中國農業環境效率時空演變及其驅動因素

徐維祥,鄭金輝,*,李續雙

1 浙江工業大學經濟學院, 杭州 310023 2 浙江大學經濟學院, 杭州 310027

改革開放以來,伴隨經濟的高速增長,中國農業經濟取得了巨大成就,獲得了長足發展。但與此同時,在農業經濟附加值快速增長過程中忽視了發展質量,農業生態環境問題日益嚴重,如土壤地力破壞、農業面源污染、要素資源消耗與環境效率低下等問題[1]。黨的十九大指出,建設生態文明是中華民族永續發展的千年大計,必須樹立和踐行綠水青山就是金山銀山的理念,并把農業面源污染治理列入著力解決的突出環境問題之一,推動農業綠色發展是破解中國農業發展生態環境壓力的重要方式,也是滿足人民日益增長的美好生活需要的客觀要求。生態文明建設戰略要求下,促進農業經濟發展同時降低對生態環境的影響,不斷提高經濟產出與環境效應間的協調性,提升環境效率是重要的實現途徑。因此,在資源環境約束視角下,分析中國農業環境效率的時空演變特征及其驅動因素,對于推動農業生產的生態服務功能具有重要現實意義。

傳統經濟增長理論沒有考慮經濟增長與環境污染的關系,生態環境約束下,傳統的增長效率測算方法存在一定缺陷。為此,學術界提出了生態效率的概念[2],后經可持續發展世界經濟理事會(WBCSD)拓展為環境效率(EE)和資源效率(RE)兩部分[3]。當前生態環境約束下的效率與生產率問題已成為學術界研究的熱點,農業環境效率指以盡可能較小的資源消耗和較低的污染程度,盡可能增加農業產出,主要強調農業生產的經濟發展與生態環境的統一。目前,對農業環境效率研究主要包括以下方面：一是在研究尺度方面,主要集中在宏觀、中觀尺度,包括省域[4]、市域[5]、縣域[6],也有學者從微觀數據尺度進行了研究[7- 8]。二是在研究方法與影響因素方面,學者們常用的測度方法主要有指標體系法[9]、生態足跡法[10]、隨機前沿法(SFA)[11]和數據包絡分析法(DEA)[12]；在分析影響因素時常用多元線性模型[13]、Tobit模型[1]、門檻模型[14]的方法。三是在研究內容方面,早期主要在理論分析[15]、效率測度[16]及時空演化[17]等方面,目前更加關注農業環境效率的影響因素及其空間溢出效應[18],如侯孟陽等運用空間杜賓模型發現財政支農水平對農業環境效率產生顯著的正向空間溢出效應[19]。此外,研究表明工業化水平、農業機械投入、農業生產能力、農業勞動者教育素質等對農業環境效率產生影響[20]。

綜上所述,當前中國農業環境效率的研究,還可以從以下方面進一步深化和拓展：(1)在研究內容上,主要集中在指標評價、時空特征等方面的分析,鮮有文獻從動態演進角度對農業環境效率空間關聯與轉移趨勢進行探討。(2)在研究方法上,大多采用SFA、DEA測度農業環境效率,無法將同處于有效前沿面的評價單元進行區分。此外,過往研究大多采用普通線性回歸分析其影響因素,忽視了地區間的空間關聯性。鑒于此,本文基于非期望產出視角,采用SBM模型,綜合測度2004—2019年中國30個省(市、區)的農業環境效率,并利用GIS技術和空間馬爾科夫鏈刻畫農業環境效率的時空演變特征,在此基礎上利用空間杜賓模型分析其空間溢出效應,以期為指導中國農業綠色發展,實現高質量增長提供參考。

1 研究方法與數據來源

1.1 研究方法

1.1.1非期望產出的SBM模型

Tone于2001年提出了基于非期望產出的SBM模型,能夠有效解決徑向和角度的傳統DEA模型造成的投入要素的“擁擠”或“松弛”現象。本文構建在規模報酬不變下的SBM模型測度中國農業環境效率,具體形式如下[21]：

(1)

1.1.2空間馬爾科夫鏈

空間馬爾科夫鏈(Spatial markov chain)在傳統馬爾科夫鏈中加入了空間滯后因素,能夠更好地刻畫農業環境效率在演變過程中與鄰近省份的空間關聯性[22]。根據初始年份的空間滯后值將效率值劃分為k種類型,以省份i在t時期的空間滯后類型k為條件,進一步分成k個k×k階概率矩陣,則從t時期狀態a轉移到t+1時期狀態b的概率為Pab/k,公式如下：

