糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率及影響因素研究

□劉鵬凌 孫 康 周 云

[內(nèi)容提要]農(nóng)業(yè)生態(tài)效率作為農(nóng)業(yè)可持續(xù)發(fā)展的重要評判指標，是我國當前農(nóng)業(yè)發(fā)展關注的重點。文章運用DEA-Malmquist和隨機效應Tobit回歸等模型和方法，分析2010-2018年我國糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率及其影響因素。研究結果表明：(1)糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率總體未達到有效狀態(tài)，生態(tài)效率相對較低的地區(qū)主要集中于中部和西部地區(qū)。(2)從動態(tài)分析來看，糧食主產(chǎn)區(qū)存在較多年份農(nóng)業(yè)生產(chǎn)投入要素配置不合理的現(xiàn)象，需要對投入比例進行適當調(diào)整；技術進步是促進農(nóng)業(yè)生態(tài)效率變動的主要因素。(3)農(nóng)業(yè)勞動力投入和農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率具有正效應，財政支農(nóng)力度和政府規(guī)制對農(nóng)業(yè)生態(tài)效率具有負效應。為了促進糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率的提升，在上述研究的基礎上提出生態(tài)效率改進路徑。

一、引言

糧食安全事關國計民生，是國家重大戰(zhàn)略性問題[1]，尤其是新冠疫情的蔓延，使得我國糧食安全問題同樣面臨不小的挑戰(zhàn)，擴大糧食生產(chǎn)也更為迫切。然而，我國作為農(nóng)業(yè)大國，在發(fā)展過程中，由于過度追求糧食產(chǎn)量的增長，忽視資源環(huán)境的保護，導致我國農(nóng)業(yè)經(jīng)濟的發(fā)展受到較大的威脅[2]。2017年第二次全國污染源普查數(shù)據(jù)顯示，農(nóng)業(yè)污染中化學需氧量1067.13萬噸，占全國化學需氧量的49.77%，農(nóng)業(yè)污染逐漸成為頭號污染源[3]。糧食主產(chǎn)區(qū)作為我國重要的糧食生產(chǎn)主體，對于保障我國糧食安全有著重要的突出貢獻，但同樣的，生態(tài)環(huán)境存在不同程度的失衡，對當?shù)氐募Z食生產(chǎn)產(chǎn)生較大影響，加強農(nóng)業(yè)面源污染防控工作，促進農(nóng)業(yè)可持續(xù)發(fā)展也逐漸引起各地重視。而農(nóng)業(yè)生態(tài)效率作為衡量農(nóng)業(yè)可持續(xù)發(fā)展的重要指標，對其進行評價，有助于全面了解農(nóng)業(yè)發(fā)展現(xiàn)狀，對于探討實現(xiàn)農(nóng)業(yè)綠色可持續(xù)發(fā)展路徑具有重要意義[4]。

生態(tài)效率被認為是在宏觀經(jīng)濟(國民經(jīng)濟)、中觀經(jīng)濟(區(qū)域)和微觀經(jīng)濟(公司)等三個尺度上進行可持續(xù)性分析的有效指標[5]。農(nóng)業(yè)生態(tài)效率作為生態(tài)效率研究的延伸，它將經(jīng)濟效益的提高、自然資源消耗的減少以及對環(huán)境的影響結合起來進行分析，是實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的有效指標[6]。當前國內(nèi)關于農(nóng)業(yè)生態(tài)效率的研究有著豐富成果，其中關于區(qū)域生態(tài)效率評估成為研究的重點。李偉娟[7]、王秀峰等[8]、許朗等[9]運用DEA-Malmquist分別對山東、貴州以及中國糧食主產(chǎn)區(qū)等不同區(qū)域的農(nóng)業(yè)生態(tài)效率進行評價，結果表明不同地區(qū)的農(nóng)業(yè)生態(tài)環(huán)境效率呈現(xiàn)明顯的異質(zhì)性。任紅霞則采用經(jīng)典DEA模型分析了蘭西城市群18個主要城市的農(nóng)業(yè)生態(tài)效率，結果表明整體上來看，蘭西城市群的農(nóng)業(yè)生態(tài)效率水平還不錯，并且針對生態(tài)無效的地區(qū)，基于模型給出相應的改進[10]。曹俊文等則運用超效率SBM-Tobit模型從低碳視角分析長江經(jīng)濟帶的農(nóng)業(yè)生態(tài)效率，進而得出長江經(jīng)濟帶總體未能實現(xiàn)低碳農(nóng)業(yè)有效發(fā)展，所有地區(qū)的農(nóng)業(yè)生態(tài)效率均沒有長期達到有效值[11]。而關于糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率的研究主要集中于生態(tài)效率評價以及時空特征方面，對于主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率影響因素的研究較為缺乏，且近年來政策支農(nóng)、科技發(fā)展方面有變動，對農(nóng)業(yè)生態(tài)效率產(chǎn)生一定的影響。因此，本文首先運用DEA-Malmquist模型對2010-2018年糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率進行測度，之后使用Tobit回歸對影響農(nóng)業(yè)生態(tài)效率的主要因素進行分析，并提出可行對策，為農(nóng)業(yè)可持續(xù)發(fā)展提供相關參考。

