張德碩　李敬鎖

摘要：提高糧食生產(chǎn)生態(tài)效率對于推動黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展具有重要意義。基于黃河流域72地級市數(shù)據(jù)，運(yùn)用SBM-Undesirable模型測算糧食生產(chǎn)生態(tài)效率，運(yùn)用Kernel密度估計、Markov鏈及收斂模型等考察其時空演進(jìn)及斂散特征。結(jié)果表明：時序角度，黃河流域糧食生產(chǎn)生態(tài)效率在2006—2009年間逐年下降，由0.735 8降至0.661 2，在2010—2020年間波動上升，由0.664 2升至0.723 3，呈現(xiàn)出“先降后增”的時序特征，三大流域的效率均值分別為0.761 9、0.623 1和0.781 1，呈現(xiàn)出“下游＞上游＞中游”的長期穩(wěn)定關(guān)系，且存在兩極分化和空間非均衡特征；空間視角，黃河流域各地區(qū)糧食生產(chǎn)生態(tài)效率之間存在空間集聚現(xiàn)象，且效率的演進(jìn)表現(xiàn)出維持原狀態(tài)的穩(wěn)定性，短期內(nèi)較難實(shí)現(xiàn)跨越式轉(zhuǎn)移；收斂特征方面，黃河流域全樣本及上中下游各地區(qū)的糧食生產(chǎn)生態(tài)效率均不存在σ收斂，但存在顯著的絕對β收斂和條件β收斂。

關(guān)鍵詞：黃河流域；糧食生產(chǎn)生態(tài)效率；時空演進(jìn)；收斂性

中圖分類號：F326.11

文獻(xiàn)標(biāo)識碼：A

文章編號：20955553 （2023） 11027209

Spatial-temporal evolution and convergence of ecological efficiency of

grain production in the Yellow River Basin

Zhang Deshuo， Li Jingsuo

（School of Economics and Management （School of Cooperatives）， Qingdao Agricultural University， Qingdao， 266109， China）

Abstract：Improving the eco-efficiency of food production is of great significance for promoting ecological protection and high-quality development in the Yellow River Basin. Based on the data of 72 prefecture-level cities in the Yellow River Basin， the eco-efficiency of food production was measured using the SBM-Undesirable model， and its spatial and temporal evolution and convergence characteristics were examined using Kernel density estimation， Markov chain and convergence model. The results showed that， from the perspective of time series， the eco-efficiency of grain production in the Yellow River Basin decreased from 0.735 8 to 0.661 2 during 2006—2009， and increased from 0.664 2 to 0.723 3 during 2010—2020， showing a sequential feature of “first decreasing and then increasing”. The average efficiency values of the three basins were 0.761 9， 0.623 1 and 0.781 1， respectively， showing a long-term stable relationship of “downstream>upstream>midstream”， with the characteristics of polarization and spatial non-equilibrium. From a spatial perspective， there was a spatial clustering of grain production eco-efficiency among the Yellow River Basin regions， and the evolution of efficiency showed the stability of the original state， and it was also difficult to realize leapfrog transfer in the short term. In terms of convergence characteristics， there was no σ-convergence in the ecological efficiency of grain production in the whole sample of Yellow River Basin， and other regions in the upper， middle and lower reaches， but there was significant absolute β-convergence and conditional β-convergence.

Keywords：Yellow River basin; food production eco-efficiency; spatial and temporal evolution; convergence

0引言

黃河流域作為中國重要的農(nóng)牧業(yè)生產(chǎn)基地和“一帶一路”戰(zhàn)略性經(jīng)濟(jì)地帶，在保障中國社會經(jīng)濟(jì)發(fā)展和生態(tài)安全方面意義重大［1］。黃河流域涵蓋了黃淮海平原、汾渭平原、河套灌區(qū)等多個糧食主產(chǎn)區(qū)，2021年黃河流域9省區(qū)的糧食產(chǎn)量為238679kt，占全國糧食總產(chǎn)量的35%，對保障國家糧食安全發(fā)揮了重要作用。隨著黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展上升為國家戰(zhàn)略，客觀測度黃河流域各地市的糧食生產(chǎn)生態(tài)效率，探究其時空演進(jìn)特征和收斂性規(guī)律，對于加快黃河流域糧食生產(chǎn)綠色轉(zhuǎn)型、保障國家糧食安全具有重要的現(xiàn)實(shí)意義。

