我國城市群農業生態效率的測度及影響因素研究
——基于19個城市群33個主要城市的面板數據

劉志雄，祝海倫，陳紅惠

（1.廣西民族大學 經濟學院，南寧 530008；2.廣西師范大學 馬克思主義學院，廣西 桂林 541004）

生態效率由Schaltegger等[1]提出，并經世界可持續發展工商理事會WBCSD[2]和經合組織OECD[3]推廣。農業生態效率是生態效率的重要領域之一，受學術界關注程度日益增長。在理論方面，農業可持續發展理論[4-6]、農業生態學理論[7-11]和生態經濟學理論[12-17]，為農業生態效率研究奠定了理論基礎。在實證方面，學者們研究了農業生態效率的時空特征[18-22]、構建指標體系[23-27]及分析影響因素[28-32]。不難看出，學者們從全國、區域及產業層面研究農業生態效率較為普遍，但聚焦我國城市群的研究成果鳳毛麟角。黨的十九大報告指出，要發揮城市群協同效應，以城市群為主體構建大中小城市和小城鎮協調發展的城鎮格局。因此，提升我國城市群的農業生態效率進而促進生態農業發展，對實現我國農業經濟綠色發展至關重要。本文以我國19大城市群的33個主要城市為研究對象，在測算農業生態效率的基礎上，研究農業生態效率的影響因素，提出進一步提升農業生態效率的建議。

1 測算方法、指標體系構建及數據來源

1.1 非期望產出的超效率SBM模型

目前，測算生態效率可以采用SFA（隨機前沿方法）、DEA（數據包絡分析）、超效率DEA、三階段DEA及非期望SBM（Slacks-based Measure）模型等方法[33-36]。Tone[37-38]提出了非期望產出的SBM模型，并進一步提出了非期望產出的超效率SBM模型，用于測算生態效率。具體模型為

式（1）、（2）中具體各項字符含義見表1。

表1 各項字符含義

1.2 指標體系構建

在投入指標方面，參考鄭麗楠、洪名勇[20]的做法，分別考慮農業資源消耗和農業生產環境污染2個方面。其中，農業資源消耗包括土地資源投入、水資源投入、勞動力投入和農業機械投入共4個指標，農業生產環境污染包括化肥投入、農藥投入和農膜投入共3個指標。具體來看，采用化肥施用量（萬t）衡量化肥投入，采用農藥使用量（萬t）衡量農藥投入，采用農膜使用量（萬t）衡量農膜投入，采用農作物總播種面積（千hm2）衡量土地資源投入，采用有效灌溉面積（千hm2）衡量水資源投入，采用農業勞動力投入（萬人）衡量勞動力投入，采用農業機械總動力（萬kW）衡量農業機械投入。

在產出指標方面，分別考慮期望產出和非期望產出。其中，期望產出采用農業總產值（億元）來衡量，非期望產出考慮碳排放和污染排放。碳排放的估計采用化肥、農藥、農膜和農業灌溉排放的碳總和（萬t）來衡量，排放的碳采用上述指標的使用量乘以碳排放系數計算得到，碳排放系數來源參考李波等[39]的研究。污染排放采用氮與磷流失量、農藥流失量和農膜殘留量綜合指數來衡量，氮與磷流失量等于氮與磷使用量乘以流失系數，農藥流失量等于農藥使用量乘以農藥流失系數；農膜殘留量等于農膜使用量乘以農膜殘留系數。具體的系數參考第一次全國污染普查農業系數手冊。

1.3 數據來源

本文以我國19大城市群33個主要城市①為研究對象，采用1998—2020年的數據，數據分別來自《中國統計年鑒》《中國農村統計年鑒》及各城市統計年鑒，數據缺失值利用均值替換法進行數據補齊。

2 我國城市群農業生態效率的測算

2.1 測算結果

測算得到我國19大城市群33個主要城市的農業生態效率均值，見表2。可以看出，以沿海地區為主的珠三角城市群、山東半島城市群、長三角城市群和海峽西岸城市群的農業生態效率均值都在0.230以上，明顯高于其他城市群，東北地區以及中部地區的城市群如關中平原城市群、遼中南城市群、京津冀城市群和哈長城市群農業生態效率處于較低的水平。以東西橫向差異來看，位于東部地區的城市群農業生態效率總體要高于位于西部地區的城市群；以南北縱向差異來看，位于南部地區的城市群農業生態效率總體要高于位于北部地區的城市群，這說明城市群的農業生態效率存在著較為明顯的地區差異。

