黄河流域农业生态效率评价与比较分析

王东波 张海莹 宋保胜

摘 要：黄河流域是我国重要的粮食和农产品生产基地，但生态环境脆弱，黄河流域农业生态效率评价有利于保障粮食安全、保护生态环境、促进农业高质量发展。该研究基于2010—2019年黄河流域9省份的农业生产面板数据，运用固定规模收益模型和可变规模收益模型对黄河流域9省份的农业生态效率进行分析评价，结果表明，四川、陕西和青海的农业生态效率处于有效状态，山东、甘肃、宁夏、河南、山西和内蒙的农业生态效率处于无效状态。在分析规模效率和纯技术效率基础上，分析了农业生态效率无效省份农业投入指标的松弛状况和冗余程度，揭示了这些省份从农业生态效率无效状态达到农业生态效率有效状态的方向和路径。

关键词：黄河流域;农业生态效率;评价;DEA

中图分类号 F323.21 文献标识码 A 文章编号 1007-7731（2022）02-0141-04

Abstract： The Yellow River Basin is an important production base for food and agricultural products in my country， but the ecological environment is very fragile. The evaluation of agricultural ecological efficiency in the Yellow River Basin is conducive to ensuring food security， protecting the ecological environment， and promoting high-quality agricultural development. Based on the agricultural production panel data of 9 provinces in the Yellow River Basin from 2010 to 2019， this paper uses the fixed scale return model and the variable scale return model to analyze and evaluate the agricultural ecological efficiency of the Yellow River Basin. The results found that the agro-ecological efficiency in Sichuan， Shaanxi and Qinghai is in an effective state， while the agro-ecological efficiency in Shandong， Gansu， Ningxia， Henan， Shanxi and Inner Mongolia is in an ineffective state. Based on the analysis of scale efficiency and pure technical efficiency， the slackness and redundancy of agricultural input indicators in provinces with ineffective agricultural ecological efficiency are analyzed， and the direction and path of these provinces from ineffective agricultural ecological efficiency to effective agricultural ecological efficiency are revealed.Key words： agro-ecological efficiency， the Yellow River Basin， evaluation， DEA.

Key words： The Yellow River Basin; Agro-ecological efficiency; Evaluation; DEA

習总书记在黄河流域考察时指出“黄河宁，天下平”，要对黄河进行综合、系统、源头治理，推动黄河流域生态环境保护和高质量发展。黄河流经青海、四川、甘肃、宁夏、内蒙、陕西、山西、河南、山东9省区，占全国国土面积的30%。黄河流域横穿河套平原、汾渭平原和华北平原，是我国重要的粮食和农产品生产基地。2019年黄河流域各省份粮食总产量为23437.6万t，占全国粮食总产量的30%，其中河南、山东、内蒙、四川4个国家粮食主产省区实现粮食产量19203.40万t，占流域粮食总产量的81.93%，占全国粮食总产量的28.90%。黄河流域生态环境脆弱，上游区域涵养水源的功能在减退，中游区域水土流失多发，下游区域土地的盐碱化程度等问题日趋严重。关注农业生产资源消耗与污染物排放，加强农业面源污染防治，实现农业发展与生态环境保护协同耦合是黄河流域未来发展的必然趋势。黄河流域农业生态效率评价有利于保障粮食安全、保护生态环境、促进农业高质量发展。

农业生态效率（Agricultural Eco-Efficiency，AEE），是在保证一定农业产出的前提下，尽量减少农业生产要素投入和资源消耗，尽可能降低对生态环境的污染破坏[1]，其基本内涵是以较少的农业资源投入和环境污染破坏，获得较多的农业产出。目前关于农业生态效率的评价研究主要集中于评价指标体系的构建[2-5]和数理模型的实证分析[6-7]，评价方法有生态足迹法[8]、随机前沿法[9]、层次分析法[10]等。已有研究多以全国、省域、或农业发达区域为研究对象[11-12]，从流域视角研究农业生态效率的文献不多见[13]。本研究以黄河流域9省份为对象，基于2010—2019年农业生产面板数据，运用数据包络分析法对黄河流域农业生态效率进行分析评价。

