中國(guó)農(nóng)業(yè)能源效率動(dòng)態(tài)演變及其影響因素

李海鵬 羅麗 張雄 張俊飚

摘要 踐行“綠水青山就是金山銀山”理念，推進(jìn)農(nóng)業(yè)綠色發(fā)展必須提高農(nóng)業(yè)能源效率。文章采用1995—2018年中國(guó)28個(gè)省份的面板數(shù)據(jù)，基于直接能源和間接能源兩個(gè)類(lèi)別核算中國(guó)農(nóng)業(yè)能源投入，運(yùn)用EBM（Epsilon-based Measure）混合距離函數(shù)模型測(cè)算農(nóng)業(yè)能源效率，利用核密度函數(shù)和空間自相關(guān)分析農(nóng)業(yè)能源效率動(dòng)態(tài)演變，采用動(dòng)態(tài)面板模型分析農(nóng)業(yè)能源效率影響因素。結(jié)果表明：①1995—2018年，中國(guó)農(nóng)業(yè)能源投入總量逐年上升，年均增長(zhǎng)率為2%，能源投入結(jié)構(gòu)從間接能源為主轉(zhuǎn)變?yōu)橹苯幽茉礊橹鳌Ｖ袊?guó)農(nóng)業(yè)能源效率呈現(xiàn)“先上升-停滯-再迅速上升”的演進(jìn)趨勢(shì)，總體上農(nóng)業(yè)能源效率偏低，存在較大提升空間。②1995—2018年，東、中、西部地區(qū)農(nóng)業(yè)能源效率年均增長(zhǎng)率分別為2.7%、1.9%和1.4%，2018年?yáng)|、中、西部地區(qū)農(nóng)業(yè)能源效率分別為0.81、0.71和0.59，地區(qū)間差距加速擴(kuò)大，中西部地區(qū)農(nóng)業(yè)能源效率亟待提升。③1995—2018年，各省農(nóng)業(yè)能源效率出現(xiàn)兩極分化且絕對(duì)差距擴(kuò)大。廣東、山東、江西、江蘇、遼寧、天津等省市農(nóng)業(yè)能源效率提升明顯，新疆、貴州、內(nèi)蒙古等省區(qū)農(nóng)業(yè)能源效率惡化。④1995—2018年，中國(guó)農(nóng)業(yè)能源效率不存在全局空間相關(guān)性，但2010年以來(lái)東部地區(qū)出現(xiàn)局部“高-高”集聚。⑤能源一期滯后項(xiàng)對(duì)農(nóng)業(yè)能源效率有顯著正向影響，農(nóng)業(yè)能源效率提升有時(shí)滯性。人力資本水平、農(nóng)民人均純收入和城鎮(zhèn)化水平對(duì)農(nóng)業(yè)能源效率有顯著正向影響，受災(zāi)率、二三產(chǎn)業(yè)發(fā)展水平、對(duì)外開(kāi)放水平對(duì)農(nóng)業(yè)能源效率有顯著負(fù)向影響。在鄉(xiāng)村振興戰(zhàn)略實(shí)施過(guò)程中，應(yīng)該以中西部地區(qū)為重點(diǎn)，以職業(yè)農(nóng)民培育為關(guān)鍵，著重改善農(nóng)業(yè)生產(chǎn)條件，提升地區(qū)間協(xié)作水平，發(fā)揮二、三產(chǎn)業(yè)的帶動(dòng)作用，增強(qiáng)農(nóng)業(yè)防災(zāi)減災(zāi)能力。

關(guān)鍵詞 EBM模型;動(dòng)態(tài)面板模型;農(nóng)業(yè)能源效率;動(dòng)態(tài)演變;影響因素

中圖分類(lèi)號(hào) F224;F323.21 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2020）12-0105-11

DOI：10.12062/cpre.20200420

農(nóng)業(yè)生態(tài)經(jīng)濟(jì)系統(tǒng)是通過(guò)投入人工輔助能提高生產(chǎn)力的特殊生態(tài)系統(tǒng)，人工輔助能投入數(shù)量、結(jié)構(gòu)和類(lèi)型決定了農(nóng)業(yè)生態(tài)經(jīng)濟(jì)系統(tǒng)的生產(chǎn)力水平。20世紀(jì)以來(lái)，隨著世界工業(yè)發(fā)展，煤炭石油類(lèi)產(chǎn)品變得十分低廉且供應(yīng)充足，使得投入農(nóng)業(yè)的人工輔助能由人力畜力等生物輔助能轉(zhuǎn)變?yōu)榛茉吹裙I(yè)輔助能，極大提高了農(nóng)業(yè)生產(chǎn)力水平，顯著改善了世界食品供給，但同時(shí)也帶來(lái)了碳排放增加、面源污染加劇、生態(tài)系統(tǒng)退化等全球生態(tài)問(wèn)題。改革開(kāi)放以來(lái)，中國(guó)農(nóng)業(yè)高速發(fā)展離不開(kāi)工業(yè)輔助能的大量投入，如1978—2018年中國(guó)化肥使用量、農(nóng)業(yè)機(jī)械總動(dòng)力分別從884萬(wàn)t、11 749.6萬(wàn)kW增長(zhǎng)到5 653.4萬(wàn)t、10 037.2萬(wàn)kW;1990—2018年，農(nóng)藥、農(nóng)膜使用量分別從73.62萬(wàn)t、48.2萬(wàn)t上升到150.4萬(wàn)t、246.5萬(wàn)t。雖然2015年實(shí)施化肥農(nóng)藥使用量零增長(zhǎng)行動(dòng)以來(lái)，中國(guó)農(nóng)藥、化肥使用量逐年減少，但是隨著農(nóng)業(yè)機(jī)械化水平提升[1]，預(yù)期農(nóng)業(yè)能源投入量仍將繼續(xù)增加，農(nóng)業(yè)發(fā)展對(duì)生態(tài)環(huán)境的脅迫效應(yīng)總體十分劇烈，短期內(nèi)中國(guó)仍然面臨農(nóng)業(yè)快速發(fā)展與生態(tài)環(huán)境保護(hù)之間的矛盾。中國(guó)若繼續(xù)走“石油農(nóng)業(yè)”老路，必然造成生態(tài)系統(tǒng)不可逆的破壞;若減少農(nóng)業(yè)產(chǎn)出又將影響食品供給安全，因此必須加快推進(jìn)農(nóng)業(yè)發(fā)展觀革命，走綠色生態(tài)高效的現(xiàn)代農(nóng)業(yè)發(fā)展道路，實(shí)踐“既要綠水青山，也要金山銀山”的綠色發(fā)展理念。從農(nóng)業(yè)能源投入角度而言，必須提高農(nóng)業(yè)能源效率，加快實(shí)現(xiàn)農(nóng)業(yè)發(fā)展與化石能源投入脫鉤。基于此，核算中國(guó)農(nóng)業(yè)能源投入量，測(cè)算農(nóng)業(yè)能源效率，并分析其演變規(guī)律和影響因素，具有重要的意義。

1 文獻(xiàn)回顧

能源效率測(cè)算是能源經(jīng)濟(jì)研究領(lǐng)域的重要問(wèn)題。能源效率測(cè)算包括單要素效率測(cè)算法和全要素效率測(cè)算法[2]。由于單要素能源效率法沒(méi)有考慮生產(chǎn)過(guò)程中其他投入的補(bǔ)償效應(yīng)和替代效應(yīng)，以此衡量能源效率時(shí)，可能會(huì)夸大能源對(duì)經(jīng)濟(jì)的貢獻(xiàn)[2]，因此國(guó)內(nèi)外學(xué)者傾向于在全要素框架下進(jìn)行能源效率綜合評(píng)價(jià)。

