摘要：農業污染日益嚴重背景下，探究農業科技投入對農業生態效率的作用機制，對緩解農村生態壓力、農村健康發展具有重要現實意義。鑒于此，本文在采用超效率sBM(supe卜e銜ciencyslack-basedmeasure)模型測度2000—_2018年我國東中西部省際農業生態效率基礎上，根據莫蘭指數對農業生態效率及農業科技投入進行空間白相關檢驗，采用空間計量模型剖析農業科技投入對農業生態效率影響的空間溢出效應與門檻特征。結果表明，2000—．2018年東中西部的農業生態效率呈現東西部高、中部低的態勢；2000一2018年東中西部的農業生態效率波動明顯，2000．_2003年有小幅波動，2004_-2008年農業生態效率略有下降，2008—．20lo年稍有上升，2010年農業生態效率為0．731；之后2011—2014年稍有下降，2015—-2017年全國農業生態效率分別下降到0．5894、0．5839、0．5159；2018年農業生態效率提升到0．5453。農村科技投入對農業生態效率影響呈現為“倒u”型，農業科技投入規模對農業生態效率有著顯著的溢出效應。東中西部分組面板門檻回歸顯示：東中西部的農業科技投入門檻效應差別較大，東部表現為正向促進作用，中部農業科技投入對農業生態效率的積極作用沒有東部穩定，西部農業科技投入對農業生態效率表現為負向抑制作用，中西部地區農業發展中的科技投入要兼顧經濟與生態效率。為此，我國要大力推廣綠色高效技術模式，積極采取有機肥替代化肥行動，加快實施科學施肥用藥技術，抓好示范帶動減量增效，提高農業生態效率。

　　關鍵詞：農業科技投入；農業生態效率；空間計量模型；門檻效應

　　改革開放以來，伴隨農業經濟的快速發展，農業污染日益嚴重。2014年我國化肥施用強度為363．0kg·hm．2，2015年農用化肥施用量達6022．6萬t。2015年農業部下發《到2020年化肥使用量零增長行動方案》，此后我國化肥施用強度、化肥施用量逐漸遞減，2019年化肥施用強度為325．7埏·hm～，化肥施用量為5403．6萬t。盡管農村化肥施用量有所下降，但是化肥施用強度還是比發達設立的水污染安全上限值(225蠔·11111‘2)高。2013—2019年，農藥使用量從180．77萬t下降為145．6萬t，但是單位面積的農藥使用量為8．8蠔·hm～，依然高于發達國家的農藥用量標準。2019年，農藥利用率僅為39．8％，未被利用農藥進入土壤和水體，會導致土壤和水體污染。此外，我國地膜使用總量位于世界第一位，由于殘膜回收率不高，造成農田地膜污染嚴重。畜禽養殖產生大量廢棄物，如果廢棄物得不到良好的處理，也將給農業帶來嚴重污染。2019年全國大牲畜年底存欄量為9877．4萬頭，約帶來28億t廢棄物。日前，我國養殖業廢棄物資源化利用率(re—source嘶1izationratio)只有60％，未被資源化利用的廢棄物，若不妥善安放、隨意排放到水中，也會帶來污染‘”。

　　1研究方法與數據來源

　　1．1農業生態超效率SBM模型構建

　　DEA是農業生態效率測算常用的方法。然而，這一方法在處理“松弛”問題、比較效率≥1的決策單元方面，與超效率sBM模型相比，后者優勢較明顯。故本文選擇超效率SBM模型測算農業生態效率，模型構建如公式(1)：

　　1．2計量經濟模型

　　本文建立標準計量模型如公式：，=d×丁4×臚×e(2)通常采用對數形式：ln，=1nd+口1n丁+易lnⅣ+lne(3)式中：丁、Ⅳ分別表示農業科技投入和技術水平，a、6分別為r、Ⅳ的彈性系數，d為常數項。本文以農業生態效率(AEE)為被解釋變量，以單位面積農業科技投入量(TES)反映農村科技投入水平，為核心解釋變量(×105元·hm_2)；以農業機械投入強度(MII)反映農業技術水平(kW·hm-2)。對公式(3)進行擴展：

　　1．3數據來源與指標選取

　　本文選取全國31個省(直轄市、自治區，由于港澳臺地區數據缺乏及統計口徑存在差異，本文研究區域不包括港澳臺地區)2000—2018年的數據進行農業生態效率測算，數據來源于各省各年的統計年鑒、各年的《統計年鑒》《農村統計年鑒》等。參考已有的研究，結合數據的可得性等，構建的農業生態效率指標體系如表l所示。其中，農業要素投入指標包括以土地、勞動力、機械動力、灌溉、化肥、農藥等；期望產出指標選擇農業總產值指標，參考李波等口31的碳排放模型測算系數；非期望產出指標選取農業碳排放指標，農業碳排放的測算選取了化肥、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。

