技術進步與效率追趕對農業用水效率的空間效應研究

馬劍鋒　王慧敏　佟金萍

摘要本文基于2007—2015年中國省際面板數據，運用全局DEA方法測算了全要素農業用水效率，并利用GlobalMalmquist指數法分解得到各省技術進步指數和效率追趕指數；分別在地理鄰接、地理距離和地理經濟距離嵌套三種空間權重矩陣下運用空間面板Durbin模型估計技術進步、效率追趕對農業用水效率的空間效應。研究發現：技術進步和效率追趕均對本省農業用水效率有顯著的提升作用，且前者對提升農業用水效率的促進作用更大；技術創新的外部性使得其他地區的技術進步對本省農業用水效率存在顯著的正向空間溢出效應，而且溢出效應并不僅僅發生在鄰接省份之間，地理因素對于溢出效應發揮的作用要比經濟因素的作用大；其他地區的效率追趕行為對本省農業用水效率的空間溢出效應并不顯著。區域層面的實證結果表明：在東部地區，其他省份的技術進步對本省的空間溢出效應顯著為正，而效率追趕引發的競爭沖擊則會對本省農業用水效率產生顯著為負的空間溢出效應；在中部地區，技術進步在地理距離鄰近的溢出模式下能產生顯著為正的空間效應，其他省份的效率追趕行為對農業用水效率的空間溢出效應則不顯著；在西部地區，在鄰近地區間經濟發展水平相似的情況下，其他省份技術進步會對本省農業用水效率產生顯著的正向空間溢出效應，效率追趕的間接效應則不顯著。這意味著，要想全面、長期地提高農業用水效率，應加強農業生產、農業節水的科技支撐，加大節水灌溉等農田水利設施的投入；推進地區之間農業技術交流和農業生產的相互協作；在農業技術交流和生產協作過程中，應采取因地制宜、多樣化的交流和協作模式，充分優化技術的擴散途徑；鄰近地區應適當差異化發展，避免過度競爭帶來的效率損失。

關鍵詞技術進步；效率追趕；農業用水效率；空間面板Durbin模型

中圖分類號F062.1

文獻標識碼A文章編號1002-2104（2018）07-0036-10DOI：10.12062/cpre.20171215

隨著中國經濟的快速發展，水資源短缺已成為制約中國可持續發展的重要瓶頸之一；農業作為戰略基礎產業一直是中國第一用水大戶，解決好農業部門高耗水、用水效率低下的問題無疑是緩解中國水資源短缺瓶頸的關鍵。為此，2017年中央一號文件強調“把農業節水作為方向性、戰略性大事來抓”。農業節水作為一項戰略性工作是解決農業水短缺、提高農業用水效率的有效途徑。通過農業節水提高農業用水效率需要一整套農業節水政策體系的保障，同時也需要農業技術創新和應用來發揮長期促進作用，實現農業高效增長和可持續發展。學界通常用全要素生產率（Total Factor Productivity，TFP）變動來考察經濟增長情況，相比單要素生產率（如勞動生產率、能源生產率、水資源生產率等），全要素生產率考慮了各種投入要素對經濟增長的貢獻，從而能夠更加真實客觀地衡量一個經濟系統的宏觀綜合經濟效益[1]。由于TFP增長衡量的是產出增長率超出所有要素加權綜合投入的剩余部分，因此TFP增長又經常被視為技術進步（廣義）的指標。Aigne等[2]進一步將TFP分解為前沿技術進步（狹義）和技術效率。前沿技術進步表征的是既定生產要素投入下生產前沿面的移動，在要素投入不變的情況下，技術創新才能推動生產前沿面移動，體現了技術進步效應；技術效率表示既定生產函數下實際產出與生產前沿的距離，差距越小越接近生產前沿面上的技術有效狀態，當某個決策單元產出增加向前沿面靠近時，體現了效率改善即效率追趕效應。那么，農業用水效率提高的原因是技術創新還是效率追趕？哪種方式對促進農業用水效率更為有效，這是本文關注的問題之一。外部性是技術的一個重要特征，技術產生空間溢出的原因在于技術容易被周邊地區模仿而使得技術創新的收益以空間溢出的形式流向了其他地區。在農業生產領域，鄰近地區在氣候、地形、土壤等自然因素方面的相似性使得農業技術易于產生空間溢出[3]。那么，農業技術空間溢出促進其他地區農業用水效率提高了嗎？這是有待回答的另一個問題。本文基于全要素生產框架測算農業用水效率，考察技術進步和效率追趕對農業用水效率的空間效應，從而為開展戰略性農業節水工作提供經驗證據。

