基于超效率SBM的中国农业水资源环境效率评价及影响因素分析

刘 渝，宋 阳

(武汉工程大学 管理学院，湖北 武汉 430205)

水资源短缺和水污染排放问题是中国农业发展面临的难题。目前中国农业用水量超过总用水量的60%，是最主要的水资源消耗产业部门，但受地域和气候差异的影响，农业水资源禀赋分布均匀，水资源短缺严重影响缺水地区的农业发展。与此同时，丰水地区的状况也不容乐观，农业已成为水污染的重要源头，2015年中国农业化学需氧量排放量(COD)和氨氮排放量达1068.6、72.6万t，分别占COD排放总量和氨氮排放总量的48%、32%。根据国务院“水污染防治行动计划(水十条)”的节水要求，一方面要控制全国用水总量以缓解用水紧张，另一方面要大力发展农业节水，扩大节水灌溉面积，提高灌溉效率；与此同时，十九大报告中明确提出要加快水污染防治。为此，在环境约束条件下准确评价农业水资源效率及其影响因素，可为水污染防治和水量控制找到精准着力点。

前期研究评价产业用水效率的方法主要包括随机前沿分析法(SFA)和数据包络分析法(DEA)，两种方法都属于全要素生产率模型。陈关聚等[1]、雷玉桃等[2]运用SFA测度了中国省区工业用水效率，发现其效率值呈逐年增长趋势，并表现为由东向西递减的空间分布特征。买亚宗等[3]、姜蓓蕾等[4]、沈满洪等[5]均采用DEA模型测算了中国工业用水效率，李静等[6]发现东、中、西部地区工业用水效率在群组前沿下差异不明显，但东部地区工业用水效率在共同前沿下高于中、西部地区。SFA和DEA方法在农业用水效率领域内均有应用，耿献辉等[7]、许朗等[8]采用SFA方法测算了农业灌溉用水效率，发现灌溉用水效率和技术效率均未达到技术有效水平。然而，应用DEA方法的研究结果表明区域间的效率存在显著差异，杨骞等[9]采用DEA发现全国过半省区农业水资源效率未达到前沿水平，地区分布上，北部沿海地区的农业水资源效率最高，西北地区最低；佟金萍等[10]采用超效率DEA模型发现农业全要素用水效率呈东、中、西部依次递减格局。

随着环境污染问题的突出，国内外学者对产业与环境的协调发展问题日益关注，因此将环境因素纳入到效率测算中是非常必要的。Nanere et al.[11]、陈诗一[12]指出不考虑环境因素会给生产率度量带来有偏的结果。较SFA方法而言，DEA方法不需要设定生产函数形式，更适用于包含非期望产出的多投入、多产出模型[13]。在非期望产出指标的设置上，李静等[14]考虑农业水污染的情况，运用DEA方法计算了玉米、水稻、小麦的用水效率，将作物生产过程中带来的水污染中氮、磷排放量作为非期望产出。杨骞等[9]将农业废水中的COD排放量和氨氮排放量视为非期望产出纳入非径向方向性距离函数模型中，测算了污染排放约束下的农业水资源效率。岳立等[15]提出非期望产出中的环境污染物包括COD、氮、磷和碳排放量。李静等[16]等用农业COD、总氮和总磷的排放总量表示非期望产出，并估算了各污染物的减排效率和潜力。

基于上述研究得出，SFA和DEA模型测算的农业水资源效率结果差异较大；不考虑非期望产出与考虑非期望产出的效率水平的对比研究较少。在上述背景下，鉴于环境约束条件的重要性，以及效率值的可比性，将采用测算效果稳定度、精细度更高的超效率SBM模型，并将农业主要污染排放物(COD排放量和氨氮排放量)作为超效率SBM模型中的非期望产出，试图评价环境约束下中国各省区的农业水资源效率，在分析其区域差异的基础上，构建面板Tobit回归模型，实证分析环境约束条件下农业水资源效率的影响因素，最终为提升中国农业水资源效率、解决农业对水环境的污染问题提供理论支持和决策参考。

