中国农业能源效率的区域差异及动态演进*

杜 辉，黄 杰

(信阳师范学院商学院，河南信阳 464000)

0 引言

改革开放后，受农村人口转移、农业技术进步等多重因素共同影响，农业生产中资本—劳动投入比刚性上升，机械化、化学化程度显著提高并催生各类生产要素不规范投放。据此，农业能源消耗量逐年上涨，环境污染问题备受争议。2017年全国化肥利用率与农药利用率分别仅37.8%与38.8%(方向明、李姣媛， 2018)[1]。同时，农田灌溉水有效利用系数比发达国家平均水平低20%，全国水土流失面积290万km(韩俊， 2018)[2]。当前国家高度重视农村污染治理和生态环境保护，诸多重要文件一再强调推动农业农村绿色发展，而提升农业能源效率则是其中关键。考虑到各地区能源禀赋、经营方式、生产技术、耕作习惯等存在明显区别，亟待合理判断农业能源效率是否存在区域差异，并科学择定相关衡量标准，继而有效廓清未来演进趋势，这对于新时代乡村振兴战略实施、农业可持续发展等具有重要意义。

能源效率是指用较少的能源生产同样数量的服务或有用的产出(Patterson， 1996)[3]。测算方法主要包括单要素能源效率方法和全要素能源效率方法。鉴于单要素能源效率测度的局限性，学术界倾向在全要素框架下综合评价能源效率。Hu等(2006)率先使用全要素能源效率指标来透视中国能源效率[4]。在全要素框架下测算能源效率是指在实际生产过程中考察要素投入与产出之间关系，本质上是要找出能源的目标投入量与实际投入量之间关系，即能源效率是目标能源投入与实际能源投入的比值。而目标能源投入则是计算能源效率的关键，作为非参数前沿方法的DEA模型是解决该问题较为恰当方法(张少华、蒋伟杰， 2016)[5]，文章农业能源效率亦在此框架下测度。近年来，众多国内学者分别运用谢德拔距离函数(陈龙等， 2016)[6]、DEA-BBC模型和DEA-Malmquist指数(范秋芳、王丽洋， 2018)[7]、窗口DEA模型(黄杰， 2018)[8]、修正后DEA模型(李双杰、李春琦， 2018)[9]等方法测算全国、区域和各行业的能源效率。就农业能源效率而言，栾义君、任杰(2014)对全国30个省份的农业能源效率测算发现，中国农业能源效率在样本期内小幅上升、地区差异明显，但收敛性分析结果表明整体呈现稳定的收敛趋势[10]。于伟咏等[11](2015)基于方向性距离函数测算全国31个省份的农业能源效率，指出碳排放强度低地区的农业能源效率较高。冉启英、周辉(2017)采用DEA模型测算中国分省份农业能源效率，发现整体水平低且存在明显地区差异[12]。Rilong Fei 和 Boqiang lin(2016)在考虑农业技术异质性的基础上，采用共同前沿DEA模型测算中国农业能源效率，并利用Malmquist指数来探索变动趋势，结果表明中国农业能源效率整体水平较低且区域差异显著，能源效率损失的主因在于管理效率低下[13]。Nan Li等(2017)基于DEA和Malmquist指数测算中国30个省份的农业全要素能源效率，结果表明效率水平高低依次为东部、中部、西部地区，且相关增长主要源自农业技术进步[14]。Yang Z 等(2018)采用DEA方法测度2001—2011年中国30个省份农业全要素能源效率，研究发现农业能源效率不断提升但区域差异明显，农业密集区和能源丰富省份在农业生产中能源效率相对较低[15]。上述研究表明，中国农业能源效率存在显著的区域差异。现有区域差异衡量指标主要包括变异系数、泰尔指数、传统基尼系数等。其中，传统基尼系数和变异系数只能衡量差异程度却无法分解差异来源； 泰尔指数虽有助于分解差异来源，但要求所有样本均满足独立同分布(正态分布)条件，且在分解过程中仅考虑子样本之间不同，忽视子样本自身分布状况，极易造成分解结果失真(Dagum， 1997a、1997b)[16，17]。

