基于超效率SBM 模型中國農業生態效率的測度及其影響因素分析

李昊坤

南京農業大學金融學院, 江蘇 南京 210095

0 引言

自改革開放以來, 中國經濟在飛速發展的同時,農業也在快速發展, 不僅解決了中國十幾億人口的吃飯問題, 還為解決地區性饑荒問題做出了巨大貢獻。但農業生產率的不斷提高在一定程度上是以生態環境破壞和資源浪費為代價, 導致目前中國農業的可持續發展受到了極大的挑戰。 在保持當前糧食、 蔬菜等“期望” 產出的前提下, 應盡量減小資源浪費和農業生產過程中對環境帶來的污染。

國內外學者都對中國農業生產率進行了大量的研究, 主要分為參數法和非參數法兩大類。 非參數方法因為不需要預先設定好具體的參數形式而被廣泛應用于農業生產效率的評價。 當前的研究得出了很多有意義的結論, 但其并未考慮到農業生產還會帶來碳排放、 氮磷流失等“非期望” 產出, 這會高估當前的農業生產率。 這種情況雖然已引起部分學者的注意并展開了相關研究, 但是對投入要素和產出要素的考慮仍不完善。 文章將利用超效率SBM 模型, 結合之前學者的研究, 將農業生產過程中的投入和產出更全面地納入農業生態效率評估。 在此基礎上, 利用固定效應模型對農業生態效率的影響因素進行回歸分析。

1 文獻綜述

農業作為一切經濟生產的首要條件, 是國民經濟建設的基礎。 雖然中國無論是農業技術, 還是農業生產效率都在快速進步, 但由此帶來的資源浪費和環境破壞等問題也較為嚴重。 因此, 農業也需要在可持續發展思想的指導下, 維持生產效率的同時, 減輕對環境的破壞, 來提高農業生態效率。 農業生態效率又稱農業環境技術效率、 農業綠色技術效率等, 是指在考慮農業生產過程中對環境污染的條件下測算出的農業生產率。

眾多學者對此開展了研究。 潘丹在考慮水資源和農業面源污染的因素下, 分析中國30 個省級行政區的農業綠色技術效率和農業綠色全要素生產率, 發現中國農業綠色生產率總體處于及格線以下, 中國農業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1993—2010 年的農業環境技術效率, 發現中國農業環境技術效率總體偏低, 東部農業環境技術效率高于中西部地區, 農業比重、 政府的支持、 農村教育水平等會對農業環境技術效率產生影響[2]。 丁圓元、 李豐利用三階段DEA 模型, 在考慮環境因素的情況下對中國2015 年30 個省級行政區的農業生產效率進行測算分析, 結果顯示農業生產過程中對環境的破壞會導致農業生產效率降低[3]。 任紅霞闡述了生態效率的評價方法, 并測算分析了蘭西城市群的靜態效率和規模效率[4]。 葛敏運用超效率SBM 模型對山東省的農業生態效率進行了測算, 發現山東省的農業生態效率雖難以實現跨越式發展, 但總體仍呈現上升趨勢[5]。 崔葉辰、 韓亞麗等運用超效率SBM 模型測度了新疆的農業生態效率, 并用固定效應模型分析了其影響因素,結果表明新疆不同區域的農業生態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 個糧食主產區的農業生態效率進行了測算, 之后運用熵值法、 Tobit 回歸等模型發現城鎮化發展可以促進農業生態效率的提升[7]。

2 數據說明和模型選取

2.1 變量選取和數據說明

文章使用2007—2020 年中國30 個省級行政區(限于數據的可得性, 未包括西藏自治區, 香港、 澳門特別行政區和臺灣省) 的農業投入和產出數據。 數據來源于《中國統計年鑒》 (2007—2020 年)、 《中國農村統計年鑒》 (2007—2020 年)、 《中國環境統計年鑒》 (2007—2020 年)、 CSMAR 數據庫等。 除可直接獲取的數據以外, 部分數據可通過計算得到, 個別缺失數據采用插值法補齊。

2.1.1 農業投入指標

農業投入包括土地投入、 機械動力投入、 化肥投入、 農藥投入、 農膜投入和灌溉投入等6 種投入。 土地投入以農作物總播種面積衡量; 機械動力投入以農業機械總動力衡量; 化肥投入以折純法計算的農用化肥施用量衡量; 農藥投入以農藥施用量衡量; 農膜投入以農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 農業產出指標

農業產出包括期望產出和非期望產出。 農業產出以1990 年不變價格的農林牧漁業總產值來衡量。 非期望產出主要包括碳排放、 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為農業碳排放總量,ci為第i種碳源碳排放量,Ei為碳源使用量,δi為相應的碳排放系數。 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, 所用公式與碳排放計算相似, 不再重復贅述。 具體投入產出指標如表1 所示, 相關指標的描述性統計見表2。