1 研究方法与模型构建

1.1 模型构建

超效率SBM(Super-efficiency Slacks-based Measure)模型由Tone于2002年提出[17]，该模型结合了超效率DEA模型和SBM模型的优点，一方面能够弥补传统DEA模型不能区分多个有效决策单元DMU的缺陷，另一方面能解决非期望产出问题[18-20]。

(1)

1.2 指选取与数据说明

基于数据的可获取性，农业废水污染排放数据只能追溯到2011年，所以本研究的时间跨度是2011-2015年。关于投入和产出要素的选择，遵循可获取和可操作原则，选取农业用水量、农业从业人数、农业机械总动力、农作物播种面积、化肥施用量作为投入要素，以农林牧渔总产值(折算为2011年不变价格)作为期望产出，以农业的氨氮排放量和农业COD排放量为非期望产出。需要说明的是，因国家统计部门未专门统计农业从业人数，所以选取农林牧渔从业人数替代农业从业人数。

农业从业人数、农业机械总动力、农作物播种面积、化肥施用量、农业产出值数据来源于《中国统计年鉴(2012-2016)》，农业用水数据来源于《中国水资源公报(2012-2016)》，农业废水中的COD和氨氮物排放数据来源于《中国环境统计年鉴(2012-2016)》。运用DEA模型评估DMU的效率时， DMU的数量不能低于投入产出指标项数总和的两倍，否则会导致所有DMU的效率值偏向于有效值1[21]，以中国31个省区作为DMU，样本数据符合模型的数理特性。投入与产出指标的描述性统计结果见表1。

表1 投入产出指标的描述性统计结果Tab.1 Descriptive statistics of input and output indicators

注：样本容量为155。

2 农业水资源环境效率测算结果

运用MaxDEA软件，并根据公式(1)运用超效率SBM模型，测算得到2011-2015年中国31个省区不考虑和考虑非期望产出的农业水资源效率值，具体结果见表2。

表2 2011-2015年各省区农业水资源效率的评价结果Tab.2 Evaluation of the agricultural water resources efficiency for provinces from 2011 to 2015

2.1 分省测算结果

在全国均值层面，由表2可得，2011-2015年，农业水资源效率的全国均值在两种情况下都表现为非DEA有效，但全国均值的时间序列呈递增趋势，不考虑非期望产出的农业水资源效率值总体上高于考虑非期望产出的效率值。佟金萍等[10]等采用未考虑环境污染的超效率DEA模型测算得到的农业水资源效率值高于本文测算的效率值，与本文研究结果一致，即在不考虑环境污染条件下的农业水资源效率值会高于考虑环境污染下的效率值，说明传统的效率测算方法的会高估中国农业水资源效率水平。2011-2015年，两种情况下全国均值的发展趋势呈收敛效应，2015年有近半数省区考虑非期望产出下的效率值甚至高于不考虑非期望产出下的效率值，说明2015年许多省区的农业水环境污染问题有所缓解。

2.2 八大区域测算结果

综合考虑水资源的流域属性，从流域角度分析效率值的差异，本文采用国务院发展研究中心的八大区域划分法(八大区域包括北部沿海地区(北京、天津、河北、山东)、东部沿海地区(上海、江苏、浙江)、南部沿海地区(福建、广东、海南)、东北地区(黑龙江、吉林、辽宁)、长江中游地区(江西、安徽、湖北、湖南)、黄河中游地区(山西、内蒙古、河南、陕西)、西南地区(广西、重庆、四川、贵州、云南)、西北地区(西藏、甘肃、青海、宁夏、新疆)。)，综合比较八大区域的地区差异(表3)。2011-2015年间，非期望产出下的效率均值，东部沿海(0.876)和南部沿海(0.751)效率值最高，其次是西南地区(0.723)、北部沿海(0.648)、西北地区(0.585)、东北地区(0.549)、黄河中游(0.533)，长江中游(0.476)效率值最低。东部沿海和南部沿海地区农业用水技术和管理技术较为先进，西南地区降水充足可以满足粮食灌溉需求，因此效率水平高于其他地区。黄河中游地区降水量少、农业用水技术和管理经验落后，导致其水资源效率水平偏低。长江中游地区水资源禀赋充足，但其农业灌溉技术和管理制度落后，水资源效率长期低于全国均值水平。

