灰水足跡視角下我國省域農業生態效率及其影響因素

鄧遠建，超博

灰水足跡視角下我國省域農業生態效率及其影響因素

鄧遠建，超博

中南財經政法大學工商管理學院，武漢 430073

從灰水足跡視角評價我國省域農業生態效率，揭示農業生態效率的空間分布特征，分析影響農業生態效率的主要因素，據此提出提升我國省域農業生態效率的政策建議。利用我國2000—2019年的省級面板數據，考慮非期望產出的超效率SBM模型對我國省域農業生態效率進行綜合評價，采用空間杜賓模型對農業生態效率的空間差異與影響因素進行分析。（1）總體而言，農業灰水足跡呈下降趨勢，但個別省（市、區）呈上升趨勢。從灰水足跡由低到高的排名可以看出，處于前列（即灰水足跡較小）的省（市、區）經濟發展水平較高或農業產值占比較低；處于后列（即灰水足跡較高）的省（市、區）經濟發展水平較低或農業產值占比較高。（2）觀測期內，農業生態效率總體平穩，個別年份波動較大，各省（市、區）的均值差距明顯且分布極不平衡。（3）經濟發展水平、種植業結構、技術進步、財政支農、農業受災率等因素對中國農業生態效率的影響程度各異。隨著經濟發展水平與人們生活質量的雙雙提升，無論是農業經營者還是消費者對農業生態環境保護和農產品質量的重視程度日益提升，在一定程度上改善了區域農業生態效率水平，但是地區經濟社會發展產生的污染也可能對農業生態效率產生負面影響；財政支農的大部分資金使用在對農藥、化肥和農機等生產資料的補貼上，雖然改善了農業生產條件，提高了農業經濟生產力和效率，但對農業生態效率的提升效果不顯著；技術的發展在農業生產過程中很重要，使用得當會提高農業生態效率；農業受災率的估計結果未通過顯著性檢驗，可能是因為農業受災面積的擴大導致農業生態效率的下降，但每年的受災情況并不具有規律性；種植業結構的系數為負，其對農業生產效率產生了負面影響，可能是因為糧食作物種植面積占作物總播種面積比例較高，且消耗的氮肥數量較多。由于我國各個省（市、區）的農業灰水足跡演變趨勢和差異明顯，農業生態效率整體水平不高，且各個因素對農業生態效率的影響程度不一。因此，需要健全農業灰水足跡治理機制；優化農業產業結構，建立基于灰水足跡的農業水資源保護補償機制；完善財政支農方式和政策，引導經營主體積極提升農業生態效率。

農業生態效率；農業灰水足跡；超效率SBM模型

0 引言

【研究意義】水是生命之源、生態之基、生產之要。水資源的數量和質量對人類生產活動以及經濟發展都具有重要作用。農業既是用水較多的領域，也是造成水污染的重要來源之一，其中，化肥和農藥的過量且不合理使用是形成水污染的主要原因。據數據顯示，2021年我國農作物化肥施用量為506.11 kg·hm-2，為英國的2.05倍、美國的3.69倍，遠高于世界發達國家水平。同時，我國各地規模化畜禽養殖場每年的糞便和其他原因排放的污水總量超過200億t，畜禽養殖業的總氮、總磷和化學需氧量分別占農業污染源的38%、56%和96%[1]。這些污染物直接流向外界或者沒有經過嚴格的無害化處理，給當地農業生態環境造成一定危害，也在一定程度上制約著農業生態效率的提升。因此，在堅持人與自然和諧共生理念下，如何進一步提高農業生態效率顯得尤為重要。而從農業灰水足跡視角考察我國農業生態效率及其影響因素具有較好理論意義和現實價值。【前人研究進展】圍繞農業生態效率評價，使用較多的是投入產出法，其中投入指標主要包括農業勞動力、區域生態環境等要素[2]，以及氣溫、降水等自然條件[3]；衡量結果的產出指標以農業總產值為主[4]，非期望產出多為農業碳排放或農業面源污染。在深層次研究過程中，大量學者采用DEA方法評價農業生態效率、運用DEA-ESDA分析農業生態效率及其時空分異特征[5]、使用LCA和DEA相結合的方法分析單一農作物品種（水稻）的農業生態效率[6]。研究范圍上，從全國省域層面分析農業生態效率及其時空差異和影響因素[7-8]，或集中在一省分析縣域[9]、某一區域[10]農業生態效率的時空特征及其影響因素，或從空間視角分析我國農業生態效率的收斂性與分異特征[11]。由于選取方法的差異和采取的投入產出指標的不同，分析結果也有所不同。本文所采用的非期望產出為農業灰水足跡。目前，國內外對農業灰水足跡的研究已經取得較多成果，如省際灰水足跡效率測度與驅動模式[12]；基于河流參照狀態的季風區域季節性農業灰水足跡核算方法[13]；研究分析常見農作物的灰水足跡[14]。此外，陸地養殖業和漁業等經濟生產所生成的灰水足跡也值得引起重視。根據研究顯示，從各類部門的灰水足跡占比來看，農業領域的灰水足跡占比最高，所以農業水污染的治理非常關鍵。【本研究切入點】在進行農業生態效率評價時，已有研究往往選擇農業碳排放或農業面源污染為非期望產出，然而這并不能完全說明農業活動對水環境產生的影響。在現實農業生產活動中，農業水污染問題也制約著農業生態效率的提高。因此，本文將農業灰水足跡作為非期望產出納入模型中進行計算。在方法上，本文相比現有文獻，對評價指標的測算做了優化升級。同時，常規SBM模型針對超過1的DMU和效率剛好為1的DMU都取值為1，導致對于效率超過1和剛好為1的DMU計算失效，超效率SMB模型將松弛變量直接納入計算過程中，是一個良好的解決方案，特別是用在一些實際情況復雜、影響因素眾多的問題上，評價結果將更加貼近現實。區域經濟發展水平、財政支農、研發投入、工業化水平、農業受災率、農業機械密度、農業人力資本等因素具有明顯的地理特性與區位特征，其對農業生態效率的影響也存在空間差異。因此，本文應用空間杜賓模型分析了2000—2019我國30個省份農業生態效率的影響因素，以期為提高我國農業生態效率提供決策參考。【擬解決的關鍵問題】以農業灰色水足跡為非期望產出，構建農業生態效率測度指標體系，利用我國2000—2019年的省級面板數據和考慮非期望產出的超效率SBM模型對我國農業生態效率進行綜合評價；揭示農業生態效率的空間分布特征，建立空間面板回歸模型分析影響農業生態效率的主要因素，闡釋農業生態效率時空分異的主要原因，并提出提高我國農業生態效率的政策建議。

