衡量东盟地区的农业可持续效率及碳信用的影响：一种基于双阶段元边界松弛（Meta-Frontier Slacks）的计量模型

《Cleaner Engineering and Technology》：Measuring Agricultural Sustainable Efficiency and Impacts of Carbon Credit in the ASEAN: A Two-Step Meta-Frontier Slacks-Based Measure Model.

　　苏德洛普·拉塔纳库阿坎万 | 森田宏

泰国曼谷朱拉隆功大学综合农业学院，邮编10330

摘要
全球农业面临着在经济效益、环境保护和社会公平之间取得平衡以实现可持续性的挑战。本研究旨在衡量东南亚国家联盟（ASEAN）成员国的农业可持续效率，并评估碳信用和保护性耕作等政策干预措施的影响。我们开发了一个两步框架，结合了基于赤字（Slacks-based measure）的评估方法和元边界分析（meta-frontier analysis），以评估不同生产前沿下的效率。该模型考虑了三个关键产出——农业生产、附加值和就业机会——以及三个关键输入——农业用地、碳排放和食品安全指数。该框架应用于八个ASEAN成员国，以计算效率得分、识别基于赤字的低效环节，并在多种情景下模拟政策影响。实证结果显示，ASEAN内部存在显著差异，形成了三个不同的绩效群体（高、中和低）。分析表明，食品安全、农业附加值和农业生产是主要的低效来源。虽然各国之间的群体前沿效率相对较高，但群体前沿效率与元边界效率之间的巨大差距凸显了技术和制度上的差异。对实施可持续措施的影响评估显示，统一应用碳信用（例如每吨二氧化碳当量20美元或50美元）分别会降低整体元效率0.18%和1.78%。结合每吨二氧化碳当量20美元的碳信用和50%的保护性耕作普及率的情景下，整体效率下降了1.71%，这表明统一的区域可持续性政策可能效果不佳，甚至可能适得其反。本研究为政策制定者提供了一个可靠的定量框架，用于衡量可持续效率、识别关键的低效因素并评估干预措施的效果，强调了制定适合各国国情的可持续性策略对于实现区域均衡发展的重要性。

1. 引言
1.1 在区域层面衡量农业部门的可持续性
在过去几十年中，可持续性已成为一个重要的全球趋势，这一趋势也在向农业部门扩展。为了实现农业的可持续性，需要在从田地到全球的多个层面上平衡经济、环境和社会因素（Allen等人，1991；Nelson，2007；Smith & McDonald，1998）。虽然经济回报和环境保护经常被强调，但生活质量和社会公平等社会方面同样重要，然而它们更难以量化（Allen等人，1991；Nelson，2007）。在可持续性的经济、环境和社会维度之间实现平衡对农业来说是一个挑战，因为在一个维度上的高表现可能会限制其他维度的表现（Sulewski等人，2018）。可持续性评估应考虑多维度性、层次结构、涌现特性和不确定性（Pearson，2003）。
比较具有多维度特性的农业系统面临相当大的分析挑战。基于边界（Frontier-based）的方法已被证明适合评估可持续效率，因为这些方法不受不同指数维度的影响。查恩斯等人（Charnes等人，1978）引入的数据包络分析（Data Envelopment Analysis，DEA）因其能够处理多种输入和输出而日益应用于各种农业领域，而无需预先定义的生产函数。DEA已广泛应用于农业领域：在农场层面，它常用于衡量生态效率（Bonfiglio等人，2017；Heidari等人，2021；Masuda，2016），评估能源效率（Bolandnazar等人，2014；Hosseinzadeh-Bandbafha等人，2018；Mardani Najafabadi等人，2022），以及评估小型农户在经济、环境和社会方面的整体表现（Barnes等人，2023；Mutyasira等人，2018）。一项对120篇论文的系统性回顾进一步强调了需要结合社会指标的加权DEA模型，以更好地分析农业部门的可持续性（Kyrgiakos等人，2023）。Ullah等人（2019）利用DEA分析了泰国的甘蔗生产，发现通过减少投入和改善管理有显著的效率提升潜力，这种潜力受到农场规模和机械化水平的影响。
除了单个农场之外，DEA还用于区域和空间分析，根据农业绩效潜力对地区进行分类（Branco等人，2021）。Lu等人（2023）使用了两阶段动态网络DEA模型来研究欧盟国家的工业和农业生产效率，将工业碳排放与农业效率联系起来。DEA作为决策支持和整合的宝贵工具，常与生命周期评估（Life Cycle Assessment，LCA）结合使用，以量化生态效率；Masuda（2016）测量了日本小麦生产的生态效率，并将其定义为每单位环境影响指数下的小麦产量。Mu等人（2018）使用模糊DEA评估了奶牛业的生态效率，指出考虑经济和环境指标的不确定性会显著影响效率得分。这些研究表明DEA在解决农业效率和可持续性的各个方面具有广泛的应用性，从国家层面比较到特定农业实践。
然而，在区域层面应用DEA（如在东南亚国家联盟（ASEAN）的成员国内部）时，单独使用DEA在衡量由于外生因素（例如国家内部的差异）导致的效率差异方面存在局限性。各国往往在不同的拓扑、环境和制度条件下运作，这使得假设单一的同质生产边界（如仅使用DEA）变得不合适。假设各国存在单一的同质生产边界可能导致效率估计偏差（Afandi等人，2025；Chen等人，2025；Thann等人，2025）。为了解决这个问题，元边界效率测量提供了一个更合适的框架，可以在考虑共同生产边界的同时，衡量不同异质群体之间的效率（Lakner，2017；Ng’ombe，2017）。具体来说，它使研究人员能够（1）比较特定群体边界之间的效率（Chen等人，2025），（2）相对于全球元边界评估技术效率（Jiang等人，2025），以及（3）计算技术差距比率（Technical Gap Ratio，TGR），该比率量化了区域技术与全球技术之间的距离（Shah等人，2024）。元边界方法已应用于不同的农业部门，如赞比亚的玉米生产、智利的农业企业和土耳其的南马尔马拉地区，提供了有关各行业效率动态和潜在改进领域的见解（Lakner，2017；Ng’ombe，2017；Tipi & Rehber，2006）。
此外，传统DEA的应用只产生一个效率得分，忽略了导致低效率的潜在因素。DEA中的基于赤字的测量（Slacks-Based Measure，SBM）模型在评估低效率方面具有多种优势。SBM同时考虑了投入和产出赤字，从而能够更好地识别低效决策单元（Decision-making Units，DMUs）（Sharp等人，2007）。这种多功能性使得在效率评估中可以结合环境因素和技术经济考虑。最近的研究考察了SBM在评估农业效率和可持续性方面的应用。He和Tauer（2023）使用SBM评估了美国农业信贷协会的效率，发现效率总体较高，但从2008年到2018年有所下降。Debbarma等人（2021）使用非径向SBM研究了印度农业公司的环境效率，发现它们可以通过改进提高32.2%。Ji等人（2021）使用加权SBM-DEA研究了发展中国家的农业表现，表明通过适当的权衡可以提高效率而不影响决策单元的表现。Xu等人（2017）提出了一个改进的生态效率分析框架，利用比例SBM有效评估了中国各省的生态效率。Bale?entis等人（2022）使用SBM-DEA模型估计了立陶宛奶牛场的生态效率、影子价格和边际减排成本，将温室气体（GHG）排放视为不希望产生的输出。这些研究表明SBM在评估农业效率的各个方面（包括财务效率、环境影响和可持续发展）方面的多功能性，这对农业部门的政策制定者和利益相关者非常有帮助。

