基于三階段DEA模型的農(nóng)業(yè)生產(chǎn)效率及其時(shí)空特征研究*
——以長(zhǎng)江經(jīng)濟(jì)帶為例

崔海洋, 卓雯君, 虞 虎, 龍 嬌, 劉玉芳

(1.貴州大學(xué)經(jīng)濟(jì)學(xué)院 貴陽(yáng) 550025; 2.中國(guó)科學(xué)院地理科學(xué)與資源研究所 北京 100101;3.重慶文理學(xué)院 重慶 402160)

2016年習(xí)總書(shū)記在長(zhǎng)江經(jīng)濟(jì)帶發(fā)展座談會(huì)上指出: “長(zhǎng)江特有的生態(tài)系統(tǒng)是我國(guó)重要的生態(tài)寶庫(kù)。在今后相當(dāng)長(zhǎng)一段時(shí)間內(nèi), 要把修復(fù)長(zhǎng)江生態(tài)環(huán)境放在壓倒性位置, 共抓大保護(hù), 不搞大開(kāi)發(fā)”。這為長(zhǎng)江經(jīng)濟(jì)帶的發(fā)展定下了生態(tài)優(yōu)先、綠色發(fā)展的總基調(diào)。生態(tài)建設(shè)的主要抓手之一便是農(nóng)業(yè)生產(chǎn),關(guān)鍵在于如何從本質(zhì)上、源頭上提高農(nóng)業(yè)生產(chǎn)效率和實(shí)施農(nóng)業(yè)減排。我國(guó)農(nóng)業(yè)生產(chǎn)一直存在資源消耗量高、生產(chǎn)效率低下的問(wèn)題, 農(nóng)業(yè)勞動(dòng)生產(chǎn)效率僅是發(fā)達(dá)國(guó)家平均水平的2%, 是美國(guó)農(nóng)業(yè)生產(chǎn)效率的1%, 是世界平均水平的64%[1]。2017—2020年,中央一號(hào)文件分別從“推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革” “推進(jìn)小農(nóng)戶與現(xiàn)代農(nóng)業(yè)有機(jī)銜接” “推進(jìn)高標(biāo)準(zhǔn)農(nóng)田建設(shè)和突破農(nóng)業(yè)關(guān)鍵核心技術(shù)”和“加快補(bǔ)齊農(nóng)業(yè)基礎(chǔ)設(shè)施和公共服務(wù)短板”等方面, 強(qiáng)調(diào)提高農(nóng)業(yè)生產(chǎn)效率的重要性。長(zhǎng)江經(jīng)濟(jì)帶是我國(guó)的農(nóng)業(yè)主產(chǎn)區(qū)之一, 上游地區(qū)第一產(chǎn)業(yè)增長(zhǎng)率占全流域農(nóng)業(yè)生產(chǎn)總值的比重較高, 中游地區(qū)種植經(jīng)濟(jì)作物優(yōu)勢(shì)明顯, 農(nóng)副產(chǎn)品加工業(yè)較為發(fā)達(dá), 下游地區(qū)主要發(fā)展都市型和外向型農(nóng)業(yè)[2], 地域差異性明顯。農(nóng)業(yè)生產(chǎn)在長(zhǎng)江經(jīng)濟(jì)帶大保護(hù)格局中具有重要意義, 研究農(nóng)業(yè)生產(chǎn)效率及其時(shí)空特征, 摸清農(nóng)業(yè)生產(chǎn)與長(zhǎng)江經(jīng)濟(jì)帶的大保護(hù)戰(zhàn)略是否匹配, 對(duì)于挖掘長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)發(fā)展?jié)摿? 轉(zhuǎn)變農(nóng)業(yè)發(fā)展模式具有重要指導(dǎo)意義。

農(nóng)業(yè)生產(chǎn)效率研究一直是學(xué)界關(guān)注的重點(diǎn)主題, 從研究范圍來(lái)看, 國(guó)外學(xué)者主要在傳統(tǒng)數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis, DEA)基礎(chǔ)上展開(kāi)對(duì)不同國(guó)家和地區(qū)農(nóng)業(yè)生產(chǎn)效率的比較分析, 國(guó)內(nèi)研究大多基于全國(guó)、區(qū)域或單個(gè)省份的分析[3],對(duì)于流域?qū)用娴难芯枯^少涉及。從研究時(shí)序上來(lái)看,Farrell 1957年首次使用線性規(guī)劃法測(cè)算出了英國(guó)農(nóng)業(yè)生產(chǎn)效率的前沿面, 這種測(cè)量方法就是傳統(tǒng)的DEA模型[4]; Moll[5]1988年認(rèn)為農(nóng)業(yè)生產(chǎn)效率與經(jīng)濟(jì)發(fā)展水平直接相關(guān); Ruttan[6]2002年在對(duì)環(huán)境變量約束的基礎(chǔ)上, 分析了全球的農(nóng)業(yè)生產(chǎn)效率, 并對(duì)發(fā)達(dá)國(guó)家農(nóng)業(yè)生產(chǎn)效率的發(fā)展路徑提出了建設(shè)性意見(jiàn); Chen等[7]2010年基于傳統(tǒng)DEA模型與回歸分析,研究了印度的農(nóng)業(yè)生產(chǎn)效率, 發(fā)現(xiàn)勞動(dòng)主體性別及受教育水平對(duì)于農(nóng)業(yè)生產(chǎn)效率提升具有顯著影響。國(guó)內(nèi)學(xué)者大多采用傳統(tǒng)DEA模型對(duì)農(nóng)業(yè)生產(chǎn)效率開(kāi)展測(cè)度和關(guān)聯(lián)要素研究, 一是側(cè)重于農(nóng)業(yè)生產(chǎn)效率測(cè)算與其影響因素、規(guī)模收益情況等方面的研究,探究區(qū)域、城市之間差異產(chǎn)生的原因[8-10]; 二是闡釋環(huán)境變量與科技投入等因素對(duì)于農(nóng)業(yè)生產(chǎn)效率的影響機(jī)理[11-12]。涉及空間方面, 有學(xué)者運(yùn)用空間統(tǒng)計(jì)方法定量研究了我國(guó)馬鈴薯(Solanum tuberosumL.)生產(chǎn)效率的時(shí)空變化特征, 發(fā)現(xiàn)其空間特征表現(xiàn)為“H-H”的集聚空間格局[13]。有學(xué)者通過(guò)空間杜賓模型檢驗(yàn)農(nóng)業(yè)R&D投入對(duì)農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng), 發(fā)現(xiàn)我國(guó)不同的經(jīng)濟(jì)區(qū)呈現(xiàn)出不同程度的空間外溢和區(qū)域異質(zhì)性特征[14]。但國(guó)內(nèi)外學(xué)者運(yùn)用傳統(tǒng)DEA模型對(duì)農(nóng)業(yè)生產(chǎn)效率相關(guān)變量進(jìn)行實(shí)證分析時(shí), 所使用的單一CCR和BCC模型的方法并沒(méi)有考慮外生環(huán)境因素的影響, 可能會(huì)造成效率值的誤差。Fried等[15]認(rèn)為, 決策單元(DMU)受到管理無(wú)效率(managerial inefficiencies)、環(huán)境因素(environmental effects)和統(tǒng)計(jì)噪聲(statistical noise)的影響, 因此有必要剔除以上3種因素來(lái)保證效率評(píng)估的嚴(yán)謹(jǐn)性。采用三階段DEA方法, 剔除外部環(huán)境因素對(duì)決策單元的影響, 可以進(jìn)一步保證效率評(píng)估結(jié)果的客觀性。但是以截面數(shù)據(jù)作為統(tǒng)計(jì)對(duì)象的計(jì)量方法容易造成一些農(nóng)業(yè)生產(chǎn)狀況良好的省份效率值始終為1, 而無(wú)法獲得這些省份農(nóng)業(yè)效率的時(shí)間變化趨勢(shì)。因此, 本文采用三階段DEA與聚類分析相結(jié)合的方法, 以長(zhǎng)江經(jīng)濟(jì)帶為例, 對(duì)管理無(wú)效率、環(huán)境變量、統(tǒng)計(jì)噪聲等外部環(huán)境因素進(jìn)行剔除,優(yōu)化農(nóng)業(yè)生產(chǎn)效率的測(cè)算分析方法, 使效率值能更真實(shí)地反映決策單元的情況, 為農(nóng)業(yè)生產(chǎn)效率研究和投入產(chǎn)出的優(yōu)化配置提供方法借鑒。

