我国粮食核心区耕地生态补偿效率测度及影响因素分析

张玉周 ， 马彦瑞

(河南财经政法大学 统计与大数据学院，郑州 450002)

0 引言

粮食核心区耕地的可持续利用不仅能够保障国家粮食安全，而且还具有保持生物多样性、涵养水土等生态服务功能。随着我国工业化、城镇化步伐的加快以及石油农业生产模式的形成，耕地资源过度利用和投入以及生产结构变化带来的土地退化、生态环境恶化等问题，破坏了粮食核心区耕地资源的稳定性，减弱了其生态服务功能，也严重影响了粮食生产的可持续性。自党的十八大提出统筹推进经济建设、政治建设、文化建设、社会建设、生态文明建设“五位一体”总体布局以来，国家不断加大对退耕还林还草、自然生态保护、污染治理等方面的投入力度，生态文明建设成效斐然，耕地资源生态补偿保护也取得一定成效。但部分粮食核心区耕地生态补偿投入与产出明显不匹配，仍存在耕地资源过度利用、耕地质量逐步退化等问题，严重影响了粮食核心区耕地的可持续利用。因此，研究粮食核心区耕地生态补偿效率对促进粮食核心区耕地生态化和可持续利用、确保我国粮食安全和经济社会协调发展具有重要的战略意义。

生态补偿效率概念是20世纪90年代由德国学者S.Schaltegger提出的[1]，随后被众多学者不断应用和发展，成为可持续发展研究的重要工具，其核心内涵是指在既定经济要素和生态要素投入下所能达到的最大生态保护产出。目前，国内外对生态补偿效率的研究主要集中在生态补偿效率标准、测度、相关政策工具及影响因素等方面[2]。P.J.Ferraro 等研究发现,当给定土地所有者生态补偿预算资金时，该项补偿资金所能实现的最大生态保护产出即为生态补偿效率最优[3]。A.Vatn认为,因存在市场失灵，仅靠市场机制并不能实现生态补偿系统供需双方的均衡，还需要采用差异化生态补偿工具提高生态补偿效率[4]。吴水荣等对森林生态补偿政府投入、市场投入和国际组织投入进行了对比分析，并定性评价了其实施效果[5]。沈菊琴等用AHP-CRITIC法评价了南水北调水源地生态补偿绩效，认为补偿政策等级良且偏向优级[6]。田伟等基于低碳视角测算了我国农业生态效率，分析了生产特征、技术条件和社会结构等因素对农业生态效率的影响[7]。崔宁波等对比分析了黑、吉、辽三省耕地生态效率的差异，并构建财政支农、粮食播种面积、政府规制、产业结构等指标体系,分析了耕地生态效率的影响因素[8]。

现有研究为耕地生态补偿效率研究奠定了良好基础，但也存在不足：一是已有对生态效率的研究多集中在水资源、森林、矿产等领域，对农业尤其是针对粮食核心区耕地生态补偿效率研究相对较少；二是已有对农业生态补偿效率的研究对象大多是全国或省域层面，分区域进行比较研究明显不足，而分区域研究更有利于国家基于东北振兴、中部崛起等战略制定针对性的耕地生态补偿政策。鉴于此，本研究运用超效率SBM(slack based measure)模型和固定效应模型从整体和区域两个视角分别对粮食核心区耕地生态补偿效率及影响因素进行分析，并提出对策建议，以期为我国粮食核心区耕地生态补偿效率的提升和可持续发展提供科学参考。

1 研究对象、研究方法与数据来源

1.1 研究对象

本研究以全国13个粮食核心区省份即吉林、黑龙江、辽宁、河北、内蒙古、江苏、安徽、江西、山东、河南、湖北、湖南、四川为研究对象。同时考虑到东北地区、黄淮海地区和长江流域是粮食核心区的主要聚集地[9]，农耕、流域、地理、经济、生态等的异质性使其耕地生态补偿效率具有明显的区域特征，为便于分析比较不同区域耕地生态补偿效率的演变趋势，参照国务院“十四五”优化农业生产布局区域划分，将13个粮食核心区省份划分为东北地区(吉林、黑龙江、辽宁)、黄淮海地区(河北、河南、山东、内蒙古(1)内蒙古在我国区域划分中属于华北地区，还是黄河流域的粮食主产区，本研究将内蒙古纳入农业产业布局中的黄淮海地区。)和长江流域(江苏、安徽、江西、湖北、湖南、四川)三大区域，对比分析粮食核心区耕地生态补偿效率区域演变特征。

