李海鵬 羅麗 張雄 張俊飚

摘要 踐行“綠水青山就是金山銀山”理念，推進農(nóng)業(yè)綠色發(fā)展必須提高農(nóng)業(yè)能源效率。文章采用1995—2018年中國28個省份的面板數(shù)據(jù)，基于直接能源和間接能源兩個類別核算中國農(nóng)業(yè)能源投入，運用EBM（Epsilon-based Measure）混合距離函數(shù)模型測算農(nóng)業(yè)能源效率，利用核密度函數(shù)和空間自相關(guān)分析農(nóng)業(yè)能源效率動態(tài)演變，采用動態(tài)面板模型分析農(nóng)業(yè)能源效率影響因素。結(jié)果表明：①1995—2018年，中國農(nóng)業(yè)能源投入總量逐年上升，年均增長率為2%，能源投入結(jié)構(gòu)從間接能源為主轉(zhuǎn)變?yōu)橹苯幽茉礊橹?。中國農(nóng)業(yè)能源效率呈現(xiàn)“先上升-停滯-再迅速上升”的演進趨勢，總體上農(nóng)業(yè)能源效率偏低，存在較大提升空間。②1995—2018年，東、中、西部地區(qū)農(nóng)業(yè)能源效率年均增長率分別為2.7%、1.9%和1.4%，2018年東、中、西部地區(qū)農(nóng)業(yè)能源效率分別為0.81、0.71和0.59，地區(qū)間差距加速擴大，中西部地區(qū)農(nóng)業(yè)能源效率亟待提升。③1995—2018年，各省農(nóng)業(yè)能源效率出現(xiàn)兩極分化且絕對差距擴大。廣東、山東、江西、江蘇、遼寧、天津等省市農(nóng)業(yè)能源效率提升明顯，新疆、貴州、內(nèi)蒙古等省區(qū)農(nóng)業(yè)能源效率惡化。④1995—2018年，中國農(nóng)業(yè)能源效率不存在全局空間相關(guān)性，但2010年以來東部地區(qū)出現(xiàn)局部“高-高”集聚。⑤能源一期滯后項對農(nóng)業(yè)能源效率有顯著正向影響，農(nóng)業(yè)能源效率提升有時滯性。人力資本水平、農(nóng)民人均純收入和城鎮(zhèn)化水平對農(nóng)業(yè)能源效率有顯著正向影響，受災(zāi)率、二三產(chǎn)業(yè)發(fā)展水平、對外開放水平對農(nóng)業(yè)能源效率有顯著負向影響。在鄉(xiāng)村振興戰(zhàn)略實施過程中，應(yīng)該以中西部地區(qū)為重點，以職業(yè)農(nóng)民培育為關(guān)鍵，著重改善農(nóng)業(yè)生產(chǎn)條件，提升地區(qū)間協(xié)作水平，發(fā)揮二、三產(chǎn)業(yè)的帶動作用，增強農(nóng)業(yè)防災(zāi)減災(zāi)能力。

關(guān)鍵詞 EBM模型;動態(tài)面板模型;農(nóng)業(yè)能源效率;動態(tài)演變;影響因素

中圖分類號 F224;F323.21 文獻標(biāo)識碼 A 文章編號 1002-2104（2020）12-0105-11

DOI：10.12062/cpre.20200420

農(nóng)業(yè)生態(tài)經(jīng)濟系統(tǒng)是通過投入人工輔助能提高生產(chǎn)力的特殊生態(tài)系統(tǒng)，人工輔助能投入數(shù)量、結(jié)構(gòu)和類型決定了農(nóng)業(yè)生態(tài)經(jīng)濟系統(tǒng)的生產(chǎn)力水平。20世紀(jì)以來，隨著世界工業(yè)發(fā)展，煤炭石油類產(chǎn)品變得十分低廉且供應(yīng)充足，使得投入農(nóng)業(yè)的人工輔助能由人力畜力等生物輔助能轉(zhuǎn)變?yōu)榛茉吹裙I(yè)輔助能，極大提高了農(nóng)業(yè)生產(chǎn)力水平，顯著改善了世界食品供給，但同時也帶來了碳排放增加、面源污染加劇、生態(tài)系統(tǒng)退化等全球生態(tài)問題。改革開放以來，中國農(nóng)業(yè)高速發(fā)展離不開工業(yè)輔助能的大量投入，如1978—2018年中國化肥使用量、農(nóng)業(yè)機械總動力分別從884萬t、11 749.6萬kW增長到5 653.4萬t、10 037.2萬kW;1990—2018年，農(nóng)藥、農(nóng)膜使用量分別從73.62萬t、48.2萬t上升到150.4萬t、246.5萬t。雖然2015年實施化肥農(nóng)藥使用量零增長行動以來，中國農(nóng)藥、化肥使用量逐年減少，但是隨著農(nóng)業(yè)機械化水平提升[1]，預(yù)期農(nóng)業(yè)能源投入量仍將繼續(xù)增加，農(nóng)業(yè)發(fā)展對生態(tài)環(huán)境的脅迫效應(yīng)總體十分劇烈，短期內(nèi)中國仍然面臨農(nóng)業(yè)快速發(fā)展與生態(tài)環(huán)境保護之間的矛盾。中國若繼續(xù)走“石油農(nóng)業(yè)”老路，必然造成生態(tài)系統(tǒng)不可逆的破壞;若減少農(nóng)業(yè)產(chǎn)出又將影響食品供給安全，因此必須加快推進農(nóng)業(yè)發(fā)展觀革命，走綠色生態(tài)高效的現(xiàn)代農(nóng)業(yè)發(fā)展道路，實踐“既要綠水青山，也要金山銀山”的綠色發(fā)展理念。從農(nóng)業(yè)能源投入角度而言，必須提高農(nóng)業(yè)能源效率，加快實現(xiàn)農(nóng)業(yè)發(fā)展與化石能源投入脫鉤?；诖耍怂阒袊r(nóng)業(yè)能源投入量，測算農(nóng)業(yè)能源效率，并分析其演變規(guī)律和影響因素，具有重要的意義。

1 文獻回顧

能源效率測算是能源經(jīng)濟研究領(lǐng)域的重要問題。能源效率測算包括單要素效率測算法和全要素效率測算法[2]。由于單要素能源效率法沒有考慮生產(chǎn)過程中其他投入的補償效應(yīng)和替代效應(yīng)，以此衡量能源效率時，可能會夸大能源對經(jīng)濟的貢獻[2]，因此國內(nèi)外學(xué)者傾向于在全要素框架下進行能源效率綜合評價。

