基于超效率SBM 模型中国农业生态效率的测度及其影响因素分析

李昊坤

南京农业大学金融学院, 江苏 南京 210095

0 引言

自改革开放以来, 中国经济在飞速发展的同时,农业也在快速发展, 不仅解决了中国十几亿人口的吃饭问题, 还为解决地区性饥荒问题做出了巨大贡献。但农业生产率的不断提高在一定程度上是以生态环境破坏和资源浪费为代价, 导致目前中国农业的可持续发展受到了极大的挑战。 在保持当前粮食、 蔬菜等“期望” 产出的前提下, 应尽量减小资源浪费和农业生产过程中对环境带来的污染。

国内外学者都对中国农业生产率进行了大量的研究, 主要分为参数法和非参数法两大类。 非参数方法因为不需要预先设定好具体的参数形式而被广泛应用于农业生产效率的评价。 当前的研究得出了很多有意义的结论, 但其并未考虑到农业生产还会带来碳排放、 氮磷流失等“非期望” 产出, 这会高估当前的农业生产率。 这种情况虽然已引起部分学者的注意并展开了相关研究, 但是对投入要素和产出要素的考虑仍不完善。 文章将利用超效率SBM 模型, 结合之前学者的研究, 将农业生产过程中的投入和产出更全面地纳入农业生态效率评估。 在此基础上, 利用固定效应模型对农业生态效率的影响因素进行回归分析。

1 文献综述

农业作为一切经济生产的首要条件, 是国民经济建设的基础。 虽然中国无论是农业技术, 还是农业生产效率都在快速进步, 但由此带来的资源浪费和环境破坏等问题也较为严重。 因此, 农业也需要在可持续发展思想的指导下, 维持生产效率的同时, 减轻对环境的破坏, 来提高农业生态效率。 农业生态效率又称农业环境技术效率、 农业绿色技术效率等, 是指在考虑农业生产过程中对环境污染的条件下测算出的农业生产率。

众多学者对此开展了研究。 潘丹在考虑水资源和农业面源污染的因素下, 分析中国30 个省级行政区的农业绿色技术效率和农业绿色全要素生产率, 发现中国农业绿色生产率总体处于及格线以下, 中国农业的增长是以消耗大量资源为代价的粗放型增长[1]。 韩海彬运用SBM 模型测算了中国29 个省级行政区1993—2010 年的农业环境技术效率, 发现中国农业环境技术效率总体偏低, 东部农业环境技术效率高于中西部地区, 农业比重、 政府的支持、 农村教育水平等会对农业环境技术效率产生影响[2]。 丁圆元、 李丰利用三阶段DEA 模型, 在考虑环境因素的情况下对中国2015 年30 个省级行政区的农业生产效率进行测算分析, 结果显示农业生产过程中对环境的破坏会导致农业生产效率降低[3]。 任红霞阐述了生态效率的评价方法, 并测算分析了兰西城市群的静态效率和规模效率[4]。 葛敏运用超效率SBM 模型对山东省的农业生态效率进行了测算, 发现山东省的农业生态效率虽难以实现跨越式发展, 但总体仍呈现上升趋势[5]。 崔叶辰、 韩亚丽等运用超效率SBM 模型测度了新疆的农业生态效率, 并用固定效应模型分析了其影响因素,结果表明新疆不同区域的农业生态效率影响因素存在巨大差异[6]。 尚杰、 吉雪强等利用三阶段SBM-DEA模型对中国13 个粮食主产区的农业生态效率进行了测算, 之后运用熵值法、 Tobit 回归等模型发现城镇化发展可以促进农业生态效率的提升[7]。

2 数据说明和模型选取

2.1 变量选取和数据说明

文章使用2007—2020 年中国30 个省级行政区(限于数据的可得性, 未包括西藏自治区, 香港、 澳门特别行政区和台湾省) 的农业投入和产出数据。 数据来源于《中国统计年鉴》 (2007—2020 年)、 《中国农村统计年鉴》 (2007—2020 年)、 《中国环境统计年鉴》 (2007—2020 年)、 CSMAR 数据库等。 除可直接获取的数据以外, 部分数据可通过计算得到, 个别缺失数据采用插值法补齐。

