劉鵬凌，黃靖輝，李小寧，王 晨

(安徽農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，安徽 合肥 230036)

“十三五”期間，我國(guó)農(nóng)業(yè)現(xiàn)代化建設(shè)取得了巨大成功，鄉(xiāng)村振興計(jì)劃基礎(chǔ)穩(wěn)固，農(nóng)村生態(tài)環(huán)境明顯改善[1]，糧食產(chǎn)量穩(wěn)中有升[2]。目前，我國(guó)農(nóng)業(yè)正在從傳統(tǒng)發(fā)展模式轉(zhuǎn)向高質(zhì)量發(fā)展模式，作為供給側(cè)結(jié)構(gòu)性改革的重要一環(huán)，農(nóng)業(yè)生產(chǎn)與資源環(huán)境的有機(jī)結(jié)合，適應(yīng)了當(dāng)下綠色發(fā)展的迫切需求。但由于市場(chǎng)供需周期性變化、農(nóng)業(yè)資源過(guò)度開(kāi)發(fā)等一系列因素，造成農(nóng)產(chǎn)品市場(chǎng)供需關(guān)系失衡、農(nóng)村土地負(fù)擔(dān)過(guò)重等問(wèn)題，導(dǎo)致穩(wěn)定農(nóng)產(chǎn)品市場(chǎng)供給與推進(jìn)生態(tài)農(nóng)業(yè)發(fā)展成為我國(guó)農(nóng)業(yè)農(nóng)村未來(lái)發(fā)展的關(guān)鍵任務(wù)。若要成功應(yīng)對(duì)即將到來(lái)的種種挑戰(zhàn)，就急需探索新農(nóng)業(yè)發(fā)展道路，改善現(xiàn)有農(nóng)業(yè)發(fā)展方式。2021年中央一號(hào)文件指出要加快推進(jìn)農(nóng)業(yè)現(xiàn)代化建設(shè)，強(qiáng)化農(nóng)村農(nóng)業(yè)一般公共預(yù)算投入保障，健全休耕輪作制度，提升糧食供給保障能力，堅(jiān)持農(nóng)村綠色發(fā)展，深入推進(jìn)農(nóng)村改革。因此，宏觀調(diào)控如何影響農(nóng)業(yè)生態(tài)環(huán)境、農(nóng)村經(jīng)濟(jì)發(fā)展，兼顧休耕輪作、糧食保障、種植結(jié)構(gòu)的相關(guān)研究亟待展開(kāi)。

農(nóng)業(yè)生態(tài)效率是農(nóng)業(yè)相關(guān)投入、產(chǎn)出、環(huán)境3者的綜合反映指標(biāo)[3]。在國(guó)內(nèi)農(nóng)業(yè)生態(tài)效率領(lǐng)域中，關(guān)注點(diǎn)主要集中于以下方面：第一，農(nóng)業(yè)生態(tài)效率的影響因素。在有關(guān)文獻(xiàn)中，關(guān)于對(duì)農(nóng)業(yè)生態(tài)效率有促進(jìn)作用的因素有農(nóng)業(yè)旅游融合發(fā)展[4]、農(nóng)業(yè)人才培養(yǎng)[5]、研發(fā)投入[6]、財(cái)政支農(nóng)[7]等；對(duì)農(nóng)業(yè)生態(tài)效率有負(fù)向作用的因素有化肥農(nóng)藥投入[8]、勞動(dòng)力投入[9]、農(nóng)業(yè)面源污染等；對(duì)農(nóng)業(yè)生態(tài)效率有非線性影響的因素有農(nóng)村科技投入對(duì)農(nóng)業(yè)生態(tài)投入的“倒U”型影響[10]，人均農(nóng)業(yè)增加值對(duì)農(nóng)業(yè)生態(tài)效率的“正U”型影響[11]等。第二，農(nóng)業(yè)生態(tài)效率的空間關(guān)聯(lián)。已有研究指出我國(guó)各省份的農(nóng)業(yè)生態(tài)效率具有穩(wěn)定性和正空間自相關(guān)性[5]，并且各地的農(nóng)業(yè)化肥施用力度與農(nóng)業(yè)生態(tài)效率之間存在交互效應(yīng)和空間溢出效應(yīng)[12]。所以，一方面我國(guó)農(nóng)業(yè)生態(tài)效率的改善需更注重環(huán)保與發(fā)展之間的協(xié)調(diào)力度[13]，另一方面需要多維度提高農(nóng)業(yè)生態(tài)效率，促進(jìn)各省市之間的合作[14]。

已有文獻(xiàn)在農(nóng)業(yè)生態(tài)效率的分析中主要關(guān)注于各項(xiàng)因素對(duì)農(nóng)業(yè)生態(tài)效率的直接影響，但對(duì)間接影響研究甚少，并且很少對(duì)涉農(nóng)財(cái)政政策與農(nóng)業(yè)生態(tài)效率進(jìn)行深入研究。與其相比，聚焦于涉農(nóng)財(cái)政的兩個(gè)部分(中央財(cái)政資金與地方財(cái)政配套資金)對(duì)農(nóng)業(yè)生態(tài)效率的影響，不僅以糧食產(chǎn)能為傳遞因子研究涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率的間接影響，而且以糧食種植結(jié)構(gòu)為調(diào)節(jié)因子研究不同情景下的復(fù)合影響。從涉農(nóng)財(cái)政入手，以中國(guó)31個(gè)省(市、區(qū)，除港澳臺(tái)地區(qū))為研究對(duì)象，收集并整理2003—2019年的面板數(shù)據(jù)，分析中央財(cái)政資金與地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率的作用方向與影響程度，并且探討糧食產(chǎn)能的傳遞效應(yīng)和糧食種植結(jié)構(gòu)的調(diào)節(jié)效應(yīng)。通過(guò)這些研究，理清涉農(nóng)財(cái)政、糧食產(chǎn)能如何影響農(nóng)業(yè)生態(tài)效率，為未來(lái)農(nóng)業(yè)生態(tài)發(fā)展調(diào)整提供有效信息。與現(xiàn)有文獻(xiàn)相比，文章做出了以下可能的擴(kuò)展：(1)將涉農(nóng)財(cái)政區(qū)分為中央財(cái)政資金與地方財(cái)政配套資金，考察了中央涉農(nóng)財(cái)政與地方涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率的作用方向與程度；(2)以糧食產(chǎn)能為傳遞因子，糧食種植結(jié)構(gòu)為調(diào)節(jié)因子，同時(shí)考察在不同種植結(jié)構(gòu)下兩類涉農(nóng)財(cái)政通過(guò)糧食產(chǎn)能對(duì)農(nóng)業(yè)生態(tài)效率的直接效應(yīng)與間接傳遞效應(yīng)。