國外學(xué)者對農(nóng)業(yè)能源效率的研究集中于產(chǎn)業(yè)尺度。從農(nóng)業(yè)能源投入核算來看，一般分為直接能源和間接能源進行核算，直接能源包括人力、柴油、電力等，間接能源包括種子、化肥、農(nóng)家肥、農(nóng)藥等[3-6]。如Esengun等[7]通過問卷調(diào)查法研究土耳其干杏生產(chǎn)中的能源投入情況，發(fā)現(xiàn)化肥和農(nóng)藥是主要能源投入。Ghorbani等[8]比較旱地和灌溉地小麥生產(chǎn)，發(fā)現(xiàn)化肥和柴油在能源投入中占比最大，分別達到37%和24%，種植旱地小麥能源投入更少。Elsoragaby等[9]收集2004—2017年發(fā)表的120篇期刊文章，分析11種農(nóng)作物能源投入，研究發(fā)現(xiàn)電力、化肥和柴油分別貢獻了總能源投入的46%、20%和14%。Singh等[10]基于40位農(nóng)民訪談研究印度稻米產(chǎn)業(yè)能源投入產(chǎn)出，發(fā)現(xiàn)灌溉和化肥在能源投入中占比較高，分別達到40%和24.7%。在對能源效率評估模型中，有學(xué)者使用參數(shù)分析法進行估算，如Rahman等[11]通過采用隨機生產(chǎn)前沿方法，同時考慮影響生產(chǎn)的環(huán)境約束，估算了孟加拉國小麥種植的生產(chǎn)力和能源效率。Houshyar等[12]使用Cobb-Douglass計量經(jīng)濟模型分析了玉米生產(chǎn)能源效率。也有學(xué)者利用非參數(shù)分析法進行估算， Mousavi-Avval等[13]采用數(shù)據(jù)包絡(luò)分析法研究了伊朗蘋果生產(chǎn)的能源消耗和投入成本，認為電能和化學(xué)品投入存在較大節(jié)能空間，當(dāng)前能源投入可節(jié)約11.29%。Blancard等[14]以2007年法國農(nóng)場數(shù)據(jù)庫為基礎(chǔ)測算農(nóng)業(yè)能源效率，認為節(jié)能政策的推廣可以減少37%的能源投入。Bartzas等[15]測算2012—2016年希臘開心果產(chǎn)業(yè)的能源效率，結(jié)果表明能源效率約為70%。Kaab等[16]利用多目標(biāo)遺傳算法和數(shù)據(jù)包絡(luò)分析法對伊朗南部甘蔗園能源利用進行優(yōu)化，可分別節(jié)省20.90%和8.52%的能源投入。

國內(nèi)學(xué)者對農(nóng)業(yè)能源投入及效率的研究較少。從農(nóng)業(yè)能源投入核算看，最早由吳湘淦[17]對1978年中國農(nóng)業(yè)消耗的燃料、電力、飼料、化肥、農(nóng)藥等進行折算，發(fā)現(xiàn)中國農(nóng)業(yè)耗能約3億t標(biāo)準(zhǔn)煤。1997年以后，隨著《中國能源統(tǒng)計年鑒》編發(fā)，國內(nèi)學(xué)者在研究中大多直接利用區(qū)域能源平衡表所表示的第一產(chǎn)業(yè)能源終端消費數(shù)據(jù)進行分析，僅有牛亮云等[18]、李楠[19]等在研究中將化肥、農(nóng)藥等間接能源納入農(nóng)業(yè)能源投入核算體系。從農(nóng)業(yè)能源效率研究看，咼小明等[20]將農(nóng)業(yè)能源強度的倒數(shù)作為農(nóng)業(yè)能源效率指標(biāo)，發(fā)現(xiàn)中國農(nóng)業(yè)能源利用效率總體呈下降趨勢。此后，隨著全要素生產(chǎn)率研究框架的完善，國內(nèi)學(xué)者更傾向于將納入農(nóng)業(yè)能源投入后所測算的全要素生產(chǎn)率作為農(nóng)業(yè)能源效率衡量指標(biāo)，如欒義君等[21]基于投入導(dǎo)向DEA模型，發(fā)現(xiàn)2002—2011年中國農(nóng)業(yè)能源效率小幅上升且地區(qū)差異明顯。于偉詠等[22]基于方向性距離函數(shù)，以碳排放為非期望產(chǎn)出，研究發(fā)現(xiàn)2000—2011年間碳排放強度低的地區(qū)農(nóng)業(yè)能源效率較高。冉啟英等[23]基于SBM模型，測算碳排放約束下中國農(nóng)業(yè)全要素能源效率，發(fā)現(xiàn)區(qū)域差異明顯。杜輝等[24]基于窗口DEA模型進行測度，發(fā)現(xiàn)2000—2016年區(qū)域間農(nóng)業(yè)能源效率差距縮小。Fei等[2]在考慮農(nóng)業(yè)技術(shù)異質(zhì)性的基礎(chǔ)上，采用共同前沿DEA模型測算，結(jié)果表明中國農(nóng)業(yè)能源效率整體水平較低，能源效率損失的主因在于管理效率低下。Zhihai等[25]采用DEA方法測度2001—2011年中國30個省份農(nóng)業(yè)全要素能源效率，發(fā)現(xiàn)農(nóng)業(yè)能源效率不斷提升但區(qū)域差異明顯，農(nóng)業(yè)密集區(qū)和能源豐富省份在農(nóng)業(yè)生產(chǎn)中能源效率相對較低。在能源效率測算基礎(chǔ)上，部分學(xué)者對農(nóng)業(yè)能源效率影響因素進行分析，如平衛(wèi)英[26]發(fā)現(xiàn)能源價格變動、技術(shù)進步分別對農(nóng)業(yè)能源效率有顯著的負向和正向影響;戴紅軍等[27]發(fā)現(xiàn)勞動力、資本、能源等要素價格波動對農(nóng)業(yè)能源效率有一定影響;周輝等[28]、冉啟英等[23]、魏琪等[29]均研究發(fā)現(xiàn)，農(nóng)村收入水平增長、農(nóng)業(yè)技術(shù)改善以及農(nóng)業(yè)產(chǎn)值占比增加都會對農(nóng)業(yè)能源效率起促進作用。

綜上所述，現(xiàn)有文獻為中國農(nóng)業(yè)能源效率研究奠定了基礎(chǔ)，但仍存在一定的改進空間。具體來說：從農(nóng)業(yè)能源投入核算看，現(xiàn)有研究較少將間接能源納入測算范圍，低估了農(nóng)業(yè)能源投入數(shù)量;從農(nóng)業(yè)能源效率測算看，現(xiàn)有研究測算的全要素生產(chǎn)率是包括能源投入、勞動力、土地等要素的一種綜合效率，以此為替代指標(biāo)將高估農(nóng)業(yè)能源效率;從農(nóng)業(yè)能源影響因素分析上，現(xiàn)有研究以靜態(tài)面板數(shù)據(jù)模型進行分析，忽視能源效率滯后項對當(dāng)期的影響，估計結(jié)果可能產(chǎn)生偏誤?；诖?，本文力求從三個方面進行創(chuàng)新：首先，從直接能源和間接能源兩個類別，測算1995—2018年中國農(nóng)業(yè)能源投入狀況;其次，運用EBM-DEA模型測算中國及各省考慮非期望產(chǎn)出的農(nóng)業(yè)能源效率，并分析其動態(tài)演變狀況;最后，在農(nóng)業(yè)能源效率影響因素理論分析基礎(chǔ)上，采用動態(tài)面板模型進行實證分析。

