鐘利那

(貴州省發(fā)展和改革委員會國土經(jīng)濟(jì)研究室，貴陽 550001)

0 引言

我國是世界上主要的農(nóng)業(yè)大國之一，隨著經(jīng)濟(jì)的快速發(fā)展，農(nóng)業(yè)生態(tài)資源受到過度地開發(fā)和污染，我國的生態(tài)環(huán)境面臨嚴(yán)重的壓力[1]。為了我國農(nóng)業(yè)的可持續(xù)發(fā)展，持續(xù)經(jīng)濟(jì)的增長，提出以結(jié)構(gòu)性改革為特點的供給側(cè)改革[2]。從供給側(cè)方面看，經(jīng)濟(jì)社會的發(fā)展變化主要包括3個方面，第一是環(huán)境和資源的制約，第二是生產(chǎn)要素的轉(zhuǎn)變，第三是產(chǎn)業(yè)的組織方式與生產(chǎn)能力的變化[3]。為了促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，葉謙吉教授[4]首次提出了“生態(tài)農(nóng)業(yè)”，隨后，厲以寧[5]提出“生態(tài)農(nóng)業(yè)”的定義，認(rèn)為生態(tài)農(nóng)業(yè)是把農(nóng)業(yè)的經(jīng)濟(jì)效益和生態(tài)效益相結(jié)合的統(tǒng)一整體。近幾年來，大力倡導(dǎo)生態(tài)農(nóng)業(yè)，并在我國取得了一定的成績。為了更好地發(fā)展生態(tài)農(nóng)業(yè)，促進(jìn)各地區(qū)生態(tài)農(nóng)業(yè)建設(shè)，對生態(tài)農(nóng)業(yè)的效益進(jìn)行評價具有重要意義。

生態(tài)農(nóng)業(yè)是在傳統(tǒng)農(nóng)業(yè)的基礎(chǔ)上發(fā)展起來的，處理好農(nóng)業(yè)、人類和資源環(huán)境的關(guān)系，能促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)與生態(tài)社會的協(xié)調(diào)發(fā)展[6]。隨著我國生態(tài)農(nóng)業(yè)的發(fā)展，吸引了越來越多的學(xué)者的關(guān)注。蔡潔和夏顯力[7]通過對陜西省生態(tài)農(nóng)業(yè)的績效進(jìn)行評價，認(rèn)為陜西省的區(qū)域差異在逐漸加大，農(nóng)業(yè)績效的空間集聚性在減弱。鄭軍和史建民[8]利用SWOT分析方法對生態(tài)農(nóng)業(yè)績效評價構(gòu)建了指標(biāo)體系，歸納出影響生態(tài)農(nóng)業(yè)發(fā)展的主要因素。孫黎康和張目[9]采用因子分子法對四川省生態(tài)農(nóng)業(yè)進(jìn)行評價，從4個方面評價了四川省生態(tài)農(nóng)業(yè)的建設(shè)情況。綜上所述，對于生態(tài)農(nóng)業(yè)這一熱點話題，各省區(qū)的研究比較有限。前人研究方法包括層次分析法[10]、因子分析法[11]、數(shù)據(jù)包絡(luò)分析法[12]、主成分分析法[13]和實證分析法[14]等方法，生態(tài)農(nóng)業(yè)績效涉及農(nóng)業(yè)的方方面面，但是農(nóng)業(yè)統(tǒng)計數(shù)據(jù)較為復(fù)雜，為了能夠篩選出更多相關(guān)的指標(biāo)數(shù)據(jù)，文章選擇因子分析法，以貴州省9個市(州)為樣本，評價貴州省生態(tài)農(nóng)業(yè)的建設(shè)績效。

1 研究區(qū)概況

貴州省，簡稱“貴”或“黔”，位于我國西南，全省土地面積達(dá)17.61萬km2，全省屬于亞熱帶濕潤季風(fēng)氣候。該省現(xiàn)轄6個地級市、3個自治州和1個國家級新區(qū)，人口超過3555萬。貴州省屬于亞熱帶濕潤季風(fēng)氣候，全年降水量平均達(dá)到1 100mm，土地資源以山地和丘陵為主，耕地面積較少，人均耕地面積低于0.05hm2。近10年來，貴州省的農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展較為迅速，隨著貴州省2013年提出發(fā)展生態(tài)農(nóng)業(yè)，遵循生態(tài)學(xué)原理和先進(jìn)的科學(xué)技術(shù)進(jìn)行農(nóng)業(yè)生產(chǎn)，提高生產(chǎn)效率、減少環(huán)境污染、避免資源的浪費、減少環(huán)境的惡化、增加園林綠化、改善生態(tài)環(huán)境，促進(jìn)貴州農(nóng)業(yè)經(jīng)濟(jì)的轉(zhuǎn)變，生態(tài)農(nóng)業(yè)建設(shè)有較大的提高，農(nóng)業(yè)投入有所增加，糧食產(chǎn)量實現(xiàn)了較穩(wěn)定增長，加快農(nóng)業(yè)現(xiàn)代化的進(jìn)程。該研究對2016年貴州省生態(tài)農(nóng)業(yè)的發(fā)展情況進(jìn)行統(tǒng)計，整理如表1。