此外，由表2可知，我國城市群1998—2020年農業生態效率總體均值為0.190，在33個主要城市中僅有10個城市超過了均值水平，其他23個城市農業生態效率均值處于總體均值以下的水平，這說明我國大部分城市的農業生態效率水平還不夠高，仍需要進一步提升。到達均值以上的城市分別為廣州、佛山、珠海、濟南、合肥、福州、廈門、青島、南昌和貴陽，從所屬城市群來看主要集中在珠三角城市群、山東半島城市群、長三角城市群、海峽西岸城市群、長江中游城市群及黔中城市群，沿海地區城市群的生態效率相對內陸地區而言處于領先狀態。可見，城市群農業生態效率的高低很大程度上與我國城市群的經濟發展水平密不可分。

表2 我國城市群主要城市農業生態效率均值及排名（1998—2020年）

2.2 原因分析

2.2.1 沿海地區具有先天的優勢

從我國地理環境來看，沿海地區具有天然的地理優勢[29]。沿海地區不管是在經濟領域、科技領域或是資源領域發展水平都要明顯高于內陸地區，沿海地區發展農業有著天然的地理優勢，水源充足、市場廣闊且農業科技化程度較高，有利于發展現代特色生態農業。因此，我國各地情況千差萬別，要因地制宜推進城市空間布局形態多元化。

2.2.2 東西地區具有制度及技術差異

東部地區較西部地區而言農業生態效率較高的原因主要為東部地區在農業生產中的制度設計及執行情況都要優于西部地區[27]。從經濟學角度來看，一個地區的發展水平取決于生產物品與勞動的能力，我國各地區貧富不均，生活水平差距較大，主要在于其生產率的發展水平參差不齊。雖然東北地區享有土地資源優勢及其他政策優勢，但其管理水平不高，導致農業生態效率處于較為低下的水平。中部地區農業生態效率的提升主要得益于國家引導糧食規模化生產的政策使其產生了巨大的規模效益，但與東部地區相比，雖然東部地區的規模效益不如中部地區，但是其具有先進的技術驅動及優異的管理水平，因此總體來說還是要高于中部地區。

2.2.3 南部地區具有適宜農作物生長的自然環境且中心城市發揮帶動作用

從南北差異來看，南部地區的平均氣溫要高于北部地區，氣候溫和，對于農作物來說具有適合農作物生長的條件，且南北種植的農作物種類不同，南方一年四季都有農作物在生長，而北方冬天土壤會凍結，不適于農作物生長；且在現代生態農業發展方面，南部地區的特色生態農業種類繁多、種植面廣，總體優于北部地區。此外，南部地區生態農業較為發達的城市相對北部地區來說比較多，會對周邊城市產生輻射帶動作用，2019年8月召開的中央財經委員會第五次會議指出，要增強中心城市和城市群等經濟發展優勢區域的經濟，增強其他地區在生態安全等方面的功能。地區間發展水平直接或間接影響著城市群的農業生態效率，每個城市群均需具備至少1個中心城市，以輻射帶動作用影響著周邊其他城市的發展，共建綠色城市、智慧城市。

3 我國城市群農業生態效率的影響因素分析

3.1 影響因素分析：面板模型估計

3.1.1 面板模型構建

將農業生態效率作為被解釋變量，影響因素作為解釋變量，構建如下面板數據模型

式中：NY表示農業生態效率；i表示省區；t表示年份；X表示各影響因素；β表示系數；μi表示個體異質性；εit表示隨機誤差項。本文選取如下7類具體指標作為影響因素，具體解釋見表3。

表3 解釋變量的選擇、衡量及解釋

3.1.2 面板模型估計

由估計結果（表4）可知：回歸（1）檢驗了制度因素（農地確權）對農業生態效率的影響。可以看出，制度因素（農地確權）的回歸系數為0.098，且通過1%的顯著性水平檢驗，表明制度因素（農地確權）與農業生態效率呈正相關關系。農地確權實施有利于促進產權清晰完整，增強農民的農地保護意識，促進閑置農地的合理流轉，進而對農業生態效率產生積極正向影響。

表4 農業生態效率影響因素的估計結果

回歸（2）檢驗了農業生產能力對農業生態效率的影響。結果顯示，農業生產能力的對數及對數平方的回歸系數分別為-0.097和0.010，且在1%的水平上顯著，這表明農業生產能力與農業生態效率存在“U型”曲線關系。當農業生產能力水平低下時，農業產出增加是首要考慮因素，相應的農業生產方式會相對粗放；當農業生產能力提升到相當水平后，農業生產者會充分考慮非期望產出因素，注重農業生態化生產，從而促進農業生態效率提升。

回歸（3）綜合檢驗7個因素對農業生態效率的影響。可以看出，各影響因素在不同水平上顯著，財政支農力度、農業生產能力（對數平方）、農業市場化程度、農業機械密度、工業化水平和城市化水平在1%的水平上顯著，農業生產能力（對數）和制度因素（農地確權）在5%的水平上顯著。具體來看，財政支農力度、農業生產能力（對數）和農業市場化程度對農業生態效率的影響為負，農業生產能力（對數平方）、農業機械密度、工業化水平、城市化水平和制度因素（農地確權）對農業生態效率的影響為正，農業生產能力與農業生態效率存在“U型”曲線關系。