國(guó)外學(xué)者對(duì)農(nóng)業(yè)能源效率的研究集中于產(chǎn)業(yè)尺度。從農(nóng)業(yè)能源投入核算來(lái)看，一般分為直接能源和間接能源進(jìn)行核算，直接能源包括人力、柴油、電力等，間接能源包括種子、化肥、農(nóng)家肥、農(nóng)藥等[3-6]。如Esengun等[7]通過(guò)問(wèn)卷調(diào)查法研究土耳其干杏生產(chǎn)中的能源投入情況，發(fā)現(xiàn)化肥和農(nóng)藥是主要能源投入。Ghorbani等[8]比較旱地和灌溉地小麥生產(chǎn)，發(fā)現(xiàn)化肥和柴油在能源投入中占比最大，分別達(dá)到37%和24%，種植旱地小麥能源投入更少。Elsoragaby等[9]收集2004—2017年發(fā)表的120篇期刊文章，分析11種農(nóng)作物能源投入，研究發(fā)現(xiàn)電力、化肥和柴油分別貢獻(xiàn)了總能源投入的46%、20%和14%。Singh等[10]基于40位農(nóng)民訪談研究印度稻米產(chǎn)業(yè)能源投入產(chǎn)出，發(fā)現(xiàn)灌溉和化肥在能源投入中占比較高，分別達(dá)到40%和24.7%。在對(duì)能源效率評(píng)估模型中，有學(xué)者使用參數(shù)分析法進(jìn)行估算，如Rahman等[11]通過(guò)采用隨機(jī)生產(chǎn)前沿方法，同時(shí)考慮影響生產(chǎn)的環(huán)境約束，估算了孟加拉國(guó)小麥種植的生產(chǎn)力和能源效率。Houshyar等[12]使用Cobb-Douglass計(jì)量經(jīng)濟(jì)模型分析了玉米生產(chǎn)能源效率。也有學(xué)者利用非參數(shù)分析法進(jìn)行估算， Mousavi-Avval等[13]采用數(shù)據(jù)包絡(luò)分析法研究了伊朗蘋(píng)果生產(chǎn)的能源消耗和投入成本，認(rèn)為電能和化學(xué)品投入存在較大節(jié)能空間，當(dāng)前能源投入可節(jié)約11.29%。Blancard等[14]以2007年法國(guó)農(nóng)場(chǎng)數(shù)據(jù)庫(kù)為基礎(chǔ)測(cè)算農(nóng)業(yè)能源效率，認(rèn)為節(jié)能政策的推廣可以減少37%的能源投入。Bartzas等[15]測(cè)算2012—2016年希臘開(kāi)心果產(chǎn)業(yè)的能源效率，結(jié)果表明能源效率約為70%。Kaab等[16]利用多目標(biāo)遺傳算法和數(shù)據(jù)包絡(luò)分析法對(duì)伊朗南部甘蔗園能源利用進(jìn)行優(yōu)化，可分別節(jié)省20.90%和8.52%的能源投入。

國(guó)內(nèi)學(xué)者對(duì)農(nóng)業(yè)能源投入及效率的研究較少。從農(nóng)業(yè)能源投入核算看，最早由吳湘淦[17]對(duì)1978年中國(guó)農(nóng)業(yè)消耗的燃料、電力、飼料、化肥、農(nóng)藥等進(jìn)行折算，發(fā)現(xiàn)中國(guó)農(nóng)業(yè)耗能約3億t標(biāo)準(zhǔn)煤。1997年以后，隨著《中國(guó)能源統(tǒng)計(jì)年鑒》編發(fā)，國(guó)內(nèi)學(xué)者在研究中大多直接利用區(qū)域能源平衡表所表示的第一產(chǎn)業(yè)能源終端消費(fèi)數(shù)據(jù)進(jìn)行分析，僅有牛亮云等[18]、李楠[19]等在研究中將化肥、農(nóng)藥等間接能源納入農(nóng)業(yè)能源投入核算體系。從農(nóng)業(yè)能源效率研究看，咼小明等[20]將農(nóng)業(yè)能源強(qiáng)度的倒數(shù)作為農(nóng)業(yè)能源效率指標(biāo)，發(fā)現(xiàn)中國(guó)農(nóng)業(yè)能源利用效率總體呈下降趨勢(shì)。此后，隨著全要素生產(chǎn)率研究框架的完善，國(guó)內(nèi)學(xué)者更傾向于將納入農(nóng)業(yè)能源投入后所測(cè)算的全要素生產(chǎn)率作為農(nóng)業(yè)能源效率衡量指標(biāo)，如欒義君等[21]基于投入導(dǎo)向DEA模型，發(fā)現(xiàn)2002—2011年中國(guó)農(nóng)業(yè)能源效率小幅上升且地區(qū)差異明顯。于偉詠等[22]基于方向性距離函數(shù)，以碳排放為非期望產(chǎn)出，研究發(fā)現(xiàn)2000—2011年間碳排放強(qiáng)度低的地區(qū)農(nóng)業(yè)能源效率較高。冉啟英等[23]基于SBM模型，測(cè)算碳排放約束下中國(guó)農(nóng)業(yè)全要素能源效率，發(fā)現(xiàn)區(qū)域差異明顯。杜輝等[24]基于窗口DEA模型進(jìn)行測(cè)度，發(fā)現(xiàn)2000—2016年區(qū)域間農(nóng)業(yè)能源效率差距縮小。Fei等[2]在考慮農(nóng)業(yè)技術(shù)異質(zhì)性的基礎(chǔ)上，采用共同前沿DEA模型測(cè)算，結(jié)果表明中國(guó)農(nóng)業(yè)能源效率整體水平較低，能源效率損失的主因在于管理效率低下。Zhihai等[25]采用DEA方法測(cè)度2001—2011年中國(guó)30個(gè)省份農(nóng)業(yè)全要素能源效率，發(fā)現(xiàn)農(nóng)業(yè)能源效率不斷提升但區(qū)域差異明顯，農(nóng)業(yè)密集區(qū)和能源豐富省份在農(nóng)業(yè)生產(chǎn)中能源效率相對(duì)較低。在能源效率測(cè)算基礎(chǔ)上，部分學(xué)者對(duì)農(nóng)業(yè)能源效率影響因素進(jìn)行分析，如平衛(wèi)英[26]發(fā)現(xiàn)能源價(jià)格變動(dòng)、技術(shù)進(jìn)步分別對(duì)農(nóng)業(yè)能源效率有顯著的負(fù)向和正向影響;戴紅軍等[27]發(fā)現(xiàn)勞動(dòng)力、資本、能源等要素價(jià)格波動(dòng)對(duì)農(nóng)業(yè)能源效率有一定影響;周輝等[28]、冉啟英等[23]、魏琪等[29]均研究發(fā)現(xiàn)，農(nóng)村收入水平增長(zhǎng)、農(nóng)業(yè)技術(shù)改善以及農(nóng)業(yè)產(chǎn)值占比增加都會(huì)對(duì)農(nóng)業(yè)能源效率起促進(jìn)作用。

綜上所述，現(xiàn)有文獻(xiàn)為中國(guó)農(nóng)業(yè)能源效率研究奠定了基礎(chǔ)，但仍存在一定的改進(jìn)空間。具體來(lái)說(shuō)：從農(nóng)業(yè)能源投入核算看，現(xiàn)有研究較少將間接能源納入測(cè)算范圍，低估了農(nóng)業(yè)能源投入數(shù)量;從農(nóng)業(yè)能源效率測(cè)算看，現(xiàn)有研究測(cè)算的全要素生產(chǎn)率是包括能源投入、勞動(dòng)力、土地等要素的一種綜合效率，以此為替代指標(biāo)將高估農(nóng)業(yè)能源效率;從農(nóng)業(yè)能源影響因素分析上，現(xiàn)有研究以靜態(tài)面板數(shù)據(jù)模型進(jìn)行分析，忽視能源效率滯后項(xiàng)對(duì)當(dāng)期的影響，估計(jì)結(jié)果可能產(chǎn)生偏誤。基于此，本文力求從三個(gè)方面進(jìn)行創(chuàng)新：首先，從直接能源和間接能源兩個(gè)類(lèi)別，測(cè)算1995—2018年中國(guó)農(nóng)業(yè)能源投入狀況;其次，運(yùn)用EBM-DEA模型測(cè)算中國(guó)及各省考慮非期望產(chǎn)出的農(nóng)業(yè)能源效率，并分析其動(dòng)態(tài)演變狀況;最后，在農(nóng)業(yè)能源效率影響因素理論分析基礎(chǔ)上，采用動(dòng)態(tài)面板模型進(jìn)行實(shí)證分析。

