戴育琴++冯中朝

摘要：本文利用基于方向性距离函数的Malmquist-Luenberger DEA模型，在全要素分析框架下测算了2001—2013年中国28个省区农产品出口贸易隐含碳排放绩效指数及其分解，分析碳排放约束条件下我国地区间农产品出口贸易绩效之间的差异，并与传统Malmquist指数进行对比。研究表明，样本期内我国农产品出口贸易隐含碳排放绩效平均增长0.42%，累计增长5.21%，绩效增长主要来源于前沿技术进步贡献，环境技术效率却存在小幅退化；各地区农产品出口隐含碳排放绩效差异显著，东部地区最优，其次是东北、西部地区，中部地区最为落后；农产品出口贸易隐含碳排放指数与标准 Malquister 指数的变化趋势大体一致，但后者高估了农产品出口贸易绩效，夸大了技术进步和技术效率对其贡献作用，因此，是否考虑资源约束对农产品出口贸易绩效核算会产生较大影响并可能导致政策偏误。

关键词：农产品出口；隐含碳排放；Malmquist-Luenberger指数；环境约束

基金项目：农业部、财政部专项研究课题“国家油菜现代产业技术体系建设”（项目编号：CARS—13）；国家自然科学基金项目“中国农业全要素生产率增长：结构调整、比较优势与动态演进”（项目编号：71273103）；湖南省哲学社会科学基金项目“安全与效率视角下农产品供应链社会责任实施机制研究”（项目编号：13YBA198）

中图分类号：F323 文献标识码：A 文章编号：1003-854X（2017）03-0085-06

中国自2001年加入世界贸易组织以来，农产品出口贸易迅速发展。2001—2013年，中国农产品出口贸易额从154.5亿美元上升到653.66 亿美元，年均增长12.77%。然而，随着我国传统农业向现代农业转变，农业生产消耗大量煤炭、柴油、电力等能源，化肥、农药、农膜等工业中间投入品的使用也不断增加，农业生产排放大量的CO2，现代农业堪称“高碳农业”。作为农产品贸易大国，我国农产品出口贸易也不可避免涉及大量的隐含碳排放，当前环境保护融入国际贸易体系成为必然趋势，以环境优化贸易是实现我国经济发展和环境保护双赢的重要手段。科学合理地测度我国农产品出口贸易CO2排放绩效以及深入分析其增长原因、地区差异和演变趋势，对增强我国农产品出口贸易的可持续竞争力，带动我国农业生产向“高效率、低能耗、低排放、高碳汇”为特征的低碳模式转型具有重要意义。

一、相关文献综述

随着经济增长与环境保护双赢目标被广泛重视，国内外学者开始通过计算碳排放绩效来反映一国或地区的二氧化碳排放水平问题。最初，反映碳排放绩效的指标以单要素评价方法为主，如Mielnik与Goldemberg（1999）提出碳化指数度量法（Carbonization Index），用单位能源的CO2排放量作为发展中国家应对气候变化和经济发展模式评价的主要标准①；Ang（1999）认为用单位GDP能耗变化基本能反映CO2排放情况，能源强度指标在低碳经济研究中与碳化指数一样重要②。随着数据包络分析（Data Envelopment Analysis， DEA）的发展，许多学者逐渐采用全要素评价思路，将所有相关的变量放在一起构建绩效评价指标以保证碳排放绩效的全面性与合理性。如Zaim and Taskin（2002）利用DEA模型从宏观层面计算了OECD国家的碳排绩效③；Kortelainen（2008）用Malmquist指数计算了欧盟20个国家1990—2003年的环境效率值④；查建平等（2012）利用DEA模型构建静态和动态工业碳排放绩效指数，对2003—2008年中国30个省区工业碳排放绩效进行核算，认为我国整体工业碳排放绩效水平低，区域间发展极不平衡⑤。关于中国农产品贸易中的碳排放问题大多集中在对农产品整体出口贸易和双边贸易中隐含碳排放量的计算。张迪等（2010）对2002年中国农产品对外贸易的隐含碳转移进行了研究，发现2002年中国为农产品隐含碳排放的净出口国，隐含碳的主要出口地区在亚洲，而韩国及日本是中国农产品隐含碳出口的主要受益国⑥；戴育琴等（2016）计算 2001—2013 年中國农产品出口贸易隐含碳排放量，认为从总体变化趋势来看，农产品出口中的隐含CO2排放量随出口贸易扩大不断上升， 农产品出口结构的调整、能源利用效率的提高和农业生产技术进步会有效降低农产品出口贸易中的隐含碳排放⑦。