1 数据包络分析法

数据包络分析法（Difference Exponential Average，DEA）[14]，根据多项投入指标和多项产出指标，利用线性规划的方法，将相同类型且具有可比性的决策单元进行评价。DEA方法的基本原理为：设有n个待评价决策单元DMUj（j=1，2，……n），它们的投入与产出向量分别为：Xj=（x1j，x2j，x3j…xmj）T>0，Yj=（y1j，y2j，y3j…ysj）T>0，j=1…n。决策单元表示的是在一定投入指标确定的状况下得到最优产出的最小能力。由于在生产过程中各种投入和产出的地位和作用各不相同，因此，就需要对决策单元的投入与产出进行综合评价。分别赋予每个投入和产出恰当的权重，假设投入、产出的权向量分别为V=（v1，v2，v3…vm）T和U=（u1，u2，u3…us）T，Xij表示第j个决策单元对第i种类型投入的总量，Yrj表示第j个决策单元对第r种类型产出的总量，Vi表示第i种类型投入的度量（权系数），Ur表示第r种类型产出的度量（权系数），从而获得如下的模型：

[hj=uTYjVTXj=r=1svrYrji=1mviXij，（j=1，2，…n）]表示的是第j个决策单元的效率评价指数。

为全面了解黄河流域各省份的农业生态效率，本文将固定规模收益模型（DEA-CRS）和可变规模收益模型（DEA-VRS）相结合，分别计算各决策单元的综合技术效率、规模效率和纯技术效率。综合技术效率（TE）综合评价各个决策单元配置和利用资源等各个方面的能力[15]，可以表示为最优产量与实际产量之间的比值。综合技术效率是由纯技术效率（PTE）和规模效率（SE）组成的，可以表示为规模效率与纯技术效率相乘等于综合技术效率。其中，纯技术效率表示的是决策单元的投入与产出之间的关系，指一定投入规模不变情况下产出的效率。规模效率主要测算的是决策单元实际生产规模与达到最优生产规模的差距[16]，相差越小，则表示规模效益越高。

DEA-CRS模型见公式1：

[minθ-ε（j=1ms-+j=1rs+）=vd（ε）]

[s.t.j=1nxjλj+s-=θx0]

[i=1nyjλj-s+=y0]

[λj≥0， s+≥0， s-≥0]

式1中，θ是属于（0，1）的标量，即决策单元（[DMUj]）的综合效率值;[λj、s+、s-]它们都是变量分别表示的权重、剩余、松弛;单位空间向量是êT和eT。一般θ≤1，意味着该决策单元综合技术效率尚未达到有效;而θ值越靠近于1，则表明综合技术越有效，并且位于路径前沿上。如果要得到VRS模型，可以在CRS模型中加入[j=1nλj=1]得到。见公式2：

[Maxhkr=1surYrk-u0]

[s.t.t=1mvtXik=1]

[r=1surYrk-t=1mvtXij≤0， j=1，…， n]

[ur， vi>0， r=1，…， s， i=1，…， m]

通过DEA-CRS模型和DEA-VRS模型对同一组数据进行计算，如果决策单元的综合技术效率值为1，就表示这一DMU是DEA有效的。反之，当决策單元的综合技术效率的值小于1，则表示该决策单元的是DEA无效的，此时，可以调整产出项和投入项，对农业生态效率进行优化，使之达到有效。如果测算的纯技术效率等于1，表示在目前的投入产出技术水平基础上，其资源使用是效率高且有效的，未能达到综合技术效率有效原因在于规模效益无效。因此，我们可以对规模效益进行调整使之有效。具体情形如下：如果决策单元的综合技术效率小于纯技术效率，说明规模效率小于1，该决策单元为规模无效。在决策单元规模无效的情况下，可利用非递增规模收益（NIRS）模型确定决策单元所处的规模收益阶段[5]，对规模进行调整。如果该决策单元处于规模收益递减阶段，说明投入每增加一定比例，产出会降低相应的比例;反之，如果该决策单元处于规模收益递增阶段，说明投入每增加一定比例，产出也会增加相应的比例。

2 实证分析

2.1 指标选取 选取农作物的播种面积、农用塑料膜使用量、化肥污染量、有效灌溉面积、机械总动力、农药污染量作为投入指标，选取农业生产总产值作为产出指标，见下表1。基础数据主要从2010—2019年的《中国农村统计年鉴》和《中国统计年鉴》等公开资料中获取。

2.2 农业生态效率评价 本研究采用DEAPVersion2.1软件，基于DEA-CRS和DEA-VRS模型对2010—2019年黄河流域9省份的农业生态效率进行测算。具体计算结果见下表2。

