農業面源污染與農業經濟增長的空間互動效應

梁偉健 江華 廖文玉 秦明

摘要：基于2004—2015年省級面板數據，運用空間聯立方程模型分析農業面源污染與農業經濟增長的空間互動效應。實證結果顯示：農業面源污染與農業經濟增長之間相互影響，并且均存在空間溢出效應。畝均總氮排放量、畝均總磷排放量分別與畝均農業產值之間呈現顯著“N型”曲線關系，而且，考慮空間溢出因素后，“N型”關系轉折點的作用區間收窄。鑒于此，應當積極調整種植結構，降低粗放生產方式對環境的破壞，同時，從區域協調發展的角度，統籌農業經濟的增長和環境污染的治理，避免出現短板效應，實現農業可持續發展。

關鍵詞：農業面源污染；農業經濟增長；空間溢出；空間聯立方程

中圖分類號：F32 文獻標志碼：A 文章編號：1001-862X（2018）03-0034-009

一、引 言

改革開放近四十年，中國農業綜合生產能力顯著提高，利用不到世界10%的耕地養活了世界近20%的人口。與此同時，農業發展帶來了嚴重的面源污染問題。第一次全國污染源普查公報顯示，農業源主要水污染排放量為化學需氧量1324.09萬噸、總氮270.46萬噸、總磷28.47萬噸，分別占全國總排放量的43.71%、57.19%和67.27%，而且呈現逐年增加的態勢。與此同時，水土流失情況也不容樂觀。第一次全國水利普查結果顯示，31.12%土壤遭到侵蝕。那么，隨著農業經濟的持續增長，環境污染有改善的可能嗎？特別是，隨著全球化進程的推進以及市場化改革的深入，區域協同發展成為必然，空間要素又對環境污染格局帶來哪些新的挑戰？

事實上，Ehrlich 和Holdren（1971）[1]最早提出環境影響模型（IPAT），從人口、富裕程度以及技術三個方面論述對環境的影響，但該模型無法反映非線性的變化。[2]基于此，Dietz和Rosa（1994）[2]引入隨機因素將模型拓展為STIRPAT，從而提供了可行的實證分析框架。其后，大量學者圍繞該模型進行實證研究，探討了經濟增長對環境的影響。[3][4]就影響方式而言，Grossman和Krueger（1995）[5]發現經濟增長與環境污染之間也存在類似庫茲涅茨曲線倒U型的特征：隨著經濟的增長，環境污染會不斷惡化，但經濟發展到一定階段以后，環境開始得到改善。López， （1994）[6]、Andreoni和Levinson （2001）[7]等學者從理論上證實了該假說的合理性，國內學者利用農業污染數據也都證實了環境EKC假說成立【8]-[10]。此外，新近的研究嘗試將兩種方法結合起來，更加深刻地探討經濟增長和環境污染之間的非線性關系。[11[12]然而，上述方法都將環境污染作為外生變量考察[13]，忽視了其對經濟增長的反作用，無法擺脫互為因果關系的內生性困擾。

與此同時，越來越多的學者注意到，忽視環境污染與經濟增長的空間溢出因素會導致估計結果偏誤。魯慶堯和王樹進（2015）[14]基于地理空間因素，對農業經濟活動的空間相關性進行分析，并利用空間計量模型證實我國省域經濟環境指數存在較強的空間依賴性以及正的空間溢出效應。沈能和王艷（2016）[15]則以EKC為分析框架，采用空間面板計量模型考察農業環境EKC特征及空間效應，并證實農業污染呈現空間集聚。與上述分析不同，吳義根等（2017）[16]基于STIRPAT分析框架，利用空間面板計量模型分析農業面源污染的影響因素，并證實農業經濟增長的直接效應和空間溢出效應均具有正向影響。雖然上述研究考慮到了空間溢出在經濟增長影響環境污染過程中的作用，但同樣，忽視了環境污染的內生性作用，從而導致估計結果存在偏誤。

