生态效率、农业机械化与农业经济发展*——基于PVAR模型的动态研究

刘 凤，刘英恒太

（1.云南大学经济学院，昆明 650504；2.云南大学政府非税收入研究院，昆明 650504）

一、引 言

党的十九大以来，我国经济从快速增长转变为高质量发展，但城乡经济发展不平衡问题突出，农业农村经济发展不充分成为发展中突出短板。生态效率的提高是我国农业经济发展与生态环境保护实现双赢的重要路径。党的十九届五中全会提出推动绿色发展，促进人与自然和谐共生，坚持绿水青山就是金山银山理念。在“创新、协调、绿色、开放、共享”五大发展理念基础上，实现绿色高效、可持续发展目标，走高质量发展道路，践行“绿水青山就是金山银山”的发展理念，促进我国由农业大国向农业强国转变是农业经济发展的最终目标。推进农业绿色发展、生态发展将是农业发展的一场深刻革命，是实施供给侧结构性改革、乡村振兴战略，引领生态振兴、产业兴旺，实现农村经济可持续发展的必选路径（蒋黎等，2019）。应当构建“绿色兴农”的思想，坚持走绿色生态农业发展道路，加强对环境污染整治力度，打造美丽乡村，共建生态环境（周茂春，2020）。生态效率提高是经济健康发展的基础（朱家明等，2020），生态即资源、生态即生产力。正确处理农业经济发展与生态环境保护之间关系是当前研究重点，是我国经济转型过程中面临的重要考验，也是“两山转换”能否实现的关键。

目前相关研究主要基于以下几方面展开。从各类因素对农业总产值影响方面，有学者研究发现，农业经济状况受到多种因素影响，如劳动力投入（Solow R，1956）、化肥投入（Harold，1971）、外界灾害（Raj，1983）、灌溉投入（Yujiro等，2005）及机械投入（Chen等，2008）等。国内学者对此也有研究，黄浩（2019）通过建构VAR模型实证分析，认为农业生产性服务业与农业产业经济增长之间呈正相关关系，应进一步增强生产性服务业对现代农业经济发展的支撑作用。郭永田（2016）研究结果表明，数字技术推广有利于提升农业生产的智能管控水平，从而提升农业生产能力。

从各类影响因素之间相关关系方面，杨敏丽等（2004）分析影响农业机械化发展的主要因素，通过建立农业机械化发展总动力分析模型，实证分析得出农业机械总动力水平与农民家庭收入呈正相关关系。袁芳等（2020）实证研究西北地区农业投资与经济增长的非均衡关系，认为农业固定资产与农业经济增长呈现耦合协调度上升态势。

从生态效率相关研究方面，Schaltegger等（1990）首次提出“生态效率”的概念，将生态效率表述为产品和服务价值与生态环境负荷的比值。李胜兰等（2014）运用DEA 方法测算1997～2010 年中国30省份区域生态效率，并检验环境规制对中国区域生态效率的影响，结果表明环境规制对区域生态效率具有制约作用。史丹等（2016）提出生态足迹和生态承载力的比较关系，当生态足迹大于生态承载力时为生态盈余，发展可持续；当生态足迹小于生态承载力时则为生态赤字，发展不可持续。认为二氧化碳排放量的迅速增长是导致生态赤字持续增长的主要原因。但略显不足的是，目前文献缺乏从不同维度分析农业经济发展中各变量之间的关系，本文试图运用面板向量自回归（PVAR）模型，分析农业经济发展、农业机械化水平与生态效率三者之间的动态关系，探究三者之间的影响机制和相互作用，以期对促进农业经济健康稳定发展提供对策建议和参考。

二、理论基础与研究假设

本文基于单部门熊彼得模型分析。假定在离散时期模型中，人们消费单一种类的农产品，此产品由完全竞争的厂商利用三种投入土地资源Lt、农业机械Kt及农业中间产品xt产出，生产函数遵循C-D形式：

Yt表示t时期农业最终产品产出，Et为t时期生态效率参数，xt是农业中间产品使用量。系数a介于0与1之间，EtLtKt为有效农业生产供给。

在每一期中，中间产品由垄断者利用最终产品作为唯一的投入一比一产出。即为生产一单位的中间产品，垄断者必须使用一单位的最终产品作为投入。因此农业经济的总产值可表达为：

