农村劳动力转移对耕地利用生态效率的空间溢出效应

邹秀清 谢美辉 于少康 李致远

摘要：研究目的：探讨农村劳动力转移对不同区域耕地利用生态效率的影响机理及其空间溢出效应。研究方法：非期望超效率EBM模型和空间杜宾模型。研究结果：（1）全国农村劳动力转移率和耕地利用生态效率整体呈上升趋势，但区域差异显著。（2）全国层面，农村劳动力转移对耕地利用生态效率的影响呈“U型”变化，并在劳动力转移至一定程度后具有显著的空间溢出效应。（3）区域层面，中部农村劳动力转移与本地耕地利用生态效率正相关，对其他地区耕地利用生态效率的影响呈“U”型关系；西部农村劳动力转移与本地耕地利用生态效率之间存在“U”型关系，但空间溢出效应不显著；东北部农村劳动力转移率大于23.32%时，其对本地耕地利用生态效率影响显著，并产生负的空间溢出效应。研究结论：激励农地流转，促进耕地集约利用，提升农民技能，推进耕地利用技术效率和规模效率同步增长。

关键词：农村劳动力转移；耕地利用生态效率；非期望超效率EBM模型；空间杜宾模型；空间溢出效应

中图分類号：F301.2 文献标志码：A 文章编号：1001-8158（2023）01-0059-11

基金项目：国家社会科学基金项目（19BGL214）；江西省研究生创新资金资助项目（YC2020-B109）。

农村劳动力转移是经济发展和农村脱贫的一个重要动力。农村劳动力作为农业生产的微观主体，其转移行为必然改变农业生产系统内劳动力、土地、资金等要素的配置结构[1]，通过影响耕地利用过程中的技术效率、规模效率和资源配置效率，进而影响耕地利用生态效率[2]。劳动力、资金、技术等要素的跨区流动，耕地利用生态效益的完全非排他性[3]以及耕地空间位置毗邻，导致耕地利用主体行为间接影响其他利用主体福利[4]。本地农户耕地利用行为所引起的因面源污染“转嫁”导致的耕地利用负外部性、知识和技术外溢的正外部性以及规模经营的积极效应[5]，不可避免对邻近地区的耕地利用生态效率产生不可忽略的影响。因此，探讨农村劳动力转移对耕地利用生态效率的影响及其空间溢出效应，对促进耕地利用生态效率提升、指导区域间耕地利用行为具有重要意义。

耕地利用效率测算的常用方法有随机前沿模型（SFA）[6]、数据包络分析法（DEA）[7]、超效率模型[8]和Malmquist模型[9]等。选取指标基于投入—产出视角，经历了由“多投入单产出”→“多投入多产出”→考虑环境因素的“多投入多产出”的渐次深入研究过程，研究范围集中在京津冀地区[10]、长江经济带[11]、粮食主产区[12]、垦区[13]以及部分省份[8]，研究内容主要是进行耕地利用效率评估并对其时空演变特征和影响因素展开分析。结果表明，东部地区得益于技术效率的提高，其耕地利用生态效率整体呈上升趋势[14]；粮食主产区耕地利用生态效率趋于逐年小幅度下降，并表现出“高—高、低—低”聚集的正向空间溢出效应[12]。劳动力转移、资源禀赋、经济发展水平和农耕技术等是耕地利用生态效率的重要因素[15-16]，2007—2016年江西省耕地利用生态效率随劳动力转移而上升[8]，2000—2019年劳动力转移差异化影响东、中、西及东北部耕地利用生态效率[16]。

综观文献，关于耕地利用效率的研究已经很多，考虑环境因素的耕地利用效率要低于不含环境因素的耕地利用效率[17]；在考虑非期望产出时，因EBM模型兼顾了投入要素的替代效应[18]，SBM模型效率值小于EBM模型，EBM模型的测算结果更符合实际[19]。然而，多数研究忽略了耕地利用生态效率本身的空间外部效应以及农村劳动力变化的空间外部性对耕地利用生态效率的影响，较少探析两者间的影响机理；同时，不同区域的空间溢出效应是否存在差异，暂未有公开文献探讨。因此本文做了以下几方面探索：第一，理论分析农村劳动力转移对耕地利用生态效率的影响机理，丰富了既有研究成果；第二，采用非期望超效率EBM模型测算耕地利用生态效率，探讨地理空间上的相关性和异质性，能够有效控制面源污染和碳排放的源头，以便根据“谁污染谁治理”的宗旨进行区域间生态补偿；第三，运用1990—2018年中国31个省（市、区）的长期数据和空间杜宾模型，探析农村劳动力转移对耕地利用生态效率影响的空间溢出效应及其区域差异，能够更加明晰不同区域两者间的发展规律，为建立区域农业协作、耕地利用联动机制提供参考，对提高全域耕地利用生态效率具有积极作用。