Laga=∑YbWij

(2)

式中,Wij表示鄰近空間權重矩陣；Yb表示省份b的效率值；Laga為省份a的空間滯后值,表示省份a的鄰域狀態。

1.1.3空間自相關

空間自相關能夠考察農業環境效率是否存在空間相互關系,也是構建空間計量模型的必要條件。采用莫蘭指數(Moran′sI)測度農業環境效率整體的空間關聯特征,計算如下[23]：

(3)

1.1.4空間計量模型

空間杜賓模型(Spatial Durbin Model, SDM)是分析空間溢出效應的主要模型,它是相較于空間誤差模型(Spatial Error Model, SEM)和空間滯后模型(Spatial Lag Model, SLM)更為一般的形式[24],一般形式為：

(4)

式中,Yit、Xit為第t年區域i的因變量和自變量的觀測值；Wij為空間權重矩陣；β為自變量的待估參數向量；ρ為因變量的空間滯后系數；φ為自變量的空間回歸系數；μi、νt分別代表空間效應和時間效應；εit為服從獨立同分布的隨機誤差項。綜合已有研究[17- 20],選取財政支農、農業經濟水平、工業化水平、農作物種植結構、環境規制、農業生產能力和農業機械強度作為驅動因素變量(表1)。

1.2 指標體系構建與數據來源

本文基于以往研究農業環境效率的評價指標體系[4- 5,15- 17],結合數據的可得性,以投入產出理論為基礎,構建中國農業環境效率評價指標體系(表2)。

表1 農業環境效率影響指標變量與說明

表2 中國農業環境效率指標體系

投入指標方面,選取勞動、土地、灌溉、化肥、農藥、農膜、能源、機械等指標。期望產出指標方面,選取地區農業總產值作為期望產出指標。非期望產出指標方面,選取了兩類指標：(1)農業生產過程的碳排放,包括化肥、農藥、農膜、農用柴油、農業灌溉、農業翻耕所產生的碳排放。關于農業碳排放的計算,參考李波的方法[25],將各排放源指標乘以排放系數,各系數為化肥0.896kg/kg、農藥4.934kg/kg、農膜5.180kg/kg、柴油0.593kg/kg、農業灌溉20.476kg/hm2、農業耕作312.600kg/hm2。(2)總氮(TN)、總磷(TP)和化學需氧量(COD)等三類農業面源污染排放量,根據農業生產中化肥、養殖和農作物固體廢棄物所產生的污染物進行計算,參考賴斯蕓[26]、段華平[27]的研究,選擇農田化肥、畜禽養殖、水產養殖、農田秸稈四類農業面源污染的TN、TP、COD排放量。

本文尚缺中國香港、澳門、臺灣、西藏自治區統計數據，研究對象為中國30個省(市、區)，相關數據主要來源于《中國統計年鑒》、《中國農村統計年鑒》、《中國漁業統計年鑒》、《中國農業統計資料》以及各省份統計年鑒,部分缺失數據根據插值法進行推算補齊。

2 農業環境效率的時空演變特征

2.1 時間序列分析

根據公式(1)SBM模型,分別測算出2004—2019年考慮非期望產出和不考慮非期望產出兩種情況下農業環境效率值,并繪制出變化趨勢(圖1)。由圖1可知,在兩種情況下中國農業環境效率均呈現出穩步上升趨勢,但不考慮非期望產出的農業環境效率值整體上高于考慮非期望產出的效率值,其中2012年的差值最大,2019年差值最小,這說明了考慮非期望產出的農業環境效率值更符合實際生產情況,評價結果相對更為合理、科學。

