智慧農(nóng)業(yè)政策對農(nóng)業(yè)生態(tài)效率的影響研究

岳立肖颯

(1.蘭州大學(xué)縣域經(jīng)濟(jì)發(fā)展研究院，甘肅 蘭州 730000；2.蘭州大學(xué)經(jīng)濟(jì)學(xué)院，甘肅 蘭州 730000)

2019年1月3號，中共中央、國務(wù)院發(fā)布規(guī)范性文件《關(guān)于堅持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展做好“三農(nóng)”工作的若干意見》[1]，提出做好“三農(nóng)”工作對打贏脫貧攻堅戰(zhàn)具有重要意義，且全文將“綠色”一詞提及5次，除微觀的“綠色”、“農(nóng)產(chǎn)品”和“投入品”外，宏觀政策層面的“農(nóng)業(yè)綠色發(fā)展”詞組占3次，足以證明農(nóng)業(yè)綠色發(fā)展的重要性。而納入環(huán)境因素的農(nóng)業(yè)綠色全要素生產(chǎn)率，即農(nóng)業(yè)生態(tài)效率，便是量化農(nóng)業(yè)綠色發(fā)展的重要方式，可以避免沒有環(huán)境資源約束導(dǎo)致的農(nóng)業(yè)綠色發(fā)展績效虛高[2]。而智慧農(nóng)業(yè)政策的目標(biāo)是環(huán)境效益和經(jīng)濟(jì)效益的雙贏，在現(xiàn)如今的農(nóng)業(yè)生產(chǎn)中起到舉足輕重的作用，理論上可以顯著提高農(nóng)業(yè)生態(tài)效率。本文以此為契機(jī)，對全國各省域的農(nóng)業(yè)生態(tài)效率進(jìn)行評測與剖析，對農(nóng)業(yè)生態(tài)效率受政策影響的凈效應(yīng)加以量化，以此助力我國向綠色農(nóng)業(yè)大國的蛻變，構(gòu)筑經(jīng)濟(jì)高質(zhì)量發(fā)展的新路徑?，F(xiàn)有研究無論是從農(nóng)業(yè)生態(tài)效率的測度方面還是應(yīng)用方面都碩果累累，但對智慧農(nóng)業(yè)政策如何影響農(nóng)業(yè)綠色生態(tài)效率探討不足。因此，本文擬以智慧農(nóng)業(yè)政策的大規(guī)模實施為背景，利用DEA-SBM模型方向距離函數(shù)的GML指數(shù)測算近些年來我國各省份的農(nóng)業(yè)生態(tài)效率，采用雙重差分方法度量智慧農(nóng)業(yè)政策對農(nóng)業(yè)生態(tài)效率的作用強(qiáng)度，助力農(nóng)業(yè)綠色發(fā)展。

1 模型構(gòu)建

1.1 農(nóng)業(yè)生態(tài)效率的測算

農(nóng)業(yè)生態(tài)效率反映著綠色農(nóng)業(yè)發(fā)展的著力點和質(zhì)量，是發(fā)展綠色農(nóng)業(yè)的重要參考。正如文獻(xiàn)綜述中所闡明，在DEA模型的分析與應(yīng)用中，通常都需要對效率的影響因素進(jìn)行更加深入的分析，但因效率值最大為1，經(jīng)常被認(rèn)為是截尾數(shù)據(jù)，所以現(xiàn)有文獻(xiàn)中多采用Tobit回歸模型進(jìn)行后續(xù)計量[3]。但超效率不存在效率值的“截尾”，因此可替代普通效率模型和Tobit模型的聯(lián)用。而單純依靠GML指數(shù)也會因有徑向和角度問題而產(chǎn)生數(shù)據(jù)分析上的偏差。計算基于SBM超效率模型的GML指數(shù)，以此衡量農(nóng)業(yè)生態(tài)效率。我們要測量m個決策單元(DMU)的效率，記為DMUj，每個DMU有n種投入，記為xi，期望產(chǎn)出和非期望產(chǎn)出分別記為y和b，包含非期望產(chǎn)出的SBM超效率模型可表示為：

λ,s-,s+≥0;

i=1,2,…,n;r=1,2,…,q;j=1,2,…,m(j≠k)

參考?xì)W(Oh)構(gòu)建的GML指數(shù)方法可構(gòu)建：

式中，TEt為時間t的技術(shù)效率的度量；ECt,t+1為追趕效率，用來反映DMU從t到t+1期迫近最佳前沿面的變化程度，EC大于1表明效率增加，EC小于1則說明效率有所下降，表明正在趕超(落后于)同時代的基準(zhǔn)技術(shù)前沿；TCt,t+1衡量同一時期的技術(shù)前沿向全局技術(shù)前沿面轉(zhuǎn)移的程度，TCt,t+1>1(<1)表示技術(shù)進(jìn)步(退步)。

