王艷偉，黃宜

（1. 云南農(nóng)業(yè)大學(xué) 建筑工程學(xué)院，云南 昆明 650201；2. 云南農(nóng)業(yè)大學(xué) 經(jīng)濟管理學(xué)院，云南 昆明 650201）

農(nóng)業(yè)是國家經(jīng)濟發(fā)展的基礎(chǔ)，也是社會發(fā)展的保障。農(nóng)業(yè)高質(zhì)量發(fā)展為國家經(jīng)濟社會高質(zhì)量持續(xù)發(fā)展提供了強有力支撐。改革開放以來，中國農(nóng)業(yè)生產(chǎn)取得了舉世矚目的成就，但是以往粗放式的農(nóng)業(yè)生產(chǎn)方式帶來了一系列諸如農(nóng)業(yè)面源污染、自然資源浪費與生態(tài)效率低下等問題[1]。因此，如何提升農(nóng)業(yè)資源配置效率和水平，提高農(nóng)業(yè)生態(tài)效率，促進農(nóng)業(yè)綠色發(fā)展、生態(tài)發(fā)展、可持續(xù)發(fā)展和高質(zhì)量發(fā)展具有重要意義。

后疫情時代，世界糧食發(fā)展與安全格局發(fā)生新變化。穩(wěn)定發(fā)展糧食生產(chǎn)，繼續(xù)解決好吃飯問題，是國家治理的頭等大事。中國13個糧食主產(chǎn)區(qū)糧食產(chǎn)量占糧食總產(chǎn)量的75%以上，對于中國糧食安全起著至關(guān)重要的作用。因此，本文以中國13個糧食主產(chǎn)區(qū)為研究范圍，探討農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率（AEE）的影響，以期改善農(nóng)業(yè)資源配置結(jié)構(gòu)，進一步提升中國農(nóng)業(yè)生態(tài)效率水平。

1 文獻綜述

德國學(xué)者Schaltegger等于1990年最早提出生態(tài)效率概念。農(nóng)業(yè)生態(tài)效率是在生態(tài)效率的基礎(chǔ)上衍生而來的，目前還沒有比較統(tǒng)一的定義[2-3]，Kicherer等[4]認為生態(tài)效率的理論起源于西方國家，許滌新[5]則指出生態(tài)效率在農(nóng)業(yè)領(lǐng)域中的運用開始于中國。已有學(xué)者針對農(nóng)業(yè)生態(tài)效率的測度和影響因素開展了諸多研究，呂彬和楊 建 新[6]、Odum[7]、Rees[8]、Lio & Hu[9]、魏 權(quán) 齡[10]分別采用生命周期法（LCA）、能值分析法、生態(tài)足跡法、隨機前沿法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）等對農(nóng)業(yè)生態(tài)效率進行了測算，汪亞琴和姚順波[11]等對我國30個省份的農(nóng)業(yè)生態(tài)效率的時空分異及其影響進行了分析；王辰璇和姚佐文[12]研究了農(nóng)業(yè)科技投入對農(nóng)業(yè)生態(tài)效率影響的空間溢出效應(yīng)與門檻特征；徐維祥等[13]認為我國農(nóng)業(yè)生態(tài)效率區(qū)域差異明顯，整體上存在“W”型波動規(guī)律。

資源錯配的研究可追溯到Syrquin[14]對于重新配置資源可提升效率的研究。已有學(xué)者對于資源錯配的研究主要集中在測度方法和資源錯配的影響。對于測度方法方面，一是以Hsieh & Klenow[15]的模型為基礎(chǔ)來測算資源錯配情況，二是利用區(qū)域?qū)用婊虍a(chǎn)業(yè)層面的數(shù)據(jù)，根據(jù)C-D生產(chǎn)函數(shù)來估算資源錯配指數(shù)[16]。楊仲山和謝黎[17]認為地方財政支出和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整加深了人力資本的錯配程度，居民消費水平和信息化程度的提升有助于緩解錯配；鄭宏運和李谷成[18]提出農(nóng)業(yè)資源再配置具有較大的潛在生產(chǎn)率效應(yīng)；韓峰等[19]研究了土地資源錯配對霧霾污染的影響；雷紹海等[1]認為我國農(nóng)業(yè)生產(chǎn)要素的錯配程度不斷改善，農(nóng)業(yè)經(jīng)驗規(guī)模、種植結(jié)構(gòu)和經(jīng)濟發(fā)展水平是影響錯配的決定因素。

現(xiàn)有文獻對本研究具有較好的參考價值，但在農(nóng)業(yè)生態(tài)效率測算中較少考慮農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量和農(nóng)業(yè)碳吸收量等期望產(chǎn)出，且沒有系統(tǒng)研究農(nóng)業(yè)資源錯配如何影響農(nóng)業(yè)生態(tài)效率。論文的主要貢獻：①在測度農(nóng)業(yè)生態(tài)效率時，充分考慮農(nóng)業(yè)生態(tài)環(huán)境的貢獻和作用，把農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量和農(nóng)業(yè)碳排放吸收量作為期望產(chǎn)出來全面綜合地測度農(nóng)業(yè)生態(tài)效率；②分別采用靜態(tài)和動態(tài)面板數(shù)據(jù)模型測算了農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率的影響；③研究了農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量高低水平下，農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率影響的變化，并進一步對資本和勞動力在不足和過度時，農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率的影響進行了分析。

