杜雪蓮 盧雨點(diǎn) 常濱麗

摘要 以期望產(chǎn)出是否包括農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)，對(duì)貴州喀斯特山區(qū)農(nóng)業(yè)生態(tài)效率進(jìn)行對(duì)比分析，以期為推動(dòng)該區(qū)農(nóng)業(yè)綠色發(fā)展提供理論參考與數(shù)據(jù)支持。采用超效率SBM模型、GML指數(shù)測(cè)度2000—2019年貴州9個(gè)市（州）2種農(nóng)業(yè)生態(tài)效率，并利用Tobit 回歸模型探討其影響因素。結(jié)果表明：①傳統(tǒng)的農(nóng)業(yè)生態(tài)效率只有貴陽(yáng)有效，期望產(chǎn)出考慮了農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)后，除六盤(pán)水、安順、黔西南及黔南外，其余市州農(nóng)業(yè)生態(tài)效率均值進(jìn)入到有效區(qū)。②研究期內(nèi)貴州傳統(tǒng)的農(nóng)業(yè)全要素生產(chǎn)率（GML）年均增長(zhǎng)2%，尤其是2012年以后GML指數(shù)增長(zhǎng)明顯。除了遵義、黔東南和銅仁，其余市州傳統(tǒng)的農(nóng)業(yè)全要素生產(chǎn)率（GML）均大于1，各市州農(nóng)業(yè)生態(tài)效率提高主要依靠技術(shù)進(jìn)步提升帶動(dòng)。除了遵義和銅仁，其余各市州改進(jìn)的GML指數(shù)均較傳統(tǒng)的有所降低。③產(chǎn)業(yè)結(jié)構(gòu)、財(cái)政支農(nóng)水平、農(nóng)業(yè)機(jī)械化密度與傳統(tǒng)和改進(jìn)的農(nóng)業(yè)生態(tài)效率均呈正相關(guān)，農(nóng)民收入水平、化肥使用強(qiáng)度與傳統(tǒng)和改進(jìn)的傳統(tǒng)農(nóng)業(yè)生態(tài)效率都呈負(fù)相關(guān)，人均耕地水平與植被覆蓋度與改進(jìn)的農(nóng)業(yè)生態(tài)效率呈正相關(guān)，但與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率呈負(fù)相關(guān)。

關(guān)鍵詞 農(nóng)業(yè)生態(tài)效率；生態(tài)系統(tǒng)服務(wù)；影響因素；貴州喀斯特山區(qū)

中圖分類號(hào) F323.2? 文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 0517-6611（2024）11-0195-06

doi：10.3969/j.issn.0517-6611.2024.11.042

Study on Agricultural Eco-Efficiency and Its Influencing Factors in Karst Mountainous Area of Guizhou Province—Comparative Analysis Based on Ecosystem Service Improvement

DU Xue-lian，LU Yu-dian，CHANG Bin-li

（School of Economics，Guizhou University of Finance and Economics，Guiyang，Guizhou 550025）

Abstract Based on whether the expected output includes agricultural ecosystem services，this paper makes a comparative analysis of agricultural ecological efficiency in Guizhou karst mountain area，in order to provide theoretical reference and data support for promoting the green development of agriculture in this area.The super-efficiency SBM model and GML index were used to measure the two agricultural eco-efficiency of nine cities and prefectures in Guizhou from 2000 to 2019，and the Tobit regression model was used to explore its influencing factors.The results show that：①The traditional agro-ecological efficiency is only effective in Guiyang.After considering agro-ecosystem services，the average agricultural efficiency of other cities and states enters the effective zone except Liupanshui，Anshun，Qianxi and Qiannan.②During the study period，the traditional agricultural total factor productivity （GML） of Guizhou increased by 2% annually，especially the exponential growth of GML after 2012.In addition to Zunyi，Qiandongnan and Tongren，the traditional agricultural total factor productivity （GML） of the other cities and states was greater than 1，and the improvement of agricultural ecological efficiency in each city and state was mainly driven by technological progress.In addition to Zunyi and Tongren，the improved GML index of other cities and states is lower than the traditional one.③Industrial structure，financial support for agriculture，and agricultural mechanization density were positively correlated with both traditional and improved agroecological efficiency; farmers income level and fertilizer use intensity were negatively correlated with both traditional and improved agroecological efficiency; per capita cultivated land level and vegetation coverage were positively correlated with improved agroecological efficiency，but negatively correlated with traditional agroecological efficiency.

