李昊坤

南京農(nóng)業(yè)大學(xué)金融學(xué)院, 江蘇 南京 210095

0 引言

自改革開放以來, 中國經(jīng)濟在飛速發(fā)展的同時,農(nóng)業(yè)也在快速發(fā)展, 不僅解決了中國十幾億人口的吃飯問題, 還為解決地區(qū)性饑荒問題做出了巨大貢獻。但農(nóng)業(yè)生產(chǎn)率的不斷提高在一定程度上是以生態(tài)環(huán)境破壞和資源浪費為代價, 導(dǎo)致目前中國農(nóng)業(yè)的可持續(xù)發(fā)展受到了極大的挑戰(zhàn)。 在保持當(dāng)前糧食、 蔬菜等“期望” 產(chǎn)出的前提下, 應(yīng)盡量減小資源浪費和農(nóng)業(yè)生產(chǎn)過程中對環(huán)境帶來的污染。

國內(nèi)外學(xué)者都對中國農(nóng)業(yè)生產(chǎn)率進行了大量的研究, 主要分為參數(shù)法和非參數(shù)法兩大類。 非參數(shù)方法因為不需要預(yù)先設(shè)定好具體的參數(shù)形式而被廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)效率的評價。 當(dāng)前的研究得出了很多有意義的結(jié)論, 但其并未考慮到農(nóng)業(yè)生產(chǎn)還會帶來碳排放、 氮磷流失等“非期望” 產(chǎn)出, 這會高估當(dāng)前的農(nóng)業(yè)生產(chǎn)率。 這種情況雖然已引起部分學(xué)者的注意并展開了相關(guān)研究, 但是對投入要素和產(chǎn)出要素的考慮仍不完善。 文章將利用超效率SBM 模型, 結(jié)合之前學(xué)者的研究, 將農(nóng)業(yè)生產(chǎn)過程中的投入和產(chǎn)出更全面地納入農(nóng)業(yè)生態(tài)效率評估。 在此基礎(chǔ)上, 利用固定效應(yīng)模型對農(nóng)業(yè)生態(tài)效率的影響因素進行回歸分析。

1 文獻綜述

農(nóng)業(yè)作為一切經(jīng)濟生產(chǎn)的首要條件, 是國民經(jīng)濟建設(shè)的基礎(chǔ)。 雖然中國無論是農(nóng)業(yè)技術(shù), 還是農(nóng)業(yè)生產(chǎn)效率都在快速進步, 但由此帶來的資源浪費和環(huán)境破壞等問題也較為嚴(yán)重。 因此, 農(nóng)業(yè)也需要在可持續(xù)發(fā)展思想的指導(dǎo)下, 維持生產(chǎn)效率的同時, 減輕對環(huán)境的破壞, 來提高農(nóng)業(yè)生態(tài)效率。 農(nóng)業(yè)生態(tài)效率又稱農(nóng)業(yè)環(huán)境技術(shù)效率、 農(nóng)業(yè)綠色技術(shù)效率等, 是指在考慮農(nóng)業(yè)生產(chǎn)過程中對環(huán)境污染的條件下測算出的農(nóng)業(yè)生產(chǎn)率。