可以發現,變異系數在0.302—0.563之間變化,區域差異整體上呈“上升-下降”的倒“V”型變化趨勢。2004—2011年,變異系數經歷了先小幅下降后加速上升的過程,整體呈上升的趨勢特征,在2007年為最小值0.302,表明此時區域差異較小,在2011為最大值0.563,表明此時區域差異較大。2011—2019年,變異系數波動幅度較為輕微,此時農業環境效率快速上升,區域差異隨著農業發展呈減小趨勢,逐步下降至2019年的0.417。產生這種變化的原因可能是：2004—2011年農業經濟粗放式增長的負效應逐漸顯現,資源環境約束加劇,但其努力促進農業經濟平穩較快發展,因此農業環境效率整體呈上升趨勢。2011—2019年,經濟發展進入新常態,隨著生態文明理念深入和政府對環境污染的治理力度加大,致使這一時期農業環境效率增速較快,隨著區域協調發展的深入實施,區域差異有所減小。

圖1 2004—2019年中國農業環境效率變化趨勢Fig.1 The trend of agricultural environmental efficiency in China from 2004 to 2019

圖2 中國農業環境效率趨勢面分析Fig.2 The trend analysis of agricultural environmental efficiency in China

進一步運用趨勢面分析方法揭示研究期間中國農業環境效率空間趨勢特征(圖2),Z軸為農業環境效率值。由圖2可知,東西方向上,中國農業環境效率呈現出“東高西低”的趨勢特征,表現為一條從西到東上升的拋物線形狀。南北方向上,呈從北到南先下降后上升的態勢,逐漸表現為明顯的“中間低兩端高”的“U”型趨勢特征,這充分表明2004年以來中國農業環境效率南方地區高于北方地區,東部地區領先于西部地區。

2.2 空間分異特征

根據自然斷點法將中國農業環境效率劃分為低值、中低值、中高值、高值區進行可視化(圖3)。由圖3可知,中國不同等級的農業環境效率空間差異明顯,高值區的省份占比逐漸增加,低值區的省份占比逐漸下降。具體而言,農業環境效率高值區范圍顯著增加,當前主要分布在東部和西部個別省份,新疆、青海、甘肅、貴州這幾個省份的經濟實力不具有顯著優勢,但從投入產出指標分析,發現其勞動、土地等其他要素投入帶來的農業經濟效應較高,同時非期望產出較少。中高值區空間范圍略有減少,其中東部的浙江、江蘇、福建、廣東逐步從中高值跨入高值區。中低值和低值區空間范圍持續減少,主要分布在中部和西部地區,集中分布在安徽、河南、江西、湖南、內蒙古、陜西、寧夏、云南等省份,這些省份有些是農業大省,有些是連片山區,由于勞動和其他資源投入冗余,資源利用率低,經濟產出效率不高,并且污染物排放量增加,農業環境減排壓力大,導致農業環境效率較低。

圖3 中國農業環境效率空間分布格局Fig.3 The spatial pattern of agricultural environmental efficiency in China

2.3 空間演變特征

采用空間馬爾科夫鏈分析中國農業環境效率的空間演化特征,以初始年份的空間滯后值為分類基礎,按照四分位數的劃分方法,將農業環境效率值劃分為4個相鄰但不相互交叉的完備區間：(0.000, 0.159]、(0.159, 0.246]、(0.246, 0.397]及(0.397, 1.000],并用k=1、2、3、4分別來表示,以此得到空間馬爾科夫概率轉移矩陣(表3)。

(1)中國農業環境效率存在低效率、中低效率、中高效率和高效率4個趨同俱樂部特征。所有對角線上的概率數字均遠遠大于非對角線上的數字,這反映了農業環境效率不發生等級轉移的概率要大于發生等級轉移的概率,具有較強的穩定性。(2)中國農業環境效率轉移通常發生在相鄰等級之間,沒有出現“跳躍式”轉移現象。例如在2004—2011年、2011—2019年與2004—2019年,低效率與中低效率向高效率轉移的概率均為0.000(P14/1、P24/1),這說明農業環境效率發展存在一定的“路徑依賴”性,較難實現“跨越式”發展。(3)地理空間格局在農業環境效率演變過程中具有重要作用。在與不同類型的省份相鄰,轉移的概率不同。例如,在2004—2019年,當自身為中高效率時,與低效率、中低效率省份相鄰,向上轉移的概率分別為0.209(P34/1)、0.333(P34/2),向下轉移的概率分別為0.791(P31/1+P32/1)、0.667(P31/2+P32/2)。這表明農業環境效率發展與相鄰省份類型密切相關,與效率較高省份為鄰,向上轉移的概率增大,反之,向下轉移的概率將增大。