2 中國農(nóng)業(yè)能源效率測算

2.1 測算方法

目前測度能源效率主要采用數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）法。Tone[30]于2001年提出非角度非徑向的拓展式sbm模型（slack based model，SBM），有效解決了投入松弛帶來的非效率問題和生產(chǎn)過程包含的非期望產(chǎn)出問題。但由于農(nóng)業(yè)生產(chǎn)過程中，能源投入與非期望產(chǎn)出具有密切關(guān)聯(lián)，而其他投入變量則與非期望產(chǎn)出是可以分割的非徑向關(guān)系，因此SBM模型不能處理農(nóng)業(yè)生產(chǎn)中投入和產(chǎn)出變量同時具有徑向和非徑向特征的情形。2010年，Tone等[31]提出一種包含徑向與SBM兩類距離函數(shù)的混合模型，即EBM（epsilon-based measure）模型，該模型既考慮了投入目標(biāo)值與投入實際值之間的徑向比例，也能反映各投入之間差異化的非徑向松弛變量，能更加真實地反映評價單元的相對效率水平[32]。因此，本文采用EBM-DEA 模型來測算中國農(nóng)業(yè)能源效率。

2.1.1 考慮非期望產(chǎn)出的EBM模型

假設(shè)生產(chǎn)中存在K（k=1，2，…，K）個決策單元，每個決策單元的投入為x=（x1，…xN）∈R.N+，期望產(chǎn)出y=（y1，…yM）∈R.M+，非期望產(chǎn)出為b=（b1，…bJ）∈R.J+，本文結(jié)合考慮非期望產(chǎn)出的生產(chǎn)可能集假定，得到考慮非期望產(chǎn)出的EBM模型：

其中，λ為權(quán)重變量，ε和ω.-i為模型的核心參數(shù)，具體計算過程詳見Tone等[31]。被評價DMU的效率值為目標(biāo)函數(shù)的最優(yōu)解，即θ.*-εΣ.Ni=1ω.-iS.-*ixi0，該值越大表示生產(chǎn)過程中減少投入要素的空間越小，效率越高。由目標(biāo)函數(shù)的最優(yōu)解可以看出，考慮非期望產(chǎn)出的最優(yōu)效率值由兩方面的改進得到：①θ.*為徑向模型測算的徑向效率值，即圖1中由A改進到B，稱為“徑向改進”，徑向改進值CD=（1-θ.*）0C;②s.-*i為徑向改進后的最短前沿距離，即圖1

中由B改進到A′，稱為“松弛改進”，松弛改進值DE=s.-*i。投入指標(biāo)的徑向改進和松弛改進稱為“總改進量”，總改進值CE=CD+DE=（1-θ.*）0C+s.-*i。

2.1.2 全要素能源效率定義

在能源、土地、資本等多種投入下，EBM模型可以得出綜合農(nóng)業(yè)效率值，也可得出各項投入的總改進值。因此，通過EBM模型可以得出能源投入的總改進值，當(dāng)實際能源投入量（Actual Energy Input）進行改進后，可以得出目標(biāo)能源投入量（Target Energy Input），目標(biāo)能源投入量與實際能源投入量的比值即為全要素能源效率（Total-factor Energy Efficiency）。本文在Hu 等[33]和魏楚等[34]的基礎(chǔ)上將能源效率進一步表達為：

式（2）中，TFEEt表示t年度考慮非期望產(chǎn)出的全要素能源效率，TEIt表示t年度最優(yōu)生產(chǎn)前沿上目標(biāo)點的能源投入量，AEIt表示該年度的實際能源投入量，ESTt 表示該年度相對前沿過度投入的能源量， 即能源總改進量。目標(biāo)節(jié)能量ESTt包括徑向調(diào)整CD和松弛調(diào)整DE兩個部分。如圖1所示，x1代表能源投入，t年度的實際能源投入量AEIt=0C，目標(biāo)能源投入量TEIt=0E，總改進量ESTt=CE。其中，ESTt=CD+DE。

2.2 投入產(chǎn)出指標(biāo)選取

本文以廣義農(nóng)業(yè)（農(nóng)林牧漁業(yè)）為研究對象，使用1995—2018年中國內(nèi)地28個省份農(nóng)業(yè)投入產(chǎn)出面板數(shù)據(jù)（限于數(shù)據(jù)可得性，研究區(qū)域不包括西藏，并將重慶市并入四川省、海南省并入廣東省計算）。原始數(shù)據(jù)源自《中國國內(nèi)生產(chǎn)總值核算歷史資料：1952—2002》、歷年《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》和歷年各地統(tǒng)計年鑒。

2.2.1 農(nóng)業(yè)投入變量

投入變量包括農(nóng)業(yè)資本存量、勞動力、土地和能源。①農(nóng)業(yè)資本存量：借鑒李谷成等[35]、吳方衛(wèi)[36]等學(xué)者的研究，根據(jù)永續(xù)盤存法推算農(nóng)業(yè)資本存量，并對其按1978年的不變價格進行折算（單位：億元）。②勞動力投入：選取中國各?。ㄊ小⒆灾螀^(qū)）第一產(chǎn)業(yè)從業(yè)人數(shù)代表勞動力投入指標(biāo)（單位：萬人）。③土地投入：選取中國各?。ㄊ小⒆灾螀^(qū)）農(nóng)作物總播種面積作為耕地投入指標(biāo)（單位：k hm.2）。④能源投入指標(biāo)：分直接能源和間接能源兩個類別進行核算（單位：萬tce）。由于人力投入是具有主觀能動性的特殊投入，已作為勞動力投入納入分析框架，在能源投入測算時剔除人力勞動。因此直接能源投入包括原煤、汽油、柴油、電力、畜力，間接能源投入包括農(nóng)藥、化肥、農(nóng)膜、農(nóng)用機械。根據(jù)農(nóng)業(yè)生態(tài)學(xué)中的“能流”思想，將所有投入全部折算為等效能量值[19]。各項投入的能量折標(biāo)值參考李楠[19]、Yuan等[37]等學(xué)者的研究成果。

農(nóng)業(yè)能源投入總量核算公式為：

其中，EIO指農(nóng)業(yè)能源投入量，QIOi表示第i類農(nóng)業(yè)能源投入數(shù)量，EEVi表示第i類農(nóng)業(yè)能源投入等效的能量值。

其中，畜力投入量核算公式為：

其中，QIO指畜力投入量，NDA表示役畜投入數(shù)量，AWO表示役畜年均工作時間，取值為360 h[19]。

2.2.2 農(nóng)業(yè)產(chǎn)出變量

產(chǎn)出變量包括期望產(chǎn)出變量和非期望產(chǎn)出變量。①期望產(chǎn)出變量：選取中國各?。ㄊ小⒆灾螀^(qū)）第一產(chǎn)業(yè)增加值，對其按1978 年的不變價格進行折算（單位：億元），代表地區(qū)農(nóng)業(yè)產(chǎn)出指標(biāo)。②非期望產(chǎn)出變量：選取第一產(chǎn)業(yè)碳排放量作為非期望產(chǎn)出?；谝延醒芯砍晒?，從農(nóng)業(yè)投入、水稻生長與畜禽養(yǎng)殖3個方面對農(nóng)業(yè)碳排放量進行測度，并將結(jié)果統(tǒng)一折算為碳當(dāng)量（單位：萬t）。農(nóng)業(yè)碳排放折算系數(shù)參考李波等[38]、閔繼勝等[39]的研究。農(nóng)業(yè)碳排放計算公式如下：