1 理论分析与研究假说

耕地利用生态效率即为利用耕地进行生产的生态效率。生态效率由eco-efficiency翻译而来，其核心内涵兼顾了生态与经济两个维度[20-21]。所谓“生态”是指单位资源投入所致非期望产出最小化，经济是指单位资源投入所获期望产出最大化，两者结合则是指在人类社会生产中，以最小化的资源消耗和环境损耗，最大化经济维度的期望产出，最小化环境污染维度的非期望产出[12]。因此，耕地利用生态效率则是指在农业生产中，耕地作为农业生产要素之一，在单位耕地面积上，以较少的劳动力、机耕、化肥、农药等要素的投入，促使其农作物产出最大化，对环境污染最小化，从而达到“耕地资源—社会经济—生态环境”的协调统一。

伴随劳动力的持续转移，农业劳动力由“剩余”变为“稀缺”，由“精英”变为“老弱妇孺”，劳动力数量和质量的下降促使农民通过增加化肥、农药和机械等资本要素的替代投入以弥补耕地利用过程中因劳动力短缺而造成的损失[22]。若劳动力转移能够有效促进农地流转，提高耕地集约利用程度，采用现代化农耕技术替代原有劳动力，从而提升耕地利用的规模效率和技术效率，则有助于耕地利用生态效率提升；反之，低效、过量的农药、化肥投入则不利于耕地利用生a态效率提升。

20世纪90年代，由于耕地细碎化以及农机技术普及率低，化肥对劳动力的替代弹性约为机械的3倍[23]，日积月累的由化肥农药等引起的面源污染以及由低效的农业生产行为引起的碳排放过量可能导致耕地利用生态效率的降低。随着农地流转的推进，农机技术的普及以及基本农田、水利设施等的整改，采用现代化技术进行规模经营，不仅能合理施肥配药、科学轮作复种，增产增量，还能有效减少面源污染和碳排放，从而通过改善耕地利用的规模效率和技术效率实现耕地利用生态效率的提升。由此，随着经济、科技和农地利用政策的完善，劳动力转移对耕地利用生态效率的影响可能是一个由负向转正向的“U”型变化过程。

此外，基于经济学中“溢出效应或外部效应”的概念，新经济地理学将一个地区经济主体的行为对其他地区主体的影响称为空间溢出[24]。劳动力作为各项经济活动的行为主体，劳动力跨区域、跨行业转移具有显著的溢出红利现象[25]。农村劳动力通过社会网络等非正式渠道影响其他地区农民的耕地流转意愿，从而影响其他地区的耕地经营规模和农机技术的采用。同时，在耕地利用过程中农民对本地人力、化肥农药、农机、土地等要素的资源配置，因收入效应、示范效应和知识外溢效应的存在，进而影响其他地区农户的资源要素配置，从而改变其他地区的耕地利用生态效率。劳动力转移对耕地利用生态效率的影响机理见图1。

值得注意的是，不同区域因经济、资源禀赋、就业条件等差异，其劳动力转移与耕地利用生态效率关系因地而异。东部人均耕地0.65亩①，经济技术发达，非农就业收益高、就业渠道广、本地就业便利、农地流转意愿强、技术对劳动力的替代弹性大，且其高效的农机生产方式难以在短期内向全国推广，导致东部劳动力转移对耕地利用生态效率的影响及其空间溢出效应较小。中部人均耕地是东部的近2倍，涉农资金有限，农田基础设施不够完善，农地平整进度较慢，采用高效农机技术生产的可行性较小，因而会影响规模农业的发展。同时，落后的农业生产方式以及密集的水网结构导致化学面源污染的转嫁，不可避免会影响周边其他地区耕地利用水平。西部和东北部人均耕地均分别为2.19亩和3.94亩，规模经营和农机操作的便捷性普遍较好，由于地广人稀，务农劳动力的减少对耕地规模利用的影响比较明显；尤其是东北部，沃土集中连片，既节省人力，又能充分发挥农机设备的优势，从而可能对周边地区产生挤出效应，降低农民的低碳生产积极性，可能抑制耕地利用生态效率的提升。

