基于非點源污染約束的江蘇省農業生產效率分析

王迪+王明新+錢中平+季彩亞

摘要：采用基于松弛變量（SBM）的超效率數據包絡分析模型，測度2013—2015年江蘇省各地級市非點源污染約束下的農業生產效率，分析其年度變化、區域差異和改善途徑。結果表明，非點源污染約束條件下，南京、蘇州、揚州、徐州4個地級市的農業生產效率呈逐年升高趨勢；2015年徐州、蘇州、揚州、南京、無錫5市的農業生產有效率，其他地級市存在無效率現象；無錫、常州、鎮江、泰州、南通5個地級市的農業生產要素利用率有不同程度的提升空間，常州市的化學需氧量排放量、鎮江市的氨氮排放量有一定減排潛力，南通、泰州2個地級市的化學需氧量、氨氮排放量均有較大削減潛力；蘇北除徐州市外，其他地級市的農業生產要素投入利用率有較大提升潛力；連云港、宿遷2市要重點大力削減化學需氧量的排放，鹽城市要重點治理氨氮污染；在非點源污染治理方面，蘇南地區可通過結構優化進一步減排，蘇中、蘇北地區須推進農業清潔生產以降低非點源污染物排放強度。

關鍵詞：非點源污染；農業生產效率；超效率；數據包絡分析；江蘇；松弛變量

中圖分類號： F323.3文獻標志碼： A文章編號：1002-1302（2017）17-0322-04

收稿日期：2017-02-09

基金項目：教育部人文社會科學研究規劃基金（編號：14YJAZH078）；江蘇省高校“青藍工程”項目。

作者簡介：王迪（1982—），女，河南南陽人，碩士，講師，主要從事農業經濟學研究。E-mail：wendywang19822000@163.com。

通信作者：王明新，博士，教授，主要從事環境模擬與評價研究。E-mail：wmxcau@163.com。改革開放以來，我國農業生產得到飛速發展。2015年，我國以占世界8.80%的耕地養活占世界18.66%的人口，人多地少的基本國情使我國農業集約化程度不斷提高，在為保障我國糧食安全作出巨大貢獻的同時，也付出了沉重的資源環境代價，農田氮磷流失，畜禽、水產養殖廢水等非點源污染日漸成為我國水體污染的重要污染源[1-2]。為此，2017年中央一號文件指出，要提高土地產出率、資源利用率、勞動生產率，促進農業農村發展由過度依賴資源消耗、主要滿足量的需求，向追求綠色生態可持續、更加注重滿足質的需求轉變。隨著人們對農業資源環境問題的日益關注，農業生產效率問題被賦予了新的含義，許多學者把農業碳排放或氮磷流失作為投入要素或非期望產出要素來考察農業生產的效率問題，如王奇等將種植業氮磷流失量作為一種要素投入，運用隨機前沿方法（SFA）Malmquist指數來測算我國農業生產的全要素生產率[3]。把環境排放作為投入來分析農業生產效率問題雖然很方便，但卻不符合實際生產過程，解決辦法之一是將環境排放這種非期望產出作為弱可處置的變量，如田云等將農業碳排放作為非期望產出，測算2001年以來碳排放約束條件下我國農業生產效率的變化[4]，但是，這些研究主要關注碳排放或農田氮磷污染約束下的農業生效率約束問題或環境排放約束下的工業生產效率問題，而包含種植業、養殖業在內的農業非點源污染約束的農業生產效率測度鮮見報道。

江蘇省是我國農業經濟發達、集約化程度較高的地區，農業非點源污染成為長江、太湖的重要污染源。2015年，江蘇全省農業源化學需氧量、氨氮排放量分別達到35.07萬、3.62萬t，均超過相應的工業源排放量，使農業非點源污染治理成為水體污染治理的瓶頸問題。本研究以江蘇省為例，采用考慮非期望產出的非徑向超效率數據包絡分析（data envelopment analysis，DEA）模型來測度2013—2015年江蘇省各地級市非點源污染約束下的農業生產效率，以期為江蘇省農業非點源污染治理、農業經濟可持續發展提供決策參考。

