王辰璇,姚佐文
(1.安徽農(nóng)業(yè)大學經(jīng)濟管理學院 合肥 230061;2.淮北師范大學經(jīng)濟與管理學院 淮北 235000)
改革開放以來,伴隨農(nóng)業(yè)經(jīng)濟的快速發(fā)展,農(nóng)業(yè)污染日益嚴重。2014年我國化肥施用強度為363.0 kg·hm?2,2015年農(nóng)用化肥施用量達6022.6 萬t。2015年農(nóng)業(yè)部下發(fā)《到2020年化肥使用量零增長行動方案》,此后我國化肥施用強度、化肥施用量逐漸遞減,2019年化肥施用強度為325.7 kg·hm?2,化肥施用量為5403.6 萬t。盡管農(nóng)村化肥施用量有所下降,但是化肥施用強度還是比發(fā)達國家設(shè)立的水污染安全上限值(225 kg·hm?2)高。2013?2019年,農(nóng)藥使用量從180.77 萬t 下降為145.6 萬t,但是單位面積的農(nóng)藥使用量為8.8 kg·hm?2,依然高于發(fā)達國家的農(nóng)藥用量標準。2019年,農(nóng)藥利用率僅為39.8%,未被利用農(nóng)藥進入土壤和水體,會導致土壤和水體污染。此外,我國地膜使用總量位于世界第一位,由于殘膜回收率不高,造成農(nóng)田地膜污染嚴重。畜禽養(yǎng)殖產(chǎn)生大量廢棄物,如果廢棄物得不到良好的處理,也將給農(nóng)業(yè)帶來嚴重污染。2019年全國大牲畜年底存欄量為9877.4 萬頭,約帶來28 億t 廢棄物。日前,我國養(yǎng)殖業(yè)廢棄物資源化利用率(resource utilization ratio)只有60%,未被資源化利用的廢棄物,若不妥善安放、隨意排放到水中,也會帶來污染[1]。
“十三五”期間,中國的恩格爾系數(shù)(Engel’s coefficient)在不斷下降,2016年時,恩格爾系數(shù)為30.1%,2019年恩格爾系數(shù)為28.2%。消費者加大了對優(yōu)質(zhì)安全農(nóng)產(chǎn)品的需求,然而,農(nóng)業(yè)缺乏優(yōu)質(zhì)的水土資源,這一矛盾若不解決,將會影響農(nóng)業(yè)的可持續(xù)發(fā)展。聶彎等[2]指出,農(nóng)業(yè)生產(chǎn)應(yīng)使用比較少的自然資源生產(chǎn)出更多數(shù)量產(chǎn)品,對環(huán)境負面影響減少到盡可能小。因此,迫切要求加快農(nóng)業(yè)綠色生產(chǎn)轉(zhuǎn)型步伐,努力提高農(nóng)產(chǎn)品質(zhì)量;迫切需要加大對農(nóng)業(yè)生產(chǎn)中的生態(tài)效率分析,提高農(nóng)業(yè)可持續(xù)發(fā)展水平。
在生態(tài)效率的研究領(lǐng)域,已有較豐富的研究成果。而農(nóng)業(yè)生態(tài)效率20世紀90年代由德國學者Schaltegger 等[3]提出,以較少的農(nóng)業(yè)資源消耗,換取比較多的農(nóng)業(yè)產(chǎn)出。學界往往從微觀、中觀、宏觀等方面對農(nóng)業(yè)生態(tài)效率進行研究,包括影響因素分析以及農(nóng)業(yè)生態(tài)效率指標體系等。
微觀研究方面,賈琳等[4]對黑、豫、川3 省玉米種植戶進行調(diào)研,獲得517 份問卷調(diào)查,運用數(shù)據(jù)包絡(luò)分析法(data envelopment analysis,DEA)對玉米種植效率測算,提出加大農(nóng)業(yè)技術(shù)推廣投入,提高農(nóng)業(yè)技術(shù)效率。高鳴等[5]運用河南省農(nóng)村固定觀察點農(nóng)戶調(diào)查的數(shù)據(jù),測算小麥全要素生產(chǎn)率,提出糧食直補能提高小麥生產(chǎn)技術(shù)效率。鐘方雷等[6]采用問卷調(diào)查等方式獲取數(shù)據(jù),以80 戶農(nóng)戶樣本點,測算張掖市3 個縣區(qū)農(nóng)業(yè)生態(tài)效率,研究發(fā)現(xiàn)包含外雇機械作業(yè)費的服務(wù)費用對生態(tài)效率作用是負相關(guān)的。
中觀研究方面,曹慧等[7]測算了松花江、黃河和長江三大流域2004?2013年的糧食生產(chǎn)技術(shù)效率,提出松花江、黃河和長江三大流域生產(chǎn)技術(shù)效率呈遞減幅度上升。劉蒙罷等[8]對長江中下游糧食主產(chǎn)區(qū)的農(nóng)業(yè)生態(tài)效率進行測算,發(fā)現(xiàn)生態(tài)效率具有正空間自相關(guān)性;尚杰等[9]分析2009?2018年13 個糧食主產(chǎn)區(qū)城鎮(zhèn)化對農(nóng)業(yè)生態(tài)效率的影響,指出人口城鎮(zhèn)化率對農(nóng)業(yè)生態(tài)效率影響是負向的,城鎮(zhèn)經(jīng)濟密度對農(nóng)業(yè)生態(tài)效率起正向作用。