1 研究方法與數據來源

1.1 研究方法

1.1.1 農業灰水足跡的計算方法農業灰水足跡是稀釋處理人類農業生產活動排放的一定量的水污染物所需要的自然水體體積[15-16]。在實際生產活動中，可以根據農業生產活動的類別分成種植業灰水足跡、畜牧業灰水足跡和水產養殖業灰水足跡。

1.1.1.1 種植業灰水足跡計算 在種植過程中使用的化學肥料等投入品一部分被農作物所吸收利用，還有一部分會流入水體中，造成一定的水污染[17-18]。鑒于面源污染的計算與資料獲取難度，本文參考王圣云等[19]的做法，將氮肥作為評價指標，并假定氮肥以固定比例進入水體（即氮肥淋失率）來計算種植業灰水足跡。依照慣例，氮肥淋失率選取全國平均氮肥淋失率7%來計算種植業的灰水足跡。

式（1）中，pla為種植業灰水足跡（m3·a-1）；α為氮肥淋失率；變量為氮肥施用量（kg·a-1）；max為污染物水質標準濃度（kg·m-3）；C為收納水體的自然本底濃度（kg·m-3）。

1.1.1.2 畜牧業灰水足跡計算 隨著我國經濟的不斷發展和人們膳食結構的改變，人們對畜禽產品的需求量也有所上升，在畜禽產業發展的同時，其經營活動中產生的水污染量值得引起人們的重視。本文選取了豬、牛、羊、禽等動物，測算分析其產生的養殖污染量。為了使研究結果更具有可靠性，本文以一年為考察時間，記錄了豬、牛、羊、禽的養殖量（以年末屠宰量為準），飼養周期大于等于1年的牛、羊繁殖數量以年末存欄量為準；篩選出相應的污染因子，最大值為畜牧業排放的灰色水足跡[12]。

其中：

式（2）（3）（4）中，AGWF為畜牧業灰水足跡（m3·a-1），AGWF為第種污染物的灰水足跡（=COD或者TN）。L(i)為第i種污染物產生的環境負荷（kg），為畜牧（禽）種類，f為的每日排糞量，p為的每單位糞便所含有的污染物，β為的每單位糞便的污染物流失率，μ為的每日排尿量，p為的每單位尿含有的污染物，β為的單位尿的污染物流失率，N為的畜牧（禽）飼養數量（頭/只），D為的畜牧（禽）飼養周期。

1.1.1.3 水產養殖業灰水足跡計算 在水產經營活動過程中，不同的動物要給予不同的飼料進行喂養，考慮到水的流通性以及飼料的吸收率等因素，一定程度的水體污染是不可避免的[20]。本文在前人研究的基礎上，選取了典型的魚類、殼類和貝類作為計算對象，使用總氮（TN）、總磷（TP）和化學需氧量（COD）作為污染因子來進行評價[21]。

式（5）（6）（7）中，AGWF表示水產養殖業的灰水足跡（m3·a-1），AGWF(i)為第種污染物的灰水足跡（=COD/TN/TP）。L(i)為第種污染物水產養殖業污染負荷（kg），為殼類、魚類和貝類，B為的養殖產量（t），E為的污染物排污系數（g·kg-1）。

1.1.2 農業生態效率的測算方法 生態效率指的是經濟增長與環境影響兩者之間的比值。生態效率的譯文來自于英文單詞Eco-efficiency，該單詞字面表示了既有經濟性又有效率的意思。隨著生態效率研究的不斷深入，農業生態效率越來越受到學者們的關注。概而言之，農業生態效率是一個區域的農業生態系統表現出的經濟、生態等綜合效率。結合已有研究，基于系統性、科學性、客觀性、動態性、可操作性和可擴展性等原則，本文綜合考慮了農業生產經營活動中的各種經濟投入以及期望產出和非期望產出，進而構建了農業生態效率評價指標體系（表1）。

表1 農業生態效率評價指標體系

傳統的DEA模型（如BBC或CCR模型）是基于徑向角度的測量方法，只能從投入或產出角度入手，且沒有考慮到投入產出的松弛問題，往往導致測算結果與實際情況不完全相符。為彌補這一缺憾，TONE[22]提出了基于非徑向的SBM模型，其優點是效率值隨著投入和產出松弛程度的變化而嚴格變化，但SBM模型所得結果可能會出現效率值同時為1，導致決策單元無法排序的問題。因此，TONE[23]進一步提出了Super-SBM模型，解決了投入產出變量的松弛問題和決策單元的排序問題。同時，可變規模報酬假設、投入與產出角度的雙向優化更加貼近實際情況。因此，本文基于可變規模報酬假設，采用非徑向、非角度的Super-SBM模型測算農業生態效率，具體模型構建如式（8）所示。

式（8）中，為DEA超效率值，λ為權重向量，、分別代表投入和產出變量，、分別代表投入、產出變量個數，s、s分別代表投入、產出的松弛變量。當≥1時，決策單元相對有效，當＜1時，決策單元相對無效，值越大，說明農業生態效率水平越高。