3.2 影響因素進一步分析：灰色關聯度

3.2.1 灰色關聯度分析

灰色關聯分析源于灰色系統理論，其通過不同指標間的相似或相異程度來分析判斷各個指標的關聯程度，是對某一系統發展變化趨勢進行定量分析的常用方法。因此，本文采用灰色關聯分析法探究我國19大城市群主要城市農業生態效率變化的影響因素。將農業生態效率及7類影響因素看作1個灰色系統，把農業生態效率設為參考數列，其他7類因素為比較數列，利用軟件DPS7.05版本進行灰色關聯度分析。

3.2.2 灰色關聯度分析結果

考察不同城市群內7類影響因素對農業生態效率的影響和影響的變動情況，本文參考張藝帥等[43]的分類方法，根據屬性指標（城市化水平、人口等級規模及經濟指標）和網絡指標（功能聯系、交通發展）將城市群分為4類，分別為超Ⅰ型城市群、Ⅰ型城市群、Ⅱ型城市群和Ⅲ型城市群。其中，超Ⅰ型城市群包括珠三角城市群、長三角城市群和京津冀城市群；Ⅰ型城市群包括山東半島城市群、海峽西岸城市群及成渝地區城市群；Ⅱ型城市群包括長江中游城市群、遼中南城市群和北部灣城市群；Ⅲ型城市群包括中原城市群、晉中城市群、黔中城市群、寧夏沿黃城市群、蘭州西寧城市群、哈長城市群、呼包鄂榆城市群、天山北坡城市群、關中平原城市群及滇中城市群，并對這4類城市群做了進一步分析，結果見表5。為了分析制度因素（農地確權）與農業生態效率的關聯度，同時考慮到我國自2013年開始新一輪土地確權工作，故本文將1998—2020年劃分為2個時段進行比較分析，分別為1998—2012年（尚未確定為農地確權試點省份）和2013—2020年（已確定為農地確權試點省份）。

表5 區域影響因素與農業生態效率的關聯度分析結果

從各城市群2個時段的關聯度分析結果來看，無論是在1998—2012年（尚未確定為農地確權試點省份）中，還是在2013—2020年（已確定為農地確權試點省份）中各影響因素與農業生態效率的關聯等級都主要集中在中等關聯和高等關聯，說明所選的影響因素對我國城市群的農業生態效率有較強解釋意義。然而，各影響因素與農業生態效率的關聯度值在不同時段、不同城市群又有所區別，具體表現為如下方面。

同一城市群、不同時段情況下，超Ⅰ型城市群1998—2012年間與農業生態效率關聯度最高的是農業機械密度，農業市場化程度的關聯度最低；2013—2020年間關聯度最高和最低的依然是農業機械密度和農業市場化程度。Ⅰ型城市群1998—2012年間與農業生態效率關聯度最高的是財政支農力度，城市化水平關聯度最低；2013—2020年間關聯度最高的則是城市化水平，農業市場化程度關聯度最低。Ⅱ型城市群1998—2012年間與農業生態效率關聯度最高的是工業化水平，農業機械密度的關聯度最低；2013—2020年間關聯度最高的是城市化水平，工業化水平的關聯度最低。Ⅲ型城市群1998—2012年間與農業生態效率關聯度最高的是農業生產能力，農業機械密度的關聯度最低；2013—2020年間關聯度最高的是城市化水平，農業市場化程度的關聯度最低。可見，在城市群內與農業生態效率關聯度最高的因素出現了變動，Ⅰ型、Ⅱ型和Ⅲ型城市群在2013—2020年間關聯度最高的因素變動為城市化水平，可見城市化的發展整體上有利于促進農業生態效率的提升，城市化水平促進了各地區宏觀環境的改善，推動了地區整體經濟水平的提高，對農業生態效率產生了正向影響。

不同城市群、同一時段情況下，1998—2012年間從高度關聯的因素上看，超Ⅰ型城市群的農業機械密度與農業生態效率關聯度最高，Ⅰ型城市群的財政支農力度與農業生態效率關聯度最高，Ⅱ型城市群的工業化水平關聯度最高，Ⅲ型城市群則是農業生產能力關聯度最高；從低關聯度的因素上看，超Ⅰ型城市群農業市場化程度的關聯度最低，Ⅰ型城市群城市化水平關聯度最低，Ⅱ型城市群和Ⅲ型城市群則是農業機械密度關聯度最低。2013—2020年時段內，從高關聯度的因素上看，超Ⅰ型城市群的農業機械密度與農業生態效率關聯度最高，Ⅰ型、Ⅱ型和Ⅲ型城市群則是城市化水平關聯度最高；從低關聯度的因素上看，超Ⅰ型城市群、Ⅰ型城市群和Ⅲ型城市群的農業市場化程度與農業生態效率關聯度最低，Ⅱ型城市群工業化水平的關聯度最低。再者，城市群的制度因素（農地確權）不論是在1998—2012年間還是在2013—2020年間的關聯程度均處于中高度關聯，這表明農地確權對農業生態效率提升的驅動力顯著，產權明晰使得土地生產要素得以激活，有利于推進農業生態化發展。

