侯孟阳 姚顺波

摘要 基于1978—2016年中国省级面板数据，采用超效率SBM模型测算省际农业生态效率，在Kernel密度估计分析时空演变格局的基础上，将空间效应因素引入经典β收敛的检验过程中，建立空间计量模型估算其空间收敛性，并分区域、分时段讨论其分异特征。研究发现：①中国农业生态效率呈现出在波动中稳定上升的“双峰”分布特征，且波峰高度的差距在缩小，但整体仍处于较低水平，农业生态效率仍存在较大提升空间，东部地区农业生态效率增长较中西部地区更加明显;②中国农业生态效率存在显著的空间收敛性，空间条件β收敛的速度为0.105，条件收敛速度显著快于绝对收敛，空间因素对收敛趋势具有加速效应，使得地区间农业生态效率的空间差异随时间推移呈现出进一步缩小的态势;③不同地区、不同时段的农业生态效率空间收敛性同样显著，空间收敛速度呈现出东北、中部、西部、东部依次递减的分布格局，且不同地区间收敛速度均大于经典收敛，这与区域间经济发展水平、农业技术条件、基础设施、资本流动性等各方面存在关联性，而除2004—2016年外，其他时段的空间收敛速度均高于经典收敛速度，且表现出逐步递减的变化过程。由于空间收敛性的存在，各地区应充分考虑到自身资源禀赋及农业经济发展水平的差异性，邻近地区之间应加强农业生产合作与交流，并建立完备的农业生态合作机制、生态政策联动机制。

关键词 农业生态效率;空间收敛性;分异特征;β收敛;超效率SBM模型

中图分类号 F323.2   文献标识码 A   文章编号 1002-2104（2019）04-0116-11   DOI：10.12062/cpre.20181108

农业是国家重点扶持的基础性产业，也是国家稳定和安全的重要基础。改革开放40年来，中国农业经济取得了巨大成就，农业产值由1978年的1 397亿元增长到2018年的64

734亿元，年均增长率9.81%，粮食连年增产。而单纯追求粮食产量、农业经济效益的背后，则伴随着一系列的生态恶化、环境污染、资源浪费等问题，忽视了资源环境的承受能力。《全国农业可持续发展规划（2015—2030）》[1]报告显示，农业内源性污染严重，化肥、农药利用率不足1/3，农膜回收率不足2/3，秸秆焚烧现象严重，显示出农业污染源对生态环境带来巨大的负外部性，并严重影响了我国农业生产的可持续发展。2014年中央农村工作会议明确提出了建立资源节约型和环境友好型的“两型农业”，期望最大限度地减弱农业生产的负外部性。十九大报告也指出，建设生态文明是中华民族永续发展的千年大计，必须树立和践行绿水青山就是金山银山的理念，既要创造更多的物质财富和精神财富以满足人民日益增长的美好生活需要，也要提供更多优质生态产品以满足人民日益增长的优美生态环境需要。在当前农业生态环境面临严峻形势的背景下，农业经济发展应保持资源消耗、生态保护的统筹协调，即农业发展不仅要重视其经济效应，还要重视其生态影响。

农业生产的效率低下和化学品的过量施用是导致农业环境污染的主要原因[2]，而“两型”农业的发展需要协调农业生产投入产出与资源消耗、环境保护三者间的关系。农业生态效率（AEE，Agroecological

efficiency）是指在一定的农业投入要素组合下，以尽可能小的资源消耗和环境污染，得到尽可能多的农业产出[3]，它强调农业生产效率与环境效益的统一，也就是当农业投入产出、经济效益与环境效益相均衡协调时是具有生态效率的。同时，随着中国农业市场经济的日趋完善和区域间开放程度的扩大，农业生产要素的空间流动性越来越频繁，农业生产之间的空间联系越来越紧密[4]，并且，不同地区的农业经济水平、要素投入、资源禀赋、区位条件等方面存在异质性，势必导致农业生态效率在空间尺度上存在差异性，但其空间差异的演变规律如何？各地区农业生态效率差距是否会随着时间的推移而出现收敛现象？如果是，则呈现何种收敛特征？不同地区、不同的时间节点的农业生态效率收敛性表现出何种特征？因而，科学合理地测度中国的农业生态效率，并深刻了解其时空变化特征与收敛性规律，将有助于客观认识当前农业生产与生态的现实，对于加强地区间农业生产要素的空间流动、农业的可持续发展具有重要的理论和现实意义。

1 文献回顾与梳理

生态效率（EcoEfficiency）首先由德国学者Schaltegger &Sturn[5]提出，并由世界可持续发展工商理事会（WBCSD）和经合组织（OECD）推广，可看作与达到地球承载能力的资源环境投入与满足人类生产生活需求的产出之间相互协调的关系，即在经济效率和环境效益之间达到一种平衡与统一[6]。具体到农业生产方面，传统的农业生产效率测算未考虑资源环境的约束因素，而农业生态效率则将资源环境因素纳入到农业生产效率的测度框架，不仅要求重视农业生产活动的经济效益，还要重视其资源环境约束，以实现农业产出增长与环境管理的双赢目标。国内外学者从效率的评估方法[7-8]、化学品过度使用的效率损失[9]、农业的可持续发展[10]、效率的地区差异[11]等角度对农业生产效率展开了深入探讨，并从种植规模[12]、农业补贴[13]、农地流转[14]、土地细碎化[15]等不同角度展开分析影响农业生产的关键因素。随着农业生态问题的日渐被重视，相关研究已将农业面源污染或农业碳排放作为反映农业生产负外部性指标引入农业生态效率测算模型[16-17]。当前，以DEA、SFA、SBM等方法为主的测算已日渐成熟，这也是本文测算效率采用的方法。