1.1.3 農業生態效率的影響因素分析方法 本文運用Matlab軟件進行OLS回歸，并進行 Moran’s I、LM-lag、LM-error、Robust LM-lag、Robust LM-error 檢驗，選擇合適方法（模型）進行空間相關性分析。根據測試結果表明，Moran’s的I值符合1%的顯著性水平測試，因此可以判斷它拒絕了無空間效應的假設。通過LM-lag、LM-error、Robust LM-lag、Robust LM-error四種統計量的值進行分析，使用空間杜賓模型進行研究是切實可行的（公式9）。

式（9）中，為以地理距離倒數衡量的空間權重矩陣；為空間自相關系數；ε為隨機誤差項；為農業生態效率；LED為經濟發展水平；AFI為財政支農水平；TI是技術水平；RCI表示人均收入；RDR指農業受災率；CS表示種植業結構；為不隨個體變化的截距；為待估參數。對式（9）中的關鍵變量進行了取對數處理，這樣可以減少異方差或多重共線性的影響。

1.2 數據來源

根據數據可得性和可比性原則，本文選取我國30個省（市、區）作為研究對象，不包括臺灣、香港、澳門和西藏，時間跨度為2000—2019年。農業生態效率評價和分析所需要的原始數據均來自《中國農村統計年鑒》、《中國財政年鑒》和《中國統計年鑒》。

2 農業灰水足跡與農業生態效率的測算結果

2.1 農業灰水足跡的測算結果

圖1呈現了2000—2019年我國30個省（市、區）農業灰水足跡的測算結果。根據各省（市、區）農業灰水足跡的測算情況，對比2000—2004年、2005—2009年、2010—2014年、2015—2019年的平均值和排名情況，可以把所研究的30個省（市、區）大體劃分為5個梯隊（表2）：第一梯隊（排名1—6）包括青海、北京、天津、海南、上海、寧夏；第二梯隊（排名7—12）包括甘肅、山西、貴州、重慶、新疆、江西；第三梯隊（排名13—18）包括內蒙古、福建、黑龍江、浙江、廣西、遼寧；第四梯隊（排名19—24）包括吉林、云南、陜西、廣東、湖南、安徽；第五梯隊（排名25—30）包括四川、湖北、河北、江蘇、山東、河南。從上述結果來看，區域農業灰水足跡差異性也比較明顯（圖1），同時也說明在區域整體發展水平較高的地區，隨著農業生產功能逐步弱化，而生態、生活、旅游、景觀等方面的功能在增強，進而引致的結果是灰水足跡較低，如北京、上海的灰水足跡均處于第一梯隊的較低水平。

2.2 農業生態效率的測算結果

為確保研究結果更加真實可靠，本文分析了不同省（市、區）每年的農業生態效率（表3），并計算出相應的平均值（表4）。從表4可以看出，我國各省（市、區）的農業生態效率地區差異顯著且分布極不平衡。全國農業生態效率平均值為0.6584，其中，北京的農業生態效率最高，為1.2263，約為全國平均水平的兩倍，而新疆、廣東、四川等省（市、區）的農業生態效率偏低，表明仍然有較大的提升空間。

為了反映我國農業生態效率的變化趨勢和總體特征，本文繪制了在觀測期內的全國農業生態效率平均值的折線圖（圖2）。總體來看，從2000—2016年，我國農業生態效率表現平穩，在2017年降到最低，之后有所上升，且波動幅度較大。可能原因是自“十二五”以來，雖然黨中央、國務院高度重視農業資源保護和生態環境建設，不斷加大投入力度，但是農業發展方式依然比較粗放，農業資源過度消耗、投入品不科學施用、外部污染因素不斷增加等現象較為突出，進而導致農業水污染加重，這在一定程度上造成了農業灰水足跡增加，引致農業生態效率波動下降，農業高質量綠色發展面臨諸多挑戰。

表2 2000—2019年我國30個省（市、區）農業灰水足跡均值排名

表3 2000—2019年我國30個省（市、區）農業生態效率測算結果

2017年國家開始對畜禽養殖場進行嚴格把控，全國有數萬家“違規”養殖場被關閉拆遷；從2018年1月1日，環境保護稅開始征收，已有的養殖場需要按照國家標準統一繳費，加強對污糞的無害化和資源化處理。在配套措施方面，河長制、環評制度等改革舉措不斷向縱深推進。隨著頂層設計的逐漸完善和政策措施的落地，農業生態效率便在2017年降至最低值后逐步提升。這也說明我國農業步入高質量發展新階段，農業產業結構變化較大，因此，加快構建適應生態文明建設、高質量綠色發展、鄉村振興戰略要求的農業生態環境污染治理體系迫在眉睫[24]。

橫坐標的數字1—30分別代表北京、天津、河北、山西、內蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆

表4 2000—2019年我國30個省（市、區）農業生態效率的均值

圖2 全國農業生態效率變化趨勢圖

3 農業生態效率的空間差異及影響因素分析

3.1 農業生態效率的空間差異分析

3.1.1 全局空間自相關分析 本文利用我國30個省份2000—2019年的農業生態效率評價結果，使用檢驗方法進行相應的分析。如表5所示，我國農業生態效率Moran’s I都表現為明顯的全局空間正自相關，2000—2012年間Moran’s I值波動上升，2013年開始逐步下降，全局空間自相關關系在不斷減弱。通過分析可以發現，農業生態效率的相關數值沒有表現出特定的規律，也就是說各個省份的相似效率數值比較分散。