1.2 促进农业可持续性的政策
推进农业的可持续性需要实施积极的政策、参与式治理和全面的评估框架，这些框架需要考虑风险和变异性（Pearson，2003）。这些举措可以有效地引导全球资本投向可持续的农业食品投资，并增强食品系统的长期韧性（Negra等人，2020）。基于市场的方法，如碳封存市场和温室气体排放税，正越来越多地被探索，以激励可持续农业实践并减缓气候变化，但其有效实施较为复杂。
例如，碳封存市场可以通过奖励提高农村收入和资源生产力的做法，为低收入农民提供额外收入（Perez等人，2007）。碳支付计划也可以作为化肥补贴的替代方案，激励小农户采用碳封存土壤肥力的管理方法，尽管交易、测量、监测和验证成本较高（Marenya等人，2012）。在中国，农业温室气体税正在更广泛的市场基础上考虑，由于技术进步，自2015年以来农业碳排放已经减少（Tang，2024；Yang等人，2022）。来自中国碳排放交易计划的实证证据表明，碳定价机制对农业绿色全要素生产率有显著积极影响，这是农业可持续性的一个关键指标。研究结果表明，碳定价机制通过激励采用更清洁的技术和更高效的生产流程来提高可持续生产力（Shah等人，2024）。尽管有潜在的好处，但在不同登记系统和组织之间标准化土壤有机碳封存信用的测量和验证协议方面仍存在挑战，这表明需要地区一致的信用框架来确保自愿碳市场的完整性（Oldfield等人，2022）。这些研究表明碳信用机制在提高农业可持续性和减少排放方面的潜力；然而，其影响尚未明确界定。
另一方面，保护性耕作被广泛认为是促进资源效率和可持续农业实践的关键政策组成部分。在中国，鼓励采取这种做法，旨在通过采用节水灌溉技术和相关技术来提高用水效率（Shah等人，2023）。通过减少土壤侵蚀、改善土壤结构和增加土壤碳封存，保护性耕作有助于维持土壤健康，并确保未来食品生产系统的韧性（Sadiq等人，2024）。保护性耕作可以通过减少燃料、劳动力和机械设备的使用来降低运营成本，但这些节省的成本可能会被新设备的费用、增加的除草剂使用以及采用所需的培训成本所抵消。其净经济效益最终取决于其在当地条件下的作物产量影响（Cooray等人，2023）。
虽然碳信用和保护性耕作都被认为是主要的可持续农业政策，但它们对农业可持续效率的综合和比较影响却很少被量化。现有研究通常分别考虑这两种措施，或仅关注环境方面，而忽视了这些措施共同对经济、环境和社会效率的影响。理解这些相互作用对于设计促进东盟公平和特定情境下可持续农业的政策至关重要。
基于边界的方法，特别是DEA和SBM，通过评估与最有效DMUs的性能并允许在不同生产环境中进行基准比较，有效地评估了影响。DEA已应用于评估意大利农业的生态效率，为实施资金政策提供了指标（Fusco等人，2023）。这些发现强调了碳信用机制在农业中的潜力，同时也强调了进一步研究以澄清其对可持续效率影响的必要性。

1.3 研究空白、目标和贡献
为了解决上述研究空白，本研究提出了一个综合的元边界SBM框架，用于评估ASEAN国家的农业可持续效率，并评估碳信用和保护性耕作政策的影响。该框架能够比较不同的生产技术，并识别多个可持续性维度（包括食品安全、经济、环境和社会）中的基于赤字的低效环节。此外，还进行了比较情景分析，以评估碳信用机制和可持续实践对效率结果的影响。
据我们所知，这项研究是第一个提出结合技术异质性分析和非径向赤字测量的综合元边界SBM模型的研究，允许精确诊断多维指标下的效率差距。通过将政策模拟（通过碳价格和保护性耕作情景）直接嵌入效率框架，本研究将传统的DEA应用扩展为一种响应政策的可持续性评估工具。本文通过政策情景实证测量了整个ASEAN地区的分析，以捕捉统一可持续性干预措施如何影响区域元效率。本文的后续部分结构如下：第2节概述了材料和方法论，第3节研究了实证研究并展示了结果，第4节分析了政策含义并提出了未来研究的领域，第5节提供了总结。

