生态农业投入与产出的地域差异分析

摘要：分析生態农业投入对生态农业产出的区域差异对促进生态农业优化升级的投资具有指导价值。在测算生态农业三种投入对生态农业产出的区域差异上采用三阶段DEA方法，根据研究需要选取CCR、BCC、SBM三个模型，从技术效率、规模报酬和要素利用率三个维度来探索DEA方法在生态农业投入产出分析中的应用，梳理DEA方法在生态农业投入产出测算中的不足，并运用江苏省2021年7个地级市31个县（区）收集到的数据测算不同地域的7个地级市生态农业发展的区域差距。研究发现：江苏省的生态农业PTE分布相对集中，31个县（区）的均值为0.636，高于TE、SE的均值，此外，SE方差为0.047，高于TE方差，低于PET方差，由此可知江苏省生态农业的技术效度差异显著。据此，可将生态农业发展分为两极分化、一枝独秀和发展落后三类。从规模报酬来看，研究选取的31个县（区）中有27个县（区）规模报酬递增，说明江苏省的生态农业总体态势良好。从要素利用率来看，研究选取的31个县（区）生态农业从业人员利用率（UFW）的平均值为66.03%，土地资源利用率（UAA）平均值为54.28%，现代农机的利用率（UTP）平均值为39.02%，相比欧美国家的生态农业，江苏省的要素利用率并不高，需要地方政府制定相应的鼓励政策激励要素利用率的提高。

关键词：生态农业；投入产出；地域差距；三阶段DEA

中图分类号：F327

文献标识码：A

文章编号：2095-5553 （2023） 03-0232-10

Abstract： The analysis of the regional difference of ecological agriculture input and output has guiding value for promoting the investment of ecological agriculture optimization and upgrading. In this paper， the threestage method is used to measure the regional differences of three kinds of inputs to eco agriculture output. According to the research needs， CCR， BCC and SBM are selected to explore the application of DEA method in eco agriculture inputoutput analysis from the three dimensions of technical efficiency， returns to scale and factor utilization， Based on the data collected from 31 counties （districts） of 7 prefecture level cities in Jiangsu Province in 2021， the regional gap of eco agriculture development of 7 prefecture level cities in different geographical locations is calculated. The results show that the distribution of ecological agriculture PTE in Jiangsu Province is relatively concentrated. The mean value of 31 counties （districts） is 0.636， which is higher than the mean value of TE and SE. In addition， the SE variance is 0.047， which is higher than the TE variance， which is lower than the FET variance. Therefore， it can be seen that the technical validity of ecological agriculture in Jiangsu Province is significantly different. Accordingly， the development of ecological agriculture can be divided into three categories， such as polarization， dominance and backward development. From the perspective of returns to scale， 27 of the 31 counties （districts） selected in the study have increased returns to scale， indicating that the overall posture of ecological agriculture in Jiangsu Province is good. From the perspective of factor utilization rate， the average value of the employment utilization rate （UFW） of ecological agriculture in 31 counties （districts） selected in the study is 66.03%， the average value of land resource utilization rate （UAA） is 54.28%， and the average value of modern agricultural machinery utilization rate （UTP） is 39.02%. Compared with the ecological agriculture in Europe and America， the factor utilization rate of Jiangsu Province is not high， so the local government needs to formulate corresponding incentive policies to improve the factor utilization rate.

Keywords： ecological agriculture; input output; regional disparity; three stage DEA

0引言

早在20世紀60年代中期，欧美学者就意识到工业文明对人类生存环境的危害，在批判“石油农业”的基础上提出一种全新的农业模式——生态农业，此概念一经提出就被学术界认同为继“石油农业”之后世界农业发展的方向［1］。

生态农业是人类在长期农业生产实践中逐步认识到“无机投入”对环境的危害性提出来的。对农业“无机投入”危害研究最早始于美国，早在1962年，美国科普作家蕾切尔·卡逊在《寂寞的春天》中就描写了人类因过度使用化肥和农药对生态环境破坏的场景。随后，美国土壤学家威廉姆·奥伯特在《ACRES》期刊上首次提出了“生态农业”概念，并阐述了人类要重视生态农业发展的思想。令人遗憾的是，直到时隔20年的1992年，可持续发展才得到了世界各国的认同。此后，生态农业理论研究与实践得到了长足的发展。

