黄河流域农业生态效率测度及影响因素分析

杨昕蕾，凡启兵

（长江大学经济与管理学院，湖北 荆州 434023）

黄河和长江是我国最重要的两大水系，黄河流域和长江流域也是我国最重要的两大流域，也是重要的经济发展带和粮食主产区。随着经济的发展，人们对于生产效率的重视程度越来越高，这在农业领域表现为农业生产者不断使用各种方法，如加大化肥、农药使用力度，来提高农业生产效率，但这也带来了环境问题，加大了环境成本，同时也不利于农业的可持续发展[1]。不同于长江流域，黄河流域的纬度更高，地形更为复杂，生态也更为脆弱，在这种情况下，黄河流域农业绿色发展对生态环境的保护和农业的可持续发展有着极为重要的意义。2019 年9 月，习近平总书记在黄河流域生态保护和高质量发展座谈会上作出部署，将黄河流域生态保护和高质量发展上升为重大国家战略。2021 年10 月，中共中央、国务院印发《黄河流域生态保护和高质量发展规划纲要》，指出要坚持“生态优先、绿色发展”的原则。黄河流域在农业方面应当将当地资源与区位优势相结合，提高水资源利用率。生态宜居也是乡村振兴的重要组成部分，黄河流域要实现农业可持续发展，必须兼顾经济效益和生态效益。

随着人们环保意识的增强，为了降低农业生产的环境成本，促进农业可持续发展，社会各界对农村环保、农业绿色发展和农业可持续发展的关注度不断提升，促使农业生态效率逐渐成为农业研究的热点。农业生态效率是体现农业可持续发展的重要指标，有关农业生态效率的研究主要集中在以下3 个方面。一是概念和理论。有关农业生态效率的研究国外起步较早，1990 年，Schaltegger 和Sturm 提出了生态效率这一概念[2]，该概念后被引申到农业领域[3]。生态效率这一概念被引入我国后，被用以引导企业向生态友好型发展[4]，后经我国学者不断完善和发展，生态效率逐渐被引申到工业[5]、农业[6]等各个领域，涉及生产、销售等各个环节。二是研究方法。相关研究方法主要有比值法、生命周期评价法、生态足迹法、能值法、随机前沿法、数据包络分析法（Data Envelopment Analysis，DEA）[7-11]。随着研究的深入，学者们发现DEA 更能够反映农业生态效率的变化，得到的数据更为准确，同时操作也更为简便。为了获得更为准确的结果，学者们在传统DEA 模型的基础上发展出了ML[12]和GML[13]指数模型、超效率SBM 模型[14]和基于非期望产出的超效率SBM 模型[15]。三是影响因素。有关影响因素的研究主要集中在农业生态补贴政策，化肥、农药等化学品的投入，农业科技发展和农业经济、社会环境等方面。从已有的研究来看，降低化肥、农药等化学品的投入能够对农业生态效率产生正向影响[16]。农业科技发展能够改变农业发展模式，如实现无土栽培等，通过改变农业生产模式来提高农业生态效率[17]。农业经济、社会环境的改善能够为农业发展提供更为有利的环境，降低农业发展的融资难度，拓宽资金来源渠道[18]。

基于以上分析，该研究以我国黄河流域为主要研究对象，根据黄河流域9 个省、自治区2011—2020年的面板数据，运用包含非期望产出的超效率SBM模型对该流域农业生态效率进行测算，运用固定效应模型分析各因素对该流域农业生态效率的影响，以期对该流域农业绿色和可持续发展提供参考。

1 模型及指标体系构建

1.1 模型构建

1.1.1 包含非期望产出的超效率SBM 模型DEA 是一种非参数前沿方法，长期以来一直被用作评估经济、能源、环境和生态效率。传统DEA 模型对投入和产出松弛变量的考虑存在不足，导致所得结果存在误差，超效率SBM 模型则将松弛变量纳入到模型当中，对传统DEA 模型进行了修正。为获得更为准确的效率值，该研究选择了包含非期望产出的超效率SBM 模型，具体公式如下。

式中：n表示DMU 数，j代表第j个DMU，xik代表第k个DMU 第i个投入变量，yrk代表第k个DMU 第r个期望产出，btk代表第k个DMU 第t个非期望产出， 分别表示投入、期望产出、非期望产出的松弛变量，p1和p2分别表示期望和非期望产出数量，ρ表示农业生态效率，ρ越大则代表农业生态效率越高，λj表示约束条件。

