高 鸣

(农业农村部 农村经济研究中心，北京 100810)

一、引 言

政府间气候变化专门委员会(IPCC)预计到本世纪末，全球的气温将整体上升3.5℃-5℃。气温的升高给全球各国家的农业生产带来了机遇，也带来了挑战。随着全球变暖，使农作物的播种范围扩大，伴随气温升高后的空气中水汽增多，也促进了降水，给干旱地区的灌溉也带来了便利。此外，气候变暖也有可能使得作物的产量增加。但是，气候变化也存在诸多的不利因素。例如，极端气候的时间增加，自然灾害频发，此外，随着气温升高农作物的生产格局、种植结构和生产模式都会受到较大的冲击(周曙东等[1]，2013)。中国是一个农业大国，各地区的资源禀赋条件差异较大。气候变化给中国的农业生产带来了诸多不确定性。调整农业生产方式和模式来应对气候变化对农业生产的影响，以期进一步促进农业生产率的提高。农业生产率是实现农业可持续发展、农业现代化的关键点之一。对此，不同的学者就农业生产率的影响机制和提升机理等方面做了大量的研究工作。例如，农地经营规模(张忠明等[2]，2011；石晓平和朗海如[3]，2013)、农村教育与人力资本(陈刚和王燕飞[4]，2010；李谷成[5]，2009)、技术进步(尹雷和沈毅[6]，2014；车维汉和杨荣[7]，2010)等方面。此外，生态环境对农业生产率的影响也成为近年来的热点话题(潘丹和应瑞瑶[8]，2013；韩海彬和赵丽芬[9]，2013)。在此基础上，尹朝静等[10](2016)的研究发现气候变化是影响农业生产率不可忽视的因素。气候变化的相关要素(例如日照时长、降水量和温度等)都是农业生产投入的重要指标，会对农业产出产生不同的影响。因此，值得思考的是，在不考虑气候因素下的传统农业生产率的估算是否会存在偏差？是低估了农业生产率还是高估了农业生产率？气候变化下的农业生产率是否会导致各地区的差异呈现出与传统生产率不同的差异？等等问题还值得进一步的讨论和分析，以期找出气候变化的有利因素，为进一步促进农业生产率的提高提供依据。

关于农业生产率的相关研究。李静和孟令杰[11](2006)选用非参数的HMB生产率指数模型，分析了1978-2004年的农业生产率的变化趋势，其将农业生产率指数分解为技术进步、技术效率变化、投入产出效应和规模效应，并认为技术进步是推动我国农业生产率的主要因素，而投入产出效应和规模效应对农业生产率的影响较小，只有技术效率的恶化对农业生产率的增长带来了负面效应。陈卫平[12](2006)使用Malmquist指数模型，分析了1990-2003年的农业生产率变化情况，并认为农业生产率在此期间的年均增长接近2.6%，而技术进步的年均增长为5.48%，但是效率变化的年均下降2.78%，并认为我国大部分省区的技术进步和效率损失同时存在。在此研究基础上，周端明[13](2009)使用DEA方法下的Malmquist指数模型，分析了1978-2005年的农业生产率的动态变化和空间分布，通过实证分析后认为1978-2005年间的农业生产率的年均增长达到了3.3%，而从分解的要素来看，技术进步的年均增长率有1.7%、技术效率达到1.6%，但是，农业生产率呈现了区域的差异和不平衡性。李谷成[14](2013)使用Window DEA，分析了转型期我国农业生产率的增长估算和要素分解，并认为该时期内的农业生产率增长较为明显，对农业增长的贡献较大，但是由于技术进步和技术效率的差异导致不同省份间的农业生产率差异较为明显。付明辉和祁春节[15](2016)同样适用Malmqusit指数模型，分析了28个国家1995-2013年的农业生产率情况，并认为大多数国家都是由于投入偏向型技术进步提高了农业生产率，各国应较好利用要素相对价格的变化机会，选择与本国资源禀赋条件相协调的农业创新发展模式，从而进一步提高农业生产率。此外，还有大量的国内外学者对农业生产率进行了深入分析和研究[16-19]。

