农旅融合对中国农业生态效率的作用机制与影响效应

常新锋，张雨祥

（江苏大学财经学院，江苏镇江 212013）

一、引言与文献综述

改革开放以来，中国农业实现跨越式发展，但农村生态环境也日益恶化。《第二次全国污染源普查公报》显示，我国农业化学需氧量、总氮和总磷的排放量分别占各自污染排放量的49.8%、46.5%和67.2%，农业污染问题依然严峻。2022 年中央一号文件明确指出，要推动农业农村绿色发展，加强农业面源污染综合治理。而要实现农业污染持续性减量，就必须从根本上推动石油农业向生态农业进行转型。在现阶段，我国农业生态化发展的重点在于平衡好资源投入、农业产出与生态影响三方面的关系［1］。理论上，农旅融合作为实现乡村振兴的重要举措，在促进农业技术进步、提升农民非农收入以及激励农村生态保护等方面发挥着重要作用［2］，有利于打破农村经济与环境此消彼长的“怪圈”，推动农业生态的可持续发展。那么，中国农业生态可持续发展水平如何？呈现怎样的发展特征？农旅融合对农业生态可持续发展具有怎样的影响？其影响机制是怎样的？在中国农业转型升级的关键时期，回答上述问题，具有较强的理论价值和实践意义。

近年来，诸多学者对中国农业生态可持续发展水平进行测度，并对农旅融合与其关系开展有益探索。首先，农业生态可持续发展的重点在于平衡好资源投入、农业产出与生态影响三方面的关系，因此学者们基于Tone［3-4］提出的SBM 模型，将三者以投入、产出以及非期望产出的形式纳入计算框架中，其中关于非期望产出主要选取农业面源污染［5］、农业碳排放［6］等作为表征，并将测算结果命名为农业生态效率。多数学者的测算结果显示，随着经济社会的发展，中国农业生态效率整体上呈波动的上升趋势，且地区差异显著，东部地区农业生态效率整体较高，低值省份主要分布于中西部地区［7-8］。其次，在农旅融合与农业生态效率的关系探究中，学者们普遍认同两者间存在显著关联性，如周鹏飞等［9］研究发现，农旅融合显著促进农业高质量发展；胡平波等［2］则通过面板平滑转移模型捕捉农旅融合对农业生态效率的非线性影响，发现当融合水平较高时，其正向促进作用呈增强态势。最后，关于农村劳动力转移在两者中的传导效应，现有研究较多聚焦于两者间的关系研究，缺乏将三者纳入同一分析框架中，如张众［10］认为，乡村旅游属于劳动密集型产业，就业门槛低且地点主要在乡村，能有效吸收当地农村劳动力；贺爱琳等［11］研究发现，乡村旅游的发展极大改变农户生计方式，推动农户由务农向旅游经营和务工转变；侯孟阳等［12］发现，农村劳动力转移对农业生态效率的影响存在单一门槛效应，从长期来看，其将有助于农业生态效率的提升。

尽管现有文献对农业生态效率测度以及农旅融合与农业生态效率之间的关系开展大量研究，但相关研究还存在如下不足：一是农业生产过程中虽无法规避碳排放的产生，但农作物光合作用所形成的碳汇量显著高于农业碳排量［13］，而多数学者主要采用单一的农业总产值作为期望产出，忽略农业碳汇量对农业生态的重要作用。二是在现有关于农业生态效率影响因素的探究中，缺乏关于农旅融合对农业生态效率影响效应的深入探析，尤其未重视农村劳动力转移在农旅融合与农业生态效率之间的中介作用。三是以往研究鲜有关注相邻省份间可能存在的空间关联与溢出效应，但随着农业生产要素间的空间流动日益频繁，若忽略空间因素的影响则可能会导致估计结果存在偏差。有鉴于此，本文在期望产出中纳入农业碳汇量，采用超效率SBM 模型进行农业生态效率测度，构建空间杜宾模型实证检验农旅融合对农业生态效率的影响，并进一步探究其作用机制，为实现农业生态可持续发展提供理论依据和决策参考。