2 研究機理和假設(shè)

“資源錯配”是對“有效配置”這個最優(yōu)配置狀態(tài)的偏離。農(nóng)業(yè)生產(chǎn)要素在不同部門和地區(qū)間存在資源錯配的現(xiàn)象比較常見[20-21]，這使得在農(nóng)業(yè)生產(chǎn)過程中抑制農(nóng)業(yè)資源投入達到最優(yōu)水平，導(dǎo)致農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)碳吸收和農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值等期望產(chǎn)出減少，而農(nóng)業(yè)環(huán)境污染源等非期望產(chǎn)出增加，從而影響農(nóng)業(yè)生態(tài)效率的提高。因此，實現(xiàn)農(nóng)業(yè)可持續(xù)綠色發(fā)展，需要處理好生產(chǎn)要素配置與生態(tài)效率之間的關(guān)系。在此基礎(chǔ)上，我們假設(shè)：

假設(shè)1：農(nóng)業(yè)資源錯配會抑制農(nóng)業(yè)生態(tài)效率的提高。

農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值是農(nóng)業(yè)的重要產(chǎn)出，但未在農(nóng)業(yè)生態(tài)效率的研究中充分體現(xiàn)，本研究通過在農(nóng)業(yè)生態(tài)效率產(chǎn)出中加入生態(tài)系統(tǒng)服務(wù)價值量，肯定了其對農(nóng)業(yè)生態(tài)系統(tǒng)的貢獻，對農(nóng)業(yè)生態(tài)環(huán)境保護及鄉(xiāng)村生態(tài)振興具有重要的實踐意義。已有研究表明[22]，不同地區(qū)的農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量存在較大差異，在較高水平的農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值地區(qū)，會促進農(nóng)業(yè)綠色可持續(xù)發(fā)展，抑制資源錯配對于農(nóng)業(yè)生態(tài)效率的負面影響；在農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量較低的地區(qū)，資源錯配對農(nóng)業(yè)生態(tài)效率的影響會惡化。在此基礎(chǔ)上，我們假設(shè)：

假設(shè)2：不同水平的農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量下，農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率的影響不同。

假設(shè)2a：高水平的農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量下，農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率影響不明顯。

假設(shè)2b：低水平的農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量下，農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率影響明顯。

影響機理如圖1所示。

圖1 農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率影響機理圖

3 研究方法和數(shù)據(jù)選擇

3.1 農(nóng)業(yè)生態(tài)效率測度方法

（1）超效率模型。傳統(tǒng)DEA模型不用預(yù)先設(shè)定模型參數(shù)，排除人為權(quán)重的主觀影響，但當(dāng)DEA屬于徑向和角度的度量方法時，會造成投入要素的“擁擠”或者“松弛”，導(dǎo)致效率值的計算存在偏差。為克服以上不足，Tone[23]提出了SBM超效率模型，將包括環(huán)境污染等在內(nèi)的非期望產(chǎn)出納入目標(biāo)函數(shù)，對有效率DMU之間的差異進行了區(qū)分，使得模型結(jié)果更加精確。本研究選取超效率SBM模型，具體構(gòu)建如下：

式中：n為DMU的個數(shù)；j為第j個DMU；k為當(dāng)前效率計算的第k個DMU；xik、yrk、btk分別為投入指標(biāo)、期望產(chǎn)出和非期望產(chǎn)出指標(biāo)； 、 、 分別為投入、期望和非期望產(chǎn)出的松弛變量；p1和p2表示期望和非期望產(chǎn)出的數(shù)量；r和t分別表示第r、t個期望和非期望產(chǎn)出指標(biāo)；ρ為農(nóng)業(yè)生態(tài)效率值；λ為權(quán)重。

（2）農(nóng)業(yè)生態(tài)效率指標(biāo)的選取。農(nóng)業(yè)生態(tài)效率從本質(zhì)上來講是指農(nóng)業(yè)產(chǎn)出與農(nóng)業(yè)投入的比值，即以最小的環(huán)境代價和最少的資源投入獲取最大的農(nóng)業(yè)經(jīng)濟產(chǎn)出。為全面衡量資源消耗、農(nóng)業(yè)經(jīng)濟產(chǎn)出和環(huán)境保護三者之間的關(guān)系，在借鑒已有文獻[2,24]的基礎(chǔ)上，最終選取土地、勞動力、用水、機械、農(nóng)藥、化肥、農(nóng)膜、能源作為投入變量，以農(nóng)業(yè)總產(chǎn)值、生態(tài)系統(tǒng)服務(wù)價值量和農(nóng)業(yè)碳吸收量作為期望產(chǎn)出變量，非期望產(chǎn)出用農(nóng)業(yè)碳排放、農(nóng)業(yè)面源污染來表征?；诖藰?gòu)建中國糧食主產(chǎn)區(qū)農(nóng)業(yè)生態(tài)效率測度指標(biāo)體系，如表1所示。

