黃河流域農業生態效率評價與比較分析

王東波 張?，?宋保勝

摘 要：黃河流域是我國重要的糧食和農產品生產基地，但生態環境脆弱，黃河流域農業生態效率評價有利于保障糧食安全、保護生態環境、促進農業高質量發展。該研究基于2010—2019年黃河流域9省份的農業生產面板數據，運用固定規模收益模型和可變規模收益模型對黃河流域9省份的農業生態效率進行分析評價，結果表明，四川、陜西和青海的農業生態效率處于有效狀態，山東、甘肅、寧夏、河南、山西和內蒙的農業生態效率處于無效狀態。在分析規模效率和純技術效率基礎上，分析了農業生態效率無效省份農業投入指標的松弛狀況和冗余程度，揭示了這些省份從農業生態效率無效狀態達到農業生態效率有效狀態的方向和路徑。

關鍵詞：黃河流域;農業生態效率;評價;DEA

中圖分類號 F323.21 文獻標識碼 A 文章編號 1007-7731（2022）02-0141-04

Abstract： The Yellow River Basin is an important production base for food and agricultural products in my country， but the ecological environment is very fragile. The evaluation of agricultural ecological efficiency in the Yellow River Basin is conducive to ensuring food security， protecting the ecological environment， and promoting high-quality agricultural development. Based on the agricultural production panel data of 9 provinces in the Yellow River Basin from 2010 to 2019， this paper uses the fixed scale return model and the variable scale return model to analyze and evaluate the agricultural ecological efficiency of the Yellow River Basin. The results found that the agro-ecological efficiency in Sichuan， Shaanxi and Qinghai is in an effective state， while the agro-ecological efficiency in Shandong， Gansu， Ningxia， Henan， Shanxi and Inner Mongolia is in an ineffective state. Based on the analysis of scale efficiency and pure technical efficiency， the slackness and redundancy of agricultural input indicators in provinces with ineffective agricultural ecological efficiency are analyzed， and the direction and path of these provinces from ineffective agricultural ecological efficiency to effective agricultural ecological efficiency are revealed.Key words： agro-ecological efficiency， the Yellow River Basin， evaluation， DEA.

Key words： The Yellow River Basin; Agro-ecological efficiency; Evaluation; DEA

習總書記在黃河流域考察時指出“黃河寧，天下平”，要對黃河進行綜合、系統、源頭治理，推動黃河流域生態環境保護和高質量發展。黃河流經青海、四川、甘肅、寧夏、內蒙、陜西、山西、河南、山東9省區，占全國國土面積的30%。黃河流域橫穿河套平原、汾渭平原和華北平原，是我國重要的糧食和農產品生產基地。2019年黃河流域各省份糧食總產量為23437.6萬t，占全國糧食總產量的30%，其中河南、山東、內蒙、四川4個國家糧食主產省區實現糧食產量19203.40萬t，占流域糧食總產量的81.93%，占全國糧食總產量的28.90%。黃河流域生態環境脆弱，上游區域涵養水源的功能在減退，中游區域水土流失多發，下游區域土地的鹽堿化程度等問題日趨嚴重。關注農業生產資源消耗與污染物排放，加強農業面源污染防治，實現農業發展與生態環境保護協同耦合是黃河流域未來發展的必然趨勢。黃河流域農業生態效率評價有利于保障糧食安全、保護生態環境、促進農業高質量發展。

農業生態效率（Agricultural Eco-Efficiency，AEE），是在保證一定農業產出的前提下，盡量減少農業生產要素投入和資源消耗，盡可能降低對生態環境的污染破壞[1]，其基本內涵是以較少的農業資源投入和環境污染破壞，獲得較多的農業產出。目前關于農業生態效率的評價研究主要集中于評價指標體系的構建[2-5]和數理模型的實證分析[6-7]，評價方法有生態足跡法[8]、隨機前沿法[9]、層次分析法[10]等。已有研究多以全國、省域、或農業發達區域為研究對象[11-12]，從流域視角研究農業生態效率的文獻不多見[13]。本研究以黃河流域9省份為對象，基于2010—2019年農業生產面板數據，運用數據包絡分析法對黃河流域農業生態效率進行分析評價。