中国人口·资源与环境 2019年 第4期如何科学合理地评价农业生态效率的时空格局与演变特征有助于准确地认识地区间农业生产与生态的差距。对农业生态效率时空演变特征方面的文献进行梳理后发现，较多研究从时间维度上关注其空间分异特征，比如王宝义、张卫国[17]利用SBMUndesirable扩展模型测算全国、东中西、八大经济区及省际农业生态效率，并分解无效率项，东中西部三个地区和八大经济区农业生态效率总体趋势与全国基本一致，三區域中东部地区差异较大，八大经济区中西北地区和西南地区差异较大;刘应元、冯中朝等[18]运用非期望产出模型评价了中国各省区的生态农业发展状况，并分区域进行了讨论，同样得出中国各省区的生态农业发展在东中西部之间存在较大差异的结论;郑德凤、郝帅等[19]则采用非期望产出的SBM模型，结合探索性空间数据分析方法（ESDA），对甘肃省各县（区）2000—2014年的农业生态效率及空间分布格局进行实证分析。结果显示，甘肃省农业生态效率的空间变化趋势呈现自西向东、自南向北递减态势，但南北差异小于东西差异。但值得关注的是，在已有农业生态效率时空差异的研究中，多数文献均将研究区域看作是相互独立的个体，地区间不存在要素资源的交流与溢出，但随着农业要素在空间上的流动性越来越频繁，邻近地区将存在较强的关联性与扩散效应，那么中国的农业生态效率的空间变化将表现出怎样的特征？地区间农业生态效率是否会形成空间集聚效应？并且是否存在空间收敛性现象？如果存在，空间效应的存在对农业生态效率收敛性的程度和速度产生了何种影响？另外，不同地区、不同发展阶段的农业生态效率是否会存在收敛性的差异？这些问题的回答与解决，需要对中国农业生态效率的时空变化特征与空间收敛性具有清醒和深刻的认识。当前考虑空间因素的收敛性研究主要集中在全要素生产率[20-21]、经济增长[22]、区域创新效率[23]等方面，而鲜有研究关注到农业生态效率的空间收敛性。多数文献仅从时间变化上研究其收敛性，也未充分考虑到地区间资源禀赋、农业生产条件的差异对收敛性的影响。比如王宝义、张卫国[24]通过σ收敛检验分析指出全国及东部、中部、西部地区农业生态效率呈现出离散趋势，但该文献并未深入分析条件β收敛，也未考虑到地区间存在的差异;葛鹏飞、王颂吉等[25]分析了农业绿色全要素生产率的β收敛，显示全国及各区域在时间演变上均存在显著的条件β收敛;高鸣、宋洪远[26]分析了中国农业碳排放绩效的动态变化和空间集聚与收敛，结果显示技术进步可以提高农业碳排放绩效，且各省区农业碳排放绩效存在收敛性和趋同性。通过文献综述发现，现有文献对农业生态效率的时空格局特征的研究较多聚焦于其在时间变化上分析地区间的分布差异与收敛性，对收敛性的研究均采用传统的经典收敛模型，缺乏考虑空间异质性与依赖性等空间因素，导致难以揭示农业生态效率时空动态演变的真实变化规律。

地理学第一定理也表明，地区间的任何事物之间都存在一定的联系，且事物之间的距离越近，其空间联系则会越强。综上所述，本文试图在以下方面进行弥补和探索：一是将空间因素引入农业生态效率收敛性分析过程，重点关注空间β收敛，揭示其空间收敛特性，并通过与经典收敛性结果的对比分析，了解空间效应对农业生态效率收敛的程度和速度产生的影响[20];二是分区域、分时段探讨农业生态效率收敛的空间分异特征与规律。为此，本文以1978—2016年中国各省市面板数据为研究单元，以狭义农业（种植业）为研究对象，在超效率SBM模型测算中国农业生态效率基础上，将空间效应因素引入经典β收敛的检验过程中，建立空间面板计量模型估算其空间收敛性，并分区域、分时段进一步讨论其分异特征，以便更科学、深入地了解农业生态效率变化的空间影响。

2 研究方法

2.1 基于非期望产出的超效率SBM模型

在农业生产过程中，通常期望化肥、农药、农膜等化学制品的过度使用产生的环境污染越小越好，这种越小越好的产出即为非期望产出。基于非期望产出的SBM模型是首先由Tone[27]于2001年提出的测算生态效率的模型。与传统的数据包络模型（DEA）相比，SBM模型能够有效解决径向和角度的传统DEA模型造成的投入要素的“拥挤”或“松弛”现象，但SBM模型与传统DEA模型一样，对于效率都为1的DMU，难以进一步区分有效率DMU之间的效率差异。Tone[28]于2002年在SBM模型的基础上，进一步定义了超效率SBM模型，结合了超效率DEA

模型和SBM 模型的优势，能够有效对处于前沿面的DMU进一步对比评价。模型构建为：

Min π=1m∑mi=1〔x-/xik〕1r1+r2∑r1s=1yd—/ydsk+∑r2q=1yu—/yuqk

（1）

x-≥∑nj=1，≠kxijλj;yd—≤∑nj=1，≠kydsjλj;yd—≥∑nj=1，≠kydqjλj;

x-≥xk;yd—≤ydk;yu—≥yuk

λj≥0，i=1，2，…，m;j=1，2，…，n，j≠0;

s=1，2，…，r1;q=1，2，…，r2;

