張海瑩,王東波,馬恒運

(河南農(nóng)業(yè)大學 經(jīng)濟與管理學院,河南 鄭州 450046)

黃河是我國第二大河,流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南、山東九省(自治區(qū)),地貌類型復(fù)雜,生態(tài)系統(tǒng)多樣,年徑流量661億立方米,現(xiàn)有各類自然保護區(qū)680余處(其中國家級自然保護區(qū)152處)[1],是我國重要的生物基因?qū)殠?、生態(tài)安全屏障區(qū)。同時,黃河流域生態(tài)環(huán)境脆弱,水土流失嚴重,水質(zhì)總體差于全國平均水平,流域生態(tài)環(huán)境保護迫在眉睫。降低農(nóng)業(yè)資源消耗與污染物排放,加強農(nóng)業(yè)面源污染防治,實現(xiàn)農(nóng)業(yè)高質(zhì)量發(fā)展與生態(tài)環(huán)境保護協(xié)同耦合是黃河流域未來發(fā)展的必然趨勢。

農(nóng)業(yè)生態(tài)效率(Agricultural Eco-Efficiency,AEE)是生態(tài)效率在農(nóng)業(yè)領(lǐng)域的具體應(yīng)用,在保證一定農(nóng)業(yè)產(chǎn)出的前提下,盡量減少農(nóng)業(yè)資源投入與消耗,盡可能降低對生態(tài)環(huán)境的污染破壞[2],其基本內(nèi)涵是以最少的農(nóng)業(yè)資源投入和環(huán)境污染破壞,獲得最多的農(nóng)業(yè)產(chǎn)出[3]。目前關(guān)于農(nóng)業(yè)生態(tài)效率評價研究集中于指標體系的構(gòu)建[4-6]和數(shù)理模型分析[7,8],評價方法有隨機前沿分析[9]、層次分析[10]和數(shù)據(jù)包絡(luò)分析[11]等。研究對象涉及全國[12,13]、省域[14]以及農(nóng)業(yè)發(fā)達地區(qū)[15,16]等,評價分析流域農(nóng)業(yè)生態(tài)效率的文獻并不多見[17]?；?010—2019年黃河流域九省(自治區(qū))農(nóng)業(yè)投入產(chǎn)出面板數(shù)據(jù),運用超效率SBM模型對黃河流域農(nóng)業(yè)生態(tài)效率進行評價,并分析農(nóng)業(yè)生態(tài)效率的驅(qū)動因素,旨在為黃河流域農(nóng)業(yè)高質(zhì)量發(fā)展和生態(tài)環(huán)境保護提供決策依據(jù)和數(shù)據(jù)支持。

一、數(shù)據(jù)來源、指標構(gòu)建與研究方法

數(shù)據(jù)來源于2010—2019年《中國農(nóng)村統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》,部分地區(qū)數(shù)據(jù)不完整和缺失,采用插值法進行補齊。

(一)指標構(gòu)建

農(nóng)業(yè)投入資源有土地、勞動力、機械總動力、水資源、化肥、農(nóng)膜和農(nóng)藥等。一般認為,廣義農(nóng)業(yè)包括種植業(yè)、林業(yè)、畜牧業(yè)和漁業(yè),狹義農(nóng)業(yè)僅指種植業(yè)。由于不同地區(qū)廣義農(nóng)業(yè)生產(chǎn)部門的投入產(chǎn)出指標差異較大[18],因此以狹義農(nóng)業(yè)為研究對象?？紤]到統(tǒng)計年鑒統(tǒng)計的是廣義農(nóng)業(yè)勞動力投入,為使農(nóng)業(yè)生態(tài)效率整體不被低估,借鑒相關(guān)研究文獻方法[19],用狹義農(nóng)業(yè)占廣義農(nóng)業(yè)的產(chǎn)值與第一產(chǎn)業(yè)從業(yè)人員的比值計算狹義農(nóng)業(yè)的勞動力資源投入。

