程永生 ,張德元 ,汪俠

(1. 阜陽師范大學商學院 阜陽 236032;2. 安徽大學創(chuàng)新發(fā)展戰(zhàn)略研究院 合肥 230601)

綠色發(fā)展是中國式現(xiàn)代化的重要內(nèi)涵,也是建設農(nóng)業(yè)強國、發(fā)展生態(tài)農(nóng)業(yè)的題中之義[1]。農(nóng)業(yè)綠色發(fā)展是綠色發(fā)展理念在農(nóng)業(yè)生產(chǎn)中的貫徹體現(xiàn),是現(xiàn)代農(nóng)業(yè)發(fā)展的內(nèi)在要求,更是生態(tài)文明建設的重要組成[2]。農(nóng)業(yè)綠色全要素生產(chǎn)率是在傳統(tǒng)全要素生產(chǎn)率之上,加入了非期望(不合意)產(chǎn)出因素的“升級版”生產(chǎn)率指標,既符合現(xiàn)實農(nóng)業(yè)生產(chǎn)過程,又充分體現(xiàn)了綠色可持續(xù)發(fā)展理念,可以充分揭示高質(zhì)量發(fā)展的本質(zhì)內(nèi)涵[3],符合現(xiàn)代農(nóng)業(yè)和農(nóng)業(yè)現(xiàn)代化的內(nèi)在要求,是衡量農(nóng)業(yè)綠色發(fā)展的重點測度指標,也是學界的共性做法[4-5]。

農(nóng)業(yè)綠色全要素生產(chǎn)率基于全面綠色轉(zhuǎn)型的現(xiàn)實訴求,增加了客觀存在的負向產(chǎn)出,側(cè)重考察了要素投入與含負向產(chǎn)出在內(nèi)的實際產(chǎn)出間的效率關系,更為符合農(nóng)業(yè)經(jīng)濟發(fā)展狀況和真實績效。學界現(xiàn)有的豐富探討,主要聚焦在如下方面:1)方法選擇及差異?？v觀學界日臻成熟的測算方法大體可分為兩大類:一是通過設定生產(chǎn)函數(shù)形式來實現(xiàn)的參數(shù)估算法,最常見的有隨機前沿法(SFA)、索洛殘差法(SRA)等。參數(shù)法關注了隨機誤差,優(yōu)點明顯,可通過假設統(tǒng)計檢驗技術(shù),很好地處理測度誤差和其他“噪聲”,并兼顧了環(huán)境要素、隨機變化等對生產(chǎn)行為的可能影響,與農(nóng)業(yè)生產(chǎn)特性更相符[6]。但不足之處在于需要確定具體函數(shù)形式,而錯誤函數(shù)的確定又難免會引發(fā)“無法回避”問題,且往往局限于單一產(chǎn)出類型[7]。二是無需預設函數(shù)形式的非參數(shù)估計法,最常見是以數(shù)據(jù)包絡法(DEA)為主要代表,直接從數(shù)據(jù)出發(fā)進行結(jié)果測算,可用于單產(chǎn)出和多投入多產(chǎn)出評價,還可通過實物形式測算前沿生產(chǎn)函數(shù),將產(chǎn)出直接分為“好”“壞”兩類進行處理,更符合經(jīng)濟發(fā)展現(xiàn)實,因其適用廣泛、特點鮮明,故得到了極大推廣。近40 年來,“DEA 估算法與綠色全要素生產(chǎn)率相聯(lián)系,被廣泛使用在農(nóng)業(yè)生產(chǎn)率測度中”[8],可分為靜、動態(tài)兩類模型視角。依據(jù)DEA 分析法的演進歷程,全要素生產(chǎn)率的估算大體有謝潑德產(chǎn)出距離函數(shù)(SDF)及Malmquist 指數(shù)法、方向距離函數(shù)(DDF)及Malmquist-Luenberger (以下簡稱M-L)指數(shù)法、基于松弛值測算模型(SBM)及Luenberger 指數(shù)法等。從既有文獻來看,絕大部分學者傾向選用非參數(shù)估計法,其中尤以M-L 生產(chǎn)率指數(shù)為代表的DEA 技術(shù),應用最為集中和頻繁,其優(yōu)點是可以同時實現(xiàn)正向性產(chǎn)出的增加與負向性產(chǎn)出的減少,但是該方法存在不一致性和非可行性問題,可能導致測量結(jié)果偏誤[9]。有鑒于此,Aparicio等[10]在M-L 指數(shù)的基礎上引入優(yōu)化技術(shù),較好地克服了上述不足,這也正是本文方法選擇的考量。2)指標選擇設計。農(nóng)業(yè)綠色全要素生產(chǎn)率增加考量了“綠色”要素、納入了資源環(huán)境損耗等負外部因素影響,使得既有生產(chǎn)率核算體系更加科學完善、更貼近農(nóng)業(yè)生產(chǎn)發(fā)展真實境況。目前,主流文獻對資源環(huán)境因素的處理,主要有兩種方法:一是作為“特殊”投入指標納入生產(chǎn)函數(shù),視資源環(huán)境損耗等同于“一種具有影子價格的投入要素”,但面臨著“影子價格”不易衡量、誤差較大,且很難反映生產(chǎn)實際過程等難題[11]。所以更多學者傾向于將其作為一種負向(非期望)產(chǎn)出指標,認為資源環(huán)境是生產(chǎn)過程中被損耗、污染的,是產(chǎn)出中無可避免的“不良副產(chǎn)品”。選用產(chǎn)出法核算綠色全要素生產(chǎn)率要先建構(gòu)農(nóng)業(yè)污染單元構(gòu)成,再確定含正、負向產(chǎn)出的指標體系。因研究對象和數(shù)據(jù)可得性約束,上述各項指標構(gòu)成差異較大,不同學者間亦存有爭議,這也是造成測度結(jié)果差異的可能原因之一。已有文獻對近10 年農(nóng)業(yè)綠色全要素生產(chǎn)率文獻進行了集中整理呈現(xiàn)[12],此處不再贅述。一般而言,農(nóng)業(yè)投入指標的構(gòu)成主要有:勞動力、電力、土地、水資源、化肥、灌溉、機械、農(nóng)藥、役畜、雇工、機械租賃等,產(chǎn)出指標中大多采用以農(nóng)業(yè)總產(chǎn)量(產(chǎn)值)為表征的正向性產(chǎn)出,同時以“農(nóng)業(yè)面源污染”及“碳排放總量”等為表征的負向性產(chǎn)出也日漸進入學者視野[13]。3)微觀測度研究。在微觀層面的有限研究中,既有文獻的關注主要集中于企業(yè)層面,以制造業(yè)為代表的全要素生產(chǎn)率研究,業(yè)已形成了一大批較為成熟的研究成果,在較為常見的方法應用中,囊括運用了參數(shù)、半?yún)?shù)法的,諸如最小二乘法、固定效應法、Olley-Pakes 法(OP 法)和Levinsohnand Petrin 法(LP 法)等,進行工業(yè)企業(yè)的生產(chǎn)率核算,其主導思想是利用中間投入品作為工具變量,處理計量模型的內(nèi)生性可能,解決樣本的選擇性偏誤。但具體到農(nóng)業(yè)綠色全要素生產(chǎn)率的研究則相對不足,尤其是以微觀數(shù)據(jù)為基礎的研究較為缺乏[14]。作為現(xiàn)實農(nóng)業(yè)生產(chǎn)經(jīng)營占絕對比重的龐大農(nóng)戶層面,其微觀群體的場域缺失,往往容易導致主觀期望良好,但客觀低效率、高污染,從而不能達到政策效用的最大化,而宏觀指標無法觀測現(xiàn)實中龐大個體的農(nóng)業(yè)綠色發(fā)展狀況。在為數(shù)不多的利用微觀數(shù)據(jù)測算農(nóng)戶生產(chǎn)率的研究中,尤以DEA 方法運用居多,且從文獻梳理情況來看,有限的研究基于不同的研究視角與測算方法,相關結(jié)論尚未達成共識[15-16]。