1 研究區(qū)概況

長(zhǎng)江經(jīng)濟(jì)帶是指沿長(zhǎng)江流域的11個(gè)省市地區(qū)組成的經(jīng)濟(jì)區(qū)域, 面積約205萬(wàn)km2, 集聚的人口總量和創(chuàng)造的地區(qū)生產(chǎn)總值均占全國(guó)40%以上, 是我國(guó)經(jīng)濟(jì)中心和活力中心[16]。長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市可分為上游地區(qū)(云南、貴州、四川和重慶)、中游地區(qū)(湖北、江西和湖南)和下游地區(qū)(江蘇、浙江、安徽和上海)。長(zhǎng)江經(jīng)濟(jì)帶擁有全國(guó)近6%的農(nóng)業(yè)用地和約1/3的耕地, 承載了全國(guó)超過(guò)1/2的農(nóng)業(yè)從業(yè)人口,投入了超過(guò)全國(guó)40%的農(nóng)業(yè)投資, 產(chǎn)出了全國(guó)43%的農(nóng)業(yè)增加值。近年來(lái), 為響應(yīng)長(zhǎng)江經(jīng)濟(jì)帶生態(tài)安全屏障建設(shè), 沿江省市積極轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)綠色發(fā)展方式, 采取一系列措施優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)來(lái)提升農(nóng)業(yè)生產(chǎn)效率。長(zhǎng)江經(jīng)濟(jì)帶覆蓋了長(zhǎng)江流域農(nóng)業(yè)主產(chǎn)區(qū)與部分華南農(nóng)業(yè)主產(chǎn)區(qū)、黃淮海平原農(nóng)業(yè)主產(chǎn)區(qū),涉及農(nóng)業(yè)主產(chǎn)區(qū)的范圍廣, 在全國(guó)農(nóng)業(yè)格局中擁有重要地位, 大多數(shù)省份農(nóng)業(yè)科技貢獻(xiàn)率平均水平高于全國(guó)平均水平, 中下游地區(qū)的農(nóng)業(yè)勞動(dòng)生產(chǎn)率、土地產(chǎn)出率、機(jī)械化和設(shè)施化程度均相對(duì)較高, 農(nóng)業(yè)投資占全國(guó)的比重逐年提高, 對(duì)全國(guó)農(nóng)業(yè)經(jīng)濟(jì)的貢獻(xiàn)率也逐年上升[17]。2008—2018年長(zhǎng)江經(jīng)濟(jì)帶地區(qū)整體農(nóng)業(yè)生產(chǎn)狀況良好, 但也呈現(xiàn)出明顯的地區(qū)差異。經(jīng)濟(jì)帶糧食產(chǎn)量在全國(guó)占比基本維持在37.5%,農(nóng)林牧漁總產(chǎn)值在全國(guó)的比重雖呈明顯下降趨勢(shì),但依然保持在30%以上(圖1)[18]。

2 研究方法與數(shù)據(jù)來(lái)源

2.1 三階段DEA模型

DEA 方法的特點(diǎn)在于: 1)投入變量和產(chǎn)出變量的權(quán)重由數(shù)學(xué)模型通過(guò)數(shù)據(jù)產(chǎn)生, 不需要事先設(shè)定,也不受人為主觀變動(dòng)的影響; 2)可以評(píng)價(jià)多個(gè)投入變量和產(chǎn)出變量的決策單元(DMU), 并且不需要投入和產(chǎn)出的生產(chǎn)函數(shù)形態(tài); 3)具有單位不變性, 即DMU的效率不受投入和產(chǎn)出效率的影響; 4)可以進(jìn)行差異分析、敏感分析和效率分析[16]。DEA方法與農(nóng)業(yè)生產(chǎn)效率的測(cè)算在其核心理念上具有明顯的契合, 采用三階段DEA在第2階段剔除環(huán)境變量和隨機(jī)噪聲的影響, 使第3階段的原始數(shù)據(jù)相對(duì)于第1階段的原始數(shù)據(jù)有所修正, 對(duì)我國(guó)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的農(nóng)業(yè)生產(chǎn)效率評(píng)價(jià)得出的結(jié)果更加準(zhǔn)確。由于篇幅的原因, 本文不再具體給出三階段DEA方法的詳盡說(shuō)明。