（2）

式中，假設有n个DMU，每个DMU由投入m，期望产出r1和非期望产出r2构成，x、yd、yu为相应的投入矩阵、期望产出矩阵和非期望产出矩阵中的元素，π为农业生态效率值。

2.2 空间相关性分析

由于不同地区之间的资源禀赋、农业经济、地理区位等的不同，农业生态效率存在差异。地区空间分布的差异性可能存在空间自相关性，也即某地区农业生态效率的变化，通过技术溢出、要素流动等原因也会影响其邻近地区的农业生态效率。在这种情况下，需要对地区农业生态效率的空间自相关性进行度量。空间自相关分析包括全局空间自相关和局部空间自相关，本文以全局空间自相关来了解地区农业生态效率的空间关联和空间差异。在空间统计学中，常用的度量空间自相关程度的统计指标为MoransI指数，其计算公式为[29]：

I=n∑ni=1∑nj=1wij（xi-x-）（xj-x-）∑ni=1∑nj=1wij∑ni=1（xi-x-）2

（3）

式中，n为样本量，xi、xj为空间位置i和j的观察量，wij表示空间位置i和j的邻近关系，当i和j邻近时，wij=1;反之为0。全局Morans

I指数的取值范围为[-1，1]，大于0为空间正相关，小于0为负相关，等于0为不相关。

2.3 空间收敛性检验

新古典经济学分析框架中的收敛理论最初用于考察不同国家或地区人均收入是否存在收敛或发散的问题，近年来的应用范围逐渐扩展到资源环境、能源消费等各个领域。在本文中，收敛性分析有助于检验不同省份间农业生态效率收敛或发散的特征，即省际间差距是在扩大还是在缩小。经典收敛模型主要包括α收敛、β收敛及俱乐部收敛，而以β收敛的应用最为广泛。经典β收敛又分为β绝对收敛和β条件收敛，具体到本文研究，β绝对收敛是不同地区在具有相同的资源禀赋、生产条件、收入水平、财政支持等严格的假设条件下，随着时间推移，各地区农业生态效率都将收敛于相同的水平;而β条件收敛则放开了假设条件，考虑了不同地区在资源禀赋、生产条件、收入水平、财政支持等方面存在差异，各地区农业生态效率随着时间推移将收敛于各自稳定的水平[30]。经典β收敛主要考察的是农业生态效率在时间演变上的收敛特征，而空间因素的欠缺有可能导致收敛结论的有偏性[20]。因而，本文将空间计量引入经典β收敛分析，分别建立经典β收敛模型和空间β收敛模型对各省份农业生态效率的绝对和条件β收敛特征进行检验，并对比经典和空间两种模型之间特征的差异。具体的模型为：

经典β收敛：lnAEEi，t+1AEEi，t=α+βln AEEi，t+

∑nk=1θkln Xk，i，t+εi，t

空间β收敛：本文建立了空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）3种空间计量模型，并通过检验选择最优模型，具体公式分别为：

①SLM的β收敛：lnAEEi，t+1AEEi，t=α+ρ∑nj=1wijlnAEEj，t+1AEEj，t+βln AEEi，t+∑nk=1θk ln

Xk，i，t+εi，t

②SEM的β收敛：lnAEEi，t+1AEEi，t=α+βln AEEi，t+

∑nk=1θk ln Xk，i，t+φi，t;φi，t=ρ∑nj=1wijφi，t+εi，t

③SDM的β收敛：lnAEEi，t+1AEEi，t=α+ρ∑nj=1wijlnAEEj，t+1AEEj，t+βln AEEi，t+∑nk=1θk ln

Xk，i，t+∑nj=1，k=1wijkln Xk，i，t+εi，t

式中，θk為各控制变量Xi，t的估计系数，据此判断绝对收敛或条件收敛。当θk取值为0时，以上模型为β绝对收敛;当θk不取值为0时，以上模型为β条件收敛。AEEi，t、AEEi，t+1分别为第t、t+1年第i个地区的农业生态效率，β为收敛性的判断系数，β=-（1-e-ηT）/T，η为收敛速度，当β<0时，农业生态效率趋于收敛，反之则趋于发散。εi，t为误差项，且满足εi，t～i.id（0，δ2），ρ为测算空间溢出方向和程度的空间效应系数，φi，t为空间自相关的误差项，为控制变量与空间权重矩阵的空间交互效应的回归系数;wij为空间权重矩阵W中的元素。由于以（0，1）邻接权重难以刻画两个不相邻的地区在经济、社会、生态等领域仍然存在关联的情况，据此建立的空间关系存在显著的缺陷，本文采用基于省会城市距离的地理距离权重矩阵构造[20，31]，并对其标准化。

3 指标选取与数据来源

3.1 指标选取

3.1.1 农业生态效率

广义的农业为农牧渔业，狭义的农业则指种植业，本文以狭义农业为研究重点测算农业生态效率。农业生态效率的本质上是以尽可能少的农业资源投入和最少的环境代价获得尽可能大的农业经济产出和生态保护，综合反映了农业经济与资源利用、环境保护协调共赢的关系。本文农业生态效率评价指标的选取参考了相关文献[3，17-18]中农业投入产出指标体系，结合数据的可得性及统计口径的一致性，最终以土地、劳动力、机械动力、灌溉、化肥、农药等作为地区农业要素投入指标，以农业总产值作为期望产出指标。

