生产环节外包与农业环境技术效率的“U”型关系

畅倩 蔡瑜 赵敏娟

摘 要：生产环节外包已成为中国农业无法逆转的发展趋势，研判生产环节外包与农业环境技术效率的关系对于保障中国粮食安全、促进农业高质量发展具有重要意义。将农业面源污染与农业碳排放纳入非期望产出的核算框架，运用SBM-Undesirable模型和中国粮食主产区1 208户农户的实地调研数据测算农业环境技术效率，并剖析生产环节外包对农业环境技术效率的非线性影响及机理。研究结果表明：（1）中国粮食主产区的农业环境技术效率均值略高于“及格线”水平，不同地区与不同作物的农业环境技术效率存在差异。（2）总体来看，生产环节外包与农业环境技术效率之间存在稳健的“U”型关系;分区域、分作物的研究结果也大多肯定了“U”型关系的成立，但对于湖南地区和小麦生产而言，上述“U”型关系并不明显，且聚焦玉米生产，生产环节外包与农业环境技术效率之间仅表现出显著的负向线性关系。目前，农业生产环节外包在一定程度上呈现出违背农业绿色发展的现象，相关政府部门仍需加强对提高农业环境技术效率的重视，并助推中国粮食生产跨越生产环节外包引发的农业环境技术效率低谷。

关键词：粮食安全;农业环境技术效率;生产环节外包;SBM-Undesirable模型

中图分类号：F323.2 文献标志码：A 文章编号：1009-9107（2023）02-0138-13

收稿日期：2022-07-12DOI：10.13968/j.cnki.1009-9107.2023.02.15

基金项目：国家自然科学基金面上项目（72173097）;国家自然科学基金应急管理项目（72141006）

作者简介：畅倩，女，四川农业大学管理学院副教授，主要研究方向为农业经济与管理。

引 言

随着可持续发展理念的深入贯彻和落实，中国农业已不再局限于资源刚性约束下确保农产品基本供需平衡，而是充分考虑资源承载能力以及可能导致的环境问题，致力于资源节约、环境保护与经济增长的统筹协调。这就要求，从投入到产出的整个农业生产过程不仅要遵循经济效率原则，优化资源配置、实现产出最大化，也要推崇环境友好的生产经营方式，防控生产过程中的环境污染，从而实现农业综合生产能力的全面提升，即农业环境技术效率的增长。

近些年，学术界对农业环境技术效率的研究进展加速，理论内涵已基本形成共识，评价方法也愈加科学合理。就农业环境技术效率的驱动因素而言，有越来越多的学者关注了环境规制政策、城镇化、人力资本等的影响^［1-4］，在一定程度上解释了农业环境技术效率不高的原因，但仍未发现短期内可促进农业环境技术效率提升的可行路径^［5］。另外，基于农户微观视角考察农业环境技术效率提升路径的研究还比较少，忽视了农业环境技术效率提升的微观基础。实践发现面对日益高涨的劳动力成本和日渐萎缩的传统农业，立足中国农业经营规模小、土地细碎化程度高、气候灾害影响严重、农户兼业普遍等农业发展现状，中国农民自发形成了以农机服务为主、雇工为辅的农业生产服务外包购买模式。

本文采用克服徑向缺陷和角度缺陷的SBM-Undesirable模型对中国粮食主产区1 208户农户的农业环境技术效率水平进行测度，在研判中国粮食主产区真实发展情况的基础上，结合理论分析与实证检验，系统评估生产环节外包的服务成效。同时，剖析并验证生产环节外包对农业环境技术效率的非线性影响，拓展外包与农业效率的关系研究。本研究对更全面地解释生产环节外包与农业效率的关系、研判当前农业生产性服务推广的适宜性有重要意义。

一、文献综述与研究假说

古典经济增长理论强调了分工对生产效率提升的作用，新经济增长理论肯定了技术进步在提高生产效率中的贡献。可见，分工深化与技术进步是促进生产效率提升的关键。生产环节外包作为技术创新中管理创新的“软技术进步”，是专业化分工在农业生产中特有的运用方式^［6］，理论上可通过为农业生产经营提供先进的管理方法和手段、推动分工深化与生产专业化的方式提升农业生产效率、推动农业经济稳步增长。大量学者就此展开了分析和检验，基本证实了生产环节外包能促进农业传统生产效率提升的观点^［7-8］。农业环境技术效率涵盖农业要素投入、农业产出以及生态环境影响三方面内容，纳入了环境因素的生产效率，反映了考虑资源环境代价的真实生产绩效和农业绿色可持续发展水平同样可能与生产环节外包密切相关。中国引入环境技术效率并将其应用于农业领域的研究历程相对较短，关于生产环节外包与农业环境技术效率关系的研究还不多。