二、理论分析与研究假说

农旅融合是以农业为基础和依托，通过农业与旅游业的交叉渗透、功能互补、利益共享，最终形成的产业融合新业态。其实质是在政策、技术、市场多因素驱动下，政府、农户、企业等利益主体为进一步提升经济效益、社会效益与生态效率，在供给与需求的合力推动下，对农业与旅游业价值链的解构与延伸。在农旅融合初级阶段，农村地区基础设施保障有待完善、旅游管理水平相对较低、地方特色不鲜明等问题突出［14］，旅游业在持续侵占农村土地、劳动力等资源的同时，却无法有效提升农民的非农收入作为侵占补偿，以致农民倾向于采用增加石化资源使用的方式达到其短期保产的目的。此时的农民不仅不会关心生态环境［15］，高强度的土地利用与粗放的发展模式更会加剧农业生态的破坏，显著抑制农业生态效率的提升。而在农旅融合高级阶段，旅游业的先进知识与经验持续外溢到农业部门，能不断挖掘农业生态价值以提高农民非农收入，并能通过技术融合的形式实现先进农业技术的推广落地。同时，随着农业生态的价值被重新定价，也愈发能从经济层面为农业的自然资源提供保护［16］，进而显著促进农业生态效率的提升。基于此，提出第一个研究假说：

H1：农旅融合与农业生态效率之间存在“U”型曲线关系。

农村劳动力转移是劳动力资源趋于合理配置的必然要求，而在传统制造业吸纳劳动力下降的情况下，第三产业将成为农村劳动力转移的新方向。从农旅融合对农村劳动力转移的影响来看，在农旅融合初级阶段，旅游业周期性显著的特点将导致融合初期所需固定用工少，临时用工多，但乡土情结又使得农村剩余劳动力更倾向接受这种兼业化的现状，从而放弃向其他高生产力部门进行有效转移，这在一定程度上抑制农村劳动力的有效转移［17］。在农旅融合高级阶段，旅游业对农村劳动力的有效吸纳能力开始凸显，作为劳动密集型产业，其与农业关联性强、就业门槛低、包容性强、离家近等特征直接或间接地对农村剩余劳动力转移作出突出贡献［18］，因此农旅融合对农村劳动力转移的影响也呈非线型。在农村劳动力转移对农业生态效率的影响层面，基于马克思主义相对过剩人口理论，农村地区贫困、低效的根源在于农村劳动力供给相对于农业部门劳动力需求过剩［19］。随着农村剩余劳动力的不断转移，规模化农场、家庭农场等新兴规模经营主体的逐渐增多，机械生产代替传统劳动力生产的需求也愈发强烈，这都将有利于农业生产的标准化与产业化，推动农业生态健康发展，从而对农业生态效率的提升具有积极影响。基于此，提出第二个研究假说：

H2：农村劳动力转移在农旅融合对农业生态效率的影响过程中具有显著的中介效应。

三、数据来源、变量选取与模型选择

（一）数据来源

本文的研究样本为中国31 个省（市）自治区，时间跨度为2004—2020 年。因2020 年新冠疫情对旅游业造成巨大冲击，为降低极端值对模型估计的影响，对变量进行上下5%水平Winsorize缩尾处理。本文涉及的原始数据来源于《中国统计年鉴》《中国农村统计年鉴》《中国旅游年鉴》，部分缺失数据查询各省（市）统计局、旅游局等或由插值法补齐。

（二）变量选取

1.被解释变量 广义的农业为农林牧渔业，狭义的农业则指种植业，本文以狭义农业为研究内容测度农业生态效率。具体测算过程中，投入指标包括农作物播种面积、农业从业人员、农业机械总动力、柴油使用量、化肥施用量、农药施用量、农膜施用量、有效灌溉面积。其中，由于狭义的农业从业人数、柴油使用量和农用机械动力无法直接获取，参照刘华军等［20］的估计方法，将三者按照农业总产值与农林牧渔业总产值的比例进行加权。期望产出指标包括农业总产值和农业碳汇量。农业总产值折算到2004 年不变价，以剔除价格变化的影响［8］。农业碳汇量参考田云等［13］的研究，通过主要农作物的经济产量、经济系数、含水量和碳吸收率计算碳吸收总量，并通过清单法汇总。非期望产出指标包括农业碳排放和农业面源污染。农业碳排放参考李波等［21］的碳排放模型和测算系数。农业面源污染中，化肥流失所造成的污染主要为氮、磷污染，各污染单元排放系数等于产污系数乘以化肥流失率，其中产污系数和化肥流失率分别参考赖斯云等［22］和史常亮等［23］的研究成果。农药、农膜残留量采用使用量乘以无效利用系数，系数参考《第一次全国污染源普查：农药流失系数手册》，在核算过程中尽可能考虑地域差距的影响，同时为避免因指标选取过多导致结果失真，采用CRITIC-熵权TOPSIS 法将农业面源污染综合为一项污染指数进行表征。具体指标说明如表1所示。