操作步驟上, 首先使用原始的投入產(chǎn)出數(shù)據(jù)測(cè)算出初始效率值, 參考已有的運(yùn)用三階段DEA模型的相關(guān)文獻(xiàn)[15], 選用規(guī)模報(bào)酬可變(VRS)下的BCC模型對(duì)DMU進(jìn)行相對(duì)有效性的測(cè)算。對(duì)于任一DMU, 投入導(dǎo)向下對(duì)偶形式的BCC模型可表示為:

式中:j=1, 2, 3, ···,n, 表示決策單元(DMU);X、Y分別為投入和產(chǎn)出變量;ε為非阿基米德無(wú)窮小量。DEA-BCC模型本質(zhì)上是一個(gè)線性規(guī)劃問(wèn)題。若θ=1、S+=1、S-=0, 則決策單元為DEA有效, 決策單元實(shí)現(xiàn)最佳組合和最大產(chǎn)出; 若θ=1、S+≠0, 或S+≠0則DMU的弱DEA有效; 若θ＞1則DMU的非DEA有效, 表明該DMU存在一定的效率改進(jìn)空間。三階段DEA模型可以構(gòu)造類似SFA回歸函數(shù), 剔除環(huán)境因素和隨機(jī)因素對(duì)長(zhǎng)江經(jīng)濟(jì)帶省份農(nóng)業(yè)生產(chǎn)效率的影響, 以便將所有DMU調(diào)整于相同的外部環(huán)境中, 從而達(dá)到清除噪音和方法改善的目標(biāo)。

2.2 變量選取

按照DEA理論, 測(cè)算農(nóng)業(yè)生產(chǎn)效率需要投入與產(chǎn)出兩項(xiàng)指標(biāo)。結(jié)合已有文獻(xiàn), 投入指標(biāo)通常選用可直接投入的生產(chǎn)要素[10,13], 產(chǎn)出指標(biāo)通常選用第一產(chǎn)業(yè)總產(chǎn)值[14-15]。在農(nóng)業(yè)生產(chǎn)中, 生產(chǎn)者可以直接掌握的生產(chǎn)要素是土地、勞動(dòng)力、機(jī)械、化肥、灌溉等, 而收入、自然環(huán)境和社會(huì)環(huán)境等外在因素往往會(huì)影響農(nóng)民對(duì)這些直接掌控的生產(chǎn)要素的投入效用, 進(jìn)而影響農(nóng)業(yè)生產(chǎn)效率。針對(duì)不同文獻(xiàn)研究方向的差別, 所選取農(nóng)業(yè)生產(chǎn)效率的影響因素也有所不同, 選用較多的影響因素主要有財(cái)政對(duì)農(nóng)業(yè)的投入、人均GDP、農(nóng)作物受災(zāi)情況等。為保證統(tǒng)計(jì)指標(biāo)的一致性和數(shù)據(jù)的準(zhǔn)確性, 本文共選取1個(gè)產(chǎn)出指標(biāo)、5個(gè)投入指標(biāo)和3個(gè)環(huán)境指標(biāo)來(lái)測(cè)算長(zhǎng)江經(jīng)濟(jì)帶各省份的農(nóng)業(yè)生產(chǎn)效率值(表1)。

表1 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率相關(guān)變量及其統(tǒng)計(jì)性描述Table 1 Variables related to agricultural production efficiency in the Yangtze River Economic Belt and their statistical description

1)產(chǎn)出指標(biāo)?？紤]到投入指標(biāo)中的農(nóng)業(yè)機(jī)械總動(dòng)力和第一產(chǎn)業(yè)從業(yè)人數(shù)均屬于廣義農(nóng)業(yè)口徑, 為保持統(tǒng)計(jì)口徑一致, 因此選取“農(nóng)林牧漁總產(chǎn)值”作為產(chǎn)出指標(biāo)進(jìn)行測(cè)算。

2)投入指標(biāo)。投入變量的選取原則是投入變量直接影響DMU即農(nóng)業(yè)總產(chǎn)值, 參考郭軍華等[13]的方法, 選用農(nóng)業(yè)機(jī)械總動(dòng)力投入、農(nóng)用化肥施用量、第一產(chǎn)業(yè)勞動(dòng)力、農(nóng)作物播種面積、有效灌溉面積等5個(gè)投入變量。其中播種面積與勞動(dòng)力投入分別代表農(nóng)業(yè)土地(自然)資源投入與社會(huì)資源投入, 機(jī)械、化肥與灌溉投入代表農(nóng)業(yè)技術(shù)投入。

3)環(huán)境指標(biāo)。環(huán)境變量的選取原則是既對(duì)DMU有影響, 但又不受其控制。長(zhǎng)江流域是我國(guó)暴雨和洪澇災(zāi)害的多發(fā)區(qū), 受災(zāi)情況對(duì)農(nóng)業(yè)生產(chǎn)效率有直接影響, 故選取農(nóng)業(yè)受災(zāi)面積作為農(nóng)業(yè)生產(chǎn)過(guò)程中自然環(huán)境要素變量; 同時(shí)長(zhǎng)江經(jīng)濟(jì)帶也是我國(guó)人口最稠密、經(jīng)濟(jì)社會(huì)最發(fā)達(dá)的地區(qū)之一, 人群收入和農(nóng)業(yè)財(cái)政預(yù)算水平對(duì)農(nóng)業(yè)的影響是無(wú)法忽視的, 因此選取人均GDP和農(nóng)林水事務(wù)的財(cái)政支出作為農(nóng)業(yè)生產(chǎn)過(guò)程中社會(huì)經(jīng)濟(jì)環(huán)境變量。

