梁耀文，王宝海，丁慧媛，贾舒涵

（青岛农业大学管理学院，山东 青岛 266000）

随着全球气候变暖，自然灾害频发，低碳绿色发展在国际上受到广泛关注。中国作为负责任的大国，承诺到2030 年前实现碳达峰，2060 年前努力实现碳中和。黄河流域是中国农耕文明的发祥地，其生态环境保护受到党和国家的高度重视，实现黄河流域高质量发展已上升为国家战略［1］。作为中国的“粮囤”，黄河流域在中国农业经济中占据重要地位，节能减排是实现农业高质量发展的重要环节，将有效促进黄河流域生产方式向生态化、可持续发展转变［2］。目前黄河流域的生态环境较为脆弱，农业发展方式仍较为粗放，农业碳排放和农业面源污染的负外部性，严重影响了黄河流域的生态环境。因此，从碳排放约束视角出发，研究黄河流域农业生态效率，并分析其驱动因素的冲击效应，综合考虑了农业资源消耗与生态保护，对黄河流域实现农业高质量发展具有重要意义。

德国学者 Schaltegger 等［3］首次提出了生态效率的概念，并由世界工商理事会（WBCSD）、经济合作与发展组织（OECD）等推广，即增加的价值与增加的环境影响的比值［4］。农业生态效率是生态效率在农业领域的扩展，当前学者对农业生态效率的研究，从效率测算［5］、农业碳排放［6］、区域差异［7］、空间演化［8］、聚集性［9］等方面展开了深入探讨，并从农地流转［10］、劳动力转移［11］、人口老龄化［12］、农旅融合［13］等方面分析了农业生态效率的影响因素。农业生态效率的测算方法已经很成熟，最常用的是SFA 和DEA，DEA 处理多投入、多产出的优势可以减少主观争议［14］，也是本研究的主要测算方法，多数学者采用 SBM、超效率 SBM 等［11，15］，但忽略了农业生态是环境、经济的复杂关系，SBM 仅可测算非径向距离，是在损失一定松弛变量的基础上测算，估计结果可能有偏差。在碳达峰、碳中和背景下，将产生负外部性的农业碳排放、农业面源污染［5，16］作为约束条件纳入模型已被广泛认可。如何将农业生态效率的时空演变格局科学呈现，有助于揭示区域间农业生产、农业生态的差距与发展趋势，多数学者采用ESDA、核密度二维曲线等方法［17］，但这些方法将面板数据分成n个截面单独分析，丧失了面板数据的动态性。对于农业生态效率影响因素挖掘，当前学者的研究已相当丰富，大多从变量整体系数、显著性进行解读，缺乏对变量之间的动态影响效应分析。

通过梳理以上文献，当前还可以从以下几方面进行改进：①从碳排放约束角度将农业碳排放和农业面源污染同时作为非期望产出，在混合距离EBM模型的基础上，结合超效率模型的特点，将其改进为含有非期望产出的超效率EBM 模型；②采用标准差椭圆技术以及三维Kernel 核密度估计对黄河流域农业生态效率的时空演变趋势进行可视化分析；③由于本研究时间跨度大，符合VAR 模型的特点，因此构建PVAR 模型，从动态角度进一步探讨黄河流域农业生态效率驱动因素的冲击效应。

1 研究方法与数据来源

1.1 研究方法

1.1.1 农业生态效率测算 非期望产出的超效率EBM 模型公式如下。

式中，ρ*为效率；φ为产出扩大比；t表示时间，k为决策单元，m为投入种类，n为期望产出种类，j为非期望产出；θ为径向部分规划参数；εx、εy为关键参数，满足为投入要素的重要程度，其和为1；xik和yrk分别表示决策单元的第i种投入和第r种产出为松弛变量分别表示期望产出和非期望产出的权重；bpk为决策单元的第P类非期望产出；q为非期望产出的数量；λj为线性组合系数；j0表示当被评价决策单元为DMUj0时，在剔除DMUj0新的有效前沿面上的DMUj的超效率值（使用maxdea 8.0 软件测算）。

1.1.2 农业生态效率时空演化 标准差椭圆是基于全局空间统计研究描述研究对象的空间分布与演变趋势。主要计算畜牧业生态效率空间统计椭圆的中心、面积、长短半轴长度、短长轴之比和长轴方位角。核密度估计与标准差椭圆相关公式参见已有研究［18，19］。

1.1.3 面板向量自回归 向量自回归（Vector Autoregression，VAR）在时间序列分析中应用广泛，其基本要求是时间跨度较长。1988 年Holtz-Eakin 将VAR 模型扩展到面板数据中，提出面板向量自回归（Panel Vector Autoregression，PVAR）［20］，其优势在于可以控制个体、时间效应，并且使用广义矩估计（GMM），对内生性加以控制，并且可以得到模型的一致估计量，稳健性较强［21］，可以有效地分析黄河流域农业生态效率与驱动因素的动态关系。具体表达式如下。