1.2 研究方法

1.2.1超效率SBM模型。在特定生产技术条件下，不同的投入往往能够得到不同的产出，而最优的产出水平才能形成产出的前沿面。生产前沿面的实现程度即为投入产出效率，研究生产效率需要同时考虑期望产出和非期望产出，决策时希望得到最大的期望产出和最小的非期望产出[10]。数据包络分析方法DEA(data envelopment analysis)是一种非参数效率评价方法，适用于处理多个投入产出指标的决策单元。传统DEA模型基于径向和角度的考量，未考虑投入产出冗余和松弛问题，导致决策单元的效率值偏高[11]。而且传统DEA模型在评价决策单元时效率上限为1，即值为1时决策单元有效，值小于1时决策单元无效。这就会出现多个决策单元均处在生产前沿面的问题，也就是对效率值均为1的生产前沿面不能加以区别。K.Tone改进了传统DEA，提出了基于非径向、非角度的SBM方向性距离函数[12]。在一定的条件下，耕地生态补偿投入和产出间的正向关系使投入/产出存在生产前沿面的可能[13]。随着农田修复、土地生态修复和补偿资金等要素的投入，人们希望得到的经济价值和社会价值(期望产出)达到最大化，同时造成的污染(非期望产出)最小化，即实现耕地生态补偿效率最大化[14]。因此，本研究运用超效率SBM模型分析粮食核心区耕地生态补偿效率变化趋势。耕地生态补偿效率指数公式如下[15]：

式中：GML为粮食核心区耕地生态补偿效率指数;t为时期；DG为规模报酬可变的SBM方向性距离函数;x，y，b分别为投入、期望产出和非期望产出集。GML>1，表明生态补偿效率提高；GML<1，表明生态补偿效率下降；GML=1，表明生态补偿效率没有发生变化。GML指数可分解为技术效率和技术进步两部分的乘积[16]：GMLt,t+1=ECt,t+1×TCt,t+1。式中：EC为技术效率变化；TC为技术进步变化。若EC>1表明技术效率提高，EC<1表明技术效率降低，EC=1表明技术效率无变化；若TC>1表明技术进步前进，TC<1表明技术进步后退；TC=1表明技术进步无变化[17]。

1.2.2面板数据模型。面板数据是指在某时间段内对同一组个体进行跟踪的数据，包括截面和时序2个维度。面板数据模型在一定程度上能规避变量遗漏问题，提高估计的精度，获得更多的动态信息。因此，运用面板数据模型对13个粮食核心区整体和东北地区、黄淮海地区和长江流域三大区域耕地生态补偿效率的影响因素进行分析。考虑到需要控制未观测到的潜在变量对耕地生态补偿效率影响的截面异质效应(如自然因素、区位特质因素)，并减少多重共线性和消除单位不同的影响，对各影响因素取对数。模型如下：

式中：GMLit为i省份t时期的耕地生态补偿效率；βj为第j个影响因素的估计系数；Xjit为i省份t时期第j个影响因素；μi为i省份的固定效应；εit为随机误差项。

1.3 数据来源

数据来源于2009—2021年的《中国统计年鉴》《中国环境统计年鉴》《中国财政统计年鉴》。运用Max DEA软件对13个粮食核心区省份及东北地区、黄淮海地区和长江流域三大区域相关数据进行测算。

2 耕地生态补偿效率变化分析

2.1 指标选取

耕地生态补偿效率投入产出指标的选取需综合考虑生态修复、经济社会、环境污染等多种因素，结合数据的可获得性，本研究拟从投入(生态修复)、期望产出和非期望产出3个层次构建耕地生态补偿效率指标体系[18]。粮食核心区耕地生态补偿效率指标体系见表1。

表1 粮食核心区耕地生态补偿效率指标体系

2.2 粮食核心区耕地生态补偿效率总体分析

2008—2020年我国粮食核心区耕地生态补偿效率整体呈波动上升趋势(图1)。粮食核心区耕地生态补偿效率变化从2008年的0.958，逐步提高到2020年的1.076，年均值为1.021，均大于1，表明生态补偿效率整体上有所提升，其中2013年耕地生态补偿效率提升最为明显,达到1.092。主要是近年来我国相继出台促进农业绿色发展、加强耕地保护、加大生态环境投入等一系列支持政策，如2013年中央一号文件明确提出“加大财政资金投入，不断强化农业补贴政策,完善粮食主产区利益补偿、耕地保护和生态补偿办法，加大重大生态修复工程实施力度”，使得绿色发展理念深入人心，加之农业科技水平不断提高，地方政府也更加重视对耕地资源的可持续开发利用，多种政策因素叠加促进了粮食主产区耕地生态补偿效率的提升。