2 中國(guó)農(nóng)業(yè)能源效率測(cè)算

2.1 測(cè)算方法

目前測(cè)度能源效率主要采用數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）法。Tone[30]于2001年提出非角度非徑向的拓展式sbm模型（slack based model，SBM），有效解決了投入松弛帶來(lái)的非效率問(wèn)題和生產(chǎn)過(guò)程包含的非期望產(chǎn)出問(wèn)題。但由于農(nóng)業(yè)生產(chǎn)過(guò)程中，能源投入與非期望產(chǎn)出具有密切關(guān)聯(lián)，而其他投入變量則與非期望產(chǎn)出是可以分割的非徑向關(guān)系，因此SBM模型不能處理農(nóng)業(yè)生產(chǎn)中投入和產(chǎn)出變量同時(shí)具有徑向和非徑向特征的情形。2010年，Tone等[31]提出一種包含徑向與SBM兩類(lèi)距離函數(shù)的混合模型，即EBM（epsilon-based measure）模型，該模型既考慮了投入目標(biāo)值與投入實(shí)際值之間的徑向比例，也能反映各投入之間差異化的非徑向松弛變量，能更加真實(shí)地反映評(píng)價(jià)單元的相對(duì)效率水平[32]。因此，本文采用EBM-DEA 模型來(lái)測(cè)算中國(guó)農(nóng)業(yè)能源效率。

2.1.1 考慮非期望產(chǎn)出的EBM模型

假設(shè)生產(chǎn)中存在K（k=1，2，…，K）個(gè)決策單元，每個(gè)決策單元的投入為x=（x1，…xN）∈R.N+，期望產(chǎn)出y=（y1，…yM）∈R.M+，非期望產(chǎn)出為b=（b1，…bJ）∈R.J+，本文結(jié)合考慮非期望產(chǎn)出的生產(chǎn)可能集假定，得到考慮非期望產(chǎn)出的EBM模型：

其中，λ為權(quán)重變量，ε和ω.-i為模型的核心參數(shù)，具體計(jì)算過(guò)程詳見(jiàn)Tone等[31]。被評(píng)價(jià)DMU的效率值為目標(biāo)函數(shù)的最優(yōu)解，即θ.*-εΣ.Ni=1ω.-iS.-*ixi0，該值越大表示生產(chǎn)過(guò)程中減少投入要素的空間越小，效率越高。由目標(biāo)函數(shù)的最優(yōu)解可以看出，考慮非期望產(chǎn)出的最優(yōu)效率值由兩方面的改進(jìn)得到：①θ.*為徑向模型測(cè)算的徑向效率值，即圖1中由A改進(jìn)到B，稱(chēng)為“徑向改進(jìn)”，徑向改進(jìn)值CD=（1-θ.*）0C;②s.-*i為徑向改進(jìn)后的最短前沿距離，即圖1

中由B改進(jìn)到A′，稱(chēng)為“松弛改進(jìn)”，松弛改進(jìn)值DE=s.-*i。投入指標(biāo)的徑向改進(jìn)和松弛改進(jìn)稱(chēng)為“總改進(jìn)量”，總改進(jìn)值CE=CD+DE=（1-θ.*）0C+s.-*i。

2.1.2 全要素能源效率定義

在能源、土地、資本等多種投入下，EBM模型可以得出綜合農(nóng)業(yè)效率值，也可得出各項(xiàng)投入的總改進(jìn)值。因此，通過(guò)EBM模型可以得出能源投入的總改進(jìn)值，當(dāng)實(shí)際能源投入量（Actual Energy Input）進(jìn)行改進(jìn)后，可以得出目標(biāo)能源投入量（Target Energy Input），目標(biāo)能源投入量與實(shí)際能源投入量的比值即為全要素能源效率（Total-factor Energy Efficiency）。本文在Hu 等[33]和魏楚等[34]的基礎(chǔ)上將能源效率進(jìn)一步表達(dá)為：

式（2）中，TFEEt表示t年度考慮非期望產(chǎn)出的全要素能源效率，TEIt表示t年度最優(yōu)生產(chǎn)前沿上目標(biāo)點(diǎn)的能源投入量，AEIt表示該年度的實(shí)際能源投入量，ESTt 表示該年度相對(duì)前沿過(guò)度投入的能源量， 即能源總改進(jìn)量。目標(biāo)節(jié)能量ESTt包括徑向調(diào)整CD和松弛調(diào)整DE兩個(gè)部分。如圖1所示，x1代表能源投入，t年度的實(shí)際能源投入量AEIt=0C，目標(biāo)能源投入量TEIt=0E，總改進(jìn)量ESTt=CE。其中，ESTt=CD+DE。

2.2 投入產(chǎn)出指標(biāo)選取

本文以廣義農(nóng)業(yè)（農(nóng)林牧漁業(yè)）為研究對(duì)象，使用1995—2018年中國(guó)內(nèi)地28個(gè)省份農(nóng)業(yè)投入產(chǎn)出面板數(shù)據(jù)（限于數(shù)據(jù)可得性，研究區(qū)域不包括西藏，并將重慶市并入四川省、海南省并入廣東省計(jì)算）。原始數(shù)據(jù)源自《中國(guó)國(guó)內(nèi)生產(chǎn)總值核算歷史資料：1952—2002》、歷年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》和歷年各地統(tǒng)計(jì)年鑒。

2.2.1 農(nóng)業(yè)投入變量

投入變量包括農(nóng)業(yè)資本存量、勞動(dòng)力、土地和能源。①農(nóng)業(yè)資本存量：借鑒李谷成等[35]、吳方衛(wèi)[36]等學(xué)者的研究，根據(jù)永續(xù)盤(pán)存法推算農(nóng)業(yè)資本存量，并對(duì)其按1978年的不變價(jià)格進(jìn)行折算（單位：億元）。②勞動(dòng)力投入：選取中國(guó)各?。ㄊ?、自治區(qū)）第一產(chǎn)業(yè)從業(yè)人數(shù)代表勞動(dòng)力投入指標(biāo)（單位：萬(wàn)人）。③土地投入：選取中國(guó)各?。ㄊ?、自治區(qū)）農(nóng)作物總播種面積作為耕地投入指標(biāo)（單位：k hm.2）。④能源投入指標(biāo)：分直接能源和間接能源兩個(gè)類(lèi)別進(jìn)行核算（單位：萬(wàn)tce）。由于人力投入是具有主觀能動(dòng)性的特殊投入，已作為勞動(dòng)力投入納入分析框架，在能源投入測(cè)算時(shí)剔除人力勞動(dòng)。因此直接能源投入包括原煤、汽油、柴油、電力、畜力，間接能源投入包括農(nóng)藥、化肥、農(nóng)膜、農(nóng)用機(jī)械。根據(jù)農(nóng)業(yè)生態(tài)學(xué)中的“能流”思想，將所有投入全部折算為等效能量值[19]。各項(xiàng)投入的能量折標(biāo)值參考李楠[19]、Yuan等[37]等學(xué)者的研究成果。

農(nóng)業(yè)能源投入總量核算公式為：

其中，EIO指農(nóng)業(yè)能源投入量，QIOi表示第i類(lèi)農(nóng)業(yè)能源投入數(shù)量，EEVi表示第i類(lèi)農(nóng)業(yè)能源投入等效的能量值。

其中，畜力投入量核算公式為：

其中，QIO指畜力投入量，NDA表示役畜投入數(shù)量，AWO表示役畜年均工作時(shí)間，取值為360 h[19]。

2.2.2 農(nóng)業(yè)產(chǎn)出變量

產(chǎn)出變量包括期望產(chǎn)出變量和非期望產(chǎn)出變量。①期望產(chǎn)出變量：選取中國(guó)各省（市、自治區(qū)）第一產(chǎn)業(yè)增加值，對(duì)其按1978 年的不變價(jià)格進(jìn)行折算（單位：億元），代表地區(qū)農(nóng)業(yè)產(chǎn)出指標(biāo)。②非期望產(chǎn)出變量：選取第一產(chǎn)業(yè)碳排放量作為非期望產(chǎn)出?；谝延醒芯砍晒?，從農(nóng)業(yè)投入、水稻生長(zhǎng)與畜禽養(yǎng)殖3個(gè)方面對(duì)農(nóng)業(yè)碳排放量進(jìn)行測(cè)度，并將結(jié)果統(tǒng)一折算為碳當(dāng)量（單位：萬(wàn)t）。農(nóng)業(yè)碳排放折算系數(shù)參考李波等[38]、閔繼勝等[39]的研究。農(nóng)業(yè)碳排放計(jì)算公式如下：

