我国城市群农业生态效率的测度及影响因素研究——基于19个城市群33个主要城市的面板数据

刘志雄，祝海伦，陈红惠

（1.广西民族大学 经济学院，南宁 530008；2.广西师范大学 马克思主义学院，广西 桂林 541004）

生态效率由Schaltegger等[1]提出，并经世界可持续发展工商理事会WBCSD[2]和经合组织OECD[3]推广。农业生态效率是生态效率的重要领域之一，受学术界关注程度日益增长。在理论方面，农业可持续发展理论[4-6]、农业生态学理论[7-11]和生态经济学理论[12-17]，为农业生态效率研究奠定了理论基础。在实证方面，学者们研究了农业生态效率的时空特征[18-22]、构建指标体系[23-27]及分析影响因素[28-32]。不难看出，学者们从全国、区域及产业层面研究农业生态效率较为普遍，但聚焦我国城市群的研究成果凤毛麟角。党的十九大报告指出，要发挥城市群协同效应，以城市群为主体构建大中小城市和小城镇协调发展的城镇格局。因此，提升我国城市群的农业生态效率进而促进生态农业发展，对实现我国农业经济绿色发展至关重要。本文以我国19大城市群的33个主要城市为研究对象，在测算农业生态效率的基础上，研究农业生态效率的影响因素，提出进一步提升农业生态效率的建议。

1 测算方法、指标体系构建及数据来源

1.1 非期望产出的超效率SBM模型

目前，测算生态效率可以采用SFA（随机前沿方法）、DEA（数据包络分析）、超效率DEA、三阶段DEA及非期望SBM（Slacks-based Measure）模型等方法[33-36]。Tone[37-38]提出了非期望产出的SBM模型，并进一步提出了非期望产出的超效率SBM模型，用于测算生态效率。具体模型为

式（1）、（2）中具体各项字符含义见表1。

表1 各项字符含义

1.2 指标体系构建

在投入指标方面，参考郑丽楠、洪名勇[20]的做法，分别考虑农业资源消耗和农业生产环境污染2个方面。其中，农业资源消耗包括土地资源投入、水资源投入、劳动力投入和农业机械投入共4个指标，农业生产环境污染包括化肥投入、农药投入和农膜投入共3个指标。具体来看，采用化肥施用量（万t）衡量化肥投入，采用农药使用量（万t）衡量农药投入，采用农膜使用量（万t）衡量农膜投入，采用农作物总播种面积（千hm2）衡量土地资源投入，采用有效灌溉面积（千hm2）衡量水资源投入，采用农业劳动力投入（万人）衡量劳动力投入，采用农业机械总动力（万kW）衡量农业机械投入。

在产出指标方面，分别考虑期望产出和非期望产出。其中，期望产出采用农业总产值（亿元）来衡量，非期望产出考虑碳排放和污染排放。碳排放的估计采用化肥、农药、农膜和农业灌溉排放的碳总和（万t）来衡量，排放的碳采用上述指标的使用量乘以碳排放系数计算得到，碳排放系数来源参考李波等[39]的研究。污染排放采用氮与磷流失量、农药流失量和农膜残留量综合指数来衡量，氮与磷流失量等于氮与磷使用量乘以流失系数，农药流失量等于农药使用量乘以农药流失系数；农膜残留量等于农膜使用量乘以农膜残留系数。具体的系数参考第一次全国污染普查农业系数手册。

1.3 数据来源

本文以我国19大城市群33个主要城市①为研究对象，采用1998—2020年的数据，数据分别来自《中国统计年鉴》《中国农村统计年鉴》及各城市统计年鉴，数据缺失值利用均值替换法进行数据补齐。

2 我国城市群农业生态效率的测算

2.1 测算结果

测算得到我国19大城市群33个主要城市的农业生态效率均值，见表2。可以看出，以沿海地区为主的珠三角城市群、山东半岛城市群、长三角城市群和海峡西岸城市群的农业生态效率均值都在0.230以上，明显高于其他城市群，东北地区以及中部地区的城市群如关中平原城市群、辽中南城市群、京津冀城市群和哈长城市群农业生态效率处于较低的水平。以东西横向差异来看，位于东部地区的城市群农业生态效率总体要高于位于西部地区的城市群；以南北纵向差异来看，位于南部地区的城市群农业生态效率总体要高于位于北部地区的城市群，这说明城市群的农业生态效率存在着较为明显的地区差异。