2.3 Pearson相關(guān)性檢驗(yàn)

Pearson相關(guān)性檢驗(yàn)是用于評(píng)價(jià)變量之間是否具有線性相關(guān)的經(jīng)典方法。郭軍華等[13]認(rèn)為投入變量與產(chǎn)出變量之間存在正向相關(guān), 即投入變量往往與產(chǎn)出變量呈現(xiàn)同向變動(dòng), 可以采用Pearson相關(guān)系數(shù)檢驗(yàn)方法來(lái)驗(yàn)證假設(shè)。因此本文通過(guò)使用Pearson相關(guān)系數(shù)和顯著性檢驗(yàn), 來(lái)驗(yàn)證農(nóng)業(yè)投入產(chǎn)出變量之間顯著性關(guān)系。利用SPSS 25.0軟件檢驗(yàn)相關(guān)性程度如表2所示。

分析表2可知, 長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)總產(chǎn)值與農(nóng)業(yè)投入指標(biāo)的相關(guān)系數(shù)都呈現(xiàn)出明顯的正相關(guān),并且全部通過(guò)P＜5%置信水平上的雙尾檢驗(yàn), 因此符合產(chǎn)出指標(biāo)和投入指標(biāo)之間“同向性”的假設(shè)。從表2進(jìn)一步得出農(nóng)業(yè)機(jī)械總動(dòng)力投入、農(nóng)用化肥施用量和有效灌溉面積投入對(duì)農(nóng)業(yè)總產(chǎn)值的影響相對(duì)較大, 相關(guān)系數(shù)分別為0.754、0.793和0.809;而農(nóng)作物播種面積和第一產(chǎn)業(yè)勞動(dòng)力的投入對(duì)農(nóng)業(yè)總產(chǎn)值的影響相對(duì)較小, 相關(guān)系數(shù)分別為0.296和0.547。

表2 2008—2018年長(zhǎng)江經(jīng)濟(jì)帶省市的農(nóng)業(yè)產(chǎn)出與投入的Pearson相關(guān)系數(shù)檢驗(yàn)Table 2 Pearson correlation coefficient test of agricultural output and input in provinces and cities of the Yangtze River Economic Belt from 2008 to 2018

2.4 數(shù)據(jù)來(lái)源

本文所用的投入、產(chǎn)出以及效率影響因素?cái)?shù)據(jù)均來(lái)源于2008—2018年歷年中國(guó)農(nóng)村統(tǒng)計(jì)年鑒、中國(guó)農(nóng)業(yè)年鑒、長(zhǎng)江經(jīng)濟(jì)帶11省(市)統(tǒng)計(jì)年鑒和各省市農(nóng)業(yè)農(nóng)村局公報(bào)等。

3 結(jié)果與分析

3.1 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率

3.1.1 基于一階段DEA-BCC的農(nóng)業(yè)生產(chǎn)效率

將長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省份農(nóng)業(yè)生產(chǎn)的產(chǎn)出與投入的原始數(shù)據(jù)導(dǎo)入到DEA運(yùn)算的Deap 2.1軟件中,結(jié)果見(jiàn)表3。從表中可知, 長(zhǎng)江經(jīng)濟(jì)帶大部分地區(qū)的農(nóng)業(yè)生產(chǎn)效率較高, 且相對(duì)穩(wěn)定。上海、四川、浙江、江蘇的農(nóng)業(yè)生產(chǎn)效率居于前列, 其中上海和四川的農(nóng)業(yè)生產(chǎn)效率值一直都是1, 在不考慮環(huán)境因素情況下, 處在農(nóng)業(yè)生產(chǎn)效率的隨機(jī)前沿位置。云南、江西和重慶的農(nóng)業(yè)生產(chǎn)效率在研究期內(nèi)整體呈波動(dòng)上升趨勢(shì); 湖北的農(nóng)業(yè)生產(chǎn)效率相對(duì)較高, 但有輕微的下降趨勢(shì); 湖南的農(nóng)業(yè)生產(chǎn)效率近幾年跌幅相對(duì)較大; 安徽與貴州的農(nóng)業(yè)生產(chǎn)效率處在較低水平, 且近幾年沒(méi)有明顯提升?？傮w來(lái)說(shuō), 長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)生產(chǎn)效率普遍較高, 已接近有效狀態(tài), 如何協(xié)調(diào)和帶動(dòng)生產(chǎn)效率較低的地區(qū), 實(shí)現(xiàn)整體效率的進(jìn)一步提升, 是長(zhǎng)江經(jīng)濟(jì)帶今后需要面臨的關(guān)鍵問(wèn)題。當(dāng)然, 由于外生環(huán)境變量的存在可能會(huì)導(dǎo)致表3的數(shù)據(jù)失真, 需要在傳統(tǒng)的DEA-BCC模型的基礎(chǔ)上剔除環(huán)境變量等因素的影響。

表3 一階段DEA-BCC模型下的2008—2018年長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)生產(chǎn)效率Table 3 Agricultural production efficiencies of provinces (cities) of the Yangtze River Economic Belt Region from 2008 to 2018 based on the one-stage DEA-BCC model

3.1.2 二階段似SFA前沿回歸調(diào)整結(jié)果

為了有效剔除外生環(huán)境變量對(duì)農(nóng)業(yè)效率值的影響, 需要明確環(huán)境變量對(duì)農(nóng)業(yè)生產(chǎn)效率的影響程度。因此, 在第2階段似SFA前沿回歸模型中使用第1階段的DEA-BCC模型中投入要素的松弛量(Slacks)作為被解釋變量, 外生環(huán)境變量(人均GDP、受災(zāi)面積與財(cái)政對(duì)農(nóng)業(yè)的支持)作為解釋變量進(jìn)行回歸分析。如果系數(shù)大于0, 則表明增加環(huán)境變量的投入同時(shí)也會(huì)提高農(nóng)業(yè)投入變量的松弛量, 不利于提高農(nóng)業(yè)生產(chǎn)效率; 如果系數(shù)小于0, 則表明增加外生環(huán)境變量的投入會(huì)減少農(nóng)業(yè)投入變量的冗余, 說(shuō)明增加投入對(duì)農(nóng)業(yè)生產(chǎn)效率的提高具有促進(jìn)作用。運(yùn)用Frontier 4.1軟件進(jìn)行數(shù)據(jù)分析, 具體的似SFA前沿回歸結(jié)果如表4所示。