基于上述理论分析，提出研究假说：H1：全国层面，农村劳动力转移对耕地利用生态效率的影响可能是一个由负向逐步向正向转变的过程，并且可能存在显著的空间溢出效应；H2：四大区域农村劳动力转移对耕地利用生态效率的影响可能存在差异，且其空间溢出效应因地而异。

2 研究方法、变量设置与数据来源

2.1 研究方法

（3）空間杜宾模型（SDM）。为了同时考察劳动力转移对耕地利用生态效率及生态效率本身的外部性，本文采用空间杜宾模型（SDM）考察劳动力转移和耕地利用生态效率的空间依赖效应。SDM模型同时包含因变量和自变量的空间滞后项，是考察地理要素空间关联的主要模型[29]，其具体公式如下：

由于式（4）存在空间滞后变量，该模型的回归系数并不能反映劳动力转移对耕地利用生态效率影响程度的大小，回归系数仅在方向上有效，而两者间的真实影响程度一般是利用偏微分对SDM模型进行分解，用分解后得到的直接效应和间接效应来表示。直接效应是指本地劳动力转移对本地耕地利用生态效率影响的均值，它包含了反馈效应，反馈效应是指本地耕地利用生态效率通过影响周边地区耕地利用生态效率变化反向影响本地的耕地利用生态效率；间接效应是指本地劳动力转移对周边地区耕地利用生态效率的影响，总效应为直接效应和间接效应之和。其分解过程可参考LESAGE等的研究[29]。

2.2 数据来源与变量选取

本文以中国31个省（市、自治区）为研究对象（不含港、澳、台地区）。数据来源于1991—2019年《中国农村统计年鉴》、《中国财政年鉴》、《中国统计年鉴》以及各省（市、自治区）统计年鉴，并依据2011年国家统计局的区划分类，将全国31个省（市、区）划分成东、中、西及东北部4个区域①。主要变量选取如表1。（1）因变量：耕地利用生态效率（ECLU）。借鉴CHEN等[30]的研究，从投入—产出视角选取指标测算耕地利用生态效率（表1）。耕地面源污染各项指标的产污系数、利用率和流失率以及碳排放各项指标的系数值参见盖兆雪[9]、李波[31]的研究。（2）自变量：农村劳动力转移（Labor）表示从农村转移至二三产业就业的农村劳动力，用（农村从业人员—农村第一产业从业人员）/农村从业人员的比值来表征[32-33]。（3）控制变量：借鉴相关研究，考虑数据的可获取性，选取劳均耕地面积（Land）[34]、灌溉指数（IRR）[34]、耕地复种指数（MCI）[35]、农村人均纯收入（PINC）[36]、地均农业机械总动力（ATP）[36]、地均农用化肥施用量（折纯量）（FER）[36]、政府涉农支出占比（AGE）[36]7个具体指标作为控制变量。

3 结果分析

3.1 农村劳动力转移与耕地利用生态效率的时空演变特征

图2显示，1990—2014年，全国农村劳动力转移逐年上升，2014年达到最高值42.67%，2015年因中部和西部劳动力转移下滑，全国农村劳动力转移出现小幅下降。1990—2018年，东部农村劳动力转移持续攀升，2018年达到峰值为63.90%；东北部农村劳动力转移至2014年后保持平稳态势。

