環境規制、農業綠色生產率與糧食安全

展進濤　徐鈺嬌

摘要 綠色發展將成為中國未來糧食安全保障的重點內容，衡量農業綠色生產率有利于判斷當前的發展位點，且合理的農業環境規制是促進綠色生產效率提升和解決糧食供需矛盾的有效途徑。本文引入碳排放交易和排污費征收標準，在將考慮了環境成本的農業綠色GDP作為產出運用隨機前沿函數模型（SFA）核算中國2000—2015年省級農業綠色全要素生產率的基礎上，采用GMM方法檢驗了農業綠色全要素生產率與糧食安全保障程度之間是否具有因果關系，并構建聯立方程模型具體分析了兩者之間的影響機制，以及不同環境規制因素對兩者的驅動機制。結果表明：①2000—2015年間全國平均農業綠色全要素生產率年均增長4.10%，呈現明顯的時序波動性以及地區之間的梯度性特征;②農業綠色全要素生產率和糧食安全之間存在雙向因果關系;③農業綠色生產率的提高會降低糧食安全的保障程度，而過度重視糧食安全保障反過來會抑制農業綠色生產率的增長;④命令控制型環境政策規制對農業綠色全要素生產率和糧食安全均產生正向影響，激勵性碳排放交易規制對農業綠色全要素生產率和糧食安全分別產生了正向作用和負向作用，自愿性環保投資規制僅對農業綠色全要素生產率產生了顯著正向影響。因此，精心設計環境監管工具，改善環境規制政策的適度性和適用性，建立強化能夠充分調動農民實施清潔生產的激勵機制和市場化排污交易機制，大力整合不同類型環境法規從而構建均衡的“環境規制組合”體系，是提高農業綠色生產率增長和保障糧食安全可持續發展的關鍵。

關鍵詞 農業綠色生產率;糧食安全;環境規制;因果關系;聯立方程模型

中圖分類號 F326.11文獻標識碼 A文章編號 1002-2104（2019）03-0167-10DOI：10.12062/cpre.20181016

21世紀以來，中國農業經濟迅猛發展，但也付出了較大的環境代價。伴隨著保持經濟持續增長和資源環境趨緊的雙重壓力，“十三五”時期，中國前所未有地將“綠色”定位為“發展理念”，農業部門成為這時期綠色增長的重點之一;同時，“十九大”報告也提到要推進綠色發展，特別強調要加強農業面源污染防治整治行動。據中國國家統計局統計，中國糧食產量由2000年的46 217.5萬t增長到2016年的61 625.0萬t，這與以高產良種為中心配以電力灌溉、機械化播種收割、溫室養殖以及農藥化肥等技術的生產方式息息相關，然而促使農業綠色增長面臨著水資源消耗大、環境污染嚴重和農業生產率低三重障礙。其中，化肥施用、化學需氧量和溫室氣體排放是農業污染的重要來源。關于農業資源環境承載力測算的問題，過去的規劃更多注重吃進去的，較少考慮排出來的。在中國，大尺度上以耕地面積作為環境承載力測算的依據需要重新審視，因為土地并不是唯一的資源環境約束條件，還有水、氣候等因素。新時代對農業綠色發展的要求是應全要素系統推進。因此，多維度評估中國農業綠色全要素生產率目前處于什么位置，如何在進一步提高農業生產效率的同時不逾越資源環境承載能力，是中國實現農業可持續發展的關鍵。

目前，關于農業全要素生產率（TFP）測算，國內外學者大多采用索洛余值法、前沿面的非參數數據包絡分析（DEA）和參數隨機前沿分析（SFA）三種方法[1]，由于數據集的不同，產生了不同的研究結果。關于納入環境因素的農業生產率測算，由于“綠色生產率”的概念提出較為滯后，該領域研究尚處于起步階段。最早，Oskam[2]利用索洛余值，將大氣污染、水污染、土壤污染等環境因素納入農業TFP測算。隨后，Ball等[3]基于DEA-Malmquist生產率指標，推導出了非合意產出的虛擬價格，從而得出環境敏感性Fisher生產率變化指數。Hoang等[4]基于隨機前沿距離函數分析了考慮環境績效的農業TFP。近年來，Kuosmanen[5]結合SFA模型和DEA模型形成了隨機半參數數據包絡模型（StoNED），納入農業CO2排放、氮儲量和磷儲量，測算了1990—2004年經合組織國家的農業綠色生產率。國內關于農業綠色生產率的測算較少，同時，由于污染物價格信息無法獲取，主要采用支持多投入多產出的非參數DEA方法，而基于SFA方法的研究十分匱乏，僅個別研究把農業排污作為一種負的要素投入納入SFA模型中。但SFA構建的是隨機性生產前沿，較為符合農業生產特征，故目前的研究基于SFA構建了環境效率等新的指標作為延伸。大部分研究表明，中國的農業綠色全要素生產率在研究期內處于增長狀態，地區間農業綠色生產率差異明顯。

從農業部門可持續發展的內容來看，除了農業綠色全要素生產率增長，還包括糧食安全可持續性的保障。在經濟發展新常態的大背景下，面對農業生產成本攀升、國內外農產品價格倒掛，以及資源環境壓力持續加大的多重擠壓，確保糧食有效供給和質量安全，對于經濟社會發展全局至關重要。長期以來，為解決糧食總量不足的矛盾，中國依托資源環境，過度開發水、土壤等自然資源生產要素的邊際產能，農業資源環境的承載力越來越弱，糧食安全的可持續保障令人擔憂。“十三五”時期，中國正在全面貫徹鄉村振興戰略和農業供給側結構性改革，提出要始終把握好保障國家糧食安全是農業結構性改革的基本底線，矯正要素配置扭曲，提高全要素生產率，推動農業發展綠色化，走產出高效、產品安全、資源節約、環境友好的農業現代化道路。因此，探索中國目前的糧食安全和農業綠色生產率是否相輔相成，如何建立糧食安全戰略和農業綠色發展的對接機制是十分必要的。