图1 2008—2020年粮食核心区耕地生态补偿效率、技术效率、技术进步变化

从粮食核心区耕地生态补偿效率分解看，技术效率和技术进步均在波动中不断上升。2008—2020年粮食核心区耕地生态补偿效率中技术效率从2008年的0.947提高到2020年的1.001，年均值为0.999，小于1,表明技术效率贡献度有所降低。2020年技术效率较2019年大幅下降的原因是2020年我国农业科技转化与推广财政投入比2019年减少了55.6亿元，同比下降24.4%，叠加农业科技供给与需求脱节，新技术未能有效降低生产成本及技术推广效用较低。技术进步从2008年的 0.999提高到2020年的1.075，年均值为1.023，大于1，表明技术进步贡献度有所提升。粮食核心区耕地生态补偿技术效率、技术进步与生态补偿效率的变化趋势基本一致，略有差异主要是相关政策效果滞后引起。

2.3 粮食核心区耕地生态补偿效率区域分析

2008—2020年东北地区、黄淮海地区和长江流域耕地生态补偿效率整体上均呈波动上升态势(图2)。其中2013年东北地区和黄淮海地区生态补偿效率提高明显，主要是当年中央一号文件关于加大粮食主产区投入和利益补偿等政策红利带动，与上述总体效应分析基本一致。东北地区耕地生态补偿效率从2008年的1.026，提高到2020年的1.148，年均值为1.018，大于1，表明生态补偿效率有所提高，其中黑龙江、吉林、辽宁均大于1；黄淮海地区耕地生态补偿效率从2008年的0.981，提高到2020年的1.058，均值为1.006，大于1，表明生态补偿效率有所提高，其中内蒙古和河南大于1，但河北和山东小于1；长江流域耕地生态补偿效率由2008年的0.908提高到2020年的1.053，但年均值为0.948，小于1，表明生态补偿效率有所下降，其中江苏、安徽、湖北、四川大于1，湖南和江西小于1。

图2 2008—2020年分区耕地生态补偿效率变化

区域耕地生态补偿效率内部分解情况，三大区域耕地生态补偿技术效率和技术进步均呈波动增长特征(图3)。从生态补偿技术效率看，东北地区、黄淮海地区、长江流域年均值分别为0.999，0.997，0.960，均小于1，表明三大区域生态补偿技术效率贡献度均有所下降，但各区域内省份间技术效率差异明显，黄淮海地区的河南及长江流域的江苏、安徽、湖南、湖北大于1，其余省份均小于1。从生态补偿技术进步看，东北地区年均值为1.024，大于1，表明技术进步贡献度持续提升，其中吉林、黑龙江、辽宁均大于1；黄淮海地区年均值为1.010，大于1，表明技术进步贡献度有所提升，其中河南、内蒙古大于1，河北、山东小于1；长江流域年均值为0.987，小于1，表明技术进步贡献度下降，其中安徽、江苏、江西、四川大于1，湖北、湖南小于1。

3 影响因素分析

3.1 指标构成

粮食生产核心区承担保障国家粮食安全的重任决定了其耕地生态补偿效率影响因素具有特殊性，其投入产出不仅包括资金、劳动力、土地等直接投入的影响，还包括与耕地生态补偿相关中间投入以及经济社会发展水平等因素的影响。粮食核心区粮食生产能力、经济社会及生态环境协调发展要求，决定了耕地生态补偿投入的必要性，耕地资源生态补偿投入直接影响耕地生态环境质量，耕地生态环境质量状况又对粮食生产能力、经济社会及生态环境产生反作用。参考时润哲等[19]、王宝义等[20]的研究，从粮食生产能力、经济社会发展和生态环境3个维度[21]构建影响粮食核心区耕地生态补偿效率指标体系：粮食生产能力用耕地面积反映，经济社会发展用人均GDP、城镇化率和第一产业从业人员和机械总动力反映，生态环境用人均耕地资源禀赋反映。

图3 2008—2020年分区耕地生态补偿技术效率、技术进步变化

3.2 结果与分析

运用面板数据模型进行估计时，需要确定选用固定效应模型、随机效应模型还是混合效应模型。粮食核心区总体和东北地区、黄淮海地区、长江流域进行面板回归的F统计量分别为12.812，2.350，19.674，25.325，分别在10%，10%，5%，1%水平上显著，拒绝混合效应模型；进一步采用Hausman检验，其统计量分别为27.830，3.121，16.547，35.650，分别在5%，10%，1%，1%水平上显著，拒绝随机效应模型。因此，适合选择用固定效应模型进行分析。

粮食核心区总体估计结果显示，人均GDP和人均耕地资源禀赋在10%水平上显著，参数估计分别为0.158和0.049，表明人均GDP和人均耕地资源禀赋对耕地生态补偿效率具有正效应，且人均GDP是提升粮食核心区耕地生态补偿效率的主要因素。