1 數據包絡分析法

數據包絡分析法（Difference Exponential Average，DEA）[14]，根據多項投入指標和多項產出指標，利用線性規劃的方法，將相同類型且具有可比性的決策單元進行評價。DEA方法的基本原理為：設有n個待評價決策單元DMUj（j=1，2，……n），它們的投入與產出向量分別為：Xj=（x1j，x2j，x3j…xmj）T>0，Yj=（y1j，y2j，y3j…ysj）T>0，j=1…n。決策單元表示的是在一定投入指標確定的狀況下得到最優產出的最小能力。由于在生產過程中各種投入和產出的地位和作用各不相同，因此，就需要對決策單元的投入與產出進行綜合評價。分別賦予每個投入和產出恰當的權重，假設投入、產出的權向量分別為V=（v1，v2，v3…vm）T和U=（u1，u2，u3…us）T，Xij表示第j個決策單元對第i種類型投入的總量，Yrj表示第j個決策單元對第r種類型產出的總量，Vi表示第i種類型投入的度量（權系數），Ur表示第r種類型產出的度量（權系數），從而獲得如下的模型：

[hj=uTYjVTXj=r=1svrYrji=1mviXij，（j=1，2，…n）]表示的是第j個決策單元的效率評價指數。

為全面了解黃河流域各省份的農業生態效率，本文將固定規模收益模型（DEA-CRS）和可變規模收益模型（DEA-VRS）相結合，分別計算各決策單元的綜合技術效率、規模效率和純技術效率。綜合技術效率（TE）綜合評價各個決策單元配置和利用資源等各個方面的能力[15]，可以表示為最優產量與實際產量之間的比值。綜合技術效率是由純技術效率（PTE）和規模效率（SE）組成的，可以表示為規模效率與純技術效率相乘等于綜合技術效率。其中，純技術效率表示的是決策單元的投入與產出之間的關系，指一定投入規模不變情況下產出的效率。規模效率主要測算的是決策單元實際生產規模與達到最優生產規模的差距[16]，相差越小，則表示規模效益越高。

DEA-CRS模型見公式1：

[minθ-ε（j=1ms-+j=1rs+）=vd（ε）]

[s.t.j=1nxjλj+s-=θx0]

[i=1nyjλj-s+=y0]

[λj≥0， s+≥0， s-≥0]

式1中，θ是屬于（0，1）的標量，即決策單元（[DMUj]）的綜合效率值;[λj、s+、s-]它們都是變量分別表示的權重、剩余、松弛;單位空間向量是êT和eT。一般θ≤1，意味著該決策單元綜合技術效率尚未達到有效;而θ值越靠近于1，則表明綜合技術越有效，并且位于路徑前沿上。如果要得到VRS模型，可以在CRS模型中加入[j=1nλj=1]得到。見公式2：

[Maxhkr=1surYrk-u0]

[s.t.t=1mvtXik=1]

[r=1surYrk-t=1mvtXij≤0， j=1，…， n]

[ur， vi>0， r=1，…， s， i=1，…， m]

通過DEA-CRS模型和DEA-VRS模型對同一組數據進行計算，如果決策單元的綜合技術效率值為1，就表示這一DMU是DEA有效的。反之，當決策單元的綜合技術效率的值小于1，則表示該決策單元的是DEA無效的，此時，可以調整產出項和投入項，對農業生態效率進行優化，使之達到有效。如果測算的純技術效率等于1，表示在目前的投入產出技術水平基礎上，其資源使用是效率高且有效的，未能達到綜合技術效率有效原因在于規模效益無效。因此，我們可以對規模效益進行調整使之有效。具體情形如下：如果決策單元的綜合技術效率小于純技術效率，說明規模效率小于1，該決策單元為規模無效。在決策單元規模無效的情況下，可利用非遞增規模收益（NIRS）模型確定決策單元所處的規模收益階段[5]，對規模進行調整。如果該決策單元處于規模收益遞減階段，說明投入每增加一定比例，產出會降低相應的比例;反之，如果該決策單元處于規模收益遞增階段，說明投入每增加一定比例，產出也會增加相應的比例。

2 實證分析

2.1 指標選取 選取農作物的播種面積、農用塑料膜使用量、化肥污染量、有效灌溉面積、機械總動力、農藥污染量作為投入指標，選取農業生產總產值作為產出指標，見下表1?；A數據主要從2010—2019年的《中國農村統計年鑒》和《中國統計年鑒》等公開資料中獲取。

