空間視角下中國農業生態效率的收斂性與分異特征

侯孟陽 姚順波

摘要?基于1978—2016年中國省級面板數據，采用超效率SBM模型測算省際農業生態效率，在Kernel密度估計分析時空演變格局的基礎上，將空間效應因素引入經典β收斂的檢驗過程中，建立空間計量模型估算其空間收斂性，并分區域、分時段討論其分異特征。研究發現：①中國農業生態效率呈現出在波動中穩定上升的“雙峰”分布特征，且波峰高度的差距在縮小，但整體仍處于較低水平，農業生態效率仍存在較大提升空間，東部地區農業生態效率增長較中西部地區更加明顯;②中國農業生態效率存在顯著的空間收斂性，空間條件β收斂的速度為0.105，條件收斂速度顯著快于絕對收斂，空間因素對收斂趨勢具有加速效應，使得地區間農業生態效率的空間差異隨時間推移呈現出進一步縮小的態勢;③不同地區、不同時段的農業生態效率空間收斂性同樣顯著，空間收斂速度呈現出東北、中部、西部、東部依次遞減的分布格局，且不同地區間收斂速度均大于經典收斂，這與區域間經濟發展水平、農業技術條件、基礎設施、資本流動性等各方面存在關聯性，而除2004—2016年外，其他時段的空間收斂速度均高于經典收斂速度，且表現出逐步遞減的變化過程。由于空間收斂性的存在，各地區應充分考慮到自身資源稟賦及農業經濟發展水平的差異性，鄰近地區之間應加強農業生產合作與交流，并建立完備的農業生態合作機制、生態政策聯動機制。

關鍵詞?農業生態效率;空間收斂性;分異特征;β收斂;超效率SBM模型

中圖分類號?F323.2???文獻標識碼?A???文章編號?1002-2104（2019）04-0116-11???DOI：10.12062/cpre.20181108

農業是國家重點扶持的基礎性產業，也是國家穩定和安全的重要基礎。改革開放40年來，中國農業經濟取得了巨大成就，農業產值由1978年的1 397億元增長到2018年的64

734億元，年均增長率9.81%，糧食連年增產。而單純追求糧食產量、農業經濟效益的背后，則伴隨著一系列的生態惡化、環境污染、資源浪費等問題，忽視了資源環境的承受能力。《全國農業可持續發展規劃（2015—2030）》[1]報告顯示，農業內源性污染嚴重，化肥、農藥利用率不足1/3，農膜回收率不足2/3，秸稈焚燒現象嚴重，顯示出農業污染源對生態環境帶來巨大的負外部性，并嚴重影響了我國農業生產的可持續發展。2014年中央農村工作會議明確提出了建立資源節約型和環境友好型的“兩型農業”，期望最大限度地減弱農業生產的負外部性。十九大報告也指出，建設生態文明是中華民族永續發展的千年大計，必須樹立和踐行綠水青山就是金山銀山的理念，既要創造更多的物質財富和精神財富以滿足人民日益增長的美好生活需要，也要提供更多優質生態產品以滿足人民日益增長的優美生態環境需要。在當前農業生態環境面臨嚴峻形勢的背景下，農業經濟發展應保持資源消耗、生態保護的統籌協調，即農業發展不僅要重視其經濟效應，還要重視其生態影響。

農業生產的效率低下和化學品的過量施用是導致農業環境污染的主要原因[2]，而“兩型”農業的發展需要協調農業生產投入產出與資源消耗、環境保護三者間的關系。農業生態效率（AEE，Agroecological

efficiency）是指在一定的農業投入要素組合下，以盡可能小的資源消耗和環境污染，得到盡可能多的農業產出[3]，它強調農業生產效率與環境效益的統一，也就是當農業投入產出、經濟效益與環境效益相均衡協調時是具有生態效率的。同時，隨著中國農業市場經濟的日趨完善和區域間開放程度的擴大，農業生產要素的空間流動性越來越頻繁，農業生產之間的空間聯系越來越緊密[4]，并且，不同地區的農業經濟水平、要素投入、資源稟賦、區位條件等方面存在異質性，勢必導致農業生態效率在空間尺度上存在差異性，但其空間差異的演變規律如何？各地區農業生態效率差距是否會隨著時間的推移而出現收斂現象？如果是，則呈現何種收斂特征？不同地區、不同的時間節點的農業生態效率收斂性表現出何種特征？因而，科學合理地測度中國的農業生態效率，并深刻了解其時空變化特征與收斂性規律，將有助于客觀認識當前農業生產與生態的現實，對于加強地區間農業生產要素的空間流動、農業的可持續發展具有重要的理論和現實意義。

1?文獻回顧與梳理

生態效率（EcoEfficiency）首先由德國學者Schaltegger &Sturn[5]提出，并由世界可持續發展工商理事會（WBCSD）和經合組織（OECD）推廣，可看作與達到地球承載能力的資源環境投入與滿足人類生產生活需求的產出之間相互協調的關系，即在經濟效率和環境效益之間達到一種平衡與統一[6]。具體到農業生產方面，傳統的農業生產效率測算未考慮資源環境的約束因素，而農業生態效率則將資源環境因素納入到農業生產效率的測度框架，不僅要求重視農業生產活動的經濟效益，還要重視其資源環境約束，以實現農業產出增長與環境管理的雙贏目標。國內外學者從效率的評估方法[7-8]、化學品過度使用的效率損失[9]、農業的可持續發展[10]、效率的地區差異[11]等角度對農業生產效率展開了深入探討，并從種植規模[12]、農業補貼[13]、農地流轉[14]、土地細碎化[15]等不同角度展開分析影響農業生產的關鍵因素。隨著農業生態問題的日漸被重視，相關研究已將農業面源污染或農業碳排放作為反映農業生產負外部性指標引入農業生態效率測算模型[16-17]。當前，以DEA、SFA、SBM等方法為主的測算已日漸成熟，這也是本文測算效率采用的方法。

