納入氣候因素的拉丁美洲和加勒比地區(qū)農(nóng)業(yè)全要素生產(chǎn)率再測(cè)算

陶鑫慶 劉松

摘要 拉丁美洲和加勒比地區(qū)作為全球重要的糧倉之一，其農(nóng)業(yè)生產(chǎn)在維護(hù)全球糧食安全中起著重要的作用。將氣溫、降水量因素納入農(nóng)業(yè)全要素生產(chǎn)率（TFP）評(píng)估體系，經(jīng)過對(duì)比分析發(fā)現(xiàn)：在未納入氣候因素情況下，LAC地區(qū)農(nóng)業(yè)TFP增長率明顯被高估；氣候因素對(duì)LAC地區(qū)農(nóng)業(yè)TFP增長造成負(fù)面影響；農(nóng)業(yè)技術(shù)進(jìn)步對(duì)該地區(qū)農(nóng)業(yè)TFP增長的貢獻(xiàn)不足。在納入氣候因素的情況下，LAC地區(qū)農(nóng)業(yè)TFP增長呈現(xiàn)“西高東低”的空間非均衡性特征，國家之間農(nóng)業(yè)TFP增長差異明顯。

關(guān)鍵詞 氣候變化；LAC地區(qū)；農(nóng)業(yè)全要素生產(chǎn)率；超效率SBM－DEA模型

中圖分類號(hào)：S165+.27 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2023）12–0-03

Recalculate the Total Factor Productivity of Latin America and the Caribbean Agriculture with Climate Factors

Tao Xin-qing et al（Yantai University， Yantai， Shandong 264000）

Abstract Latin America and the Caribbean， as an important global grain producer， plays a crucial role in maintaining global food security through its agricultural production. By incorporating temperature and precipitation factors into an assessment of agricultural total factor productivity （TFP）， it was found that without considering climate factors， the LAC region's agricultural TFP growth rate was significantly overestimated. Climate factors have a negative impact on LAC regions agricultural TFP growth. Agricultural technological progress contributes insufficiently to the region's agricultural TFP growth. Furthermore， when considering climate factors， LAC region's agricultural TFP growth exhibits a spatial non-equilibrium feature with “west high and east low”， and significant differences in agricultural TFP growth among countries are evident.

Key words Climate change; LAC region; Agricultural total factor productivity; Ultra-efficient SBM-DEA model

1 研究方法及數(shù)據(jù)說明

1.1 納入氣候因素的農(nóng)業(yè)全要素生產(chǎn)率理論探討

在影響農(nóng)業(yè)生產(chǎn)率的各類氣候因素中，氣溫、降水對(duì)農(nóng)業(yè)生產(chǎn)率存在顯著影響[1]。因此，選取氣溫和降水量2個(gè)主要因素作為氣候投入因素?；诖?，納入氣候因素的農(nóng)業(yè)TFP增長是指剔除機(jī)械、化肥、牲畜、飼料、土地、勞動(dòng)投入以及氣候要素等以外所有其他因素所帶來的農(nóng)業(yè)產(chǎn)出增長。

1.2 納入氣候因素的農(nóng)業(yè)TFP測(cè)度方法

1.2.1 超效率SBM－DEA模型 將超效率DEA與SBM模型結(jié)合，改進(jìn)了測(cè)算過程的有偏性。選擇投入導(dǎo)向的超效率SBM模型是從投入的角度對(duì)被評(píng)價(jià)DMU無效率程度進(jìn)行測(cè)量，關(guān)注的是在不減少產(chǎn)出的條件下，要達(dá)到技術(shù)有效各項(xiàng)投入調(diào)整的程度。超效率SBM模型的規(guī)劃式僅適用于有效決策單元，對(duì)SBM模型中有效的DMUk，其投入導(dǎo)向超效率SBM模型表示為[2]：

（1）

由除DMUk外的其他DMU構(gòu)建的生產(chǎn)可能集為：

（2）

被評(píng)價(jià)的DMUk在超效率SBM模型中的投影值（x，y），即模型的最優(yōu)解為，在由其他DMU構(gòu)建的生產(chǎn)可能集內(nèi)，距離前沿最近的點(diǎn)[3]。