1文獻綜述

對于用水效率的測度，學界主要圍繞單要素用水效率和全要素用水效率兩種分析框架展開研究。前者在早期文獻中應用較廣，但存在忽略其它生產要素貢獻的爭議；全要素生產分析框架考慮了所有投入要素在生產中的貢獻，能全面、客觀地反映生產效益。Hu等[4]在全要素生產框架下以“目標用水量與實際用水量之比”定義了全要素用水效率，較好地彌補了單要素用水效率的缺陷，在近年用水效率研究中得到了較為廣泛的應用。全要素用水效率測度主要采用兩種方法：隨機前沿函數（SFA）和數據包絡分析（DEA）。現有文獻基于SFA方法測度農業用水效率主要從兩個層面展開研究：一是基于農戶調查數據測算灌溉用水效率[5-8]；二是基于省際數據測算各省農業用水效率[9-10]。DEA方法作為測度效率的常用方法之一，由于不需要預先設定函數形式和估計參數，能避免主觀因素的影響，這一特性使得DEA在效率測度方面得到了廣泛應用。目前DEA方法多運用于測算全行業整體的用水效率[4，11-14]，運用DEA方法測算全要素農業用水效率的研究則相對較少，楊騫[15]采用方向性距離函數DEA模型測算了考慮污染排放的農業水資源效率；陳洪斌[16]運用三階段DEA模型測算了31個省市的農業用水效率。

在農業用水效率的影響因素方面，不同層面的研究在選取影響因素時有所不同。基于農戶調查數據的研究，較多關注微觀層面的因素，如農戶特征、灌溉方式以及農戶種植經營等方面的因素[6，8]；基于省際面板數據的研究，主要考察宏觀層面的因素對農業用水效率的影響，已有文獻中常引入的因素包括農業經濟發展水平、農業經濟結構、水資源豐裕程度、水資源稟賦結構、水利設施建設、氣候環境、農村人口素質等[10，15-16]。科技是第一生產力，技術創新是促進生產效率提高的源泉，那么技術進步作為重要影響因素之一是否提高了用水效率？少數學者嘗試研究了這一問題；馬海良等[12]通過Malmquist指數方法分解出技術效率和技術進步，并考察了兩者對水資源利用效率的影響效應。佟金萍等[17]分析了技術效率和技術進步對單要素農業用水效率的影響，發現技術進步和技術效率均對農業用水效率提高起到了顯著的促進作用。近年來隨著空間計量方法的興起，少數文獻基于空間經濟學視角研究了用水效率的空間效應問題[13，18]，主要探討了用水效率的空間溢出效應和影響因素對用水效率的空間溢出效應。

上述文獻對用水效率展開了具有廣度和深度的研究，但仍存在著以下兩點不足：第一，現有研究在運用SFA方法或者DEA方法測算農業用水效率時，大多利用決策單元某一期的投入產出數據構造當期的生產前沿面，當這種做法應用于面板數據時，所測算得到的效率值缺乏不同時期之間的可比性；同理，傳統DEA框架下通過Malmquist指數方法分解得到的技術進步指數和效率追趕指數也不具備傳遞性，難以獲得兩者的累積指數。第二，鮮有文獻以技術進步和效率追趕對農業用水效率的空間效應為研究對象。已有文獻在衡量技術進步和效率追趕對用水效率的影響時，往往假定本地區用水效率變動僅受到本地技術進步和效率追趕的影響，忽略了兩者的空間溢出效應，容易導致估計偏誤。

本文針對上述兩點不足作如下兩方面的改進：第一，基于全局基準技術，運用全局DEA方法測算各省區的全要素農業用水效率，進一步利用GlobalMalmquist指數方法分解得到技術進步指數和效率追趕指數；第二，基于空間經濟學視角，構建技術進步因素、效率追趕因素與農業用水效率的空間計量模型，考察這兩種因素對農業用水效率的空間效應。

2農業用水效率測度與GM指數分解

2.1基于全局DEA的農業用水效率測度方法

2.1.1全局DEA方法

在生產時期t（t=1，…，T），假設有K個決策單元（DMUtj，j=1，…，K），每個決策單元有N種要素投入和M種產出，xt、yt分別表示投入向量和產出向量，且滿足xt=（xt1，xt2，…xtN）∈RN+，yt=（yt1，yt2，…ytM）∈RM+。以Pt定義決策單元某個時期的生產可能性集合，傳統DEA生產技術被定義為：