以上文献给本文的研究提供了理论基础，但是否考虑环境约束，从效率角度研究中国出口贸易的文献十分鲜见，专门研究农产品出口贸易碳排放绩效的文献更少。本文将农产品出口贸易、农产品出口隐含碳排放、绩效三者纳入统一分析框架，利用Malmquist—Luenberger DEA模型，在全要素分析框架下计算中国农产品出口贸易隐含碳排放效率，从碳排放角度比较中国地区间农产品出口贸易绩效之间的差异，探索其分布特征和变化趋势，以期为促进农业出口增长、结构调整、实现农业节能减排提供差异化的策略参考。

二、评价方法及指数构造

1. 环境技术

生产单位在生产过程中投入一定的要素，往往会同时产生期望获得的“好”的产品和不期望获得的“坏”的产品，如CO2等环境污染排放。Fare等（2007） 提出环境技术构造了既包括“好”的产品又包括“坏”的产品的生产可能性集合，指明了期望产出、非期望产出与要素投入之间的技术结构关系。

假设某地区使用N种投入X=（X1，…XN）∈R■■，生产得到M种期望产出Y=（Y1，…YM）∈R■■，P种非期望产出C=（C1，…Cp）∈R■■，则环境技术的生产可能性集合为：

P（X）={（Y，C）∶（X，Y，C）∈T}（1）

T表示生产过程的技术结构关系，可描述为：

T=[（X，Y，C）∶（Y，C）∈P（X），X∈R■■]（2）

环境技术的生产可能性集合P（X）具有一个闭合、有界、凸性的特性。若t代表时期，t=1，…T；k代表地区，k=1，…K，则t时期k地区的投入和产出值为（X■■，Y■■，C■■）。在环境技术定义基础上，运用DEA将环境技术模型转化为：

Pt（Xt）={（Yt，Ct）∶■λ■■Y■■≥Y■■，m=1，…，M；■λ■■C■■=C■■，p=1，…，P；■λ■■X■■≤X■■，n=1，…N；λ≥0}（3）

2. 方向性距离函数

与传统的产出距离函数不同，方向性环境产出距离函数测定既定方向、投入和环境技术结构条件下期望产出扩大和非期望产出缩减的可能大小。本文构造碳排放导向的方向性环境产出距离函数如下：

■ tc （Xt，Yt，Ct；g■■，-g■■）=sup[β∶（Yt+βg■■，Ct-βg■■）∈Pt（Xt）]（4）

上式中，D■■表示t时期的技术前沿，距离函数β表示在给定方向g=（gY，-gC）、投入X和技术结构P（X）下，期望产出Y与非期望产出二氧化碳排放C按照扩张和收缩的最大可能数量。方向性环境产出距离函数同时考虑“好”产品增加和“坏”产品减少的最大可能性。本文借鉴Chung等（1997）定义的 Malmquist-Luenberger方法，设定方向向量（gY，-gC）=（Y，-C），即期望产出与碳排放在现有基础上按相同比例增减，经济产量（农业总产值和农业出口额）增加的同时，通过同比例减少出口隐含碳排放移动达到最优前沿。