產(chǎn)出分為期望產(chǎn)出和非期望產(chǎn)出。選用農(nóng)業(yè)總產(chǎn)值表示期望產(chǎn)出。由于農(nóng)業(yè)總產(chǎn)值是價值量指標,數(shù)值大小受當年價格、通貨膨脹率等因素影響,因此將各年的農(nóng)業(yè)總產(chǎn)值以2010年為基期進行平減。選用農(nóng)業(yè)碳排放和農(nóng)業(yè)面源污染表示非期望產(chǎn)出,其中農(nóng)業(yè)碳排放包括農(nóng)藥、化肥、農(nóng)膜以及灌溉的碳排放,農(nóng)業(yè)面源污染主要指化肥中氮、磷流失和農(nóng)藥殘留、農(nóng)膜殘余造成的污染。黃河流域農(nóng)業(yè)生態(tài)效率評價指標體系見表1。

表1 黃河流域農(nóng)業(yè)生態(tài)效率評價指標體系

基于指標的科學性、目的性和可獲取性,參考已有研究[20-23],選取財政支農(nóng)水平、機械化水平、農(nóng)業(yè)規(guī)?；健⑥r(nóng)業(yè)生產(chǎn)能力、城鎮(zhèn)化水平及農(nóng)業(yè)市場化水平作為農(nóng)業(yè)生態(tài)效率驅(qū)動因素指標,具體見表2。運用SPSS軟件,發(fā)現(xiàn)全部指標的VIF值均小于4,說明不存在多重共線性問題。

(二)研究方法

1.超效率SBM模型

數(shù)據(jù)包絡(luò)分析(DEA)作為一種非參數(shù)前沿方法,常被用來評估經(jīng)濟、環(huán)境和生態(tài)效率[24,25]。但是傳統(tǒng)的DEA模型不能準確度量存在非期望產(chǎn)出時的效率值,不能對同處于生產(chǎn)前沿面的多個決策單元進行分析比較。2001年Tone提出的超效率SBM模型有效解決了以上問題[26],可以對存在非期望產(chǎn)出的決策單元進行評價和排序,在結(jié)果出現(xiàn)多個決策單元效率值同為1時可以進一步判斷優(yōu)劣,極大提升了效率測定和計量估計的精度[27,28]。

表2 黃河流域農(nóng)業(yè)生態(tài)效率驅(qū)動因素指標體系

超效率SBM模型作為數(shù)據(jù)包絡(luò)分析方法的重要拓展模型,其基本原理為:農(nóng)業(yè)生態(tài)效率的決策單元數(shù)為n,每一決策單元有一個投入向量和一個產(chǎn)出向量,且產(chǎn)出向量由期望產(chǎn)出和非期望產(chǎn)出構(gòu)成[29],具體公式為:

(1)

i=1,2,…,m;r=1,2,…,q;

j=1,2,…,n(j≠k)

2.隨機效應(yīng)Tobit模型

由于固定效應(yīng)Tobit模型不能得到?jīng)]有偏差的估計量[30-33],為避免結(jié)果產(chǎn)生誤差,建立隨機效應(yīng)Tobit模型:

Eit=α0+α1PGDPit+α2FIit+α3MAit+

α4DIit+α5IRit+α6MEit+υi+εit

(2)

式(2)中,Eit表示第i省份t年的農(nóng)業(yè)生態(tài)效率,i=1,2,…,9,t=2010,…,2019,α為解釋變量待估參數(shù),υ為個體誤差,ε為隨機誤差項。