Pt=（xt，yt ）：∑Kj=1λtj ytj，m）≥ytj，m，m=1，…，M；

∑Kj=1λtjxtj，n≤xtj，n，n=1，…，N；λtj≥0 （1）

式中，λ=（λt1，λt2，…λtK）為評價技術效率時的K維權重向量。式（1）表示傳統DEA技術測算決策單元生產效率時，僅對應當期的生產技術集Pt；傳統DEA技術以各期生產技術集構造的生產前沿面之間是相互獨立且不具可比性。為克服傳統DEA方法的這一缺陷，Pastor和Lovell[19]提出了的基于全局基準技術（Global Benchmark Technology）的前沿面構造方法，該方法以所有時期的投入產出作為共同的生產技術參考集，確定一個共同的全局生產前沿面，并依據共同前沿面測算不同決策單元各期的效率結果。以PG表示全局生產技術集，Pt表示各期生產技術集，那么全局生產技術集構造如下：

PG=∪Tt=1Pt= P1 ∪P2∪…∪PT（2）

以式（2）的全局生產技術集PG為參照測算得到的效率值，具有不同時期之間的可比性，有效解決了傳統DEA效率值缺乏可比性的缺陷。

2.1.2全要素農業用水效率

學界對農業用水效率的定義存在一定差異，本文主要借鑒Hu等[4]對全要素用水效率的定義：目標用水量與實際用水量之比，根據這一思路來測算全局DEA框架下的農業用水效率，具體如式（3）。其中，GWEtj和θtj分別表示地區j在時期t的全要素農業用水效率和農業生產效率；PAWtj、AAWtj和stj，w分別表示地區j在時期t的目標農業用水量、實際農業用水量和農業用水投入的松弛量。

GWEtj=PAWtjAAWtj=AAWtj·θtj-stj，wAAWtj （3）

2.2技術進步與效率追趕的GM指數分解法

傳統的Malmquist指數以單期截面決策單元的投入產出數據構造生產技術參照集，分解得到的指數缺乏循環性[19]。為此，Pastor和Lovell[19]提出了全局基準技術下的GlobalMalmquist（GM）分解法。

基于全局生產技術PG下的生產率指數GMI可分解如下：

GMI（xt，yt，xt+1，yt+1）=DG （xt+1，yt+1 ）DG （xt，yt ）

=Dt+1（xt+1，yt+1 ）D（xt，yt ）×DG （xt+1，yt+1）Dt+1（xt+1，yt+1）×D（xt，yt DG （xt，yt）

=Dt+1（xt+1，yt+1）D（xt，yt）×DG （xt+1，yt+1）/Dt+1（xt+1，yt+1）DG （xt，yt ）/D（xt，yt）

=GEC×GTCG，t+1（xt+1，yt+1）GTCG，t（xt，yt ）

=GEC×GTC （4）

其中，GEC反映了相鄰兩期的效率變化，GTCG，t+1（xt+1，yt+1）=DG （xt+1，yt+1）Dt+1（xt+1，yt+1）表示前沿t+1與全局前沿接近的程度，GTCG，t （xt，yt ）=DG （xt，yt ）Dt （xt，yt ）表示前沿t與全局前沿接近的程度，GTC=GTCG，t+1（xt+1，yt+1）GTCG，t（xt，yt ）表示前沿t+1與前沿t相比的變動情況。同時期方向距離函數Ds （xs，ys ）=min{>0│（xs，ys/）∈Ps }，s=t，t+1；全局方向性距離函數DG （xs，ys ）=min{>0│（xs，ys/）∈PG }，s=t，t+1，其中為產出導向DEA效率值的倒數，通過四個方向性距離函數，可以將生產率指數GMI分解為技術進步指數GTC和效率追趕指數GEC。如果GTC>1，表示決策單元在t+1期對應的生產前沿面相比t期更靠近全局最優生產前沿面，存在技術進步。如果GEC>1，表示決策單元在t+1期與生產前沿面的距離相比t期更靠近，存在效率改進，表現為相對低效地區對前沿面高效狀態的效率追趕；由于各期參考的是共同的全局前沿面，因此GMI、GTC和GEC指數具備循環傳遞性[19]，可累乘得到累積生產率指數CGMI、累積技術進步指數CGTC和累積效率追趕指數CGEC。

2.3投入產出數據說明與測算結果

本文采用省際面板數據，研究的地區范圍為中國大陸31個省市（港澳臺地區除外），考慮到1997年才設立重慶直轄市，因此將面板數據的時期跨度設為1997—2015年。運用全局DEA模型測算全要素農業用水效率時，本文以資本、勞動、土地、水資源和化肥作為農業生產投入要素。借鑒已有文獻和考慮數據的可得性，分別以農用機械總動力、第一產業從業人員、農作物總播種面積、農業用水量、農用化肥施用量表征農業生產中的投入要素。農業產出指標以農業總產值表征，并將農業總產值按1995年的價格為基準進行平減。上述指標的數據均來源于歷年《中國統計年鑒》《中國農村統計年鑒》和《中國水資源公報》。

