四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率測算及影響因素研究*
——基于超效率DEA模型和空間面板STIRPAT模型

熊 鷹, 許鈺莎

?

四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率測算及影響因素研究*——基于超效率DEA模型和空間面板STIRPAT模型

熊 鷹1,2, 許鈺莎1

(1. 四川省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息與農(nóng)村經(jīng)濟(jì)研究所 成都 610066; 2. 四川省農(nóng)業(yè)科學(xué)院農(nóng)村發(fā)展研究中心 成都 610066)

環(huán)境友好型農(nóng)業(yè)順應(yīng)了當(dāng)前農(nóng)業(yè)綠色發(fā)展的迫切需要, 但現(xiàn)有針對環(huán)境友好型農(nóng)業(yè)的研究缺乏從生產(chǎn)效率提升角度展開分析。四川是我國的農(nóng)業(yè)大省, 針對四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率及其影響因素進(jìn)行定量分析, 可為四川省環(huán)境友好型農(nóng)業(yè)發(fā)展提供科學(xué)依據(jù), 豐富基于生產(chǎn)效率視角下的環(huán)境友好型農(nóng)業(yè)研究。本文基于2006—2016年四川省21個(gè)市州面板數(shù)據(jù), 運(yùn)用超效率DEA方法對四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算, 并基于STIRPAT理論模型, 構(gòu)建環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素分析的理論模型, 采用空間杜賓模型進(jìn)行實(shí)證分析。結(jié)果表明: 2006—2016年四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率保持先降后升的態(tài)勢, 自2006年的0.708降至2009年的0.667, 而后逐漸升高到2016年的0.805; 四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率11年間的均值為0.705, 總體水平較低且各地區(qū)存在顯著差異, 雅安市和阿壩州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率均值最高(0.981), 廣元市最低(0.458); 瀘州市、綿陽市、樂山市、宜賓市、廣安市、巴中市、南充市、眉山市和廣元市的效率均值都低于0.6, 導(dǎo)致這些地區(qū)生產(chǎn)效率較低的原因是化肥、農(nóng)藥和農(nóng)膜使用等過量的投入, 未來具有較大的提升空間。農(nóng)業(yè)勞動生產(chǎn)率、糧食播種面積占農(nóng)作物總播種面積比重對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率具有顯著的直接效應(yīng), 影響系數(shù)分別為0.158和0.506, 其中糧食所占比重的影響最大。人口密度、糧食播種面積占農(nóng)作物總播種面積比重對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率具有顯著的間接效應(yīng), 影響系數(shù)分別為0.988和1.366。鄰近地區(qū)人口密度在地區(qū)間具有溢出效應(yīng), 從而對本地區(qū)有限的農(nóng)業(yè)資源形成競爭, 導(dǎo)致間接效應(yīng)為負(fù); 鄰近地區(qū)種植結(jié)構(gòu)的變化同向影響著本地區(qū)種植結(jié)構(gòu)的調(diào)整, 導(dǎo)致種植結(jié)構(gòu)的間接效應(yīng)為負(fù)。鑒于四川省各地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率不僅存在顯著差異, 而且地區(qū)間具有空間溢出效應(yīng), 因此四川省各地區(qū)在進(jìn)行環(huán)境友好型農(nóng)業(yè)發(fā)展政策的制定時(shí), 既需要關(guān)注地區(qū)內(nèi)部因素的直接影響, 也需要考慮地區(qū)間影響因素的相互作用。

環(huán)境友好型農(nóng)業(yè); 農(nóng)業(yè)生產(chǎn)效率; 超效率DEA模型; STIRPAT模型; 空間杜賓模型

環(huán)境友好型農(nóng)業(yè)是從農(nóng)業(yè)投入要素、農(nóng)業(yè)生產(chǎn)方式、農(nóng)產(chǎn)品形成以及價(jià)值實(shí)現(xiàn)整個(gè)過程均力求實(shí)現(xiàn)環(huán)境、經(jīng)濟(jì)和社會協(xié)調(diào)發(fā)展的可持續(xù)農(nóng)業(yè)生產(chǎn)模式, 相對于常規(guī)農(nóng)業(yè)主要依賴資源消耗、環(huán)境污染和生態(tài)破壞的方式來換取發(fā)展, 環(huán)境友好型農(nóng)業(yè)通過合理配置農(nóng)業(yè)資源與提升農(nóng)業(yè)綜合生產(chǎn)力, 降低對農(nóng)藥、化肥、農(nóng)膜等化學(xué)品的投入依賴, 實(shí)現(xiàn)農(nóng)產(chǎn)品的優(yōu)質(zhì)無害和防止農(nóng)業(yè)環(huán)境污染[1-2]。由于環(huán)境友好型農(nóng)業(yè)旨在減少農(nóng)業(yè)生產(chǎn)過程中資源、物質(zhì)的投入量和農(nóng)業(yè)廢棄物的產(chǎn)生排放量, 作為兼顧生產(chǎn)和環(huán)境保護(hù)的可持續(xù)農(nóng)業(yè)生產(chǎn)方式, 環(huán)境友好型農(nóng)業(yè)已成為全球農(nóng)業(yè)的一個(gè)重要發(fā)展趨勢。四川作為我國的農(nóng)業(yè)大省, 是全國糧食作物和經(jīng)濟(jì)作物的重要產(chǎn)地, 發(fā)展環(huán)境友好型農(nóng)業(yè)不僅是四川實(shí)現(xiàn)農(nóng)業(yè)資源節(jié)約、農(nóng)產(chǎn)品優(yōu)質(zhì)安全和農(nóng)業(yè)生態(tài)環(huán)境保護(hù)的有效途徑, 也對保障國家糧食安全、推進(jìn)國家經(jīng)濟(jì)發(fā)展和社會穩(wěn)定具有十分重要的作用。

經(jīng)典增長理論指出農(nóng)業(yè)增長有兩種方式: 一是增加投入要素, 二是提高全要素生產(chǎn)率。增加投入要素只具備短期效應(yīng), 而提高全要素生產(chǎn)率才具備長期效應(yīng), 因此發(fā)展環(huán)境友好型農(nóng)業(yè)必須依托全要素生產(chǎn)率的提高。但是, 現(xiàn)階段圍繞環(huán)境友好型農(nóng)業(yè)的已有研究主要是針對國外環(huán)境友好型農(nóng)業(yè)發(fā)展的經(jīng)驗(yàn)總結(jié)以及政策分析[3-6]、國內(nèi)環(huán)境友好型農(nóng)業(yè)發(fā)展難點(diǎn)和政策激勵分析[7-10]以及農(nóng)戶對環(huán)境友好型農(nóng)業(yè)的認(rèn)知和生產(chǎn)行為分析[11-14], 缺乏從提升生產(chǎn)效率角度對環(huán)境友好型農(nóng)業(yè)發(fā)展進(jìn)行研究。少量與環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率分析相關(guān)的研究, 主要從兩個(gè)方面展開: 一是針對不同區(qū)域以不同方法進(jìn)行了效率測算, 如賀正楚等[15]以2008年湖南省14個(gè)市州為例, 運(yùn)用三階段數(shù)據(jù)包絡(luò)分析(DEA)模型測算了兩型農(nóng)業(yè)生產(chǎn)的綜合效率。劉子飛等[16]以陜西洋縣為例, 運(yùn)用三階段DEA模型比較分析了其與周邊縣區(qū)的有機(jī)農(nóng)業(yè)生產(chǎn)效率。潘丹等[17]采用非期望產(chǎn)出的非徑向、非角度(SBM)模型對中國30個(gè)省份的農(nóng)業(yè)生態(tài)效率進(jìn)行了測算。王寶義等[18]采用SBM-Undesirable擴(kuò)展模型對全國、東中西、8個(gè)經(jīng)濟(jì)區(qū)及省際農(nóng)業(yè)生態(tài)效率進(jìn)行了測算。另有研究在進(jìn)行效率測算的基礎(chǔ)上, 進(jìn)一步對其影響因素做出分析, 如張贇[19]在運(yùn)用SBM模型測算2005—2015年陜甘寧青4個(gè)地區(qū)農(nóng)業(yè)生態(tài)效率的基礎(chǔ)上, 進(jìn)一步采用Tobit模型對農(nóng)業(yè)生態(tài)效率影響因素進(jìn)行了實(shí)證分析。這些研究主要采用的是傳統(tǒng)的DEA、非期望產(chǎn)出的SBM模型及SBM-Undesirable擴(kuò)展模型方法, 對于多個(gè)決策單元同時(shí)出現(xiàn)相對有效的情況, 無法區(qū)分它們之間有效的差異程度。并且除效率測算外, 尚缺乏考慮空間效應(yīng)的環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的研究。

