粮食主产区农业生态效率及影响因素研究

□刘鹏凌 孙 康 周 云

[内容提要]农业生态效率作为农业可持续发展的重要评判指标，是我国当前农业发展关注的重点。文章运用DEA-Malmquist和随机效应Tobit回归等模型和方法，分析2010-2018年我国粮食主产区农业生态效率及其影响因素。研究结果表明：(1)粮食主产区农业生态效率总体未达到有效状态，生态效率相对较低的地区主要集中于中部和西部地区。(2)从动态分析来看，粮食主产区存在较多年份农业生产投入要素配置不合理的现象，需要对投入比例进行适当调整；技术进步是促进农业生态效率变动的主要因素。(3)农业劳动力投入和农业科技投入对农业生态效率具有正效应，财政支农力度和政府规制对农业生态效率具有负效应。为了促进粮食主产区农业生态效率的提升，在上述研究的基础上提出生态效率改进路径。

一、引言

粮食安全事关国计民生，是国家重大战略性问题[1]，尤其是新冠疫情的蔓延，使得我国粮食安全问题同样面临不小的挑战，扩大粮食生产也更为迫切。然而，我国作为农业大国，在发展过程中，由于过度追求粮食产量的增长，忽视资源环境的保护，导致我国农业经济的发展受到较大的威胁[2]。2017年第二次全国污染源普查数据显示，农业污染中化学需氧量1067.13万吨，占全国化学需氧量的49.77%，农业污染逐渐成为头号污染源[3]。粮食主产区作为我国重要的粮食生产主体，对于保障我国粮食安全有着重要的突出贡献，但同样的，生态环境存在不同程度的失衡，对当地的粮食生产产生较大影响，加强农业面源污染防控工作，促进农业可持续发展也逐渐引起各地重视。而农业生态效率作为衡量农业可持续发展的重要指标，对其进行评价，有助于全面了解农业发展现状，对于探讨实现农业绿色可持续发展路径具有重要意义[4]。

生态效率被认为是在宏观经济(国民经济)、中观经济(区域)和微观经济(公司)等三个尺度上进行可持续性分析的有效指标[5]。农业生态效率作为生态效率研究的延伸，它将经济效益的提高、自然资源消耗的减少以及对环境的影响结合起来进行分析，是实现农业可持续发展的有效指标[6]。当前国内关于农业生态效率的研究有着丰富成果，其中关于区域生态效率评估成为研究的重点。李伟娟[7]、王秀峰等[8]、许朗等[9]运用DEA-Malmquist分别对山东、贵州以及中国粮食主产区等不同区域的农业生态效率进行评价，结果表明不同地区的农业生态环境效率呈现明显的异质性。任红霞则采用经典DEA模型分析了兰西城市群18个主要城市的农业生态效率，结果表明整体上来看，兰西城市群的农业生态效率水平还不错，并且针对生态无效的地区，基于模型给出相应的改进[10]。曹俊文等则运用超效率SBM-Tobit模型从低碳视角分析长江经济带的农业生态效率，进而得出长江经济带总体未能实现低碳农业有效发展，所有地区的农业生态效率均没有长期达到有效值[11]。而关于粮食主产区农业生态效率的研究主要集中于生态效率评价以及时空特征方面，对于主产区农业生态效率影响因素的研究较为缺乏，且近年来政策支农、科技发展方面有变动，对农业生态效率产生一定的影响。因此，本文首先运用DEA-Malmquist模型对2010-2018年粮食主产区农业生态效率进行测度，之后使用Tobit回归对影响农业生态效率的主要因素进行分析，并提出可行对策，为农业可持续发展提供相关参考。

