环境友好型农业是从农业投入要素、农业生产方式、农产品形成以及价值实现整个过程均力求实现环境、经济和社会协调发展的可持续农业生产模式, 相对于常规农业主要依赖资源消耗、环境污染和生态破坏的方式来换取发展, 环境友好型农业通过合理配置农业资源与提升农业综合生产力, 降低对农药、化肥、农膜等化学品的投入依赖, 实现农产品的优质无害和防止农业环境污染^[1-2]。由于环境友好型农业旨在减少农业生产过程中资源、物质的投入量和农业废弃物的产生排放量, 作为兼顾生产和环境保护的可持续农业生产方式, 环境友好型农业已成为全球农业的一个重要发展趋势。四川作为我国的农业大省, 是全国粮食作物和经济作物的重要产地, 发展环境友好型农业不仅是四川实现农业资源节约、农产品优质安全和农业生态环境保护的有效途径, 也对保障国家粮食安全、推进国家经济发展和社会稳定具有十分重要的作用。

经典增长理论指出农业增长有两种方式:一是增加投入要素, 二是提高全要素生产率。增加投入要素只具备短期效应, 而提高全要素生产率才具备长期效应, 因此发展环境友好型农业必须依托全要素生产率的提高。但是, 现阶段围绕环境友好型农业的已有研究主要是针对国外环境友好型农业发展的经验总结以及政策分析^[3-6]、国内环境友好型农业发展难点和政策激励分析^[7-10]以及农户对环境友好型农业的认知和生产行为分析^[11-14], 缺乏从提升生产效率角度对环境友好型农业发展进行研究。少量与环境友好型农业生产效率分析相关的研究, 主要从两个方面展开:一是针对不同区域以不同方法进行了效率测算, 如贺正楚等^[15]以2008年湖南省14个市州为例, 运用三阶段数据包络分析(DEA)模型测算了两型农业生产的综合效率。刘子飞等^[16]以陕西洋县为例, 运用三阶段DEA模型比较分析了其与周边县区的有机农业生产效率。潘丹等^[17]采用非期望产出的非径向、非角度(SBM)模型对中国30个省份的农业生态效率进行了测算。王宝义等^[18]采用SBM-Undesirable扩展模型对全国、东中西、8个经济区及省际农业生态效率进行了测算。另有研究在进行效率测算的基础上, 进一步对其影响因素做出分析, 如张贇^[19]在运用SBM模型测算2005—2015年陕甘宁青4个地区农业生态效率的基础上, 进一步采用Tobit模型对农业生态效率影响因素进行了实证分析。这些研究主要采用的是传统的DEA、非期望产出的SBM模型及SBM-Undesirable扩展模型方法, 对于多个决策单元同时出现相对有效的情况, 无法区分它们之间有效的差异程度。并且除效率测算外, 尚缺乏考虑空间效应的环境友好型农业生产效率影响因素的研究。

鉴于上述情况, 本文采用超效率DEA模型测算2006—2016年四川省21个市州环境友好型农业生产效率, 揭示四川省环境友好型农业生产效率的变化特征与地区差异; 其次, 以STIRPAT模型为基础, 构建环境友好型农业生产效率影响因素的理论模型, 并以四川省21个市州为分析对象, 采用空间杜宾模型对四川省环境友好型农业生产效率影响因素进行实证分析。在此基础上, 提出促进四川省环境友好型农业生产效率提升的对策建议, 为推动四川省环境友好型农业发展提供参考。

1 研究方法与数据来源 1.1 环境友好型农业生产效率的测算 1.1.1 超效率DEA模型

基于DEA的效率测度模型最早由Charnes等^[20]提出, 该模型是非参数计算方法, 对生产单元的实际产出以及生产前沿的距离进行计算, 从而衡量这个生产单元的效率。不过传统的DEA主要是CCR模型, 在测量评价单元的效率时, 这个模型不能比较效率值等于1的评价单元。针对这一问题, Andersen等^[21]建立了超效率DEA模型, 计算出的效率值允许大于1, 这样就可以对效率值为1的评价单元进行区分, 从而对相对有效的评价单元也能够比较效率高低。对于非有效的评价单元, 也不会改变它的生产前沿, 效率值与传统DEA模型的效率值是一样的。从不同的视角来看, 超效率DEA模型可以分为投入导向和产出导向两种类型, 由于环境友好型农业生产效率基于产出不变而投入最小化的考虑, 因此本文采用投入导向的超效率DEA模型进行计算。

假设有n个决策单元, 使用m种输入变量, 得出了s种产出, 超效率DEA模型的列式如下:

$ \min \left[ {\theta - \varepsilon \left( {\sum\limits_{i = 1}^m {s_i^ - } + \sum\limits_{r = 1}^s {s_r^ + } } \right)} \right]\;\;\;s_i^ - \ge 0, \;\;s_r^ + \ge 0 $