关于非期望产出指标的选取，主要包括农业面源污染排放和农业碳排放两大类[3，17]。其中，农业面源污染排放量主要由化肥、农药及农膜等的过度使用造成的，本文采用化肥流失量、农药残留量及农膜残留量估算农业面源污染水平[17]。化肥流失量核算的污染物指标为总氮（TN）和总磷（TP），确定的污染单元为氮肥、磷肥和复合肥3种。污染单元排放系数等于产污系数乘以化肥流失率，氮肥、磷肥和复合肥（N∶ P∶ K养分比例为1∶ 1∶ 1）的TN产污系数分别为1、0和0.33，TP产污系数分别为0、0.44和0.15[32]。各地区化肥流失率参考赖斯芸等[33]的研究，TN与TP之和为化肥产污流失量。农药残留量核算公式为农药施用量×农药无效利用系数，农膜残留量核算公式为农膜施用量×农膜残留系数，这两个污染排放的系数参考吴小庆等[34]的研究及《第一次全国污染普查：农药流失系数、农田地膜残留系数手册》，并考虑地区耕地地形的差异。

农业碳排放的测算参考了李波等[35]的碳排放模型及测算系数，选取了化肥、农药、农膜、农用柴油、灌溉耗电耗水、翻耕流失等6类直接或间接的碳排放。参照该研究，6大类碳源排放系数分别为化肥0.895 6（kg/kg）、农药4.934 1（kg/kg）、农膜5.18（kg/kg）、柴油0.5927（kg/kg）、农业灌溉20.476（kg/hm2）和农业翻耕312.6（kg/km2），最终构建的中国农业生态效率指标体系见表1。

3.1.2 控制变量的选取

①农村居民人均纯收入（pDIRR）。农村居民的富裕程度能够对农业的投入要素产生影响，进而影响农业生态效率，选用农村居民人均纯收入（元）来表征。②农业机械投入强度（MII）=农业机械总动力/农作物总播种面积（kW/hm2）。农业的技术水平对提高农业生产效率起着重要作用，农业机械投入是农业技术进步的最直观表现，通过有效替代劳动力对农业生产、粮食产量产生影响。③复种指数（MCI）=农作物总播种面积/耕地面积（%）。复种指数指的是一定时期内（一般为1年）在同一地块耕地面积上种植农作物的平均次数，用以反映土地撂荒现象的日益增多对农业生态效率的影响。④作物种植结构（CPS）=粮食作物种植面积/（农作物播种总面积-粮食作物种植面积）（%）。种植结构是指某地区农作物种类种植比例，种植结构的变化能够导致农业投入要素结构的变化，进而影响农业生态效率。⑤财政支农水平（FSA）=财政农林水事务支出/农作物总播种面积（元/hm2）。财政资金对农业的补贴强度能够影响劳动力对化肥、农药、农机服务等农业资源的投入，用以反映行政干预手段对农业生态效率的影响。⑥农业受灾率（ADR）=农作物受灾面积/农作物总播种面积（%）。农业生产过程中受自然条件的影响较大，用以反映自然灾害对农业生态效率的影响。⑦城镇化水平（URBAN）：人口城镇化率=城镇人口/年末常住人口（%），城镇化的发展吸引农村劳动力非农转移，将间接影响农业生产及生态。

3.2 数据来源

本文研究样本为中国大陆30个省份，限于数据可得性及西藏和港澳台地区特殊的农业生产条件，这些地区未纳入实证研究。时间跨度为改革开放以来的1978—2016年。文中所涉及变量的数据均来源于《中国农村统计年鉴》《中国农业统计资料》《新中国五十年农业统计资料》、各省市统计年鉴和60年统计资料，及国家数据网站http：//data.stats.gov.cn/easyquery.htm？cn=E0103，部分缺失数据由插值法补齐。重庆在1997年之前、海南在1988年之前的数据通过《重庆统计年鉴》《海南统计年鉴》获取，并调整四川、广东相应年份的数据，最终共整理出39年的面板数据。

4 实证检验与结果分析

4.1 中国农业生态效率测算及时间变化特征

基于DEASOLVER Pro5.0软件，采用非径向（NonOriented）、规模报酬可变（VRS）的超效率SBM模型，测算1978—2016年30个省市的农业生态效率，求解各年份平均值，并将全国分为东中西和东北四大区域（东部包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南;中部包括山西、安徽、江西、河南、湖北和湖南;西部包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆;东北包括辽宁、吉林和黑龙江），对不同区域农业生态效率均值进行对比分析（见图1）。①通过观察图1走势，各年份平均农业生态效率基本上处在0.8以下的水平，整体上农业生态效率处于较低水平，意味着农业两型发展存在较大的资源节约和环境保护空间。1978—2016年间，农业生态效率呈现出在波动中稳定上升的走势，波动性主要体现在1978—2000年间，但变化幅度较小;2000年之后开始呈现稳定上升走势。21世纪以来，中央一号文件连续多年聚焦农业，关注“三农”问题，并明确提出“要鼓励发展循环农业、生态农业”，显示出政府对农业可持续发展的重视，避免了农业生态效率的下滑。②通过对比东中西及东北四大区域的农业生态效率，同样以2000年为界分为两个阶段。1978—2000年间的农业生态效率排名为西部>东部>中部>东北，而在2000—2016年间的农业生态效率排名为东部>西部>中部>东北，但中西部之间的差距较小，显示出随着农业经济的不断发展，东部地区农业技术水平的进步显著，且更加重视农业现代化，有意识保持农业生产、资源节约与环境保护之间的协调，而中西部地区农业技术水平发展缓慢，农业机械化程度较低，农业经济发展方式相对较粗放[36]。