一、理論分析

(一)涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率的直接影響

涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率的影響可分為社會(huì)經(jīng)濟(jì)層面和生態(tài)環(huán)境層面。在社會(huì)經(jīng)濟(jì)層面，合理的財(cái)政配額可使地方支出與責(zé)任相匹配，帶動(dòng)科技創(chuàng)新、人才培養(yǎng)力度[15]，推進(jìn)農(nóng)業(yè)生產(chǎn)模式的轉(zhuǎn)變[16]，有利于促進(jìn)地方農(nóng)業(yè)生態(tài)效率的提高。在生態(tài)環(huán)境層面，根據(jù)環(huán)境經(jīng)濟(jì)學(xué)理論，生態(tài)環(huán)境具有公共物品屬性，政府的宏觀調(diào)控行為涉及生態(tài)環(huán)境時(shí)，往往會(huì)出現(xiàn)外部性，造成市場(chǎng)失靈，資源無(wú)法得到合理的分配，導(dǎo)致農(nóng)業(yè)生態(tài)效率下降。所以關(guān)于涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率的影響需綜合考慮社會(huì)經(jīng)濟(jì)因素和生態(tài)環(huán)境因素。由此可知，涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率可能存在影響，但影響方向不明確。

(二)糧食產(chǎn)能的傳遞效應(yīng)

1.涉農(nóng)財(cái)政與糧食產(chǎn)能。就農(nóng)業(yè)發(fā)展而言，首先農(nóng)業(yè)發(fā)展需要投入新的生產(chǎn)要素，但是普通農(nóng)戶缺乏必要的技術(shù)與資本，因此需要政府的扶持。近年來(lái)，中國(guó)政府不斷提高涉農(nóng)財(cái)政上限，大力支持農(nóng)村地區(qū)基礎(chǔ)設(shè)施建設(shè)，改善農(nóng)民生活環(huán)境與質(zhì)量，提升農(nóng)民知識(shí)水平與管理效率，提高農(nóng)業(yè)生產(chǎn)率，進(jìn)而提升糧食產(chǎn)能。一般而言，涉農(nóng)財(cái)政可以從3個(gè)方面體現(xiàn)，分別是：補(bǔ)貼性涉農(nóng)財(cái)政、開(kāi)發(fā)性涉農(nóng)財(cái)政、行政性涉農(nóng)財(cái)政。三者對(duì)糧食產(chǎn)能的影響機(jī)制不同。

首先補(bǔ)貼性涉農(nóng)財(cái)政通過(guò)直接對(duì)農(nóng)戶進(jìn)行轉(zhuǎn)移支付彌補(bǔ)其損失，降低農(nóng)產(chǎn)品市場(chǎng)價(jià)格波動(dòng)與自然災(zāi)害對(duì)農(nóng)戶產(chǎn)生的不利影響，穩(wěn)定糧食產(chǎn)能。其次開(kāi)發(fā)性涉農(nóng)財(cái)政通過(guò)改善人居環(huán)境與基礎(chǔ)設(shè)施，從客觀上提升農(nóng)業(yè)生產(chǎn)率，提高糧食產(chǎn)能。最后行政性涉農(nóng)財(cái)政通過(guò)提升農(nóng)業(yè)相關(guān)部門(mén)的工作效率，擴(kuò)大農(nóng)業(yè)農(nóng)村公共服務(wù)業(yè)務(wù)，減少農(nóng)戶的交易成本，以此保護(hù)農(nóng)民的生產(chǎn)積極性，間接提高了糧食產(chǎn)能。

2.糧食產(chǎn)能與農(nóng)業(yè)生態(tài)效率?！笆奈濉币?guī)劃與2035年遠(yuǎn)景目標(biāo)綱要明確指出要把糧食產(chǎn)能作為經(jīng)濟(jì)社會(huì)發(fā)展的主要目標(biāo)，并確立“6.5億噸”的約束性目標(biāo)，即“1.3萬(wàn)億斤”。糧食產(chǎn)能作為國(guó)家糧食安全的重要一環(huán)，其意義非比尋常。以糧食單位面積產(chǎn)量為例，從2001—2018年我國(guó)糧食單位面積產(chǎn)量及其變化率中可以看出，我國(guó)糧食單位面積產(chǎn)量總體呈上升趨勢(shì)，其變化率在2002—2012年間波動(dòng)較大，而在2013年后波動(dòng)較小，僅在1%左右。由此可知，糧食產(chǎn)能可能受規(guī)模報(bào)酬遞減規(guī)律的影響，若要進(jìn)一步提高糧食產(chǎn)能且維持效率不變，農(nóng)戶可能會(huì)提高化肥、農(nóng)藥施用量，從而造成農(nóng)村環(huán)境惡化等其他負(fù)外部性[17-18]，導(dǎo)致農(nóng)業(yè)生態(tài)效率的降低。目前，糧食產(chǎn)能提升可細(xì)分為2個(gè)方面：農(nóng)業(yè)技術(shù)水平方面與農(nóng)業(yè)規(guī)模方面。