关于气候变化视角下的农业生产率相关研究。当前，学界就气候变化对农业生产率的影响问题没有形成统一的观点。第一种观点，认为气候变化会对农业产生积极的影响；另一种观点认为，气候变化会对农业生产造成负面的影响。

首先，气候变化对农业生产具有积极作用。赵红军[20](2012)运用古气候重建数据，分析了气候变化对过去两千年间农业经济的影响，并认为中国历史上的气候变暖有利于农业生产，而气候变冷会给农业生产造成较大的负面作用。刘天军等[21](2012)利用2007-2009年陕西省210户苹果种植户的微观面板数据，分析了气候变化对苹果生产的影响，并认为气温的升高和降水量的减少对苹果生长产生了积极作用，促进了苹果产量的提高。Liu[22](2004)使用Ricardian模型，分析了气候变化对中国各区域的影响，并认为气候变化对中国的中部、东部和南部地区具有正面影响，此外东北地区和高原地区也受益于气候变化。张兵[23](2011)选用双倍差法模型分析了农户在适应气候变化过程中的粮食生产情况，并认为气候变化后的水稻单产增加了42.41公斤/亩，而小麦单产增加了5.96公斤/亩。周曙东[1](2013)分析认为气候变化对我国长江流域和华南地区的水稻生产有影响，并建议在这两个地区大力推广双季稻，以期提高水稻总产量。冯晓龙[24](2017)构建了农户适应气候变化的决策模型，并通过模型分析了农户适应气候变化的决策对农业产出与产出风险的影响机理，选用了陕西省的660个苹果种植户微观数据进行了实证分析，最后认为农户为适应气候变化能促进农业产出的增加，并有效地降低了农业产出的风险。Malla[25](2009)以尼泊尔农业生产为例，分析气候变化对农业生产的影响，并认为随着气候的变化，二氧化碳等大气层的组成部分发生了改变，这有利于农业生产，通过实证分析后发现气候变化能分别提高26.6%的稻谷产量和18.4%的小麦产量。

其次，气候变化对农业生产具有负面影响。尹朝静等[10](2016)使用1986-2012年的省级数据，选用FGLS方法，分析了气候变化、科技存量对农业生产率的影响，他们发现降水量对农业生产率的增长作用不明显。而从地理区域来看，气温升高对华东和西南地区的农业生产率具有显著的负向作用，降水密度的增加对除了华南地区外的所有地方的农业生产率具有负面效应。此外，他们还分析气候变化对粮食生产率的影响(尹朝静等[26]，2016),其使用1978-2012年的省级面板数据分析了气候变化对粮食生产率的影响，并认为考虑了气候变化因素的粮食生产率比传统的粮食生产率要低，这是因为气候因素使粮食生产的技术效率恶化。崔静等[27](2011)运用超越对数生产函数分析了1975-2008年间气候变化对粮食作物单产的影响，并认为在作物的生长期内，气温升高对粮食单产具有消极作用，而降水量的增加使华南地区冬小麦单产减产等。白秀广等[28](2015)使用1992-2012年的数据，使用随机前沿生产函数分析了气候变化对我国苹果的单产和苹果全要素生产率的影响，认为气温升高和水量的减少对渤海地区的苹果生产具有消极作用。肖国举等[29](2007)认为气候变暖导致1980-2000年黄淮海区的雨养小麦全面减产，导致农作物收益降低，使农民的收入无法得到有效保障。此外，还有大量的研究也表明气候变化使得农业生产的波动性增加，且不同地区受到的影响程度呈现差异化，但总体来看是对农业生产造成负面的影响[30-31]。

