高孟菲，郑 晶

(1.福建农林大学 公共管理学院，福建 福州 350000；2.福建师范大学 公共管理学院，福建 福州 350108)

中国经济已由高速增长阶段转向高质量发展阶段，农业作为国民经济的基础性产业，目前处于转变发展方式、优化产业结构、转换新旧动能的关键时期，迈进农业高质量发展阶段势在必行。农业高质量发展需要技术进步、制度变迁和经济绩效三者良性互动[1]，靠以往增加投入要素的粗放型生产方式已经无法适应当下农业高质量发展的需求。因此，通过转变农业投入要素数量，提升生产要素配置质量，推动农业绿色发展是实现农业高质量发展的必然要求。农业绿色发展是指通过转变依靠资源消耗换取农业产量的传统粗放型农业经营方式，调整农业生产投入要素比例和结构，实现资源节约、要素优化、产出高效的发展目标。实现农业绿色发展目标既是破解中国农业资源约束与环境压力的重要突破口，也是满足人民日益增长的美好生活需要的客观要求。然而我国农业绿色发展效率如何？农业绿色发展效率的驱动因素有哪些？对于这些问题的回答，有助于认清我国农业发展实际，提出针对性农业发展政策。鉴于此，本研究基于我国2007—2017年大陆31个省份(市、区)的面板数据，采用熵值法和SBM-Undesirable模型、泰尔指数、空间杜宾模型分析我国农业绿色生产率的时空差异及驱动因素，以期为我国实现农业高质量发展提供一定的理论参考。

农业绿色发展作为一项重要议题，引起学术界的广泛关注，并取得了一定研究成果，且主要集中在农业绿色发展效率测算[2]、影响因素[3]等方面。一是农业绿色生产效率的测算方面，主要有参数和非参数两种方法，Ahmad[4]、展进涛[5]、王奇[6]等运用参数法中随机前沿函数测算并分析了中国农业绿色全要素生产率，并与传统农业全要素生产率进行比较分析，得出环境要素对农业全要素生产率影响的重要性；涂正革[7]、崔晓[8]、杨芷晴[9]等运用非参数DEA模型分析中国省级层面的农业绿色生产效率，并得出省际间的时空差异及驱动因素；鉴于变量选取和研究时空存在较大差异，不同学者得出不同的研究结果。二是影响农业绿色发展因素方面，主要借助面板数据模型和空间计量模型分析不同因素对农业绿色生产的影响，王淑红、肖锐等运用面板模型分别探讨了农业劳动力老龄化、财政支农对农业绿色生产率的影响[10-11]；金芳等运用空间计量模型分析农业产业结构对农业绿色生产的直接影响和间接溢出效应[12]；杨骞等利用地理探测器识别农业绿色全要素空间分异的驱动因素，并得出自然环境、财政支农支出、农民收入对农业绿色全要素生产率空间分异影响较大[13]。

综上所述，关于农地经营规模与农业绿色生产效率的研究取得了一定进展，为本研究提供了丰富的理论基础，但也存在不足：学者们多基于农业期望产出和非期望产出对效率值进行测算，在计算过程中以农业总产值或农林牧渔业增加值为期望产出，以农业碳排放为非期望产出[3,14]，但忽略了农田作为陆地生态系统的重要组成部分，既是碳源也是碳汇，因此在测算期望产出时，农业的固碳作用不应被忽视；此外，农业生产经营过程中，碳排放只是农业点源污染的一部分，而农业面源污染因具有分散性、隐蔽性和不均匀性特征，对环境的破坏程度更大，因此在测算农业非期望产出时仅以农业碳排放量为依据是不充分的。鉴于此，为了得出相对精确的农业绿色生产率，本文除了将农业碳排放作为非期望产出之外，还将农业面源污染考虑在内，运用熵权法处理农业面源污染指数，将两者结合作为农业非期望产出；除了将农业不变价格产值作为农业期望产出外，还将农业碳汇作为一种期望产出，进而准确测算农业绿色生产率，并采用熵值法和SBM-Undesirable模型、泰尔指数、空间杜宾模型分析我国农业绿色生产率的时空差异及驱动因素，以期为农业绿色发展提供一定的借鉴。