表3 八大区域考虑非期望产出的农业水资源环境效率值Tab.3 The agricultural water resources efficiency including undesirable outputs for the eight regions

八大区域的时序变化，总体上呈递增趋势且地区间差异明显。长江中游地区2015年增幅最大，主要原因是长江中游地区部分省份(湖北、湖南)在2014年颁布了严格的水资源政策，水资源环境效率在短期内得到有效提升。西北地区效率增幅最小，由于西北地区常年干旱少雨、蒸发量大，水资源短缺问题难以解决，且用水技术和管理技术发展长期滞后，导致其水资源环境效率提升难以找到突破口。

3 农业水资源环境效率影响因素分析

3.1 变量选择与数据来源

由于考虑非期望产出测算得到的农业水资源环境效率更符合实际水平，因此在超效率SBM模型基础上将农业水资源环境效率作为被解释变量，进一步分析效率的影响因素，以期把握效率提升的方向。借鉴前期研究，对变量选取和数据处理作了改进，将变量区分为核心解释变量和控制变量，其中核心解释变量包括水资源禀赋和农作物种植结构。控制变量分为节水技术类(供水结构、节水农业发展水平、机械化程度)和外部环境类(对外开放程度、环境规制)两类。变量说明及数据来源见表4，变量具体解释如下：

(1)水资源禀赋。大量学者研究认为水资源禀赋对水资源效率存在显著影响，张力小等[22]、杨骞等[9]发现水资源禀赋对水资源效率有负向影响。基于数据的可获取性，选取人均水资源量和人均供水量来表示水资源丰裕程度。

(2)农作物种植结构。佟金萍等[23]发现农作物种植结构对水资源效率有正向影响，但并不显著。以农业种植赫芬达尔指数来表示农作物种植结构，不同农作物的耐旱程度和需水量差异较大，种植赫芬达尔指数能反映种植的多样性，而种植的多样性有助于农户在有限时间内择选合适的农产品种植品种，提高农作物的水分利用率。

(3)节水农业发展水平。节水灌溉技术的应用与普及有助于提高农业用水效率，目前学界对农业节水灌溉技术指标的选取尚未达成共识，因此以节水灌溉面积与播种面积的比值来反映节水农业发展水平，比值越大，表示节水灌溉技术应用程度越高。

(4)机械化程度。机械化播种和灌溉技术能有效减少水资源损耗，提高农业灌溉用水效率，因此采用农用柴油使用量来反映农业机械化程度[24]。

(5)供水结构。许朗等[8]和王学渊等[25]发现地下灌溉供水对水资源效率有正向影响。本文以地下供水占供水总量的比例表示供水结构，地下供水主要用于灌溉，地下供水渠道有利于减少灌溉损失和时间，提高用水效率。

(6)对外开放程度。佟金萍等[10]发现农业经济开放性对水资源效率有显著正向影响。对外开放对农业产业的影响机理主要体现在先进技术和国际标准两个方面，节水灌溉、种植及管理技术对农业生产效率和用水效率有正向促进作用；农产品贸易的国际标准对生产者形成产品安全和环境污染约束。本文以农产品进出口总额指标表示农业对外开放程度。

(7)环境规制。杨骞等[9]认为环境规制有利于提升水资源效率。由于缺乏直接的农业污染排放量的数据，相关研究多采用农业COD排放量和氨氮排放量之和间接表示农业生产造成的污染程度。将农业化学需氧量和氨氮排放量的总和除以农业总产值，以该比值作为环境规制的逆指标，比值越小表征环境规制力度越大。

表4 农业水资源环境效率影响因素的变量说明Tab.4 Variable description of influencing factors of the agricultural water resources efficiency