表1 農(nóng)業(yè)生態(tài)效率測度指標(biāo)體系

期望產(chǎn)出中：①農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量。借鑒Constanza[25]、謝高地等[22]的研究，本文僅考慮農(nóng)田在調(diào)節(jié)服務(wù)、支持服務(wù)和文化服務(wù)等方面的經(jīng)濟價值，農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)價值量AVE=∑Sk×Ft×Wn，Sk表示農(nóng)業(yè)生態(tài)系統(tǒng)各類面積，F(xiàn)t表示t年農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)1個標(biāo)準(zhǔn)當(dāng)量因子的價值量，采用3 406.5元/hm2，Wn為n類農(nóng)業(yè)生態(tài)系統(tǒng)服務(wù)基礎(chǔ)當(dāng)量[26]。②農(nóng)業(yè)碳吸收量。借鑒已有研究[27-28]，僅考慮作物光合作用形成的凈初級生產(chǎn)量，農(nóng)業(yè)碳吸收量其中，Ci為某種農(nóng)作物的碳吸收量，k為農(nóng)作物種類數(shù)，ci為作物通過光合作用合成單位有機質(zhì)所需吸收的碳，Yi為作物的經(jīng)濟產(chǎn)量，r為作物經(jīng)濟產(chǎn)品部分的含水量，HIi為作物經(jīng)濟系數(shù)。

非期望產(chǎn)出中：①農(nóng)業(yè)碳排放。通過農(nóng)藥、化肥、農(nóng)膜、柴油、耕地和灌溉六個指標(biāo)并乘以相應(yīng)的排放系數(shù)來估算，根據(jù)相關(guān)文獻[29]，六類碳源的排放系數(shù)分別為：農(nóng)業(yè)灌溉20.476 kg/hm2、化肥0.896 kg/kg、農(nóng)膜5.18 kg/kg、柴油0.593 kg/kg、農(nóng)業(yè)耕作312.6 kg/hm2、農(nóng)藥4.934 kg/kg。②農(nóng)業(yè)面源污染排放。將化肥污染量、農(nóng)藥污染量和地膜殘留量通過熵值法合并成為農(nóng)業(yè)面源污染指數(shù)，用以表征農(nóng)業(yè)面源污染狀況。其中，參考以往研究對于各污染系數(shù)的估算成果得到[30]：地膜殘留量=地膜使用量×10.3%，化肥污染量=化肥施用量×(1-化肥利用率)=化肥施用量×65%，農(nóng)藥污染量=農(nóng)藥使用量×50%。

3.2 農(nóng)業(yè)資源錯配指數(shù)的測算

本文借鑒現(xiàn)有資源錯配的研究[14,31]建立農(nóng)業(yè)資源錯配的測算框架，由于土地不具備充分的流動性，在此僅測算農(nóng)業(yè)資本錯配指數(shù)和勞動力錯配指數(shù)。

（1）假定在整個經(jīng)濟發(fā)展過程中有i個地區(qū)并且在時期t所有農(nóng)戶的生產(chǎn)函數(shù)相同，以Cobb-Douglas生產(chǎn)函數(shù)為基礎(chǔ)，則該地區(qū)的生產(chǎn)函數(shù)具體形式如下：

對式（2）兩邊取對數(shù)得到計量模型如下：

式中：Yit表示地區(qū)i在時期t的農(nóng)業(yè)總產(chǎn)出，Ait表示該地區(qū)的農(nóng)業(yè)技術(shù)水平，Kit表示各地區(qū)投入的農(nóng)業(yè)資本，Lit表示各地區(qū)投入的農(nóng)業(yè)勞動力，βik、βil分別表示農(nóng)業(yè)資本和勞動力的邊際產(chǎn)出彈性，εit為隨機誤差項。

（3）假定整個經(jīng)濟體在t時期的要素供給是外生給定的，即

（4）農(nóng)業(yè)資源錯配的要素扭曲通過要素價格“稅”來反映，假設(shè)地區(qū)i所面臨的資本扭曲“稅”為τik，勞動力扭曲“稅”為τil，則地區(qū)i在時期t面臨的資本和勞動力的扭曲價格分別為(1+τik)Pik、(1+τil)Pil，其中Pik、Pil為完全競爭市場條件下的要素價格。為了使各地區(qū)間競爭達到均衡狀態(tài)，構(gòu)建地區(qū)i在t時期的利潤函數(shù)如下：

根據(jù)利潤最大化目標(biāo)，式（4）的最優(yōu)一階條件如下：

利用已有的文獻研究，進一步對資本扭曲系數(shù)τKi和勞動力扭曲系數(shù)τLi定義如下：

其中，γKi和γLi為要素價格絕對扭曲系數(shù)，在實際中一般采用價格相對扭曲系數(shù)來計算：

式中：Kit和Kit-1分別表示當(dāng)期和上一期的農(nóng)業(yè)資本存量；Iit表示當(dāng)期固定資本投資額，本研究采用農(nóng)林牧漁全社會固定資本投資額表示；Pit表示農(nóng)業(yè)投資價格指數(shù)，本研究采用農(nóng)業(yè)生產(chǎn)資料價格指數(shù)反映；δt為資本折舊率，依據(jù)李谷成等[32]的處理方法，取值為5.42%。基礎(chǔ)年份的農(nóng)業(yè)資本存量采用該年農(nóng)林牧漁全社會固定資本投資額除以農(nóng)林牧漁生產(chǎn)總值幾何平均增長率和折舊率之和得到。