農(nóng)業(yè)技術(shù)水平方面，隨著農(nóng)業(yè)技術(shù)水平的提高，一二產(chǎn)業(yè)融合愈加緊密，農(nóng)業(yè)機(jī)械綜合利用率不斷提高，造成燃油和其他化石能源大量消耗，增加了二氧化碳與其他污染物的排放水平，進(jìn)而導(dǎo)致農(nóng)業(yè)生態(tài)效率的降低。農(nóng)業(yè)規(guī)模方面，農(nóng)業(yè)規(guī)模的擴(kuò)大導(dǎo)致對(duì)農(nóng)業(yè)自然資源的需求增加，造成區(qū)域內(nèi)各農(nóng)業(yè)主體對(duì)農(nóng)業(yè)自然資源的競(jìng)爭(zhēng)力度加大，加劇對(duì)當(dāng)?shù)刭Y源稟賦的利用，超過(guò)當(dāng)?shù)丨h(huán)境承載力，最后導(dǎo)致農(nóng)業(yè)生態(tài)效率下降。例如著名的“公地悲劇”。

二、實(shí)證模型與數(shù)據(jù)來(lái)源

(一)農(nóng)業(yè)生態(tài)Super-SBM模型

傳統(tǒng)數(shù)據(jù)包絡(luò)分析(DEA)有CCR與BCC模型之分，但均未考慮到松弛變量在估計(jì)效率值時(shí)所產(chǎn)生的偏差。相較于傳統(tǒng)數(shù)據(jù)包絡(luò)分析模型(DEA)，Super-SBM模型不僅考慮了松弛變量、克服了角度和徑向上的偏差，還彌補(bǔ)了傳統(tǒng)數(shù)據(jù)包絡(luò)分析模型(DEA)在多個(gè)效率值為1時(shí)不能對(duì)決策單元有效排序的情況[19]。因此，首先選擇投入導(dǎo)向型的Super-SBM模型對(duì)農(nóng)業(yè)生態(tài)效率進(jìn)行測(cè)算[20]，模型構(gòu)建見(jiàn)公式(1)：

(1)

其中，E表示農(nóng)業(yè)生態(tài)效率，n為決策單元個(gè)數(shù)，m為投入量，a、b分別為期望產(chǎn)出個(gè)數(shù)和非期望產(chǎn)出個(gè)數(shù)，二者共同組成每個(gè)決策單元，c為投入矩陣中的元素，d為期望產(chǎn)出矩陣中的元素，e為非期望產(chǎn)出矩陣中的元素。

(二)實(shí)證模型的構(gòu)建

借鑒柯布-道格拉斯模型思想建立計(jì)量模型：

Y=AKαLβ

(2)

對(duì)(2)式進(jìn)行對(duì)數(shù)化處理：

lnY=lnA+αlnK+βlnL

(3)

式(3)中，Y為產(chǎn)出，K為要素1投入量，L為要素2投入量，A表示技術(shù)水平，α、β分別為K、L的彈性系數(shù)。以農(nóng)業(yè)生態(tài)效率E為核心被解釋變量，以涉農(nóng)財(cái)政資金中的中央財(cái)政資金(X1)與地方財(cái)政配套資金(X2)為核心解釋變量，進(jìn)一步對(duì)式(3)進(jìn)行擴(kuò)展：

lnE=α0+α1lnX1it+α2lnX2it+α3lnControlit+ε

(4)

其中，E、X1、X2同上，Control表示控制變量(含銀行貸款量、自籌資金量與人均GDP)，α0代表常數(shù)項(xiàng)，α1、α2、α3代表各項(xiàng)彈性系數(shù)，i代表省份，t代表時(shí)間。

1.傳遞機(jī)制模型。為了更加全面地分析涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率的影響，將傳遞效應(yīng)納入標(biāo)準(zhǔn)計(jì)量模型，顯示其傳遞作用。王寶義、張衛(wèi)國(guó)指出農(nóng)業(yè)耕地面積對(duì)農(nóng)業(yè)生態(tài)效率具有顯著的正向影響[11]，據(jù)此擴(kuò)展，選用復(fù)種指數(shù)與糧食產(chǎn)量作為傳遞因子，研究二者的傳遞效應(yīng)?；谑?4)，分別以中央財(cái)政資金與地方財(cái)政配套資金為解釋變量，復(fù)種指數(shù)與糧食產(chǎn)量作為傳遞因子，運(yùn)用溫忠麟等因果逐步回歸法文獻(xiàn)(改良)設(shè)計(jì)4類傳遞效應(yīng)計(jì)量模型。

(1)中央財(cái)政資金、復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率。以中央財(cái)政資金為解釋變量、復(fù)種指數(shù)為傳遞因子構(gòu)建因果逐步回歸計(jì)量模型，示意圖如圖1所示。

圖1 以中央財(cái)政資金為解釋變量、復(fù)種指數(shù)為傳遞因子的傳遞機(jī)制示意圖

lnMCit=β0+β1lnX1it+β2lnX2it+β3lnControlit+ε

(5)

lnE=θ0+θ1lnMCit+θ2lnX1it+θ3lnX2it+θ4lnControlit+ε

(6)