为继续探索各省市农业生态效率随时间演变的集聚差异，采用高斯正态分布的非参数Kernel密度函数[37]，选择1978、1986、1996、2006和2016年5个年份为观测时点进行Kernel密度估计，得到不同时点的分布状况（见图2）。波峰高度反映各省农业生态效率的集聚程度。农业生态效率整体上呈现出从左至右、波峰从高到低的“双峰”演变分布特征，显示出农业生态效率随时间变化而稳定提升的走势，多数省市由低水平集聚逐渐向“高-低”数量差异缩小的趋势转变。改革开放初期，多数省市的农业生态效率在低水平上集聚;进入90年代后，随着农业环保意识增强、农村劳动力转移、农业机械化水平进步加快，各省市农业生态效率呈现不同程度的提升，但各省之间资源禀赋、经济实力等方面仍存在差异，各省市农业生态效率的差距开始增大，形成了多个不同幅度的波峰，但低水平集聚的波峰呈逐渐下降;而到了2016年，双峰分布的波峰高度差距缩小，表明农业生态效率的差距在缩小，逐渐形成“低低集聚、高高集聚”的近“雙峰”式时空演变格局。

4.2 中国农业生态效率收敛性检验

对于经典β收敛的检验模型，依据Hausman检验选择固定效应模型检验农业生态效率的绝对收敛和条件收敛。而在空间β收敛检验时，需要采用Morans I指数方法对农业生态效率的空间相关性进行检验。不同年份农业生态效率Morans I指数均为正（0.124 5～0.2780），除个别年份外，均在5%（或10%）的显著性水平上通过检验，表明中国农业生态效率在空间分布上呈较显著的正相关性，邻近省市之间农业生态效率的影响存在空间依赖性。

关于最优空间计量模型的选择，根据以下原则选择最优模型[38]：①根据赤池信息准则（AIC）选择解释力较高的模型，AIC值越低，解释力越高;②根据LogL、R2及Sigma2统计量判定模型的拟合优度，LogL和R2统计值越高，Sigma2统计值越低，表明模型拟合程度越高;③Elhorst[39]指出空间面板模型只有在时间足够长时选择固定效应是相对有效的[24]。结合Hausman检验，本文选择固定效应的空间收敛模型（见表2）。

关于空间β收敛最优估计模型的选择，绝对和条件β收敛的三个空间计量模型中，除R2外，SDM的LogL均为最大，Sigma2统计值和AIC值最低，总体上空间绝对β收敛和空间条件β收敛可认为空间杜宾模型（SDM）的估计结果更优，且空间效应系数ρ均显著大于0，意味着地区间农业生态效率的收敛性存在显著的空间溢出效应。

从回归结果可以得到以下收敛性特征：①中国农业生态效率存在明显的收敛趋势。所有收敛模型的lnAEEit估计系数均为负，且大部分通过了1%显著性水平的检验，收敛趋势的存在使得地区间农业生态效率差异在缩小，也就是说农业生态效率较低的地区存在“后发赶超”的趋势。②条件收敛的收敛速度均显著大于绝对收敛的速度。在经典β收敛下的条件收敛速度（0.041）是绝对收敛速度（0.013）的3倍多，在空间β收敛下的条件收敛速度（0.105）同样是绝对收敛速度（0.032）的3倍多，这是由于条件收敛考虑了地区间农业生产条件的异质性，加快了农业生态效率的收敛速度，并缩短了收敛周期，从而使得收敛性检验更加准确可靠。③空间因素具有加速效应，使得收敛速度进一步加快。加入空间因素的条件β收敛进一步加快了农业生态效率的收敛速度（0.105>0.041），空间绝对β收敛亦是如此，可能的原因在于，由于空间溢出效应的存在，农业生态效率的不均衡分布使得地理距离相近地区之间的相互影响更加显著，特别是地区间农业要素和信息的空间交流与互动进一步加剧了农业生态效率的空间溢出与扩散效应[40]，从而使得地区间农业生态效率的空间差异随时间推移呈现出进一步缩小的趋势，加速了收敛速度，并进一步缩短了收敛周期。

从控制变量的系数来看，SDM与经典收敛模型估计结果的影响方向基本是一致的，但影响程度和显著性水平存在差异。此处主要分析SDM模型的估计系数，农村居民人均纯收入（lnPDIRR）、农业机械投入强度（lnMII）、复种指数（lnMCI）和种植结构（lnCPS）的估计系数通过了显著性水平的检验。其中农村居民人均纯收入（lnPDIRR）的估计系数为正，一方面农民收入的提高保证了农民有更多的资金改善农业生产条件，提高劳动生产率;另一方面环保意识和收入提高的双重作用使得农民有能力、有意识地追求绿色无公害、有机农产品的生产、销售和消费[41]，从而直接或间接地促进了农业生态效率的提升。而lnMII、lnMCI、lnCPS的估计系数为负，其原因在于农业机械投入通过柴油消耗、农膜覆盖等增加了农业碳排放和污染排放，且如果不加节制地挖掘耕地利用潜力，而不结合轮作、轮耕等耕种制度，将不利于提升农业生态效率;同时，经济作物具有生产周期短、水肥需求大、集约化程度高等特点，其种植面积的扩大将导致化肥投入的增长和面源污染的加重，这些因素也不利于农业生态效率的提升。另外，农业受灾率（lnADR）的估计系数为负，但未通过显著性检验。农业受灾面积的扩大将导致农业生态效率的下降，但每年的受灾情况并不具有规律性。lnFSA的弹性系数为负，也未通过显著性水平的检验，意味着财政支农虽然改善了农业生产条件，提高了农业生产力，但尚未对农业生态效率产生理想的提升效果。可能的原因在于财政支农资金配置不合理，使用缺乏效率，且资金多流向了农业补助、农村经济、扶贫支出等，对农业生态仍缺乏重视。城镇化水平（lnURBAN）的估计系数为正，但不显著，表明非农人口比重的增加对农业生态效率的提升改善作用较有限。

