环境规制下中国农业技术效率的区域差异与影响因素——基于农业碳排放与农业面源污染双重约束的视角

解春艳，黄传峰，徐 浩

（南京工程学院经济与管理学院，江苏南京 211167）

由温室气体排放引起的气候变化和污染排放引起的环境污染是中国经济发展面临的主要环境问题。IPCC（2013）评估报告指出，农业是温室气体的主要来源之一，二氧化碳是首要的温室气体。中国是世界最大碳排放国，农业碳排放远高于全球平均水平，在碳减排压力下，中国农业生产具有巨大的碳减排空间与发展低碳农业的前景。农业不仅是温室气体的排放源，也是污染物排放的来源。《“十三五”生态环境保护规划》第一次将环境质量指标纳入五年规划的约束性指标，化学需氧量（COD）排放量和氨氮排放量作为主要约束性指标，成为环境治理的重点。2015年农业源COD 排放量占中国COD 排放总量的48.06%，农业源氨氮排放量占中国氨氮排放总量的31.58%，农业生产导致的面源污染已成为环境污染的主要污染源。

农业生产的特性决定了农业生产对资源和环境具高度依赖性，资源投入增加与生产效率提高是农业增长主要来源，而无效率的农业生产会导致资源浪费及污染加重。农业发展和环境保护的共赢是农业可持续发展的必然要求。将环境因素纳入农业技术效率，通过农业环境技术效率来表征农业经济增长、资源利用与环境质量能合理反映农业发展的可持续性。

国内外不少学者对环境约束下的农业技术效率进行了研究，在农业环境指标选取与测算方面，一是采用单元调查评估法和清单分析方法核算农业产污单元的农业污染排放量，产物单元主要从农田化肥、畜禽养殖、农田固体废弃物、水产养殖、农村生活等方面考察，核算的农业污染物主要包括化学需氧量（COD）、总氮（TN）和总磷（TP）。例如李谷成等［1］、杨俊等［2］、梁流涛等［3］、韩海彬［4］、沈能等［5］、张可等［6］学者在农业技术效率测度模型中采用这种方法对农业污染进行核算。杜江［7］、杜江等［8］、叶初升等［9］则在化学需氧量、总氮、总磷的基础上，增加农药流失和农膜残留作为农业技术效率测度模型的非期望产出。二是采用物料平衡法估算农业污染排放量，将农业污染表示为投入要素中含有或产生的氮磷总量与被农作物或牲畜吸收的氮磷总量之差。例如，崔晓等［10］、张屹山等［11］采用该方法分析中国农业技术效率。三是采用农业碳排放测算农业污染。例如，Shortall 等［12］、Vlontzos 等［13］、Vlontzos 等［14］、钱丽等［15］、田伟等［16］、李博等［17］、孟祥海等［18］采用碳排放作为农业生产的非期望产出对农业技术效率进行测算。四是选取农地氮盈余强度为非期望产出指标，测算农业技术效率［19］。

综观现有文献，学者们从不同的环境约束角度对农业技术效率进行了研究，但仍存在以下不足：第一，以往的文献多是采用单一的农业污染物作为环境指标，无法体现日益复杂的农业污染现象。农业面源污染主要来源于农业资源的大量投入、农业废弃物不当处理等，而农业碳排放除了来自于农业投入和废弃物外，另一个主要来源是农业机械［20］。农业生产中碳排放与面源污染在减排目标上具有一致性，但也存在相互制约，如为减少污染物排放但又不降低农业生产效率，势必要提高农业生产要素的利用效率和农业现代化水平，而农业机械不仅是重要的农业生产要素，而且是发展现代化农业必不可少的物资设备，农业机械的大量投入将造成能源消耗的加大，导致农业碳排放的增加。因此，在考察农业技术效率时不能仅依靠单一的污染指标来衡量，而需要综合平衡多个环境指标。第二，大多文献对农业技术效率影响因素的研究采用Tobit模型进行估计，然而在分析农业技术效率的影响时，作为被解释变量的效率值与解释变量之间存在内生性问题，基于Tobit模型的估计结果可能存在偏误。

