东北产粮区农村综合环境治理效率异质性演变静动态分析——以黑龙江省为例

李绍萍，张恒硕

（东北石油大学 经济管理学院，黑龙江 大庆 163318）

近年来，中国城市环境治理热潮及进展为农村环境治理工作拉开阶段性序幕，而在城市环境日益改善的同时农村环境污染问题显得格外突出[1]。随着乡村振兴战略的提出，各级政府不断加大农村地区环境治理投入力度与关注度[2]，农村环境污染治理工作进入了新阶段。东北地区的松嫩平原、三江平原作为重要产粮区，是国家粮食安全保障的重要基地。东北产粮区作为农业生产的密集型区域，水土流失、旱涝频发、土壤肥力下降、河水污染等农业生产环境、农林生态环境、农村生活环境问题表现明显，已经成为严重阻碍农村社会发展和农民宜居环境改善的主要瓶颈，提高农村环境污染治理效率与切实改善农村生态环境成为政府迫切需要解决的课题。因此，将东北产粮农村地区环境治理效果作为研究对象，以期通过治理效果水平测算及异质性演变分析对其环境治理效率做出客观评价，以推进产粮区农村生态环境友好化与社会经济健康化发展。

1 文献综述

多层面环境治理效率测算及评价研究近年来一直备受国内外学者所关注，研究学者主要从国家及区域层面、省际及地区层面、城市层面、农村及农业层面对环境污染治理效率进行测算及评价。Matsumoto等[3]从国家及区域层面运用DEA模型和Malmquist-Luenberger指数对2000—2017年27个欧盟国家的环境绩效进行评估，研究发现，欧盟国家环境治理效率在研究期内整体呈现波动式上升，整个欧盟和各个欧盟国家的环境绩效变化趋势大致相似。李洪伟等[4]利用DEA-SBM模型对国内各省市地区的环境治理效率通过人力、物力、财力投入角度及期望产出、非期望产出角度进行评价。孙钰等[5]构建了生态环境治理效率评价指标体系，利用BBC模型对投入及产出指标进行评价分析，得出治理效率与各地区经济发展程度和生态资源禀性密切相关。Mandal & Madheswaran[6]在期望产出与非期望产出组合的生产框架内利用DEA分析方法和方向距离函数对环境治理效率进行评价，并分析非期望产出二氧化碳排放量对环境治理效率的影响。刘蔚玲等[7]利用DEAMalmquist指数模型对我国2013—2017年城市生活垃圾管理效率进行评价，并指出技术进步是影响生活垃圾管理效率的主要因素。琚亮和贺昌政[8]利用DEA模型对四川省各地级市城市环境治理效率进行评价，并指出每个决策单元各个指标的相应效率值有助于政府对投入指标进行有效地调整，为政府的科学决策提供量化数据支持。Managi[9]在环境库兹涅茨曲线（EKC）假说的基础上通过对农业污染治理数据的实证分析发现减排效率呈现规模报酬递增趋势。黄英等[10]基于2011年省际数据，利用超效率DEA模型进行农村生态环境治理效率的测算，发现东、西、中部地区农村生态环境治理效率存在一定的差异。刘浩等[11]利用三阶段超效率SBM模型对2005—2014年27个省份的农村地区环境治理效率进行测算，指出全国农村环境治理评价效率呈逐渐增长态势，农村环境污染治理效率与地区经济发展程度不完全匹配。