一、农业绿色生产效率测算方法

(一)研究方法

1.SBM-Udesirable模型。农业生产过程中，不仅有“好”产出，也会有“坏”产出，学术界把这些产出分别称为期望产出和非期望产出。传统的径向DEA模型无法考虑“松弛变量”对效率值的影响，也无法考虑期望产出与非期望产出的动态变化，以此度量的效率值导致结果有偏[3]。SBM-Udesirable模型把松弛变量直接纳入目标函数，同时考虑了期望产出增加、非期望产出减少的技术变化，解决了投入产出松弛问题，使得效率值测算更符合生产实际。SBM-Udesirable模型的基本原理如下[15,16]：

(1)

(2)

公式(2)中，s-，sg和sb分别是投入变量、期望产出、非期望产出的松弛变量。目标函数ρ*关于s-，sg和sb严格递减，当s-=sg=sb=0，函数存在最优解，即ρ*=1，表示决策单元是有效率的。如果0≤ρ*≤1，说明决策单元存在效率的损失，没能实现充分有效。

2.泰尔指数(Theil Index)。泰尔指数最初利用广义熵指数概念来量化收入不平等，该指数由于可以将研究目标的总体差异分解为组内差异和组间差异，能够解释组内间差异的变动趋势和二者在总体差异中的影响程度[19]。泰尔指数取值范围是[0,ln(n)](n为样本个数)，泰尔指数越小，表明所测对象间差异越小，反之则越大。基于泰尔指数的分解方法，将差异分解为区域间差异和区域内差异，并计算各自的差距贡献率[8,16]。具体计算如下：

Theil=Theilw+Theilb

(二)农业绿色生产效率指标选取与数据来源

本研究将农业投入、农业期望产出和农业非期望产出纳入农业绿色生产率的评价指标。具体计算如表1所示。

1.农业投入指标。分别包括劳动力投入、土地投入、化肥投入、农药投入、农膜投入、机械总动力和灌溉投入。

2.农业期望产出指标。分别包括农业总产值和农业生态碳吸收量。农业总产值以2006年为基期得出2007—2017年农业总产值不变价格；农业生态碳吸收量是农业的正外部属性的一种体现，综合考虑数据的可得性、人为活动的干预程度和相关研究[20]，计算农业碳汇量主要针对农业生长周期过程中的碳吸收，而不考虑碳汇效应同样突出的林地和草地[20-21]。具体而言，农业碳汇是指农作物生产过程中通过光合作用形成的初级生产量，即生产产量，具体计算如下：

其中，C为农业生态系统碳吸收总量，Ci为某种农作物的碳吸收量，k为不同农作物种类，ci为某种农作物的碳吸收率，Yi为农作物单位面积产量，r为农作物含水量，HIi为农作物经济系数[22]。

3.农业非期望产出。分别包括农业碳排放和面源污染综合指数。碳排放主要包括生产过程中使用化肥、农药、农膜、柴油和灌溉、翻耕等农业物质要素投入导致直接或间接的碳流失，具体计算如下[23-24]：

E=∑Ei=∑Ti×λi

其中E是农业碳排放总量，Ei是不同碳排放源产生的碳排放量，Ti、λi分别是不同碳排放源的初始量和碳排放系数。农业面源污染综合指数主要包括化肥流失量、农药无效利用量及农膜残留量，本文使用熵值法对3个指标进行处理，从而得出农业面源污染综合指数[3]。其中化肥氮流失量等于复合肥含氮量与氮肥施用量之和乘以氮流失系数，化肥磷流失量等于复合肥含磷量与磷肥施用量之和乘以磷肥流失系数 ，最后加总得出化肥流失量；农药无效利用量等于农药施用量乘以农药无效利用系数；农膜残余量等于农膜施用量乘以农膜残余系数 。计算出农业面源污染综合指数，指数越大农业面源污染越严重，反之则越弱。

表1 评价农业绿色生产效率的投入产出指标选取

本文数据来自《中国农业年鉴》《中国农村统计年鉴》《中国统计年鉴》及各省份的统计年鉴等。

(三)我国农业绿色生产率的时空差异

1.基于SBM-Undesirable模型的农业绿色生产率的时空变化分析。基于上述指标，构建非径向、非角度的SBM-Udesirable模型，借助DEA-Solver Pro5.0软件计算中国大陆31个省份(市、区)的农业绿色生产率。结果见表2所示。