綜上而言,忽視資源環(huán)境耗損會帶來生產(chǎn)率估算偏高,而農(nóng)業(yè)綠色全要素生產(chǎn)率較好地彌補了這一缺陷,成為了發(fā)展經(jīng)濟學近年來熱點議題,且相關測算技術(shù)日趨優(yōu)化、基本成熟,為本文推進奠定了堅實基礎,但在評價指標建構(gòu)、影響因素框架探索上,研究較為分散、客觀深入不夠,尤其是對微觀農(nóng)戶層面的系統(tǒng)討論,還未見有學者較多涉獵,不便于后續(xù)聚焦探討。有鑒于此,本文依據(jù)權(quán)威大樣本調(diào)查數(shù)據(jù)庫,嘗試豐富可靠性的微觀經(jīng)驗證據(jù),在變量定義、測度方法上進行探索性嘗試,并努力改進和豐富相關研究,這也正是本文的邊際貢獻和可能的創(chuàng)新之處,以期為農(nóng)業(yè)強國建設新征程中的綠色農(nóng)業(yè)發(fā)展提供些許科學支持。

1 研究方法

1.1 數(shù)據(jù)來源

研究的基礎性數(shù)據(jù)源于中國家庭追蹤調(diào)查(China Family Panel Studies,CFPS)的公開庫,以此合并建構(gòu)了平衡短面板數(shù)據(jù)藍本。研究選用的2014 年、2016 年和2018 年3 個批次,是目前公開的最新全國性微觀入戶調(diào)查數(shù)據(jù),具有極高樣本代表率,約可代表涵蓋95%的中國人口[17];數(shù)據(jù)信度和效度良好,具有較高權(quán)威性,可視為一個全國代表性樣本。

1.2 測算指標體系

從CFPS 數(shù)據(jù)庫的特點出發(fā),參考既有文獻[14,18]中關涉農(nóng)業(yè)綠色全要素生產(chǎn)率測算的指標選擇,微觀農(nóng)戶研究對象的特殊性,以及農(nóng)業(yè)生產(chǎn)正、負向產(chǎn)出的相關性等因素,本研究嘗試合理改進了微觀層面農(nóng)業(yè)綠色全要素生產(chǎn)率的投入-產(chǎn)出指標體系(表1)[19]。

表1 改進后的農(nóng)業(yè)綠色全要素生產(chǎn)率測算體系Table 1 An improved system for measuring agricultural green total factor productivity

1.2.1 農(nóng)戶農(nóng)業(yè)投入指標

1)勞動力投入

農(nóng)業(yè)勞動投入會顯著影響農(nóng)業(yè)生產(chǎn)效率[20]。鑒于研究需要,此處的勞動力投入重點關注的是農(nóng)戶自家農(nóng)業(yè)勞動力的供給內(nèi)容。關于農(nóng)戶農(nóng)業(yè)勞動力供給,現(xiàn)有研究有用農(nóng)業(yè)勞動參與比表征[21],也有文獻用農(nóng)業(yè)勞動供給時間來衡量[14],還有部分學者使用單位面積勞動力投入,即農(nóng)戶從事農(nóng)業(yè)生產(chǎn)的勞動力人數(shù)與耕地面積的占比來表示[22]。由于本文立足全國層面的數(shù)據(jù)庫,勞動供給時間會因地區(qū)、種植結(jié)構(gòu)、響應水平的差異而不同,特別是在當前農(nóng)業(yè)兼業(yè)化日趨加深的大背景下,家庭成員的農(nóng)業(yè)勞動參與,更能體現(xiàn)家庭對農(nóng)業(yè)生產(chǎn)的重視和依賴程度。因此,本文舍棄農(nóng)業(yè)勞動供給時間,而選用家庭成員農(nóng)業(yè)勞動參與情況,作為農(nóng)戶農(nóng)業(yè)勞動供給變量的衡量表征。

2)土地資源投入

土地是農(nóng)業(yè)生產(chǎn)的基本載體,關乎農(nóng)業(yè)規(guī)模經(jīng)濟的實現(xiàn)與否,也是影響生產(chǎn)效率的另一個重要因素。目前,學界對農(nóng)業(yè)土地投入指標選取存在爭議,有部分學者[23]認為耕地面積不能反映耕地的復種情況,農(nóng)作物的總播種面積更為貼切;也有學者[24]主張用耕地面積,因為現(xiàn)實中絕大部分的農(nóng)戶所擁有的、具有普遍生產(chǎn)意義的農(nóng)地類型是耕地,且其他類型的土地(林、牧、池塘等)的樣本量偏少。鑒于本文所關注的是農(nóng)戶的農(nóng)業(yè)生產(chǎn)土地投入,綜合考量選用的是農(nóng)戶的承包地面積。雖然該項數(shù)據(jù)在CFPS數(shù)據(jù)庫中存在部分年份的數(shù)據(jù)缺失,但是影響不大,筆者借鑒已有做法[25],匹配了2010 年CFPS 的數(shù)據(jù)庫,具體包括第一個問題:您家從集體分配到的各類型土地加起來一共有多少畝? 含耕地、林地、牧場、水塘;以及第二個問題:過去一年,您家從別人或者集體那里租用了多少畝土地? 同樣包括耕地、林地、牧場和水塘等。

3)資本投入

鑒于研究議題,本文所關注的農(nóng)戶資本投入主要是與農(nóng)業(yè)生產(chǎn)相關的資本性投入,而非生活性資本投入等其他非生產(chǎn)過程方面的內(nèi)容。關于農(nóng)業(yè)生產(chǎn)性的資本投入,目前不同研究有不同的考量方式,尚未見到統(tǒng)一的處理方式。研究參照文獻[26]做法,重點關注的生產(chǎn)性投資有兩類:一是直接關聯(lián)現(xiàn)實農(nóng)地的流動性投資;二是不直接與土地發(fā)生關聯(lián)的,如農(nóng)機設備等固定投資。具體而言,從家庭農(nóng)業(yè)生產(chǎn)的實際出發(fā),采用農(nóng)戶家庭總支出與文化娛樂、旅游等非生產(chǎn)性消費支出的差來表征流動性資本投入;選用各年度農(nóng)戶家庭所擁有的各種農(nóng)用機械總價值來表征固定性資本投入,缺失值用上一年份數(shù)值取代。