鑒于上述情況, 本文采用超效率DEA模型測算2006—2016年四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率, 揭示四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的變化特征與地區(qū)差異; 其次, 以STIRPAT模型為基礎(chǔ), 構(gòu)建環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的理論模型, 并以四川省21個(gè)市州為分析對象, 采用空間杜賓模型對四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素進(jìn)行實(shí)證分析。在此基礎(chǔ)上, 提出促進(jìn)四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率提升的對策建議, 為推動四川省環(huán)境友好型農(nóng)業(yè)發(fā)展提供參考。

1 研究方法與數(shù)據(jù)來源

1.1 環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的測算

1.1.1 超效率DEA模型

基于DEA的效率測度模型最早由Charnes等[20]提出, 該模型是非參數(shù)計(jì)算方法, 對生產(chǎn)單元的實(shí)際產(chǎn)出以及生產(chǎn)前沿的距離進(jìn)行計(jì)算, 從而衡量這個(gè)生產(chǎn)單元的效率。不過傳統(tǒng)的DEA主要是CCR模型, 在測量評價(jià)單元的效率時(shí), 這個(gè)模型不能比較效率值等于1的評價(jià)單元。針對這一問題, Andersen等[21]建立了超效率DEA模型, 計(jì)算出的效率值允許大于1, 這樣就可以對效率值為1的評價(jià)單元進(jìn)行區(qū)分, 從而對相對有效的評價(jià)單元也能夠比較效率高低。對于非有效的評價(jià)單元, 也不會改變它的生產(chǎn)前沿, 效率值與傳統(tǒng)DEA模型的效率值是一樣的。從不同的視角來看, 超效率DEA模型可以分為投入導(dǎo)向和產(chǎn)出導(dǎo)向兩種類型, 由于環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率基于產(chǎn)出不變而投入最小化的考慮, 因此本文采用投入導(dǎo)向的超效率DEA模型進(jìn)行計(jì)算。

假設(shè)有個(gè)決策單元, 使用種輸入變量, 得出了種產(chǎn)出, 超效率DEA模型的列式如下:

1.1.2 指標(biāo)選取與數(shù)據(jù)來源

環(huán)境友好型農(nóng)業(yè)追求綠色生產(chǎn), 也代表了一種農(nóng)業(yè)生產(chǎn)方式, 因此用于衡量農(nóng)業(yè)生產(chǎn)效率的一些指標(biāo)也同樣適用于環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的測算。參照已有相關(guān)研究[16,22], 在進(jìn)行農(nóng)業(yè)生產(chǎn)效率分析時(shí), 一般采用農(nóng)林牧漁總產(chǎn)值作為產(chǎn)出指標(biāo), 與農(nóng)業(yè)生產(chǎn)投入指標(biāo)的統(tǒng)計(jì)口徑保持一致。農(nóng)業(yè)生產(chǎn)的基本要素是土地、資本和勞動力, 所以首先選擇可以反映這3種要素的投入指標(biāo)。相對于耕地面積來說, 農(nóng)作物播種面積能更好地反映土地投入狀況, 因此土地投入指標(biāo)采用農(nóng)作物播種面積來反映。在農(nóng)業(yè)資本統(tǒng)計(jì)數(shù)據(jù)缺失的情況下, 通常選用農(nóng)業(yè)機(jī)械總動力作為資本投入的替代變量。勞動力投入指標(biāo)選取第一產(chǎn)業(yè)從業(yè)人員來反映。同時(shí), 在農(nóng)業(yè)生產(chǎn)過程中, 農(nóng)藥、化肥、農(nóng)膜等投入品也是重要的中間消耗部分, 是否使用這些化學(xué)合成品也是區(qū)分環(huán)境友好型農(nóng)業(yè)和常規(guī)農(nóng)業(yè)的重要標(biāo)志, 不用或盡可能少用這類中間品的投入, 就能促使農(nóng)業(yè)生產(chǎn)向環(huán)境友好型方向發(fā)展。因此, 在評價(jià)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率時(shí), 投入指標(biāo)中也納入農(nóng)藥、化肥、農(nóng)膜使用量, 這也是有別于一般農(nóng)業(yè)生產(chǎn)效率分析的重要之處。

上述投入產(chǎn)出指標(biāo)中, 農(nóng)林牧漁業(yè)總產(chǎn)值、農(nóng)業(yè)機(jī)械總動力以及第一產(chǎn)業(yè)從業(yè)人員的數(shù)據(jù)來自《四川統(tǒng)計(jì)年鑒》(2007—2017年), 農(nóng)作物播種面積、化肥使用量、農(nóng)藥使用量、農(nóng)膜使用量數(shù)據(jù)來源于《四川統(tǒng)計(jì)年鑒》(2007—2017年)和《四川省農(nóng)村統(tǒng)計(jì)年鑒》(2007—2016年), 農(nóng)藥使用量和農(nóng)膜使用量缺失2016年的數(shù)據(jù), 采用前3年數(shù)據(jù)的平均值代替。同時(shí), 為增加數(shù)據(jù)指標(biāo)在時(shí)間上的可比性, 各市州農(nóng)林牧漁業(yè)總產(chǎn)值按照農(nóng)林牧漁業(yè)總產(chǎn)值指數(shù)進(jìn)行平減, 折算成2006年不變價(jià)。

1.2 環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的分析

1.2.1 理論模型的構(gòu)建

IPAT模型和STIRPAT模型為研究環(huán)境效率問題提供了一個(gè)基本框架。由Ehrlich等[23]提出的IPAT模型, 將環(huán)境效率的影響因素歸結(jié)為人口()、富裕()和技術(shù)()3個(gè)關(guān)鍵驅(qū)動力乘積的結(jié)果; 在此基礎(chǔ)上Dietz等[24]在IPAT模型單位彈性假設(shè)的基礎(chǔ)上, 提出STIRPAT的模型概念, 把系數(shù)分解到每個(gè)環(huán)境效率影響因子, 為后續(xù)的研究提供更科學(xué)的實(shí)證分析。不少研究已將STIRPAT模型作為環(huán)境效率影響因素選取的理論依據(jù)[25-27], 本文也以STIRPAT模型為基礎(chǔ), 構(gòu)建環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的理論模型。

STIRPAT模型的表達(dá)式如下所示:

式中:是模型系數(shù),、、是指數(shù)參數(shù),是隨機(jī)誤差項(xiàng)。一般情況下對模型取對數(shù)使其轉(zhuǎn)化為如下線性形式:

由于本文針對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素展開分析, 因此等式左邊的表示環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率狀況, 等式右邊的、、分別表示影響環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的人口、財(cái)富、技術(shù)方面的因素, 它們的彈性系數(shù)分別為、、, 每個(gè)因素的具體分析如下:

人口因素()采用人口集聚水平和人口結(jié)構(gòu)進(jìn)行分析。其中, 人口集聚水平可以反映地區(qū)經(jīng)濟(jì)活動頻繁程度, 采用單位面積的人口數(shù)即人口密度來衡量, 人口密度越高的地區(qū), 經(jīng)濟(jì)活動越頻繁, 對環(huán)境產(chǎn)生的污染也越高, 越不利于環(huán)境友好型農(nóng)業(yè)生產(chǎn), 預(yù)期人口密度會對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率形成負(fù)面影響。人口結(jié)構(gòu)主要從城鄉(xiāng)人口分布情況考慮, 采用城鎮(zhèn)常住人口數(shù)占地區(qū)總?cè)丝跀?shù)的比重即城鎮(zhèn)化率來衡量。城鎮(zhèn)化進(jìn)程的加快, 促進(jìn)了農(nóng)村剩余勞動力向城市轉(zhuǎn)移, 可以擴(kuò)大耕地規(guī)模, 有利于提高環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率; 同時(shí), 城鎮(zhèn)化發(fā)展速度的加快又導(dǎo)致農(nóng)村空心化、農(nóng)業(yè)副業(yè)化、勞動力老齡化形勢嚴(yán)峻, 并引起休耕、棄耕以及更多依賴化學(xué)品投入等問題。綜合以上兩方面考慮, 城鎮(zhèn)化率對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響具有不確定性。