表1 农业生态效率投入产出指标

2.核心解释变量 借鉴已有研究成果［24-25］，选取不仅能反映农业和旅游业各自发展水平，还能反映两个系统间相互联系的指标进行表征。农业系统主要包括农业发展规模和农业发展保障，其中农业发展规模是地区农业农村发展水平的重要体现，也是旅游产业链能否向农业延伸的重要前提，通过农林牧渔业增加值、农村居民人均收入和主要农作物产量3 个指标进行衡量；而农业发展保障不仅是农业发展水平提升的重要基石，农村的资源、劳动力等也是农旅协调发展的重要保障，通过农业机械总动力、农村用电量、农业物资消耗和乡村就业人数4 个指标来衡量。旅游系统主要包括旅游业发展规模和旅游业发展保障，其中旅游业发展规模不仅能衡量地区旅游发展的总体情况，也能从侧面反映旅游业对当地农业的吸引力，通过国内游客人数、国内旅游收入和旅游收入占GDP 比例3 个指标来衡量；旅游业发展保障是旅游业发展的主要硬性因素，同时也是旅游业能否进行规模扩充的必要条件，通过旅客周转量、邮电业务量、公路线路里程和限额以上住宿餐饮业从业人员数4 个指标来衡量。

3.中介变量 现有关于农村劳动力转移的定义主要包含两个方面，一种是以农村户籍人口与常住人口之间的差值作为农村劳动力转移的度量，另一种则是以农村劳动力由农业部门向非农业部门的就业转换进行测度。前者强调的重点在于就业由户籍地向非户籍地转移，即农村劳动力空间位置的变动，而后者则更强调农村劳动力就业形式的改变，与本文对农村劳动力转移的概念界定更相符。因此，本文借鉴邵帅等［26］的做法，选取农村非农就业人口占农村总人口的比例对农村劳动力转移予以度量。

4.控制变量 借鉴王宝义等［1］和侯孟阳等的研究［12］，选取如下变量对回归结果进行控制：人均农业增加值以农林牧渔业增加值与农村常住人口的比值进行衡量，同时引入平方项以考察人均农业增加值与农业生态效率间是否存在库兹涅茨曲线关系；财政支农水平以财政农林水事务支出占财政一般预算支出的比例进行衡量；城乡收入比以城镇居民人均纯收入与农村居民人均纯收入之比表示；农作物种植结构以粮食作物种植面积比上农作物播种面积与粮食作物种植面积的差表示；农业受灾率以农作物受灾面积与农作物播种总面积的比值表示；农地经营规模以农作物播种总面积与农村常住人口的比值进行衡量；土地利用强度以有效灌溉面积与农作物播种总面积之比表示；农业机械投入强度以农业机械总动力于农作物总播种面积之比表示。

（三）模型选择

1.基于全局参比的非期望产出超效率SBM 模型 农业生态效率的测度方法主要包括随机前沿分析法（SFA）和数据包络分析法（DEA）。其中，DEA 模型无需预设函数关系，且在处理多投入、多产出方面具有突出优势，因而更符合本文的测算需求。为解决传统DEA 模型中存在的径向与角度问题，Tone［3］将松弛变量纳入目标函数中，构建非径向、非角度的SBM模型。为进一步区分模型中效率值都为1 的有效决策单元，Tone［4］在SBM 模型的基础上进一步提出超效率SBM 模型。本文在全局参比概念的基础上［27］，结合Coelli 等［28］指出的规模报酬可变（VRS）假设仅适用于微观研究对象，构造规模报酬不变（CRS）假设下全局参比的非期望产出超效率SBM模型。具体公式如下：

