省份农业生产率增长率略小于未考虑碳排放条件下的农业生产率，但是各省及各地区的均值均大于1，其中湖南和北京全要素增长率较高，分别为1160和1016，可能的原因是它们对低碳农业技术运用较为合理或者将有限投入有效转化为期望产出，碳排放相对较少；其次是山东、河北、宁夏、上海、四川、辽宁、山西、浙江、陕西、江苏、福建和湖北，其全要素增长率为517772；只有西藏全要素生产率没有变化。从7个地区来看，碳排放约束条件下农业全要素生产率增速较快的地区是华中、华北和华东地区，西北和东北居中，华南和西南增速相对较慢。也就说华南和西南地区属于

26、碳排放约束下农业效率较低地区，可能的原因是农业产出相对不强或者碳排放相对较多。从碳排放约束下全要素的增长源来看，北京、河北、山西、江苏、浙江、福建、山东、湖南、广西、陕西、青海和四川省12个省的全要素增长来源于农业技术进步和技术效率的双重作用，但技术进步的贡献较大；天津、黑龙江、上海、湖北、广东、海南、贵州和新疆8个省的全要素增长完全依赖于技术进步的提高，农业技术效率为1；而内蒙古、辽宁、吉林、安徽、江西、河南、云南、甘肃和宁夏9省的技术效率虽然恶化，但是得益于农业技术的进步，其二者综合作用的结果使全要素生产率仍然呈现增长的态势，这些省份要加快转变农业发展方式，提高绿色低碳农业增长方式，实现经

27、济增长和环境保护协调发展。总体来看，19962014年间，碳排放约束下农业全要素生产率的增长取决于技术进步和技术效率的双重作用或者技术进步单方的提高，农业技术进步的提高在推动农业全要素生产率的增长方面起着非常重要的作用。在调查中发现，中国当前非常重视农业技术的推广工作，并在基层均设有农业技术推广站，农技员会亲自到村里指导，已经取得了一定的成效，但还有很大的上升空间。碳排放约束条件下，全局MI。(GlobalMalmquistluenberger)指数如果大于未考虑碳排放条件下的M(Malmquist)指数，则表明该地区农业生产是相对低碳的，否则为非低碳农业。如表2所示，相对低碳农业的省份有河北

28、、辽宁、黑龙江和湖南省，其他26个省份仍为非低碳农业。按地区来看，只有东北地区农业属于相对低碳农业，其他几个地区总体上属于非低碳农业。其可能的原因是东北为我国商品粮的重要生产基地，户均种植面积较大，在农业生产过程中化肥、农药、农膜、燃料、灌溉和翻耕的使用相对合理有效。表2各地区农业全要素生产率及其分解(19962014)Table 2 Agricultural TFP and its components of regions万方数据104 福建农业学报 第32卷23收敛性分析231 d收敛检验 如果不同省份碳排放约束下全要素生产率的差距随着时间的推移而减少，则认为存在d收敛。这里用碳排放下E

29、TFP的变异系数CV(coefficient of variation)来分析，CVSD：g，r芦F二i弋丁也可以表示为CV一竺兰兰二乏，其中，z，V Tl是i地区碳排放约束下农业全要素生产率，z为各省碳排放约束下全要素生产率的平均值。如果ETFP的变异系数CV越大，碳排放约束下农业全要素生产率差异越大，如果变异系数CV下降，表明碳排放约束下农业全要素生产率存在d收敛。经过计算得到的数值如图1所示，总体上变异系数在缩小，表明各省种植业之间具有d收敛特征，不同省份之间存在技术扩散。其中，1999年变异系数最大，2004年和2010年略有升高，其他年份变异系数较小，即整体上各省之间种植业碳排放下E

30、TFP呈现缩小的趋势，但少数省份出现了发散的趋势，收敛趋势并不太稳定。232绝对18收敛检验 绝对卢收敛是用来分析不同区域之间增长率变量是否可以达到最终相同的稳定状态，以判断落后地区是否存在追赶发达地区的态势。绝对口收敛回归式为：竖堕塑；竖堕型：a+口n(TFP。)+。其中，回归式左边表示的是第i个省份从t一0期到t一丁期的平均TFP增长率，a为常数项，pln(TFP。，)为第i个省份t一0期TFP的初始值，口为回归系数。若卢值为负值，表明存在绝对p收敛。回归结果如表3所示，全国以及华北、华东的p值均在1的显著性水平上为负，华南的p值在5的显著性水平上为负，东北和华中的口值均在10的显著性水平