中國人口·資源與環境?2019年?第4期如何科學合理地評價農業生態效率的時空格局與演變特征有助于準確地認識地區間農業生產與生態的差距。對農業生態效率時空演變特征方面的文獻進行梳理后發現，較多研究從時間維度上關注其空間分異特征，比如王寶義、張衛國[17]利用SBMUndesirable擴展模型測算全國、東中西、八大經濟區及省際農業生態效率，并分解無效率項，東中西部三個地區和八大經濟區農業生態效率總體趨勢與全國基本一致，三區域中東部地區差異較大，八大經濟區中西北地區和西南地區差異較大;劉應元、馮中朝等[18]運用非期望產出模型評價了中國各省區的生態農業發展狀況，并分區域進行了討論，同樣得出中國各省區的生態農業發展在東中西部之間存在較大差異的結論;鄭德鳳、郝帥等[19]則采用非期望產出的SBM模型，結合探索性空間數據分析方法（ESDA），對甘肅省各縣（區）2000—2014年的農業生態效率及空間分布格局進行實證分析。結果顯示，甘肅省農業生態效率的空間變化趨勢呈現自西向東、自南向北遞減態勢，但南北差異小于東西差異。但值得關注的是，在已有農業生態效率時空差異的研究中，多數文獻均將研究區域看作是相互獨立的個體，地區間不存在要素資源的交流與溢出，但隨著農業要素在空間上的流動性越來越頻繁，鄰近地區將存在較強的關聯性與擴散效應，那么中國的農業生態效率的空間變化將表現出怎樣的特征？地區間農業生態效率是否會形成空間集聚效應？并且是否存在空間收斂性現象？如果存在，空間效應的存在對農業生態效率收斂性的程度和速度產生了何種影響？另外，不同地區、不同發展階段的農業生態效率是否會存在收斂性的差異？這些問題的回答與解決，需要對中國農業生態效率的時空變化特征與空間收斂性具有清醒和深刻的認識。當前考慮空間因素的收斂性研究主要集中在全要素生產率[20-21]、經濟增長[22]、區域創新效率[23]等方面，而鮮有研究關注到農業生態效率的空間收斂性。多數文獻僅從時間變化上研究其收斂性，也未充分考慮到地區間資源稟賦、農業生產條件的差異對收斂性的影響。比如王寶義、張衛國[24]通過σ收斂檢驗分析指出全國及東部、中部、西部地區農業生態效率呈現出離散趨勢，但該文獻并未深入分析條件β收斂，也未考慮到地區間存在的差異;葛鵬飛、王頌吉等[25]分析了農業綠色全要素生產率的β收斂，顯示全國及各區域在時間演變上均存在顯著的條件β收斂;高鳴、宋洪遠[26]分析了中國農業碳排放績效的動態變化和空間集聚與收斂，結果顯示技術進步可以提高農業碳排放績效，且各省區農業碳排放績效存在收斂性和趨同性。通過文獻綜述發現，現有文獻對農業生態效率的時空格局特征的研究較多聚焦于其在時間變化上分析地區間的分布差異與收斂性，對收斂性的研究均采用傳統的經典收斂模型，缺乏考慮空間異質性與依賴性等空間因素，導致難以揭示農業生態效率時空動態演變的真實變化規律。

地理學第一定理也表明，地區間的任何事物之間都存在一定的聯系，且事物之間的距離越近，其空間聯系則會越強。綜上所述，本文試圖在以下方面進行彌補和探索：一是將空間因素引入農業生態效率收斂性分析過程，重點關注空間β收斂，揭示其空間收斂特性，并通過與經典收斂性結果的對比分析，了解空間效應對農業生態效率收斂的程度和速度產生的影響[20];二是分區域、分時段探討農業生態效率收斂的空間分異特征與規律。為此，本文以1978—2016年中國各省市面板數據為研究單元，以狹義農業（種植業）為研究對象，在超效率SBM模型測算中國農業生態效率基礎上，將空間效應因素引入經典β收斂的檢驗過程中，建立空間面板計量模型估算其空間收斂性，并分區域、分時段進一步討論其分異特征，以便更科學、深入地了解農業生態效率變化的空間影響。

2?研究方法

2.1?基于非期望產出的超效率SBM模型

在農業生產過程中，通常期望化肥、農藥、農膜等化學制品的過度使用產生的環境污染越小越好，這種越小越好的產出即為非期望產出。基于非期望產出的SBM模型是首先由Tone[27]于2001年提出的測算生態效率的模型。與傳統的數據包絡模型（DEA）相比，SBM模型能夠有效解決徑向和角度的傳統DEA模型造成的投入要素的“擁擠”或“松弛”現象，但SBM模型與傳統DEA模型一樣，對于效率都為1的DMU，難以進一步區分有效率DMU之間的效率差異。Tone[28]于2002年在SBM模型的基礎上，進一步定義了超效率SBM模型，結合了超效率DEA

模型和SBM 模型的優勢，能夠有效對處于前沿面的DMU進一步對比評價。模型構建為：

Min π=1m∑mi=1〔x-/xik〕1r1+r2∑r1s=1yd—/ydsk+∑r2q=1yu—/yuqk

（1）

x-≥∑nj=1，≠kxijλj;yd—≤∑nj=1，≠kydsjλj;yd—≥∑nj=1，≠kydqjλj;

x-≥xk;yd—≤ydk;yu—≥yuk

λj≥0，i=1，2，…，m;j=1，2，…，n，j≠0;

s=1，2，…，r1;q=1，2，…，r2;