时期t生产单位k'（X■■，Y■■，C■■）在当期环境技术下的方向性距离函数可通过线性规划求解：

■ tc （X■■，Y■■，C■■；Y■■，-C■■）=maxβ

s.t.■λ■■Y■■≥（1+β）Y■■，m=1，……，M；

■λ■■C■■=（1-β）C■■ ，p=1，……，P；（5）

■λ■■X■■≤X■■，n=1，……N；

λ■■≥0，k=1，……，K

3. Malmquist—Luenberger二氧化碳排放绩效指数及其分解

进一步构建Malmquist—Luenberger二氧化碳排放绩效指数（Malmquist—Luenberger CO2Emission Performance Index，简称MLCPI）对各生产单元的碳排放绩效变动进行测度，如式（6）：

MLCPI■■={■■}■（6）

上式中，t与t+1为两个时间段，为避免参照基准选择上的任意性而造成的差异，以t、t+1两种参照情况下MLCPI值的几何平均数作为衡量从t到t+1时期碳排放绩效的变化情况；■ tc （X■■，Y■■，C■■；Y■■，-C■■）、■t+1■（X■■，Y■■，C■■；Y■■，-C■■）表示生产单元分别在t、t+1时期（相对于当期技术前沿的碳排放导向的方向性距离函数）环境技术结构下的二氧化碳排放导向的方向性距离函数；■t+1（X■■，Y■■，C■■；Y■■，-C■■）、■t■c（X■■，Y■■，C■■；Y■■，-C■■）表示生产单元分别在t、t+1时期相对于t+1、t技术前沿的碳排放导向的方向性距离函数。

MLTECH■■={■

■}■（7）

MLEFFCH■■=■（8）

MLTECH衡量生产可能性边界从t到t+1时期向外扩张的动态变化，MLTECH衡量从t到t+1时期生产单元实际生产点向生产可能性边界的逼近。TECH和EFFCH大于1 ，表示其是二氧化碳排放绩效得以提高的源泉，反之则是导致二氧化碳排放绩效下降的根源。计算MLCPI、MLTECH和MLEFFCH，涉及四个类型的方向性距离函数，根据式（5）对应四个线性规划。本文在线性规划求解过程中使用MaxDEA 4.0 软件。

三、变量选取和数据来源

本文计算出口贸易增长中碳排放绩效使用的投入变量除一般经济增长模型中的投入要素资本、劳动、能源，还包括化肥、农药、农膜三种投入变量。期望产出为农业总产值YGDP和农产品出口额YEX；非期望产出为农产品出口贸易导致的二氧化碳排放EC。考虑到数据的可获得性以及DEA方法对异常数据的敏感性，本文研究剔除了西藏、中国台湾、香港和澳门的相关数据，为了保持統计口径统一， 将海南和重庆分别纳入广东和四川。因此本文所使用数据为 2001—2013年中国28个省级行政单位为生产单元在13年间所形成的平衡面板数据。具体说明如下：

（1）资本投入。资本存量指各地区农业资本存量，本文应用李谷成（2014）的研究成果⑧，采用以1978年不变价格换算的2001—2011年数据，2012年和2013年的省际农业资本存量按其相同的方法由作者算得。计算公式为Kt=Kt-1（1-δ）+It。δ为折旧率，取值5.42%。It为当期投资，采用农业固定资本形成总额计算当期投资It。Kt和Kt-1表示当期和上一期的资本存量。数据来源于《中国国内生产总值核算历史资料》、《新中国六十年农业统计资料》、《中国统计年鉴》、《中国农业年鉴》及各省统计年鉴。