此外，由表2可知，我国城市群1998—2020年农业生态效率总体均值为0.190，在33个主要城市中仅有10个城市超过了均值水平，其他23个城市农业生态效率均值处于总体均值以下的水平，这说明我国大部分城市的农业生态效率水平还不够高，仍需要进一步提升。到达均值以上的城市分别为广州、佛山、珠海、济南、合肥、福州、厦门、青岛、南昌和贵阳，从所属城市群来看主要集中在珠三角城市群、山东半岛城市群、长三角城市群、海峡西岸城市群、长江中游城市群及黔中城市群，沿海地区城市群的生态效率相对内陆地区而言处于领先状态。可见，城市群农业生态效率的高低很大程度上与我国城市群的经济发展水平密不可分。

表2 我国城市群主要城市农业生态效率均值及排名（1998—2020年）

2.2 原因分析

2.2.1 沿海地区具有先天的优势

从我国地理环境来看，沿海地区具有天然的地理优势[29]。沿海地区不管是在经济领域、科技领域或是资源领域发展水平都要明显高于内陆地区，沿海地区发展农业有着天然的地理优势，水源充足、市场广阔且农业科技化程度较高，有利于发展现代特色生态农业。因此，我国各地情况千差万别，要因地制宜推进城市空间布局形态多元化。

2.2.2 东西地区具有制度及技术差异

东部地区较西部地区而言农业生态效率较高的原因主要为东部地区在农业生产中的制度设计及执行情况都要优于西部地区[27]。从经济学角度来看，一个地区的发展水平取决于生产物品与劳动的能力，我国各地区贫富不均，生活水平差距较大，主要在于其生产率的发展水平参差不齐。虽然东北地区享有土地资源优势及其他政策优势，但其管理水平不高，导致农业生态效率处于较为低下的水平。中部地区农业生态效率的提升主要得益于国家引导粮食规模化生产的政策使其产生了巨大的规模效益，但与东部地区相比，虽然东部地区的规模效益不如中部地区，但是其具有先进的技术驱动及优异的管理水平，因此总体来说还是要高于中部地区。

2.2.3 南部地区具有适宜农作物生长的自然环境且中心城市发挥带动作用

从南北差异来看，南部地区的平均气温要高于北部地区，气候温和，对于农作物来说具有适合农作物生长的条件，且南北种植的农作物种类不同，南方一年四季都有农作物在生长，而北方冬天土壤会冻结，不适于农作物生长；且在现代生态农业发展方面，南部地区的特色生态农业种类繁多、种植面广，总体优于北部地区。此外，南部地区生态农业较为发达的城市相对北部地区来说比较多，会对周边城市产生辐射带动作用，2019年8月召开的中央财经委员会第五次会议指出，要增强中心城市和城市群等经济发展优势区域的经济，增强其他地区在生态安全等方面的功能。地区间发展水平直接或间接影响着城市群的农业生态效率，每个城市群均需具备至少1个中心城市，以辐射带动作用影响着周边其他城市的发展，共建绿色城市、智慧城市。

3 我国城市群农业生态效率的影响因素分析

3.1 影响因素分析：面板模型估计

3.1.1 面板模型构建

将农业生态效率作为被解释变量，影响因素作为解释变量，构建如下面板数据模型

式中：NY表示农业生态效率；i表示省区；t表示年份；X表示各影响因素；β表示系数；μi表示个体异质性；εit表示随机误差项。本文选取如下7类具体指标作为影响因素，具体解释见表3。

表3 解释变量的选择、衡量及解释

3.1.2 面板模型估计

由估计结果（表4）可知：回归（1）检验了制度因素（农地确权）对农业生态效率的影响。可以看出，制度因素（农地确权）的回归系数为0.098，且通过1%的显著性水平检验，表明制度因素（农地确权）与农业生态效率呈正相关关系。农地确权实施有利于促进产权清晰完整，增强农民的农地保护意识，促进闲置农地的合理流转，进而对农业生态效率产生积极正向影响。

表4 农业生态效率影响因素的估计结果

回归（2）检验了农业生产能力对农业生态效率的影响。结果显示，农业生产能力的对数及对数平方的回归系数分别为-0.097和0.010，且在1%的水平上显著，这表明农业生产能力与农业生态效率存在“U型”曲线关系。当农业生产能力水平低下时，农业产出增加是首要考虑因素，相应的农业生产方式会相对粗放；当农业生产能力提升到相当水平后，农业生产者会充分考虑非期望产出因素，注重农业生态化生产，从而促进农业生态效率提升。

回归（3）综合检验7个因素对农业生态效率的影响。可以看出，各影响因素在不同水平上显著，财政支农力度、农业生产能力（对数平方）、农业市场化程度、农业机械密度、工业化水平和城市化水平在1%的水平上显著，农业生产能力（对数）和制度因素（农地确权）在5%的水平上显著。具体来看，财政支农力度、农业生产能力（对数）和农业市场化程度对农业生态效率的影响为负，农业生产能力（对数平方）、农业机械密度、工业化水平、城市化水平和制度因素（农地确权）对农业生态效率的影响为正，农业生产能力与农业生态效率存在“U型”曲线关系。

