农业科技创新对农业生态效率影响研究

吴 磊，杜 静，朱晨高

（中国地质大学（武汉）经济管理学院，湖北 武汉 430074）

一、引言

农业是中国支撑国民经济建设和发展的基础产业，中国政府历来重视农业的发展，出台了诸多政策提高农业综合生产能力，农业生产现代化与生产效率得到了显著提高。但是，在我国农业经济迅速发展的过程中，也伴随着生产资源浪费、土壤肥力下降、生态环境破坏等严重问题。《第二次全国污染源普查公报》显示，2017 年种植业源水污染排放的主要污染物中氨氮流失量达到8.30 万吨；总氮流失量达到71.95 万吨。2018 年，全球农业活动排放的温室气体相较于1990 年增加了18%[1]。由农业粮食系统中产生的温室气体的排放占全球人为温室气体排放的1/3。其中，中国农业温室气体的排放量约占世界的11%～12%[2]。作为一个人口大国，中国农业的发展不仅承担着保证粮食安全的使命，还时刻面临着资源约束增强，环境污染严重等问题。

良好的生态环境是实现可持续发展的内在要求，是增进民生福祉的优先领域。面对这些挑战，中国政府以绿色生态为导向，提出一系列举措来强化农业面源污染治理、资源循环利用以及生态保护，推动农业发展方式转变。其中，农业科技创新作为引领农业生产发展的动力之源，发挥着重要作用，是提高农业生态效益、缓解环境污染问题、推动农业绿色发展、实现农业可持续发展的重要工具。因此，科学地探究农业科技创新对农业生态效率的影响，将有助于更加客观地认识当前农业生产发展的现实，对于制定合理的农业发展政策、把握农业可持续发展的方向、推动农业绿色化、生态化发展，实现农业经济、资源与环境三者协调统一发展具有重要的指导意义。

二、文献综述

“生态效率”概念由德国学者Schaltegger 和Sturm（1990）[3]于1990 年首次提出，主要是指生产活动所带来的经济价值与环境影响的比值。随着研究的不断深入，生态效率的含义逐渐丰富，主要是指在达到地球估计的生态环境承载能力下的满足人类生存和发展需要的产出与资源环境投入之间的协调关系[4]。农业生态效率则主要是指在保证农业经济发展的前提下，尽量减少农业要素投入和资源消耗，尽可能降低对生态环境的污染破坏[5]，是衡量农业经济、环境、资源三者协调关系的科学评价手段[6]。随着农业资源约束不断增强，环境污染问题日益严重，国内外学者对造成农业生态效率低下的原因进行了广泛的探讨，其得到的结论大致相同，认为资源投入过多和污染排放过量是农业生态效率损失的主要原因。如Rybaczewska Blazejowska 和Gierulski（2018）[7]研究发现由于自然资源，特别是能源的大量消耗以及肥料的过度使用，导致过度的污染排放是造成农业生态效率低下的主要原因。

关于农业科技创新与农业生态效率间关系的研究相对较少，但现有的研究均表明科技进步是农业生态效率提升的重要驱动力[8]。农业科技创新一方面可以通过提高农业资源配置效率，推动农业结构调整，促进农业生产方式转变等途径提升农业竞争力，从而促进农业经济增长，提高农民的收入，减少农村贫困[9]；另一方面可以通过提高资源利用程度，减少资源浪费，以及通过各种清洁、节能设备等绿色技术创新来抑制碳排放[10]，从而提升农业生态效率。但是，也有许多学者持相反态度，提出农业科技创新并不总是有利于降低农业碳排放，机械型的技术进步也是农业碳排放增加的重要原因之一[11]。如王宝义和张卫国（2018）[12]研究发现，农业机械化所带来的环境负面影响已超过了正面影响，对于农业生态效率存在抑制作用。与此同时，农业科技创新也可能导致农村剩余劳动力转移[13]等变化而使得碳排放的增加[14]。正因如此，导致在关于农业科技创新与农业生态效率间关系的实证研究方面，不同学者的研究结论不尽相同。Abedullah 等（2015）[15]通过对巴基斯坦农业采用不同技术的结果展开对比分析发现，采用新技术更有利于生态效率的提升；吴梵等（2020）[16]指出农业科技创新对农业生态效率存在显著的促进作用和明显的空间依赖性特征。但王辰璇和姚佐文（2021）[17]从投入的角度探析了农业科技创新与农业生态效率间的关系，认为两者呈现“倒U”型特征。