2.耦合协调度模型 首先通过CRITIC-熵权TOPSIS 法分别对农业与旅游业的各自发展水平进行科学测度，再选取既能反映两系统协同程度，又能体现两系统发展水平的耦合协调度模型测算农旅融合水平［24］。具体公式如下：

式（2）中，R表示耦合协调度，ci、cj表示不同的系统，(αci+βcj)反映系统的综合发展水平，由于两大系统间交叉融合、相互渗透、作用相当，故取α=β= 0.5。

3.空间计量模型构建 为探究农旅融合对农业生态效率的影响效应，并考虑样本之间的空间相互作用，构建空间计量模型。此外，为避免“鸡蛋相生”的内生性问题，借鉴于斌斌等［29］的做法，在传统静态空间模型的基础上，将被解释变量的一阶滞后引入方程。

式（3）～式（5）中，Yit表示i地区t时期的农业生态效率，Yit-1表示i地区（t- 1）时期的农业生态效率，Xit和Xjt分别为t时期i地区和j地区的农旅融合水平，Ctrlsit为其他控制变量，Wij为i地区和j地区空间权重矩阵，ui和νt分别为个体效应和时间效应，εjt为空间自相关误差项，εit为随机扰动项。式（3）为空间杜宾模型（SDM），可认为是空间滞后模型（SAR）与空间误差模型（SEM）的嵌套式，分别为式（4）和式（5）。

为检验农村劳动力转移是否充当中介变量的角色，基于空间杜宾模型采用规范的中介效应模型开展进一步的实证考察。具体的中介效应检验模型设定如下：

式（6）～式（7）中，Mit表示i地区t时期的农村劳动力转移程度，Mit-1表示i地区（t- 1）时期的农村劳动力转移程度。在空间权重矩阵的构建上，借鉴张樨樨等［30］、王传荣等［31］的做法，结合地理距离权重和经济距离权重构建新经济空间权重矩阵，其表达式为：

式（8）中，Wij为i地区和j地区的新经济空间权重矩阵，dij为i地区与j地区的地理距离，采用省会之间的欧式距离来衡量，α为省会之间最短距离的倒数，yˉi和yˉj分别为以2004年为基期进行指数平减后的i地区和j地区人均GDP。

四、结果与分析

（一）中国农业生态效率测度结果分析

通过规模报酬不变假设下全局参比的非期望产出超效率SBM 模型，测算出2004—2020 年中国农业生态效率（图1）。由图1 可知，农业生态效率具有显著的阶段性和区域性特征。分阶段来看，中国农业生态效率整体上呈现出先波动发展（2004—2011 年），再缓慢增长（2011—2017年），最后迅猛提升（2017—2020年）的指数型发展趋势，总体均值从2004年的0.567提升至2020 年的0.925，整体已处于较高水平。分区域来看，东部地区多为沿海城市，经济基础、农业技术水平等较中西部地区具有明显优势，其农业生态效率呈显著的波动上升趋势并于2011年超越西部地区，但飞速发展的背后也存在着典型的“先污染、后治理”现象。西部地区农业生态效率早期呈逐年下降趋势，2011年后才表现为波动上升的演变特征，而中部地区的农业生态效率则一直处于末游位置。这表明，在中西部地区，基础设施不完全、农业经济发展模式相对粗放以及农村劳动力跨区域转移等问题会给农村的资源环境造成巨大压力，致使农业生态效率的增速相对滞后。

图1 2004—2020年中国农业生态效率

为进一步探索中国农业生态效率的分布动态演进特征，分别选取2004、2009、2014 和2020年4个年份为观测时点进行Kernel密度估计（图2）。由图2可见，农业生态效率总体呈现为主峰从左向右、高度提升但宽度缩小的演进特征。这表明，农业生态效率在总体表现为逐步上升的同时，省域间的绝对差异呈显著降低的趋势。样本末期主侧峰高度差距悬殊，双峰状态由强转弱，表明农业生态效率在样本初期具有一定的梯度效应，两极分化较为明显，而在样本末期则主要集中于高效率区间，说明农业生态效率在整个样本期内主要表现为“高高集聚、低低集聚”的近似“俱乐部收敛”式演变格局，也意味着中国农业生态效率在整体步入较高水平的同时，空间非均衡分布也得到有效缓解。