1.2.2 農(nóng)戶農(nóng)業(yè)產(chǎn)出指標

研究表明,不考慮負向產(chǎn)出的農(nóng)業(yè)生產(chǎn)率,無法客觀準確地反映農(nóng)業(yè)生產(chǎn)對資源環(huán)境的消耗,不利于綠色可持續(xù)發(fā)展,甚至會造成政府決策的偏誤[27],因而需要將資源環(huán)境因素作為負向性產(chǎn)出,納入到測算當中。

1)期望產(chǎn)出

期望產(chǎn)出是有益于總體目標、符合預期的產(chǎn)出量,其值越大越好。在農(nóng)業(yè)生產(chǎn)中,期望產(chǎn)出反映了農(nóng)業(yè)經(jīng)濟的增長情況,具體到農(nóng)戶家庭而言,其期望產(chǎn)出是農(nóng)業(yè)生產(chǎn)的總收入,具體而言,鑒于現(xiàn)實農(nóng)村家庭生產(chǎn)經(jīng)營中,很大一部分的農(nóng)產(chǎn)品被用于自家消費,故研究采用的是過去12 個月,家庭所生產(chǎn)的農(nóng)產(chǎn)品、養(yǎng)殖物及副產(chǎn)品銷售收入以及自家消費總值之和[28]。

2)非期望產(chǎn)出

如前所述,負產(chǎn)出與正產(chǎn)出相伴而存、相隨相生,且因農(nóng)業(yè)對自然環(huán)境更深的依賴,致使其負向產(chǎn)出的特殊性亦更明顯,既有文獻主要采用兩種衡量方法[29]:第1 種是基于賴斯蕓等[30]清單分析法,結(jié)合全國首次污染普查的《農(nóng)業(yè)面源污染源污染系數(shù)手冊》測算的農(nóng)業(yè)面源污染量表征;第2 種是基于農(nóng)業(yè)生產(chǎn)中的化肥、農(nóng)藥、柴油、農(nóng)膜、灌溉和翻耕等6 類碳排放的總量,作為替代變量進行測算后衡量。雖然農(nóng)業(yè)面源污染是約束生態(tài)環(huán)境主要污染源頭,但由于其排放具有隱蔽性、隨機性以及非點源的特征,導致現(xiàn)實中的農(nóng)業(yè)污染往往難以精準衡量,故大多學者傾向單元調(diào)查評估法。該方法是以綜合調(diào)査為基礎的清單分析法,所得結(jié)果相對準確,同時具有較強的可操作性,在污染物測算領域中得到了廣泛應用。據(jù)此,結(jié)合現(xiàn)有文獻[19,22]的共性經(jīng)驗,綜合選用以虛擬戶主(農(nóng)業(yè)活動管賬人)主觀評價為主,同步匹配客觀公開數(shù)據(jù),主客關聯(lián)、互為驗證的方式,表征農(nóng)戶層面農(nóng)業(yè)綠色全要素生產(chǎn)率的負向性產(chǎn)出。主觀環(huán)境評價的優(yōu)點在于能夠更為綜合地反映區(qū)域環(huán)境狀況,使得研究更加具有集中性和代表性,而同步利用省級層面的客觀環(huán)境污染數(shù)據(jù)總磷(TP)、總氮(TN)和化學需氧量(COD),作為負向性產(chǎn)出的替代指標進行對比分析,又最大程度地降低了可能的測度“偏誤”,較好地保證了結(jié)論的有效性。因CFPS 的問卷調(diào)查絕大部分問題是針對過去12 個月的調(diào)查,故匹配數(shù)據(jù)亦采用省級層面上一年的對應數(shù)值。

1.3 方法選擇

鑒于研究對象是CFPS 數(shù)據(jù)庫中農(nóng)戶層面的農(nóng)業(yè)綠色全要素生產(chǎn)率,不僅涉及到了多投入、多產(chǎn)出,且同時含有正、負向產(chǎn)出方面,無法采用構(gòu)建生產(chǎn)函數(shù)形式的參數(shù)方法進行度量。因此,從微觀基礎農(nóng)戶的視角出發(fā),基于測算技術(shù)的可行性與數(shù)據(jù)的可獲得性,綜合選擇技術(shù)優(yōu)化的M-L 指數(shù)進行測算與分析。同時,采用核密度估計法和Dagum 基尼系數(shù)法,分別揭示微觀場域農(nóng)業(yè)綠色全要素生產(chǎn)率的動態(tài)演變規(guī)律以及區(qū)域差異特征。

1.3.1 技術(shù)優(yōu)化的M-L 指數(shù)測度法

技術(shù)優(yōu)化的M-L 指數(shù)測度法不僅可以避免傳統(tǒng)算法的偏誤可能,而且可以實現(xiàn)正向性產(chǎn)出增加和負向性產(chǎn)出減少的同步刻畫[19],其具體方法如下:

式中:ML 表示從t期到t+1 期的指數(shù)函數(shù);s表示時期集合向量,s=(t,t+1);x為投入向量;y為期望產(chǎn)出向量;b為非期望產(chǎn)出向量。同時,式(1)又可進一步分解為:綠色技術(shù)效率變化(MLTEC)和綠色技術(shù)進步變化(MLTC)的乘積。

1.3.2 核密度估計法

作為非參數(shù)估計法中的一種,核密度估計主要是利用連續(xù)密度曲線,對隨機變量的分布形態(tài)進行刻畫。該方法已經(jīng)在經(jīng)濟領域得到廣泛運用,主要描述經(jīng)濟變量的非均衡分布狀態(tài)。假設隨機變量X的密度函數(shù)為f(x),當隨機變量X=x時,密度函數(shù)f(x)可以利用公式(2)進行估計。其中,需要選取適宜的核函數(shù)(諸如均勻核函數(shù)、高斯核函數(shù)、伽馬核函數(shù)等),本部分根據(jù)數(shù)據(jù)擬合程度,采用高斯核函數(shù)(見公式3 所示)描述農(nóng)戶層面的農(nóng)業(yè)綠色全要素生產(chǎn)率的動態(tài)演變規(guī)律[12]。