多角度探究产粮区农村环境治理问题是近些年相关学者的研究倾向，主要从环境治理现状、农村环境污染问题及原因、治理效率与对策角度进行探究。基于农村环境污染现状视角，王静[12]指出，现阶段农村“脏、乱、差”现象依然存在，柴草乱放、粪便乱堆、污水乱倒等现象较为普遍，“室内现代化，室外脏乱差”是农村人民现代生活的真实写照。基于存在的环境问题研究视角，唐丽霞和左停[13]利用全国141个村的调查情况反映出75.9%的农村调查对象存在环境污染问题，生活垃圾及工矿业污染是影响农村环境的第一及第二污染源。章力建和朱立志[14]指出，我国农村环境污染防治上存在监控力度弱及数据更新较慢、农村环保公共品供给量不足、农村环境保护机制有待完善等问题。黄森慰等[15]指出，区域优先发展框架下城乡二元发展结构使得农村环境破坏问题突出，易使农村陷入环境破坏严重、经济发展落后、环境治理低效的恶性循环。基于治理对策角度及建议方面，黄巧云和田雪[16]从农业生产面源污染、生活垃圾污染、乡镇企业污染、生态环境破坏几个角度提出优化整治意见。周庆翔[17]指出，农村环境污染治理要构建多中心格局，创新农业发展方式及提高农业标准化生产水平，早日将农村环境污染防治纳入法治化建设轨道。贾小梅等[18]指出，要建立农村生态环境管理政策体系、监管体系及帮扶体系，明确农村环保责任和积极探索农村环境治理模式，以加快农村环境治理进程及改善农村环境现状。

现有研究多以城市环境治理为主要对象，基于省际或城市环境的投入产出数据测算环境治理效率，而对产粮区农村综合环境治理效率测算评价及差异变化分析的文章较少，对探究农村地区环境治理的微观程度仍有待提高。就东北主要产粮区黑龙江省而言，现阶段研究缺乏时效性，且现有研究中未能细化地对各地级市农村地区环境治理效率进行异质性分析。为弥补上述不足，拟对2005—2018年地处东北产粮区黑龙江省的13个地级市及地区农村综合环境治理情况进行效率测算及异质性演化分析，并针对研究结果提出相应对策建议，以期对改进东北产粮区乃至全国重要产粮区农村综合环境治理状况、提升治理效率及改善农村生态环境有所裨益。

2 研究方法

2.1 指标体系构建

东北产粮区农村环境的载体表现以农业生产、农村生活及产粮区生态环境为主，借鉴孙钰等[5]、刘浩等[11]对农村环境治理效率的研究，结合东北产粮农村地区环境治理的实际特点，本文考察的东北产粮区农村环境主要由农业生产环境、农村生活环境及生态环境组成，构建东北产粮区农村综合环境治理效率静动态评价指标体系如表1所示。

表1 投入产出指标体系

投入指标选取中考虑农业生产环境投入、生态环境投入及生活环境投入等几个方面，结合东北产粮区地理位置及自然气候环境特点，受近3年统计数据完善程度的影响，主要选用有效灌溉面积、农村改厕投资、造林总面积、农村太阳能热水器、处理农业废弃物沼气工程、除涝面积。产出指标选取上考虑农业生产、生活及生态环境产出，以粮食单位产量衡量产粮区环境治理的农业产出水平，以卫生厕所普及率和水土流失治理面积衡量农村生活与农村生态环境治理情况，并考虑农业生产过程中的农药污染量、农用化肥污染量等非期望产出。

2.2 数据来源及处理

为确保数据的真实性与完整性，本文数据取自2006—2019年的《中国环境统计年鉴》《中国农村统计年鉴》《黑龙江统计年鉴》。本文从静态和动态效率两个方面对东北产粮区农村综合环境治理效率进行异质性演化分析，静态分析以整个黑龙江省作为样本主体，利用超效率SBM模型对其2005—2018年整体农村的环境治理静态效率进行测算评价；动态分析以黑龙江省13个地级市及地区为样本主体，受各市及地区农村环境统计数据2005—2012年指标缺失及完整度较差的影响，运用Malmquist-gis模型对2013—2018年13个地级市及地区动态农村环境治理效率进行异质性分析，并对指标数据进行标准化及无量纲化处理。

由于存在负产出及因子分析过程中提取的公因子存在负值，利用无量纲化的方法在不改变评价效果的基础上使其转化为正值，转化的公式为：

式中：aij为指标矩阵中的最大值，bij为指标矩阵中的最小值，mij为相关投入及产出的数据， 为经过处理的相关投入及产出的数据，其中 ∈[0.1, 1]。

2.3 变量差异度检验

为确保东北产粮区农村综合环境治理投入及产出指标变量间度量的差异度及有效度，利用SPSS22.0对变量进行自相关性检验，鉴别与识别出相关性及差异性较高的变量，结果如表2及表3所示。