3.1.2 局部空間自相關分析 在對空間自相關狀態進行全局分析的基礎上，深層次的研究還要考慮地方區域空間的獨特性。表6展示了我國農業生態效率的聚集類型，高-高集群說明農業生態效率在該省份表現得較高，且其周圍都分布著較高農業生態效率水平的省份，如華北地區的發展勢頭明顯比較良好。然而，一些處于高-低集群、低-低集群的省份受到地理位置的獨特性或局限性，區域農業生態效率不高。如我國東部地區臨海，平原面積廣闊，水資源豐沛，又處于溫帶和亞熱帶，氣候四季分明，土地肥沃，非常適合進行農業生產；但隨著人口規模的擴大、人口密度的增加和工業化的持續推進，以及農用化學投入品的不合理使用，可能導致了我國東部地區灰水足跡增加，進而使農業生態效率走低[25]。

表5 2000—2019年我國30個省（市、區）農業生態效率Moran’s I統計值

表6 我國農業生態效率的聚集類型表

3.2 農業生態效率的影響因素分析

3.2.1 理論分析 農業生態與農業經濟增長之間的協調發展是在一定時期和技術條件下從非均衡到均衡的動態演變過程，二者構成一個相互關聯、相互作用、相互制約的復雜開放系統，即農業生態經濟系統[26]。農業生態經濟系統組成要素多，大系統中有小系統，小系統中有多成分，人口因素、資源因素、環境因素、生物因素及經濟因素、技術因素共存于一體并且交互作用，而且每一個成分都具有易變性。不僅生物環境因素在運動變化，而且人口、社會經濟技術因素以及它們對農業生態經濟系統的干預強度和干預方向更是處在不斷的變動狀態中。從系統論的觀點出發，農業生態經濟系統的內在本質就是要實行農業生態與農業經濟的協調發展。農業資源環境條件與農業經濟增長的內在聯系表現為：農業生態環境惡化將會影響農業經濟增長質量；農業生態資源是農業生產最基本的物質基礎和發展條件，農業資源短缺將嚴重制約農業經濟發展速度[27]。另外，我國農業生產技術性浪費和破壞現象比較普遍，過量施用化肥、農藥，規模化畜禽養殖糞便的無序排放，造成了比較嚴重的環境污染和生態環境的退化[28]。隨著國家生態文明建設戰略持續推進，農業高質量發展的客觀要求將倒逼農業農村生態環境轉好。新時代我國居民消費結構快速升級，對優質、綠色、生態農產品需求加大。為此，要大力開拓農業綠色產品供給渠道，這將迫使農業生產在要素投入上推廣綠色模式和綠色生產技術。農業綠色生產技術必然離不開財政支農政策，財政對農業生態環境問題上的投入力度對農業生態效率有積極作用[29]。除此之外，制約農業經濟發展的還有自然災害等因素。近年來，隨著極端天氣事件頻發，加之我國國土面積廣，南北氣候資源差異大，導致每年的受災情況并不具有規律性，因此對農業生態效率的影響程度各有差異。

3.2.2 變量的描述性統計 經濟系統規模的不斷擴大已經逼近甚至超過了生態系統的承載力，人類就不得不考慮如何以最少的生態資本消耗獲取最多的物質資本服務，并將這種思想貫穿于經濟系統生產和消費的整個過程。因此，農業生態效率概念的基本前提是：人與自然的物質交換對農業生態系統的影響必須限制在其承載力范圍內。隨著可供人類利用的農業生態資源與環境容量日益減少，資源生產率已經成為農業經濟增長的重要影響因素，只有通過有效配置農業生態資本與保護生態環境，以最小的資源消耗和環境代價獲取最大的經濟效益，將經濟規模控制在農業生態系統承載力范圍內，才能保持經濟的穩定持續發展[30]。綜合理論分析、已有研究和數據資料的可獲取性，本文篩選出人均收入、財政支農支出、技術水平、經濟發展水平、農業受災率、種植業結構等作為我國農業生態效率的影響因素進行分析（表7、8）。

表7 農業生態效率的影響因素

表8 變量的描述性統計

3.2.3 農業生態效率影響因素的估計結果及分析 根據前文的基準模型，在考慮了控制時間和控制省份的情況下，得到農業生態效率影響因素的估計結果（表9）。從表9中的結果可以看出：

第一，農村居民人均收入通過了10%的顯著性水平檢驗。與總收入相比，農村居民人均收入對農業生產方式、農業種植結構、農業技術應用和資源環境利用會產生影響。在農村居民收入未達到一定水平時，農業生態效率隨著收入的增加而不斷下降；當農村居民收入達到一定水平時，農業生態效率隨著收入的增加而不斷提升。理論上，隨著城鄉居民生活水平的提高以及生態環境保護意識的增強，經營主體在農業生產過程中追求更高期望收入的同時也意識到生態環境的重要性，不斷提升農業的技術與管理水平，由此農業經濟發展的同時農業生態環境也得到相應保護。實踐中，農村居民收入水平的提升體現了地區農業經濟的不斷發展，這有利于協調農業經濟與生態環境的協同發展。

第二，財政支農的系數顯示為負，其可能原因是

當地政府對農業生產過程中的財政支出，一方面用于農田水利設施等資金支持，這有利于農業灌溉，保障了農業生產并促進糧食產量的增加；但另一方面用于農藥、化肥、農膜等化學投入品的補貼，也導致農業經營主體對其過于依賴而引發生態環境污染問題。技術水平的系數為正，其主要原因是技術水平的提升為農業生產提供了機械化、智能化支持，對農業生態效率產生了促進作用。綜合判斷分析得出，自然生態環境受破壞會嚴重影響長期的經濟產出，要具體情況具體分析并及時調整發展策略，因為目前的實際發展需要進行干預調整。種植業結構的系數為-0.065，顯著性水平超過10%，說明我國目前的種植業結構對農業生態效率產生了負面影響。其可能的原因在于糧食作物種植面積占作物總播種面積比例較高，且消耗的氮肥數量較多。