式中:N為數(shù)據(jù)觀測值個數(shù),Xi服從獨立同分布,為數(shù)據(jù)均值,h為帶寬,K(x)為核函數(shù)。

1.3.3 Dagum 基尼系數(shù)法

現(xiàn)有研究文獻中,測算區(qū)域差距的傳統(tǒng)方法主要有變異系數(shù)、泰爾指數(shù)和基尼系數(shù)等,相比于傳統(tǒng)方法,Dagum 基尼系數(shù)法在分解區(qū)域總體差距來源的同時,還可有效解決區(qū)域間樣本交叉重疊問題,準確辨識區(qū)域間差距較之總體差距的貢獻程度,有效避免基尼系數(shù)法和泰爾指數(shù)法的使用局限[31]。因此,本研究采用Dagum 基尼系數(shù)法測算農(nóng)戶層綠色全要素生產(chǎn)率的區(qū)域差距,并根據(jù)地理區(qū)位進一步將廣東、天津、山東、河北、浙江、福建、遼寧、江蘇、上海等9 省(直轄市)農(nóng)戶劃分為東部區(qū)域,中部地區(qū)覆蓋山西、湖南、湖北、吉林、河南、黑龍江、江西、安徽等8 省,而西部地區(qū)覆蓋廣西、甘肅、貴州、陜西、云南、四川、重慶等省(直轄市或自治區(qū)) 7 個區(qū)域。

式中:G為總體基尼系數(shù),yji(yhr)表示j(h)區(qū)域內(nèi)i(r)農(nóng)戶的農(nóng)業(yè)綠色全要素生產(chǎn)率,n為農(nóng)戶個數(shù),μ表示所有農(nóng)戶綠色全要素生產(chǎn)率的均值,k為區(qū)域劃分的個數(shù),nj(nh)是j(h)區(qū)域內(nèi)農(nóng)戶個數(shù)。同時,進一步將G分解為:G=Gw+Gnb+Gt,設定Gw表示區(qū)域內(nèi)的差距差異貢獻,Gnb為區(qū)域間凈差距的凈值差異貢獻,Gt則為超變密度貢獻。

2 結(jié)果與分析

2.1 農(nóng)業(yè)綠色全要素生產(chǎn)率變量的描述性統(tǒng)計

研究依據(jù)CFPS 數(shù)據(jù)庫的家庭識別碼匹配出有效的微觀農(nóng)戶家庭,并據(jù)此篩選建構(gòu)了2014 年、2016 年、2018 年跨3 期的3245 個樣本農(nóng)戶平衡短面板數(shù)據(jù)。相關指標的描述性統(tǒng)計結(jié)果如表2所示。

表2 農(nóng)業(yè)綠色全要素生產(chǎn)率測算的投入和產(chǎn)出指標的描述性統(tǒng)計結(jié)果Table 2 Results of descriptive statistics for input and output indicators for measuring agricultural green total factor productivity

鑒于運用DEA 方法進行估算之前,需要先期對所選取的投入和產(chǎn)出指標間的相關性進行統(tǒng)計性檢驗,考察是否滿足DEA 方法中的“等張性”原則,即要求農(nóng)戶層的農(nóng)業(yè)綠色全要素生產(chǎn)率投入、產(chǎn)出指標是同時增加或者減少的。由表3 可知,農(nóng)戶層的農(nóng)業(yè)綠色全要素生產(chǎn)率投入、產(chǎn)出指標之間的相關變量系數(shù)均通過1%、5%、10%的顯著性水平檢驗,說明研究建構(gòu)的微觀農(nóng)業(yè)綠色全要素生產(chǎn)率的投入、產(chǎn)出指標體系可信度高,滿足測度方法的“等張性”原則,可以采用基于技術(shù)優(yōu)化的M-L 指數(shù),進行后續(xù)農(nóng)戶層的農(nóng)業(yè)綠色全要素生產(chǎn)率測算。

表3 農(nóng)業(yè)綠色全要素生產(chǎn)率測算的投入和產(chǎn)出指標的相關性檢驗Table 3 Correlation test of input and output indicators for measuring agricultural green total factor productivity

2.2 農(nóng)業(yè)綠色全要素生產(chǎn)率的測度

農(nóng)業(yè)綠色全要素生產(chǎn)率可分解為農(nóng)業(yè)綠色技術(shù)進步和綠色農(nóng)業(yè)技術(shù)效率兩部分,其中前者代表著生產(chǎn)前沿面的移動狀態(tài),表征著決策單元通過技術(shù)外部引進和內(nèi)部創(chuàng)新等途徑,推動農(nóng)業(yè)綠色技術(shù)革新的過程,被視為微觀農(nóng)業(yè)綠色發(fā)展的主要驅(qū)動力;而后者則代表著決策單元與生產(chǎn)前沿面的距離,取決于現(xiàn)實生產(chǎn)要素的投入變化同技術(shù)進步偏向間的配置與匹配度,可以客觀反映出微觀樣本農(nóng)戶的資源配置、管理模式以及組織方式的改善程度。從理論上而言,農(nóng)業(yè)綠色全要素生產(chǎn)率取決于農(nóng)業(yè)生產(chǎn)要素的投入變化與技術(shù)進步偏向配置的變化,若變化方向和類型一致則會產(chǎn)生提升效應,否則存在不確定性[19]。有鑒于此,基于上述算法比較,選擇初始年份2014 年為基期,分別計算出樣本農(nóng)戶2016 年、2018 年的農(nóng)業(yè)綠色全要素生產(chǎn)率(ML)、農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)和綠色技術(shù)進步變化(MLTC)。

如表4 所示,當使用虛擬戶主的主觀污染感知度作為非期望產(chǎn)出時,農(nóng)戶2016 年農(nóng)業(yè)綠色全要素生產(chǎn)率ML(1)指數(shù)均值為1.0099 (＞1),說明其農(nóng)業(yè)綠色發(fā)展處在良好的增長態(tài)勢;農(nóng)業(yè)技術(shù)效率變化MLTEC(1)和技術(shù)進步變化MLTC(1)的均值分別為1.0165 和0.9928,說明農(nóng)戶的綠色農(nóng)業(yè)技術(shù)效率的提升是主要助推因素,而農(nóng)業(yè)技術(shù)進步變化相對緩慢。到2018 年農(nóng)戶的ML(1)指數(shù)均值為0.9960,出現(xiàn)了下降態(tài)勢,對應的綠色農(nóng)業(yè)技術(shù)效率變化MLTEC(1)和技術(shù)進步變化MLTC(1)的均值分別為0.9765 和1.0200,說明樣本農(nóng)戶的綠色農(nóng)業(yè)技術(shù)效率提升沒有實現(xiàn)可持續(xù)的溢出效應,而綠色農(nóng)業(yè)技術(shù)進步變化的革新功能在這一時期起到了助推作用。不僅如此,當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時,結(jié)果亦完全一致,僅指數(shù)數(shù)值略有變化:農(nóng)戶2016 年的農(nóng)業(yè)綠色全要素生產(chǎn)率ML(2)、綠色技術(shù)效率變化MLTEC(2)、綠色技術(shù)進步變化MLTC(2)的均值分別為 1.0175、1.0294、0.9828,2018 年的農(nóng)業(yè)綠色全要素生產(chǎn)率ML(2)、綠色技術(shù)效率變化MLTEC(2)和綠色技術(shù)進步變化MLTC(2)的均值分別為0.9974、0.9713 和1.0259,有效印證了測度方法的合理可靠與測度結(jié)果的相對穩(wěn)健。