其中，C指農(nóng)業(yè)碳排放總量，Cit代表第i類碳源第t年農(nóng)業(yè)碳排放量，Tit代表第i類碳源第t年的使用量，i代表第i類碳源的碳排放系數(shù)。

2.3 農(nóng)業(yè)能源效率測算結(jié)果分析

2.3.1 中國農(nóng)業(yè)能源投入總量及結(jié)構(gòu)演變特征

如圖2所示，研究期中國農(nóng)業(yè)能源投入總量從1995年的10 608萬tce增加到2018年的16 736萬tce，年均增長率達到2%。直接能源投入量從1995年的4 272萬tce增長到2018年的8 111萬tce，年均增長率為2.8%;間接能源投入量從1995年的6 335萬tce增長到2018年的8 624萬tce，年均增長率為1.4%。1995—2013年，間接能源投入量和直接能源投入量均呈上升態(tài)勢，間接能源投入量總體上是直接能源投入的兩倍，能源投入總量呈快速增長態(tài)勢。2014—2018年，間接能源投入量逐年下降，直接能源投入量逐年上升，能源投入總量呈緩慢增長態(tài)勢。2018年，直接能源投入量和間接能源投入量趨于相等，預(yù)期2020年后直接能源投入量將超過間接能源投入量。

2.3.2 中國農(nóng)業(yè)能源效率動態(tài)演變

圖3可以看出，1995—2018年間，中國農(nóng)業(yè)能源效率（TFEE）均值為0.52，最高值為2018年的0.7，最低值為1995年的0.44，農(nóng)業(yè)能源效率總體偏低，存在較大的提升空間。研究期中國農(nóng)業(yè)能源效率呈現(xiàn) “先上升-停滯-再迅速上升”的演進趨勢：第一階段（1995—2003），由于片面追求農(nóng)業(yè)產(chǎn)值，加上農(nóng)業(yè)生態(tài)環(huán)境持續(xù)惡化和農(nóng)業(yè)科技水平低下，TFEE值總體較低并呈緩慢上升態(tài)勢。第二階段（2004—2007），是中國農(nóng)業(yè)發(fā)展變革時期，2002年加入WTO后，中國農(nóng)產(chǎn)品開始面對國際競爭[40]，農(nóng)業(yè)經(jīng)濟發(fā)展陷入停滯。2004年中共中央出臺關(guān)于“三農(nóng)問題”的一號文件，2005年9月中國全面取消農(nóng)業(yè)稅，刺激農(nóng)業(yè)生產(chǎn)資料投入猛增，農(nóng)業(yè)能源投入快速增加。同時，該階段中國也進行了大規(guī)模農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，雖然有利于農(nóng)業(yè)能源效率提升，但是由于工程建設(shè)有一定時滯性，不能立即改善農(nóng)業(yè)投入產(chǎn)出結(jié)構(gòu)，使得中國農(nóng)業(yè)呈現(xiàn)“高投入低產(chǎn)出”態(tài)勢[21]，導(dǎo)致這一時期TFEE值出現(xiàn)停滯甚至下降趨勢。第三階段（2008—2018），由于中央高度重視“三農(nóng)”工作，財政涉農(nóng)資金投入不斷增加，中國農(nóng)業(yè)科技水平大幅提升，推動農(nóng)業(yè)發(fā)展方式從粗放型向集約型轉(zhuǎn)變，TFEE值年均增速達到2.4%。從近20年中國農(nóng)業(yè)能源效率不同階段呈現(xiàn)的演變特征來看，在有效控制農(nóng)業(yè)能源投入總量的基礎(chǔ)上，夯實農(nóng)業(yè)發(fā)展基礎(chǔ)、提高農(nóng)業(yè)科技水平是未來中國農(nóng)業(yè)綠色發(fā)展的關(guān)鍵所在。

進一步分析東、中、西三大地區(qū)農(nóng)業(yè)能源效率變化。1995—2018年東、中、西地區(qū)農(nóng)業(yè)能源效率呈現(xiàn)“加速擴大”的演進格局。1995年中部地區(qū)農(nóng)業(yè)能源效率最高，但東、中、西地區(qū)差距較小。隨著經(jīng)濟社會加速發(fā)展，東部地區(qū)農(nóng)業(yè)財政投入和社會投資迅速增加，引進了大量先進農(nóng)業(yè)技術(shù)，農(nóng)業(yè)生產(chǎn)條件迅速改善，使得東部地區(qū)TFEE值于1999年超過中部地區(qū)，在2018年達到0.81，年均增長率達到2.7%。同期由于落后的農(nóng)業(yè)生產(chǎn)條件限制，中西部地區(qū)農(nóng)業(yè)能源效率增長緩慢，TFEE值年均增長速度分別為1.9%和1.4%，可見中西部地區(qū)農(nóng)業(yè)能源效率存在較大的提升空間。

2.3.3 區(qū)域農(nóng)業(yè)能源效率動態(tài)演變

從省級層面來看，中國農(nóng)業(yè)能源效率地區(qū)差異更為顯著。圖4描述典型年份中國農(nóng)業(yè)能源效率的密度分布。從形狀上看，核密度函數(shù)由偏態(tài)單峰分布向雙峰分布過度，且峰度出現(xiàn)逐漸下降態(tài)勢，說明各省農(nóng)業(yè)能源效率出現(xiàn)兩極分化且絕對差距擴大。從位置上看，1995—2018年密度分布曲線中心右移，說明大多數(shù)省份農(nóng)業(yè)能源效率逐步提升。2010年和2018年主波峰在右側(cè)，說明中國農(nóng)業(yè)能源效率存在低值集聚。具體來看，1995—2018年，遼寧、吉林、福建、四川等省份農(nóng)業(yè)能源效率均值都在0.8以上，山西、貴州等省份均值在0.3以下。2018年四川、廣東、江西、福建、江蘇、吉林、遼寧、天津等省市TFEE值達到了1，農(nóng)業(yè)能源利用達到了最佳前沿面，而山西省TFEE值最低為0.28，農(nóng)業(yè)能源效率最低。比較不同時期農(nóng)業(yè)能源效率的散點分布，如圖5所示，廣東、山東、江西、江蘇、遼寧、天津等省市TFEE值依次按年份順序分布較為疏散，這些省份農(nóng)業(yè)能源效率提升速度較為明顯。除江西外，廣東、山東、江蘇、遼寧、天津都屬于東部地區(qū)，這一結(jié)果與前述分析結(jié)果一致。新疆、貴州、內(nèi)蒙古等省區(qū)TFEE值有一定倒退，尤其是內(nèi)蒙古2018年TFEE值比1995年還低，亟須采取針對措施提高農(nóng)業(yè)能源效率。

2.3.4 中國農(nóng)業(yè)能源效率的空間集聚分析

利用探索性空間分析方法分析中國農(nóng)業(yè)能源效率空間集聚特征。

（1）全局自相關(guān)分析。采用一階鄰接矩陣作為空間權(quán)重矩陣，計算中國農(nóng)業(yè)能源效率全局Morans I 值，如表1所示?？梢娭袊r(nóng)業(yè)能源效率不存在空間集聚特征，說明各省之間總體上不存在相互間的學(xué)習(xí)示范或產(chǎn)業(yè)協(xié)同，應(yīng)當(dāng)加快各省之間的農(nóng)業(yè)產(chǎn)業(yè)交流和協(xié)作發(fā)展。