表3 農業環境效率的空間馬爾可夫概率轉移矩陣

進一步繪制出各省份的空間演化格局(圖4)。由圖4可知,相鄰省份的轉移具有趨同特征,東部地區普遍好于中西部地區。2004—2011年,自身和鄰域均向上轉移的省份有25個；自身向上、鄰域不變的僅有1個(青海)；自身不變、領域向上的有3個(甘肅、福建、海南)；自身和鄰域均不變的有1個(寧夏)。2011—2019年自身和鄰域均向上轉移的省份有25個；自身向上、鄰域不變的有3個(甘肅、青海、寧夏)；自身不變、領域向上的有2個(北京、廣西)。2004—2019年自身和鄰域均向上的省份增加為28個；自身向上、鄰域不變和自身不變、鄰域向下的均有1個(青海和寧夏)。此外,中國省份之間農業環境效率的關聯作用是良好發展的,均處于不變或向上狀態,沒有出現向下轉移的倒退現象。

圖4 農業環境效率類型轉變分布及鄰域轉變空間分布Fig.4 Spatial of agriculture environmental type transformation and neighborhood transformation

2.4 空間關聯特征

通過Moran′sI指數測度2004—2019年中國農業環境效率的空間自相關程度(表4),結果顯示各年份的全域Moran′sI指數全部為正值,且通過了顯著性檢驗,說明中國農業環境效率存在顯著的正空間自相關性。

表4 中國農業環境效率的莫蘭指數

3 驅動因素分析

3.1 模型檢驗

由表5可知,空間滯后模型的拉格朗日乘子(Lagrange multipliers,LM)檢驗未通過顯著性檢驗,說明空間誤差模型優于空間滯后模型；空間杜賓模型的沃爾德(Wald)和似然比(Likelihood ratio,LR)檢驗均通過了顯著性檢驗,即拒絕可以簡化的原假設,表明空間杜賓模型不可簡化為空間滯后模型或空間誤差模型[28- 29]；由Hausman統計量75.729且顯著(P=0.000),可以確定固定效應模型合適[30]。

表5 空間計量模型選擇檢

3.2 結果分析

根據表6,對比自然對數似然值(Log-likelihood)和擬合優度(R2)可知,固定效應模型的擬合效果較好。空間自相關系數ρ的估計值為0.160,且通過了5%顯著性水平檢驗,表明了農業環境效率存在顯著的空間溢出效應。各變量系數顯示,財政支農水平對農業環境效率產生顯著的負向影響,原因可能是雖然財政支農能夠增加農民收入水平,但是當前財政支農的結構不合理,大部分花費在對農藥、化肥和農機的補貼上,加重了農業污染物的排放,反而不利于農業環境效率提升。農業經濟發展水平的彈性系數為正,表明農民收入的增加有助于農業環境效率的提升。工業化水平產生顯著的負向影響,原因是工業化水平的提升為農業生產提供了機械、技術支持,但隨著工業化發展,加重了石油農業的程度,農業非期望產出增加,對農業環境效率產生了較強的負向效應。農作物種植結構的系數顯著為負,原因主要是經濟作物通常具有地域性強、水肥需求高、自然條件要求較嚴格等特點,其種植面積的擴大將導致化肥投入的增長和面源污染的加重,這些因素不利于農業環境效率的提升。環境規制和農業生產能力具有顯著的正向影響,說明環境規制強度和農業生產能力的提升能夠對農業環境效率產生積極影響。農業機械強度具有顯著的負向影響,雖然農業機械使用強度的提升能夠提高勞動生產率,但當前更側重于農業機械化生產,忽視了經濟、資源與環境的協調發展,環境負效應超過了正效應,因此對農業環境效率產生負向作用。

表6 空間杜賓模型估計結果

3.3 效應分解

利用SDM模型將總效應分解為直接效應和間接效應(表7)。直接效應中各變量回歸系數在影響方向和顯著性上與表6中結果具有一致性。在間接效應方面,財政支農水平的系數顯著為0.014,財政支農水平每提高1單位,鄰近省份農業環境效率會提升0.014個單位,表明財政支農水平對鄰近省份農業環境效率具有促進作用。環境規制的系數顯著為-0.032,雖然環境規制對本省份農業環境效率具有積極作用,但不利于鄰近省份發展,環境規制強度每提升1單位,會導致鄰近省份農業環境效率下降0.032個單位。農業生產能力的系數顯著為-0.015,表明農業生產能力對鄰近省份農業環境效率具有負向影響,并且農業生產能力平均提高1單位,鄰近省份農業環境效率平均下降0.015個單位。除此之外,農業經濟水平、工業化水平、農作物種植結構和農業機械強度具有顯著的直接效應,但空間溢出效應不顯著。