Key words Agricultural eco-efficiency;Ecosystem services;Influencing factors;Guizhou karst mountainous area

基金項(xiàng)目 貴州省高校人文社會(huì)科學(xué)研究項(xiàng)目（2023GZGXRW167）。

作者簡(jiǎn)介 杜雪蓮（1981—），女，貴州思南人，教授，博士，碩士生導(dǎo)師，從事資源環(huán)境與生態(tài)經(jīng)濟(jì)研究。

收稿日期 2023-10-22

20世紀(jì)末以來(lái)，隨著生態(tài)系統(tǒng)服務(wù)這一研究領(lǐng)域的興起，學(xué)者圍繞農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)的內(nèi)涵［1-2］及價(jià)值核算［3-4］展開(kāi)了大量研究。隨著新時(shí)代農(nóng)業(yè)高質(zhì)量發(fā)展的提出，農(nóng)業(yè)已由傳統(tǒng)的食物和原料供應(yīng)向多功能的調(diào)節(jié)服務(wù)產(chǎn)品、文化服務(wù)產(chǎn)品供給轉(zhuǎn)型。將農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)融入農(nóng)業(yè)可持續(xù)發(fā)展評(píng)價(jià)中，能更加全面地衡量農(nóng)業(yè)生產(chǎn)活動(dòng)對(duì)生態(tài)造成的影響，有利于推動(dòng)農(nóng)業(yè)綠色發(fā)展［5］。1990年，Schaltegger等［6］首次提出“生態(tài)效率”的定義，這一概念運(yùn)用至農(nóng)業(yè)領(lǐng)域形成“農(nóng)業(yè)生態(tài)效率”，目前已成為農(nóng)業(yè)可持續(xù)發(fā)展的研究熱點(diǎn)。學(xué)者圍繞農(nóng)業(yè)生態(tài)效率的內(nèi)涵［7-8］、指標(biāo)體系［9-10］以及影響因素［11-12］等方面進(jìn)行了大量研究。生態(tài)效率研究方法主要包括生命周期法、隨機(jī)前沿法和數(shù)據(jù)包絡(luò)分析法。數(shù)據(jù)包絡(luò)分析法中，由于非期望SBM模型將負(fù)外部性產(chǎn)出納入模型，有效解決了投入產(chǎn)出的松弛現(xiàn)象，已逐漸成為測(cè)定生態(tài)效率的主流模型。目前，國(guó)內(nèi)對(duì)農(nóng)業(yè)生態(tài)效率開(kāi)展了大量研究，取得了豐碩的研究成果。但仍存在以下兩點(diǎn)不足：一是以往的研究雖然關(guān)注了農(nóng)業(yè)生產(chǎn)過(guò)程中造成的農(nóng)業(yè)碳排放以及面源污染等生態(tài)負(fù)向影響，但鮮有考慮到農(nóng)業(yè)生產(chǎn)過(guò)程中產(chǎn)生的生態(tài)正向影響即農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)；二是對(duì)我國(guó)西南喀斯特生態(tài)脆弱區(qū)農(nóng)業(yè)生態(tài)效率的研究還比較缺乏。

貴州是典型的喀斯特地貌，生態(tài)環(huán)境脆弱，容易發(fā)生石漠化，是全國(guó)唯一沒(méi)有平原支撐的省份。地處內(nèi)陸山區(qū)使得貴州保留了較好的生態(tài)基礎(chǔ)，成為首批國(guó)家生態(tài)文明試驗(yàn)區(qū)。2022年1月，《國(guó)務(wù)院關(guān)于支持貴州在新時(shí)代西部大開(kāi)發(fā)上闖新路的意見(jiàn)》（國(guó)發(fā)〔2022〕2號(hào)）發(fā)布。文件賦予貴州“生態(tài)文明建設(shè)先行區(qū)”的戰(zhàn)略定位，要求貴州繼續(xù)守好生態(tài)與發(fā)展兩條底線，在生態(tài)文明建設(shè)上出新績(jī)。2022年4月，農(nóng)業(yè)農(nóng)村部出臺(tái)《推進(jìn)貴州現(xiàn)代山地特色高效農(nóng)業(yè)發(fā)展實(shí)施方案》，強(qiáng)調(diào)要加快農(nóng)業(yè)綠色轉(zhuǎn)型提質(zhì)量，加強(qiáng)農(nóng)業(yè)生態(tài)資源保護(hù)利用。鑒于此，該研究將農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值作為期望產(chǎn)出的補(bǔ)充，以產(chǎn)出指標(biāo)是否含有農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值，采用超效率SBM模型和GML指數(shù)對(duì)比研究2000—2019年貴州省9個(gè)市州的農(nóng)業(yè)生態(tài)效率并探討其影響因素，以期為推動(dòng)該區(qū)農(nóng)業(yè)綠色發(fā)展提供理論參考與數(shù)據(jù)支持。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究方法