表2 投入变量的相关性检验

表3 产出变量的相关性检验

投入变量方面：有效灌溉面积与农村太阳能热水器、处理农业废弃物沼气工程在1%水平上呈显著正相关；造林总面积与除涝面积在1%水平上呈显著正相关；处理农业废弃物沼气工程与除涝面积在5%水平上呈显著正相关；农村改厕投资与其他投入指标相关性较弱，与其他指标相比，鉴别的差异性较强。

产出变量方面：粮食单位产量与卫生厕所普及率、农药污染量、农用化肥污染量在1%水平上呈显著相关。农药污染量、农用化肥污染量作为非期望产出，文章以其作为负产出进行衡量，农药及农用化肥污染量的增加无疑会对农村环境污染造成一定程度的影响，农药污染量、农用化肥污染量与粮食单位产量呈负相关关系。产出指标GYP、SR、PC、FP之间都存在较强的相关关系，指标SEC与其他指标的相关性较弱，其指标的鉴别能力较强。

2.4 变量因子分析

基于上述自相关检验结果及DEA分析方法对投入产出指标的要求，对自相关性较强的变量进行因子分析。对指标EIA、PA、SWH、AMP、WA通过KMO与Bartlett球形检验以判别其是否适合进行因子分析，KMO检验统计值为0.623大于0.5，且Bartlett球形检验的显著性为0.00，因此相关投入指标适合做因子分析。对原产出指标（GYP、SR、PC、FP）进行KMO与Bartlett球形检验，KMO检验统计值为0.698大于0.5，且Bartlett球形检验的相关性为显著，因此相关产出指标适合做因子分析，上述检验结果如表4所示。

表4 KMO与Bartlett球形检验结果

2.4.1 投入变量因子分析

运 用SPSS22.0对 指 标EIA、PA、SWH、AMP、WA进行因子分析，所得结果如表5所示。

表5 相关投入变量分析结果

由分析结果可以看出，投入因子V1、V2的特征值为3.563、1.302，其累计贡献率达97.297%，基本涵盖原投入指标（EIA、PA、SWH、AMP、WA）的所有信息，得出相关投入指标的成分矩阵，再由成分矩阵及V1、V2对应的特征值计算得出相关指标的特征向量，具体如表6所示。

表6 相关投入变量的成分矩阵及特征向量

以V1、V2的贡献率作为权重来构造投入指标（EIA、PA、SWH、AMP、WA）的综合得分为：

2.4.2 产出变量因子分析

产出变量GYP、SR、PC、FP因子分析的具体结果如表7所示。

表7 相关产出变量分析结果

通过结果可知，U1的特征值为3.643，累计贡献率为91.079%，基本上能包含产出指标的信息，由U1替代产出指标GYP、SR、PC、FP，得出相关产出指标的成分矩阵，再由成分矩阵及U1对应的特征值计算得出相关指标的特征向量，具体如表8所示。

表8 相关产出变量的成分矩阵及特征向量

产出指标PC、FP作为负产出，与公因子U1呈负相关，体现出农药污染量、农用化肥污染量作为非期望产出指标的负效果。以U1的贡献率作为权重来构造投入指标（GYP、SR、PC、FP ）的综合得分为：

由于DEA分析法的局限性，投入及产出指标过多会影响测算的环境治理效率值，通过相关性检验及因子分析结果，以V1、V2、ILI作为农村综合环境治理的投入指标及以U1、SEC作为其测算的产出指标，以因子分析后得到的变量数据进行东北产粮区农村综合环境治理效率异质性演变分析。