二、研究方法与数据来源

(一)研究方法

1.DEA模型

DEA模型也称为数据包络分析法，它只提供相对效率的测度，不提供绝对效率指数，通过已观察到的单元来识别有效率和无效率单元，多用于评价相同部门间的相对有效性。该方法不需要模型的具体形式，也无需对变量进行无量纲化，使用较为简便。DEA模型分为投入和产出两个导向，根据分析目的选取不同的导向。一般而言，BCC模型可在生产规模报酬可变，且决策单元(DMU)并没有在最优的条件下运行，可以测度技术效率下的规模效率和纯技术效率，避免了 CRR模型不能区分两者的弊端的影响，因此本文采用BCC进行农业生态效率测度。

2.Malmquist指数

Malmquist指数方法是在 DEA 的基础上提出的，可以更为科学的对动态农业生态效率进行测度。Fare等人构造出从t时期到t+1时期的 Malmquist 指数，将其分解为技术效率变化(EFFCH)和技术进步变化(TECH)的乘积，又技术效率(TE)等于纯技术效率(PTE)与规模效率(SE)之乘积。如下式：

因此，M=EFFCH*TECH=PTECH*SECH*TECH。当M>1时表示农业生态效率水平得到改善，反之则表示农业生态效率水平下降，M=1时则表示呈停滞状态。

3.Tobit回归模型

Tobit回归模型多用于被解释变量为截断数据的情况。其主要思路是借用潜变量Y*进行估计，基本假设是Y*服从正态分布。模型基本形式是：

其中Y为效率值，β是参数向量，ε服从正态分布。当潜变量Y*>0时，Y取实际观测值；当潜变量Y*≤0时，Y取0。此外，采用Tobit回归可以避免OLS方法带来的误差，使用较为方便。

(二)指标选取与数据来源

在构建粮食主产区农业生态效率评价体系过程中考虑到两点：1.以13个粮食主产区作为研究对象，地理分布存在差异，要考虑农业生产的特点以及相关数据的可获得性；2.DEA模型投入产出指标数量需小于决策单元数量两倍的限制，要考虑指标数量。因此，本文在结合前人研究的基础上，选取农业从业人员(X1)、农作物播种面积(X2)、有效灌溉面积(X3)、农用机械总动力(X4)以及化肥施用量(X5)作为投入指标，选取农业生产总值(Y)作为产出指标。其中农业从业人员是根据农林牧渔从业人员计算所得，农业从业人员=农林牧渔从业人员×(农业总产值 /农林牧渔总产值)，这使得数据更为精准。

在结合上述评价指标体系的基础上，参考曹俊文[11]、王宝义[12]等的相关研究，对粮食主产区农业生态效率的影响因素进行分析。以上述模型得出的主产区农业生态效率作为被解释变量，以财政支农力度、农业劳动力投入、农用机械总动力、农业科技投入、自然灾害、政府规制作为解释变量。其中财政支农力度用农林水务支出占各省财政支出的比例表示；农业劳动力投入用农业从业人员表示；农用机械总动力用以反映机械化水平；农业科技投入用各省区科技投入占地区生产总值的比例表示；自然灾害的发生会对投入的生产要素造成浪费，进而可能对农业生态效率产生影响，因此选取受灾面积表示农业自然灾害情况；政府规制用各省区环境治理财政投入表示。

本文在评价粮食主产区农业生态效率以及对其影响因素进行分析时，结合前人的相关研究，兼顾数据的可得性，选取2010-2018年粮食主产区13个省份面板数据为研究对象，数据来源于《中国统计年鉴》、《中国农村统计年鉴》以及各粮食主产区的统计年鉴。

三、实证分析

(一)粮食主产区生态效率测度

运用DEAP2.1软件，将投入产出数据带入模型，求得2010-2018年13个粮食主产区的农业生态效率(表1)，以及粮食主产区纯技术效率和规模效率均值(表2)。

表1 2010-2018年粮食主产区农业生态效率

表2 2010-2018年粮食主产区纯技术效率和规模效率均值

从表1中的数据可以看出，2010-2018年我国粮食主产区农业生态效率均值仅为0.846，农业生态效率整体未达到有效值。各地区农业生态效率水平发生较为明显的变动，其中江苏和四川农业生态效率值达到生产前沿有效状态，辽宁、山东、黑龙江、湖北和湖南等省份的农业生态效率也处于较高水平，均在0.9以上，这些省份有着较为先进的农业生产技术以及充足的农业劳动力，农业经济发展水平相对较高，因此农业生态效率也相对偏高。