图3所示，全国耕地利用生态效率（ECLU）①均值呈波动上升趋势，其值由1990年的1.003上升至2018年的1.011；纯技术效率（PTE）均值由1.031变为1.021，呈小幅度下降；规模效率（SE）由0.973变为0.990，呈小幅度上升。区域层面：（1）1990—2018年，东部耕地利用生态效率、纯技术效率、规模效率均值均表现出增长趋势，分别由1990年的0.604、0.841和0.724增至2018年的0.697、0.850和0.859，且由于2002年北京、天津和上海等地规模效率的改善，促使2002年以来东部耕地利用生态效率急剧上升。（2）1990—2010年中部耕地利用生态效率和纯技术效率持续下降，2010—2018年出现小幅度上升；1990—2018年规模效率整体持续上升，由1990年的0.808上升至2018年的0.918。（3）西部耕地利用生态效率、纯技术效率和规模效率均在波动上升和下降，其技术效率整体高于东部和西部，规模效率与中部差距较小，但高于东部。（4）东北部地区的耕地利用生态效率、纯技术效率和规模效率均值较其他三个区域更优，尤其是黑龙江省，各种效率均值多数在1.0以上。

图4显示，东部的北京、江苏、上海、浙江农村劳动力转移程度最高；天津、河北、福建、广东次之；海南劳动力转移最小。中部地区，相比湖南和湖北，紧靠东部地区的山西、河南、安徽、江西4省的劳动力转移相对较高。西部劳动力转移高的省（自治区）依次为甘肃、宁夏、青海、四川、贵州。东北三省的劳动力转移分别为辽宁>黑龙江>吉林。总之，东部、邻近东部的中部部分省以及邻近中部的西部部分地区劳动力转移相对较高。

图5显示，北京、天津、上海、江苏、山东和海南纯技术效率整体在1.0以上，河北、浙江和福建的纯技术效率相对较小。河北、上海、江苏、浙江和山东的规模效率均在2018年增加至0.9以上。与1990年相比，2018年天津、河北、上海、江苏和山东的耕地利用生态效率显著上升，广东和海南的耕地利用生态效率显著下降。中部山西规模效率虽然在研究期间小幅下降，但仍然保持在0.9以上；2018年安徽、江西、湖北和湖南的规模效率增加至0.9以上，接近1.0；河南规模效率整体较低，始终保持在0.5左右，但其技术效率高于中部其他5省（均在0.5左右），多保持在1.0以上。西部不同省份之间的耕地利用生态效率差距明显，多数地区的耕地利用生态效率在2000年以后小幅度增加，西部新疆、西藏、内蒙古以及东北吉林、辽宁波动较大，但包括宁夏、广西在内的耕地利用生态效率相对较高，大部分年份的效率值均在1.0以上。

3.2 空间溢出效应

（1）空间相关性检验。表2中，1990—2005年全局莫兰指数呈“W”型上下波动，并在5%显著水平下正向显著，说明耕地利用生态效率之间存在显著的空间正相关，地理上相近的省份之间表现出显著的空间集聚性，且空间聚集时而增强时而减弱。2006—2018年莫兰指数由正向变为负向，表明耕地利用生态效率的空间差异性和离散性大于空间集聚性，地理邻近省份之间的联动发展机制逐渐消失。众所周知，耕地利用生态效率与劳动力、资本、土地投入密切相关，不同地区因经济发展、政策制定、地理区位、资源禀赋等的差异，其劳动力转移程度及其资本投入能力和耕地平整进度差异也与日俱增，从而导致不同地区间耕地利用生态效率差异增加，空间离散性增加。

（2）SDM模型回归结果。通过VIF检验，VIF均值为2.4，小于10，表明模型不存在严重的共线性问题；通过异方差和自相关检验，得出检验P值均大于0.05，表明不存在异方差和自相关问题；通过hausman检验，得出P值为0.011，拒绝原假设，选择固定效应模型。关于内生性问题，研究表明SDM模型本身在处理因遗漏变量导致的内生性问题方面具有一定的优势[37]，且极大似然法（ML）被认为是处理内生性问题的有效方法之一[38]， ELHORST也指出时空双固定模型要优于个体固定效应模型[39]，因此，本文采用时空双固定杜宾模型并结合极大似然估计分析劳动力转移对耕地利用生态效率的空间溢出效应[40]，模型结果见表3。