表1 貴州省生態(tài)農(nóng)業(yè)發(fā)展情況

2 研究方法和數(shù)據(jù)來源

2.1 研究方法

為了提高評價結(jié)果的準(zhǔn)確性和客觀性，堅持科學(xué)性、全面性、代表性、可操作性的原則，客觀地選擇評價貴州省生態(tài)農(nóng)業(yè)的指標(biāo)，構(gòu)建指標(biāo)評價體系，選擇適當(dāng)?shù)闹笜?biāo)利用因子分析法進(jìn)行分析。該文基于貴州省生態(tài)農(nóng)業(yè)發(fā)展的實際情況，農(nóng)業(yè)績效涉及到農(nóng)業(yè)的總體投入、農(nóng)業(yè)生產(chǎn)、農(nóng)民生活和環(huán)境影響等，綜合這幾個方面并參考相關(guān)文獻(xiàn)[7， 9]，考慮資金投入、產(chǎn)出能力、盈利能力和生態(tài)效益等方面選擇15個指標(biāo)來評價貴州省生態(tài)農(nóng)業(yè)績效，評價指標(biāo)詳見表2。

表2 貴州省生態(tài)農(nóng)業(yè)績效評價指標(biāo)

利用SPSS22.0軟件因子分析法對以上各指標(biāo)進(jìn)行分析，一般選擇主成分累計貢獻(xiàn)率大于85%的特征根數(shù)作為選擇的主成分個數(shù)。在確定主成分后，根據(jù)每個主成分在各個指標(biāo)上的評分，構(gòu)建線性關(guān)系式，計算每個主成分的得分情況及總得分情況。

2.2 數(shù)據(jù)來源

該文以貴州省9個市(州)作為研究對象，選取2016年的相關(guān)數(shù)據(jù)，對貴州省生態(tài)農(nóng)業(yè)績效進(jìn)行評價，所有數(shù)據(jù)來自于《貴州統(tǒng)計年鑒》。

3 結(jié)果與分析

3.1 貴州省生態(tài)農(nóng)業(yè)現(xiàn)狀分析

從表1可以看出遵義市和畢節(jié)市的耕地面積最大，糧食產(chǎn)量也最高，化肥施用量和農(nóng)業(yè)機(jī)械總動力也是最高的，說明遵義市和畢節(jié)市的生態(tài)農(nóng)業(yè)發(fā)展程度較高。從人口來看，遵義市和畢節(jié)市最高，分別為622.84萬人和664.18萬人，但是它們的人口密度卻不是最大的，而且其增長率也較低，分別為0.59%和0.54%，說明在較大人口基數(shù)下，這兩個城市在控制著人口的增長，減輕了生態(tài)農(nóng)業(yè)發(fā)展的壓力； 從投資產(chǎn)出比看，遵義市值最低，說明其生態(tài)農(nóng)業(yè)效益最高。貴陽市的耕地面積很少，僅為287.11萬hm2，糧食產(chǎn)量最低，但人口密度最大，達(dá)到了0.058 5人/km2，在投資產(chǎn)出比看，貴陽市最高為1.070 6，說明貴陽市生態(tài)農(nóng)業(yè)發(fā)展效益較低。觀察表中數(shù)據(jù)，可以發(fā)現(xiàn)其他城市的生態(tài)農(nóng)業(yè)發(fā)展處于中間水平。