结果表明，综合技术效率的平均值为0.792，未达到1，说明黄河流域9省份的农业生态效率整体处于无效状态。综合技术效率按从大到小排列，依次为四川、陕西、青海、山东、甘肃、宁夏、河南、山西和内蒙。其中综合技术效率都等于1为四川、陕西和青海3个省份，说明该三省农业生态效率处于有效状态，占总样本数的33.3%;山东、甘肃、宁夏、河南、山西和内蒙6省份的综合技术效率分别为0.859、0.785、0.738、0.666、0.615和0.468，均小于1，未达到农业生态效率有效，占总样本数的66.6%，说明这些地区在农业生产过程中有不同程度的损失。

纯技术效率的平均值为0.883，未达到1，说明黄河流域9省份的农业投入指标整体存在松弛和冗余状况。将九省份的纯技术效率从大到小依次排列，为山东、河南、四川、陕西、青海、宁夏、甘肃、山西和内蒙。其中山东、四川、陕西、宁夏和河南5省份的纯技术效率为1，说明这些省份在一定规模上农业投入与农业产出基本协调，不存在投入松弛和冗余;宁夏、甘肃、山西和内蒙4省份的纯技术效率分别为0.959、0.785、0.725和0.469，均小于1，说明这些省份的农业投入与农业产出不相适应，在农业要素投入上存在投入松弛和冗余状况。

规模效率的平均值为0.904，未达到1，说明黄河流域9省份的实际规模产出效益与预计的最优规模产出效益存在差距。规模效率按从大到小排列，依次为四川、陕西、青海、内蒙、甘肃、山东、山西、宁夏和河南。其中四川、陕西和青海规模效率为1，说明这些省份农业产出达到了最优规模效益;内蒙、甘肃、山东、山西、宁夏和河南规模效率分别为0.997、0.995、0.859、0.847、0.769和0.666，小于1，说明这些省份农业实际规模效益与最优规模效益有不同程度的差距。进一步分析发现，山西和宁夏属于规模报酬递增，说明适当增加一定比例的农业投入能够获得更高比例的农业产出，这些省份应继续维持规模效益递增状态。然而内蒙、山东、河南和甘肃属于规模报酬递减的情况，说明增加一定比例的农业投入只能获得更小比例的产出。

2.3 投入指标的松弛状况和冗余程度 DEA模型可以分析农业生态效率无效省份投入指标的松弛状况，根据松弛状况来调节相应投入指标，可以使无效省份达到生态效率有效。2010—2019年黄河流域农业生态效率无效省份投入指标的松弛状况见表3。结果发现，在农业生态效率无效的山东、甘肃、宁夏、河南、山西和内蒙6省份中，甘肃、宁夏、山西、内蒙4省份的投入指标存在松弛。具体来看，在农作物播种面积、农膜使用量和有效灌溉面积投入指标上需要做出调整的省份有4个，分别是甘肃、宁夏、山西和内蒙，占比44.40%;在化肥施用量投入指标上需要做出调整的省份有2个，分别是宁夏和山西，占比22.2%;在农药使用量投入指标上需要做出调整的省份有3个，分别是甘肃、宁夏和山西，占比33.3%;在农作物机械动力投入指标上需要做出调整的省份有2个，分别是甘肃和内蒙，占比22.2%。

在分析农业生态效率无效省份投入指标松弛状况的基础上，采用DEA模型进一步分析了需要调整的甘肃、宁夏、山西、内蒙4省份投入指标的冗余程度，结果见表4。甘肃在农膜、农药和土地投入上的冗余量最高，分别为81567.945、19718.241和807.469，其次是机械动力、灌溉投入，冗余量分别为111.172和104.199;宁夏在农膜投入上的冗余量为4737.378，其次是土地和灌溉投入，冗余量分别为315.314和232.201;山西在农膜和农药投入上的冗余量最高，分别为15081.211和13343.923，其次是土地和灌溉投入，冗余量分别为807.271和530.734;内蒙在农膜投入上的冗余量最高，为4496.518，其次是土地和灌溉投入，冗余量分别为903.225和474.952。

3 结论

（1）2010—2019年，黄河流域9省份农业生态效率的平均值为0.792，整体处于无效状态。其中，四川、陕西和青海的综合效率值达到1，处于农业生态效率有效状态;山东、甘肃、宁夏、河南、山西和内蒙6省份的综合效率值未达到1，处于农业生态效率无效状况。