3.2 影响因素进一步分析：灰色关联度

3.2.1 灰色关联度分析

灰色关联分析源于灰色系统理论，其通过不同指标间的相似或相异程度来分析判断各个指标的关联程度，是对某一系统发展变化趋势进行定量分析的常用方法。因此，本文采用灰色关联分析法探究我国19大城市群主要城市农业生态效率变化的影响因素。将农业生态效率及7类影响因素看作1个灰色系统，把农业生态效率设为参考数列，其他7类因素为比较数列，利用软件DPS7.05版本进行灰色关联度分析。

3.2.2 灰色关联度分析结果

考察不同城市群内7类影响因素对农业生态效率的影响和影响的变动情况，本文参考张艺帅等[43]的分类方法，根据属性指标（城市化水平、人口等级规模及经济指标）和网络指标（功能联系、交通发展）将城市群分为4类，分别为超Ⅰ型城市群、Ⅰ型城市群、Ⅱ型城市群和Ⅲ型城市群。其中，超Ⅰ型城市群包括珠三角城市群、长三角城市群和京津冀城市群；Ⅰ型城市群包括山东半岛城市群、海峡西岸城市群及成渝地区城市群；Ⅱ型城市群包括长江中游城市群、辽中南城市群和北部湾城市群；Ⅲ型城市群包括中原城市群、晋中城市群、黔中城市群、宁夏沿黄城市群、兰州西宁城市群、哈长城市群、呼包鄂榆城市群、天山北坡城市群、关中平原城市群及滇中城市群，并对这4类城市群做了进一步分析，结果见表5。为了分析制度因素（农地确权）与农业生态效率的关联度，同时考虑到我国自2013年开始新一轮土地确权工作，故本文将1998—2020年划分为2个时段进行比较分析，分别为1998—2012年（尚未确定为农地确权试点省份）和2013—2020年（已确定为农地确权试点省份）。

表5 区域影响因素与农业生态效率的关联度分析结果

从各城市群2个时段的关联度分析结果来看，无论是在1998—2012年（尚未确定为农地确权试点省份）中，还是在2013—2020年（已确定为农地确权试点省份）中各影响因素与农业生态效率的关联等级都主要集中在中等关联和高等关联，说明所选的影响因素对我国城市群的农业生态效率有较强解释意义。然而，各影响因素与农业生态效率的关联度值在不同时段、不同城市群又有所区别，具体表现为如下方面。

同一城市群、不同时段情况下，超Ⅰ型城市群1998—2012年间与农业生态效率关联度最高的是农业机械密度，农业市场化程度的关联度最低；2013—2020年间关联度最高和最低的依然是农业机械密度和农业市场化程度。Ⅰ型城市群1998—2012年间与农业生态效率关联度最高的是财政支农力度，城市化水平关联度最低；2013—2020年间关联度最高的则是城市化水平，农业市场化程度关联度最低。Ⅱ型城市群1998—2012年间与农业生态效率关联度最高的是工业化水平，农业机械密度的关联度最低；2013—2020年间关联度最高的是城市化水平，工业化水平的关联度最低。Ⅲ型城市群1998—2012年间与农业生态效率关联度最高的是农业生产能力，农业机械密度的关联度最低；2013—2020年间关联度最高的是城市化水平，农业市场化程度的关联度最低。可见，在城市群内与农业生态效率关联度最高的因素出现了变动，Ⅰ型、Ⅱ型和Ⅲ型城市群在2013—2020年间关联度最高的因素变动为城市化水平，可见城市化的发展整体上有利于促进农业生态效率的提升，城市化水平促进了各地区宏观环境的改善，推动了地区整体经济水平的提高，对农业生态效率产生了正向影响。

不同城市群、同一时段情况下，1998—2012年间从高度关联的因素上看，超Ⅰ型城市群的农业机械密度与农业生态效率关联度最高，Ⅰ型城市群的财政支农力度与农业生态效率关联度最高，Ⅱ型城市群的工业化水平关联度最高，Ⅲ型城市群则是农业生产能力关联度最高；从低关联度的因素上看，超Ⅰ型城市群农业市场化程度的关联度最低，Ⅰ型城市群城市化水平关联度最低，Ⅱ型城市群和Ⅲ型城市群则是农业机械密度关联度最低。2013—2020年时段内，从高关联度的因素上看，超Ⅰ型城市群的农业机械密度与农业生态效率关联度最高，Ⅰ型、Ⅱ型和Ⅲ型城市群则是城市化水平关联度最高；从低关联度的因素上看，超Ⅰ型城市群、Ⅰ型城市群和Ⅲ型城市群的农业市场化程度与农业生态效率关联度最低，Ⅱ型城市群工业化水平的关联度最低。再者，城市群的制度因素（农地确权）不论是在1998—2012年间还是在2013—2020年间的关联程度均处于中高度关联，这表明农地确权对农业生态效率提升的驱动力显著，产权明晰使得土地生产要素得以激活，有利于推进农业生态化发展。