此外，自然地理因素是影响农业生产发展的基础要素。农业经济的发展根本上要依赖于自然地理环境，农业生态效率不仅受到社会经济的影响[18]，还受到农业资源禀赋、自然生态环境[19]等多种因素的影响。随着科技创新的发展，农业生产越来越能够摆脱自然因素的制约，因此越来越多的学者将自然地理因素与农业科技创新相结合，从自然地理视角探究农业科技创新对农业发展的影响。由于农业区位选择对农业生态效率着重要影响，因此不同区位的农业科技创新对农业经济发展的影响也不尽相同。Antonelli 等（2010）[20]指出技术进步偏向与区域自然要素禀赋相匹配时更有利于农业全要素生产率的提高，反之，也会起抑制作用；李洁等（2019）[21]以内蒙古为研究对象发现农业科技进步在总体上对碳排放的增加具有抑制作用，但会受到自然与地域等因素的限制使得效果不太明显。王辰璇和姚佐文（2021）[17]研究发现农业科技创新对农业生态效率的影响存在区域异质性。

总结以往文献，目前关于农业生态效率的研究较为丰富，但关于农业科技创新与农业生态效率间关系的研究相对较少，许多学者在研究过程中假设农业科技创新与农业生态效率间关系是线性的。此外，多数学者在探究两者关系时更加注重社会经济因素的影响，而忽略了自然地理因素对于农业发展的限制作用。基于以上基础，本文通过门槛回归模型分析农业科技创新与农业生态效率间的非线性关系，并从异质性角度分别探析经济发展水平、自然地理条件、人力资本视角下农业科技创新对农业生态效率的影响。

三、研究模型设计及数据说明

（一）模型构建

1.SBM-Undesirable 模型构建。传统的数据包络分析DEA 模型在对效率评价时无法考虑非期望产出的影响，因而常常高估效率值，使结果不准确。鉴于环境效益是影响农业生态效率的重要指标之一，因此本文采用考虑非期望产出的SBM 模型对农业生态效率进行测算，模型如下：

式中：x=（xij）∊Rm×n，Y=（yij）∊Rs×n，n 个部门，m个投入，s 个产出，其中s1个期望产出，s2个非期望产出。s-和sb表示投入和非期望产出过剩，而sg代表期望产出不足，ρ 为农业生态效率值。

2.Tobit 回归模型构建。由于考虑含有非期望的SBM 模型测算出的农业生态效率介于0～1 之间，属于截尾数据，相比于采用最小二乘法（OLS）模型估计，采用最大似然估计法对Tobit 回归模型参数进行估计更为准确。因此本文选择采用Tobit 模型进行回归分析，考察农业科技创新对农业生态效率的影响。模型构建如下：

式中，α1～α5为回归系数，α0为截距项，μ 为随机扰动项。

3.面板门槛模型构建。为了进一步考察农业科技创新与农业生态效率之间的关系是否存在非线性的门槛效应，本文通过构建面板门槛模型研究科技创新对农业生态效率的非线性影响。相较于主观判断选择的分组比较，门槛回归模型则更加客观准确，其优点在于不需要给定非线性方程的形式，门槛值及其个数完全由样本数据内生决定。构建模型如下：

单门槛模型：

双门槛模型：

式中，Xit表示控制变量，γ 表示门槛值，μi表示不随时间变化的个体固定效应，εit表示随机扰动项。

（二）变量说明

1.被解释变量。农业生态效率（AEE）综合反映了农业经济增长、农业生态环境保护、资源节约这三者统筹协调发展的情况[22]，因此，本文将投入指标分为资源投入与环境投入，产出指标综合考虑农业发展所带来的经济效益与环境效益，分为期望与非期望产出两种，具体的测算指标如表1 所示。其中，农业劳动力投入，由于没有直接的数据可表征农业劳动力投入，因此采用农林牧渔业从业人员进行估算，农业碳排放主要来源于化肥、农药、农膜、柴油、农业灌溉和机械总动力，借鉴West 和Gregg（2002）[23]的研究，得到六类碳排放系数并将其作乘积求和后得到农业碳排放。农业面源污染排放量的计算方法借鉴方永丽和曾小龙（2020）[5]的研究，通过熵值法将化肥流失、农药残留和农膜残留三类指标综合后计算获得，化肥流失、农药残留与农膜残留的系数分别取值为0.65、0.5、0.1。