一方面，部分学者认为生产环节外包可能促进农业环境技术效率的提升。首先，生产环节外包可以弥补农业经营中的劳动力不足^［9］，促进机械替代劳动，从而突破原有的资源禀赋限制，更好地发挥不同主体的比较优势^［10］。有助于缓解劳动力短缺导致的化肥、农药过量施用问题^［11］;有利于降低农业生产成本、促进粮食增产、提高农业产出^［12］。其次，生产环节外包可以通过服务规模经营，获得分工效益、实现迂回生产^［13］，进而内生出服务规模经济与范围经济^［14］，提升农业资源配置和组织管理效率^［15］，促使农业生产经营中投入的资源和要素达到最优组合，降低农业生产成本与环境污染^［16］。再次，生产环节外包作为先进生产技术与科学管理理念的载体，能够将先进的知识、技术、要素与装备等引入到农业生产中^［17］，实现生产前沿函数的外扩^［10］。不但能促进环境友好技术与新型生产要素的采纳，改变传统农业高投入、高污染的生产方式^［5］;还能够提高农产品附加值^［8］。生产环节外包引发的技术外溢效应可起到示范、带动作用^［18］，促进农业环境技术效率的提升。最后，生产环节外包可以充当知识资本的传送器^［10］，降低农户对新技术、新设备的学习成本。通过“干中学”效应使农户快速学习先进生产技术与农业知识，例如测土配方施肥、绿色病虫害防控、农业废弃物资源化处理等，从而利用学习的正外部性获取竞争优势、提高农业环境技术效率^［19］。综上，生产环节外包可能通过其要素替代效应、优化配置效应、技术引入效应与外部学习效应促进农业环境技术效率的提升。

另一方面，部分学者提出生产环节外包可能抑制农业环境技术效率的提升。可能的原因是，由于农户与外包供给主体之间的信息不对称导致同时存在外包供给主体降低服务质量和农户“过度监督”的双边道德风险^［20］，以及由此产生的生产资料投入过度问题。具体而言，外包供给主体在作业过程中可能存在损人利己的机会主义行为^［21］，导致农业生产的高投入与重污染。例如，与农资经销商合谋，通过过量施用农用化学品获得高额回报;为降低服务成本、实现利润最大化的经营目标，使用廉价化学品代替先进生产技术、设备及知识的投入;为降低生产风险，过量投入农用化学品以保证产量稳定等。此外，农业生产具有周期长、要素投入产出关系不明确等特点，生产环节外包与家庭自用工异质，可能导致过高的劳动监督问题，降低了劳动生产率。例如，病虫害防治环节的标准化程度较低，农药浓度和喷洒均匀度均会直接影响防治效果，且事后评判难度大，大大推动了农户监督成本的上升。即，生产环节外包可能由于道德风险效应与投入过度效应抑制农业环境技术效率的提升。

由此推断，生产环节外包与农业环境技术效率之间可能不是简单的线性关系，而是受生产环节外包的要素替代效应、优化配置效应、技术引入效应、外部学习效应、道德风险效应与投入过度效应相对大小的影响，在不同阶段呈现出差异性的特征。从农户生产环节外包的实际购买情况来看，外包是存在费用门槛和技术门槛的。首先，当农户的外包水平较低时，农户通常以购买耕地、播种、收割等机械化作业环节的常规服务为主，外包供给主体道德风险较低，农户监督成本也不高。但上述环节的外包服务（即农机服务）更多的是发挥要素替代效应^［22］，对产出增长和污染减排的贡献非常有限^［23］，可能无法提升农业环境技术效率。更遗憾的是，随着农户外包水平的提升，不同环节、不同外包供给主体的作业质量更加难以区分和识别，可能会助长外包供给主体的机会主义行为，农户的监督管控成本也相应增加，其低道德风险与低要素投入的优势可能会逐渐消失，导致效率损失。因此，在外包水平较低时，随着农户生产环节外包水平的提升，农业环境技术效率可能呈下降趋势。其次，当外包水平较高时，农户通常不仅购买耕地、播种、收割环节的基础性外包服务，还可能涉及施肥、打药、灌溉等环节的操作外包以及生产资料购买的外包等。这些外包服务虽然具有相对较大的道德风险和监督成本，但技术引入效应和外部学习效应明显。随着外包水平的提升，统防统治等单个农户无法实施的绿色生产行为得以普及，不仅减少了要素投入还降低了污染排放;同时，科学的生产技术、知识等得以广泛应用，可能促使农用化学品利用效率提升，提高知识创新和技术溢出的增产效用^［24］。另外，外包的要素配置效应逐步增强，外包供给主体可以发挥多环节作业的配合优势从而减少农用化学品投入。例如，外包供给主体可通过秸秆还田、深松深耕等方式提高土壤有机质含量，降低化肥等农用化学品投入。因此，随着农户生产环节外包水平的提升，农业环境技术效率可能呈上升趋势。

基于此，本文提出如下研究假说：生产环节外包对农业环境技术效率的影响是非线性的，随着生产环节外包水平的提升，农业环境技术效率可能先下降后上升，即生产环节外包与农业环境技术效率之间存在“U”型关系。