其中，C指農(nóng)業(yè)碳排放總量，Cit代表第i類(lèi)碳源第t年農(nóng)業(yè)碳排放量，Tit代表第i類(lèi)碳源第t年的使用量，i代表第i類(lèi)碳源的碳排放系數(shù)。

2.3 農(nóng)業(yè)能源效率測(cè)算結(jié)果分析

2.3.1 中國(guó)農(nóng)業(yè)能源投入總量及結(jié)構(gòu)演變特征

如圖2所示，研究期中國(guó)農(nóng)業(yè)能源投入總量從1995年的10 608萬(wàn)tce增加到2018年的16 736萬(wàn)tce，年均增長(zhǎng)率達(dá)到2%。直接能源投入量從1995年的4 272萬(wàn)tce增長(zhǎng)到2018年的8 111萬(wàn)tce，年均增長(zhǎng)率為2.8%;間接能源投入量從1995年的6 335萬(wàn)tce增長(zhǎng)到2018年的8 624萬(wàn)tce，年均增長(zhǎng)率為1.4%。1995—2013年，間接能源投入量和直接能源投入量均呈上升態(tài)勢(shì)，間接能源投入量總體上是直接能源投入的兩倍，能源投入總量呈快速增長(zhǎng)態(tài)勢(shì)。2014—2018年，間接能源投入量逐年下降，直接能源投入量逐年上升，能源投入總量呈緩慢增長(zhǎng)態(tài)勢(shì)。2018年，直接能源投入量和間接能源投入量趨于相等，預(yù)期2020年后直接能源投入量將超過(guò)間接能源投入量。

2.3.2 中國(guó)農(nóng)業(yè)能源效率動(dòng)態(tài)演變

圖3可以看出，1995—2018年間，中國(guó)農(nóng)業(yè)能源效率（TFEE）均值為0.52，最高值為2018年的0.7，最低值為1995年的0.44，農(nóng)業(yè)能源效率總體偏低，存在較大的提升空間。研究期中國(guó)農(nóng)業(yè)能源效率呈現(xiàn) “先上升-停滯-再迅速上升”的演進(jìn)趨勢(shì)：第一階段（1995—2003），由于片面追求農(nóng)業(yè)產(chǎn)值，加上農(nóng)業(yè)生態(tài)環(huán)境持續(xù)惡化和農(nóng)業(yè)科技水平低下，TFEE值總體較低并呈緩慢上升態(tài)勢(shì)。第二階段（2004—2007），是中國(guó)農(nóng)業(yè)發(fā)展變革時(shí)期，2002年加入WTO后，中國(guó)農(nóng)產(chǎn)品開(kāi)始面對(duì)國(guó)際競(jìng)爭(zhēng)[40]，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展陷入停滯。2004年中共中央出臺(tái)關(guān)于“三農(nóng)問(wèn)題”的一號(hào)文件，2005年9月中國(guó)全面取消農(nóng)業(yè)稅，刺激農(nóng)業(yè)生產(chǎn)資料投入猛增，農(nóng)業(yè)能源投入快速增加。同時(shí)，該階段中國(guó)也進(jìn)行了大規(guī)模農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，雖然有利于農(nóng)業(yè)能源效率提升，但是由于工程建設(shè)有一定時(shí)滯性，不能立即改善農(nóng)業(yè)投入產(chǎn)出結(jié)構(gòu)，使得中國(guó)農(nóng)業(yè)呈現(xiàn)“高投入低產(chǎn)出”態(tài)勢(shì)[21]，導(dǎo)致這一時(shí)期TFEE值出現(xiàn)停滯甚至下降趨勢(shì)。第三階段（2008—2018），由于中央高度重視“三農(nóng)”工作，財(cái)政涉農(nóng)資金投入不斷增加，中國(guó)農(nóng)業(yè)科技水平大幅提升，推動(dòng)農(nóng)業(yè)發(fā)展方式從粗放型向集約型轉(zhuǎn)變，TFEE值年均增速達(dá)到2.4%。從近20年中國(guó)農(nóng)業(yè)能源效率不同階段呈現(xiàn)的演變特征來(lái)看，在有效控制農(nóng)業(yè)能源投入總量的基礎(chǔ)上，夯實(shí)農(nóng)業(yè)發(fā)展基礎(chǔ)、提高農(nóng)業(yè)科技水平是未來(lái)中國(guó)農(nóng)業(yè)綠色發(fā)展的關(guān)鍵所在。

進(jìn)一步分析東、中、西三大地區(qū)農(nóng)業(yè)能源效率變化。1995—2018年?yáng)|、中、西地區(qū)農(nóng)業(yè)能源效率呈現(xiàn)“加速擴(kuò)大”的演進(jìn)格局。1995年中部地區(qū)農(nóng)業(yè)能源效率最高，但東、中、西地區(qū)差距較小。隨著經(jīng)濟(jì)社會(huì)加速發(fā)展，東部地區(qū)農(nóng)業(yè)財(cái)政投入和社會(huì)投資迅速增加，引進(jìn)了大量先進(jìn)農(nóng)業(yè)技術(shù)，農(nóng)業(yè)生產(chǎn)條件迅速改善，使得東部地區(qū)TFEE值于1999年超過(guò)中部地區(qū)，在2018年達(dá)到0.81，年均增長(zhǎng)率達(dá)到2.7%。同期由于落后的農(nóng)業(yè)生產(chǎn)條件限制，中西部地區(qū)農(nóng)業(yè)能源效率增長(zhǎng)緩慢，TFEE值年均增長(zhǎng)速度分別為1.9%和1.4%，可見(jiàn)中西部地區(qū)農(nóng)業(yè)能源效率存在較大的提升空間。

2.3.3 區(qū)域農(nóng)業(yè)能源效率動(dòng)態(tài)演變

從省級(jí)層面來(lái)看，中國(guó)農(nóng)業(yè)能源效率地區(qū)差異更為顯著。圖4描述典型年份中國(guó)農(nóng)業(yè)能源效率的密度分布。從形狀上看，核密度函數(shù)由偏態(tài)單峰分布向雙峰分布過(guò)度，且峰度出現(xiàn)逐漸下降態(tài)勢(shì)，說(shuō)明各省農(nóng)業(yè)能源效率出現(xiàn)兩極分化且絕對(duì)差距擴(kuò)大。從位置上看，1995—2018年密度分布曲線中心右移，說(shuō)明大多數(shù)省份農(nóng)業(yè)能源效率逐步提升。2010年和2018年主波峰在右側(cè)，說(shuō)明中國(guó)農(nóng)業(yè)能源效率存在低值集聚。具體來(lái)看，1995—2018年，遼寧、吉林、福建、四川等省份農(nóng)業(yè)能源效率均值都在0.8以上，山西、貴州等省份均值在0.3以下。2018年四川、廣東、江西、福建、江蘇、吉林、遼寧、天津等省市TFEE值達(dá)到了1，農(nóng)業(yè)能源利用達(dá)到了最佳前沿面，而山西省TFEE值最低為0.28，農(nóng)業(yè)能源效率最低。比較不同時(shí)期農(nóng)業(yè)能源效率的散點(diǎn)分布，如圖5所示，廣東、山東、江西、江蘇、遼寧、天津等省市TFEE值依次按年份順序分布較為疏散，這些省份農(nóng)業(yè)能源效率提升速度較為明顯。除江西外，廣東、山東、江蘇、遼寧、天津都屬于東部地區(qū)，這一結(jié)果與前述分析結(jié)果一致。新疆、貴州、內(nèi)蒙古等省區(qū)TFEE值有一定倒退，尤其是內(nèi)蒙古2018年TFEE值比1995年還低，亟須采取針對(duì)措施提高農(nóng)業(yè)能源效率。