表1 农业生态效率投入产出指标

2.解释变量。本文采用农业、林业、畜牧业、狩猎、诱捕、捕鱼的专利申请量作为农业科技创新水平的衡量指标。文中涉及的控制变量主要包括：工业化水平（Indus）、农村金融（RF）、农业机械密度（AMD）、农业人力资本质量（HC）和农业政策（AP）。具体变量说明如下：（1）工业化水平采用工业增加值占地区生产总值的比重衡量；（2）农村金融通过农林牧渔业贷款余额与银行业金融机构贷款余额的比值衡量；（3）农业机械密度用农业机械总动力与农作物总播种面积比值反映；（4）农业人力资本质量由每百个劳动力中高中及高中以上文化水平的人数加以说明；（5）农业政策采用财政农业支出占总支出的比重来衡量。

（三）研究区域、数据来源及处理

本文选取中国2005—2019 年省级区域的面板数据作为研究样本。由于西藏地区数据缺失严重，考虑到数据的可获得性以及统计指标的一致性，本文剔除了西藏地区数据。本文数据主要来源于国家知识产权局、《中国环境统计年鉴》《中国金融年鉴》《中国农村统计年鉴》等。数据单位及描述性统计结果如表2 所示。

表2 变量的统计性描述

四、实证结果与分析

（一）Tobit 回归结果分析

本文运用Stata 15.0 软件进行Tobit 回归分析，表4 显示了农业科技创新对农业生态效率的回归结果。回归（1）和回归（2）的结果表明无论是否加入控制变量，农业科技创新对于农业生态效率都存在显著的正向影响。在加入控制变量后，工业化水平和农村金融、机械密度与农业人力资本质量因素均通过了1%水平的显著性检验，说明这些因素对农业生态效率存在显著影响作用。

表3 Tobit 回归结果

表4 分区域回归结果

回归（2）模型中，农业科技创新的系数为0.036 9，显著为正，表明农业科技水平的提高能够有效促进农业生态效率的提升。这主要是由于农业水、土资源是有限的，通过技术创新可以优化农业水土资源的配置，减少资源浪费，而且各种机械设备的使用可以大大提高农业的生产效率，有助于农业产值的提高。另一方面，随着人们对于生态环境重视程度不断提高，技术创新水平也在逐渐向绿色化的方向发展，绿色技术、工艺等方面创新对于农业生产效率的提高、生态环境的保护都有正向的促进作用。

工业化水平与农业生态效率的回归系数显著为负，表明工业化水平对于农业生态效率存在反向抑制作用。出现此现象的原因可能是一方面工业化水平的提高加强了农业对于机械设备的依赖，化石能源消耗加快，促使农业环境污染进一步增强，另一方面可能是由于工业的发展挤占了农业发展所需的人力资本、资金等生产要素，限制了农业的发展。

农村金融与农业生态效率间的回归系数为-0.023 2，显著为负，说明农村金融与农村生态效率呈负相关关系。国家出台了多项政策推动农村金融的发展，旨在促进农业经济的发展，但农村金融的发展仍面临信用环境缺失，金融市场信息不对称等多种制约因素，负向的影响结果说明农业金融政策仍需要不断完善，仍需要强化监督惩罚手段，充分发挥财政资金的正向引导作用。

机械密度与农业生态效率间的回归系数为0.280 7，显著为正，说明农业机械密度的提升可以有效促进农业生态效率的提升。机械密度在一定程度体现了农业的生产技术水平、农业科技创新成果的推广水平，以及农业的基础设施水平。农业基础设施的改进能够大大提升农业生产效率是可以肯定的。

农业人力资本质量与农业生态效率间的回归系数为0.012，显著为正，说明农业人力资本质量对农业生态效率具有显著的促进作用。分析其原因主要是由于农业劳动力是农业发展的基本要素，受教育程度较高的劳动力不仅思想较为开放，对于技术创新成果接受程度较高，且其环境意识也普遍较高，有利于农业生态环境的保护。相较于传统农业的生产方式，农业的发展正逐渐向绿色农业、精准农业、智慧农业等方向转变，这些都离不开高素质的人才。

农业政策变量通过了1%显著性水平的检验，其影响系数为0.005 7，说明财政农业支出的比重增加会对农业生态效率产生正向影响。从近年来农业财政政策来看，国家以农业增效、农民增收、农村增绿为目标逐步调整和完善农业支持保护政策，在提高支农效能的基础上突出绿色导向，其正向结果说明财政支农政策已成为农业可持续发展的重要保障。

（二）地理区位特征的影响

各省份所处地理区位的不同可能会导致科技创新对农业生态效率的影响呈现异质性，表5 显示了中国东中西部地区、南北方地区、以及“胡焕庸线”两侧地区科技创新对农业生态效率影响的差异。表5 中列（1）～ 列（3）的结果显示东中部地区与中西部地区的经验p 值均拒绝原假设，南北方和“胡焕庸”线分区得到的经验p 值也均通过了显著性检验，证明了上述区域各变量系数差异在统计上的显著性。