眾多學(xué)者對此開展了研究。 潘丹在考慮水資源和農(nóng)業(yè)面源污染的因素下, 分析中國30 個省級行政區(qū)的農(nóng)業(yè)綠色技術(shù)效率和農(nóng)業(yè)綠色全要素生產(chǎn)率, 發(fā)現(xiàn)中國農(nóng)業(yè)綠色生產(chǎn)率總體處于及格線以下, 中國農(nóng)業(yè)的增長是以消耗大量資源為代價的粗放型增長[1]。 韓海彬運用SBM 模型測算了中國29 個省級行政區(qū)1993—2010 年的農(nóng)業(yè)環(huán)境技術(shù)效率, 發(fā)現(xiàn)中國農(nóng)業(yè)環(huán)境技術(shù)效率總體偏低, 東部農(nóng)業(yè)環(huán)境技術(shù)效率高于中西部地區(qū), 農(nóng)業(yè)比重、 政府的支持、 農(nóng)村教育水平等會對農(nóng)業(yè)環(huán)境技術(shù)效率產(chǎn)生影響[2]。 丁圓元、 李豐利用三階段DEA 模型, 在考慮環(huán)境因素的情況下對中國2015 年30 個省級行政區(qū)的農(nóng)業(yè)生產(chǎn)效率進行測算分析, 結(jié)果顯示農(nóng)業(yè)生產(chǎn)過程中對環(huán)境的破壞會導(dǎo)致農(nóng)業(yè)生產(chǎn)效率降低[3]。 任紅霞闡述了生態(tài)效率的評價方法, 并測算分析了蘭西城市群的靜態(tài)效率和規(guī)模效率[4]。 葛敏運用超效率SBM 模型對山東省的農(nóng)業(yè)生態(tài)效率進行了測算, 發(fā)現(xiàn)山東省的農(nóng)業(yè)生態(tài)效率雖難以實現(xiàn)跨越式發(fā)展, 但總體仍呈現(xiàn)上升趨勢[5]。 崔葉辰、 韓亞麗等運用超效率SBM 模型測度了新疆的農(nóng)業(yè)生態(tài)效率, 并用固定效應(yīng)模型分析了其影響因素,結(jié)果表明新疆不同區(qū)域的農(nóng)業(yè)生態(tài)效率影響因素存在巨大差異[6]。 尚杰、 吉雪強等利用三階段SBM-DEA模型對中國13 個糧食主產(chǎn)區(qū)的農(nóng)業(yè)生態(tài)效率進行了測算, 之后運用熵值法、 Tobit 回歸等模型發(fā)現(xiàn)城鎮(zhèn)化發(fā)展可以促進農(nóng)業(yè)生態(tài)效率的提升[7]。

2 數(shù)據(jù)說明和模型選取

2.1 變量選取和數(shù)據(jù)說明

文章使用2007—2020 年中國30 個省級行政區(qū)(限于數(shù)據(jù)的可得性, 未包括西藏自治區(qū), 香港、 澳門特別行政區(qū)和臺灣省) 的農(nóng)業(yè)投入和產(chǎn)出數(shù)據(jù)。 數(shù)據(jù)來源于《中國統(tǒng)計年鑒》 (2007—2020 年)、 《中國農(nóng)村統(tǒng)計年鑒》 (2007—2020 年)、 《中國環(huán)境統(tǒng)計年鑒》 (2007—2020 年)、 CSMAR 數(shù)據(jù)庫等。 除可直接獲取的數(shù)據(jù)以外, 部分?jǐn)?shù)據(jù)可通過計算得到, 個別缺失數(shù)據(jù)采用插值法補齊。

2.1.1 農(nóng)業(yè)投入指標(biāo)

農(nóng)業(yè)投入包括土地投入、 機械動力投入、 化肥投入、 農(nóng)藥投入、 農(nóng)膜投入和灌溉投入等6 種投入。 土地投入以農(nóng)作物總播種面積衡量; 機械動力投入以農(nóng)業(yè)機械總動力衡量; 化肥投入以折純法計算的農(nóng)用化肥施用量衡量; 農(nóng)藥投入以農(nóng)藥施用量衡量; 農(nóng)膜投入以農(nóng)用塑料薄模使用量衡量; 灌溉投入以實際有效灌溉面積衡量。

2.1.2 農(nóng)業(yè)產(chǎn)出指標(biāo)

農(nóng)業(yè)產(chǎn)出包括期望產(chǎn)出和非期望產(chǎn)出。 農(nóng)業(yè)產(chǎn)出以1990 年不變價格的農(nóng)林牧漁業(yè)總產(chǎn)值來衡量。 非期望產(chǎn)出主要包括碳排放、 氮流失量和磷流失量等。