財(cái)富因素()是從經(jīng)濟(jì)角度考慮, 由于人均GDP是衡量經(jīng)濟(jì)富裕程度的重要指標(biāo), 因此采用該指標(biāo)來分析經(jīng)濟(jì)因素對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響。由于隨著收入水平的提高, 人們對生態(tài)環(huán)境和農(nóng)產(chǎn)品質(zhì)量安全的需求也隨之增加, 因此預(yù)期該指標(biāo)與環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率呈正比。

技術(shù)水平()主要考慮技術(shù)進(jìn)步的影響, 對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的提升可以通過技術(shù)投入、技術(shù)成果體現(xiàn)出來, 但基于數(shù)據(jù)的可獲得性, 選取農(nóng)業(yè)勞動生產(chǎn)率作為技術(shù)水平的替代變量, 采用第一產(chǎn)業(yè)GDP與第一產(chǎn)業(yè)從業(yè)人數(shù)比值進(jìn)行度量, 預(yù)期該指標(biāo)與環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率呈正比。

STIRPAT模型在應(yīng)用過程中比較靈活, 可根據(jù)研究需要對影響因素作進(jìn)一步拓展。除上述3類因素外, 種植結(jié)構(gòu)也被視為影響農(nóng)業(yè)生態(tài)效率的重要因素[19,26], 因此也將種植結(jié)構(gòu)納入模型之中。種植結(jié)構(gòu)變量采用糧食播種面積占農(nóng)作物總播種面積比重來衡量, 由于經(jīng)濟(jì)作物生產(chǎn)施用的農(nóng)藥和化肥明顯高于糧食作物, 且利用率普遍低于糧食作物[21], 預(yù)期該指標(biāo)與環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率呈正比。

基于上述分析并結(jié)合式(5), 構(gòu)建環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素分析模型如下:

式中:為環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率,為人口密度,為城鎮(zhèn)化率,為人均GDP,為農(nóng)業(yè)勞動生產(chǎn)率,為糧食播種面積占農(nóng)作物總播種面積比重, β0表示常數(shù)項(xiàng),1、2、3、4、5分別表示變量參數(shù),表示隨機(jī)擾動項(xiàng), 包含一些未觀測到的影響因素。

1.2.2 空間面板計(jì)量模型設(shè)定

1.2.2.1 環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的空間效應(yīng)分析

農(nóng)業(yè)生產(chǎn)活動在地理空間上存在非均衡性或非穩(wěn)定性, 主要原因是: 首先, 鄰近地區(qū)在地形地貌、水系特征、經(jīng)濟(jì)水平、技術(shù)水平、社會文化等方面存在一定的同質(zhì)性, 更容易促進(jìn)地區(qū)間農(nóng)業(yè)生產(chǎn)要素的流動、替代和技術(shù)外溢。其次, 在對農(nóng)業(yè)生產(chǎn)主體實(shí)施環(huán)境規(guī)制時(shí), 由于鄰近地區(qū)之間的交通條件和農(nóng)業(yè)技術(shù)水平差距較小, 更容易發(fā)生地區(qū)間農(nóng)業(yè)產(chǎn)業(yè)的跨界轉(zhuǎn)移。第三, 鄰近地區(qū)在農(nóng)業(yè)技術(shù)水平、自然環(huán)境上的相似性, 也促使地區(qū)間的農(nóng)業(yè)生產(chǎn)活動具有很強(qiáng)的示范性, 更容易形成空間集聚。鑒于農(nóng)業(yè)生產(chǎn)活動的地理空間特性, 而空間計(jì)量模型可以較好地捕捉區(qū)域之間的空間交互影響, 為此本文結(jié)合空間效應(yīng)對四川環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響因素進(jìn)行檢驗(yàn), 使得分析更加符合客觀實(shí)際。

1.2.2.2 空間相關(guān)性檢驗(yàn)方法

莫蘭指數(shù)(Moran’s)是常用的空間相關(guān)性檢驗(yàn)方法, 本文采用全局Moran’s指數(shù)對四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率進(jìn)行空間相關(guān)性檢驗(yàn), 判斷四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率在空間分布上是否具有空間集聚性。但由于全局Moran’s指數(shù)無法反映內(nèi)部空間的相關(guān)性, 因此本文還采用局部Moran’s指數(shù)進(jìn)行分析。全局Moran’s指數(shù)和局部Moran’s指數(shù)的具體計(jì)算方法如下:

1)全局Moran’s指數(shù)

2)局部Moran’s指數(shù)

與全局Moran’s指數(shù)一樣,x和x分別表示地區(qū)和地區(qū)所考察變量的觀測值。該項(xiàng)指數(shù)為正時(shí), 表明相同類型要素屬性值的區(qū)域相鄰近, 而負(fù)值則表明不同類型要素屬性值的區(qū)域相鄰近; 該指數(shù)的絕對值越大, 表明鄰近程度越大。在計(jì)算出局部Moran’s指數(shù)的基礎(chǔ)上, 可進(jìn)一步繪制出直觀反映各地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率空間依賴性的局部散點(diǎn)圖。

1.2.2.3 空間面板計(jì)量模型

空間計(jì)量模型有3種表達(dá)方式, 分別為空間誤差模型(SEM)、空間滯后模型(SLM)、空間杜賓模型(SDM), 其中SDM模型是空間回歸分析的起點(diǎn), 截面SDM模型延伸至面板數(shù)據(jù)模型后表達(dá)如下:

式中:Y為因變量向量;X為解釋變量向量;為空間權(quán)矩陣; α為常數(shù)項(xiàng);為參數(shù)項(xiàng)向量;ατ表示常數(shù)項(xiàng)和;為空間自回歸系數(shù);、為待估計(jì)參數(shù);為殘差項(xiàng);Xβ為區(qū)域內(nèi)解釋變量對被解釋變量的影響;ρWY為空間滯后項(xiàng), 用于衡量鄰近地區(qū)被解釋變量對本地區(qū)被解釋變量的影響;WXθ反映了鄰近地區(qū)解釋變量對本地區(qū)被解釋變量的空間影響。

當(dāng)=0時(shí), SDM模型退化為SLM模型, 不能體現(xiàn)解釋變量的交互影響, SLM模型的具體形式為:

當(dāng)=0時(shí), SDM模型退化為SEM模型, 此時(shí)空間影響存在于擾動誤差項(xiàng)中, 具體表達(dá)式如下:

由于空間面板數(shù)據(jù)具備空間性和時(shí)間性, 通過分解誤差項(xiàng)并結(jié)合式(6)和(10), 將空間面板計(jì)量模型最終設(shè)定如下:

式中:I反映時(shí)間效應(yīng),μ反映個(gè)體效應(yīng)。

1.2.3 數(shù)據(jù)來源與統(tǒng)計(jì)描述

本研究數(shù)據(jù)由2006—2016年四川省21個(gè)市州的面板數(shù)據(jù)組成, 環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率數(shù)據(jù)來源于后文的測算結(jié)果, 其他數(shù)據(jù)來源于歷年《四川統(tǒng)計(jì)年鑒》和《四川農(nóng)村統(tǒng)計(jì)年鑒》。為了剔除通貨膨脹的影響, 對人均GDP按照2006年的價(jià)格進(jìn)行了消脹處理。包括環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率()、人口密度()、城鎮(zhèn)化率()、人均GDP()、農(nóng)業(yè)勞動生產(chǎn)率()、糧食播種面積占農(nóng)作物總播種面積比重()的各變量基本統(tǒng)計(jì)描述如表1所示。