第三，生態效率的高低與經濟增長快慢之間的交互關系主要表現為以下三點：（1）規模效應。隨著經濟規模的不斷擴大，原有的資源儲備投入不能完全滿足發展的資源需要，那么資源繼續投入使用會在一定程度上對環境造成負面影響。（2）結構效應。近年來，隨著生活質量和水平不斷提升，人們不再僅僅滿足于基礎的物質需求，會同時關注商品是否符合綠色環保的理念。通過這些商品的消費間接地為保護環境做出一定貢獻。相關生產經營主體要敏銳地察覺到這些變化，降低生產能耗做到綠色環保生產，同時兼顧商品質量，最終實現農業綠色化升級，提高農業生態效率。（3）技術效應。經濟發展水平越來越高，技術也不斷更新換代，農業經營主體可以嘗試投入更多的資金對自身的生產運營進行升級，積極引用新技術改革生產，大膽創新，使用新型機器代替舊有設備，使用新的污染控制技術，提高資源利用率，減少水電浪費，最大程度減少污染物排放，實現農業綠色循環低碳發展。

表9 農業生態效率影響因素的回歸結果

*、**、***分別表示在10%、5%和1%的水平上顯著，表10同。括號中數值為t統計量

*、* *、 * * * respectively in 10%, 5% and 1% significance level，table 10 also。The value in parentheses is the t statistic

3.2.4 異質性分析 一般而言，農業發展具有很強的區位特征，地理位置基本決定了農業發展進程所處的階段。為了分析各因素對不同地理位置省份產生的異質性影響，本文將研究樣本根據經濟社會發展綜合水平劃分為東北地區、東部地區、中部地區和西部地區進行異質性分析。

表10結果顯示，農村居民人均純收入與農業生態效率表現出線性關系，即農村居民人均純收入達到一定水平時，農業經營者可能對農業綠色發展的參與度更高，相關農業生產方式做到了更加精細化改革，最終實現了經濟與環境的協同共贏，減少了負面污染，降低了農業灰水足跡，有利于農業生態效率的提升。技術水平在東部地區影響程度更為明顯，可能是因為我國東部省份最早引入了先進技術，經濟系統的高效性成功轉化成了生態系統的有效性。種植業結構在各區域均顯著為負，各省份要根據地理環境特征，優化種植結構，為農業生態效率的提升做出貢獻。財政支農力度僅在西北地區呈現顯著正相關，其余區域均顯著負相關。這表明西北地區的財政支農對其農業生態效率有積極促進效果。實地考察西北地區的地理環境發現，這些地方的生態脆弱性明顯，各種農業作物種類不夠豐富，缺乏大規模開展農業經營活動的氣候條件。需要充分引入新技術，通過實踐創新，實現可持續發展，穩步提升西部地區農業生態效率。農業受災率沒有通過顯著性檢驗，可能原因是農業經營受自然因素影響較大，但農業災害發生沒有規律性。事實上，農業生態效率是從生態平衡的角度來衡量農業生產的經濟效益，是農業生態效益和農業經濟效益的綜合。因此，需要正確認識農業經濟發展與生態環境保護的關系，積極轉變農業發展方式，合理利用農業資源，激發農業經營主體參與農業生態經濟發展的生態自覺性。

表10 各因素對我國農業生態效率的分樣本估計結果

4 研究結論與政策啟示

4.1 研究結論

（1）各個省（市、區）的農業灰水足跡演變趨勢和差異明顯。總體而言，農業灰水足跡呈下降趨勢，但個別省（市、區）呈上升趨勢。從灰水足跡由低到高的排名可以看出，處于前列（即灰水足跡較低）的省（市、區）經濟發展水平較高或農業產值占比較低；處于后列（即灰水足跡較高）的省（市、區）經濟發展水平較低或農業產值占比較高。這也說明經濟發展水平與農業經營結構對農業生態效率的影響是不一樣的。

（2）觀測期內，農業生態效率呈現平穩趨勢，其中個別年份波動較大，各省（市、區）的均值差距明顯且分布極不平衡。全國農業生態效率的平均水平為0.6584，在30個省（市、區）中有12個省（市、區）高于全國平均水平，其中，北京的農業生態效率水平最高，達1.2263，約為全國平均水平的兩倍；18個省（市、區）低于全國平均水平，其中，新疆、廣東、四川等省（市、區）的農業生態效率偏低，仍有較大的提升潛力。

（3）各個因素對農業生態效率的影響程度不一。通過對農業生態效率的影響因素分析發現，農村人均可支配收入通過了10%的顯著性水平檢驗，這說明隨著經濟發展水平與人們生活質量的雙雙提升，無論是農業經營者還是消費者對農業生態環境保護和農產品質量的重視程度日益增強，在一定程度上改善了區域農業生態效率水平，但是地區經濟發展產生的污染也可能對農業生態效率產生負面影響；財政支農結構不盡合理，大部分資金使用在對農藥、化肥和農機等生產資料的補貼上，雖然改善了農業生產條件，提高了農業經濟生產力和效率，但對農業生態效率的提升效果不顯著；技術的發展在農業生產過程中很重要，使用得當會提高農業生態效率；農業受災率的估計結果未通過顯著性檢驗，可能是因為農業受災面積的擴大導致農業生態效率的下降，但每年的受災情況并不具有規律性；種植業結構的系數為負，其對農業生產效率產生了負面影響，可能是因為糧食作物種植面積占作物總播種面積比例較高，消耗的氮肥數量較多。

4.2 政策啟示

（1）健全農業灰水足跡治理機制。通過農業系統內部和外部措施相結合，充分發揮各個主體的積極性和主動性，深入推進“政府——市場——社會”機制“三位一體”的農業用水技術創新和農業水生態環境協同治理。在農業系統內部，因地制宜推廣節水農業模式和高效農業灌溉技術，細化治理農業面源污染的“一控兩減三基本”行動方案和措施；在農業系統外部，扎實推進山水林田湖草沙一體化保護和修復，多渠道強化農業領域的多污染物協同控制和區域協同治理，全方位推動生態環境導向的開發（EOD）模式，切實增強區域農業生態經濟系統的環境適應能力。