鉴于此，相较于以往研究，本文从以下2个方面进行拓展：第一，将农业源碳排放与农业面源污染排放两个维度的环境指标纳入统一框架分析农业技术效率，并从省域与区域两个层面分析农业技术效率的区域差异。第二，采用截断Bootstrap 方法从社会经济特征和农业生产特征两个方面分析农业技术效率的影响因素，以克服Tobit模型的局限性。

在农业低碳转型和环境约束背景下，研究碳排放与面源污染双重约束下的农业技术效率及其区域差异和影响因素，对于提高资源利用效率、实现农业低碳绿色生产与可持续发展具有重要意义。

1 研究方法与模型构建

1.1 环境生产技术

在上述假定下的环境生产技术可以具体表示为：

1.2 非径向方向性距离函数

借鉴现有研究，本文采用考虑非期望产出的非径向方向性距离函数测算碳排放与面源污染双重约束下的农业技术效率［22-24］。定义各决策单元技术效率的非径向方向性距离函数为：

非径向方向性距离函数构建模型如下：

EE介于0和1之间，当EE的值为1时，表示决策单元的农业技术效率位于生产前沿面上。

1.3 指标选取与数据处理

环保部自2011年开始对农业源污染数据进行统计，因此本文样本区间采用2011—2015年的数据。研究对象选取中国31个省、自治区、直辖市（由于数据获取困难，研究区域不包括香港、澳门和台湾），相关原始数据来自于历年的《中国统计年鉴》《中国环境统计年鉴》以及中国31个省、自治区、直辖市（以下简称为省域）历年的省统计年鉴。

投入和产出指标选取及数据处理如下：

投入要素。投入要素主要包括资本、劳动力和土地。资本包括农用化肥、农业机械和灌溉，化肥投入（X1）采用农用化肥施用折纯量来衡量，农业机械投入（X2）采用农业机械总动力来衡量，灌溉投入（X3）采用有效灌溉面积来衡量；劳动力投入（X4）采用农林牧渔业从业人数来衡量；土地投入（X5）采用农作物总播种面积来衡量。

期望产出。期望产出（Y）采用农林牧渔业总产值来衡量，以2011年为基期，用历年各地区农林牧渔业指数消除价格影响。

非期望产出。非期望产出包括农业源碳排放（B1）和农业源污染排放。其中农业源污染排放包括农业源COD 排放量（B2）和农业源氨氮排放量（B3）两个指标。农业源碳排放量的计算借鉴田云等［25］、吴贤荣等［26］和采用的农业碳排放测算方法，从农地利用、稻田和牲畜养殖3个方面确定农业碳源因子，其中农地利用碳排放主要来源于化肥、农药和农膜使用导致的碳排放，农业机械运用中柴油消耗导致的碳排放，农业翻耕导致的有机碳流失与氧化亚氮的排放，以及农业灌溉过程中电能利用导致的碳排放；稻田碳排放主要来源于水稻生长过程中甲烷的排放；牲畜养殖碳排放主要来源于养殖引起的甲烷排放。碳排放的估算公式可以表示为：

式（7）中，E表示农业源碳排放总量；Ei表示各类碳源的碳排放量；Ti表示各类碳源的排放量；表示各类碳源的碳排放系数。

2 环境规制下农业技术效率分析

2.1 省域农业技术效率分析

DEA模型进行效率测度时要求决策单元的生产过程满足等张性假设。为检验农业技术效率投入产出的等张性，采用Pearson 相关性分析检验投入产出变量之间的相关关系。Pearson 相关性检验结果如表1 所示，投入产出变量之间均在1%的统计水平下显著正相关，满足等张性假设，表明投入与产出建立的效率测度模型具有可信度。

