黃河流域農業生態效率測度及影響因素分析

楊昕蕾，凡啟兵

（長江大學經濟與管理學院，湖北 荊州 434023）

黃河和長江是我國最重要的兩大水系，黃河流域和長江流域也是我國最重要的兩大流域，也是重要的經濟發展帶和糧食主產區。隨著經濟的發展，人們對于生產效率的重視程度越來越高，這在農業領域表現為農業生產者不斷使用各種方法，如加大化肥、農藥使用力度，來提高農業生產效率，但這也帶來了環境問題，加大了環境成本，同時也不利于農業的可持續發展[1]。不同于長江流域，黃河流域的緯度更高，地形更為復雜，生態也更為脆弱，在這種情況下，黃河流域農業綠色發展對生態環境的保護和農業的可持續發展有著極為重要的意義。2019 年9 月，習近平總書記在黃河流域生態保護和高質量發展座談會上作出部署，將黃河流域生態保護和高質量發展上升為重大國家戰略。2021 年10 月，中共中央、國務院印發《黃河流域生態保護和高質量發展規劃綱要》，指出要堅持“生態優先、綠色發展”的原則。黃河流域在農業方面應當將當地資源與區位優勢相結合，提高水資源利用率。生態宜居也是鄉村振興的重要組成部分，黃河流域要實現農業可持續發展，必須兼顧經濟效益和生態效益。

隨著人們環保意識的增強，為了降低農業生產的環境成本，促進農業可持續發展，社會各界對農村環保、農業綠色發展和農業可持續發展的關注度不斷提升，促使農業生態效率逐漸成為農業研究的熱點。農業生態效率是體現農業可持續發展的重要指標，有關農業生態效率的研究主要集中在以下3 個方面。一是概念和理論。有關農業生態效率的研究國外起步較早，1990 年，Schaltegger 和Sturm 提出了生態效率這一概念[2]，該概念后被引申到農業領域[3]。生態效率這一概念被引入我國后，被用以引導企業向生態友好型發展[4]，后經我國學者不斷完善和發展，生態效率逐漸被引申到工業[5]、農業[6]等各個領域，涉及生產、銷售等各個環節。二是研究方法。相關研究方法主要有比值法、生命周期評價法、生態足跡法、能值法、隨機前沿法、數據包絡分析法（Data Envelopment Analysis，DEA）[7-11]。隨著研究的深入，學者們發現DEA 更能夠反映農業生態效率的變化，得到的數據更為準確，同時操作也更為簡便。為了獲得更為準確的結果，學者們在傳統DEA 模型的基礎上發展出了ML[12]和GML[13]指數模型、超效率SBM 模型[14]和基于非期望產出的超效率SBM 模型[15]。三是影響因素。有關影響因素的研究主要集中在農業生態補貼政策，化肥、農藥等化學品的投入，農業科技發展和農業經濟、社會環境等方面。從已有的研究來看，降低化肥、農藥等化學品的投入能夠對農業生態效率產生正向影響[16]。農業科技發展能夠改變農業發展模式，如實現無土栽培等，通過改變農業生產模式來提高農業生態效率[17]。農業經濟、社會環境的改善能夠為農業發展提供更為有利的環境，降低農業發展的融資難度，拓寬資金來源渠道[18]。

基于以上分析，該研究以我國黃河流域為主要研究對象，根據黃河流域9 個省、自治區2011—2020年的面板數據，運用包含非期望產出的超效率SBM模型對該流域農業生態效率進行測算，運用固定效應模型分析各因素對該流域農業生態效率的影響，以期對該流域農業綠色和可持續發展提供參考。

1 模型及指標體系構建

1.1 模型構建

1.1.1 包含非期望產出的超效率SBM 模型DEA 是一種非參數前沿方法，長期以來一直被用作評估經濟、能源、環境和生態效率。傳統DEA 模型對投入和產出松弛變量的考慮存在不足，導致所得結果存在誤差，超效率SBM 模型則將松弛變量納入到模型當中，對傳統DEA 模型進行了修正。為獲得更為準確的效率值，該研究選擇了包含非期望產出的超效率SBM 模型，具體公式如下。

式中：n表示DMU 數，j代表第j個DMU，xik代表第k個DMU 第i個投入變量，yrk代表第k個DMU 第r個期望產出，btk代表第k個DMU 第t個非期望產出， 分別表示投入、期望產出、非期望產出的松弛變量，p1和p2分別表示期望和非期望產出數量，ρ表示農業生態效率，ρ越大則代表農業生態效率越高，λj表示約束條件。