　　2結果與分析

　　2．1我國各地區農業生態效率測試結果

　　本文使用DEA．SoLvERPro5．0軟件，采用超效率sBM模型，測算2000—2018年31個省(直轄市、自治區)的農業生態效率，并進行對比分析。按照我國在1986一1990年提{{Ji大經濟帶劃分，東部包括遼、京、津、滬、冀、魯、蘇、浙、閩、粵、桂、121．O0．80．6O．4O．2O瓊12個行政區，西部包括西北的陜、甘、寧、青、新和西南的川、云、貴、藏、渝10個省、自治區、直轄市，巾部包括黑、吉、晉、蒙、皖、豫、鄂、湘、贛9個地方。各地區農業生態效率測算結果及變化如圖l所示。

　　通過測算發現：2000—2018年，全國農業生態效率均值均沒有達到超效率水平(農業生態效率>1)。

　　東部農業生態效率平均值沒有達到超效率；但其中北京、上海、山東、江蘇、廣東、浙江每年的農業生態效率都是超效率，均值分別為1．391、1．318、1．124、1．051、1．196和1．091(各地具體農業生態效率見首頁二維碼附表)。天津2016—2018年農業生態效率分別為0．402、0．305和0．438，其余年份均是超效率；海南2011年后農業生態效率沒有達到超效率，其他年份均為超效率；福建除2000—2002年、2005年為非超效率，其余年份均為超效率；遼寧2000—2002年農業生態效率是超效率，2003年起農業生態效率是低效率；河北、廣西2000—2018年農業生態效率都比較低。

　　2．2農業科技投入對農業生態效率影響的空間溢出效應

　　采用全局莫蘭指數對農業生態效率(AEE)空間相關性及農業科技投入空間相關性進行檢驗。檢驗結果顯示，2000—2018年農業生態效率莫蘭指數均為正(O．004~0．298)，農業科技投人水平的莫蘭指數同樣為正(0．309～0．391)，除個別年份外，兩變量均在尸<1％的顯著性水平上通過檢驗，表明農業生態效率與農業科技投入存在顯著的空間依賴性，有必要對農業科技投入與農業生態效率之間的空間溢出效應進一步研究。2．2．1模型選擇與檢驗本文在選擇模型時，選擇常用的空間滯后模型(SLM)、空間杜賓模型(SDM)和空間誤差模型(SEM)，并建立普通的OLS模型比較。為進一步分析農業科技投入對農業生態效率影響，在模型中加入農業科技投入水平平方項1n2TES。計量結果顯示，在5％顯著性水平下，Hausman檢驗結果的氏0．05，因此，選擇固定效應。

　　2．2．2空間溢出效應分析

　　SDM模型總效應分解為直接效應和間接效應如表3所示。

　　2．3東中西部農業科技投入對農業生態效率影響面板門檻特征

　　本文選取核心解釋變量農業科技投入水平(1IlTES)作為門檻變量，建立農業科技投人水平對農業生態效率影響的面板門檻回歸模型。首先對門檻效應的存在性進行檢驗，運用STATA軟件，采用Boots缸．ap法模擬300次，經檢驗發現，模型(9)下，單門檻效應在P<0．1的水平下顯著，雙門檻效應在尸<0．01的水平下顯著。模型(10)下，單門檻效應在尸

　　3結論

　　本文在采用超效率SBM測度2000一2018年我國東中西部省際農業生態效率基礎上，根據莫蘭指數對農業生態效率及農業科技投入進行空間自相關檢驗，采用空間計量模型剖析農業科技投入對農業生態效率影響的空間溢出效應與門檻特征。