2.5 模型建立

2.5.1 东北产粮区静态农村综合环境治理效率超效率SBM测算模型

环境治理效率测算上通常采用数据包络分析DEA方法（Data Envelopment Analysis），DEA-CCR与DEA-BBC模型常被应用于环境治理效率评价方面，受限于该模型基于径向和角度的度量未能考虑松弛变量等问题[19]， 会导致效率值测算存在一定的偏差。为此，Tone[20]将非期望产出纳入SBM（Slack Based Measure）模型，研究伴有产出不足情况下的环境效率测算。Andersen & Petersen[21]提出对有效的DMU进一步区分效率度的超效率模型SEM（Super Efficiency Model）。为考虑效率值大于1和非期望产出的双重情况，Tone[22]又提出将SBM与SEM相结合的超效率SBM模型。东北产粮区静态农村综合环境治理效率测算模型建立时进一步考虑由于农药、化肥施用带来的生产环境非期望产出情况，由松弛变量与环境治理投入产出量化幅度衡量改进区间，以判别决策单元（DMU）是否有效及效率大小，建立静态农村综合环境治理效率模型如下：

东北产粮区农村综合环境治理系统中包括n个决策单元，环境治理投入（X）、期望及非期望环境产出（Y&A）个数为N、M、L，其主要形式表示为：

第n个投入、第m、l个产出的松弛变量为，第k′地区于t年份的投入产出向量为，环境治理投入要素松弛变量及强度变量关系约束为：

东北产粮区农村综合环境治理产出存在农业生产所带来的负效应，其环境治理期望产出要素与非期望产出要素松弛变量及强度变量关系约束如下：

式中：ρ代表效率值；s代表松弛变量；x、y、a分别代表投入、期望及非期望产出；N、M、L分别代表x、y、a对应的个数；t、k分别代表第t年份和第k个地区；z代表强度变量。测算的效率值0≤ρ＜1、ρ=1、ρ＞1分别表示东北产粮区静态农村综合环境治理效率无效、有效及较为高效的治理水平特征，进而基于静态角度分析治理效率的年际纵向异质性演变。

2.5.2 东北产粮区动态农村综合环境治理效率Malmquist-GIS模型

Malmquist指数由Caves等[23]在1982年运用于生产率指数测算而被陆续推广，基于Malmquist指数决策单元的动态分析特征，结合ArcGIS空间地理表现形式，本文结合两者特点建立Malmquist-GIS模型，基于动态视角下将东北产粮区农村综合治理效率的时空异质性演变表现出来，与静态分析相比更能突显地区间的差异性。东北产粮区农村综合环境治理效率可分解为技术效率（TFFCH）与技术进步变化效率（TECHCH），而环境治理技术效率可以进而分解为纯技术效率（PECH）与规模效率（SECH），进而表明东北产粮区农村综合环境治理效率受限于环境治理技术改善、技术进步变化及环境治理规模效益的影响，其分解结构关系为：

以X、Y分别代表投入及产出变量，N代表第几个决策单元（n=1, 2, …,N），则决策单元内环境治理投入及产出向量为t为时间变量，D为测算效率的距离函数，则东北产粮区农村综合环境治理的技术效率、技术进步变化效率、纯技术效率及规模治理效率为：

东北产粮区农村综合技术效率变化反映环境治理投入及产出配比效度的变化，以纯技术效率变动反映环境治理投入量的改善程度变动，以技术进步变动反映环境治理产出资源对投入资源的贡献度水平变动，以规模效率变动反映环境治理投入及产出匹配状态的规模效应变动，以各效率值变动与1进行比较后反映变动的升降幅度。结合公式（9）～（10）得出第n个决策单元t时期到t+1时期的Malmquist指数M（TFPCH）为：

M指数大于1，说明研究期内环境治理效率呈上升趋势变化；M指数小于1，说明研究期内环境效率呈下降趋势变化；M指数等于1时，说明环境效率未随时间变化。将Malmquist指数分解效率值与ArcGIS地理信息色彩分级功能相结合，通过自然间断点分级法将区间{TFPCH、TFFCH、TECHCH、PECH、SECH}分成五级跨度，以定量动态反映各地区农村综合环境治理效率的有效性及差异度。