利用1997—2015年31個省市的投入產出面板數據，基于全局基準技術框架分別測算了全要素農業用水效率GWE和GMI指數，并進一步將GMI指數分解為技術進步指數GTC和效率追趕指數GEC，匯總結果如圖1和圖2所示。圖1展示了1997—2015年中國和三大區域的全要素農業用水效率的動態變化情況。從全國測算結果來看，研究期內中國全要素農業用水效率大體呈穩步上升趨勢，前期上升較為平緩；分地區來看，東、中、西三大區域的農業用水效率存在較大差異：各年農業用水效率呈東部地區、中部地區、西部地區依次遞減的分布格局；從波動趨勢來看，東部地區和西部地區基本呈穩步上升的態勢，但西部地區的上升速度低于東部地區；中部地區農業用水效率在2005年至2008年期間出現了一定程度的下滑，其余時期表現為緩慢上升的走勢。圖2展示了1997—2015年累積生產率指數（CGMI）、累積技術進步指數（CGTC）和累積效率追趕指數（CGEC），分別反映了中國農業生產在1997—2015年期間的生產率、技術進步和技術效率的累積動態演化軌跡。從歷年測算結果來看，除1997年外，技術進步、生產率和效率追趕三項指數呈現出由高到低的狀態；從動態變化角度來看，技術進步指數呈略帶波動的逐步上升趨勢；效率追趕指數在（0.94，1.07）區間內呈不規則的橫向波動態勢。

3空間計量模型的構建

3.1模型設定

為了考察技術進步、效率追趕對農業用水效率影響的空間效應，本文采用空間計量方法估計模型參數。常用的空間計量模型主要有空間滯后模型（SLM）、空間誤差模型（SEM）以及空間Durbin模型（SDM），SDM模型作為SLM

模型和SEM模型的一般形式提供了一般性的分析框

架[20]，因此本文選擇更為一般化的空間Durbin模型，引入其他地區的技術進步、效率追趕的空間滯后項，著重考察技術進步、效率追趕對農業用水效率的空間溢出效應，構建如下空間面板Durbin模型：

yit=αιn+ρWyit+βxit+θWxit+μi+υt +εit （5）

其中，被解釋變量yit為各省全要素農業用水效率，xit為解釋變量，本文將技術進步（CGTC）和效率追趕（CGEC）

作為核心解釋變量。α為常數項，ιn為N×1階單位矩陣，W為N×N階空間權重矩陣，N為地區個數，μi和υt表示空間和時間固定效應，εit為誤差項；Wyit和Wxit為被解釋變量yit和解釋變量xit的空間滯后項，ρ、θ分別是yit和xit空間滯后項的系數。Le Sage和Pace[21]指出，在空間面板模型中，矩陣Wxit的系數θ并不能直接衡量解釋變量的空間溢出效應，需將解釋變量對被解釋變量的影響效應使用偏微分方法按照來源分解為：直接效應（Direct Effects）和間接效應（Indirect Effects），后者為空間溢出效應，兩者之和為總效應。

3.2空間權重矩陣的設定

空間權重矩陣表達了不同地區在地理或經濟屬性方面的關聯模式，本文根據省際的地理和經濟聯系，構造了三種空間權重矩陣。第一種為地理鄰接權重矩陣Wc，若兩個地區地理相鄰wcij=1；不相鄰則wcij=0，且所有的主對角線元素都取0。第二種為地理距離權重矩陣Wd，wdij=1/dij ，（i≠j）；wdij=0，（i=j）。dij為兩省會城市之間的地表距離，兩個地區之間的距離越近，賦予權重越大；反之賦予權重越小。地理因素并非決定空間相關性的唯一因素，空間關聯還受到經濟發展水平的影響，并且地理因素和經濟因素兩者可能會共同作用于空間關聯模式，基于此本文構建了第三種權重——地理經濟距離嵌套權重Wde，Wde=φWd+（1-φ）We，其中Wd為地理距離權重矩陣，We為經濟距離權重，weij=1/|li -J | ，（i≠j）；weij=0，（i=j）。i=∑Tt=1Yit/T，Yit為i省第t年的實際人均GDP。參數φ介于0到1之間，φ越接近1，表示空間權重Wde越是與地理距離的鄰近意義有關，φ越接近0，表示空間權重Wde越是與地區間經濟發展水平相似度有關。本文對φ分別取0.8、0.7、0.6、0.5、0.4、0.3、0.2，以便檢驗兩個核心變量技術進步和效率追趕的空間效應的穩健性，并考察參數φ發生變動時空間效應的變化規律。