2.3.4 中國(guó)農(nóng)業(yè)能源效率的空間集聚分析

利用探索性空間分析方法分析中國(guó)農(nóng)業(yè)能源效率空間集聚特征。

（1）全局自相關(guān)分析。采用一階鄰接矩陣作為空間權(quán)重矩陣，計(jì)算中國(guó)農(nóng)業(yè)能源效率全局Morans I 值，如表1所示?？梢?jiàn)中國(guó)農(nóng)業(yè)能源效率不存在空間集聚特征，說(shuō)明各省之間總體上不存在相互間的學(xué)習(xí)示范或產(chǎn)業(yè)協(xié)同，應(yīng)當(dāng)加快各省之間的農(nóng)業(yè)產(chǎn)業(yè)交流和協(xié)作發(fā)展。

（2）局部自相關(guān)分析。計(jì)算局部Morans I 值，如表2所示?？梢?jiàn)中國(guó)農(nóng)業(yè)能源效率空間集聚類(lèi)型以“低-高”“高-低”集聚類(lèi)型為主。2010年“高-高”集聚的省份為黑龍江、吉林，“低-低”集聚的省份為寧夏、四川、甘肅和陜西。2018年“高-高”集聚的省份為黑龍江、吉林、江蘇、上海、福建，“低-低”集聚的省份為寧夏和四川。從近10年看，中國(guó)農(nóng)業(yè)能源效率逐漸在東部地區(qū)形成了高值集聚熱點(diǎn)，說(shuō)明東部地區(qū)逐步出現(xiàn)省際的農(nóng)業(yè)產(chǎn)業(yè)協(xié)同發(fā)展和農(nóng)業(yè)技術(shù)的學(xué)習(xí)示范。

3 中國(guó)農(nóng)業(yè)能源效率影響因素分析

3.1 影響因素選取

當(dāng)前一般采用環(huán)境壓力模型（IPAT）及其擴(kuò)展STIRPAT模型解釋能源消費(fèi)影響機(jī)理。Ehrlich等[41]提出的IPAT模型認(rèn)為經(jīng)濟(jì)體環(huán)境壓力或資源消耗的影響因素為人口、富裕度和技術(shù)水平。IPAT模型不允許各影響因素非單調(diào)、不同比例的變化，因此Dietz等[42]將IPAT 等式以隨機(jī)形式表示，建立了STIRPAT模型。本研究以STIRPAT模型為基準(zhǔn)，根據(jù)中國(guó)農(nóng)業(yè)特征及影響因素的特殊性進(jìn)行改進(jìn)[23，43-44]，選取影響農(nóng)業(yè)能源效率的分析指標(biāo)。原始數(shù)據(jù)中，受災(zāi)面積來(lái)自歷年《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》，農(nóng)村人均人力資本水平來(lái)自《中國(guó)人力資本報(bào)告2019》，其他數(shù)據(jù)均來(lái)自歷年《中國(guó)統(tǒng)計(jì)年鑒》。

3.1.1 核心解釋變量

根據(jù)IPAT模型以及STIRPAT模型中的人口、富裕度和技術(shù)類(lèi)指標(biāo)，選擇核心解釋變量。①農(nóng)村經(jīng)濟(jì)發(fā)展水平，采用農(nóng)民人均可支配收入（RI）表示，單位千元。相關(guān)研究表明[23]，經(jīng)濟(jì)發(fā)展水平顯著影響農(nóng)業(yè)能源效率，居民收入越高越傾向于高效使用能源，預(yù)期農(nóng)村經(jīng)濟(jì)發(fā)展水平對(duì)農(nóng)業(yè)能源效率的影響為正。②人力資本水平，采用農(nóng)村人均人力資本水平（HC）表示。農(nóng)業(yè)技術(shù)進(jìn)步主要附著于勞動(dòng)力上，體現(xiàn)在人力資本水平高低。一般研究多用平均受教育年限作為替代指標(biāo)，存在不能綜合反映農(nóng)業(yè)勞動(dòng)力年齡、健康狀況等問(wèn)題，具有較大的局限性。本研究以中國(guó)人力資本與勞動(dòng)經(jīng)濟(jì)研究中心編制的各省農(nóng)村人力資本水平作為替代指標(biāo)，預(yù)期人力資本水平對(duì)農(nóng)業(yè)能源效率的影響為正。

3.1.2 控制變量選擇

根據(jù)中國(guó)農(nóng)業(yè)特征引入影響農(nóng)業(yè)能源效率的控制變量。①農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，采用各省市非種植業(yè)產(chǎn)值占農(nóng)林牧漁總產(chǎn)值的比重表示（AI），單位%。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是農(nóng)業(yè)能源效率變化的重要原因[45]，種植業(yè)比重越低，則農(nóng)業(yè)投入產(chǎn)出效率越高。預(yù)期農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變量對(duì)農(nóng)業(yè)能源效率的影響為正。②受災(zāi)率，采用各省市受災(zāi)面積占農(nóng)作物總播種面積（DR）表示，單位%。農(nóng)業(yè)生產(chǎn)受自然氣候條件的影響較大，自然災(zāi)害會(huì)對(duì)農(nóng)業(yè)生產(chǎn)造成損失，預(yù)期受災(zāi)率對(duì)農(nóng)業(yè)能源效率的影響為負(fù)。③二、三產(chǎn)業(yè)發(fā)展水平，采用二、三產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比重（IS）表示，單位%。二、三產(chǎn)業(yè)發(fā)展水平既會(huì)造成社會(huì)資源從農(nóng)業(yè)流出，又會(huì)因技術(shù)外溢促進(jìn)農(nóng)業(yè)發(fā)展，對(duì)農(nóng)業(yè)能源效率影響不能確定。④對(duì)外開(kāi)放水平，采用進(jìn)出口總額占地區(qū)生產(chǎn)總值比重（OP）表示，單位%。對(duì)外開(kāi)放水平有利于引進(jìn)國(guó)外先進(jìn)技術(shù)和經(jīng)驗(yàn)[44]，預(yù)期對(duì)農(nóng)業(yè)能源效率的影響為正。⑤城鎮(zhèn)化水平，采用城鎮(zhèn)人口占總?cè)丝诒戎兀║L）表示，單位%。城鎮(zhèn)化促進(jìn)農(nóng)業(yè)勞動(dòng)力轉(zhuǎn)移，有利于實(shí)現(xiàn)農(nóng)業(yè)規(guī)模化生產(chǎn)和產(chǎn)業(yè)化經(jīng)營(yíng)，預(yù)期對(duì)農(nóng)業(yè)能源效率的影響為正。

3.2 模型構(gòu)建

本研究選取農(nóng)業(yè)能源效率為被解釋變量，并對(duì)相關(guān)變量進(jìn)行對(duì)數(shù)化處理。由于能源效率變化具有路徑依賴(lài)慣性，是連續(xù)動(dòng)態(tài)進(jìn)行調(diào)整的過(guò)程，農(nóng)業(yè)能源效率很可能存在滯后效應(yīng)，因此有必要引入農(nóng)業(yè)能源效率滯后項(xiàng)以控制滯后效應(yīng)。由于在模型中引入被解釋變量滯后項(xiàng)，導(dǎo)致解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)，因此隨機(jī)效應(yīng)估計(jì)量和固定效應(yīng)估計(jì)量都是有偏的[46]。Arellano 等[47]、Blundell 等[48]提出廣義矩陣估計(jì)法（Generalized Method of Moments，GMM）可以解決上述問(wèn)題。GMM法包括差分GMM、水平GMM和系統(tǒng)GMM三種方法，其中系統(tǒng)GMM估計(jì)能夠有效解決測(cè)量誤差、非時(shí)變遺漏變量和解釋變量?jī)?nèi)生性問(wèn)題[49]。因此，本文采用系統(tǒng)GMM方法進(jìn)行估計(jì)。由于核心解釋變量中，農(nóng)民人均可支配收入和人力資本水平之間可能存在交互效應(yīng)，因此在解釋變量中，引入農(nóng)民人均可支配收入和人力資本水平交互項(xiàng)，構(gòu)建動(dòng)態(tài)面板模型為：