在威廉姆·奥伯特的研究基础上，英国农学家凯利·瓦庭顿充实并发展了生态农业的内涵，他在研究中指出：生态农业应是生态上能自我维持低的无机投入，在经济上有生命力，在环境、伦理和审美方面可接受的小农业［2］。这一定义的核心要义是在生态系统的框架内建立现代农业生产体系，认为农业要全面拒绝无机投入。这一思想一经产生，就得到了世界各国的积极响应，引发了各国全面遏制无机投入的过激行为。比如欧美发达国家认为生态农业就是一种完全不用或是基本不同人工合成的化肥、农药和一些植物生长调节剂等的农业生产体系。这种思潮由于忽视了农业产出的数量和质量，被一些学者批评为是农业单纯地向传统农业倒退，在粮食安全仍然是全球性问题的大环境下，显然这种思想有些偏激［3］。

我国对“生态农业”研究与探索始于1981年。这一年，恰逢四川遭遇百年未遇的特大洪涝灾害。为了加快恢复农业生产、重建家园，生态农业学家叶谦吉教授提出了要在四川率先发展生态农业的新构想。他认为要将现代农业技术与传统农业结合起来，遵循“整体、协调、再生”的原则实现能量分级利用和物质循环再生，从而达到生态与经济协同发展［4］。之后，中国生态农业立足国情民情，在国家农业战略的指引下，强调按生态农业与经济协同的发展规律推进农业生态系统均衡发展。在探索生态农业发展模式上，肖忠东等［5］在分析我国生态农业的发展面临的问题的基础上提出了我国生态农业发展的模式改革的路径，他们认为未来农业应朝着有限资源——最大使用或有限使用——最小资源目标模式改革。进入新时代，我国生态农业在精准扶贫和乡村振兴两大战略驱动下，取得了不俗的成绩。杨瑞珍等［6］对我国现代生态农业发展的趋势与未来任务进行了深入的研究，他们认为生态农业应成为未来农业体系中的支柱，在加大现代农业技术投入力度的同时，要以安全、环保、低耗和高效的生态农业作为乡村振兴的重要抓手，未来的任务是重点建设好生态农业人才培育机制、生态农业创新机制、农产品监管机制和生态农业发展的法治体系。

生态农业的核心要义就是要在合理利用农业自然资源的基础上实现与生存环境的和谐互动［7］。基于这一核心要义，各国争相通过发展农业科技提高太阳能的固定率和利用率、生物能转化率和可回收资源再循环利用率，以驱动物质资源在农业生态领域中多次循环利用，以更少投入，获得最大收益，实现既保护生态，又获取了经济效益的终极目标。生态农业是基于生态学原理和经济学原理，以现代农业科学技术和农业现代化管理为手段，继承优秀传统农耕文明发展起来的一种能同时实现经济效益、社会效益和生态效益的高效农业生产模式［8］。它提倡粮食生产与多种经济作物生产、大田种植规模化经营与林、牧、副、渔协调发展，大农业与工业和现代服务业深度融合的发展格局，借助传统农业精华与现代农业科技资源优势设计农业生态体系，以此解决经济发展与环境保护、资源利用与自然修复之间的矛盾。

从生态农业内涵来看，它的发展必然会对生态农业从业人员的素质提出更高的要求。政府要想驱动生态农业快速高质发展，必须加大农民职业教育的力度，将传统农民培育成现代职业农民。为了提高研究的针对性，研究者将生态农业产出仅限于生态农业领域，即种植、养殖、加工、推广和休闲旅游等产出。研究之所以限定在狭义的生态农业范畴是为了避免因生态农业归属界限模糊带来的统计口径不一，这样获得数据无需特殊处理，就能应用于研究。仅从狭义的生态农业来看，我国正处于高速发展阶段。近年来，中央加大了对各地生态治理力度，这对生态农业发展无疑是一剂强心针。虽然形势向好，但也必须认清生态农业的发展质量还不高，在发展中还存在不少问题。归纳起来，主要有以下几种：（1）土地和水资源污染严重，长期过度使用化肥和农药使得土壤土再生能力下降。（2）生态农业科技投入虽多，但技术成果转化率偏低。（3）生态农业理念与传统农业理念冲突得不到有效调和［9］。以上是导致生态农业产出不高的三大问题，均与农民生产理念不先进和素质不高有着密切关系。

为了全面了解江苏省生态农业投入对生态农业产出的区域差异，尤其是县（区）域生态农业投入与产出在技术效率、规模报酬和要素利用三个方面的差异，研究选取了江苏省7个地级市中的31个县（区）生态农业投入与产出的具体数据，借助于DEA方法测算生态农业投入与产出的区域差异，为当地政府加大生态农业投入，尤其是人力资本投入提供科学的理论支撑，确保驱动生态农业发展的各项政策切合实际。