宏觀研究上,吳梵等[10]對2008?2017年農(nóng)業(yè)生態(tài)效率進行測算,提出農(nóng)業(yè)科技創(chuàng)新對本省的農(nóng)業(yè)生態(tài)效率起促進作用,農(nóng)業(yè)機械投入強度降低了本省的農(nóng)業(yè)生態(tài)效率,而農(nóng)業(yè)科技創(chuàng)新、農(nóng)業(yè)機械投入強度對鄰省農(nóng)業(yè)生態(tài)效率均起促進作用;洪名勇等[11]通過研究發(fā)現(xiàn):從中國農(nóng)業(yè)生態(tài)效率總體貢獻上分析,純技術(shù)效率較規(guī)模效率的貢獻要大;侯孟陽等[12]測算了1978?2016年農(nóng)業(yè)生態(tài)效率,并研究農(nóng)業(yè)勞動力轉(zhuǎn)移對農(nóng)業(yè)生態(tài)效率的作用,研究表明:農(nóng)村勞動力轉(zhuǎn)移對農(nóng)業(yè)生態(tài)效率有空間溢出效應(yīng),模型加入農(nóng)村勞動力轉(zhuǎn)移的二次項后,農(nóng)村勞動力轉(zhuǎn)移對農(nóng)業(yè)生態(tài)效率影響顯示出“U”型特征,同時農(nóng)業(yè)機械投入強度的變化對相鄰省份的作用為正值,但若考慮直接效應(yīng),農(nóng)業(yè)機械投入強度總效應(yīng)還是負值。王寶義等[13]分析1996?2015年31 個省份農(nóng)業(yè)生態(tài)效率,發(fā)現(xiàn)農(nóng)業(yè)機械密度對農(nóng)業(yè)生態(tài)效率是負向。
農(nóng)業(yè)生態(tài)效率測算過去常常采用隨機前沿法和數(shù)據(jù)包絡(luò)分析法等,近些年含有非期望產(chǎn)出的SBM模型,由于能很好地處理“松弛現(xiàn)象”問題而日受青睞;但是目前的非期望SBM(slack-based measure)模型則較少將農(nóng)業(yè)生態(tài)效率為1 或者超過1 的決策單元做進一步比較,超效率SBM 模型能夠解決這一問題,逐漸得到重視。農(nóng)業(yè)生態(tài)效率量化方面,非期望產(chǎn)出指標選取上是有差異的,王迪等[14]、于婷等[15]選擇農(nóng)業(yè)面源污染為非期望產(chǎn)出指標,認為不同區(qū)域的生態(tài)環(huán)境對農(nóng)業(yè)效率影響差異大;劉應(yīng)元等[16]、田偉等[17]以農(nóng)業(yè)碳排放作為非期望產(chǎn)出指標。在科技與生態(tài)效率方面,陳新華等[18]提出科技進步是生態(tài)效率增長的源泉;嚴翔等[19]發(fā)現(xiàn)科技創(chuàng)新效率對生態(tài)環(huán)境存在門檻效應(yīng),且為同向,呈倒“U”型。郭莉等[20]指出中西部地區(qū)環(huán)境技術(shù)創(chuàng)新對生態(tài)效率的影響差異明顯;李冬冬等[21]研究發(fā)現(xiàn)科技投入對環(huán)境治理具有顯著作用;孟凡生等[22]認為研發(fā)投入與能源生態(tài)效率有著正相關(guān)關(guān)系。相關(guān)研究在不同程度上論證科技在改善生態(tài)環(huán)境方面發(fā)揮重要作用。
從以上分析可以看出,農(nóng)業(yè)生態(tài)效率成果頗豐,研究農(nóng)業(yè)機械投入對農(nóng)業(yè)生態(tài)效率影響較多[10,12-13],但研究農(nóng)業(yè)科技對農(nóng)業(yè)生態(tài)效率效應(yīng)的相對較少。盡管吳梵等[10]研究指出農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)生態(tài)效率存在明顯的空間依賴性,但該文的研究認為農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)生態(tài)效率是線性的假設(shè),事實上,農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)生態(tài)效率可能是非線性的。常見的環(huán)境庫茲涅茨曲線(Environmental Simon Kuznets curve,EKC),加入二次項主要是描述自變量和因變量間的關(guān)系并不是簡單的線性關(guān)系,而有可能是曲線關(guān)系,如二次函數(shù)關(guān)系,兩者之間究竟是U 型還是倒U 型取決于一次項與二次項的系數(shù)。參考侯孟陽等[12]關(guān)于農(nóng)業(yè)勞動力轉(zhuǎn)移對農(nóng)業(yè)生態(tài)效率的影響的研究,本文認為以往農(nóng)業(yè)科技創(chuàng)新對農(nóng)業(yè)生態(tài)效率的研究,缺乏加入農(nóng)業(yè)科技創(chuàng)新平方項進一步研究對農(nóng)業(yè)生態(tài)效率的影響,也缺乏從東中西部內(nèi)部,解析農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率門檻效應(yīng)的差異。
基于以上基礎(chǔ),本文將農(nóng)業(yè)碳排放污染作為非期望產(chǎn)出指標[23],采用非期望產(chǎn)出的超效率SBM 測算2000?2018年中國省際的農(nóng)業(yè)生態(tài)效率,建立空間計量模型、面板門檻回歸模型,并剖析東中西部地區(qū)門檻特征。期望在以下兩個層面有所突破:首先,不同的農(nóng)業(yè)科技投入水平意味著不同地區(qū)對農(nóng)業(yè)重視程度的差異,從而對應(yīng)不同的農(nóng)業(yè)生態(tài)狀態(tài),在所構(gòu)建的面板模型中加入農(nóng)業(yè)科技投入水平的平方項,檢驗農(nóng)業(yè)科技投入水平與農(nóng)業(yè)生態(tài)效率的關(guān)系。其次,按照東中西部3 組,根據(jù)面板門檻回歸分析東中西部內(nèi)部農(nóng)業(yè)科技投入水平對農(nóng)業(yè)生態(tài)效率的空間異質(zhì)性,揭示東中西部門檻特征的差異,探索農(nóng)業(yè)科技投入水平與農(nóng)業(yè)生態(tài)效率關(guān)系的內(nèi)在機理。