分区域来看，东北地区的人均GDP在10%水平上显著，参数估计为0.384，表明人均GDP对耕地生态补偿效率存在正效应。黄淮海地区人均GDP和人均耕地资源禀赋、耕地面积、城镇化率分别在5%，10%水平上显著，其参数估计分别为0.217和0.052，-0.231，-0.466，表明人均GDP、人均耕地资源禀赋对耕地生态补偿效率存在正效应，且人均GDP的影响大于人均耕地资源禀赋；耕地面积与生态补偿效率存在负效应，即耕地面积增长1%，生态补偿效率降低0.231，这可能是因为耕地面积增加，需要投入更多补偿以维护生态环境；城镇化率对生态补偿效率存在负效应，城镇化率增长1%，生态补偿效率降低0.466。长江流域的人均GDP、人均耕地资源禀赋分别在10%，5%水平上显著，其参数估计分别为0.128和0.033，表明长江流域的人均GDP、人均耕地资源禀赋对耕地生态补偿效率存在正效应，与黄淮海地区相似，人均GDP的影响大于人均耕地资源禀赋。

三大区域人均GDP对耕地生态补偿效率的影响程度由大到小依次为东北地区、黄淮海地区、长江流域，与三大区域当前经济发展水平刚好相反，可能是因为近年来东北地区产业结构失衡、经济转型缓慢及人才流失严重使得经济发展相对滞后，对耕地生态补偿投入相对不足，耕地生态补偿边际效率较高，而长江流域基本都属于经济强省，对耕地生态补偿投入较多，生态环境较好，耕地生态补偿边际效率逐步递减。三大区域中仅有东北地区人均耕地资源禀赋对耕地生态补偿效率无显著性影响，可能是近年来东北三省在东北振兴战略驱动下工业服务业发展较快、农业发展相对滞后、农业生产基本资料更新较为缓慢导致。三大区域中仅有黄淮海地区城镇化率对耕地生态补偿效率影响显著，可能是因为该区域城镇化水平相对较低[22]，城镇化进程逐步推进在一定程度上对生态环境的改善形成了制约。

4 结论与建议

4.1 结论

(1)我国粮食核心区耕地生态补偿效率、技术效率和技术进步整体均在波动中呈上升趋势。东北地区、黄淮海地区生态补偿效率有所提高，但长江流域则有所下降。三大区域生态补偿技术效率的贡献度均有所下降，东北地区和黄淮海地区技术进步贡献度有所提高，长江流域技术进步贡献度则有所下降，三大区域内省份间技术效率和技术进步贡献度均呈现明显差异化特征。

(2)粮食核心区耕地生态补偿效率影响因素分析表明，人均GDP和人均耕地资源禀赋对粮食核心区耕地生态补偿效率有正效应，且人均GDP水平是提升耕地生态补偿效率的最重要因素。

(3)粮食核心区耕地生态补偿效率影响因素区域间差异较大。人均GDP是提升东北地区耕地生态补偿效率的主要因素；人均GDP和人均耕地资源禀赋对黄淮海地区耕地生态补偿效率均具有正效应，耕地面积、城镇化率对黄淮海地区耕地生态补偿效率具有负效应；人均GDP和人均耕地资源禀赋对长江流域耕地生态补偿具有正效应。人均GDP对区域间耕地生态补偿效率的影响程度由大到小依次为东北地区、黄淮海地区、长江流域。

4.2 建议

(1)粮食核心区耕地生态补偿效率存在长期向好倾向，技术效率和技术进步是耕地生态补偿效率提升的关键。各地区应按照“藏粮于地、藏粮于技”的要求，持续增加对退耕还林还草、风沙荒漠治理、自然生态保护等方面的投入，加强绿色技术在耕地利用过程中的应用，建立健全农业生产绿色科技创新成果推广体系，不断提高技术效率和技术进步对提升粮食核心区耕地生态补偿效率的贡献度。

(2)人均GDP是影响粮食核心区生态补偿效率的主要因素，各地区应贯彻落实“创新、协调、绿色、开放、共享”新发展理念，破解发展难题、增强发展动力、厚植发展优势，在构建新发展格局中努力推进经济高质量发展，为粮食核心区耕地生态补偿效率提升奠定坚实基础。

(3)粮食核心区耕地生态补偿效率的影响因素区域间差异较大，各区域应按照资源禀赋、区位发展特征和经济社会发展水平，因地制宜制定差异化的耕地生态补偿效率提升对策。东北地区应利用东北振兴政策机遇，聚焦经济建设中心，打好发展组合拳，努力推动东北全面振兴。黄淮海地区应统筹推进城镇化进程与耕地生态保护，加强人才和技术等要素的跨区域流动，学习借鉴耕地生态补偿效率先进省份的成功经验，促进耕地生态补偿效率的提升。长江流域应在保护好耕地生态环境前提下，持续推进农业生态技术创新，强化对临近地区的辐射带动作用。