1模型设定与指标选取

1.1模型设定

学术界普遍认为数据包络分析（DEA）是测算不同部门或是不同地域间的差异较为有效的非参数分析方法，也有学者将这种方法称为“决策单元（Decision Making Unit，DMU）”［10］。应用数据包分析评价生态农业投入与产出效率的区域差异，首先要对技术效率、规模报酬和要素利用率进行科学地界定。所谓技术效率（TE）是指以投入配置能力、应用效率等多个指标的综合评价。依据评价的侧重点不同，可将技术效率分为纯技术效率（PTE）和规模效率（SE）。纯技术效率（PTE）可以精准地估算DMU在最优规模期间生产要素投入的使用效率。而规模效率（SE）是衡量的侧重点不同，它只对DMU的实际规模和最优规模的差距，技术效率和纯技术效率、规模效率之间有效，三者之间的关系如式（1）所示。

技术效率（TE）、纯技术效率（PTE）和规模效率（SE）是在0～1区间取值，值越大则效率越高。当它们取值等于1时，就可以称之为技术有效、纯技术有效和规模有效。套用CCR和BCC两个模型可以得出技术效率（TE）、纯技术效率（PTE）和规模效率（SE）［11］。

CCR模型是基于以下假设构建的：假定n个DMU的任务、外部环境以及要达成的目标是一致，后将X=（x1，x2…xm）T这一向量输入，随即就会输出另一向量Y=（y1，y

将权向量（λ）、松弛量（S－）和剩余变量（S+）输入CCR模型，依照上述步骤可作DEA有效性判定。判定规则如下：当θ*=1，则DMU为DEA无效；若θ*>1，则DMU为DEA有效不明显；若θ*>1且S+*=S－*=0，则DMU为DEA有效明显［13］。

在CCR模型的基础上，输入限定条件∑λj=1后，就得出与锥形假设不符的BCC模型。假若规模报酬（RTS）恒定，这时产业投入要素同比增长就能引起其产出的变化。根据前人的研究结论，规模报酬（RTS）变化通常有规模报酬递增（Irs），不变（Crs）和递减（Drs）三种情况。值得注意的是在求规模报酬（RTS）时，经常会遇到多解的情况，为了避免这种情况的发生，研究充分考虑了产生多解难以处理的现实，借鉴美国学者Seiford提倡的一种精确且操作简便的算法，即基于BCC模型，对产出的比值做技术处理得出新模型来求解，经技术处理的模型的优点就是能有效规避多解的情况发生。任何产业要获得理想的产出，重点考察的是各生产要素的利用率［14］。一般来说，产业发展需要的要素主要有三类，它们是劳动投入、土地投入和资本投入。所谓要素利用率，指的是投入到产业发展理想状态的投入与实际投入之间的比例。这一比值可以用来测算要素在实际生产中的利用程度。以上推介的两个模型是径向模型，径向模型最大的缺陷就是不能准确地测算全部松弛变量。为了修正这一缺陷，美国学者Tone在21世纪初提出一个能有效弥补CCR模型、BCC模型缺陷的非径直模型，即SBM模型。具体修正方法就是将全部非有效的DMU投影到产业前沿生产面上，同时确保参与生产的各要素无需同比缩减，经此修正后，就能保证投影DMU的DEA有效，并以此来精确测算参与生产的实际投入与理想投入之间的差距。

出于生产可能性集的规模报酬可变假设与生产实际相一致，研究应用投入方向和规模报酬可变的SBM模型测算要素的利用率。

前文探讨的CCR、BCC、SBM三模型是本研究应用DEA方法的基础，但这三个模型并未彻底解决环境对生态农业生产效率的影响，也未将生态农业生产前沿面纳入探讨范畴。为了规避环境等无关变量的影响，研究针对上述三个模型管理无效问题进行验证与优化。优化分三阶段进行：在第一阶段发挥CCR、BCC、SBM模型在推算投入冗余的价值；第二阶段是以第一阶段推算出来的投入冗余为元素构建随机前沿模型（SFA），在全面评估管理无效可能的基础上彻底剔除原投入数据中环境等无关变量。第三阶段是将修正后的数据输入CCR、BCC、SBM模型重新求解。结果发现第一阶段和第三阶段与传统的DEA应用无显著差异，只有第二阶段存在显著差异。在此重点阐述第二阶段，其原理如下。

在建构SFA回归模型时，一定需要重视由环境等因素导致的管理无效，回归模型中呈截断分布的管理无效项用Uji～N（0，σu）来表示，除了环境因素之外，新建构的SFA回归模型还充分考虑了随机因素的影响，同样在回归模型中用Vji～N（0，σu）来表示随机噪声。

在同质化修正后的模型中，Xji的涵义是第i个决策模块中的第j种投入，经同质化修正后的新投入以X*ji表示，第一个中括号里指代产业产出的外部环境修正量，而第二个中括号里指代是投入产出模型中的随机误差修正量。为了确保研究尽可能少地受到无关因素的干扰，研究通过剔除外部环境因素和随机误差因素方法来确保所有的DMU的外部环境趋同。