DEA是農(nóng)業(yè)生態(tài)效率測算常用的方法。然而,這一方法在處理“松弛”問題、比較效率≥1 的決策單元方面,與超效率SBM 模型相比,后者優(yōu)勢較明顯。故本文選擇超效率SBM 模型測算農(nóng)業(yè)生態(tài)效率,模型構(gòu)建如公式(1):
式中:農(nóng)業(yè)生態(tài)效率用AEE 表示,決策單元個數(shù)設(shè)為n個,m個投入、r1個期望產(chǎn)出、r2個非期望產(chǎn)出共同構(gòu)成每個決策單元,x是投入矩陣中的元素,yd是期望產(chǎn)出矩陣中的元素,yu是非期望產(chǎn)出矩陣中的元素。
本文建立標準計量模型如公式:
通常采用對數(shù)形式:
式中:T、N分別表示農(nóng)業(yè)科技投入和技術(shù)水平,a、b分別為T、N的彈性系數(shù),d為常數(shù)項。本文以農(nóng)業(yè)生態(tài)效率(AEE)為被解釋變量,以單位面積農(nóng)業(yè)科技投入量(TES)反映農(nóng)村科技投入水平,為核心解釋變量(×105元·hm?2);以農(nóng)業(yè)機械投入強度(MII)反映農(nóng)業(yè)技術(shù)水平(kW·hm?2)。對公式(3)進行擴展:
式中:KT(元)表示農(nóng)業(yè)科技投入規(guī)模,即農(nóng)業(yè)科技投入量,由于省際農(nóng)業(yè)科技投入數(shù)據(jù)部分缺失,參考呂屹云等[24]用省(自治區(qū),直轄市)科研費用支出的7%作為農(nóng)業(yè)科技投入規(guī)模的變通量;MCI、CPS、ADR 分別代表復(fù)種指數(shù)、種植結(jié)構(gòu)、農(nóng)業(yè)受災(zāi)率;α0代表截距項,α1?α6代表彈性系數(shù),i代表省份,t為時間。
為了更加全面地考量農(nóng)業(yè)生態(tài)效率的差異性和依賴性,將空間效應(yīng)加入到標準計量模型。根據(jù)空間相關(guān)效應(yīng)來源的不同,空間計量模型可分為空間滯后模型(SLM)、空間誤差模型(SEM)和空間杜賓模型(SDM)。
1.2.1 空間計量模型
1.2.1.1 空間誤差模型(SEM)
式中:AEEit為農(nóng)業(yè)生態(tài)效率,W代表空間權(quán)重矩陣,λ表示空間誤差系數(shù),ξ 代表隨機誤差向量,ui為正態(tài)分布的隨機誤差向量。
1.2.1.2 空間滯后模型(SLM)
式中:W為空間權(quán)重矩陣;WlnAEEit為農(nóng)業(yè)生態(tài)效率的空間滯后項;ρ為鄰近省(直轄市)觀測值對其他省(直轄市)的空間溢出的方向和影響,其大小反映溢出程度;α0為截距項,α1-α6代表估計系數(shù);εit為隨機干擾項。
1.2.1.3 空間杜賓模型(SDM)
該模型同時考慮了AEEit因變量與解釋變量的空間滯后項造成的空間溢出效應(yīng),X表示其他解釋變量與空間權(quán)重矩陣交乘項的集合,γ表示各交乘項的估計系數(shù)。SDM 可將空間總效應(yīng)分解為直接溢出效應(yīng)和間接溢出效應(yīng)。
1.2.2 面板門檻回歸模型
參考Hansen[25]面板門檻回歸模型,驗證東中西部農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率的影響是否存在非線性門檻效應(yīng),將農(nóng)業(yè)科技投入水平(TES)為門檻變量和關(guān)鍵解釋變量,設(shè)置門檻模型:
鑒于農(nóng)業(yè)科技投入與農(nóng)業(yè)生態(tài)效率之間可能存在非線性關(guān)系,故在線性模型基礎(chǔ)上加入農(nóng)業(yè)科技投入的平方項ln2TES,理論模型如下:
模型(9)、模型(10)中,τ為門檻變量,η1和η2為待估算的門檻值,I(·)為指標函數(shù),α0為截距項,α1-α9代表彈性系數(shù)。
本文選取全國31 個省(直轄市、自治區(qū),由于港澳臺地區(qū)數(shù)據(jù)缺乏及統(tǒng)計口徑存在差異,本文研究區(qū)域不包括港澳臺地區(qū))2000?2018年的數(shù)據(jù)進行農(nóng)業(yè)生態(tài)效率測算,數(shù)據(jù)來源于各省各年的統(tǒng)計年鑒、各年的《中國統(tǒng)計年鑒》 《中國農(nóng)村統(tǒng)計年鑒》等。參考已有的研究,結(jié)合數(shù)據(jù)的可得性等,構(gòu)建的中國農(nóng)業(yè)生態(tài)效率指標體系如表1所示。其中,農(nóng)業(yè)要素投入指標包括以土地、勞動力、機械動力、灌溉、化肥、農(nóng)藥等;期望產(chǎn)出指標選擇農(nóng)業(yè)總產(chǎn)值指標,參考李波等[23]的碳排放模型測算系數(shù);非期望產(chǎn)出指標選取農(nóng)業(yè)碳排放指標,農(nóng)業(yè)碳排放的測算選取了化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、灌溉耗電耗水、翻耕流失等6 類直接或間接的碳排放。
表1 中國農(nóng)業(yè)生態(tài)效率指標體系Table 1 Indexes system of agricultural eco-efficiency in China
本文使用DEA-SOLVER Pro 5.0 軟件,采用超效率SBM 模型,測算2000?2018年31 個省(直轄市、自治區(qū))的農(nóng)業(yè)生態(tài)效率,并進行對比分析。按照我國在1986?1990年提出三大經(jīng)濟帶劃分,東部包括遼、京、津、滬、冀、魯、蘇、浙、閩、粵、桂、瓊12 個行政區(qū),西部包括西北的陜、甘、寧、青、新和西南的川、云、貴、藏、渝10 個省、自治區(qū)、直轄市,中部包括黑、吉、晉、蒙、皖、豫、鄂、湘、贛9 個地方。各地區(qū)農(nóng)業(yè)生態(tài)效率測算結(jié)果及變化如圖1所示。