（2）優化農業產業結構，建立基于灰水足跡的農業水資源保護補償機制。中國我國地域廣闊，各地農業發展水平差異明顯，要因地制宜優化農業產業結構，從各地實際積極探索市場化多元化農業水資源保護補償機制；圍繞農業重點領域和農業功能區劃，基于灰水足跡科學確立農業水資源生態補償標準，將農業水資源保護補償與水體環境修復、綠色種養模式推廣結合起來；開展農業水生態系統損害監測評價，建立農業水生態環境損害賠償制度。

（3）完善財政支農方式和政策，引導經營主體積極提升農業生態效率。通過完善綠色生態導向的農業補貼制度和綠色金融支持手段，增強農業經營者的責任意識，提升其農業綠色生產參與度，擴大高農業生態效率水平的農業經營者數量，發揮高農業生態效率經營者的引領示范作用。

[1] 前瞻產業研究院. 2017-2022年中國農村污水處理行業發展前景預測與投資戰略規劃分析報告. https://bg.qianzhan.com/trends/ detail/ 506/220808-ac1fce40.html.

Prospective Industry Research Institute. Report of prospect and investment strategy planning analysis on China rural sewage treatment industry(2017-2022). https://bg.qianzhan.com/trends/ detail/506/220808- ac1fce40.html. (in Chinese)

[2] 開燕華,王霞, 曾鋮. 長三角城市群現代農業發展效率評價: 考慮社會和工程功能的PCA-DEA模型的研究. 經濟問題探索, 2018(6): 155-163.

KAI Y H, WANG X, ZENG C. Evaluation of modern agriculture of the Yangtze River Delta City group considering social and engineering functions based on PCA-DEA model. Inquiry into Economic Issues, 2018(6): 155-163. (in Chinese)

[3] 汪言在, 劉大偉. 納入氣候要素的重慶市農業全要素生產率增長時空分布分析. 地理科學, 2017, 37(12): 1942-1952. doi:10.13249/ j.cnki.sgs.2017.12.019.

WANG Y Z, LIU D W. Spatial and temporal changes of total factor productivity in agriculture of Chongqing under constraints of climatic factors. Scientia Geographica Sinica, 2017, 37(12): 1942-1952. doi:10. 13249/j.cnki.sgs.2017.12.019. (in Chinese)

[4] 蘇昕, 劉昊龍. 農村勞動力轉移背景下農業合作經營對農業生產效率的影響. 中國農村經濟, 2017(5): 58-72.

SU X, LIU H L. The effects of farmers' specialized cooperatives on agricultural production efficiency within the context of rural labor migration. Chinese Rural Economy, 2017(5): 58-72. (in Chinese)

[5] 鄭德鳳, 郝帥, 孫才志. 基于DEA-ESDA的農業生態效率評價及時空分異研究. 地理科學, 2018, 38(3): 419-427. doi:10.13249/j.cnki. sgs.2018.03.012.

ZHENG D F, HAO S, SUN C Z. Evaluation of agricultural ecological efficiency and its spatial-temporal differentiation based on DEA- ESDA. Scientia Geographica Sinica, 2018, 38(3): 419-427. doi:10. 13249/j.cnki.sgs.2018.03.012. (in Chinese)

[6] 黃瑪蘭, 曾琳琳, 李曉云. LCA和DEA法相結合的農業生態效率研究: 兼顧綠色認知和環境規制的影響. 華中農業大學學報(社會科學版), 2022(1): 94-104. doi:10.13300/j.cnki.hnwkxb.2022.01. 010.

HUANG M L, ZENG L L, LI X Y. Joint life cycle assessment and data envelopment analysis for assessing agriculture eco-efficiency— considering the impacts of green cognition and government regulations. Journal of Huazhong Agricultural University (Social Sciences Edition), 2022(1): 94-104. doi:10.13300/j.cnki.hnwkxb.2022. 01.010. (in Chinese)

[7] 趙吉, 黨國英, 唐夏俊. 基于SBM-Tobit模型的中國農業生態效率時空差異及影響因素研究. 西南林業大學學報(社會科學), 2022, 6(3): 10-18.

ZHAO J, DANG G Y, TANG X J. Spatial-temporal differences and influencing factors of agricultural eco-efficiency in China based on SBM-Tobit model. Journal of Southwest Forestry University (Social Sciences), 2022, 6(3): 10-18. (in Chinese)

[8] 陳菁泉, 信猛, 馬曉君, 常百舒, 張紫嫣. 中國農業生態效率測度與驅動因素. 中國環境科學, 2020, 40(7): 3216-3227. doi:10.19674/j. cnki.issn1000-6923.2020.0360.

CHEN J Q, XIN M, MA X J, CHANG B S, ZHANG Z Y. Chinese agricultural eco-efficiency measurement and driving factors. China Environmental Science, 2020, 40(7): 3216-3227. doi:10.19674/j.cnki. issn1000-6923.2020.0360. (in Chinese)

[9] 張展, 廖小平, 李春華, 楊燦, 陽莎莎, 李伊涵. 湖南省縣域農業生態效率的時空特征及其影響因素. 經濟地理, 2022, 42(2): 181-189. doi:10.15957/j.cnki.jjdl.2022.02.020.

ZHANG Z, LIAO X P, LI C H, YANG C, YANG S S, LI Y H. Spatio-temporal characteristics of agricultural eco-efficiency and its determinants in Hunan Province. Economic Geography, 2022, 42(2): 181-189. doi:10.15957/j.cnki.jjdl.2022.02.020. (in Chinese)

[10] 舒曉波, 馮維祥, 廖富強, 凌春園. 長江中游城市群農業生態效率時空演變及驅動因子研究. 水土保持研究, 2022, 29(1): 394-403. doi:10.13869/j.cnki.rswc.2022.01.043.

