基于三階段DEA模型的農(nóng)業(yè)碳排放效率研究
——以安徽省為例

劉 爭， 黃 浩， 鄧秀月

(云南財經(jīng)大學(xué) 經(jīng)濟學(xué)院，云南 昆明 650000)

2017年10月18日習(xí)近平同志在十九大報告中指出，加快生態(tài)文明體制改革，建設(shè)美麗新中國。目前，碳排放量已成為中國在經(jīng)濟發(fā)展和生態(tài)文明建設(shè)中關(guān)注的因素之一。農(nóng)業(yè)碳排放量是全國碳排放總量的主要來源之一，占17%。在加快生態(tài)文明體制改革，建設(shè)美麗新中國的大背景之下，為了實現(xiàn)經(jīng)濟與生態(tài)環(huán)境的和諧發(fā)展，推動農(nóng)業(yè)的可持續(xù)發(fā)展，對農(nóng)業(yè)碳排放的研究具有重大意義。

基于農(nóng)業(yè)碳排放的報道，有關(guān)研究主要包括三個方面：(1)農(nóng)業(yè)碳足跡的研究。岳立認(rèn)為農(nóng)業(yè)碳足跡是構(gòu)建低碳農(nóng)業(yè)的理論基礎(chǔ)，能夠系統(tǒng)的研究在農(nóng)業(yè)生產(chǎn)過程中人為因素直接及間接引起的碳排放[1]。張丹,提出用生命周期方法來量化農(nóng)作物生產(chǎn)碳足跡的理論模型[2]。師帥等認(rèn)為畜牧業(yè)碳排放量在農(nóng)業(yè)碳排放量中占有較大的比例，也要被我們關(guān)注[3]。(2)農(nóng)業(yè)碳排放影響因素的研究。魯釗陽認(rèn)為在控制其他變量的前提下，農(nóng)業(yè)科技進步與農(nóng)業(yè)碳排放之間存在負(fù)相關(guān)關(guān)系[4]。高鳴認(rèn)為農(nóng)業(yè)貿(mào)易開放、人力資本和農(nóng)業(yè)經(jīng)濟增長都會影響農(nóng)業(yè)碳排放績效，農(nóng)業(yè)貿(mào)易開放、人力資本的質(zhì)量和數(shù)量都會明顯提高農(nóng)業(yè)碳排放績效，農(nóng)業(yè)經(jīng)濟增長對農(nóng)業(yè)碳排放績效的影響具有時滯[5]。(3)農(nóng)業(yè)碳減排機制以及政策性研究。俞業(yè)夔、王文軍、殷建立等人對兩種減排機制(碳稅、碳交易)做了全方面的比較，對中國今后碳減排政策的確立和實施具有重要的參考意義[6-8]。張浩天通過分析中國低碳經(jīng)濟發(fā)展的現(xiàn)狀和阻礙低碳經(jīng)濟發(fā)展的原因，從低碳政策取向方面提出了目前發(fā)展低碳經(jīng)濟中出現(xiàn)的問題與建議[9]。張蓓蓓從分析和歸納現(xiàn)狀為起點，論證只有對我國碳交易的發(fā)展有正確認(rèn)識，才能有效地建立碳交易市場[10]。建議除了征收碳稅、碳交易及補貼之外，還應(yīng)采取其他措施來促進碳減排，如：保護耕作、測土配方施肥、提高牲畜糞便管理水平、發(fā)展有機農(nóng)業(yè)和集約化農(nóng)業(yè)。

關(guān)于農(nóng)業(yè)碳排放的研究，大部分都是把我國東部發(fā)達(dá)地區(qū)和西部落后地區(qū)作為研究區(qū)域。本文則選擇我國中部地區(qū)為研究對象，以安徽省16個市為研究樣本，剔除外部環(huán)境變量和隨機誤差的影響，對安徽省農(nóng)業(yè)碳排放效率進行研究。建議安徽省可通過農(nóng)業(yè)碳排放效率的提高來促進農(nóng)村生態(tài)文明建設(shè)和農(nóng)業(yè)可持續(xù)發(fā)展。