（2）局部自相關(guān)分析。計算局部Morans I 值，如表2所示。可見中國農(nóng)業(yè)能源效率空間集聚類型以“低-高”“高-低”集聚類型為主。2010年“高-高”集聚的省份為黑龍江、吉林，“低-低”集聚的省份為寧夏、四川、甘肅和陜西。2018年“高-高”集聚的省份為黑龍江、吉林、江蘇、上海、福建，“低-低”集聚的省份為寧夏和四川。從近10年看，中國農(nóng)業(yè)能源效率逐漸在東部地區(qū)形成了高值集聚熱點，說明東部地區(qū)逐步出現(xiàn)省際的農(nóng)業(yè)產(chǎn)業(yè)協(xié)同發(fā)展和農(nóng)業(yè)技術(shù)的學(xué)習(xí)示范。

3 中國農(nóng)業(yè)能源效率影響因素分析

3.1 影響因素選取

當(dāng)前一般采用環(huán)境壓力模型（IPAT）及其擴展STIRPAT模型解釋能源消費影響機理。Ehrlich等[41]提出的IPAT模型認為經(jīng)濟體環(huán)境壓力或資源消耗的影響因素為人口、富裕度和技術(shù)水平。IPAT模型不允許各影響因素非單調(diào)、不同比例的變化，因此Dietz等[42]將IPAT 等式以隨機形式表示，建立了STIRPAT模型。本研究以STIRPAT模型為基準(zhǔn)，根據(jù)中國農(nóng)業(yè)特征及影響因素的特殊性進行改進[23，43-44]，選取影響農(nóng)業(yè)能源效率的分析指標(biāo)。原始數(shù)據(jù)中，受災(zāi)面積來自歷年《中國農(nóng)村統(tǒng)計年鑒》，農(nóng)村人均人力資本水平來自《中國人力資本報告2019》，其他數(shù)據(jù)均來自歷年《中國統(tǒng)計年鑒》。

3.1.1 核心解釋變量

根據(jù)IPAT模型以及STIRPAT模型中的人口、富裕度和技術(shù)類指標(biāo)，選擇核心解釋變量。①農(nóng)村經(jīng)濟發(fā)展水平，采用農(nóng)民人均可支配收入（RI）表示，單位千元。相關(guān)研究表明[23]，經(jīng)濟發(fā)展水平顯著影響農(nóng)業(yè)能源效率，居民收入越高越傾向于高效使用能源，預(yù)期農(nóng)村經(jīng)濟發(fā)展水平對農(nóng)業(yè)能源效率的影響為正。②人力資本水平，采用農(nóng)村人均人力資本水平（HC）表示。農(nóng)業(yè)技術(shù)進步主要附著于勞動力上，體現(xiàn)在人力資本水平高低。一般研究多用平均受教育年限作為替代指標(biāo)，存在不能綜合反映農(nóng)業(yè)勞動力年齡、健康狀況等問題，具有較大的局限性。本研究以中國人力資本與勞動經(jīng)濟研究中心編制的各省農(nóng)村人力資本水平作為替代指標(biāo)，預(yù)期人力資本水平對農(nóng)業(yè)能源效率的影響為正。

3.1.2 控制變量選擇

根據(jù)中國農(nóng)業(yè)特征引入影響農(nóng)業(yè)能源效率的控制變量。①農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，采用各省市非種植業(yè)產(chǎn)值占農(nóng)林牧漁總產(chǎn)值的比重表示（AI），單位%。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是農(nóng)業(yè)能源效率變化的重要原因[45]，種植業(yè)比重越低，則農(nóng)業(yè)投入產(chǎn)出效率越高。預(yù)期農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變量對農(nóng)業(yè)能源效率的影響為正。②受災(zāi)率，采用各省市受災(zāi)面積占農(nóng)作物總播種面積（DR）表示，單位%。農(nóng)業(yè)生產(chǎn)受自然氣候條件的影響較大，自然災(zāi)害會對農(nóng)業(yè)生產(chǎn)造成損失，預(yù)期受災(zāi)率對農(nóng)業(yè)能源效率的影響為負。③二、三產(chǎn)業(yè)發(fā)展水平，采用二、三產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比重（IS）表示，單位%。二、三產(chǎn)業(yè)發(fā)展水平既會造成社會資源從農(nóng)業(yè)流出，又會因技術(shù)外溢促進農(nóng)業(yè)發(fā)展，對農(nóng)業(yè)能源效率影響不能確定。④對外開放水平，采用進出口總額占地區(qū)生產(chǎn)總值比重（OP）表示，單位%。對外開放水平有利于引進國外先進技術(shù)和經(jīng)驗[44]，預(yù)期對農(nóng)業(yè)能源效率的影響為正。⑤城鎮(zhèn)化水平，采用城鎮(zhèn)人口占總?cè)丝诒戎兀║L）表示，單位%。城鎮(zhèn)化促進農(nóng)業(yè)勞動力轉(zhuǎn)移，有利于實現(xiàn)農(nóng)業(yè)規(guī)?；a(chǎn)和產(chǎn)業(yè)化經(jīng)營，預(yù)期對農(nóng)業(yè)能源效率的影響為正。

3.2 模型構(gòu)建

本研究選取農(nóng)業(yè)能源效率為被解釋變量，并對相關(guān)變量進行對數(shù)化處理。由于能源效率變化具有路徑依賴慣性，是連續(xù)動態(tài)進行調(diào)整的過程，農(nóng)業(yè)能源效率很可能存在滯后效應(yīng)，因此有必要引入農(nóng)業(yè)能源效率滯后項以控制滯后效應(yīng)。由于在模型中引入被解釋變量滯后項，導(dǎo)致解釋變量與隨機擾動項相關(guān)，因此隨機效應(yīng)估計量和固定效應(yīng)估計量都是有偏的[46]。Arellano 等[47]、Blundell 等[48]提出廣義矩陣估計法（Generalized Method of Moments，GMM）可以解決上述問題。GMM法包括差分GMM、水平GMM和系統(tǒng)GMM三種方法，其中系統(tǒng)GMM估計能夠有效解決測量誤差、非時變遺漏變量和解釋變量內(nèi)生性問題[49]。因此，本文采用系統(tǒng)GMM方法進行估計。由于核心解釋變量中，農(nóng)民人均可支配收入和人力資本水平之間可能存在交互效應(yīng)，因此在解釋變量中，引入農(nóng)民人均可支配收入和人力資本水平交互項，構(gòu)建動態(tài)面板模型為：

式（7）中，i和t分別表示區(qū)域和年度，ln為自然對數(shù)，μi和εit為不可觀測的個體效應(yīng)和隨機誤差項。當(dāng)式（7）系數(shù)a9為正時，農(nóng)民人均純收入和人力資本水平對農(nóng)業(yè)能源效率發(fā)揮互補相應(yīng)，反之，則發(fā)揮替代效應(yīng)。