31、上为负，而西南和西北的口值未通过显著性检验。这表明对于全国、华北、东北、华东、华中和华南地区，碳排放约束下农业全要素生产率存在绝对口收敛，而在西南和西北地区并不存在绝对口收敛。年份图1 19962014年碳排放约束下ETFP的d值Fig1 盯value of agricultural ETFP under carbon emissionsconstraint daring 1996 to 2014表3 碳排放约束下农业全要素生产率绝对收敛检验(OLS回归)Table 3 Absolute convergence of agricultural TFP under carbon emission

32、s constraints(OLS regression)地区 常数 In(TFP。) F统计量 R2全国华北东北华东华中华南西南西北0005(10724)0006(6932)0008+”(15060)0004(6330)0004+(20875)0003。(20141)0007(2390)0004(3785)注：*、*、*分别表示在1、5和10水平显著；括号中数字为f统计量，表4同。2。33 条件p收敛检验条件J8收敛检验是研究每个地区的增长率是否收敛于各自的稳定水平。本文采用面板数据双向固定效应模型来进行相关条件收敛性检验。以3年为一个时期进行划分，将3年的平均值作为各时期的生产率指数。条件

33、口收敛回归式为：Eln(TFP。)一In(TFP。一。)一a+pin(TFP。一。)+其中，a为面板数据的固定效应项，不同地区对应各自的稳定条件。若口值为负，表明该区域存在条件口收敛。回归结果如表4所示，全万方数据第1期 刘德娟等：碳排放约束下农业全要素生产率测算与收敛性检验 105国以及华北、华中、西南和西北地区的值均在l的显著性水平上为负，华东和华南地区的p值均在5X的显著性水平上为负，而东北地区的p值在lo的显著性水平上为负。这表明对于全国、华北、东北、华东、华中、华南、西南和西北地区，碳排放约束下农业全要素生产率存在条件口收敛，也就是说全国以及7个地区农业全要素生产率的增长收敛于各自的

34、稳定水平。表4 碳排放约束下农业全要素生产率条件收敛检验(固定效应模型)Table 4 Conditional convergence of agricultural TFP under carbon emissions constraint(Fixedeffect model)地区 常数项 In(TFPh，) F统计量 调整后R2全国0055”(9792) 一1151+(一12550) 6773。0568华北0084(3631) 一1200+(一4633) 29180418东北0050+(4792) 一0742(一2347) 164220885华东0038。(3768) 一0511(一275

35、8) 29620388华中0130。(3714) 一1494(一4632) 4130。0610华南0029(1502) 一0916(一2678) 28630482西南0043一(3081) 一1602(一6767)8101。0749西北0078(55 z13) 一1312(一5123) 14074。08313讨论与结论基于以上分析结果，研究期间中国农业仍以高消耗型为主，整体上在几个时间点呈现了低碳农业生产的迹象，但是并不稳定，从区域上来看，低碳型农业发展在几个省份初见苗头，整体上相对滞后。可以看出随着农业保护政策的实施，农业全要素生产率的增长是非常明显的。其碳排放约束下农业全要素生产率指数的增

36、长绝大部分取决于技术进步的贡献，效率变化对农业全要素生产率的影响有限，也就是说处于技术诱导型变迁阶段，今后应该大力宣传并引导农民向低碳农业转型，加大政策导向，激励农民采用低碳技术，如采取测土配方技术、生物防治技术、物理防治技术等环境友好行为，同时改善技术资源的优化配置，实现资源、环境与经济三者统筹兼顾，并加强区域之间的交流和合作，促进中国农业的可持续性发展。至此，得出如下结论。(1)碳排放约束下农业全要素生产率增长主要由技术进步推动或者技术进步与技术效率的双重贡献。总体上来看，技术进步对全要素生产率增长的贡献较大。分阶段来看，“九五”期间考虑碳排放约束下农业全要素生产率和技术效率小于1，技术进