式中，Zit为i省在t年的内生变量向量，Zit-j为Zit滞后j期的变量，α0为截距项，αj为系数矩阵，βi为个体固定效应，μt为时间固定效应，εit为随机干扰项。

1.2 数据来源

所用数据主要来源于国家统计局官网，2000—2019 年《中国统计年鉴》《中国农村统计年鉴》《中国区域经济年鉴》以及黄河流域各省份历年统计年鉴及发展公报，人均GDP、农业总产值以2000 年为基期进行平减，以消除物价波动影响，对于部分缺失数据，采用线性插值法进行补充。

2 实证分析

2.1 黄河流域农业生态效率评价

2.1.1 指标体系构建 农业生态效率目的在于以最小的投入，获得最大的产出，并获得最好的生态环境保护。结合黄河流域农业生产与农业生态发展现状，借鉴相关研究，考虑数据可获得性，构建黄河流域农业生态效率评价指标体系（表1）。

表1 黄河流域农业生态效率指标体系

农业碳排放估算方法采用碳排放指标乘以相应的系数，参考王宝义等［5］的研究，化肥 0.896 kg/kg、农药4.934 kg/kg、农膜5.180 kg/kg、柴油0.593 kg/kg、灌溉20.476 kg/hm2、农业耕作312.6 kg/hm2。农业面源污染，采用化肥、农药、农膜残留量来表示污染水平，排放系数来源于《全国第一次污染源普查手册》，由于黄河流域横跨东、中、西区域，所以在估算时尽可能考虑地域差距。

2.1.2 黄河流域农业生态效率测算及区域差异2000—2019 年黄河流域农业生态效率测算结果见表2，整体均值变化及变异系数计算结果见图1。由表2 和图 1 可知，2000—2019 年，黄河流域 9 省（区）整体农业生态效率未达到有效值1，多数省份的效率变化幅度较大，其中山西省的效率一直较低。2000—2015 年农业生态效率基本处于平稳态势，省（区）际差异并不明显，之后整体效率迅速下滑，省（区）际差异呈现逐渐扩大趋势。黄河流域横跨中国东、中、西三大板块，经济发展水平差异显著，农业生态效率的发展与经济发展的趋势相吻合，说明黄河流域农业生态效率的省（区）际差异呈增大趋势。

表2 黄河流域农业生态效率测算结果

图1 农业生态效率均值及变异系数

2.2 黄河流域农业生态效率时空演变分析

2.2.1 黄河流域农业生态效率时序分析 基于Matlab 绘制黄河流域农业生态效率三维核密度（图2）。2000—2019 年黄河流域农业生态效率存在明显的两极分化特征。从形状上看，双峰现象一直存在，并且主峰一直保持尖峰形，高度逐渐升高后下降。侧峰宽度并无明显变化，高度先平稳后迅速升高再降低，说明黄河流域农业生态效率省（区）际差异一直存在。近年来随着经济的迅速发展，农业生态效率省（区）际差异迅速扩大，高值区域较多且分布集中，低值区域少且分布零散。这与前述的分析相吻合，黄河流域农业生态效率存在显著的木桶效应，未来整体提升的重点在于低值省（区）。

图2 农业生态效率核密度

2.2.2 黄河流域农业生态效率空间转移 基于Arcgis，绘制2000—2019 年黄河流域农业生态效率空间转移图，结果和标准差椭圆属性见图3 和表3。

图3 黄河流域农业生态效率空间转移

表3 标准差椭圆属性

2000—2019 年黄河流域农业生态效率的空间分布整体呈现东北-西南格局，具有向西南方向偏移的趋势。从重心的移动路径看，黄河流域农业生态效率空间分布的重心向西移动了48.526 km，向南移动了64.32 km，总体移动80.39 km。农业生态效率在2000—2015 年间并没有发生明显的转移，在2015—2019 年间转移显著。农业生态效率重心在南北方向波动较大，表明农业生态效率区域发展不平衡，在南北方向上的差异显著。从椭圆的面积来看，椭圆面积呈现逐渐缩小的趋势，说明黄河流域农业生态效率的空间分布由分散趋于集中。从椭圆的偏转角和形状指数看，二者均变化不大，但在2015—2019 年间偏移明显，椭圆有逐渐扁化的趋势，转移方向更明确。黄河流域高质量发展战略的实施，黄河流域农业生态效率的变化较之前速度加快，方向性更加明确，但极化现象更严重，因此黄河流域农业生态效率的提高，要注重协同发展。