3.3 計量模型構(gòu)建

（1）模型構(gòu)建。為了考察農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率的影響，本文建立如下計量模型：

3.人工成本部分。城鎮(zhèn)化推動農(nóng)村勞動力轉(zhuǎn)移、農(nóng)民階層分化，更多的農(nóng)戶外出務(wù)工，農(nóng)業(yè)、種糧成為“兼業(yè)”“副業(yè)”，農(nóng)村“弱者種地”“差者種糧”觀念逐漸形成，受比較收益和機會成本的影響，再加上農(nóng)業(yè)相對艱苦的經(jīng)營環(huán)境和較低的社會地位，必然催生農(nóng)業(yè)勞動力成本的逆轉(zhuǎn)上升，“保的賠不了，賠也賠不了多少”表明了當(dāng)今農(nóng)險的尷尬處境。總之，我國發(fā)展覆蓋“直接物化成本+地租”的農(nóng)業(yè)大災(zāi)保險，是順應(yīng)農(nóng)業(yè)生產(chǎn)經(jīng)營高成本時代的必然趨勢。

式中：AEEit表示地區(qū)的農(nóng)業(yè)生態(tài)效率，τKLit表示地區(qū)的資源錯配程度，是核心解釋變量，xijt表示其他控制變量，μi表示不可觀測的地區(qū)個體效應(yīng)，λi表示時間效應(yīng)，εit為隨機干擾項。

式（11）為靜態(tài)面板模型，考慮到經(jīng)濟慣性的影響，農(nóng)業(yè)生態(tài)效率可能存在一定的路徑依賴。因此，在式（11）的基礎(chǔ)上，加入農(nóng)業(yè)生態(tài)效率的一階滯后項，以反映可能存在的動態(tài)效應(yīng)。動態(tài)面板模型如下：

式中：AEEit-1表示農(nóng)業(yè)生態(tài)效率的一階滯后項。

（2）變量選取。本研究的被解釋變量為農(nóng)業(yè)生態(tài)效率（AEE）、核心解釋變量為農(nóng)業(yè)資源錯配（τKL），農(nóng)業(yè)生態(tài)效率除了受資源錯配的影響外，還受其他因素的影響，參考以往文獻，在計量模型中加入以下控制變量：

農(nóng)村居民人均純收入（inc），汪亞琴和姚順波[11]認為農(nóng)村居民可支配收入對AEE的空間分異具有一定的解釋能力，說明AEE與農(nóng)民收入水平相關(guān)，本文用農(nóng)村人均純收入表示；農(nóng)業(yè)機械密度（mech），徐維祥等[13]指出工業(yè)化水平提升為農(nóng)業(yè)生產(chǎn)提供了機械化支持，但農(nóng)業(yè)機械過度使用，導(dǎo)致非期望產(chǎn)出增加，對AEE產(chǎn)生了抑制作用，本文采用單位耕地面積機械化總動力衡量農(nóng)業(yè)機械密度；農(nóng)業(yè)從業(yè)人口（popu），隨著城鎮(zhèn)化進程的加快，主要勞動力外流，從事農(nóng)業(yè)人員減少，將會對AEE產(chǎn)生影響；農(nóng)業(yè)碳排放強度（carbon），在國家提出“雙碳”目標(biāo)的背景下，農(nóng)業(yè)碳排放受到越來越多的關(guān)注，成為農(nóng)業(yè)生態(tài)的影響因素之一，本文采用單位農(nóng)業(yè)增加值碳排放來衡量；農(nóng)業(yè)用水量（water），水作為農(nóng)業(yè)生產(chǎn)中不可或缺的重要資源，與農(nóng)業(yè)生態(tài)息息相關(guān)；機械與碳排放交互項（mecar），由于農(nóng)業(yè)機械化的推廣需要使用大量的能源，會造成農(nóng)業(yè)碳排放的增加，農(nóng)業(yè)機械動力和農(nóng)業(yè)碳排放兩者之間可能存在交互的影響，因此把二者的交互項作為控制變量來研究其對AEE的影響。具體如表2所示。

表2 變量因素的選擇

3.4 研究范圍及數(shù)據(jù)說明

本文選取的樣本為中國13個糧食主產(chǎn)區(qū)2005—2019年的平衡面板數(shù)據(jù)。各省份耕地面積、第一產(chǎn)業(yè)從業(yè)人員、農(nóng)林牧漁生產(chǎn)總值、農(nóng)業(yè)固定資產(chǎn)投資、農(nóng)業(yè)機械動力、農(nóng)藥、化肥、地膜等指標(biāo)來源于《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》以及各省份官方年鑒；農(nóng)業(yè)用水量數(shù)據(jù)來自《中國環(huán)境統(tǒng)計年鑒》，其中涉及的價格指標(biāo)均采用GDP不變價格指數(shù)以2005年為基期來處理。在本文中，分別對農(nóng)業(yè)生態(tài)效率（AEE）、資源錯配指數(shù)（τKL）、農(nóng)業(yè)從業(yè)人口（popu）、農(nóng)業(yè)用水量（water）、農(nóng)村居民人均純收入（inc）取對數(shù)，因機械密度、單位增加值農(nóng)業(yè)碳排放為相對數(shù)，在此不取對數(shù)，對所有變量做描述性統(tǒng)計分析，結(jié)果見表3。