1 研究方法與數(shù)據(jù)來源

1.1 農(nóng)業(yè)碳排放量的測算

碳排放不是特指二氧化碳排放，而是溫室氣體排放的一個總稱。對于碳排放量的測算，國內(nèi)學(xué)者通常使用投入產(chǎn)出法和生命周期評價法。使用投入產(chǎn)出法計算碳排放量，需要的數(shù)據(jù)量大，方法復(fù)雜，且不能進行年度的變動分析。所以,本文將使用生命周期評價法來計算碳排放量。

農(nóng)業(yè)碳排放的源頭較多，不可能把所有的源頭一一列舉出來，通過借鑒田云、張俊飚等人對農(nóng)業(yè)碳排放的測算方法[11-12]，構(gòu)建農(nóng)業(yè)碳排放測算體系(表1)。主要從三個方面來考察農(nóng)業(yè)碳排放：一是農(nóng)用物資導(dǎo)致的碳排放，包括農(nóng)用化肥、農(nóng)膜、柴油、農(nóng)藥四大類；二是農(nóng)作物種植所導(dǎo)致的碳排放，包括農(nóng)作物種植破壞土壤表層導(dǎo)致的碳排放，以及農(nóng)作物生長發(fā)育的過程中會導(dǎo)致的碳排放。本文選擇安徽省種植面較大的農(nóng)作物來衡量碳排放，包括水稻、小麥、玉米、大豆和蔬菜。三是牲畜養(yǎng)殖導(dǎo)致的碳排放，包括牛、豬和羊。在構(gòu)建了農(nóng)業(yè)碳排放測算體系后，收集碳排放源的數(shù)量數(shù)據(jù)和單位碳排放源所排放的溫室氣體量數(shù)據(jù),進一步計算農(nóng)業(yè)碳排放量，公式如下：

C=∑Ci=εi×∑ei

其中，C為碳排放總量；i為碳源的種類；e為碳排放源的數(shù)量；ε為碳排放系數(shù)。

表1 農(nóng)業(yè)碳排放測算體系Table 1 Agricultural carbon emissions measurement system

1.2 三階段DEA

數(shù)據(jù)包絡(luò)分析DEA用于評價相同部門間的相對有效性，是一種可以用來求效率的非參數(shù)方法。傳統(tǒng)的DEA方法依然存在外部環(huán)境變量和隨機誤差對評價結(jié)果造成的影響，使得所計算出來的效率不夠客觀和真實，根據(jù)Fried的研究，采用三階段DEA處理方法研究效率，使得評價結(jié)果能夠更客觀地反映事實效率，構(gòu)造了三階段DEA模型[19]。第一階段：傳統(tǒng)的DEA模型。采用投入導(dǎo)向的DEA-BBC模型，假設(shè)規(guī)模報酬不變，將原始投入產(chǎn)出數(shù)據(jù)帶入模型。第二階段：相似SFA回歸分析模型。Fried認(rèn)為第一階段得到的效率值并不客觀真實，通過相似SFA回歸對第一階段中投入差額值與外生環(huán)境變量、隨機誤差進行分離，得到單純反映農(nóng)業(yè)碳排放效率的高低值。除此之外，對第一階段的松弛變量運用SFA模型進行回歸時，可以選擇將所有松弛變量進行堆疊，從而只需估計一個SFA回歸或者對每個投入變量都進行單獨的SFA回歸。前者自由度更高，后者更具靈活性，能夠反映環(huán)境對不同松弛變量的不同影響。Fried等人認(rèn)為犧牲其自由度進而保持其靈活性是更加有效的做法。第三階段：調(diào)整后DEA模型。將調(diào)整過的投入數(shù)據(jù)作為投入數(shù)據(jù)，帶入投入導(dǎo)向模型(BBC模型)，重新分析碳排放績效。這一階段所得效率剔除了環(huán)境因素和隨機因素的影響，結(jié)果更加客觀和真實。