二、估計結(jié)果及分析

(一)農(nóng)業(yè)碳排放時空演變特征

使用農(nóng)藥、農(nóng)膜、農(nóng)業(yè)灌溉和化肥的碳排放來估計農(nóng)業(yè)碳排放,具體方法是將以上每項投入的使用量與相應(yīng)的碳排放系數(shù)相乘,各項投入的碳排放系數(shù)分別為:農(nóng)藥4.934(kg/kg)、農(nóng)膜5.180(kg/kg)、農(nóng)業(yè)灌溉20.476(kg/km2)、化肥0.896(kg/kg)[12]。然后利用熵值法將各項投入的碳排放量綜合為一項指數(shù)來表示農(nóng)業(yè)碳排放總量。

根據(jù)碳排放指數(shù)的大小,將農(nóng)業(yè)碳排放劃分為三個等級:碳排放較低(0≤T<50 000)、碳排放一般(50 000≤T<100 000)、碳排放較高(T≥100 000)。2010年與2013年,碳排放量較高的是山東,碳排放量一般的是四川、甘肅以及河南,碳排量放較低的是青海、內(nèi)蒙古、寧夏以及山西、陜西;2016年,碳排放量較高的是甘肅和山東,碳排放量一般的是內(nèi)蒙古、四川和河南,碳排放量較低的是青海、山西和陜西;2019年,碳排放量較高的是山東,碳排放量一般的是甘肅、四川、內(nèi)蒙古和河南,碳排放量較低的是青海、山西和陜西。總體上看,黃河流域碳排放量呈逐年增大趨勢,下游省份碳排放量較高,中上游省份較低。

(二)農(nóng)業(yè)面源污染時空演變特征

農(nóng)業(yè)面源污染包括化肥中氮磷流失和農(nóng)藥殘留、農(nóng)膜殘余造成的污染。計算方法是將以上每項投入的使用量與相應(yīng)的流失(殘留)系數(shù)相乘。參考已有文獻[34],將化肥中氮和磷的流失系數(shù)分別確定為35%和20%,農(nóng)藥殘留系數(shù)和農(nóng)膜殘留系數(shù)分別確定為50%和25%。然后采用熵值法將各項投入的流失(殘留)量綜合成一項指數(shù)來表示農(nóng)業(yè)面源污染程度。

根據(jù)面源污染指數(shù)的大小,將面源污染劃分為輕度污染(0≤T<16.1)、中度污染(16.1≤T<33.5)、重度污染(T≥33.5)三個等級。2010年與2013年,輕度污染的省份是青海、甘肅和寧夏、山西,中度污染的省份是四川、內(nèi)蒙古和陜西,重度污染的省份是山東、河南;2016年和2019年,輕度污染的省份依然是青海、甘肅和寧夏、山西,中度污染的省份是四川、內(nèi)蒙古、陜西和山東,重度污染的省份是河南?？梢?黃河流域面源污染總體呈現(xiàn)上游污染較輕、中下游污染嚴重的特征,近年來山東由重度污染轉(zhuǎn)化為中度污染,河南依然屬于重度污染。

(三)農(nóng)業(yè)生態(tài)效率時間變化特征

黃河流域九省份的農(nóng)業(yè)生態(tài)效率時間變化情況見圖1。黃河流域生態(tài)效率呈現(xiàn)波動上升趨勢,均值為0.761;省際農(nóng)業(yè)生態(tài)效率差異明顯,且差異在逐漸縮小。陜西、四川、青海的農(nóng)業(yè)生態(tài)效率值均大于1,農(nóng)業(yè)生態(tài)效率較高;甘肅、山東的農(nóng)業(yè)生態(tài)效率值在2014年前后均小于1,2014年之后大于1,農(nóng)業(yè)生態(tài)效率在穩(wěn)步提升;河南、山西、寧夏及內(nèi)蒙古的農(nóng)業(yè)生態(tài)效率值均小于1,農(nóng)業(yè)生態(tài)效率較低,但也在逐年增長。