1.1.1 非期望產(chǎn)出的超效率SBM模型。

Tone［13］提出了可以對(duì)非期望產(chǎn)出加以管理的非角度非徑向的SBM模型即超效率SBM模型，其相關(guān)參數(shù)和變量如下：假定當(dāng)前所要測(cè)試的決策單位數(shù)量（DMU）為n個(gè)，記作DMUj（j=1，2，…，n）；當(dāng)前要測(cè)試的DMU記作DMUk。DMUk有m種投入，記作xik（i=1，2，… ，m）；q1種期望產(chǎn)出，記作ygrk（r=1，2，…，q1）；q2種非期望產(chǎn)出，記作ybrk（r=1，2，… ，q2）；p為生產(chǎn)單位效率值即貴州各市州農(nóng)業(yè)生態(tài)效率，當(dāng)生態(tài)效率值大于或等于1時(shí)，說(shuō)明投入組合合理，有良好的產(chǎn)出效果。（ ，yg，yb）為剔除第k個(gè)決策單元的決策變量參考點(diǎn)，λ是權(quán)重向量。根據(jù)如上參數(shù)與變量，考慮非期望產(chǎn)出的超效率SBM模型如下：

p=min1mmi=1

xixtik

1q1+q2q1r=1ygrygrk+

q2r=1ybrybrk

s.t.≥nj=1，j≠kλjxj，0≤yg≤nj=1，j≠kλjxgj，yb≥nj=1，j≠kλjybj，

≥xk，yg≤ygk，yb≥ybk，λ≥0

1.1.2 GML指數(shù)。

Oh［14］通過(guò)構(gòu)造全局生產(chǎn)可能集，提出GML指數(shù)解決了ML指數(shù)的缺陷。假設(shè)有n個(gè)決策單元，每個(gè)決策單元均使用m種投入獲得q1種期望產(chǎn)出和q2種非期望產(chǎn)出。引入當(dāng)期生產(chǎn)可能集：pt（xt）={（yt，bt）}（t=1，2，…，T）

此時(shí)，可將全局生產(chǎn)可能集定義為：

PG（x）=P1（x1）∪P2（x2）∪…∪PT（xT）

因此，基于全局生產(chǎn)可能集的GML指數(shù)計(jì)算公式如下：

GMLt，t+1（xt，yt，bt，xt+1，yt+1，bt+1）=1+DG（xt，yt，bt）1+DG（xt+1，yt+1，bt+1）

=1+Dt（xt，yt，bt）1+Dt+1（xt+1，yt+1，bt+1）×

1+DG（xt，yt，bt）1+Dt（xt，yt，bt）×

1+Dt+1（xt+1，yt+1，bt+1）1+DG（xt+1，yt+1，bt+1）

=TCt，t+1×ECt，t+1

式中：DG（x，y，b）=max{β｜y+βy，b-βb}∈PG（x）}表示全局方向的距離函數(shù)；GMLt，t+1指數(shù)值表示t+1時(shí)期相對(duì)于t時(shí)期的農(nóng)業(yè)生態(tài)效率變動(dòng)，可以進(jìn)一步分解為技術(shù)進(jìn)步指數(shù)（TCt，t+1）和技術(shù)效率變化指數(shù)（ECt，t+1）。其中，GMLt，t+1指數(shù)取值大于1、小于1和等于1時(shí)分別表示從t時(shí)期到t+1時(shí)期的農(nóng)業(yè)生態(tài)效率增長(zhǎng)、下降和不變的情況；TCt，t+1和ECt，t+1指數(shù)取值大于1或小于1時(shí)分別表示從t時(shí)期到t+1時(shí)期技術(shù)進(jìn)步或落后以及技術(shù)效率增加或減少的狀況。

1.1.3 Tobit回歸模型。

因?yàn)槌手抵杏袀€(gè)最低界限值0為截尾數(shù)，如果因變量直接選擇生產(chǎn)率值，用OLS（最小二乘法）方式展開(kāi)回歸數(shù)據(jù)分析，很可能會(huì)產(chǎn)生誤差。因此，為獲取一致而無(wú)偏的預(yù)測(cè)結(jié)果，可以通過(guò)選擇隨機(jī)效應(yīng)的面板Tobit模型加以預(yù)測(cè)，而Tobit回歸分析方法則是因變數(shù)有限模型的一部分，在因變數(shù)的切割值或片段值相同時(shí)采用［15］。選擇將截?cái)帱c(diǎn)α設(shè)置為0，表達(dá)方程式如下：

Y=y*=α+βX+ε，Y*>α

0，Y*≤α

式中：X為自變量向量；Y為截?cái)嘁蜃兞肯蛄浚沪翞榻鼐囗?xiàng)向量；β為回歸參數(shù)向量；ε為擾動(dòng)項(xiàng)，ε～N（0，σ2）。