通過測算發(fā)現(xiàn):2000?2018年,全國農(nóng)業(yè)生態(tài)效率均值均沒有達到超效率水平(農(nóng)業(yè)生態(tài)效率>1)。東部農(nóng)業(yè)生態(tài)效率平均值沒有達到超效率;但其中北京、上海、山東、江蘇、廣東、浙江每年的農(nóng)業(yè)生態(tài)效率都是超效率,均值分別為1.391、1.318、1.124、1.051、1.196 和1.091(各地具體農(nóng)業(yè)生態(tài)效率見首頁二維碼附表)。天津2016?2018年農(nóng)業(yè)生態(tài)效率分別為0.402、0.305 和0.438,其余年份均是超效率;海南2011年后農(nóng)業(yè)生態(tài)效率沒有達到超效率,其他年份均為超效率;福建除2000?2002年、2005年為非超效率,其余年份均為超效率;遼寧2000?2002年農(nóng)業(yè)生態(tài)效率是超效率,2003年起農(nóng)業(yè)生態(tài)效率是低效率;河北、廣西2000?2018年農(nóng)業(yè)生態(tài)效率都比較低。
中部地區(qū)2000?2018年農(nóng)業(yè)生態(tài)效率平均值沒有達到超效率。其中,內(nèi)蒙古在2000?2007年農(nóng)業(yè)生態(tài)效率是超效率,2008年以后,農(nóng)業(yè)生態(tài)效率為低效率,其農(nóng)業(yè)生態(tài)效率最高值達1.057;河南省除2015?2018年4年之外,2000?2014年農(nóng)業(yè)生態(tài)效率都是超效率,其中2005年農(nóng)業(yè)生態(tài)效率值最高達1.094;湖南除2017?2018年外,2000?2016年農(nóng)業(yè)生態(tài)效率是超效率,2000?2018年間均值為0.927;湖北省2000?2018年間,有8年農(nóng)業(yè)生態(tài)效率是超效率,研究期內(nèi)均值為0.594;吉林、山西、安徽、江西這19年農(nóng)業(yè)生態(tài)效率均是低效。
西部地區(qū)2000?2018年,農(nóng)業(yè)生態(tài)效率平均值只有2年達到超效率。2010?2014年,西部與東部農(nóng)業(yè)生態(tài)效率差距不大,2015年后,西部與東部相比,農(nóng)業(yè)生態(tài)效率差距逐漸拉大。從西部內(nèi)部分析,四川、貴州、西藏2000?2018年19年來的農(nóng)業(yè)生態(tài)效率都是超效率。值得一提的是,西藏的生態(tài)效率最高達5.7;陜西除2017?2018年外,新疆除2013?2018年外,農(nóng)業(yè)生態(tài)效率均是超效率,最高值分別為1.159 和1.171;2000?2018年,寧夏只有2年、青海有5年農(nóng)業(yè)生態(tài)是超效率,最高值分別達1.004和1.023;重慶、云南、甘肅農(nóng)業(yè)生態(tài)效率都是低效率。圖1 顯示:2000?2018年從全國層面農(nóng)業(yè)生態(tài)效率分析,全國農(nóng)業(yè)環(huán)境效率有一定波動,2000?2003年有小幅波動,2004?2008年農(nóng)業(yè)生態(tài)效率略有下降,2008?2010年稍有上升,2010年農(nóng)業(yè)生態(tài)效率為0.731;之后2011?2014年稍有下降,2015?2017年全國農(nóng)業(yè)生態(tài)效率分別下降到:0.5894、0.5839 和0.5159;2018年農(nóng)業(yè)生態(tài)效率提升到0.5453。
從國內(nèi)外文獻看,針對農(nóng)業(yè)生態(tài)效率的波動及影響因素,學界進行了相關(guān)研究。尚杰等[9]分析了城鎮(zhèn)化對農(nóng)業(yè)生態(tài)效率影響,侯孟陽等[12]分析了農(nóng)村勞動力轉(zhuǎn)移對農(nóng)業(yè)生態(tài)效率的影響;如前文所述,陳新華等[18]、嚴翔等[19]、郭莉等[20]、李冬冬等[21]和孟凡生等[22]的研究已經(jīng)在不同程度上論證了“科學技術(shù)是第一生產(chǎn)力”,現(xiàn)實中農(nóng)業(yè)領(lǐng)域作為“第一生產(chǎn)力”的科學技術(shù)如何影響生態(tài)效率呢? 本文借鑒前文測算出農(nóng)業(yè)生態(tài)的效率值,在空間分析框架下將農(nóng)業(yè)科技投入納入農(nóng)業(yè)生態(tài)效率優(yōu)化問題中,深入探究農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率影響的空間溢出效應(yīng)。
采用全局莫蘭指數(shù)對農(nóng)業(yè)生態(tài)效率(AEE)空間相關(guān)性及農(nóng)業(yè)科技投入空間相關(guān)性進行檢驗。檢驗結(jié)果顯示,2000?2018年農(nóng)業(yè)生態(tài)效率莫蘭指數(shù)均為正(0.004~0.298),農(nóng)業(yè)科技投入水平的莫蘭指數(shù)同樣為正(0.309~0.391),除個別年份外,兩變量均在P<1%的顯著性水平上通過檢驗,表明中國農(nóng)業(yè)生態(tài)效率與農(nóng)業(yè)科技投入存在顯著的空間依賴性,有必要對農(nóng)業(yè)科技投入與農(nóng)業(yè)生態(tài)效率之間的空間溢出效應(yīng)進一步研究。
2.2.1 模型選擇與檢驗