1.3 研究變量的選擇與處理

1.3.1 投入產(chǎn)出變量的選擇和處理 為了創(chuàng)造GDP，不可避免地要投入資本和勞動力，并且消耗能源，同時向環(huán)境排出大量的溫室氣體。因此，選擇資本(K)、勞動力(L)和能源(E)作為投入要素，選擇農(nóng)林牧漁總產(chǎn)值(Y)為期望產(chǎn)出，農(nóng)業(yè)碳排放量(C)為非期望產(chǎn)出。在資本投入數(shù)據(jù)的處理上，參考張勇的研究成果，采用永續(xù)盤存法(PIA)來測算資本存量，作為資本投入量[20-21]。勞動力的投入量以第一產(chǎn)業(yè)年末從業(yè)人員數(shù)來表示。能源投入方面由于農(nóng)業(yè)中能源消耗現(xiàn)實中難以估算，需要選用工具變量來替代。由于安徽省農(nóng)業(yè)近些年開始普及機械化生產(chǎn)，一般農(nóng)業(yè)能源消耗大的地區(qū)，機械化程度越高，所以可用農(nóng)業(yè)機械總動力來代替農(nóng)業(yè)中能源消耗。實際農(nóng)林牧漁總產(chǎn)值以2012年為基期，通過GDP平減指數(shù)進行平減求得。農(nóng)業(yè)碳排放量是非期望產(chǎn)出，傳統(tǒng)的DEA不能處理這種情況的效率值，需要對非期望產(chǎn)出進行處理。對非期望產(chǎn)出處理的辦法主要有投入處理法、曲線測度評價法、數(shù)據(jù)轉(zhuǎn)換函數(shù)處理法等。本文將會選擇數(shù)據(jù)轉(zhuǎn)換函數(shù)處理法中的線性數(shù)據(jù)轉(zhuǎn)換法來處理農(nóng)業(yè)碳排放的問題，公式如下：

α+ε

1.3.2 環(huán)境變量的選擇和處理 碳排放的效率受眾多環(huán)境因素的影響，如經(jīng)濟制度、政治制度、產(chǎn)業(yè)結(jié)構(gòu)、投資水平、能源消費結(jié)構(gòu)、開放程度、城市化水平等。由于客觀條件，不可能把所有可能影響碳排放的因素都考慮進來作為環(huán)境變量。環(huán)境變量的選擇要基于數(shù)據(jù)的科學(xué)性、有效性和易獲取性，同時該變量會對碳排放效率產(chǎn)生影響。若該環(huán)境變量具有正的外部性，碳排放量的測算值將低于實際值；環(huán)境變量具有負(fù)的外部性，碳排放量的測算值將高于實際值?；谏鲜鲈瓌t，本文選擇從以下9個變量(經(jīng)濟發(fā)展水平、農(nóng)業(yè)經(jīng)濟發(fā)展水平、農(nóng)業(yè)資產(chǎn)投資程度、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、耕地規(guī)模、受災(zāi)程度、生態(tài)治理程度、受教育程度)，對安徽省16 個地級市農(nóng)業(yè)碳排放效率進行研究。

經(jīng)濟發(fā)展水平(eco)以各地區(qū)人均GDP來表示；農(nóng)業(yè)經(jīng)濟發(fā)展水平(A-eco)以農(nóng)林牧漁業(yè)總產(chǎn)值與農(nóng)業(yè)人口的比值來表示。農(nóng)業(yè)資產(chǎn)投資程度(invest)以農(nóng)業(yè)資產(chǎn)投資額與農(nóng)業(yè)人口的比值來表示。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(stru)以農(nóng)業(yè)總產(chǎn)值中農(nóng)業(yè)與牧業(yè)總產(chǎn)值之和占農(nóng)林牧漁業(yè)總產(chǎn)值比例來表示。城鎮(zhèn)化水平(urban)以常住人口中城鎮(zhèn)人員數(shù)占總?cè)丝诘谋戎貋肀硎?。耕地?guī)模(sca)以耕地面積與農(nóng)業(yè)人口的比值來表示。受災(zāi)程度(dis)以農(nóng)業(yè)受災(zāi)面積與耕地面積的比值來表示。生態(tài)治理程度(ecolo)以造林面積之與耕地面積的比值來表示。受教育程度(edu)用人均受教育年限來表示。原始數(shù)據(jù)均來自于《安徽省統(tǒng)計年鑒》(2013～2017 年)、安徽省各地市統(tǒng)計年鑒(2013～2017 年)及其他相關(guān)統(tǒng)計年鑒。