上式中，MC代表復(fù)種指數(shù)，其他指標(biāo)同式(4)。需要注意的是,在以中央財(cái)政資金為核心解釋變量時(shí)，地方財(cái)政配套資金作為控制變量進(jìn)行回歸，反之亦然(下同)。如式(4)(5)所示，第一步，檢驗(yàn)系數(shù)α1，若α1顯著則以中介效應(yīng)立論；若α1不顯著則以遮掩效應(yīng)立論。第二步，依次檢測(cè)系數(shù)β1、θ1，若β1、θ1均顯著則證明間接效應(yīng)顯著并報(bào)告β1、θ1的置信區(qū)間，進(jìn)入第三步；若β1、θ1至少有一個(gè)不顯著則采用Bootstrap法檢驗(yàn)β1、θ1，此時(shí)，若結(jié)果不顯著則證明間接效應(yīng)不顯著，不進(jìn)行第三步；若結(jié)果顯著則證明間接效應(yīng)顯著，進(jìn)入第三步。第三步，檢驗(yàn)θ2，若不顯著則證明直接效應(yīng)不顯著，只有中介效應(yīng)；若顯著則直接效應(yīng)顯著并可能存在其他中介，進(jìn)入第四步。第四步，檢驗(yàn)β1×θ1與θ2是否同號(hào)，若β1×θ1與θ2同號(hào)則有中介效應(yīng)；若β1×θ1與θ2異號(hào)則有遮掩效應(yīng)(下同)。

(2)地方財(cái)政配套資金、復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率。以地方財(cái)政配套資金為解釋變量、復(fù)種指數(shù)為傳遞因子構(gòu)建因果逐步回歸計(jì)量模型，示意圖如圖2所示。

圖2 以地方財(cái)政配套資金為解釋變量、復(fù)種指數(shù)為傳遞因子的傳遞機(jī)制示意圖

lnMCit=λ0+λ1lnX2it+λ2lnX1it+λ3lnControlit+ε

(7)

lnE=η0+η1lnMCit+η2lnX2it+η3lnX1it+η4lnControlit+ε

(8)

上式中，MC代表復(fù)種指數(shù)，其他指標(biāo)同式(4)。

(3)中央財(cái)政資金、糧食產(chǎn)量與農(nóng)業(yè)生態(tài)效率。以中央財(cái)政資金為解釋變量、糧食產(chǎn)量為傳遞因子構(gòu)建因果逐步回歸計(jì)量模型，示意圖如圖3所示。

圖3 以中央財(cái)政資金為解釋變量、糧食產(chǎn)量為傳遞因子的傳遞機(jī)制示意圖

(9)

(10)

上式中，GY代表糧食產(chǎn)量，其他指標(biāo)同式(4)。

(4)地方財(cái)政配套資金、糧食產(chǎn)量與農(nóng)業(yè)生態(tài)效率。以地方財(cái)政配套資金為解釋變量、糧食產(chǎn)量為傳遞因子構(gòu)建因果逐步回歸計(jì)量模型，示意圖如圖4所示。

圖4 以地方財(cái)政配套資金為解釋變量、糧食產(chǎn)量為傳遞因子的傳遞機(jī)制示意圖

(11)

(12)

上式中，GY代表糧食產(chǎn)量，其他指標(biāo)同式(4)。

2.調(diào)節(jié)效應(yīng)模型。根據(jù)曾琳琳等[3]的研究，細(xì)化為糧食種植結(jié)構(gòu)對(duì)糧食產(chǎn)能的影響，進(jìn)而將糧食種植結(jié)構(gòu)作為糧食產(chǎn)能的調(diào)節(jié)變量，調(diào)節(jié)效應(yīng)模型如下：

lnE=γ0+γ1lnMCit+γ2ln(MCit)×ln(PSit)+γ3lnX1it+γ4lnX2it+γ5lnControlit+ε

(13)

lnE=φ0+φ1lnGYit+φ2ln(GYit)×ln(PSit)+φ3lnX1it+φ4lnX2it+φ5lnControlit+ε

(14)

在式(13)中，PS為糧食種植結(jié)構(gòu)，由糧食種植面積/農(nóng)作物播種總面積計(jì)算得出，ln(MCit)×ln(PSit)表示復(fù)種指數(shù)與糧食種植結(jié)構(gòu)的交互項(xiàng)，γ2為ln(MCit)×ln(PSit)交互項(xiàng)系數(shù)，以此來(lái)衡量糧食種植結(jié)構(gòu)對(duì)復(fù)種指數(shù)影響農(nóng)業(yè)生態(tài)效率的調(diào)節(jié)效應(yīng)，示意圖見(jiàn)圖5。在式(14)中，ln(GYit)×ln(PSit)表示糧食產(chǎn)量與糧食種植結(jié)構(gòu)的交互項(xiàng)，φ2為ln(GYit)×ln(PSit)交互項(xiàng)系數(shù)，以此來(lái)衡量糧食種植結(jié)構(gòu)對(duì)糧食產(chǎn)量影響農(nóng)業(yè)生態(tài)效率的調(diào)節(jié)效應(yīng)。一般而言，若主效應(yīng)與調(diào)節(jié)效應(yīng)符號(hào)一致則表明存在強(qiáng)化效果，若主效應(yīng)與調(diào)節(jié)效應(yīng)符號(hào)不一致則表明有減弱或者抑制效果，示意圖見(jiàn)圖6。

圖5 以復(fù)種指數(shù)為傳遞因子，種植結(jié)構(gòu)為調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)示意圖

圖6 以糧食產(chǎn)量為傳遞因子，種植結(jié)構(gòu)為調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)示意圖