2 結(jié)果與分析

2.1 四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的測算

2006—2016年四川省21個(gè)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率如表2所示。從表2可知, 2006—2016年四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率均值為0.705, 反映出四川環(huán)境友好型農(nóng)業(yè)的平均產(chǎn)出只達(dá)到考察期內(nèi)理想決策單元的70.5%。并且效率值存在著較大的變化幅度, 2016年的效率值達(dá)到最高峰0.805, 離有效值1僅有0.195的差距; 而2009年的效率值降為最低谷0.667, 與有效值1的差距達(dá)0.333。總體來看, 四川省環(huán)境友好型農(nóng)業(yè)呈先降后升的態(tài)勢, 自2006年的0.708降至2009年的0.667, 而后逐漸升高到2016年的0.805, 這一變化態(tài)勢與四川省現(xiàn)代農(nóng)業(yè)發(fā)展歷程密切相關(guān)。四川雖然是農(nóng)業(yè)大省, 但高投入、高消耗、低效率的粗放型發(fā)展方式使得農(nóng)業(yè)增長更加依賴化肥和農(nóng)藥等化學(xué)投入品, 四川農(nóng)業(yè)大而不強(qiáng)的問題比較突出。為此, 四川省高度重視現(xiàn)代農(nóng)業(yè)發(fā)展, 2009年四川省召開的現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)基地建設(shè)啟動會議上, 出臺了《關(guān)于加快現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)基地建設(shè)的意見》, 并在2010年的全省深入推進(jìn)現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)基地建設(shè)工作會議上, 提出實(shí)施現(xiàn)代農(nóng)業(yè)千億示范項(xiàng)目, 圍繞現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)基地建設(shè), 四川農(nóng)業(yè)區(qū)域化、規(guī)?；?biāo)準(zhǔn)化、機(jī)械化發(fā)展取得了明顯成效。為了加大農(nóng)業(yè)轉(zhuǎn)型升級步伐, 農(nóng)業(yè)綠色發(fā)展被四川省提上議程, 并于2012年率先在全國啟動省級農(nóng)產(chǎn)品質(zhì)量安全監(jiān)管示范縣創(chuàng)建工作, 深入推進(jìn)耕地質(zhì)量保護(hù)與提升行動, 推行測土配方施肥、有機(jī)肥料、生物農(nóng)藥、膜下滴灌等現(xiàn)代綠色農(nóng)業(yè)技術(shù), 扎實(shí)推進(jìn)質(zhì)量興農(nóng)工作。尤其是2015年7月國務(wù)院在四川召開全國加快轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式現(xiàn)場會以來, 四川將農(nóng)業(yè)發(fā)展導(dǎo)向“環(huán)境友好模式”, 把增加綠色優(yōu)質(zhì)農(nóng)產(chǎn)品放在突出位置, 積極推進(jìn)全省農(nóng)業(yè)發(fā)展方式轉(zhuǎn)變。

表1 四川省空間面板計(jì)量模型各變量的統(tǒng)計(jì)性描述

表2 2006—2016年四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率評價(jià)結(jié)果

從分市州發(fā)展情況來看, 雅安市和阿壩州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率均值最高, 為0.981, 而廣元市則最低, 為0.458。雅安市、阿壩州、甘孜州、攀枝花市和資陽市的環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率均值超過0.9, 為高效率地區(qū); 成都市、遂寧市、自貢市、涼山州、內(nèi)江市、德陽市和達(dá)州市的效率均值低于0.9超過0.6, 為中等效率地區(qū); 瀘州市、綿陽市、樂山市、宜賓市、廣安市、巴中市、南充市、眉山市和廣元市的效率均值低于0.6, 為低效率地區(qū)。可見, 四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率存在顯著的地區(qū)差異。例如, 瀘州市、綿陽市、樂山市、宜賓市、廣安市、巴中市、南充市、眉山市和廣元市的效率均值低于0.6, 導(dǎo)致這些地區(qū)生產(chǎn)效率較低的原因是化肥、農(nóng)藥和農(nóng)膜使用等過量的投入。

由表2可知, 四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的年均值都小于1, 說明各地區(qū)都存在不同程度的投入冗余。本文基于超效率DEA模型測算出松弛變量, 分別對四川省21個(gè)市州的年均投入調(diào)整值和年均產(chǎn)出調(diào)整值進(jìn)行計(jì)算, 得到如表3所示結(jié)果。由表3可以看出, 在保持實(shí)際產(chǎn)出不變的情況下, 各市州農(nóng)作物播種面積投入冗余的平均值為167 639.486 hm2, 超出平均值的地區(qū)包括內(nèi)江市、廣安市、資陽市、巴中市、宜賓市、遂寧市、眉山市和南充市, 說明這些地區(qū)土地利用效率較低。各市州農(nóng)業(yè)機(jī)械總動力投入冗余的平均值為35.595萬kW, 超出平均值的地區(qū)包括遂寧市、宜賓市、瀘州市、資陽市、達(dá)州市、涼山州、綿陽市, 說明這些地區(qū)農(nóng)機(jī)利用效率較低。各市州第一產(chǎn)業(yè)從業(yè)人員投入冗余的平均值為48.908萬人, 超出平均值的地區(qū)包括廣安市、內(nèi)江市、廣元市、阿壩州、巴中市、宜賓市、資陽市、南充市、遂寧市、成都市、眉山市和樂山市, 說明這些地區(qū)勞動力使用效率較低。此外, 對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率產(chǎn)生重要影響的化肥、農(nóng)藥和農(nóng)膜使用等投入方面, 內(nèi)江市、眉山市、資陽市、廣安市、巴中市、宜賓市、自貢市、遂寧市和雅安市的化肥投入冗余較多, 眉山市、宜賓市、資陽市、內(nèi)江市、南充市、遂寧市、瀘州市、德陽市、廣安市和樂山市的農(nóng)藥投入冗余較多, 內(nèi)江市、阿壩州、遂寧市、南充市、廣元市、眉山市、巴中市、廣安市、宜賓市、資陽市和樂山市的農(nóng)膜投入冗余較多, 這些地區(qū)為了增加產(chǎn)出而更多依賴化肥、農(nóng)藥、農(nóng)膜等化學(xué)品投入, 在推動環(huán)境友好型農(nóng)業(yè)發(fā)展方面尚有較大的提升空間。

2.2 四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的空間相關(guān)性

本文運(yùn)用Stata/MP14軟件, 對2006—2016年四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率進(jìn)行空間相關(guān)性檢驗(yàn), 由表4所示結(jié)果可以看出, 歷年四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的Moran’s指數(shù)值均大于零, 并且除2009年、2010年和2011年外, 其余年份的Moran’s值均為顯著, 說明四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率存在空間相關(guān)性, 并且自2010年以來Moran’s指數(shù)值總體呈上升趨勢, 說明空間相關(guān)性逐漸增強(qiáng)。

為了更具體地刻畫出四川省各地區(qū)之間的空間集聚程度, 利用局部Moran’s指數(shù)繪制2016年四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的Moran’s散點(diǎn)圖。根據(jù)圖1所示: 位于第1象限的地區(qū)有攀枝花市、甘孜州、成都市、雅安市、涼山州、阿壩州和資陽市, 這些環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率高的地區(qū)被其他高效率的地區(qū)所包圍, 為高高集聚(HH)。位于第2象限的地區(qū)有德陽市、眉山市、瀘州市和樂山市, 這些環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率低的地區(qū)被其他高效率的地區(qū)所包圍, 為低高集聚(LH); 位于第3象限的地區(qū)有宜賓市、綿陽市、廣安市、南充市、廣元市、巴中市和達(dá)州市, 這些環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率低的地區(qū)被其他低效率的地區(qū)所包圍, 為低低集聚(LL); 位于第4象限的地區(qū)有內(nèi)江市、遂寧市和自貢市, 這些環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率高的地區(qū)被其他低效率的地區(qū)所包圍, 為高低集聚(HL)。由于第1象限和第3象限集聚著較多地區(qū), 說明鄰近地區(qū)之間存在著不容忽視的影響, 第4象限的高低集聚只有很少的幾個(gè)地區(qū), 說明四川省各地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率出現(xiàn)“一枝獨(dú)秀”的現(xiàn)象還是很少, 多數(shù)地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率還是受到周圍地區(qū)的影響。由于HH和LL的正向局域相關(guān)和集聚的特征非常顯著, 進(jìn)一步說明四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的空間差異性明顯。