碳排放估算參考張瑞玲[8]的方法, 公式C=∑ci= ∑Eiδi, 其中C為農(nóng)業(yè)碳排放總量,ci為第i種碳源碳排放量,Ei為碳源使用量,δi為相應(yīng)的碳排放系數(shù)。 計算氮、 磷流失量時, 利用張佳卓[9]測算確定的氮、 磷化肥流失系數(shù), 所用公式與碳排放計算相似, 不再重復(fù)贅述。 具體投入產(chǎn)出指標(biāo)如表1 所示, 相關(guān)指標(biāo)的描述性統(tǒng)計見表2。

表1 農(nóng)業(yè)生態(tài)效率投入產(chǎn)出指標(biāo)描述Table 1 Description of agricultural eco-efficiency input-output index

表2 主要指標(biāo)描述性統(tǒng)計Table 2 Descriptive statistics of main indicators

2.2 生態(tài)因素與非徑向、 非角度的超效率SBM 模型

在分析農(nóng)業(yè)生產(chǎn)效率時, 產(chǎn)出方面不應(yīng)僅包括各種農(nóng)作物產(chǎn)出, 還有因農(nóng)作活動而造成的環(huán)境污染。將生態(tài)因素納入農(nóng)業(yè)生產(chǎn)效率的評價體系, 這就需要借助DEA 模型來對多投入和多產(chǎn)出進行評價。 傳統(tǒng)DEA 模型主要分為兩種: 一種是基于規(guī)模報酬不變的CCR 模型, 另一種是基于規(guī)模報酬可變的BCC 模型。這兩種傳統(tǒng)DEA 模型是角度的, 假設(shè)前提是投入或產(chǎn)出不變, 故而必須要在投入和產(chǎn)出中忽略一個, 這必然會對效率的測算結(jié)果產(chǎn)生影響。 CCR 模型和BCC 模型也是徑向的, 均要求投入和產(chǎn)出會同比例的放大或縮小, 如果存在松弛的投入或產(chǎn)出, 則會高估效率值。Tone 于2001 年提出SBM 模型, 松弛變量問題得以解決[10,11]。 超效率SBM 模型基于超效率DEA 模型和普通SBM 模型的優(yōu)勢有效結(jié)合而構(gòu)建, 可以有效避免普通SBM 模型無法包含所有DMU 效率值的不足。 使用超效率SBM 模型對中國30 個省級行政區(qū)農(nóng)業(yè)生態(tài)效率進行測度。 假設(shè)有n個決策單元,N、M、L分別表示N類投入指標(biāo),M類期望產(chǎn)出指標(biāo),L類非期望產(chǎn)出指標(biāo), 利用向量可表示為x∈SN,ya∈SM,yb∈SL;x、ya和yb是矩陣;X= [x1…xn] ∈SN×n,Ya=[…] ∈SM×n和Yb= [yb1…ybn] ∈SL×n。 定義超效率SBM 中的決策單元是有效的, 構(gòu)建了包含非期望產(chǎn)出的非角度、 非徑向的超效率SBM 模型。

2.3 固定效應(yīng)模型

應(yīng)用超效率SBM 模型得出中國30 個省級行政區(qū)的農(nóng)業(yè)生態(tài)效率值后, 進一步對農(nóng)業(yè)生態(tài)效率的影響因素進行分析。 為了減少地區(qū)和時間對回歸結(jié)果的影響, 再加上研究對象是基于特定的對象, 因而使用固定效應(yīng)模型:

其中yit為被解釋變量, 代表第i個省級行政區(qū)經(jīng)過測度的第t年的農(nóng)業(yè)生態(tài)效率;λi是隨機截距, 代表各個省級行政區(qū)那些不隨時間改變的因素, 這些因素通常難以量化, 例如農(nóng)民勞作習(xí)慣、 地區(qū)產(chǎn)權(quán)制度等;xit為解釋變量向量,βi為回歸系數(shù)向量,ξit是獨立的隨機誤差項, 且ξit～N(0,σ2) 。