为最大化其期望消费，垄断者需要最大化其单位最终产品获得利润：

其中Pt表示中间产品相对于最终产品的价格，此价格是中间产品投入最终部门的边际产品：

于是农业中间品生产商选择的均衡产量及利润为：

将均衡产量及利润带入生产函数和农业产出方程，可发现农业最终产品产出及农业经济产出与EtLtKt成正比。

根据以上理论，提出如下两个假设：

假设1：生态效率的提高有助于农业经济发展。原因是生态效率提高、环境治理改善有利于循环经济发展，提升农业经济发展水平。相反，生态效率低、破坏生态环境则不利于农业经济可持续发展。

假设2：农业机械化水平的提高对农业经济发展有正向促进作用。农业机械化发展水平对粮食产量有空间溢出效应（伍骏骞等，2017），农业机械化发展水平提升，对本区域粮食产量有显著正向影响，推动农业经济发展。反之，农业机械化水平降低可能导致农业经济发展水平较低。

三、模型设定、变量选取和数据来源

面板向量自回归（PVAR）模型是通过动态联系方程，考查多个变量之间动态相互关系，可兼顾多元线性回归模型和相关变量滞后影响动态关系的非结构化分析方法。PVAR模型将VAR模型向面板数据拓展，综合考虑固定效应和时间效应，不仅可通过脉冲响应分析变量之间动态关系，还可通过方差分解方法得到各变量贡献度，提高实证结果精准性。其步骤包括：（1）滞后阶数确定与稳定性检验；（2）面板向量自回归分析；（3）通过脉冲响应图分析各变量冲击效应；（4）利用方差分解分析各变量贡献度；（5）格兰杰因果关系检验。

（一）模型设定

已有研究表明，农业经济发展、农业机械化发展与生态效率之间存在动态耦合关系，且可能具有滞后效应，若采用普通线性回归模型，将会出现内生性、自相关等问题。为解决面板数据中心的非观测效应问题，需要在模型中引入时间及个体效应。因此，本文采用面板向量自回归模型（PVAR）并设定农业经济发展、农业机械化水平、生态效率作为系统内生变量建立模型：

其中，Yit为1×3 阶，包含内生变量：农业经济发展、农业机械化水平、生态效率。δt表示时间效应，γi表示个体效应，εit表示不包含时间及个体效应的随机误差。i ∈[1 ,30] 表示省级截面单位， j 表示向量的滞后阶数t为时间下标，本文样本时间跨度为2004～2015年，因此可认为数据在样本期间不存在单位根。

（二）变量选取及数据来源

为保证研究结果真实性，在样本数据可获取且准确前提下尽可能选取多个研究样本和更长时间维度。鉴于《中国环境统计年鉴》中有关非期望产出的最新数据（化学需氧量、氨氮排放量、二氧化硫、粉尘及废水排放量）只到2015年，且本文测算出的数据表明生态效率短期内波动幅度较小，因此数据截至2015年未影响本文研究结果。本文选取30个省市自治区2004～2015年的数据作为研究样本，数据来源于《中国农村统计年鉴》《中国粮食年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国人口和就业统计年鉴》《中国科技统计年鉴》。面板VAR模型中三个变量的度量方式如下：

1.农业经济发展（T）

选取农林牧渔生产总值增长率作为农业经济发展的代理变量。该变量是以货币表现的农、林、牧、渔业全部产品总量，反映一定时期内农业生产总规模和总成果，可合理代表各省农业经济发展水平。

2.农业机械化水平（V）

选取农业机械总动力增长率作为农业机械化水平的衡量指标。该变量涵盖农、林、牧、渔业的各种动力机械的动力总和，反映农业生产过程中机械化程度，可合理代表各省农业机械化水平。

3.生态效率（E）

基于柯布-道格拉斯生产函数，借鉴汪艳涛等（2020）关于生态效率水平的测算方法，投入指标选择资源投入、劳动力和资本投入，将国内生产总值作为期望产出，将污染物排放量作为非期望产出。其中，资源投入指标包括五个方面，分别是能源消耗量、用水总量、耕地面积、审批建设用地及森林蓄积量。劳动力则根据不同地区三个产业就业人数总量测算。资本投入借鉴张军等（2004）研究方法，采用永续盘存法处理，具体表达式如下：

式（2）中，Ki,t、Ii,t为第t期i省的资本存量及投入，其中的投入使用固定资产投资额表示。δt为固定资产折旧率，采用相关文献中普遍做法，将折旧率固定为9.6%；Vi，t表示固定资产价值指数。