2.3 四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響因素

2.3.1 空間面板模型的選擇

從上文的檢驗(yàn)結(jié)果可以對非空間模型進(jìn)行拒絕, 但是鑒于空間計(jì)量模型具有不同的形式, 還需進(jìn)一步驗(yàn)證之后再作選擇。一般來說, SDM模型需要對兩個(gè)假設(shè)進(jìn)行拒絕, 分別是:0︰=0、0︰()0, 如果不能拒絕原假設(shè), 則使用SLM或SEM模型。同時(shí), 考慮到滯后項(xiàng)的影響, 模型內(nèi)生性會導(dǎo)致OLS估計(jì)的參數(shù)結(jié)果存在偏差或是無效, 因此采用MLE對SDM模型進(jìn)行估計(jì)。從表5的結(jié)果可見: SDM是否退化成SLM的Wald檢驗(yàn)估計(jì)值為27.11, 在1%水平上顯著, 說明拒絕SDM退化成SLM的原假設(shè)0︰=0; SDM是否退化成SEM的Wald檢驗(yàn)估計(jì)值24.82, 在1%水平上顯著, 說明拒絕SDM退化成SEM的原假設(shè)0︰()0。因此, 最終選擇SDM模型, 但究竟使用固定效應(yīng)還是隨機(jī)效應(yīng)的SDM模型, 還需進(jìn)行Hausman檢驗(yàn), 結(jié)果顯示chi2(6)=28.35, 在1%的顯著性水平上拒絕原假設(shè), 故選擇固定效應(yīng)SDM模型。

表3 2006—2016年四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率年均投入產(chǎn)出優(yōu)化調(diào)整

2.3.2 空間效應(yīng)分析

SDM模型中的空間滯后項(xiàng)導(dǎo)致估計(jì)系數(shù)僅在方向和顯著性上有效, 但不能反映解釋變量對被解釋變量的影響程度, 為此需要進(jìn)一步估算模型的直接效應(yīng)、間接效應(yīng)及總效應(yīng)。直接效應(yīng)是指影響因素的變化所引起本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率變化的均值。直接效應(yīng)的影響途徑有兩種, 一是各因素對本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的直接影響, 可以用模型中各因素的系數(shù)估計(jì); 另一種是各因素對鄰近地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)造成影響, 進(jìn)而對本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率產(chǎn)生空間回饋效應(yīng)。間接效應(yīng)則是指鄰近地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素對本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響, 間接效益的影響途徑也有兩種, 一是鄰近地區(qū)各因素改變對本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響, 另一種是鄰近地區(qū)各因素改變對鄰近地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率產(chǎn)生影響, 進(jìn)而對本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率產(chǎn)生影響?？傂?yīng)為直接效應(yīng)和間接效應(yīng)之和。估計(jì)結(jié)果如表6所示。

表4 2006—2016年四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的Moran’s I指數(shù)值

***、**和*分別表示在1%、5%和10%的水平下顯著。***, ** and * mean significant at 1%, 5% and 10% levels, respectively.

圖1 2016年四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的Moran’I散點(diǎn)圖

表5 四川省21個(gè)市州環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率空間面板模型選擇檢驗(yàn)結(jié)果

人口密度對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的直接效應(yīng)為負(fù), 但不顯著。四川省平均人口密度一直超出全國平均水平的17%以上, 人口密度大對農(nóng)產(chǎn)品的需求量也大, 耕地面積相對不足, 要實(shí)現(xiàn)單位面積產(chǎn)量的增加, 必然導(dǎo)致包括化肥、農(nóng)藥和農(nóng)膜等投入增多, 不利于環(huán)境友好型農(nóng)業(yè)生產(chǎn)。盡管人口集中導(dǎo)致農(nóng)業(yè)開發(fā)強(qiáng)度增加, 但有關(guān)研究表明, 人口密度的增加也會引發(fā)技術(shù)創(chuàng)新, 促進(jìn)生產(chǎn)效率的提升[28-29]。本研究中, 農(nóng)業(yè)勞動生產(chǎn)率對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的直接效應(yīng)顯著為正, 說明農(nóng)業(yè)技術(shù)水平的提升能降低人口增長所帶來的負(fù)面影響, 因此人口密度的直接效應(yīng)不顯著。但人口密度的間接效應(yīng)為負(fù)且在1%的水平上顯著, 表明鄰近地區(qū)人口密度的增加也會引起本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的降低。究其原因是當(dāng)鄰近地區(qū)人口數(shù)量增加時(shí), 對資源需求的壓力也進(jìn)一步增大, 特別是對農(nóng)業(yè)資源和農(nóng)產(chǎn)品的需求, 造成對本地區(qū)有限的農(nóng)業(yè)資源的競爭。而本研究顯示農(nóng)業(yè)勞動生產(chǎn)率的間接效應(yīng)不顯著, 說明由人口增加造成資源過度利用的影響在鄰近地區(qū)之間進(jìn)行傳遞, 但由于人口密度增加所帶來的技術(shù)創(chuàng)新的空間溢出效應(yīng)不明顯, 因此人口密度對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的間接效應(yīng)表現(xiàn)為負(fù)的影響。

城鎮(zhèn)化率對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的直接效應(yīng)為負(fù), 說明城鎮(zhèn)化發(fā)展過程中農(nóng)村勞動人口向城鎮(zhèn)轉(zhuǎn)移, 導(dǎo)致環(huán)境友好型農(nóng)業(yè)生產(chǎn)缺乏足夠的勞動力和技術(shù)投入, 在農(nóng)業(yè)資源利用上缺乏效率, 不利于環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的提升。但城鎮(zhèn)化率的影響并不顯著, 說明雖然城鎮(zhèn)化對農(nóng)村土地利用方式和生產(chǎn)模式有所影響, 然而由于四川城鎮(zhèn)化率水平還不高, 2017年四川城鎮(zhèn)化率仍比全國平均水平低8個(gè)點(diǎn), 四川城鎮(zhèn)化的影響才剛剛開始, 隨著城鎮(zhèn)化進(jìn)程的加快, 上述影響將會進(jìn)一步顯現(xiàn)。城鎮(zhèn)化率的間接效應(yīng)也不顯著, 說明其空間溢出效應(yīng)也不明顯。

表6 四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的空間效應(yīng)分析

括號內(nèi)數(shù)據(jù)為檢驗(yàn)的值; ***、**和*分別表示在1%、5%和10%的水平上顯著。Data in the bracket arevalues oftest. ***, ** and *mean significant at 1%, 5% and 10% levels, respectively.

人均GDP對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的直接效應(yīng)為負(fù), 說明四川農(nóng)業(yè)主要依靠要素投入的粗放增長方式, 對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率具有負(fù)面影響。這是由于四川人多地少的省情導(dǎo)致土地細(xì)碎化經(jīng)營問題比較突出, 如此背景下對生產(chǎn)要求更高的環(huán)境友好型農(nóng)業(yè)所面臨的成本較高, 加之土地流轉(zhuǎn)制度建設(shè)尚不完善, 短期性和非契約化的土地承包方式更是加劇了掠奪式生產(chǎn)經(jīng)營。因此, 以小規(guī)模家庭經(jīng)營為主的農(nóng)業(yè)經(jīng)營方式和利益驅(qū)動下的農(nóng)戶短期化投入行為, 均不利于環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的提升。然而, 人均GDP的直接效應(yīng)未能通過顯著性檢驗(yàn), 說明人均GDP對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的負(fù)向影響較弱, 這與近年來四川省加快綠色發(fā)展, 正由高速增長向高質(zhì)量發(fā)展方式轉(zhuǎn)變有關(guān)。人均GDP的間接效應(yīng)不顯著, 說明雖然四川省各地區(qū)經(jīng)濟(jì)發(fā)展水平存在一定差異, 但這種差異下的經(jīng)濟(jì)要素流動并未明顯導(dǎo)致環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率產(chǎn)生空間差異。

農(nóng)業(yè)勞動生產(chǎn)率對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的直接效應(yīng)為正且在1%水平上顯著, 說明提高技術(shù)水平是促進(jìn)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的有效手段。農(nóng)業(yè)技術(shù)進(jìn)步是科技與生產(chǎn)的有機(jī)結(jié)合, 通過推動農(nóng)業(yè)資源的有效配置和合理利用, 提高農(nóng)業(yè)資源的質(zhì)量和單位資源的利用效率, 有利于提升環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率。農(nóng)業(yè)勞動生產(chǎn)率的間接效應(yīng)為正, 但不顯著, 說明盡管四川省地區(qū)間存在農(nóng)業(yè)技術(shù)擴(kuò)散現(xiàn)象, 但這種擴(kuò)散的溢出效應(yīng)不明顯, 對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響非常有限。