表1 農業生態效率投入產出指標描述Table 1 Description of agricultural eco-efficiency input-output index

表2 主要指標描述性統計Table 2 Descriptive statistics of main indicators

2.2 生態因素與非徑向、 非角度的超效率SBM 模型

在分析農業生產效率時, 產出方面不應僅包括各種農作物產出, 還有因農作活動而造成的環境污染。將生態因素納入農業生產效率的評價體系, 這就需要借助DEA 模型來對多投入和多產出進行評價。 傳統DEA 模型主要分為兩種: 一種是基于規模報酬不變的CCR 模型, 另一種是基于規模報酬可變的BCC 模型。這兩種傳統DEA 模型是角度的, 假設前提是投入或產出不變, 故而必須要在投入和產出中忽略一個, 這必然會對效率的測算結果產生影響。 CCR 模型和BCC 模型也是徑向的, 均要求投入和產出會同比例的放大或縮小, 如果存在松弛的投入或產出, 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 模型的優勢有效結合而構建, 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 個省級行政區農業生態效率進行測度。 假設有n個決策單元,N、M、L分別表示N類投入指標,M類期望產出指標,L類非期望產出指標, 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, 構建了包含非期望產出的非角度、 非徑向的超效率SBM 模型。

2.3 固定效應模型

應用超效率SBM 模型得出中國30 個省級行政區的農業生態效率值后, 進一步對農業生態效率的影響因素進行分析。 為了減少地區和時間對回歸結果的影響, 再加上研究對象是基于特定的對象, 因而使用固定效應模型:

其中yit為被解釋變量, 代表第i個省級行政區經過測度的第t年的農業生態效率;λi是隨機截距, 代表各個省級行政區那些不隨時間改變的因素, 這些因素通常難以量化, 例如農民勞作習慣、 地區產權制度等;xit為解釋變量向量,βi為回歸系數向量,ξit是獨立的隨機誤差項, 且ξit～N(0,σ2) 。

3 農業生態效率分析

選擇Super-SBM 模型, 利用2007—2020 年中國30 個省級行政區的農業投入和產出數據, 以土地、 機械、 化肥、 農藥、 農膜和灌溉為投入指標, 農業總產值為期望產出, 農業碳排放總和、 氮流失量和磷流失量為非期望產出, 測算中國30 個省級行政區的農業生態效率。

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

圖1 顯示了在考慮對環境會造成污染的非期望產出條件下, 2007—2020 年中國30 個省級行政區平均農業生態效率以及各區域農業生態效率的變化。

圖1 2007—2020 年中國各區域平均農業生態效率Fig.1 Average agricultural eco-efficiency by region in China from 2007 to 2020

全國平均農業生態效率值相比于李谷成[12]和韓海彬[13]的測算結果偏高, 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,導致結果偏大。 從圖1 可以看出, 2007 年中國農業生態效率位于0.6～0.7 之間, 此后的5 年內, 中國平均農業生態效率徘徊在0.5 ～0.6 之間, 相對于效率前沿, 存在較大的改進空間, 且并未表現出明顯的變化趨勢。 但從2013 年開始, 中國農業生態效率不斷上升, 2016 年突破0.7, 2020 年突破0.8, 進步非常明顯。

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

農業生態效率和地域之間存在緊密的聯系。 自然條件好, 經濟發展水平高的區域, 農業生態效率就較高; 自然條件欠佳, 經濟發展水平較低的區域, 農業生態效率偏低。 東南區域地理氣候條件優渥, 外加上強勁的經濟實力, 為生態農業生產提供了良好的條件, 較強的科技實力也為解決農業污染問題提供了技術支持。 此外, 在東南區域生活的人們收入水平較高, 在農業產品的選擇上更偏好于高質量的生態農產品, 這就從消費者層面倒逼農業生產者在勞作時盡量減少污染, 提供綠色農產品。

4 農業生態效率影響因素分析

4.1 變量設計及回歸方法

影響農業生態效率的因素有很多, 根據現有研究和有關數據的可得性, 將農業生態效率的影響因素歸納為以下幾個方面: 經濟發展水平、 農民收入水平、農業結構、 農業機械化、 農業固定資產投資、 節水灌溉面積、 自然環境。 具體變量如表3 所示。

表3 農業生態效率影響因素Table 3 Influencing factors of agricultural eco-efficiency

4.2 結果分析

中國面積廣大, 各個區域間存在較大的自然、 經濟差異, 為了更好分析農業生態效率的影響因素, 將選擇中國總樣本, 東南區域、 中部區域、 西北區域共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, 選擇固定效應模型是可行的。 具體回歸結果見表4。