1.2 指標(biāo)選取與數(shù)據(jù)來(lái)源

該研究的農(nóng)業(yè)為狹義農(nóng)業(yè)，即種植業(yè)。借鑒前人的研究成果，并結(jié)合貴州省的農(nóng)業(yè)生產(chǎn)條件與自然環(huán)境狀況，依照科學(xué)性、客觀性等原則，并考慮數(shù)據(jù)可得性，選取農(nóng)用化肥施用量、農(nóng)用從業(yè)人員、農(nóng)作物播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力這4項(xiàng)指標(biāo)作為投入指標(biāo)；選取農(nóng)業(yè)總產(chǎn)值作為期望產(chǎn)出指標(biāo)，選取農(nóng)業(yè)碳排放量與面源污染量作為非期望產(chǎn)出指標(biāo)。該研究構(gòu)建兩套評(píng)估指標(biāo)體系，區(qū)別在于是否加入農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值作為期望產(chǎn)出指標(biāo)，分別以傳統(tǒng)的農(nóng)業(yè)生態(tài)效率與改進(jìn)的農(nóng)業(yè)生態(tài)效率來(lái)指代。農(nóng)業(yè)碳排放量計(jì)算采用的碳排放系數(shù)參照美國(guó)橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室以及IPCC的發(fā)布，對(duì)農(nóng)村面源污染量化的計(jì)算參考賴斯蕓等［16］的研究，農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值采用當(dāng)量因子法參考謝高地等［17］價(jià)值當(dāng)量修正后進(jìn)行核算。該研究原始數(shù)據(jù)來(lái)源為2001—2020年《貴州統(tǒng)計(jì)年鑒》《貴陽(yáng)統(tǒng)計(jì)年鑒》《遵義統(tǒng)計(jì)年鑒》《六盤(pán)水年鑒》《銅仁年鑒》《安順年鑒》《畢節(jié)年鑒》《黔南年鑒》《黔東南年鑒》《黔西南年鑒》等。根據(jù)統(tǒng)計(jì)和計(jì)算得來(lái)的各指標(biāo)數(shù)據(jù)見(jiàn)表1。

2 結(jié)果與分析

2.1 基于超效率SBM模型的貴州省農(nóng)業(yè)生態(tài)效率靜態(tài)評(píng)價(jià)分析

運(yùn)用MaxDEA8軟件對(duì)2000—2019年貴州省各市（州）2種農(nóng)業(yè)生態(tài)效率進(jìn)行評(píng)價(jià)。結(jié)果見(jiàn)圖1和表2，研究時(shí)段內(nèi)傳統(tǒng)農(nóng)業(yè)生態(tài)效率平均值最大的是貴陽(yáng)，最小的是六盤(pán)水。貴陽(yáng)傳統(tǒng)農(nóng)業(yè)生態(tài)效率在20年間所有年份均大于1，

達(dá)到完全有效。其他市州均存在小于1的年份，尤其是六盤(pán)水、安順、畢節(jié)、黔西南、黔東南、黔南半數(shù)以上的年份均小于

1，存在較大的提升空間。研究時(shí)段內(nèi)，大多數(shù)市州傳統(tǒng)的農(nóng)業(yè)生態(tài)效率波動(dòng)幅度較大，說(shuō)明農(nóng)業(yè)投入的產(chǎn)出距穩(wěn)定的最優(yōu)水平距離較遠(yuǎn)。

在考慮了農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值后，農(nóng)業(yè)生態(tài)效率（改進(jìn)）平均值最大的為貴陽(yáng)，最小的是黔南。由圖1可知，與傳統(tǒng)農(nóng)業(yè)生態(tài)效率相比，20年間改進(jìn)農(nóng)業(yè)生態(tài)效率所有年份均大于1的區(qū)域增加了遵義。畢節(jié)與黔東南改進(jìn)農(nóng)業(yè)生態(tài)效率僅1年小于1，而黔南20年間有半數(shù)以上的年份均小于1，存在較大的提升空間。其他市（州）均有半數(shù)以上年份大于1。另外，將農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值考慮進(jìn)期望產(chǎn)出之后，各市州的農(nóng)業(yè)生態(tài)效率均值排名也有所變化。其中排名明顯上升的是畢節(jié)，明顯下降的有銅仁和黔南（表2）。

整體上，研究時(shí)段內(nèi)貴陽(yáng)傳統(tǒng)和改進(jìn)的生態(tài)系統(tǒng)服務(wù)生態(tài)效率均名列前茅?？紤]了農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)后，遵義、畢節(jié)、銅仁和黔東南農(nóng)業(yè)生態(tài)效率進(jìn)入有效區(qū)，六盤(pán)水、安順、黔西南及黔南的2種農(nóng)業(yè)生態(tài)效率均值都處于非效率區(qū)，說(shuō)明這4個(gè)市州存在農(nóng)業(yè)投入資源配置不夠有效、資源投入規(guī)模不夠合理，管理水平較低等問(wèn)題，具有較大提升空間。