1.1.2 固定效應模型由于采用的數據為面板數據，因此，該研究采用OLS 模型進行回歸分析，具體公式如下。

式中：eco-effit表示i省份第t年的農業生態效率值，expit表示i省份第t年的影響因素值，εit表示隨機誤差項。

1.2 指標體系構建

1.2.1 農業生態效率測算體系構建農業有廣義與狹義之分，廣義的農業包括農、林、牧、副、漁，而狹義的農業僅包括種植業，該研究僅以狹義的種植業為研究對象。該研究基于2011—2020 年黃河流域農業生產的面板數據，依據黃河流域自身特點，根據數據的可得性，參考姜智強等[19]和李文啟等[20]的研究成果，選取農業機械總動力、有效灌溉面積、化肥施用量、農村用電量、農作物總播種面積、農業勞動力、農用塑料薄膜使用量、農用柴油使用量、農藥使用量作為投入指標，將農業總產值作為期望產出，選取農業碳排放量、農業總氮排放量、農業總磷排放量、農業氨氦排放量作為非期望產出，構建黃河流域農業生態效率測算指標體系，具體見表1。

表1 黃河流域農業生態效率測算指標體系

1.2.2 影響因素指標體系構建黃河流域大部分地區屬于生態脆弱地區，農業生態效率受各方面因素影響。該研究根據以往的研究成果，從農業生產、財政支持、經濟環境和社會環境角度探討各因素對黃河流域農業生態效率的影響，構建黃河流域農業生態效率影響因素指標體系，具體見表2。

表2 黃河流域農業生態效率影響因素指標體系

1.3 數據來源

該研究以黃河流域9 個省、自治區（青海、四川、甘肅、寧夏、內蒙古、陜西、山西、河南、山東）為主要研究對象，研究數據主要來源于相應年份的《中國統計年鑒》、《中國農村統計年鑒》、《中國環境統計年鑒》及各省、自治區統計年鑒。其中，農業碳排放量、農業總氮排放量、農業總磷排放量、農業氨氦排放量的各項數據并未直接統計，具體測算如下所述。

在實際應用過程中，由于農業碳排放量并非常規統計指標，該研究運用李波等[21]的方法對農業碳排放量進行測算，并構建了估算公式，確定了農業碳排放源及系數，具體估算公式如下。

式中：E為農業的碳排放總量，Ei為各種碳源的碳排放量，Ti為各碳排放源的量，γi為各碳排放源的碳排放系數。農業碳排放源化肥施用量、農藥使用量、農用塑料薄膜使用量、農用柴油使用量、農作物總播種面積、有效灌溉面積的碳排放系數分別為0.895 6 kg/kg、4.934 1 kg/kg、5.18 kg/kg、0.592 7 kg/kg、312.6 kg/km2、20.476 kg/hm2。

該研究參考賴斯蕓等[22]和陳敏鵬等[23]的方法并結合《第一次全國污染源普查資料文集⑦：污染源普查產排污系數手冊（上）》對農業總氮排放量、農業總磷排放量、農業氨氦排放量進行測算，具體公式如下。

式中：Eij表示i單元j污染物的排放量，Gij表示i單元j污染物的產生量，μij表示相應污染物的流失率，EUi表示單元數，ρij表示i單元j污染物的排放系數。單元污染物強度計算如表3 所示。

表3 單元污染物強度計算

2 實證結果與分析

2.1 黃河流域農業生態效率實證分析

該研究采用包含非期望產出的超效率SBM 模型對2011—2020 年黃河流域農業生態效率進行測算，具體測算結果如表4 所示。

由表4 可知，黃河流域2011—2020 年農業生態效率均值為0.649，處在中間水平，未達到完全有效。2011—2020 年黃河流域農業生態效率值呈現上升趨勢，且2020 年農業生態效率值為1.000，達到了完全有效。這說明2011—2020 年黃河流域農業生態效率不斷提高，農業綠色發展水平也在不斷提高，農業生態持續改善，并最終在2020 年達到了完全有效。從黃河上、中、下游來看，上游農業生態效率值明顯低于中游和下游，下游的農業生態效率值最高，這種現象的出現主要與各區域的生態脆弱程度有關：上游的青海省、甘肅省和寧夏回族自治區都屬于生態脆弱地區，農業生產造成的影響較大；雖然中游地區也屬于生態脆弱地區，但其生態環境優于上游，因此農業生態效率值也高于上游地區；下游地區生態環境相對較好，且平原面積較大，因此農業生態效率值也最高。從各省、自治區來看，內蒙古自治區農業生態效率值最高，2011—2020 年效率均值達到了0.923，且僅在2015 年和2017—2019 年農業生態效率值小于1，其余各年農業生態效率值均為1，達到了完全有效。主要原因是，內蒙古以畜牧業為主，種植業雖然產值占比較高，但種植面積相對較少，對環境的影響也較小。除內蒙古外的其余各省、自治區中，僅有陜西省的農業生態效率值小于0.6，其余省、自治區均大于0.6，山東省、青海省、甘肅省和山西省的農業生態效率值均超過了0.7。主要原因是，陜西省位于黃土高原腹地，陜北地區生態更為脆弱，農業的發展對當地環境的影響更大，其農業生態效率值也就最低。