由于農業生產依托的資源利用和產生的環境污染具有外部不經濟性，環境規制作為一種干預手段是實現經濟與資源環境協調發展和確保糧食生產可持續性的重要途徑。隨著國家對綠色發展和環境保護的重視，中國頒布了《農藥管理條例》《基本農田保護條例》和《農業部關于打好農業面源污染防治攻堅戰的實施意見》等環境規制政策，實施了環保項目投資等環境規制措施。此外，碳排放交易運用市場機制作為一種新興的環境規制工具也逐步應用到中國的綠色發展中。傳統觀點認為環境規制會增加生產成本，對經濟發展產生擠占生產和營利性投資的效應[6]，環境研發對非綠色研發也會產生擠出效應，傳統高效高耗能型生產技術的使用受限，繼而可能降低產業的增長率和糧食安全保障程度;然而“波特假說”認為恰當設計的環境規制可以刺激技術創新，尤其是清潔生產技術的創新，從而減少費用，提高產品質量，達到提高生產效率和糧食安全保障程度的作用[7]。因此，如何依照具體國情制定相應的農業環境規制措施，是世界各國，尤其是發展中國家亟待解決的難題。XIE[8]等研究了不同環境規制對中國整個宏觀經濟綠色生產率的影響，但現有文獻僅有少數尋找代理指標籠統地研究了農業環境規制對綠色生產率和糧食安全的影響，如潘丹[9]以污染治理項目投資表征環境規制，研究得出其對農業綠色生產率的影響為正但不顯著;梁流濤[10]通過專家打分的特爾菲方法量化了農業污染管理制度，研究得出其對農業環境技術效率影響顯著為負;祝志勇[11]等用產污強度表征環境規制得出其與糧食產量呈現倒U型關系。然而，環境規制的渠道多樣，如果不分別分析各類規制措施對農業綠色生產率和糧食安全的影響程度，也不利于具體規制的制定和實施。因此，本文進一步細化環境規制因素，根據環境規制的分類探討了中國目前采取的各類規制措施是否得當有力，綠色增長與保供給、保增收是否可以兼顧。

1 實證分析模型與數據

1.1 隨機前沿分析模型設定

將環境污染納入農業全要素生產率測算框架主要有兩種途徑，一種是將環境污染作為非合意產出，另一種是將環境污染作為要素投入[12]。由于污染物的價格信息難以準確獲取，所以目前國內主要引入方向性距離函數，采用支持多投入多產出的數據包絡方法（DEA）。但DEA方法無法解釋噪聲和用來研究傳統假設檢驗。因此，本文結合傳統生產率理論和資源環境經濟學，以綠色GDP的視角展開，引入碳排放交易市場和排污費征收標準，嘗試把可以獲取價格信息的污染變量納入產出核算體系，把無法獲取價格信息的污染變量納入投入核算體系，運用較為符合農業生產特征的SFA方法測度考慮環境成本后的中國農業綠色全要素生產率變化指數[13]。

本文以Battese和Coelli[14-15]時變非效率SFA模型為基礎，將農業生產總值減去環境成本作為綠色產出（不考慮林牧漁業），氮磷流失分別作為負的要素投入，構建相對靈活的超越對數函數形式的隨機前沿模型：

lnYit=β0+βtt+12βttt2+∑m（βm+βmtt）lnXitm+∑n（βn+βntt）lnZitn+12（∑m∑jβmjlnXitmlnXitj+∑m∑nβmnlnXitmlnZitn+∑n∑kβnklnZitnlnZitk）+Vit-Uit（1）

其中，Yit表示第t年第i個省的綠色產出;Xit是一個n×1階的傳統投入向量，Zit是一個m×1階的環境要素投入向量，表示第i個省在第t年的各要素投入量;β表示要估計的未知參數向量;Vit表示隨機誤差，是獨立于投入和技術水平且服從正態分布N（0，σ2v）的隨機統計噪聲;Uit表示在給定適當結構下的技術無效因素，且Uit≥0，衡量存在技術非效率時的實際產出Yit與具有完全效率時的最大經濟產出F（Xit，Zit，t;β）之間的距離，即滿足：

Uit=zitδ+Wit（2）

其中，zit表示隨著時間推移與技術非效率有關的一個1×k階解釋變量;δ是一個k×1階未知參數;隨機變量Wit服從截尾正態分布N（0，σ2），截斷點為-zitδ，且Wit≥-zitδ;Uit服從非負截尾正態分布N+（ zitδ，σ2）。因而，第i個省在第t年的農業綠色技術效率GTEit可以表示為該生產單元的產出期望與隨機前沿期望的比值：

GTEit=exp（-Uit）=exp（-zitδ-Wit）（3）

從t年到t+1年第i個省的綠色技術效率變動可以按如下公式計算：

GECHt，t+1i=GTEt+1iGTEti（4）

控制其他因素后，第i個省在第t年的前沿技術進步率為前沿生產函數F（·）對時期t的偏導。由于技術變化是非中性的，根據全炯振[1]的研究，技術變化指數可以按如下公式計算：