3.2 基于主成分分析的生態(tài)農(nóng)業(yè)指標(biāo)分析

該文利用SPSS22軟件，采用因子分析法對貴州省9個市(州)的數(shù)據(jù)進(jìn)行分析，計算得到KMO值為0.703，大于0.5，并對變量因子進(jìn)行相關(guān)性分析，結(jié)果見表3。從表3中可以看出，X1(耕地面積)與X2(糧食產(chǎn)量)、X3(化肥施用量)、X13(機(jī)械總動力)具有顯著正相關(guān)性。X2(糧食產(chǎn)量)與X3(化肥施用量)、X4(人口)、X13(機(jī)械總動力)之間有正相關(guān)性。同樣地，X3(化肥施用量)與X4(人口)、X13(機(jī)械總動力)之間，X4(人口)與X10(公共預(yù)算支出)X13(機(jī)械總動力)之間，X7(人均地區(qū)生產(chǎn)總值)與X8(人均可支配收入)、X9(公共預(yù)算收入)、X11(農(nóng)業(yè)固定資產(chǎn)投資)、X15(人口密度)之間，X8(人均可支配收入)與X9(公共預(yù)算收入)、X11(農(nóng)業(yè)固定資產(chǎn)投資)、X15(人口密度)之間，X9(公共預(yù)算收入)與X10(公共預(yù)算收入)、X11(農(nóng)業(yè)固定資產(chǎn)投資)、X15(人口密度)之間，X10(公共預(yù)算收入)與X11(農(nóng)業(yè)固定資產(chǎn)投資)之間，X11(農(nóng)業(yè)固定資產(chǎn)投資)與X15(人口密度)之間也都具有明顯的正相關(guān)性。X12與X13具有一定的負(fù)相關(guān)性(-0.517)，除了X14(投資產(chǎn)出比)與其他指標(biāo)不存在明顯的相關(guān)性，投資產(chǎn)出比是農(nóng)業(yè)固定資產(chǎn)投資與總產(chǎn)出的比值，它反映的是資產(chǎn)投入對農(nóng)業(yè)建設(shè)的促進(jìn)作用。根據(jù)表3的分析結(jié)果，去掉X14指標(biāo)，其他14個指標(biāo)之間均存在一定的相關(guān)性，說明從資金投入、產(chǎn)出能力和生態(tài)效益選出的這14個指標(biāo)適合進(jìn)行因子分析。

表3 各因子之間的相關(guān)性系數(shù)

表4 主成分分析的特征值和貢獻(xiàn)率

表4是利用主成分分析法得到的總方差，從表4中可以看出前兩個主成分的累計貢獻(xiàn)率為91.907%，已經(jīng)超過85%，足以解釋其他的成分信息，所以該文選擇第一主成分和第二主成分進(jìn)行分析。通過分析載荷矩陣(表5)，可以發(fā)現(xiàn)第一主成分在X5、X6、X7、X8、X9、X10、X11、X15上有較大的載荷，說明第一主成分對這8指標(biāo)的影響較大，可以把第一主成分歸納為社會投入與產(chǎn)出。第二主成分在X1、X2、X3、X4、X13上有較大的載荷，在X12上有一定的載荷，說明第二主成分對這6個指標(biāo)具有較大的影響，可以認(rèn)為第二主成分代表耕地投入與產(chǎn)出。從載荷矩陣可以看出，供給側(cè)的耕地投入與產(chǎn)出是生態(tài)農(nóng)業(yè)建設(shè)發(fā)展的基礎(chǔ)，耕地面積、糧食產(chǎn)量、化肥施用量、農(nóng)業(yè)人口和農(nóng)業(yè)機(jī)械總動力對生態(tài)農(nóng)業(yè)建設(shè)具有決定性作用。而社會的投入與產(chǎn)出對生態(tài)農(nóng)業(yè)建設(shè)具有促進(jìn)作用，同樣地，在人口增長的壓力下，地區(qū)生產(chǎn)總值、人均可支配收入、公共預(yù)算收入和支出、農(nóng)業(yè)固定資產(chǎn)投資等方面對生態(tài)農(nóng)業(yè)的績效也具有較大的影響。

表5 主成分載荷矩陣 表6 主成分評分系數(shù)矩陣

3.3 貴州省各市生態(tài)農(nóng)業(yè)發(fā)展分析

利用SPSS22.0軟件對貴州省9個市(州)的生態(tài)農(nóng)業(yè)指標(biāo)的原始數(shù)據(jù)構(gòu)建主成分得分系數(shù)矩陣，詳見表6。利用該矩陣構(gòu)建各主成分與X1～X13及X15之間的線性關(guān)系。其中，F(xiàn)1代表第一主成分，F(xiàn)2代表第二主成分，得出下面的2個線性關(guān)系式。

F1=0.010×X1+0.003×X2+0.013×X3+0.078×X4+0.121×X5+0.137×X6+0.119×X7+0.132×X8+0.136×X9+0.114×X10+0.139×X11-0.063×X12-0.002×X13+0.119×X15

(1)

F2=0.174×X1+0.172×X2+0.170×X3+0.140×X4-0.076×X5+0.026×X6-0.082×X7-0.031×X8-0.032×X9+0.091×X10+0.005×X11-0.091×X12+0.174×X13-0.067×X15

(2)

