姚玲,劉曉利

(吉林農(nóng)業(yè)大學經(jīng)濟管理學院,長春市,130118)

0 引言

隨著市場化改革的推進和城鎮(zhèn)化率的攀升，農(nóng)村勞動力逐漸向第二、三產(chǎn)業(yè)轉(zhuǎn)移，在促進農(nóng)民增收[1-2]、緩解糧食生產(chǎn)內(nèi)卷化困境[3]的同時,加劇了化肥等增產(chǎn)型生產(chǎn)要素的過量施用[4-5]，最終會對糧食生產(chǎn)環(huán)境效率產(chǎn)生不利影響。當前我國糧食生產(chǎn)環(huán)境效率整體上仍處于較低水平[6]，不利于實現(xiàn)糧食增產(chǎn)的綠色可持續(xù)發(fā)展[7]。而在資源條件日益趨緊的農(nóng)業(yè)發(fā)展狀態(tài)下，提高糧食生產(chǎn)環(huán)境效率已然成為緩解糧食增產(chǎn)與環(huán)境保護之間矛盾的必然選擇[8]。2022年“中央一號文件”明確提出深入推進農(nóng)業(yè)生產(chǎn)要素減量化，提升糧食單產(chǎn)和品質(zhì)，推進農(nóng)業(yè)綠色發(fā)展。其本質(zhì)在于提高糧食生產(chǎn)環(huán)境效率。然而，在農(nóng)村勞動力不斷外流背景下，糧食生產(chǎn)環(huán)境效率會如何發(fā)生變化？又該如何提高糧食生產(chǎn)環(huán)境效率？由此，探究農(nóng)村勞動力轉(zhuǎn)移對糧食生產(chǎn)環(huán)境效率的影響機制有助于充分理解農(nóng)業(yè)生產(chǎn)要素投入與環(huán)境效率提高之間的關系，對于農(nóng)業(yè)綠色可持續(xù)發(fā)展具有重要的理論參考意義。

當前已有關于糧食生產(chǎn)環(huán)境效率的研究多以化肥、農(nóng)藥的污染排放量為非期望產(chǎn)出[3， 6， 9-14]，將其納入指標體系進行環(huán)境效率的測算，但這只反映出糧食增產(chǎn)背后土地資源的受污染情況，并未體現(xiàn)資源后期的自我修復成本。而灰水足跡是指以現(xiàn)有的環(huán)境水質(zhì)標準為基準，將農(nóng)業(yè)生產(chǎn)活動排放的污染物完全消納、稀釋使其達到現(xiàn)有環(huán)境水質(zhì)標準所需的水資源量[15]，與上述污染指標相比，更能全面反映農(nóng)業(yè)生產(chǎn)的污染情況[16]，其本質(zhì)在于突顯環(huán)境資源的自我修復代價。忽視環(huán)境資源的自我修復功能，會造成評估結(jié)果的有偏，不利于對糧食生產(chǎn)環(huán)境效率的準確認識與把握。此外，以往研究多針對農(nóng)業(yè)或者糧食大類，粳稻作為我國單產(chǎn)水平較高、種植效益較好的重要口糧之一，卻鮮有人關注粳稻生產(chǎn)環(huán)境效率的變化以及勞動力轉(zhuǎn)移對其產(chǎn)生的影響。文章通過測度和分析我國粳稻生產(chǎn)灰水足跡排放量及其時空演變，將其加入基于非期望產(chǎn)出的SBM模型中評價和分析2005—2020年我國13個粳稻主產(chǎn)省的粳稻生產(chǎn)環(huán)境效率，并應用中介效應模型實證檢驗勞動力轉(zhuǎn)移影響粳稻生產(chǎn)環(huán)境效率的內(nèi)在機制。與已有研究[9-14]相比，本文可能的邊際貢獻在于從灰水足跡視角出發(fā)探討了農(nóng)村勞動力轉(zhuǎn)移對粳稻生產(chǎn)環(huán)境效率的影響機制，是對已有研究的豐富與拓展。