3.3指標選取與數據來源

在本文設定的空間面板Durbin模型中，全要素農業用水效率（GWE）為被解釋變量，該指標的數據通過全局DEA方法測算得到；技術進步（CGTC）和效率追趕（CGEC）為核心解釋變量，通過GM指數方法分解得到。根據已有研究，農業用水效率除了受技術進步和效率追趕的影響外，還受到水資源稟賦（WRE）、水資源稟賦結構（WES）、用水結構（WUS）、第一產業結構（AS）、農田水利設施（FWE）等因素的影響。本文以人均水資源量表示各省水資源豐裕程度；以地表水資源量與水資源總量的比值表示水資源稟賦結構；以農業用水量占總用水量的比重表示用水結構；以農業增加值占第一產業增加值的比重表示第一產業內部結構；以有效灌溉面積與播種總面積的比值表示農田水利設施的建設情況，將這五個變量作為控制變量引入空間面板Durbin模型展開計量分析。控制變量的有關數據均來源于歷年《中國統計年鑒》《中國農村統計年鑒》和《中國水資源公報》。

4實證結果與分析

4.1空間Durbin模型檢驗

基于前文空間計量模型的設定，本文運用STATA13.0分別在三種空間權重矩陣（Wc、Wd、Wde（φ=0.8、0.7、0.6、0.5、0.4、0.3、0.2））下對模型進行了極大似然估計，限于篇幅，對于地理經濟距離嵌套權重下的多種情形，表1只列示φ=0.5的估計結果，其余結果在下文另作列示和討論。另外，表1還列示了未加入控制變量的估計結果作為對

比，并報告了模型選擇的檢驗情況。關于固定效應和隨機效應之間的選擇，表1中Hausman檢驗結果顯示三種權重下的6個模型都支持固定效應；在空間固定效應、時間固定效應、雙向固定效應三種形式的選擇上，檢驗結果均拒絕了空間固定效應形式和時間固定效應形式，以選擇雙向固定效應模型為佳；關于空間Durbin模型是否簡化為空間滯后模型（SLM）和空間誤差模型（SEM）的檢驗， LR檢驗拒絕簡化為SLM模型和SEM模型，采用空間Durbin模型更為適合。

從回歸系數來看，表1中三種權重下模型（1）～（6）的結果顯示，技術進步（CGTC）、效率追趕（CGEC）和技術進步空間滯后項（W·CGTC）的回歸系數在所有模型中均顯著為正，效率追趕的空間滯后項（W·CGEC）在模型（1）～（2）中的回歸系數為負值，在模型（3）～（6）中的回歸系數為正值，但均不顯著。根據Le Sage和Pace[21]的理論，空間Durbin 模型的回歸系數并不能直接衡量解釋變量對被解釋變量的空間溢出效應，需要將解釋變量對被解釋變量的影響效應分解為直接效應和間接效應。

4.2空間 Durbin 模型效應分解

4.2.1全國層面的效應分解

根據表2中模型（1）～（6）的分解結果，三種權重下本文的核心解釋變量CGTC、CGEC的直接效應均為正值且通過了1%的顯著性水平檢驗，由此可以得出結論：農業技術進步和效率追趕均能顯著促進本地區農業用水效率的提高。進一步本文發現所有模型中CGTC的直接效應系數均大于CGEC的系數，表明技術進步對本地區農業用水效率的促進作用要比效率追趕的作用更大，原因可能在于：技術進步表征的是生產前沿面的前移效應，是改進效率的根本源泉，對提高農業用水效率具有長期促進作用，而效率追趕只是對前沿技術的簡單模仿，可能會在短期內促進農業用水效率提高，但也會因為其他省份的重復模仿和競爭而快速失去優勢，這一點可以在圖2中找到一些證據，圖2顯示技術進步指數呈明顯的長期上升趨勢，而效率追趕指數僅在某些時期呈向上的短期波動，并未表現出長期向上的趨勢性走勢，因而僅靠簡單模仿前沿技術難以長期促進農業用水效率的提高。從間接效應來看，模型（1）～（6）中CGTC的間接效應均顯著為正值，由此本文認為：其他地區的技術進步對本省農業用水效率存在顯著的正向空間溢出效應。進一步本文發現地理距離空間權重和地理經濟距離嵌套權重下技術進步的間接效應比地理鄰接空間權重下的效應大，說明僅考慮鄰省CGTC的間接效應，會低估其他地區農業技術進步對本省農業用水效率的總溢出效應，由此可見農業技術的空間溢出并非僅發生在鄰接省份之間。而CGEC的間接效應在不同權重下的正負方向有所不同，且均未通過顯著性檢驗，表明其他地區的效率追趕行為并不會對本省農業用水效率產生顯著的空間溢出效應；但本文仍然從中發現一些有意思的現象，地理鄰接權重矩陣下模型（1）～（2）中效率追趕的間接效應為負值，說明周邊鄰接省份的效率追趕行為會提高其自身農業生產水平，提升其市場競爭力，從而通過產品市場對本省農業造成沖擊，一定程度上會降低本省農業用水效率；在地理距離空間權重和地理經濟距離嵌套權重的模型結果中并未發現這一現象，原因可能在于效率追趕造成的競爭沖擊更多地發生在鄰接省份之間。總效應為直接效應和間接效應兩者之和，所有模型中技術進步總效應均顯著為正，而效率追趕總效應均表現為正向作用，但并不顯著。