3 实证结果分析

3.1 静态农村综合环境治理效率分析

运用超效率SBM模型对2005—2018年整体静态农村综合环境治理效率进行测算，测算结果如表9所示。其中，效率值最大为2015年的1.089 4，最小值为2012年的0.465 9，效率差极值为0.623 5，反映出整体静态农村综合环境治理效率个别年份间差异较大，而这种纵向波动主要集中在2011—2013年，农村综合环境治理效果较为有效的年份为2015年＞2007年＞2011年＞2018年，其效率值大于1.070。2005—2018年农村综合环境治理效率值存在较大波动，治理效率年均值为0.975，整体各年治理效率值多为DEA有效，仅有3年（2010年、2012年与2016年）为非DEA有效。

表9 2005—2018年静态农村综合环境治理效率

通过图1可知，2005—2011年的治理效率值维持在1左右，2005—2011年整体农村综合环境治理效率呈现先上升再下降后上升的趋势。2012年作为效率值的最低点，2012—2015年呈逐年上升趋势。2016年、2017年、2018年的农村环境治理效率值分别为0.829 2、1.012、1.073 4，2016—2018年呈逐年上涨趋势，2018年黑龙江省政府开始加大对农村环境污染治理工作的力度，因此，近3年对农村环境治理的投入力度不断加大，年份间静态农村综合环境治理效率的差异化变化较为客观地反映出各年际环境资源的配置效率水平，治理效率波动性变化表明投入及产出因子同样具有周期性差异波动特征。

图1 2005—2018年静态农村综合环境治理效率趋势

3.2 动态农村综合环境治理效率分析

3.2.1 农村综合环境治理效率时间异质性演变分析

2013—2018年黑龙江省13个地级市及地区农村地区技术效率呈波动徘徊趋势（表10），技术效率年际间平均下降1.9%，其中2016—2017年技术效率下降变化程度最大，其下降46.3%，在技术效率变动的结构中受2016—2017年规模效率下降44.5%的影响。技术进步年际间平均下降2.8%，技术效率与技术进步两者变化均呈现负增长。纯技术效率年际间平均上涨1.2%，说明通过相关投入指标能够较为有力地提升各市农村地区的产出能力。规模效率年际间平均下降3.1%，说明在研究期内可以发挥相关投入变量的规模扩张效益促进产出变量的提升。全要素生产率年际间平均下降4.7%，2014—2015年、2015—2016年Malmquist指数出现下降，主要原因是受技术进步下降的影响，其中2015—2016年全要素生产率下降程度最大为39.5%，关键在于全要素生产率变动结构中受2015—2016年技术进步下降67.6%的影响。

表10 13个地级市及地区农村环境治理效率时间演进的Malmquist指数变动与分解

13个地级市及地区2013—2018年农村环境治理的动态效率呈先上升后下降再上升又下降波动变化的时间发展态势，受各年年际间投入资源量的差异性，能够通过测算的效率值变化发现2013—2014年、2016—2018年政府进行投入资源的配置效果是有效地呈上升变化发展。通过Malmquist指数变动与分解可以看出，Malmquist指数增减变动幅度与技术进步变化幅度大致相同（图2），表明全要素生产率变化主要受技术进步变化的影响。

图2 2013—2018年13个地级市及地区农村环境治理效率Malmquist指数变动与分解趋势

3.2.2 农村综合环境治理效率空间异质性演变分析

运用Malmquist指数模型进行效率值测算并利用ArcGIS10.2对黑龙江省13个地级市及地区农村环境治理动态效率进行空间差异分析。为探究13个地级市及地区的区域治理差异，将其分为东、中、西三个区域，其中，东部区域包括佳木斯市、双鸭山市、鸡西市、七台河市，中部区域包括哈尔滨市、鹤岗市、伊春市、牡丹江市、绥化市，西部区域包括齐齐哈尔市、大庆市、黑河市、大兴安岭地区。黑龙江省农村环境治理动态效率的空间变化呈现东西向中部靠拢且整体向中部不断上升的态势，整体动态效率上升幅度为：中部区域＞东部区域＞西部区域（图3）。东部区域的农村环境治理效率整体呈下降变化，且东部区域内各市农村治理效率的差异性较小。东部区域的佳木斯市、双鸭山市、鸡西市等地处三江平原产粮区，是重要的农业生产开发区。中部区域的整体治理效率较高，但区域内各市差异度较大，中部多地地处松嫩平原产粮区，耕地集中成片、土壤肥沃，自然条件极为适合农作物的大面积耕种。西部区域整体农村治理效率水平较低，特别是西北区的大兴安岭地区及黑河市。