1 理論分析

農(nóng)村勞動力轉(zhuǎn)移對粳稻生產(chǎn)環(huán)境效率的影響機制如圖1所示。首先，為了追求“自身”利潤最大化，存在勞動力轉(zhuǎn)移的農(nóng)戶往往施加更多的增產(chǎn)型化學要素來替代缺失的勞動力[17]，增加了粳稻生產(chǎn)灰水足跡排放量[15， 18]；其次，轉(zhuǎn)移的勞動力通常是受教育程度較高的青壯年而剩余勞動力多為老、弱、幼和婦女，不僅缺乏對水土資源的保護意識，還增加了測土配方施肥、精細養(yǎng)分管理等環(huán)境友好型技術的推廣難度，使得灰水足跡的防控以及后續(xù)的資源自我修復更為困難?；谝陨戏治?，本文提出假設。

H1：農(nóng)村勞動力轉(zhuǎn)移會降低粳稻生產(chǎn)環(huán)境效率。

然而，除了農(nóng)村勞動力轉(zhuǎn)移本身帶來的直接負向影響外，其產(chǎn)生的可支配收入變化、經(jīng)營規(guī)模變化可以間接有效地改善粳稻生產(chǎn)環(huán)境效率。一方面，因土地收益的增長速度遠低于勞動力轉(zhuǎn)移帶來的工資性收入[19]，減輕了農(nóng)戶的資金約束[20]，有利于推動粳稻生產(chǎn)技術進步(如耕作與施肥技術改進)來提高粳稻生產(chǎn)環(huán)境效率[21]；另一方面，勞動力轉(zhuǎn)移會擴大農(nóng)戶經(jīng)營規(guī)模[3， 22]。經(jīng)營規(guī)模的擴大會推動土地逐步流轉(zhuǎn)向生產(chǎn)要素配置效率高、管理能力強的農(nóng)業(yè)新型經(jīng)營主體，由此逐步形成規(guī)?；a(chǎn)[23-24],在保產(chǎn)保量的同時降低增產(chǎn)型化學物品施用強度[25-26]，從而降低灰水足跡排放量[15， 18]。

因此，農(nóng)村勞動力轉(zhuǎn)移是把雙刃劍，文化程度較高的青壯年勞動力外流，可能導致粳稻生產(chǎn)環(huán)境效率的損失，但可以通過提高農(nóng)民可支配收入、擴大經(jīng)營規(guī)模改善粳稻生產(chǎn)環(huán)境效率?；谝陨戏治?，本文提出假設。

H2：農(nóng)村勞動力轉(zhuǎn)移可通過提高農(nóng)戶可支配收入提高粳稻生產(chǎn)環(huán)境效率。

H3：農(nóng)村勞動力轉(zhuǎn)移可通過擴大農(nóng)戶經(jīng)營規(guī)模提高粳稻生產(chǎn)環(huán)境效率。

圖1 農(nóng)村勞動力轉(zhuǎn)移對粳稻生產(chǎn)環(huán)境效應影響路徑

2 數(shù)據(jù)來源、變量與模型選擇

2.1 數(shù)據(jù)來源

考慮到數(shù)據(jù)的可得性以及本研究方法的可比較性和合理性，僅保留河北、內(nèi)蒙古、遼寧、吉林、黑龍江、山東、河南、湖北、江蘇、浙江、安徽、云南、寧夏13個粳稻主產(chǎn)省份作為本文的研究對象。為了保持數(shù)據(jù)口徑一致性，對部分數(shù)據(jù)進行無量綱化處理，最終構(gòu)建13個粳稻主產(chǎn)省2005—2020年的面板數(shù)據(jù)，原始數(shù)據(jù)來源于《全國農(nóng)產(chǎn)品成本收益資料匯編》《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》，以及各省份的統(tǒng)計年鑒以及國家統(tǒng)計局網(wǎng)站。對于缺失的數(shù)據(jù)利用其他年份算的平均增長率估算得到。各指標的描述性統(tǒng)計如表1所示。

表1 變量的描述性統(tǒng)計Tab. 1 Descriptive statistics of variables

2.2 變量選擇

1) 被解釋變量。粳稻生產(chǎn)環(huán)境效率(Neff)：采用SBM-DEA模型[27-28]測算的包含非期望產(chǎn)出的環(huán)境效率值，借鑒付永虎等[16]的研究，依據(jù)粳稻生產(chǎn)過程中要素投入、產(chǎn)出及水環(huán)境影響的特點，構(gòu)建包括各生產(chǎn)要素投入、期望產(chǎn)出(粳稻產(chǎn)量[14])、非期望產(chǎn)出(粳稻生產(chǎn)灰水足跡[17])的效率評價指標體系(表2)。

