常新锋 张雨祥

摘   要：基于2009—2020年江苏省13个地级市的面板数据，构建全局参比非期望产出超效率SBM模型对江苏省农业生态效率进行测度，并通过HP滤波法刻画趋势要素和周期波动。通过面板回归模型探究农业现代化对农业生态效率的影响，并进一步采用Light GBM进行影响因素重要性的再判断。主要研究结论如下：（1）江苏省农业生态效率在2017年前呈稳定上升趋势，2017年后表现出较大波动性，但总体上升趋势不变。（2）农业现代化建设对农业生态效率具有显著促进效应，其中苏南和苏北的农业现代化建设对农业生态效率仍具有显著正向影响，而苏中地区影响系数虽为正但不显著。（3）从影响因素重要性来看，农业现代化排名第一，城乡收入比和农业产业的非均衡发展分居二三位，作物种植结构和财政支农水平则位居末端。据此，应着力推动农业现代建设，降低城乡收入比，并调整农业产业的非均衡发展，以提升农业生态效率。

关键词：农业现代化；农业生态效率；超效率SBM；面板回归；LightGBM

中图分类号：F323.22       文献标志码：A      文章编号：1673-291X（2023）12-0016-05

改革开放以来，我国农业现代化步伐加快，粮食产量增长翻倍。但对石化资源依赖不减，农村生态环境仍有较大上升空间。随着石油农业固有的资源浪费、环境污染、食品安全隐患等问题愈发凸显，各地农业发展迫切需要向集约型现代化农业转型。农业现代化能有效推动农业先进技术的突破与推广，以最大化规模效应给农业带来发展红利。农业现代化是农业生态文明建设的前提，而生态文明是实现农业现代化长期发展的重要保障。江苏省是我国传统农业大省，也是农业现代化转型的先行区。习近平总书记2014年视察江苏省时明确提出，江苏省要带好头，领好向，加快建设现代农业，率先实现农业现代化。因此，科学合理地测度江苏省农业生态效率与农业现代化水平，并探究二者间的因果关系，具有重要的理论与实际意义。

一、文献综述

从农业现代化与生态环境两系统关系出发，高子舒认为，我国农村生态环境问题的根源在于农业现代化水平不高，农业生产方式过于粗放，并且存在城乡生态环境治理不同步、污染转移现象[1]。鲁春阳等分析了河南省农业现代化中投入、产出、信息化、产业化和可持续发展等方面的差异[2]。王伟新等将长江经济带的农业现代化、区域经济与生态环境融合至一个三维复合系统，分析其耦合关系，得出区域发展总体上呈上升趋势，但区域发展差异较为明显[3]。杨志良认为，中国式农业现代化需强调农业自然资源利用的可持续性，兼顾农业经济效益与生态保育，从而实现人与自然和谐共生[4]。在农业生态效率影响因素的探究中，胡平波等实证分析了被既有文献所忽视的农旅融合对农业可持续发展的作用，剖析了政府支持下的农旅融合对农业生态效率的促进机制，并对其非线性影响机制进行了探讨，豐富了对农业生态效率的影响因素研究[5]。李露等建立了以农村劳动力转移为门槛变量的面板门槛模型，研究发现，农村人口老龄化对农业生态效率总体呈负向影响，但这种影响会随着农村劳动力转移的变化呈现出先下降后上升的现象[6]。

既有研究成果为本文研究提供了借鉴和启示，为探讨农业现代化对农业生态效率的影响研究提供了有益借鉴，并对本研究的方法选择具有启示意义。一方面，现有关于农业生态效率以及农业现代化的研究较多聚焦于全国层面或单一省份，但鲜有研究对江苏省的农业生态效率及农业现代化水平进行科学测度；另一方面，现有关于农业现代化与农业生态之间的研究大多停留在理论层面，缺乏实证检验的补充。因此，本文力求从两个方面进行拓展：第一，借助非期望产出超效率SBM模型和CRITIC-熵权TOPSIS法，科学测度江苏省农业生态效率和农业现代化水平；第二，实证检验农业现代化对农业生态效率的影响，并进一步探究其在苏南、苏中和苏北不同区域上的变化。