2.1.1 农业投入指标

农业投入包括土地投入、 机械动力投入、 化肥投入、 农药投入、 农膜投入和灌溉投入等6 种投入。 土地投入以农作物总播种面积衡量; 机械动力投入以农业机械总动力衡量; 化肥投入以折纯法计算的农用化肥施用量衡量; 农药投入以农药施用量衡量; 农膜投入以农用塑料薄模使用量衡量; 灌溉投入以实际有效灌溉面积衡量。

2.1.2 农业产出指标

农业产出包括期望产出和非期望产出。 农业产出以1990 年不变价格的农林牧渔业总产值来衡量。 非期望产出主要包括碳排放、 氮流失量和磷流失量等。

碳排放估算参考张瑞玲[8]的方法, 公式C=∑ci= ∑Eiδi, 其中C为农业碳排放总量,ci为第i种碳源碳排放量,Ei为碳源使用量,δi为相应的碳排放系数。 计算氮、 磷流失量时, 利用张佳卓[9]测算确定的氮、 磷化肥流失系数, 所用公式与碳排放计算相似, 不再重复赘述。 具体投入产出指标如表1 所示, 相关指标的描述性统计见表2。

表1 农业生态效率投入产出指标描述Table 1 Description of agricultural eco-efficiency input-output index

表2 主要指标描述性统计Table 2 Descriptive statistics of main indicators

2.2 生态因素与非径向、 非角度的超效率SBM 模型

在分析农业生产效率时, 产出方面不应仅包括各种农作物产出, 还有因农作活动而造成的环境污染。将生态因素纳入农业生产效率的评价体系, 这就需要借助DEA 模型来对多投入和多产出进行评价。 传统DEA 模型主要分为两种: 一种是基于规模报酬不变的CCR 模型, 另一种是基于规模报酬可变的BCC 模型。这两种传统DEA 模型是角度的, 假设前提是投入或产出不变, 故而必须要在投入和产出中忽略一个, 这必然会对效率的测算结果产生影响。 CCR 模型和BCC 模型也是径向的, 均要求投入和产出会同比例的放大或缩小, 如果存在松弛的投入或产出, 则会高估效率值。Tone 于2001 年提出SBM 模型, 松弛变量问题得以解决[10,11]。 超效率SBM 模型基于超效率DEA 模型和普通SBM 模型的优势有效结合而构建, 可以有效避免普通SBM 模型无法包含所有DMU 效率值的不足。 使用超效率SBM 模型对中国30 个省级行政区农业生态效率进行测度。 假设有n个决策单元,N、M、L分别表示N类投入指标,M类期望产出指标,L类非期望产出指标, 利用向量可表示为x∈SN,ya∈SM,yb∈SL;x、ya和yb是矩阵;X= [x1…xn] ∈SN×n,Ya=[…] ∈SM×n和Yb= [yb1…ybn] ∈SL×n。 定义超效率SBM 中的决策单元是有效的, 构建了包含非期望产出的非角度、 非径向的超效率SBM 模型。

2.3 固定效应模型

应用超效率SBM 模型得出中国30 个省级行政区的农业生态效率值后, 进一步对农业生态效率的影响因素进行分析。 为了减少地区和时间对回归结果的影响, 再加上研究对象是基于特定的对象, 因而使用固定效应模型:

其中yit为被解释变量, 代表第i个省级行政区经过测度的第t年的农业生态效率;λi是随机截距, 代表各个省级行政区那些不随时间改变的因素, 这些因素通常难以量化, 例如农民劳作习惯、 地区产权制度等;xit为解释变量向量,βi为回归系数向量,ξit是独立的随机误差项, 且ξit～N(0,σ2) 。

3 农业生态效率分析

选择Super-SBM 模型, 利用2007—2020 年中国30 个省级行政区的农业投入和产出数据, 以土地、 机械、 化肥、 农药、 农膜和灌溉为投入指标, 农业总产值为期望产出, 农业碳排放总和、 氮流失量和磷流失量为非期望产出, 测算中国30 个省级行政区的农业生态效率。

中国农业生产效率存在着明显的地域差异, 因此农业生态效率可能也有显著的地域差异。 文章分别对东南、 中部和西北三个区域的农业生态效率差异进行分析。 东南区域包括江苏、 安徽、 浙江、 福建、上海、 广东、 广西、 江西、 海南; 中部区域包括山东、 山西、 湖北、 湖南、 河南、 陕西、 贵州、 重庆、云南、 四川、 北京、 天津、 河北; 西北区域包括辽宁、 吉林、 黑龙江、 内蒙古、 宁夏、 甘肃、 青海、新疆。