表1 投入产出变量之间的相关性检验

根据非径向方向性距离函数模型，测得2011—2015年31个省域碳排放与面源污染约束下的农业技术效率。

从2011—2015年各年的农业技术效率来看，农业技术效率均达到生产前沿面的省份包括北京、内蒙古、辽宁、江苏、上海、浙江、福建、海南、云南、西藏、陕西、青海和新疆13个省份。山东的农业技术效率值在2012年略有下降，其他年份均达到前沿面；甘肃的农业技术效率值在2011—2014年位于前沿面，2015年开始下降；河北的农业技术效率值在2011—2013年达到前沿面，2014年开始下降；贵州的农业技术效率值从2011 开始逐渐上升，2013—2015年达到生产前沿面；广西的农业技术效率在2011年位于生产前沿面上，自2012年起呈现逐渐下降的趋势，效率值从2012年的0.866 降为2015年的0.774；其他省份中，广东、吉林、四川、湖北和重庆的农业技术效率值均在0.6 以上；黑龙江、宁夏、天津、山西、湖南、河南、江西、安徽的农业技术效率值均在0.5 以上。

从2011—2015年的平均农业技术效率来看，北京、内蒙古、辽宁、江苏、上海、浙江、福建、海南、云南、西藏、陕西、青海和新疆的农业技术效率达到生产前沿面；山东、甘肃、河北和贵州的农业技术效率值在0.9 以上，处于相对较高的水平；广西和广东两省效率值相对较高，分别为0.860 和0.752；吉林、四川、黑龙江、湖北、重庆、宁夏和天津的效率值在0.6～0.7 之间；山西、湖南、河南、江西和安徽的农业技术效率值在0.5～0.6 之间，其中安徽的农业技术效率值最低，仅为0.516。

2.2 区域农业技术效率分析

区域农业技术效率分析主要是从三大地带、八大经济区域以及粮食生产与消费的三大功能区3个层面展开研究。三大地带是东部地区、中部地区和西部地区，八大经济区域是南部沿海地区、东部沿海地区、北部沿海地区、长江中游地区、黄河中游地区、东北地区、西北地区和西南地区。本文研究对象是农业技术效率，因此按照农业资源禀赋差异，根据财政部和国家粮食局的分类，将中国省域划分为粮食主产区、粮食主销区和粮食平衡区三大功能区。

从中国的三大地带来看（见图1），2011—2015年东部地区的农业技术效率值均在0.92 以上，西部地区的农业技术效率值均在0.86 以上，而中部地区的农业技术效率值则相对较低，均在0.66以下。可见，中部地区的农业技术效率值与东部地区和西部地区差距明显。东部地区发展较快，先进农业环保技术利用水平及技术创新能力处于全国前列，技术进步与生产效率的提升使得农业技术效率较高且不断上升。西部地区具有独特的农业资源优势，以发展特色农业为主，高污染高能耗的农业生产技术与产品投入相对较少，所以农业技术效率相对较高。中部地区是中国重要的粮食生产地，农业资源投入多、消耗量大，而农业技术水平相对欠缺，造成农业生产效率低而碳排放量与面源污染排放量多。

图1 三大地带的农业技术效率

从中国的八大经济区来看（见图2），2011—2015年平均农业技术效率从高到低依次是东部沿海地区（1.000）、南部沿海地区（0.917）、西北地区（0.915）、北部沿海地区（0.881）西南地区（0.818）、黄河中游地区（0.789）、东北地区（0.788）和长江中游地区（0.567），其中东部沿海地区已达到生产前沿面。与2011年相比，2015年南部沿海地区、北部沿海地区、长江中游地区、黄河中游地区和西北地区的农业技术效率值略微下降，而东北地区和西南地区略有上升。

图2 八大经济区的农业技术效率

从中国的三大功能区来看（见图3），2011—2015年粮食主产区、粮食主销区和粮食平衡区的农业技术效率基本保持稳定，波动较小。整体而言，粮食主销区的农业技术效率最高（均值0.911），其次是粮食平衡区（均值0.871），粮食主产区的农业技术效率最低（均值0.751）。可见粮食作物的种植对一个地区的农业技术效率具有较大影响。

图3 三大功能区的农业技术效率

3 农业技术效率的影响因素分析

3.1 理论分析与模型设定

影响农业生产及其效率的因素不仅包括农业生产条件，还包括社会经济状况等，且后者在现代农业生产中的作用越来越重要［16］。本文从社会经济特征和农业生产特征两个方面探讨农业技术效率的影响因素。