表4 2011—2020 年黃河流域各省（自治區）農業生態效率

2.2 影響因素分析

該研究運用OLS 模型，從農業生產、財政支持、經濟環境和社會環境的角度探討各因素對黃河流域農業生態效率的影響，具體回歸結果見表5。

從表5 可以看出，化肥使用強度、農藥使用強度、對外開放度均在1%的顯著性水平對黃河流域農業生態效率有負向影響，說明這些變量的增加會降低該流域農業生態效率值，而減少這些變量的投入則會對農業生態效率產生提升作用。主要原因是，化肥和農藥是農業的主要污染源，且兩者的過度使用會導致土壤板結，降低土壤肥力，影響農業生產；對外開放度的提高則會對農業產生擠占作用。機械化水平、財政支持度、經濟結構和城鎮化率對黃河流域農業生態效率均有顯著的正向作用，且通過了1%的顯著性檢驗，說明這些因素的增加會對農業生態效率產生提升作用。主要原因是，機械化水平能夠提高土地的種植效率，加大土地翻耕深度，降低農業生產對勞動力的依賴；財政支持度的提高意味著政府對農業重視程度的提高，這不僅表示政府會加大對農業的投入，還表示政府會加大對農業的政策傾斜力度；經濟結構值的增加表示農業在國民經濟中地位的提高，也表示農業總產值的增加；城鎮化率的提高表示農村居民向城鎮轉移的力度增加，農村居民向城鎮轉移導致農村人口減少，進而降低農村生活污染排放，有利于農業生態效率的提高。

表5 黃河流域農業生態效率（eco-eff）影響因素回歸結果

從黃河上、中、下游來看，化肥使用強度、農藥使用強度對上、中、下游的影響均為負，且均通過了5%的顯著性檢驗，說明減少兩者的使用對上、中、下游農業生態效率均有提升作用。機械化水平對中、下游的影響為正，且通過了1%的顯著性檢驗，對上游的負向影響不顯著。財政支持度對中、下游的影響為正，且分別通過了5%和10%的顯著性檢驗，對上游的正向影響不顯著。經濟結構對上游有顯著的負向影響，但對中、下游的影響為正，且分別通過了5%和1%的顯著性檢驗，主要原因是上游地區不適宜擴大農業生產規模，繼續擴大農業生產規模會加重環境負擔，影響農業生態效率。對外開放度對上、中、下游均有顯著的負向影響；城鎮化率對上游和中游有顯著的正向影響，對下游的正向影響不顯著。

3 結論與建議

3.1 結 論

該研究基于2011—2020 年黃河流域農業生態的面板數據，運用包含非期望產出的超效率SBM 模型對該流域農業生態效率進行測算。結果表明：黃河流域在樣本期間內的農業生態效率處于中間水平，整體呈上升趨勢，且在2020 年達到完全有效；農業生態效率在區域上呈現出從上游向下游遞進的趨勢，但區域間差異不大。該研究通過OLS 模型分析各因素對該流域農業生態效率的影響，結果發現：化肥使用強度、農藥使用強度、對外開放度均在1%的顯著性水平下對黃河流域農業生態效率有負向影響，說明這些變量的增加會降低該流域農業生態效率值，而減少這些變量的投入則會對農業生態效率產生提升作用；機械化水平、財政支持度、經濟結構和城鎮化率均有顯著的正向作用，且通過了1%的顯著性檢驗，說明這些因素的增加會對農業生態效率產生提升作用。

3.2 建 議

3.2.1 加大財政支農力度，完善資金管理機制農業綠色發展雖然有利于農業可持續發展，但會加大當下農民的經濟負擔，造成短時間內農民收入降低。因此，黃河流域各地區應當優化財政支農支出結構，完善資金管理機制，提高資源配置效率，因地制宜，逐步推進農業現代化。

3.2.2 加大農業科技投入，改善農業生產模式通過上述結論可以發現，農藥和化肥均會對農業生態效率造成負向影響，但二者又是農業生產的必備資源。因此，黃河流域各省、自治區應當加大對農業科技的投入，實現農業科技化發展，在保證肥力和滅蟲除草效果的前提下開發污染系數低的農藥和化肥產品。此外，各省、自治區還應改進農業機械，根據自身條件因地制宜地發展農業機械。

3.2.3 完善內外部機制，促進農業高質量發展城鎮化率的提高雖然能夠對農業生態效率產生提升作用，但大量農村勞動力的轉移也會造成農村“空心化”、老齡化等問題，對農業發展產生負面影響。因此，黃河流域各省、自治區要注重農村環境污染治理與農業發展二者之間的平衡；增強農業自身實力，提高農業的自我造血能力，促進農業品牌化發展，提高農業發展質量。