（2）

式中，假設有n個DMU，每個DMU由投入m，期望產出r1和非期望產出r2構成，x、yd、yu為相應的投入矩陣、期望產出矩陣和非期望產出矩陣中的元素，π為農業生態效率值。

2.2?空間相關性分析

由于不同地區之間的資源稟賦、農業經濟、地理區位等的不同，農業生態效率存在差異。地區空間分布的差異性可能存在空間自相關性，也即某地區農業生態效率的變化，通過技術溢出、要素流動等原因也會影響其鄰近地區的農業生態效率。在這種情況下，需要對地區農業生態效率的空間自相關性進行度量。空間自相關分析包括全局空間自相關和局部空間自相關，本文以全局空間自相關來了解地區農業生態效率的空間關聯和空間差異。在空間統計學中，常用的度量空間自相關程度的統計指標為MoransI指數，其計算公式為[29]：

I=n∑ni=1∑nj=1wij（xi-x-）（xj-x-）∑ni=1∑nj=1wij∑ni=1（xi-x-）2

（3）

式中，n為樣本量，xi、xj為空間位置i和j的觀察量，wij表示空間位置i和j的鄰近關系，當i和j鄰近時，wij=1;反之為0。全局Morans

I指數的取值范圍為[-1，1]，大于0為空間正相關，小于0為負相關，等于0為不相關。

2.3?空間收斂性檢驗

新古典經濟學分析框架中的收斂理論最初用于考察不同國家或地區人均收入是否存在收斂或發散的問題，近年來的應用范圍逐漸擴展到資源環境、能源消費等各個領域。在本文中，收斂性分析有助于檢驗不同省份間農業生態效率收斂或發散的特征，即省際間差距是在擴大還是在縮小。經典收斂模型主要包括α收斂、β收斂及俱樂部收斂，而以β收斂的應用最為廣泛。經典β收斂又分為β絕對收斂和β條件收斂，具體到本文研究，β絕對收斂是不同地區在具有相同的資源稟賦、生產條件、收入水平、財政支持等嚴格的假設條件下，隨著時間推移，各地區農業生態效率都將收斂于相同的水平;而β條件收斂則放開了假設條件，考慮了不同地區在資源稟賦、生產條件、收入水平、財政支持等方面存在差異，各地區農業生態效率隨著時間推移將收斂于各自穩定的水平[30]。經典β收斂主要考察的是農業生態效率在時間演變上的收斂特征，而空間因素的欠缺有可能導致收斂結論的有偏性[20]。因而，本文將空間計量引入經典β收斂分析，分別建立經典β收斂模型和空間β收斂模型對各省份農業生態效率的絕對和條件β收斂特征進行檢驗，并對比經典和空間兩種模型之間特征的差異。具體的模型為：

經典β收斂：lnAEEi，t+1AEEi，t=α+βln AEEi，t+

∑nk=1θkln Xk，i，t+εi，t

空間β收斂：本文建立了空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）3種空間計量模型，并通過檢驗選擇最優模型，具體公式分別為：

①SLM的β收斂：lnAEEi，t+1AEEi，t=α+ρ∑nj=1wijlnAEEj，t+1AEEj，t+βln AEEi，t+∑nk=1θk ln

Xk，i，t+εi，t

②SEM的β收斂：lnAEEi，t+1AEEi，t=α+βln AEEi，t+

∑nk=1θk ln Xk，i，t+φi，t;φi，t=ρ∑nj=1wijφi，t+εi，t

③SDM的β收斂：lnAEEi，t+1AEEi，t=α+ρ∑nj=1wijlnAEEj，t+1AEEj，t+βln AEEi，t+∑nk=1θk ln

Xk，i，t+∑nj=1，k=1wijkln Xk，i，t+εi，t

式中，θk為各控制變量Xi，t的估計系數，據此判斷絕對收斂或條件收斂。當θk取值為0時，以上模型為β絕對收斂;當θk不取值為0時，以上模型為β條件收斂。AEEi，t、AEEi，t+1分別為第t、t+1年第i個地區的農業生態效率，β為收斂性的判斷系數，β=-（1-e-ηT）/T，η為收斂速度，當β<0時，農業生態效率趨于收斂，反之則趨于發散。εi，t為誤差項，且滿足εi，t～i.id（0，δ2），ρ為測算空間溢出方向和程度的空間效應系數，φi，t為空間自相關的誤差項，為控制變量與空間權重矩陣的空間交互效應的回歸系數;wij為空間權重矩陣W中的元素。由于以（0，1）鄰接權重難以刻畫兩個不相鄰的地區在經濟、社會、生態等領域仍然存在關聯的情況，據此建立的空間關系存在顯著的缺陷，本文采用基于省會城市距離的地理距離權重矩陣構造[20，31]，并對其標準化。

3?指標選取與數據來源

3.1?指標選取

3.1.1?農業生態效率

廣義的農業為農牧漁業，狹義的農業則指種植業，本文以狹義農業為研究重點測算農業生態效率。農業生態效率的本質上是以盡可能少的農業資源投入和最少的環境代價獲得盡可能大的農業經濟產出和生態保護，綜合反映了農業經濟與資源利用、環境保護協調共贏的關系。本文農業生態效率評價指標的選取參考了相關文獻[3，17-18]中農業投入產出指標體系，結合數據的可得性及統計口徑的一致性，最終以土地、勞動力、機械動力、灌溉、化肥、農藥等作為地區農業要素投入指標，以農業總產值作為期望產出指標。