種植結(jié)構(gòu)對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的直接效應(yīng)為正, 在5%水平上顯著且影響最強(qiáng), 說明糧食作物的比重變化對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率具有重要影響。伴隨著四川省經(jīng)濟(jì)的快速發(fā)展, 省內(nèi)農(nóng)業(yè)結(jié)構(gòu)也發(fā)生了較大變化, 糧食播種面積占比下降而經(jīng)濟(jì)作物的播種面積上升較為明顯。雖然經(jīng)濟(jì)作物給農(nóng)戶帶來了可觀的經(jīng)濟(jì)收益, 但生產(chǎn)過程中的化學(xué)品投入量普遍高于糧食相關(guān)作物。因此, 隨著經(jīng)濟(jì)作物播種面積擴(kuò)大帶來的化學(xué)品投入增加, 對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率造成了不利影響。種植結(jié)構(gòu)的間接效應(yīng)為正, 在1%水平上顯著且影響最強(qiáng), 說明四川省地區(qū)間農(nóng)業(yè)生產(chǎn)活動趨同, 鄰近地區(qū)種植結(jié)構(gòu)的變化也會影響本地區(qū)種植結(jié)構(gòu)的調(diào)整, 鄰近地區(qū)擴(kuò)大經(jīng)濟(jì)作物種植的示范效應(yīng)傳導(dǎo)到本地, 引起本地環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的下降。

3 討論與結(jié)論

3.1 討論

定量測算和分析環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率及其影響因素, 可為推動環(huán)境友好型農(nóng)業(yè)發(fā)展的政策制定提供重要依據(jù)。相比以往研究, 本文在以下方面得到了深化:

1)采用超效率DEA模型對四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算, 彌補(bǔ)了現(xiàn)有對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率定量研究的不足; 同時(shí), 少量相關(guān)研究采用的是傳統(tǒng)的數(shù)據(jù)包絡(luò)分析(DEA)、非期望產(chǎn)出的SBM模型及SBM-Undesirable擴(kuò)展模型方法, 對于多個(gè)決策單元同時(shí)出現(xiàn)相對有效的情況, 無法區(qū)分它們之間有效的差異程度。本文采用超效率DEA模型的測算方法, 對于相對有效的評價(jià)單元也能夠比較效率高低, 避免了傳統(tǒng)DEA模型在多個(gè)決策單元同時(shí)出現(xiàn)相對有效的情況下, 難以對它們之間有效差異程度進(jìn)行區(qū)分的問題。

2)STIRPAT模型作為研究環(huán)境效率問題的經(jīng)典理論已在碳排放、農(nóng)業(yè)面源污染、大氣污染等研究中得到較好的應(yīng)用[25-27], 但缺乏在農(nóng)業(yè)生產(chǎn)效率研究中的應(yīng)用, 本文將該模型應(yīng)用于環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的理論建模之中, 既擴(kuò)展了STIRPAT模型的應(yīng)用范圍, 也彌補(bǔ)了國內(nèi)研究在環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率理論建模方面的不足。

3)農(nóng)業(yè)生產(chǎn)活動具有地理空間特性, 而當(dāng)前鮮有學(xué)者在分析農(nóng)業(yè)生產(chǎn)效率影響因素時(shí)考慮空間效應(yīng)的問題, 為此本文在分析四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素時(shí), 采用空間計(jì)量面板模型進(jìn)行實(shí)證檢驗(yàn), 使得分析更加符合客觀實(shí)際, 也拓展了這一領(lǐng)域的研究視野。

4)四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率總體水平較低且地區(qū)差異明顯, 主要是由于各地區(qū)在化肥、農(nóng)藥和農(nóng)膜投入方面都存在不同程度的投入冗余。在影響四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的各類因素中, 農(nóng)業(yè)勞動生產(chǎn)率、糧食播種面積占農(nóng)作物總播種面積比重具有顯著的正直接效應(yīng), 說明提高技術(shù)水平是促進(jìn)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的有效手段。同時(shí), 糧食作物的比重變化也對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率具有重要影響, 隨著糧食播種面積占比的下降, 因經(jīng)濟(jì)作物種植面積擴(kuò)大產(chǎn)生的化學(xué)品投入增加, 對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率造成了不利影響。人口密度具有顯著的負(fù)間接效應(yīng), 表明鄰近地區(qū)人口密度在地區(qū)間的溢出效應(yīng)加劇了本地區(qū)的資源競爭, 導(dǎo)致本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的降低。糧食播種面積占農(nóng)作物總播種面積比重具有顯著和正間接效應(yīng), 表明鄰近地區(qū)種植結(jié)構(gòu)的變化會對本地區(qū)種植結(jié)構(gòu)的調(diào)整產(chǎn)生同向影響, 鄰近地區(qū)經(jīng)濟(jì)作物種植面積擴(kuò)大引起化學(xué)品投入增加, 該示范效應(yīng)也會導(dǎo)致本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的下降。

需要指出的是, 根據(jù)空間計(jì)量面板模型所得出的環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率與其影響因素之間的正負(fù)作用, 嚴(yán)格來說只能表明二者之間在統(tǒng)計(jì)上的正負(fù)相關(guān)性。而對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率產(chǎn)生顯著影響的各種因素, 它們是如何具體導(dǎo)致效率變化的, 還需要結(jié)合各影響因素的微觀作用機(jī)理, 在今后的研究中作進(jìn)一步完善。

3.2 結(jié)論

本文基于2006—2016年四川省21個(gè)市州面板數(shù)據(jù), 運(yùn)用超效率DEA方法對四川省各地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算, 并以STIRPAT理論模型為基礎(chǔ), 選取人口密度、城鎮(zhèn)化率、人均GDP、農(nóng)業(yè)勞動生產(chǎn)率、糧食播種面積占農(nóng)作物總播種面積比重等反映人口、財(cái)富、技術(shù)、種植結(jié)構(gòu)的因素, 運(yùn)用空間杜賓模型對四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素進(jìn)行實(shí)證檢驗(yàn), 得出的主要結(jié)論如下:

1)2006—2016年四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率保持先降后升的態(tài)勢, 11年間效率均值為0.705, 總體水平較低, 仍有較大的提升空間, 并且各地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率存在顯著的差異。因此應(yīng)加強(qiáng)環(huán)境友好型農(nóng)業(yè)技術(shù)的應(yīng)用與推廣, 通過完善生產(chǎn)補(bǔ)貼政策、信貸支持政策、技術(shù)服務(wù)方式等措施, 促進(jìn)農(nóng)戶對環(huán)境友好型農(nóng)業(yè)技術(shù)的采納。同時(shí), 還應(yīng)科學(xué)規(guī)劃區(qū)域農(nóng)業(yè)生產(chǎn)布局, 提高農(nóng)業(yè)資源利用的集約水平, 促進(jìn)四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的整體提升。

2)從四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的直接效應(yīng)來看, 農(nóng)業(yè)勞動生產(chǎn)率、糧食播種面積占農(nóng)作物總播種面積比重對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率具有顯著的直接推動, 其中糧食所占比重對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的影響最大。從四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率影響因素的間接效應(yīng)來看, 人口密度在地區(qū)間具有溢出效應(yīng), 鄰近地區(qū)人口數(shù)量的增加會加大對資源的需求, 特別是對農(nóng)業(yè)資源和農(nóng)產(chǎn)品的需求, 造成對本地區(qū)有限的農(nóng)業(yè)資源的競爭, 導(dǎo)致農(nóng)業(yè)資源外溢, 不利于環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率的提升。種植結(jié)構(gòu)在地區(qū)間具有示范效應(yīng), 一方面各地農(nóng)業(yè)生產(chǎn)活動趨同會加劇競爭程度, 對環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率造成不利影響; 另一方面, 鄰近地區(qū)種植結(jié)構(gòu)的變化也同向影響著本地區(qū)種植結(jié)構(gòu)的調(diào)整, 進(jìn)而影響本地區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率。因此四川省各地區(qū)在進(jìn)行環(huán)境友好型農(nóng)業(yè)發(fā)展政策的制定時(shí), 既需要關(guān)注地區(qū)內(nèi)部因素的直接影響, 也需要考慮地區(qū)間影響因素的相互作用, 尤其是人口密度的溢出效應(yīng)和種植結(jié)構(gòu)的示范效應(yīng)所產(chǎn)生的空間交互影響。激勵地區(qū)間的技術(shù)創(chuàng)新擴(kuò)散, 降低由鄰近地區(qū)人口密度增加導(dǎo)致農(nóng)業(yè)資源外溢所造成的效率損失。對地區(qū)間的種植結(jié)構(gòu)進(jìn)行合理引導(dǎo), 減少由地區(qū)間種植結(jié)構(gòu)的示范效應(yīng)所引起的空間競爭性。