更進一步地以農(nóng)業(yè)綠色全要素生產(chǎn)率(ML)為依據(jù),重點聚焦排名前15 位和后15 位的樣本農(nóng)戶個體,測度結(jié)果及其分解項所得如表4 所示。當使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出時,2016年前15 位農(nóng)戶的農(nóng)業(yè)綠色全要素生產(chǎn)率均處于提升態(tài)勢,位于區(qū)間[1.8424,3.7512],平均值為2.3470,增長率達到134.70%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)和農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)都處于增長趨勢,平均增長率分別為70.39%和36.75%,表明農(nóng)業(yè)綠色技術(shù)效率和農(nóng)業(yè)綠色技術(shù)進步共同引致前15 位農(nóng)戶的綠色發(fā)展增長,農(nóng)戶的綠色生產(chǎn)方式屬于農(nóng)業(yè)綠色技術(shù)效率和農(nóng)業(yè)綠色技術(shù)進步“雙輪驅(qū)動”模式。2016 年后15 位農(nóng)戶的綠色全要素生產(chǎn)率均處于下降態(tài)勢,位于區(qū)間[0.4346,0.6130],平均值為0.5460,增長率為-45.40%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)和農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)平均增長率分別為-44.57%和-1.04%,且農(nóng)業(yè)綠色技術(shù)效率下降幅度最大,是導致后15 位農(nóng)戶的綠色發(fā)展水平下降的主要原因,說明這一時期農(nóng)戶在生產(chǎn)過程中出現(xiàn)嚴重的資源配置不合理問題,“追趕效應”并未顯現(xiàn)。值得注意的是,后15 位農(nóng)戶中有部分農(nóng)戶的綠色技術(shù)呈現(xiàn)小幅度上升趨勢,意味著農(nóng)戶在生產(chǎn)過程中,已經(jīng)開始引入先進的生產(chǎn)技術(shù)水平,“前沿轉(zhuǎn)換效應”開始發(fā)揮效力,然而這種正向促進作用,終被農(nóng)業(yè)綠色技術(shù)效率的大幅度下降效應所抵消,所以結(jié)果表現(xiàn)為農(nóng)戶層面農(nóng)業(yè)綠色全要素生產(chǎn)率的下降態(tài)勢。而當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時,上述特征規(guī)律并未發(fā)生變化。具體而言,2016 年前15 位農(nóng)戶的綠色發(fā)展位于區(qū)間[2.2019,3.7620],平均值為2.9280,增長率達192.80%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)、農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)的平均增長率分別為85.21%、58.01%,表明前15 位農(nóng)戶的農(nóng)業(yè)綠色全要素生產(chǎn)率的增長源泉是綠色技術(shù)效率與綠色技術(shù)進步,并且農(nóng)業(yè)綠色技術(shù)效率的貢獻率,要遠大于農(nóng)業(yè)綠色技術(shù)進步;后15 位農(nóng)戶的綠色全要素生產(chǎn)率位于區(qū)間[0.3775,0.5028],平均值為0.4509,增長率為-54.91%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)、農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)的平均增長率分別為-42.63%、-20.14%,二者的“雙下降”趨勢導致農(nóng)戶的綠色發(fā)展步入下滑通道,并且農(nóng)業(yè)綠色技術(shù)效率惡化程度,也顯著高于綠色技術(shù)退步程度。

表4 2016 年和2018 年基于技術(shù)優(yōu)化Malmquist-Luenberger 指數(shù)的農(nóng)業(yè)綠色全要素生產(chǎn)率及其分解項Table 4 Agricultural green total factor productivity and its decomposition terms based on technology-optimized Malmquist-Luenberger index for 2016 and 2018

續(xù)表 4

到2018 年時,當使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出,前15 位農(nóng)戶的綠色全要素生產(chǎn)率均處于上升趨勢,位于區(qū)間[1.4896,3.5980],平均值為2.1263,增長率達112.63%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)、農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)的平均增長率分別為64.66%、26.83%,二者共同驅(qū)動了農(nóng)戶綠色發(fā)展水平增長,其中農(nóng)業(yè)綠色技術(shù)效率的貢獻率遠大于農(nóng)業(yè)綠色技術(shù)進步,這表明這一時期農(nóng)戶生產(chǎn)決策的“追趕效應”優(yōu)于“前沿轉(zhuǎn)換效應”,即農(nóng)戶在生產(chǎn)過程中更加注重資源合理配置,通過生產(chǎn)組織方式的更迭,打通了要素流通的“堵點”與“痛點”,而推進農(nóng)業(yè)生產(chǎn)技術(shù)的革新步伐則相對較為緩慢,農(nóng)業(yè)技術(shù)進步的“低水平循環(huán)”效應占據(jù)主導地位。另外,前15 位農(nóng)戶中最后一位農(nóng)戶的農(nóng)業(yè)綠色技術(shù)水平值為0.9856,出現(xiàn)綠色技術(shù)退步現(xiàn)象,進一步佐證了農(nóng)戶的生產(chǎn)技術(shù)水平依賴于前期低水平技術(shù)的現(xiàn)狀,并未充分發(fā)揮出技術(shù)進步的引領帶動作用。2018 年后15 位農(nóng)戶的綠色全要素生產(chǎn)率均處于下降趨勢,位于區(qū)間[0.2393,0.6427],平均值為0.5456,增長率為-45.44%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)、農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)平均增長率分別為-45.01%、-1.17%,且農(nóng)業(yè)綠色技術(shù)效率下降的幅度,亦遠高于農(nóng)業(yè)綠色技術(shù)進步,這是引致農(nóng)戶層面農(nóng)業(yè)綠色發(fā)展降低的主要原因。此外,后15 位農(nóng)戶中,有部分農(nóng)戶的農(nóng)業(yè)綠色技術(shù)進步亦表現(xiàn)出了上升趨勢,但是因農(nóng)業(yè)綠色技術(shù)進步的上升幅度,要低于綠色技術(shù)效率下降幅度,故“上升-下降”的綜合作用效應,使得農(nóng)戶的綠色發(fā)展仍處于下降階段。而當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時,這一規(guī)律特征同樣與僅使用主觀環(huán)境污染感知度作為非期望產(chǎn)出測算的結(jié)果保持一致。2018 年前15 位農(nóng)戶的綠色全要素生產(chǎn)率位于區(qū)間[1.7439,5.4701],平均值為2.5261,增長率達152.61%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)、農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)的平均增長率分別為76.22%、41.29%,農(nóng)業(yè)綠色全要素生產(chǎn)率及其分解項均實現(xiàn)正向增長,并且農(nóng)業(yè)綠色技術(shù)效率和農(nóng)業(yè)綠色技術(shù)進步的疊加作用,共同驅(qū)動了農(nóng)戶層面農(nóng)業(yè)綠色發(fā)展的提升;后15 位農(nóng)戶的綠色全要素生產(chǎn)率位于區(qū)間[0.2663,0.5781],平均值為0.4555,增長率為-54.45%,農(nóng)業(yè)綠色技術(shù)效率變化(MLTEC)、農(nóng)業(yè)綠色技術(shù)進步變化(MLTC)的平均增長率分別為-45.20%、-17.16%,農(nóng)業(yè)綠色全要素及其分解項均處于下降趨勢,且同樣因農(nóng)業(yè)綠色技術(shù)效率和農(nóng)業(yè)綠色技術(shù)進步的“雙下降”,共同引致農(nóng)戶層面農(nóng)業(yè)綠色發(fā)展處于下降階段。