(三)數(shù)據(jù)來(lái)源

選取全國(guó)31個(gè)省(市、區(qū)，不含港澳臺(tái)地區(qū))2003—2019年的數(shù)據(jù)進(jìn)行農(nóng)業(yè)生態(tài)效率測(cè)算及實(shí)證分析，數(shù)據(jù)來(lái)源自各省統(tǒng)計(jì)年鑒、統(tǒng)計(jì)局網(wǎng)站、統(tǒng)計(jì)公報(bào)以及各年份《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》等。農(nóng)業(yè)生態(tài)效率數(shù)據(jù)指標(biāo)參考王辰璇和姚佐文[10]的研究，構(gòu)建農(nóng)業(yè)生態(tài)效率指標(biāo)體系，如表1所示。其中，農(nóng)業(yè)要素投入包括農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)用化肥施用量(折純)、農(nóng)村用電量、有效灌溉面積、農(nóng)作物播種總面積、農(nóng)藥使用量、農(nóng)用柴油與農(nóng)用薄膜等，期望產(chǎn)出指標(biāo)選擇農(nóng)業(yè)總產(chǎn)值與農(nóng)村發(fā)電量，將農(nóng)業(yè)碳排放量設(shè)為非期望產(chǎn)出指標(biāo)，根據(jù)白義鑫等對(duì)于農(nóng)業(yè)碳排放測(cè)算的研究，農(nóng)業(yè)碳排放量測(cè)算包括化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、有效灌溉、機(jī)耕面積、谷物種植、牛、羊、豬等10類直接或間接排放，由于該指標(biāo)為非期望指標(biāo)，故對(duì)其取倒數(shù)處理。其他實(shí)證分析數(shù)據(jù)指標(biāo)則根據(jù)實(shí)證模型分析進(jìn)行選擇，描述性統(tǒng)計(jì)表如表2所示。

表1 農(nóng)業(yè)生態(tài)效率指標(biāo)體系

表2 實(shí)證分析描述性統(tǒng)計(jì)

三、結(jié)果與分析

(一)涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率與農(nóng)業(yè)產(chǎn)出綜合影響效果檢驗(yàn)

由于研究對(duì)象為我國(guó)31個(gè)省(市、區(qū))，存在不隨時(shí)間改變的不可觀測(cè)效應(yīng)，并且自變量與所選地區(qū)相關(guān)，故在實(shí)證分析中選用固定效應(yīng)模型來(lái)驗(yàn)證涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率與農(nóng)業(yè)產(chǎn)出綜合影響效果。如表3所示，test1中，在統(tǒng)計(jì)學(xué)水平方面，中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率存在消極影響，在1%的置信水平下顯著；地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率的影響不顯著，說(shuō)明中央財(cái)政資金的提高可以直接降低農(nóng)業(yè)生態(tài)效率。test2中，中央財(cái)政資金與地方財(cái)政配套資金對(duì)農(nóng)業(yè)總產(chǎn)值均有正向影響，且都在1%的置信水平下顯著，表明無(wú)論是中央財(cái)政資金還是地方財(cái)政配套資金，都有利于提升農(nóng)業(yè)總產(chǎn)值。test3中，中央財(cái)政資金與地方財(cái)政配套資金對(duì)農(nóng)村發(fā)電量的影響顯著不同，中央財(cái)政資金對(duì)農(nóng)村發(fā)電量有負(fù)向影響，相反，地方財(cái)政配套資金對(duì)農(nóng)村發(fā)電量有正向影響。test4中，由于本文中農(nóng)業(yè)碳排放量指標(biāo)已取倒數(shù)處理，可知中央財(cái)政資金與地方財(cái)政配套資金對(duì)實(shí)際農(nóng)業(yè)碳排放量有正向影響，說(shuō)明加大涉農(nóng)財(cái)政力度會(huì)加重農(nóng)業(yè)的碳排放量，對(duì)低碳農(nóng)業(yè)發(fā)展起到抑制效果。綜合上述4種檢驗(yàn)，得出盡管增加涉農(nóng)財(cái)政支出可以促進(jìn)農(nóng)業(yè)總產(chǎn)值的擴(kuò)大，但卻造成了農(nóng)業(yè)生態(tài)效率的降低，可能的解釋是由于涉農(nóng)財(cái)政支出已處于邊際效率遞減階段，擴(kuò)大財(cái)政支出規(guī)模可以刺激發(fā)展，但是效率逐漸下降。在外部性方面，擴(kuò)大財(cái)政支出規(guī)模導(dǎo)致農(nóng)業(yè)碳排放的增加，造成了負(fù)外部性的出現(xiàn)。

表3 涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率與農(nóng)業(yè)產(chǎn)出綜合影響效果檢驗(yàn)結(jié)果

(二)穩(wěn)健性檢驗(yàn)

1.模型替換法。為進(jìn)一步控制異方差、自相關(guān)問(wèn)題，獲取更可信的標(biāo)準(zhǔn)誤，使用D-K(1998)標(biāo)準(zhǔn)誤命令進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如表4所示?？芍鼡Q模型后的涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率、農(nóng)業(yè)總產(chǎn)值、農(nóng)村發(fā)電量、農(nóng)業(yè)碳排放量的影響方向大致相同，僅test7中的中央財(cái)政資金對(duì)農(nóng)村發(fā)電量與test3中不同，證明了基準(zhǔn)模型的穩(wěn)健性。

表4 穩(wěn)健性檢驗(yàn)(模型替換法)

2.工具變量法。由于涉農(nóng)財(cái)政與農(nóng)業(yè)生態(tài)效率之間可能存在互為因果的內(nèi)生性問(wèn)題，因此，分別選取“受災(zāi)面積”與“一般財(cái)政預(yù)算收入”作為“中央財(cái)政資金”與“地方財(cái)政配套資金”的工具變量。認(rèn)為此變量適宜做工具變量的理由如下：一方面，在宏觀層面上“受災(zāi)面積”“一般財(cái)政預(yù)算收入”與“農(nóng)業(yè)生態(tài)效率”之間具有較強(qiáng)的外生性；另一方面，“受災(zāi)面積”“一般財(cái)政預(yù)算收入”與“中央財(cái)政資金”“地方財(cái)政配套資金”具有較強(qiáng)的相關(guān)性。若受災(zāi)面積增加，中央財(cái)政涉農(nóng)資金會(huì)有相應(yīng)的增加；若地方財(cái)政收入增加，地方政府財(cái)政實(shí)力提高，相應(yīng)的地方財(cái)政配套資金也會(huì)隨之增加。