图2 中国农业生态效率的Kernel密度估计

（二）农旅融合对农业生态效率的影响分析

1.空间相关性分析 农业生态效率存在空间相关性是进行空间计量模型回归的基础，可采用全局莫兰指数进行空间相关性检验。表2 检验结果显示，农业生态效率的全局莫兰指数在多数年份通过10%的显著性检验，表明2004—2020 年我国的农业生态效率呈现正向的空间相关关系，即省域间的农业生态效率存在明显的高低各自集聚的“俱乐部收敛”现象。同时，从莫兰值也可发现这种状态年际间差异显著，整体状态尚未稳定。

表2 农业生态效率全局莫兰指数

2.基准回归分析 在空间面板模型的选择上，首先进行拉格朗日乘数检验，结果显示在1%显著性水平上拒绝不存在空间滞后效应或空间误差效应的原假设，但稳健拉格朗日乘数检验显示，在10%显著性水平下不能拒绝不存在空间滞后效应的原假设，因此应选取SEM 模型进行实证检验。但从Wald和LR 检验SDM 模型是否会退化为SEM 或SAR 模型的结果来看，各统计量均在1%显著性水平上拒绝了原假设，因此选择SDM 模型是更为合适的。此外，Hausman 检验在1%显著性水平上拒绝原假设，遂选用固定效应模型。最后从时空固定效应的LR检验来看，个体固定效应和时间固定效应的P值均小于5%，说明双向固定效应模型是最佳选择。综上，本文选取时空双固定效应下的空间杜宾模型进行检验和分析。

为降低异方差可能对模型产生的影响，对所有变量进行对数化处理。而为进一步分析农旅融合对农业生态效率的非线性关系，在模型中加入了农旅融合取对数后的平方项，但因农旅融合水平的取值范围为0～1，为避免取对数后变量值为负数，故采取对农旅融合的测度结果先乘以100再取对数的处理方案。从表3的估计结果来看，SDM的对数似然函数（Log Likelihood）值显著高于其他空间计量模型，且赤池信息准则（AIC）值显著低于其他空间计量模型，再次表明选择空间杜宾模型作为最终分析模型是合理的［32］。此外，空间计量模型的空间项系数（ρ）在5%的显著性水平上通过检验，表明空间计量模型的估计结果是有效的。

从农旅融合对农业生态效率的影响结果来看，无论是否考虑空间效应，农旅融合对农业生态效率的影响始终呈显著的“U”型曲线关系，H1得以有效验证。从空间项系数来看，SDM 中ρ的系数为0.110，且通过了5%的显著性水平检验，表明农业生态效率具有显著的空间溢出效应，即本地区农业生态效率的提升对邻近地区有一定的辐射促进作用。从核心解释变量系数来看，农旅融合的一次项系数为-1.694，二次项系数为0.231，曲线最低处的拐点为39.1，说明当农旅融合水平低于0.391时，旅游业在农业上的延伸仍处于探索阶段，农民生态意识相对薄弱、基础设施不完善等问题突出，农业的生态资本开发不仅未能有效创造更多生态价值，高强度的土地开发反而加剧生态破坏，抑制农业生态效率的提升。而当农旅融合水平超过0.391 时，旅游业先进知识不断外溢，农业生态的价值开始被重新定价，非农收入的提高使得农民开始重新审视农旅融合发展，显著提升农民生态建设的积极性减少有害环境要素的投入。从农旅融合的发展来看，2004—2020年中国农旅融合的平均水平实现从0.358到0.533的波动上升，且现阶段大多数省份农旅融合水平已超过0.391，表明此时推动农业与旅游业的进一步融合将有利于农业生态效率的提升。