TCHt，t+1i=[（1+lnF（Xit，Zit，t;β）（t））×（1+lnF（Xit+1，Zit+1，t+1;β）（t+1））]12（5）

運用Malmquist生產率變化指數的原理，農業綠色生產率（GTFP）的變動可以表示為：

GTFPCHt，t+1i=GECHt，t+1i×TCHt，t+1i（6）

GTFPCHi指數大于1表示第i個省的農業綠色全要素生產率相較于上一時期呈增長水平。

1.2 數據來源與變量統計性說明

1998年，聯合國環境署在《國際清潔生產宣言》中，最早提出了“綠色生產率”的概念。隨后，Tolentino指出綠色生產率是企業在將污染治理到對社會無害時的生產率水平[16];胡鞍鋼指出綠色生產率是扣除對自然資源的消耗和環境破壞后的生產率水平[17]。因此，綠色生產率的決定因素包括物質資本、人力資本、技術知識和自然資源與環境，本文根據這四大因素確定了以下要素投入變量和產出變量。

（1）環境污染變量。根據Kuosmanen的定義，農業特定的環境問題包括氮流失、磷流失、溫室氣體排放、化石燃料的消耗、有毒農藥的使用和土地利用多樣化等[5]。這里將環境污染變量主要分為氮磷流失、二氧化碳（CO2）排放和化學需氧量（COD）排放。關于氮磷流失，目前中國沒有直接統計氮肥和磷肥流失量的數據，因此根據《第一次全國污染源普查公報》得到的2007年農業氮流失量和磷流失量，以其占當年全國氮肥和磷肥使用量的比重得出氮流失率和磷流失率，并假定各省各年的氮磷流失率與此相同，基于各省歷年的氮肥和磷肥使用量得到其氮流失量（ne）和磷流失量（pe）;關于農業CO2排放，沒有直接的數據可以使用，這里用李波等[18]的方法來預測省級CO2排放水平，C=∑Ci=∑Ei×θi，其中Ci表示第i種農業碳排放來源的CO2排放數量，Ei表示第i種農業碳排放來源的數量，θi表示第i種農業碳排放來源的系數;關于農業COD排放，參考賴斯蕓等[19]和陳敏鵬等[20]的單元調查評估法獲取。

（2）傳統投入變量。農業生產使用的投入要素主要包括勞動力、土地、資源等變量。其中，勞動力和土地投入分別選擇第一產業從業人員數量（x1）和農作物總播種面積（x2）;水資源、機械和生物化學資源投入選擇農業有效灌溉面積（x3）、農業機械總動力（x4）和有效化肥施用量（x5）表示。關于有效化肥施用量，常規統計資料中沒有直接統計數據，因此利用環境污染變量中已經得出的氮流失量和磷流失量，由于磷肥折存量是指五氧化二磷（P2O5）的量，需用磷流失量除以系數43.66%得出磷肥流失折存量，再結合當年農業化肥施用折存量，用化肥施用折存量減去氮肥流失折存量（即氮流失量）和磷肥流失折存量得到各省各年的有效化肥施用量。

（3）考慮環境成本的綠色產出變量。1973年以后，聯合國統計委員會和歐洲經濟委員會編制了《生態環境手冊》，指出綠色GDP核算的基本精神是把生態和環境資源影響折算為貨幣，即綠色GDP=GDP-經濟活動所造成的環境虛擬成本，環境虛擬成本是指恢復生態環境資源惡化或破壞所需要花費的代價（已經考慮了當年環境保護的實際支出）。因此，考慮環境成本的農業綠色產出變量=農業生產總值-碳排放成本-水污染排放成本。其中，碳排放成本= CO2排放量×碳排放交易價格，水污染排放成本=COD污染當量數×0.7元=（COD排放量/COD污染當量值）×0.7元，均以農業生產資料價格指數將當年價折算為2000年不變價。

本文使用的數據主要來源于2001—2016年《中國統計年鑒》《中國農村統計年鑒》《中國農業統計年鑒》《排污費征收標準管理辦法》和中國碳排放交易網（由于數據缺失，研究數據不包括港澳臺地區）。產出與投入指標的統計描述見表1。

2 農業綠色全要素生產率變化指數的時空差異分析

由上述模型公式和Stata14.0軟件計算得出全國各省市區域不同階段的農業綠色全要素生產率變化指數及分解指數如表2和表3所示。從農業GTFP的變化及動因看，2000—2015年間，在考慮環境成本和氮磷流失的環境約束條件下，全國平均增長4.10%，這與大多數研究得出的中國農業GTFP年均增長率在1%～6%之間基本一致。分解分析發現，中國農業GTFP的增長主要由技術進步水平提高推動，其平均增長率為4.00%;而綠色技術效率的平均增長率僅為0.12%。農業前沿生產技術不斷進步和綠色技術效率年際增長緩慢這一現象表明，今后保持農業GTFP持續增長的關鍵在于技術的研發，尤其是促進清潔生產技術的進步，但農業前沿技術的推廣應用是目前亟待改進的。