此外，还有更多的研究成果认为气候变化在不同的时期，对不同地区的农业生产产生的作用也不一样(Wang et al.[32],2009；张兵等[23]，2011；姜岩等[33]，2015)。陈帅等[34](2016)通过使用历史数据分析了气候变化对中国粮食生产的影响，结果发现气候变化的因素对中国的小麦和水稻的单产都存在非线性关系的影响。但是就目前的条件和情况来看，气候变化对农业生产具有显著的正向影响，不仅能提高单产，还能优化农业生产布局。随后，他们进行了预测，认为在本世纪的中期，气候变化会对农业造成负面的影响，到了本世纪末，气候变化会导致水稻和小麦的单产降低。

在此研究背景下，不论农业生产从气候变化中受益还是受损，当前的农业生产率的估算就存在偏差，导致农业生产率被高估或者低估。而气候变化的众多因素是影响农业生产的重要因素，不同的降水量、温度和日照都会使得农业生产呈现不同的产出水平。因此，气候因素应该纳入到评价农业生产率的指标体系中，而前人的研究中少有考虑这个因素。对此，本文将在前人的研究基础上做以下改进：第一，将气候变化因素纳入到农业生产率的投入产出评价体系中；第二，选用较为前沿的Window DEA方法来对传统农业生产率和考虑气候变化因素的农业生产率分别进行测算，并进行比较分析；第三，为了进一步深入分析气候变化对农业生产的影响，本文还将分地区、分阶段的进行统计分析。

本文余下章节安排是：第二节是设计研究方法和思路，第三节是变量的选择和数据处理，第四节是实证分析，第五节是给出本文的主要结论和简要建议。

二、方法设计与变量选择

(一)方法设计

评价农业生产率的方法较多，主要集中在DEA和SFA两种方法上。相比SFA，DEA方法属于非参数法，在评价投入产出效率时，更具有客观性和科学性。而传统的DEA方法再测算农业生产率时，较多集中在Malmquist指数及其拓展的指数模型上，例如，Luenberger-Malmquist指数、Globle-Luenberger-Malmquist指数等。但是，这些方法都是通过同一时期的决策单元(DMU)进行效率评价，即，此种方法没有考虑时间因素的影响。但是，基于气候变化视角下对农业生产率进行评价，还需要考虑气候变化对农业生产影响的持续性和长期性。例如，假设某一地区的降水量过多，对当期的农业生产率造成了负面的影响，导致当期的农业生产率降低，但是降水量有可能对未来的农业生产率产生积极影响，使得农业生产率会被低估。因此，选用传统的Malmquist指数及相关拓展指数模型来评价农业生产率，会导致效率评价的有偏测算等。为解决此问题，窗口DEA(Window DEA)方法应运而生。窗口DEA是纳入面板数据的分析模式，在一个选定的窗口期内，将不同时期的同一个决策单元视作不同的决策单元，以期增加决策单元的数量后以动态连续性的视角来评价农业生产率。窗口DEA可以选择将所有决策单元来构造生产前沿面。

窗口的宽度(d)和偏移量(f)构成一个完整的窗口。窗口的默认时期由t及t之前的d-1个时期决定，即W(t)={t,t-1,…,t-d+1}。可通过设置偏移量来使窗口发生变化，即，W(t)={t+f,t-1+f,…,t-d+1+f}。根据窗口的选用和设置，结合Malmqusit指数，可以表现为三种形式：窗口前沿交叉参比Malmquist指数、窗口联合前沿参比Malmquist指数、窗口固定参比Malmquist指数。本文将选择窗口固定参比下的Malmquist指数模型，因为该指数不仅可以解决移动窗口Malmquist指数模型面临的问题，而且其具有更多的优点。例如，该指数模型具有可累乘积性质(Circular)、可连续观测生产率的变化情况等。

窗口固定参比Malmquist指数是将所有各期均以某一固定窗口作为参考集，即Swf(t)=Sw(f)，则该Window Malmquist指数表达式为：

(1)

(2)

通过(1)式和(2)式将可以求出窗口固定参比下的Malmquist指数。此外，关于窗口DEA下的技术效率求解，请详见Cullinane et al.[35](2004)、成刚[36](2014)，此处不再赘述。本文将基于气候变化视角将分析农业生产率的波动变化情况，由于气候变化的影响具有滞后性和长期性。因此，本文将以1978-2013年为本文的窗口时期，选用可变规模报酬来进行生产率的分解。