本文根據(jù)現(xiàn)有研究及數(shù)據(jù)的可得性，投入指標(biāo)方面，對于農(nóng)業(yè)勞動力指標(biāo)，本文確定以鄉(xiāng)村人口數(shù)作為表征；能源投入采取農(nóng)村用電量表征；資源投入采取農(nóng)村用水量表征；土地投入采取農(nóng)作物總播種面積表征。產(chǎn)出指標(biāo)方面，期望產(chǎn)出選取農(nóng)業(yè)總產(chǎn)值，而非期望產(chǎn)出方面，即農(nóng)業(yè)中有機(jī)或無機(jī)的污染物通過地表徑流、滲透等方式對水體的分散污染，選取COD對農(nóng)業(yè)的水污染進(jìn)行表征，而空氣污染則用二氧化硫排放量近似量化。

1.2 雙重差分

本文以探討智慧農(nóng)業(yè)政策如何作用農(nóng)業(yè)生態(tài)效率為主，以分析其它重要因素的影響為輔，全方位多角度地詮釋智慧農(nóng)業(yè)政策在農(nóng)業(yè)綠色發(fā)展的效應(yīng)強(qiáng)度和作用結(jié)果。利用已有文獻(xiàn)和前文對“智慧農(nóng)業(yè)”的界定，總結(jié)出“大數(shù)據(jù)+農(nóng)業(yè)”、“互聯(lián)網(wǎng)+農(nóng)業(yè)”、“科技+農(nóng)業(yè)”等關(guān)鍵詞，在一個專業(yè)的中國法律法規(guī)檢索系統(tǒng)——“法律之星”網(wǎng)站進(jìn)行檢索判別，發(fā)現(xiàn)2014年農(nóng)業(yè)部、國務(wù)院相繼發(fā)布了智慧農(nóng)業(yè)相關(guān)政策，又因政策具有時滯性，本文便以2015年為時間分割點，采取多期DID方法，將所有還沒有實施智慧農(nóng)業(yè)政策的省份作為控制組，將已經(jīng)實施政策的省份作為實驗組。DID交互項是2個虛擬變量的乘積——Treated(是否實施了政策)和Time(實施政策的時間)，其等于1的情況是該省份在具體某年實施了政策，且在該年之前的省份交互項等于0，即允許每個省都有自己的政策實施時間，以使模型實證結(jié)果及政策建議更有說服力。

結(jié)合已有研究及實際情況，農(nóng)業(yè)綠色發(fā)展驅(qū)動力除了政策支持，還應(yīng)該有經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)高等教育水平、農(nóng)業(yè)科技水平、農(nóng)業(yè)機(jī)械化水平和農(nóng)業(yè)產(chǎn)業(yè)化水平等因素，相應(yīng)的指標(biāo)選擇如下：經(jīng)濟(jì)發(fā)展水平，選取樣本中各地區(qū)的GDP作為代理變量；農(nóng)業(yè)科技水平，選取各地區(qū)農(nóng)業(yè)氣象觀測業(yè)務(wù)站點個數(shù)進(jìn)行衡量；農(nóng)業(yè)高等教育水平，選取包括高等教育成人本、專科及以上水平人口數(shù)；農(nóng)業(yè)機(jī)械化水平，選取各地區(qū)農(nóng)村農(nóng)戶固定資產(chǎn)投資額；農(nóng)業(yè)產(chǎn)業(yè)化水平，借鑒柴軍的思想并考慮數(shù)據(jù)可得性，利用農(nóng)業(yè)增加值指數(shù)與工業(yè)增加值指數(shù)的比值進(jìn)行衡量。所以可建立DID模型：

Yit=β0+β1Treati×Periodt+β2Treati+ΦPeriodt+Xit+λt+εit

為了保證數(shù)據(jù)趨勢平穩(wěn)，且減少異方差的影響，所有指標(biāo)取對數(shù)。式中，Yit為農(nóng)業(yè)生態(tài)效率的對數(shù)，即以農(nóng)業(yè)勞動力、農(nóng)耕面積、農(nóng)業(yè)用水用電量等為投入，農(nóng)業(yè)總產(chǎn)值、污水、廢氣排放量為產(chǎn)出，利用DEA求得的超效率值的對數(shù)；Treati×Periodt為是否實驗組和在2015年前或年后的虛擬變量交互項；β1為要考察的政策效應(yīng)；Xi為一系列控制變量的對數(shù)值,包括其它與政策無關(guān)但影響Y的因素：GDP、高等教育人口數(shù)、農(nóng)業(yè)自動氣象站個數(shù)、農(nóng)村農(nóng)戶固定資產(chǎn)投資額等取對數(shù)后的值。λt為時間固定效應(yīng)，加入時間固定效應(yīng)可剔除趨勢值數(shù)據(jù)和極特殊不穩(wěn)定數(shù)據(jù)，還可以一定程度上解決由于遺漏變量引致的內(nèi)生性問題。εit為誤差項。數(shù)據(jù)均來源于2009—2019年《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》、《中國教育統(tǒng)計年鑒》和《中國環(huán)境統(tǒng)計年鑒》等，由于港澳臺數(shù)據(jù)缺失，故未包含于實證分析中。