綜上所述，已有研究存在以下兩個方面的問題：第一，往往割裂了STIRPAT與EKC之間的關系，事實上，通過將兩者進行結合，能夠更有效地刻畫農業經濟增長與農業環境污染之間的關系，已有學者做出了有益的嘗試；第二，往往將環境作為外生變量來考察，而忽略了環境與經濟之間的互為內生關系，特別是從空間溢出角度進行考察。鑒于此，本文試圖在以下兩個方面進行拓展：首先，在分析框架上，本文將結合STIRPAT與EKC，從而更加深刻地探討農業環境污染與農業經濟增長之間的關系；其次，在實證策略上，本文將從環境污染內生的視角出發，運用空間聯立方程模型，對農業經濟增長與農業環境污染的空間溢出與空間互動關系進行考察。

二、數據來源及變量說明

本文數據來源于2004—2015年《中國統計年鑒》和《中國農村統計年鑒》30個省域層面面板數據，鑒于西藏特殊的資源稟賦，并未納入研究。選擇2004年作為研究的起點主要是考慮到從2004年實施逐步減免農業稅，并對農戶進行相關補貼，農業生產的政策環境發生重大變化。與此同時，顏廷武等（2014）[17]指出，總量指標容易受到農業生產規模影響，不利于年際間縱向對比，而人均指標缺少數據支撐，農林牧漁各產業之間劃分較為困難，容易造成偏差，相較之下，強度指標可以進行年際間縱向對比，還能消除復種指數影響，使得地區間比較更加公平合理。鑒于此，本文亦采用強度指標進行衡量。

首先，農業面源污染指標，本文選擇農業化肥污染作為表征，主要理由如下：一方面，化肥過量施用是造成農業面源污染的重要來源之一，另一方面，農業化肥面源污染主要是指化肥過量和不合理施用使得化肥營養物質流失并導致地表水富營養化和地下水硝酸鹽污染。[18]以氮肥為例，未被吸收的氮肥會以氮素的形勢進入環境，導致地表水富營養化，地下水硝酸鹽富集和酸雨形成，同時通過化學反應進入空氣中。[19][20]因此，本文主要以總氮（TN）、總磷（TP）表征農業化肥面源污染。目前，農業面源污染的評價方式主要包括單元調查法[21][22]、代理變量法[23]、模型模擬[24]等。鑒于數據可得性，本文采用單元調查法，并結合第一次全國污染源普查《化肥流失手冊》對農業面源污染進行匡算。本文所考察的農業化肥污染，主要來源于農業種植過程中化肥過量施用，因此，本文選擇農業產值作為農業經濟增長的表征，并利用總產值指數進行平減，剔除時間價值的影響。值得注意的是，鑒于選擇不同污染指標，EKC關系會呈現出“U型”關系、“N型關系”和“倒N型”關系等。[25]因此，本文同時使用農業產值的二次項和三次項，捕捉可能存在的關系。

其次，解釋變量方面。在環境污染方程中，根據STIRPAT分析框架，本文選取鄉村人口作為人口表征； 技術進步方面，一方面是技術效率，主要使用單位化肥投入、單位機械投入以及單位勞動力投入帶來的農業產值；另一方面是結構指標，主要考察種植業產值在農業產值中的比重以及經濟作物在總播種面積中的比重。除此之外，考慮到化肥施用過程中，灌溉技術對促進化肥吸收具有十分重要的作用，因此，本文選擇可灌溉耕地面積占總面積的比例作為灌溉技術的表征。在經濟增長方程中，本文參照孫圣民和陳強（ 2017）[26]，選擇如下指標作為農業投入變量：（1）勞動投入，以農林牧漁總勞動力計算，單位為萬人；（2）化肥投入，以化肥施用折純量表示；（3）農業機械投入，以農業機械總動力表示；（4）灌溉水平，使用有效灌溉面積占總耕地面積的比重，以此衡量抵御自然災害天氣對農業生產影響的能力；（5）自然災害情況，使用成災面積占總播種面積比重；（6）結構因素，分別使用種植業產值在農業產值中的比重以及經濟作物在總播種面積中的比重來衡量。具體描述性統計如表1所示。

三、實證模型

（一）聯立方程模型

鑒于環境污染與農業經濟增長之間可能存在互為因果關系，本文首先利用聯立方程予以考察。其中，兩階段最小二乘估計對于包含內生解釋變量的方程能夠獲得一致估計量，但并非是最優效率的，這主要是由于方程間擾動項可能存在相關性。因此， 使用三階段最小二乘估計能夠更好地捕捉這種相關性，從而獲得更有效率的估計量。具體來說，本文將聯立方程設定為：