1研究方法與數據來源

數據包絡分析是一種非參數效率評價方法，通過數學規劃模型來計算每個決策單元（decision making unit，DMU）和由實踐中表現最好的DMUs構成生產前沿面之間的距離，據此計算出每個DMU的效率得分。隨著研究的深入，DEA方法在經濟、資源、能源、環境等領域的投入產出效率研究中得到越來越多的應用[5-7]。然而，傳統的DEA基本模型存在2個方面的不足，一是由于錐性、徑向性等諸多嚴格假定，導致實踐應用的效率評價結果存在偏差；二是沒有將負外部效益等非期望產出納入考慮范圍[8]。為此，2002年，Tone提出一種非徑向DEA模型即基于松弛變量（slacks-based measure，SBM）評價DMUs效率的方法，直接將松弛變量加入到目標函數中，使SBM模型的經濟解釋是使實際利潤最大化，而不僅僅是得到效益比例最大化[9]。此后，為彌補不能將所有DMUs效率值計算出來的缺陷，超效率SBM模型得到研究應用，它可以用于評價SBM有效的DMUs并進行排序[10-11]，而超效率SBM評價時，須先對DMUs使用SBM模型進行評價，后對有效的DMUs再運用超效率SBM進行評價[5]。本研究是在農業生產效率測度中，納入農業非點源污染變量作為非期望產出要素，采用基于超效率SBM-DEA模型來測度非點源污染約束下的農業生產效率。在SBM模型中考慮到n個決策單元（DMUs），而每個DMU由m個投入、s個期望產出、k個非期望產出構成，其理論模型（模型1）為：

minφ=1-（1-M）∑Mm=1（Sxm/X0）1+1/（S+K）∑Ss=1（Sys/Y0）+∑Kk=1（Sbk/Z0）；

s.t.∑Ni=1Xmiλi+Sxm=θXm0，m=1，2，…，M；

∑Ni=1Ysiλi+SyS=YS0，s=1，2，…，S；

∑Ni=1Zkiλi+Sbk=Zk0，k=1，2，…，K；

λi≥0，i=1，…，N；Sxm≥0，SyS≥0，Sbk≥0。

式中：X、Y、Z分別代表生產投入要素、期望產出變量、非期望產出變量，投入要素、期望產出變量、非期望產出變量的個數分別為M、S、K；θ為效率值；Sxm、Sys、Sbk為“松弛調整量”，分別表示投入冗余、期望產出不足、非期望產出冗余。目標函數中的分子、分母分別表示生產決策單元實際投入與產出相對于生產前言的平均可縮減比例與平均可擴張比例，亦即投入無效率與產出無效率，目標函數關于Sxm、Sys、Sbk嚴格遞減。目標函數值變化區間為[0，1]，當=1，且Sxm、Sys、Sbk均等于0時，決策單元是綜合技術效率有效，且純技術效率和規模效率均有效；當<1，或Sxm、Sys、Sbk不全為0時，決策單元是綜合技術效率無效，為純技術效率或規模效率無效，存在投入產出改進的空間。endprint

然而，非期望產出SBM模型運行結果往往出現多個DMU的=1而沒法對這些DMU進行排序，因此，該研究針對=1的DMU，進一步構建含有非期望產出的超效率SBM模型（模型2）為：

minρ=1-（1/M）∑Mm=1（Xm′/Xmk）1+1/（S+K）∑Ss=1（Ys′/Y0）+∑Kk=1（Zk′/Z0）；

s.t.∑Ni=1，≠nXmiλi-Xm′≤0，m=1，2，…，M；

∑Ni=1，≠nYsiλi+Ys′≥0，s=1，2，…，S；

∑Ni=1，≠nZkiλi+Zk′≤0，k=1，2，…，K；

λi≥0，i=1，…，N；Xm′≥0，Ys′≥0，Zm′≥0；

Xi′≥Xmi，m=1，2，…，M；

Ys′≤Ysi，s=1，2，…，S；

Zk′≥Zki，k=1，2，…，K。

采用模型1、模型2來計算非點源污染約束條件下的江蘇省農業生產效率，當<1時，農業生產效率為，當=1時，農業生產效率為ρ。選取農林牧漁從業人員（勞動力投入X1，萬人）、農作物總播種面積（土地投入X2，萬hm2）、農業機械總動力（農業資本投入X3，萬kW）作為投入要素，農林牧漁總產值（Y1，億元）作為期望產出（經濟產出），農業源化學需氧量排放量（Y2，t）、農業源氨氮排放量（Y3，t）作為非期望產出即農業非點源污染物排放量來計算農業生產效率。農業生產效率≥1，表示非點源污染約束條件下農業生產有效率，反之則表示無效率，存在進一步提升的空間。