當(dāng)前學(xué)術(shù)界關(guān)于糧食生產(chǎn)生態(tài)效率的研究成果較為豐富，主要集中在水平測度、影響因素以及特定區(qū)域研究等方面。水平測度方面，各學(xué)者采用多樣的測度方法對糧食生產(chǎn)生態(tài)效率做出評價。陳寶珍等［2］采用DEA方法測算了2006—2015年中國各省糧食生產(chǎn)生態(tài)效率，其認(rèn)為全國糧食生產(chǎn)生態(tài)效率總體呈緩慢上升趨勢，糧食主產(chǎn)區(qū)生態(tài)效率增長幅度明顯。魯慶堯等［3］采用SBM模型對2000—2018年各省糧食生產(chǎn)生態(tài)效率進(jìn)行測算分析，認(rèn)為糧食生產(chǎn)生態(tài)效率的省際平均值較低，三大區(qū)域的糧食生產(chǎn)生態(tài)效率從西部、中部到東部，呈現(xiàn)顯著的遞減趨勢?？镞h(yuǎn)配等［4］采用SFA模型并結(jié)合水足跡理論對2005—2018年26個省份的糧食生產(chǎn)生態(tài)效率進(jìn)行測度，認(rèn)為中國糧食生產(chǎn)生態(tài)效率整體上呈波動性上升趨勢。影響因素研究方面，已有研究表明農(nóng)地流轉(zhuǎn)［4］、規(guī)?；?、機(jī)械化水平［5］、有效灌溉面積占比［6］、人均GDP［6］、和技術(shù)創(chuàng)新［7］等因素對糧食生產(chǎn)生態(tài)效率有著重要影響。在特定區(qū)域研究方面，李雪［8］對吉林省各市的糧食生產(chǎn)生態(tài)效率進(jìn)行測度，并對其進(jìn)行整體分析、地區(qū)差異性分析和效率損失分析。任志安等［9］對淮河生態(tài)經(jīng)濟(jì)帶展開研究，認(rèn)為淮河生態(tài)經(jīng)濟(jì)帶糧食綠色生產(chǎn)效率呈現(xiàn)波動中緩慢增長的趨勢，各地綠色發(fā)展水平區(qū)域差距明顯。張利國等［10］將研究視角聚焦到縣域角度，測算了鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)的傳統(tǒng)技術(shù)效率及考慮非期望產(chǎn)出的環(huán)境技術(shù)效率，研究表明傳統(tǒng)技術(shù)效率呈現(xiàn)“W型”的趨勢，而環(huán)境技術(shù)效率則呈現(xiàn)“U型”趨勢。崔楊［5］對江西省糧食生產(chǎn)生態(tài)效率進(jìn)行了測度，并運(yùn)用空間探索性分析方法對江西糧食生產(chǎn)生態(tài)效率的收斂性及空間關(guān)聯(lián)特征做出分析。

當(dāng)前基于“黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展”的國家戰(zhàn)略下，涉及黃河流域糧食生產(chǎn)生態(tài)效率的研究供給略顯不足。本文采用SBM-Undesirable模型對2006—2020年黃河流域72地市的糧食生產(chǎn)生態(tài)效率進(jìn)行測算，并運(yùn)用Kernel密度估計、Markov鏈及收斂模型等方法探究其時空演進(jìn)規(guī)律和收斂性特征。

1研究設(shè)計

1.1糧食生產(chǎn)生態(tài)效率指標(biāo)體系

糧食生產(chǎn)生態(tài)效率是對糧食生產(chǎn)效率和生態(tài)保護(hù)綜合要求的表達(dá)，兼顧了糧食產(chǎn)量與生態(tài)環(huán)境的雙重要求［3］。本文在綜合相關(guān)研究的基礎(chǔ)上［2， 5， 11］，遵循代表性、科學(xué)性和數(shù)據(jù)可得性原則，從要素投入、糧食產(chǎn)出和環(huán)境污染三個維度構(gòu)建糧食生產(chǎn)生態(tài)效率指標(biāo)體系。其中，投入要素選取土地投入X₁、機(jī)械投入X₂、化肥投入X₃、農(nóng)藥投入X₄、勞動力投入X₅和灌溉投入X₆。期望產(chǎn)出變量選取糧食總產(chǎn)量Y₁。非期望產(chǎn)出為糧食生產(chǎn)所帶來的各類碳排放U₁，由化肥、農(nóng)藥、翻耕、灌溉和農(nóng)機(jī)等碳源乘以相應(yīng)的碳排放系數(shù)加總得到。囿于篇幅，具體碳排放系數(shù)參見已有研究［5］，指標(biāo)說明詳見表1。