為了解農(nóng)業(yè)生態(tài)效率損失的具體緣由,進一步計算黃河流域各省份投入產(chǎn)出指標的冗余率,根據(jù)冗余狀況來調(diào)節(jié)相應(yīng)投入指標,可以有效提升農(nóng)業(yè)生態(tài)效率。黃河流域各省份投入產(chǎn)出指標的冗余狀況見表3?？傮w來看,黃河流域農(nóng)業(yè)生態(tài)效率損失源于投入冗余、非期望產(chǎn)出冗余所帶來的投入非效率,且投入冗余所導(dǎo)致的投入非效率遠高于非期望產(chǎn)出冗余所帶來的非效率,投入冗余率較大的指標分別是農(nóng)藥(30%)、灌溉(28%)、機械(26%)、碳排放(26%)。分省份看,四川、青海、陜西三省投入冗余均為0,表明農(nóng)業(yè)生態(tài)效率高,無需進行效率改進;甘肅、寧夏、內(nèi)蒙古、山西、山東及河南均存在不同程度的效率損失,且效率損失來源具有差異性。

圖1 黃河流域各省份農(nóng)業(yè)生態(tài)效率時間變化

表3 黃河流域各省份農(nóng)業(yè)生態(tài)效率投入產(chǎn)出指標的冗余率 %

(四)農(nóng)業(yè)生態(tài)效率空間格局特征

根據(jù)農(nóng)業(yè)生態(tài)效率值的大小,將農(nóng)業(yè)生態(tài)效率劃分為五個等級:效率優(yōu)秀(P≥1)、效率良好(0.8≤P<1)、效率中等(0.6≤P<0.8)、效率較低(0.4≤P<0.6)和效率最低(P<0.4)。為直觀觀察時空變化特征,選取2010年、2013年、2016年、2019年四個時間點。2010年,農(nóng)業(yè)生態(tài)效率優(yōu)秀的是四川、青海和陜西,中等的是山東、甘肅、河南和寧夏,最低的是山西、內(nèi)蒙古。2013年,農(nóng)業(yè)生態(tài)效率優(yōu)秀的是四川、青海、陜西和甘肅;中等的是山東、寧夏、河南和山西,最低的是內(nèi)蒙古。2016年,農(nóng)業(yè)生態(tài)效率優(yōu)秀的是四川、青海、陜西、山東和甘肅,中等的是山西、河南、寧夏和內(nèi)蒙古。2019年,農(nóng)業(yè)生態(tài)效率優(yōu)秀的是青海、四川、陜西、山東和甘肅,良好的是河南,中等的是山西、寧夏和內(nèi)蒙古?？傮w來看,黃河流域農(nóng)業(yè)生態(tài)效率隨時間呈上升趨勢,2016以后各省份農(nóng)業(yè)生態(tài)效率都在中等以上,且效率優(yōu)秀省份主要集中在上游地區(qū)。

為考察黃河流域農(nóng)業(yè)生態(tài)效率空間自相關(guān)性,以GeoDa平臺計算黃河流域九省份農(nóng)業(yè)生態(tài)效率的全局Moran’s I指數(shù),具體結(jié)果見表4?？梢钥闯?黃河流域農(nóng)業(yè)生態(tài)效率全局自相關(guān)莫蘭指數(shù)在0.068～0.267范圍內(nèi)波動,且除2010年、2012年以外均通過了顯著性檢驗,說明各省份農(nóng)業(yè)生態(tài)效率具有全局空間正相關(guān)特征,黃河流域各省份農(nóng)業(yè)生態(tài)效率存在空間集聚現(xiàn)象。

表4 黃河流域農(nóng)業(yè)生態(tài)效率全局自相關(guān)Moran’s I指數(shù)