期望产出指标使用地区实际GDP衡量，鉴于DEA模型中指标与决策单元数量限制，利用主时序主成分分析法将非期望产出合成为综合指标，综合指标中包含化学需氧量、氨氮排放量、二氧化硫、粉尘及废水排放量等用于衡量环境污染的变量。

（三）生态效率测算

采用超效率SBM模型对生态效率测算，原因有两方面。第一，超效率SBM模型能有效解决包含非期望产出的生态效率问题，如环境污染造成的生态效率降低。第二，该模型属于非径向、非角度的DEA 模型，对比传统DEA 模型进行多方面改善，当存在多个决策单元有效时，通过该模型可挖掘到有效决策单元间效率差异。同时，该模型可有效解决松弛变量问题。

式（3）中，假设有n 个DMU，每个DMU 由投入m，期望产出r1和非期望产出r2构成x、yd、yu为相应的投入矩阵、期望产出矩阵和非期望产出矩阵中的元素，π为农业生态效率值。

由表1可知，2004～2015年中国整体生态效率在0.6～0.7区间内，说明中国整体生态效率里前沿面有一定差距，在资源节约利用和环境治理上存在一定提升空间。2004～2015年的生态效率在区域层面有较大差异，并呈现东、中、西递减趋势，东部地区生态效率在0.7～0.8的区间内，表明在现有投入水平中，东部地区较中西部地区在经济产出、资源利用以及环境保护方面更加协调，东部地区发展起步较早，农业科技水平相对中西部地区更高，因此东部地区生态效率较高。2004～2015年中部地区与西部地区生态效率分别处在0.3～0.4、0.28～0.33区间内，生态效率明显低于中国平均水平与东部地区水平，西部地区生态效率整体较低，原因在于西部地区的地理位置、资源要素等造成本地区经济发展较为落后，因此往往接受东部与中部地区中高能耗高污染的企业导致生态效率降低。

表1 中国分区域生态效率水平

省级层面考查印证了中国生态效率水平分布状况。如图1、图2所示，生态效率水平中前25%的省份集中于东部沿海地区，生态效率水平在25%～50%的省份多集中于中部地区，西部省份生态效率水平多处于后50%的区间内，东、中、西递减的趋势明显。就时间维度而言，东、中、西部地区及中国生态效率整体呈稳步下降趋势，一方面可能因能源消耗、用水总量、劳动力等要素投入增加，增加期望产出的同时，会造成非期望产出增加；另一方面可能在于环境污染治理的滞后性，国家已意识到环境保护的重要性并采取一些措施，但因环境污染治理是一个长期过程，治理效果尚未显现。

图1 全国各省（除港澳台地区）生态效率均值

图2 全国及各区域生态效率均值

（四）变量描述性统计与多重共线性检验

表2显示各变量指标的描述性统计结果。省级层面中农业经济发展与农业机械化水平差异性较大，这与不同地区行政区域面积大小、地理位置、耕地面积等因素有较大关系。为避免多重共线性问题使结果和模型预测的功效下降，对相关性变量进行多重共线性检验。相关系数显示，农业经济发展与农业机械化水平间相关系数数值最大，为0.3058，其他变量之间相关系数绝对值均小于0.3，表明各变量之间不存在严重多重共线性问题。同时，将其中某一变量作为被解释变量与剩余变量建立辅助回归方程而得到的拟合系数，进而计算方差膨胀因子（vif）。结果显示方差膨胀因子的数据均小于2，表明采用变量之间的多重共线性不会影响最终的估计结果。

表2 总体描述性统计与相关性检验结果

四、实证结果与分析

（一）滞后阶数确定与稳定性检验

在面板VAR模型建立过程中，确定变量滞后阶数对模型设定和拟合至关重要。当滞后阶数过长时，模型所需估计参数较多，会损失较多自由度进而降低拟合精度；当滞后阶数过短时，又无法完整捕捉模型的动态特征。为确定面板向量自回归模型中滞后阶数，使用MAIC、MBIC与MQIC准则选取面板向量自回归的最优滞后阶数。

根据表3结果，MAIC准则MBIC准则MQIC准则选择的滞后阶数均为1阶，与此同时特征值的单位根均小于1，因此认为数据整体稳定，可进行后续的系数估计、脉冲响应函数检验及方差分解。

表3 滞后阶数选择结果

（二）面板向量自回归分析

对公式（1）建立的PVAR 模型采用系统GMM 法估计，回归结果如表4 所示。可知农业经济发展、农业机械化水平、生态效率三个变量之间存在显著的双向动态关系，各变量滞后一期值对其余变量均有影响，证明上述理论推导，即变量之间存在动态双向影响关系。