3 農(nóng)業(yè)生態(tài)效率分析

選擇Super-SBM 模型, 利用2007—2020 年中國30 個省級行政區(qū)的農(nóng)業(yè)投入和產(chǎn)出數(shù)據(jù), 以土地、 機械、 化肥、 農(nóng)藥、 農(nóng)膜和灌溉為投入指標(biāo), 農(nóng)業(yè)總產(chǎn)值為期望產(chǎn)出, 農(nóng)業(yè)碳排放總和、 氮流失量和磷流失量為非期望產(chǎn)出, 測算中國30 個省級行政區(qū)的農(nóng)業(yè)生態(tài)效率。

中國農(nóng)業(yè)生產(chǎn)效率存在著明顯的地域差異, 因此農(nóng)業(yè)生態(tài)效率可能也有顯著的地域差異。 文章分別對東南、 中部和西北三個區(qū)域的農(nóng)業(yè)生態(tài)效率差異進行分析。 東南區(qū)域包括江蘇、 安徽、 浙江、 福建、上海、 廣東、 廣西、 江西、 海南; 中部區(qū)域包括山東、 山西、 湖北、 湖南、 河南、 陜西、 貴州、 重慶、云南、 四川、 北京、 天津、 河北; 西北區(qū)域包括遼寧、 吉林、 黑龍江、 內(nèi)蒙古、 寧夏、 甘肅、 青海、新疆。

圖1 顯示了在考慮對環(huán)境會造成污染的非期望產(chǎn)出條件下, 2007—2020 年中國30 個省級行政區(qū)平均農(nóng)業(yè)生態(tài)效率以及各區(qū)域農(nóng)業(yè)生態(tài)效率的變化。

圖1 2007—2020 年中國各區(qū)域平均農(nóng)業(yè)生態(tài)效率Fig.1 Average agricultural eco-efficiency by region in China from 2007 to 2020

全國平均農(nóng)業(yè)生態(tài)效率值相比于李谷成[12]和韓海彬[13]的測算結(jié)果偏高, 一個可能的原因是文章采用的是超效率SBM 模型, 測算的效率值不存在上界,導(dǎo)致結(jié)果偏大。 從圖1 可以看出, 2007 年中國農(nóng)業(yè)生態(tài)效率位于0.6～0.7 之間, 此后的5 年內(nèi), 中國平均農(nóng)業(yè)生態(tài)效率徘徊在0.5 ～0.6 之間, 相對于效率前沿, 存在較大的改進空間, 且并未表現(xiàn)出明顯的變化趨勢。 但從2013 年開始, 中國農(nóng)業(yè)生態(tài)效率不斷上升, 2016 年突破0.7, 2020 年突破0.8, 進步非常明顯。

中國東南區(qū)域、 中部區(qū)域和西北區(qū)域從2007—2020 年的平均農(nóng)業(yè)生態(tài)效率值分別為0.78、 0.64 和0.49。 東南區(qū)域的農(nóng)業(yè)生態(tài)效率顯著高于中部區(qū)域和西北區(qū)域, 也顯著高于全國平均農(nóng)業(yè)生態(tài)效率。 中部區(qū)域農(nóng)業(yè)生態(tài)效率顯著高于西北區(qū)域, 但在2007—2011 年略低于全國平均水平, 自2012 年開始, 中部區(qū)域農(nóng)業(yè)生態(tài)效率穩(wěn)步提升, 略微超過全國平均水平。 農(nóng)業(yè)生態(tài)效率的地域差異同樣在效率前沿面上得到體現(xiàn)。 由于測算方法采用的是超效率SBM 模型,認(rèn)為效率值大于等于1, 即達到效率前沿。 2007—2020 年, 東南區(qū)域共9 個省級行政區(qū), 其中每年都有一半以上的省級行政區(qū)達到了效率前沿, 2020 年, 更是有8 個省級行政區(qū)位于效率前沿。 相比之下, 中部區(qū)域和西北區(qū)域達到效率前沿的省級行政區(qū)的數(shù)量總和仍沒有東南區(qū)域多。 遠離效率前沿的省級行政區(qū)均屬于中部區(qū)域和西北區(qū)域, 甘肅、 青海、 山西等省級行政區(qū)在全國農(nóng)業(yè)生態(tài)效率排名中常處于最后幾位。