简言之，现有文献为以后的研究奠定了良好基础，但仍有进一步改进空间：一是在农业能源效率测度上，传统DEA模型只能测算出某一时间点上静态效率指数，无法对该效率指数进行动态对比，而窗口DEA模型不仅可通过增加决策单元数量而提升测度结果精度，且能测算决策单元效率指数在时间序列上动态变化。二是在农业能源效率的区域差异测度上，相关研究较为少见且缺乏深入系统剖析。文章采用非径向、非角度、双导向的窗口DEA模型来测度2000—2016年中国省际农业能源效率，利用Dagum基尼系数及其按子群分解方法来测度中国农业能源效率区域差异，在此基础上分解中国农业能源效率区域差异的影响来源，同时采用核密度估计方法来分析中国农业能源效率的动态演进趋势，最后提出相关改进建议。

1 数据来源及处理

考虑到数据可得性，该文选择中国30个省份(不包含西藏和港澳台)的省际面板数据为样本。具体指标包括：(1)能源投入。以农林牧渔业消耗的标准煤(万t)表示，数据来源于历年《中国能源统计年鉴》。(2)其他投入。主要包含资本(亿元)、劳动力(万人)和农业用地面积(hm2)。该文选择第一产业资本存量作为资本投入指标，参考徐现祥等(2007)研究[18]，采用永续盘存法计算，数据来源于《中国国内生产总值核算历史资料(1952—2004)》及历年《中国统计年鉴》。以第一产业就业人员数量来衡量劳动力投入，数据来源于历年《中国统计年鉴》及各省统计年鉴。以农作物耕种面积来表示农业用地投入，数据来源于历年《中国农村统计年鉴》和《中国第三产业统计年鉴》。(3)产出。以第一产业增加值来衡量，数据来源于历年《中国统计年鉴》和《中国农村统计年鉴》。

2 研究方法

2.1 农业能源效率的测度方法

根据数据包络分析方法，每个被评价单元(省份)称为DUMj(j=1， 2，…，J)，每个DUM在实际生产过程中需投入能源、资本、劳动力和农业用地投入，其中包括R种能源投入为eij(r=1， 2，…，R)，I种非能源要素投入xij(i=1， 2，…，I)，K种产出yij(k=1， 2，…，K)。在Färe等(1978)构建的环境生产技术分析框架的基础上[19]，可构建传统DEA模型。但传统DEA模型仅可测度静态角度农业能源效率，无法考察农业能源效率的时间动态变化。为克服传统DEA模型不足，提升农业能源效率测度结果的准确性与动态可比性，该文选择非径向、非角度、双导向的窗口DEA模型，模型具体设置为：

(1)

2.2 基尼系数分解方法

Dagum(1997a， 1997b)提出基尼系数分解方法[16-17]，很好地突破了传统区域差异衡量指标的局限性，已被广泛应用于多个研究领域，该文亦采用该方法刻画农业能源效率的区域差异及来源。

(2)

Dagum将总体基尼系数G分解为区域内差异贡献Gw、区域间差异贡献Gnb、超变密度贡献Gt，且满足G=Gw+Gnb+Gt。区域内基尼系数Gjj的计算如式(3)区域间基尼系数Gjh的计算如式(4), 区域内差异贡献Gw的计算如式(5),区域间差异贡献Gnb的计算如式(6),超变密度贡献Gt的计算如式(7)。

(3)

(4)

(5)

(6)

(7)

(8)

式(8)中，djh和Pjh的计算如式(9)、(10)所示。该文将djh定义为区域间农业能源效率差值，计算如式(9)；Pjh定义为超变一阶矩，计算如式(10)。Fj(Fh)为j(h)地区的累积密度分布函数。

(9)

(10)

2.3 Kernel核密度估计

Kernel核密度估计方法常被用于数据演进的特征分析，较之参数方法，是一种可相对放松前提条件的非参数估计方法。结合Kernel核密度估计方法特征，该文采用核密度估计曲线来直观展示中国农业能源效率未来演进趋势的分布形态。

f(x)是变量X的密度函数，如式(11)所示：

(11)

在式(11)中，Xi代表各省份农业能源效率，x为农业能源效率均值，N为总样本数，h为带宽，K为Kernel函数。为不失一般性，该文采用Gauss核函数进行估计，如(12)式所示：

(12)