二、研究方法與數(shù)據(jù)來源

(一)研究方法

1.DEA模型

DEA模型也稱為數(shù)據(jù)包絡分析法，它只提供相對效率的測度，不提供絕對效率指數(shù)，通過已觀察到的單元來識別有效率和無效率單元，多用于評價相同部門間的相對有效性。該方法不需要模型的具體形式，也無需對變量進行無量綱化，使用較為簡便。DEA模型分為投入和產(chǎn)出兩個導向，根據(jù)分析目的選取不同的導向。一般而言，BCC模型可在生產(chǎn)規(guī)模報酬可變，且決策單元(DMU)并沒有在最優(yōu)的條件下運行，可以測度技術效率下的規(guī)模效率和純技術效率，避免了 CRR模型不能區(qū)分兩者的弊端的影響，因此本文采用BCC進行農(nóng)業(yè)生態(tài)效率測度。

2.Malmquist指數(shù)

Malmquist指數(shù)方法是在 DEA 的基礎上提出的，可以更為科學的對動態(tài)農(nóng)業(yè)生態(tài)效率進行測度。Fare等人構造出從t時期到t+1時期的 Malmquist 指數(shù)，將其分解為技術效率變化(EFFCH)和技術進步變化(TECH)的乘積，又技術效率(TE)等于純技術效率(PTE)與規(guī)模效率(SE)之乘積。如下式：

因此，M=EFFCH*TECH=PTECH*SECH*TECH。當M>1時表示農(nóng)業(yè)生態(tài)效率水平得到改善，反之則表示農(nóng)業(yè)生態(tài)效率水平下降，M=1時則表示呈停滯狀態(tài)。

3.Tobit回歸模型

Tobit回歸模型多用于被解釋變量為截斷數(shù)據(jù)的情況。其主要思路是借用潛變量Y*進行估計，基本假設是Y*服從正態(tài)分布。模型基本形式是：

其中Y為效率值，β是參數(shù)向量，ε服從正態(tài)分布。當潛變量Y*>0時，Y取實際觀測值；當潛變量Y*≤0時，Y取0。此外，采用Tobit回歸可以避免OLS方法帶來的誤差，使用較為方便。

(二)指標選取與數(shù)據(jù)來源

在構建糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率評價體系過程中考慮到兩點：1.以13個糧食主產(chǎn)區(qū)作為研究對象，地理分布存在差異，要考慮農(nóng)業(yè)生產(chǎn)的特點以及相關數(shù)據(jù)的可獲得性；2.DEA模型投入產(chǎn)出指標數(shù)量需小于決策單元數(shù)量兩倍的限制，要考慮指標數(shù)量。因此，本文在結合前人研究的基礎上，選取農(nóng)業(yè)從業(yè)人員(X1)、農(nóng)作物播種面積(X2)、有效灌溉面積(X3)、農(nóng)用機械總動力(X4)以及化肥施用量(X5)作為投入指標，選取農(nóng)業(yè)生產(chǎn)總值(Y)作為產(chǎn)出指標。其中農(nóng)業(yè)從業(yè)人員是根據(jù)農(nóng)林牧漁從業(yè)人員計算所得，農(nóng)業(yè)從業(yè)人員=農(nóng)林牧漁從業(yè)人員×(農(nóng)業(yè)總產(chǎn)值 /農(nóng)林牧漁總產(chǎn)值)，這使得數(shù)據(jù)更為精準。