图1 显示了在考虑对环境会造成污染的非期望产出条件下, 2007—2020 年中国30 个省级行政区平均农业生态效率以及各区域农业生态效率的变化。

图1 2007—2020 年中国各区域平均农业生态效率Fig.1 Average agricultural eco-efficiency by region in China from 2007 to 2020

全国平均农业生态效率值相比于李谷成[12]和韩海彬[13]的测算结果偏高, 一个可能的原因是文章采用的是超效率SBM 模型, 测算的效率值不存在上界,导致结果偏大。 从图1 可以看出, 2007 年中国农业生态效率位于0.6～0.7 之间, 此后的5 年内, 中国平均农业生态效率徘徊在0.5 ～0.6 之间, 相对于效率前沿, 存在较大的改进空间, 且并未表现出明显的变化趋势。 但从2013 年开始, 中国农业生态效率不断上升, 2016 年突破0.7, 2020 年突破0.8, 进步非常明显。

中国东南区域、 中部区域和西北区域从2007—2020 年的平均农业生态效率值分别为0.78、 0.64 和0.49。 东南区域的农业生态效率显著高于中部区域和西北区域, 也显著高于全国平均农业生态效率。 中部区域农业生态效率显著高于西北区域, 但在2007—2011 年略低于全国平均水平, 自2012 年开始, 中部区域农业生态效率稳步提升, 略微超过全国平均水平。 农业生态效率的地域差异同样在效率前沿面上得到体现。 由于测算方法采用的是超效率SBM 模型,认为效率值大于等于1, 即达到效率前沿。 2007—2020 年, 东南区域共9 个省级行政区, 其中每年都有一半以上的省级行政区达到了效率前沿, 2020 年, 更是有8 个省级行政区位于效率前沿。 相比之下, 中部区域和西北区域达到效率前沿的省级行政区的数量总和仍没有东南区域多。 远离效率前沿的省级行政区均属于中部区域和西北区域, 甘肃、 青海、 山西等省级行政区在全国农业生态效率排名中常处于最后几位。

农业生态效率和地域之间存在紧密的联系。 自然条件好, 经济发展水平高的区域, 农业生态效率就较高; 自然条件欠佳, 经济发展水平较低的区域, 农业生态效率偏低。 东南区域地理气候条件优渥, 外加上强劲的经济实力, 为生态农业生产提供了良好的条件, 较强的科技实力也为解决农业污染问题提供了技术支持。 此外, 在东南区域生活的人们收入水平较高, 在农业产品的选择上更偏好于高质量的生态农产品, 这就从消费者层面倒逼农业生产者在劳作时尽量减少污染, 提供绿色农产品。

4 农业生态效率影响因素分析

4.1 变量设计及回归方法

影响农业生态效率的因素有很多, 根据现有研究和有关数据的可得性, 将农业生态效率的影响因素归纳为以下几个方面: 经济发展水平、 农民收入水平、农业结构、 农业机械化、 农业固定资产投资、 节水灌溉面积、 自然环境。 具体变量如表3 所示。

表3 农业生态效率影响因素Table 3 Influencing factors of agricultural eco-efficiency

4.2 结果分析

中国面积广大, 各个区域间存在较大的自然、 经济差异, 为了更好分析农业生态效率的影响因素, 将选择中国总样本, 东南区域、 中部区域、 西北区域共4 个模型进行对比分析, 4 个模型的R2值分别为0.45、 0.42、 0.76 和0.23, 选择固定效应模型是可行的。 具体回归结果见表4。

表4 农业生态效率影响因素模型回归结果Table 4 Regression results of influencing factors model of agricultural eco-efficiency

4.2.1 中国总样本

回归①是对全国30 个省级行政区总体进行回归, 结果显示经济发展水平、 农民经济状况、 农业结构、 农业机械化和农业固定资产投资通过了显著性检验。

经济发展水平与农业生态效率有较为显著的负相关关系。 通常一个地区的经济发展水平越高, 往往意味着拥有更多的资源, 但经济的发展对农业的依赖较小, 更多依靠第二产业、 第三产业推动当地的经济建设, 而这会在一定程度上挤占农业生产所需的各种资源, 对生态农业的发展产生负面影响。