4.3 进一步讨论：分区域与分时段

在考虑了空间效应对中国农业生态效率收敛性影响的基础上，通过分区域和分时段两种思路展开进一步的讨论，以对比不同区域空间收敛性的差异及不同时段空间收敛性的分异特征。回归结果中同样加入经典β检验的回归结果，便于对比分析。

4.3.1 分区域收敛性分析

长时间序列数据选择固定效应模型[22]，考虑到地区间异质性的存在，需要分不同区域讨论条件β收敛的差异性（见表3）。分区域收敛结果显示，四大区域的收敛性系数和空间效应系数均通过了显著性检验，表明四大区域的农业生态效率表现出显著的空间收敛趋势和正向的空间溢出效应。各区域农业生态效率均有随时间推移而缩小的趋势，但不同区域的收敛速度差异性明显，且考虑空间效应的收敛均明显大于经典收敛性，呈现出与全国农业生态效率收敛性相似的收敛特征。

四大区域的农业生态效率空间收敛速度呈现出东北、中部、西部、东部依次递减的分布格局。东部地区的收敛速度（0.059）明显小于东北（0.736）和中西部地区（0.149、0.081），可能的原因在于东北和中部地区多为粮食主产区，农业生产条件较完善，并拥有一定的经济基础，城镇化发展、农村劳动力的非农转移加快了农业规模化进程，“后发赶超”的优势明显，技术与资本的空间流动加速了农业生态效率的收敛性。西部地区多为粮食平衡区，受地形条件限制，农业基础设施较薄弱，农业生产基本自给自足，但农业生态环境受人为干扰的影响相对较小，且随着经济增长及中央和地方财政对西部地区支农的投入支持，西部地区农业发展在逐渐缩小与东中部地区的差距。而东部地区多数为粮食主销区，农业基础设施较成熟，虽然各类要素向东部地区流动明显，但农业生产并不是其主要任务（除河北、山东等粮食大省外），技术与资本的投入对当前农业生产与生态条件改善的边际效应在递减，使得农业生态效率的空间收敛速度略小。可见，农业生态效率的空间收敛性与区域间经济发展水平、农业技术条件、基础设施、资本流动性等各方面存在关联性。

4.3.2 分时段收敛性分析

中国大规模的农业综合开发始于1988年，其目标便是促进农业可持续发展。另外，在2000年之后粮食连年减产、农民收入增长缓慢的情况下，自2004年起，中央政府连续多年下达了关于“三农”问题的一号文件，并在2006年全面取消了农业税。根据此相关农业政策的历史节点，并考虑到政策效应的时间滞后性，将我国改革开发以来的农业经济发展大体分为3个阶段：1978—1989、1990—2003、2004—2016。

表4报告了采用固定效应的空间杜宾模型（SDM）的空间β收敛检验及经典β收敛检验的回归结果，结果显示，①与全时段收敛特性类似，各时段农业生态效率表现出显著的空间收敛性，从而反映出模型回归的稳健性;②除2004—2016年外，其他时段农业生态效率的空间收敛速度均高于经典收敛速度，空间因素对农业生态效率的收敛性产生加速效应;③农业生态效率收敛速度呈现出逐步递减的变化过程，1978—1989年的收敛速度最高（0.725），2004—2016年的收敛速度最低（0.185），表明随着时间的推移，农业生态效率的收敛速度逐渐放缓。改革開放初期，各地区农业基础设施陈旧落后，地区间农业生产条件差距较小。但随着市场经济体制的建立，以及农业综合开发的实施，生产要素的空间束缚逐渐减弱，并能够自由流动，这一时期以改善农业基本生产条件、提高农产品综合生产能力为主，释放了巨大了农业生产力。而随着改革开放的深入及农业经济发展进入到新的阶段，不同地区间在资源禀赋、经济基础、技术水平等方面要素差距逐步缩小，地区间农业生产条件持续完善，农村劳动力的非农转移与农业生产要素的空间流动日趋稳定与成熟，新形势下农业生产要求提高农业综合生产能力与保护生态环境相结合，并力求从以往单纯追求产量向优化结构、突出质量和效益、依靠农业科技进步转换，从而进一步放缓了农业生态效率的收敛速度。

5 主要结论与相关启示

农村劳动力的空间流动、农业机械服务的跨区作业等农业生产要素的空间流动性越来越频繁，而农业生产不仅要重视其经济效益，还要考虑其生态环境影响。本文以1978—2016年中国各省市面板数据为研究单元，以狭义型农业为研究对象，采用超效率SBM模型对省际农业生态效率进行测算，并将空间效应因素引入经典β收敛的检验过程中，对中国农业生态效率的空间收敛性进行估算，并进一步对比不同区域、不同时段收敛的分异特征，得到的主要的结论如下。