2.2 農業生態效率評價 本研究采用DEAPVersion2.1軟件，基于DEA-CRS和DEA-VRS模型對2010—2019年黃河流域9省份的農業生態效率進行測算。具體計算結果見下表2。

結果表明，綜合技術效率的平均值為0.792，未達到1，說明黃河流域9省份的農業生態效率整體處于無效狀態。綜合技術效率按從大到小排列，依次為四川、陜西、青海、山東、甘肅、寧夏、河南、山西和內蒙。其中綜合技術效率都等于1為四川、陜西和青海3個省份，說明該三省農業生態效率處于有效狀態，占總樣本數的33.3%;山東、甘肅、寧夏、河南、山西和內蒙6省份的綜合技術效率分別為0.859、0.785、0.738、0.666、0.615和0.468，均小于1，未達到農業生態效率有效，占總樣本數的66.6%，說明這些地區在農業生產過程中有不同程度的損失。

純技術效率的平均值為0.883，未達到1，說明黃河流域9省份的農業投入指標整體存在松弛和冗余狀況。將九省份的純技術效率從大到小依次排列，為山東、河南、四川、陜西、青海、寧夏、甘肅、山西和內蒙。其中山東、四川、陜西、寧夏和河南5省份的純技術效率為1，說明這些省份在一定規模上農業投入與農業產出基本協調，不存在投入松弛和冗余;寧夏、甘肅、山西和內蒙4省份的純技術效率分別為0.959、0.785、0.725和0.469，均小于1，說明這些省份的農業投入與農業產出不相適應，在農業要素投入上存在投入松弛和冗余狀況。

規模效率的平均值為0.904，未達到1，說明黃河流域9省份的實際規模產出效益與預計的最優規模產出效益存在差距。規模效率按從大到小排列，依次為四川、陜西、青海、內蒙、甘肅、山東、山西、寧夏和河南。其中四川、陜西和青海規模效率為1，說明這些省份農業產出達到了最優規模效益;內蒙、甘肅、山東、山西、寧夏和河南規模效率分別為0.997、0.995、0.859、0.847、0.769和0.666，小于1，說明這些省份農業實際規模效益與最優規模效益有不同程度的差距。進一步分析發現，山西和寧夏屬于規模報酬遞增，說明適當增加一定比例的農業投入能夠獲得更高比例的農業產出，這些省份應繼續維持規模效益遞增狀態。然而內蒙、山東、河南和甘肅屬于規模報酬遞減的情況，說明增加一定比例的農業投入只能獲得更小比例的產出。

2.3 投入指標的松弛狀況和冗余程度 DEA模型可以分析農業生態效率無效省份投入指標的松弛狀況，根據松弛狀況來調節相應投入指標，可以使無效省份達到生態效率有效。2010—2019年黃河流域農業生態效率無效省份投入指標的松弛狀況見表3。結果發現，在農業生態效率無效的山東、甘肅、寧夏、河南、山西和內蒙6省份中，甘肅、寧夏、山西、內蒙4省份的投入指標存在松弛。具體來看，在農作物播種面積、農膜使用量和有效灌溉面積投入指標上需要做出調整的省份有4個，分別是甘肅、寧夏、山西和內蒙，占比44.40%;在化肥施用量投入指標上需要做出調整的省份有2個，分別是寧夏和山西，占比22.2%;在農藥使用量投入指標上需要做出調整的省份有3個，分別是甘肅、寧夏和山西，占比33.3%;在農作物機械動力投入指標上需要做出調整的省份有2個，分別是甘肅和內蒙，占比22.2%。

在分析農業生態效率無效省份投入指標松弛狀況的基礎上，采用DEA模型進一步分析了需要調整的甘肅、寧夏、山西、內蒙4省份投入指標的冗余程度，結果見表4。甘肅在農膜、農藥和土地投入上的冗余量最高，分別為81567.945、19718.241和807.469，其次是機械動力、灌溉投入，冗余量分別為111.172和104.199;寧夏在農膜投入上的冗余量為4737.378，其次是土地和灌溉投入，冗余量分別為315.314和232.201;山西在農膜和農藥投入上的冗余量最高，分別為15081.211和13343.923，其次是土地和灌溉投入，冗余量分別為807.271和530.734;內蒙在農膜投入上的冗余量最高，為4496.518，其次是土地和灌溉投入，冗余量分別為903.225和474.952。