在結合上述評價指標體系的基礎上，參考曹俊文[11]、王寶義[12]等的相關研究，對糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率的影響因素進行分析。以上述模型得出的主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率作為被解釋變量，以財政支農(nóng)力度、農(nóng)業(yè)勞動力投入、農(nóng)用機械總動力、農(nóng)業(yè)科技投入、自然災害、政府規(guī)制作為解釋變量。其中財政支農(nóng)力度用農(nóng)林水務支出占各省財政支出的比例表示；農(nóng)業(yè)勞動力投入用農(nóng)業(yè)從業(yè)人員表示；農(nóng)用機械總動力用以反映機械化水平；農(nóng)業(yè)科技投入用各省區(qū)科技投入占地區(qū)生產(chǎn)總值的比例表示；自然災害的發(fā)生會對投入的生產(chǎn)要素造成浪費，進而可能對農(nóng)業(yè)生態(tài)效率產(chǎn)生影響，因此選取受災面積表示農(nóng)業(yè)自然災害情況；政府規(guī)制用各省區(qū)環(huán)境治理財政投入表示。

本文在評價糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率以及對其影響因素進行分析時，結合前人的相關研究，兼顧數(shù)據(jù)的可得性，選取2010-2018年糧食主產(chǎn)區(qū)13個省份面板數(shù)據(jù)為研究對象，數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》以及各糧食主產(chǎn)區(qū)的統(tǒng)計年鑒。

三、實證分析

(一)糧食主產(chǎn)區(qū)生態(tài)效率測度

運用DEAP2.1軟件，將投入產(chǎn)出數(shù)據(jù)帶入模型，求得2010-2018年13個糧食主產(chǎn)區(qū)的農(nóng)業(yè)生態(tài)效率(表1)，以及糧食主產(chǎn)區(qū)純技術效率和規(guī)模效率均值(表2)。

表1 2010-2018年糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率

表2 2010-2018年糧食主產(chǎn)區(qū)純技術效率和規(guī)模效率均值

從表1中的數(shù)據(jù)可以看出，2010-2018年我國糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率均值僅為0.846，農(nóng)業(yè)生態(tài)效率整體未達到有效值。各地區(qū)農(nóng)業(yè)生態(tài)效率水平發(fā)生較為明顯的變動，其中江蘇和四川農(nóng)業(yè)生態(tài)效率值達到生產(chǎn)前沿有效狀態(tài)，遼寧、山東、黑龍江、湖北和湖南等省份的農(nóng)業(yè)生態(tài)效率也處于較高水平，均在0.9以上，這些省份有著較為先進的農(nóng)業(yè)生產(chǎn)技術以及充足的農(nóng)業(yè)勞動力，農(nóng)業(yè)經(jīng)濟發(fā)展水平相對較高，因此農(nóng)業(yè)生態(tài)效率也相對偏高。

表2中糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率分解為純技術效率和規(guī)模效率。從純技術效率角度，2010-2018年糧食主產(chǎn)區(qū)純技術效率的總體均值為0.937，這說明約有6%的投入沒有達到有效產(chǎn)出；其中江西、遼寧、江蘇、山東、四川的純技術效率值為1，其余省份均小于1，安徽省最低為0.572；這表明對于部分主產(chǎn)省份而言，提高科技水平是仍是促進當?shù)剞r(nóng)業(yè)生態(tài)效率提升的有效途徑。從規(guī)模效率角度，2010-2018年糧食主產(chǎn)區(qū)規(guī)模效率均值為0.905，僅江蘇和四川達到規(guī)模報酬最優(yōu)狀態(tài)，與農(nóng)業(yè)生態(tài)效率值保持一致；江西、河南、內(nèi)蒙古、吉林四個省區(qū)的規(guī)模效率則低于平均水平，表明這些省份可以通過調(diào)整生產(chǎn)規(guī)模實現(xiàn)農(nóng)業(yè)生態(tài)效率的提升。

根據(jù)國家統(tǒng)計局分類，將糧食主產(chǎn)區(qū)劃分為不同區(qū)域，其中江蘇、遼寧、山東、河北為東部區(qū)域，安徽、河南、江西、湖南、湖北、黑龍江、吉林為中部區(qū)域，四川、內(nèi)蒙古則屬于西部地區(qū)。由此得出分區(qū)域農(nóng)業(yè)生態(tài)效率均值(圖1)。總體來說，糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率遵循升-降-升的趨勢，與尚杰等[13]的不同在于其結論是糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率不斷提升，文中結論是出現(xiàn)短暫下降。此外，從圖1中明顯可以看出東部地區(qū)農(nóng)業(yè)生態(tài)效率明顯高區(qū)其他區(qū)域，處于優(yōu)勢地位。