表3 變量描述性統(tǒng)計分析結(jié)果

4 實證結(jié)果分析

4.1 農(nóng)業(yè)生態(tài)效率結(jié)果的分析

在本研究中，基于超效率SBM模型采用MaxDEA 8 Ultra軟件對2005—2019年13個糧食主產(chǎn)區(qū)的農(nóng)業(yè)生態(tài)效率進行測度，結(jié)果見圖2。

從圖2可以看出，13個糧食主產(chǎn)區(qū)的農(nóng)業(yè)生態(tài)效率平均值處于0.8～1.8之間。安徽、河北和山東的農(nóng)業(yè)生態(tài)效率平均值處于1以下，未到達完全有效水平，而內(nèi)蒙古、四川和黑龍江的農(nóng)業(yè)生態(tài)效率則高于1.6，說明農(nóng)業(yè)生態(tài)效率處于較高的水平。可能的原因是安徽、河北和山東的農(nóng)藥、化肥、農(nóng)膜使用量相對較高，導(dǎo)致化肥、農(nóng)藥殘留較高；雖然山東、河北的機械化程度也較高，但是消耗了較多的柴油，同時也影響了生態(tài)效率的提高。內(nèi)蒙古、四川和黑龍江農(nóng)膜、化肥和農(nóng)藥殘留較少，同時生態(tài)系統(tǒng)服務(wù)價值量較高，農(nóng)業(yè)碳吸收量相對較多，促進了農(nóng)業(yè)生態(tài)效率的提高。

注：AEE為不帶%的數(shù)據(jù)。

4.2 農(nóng)業(yè)資源錯配結(jié)果分析

本文利用2005—2019年13個省份的面板數(shù)據(jù)，采用最小二乘虛擬變量法（LSDV）對各省份的要素產(chǎn)出彈性進行估計，利用估計出的彈性系數(shù)根據(jù)式（8）、式（9）計算各省份的資本錯配指數(shù)τKi和勞動力錯配指數(shù)τLi，并計算出兩者絕對值的平均值τKLit，以此作為資源錯配程度。由于篇幅有限，給出2005年、2010年和2019年的資源錯配數(shù)據(jù)，如圖3所示。

從圖3可以看出，河南、黑龍江、河北、吉林、江西、遼寧、內(nèi)蒙古、山東8個省份的資源錯配指數(shù)呈現(xiàn)下降的態(tài)勢。內(nèi)蒙古、吉林、山東、湖北和河北的資源錯配指數(shù)相對較高，其中內(nèi)蒙古的資源錯配指數(shù)最高，錯配程度比較嚴(yán)重，最高在2010年到達1.65，后有所緩解，在2019年下降到1.48；吉林和山東的資源錯配指數(shù)處于同一水平，均在1.11～1.35之間波動，山東的資源錯配指數(shù)波動較為明顯，從2005年的1.29上升到1.35，后來又下降到2019年的1.11，資源配置改善程度明顯，錯配指數(shù)下降幅度較大，吉林的資源錯配指數(shù)穩(wěn)步下降，從2005年的1.34下降到2010年的1.30，再到2019年的1.22；湖南、河南、江蘇和江西的資源錯配指數(shù)相對較低，其中湖南的資源錯配指數(shù)最低，說明資本和勞動力配置較為合理，資源錯配指數(shù)在2010年達到最低水平為0.15。

注：τKL為不帶%的數(shù)據(jù)。

4.3 計量模型結(jié)果與分析

（1）面板數(shù)據(jù)平穩(wěn)性檢驗。在定量分析農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率的影響之前，必須首先檢驗各變量的序列穩(wěn)定性，通常用單位根來判斷其是否穩(wěn)定。在本研究中，LLC檢驗方法和Breitung檢驗方法用于同質(zhì)面板假設(shè)，F(xiàn)isher檢驗方法用于異質(zhì)面板假設(shè)。試驗結(jié)果如表4所示?？梢钥闯?，使用三種統(tǒng)計檢驗方法均通過了顯著性檢驗（P值＜0.05），每個變量都拒絕了單位根存在的零假設(shè)，這表明本文使用的面板數(shù)據(jù)具有良好的穩(wěn)定性。

表4 變量的單位根檢驗

（2）回歸分析。基于2005—2019年中國13個糧食主產(chǎn)區(qū)的面板數(shù)據(jù)，本研究采用靜態(tài)和動態(tài)面板模型進行估計，動態(tài)面板模型采用差分GMM方法，從表5的結(jié)果可以看出，動態(tài)面板模型通過了Arellano-Bond序列相關(guān)檢驗和Sargan檢驗，說明結(jié)果一致可靠。