二、模型构建、变量选取与数据来源

（一）计量模型构建

为探究在农业生态可持续发展背景下农业现代化对农业生态效率的影响，构建以下实证检验模型：

AEEit=αiAMit+βiCtrlsit+ui+εit（1）

式中，AEEit表示i地区t时期的农业生态效率，AMit为t时期i地区农业现代化水平，Ctrlsit为其他控制变量，ui为个体效应，εit为随机扰动项。此方程为标准的静态空间面板，如果ui和Xit相关，则为固定效应模型；反之，则为随机效应模型。

（二）变量选取

1.农业生态效率。广义农业包括农林牧副渔业，狭义农业专指种植业，种植业是农业的基础也是促进农业生态化发展的关键。本文以狭义农业（种植业）为研究对象，采用规模报酬不变假设下全局参比非期望产出超效率SBM模型[7]，测度江苏省农业生态效率。从数据可得性及统计口径一致性出发，依据农业生产过程中的资源利用、农业产出以及环境保护，最终以土地、劳动力、化肥、电力、机械动力作为农业投入指标，以农业总产值作为期望产出、农业碳排放作为非期望产出。其中，由于狭义农业的从业人数无法直接获取，所以将其按照农业总产值与农林牧渔业总产值的比例进行加权。农业总产值根据CPI指数折算到2009年不变价，以剔除价格变化的影响。农业碳排放参考李波等的碳排放模型和测算系数[8]。

2.农业现代化。借鉴已有对农业现代化的理论探索与实践成果[9]，根据农业可持续发展的需求，以广义农业为研究对象，遵循代表性、完备性、可获得性等原则，从农业生产现代化、农业经营现代化、农业经济现代化以及农村生活现代化四个方面考虑，构建江苏省农业现代化的评价指标体系，并通过CRITIC-熵权TOPSIS法对农业现代化进行测度。农业生产现代化主要反映地区生产资源的使用情况；农业经营现代化主要体现农业相关产出对本地经济的贡献，间接反映当地对农业经营的依赖程度；农业经济现代化则重点突出当地农业经济的增长动力；农村生活现代化主要是由于农业的经营主体是农村农民，他们的生活质量很大程度上可以间接反映当地农业现代化的水平。农业现代化指标体系见表1。

3.控制变量。借鉴已有研究成果[10]，本文选取如下变量对回归结果进行控制：城乡收入比（IR）以城镇居民人均纯收入与农村居民人均纯收入之比表示；财政支农水平（FSA）以财政农林水事物支出占财政一般预算支出的比重进行衡量；作物种植结构（CPS）以粮食作物种植面积比上农作物播种面积与粮食作物种植面积的差表示；农业产业的非均衡发展（AIS）以农林牧渔业总产值和农业总产值之差比上农林牧渔业总产值。

（三）数据来源

本文的研究样本为江苏省13个地级市，时间跨度为2009—2020年。文中涉及的原始数据均来源于江苏省统计局，其中苏南城市包括南京、苏州、无锡、常州和镇江，苏中城市包括南通、泰州和揚州，苏北城市包括徐州、淮安、盐城、连云港和宿迁。

三、结果与分析

（一）农业生态效率测度结果分析

通过规模报酬不变假设下全局参比的非期望产出超效率SBM模型，测算出2009—2020年江苏省农业生态效率。为有效观察江苏省整体以及各地区发展的趋势性，通过HP滤波法剥离出趋势要素数据和周期波动数据。从图1所示可以发现，江苏省整体农业生态效率的发展趋势均是稳定上升的。仅有中间段的2013—2018年处于“正缺口”状态，其余年份则均处在“负缺口”状态，表明近年来农业生态效率的整体发展相对滞后于其发展趋势，需要及时做出调整。

图1  江苏省农业生态效率HP滤波分解图

（二）农业现代化对农业生态效率影响的实证检验

在模型的选择上，首先对所有变量进行对数化处理，尽可能消除量纲带来的异方差影响；其次对模型进行豪斯曼检验，检验结果的卡方值为26.71，在1%的显著性水平下显著拒绝了随机效应的原假设，选择可有效缓解内生性问题的固定效应是更合适。