2 結(jié)果與分析

2.1 三階段DEA實證結(jié)果

將投入產(chǎn)出指標(biāo)數(shù)據(jù)帶入到BCC-DEA模型中，利用DEAP 2.1軟件對安徽省16 個地級市的碳排放效率進行初步分析(表2)。

表2 第一階段安徽省碳排放效率Table 2 The first phase of carbon emissions efficiency in Anhui

數(shù)據(jù)來源：DEAP 2.1軟件的分析結(jié)果。注：crste表示綜合技術(shù)效率，vrste表示純技術(shù)效率， scale表示規(guī)模效率，crste= vrste*scale。irs表示規(guī)模報酬遞增，drs表示規(guī)模報酬遞減，-表示規(guī)模報酬不變。下同。

Data sources:From analysis results of DEAP 2.1 software.Note：Crste means technical efficiency from CRS DEA, vrste means technical efficiency from VRS DEA, and scale means scale efficiency, crste means vrste*scale. irs represents increasing returns to scale. drs represents diminishing returns to scale, - represents scale returns remain unchanged.The same below.

將第一階段得出的各投入變量的松弛量作為被解釋變量，將9個環(huán)境變量作為解釋變量進行SFA回歸(表3)。由表3可以看出，9個環(huán)境變量對資本、勞動和能源投入松弛變量的系數(shù)大多能通過顯著性檢驗，說明安徽省各地級市的農(nóng)業(yè)碳排放顯著受到環(huán)境外部因素影響。而且資本、勞動和能源投入松弛變量的值均大于0.7，說明這3種投入管理因素的影響比隨機因素的影響大。

表3 投入松弛量SFA 模型估計結(jié)果Table 3 Slacks in SFA model estimation results

數(shù)據(jù)來源：frontier 4.1軟件的分析結(jié)果。

Data sources:From analysis results of frontier 4.1 software.

通過調(diào)整投入變量，剔除了環(huán)境和隨機因素對結(jié)果的影響，并將調(diào)整后的投入替換原始投入代入BCC模型進行分析，得到真實的效率值及規(guī)模報酬狀態(tài)，測量結(jié)果見表4。

相對于第一階段，安徽省5年間農(nóng)業(yè)碳排放的平均技術(shù)效率值從第一階段的0.932上升到第三階段的0.984，升幅為5.62%；平均純技術(shù)效率從0.953上升到0.996，升幅為4.51%；平均規(guī)模效率從0.977上升到0.988，升幅為1.08%。由此可見，剔除環(huán)境變量和隨機誤差對碳排放績效的影響后，碳排放技術(shù)的提高是純技術(shù)效率和規(guī)模效率共同作用的結(jié)果。

表4 第三階段安徽省碳排放效率Table 4 The third stage efficiency of carbon emissions in Anhui

數(shù)據(jù)來源：DEAP 2.1軟件的分析結(jié)果。

Data sources:From analysis results of DEAP 2.1 software.

2.2 區(qū)域分析

本文以安徽省皖中、皖南和皖北3大區(qū)域為研究中心，分析了安徽省農(nóng)業(yè)碳排放績效的區(qū)域差異。皖中指安徽省位于淮河以南與長江以北的江淮地區(qū)，包括合肥、安慶、滁州、六安4個市。皖南指安徽省長江以南地區(qū)，包括蕪湖、馬鞍山、銅陵、宣城、池州、黃山市6個市。皖北指安徽省淮河以北的地區(qū)，包括蚌埠、阜陽、宿州、淮北、淮南、亳州6個市。安徽省3大區(qū)域皖中、皖南和皖北的全要素農(nóng)業(yè)碳排放效率比較結(jié)果見表5。

表5 安徽省三大區(qū)域農(nóng)業(yè)碳排放績效及其分解Table 5 Performance and decomposition of agricultural carbon emissions in three major regions of Anhui

數(shù)據(jù)來源：DEAP 2.1軟件的分析結(jié)果。

Data sources:From Analysis results of DEAP 2.1 software.