（1）从时间演变的差异来看，折线图显示中国农业生态效率呈现出在波动中稳定上升的走势，波动性主要集中在1978—2000年间，而在2001—2016年期间东部地区农业生态效率增长程度较中西部地区更高，但整体仍处于较低水平，农业生态效率仍存在较大提升空间。中国农业生态效率的演变呈现出由高向低转演变的“双峰”分布特征，且波峰高度的差距在缩小。

（2）中国农业生态效率存在显著的空间收敛趋势，各地区空间差异随时间推移呈现逐渐缩小的趋势，条件收敛的速度显著大于绝对收敛速度。由于空间溢出效应的存在，地区间农业生态效率的空间差异随时间推移呈现出进一步缩小的趋势，即空间因素对收敛速度具有加速效应。农村居民人均纯收入、农业机械投入强度、复种指数和种植结构均对农业生态效率产生了不同程度的影响，而农业受灾率、财政支农水平与城镇化发展的影响并不显著。

（3）四大区域农业生态效率均表现出显著的空间收敛性，空间收敛速度呈现出东北、中部、西部、东部的依次递减的分布格局，且收敛速度均大于经典收敛，这与区域间经济发展水平、农业技术条件、基础设施、资本流动性等各方面存在关联性。另外，除2004—2016年外，各时段农业生态效率的空间收敛速度同样高于经典收敛速度，且空间收敛速度呈现出逐步递减的变化过程，2004—2016年的收敛速度最低，随着时间的推移，农业生态效率的收敛速度开始放缓。不同控制变量在不同区域、不同时段内产生了不同的影响。

本文的研究启示在于，一方面，中国农业生态效率存在较大提升空间，意味着农业的可持续发展仍面临生态环境保护的艰巨任务;另一方面，空间收敛性的存在，使得本地区政府在关注自身农业生产的同时，应充分考虑到与邻近地区在地理区位、资源禀赋及农业经济发展水平的差异性，从而相邻地区之间应建立完备的农业生态合作机制、农业生态政策联动机制，加强农业生产合作与交流。农业生态效率较高的地区充分发挥其辐射带动作用，而农业生态效率较低的地区则积极借鉴邻近农业生态效率较高省市的农业生态管理经验，并结合自身禀赋条件，寻求农业经济增长与资源节约、环境保护之间协调发展的均衡点，并进一步缩小地区间农业生态效率差距。

（编辑：刘照胜）

参考文献

[1]农业部， 国家发展改革委， 科技部， 等.全国农业可持续发展规划（2015—2030年） [N/OL].2015-05-28.http：//www.moa.gov.cn/sjzz/jgs/cfc/yw/201505/t20150528_4620635.htm.

[2]张子龙，鹿晨昱，陈兴鹏，等.陇东黄土高原农业生态效率的时空演变分析——以庆阳市为例[J].地理科学，2014，34（4）：472-478.

[3]潘丹，应瑞瑶. 中国农业生态效率评价方法与实证——基于非期望产出的SBM模型分析[J].生态学报，2013，33（12）：3837-3845.

[4]吴玉鸣.中国区域农业生产要素的投入产出弹性测算——基于空间计量经济模型的实证[J].中国农村经济，2010（6）：25-37，48.

[5]SCHALTEGGER S， STURM A. Okologische rationalitat[J]. Die unternehmung，1990（4）：273-290.

[6]吕彬，杨建新.生态效率方法研究进展与应用[J].生态学报，2006（11）：3898-3906.

[7]JOLLANDS N， LERMIT J， PATTERSON M. Aggregate ecoefficiency indices for New Zealand：a principal components analysis[J]. Journal of environmental management， 2004，73（4）：293-305.

[8]曾福生，高鸣.我国粮食生产效率核算及其影响因素分析——基于SBMTobit模型二步法的实证研究[J].农业技术经济，2012（7）：63-70.

[9]MASUDA K. Measuring ecoefficiency of wheat production in Japan： a combined application of life cycle assessment and data envelopment analysis[J].Journal of cleaner production， 2016， 126：373-381.

[10]PASSEL S V， NEVENS F， MATHIJS E， et al. Measuring farm sustainability and explaining differences in sustainable efficiency[J]. Ecological economics， 2007，62（1）：149-161.

[11]高鸣，宋洪远.粮食生产技术效率的空间收敛及功能区差异——兼论技术扩散的空间涟漪效应[J].管理世界，2014（7）：83-92.

[12]贾琳，夏英.农户粮食生产规模效率及其影响因素分析——基于黑、豫、川三省玉米种植户的调查数据[J].资源科学，2017，39（5）：924-933.

[13]王欧，杨进.农业补贴对中国农户粮食生产的影响[J].中国农村经济，2014（5）：20-28.

[14]曾雅婷，吕亚荣，王晓睿.农地流转对粮食生产技术效率影响的多维分析——基于随机前沿生产函数的实证研究[J].华中农业大学学报（社会科学版），2018（1）：13-21，156-157.

[15]郭贯成，丁晨曦.土地细碎化对粮食生产规模报酬影响的量化研究——基于江蘇省盐城市、徐州市的实证数据[J].自然资源学报，2016，31（2）：202-214.

[16]李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境，2011，21（8）：80-86.

[17]王宝义，张卫国.中国农业生态效率测度及时空差异研究[J]. 中国人口·资源与环境，2016，26（6）：11-19.

[18]刘应元，冯中朝，李鹏，等.中国生态农业绩效评价与区域差异[J]. 经济地理，2014，34（3）：24-29.

[19]郑德凤， 郝帅， 孙才志.基于DEAESDA的农业生态效率评价及时空分异研究[J].地理科学，2018，38（3）：419-427.