4 主要結論與相關建議

4.1 主要結論

（1）從農業生產效率的測算結果上看，1998—2020年間我國城市群農業生態效率的均值表現為東部地區大于西部地區、南部地區大于北部地區，其中東部沿海地區農業生態效率均值最高，農業生態效率表現出的地域差異與地區間的經濟狀況及發展水平有關。以單個城市群來看，各城市群的農業生態效率雖有階段性的波動，但總體表現出逐年上升的特點。

（2）從影響因素的面板模型估計結果上看，農業生產能力（對數平方）、農業機械密度、工業化水平、城市化水平和制度因素（農地確權）與農業生態效率呈顯著正相關關系，對農業生態效率提升起促進作用；財政支農力度、農業生產能力（對數）及農業市場化程度與農業生態效率呈顯著負相關關系，對農業生態效率提升起抑制作用；農業生產能力與農業生態效率存在“U”型曲線關系。

（3）從影響因素分析城市的估計結果上看，7類影響因素均對農業生態效率產生驅動作用，但7類因素在不同時期、不同省區的影響程度差異較大，具有橫向比較差異明顯、縱向波動較大的特點。

4.2 存在問題

（1）我國城市群農業生態效率地區分布不均。農業生態效率較高的城市群主要分布在經濟發展水平較高的地區，各城市群由于農作物生長環境及7類因素對農業生態效率影響的程度不同，表現出的地區差異較為明顯。

（2）各城市群之間的聯系性較差。為了促進各城市之間的協調發展，我國將城市之間進行劃分，以城市群的形態進行戰略融合發展。然而，從各城市群的生態效率測算結果上來看，相鄰城市群之間農業生態效率仍然具有一定的差異性，各城市群之間聯系不夠緊密，對提升生態效率有利的因素在各城市群之間流動性較差，且農業科研、生產及農產品流通等方面銜接力度不夠，造成各城市群自顧發展，沒有形成一定的體系，區域之間的帶動性不強。

（3）在農業科技創新力度方面仍需加強。科技創新對農業生態效率的提升具有推動作用，隨著科技水平日新月異不斷發展，應用在農業領域的技術創新也應不斷更新與完善，在農業生態效率較低的城市，農業科技水平也存在一個較為落后的狀態。此外，現代農業發展力度不夠，如今互聯網技術不斷普及，而在有些地區現代農業科技手段與互聯網技術沒有得到充分利用，以至于農業生態效率提升緩慢。

4.3 相關建議

（1）結合城市群優勢，制定差異化發展戰略，引導農業向生態化方向發展。各城市群應在結合自身實際情況的基礎上，借鑒其他地區發展經驗，制定差異化的發展戰略，協調平衡經濟發展和生態環境的關系，進一步深化改革不合理的體制機制，為農業生態化發展提供基礎，引導農業向生態化方向發展。

（2）促進區域要素流通與匯聚，強化生態農業區域合作與發展。各城市群應大力促進區域開放發展、區域協同合作，促使農業科研、生產和流通中可移動要素的有效流動與匯聚，抓住“一帶一路”與“雙碳”發展契機，深挖農產品內需與外貿潛力，加快生態農業市場化進程，促進生態農業發展的一體化建設和現代農業綠色常態化發展。

（3）加快建立現代農業產業科技創新體系，進一步提升農業生態效率。農業科技創新可以促進新生產要素的開發與替代，轉變農業要素投入方式，提升農業生產效率，優化農業產業結構，要進一步融合多方主體的農業產業創新力量，促進先進科學技術與生產過程的有機結合，運用農業科技和“互聯網+”2大創新手段發展形成互聯網化、智慧化的現代農業生產服務體系，進一步提升農業生態效率。

注釋：

①我國19大城市群共有38個主要城市，由于部分城市數據缺失較為嚴重，因此選取33個城市為研究對象。這33個城市分別是：廣州、佛山、珠海、濟南、合肥、福州、廈門、青島、南昌、貴陽、長沙、西寧、南京、烏魯木齊、銀川、武漢、南寧、昆明、杭州、呼和浩特、上海、鄭州、成都、北京、大連、重慶、太原、長春、哈爾濱、石家莊、天津、沈陽和西安。