SHU X B, FENG W X, LIAO F Q, LING C Y. Study on the spatiotemporal evolution and driving factors of agricultural eco- efficiency of urban agglomeration in the middle reaches of the Yangtze River. Research of Soil and Water Conservation, 2022, 29(1): 394-403. doi:10.13869/j.cnki.rswc.2022.01.043. (in Chinese)

[11] 侯孟陽, 姚順波. 空間視角下中國農業生態效率的收斂性與分異特征. 中國人口·資源與環境, 2019, 29(4): 116-126.

HOU M Y, YAO S B. Convergence and differentiation characteristics on agro-ecological efficiency in China from a spatial perspective. China Population, Resources and Environment, 2019, 29(4): 116-126. (in Chinese)

[12] 韓琴, 孫才志, 鄒瑋. 1998—2012年中國省際灰水足跡效率測度與驅動模式分析. 資源科學, 2016, 38(6): 1179-1191.

HAN Q, SUN C Z, ZOU W. Grey water footprint efficiency measure and its driving pattern analysis on provincial scale in China from 1998 to 2012. Resources Science, 2016, 38(6): 1179-1191. (in Chinese)

[13] 程鵬, 李敘勇, 孫明東. 基于河流參照狀態的季風區域季節性農業灰水足跡核算方法與例證. 環境科學學報, 2020, 40(9): 3453-3462. doi:10.13671/j.hjkxxb.2020.0142.

CHENG P, LI X Y, SUN M D. Calculation method and illustration of seasonal agricultural grey water footprint in monsoon region based on river reference conditions. Acta Scientiae Circumstantiae, 2020, 40(9): 3453-3462. doi:10.13671/j.hjkxxb.2020.0142. (in Chinese)

[14] 何立新, 練繼建, 王書吉. 河北省主要農作物2005—2014年灰水足跡變化. 水利水電技術, 2016, 47(12): 143-148. doi:10.13928/j. cnki.wrahe.2016.12.030.

HE L X, LIAN J J, WANG S J. Variation of grey water footprint of main crops in Hebei Province from 2005 to 2014. Water Resources and Hydropower Engineering, 2016, 47(12): 143-148. doi:10.13928/ j.cnki.wrahe.2016.12.030. (in Chinese)

[15] CHAPAGAIN A K, HOEKSTRA A Y. The global component of freshwater demand and supply: an assessment of virtual water flows between nations as a result of trade in agricultural and industrial products. Water International, 2008, 33(1): 19-32. doi:10.1080/ 02508060801927812.

[16] HOEKSTRA A Y. Virtual water trade: proceedings of the international expert meeting on virtual water trade. Delft, Netherlands: IHE, 2003: 13-23.

[17] BECKEN S. Water equity - Contrasting tourism water use with that of the local community. Water Resources and Industry, 2014, 7/8: 9-22. doi:10.1016/j.wri.2014.09.002.

[18] MEKONNEN M M, HOEKSTRA A Y. A global assessment of the water footprint of farm animal products. Ecosystems, 2012, 15(3): 401-415. doi:10.1007/s10021-011-9517-8.

[19] 王圣云, 林玉娟. 中國區域農業生態效率空間演化及其驅動因素: 水足跡與灰水足跡視角. 地理科學, 2021, 41(2): 290-301. doi:10. 13249/j.cnki.sgs.2021.02.012.

WANG S Y, LIN Y J. Spatial evolution and its drivers of regional agro-ecological efficiency in China's from the perspective of water footprint and gray water footprint. Scientia Geographica Sinica, 2021, 41(2): 290-301. doi:10.13249/j.cnki.sgs.2021.02.012. (in Chinese)

[20] 付永虎, 劉鐵, 劉俊青, 胡晗, 魏范青. 基于灰水足跡的糧食主產區農業環境效率與水環境可持續性測度與評估. 中國農業資源與區劃, 2021, 42(1): 77-87.

FU Y H, LIU T, LIU J Q, HU H, WEI F Q. Measurement and evaluation of agricultural environmental efficiency and environmental sustainability for water in the major grain-producing area based on grey water footprint. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(1): 77-87. (in Chinese)

[21] 歐陽佚亭, 宋國寶, 陳景文, 張樹深. 中國淡水池塘養殖魚類排污的灰水足跡及污染負荷研究. 環境污染與防治, 2018, 40(3): 317-322, 328. doi:10.15985/j.cnki.1001-3865.2018.03.016.

OUYANG Y T, SONG G B, CHEN J W, ZHANG S S. Grey water footprint and pollution loadings of freshwater pond-cultured fish in China. Environmental Pollution ＆ Control, 2018, 40(3): 317-322, 328. doi:10.15985/j.cnki.1001-3865.2018.03.016. (in Chinese)

[22] TONE K. A slacks-based measure of efficiency in data envelopment analysis. European Journal of Operational Research, 2001, 130(3): 498-509. doi:10.1016/S0377-2217(99)00407-5.

[23] TONE K. A slacks-based measure of super-efficiency in data envelopment analysis. European Journal of Operational Research, 2002, 143(1): 32-41. doi:10.1016/S0377-2217(01)00324-1.

[24] 華春林, 張玖弘, 金書秦. 基于文本量化的中國農業面源污染治理政策演進特征分析. 中國農業科學, 2022, 55(7): 1385-1398.

HUA C L, ZHANG J H, JIN S Q. Analysis to evolution characteristics of policies for controlling agricultural non-point source pollution in China: based on text quantification. Scientia Agricultura Sinica, 2022, 55(7): 1385-1398. (in Chinese)

[25] 張子龍, 薛冰, 陳興鵬, 李勇進. 中國工業環境效率及其空間差異的收斂性. 中國人口·資源與環境, 2015, 25(2): 30-38.