(二)变量选择与统计分析

本文将基于C-D生产函数，结合农业生产的投入与产出体系，依据科学性、系统性、客观性和数据的可获得性原则，选用Window-Malmquist指数模型，使用1978-2013年的中国省级面板数据，测算农业生产率的动态变化情况。为了使研究更细致，本文将对比分析传统投入与产出的农业生产率和气候变化视角下的农业生产率。因此，本文将分别测算气候变化下的农业生产率和传统的农业生产率。

需要说明的是，传统的农业生产率的产出为粮食总产量和农业总产量，其投入变量分别为化肥施用量、有效灌溉面积、农业机械动力、播种面积和劳动力数量。气候变化下农业生产率的产出也为粮食总产量和农业总产值，但是投入变量在传统农业生产率的投入变量基础上添加降水量、气温和日照时数变量。

(1)产出变量。粮食总产量，主要是包括全社会的粮食总产量，包括国有经济经营、集体统一经营和农户的自我经营所生产的所有粮食产量的总和；农业总产值，以1978年不变价分省农业总产值来表示，此处选用的是广义农业总产值，这可以与农业投入要素的广义口径相匹配，可以更为准确地评价农业生产率。

(2)投入变量。化肥施用量，以实际使用在农业生产中的化肥施用量，并且按照折纯量进行计算，包括复合肥、氮肥、磷肥、钾肥等；有效灌溉面积，以每年实际进行有效灌溉的耕地面积计算；农业机械总动力，主要指的是用于农业生产的所有动力机械动力的总和，所有动力按照引擎马力折成瓦(特)进行统计计算，而电动机则按照功率折算成瓦特；播种面积，主要指的是农作物的播种面积，包括在非耕地上进行播种的面积、改种和补种的农作物播种面积；劳动力数量，以广义农业总劳动力进行计算，但是不包括农村劳动力中从事工业、服务业等行业的劳动力。

(3)气候因素。降水量，是指未经蒸发、流失、渗透而积聚在水平面上的深度，一般是mm为单位；气温，指的是在空气流通中、不受太阳直射下而测得的空气温度；日照时数，指的是在一天24小时内太阳光线照射地面的时间长度。

关于数据，需要说明的是：第一，本文研究所用数据均取自如下文献：《新中国60年统计资料汇编》；2010-2013年的数据均取自于历年的《中国农村统计年鉴》；气候数据均来自于中国气象局气象数据中心，该数据库提供1951-2013年涵盖了中国752个基本、基准地面的气象观测站及自动站的气候资料。此处，需要指出的是，本文将分散的752个基站按照所在省份进行归纳，并以省份的平均值来表示该省份的气候变量。第二，农业劳动力数量的数据均来源于Wind数据库，但是2007年各省份的农业劳动力数量数据缺失，此处选用差值法求得，即该指标上一年和下一年的均值。第三，重庆是1997年成为直辖市，而在Wind数据库中能查询到1951年以来的重庆市总人口，因此，本文将以重庆市总人口与四川省总人口的比例为权重，来分离出重庆市在1997年以前的相关数据。

为了使得分析更细致，本文将全国31个省份按照传统的地理划分标准，将全国分为西部、中部、东部和东北部①。分析气候变化下的农业生产率变化情况，首先需要观察和分析全国的气候因素的变化情况，详见图1。从图中可知：第一，全国的降水量水平在波动中增长，尤其是东北地区的降水量增长较为明显。全国的降水量由1978年的808.70mm增长到2013年的906.63mm。在东北地区的黑龙江省，1978年的降水量为447.54mm增长到2013年的691.55mm，年均增长率达到0.98%。第二，全国日照时数增长幅度较为明显。全国日照时数由1984年的最低值2159.21小时增长到2013年的2201.41小时。以西部的新疆为例，2013年的日照时数为2896.21小时，远大于1987年的2744.39小时。第三，平均气温有小幅度的增长。1978年的全国平均气温为12.89℃，增长到2013年的13.74℃。以农业大省湖南为例，1984年的湖南省平均气温达到自改革开放以来最低的16.3℃，增长到2013年的峰值平均气温为18.43℃。