从时间趋势来看，农业绿色生产率呈“U”型变化趋势，2007—2013年全国农业绿色生产率呈下降趋势，农业效率损失量不断扩大。究其原因，2006年中国农业税的全面取消，意味着在中国沿袭两千年之久的传统税收的终结，极大地减少了农民负担，使得农民有更多资金投入农业生产，通过使用化肥、农药和农膜等生产性资料提高农业产量。这在一定程度上加大了农业生态环境负担，导致农业绿色生产率逐渐降低[26]。这也是2015年在中央农村工作会议上首次提出农业供给侧结构性改革的原因之一[27]。2015—2017年农业绿色生产率呈上升趋势，但与2007年以前的变动趋势相比，上升幅度较小，表明农业供给侧结构性改革初显成效，农业绿色生产率逐渐上升。

从空间趋势来看，相对于粮食主产区而言，非主产区农业绿色生产率较高。究其原因，粮食主产区主要以小麦、玉米和水稻等农作物为主，虽然农作物的碳吸收量在一定程度上可减缓温室效应，但是为提高农产品产量，保证中国粮食安全，农药、化肥、农膜等农业生产性资料投入比例也较高，碳排放与碳吸收量之间出现不平衡，导致农业绿色生产率损失，这也验证了中国的粮食主产区碳减排潜力高于非主产区[28]。相对于欠发达地区而言，发达地区间农业绿色生产率变化波动较大，极端现象明显。究其原因，发达地区有先进科技和大量资金支撑，行动力和执行力较强，一旦意识到农业生态环境被破坏，则会立即启动相关措施，加大整治力度，以实现立竿见影的效果，这也集中体现了中国政策执行的地区差异和时间差异，即存在政策试验、政策创新和政策扩散的内在逻辑。

表2 SBM-Udesirable模型下农业绿色生产效率测算结果

续表

2.基于泰尔指数的农业绿色生产率的区域差异。根据泰尔指数测算出我国农业绿色生产率的区域内差异、区域间差异及差异贡献率，具体如表3所示。从总体差异来看，我国农业绿色生产率整体泰尔指数波动剧烈，但是总体呈下降趋势。2007年我国农业绿色生产率的泰尔指数为0.001 9，表明该时期我国农业绿色生产效率较为均衡，地区差异不明显。但此后，我国农业绿色生产率的整体差距逐渐增大，2012年差距达到最大值，随后农业绿色生产率的差距逐渐降低，表明地区整体不平衡状况得到了一定改善。从区域差异来看，区域内差距的变化趋势与整体差异的变化趋势一致，表明区域内差异是造成整体差异的主要因素，区域间差距并不明显。从粮食主产区和非主产区来看，粮食主产区的差距贡献值更大，且波动较明显，整体呈上升趋势，这可能是由粮食主产区内不同省份(市、区)之间经济发展水平差异造成的。

表3 农业绿色生产效率的泰尔指数及分解结果

二、农业绿色生产率驱动因素的实证分析

根据前文分析可知，我国省份间的农业绿色生产率存在差异，但空间等因素作用下是否存在溢出效应需要进一步检验。

(一)模型选择

1.探索性空间数据分析模型。一般而言，空间溢出的动因主要源自空间相关性和空间异质性，而检验空间相关性的统计量主要是莫兰指数，具体形式[29]：

(3)

2.空间杜宾模型。空间杜宾模型(Spatial Durbin Model，简称SDM)包含了解释变量和被解释变量的空间依赖效应，是考察地理要素空间关联的主要模型。本文主要用其来考察我国30个省市(港澳台和西藏除外)农业绿色生产率的驱动因素。模型设定如下[30]：

其中，yit、xit为第t年空间单元i、j的被解释变量和解释变量的观测值；β为解释变量的待估参数向量；ρ为被解释变量的空间滞后系数；φ为解释变量的空间回归系数；δi和γt为地区的个体效应和时间效应；εit是随机误差项；Wij为空间权重矩阵。为考察稳健性，选取经济距离矩阵和地理邻接矩阵的回归结果作为对比。其中经济矩阵用省份间经济发展水平差距的倒数表示，地理邻接矩阵是相邻两省份用1表示，不相邻则用0表示，并对两种权重均进行标准化处理。