表5 農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率的影響檢驗

靜態(tài)面板固定效應(yīng)模型和動態(tài)面板差分模型的估計結(jié)果均顯示核心解釋變量lnτKL對農(nóng)業(yè)生態(tài)效率的影響為負，且通過顯著性檢驗，驗證假設(shè)1。一定程度上說明，農(nóng)業(yè)資源錯配不利于農(nóng)業(yè)生態(tài)效率的提高。動態(tài)面板回歸結(jié)果還顯示，農(nóng)業(yè)生態(tài)效率的一階滯后項在5%的水平上顯著，一定程度上說明農(nóng)業(yè)生態(tài)效率存在一定的路徑依賴，過去的農(nóng)業(yè)生態(tài)效率會影響當(dāng)期的農(nóng)業(yè)生態(tài)效率水平。

對于其他控制變量，靜態(tài)面板固定效應(yīng)模型與差分GMM模型的估計結(jié)果有一定的差異。差分GMM的估計結(jié)果顯示，農(nóng)業(yè)資源錯配（lnτKL）對農(nóng)業(yè)生態(tài)效率的影響為負，一定程度上說明農(nóng)業(yè)資源的錯配會抑制農(nóng)業(yè)生態(tài)效率的提高，其可能原因在于，在農(nóng)業(yè)生產(chǎn)過程中，如果人力或資本投入沒有到達最優(yōu)平衡水平，就會造成農(nóng)業(yè)資源的過剩和不足，而農(nóng)業(yè)生產(chǎn)的期望產(chǎn)出卻沒有實質(zhì)性的提高，非期望產(chǎn)出反而會上升，致使農(nóng)業(yè)生態(tài)效率下降。農(nóng)村居民人均純收入（lninc）對農(nóng)業(yè)生態(tài)效率的影響顯著為負，說明農(nóng)民收入的增加一定程度上抑制了農(nóng)業(yè)生態(tài)效率的提高，可能原因是糧食主產(chǎn)區(qū)的農(nóng)民收入來源大部分是依靠外出務(wù)工所得，如果沒有好的農(nóng)業(yè)政策支持，不發(fā)展優(yōu)勢特色產(chǎn)業(yè)，僅僅靠傳統(tǒng)方式種田、種地很難實現(xiàn)收入的提高，因此農(nóng)民外出務(wù)工收入再次投入在改善農(nóng)業(yè)生產(chǎn)條件上的較少，沒有促進農(nóng)業(yè)生態(tài)效率的有效提升。農(nóng)業(yè)用水量（lnwater）對農(nóng)業(yè)生態(tài)效率的影響顯著為正，近年來，隨著農(nóng)業(yè)基礎(chǔ)設(shè)施的增加和完善，農(nóng)業(yè)灌溉得到了充分的保障，農(nóng)業(yè)生產(chǎn)受干旱等極端天氣影響較小，農(nóng)業(yè)用水的有效性促進了農(nóng)業(yè)生態(tài)效率的提高。農(nóng)業(yè)機械密度（mech）對農(nóng)業(yè)生態(tài)效率的影響顯著為正，一定程度上說明隨著農(nóng)業(yè)機械化程度的普及，種植和收割效率提高，有利于增產(chǎn)增收，從而促進了農(nóng)業(yè)生態(tài)效率的提升。單位增加值農(nóng)業(yè)碳排放（carbon）對農(nóng)業(yè)生態(tài)效率的影響為負，但是不顯著。農(nóng)業(yè)從業(yè)人口（lnpopu）對農(nóng)業(yè)生態(tài)效率的影響顯著為負，一定程度說明隨著城鎮(zhèn)化水平的提高，大量勞動力外出務(wù)工，人口外流，為了緩解勞動力不足，大量的農(nóng)業(yè)機械投入使用，使得農(nóng)業(yè)從業(yè)人口的減少反而促進農(nóng)業(yè)生態(tài)效率的提高。機械與碳排放的交互項（lnmecar）對農(nóng)業(yè)生態(tài)效率的影響顯著為負，說明農(nóng)業(yè)機械的大量使用導(dǎo)致了碳排放的增加，一方面雖然農(nóng)業(yè)機械提升了農(nóng)業(yè)生態(tài)效率，但是另一方面碳排放的增加會抑制農(nóng)業(yè)生態(tài)效率的提升，由于農(nóng)業(yè)機械耗能量較大，所以綜合下來兩者的交互項不利于農(nóng)業(yè)生態(tài)效率的提高。

（3）生態(tài)系統(tǒng)服務(wù)價值量的高低對農(nóng)業(yè)生態(tài)效率的影響。生態(tài)系統(tǒng)服務(wù)價值量對農(nóng)業(yè)生態(tài)效率有著積極的影響，也是近年來政府相關(guān)部門較為關(guān)心的問題之一。生態(tài)系統(tǒng)服務(wù)價值量不同的地區(qū)，資源錯配對農(nóng)業(yè)生態(tài)效率的影響會不同嗎？本研究把生態(tài)系統(tǒng)服務(wù)價值量超過8 000億元的地區(qū)定義為較高地區(qū)，8 000億元以下為較低地區(qū)，其中生態(tài)系統(tǒng)服務(wù)價值量較高的地區(qū)包括河南、黑龍江、山東、內(nèi)蒙古、河北、吉林、四川，其余地區(qū)為生態(tài)系統(tǒng)服務(wù)價值量較低的地區(qū)。同時采用靜態(tài)面板和動態(tài)面板模型進行估計，結(jié)果如表6所示。