1.2指标选取

出于研究结果的客观性考虑，需要选定生态农业产出，即投入引起的生态农业增加值。指标选取时一定要避免生态农业产值中重复计算的转移价值，选取的指标一定是能客观反映生态农业在考察的时间区间创造的价值。生态农业中的投入相对复杂，选取指标时通常选取那些对生态农业产出起关键作用的指标，因此，研究选取了生态农业的三大投入指标：一是投入到生态农业中的“劳动”，即劳动投入。接受了职业教育的生态农业从业人员的劳动价值比没有接受职业教育的要高，因此他们的劳动投入对生态农业产出的作用就更大。二是生态农业经营面积，即土地资源投入。生态农业中的土地资源投入是由市场决定的，一般来说，市场对农用土地资源配置的作用会在三个方面得到充分体现：（1）以竞争为杠杆，使土地产权所有者将土地资源投放到能带来最大利润的产业中去；（2）在利益机制驱动下，土地所有者在权衡各种生产活动间的相容性和矛盾的基础上再决定土地资源空间分布的聚集或分散；（3）市场对土地资源需求波动会影响市场的供给时机与数量，同时土地价格会成为市场调节供求均衡的晴雨表［16］。三是资本投入，即用于生态农业各类基础设备建设和现代农机的更新、保养与维修等方面的资金投入。本研究之所以未将生态农业基础设施投资作为“资本投入”，是因为各地统计局数据库中的数据中沒有此统计指标，相关数据难以获取，且生态农业基础设施建设投资的产出具有滞后性，产出数据也难以获取。同时还考虑到固定资产投资，就其属性来看是资本增量，它对产出的贡献相对资本存量来说可以忽略。作为生态农业最重要的固定资本的现代化农机，既能真实体现生态农业发展的水平，又能说明生态农业对职业农民素质的高要求［17］。因此，研究将现代化农机总量或是总功率作为“资本投入”。由于农业机械大小不一，性能不同，其数量难以真实反映农业机械的生产能力。故选取现代化农机的总功率作为“资本投入”。生态农业的核心要义就是重视环境保护，这并不意味着环境变量就不会影响生态农业产出。经分析有关文献发现：关于环境指标选取标准在学术界并未形成明确的规定，通常情况下是选取对生态农业活动有显著影响，但不受生态农业控制的外生变量。本研究以三种能显著影响生态农业产出的投入要素为研究逻辑起点，在充分考虑数据可获取性和代表性的基础上，最终选定人均GDP（生态农业产出水平的制约因素）、人均土地面积（制约生态农业拓展空间）和人均固定资产投资额（影响生态农业投入水平）三组数据作为环境变量。研究所用的具体数据来源于江苏省统计局和7个地级市统计局公布的数据。

2江苏省生态农业投入产出区域差异

2.1数据处理

数据处理分三个阶段进行，第一阶段主要是甄别收集到的数据有无异常，这是计算投入冗余的前提条件。第一阶段采用Jackknifing method逐一对CCR、BCC、SBM模型的稳健性进行检验：将DEA模型中有效DMU剔除，再测度余下DMU的效率值，并以此排序，通过新测试的DMU效率值与原模型的比对，求两组效率值间的相关系数［18］。若得出相关系数都很高，说明剔除了有效DMU的检验模型对DMU排序的影响很小，由此可判定收集的数据无异常数据。第二阶段主要任务就是以第一阶段得出的投入冗余估算SFA回归方程。

从表1中的数据可知：由于在1%的置信度下9个SFA回归方程的似然比全部通过检验，说明半正态分布假设适用研究选用的SFA模型。9个SFA回归方程的变差率γ均趋向1，由此可知在原DEA模型中管理无效率普遍存在，要解决管理无效率问题，剔除环境因素和随机因素是不二选择。在BCC模型下的SFA回归方程只有生态农业从业人员未通过参数检验，其他8个模型所有回归参数在1%和5%置信下通过检验，由此可推断研究所选取的环境变量合理，它对生态农业各种投入冗余影响显著。

出于对研究严谨性和科学性的考虑，技术效率和规模报酬测算并没有采用经BCC模型下的SFA回归方程处理原始数据，而是采用了经CCR-SFA回归方程修正后的数据。这样能有效规避环境变量和随机变量的侵扰。基于同样的考虑，研究在测算生态农业中现代农机总功率、生态农业从业人员和生态农业经营面积的利用率时，采用的数据是经SBM-SFA回归方程处理的数据。第三阶段测算后输出的结果详见表2。