(二)数据来源与变量选择

1.数据来源。本文以中国30个省份(西藏由于部分年份数据残缺严重，香港、澳门和台湾由于数据收集困难，故未纳入统计)，选取2007—2017年的有效数据对农业绿色生产率的驱动因素进行分析。基础数据均来自《中国农业年鉴》《中国农村统计年鉴》《中国统计年鉴》及各省市统计年鉴，部分缺失数据通过插值法补全。

2.变量选取。借鉴已有研究成果，本文把农业生产要素、财政扶持力度、农户生产行为、自然环境等4个方面纳入空间计量模型进行实证分析。各变量的描述性统计详见表4。

1)农业生产要素方面：农村劳动力非农转移率用乡村从业人员和农林牧渔业从业人员的差与乡村从业人员之比来表示[31]。农村劳动力非农转移率的均值为0.467，表明我国农村劳动力非农转移率总体处于一般水平。农业机械化方面，将机耕水平、机播水平和机收水平分别按照0.4、0.3、0.3的权重加权平均计算农作物耕种收机械化率[32]。农业机械化的均值为7.340，表明我国农业机械化率相对较高。农村道路设施方面，用等级公路中扣除高速、一级和二级高速公路的长度再加上等级外公路来衡量农村公路长度，取之其与省域面积之比，这样做的好处是考虑了公路功能的异质性和农机跨区域作业的可能性[33]。农村道路设施的均值为0.874，表明我国农村道路设施较完善，约87%的公路覆盖率。

2)财政扶持力度方面：财政支农用各地财政支农支出占财政总支出的比重表示[34]。财政支农的均值为10.846，表明我国财政支农水平较高。

3)农户生产行为方面：农作物种植结构用粮食作物播种面积与农作物总播种面积之比表示。农作物种植结构的均值为65.419，表明我国粮食作物播种面积大于非粮食作物播种面积。农地经营规模用农村居民家庭人均耕地规模(1)《中国农村统计年鉴》中关于农村居民家庭土地经营规模的相关数据仅统计到2012年，因此2013年至2017年的相关数据按照耕地面积与农村总人口数量之比来替代。来表示[3]。农地经营规模的均值为2.667，表明我国农村家庭人均耕地规模较小。农业收入用农村居民人均可支配收入来表示[10]。农业收入的均值为0.461，表明我国农村居民人均可支配收入较低。

4)自然环境方面：农作物受灾率用受灾面积与农作物播种总面积之比表示[12]，以控制外部自然因素的影响。农作物受灾率的均值为20.747，表明我国农作物受自然灾害影响较大。

表4 农业绿色生产率驱动因素的描述性统计

(三)实证结果分析

1.空间相关性分析。2007—2017年间，本研究30个省份农业绿色生产率全局Moran's值大于0的年份为10个，且P值在1%显著性水平上通过检验，结果如表5所示。因此各省农业绿色生产率存在较强的空间溢出效应，满足空间计量模型检验条件。

表5 2007—2017年本研究中各省份农业绿色

2.空间回归分析。首先对数据进行单位根检验，LM检验结果显示，所有统计变量的P值均为0，强烈拒绝面板单位根的原假设，变量为平稳序列，可进行计量回归。在进行空间回归前，先对模型进行LR和Wald检验，发现LR和Wald统计量都显示拒绝原假设。因此空间杜宾模型并不能进一步简化为空间误差模型和空间滞后模型，前文模型设定较合理。此外，Hausman检验结果表明应该使用固定效应模型进行回归。借助Stata15.0软件进行回归，并通过变化不同空间权重矩阵对分析结果进行稳健性检验。结果显示：不管基于何种空间权重矩阵，结果基本一致，表明实证结果稳健可靠。鉴于版面有限，下文仅分析经济权重矩阵模型下的回归结果，如表6所示。