①东部省份(10个)包括：浙江省、广东省、江苏省、山东省、福建省、海南省、河北省、北京市、天津市和上海市；中部省份(6个)包括：湖南省、湖北省、河南省、江西省、山西省和安徽省；西部省份(11个)包括：四川省、内蒙古、云南省、广西省、陕西省、贵州省、新疆、甘肃省、青海省、宁夏、重庆市；东北部(3个)包括：黑龙江省、辽宁省和吉林省。

三、实证分析

(一)气候变化下农业生产率测算：1978-2013

本文在DEA方法下的Window Malmquist指数模型下，针对31个省的1978-2013年的面板数据进行计算。为了进一步分析气候变化下的农业生产率，此处将全国31个省按照前文的地理区分标准将全国分成东部、中部、西部和东北部。此外，为了更具体地分析气候变化在农业生产率中的作用且便于对比分析，本文还将使用同样的方法和面板数据对传统投入与产出下的农业生产率进行测算，即，测算非气候因素下的农业生产率。详细结果见表2。

从表2中关于全国农业生产率的结果可知：第一，有21次的传统农业生产率的效率值大于气候变化下的农业生产率的效率值，共占60%。这意味着，在绝大部分年份中，气候变化的影响是负面的。例如，1989-1990年的传统农业生产率的效率值与气候变化下的农业生产率的效率值差异最大，效率差值达到了0.073；效率差值最小的年份为1978-1979年，其两者的生产率指数值相差0.0003。造成这样情况的原因可能在于：其一，全球气候变暖使得地表水蒸发加速，降水分布存在不均匀的现象，导致降水量的增多不利于全国宏观层面的农业生产率的提高；其二，随着气温升高、日照时数变长，地面的积温上升，导致农作物的生长对化肥、农药的需求增大，投入品的增加和要素的成本提升，不利于农业生产率的发展。第二，有14次的气候变化下农业生产率的效率值高于传统农业生产率效率值，占40%。这说明气候变化在这些年份中起到的作用是积极的、正向的。例如，在1979-1980年气候变化下的农业生产率大于传统农业生产率，差异值达到了0.0608。气候变化给农业生产带来了不利，同时也带来了有利的因素。例如，降水量的增加使缺水地区的农作物增加了水量、气温的升高和日照的增多使农作物的产量提升等。第三，传统农业生产率的效率值大于1的次数共有21次，气候变化下的农业生产率效率值大于1的次数有20次，这说明我国农业生产率有了很大的提升。基于Window Malmquist指数的特点，大于1的指数效率值说明该年的农业生产率相比前一年有了很大的提升。从计算的结果可知，考虑了气候因素的农业生产率大于1的次数比传统农业生产率的次数少了1次。第四，从图2的传统农业生产率与气候变化下农业生产率的对比图可知，考虑气候变化因素后使得农业生产率更为稳定、波动更小。这也说明了气候因素是保障农业生产率稳定的主要因素之一。

表2 传统农业生产率与气候变化下农业生产率的比较分析

尽管气候变化对农业生产率造成的影响无法给出统一的结论，但是从分地区的结果来看，气候变化对不同地区的影响呈现出不同的特点。从表2的分地区结果来看：第一，东部地区的传统农业生产率效率值大于气候变化下农业生产率效率值的有19次，气候变化下的农业生产率效率值更大的次数为16次。这说明考虑了气候变化因素后的农业生产率效率值降低了。第二，中部地区的农业生产率和东部地区呈现了相似的情况，有19次的传统农业生产率效率值更大，有16次的效率值比气候变化下的农业生产率效率值更小。第三，西部地区的农业生产率呈现了与东部、中部地区不同的特点。在西部地区，共有19次的气候变化下的农业生产率高于传统农业生产率，这说明了西部地区气候变化对农业生产率的影响利大于弊，这主要是由于西部地区得益于日照时数和降水量对农作物的灌溉等。第四，在东北地区的农业生产率呈现出和东部、中部地区一样的变化特征。据统计，共有19次的传统农业生产率效率值大于气候变化下的农业生产率效率值。