（1）东中西部地理区位特征影响的异质性。中国东中西部地区的划分主要依据其地理位置与经济发展水平，东部是最早实行沿海开放政策，其经济发展水平相对较高，而西部地区经济发展水平相对较差。表5 列（1）～ 列（3）的结果显示东、西部地区农业科技创新与农业生态效率之间的系数为正，且均通过了1%的显著性检验，说明东西部地区农业科技创新对农业生态效率存在显著的促进作用。中部地区农业科技创新的系数为负，但未通过显著性检验。分析其原因在于，东部地区经济发达，现代化水平较高，由此东部地区农业基础设施水平相对较高，并且作为政策开放程度较高的地区，对于农业环境保护相关政策、农业绿色技术政策响应程度更快，有助于农业生态效率的提升。西部地区地广人稀，生产条件相对较差、生产技术也相对落后，因而农业科技创新水平适当提高，其对于农业生态效率的影响可能就比较显著。而中部地区的粮食总产量远超过东西部地区，是国家非常重要的粮食生产基地，因而，农业资源投入多，能源消耗量大，但农业技术水平相对较差，在追求粮食产量的同时也可能存在牺牲环境为代价的情况，造成农业资源浪费、碳排放量大与面源污染严重。

（2）南北地理区位特征影响的异质性。中国南北方的温度、气候、降水、土壤环境等自然条件差异较大，由此带来农业资源禀赋、耕作制度、生产方式的较大差异，这既导致农业基础性生产条件的差异，也导致农业发展规划与环境治理政策选择上的差异。表5 中第（4）列和第（5）列结果显示南方和北方地区农业科技创新的估计系数均为正值，且通过了5%水平下的显著性检验，表明无论南方和北方，农业科技创新对农业生态效率均存在显著的正向促进作用。从估计系数大小来看，相较于南方，北方农业科技创新的促进作用更加明显。出现此现象的原因可能是南方地区总体呈现“人多、地少”的特点，水资源较为丰富且分布也比较均匀，在水资源和气候条件约束较小的南方地区，农业生产的基础性条件较好，对于农业技术的需求程度相对较低，而北方地区多以平原为主，地形较为平坦，耕地面积较多，有利于农业规模化和农业技术成果利用效率的提高。此外，北方地区的气候类型主要是温带季风型气候与温带大陆性气候，降水量较少，水资源短缺是限制农业发展的主要因素，农业科技创新如节水灌溉方面的技术水平的提升能够有效减少资源约束的压力。相较于水土资源较好的南方，同等条件的科技创新在农业发展条件较差的地区发挥的作用更大，提高农业产能的效率更高，因而农业科技创新在北方地区作用强度更大。

（3）“胡焕庸线”两侧的异质性。“胡焕庸”线是划分中国人口密度的对比线，将中国分为地理面积差异较小但人口密度十分悬殊的西北和东南地区两部分。表5 中第（6）列和第（7）列结果显示农业科技创新与农业生态效率间影响的系数显著为正，表明无论是西北地区还是东南地区，农业科技创新对农业生态效率存在显著的促进作用。从系数对比来看，相较于东南地区，西北地区农业科技创新对农业生态效率的促进作用更强。出现此现象的原因可能是“胡焕庸线”不仅是人口地理的分界线，也是一条综合的生态环境线，“胡焕庸线”的东南一侧聚集了中国90%以上的人口与产值，其城镇化相对更高，农业技术条件也更为先进，但由于其较为优越的生产条件，使得农业发展对于科技的依赖性较小。而西北一侧不仅人口较少、且生产环境恶劣，极大限制了农业的发展，而农业科技创新则是西北地区减轻人口与资源环境约束，提高农业生产力的有效手段，在同等条件下西北地区农业科技创新水平的促进作用更强。