[1] 張利國. 農(nóng)戶從事環(huán)境友好型農(nóng)業(yè)生產(chǎn)行為研究——基于江西省278份農(nóng)戶問卷調(diào)查的實(shí)證分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2011, (6): 114–120ZHANG L G. Research on farmers’ behavior of environment-friendly agricultural production — An empirical analysis based on 278 questionnaires of farmers in Jiangxi Province[J]. Journal of Agrotechnical Economics, 2011, (6): 114–120

[2] 沈宇丹, 杜自強(qiáng). 環(huán)境友好型農(nóng)業(yè)技術(shù)發(fā)展的難點(diǎn)和對策[J]. 生態(tài)經(jīng)濟(jì), 2009, (2): 116–120 SHEN Y D, DU Z Q. The constraints of environment-friendly agricultural technology development and its countermeasures[J]. Ecological Economy, 2009, (2): 116–120

[3] PANNELL D J. Public benefits, private benefits, and policy mechanism choice for land-use change for environmental benefits[J]. Land Economics, 2008, 84(2): 225–240

[4] MILLOCK K, XABADIA A, ZILBERMAN D. Policy for the adoption of new environmental monitoring technologies to manage stock externalities[J]. Journal of Environmental Economics and Management, 2012, 64(1): 102–116

[5] 錢小平, 尹昌斌, 方琳娜. 日本與歐美農(nóng)業(yè)環(huán)境支持政策對中國的啟示[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2016, 37(7): 35–44 QIAN X P, YIN C B, FANG L N. Inspiration of agricultural environment support policies of Japan, EU and America to China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(7): 35–44

[6] 馬健, 韓星煥. 日本協(xié)同推進(jìn)環(huán)境保全型農(nóng)業(yè)的舉措及對我國的啟示[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào): 社會科學(xué)版, 2017, 17(4): 99–105 MA J, HAN X H. Initiatives and inspiration of Japan with collaboration in promoting environmentally friendly agriculture[J]. Journal of Northwest A&F University: Social Science Edition, 2017, 17(4): 99–105

[7] 張少兵, 王雅鵬. 建設(shè)環(huán)境友好型現(xiàn)代農(nóng)業(yè)的思考: 難點(diǎn)與對策[J]. 生態(tài)經(jīng)濟(jì), 2008, (1): 99–101 ZHANG S B, WANG Y P. Thinking on the construction of environment-friendly modern agriculture: Difficulty and countermeasures[J]. Ecological Economy, 2008, (1): 99–101

[8] 向東梅. 促進(jìn)農(nóng)戶采用環(huán)境友好技術(shù)的制度安排與選擇分析[J]. 重慶大學(xué)學(xué)報(bào): 社會科學(xué)版, 2011, 17(1): 42–47 XIANG D M. Analysis on institutional arrangement and choices of how to promote farmers adopting EFT[J]. Journal of Chongqing University: Social Science Edition, 2011, 17(1): 42–47

[9] 羅小娟, 馮淑怡, PYTRIK R, 等. 基于農(nóng)戶生物-經(jīng)濟(jì)模型的農(nóng)業(yè)與環(huán)境政策響應(yīng)模擬——以太湖流域?yàn)槔齕J]. 中國農(nóng)村經(jīng)濟(jì), 2013, (11): 72–85 LUO X J, FENG S Y, PYTRIK R, et al. Simulation of agricultural and environmental policy response based on farmer bioeconomic model — Taking Taihu basin as a case[J]. Chinese Rural Economy, 2013, (11): 72–85

[10] 胡博, 楊穎, 王芊, 等. 環(huán)境友好型農(nóng)業(yè)生態(tài)補(bǔ)償實(shí)踐進(jìn)展[J]. 中國農(nóng)業(yè)科技導(dǎo)報(bào), 2016, 18(1): 7–17 HU B, YANG Y, WANG Q, et al. Progress of eco-compensation practice for environmental friendly agriculture[J]. Journal of Agricultural Science and Technology, 2016, 18(1): 7–17

[11] 褚彩虹, 馮淑怡, 張蔚文. 農(nóng)戶采用環(huán)境友好型農(nóng)業(yè)技術(shù)行為的實(shí)證分析——以有機(jī)肥與測土配方施肥技術(shù)為例[J]. 中國農(nóng)村經(jīng)濟(jì), 2012, (3): 68–77 CHU C H, FENG S Y, ZHANG W W. Empirical analysis of farmers’ adoption of environment-friendly agricultural technical behaviors — A case study of organic fertilizer and soil testing and fertilizer application[J]. Chinese Rural Economy, 2012, (3): 68–77

[12] 儲成兵, 李平. 農(nóng)戶環(huán)境友好型農(nóng)業(yè)生產(chǎn)行為研究——以使用環(huán)保農(nóng)藥為例[J]. 統(tǒng)計(jì)與信息論壇, 2013, 28(3): 89–93 CHU C B, LI P. Empirical research on farmers’ behavior of environment-friendly production: Using environment-friendly pesticides as an example[J]. Statistics & Information Forum, 2013, 28(3): 89–93

[13] 肖新成. 農(nóng)戶對農(nóng)業(yè)面源污染認(rèn)知及其環(huán)境友好型生產(chǎn)行為的差異分析——以江西省袁河流域化肥施用為例[J]. 環(huán)境污染與防治, 2015, 37(9): 104–109 XIAO X C. The differential analysis between farmers’ cognition on agricultural non-point source pollution and their environmental friendly production behavior: A case study of fertilizer application in Yuan River basin, Jiangxi[J]. Environmental Pollution & Control, 2015, 37(9): 104–109

[14] 梁增芳, 肖新成, 倪九派. 三峽庫區(qū)環(huán)境友好型農(nóng)業(yè)生產(chǎn)的意愿研究[J]. 西南大學(xué)學(xué)報(bào): 自然科學(xué)版, 2017, 39(1): 150–157 LIANG Z F, XIAO X C, NI J P. Study on farmers’ willingness to practice environment-friendly agriculture in the Three Gorges Reservoir region[J]. Journal of Southwest University: Natural Science Edition, 2017, 39(1): 150–157

[15] 賀正楚, 翟歡歡. 基于DEA三階段模型的兩型農(nóng)業(yè)生產(chǎn)效率——以湖南省為例[J]. 農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究, 2011, 27(4): 395–400 HE Z C, ZHAI H H. Data envelopment analysis of three-stage model for production efficiency of two-oriented agriculture —Taking Hunan Province as an example[J]. System Sciences and Comprehensive Studies in Agriculture, 2011, 27(4): 395–400

[16] 劉子飛, 王昌海. 有機(jī)農(nóng)業(yè)生產(chǎn)效率的三階段DEA分析——以陜西洋縣為例[J]. 中國人口·資源與環(huán)境, 2015, 25(7): 105–112 LIU Z F, WANG C H. Organic agricultural production efficiency based on a three-stage DEA model: A case study of Yang County, Shaanxi Province[J]. China Population, Resources and Environment, 2015, 25(7): 105–112

[17] 潘丹, 應(yīng)瑞瑤. 中國農(nóng)業(yè)生態(tài)效率評價(jià)方法與實(shí)證——基于非期望產(chǎn)出的SBM模型分析[J]. 生態(tài)學(xué)報(bào), 2013, 33(12): 3837–3845 PAN D, YING R Y. Agricultural eco-efficiency evaluation in China based on SBM model[J]. Acta Ecologica Sinica, 2013, 33(12): 3837–3845

[18] 王寶義, 張衛(wèi)國. 中國農(nóng)業(yè)生態(tài)效率測度及時(shí)空差異研究[J]. 中國人口·資源與環(huán)境, 2016, 26(6): 11–19 WANG B Y, ZHANG W G. A research of agricultural eco-efficiency measure in China and space-time differences[J]. China Population, Resources and Environment, 2016, 26(6): 11–19