NPS=α0+α1AGDP+α2AGDP2+α3AGDP3+α？蒡Xit+εit（1）

AGDP=β0+β1NPS+β？蒡Tit+it（2）

其中，NPS表示農業面源污染，本文主要選取總氮（TN）、總磷（TP）表征，AGDP表示農業經濟增長，本文主要選取農林牧漁業總產值表示，AGDP2則為其平方項。Xit、Tit表示控制變量，并且嚴格外生。

考慮環境污染與農業經濟增長中可能存在空間溢出效應以及互為因果關系，因此，本文借鑒Kelejian和Prucha （2004）[27]的方法，構造空間聯立方程模型。與此同時，基于Dietz和Rosa（1994）[2]的STIRPAT、Grossman和Krueger（1995）[5]的環境EKC，將模型設定如下：

NPS=α0+α1wijNPS+α2wijAGDP+α3AGDP+α4AGDP2+α5AGDP3+α？蒡Xit+εit （3）AGDP=β0+β1wijNPS+β2wijAGDP+β3NPS+β？蒡Tit+it （4）

其中，wij表示空間權重，本文中主要采用0-1相近的地理權重。wijAGDP表示鄰近地區農業經濟增長對本地區的空間溢出影響，wijNPS表示鄰近地區農業面源污染對本地區的空間溢出影響。Xit和Tit分別表示控制變量。

（二）空間權重

空間權重衡量了區域之間的空間距離，是空間計量模型設定的關鍵。鑒于環境污染問題具有很強的區域關聯特性，主要采用兩種權重設定方法，盡量克服權重設定偏誤帶來的誤差。一是0-1相鄰權重，即根據30個省市之間是否存在相鄰邊界來進行劃分，存在共同邊界則為1，否則為0，其中，將海南設定為與廣東省和廣西省相鄰。二是地理權重，將其設定為：wij=1/dij。其中，dij表示各省份省會城市或者直轄市經緯度的歐氏距離。

（三）Morans I檢驗

在使用空間計量模型前，需要對數據的空間依賴性進行考察。本文借鑒Moran（1950）[28]方法，利用Morans I對變量中的空間自相關進行全域檢驗，其原假設為變量間不存在任何形勢的空間相關性，具體設定如下：

I=■

其中，S2=■為樣本方程，Morans I取值一般在-1到1之間，大于0表示正相關，即高值與高值相鄰，低值與低值相鄰；小于0表示負相關，即高值與低值相鄰。

四、實證結果

（一）基準回歸

本文分別進行OLS、2SlS、3SLS及其迭代回歸，估計結果如表2所示。污染方程結果顯示，農業經濟增長的一、二、三次項均通過了1%顯著性水平的檢驗，而且，系數方向滿足N型曲線特征，即隨著農業經濟的不斷增長，農業化肥污染呈現先增加、后減少然后再增加的N型特征，兩個轉折點依次為畝均706元、1814元。目前，中國農業產值正逐步由第一轉折點向第二轉折點過渡，需要警惕農業經濟增長帶來的環境壓力，采取積極措施應對。與此同時，通過比較工具變量法和普通回歸結果可知，兩者結果相差較大，而工具變量法之間的差別不大。因此，如果忽略農業經濟增長與污染之間的互為因果內生性關系，會造成估計結果的偏誤。事實上，這一結論也可以從污染方程中得到佐證。農業化肥污染及其1階滯后項通過了相關顯著性檢驗，意味著農業化肥污染對農業經濟增長存在顯著的影響。

鑒于農業經濟增長與農業化肥污染可能存在空間溢出特性，本文分別進行Morans I檢驗，估計結果如表3所示。結果顯示，農業經濟增長與農業化肥污染均通過了1%顯著性檢驗，即均存在空間溢出特征。因此，如果忽略這種空間溢出關系，也會導致模型估計結果的偏誤。