二、数据来源、模型设定与变量选取

（一）数据来源与样本基本特征

本文基于中国粮食主产区农户生产情况，验证生产环节外包与农业环境技术效率间的关系，主要考虑以下两方面的原因。一方面，粮食主产区是保障中国粮食安全的重要载体，粮食生产的环境技术效率水平直接影响国家粮食安全及农业绿色发展能力;另一方面，粮食主产区的生产性服务业发展迅速，服务推广度与农户参与程度均较高。因此，粮食主产区是研究生产环节外包与农业环境技术效率关系的典型地区。调研团队于2021年10月，采用多阶段抽样方法，在黑龙江、河南和湖南三大粮食主产省开展了农户微观调研。具体而言，在每个样本省抽取3个样本市，每个样本市抽取2个地理位置不相邻的国家级产粮大县（区），每个样本县（区）抽取2个样本乡（镇），每个样本乡（镇）抽取2个样本村（社区），每个样本村（社区）抽取16～18户样本农户。通过访谈和结构化问卷调查，共获取1 242份农户问卷。在剔除前后不一致和关键信息缺失的样本后，最终获得1 208份有效样本。其中，黑龙江416份、河南393份、湖南399份。

样本农户的基本特征如表1所示。户主年龄在50岁及以上的样本占到总样本的70％以上;接近80％的户主受教育程度为初中及以下水平;样本农户的家庭规模以3～6人居多，占比超过70％。按照农业总收入占农户家庭总收入的比例划分农户类型划分依据为：农业总收入占家庭总收入的比例超过95％为纯农户，大于50％且小于等于95％为农业兼业户，大于5％且小于等于50％为非农兼业户，小于等于5％为非农户。 ，纯农户和非农兼业户相对较多，占比均超过30％;其次是农业兼业户和非农户，占比分别为23.593％和6.871％。依据联合国粮农组织（FAO）对规模的定义，以2公顷为一个界限，小于2公顷的农户为小规模农户，样本农户以小规模农户为主，占比为66.308％;仅有23.013％的样本农户加入了农业组织;接近90％的农户拥有的生产型固定资产数量不足6个。样本农户基本特征符合中国粮食主产区现阶段的基本情况，具有较好的代表性。

（二）模型设定

1.农业环境技术效率的测度模型。参考Tone^［25］和Cooper等^［26］的做法，本文构建了一个基于非径向非角度的SBM-Undesirable农业环境技术效率评价模型。

假设农业生产系统中，有n个决策单元，每个决策单元均有4个向量，即投入向量、期望产出向量、农业面源污染向量和农业碳排放向量，分别表示为x∈R^m、y^a∈R^S₁、y^b∈R^S₂、y^c∈R^S₃，可定義矩阵X、Y^a、Y^b、Y^c如下：

X=［x₁，x₂，…，x_n］∈R^m×n＞0

Y^a=［y^a₁，y^a₂，…，y^a_n］∈R^S₁^×n＞0

Y^b=［y^b₁，y^b₂，…，y^b_n］∈R^S₂^×n＞0

Y^c=［y^c₁，y^c₂，…，y^c_n］∈R^S₃^×n＞0

有限生产可能性集P为：

上式中P将决策单元（x₀，y₀）排除在外，从而有效规避了非期望产出的SBM模型可能出现的多个决策单元同时有效的情况。考虑非期望产出的SBM模型（VRS情况）的分式规划形式为：

2.生产环节外包对农业环境技术效率的影响模型。农业环境技术效率是介于0和1之间的具有非负截断特征的变量，对于这类受限因变量的估计，采用OLS法通常会得到有偏的估计结果。本文延续已有文献的做法，选用Tobit模型进行估计。考虑到生产环节外包与农业环境技术效率之间可能是一种非线性关系，模型设定如下：

AEE_n=β₀+β₁W_n+β₂W²_n+α_rA_m+ε_n

其中，AEE_n表示第n个农户的农业环境技术效率；β₀表示截距项；β₁表示第n个农户生产环节外包的估计系数；β₂表示第n个农户生产环节外包二次项的估计系数；W_n表示生产环节外包变量，A_m是影响第n个农户农业环境技术效率的其他控制变量向量；ε_n为随机误差项。