(1)

$ \begin{array}{l} {\rm{s}}{\rm{.t}}{\rm{.}}\sum\limits_{j = 1, \;j \ne k}^n {{\lambda _j}{x_{ij}} + s_i^ - = \theta {x_0}, \;i = 1, 2, \cdots , m} \\ {\lambda _j} \ge 0\;\;\;j = 1, 2, \cdots , n \end{array} $

(2)

$ \sum\limits_{j = 1, \;j \ne k}^n {{\lambda _j}{y_{ij}} - s_r^ + = {y_0}, \;r = 1, 2, \cdots , s} $

(3)

式中: $\theta $为固定规模报酬的技术效率; $\varepsilon $为阿基米德无穷小; $s_i^- $、$s_r^ + $为松弛变量, 分别表示可以减少的投入量和可以增加的产出量; x_ij为输入变量; y_ij为输出变量; λ_j为有效决策单元中的组合比例, 且∑λ > 1、∑λ=1和∑λ < 1分别表明规模收益递减、不变和递增。对第k个有效决策单元进行评价时, 不再将其纳入到参与集之中, 而是使用其他评价单元的线性组合对其投入和产出进行代替, 改变其生产前沿面, 此时在按比例增加投入的情况下, 该评价单元的效率值会发生变化, 投入增加比例就是有别于传统DEA的超效率值, $\theta $值越大代表效率越高。

1.1.2 指标选取与数据来源

环境友好型农业追求绿色生产, 也代表了一种农业生产方式, 因此用于衡量农业生产效率的一些指标也同样适用于环境友好型农业生产效率的测算。参照已有相关研究^{[16, 22]}, 在进行农业生产效率分析时, 一般采用农林牧渔总产值作为产出指标, 与农业生产投入指标的统计口径保持一致。农业生产的基本要素是土地、资本和劳动力, 所以首先选择可以反映这3种要素的投入指标。相对于耕地面积来说, 农作物播种面积能更好地反映土地投入状况, 因此土地投入指标采用农作物播种面积来反映。在农业资本统计数据缺失的情况下, 通常选用农业机械总动力作为资本投入的替代变量。劳动力投入指标选取第一产业从业人员来反映。同时, 在农业生产过程中, 农药、化肥、农膜等投入品也是重要的中间消耗部分, 是否使用这些化学合成品也是区分环境友好型农业和常规农业的重要标志, 不用或尽可能少用这类中间品的投入, 就能促使农业生产向环境友好型方向发展。因此, 在评价环境友好型农业生产效率时, 投入指标中也纳入农药、化肥、农膜使用量, 这也是有别于一般农业生产效率分析的重要之处。

上述投入产出指标中, 农林牧渔业总产值、农业机械总动力以及第一产业从业人员的数据来自《四川统计年鉴》(2007—2017年), 农作物播种面积、化肥使用量、农药使用量、农膜使用量数据来源于《四川统计年鉴》(2007—2017年)和《四川省农村统计年鉴》(2007—2016年), 农药使用量和农膜使用量缺失2016年的数据, 采用前3年数据的平均值代替。同时, 为增加数据指标在时间上的可比性, 各市州农林牧渔业总产值按照农林牧渔业总产值指数进行平减, 折算成2006年不变价。

1.2 环境友好型农业生产效率影响因素的分析 1.2.1 理论模型的构建

IPAT模型和STIRPAT模型为研究环境效率问题提供了一个基本框架。由Ehrlich等^[23]提出的IPAT模型, 将环境效率的影响因素归结为人口(P)、富裕(A)和技术(T)3个关键驱动力乘积的结果; 在此基础上Dietz等^[24]在IPAT模型单位弹性假设的基础上, 提出STIRPAT的模型概念, 把系数分解到每个环境效率影响因子, 为后续的研究提供更科学的实证分析。不少研究已将STIRPAT模型作为环境效率影响因素选取的理论依据^[25-27], 本文也以STIRPAT模型为基础, 构建环境友好型农业生产效率影响因素的理论模型。

STIRPAT模型的表达式如下所示:

$ I = \alpha \times {P^\beta } \times {A^\gamma } \times {T^\theta } \times \varepsilon $

(4)

式中: α是模型系数, β、γ、θ是指数参数, ε是随机误差项。一般情况下对模型取对数使其转化为如下线性形式:

$ \ln I = \ln \alpha + \beta \ln P + \gamma \ln A + \theta \ln T + \ln \varepsilon $

(5)

由于本文针对环境友好型农业生产效率影响因素展开分析, 因此等式左边的I表示环境友好型农业生产效率状况, 等式右边的P、A、T分别表示影响环境友好型农业生产效率的人口、财富、技术方面的因素, 它们的弹性系数分别为β、γ、θ, 每个因素的具体分析如下:

人口因素(P)采用人口集聚水平和人口结构进行分析。其中, 人口集聚水平可以反映地区经济活动频繁程度, 采用单位面积的人口数即人口密度来衡量, 人口密度越高的地区, 经济活动越频繁, 对环境产生的污染也越高, 越不利于环境友好型农业生产, 预期人口密度会对环境友好型农业生产效率形成负面影响。人口结构主要从城乡人口分布情况考虑, 采用城镇常住人口数占地区总人口数的比重即城镇化率来衡量。城镇化进程的加快, 促进了农村剩余劳动力向城市转移, 可以扩大耕地规模, 有利于提高环境友好型农业生产效率; 同时, 城镇化发展速度的加快又导致农村空心化、农业副业化、劳动力老龄化形势严峻, 并引起休耕、弃耕以及更多依赖化学品投入等问题。综合以上两方面考虑, 城镇化率对环境友好型农业生产效率的影响具有不确定性。

财富因素(A)是从经济角度考虑, 由于人均GDP是衡量经济富裕程度的重要指标, 因此采用该指标来分析经济因素对环境友好型农业生产效率的影响。由于随着收入水平的提高, 人们对生态环境和农产品质量安全的需求也随之增加, 因此预期该指标与环境友好型农业生产效率呈正比。

技术水平(T)主要考虑技术进步的影响, 对环境友好型农业生产效率的提升可以通过技术投入、技术成果体现出来, 但基于数据的可获得性, 选取农业劳动生产率作为技术水平的替代变量, 采用第一产业GDP与第一产业从业人数比值进行度量, 预期该指标与环境友好型农业生产效率呈正比。

STIRPAT模型在应用过程中比较灵活, 可根据研究需要对影响因素作进一步拓展。除上述3类因素外, 种植结构也被视为影响农业生态效率的重要因素^{[19, 26]}, 因此也将种植结构纳入模型之中。种植结构变量采用粮食播种面积占农作物总播种面积比重来衡量, 由于经济作物生产施用的农药和化肥明显高于粮食作物, 且利用率普遍低于粮食作物^[21], 预期该指标与环境友好型农业生产效率呈正比。

基于上述分析并结合式(5), 构建环境友好型农业生产效率影响因素分析模型如下:

$ \begin{array}{l} \ln {E_i} = {{\rm{ \mathsf{ β} }}_0} + {\beta _1}\ln {D_i} + {\beta _2}{U_i} + \\ \;\;\;\;\;\;\;\;\;{\beta _3}\ln {P_i} + {\beta _4}{L_i} + {\beta _5}{S_i} + {\mu _i} \end{array} $

(6)

式中: E为环境友好型农业生产效率, D为人口密度, U为城镇化率, P为人均GDP, L为农业劳动生产率, S为粮食播种面积占农作物总播种面积比重, β₀表示常数项, β₁、β₂、β₃、β₄、β₅分别表示变量参数, μ表示随机扰动项, 包含一些未观测到的影响因素。

1.2.2 空间面板计量模型设定 1.2.2.1 环境友好型农业生产效率的空间效应分析

农业生产活动在地理空间上存在非均衡性或非稳定性, 主要原因是:首先, 邻近地区在地形地貌、水系特征、经济水平、技术水平、社会文化等方面存在一定的同质性, 更容易促进地区间农业生产要素的流动、替代和技术外溢。其次, 在对农业生产主体实施环境规制时, 由于邻近地区之间的交通条件和农业技术水平差距较小, 更容易发生地区间农业产业的跨界转移。第三, 邻近地区在农业技术水平、自然环境上的相似性, 也促使地区间的农业生产活动具有很强的示范性, 更容易形成空间集聚。鉴于农业生产活动的地理空间特性, 而空间计量模型可以较好地捕捉区域之间的空间交互影响, 为此本文结合空间效应对四川环境友好型农业生产效率的影响因素进行检验, 使得分析更加符合客观实际。

1.2.2.2 空间相关性检验方法

莫兰指数(Moran’s I)是常用的空间相关性检验方法, 本文采用全局Moran’s I指数对四川省环境友好型农业生产效率进行空间相关性检验, 判断四川省21个市州环境友好型农业生产效率在空间分布上是否具有空间集聚性。但由于全局Moran’s I指数无法反映内部空间的相关性, 因此本文还采用局部Moran’s I指数进行分析。全局Moran’s I指数和局部Moran’s I指数的具体计算方法如下:

1) 全局Moran’s I指数

$ {\rm{全局 Moran's}}\;I = \frac{n}{{\sum\limits_{i = 1}^n {{{({x_i} - \bar x)}^2}} }}\frac{{\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{W_i}_j({x_i} - \bar x)({x_j} - \bar x)} } }}{{\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{W_i}_j} } }}$