由表5可以看出，皖中地區(qū)歷年農(nóng)業(yè)碳排放綜合技術(shù)效率最高，其次是皖北地區(qū)，皖南地區(qū)最低，呈現(xiàn)出“中>北>南”的格局。由于安徽省會合肥市位于皖中地區(qū)，該區(qū)域經(jīng)濟處于全省領(lǐng)先地位，人才匯聚，科技發(fā)達(dá)，在提高碳排放綜合效率方面具有一定優(yōu)勢；皖南地區(qū)旅游業(yè)發(fā)達(dá)，為了保護生態(tài)環(huán)境，主要以服務(wù)業(yè)為主，碳排放綜合效率較低；皖北地區(qū)，平原較多，農(nóng)業(yè)較發(fā)達(dá)，除此之外，淮南和淮北之前也以產(chǎn)煤為主，農(nóng)村使用煤炭較多，而煤炭的碳排放率在化石能源中是最高的，所以碳排放綜合技術(shù)效率較高。除此之外，安徽省三大區(qū)域純技術(shù)效率都很高，等于或接近于最大值1。規(guī)模效率與綜合技術(shù)效率一樣，呈現(xiàn)出“中>北>南”的格局。

3 結(jié)論與討論

本文根據(jù)安徽省16 個地市2012～2016 年的相關(guān)數(shù)據(jù)，剔除了環(huán)境和隨機因素對農(nóng)業(yè)碳排放績效的影響，運用三階段DEA方法，得到更加客觀真實的績效值。得出了以下的研究結(jié)論：

第一，安徽省每年平均純技術(shù)效率值都遠(yuǎn)高于規(guī)模效率的平均值，表明安徽省各地市的碳排放的無效率主要來源于規(guī)模效率，規(guī)模效率相對較低是安徽省大部分地市碳排放績效提升影響的主要制約因素。

第二，第二階段在利用第二階段SFA回歸方法剔除了環(huán)境因素和隨機誤差對農(nóng)業(yè)碳排放績效的影響后，安徽省各地市的平均農(nóng)業(yè)碳排放績效值和差距都發(fā)生了變化。平均技術(shù)效率值、平均純技術(shù)效率值和平均規(guī)模效率值三者都被低估了，而它們的極差又被高估了。這能夠說明環(huán)境因素和隨機誤差確實會對農(nóng)業(yè)碳排放效率值產(chǎn)生影響，所以必須要調(diào)整原本的投入變量，采用三階段DEA法是合理必要的。

第三，從區(qū)域來看，安徽省3大區(qū)域農(nóng)業(yè)碳排放績效存在差距，發(fā)展不平衡。皖中地區(qū)歷年農(nóng)業(yè)碳排放綜合技術(shù)效率最高，其次是皖北地區(qū)，皖南地區(qū)最低。純技術(shù)效率都很高，等于或接近于最大值1。規(guī)模效率與綜合技術(shù)效率一樣，同樣呈現(xiàn)出“中>北>南”的格局。這說明了東部地區(qū)存在經(jīng)濟、科技、人才方面的優(yōu)勢，極大地促進農(nóng)業(yè)碳排放績效提高。而皖北地區(qū)煤炭儲量豐富，使用量較大，農(nóng)業(yè)碳排放績效低于皖中地區(qū)。皖南地區(qū)，生態(tài)環(huán)境優(yōu)美，農(nóng)村的旅游業(yè)較發(fā)達(dá)，導(dǎo)致農(nóng)業(yè)碳排放績效最低。