從控制變量的效應分解結果來看，有些變量在不同空間權重下的結果存在差別，不夠穩健，也有一些變量表現出較為穩健的結果，由于控制變量并非本文探討的主要內容，本文限于篇幅不打算對所有控制變量進行分析，僅對具有公共物品屬性的水資源、農田水利設施的相關變量略作探討，水資源和農田水利設施由于其公共屬性而存在難以消除的外部性，從而也易于在地區之間產生空間溢出效應。根據表2，人均水資源量（WRE）在Wd、Wde兩種空間權重的模型中均未表現出顯著的直接效應、間接效應和總效應，在地理鄰接空間權重的模型中，直接效應為正值但不顯著，間接效應則顯著為正，表明鄰接地區豐富的水資源能對本省的農業用水效率產生正向空間溢出效應。表征農田水利設施的指標FWE在模型（2）、（4）、（6）中的直接效應、間接效應和總效應均為正值，僅在模型（2）中的間接效應沒通過檢驗，其余均通過了顯著性檢驗，說明本省和其他省的農田水利設施均能顯著促進本省農業用水效率的提高，農田水利設施因其公共屬性而易產生空間溢出效應的特性得到證實。

通過表3可以進一步考察當 φ參數取不同數值時兩個核心變量技術進步和效率追趕的空間效應分解結果及其變動規律。從表3可以看出：①當參數φ分別取0.8、0.7、0.6、0.4、0.3、0.2時，技術進步和效率追趕的直接效應、間接效應和總效應的方向和顯著性與表2中φ取0.5時的估計結果是一致的，但空間效應的數值有所差別。②當參數φ取值由大變小時，也即空間關聯模式中地理因素的作用由大變小而經濟因素的作用由小變大時，技術進步和效率追趕的直接效應均在1%的水平上顯著，且數值逐步變大，但變動幅度很小。技術進步的間接效應均在1%的水平上顯著，數值由0.733逐步變小至0.278，變動幅度較大，可見空間關聯模式的變化盡管不會影響技術進步對本省農業用水效率的空間溢出效應的顯著性，但對空間溢出效應的數值影響還是較大的，表明從全國范圍來看，技術進步對農業用水效率的空間溢出效應中，地理因素發揮的作用要比經濟因素的作用大；效率追趕的間接效應在參數φ的7種取值情況均不顯著。隨著參數φ的變化，由于技術進步間接效應逐步變小的幅度較大，導致技術進步的總效應由0.997逐漸變小至0.586。

4.2.2區域層面的效應分解

為了考察農業技術進步和效率追趕對農業用水效率的影響效應在不同區域是否存在差異，將31個省分為東、中、西三大區域作進一步分析，限于篇幅只報告了地理距離空間權重和地理經濟距離嵌套權重（φ=0.5）下的模型結果，按三大區域進行效應分解的結果如表4。

應和總效應的檢驗結果與全國層面的結論大體一致，技術進步的直接效應和總效應顯著為正，效率追趕的直接效應除了中部地區在地理經濟距離嵌套權重下不顯著，其余均顯著為正，效率追趕的總效應均未通過顯著性檢驗。技術進步和效率追趕的間接效應在不同區域以及在不同空間權重下的模型結果有所差別，在東部地區，其他省的技術進步對本省農業用水效率的空間溢出效應顯著為正，效率追趕的空間溢出效應為負，且在地理距離空間權重下的模型結果通過了顯著性檢驗，說明其他地區的效率追趕會對本省造成競爭沖擊，從而降低本省農業用水效率。在中部地區，技術進步的空間溢出效應在地理經濟距離嵌套權重下不顯著，但在地理距離空間權重下通過了1%的顯著性檢驗，一方面表明其他地區的技術進步能顯著促進本省農業用水效率的提高，另一方面則說明了中部地區技術進步的空間溢出效應主要是通過地理距離鄰近模式來實現的；而效率追趕的空間溢出效應在兩種空間權重下均不顯著。