(1)农业生产要素方面。直接效应中，农村劳动力非农转移率对农业绿色生产率的影响未通过显著性检验，不具有统计学意义。间接溢出效应中，在1%水平上显著负向影响农业绿色生产率。这表明，邻近地区农村劳动力非农转移数量的增加会对本地区农业绿色生产率发展产生不利影响。究其原因，邻近地区农村劳动力非农转移会导致从事农业生产人数减少，为弥补劳动力数量缺失，邻近地区会增加替代要素投入，如化肥、农药、机械等投入量增加，导致区域内农业粗放现象严重。随着污染物的跨区流动和空间转移，邻近地区农业收入的提高并不会促进本地区农业绿色生产率的提升，甚至会起阻碍作用。

直接效应中，农业机械化在1%水平上显著负向影响农业绿色生产率，这表明，不论本地还是邻近地区农业机械化的发展均不利于提高本地区的农业绿色生产率。究其原因，在农村剩余劳动力大量转移背景下，农业机械化作为农业劳动力的替代性要素，激励农业经营者扩大生产规模，对农业物质要素投入增加，从而加剧了农业环境的污染[30]；另外我国农业机械化作业大多集中在机耕、机播和收获环节，而在施肥、农药喷洒等环节涉及较少，无法形成对农药、化肥的减量化使用，且农业机械95%以上使用的配套动力是柴油机，在使用过程中排放大量污染物质，因此农业机械化水平的提高难以缓解化肥、农药等污染性要素的高流失量，且还伴随着碳排放量的增加[30]。间接溢出效应中，农业机械化对农业绿色生产率的影响未通过显著性检验，不具有统计学意义。

直接效应中，农业公路设施在1%水平上显著负向影响农业绿色生产率。这表明本地农业公路设施不利于提高本农业绿色生产率。究其原因，公路设施的完善能够有效打破区域间农业生产要素流动壁垒，降低农业生产过程中的各项要素的运输成本和交换成本，但目前我国城乡二元经济结构背景下，农村公路密度低、结构不合理、管理机制不健全等问题严重，整体不利于农业绿色生产率的提升。间接溢出效应中，农业公路设施对农业绿色生产率的影响未通过显著性检验，不具有统计学意义。

(2)财政支农方面。直接效应中，财政支农在1%水平上显著负向影响农业绿色生产率。这表明财政支农力度的扩大不利于当地农业绿色生产率的提升。究其原因，财政支农主要侧重于非生产性的农业支出，而用于农业科技研发和农业技术培训的支出占比较低，这种不平衡的支出结构使得农业发展后劲不足[35]，加之财政支农政策执行偏差导致支持农业政策执行效率未达到预期水平，其对农业绿色生产率的影响效应可能存在一定滞后性[11]。间接溢出效应中，财政支农对农业绿色生产率的影响未通过显著性检验，不具有统计学意义。

(3)农户生产行为方面。直接效应中，农作物种植结构在1%水平上显著负向影响农业绿色生产率。这表明本地农作物种植结构的调整，即粮食作物种植面积的增加不利于本地区农业绿色生产率的提高。究其原因，相对于粮食作物而言，经济作物对污染性要素的依赖性更强，污染实物排放量和等标污染负荷较高，因此粮食作物面积的减少导致农业绿色生产率降低。间接溢出效应中，农作物种植结构对农业绿色生产率的影响未通过显著性检验，不具有统计学意义。

直接效应中，农地经营规模在1%水平上显著正向影响农业绿色生产率。这表明本地区农户农地经营规模的扩大有利于提高农业绿色生产率。究其原因，农地规模经营是实现农业产业集聚效应的前提，有助于推动土地、劳动和资本等生产要素配置趋向合理，实现规模经济效应带来分工和专业化经济，优化农户资源配置，采用新型农业技术，从而减少化肥施用量，提高农业绿色生产效率。间接溢出效应中，农地经营规模在1%水平上显著负向影响农业绿色生产率。这表明邻近地区农地经营规模的扩大不利于本地区农业绿色生产率的提高。究其原因，经济水平相近的地区，产业结构、经济基础存在显著差异，盲目效仿临近地区扩大农地经营规模可能带来农作物趋同、农产品滞销、资源浪费等问题，导致农业绿色生产率低。直接效应中，农业收入在1%水平上显著正向影响农业绿色生产率。这表明本地区农户农业收入的增加有利于提高农业绿色生产率。究其原因，农业收入的提高，驱使物质水平和精神需求提升，进而消费者对高质量农产品需求增强，生产者的环境友好意识逐渐强化，促使其采纳农业绿色生产技术，生态环境保护与农业经济增长趋于协调，从而促进农业绿色生产率的提升。间接溢出效应中，农业收入对农业绿色生产率的影响未通过显著性检验，不具有统计学意义。