2. 材料和方法
2.1. 测量可持续效率：基于松弛度的衡量模型
为了在多维度要求下测量可持续效率，本研究采用了SBM（Slack-Based Measure）模型。该模型因其能够通过确定松弛度来识别低效率而受到广泛认可（Tone, 2002）。DEA中的效率SBM最初由Tone（2002）提出。该方法直接解决了决策单元的输入过剩和输出不足（称为松弛度）问题，并将其作为一个标量指标。SBM模型是非定向和非辐射的，克服了辐射或定向模型的偏差，因此能够准确反映相对效率测量的本质。SBM模型定义如下：
(1)
其中，\(x_{ij}\) 是输入，\(y_{ij}\) 是输出，假设输入和输出的数据集都是正的；\(e_{ij}\) 是决策单元的技术效率。

2.2. 元前沿效率测量
评估东盟国家的农业可持续性表现时，需要考虑技术、制度和环境条件的变化。包括SBM在内的单阶段DEA模型是在共同生产前沿的假设下运行的。这种假设可能会忽略国家之间的结构性差异，从而导致对效率的评估产生偏差或误导性。为了解决这个问题，采用了元前沿效率测量方法。这种方法可以测量每个群体（尤其是个别国家）相对于其自身特定前沿的表现，同时也能够与包含所有群体前沿的元前沿进行比较。群体前沿通过考虑特定国家的约束来有效捕捉国内效率，而元前沿则揭示了与区域内最佳实践相比的比较差距。因此，本研究提出了基于元前沿松弛度的测量方法来衡量可持续效率。
元前沿方法最初由Battese等人（2004）提出，并由O’Donnell等人（2007）进一步发展。该方法评估了企业在不同技术下的相对技术效率。可以估计企业在不同技术与整个行业可用技术之间的技术差距。技术差距比率（\(\gamma\) 是技术组（\(T_b\)）的技术效率与整个行业的技术效率（\(e_A\)）之比：
(2)

2.3. 可持续性指标
在本研究中，农业可持续性被概念化为同时满足主要维度——即安全、经济、环境和社会维度（Allen等人，1991；Nelson，2007；Smith & McDonald，1998）。为了捕捉这些多维度要求，使用三个输出和三个输入来建模可持续效率。选定的输出——农业生产、农业增加值和农业就业——分别反映了粮食安全、经济和社会维度。三个输入——农业用地、碳排放和粮食安全指数——考虑了经济、环境和与安全相关的资源利用。这种平衡的选择确保了元前沿SBM模型能够评估所有主要可持续性要求的表现。表2总结了每个指标及其对应的可持续性方面。
表1. 术语表。DMU集。作物类型集。碳排放率场景集。综合实施场景集。
变量
DMU的农业就业人数（人）。
DMU的作物类型种植面积（公顷）。
DMU的农业用地（公顷）。
DMU的农业生产量（吨）。
DMU的农业增加值（美元）。
场景的碳排放率（美元/吨二氧化碳当量）。
DMU的总碳排放量（吨二氧化碳当量）。
DMU的农业甲烷排放量（吨二氧化碳当量）。
DMU的农业氧化亚氮排放量（吨二氧化碳当量）。
DMU的粮食作物碳汇（吨二氧化碳当量）。
DMU的粮食安全指数。
DMU的化肥消耗量（千克）。
保护性耕作普及率（%）。
DMU的作物类型年产量（吨）。

参数
保护性耕作成本（美元/公顷）。
作物类型?干重比。
作物类型的经济系数。
化肥的排放因子（吨二氧化碳当量/千克）。
作物类型的碳汇率（吨二氧化碳当量/千克）。
保护性耕作二氧化碳减排量（吨二氧化碳当量/公顷-年）。

表2. 用于测量可持续性的输入和输出指标。
类型 | | |
| | | |
| 经济 | 农业增加值 | |
| | | |
| | | |
| 社会 | 农业就业人数 | |
2.3.1. 经济输出：农业增加值
第一个表示的经济输出是农业增加值（\(Y_A\)），以2015年的不变美元计算以确保时间上的可比性。农业增加值代表了农业部门的净货币产出，是衡量一个国家经济输出的一个指标（Gerdessen & Pascucci，2013；Luan等人，2024）。在本研究中，\(Y_A\) 数据来自世界银行，并根据通货膨胀进行了调整（DataBank | 世界发展指标，2024）。

2.3.2. 经济输出：农业生产
第二个代表性的经济输出是农业生产（\(Y_P\)，以货币单位计量。\(Y_P\) 是作物产量（\(Y_c\)）与相应作物的经济系数（\(C_c\)）的乘积（He等人，2024；Yang等人，2023）。根据世界银行的标准，有九种类型的作物，包括水稻、小麦、玉米、豆类、甘薯、土豆、油料作物和其他作物（DataBank | 世界发展指标，2024）。\(Y_P\) 定义如下：
(3)

2.3.3. 社会输出：农业就业人数
对于社会方面，农业就业人数（\(E_A\) 被作为代表性输出。它反映了农业部门创造就业机会的能力，从而对生计和农村发展做出了贡献（Chen等人，2024；Heidari等人，2021）。\(E_A\) 作为农业部门积极社会输出的指标，体现了其在促进就业和减少贫困方面的作用。

2.3.4. 经济输入：农业用地
作为经济输入，农业用地（\(L_A\) 以公顷（ha）计量，用于代表农业生产所使用的物理资源基础。这包括用于种植作物的土地和永久牧场。这一输入反映了农业部门土地使用的强度，并为评估土地资源转化为农业产出的效率提供了基础（Gerdessen & Pascucci，2013；Shah等人，2023；Shah等人，2024）。