農(nóng)業(yè)生態(tài)效率和地域之間存在緊密的聯(lián)系。 自然條件好, 經(jīng)濟發(fā)展水平高的區(qū)域, 農(nóng)業(yè)生態(tài)效率就較高; 自然條件欠佳, 經(jīng)濟發(fā)展水平較低的區(qū)域, 農(nóng)業(yè)生態(tài)效率偏低。 東南區(qū)域地理氣候條件優(yōu)渥, 外加上強勁的經(jīng)濟實力, 為生態(tài)農(nóng)業(yè)生產(chǎn)提供了良好的條件, 較強的科技實力也為解決農(nóng)業(yè)污染問題提供了技術(shù)支持。 此外, 在東南區(qū)域生活的人們收入水平較高, 在農(nóng)業(yè)產(chǎn)品的選擇上更偏好于高質(zhì)量的生態(tài)農(nóng)產(chǎn)品, 這就從消費者層面倒逼農(nóng)業(yè)生產(chǎn)者在勞作時盡量減少污染, 提供綠色農(nóng)產(chǎn)品。

4 農(nóng)業(yè)生態(tài)效率影響因素分析

4.1 變量設(shè)計及回歸方法

影響農(nóng)業(yè)生態(tài)效率的因素有很多, 根據(jù)現(xiàn)有研究和有關(guān)數(shù)據(jù)的可得性, 將農(nóng)業(yè)生態(tài)效率的影響因素歸納為以下幾個方面: 經(jīng)濟發(fā)展水平、 農(nóng)民收入水平、農(nóng)業(yè)結(jié)構(gòu)、 農(nóng)業(yè)機械化、 農(nóng)業(yè)固定資產(chǎn)投資、 節(jié)水灌溉面積、 自然環(huán)境。 具體變量如表3 所示。

表3 農(nóng)業(yè)生態(tài)效率影響因素Table 3 Influencing factors of agricultural eco-efficiency

4.2 結(jié)果分析

中國面積廣大, 各個區(qū)域間存在較大的自然、 經(jīng)濟差異, 為了更好分析農(nóng)業(yè)生態(tài)效率的影響因素, 將選擇中國總樣本, 東南區(qū)域、 中部區(qū)域、 西北區(qū)域共4 個模型進行對比分析, 4 個模型的R2值分別為0.45、 0.42、 0.76 和0.23, 選擇固定效應(yīng)模型是可行的。 具體回歸結(jié)果見表4。

表4 農(nóng)業(yè)生態(tài)效率影響因素模型回歸結(jié)果Table 4 Regression results of influencing factors model of agricultural eco-efficiency

4.2.1 中國總樣本

回歸①是對全國30 個省級行政區(qū)總體進行回歸, 結(jié)果顯示經(jīng)濟發(fā)展水平、 農(nóng)民經(jīng)濟狀況、 農(nóng)業(yè)結(jié)構(gòu)、 農(nóng)業(yè)機械化和農(nóng)業(yè)固定資產(chǎn)投資通過了顯著性檢驗。

經(jīng)濟發(fā)展水平與農(nóng)業(yè)生態(tài)效率有較為顯著的負相關(guān)關(guān)系。 通常一個地區(qū)的經(jīng)濟發(fā)展水平越高, 往往意味著擁有更多的資源, 但經(jīng)濟的發(fā)展對農(nóng)業(yè)的依賴較小, 更多依靠第二產(chǎn)業(yè)、 第三產(chǎn)業(yè)推動當(dāng)?shù)氐慕?jīng)濟建設(shè), 而這會在一定程度上擠占農(nóng)業(yè)生產(chǎn)所需的各種資源, 對生態(tài)農(nóng)業(yè)的發(fā)展產(chǎn)生負面影響。