為進一步了解農(nóng)業(yè)生態(tài)效率的空間集聚特征,以2013年和2019年為例繪制黃河流域九省份農(nóng)業(yè)生態(tài)效率的局部莫蘭散點圖(見圖2),其中第一象限是高—高(HH)集聚類型,表示高效率省份被高效率省份包圍;第二象限是低—高(LH)集聚類型,表示低效率省份被高效率省份包圍;第三象限是低—低(LL)集聚類型,表示低效率省份被低效率省份包圍;第四象限是高—低(LL)集聚類型,表示高效率省份被低效率省份包圍。第一、第三象限反映農(nóng)業(yè)生態(tài)效率呈現(xiàn)空間正相關(guān),第二、第四象限反映農(nóng)業(yè)生態(tài)效率呈現(xiàn)空間負相關(guān)。根據(jù)散點圖,將各省份農(nóng)業(yè)生態(tài)效率所在的象限進行匯總,見表5。

圖2 2013年和2019年黃河流域農(nóng)業(yè)生態(tài)效率局部莫蘭散點圖

2013年和2019年,黃河流域九省份中位于一、三象限的省份分別占66.7%和55.6%,說明黃河流域農(nóng)業(yè)生態(tài)效率局部空間集聚主要為HH集聚和LL集聚,具有空間正相關(guān)性,農(nóng)業(yè)生態(tài)效率同質(zhì)溢出效應(yīng)明顯。其中HH集聚區(qū)主要有四川、青海和甘肅,LL集聚區(qū)主要有河南、山西、山東和內(nèi)蒙古,且近年來LL集聚的省份數(shù)量在逐漸減少。

(五)農(nóng)業(yè)生態(tài)效率的驅(qū)動因素分析

運用Stata軟件對黃河流域各省份的農(nóng)業(yè)生態(tài)效率驅(qū)動因素進行分析,結(jié)果見表6。由表6可見,財政支農(nóng)水平、農(nóng)業(yè)規(guī)?；胶娃r(nóng)業(yè)生產(chǎn)能力對于農(nóng)業(yè)生態(tài)效率有顯著的促進作用,機械化水平、城鎮(zhèn)化水平有顯著的抑制作用。另外,農(nóng)業(yè)市場化水平未通過顯著性檢驗。

表6 黃河流域農(nóng)業(yè)生態(tài)效率驅(qū)動因素分析結(jié)果

具體來看,第一,財政支農(nóng)水平在0.05水平下顯著。變量系數(shù)為正,表明財政支農(nóng)水平對農(nóng)業(yè)生態(tài)效率有促進作用。政府財政支農(nóng)的力度越大,農(nóng)戶收入增加越多,農(nóng)戶農(nóng)業(yè)生產(chǎn)積極性以及農(nóng)產(chǎn)品質(zhì)量安全意識進一步得到提升,從而對農(nóng)業(yè)生態(tài)效率產(chǎn)生驅(qū)動促進作用。第二,農(nóng)業(yè)機械化水平在0.05水平下顯著。變量系數(shù)為負,表明農(nóng)業(yè)機械化水平的提升對農(nóng)業(yè)生態(tài)效率有抑制作用,農(nóng)業(yè)機械化水平的提升有利于農(nóng)業(yè)生產(chǎn),但同時會產(chǎn)生大量的非期望產(chǎn)出如碳排放等。第三,農(nóng)業(yè)規(guī)模化水平在0.05水平下顯著。變量系數(shù)為正,表明農(nóng)業(yè)規(guī)模化對農(nóng)業(yè)生態(tài)效率有促進作用。大規(guī)模農(nóng)業(yè)生產(chǎn)帶來的規(guī)模經(jīng)濟,有利于提升農(nóng)業(yè)生態(tài)效率。第四,農(nóng)業(yè)生產(chǎn)能力在0.01水平下顯著。變量系數(shù)為正,表明農(nóng)業(yè)生產(chǎn)能力對農(nóng)業(yè)生態(tài)效率有促進作用。地區(qū)農(nóng)業(yè)生產(chǎn)能力越高,農(nóng)戶往往會更多采用高新技術(shù),發(fā)展綠色生產(chǎn),從而促進農(nóng)業(yè)生態(tài)效率提升。第五,城鎮(zhèn)化水平在0.1水平下顯著。變量系數(shù)為負,表明城鎮(zhèn)化水平提高對農(nóng)業(yè)生態(tài)效率有抑制作用。這與城鎮(zhèn)化促進農(nóng)村高素質(zhì)勞動力轉(zhuǎn)移,農(nóng)村剩余勞動力綜合素質(zhì)低有關(guān),勞動生產(chǎn)率不高,抑制了農(nóng)業(yè)生態(tài)效率的提升。