综上可知，气候变化对我国农业生产率的影响存在利弊，具体来说，有利于我国西部地区的农业生产率，但是对其他地区的农业生产率存在一定的限制作用。

(二)气候变化下农业生产率测算：省际差异

为了具体分析气候变化对各地区农业生产率影响的差异，本文在此处将选用1978-1979年和2012-2013年的农业生产率进行比较分析。同样，此处使用的是在规模报酬可变下的Window Malmquist指数来对31个省的农业生产率进行测算，详见表3。

图2 传统农业生产率与气候变化下的农业生产率波动变化情况

地区1978-19792012-1013传统气候传统气候地区1978-19792012-1013传统气候传统气候上海1.00001.00001.00001.0000河北1.02101.00951.06451.0859云南0.86230.98451.06520.9845河南0.90850.91341.00801.0000内蒙古0.94780.99841.07311.0117浙江0.97640.97641.00001.0000北京0.97141.03041.07541.0000海南1.04091.00001.00001.0000吉林0.89340.99671.00641.0000湖北1.39861.17091.05250.9991四川0.97100.99351.00001.0000湖南0.97831.00880.98180.9622天津1.08611.08651.06131.0482甘肃1.05511.00001.02110.9557宁夏0.88921.00281.00941.0820福建0.93670.93511.00001.0000安徽0.92180.90601.00810.9713西藏0.98720.98720.97401.0000山东0.88331.00511.00001.0000贵州0.98931.00281.09951.0000山西1.12561.05801.02460.9823辽宁1.02851.01211.03061.0058广东1.00001.00001.02141.0000重庆0.99931.00001.04611.0000广西1.41921.10371.04180.9453陕西1.02141.04611.10180.9118新疆0.90421.00001.04481.0000青海0.86401.00001.10531.0000江苏1.26380.90101.01251.0000黑龙江0.98731.00001.00001.0000江西1.00871.01001.06100.9867均值1.01101.00451.03190.9978

从表3的结果可知：第一，从全国的平均值来看，1978-1979年的传统农业生产率和气候变化下的农业生产率都大于1，分别为1.011和1.0045。这说明在该年份农业生产率较前一年有了提升，尽管考虑了气候变化后的农业生产率有小幅度的减少，但是都大于1。另外，2012-2013年的传统农业生产率为1.0319，而气候变化下的农业生产率为0.9978，这说明了该年份的农业生产率被高估了，气候因素使该年份的农业生产率恶化。第二，上海的农业生产率在传统视角和气候变化视角下都为1，没有发生变化。这可能是由于上海自改革开放以来致力于发展城市经济，其农业规模较小，无论是否考虑气候变化因素，农业生产率的变化较为稳定。第三，以宁夏为例，气候变化下的农业生产率效率值均高于传统农业生产率效率值。1978-1979年，宁夏的传统农业生产率为0.8892，其效率值低于1，说明该年份的农业生产率较前一年有恶化的趋势。但是，值得注意的是，考虑气候变化因素后的农业生产率效率值达到了1.0028，这说明了气候因素使得宁夏地区的农业生产率有了很大的提升。此外，2012-2013年，该地区的农业生产率也呈现了同样的差异。这说明了以宁夏为例的西部地区是气候变化的受益地区。第四，传统农业大省，例如湖北省，传统农业生产率效率值远远大于气候变化下农业生产率效率值。1978-1979年，湖北省的传统农业生产率效率值为1.3986，远远大于标准值1。但是，考虑气候变化因素后的农业生产率效率值为1.1709，低于传统农业生产率的效率值。同样，2012-2013年的湖北省农业生产率也呈现了同样的特征，而且2012-2013年的气候变化下农业生产率低于了标准值1。这说明了中部地区的传统农业大省受到气候变化的影响呈现负面的作用。