表6 生態(tài)系統(tǒng)服務(wù)價值量不同的估計結(jié)果

表6中，HlnτKL代表生態(tài)系統(tǒng)服務(wù)價值量較高地區(qū)的資源錯配，LlnτKL代表生態(tài)系統(tǒng)服務(wù)價值量較低地區(qū)的資源錯配，靜態(tài)面板和動態(tài)面板估計結(jié)果顯示較高和較低地區(qū)的資源錯配對于農(nóng)業(yè)生態(tài)效率的影響均為負，但是較高地區(qū)的沒有通過顯著性檢驗，一定程度說明了在生態(tài)系統(tǒng)服務(wù)價值量較低的地區(qū)，農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率的負面影響較為顯著，由于生態(tài)系統(tǒng)服務(wù)價值量較高的地區(qū)在促進本身生態(tài)效率提高的同時，一定程度上緩解了資源錯配對農(nóng)業(yè)生態(tài)效率的影響，因此生態(tài)系統(tǒng)服務(wù)價值量較高地區(qū)的資源錯配對于農(nóng)業(yè)生態(tài)效率的不利影響相對較小，假設(shè)2、假設(shè)2a、假設(shè)2b得到驗證。

（4）穩(wěn)健性檢驗。本研究采用更換核心解釋變量和增加控制變量兩種方法來進一步檢驗結(jié)論的穩(wěn)健性。首先采用資源扭曲系數(shù) 替換原有的核心解釋變量lnτKL來衡量地區(qū)資源錯配程度，同時構(gòu)建靜態(tài)面板模型和動態(tài)面板模型，檢驗資源錯配與農(nóng)業(yè)生態(tài)效率的關(guān)系是否仍然成立。由于資本 和 勞動扭曲系數(shù)和存在大于0和小于0的情況，對其分別取絕對值后求平均得到 ，同時建立靜態(tài)面板模型和動態(tài)面板模型，結(jié)果如表7所示。

表7 替換自變量穩(wěn)健性檢驗

在考慮模型的動態(tài)效應(yīng)和可能存在的遺漏變量問題后，動態(tài)差分GMM的估計結(jié)果顯示資源扭曲系數(shù)對農(nóng)業(yè)生態(tài)效率的影響為負，且模型通過了Arellano-Bond序列相關(guān)檢驗和Sargan檢驗，表明差分GMM的估計結(jié)果是一致有效的。以扭曲系數(shù)替換原有的資源錯配指數(shù)后，回歸結(jié)果與上節(jié)中基本一致，說明在一定程度上表明本文的結(jié)論具有穩(wěn)健性。

其次，在原模型的基礎(chǔ)上通過增加水土流失治理面積（lnsoilcon）和農(nóng)業(yè)用電量（lnelectri）兩個控制變量，來對模型做穩(wěn)健性檢驗，同時建立靜態(tài)面板模型和動態(tài)面板模型。結(jié)果如表8所示

分別增加兩個控制變量后，靜態(tài)面板模型和動態(tài)面板模型的解釋變量和控制變量的系數(shù)方向與沒有增加之前保持一致，但動態(tài)面板模型估計結(jié)果與表8的估計結(jié)果更貼近，由此可見動態(tài)面板模型的穩(wěn)健性更好。

表8 增加解釋變量的穩(wěn)健性檢驗

從以上兩種穩(wěn)健性檢驗的結(jié)果可知，本研究的結(jié)論具有一定的可靠性。

5 進一步討論

地區(qū)的資源配置存在過度（τ＜0）和（τ＞0）不足兩種情況。在資源配置不同情況下可能會對農(nóng)業(yè)生態(tài)效率存在不同的影響，進而影響估計結(jié)果。因此，本文通過設(shè)置虛擬變量把資本和勞動力的錯配分為過度和不足，以考察估計結(jié)果是否存在差異。

由于資本和勞動力錯配指數(shù)存在正負兩種情況，此處利用資本和勞動力錯配的原始值τK和τL作為核心解釋變量，以農(nóng)業(yè)生態(tài)效率的原始值A(chǔ)EE作為被解釋變量，分別設(shè)置虛擬變量E和D，以及虛擬變量E和資本的交互項E×τK，虛擬變量D和勞動力的交互項D×τL，并把交互項加入到解釋變量中，估計結(jié)果如表9所示。