2.1 時序特征

從時間趨勢看，農業綠色全要素生產率的變化呈現明顯的波動性特征，把整個研究時期劃分為3個階段（“十五”“十一五”“十二五”）可以發現，拉長時間跨度后，不僅弱化了GTFP變化指數的波動性，不同時期GTFP變動模式也具有不同的特點（見表2）。第一階段，21世紀伊始，農業GTFP平均增長2.59%，由綠色技術效率水平上升和技術進步共同推動。其中，由于2003年淮河和渭河流域發生洪澇災害，GTFP較大幅度下降;第二階段，國務院嚴控了“十一五”期間全國主要污染物的排放量，同時，2007年5月，農業部發布了《農業生物質能產業發展規劃（2007—2015年）》，隨著中國應對氣候變化科技專項行動的開展，雖然2008年發生的南方低溫雨雪冰凍和汶川地震致使綠色技術效率下降，但技術進步水平大幅度提升（4.03%）依然帶動了GTFP平均增長4.49%;第三階段，隨著“十二五”期間農業可持續發展政策的出臺，《關于加快推進農業清潔生產的意見》《“十二五”農作物秸稈綜合利用的實施方案》和《測土配方施肥技術規范（2011年修訂版）》等政策法規相繼貫徹落實，GTFP平均增長5.22%，處于快速增長期，主要由前沿技術進步推動（6.20%），但由于資源無效配置造成的傳統要素投入利用效率低下，促使綠色技術效率惡化，平均下降0.91%。

2.2 空間分異特征

農業綠色全要素生產率的增長在地區之間呈現出一定的發展梯度。全國31個省、市、自治區中（不包括港澳臺地區），模型得出的農業GTFP在研究期內均處于年均增長狀態。按照GTFP增長率平均值大小將不同地區進行歸類，可以分為3個層次：高增長率地區（取值在（6%，9%]），由高到低依次寧夏、山西、黑龍江、重慶;中等增長率地區（取值在（3%，6%]），由高到低依次為湖北、江西、安徽、福建、青海、貴州、甘肅、山東、江蘇、河北、陜西、廣西、四川、天津、河南、吉林、海南;低增長率地區（取值小于3%），由高到低依次為北京、浙江、廣東、上海、遼寧、西藏、湖南、新疆、內蒙古、云南。為了進一步反映農業綠色生產效率變化的區域差異情況，本文按傳統的區域劃分方法，計算得出2000—2015年間GTFP年均增長率從大到小依次為中部（4.89%）、西部（4.01%）和東部（3.62%）。樣本期間，中部地區GTFP的正向增長是由綠色技術效率（0.21%）和技術進步（4.69%）共同驅動的;西部地區綠色技術效率年均下降0.24%，技術進步（4.28%）對GTFP的較快增長起到了很大誘導作用;東部地區的綠色技術效率年均上漲0.44%，但技術進步變化指數（3.19%）在地區之間相對較弱。究其原因，這主要與中國的農業布局向中部地區轉移有關，且東部地區農業技術水平基數較高，研發重點也更加傾向于非農部門，導致其技術進步相較于中西部提升緩慢。此外，西部地區綠色技術效率水平處于下降狀態，可能的解釋是西部地區農業生產條件與清潔生產技術相對落后，抗自然災害的能力相對較弱，以及農業生產者和政府較少關注農業生態環境建設。由此可見，農業綠色全要素生產率不僅與污染排放量有關系，還與區域經濟發展水平、農業生產條件、農業規模、政府政策以及農業生產技術等因素存在著對應關系。

3 農業綠色全要素生產率和糧食安全的因果關系檢驗

隨著農業綠色發展政策的貫徹落實，確保糧食安全與農業綠色經濟增長的矛盾日益突出。根據呂新業和冀縣卿[21]的論述，生態環境優化、生產率增長是提升糧食安全保障程度的重要途徑之一。但鐘甫寧認為，經濟增長會導致勞動力成本和生產成本上升，從而使糧食安全和農產品競爭力下降[22]。農業綠色生產率的增長可能是由農村非農部門產值上升帶動，同時過度重視綠色增長，也不利于保障中國的糧食安全水平。此外，從糧食安全的角度來看，一方面為確保糧食安全需要投入大量化肥、農藥等高耗能型技術，從而導致農業綠色生產率下降;另一方面糧食安全戰略帶動了糧食產量和農業經濟增長，由而傳統農業生產率的增長誘導了綠色生產率的增長。因此，農業綠色全要素生產率與糧食安全之間是互相影響的。目前，尚沒有針對中國情況為此進行實證分析，本文將嘗試做這方面的檢驗。

3.1 研究方法與變量選取

在討論農業綠色增長和糧食安全的關系時，由于宏觀數據和指標構建等原因，變量內生性、共同趨勢、度量誤差等問題會隨之出現，針對這些問題的常規做法是使用差分方法。在本文的分析中，我們借鑒Arellano和Bond[23]、Blundell和Bond[24]的分析方法，使用動態面板數據模型來檢驗農業綠色全要素生產率和糧食安全之間的因果關系。

在這一因果關系檢驗的分析框架下，估計模型的工具變量是與誤差項無關的被解釋變量的滯后值。用來檢驗中國農業綠色全要素生產率（GTFP）和糧食安全（GS）因果關系的系統模型為：

GTFPit=∑mjαiGTFPi（t-j）+∑mjρiGSi（t-j）+ui+εit（7）

GSit=∑mjαiGSi（t-j）+∑mjρiGFTPi（t-j）+ui+εit（8）

其中，GTFPit表示第i省t時期的農業綠色全要素生產率，上文核算綠色生產率增長是以上年為1的環比指數，因此將其轉化為2000年為1的累積值;GSit表示第i省t時期的糧食安全，根據聯合國糧農組織對糧食安全的定義，本文選用人均糧食占有量（即糧食總產量與年末人口數量的比值）來表征。為了充分利用被解釋變量滯后值所包含的所有信息，從而可以較完整地討論農業綠色生產率和糧食安全之間可能存在的長期和短期關系，本文使用動態差分廣義矩估計方法（差分GMM）來估計系統模型。