3 结果与分析

3.1 中国农业能源效率的空间分布格局

尽管中国各省份农业能源消耗总量在样本期内快速增加，但同期大部分省份农业能源效率亦呈上升之势。由表1可知，均值从2000年的0.690升至2016年的0.765，年均上升0.647%，整体效率均值的上升主要源于中部和西部地区农业能源效率的快速提高。其中，中部地区农业能源效率均值由2000年的0.617升至2016年的0.714，年均上升0.917%； 西部地区农业能源效率均值由2000年的0.547升至2016年的0.642，年均上升1.006%。尽管中部和西部地区增长率远高于全国整体水平，但样本期内西部地区各省份均值的最大值仅为2016年的0.642，低于全国均值的最小值0.682。这表明中国省际农业能源效率存在显著的区域差异。需要指出的是， 2000—2005年天津、辽宁、山西、吉林、黑龙江等省份农业能源效率呈现一定波动性。上述地区多属粮食主产区， 20世纪末一度出现的卖粮难、粮价低等现象衍生出农民种粮积极性下降、农业技术进步迟缓、农业生产率下降等问题，故使其农业能源效率在波动中有所降低； 但自2004年“中央一号文件”加大对农业尤其是绿色农业的重视程度， 2005年中国农业能源效率呈现较为明显上升。此外，北京市农业能源效率在整个样本期内均呈现逐年下降趋势，可能原因在于：一是北京市人均耕地面积仅0.011hm2，很难实现农业生产规模效应。二是农业机械投入有助于北京市农业发展，但大规模农业机械化也易导致农业能源消耗量增加。

为进一步分析中国省际农业能源效率的空间分布格局，该文采用ARCGIS中的趋势分析工具，以2016年为例对中国农业能源效率的分布形态进行刻画，如图1所示，其中，Z轴代表省际农业能源效率值，X为至西向东方向，Y为至南向北方向。趋势分析结果表明，中国农业能源效率各省份之间区域差异明显，在由西向东方向上和由南向北方向上均呈现不断递增趋势。可能的原因在于：一方面东部地区现代农业发展程度较高、节本降耗意识较强、生态环境保护力度较大，而中西部地区长期依靠物质要素过度投入来过度追求粮食增产，以至于在转变农业发展方式上相对滞后； 另一方面，近年来北部地区土地流转与规模经营的进程加快，集约化、专业化、组织化、社会化相结合的新型农业经营体系发展势头良好，继而有助于降低农业能源消耗，而南方地区则受制于丘陵、山地等地形对土地规模经营的约束，虽积极发展农业服务规模经营但时效尚短。

表1 2000—2016年部分年份中国各省份农业能源效率

省份2000200520102016省份2000200520102016北京市1.0000.8440.7770.788河南省0.4800.5210.5230.625天津市1.0000.8600.9241.000湖北省0.6190.6720.6270.706河北省0.6520.7200.7180.781湖南省0.6140.7170.6730.804辽宁省0.9190.7470.8610.913中部均值0.6170.6140.6310.714上海市0.9811.0000.9961.000内蒙古0.6330.7680.7290.774江苏省0.8511.0000.9931.000广西省0.9500.9500.8760.986浙江省0.7820.8200.9250.982重庆市0.6120.4620.5280.560福建省1.0000.8250.9301.000四川省0.9400.9400.9080.964山东省0.5700.6490.6360.717贵州省0.3260.4880.4620.520广东省1.0001.0001.0001.000云南省0.3770.4100.4120.492海南省1.0001.0001.0001.000陕西省0.3870.4120.4110.437东部均值0.8870.8600.8870.926甘肃省0.3600.3660.4100.462山西省0.3850.2940.3630.409青海省0.3720.5430.5360.640吉林省0.9600.7630.8460.898宁夏0.3590.3730.3600.405黑龙江省0.6050.5830.6210.700新疆0.6990.7320.7330.825安徽省0.5760.6800.6750.760西部均值0.5470.5860.5790.642江西省0.6960.6770.7190.809总体均值0.6900.6940.7060.765

3.2 农业能源效率的区域差异及其分解

图1 2016年中国省际农业能源效率的演变趋势

为进一步揭示农业能源效率的区域差异及其动态分布演进，该文根据Dagum基尼系数按子群分解的方法，计算2000—2016年农业能源效率的总体基尼系数，并将30个省份分解为东部、中部、西部三大区域进行测算，具体系数如表2所示。