本文使用空間聯立方程模型在考察農業經濟增長與農業化肥污染互為內生關系的基礎上，考慮空間溢出的影響，并分別利用相鄰權重和地理權重進行回歸，以確保估計結果穩健，具體結果如表4所示。從方程擬合程度來看，空間聯立方程模型相較于普通聯立方程模型有了較大提升，這表明，前者擬合效果更好，應該考慮空間溢出因素的影響。與此同時，總氮排放量和農業經濟增長的空間溢出效應均通過了1%顯著性檢驗，這也就意味著，如果忽略空間溢出效應會造成模型估計的偏誤。因此，無論是從模型擬合程度上來看，還是從變量顯著性角度來看，空間聯立方程的確更加適合本文的研究。

首先，從污染方程來看。總氮排放量和農業經濟增長的空間溢出效應分別顯著促進和抑制本地區總氮排放量，并且從作用效應來看，前者更為明顯。顯然，環境污染具有負外部性，會加劇周邊地區的污染，而農業經濟增長的作用則可能通過溢出效應，提高本地區的化肥利用效應。與此同時，考慮空間溢出效應后，農業經濟增長對農業化肥污染的作用也發生了分化，經過測算，相鄰權重獲得兩個轉折點分別調整為750元、1494元，地理權重獲得的兩個轉折點分別為716元、1659元。這表明，在空間溢出作用下，第一轉折點推后而第二轉折點提前。可能的解釋是，空間溢出改變了農業環境污染和農業經濟增長的作用尺度：一方面，環境污染存在溢出效應，周邊地區農業化肥污染會在提高本地區污染程度的同時降低農業經濟增長，從而延緩了調整農業生產方式，降低化肥使用的緊迫性程度；另一方面，農業經濟增長也存在溢出效應，周邊地區農業經濟的發展會促進本地區農業經濟和環境污染的增加，提高了種植結構調整的動力，從而加劇了化肥的過量施用。除此之外，從控制變量來看，人口強度、化肥使用效率以及機械使用效率強度均正向促進總氮污染物的排放，而勞動生產率則表現為顯著的抑制作用。

其次，從產出方程來看，總氮排放量和農業經濟增長的空間溢出效應均通過了1%顯著性水平的檢驗，這也就意味著，周邊地區總氮污染物和農業經濟增長分別抑制和促進本地區農業經濟增長，這主要是由于兩者分別具有負外部性和正外部性造成的。這也再次說明，需要關注農業化肥污染對農業經濟增長的負向作用，如果忽略這種反向關系，會造成模型估計的偏誤。在控制變量方面，糧食作物產值占比、總氮排放量的一階滯后項、受災情況以及勞動力投入均會顯著抑制農業產出，而經濟作物占比、化肥投入以及機械投入會顯著促進農業經濟增長，符合一般常識。

（二）穩健性分析

本文使用總磷排放量作為農業化肥污染物的表征，運用空間聯立方程考察農業化肥污染與農業經濟增長之間的空間互動效應，并同時提供相鄰權重和地理權重估計結果，具體結果如表5所示。同樣，總磷排放量和農業經濟增長的空間溢出效應均通過了1%顯著性檢驗，這意味著，如果忽略空間溢出效應會造成模型估計的偏誤。首先，從污染方程來看。總磷排放量和農業經濟增長的空間溢出效應分別顯著促進和抑制本地區總磷排放量，并且從作用效應來看，前者更為明顯，與上述結論一致。而在考慮空間溢出效應后，農業經濟增長對農業化肥污染的作用轉折點也發生了變化，相鄰權重獲得兩個轉折點分別調整為812元、1480元，地理權重獲得的兩個轉折點分別為902元、1347元。同樣，在空間溢出作用下，第一轉折點推后而第二轉折點提前，與上述結論一致。這也再次表明，空間溢出效應作用不容忽視。在控制變量方面，人口強度、化肥使用效率以及機械使用效率強度均正向促進總氮污染物的排放，而勞動生產率和糧食作物產值占比則表現為顯著的抑制作用，與上述結論一致。