2.2 GML指數(shù)分析

運(yùn)用MaxDEA8軟件對(duì)貴州省2種農(nóng)業(yè)生態(tài)效率進(jìn)行GML整體和區(qū)域評(píng)價(jià)分析，結(jié)果見(jiàn)表3、4。由表3可知，研究時(shí)段內(nèi)貴州省傳統(tǒng)的農(nóng)業(yè)生態(tài)效率GML指數(shù)呈波動(dòng)上升趨勢(shì)，GML指數(shù)平均提高了2%。尤其是2012年以后，除了2014—2015年，2016—2017年，其余年份GML指數(shù)均增長(zhǎng)明顯，其中2013—2014年波動(dòng)最大，說(shuō)明十八大以來(lái)貴州傳統(tǒng)農(nóng)業(yè)生態(tài)效率持續(xù)提升。研究期內(nèi)，除了2008和2009年，2009—2010年的農(nóng)業(yè)生態(tài)效率GML指數(shù)提升主要是依靠技術(shù)效率（EC）提高外，其余年份均依靠技術(shù)進(jìn)步（TC）帶動(dòng)增長(zhǎng)。整體上，TC平均提高了2%，EC累計(jì)維持不變。研究時(shí)段內(nèi)貴州省改進(jìn)的GML指數(shù)仍表現(xiàn)為波動(dòng)變化，但GML指數(shù)值普遍降低。GML指數(shù)大于1的年份也有所減少，僅在2006—2007年、2011—2012年、2013—2014年、2015—2016年、2017—2018年、2018—2019年有所提升?？傮w而言，研究時(shí)段內(nèi)改進(jìn)GML、TC和EC均值都是1，顯示考慮農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)之后，研究區(qū)平均農(nóng)業(yè)生態(tài)效率、技術(shù)進(jìn)步及技術(shù)效率均保持不變。

由表4可知，研究時(shí)段內(nèi)，除了遵義、黔東南和銅仁，其余市州GML指數(shù)均大于1。各市州TC均大于1，EC大于1的有六盤(pán)水、黔西南、安順和貴陽(yáng)，其余市州均小于1，顯示研究期各市州農(nóng)業(yè)生態(tài)效率提高主要依靠技術(shù)進(jìn)步提升帶動(dòng)。整體來(lái)看，研究時(shí)段內(nèi)，9個(gè)市州改進(jìn)的GML指數(shù)累積增長(zhǎng)為0，年均增長(zhǎng)為0。除了遵義和銅仁，其余各市州改進(jìn)的

GML指數(shù)均較傳統(tǒng)的有所降低，需要注意的是，安順、畢節(jié)和黔南GML由進(jìn)步轉(zhuǎn)為退步。改進(jìn)的TC大于1的城市依次是銅仁、畢節(jié)、貴陽(yáng)和六盤(pán)水，其余市州技術(shù)不變或有所退步。除黔西南、六盤(pán)水和安順外，其余各市州改進(jìn)的EC均小于1。

2.3 影響因素分析

2.3.1 影響因素選取。

基于前人對(duì)農(nóng)業(yè)生態(tài)效率影響因素的相關(guān)研究［12-14］，并考慮貴州省實(shí)際情況及數(shù)據(jù)可獲得性，選取以下影響因素：①產(chǎn)業(yè)結(jié)構(gòu)，用第一產(chǎn)業(yè)產(chǎn)值占比衡量。②農(nóng)民收入水平，用農(nóng)村人均純年收入表示。③財(cái)政支農(nóng)水平，用農(nóng)林水事務(wù)支出占地方財(cái)政支出的比重來(lái)表示。④農(nóng)業(yè)機(jī)械化密度，用單位播種面積農(nóng)業(yè)機(jī)械投入量表示。⑤化肥使用強(qiáng)度，用單位耕地面積施用化肥量表示。⑥人均耕地水平，用人均耕地面積表示。⑦自然條件，改進(jìn)的農(nóng)業(yè)生態(tài)效率因?yàn)榭紤]了生態(tài)系統(tǒng)服務(wù)價(jià)值，也應(yīng)加入衡量生態(tài)環(huán)境的解釋變量。同時(shí)，為了探究生態(tài)環(huán)境對(duì)傳統(tǒng)的農(nóng)業(yè)生態(tài)效

率是否也具有影響作用，因此選用植被覆蓋度作為2種農(nóng)業(yè)生態(tài)效率的影響因素。植物覆蓋度的數(shù)據(jù)來(lái)自中國(guó)科學(xué)院

資源環(huán)境科學(xué)與數(shù)據(jù)中心（www.Resdc.cn/）提供的中國(guó)年度1KM植被指數(shù)（NDVI）空間分布數(shù)據(jù)集，通過(guò)GIS10.2軟件進(jìn)行解譯得來(lái)。其余數(shù)據(jù)來(lái)自研究期內(nèi)貴州省及各市州統(tǒng)計(jì)年鑒。