三、結(jié)論及建議

第一,黃河流域農(nóng)業(yè)生態(tài)效率總體呈上升趨勢,省際差異明顯。2010—2019年,黃河流域農(nóng)業(yè)生態(tài)效率均值為0.761,處于中上等水平;上游地區(qū)農(nóng)業(yè)生態(tài)效率高,中下游地區(qū)農(nóng)業(yè)生態(tài)效率較低,省際差異明顯且差異在逐漸縮小。第二,投入和非期望產(chǎn)出冗余是黃河流域農(nóng)業(yè)生態(tài)效率損失的主要原因,且投入冗余所導(dǎo)致的非效率遠高于非期望產(chǎn)出冗余所帶來的非效率。第三,農(nóng)業(yè)生態(tài)效率呈現(xiàn)全局正相關(guān)性與局部集聚特征。黃河流域農(nóng)業(yè)生態(tài)效率存在明顯的空間相關(guān)特征,從全局性來看,除2010年、2012年和2013年以外,其余年份的農(nóng)業(yè)生態(tài)效率均通過了顯著性檢驗,黃河流域農(nóng)業(yè)生態(tài)效率呈現(xiàn)空間正相關(guān)特征,局部空間集聚主要為高—高集聚和低—低空間集聚,且低—低集聚的省份數(shù)量在減少。第四,從影響因素來看,農(nóng)業(yè)規(guī)?；?、農(nóng)業(yè)生產(chǎn)能力、財政支農(nóng)水平對農(nóng)業(yè)生態(tài)效率有顯著的促進作用,機械化水平、城鎮(zhèn)化水平對農(nóng)業(yè)生態(tài)效率有顯著的抑制作用。

據(jù)此,提出如下建議:第一,充分發(fā)揮科技對農(nóng)業(yè)的作用。從投入冗余結(jié)果可以看出,農(nóng)業(yè)生態(tài)效率較低的原因在于化肥農(nóng)藥的過量施用,土地利用程度不高,在今后的農(nóng)業(yè)生產(chǎn)中應(yīng)進一步重視綠色高新技術(shù)的應(yīng)用,減少對化肥的依賴,多施用有機肥和綠肥,加強對綠色有機農(nóng)產(chǎn)品以及科學技術(shù)的宣傳普及。第二,因地制宜,協(xié)同提升。由于各省擁有的資源不同且經(jīng)濟發(fā)展程度不一,因此要因地制宜地制定農(nóng)業(yè)發(fā)展戰(zhàn)略。同時加強流域合作交流,促進農(nóng)業(yè)生態(tài)效率在提升中協(xié)調(diào)、在協(xié)調(diào)中提升。第三,注重農(nóng)業(yè)生態(tài)效率驅(qū)動因素的影響。發(fā)揮財政支農(nóng)水平、農(nóng)業(yè)規(guī)?；胶娃r(nóng)業(yè)生產(chǎn)能力對農(nóng)業(yè)生態(tài)效率的促進作用,加大農(nóng)業(yè)生產(chǎn)補貼力度,促進規(guī)模經(jīng)營,發(fā)展綠色生產(chǎn),減少機械化生產(chǎn)中非期望產(chǎn)出。在城鎮(zhèn)化發(fā)展進程中,促進城鄉(xiāng)融合發(fā)展,提高農(nóng)業(yè)生產(chǎn)者技能,逐步提升農(nóng)業(yè)生態(tài)效率。