（2）劳动投入。各省区年末农林牧渔业就业人数，数据来源于《中国农村统计年鉴汇编1949—2004》和《中国农业年鉴》（2005—2013）。

（3）能源投入。各省区农林牧渔业能源消费总量，数据来源于相关年份各地区统计年鉴和《中国能源统计年鉴》。部分缺失年份数据采用差分法补齐。

（4）化肥投入、农药投入、农膜投入数据来源于《中国农村统计年鉴》。

（5）产出变量分为期望产出和非期望产出变量。其中期望产出变量为各省区农林牧渔生产总值和农产品出口贸易总额。农林牧渔生产总值与农业资本存量价格保持一致，2001—2013年采用1978年不变价格换算，单位亿元，数据来源于《中国农村统计年鉴》。农产品出口贸易额首先按照各年度美元兑人民币平均汇率转化为人民币，其次为消除物价变动因素对农产品出口额的影响，采用商品零售价格指数对农产品出口贸易数据进行平减，得到1978年为基期的实际数据，单位亿元。各省区农产品出口贸易额数据来源于《中国农业年鉴》。

非期望产出为各省区农产品出口贸易隐含碳排放量EC，采用投入产出法计算得到。出口隐含碳的计算公式为：

EC=R（I-A）-1YEX （9）

其中，设R为直接碳排放系数矩阵；（I-A）-1为完全需要系数矩阵，即列昂惕夫逆矩阵；R（I-A）-1为考虑中间投入、由列昂惕夫逆矩阵构造的完全碳排放系数矩阵； YEX代表农产品出口金额矩阵。（I-A）-1根据各地区投入产出表计算所得。我国投入产出表每5年公布一次，由于数据的可获得性以及计算工作量庞大复杂，为了计算方便，本文采用各省2007年投入产出表计算各省完全碳排放系数，其他各年由平滑系数法得到（孙爱军等，2015），计算R所需的各种能源的二氧化碳排放系数参照作者以往研究成果（戴育琴，2016）。

四、实证分析结果与讨论

1. 中国农产品出口隐含碳排放绩效增长源泉

根据上述研究方法和数据，本文运用MaxDEA软件测度了2000—2013年中国28个省区的农产品出口贸易隐含碳排放Malmquist—luenberger指数及其构成。表1为2001—2013年MLCPI指数及其分解MLTECH、MLEFFCH的几何平均值。

2001—2013年中国农产品出口隐含碳排放绩效平均增长0.42%，累计增长5.22%。其中，技术进步MLTECH平均增长0.58%，累计增幅为7.12%，增幅较为明显；技术效率MLEFFCH出现退化，平均下降0.15%，累计降幅为1.78%。由于技术进步的推动作用大于技术效率的退化作用，2001—2013年中国农产品出口贸易隐含碳排放绩效呈现改进趋势。因此，从Malmquist指数增长源泉来看，中国农产品出口贸易隐含碳排放绩效增长主要有前沿技术进步贡献。2000年以来，中国农业改革极大地促进了农产品出口贸易碳排放绩效增长，农业科学研究体系在农业科研与技术创新方面取得了较大的成功，推动了农业节能减排技术的发展，但与此同时农业在对现有资源的合理配置、现有农业前沿技术的适应性改良、扩散和推广应用方面不太成功，技术效率较低。许多学者计算指出中国农业生产存在前沿技术进步与技术效率损失并存的现象，本文计算的中国出口农产品碳排放绩效值及其分解与这一规律相同。

表1 2000—2013年中国农产品出口贸易

隐含碳排放指数MLCPI及其分解

注：各年Malmquist、技术进步和效率变化指数均为相应年份之间的几何平均值。

2. 农产品出口隐含碳排放绩效时间趋势特征

从中国农产品出口隐含碳排放绩效的时间特征来看，2001—2013年出现了三次波动周期，即2001—2005年、2006—2010年、2011—2013年，波动均呈现先上升后下降的趋势，并且随着时间的推移，波动趋于平缓。