關于非期望產出指標的選取，主要包括農業面源污染排放和農業碳排放兩大類[3，17]。其中，農業面源污染排放量主要由化肥、農藥及農膜等的過度使用造成的，本文采用化肥流失量、農藥殘留量及農膜殘留量估算農業面源污染水平[17]。化肥流失量核算的污染物指標為總氮（TN）和總磷（TP），確定的污染單元為氮肥、磷肥和復合肥3種。污染單元排放系數等于產污系數乘以化肥流失率，氮肥、磷肥和復合肥（N∶?P∶?K養分比例為1∶?1∶?1）的TN產污系數分別為1、0和0.33，TP產污系數分別為0、0.44和0.15[32]。各地區化肥流失率參考賴斯蕓等[33]的研究，TN與TP之和為化肥產污流失量。農藥殘留量核算公式為農藥施用量×農藥無效利用系數，農膜殘留量核算公式為農膜施用量×農膜殘留系數，這兩個污染排放的系數參考吳小慶等[34]的研究及《第一次全國污染普查：農藥流失系數、農田地膜殘留系數手冊》，并考慮地區耕地地形的差異。

農業碳排放的測算參考了李波等[35]的碳排放模型及測算系數，選取了化肥、農藥、農膜、農用柴油、灌溉耗電耗水、翻耕流失等6類直接或間接的碳排放。參照該研究，6大類碳源排放系數分別為化肥0.895 6（kg/kg）、農藥4.934 1（kg/kg）、農膜5.18（kg/kg）、柴油0.5927（kg/kg）、農業灌溉20.476（kg/hm2）和農業翻耕312.6（kg/km2），最終構建的中國農業生態效率指標體系見表1。

3.1.2?控制變量的選取

①農村居民人均純收入（pDIRR）。農村居民的富裕程度能夠對農業的投入要素產生影響，進而影響農業生態效率，選用農村居民人均純收入（元）來表征。②農業機械投入強度（MII）=農業機械總動力/農作物總播種面積（kW/hm2）。農業的技術水平對提高農業生產效率起著重要作用，農業機械投入是農業技術進步的最直觀表現，通過有效替代勞動力對農業生產、糧食產量產生影響。③復種指數（MCI）=農作物總播種面積/耕地面積（%）。復種指數指的是一定時期內（一般為1年）在同一地塊耕地面積上種植農作物的平均次數，用以反映土地撂荒現象的日益增多對農業生態效率的影響。④作物種植結構（CPS）=糧食作物種植面積/（農作物播種總面積-糧食作物種植面積）（%）。種植結構是指某地區農作物種類種植比例，種植結構的變化能夠導致農業投入要素結構的變化，進而影響農業生態效率。⑤財政支農水平（FSA）=財政農林水事務支出/農作物總播種面積（元/hm2）。財政資金對農業的補貼強度能夠影響勞動力對化肥、農藥、農機服務等農業資源的投入，用以反映行政干預手段對農業生態效率的影響。⑥農業受災率（ADR）=農作物受災面積/農作物總播種面積（%）。農業生產過程中受自然條件的影響較大，用以反映自然災害對農業生態效率的影響。⑦城鎮化水平（URBAN）：人口城鎮化率=城鎮人口/年末常住人口（%），城鎮化的發展吸引農村勞動力非農轉移，將間接影響農業生產及生態。

3.2?數據來源

本文研究樣本為中國大陸30個省份，限于數據可得性及西藏和港澳臺地區特殊的農業生產條件，這些地區未納入實證研究。時間跨度為改革開放以來的1978—2016年。文中所涉及變量的數據均來源于《中國農村統計年鑒》《中國農業統計資料》《新中國五十年農業統計資料》、各省市統計年鑒和60年統計資料，及國家數據網站http：//data.stats.gov.cn/easyquery.htm？cn=E0103，部分缺失數據由插值法補齊。重慶在1997年之前、海南在1988年之前的數據通過《重慶統計年鑒》《海南統計年鑒》獲取，并調整四川、廣東相應年份的數據，最終共整理出39年的面板數據。

4?實證檢驗與結果分析

4.1?中國農業生態效率測算及時間變化特征

基于DEASOLVER Pro5.0軟件，采用非徑向（NonOriented）、規模報酬可變（VRS）的超效率SBM模型，測算1978—2016年30個省市的農業生態效率，求解各年份平均值，并將全國分為東中西和東北四大區域（東部包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南;中部包括山西、安徽、江西、河南、湖北和湖南;西部包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆;東北包括遼寧、吉林和黑龍江），對不同區域農業生態效率均值進行對比分析（見圖1）。①通過觀察圖1走勢，各年份平均農業生態效率基本上處在0.8以下的水平，整體上農業生態效率處于較低水平，意味著農業兩型發展存在較大的資源節約和環境保護空間。1978—2016年間，農業生態效率呈現出在波動中穩定上升的走勢，波動性主要體現在1978—2000年間，但變化幅度較小;2000年之后開始呈現穩定上升走勢。21世紀以來，中央一號文件連續多年聚焦農業，關注“三農”問題，并明確提出“要鼓勵發展循環農業、生態農業”，顯示出政府對農業可持續發展的重視，避免了農業生態效率的下滑。②通過對比東中西及東北四大區域的農業生態效率，同樣以2000年為界分為兩個階段。1978—2000年間的農業生態效率排名為西部>東部>中部>東北，而在2000—2016年間的農業生態效率排名為東部>西部>中部>東北，但中西部之間的差距較小，顯示出隨著農業經濟的不斷發展，東部地區農業技術水平的進步顯著，且更加重視農業現代化，有意識保持農業生產、資源節約與環境保護之間的協調，而中西部地區農業技術水平發展緩慢，農業機械化程度較低，農業經濟發展方式相對較粗放[36]。