1.2.2 基于超效率SBM－DEA的Malmquist

全要素生產(chǎn)率指數(shù)方法 當(dāng)被評(píng)價(jià)決策單位的數(shù)據(jù)包含多個(gè)時(shí)間點(diǎn)觀測(cè)值的面板數(shù)據(jù)時(shí)，Malmquist全要素生產(chǎn)率指數(shù)方法能較好地分析生產(chǎn)率的變動(dòng)情況及技術(shù)效率、技術(shù)進(jìn)步等對(duì)生產(chǎn)率變動(dòng)所起的作用。這種基于生產(chǎn)前沿面理論的非參數(shù)評(píng)價(jià)方法，最早源于Malmquist，因此將這一類指數(shù)命名為Malmquist指數(shù)，后被廣泛應(yīng)用于衡量生產(chǎn)效率的變化[4]。

M0=（xt+1，yt+1，xt，yt）=TEC×TC（3）

式（3）中，M0表示從第t期到第t+1期被評(píng)價(jià)單元的Malmquist指數(shù)；x表示投入向量；y表示產(chǎn)出變量。

Malmquist生產(chǎn)率指數(shù)=1時(shí)表示生產(chǎn)率效率不變，＞1表示生產(chǎn)率效率提高，＜1表示生產(chǎn)率效率降低[5]。

1.2.3 變量選取與數(shù)據(jù)來源 數(shù)據(jù)主要來源于糧農(nóng)組織（FAO）的投入產(chǎn)出數(shù)據(jù)集以及東英吉利大學(xué)氣候研究部（CRU）的氣候數(shù)據(jù)集。其中，投入產(chǎn)出數(shù)據(jù)涵蓋1961—2014年這54年期間28個(gè)LAC地區(qū)國家。選取1項(xiàng)總產(chǎn)出和6項(xiàng)常規(guī)投入（投入產(chǎn)出變量：產(chǎn)出以該地區(qū)農(nóng)業(yè)生產(chǎn)總值表示；土地是雨養(yǎng)耕地的總量，以千公頃表示，對(duì)灌溉農(nóng)田和永久牧場(chǎng)的各類土地進(jìn)行加權(quán)處理，統(tǒng)一為雨養(yǎng)耕地；人力是從事農(nóng)業(yè)活動(dòng)的經(jīng)濟(jì)活躍人口總數(shù)，以千人表示；機(jī)械是40馬力拖拉機(jī)當(dāng)量的農(nóng)業(yè)機(jī)械的總和，由兩輪、四輪拖拉機(jī)和聯(lián)合收割機(jī)的數(shù)量聚合得出；化肥是氮、磷和鉀的數(shù)量，即數(shù)千噸；牲畜是牛、綿羊、山羊、豬、雞、火雞、鴨和鵝的總和，以牲畜單位的權(quán)重，每個(gè)物種的大小加權(quán)得出；飼料是來自作物、作物加工殘留物和動(dòng)物和魚類產(chǎn)品的干飼料的量，以千噸表示）（表1）。氣候數(shù)據(jù)涵蓋1961—2014年期間LAC地區(qū)28個(gè)國家的降水量和溫度數(shù)據(jù)。降水和溫度數(shù)據(jù)都是基于每月的氣候觀測(cè)，將年度數(shù)據(jù)計(jì)算為12個(gè)月的平均值。

由圖1可知，整個(gè)LAC地區(qū)平均氣溫均呈波動(dòng)增長的趨勢(shì)。LAC地區(qū)的平均氣溫由1961年的23.22 ℃增加至2014年的23.79 ℃，整體增溫0.57 ℃。此外，可以看出，加勒比地區(qū)的平均降水波動(dòng)明顯，1967年降水月平均降水為97.05 mm，2010年月平均降水則高達(dá)189.68 mm，相差近1倍。