2.2技术效率的区域差异

学术界普遍采用TE和SE两大指标来考察技术效率［19］。从第三阶段输出的数据来看，江苏省7个地级市所辖的县（区）生态农业的技术效率区域间差异显著，且呈协同分布态势。这就说明各县（区）互补性较高。从TE指标数据来看，苏州市的6个市（区）的TE值均高于平均值0.365，虎丘区（TE=0.638）最高。在无锡市选取的7个县区也高于均值，新吴区（TE=0.368）最低，其中江阴市（TE=0.956）最高。常州市生态农业TE值有高有低，呈发展不均衡态势，其中武进区（TE=0.341）泉山区（TE=0.280）都低于平均值。淮安市经济发展水平在江苏省内属中等水平，且是传统的农业生产基地，农业在全市GDP中所占的比重较高，但在该市选取的5个县（区）的TE值均低于平均值，只有淮阴区和洪泽区略接近均值，其中涟水县的TE值最低，接近0，为0.037。地处苏北地区的徐州、连云港和宿迁3市中选取的8个县区的TE值都低于均值，其中宿迁的泗洪县和连云港市的东海县最低。以上数据说明生态农业发展的技术效率与当地经济发展水平密切相关。

研究选取的31个县（区）的区域差异性还表现在SE技术效率上。苏州作为江苏省经济与社会发展的龙头老大，只有姑苏区（SE＝0.533）略低于均值，其他县（区）都高于均值。无锡市只有滨湖区（SE＝0.494）低于均值，其他6县（区）均高于均值，且江阴市（SE=0.956）。在常州市选取的5个县（区）中有3个高于均值，唯有武进区（SE=0.507）和泉山区（SE=0.455）低于均值。苏北地区的徐州、连云港和宿迁三市也只有泗阳县、贾汪区的SE高于均值。相比之下，PTE分布相对集中，31个县（区）的均值为0.636，高于TE、SE的均值。此外，SE方差为0.047，高于TE方差，低于PTE方差。根据前人研究经验，可以根据TE、PTE、SE三个指标的数据分布將研究选取的7个地级市生态农业的发展模型分为三种类型：第一种是两极分化型，这种类型的特点是辖区内有的农民掌握的技术对生态农业部分有效，且处于优先生产规模。同时，也有部分农民掌握的技术是无效的，且不处于优先生态规模。根据上述研究数据不难得出苏州、无锡和常州属于这个类型。第二种是一枝独秀型。简而言之，全市所辖县（区）只有少数生态农业发展态势良好，多数县（区）生态农业发展水平低，从本次研究的数据上来看，淮安、徐州就属这种类型。第三种是发展落后型。这种类型的最大特点不是所辖县（区）的技术和规模均处于无效状态，显然，连云港和宿迁就属这种类型。

江苏省既是工业大省，更是农业大省。要全面推进“乡村振兴”战略，首先要加大农民职业教育投入，大力培养发展生态农业之需的技术、管理与经营人才。这是被实践证明是有效地消除生态农业技术效率区域差异，实现生态农业均衡发展的举措［20］。在两极分化类的地区，地方政府要想将生态农业作为第二经济增长点，需要加大相对滞后的县区的农民职业教育投入，提高他们生态农业的生产能力，同时还要出台保障他们的待遇会因接受针对性非常强的涉农职业教育而大幅提高的政策，由此可以避免人才“用脚投票”的现象发生。与此同时，生态农业发展好的县（区）要与发展差的县（区）建立“一对一”帮扶机制，强化它们之间的技术和经验的交流与合作。经验交流与合作可以采取发展好的县（区）选派“能人”到欠发展的县（区）蹲点辅导，以消除区域间的技术与管理方面的差异。而在一枝独秀地区，可以将生态农业发展较好的县（区）作为区域增长极，要调动一切积极因素实现以“点”带“面”的辐射效应。这种辐射效应需要以提高土地资源利用率和人力资本产出政策（主要指农民职业教育投资政策）为支撑，从而达到提高各种生产要素的扩散目的。发展落后型地区要缩短与生态农业发展好的县（区）之间的差距，采取的策略与前两类地区的侧重点有所不同，当地政府应要集中有限的资金、人才等生产要素用于发展能彰显本地特色的涉农职业教育，同时，还要在与生态农业密切关联的下游产业寻找发展的机遇，优化招商环境，制定人才战略，吸引区域外资金创建生态农业示范基地，比如农耕文化产业园、休闲农业生态园等，以此来扩容下游市场，实现生态农业与相关产业的实时联动。