(7)

式中: n表示空间单元数目, x_i和x_j分别表示i地区和j地区所考察变量的观测值, $\bar x(\sum {_i{x_i}} )/n$表示所考察变量观测值的平均值。W_ij为空间权重矩阵, 表达如下:

$ {W_{ij}} = \left\{ \begin{array}{l} 1\;\;\;i地区和j地区相邻\\ 0\;\;i地区和j地区不相邻 \;\;\;\;\;\;\;\;\;\;\;\;\;\end{array} \right\} $

(8)

2) 局部Moran’s I指数

局部Moran’s I=

$ \frac{n}{{\sum\limits_{i = 1}^n {{{({x_i} - \bar x)}^2}} }}\frac{{({x_i} - \bar x)\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{W_i}_j({x_j} - \bar x)} } }}{{\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{W_i}_j} } }} $

(9)

与全局Moran’s I指数一样, x_i和x_j分别表示i地区和j地区所考察变量的观测值。该项指数为正时, 表明相同类型要素属性值的区域相邻近, 而负值则表明不同类型要素属性值的区域相邻近; 该指数的绝对值越大, 表明邻近程度越大。在计算出局部Moran’s I指数的基础上, 可进一步绘制出直观反映各地区环境友好型农业生产效率空间依赖性的局部散点图。

1.2.2.3 空间面板计量模型

空间计量模型有3种表达方式, 分别为空间误差模型(SEM)、空间滞后模型(SLM)、空间杜宾模型(SDM), 其中SDM模型是空间回归分析的起点, 截面SDM模型延伸至面板数据模型后表达如下:

$ {Y_i} = \rho W{Y_i}{\rm{ + }}{{\rm{ \mathsf{ α} }}_i}{l_N}{\rm{ + }}{X_i}\beta + W{X_i}\theta {\rm{ + }}\varepsilon $

(10)

式中: Y_i为因变量向量; X_i为解释变量向量; W为空间权矩阵; α_i为常数项; N为参数项向量; α_iτ_N表示常数项和; ρ为空间自回归系数; β、θ为待估计参数; ε为残差项; X_iβ为区域内解释变量对被解释变量的影响; ρWY_i为空间滞后项, 用于衡量邻近地区被解释变量对本地区被解释变量的影响; WX_iθ反映了邻近地区解释变量对本地区被解释变量的空间影响。

当θ=0时, SDM模型退化为SLM模型, 不能体现解释变量的交互影响, SLM模型的具体形式为:

$ {Y_i} = \rho W{Y_i}{\rm{ + }}{\alpha _i}{l_N}{\rm{ + }}{X_i}\beta {\rm{ + }}\varepsilon $

(11)

当θ+ρβ=0时, SDM模型退化为SEM模型, 此时空间影响存在于扰动误差项中, 具体表达式如下:

$ {Y_i} = {X_i}\beta {\rm{ + }}\varepsilon {\rm{, }}\;\varepsilon {\rm{ = }}\lambda W\varepsilon + u $

(12)

由于空间面板数据具备空间性和时间性, 通过分解误差项并结合式(6)和(10), 将空间面板计量模型最终设定如下:

$ \begin{array}{l} {\rm{ln}}{E_i} = \rho W\ln {E_{\rm{I}}} + {\alpha _{\rm{I}}}{l_N} + {\alpha _1}\ln {D_{\rm{I}}} + W\ln D{\theta _1} + \\ \;\;\;\;\;\;\;\;\;{\alpha _2}\ln {U_{\rm{I}}} + W\ln {U_{\rm{I}}}{\theta _2} + {\alpha _3}\ln {P_{\rm{I}}} + W\ln {P_{\rm{I}}}{\theta _3} + \\ \;\;\;\;\;\;\;\;\;{\alpha _4}\ln {L_{\rm{I}}} + W\ln {L_{\rm{I}}}{\theta _4} + {\alpha _5}\ln {S_{\rm{I}}} + W\ln {S_{\rm{I}}}{\theta _5} + \\ \;\;\;\;\;\;\;\;\;{u_{\rm{I}}} + {u_n} + \varepsilon \end{array} $

(13)

式中: μ_I反映时间效应, μ_n反映个体效应。

1.2.3 数据来源与统计描述

本研究数据由2006—2016年四川省21个市州的面板数据组成, 环境友好型农业生产效率数据来源于后文的测算结果, 其他数据来源于历年《四川统计年鉴》和《四川农村统计年鉴》。为了剔除通货膨胀的影响, 对人均GDP按照2006年的价格进行了消胀处理。包括环境友好型农业生产效率(E)、人口密度(D)、城镇化率(U)、人均GDP(P)、农业劳动生产率(L)、粮食播种面积占农作物总播种面积比重(S)的各变量基本统计描述如表 1所示。