本研究以2013—2015年江蘇省各地級市為例進行實證分析，采用Matlab 2013編程對模型1、模型2進行規劃求解。投入產出數據來自2014—2016年《江蘇統計年鑒》，其中，農林牧漁業總產值折算為2013年不變價以消除通貨膨脹的影響。非期望產出SBM模型是DEA的擴展模型，其DMUs數量在大于輸入與輸出指標數量之和的2倍以上時才能表現出良好的運算效果。本研究DMUs數量為39個，輸入與輸出指標數量之和為6，兩者之比為6.5，遠大于2，符合非期望產出SBM模型運行的要求。

2結果與分析

2.1農業投入、產出狀況

2.1.1農業投入狀況由表1可見，在農業投入方面，總體上蘇北地區相對較高，蘇中地區次之，蘇南地區較小；就農作物播種面積而言，蘇南地區以南京相對最大，在30萬hm2以上，無錫相對最小，不足18萬hm2，蘇中地區南通明顯大于揚州、泰州，蘇北地區以徐州相對最高，在140萬hm2以上，其次是鹽城，在110萬hm2以上，其他3市相對較小；就農林牧漁業從業人員（勞動力）而言，徐州、鹽城從業人員相對較多，無錫相對最少，低于20萬人，蘇南5市也都少于25萬人；農機總動力最大的為徐州、鹽城，分別在620萬、590萬kW以上，最小的為無錫，約100萬kW。

2.1.2農業產出狀況由表1可見，就農業期望產出即農林牧漁總產值而言，表現出與農業生產要素投入相似的區域分布趨勢，即蘇北地區較高，蘇中地區次之，蘇南地區較小，其中蘇南地區以無錫相對較高，蘇中地區南通明顯大于揚州、泰州，蘇北地區徐州相對最高，其次是宿遷；就農業化學需氧量而言，江蘇省2015年農業源化學需氧量排放量超過4萬t的地級市有南通、徐州、連云港、鹽城、宿遷，這可能與這5個地級市的畜禽養殖業規模相對比較大有關；氨氮排放量2015年低于2 000 t的地級市有南京、無錫、常州、鎮江、揚州，其中無錫的排放量相對最低，平均僅為1 065 t，氨氮排放量最大的地級市為南通、鹽城，均超過6 000 t，可能與這2個地級市的農業規模相對較大有關，其農業總產值分別位居全省第1、3位；徐州農業總產值位居全省第2位，氨氮排放量則位居全省第4位。

從污染物排放強度（以億元農業總產值的污染物排放量表示）來看，2015年泰州、南通、徐州、連云港4市呈逐年下降趨勢，其他地級市變化幅度相對較小；宿遷市、連云港市的化學需氧量排放強度相對較高，超過80.00 t/億元，其次是泰州，達到78.11 t/億元，化學需氧量排放強度相對較低的為揚州、淮安、無錫，排放強度分別為25.67、35.52、36.78 t/億元；氨氮排放強度最高的為泰州、南通2市，均超過11.00 t/億元，氨氮排放強度相對較低的為徐州、揚州，氨氮排放強度分別為3.27、4.09 t/億元，南京、無錫、連云港、淮安、鎮江也都小于5 t/億元（圖1）。

2.2非點源污染約束條件下的農業生產效率

采用非期望SBM模型進行測算，對效率值為1的樣本進一步采用非期望超效率SBM模型進行測算，得到2013—2015年江蘇省各地級市的農業生產效率。由圖2可見，2013—2015年間，江蘇省農業生產效率大于1的地級市有2014年的揚州及2015年的徐州、蘇州、揚州、南京、無錫；從年度變化看，非點源污染約束條件下南京、蘇州、揚州、徐州4個地級市的農業生產效率呈上升趨勢，無錫的農業生產效率相對較高，但年際波動較大，其他地級市年際變化相對較小；從區域分布看，非點源污染約束條件下蘇南地區農業生產效率相對較高，