2) 解釋變量。農(nóng)村勞動力轉(zhuǎn)移(LAB):配第—克拉克定律指出，勞動力會隨著經(jīng)濟發(fā)展水平的提升而逐漸向工業(yè)、服務業(yè)轉(zhuǎn)移[20]。因此，本文用鄉(xiāng)村從業(yè)人員中工業(yè)和服務業(yè)從業(yè)人員所占比重[3]表示農(nóng)村勞動力轉(zhuǎn)移。

3) 中介變量。人均可支配收入(INCOME):為反映勞動力轉(zhuǎn)移后的可支配收入變化，本文用農(nóng)村人均可支配收入來衡量。

人均播種面積(SCALE):為了反映勞動力轉(zhuǎn)移后的經(jīng)營規(guī)模變化，借鑒田紅宇等[3]的研究，用人均播種面積來衡量，具體用各省份糧食播種總面積除以鄉(xiāng)村從業(yè)人員數(shù)表示。

4) 控制變量。本文選取的控制變量如下：財政支農(nóng)水平(FAB)：用地方財政支出中的農(nóng)林水事務支出總額表示；有效灌溉率(IRR)：用有效灌溉面積與農(nóng)作物總播種面積的比值表示；受災率(DIS)：用受災面積與農(nóng)作物總播種面積的比值表示；農(nóng)業(yè)機械密度(MECH)：用機械總動力與農(nóng)作物總播種面積之比表示；環(huán)保意識(EA)：用有效灌溉面積與化肥使用量之比表示。

表2 粳稻生產(chǎn)環(huán)境效率評價指標體系Tab. 2 Evaluation index system of environmental efficiency of japonica rice production

2.3 模型選擇

本研究采用Sobel檢驗[26, 33]的顯著性來驗證農(nóng)村勞動力轉(zhuǎn)移是否可以通過其產(chǎn)生的可支配收入變化、經(jīng)營規(guī)模變化這兩條路徑來提升粳稻生產(chǎn)環(huán)境效率，建立中介效應模型如式(1)～式(5)所示。

Neffi,t=θ1+c×LABi,t+d1×Zi,t+ε1

(1)

INCOMEi,t=θ2+α×LABi,t+d2×Zi,t+ε2

(2)

Neffi,t=θ3+c′×LABi,t+b×INCOMEi,t+

d3×Zi,t+ε3

(3)

SCALEi,t=θ4+e×LABi,c+d4×Zi,t+ε4

(4)

Neffi,t=θ5+c″×LABi,t+f×SCALEi,t+

d5×Zi,t+ε5

(5)

式中：Neffi,t——各個省份的第t年的粳稻生產(chǎn)環(huán)境效率；

LABi,t——自變量；

INCOMEi,t、SCALEi,t——中介變量；

θ1、θ2、θ3、θ4、θ5——截距；

ε1、ε2、ε3、ε4、ε5——隨機擾動項；

a、b、c、c′、c″、e、f、d1、d2、d3、d4、d5——回歸系數(shù)；

Zi,t——各個省份的第t年影響粳稻生產(chǎn)環(huán)境效率的其他控制變量；

c——因變量影響各個省份的第t年的粳稻生產(chǎn)環(huán)境效率的總效應；

a、e——自變量對各個中介變量的影響；

c′、b和c″、f——自變量、各個中介變量對各個省份的第t年的粳稻生產(chǎn)環(huán)境效率的直接效應。

當系數(shù)c顯著，a、b和e、f均顯著，則兩個中介變量均存在中介效應；若a、b和e、f中至少有一個不顯著時，則需要進一步檢驗系數(shù)乘積的顯著性。當存在中介效應時，c′、c″不顯著則為完全的中介作用，否則為部分的中介作用。

3 實證檢驗結(jié)果與分析

3.1 灰水足跡的時空演變及環(huán)境效率估算

1) 中國粳稻生產(chǎn)灰水足跡的時空演變。將樣本省份劃分為五大粳稻主產(chǎn)區(qū)：東北主產(chǎn)區(qū)(吉林、遼寧、黑龍江、內(nèi)蒙古)、長江中下游主產(chǎn)區(qū)(江蘇、安徽、浙江、湖北)、華北主產(chǎn)區(qū)(河南、河北、山東)、西南主產(chǎn)區(qū)(云南)和西北主產(chǎn)區(qū)(寧夏)，分區(qū)觀測各生產(chǎn)省2005年和2020年粳稻生產(chǎn)灰水足跡的變化。