2.3规模报酬与要素利用率

从第三阶段测算输出数据不难看出：规模报酬（RTS）处于恒定的县（区）有2个（淮安的洪泽区和无锡的江阴市），经实证调查发现淮安的洪泽区的规模报酬之所以恒定，是由于用生态农业生产要素相对匮乏，加之当地政府过于依赖淡水养殖，导致生态农业结构失衡，各类生产要素并未实现优化配置，影响了生态农业均衡发展。相比之下，无锡的江阴市是由于生态农业高速高质发展到一个峰值，处于高原现象，上升空间有限导致规模报酬不变。处于递减的县（区）也是2个（苏州的虎丘区和常州的新北区），这两个区规模报酬不升反降的原因是生态农业要素匮乏，尤其是生态农业从业人员和土地资源，大量的人力资本集中了第二和三产业，第一产业吸引的人才相当有限，加之当地政府并未将生态农业作为经济工作的重点来抓，并未出台实质性的生态农业激励政策，因此上述两区的规模报酬处于递减状态。研究选取的31个县（区）有27个县（区）规模报酬递增，说明江苏省的生态农业总体态势良好，且发展空间可期。

从生态农业三大生产要素的利用率来看，江苏省在全国范围内还是处于第一梯队的，经测算：现代农机总功率利用率（UTP）的平均值39.02%，在研究选取的31个县（区）中，UTP值低于平均值的有19个，UTP值高于平均值的县（区）有12个，分别占研究所选取的县（区）总数的61.29%和38.71%。国内外普遍认可利用率达到80%就属于高利用率，根据这个标准，31个县（区）中只有5个县（区）的农机功率为高利用率，占比为16.13%。这说明多数县（区）并未将生态农业作为本地经济的新增长点。

人力资本要素指的是系统接受职业教育，并从事生态农业的从业人员（絕大多数是农民）。此要素利用率实质是接受职业教育农民的劳动投入量。从第三阶段测算输出的数据来看，生态农业从业人员利用率（UFW）的平均值 66.03%。31个县（区）中，UFW值高于平均值的县（区）有15个，接近研究选取县（区）总数的一半。生态农业从业人员利用率属高利用率的县（区）有8个，占研究选取县（区）总数的25.81%。这说明江苏省的生态农业发展更多是依靠人力资本来驱动的。虽然平均利用率在达到了66.03%，但不均衡发展的态势仍很明显，不利于江苏省生态农业稳健发展。

土地资源是农业生产的基本要素，它的利用率直接影响着生态农业规模效应的形成。31个县（区）生态农业的土地资源利用率（UAA）平均值 54.28%，高于均值的县（区）有13个，约占研究县（区）总数的41.9%，其中利用率超80%的县（区）有6个，占比达19.35%。

综上可知研究选取的31个县（区）的三种投入要素利用率并不高，相比欧美农业发达国家仍存很大差距，尤其是现代农机的利用率（UTP=39.02%）最低，远低于丹麦的93%和瑞典的87%。之所以农机利用率偏低，是因为广大农民对农机投入与生态农业产出的远期效应认知不足，且近期赢利率相比其他要素投入要低，最终导致他们在农机更新换代上的积极性不高。先进的生态农业耕作技术需要高素质的人力资本，虽说研究选取的31个县（区）的生态农业从业人员利用率（UFW=66.03%），但在整体职业教育体系中，无论是涉农院校、还是涉农专业严重失衡，未来高素质的生态农业从业人才势必会后劲不足。2018年，党和国家启动了“乡村振兴”战略，各地政府根据辖区农业发展特色也相继出台了各种扶持涉农职业培训的相关政策和鼓励大学生、外出务工人员返乡创业的优惠政策，这是生态农业从业人员利用率高的根本原因。土地要素利用率（UAA=54.28%）在三种投入要素中利用率居中。从历史渊源上来讲，江苏省是我国传统的农业大省，只是在改革开放之后，工业化进程比其他省份跑得快一些，所以才有了“工业大省”之称。工业化进程也是非均衡的，即“南快北慢”。生态农业也是如此，在苏南发展要比苏北好。因此土地资源利用率也呈“南高北低”态势［21］。

经对规模报酬和要素利用率的深入分析可知：研究在江苏省选取的7个地级市普遍存在规模报酬递增，生态农业生产要素利用率偏低的现象，由此可推断上述7市生态农业产出水平在相当长一段时间内处于总投入递减阶段，且生态农业产出会逐渐发展递增态势。为加快这一进程，各地级市应有针对性地制定相关政策，鼓励生态农业经济实体和个人提高生产要素的利用率，尤其是从事生态农业人员的利用率，这样能让规模报酬处于递减区的县（区）提升到规模报酬不变阶段。

从生态农业发展体量上来看，研究选取的7个地级市并不大，生产容量还有待进一步开发，化肥、农药的使用量要进一步减少，生态农业技术要加大转化力度。同时还要形成县（区）间的生态农业协同管理模式，全力驱动政府、行业和农民三方协同共治，避免生态农业发展中的“公地悲剧”的产生。