表2中粮食主产区农业生态效率分解为纯技术效率和规模效率。从纯技术效率角度，2010-2018年粮食主产区纯技术效率的总体均值为0.937，这说明约有6%的投入没有达到有效产出；其中江西、辽宁、江苏、山东、四川的纯技术效率值为1，其余省份均小于1，安徽省最低为0.572；这表明对于部分主产省份而言，提高科技水平是仍是促进当地农业生态效率提升的有效途径。从规模效率角度，2010-2018年粮食主产区规模效率均值为0.905，仅江苏和四川达到规模报酬最优状态，与农业生态效率值保持一致；江西、河南、内蒙古、吉林四个省区的规模效率则低于平均水平，表明这些省份可以通过调整生产规模实现农业生态效率的提升。

根据国家统计局分类，将粮食主产区划分为不同区域，其中江苏、辽宁、山东、河北为东部区域，安徽、河南、江西、湖南、湖北、黑龙江、吉林为中部区域，四川、内蒙古则属于西部地区。由此得出分区域农业生态效率均值(图1)。总体来说，粮食主产区农业生态效率遵循升-降-升的趋势，与尚杰等[13]的不同在于其结论是粮食主产区农业生态效率不断提升，文中结论是出现短暂下降。此外，从图1中明显可以看出东部地区农业生态效率明显高区其他区域，处于优势地位。

表3 粮食主产区农业生态效率分布

图1 分区域农业生态效率值

根据2010-2018年各省区农业生态效率均值可以将十三个粮食主产区农业生态效率分为高、中、低三个效率组。其中农业生态效率在0.5-0.7之间为低效率组，在0.7-0.9之间为中效率组，0.9及以上的则分到高效率组。从表3可以看出：农业生态效率相对较低的地区主要集中于中部和西部地区，其中以中部地区的安徽最低，年均农业生态效率仅为0.556，与粮食主产区农业生态效率均值相差29个百分点，与最优生态效率值相差44.4个百分点。

(二)基于Malmquist指数的效率分析

表4是中国粮食主产区Malmquist指数变化及其分解，从表4中我们可以看出Malmquist指数均值为1.055，这表明粮食主产区农业生态效率总体提升5.5%，主产区农业生态效率前沿面出现提升。进一步将综合技术效率分解为纯技术效率和规模效率，可以看到综合技术效率指数整体下降1.1%，其中纯技术效率占0.4%，规模效率占0.7%，这表明主产区农业生态效率仍有提升空间，需对现有资源合理配置、对现有技术进行改进等，避免造成资源浪费、生产低效的问题。此外，从表中可以看出技术进步指数为1.067，技术进步指数总体提升了6.7%，这表明技术进步的上升拉动了粮食主产区农业生态效率的提升。

表4 2010-2018年粮食主产区Malmquist指数变化及分解

具体来看，综合技术效率变动指数方面，2011-2012、2013-2014、2014-2015、2016-2017的综合技术效率变动指数小于1，剩余年份的综合技术效率变动指数均大于1，粮食主产区综合技术效率整体呈波动上升趋势，且在2017-2018年增长率达到3.4%，增长较快。由综合技术效率可以分为纯技术效率和规模效率可知，纯技术效率变动在2010-2011、2011-2012、2015-2016以及2017-2018等年份的值大于1，其余年份呈现明显的下滑状态，且综合技术效率变动趋势与纯技术效率变动趋势整体相似，因此将纯技术效率看做是综合技术效率下降的主要原因，表明我国粮食主产区农业管理水平方面存在不足；规模效率变动仅2012-2013、2015-2016以及2017-2018等年份的值大于1，这说明粮食主产区存在较多年份农业生产投入要素配置不合理的现象，需要进行投入比例的调整。