為繼續探索各省市農業生態效率隨時間演變的集聚差異，采用高斯正態分布的非參數Kernel密度函數[37]，選擇1978、1986、1996、2006和2016年5個年份為觀測時點進行Kernel密度估計，得到不同時點的分布狀況（見圖2）。波峰高度反映各省農業生態效率的集聚程度。農業生態效率整體上呈現出從左至右、波峰從高到低的“雙峰”演變分布特征，顯示出農業生態效率隨時間變化而穩定提升的走勢，多數省市由低水平集聚逐漸向“高-低”數量差異縮小的趨勢轉變。改革開放初期，多數省市的農業生態效率在低水平上集聚;進入90年代后，隨著農業環保意識增強、農村勞動力轉移、農業機械化水平進步加快，各省市農業生態效率呈現不同程度的提升，但各省之間資源稟賦、經濟實力等方面仍存在差異，各省市農業生態效率的差距開始增大，形成了多個不同幅度的波峰，但低水平集聚的波峰呈逐漸下降;而到了2016年，雙峰分布的波峰高度差距縮小，表明農業生態效率的差距在縮小，逐漸形成“低低集聚、高高集聚”的近“雙峰”式時空演變格局。

4.2?中國農業生態效率收斂性檢驗

對于經典β收斂的檢驗模型，依據Hausman檢驗選擇固定效應模型檢驗農業生態效率的絕對收斂和條件收斂。而在空間β收斂檢驗時，需要采用Morans I指數方法對農業生態效率的空間相關性進行檢驗。不同年份農業生態效率Morans I指數均為正（0.124 5～0.2780），除個別年份外，均在5%（或10%）的顯著性水平上通過檢驗，表明中國農業生態效率在空間分布上呈較顯著的正相關性，鄰近省市之間農業生態效率的影響存在空間依賴性。

關于最優空間計量模型的選擇，根據以下原則選擇最優模型[38]：①根據赤池信息準則（AIC）選擇解釋力較高的模型，AIC值越低，解釋力越高;②根據LogL、R2及Sigma2統計量判定模型的擬合優度，LogL和R2統計值越高，Sigma2統計值越低，表明模型擬合程度越高;③Elhorst[39]指出空間面板模型只有在時間足夠長時選擇固定效應是相對有效的[24]。結合Hausman檢驗，本文選擇固定效應的空間收斂模型（見表2）。

關于空間β收斂最優估計模型的選擇，絕對和條件β收斂的三個空間計量模型中，除R2外，SDM的LogL均為最大，Sigma2統計值和AIC值最低，總體上空間絕對β收斂和空間條件β收斂可認為空間杜賓模型（SDM）的估計結果更優，且空間效應系數ρ均顯著大于0，意味著地區間農業生態效率的收斂性存在顯著的空間溢出效應。

從回歸結果可以得到以下收斂性特征：①中國農業生態效率存在明顯的收斂趨勢。所有收斂模型的lnAEEit估計系數均為負，且大部分通過了1%顯著性水平的檢驗，收斂趨勢的存在使得地區間農業生態效率差異在縮小，也就是說農業生態效率較低的地區存在“后發趕超”的趨勢。②條件收斂的收斂速度均顯著大于絕對收斂的速度。在經典β收斂下的條件收斂速度（0.041）是絕對收斂速度（0.013）的3倍多，在空間β收斂下的條件收斂速度（0.105）同樣是絕對收斂速度（0.032）的3倍多，這是由于條件收斂考慮了地區間農業生產條件的異質性，加快了農業生態效率的收斂速度，并縮短了收斂周期，從而使得收斂性檢驗更加準確可靠。③空間因素具有加速效應，使得收斂速度進一步加快。加入空間因素的條件β收斂進一步加快了農業生態效率的收斂速度（0.105>0.041），空間絕對β收斂亦是如此，可能的原因在于，由于空間溢出效應的存在，農業生態效率的不均衡分布使得地理距離相近地區之間的相互影響更加顯著，特別是地區間農業要素和信息的空間交流與互動進一步加劇了農業生態效率的空間溢出與擴散效應[40]，從而使得地區間農業生態效率的空間差異隨時間推移呈現出進一步縮小的趨勢，加速了收斂速度，并進一步縮短了收斂周期。

從控制變量的系數來看，SDM與經典收斂模型估計結果的影響方向基本是一致的，但影響程度和顯著性水平存在差異。此處主要分析SDM模型的估計系數，農村居民人均純收入（lnPDIRR）、農業機械投入強度（lnMII）、復種指數（lnMCI）和種植結構（lnCPS）的估計系數通過了顯著性水平的檢驗。其中農村居民人均純收入（lnPDIRR）的估計系數為正，一方面農民收入的提高保證了農民有更多的資金改善農業生產條件，提高勞動生產率;另一方面環保意識和收入提高的雙重作用使得農民有能力、有意識地追求綠色無公害、有機農產品的生產、銷售和消費[41]，從而直接或間接地促進了農業生態效率的提升。而lnMII、lnMCI、lnCPS的估計系數為負，其原因在于農業機械投入通過柴油消耗、農膜覆蓋等增加了農業碳排放和污染排放，且如果不加節制地挖掘耕地利用潛力，而不結合輪作、輪耕等耕種制度，將不利于提升農業生態效率;同時，經濟作物具有生產周期短、水肥需求大、集約化程度高等特點，其種植面積的擴大將導致化肥投入的增長和面源污染的加重，這些因素也不利于農業生態效率的提升。另外，農業受災率（lnADR）的估計系數為負，但未通過顯著性檢驗。農業受災面積的擴大將導致農業生態效率的下降，但每年的受災情況并不具有規律性。lnFSA的彈性系數為負，也未通過顯著性水平的檢驗，意味著財政支農雖然改善了農業生產條件，提高了農業生產力，但尚未對農業生態效率產生理想的提升效果。可能的原因在于財政支農資金配置不合理，使用缺乏效率，且資金多流向了農業補助、農村經濟、扶貧支出等，對農業生態仍缺乏重視。城鎮化水平（lnURBAN）的估計系數為正，但不顯著，表明非農人口比重的增加對農業生態效率的提升改善作用較有限。