3.3 模型檢驗

3.3.1 數(shù)據(jù)檢驗

（1）平穩(wěn)性檢驗。采用Fisher-ADF檢驗和Fisher-PP檢驗對面板數(shù)據(jù)進行平穩(wěn)性檢驗。如表3所示，原變量序列存在7個變量未通過檢驗，不能拒絕原假設(shè)，可見原序列并不平穩(wěn)。其一階差分的變量序列在5%水平下顯著，拒絕原假設(shè)，因此所有變量是一階單整序列，可以進行協(xié)整檢驗。

（2）多重共線性檢驗。在正式回歸前，為防止因變量存在多重共線性導(dǎo)致回歸結(jié)果偏誤，應(yīng)對因變量進行多重共線性檢驗。計算各解釋變量相關(guān)系數(shù)，發(fā)現(xiàn)均小于0.4;進一步考察方差膨脹因子，發(fā)現(xiàn)所有解釋變量均小于10，平均為4.95，因此判定因變量間不存在多重共線性，可用于協(xié)整檢驗和面板回歸。

（3）協(xié)整檢驗。采用Kao檢驗對面板數(shù)據(jù)進行協(xié)整檢驗。Kao檢驗統(tǒng)計值為-10.270 5，在1%顯著水平下拒絕變量之間不存在協(xié)整關(guān)系的假設(shè)，說明變量間具有穩(wěn)定的函數(shù)關(guān)系，因此可以進行回歸分析，擬合結(jié)果較為可信。

3.3.2 結(jié)果檢驗

使用Stata15軟件對模型進行回歸，表4報告了含交互效應(yīng)和不含交互效應(yīng)的模型回歸結(jié)果。模型1包含能源效率滯后項、核心解釋變量、受災(zāi)率、二、三產(chǎn)業(yè)發(fā)展水平等變量，模型4在模型1的基礎(chǔ)上加入人力資本水平和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變量的交互項。為檢驗?zāi)Ｐ偷姆€(wěn)健性，模型3～4、模型5～6分別在模型1、模型2的基礎(chǔ)上，依次加入對外開放水平和城鎮(zhèn)化水平變量。模型1～6通過1%水平下的Wald顯著性檢驗，說明整體線性關(guān)系顯著。從表4中AR（1）、AR（2）的檢驗值可以看出，系統(tǒng)GMM方法估計不能拒絕模型干擾項沒有二階序列相關(guān)的原假設(shè)，因此系統(tǒng)GMM 估計量是一致的。另外，表4中的結(jié)果顯示，Sargan 檢驗不能拒絕原假設(shè)，因此工具變量的選擇是可靠的，說明系統(tǒng)GMM估計是有效的。從模型的回歸結(jié)果看，模型1～6的各變量參數(shù)估計值的顯著性和方向基本保持一致，說明模型具有較高穩(wěn)健性。

3.4 結(jié)果分析

如表4所示，能源效率一期滯后項和農(nóng)業(yè)能源效率呈顯著正相關(guān)關(guān)系，滯后項每變動一個百分點，則當(dāng)期農(nóng)業(yè)能源效率上升6%左右，充分說明提高農(nóng)業(yè)能源效率具有時滯性，是連續(xù)、動態(tài)累積調(diào)整過程。

在核心解釋變量中，人力資本水平、農(nóng)民人均可支配收入和農(nóng)業(yè)能源效率呈1%顯著水平正相關(guān)，說明無論是提高人力資本水平還是農(nóng)民收入水平都有助于農(nóng)業(yè)能源效率提升。模型4和模型5顯示，人力資本水平和農(nóng)民人均可支配收入的交互項與農(nóng)業(yè)能源效率在10%水平顯著負相關(guān)。這表明，農(nóng)民人力資本水平和人均可支配收入對農(nóng)業(yè)能源效率的影響表現(xiàn)為“替代效應(yīng)”，即農(nóng)民人力資本和家庭收入同時提高，將相互弱化兩者對農(nóng)業(yè)能源效率提升的促進作用。從農(nóng)業(yè)生產(chǎn)現(xiàn)狀來看，其原因可能在于人力資本較高和家庭收入較高的農(nóng)民有可能減少農(nóng)業(yè)作業(yè)時間，將更多精力從事二、三產(chǎn)業(yè)，反而造成農(nóng)業(yè)經(jīng)營粗放程度更高，農(nóng)業(yè)能源效率更低。因此，提高農(nóng)業(yè)能源效率不僅需要提升農(nóng)民人力資本水平和家庭經(jīng)營水平，更應(yīng)建立職業(yè)農(nóng)民收入保障機制，穩(wěn)定農(nóng)民隊伍。

在控制變量中，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)業(yè)能源效率呈正相關(guān)關(guān)系，在模型1、模型2、模型4和模型5中均不顯著，但在加入城鎮(zhèn)化水平變量后出現(xiàn)顯著性，原因可能是農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)并沒有直接作用于農(nóng)業(yè)能源效率，而是通過城鎮(zhèn)化水平提升，對農(nóng)業(yè)能源效率產(chǎn)生作用。受災(zāi)率、二、三產(chǎn)業(yè)發(fā)展水平、對外開放水平和農(nóng)業(yè)能源效率呈顯著負相關(guān)關(guān)系。受災(zāi)率對農(nóng)業(yè)能源效率的影響與預(yù)期一致。二、三產(chǎn)業(yè)發(fā)展水平和對外開放水平對農(nóng)業(yè)能源效率的影響與預(yù)期不一致，說明對外開放水平提升和二、三產(chǎn)業(yè)發(fā)展對農(nóng)業(yè)的虹吸效應(yīng)明顯，因此應(yīng)該進一步加大對農(nóng)業(yè)發(fā)展的人才、資金和技術(shù)的支持。城鎮(zhèn)化水平和農(nóng)業(yè)能源效率呈顯著正相關(guān)關(guān)系，說明區(qū)域內(nèi)城鎮(zhèn)化發(fā)展有利于農(nóng)業(yè)剩余勞動力轉(zhuǎn)出和農(nóng)業(yè)投入產(chǎn)出結(jié)構(gòu)優(yōu)化，促進城鄉(xiāng)資源人口和信息的共享[50]。

4 結(jié) 論

本文以1995—2018年28個省市面板數(shù)據(jù)為研究單元，采用考慮非期望產(chǎn)出的EBM-DEA混合距離函數(shù)模型對中國及省際農(nóng)業(yè)能源效率進行測算，利用核密度函數(shù)和空間自相關(guān)分析農(nóng)業(yè)能源效率動態(tài)演變，最后利用動態(tài)面板模型分析影響農(nóng)業(yè)能源效率的因素，得出以下結(jié)論。

（1）中國農(nóng)業(yè)能源投入總量呈上升趨勢，年均增長率為2%，間接能源投入量和直接能源投入量從“均呈上升”態(tài)勢逐漸轉(zhuǎn)變?yōu)椤伴g接能源投入下降，直接能源投入上升”趨勢。中國農(nóng)業(yè)能源效率呈現(xiàn) “先上升-停滯-再迅速上升”的演進趨勢，夯實農(nóng)業(yè)發(fā)展基礎(chǔ)、提高農(nóng)業(yè)科技水平是未來中國農(nóng)業(yè)綠色發(fā)展的關(guān)鍵所在。