表5 单门槛模型估计结果

（三）门槛模型回归结果分析

本文首先进行了门槛效应检验，结果显示单门槛模型对应的P 值通过了10%显著性水平的检验，双重门槛模型未通过显著性检验，故选择单一门槛模型进一步估计与检验结果（见表6）。其次本文对门槛估计值的真实性进行检验，结果显示门槛估计值所对应的LR 值为0，小于5%置信水平下的临界值，表明此模型的门槛估计值与真实值相符（限于篇幅，本文未列出门槛效应检验结果与LR 检验图）。回归结果显示：2005—2019 年间农业科技创新对农业生态效率存在门槛效应，且农业科技创新对农业生态效率间的影响呈现“U 型”趋势，当农业科技创新水平低于门槛值时，农业科技创新与农业生态效率之间存在负相关关系，当农业科技创新水平高于门槛值时，农业科技创新对农业生态效率存在显著的促进作用。其原因在于，当农业科技创新水平较低时，农业科技创新一方面可能更加偏向于农业机械技术、化肥、农药等注重提高生产力的方向，对于绿色技术的偏向性不强。而机械设备使用伴随的能源消耗以及化肥、农药等化学化合物的使用都带来了较为严重的环境污染。另一方面是存在创新成果转化效率不高的问题，人们对于新技术的接受程度不高，使得农业科技创新的促进作用发挥不明显。而当农业科技水平逐渐提高时，许多农业技术相对更加成熟，人们对于新技术的接受程度也逐渐提高，并且随着人们环境意识的提高，农业科技创新也逐渐向节能减排、农业环境治理等方向转变，农业技术逐渐偏向绿色化，更有利于农业生态效率的提升。

表6 稳健性检验回归结果

控制变量对农业生态效率的影响。实证结果显示，农业政策未通过显著性检验，与Tobit 回归模型符号相反。其余四个控制变量均通过了1%水平下的显著性检验，其中工业化水平、农业金融与农业生态效率间存在负相关关系，机械密度、人力资本与农业生态效率存在正相关关系。此结论与上文均保持一致，体现了结果的稳健性。

（四）稳健性检验

本文从以下三个角度对上述实证进行稳健性检验。首先是考虑到经济活动的滞后性，本文将解释变量滞后一期作为解释变量进行回归分析，结果如表7 第（1）列。其次，农业受灾情况也是影响区域农业生产发展的原因之一，考虑到遗漏变量可能会对回归结果造成影响，本文将农业受灾率纳入到原有模型中进行回归分析，结果如表7 第（2）列。最后，由于科技创新投入与一个地区的技术进步具有较强的相关性，本文在表7 模型（2）的基础上，采用农业科技投入作为解释变量来进行回归分析。由于缺少直接的数据，本文通过农业总产值占地区生产总值的比重乘上科技研发投入来表征，其回归结果如表7 模型（3）。从表中可以看出农业科技创新影响系数的符号、显著性均未发生改变。其余控制变量的系数，除农业政策外，其影响方向与显著性未发生改变，这说明本文的实证结论是稳健的。

五、结论与建议

本文的主要研究结论如下：第一，从2005—2019 年，中国各省（市）农业生态效率均不断上升；截至2019 年，全国接近2/3 的省份效率值达到有效状态。第二，从全国层面来看，2005—2019 年农业科技创新对农业生态效率存在显著的促进作用；东西部地区农业科技创新对农业生态效率均呈现促进作用，而在中部地区则存在抑制作用，其影响并不显著；北方和西北地区农业科技创新对农业生态效率的促进作用较东南地区更强。第三，农业科技创新对农业生态效率的影响存在门槛效应：当农业科技创新小于门槛值时，两者之间呈现负相关关系，当跨越门槛值后，农业科技创新对农业生态效率存在显著的促进作用。第四，工业化水平、农村金融、农业受灾率对农业生态效率提升存在抑制作用；农业机械密度、农村人力资本、农业政策对农业生态效率总体上呈现显著的促进作用，但在部分区域人力资本与农业政策发挥的作用不明显。

基于以上结论，提出以下几方面的政策建议。（1）要进一步加强对农业科技创新的投入，运用税收减免、财政贴息等优惠政策引导企业加强农业绿色技术创新，特别要促进农业良种培育、节能减排等新型农业技术的创新，突破农业科技创新对农业生态效率负面影响，实现二者的良性互动循环。（2）要更加重视地理特征对于农业生产的影响，针对不同区域的农业发展采取差异化政策，成立区域性农业科技创新中心，注重区域特色农业技术研究，鼓励各地开拓各具特色的生态农业发展范式与路径。（3）要注重农业生态效率的均衡发展，对仍处于低效状态的省份，在政策上予以支持，促进农业生产资源的合理配置，积极促进区域农业规模化、绿色化的发展，实现区域间农业生态效率的均衡提升。（4）要加大政府农业绿色财政支出力度，加大对于农业技术创新的资金补贴，健全农业金融服务体系，完善投融资制度，坚持绿色金融与绿色财政政策共同发力，助力农业生态效率的提升。