表4 長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)生產(chǎn)效率二階段似SFA前沿回歸調(diào)整結(jié)果Table 4 SFA forward regression adjustment results in two-stage of agricultural production efficiency in the Yangtze River Economic Belt

從表4可以看出, 3個(gè)環(huán)境變量對(duì)5種投入松弛變量大部分都能通過(guò)P＜10%的顯著性檢驗(yàn), 說(shuō)明外部環(huán)境因素對(duì)我國(guó)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市地區(qū)的農(nóng)業(yè)生產(chǎn)投入變量之間存在明顯相關(guān)。

1)財(cái)政對(duì)農(nóng)業(yè)的支持(E1)。財(cái)政對(duì)農(nóng)業(yè)的支持力度在農(nóng)業(yè)機(jī)械總動(dòng)力(I1)、農(nóng)用化肥施用量(I2)、農(nóng)作物播種面積(I4)和有效灌溉面積(I5)的回歸系數(shù)均為負(fù)值, 對(duì)第一產(chǎn)業(yè)勞動(dòng)力(I3)投入松馳量為正, 且通過(guò)P＜10%的顯著性檢驗(yàn), 說(shuō)明隨著財(cái)政對(duì)農(nóng)業(yè)的投入力度增加, 除勞動(dòng)力以外的農(nóng)業(yè)生產(chǎn)投入要素反倒呈現(xiàn)負(fù)增長(zhǎng), 對(duì)農(nóng)業(yè)生產(chǎn)效率產(chǎn)生負(fù)面影響。這一結(jié)論與理論預(yù)期不符, 即農(nóng)業(yè)的財(cái)政支出與農(nóng)業(yè)生產(chǎn)率之間并非是同向變動(dòng)的, 過(guò)量的支農(nóng)補(bǔ)貼和扶持政策容易增加農(nóng)民的依賴心理; 農(nóng)業(yè)生產(chǎn)過(guò)度依靠高密度資金和要素的投入, 會(huì)導(dǎo)致土地肥力和勞動(dòng)效率的下降, 這或與資金結(jié)構(gòu)、資源分配不合理有關(guān)[16], 部分地區(qū)的財(cái)政支農(nóng)政策仍需完善。

2)人均GDP(E2)。人均GDP在農(nóng)業(yè)機(jī)械總動(dòng)力(I1)、農(nóng)用化肥施用量(I2)和農(nóng)作物播種面積(I4)的回歸結(jié)果顯著為正, 說(shuō)明農(nóng)村收入水平的整體提升對(duì)于農(nóng)業(yè)勞動(dòng)力掌握先進(jìn)的生產(chǎn)技術(shù)、提升農(nóng)業(yè)生產(chǎn)效率有正向影響。這一結(jié)論和理論預(yù)期一致, 主要是由于經(jīng)濟(jì)發(fā)展水平較高的地方, 道路交通、水利灌溉、能源供給、資源環(huán)境等基礎(chǔ)設(shè)施建設(shè)相對(duì)較為完善, 有利于農(nóng)業(yè)現(xiàn)代化的發(fā)展, 經(jīng)濟(jì)發(fā)展水平高的地方科技水平、機(jī)械化水平、農(nóng)業(yè)信息化水平、專業(yè)化及集約化水平也較高, 驗(yàn)證了經(jīng)濟(jì)水平和市場(chǎng)信息的流通也密切相關(guān), 在一定程度上能夠提高農(nóng)業(yè)生產(chǎn)效率[19]。

3)受災(zāi)面積(E3)。受災(zāi)面積在P＜5%的顯著水平與農(nóng)業(yè)勞動(dòng)力(I3)和農(nóng)作物播種面積(I4)的回歸系數(shù)為負(fù)值, 說(shuō)明受災(zāi)面積的增加會(huì)造成農(nóng)業(yè)從事人口和農(nóng)作物播種面積顯著過(guò)剩, 與實(shí)際情況相符。但受災(zāi)面積對(duì)農(nóng)業(yè)機(jī)械總動(dòng)力(I1)、農(nóng)用化肥施用量(I2)和有效灌溉面積(I5)等投入變量的影響程度沒(méi)有通過(guò)顯著性檢驗(yàn), 說(shuō)明自然災(zāi)害會(huì)對(duì)農(nóng)業(yè)生產(chǎn)效率產(chǎn)生負(fù)面影響, 自然災(zāi)害的增加會(huì)導(dǎo)致從農(nóng)人口和農(nóng)作物面積的減少, 而其他投入變量為了彌補(bǔ)受災(zāi)狀況下的產(chǎn)值虧空, 也會(huì)不同程度地增加投入[20]。

由于環(huán)境變量對(duì)我國(guó)長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)生產(chǎn)效率存在顯著影響, 因此, 有必要調(diào)整原始的農(nóng)業(yè)生產(chǎn)要素投入, 通過(guò)剔除環(huán)境變量對(duì)農(nóng)業(yè)生產(chǎn)效率的外生性影響, 來(lái)進(jìn)一步考察我國(guó)長(zhǎng)江經(jīng)濟(jì)帶地區(qū)的真實(shí)農(nóng)業(yè)生產(chǎn)效率。

3.1.3 三階段擬合調(diào)整DEA-BCC的農(nóng)業(yè)生產(chǎn)效率

通過(guò)似SFA前沿回歸對(duì)外生環(huán)境變量進(jìn)行剔除得到擬合調(diào)整的數(shù)據(jù)值, 對(duì)調(diào)整后的投入量和原始的產(chǎn)出量再次進(jìn)行DEA-BCC測(cè)算, 得到我國(guó)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的實(shí)際生產(chǎn)效率值(表5)。

表5 2008—2018年三階段DEA-BCC調(diào)整后長(zhǎng)江經(jīng)濟(jì)帶各省市的農(nóng)業(yè)生產(chǎn)效率值Table 5 Agricultural production efficiencies of provinces (cities) of the Yangtze River Economic Belt from 2008 to 2018 based on the three-stage DEA-BCC model