在西部地區，技術進步的空間溢出效應在地理距離空間權重下不顯著，但在地理經濟距離嵌套權重下則顯著為正，這意味著西部地區的技術進步對農業用水效率存在空間溢出效應，并且鄰近地區間經濟發展水平越相似越容易產生溢出效應；而效率追趕的間接效應在兩種空間權重下均未通過檢驗。

5結論與啟示

根據實證結果，本文得出如下結論：

（1）從全國層面的實證結果來看，技術進步和效率追趕均對本省農業用水效率有顯著的提升作用，且前者對農業用水效率的提升作用更大；其他地區技術進步對本省農業用水效率存在顯著的正向空間溢出效應，且技術進步的空間溢出效應并不僅僅發生在鄰接省份之間；地理因素對于溢出效應發揮的作用要比經濟因素的作用大；其他地區的效率追趕行為對本省農業用水效率的空間溢出效應并不顯著。本省和其他省的農田水利設施均能顯著促進本省農業用水效率的提高，農田水利設施因其公共屬性存在顯著的正向空間溢出效應。

（2）從區域層面的實證結果來看，東、中、西部三個區域的技術進步和效率追趕都對本地區的農業用水效率具有顯著的提升作用；在東部地區，其他省份的技術進步對本省的空間溢出效應顯著為正，效率追趕則會對本省農業用水效率產生顯著為負的空間溢出效應；在中部地區，技術進步通過地理距離鄰近模式能產生顯著為正的空間溢出效應，其他省份的效率追趕行為對農業用水效率的空間溢出效應不顯著；在西部地區，在鄰近地區間經濟發展水平相似的情況下，其他省份技術進步會對本省農業用水效率產生顯著的正向空間溢出效應，效率追趕的間接效應不顯著。

基于上述結論，本文得到以下政策啟示：①加強農業生產、農業節水的科技支撐，加大節水灌溉等農田水利設施的投入，不僅能促進本地農業用水效率的提升，且對其他地區農業用水效率會產生正向空間溢出效應，從而能顯著提升整體農業用水效率。②推進地區之間農業技術交流和農業生產的相互協作，通過技術交流和生產協作，發揮地區之間農業技術和節水技術的示范效應，促進先進技術在落后地區的推廣應用，以便提升整體的農業用水效益。③在農業技術交流和生產協作過程中，應采取因地制宜、多樣化的交流和協作模式，充分優化技術的擴散途徑；同時在先進農業技術的推廣應用過程中，鄰近地區應適當差異化發展，避免農業技術或者經營模式過于相近而造成過度競爭帶來的效率損失。

（編輯：王愛萍）

參考文獻（References）

[1]張軍，施少華，陳詩一. 中國的工業改革與效率變化[J]. 經濟學（季刊）， 2003，3（1）： 1-38. [ZHANG Jun， SHI Shaohua， CHEN Shiyi. The industry reform and efficiency change in China： methodology， data， literatures and conclusions[J]. China economic quarterly， 2003，3（1）：1-38.]

[2]AIGNER D J， LOVELL C A K， SCHMIDT P J. Formulation and estimation of stochastic frontier production function models[J]. Journal of econometrics，1997（6）： 21-37.

[3]肖小勇，李秋萍. 中國農業技術空間溢出效應： 1986—2010[J]. 科學學研究，2014（6）： 873-881.[XIAO Xiaoyong， LI Qiuping. The empirical study of agricultural technology spillover effects：based on the spatial panel data of 1986-2010 in China[J]. Studies in science of science， 2014（6）： 873-881.]

[4]HU J， WANG S， YEH F. Totalfactor water efficiency of regions in China[J]. Resources policy， 2006，31：217-230.

[5]KARAGIANNIS G， TZOUVELEKAS V， XEPAPADEAS A. Measuring irrigation water efficiency with a stochastic production frontier [J]. Environmental and resource economics， 2003， 26：57-72.

[6]王曉娟，李周. 灌溉用水效率及影響因素分析[J]. 中國農村經濟， 2005（7）：11-18.[WANG Xiaojuan， LI Zhou. Analysis on the efficiency of irrigation water and its influence factors[J]. Chinese rural economy， 2005（7）： 11-18.]