[19] 張贇. 基于非期望產(chǎn)出SBM模型及面板Tobit模型對中國農(nóng)業(yè)生態(tài)效率的實(shí)證分析——以陜甘寧青四地區(qū)為例[J]. 海南金融, 2018, (2): 17–28 ZHANG Y. Empirical analysis of agricultural eco-efficiency in China based on the undesired output SBM model and panel Tobit model — A case study of four regions in Shaanxi, Gansu, Ningxia and Qinghai[J]. Hainan Finance, 2018, (2): 17–28

[20] CHARNES A, COOPER W W, ROODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429–444

[21] ANDERSEN P, PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science, 1993, 39(10): 1261–1264

[22] 賀志亮, 劉成玉. 我國農(nóng)業(yè)生產(chǎn)效率及效率影響因素研究——基于三階段DEA模型的實(shí)證分析[J]. 農(nóng)村經(jīng)濟(jì), 2015, (6): 48–51 HE Z L, LIU C Y. Research on agricultural production efficiency and its influencing factors in China[J]. Rural Economy, 2015, (6): 48–51

[23] EHRLICH P R, HOLDREN J P. Impact of population growth[J]. Science, 1971, 171(3977): 1212–1217

[24] DIETZ T, ROSA E A. Rethinking the environmental impacts of population, affluence and technology[J]. Human Ecology Review, 1994, 1(2): 277–300

[25] 黃蕊, 王錚, 丁冠群, 等. 基于STIRPAT模型的江蘇省能源消費(fèi)碳排放影響因素分析及趨勢預(yù)測[J]. 地理研究, 2016, 35(4): 781–789 HUANG R, WANG Z, DING G Q, et al. Trend prediction and analysis of influencing factors of carbon emissions from energy consumption in Jiangsu Province based on STIRPAT model[J]. Geographical Research, 2016, 35(4): 781–789

[26] 吳義根, 馮開文, 李谷成. 人口增長、結(jié)構(gòu)調(diào)整與農(nóng)業(yè)面源污染——基于空間面板STIRPAT模型的實(shí)證研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2017(3): 75–87 WU Y G, FENG K W, LI G C. Population growth, structural adjustment and agricultural non-point source pollution — An empirical study based on the spatial STIRPAT model[J]. Journal of Agrotechnical Economics, 2017, (3): 75–87

[27] 胡雪萍, 方永麗. 中國大氣污染的影響因素及防治措施研究——基于STIRPAT模型和固定效應(yīng)面板模型[J]. 工業(yè)技術(shù)經(jīng)濟(jì), 2018, 37(2): 107–113 HU X P, FANG Y L. Study on influencing factors and preventive measures of atmospheric pollution in China — Based on STIRPAT model and fixed effect panel model[J]. Journal of Industrial Technological Economics, 2018, 37(2): 107–113

[28] COCCIA M. Driving forces of technological change: The relation between population growth and technological innovation: Analysis of the optimal interaction across countries[J]. Technological Forecasting and Social Change, 2014, 82: 52–65

[29] 陳治國, 李成友, 劉向暉, 等. 中國人口密度對創(chuàng)新水平的影響效應(yīng)研究——基于雙向固定效應(yīng)模型的實(shí)證分析[J]. 石家莊經(jīng)濟(jì)學(xué)院學(xué)報(bào), 2016, 39(6): 21–26 CHEN Z G, LI C Y, LIU X H, et al. Research on the influential effect of innovation level on population density in China —Based on the two-way fixed effects model[J]. Journal of Shijiazhuang University of Economics, 2016, 39(6): 21–26

Measurements and influencing factors of the efficiency of environmentally-friendly agricultural production in Sichuan Province based on SE-DEA and spatial panel STIRPAT models*

XIONG Ying1,2, XU Yusha1

(1. Agricultural Information and Rural Economy Institute, Sichuan Academy of Agricultural Sciences, Chengdu 610066, China; 2. Center for Rural DevelopmentResearch, Sichuan Academy of Agricultural Sciences, Chengdu 610066, China)

Environmentally-friendly agriculture complies with the current urgent need for green agricultural development. However, the existing research into environmentally-friendly agriculture lacks analysis on productivity improvement. Sichuan is a major agricultural province of China. A quantitative analysis on the efficiency of Sichuan’s environmentally-friendly agricultural production and its influencing factors may provide a scientific basis for the development of environmentally-friendly agriculture in Sichuan. This will also enrich the knowledge about environmentally-friendly agriculture from the perspective of production efficiency. Based on panel data from 21 regions in Sichuan Province from 2006 to 2016, Super-Efficiency Data Envelopment Analysis (SE-DEA) models were applied to measure the production efficiency of environmentally-friendly agriculture. A theoretical model for the factors influencing the production efficiency of environmentally-friendly agriculture was established and a Spatial Durbin Model (SDM) was used for empirical analysis based on the STIRPAT theoretical model. The results showed that the production efficiency of environmentally-friendly agriculture in Sichuan Province first decreased and then increased between 2006 and 2016. It decreased from 0.708 in 2006 to 0.667 in 2009, then gradually increasing to 0.805 in 2016. The average efficiency of environmentally-friendly agricultural production in Sichuan during these 11 years was 0.705. The overall level was low and significant differences existed in each region. The highest average production efficiency in Ya’an and Aba reached 0.981, while the minimum in Guangyuan was 0.458. Meanwhile, the average production efficiency, in areas such as Luzhou, Mianyang, Leshan, Yibin, Guang’an, Bazhong, Nanchong, Meishan, and Guangyuan, was lower than 0.6, which was caused by the excessive input of chemical fertilizers, pesticides, and agricultural films. The agricultural labor and proportion of grain-sown area in the total crop area had significant direct effects on the production efficiency of environmentally-friendly agriculture. The coefficients for these two factors were 0.158 and 0.506, respectively. The population density and proportion of grain-sown area in the total crop area had significant indirect effects on the production efficiency of environmentally-friendly agriculture. The coefficients for these factors were 0.988 and 1.366, respectively. Additionally, the population density in neighboring regions had spillover effects among regions, which created competition for the limited agricultural resources in this region, resulting in negative indirect effects. The changes of planting structures in neighboring regions affected the adjustment of the planting structure in this region, resulting in negative indirect effects. Because that there were not only significant differences in the production efficiency of environmentally-friendly agriculture in each region of Sichuan, but also spatial spillover effects among the regions, the direct effects of regional internal factors and interactive effects of the factors among the regions should be considered during the formulation of environmentally-friendly agricultural development policies in various regions of Sichuan Province.

Environment-friendly agriculture; Agricultural production efficiency; Super-Efficiency Data Envelopment Analysis (SE-DEA) model; STIRPAT model; Spatial Durbin Model (SDM)

, XIONG Ying, E-mail: 54540677@qq.com

Sep. 18, 2018;

Dec. 26, 2018

F224; F323

2096-6237(2019)07-1134-13

10.13930/j.cnki.cjea.180857

熊鷹, 許鈺莎. 四川省環(huán)境友好型農(nóng)業(yè)生產(chǎn)效率測算及影響因素研究——基于超效率DEA模型和空間面板STIRPAT模型[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2019, 27(7): 1134-1146

XIONG Y, XU Y S.Measurements and influencing factors of the efficiency of environmentally-friendly agricultural production in Sichuan Province based on SE-DEA and spatial panel STIRPAT models[J]. Chinese Journal of Eco-Agriculture, 2019, 27(7): 1134-1146

熊鷹, 研究方向?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)與生態(tài)經(jīng)濟(jì)。E-mail: 54540677@qq.com

2018-09-18

2018-12-26

* This study was supported by the National Natural Science Foundation of China (71603178), the Specialized Research Fund for Financial Innovation Capacity Improvement of Sichuan Province (2016QNJJ-006) and the Soft Science Research Project of Chengdu (2017-RK00-00024-ZF).

* 國家自然科學(xué)基金項(xiàng)目(71603178)、四川省財(cái)政創(chuàng)新能力提升工程專項(xiàng)資金項(xiàng)目(2016QNJJ-006)和成都市軟科學(xué)研究項(xiàng)目(2017-RK00- 00024-ZF)資助