2.3.2 影響因素檢驗(yàn)結(jié)果。

表5為Stata軟件進(jìn)行Tobit檢測(cè)的結(jié)果，LR檢驗(yàn)認(rèn)為具有個(gè)體效應(yīng)，所以采用隨機(jī)效應(yīng)的面板Tobit模型。第（1）、（2）列為隨機(jī)效應(yīng)面板的Tobit回歸系數(shù)，其中第（1）列的被解釋變量為傳統(tǒng)的農(nóng)業(yè)生態(tài)效率，第（2）列的被解釋變量為改進(jìn)的農(nóng)業(yè)生態(tài)效率。第（3）、（4）列是加入新變量降水量后的穩(wěn)健性檢驗(yàn)?；貧w結(jié)果整體誤差較小，擬合度較好。具體分析如下：①產(chǎn)業(yè)結(jié)構(gòu)在0.05的顯著性水平與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率呈正相關(guān)，在0.10的顯著性水平與改進(jìn)的農(nóng)業(yè)生態(tài)效率呈正相關(guān)。這可能是因?yàn)榻?jīng)濟(jì)發(fā)展水平較低時(shí)，農(nóng)戶通過(guò)精細(xì)管理、節(jié)約投入，少用化肥和農(nóng)藥，提升要素的增產(chǎn)作用，避免或減少了對(duì)農(nóng)業(yè)生態(tài)環(huán)境的破壞。②農(nóng)民收入水平與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率呈負(fù)相關(guān)且相關(guān)性不顯著，但與改進(jìn)的農(nóng)業(yè)生態(tài)效率在0.01的顯著性水平負(fù)相關(guān)。這可能是由于貴州農(nóng)民收入仍處于較低水平，收入增加可能會(huì)促進(jìn)化肥等生產(chǎn)資料的投入，導(dǎo)致農(nóng)業(yè)碳排放增加，同時(shí)造成土地生態(tài)系統(tǒng)服務(wù)降低，因此對(duì)改進(jìn)的農(nóng)業(yè)生態(tài)效率綜合負(fù)向影響大于傳統(tǒng)的農(nóng)業(yè)生態(tài)效率。③財(cái)政支農(nóng)水平與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率呈正相關(guān)且相關(guān)性不顯著，但與改進(jìn)的農(nóng)業(yè)生態(tài)效率在0.01的顯著性水平呈正相關(guān)。財(cái)政支農(nóng)可能會(huì)導(dǎo)致過(guò)量使用化肥、農(nóng)藥等要素從而降低農(nóng)業(yè)生態(tài)效率，但同時(shí)也用于完善農(nóng)村基礎(chǔ)設(shè)施建設(shè)以及高標(biāo)準(zhǔn)農(nóng)田建設(shè)等方面進(jìn)而改善山地農(nóng)業(yè)生態(tài)環(huán)境，因此對(duì)改進(jìn)的農(nóng)業(yè)生態(tài)效率綜合正向影響大于傳統(tǒng)的農(nóng)業(yè)生態(tài)效率。④農(nóng)業(yè)機(jī)械化密度在0.10水平與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率顯著正相關(guān)，在0.01水平與改進(jìn)的農(nóng)業(yè)生態(tài)效率呈正相關(guān)。農(nóng)業(yè)機(jī)械的投入極大提高了勞動(dòng)生產(chǎn)力，相對(duì)于農(nóng)業(yè)機(jī)械的污染排放，農(nóng)業(yè)機(jī)械投入帶來(lái)的正向生態(tài)效率增加更明顯。農(nóng)業(yè)機(jī)械化的持續(xù)推進(jìn)帶來(lái)技術(shù)集成、資源節(jié)約和生態(tài)效益，對(duì)改進(jìn)的農(nóng)業(yè)生態(tài)效率綜合正向影響大于傳統(tǒng)的農(nóng)業(yè)生態(tài)效率。⑤化肥使用強(qiáng)度在0.10水平與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率顯著負(fù)相關(guān)，在0.01水平上與改進(jìn)的農(nóng)業(yè)生態(tài)效率呈負(fù)相關(guān)。過(guò)量使用化肥造成土壤板結(jié)、土壤環(huán)境質(zhì)量下降，生物多樣性降低，損害農(nóng)業(yè)生態(tài)環(huán)境，因此化肥使用強(qiáng)度對(duì)改進(jìn)的農(nóng)業(yè)生態(tài)效率綜合負(fù)向影響大于傳統(tǒng)的農(nóng)業(yè)生態(tài)效率。⑥人均耕地水平在0.01水平上與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率顯著負(fù)相關(guān)，但與改進(jìn)的農(nóng)業(yè)生態(tài)效率呈正相關(guān)，相關(guān)性不顯著。這可能是因?yàn)槿司孛娣e增大導(dǎo)致產(chǎn)生一定程度上農(nóng)業(yè)生產(chǎn)的“不經(jīng)濟(jì)”進(jìn)而造成農(nóng)業(yè)生態(tài)效率的下降。與改進(jìn)的農(nóng)業(yè)生態(tài)效率正相關(guān)可能是因?yàn)楦亓袒暮笸恋靥峁┑纳鷳B(tài)服務(wù)價(jià)值有所提升。⑦植被覆蓋度在0.10水平與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率顯著負(fù)相關(guān)，在0.10水平與改進(jìn)的農(nóng)業(yè)生態(tài)效率顯著正相關(guān)。這是因?yàn)橹脖桓采w率提升帶來(lái)農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值有所提升。傳統(tǒng)的農(nóng)業(yè)生態(tài)效率未考慮生態(tài)效益，反而增加的植被覆蓋度可能導(dǎo)致種植業(yè)產(chǎn)出的減少，導(dǎo)致其與植被覆蓋率負(fù)相關(guān)。