农民经济状况与农业生态效率有显著的正向关系。 农民的经济状况越好, 其在从事农业生产活动的时候, 不会因为经济压力而在农业生产中加大农药、化肥等化学投入, 以期获得会对环境造成负面影响的经济收益, 从而间接提高了农业生态效率。

农业结构同样与农业生态效率有较为显著的正向关系。 农业比重大意味着在国内大部分地区实施农作活动存在规模优势, 同时也表示对农业活动的重视度较高, 提高了农业资源利用效率, 从而促进生态农业的发展。

同以往大多数研究做出的结论相反, 农业机械化与农业生态效率之间存在显著的负相关关系。 经过分析, 在使用机械从事农业生产过程中, 会排放大量的二氧化碳, 在计算农业生态效率时考虑了这部分碳排放对环境造成的影响。 农业机械的使用体现了较高的农业生产技术水平, 节省了大量的人力物力财力, 但农业机械的使用同样会产生大量碳排放, 对环境产生影响。 因此, 农业机械的使用在提升劳作效率和减少碳排放中应取得平衡, 才能对农业生态效率的提升产生促进作用。

农业固定资产投资与农业生态效率之间有显著的正向关系。 较高的农业固定资产投资代表着当地对农业生产的重视, 也意味着劳动力、 资金等生产要素的投入, 带来了农业技术的提升, 这都会极大地改善绿色农业生产, 提高农业生态效率。

4.2.2 各区域样本

回归②、 回归③、 回归④分别是针对东南区域、中部区域和西北区域的回归结果。

东南区域环境治理与农业生态效率之间有较为显著的正相关关系。 东南区域多处于中国季风气候区,夏季高温多雨, 因此夏季水涝灾害频发, 对环境进行良好的治理可以显著地降低洪涝灾害对农业活动的影响, 从而可以在维持农业产出的情况下减小农业投入, 提高农业生产效率, 间接改善了农业生态效率。

而中部区域环境治理同农业生态效率之间的关系与东南区域相反, 即中部区域对环境进行治理会显著降低农业生态效率。 中部区域多位于中国大陆气候和季风气候的交界地带, 相比东南区域夏季降水量较少, 不会造成太多的洪涝灾害, 虽然环境治理仍会改善农业生产环境, 但同时也会占用一部分本该投入农业的资源, 对农业生态效率产生负面的影响。

西北区域的农业生态效率主要和当地经济发展水平和农民经济状况有关。 经济发展水平与农业生态效率存在负相关关系, 通过了10%水平的显著性检验;农民经济状况与农业生态效率有显著的正向关系。 虽然原因与全国样本基本一致, 但可以从侧面反映出西北地区经济发展水平较低, 农业生态效率的高低主要取决于农民自身的经济状况, 经济条件较好的农民没有需要通过农业劳作改善生活的迫切需求, 更专注于高质量的农业生产, 会显著提高农业生态效率。

5 结论

利用非径向、 非角度的超效率SBM 模型测算了考虑农业非期望产出的中国30 个省级行政区的农业生态效率, 并分区域运用固定效应回归模型对农业生态效率的影响因素进行了分析。 主要结论如下:

1) 全国农业生态技术效率在2007—2012 年处于波动状态, 之后年度呈上升趋势, 并在2015 年再次达到0.6 的及格水平, 2020 年农业生态技术效率值为0.866 8, 达到最高点。 随着中国经济实力的不断增强, 中国对环境保护越来越重视, 农业也逐渐由粗放型生产向集约型生产靠近。

2) 考察期内, 中国东南区域、 中部区域和西北区域的平均农业生态效率值分别为0.78、 0.64 和0.49。 中国东南区域的农业生态效率值显著高于中部区域、 西北区域以及全国平均值; 中部区域的农业生态效率值与全国平均水平大致相同, 但也显著高于西北区域的农业生态效率值。 中国3 个区域的农业生态效率差异在效率前沿上有同样的反映: 东南区域省级行政区的农业生态效率值达到效率前沿的比例明显高于中部区域和西北区域; 远离农业生态效率前沿的省级行政区多集中在西北区域。

3) 通过运用固定效应模型对面板数据进行分区域回归, 发现经济发展水平和农业机械化会对全国农业生态效率产生显著的负面影响, 而农民经济状况、农业结构和农业固定资产投资则会显著促进全国农业生态效率的提升。 环境治理会对东南区域和中部区域的农业生态效率产生影响, 但影响方向相反。 西北区域的农业生态效率主要与当地的经济发展水平和农民经济状况有关。