2 结果与分析 2.1 四川省环境友好型农业生产效率的测算

2006—2016年四川省21个环境友好型农业生产效率如表 2所示。从表 2可知, 2006—2016年四川省环境友好型农业生产效率均值为0.705, 反映出四川环境友好型农业的平均产出只达到考察期内理想决策单元的70.5%。并且效率值存在着较大的变化幅度, 2016年的效率值达到最高峰0.805, 离有效值1仅有0.195的差距; 而2009年的效率值降为最低谷0.667, 与有效值1的差距达0.333。总体来看, 四川省环境友好型农业呈先降后升的态势, 自2006年的0.708降至2009年的0.667, 而后逐渐升高到2016年的0.805, 这一变化态势与四川省现代农业发展历程密切相关。四川虽然是农业大省, 但高投入、高消耗、低效率的粗放型发展方式使得农业增长更加依赖化肥和农药等化学投入品, 四川农业大而不强的问题比较突出。为此, 四川省高度重视现代农业发展, 2009年四川省召开的现代农业产业基地建设启动会议上, 出台了《关于加快现代农业产业基地建设的意见》, 并在2010年的全省深入推进现代农业产业基地建设工作会议上, 提出实施现代农业千亿示范项目, 围绕现代农业产业基地建设, 四川农业区域化、规模化、标准化、机械化发展取得了明显成效。为了加大农业转型升级步伐, 农业绿色发展被四川省提上议程, 并于2012年率先在全国启动省级农产品质量安全监管示范县创建工作, 深入推进耕地质量保护与提升行动, 推行测土配方施肥、有机肥料、生物农药、膜下滴灌等现代绿色农业技术, 扎实推进质量兴农工作。尤其是2015年7月国务院在四川召开全国加快转变农业发展方式现场会以来, 四川将农业发展导向“环境友好模式”, 把增加绿色优质农产品放在突出位置, 积极推进全省农业发展方式转变。

从分市州发展情况来看, 雅安市和阿坝州环境友好型农业生产效率均值最高, 为0.981, 而广元市则最低, 为0.458。雅安市、阿坝州、甘孜州、攀枝花市和资阳市的环境友好型农业生产效率均值超过0.9, 为高效率地区; 成都市、遂宁市、自贡市、凉山州、内江市、德阳市和达州市的效率均值低于0.9超过0.6, 为中等效率地区; 泸州市、绵阳市、乐山市、宜宾市、广安市、巴中市、南充市、眉山市和广元市的效率均值低于0.6, 为低效率地区。可见, 四川省环境友好型农业生产效率存在显著的地区差异。例如, 泸州市、绵阳市、乐山市、宜宾市、广安市、巴中市、南充市、眉山市和广元市的效率均值低于0.6, 导致这些地区生产效率较低的原因是化肥、农药和农膜使用等过量的投入。

由表 2可知, 四川省21个市州环境友好型农业生产效率的年均值都小于1, 说明各地区都存在不同程度的投入冗余。本文基于超效率DEA模型测算出松弛变量, 分别对四川省21个市州的年均投入调整值和年均产出调整值进行计算, 得到如表 3所示结果。由表 3可以看出, 在保持实际产出不变的情况下, 各市州农作物播种面积投入冗余的平均值为167 639.486 hm², 超出平均值的地区包括内江市、广安市、资阳市、巴中市、宜宾市、遂宁市、眉山市和南充市, 说明这些地区土地利用效率较低。各市州农业机械总动力投入冗余的平均值为35.595万kW, 超出平均值的地区包括遂宁市、宜宾市、泸州市、资阳市、达州市、凉山州、绵阳市, 说明这些地区农机利用效率较低。各市州第一产业从业人员投入冗余的平均值为48.908万人, 超出平均值的地区包括广安市、内江市、广元市、阿坝州、巴中市、宜宾市、资阳市、南充市、遂宁市、成都市、眉山市和乐山市, 说明这些地区劳动力使用效率较低。此外, 对环境友好型农业生产效率产生重要影响的化肥、农药和农膜使用等投入方面, 内江市、眉山市、资阳市、广安市、巴中市、宜宾市、自贡市、遂宁市和雅安市的化肥投入冗余较多, 眉山市、宜宾市、资阳市、内江市、南充市、遂宁市、泸州市、德阳市、广安市和乐山市的农药投入冗余较多, 内江市、阿坝州、遂宁市、南充市、广元市、眉山市、巴中市、广安市、宜宾市、资阳市和乐山市的农膜投入冗余较多, 这些地区为了增加产出而更多依赖化肥、农药、农膜等化学品投入, 在推动环境友好型农业发展方面尚有较大的提升空间。