表7 空間杜賓模型的直接和間接效應

4 結論與討論

4.1 結論

本文運用考慮非期望產出的SBM模型測度出2004—2019年中國30個省(市、區)農業環境效率,并利用空間馬爾科夫鏈、空間杜賓模型等方法探究中國農業環境效率的時空演變特征及其驅動因素,得到以下主要結論：

(1)中國農業環境效率在不考慮非期望產出下明顯高于考慮非期望產出的農業環境效率值,考慮期望產出值更符合實際的農業生產過程,呈穩步上升趨勢；區域間差異明顯,整體呈倒“V”型變化趨勢,并在東西方向上低階梯遞減,南北方向上呈“U”型趨勢特征。

(2)中國不同等級的農業環境效率空間差異明顯,高值區范圍顯著增加,中高值區空間范圍略有減少,中低值和低值區空間范圍持續減少；中國農業環境效率存在俱樂部趨同現象,具有空間溢出效應,且溢出效應呈現時空異質性,地理空間關聯性在空間演變過程具有重要作用,當前農業環境效率處在良好發展階段,均沒有出現向下轉移的倒退現象。

(3)驅動因素顯示,財政支農水平、環境規制、農業生產能力同時具有直接效應與間接效應,財政支農水平對本省份的直接影響顯著為負,但對鄰近省份具有顯著促進作用；環境規制、農業生產能力對本省份影響顯著為正,但對鄰近省份影響為負。農業經濟水平、工業化水平、農作物種植結構、農業機械強度則只具有直接效應而間接效應不顯著,其中,農業經濟水平具有正向作用,工業化水平、農作物種植結構、農業機械強度產生顯著負向影響。

4.2 討論

根據研究結論,為提高中國農業環境效率,促進農業綠色發展,提出以下建議：

(1)從效率值大小看,農業環境效率處于非有效狀態。2004—2019年中國30個省份的農業環境效率均值處在0.128—0.730之間,當前農業生產仍存在高投入、低效率的粗放型發展方式,且存在區域不平衡現象,具有東高西低、南高北低現狀。因此,農業環境效率較高的東部地區省份可以通過提高資源利用效率,促進農業先進技術使用,增加農業總產值,減少污染排放。中部地區的省份需要適當調整資源要素的投入比例,通過勞動力、土地、用水及化肥等資源的使用規模和結構的優化配置,實現資源集約利用,向綠色生產轉變。西部地區尤其是內蒙古、甘肅、寧夏等省份對資源的依賴性較高,首先要轉變農業生產和資源利用觀念,將生態農業納入到農業考核體系中,促進農業生產的經濟效益與生態環境協調發展。

(2)中國農業環境效率存在正向空間溢出效應,因此要加強各級政府間的合作,跨越行政區劃限制,打破區域壁壘,促進各類要素自由流動,加強在資源環境領域方面的交流與合作。農業環境效率高的東部地區省份要繼續發揮在科研和技術創新方面的引領作用,積極向效率低的省份傳播先進技術和生產經驗；環境效率較低的中西部地區省份則要積極利用東部地區的先進技術和創新成果,改進農業生產技術,在保護環境的同時對資源合理使用,減少致污性生產源的投入。通過區域、省份之間的有效合作,使農業環境效率較高的省份輻射帶動鄰近省份,促進整體效率提升。

(3)驅動因素顯示,農業經濟水平、環境規制、農業生產能力是提升農業環境效率的關鍵因素,財政支農水平、工業化水平、農作物種植結構、農業機械強度則是制約效率提升的約束要素。因此,各省份在追求農業經濟增長的同時,要充分認識發展差異,探索適宜的農業綠色發展道路,合理分配財政支農結構,尤其提高環保型農資補貼,強調由政策支持為主轉向重視農業自身發展著手,結合自身優勢要素,積極引進先進生產技術和管理經驗,加強生態技術開發與推廣,引導農業向生態化的方向發展,此外,要增強對境污染治理的態度,注重環境規制對農業環境效率的驅動作用。