3 結論

（1）2010—2019年，黃河流域9省份農業生態效率的平均值為0.792，整體處于無效狀態。其中，四川、陜西和青海的綜合效率值達到1，處于農業生態效率有效狀態;山東、甘肅、寧夏、河南、山西和內蒙6省份的綜合效率值未達到1，處于農業生態效率無效狀況。

（2）在6個農業生態效率無效省份中，山西和寧夏處于規模報酬遞增狀態，內蒙、山東、甘肅和河南和甘肅處于規模報酬遞減狀態，農業產出與最優產出之間存在差距。

（3）在6個農業生態效率無效省份中，甘肅、寧夏、山西、內蒙4省份的農業投入指標存在松弛和冗余。其中，甘肅在農膜和農藥上的投入冗余量最高，寧夏在農膜投入上的冗余量最高，山西在農膜和農藥投入上的冗余量最高，內蒙在農膜投入上的冗余量最高。

4 討論

考慮農作物復種，本文選取農作物播種面積代替耕地面積作為土地投入指標，農作物播種面積更能反映農作物生產中實際投入的土地數量。其次，由于數據的可獲取性，本文僅將污染因素納入非期望產出中，未考慮農業碳排放，因此，農業生產活動對環境的影響被低估了，尤其是河南、山東等農業大省，計算的農業產出結果可能偏小。另外，黃河流域各省份的農作物種植結構、污染物累積程度以及資源稟賦，也是影響農業生態效率出現差異的重要因素。

參考文獻

[1]Schaltegger S，SturmA.?kologische Rationalit?t[J].Die Unternehmung，1990，44（4）：273-290.

[2]任紅霞.基于DEA模型的農業生態效率綜合測度[J].統計與決策，2019，35（06）：99-103.

[3]崔葉辰，韓亞麗，呂寧夏，等.基于超效率SBM模型的農業生態效率測度[J].統計與決策，2020，36（21）：87-90.

[4]方永麗，曾小龍.中國省際農業生態效率評價及其改進路徑分析[J].農業資源與環境學報，2021，38（01）：135-142.

[5]白世秀，王宇.我國農業生態效率評價及DEA分析[J].江蘇農業科學，2019，47（7）：328-332.

[6]蔣璟，曹月娥，趙珮珮，等.新疆伊犁州農業生態效率時空差異探究——基于超效率非期望SBM模型和Malmquist指數[J].西北師范大學學報（自然科學版），2021，57（02）：101-109.

[7]陳菁泉，信猛，馬曉君，等.中國農業生態效率測度與驅動因素[J].中國環境科學，2020，40（07）：3216-3227.

[8]史丹，王俊杰.基于生態足跡的中國生態壓力與生態效率測度與評價[J].中國工業經濟，2016（05）：5-21.

[9]岳慧麗，諸葉平，雪燕，等.基于隨機前沿分析方法的河北縣域農業技術效率及影響因素研究[J].江蘇農業科學，2014，42（09）：423-427.

[10]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.

[11]郭曉佳，周榮，李京忠，等.黃河流域農業資源環境效率時空演化特征及影響因素[J].生態與農村環境學報，2021，37（03）：332-340.

[12]尚杰，吉雪強，陳璽名.中國城鎮化對農業生態效率的影響——基于中國13個糧食主產區2009—2018年面板數據[J].中國生態農業學報，2020，28（08）：1265-1276.

[13]洪名勇，鄭麗楠.中國農業生態效率的區域差異及時空特征研究[J].統計與決策，2020，36（08）：56-61.

[14]黃敦平，劉子杰.黃河流域生態效率測度與提升對策[J].山西大同大學學報（社會科學版），2021，35（01）：113-116+120.

[15]田姣.馬鈴薯主糧化戰略背景下四四川馬鈴薯種植戶生產效率及種植意愿研究[D].成都：四川農業大學，2018.

[16]曹琦.2005～2012年我國各地區能源效率的DEA測算及其影響因素的面板計量研究[A].中國數量經濟學會、福建師范大學.21世紀數量經濟學（第16卷）[C].中國數量經濟學會、福建師范大學：中國數量經濟學會，2015：23.

[17]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.

[18]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（01）：46-62. （責編：王慧晴）