2.2 四川省环境友好型农业生产效率的空间相关性

本文运用Stata/MP14软件, 对2006—2016年四川省环境友好型农业生产效率进行空间相关性检验, 由表 4所示结果可以看出, 历年四川省环境友好型农业生产效率的Moran’s I指数值均大于零, 并且除2009年、2010年和2011年外, 其余年份的Moran’s I值均为显著, 说明四川省环境友好型农业生产效率存在空间相关性, 并且自2010年以来Moran’s I指数值总体呈上升趋势, 说明空间相关性逐渐增强。

为了更具体地刻画出四川省各地区之间的空间集聚程度, 利用局部Moran’s I指数绘制2016年四川省21个市州环境友好型农业生产效率的Moran’s I散点图。根据图 1所示:位于第1象限的地区有攀枝花市、甘孜州、成都市、雅安市、凉山州、阿坝州和资阳市, 这些环境友好型农业生产效率高的地区被其他高效率的地区所包围, 为高高集聚(HH)。位于第2象限的地区有德阳市、眉山市、泸州市和乐山市, 这些环境友好型农业生产效率低的地区被其他高效率的地区所包围, 为低高集聚(LH); 位于第3象限的地区有宜宾市、绵阳市、广安市、南充市、广元市、巴中市和达州市, 这些环境友好型农业生产效率低的地区被其他低效率的地区所包围, 为低低集聚(LL); 位于第4象限的地区有内江市、遂宁市和自贡市, 这些环境友好型农业生产效率高的地区被其他低效率的地区所包围, 为高低集聚(HL)。由于第1象限和第3象限集聚着较多地区, 说明邻近地区之间存在着不容忽视的影响, 第4象限的高低集聚只有很少的几个地区, 说明四川省各地区环境友好型农业生产效率出现“一枝独秀”的现象还是很少, 多数地区环境友好型农业生产效率还是受到周围地区的影响。由于HH和LL的正向局域相关和集聚的特征非常显著, 进一步说明四川省环境友好型农业生产效率的空间差异性明显。

2.3 四川省环境友好型农业生产效率的影响因素 2.3.1 空间面板模型的选择

从上文的检验结果可以对非空间模型进行拒绝, 但是鉴于空间计量模型具有不同的形式, 还需进一步验证之后再作选择。一般来说, SDM模型需要对两个假设进行拒绝, 分别是: H₀︰θ=0、H₀︰(θ+δβ)= 0, 如果不能拒绝原假设, 则使用SLM或SEM模型。同时, 考虑到滞后项的影响, 模型内生性会导致OLS估计的参数结果存在偏差或是无效, 因此采用MLE对SDM模型进行估计。从表 5的结果可见: SDM是否退化成SLM的Wald检验估计值为27.11, 在1%水平上显著, 说明拒绝SDM退化成SLM的原假设H₀︰θ=0; SDM是否退化成SEM的Wald检验估计值24.82, 在1%水平上显著, 说明拒绝SDM退化成SEM的原假设H₀︰(θ+δβ)=0。因此, 最终选择SDM模型, 但究竟使用固定效应还是随机效应的SDM模型, 还需进行Hausman检验, 结果显示chi2(6)=28.35, 在1%的显著性水平上拒绝原假设, 故选择固定效应SDM模型。

2.3.2 空间效应分析

SDM模型中的空间滞后项导致估计系数仅在方向和显著性上有效, 但不能反映解释变量对被解释变量的影响程度, 为此需要进一步估算模型的直接效应、间接效应及总效应。直接效应是指影响因素的变化所引起本地区环境友好型农业生产效率变化的均值。直接效应的影响途径有两种, 一是各因素对本地区环境友好型农业生产效率的直接影响, 可以用模型中各因素的系数估计; 另一种是各因素对邻近地区环境友好型农业生产造成影响, 进而对本地区环境友好型农业生产效率产生空间回馈效应。间接效应则是指邻近地区环境友好型农业生产效率影响因素对本地区环境友好型农业生产效率的影响, 间接效益的影响途径也有两种, 一是邻近地区各因素改变对本地区环境友好型农业生产效率的影响, 另一种是邻近地区各因素改变对邻近地区环境友好型农业生产效率产生影响, 进而对本地区环境友好型农业生产效率产生影响。总效应为直接效应和间接效应之和。估计结果如表 6所示。