2.3.5. 环境输入：碳排放
碳排放（\(C_A\) 被视为每个DMU的环境输入，代表与农业生产活动相关的超额环境足迹。从方法论的角度来看，将碳排放视为输入避免了通常用于不希望出现的输出的技术局限性，并允许应用标准的线性规划方法（Halkos & Petrou，2019）。这种方法在农业DEA文献中被广泛采用。例如，Lansink和Bezlepkin（2003）在温室生产领域将碳排放作为输入进行建模，而Reinhard等人（2000）将氮和磷酸盐的过剩视为荷兰奶牛场的输入。\(C_A\) 以二氧化碳当量（tCO2eq）计量，包括来自农业活动的三个主要原因：化肥的估计使用量、测量的甲烷排放量和测量的氧化亚氮排放量。\(C_A\) 可以从以下方程得出：
(4)

2.3.6. 安全输入：粮食安全指数
为了确保粮食供应的安全，需要多样化作物类型。在提出的框架中，提出了粮食安全指数（\(S_I\) 作为输入，以指示对单一主要作物类型的过度依赖。Herfindahl-Hirschman指数（HHI）由Herfindahl和Hirschman提出，用于衡量集中度，并在经济学和市场力量评估研究中得到广泛应用（Herfindahl，1997；Hirschman，1980）。
(5)
其中，\(\lambda\) 是单元 \(u\) 在系统A中的比例份额。由于\(\lambda\) 以比例单位表示，HHI的值范围是 [1/N, 1]。较高的HHI值意味着系统对单一主要单元的依赖程度更高。\(S_I\) 可以从以下方程得出：
(6)

2.4. 案例研究：东盟
东盟地区的经济主要以农业为基础，该地区严重依赖农业部门来实现粮食安全、经济增长和农村生计（Chopra等人，2022；Thann等人，2025）。然而，它面临着持续的可持续性挑战。本研究重点关注八个东盟成员国——柬埔寨、印度尼西亚、老挝人民民主共和国（PDR）、马来西亚、缅甸、菲律宾、泰国和越南——作为东南亚的代表性农业经济体。为了确保各国和各年份之间的一致性和可比性，所有数据系列都转换为标准化单位。由于效率测量是对每个DMU进行比较，处理缺失数据的最佳方法是省略不完整的数据，而不是估计或插补它们。这种方法避免了在DMU间引入人为的效率测量偏差。分析的时间范围是从2000年到2021年。由于数据不可用，176个潜在DMU中有2个被排除在外，基于可用的国家-年份观测数据，最终得到174个DMU。
本研究使用的数据来自多个可靠来源，包括世界银行（DataBank | 世界发展指标，2024）、联合国粮食及农业组织（FAO）（2024a，2024b）、东盟粮食安全信息系统（AFSIS）（2024）。虽然分析强调农业的可持续效率，但它依赖于国家级别的汇总指标，这些指标可能无法完全反映部门内部的差异。然而，这种方法确保了各国和随时间的一致性和可比性，符合元前沿和群体前沿DEA测量所提出的框架。由于数据可用性和协调性的限制，研究时期截至2021年。虽然没有包括最新几年，但时间范围涵盖了两个关键十年，这些十年以农业集约化、经济重组和环境挑战加剧为特征。在此背景下，该研究提供了关于东盟农业长期可持续性动态的及时和政策相关的见解，其方法论框架在未来数据可用时仍可适用。

3. 实证结果
3.1. 元前沿效率测量
3.1.1. 元前沿效率得分
使用CPLEX（IBM，2013）来确定每个DMU的输出松弛度、输入松弛度和效率得分。本案例研究中有174个DMU需要测量。对于每个DMU，农业生产、农业增值和农业就业人数被定义为输出；农业用地、碳排放和粮食安全指数被指定为输入。每个DMU的所有输入和输出变量都通过2.3节“可持续性指标”中描述的计算程序进行处理，确保了在评估农业可持续效率方面的国家和时间的一致性和可比性。图1展示了八个东盟国家的效率得分范围。箱形图展示了效率得分的分布，突出了每个国家的中位数、四分位数范围和异常值。平均效率得分用“X”符号标记，并在每个国家的中间区域以数字标注。
下载：下载高分辨率图像（243KB）
下载：下载全尺寸图像
图1. 八个东盟国家的效率得分变化。
在可持续性的多个要求方面，箱形图显示了效率得分的显著差异。可以识别出三个不同的表现集群。首先，印度尼西亚、越南和菲律宾显示出 consistently 高的效率得分（平均值分别为0.983、0.939和0.939）。其次，马来西亚和泰国位于中间（平均值分别为0.830和0.814），显示出中等效率得分，得分分散表明年份间的表现不均。第三，柬埔寨、老挝人民民主共和国和缅甸显示出明显较低的效率得分（得分分别为0.409、0.364和0.306），反映了资源使用和可持续实践的结构性低效。
图2展示了2002年至2021年间效率得分的时间变化。结果显示，平均得分和中间效率得分有明显的上升趋势，表明东盟各国农业部门的可持续性有所改善。在初始时期（2002-2010年），效率得分的分布较为分散，反映了各国之间的表现差异。然而，这一时期也显示出平均得分的明显上升趋势和较低四分位数的逐渐增加，表明表现较差的单元有所改善。在随后的几十年（2012-2021年）中，效率得分显著向生产前沿收敛，得分集中度增加到接近1。然而，较低的四分位数（低于0.4）的持续存在表明效率方面的差异仍然存在。
下载：下载高分辨率图像（408KB）
下载：下载全尺寸图像
图2. 各年份的效率得分变化。