表4 GMM系数估计

在农业经济发展方程中，农业机械化水平滞后一期的估计系数在1%水平上显著为正，表明前一期农业机械化水平提高的正向冲击将会促使农业经济正向发展，这与（陈政等，2020）观点一致，但生态效率滞后一期的估计系数为负且不显著，可能原因在于生态效率的变化传导至农业经济发展存在时滞性，减少化肥施用量、减少塑料薄膜使用等减少环境污染的措施在提高生态效率的同时也约束农业生产。

在农业机械化水平方程中，农业经济发展滞后一期的估计系数在1%水平上显著为正，表明前一期农业经济发展的正向冲击会促使农业机械化水平增长，形成原因在于农业经济发展会使农业从业人员产生正向预期，从而投入更多生产要素生产，伴随这一过程，农业生产中的现代化农业机械的使用就会随之增加，因此使农业机械化水平得到提高。生态效率滞后一期的估计系数同样在1%水平上显著为正，表明前一期生态效率水平提高的正向冲击会促使农业机械化水平的增长，通过农业生产要素投入合理化与提升要素使用效率等机制提高生态效率水平的过程中引致了提升农业机械化的现实需求，因此生态效率水平促进农业机械化增长（彭超等，2020）。

在生态效率方程中，农业经济发展与农业机械化水平的滞后一期估计系数在1%水平上显著为正，表明前一期农业经济发展的正向冲击将促使生态效率提高，这是因破解当前农业发展中的瓶颈，关键在于体现数量和质量效益并重、提高竞争力、加快农业技术创新、重视可持续的集约发展，走一条产出高效、产品安全、资源节约、环境友好的现代农业发展道路。农业生产已从注重增量转变为兼顾生态与经济的发展道路上，因此农业经济发展会促使生态效率向前沿面迈进。

（三）脉冲响应分析

进一步分析各变量在受到系统中其他变量冲击后的时间路径变化情况，即脉冲响应函数图（见图3）。本文主要分析农业经济发展、农业机械化水平、生态效率三个变量中各变量在受到其他变量冲击后的响应，考查到该变量从初始冲击到长期稳态的整个动态过程。图3给出三个变量面板向量自回归模型的脉冲响应函数图形。中间的实线表示给予某变量一个标准差的冲击后另一变量的脉冲响应值，上下边缘即为95%置信区间下的上下界结果采用Monte-Carlo 模拟200 次得到，横轴表示冲击作用所持续的滞后期数。

图3 脉冲响应分析图

分析脉冲响应图可得出以下几点：

第一，农业经济发展会促进农业生产要素配置水平及技术含量的提升，对农业机械化水平和生态效率有长期促进作用。给农业经济发展一个标准差大小的冲击，其自身会受到正向影响，在最初波动峰值后逐渐趋于平稳并在第2周期恢复稳定值。农业经济发展的冲击对农业机械化水平呈持续性影响，在第2期的峰值后，会出现缓慢降低，但持续时间较长，在第10周期仍保持正向影响。农业经济发展的冲击对生态效率产生长期持续的正向影响。

第二，农业机械化水平的提高将在长期内改善生态效率并提高农业经济发展，但随着农业生产靠近前沿面，短期内农业经济发展增速提升，长期增速逐渐收敛。给农业机械化一个标准差大小的冲击，其自身会受到正向影响，并在第2周期后恢复稳定。农业经济发展受到正向影响，冲击持续时间较短并在第6周期恢复稳定。生态效率受到持续性正向影响。

第三，生态效率的提高带动农业经济发展。给生态环境治理一个标准差大小的冲击，其自身受到冲击较小，并在第4周期后逐渐恢复稳定。农业经济发展受到正向影响。对农业机械化水平的作用较小且不明显。

（四）方差分解

为进一步精确评估各扰动项对整个系统内生变量冲击的影响程度，并据此判断不同结构冲击对各内生变量的重要性，对面板VAR模型进行方差分解，表5给出不同变量在第10～50个预测期的方差分解值。可知，农业经济发展、农业机械化水平、生态效率变量在第10个预测期和第50个预测期时的方差分解值基本一致，也即说明在第10个预测期后各变量之间相互贡献度已基本稳定。

表5 预测误差的方差分解

根据第50 期预测结果可知，在面板变量农业经济发展（T）方程中，三个变量比例为T∶V∶E=0.497∶0.052∶0.451，可发现生态效率的能够解释农业经济发展变动的45.1%，而农业机械化水平只能解释5.2%，因此可以说生态效率的影响已超过农业机械化水平的影响成为农业经济发展的主要因素。