加入世贸初期第一阶段（2001—2005年），在中央政府强力扶农政策支持下，农产品出口贸易发展进入到一个新的春天，但此时农产品出口隐含碳MLCPI指数增长却不理想，年均增长0.02%，相对较慢，该阶段绩效增长主要由于技术进步单独贡献（0.22%），技术效率则是衰退的（-0.2%），成为MLCPI指数停滞的直接原因。2006—2010年第二阶段，入世后5年中国市场化改革加速推进，农产品出口贸易进入一个较为稳定的增长期，由于中国国内能源消耗过多、环境压力加大，经济的可持续增长受到考验，中国在商品贸易领域开始出台了一系列政策来抑制高耗能、高污染和资源性产品，明确鼓励发展循环经济、可再生能源和生态环境保护。此阶段农产品出口隐含碳ML指数增长超过第一阶段，年均增长0.59%，增长模式也发生了变化，由第一阶段的技术进步单独贡献转变为由技术进步（0.5%）与技术效率改进（0.09%）共同推动。2011—2013年第三阶段，“十一五 ”以后中国在农机节能技术应用方面得到了较大发展，农产品出口隐含碳绩效呈现相对高增长势头，年均增长0.69%，但这仍然是一种典型的“单驱动”模式，技术进步推动明显（1.18%），而技术效率起到了一定滞后作用（-0.48%）。

表2提供了标准 Malmquist指数的估计结果，在不考虑碳排放约束的情况下，标准M指数增长基本上与MLCIP指数增长趋势相同，但传统M指数三阶段都大大超过MLCIP指数，这说明在考虑以二氧化碳排放为代表的环境成本、污染代价约束条件下，中国农产品出口贸易绩效将大打折扣，虽然入世以来中国农产品出口贸易稳定增长，但是长期以来这种出口贸易是以数量增加、投入增加和低价成本优势为核心的增长方式，各地区在追求出口量快速扩张的同时，化肥、农药的被大量使用，农用能源消费结构、农产品出口结构仍不合理，导致农产品出口贸易隐含碳排放较高。

表2 中国农产品出口贸易隐含碳排放绩效

增长及其成分变化的阶段划分（2001—2013）

3. 农产品出口隐含碳排放绩效区域差异性

表3给出了2001—2013年中国主要省区的农产品出口贸易隐含碳排放MLCPI指数。从各省碳排放绩效的平均水平来看，全国有18個地区碳排放绩效均值大于1，10个省区碳排放绩效均值小于1，说明大部分地区在2001—2013年农产品出口贸易隐含碳排放效率提升。其中排在前五位的省份是上海、山东、福建、河北、浙江，提升幅度较大，以上海为例，年均碳排放绩效增加达到5.8%；排在后五位的省区是河南、湖北、广西、青海、湖南，农产品碳排放均值低于-1.95%，地区最低值为-3.63%。

4. “碳排放技术创新者”身份确认

通过计算MLCPI及其分解可以在总体上了解隐含碳排放绩效的增长变化情况，但尚不能确定各年份究竟是哪些省区在主导着生产可能性边界的移动。为了寻找在碳排放约束下生产前沿面的“创新者”，根据Fare 等学者的判断标准，推动生产前沿面的外移要同时满足以下三个条件：

MLTECH■■>1■■

■ tc （X■■，Y■■，C■■；Y■■，-C■■）<0

■t+1（X■■，Y■■，C■■；Y■■，-C■■）=0（10）

第一个条件表示从t期到 t+1期生产可能性边界沿着既定方向向量是向外扩张的，在既定的投入下，t+1期对于t期来说有着更多的期望产出和更少的非期望产出；第二个条件表示t+1期投入产出值在t期环境技术结构下不可行，即技术进步发生后，t+1期的生产发生在t期生产可能性边界之外； 第三个条件表示“碳排放技术创新者”必然会处于当期生产可能性边界上，效率值等于1。如果同时满足上述三个条件，该出口单位就是“碳排放技术创新者”。

根据计算结果，碳排放约束条件下，13年间共有21个省区至少移动生产可能性边界一次，直接推动着前沿技术进步。其中福建（10次）、江苏（10次）、北京（9次）、四川（9次）、上海（8次）、浙江（8次）表现最为突出，这些地区为促进农产品出口贸易隐含碳排放绩效的提高起到了示范和带动的作用。从地区分布情况来看，碳排放技术创新者主要集中在东部省区和西部一些边远省份。东部地区除山东、河北两省以外，其余7个东部省区推动次数在7次以上，技术创新表现突出的6个省区中就有5个属于东部地区。作为粮食主产区的中部农业大省表现都不理想，其环境技术创新状况远远落后于其他三个地区，除了江西（7次）表现较好以外，湖南、湖北、陕西对前沿面的推动次数为0，河南仅有3次，安徽仅有2次。西部地区中技术创新程度较高的是四川和陕西，其余表现一般，但总体比中部地区要好。