3.1.2. 元前沿松弛度分析
虽然效率得分的箱形图提供了有洞察力的基准，但无法确定低效率的驱动因素。为了解决这一差距，进行松弛度分析是必不可少的。图3展示了两个互补的热图：左侧图表展示了效率得分的分布，而右侧图表展示了六个可持续性指标（碳排放、农业用地、粮食安全指数、农业生产、农业增加值和农业就业）的松弛度值。这些松弛度值代表输入过剩或输出不足的情况。

图3. 效率得分与输入和输出松弛度的热图对比。

热图显示了效率得分与松弛度之间存在明显的负相关关系。位于效率梯度较低端的决策单元（DMUs）通常表现出显著的松弛度值。该图清楚地表明，粮食安全、农业增加值和农业生产是效率低下的主要原因。效率得分较低的DMUs在这三个维度上普遍存在明显的松弛度，揭示了将资源使用转化为安全粮食系统、经济增加值和农业生产输出方面的关键差距。另一方面，其他方面（包括碳排放和农业就业）的松弛度值相对较低。这里的研究结果强调了松弛度分析作为常规效率测量补充方法的重要性，因为它指出了导致效率低下的具体维度。

3.2. 组前沿效率测量
3.2.1. 组前沿效率得分
图4展示了八个东盟国家在元前沿（meta-frontier）和组前沿（group-frontier）下的效率得分比较。组前沿效率得分用橙色箱线图表示，在每个国家内分别进行测量，而元前沿效率得分用蓝色箱线图表示，反映了包括所有国家和年份在内的区域生产前沿。元前沿和组前沿的平均效率得分分别用蓝色和橙色标注。

图4. 元前沿和组前沿效率得分的变化。

该图表明，组前沿箱线图的效率得分处于中等偏高的水平，变化较小，反映了每个国家在内部限制条件下对农业资源的可持续利用。然而，组前沿与元前沿之间存在明显差距，尤其是对于柬埔寨、老挝人民民主共和国和缅甸来说，这表明这些国家在技术和管理方面与区域最佳实践存在显著差异。相比之下，越南、印度尼西亚和菲律宾等表现良好的国家的组前沿与元前沿之间的差距较小，表明它们采用了更先进的技术，并更符合区域效率定义。

3.2.2. 技术差距比率
图5展示了八个东盟国家之间的元效率（meta-efficiency）和技术差距比率（TGR）的比较分布。TGR是根据方程（2）计算得出的，用于衡量组前沿与元前沿之间的技术距离，如图4所示，是技术进步和采纳最佳实践能力的指标。黄色箱线图表示TGR随时间的变化情况，中间的红色“X”标记和数值标签显示了平均值。

图5. 八个东盟国家的TGR和元效率得分比较。

该图表显示了元效率与TGR之间的一致关系。元效率的差异与TGR值的分布密切相关，TGR的范围从0.319到0.995不等。这种差异表明，元效率的差异主要由技术差距造成的。换句话说，大多数东盟农业系统在其国内前沿内运行高效，但它们与区域生产前沿的距离差异较大。

3.3. 实施碳信用
3.3.1. 情景生成
已经提出了多种实践并进行了试验，以促进农业领域的可持续性。其中，碳信用（CC）激励措施是在不同地区最广泛提出的措施之一（Hayo & Hasegawa, 2024; Khurana et al., 2024）。本研究假设可以通过基于种植园的实践实现碳汇，这些实践可以吸收大气中的二氧化碳并将其储存在生物量和土壤中。然后可以通过CC计划激励这些碳汇，从而提高可持续农业的经济回报。

本研究模拟了五种碳信用情景，以评估基于激励措施的气候政策对生产前沿的影响，碳信用率的设置为每公吨二氧化碳当量5美元（USD/tCO2eq）、10美元/tCO2eq、20美元/tCO2eq和50美元/tCO2eq。

3.3.2. 模型调整公式
对于每种情景，通过加上碳汇的激励价值来调整每个DMU的农业增加值。主要粮食作物的农业碳汇使用系数测量方法进行估算（He et al., 2024; 政府间气候变化专门委员会（IPCC），2006）。调整后的农业增加值等于农业增加值与货币化碳汇之和。

3.3.3. 效率得分
图6展示了在不同碳信用率情景下，各国可持续效率得分的百分比变化，相对于基线情景（无碳信用）。列出的数值表示模拟实施碳信用激励措施（5美元/tCO2eq、10美元/tCO2eq、20美元/tCO2eq和50美元/tCO2eq）时效率得分的差异。结果显示，当将激励碳封存的经济效益纳入模型时，效率得分发生了变化。

图6. 各国在不同碳信用情景下的效率得分百分比变化。

热图底部的“总计”显示了该地区的总体值，显示出在较低信用水平下（分别为5美元/tCO2eq和10美元/tCO2eq）有轻微的增加。然而，总体结果表明，实施较高的碳信用率会导致整体效率下降（分别为-0.18%和-1.78%），表明了对相对表现的不利影响。

考虑到某个特定国家，大多数国家在较低的碳信用率下显示出轻微的收益增加（CC5和CC10），其中缅甸、柬埔寨和马来西亚的改善最为显著。然而，随着碳信用率的增加，各国的效率得分开始出现分化。尽管缅甸和柬埔寨在最高的碳信用率50美元/tCO2eq下仍受益（分别为+4.61%和+3.73%），但其他国家则面临显著下降，特别是菲律宾（-9.88%）和泰国（-4.22%）。这种变化表明，在不同国家实施类似的可持续政策并不会带来相同的效率提升，尤其是当领先国家的实施效果更好时。