2.3 黄河流域农业生态效率驱动因素冲击效应分析

2.3.1 驱动因素选择 结合农业发展现状和已有研究，选定以下几种因素进行考察（表4）。

表4 驱动因素指标

2.3.2 面板单位根检验与最优滞后阶数选择 在估计模型前，为防止出现伪回归现象，首先判断数据是否平稳，研究选取 LLC、IPS 和 ADF-Fisher 3 种方法进行平稳性检验。对所有变量先取自然对数，然后做一阶差分处理，分别记为 dlneff、dlnfeal、dlnadr、dlngrd、dlnpgdp、dlnpgd 和 dlndam，单位根检验结果见表5。此外，运用赤池信息准则（AIC）、贝叶斯信息准则（BIC）、汉南—昆信息准则（HQIC）3 种方法选择滞后阶数（表6）。3 种检验方法中各变量统计值均在1%水平上差异显著，判定变量是平稳的。各模型中变量最优滞后阶数均为1 阶。

表5 面板单位根检验

表6 最优滞后阶数

2.3.3 脉冲响应分析 脉冲响应分析是当假定其他条件不变的情况下或一个标准误发生变化时，其中一个变量受到冲击后，对另一变量的反应程度，普通的面板回归无法反映这种动态效应［22］。研究通过蒙特卡洛模拟999 次得到冲击反应，如图4 所示，其中横轴表示冲击效应的滞后阶数，纵轴表示农业生态效率对冲击作用的响应强度，上下两侧曲线包含95%的置信区间。

图4 脉冲响应函数

1）财政支农水平对黄河流域农业生态效率的冲击。财政支农水平对农业生态效率的冲击效应始终表现为正，在第1 期达到最大值，随后开始下降，于第2 期开始收敛，逐渐降低为0。说明财政支农水平对农业生态效率的冲击效应是正向的，具有持续的推动作用，但在第4 期后这种效应逐渐减弱为0。农业生产是经济再生产与自然再生产的交织，受自然条件影响较强，具有明显的周期性与不稳定性特征，此时就需要政府财政资金的宏观把控，保证农业生产长足发展［23］。黄河流域的农业财政投入规模不断扩大，9 个省的农林水事务支出，由2000 年的2 168.51 亿元增长到 2019 年的 8 887.06 亿元，20 年间增长了3.1 倍，体现了各级政府对该区域农业发展的重视，有利于黄河流域农业生态效率的稳定提升。现阶段，黄河流域农业财政投入存在农业财政资金使用效率不高、支出结构不均衡、资金项目管理困难等现象，因此财政支农水平对农业生态效率的影响在短期内冲击较大，随时间推移会逐渐减弱。

2）农业受灾率与农业研发投入对黄河流域农业生态效率的冲击。农业受灾率对农业生态效率的冲击效应当期表现为负，在第1 期达到最小值，之后波动收敛于0。说明农业受灾率对农业生态效率具有负面冲击，但冲击引起的波动较小。农业生产受到自然灾害的影响，在当期会产生负面的冲击，但随着黄河流域农业基础设施与技术的完善，农业受灾率对农业生态效率的冲击逐渐降低。农业研发投入对农业生态效率的冲击效应在当期表现为正，在第1期末达到最大值，第2 期降至最小值，并逐渐降低为0。黄河流域东部地区具有较强的经济和科研实力，并且山东、河南均为农业大省，农业研发绩效水平高。同时，黄河流域9 省（区）在农业种植结构上差异不大，利于农业研发技术在黄河流域各省（区）间扩散，因此农业研发投入对农业生态效率具有正向的冲击效应。

3）经济发展水平对黄河流域农业生态效率的冲击。在当期给经济发展水平一个正向的冲击后，农业生态效率响应明显且始终为正，在第1 期达到峰值，后逐渐降低，到第10 期逐渐接近0。表明经济发展水平对农业生态效率具有明显的促进作用，并且这种影响具有显著的持续性。经济发展水平越高，人们对生态环境、食品安全的需求提升，越会促进黄河流域农业向绿色农业、可持续农业发展，但这是一个需要长期坚持的过程，难以实现跨越式发展，因此经济发展水平对农业生态效率具有持续的正向冲击。尽管黄河流域农业整体上在加快转变生产方式，向高质量发展转移，但其技术革新相对缓慢，通过粗放式经营，来满足人们日益增长的需求，对资源生态也会带来一定的破坏。因此经济发展水平对农业生态效率的冲击效应，在短期内达到峰值后呈现下滑趋势。