利用上述線性關(guān)系式(1)和(2)根據(jù)表2貴州省各市(州)生態(tài)農(nóng)業(yè)發(fā)展情況的數(shù)據(jù)，計算各市(州)的主成分得分和綜合得分，并根據(jù)得分情況進(jìn)行排名，如表7所示。從表7中可以看出第一主成分得分中，貴陽市得分最高為1.161 328萬，說明貴陽市社會投入和產(chǎn)出在生態(tài)農(nóng)業(yè)建設(shè)中效益最好； 黔東南州得分最低為5 589.341，說明社會投入和產(chǎn)出對生態(tài)農(nóng)業(yè)的貢獻(xiàn)率較低。從第二主成分來看，畢節(jié)市的得分最高為3.645 515萬，說明畢節(jié)市耕地投入與產(chǎn)出均比較高，耕地效益最高。相反，貴陽市的得分最低為4 601.877，說明貴陽市在耕地投入與產(chǎn)出方面的比重有待提高。從綜合得分來看，遵義市和畢節(jié)市的得分比較高，其次為黔南州和銅仁市，說明這4個市(州)的生態(tài)農(nóng)業(yè)建設(shè)較好。而安順市、六盤水市、貴陽市的生態(tài)農(nóng)業(yè)建設(shè)相對較弱。在該研究結(jié)果中發(fā)現(xiàn)，同一市(州)在主成分得分和總得分的排名上存在很大的差異，說明貴州省9個市(州)在不同層面的發(fā)展水平存在較大的差異。

表7 貴州省各市(州)生態(tài)農(nóng)業(yè)發(fā)展績效評分情況

4 結(jié)論與建議

4.1 結(jié)論

根據(jù)貴州省生態(tài)農(nóng)業(yè)發(fā)展情況看，遵義市和畢節(jié)市的生態(tài)農(nóng)業(yè)發(fā)展效益最好，貴陽市生態(tài)農(nóng)業(yè)發(fā)展效益較低。從9個市(州)在各個主成分上的得分及綜合得分來看，貴州省生態(tài)農(nóng)業(yè)發(fā)展具有地區(qū)發(fā)展不平衡的特點，各市(州)在生態(tài)農(nóng)業(yè)的不同層次上具有很大的差異性。綜合統(tǒng)計數(shù)據(jù)和研究結(jié)果，遵義市和畢節(jié)市的生態(tài)農(nóng)業(yè)效益最好，其次為黔南州和銅仁市； 而安順市、六盤水市、貴陽市的生態(tài)農(nóng)業(yè)建設(shè)相對較弱。

4.2 建議

從研究結(jié)果看，貴州省各市(州)生態(tài)農(nóng)業(yè)績效總體水平差異較大，地區(qū)之間發(fā)展不平衡，都面臨著經(jīng)濟(jì)發(fā)展和生態(tài)發(fā)展的重要任務(wù)。為了實現(xiàn)貴州省生態(tài)農(nóng)業(yè)的可持續(xù)發(fā)展，貴州省應(yīng)該加強(qiáng)以下幾個方面的建設(shè)。

從綜合得分來看，遵義市和畢節(jié)市的得分比較高，其次為黔南州和銅仁市，說明這4個市(州)的生態(tài)農(nóng)業(yè)建設(shè)較好。而安順市、六盤水市、貴陽市的生態(tài)農(nóng)業(yè)建設(shè)相對較弱。在該研究結(jié)果中發(fā)現(xiàn)，同一市(州)在主成分得分和總得分的排名上存在很大的差異，說明貴州省9個市(州)在不同層面的發(fā)展水平存在較大的差異

(1)加強(qiáng)政策引導(dǎo)和支持。在對各市生態(tài)農(nóng)業(yè)績效評價的同時，建立科學(xué)的生態(tài)補(bǔ)償機(jī)制，制定合理的政策，尤其是生態(tài)農(nóng)業(yè)建設(shè)相對較弱的幾個城市，更要堅持走低消耗、高效益的可持續(xù)發(fā)展道路。

(2)引進(jìn)先進(jìn)技術(shù)。調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，實現(xiàn)經(jīng)濟(jì)發(fā)展、糧食增產(chǎn)的雙贏，提高農(nóng)業(yè)研發(fā)資金的投入，利用檢測技術(shù)控制化肥施用量，提高化肥的使用效率，降低其流失率； 提高機(jī)械化程度，在保證生產(chǎn)效率的同時減少農(nóng)業(yè)生產(chǎn)中的廢物排放量。

(3)加大生態(tài)農(nóng)業(yè)的投入。首先，要加大對農(nóng)業(yè)經(jīng)營者的投入，引導(dǎo)各個經(jīng)營的主體按照生產(chǎn)目的合理投入，提高資源的利用效率，提高生產(chǎn)能力和生態(tài)效益。其次，合理增加對生產(chǎn)要素的投入，提高各要素的空間配置效率，促進(jìn)貴州省生態(tài)農(nóng)業(yè)績效的綜合提高。