37、步指数年均增长为066，但是技术效率下降导致碳排放约束下农业全要素生产率是下降的。“十五”期间，由于技术进步和技术效率分别增长175和119，其双重贡献的结果是碳排放约束下农业全要素增长了301。“十一五”期间同样碳排放约束下全要素的增长来源于技术进步和技术效率双重增长，但技术进步贡献份额较大，平均年增长lo01。201l一2014年间，虽然技术效率略有下降，但由于技术进步较大为890，并没有抹杀全要素生产率的增长，平均增长率为862。(2)碳排放约束下农业全要素生产率的省际差异和区域差异明显。从省际来看，湖南和北京全要素增长较高；其次是山东、河北、宁夏、上海、四川I、辽宁、山西、浙江、陕西、

38、江苏、福建和湖北。其中，河北、辽宁、黑龙江和湖南4省的种植业属于相对低碳农业。从各地区来看，只有东北地区农业属于低碳农业。从地区差异来看，碳排放约束条件下农业全要素生产率增速较快的地区是华中、华北和华东地区，西北和东北居中，华南和西南增速相对较慢。(3)整体上各省之间碳排放约束下农业全要素生产率呈现缩小的趋势，不同省份之间存在技术扩散。全国、华北、东北、华东、华中和华南地区，碳排放约束下农业全要素生产率存在绝对口收敛，而在西南和西北地区并不存在绝对口收敛。而对于全国、华北、东北、华东、华中、华南、西南和西北地区，碳排放约束下农业全要素生产率均存在条件口收敛，即朝着各自稳定的状态发展。由于数据的

39、可获得性，本研究采用省际种植业统计面板数据，另外对投入产出指标的选取有些不足之处，还有待于进一步改进。万方数据106 福建农业学报 第32卷参考文献：1孙传旺，刘希颖，林静碳强度约束下中国全要素生产率测算与收敛性研究J金融研究，2010，(6)：17332FARE R，GROSSKOPF S，LOVELL C A K，et a1Multilateral productivity comparisons when some outputs areundesirable：a nonparametric approachJeview of Economicsand Statistics，1989，7

40、1：90983FARE R，GROSSKOPF SNew Directions：Efficiency andProductivityMLondon Kluwer Acedemic Publishers，20034TONE KDealing with undesirable outputs in DEA：a SlacksBased Measure(SBM)approachRGRIPS Research ReportSeries 20031203Tokyo：GRIPS Policy InformationCenter。2003：1205COELLI T，LAUWERS L， VAN HUYLENB

41、R()EcK GEnvironmental efficiency measurement and the materials balanceconditionJJournal of Productivity Analysis，2007，28：3一1263 HOANG V N，COELLI TMeasurement of Agricultural TotalFactor Productivity Growth Incorporating environmentalFactors：A Nutrients Balance ApproachJJournal ofEnviromental Economi

42、cs and management。2011，62(3)：4624747KENNETH LOVOI。D RODSETHEnvironmental efficiencymeasurement and the materials balance condition reconsideredJEuropean Journal of Operational Research，2016，250(1)：3423468李谷成。陈宁陆，闵锐环境规制条件下中国农业全要素生产率增长与分解J中国人口资源与环境，2011，21(11)：1531609杨俊。陈怡基于环境因素的中国农业生产率增长研究J中国人口资源与环境，

43、2011，21(6)：15315710潘丹，应瑞瑶资源环境约束下的中国农业全要素生产率增长研究J资源科学，2013，35(7)：1329133811韩海彬，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)：70一7612叶初升，惠利农业生产污染对经济增长绩效的影响程度研究基于环境全要素生产率的分析J中国人口资源与环境。20i6，26(4)：11612513张可，丰景春强可处置性视角下中国农业环境效率测度及其动态演进J中国人口资源与环境，2016，26(1)：140一14914杜江，王锐，王新华环境全要素生产率与农业增长：基于DEAGMI指数与面板To

44、bit模型的两阶段分析J中国农村经济，2016，(3)：658I15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)：597116田云，张俊彪，吴贤荣。等碳排放约束下的中国农业生产率增长与分解研究J干旱区资源与环境，2015，(11)：71217崔晓，张屹山中国农业环境效率与环境全要素生产率分解J中国农村经济，2014，356(8)：41618CHUNG Y H，FARE R，GROSSKOPF SProductivity andUndesirable Outputs：A Directional Distance FunctiApproachJJournal of Environmental Management，1997，51(3)：22924019Oh D HA global MalmquistLuenberger productivity indexJJournal of Productivity Analysis，2010，34(3)：18319720李波，张俊彪，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121资源与环境，20i1，(8)：8086(责任编辑：翁志辉)万方数据