從模型（3）和模型（4）的回歸結(jié)果可以得出：向模型（1）和（2）增加新的影響因素降水量之后，模型的回歸結(jié)果幾乎保持不變，說(shuō)明模型較為穩(wěn)定。

3 結(jié)論與討論

該研究構(gòu)建了基于生態(tài)系統(tǒng)服務(wù)改進(jìn)的農(nóng)業(yè)生態(tài)效率指標(biāo)體系，并與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率進(jìn)行比較分析。采用SBM模型、GML指數(shù)測(cè)度2000—2019年喀斯特山區(qū)貴州各市（州）2種農(nóng)業(yè)生態(tài)效率，并利用Tobit 回歸模型探討其影響因素，得出以下結(jié)論。

（1）研究期內(nèi)貴陽(yáng)2種生態(tài)效率均名列前茅，傳統(tǒng)的農(nóng)業(yè)生態(tài)效率只有貴陽(yáng)有效，考慮了農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)后，遵義、畢節(jié)、銅仁和黔東南農(nóng)業(yè)生態(tài)效率進(jìn)入有效區(qū)（＞1），六盤(pán)水、安順、黔西南及黔南的2種農(nóng)業(yè)生態(tài)效率均值都處于非效率區(qū)（＜1）。將農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值考慮進(jìn)期望產(chǎn)出之后，畢節(jié)農(nóng)業(yè)生態(tài)效率均值排名明顯提升，銅仁和黔南排名明顯下降。

（2）研究期內(nèi)貴州傳統(tǒng)的農(nóng)業(yè)全要素生產(chǎn)率GML指數(shù)年均增長(zhǎng)2%，尤其是2012年以后GML指數(shù)增長(zhǎng)明顯，分解的技術(shù)進(jìn)步率TC年均增長(zhǎng)2%，技術(shù)效率EC變化年均變化為0。除了遵義、黔東南和銅仁，其余市州傳統(tǒng)的農(nóng)業(yè)全要素生產(chǎn)率（GML）均大于1，各市州農(nóng)業(yè)生態(tài)效率提高主要依靠技術(shù)進(jìn)步提升帶動(dòng)。改進(jìn)的農(nóng)業(yè)全要素生產(chǎn)率GML指數(shù)累計(jì)變化值為0。除了遵義和銅仁，其余各市州改進(jìn)的GML指數(shù)均較傳統(tǒng)的有所降低。

（3）通過(guò)面板 Tobit 回歸模型對(duì)研究區(qū)農(nóng)業(yè)生態(tài)效率的影響因素進(jìn)行分析表明產(chǎn)業(yè)結(jié)構(gòu)、財(cái)政支農(nóng)水平、農(nóng)業(yè)機(jī)械化密度與傳統(tǒng)和改進(jìn)的農(nóng)業(yè)生態(tài)效率均呈正相關(guān)，農(nóng)民收入水平、化肥使用強(qiáng)度與傳統(tǒng)和改進(jìn)的傳統(tǒng)農(nóng)業(yè)生態(tài)效率都呈負(fù)相關(guān)，人均耕地水平與植被覆蓋度與改進(jìn)的農(nóng)業(yè)生態(tài)效率呈正相關(guān)，但與傳統(tǒng)的農(nóng)業(yè)生態(tài)效率呈負(fù)相關(guān)。

研究期內(nèi)只有貴陽(yáng)的2種農(nóng)業(yè)生態(tài)效率在所有年份均大于1，顯示相較于貴州省其他市州，貴陽(yáng)在農(nóng)業(yè)投入的資源配置方面更為合理，管理有效。六盤(pán)水、安順、黔西南及黔南的2種農(nóng)業(yè)生態(tài)效率均值都小于1，這些地區(qū)需要加強(qiáng)農(nóng)業(yè)投入資源配置、調(diào)整資源投入規(guī)模以及提升農(nóng)業(yè)管理水平，努力提升農(nóng)業(yè)生態(tài)效率。改進(jìn)的農(nóng)業(yè)生態(tài)效率均值排名明顯提升的有畢節(jié)，明顯下降的有銅仁和黔南，這是由于畢節(jié)農(nóng)業(yè)生態(tài)服務(wù)價(jià)值較高，而銅仁和黔南農(nóng)業(yè)生態(tài)服務(wù)價(jià)值偏低引起［18］。改進(jìn)的GML指數(shù)較傳統(tǒng)的GML指數(shù)普遍降低，大于1的年份也有所減少，說(shuō)明整體上農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)并未與農(nóng)業(yè)產(chǎn)值實(shí)現(xiàn)同步提升，需要加強(qiáng)農(nóng)業(yè)生態(tài)環(huán)境保護(hù)。尤其是改進(jìn)GML指數(shù)位列最后3位的畢節(jié)、安順和黔南需要持續(xù)深入開(kāi)展石漠化綜合治理，鞏固治理成果，穩(wěn)步提升農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值。各市（州）需要進(jìn)一步加大對(duì)農(nóng)業(yè)的財(cái)政支持力度，有序推進(jìn)農(nóng)業(yè)機(jī)械化，積極開(kāi)展農(nóng)業(yè)技術(shù)創(chuàng)新，提升農(nóng)業(yè)管理技術(shù)水平。同時(shí)因地制宜發(fā)展當(dāng)?shù)靥厣鷳B(tài)農(nóng)業(yè)，保護(hù)和改善農(nóng)業(yè)生態(tài)環(huán)境，提升農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值，促進(jìn)喀斯特山區(qū)農(nóng)業(yè)綠色發(fā)展。