本文在選擇模型時,選擇常用的空間滯后模型(SLM)、空間杜賓模型(SDM)和空間誤差模型(SEM),并建立普通的OLS 模型比較。為進一步分析農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率影響,在模型中加入農(nóng)業(yè)科技投入水平平方項ln2TES。計量結(jié)果顯示,在5%顯著性水平下,Hausman 檢驗結(jié)果的P<0.05,因此,選擇固定效應(yīng)。
STATA 軟件運行結(jié)果(表2)比較發(fā)現(xiàn),SDM 模型擬合度R2比SLM 模型、SEM 模型擬合度R2略高,因此本文選擇SDM 模型的固定效應(yīng)模型。
空間計量結(jié)果如表2所示。OLS 模型中的農(nóng)業(yè)機械投入強度lnMII 和SLM 模型、SDM 模型、SEM 模型中農(nóng)業(yè)科技投入規(guī)模lnKT 的固定效應(yīng),均在P<0.01 顯著性水平下通過檢驗,且系數(shù)均為負;究其原因,可能存在為了追求短期的經(jīng)濟效益,忽視生態(tài)保護,在農(nóng)業(yè)科技資金使用上存在配置不合理,對農(nóng)業(yè)生態(tài)效率缺乏重視等問題,農(nóng)業(yè)生產(chǎn)提高的同時卻對農(nóng)業(yè)生態(tài)環(huán)境的改善上未產(chǎn)生理想的效果。伴隨農(nóng)具大量采用,農(nóng)業(yè)機械投入強度的增強帶來柴油消耗、農(nóng)膜覆蓋等增加,增加了農(nóng)業(yè)碳排放。
表2 農(nóng)村科技投入與農(nóng)業(yè)生態(tài)效率影響的空間計量結(jié)果Table 2 Spatial measurement results of the impact of rural scientific and technological input on agricultural eco-efficiency
4 個模型中,農(nóng)業(yè)科技投入水平lnTES 在P<0.05或者P<0.01 顯著性水平均通過顯著性檢驗。農(nóng)業(yè)科技投入水平lnTES 系數(shù)為正,表明自2000年以來,我國農(nóng)業(yè)科技投入水平的上升在農(nóng)業(yè)生態(tài)效率的提高方面發(fā)揮積極作用。農(nóng)業(yè)科技投入水平lnTES 的二次項大多數(shù)系數(shù)為負值,多數(shù)固定效應(yīng)回歸系數(shù)在P<0.05 顯著性水平下檢驗通過,說明農(nóng)業(yè)科技投入水平對農(nóng)業(yè)生態(tài)效率的影響是“倒U”型。
2.2.2 空間溢出效應(yīng)分析
SDM 模型總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)如表3所示。
表3 顯示:在直接效應(yīng)下,農(nóng)業(yè)科技投入規(guī)模lnKT 和農(nóng)業(yè)科技投入水平lnTES 對農(nóng)業(yè)生態(tài)效率具有顯著影響,其中,農(nóng)業(yè)科技投入水平一次項系數(shù)通過P<0.01 顯著水平,回歸系數(shù)為2.086;二次項系數(shù)為負,即呈現(xiàn)“倒U”曲線。在間接效應(yīng)下,農(nóng)業(yè)科技投入規(guī)模對農(nóng)業(yè)生態(tài)效率影響在P<0.05 顯著水平下檢驗通過,說明我國省域之間農(nóng)業(yè)科技投入規(guī)模KT不僅直接影響各省(市、自治區(qū))內(nèi)農(nóng)業(yè)生態(tài)效率,而且通過間接效應(yīng)影響鄰近省(市、自治區(qū))的農(nóng)業(yè)生態(tài)效率。
表3 農(nóng)村科技投入與農(nóng)業(yè)生態(tài)效率影響的空間杜賓模型效應(yīng)分解結(jié)果Table 3 Decomposition results of spatial Dobbin model of the impact of rural science and technology investment on agricultural eco-efficiency
總之,農(nóng)業(yè)科技投入水平對農(nóng)業(yè)生態(tài)效率直接影響是“倒U”型。究竟什么原因會導致農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率的影響是“倒U”型的關(guān)系? 本文試圖從東中西部內(nèi)部解析農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率門檻效應(yīng)的差異,進一步闡釋農(nóng)業(yè)科技投入與農(nóng)業(yè)生產(chǎn)效率之間關(guān)系的內(nèi)在機理。
本文選取核心解釋變量農(nóng)業(yè)科技投入水平(lnTES)作為門檻變量,建立農(nóng)業(yè)科技投入水平對農(nóng)業(yè)生態(tài)效率影響的面板門檻回歸模型。首先對門檻效應(yīng)的存在性進行檢驗,運用STATA 軟件,采用Bootstrap 法模擬300 次,經(jīng)檢驗發(fā)現(xiàn),模型(9)下,單門檻效應(yīng)在P<0.1 的水平下顯著,雙門檻效應(yīng)在P<0.01 的水平下顯著。模型(10)下,單門檻效應(yīng)在P<0.01 的水平下顯著,雙門檻效應(yīng)在P<0.05 的水平下顯著,因此可認為農(nóng)業(yè)科技投入水平對農(nóng)業(yè)生態(tài)效率的影響存在雙門檻效應(yīng)。其次,將樣本分成東部、中部、西部3 組,利用門檻模型進行回歸,檢驗其影響機制的區(qū)域差異。表4 顯示了基于模型(9)、模型(10)的分組回歸結(jié)果。