在劳动力投入方面，考察的指标有两个，一是质量（以涉农专业学习层次来界定），二是数量（以生态农业从业人员的多少来界定）。从质量指标上来看，目前31个县（区）从事生态农业人员受教育年限为九年义务教育的占87.3%，专科及以上学历的人约占12.6%，而这12.6%中接受涉农专业教育的人不足23.7%。当前生态农业从业人员理解能力差，生产技能低，虽说近年来，各级政府颁布了旨在推动“乡村振兴”的鼓励政策，开始有一些接受过高等职业教育的农民“返乡创业”。但他们多从事与农业有关的现代服务业，很少有人专注生态农业。也就是说生态农业从业人员的绝对数量处于逐步减少态势。

本研究结论表明：生态农业从业人员的利用率最高，其对生态农业产出的贡献值也就越高，地方政府在生态农业三大投入中应选择人力资本投入为主。农民职业教育作为农村人力资本开发最有效的手段，需要充分根据农耕时节特点对农民进行定期与不定期生态农业技术培训，举办生态农业经验交流会等职业培训来提升农村人力资本的质量，以此来实现生态农业知识的正外部效应。

现代农机作为生态农业科技的承载主体之一，其工作效率很大程度上能反映生态农业的发展水平。研究选取的7个地级市中31个县（区）的现代农机投入，只有苏南地区投入较多，更新换代的速度较快，生产效率也高。由于苏南地区经济发展水平高，能吸引大量的高素养的生态农业从业人员，他们的操作技能和专业素质在一定程度上驱动了苏南地区的农机的更新换代。相比之下，苏北地区在此方面投入严重不足，加上缺乏先进农机操作人才，上述两大原因在一定程度上阻碍苏北地区现代农机更新换代。在淮安、徐州、连云港和宿迁4市，政府应加大农机的补贴力度和现代农机操作人才培育，以推动农机的更新换代。此外，地方政府还应完善现代农机保养与维修等经营性服务体系。

4结论

研究利用三阶段CCR、BCC、SBM模型弥补传统DEA方法的不足，应用从江苏省7个地级市官方公布的数据来探究生态农业投入与产出的关系。研究为了测算出江苏省7市生态农业的区域差距，从技术效率、规模报酬和要素利用率三个维度进行测算。根据分析江苏省7个地级市的技术效率、纯技术效率和规模效率分布情况可将它们的生態农业发展模式分为三种类型：一类是两极分化型，属于这种类型的城市有苏州、无锡和常州，尤以常州更为明显。二类是一枝独秀型，代表城市是淮安和徐州。三类是全面滞后型，连云港和宿迁属于这种类型。

在技术效率、纯技术效率和规模效率分析的基础上，研究又综合了生态农业的规模报酬和要素利用率，结果发现：研究选取的7个地级市中绝大多数县（区）存在不同程度的资源利用不足和规模报酬递增现象，同时还发现以上7个地级市的生态农业产出一直处于总成本曲线递减阶段，也就是说其生态农业发展空间是非常乐观的。研究认为：要想生态农业发展持续向好，地方政府需要从优化生态农业发展模式，加大生态农业从业人员的职业培训和完善现代农机保养与维修网络三个方面狠下功夫［22］，其目的就是为了提高生态农业生产要素利用率，使其产出前移至规模报酬递增的水平。

参考文献

［1］赵哲， 陈建成， 刘雨， 等. 生态农业替代石油农业——东北地区农业可持续发展的必然选择［J］. 辽宁大学学报（哲学社会科学版）， 2018， 46（4）： 53-60.

Zhao Zhe， Chen Jiancheng， Liu Yu， et al. Ecological agriculture to replace petroleum agriculture： The inevitable choice of agricultural sustainable development in Northeast China ［J］. Journal of Liaoning University （Philosophy and Social Sciences Edition）， 2018， 46（4）： 53-60.

［2］郑军， 史建民. 国外生态农业实践透视［J］. 山东农业大学学报（社会科学版）， 2007（4）： 65-70.

［3］李伟娜， 张爱国.美国发展生态农业的成功经验［J］. 世界农业， 2013（1）： 92-94.

［4］叶谦吉. 生态农业［J］. 农业经济问题， 1982（11）： 3-10.

［5］肖忠东， 周密， 孙林岩. 中国生态农业模式研究与实证分析［J］. 科学学研究， 2005（2）： 208-212.

Xiao Zhongdong， Zhou Mi， sun Linyan. The theory research and demonstration about Chinese ecoagriculture ［J］.Studies in Science of Science， 2005（2）： 208-212.