(1)研究“受災(zāi)面積”為“中央財(cái)政資金”工具變量情況。利用固定效應(yīng)GMM模型進(jìn)行估計(jì)，結(jié)果見(jiàn)表5，Wu-Hausman檢驗(yàn)的P值為0.020，在5%的顯著性水平上認(rèn)為中央財(cái)政資金是內(nèi)生解釋變量，因此運(yùn)用工具變量法。根據(jù)Cragg-DonaldWald檢驗(yàn)的F值為19.003(超過(guò)10)，并且第一階段F值為19(P=0)，可以拒絕“存在弱工具變量”原假設(shè)。固定效應(yīng)GMM估計(jì)一階段結(jié)果表明，受災(zāi)面積的擴(kuò)大導(dǎo)致中央財(cái)政資金投入的增加；二階段估計(jì)結(jié)果與基準(zhǔn)回歸相比，中央財(cái)政資金的系數(shù)從-0.359下降至-0.558，抑制作用增大，表現(xiàn)出內(nèi)生性問(wèn)題會(huì)造成系數(shù)低估。

表5 工具變量估計(jì)結(jié)果(受災(zāi)面積)

(2)研究“一般財(cái)政預(yù)算收入”為“地方財(cái)政配套資金”工具變量情況。同樣使用固定效應(yīng)GMM模型進(jìn)行估計(jì)，結(jié)果見(jiàn)表6，Wu-Hausman檢驗(yàn)的P值為0.035，在5%的顯著性水平上認(rèn)為地方財(cái)政配套資金是內(nèi)生解釋變量，運(yùn)用工具變量法。根據(jù)Cragg-DonaldWald檢驗(yàn)的F值為139.978(超過(guò)10)，并且第一階段F值為139.98(P=0)，可以拒絕“存在弱工具變量”原假設(shè)。固定效應(yīng)GMM估計(jì)一階段結(jié)果表明，一般財(cái)政預(yù)算收入越多越能促進(jìn)地方財(cái)政配套資金的增加；二階段估計(jì)結(jié)果與基準(zhǔn)回歸相比，地方財(cái)政配套資金的系數(shù)由正轉(zhuǎn)負(fù)，且顯著性由不顯著變?yōu)樵?%的水平上顯著，表現(xiàn)出地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率的負(fù)向影響，側(cè)面表明內(nèi)生性問(wèn)題可能影響顯著性問(wèn)題。

表6 工具變量估計(jì)結(jié)果(一般財(cái)政預(yù)算收入)

(三)空間差異性分析

為考察涉農(nóng)財(cái)政對(duì)農(nóng)業(yè)生態(tài)效率的影響在不同區(qū)域內(nèi)的差異性，從中國(guó)區(qū)域劃分的角度對(duì)樣本進(jìn)行分組回歸，結(jié)果如表7所示。首先從東部地區(qū)來(lái)看，中央財(cái)政資金增加對(duì)地區(qū)農(nóng)業(yè)生態(tài)效率有負(fù)向影響，系數(shù)為-0.521并在1%的水平上通過(guò)檢驗(yàn)，說(shuō)明當(dāng)下中央財(cái)政資金每增加1單位，農(nóng)業(yè)生態(tài)效率會(huì)減少0.521單位，而地方財(cái)政配套資金對(duì)地區(qū)農(nóng)業(yè)生態(tài)效率的影響從估計(jì)結(jié)果來(lái)看并不顯著。從中部地區(qū)的角度看，中央財(cái)政資金與地方財(cái)政配套資金均不是影響農(nóng)業(yè)生態(tài)效率的重要因素。最后，西部地區(qū)與東部地區(qū)情況相似，中央財(cái)政資金對(duì)地方農(nóng)業(yè)生態(tài)效率的影響系數(shù)為-0.39，并在1%的水平上通過(guò)檢驗(yàn)，表明中央財(cái)政資金每增加1%，地方農(nóng)業(yè)生態(tài)效率便會(huì)下降0.39%，而地方財(cái)政配套資金與農(nóng)業(yè)生態(tài)效率不存在顯著關(guān)系。

表7 空間差異性回歸結(jié)果

四、傳遞與調(diào)節(jié)機(jī)制分析

通過(guò)以上模型得出，中央財(cái)政資金與農(nóng)業(yè)生態(tài)效率具有顯著的負(fù)向關(guān)系，地方財(cái)政配套資金與農(nóng)業(yè)生態(tài)效率之間不具備顯著關(guān)系。為進(jìn)一步探究其中原因，深入研究地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率的影響機(jī)制，利用傳遞機(jī)制模型與調(diào)節(jié)效應(yīng)模型加以檢驗(yàn)。根據(jù)基準(zhǔn)回歸結(jié)果，結(jié)合因果逐步回歸法，首先對(duì)中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率具有傳遞效應(yīng)立論，以地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率具有遮掩效應(yīng)立論。以下進(jìn)行后續(xù)分析。

(一)復(fù)種指數(shù)的傳遞效應(yīng)

1.中央財(cái)政資金、復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率。根據(jù)已有結(jié)論，依次檢驗(yàn)系數(shù)β1、θ1、θ2，結(jié)果如表8所示。β1和θ1均顯著，且置信區(qū)間分別為[0.091,0.141]、[-1.689,-0.617]，說(shuō)明間接效應(yīng)顯著，中央財(cái)政資金可能通過(guò)復(fù)種指數(shù)影響農(nóng)業(yè)生態(tài)效率。系數(shù)θ2顯著可知，中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率的直接效應(yīng)顯著，并且β1×θ1與θ2同號(hào)，得出結(jié)論：中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率有部分傳遞效應(yīng)，其中一部分是中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率有直接負(fù)向影響，另一部分則是通過(guò)正向影響復(fù)種指數(shù)，復(fù)種指數(shù)對(duì)農(nóng)業(yè)生態(tài)效率產(chǎn)生的負(fù)向影響。