从表2可知，江苏省整体层面农业现代化的系数显著为正，表明农业现代化水平的提升能够有效推动农业生态效率的增长。在添加控制变量后，虽影响系数有所下降，但仍显著为正，证明了该结果的稳健性。这说明，农业现代化水平提升确实能够有效推动地方农业科技的创新与推广，依赖科技以及政策红利所带来的规模效应能有效加速农业生态效率的持续提升。

从控制变量来看，城乡收入差距和农业产业的非均衡发展显著为负，表明城乡收入差距的扩大以及非农业总产值占比的提升均对农业生态效率的增长具有显著的抑制作用。

分区域来看，在不添加控制变量的情况下，三大地区的农业现代化系数均显著为正，而在添加控制变量后，苏中地区的农业现代化系数虽为正但不再显著。从各地区农业现代化的影响系数来看，呈现出苏南最大、苏北次之、苏中最小的分布格局。这意味着农业现代化水平的提升对苏南刺激农业生态效率增长的效果最显著，说明苏南在三大地区中最大化程度利用了农业现代化带来的发展红利，也间接表明苏南农业生态效率在2009—2020年的高速增长背后，农业现代化水平在其中发挥了巨大作用。苏北虽然经济发展相对滞后，但农业现代化程度整体一直略好于苏中，所以其对农业生态效率的刺激也是显著好于苏中地区的。苏中地区的农业现代化水平整体一直处于末端位置，所以在对农业生态效率提升上并不能发挥出显著成效。

（三）农业生态效率的影响因素分析

上述采用计量经济模型判别了各变量对农业生态效率影响的正负性与显著性水平。但若对所有变量进行强制缩放达至量纲统一，使其得以进行变量重要性排序，那各变量将偏离其测度定义，同时由于线性模型的假设过于简单，难以有效模仿各变量在现实中可能存在对农业生态效率的非线性影响。因此，随着人工智能的兴起，机器学习算法的不断繁荣亦拓展至经济学领域，以本文采用的轻量级梯度提升机LightGBM（Light Gradient Boosting Machine）为例，其以分类与回归树这一非线性模型作为基学习器，而在回归树中数值型变量将被以定序数据的形式进行节点的切分，随着树深度的不断加深达到提升拟合度的目的，而定序数据的处理形式则可以有效处理量纲问题的困扰，进而对变量重要性进行判别。

在重要性的排序上，鉴于本文是以树模型作为LightGBM的基学习器，而树模型是按分裂增益依次选取变量进行叶子节点划分的，因此，变量被选取划分的总次数可以较好表征各变量在模型中的重要性。从表3可知，排在第一位的是农业现代化水平，由此也侧面论证了本文研究农业现代化对农业生态效率是十分有意义且非常必要的。排在二三位的分别是城乡收入差距与农业产业的非均衡发展，这也与上文二者对农业生态效率具有显著负效应相吻合，表明抑制二者的增长在对农业生态效率的提升中具有重要作用。

四、结论与建议

实现农业经济增长与资源环境保护“双赢”局面的关键，在于通过农业现代化进程的加速激发农业生态效率的增长潜力，实现农业生态的可持续发展。本文基于2009—2020年江苏省13个地级市面板数据，构建全局参比非期望产出超效率SBM模型对农业生态效率进行科学测度，并通过HP滤波法刻画江苏省及省内各地区的趋势要素和周期波动。建立面板回归模型探究农业现代化对农业生态效率的影响，并进一步通过Light GBM进行影响因素重要性的再判断，得到的主要研究结论如下：（1）江苏省农业生态效率的发展趋势是稳步向上的，但在2018—2020年间存在较大的周期波动，其中江苏省整体在2009年的趋势起点到2020年的趋势终点增长幅度为1.74倍。（2）从江苏省整体层面来看，农业现代化对农业生态效率具有显著的促进作用，而城乡收入比和农业产业的非均衡发展对农业生态效率具有显著的抑制作用，其余变量的影响系数则并不显著。分地区来看，苏南和苏北地区农业现代化水平提升能显著推动农业生态效率的提高，苏中地区虽影响系数也为正但并不显著。（3）从各影响因素的重要性来看，排在前三位的分别是农业现代化、城乡收入比和农业产业的非均衡发展，与计量模型的结果相互呼应。