2 農(nóng)業(yè)全要素生產(chǎn)率的測(cè)算與分解

2.1 納入與未納入氣候因素的農(nóng)業(yè)TFP比較

以下是對(duì)納入與未納入氣候因素的LAC地區(qū)農(nóng)業(yè)TFP進(jìn)行再估算和比較分析的結(jié)果（表2）。從表2可知，在納入氣候因素的情況下，1961—2014年，LAC地區(qū)的農(nóng)業(yè)TFP指數(shù)由1.002 6降至0.995 9，降低了0.67%。其中，農(nóng)業(yè)技術(shù)進(jìn)步由1.000 9降至0.996 9，降低了0.4%。農(nóng)業(yè)技術(shù)效率由1.001 7降至0.999 1，降低了0.26%。因此，總體上看，氣候變化對(duì)LAC地區(qū)農(nóng)業(yè)TFP增長產(chǎn)生了負(fù)面影響。

由圖2可以看出，相較于傳統(tǒng)農(nóng)業(yè)TFP，納入氣候因素的農(nóng)業(yè)TFP波動(dòng)幅度更小，意味著將氣候因素考慮在內(nèi)，LAC地區(qū)農(nóng)業(yè)TFP增長表現(xiàn)得更為穩(wěn)定。

2.2 納入與未納入氣候因素的農(nóng)業(yè)TFP增長的空間特征

將氣候因素（平均氣溫、平均降水量）納入農(nóng)業(yè)TFP的測(cè)算指標(biāo)體系中，LAC地區(qū)各國家農(nóng)業(yè)Malmquist生產(chǎn)率指數(shù)及其分解結(jié)果見表3。

結(jié)合表3可以得出，納入氣候因素后，LAC地區(qū)的農(nóng)業(yè)TFP指數(shù)為0.995 9，其中技術(shù)進(jìn)步為0.996 9，技術(shù)效率為0.999 1，技術(shù)效率比技術(shù)進(jìn)步高出了0.22%。這表明氣候變化背景下技術(shù)效率對(duì)于LAC地區(qū)農(nóng)業(yè)TFP增長的貢獻(xiàn)相對(duì)較大，而技術(shù)進(jìn)步的作用相對(duì)較小。

結(jié)合圖3可以看出，納入氣候因素的情況下，中美洲地區(qū)的農(nóng)業(yè)TFP指數(shù)最高，南美洲地區(qū)次之，加勒比地區(qū)最低，由此可以得出：LAC地區(qū)的農(nóng)業(yè)TFP增長呈現(xiàn)“西高東低”的格局。

2.3 納入與未納入氣溫因素的農(nóng)業(yè)TFP比較

在考察氣候因素對(duì)農(nóng)業(yè)的影響時(shí)，鑒于氣溫因素可能產(chǎn)生的影響較為嚴(yán)重，將分別針對(duì)僅包含氣溫因素的農(nóng)業(yè)全要素生產(chǎn)率（TFP）指數(shù)，以及同時(shí)包含氣溫和降水因素的農(nóng)業(yè)TFP指數(shù)，展開比較分析。

根據(jù)表4的數(shù)據(jù)分析，可以發(fā)現(xiàn)氣候變化對(duì)拉丁美洲和加勒比地區(qū)（LAC）

農(nóng)業(yè)全要素生產(chǎn)率（TFP）的負(fù)面影響主要表現(xiàn)在氣溫方面。相較于不納入氣候因素的傳統(tǒng)農(nóng)業(yè)TFP，考慮氣候因素（氣溫和降水量）的農(nóng)業(yè)TFP年均增長率降低0.67%，而僅考慮氣溫因素的農(nóng)業(yè)TFP指數(shù)下降0.55%。這一下降比例約占?xì)夂蛞蛩貙?dǎo)致的LAC地區(qū)農(nóng)業(yè)TFP增長率下降水平的82%。因此，在影響農(nóng)業(yè)TFP的氣候因素中，氣溫變化對(duì)農(nóng)業(yè)TFP增長的影響尤為顯著。

3 結(jié)論與啟示

采用超效率SBM-DEA方法，對(duì)LAC地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行了測(cè)算和分析。研究結(jié)果表明，氣候因素對(duì)LAC地區(qū)農(nóng)業(yè)TFP增長具有重要的影響。