3.稳健性检验 本文主要采用以下三种方式进行稳健性检验：（1）采用广义空间两阶段最小二乘法，选取各解释变量及其空间滞后项作为工具变量，基于2SLS 方法对空间面板模型的参数进行更加稳健的估计［33］，以削弱内生性对估计结果造成的偏误。（2）查看静态空间杜宾模型的估计结果与动态空间杜宾模型的估计结果是否一致。（3）选取传统邻接矩阵进行空间权重矩阵的替换。各模型检验结果如表4 所示，其中，模型（1）是广义空间两阶段最小二乘法的稳健估计结果，模型（2）为静态空间杜宾模型估计结果，模型（3）是空间权重矩阵为邻接矩阵的估计结果。从三个模型的估计结果来看，核心变量所得结果与上文相近，拐点值也与上文无明显差异，其他控制变量大多也无根本性变化，从而表明研究结果是稳健的。

表4 稳健性检验实证结果

4.中介效应检验 基于Baron 的中介效应检验步骤，对农村劳动力转移是否充当农旅融合影响农业生态效率的中介变量进行实证检验。表5 显示，步骤二中农旅融合及其二次项的系数分别在5%的水平上显著为负和显著为正，说明农旅融合与农村劳动力转移之间存在明显的“U”型曲线关系，当农旅融合超过拐点值0.119 后，农旅融合将能有效推动农村劳动力转移。值得注意的是，农旅融合推动农村劳动力转移的临界值明显小于提升农业生态效率的临界值0.391，即随着农旅融合水平的提高，其首先表现出对农村劳动力转移的促进作用，而继续提升到一定阈值后，才表现出促使农村劳动力转移与农业生态效率提升的双重效应，从而表明农旅融合对农村劳动力转移的提升更容易显现。这也一定程度上表明，农村劳动力转移可能是农旅融合影响农业生态效率的一个中介变量，即农旅融合可能通过影响农村劳动力转移而对农业生态效率产生影响。从中介效应判断标准来看，农旅融合的系数在三个步骤中均是显著且符合预期的，农村劳动力转移在步骤三中也是显著且符合预期的，依据林伯强等［34］的研究，可以判断其存在中介效应，即农村劳动力转移是农旅融合影响农业生态效率的中介变量。

表5 农村劳动力转移的中介效应检验结果

五、主要结论与政策建议

基于2004—2020年中国31个省（市）自治区面板数据，对中国农业生态可持续发展水平进行测度，并实证分析农旅融合对其的影响。得到如下主要结论：第一，农业生态效率总体呈指数型上升趋势，总体均值从2004 年的0.567 提高至2020 年的0.925，但地区间差异显著，整体呈现为高低各自集聚的“俱乐部收敛”现象。第二，农旅融合对农业生态效率影响呈“U”型曲线关系，表明当农旅融合水平超过0.391 的拐点后能显著促进农业生态效率的提高，且2020 年中国大部分省份农旅融合水平均已突破拐点，此外，本文估计结果在三种不同方法的验证下依然稳健。第三，提高农旅融合水平将首先表现出对农村劳动力转移的促进作用，在超过一定阈值后才表现出促使农村劳动力转移与农业生态效率提升的双重效应，依据中介效应检验标准，验证农村劳动力转移是农旅融合提升农业生态效率的中介变量。

基于上述研究结论，提出以下政策建议：第一，重视农旅融合在提升农业生态效率方面的突出作用。政府可以适当对农旅融合的相关政策加以倾斜，科学合理规划当地农旅融合的产业规模和产业结构，立足自身资源特性，开发出利润附加值高且具有当地文化特色的新型旅游产品，并极力避免短视的同质化开发。第二，努力疏通农村劳动力转移的传导机制。各地区组织应主动担起农村劳动力转移引导者的责任，有针对性地开展农民职业培训以提高其人力资本积累，提升农村劳动力转移的可行性，同时通过农旅融合持续拓宽非农就业途径，加强农村劳动力转移过程的持久性。第三，强化空间集聚效应对农业生态效率的提升。地区政府在制定自身农业可持续发展战略时，应充分考虑与邻近地区之间的异同，破除要素流动壁垒，推动地区间的资源共享和优化配置，实现集聚由数量到质量的提升，最终达到共享治理成果、整体效率提高的目标。