表4 顯示,東中西部農(nóng)業(yè)科技投入規(guī)模(lnKT)對農(nóng)業(yè)生態(tài)效率的作用方向存在差異,模型(9)、(10)下,東部農(nóng)業(yè)科技投入規(guī)模lnKT 的系數(shù)為負,分別為?1.259 和?0.848,在P<0.01 水平下通過檢驗;中部在(9)、(10)不同模型下,農(nóng)業(yè)科技投入規(guī)模系數(shù)分別為?5.379 和1.928,在P<0.01 水平下通過檢驗;西部模型(9)下農(nóng)業(yè)科技投入規(guī)模的系數(shù)為正,值為0.797,在P<0.01 水平下通過檢驗,模型(10)lnKT 未通過顯著性檢驗。究其原因,這可能與東中西部農(nóng)業(yè)科技投入規(guī)模的基礎(chǔ)不同有關(guān),西部科技投入基礎(chǔ)薄弱,一旦投入科技,可能效果就比較顯著,東部農(nóng)業(yè)科技起步早,基礎(chǔ)比較厚,當農(nóng)業(yè)科技投入到一定規(guī)模,再投入,其對農(nóng)業(yè)生態(tài)效率作用系數(shù)相反,可能的解釋是投入要素的匹配度制約了農(nóng)業(yè)科技的發(fā)揮。
表4 農(nóng)業(yè)科技投入影響農(nóng)業(yè)生態(tài)效率的分組面板門檻回歸Table 4 Panel threshold regression of the impact of agricultural scientific and technological input on agricultural eco-efficiency
東部較中西部農(nóng)業(yè)機械強度(MII)呈顯著的負向作用。說明隨著大規(guī)模的農(nóng)具的實施,在提高農(nóng)業(yè)生產(chǎn)的同時,會有一定的污染傾向,弱化農(nóng)業(yè)生態(tài)效率的提升;從復(fù)種指數(shù)MCI 分析,模型(9)、(10)下,東部lnMCI 系數(shù)分別為0.145 和0.362,分別通過P<0.05 和P<0.01 顯著性檢驗;西部lnMCI 系數(shù)分別為0.279 和0.283,均通過P<0.01 顯著性檢驗;中部lnMCI 系數(shù)影響不顯著。從種植結(jié)構(gòu)CPS 分析,東部模型(10)下lnCPS 系數(shù)為?0.360,P<0.05 水平下檢驗通過,模型(9)下東部lnCPS 系數(shù)沒有通過檢驗;中部模型(10)下lnCPS 系數(shù)沒有通過檢驗,模型(9)下中部lnCPS 系數(shù)為0.494,通過P<0.1 顯著性檢驗;模型(9)、(10)下,西部lnCPS 系數(shù)分別?1.493 和?2.168,均通過P<0.01 顯著性檢驗。從農(nóng)業(yè)受災(zāi)率ADR 分析,模型(9)下,東中西部均不顯著;模型(10)下,中部不顯著,東部lnADR 系數(shù)為0.246,通過P<0.01 顯著性檢驗,西部lnADR 系數(shù)為?0.306,通過P<0.1 顯著性檢驗。從農(nóng)業(yè)科技投入水平(TES)上分析,TES 對農(nóng)業(yè)生態(tài)效率的影響,可能是非線性的,故加了平方項。模型(10)中,東部ln2TES 的系數(shù)為負,值為?0.065,通過P<0.01 顯著性檢驗;西部ln2TES 的系數(shù)為負,值為?0.172,通過P<0.1 顯著性檢驗;中部ln2TES 的系數(shù)未通過檢驗。
比較農(nóng)業(yè)科技投入規(guī)模KT、復(fù)種指數(shù)MCI、種植結(jié)構(gòu)CPS、農(nóng)業(yè)科技投入水平TES 和農(nóng)業(yè)受災(zāi)率ADR 對農(nóng)業(yè)生態(tài)效率的影響,模型(9)、(10)下,東、中、西部lnTES、lnKT 的系數(shù)整體比復(fù)種指數(shù)MCI、種植結(jié)構(gòu)CPS 和農(nóng)業(yè)受災(zāi)率ADR 大。由此可以看出東中西部農(nóng)業(yè)生態(tài)效率的差異,在很大程度上與農(nóng)業(yè)科技投入規(guī)模、農(nóng)業(yè)科技水平有很大關(guān)系。
2.3.1 東部地區(qū)農(nóng)業(yè)科技投入水平門檻特征
在模型(9)下,東部僅在單門檻效應(yīng)下顯著(顯著性水平為P<0.1,門檻值為0.23065%),變量系數(shù)顯著為正,農(nóng)業(yè)科技投入水平的提升可有效提高農(nóng)業(yè)生態(tài)效率,促進農(nóng)業(yè)生態(tài)發(fā)展;跨越門檻后,促進作用稍微減弱(影響系數(shù)由1.275 降低到1.194)。加入農(nóng)業(yè)科技投入水平平方項ln2TES 后,模型(10)下,東部在雙門檻效應(yīng)下顯著(顯著性水平為P<0.05,第一門檻值為0.5517%,第二門檻值為3.6189%),變量系數(shù)顯著為正,跨越第一門檻后,促進作用有所增強(影響系數(shù)由0.537 上升到0.609);但是越過第二門檻后,受促進作用邊際遞減的作用,促進作用再降低至0.509。東部地區(qū)省(直轄市)均越過第一門檻,北京、天津、上海、浙江、廣東、福建越過第二門檻,江蘇2018年接近第二門檻,進入作用遞減階段,但是依然體現(xiàn)東部農(nóng)業(yè)科技投入水平對生態(tài)效率提升的積極作用。
2.3.2 中部地區(qū)農(nóng)業(yè)科技投入水平門檻特征