图3 13个地级市及地区农村环境治理动态效率空间分布

2013—2018年13个地级市及地区农村环境治理动态效率时空变化测算结果如表11所示，13个地级市及地区2013—2018年农村环境治理的动态效率整体变化呈“V”字型发展，除佳木斯市之外全省其他地区2015—2016年效率变化皆为下降趋势，受近几年黑龙江省加大对农村环境治理的投入，2016—2018年农村环境治理效率变化有了大幅度好转。哈尔滨市、齐齐哈尔市、绥化市作为黑龙江省的重要产粮大区，三地2018年粮食总产量34 269 017.9吨，占全省总粮食产量的45.65%，其中哈尔滨市农村环境治理效率呈波动变化，齐齐哈尔市2016—2018年农村环境治理效率处于较为稳定状态，绥化市农村环境治理效率的变动呈先下降后上升趋势，但三地作为重要的产粮大区，对农业生产的生态环境要求较高，对其环境治理的水平也应进一步提高。黑龙江省西部区域整体的农村环境治理效率呈负增长变化，区域内的重要林区大兴安岭地区和油气藏富集地大庆市作为重要的农工业开发区，加强地区综合开发的过程中应同时关注生态环境保护，不搞以生态环境的破坏为前提的粗放型发展。黑龙江省中部区域地处松花江与嫩江冲积而成的松嫩平原，东部地区地处素以“北大荒”著称的三江平原，其良好的天然地理条件无疑是从事农业生产的天然屏障，为保障三江平原及松嫩平原产粮区的生产环境，该区域环境治理水平的提高得益于近年来政府对农业生产环境的监控与防治。

表11 2013—2018年13个地级市及地区农村环境治理动态效率时空变化

3.2.3 农村综合环境治理效率地区异质性演变比较分析

为进一步探究各重要产粮地农村地区环境治理效率发展的异质性，本文对13个地级市及地区农村地区的环境治理效率Malmquist指数进一步分解，进而分析各地农村环境治理的技术效率变化、技术进步变化、纯技术效率变化及规模效率变化差异，结果如图4～图7所示。2013—2018年黑龙江省13个地级市及地区农村环境治理Malmquist指数变化存在差异。在全要素生产率变化方面，除鹤岗市Malmquist指数上涨1.1%以外，其余市的全要素生产率变化均呈现负增长，其中七台河市全要素生产率的下降幅度最大；双鸭山市、佳木斯市、牡丹江市及绥化市的Malmquist指数分别下降了4.8%、4.6%、1%及3.8%，且主要受技术效率下降的影响；齐齐哈尔市、伊春市、七台河市、黑河市及大兴安岭地区的Malmquist指数分别下降了1.9%、1.8%、10.2%、7.7%及8.2%，且主要受技术进步下降的影响。在技术效率变化方面，鹤岗市与伊春市的技术效率分别上涨0.5%与1.4%，七台河市与大兴安岭地区技术效率的变化较为稳定，其余各市技术效率变化均呈负增长；鹤岗市与伊春市技术效率变动上涨主要由纯技术变化上涨所致，说明鹤岗市与伊春市农村环境治理的投入要素能够达到较高的利用程度；哈尔滨市、齐齐哈尔市、鸡西市、双鸭山市、大庆市、佳木斯市、牡丹江市、黑河市与绥化市技术效率变动下降主要受规模效率变化下降的影响，说明上述各市农村环境治理的投入与产出要素未能达到最优配比状态。

图4 13个地级市及地区的技术效率变化

图7 13个地级市及地区的技术进步变化

4 结论与对策建议

4.1 结论

运用超效率SBM模型对2005—2018年东北产粮区整体静态农村环境治理效率进行测算分析，并运用Malmquist-gis模型对2013—2018年13个地级市及地区的动态农村综合环境治理效率的异质性变化及地区综合效率差异进行分析，通过相应效率值的测算进而反映农业大省农村环境治理中经济系统各项投入的总体运用效果，可为决策者完善产粮区农村环境治理对策提供一定借鉴与参考。通过有关分析，得出如下结论：