4.3?進一步討論：分區域與分時段

在考慮了空間效應對中國農業生態效率收斂性影響的基礎上，通過分區域和分時段兩種思路展開進一步的討論，以對比不同區域空間收斂性的差異及不同時段空間收斂性的分異特征。回歸結果中同樣加入經典β檢驗的回歸結果，便于對比分析。

4.3.1?分區域收斂性分析

長時間序列數據選擇固定效應模型[22]，考慮到地區間異質性的存在，需要分不同區域討論條件β收斂的差異性（見表3）。分區域收斂結果顯示，四大區域的收斂性系數和空間效應系數均通過了顯著性檢驗，表明四大區域的農業生態效率表現出顯著的空間收斂趨勢和正向的空間溢出效應。各區域農業生態效率均有隨時間推移而縮小的趨勢，但不同區域的收斂速度差異性明顯，且考慮空間效應的收斂均明顯大于經典收斂性，呈現出與全國農業生態效率收斂性相似的收斂特征。

四大區域的農業生態效率空間收斂速度呈現出東北、中部、西部、東部依次遞減的分布格局。東部地區的收斂速度（0.059）明顯小于東北（0.736）和中西部地區（0.149、0.081），可能的原因在于東北和中部地區多為糧食主產區，農業生產條件較完善，并擁有一定的經濟基礎，城鎮化發展、農村勞動力的非農轉移加快了農業規模化進程，“后發趕超”的優勢明顯，技術與資本的空間流動加速了農業生態效率的收斂性。西部地區多為糧食平衡區，受地形條件限制，農業基礎設施較薄弱，農業生產基本自給自足，但農業生態環境受人為干擾的影響相對較小，且隨著經濟增長及中央和地方財政對西部地區支農的投入支持，西部地區農業發展在逐漸縮小與東中部地區的差距。而東部地區多數為糧食主銷區，農業基礎設施較成熟，雖然各類要素向東部地區流動明顯，但農業生產并不是其主要任務（除河北、山東等糧食大省外），技術與資本的投入對當前農業生產與生態條件改善的邊際效應在遞減，使得農業生態效率的空間收斂速度略小。可見，農業生態效率的空間收斂性與區域間經濟發展水平、農業技術條件、基礎設施、資本流動性等各方面存在關聯性。

4.3.2?分時段收斂性分析

中國大規模的農業綜合開發始于1988年，其目標便是促進農業可持續發展。另外，在2000年之后糧食連年減產、農民收入增長緩慢的情況下，自2004年起，中央政府連續多年下達了關于“三農”問題的一號文件，并在2006年全面取消了農業稅。根據此相關農業政策的歷史節點，并考慮到政策效應的時間滯后性，將我國改革開發以來的農業經濟發展大體分為3個階段：1978—1989、1990—2003、2004—2016。

表4報告了采用固定效應的空間杜賓模型（SDM）的空間β收斂檢驗及經典β收斂檢驗的回歸結果，結果顯示，①與全時段收斂特性類似，各時段農業生態效率表現出顯著的空間收斂性，從而反映出模型回歸的穩健性;②除2004—2016年外，其他時段農業生態效率的空間收斂速度均高于經典收斂速度，空間因素對農業生態效率的收斂性產生加速效應;③農業生態效率收斂速度呈現出逐步遞減的變化過程，1978—1989年的收斂速度最高（0.725），2004—2016年的收斂速度最低（0.185），表明隨著時間的推移，農業生態效率的收斂速度逐漸放緩。改革開放初期，各地區農業基礎設施陳舊落后，地區間農業生產條件差距較小。但隨著市場經濟體制的建立，以及農業綜合開發的實施，生產要素的空間束縛逐漸減弱，并能夠自由流動，這一時期以改善農業基本生產條件、提高農產品綜合生產能力為主，釋放了巨大了農業生產力。而隨著改革開放的深入及農業經濟發展進入到新的階段，不同地區間在資源稟賦、經濟基礎、技術水平等方面要素差距逐步縮小，地區間農業生產條件持續完善，農村勞動力的非農轉移與農業生產要素的空間流動日趨穩定與成熟，新形勢下農業生產要求提高農業綜合生產能力與保護生態環境相結合，并力求從以往單純追求產量向優化結構、突出質量和效益、依靠農業科技進步轉換，從而進一步放緩了農業生態效率的收斂速度。

5?主要結論與相關啟示

農村勞動力的空間流動、農業機械服務的跨區作業等農業生產要素的空間流動性越來越頻繁，而農業生產不僅要重視其經濟效益，還要考慮其生態環境影響。本文以1978—2016年中國各省市面板數據為研究單元，以狹義型農業為研究對象，采用超效率SBM模型對省際農業生態效率進行測算，并將空間效應因素引入經典β收斂的檢驗過程中，對中國農業生態效率的空間收斂性進行估算，并進一步對比不同區域、不同時段收斂的分異特征，得到的主要的結論如下。

（1）從時間演變的差異來看，折線圖顯示中國農業生態效率呈現出在波動中穩定上升的走勢，波動性主要集中在1978—2000年間，而在2001—2016年期間東部地區農業生態效率增長程度較中西部地區更高，但整體仍處于較低水平，農業生態效率仍存在較大提升空間。中國農業生態效率的演變呈現出由高向低轉演變的“雙峰”分布特征，且波峰高度的差距在縮小。