農(nóng)民經(jīng)濟狀況與農(nóng)業(yè)生態(tài)效率有顯著的正向關(guān)系。 農(nóng)民的經(jīng)濟狀況越好, 其在從事農(nóng)業(yè)生產(chǎn)活動的時候, 不會因為經(jīng)濟壓力而在農(nóng)業(yè)生產(chǎn)中加大農(nóng)藥、化肥等化學(xué)投入, 以期獲得會對環(huán)境造成負面影響的經(jīng)濟收益, 從而間接提高了農(nóng)業(yè)生態(tài)效率。

農(nóng)業(yè)結(jié)構(gòu)同樣與農(nóng)業(yè)生態(tài)效率有較為顯著的正向關(guān)系。 農(nóng)業(yè)比重大意味著在國內(nèi)大部分地區(qū)實施農(nóng)作活動存在規(guī)模優(yōu)勢, 同時也表示對農(nóng)業(yè)活動的重視度較高, 提高了農(nóng)業(yè)資源利用效率, 從而促進生態(tài)農(nóng)業(yè)的發(fā)展。

同以往大多數(shù)研究做出的結(jié)論相反, 農(nóng)業(yè)機械化與農(nóng)業(yè)生態(tài)效率之間存在顯著的負相關(guān)關(guān)系。 經(jīng)過分析, 在使用機械從事農(nóng)業(yè)生產(chǎn)過程中, 會排放大量的二氧化碳, 在計算農(nóng)業(yè)生態(tài)效率時考慮了這部分碳排放對環(huán)境造成的影響。 農(nóng)業(yè)機械的使用體現(xiàn)了較高的農(nóng)業(yè)生產(chǎn)技術(shù)水平, 節(jié)省了大量的人力物力財力, 但農(nóng)業(yè)機械的使用同樣會產(chǎn)生大量碳排放, 對環(huán)境產(chǎn)生影響。 因此, 農(nóng)業(yè)機械的使用在提升勞作效率和減少碳排放中應(yīng)取得平衡, 才能對農(nóng)業(yè)生態(tài)效率的提升產(chǎn)生促進作用。

農(nóng)業(yè)固定資產(chǎn)投資與農(nóng)業(yè)生態(tài)效率之間有顯著的正向關(guān)系。 較高的農(nóng)業(yè)固定資產(chǎn)投資代表著當(dāng)?shù)貙r(nóng)業(yè)生產(chǎn)的重視, 也意味著勞動力、 資金等生產(chǎn)要素的投入, 帶來了農(nóng)業(yè)技術(shù)的提升, 這都會極大地改善綠色農(nóng)業(yè)生產(chǎn), 提高農(nóng)業(yè)生態(tài)效率。

4.2.2 各區(qū)域樣本

回歸②、 回歸③、 回歸④分別是針對東南區(qū)域、中部區(qū)域和西北區(qū)域的回歸結(jié)果。

東南區(qū)域環(huán)境治理與農(nóng)業(yè)生態(tài)效率之間有較為顯著的正相關(guān)關(guān)系。 東南區(qū)域多處于中國季風(fēng)氣候區(qū),夏季高溫多雨, 因此夏季水澇災(zāi)害頻發(fā), 對環(huán)境進行良好的治理可以顯著地降低洪澇災(zāi)害對農(nóng)業(yè)活動的影響, 從而可以在維持農(nóng)業(yè)產(chǎn)出的情況下減小農(nóng)業(yè)投入, 提高農(nóng)業(yè)生產(chǎn)效率, 間接改善了農(nóng)業(yè)生態(tài)效率。

而中部區(qū)域環(huán)境治理同農(nóng)業(yè)生態(tài)效率之間的關(guān)系與東南區(qū)域相反, 即中部區(qū)域?qū)Νh(huán)境進行治理會顯著降低農(nóng)業(yè)生態(tài)效率。 中部區(qū)域多位于中國大陸氣候和季風(fēng)氣候的交界地帶, 相比東南區(qū)域夏季降水量較少, 不會造成太多的洪澇災(zāi)害, 雖然環(huán)境治理仍會改善農(nóng)業(yè)生產(chǎn)環(huán)境, 但同時也會占用一部分本該投入農(nóng)業(yè)的資源, 對農(nóng)業(yè)生態(tài)效率產(chǎn)生負面的影響。