綜合來(lái)看, 四川省剔除外生環(huán)境變量前后的農(nóng)業(yè)生產(chǎn)效率均為1, 江蘇省在調(diào)整后達(dá)到效率最佳狀態(tài), 浙江和湖北的效率值出現(xiàn)輕微波動(dòng), 但不影響其農(nóng)業(yè)生產(chǎn)效率的隨機(jī)前沿位置。原因在于這些省份優(yōu)越的自然與經(jīng)濟(jì)資源稟賦, 便于擴(kuò)展其區(qū)域內(nèi)農(nóng)業(yè)生產(chǎn)的類型和聚集程度。如四川省善于利用自身生態(tài)環(huán)境和地形地貌優(yōu)勢(shì), 打造出一系列現(xiàn)代田園綜合體, 并設(shè)計(jì)和規(guī)劃了現(xiàn)代化的農(nóng)業(yè)產(chǎn)業(yè)體系及產(chǎn)品布局, 創(chuàng)建出大涼山桑蠶繭產(chǎn)區(qū)等50個(gè)省級(jí)特色農(nóng)產(chǎn)品優(yōu)勢(shì)產(chǎn)區(qū), 涵蓋了特色糧經(jīng)作物、特色園藝產(chǎn)品、特色林產(chǎn)品、特色畜牧產(chǎn)品和特色水產(chǎn)品等5大類特色農(nóng)產(chǎn)品[21]。上海市在剔除外生環(huán)境變量后, 農(nóng)業(yè)的生產(chǎn)效率出現(xiàn)顯著下降, 這或與上海市高速發(fā)展的城鎮(zhèn)化進(jìn)程和緊張的人地關(guān)系有關(guān)[22]。江西、安徽、湖南和云南等地區(qū), 剔除外生環(huán)境變量后的農(nóng)業(yè)生產(chǎn)效率均有所提高, 主要原因在于這些省份近年來(lái)不斷借力鄉(xiāng)村振興的政策機(jī)遇,加之近些年的自然災(zāi)害相對(duì)較少, 通過(guò)科學(xué)引導(dǎo)農(nóng)業(yè)生產(chǎn)合作社、家庭農(nóng)場(chǎng)、種養(yǎng)殖大戶和農(nóng)業(yè)龍頭企業(yè)等新型農(nóng)業(yè)經(jīng)營(yíng)主體在大環(huán)境向好的背景下的改革創(chuàng)新, 大力推進(jìn)農(nóng)業(yè)產(chǎn)業(yè)化戰(zhàn)略, 以促進(jìn)農(nóng)村三大產(chǎn)業(yè)的融合發(fā)展, 提高農(nóng)業(yè)生產(chǎn)效率和踐行“兩山精神”[23]。不論調(diào)整前還是調(diào)整后的貴州省農(nóng)業(yè)生產(chǎn)效率均處于效率低位, 主要原因是由于貴州屬于喀斯特地貌地區(qū), 農(nóng)業(yè)單位產(chǎn)出的投入比例較高,研究期內(nèi)的農(nóng)業(yè)產(chǎn)出增加值占地區(qū)生產(chǎn)總值比重在15%上下浮動(dòng), 這或與農(nóng)作物受災(zāi)率較高、農(nóng)業(yè)技術(shù)程度較低等因素密切相關(guān)[24]。

為了更加直觀觀察環(huán)境因素對(duì)農(nóng)業(yè)生產(chǎn)效率的影響, 把調(diào)整前后長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的生產(chǎn)效率值通過(guò)圖2顯示出來(lái), 以此來(lái)對(duì)比在剝離了外生環(huán)境變量后農(nóng)業(yè)生產(chǎn)效率發(fā)生的變化程度。圖2中實(shí)線圈表示長(zhǎng)江經(jīng)濟(jì)帶省市2008—2018年的農(nóng)業(yè)生產(chǎn)效率原始狀態(tài)下的均值, 虛線圈則表示剝離外生環(huán)境變量后的長(zhǎng)江經(jīng)濟(jì)帶省市2008—2018年的農(nóng)業(yè)生產(chǎn)效率均值。

從圖2可以更加直觀地看出, 貴州、湖北、江蘇、四川和浙江地區(qū)在調(diào)整前后的變動(dòng)并不明顯,云南、安徽、湖南、江西等地都有不同程度地提高,其中安徽省在剔除環(huán)境變量后增幅明顯, 而上海市和重慶市的農(nóng)業(yè)效率值在調(diào)整后出現(xiàn)下降, 其中上海市在剔除環(huán)境變量后跌幅明顯。從中可知, 對(duì)農(nóng)業(yè)生產(chǎn)效率進(jìn)行剔除外部環(huán)境影響的測(cè)度是很必要的, 如果忽視外部環(huán)境而進(jìn)行單一效率評(píng)價(jià)則會(huì)導(dǎo)致結(jié)果的失真。

3.2 農(nóng)業(yè)生產(chǎn)效率時(shí)空特征分析

3.2.1 時(shí)間演化特征

從圖3可知, 2008—2018年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率均值呈波動(dòng)發(fā)展?fàn)顟B(tài)。2008—2010年農(nóng)業(yè)生產(chǎn)效率均值波動(dòng)上升, 2010—2012年出現(xiàn)下降現(xiàn)象,2012—2013年效率均值明顯著提升, 2013—2015年又急轉(zhuǎn)向下, 2015—2018年呈緩慢回調(diào)狀態(tài)。上游省份相對(duì)穩(wěn)定, 農(nóng)業(yè)生產(chǎn)效率均值在0.8至0.9間平緩波動(dòng); 中游與下游省份的年份起伏相對(duì)比較明顯。但上中下游的走勢(shì)與全流域整體效率值的走勢(shì)基本一致, 農(nóng)業(yè)生產(chǎn)效率值的波動(dòng)既與我國(guó)當(dāng)時(shí)的經(jīng)濟(jì)發(fā)展?fàn)顩r、發(fā)展方式的變革有關(guān), 也與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級(jí)的總體要求有關(guān), 同時(shí)與各個(gè)地區(qū)的區(qū)位條件、政策執(zhí)行效果、資源稟賦和經(jīng)濟(jì)發(fā)展水平等有關(guān)[11]。