[7]趙連閣，王學淵.農戶灌溉用水的效率差異——基于甘肅、內蒙古兩個典型灌區實地調查的比較分析[J]. 農業經濟問題，2010（3）：71-77.[ZHAO Liange， WANG Xueyuan. Farmers irrigation water use efficiency variance： a comparative analysis based on field survey of two typical irrigated areas in Gansu and Inner Mongolia[J]. Issues in agricultural economy， 2010（3）：71-77.]

[8]許朗，黃鶯. 農業灌溉用水效率及其影響因素分析——基于安徽省蒙城縣的實地調查[J]. 資源科學， 2012， 34（1）：105-113.[XU Lang， HUANG Ying. Measurement of irrigation water efficiency and analysis of influential factors： an empirical study of Mengcheng County in Anhui Province [J]. Resources science， 2012， 34（1）：105-113.]

[9]KANEKO S， TANAKA K， TOYOTA T. Water efficiency of agricultural production in China： regional comparison from 1999 to 2002[J]. International journal of agricultural resources， governance and ecology，2004（3）：231-251.

[10]王學淵，趙連閣.中國農業用水效率及影響因素[J].農業經濟問題， 2008（3）：10-17.[WANG Xueyuan， ZHAO Liange. Agricultural water efficiency and the causal factors[J]. Issues in agricultural economy， 2008（3）：10-17.]

[11]錢文婧，賀燦飛.中國水資源利用效率區域差異及影響因素研究[J].中國人口·資源與環境， 2011，21（2）：54-60.[QIAN Wenjing， HE Canfei. Chinas regional difference of water resource use efficiency and influencing factors[J]. China population， resources and environment， 2011，21（2）：54-60.]

[12]馬海良，黃德春，張繼國，等.中國近年來水資源利用效率的省際差異：技術進步還是技術效率[J].資源科學，2012，34（5）：794-801.[MA Hailiang， HUANG Dechun， ZHANG Jiguo， et al. The provincial differences of Chinas water use efficiency in recent years： technological progress or technical efficiency[J]. Resources science， 2012，34（5）：794-801.]

[13]孫才志，趙良仕. 環境規制下的中國水資源利用環境技術效率測度及空間關聯特征分析[J].經濟地理，2013，33（2）：26-32.[SUN Caizhi， ZHAO Liangshi. Water resources utilization environmental efficiency measurement and its spatial correlation characteristics analysis under the environmental regulation background[J]. Economic geography，2013，33（2）：26-32.]

[14]趙良仕，孫才志，劉鳳朝.環境約束下中國省際水資源兩階段效率及影響因素研究[J].中國人口·資源與環境，2017，27（5）：27-36.[ZHAO Liangshi， SUN Caizhi，LIU Fengchao. Twostage utilization efficiency of the interprovincial water resources under environmental constraint and its influence factors in China[J]. China population， resources and environment， 2017， 27（5）： 27-36.]

[15]楊騫，劉華軍. 污染排放約束下中國農業水資源效率的區域差異與影響因素[J].數量經濟技術經濟研究，2015（1）：114-128.[YANG Qian， LIU Huajun. Regional disparity and influencing factors of agricultural water resources efficiency with the constraint of pollution[J]. The journal of quantitative & technical economics， 2015（1）：114-128.]

[16]陳洪斌. 我國省際農業用水效率測評與空間溢出效應研究[J].干旱區資源與環境，2017，31（2）：85-90.[CHEN Hongbin. Provincial agricultural water use efficiency evaluation and spatial spillover effect in China[J]. Journal of arid land resources and environment， 2017，31（2）：85-90.]

[17]佟金萍，馬劍鋒，王慧敏，等.農業用水效率與技術進步：基于中國農業面板數據的實證研究[J].資源科學，2014，36（9）：1765-1772.[TONG Jinping， MA Jianfeng， WANG Huimin， et al. Agricultural water use efficiency and technical progress in China based on agricultural panel data[J]. Resources science， 2014，36（9）：1765-1772.]

[18]鮑超，陳小杰，梁廣林.基于空間計量模型的河南省用水效率影響因素分析[J].自然資源學報，2016，31（7）：1138-1148.[BAO Chao， CHEN Xiaojie， LIANG Guanglin. Analysis on the influencing factors of water use efficiency in Henan Province based on spatial econometric models[J]. Journal of natural resources， 2016，31（7）：1138-1148.]

[19]PASTOR J T，LOVELL C A K. A global malmquist productivity index[J]. Economics letters，2005， 88： 266-271.

[20]ANSELIN L. Spatial econometrics： method and models[M]. Dordrecht： Kluwer Academic Publishers， 1988.

[21]LESAGE J P， PACE R K. An introduction to spatial econometrics[J]. Revue déconomie industrielle， 2008， 123： 513-514.