其次，從產出方程來看，總磷排放量和農業經濟增長的空間溢出效應均通過了1%顯著性水平的檢驗，這也就意味著，周邊地區總氮污染物和農業經濟增長分別抑制和促進本地區農業經濟增長，這主要是由于兩者分別具有負外部性和正外部性造成的，與上述結論一致。這也再次說明，需要關注農業化肥污染對農業經濟增長的負向作用，如果忽略這種反向關系，會造成模型估計的偏誤。在控制變量方面，糧食作物產值占比、總氮排放量的一階滯后項、受災情況以及勞動力投入均會顯著抑制農業產出，而經濟作物占比、化肥投入以及機械投入會顯著促進農業經濟增長，與上述結論一致。

五、主要結論與政策建議

經濟增長與環境污染之間的關系是經濟學的重要命題，特別是，隨著中國經濟進入新常態，調整供給側結構性矛盾刻不容緩，實現經濟可持續發展，提高經濟發展質量。與已有研究往往忽視環境與增長之間互為內生的因果關系以及空間溢出作用不同，本文運用空間聯立方程模型，同時考察上述兩種效應，以期更為準確地刻畫兩者之間的關系。本文的主要結論如下：第一，農業化肥污染與農業經濟增長之間存在互為內生關系，割裂其一必將導致估計結果的偏誤，而且，隨著農業經濟增長的發展，農業化肥污染呈現先增加、后減少然后再增加的N型特征；第二，農業經濟增長和農業化肥污染均存在空間溢出效應，而且前者能夠促進產出抑制污染，后者的作用則恰好相反，從而使得“N”型曲線轉折點收緊；第三，隨著人口強度、化肥使用效率、機械使用效率的提高，勞動生產率、糧食作物產值占比的降低，農業化肥污染將增加，而隨著經濟作物播種面積占比、化肥投入、機械投入的增加，糧食作物產值占比、滯后一期的農業化肥污染排放量、勞動力投入以及自然災害發生占比的降低，農業經濟增長將提高。

本文的研究具有以下政策含義：一是調整農業種植結構，提升農產品品質，實現農業可持續發展。農業經濟增長與環境污染之間相互影響、相互作用，并不是非此即彼的關系，一方面，隨著經濟的增長，環境污染也可能隨之下降，從而同時實現經濟與環境效益；另一方面，需要警惕經濟持續增長帶來的環境壓力，這主要是由于種植結構的調整，農戶進行經濟作物種植從而提高收入的迫切需求所造成的。因此，應當積極調整種植結構，降低粗放生產方式對環境的破壞，提高農產品品質，從而獲得可持續發展。二是統籌區域發展，促進區域協調發展。農業經濟的增長和環境的污染均存在空間溢出效應，如果忽視這種效應將加劇地區間發展的不平衡，也最終導致整體發展的不協調。因此，需要從區域協調發展的角度，統籌農業經濟的增長和環境污染的治理，避免出現短板效應。三是加大農業科技投入，推進農業機械裝備制造業轉型升級，緩解農業供給側結構性矛盾。上述結論顯示，農用機械、化肥以及勞動力等農業生產要素的產出效率也是影響農業面源污染和農業經濟增長的重要因素，通過提高這些要素的產出效率可以實現在降低農業污染的同時，促進農業經濟發展。因此，需要通過提高農業科技投入，促進農業裝備制造業轉型升級，實現農業從粗發投入到高質量發展的轉型，緩解農業供給側結構性矛盾。

參考文獻：

[1]Ehrlich， P. R.， Holdren， J. P. Impact of Population Growth[J]. Science， 1971， 171（3977）：1212-1217.

[2]Dietz， T.， and Rosa， E. Rethinking the Environmental Impacts of Population， Affluence and Technology[J]. Human Ecology Review， 1994， 1（2）， 277-300.

[3]Hilton F G H， Levinson A. Factoring the Environmental Kuznets Curve： Evidence from Automotive Lead Emissions[J]. Journal of Environmental Economics and Management. 1998， 35（2）： 126-141.

[4]Selden T M， Song D. Environmental Quality and Development： Is There a Kuznets Curve for Air Pollution Emissions？[J]. Journal of Environmental Economics and Management. 1994， 27（2）： 147-162.

[5]Grossman G M， Krueger A B. Economic Growth and the Environment[J]. Nber Working Papers. 1995， 110（2）： 353-377.