（三）变量选取

1.农业环境技术效率的测度变量。（1）投入变量。参考林文声等^［27］的处理方法，投入变量主要包括劳动力投入、资本投入和土地投入三类。劳动力投入采用2020年农户家庭用于自家粮食生产各环节耗费的时间表示，单位为“工日”，即将所有粮食生产环节家庭成员投入的工日加总。资本投入采用2020年农户家庭经营粮食作物投入的资金总额表示，单位为“万元”，主要包含化肥、农药、农膜、种子、柴油、电力、雇工、购买生产环节外包服务、自购农机折旧自购农机折旧成本的计算：固定資产折旧一般采用平均年限法和工作量法。对于农业机械来说，由于每年的工作量和工作项目都相差不太多，所以农机具通常都采取平均年限法来计算折旧成本。本研究中，农户自购农机的折旧成本为机械原值与年折旧率的乘积。不同农机拥有不同的年折旧率，是“1减去预计净残值率”与机械折旧年限的比值。其中，预计净残值率通常按机械原值的3％～5％确定，本文取4％;折旧年限参照中国财政部、农牧渔业部关于国营农场农机专用设备折旧年限表。 等费用的总和。土地投入采用2020年农户家庭粮食总播种面积表示，不考虑后期因自然或人为因素而导致收获面积增减的情况，单位为“公顷”。（2）期望产出变量。考虑到农户在粮食种植品种与种植类型上存在差异，参考李谷成等^［28］的测度方法，采用2020年农户家庭的粮食生产总值表示期望产出，单位为“万元”。（3）非期望产出变量。农业非期望产出参考Zhuang X H等^［29］、马国群和谭砚文^［30］的做法，主要是指农业生产中的各种环境污染排放。一方面是以水体中的化学需氧量（COD）、总氮（TN）和总磷（TP）流失量为主的农业面源污染排放总量（万立方米），另一方面是以农业生产中温室气体排放为表征的农业碳排放总量（吨）。粮食生产的主要污染及来源如图1所示。

其中，农业面源污染排放参考潘丹和应瑞瑶^［31］的做法，采用清华大学环境科学与工程系的单元调查评估法进行核算。单元调查评估法将各类污染源分解为产污单元（elementary unit，EU），通过建立起单元、污染产生量和污染排放量之间的数量关系对农业面源污染排放量进行测度^［32］。各污染单元农业面源污染排放的计算公式为：

其中，E为农业面源污染排放量；EU_i为单元i的指标统计数，数据从实地调研中获得；ρ_i为单元i污染物的产污强度系数；η_i为单元i污染物的利用效率系数；EU_i和ρ_i之积是农业污染产生量，即不考虑资源综合利用和管理因素时农业生产所造成的最大潜在污染量;C_i为单元i污染物的排放系数，由单元和空间特征决定，表征区域环境、降雨、水文和各种管理措施对农业和农村污染的综合影响。

粮食生产过程中的产污单元主要包括农用化学品和农田固体废弃物（见表2）。考虑到农田化肥流失是造成农田面源污染最直接的原因^［32］，秸秆是重要的农业面源污染源之一^［33］。本文主要关注化肥与秸秆造成的农业面源污染，计算化肥流失与秸秆不同处理方式下排放的TN、TP和COD。农业面源污染产污单元的清单列表见表2。

各产污强度系数、污染物的利用效率和排污系数等参数值通过广泛的文献调研和综合比较所得。除参照赖斯芸等^［32］、陈敏鹏^［34］以及石凯含和尚杰^［35］等的参数取值外，还参照了第一次全国污染源普查领导小组办公室发布的《污染源普查农业源系数手册》分省各参数取值，以尽可能地考虑到不同地区产污强度存在的差异。最后，根据GB 3838-2002中III类水质标准，通过将COD、TN、TP排放量转换为“等标污染排放量”等标污染排放量的计算公式为：等标污染排放量=污染物排放总量/污染物排放评价标准。其中，COD、TN和TP污染物排放评价标准分别为20 mg/L、1 mg/L和0.2 mg/L。，计算得到农业面源污染总量，单位为“万立方米”。

农业碳排放参考程琳琳^［36］的做法，从土壤呼吸、生产投入品、秸秆焚烧、水稻生产4个维度，考虑了6个方面的碳源受限于调研数据，本研究在测算农业碳排放时，并未考虑农药与农膜生产和使用过程中产生的碳排放量，且在计算农业机械运行产生的碳排放量时，仅考虑了间接排放量，未能考虑直接排放量。由于种植业最大的碳排放来源是化肥施用和水稻种植，本文对此均已核算，因此不影响文章对生产环节外包与农业环境技术效率关系的总体评价结果。（见图2）。基于IPCC和美国橡树岭国家实验室公布的碳源排放系数，结合区域环境、降雨、资源禀赋等特征，核算其碳排放水平，并通过将不同类型的温室气体排放量转化为碳当量计算农业碳排放总量^［37］，单位为“吨”。

土壤呼吸、生产投入品以及水稻生产的碳排放量的测算公式为：

其中，E_i为土壤呼吸、化肥、灌溉、水稻生产产生的碳排放量;F为农业机械运行产生的碳排放量;T_i为土壤呼吸、化肥、灌溉、水稻生产的统计指标;_i为碳排放系数;A代表农作物种植面积;C代表农业机械总动力;B、D代表农业机械碳源的碳排放系数。

参考FAO相关做法，秸秆焚烧的碳排放量的测算公式为：

其中，E_ij为第i个农户j类温室气体排放量;P_ik为第i个农户作物k的产量;C_k为作物k的草谷比，单位为%;R_k为作物k的露天焚烧比例;F_k为作物k的燃烧效率，EF_k为作物k秸秆露天焚烧的排放因子，单位为g/Kg。