2.3 農(nóng)業(yè)綠色全要素生產(chǎn)率的動態(tài)演變規(guī)律

基于上述測算的3245 個樣本農(nóng)戶數(shù)據(jù),繼續(xù)運用非參數(shù)核密度估計法,嘗試刻畫微觀場域農(nóng)業(yè)綠色全要素生產(chǎn)率的動態(tài)演變規(guī)律,結(jié)果如圖1 所示。

圖1 農(nóng)戶層面農(nóng)業(yè)綠色全要素生產(chǎn)率的核密度分布結(jié)果顯示,當使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出時(圖1a),樣本農(nóng)戶2016 年和2018 年的核密度曲線均呈單峰分布特征,中心值集中在1.0附近,波峰陡峭,兩尾外延,且右尾具有拖尾現(xiàn)象,說明2016 年和2018 年的農(nóng)業(yè)綠色發(fā)展集中度較高,具有集聚特點,反映出不同農(nóng)戶之間綠色發(fā)展分化現(xiàn)象不明顯,同時,在中心值兩側(cè)的高低水平農(nóng)戶數(shù)量較少,與低水平農(nóng)戶相比,高水平農(nóng)戶的數(shù)量較多,并且表現(xiàn)出分散特點。而當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時(圖1b),2016 年和2018 年的核密度曲線,亦均呈單峰分布特征,且2018 年的波峰高度明顯高于2016年的波峰高度,表明2018 年的農(nóng)戶層面的農(nóng)業(yè)綠色發(fā)展分布更加集聚,兩年的綠色發(fā)展中心值集中在1.0 附近,2018 年的曲線右尾相比于2016 年拖尾現(xiàn)象顯著,說明2018 年的高水平綠色農(nóng)業(yè)發(fā)展的農(nóng)戶數(shù)量,要多于2016 年的高水平綠色農(nóng)業(yè)發(fā)展的農(nóng)戶數(shù)量。

圖1 農(nóng)業(yè)綠色全要素生產(chǎn)率(a,b)、農(nóng)業(yè)綠色技術(shù)效率變化(c,d)和農(nóng)業(yè)綠色技術(shù)變化(e,f)的核密度分布Fig.1 Kernel density distribution of agricultural green total factor productivity (a,b),agricultural green technical efficiency change(c,d) and agricultural green technological change (e,f)

從圖1 農(nóng)業(yè)綠色技術(shù)效率變化的核密度分布的結(jié)果顯示來看,當使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出時(圖1c),2016 年和2018 年的核密度曲線均呈現(xiàn)單峰分布特征,2018 年的波峰高度高于2016 年的波峰高度,2016 年的中心值分布在1.0 附近,2018 年的中心值相比于2016 年向左偏移,揭示出樣本期內(nèi)農(nóng)戶的農(nóng)業(yè)綠色技術(shù)效率(MLTEC)并未出現(xiàn)兩級分化問題,且2018 年農(nóng)戶的農(nóng)業(yè)綠色技術(shù)效率(MLTEC)出現(xiàn)退步現(xiàn)象,即2018 年低水平農(nóng)戶數(shù)量多于2016 年,2018 年高水平農(nóng)戶數(shù)量少于2016年。同時,2016 年和2018 年的曲線均具有兩尾拖尾特征,則意味著2016 年和2018 年存在少數(shù)的低水平農(nóng)戶和高水平農(nóng)戶,這兩類農(nóng)戶的農(nóng)業(yè)綠色技術(shù)效率(MLTEC)差距明顯。當使用農(nóng)業(yè)COD、TN、TP等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時(圖1d),2016 年和2018 年的核密度曲線也都呈單峰分布特征,2018 年的波峰高度低于2016 年的波峰高度,且2018 年曲線中心值向左偏移的幅度較大,表明2018 年農(nóng)戶的農(nóng)業(yè)綠色技術(shù)效率(MLTEC)退步現(xiàn)象進一步加重。樣本期內(nèi)的曲線變化同樣表現(xiàn)出兩尾拖尾趨勢,這進一步驗證了低水平農(nóng)戶和高水平農(nóng)戶之間的差異性。

從圖1 的農(nóng)業(yè)綠色技術(shù)變化結(jié)果顯示來看,當使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出時(圖1e),2016 年和2018 年的核密度曲線,亦均呈單峰分布特征,2018 年波峰高度略高于2016 年波峰高度,2016 年中心值集中在1.0 附近,2018 年中心值向右偏移,2016 年曲線呈左尾截尾、右尾拖尾現(xiàn)象,而2018 年曲線則表現(xiàn)出了兩尾拖尾現(xiàn)象的變化。這說明相較于2016 年而言,2018 年農(nóng)戶的農(nóng)業(yè)綠色技術(shù)進步(MLTC)整體處于上升階段,2016 年低水平農(nóng)戶數(shù)量較少,高水平農(nóng)戶數(shù)量相對較多,而2018 年高、低水平農(nóng)戶數(shù)量基本保持一致。當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時(圖1f),2016 年和2018 年的核密度曲線也均呈單峰分布特征,2018 年波峰高度高于2016 年波峰高度,表明2018 年農(nóng)戶層面的農(nóng)業(yè)綠色技術(shù)進步(MLTC)進一步向中心值趨近,空間集聚效應顯現(xiàn)。同時,與2016 年相比,2018 年農(nóng)戶的農(nóng)業(yè)綠色技術(shù)進步(MLTC)中心值向右偏移,表明2018 年農(nóng)戶的農(nóng)業(yè)綠色技術(shù)進步(MLTC)整體處于上升趨勢。值得注意的是,2018 年核密度曲線出現(xiàn)左尾截尾、右尾拖尾現(xiàn)象,這與僅使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出的結(jié)果不相符,反映出2018 年農(nóng)業(yè)綠色技術(shù)進步(MLTC)水平低的農(nóng)戶數(shù)量可能出現(xiàn)“斷崖式”下降,在農(nóng)戶數(shù)量保持不變的前提下,這部分低水平農(nóng)戶轉(zhuǎn)移至中等水平和高水平組別中,形成了“內(nèi)推外拉”式動態(tài)轉(zhuǎn)移效應,值得進一步關注。

2.4 農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差距呈現(xiàn)