4 主要结论与相关建议

4.1 主要结论

（1）从农业生产效率的测算结果上看，1998—2020年间我国城市群农业生态效率的均值表现为东部地区大于西部地区、南部地区大于北部地区，其中东部沿海地区农业生态效率均值最高，农业生态效率表现出的地域差异与地区间的经济状况及发展水平有关。以单个城市群来看，各城市群的农业生态效率虽有阶段性的波动，但总体表现出逐年上升的特点。

（2）从影响因素的面板模型估计结果上看，农业生产能力（对数平方）、农业机械密度、工业化水平、城市化水平和制度因素（农地确权）与农业生态效率呈显著正相关关系，对农业生态效率提升起促进作用；财政支农力度、农业生产能力（对数）及农业市场化程度与农业生态效率呈显著负相关关系，对农业生态效率提升起抑制作用；农业生产能力与农业生态效率存在“U”型曲线关系。

（3）从影响因素分析城市的估计结果上看，7类影响因素均对农业生态效率产生驱动作用，但7类因素在不同时期、不同省区的影响程度差异较大，具有横向比较差异明显、纵向波动较大的特点。

4.2 存在问题

（1）我国城市群农业生态效率地区分布不均。农业生态效率较高的城市群主要分布在经济发展水平较高的地区，各城市群由于农作物生长环境及7类因素对农业生态效率影响的程度不同，表现出的地区差异较为明显。

（2）各城市群之间的联系性较差。为了促进各城市之间的协调发展，我国将城市之间进行划分，以城市群的形态进行战略融合发展。然而，从各城市群的生态效率测算结果上来看，相邻城市群之间农业生态效率仍然具有一定的差异性，各城市群之间联系不够紧密，对提升生态效率有利的因素在各城市群之间流动性较差，且农业科研、生产及农产品流通等方面衔接力度不够，造成各城市群自顾发展，没有形成一定的体系，区域之间的带动性不强。

（3）在农业科技创新力度方面仍需加强。科技创新对农业生态效率的提升具有推动作用，随着科技水平日新月异不断发展，应用在农业领域的技术创新也应不断更新与完善，在农业生态效率较低的城市，农业科技水平也存在一个较为落后的状态。此外，现代农业发展力度不够，如今互联网技术不断普及，而在有些地区现代农业科技手段与互联网技术没有得到充分利用，以至于农业生态效率提升缓慢。

4.3 相关建议

（1）结合城市群优势，制定差异化发展战略，引导农业向生态化方向发展。各城市群应在结合自身实际情况的基础上，借鉴其他地区发展经验，制定差异化的发展战略，协调平衡经济发展和生态环境的关系，进一步深化改革不合理的体制机制，为农业生态化发展提供基础，引导农业向生态化方向发展。

（2）促进区域要素流通与汇聚，强化生态农业区域合作与发展。各城市群应大力促进区域开放发展、区域协同合作，促使农业科研、生产和流通中可移动要素的有效流动与汇聚，抓住“一带一路”与“双碳”发展契机，深挖农产品内需与外贸潜力，加快生态农业市场化进程，促进生态农业发展的一体化建设和现代农业绿色常态化发展。

（3）加快建立现代农业产业科技创新体系，进一步提升农业生态效率。农业科技创新可以促进新生产要素的开发与替代，转变农业要素投入方式，提升农业生产效率，优化农业产业结构，要进一步融合多方主体的农业产业创新力量，促进先进科学技术与生产过程的有机结合，运用农业科技和“互联网+”2大创新手段发展形成互联网化、智慧化的现代农业生产服务体系，进一步提升农业生态效率。

注释：

①我国19大城市群共有38个主要城市，由于部分城市数据缺失较为严重，因此选取33个城市为研究对象。这33个城市分别是：广州、佛山、珠海、济南、合肥、福州、厦门、青岛、南昌、贵阳、长沙、西宁、南京、乌鲁木齐、银川、武汉、南宁、昆明、杭州、呼和浩特、上海、郑州、成都、北京、大连、重庆、太原、长春、哈尔滨、石家庄、天津、沈阳和西安。