中部農(nóng)業(yè)科技投入水平的門檻效應(yīng)不穩(wěn)定。在模型(9)下,中部僅在單門檻效應(yīng)下顯著(顯著性水平為P<0.05,門檻值為0.3199%),變量系數(shù)顯著為正。當農(nóng)業(yè)科技投入水平低于0.3199%時,影響系數(shù)為4.958,但越過此門檻,影響系數(shù)降為4.839,表明農(nóng)業(yè)科技投入水平對農(nóng)業(yè)生態(tài)環(huán)境的改善略有下降。與東部比較,中部越過第一門檻時間滯后5~6年。
在加入TES 平方項后的模型(10)下,中部在雙門檻效應(yīng)下顯著(顯著性水平為P<0.1,第一門檻值為0.0527%,第二門檻值為0.1022%)。中部地區(qū)短期增加化肥農(nóng)藥使用量的粗放式農(nóng)業(yè)生產(chǎn),會造成農(nóng)業(yè)生態(tài)效率損失,此階段系數(shù)為?4.359;當處于第一門檻和第二門檻之間,隨著中部政府制定的各類農(nóng)地保護政策的實施,農(nóng)業(yè)生態(tài)效率的下降會有所緩解,系數(shù)為?4.298,當躍過第二門檻值時,系數(shù)影響為?4.185。與東部對比,截止到2010年,中部省域均進入高門檻區(qū)(TES≥0.1022%),即農(nóng)業(yè)科技水平比較早地抑制了農(nóng)業(yè)生態(tài)效率的提高。
2.3.3 西部地區(qū)農(nóng)業(yè)科技水平門檻特征
在模型(9)下,西部僅在雙門檻效應(yīng)下顯著(顯著性水平為P<0.1,第一門檻值為0.3458%,第二門檻值為0.6288%)。變量系數(shù)顯著,值為?1.722,跨越第一門檻后,抑制作用增強,值為?1.878;越過第二門檻后,抑制作用進一步增強,系數(shù)影響為?2.025。
進一步根據(jù)雙門檻值將西部樣本劃分為低門檻區(qū)間(TES≤0.3458%)、中等門檻區(qū)間(0.3458% 表5 2000—2018年西部地區(qū)農(nóng)業(yè)科技水平門檻區(qū)間Table 5 Threshold interval of agricultural science and technology level in the western region of China from 2000 to 2018 本文在采用超效率SBM 測度2000?2018年我國東中西部省際農(nóng)業(yè)生態(tài)效率基礎(chǔ)上,根據(jù)莫蘭指數(shù)對農(nóng)業(yè)生態(tài)效率及農(nóng)業(yè)科技投入進行空間自相關(guān)檢驗,采用空間計量模型剖析農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率影響的空間溢出效應(yīng)與門檻特征。 2000?2018年東中西部的農(nóng)業(yè)生態(tài)效率波動明顯。其中,2017?2018年農(nóng)業(yè)生態(tài)效率略有提升。東部地區(qū)和西部的四川、貴州、西藏農(nóng)業(yè)生態(tài)效率多數(shù)超效率;中部地區(qū)的安徽、湖北、江西、山西、吉林等農(nóng)業(yè)生態(tài)效率較低,在農(nóng)業(yè)生態(tài)資源利用、農(nóng)業(yè)生態(tài)配置方面有待于優(yōu)化和改進。 東中西部比較發(fā)現(xiàn),中部地區(qū)農(nóng)業(yè)生態(tài)效率一直低于東部、西部,中部的農(nóng)業(yè)發(fā)展、資源利用與農(nóng)業(yè)生態(tài)環(huán)境處于不平衡狀態(tài),說明中部作為糧食主產(chǎn)區(qū)的農(nóng)業(yè)大省,在追求糧食產(chǎn)量的同時,在一定程度上可能也以犧牲環(huán)境為代價。究其原因,這可能與向中部轉(zhuǎn)移的農(nóng)業(yè)布局有關(guān),且東部的農(nóng)業(yè)技術(shù)水平底子較厚,研發(fā)重點逐漸從農(nóng)業(yè)部門轉(zhuǎn)向非農(nóng)部門,造成東部技術(shù)進步與中西部比較提升有些緩慢。此外,西部農(nóng)業(yè)生態(tài)效率一直在逐漸下降,可能的解釋是西部農(nóng)業(yè)生產(chǎn)條件相對較差,清潔生產(chǎn)技術(shù)也比較落后,抵御自然災(zāi)害的能力也比較弱;另外,與東部比較,西部的農(nóng)民和政府在關(guān)注農(nóng)業(yè)生態(tài)保護方面可能稍微弱些。由此可見,農(nóng)業(yè)生態(tài)效率不僅涉及碳排放,還涉及到當?shù)亟?jīng)濟農(nóng)業(yè)生產(chǎn)條件、政府是否關(guān)心以及技術(shù)條件等。 從SDM 模型總效應(yīng)分解的直接效應(yīng)和間接效應(yīng)(表3)分析,直接效應(yīng)中,農(nóng)業(yè)科技投入水平一次項系數(shù)為正,二次項系數(shù)符號相反,為負,即呈現(xiàn)“倒U”曲線,表明農(nóng)村科技投入最初增加可提升農(nóng)業(yè)生態(tài)效率,但增加到一定水平時,反而會對農(nóng)業(yè)生態(tài)效率產(chǎn)生負向影響。究其原因,單位面積農(nóng)業(yè)科技投入量(TES)對東、中、西部影響是非線性的,作用方向也有差異??赡芤环矫媾c東、中、西部當?shù)厣a(chǎn)要素中投入要素的均衡有關(guān),某一生產(chǎn)要素的短板都會制約農(nóng)業(yè)生產(chǎn)效率的提高;另一方面,農(nóng)業(yè)科技投入水平對農(nóng)業(yè)生態(tài)效率的影響存在雙門檻效應(yīng),并且實證顯示東中西部農(nóng)業(yè)科技投入門檻效應(yīng)差別較大。