(三)气候变化下农业生产率测算：要素分解与变化累计值(1978-2013)

此处，为了进一步分析出农业生产率的贡献因素，本文将使用前文的(1)-(2)式，将农业生产率进行分解，分解出效率变化和技术进步，然后使用Window Malmquist分析框架，将计算出其农业技术效率。接着，计算其变化的累计值，找出贡献作用最大的因素。为了比较分析，此处同样计算1978-2013年的传统农业生产率和气候变化下农业生产率及其分解要素的累积贡献值。结果详见表4。

表4 各省(区)传统农业生产率与气候变化下农业生产率的贡献因素变化累计值

注：累计值是将每一决策单元的每个分解要素和数值1进行相减，然后取绝对值。最后将所有变化值进行累积加总得出。这是观测生产率贡献因素的主要方法之一。

从表4的结果可知：从农业生产率的累积变化值来看，传统农业生产率的效率累积变化值为2.179，远远大于气候变化下的农业生产率效率累积变化(1.051)。这也证明了前文的一个观点：气候变化使农业生产率的变化趋于稳定。从农业生产率的分解要素累积变化值来看，可知：第一，技术效率累计变化值是农业生产率变化的最主要的贡献因素。从全国的平均值来看，传统农业生产率的技术效率累计变化值为8.379，而气候变化下的农业生产率的技术效率累计变化值为2.602。尽管两者数值的差异较大，但是，技术效率的累计变化值都是最大的贡献值。第二，效率变化累计值是农业生产率变化中贡献最小的因素。从表4的结果中可知，1978-2013年，传统农业生产率的效率变化累计值为1.390，而气候变化下的农业生产率的效率变化累计值为0.442，都是贡献因素中最低值。第三，技术进步是推动农业生产率提升的贡献因素之一。传统农业生产率的技术进步累积变化值为1.449，而气候变化下的农业生产率技术进步累积变化值为0.804。

综上可知，传统农业生产率和气候变化下农业生产率的分解要素中，不同的要素贡献度不一样。从分解的累积变化值来看，传统农业生产率的分解要素贡献度和气候变化下的农业生产率的分解要素贡献度呈现相同的趋势：技术效率累计变化值>技术进步累积变化值>效率变化累积值。

(四)气候变化下农业生产率测算：分阶段比较

为了进一步地分析农业生产率变化及各分解要素呈现出的不同，此处，按照我国经济发展的政策周期性，对1978-2013年间各省区农业生产率(包括传统农业生产率和气候变化下农业生产率)进行分阶段、分区域的比较分析，结果见表5。

从表5的结果可知：

第一，传统农业生产率和气候变化下农业生产率呈现“斜N”型态变化及波动趋势。在传统农业生产率中，“五五”时期的农业生产率为0.955，上升到“七五”时期的1.026，然后下降到“九五”时期的0.977后开始反弹，直到增长到“十二五”时期的1.036；在气候变化下的农业生产率中，“五五”时期的农业生产率为0.991，上升到“六五”、“七五”时期的1.002，随后下降到“九五”时期的0.998，之后上升到“十二五”时期的1.010。造成这样的原因可能在于：其一，自然灾害的影响。农业生产依赖于气候和自然因素，20世纪90年代的自然灾害频发，例如洪水等，不仅影响了农业产出，也对农业基础设施建设造成了困扰；其二，进入新世纪以后，连续多个“中央一号文件”的重视、惠农政策的实施，促使了“十一五”、“十二五”时期农业生产率的提升。