(4)自然环境方面。直接效应中，农作物受灾率在10%水平上显著负向影响农业绿色生产率。这表明，本地区农作物受灾率提高不利于本地区农业绿色生产率。究其原因，作为“理性经济人”的农户在面对外部自然灾害时，优先考虑加大农业生产要素投入，如利用农药防治病虫害等，这在一定程度上提高了农业污染要素投入，加大农业环境负担，导致农业绿色生产率降低。间接溢出效应中，农作物受灾率对农业绿色生产率的影响未通过显著性检验，不具有统计学意义。

表6 空间杜宾模型回归结果

三、结论与建议

(一)结论

本研究基于我国2007—2017年大陆31个省份(市、区)的面板数据，采用熵值法和SBM-Undesirable模型、泰尔指数、空间杜宾模型分析我国农业绿色生产率的时空差异和驱动因素，并得出如下结论：

1.农业绿色生产率的时空差异。从时间趋势来看，农业绿色生产率呈“U”型变化趋势；从农业绿色生产率总体差异来看，我国农业绿色生产率的整体泰尔指数波动比较剧烈，但是总体上呈现下降趋势，说明各地农业绿色生产率存在差异，但这种差异在逐渐变小。从空间趋势来看，粮食主产区、非主产区和发达地区与欠发达地区农业绿色生产率发展趋势存在显著差异，且存在明显的空间相关性。

2.农业绿色生产率的空间驱动因素。直接效应中，本地农业机械化、农业道路设施、财政支农、农作物种植结构、农作物受灾率对农业绿色发展率有显著的负向影响；农地经营规模、农业收入对农业绿色生产率有显著的正向影响；农村劳动力非农转移率对农业绿色生产率的影响不显著。间接溢出效应中，农村劳动力非农转移率、农地经营规模对农业绿色生产率有显著的负向影响；农业机械化、农业道路设施、财政支农、农作物种植结构、农业收入、农作物受灾率对农业绿色生产率的影响不显著。

(二)建议

基于以上分析，本文提出如下建议：

1.加强区域间合作交流，推动生产要素充分流动，实现区域协同发展。农业绿色生产效率具有较强的空间相关性，因此应加强地区间合作交流，加快人力、资本、农业技术和服务等要素在地区间的自由充分流动。充分发挥高农业绿色生产效率地区的辐射带动作用，低农业绿色生产率地区结合自身实际，学习周边地区先进经验，不断提升自身农业发展效率；同时各省份间加强农业环境污染治理合作，践行“谁污染谁付费”的农业生态补偿原则，激发农业生态保护动力，推动区域协同发展。

2.正确引导农村劳动力转移，培育新型农业主体，推动农业规模化经营。地方政策在引导农村剩余劳动力转移的同时，完善相关农业服务配套政策。如健全农地流转机制，创新农地经营形式，扶持家庭农场、农民专业合作社、农业产业化企业等新型农业经营主体。同时对规模化经营性农户进行生产培训，推动现代化农业技术、绿色管理观念的践行，提升农业劳动力素质水平和生态农业作物种植能力，推动不同农业生产要素优化组合，实现农地规模效益。

3.优化财政支农体系，加大农业科技投入力度，提高要素利用率。政府及相关部门要因地制宜调整各级财政支农政策，重视区域内不同省份农业绿色生产效率差异，避免出现严重的两极分化现象。结合地区经济发展水平和科技研发能力加大财政倾斜，改变传统农用机械效率低下和环境污染严重等问题，研发适用区域发展的绿色环保农用机械等生产性资料。此外各地区应降低农药、化肥等污染性生产资料的投入量，提高农药化肥使用效率，力求发展生态友好型农业，推广精准高效施肥。