3年農業生產效率平均值為0.87，其中蘇州市高達1.07；其次是蘇中地區，農業生產效率平均值為0.75，其中揚州市達到1.02，為蘇中地區最高值；蘇北地區整體水平相對較低，農業生產效率3年平均值僅為0.57，其中徐州市達到0.88，為蘇北地區最高值，宿遷市僅為0.44，為蘇北地區乃至全省的最低值。

2.3非點源污染約束條件下的農業生產效率改善分析

2.3.1非點源污染約束條件下的投入產出分析進一步分析相對無效率的各地級市農業投入產出變量的松弛值與實際值的比例，可得到各地級市的農業生產要素投入冗余率、期望產出不足率、非期望產出冗余率，進而評估其投入產出指標的改善潛力和途徑。由圖3可見，就蘇南地區而言，南京、蘇州、無錫3個地級市的農業投入冗余率都相對比較低，南京市、蘇州市2013、2014年還存在一定的投入冗余，到2015年投入冗余均為0，而無錫市2014年的農業投入冗余率為0，2015年有所反彈，但低于5%；常州市、鎮江市的農業投入冗余率雖呈逐年降低趨勢，但2015年仍存在較大的冗余率；常州市的農業投入冗余率在18.73%～30.51%之間，鎮江市高達 24.06%～35.99%，這2個地級市的農業生產要素利用率存在較大的改善空間。就蘇中地區而言，揚州市的農業投入冗余率呈逐年下降趨勢，2015年降為0；泰州、南通2個地級市一直居高不下，泰州市農業生產要素投入冗余率在 19.21%～35.57%之間，南通的投入冗余率則為13.72%～30.99%，這2個地級市的農業投入要素利用率也存在進一步提升的空間。就蘇北地區而言，徐州市的農業投入冗余率逐年下降，2015年下降到0，但其他地級市的情況則不容樂觀，農業生產要素投入冗余率普遍較高，連云港市、宿遷市、淮安市、鹽城市3年的農業生產要素投入冗余率分別在 24.04%～45.75%、 45.71%～56.40%、 43.06%～59.07%、31.04%～endprint

47.47%之間，這4個地級市的農業生產要素利用率很低，存在較大的改善空間。

由圖4可見，就期望產出而言，2013年蘇中地區的泰州、南通及蘇北地區的徐州、連云港、宿遷存在較大的產出不足；2015年全省各地級市的產值不足均為0，表明農業總產值并不是制約全省范圍內農業生產效率的瓶頸因素，農業生產要素利用效率較低、非期望產出的冗余即非點源污染物排放量過高成為制約農業生產效率改善的關鍵。就化學需氧量排放量而言，蘇南地區化學需氧化量冗余普遍較低，無錫市、鎮江市近3年均無冗余，2015年僅常州市仍存在冗余現象，冗余率為9.30%；蘇中地區泰州市、南通市化學需氧量冗余率呈逐年下降趨勢，但冗余率仍然較大，2015年泰州市、南通市的化學需氧量冗余率分別為29.15%、22.06%；蘇北地區徐州市的化學需氧量冗余率呈逐年下降趨勢，到2015年已無冗余，連云港市、宿遷市的化學需氧量冗余率則一直居高不下，冗余率分別為41.64%、34.65%，淮安市、鹽城市相對較好，2015年冗余率均下降為0。就氨氮排放量而言，蘇南5個地級市的氨氮排放量冗余率均相對較低，2015年僅無錫市、鎮江市仍存在冗余現象，冗余率分別為2.24%、8.12%；蘇中地區泰州市、南通市的氨氮排放量冗余率一直居高不下，2015年的冗余率分別高達48.49%、41.90%；蘇北地區僅鹽城市的氨氮排放量冗余率一直相對較高，為18.85%，宿遷市的氨氮排放量冗余率則從2013年的12.57%下降到2015年的 5.67%，徐州、連云港、淮安3個地級市到2015年氨氮排放量已無冗余。因此，到2015年，除南京、蘇州、揚州、徐州4個地級市外，其他地級市農業生產均存在無效率現象。

2.3.2改善路徑分析蘇南地區，無錫市的農業生產要素利用率仍有提升空間，農業源化學需氧量也存在一定的削減潛力，常州市、鎮江市的農業生產要素利用率提升空間較大，常州市的化學需氧量、鎮江市的氨氮排放量也有一定的減排潛力，這3個地級市的農業源污染物排放強度相對較低，應通過結構優化來實現減排，包括進一步調減畜禽養殖業規模尤其是生豬的養殖規模。