全国层面，劳动力转移及其平方项均在1%水平下通过了显著性检验，说明劳动力转移与耕地利用生态效率之间存在“U型”曲线关系。在劳动力转移初期，为维持产量不变，劳动力减少必然导致另一种要素投入增加，增加化肥农药投入是当时最简便和最快的增收方式，但同时也对生态环境造成了一定的影响。然而，随着化肥农药边际效益的下降以及劳动力的持续转移，农业机械化为农民规模化生产带来了机遇，从而促进耕地利用规模效率和技术效率的提升。

区域层面，东部和中部劳动力转移对耕地利用生态效率的影响不显著，东部作为中国的经济发达地区，更倾向于通过科技施肥、机械化耕种与收割进行农业现代化生产，劳动力要素投入相对较小。中部由于经济欠发达、土地细碎化、农机技术落后，农户优先选择撂荒或粗放经营[41]，因此在短期内对耕地利用生态效率的影响不显著。西部和东北部呈显著的“U型”关系，说明劳动力转移能够促进当地农业生产的技术使用和规模经营，进而通过减少化肥施用，增加有机肥、生物技术的应用，减少碳排放，从而提升耕地利用生态效率。

从空间滞后系数ρ来看，全国和区域的系数均为负值，其中中部、西部和东北部在1%的水平下显著，表明中部、西部和东北部的耕地利用生态效率存在显著空间负外部性。从劳动力转移及其平方项的空间系数W来看：全国层面，劳动力转移的一次方不显著，但劳动力转移的平方项在1%的水平下显著为正，说明劳动力转移至一定程度后，将对周边耕地利用生态效率产生显著的空间正外部效应；区域层面，中部劳动力转移同样存在正的空间溢出效应，而西部和东北部劳动力转移的一次方负向显著，但平方项不显著，表明西部和东北部劳动力转移对周边耕地利用生态效率存在显著的负向效应。

（3）效应分解。表4中，就直接效应来看：全国层面，本地劳动力转移对本地耕地利用生态效率的影响在1%的显著水平下呈“U”型曲线变化，劳动力转移的一次项和平方项系数分别为-0.740和1.314，转折点为28.16%①，即劳动力转移率<28.16%，本地劳动力转移负向影响本地耕地利用生态效率，劳动力转移率>28.16%，本地劳动力转移正向影响耕地利用生态效率，与研究假说H1相符。区域层面，不同地区劳动力转移對耕地利用生态效率的影响不同，与研究假说H2相符。东部劳动力转移对耕地利用生态效率的影响不显著；中部劳动转移的一次方正向显著，平方项不显著，表明劳动力转移与本地耕地利用生态效率正相关；西部劳动力转移的一次方和平方项均在5%水平下显著，表明西部劳动力转移与该区域的耕地利用生态效率之间存在“U”型曲线关系，其临界值为26.81%；东北部劳动力转移的平方项显著，一次方不显著，表明当劳动力转移率>23.32%时，劳动力转移与本地耕地利用生态效率之间为显著的正向曲线关系。

就间接效应来看：全国层面，劳动力转移的平方项显著为正，说明劳动力转移至一定程度后，本地劳动力转移对周边地区的耕地利用生态效率提升具有积极效应，与研究假说H1相符。区域层面，不同区域劳动力转移对耕地利用生态效率影响存在显著的差异化空间溢出效应，与研究假说H2相符。中部和东北部表现出显著的空间溢出效应，中部劳动力转移对周边耕地利用生态效率表现为“U”型关系，当本地劳动力转移率至27.94%以上，本地劳动力转移能够带动周边地区耕地利用生态效率的提升；東北部劳动力转移则抑制了周边地区耕地利用生态效率的提升；东部和西部的空间溢出效应不显著。

从控制变量来看，劳均耕地面积、复种指数和人均纯收入整体上正向显著影响全国层面及不同区域的耕地利用生态效率，劳均耕地面积增加有助于规模经营，不同植物轮作复种能够吸收土壤中不被充分利用的有害元素，收入效应有助于农民通过增加要素投入以提高耕地利用生态效率。灌溉指数对全国大部分区域耕地利用生态效率具有消极影响，这一结果与众多学者的研究结论相符，但似乎又有悖常理。灌溉指数反映的是水域覆盖的比例，并非灌溉的效率，灌溉指数负向影响耕地利用生态效率，说明全国大部分地区的农田水利设施要加强，从而便于科学灌溉和排涝。地均农机总动力能有效促进东部和东北部地区的耕地利用生态效率的提升。地均化肥农药施用整体负向影响全国及各区域耕地利用生态效率，并产生负的空间外部效应。政府涉农支出对全国及区域耕地利用生态效率的影响整体为负，表明涉农资金配置的合理性有待进一步完善。