氣候因素尤其是氣溫對(duì)LAC地區(qū)農(nóng)業(yè)TFP增長造成了負(fù)面影響。第一，若不考慮氣候因素，LAC地區(qū)54年的農(nóng)業(yè)TFP增長率會(huì)被高估。同時(shí)，在氣溫和降水2個(gè)影響農(nóng)業(yè)TFP的主要?dú)夂蛞蛩刂?，該地區(qū)的氣溫的變化對(duì)其農(nóng)業(yè)TFP增長的影響更為顯著。第二，納入氣候因素的情況下，LAC地區(qū)農(nóng)業(yè)TFP增長呈現(xiàn)“西高東低”的格局。同時(shí)，在LAC地區(qū)，農(nóng)業(yè)技術(shù)效率是推動(dòng)農(nóng)業(yè)TFP增長的主要驅(qū)動(dòng)力，而農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)生產(chǎn)力增長的貢獻(xiàn)有限。長期以來，LAC地區(qū)農(nóng)業(yè)TFP增長基本是技術(shù)效率的“單驅(qū)動(dòng)”模式，技術(shù)進(jìn)步的推動(dòng)較為乏力。

據(jù)此，提出以下建議：

一方面，在關(guān)注農(nóng)業(yè)TFP增長時(shí)，考慮氣候因素的農(nóng)業(yè)TFP測(cè)算方法能更加準(zhǔn)確地反映出不同地區(qū)農(nóng)業(yè)發(fā)展的真實(shí)水平。同時(shí)，氣溫的持續(xù)升高對(duì)該地區(qū)農(nóng)業(yè)生產(chǎn)的壓力會(huì)不斷增加。因此，該地區(qū)應(yīng)從農(nóng)業(yè)耐熱及溫控技術(shù)入手，有針對(duì)性地提高農(nóng)業(yè)技術(shù)進(jìn)步，進(jìn)而積極應(yīng)對(duì)氣候變化對(duì)農(nóng)業(yè)生產(chǎn)帶來的挑戰(zhàn)。

另一方面，該地區(qū)應(yīng)依據(jù)實(shí)際情況，積極推動(dòng)農(nóng)業(yè)氣候適應(yīng)計(jì)劃，著力培育具備較強(qiáng)氣候適應(yīng)性的本土作物品種，從而降低氣候變化對(duì)當(dāng)?shù)剞r(nóng)業(yè)的負(fù)面影響。在此基礎(chǔ)上，充分發(fā)揮并鞏固該地區(qū)的農(nóng)業(yè)技術(shù)效率優(yōu)勢(shì)，重視農(nóng)業(yè)教育和培訓(xùn)，提高農(nóng)民的科技素養(yǎng)及農(nóng)業(yè)生產(chǎn)技能。同時(shí)，應(yīng)積極推行鼓勵(lì)新型氣候適應(yīng)技術(shù)投資的政策，加強(qiáng)區(qū)域間合作，共享農(nóng)業(yè)技術(shù)資源和信息，以彌補(bǔ)該地區(qū)農(nóng)業(yè)技術(shù)進(jìn)步的不足，進(jìn)而實(shí)現(xiàn)依靠技術(shù)創(chuàng)新與效率驅(qū)動(dòng)的“雙驅(qū)動(dòng)”模式，提高農(nóng)業(yè)全要素生產(chǎn)率，降低氣候變化對(duì)當(dāng)?shù)剞r(nóng)業(yè)的不利影響。

參考文獻(xiàn)

[1] Melissa D， Benjamin F J， Benjamin A O. “Temperature shocks and economic growth： Evidnce from the Last Half Century”[J]. American Economic Journal：Macroeconomics， 2012， 4（3）： 66-95．

[2] 查道林，陳思，楊茜.“雙一流”建設(shè)高?？蒲行始坝绊懸蛩貙?shí)證研究：基于超效率SBM-Malmquist-Tobit模型[J].教育與經(jīng)濟(jì)，2022，38（3）：9-16.

[3] 趙傳松，劉華軍.基于城市群視角的中國經(jīng)濟(jì)發(fā)展南北差距研究[J].中國人口·資源與環(huán)境，2023，33（2）：134-142.

[4] Malmquist S. Index numbers and indifference curves[J]. Trabajos de Estadistica， 1952， 4（2）： 209-242.

[5] 吳新慧.中國流通業(yè)全要素生產(chǎn)率測(cè)算及其趨同效應(yīng)檢驗(yàn)[J].統(tǒng)計(jì)與決策， 2023，39（16）：96-100.