式（7）中，i和t分別表示區(qū)域和年度，ln為自然對(duì)數(shù)，μi和εit為不可觀測(cè)的個(gè)體效應(yīng)和隨機(jī)誤差項(xiàng)。當(dāng)式（7）系數(shù)a9為正時(shí)，農(nóng)民人均純收入和人力資本水平對(duì)農(nóng)業(yè)能源效率發(fā)揮互補(bǔ)相應(yīng)，反之，則發(fā)揮替代效應(yīng)。

3.3 模型檢驗(yàn)

3.3.1 數(shù)據(jù)檢驗(yàn)

（1）平穩(wěn)性檢驗(yàn)。采用Fisher-ADF檢驗(yàn)和Fisher-PP檢驗(yàn)對(duì)面板數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。如表3所示，原變量序列存在7個(gè)變量未通過(guò)檢驗(yàn)，不能拒絕原假設(shè)，可見(jiàn)原序列并不平穩(wěn)。其一階差分的變量序列在5%水平下顯著，拒絕原假設(shè)，因此所有變量是一階單整序列，可以進(jìn)行協(xié)整檢驗(yàn)。

（2）多重共線性檢驗(yàn)。在正式回歸前，為防止因變量存在多重共線性導(dǎo)致回歸結(jié)果偏誤，應(yīng)對(duì)因變量進(jìn)行多重共線性檢驗(yàn)。計(jì)算各解釋變量相關(guān)系數(shù)，發(fā)現(xiàn)均小于0.4;進(jìn)一步考察方差膨脹因子，發(fā)現(xiàn)所有解釋變量均小于10，平均為4.95，因此判定因變量間不存在多重共線性，可用于協(xié)整檢驗(yàn)和面板回歸。

（3）協(xié)整檢驗(yàn)。采用Kao檢驗(yàn)對(duì)面板數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn)。Kao檢驗(yàn)統(tǒng)計(jì)值為-10.270 5，在1%顯著水平下拒絕變量之間不存在協(xié)整關(guān)系的假設(shè)，說(shuō)明變量間具有穩(wěn)定的函數(shù)關(guān)系，因此可以進(jìn)行回歸分析，擬合結(jié)果較為可信。

3.3.2 結(jié)果檢驗(yàn)

使用Stata15軟件對(duì)模型進(jìn)行回歸，表4報(bào)告了含交互效應(yīng)和不含交互效應(yīng)的模型回歸結(jié)果。模型1包含能源效率滯后項(xiàng)、核心解釋變量、受災(zāi)率、二、三產(chǎn)業(yè)發(fā)展水平等變量，模型4在模型1的基礎(chǔ)上加入人力資本水平和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變量的交互項(xiàng)。為檢驗(yàn)?zāi)Ｐ偷姆€(wěn)健性，模型3～4、模型5～6分別在模型1、模型2的基礎(chǔ)上，依次加入對(duì)外開(kāi)放水平和城鎮(zhèn)化水平變量。模型1～6通過(guò)1%水平下的Wald顯著性檢驗(yàn)，說(shuō)明整體線性關(guān)系顯著。從表4中AR（1）、AR（2）的檢驗(yàn)值可以看出，系統(tǒng)GMM方法估計(jì)不能拒絕模型干擾項(xiàng)沒(méi)有二階序列相關(guān)的原假設(shè)，因此系統(tǒng)GMM 估計(jì)量是一致的。另外，表4中的結(jié)果顯示，Sargan 檢驗(yàn)不能拒絕原假設(shè)，因此工具變量的選擇是可靠的，說(shuō)明系統(tǒng)GMM估計(jì)是有效的。從模型的回歸結(jié)果看，模型1～6的各變量參數(shù)估計(jì)值的顯著性和方向基本保持一致，說(shuō)明模型具有較高穩(wěn)健性。

3.4 結(jié)果分析

如表4所示，能源效率一期滯后項(xiàng)和農(nóng)業(yè)能源效率呈顯著正相關(guān)關(guān)系，滯后項(xiàng)每變動(dòng)一個(gè)百分點(diǎn)，則當(dāng)期農(nóng)業(yè)能源效率上升6%左右，充分說(shuō)明提高農(nóng)業(yè)能源效率具有時(shí)滯性，是連續(xù)、動(dòng)態(tài)累積調(diào)整過(guò)程。

在核心解釋變量中，人力資本水平、農(nóng)民人均可支配收入和農(nóng)業(yè)能源效率呈1%顯著水平正相關(guān)，說(shuō)明無(wú)論是提高人力資本水平還是農(nóng)民收入水平都有助于農(nóng)業(yè)能源效率提升。模型4和模型5顯示，人力資本水平和農(nóng)民人均可支配收入的交互項(xiàng)與農(nóng)業(yè)能源效率在10%水平顯著負(fù)相關(guān)。這表明，農(nóng)民人力資本水平和人均可支配收入對(duì)農(nóng)業(yè)能源效率的影響表現(xiàn)為“替代效應(yīng)”，即農(nóng)民人力資本和家庭收入同時(shí)提高，將相互弱化兩者對(duì)農(nóng)業(yè)能源效率提升的促進(jìn)作用。從農(nóng)業(yè)生產(chǎn)現(xiàn)狀來(lái)看，其原因可能在于人力資本較高和家庭收入較高的農(nóng)民有可能減少農(nóng)業(yè)作業(yè)時(shí)間，將更多精力從事二、三產(chǎn)業(yè)，反而造成農(nóng)業(yè)經(jīng)營(yíng)粗放程度更高，農(nóng)業(yè)能源效率更低。因此，提高農(nóng)業(yè)能源效率不僅需要提升農(nóng)民人力資本水平和家庭經(jīng)營(yíng)水平，更應(yīng)建立職業(yè)農(nóng)民收入保障機(jī)制，穩(wěn)定農(nóng)民隊(duì)伍。

在控制變量中，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)能源效率呈正相關(guān)關(guān)系，在模型1、模型2、模型4和模型5中均不顯著，但在加入城鎮(zhèn)化水平變量后出現(xiàn)顯著性，原因可能是農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)并沒(méi)有直接作用于農(nóng)業(yè)能源效率，而是通過(guò)城鎮(zhèn)化水平提升，對(duì)農(nóng)業(yè)能源效率產(chǎn)生作用。受災(zāi)率、二、三產(chǎn)業(yè)發(fā)展水平、對(duì)外開(kāi)放水平和農(nóng)業(yè)能源效率呈顯著負(fù)相關(guān)關(guān)系。受災(zāi)率對(duì)農(nóng)業(yè)能源效率的影響與預(yù)期一致。二、三產(chǎn)業(yè)發(fā)展水平和對(duì)外開(kāi)放水平對(duì)農(nóng)業(yè)能源效率的影響與預(yù)期不一致，說(shuō)明對(duì)外開(kāi)放水平提升和二、三產(chǎn)業(yè)發(fā)展對(duì)農(nóng)業(yè)的虹吸效應(yīng)明顯，因此應(yīng)該進(jìn)一步加大對(duì)農(nóng)業(yè)發(fā)展的人才、資金和技術(shù)的支持。城鎮(zhèn)化水平和農(nóng)業(yè)能源效率呈顯著正相關(guān)關(guān)系，說(shuō)明區(qū)域內(nèi)城鎮(zhèn)化發(fā)展有利于農(nóng)業(yè)剩余勞動(dòng)力轉(zhuǎn)出和農(nóng)業(yè)投入產(chǎn)出結(jié)構(gòu)優(yōu)化，促進(jìn)城鄉(xiāng)資源人口和信息的共享[50]。

4 結(jié) 論

本文以1995—2018年28個(gè)省市面板數(shù)據(jù)為研究單元，采用考慮非期望產(chǎn)出的EBM-DEA混合距離函數(shù)模型對(duì)中國(guó)及省際農(nóng)業(yè)能源效率進(jìn)行測(cè)算，利用核密度函數(shù)和空間自相關(guān)分析農(nóng)業(yè)能源效率動(dòng)態(tài)演變，最后利用動(dòng)態(tài)面板模型分析影響農(nóng)業(yè)能源效率的因素，得出以下結(jié)論。