综上，农户粮食生产过程中的投入变量、期望产出变量与非期望产出变量的说明与统计如表3所示。

2.生产环节外包变量。参考孙顶强等^［7］、张忠军和易中懿^［19］的测度方法，使用2020年农户在粮食种植过程中购买生产环节外包服务的亩均费用表示，单位为“千元/亩”。

3.其他控制变量。梳理相关研究成果，可知，农业环境技术效率还受区域自然环境条件、经济发展水平、农业生产经营现状、农业政策情况和农户特征等多种因素的共同影响。因此，本文还引入了反映户主个体特征、农户家庭特征、农业生产经营特征以及地区特征的若干控制变量。變量的含义及描述性统计见表4。

三、农业环境技术效率的测算结果及分析

本文以MaxDEA Ultra为计算平台，基于可变规模报酬（VRS）和产出导向（IO），在设定期望产出总权重和非期望产出总权重均为1时，利用1 208个中国粮食主产区农户微观调研样本（共1 208个决策单元），测算各决策单元的农业环境技术效率，测算结果见表5。

总体来看，中国粮食主产区的农业环境技术效率均值为0.627，仅略高于“及格线”水平，与Aslam等^［38］的测算结果基本一致。可见，中国粮食主产区的农业环境技术效率不高，且在一定程度上，中国粮食主产区仍处于粗放经营的农业发展阶段，资源、环境与农业发展仍处于相对失衡状态。但相对应的，中国粮食生产也存在较大的资源节约和环境保护空间，实现绿色、低碳的可持续农业的潜力巨大。

分地区来看，黑龙江、河南以及湖南的农业环境技术效率均值分别为0.701、0.648和0.528，黑龙江的效率值明显高于河南，且河南的效率值明显高于湖南，即三大粮食主产省的农业环境技术效率差异显著。这可能与三省的作物种植类型及气候环境特征有关。一方面，湖南省河网稠密，以水稻种植为主，水稻生产过程中的甲烷排放是重要的农业碳源;另一方面，黑龙江生长期短，一年仅能种植一季作物，但土壤肥沃，属于典型的低投入高产出地区，且环境污染相对较低。

分作物品种来看，三大主粮作物的环境技术效率并不一致。玉米、小麦和水稻的农业环境技术效率均值分别为0.675、0.698和0.548，玉米与小麦的效率值较为接近，水稻的效率值明显低于玉米与小麦。可能的原因是：首先，玉米与小麦的生产过程较为类似，农业投入与产出差异不大;其次，由于考虑了粮食生产过程中的碳排放，玉米和小麦生产的环境污染明显低于水稻。

四、生产环节外包对农业环境技术效率的影响

（一）描述性统计分析

图2是基于总体样本的生产环节外包与农业环境技术效率关系的散点图。可以看出，随着生产环节外包水平的提升，农业环境技术效率先下降后上升，可以初步判定生产环节外包与农业环境技术效率之间可能存在“U”型关系。

进一步地，图3展示了不同省份生产环节外包与农业环境技术效率关系的散点图，从左至右依次是黑龙江、河南和湖南。图4展示了不同作物生产环节外包与农业环境技术效率关系的散点图，从左至右依次是玉米、小麦和水稻。可以看出，生产环节外包与农业环境技术效率之间同样可能存在“U”型关系。

但上述发现，仅仅是基于生产环节外包与农业环境技术效率的初步直观结果，两者之间更为准确的数量关系，还有待后文进一步地探究。

（二）模型回归结果及分析

1.基准回归。本文使用Stata 17.0软件，实证检验了生产环节外包与农业环境技术效率之间的“U”型关系。基于总体样本的回归结果见表6。

回归1和回归2是未加入控制变量的回归结果，回归3和回归4是加入所有控制变量的回归结果。可以看出，模型估计结果在影响方向和显著性水平上均未发生显著变化，生产环节外包在1％的显著性水平上均负向影响农业环境技术效率，生产环节外包的平方项在1％的显著性水平上均正向影响农业环境技术效率。一方面，相比于回归1和回归3的结果，回归2和回归4的卡方检验统计量有所上升，说明生产环节外包对农业环境技术效率的影响并非是线形的，而是“U”型的;另一方面，相比于回归1和回归2的结果，回归3和回归4的卡方检验统计量更大，模型擬合优度更高，说明模型估计结果较为稳健。综上所述，生产环节外包与农业环境技术效率之间存在显著的“U”型关系。本文假说得证。

从控制变量的影响方向和显著性水平来看（见回归4），年龄、家庭收入、粮食种植面积、耕地质量、农业组织参与对农业环境技术效率有显著的促进作用，但家庭规模、耕地细碎化程度、复种指数、农业补贴、生产性固定资产却会显著抑制农业环境技术效率的提升，此外，相对于河南，湖南的农业环境技术效率较低，黑龙江与河南不存在显著差异。上述控制变量的回归结果与已有研究结论基本一致^［39］。年龄的估计结果表明老龄农业劳动力对中国现阶段的粮食安全具有重要影响。可能的解释是，相较于青壮年农业劳动力：老龄农业劳动力的技术效率更具有优势^［40］;年龄较高的农业劳动力兼业机会较少，更能将时间与精力用于农业生产。