［6］杨瑞珍， 陈印军. 中国现代生态农业发展趋势与任务［J］. 中国农业资源与区划， 2017， 38（5）： 167-171.

Yang Ruizhen， Chen Yinjun. Development trend and key tasks of modern ecological agriculture in China ［J］. Chinese Journal of Agricultural Research and Regional Planning， 2017， 38（5）： 167-171.

［7］邓玉林. 论生态农业的内涵和产业尺度［J］. 农业现代化研究， 2002（1）： 38-40.

Deng Yulin. Theoretical implication and industrial dimension of ecoagriculture ［J］. Research of Agricultural Modernization， 2002（1）： 38-40.

［8］赵敏娟. 中国现代生态农业的理论与实践［J］. 人民论坛·学术前沿， 2019（19）： 24-31.

Zhao Minjuan. The theory andpractice of modern ecological agriculture in China ［J］. Frontiers， 2019（19）： 24-31.

［9］于法稳. 新时代生态农业发展亟需解决哪些问题［J］. 人民论坛·学术前沿， 2019（19）： 14-23.

Yu Fawen. Development of Ecological agriculture in the New Era ［J］. Frontiers， 2019（19）： 14-23.

［10］王江泉， 张俊， 赵鑫. 考虑技术进步的DEA方法研究［J］. 统计与信息论坛， 2021， 36（3）： 32-48.

Wang Jiangquan， Zhang Jun， Zhao Xin. Research on the DEA method with technological progress ［J］. Journal of Statistics and Information， 2021， 36（3）： 32-48.

［11］Tone K. A slacksbased measure of efficiency in data envelopment analysis ［J］. European Journal of Operational Research， 2001， 130（3）： 498-509.

［12］Sexton T R， Silkman R H， Hogan A J. Data envelopment analysis： Critique and extensions ［J］. New Directions for Program Evaluation， 1986， 1986（32）： 73-105.

［13］Lynde C， Richmond J. Productivity and efficiency in the UK： a time series application of DEA ［J］. Economic Modelling， 1999， 16（1）： 105-122.

［14］Seiford L M， Zhu J. Profitability and marketability of the top 55 US commercial banks ［J］. Management science， 1999， 45（9）： 1270-1288.

［15］师芸. 加乘性混合误差模型参数估计方法及其应用［J］. 武汉大学学报（信息科学版）， 2014， 39（9）： 1033-1037.

Shi Yun. Least squares parameter estimation in additive/multiplicative error models for use in geodesy ［J］. Geomatics and Information Science of Wuhan University， 2014， 39（9）： 1033-1037.

［16］邓慧慧， 赵晓坤， 李慧榕. 土地资源优化配置如何影响经济效率？——来自浙江省“亩均论英雄”改革的经济证据［J］. 中国土地科学， 2020， 34（7）： 32-42.

Deng Huihui， Zhaoxiaokun， Li Huirong. Optimzed allocation of land resources and economic efficiency： Empirical evidence from a QuasiNatural experiment of Areabased evaluation mechanism reform in Zhejiang Province ［J］. China Land Science， 2020， 34（7）： 32-42.

［17］侯明利. 农业资本深化与要素配置效率的关系研究［J］.经济纵横， 2020（2）： 121-128.

Hou Mingli. Research on the relationship between agricultural capital deepening and factor allocation efficiency ［J］. Economic Review Journal， 2020（2）： 121-128.

［18］Chiquoine B， Hjalmarsson E. Jackknifing stock return predictions ［J］. Journal of Empirical Finance， 2009， 16（5）： 793-803.

［19］Gao T， Xiao K， Zhang J， et al. Costbenefit analysis and technical efficiency evaluation of fullscale membrane bioreactors for wastewater treatment using economic approaches ［J］. Journal of Cleaner Production， 2021， 301： 126984.

［20］袁芳， 張红丽， 陈文新. 西北地区农业投资与经济增长的非均衡关系实证［J］. 统计与决策， 2020， 36（18）： 123-127.

［21］胡毅， 乔伟峰， 万懿， 等. 江苏省县域土地利用效益综合评价及其分异特征［J］. 经济地理， 2020， 40（11）： 186-195.

Hu Yi， Qiao Weifeng， Wan Yi， et al. Comprehensive evaluation and spatial distinction of land use efficiency in county area of Jiangsu Province ［J］. Economic Geography， 2020， 40（11）： 186-195.

［22］王星飞. 农民职业教育投入与农村人力资本产出分析——基于江苏省2012—2018年官方公布的数据［J］. 地域研究与开发， 2020， 39（3）： 118-121.

Wang Xingfei. Analysis of farmers` vocational education input and human capital output： Based on official data of Jiangsu province from 2012 to 2018 ［J］. Areal Research and Development， 2020， 39（3）： 118-121.