表3 2005與2020年中國各省份的粳稻生產(chǎn)灰水足跡

從灰水足跡來看，2005年中國粳稻生產(chǎn)灰水足跡整體呈現(xiàn)“南高北低”的空間特征。高灰水足跡省份有長江中下游地區(qū)的湖北和浙江、西南地區(qū)的云南，灰水足跡較低的省份多位于東北和西北地區(qū)。2020年，中國粳稻生產(chǎn)高灰水足跡分布范圍明顯擴大，而低灰水足跡分布范圍區(qū)域變小。需要指出的是，長江中下游地區(qū)作為中國重要的粳稻生產(chǎn)基地，在實現(xiàn)增產(chǎn)的同時農(nóng)業(yè)污染也隨之加劇，灰水足跡排放量明顯提高，寧夏的粳稻生產(chǎn)灰水足跡排放量也明顯提高；遼寧、吉林、黑龍江的粳稻生產(chǎn)灰水足跡排放量明顯下降，其原因可能在于東北地區(qū)的機械作業(yè)率高，節(jié)約了農(nóng)業(yè)生產(chǎn)中氮肥的使用。如農(nóng)機深耕作業(yè)能夠增強土壤的儲水和保肥能力，增強土壤中氮的保有量，進而降低氮肥使用強度[19]。

2) 中國粳稻生產(chǎn)技術效率和環(huán)境效率估計結(jié)果。根據(jù)SBM-DEA模型的測算結(jié)果，繪制了全國和五大粳稻主產(chǎn)區(qū)的效率變化圖(圖2和圖3)。

圖2 2005—2020年全國主產(chǎn)省粳稻生產(chǎn)

圖3 2005—2020年五大粳稻主產(chǎn)區(qū)

首先，2005—2020年全國粳稻生產(chǎn)技術效率均值為0.816 7，而環(huán)境效率為0.775，前者高出后者4.17%，可見，如果忽略粳稻生產(chǎn)過程中的灰水足跡排放量將會高估粳稻生產(chǎn)技術效率，這從側(cè)面說明現(xiàn)階段中國粳稻生產(chǎn)并未實現(xiàn)經(jīng)濟與環(huán)境雙重效益[9]。其次觀察兩種效率的變化趨勢可以發(fā)現(xiàn)，無論是技術效率還是環(huán)境效率在2005—2013年整體上均呈下滑態(tài)勢，進一步驗證了粳稻長期增產(chǎn)的背后，其環(huán)境成本也在逐漸增加。最后從各主產(chǎn)區(qū)來看，粳稻生產(chǎn)的環(huán)境效率呈現(xiàn)長江中下游地區(qū)>東北地區(qū)>西南地區(qū)>華北地區(qū)>西北地區(qū)，長江中下游地區(qū)粳稻生產(chǎn)的平均環(huán)境效率最高，為0.8227，這主要受益于國家“大保護”戰(zhàn)略的實施。

3.2 影響機制檢驗

結(jié)合上文分析可以發(fā)現(xiàn)中國粳稻生產(chǎn)環(huán)境效率值總體不高且變化趨勢不穩(wěn)定，因此進一步探討粳稻生產(chǎn)環(huán)境效率的影響因素。首先對各變量進行多重共線性檢驗，方差膨脹因子(VIF)均小于5，本文各變量之間不存在多重共線性問題。從回歸結(jié)果來看，農(nóng)村人均可支配收入、人均播種面積均存在顯著的中介效應，且兩個中介效應模型在Sobel檢驗下也顯著。