1.2模型構(gòu)建

1.2.1SBM-Undesirable模型

傳統(tǒng)DEA模型無法將生產(chǎn)所造成的環(huán)境負(fù)外部效應(yīng)納入測度范圍，因此本文采用Tone［12］提出的包含非期望產(chǎn)出的非徑向、非角度SBM-Undesirable模型，以期準(zhǔn)確測算黃河流域各地市的糧食生產(chǎn)生態(tài)效率，該模型表達(dá)式如式（1）所示。

1.2.2Markov鏈分析

Markov鏈為一種時間和狀態(tài)均為離散的Markov過程，通過構(gòu)建Markov概率轉(zhuǎn)移矩陣，可以分析黃河流域某一地市糧食生產(chǎn)生態(tài)效率向更高水平或者向更低水平類型轉(zhuǎn)移的可能性，從而反映出糧食生產(chǎn)生態(tài)效率變化過程中的變遷規(guī)律，具體計算公式參見已有研究［13］。

1.2.3收斂模型

收斂模型在經(jīng)濟(jì)學(xué)中的主要應(yīng)用于考察落后區(qū)域是否能對較發(fā)達(dá)區(qū)域?qū)崿F(xiàn)追趕，近年來收斂模型逐漸用于分析地區(qū)差異和演進(jìn)趨勢的研究中［14］。收斂模型包括σ收斂和β收斂兩種傳統(tǒng)收斂類型，β收斂又分為絕對β收斂和條件β收斂，本文采用上述三種收斂模型探究黃河流域糧食生產(chǎn)生態(tài)效率的斂散特征。

1）? σ收斂模型。σ收斂是指黃河流域各地市糧食生產(chǎn)生態(tài)效率的離差呈現(xiàn)出隨時序不斷縮小的態(tài)勢，本文采用變異系數(shù)法考察黃河流域全樣本及三大流域糧食生產(chǎn)生態(tài)效率的σ收斂特征，建立如式（2）所示的σ收斂檢驗(yàn)公式，其中n為第t年的地區(qū)樣本數(shù)，eff_it為i地區(qū)t年的效率值。

3）? 條件β收斂模型。條件β收斂是指在控制各影響因素后，黃河流域各地市的糧食生產(chǎn)生態(tài)效率將最終收斂至各自的穩(wěn)態(tài)水平。本文將影響糧食生產(chǎn)生態(tài)效率的本體因素及利用特征納入模型中，選取了如下控制變量：（1）糧食產(chǎn)業(yè)集聚，糧食生產(chǎn)在該地區(qū)的集聚有利于形成生產(chǎn)協(xié)同和規(guī)模優(yōu)勢，從而促進(jìn)糧食生產(chǎn)生態(tài)效率的提升，采用區(qū)位熵方法進(jìn)行測算。（2）農(nóng)作物受災(zāi)率，用受災(zāi)面積與農(nóng)作物總播種面積的比值表示［15］。（3）農(nóng)地經(jīng)營規(guī)模。農(nóng)地的規(guī)?；?jīng)營能夠在農(nóng)業(yè)生產(chǎn)中起到降低成本、提高效益、實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)的作用，選取人均農(nóng)作物播種面積來表示農(nóng)地經(jīng)營規(guī)模。（4）財政支農(nóng)水平。財政資金在完善農(nóng)村基礎(chǔ)設(shè)施、提升糧食生產(chǎn)能力等方面發(fā)揮著重要作用，本文采用地方農(nóng)林水務(wù)財政支出占GDP的比重來衡量。建立的檢驗(yàn)公式如式（4）所示。

1.3研究區(qū)域界定與數(shù)據(jù)來源

黃河流域是指黃河水系從源頭到入海所影響的地理生態(tài)區(qū)域，本文的研究區(qū)域以自然黃河流域?yàn)榛A(chǔ)，考慮到研究地域單元的完整性、區(qū)域發(fā)展與黃河直接關(guān)聯(lián)性為原則［16］，借鑒相關(guān)學(xué)者的成果［1719］，將研究區(qū)域界定為黃河流經(jīng)的九?。▍^(qū)），包括山東、河南、陜西、山西、內(nèi)蒙古、寧夏、甘肅、四川、青海在內(nèi)，且距黃河直線距離較近的共計72個地級市。黃河上中下游地區(qū)參照水利部黃河水利委員會的劃分，自河源至內(nèi)蒙古呼和浩特托克托縣為上游地區(qū)，托克托縣至河南鄭州桃花峪為中游地區(qū)，河南鄭州桃花峪至入?？跒橄掠蔚貐^(qū)，具體研究區(qū)域示意圖如圖1所示。