ZHANG Z L, XUE B, CHEN X P, LI Y J. Convergence in spatial difference of industrial environmental efficiency in China. China Population, Resources and Environment, 2015, 25(2): 30-38. (in Chinese)

[26] 王寶義, 張衛國. 中國農業生態效率測度及時空差異研究. 中國人口·資源與環境, 2016, 26(6): 11-19.

WANG B Y, ZHANG W G. A research of agricultural eco-efficiency measure in China and space-time differences. China Population, Resources and Environment, 2016, 26(6): 11-19. (in Chinese)

[27] 蔣黎, 王曉君. 環境質量與農業經濟增長的內在關系探討: 基于我國31個省區面板數據的EKC分析. 農業經濟問題, 2019, 40(12): 43-51. doi:10.13246/j.cnki.iae.2019.12.005.

JIANG L, WANG X J. EKC hypothesis verification between rural environmental quality and agricultural economic growth in China—an empirical analysis based on panel data of 31 provinces. Issues in Agricultural Economy, 2019, 40(12): 43-51. doi:10.13246/j.cnki.iae. 2019.12.005. (in Chinese)

[28] 曹俊文, 曾康. 低碳視角下長江經濟帶農業生態效率及影響因素研究. 生態經濟, 2019, 35(8): 115-119, 127.

CAO J W, ZENG K. Study on agricultural eco-efficiency and its influencing factors in the Yangtze River economic belt from the perspective of low carbon. Ecological Economy, 2019, 35(8): 115-119, 127. (in Chinese)

[29] 方琳, 吳鳳平, 王新華, 余燕團. 基于共同前沿SBM模型的農業用水效率測度及改善潛力. 長江流域資源與環境, 2018, 27(10): 2293-2304.

FANG L, WU F P, WANG X H, YU Y T. Analysis of agricultural water efficiency measurement and improvement potential based on meta frontier SBM model. Resources and Environment in the Yangtze Basin, 2018, 27(10): 2293-2304. (in Chinese)

[30] 李慧明. 內外均衡, 一體循環: 循環經濟的經濟學思考: 國家社會科學基金重大項目: “經濟發展和生態環境保護雙贏的循環經濟深入發展研究”成果之一. 天津: 天津人民出版社, 2007: 128-130.

LI H M. Internal and External Balance, Integrated Circulation—— Economic Thinking on Circular Economy. Beijing: Tianjin: Tianjin People's Publishing House, 2007: 128-130. (in Chinese)

Provincial Agricultural Ecological Efficiency and Its Influencing Factors in China from the Perspective of Grey Water Footprint

DENG YuanJian,CHAO Bo

School of Business Administration, Zhongnan University of Economics and Law, Wuhan 430073

This paper evaluated Chinese provincial agricultural ecological efficiency from the perspective of gray water footprint, revealed the spatial distribution characteristics of agricultural ecological efficiency, analyzed the main factors affecting agricultural ecological efficiency, and put forward policy suggestions to improve Chinese provincial agricultural ecological efficiency.Based on the provincial panel data of China from 2000 to 2019, this paper comprehensively evaluated the agricultural ecological efficiency of Chinese provinces with the super efficiency SBM model considering the unexpected output, and used the spatial Dobbin model to analyze the spatial differences and influencing factors of agricultural ecological efficiency.(1)In general, the agricultural grey water footprint showed a downward trend, but in some provinces (cities and districts), it showed an upward trend. From the ranking of grey water footprint from low to high, it could be seen that the provinces (cities and districts) in the forefront (i.e. with less grey water footprint) had a high level of economic development or a relatively low proportion of agricultural output value; the provinces (cities and districts) in the rear row (i.e. with more grey water footprint) had low economic development level or high agricultural output value. (2)During the observation period, the agricultural ecological efficiency fluctuated greatly in some years in the stable trend, and the average difference among provinces (cities and districts) was obvious and the distribution was extremely unbalanced. (3)Economic development level, fiscal expenditure for supporting agriculture, technological progress, agricultural disaster rate, planting structure and other factors had different impacts on Chinese agricultural ecological efficiency. With the improvement of both economic development level and people's living quality, both agricultural operators and consumers paid more attention to the protection of agricultural ecological environment and the quality of agricultural products, which have improved the level of regional agricultural ecological efficiency to a certain extent. But the pollution caused by regional economic and social development might also have a negative impact on agricultural ecological efficiency. Most of the financial support for agriculture was used to subsidize production links, such as pesticides, chemical fertilizers, and agricultural machinery. Although the agricultural production conditions have been improved and the agricultural economic productivity and efficiency have been improved, the improvement of agricultural ecological efficiency was not significant. The development of technology was very important in the agricultural production process, and the proper use of it would improve the agricultural ecological efficiency. The estimated results of agricultural disaster rate failed to pass the significance test, which might be because the expansion of agricultural disaster area would lead to the decline of agricultural ecological efficiency, but the annual disaster situation was not regular. The coefficient of planting structure was negative, which had a negative impact on agricultural production efficiency. This might be due to the high proportion of grain crop planting area in the total planting area of crops, and the high consumption of nitrogen fertilizer.As the evolution trend and difference of agricultural gray water footprint in various provinces (cities and districts) in China were obvious, the overall level of agricultural ecological efficiency was not high, and various factors have different impacts on agricultural ecological efficiency, it was necessary to improve the governance mechanism of agricultural gray water footprint; optimize the agricultural industrial structure and establish a compensation mechanism for agricultural water resources protection based on gray water footprint; improve the ways and policies of financial support for agriculture, and guide business entities to actively improve agricultural ecological efficiency.

agricultural ecological efficiency; agricultural grey water footprint; super-SBM model

2022-09-05；

2022-10-25

國家自然科學基金（71673302）、中央高校基本科研業務費專項資助項目（2722021BX018）

鄧遠建，E-mail：dyj_scga@163.com。通信作者超博，E-mail：1627845541@qq.com

（責任編輯 李云霞）