[6]López R. The Environment as a Factor of Production： The Effects of Economic Growth and Trade Liberalization[J]. Journal of Environmental Economics & Management. 1994， 27（2）： 163-184.

[7]Andreoni J， Levinson A. The simple analytics of the environmental Kuznets curve[J]. Journal of Public Economics. 2001， 80（2）： 269-286.

[8]李太平，張鋒，胡浩. 中國化肥面源污染EKC驗證及其驅動因素[J]. 中國人口·資源與環境， 2011， 21（11）： 118-123.

[9]陳勇，馮永忠，楊改河. 陜西省農業非點源污染的環境庫茲涅茨曲線驗證[J]. 農業技術經濟，2010（7）： 22-29.

[10]田素妍，鄭微微，周力. 中國畜禽養殖業低碳清潔技術的EKC假說檢驗[J]. 中國人口·資源與環境，2012， 22（7）： 28-33.

[11]York R， Rosa E A， Dietz T. A rift in modernity？ assessing the anthropogenic sources of global climate change with the STIRPAT model[J]. International Journal of Sociology & Social Policy. 2003， 23（10）： 31-51.

[12]林伯強，蔣竺均. 中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J]. 管理世界，2009，（4）： 27-36.

[13]曹大宇，李谷成. 我國農業環境庫茲涅茨曲線的實證研究——基于聯立方程模型的估計[J]. 軟科學， 2011， 25（7）： 76-80.

[14]魯慶堯，王樹進. 我國農業面源污染的空間相關性及影響因素研究[J]. 經濟問題， 2015，（12）： 93-98.

[15]沈能，王艷. 中國農業增長與污染排放的EKC曲線檢驗：以農藥投入為例[J]. 數理統計與管理， 2016，（4）： 614-622.

[16]吳義根，馮開文，李谷成. 人口增長、結構調整與農業面源污染——基于空間面板STIRPAT模型的實證研究[J]. 農業技術經濟. 2017，（3）： 75-87.

[17]顏廷武，田云，張俊飚，等. 中國農業碳排放拐點變動及時空分異研究[J]. 中國人口·資源與環境， 2014，（11）： 1-8.

[18]朱兆良，David Norse，孫波. 中國農業面源污染控制對策[M]. 北京：中國環境科學出版社， 2006.

[19]朱兆良. 農田中氮肥的損失與對策[J]. 生態環境學報， 2000， 9（1）： 1-6.

[20]Ju X T， Xing G X， Chen X P， et al. Reducing Environmental Risk by Improving N Management in Intensive Chinese Agricultural Systems[J]. Proc Natl Acad Sci U S A. 2009， 106（9）： 3041-3046.

[21]Cai， M.， Li， H. E.， Zhuang， Y. T.， & WANG， Q. H. Application of modified export coefficient method in polluting load estimation of non-point source pollution[J]. Journal of Hydraulic Engineering， 2004， 35（7）：0040-0045.

[22]陳敏鵬，陳吉寧，賴斯蕓.中國農業和農村污染的清單分析與空間特征識別[J].中國環境科學，2006，6（26）：751-755.

[23]李海鵬， 張俊飚. 中國農業面源污染的區域分異研究[J]. 環境保護， 2009， 30（2）：43-45.

[24]郝芳華，楊勝天，程紅光，步青松，鄭玲芳.大尺度區域非點源污染負荷計算方法[J].環境科學學報，2006，（3）：375-383.

[25]Kaufmann R K， Davidsdottir B， Garnham S， et al. The determinants of atmospheric SO 2 concentrations： reconsidering the environmental Kuznets curve[J]. Ecological Economics. 1998， 25（2）： 209-220.

[26]孫圣民，陳強. 家庭聯產承包責任制與中國農業增長的再考察——來自面板工具變量法的證據[J]. 經濟學（季刊）， 2017，（2）： 815-832.

[27]Kelejian H H， Prucha I R. Estimation of simultaneous systems of spatially interrelated cross sectional equations[J]. Journal of Econometrics. 2004， 118（1-2）： 27-50.

[28]Moran P A. Notes on continuous stochastic phenomena.[J]. Biometrika. 1950， 37（1-2）： 17.

（責任編輯 吳曉妹）