3.3 稳健性检验

为了考察实证结论的稳健性，使用邻接矩阵和经济距离矩阵替代地理距离矩阵进行全国层面的实证检验（表5）。结果显示，两种模型均在1%的水平下显著，且关键变量的系数值与地理距离矩阵的系数值和作用方向基本一致，表明农村劳动力转移对耕地利用生态效率的影响及其空间溢出的结论较为稳健。

4 结论与启示

本文采用非期望超效率EBM模型和空间杜宾模型，通过对全国及分区的研究发现：（1）1990—2014年全国及区域劳动力转移率持续攀升，2015年开始中部和西部劳动力转移呈下滑趋势，东北部连续持平。（2）全国及东部耕地利用生态效率呈波动上升趋势，中部因技术效率提升缓慢导致其耕地利用生态效率偏低；西部和东北部整体耕地利用生态效率较好，但区域差异显著。（3）全国层面，农村劳动力转移对耕地利用生态效率的影响呈“U型”曲线变化，劳动力转移率的转折点为28.16%，其空间溢出效应表现为在劳动力转移至一定程度后，劳动力转移对其他地区耕地利用生态效率具有正向非线性影响。（4）区域层面，东部农村劳动力转移对耕地利用生态效率的影响及其空间溢出效应均不显著；中部农村劳动力转移与本地耕地利用生态效率正相关，对其他地区的耕地利用生态效率的影响呈“U”型关系；西部农村劳动力转移与本地耕地利用生态效率之间存在“U”型关系，但空间溢出效应不显著；东北部农村劳动力转移率大于23.32%时，劳动力转移与本地耕地利用生态效率之间为显著的正向曲线关系，并产生负的空间溢出效应。

基于上述结论，得出以下启示：（1）基于先进的现代化农业生产技术，应进一步提升东部耕地利用集约程度，促进规模效益的提升，并通过收入效应、示范效应和知识外溢效益，形成正向空间溢出效应。（2）中部面临较低的技术效率，首先应加强农业劳动力知识技能的培训，增强其利用现代化农业生产技术的能力和意愿；其次要积极推进中部地区的耕地平整项目，促进农地流转，提高耕地集约利用程度，增强利用现代化农耕技术进行生产的可行性，从而推动耕地利用技术效率和规模效率同步增长。（3）针对显著的空间负外部性和区域差异，应鼓励西部和东北部农户采用生物科技、动植物产生的有机肥替代化肥以降低污染排放量，重视区域间的共同治理，避免因本地污染治理不当导致污染转移的负外部性效应，以期通过科学施肥、规模生产提升全域耕地利用生态效率。

参考文献（References）：

[1] TU S S， LONG H L， ZHANG Y N， et al. Rural restructuring at village level under rapid urbanization in metropolitan suburbs of China and its implications for innovations in land use policy[J] . Habitat International， 2018， 77： 143 - 152.

[2] 许恒周，郭玉燕，吴冠岑.农民分化对耕地利用效率的影响——基于农户调查数据的实证分析[J] .中国农村经济，2012（6）：31 - 39，47.

[3] 牛海鹏，张安录.耕地利用效益体系重构及其外部性分析[J] .中国土地科学，2009，23（9）：25 - 29.

[4] 卢新海，唐一峰，易家林，等.基于空间计量模型的耕地利用转型对农业经济增长影响研究[J] .中国土地科学，2019，33（6）：53 - 61.

[5] 方师乐，卫龙宝，伍骏骞.农业机械化的空间溢出效应及其分布规律——农机跨区服务的视角[J] .管理世界，2017（11）：65 - 78，187 - 188.

[6] 徐清华，张广胜.农村劳动力转移对县域农业生产效率的空间溢出效应——基于1832个县的面板数据[J] .农业现代化研究，2020，41（3）：407 - 416.