图5 13个地级市及地区的纯技术效率变化

图6 13个地级市及地区的规模效率变化

（1）东北产粮区静态农村综合环境治理效率整体较为有效且发展态势整体较为稳定。2005—2018年环境治理效率年均值为0.975，整体各年治理效率值多为DEA有效，仅有3年（2010年、2012年与2016年）为非DEA有效；2005—2018年整体静态农村综合环境治理效率呈现波动徘徊趋势，2005—2011年呈现较为平稳的发展态势，于2012年开始大幅度下降，2012—2015年农村环境治理效率逐年递增，于2016年又开始下降后，2016—2018年呈逐年上涨趋势。

（2）东北产粮区动态农村综合环境治理效率整体呈波动徘徊变化态势。动态环境治理效率的时间发展态势为先上升后下降再上升的波动变化趋势，其空间变化呈现东西向中部靠拢且整体向中部不断上升的发展态势。13个地级市及地区的农村综合环境治理效率Malmquist指数变化在研究期内年际间平均下降4.7%，下降幅度变化最大的是2015—2016年，且各市农村地区的Malmquist指数增减变动幅度与技术进步变化幅度大致相似，表明全要素生产率变化的主要因素是技术进步变化所致。

（3）各地区农村综合环境治理效率变化差距较小且整体呈下降变化趋势，东北产粮区农村综合环境治理效率异质性特征明显。2013—2018年各农村地区综合环境治理效率Malmquist指数变化存在较大差异，除鹤岗市的全要素生产率变化呈上涨1.1%外，其余各地均出现负增长现象，各农村地区经济发展程度与治理效率不完全匹配。各地农村地区环境治理技术效率变动上涨主要受纯技术变化上涨所致，而技术效率变动下降主要受规模效率变化下降的影响。

4.2 对策建议

第一，注重技术创新，提升投入资源的规模效益。通过测算的效率值可以得出全要素生产率下降变化主要受技术进步下降的影响，强化重要产粮农村地区环境治理的技术创新水平及能力是提升全要素生产率的关键，应大力发展秸秆能源化技术、禽畜粪便无害化肥料利用技术及农村垃圾无公害处理技术等，加强对农村环境污染治理科技创新的投入力度，注重农村生产及生活环境污染治理及防控的人才培养。多地农村地区的规模效率变化呈下降趋势，在加大农村环境治理投入的同时不应注重农村环境治理资源的粗放式投入，应过多关注投入要素的规模经济性，实现投入要素的产出效率规模边际最大化。

第二，优化环境治理资源配置，健全城乡环境协同治理机制。进一步加强农村环境治理投入资源的优化配置，改善投入冗余现象，提高投入要素与产出要素间的最优配比关系。针对效率变化值呈负增长的地区应进一步改善治理资源投入的方向及广度。农村环境治理的防治工作与城市相比，起步时间晚且治理强度弱，应加强产粮区农村环境治理要素的科学投入，深化乡村与城市环境治理的协同合作，健全城乡环境协同治理的长效机制，鼓励农村生活垃圾处理、污水处理、农厕升级、农村基础设施建设等环境治理工作通过招标形式支持城乡企业的参与。丰富农村环境治理的融资渠道，积极鼓励社会资本参与[24]。

第三，提高生态治理投入，加强长效监督及管理力度。加强生态环境治理资源投入力度，除注重农村地区水土流失治理、植树造林外，加大对农村地区河流及土壤污染的治理工作，增强生态治理的基础设施建设。在产粮区农村环境治理的过程中要注重建设污染防治的监督及管理机制，建设“官民结合、部门协作、科学把关、数据监控”的监督管理方法，增设农村环境污染防控部门及卫星数据监控站，鼓励农民参与并提升农民对环境污染监管与防治的主体意识。加快推进农村生态人居环境整治工作，推动产粮区农村经济增长与生态环境的统一，实现产粮区农村地区健康、可持续的发展。