表2 基尼系数及其分解

年份G区域内差异 区域间差异贡献率(%)东部中部西部东—中东—西中—西GwGnbGt20000.1950.0150.0080.0230.0190.0330.0010.2380.2720.49020010.1660.0100.0080.0200.0110.0330.0060.2290.3030.46820020.1710.0090.0080.0220.0160.0310.0070.2270.3130.46020030.1780.0110.0080.0230.0220.0340.0020.2340.3220.44420040.1720.0080.0070.0190.0220.0440.0050.2020.4150.38420050.1710.0130.0070.0220.0250.0270.0000.2490.3090.44220060.1730.0130.0060.0180.0320.0460.0030.2110.4700.32020070.1750.0150.0070.0220.0280.0270.0000.2520.3200.42820080.1680.0160.0070.0200.0270.0280.0010.2570.3360.40720090.1650.0150.0080.0210.0220.0240.0010.2700.2840.44720100.1680.0120.0070.0200.0210.0320.0040.2340.3390.42720110.1650.0130.0070.0200.0170.0300.0030.2380.3050.45620120.1630.0120.0070.0200.0190.0280.0030.2360.3100.45420130.1590.0110.0070.0200.0190.0300.0030.2380.3250.43720140.1550.0110.0070.0200.0180.0280.0040.2410.3160.44320150.1510.0100.0070.0200.0180.0240.0030.2400.2960.46420160.1470.0090.0070.0200.0180.0240.0040.2420.2990.459

3.2.1 农业能源效率的总体区域差异

由表2、图2可知，样本期内中国农业能源效率的区域差异逐渐缩小。2010年之前，农业能源效率区域差异呈现波动下降态势。2000年农业能源效率的总体基尼系数为0.195，为样本期内最大值， 2001年骤降至0.166， 2003年升至0.178，随后降至2005年的0.171，又在2007年升至0.175，从2007年开始缓慢下降， 2009年降至0.165，后又缓慢升至2010年的0.168。2010年之后，农业能源效率区域差异呈现逐年下降趋势，至2016年降至样本期内最小值0.147，年均递减率为2.128%。中国农业能源效率省际间差异缩小的可能原因在于：一方面样本期内全国农业能源效率整体呈上升趋势； 另一方面，随着中西部地区农业生产技术水平提升，其农业能源效率年均增长率显著高于东部地区，使得东部地区与中西部地区的农业能源效率区域间差异明显下降。

3.2.2 农业能源效率的区域内差异

三大区域农业能源效率的区域内差异分解结果如表2所示。图3则揭示了样本期内农业能源效率区域差异的演进趋势。由表2、图3可知，西部地区农业能源效率的区域内差异最大，且远大于其他两个地区，东部地区居中，中部地区相对较小。从演进趋势看， 2010年之前西部和东部地区农业能源效率的区域内差异波动较为剧烈，中部地区相对平稳； 2010年之后东部地区呈现逐渐下降态势，而中部和西部地区较为稳定。具体看，2000—2010年西部地区农业能源效率的区域内差异波动幅度较大，除2001—2003年连续上升外，其余皆表现为反复升降，表明农业能源效率年度差异较大，可能的原因在于，相对于东中部地区，西部地区地广人稀、农业基础相对薄弱、农业生产方式较为粗放，且各省份间经济基础、资源禀赋、环境规制强度等方面存在较大差异； 2010年之后稳定在0.019左右，远大于其他地区，表明农业能源效率的区域内差异较大，近年趋于稳定。2000—2004年东部地区农业能源效率区域内差异呈现缩小趋势，主因在于以往情况较好的北京和天津两地的农业能源效率出现下降，此时区域差异缩小是一种低水平收敛。但2004—2008年东部地区农业能源效率区域内差异呈现显著上升趋势，可能原因在于：随着2004年“中央一号文件”出台，国家不断加大农业支持力度，粮食呈现增产势头； 但就东部地区内部而言，各省份农业基础设施、技术等也存在一定差距，随着农业生产规模扩大、农业能源消耗增多，农业能源效率差异再次扩大。而东部地区2008年之后的农业能源效率区域内差异呈现持续下降态势，年均递减率为6.940%，表明农业能源效率的区域内差异不断缩小。可能的原因在于：一方面农业在东部地区各省份地区生产总值中占比越来越小，农业生产亦逐渐从粗放式转向集约型，农业部门能源利用效率显著提升； 另一方面，随着环境质量要求不断提升，东部地区环境规制强度远高于中西部地区，在发展高效、绿色农业中存在显著的“标尺竞争”效应。中部地区农业能源效率的区域内差异变化波动相对较小，自2000年的0.008逐渐下降，在2006年降至最小值0.006后，逐步上升至2009年的0.008，随后保持稳定态势。可能的原因在于：中部地区多为平原地区，有利于农业的规模化生产和先进技术应用推广，为农业能源效率水平提升创造良好外部条件。