綜合作用的結(jié)果,農(nóng)村科技投入對農(nóng)業(yè)生態(tài)效率的影響為“倒U”曲線。這就要求不能盲目增加農(nóng)業(yè)科技投入,而應(yīng)優(yōu)先考慮環(huán)境保護的前提下發(fā)展農(nóng)業(yè)生產(chǎn),推廣有機類肥料產(chǎn)品替代化肥等農(nóng)業(yè)有機廢棄物資源化綜合利用技術(shù),警惕加大農(nóng)業(yè)科技投入導致農(nóng)業(yè)生態(tài)下滑的拐點。 從門檻效應(yīng)分析,東部表現(xiàn)為正向促進作用;中部農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率積極作用沒有東部穩(wěn)定,模型(9)模型(10)中時正時負,可能因為中部在推廣農(nóng)業(yè)科技時對農(nóng)業(yè)生態(tài)保護重視還不夠;西部農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率表現(xiàn)為負向抑制作用。究其原因,可能的解釋是西部農(nóng)業(yè)科技基礎(chǔ)薄弱,要發(fā)揮農(nóng)業(yè)科技的作用,需要各投入要素協(xié)調(diào)匹配,優(yōu)化各投入資源,才能起到“1+1>2”的作用。這就要求中西部地區(qū)農(nóng)業(yè)發(fā)展的科技投入要兼顧經(jīng)濟與生態(tài)效率。 門檻特征的差異也要求東中西部根據(jù)各地農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率作用的實際情況,進一步權(quán)衡農(nóng)業(yè)科技、農(nóng)業(yè)生產(chǎn)與可持續(xù)等目標的相互協(xié)調(diào),根據(jù)本地區(qū)農(nóng)業(yè)科技現(xiàn)狀,通過制度設(shè)計和完善農(nóng)業(yè)科技相關(guān)政策,合理調(diào)控農(nóng)業(yè)科技投入和其他生產(chǎn)要素投入,努力提高農(nóng)業(yè)生態(tài)效率。 2000?2018年從農(nóng)業(yè)生態(tài)效率均為超效率的省份來看,北京、上海、浙江單位面積農(nóng)業(yè)總產(chǎn)值平均值居于前3,分別為(×105元·km?2)52.510、40.936和30.782;山東、江蘇和廣東分別為(×105元·km?2)19.787、20.470 和24.674,位次分別是9、8 和6。 西藏2000?2018年年均單位面積機械總動力為1498.09 kW·km?2,值得一提的是,這可能包含了高海拔環(huán)境對機械效率的影響;天津和河北單位面積機械總動力分別位于第2 和3 名,分別為1173.56 kW·km?2和1026.24 kW·km?2;北京、山東和浙江單位面積機械總動力分別為990.79 kW·km?2、944.09 kW·km?2和889.49 kW·km?2,分別位于4、5、6 位。 從單位面積化肥施用量上分析,福建和海南較高,分別為52.94 t·km?2和51.89 t·km?2,北京、上海、山東、江蘇、浙江和廣東分別為50.24 t·km?2、33.33 t·km?2、42.08 t·km?2、43.21 t·km?2、35.64 t·km?2和48.42 t·km?2,分別排在3、18、9、7、12 和4 位;青海最低,為15.41 t·km?2。 從單位面積農(nóng)藥使用量上分析,海南和福建較高,達3.57 t·km?2和2.44 t·km?2;北京、上海、山東、江蘇、浙江和廣東分別為1.56 t·km?2、1.70 t·km?2、1.44 t·km?2、1.14 t·km?2、2.39 t·km?2和2.14 t·km?2,位次分別為7、5、9、12、3 和4;寧夏、陜西和內(nèi)蒙古單位面積農(nóng)藥使用量都很低,只有0.19 t·km?2、0.28 t·km?2和0.30 t·km?2。 從單位面積農(nóng)膜使用量上分析,上海和北京單位面積農(nóng)膜使用量偏高,分別為5.26 t·km?2和4.64 t·km?2;西藏最低,只有0.39 t·km?2;廣西、黑龍江和青海單位面積農(nóng)膜使用量也比較低,分別為0.54 t·km?2、0.58 t·km?2和0.67 t·km?2;山東、江蘇、浙江和廣東分別為2.80 t·km?2、1.21 t·km?2、2.19 t·km?2和0.83 t·km?2,分別排在6、13、9 和23 位。 自2015年國家大力推廣化肥農(nóng)藥使用零增長行動,已取得一定效果。但是從產(chǎn)出分析北京、上海、浙江單位面積農(nóng)業(yè)總產(chǎn)值的產(chǎn)出相對其他省較高。盡管農(nóng)業(yè)生態(tài)效率長期是超效率的,但是北京、江蘇、廣東單位面積農(nóng)藥使用量比較高。從單位面積農(nóng)藥使用量上分析,北京、上海、山東、浙江和廣東也比較高;單位面積農(nóng)膜使用量上,上海、北京、山東和浙江均較高。全國各地化肥農(nóng)藥減量增效任務(wù)依然很艱巨,要大力推廣綠色高效技術(shù)模式,加快實施科學施肥用藥技術(shù),抓好示范帶動減量增效。3 結(jié)論
3.1 東中西部的農(nóng)業(yè)生態(tài)效率呈現(xiàn)兩邊高,中間低的態(tài)勢
3.2 農(nóng)村科技投入對農(nóng)業(yè)生態(tài)效率的影響為“倒U”曲線
3.3 東中西部的農(nóng)業(yè)科技投入門檻效應(yīng)差別較大
3.4 大力推廣綠色高效技術(shù)模式,提高農(nóng)業(yè)生態(tài)效率