（2）中國農業生態效率存在顯著的空間收斂趨勢，各地區空間差異隨時間推移呈現逐漸縮小的趨勢，條件收斂的速度顯著大于絕對收斂速度。由于空間溢出效應的存在，地區間農業生態效率的空間差異隨時間推移呈現出進一步縮小的趨勢，即空間因素對收斂速度具有加速效應。農村居民人均純收入、農業機械投入強度、復種指數和種植結構均對農業生態效率產生了不同程度的影響，而農業受災率、財政支農水平與城鎮化發展的影響并不顯著。

（3）四大區域農業生態效率均表現出顯著的空間收斂性，空間收斂速度呈現出東北、中部、西部、東部的依次遞減的分布格局，且收斂速度均大于經典收斂，這與區域間經濟發展水平、農業技術條件、基礎設施、資本流動性等各方面存在關聯性。另外，除2004—2016年外，各時段農業生態效率的空間收斂速度同樣高于經典收斂速度，且空間收斂速度呈現出逐步遞減的變化過程，2004—2016年的收斂速度最低，隨著時間的推移，農業生態效率的收斂速度開始放緩。不同控制變量在不同區域、不同時段內產生了不同的影響。

本文的研究啟示在于，一方面，中國農業生態效率存在較大提升空間，意味著農業的可持續發展仍面臨生態環境保護的艱巨任務;另一方面，空間收斂性的存在，使得本地區政府在關注自身農業生產的同時，應充分考慮到與鄰近地區在地理區位、資源稟賦及農業經濟發展水平的差異性，從而相鄰地區之間應建立完備的農業生態合作機制、農業生態政策聯動機制，加強農業生產合作與交流。農業生態效率較高的地區充分發揮其輻射帶動作用，而農業生態效率較低的地區則積極借鑒鄰近農業生態效率較高省市的農業生態管理經驗，并結合自身稟賦條件，尋求農業經濟增長與資源節約、環境保護之間協調發展的均衡點，并進一步縮小地區間農業生態效率差距。

（編輯：劉照勝）

參考文獻

[1]農業部， 國家發展改革委， 科技部， 等.全國農業可持續發展規劃（2015—2030年） [N/OL].2015-05-28.http：//www.moa.gov.cn/sjzz/jgs/cfc/yw/201505/t20150528_4620635.htm.

[2]張子龍，鹿晨昱，陳興鵬，等.隴東黃土高原農業生態效率的時空演變分析——以慶陽市為例[J].地理科學，2014，34（4）：472-478.

[3]潘丹，應瑞瑤. 中國農業生態效率評價方法與實證——基于非期望產出的SBM模型分析[J].生態學報，2013，33（12）：3837-3845.

[4]吳玉鳴.中國區域農業生產要素的投入產出彈性測算——基于空間計量經濟模型的實證[J].中國農村經濟，2010（6）：25-37，48.

[5]SCHALTEGGER S， STURM A. Okologische rationalitat[J]. Die unternehmung，1990（4）：273-290.

[6]呂彬，楊建新.生態效率方法研究進展與應用[J].生態學報，2006（11）：3898-3906.

[7]JOLLANDS N， LERMIT J， PATTERSON M. Aggregate ecoefficiency indices for New Zealand：a principal components analysis[J]. Journal of environmental management， 2004，73（4）：293-305.

[8]曾福生，高鳴.我國糧食生產效率核算及其影響因素分析——基于SBMTobit模型二步法的實證研究[J].農業技術經濟，2012（7）：63-70.

[9]MASUDA K. Measuring ecoefficiency of wheat production in Japan： a combined application of life cycle assessment and data envelopment analysis[J].Journal of cleaner production， 2016， 126：373-381.

[10]PASSEL S V， NEVENS F， MATHIJS E， et al. Measuring farm sustainability and explaining differences in sustainable efficiency[J]. Ecological economics， 2007，62（1）：149-161.

[11]高鳴，宋洪遠.糧食生產技術效率的空間收斂及功能區差異——兼論技術擴散的空間漣漪效應[J].管理世界，2014（7）：83-92.

[12]賈琳，夏英.農戶糧食生產規模效率及其影響因素分析——基于黑、豫、川三省玉米種植戶的調查數據[J].資源科學，2017，39（5）：924-933.

[13]王歐，楊進.農業補貼對中國農戶糧食生產的影響[J].中國農村經濟，2014（5）：20-28.

[14]曾雅婷，呂亞榮，王曉睿.農地流轉對糧食生產技術效率影響的多維分析——基于隨機前沿生產函數的實證研究[J].華中農業大學學報（社會科學版），2018（1）：13-21，156-157.

[15]郭貫成，丁晨曦.土地細碎化對糧食生產規模報酬影響的量化研究——基于江蘇省鹽城市、徐州市的實證數據[J].自然資源學報，2016，31（2）：202-214.

[16]李波，張俊飚，李海鵬.中國農業碳排放時空特征及影響因素分解[J]. 中國人口·資源與環境，2011，21（8）：80-86.

[17]王寶義，張衛國.中國農業生態效率測度及時空差異研究[J]. 中國人口·資源與環境，2016，26（6）：11-19.

[18]劉應元，馮中朝，李鵬，等.中國生態農業績效評價與區域差異[J]. 經濟地理，2014，34（3）：24-29.

[19]鄭德鳳， 郝帥， 孫才志.基于DEAESDA的農業生態效率評價及時空分異研究[J].地理科學，2018，38（3）：419-427.