表8 中央財(cái)政資金、復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率因果逐步回歸結(jié)果

同時(shí)使用Sobel-Goodman Mediation Tests得出P值為0.000，在1%的水平上顯著；另外通過(guò)Bootstrap法設(shè)定100 0次抽樣，得出bs_1置信區(qū)間為[-0.086, -0.026]，bs_2置信區(qū)間為[-0.213, -0.088]，均不包括0，證明了因果逐步回歸法結(jié)論的穩(wěn)健性。

2.地方財(cái)政配套資金、復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率。根據(jù)已有結(jié)論，依次檢驗(yàn)系數(shù)λ1、η1、η2，結(jié)果如表9所示。λ1和η1均顯著，且置信區(qū)間分別為[-0.067,-0.034]、[-1.689,-0.617]，說(shuō)明間接效應(yīng)顯著，地方財(cái)政配套資金可能通過(guò)復(fù)種指數(shù)對(duì)農(nóng)業(yè)生態(tài)效率存在負(fù)向影響。系數(shù)η2不顯著可知，地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率的直接效應(yīng)不顯著，得出結(jié)論，地方財(cái)政配套資金與農(nóng)業(yè)生態(tài)效率之間存在間隔復(fù)種指數(shù)的負(fù)向傳遞效應(yīng)。

表9 地方財(cái)政配套資金、復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率因果逐步回歸結(jié)果

同時(shí)使用Sobel-Goodman Mediation Tests得出P值為0.020，在5%的水平上顯著；通過(guò)Bootstrap法設(shè)定1 000次抽樣，得出bs_1置信區(qū)間為[0.009,0.054]，不包括0，而bs_2置信區(qū)間為[-0.114,0.065]，包括0，證明了因果逐步回歸法結(jié)論的穩(wěn)健性。

(二)糧食產(chǎn)量的傳遞效應(yīng)

表10 中央財(cái)政資金、糧食產(chǎn)量與農(nóng)業(yè)生態(tài)效率因果逐步回歸結(jié)果

同時(shí)使用Sobel-Goodman Mediation Tests得出P值為0.000 0，在1%的水平上顯著；通過(guò)Bootstrap法設(shè)定1 000次抽樣，得出bs_1置信區(qū)間為[-0.139,-0.042]，bs_2置信區(qū)間為[-0.200,-0.030]，均不包括0，證明了因果逐步回歸法結(jié)論的穩(wěn)健性。

表11 地方財(cái)政配套資金、糧食產(chǎn)量與農(nóng)業(yè)生態(tài)效率因果逐步回歸結(jié)果

同時(shí)使用Sobel-Goodman Mediation Tests得出P值為0.000，在1%的水平上顯著；通過(guò)Bootstrap法設(shè)定1 000次抽樣，得出bs_1置信區(qū)間為[-0.165,-0.039]，bs_2置信區(qū)間為[0.015,0.203]，均不包括0，證明了因果逐步回歸法結(jié)論的穩(wěn)健性。

(三)種植結(jié)構(gòu)的調(diào)節(jié)效應(yīng)

表12 test12—test15是在被解釋變量、解釋變量和控制變量一致的情況下，依次檢驗(yàn)復(fù)種指數(shù)主效應(yīng)以及復(fù)種指數(shù)與種植結(jié)構(gòu)交互項(xiàng)的調(diào)節(jié)效應(yīng)、糧食產(chǎn)量主效應(yīng)以及糧食產(chǎn)量與糧食種植結(jié)構(gòu)交互項(xiàng)的調(diào)節(jié)效應(yīng)。

表12 種植結(jié)構(gòu)的調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果

由調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果可知，當(dāng)中介變量為復(fù)種指數(shù)時(shí)，test12中顯示復(fù)種指數(shù)對(duì)農(nóng)業(yè)生態(tài)效率的主效應(yīng)為負(fù)，test13中復(fù)種指數(shù)與種植結(jié)構(gòu)的交互項(xiàng)系數(shù)顯著為正，說(shuō)明隨著種植結(jié)構(gòu)的提高，復(fù)種指數(shù)對(duì)農(nóng)業(yè)生態(tài)效率的負(fù)向影響遭到了削弱，換句話說(shuō)，種植結(jié)構(gòu)對(duì)復(fù)種指數(shù)與農(nóng)業(yè)生態(tài)效率之間的負(fù)相關(guān)關(guān)系有顯著的抑制作用?？赡艿脑蛟谟诜N植結(jié)構(gòu)的提高往往伴隨著規(guī)模效應(yīng)與學(xué)習(xí)效應(yīng)，規(guī)模效應(yīng)有利于專業(yè)化和分工，學(xué)習(xí)效應(yīng)有利于勞動(dòng)者積累經(jīng)驗(yàn)、提升技能，從而提高農(nóng)業(yè)生態(tài)效率，抑制了復(fù)種指數(shù)對(duì)農(nóng)業(yè)生態(tài)效率的負(fù)向影響[3]。