表3 糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率分布

圖1 分區(qū)域農(nóng)業(yè)生態(tài)效率值

根據(jù)2010-2018年各省區(qū)農(nóng)業(yè)生態(tài)效率均值可以將十三個糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率分為高、中、低三個效率組。其中農(nóng)業(yè)生態(tài)效率在0.5-0.7之間為低效率組，在0.7-0.9之間為中效率組，0.9及以上的則分到高效率組。從表3可以看出：農(nóng)業(yè)生態(tài)效率相對較低的地區(qū)主要集中于中部和西部地區(qū)，其中以中部地區(qū)的安徽最低，年均農(nóng)業(yè)生態(tài)效率僅為0.556，與糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率均值相差29個百分點，與最優(yōu)生態(tài)效率值相差44.4個百分點。

(二)基于Malmquist指數(shù)的效率分析

表4是中國糧食主產(chǎn)區(qū)Malmquist指數(shù)變化及其分解，從表4中我們可以看出Malmquist指數(shù)均值為1.055，這表明糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率總體提升5.5%，主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率前沿面出現(xiàn)提升。進一步將綜合技術效率分解為純技術效率和規(guī)模效率，可以看到綜合技術效率指數(shù)整體下降1.1%，其中純技術效率占0.4%，規(guī)模效率占0.7%，這表明主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率仍有提升空間，需對現(xiàn)有資源合理配置、對現(xiàn)有技術進行改進等，避免造成資源浪費、生產(chǎn)低效的問題。此外，從表中可以看出技術進步指數(shù)為1.067，技術進步指數(shù)總體提升了6.7%，這表明技術進步的上升拉動了糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率的提升。

表4 2010-2018年糧食主產(chǎn)區(qū)Malmquist指數(shù)變化及分解

具體來看，綜合技術效率變動指數(shù)方面，2011-2012、2013-2014、2014-2015、2016-2017的綜合技術效率變動指數(shù)小于1，剩余年份的綜合技術效率變動指數(shù)均大于1，糧食主產(chǎn)區(qū)綜合技術效率整體呈波動上升趨勢，且在2017-2018年增長率達到3.4%，增長較快。由綜合技術效率可以分為純技術效率和規(guī)模效率可知，純技術效率變動在2010-2011、2011-2012、2015-2016以及2017-2018等年份的值大于1，其余年份呈現(xiàn)明顯的下滑狀態(tài)，且綜合技術效率變動趨勢與純技術效率變動趨勢整體相似，因此將純技術效率看做是綜合技術效率下降的主要原因，表明我國糧食主產(chǎn)區(qū)農(nóng)業(yè)管理水平方面存在不足；規(guī)模效率變動僅2012-2013、2015-2016以及2017-2018等年份的值大于1，這說明糧食主產(chǎn)區(qū)存在較多年份農(nóng)業(yè)生產(chǎn)投入要素配置不合理的現(xiàn)象，需要進行投入比例的調(diào)整。

從技術進步變動的角度來看，技術進步變動指數(shù)均大于1，表明生產(chǎn)技術水平在不斷提高，其整體變動趨勢與Malmquist指數(shù)變動趨勢保持同步，則技術進步是促進農(nóng)業(yè)生態(tài)效率變動的主要因素。因此，推動技術的進步，可以實現(xiàn)農(nóng)業(yè)生態(tài)效率的快速提升。

(三)糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率影響因素研究

對于面板數(shù)據(jù)而言,固定效應Tobit模型較難得到一致、無偏的估計量，而隨機效應Tobit模型與之相比，只需較少的統(tǒng)計量,且沒有參數(shù)設定的條件，因此本文使用隨機效應Tobit模型對影響主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率的因素進行分析(表5)。