四、结论及政策含义

第一，2001—2013年我国农产品出口贸易隐含碳排放绩效取得了一定增长，这种增长主要来源于前沿技术进步贡献，环境技术效率却存在小幅退化，出口农产品碳排放绩效增长主要来自于“最佳实践者”的 “最佳实践”，由“落后者”主导的“追赶”产生的“水平效应”不明显。这说明虽然我国农业科学研究体系在农业科研与技术创新方面取得了较大的成功，推动了农业节能减排技术的发展，但我们更要提高农业资源利用效率以及对现有农业前沿技术的适应性改良、扩散和推广，带动我国农产品出口贸易绩效水平的整体提升。

第二，从农产品出口贸易隐含碳排放绩效的地区分布来看，东部地区是碳排放绩效值最高，其次为东北、西部、中部，前沿技术进步和环境技术效率变化也表现出非常类似的地区分布特征。推动生产可能性边界向外扩展的“碳排放技术创新者”地区集中在福建、江苏、北京、上海、浙江为代表的东部地区和西部四川，这要求我们在农业生产出口过程中进一步加强技术、经验、制度等方面的交流与扩散，从整体上实现农业节能减排、农产品出口可持续性发展目标。

第三，入世以来，中国农产品出口贸易稳定增长，但是长期以来这种出口贸易是以数量增加、投入增加为核心的增长方式，各地区在追求出口量快速擴张的同时，能源和资源消耗较大，出口结构仍不合理，导致农产品出口贸易隐含碳排放居高不下，必须通过提高农产品的加工程度、技术含量、质量水平来培养国际营销能力和品牌效应，形成新的竞争优势，才能实现农产品出口贸易可持续性发展，使MLCPI指数超过M指数。

注释：

① O. Mielnik J. Goldemberg， The Evolution of the“Carbonization Index” in Developing Countries， Energy Policy， 1999， 27（5）， pp.307-308.

② B. W. Ang， Is the Energy Intesity a Less Useful indicator than the Carbon Factor in the Study of Climate change， Energy Economics， 1999， 30， pp.59-75.

③ O. Zaim， F. Taskin， Environmental Efficiency in Carbon Dioxide Emissions in the OECD： A Non—Parametric Approach， Journal of Environmental Management，

2000， 58（2）， pp.95-107.

④ M. Kortelainen， Dynamic Environmental Performan-

ce Analysis： A Malmquist Index Aapproach， Ecological Economics， 2008， 64（4）， pp.701-715.

⑤ 查建平、郑浩生、唐方方：《中国区域工业碳排放绩效及其影响因素实证分析》，《软科学》2012年第4期。

⑥ 张迪、魏本勇、方修琦：《基于投入产出分析的2002年中国农产品贸易隐含碳排放研究》，《北京师范大学学报》（自然科学版）2010年第6期。

⑦ 戴育琴、冯中朝、李谷成：《中国农产品出口贸易隐含碳排放测算及结构分析》，《中国科技论坛》2016年第1期。

⑧ 李谷成、范丽霞、冯中朝：《资本积累、制度变迁与农业增长——对1978—2011年中国农业增长与资本存量的实证估计》，《管理世界》2014年第5期。

作者简介：戴育琴，华中农业大学经济管理学院博士研究生，湖北武汉，430070；湖南商学院经贸学院讲师，湖南长沙，410205。冯中朝，华中农业大学经济管理学院教授、博士生导师，湖北武汉，430070。

（责任编辑 陈孝兵）