3.4. 引入可持续农业实践：保护性耕作
3.4.1. 情景生成
为了进一步评估可持续性促进政策的潜在影响，本研究基于基于实践的干预和市场激励的结合，开发了一系列情景。保护性耕作（CT）是一种经过验证的可持续土地管理实践，可以减少土壤侵蚀、增强水分保持（Yang et al., 2018），并可能降低温室气体排放（Townsend et al., 2016）。本研究开发了一系列政策情景，考虑了保护性耕作与碳信用（CC）相结合的效果。这些情景模拟了不同程度的实践干预（由CT表示）与不同水平的市场干预（由CC表示）之间的互动，以促进可持续农业的发展。

每种情景都由特定的CC和CT水平组合定义，其中CC表示每单位减排量应用的碳信用率（例如，10美元/tCO2eq），CT表示采用保护性耕作的农业面积渗透率（例如，25%）。组合包括从低到高的CC和CT水平，共形成七个结构化的情景矩阵，包括基线（CC0+CT0）、CC0+CT50、CC5+CT25、CC5+CT50、CC10+CT25、CC10+CT50和CC20+CT50。

3.4.2. 模型调整公式
对于每种情景，根据CC和CT水平的模拟影响调整每个DMU的输入输出配置。保护性耕作（CT）通过增强土壤固碳和减少化石燃料使用来减少排放。在每种情景下，DMU的减排量可以通过DMU的排放量减去实施CT水平所带来的潜在减排量来计算。

3.4.3. 效率得分
图7显示了在不同碳信用率情景下，各国可持续效率得分的百分比变化，相对于基线情景（无碳信用）。结果显示，当将激励碳封存的经济效益纳入模型时，效率得分发生了变化。

图7. 各国在不同CC和CT情景下的效率得分百分比变化。

在区域层面，总体影响是微负的，其中最高强度的政策情景（CC为20美元/tCO2eq，CT渗透率为50%）导致平均元效率下降了1.71%。在更高水平的干预下，总体得分下降，表明像CT和CC这样的可持续农业措施虽然对环境有益，但可能会引入过渡性约束，如采用成本，从而导致整个地区的可持续效率降低。

在国别层面，影响差异显著，反映了结构和技术的差异。柬埔寨和老挝人民民主共和国的效率得分分别提高了4.09%和3.79%，表明可持续实践具有潜在的好处。另一方面，菲律宾的效率得分显著下降（高达-11.92%）。需要注意的是，即使一个国家在绝对值上有改善，但如果其他国家的改进程度更高，其效率得分也可能下降。因此，在整个地区采用相同的可持续实践并不能保证相对效率的提高，特别是当某些国家的实施滞后时。

4. 讨论
4.1. 用于区域可持续性评估的元前沿SBM
本研究通过结合元前沿分析的SBM模型，提供了对东盟成员国可持续效率的 refined视角。这种方法通过同时考虑多样化的经济、环境和社会投入与输出，全面评估了国家的可持续性表现。元前沿分析的整合对于区域研究至关重要，因为它有效地缓解了东盟成员国之间的技术和管理差异。这使得可以识别出在其各自生产前沿内具有可比性的国家特定可持续效率得分，并且可以与共同的最佳实践前沿进行基准比较，从而增强了我们研究结果的诊断效用。

该模型作为评估农业系统多维度可持续性挑战的强大工具的应用得到了成功验证，通过将其应用于八个东盟成员国的农业部门得到了证明。这种方法与许多使用DEA和类似优化方法来评估各种农业环境中的效率和可持续性的研究相一致（Bonfiglio et al., 2017; Heidenreich et al., 2022; Mutyasira et al., 2018），包括区域分析（Gerdessen & Pascucci, 2013）和特定农场级别的评估（Masuda, 2016）。

4.2. 识别效率低下的驱动因素
观察到的效率随时间的提高趋势，尽管速率不同，强化了农业发展轨迹是动态的且具有情境依赖性的理解。这种动态性在Sefeedpari等人（2020）的乳制品行业研究和Lu等人（2023）的欧盟农业和工业研究中也得到了体现，这些研究一致表明效率动态受到政策不稳定性、资源使用和行业条件的密切影响。这种变异性强烈强调了制定差异化政策干预的必要性（Sefeedpari et al., 2020）。量身定制的策略对于适应地方约束和利用区域优势至关重要，而不是采用统一的方法（Feng & Wang, 2017）。例如，政策可以侧重于提供财政支持、改善信贷获取、增强咨询服务以及促进农业机械的获取，以缩小性能差距，特别是对于效率较低的群体（Hosseinzadeh-Bandbafha et al., 2018）。我们对效率低下的分析方法尤其有价值，因为SBM被广泛认为是识别低效单元和提供改进目标的有效工具（Al-Mezeini et al., 2020; Mardani Najafabadi et al., 2022）。这使政策制定者能够了解特定干预措施将在何处产生最大的影响。例如，Bale?entis等人（2022年）的SBM模型发现，与温室气体排放相比，乳制品农场在土地使用、资本和饲料方面的效率较低。我们SBM模型的一个关键创新之处在于，它通过识别食品安全、农业附加值和农业生产作为整个地区效率低下的主要来源，提供了宝贵的见解。SBM模型超越了单纯的效率测量方法，能够确定具体的改进领域（Bonfiglio等人，2017年）。强调农业生产是效率低下的一个原因，这与产量差距的概念相一致，产量差距代表了潜在产量与实际产量之间的差异，通常表明农场或地区层面存在技术效率问题（Heidenreich等人，2022年；Santos等人，2025年）。这些效率低下问题可能源于过度依赖单一作物类型，这会因单一作物对外部因素（如天气事件）的脆弱性而直接影响食品安全。这种过度依赖还可能导致市场供应过剩，从而降低该作物的附加值。此外，农业附加值是生态效率的一个重要组成部分，效率低下意味着经济产出与环境压力之间的不成比例（Bonfiglio等人，2017年；Heidenreich等人，2022年）。该模型能够识别这些具体的效率低下来源，为制定针对性的改进策略提供了详细的依据。