2 智慧農(nóng)業(yè)政策對農(nóng)業(yè)生態(tài)效率的影響

2.1 基準(zhǔn)實證

基準(zhǔn)實證部分分析智慧農(nóng)業(yè)政策對各省份農(nóng)業(yè)生態(tài)效率的處理效應(yīng)，隨后依次引入各控制變量，控制變量的引入不會影響DID分析的一致性，但可以提高估計精確度(表1)。在控制其它效應(yīng)不變的情況下,在控制時間固定效應(yīng)的前提下，交互項系數(shù)為正且在1%水平上顯著，并且這個結(jié)果在加入控制變量后依舊成立，加入前后的政策效應(yīng)分別達(dá)到0.138、0.114，這表明中國各省實施智慧農(nóng)業(yè)政策后,與未實施智慧農(nóng)業(yè)政策前相比，農(nóng)業(yè)生態(tài)效率顯著提升。其中，經(jīng)濟(jì)發(fā)展水平(LnGDP)的系數(shù)幾乎全部顯著為正，經(jīng)濟(jì)表現(xiàn)狀況越佳，農(nóng)業(yè)生產(chǎn)的投入越會包含更多的技術(shù)含量，作為期望產(chǎn)出的農(nóng)業(yè)總產(chǎn)值會越高，技術(shù)革新下的非期望產(chǎn)出會越少；農(nóng)業(yè)科技水平(Lnnum)對農(nóng)業(yè)生態(tài)效率的作用均不顯著，但對農(nóng)業(yè)技術(shù)進(jìn)步的作用均顯著為正，借鑒索洛模型相關(guān)理論，可驗證農(nóng)業(yè)需要加大科技投入來擴(kuò)大技術(shù)溢出，鼓勵技術(shù)進(jìn)步，從而保證農(nóng)業(yè)從業(yè)人員收入的穩(wěn)步增長；農(nóng)業(yè)高等教育水平(Lnedu)的系數(shù)也符合預(yù)期，即人才教育程度的提升會提高農(nóng)業(yè)生態(tài)效率與技術(shù)進(jìn)步。

表1 智慧農(nóng)業(yè)政策對農(nóng)業(yè)生態(tài)效率的影響

3 結(jié)論與建議

本文基于全國省級2009—2019年的農(nóng)業(yè)相關(guān)面板數(shù)據(jù),運用非徑向、非角度SBM超效率模型測算我國農(nóng)業(yè)綠色效率變化，將農(nóng)業(yè)污染排放納入GML指數(shù)框架中對農(nóng)業(yè)生態(tài)效率加以測量，并采取雙重差分的分析方法,探討了智慧農(nóng)業(yè)政策對農(nóng)業(yè)綠色效率的影響。研究發(fā)現(xiàn):我國大部分省份的農(nóng)業(yè)生態(tài)效率增長主要依靠技術(shù)進(jìn)步的驅(qū)動，技術(shù)效率仍屬于短板。智慧農(nóng)業(yè)政策對農(nóng)業(yè)綠色發(fā)展具有明顯的促進(jìn)作用，本文通過可靠數(shù)據(jù)和基準(zhǔn)實證的支持,驗證了智慧農(nóng)業(yè)對農(nóng)業(yè)綠色發(fā)展的推動作用,肯定了智慧農(nóng)業(yè)政策的正確性和有效性。

基于上述結(jié)論，本文認(rèn)為我國在推動綠色農(nóng)業(yè)發(fā)展方面，要關(guān)注綠色技術(shù)進(jìn)步,強(qiáng)化綠色技術(shù)效率，加強(qiáng)政府對農(nóng)業(yè)的扶持作用，逐步把技術(shù)創(chuàng)新作為提升農(nóng)業(yè)生態(tài)效率的根本動力。提高農(nóng)產(chǎn)品的科技含量和產(chǎn)出成效，利用技術(shù)創(chuàng)新來優(yōu)化要素投入，改善農(nóng)業(yè)生態(tài)環(huán)境。尊重各地農(nóng)業(yè)發(fā)展的客觀規(guī)律，在承認(rèn)發(fā)展差異的前提下進(jìn)行農(nóng)業(yè)政策的推行與創(chuàng)新。釋放農(nóng)業(yè)生態(tài)效應(yīng)，將農(nóng)業(yè)生產(chǎn)、資源支撐和環(huán)境改善結(jié)合起來，保全綠水青山。