理論上，我們在檢驗農業綠色全要素生產率和糧食安全兩者之間的因果關系時，應考慮盡可能長的滯后期的影響。但是，為了避免模型估計時的過度識別問題，Holtzeakin和Schwartz[25]研究得出滯后期的選擇應小于整個研究期的1/3。借鑒相關研究的經驗，并且在估計方程時筆者分別嘗試考慮1期、2期、4期和5期滯后的影響，但參數估計結果并不顯著，因此，本文的系統模型設定了農業綠色生產率和糧食安全滯后3期的影響。此外，本文的檢驗使用了面板數據，作為一致估計，差分GMM能夠成立的前提條件是擾動項不存在自相關，因此，文章基于兩步估計量的標準差，對誤差項的序列相關性進行了檢驗。

3.2 檢驗結果

本文通過Stata14.0軟件運用動態差分廣義矩估計方法（差分GMM）估計了系統方程（7）和（8），具體檢驗結果見表4。

由表4可見，對于農業GTFP方程，糧食安全這一解釋變量在10%顯著性水平上通過了檢驗;而對于糧食安全方程，解釋變量GTFP和各期滯后均在1%水平上顯著。為了進一步檢驗上述結果的可靠性，Wald統計量及其伴隨概率顯示GTFP和GS方程模型在1%的顯著性水平上拒絕了“所有解釋變量的系數為零”的原假設，表明農業綠色全要素生產率和糧食安全之間存在雙向因果關系。此外，對于GTFP方程和GS方程，Arellano-Bond二階自相關檢驗的p值分別為0.605和0.499，故接受原假設“擾動項無自相關”;Sargan檢驗的p值均為0.999，故無法拒絕“所有工具變量均有效”的原假設。因此，該因果關系檢驗的方法和結果均可靠，且系統模型不存在過度識別約束問題。

4 環境規制對農業綠色全要素生產率和糧食安全的影響分析

4.1 計量模型與估計方法

為了考察環境規制對農業綠色生產率和糧食安全的影響，且由于農業綠色全要素生產率和糧食安全之間存在雙向因果關系，因此，本文將建立一個考慮兩者內生性的聯立方程模型。同時，由于環境規制的渠道多樣，借鑒趙玉明[26]等對環境規制的分類，從命令控制型、以碳排放交易市場為基礎的激勵性和自愿性規制研究環境規制對農業綠色生產率和糧食安全的作用程度，構建的聯立方程模型的基本形式如下：

GTFP=f（GS，EP×PI，CT×CI，EI，RD，DR，Dummy）（9）

GS=f（GTFP，EP×PI，CT×CI，EI，HC，DR，Dummy）（10）

其中，環境規制因素EP代表農業命令控制型環境規制政策因素，PI代表農業污染的相對排放水平，CT代表以碳排放交易市場為基礎的激勵性環境規制因素，CI代表CO2的相對排放水平，EI代表自愿性農業環保投資強度。借鑒Yang和Fan等[27]的研究本文設立EP與PI的乘積代表環境政策規制強度，CT與CI的乘積代表碳排放交易規制強度。為了確保聯立方程模型是可以識別的，本文在農業綠色生產率方程中增加了技術進步因素，用農業科研投資強度（RD）表征;在糧食安全方程中增加了農村人力資本（HC）因素。同時，為了控制每個地區自然災害和固有的其他社會經濟條件對農業綠色生產率和糧食安全的影響，還在兩個模型中增加了受災率（DR）變量和地區虛擬變量（Dummy）。

在估計聯立方程模型時，本文使用Zellner和Theil[28]提出的三階段最小二乘法（3SLS）將所有方程作為一個整體進行系統估計。對于一個多方程系統，如果方程中包含內生解釋變量，則對每個方程進行兩階段最小二乘法（2SLS）估計是一致的;但卻不是最有效率的，因為單一方程2SLS忽略了不同方程的擾動項之間可能存在相關性。同時，Greene[29]分析認為，當誤差項服從正態分布時，用3SLS對整個聯立方程系統同時進行估計是漸進有效的，且能夠對工具變量的有效性進行檢驗。

4.2 數據來源

根據已有研究和數據可獲得性，本文確定各環境規制變量和控制變量如下：①農業命令控制型環境規制政策，用省級當年施行的環境規制政策數量表示;②以碳排放交易市場為基礎的激勵性環境規制，借鑒Yang和Fan等[30]的研究，省級啟動碳排放交易市場以后該變量取值為1，之前取值為0;③污染和CO2的相對排放水平，借鑒朱平芳和張征宇等[31]的方法計算得出，使污染物計量避免了共線性和難以橫向可比的問題;④自愿性農業環保投資強度，用當年完成環保驗收項目環保投資額占地區生產總值的百分比表示;⑤農業科研投資強度，用農業科研投資占農業GDP的百分比表示;⑥農村人力資本，參照Hall和Jones[32]的思路，計算出農村居民平均受教育年限，再根據李谷成[33]的研究，將平均受教育年限轉化為農村人力資本量;⑦受災率，用受災面積占農作物總播種面積比重表示，反應不可控氣候因素影響。聯立方程模型的數據主要整理于1989—2016年《中國環境統計年鑒》《中國環境年鑒》《中國統計年鑒》和《中國科技統計資料匯編》，指標的統計描述見表5。