4.3. 理解绩效差异：群体边界与元边界
可持续效率方面的显著差异与以往研究的结果一致，这些研究一直强调不同地区、农场类型和国家背景之间的异质性。例如，Ullah等人（2019年）报告称，泰国的甘蔗生产前沿因农业气候条件、资源和政策而存在差异。Sefeedpari等人（2020年）也发现伊朗乳制品生产的技术效率存在波动，这反映了政策和资源使用的不确定性。将国家分为三个不同的绩效群体——高效群体、中等效率群体（随时间表现出明显的绩效分散）和低效群体——有助于系统地理解这种异质性。这种聚类方法与其他基于多维绩效指标对农业单位进行分类的研究方法相似（Lu等人，2023年；Mardani Najafabadi等人，2022年；Ullah等人，2019年），从而能够进行有针对性的分析和政策建议。群体边界测量结果显示，在特定国家群体内，许多农业系统在各自的国内约束条件下以相对最佳实践水平可持续地利用资源，这表明在现有当地技术和社会经济条件下资源利用是有效的。然而，群体边界效率与元边界效率之间存在显著差距，特别是在低绩效群体中，这突显了相对于区域最佳实践的技术和制度上的显著差异。这种“技术差距”或“元边界差距”表明，如果这些国家能够获得并有效利用更先进的技术和制度框架，其表现本可以大大提高。解决制度 weaknesses（如监管空白、资金不足以及种子行业发展或政策实施方面的技术专长缺乏等问题）对于这些国家缩小差距、达到区域最佳实践并实现更高的整体可持续效率至关重要。

4.4. 一致性干预措施的不同结果
影响评估的结果表明，需要根据具体情况制定政策，而不是采取一刀切的干预措施。在整个多样化的东盟地区应用标准化的可持续性机制（如碳信用和保护性耕作）不太可能产生最优或平衡的结果。当将碳信用方案纳入模型并统一应用效率测量时，结果显示不同国家的受益程度因农业结构、生产类型和排放强度而异。由于基于前沿的方法将每个国家-年份的观察结果相对于同行前沿进行评估，政策影响并未线性转化为效率得分。例如，在50美元/吨二氧化碳当量的情况下，菲律宾的农业附加值只增长了13%，而缅甸增长了45%。这种差异反映了生产构成和排放基线的不同。这种非线性模式与该地区的广泛证据相符。森林转变理论表明经济增长与森林覆盖率之间存在U形关系——初期增长会导致森林砍伐，但随着收入和环境意识的提高，森林会逐渐恢复。然而，初始森林覆盖率较低的国家仍然容易受到森林砍伐的压力（Tang等人，2025年）。类似地，环境税收政策的研究表明，尽管税收较高，但排放量仍持续存在，这意味着当前的税率不足以改变污染者的行为，或者实施滞后导致效果不佳（Zhang等人，2025年）。在CT情景中也出现了类似的趋势。尽管假设了区域内的统一渗透率，但效率得分因土地面积和种植强度而异。像印度尼西亚和泰国这样的大规模农业经济体将实现更大的绝对排放减少，但增长百分比较小，而像柬埔寨和老挝人民民主共和国这样的小规模系统则实现了更高的比例增长。同样的逻辑也适用于数字包容性金融，在主要粮食生产区，其对农业绿色发展的益处显著更高（Afandi等人，2025年）。这些发现共同表明，一致性干预措施的效果强烈依赖于具体背景，受到规模、资源可用性和制度能力的制约。
此外，先前的研究表明，标准化的碳信用或碳税往往会产生不公平或反向的结果，使富裕的生产者受益更多，而小农户则处于不利地位（Nsabiyeze等人，2024年；Roxburgh等人，2025年）。诸如土地所有权不安全、信贷获取有限和技术成本高等障碍进一步加剧了不平等（Al-Mezeini等人，2020年；Nandy & Singh，2020年；Ullah等人，2019年）。补贴计划，特别是化肥补贴，虽然旨在提高生产力，但常常会鼓励过度投入和环境退化（Zhang等人，2024年）。最后，需要明确的是，效率得分的下降并不总是意味着可持续性的下降。效率得分表示在给定技术条件下理想产出与资源和环境投入的比例。在更严格的碳或环境政策实施后的短期效率下降通常反映了调整成本，在此期间，各国会投资于更清洁的技术或重组生产。随着时间的推移，这种转变可能会带来长期的可持续性收益。对中国全要素生产率的研究表明，忽略环境成本或气候效应会导致对农业总要素产出的高估。排除气候变化的效率测量可能会显示出更高的效率得分，但这种虚高的得分掩盖了由于未考虑环境限制和损失而导致的可持续性不足（Chen等人，2024年；Shah等人，2024年）。总之，可以得出结论，一致性干预措施会产生不同的结果。越来越多的研究呼吁从统一政策转向针对具体情况的干预措施，以提高农业领域的可持续性（Al-Mezeini等人，2020年；Sefeedpari等人，2020年）。因此，低绩效国家的效率下降可以被视为过渡成本，而不是可持续性的下降。实现公平的可持续性需要针对具体国家的差异化策略。加强区域合作将促进各成员国向共同的东盟可持续性前沿靠拢。通过将效率低下问题分解为其组成部分，我们的模型为政策制定者提供了强有力的实证支持，使他们能够设计精准的目标干预措施，从而在实现可持续性改进的同时最大限度地减少意外后果。