4）人口老龄化程度和农业机械密度对黄河流域农业生态效率的冲击。人口老龄化程度对农业生态效率的冲击效应在当期表现为负，在第1 期达到最小值，后波动收敛于0。人口老龄化在短期内会引起劳动力数量和质量显著下降，因此表现为负向的冲击效应。而技术创新是经济发展的重要动力，从长期角度看，人口老龄化会促进技术的创新，因此人口老龄化对农业生态效率的冲击在第2 期表现为正向，后趋向于0。农业机械密度对农业生态效率的冲击在当期为正，在第1 期达到峰值，之后逐渐降低，在第4 期收敛于0。说明农业机械密度的提升对农业生态效率具有正向的冲击效应，但机械化发展的同时，必然带来化石燃料的增加，会减弱对农业生态效率的冲击。近年来黄河流域农业基础设施不断完善、环保型农业机械的大力推广，使得农业机械密度对农业生态效率的冲击始终为正。

2.3.4 方差分解分析 运用方差分解方法来测定6个变量对黄河流域农业生态效率变动的贡献程度。由表7 可知，各内生变量的方差分解在第3 期基本稳定，财政支农水平、农业研发投入、经济发展水平对农业生态效率变动的贡献程度排在前三位，其中财政支农水平的贡献程度最大，为25.8%。财政支农水平、经济发展水平、农业研发投入的贡献较大，说明黄河流域农业生态效率离不开宏观经济环境的刺激，同时技术创新是其进步的主要动力，未来在发展过程中要注重提高资金的利用效率与技术研发绩效水平。人口老龄化、农业受灾率、农业机械密度虽然贡献较小，但根据上述的分析，对农业生态效率也产生了一定的冲击效应，今后在完善基础设施、促进技术创新的过程中，要更加注重生态环保，促进黄河流域农业生态效率稳步提升。

表7 方差分解结果

3 小结与建议

本研究从碳排放约束角度出发，综合运用超效率SBM、核密度估计、标准差椭圆等方法，测算2000—2019 年黄河流域9 省（区）农业生态效率，并揭示其空间演化趋势，最后运用PVAR 模型测定驱动因素对农业生态效率冲击效应，主要结论如下。

1）从测算结果看，黄河流域农业生态效率整体水平较低，呈现逐渐波动中下降的趋势。9 省（区）中大部分地区的农业生态效率较高，其中山西省的农业生态效率最低。基尼系数显示出省（区）际差异呈现波动扩大趋势，随时间推移黄河流域农业生态效率的两极化现象严重。

2）从时序分析看，2000—2019 年黄河流域农业生态效率一直存在省（区）际差异，并且随着近年来经济快速发展，其差异扩大迅速，高值区域较多且分布集中，低值区域少且分布零散，未来整体提升的重点在于低值区。

3）从空间动态转移看，2000—2019 年，黄河流域农业生态效率的空间分布整体呈现东北-西南格局，具有向西南方向偏移的趋势。农业生态效率区域发展不平衡，空间分布由分散趋于集中。

4）从PVAR 结果看，财政支农水平、农业研发投入、农业机械密度对农业生态效率的影响在短期内正向冲击较大，随时间推移会逐渐减弱；经济发展水平对农业生态效率具有明显的促进作用，并且这种影响具有显著的持续性；人口老龄化和农业受灾率对农业生态效率具有负向冲击效应，其中财政支农水平、农业研发投入和经济发展水平对农业生态效率变动的贡献较大，农业机械密度、人口老龄化和农业受灾率的贡献较小。

基于以上结论，为提高碳排放约束下黄河流域农业生态效率，提出以下建议。

1）走协同发展思路。农业生态效率高值省（区）应在原有基础上寻求更高效的发展方式，充分发挥规模经济效应，带动低值省（区）共同发展。低值省（区）应充分发挥自身优势，挖掘潜力，借鉴学习高值省（区）的先进发展经验，稳步提升自身的农业生态效率。打破省（区）际间的交流壁垒，促进技术、生产要素的流动转移，按照“创新、协调、绿色、开放、共享”五大发展理念，省（区）间协同发展，缩小区域间的差异，深入转变农业发展方式，实行严格的生态保护政策，促进黄河流域农业向“两型农业”转移。

2）协调各方面因素，共同促进黄河流域农业生态效率提高。抓住经济水平迅速提高的机遇，强化农业低碳化技术的研发，推广环保低碳型农业机械的使用，提高劳动生产率，同时注重资源节约和环境保护。统筹整合农业财政资金，加强对农业财政投入的管理、分配，拓宽涉农资金的融资渠道，完善财政支农的监督机制，财政支农信息全面公开，提高农业财政投入的使用效率。明确各区域人口年龄结构的差异，因地制宜制定差异化发展战略，加大教育和技能培训力度，使不同年龄、不同学历的人都能得到适合自己的学习和培训，提高劳动力的低碳发展意识，以扩大人力资本存量。要完善社会保障和社会救助体系，健全养老机制，给予年轻人更多的工作和学习时间，积累人力资本，全面提高黄河流域的农业生态效率。