（2）在6个农业生态效率无效省份中，山西和宁夏处于规模报酬递增状态，内蒙、山东、甘肃和河南和甘肃处于规模报酬递减状态，农业产出与最优产出之间存在差距。

（3）在6个农业生态效率无效省份中，甘肃、宁夏、山西、内蒙4省份的农业投入指标存在松弛和冗余。其中，甘肃在农膜和农药上的投入冗余量最高，宁夏在农膜投入上的冗余量最高，山西在农膜和农药投入上的冗余量最高，内蒙在农膜投入上的冗余量最高。

4 讨论

考虑农作物复种，本文选取农作物播种面积代替耕地面积作为土地投入指标，农作物播种面积更能反映农作物生产中实际投入的土地数量。其次，由于数据的可获取性，本文仅将污染因素纳入非期望产出中，未考虑农业碳排放，因此，农业生产活动对环境的影响被低估了，尤其是河南、山东等农业大省，计算的农业产出结果可能偏小。另外，黄河流域各省份的农作物种植结构、污染物累积程度以及资源禀赋，也是影响农业生态效率出现差异的重要因素。

参考文献

[1]Schaltegger S，SturmA.Ökologische Rationalität[J].Die Unternehmung，1990，44（4）：273-290.

[2]任紅霞.基于DEA模型的农业生态效率综合测度[J].统计与决策，2019，35（06）：99-103.

[3]崔叶辰，韩亚丽，吕宁夏，等.基于超效率SBM模型的农业生态效率测度[J].统计与决策，2020，36（21）：87-90.

[4]方永丽，曾小龙.中国省际农业生态效率评价及其改进路径分析[J].农业资源与环境学报，2021，38（01）：135-142.

[5]白世秀，王宇.我国农业生态效率评价及DEA分析[J].江苏农业科学，2019，47（7）：328-332.

[6]蒋璟，曹月娥，赵珮珮，等.新疆伊犁州农业生态效率时空差异探究——基于超效率非期望SBM模型和Malmquist指数[J].西北师范大学学报（自然科学版），2021，57（02）：101-109.

[7]陈菁泉，信猛，马晓君，等.中国农业生态效率测度与驱动因素[J].中国环境科学，2020，40（07）：3216-3227.

[8]史丹，王俊杰.基于生态足迹的中国生态压力与生态效率测度与评价[J].中国工业经济，2016（05）：5-21.

[9]岳慧丽，诸叶平，雪燕，等.基于随机前沿分析方法的河北县域农业技术效率及影响因素研究[J].江苏农业科学，2014，42（09）：423-427.

[10]吴小庆，王亚平，何丽梅，等.基于AHP 和DEA模型的农业生态效率评价——以无锡市为例[J].长江流域资源与环境， 2012，21（6）：714-719.

[11]郭晓佳，周荣，李京忠，等.黄河流域农业资源环境效率时空演化特征及影响因素[J].生态与农村环境学报，2021，37（03）：332-340.

[12]尚杰，吉雪强，陈玺名.中国城镇化对农业生态效率的影响——基于中国13个粮食主产区2009—2018年面板数据[J].中国生态农业学报，2020，28（08）：1265-1276.

[13]洪名勇，郑丽楠.中国农业生态效率的区域差异及时空特征研究[J].统计与决策，2020，36（08）：56-61.

[14]黄敦平，刘子杰.黄河流域生态效率测度与提升对策[J].山西大同大学学报（社会科学版），2021，35（01）：113-116+120.

[15]田姣.马铃薯主粮化战略背景下四四川马铃薯种植户生产效率及种植意愿研究[D].成都：四川农业大学，2018.

[16]曹琦.2005～2012年我国各地区能源效率的DEA测算及其影响因素的面板计量研究[A].中国数量经济学会、福建师范大学.21世纪数量经济学（第16卷）[C].中国数量经济学会、福建师范大学：中国数量经济学会，2015：23.

[17]潘丹，应瑞瑶.中国农业生态效率评价方法与实证——基于非期望产出的SBM模型分析[J].生态学报，2013，33（12）：3837-3845.

[18]王宝义，张卫国.中国农业生态效率的省际差异和影响因素——基于1996—2015年31个省份的面板数据分析[J].中国农村经济，2018（01）：46-62. （责编：王慧晴）