从技术进步变动的角度来看，技术进步变动指数均大于1，表明生产技术水平在不断提高，其整体变动趋势与Malmquist指数变动趋势保持同步，则技术进步是促进农业生态效率变动的主要因素。因此，推动技术的进步，可以实现农业生态效率的快速提升。

(三)粮食主产区农业生态效率影响因素研究

对于面板数据而言,固定效应Tobit模型较难得到一致、无偏的估计量，而随机效应Tobit模型与之相比，只需较少的统计量,且没有参数设定的条件，因此本文使用随机效应Tobit模型对影响主产区农业生态效率的因素进行分析(表5)。

表5 粮食主产区农业生态效率影响因素回归结果

总体来看，农用机械总动力以及自然灾害未通过显著性检验，说明这两者对农业生态效率无显著影响；财政支农力度、农业劳动力、农业科技投入、政府规制等均对农业生态效率产生显著影响，其中财政支农力度和农业劳动力在1%的程度上显著，农业科技投入和政府规制在5%的程度上显著。

具体来说，财政支农力度对粮食主产区农业生态效率有较大程度的负效应，这是因为我国财政支农的投入结构长期存在不合理现象，资金的利用率低于正常水平[14]。农业劳动力投入与农业生态效率呈正相关，部分地区存在人口老龄化、人口外流的现象，农村劳动力严重匮乏，因此，当农村劳动力投入增加，补充有效劳动力，农业生态效率随之提高。农业科技投入与农业生态效率呈现显著的正效应，农业科技投入的增加有助于农业生产技术的改进，农业生产增量的同时，降低环境污染，促进农业生态效率的提升。此外，随着我国农业转为资本和技术密集型产业，农业污染逐步加重，使得治理速度赶不上污染速度，且由于财政投入结构缺乏合理性，导致近年来农业生态效率逐渐下降，政府规制与农业生态效率呈现出较为显著的负向影响。

四、结论与对策

本文运用计量模型，对我国十三个粮食主产区2010-2018年的农业生态效率进行测算，并对其主要影响因素进行分析。得出以下结论：(1)2010-2018年主产区农业生态效率为0.846，总体未达到有效状态；只有江苏和四川农业生态效率达到有效生产前沿面，其余省份均未达到有效状态，农业生态效率相对较低的地区主要集中于中部和西部地区。(2)从动态分析来看，粮食主产区农业生态效率前沿面出现提升，总体投入和产出朝着良好的方向发展；但从综合技术效率变动可以看出粮食主产区存在较多年份农业生产投入要素配置不合理的现象以及农业管理水平不足的问题；从技术进步变动可以看出技术进步是促进农业生态效率变动的主要因素。(3)通过对主产区农业生态效率的影响因素进行分析，可知农业劳动力投入和农业科技投入对农业生态效率具有正效应，财政支农力度和政府规制对农业生态效率具有负效应。

针对上述结论，为提高粮食主产区农业生态效率，提出以下对策：(1)突破地域限制，加强区域之间的交流，尤其是农业生态效率较低的省份积极向生态效率较高的省份学习相关经验，提升本省农业管理水平，减少地区间差异，以提高农业生态效率为重。(2)探索具有区域特色的农业生态效率改进路径，根据各地不同的自然环境、生产条件和方式制定不同的要素投入配比，改善规模投入，同时加大对农业生产技术的投入以及对农业技术研发、推广和普及。(3)加大对农业劳动力的重视，制定各项吸引劳动力回流农业的政策，保障农村有效劳动力的充足；改善财政支农投入结构以及环境治理投入结构，增加支持农业发展的投入，加大对农业污染物排放的治理投资。