（2）東、中、西地區(qū)農(nóng)業(yè)能源效率呈現(xiàn)“加速擴大”的演進格局，農(nóng)業(yè)能源效率從中高西低逐漸轉(zhuǎn)變?yōu)闁|高西低格局。東、中、西地區(qū)農(nóng)業(yè)能源效率逐漸拉開差距，年均增長率分別為2.7%、1.9%、1.4%。中西部地區(qū)農(nóng)業(yè)能源效率增長緩慢，存在較大的提升空間。

（3）各省農(nóng)業(yè)能源效率出現(xiàn)兩極分化且絕對差距擴大，廣東、山東、江西、江蘇、遼寧、天津等省市農(nóng)業(yè)能源效率進步相對較快，新疆、貴州、內(nèi)蒙古農(nóng)業(yè)能源效率有所退步。2018年四川、廣東、江西、福建、江蘇、吉林、遼寧、天津等省市農(nóng)業(yè)能源利用達到了最佳前沿面，山西農(nóng)業(yè)能源利用效率最低。

（4）從全局相關(guān)分析看，中國農(nóng)業(yè)能源效率不存在空間集聚特征，各省之間總體上不存在相互間的學(xué)習(xí)示范或產(chǎn)業(yè)協(xié)同，應(yīng)當(dāng)加快各省之間的農(nóng)業(yè)產(chǎn)業(yè)交流和協(xié)作發(fā)展。從局部自相關(guān)看，中國農(nóng)業(yè)能源效率空間集聚類型以“低-高”“高-低”集聚類型為主，2010年以來逐漸在東部地區(qū)形成了高值集聚熱點，東部地區(qū)逐步出現(xiàn)省際的農(nóng)業(yè)產(chǎn)業(yè)協(xié)同發(fā)展和農(nóng)業(yè)技術(shù)學(xué)習(xí)示范。

（5）通過動態(tài)面板模型分析得知：能源一期滯后項對農(nóng)業(yè)能源效率有顯著正向影響，說明農(nóng)業(yè)能源效率提升有時滯性。人力資本水平和農(nóng)民人均純收入對農(nóng)業(yè)能源效率有顯著正向影響，但兩者交互效應(yīng)有負向影響，說明農(nóng)民人力資本和家庭收入同時提高，將相互弱化兩者對農(nóng)業(yè)能源效率提升的促進作用。受災(zāi)率、二三產(chǎn)業(yè)發(fā)展水平、對外開放水平對農(nóng)業(yè)能源效率有顯著負向影響，城鎮(zhèn)化水平對農(nóng)業(yè)能源效率有顯著正向影響。

本文的研究啟示在于：① 1995年以來農(nóng)業(yè)化學(xué)品投入減少使得農(nóng)業(yè)間接能源投入降低，但是機械化程度提升造成直接能源投入持續(xù)增長，中國農(nóng)業(yè)能源總量投入處于高位，對生態(tài)環(huán)境的壓力仍然較大。農(nóng)業(yè)機械化并不必然實現(xiàn)農(nóng)業(yè)綠色發(fā)展，必須系統(tǒng)設(shè)計農(nóng)業(yè)綠色發(fā)展路線圖。②中國農(nóng)業(yè)發(fā)展尤其是東部地區(qū)實踐證明，增加農(nóng)業(yè)財政投入，加快農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)、提升農(nóng)業(yè)技術(shù)水平能夠有效提升農(nóng)業(yè)能源效率。中西部地區(qū)農(nóng)業(yè)能源效率與東部地區(qū)的巨大差距，說明必須加快改善中西部地區(qū)農(nóng)業(yè)生產(chǎn)條件，依靠農(nóng)業(yè)科技發(fā)展，提升中西部地區(qū)“綠水青山轉(zhuǎn)換為金山銀山”的能力。③長期積累的人力資本是提升中國農(nóng)業(yè)技術(shù)水平的著力點，缺乏知識水平高的新時代職業(yè)農(nóng)民，先進生產(chǎn)技術(shù)不能得到有效組織和管理，就難以提升中國農(nóng)業(yè)能源效率。④農(nóng)業(yè)發(fā)展外部環(huán)境是阻礙農(nóng)業(yè)能源效率提升的關(guān)鍵。從本文的研究看，一方面受災(zāi)率顯著制約了農(nóng)業(yè)能源效率提升;另一方面二、三產(chǎn)業(yè)發(fā)展、對外開放水平提高也未能促進農(nóng)業(yè)能源效率提升。因此，從農(nóng)業(yè)能源效率提升角度而言，在鄉(xiāng)村振興戰(zhàn)略實施過程中，應(yīng)該以中西部地區(qū)為重點，以職業(yè)農(nóng)民培育為關(guān)鍵，著重改善農(nóng)業(yè)生產(chǎn)條件，提升地區(qū)間協(xié)作水平，發(fā)揮二、三產(chǎn)業(yè)的帶動作用，增強農(nóng)業(yè)防災(zāi)減災(zāi)能力，促進中國農(nóng)業(yè)邁向全球價值鏈中高端。

參考文獻

[1]GUO X D， ZHU L， FAN Y， et al. Evaluation of potential reductions in carbon emissions in Chinese provinces based on environmental DEA[J]. Energy policy， 2011， 39（5）：2352-2360.

[2]FEI R， LIN B. Energy efficiency and production technology heterogeneity in Chinas agricultural sector： a meta-frontier approach[J]. Technological forecasting and social change， 2016，109：25-34.

[3]BANAEIAN N， ZANGENEH M， OMID M. Energy use efficiency for walnut producers using data envelopment analysis （DEA）[J]. Australian journal of crop science， 2010， 4（5）：359-362.

[4]UNAKITAN G， HURMA H， YILMAZ F. An analysis of energy use efficiency of canola production in Turkey[J]. Energy， 2010， 35（9）：3623-3627.

[5]HAMEDANI S R， SHABANI Z， RAFIEE S. Energy inputs and crop yield relationship in potato production in Hamadan Province of Iran[J]. Energy， 2011， 36（5）：2367-2371.

[6]KAZEMI H， KAMKAR B， LAKZAEI S， et al. Energy flow analysis for rice production in different geographical regions of Iran[J]. Energy， 2015， 84：390-396.

[7]ESENGUN K， GNDZ O， ERDAL G. Input-output energy analysis in dry apricot production of Turkey[J]. Energy conversion and management，2007，48：592-598.

[8]GHORBANI R， MONDANI F. A case study of energy use and economical analysis of irrigated and dryland wheat production systems[J]. Applied energy，2011，88：283-288.

[9]ELSORAGABY S， YAHYA A， MAHADI M R， et al. Energy utilization in major crop cultivation[J]. Energy， 2019，173： 1286-1303.

[10]SINGH P， SINGH G， SODHI G. Energy auditing and optimization approach for improving energy efficiency of rice cultivation in south-western Punjab， India[J]. Energy， 2019，174： 269-279.

[11]RAHMAN S， HASAN M K. Energy productivity and efficiency of wheat farming in Bangladesh[J]. Energy， 2014，66：107-114.