本文研究對象的數(shù)據(jù)來源于2006—2020年期間各省、各地市的統(tǒng)計年鑒（如《山西省統(tǒng)計年鑒》《太原市統(tǒng)計年鑒》）、《中國城市統(tǒng)計年鑒》以及國民經(jīng)濟(jì)統(tǒng)計公報等，囿于部分地級市的統(tǒng)計年鑒尚未更新至最新年度，故本文數(shù)據(jù)的樣本區(qū)間為2006—2020年，缺失數(shù)據(jù)采用線性插值法補(bǔ)全。

2黃河流域糧食生產(chǎn)生態(tài)效率測算與時空演進(jìn)

2.1黃河流域糧食生產(chǎn)生態(tài)效率測算與時序特征

根據(jù)前文構(gòu)建的糧食生產(chǎn)生態(tài)效率指標(biāo)體系，采用SBM-Undesirable模型測算了黃河流域各地市2006—2020年的糧食生產(chǎn)生態(tài)效率，測算結(jié)果如圖2所示。從圖2的均值折線圖可知，樣本期內(nèi)黃河流域全樣本的效率均值在2006—2009年間逐年下降，由0.735 8下降至0.661 2，在2010—2020年間波動上升，由0.664 2上升至0.723 3，整體上黃河流域糧食生產(chǎn)生態(tài)效率呈現(xiàn)出了“先降后增”的時序特征。具體來看，黃河上游和下游地區(qū)的糧食生產(chǎn)生態(tài)效率值始終高于平均水平，黃河中游地區(qū)的效率值始終低于平均水平，三大流域的效率值均值分別為0.761 9、0.623 1和0.781 1，呈現(xiàn)出下游＞上游＞中游的長期穩(wěn)定關(guān)系。黃河中游地區(qū)糧食生產(chǎn)生態(tài)效率較低，可能是由于黃河中游地區(qū)位于黃土高原，是水力侵蝕最為嚴(yán)重的區(qū)域，強(qiáng)烈的水土流失嚴(yán)重影響了耕地質(zhì)量和糧食生產(chǎn)。其次，該地區(qū)生態(tài)問題突出［20］，化工污染和農(nóng)業(yè)面源污染嚴(yán)重，加之治理水平相對落后，嚴(yán)重阻礙了該地區(qū)的糧食生產(chǎn)。因此，亟需加強(qiáng)黃河中游水土保持和環(huán)境治理，以保障其糧食生產(chǎn)生態(tài)效率的穩(wěn)步提升。

2.2黃河流域糧食生產(chǎn)生態(tài)效率時序演進(jìn)分析

本節(jié)使用Matlab2021a軟件繪制了黃河流域全樣本及各流域的糧食生產(chǎn)生態(tài)效率 Kernel密度估計圖（圖3），以刻畫其時序演進(jìn)特征。

在樣本考察期間，黃河流域全樣本的糧食生產(chǎn)生態(tài)效率呈現(xiàn)出明顯的雙峰分布，且峰值較高，表明其存在顯著的兩極分化和空間非均衡特征。其次，左峰和右峰的波峰高度均有增高趨勢，波峰的寬度在逐漸收窄，說明黃河流域糧食生產(chǎn)生態(tài)效率低水平地區(qū)和高水平地區(qū)均朝向“俱樂部收斂”的態(tài)勢演進(jìn)。此外，整個密度圖靠左分布，表明當(dāng)前黃河流域各地市的糧食生產(chǎn)生態(tài)效率還處于較低水平，未來提升潛力較大。

分流域來看，黃河流域上游地區(qū)呈“一低一高”雙峰分布，右峰在各年份均高于左峰，表明黃河上游地區(qū)糧食生產(chǎn)生態(tài)效率高值區(qū)域數(shù)量多于低值地區(qū)，且右峰的波峰高度明顯上升，表明黃河流域上游地區(qū)糧食生產(chǎn)生態(tài)效率的高值區(qū)域分布逐漸密集。黃河流域中游地區(qū)呈“一高一低”雙峰分布，說明低值區(qū)域數(shù)量多于高值區(qū)域，右峰的波峰高度呈現(xiàn)出升高的趨勢，說明中游地區(qū)兩極分化特征在逐步形成。黃河流域下游地區(qū)的核密度估計表現(xiàn)為單峰形態(tài)，即呈現(xiàn)出單極化的趨勢，且波峰高度明顯上升，波峰寬度持續(xù)變窄，說明下游地區(qū)糧食生產(chǎn)生態(tài)效率的內(nèi)部絕對差異在不斷縮小。