第二，从分解的要素来看，技术进步在“十五”时期以来都呈现出正向的贡献作用。无论是传统农业生产率，还是气候变化下的农业生产率，其技术进步贡献值都大于1，说明了进入新世纪以后，农业技术进步对农业生产率的作用更为明显，对农业生产率的提升起到了积极作用。经计算，1978年农业技术进步对农业增长的贡献为0.3，而2013年的农业技术进步在农业经济增长的贡献值为0.55左右。这也进一步说明了提高农业生产率，还需要进一步提升农业的技术进步。此外，效率变化呈现出“M”型的波动特征。在“五五”时期的气候变化下农业生产率的效率值为0.996，增长到“七五”时期的1.002，然后下降到“九五”时期的0.999，随后上升到“十一五”时期的1.001，最后下降到“十三五”时期的0.996。另外，从技术效率来看，气候变化下的农业生产率均大于传统的农业生产率。

第三，从分地区的结果来看，西部地区气候变化下农业生产率的效率值仅在“七五”、“十一五”和“十二五”低于传统农业生产率的效率值，其他时期都远大于传统农业生产率效率值；中部地区在“十五”时期以前，气候变化下农业生产率大部分都大于传统农业生产率(仅“七五”时期除外)，这说明在新世纪以前，气候变化对中部地区的影响是正向的。而进入新世纪以后，气候变化下农业生产率开始低于传统农业生产率，表明传统农业生产率被高估了；气候变化对东部地区的农业生产率的负面影响较明显，从表4的结果中可知，大部分时期的传统农业生产率都高于气候变化下的农业生产率，这也说明了东部地区的农业生产率被高估，这也侧面反映出，气候变化对农业生产率的限制和阻碍作用较为明显；在东北部地区，气候变化对农业生产率的影响呈现出差异作用。“五五”、“六五”时期的气候变化下农业生产率高于传统农业生产率，但是“十五”、“十二五”时期的气候变化下农业生产率效率值远低于传统农业生产率效率值。

表5 1978-2013年农业生产率及其分解要素的阶段性特征

注：表上各值为各区域各阶段的均值。

四、简要结论和对策

本文使用DEA方法下的新技术Window Malmquist指数模型，使用1978-2013年的中国31个省(区)的面板数据，估算了气候变化下的农业生产率变化情况，并比较分析了传统农业生产率和气候变化下农业生产率的差异，进一步分阶段、分区域进行对比分析，以期回答我国农业生产率是否被低估。通过实证分析后得出：第一，考虑了气候变化因素后的农业生产率波动更小与更稳定，这表明新方法下和考虑气候因素后的农业生产率测算更为精确。1978-2013年，有60%年份的气候变化下农业生产率大于传统农业生产率，表明尽管气候变化对农业生产率的影响无法给出统一答案，但是大部分年份呈现的是负面作用。也就是说，传统农业生产率在大部分年份是被高估的。第二，与其他地区不同，西部省份是受益于气候变化的地区，其日照时数、降水量的增加都促进了西部地区的农业生产率。此外，1978-2013年，传统农业大省的农业生产率有了很大提升，但气候因素起到了限制性的作用。第三，从分解的要素来看，技术效率的累积变化和技术进步是推动气候变化下的农业生产率提升的主要贡献因素。第四，在8个不同的政策时期内，气候变化下农业生产率的差异较大，且呈现“斜N”型态变化及波动趋势，表明新世纪以来的惠农政策对提高农业生产率具有显著作用。

基于以上结论，本研究的主要启示是：第一，加强气候变化对农业影响的系统性研究，降低农业生产的不确定性，进一步转变农业发展方式，由过去主要依靠传统农业要素投入向依靠技术进步、提升技术效率等方式转变，进一步加强对农业技术进步的研发和推广，提升农业技术进步在农业生产率中的贡献。第二，促进农业“提质增效”，由过去农业增长依靠产出量向提升农业质量转变，加大对农村劳动力的教育和技术培育，培育新型农业经营主体，发展效率高、规模适中的农业。第三，加强气象信息传输服务，运用“互联网+”的新模式构建农业气象信息平台，为农户等主体提供及时气象信息的同时提供应对方案，减少极端气候对农业生产的影响。第四，加大对农业基础设施建设的投资，完善农业基础设施，以应对不同气象问题、气象灾害带来的负面作用。