图2 2000—2016年农业能源效率的总体区域差异 图3 2000—2016年农业能源效率的区域内差异

图4 2000—2016年农业能源效率的区域间差异 图5 2000—2016年区域差异贡献率的演进趋势

3.2.3 农业能源效率的区域间差异

2000—2016年三大区域农业能源效率的区域间差异如图4所示。样本期内东部和西部地区的农业能源效率区域间差异最大，东部与中部地区次之，中部和西部地区最小。从演进趋势看，东部和西部地区、东部和中部地区的农业能源效率区域间差异在样本期内呈缩小态势，而中部和西部地区则在0.003～0.004之间波动。具体说，东部和西部地区的区域间差异在2003—2007年变化较大， 2000—2003年在0.030～0.035之间波动，于2004年骤升至0.044，随后猛降至2005年的0.027，在2006年大幅升至样本期内最大值0.046，又于2009年降至最小值0.024，自2010年升至0.032之后呈现持续下降态势，表明样本期内东部和西部地区的农业能源效率区域间差异逐渐缩小。东部和中部地区的区域间差异首先从2000年的0.019降至样本期内最小值2001年的0.011，又于2006年达到最大值0.032，年均增长率达23.241%，随后除2012年有小幅上升外均呈下降态势，表明样本期内东部和中部地区的农业能源效率区域间差异呈现先扩大后缩小的演进趋势。可能的原因在于：尽管样本期内中部和西部地区的农业能源效率水平均值远低于东部地区，但中部和西部地区的农业能源效率增长率却远高于东部地区，分别是后者的3.42倍和3.78倍。中部和西部地区的区域间差异以2009年为拐点， 2000—2009年在波动中下降，一度降至0.001左右， 2010年之后则稳定在0.003，表明样本期内中部和西部地区的农业能源效率区域间差异呈现先缩小后扩大的演进趋势。可能的原因在于： 2009年之前中部地区各省份农业能源效率有小幅下降趋势，而西部地区各省份农业能源效率增长速度则高达1.023%； 而2009年之后中部地区各省份农业能源效率均值的年均增长速度却是西部地区的2.58倍。

3.2.4 农业能源效率区域差异的贡献率

图5描述了2000—2016年农业能源效率区域差异的来源以及贡献率的演变趋势。由图5可知，在2000—2003年、2007—2016年，超变密度对区域差异的贡献率最大，区域间差异次之， 2004—2007年超变密度与区域间差异交替成为农业能源效率区域差异的主要来源，整个样本期内区域内差异的贡献率最小。具体而言，超变密度对区域差异贡献率的演进趋势大致呈“U”型，从2000年的49%逐年降至2004年的38%，在2005年经历短暂上升后在2006年降至样本期内最小值32%，随后升至2007年的43%，随后几年超变密度的贡献在波动中逐渐上升，成为农业能源效率区域差异的主要来源。区域间差异贡献的演进趋势与超变密度大致相反，从2000年开始逐渐升至2004年的41%，年均提升11.094%， 2005年又骤降至31%，随后大幅升至47%达到最大值，成为2006年农业能源效率区域差异的主要来源， 2007年降至32%之后一直是区域差异第二大来源。区域内差异贡献的演变趋势相对较为平缓，始终保持在27%以下，对农业能源效率区域差异的贡献最小。这说明中国农业能源效率区域差异产生的主要根源在于不同地区间交叉重叠问题，即尽管东部地区农业能源效率整体水平较高，但并非东部地区所有省份的农业能源效率都高于中西部地区，部分中西部地区省份的农业能源效率要高于东部地区农业能源效率较低的省份。