表5 糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率影響因素回歸結果

總體來看，農(nóng)用機械總動力以及自然災害未通過顯著性檢驗，說明這兩者對農(nóng)業(yè)生態(tài)效率無顯著影響；財政支農(nóng)力度、農(nóng)業(yè)勞動力、農(nóng)業(yè)科技投入、政府規(guī)制等均對農(nóng)業(yè)生態(tài)效率產(chǎn)生顯著影響，其中財政支農(nóng)力度和農(nóng)業(yè)勞動力在1%的程度上顯著，農(nóng)業(yè)科技投入和政府規(guī)制在5%的程度上顯著。

具體來說，財政支農(nóng)力度對糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率有較大程度的負效應，這是因為我國財政支農(nóng)的投入結構長期存在不合理現(xiàn)象，資金的利用率低于正常水平[14]。農(nóng)業(yè)勞動力投入與農(nóng)業(yè)生態(tài)效率呈正相關，部分地區(qū)存在人口老齡化、人口外流的現(xiàn)象，農(nóng)村勞動力嚴重匱乏，因此，當農(nóng)村勞動力投入增加，補充有效勞動力，農(nóng)業(yè)生態(tài)效率隨之提高。農(nóng)業(yè)科技投入與農(nóng)業(yè)生態(tài)效率呈現(xiàn)顯著的正效應，農(nóng)業(yè)科技投入的增加有助于農(nóng)業(yè)生產(chǎn)技術的改進，農(nóng)業(yè)生產(chǎn)增量的同時，降低環(huán)境污染，促進農(nóng)業(yè)生態(tài)效率的提升。此外，隨著我國農(nóng)業(yè)轉(zhuǎn)為資本和技術密集型產(chǎn)業(yè)，農(nóng)業(yè)污染逐步加重，使得治理速度趕不上污染速度，且由于財政投入結構缺乏合理性，導致近年來農(nóng)業(yè)生態(tài)效率逐漸下降，政府規(guī)制與農(nóng)業(yè)生態(tài)效率呈現(xiàn)出較為顯著的負向影響。

四、結論與對策

本文運用計量模型，對我國十三個糧食主產(chǎn)區(qū)2010-2018年的農(nóng)業(yè)生態(tài)效率進行測算，并對其主要影響因素進行分析。得出以下結論：(1)2010-2018年主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率為0.846，總體未達到有效狀態(tài)；只有江蘇和四川農(nóng)業(yè)生態(tài)效率達到有效生產(chǎn)前沿面，其余省份均未達到有效狀態(tài)，農(nóng)業(yè)生態(tài)效率相對較低的地區(qū)主要集中于中部和西部地區(qū)。(2)從動態(tài)分析來看，糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率前沿面出現(xiàn)提升，總體投入和產(chǎn)出朝著良好的方向發(fā)展；但從綜合技術效率變動可以看出糧食主產(chǎn)區(qū)存在較多年份農(nóng)業(yè)生產(chǎn)投入要素配置不合理的現(xiàn)象以及農(nóng)業(yè)管理水平不足的問題；從技術進步變動可以看出技術進步是促進農(nóng)業(yè)生態(tài)效率變動的主要因素。(3)通過對主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率的影響因素進行分析，可知農(nóng)業(yè)勞動力投入和農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率具有正效應，財政支農(nóng)力度和政府規(guī)制對農(nóng)業(yè)生態(tài)效率具有負效應。

針對上述結論，為提高糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率，提出以下對策：(1)突破地域限制，加強區(qū)域之間的交流，尤其是農(nóng)業(yè)生態(tài)效率較低的省份積極向生態(tài)效率較高的省份學習相關經(jīng)驗，提升本省農(nóng)業(yè)管理水平，減少地區(qū)間差異，以提高農(nóng)業(yè)生態(tài)效率為重。(2)探索具有區(qū)域特色的農(nóng)業(yè)生態(tài)效率改進路徑，根據(jù)各地不同的自然環(huán)境、生產(chǎn)條件和方式制定不同的要素投入配比，改善規(guī)模投入，同時加大對農(nóng)業(yè)生產(chǎn)技術的投入以及對農(nóng)業(yè)技術研發(fā)、推廣和普及。(3)加大對農(nóng)業(yè)勞動力的重視，制定各項吸引勞動力回流農(nóng)業(yè)的政策，保障農(nóng)村有效勞動力的充足；改善財政支農(nóng)投入結構以及環(huán)境治理投入結構，增加支持農(nóng)業(yè)發(fā)展的投入，加大對農(nóng)業(yè)污染物排放的治理投資。