回歸(1)表明農(nóng)村勞動力轉(zhuǎn)移對粳稻生產(chǎn)環(huán)境效率的直接效應顯著為負，估計系數(shù)為-0.382 2?；貧w(2)表明農(nóng)村勞動力轉(zhuǎn)移推動農(nóng)村人均可支配收入提高，即勞動力轉(zhuǎn)移程度越高，人均可支配收入越高?；貧w(3)中農(nóng)村勞動力轉(zhuǎn)移和農(nóng)村人均可支配收入的估計系數(shù)均顯著，表明控制了農(nóng)村勞動力轉(zhuǎn)移變量后，中介變量農(nóng)村人均可支配收入對環(huán)境效率的正向效應仍顯著。由于c、a、b三個參數(shù)估計均顯著，并且農(nóng)村人均可支配收入的中介效應(a×b)的正負號與農(nóng)村勞動力轉(zhuǎn)移對粳稻生產(chǎn)環(huán)境效率的直接效應(c′)的正負號相反，表明存在農(nóng)村人均可支配收入的中介效應。但由于c′顯著，表明農(nóng)村人均可支配收入存在“部分”中介效應。其中農(nóng)村人均可支配收入的中介效應為-29.44%，間接效應占直接效應的比重為-0.227 5，這表明農(nóng)村人均可支配收入提高可以緩解農(nóng)村勞動力轉(zhuǎn)移引起的粳稻生產(chǎn)環(huán)境效率損失的29.44%。

回歸(4)和回歸(5)為人均播種面積在農(nóng)村勞動力轉(zhuǎn)移影響粳稻生產(chǎn)環(huán)境效率中發(fā)揮的中介效應檢驗結(jié)果。由上述結(jié)果可知，農(nóng)村勞動力轉(zhuǎn)移對環(huán)境效率的直接效應顯著為負。并且勞動力轉(zhuǎn)移程度越高，人均播種面積越大，這與鐘甫寧[1]、田紅宇[3]的研究保持一致。在控制勞動力轉(zhuǎn)移變量后，中介變量人均播種面積對環(huán)境效率的影響仍顯著正向，可以看出，人均播種面積存在“部分”中介效應，并且中介效應為-15.83%，間接效應與直接效應的比重為-0.136 6，這表明農(nóng)村勞動力轉(zhuǎn)移促進了人均播種面積提高，削弱農(nóng)村勞動力轉(zhuǎn)移對粳稻生產(chǎn)環(huán)境效率負向效應的程度為15.83%。

綜合上述結(jié)果來看，可以得出以下4個結(jié)論：(1)農(nóng)村勞動力轉(zhuǎn)移提高了人均可支配收入進而改善了粳稻生產(chǎn)環(huán)境效率，可能的解釋是農(nóng)村勞動力外出務工在增加收入、緩解農(nóng)業(yè)生產(chǎn)資金約束同時，也導致部分農(nóng)民更加重視新生產(chǎn)技術的學習與使用，推動粳稻生產(chǎn)技術進步，減少了農(nóng)業(yè)生產(chǎn)要素(如氮肥)的無畏消耗，有助于改善環(huán)境效率；(2)農(nóng)村勞動力轉(zhuǎn)移推動了人均播種面積的擴大進而推動粳稻生產(chǎn)規(guī)模化，降低了單位面積的氮肥施用強度，有利于提高粳稻生產(chǎn)環(huán)境效率；(3)農(nóng)村勞動力轉(zhuǎn)移直接負向影響粳稻生產(chǎn)環(huán)境效率，主要是由于外出務工人群往往是農(nóng)村中文化水平較高的青壯年，留守的粳稻生產(chǎn)者偏于老齡化、女性化，其身體素質(zhì)和環(huán)保意識較低，往往通過加大化肥投入量去提高產(chǎn)量，增加了粳稻生產(chǎn)過程中灰水足跡排放量，不利于提高粳稻生產(chǎn)環(huán)境效率；(4)農(nóng)村勞動力轉(zhuǎn)移對粳稻生產(chǎn)環(huán)境效率的總體影響均顯著負向，這說明勞動力轉(zhuǎn)移帶來的收入增加、規(guī)模擴大雖然促進了環(huán)境效率提升，但在很大程度上還無法彌補由生產(chǎn)者身體素質(zhì)和環(huán)保意識的低水平造成的環(huán)境效率損失。