3.2 模型设定

由于超效率SBM模型测度的效率是大于0的受限变量，因此本文选取面板Tobit回归模型分析农业水资源环境效率的影响因素。其中，efficiencyi,t表示i省份和t时间的效率水平，模型1中Xi,t表示核心解释变量的集合，包括人均水资源量、人均供水量和农作物种植结构。在模型1的基础上加入控制变量得到模型2，Yi,t表示节水技术类控制变量集合，即节水农业水平、机械化程度和供水结构，Zi,t表示外部环境类控制变量集合，包括对外开放程度和环境规制。

模型1：efficiencyi,t=C+αXi,t+εi,t

模型2：efficiencyi,t=C+αXi,t+βYi,t+θZi,t+εi,t

3.3 实证结果

模型估计结果如表5所示。

表5 农业水资源环境效率影响因素的估计结果Tab.5 Estimation of influencing factors of the agricultural water resources efficiency

注：***、**和*分别表示在1%、5%和10%水平上显著。

(1)核心解释变量的结果，人均水资源量的回归系数显著为正，而人均供水量的回归系数为-0.455。可能的原因是，一方面水资源丰富的地区农作物用水需求容易得到满足；另一方面水资源丰富的地区节水意识相对较差，存在水资源浪费的现象。农作物种植结构的回归系数为-0.33，表明农作物种植结构降低了效率。此外，在考虑控制变量后，核心解释变量对水环境效率的影响程度在下降。

(2)节水技术类控制变量中，节水农业发展水平和供水结构未通过显著性检验，与杨骞等[9]的研究结果一致，可能的原因是国内农业用水灌溉技术和渠系系统比较落后，节水技术的正向效应并未有效发挥。机械化程度的系数值为-0.224，表明机械化对效率的作用未增反减。

(3)外部环境类控制变量中，对外开放程度的回归系数正，对效率表现为显著正向影响。对外开放程度越大，灌溉技术和种植技术引进步伐越快；同时，国内农产品参与国际竞争，提高用水效率以增强国际竞争力。环境规制在1%显著性水平下回归系数为-0.615，污染排放量作为环境规制的逆指标，所以污染排放量越大，环境规制力度则越小，说明环境规制对效率呈正向影响。农业污染环境规制强度越大，对效率的改善作用越明显。环境规制对效率的影响效应显著，未来可继续加强环境规制力度。

4 结论与政策建议

运用超效率SBM模型评价了2011-2015年间中国各省区和八大地区的农业水资源环境效率，并利用面板Tobit模型分析了各省区农业水资源环境效率影响因素，得出以下结论：

(1)研究期间内，不考虑非期望产出和考虑非期望产出下的农业水资源效率均呈现增长趋势，但不考虑环境因素会高估真实的效率水平。环境污染对农业水资源效率的负向影响有所缓解，两种情况下的农业水资源效率值差距逐年缩小，效率存在环境收敛效应。

(2)水资源效率的区域差异显著，东部沿海地区效率值明显高于其他地区，长江中游地区均值水平最低，农业水资源环境效率提升的重点区域在黄河中游地区和长江中游地区。农业主产区属于效率值落后区域，提升该区域效率对于促进粮食增产和保障粮食安全具有重要意义。

(3)从农业水资源环境效率影响因素测算结果来看，对外开放程度增进了效率水平，当前的作物种植结构降低了效率，节水技术类因素并未发挥作用，环境规制对效率提升呈现显著正向影响。

基于以上结论，提出3点政策建议：①种植结构对农业水资源环境效率有显著负向影响，因此应重点调整农业种植结构和规模，特别是黄河中游和长江中游地区是重要的粮食主产区，水资源负荷较大，技术效率较低，适当减少高耗水农作物种植面积，突破作物需水刚性约束；②现有节水技术并未发挥效率提升作用，各地区应该进一步大力推广和普及节水技术，因地制宜地引进节水技术，提高机械化灌溉和耕种水平，完善地下供水体系；③环境规制对农业水资源环境效率发挥了显著的正向作用，继续推动水资源管理制度政策的制定与实施，加强生态脆弱地区和严重缺水地区的节水工程建设，同时划定水资源效率控制红线，控制农业面污染源，加强环境保护和治理工作。