4.3 估計結果及分析

根據上文的分析，本文通過Stata14.0軟件運用三階段最小二乘法估計上述聯立方程模型的相關參數，具體估計結果見表6。

根據方程（9）的估計結果，糧食安全的系數在5%的顯著性水平上通過了檢驗，表明中國目前高耗能型的糧食安全保障方式對農業綠色生產率的增長具有顯著的負向影響;命令控制型環境政策規制、激勵性碳排放交易規制和自愿性環保投資規制均在1%顯著性水平上對農業綠色生產率產生正向影響，表明中國現有環境規制在整體上減少了農業污染排放。同時，根據“波特假說”，適當的環境規制可以促使更多創新技術和生產管理活動的進行，而這些創新將提高生產力，從而抵消由環境保護帶來的社會成本和生產成本，并且提升盈利能力和產品質量，因此，中國現階段農業環境規制產生的“創新補償”正效應抵消了“遵循成本”的負效應，從而促進了農業綠色生產率的提高;以農業科研投資強度衡量的技術進步對農業綠色生產率的影響為正但不顯著，這說明現階段中國農業技術進步并不會顯著改善農業綠色生產率，可能的原因是農業科研投資保障的技術進步方向分為高耗能型生產技術和清潔生產技術，目前中國清潔生產技術的研發正處于起步階段，并不能充分代替高耗能型生產技術的應用;受災率在1%顯著性水平上對農業綠色生產率表現出負向影響，這與農業的特殊性有關;地區因素影響部分顯著。

至關重要地，對比命令控制型環境政策規制與激勵性碳排放交易規制和自愿性環保投資規制對農業綠色生產率增長的影響，后兩者（系數為0.279和0.267）引發的對農業綠色生產率增長的激勵比前者（系數為0.106）更大。這是因為命令控制型環境政策規制通常要求生產者達到一定的環境標準，或采取某種污染減排技術。在這種情況下，大多數生產者傾向于采取一勞永逸的行為，例如簡單

地實施末端治理措施，或者購買排污權和繳納排污費。此外，排污權購買和排污費繳納是一項持續支出，會使被規制生產者負擔較重的運營成本。因此，市場化的排污權購買和排污費繳納更有效地將污染引起的社會成本轉化為生產者的私人成本，并推動生產者尋找最根本的解決方案，例如開展研發活動，優化資源配置以及重新協整產品和生產過程等。

根據方程（10）的估計結果，農業綠色生產率的系數在1%的顯著性水平上通過了檢驗，表明農業綠色生產率的增長可能是由遏制高耗能型投入帶動的，并且生產率增長導致了勞動力成本和生產成本上升，從而對糧食安全的保障產生了負向作用。同時，不同的環境規制因素對糧食安全的影響不同：①命令控制型環境政策規制與糧食安全。從回歸系數看，農業命令控制型政策規制在1%顯著性水平上對糧食安全的保障程度產生了正面影響。根據楊錦英等[28]的觀點，糧食生產主要依靠增加要素投入和提高生產率這兩條途徑，因此，上述結果表明命令控制型環境規制產生的“傳統生產率補償”正效應抵消了“要素投入遏制”負效應。②激勵性碳排放交易規制與糧食安全。模型估計結果表明，碳排放交易規制對糧食安全保障程度的影響顯著為負，究其原因，一方面中國的碳排放交易體系為化肥、農藥等高效高耗能型農業技術提供企業設定了排放限額進而影響了要素投入，另一方面中國目前的碳排放交易體系還為充分傳導入農業領域，導致“傳統生產率補償”效應無法帶來“雙贏”結果。③自愿性環保投資規制與糧食安全。從回歸系數看，環保投資規制對糧食安全的影響為正但不顯著，可能的解釋是環保投資項目在一定程度上促進了綠色生產率的增長，但并未明顯改善傳統生產率。此外，農村人力資本對糧食安全的保障程度表現出顯著的正向影響;受災率對糧食安全的影響為負但不顯著，表明中國的自然災害并沒有使糧食產量有明顯下降;地區虛擬變量通過了顯著性檢驗，表明地理位置是導致糧食安全保障程度存在地區差異的因素之一。

5 結論與政策啟示

隨著鄉村振興戰略和農業供給側結構性改革的貫徹落實，本文將農業部門可持續發展分為農業綠色全要素生產率增長和糧食安全可持續性的保障，認為環境規制的適用性和有效性是影響這兩大方面增長的重要因素。中國資源要素稟賦的有限性決定了農業可持續發展的障礙，從長期來看，一方面農業綠色生產率衡量的經濟增長帶來的勞動力成本和生產成本上升導致了糧食安全和農產品競爭力下降，另一方面為確保糧食安全而采取的粗放外延型農業生產方式又影響了綠色生產率的改善。然而，農業綠色生產率的增長毋庸置疑是確保糧食安全的根本動力，糧食安全的保障反過來又有助于誘導綠色全要素生產率的提高，增強農民自行生產和購買糧食的能力，形成良性互動局面，從而促進農業經濟可持續發展。

在理論分析和相關研究經驗的基礎上，首先，本文使用2000—2015年的中國省級面板數據，引入碳排放交易和排污費征收標準，將農業生產帶來的二氧化碳排放和化學需氧量排放轉化為環境成本納入生產率測算體系，同時考慮氮磷流失環境污染因素，結合隨機前沿函數模型，測算并分析了21世紀以來中國各省份及三大區域的農業綠色全要素生產率，發現2000—2015年間全國平均農業綠色全要素生產率年均增長4.10%，呈現明顯的時序波動性以及地區之間的梯度性特征。隨后，本文運用動態面板差分GMM方法對中國農業綠色全要素生產率和糧食安全之間的因果關系進行了嚴格檢驗，結果表明，農業綠色全要素生產率和糧食安全之間存在雙向因果關系。在此基礎上，本文通過構建聯立方程模型，從命令控制型、以碳排放交易市場為基礎的激勵性和自愿性規制這三方面研究了環境規制對農業綠色生產率和糧食安全的影響。研究發現，環境規制對農業綠色全要素生產率和糧食安全總體均有顯著影響，但不同類型的環境規制對農業綠色生產率和糧食安全的影響不同，命令控制型環境政策規制對農業綠色全要素生產率和糧食安全均產生正向影響，激勵性碳排放交易規制對農業綠色全要素生產率和糧食安全分別產生了正向作用和負向作用，自愿性環保投資規制僅對農業綠色全要素生產率產生了顯著正向影響。同時，在控制環境規制、技術進步、人力資本和地區因素的影響后，農業綠色生產率和糧食安全相互具有顯著的負相關效應。