3.2.2 空間演化特征

由圖3發(fā)現(xiàn), 長(zhǎng)江經(jīng)濟(jì)帶中游地區(qū)的農(nóng)業(yè)生產(chǎn)效率均值最高, 下游地區(qū)次之, 上游地區(qū)相對(duì)較低。為了更加直觀地反映長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率的空間特征, 借助于SPSS 25軟件對(duì)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的第1階段農(nóng)業(yè)生產(chǎn)效率值和調(diào)整后的第3階段農(nóng)業(yè)生產(chǎn)效率值分別進(jìn)行系統(tǒng)聚類分析。將長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市地區(qū)劃分為第Ⅰ類地區(qū)(效率值=1)、第Ⅱ類地區(qū)(0.85≤效率值＜1)、第Ⅲ類地區(qū)(0.7≤效率值＜0.85)和第Ⅳ類地區(qū)(效率值＜0.7)(表6)。

表6 剔除環(huán)境變量后長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率聚類分析結(jié)果比較Table 6 Comparison of cluster analysis results of agricultural production efficiencies in the Yangtze River Economic Belt after excluding environmental variables

由表6可知, 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率在剔除環(huán)境影響的前后差異顯著, 上海市由第Ⅰ類地區(qū)降至第Ⅳ類地區(qū), 江蘇、湖南、江西和安徽等地區(qū)均有提升, 其他省份沒(méi)有明顯變化; 在剔除了環(huán)境變量和隨機(jī)因素的影響之后, 四川和江蘇位列第Ⅰ類地區(qū), 處于農(nóng)業(yè)生產(chǎn)效率的隨機(jī)前沿面; 其次是重慶、湖南、江西、浙江和湖北等5個(gè)省份位列第Ⅱ類地區(qū), 說(shuō)明這些省份不考慮環(huán)境因素和隨機(jī)因素的影響下, 農(nóng)業(yè)生產(chǎn)效率已經(jīng)達(dá)到了相對(duì)最優(yōu)水平,在農(nóng)業(yè)發(fā)展過(guò)程中有效地兼顧了資源利用和環(huán)境保護(hù)。而從第Ⅲ和第Ⅳ類省份來(lái)看, 云南省和貴州省在剝離環(huán)境因素和隨機(jī)干擾的同質(zhì)環(huán)境后依然處于相對(duì)較后的位置, 且沒(méi)有明顯變化, 安徽省在調(diào)整后出現(xiàn)上升, 而上海市從效率前沿面直接跳轉(zhuǎn)至第Ⅳ類地區(qū), 表明其農(nóng)業(yè)生產(chǎn)效率與環(huán)境變量之間可能存在負(fù)相關(guān), 導(dǎo)致農(nóng)業(yè)生產(chǎn)效率因?yàn)榄h(huán)境變量或者隨機(jī)干擾的影響處于一個(gè)較低的水平。結(jié)合圖2進(jìn)一步分析第3階段效率值可以發(fā)現(xiàn), 四川、重慶地區(qū)雖處于長(zhǎng)江經(jīng)濟(jì)帶的上游地區(qū), 但其農(nóng)業(yè)生產(chǎn)效率一直處于隨機(jī)前沿地位, 而上海市和安徽省的農(nóng)業(yè)效率值受環(huán)境影響波動(dòng)較大, 剔除環(huán)境變量后的效率值與其經(jīng)濟(jì)發(fā)展水平不匹配。同時(shí), 每個(gè)地區(qū)都有相應(yīng)的省份, 其農(nóng)業(yè)生產(chǎn)效率處在隨機(jī)前沿面上, 在各個(gè)地區(qū)起到了農(nóng)業(yè)生產(chǎn)的“標(biāo)桿”作用[25],如上游地區(qū)的四川省, 中游地區(qū)的湖北省和下游地區(qū)的江蘇省。

4 結(jié)論與建議

4.1 結(jié)論

1)長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)總產(chǎn)值與農(nóng)業(yè)投入之間有明顯的正相關(guān), 機(jī)械、化肥和灌溉投入對(duì)農(nóng)業(yè)總產(chǎn)值的影響相對(duì)較大, 外生環(huán)境因素對(duì)農(nóng)業(yè)生產(chǎn)效率也存在顯著影響, 剔除相關(guān)環(huán)境變量在技術(shù)層面上有較大價(jià)值。其中, 受災(zāi)面積可以降低農(nóng)業(yè)投入的效用, 對(duì)農(nóng)業(yè)生產(chǎn)效率有直接負(fù)面影響; 增加農(nóng)業(yè)財(cái)政投入可以加速農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí), 激勵(lì)農(nóng)業(yè)技術(shù)創(chuàng)新, 對(duì)農(nóng)業(yè)生產(chǎn)效率產(chǎn)生積極影響, 但也容易造成農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)用化肥施用量、農(nóng)作物播種面積和有效灌溉面積等投入要素的過(guò)量投入和不合理消耗, 從而產(chǎn)生負(fù)面效應(yīng); 人均GDP的提升對(duì)農(nóng)業(yè)現(xiàn)代化和產(chǎn)業(yè)化建設(shè)起到了較好的反哺和促進(jìn)作用, 但也容易造成第一產(chǎn)業(yè)勞動(dòng)力的過(guò)量轉(zhuǎn)移。長(zhǎng)江經(jīng)濟(jì)帶各省市的農(nóng)業(yè)生產(chǎn)效率在剔除環(huán)境變量后明顯變化, 四川省和江蘇省成為農(nóng)業(yè)生產(chǎn)效率最高的省份, 處在隨機(jī)效率的前沿, 重慶、湖南、江西、浙江和湖北等地的農(nóng)業(yè)生產(chǎn)效率整體向好, 且相對(duì)穩(wěn)定, 上海市的農(nóng)業(yè)生產(chǎn)效率值在調(diào)整后出現(xiàn)明顯的下降, 而安徽、云南和貴州省依然處在長(zhǎng)江經(jīng)濟(jì)帶整體農(nóng)業(yè)效率的弱勢(shì)地位。