1.1.2 固定效应模型由于采用的数据为面板数据，因此，该研究采用OLS 模型进行回归分析，具体公式如下。

式中：eco-effit表示i省份第t年的农业生态效率值，expit表示i省份第t年的影响因素值，εit表示随机误差项。

1.2 指标体系构建

1.2.1 农业生态效率测算体系构建农业有广义与狭义之分，广义的农业包括农、林、牧、副、渔，而狭义的农业仅包括种植业，该研究仅以狭义的种植业为研究对象。该研究基于2011—2020 年黄河流域农业生产的面板数据，依据黄河流域自身特点，根据数据的可得性，参考姜智强等[19]和李文启等[20]的研究成果，选取农业机械总动力、有效灌溉面积、化肥施用量、农村用电量、农作物总播种面积、农业劳动力、农用塑料薄膜使用量、农用柴油使用量、农药使用量作为投入指标，将农业总产值作为期望产出，选取农业碳排放量、农业总氮排放量、农业总磷排放量、农业氨氦排放量作为非期望产出，构建黄河流域农业生态效率测算指标体系，具体见表1。

表1 黄河流域农业生态效率测算指标体系

1.2.2 影响因素指标体系构建黄河流域大部分地区属于生态脆弱地区，农业生态效率受各方面因素影响。该研究根据以往的研究成果，从农业生产、财政支持、经济环境和社会环境角度探讨各因素对黄河流域农业生态效率的影响，构建黄河流域农业生态效率影响因素指标体系，具体见表2。

表2 黄河流域农业生态效率影响因素指标体系

1.3 数据来源

该研究以黄河流域9 个省、自治区（青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东）为主要研究对象，研究数据主要来源于相应年份的《中国统计年鉴》、《中国农村统计年鉴》、《中国环境统计年鉴》及各省、自治区统计年鉴。其中，农业碳排放量、农业总氮排放量、农业总磷排放量、农业氨氦排放量的各项数据并未直接统计，具体测算如下所述。

在实际应用过程中，由于农业碳排放量并非常规统计指标，该研究运用李波等[21]的方法对农业碳排放量进行测算，并构建了估算公式，确定了农业碳排放源及系数，具体估算公式如下。

式中：E为农业的碳排放总量，Ei为各种碳源的碳排放量，Ti为各碳排放源的量，γi为各碳排放源的碳排放系数。农业碳排放源化肥施用量、农药使用量、农用塑料薄膜使用量、农用柴油使用量、农作物总播种面积、有效灌溉面积的碳排放系数分别为0.895 6 kg/kg、4.934 1 kg/kg、5.18 kg/kg、0.592 7 kg/kg、312.6 kg/km2、20.476 kg/hm2。

该研究参考赖斯芸等[22]和陈敏鹏等[23]的方法并结合《第一次全国污染源普查资料文集⑦：污染源普查产排污系数手册（上）》对农业总氮排放量、农业总磷排放量、农业氨氦排放量进行测算，具体公式如下。

式中：Eij表示i单元j污染物的排放量，Gij表示i单元j污染物的产生量，μij表示相应污染物的流失率，EUi表示单元数，ρij表示i单元j污染物的排放系数。单元污染物强度计算如表3 所示。

表3 单元污染物强度计算

2 实证结果与分析

2.1 黄河流域农业生态效率实证分析

该研究采用包含非期望产出的超效率SBM 模型对2011—2020 年黄河流域农业生态效率进行测算，具体测算结果如表4 所示。

由表4 可知，黄河流域2011—2020 年农业生态效率均值为0.649，处在中间水平，未达到完全有效。2011—2020 年黄河流域农业生态效率值呈现上升趋势，且2020 年农业生态效率值为1.000，达到了完全有效。这说明2011—2020 年黄河流域农业生态效率不断提高，农业绿色发展水平也在不断提高，农业生态持续改善，并最终在2020 年达到了完全有效。从黄河上、中、下游来看，上游农业生态效率值明显低于中游和下游，下游的农业生态效率值最高，这种现象的出现主要与各区域的生态脆弱程度有关：上游的青海省、甘肃省和宁夏回族自治区都属于生态脆弱地区，农业生产造成的影响较大；虽然中游地区也属于生态脆弱地区，但其生态环境优于上游，因此农业生态效率值也高于上游地区；下游地区生态环境相对较好，且平原面积较大，因此农业生态效率值也最高。从各省、自治区来看，内蒙古自治区农业生态效率值最高，2011—2020 年效率均值达到了0.923，且仅在2015 年和2017—2019 年农业生态效率值小于1，其余各年农业生态效率值均为1，达到了完全有效。主要原因是，内蒙古以畜牧业为主，种植业虽然产值占比较高，但种植面积相对较少，对环境的影响也较小。除内蒙古外的其余各省、自治区中，仅有陕西省的农业生态效率值小于0.6，其余省、自治区均大于0.6，山东省、青海省、甘肃省和山西省的农业生态效率值均超过了0.7。主要原因是，陕西省位于黄土高原腹地，陕北地区生态更为脆弱，农业的发展对当地环境的影响更大，其农业生态效率值也就最低。