（1）中國(guó)農(nóng)業(yè)能源投入總量呈上升趨勢(shì)，年均增長(zhǎng)率為2%，間接能源投入量和直接能源投入量從“均呈上升”態(tài)勢(shì)逐漸轉(zhuǎn)變?yōu)椤伴g接能源投入下降，直接能源投入上升”趨勢(shì)。中國(guó)農(nóng)業(yè)能源效率呈現(xiàn) “先上升-停滯-再迅速上升”的演進(jìn)趨勢(shì)，夯實(shí)農(nóng)業(yè)發(fā)展基礎(chǔ)、提高農(nóng)業(yè)科技水平是未來(lái)中國(guó)農(nóng)業(yè)綠色發(fā)展的關(guān)鍵所在。

（2）東、中、西地區(qū)農(nóng)業(yè)能源效率呈現(xiàn)“加速擴(kuò)大”的演進(jìn)格局，農(nóng)業(yè)能源效率從中高西低逐漸轉(zhuǎn)變?yōu)闁|高西低格局。東、中、西地區(qū)農(nóng)業(yè)能源效率逐漸拉開(kāi)差距，年均增長(zhǎng)率分別為2.7%、1.9%、1.4%。中西部地區(qū)農(nóng)業(yè)能源效率增長(zhǎng)緩慢，存在較大的提升空間。

（3）各省農(nóng)業(yè)能源效率出現(xiàn)兩極分化且絕對(duì)差距擴(kuò)大，廣東、山東、江西、江蘇、遼寧、天津等省市農(nóng)業(yè)能源效率進(jìn)步相對(duì)較快，新疆、貴州、內(nèi)蒙古農(nóng)業(yè)能源效率有所退步。2018年四川、廣東、江西、福建、江蘇、吉林、遼寧、天津等省市農(nóng)業(yè)能源利用達(dá)到了最佳前沿面，山西農(nóng)業(yè)能源利用效率最低。

（4）從全局相關(guān)分析看，中國(guó)農(nóng)業(yè)能源效率不存在空間集聚特征，各省之間總體上不存在相互間的學(xué)習(xí)示范或產(chǎn)業(yè)協(xié)同，應(yīng)當(dāng)加快各省之間的農(nóng)業(yè)產(chǎn)業(yè)交流和協(xié)作發(fā)展。從局部自相關(guān)看，中國(guó)農(nóng)業(yè)能源效率空間集聚類(lèi)型以“低-高”“高-低”集聚類(lèi)型為主，2010年以來(lái)逐漸在東部地區(qū)形成了高值集聚熱點(diǎn)，東部地區(qū)逐步出現(xiàn)省際的農(nóng)業(yè)產(chǎn)業(yè)協(xié)同發(fā)展和農(nóng)業(yè)技術(shù)學(xué)習(xí)示范。

（5）通過(guò)動(dòng)態(tài)面板模型分析得知：能源一期滯后項(xiàng)對(duì)農(nóng)業(yè)能源效率有顯著正向影響，說(shuō)明農(nóng)業(yè)能源效率提升有時(shí)滯性。人力資本水平和農(nóng)民人均純收入對(duì)農(nóng)業(yè)能源效率有顯著正向影響，但兩者交互效應(yīng)有負(fù)向影響，說(shuō)明農(nóng)民人力資本和家庭收入同時(shí)提高，將相互弱化兩者對(duì)農(nóng)業(yè)能源效率提升的促進(jìn)作用。受災(zāi)率、二三產(chǎn)業(yè)發(fā)展水平、對(duì)外開(kāi)放水平對(duì)農(nóng)業(yè)能源效率有顯著負(fù)向影響，城鎮(zhèn)化水平對(duì)農(nóng)業(yè)能源效率有顯著正向影響。

本文的研究啟示在于：① 1995年以來(lái)農(nóng)業(yè)化學(xué)品投入減少使得農(nóng)業(yè)間接能源投入降低，但是機(jī)械化程度提升造成直接能源投入持續(xù)增長(zhǎng)，中國(guó)農(nóng)業(yè)能源總量投入處于高位，對(duì)生態(tài)環(huán)境的壓力仍然較大。農(nóng)業(yè)機(jī)械化并不必然實(shí)現(xiàn)農(nóng)業(yè)綠色發(fā)展，必須系統(tǒng)設(shè)計(jì)農(nóng)業(yè)綠色發(fā)展路線圖。②中國(guó)農(nóng)業(yè)發(fā)展尤其是東部地區(qū)實(shí)踐證明，增加農(nóng)業(yè)財(cái)政投入，加快農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)、提升農(nóng)業(yè)技術(shù)水平能夠有效提升農(nóng)業(yè)能源效率。中西部地區(qū)農(nóng)業(yè)能源效率與東部地區(qū)的巨大差距，說(shuō)明必須加快改善中西部地區(qū)農(nóng)業(yè)生產(chǎn)條件，依靠農(nóng)業(yè)科技發(fā)展，提升中西部地區(qū)“綠水青山轉(zhuǎn)換為金山銀山”的能力。③長(zhǎng)期積累的人力資本是提升中國(guó)農(nóng)業(yè)技術(shù)水平的著力點(diǎn)，缺乏知識(shí)水平高的新時(shí)代職業(yè)農(nóng)民，先進(jìn)生產(chǎn)技術(shù)不能得到有效組織和管理，就難以提升中國(guó)農(nóng)業(yè)能源效率。④農(nóng)業(yè)發(fā)展外部環(huán)境是阻礙農(nóng)業(yè)能源效率提升的關(guān)鍵。從本文的研究看，一方面受災(zāi)率顯著制約了農(nóng)業(yè)能源效率提升;另一方面二、三產(chǎn)業(yè)發(fā)展、對(duì)外開(kāi)放水平提高也未能促進(jìn)農(nóng)業(yè)能源效率提升。因此，從農(nóng)業(yè)能源效率提升角度而言，在鄉(xiāng)村振興戰(zhàn)略實(shí)施過(guò)程中，應(yīng)該以中西部地區(qū)為重點(diǎn)，以職業(yè)農(nóng)民培育為關(guān)鍵，著重改善農(nóng)業(yè)生產(chǎn)條件，提升地區(qū)間協(xié)作水平，發(fā)揮二、三產(chǎn)業(yè)的帶動(dòng)作用，增強(qiáng)農(nóng)業(yè)防災(zāi)減災(zāi)能力，促進(jìn)中國(guó)農(nóng)業(yè)邁向全球價(jià)值鏈中高端。

參考文獻(xiàn)

[1]GUO X D， ZHU L， FAN Y， et al. Evaluation of potential reductions in carbon emissions in Chinese provinces based on environmental DEA[J]. Energy policy， 2011， 39（5）：2352-2360.

[2]FEI R， LIN B. Energy efficiency and production technology heterogeneity in Chinas agricultural sector： a meta-frontier approach[J]. Technological forecasting and social change， 2016，109：25-34.

[3]BANAEIAN N， ZANGENEH M， OMID M. Energy use efficiency for walnut producers using data envelopment analysis （DEA）[J]. Australian journal of crop science， 2010， 4（5）：359-362.

[4]UNAKITAN G， HURMA H， YILMAZ F. An analysis of energy use efficiency of canola production in Turkey[J]. Energy， 2010， 35（9）：3623-3627.

[5]HAMEDANI S R， SHABANI Z， RAFIEE S. Energy inputs and crop yield relationship in potato production in Hamadan Province of Iran[J]. Energy， 2011， 36（5）：2367-2371.

[6]KAZEMI H， KAMKAR B， LAKZAEI S， et al. Energy flow analysis for rice production in different geographical regions of Iran[J]. Energy， 2015， 84：390-396.

[7]ESENGUN K， GNDZ O， ERDAL G. Input-output energy analysis in dry apricot production of Turkey[J]. Energy conversion and management，2007，48：592-598.

[8]GHORBANI R， MONDANI F. A case study of energy use and economical analysis of irrigated and dryland wheat production systems[J]. Applied energy，2011，88：283-288.

[9]ELSORAGABY S， YAHYA A， MAHADI M R， et al. Energy utilization in major crop cultivation[J]. Energy， 2019，173： 1286-1303.