3.3 三大区域农业能源效率的动态分布演进

图6 2000—2016年全国及三大区域的农业能源效率动态演进

通过Dagum基尼系数分析，对中国三大区域农业能源效率的空间差异大小及其来源具有较为清晰的认识，但Dagum基尼系数刻画的是农业全要素能源发展效率的相对差异规律，未能反映绝对差异的分布动态及其演进规律，而Kernel核密度分析能够有效刻画这一特征(图6)。从农业能源效率的总体动态演进特征看， 2000—2016年Kernel核密度函数曲线中心不断向右移动，表明样本期内农业能源效率不断提高。除2010年峰值有所下降外，整体升高，宽度不断变窄，表明农业能源效率区域差异呈缩小趋势。此外，密度曲线由双峰向单峰演变，表明两极分化特征逐渐消失。样本期内，东部地区农业能源效率的分布动态演进显示， 2005年密度函数曲线中心左移，其他年份逐渐右移，表明农业能源效率逐渐增长。就演变过程而言， 2005年密度函数曲线峰值降低，宽度缩小，表明农业能源效率的区域差异呈缩小趋势； 密度函数曲线呈明显的双峰分布，表明各省份农业能源效率具有显著的两极分化特征； 随后峰值不断变大，宽度变窄，双峰逐渐变为单峰，表明近年农业能源效率的区域差异逐渐缩小，同时两极分化现象逐渐消失。中部地区农业能源效率的分布动态演进显示，密度函数曲线中心整体向右移动，表明农业能源效率连续提高； 峰值降低，宽度变窄，表明农业能源效率的区域差异不断缩小。此外， 2000年中部地区农业能源效率的密度函数曲线存在明显拖尾现象，主要源于吉林省农业能源效率明显高于其余5省，表明各省份农业能源效率存在显著的梯度差异。西部地区农业能源效率的分布动态演进显示， 2000年、2005年、2010年密度函数中心无太大变化， 2016年则向右移动，表明农业能源效率有所提高； 较之2000年， 2005年和2010年农业能源效率密度函数曲线峰值升高，宽度缩小，表明区域差异呈缩小趋势； 2016年左侧峰值降低，右侧峰值不变，但宽度拉大，表明区域差异程度逐渐加深，且两极分化现象加剧。从分布延展性看， 2000年、2005年、2010年、2015年均呈现右拖尾现象，且拖尾逐渐增长，主要源于广西、四川、新疆等省份农业能源效率增长较快，也反映出上述省份农业能源效率与其他效率相对较低省份之间差异不断扩大。

4 结论与建议

4.1 结论

该文以2000—2016年中国省际面板数据为样本，采用非径向、非角度、双导向的窗口DEA模型测度30个省份的农业能源效率，在此基础上采用Dagum基尼系数和核密度估计来实证考察农业能源效率的区域差异及其动态演进，结论如下。

(1)非径向、非角度、双导向的窗口DEA模型测度结果表明，整体上中国30个省份的农业能源效率均呈上升趋势。但东部、中部、西部三大区域的农业能源效率差异显著，其中东部地区农业能源效率显著高于中部、西部地区及全国平均水平。

(2)Dagum基尼系数测算及分解结果显示，样本期内农业能源效率总体区域差异不断缩小。在区域间差异上，东部、中部、西部三大区域间差异均不断下降。在区域内差异上，西部地区农业能源效率的区域内差异最大，东部地区居中，中部地区最小。超变密度对总体区域差异的贡献率最大，是中国农业能源效率区域差异的主要来源。

(3)Kernel核密度估计显示，样本期内中国农业能源效率不断提高，整体区域差异逐渐缩小，但中部、西部地区表现出较为明显的极化现象，且三大区域的农业能源效率核密度曲线普遍具有侧拖尾现象，反映各省份农业能源效率存在明显梯度效应，高效率地区与低效率地区间差距越来越大。

4.2 建议

(1)正视部分省份农业能源效率低下的事实，致力于探索效率提升新路径。除积极实践化肥农药使用量零增长、农作物秸秆综合利用、畜禽粪污资源化处理、地膜清洁生产技术推广等农业资源生态保护和面源污染防治支持政策外，更要因地制宜地构建新型农业经营体系，持续完善基础服务供给能力，强化培育新型职业农民队伍，大力促进节本农业、生态农业、精准农业等健康成长，继而在提高集约化、专业化、组织化、社会化程度的同时引领农业高质量发展。

(2)瞄准农业能源效率的区域差异性，结合不同地区特点来区别设计改进策略。针对东部地区，加大农业技术创新推广力度，鼓励发展有机农业、都市农业、设施农业等高附加值农业，不断探索引入现代产业发展理念和组织管理方式，进一步增强农业内生发展动力与转型升级能力。针对中西部地区，借助于农村人口转移、城乡融合发展、农村集体产权制度改革、创新驱动发展、农业供给侧结构性改革等时代契机，优化组合农业生产要素，壮大新型农村集体经济，强化小农户与现代农业有机衔接，加强耕地地力保护，推进多种形式农业适度规模经营，继而加速转变农业发展方式。

(3)充分发挥优势地区的示范带动作用，实现农业能源效率的跨区域协同提升。在区域间，依托于党的十九大提出的区域协调发展战略与乡村振兴战略，通过对口帮扶、订单农业、技术示范、资源下乡、高校指导、产业扶贫、企业结盟等方式，提高先进农业生产技术与经营模式的扩散作用与溢出效应，助推东部地区带动中西部地区。在区域内，辨析自然环境相当、人文背景接近、生产条件相同、产业特点类似的目标地区，尤其是规模经营可操作的连片地区，通过以点带面来推广可借鉴经验。