表9 資源配置過度和不足估計結(jié)果

從動態(tài)和靜態(tài)面板估計的結(jié)果來看，在資本過度（τK＜0）時，資本錯配與農(nóng)業(yè)生態(tài)效率均呈正相關(guān)關(guān)系，即τK增加時，農(nóng)業(yè)生態(tài)效率（AEE）也隨著增加，因為資本錯配在資本過度時小于0，故τK增加時其絕對值變小，資本錯配程度緩解，促進農(nóng)業(yè)生態(tài)效率的提高。在資本不足（τK＞0）時，靜態(tài)面板和動態(tài)面板的估計系數(shù)分別為-0.085(0.179-0.264)、-0.053(0.227-0.280)，資 本 錯配與農(nóng)業(yè)生態(tài)效率呈負相關(guān)關(guān)系，即在資本不足時，如果再減少資本的投入會抑制農(nóng)業(yè)生態(tài)效率的提高，且資本不足時的影響系數(shù)要小于資本過度時的系數(shù)，說明在資本配置過度時，如果及時采取措施不斷優(yōu)化資本配置方式減少錯配對農(nóng)業(yè)生態(tài)效率的影響，將有著較大的積極作用。在中國不斷踐行綠色發(fā)展理念和加強生態(tài)文明建設(shè)的背景下，政府會把更多的資本合理用于農(nóng)村生態(tài)環(huán)境治理和保護，間接地提高了生態(tài)系統(tǒng)服務(wù)價值等期望產(chǎn)出，減少了農(nóng)業(yè)碳排放等非期望產(chǎn)出，使得資本利用效率不斷提高，錯配程度得到緩解。資本錯配在過度和不足時的靜態(tài)和動態(tài)面板模型都通過了顯著性檢驗。

當(dāng)勞動力過度（τL＜0）時，勞動力錯配與農(nóng)業(yè)生態(tài)效率呈負相關(guān)關(guān)系，即當(dāng)農(nóng)業(yè)從業(yè)人口過剩時，如果τL增加時，則τL的絕對值減少，勞動力錯配有所緩解，但農(nóng)業(yè)從業(yè)人員過剩的緩解不會促進農(nóng)業(yè)生態(tài)效率的提高；當(dāng)勞動力不足（τL＞0）時，靜態(tài)和動態(tài)面板的估計系數(shù)分別為-0.145(-0.13-0.015)、-0.148(-0.047-0.101)，說明勞動力錯配與農(nóng)業(yè)生態(tài)效率仍呈負相關(guān)關(guān)系，即當(dāng)農(nóng)業(yè)從業(yè)人口不足時，如果再減少人口投入會抑制農(nóng)業(yè)生態(tài)效率的提高。但勞動力錯配只有在其過度配置時通過了靜態(tài)面板的顯著性檢驗，在勞動力不足時沒有通過靜態(tài)和動態(tài)面板模型顯著性檢驗?？赡茉蚴请S著中國糧食主產(chǎn)區(qū)農(nóng)業(yè)現(xiàn)代化水平的提高，大量的農(nóng)業(yè)機械投入使用代替了傳統(tǒng)勞動力的勞作，因此勞動力的過度和不足對于農(nóng)業(yè)生態(tài)效率的影響作用不明顯。

6 結(jié)論

（1）糧食主產(chǎn)區(qū)的農(nóng)業(yè)生態(tài)效率存在明顯的地區(qū)差異，安徽、河北和山東的農(nóng)業(yè)生態(tài)效率平均值處于1以下，內(nèi)蒙古、四川和黑龍江的農(nóng)業(yè)生態(tài)效率均值高于1.6。

（2）糧食主產(chǎn)區(qū)均存在一定程度的農(nóng)業(yè)資源錯配，且地區(qū)間差異顯著，內(nèi)蒙古的農(nóng)業(yè)資源錯配指數(shù)最高，錯配程度比較嚴(yán)重，但在考察期內(nèi)錯配程度有所緩解；湖南省的農(nóng)業(yè)資源錯配指數(shù)最低，說明農(nóng)業(yè)資源配置較為合理。

（3）靜態(tài)和動態(tài)面板模型估計結(jié)果均表明農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率存在顯著的負相關(guān)關(guān)系，且農(nóng)業(yè)生態(tài)效率存在一定的路徑依賴，同時，農(nóng)業(yè)生態(tài)效率還受到農(nóng)村居民人均純收入、農(nóng)業(yè)用水量、農(nóng)業(yè)機械密度、農(nóng)業(yè)從業(yè)人口等因素的影響，以上估計結(jié)果通過了穩(wěn)健性檢驗，一定程度上說明了結(jié)果的可靠性。

（4）生態(tài)系統(tǒng)服務(wù)價值量較低地區(qū)的農(nóng)業(yè)資源錯配對農(nóng)業(yè)生態(tài)效率存在顯著的負面效應(yīng)，而在生態(tài)系統(tǒng)服務(wù)價值量較高的地區(qū)則緩解了資源錯配對農(nóng)業(yè)生態(tài)效率的不利影響。

（5）當(dāng)資本配置過度時，如果資本錯配程度緩解會促進農(nóng)業(yè)生態(tài)效率的提高，當(dāng)資本不足時，如若再減少資本投入會抑制農(nóng)業(yè)生態(tài)效率的提高；當(dāng)勞動力配置過度時，如減少農(nóng)業(yè)從業(yè)人員不會促進農(nóng)業(yè)生態(tài)效率的提高，當(dāng)勞動力配置不足時，如再減少勞動力投入則會抑制農(nóng)業(yè)生態(tài)效率的提高。結(jié)果表明資本錯配對農(nóng)業(yè)生態(tài)的影響較為顯著，勞動力錯配對農(nóng)業(yè)生態(tài)效率的影響不明顯，一定程度上反映了中國糧食主產(chǎn)區(qū)農(nóng)業(yè)現(xiàn)代化導(dǎo)致了勞動力大部分被農(nóng)業(yè)機械所替代。