　　3．1東中西部的農業生態效率呈現兩邊高，中間低的態勢

　　2000—2018年東中西部的農業生態效率波動明顯。其中，2017—2018年農業生態效率略有提升。東部地區和西部的四川、貴州、西藏農業生態效率多數超效率；中部地區的安徽、湖北、江西、山西、吉林等農業生態效率較低，在農業生態資源利用、農業生態配置方面有待于優化和改進。東中西部比較發現，中部地區農業生態效率一直低于東部、西部，中部的農業發展、資源利用與農業生態環境處于不平衡狀態，說明中部作為糧食主產區的農業大省，在追求糧食產量的同時，在一定程度上可能也以犧牲環境為代價。究其原因，這可能與向中部轉移的農業布局有關，且東部的農業技術水平底子較厚，研發重點逐漸從農業部門轉向非農部門，造成東部技術進步與中西部比較提升有些緩慢。此外，西部農業生態效率一直在逐漸下降，可能的解釋是西部農業生產條件相對較差，清潔生產技術也比較落后，抵御自然災害的能力也比較弱；另外，與東部比較，西部的農民和政府在關注農業生態保護方面可能稍微弱些。由此可見，農業生態效率不僅涉及碳排放，還涉及到當地經濟農業生產條件、政府是否關心以及技術條件等。

　　3．2農村科技投入對農業生態效率的影響為“倒u”曲線

　　從SDM模型總效應分解的直接效應和間接效應(表3)分析，直接效應中，農業科技投入水平一次項系數為正，二次項系數符號相反，為負，即呈現“倒U”曲線，表明農村科技投入最初增加可提升農業生態效率，但增加到一定水平時，反而會對農業生態效率產生負向影響。究其原因，單位面積農業科技投入量(TES)對東、中、西部影響是非線性的，作用方向也有差異?？赡芤环矫媾c東、中、西部當地生產要素中投入要素的均衡有關，某一生產要素的短板都會制約農業生產效率的提高；另一方面，農業科技投入水平對農業生態效率的影響存在雙門檻效應，并且實證顯示東中西部農業科技投入門檻效應差別較大。綜合作用的結果，農村科技投人對農業生態效率的影響為“倒u”曲線。這就要求不能盲目增加農業科技投入，而應優先考慮環境保護的前提下發展農業生產，推廣有機類肥料產品替代化肥等農業有機廢棄物資源化綜合利用技術，警惕加大農業科技投入導致農業生態下滑的拐點。

　　3．3東中西部的農業科技投入門檻效應差別較大

　　從門檻效應分析，東部表現為正向促進作用；中部農業科技投入對農業生態效率積極作用沒有東部穩定，模型(9)模型(10)中時正時負，可能因為中部在推廣農業科技時對農業生態保護重視還不夠；西部農業科技投入對農業生態效率表現為負向抑制作用。究其原因，可能的解釋是西部農業科技基礎薄弱，要發揮農業科技的作用，需要各投入要素協調匹配，優化各投入資源，才能起到“1+1>2”的作用。這就要求中西部地區農業發展的科技投入要兼顧經濟與生態效率。門檻特征的差異也要求東中西部根據各地農業科技投入對農業生態效率作用的實際情況，進一步權衡農業科技、農業生產與可持續等目標的相互協調，根據本地區農業科技現狀，通過制度設計和完善農業科技相關政策，合理調控農業科技投入和其他生產要素投入，努力提高農業生態效率。

　　3．4大力推廣綠色高效技術模式．提高農業生態效率

　　2000—2018年從農業生態效率均為超效率的省份來看，北京、上海、浙江單位面積農業總產值平均值居于前3，分別為(×105元·km。2)52．510、40．936和30．782；山東、江蘇和廣東分別為(×105元·kml)19．787、20．470和24．674，位次分別是9、8和6。

　　西藏2000—2018年年均單位面積機械總動力為1498．09kw·km～，值得一提的是，這可能包含了高海拔環境對機械效率的影響：天津和河北單位面積機成蝴分別位于第2和3名，分別為1173．56kW·kIll_2和1026．24kw-km_2；北京、山東和浙江單位面積機械總動力分別為990．79kw·km～、944．09kw·km-2和889．49kw·km一，分別位于4、5、6位。

　　參考文獻References

　　[1】于法穩．堅決打好農業面源污染防治攻堅戰[N】．環境報，2020．08．19(3)

　　YUFW．Firmly協c村etllekeybattleofagricmtmlnon_pomsourcepollutionpreVe觚onandcon廿ol[N]．chinaEn、rironmentNews，2020—08一19(3)

　　[2】聶彎，于法穩．農業生態效率研究進展分析[J】_生態農業學報，2017，25(9)：137卜1380

　　NIEW，YUFW．ReViewOfmethodolog)r鋤dapplication0fa鰣culturaleco—e伍ciency叨．ChineseJo啪alofEcoA鰣cultIlre，2017，25(9)：137卜1380

　　【3】scHALTEGGERS，STI瓜MA．Okolo舒scherationalitat【J】．DieUntemehm岫g，1990，(4)：273—290

　　王辰璇1．姚佐文2”