5. 结论
本研究提出了一个新颖的框架，结合了基于松弛量的测量方法和元边界分析，定量评估农业领域的可持续性。该模型涵盖了可持续农业的多个维度，包括食品安全、经济可行性和社会公平性。它考虑了需要最大化的三个产出——农业生产、农业附加值和农业就业，以及需要最小化的三个投入——农业用地、碳排放和食品安全指数。应用SBM方法不仅为每个决策单元产生了效率得分，还识别了投入和产出的松弛量，从而全面了解了效率低下的驱动因素。为了展示所提出模型的适用性，以八个东盟成员国的农业部门为案例进行了研究。结果揭示了该地区可持续效率方面的显著差异，使我们能够识别出三个不同的绩效群体：高效国家、中等效率国家（随时间表现出明显的绩效分散）和低效国家。尽管总体呈现出改进趋势，但不同的进步速度突显了需要差异化的政策干预。作为该模型的一个关键创新点，松弛量分析确定了食品安全、农业附加值和农业生产是整个地区效率低下的主要来源。群体边界测量结果显示，在特定国家群体内，资源利用是可持续的。然而，群体边界效率与元边界效率之间的显著差距，特别是在低绩效群体中，突显了相对于区域最佳实践的技术和制度上的显著差异。
该模型进一步应用于评估基于市场（碳信用）和基于政策（保护性耕作）的可持续措施的影响。研究结果表明，在整个东盟地区统一实施这些干预措施不太可能优化整体效率。具体来说，实行20美元/吨二氧化碳当量的碳信用率和50美元/吨二氧化碳当量的碳信用率分别导致元效率下降了0.18%和1.78%，而综合政策情景（20美元/吨二氧化碳当量的碳信用加上50%的保护性耕作）则使整体元效率下降了1.71%。这种不区分的政策风险是使某些国家受益过多，而对其他国家则无效或产生负面影响。从政策角度来看，结果强调由于技术和制度的异质性，在整个东盟范围内采取一致性的可持续性干预措施是无效的。政策制定者应采用针对具体国家的策略，例如，根据国家能力制定差异化的碳定价，并结合信贷支持的保护性耕作。区域合作应侧重于技术转让和可再生能源整合，以缩小效率差距。将社会和食品安全指标纳入可持续性评估将确保效率的提高转化为包容性和公平的东盟农业发展。所提出的模型通过剖析效率低下问题，为政策制定者提供了决定性的定量支持，使他们能够精准地制定政策，从而优化资源分配，以实现可持续性改进。

总之，这项研究提出了一个新颖的框架，该框架结合了基于松弛量的测量方法和元边界分析，用于定量评估农业领域的可持续性。该模型涵盖了可持续农业的多方面，包括食品安全、经济可行性和社会公平性。它考虑了需要最大化的三个产出——农业生产、农业附加值和农业就业，以及需要最小化的三个投入——农业用地、碳排放和食品安全指数。应用SBM方法不仅得出了每个决策单元的效率得分，还识别了投入和产出的松弛量，从而全面了解了效率低下的驱动因素。
为了展示所提出模型的适用性，以八个东盟成员国的农业部门作为案例进行了研究。结果揭示了该地区可持续效率方面的显著差异，使我们能够识别出三个不同的绩效群体：高效国家、中等效率国家（随时间表现出明显的绩效分散）和低效国家。尽管总体呈现出改进趋势，但不同的进步速度突显了需要差异化的政策干预。作为该模型的一个关键创新点，松弛量分析确定了食品安全、农业附加值和农业生产是整个地区效率低下的主要来源。群体边界测量结果显示，在特定国家群体内，资源利用是可持续的。然而，群体边界效率与元边界效率之间的显著差距，特别是在低绩效群体中，突显了相对于区域最佳实践的技术和制度上的显著差异。
该模型进一步应用于评估基于市场（碳信用）和基于政策（保护性耕作）的可持续措施的影响。研究结果表明，在整个东盟地区统一实施这些干预措施不太可能优化整体效率。具体来说，实行20美元/吨二氧化碳当量的碳信用率和50美元/吨二氧化碳当量的碳信用率分别导致元效率下降了0.18%和1.78%，而综合政策情景（20美元/吨二氧化碳当量的碳信用加上50%的保护性耕作）则使整体元效率下降了1.71%。这种不区分的政策风险是使某些国家受益过多，而对其他国家则无效或产生负面影响。从政策角度来看，结果强调由于技术和制度的异质性，在整个东盟范围内采取一致性的可持续性干预措施是无效的。政策制定者应采用针对具体国家的策略，例如，根据国家能力制定差异化的碳定价，并结合信贷支持的保护性耕作。区域合作应侧重于技术转让和可再生能源整合，以缩小效率差距。将社会和食品安全指标纳入可持续性评估将确保效率的提高转化为整个东盟农业的包容性和公平发展。所提出的模型通过剖析效率低下问题，为政策制定者提供了决定性的定量支持，使他们能够精准地制定政策，从而优化资源分配，以实现可持续性改进。这也强调了制定针对各国独特社会经济和技术状况的可持续性政策的必要性，促进真正的可持续和公平的区域发展。尽管本研究使用的数据截至2021年，但所提出的模型具有灵活性，可以轻松纳入更近期 的时间数据。通过将更广泛的指标纳入效率测量中，例如农民家庭收入、劳动生产率、土壤健康状况、水资源可得性、农药使用强度和年度非点源污染等，该模型可以进一步发展。通过对输入输出规格的一些调整，该模型可以有效地应用于各种特定的农业部门（如畜牧业、植物栽培和渔业），以及不同地区，从而实现高度针对性的可持续性政策。

作者贡献说明
Sudlop Ratanakuakangwan：撰写——审查与编辑、原始草稿撰写、可视化、方法论、调查、资金获取、正式分析、数据管理、概念化
Hiroshi Morita：监督、方法论、调查、正式分析、概念化

未引用参考文献
东盟食品安全信息系统，2024年；DataBank，2024年；联合国粮食及农业组织，2024a；联合国粮食及农业组织，2024b；政府间气候变化专门委员会，2006年；Tipi和Rehber，2006年。