根据本文的研究结论，提出以下政策建议：（1）江苏省农业生态效率虽整体呈向上趋势，但近几年却表现出较大的波动性，各地方政府在制定政策时须在保障增长的前提下，尽可能避免巨幅波动带来的不利影响。（2）重视农业现代化在提升农业生态效率方面的突出作用。政府应适当对加速农业现代化进程的政策加以倾斜。实践表明，农业现代化不仅作为推动农业农村经济发展的强力助推器，也能有效推动农业生态可持续发展的不断向前。（3）苏中地区应更加重视农业生态的可持续发展，尤其应重点发挥农业现代化对其的强大推力。在加快推动农业现代化建设的同时，也要充分发挥出其对农业生态的推动作用，避免农业现代化发展红利的浪费。

参考文献：

[1]   高子舒.生态文明建设背景下农村生态环境建设的意义、问题与对策研究[J].农业经济，2019（7）：33-34.

[2]   魯春阳，文枫，张宏敏，等.基于改进TOPSIS法的河南省农业现代化发展水平评价[J].中国农业资源与区划，2020，41（1）：92-97.

[3]   王伟新，许蒋鸿，王晓萱，等.长江经济带现代农业-区域经济-生态环境耦合关系的时空分异[J].农业现代化研究，2020，41（1）：64-74.

[4]   杨志良.中国式农业现代化的百年探索、理论内涵与未来进路[J].经济学家，2021（12）：117-124.

[5]   胡平波，钟漪萍.政府支持下的农旅融合促进农业生态效率提升机理与实证分析：以全国休闲农业与乡村旅游示范县为例[J].中国农村经济，2019（12）：85-104.

[6]   李露，徐维祥.农村人口老龄化效应下农业生态效率的变化[J].华南农业大学学报（社会科学版），2021，20（2）：14-29.

[7]   刘华军，孙淑惠，李超.环境约束下中国化肥利用效率的空间差异及分布动态演进[J].农业经济问题，2019（8）：65-75.

[8]   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.

[9]   姬志恒.中国农业农村高质量发展的空间差异及驱动机制[J].数量经济技术经济研究，2021，38（12）：25-44.

[10]   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.

Measurement of Agricultural Eco-efficiency and Analysis of Its Influencing Factors in the Process of Agricultural Modernization in Jiangsu Province

Chang Xinfeng， Zhang Yuxiang

（School of Finance and Economics， Jiangsu University， Jiangsu 212013， China）

Abstract： Based on the panel data of 13 cities in Jiangsu Province from 2009 to 2020， this paper constructed the global reference ratio unexpected output super-efficiency SBM model to measure the agricultural eco-efficiency in Jiangsu Province， and described the trend elements and cycle fluctuations of agricultural eco-efficiency by HP filtering method. At the same time， the panel regression model was used to explore the impact of agricultural modernization on agricultural eco-efficiency， and Light GBM was further used to re-judge the importance of influencing factors. The main conclusions are as follows： （1） the agricultural eco-efficiency of Jiangsu Province showed a steady upward trend before 2017， and showed a great fluctuation after 2017， but the overall upward trend remained unchanged. （2） The agricultural modernization construction has a significant promoting effect on agricultural eco-efficiency， and the agricultural modernization construction in south and north Jiangsu has a significant positive effect on agricultural eco-efficiency， while the influence coefficient in central Jiangsu is positive but not significant. （3） In terms of the importance of influencing factors， agricultural modernization ranked first， urban-rural income ratio and agricultural industrial structure ranked second and third， crop planting structure and financial support for agriculture ranked last. Therefore， modern agricultural construction should be promoted， income ratio between urban and rural areas should be reduced and agricultural industrial structure should be adjusted to improve agricultural ecological efficiency.

Key words： agricultural modernization; agricultural eco-efficiency; super efficiency SBM; panel regression; LightGBM

[责任编辑   妤   文]