基于上述測算的3245 個樣本農(nóng)戶層面的農(nóng)業(yè)綠色全要素生產(chǎn)率數(shù)據(jù),進一步運用Dagum 基尼系數(shù)法度量其綠色發(fā)展的總體區(qū)域差距,并按照東、中、西三大區(qū)域的空間尺度進行分解,嘗試揭示區(qū)域差距的主要來源,2016 年、2018 年農(nóng)戶層的農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差距及其來源的具體結(jié)果如表5 所示。

表5 農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差距及其來源Table 5 Regional gaps in agricultural green total factor productivity in and their sources

從表5 顯示的結(jié)果來看,當使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出時,2016 年總體區(qū)域差距值為0.0466,2018 年總體區(qū)域差距值為0.0362,整體表現(xiàn)出下降趨勢,下降幅度為22.32%,說明在樣本期內(nèi)農(nóng)戶的農(nóng)業(yè)綠色發(fā)展總體差距呈現(xiàn)不斷縮小趨勢。從來源分解看,農(nóng)戶2016 年農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域內(nèi)差距、區(qū)域間差距和超變密度值分別為0.0159、0.0027、0.0280,而2018 年的三者值分別為0.0124、0.0002、0.0236,均處于下降態(tài)勢,并且超變密度＞區(qū)域內(nèi)差距＞區(qū)域間差距,意味著超變密度是引致農(nóng)業(yè)綠色發(fā)展總體區(qū)域差距的主要原因。從貢獻率看,區(qū)域內(nèi)差距、區(qū)域間差距和超變密度對總體區(qū)域差距的貢獻率均值,分別為34.19%、3.17%和62.64%,超變密度的貢獻率,亦遠高于區(qū)域內(nèi)和區(qū)域間的貢獻率,進一步佐證了總體區(qū)域差距的大部分可以用超變密度的差異性來解釋,即不同區(qū)域間的樣本交叉重疊問題對于總體差距的影響較大。

而當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時,2016 年總體區(qū)域差距值0.0780,2018 年總體區(qū)域差距值為0.0496,農(nóng)業(yè)綠色全要素生產(chǎn)率的總體差距表現(xiàn)出下降趨勢。從來源分解看,區(qū)域內(nèi)差距、區(qū)域間差距和超變密度的均值,分別為0.0224、0.0028 和0.0387,超變密度＞區(qū)域內(nèi)差距＞區(qū)域間差距,揭示了農(nóng)戶層面的農(nóng)業(yè)綠色全要素生產(chǎn)率總體差距的主要來源是超變密度。從貢獻率看,區(qū)域內(nèi)差距、區(qū)域間差距、超變密度的貢獻率均值分別為35.10%、4.04%、60.86%,也是超變密度的貢獻率最大,再次驗證了上述結(jié)論,不同區(qū)域間的樣本交叉重疊問題是導致農(nóng)戶層面農(nóng)業(yè)綠色發(fā)展總體差距的主要原因。

上述關于區(qū)域內(nèi)差距和區(qū)域間差距的測度結(jié)果,并沒有詳細給出東、中、西部(區(qū)域內(nèi)部)的差距水平,以及東-中、東-西、中-西(區(qū)域之間)的差距水平。為了打開區(qū)域內(nèi)差距和區(qū)域間差距的“黑箱”,分析了2016 年、2018 年三大區(qū)域農(nóng)戶層面的農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域內(nèi)差距和區(qū)域間差距(表6)。

表6 東、中、西部農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域內(nèi)差距和區(qū)域間差距Table 6 Intra-regional and inter-regional disparities in green total factor productivity in agriculture in East,Central and West

從表6 顯示的結(jié)果來看,當使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出時,在區(qū)域內(nèi)差距中,東部、中部和西部的均值分別為0.0475、0.0326 和0.0430,反映出東部地區(qū)農(nóng)戶內(nèi)部農(nóng)業(yè)綠色全要素生產(chǎn)率的差距最大,西部地區(qū)內(nèi)部農(nóng)戶層面的農(nóng)業(yè)綠色全要素生產(chǎn)率的差距次之,而中部地區(qū)農(nóng)戶內(nèi)部農(nóng)業(yè)綠色全要素生產(chǎn)率的差距最小。在區(qū)域間差距中,樣本期間內(nèi),東部-中部、東部-西部、中部-西部的均值分別為0.0403、0.0453、0.0380,說明東部-西部之間的差距最大,農(nóng)業(yè)綠色發(fā)展協(xié)同性最弱,東部-中部次之,中部-西部之間的差距最小,協(xié)同性最強。

而當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時,從區(qū)域內(nèi)差距看,東部、中部和西部的均值分別為0.0462、0.0399和0.0429,東部差距＞西部差距＞中部差距,這一規(guī)律與僅使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出得出的結(jié)論保持一致。從區(qū)域間差距看,樣本期間,東部-中部、東部-西部、中部-西部的均值分別為0.0457、0.0698、0.0686,東部-西部差距＞中部-西部差距＞東部-中部差距,而這一特征與僅使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出得出的結(jié)論不相符?？赡艿脑蚴?非期望產(chǎn)出(環(huán)境污染)涉及到農(nóng)業(yè)生產(chǎn)的各個方面,是一個耦合性系統(tǒng),單純利用虛擬戶主主觀污染感知度作為非期望產(chǎn)出時,可能會出現(xiàn)環(huán)境信息失真問題,可以通過增加非期望產(chǎn)出的衡量指標維度的方法緩解這一問題。因此,本部分在使用虛擬戶主主觀污染感知度作為非期望產(chǎn)出的基礎上,又利用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出重新測算結(jié)果。

3 結(jié)論與討論

本研究主要從微觀場域農(nóng)業(yè)綠色全要素生產(chǎn)率的測度方法入手,在綜合比較分析的基礎上,基于微觀農(nóng)戶視角,以技術(shù)優(yōu)化的M-L 生產(chǎn)率指數(shù)為基準,對比測度評價了CFPS 數(shù)據(jù)庫內(nèi)3245 戶,具有代表性的跨3 期農(nóng)戶在樣本期內(nèi)的農(nóng)業(yè)綠色全要素生產(chǎn)率,并進一步采用核密度估計法和Dagum 基尼系數(shù)法,分別揭示了樣本農(nóng)戶層面農(nóng)業(yè)綠色全要素生產(chǎn)率的動態(tài)演變規(guī)律及其區(qū)域差異特征,主要研究發(fā)現(xiàn)如下:

第一,從測度結(jié)果來看,樣本期內(nèi)微觀場域的農(nóng)業(yè)綠色全要素生產(chǎn)率均值為1.0030,總體發(fā)展趨勢良好。農(nóng)戶2016 年的農(nóng)業(yè)綠色全要素生產(chǎn)率(ML)均值為1.0099,農(nóng)業(yè)綠色發(fā)展處在良好的增長態(tài)勢;技術(shù)效率變化(MLTEC)、技術(shù)進步變化(MLTC)的均值分別為1.0165、0.9928,說明農(nóng)戶的綠色農(nóng)業(yè)技術(shù)效率的提升是主要助推因素,而技術(shù)進步變化相對緩慢。到2018 年農(nóng)戶的農(nóng)業(yè)綠色全要素生產(chǎn)(ML)均值為0.9960,出現(xiàn)了下降態(tài)勢,對應的技術(shù)效率變化(MLTEC)和技術(shù)進步變化(MLTC)的均值分別為0.9765 和1.0200,說明了綠色農(nóng)業(yè)技術(shù)效率提升沒有實現(xiàn)可持續(xù)的溢出效應,技術(shù)進步變化的革新功能起到了助推作用。而當使用農(nóng)業(yè)COD、TN、TP 等標排放量等客觀農(nóng)業(yè)面源污染作為非期望產(chǎn)出時,結(jié)果完全一致,僅指數(shù)數(shù)值略有變化,顯示了結(jié)果的穩(wěn)健性。