[7] ZHANG C Z， SU Y Y， YANG G Q， et al. Spatial-temporal characteristics of cultivated land use efficiency in major function-oriented zones：a case study of Zhejiang Province， China[J] . Land， 2020， 9（4）. doi：10.3390/land9040114.

[8] 鄒秀清，王英，武婷燕，等.江西省农业人口转移对耕地利用效率影响的门槛效应[J] .资源科学，2019，41（8）：1576 - 1588.

[9] 盖兆雪，孙萍，张景奇.环境约束下的粮食主产区耕地利用效率时空演变特征[J] .经济地理，2017，37（12）：163 -171.

[10] 冀正欣，王秀丽，李玲，等.南阳盆地区耕地利用效率演变及其影响因素[J] .自然资源学报，2021，36（3）：688 -701.

[11] 吴郁玲，张佩，李佳.长江经济带耕地利用效率时空演变特征及提升路径研究[J] .农业现代化研究，2021，42（4）：579 - 588.

[12] 刘蒙罢，张安录，文高辉.长江中下游粮食主产区耕地利用生态效率时空格局与演变趋势[J] .中国土地科学，2021，35（2）：50 - 60.

[13] 张红梅，宋戈.黑龙江垦区耕地利用生态效率及其内部协调性[J] .华中农业大学学报（社会科学版），2019（4）：160 - 168，178.

[14] 姜晗，杨皓然，吴群.东部沿海经济区耕地利用效率的时空格局分异及影响因素研究[J] .农业现代化研究，2020，41（2）：321 - 330.

[15] 臧俊梅，唐春云，王秋香，等.基于Super-SBM模型的广东省耕地利用效率空间非均衡性及影响因素研究[J] .中国土地科学，2021，35（10）：64 - 74.

[16] 马林燕，张仁慧，潘子纯，等.中国省际耕地利用生态效率时空格局演变及影响因素分析——基于2000—2019年面板数据[J] .中国土地科学，2022，36（3）：74 - 85.

[17] SKEVAS T， LANSINK A O. Reducing pesticide use and pesticide impact by productivity growth： the case of Dutch arable farming[J] . Journal of Agricultural Economics， 2014， 65（1）：191 - 211.

[18] 李兰冰，刘秉镰.中国高技术产业的效率评价与成因识别[J] .经济学动态，2014（9）：56 - 65.

[19] 王伟，孙芳城.高技术产业三阶段创新效率变动研究——基于内部非期望产出的SBM模型与EBM模型[J] .科技进步与对策，2018，35（3）：67 - 71.

[20] WBCSD. Eco-efficiency： Leadership for Improved Economicand Environmental Performance[R] .Geneva： World Business Council for Sustainable Development（WBCSD），1996：3 - 16.

[21] MULLER K， STERM A. Standardized Eco-efficiency Indicators - report 1： Concept Paper[R] . Basel： Ellipson Ag， 2001：6 - 8.

[22] STARK O， BLOOM D E. The new economics of labor migration[J] . American Economic Review， 1985， 75（2）： 173 -178.

[23] 李谷成，梁玲，尹朝静，等. 劳动力转移损害了油菜生产吗 ——基于要素产出弹性和替代弹性的实证[J] . 华中农业大学学报（社会科学版），2015（1）：7 - 13.

[24] LOPEZ-BAZO E， VAYA E， ARTIS M. Regional externalities and growth： evidence from European regions[J] . Journal of Regional Science， 2004， 44（1）： 43 - 73.

[25] 沈能，赵增耀.农业科研投资减贫效应的空间溢出与门槛特征[J] .中国农村经济，2012（1）：69 - 79，96.

[26] 成刚.数据包络分析方法与MaxDEA软件[M] .北京：知识产权出版社，2014：63.

[27] TONE K， TSUTSUI M. An epsilon-based measure of efficiency in DEA—a third pole of technical efficiency[J] . European Journal of Operational Research， 2010， 207（3）：1554 - 1563.

[28] ANDERSEN P， PETERSEN N C. A procedure for ranking efficient unitsin data envelopment analysis[J] . Management Science， 1993， 39（10）：1261 - 1264.

[29] LESAGE J P， PACE R K. Introduction to Spatial Econometrics[M] . Boca Raton：Taylor & Francis Group， 2009：34 - 48.