人口密度对环境友好型农业生产效率的直接效应为负, 但不显著。四川省平均人口密度一直超出全国平均水平的17%以上, 人口密度大对农产品的需求量也大, 耕地面积相对不足, 要实现单位面积产量的增加, 必然导致包括化肥、农药和农膜等投入增多, 不利于环境友好型农业生产。尽管人口集中导致农业开发强度增加, 但有关研究表明, 人口密度的增加也会引发技术创新, 促进生产效率的提升^[28-29]。本研究中, 农业劳动生产率对环境友好型农业生产效率的直接效应显著为正, 说明农业技术水平的提升能降低人口增长所带来的负面影响, 因此人口密度的直接效应不显著。但人口密度的间接效应为负且在1%的水平上显著, 表明邻近地区人口密度的增加也会引起本地区环境友好型农业生产效率的降低。究其原因是当邻近地区人口数量增加时, 对资源需求的压力也进一步增大, 特别是对农业资源和农产品的需求, 造成对本地区有限的农业资源的竞争。而本研究显示农业劳动生产率的间接效应不显著, 说明由人口增加造成资源过度利用的影响在邻近地区之间进行传递, 但由于人口密度增加所带来的技术创新的空间溢出效应不明显, 因此人口密度对环境友好型农业生产效率的间接效应表现为负的影响。

城镇化率对环境友好型农业生产效率的直接效应为负, 说明城镇化发展过程中农村劳动人口向城镇转移, 导致环境友好型农业生产缺乏足够的劳动力和技术投入, 在农业资源利用上缺乏效率, 不利于环境友好型农业生产效率的提升。但城镇化率的影响并不显著, 说明虽然城镇化对农村土地利用方式和生产模式有所影响, 然而由于四川城镇化率水平还不高, 2017年四川城镇化率仍比全国平均水平低8个点, 四川城镇化的影响才刚刚开始, 随着城镇化进程的加快, 上述影响将会进一步显现。城镇化率的间接效应也不显著, 说明其空间溢出效应也不明显。

人均GDP对环境友好型农业生产效率的直接效应为负, 说明四川农业主要依靠要素投入的粗放增长方式, 对环境友好型农业生产效率具有负面影响。这是由于四川人多地少的省情导致土地细碎化经营问题比较突出, 如此背景下对生产要求更高的环境友好型农业所面临的成本较高, 加之土地流转制度建设尚不完善, 短期性和非契约化的土地承包方式更是加剧了掠夺式生产经营。因此, 以小规模家庭经营为主的农业经营方式和利益驱动下的农户短期化投入行为, 均不利于环境友好型农业生产效率的提升。然而, 人均GDP的直接效应未能通过显著性检验, 说明人均GDP对环境友好型农业生产效率的负向影响较弱, 这与近年来四川省加快绿色发展, 正由高速增长向高质量发展方式转变有关。人均GDP的间接效应不显著, 说明虽然四川省各地区经济发展水平存在一定差异, 但这种差异下的经济要素流动并未明显导致环境友好型农业生产效率产生空间差异。

农业劳动生产率对环境友好型农业生产效率的直接效应为正且在1%水平上显著, 说明提高技术水平是促进环境友好型农业生产效率的有效手段。农业技术进步是科技与生产的有机结合, 通过推动农业资源的有效配置和合理利用, 提高农业资源的质量和单位资源的利用效率, 有利于提升环境友好型农业生产效率。农业劳动生产率的间接效应为正, 但不显著, 说明尽管四川省地区间存在农业技术扩散现象, 但这种扩散的溢出效应不明显, 对环境友好型农业生产效率的影响非常有限。

种植结构对环境友好型农业生产效率的直接效应为正, 在5%水平上显著且影响最强, 说明粮食作物的比重变化对环境友好型农业生产效率具有重要影响。伴随着四川省经济的快速发展, 省内农业结构也发生了较大变化, 粮食播种面积占比下降而经济作物的播种面积上升较为明显。虽然经济作物给农户带来了可观的经济收益, 但生产过程中的化学品投入量普遍高于粮食相关作物。因此, 随着经济作物播种面积扩大带来的化学品投入增加, 对环境友好型农业生产效率造成了不利影响。种植结构的间接效应为正, 在1%水平上显著且影响最强, 说明四川省地区间农业生产活动趋同, 邻近地区种植结构的变化也会影响本地区种植结构的调整, 邻近地区扩大经济作物种植的示范效应传导到本地, 引起本地环境友好型农业生产效率的下降。

3 讨论与结论 3.1 讨论

定量测算和分析环境友好型农业生产效率及其影响因素, 可为推动环境友好型农业发展的政策制定提供重要依据。相比以往研究, 本文在以下方面得到了深化:

1) 采用超效率DEA模型对四川省环境友好型农业生产效率进行测算, 弥补了现有对环境友好型农业生产效率定量研究的不足; 同时, 少量相关研究采用的是传统的数据包络分析(DEA)、非期望产出的SBM模型及SBM-Undesirable扩展模型方法, 对于多个决策单元同时出现相对有效的情况, 无法区分它们之间有效的差异程度。本文采用超效率DEA模型的测算方法, 对于相对有效的评价单元也能够比较效率高低, 避免了传统DEA模型在多个决策单元同时出现相对有效的情况下, 难以对它们之间有效差异程度进行区分的问题。