[12]HOUSHYAR E，ZAREIFARD H R，GRUNDMANN P， et al. Efficiency of energy input for silage corn production： an econometric approach[J]. Energy， 2015，93：2166-2174.

[13]MOUSAVI-AVVAL S H， RAFIEE S， MOHAMMADI A. Optimization of energy consumption and input costs for apple production in Iran using data envelopment analysis[J]. Energy oxford，2011，36： 909-916.

[14]BLANCARD S， MARTIN E. Energy efficiency measurement in agriculture with imprecise energy content information[J]. Energy policy，2014，66：198–208.

[15]BARTZAS G， KOMNITSAS K. Life cycle analysis of pistachio production in Greece[J]. The science of the total environment， 2017， 595：13-24.

[16]KAAB A， SHARIFI M， MOBLI H， et al. Use of optimization techniques for energy use efficiency and environmental life cycle assessment modification in sugarcane production[J]. Energy， 2019， 181：1298-1320.

[17]吳湘淦.我國能源結(jié)構(gòu)分析與農(nóng)業(yè)現(xiàn)代化[J].農(nóng)業(yè)工程，1980（3）：7-15.

[18]牛亮云，侯博，吳林海.基于灰關(guān)聯(lián)熵的中國農(nóng)業(yè)能源投入與糧食產(chǎn)出關(guān)系研究[J].財貿(mào)研究，2012，23（2）：45-53.

[19]李楠. 中國農(nóng)業(yè)能源消費及溫室氣體排放研究[D].大連：大連理工大學(xué)，2014.

[20]咼小明，張宗益，康繼軍.我國農(nóng)業(yè)機械化進程中能源效率的影響因素研究[J].軟科學(xué)，2012，26（3）：51-56.

[21]欒義君，任杰.我國農(nóng)業(yè)全要素能源效率及其收斂性研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2014，35（5）：20-24.

[22]于偉詠，漆雁斌，李陽明.碳排放約束下中國農(nóng)業(yè)能源效率及其全要素生產(chǎn)率研究[J].農(nóng)村經(jīng)濟，2015（8）：28-34.

[23]冉啟英，周輝.環(huán)境約束下農(nóng)業(yè)全要素能源效率研究：基于SBM-TOBIT模型[J].經(jīng)濟問題，2017（1）：103-109.

[24]杜輝，黃杰.中國農(nóng)業(yè)能源效率的區(qū)域差異及動態(tài)演進[J].中國農(nóng)業(yè)資源與區(qū)劃，2019，40（8）：45-54.

[25]ZHIHAI Y ， DONG W ， TIANYI D ， et al. Total-factor energy efficiency in Chinas agricultural sector： trends， disparities and potentials[J]. Energies， 2018， 11（4）：853-865.

[26]平衛(wèi)英.中國農(nóng)業(yè)能源效率與能源價格、技術(shù)進步：基于VAR模型的實證分析[J].當(dāng)代經(jīng)濟管理，2012，34（9）：7-10.

[27]戴紅軍，孫濤，郭文，等.要素價格變動影響農(nóng)業(yè)能源效率的實證研究[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2016，21（5）：161-168.

[28]周輝，冉啟英，王宏森.我國農(nóng)業(yè)全要素能源效率及其影響因素分析[J].生態(tài)經(jīng)濟，2016，32（7）：133-138.

[29]魏瑋，文長存，崔琦，等.農(nóng)業(yè)技術(shù)進步對農(nóng)業(yè)能源使用與碳排放的影響：基于GTAP-E模型分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2018（2）：30-40.

[30]TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）：498-509.

[31]TONE K， TSUTSUI M. An epsilon-based measure of efficiency in DEA： a third pole of technical efficiency[J]. European journal of operational research， 2010， 207（3）：1554-1563.

[32]王曉嶺，何楓，武春友.環(huán)境約束下的能源效率國際比較：基于20國集團的實證檢驗[J].科技管理研究，2016，36（19）：248-255.

[33]HU J L， WANG S C. Total-factor energy efficiency of regions in China[J]. Energy policy，2006，34 （17）：3206–3217.

[34]魏楚，杜立民，沈滿洪.中國能否實現(xiàn)節(jié)能減排目標(biāo)：基于DEA方法的評價與模擬[J].世界經(jīng)濟，2010，33（3）：141-160.

[35]李谷成，范麗霞，馮中朝.資本積累、制度變遷與農(nóng)業(yè)增長：對1978—2011年中國農(nóng)業(yè)增長與資本存量的實證估計[J].管理世界，2014（5）：67-79，92.

[36]吳方衛(wèi).我國農(nóng)業(yè)資本存量的估計[J].農(nóng)業(yè)技術(shù)經(jīng)濟，1999（6）：34-38.

[37]YUAN S， PENG S B. Trends in the economic return on energy use and energy use efficiency in Chinas crop production[J]. Renewable & sustainable energy reviews， 2016，70：836-844.

[38]李波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放時空特征及影響因素分解[J].中國人口·資源與環(huán)境，2011，21（8）：80-86.

[39]閔繼勝，胡浩.農(nóng)產(chǎn)品對外貿(mào)易對我國農(nóng)業(yè)生產(chǎn)溫室氣體排放的影響研究[J].軟科學(xué)，2013，27（8）：55-59.

[40]王兵，楊華，朱寧.中國各省份農(nóng)業(yè)效率和全要素生產(chǎn)率增長：基于SBM方向性距離函數(shù)的實證分析[J].南方經(jīng)濟，2011（10）：12-26.

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

[42]DIETZ T， ROSA E A. Rethinking the environmental impacts of population， affluence and technology[J]. Human ecology review， 1994， 1 （2）：277-300.

[43]韓作生.農(nóng)業(yè)科技人力資本對農(nóng)業(yè)經(jīng)濟增長影響的實證分析：以山東省為例[J].山東大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2011（4）：86-92.

[44]孫駿，蔡賢恩.對外開放對福建農(nóng)業(yè)全要素生產(chǎn)率增長的影響研究：基于DEA與VAR的實證分析[J].技術(shù)經(jīng)濟，2010，29（10）：57-63.

[45]李建華，景永平.農(nóng)村經(jīng)濟結(jié)構(gòu)變化對農(nóng)業(yè)能源效率的影響[J].農(nóng)業(yè)經(jīng)濟問題，2011，32（11）：93-99.

[46]李群峰.動態(tài)面板數(shù)據(jù)模型的GMM估計及其應(yīng)用[J].統(tǒng)計與決策，2010（16）：161-163.

[47]ARELLANO M， BOND S. Some tests of specification for panel data： Montecarlo evidence and an application to employment equations[J].Review of economic studies， 1991， 58（2）：277-297.

[48]BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J].Journal of econometrics， 1998， 87（1）：115-143.

[49]賈中華，梁柱.貿(mào)易開放與經(jīng)濟增長：基于不同模型設(shè)定和工具變量策略的考察[J].國際貿(mào)易問題，2014（4）：14-22.

[50]朱莊瑞，藏波.房地產(chǎn)市場促進城鎮(zhèn)化建設(shè)的作用機理與協(xié)調(diào)發(fā)展研究[J].中國人口·資源與環(huán)境，2016，26（9）：116-122.

（責(zé)任編輯：劉照勝 ）