當(dāng)中介效應(yīng)為糧食產(chǎn)量時(shí)，test14中顯示糧食產(chǎn)量對(duì)農(nóng)業(yè)生態(tài)效率的主效應(yīng)為負(fù)，test15中糧食產(chǎn)量與種植結(jié)構(gòu)的交互項(xiàng)系數(shù)顯著為負(fù)，說(shuō)明高比例的種植結(jié)構(gòu)強(qiáng)化了糧食產(chǎn)量對(duì)農(nóng)業(yè)生態(tài)效率的負(fù)向影響，即種植結(jié)構(gòu)對(duì)糧食產(chǎn)量與農(nóng)業(yè)生態(tài)效率之間的負(fù)相關(guān)關(guān)系有顯著的促進(jìn)作用。究其原因可能是種植結(jié)構(gòu)的提升，擴(kuò)大了糧食產(chǎn)量，糧食產(chǎn)量受邊際效用遞減的影響。此外，種植結(jié)構(gòu)可能影響化肥、農(nóng)藥的使用以及專業(yè)化程度，改變?cè)袆趧?dòng)力的生產(chǎn)方式，提高了學(xué)習(xí)成本，從而導(dǎo)致邊際效用遞減和負(fù)外部性，造成農(nóng)業(yè)生態(tài)效率的降低，強(qiáng)化了糧食產(chǎn)量對(duì)農(nóng)業(yè)生態(tài)效率的負(fù)相關(guān)關(guān)系。

五、結(jié)論與政策啟示

(一)結(jié)論

使用投入型Super-SBM模型測(cè)算了將農(nóng)業(yè)碳排放作為非期望產(chǎn)出的我國(guó)31個(gè)省份2003—2019年的農(nóng)業(yè)生態(tài)效率，并在該基礎(chǔ)上研究了中央財(cái)政資金與地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率的影響作用，同時(shí)引入糧食產(chǎn)能作為中介傳遞因子，糧食種植結(jié)構(gòu)為調(diào)節(jié)因子，探究涉農(nóng)財(cái)政、糧食產(chǎn)能與農(nóng)業(yè)生態(tài)效率3者之間的關(guān)系。通過(guò)測(cè)算和相應(yīng)的實(shí)證分析，得到以下結(jié)論。

1.從全國(guó)的角度看，中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率具有消極影響，而地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率的影響并不顯著。

2.我國(guó)東部地區(qū)與西部地區(qū)的中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率均有負(fù)向影響，而中部地區(qū)的二者關(guān)系不顯著。

3.在傳遞效應(yīng)研究中，中央財(cái)政資金對(duì)農(nóng)業(yè)生態(tài)效率存在部分傳遞效應(yīng)，當(dāng)復(fù)種指數(shù)、糧食產(chǎn)量作為傳遞因子時(shí)，對(duì)農(nóng)業(yè)生態(tài)效率有負(fù)向影響，而地方財(cái)政配套資金則在傳遞因子不同的情況下，發(fā)揮不同作用。當(dāng)傳遞因子為復(fù)種指數(shù)時(shí)，地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率只有負(fù)向傳遞效應(yīng)，無(wú)直接效應(yīng)；當(dāng)傳遞因子為糧食產(chǎn)量時(shí)，地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率產(chǎn)生的正向影響被糧食產(chǎn)量的負(fù)向影響所遮掩，導(dǎo)致地方財(cái)政配套資金對(duì)農(nóng)業(yè)生態(tài)效率總體呈現(xiàn)出負(fù)向影響。

4.糧食種植結(jié)構(gòu)對(duì)農(nóng)業(yè)生態(tài)效率有復(fù)雜影響。當(dāng)傳遞因子為復(fù)種指數(shù)時(shí)，糧食種植結(jié)構(gòu)的提高可以抑制復(fù)種指數(shù)對(duì)農(nóng)業(yè)生態(tài)效率的負(fù)向影響；當(dāng)傳遞因子為糧食產(chǎn)量時(shí)，糧食種植結(jié)構(gòu)的提升強(qiáng)化了糧食產(chǎn)量與農(nóng)業(yè)生態(tài)效率之間的負(fù)相關(guān)關(guān)系。

(二)政策啟示

上述結(jié)論可以給政策制定者帶來(lái)幾點(diǎn)建議。

1.宏觀上，應(yīng)促進(jìn)農(nóng)業(yè)市場(chǎng)的完善，依托市場(chǎng)經(jīng)濟(jì)價(jià)值規(guī)律。通過(guò)合理高效的競(jìng)爭(zhēng)機(jī)制、價(jià)格機(jī)制，間接改善農(nóng)業(yè)生態(tài)效率。同時(shí)應(yīng)適當(dāng)調(diào)節(jié)農(nóng)業(yè)資源配置，提高涉農(nóng)財(cái)政使用效率，預(yù)防負(fù)外部性、不完全信息等問(wèn)題。

2.深入理解糧食產(chǎn)能、糧食安全與綠色發(fā)展。一味地?cái)U(kuò)大糧食產(chǎn)能也許可以保證現(xiàn)階段糧食安全，但未必是合適的綠色發(fā)展路徑。建議辯證統(tǒng)一地看待三者之間的發(fā)展關(guān)系與矛盾，從主要矛盾的主要方面出發(fā)，因地制宜，結(jié)合國(guó)情與各地情況，在國(guó)家大政方針的領(lǐng)導(dǎo)下，指定適合各地區(qū)的、科學(xué)高效的農(nóng)業(yè)發(fā)展方案。

3.擴(kuò)大環(huán)保型農(nóng)業(yè)資本比例，堅(jiān)持化肥農(nóng)藥“減量增效”行動(dòng)，強(qiáng)化涉農(nóng)財(cái)政環(huán)境保護(hù)導(dǎo)向功能，將其中傳統(tǒng)化肥農(nóng)藥補(bǔ)貼轉(zhuǎn)向有機(jī)肥、生物農(nóng)藥等綠色農(nóng)業(yè)技術(shù)領(lǐng)域。

4.加快農(nóng)業(yè)技術(shù)進(jìn)步步伐，依靠技術(shù)進(jìn)步促進(jìn)農(nóng)業(yè)生產(chǎn)與擴(kuò)張。同時(shí)重視農(nóng)村人才培養(yǎng)，通過(guò)就地培養(yǎng)、實(shí)地培訓(xùn)、引進(jìn)人才等方式為鄉(xiāng)村振興事業(yè)做好鋪墊。