[10]SINGH P， SINGH G， SODHI G. Energy auditing and optimization approach for improving energy efficiency of rice cultivation in south-western Punjab， India[J]. Energy， 2019，174： 269-279.

[11]RAHMAN S， HASAN M K. Energy productivity and efficiency of wheat farming in Bangladesh[J]. Energy， 2014，66：107-114.

[12]HOUSHYAR E，ZAREIFARD H R，GRUNDMANN P， et al. Efficiency of energy input for silage corn production： an econometric approach[J]. Energy， 2015，93：2166-2174.

[13]MOUSAVI-AVVAL S H， RAFIEE S， MOHAMMADI A. Optimization of energy consumption and input costs for apple production in Iran using data envelopment analysis[J]. Energy oxford，2011，36： 909-916.

[14]BLANCARD S， MARTIN E. Energy efficiency measurement in agriculture with imprecise energy content information[J]. Energy policy，2014，66：198–208.

[15]BARTZAS G， KOMNITSAS K. Life cycle analysis of pistachio production in Greece[J]. The science of the total environment， 2017， 595：13-24.

[16]KAAB A， SHARIFI M， MOBLI H， et al. Use of optimization techniques for energy use efficiency and environmental life cycle assessment modification in sugarcane production[J]. Energy， 2019， 181：1298-1320.

[17]吳湘淦.我國(guó)能源結(jié)構(gòu)分析與農(nóng)業(yè)現(xiàn)代化[J].農(nóng)業(yè)工程，1980（3）：7-15.

[18]牛亮云，侯博，吳林海.基于灰關(guān)聯(lián)熵的中國(guó)農(nóng)業(yè)能源投入與糧食產(chǎn)出關(guān)系研究[J].財(cái)貿(mào)研究，2012，23（2）：45-53.

[19]李楠. 中國(guó)農(nóng)業(yè)能源消費(fèi)及溫室氣體排放研究[D].大連：大連理工大學(xué)，2014.

[20]咼小明，張宗益，康繼軍.我國(guó)農(nóng)業(yè)機(jī)械化進(jìn)程中能源效率的影響因素研究[J].軟科學(xué)，2012，26（3）：51-56.

[21]欒義君，任杰.我國(guó)農(nóng)業(yè)全要素能源效率及其收斂性研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2014，35（5）：20-24.

[22]于偉詠，漆雁斌，李陽(yáng)明.碳排放約束下中國(guó)農(nóng)業(yè)能源效率及其全要素生產(chǎn)率研究[J].農(nóng)村經(jīng)濟(jì)，2015（8）：28-34.

[23]冉啟英，周輝.環(huán)境約束下農(nóng)業(yè)全要素能源效率研究：基于SBM-TOBIT模型[J].經(jīng)濟(jì)問(wèn)題，2017（1）：103-109.

[24]杜輝，黃杰.中國(guó)農(nóng)業(yè)能源效率的區(qū)域差異及動(dòng)態(tài)演進(jìn)[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2019，40（8）：45-54.

[25]ZHIHAI Y ， DONG W ， TIANYI D ， et al. Total-factor energy efficiency in Chinas agricultural sector： trends， disparities and potentials[J]. Energies， 2018， 11（4）：853-865.

[26]平衛(wèi)英.中國(guó)農(nóng)業(yè)能源效率與能源價(jià)格、技術(shù)進(jìn)步：基于VAR模型的實(shí)證分析[J].當(dāng)代經(jīng)濟(jì)管理，2012，34（9）：7-10.

[27]戴紅軍，孫濤，郭文，等.要素價(jià)格變動(dòng)影響農(nóng)業(yè)能源效率的實(shí)證研究[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2016，21（5）：161-168.

[28]周輝，冉啟英，王宏森.我國(guó)農(nóng)業(yè)全要素能源效率及其影響因素分析[J].生態(tài)經(jīng)濟(jì)，2016，32（7）：133-138.

[29]魏瑋，文長(zhǎng)存，崔琦，等.農(nóng)業(yè)技術(shù)進(jìn)步對(duì)農(nóng)業(yè)能源使用與碳排放的影響：基于GTAP-E模型分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2018（2）：30-40.

[30]TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）：498-509.

[31]TONE K， TSUTSUI M. An epsilon-based measure of efficiency in DEA： a third pole of technical efficiency[J]. European journal of operational research， 2010， 207（3）：1554-1563.

[32]王曉嶺，何楓，武春友.環(huán)境約束下的能源效率國(guó)際比較：基于20國(guó)集團(tuán)的實(shí)證檢驗(yàn)[J].科技管理研究，2016，36（19）：248-255.

[33]HU J L， WANG S C. Total-factor energy efficiency of regions in China[J]. Energy policy，2006，34 （17）：3206–3217.

[34]魏楚，杜立民，沈滿洪.中國(guó)能否實(shí)現(xiàn)節(jié)能減排目標(biāo)：基于DEA方法的評(píng)價(jià)與模擬[J].世界經(jīng)濟(jì)，2010，33（3）：141-160.

[35]李谷成，范麗霞，馮中朝.資本積累、制度變遷與農(nóng)業(yè)增長(zhǎng)：對(duì)1978—2011年中國(guó)農(nóng)業(yè)增長(zhǎng)與資本存量的實(shí)證估計(jì)[J].管理世界，2014（5）：67-79，92.

[36]吳方衛(wèi).我國(guó)農(nóng)業(yè)資本存量的估計(jì)[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，1999（6）：34-38.

[37]YUAN S， PENG S B. Trends in the economic return on energy use and energy use efficiency in Chinas crop production[J]. Renewable & sustainable energy reviews， 2016，70：836-844.

[38]李波，張俊飚，李海鵬.中國(guó)農(nóng)業(yè)碳排放時(shí)空特征及影響因素分解[J].中國(guó)人口·資源與環(huán)境，2011，21（8）：80-86.

[39]閔繼勝，胡浩.農(nóng)產(chǎn)品對(duì)外貿(mào)易對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)溫室氣體排放的影響研究[J].軟科學(xué)，2013，27（8）：55-59.

[40]王兵，楊華，朱寧.中國(guó)各省份農(nóng)業(yè)效率和全要素生產(chǎn)率增長(zhǎng)：基于SBM方向性距離函數(shù)的實(shí)證分析[J].南方經(jīng)濟(jì)，2011（10）：12-26.

[41]EHRLICH P R ， HOLDREN J P . Impact of population growth[J]. Science， 1971， 171（3977）：1212-1217.

[42]DIETZ T， ROSA E A. Rethinking the environmental impacts of population， affluence and technology[J]. Human ecology review， 1994， 1 （2）：277-300.

[43]韓作生.農(nóng)業(yè)科技人力資本對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)影響的實(shí)證分析：以山東省為例[J].山東大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2011（4）：86-92.

[44]孫駿，蔡賢恩.對(duì)外開(kāi)放對(duì)福建農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的影響研究：基于DEA與VAR的實(shí)證分析[J].技術(shù)經(jīng)濟(jì)，2010，29（10）：57-63.

[45]李建華，景永平.農(nóng)村經(jīng)濟(jì)結(jié)構(gòu)變化對(duì)農(nóng)業(yè)能源效率的影響[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2011，32（11）：93-99.

[46]李群峰.動(dòng)態(tài)面板數(shù)據(jù)模型的GMM估計(jì)及其應(yīng)用[J].統(tǒng)計(jì)與決策，2010（16）：161-163.

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

[48]BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J].Journal of econometrics， 1998， 87（1）：115-143.

[49]賈中華，梁柱.貿(mào)易開(kāi)放與經(jīng)濟(jì)增長(zhǎng)：基于不同模型設(shè)定和工具變量策略的考察[J].國(guó)際貿(mào)易問(wèn)題，2014（4）：14-22.

[50]朱莊瑞，藏波.房地產(chǎn)市場(chǎng)促進(jìn)城鎮(zhèn)化建設(shè)的作用機(jī)理與協(xié)調(diào)發(fā)展研究[J].中國(guó)人口·資源與環(huán)境，2016，26（9）：116-122.

（責(zé)任編輯：劉照勝 ）