[20]余泳澤.中國省際全要素生產率動態空間收斂性研究[J].世界經濟，2015，38（10）：30-55.

[21]左永彥，馮蘭剛.中國規模生豬養殖全要素生產率的時空分異及收斂性——基于環境約束的視角[J].經濟地理，2017，37（7）：166-174+215.

[22]SERGIO J R， BRETT D M. US Regional income convergence： a spatial econometric perspective[J]. Regional studies， 1999，33（2）：143-156.

[23]馬大來，陳仲常， 王玲.中國區域創新效率的收斂性研究：基于空間經濟學視角[J].管理工程學報，2017，31（1）：71-78.

[24]王寶義，張衛國.中國農業生態效率的省際差異和影響因素——基于1996—2015年31個省份的面板數據分析[J].中國農村經濟，2018（1）：46-62.

[25]葛鵬飛， 王頌吉， 黃秀路. 中國農業綠色全要素生產率測算[J].中國人口·資源與環境， 2018， 28（5）：66-74.

[26]高鳴，宋洪遠.中國農業碳排放績效的空間收斂與分異——基于MalmquistLuenberger指數與空間計量的實證分析[J].經濟地理，2015，35（4）：142-148+185.

[27]TONE K. A slacksbased measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001，130（3）：498-509.

[28]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research， 2002，143（1）：32-41.

[29]侯孟陽， 姚順波. 中國城市生態效率測定及其時空動態演變[J].中國人口·資源與環境， 2018，28（3）：13-21.

[30]張子龍，薛冰，陳興鵬，等.中國工業環境效率及其空間差異的收斂性[J].中國人口·資源與環境，2015，25（2）：30-38.

[31]王守坤.空間計量模型中權重矩陣的類型與選擇[J].經濟數學，2013，30（3）：57-63.

[32]史常亮，李赟，朱俊峰.勞動力轉移、化肥過度使用與面源污染[J].中國農業大學學報，2016，21（5）：169-180.

[33]賴斯蕓，杜鵬飛，陳吉寧.基于單元分析的非點源污染調查評估方法[J].清華大學學報（自然科學版），2004（9）：1184-1187.

[34]吳小慶，王亞平，何麗梅，等.基于AHP和DEA模型的農業生態效率評價——以無錫市為例[J].長江流域資源與環境，2012，21（6）：714-719.

[35]李波，張俊飚，李海鵬.中國農業碳排放時空特征及影響因素分解[J].中國人口·資源與環境，2011，21（8）：80-86.

[36]侯孟陽，姚順波.1978—2016年中國農業生態效率時空演變及趨勢預測[J].地理學報，2018，73（11）：2168-2183.

[37]徐現祥，舒元. 中國省區經濟增長分布的演進（1978—1998）[J]. 經濟學（季刊），2004（2）：619-638.

[38]楊明海，張紅霞，孫亞男，等.中國八大綜合經濟區科技創新能力的區域差距及其影響因素研究[J].數量經濟技術經濟研究，2018，35（4）：3-19.

[39]ELHORST J P. Dynamic spatial panels： models， methods， and inferences[J].Journal of geographical systems， 2012， 14（1）：5-28.

[40]馬大來，陳仲常，王玲.中國省際碳排放效率的空間計量[J].中國人口·資源與環境，2015，25（1）：67-77.

[41]龐家幸.中國農業生態效率研究[D].蘭州：蘭州大學，2016.Convergence and differentiation characteristics onagroecologicalefficiency in China from a spatial perspective

HOUMengyang1，2?YAO Shunbo1，2

（1.Research Center for Resource Economics andEnvironment Management， Northwest A & F University， YanglingShaanxi 712100， China;2.College of Economics & Management， Northwest A & FUniversity， Yangling Shaanxi 712100， China）

Abstract?Based on the panel data of 30 provinces in China from 1978 to 2016， the supper efficiency SBM model was used to measure the interprovincial agroecological efficiency （AEE） in our study. Based on analyzing the spatialtemporal evolution pattern of kernel density estimation， the spatial effect factor is introduced into the testing process of classical βconvergence， so we can estimate its spatial convergence through the spatial econometric model and discuss its differentiation characteristics in different regions and in the time interval. The results show that first the AEE in China presents a ‘doublepeak distribution characteristic with stable rise in fluctuation， and the gap between peak heights is narrowing， but the overall level is still relatively low， so there is still room for improvement in AEE. Besides the AEE improvement in Chinas eastern region is more significant than in the centralwestern regions. Second， the AEE in China has a significant spatial convergence， and the rate of spatial conditions βconvergence is 0.105. The conditional convergence rate is significantly higher than absolute convergence and the spatial spillover effect accelerates the convergence， so that the spatial difference between regional AEE shows a further narrowing trend over time. Third， the spatial convergence of AEE is also significant in different regions and in different periods， and the convergence rate shows the pattern of decreasing in order of northeast China， central China， western China， eastern China. The convergence speed is higher than the classical convergence which is related to economic development between regions， agricultural technical conditions， infrastructure， capital space fluidity and so on， but the spatial convergence speed of AEE in each time interval is also higher than the classical convergence except the period between 2004-2016， and it has experienced the process of decreasing gradually. Finally， due to the existence of spatial convergence， each region should fully consider the differences of its resource endowment and agricultural economic development. The cooperation and exchange of agricultural between neighboring areas should be strengthened， and it is necessary to establish a complete agroecologicalcooperation mechanism and an ecological policy linkage mechanism.

Key words?agroecological efficiency（AEE）; spatial convergence; differentiation characteristics; βconvergence; super efficiency SBM model CHINA POPULATION，? RESOURCES AND ENVIRONMENT?? Vol.29? No.4?2019