2)從調(diào)整后農(nóng)業(yè)生產(chǎn)效率的時(shí)空特征來(lái)看, 長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)生產(chǎn)效率與年份和區(qū)位因素密不可分; 從效率平均值來(lái)看, 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)效率值在階段內(nèi)呈現(xiàn)內(nèi)波浪狀起伏態(tài)勢(shì), 在2010—2013年均出現(xiàn)不同層度的小高峰, 在2017年出現(xiàn)效率低谷,原因在于不同時(shí)期農(nóng)業(yè)生產(chǎn)的自然和社會(huì)環(huán)境發(fā)生了較大變化。長(zhǎng)江中游省市較上游和下游省市的農(nóng)業(yè)效率有明顯優(yōu)勢(shì), 但就整體發(fā)展態(tài)勢(shì)而言, 上游的云南、貴州近年來(lái)在我國(guó)扶貧攻堅(jiān)戰(zhàn)略和區(qū)域交通網(wǎng)絡(luò)優(yōu)化引導(dǎo)的商貿(mào)流通作用下, 農(nóng)業(yè)技術(shù)水平及生產(chǎn)效率正在穩(wěn)步提升, 與地區(qū)整體間的差距也正在逐步縮小。個(gè)別省份的農(nóng)業(yè)生產(chǎn)效率與其經(jīng)濟(jì)社會(huì)發(fā)展存在不匹配, 其中, 上海市和安徽省農(nóng)業(yè)生產(chǎn)效率與長(zhǎng)三角地區(qū)的經(jīng)濟(jì)發(fā)展水平嚴(yán)重脫節(jié)。

4.2 建議

習(xí)總書(shū)記強(qiáng)調(diào)“長(zhǎng)江經(jīng)濟(jì)帶不是獨(dú)立單元, 11個(gè)省份要全面協(xié)調(diào)協(xié)作, 發(fā)展的每一步都要穩(wěn)扎穩(wěn)打,做到兵馬未動(dòng)糧草先行”。從長(zhǎng)江經(jīng)濟(jì)帶各省市農(nóng)業(yè)生產(chǎn)效率的均值來(lái)看(表5), 四川省可以繼續(xù)嚴(yán)格執(zhí)行長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境問(wèn)題整改工作, 在保證第一產(chǎn)業(yè)效率不下降的前提下, 進(jìn)一步推進(jìn)現(xiàn)代化農(nóng)業(yè)建設(shè), 從農(nóng)業(yè)大省轉(zhuǎn)向農(nóng)業(yè)強(qiáng)省, 有效供給綠色安全農(nóng)產(chǎn)品、大力發(fā)展優(yōu)質(zhì)專用農(nóng)產(chǎn)品、積極發(fā)展特色個(gè)性農(nóng)產(chǎn)品、探索開(kāi)發(fā)功能農(nóng)產(chǎn)品, 持續(xù)建設(shè)一系列“川”字號(hào)品牌。云南和貴州省更應(yīng)該率先組織建立多省間流域農(nóng)業(yè)補(bǔ)償機(jī)制, 避免因盲目提高農(nóng)業(yè)要素投入而造成的衍生性生態(tài)環(huán)境問(wèn)題, 進(jìn)一步系統(tǒng)梳理農(nóng)業(yè)生產(chǎn)效率與生態(tài)環(huán)境間的關(guān)聯(lián)性, 筑牢長(zhǎng)江上游生態(tài)屏障和糧食紅線, 抓住綠色農(nóng)產(chǎn)品的發(fā)展機(jī)遇。結(jié)合全國(guó)供需特點(diǎn)及長(zhǎng)江流域農(nóng)業(yè)生產(chǎn)效率的綜合分析認(rèn)為, 發(fā)展區(qū)域特色農(nóng)產(chǎn)品、高端農(nóng)產(chǎn)品, 是現(xiàn)階段云貴地區(qū)農(nóng)業(yè)發(fā)展實(shí)現(xiàn)“彎道超車”的有效方式。同時(shí), 云南、貴州、重慶和安徽等農(nóng)業(yè)效率上升空間較大的省份, 更需要注重以增加“含綠量”來(lái)提高“含金量”, 不斷加強(qiáng)對(duì)外生環(huán)境因素的把控程度和創(chuàng)新農(nóng)業(yè)生產(chǎn)發(fā)展方式, 通過(guò)集約化生產(chǎn)、智能化控制、精細(xì)化調(diào)節(jié)、科學(xué)化管理、數(shù)據(jù)化分析和扁平化經(jīng)營(yíng)等一系列現(xiàn)代化手段, 加速向農(nóng)業(yè)發(fā)展高級(jí)階段轉(zhuǎn)型。通過(guò)現(xiàn)代信息技術(shù)與農(nóng)業(yè)生產(chǎn)、經(jīng)營(yíng)、管理和服務(wù)全產(chǎn)業(yè)鏈的“生態(tài)融合”和“基因重組”, 徹底升級(jí)傳統(tǒng)的農(nóng)業(yè)產(chǎn)業(yè)鏈, 調(diào)整產(chǎn)業(yè)結(jié)構(gòu), 提高效率。2008—2018年, 上海、江蘇和浙江的突發(fā)性環(huán)境事件占整個(gè)長(zhǎng)江經(jīng)濟(jì)帶突發(fā)環(huán)境事件總數(shù)的80%以上, 即使江蘇和浙江省處于農(nóng)業(yè)生產(chǎn)效率的前沿面, 但整體上長(zhǎng)三角地區(qū)潛在的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)依然很高, 直接影響到長(zhǎng)三角地區(qū)的整體環(huán)境安全。上海地區(qū)尤其需要注意外生環(huán)境因素及其城市資源環(huán)境承載力對(duì)農(nóng)業(yè)效率的影響, 在高速城鎮(zhèn)化的過(guò)程中要保持高效農(nóng)業(yè)發(fā)展的基本定位,作為長(zhǎng)江經(jīng)濟(jì)帶的龍頭城市, 需要與蘇浙皖3省形成全方位、立體化的協(xié)同機(jī)制, 強(qiáng)化農(nóng)業(yè)生產(chǎn)污染源嚴(yán)格把控與農(nóng)產(chǎn)品質(zhì)量安全追溯, 正確處理國(guó)際環(huán)境對(duì)外向型農(nóng)業(yè)發(fā)展的威脅, 整合長(zhǎng)三角農(nóng)業(yè)科創(chuàng)資源, 實(shí)現(xiàn)跨區(qū)域有效轉(zhuǎn)移與農(nóng)業(yè)效率的高效轉(zhuǎn)化, 為長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)一體化及可持續(xù)發(fā)展注入新動(dòng)能。