財政支農(nóng)水平的系數(shù)顯著為負，說明財政支農(nóng)水平不利于提高粳稻生產(chǎn)環(huán)境效率，因財政支農(nóng)的目標偏向于“增產(chǎn)”，在一定程度上激勵了農(nóng)業(yè)生產(chǎn)者加大生產(chǎn)要素投入，忽視了環(huán)境代價；有效灌溉率的系數(shù)顯著為正，說明灌溉設施的完善一方面可以減輕自然災害對粳稻生產(chǎn)環(huán)境效率的負面影響，另一方面也可以提高污染源性質(zhì)增產(chǎn)要素的利用效率，避免重復、多次的過量投入；受災率的系數(shù)顯著為負，可能存在的原因是自然災害后農(nóng)業(yè)生產(chǎn)者往往會提高污染源性質(zhì)增產(chǎn)要素的施用率[3]；機械密度和環(huán)保意識的系數(shù)均不顯著。

3.3 穩(wěn)健性檢驗

為了保證回歸結(jié)果的可靠性，本文采用替換解釋變量的方法進行穩(wěn)健性檢驗。衡量農(nóng)村勞動力轉(zhuǎn)移的指標是鄉(xiāng)村從業(yè)人員中二三產(chǎn)業(yè)從業(yè)人員的比重，現(xiàn)借鑒已有研究，將采用鄉(xiāng)村從業(yè)人員與鄉(xiāng)村從業(yè)人員中第一產(chǎn)業(yè)人員的差值[19]進行替換，重新回歸后的結(jié)果與前文基本一致。因此，穩(wěn)健性檢驗結(jié)果與前文實證結(jié)果沒有顯著性差異，表明本文的實證結(jié)果具有較強的可靠性。

表4 農(nóng)村人均可支配收入、人均播種面積的中介效應Tab. 4 Intermediary effect of rural per capita disposable income and per capita sowing area

表5 替換解釋變量的穩(wěn)健性檢驗結(jié)果Tab. 5 Robustness test results of alternative explanatory variables

4 結(jié)論與對策建議

4.1 結(jié)論

本文在測算粳稻灰水足跡的基礎上，應用非徑向、非角度的SBM-DEA模型對我國2005—2020年13個粳稻主產(chǎn)省份的環(huán)境效率進行了測度，并運用中介效應模型考察農(nóng)村勞動力轉(zhuǎn)移影響粳稻生產(chǎn)環(huán)境效率的內(nèi)在機制。主要研究結(jié)論如下：(1)2005—2020年粳稻生產(chǎn)灰水足跡有所下降，但高灰水足跡區(qū)域呈擴大趨勢；(2)忽視粳稻生產(chǎn)過程中的灰水足跡排放量會高估粳稻生產(chǎn)技術效率，2005—2020年粳稻生產(chǎn)技術效率、環(huán)境效率均值分別為0.816 7和0.775 0，前者高出后者4.17%，并且粳稻生產(chǎn)環(huán)境效率整體上呈下降趨勢，五大粳稻主產(chǎn)區(qū)效率排名依次為長江中下游地區(qū)、東北地區(qū)、西南地區(qū)、華北地區(qū)、西北地區(qū)；(3)農(nóng)村勞動力轉(zhuǎn)移降低了粳稻生產(chǎn)環(huán)境效率，雖然存在正向的收入中介效應和規(guī)模中介效應，但現(xiàn)階段還難以完全彌補勞動力轉(zhuǎn)移帶來的直接環(huán)境效率損失。

4.2 對策建議

基于以上結(jié)論，得出對策建議：(1)測量粳稻生產(chǎn)技術效率時，不能僅關注“產(chǎn)量”和不可避免的環(huán)境代價，更要重視環(huán)境資源后期的自修復成本，多維度擴大測量體系，逐步增加各層面“質(zhì)量、效率、綠色”維度的權重；(2)要鼓勵發(fā)展鄉(xiāng)村經(jīng)濟，促進農(nóng)村勞動力就地就近轉(zhuǎn)移就業(yè)，提升農(nóng)戶家庭收入；與此同時，要加大農(nóng)業(yè)信息和技術推廣力度，提高農(nóng)業(yè)新型作業(yè)技術采用率；(3)要加快健全農(nóng)村土地流轉(zhuǎn)機制，促進規(guī)?；?jīng)營，切實加強培育新型農(nóng)業(yè)經(jīng)營主體，為優(yōu)化生產(chǎn)要素投入效率、實現(xiàn)規(guī)模經(jīng)濟、提升糧食生產(chǎn)環(huán)境效率等多維度目標搭建有效平臺。