2.3黃河流域糧食生產(chǎn)生態(tài)效率空間特征分析

前文基于時序角度對黃河流域各地區(qū)糧食生產(chǎn)生態(tài)效率的演進(jìn)狀況進(jìn)行了考察，但隨著黃河流域區(qū)域分工協(xié)作機(jī)制的不斷完善，區(qū)域間資源流動性的不斷加強(qiáng)，地區(qū)間的聯(lián)系愈發(fā)緊密。因此，本節(jié)從空間視角采用全局Morans I指數(shù)對黃河流域糧食生產(chǎn)生態(tài)效率的空間相關(guān)性進(jìn)行檢驗(yàn)，其全局Morans I指數(shù)見表2。

由表2可知，無論是在空間鄰接矩陣還是地理距離矩陣下，考察期間內(nèi)Morans I指數(shù)均大于0，說明黃河流域糧食生產(chǎn)生態(tài)效率存在顯著的正向空間相關(guān)性，即糧食生產(chǎn)生態(tài)效率較高的地區(qū)相互集聚，效率值較低的地區(qū)相互集聚。其次，通過Morans I指數(shù)和Z值，表明黃河流域糧食生產(chǎn)生態(tài)效率的空間集聚程度存在“先增強(qiáng)后減弱”的態(tài)勢。

為進(jìn)一步反映黃河流域糧食生產(chǎn)生態(tài)效率的空間分布和演進(jìn)特征，使用ArcGIS10.7軟件對2006年和2020年的黃河流域糧食生產(chǎn)生態(tài)效率進(jìn)行空間可視化展示（圖4）。

由圖4可知，整體來看，黃河流域糧食生產(chǎn)生態(tài)效率的空間分異特征明顯，高水平集聚區(qū)主要分布在以河套灌區(qū)為中心的內(nèi)蒙古各盟（市），以及甘肅南部、青海南部、河南東部和山東西部；而低水平集聚區(qū)則主要集中在黃河中游地區(qū)的汾渭平原附近。其次，黃河流域糧食生產(chǎn)生態(tài)效率的空間分布格局相對穩(wěn)定，考察期間內(nèi)的空間分布變化較小。

分流域來看，考察期內(nèi)黃河上游高水平集聚區(qū)的連片集聚程度顯著提升，由“點(diǎn)狀分布”向“帶狀分布”演進(jìn)；中游低水平區(qū)域的連片集聚程度有所減弱，靠近下游地區(qū)的部分地市效率值受空間溢出影響，因而得到一定程度的改善。但中游地區(qū)總體水平依然較低，未來仍是糧食生產(chǎn)生態(tài)效率提升的重點(diǎn)區(qū)域。

2.4黃河流域糧食生產(chǎn)生態(tài)效率的空間流動性分析

為探究黃河流域糧食生產(chǎn)生態(tài)效率空間演進(jìn)的規(guī)律性特征，本文通過四分法將黃河流域各地市的糧食生產(chǎn)生態(tài)效率劃分為不同水平，即低水平、中低水平、中高水平和高水平，利用Matlab2021a軟件的傳統(tǒng)Markov鏈和空間Markov鏈考察黃河流域糧食生產(chǎn)生態(tài)效率分布的動態(tài)轉(zhuǎn)移特征。

由傳統(tǒng)Markov轉(zhuǎn)移概率矩陣（表3）可知，處于對角線上的轉(zhuǎn)移概率均高于非對角線的轉(zhuǎn)移概率，表明受前期糧食生產(chǎn)方式的路徑依賴影響，黃河流域各地市的糧食生產(chǎn)生態(tài)效率水平類型保持相對穩(wěn)定。其中，低水平類型和高水平類型保持其初始狀態(tài)的概率最高，分別為80.31%和67.91%，說明黃河流域糧食生產(chǎn)生態(tài)效率的類型轉(zhuǎn)移存在“俱樂部趨同特征”與“馬太效應(yīng)”。

此外，各類型發(fā)生跨越式轉(zhuǎn)移的概率均低于10%，即效率的提升是一個循序漸進(jìn)的過程，短時間內(nèi)具有較強(qiáng)的穩(wěn)定性。