2.分样本回归。上文从总体上考察了生产环节外包对农业环境技术效率的影响，验证了生产环节外包与农业环境技术效率的“U”型关系。但上述结论只是三大主粮作物总体层面的平均效应，并不能说明上述结论在不同地区、不同作物中依然成立。为此，本文进一步考察黑龙江、河南和湖南三大粮食主产省，以及玉米、小麦和水稻三大主粮作物，验证生产环节外包与农业环境技术效率之间的“U”型关系是否成立。估计结果如表7所示。

回归5至回归7分别是基于黑龙江、河南和湖南样本的生产环节外包对农业环境技术效率影响的分组回归结果。生产环节外包均显著负向影响农业环境技术效率，且生产环节外包的平方项均显著正向影响农业环境技术效率。这说明，生产环节外包与农业环境技术效率的“U”型关系在黑龙江和河南同样成立。回归7中，生产环节外包的系数为负，生产环节外包平方项的系数为正，但均不显著。这说明，生产环节外包与农业环境技术效率的“U”型关系在湖南并不明显。

回归8是玉米生产环节外包对其农业环境技术效率影响的回归结果。生产环节外包的系数仍为负且显著，生产环节外包平方项的系数为正但不显著。这说明，聚焦于玉米生产，外包与农业环境技术效率之间的关系是线性的，且生产环节外包显著抑制了玉米环境技术效率的提升。回归9是小麦生产环节外包对其农业环境技术效率影响的回归结果，生产环节外包的系数为负，生产环节外包平方项的系数为正，但均不显著。这说明，生产环节外包与农业环境技术效率的“U”型关系在小麦生产中并不明显。

回归10是水稻生产环节外包对农业环境技术效率影响的回归结果，生产环节外包在1％的显著性水平上负向影响农业环境技术效率，生产环节外包的平方项在5％的显著性水平上正向影响农业环境技术效率。这说明，生产环节外包与农业环境技术效率的“U”型关系在水稻生产中依然成立。

3.稳健性检验。本文通过Utest检验、重新设定农业环境技术效率的测算导向、调整核心解释变量以及采用子样本回归等方法进行稳健性检验。

首先，为了不受仅凸向原点且单调关系误判的干扰，本文采用Utest检验命令，判断了生产环节外包与农业环境技术效率之间“U”型关系的准确性。结果显示，t统计值为3.47，对应概率为0.00，Slope区间包含正值，表明生产环节外包对农业环境技术效率的影响为“U”型（在5％的显著性水平上拒绝原假设）。

其次，本文分别基于投入导向和无导向，重新测算各决策单元的农业环境技术效率，并检验了生产环节外包与农业环境技术效率之间的“U”型关系，结果如回归11和回归12所示（见表8）。生产环节外包与农业环境技术效率之间的“U”型关系依然存在。再次，本文分别使用农户2020年外包环节数量占生产环节数量的比例、农户2020年平均外包环节数量表征农户的生产环节外包水平，采用替代变量法对模型稳健性进行检验，结果如回归13和回归14所示。生产环节外包与农业环境技术效率之间的“U”型关系同样存在。最后，本文删除了45岁以下及65岁以上的样本，采用子样本回归法对模型稳健性进行检验。结果如回归15所示，依然支持了生产环节外包与农业环境技术效率之间的“U”型关系。

五、研究结论与讨论

本文采用非径向、非角度的SBM-Undesirable模型和中国粮食主产区1 208户农户实地调研数据，测度并研判了中国粮食主产区的农业环境技术效率水平，剖析并证实了生产环节外包与农业环境技术效率之间的“U”型关系。研究发现：中国粮食主产区的农业环境技术效率均值仅略高于“及格线”水平，不同地区和不同作物的农业环境技术效率存在差异。分区域、分作物的研究结果也基本肯定了生产环节外包与农业环境技术效率之间的“U”型关系，尤其在黑龙江和河南地区以及水稻生产中，但对于湖南地区和小麦生产而言，上述“U”型关系并不明显;而聚焦于玉米生产，外包与农业环境技术效率之间仅表现为显著的线性关系，生产环节外包显著抑制了玉米环境技术效率的提升。