第二,從引致因素來看,無論是采用主觀環(huán)境評價得分,還是使用客觀的省級層面的環(huán)境污染數(shù)據(jù)(農(nóng)業(yè)COD、TN 和TP 的等標排放量)作為非期望產(chǎn)出的替代指標,在農(nóng)業(yè)綠色全要素生產(chǎn)率水平較高的農(nóng)戶中,農(nóng)業(yè)綠色技術(shù)進步(MLTC)和農(nóng)業(yè)綠色技術(shù)效率(MLTEC)都是共同引致其綠色增長的驅(qū)動因素,并且后者的貢獻大于前者;而在農(nóng)業(yè)綠色全要素生產(chǎn)率水平較低的農(nóng)戶中,農(nóng)業(yè)綠色技術(shù)效率與農(nóng)業(yè)綠色技術(shù)進步的“雙下降”是引致其綠色發(fā)展步入下滑通道的約束要素,且前者的惡化程度顯著高于后者的退步程度。因此,農(nóng)戶資源配置、管理模式及組織方式的改善優(yōu)化,在現(xiàn)階段是農(nóng)戶層面提升農(nóng)業(yè)綠色全要素生產(chǎn)率的關鍵,其影響相對高于農(nóng)業(yè)生產(chǎn)技術(shù)的革新。

第三,從動態(tài)演變規(guī)律來看,在農(nóng)業(yè)綠色全要素生產(chǎn)率方面,2016 年和2018 年的集中度較高,呈現(xiàn)出鮮明的集聚性,分化現(xiàn)象不明顯,且2018 年高水平綠色發(fā)展農(nóng)戶的數(shù)量遠多于2016 年;在農(nóng)戶的農(nóng)業(yè)綠色技術(shù)效率(MLTEC)方面,2016 年和2018 年并未出現(xiàn)兩級分化問題,2018 年低水平農(nóng)戶數(shù)量多于2016 年,出現(xiàn)退步現(xiàn)象,且高、低水平兩類農(nóng)戶的農(nóng)業(yè)綠色技術(shù)效率(MLTEC)差距明顯;在農(nóng)戶的農(nóng)業(yè)綠色技術(shù)進步(MLTC)方面,整體處于上升階段,2016 年低水平農(nóng)戶數(shù)量較少,高水平農(nóng)戶數(shù)量相對較多,而2018 年高、低水平農(nóng)戶數(shù)量基本保持一致,且空間集聚效應顯現(xiàn),2018 年農(nóng)業(yè)綠色技術(shù)進步(MLTC)水平低的農(nóng)戶數(shù)量出現(xiàn)“斷崖式”下降,在農(nóng)戶數(shù)量保持不變的前提下,這部分低水平農(nóng)戶轉(zhuǎn)移至中等水平和高水平組別中,形成“內(nèi)推外拉”式動態(tài)轉(zhuǎn)移效應。因此,在全面推進農(nóng)業(yè)農(nóng)村現(xiàn)代化,加快農(nóng)業(yè)綠色轉(zhuǎn)型進程中,要警惕并防止農(nóng)戶的“兩極分化”。

第四,從區(qū)域差距來看,農(nóng)戶樣本期內(nèi)農(nóng)業(yè)綠色全要素生產(chǎn)率的總體差距呈不斷縮小趨勢,降幅達22.32%。從來源分解看,超變密度是導致農(nóng)業(yè)綠色全要素生產(chǎn)率總體區(qū)域差距的主要原因;從貢獻率看,超變密度的貢獻率遠高于區(qū)域內(nèi)、區(qū)域間的貢獻率,說明不同區(qū)域間的樣本交叉重疊問題是導致農(nóng)戶層面農(nóng)業(yè)綠色全要素生產(chǎn)率總體差距的主要原因。更進一步地,從區(qū)域內(nèi)差距看,東、西部地區(qū)內(nèi)部農(nóng)戶層面農(nóng)業(yè)綠色全要素生產(chǎn)率的差距依次遞減;從區(qū)域間差距看,樣本期間內(nèi),東部-西部、東部-中部、中部-西部之間的差距不斷縮小,協(xié)同性不斷增強,但這種差距易受到環(huán)境因素影響,值得重視和關注。

需要指出的是,相比于已有研究,本文以當前農(nóng)業(yè)生產(chǎn)的重要主體、且占優(yōu)勢的微觀農(nóng)戶為研究對象,基于全國大樣本的CFPS 數(shù)據(jù)為實證藍本,通過嚴謹規(guī)范地測度分析,拓展了研究視角、豐富了方法應用,對促進微觀農(nóng)業(yè)綠色全要素生產(chǎn)率的提升有現(xiàn)實的借鑒意義,對助推農(nóng)戶加速綠色轉(zhuǎn)型升級、加快建設農(nóng)業(yè)強國具有科學參考價值。但受制于現(xiàn)實主客觀條件的約束,上述研究尚存以下缺憾與不足,有待于以后從如下方面展開更為深入、細致的探討:一是囿于 CFPS 數(shù)據(jù)庫并非專門針對農(nóng)業(yè)綠色發(fā)展的專項調(diào)查數(shù)據(jù),因而基于數(shù)據(jù)可得性的現(xiàn)實困難,本研究在變量選取、指標設定和匹配處理上存在一定不足,個別指標刻畫的細致深入程度不夠,未來可以利用農(nóng)業(yè)大數(shù)據(jù),適時開展大樣本的微觀持續(xù)追蹤調(diào)查,力求得到更為精準、更加深入的研究結(jié)論。二是農(nóng)業(yè)綠色發(fā)展近年來推進迅速,但CFPS 2020 目前公開發(fā)布的為內(nèi)部測試版,且僅提供個人庫和少兒家長代答庫,其他數(shù)據(jù)集還在清理和評估中,無法滿足研究需要,只能待后續(xù)再繼續(xù)追蹤、比較深化研究。三是由于樣本數(shù)據(jù)中個體、家庭的部分數(shù)據(jù)缺失值過多,因而難以探究更多變量對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響,值得作為進一步研究內(nèi)容,不斷挖掘其對農(nóng)業(yè)綠色轉(zhuǎn)型政策實施、完善與推廣的現(xiàn)實空間。這些問題也有待相關后續(xù)研究的討論、檢驗與解答,使其對實踐具有更強的指導性。