社会经济特征。社会经济特征主要是从经济发展水平、互联网发展水平、农业财政支持和环境治理力度等方面来考察。第一，Grossman 等［27］指出环境质量与经济发展水平之间存在“倒U 型”曲线关系，被称为环境库兹涅茨曲线（EKC），我国一些学者对中国农业技术效率与经济发展水平之间的EKC 假说进行了检验，如沈能等［5］研究认为农业环境技术效率与农业增长呈现出类似于EKC 的“正U型”关系，杜江等［8］研究发现农业环境全要素生产率与人均收入之间呈现出“倒U 型”曲线特征。因此，本文在模型中引入经济发展水平及其平方，检验农业技术效率EKC 假说，经济发展水平指标按照研究惯例采用人均国内生产总值（GDP）来衡量。第二，随着“互联网+”现代农业行动的实施，互联网与农业的融合创建了以互联网作为支撑的农业新形态，这是一种生产高效、质量安全、资源节约、环境友好的可持续农业，互联网已成为推动农业技术效率水平提升不可或缺的重要因素，本文采用互联网普及率来衡量互联网发展水平。第三，农业财政支持力度反映出当地农业基础设施水平和农业生产条件状况，采用地方财政农林水事务支出占地方财政支出的比重来衡量。第四，一个地区的农业环境质量与当地环境治理力度密切相关，本文采用环境污染治理投资占GDP 的比重来衡量环境治理力度。

农业生产特征。农业生产特征主要是考察种植结构和农业机械化水平对农业技术效率的影响。上文的研究发现，粮食主产区的农业技术效率明显低于其他地区，为分析种植结构对农业技术效率的影响，采用粮食作物播种面积占农作物总播种面积的比重来考察。农业机械化是实现农业现代化、提高农业生产效率不可或缺的物资设备，农业机械化水平直接影响农业生产成本，影响农业投入的减量化使用和农业科技的广泛应用，本文采用农业机械总动力占农林牧渔业从业人数的比重来衡量农业机械化水平。

为检验碳排放与面源污染约束下农业技术效率的影响因素，构建计量模型如下：

式（8）中，i和t分别表示第i个省份和第t年，AEE 表示农业技术效率，AGDP 表示经济发展水平，INT、FS、EG、PS 和ML 分别表示互联网发展水平、农业财政支出、环境治理力度、种植结构和农业机械化水平。表示常数项，表示被估计系数，表示统计噪声。

3.2 计量结果与分析

由于DEA 方法测度的效率值不是真实值，而是相互依赖的经验估计值，这就可能造成效率值与其影响因素之间存在内生依赖性，使得以误差项独立分布为基本假设的传统回归方法失效。因此，在分析农业技术效率的影响因素时，如果采用传统的OLS模型或Tobit模型，则估计结果存在不一致性，是有偏的，而截断Bootstrap 方法能够克服这一缺陷，使效率的回归分析结果可靠性更高［28-29］。鉴于此，本文采用截断Bootstrap 方法分析农业技术效率的影响因素，回归结果如表2 所示。

表2 农业技术效率影响因素的Bootstrap 回归结果

从社会经济特征来看，人均GDP 的回归系数为负，人均GDP 平方项的回归系数为正，且两者均通过了1%显著性水平检验，说明农业技术效率与经济发展水平之间存在“正U 型”关系，符合EKC 假说。当经济发展水平较低时，粗放的农业生产方式不仅生产效率低下而且导致生态环境恶化，此时农业技术效率随着经济增长呈现下降趋势，当经济发展达到一定水平后，人们对高质量的农产品和生活环境需求增加，国家通过制定相应的法律法规、制度等，加强环境污染监管与治理，推广和使用清洁环保的农业生产技术，推进了农业生产经营方式由粗放型向集约型转变，此时农业生产效率提高的同时也抑制了碳排放与面源污染，农业技术效率随着经济发展水平的提高而上升。互联网发展水平的回归系数显著为正，说明互联网发展水平的提高对提升农业技术效率具有促进作用。随着互联网发展水平的提升，互联网与农业的结合，加速了农业发展科技化、智能化和数字化，有助于推动高产高效、生态安全农业的发展。农业财政支持的回归系数显著为正，说明地方财政支出越多，农业技术效率越高。农业发展离不开财政支持，地方财政的农业支出不仅保障了农业生产的基础设施建设，对于提高农业生产条件和农业综合生产能力具有积极作用，而且能够在一定程度上减少农业污染。环境治理力度的回归系数为正，但未通过显著性检验，可能的原因是，环境治理更多地针对工业和城市，相对于工业和城市的点源污染，农业面源污染的分散性、随机性和隐蔽性造成农业污染的治理难度较大，治理效果难以显现，从而导致环境治理虽然能提升污染约束下的农业技术效率，但尚未充分发挥作用。