[30] CHEN Y， LI S R， CHENG L. Evaluation of cultivated land use efficiency with environmental constraints in the Dongting Lake Eco-Economic Zone of Hunan Province， China[J] . Land， 2020， 9（11）.doi：10.3390/land9110440.

[31] 李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解[J] .中国人口·资源与环境，2011，21（8）：80 - 86.

[32] 苏昕，刘昊龙.农村劳动力转移背景下农业合作经营对农业生产效率的影响[J] .中国农村经济，2017（5）：58 - 72.

[33] 侯孟阳，姚顺波.中国农村劳动力转移对农业生态效率影响的空间溢出效应与门槛特征[J] .资源科学，2018，40（12）：2475 - 2486.

[34] 王良健，李辉.中国耕地利用效率及其影响因素的区域差异——基于281个市的面板数据与随机前沿生产函数方法[J] .地理研究，2014，33（11）：1995 - 2004.

[35] 张立新，朱道林，谢保鹏，等.中国粮食主产区耕地利用效率时空格局演变及影响因素——基于180个地级市的实证研究[J] .资源科学，2017，39（4）：608 - 619.

[36] 杨朔，于文海，李世平.基于DEA非有效改进的陕西省耕地生产效率研究[J] .中国土地科学，2013，27（10）：62 -68.

[37] 田相辉，张秀生.空间外部性的识别问题[J] .统计研究，2013，30（9）：94 - 100.

[38] 龙小宁，朱艳丽，蔡伟贤，等.基于空间计量模型的中国县级政府间税收竞争的实证分析[J] .经济研究，2014，49（8）：41 - 53.

[39] ELHORST J P. Applied spatial econometrics： raising the bar[J] . Spatial Economic Annals， 2010， 5（1）： 9 - 28.

[40] 赵磊，方成，吴向明.旅游发展、空间溢出与经济增长——来自中国的经验证据[J] .旅游学刊，2014，29（5）：16 - 30.

[41] GAO J， SONG G， SUN X Q. Does labor migration affect rural land transfer Evidence from China[J] . Land Use Policy， 2020， 99. doi：10.1016/j.landusepol.2020.105096.

The Spatial Spillover Effect of Rural Labor Transfer on Ecological Efficiency of Cultivated Land Use

ZOU Xiuqing1，2， XIE Meihui2， YU Shaokang3， LI Zhiyuan4

（1. College of Economics and Management， Shanghai University of Electric Power， Shanghai 201306， China； 2. School of Economics， Jiangxi University of Finance and Economics， Nanchang 330013， China； 3. Jiangxi Land and Space Survey and Planning Research Institute， Nanchang 330025， China； 4. Institute of Ecological Civilization， Jiangxi University of Finance and Economics， Nanchang 330013， China）

Abstract： The purposes of this study are to explore influencing mechanism and spatial spillover effect of rural labor transfer on the ecological efficiency of cultivated land use （ECLU） in different regions. The research methods include unexpected super efficiency EBM model and spatial Durbin model. The results show that： 1） the national rural labor transfer rate and the ECLU showed an overall upward trend， but the regional differences are significant. 2） In the whole country， a significant U-shaped trend is observed between the local rural labor transfer and ECLU， and has significant spatial spillover effect after labor transfer up to a certain extent. 3） At the regional level， the rural labor transfer in Central China is positively related to the ECLU， and the spatial spillover effect. is in a U-shaped. There is a U-shaped relationship between the rural labor transfer and the ECLU in the West， but the spatial spillover effect is not significant. When the rural labor transfer in Northeast China is greater than 23.32%， it has a significant impact on the ECLU， and has a negative spatial spillover effect. In conclusion， we should encourage cultivated land transfer to promote the intensive use of cultivated land and improve farmers skills， to promote the synchronous growth of technological efficiency and scale efficiency of cultivated land use.

Key words： rural labor transfer； ecological efficiency of cultivated land use； unexpected super-efficiency EBM model； spatial Durbin model； spatial spillover effect

（本文責编：仲济香）

①人均耕地数据均来源于《中国环境统计年鉴（2019）》。

①“耕地利用生态效率”就是效率测算模型中的技术效率（TE）=纯技术效率（PTE）× 规模效率（SE）。

①转折点为-b/2a。