在面板变量农业机械化水平（V）方程中，三个变量比例为T∶V∶E=0.177∶0.225∶0.598，可发现生态效率可以解释农业机械化水平的波动的59.8%，农业经济发展与农业机械化水平自身的解释力度分别为17.7%和22.5%。可以认为生态效率是农业机械化水平变动中的主要因素。

在面板变量生态效率（E）方程中，三个变量比例为T∶V∶E=0.071∶0.037∶0.892。农业经济发展与农业机械化水平解释释力度合计10.8%，生态效率对自身的解释为89.2%，因此可认为生态效率的提升是一个长期过程，农业机械化水平与农业经济发展在短期内对生态环境治理的影响较小。

以上结果表明，生态效率是农业经济发展与农业机械化水平变动中的重要因素，其核心是少投入、少排放、多产出。生态效率的提升是一个长期过程，需要全社会的一致努力，农业经济发展与农业机械化水平虽然对生态效率有正向影响，但均无法在短期内迅速提高生态效率。

（五）格兰杰因果检验

同时间序列VAR 模型一样，面板VAR 模型的一个重要应用是检验各经济变量间的因果关系，因此对本文所涉及的几个变量进行格兰杰（Granger）因果关系检验（见表6）。格兰杰因果关系检验的原假设是H0：该变量不是被解释变量的格兰杰原因。根据计算得到的P 值小于0.05 则拒绝原假设，说明该变量是被解释变量的格兰杰原因。

表6 格兰杰因果检验

根据表6可知，农业经济发展、农业机械化水平与生态效率之间的因果关系，其中农业机械化水平与生态效率均为农业经济发展的格兰杰原因，说明农业机械化水平及生态效率的提高促进农业经济发展。农业经济发展与生态效率均为农业机械化水平的格兰杰原因，说明农业经济发展与生态效率的提升均能促进农业生产中要素配置的合理化与技术水平的提高，从而促进农业机械化水平发展。农业经济发展不是生态效率的格兰杰原因，农业机械化水平是生态效率的格兰杰原因，说明盲目追求农业经济发展速度，并不能改善生态效率，而提高农业机械化水平，提高农业机械的科技含量，减少污染的排放等措施能够对生态环境起到改善作用。

五、结论与政策建议

（一）结论

本文基于我国2004～2015年的面板数据，运用PVAR模型对农业经济发展、农业机械化水平与生态效率的关系进行实证分析。实证结果表明，生态效率、农业机械化水平和农业经济发展三者之间存在相互作用关系。生态效率是农业机械化水平发展与农业经济发展变动中的重要因素。农业机械化水平提高又会促进农业生产要素配置水平提升，对促进农业生态效率的进步和农业经济发展大有裨益。此外，生态效率改善和农业机械化水平提高均对农业经济发展有正向促进作用，证实基本假设1和假设2。从长远发展看，农业经济发展是助推农业机械化水平提高和生态效率改善的重要因素。

（二）政策建议

第一，增加农机补贴，降低农机作业费用，全面提高农业机械化水平。对现有农业机械化模式改革创新，鼓励和发展农机跨区作业，促进在重点区域的使用和推广。以供给侧结构性改革为切入点，以农业机械化与多种形式适度规模经营融合、机械化信息化融合为路径，推动农机装备、服务组织和作业水平向数量质量效益并重转型升级，推动农业经济健康稳定发展。

第二，加强宏观调控，对生态农业建设加大政策倾斜并采取优惠措施。加大对资源节约型高效生态农业补贴力度、增加财政拨款、建立健全区域生态农业项目的补偿机制等多措并举，促进农业可持续发展。以绿色生态为导向，以改革创新为动力，加快建设资源节约型、环境友好型社会，大力推进生态文明建设，发展循环经济。同步提高农民的生态环保意识，树立循环发展、高效生态发展的农业经济发展理念，对资源进行合理循环利用，提高土地资源使用效率，走生态环保道路，全面推进生态农业。

第三，加大农业科技创新投入力度，加强农业信息化建设。以建设“智慧农业”为目标，加强建设农业信息基础设施，提升农业信息技术创新应用能力，加快推进农业生产智能化、管理信息化、服务实时化，全面提高农业农村信息化水平。将智能化元素融入农业经济建设中，深入推进“互联网+农业”，创新驱动农业经济转型发展，提升农业经济发展效率和质量，筑牢经济社会持续健康发展的根基。