[20]余泳泽.中国省际全要素生产率动态空间收敛性研究[J].世界经济，2015，38（10）：30-55.

[21]左永彦，冯兰刚.中国规模生猪养殖全要素生产率的时空分异及收敛性——基于环境约束的视角[J].经济地理，2017，37（7）：166-174+215.

[22]SERGIO J R， BRETT D M. US Regional income convergence： a spatial econometric perspective[J]. Regional studies， 1999，33（2）：143-156.

[23]马大来，陈仲常， 王玲.中国区域创新效率的收敛性研究：基于空间经济学视角[J].管理工程学报，2017，31（1）：71-78.

[24]王宝义，张卫国.中国农业生态效率的省际差异和影响因素——基于1996—2015年31个省份的面板数据分析[J].中国农村经济，2018（1）：46-62.

[25]葛鹏飞， 王颂吉， 黄秀路. 中国农业绿色全要素生产率测算[J].中国人口·资源与环境， 2018， 28（5）：66-74.

[26]高鸣，宋洪远.中国农业碳排放绩效的空间收敛与分异——基于MalmquistLuenberger指数与空间计量的实证分析[J].经济地理，2015，35（4）：142-148+185.

[27]TONE K. A slacksbased measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001，130（3）：498-509.

[28]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research， 2002，143（1）：32-41.

[29]侯孟阳， 姚顺波. 中国城市生态效率测定及其时空动态演变[J].中国人口·资源与环境， 2018，28（3）：13-21.

[30]张子龙，薛冰，陈兴鹏，等.中国工业环境效率及其空间差异的收敛性[J].中国人口·资源与环境，2015，25（2）：30-38.

[31]王守坤.空间计量模型中权重矩阵的类型与选择[J].经济数学，2013，30（3）：57-63.

[32]史常亮，李赟，朱俊峰.劳动力转移、化肥过度使用与面源污染[J].中国农业大学学报，2016，21（5）：169-180.

[33]赖斯芸，杜鹏飞，陈吉宁.基于单元分析的非点源污染调查评估方法[J].清华大学学报（自然科学版），2004（9）：1184-1187.

[34]吴小庆，王亚平，何丽梅，等.基于AHP和DEA模型的农业生态效率评价——以无锡市为例[J].长江流域资源与环境，2012，21（6）：714-719.

[35]李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口·资源与环境，2011，21（8）：80-86.

[36]侯孟阳，姚顺波.1978—2016年中国农业生态效率时空演变及趋势预测[J].地理学报，2018，73（11）：2168-2183.

[37]徐现祥，舒元. 中国省区经济增长分布的演进（1978—1998）[J]. 经济学（季刊），2004（2）：619-638.

[38]杨明海，张红霞，孙亚男，等.中国八大综合经济区科技创新能力的区域差距及其影响因素研究[J].数量经济技术经济研究，2018，35（4）：3-19.

[39]ELHORST J P. Dynamic spatial panels： models， methods， and inferences[J].Journal of geographical systems， 2012， 14（1）：5-28.

[40]馬大来，陈仲常，王玲.中国省际碳排放效率的空间计量[J].中国人口·资源与环境，2015，25（1）：67-77.

[41]庞家幸.中国农业生态效率研究[D].兰州：兰州大学，2016.Convergence and differentiation characteristics onagroecologicalefficiency in China from a spatial perspective

HOUMengyang1，2 YAO Shunbo1，2

（1.Research Center for Resource Economics andEnvironment Management， Northwest A & F University， YanglingShaanxi 712100， China;2.College of Economics & Management， Northwest A & FUniversity， Yangling Shaanxi 712100， China）

Abstract Based on the panel data of 30 provinces in China from 1978 to 2016， the supper efficiency SBM model was used to measure the interprovincial agroecological efficiency （AEE） in our study. Based on analyzing the spatialtemporal evolution pattern of kernel density estimation， the spatial effect factor is introduced into the testing process of classical βconvergence， so we can estimate its spatial convergence through the spatial econometric model and discuss its differentiation characteristics in different regions and in the time interval. The results show that first the AEE in China presents a ‘doublepeak distribution characteristic with stable rise in fluctuation， and the gap between peak heights is narrowing， but the overall level is still relatively low， so there is still room for improvement in AEE. Besides the AEE improvement in Chinas eastern region is more significant than in the centralwestern regions. Second， the AEE in China has a significant spatial convergence， and the rate of spatial conditions βconvergence is 0.105. The conditional convergence rate is significantly higher than absolute convergence and the spatial spillover effect accelerates the convergence， so that the spatial difference between regional AEE shows a further narrowing trend over time. Third， the spatial convergence of AEE is also significant in different regions and in different periods， and the convergence rate shows the pattern of decreasing in order of northeast China， central China， western China， eastern China. The convergence speed is higher than the classical convergence which is related to economic development between regions， agricultural technical conditions， infrastructure， capital space fluidity and so on， but the spatial convergence speed of AEE in each time interval is also higher than the classical convergence except the period between 2004-2016， and it has experienced the process of decreasing gradually. Finally， due to the existence of spatial convergence， each region should fully consider the differences of its resource endowment and agricultural economic development. The cooperation and exchange of agricultural between neighboring areas should be strengthened， and it is necessary to establish a complete agroecologicalcooperation mechanism and an ecological policy linkage mechanism.

Key words agroecological efficiency（AEE）; spatial convergence; differentiation characteristics; βconvergence; super efficiency SBM model CHINA POPULATION，  RESOURCES AND ENVIRONMENT   Vol.29  No.4 2019