表4 農業生態效率影響因素模型回歸結果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 個省級行政區總體進行回歸, 結果顯示經濟發展水平、 農民經濟狀況、 農業結構、 農業機械化和農業固定資產投資通過了顯著性檢驗。

經濟發展水平與農業生態效率有較為顯著的負相關關系。 通常一個地區的經濟發展水平越高, 往往意味著擁有更多的資源, 但經濟的發展對農業的依賴較小, 更多依靠第二產業、 第三產業推動當地的經濟建設, 而這會在一定程度上擠占農業生產所需的各種資源, 對生態農業的發展產生負面影響。

農民經濟狀況與農業生態效率有顯著的正向關系。 農民的經濟狀況越好, 其在從事農業生產活動的時候, 不會因為經濟壓力而在農業生產中加大農藥、化肥等化學投入, 以期獲得會對環境造成負面影響的經濟收益, 從而間接提高了農業生態效率。

農業結構同樣與農業生態效率有較為顯著的正向關系。 農業比重大意味著在國內大部分地區實施農作活動存在規模優勢, 同時也表示對農業活動的重視度較高, 提高了農業資源利用效率, 從而促進生態農業的發展。

同以往大多數研究做出的結論相反, 農業機械化與農業生態效率之間存在顯著的負相關關系。 經過分析, 在使用機械從事農業生產過程中, 會排放大量的二氧化碳, 在計算農業生態效率時考慮了這部分碳排放對環境造成的影響。 農業機械的使用體現了較高的農業生產技術水平, 節省了大量的人力物力財力, 但農業機械的使用同樣會產生大量碳排放, 對環境產生影響。 因此, 農業機械的使用在提升勞作效率和減少碳排放中應取得平衡, 才能對農業生態效率的提升產生促進作用。

農業固定資產投資與農業生態效率之間有顯著的正向關系。 較高的農業固定資產投資代表著當地對農業生產的重視, 也意味著勞動力、 資金等生產要素的投入, 帶來了農業技術的提升, 這都會極大地改善綠色農業生產, 提高農業生態效率。

4.2.2 各區域樣本

回歸②、 回歸③、 回歸④分別是針對東南區域、中部區域和西北區域的回歸結果。

東南區域環境治理與農業生態效率之間有較為顯著的正相關關系。 東南區域多處于中國季風氣候區,夏季高溫多雨, 因此夏季水澇災害頻發, 對環境進行良好的治理可以顯著地降低洪澇災害對農業活動的影響, 從而可以在維持農業產出的情況下減小農業投入, 提高農業生產效率, 間接改善了農業生態效率。

而中部區域環境治理同農業生態效率之間的關系與東南區域相反, 即中部區域對環境進行治理會顯著降低農業生態效率。 中部區域多位于中國大陸氣候和季風氣候的交界地帶, 相比東南區域夏季降水量較少, 不會造成太多的洪澇災害, 雖然環境治理仍會改善農業生產環境, 但同時也會占用一部分本該投入農業的資源, 對農業生態效率產生負面的影響。

西北區域的農業生態效率主要和當地經濟發展水平和農民經濟狀況有關。 經濟發展水平與農業生態效率存在負相關關系, 通過了10%水平的顯著性檢驗;農民經濟狀況與農業生態效率有顯著的正向關系。 雖然原因與全國樣本基本一致, 但可以從側面反映出西北地區經濟發展水平較低, 農業生態效率的高低主要取決于農民自身的經濟狀況, 經濟條件較好的農民沒有需要通過農業勞作改善生活的迫切需求, 更專注于高質量的農業生產, 會顯著提高農業生態效率。

5 結論

利用非徑向、 非角度的超效率SBM 模型測算了考慮農業非期望產出的中國30 個省級行政區的農業生態效率, 并分區域運用固定效應回歸模型對農業生態效率的影響因素進行了分析。 主要結論如下:

1) 全國農業生態技術效率在2007—2012 年處于波動狀態, 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 年農業生態技術效率值為0.866 8, 達到最高點。 隨著中國經濟實力的不斷增強, 中國對環境保護越來越重視, 農業也逐漸由粗放型生產向集約型生產靠近。

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

3) 通過運用固定效應模型對面板數據進行分區域回歸, 發現經濟發展水平和農業機械化會對全國農業生態效率產生顯著的負面影響, 而農民經濟狀況、農業結構和農業固定資產投資則會顯著促進全國農業生態效率的提升。 環境治理會對東南區域和中部區域的農業生態效率產生影響, 但影響方向相反。 西北區域的農業生態效率主要與當地的經濟發展水平和農民經濟狀況有關。