从农业生产特征来看，种植结构的回归系数显著为负，表明粮食作物播种面积占农作物总播种面积的比重越高，农业技术效率越低。造成这一现象的原因是，城镇化的加快以及农村外出务工人员的增多导致土地资源稀缺以及农村劳动力的流失，为保障粮食供应安全，不得不加大化肥、机械等其他方面的投入。农业机械化水平对农业技术效率的影响不显著，可能的原因是，区域间和产业间机械化发展不平衡、农机与农艺配套不协调、机具增长与利用率提高不同步等问题导致农业机械的性能单一且组织化程度不高，农业机械的应用尚未广泛普及，难以发挥农业机械化在农业生产中的作用。

4 结论与启示

本文运用非径向方向性距离函数，对农业碳排放与农业面源污染约束下中国31个省（区、市）的农业技术效率进行测度，讨论了三大地带、八大经济区以及三大功能区农业技术效率的区域差异及特征，并采用截断Bootstrap 方法对农业技术效率的影响因素进行分析，得到结论与启示如下：

第一，农业技术效率存在显著的区域性差异，且在碳排放与面源污染双重约束下，农业技术效率在西部地区与中部地区的差异明显。从省域层面来看，2011—2015年中国近60%省域的农业技术效率未达到生产前沿，农业技术效率仍存在较大的提升空间。从区域层面来看，在三大地带中，东部地区和西部地区的农业技术效率值较高，而中部地区则与东部与西部地区差距较大；在八大经济区中，东部沿海地区的农业技术效率处于最优生产前沿面，南部沿海地区、西北地区、北部沿海地区和西南地区处于较高水平，黄河中游地区和东北地区次之，长江中游地区的农业技术效率最低；在三大功能区中，粮食主销区的农业技术效率最高，其次是粮食平衡区，粮食主产区的农业技术效率最低。不同区域因农业生产结构不同，区域间的农业技术效率差异明显，因此，在农业发展与环境管理上应根据各地区的资源禀赋、技术水平等制定差别化的政策。对于农业技术效率较高的地区，注重农业发展质量，强调低污染低消耗，应用高效清洁的农业生产技术，实现农业现代化。对于农业技术效率较低的地区，立足于资源优势，优化农业要素投入，提高资源利用和环境保护的能力。

第二，各地区的社会经济特征与农业生产特征对农业技术效率具有一定的影响。就社会层面而言，“互联网+”现代农业将成为现代农业发展的新格局，一方面利用互联网技术创新生态农业、循环农业等技术模式，为农业可持续发展提供技术支撑，另一方面，利用互联网推动农业生产精准化、农业管理透明化，健全农业综合管理与服务体系；加大农业财政支持力度，提高农田水利等农业基础设施建设水平，改善农业生产条件；在保障农业污染治理投入、提高农业环境治理效率的基础上，制订有针对性的农业环境管理政策，保证农业环境管理活动的有效进行。从农业生产特征来看，粮食主产区应尽快转变粗放经营为主的农业生产方式，推进农业集约化经营，减轻环境压力；加强符合中国农业生产特征的农业机械化产品创新与研发，推进农业机械向智能化、绿色化发展，加强农机与农技农艺的融合，调动农业生产者使用农业机械的积极性，促进农业机械的应用与普及。