西北區(qū)域的農(nóng)業(yè)生態(tài)效率主要和當(dāng)?shù)亟?jīng)濟發(fā)展水平和農(nóng)民經(jīng)濟狀況有關(guān)。 經(jīng)濟發(fā)展水平與農(nóng)業(yè)生態(tài)效率存在負相關(guān)關(guān)系, 通過了10%水平的顯著性檢驗;農(nóng)民經(jīng)濟狀況與農(nóng)業(yè)生態(tài)效率有顯著的正向關(guān)系。 雖然原因與全國樣本基本一致, 但可以從側(cè)面反映出西北地區(qū)經(jīng)濟發(fā)展水平較低, 農(nóng)業(yè)生態(tài)效率的高低主要取決于農(nóng)民自身的經(jīng)濟狀況, 經(jīng)濟條件較好的農(nóng)民沒有需要通過農(nóng)業(yè)勞作改善生活的迫切需求, 更專注于高質(zhì)量的農(nóng)業(yè)生產(chǎn), 會顯著提高農(nóng)業(yè)生態(tài)效率。

5 結(jié)論

利用非徑向、 非角度的超效率SBM 模型測算了考慮農(nóng)業(yè)非期望產(chǎn)出的中國30 個省級行政區(qū)的農(nóng)業(yè)生態(tài)效率, 并分區(qū)域運用固定效應(yīng)回歸模型對農(nóng)業(yè)生態(tài)效率的影響因素進行了分析。 主要結(jié)論如下:

1) 全國農(nóng)業(yè)生態(tài)技術(shù)效率在2007—2012 年處于波動狀態(tài), 之后年度呈上升趨勢, 并在2015 年再次達到0.6 的及格水平, 2020 年農(nóng)業(yè)生態(tài)技術(shù)效率值為0.866 8, 達到最高點。 隨著中國經(jīng)濟實力的不斷增強, 中國對環(huán)境保護越來越重視, 農(nóng)業(yè)也逐漸由粗放型生產(chǎn)向集約型生產(chǎn)靠近。

2) 考察期內(nèi), 中國東南區(qū)域、 中部區(qū)域和西北區(qū)域的平均農(nóng)業(yè)生態(tài)效率值分別為0.78、 0.64 和0.49。 中國東南區(qū)域的農(nóng)業(yè)生態(tài)效率值顯著高于中部區(qū)域、 西北區(qū)域以及全國平均值; 中部區(qū)域的農(nóng)業(yè)生態(tài)效率值與全國平均水平大致相同, 但也顯著高于西北區(qū)域的農(nóng)業(yè)生態(tài)效率值。 中國3 個區(qū)域的農(nóng)業(yè)生態(tài)效率差異在效率前沿上有同樣的反映: 東南區(qū)域省級行政區(qū)的農(nóng)業(yè)生態(tài)效率值達到效率前沿的比例明顯高于中部區(qū)域和西北區(qū)域; 遠離農(nóng)業(yè)生態(tài)效率前沿的省級行政區(qū)多集中在西北區(qū)域。

3) 通過運用固定效應(yīng)模型對面板數(shù)據(jù)進行分區(qū)域回歸, 發(fā)現(xiàn)經(jīng)濟發(fā)展水平和農(nóng)業(yè)機械化會對全國農(nóng)業(yè)生態(tài)效率產(chǎn)生顯著的負面影響, 而農(nóng)民經(jīng)濟狀況、農(nóng)業(yè)結(jié)構(gòu)和農(nóng)業(yè)固定資產(chǎn)投資則會顯著促進全國農(nóng)業(yè)生態(tài)效率的提升。 環(huán)境治理會對東南區(qū)域和中部區(qū)域的農(nóng)業(yè)生態(tài)效率產(chǎn)生影響, 但影響方向相反。 西北區(qū)域的農(nóng)業(yè)生態(tài)效率主要與當(dāng)?shù)氐慕?jīng)濟發(fā)展水平和農(nóng)民經(jīng)濟狀況有關(guān)。