在中国，农业经营规模小、土地细碎化程度高、气候灾害影响严重、农户兼业普遍，生产环节外包已成为不可逆转的农业发展趋势。从测算结果来看，中国粮食主产区的农业环境技术效率水平较低，中国粮食主产区仍处于粗放经营的农业发展模式，相关政府部门和学术界仍需加强对提高农业环境技术效率问题的重视程度，引导和推动农业绿色、低碳的可持续发展。另外，2020年中国粮食主产区生产环节外包的均值仅为198元/亩/年，处于低外包水平阶段（图3也显示，目前样本农户生产环节外包的购买水平多集中于U型曲线的左侧），购买生产环节外包显著降低了部分农户的农业环境技术效率水平。可见，目前中国农业生产性服务业的发展并不理想，在一定程度上呈现出了生产环节外包服务业发展违背农业绿色发展的现象。一方面，相关政府部门亟需在政策与资金上引导与规范农业生产性服务组织的发展，应引导外包服务组织提高服务质量、丰富服务形式，降低外包作业的道德风险;应协助外包服务组织降低服务成本，尤其是绿色生产技术和生产要素的引入成本;应将外包服务组织作为技术推广的重要载体，拓展并强化其在科学技术培训、种植经验传递等方面的作用。另一方面，当地合作社、村委会等可通过鼓励和引导农户购买统防统治等植保环节的外包服务，充分发挥外包服务组织在优化配置、技术引入等方面的作用。现阶段相关政府部门与农业组织应共同努力，推动中国粮食生产跨越外包导致的农业环境技术效率低谷，实现农业绿色、低碳的可持续发展。

参考文献：

［1］ 展进涛，徐钰娇.环境规制、农业绿色生产率与粮食安全［J］.中国人口·资源与环境，2019，29（03）：167-176.

［2］ 郭海红，张在旭.新型城镇化对农业绿色全要素生产率的门槛效应［J］.湖南师范大学社会科学学报，2019，48（02）：55-63.

［3］ 肖銳，陈池波.财政支持能提升农业绿色生产率吗？——基于农业化学品投入的实证分析［J］.中南财经政法大学学报，2017（01）：18-24.

［4］ 张淑辉.异质性农村人力资本对农业绿色生产率的影响——基于中国省级面板数据［J］.山西大学学报（哲学社会科学版），2017，40（05）：127-138.

［5］ 李翠霞，许佳彬，王洋.农业绿色生产社会化服务能提高农业绿色生产率吗［J］.农业技术经济，2021（09）：36-49.

［6］ 杨志海.生产环节外包改善了农户福利吗？——来自长江流域水稻种植农户的证据［J］.中国农村经济，2019（04）：73-91.

［7］ 孙顶强，卢宇桐，田旭.生产性服务对中国水稻生产技术效率的影响——基于吉、浙、湘、川4省微观调查数据的实证分析［J］.中国农村经济，2016（08）：70-81.

［8］ 张恒，郭翔宇.农业生产性服务业发展与农业全要素生产率提升：地区差异性与空间效应［J］.农业技术经济，2021（05）：93-107.

［9］ 闵师，项诚，赵启然，等.中国主要农产品生产的机械劳动力替代弹性分析——基于不同弹性估计方法的比较研究［J］.农业技术经济，2018（04）：4-14.

［10］ 杨子，张建，诸培新.农业社会化服务能推动小农对接农业现代化吗——基于技术效率视角［J］.农业技术经济，2019（09）：16-26.

［11］ JI C，GUO H，JIN S，et al.Outsourcing Agricultural Production：Evidence From Rice Farmers in Zhejiang Province［J］.PLoS One，2017：e0170861.

［12］ 周振，孔祥智.农业机械化对我国粮食产出的效果评价与政策方向［J］.中国软科学，2019，340（04）：20-32.

［13］ 罗必良.论服务规模经营——从纵向分工到横向分工及连片专业化［J］.中国农村经济，2017，395（11）：2-16.

［14］ MA W，RENWICK A，GRAFTON Q.Farm Machinery Use，Off-farm Employment and Farm Performance in China［J］. Australian Journal of Agricultural & Resource Economics，2018，62（02）：279-298.

［15］ 武舜臣，宦梅丽，马婕.服务外包程度与粮食生产效率提升：农机作业外包更具优势吗？［J］.当代经济管理，2021，43（03）：49-56.

［16］ ALWARRITZI W，NANSEKI T，CHOMEI Y，et al.Analysis of the Factors Influencing the Technical Efficiency Among Oil Palm Smallholder Farmers in Indonesia［J］.Procedia Environmental Sciences，2015，28：630-638.

［17］ ZHANG X，YANG J，THOMAS R.Mechanization Outsourcing Clusters and Division of Labor in Chinese Agriculture［J］.China Economic Review，2017，43：184-195.

［18］ 王奇，王会，陈海丹.中国农业绿色全要素生产率变化研究：1992-2010年［J］.经济评论，2012（05）：24-33.

［19］ 张忠军，易中懿.农业生产性服务外包对水稻生产率的影响研究——基于358个农户的实证分析［J］.农业经济问题，2015，36（10）：69-76.

［20］ 张士云，李博伟.种粮大户社会资本、雇佣劳动与生产效率关系研究——基于道德风险的视角［J］.农业技术经济，2020（04）：66-78.

［21］ ZHANG X，DAVIDSON E A，MAUZERALL D L，et al.Managing Nitrogen for Sustainable Development.Nature 2015，528：51-59.

［22］ 李谷成，李烨阳，周晓时.农业机械化、劳动力转移与农民收入增长——孰因孰果？［J］.中国农村经济，2018，407（11）：112-127.

［23］ 赵玉姝，焦源，高强.农技服务外包的作用机理及合约选择［J］.中国人口·资源与环境，2013，23（03）：82-86.