根據上述分析，本研究得出了一些政策含義。首先，農業綠色全要素生產率呈現明顯的區域差異表明，中國未來必須避免重復東部地區“先污染，后治理”的模型。這要求中國政府加大力度，進行更加審慎慎重的政策設計，以防止污染轉移的可能性，抓住機遇走向“綠色農業”。其次，環境規制的不合理設計不能形成農業綠色全要素生產率增長的激勵，從而成為確保糧食安全階段中國農業發展方式呈現粗放和外延特征的重要原因。縱觀美國和歐盟的環境規制，美國關注生產外部性，其環境規制立足于農場法下，強調環境政策市場化運作，倚重可交易排污許可機制，依靠競標的方式來選擇項目參與者，同時，注重環境規制與其他政策協調運行;歐盟關注產品外部性，為了農業的可持續發展和農產品市場的平衡，歐盟啟動休耕等農業補償措施，逐步形成了歐盟農業生態補償政策體系，分別對生態敏感地區、保護農業生態環境行為和農村林業補償政策的實施建立了專項基金，并通過農產品環境標識制度（如有機農產品）和稅收手段調控農業環境。因此，我們應該清醒地認識到，盲目加強環境規制并不能自動提高農業綠色全要素生產率，反而會降低糧食安全保障程度，要在提高環境政策適用性和推動傳統末端治理模式向清潔生產方式轉變的情況下實現雙贏，關鍵還在于監管工具的精心設計和環境規制的合理制定。選擇精心設計的監管手段包含兩個含義：一方面，要制定適度穩定的農業環境規制強度和標準，繼續實施并確保“雙減”政策、土壤修復政策的全面推廣，大力發展循環農業和生態農業;另一方面，應積極推進環境規制工具由命令型向激勵型轉變，加強對環境友好型農業生產行為的補貼，同時，激勵型環境政策應從知識、信息、資金和市場需求等方面考慮提高對清潔生產技術研發的積極性，克服生產清潔技術所面臨的各種約束[34]，促進綠色科技興農。此外，中國應更加注重市場化手段在農業節能減排及環境保護方面的基礎性作用，通過開展環境稅、排污權交易試點，逐步建立健全統一的全國碳排放交易市場和水匯交易市場，并循序漸進構建適用于農業的交易機制。最后，針對中國目前農業環境規制手段相對單一（主要是命令控制型）的不足，應該加大對不同類型法規的整合力度，建立均衡的“環境規制組合”體系，以給予農民尤其是大農戶和農業企業選擇更先進技術實現節能減排和提升糧食安全保障程度的靈活性，為其競爭力創造協同效應。

參考文獻

[1]全炯振. 中國農業全要素生產率增長的實證分析：1978—2007年——基于隨機前沿分析（SFA）方法[J]. 中國農村經濟， 2009（9）：36-47.

[2]OSKAM A. Productivity measurement， incorporating environmental effects of agricultural production[J]. Developments in agricultural economics， 1991， 7（2）：186-204.

[3]BALL V E， NEHRING R. Incorporating environmental impacts in the measurement of agricultural productivity growth[J]. Journal of agricultural & resource economics， 2004， 29（3）：436-460.

[4]HOANG V N， COELLI T. Measurement of agricultural total factor productivity growth incorporating environmental factors： a nutrients balance approach[J]. Journal of environmental economics & management， 2011， 62（3）：462-474.

[5]KUOSMANEN T. Green productivity in agriculture： a critical synthesis[R]. Aalto University， 2013：19-21.

[6]JAFFA A B， PETERSON S R， PORTNEY P R， et al. Environmental regulation and the competitiveness of U.S. manufacturing： what does the evidence tell U.S.？[J]. Journal of economic literature， 1995， 33（1）：132-163.

[7]PORTER M E. Americas green strategy[J]. Scientific American， 1991， 264（4）：193-246.

[8]XIE R H， YUAN Y J， HUANG J J. Different types of environmental regulations and heterogeneous influence on ‘green productivity： evidence from China[J]. Ecological economics， 2017， 132：104-112.

[9]潘丹. 考慮資源環境因素的中國農業生產率研究[D]. 南京：南京農業大學， 2012.

[10]梁流濤， 曲福田， 馮淑怡. 基于環境污染約束視角的農業技術效率測度[J]. 自然資源學報， 2012（9）：1580-1589.

[11]祝志勇， 幸漢龍. 環境規制與中國糧食產量關系的研究——基于環境庫茲涅茨倒U型曲線[J]. 云南財經大學學報， 2017， 33（4）：64-72.

[12]王奇， 王會， 陳海丹. 中國農業綠色全要素生產率變化研究：1992—2010年[J]. 經濟評論， 2012（5）：24-33.

[13]李谷成. 中國農業的綠色生產率革命：1978—2008年[J]. 經濟學（季刊）， 2014， 13（2）：537-558.