參考文獻(xiàn)

［1］LIEBIG M A，VARVEL G，DORAN J.A simple performance-based index for assessing multiple agroecosystem functions［J］.Agronomy journal，2001，93（2）：313-318.

［2］ 祝文烽，王松良，CALDWELL C D.農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)及其管理學(xué)要義［J］.中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2010，18（4）：889-896.

［3］ WOSSINK A，SWINTON S M.Valuation with supply tools：Willingness-to-accept-payment for ecosystem services from agriculture［J］.Version，2006，22：1-22.

［4］ 劉向華.我國(guó)農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價(jià)值的核算方法［J］.統(tǒng)計(jì)與決策，2018，34（3）：24-30.

［5］ 廖佳佳，趙耀，陳甜倩，等.基于生態(tài)系統(tǒng)服務(wù)改進(jìn)的中國(guó)各地農(nóng)業(yè)生態(tài)效率研究［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2021，42（7）：200-209.

［6］ SCHALTEGGER S，STURM A.kologische rationalitt：Ansatzpunkte zur ausgestaltung von kologieorientierten managementinstrumenten［J］.Die unternehmung，1990，44（4）：273-290.

［7］ 吳小慶，王亞平，何麗梅，等.基于AHP和DEA模型的農(nóng)業(yè)生態(tài)效率評(píng)價(jià)：以無(wú)錫市為例［J］.長(zhǎng)江流域資源與環(huán)境，2012，21（6）：714-719.

［8］ 聶彎，于法穩(wěn).農(nóng)業(yè)生態(tài)效率研究進(jìn)展分析［J］.中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2017，25（9）：1371-1380.

［9］ MICKWITZ P，MELANEN M，ROSENSTRM U，et al.Regional eco-efficiency indicators-a participatory approach［J］.Journal of cleaner production，2006，14（18）：1603-1611.

［10］ 方永麗，曾小龍.中國(guó)省際農(nóng)業(yè)生態(tài)效率評(píng)價(jià)及其改進(jìn)路徑分析［J］.農(nóng)業(yè)資源與環(huán)境學(xué)報(bào)，2021，38（1）：135-142.

［11］ 馬艷.基于兩階段Super-NSBM模型的農(nóng)業(yè)生態(tài)效率及影響因素研究：以長(zhǎng)江經(jīng)濟(jì)帶為例［J］.長(zhǎng)江流域資源與環(huán)境，2023，32（4）：883-894.

［12］ 陳衍俊.我國(guó)玉米種植區(qū)生態(tài)效率的區(qū)域差異及影響因素研究［J］.安徽農(nóng)業(yè)科學(xué)，2022，50（5）：196-199，209.

［13］ TONE K.A slacks-based measure of super-efficiency in data envelopment analysis［J］.European journal of operational research，2002，143（1）：32-41.

［14］ OH D H.A global Malmquist-Luenberger productivity index［J］.Journal of productivity analysis，2010，34（3）：183-197.

［15］? 劉浩然.京津冀地區(qū)綠色經(jīng)濟(jì)效率測(cè)度及影響因素研究：基于超效率SBM和Tobit模型的分析［J］.生態(tài)經(jīng)濟(jì)，2023，39（4）：67-73.

［16］? 賴斯蕓，杜鵬飛，陳吉寧.基于單元分析的非點(diǎn)源污染調(diào)查評(píng)估方法［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，44（9）：1184-1187.

［17］? 謝高地，張彩霞，張雷明，等.基于單位面積價(jià)值當(dāng)量因子的生態(tài)系統(tǒng)服務(wù)價(jià)值化方法改進(jìn)［J］.自然資源學(xué)報(bào)，2015，30（8）：1243-1254.

［18］ 盧雨點(diǎn).基于生態(tài)系統(tǒng)服務(wù)改進(jìn)的貴州省農(nóng)業(yè)生態(tài)效率對(duì)比研究［D］.貴陽(yáng)：貴州財(cái)經(jīng)大學(xué)，2022.