2) STIRPAT模型作为研究环境效率问题的经典理论已在碳排放、农业面源污染、大气污染等研究中得到较好的应用^[25-27], 但缺乏在农业生产效率研究中的应用, 本文将该模型应用于环境友好型农业生产效率影响因素的理论建模之中, 既扩展了STIRPAT模型的应用范围, 也弥补了国内研究在环境友好型农业生产效率理论建模方面的不足。

3) 农业生产活动具有地理空间特性, 而当前鲜有学者在分析农业生产效率影响因素时考虑空间效应的问题, 为此本文在分析四川省环境友好型农业生产效率影响因素时, 采用空间计量面板模型进行实证检验, 使得分析更加符合客观实际, 也拓展了这一领域的研究视野。

4) 四川省环境友好型农业生产效率总体水平较低且地区差异明显, 主要是由于各地区在化肥、农药和农膜投入方面都存在不同程度的投入冗余。在影响四川省环境友好型农业生产效率的各类因素中, 农业劳动生产率、粮食播种面积占农作物总播种面积比重具有显著的正直接效应, 说明提高技术水平是促进环境友好型农业生产效率的有效手段。同时, 粮食作物的比重变化也对环境友好型农业生产效率具有重要影响, 随着粮食播种面积占比的下降, 因经济作物种植面积扩大产生的化学品投入增加, 对环境友好型农业生产效率造成了不利影响。人口密度具有显著的负间接效应, 表明邻近地区人口密度在地区间的溢出效应加剧了本地区的资源竞争, 导致本地区环境友好型农业生产效率的降低。粮食播种面积占农作物总播种面积比重具有显著和正间接效应, 表明邻近地区种植结构的变化会对本地区种植结构的调整产生同向影响, 邻近地区经济作物种植面积扩大引起化学品投入增加, 该示范效应也会导致本地区环境友好型农业生产效率的下降。

需要指出的是, 根据空间计量面板模型所得出的环境友好型农业生产效率与其影响因素之间的正负作用, 严格来说只能表明二者之间在统计上的正负相关性。而对环境友好型农业生产效率产生显著影响的各种因素, 它们是如何具体导致效率变化的, 还需要结合各影响因素的微观作用机理, 在今后的研究中作进一步完善。

3.2 结论

本文基于2006—2016年四川省21个市州面板数据, 运用超效率DEA方法对四川省各地区环境友好型农业生产效率进行测算, 并以STIRPAT理论模型为基础, 选取人口密度、城镇化率、人均GDP、农业劳动生产率、粮食播种面积占农作物总播种面积比重等反映人口、财富、技术、种植结构的因素, 运用空间杜宾模型对四川省环境友好型农业生产效率影响因素进行实证检验, 得出的主要结论如下:

1) 2006—2016年四川省环境友好型农业生产效率保持先降后升的态势, 11年间效率均值为0.705, 总体水平较低, 仍有较大的提升空间, 并且各地区环境友好型农业生产效率存在显著的差异。因此应加强环境友好型农业技术的应用与推广, 通过完善生产补贴政策、信贷支持政策、技术服务方式等措施, 促进农户对环境友好型农业技术的采纳。同时, 还应科学规划区域农业生产布局, 提高农业资源利用的集约水平, 促进四川省环境友好型农业生产效率的整体提升。

2) 从四川省环境友好型农业生产效率影响因素的直接效应来看, 农业劳动生产率、粮食播种面积占农作物总播种面积比重对环境友好型农业生产效率具有显著的直接推动, 其中粮食所占比重对环境友好型农业生产效率的影响最大。从四川省环境友好型农业生产效率影响因素的间接效应来看, 人口密度在地区间具有溢出效应, 邻近地区人口数量的增加会加大对资源的需求, 特别是对农业资源和农产品的需求, 造成对本地区有限的农业资源的竞争, 导致农业资源外溢, 不利于环境友好型农业生产效率的提升。种植结构在地区间具有示范效应, 一方面各地农业生产活动趋同会加剧竞争程度, 对环境友好型农业生产效率造成不利影响; 另一方面, 邻近地区种植结构的变化也同向影响着本地区种植结构的调整, 进而影响本地区环境友好型农业生产效率。因此四川省各地区在进行环境友好型农业发展政策的制定时, 既需要关注地区内部因素的直接影响, 也需要考虑地区间影响因素的相互作用, 尤其是人口密度的溢出效应和种植结构的示范效应所产生的空间交互影响。激励地区间的技术创新扩散, 降低由邻近地区人口密度增加导致农业资源外溢所造成的效率损失。对地区间的种植结构进行合理引导, 减少由地区间种植结构的示范效应所引起的空间竞争性。