[14]BATTESE G E， COELLI T J. Frontier production functions， technical efficiency and panel data： with application to paddy farmers in India[J]. Journal of productivity analysis， 1992， 3（1-2）：153-169.

[15]BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J]. Empirical economics， 1995， 20（2）：325-332.

[16]TOLENTINI A L. New concepts of productivity and its improvement[C]. Budapest： European Productivity Network Seminar， 2004：13-14.

[17]胡鞍鋼， 鄭京海， 高宇寧，等. 考慮環境因素的省級技術效率排名（1999—2005）[J]. 經濟學（季刊）， 2008（3）：933-960.

[18]李波， 張俊飚， 李海鵬. 中國農業碳排放時空特征及影響因素分解[J]. 中國人口·資源與環境， 2011， 21（8）：80-86.

[19]賴斯蕓， 杜鵬飛， 陳吉寧. 基于單元分析的非點源污染調查評估方法[J]. 清華大學學報（自然科學版）， 2004， 44（9）：1184-1187.

[20]陳敏鵬， 陳吉寧， 賴斯蕓. 中國農業和農村污染的清單分析與空間特征識別[J]. 中國環境科學， 2006， 26（6）：751-755.

[21]呂新業， 冀縣卿. 關于中國糧食安全問題的再思考[J]. 農業經濟問題， 2013（9）：17-26.

[22]鐘甫寧. 正確認識糧食安全和農業勞動力成本問題[J]. 農業經濟問題， 2016（1）：4-9.

[23]ARELLANO M， BOND S. Some tests of specification for panel data： Monte Carlo evidence and an application to employment equations[J]. Review of economic studies， 1991， 58（2）：277-297.

[24]BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Economics papers， 1995， 87（1）：115-143.

[25]HOLTZEAKIN D， SCHWARTZ A E. Spatial productivity spillovers from public infrastructure： evidence， from state highways[C]. National Bureau of Economic Research， Inc， 1995：459-468.

[26]趙玉民， 朱方明， 賀立龍. 環境規制的界定、分類與演進研究[J]. 中國人口·資源與環境， 2009， 19（6）：85-90.

[27]YANG Z， FAN M， SHAO S， et al. Does carbon intensity constraint policy improve industrial green production performance in China？ a Quasi-DID analysis[J]. Energy economics， 2017， 68（C）： 271-282.

[28]ZELLNER A， THEIL H. Three-stage least squares： simultaneous estimation of simultaneous equations[J]. Econometrica， 1962， 30（1）：54-78.

[29]GREENE W H. Econometric analysis： fourth edition[M]. Upper Saddle River， NJ：Prentice Hall， 2000： 747-754.

[30]朱平芳， 張征宇， 姜國麟. FDI與環境規制：基于地方分權視角的實證研究[J]. 經濟研究， 2011（6）：133-145.

[31]HALL R E， JONES C I. Why do some countries produce much more output per worker than others？[J]. Quarterly journal of economics， 1999， 114（1）：83-116.

[32]李谷成. 人力資本與中國區域農業全要素生產率增長——基于DEA視角的實證分析[J]. 財經研究， 2009， 35（8）：115-128.

[33]楊錦英， 韓曉娜， 方行明. 中國糧食生產效率實證研究[J]. 經濟學動態， 2013（6）：47-53.

[34]沈能. 環境效率、行業異質性與最優規制強度——中國工業行業面板數據的非線性檢驗[J]. 中國工業經濟， 2012（3）：56-68.

Environmental regulation， agricultural green TFP and grain security

ZHAN Jin-tao1，2 XU Yu-jiao1，2

（1.College of Economics and Management， Nanjing Agricultural University， Nanjing Jiangsu 210095， China;2.Research Center for China Food Security， Nanjing Agricultural University， Nanjing Jiangsu 210095， China）

Abstract Green development will become the key content of Chinas future grain security protection. Measuring agricultural green TFP （total factor productivity） is conducive to judging the current development site， and reasonable agricultural environmental regulation is an effective way to promote green productivity and solve the contradiction between food supply and demand. This paper introduced carbon emissions trading and sewage charges collection standards， and analyzed Chinas provincial agricultural green TFP from 2000 to 2015 by using stochastic frontier function model （SFA） and considering environmental costs as agricultural green GDP. It used GMM method to test whether there was a causal relationship between agricultural green TFP and grain security， and constructed the simultaneous equations model to analyze the influence mechanism between them and the driving mechanism of different environmental regulation factors to them. The results showed that： ①the national average agricultural green TFP increased by 4.1% annually during the period from 2000 to 2015， showing obvious time-series volatility and gradient characteristics between regions; ②there was a two-way causal relationship between agricultural green TFP and grain security; ③the increase in agricultural green TFP would reduce the level of grain security， while over-emphasizing grain security would in turn inhibit the growth of agricultural green TFP; ④command controlled environmental policy regulation had a positive impact on agricultural green TFP and grain security， incentive carbon emissions trading regulations had a positive on agricultural green TFP and negative effect on grain security， and the regulation of environmental protection investment only had a positive effect on agricultural green TFP. Therefore， designing environmental monitoring tools carefully， improving the appropriateness and applicability of environmental regulation policies， establishing and strengthening incentive mechanisms and market-based emissions trading mechanisms that can fully mobilize farmers to implement cleaner production， and integrating different types of environmental regulations vigorously to create a balanced ‘Environmental Regulation Combination System， are the key to improve the growth of agricultural green TFP and ensure the sustainable development of grain security.

Key words agricultural green TFP; grain security; environmental regulation; causality; simultaneous equation model