［24］ 胡祎，张正河.农机服务对小麦生产技术效率有影响吗？［J］.中国农村经济，2018，401（05）：68-83.

［25］ TONK K.A Slacks-based Measure of Efficiency in Data Envelopment Analysis［J］.European Journal of Operational Research， 2001，130（03）：498-509.

［26］ COOPER W W，SEIFORD L M，TONE K.Data Envelopment Analysis：A Comprehensive Text With Models，Applications，References and DEA-solver Software［M］.New York：Springer Science & Business Media，2006：99-107.

［27］ 林文声，王志刚，王美阳，等.农地确权、要素配置与农业生产效率——基于中国劳动力动态调查的实证分析［J］.中国农村经济，2018（08）：64-82.

［28］ 李谷成，馮中朝，范丽霞.小农户真的更加具有效率吗？来自湖北省的经验证据［J］.经济学（季刊），2010，9（01）：95-124.

［29］ ZHUANG X，LI Z，ZHENG R，et al.Research on the Efficiency and Improvement of Rural Development in China：Based on Two-Stage Network SBM Model［J］.Sustainability，2021，13（05）：1-21.

［30］ 马国群，谭砚文.环境规制对农业绿色全要素生产率的影响研究——基于面板门槛模型的分析［J］.农业技术经济，2021（05）：77-92.

［31］ 潘丹，应瑞瑶.资源环境约束下的中国农业全要素生产率增长研究［J］.资源科学，2013，35（07）：1329-1338.

［32］ 赖斯芸，杜鹏飞，陈吉宁.基于单元分析的非点源污染调查评估方法［J］.清华大学学报（自然科学版），2004（09）：1184-1187.

［33］ 陶园，王少丽，管孝艳，等.青海省农业面源污染源特征分析［J］.农业工程学报，2019，35（10）：164-172.

［34］ 陈敏鹏，陈吉宁，赖斯芸.中国农业和农村污染的清单分析与空间特征识别［J］.中国环境科学，2006（06）：751-755.

［35］ 石凯含，尚杰.农业面源污染防治政策的演进轨迹、效应评价与优化建议［J］.改革，2021（05）：146-155.

［36］ 程琳琳.中国农业碳生产率时空分异：机理与实证［D］.武汉：华中农业大学，2018：45-57.

［37］ 葛鹏飞，王颂吉，黄秀路.中国农业绿色全要素生产率测算［J］.中国人口·资源与环境，2018，28（05）：66-74.

［38］ ALSAM M S，PAN H X，BASHIR S，et al.Assessment of Rice and Wheat Production Efficiency Based on Data Envelopment Analysis［J］.Environmental Science and Pollution Research，2021.

［39］ XU H X，MA B，GAO Q.Assessing the Environmental Efficiency of Grain Production and Their Spatial Effects：Case Study of Major Grain Production Areas in China［J］.Front. Environ.Sci.，2021，23.

［40］ 郭晓鸣，左喆瑜.基于老龄化视角的传统农区农户生产技术选择与技术效率分析——来自四川省富顺、安岳、中江3县的农户微观数据［J］.农业技术经济，2015（01）：42-53.

The U-shaped Relationship Between Outsourcing Agricultural Production and Environmental Technical Efficiency：Evidence From Chinas Major Food Producing Regions

CHANG Qian¹，CAI Yu²，ZHAO Minjuan^2*

（1.College of Management，Sichuan Agricultural University，Chengdu 611130;2.College of Economics & Management，Northwest A&F University，Yangling，Shaanxi 712100，China）

Abstract：Outsourcing is an irreversible trend in agriculture，and it is important to study the relationship between outsourcing and agricultural environmental technical efficiency，which will help to ensure food security and to promote high-quality agricultural development in China.Agricultural nonpoint source pollution and agricultural carbon emissions were simultaneously included in the accounting framework for non-desired outputs，and the SBM-Undesirable model and field research data from 1 208 households in major food producing regions of China were used to measure agricultural environmental technical efficiency and to analyze the nonlinear effects and mechanisms of outsourcing on agricultural environmental technical efficiency.The results show that：（1）The average value of agricultural environmental technical efficiency in the main food producing regions of China was only slightly above the “passing line” level，and there were differences between regions and crops.（2）In general，there was a stable U-shaped relationship between outsourcing and agricultural environmental technical efficiency.The results of sub-regions and sub-crops also basically affirmed the U-shaped relationship，but for the Hunan region and wheat production，the U-shaped relationship was not obvious，and the focus was on corn， only a significant negative linear relationship was shown between outsourcing and agricultural environmental technical efficiency.This showed a phenomenon that the outsourcing goes against the agriculture green development to a certain extent.At present，relevant government departments still need to pay more attention to improving the agricultural environmental technical efficiency and promoting Chinas food production leaps over the agricultural environmental technical efficiency caused by outsourcing.

Key words：food security;agricultural environmental technical efficiency;outsourcing agricultural production;SBM undesirable model

（責任编辑：杨峰）