蘇中地區，泰州市、南通市的農業生產要素利用率提升空間也較大，化學需氧量、氨氮也均有較大的削減潛力，這2個地級市的農業非點源污染物排放強度相對較大，應以推進清潔生產為主降低非點源污染物排放強度，包括推進畜禽和水產的生態養殖、降低農田氮肥施用量等。

蘇北地區，各地級市的農業生產要素投入利用率普遍較低，具有較大的改善潛力。在農業非點源污染治理方面，連云港市、宿遷市的重點是減少化學需氧量排放量，鹽城市的重點是削減氨氮排放量。由于連云港市、宿遷市、鹽城市的非點源污染物強度相對較高，改善途徑與泰州市、南通市相似，應積極推進畜禽和水產的生態養殖，降低農田氮肥施用量等以降低非點源污染物的排放強度。

3結論

農業生產要素投入和期望產出總體表現為蘇北地區相對較高，蘇中地區次之，蘇南地區相對最小；在非期望產出即非點源污染物排放量上，化學需氧量、氨氮排放量相對較高的是南通市、鹽城市。非點源污染約束下的農業生產效率測度結果表明，各地級市均存在無效率現象，2015年徐州、蘇州、揚州、南京、無錫5個地級市有效率；南京、蘇州、揚州、徐州4個地級市的農業生產效率呈逐年升高趨勢。蘇南、蘇中地區除南京、蘇州、揚州3個地級市外，其他地級市的農業生產要素利用率均有提升空間；常州市的化學需氧量排放量、鎮江市的氨氮排放量有一定的減排潛力，南通市、泰州市化學需氧量和氨氮均有較大削減潛力；蘇北地區除徐州外，其他地級市的農業生產要素投入利用率普遍較低，具有較大的改善潛力，農業非點源污染方面，連云港市、宿遷市重點要削減化學需氧量排

放，鹽城市要重點治理氨氮污染。

參考文獻：

[1]Ongley E D，Xiaolan Z，Tao Y. Current status of agricultural and rural non-point source pollution assessment in China[J]. Environmental Pollution，2010，158（5）：1159-1168.

[2]虞慧怡，扈豪，曾賢剛. 我國農業面源污染的時空分異研究[J]. 干旱區資源與環境，2015，29（9）：1-6.

[3]王奇，王會，陳海丹. 中國農業綠色全要素生產率變化研究：1992—2010年[J]. 經濟評論，2012（5）：24-33.

[4]田云，張俊飚，吳賢榮，等. 碳排放約束下的中國農業生產率增長與分解研究[J]. 干旱區資源與環境，2015，29（11）：7-12.

[5]宮大鵬，趙濤，慈兆程，等. 基于超效率SBM的中國省際工業化石能源效率評價及影響因素分析[J]. 環境科學學報，2015，35（2）：585-595.

[6]劉殿國，郭靜如. 中國省域環境效率影響因素的實證研究——基于社會嵌入視角和多層統計模型的分析[J]. 中國人口資源與環境，2016，26（8）：79-87.

[7]Wu J，Xiong B B，An Q X，et al. Measuring the performance of thermal power firms in China via fuzzy enhanced russell measure model with undesirable outputs[J]. Journal of Cleaner Production，2015，102：237-245.

[8]胡彪，王鋒，李健毅，等. 基于非期望產出SBM的城市生態文明建設效率評價實證研究——以天津市為例[J]. 干旱區資源與環境，2015，29（4）：13-18.

[9]Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research，2001，130（3）：498-509.

[10]Wu J，An Q X，Xiong B B，et al. Congestion measurement for regional industries in China：a data envelopment analysis approach with undesirable outputs[J]. Energy Policy，2013，57（7）：7-13.

[11]Gómez-Calvet R，Conesa D，Gómez-Calvet A R，et al. Energy efficiency in the European Union：what can be learned from the joint application of directional distance functions and slacks-based measures？[J]. Applied Energy，2014，132（11）：137-154.孟莉娟. 河南省農村土地經營權價格影響因素實證分析——基于746個農戶的估計[J]. 江蘇農業科學，2017，45（17）：326-330.endprint