表4 2011—2020 年黄河流域各省（自治区）农业生态效率

2.2 影响因素分析

该研究运用OLS 模型，从农业生产、财政支持、经济环境和社会环境的角度探讨各因素对黄河流域农业生态效率的影响，具体回归结果见表5。

从表5 可以看出，化肥使用强度、农药使用强度、对外开放度均在1%的显著性水平对黄河流域农业生态效率有负向影响，说明这些变量的增加会降低该流域农业生态效率值，而减少这些变量的投入则会对农业生态效率产生提升作用。主要原因是，化肥和农药是农业的主要污染源，且两者的过度使用会导致土壤板结，降低土壤肥力，影响农业生产；对外开放度的提高则会对农业产生挤占作用。机械化水平、财政支持度、经济结构和城镇化率对黄河流域农业生态效率均有显著的正向作用，且通过了1%的显著性检验，说明这些因素的增加会对农业生态效率产生提升作用。主要原因是，机械化水平能够提高土地的种植效率，加大土地翻耕深度，降低农业生产对劳动力的依赖；财政支持度的提高意味着政府对农业重视程度的提高，这不仅表示政府会加大对农业的投入，还表示政府会加大对农业的政策倾斜力度；经济结构值的增加表示农业在国民经济中地位的提高，也表示农业总产值的增加；城镇化率的提高表示农村居民向城镇转移的力度增加，农村居民向城镇转移导致农村人口减少，进而降低农村生活污染排放，有利于农业生态效率的提高。

表5 黄河流域农业生态效率（eco-eff）影响因素回归结果

从黄河上、中、下游来看，化肥使用强度、农药使用强度对上、中、下游的影响均为负，且均通过了5%的显著性检验，说明减少两者的使用对上、中、下游农业生态效率均有提升作用。机械化水平对中、下游的影响为正，且通过了1%的显著性检验，对上游的负向影响不显著。财政支持度对中、下游的影响为正，且分别通过了5%和10%的显著性检验，对上游的正向影响不显著。经济结构对上游有显著的负向影响，但对中、下游的影响为正，且分别通过了5%和1%的显著性检验，主要原因是上游地区不适宜扩大农业生产规模，继续扩大农业生产规模会加重环境负担，影响农业生态效率。对外开放度对上、中、下游均有显著的负向影响；城镇化率对上游和中游有显著的正向影响，对下游的正向影响不显著。

3 结论与建议

3.1 结 论

该研究基于2011—2020 年黄河流域农业生态的面板数据，运用包含非期望产出的超效率SBM 模型对该流域农业生态效率进行测算。结果表明：黄河流域在样本期间内的农业生态效率处于中间水平，整体呈上升趋势，且在2020 年达到完全有效；农业生态效率在区域上呈现出从上游向下游递进的趋势，但区域间差异不大。该研究通过OLS 模型分析各因素对该流域农业生态效率的影响，结果发现：化肥使用强度、农药使用强度、对外开放度均在1%的显著性水平下对黄河流域农业生态效率有负向影响，说明这些变量的增加会降低该流域农业生态效率值，而减少这些变量的投入则会对农业生态效率产生提升作用；机械化水平、财政支持度、经济结构和城镇化率均有显著的正向作用，且通过了1%的显著性检验，说明这些因素的增加会对农业生态效率产生提升作用。

3.2 建 议

3.2.1 加大财政支农力度，完善资金管理机制农业绿色发展虽然有利于农业可持续发展，但会加大当下农民的经济负担，造成短时间内农民收入降低。因此，黄河流域各地区应当优化财政支农支出结构，完善资金管理机制，提高资源配置效率，因地制宜，逐步推进农业现代化。

3.2.2 加大农业科技投入，改善农业生产模式通过上述结论可以发现，农药和化肥均会对农业生态效率造成负向影响，但二者又是农业生产的必备资源。因此，黄河流域各省、自治区应当加大对农业科技的投入，实现农业科技化发展，在保证肥力和灭虫除草效果的前提下开发污染系数低的农药和化肥产品。此外，各省、自治区还应改进农业机械，根据自身条件因地制宜地发展农业机械。

3.2.3 完善内外部机制，促进农业高质量发展城镇化率的提高虽然能够对农业生态效率产生提升作用，但大量农村劳动力的转移也会造成农村“空心化”、老龄化等问题，对农业发展产生负面影响。因此，黄河流域各省、自治区要注重农村环境污染治理与农业发展二者之间的平衡；增强农业自身实力，提高农业的自我造血能力，促进农业品牌化发展，提高农业发展质量。