運(yùn)用空間鄰接矩陣將鄰域水平類型考慮到黃河流域糧食生產(chǎn)生態(tài)效率轉(zhuǎn)移概率測算中，進(jìn)一步構(gòu)建空間Markov轉(zhuǎn)移矩陣，結(jié)果如表4所示。

空間Markov概率轉(zhuǎn)移矩陣除了具有與傳統(tǒng)Markov概率轉(zhuǎn)移矩陣的共性特征外，其所反映出的規(guī)律性特征還表現(xiàn)在：與水平類型高于自身的單位為鄰，其向上轉(zhuǎn)移的概率將增大，而與水平類型低于自身的單位為鄰，其向下轉(zhuǎn)移的概率也將增大，即糧食生產(chǎn)生態(tài)效率較低的地區(qū)對周圍具有負(fù)向溢出作用，而糧食生產(chǎn)生態(tài)效率較高的地區(qū)對周圍具有正向溢出效應(yīng)。

因此，在政策制定時，應(yīng)立足于黃河全流域的整體性，加強(qiáng)流域內(nèi)糧食生產(chǎn)的系統(tǒng)性謀劃，完善黃河流域糧食生產(chǎn)的合理布局和區(qū)域協(xié)作機(jī)制。

3黃河流域糧食生產(chǎn)生態(tài)效率的收斂性分析

上文對黃河流域糧食生產(chǎn)生態(tài)效率的時空演進(jìn)作出了分析，表明各流域間和流域內(nèi)部呈現(xiàn)出一定的差異性，那么這種差異隨時間推移是否能夠自發(fā)縮小？低水平區(qū)域的增長速度是否存在追趕趨勢？為揭示黃河流域糧食生產(chǎn)生態(tài)效率的斂散特征，運(yùn)用σ收斂、絕對β收斂和條件β收斂對黃河流域全樣本及上游、中游、下游地區(qū)糧食生產(chǎn)生態(tài)效率的收斂性進(jìn)行檢驗(yàn)。

3.1σ收斂檢驗(yàn)

依據(jù)式（2）可計算出2006—2020年黃河流域全樣本及上中下游地區(qū)糧食生產(chǎn)生態(tài)效率的σ收斂值，結(jié)果如表5所示。

整體來看，2006—2020年間黃河流域糧食生產(chǎn)生態(tài)效率的σ值在0.3左右浮動，最大值為0.349 8，最小值為0.294 5，但σ收斂值并未隨著時間推移而遞減，因此黃河流域全樣本不存在σ收斂，即黃河流域各地市間糧食生產(chǎn)生態(tài)效率的差異并未顯著縮小。分流域來看，黃河上、中、下游各地區(qū)的σ收斂系數(shù)也均未隨時間呈縮小態(tài)勢，故黃河各流域亦不存在σ收斂。從黃河上、中、下游地區(qū)橫向?qū)Ρ葋砜?，各區(qū)域的內(nèi)部差距各有其特殊性，樣本期間內(nèi)中游地區(qū)糧食生產(chǎn)生態(tài)效率的σ均值最大，為0.351 2，說明黃河中游各地市之間糧食生產(chǎn)生態(tài)效率的內(nèi)部差異較大。樣本期間內(nèi)下游地區(qū)的σ均值最小，為0.201 1，說明黃河下游各地市之間糧食生產(chǎn)生態(tài)效率的內(nèi)部差異較小。

3.2絕對β收斂檢驗(yàn)

為了更準(zhǔn)確地把握黃河流域糧食生產(chǎn)生態(tài)效率的斂散狀況，并檢驗(yàn)各地區(qū)糧食生產(chǎn)生態(tài)效率的增速之間是否存在追趕趨勢，本文通過Hausman檢驗(yàn)選用固定效應(yīng)模型，進(jìn)一步對黃河流域全樣本及上中下游地區(qū)進(jìn)行絕對β收斂檢驗(yàn)，結(jié)果見表6所示。

黃河流域全樣本及上、中、下游地區(qū)糧食生產(chǎn)生態(tài)效率的收斂系數(shù)β值均在1%統(tǒng)計水平上顯著為負(fù)，均存在顯著的絕對β收斂。從各流域的收斂速度來看，黃河上游地區(qū)糧食生產(chǎn)生態(tài)效率的收斂速度最快，為0.805，黃河下游地區(qū)糧食生產(chǎn)生態(tài)效率的收斂速度最慢，為0.683。檢驗(yàn)表明黃河流域各地市糧食生產(chǎn)生態(tài)效率的增長速度與其初始水平呈現(xiàn)出負(fù)相關(guān)，基本符合新古典經(jīng)濟(jì)學(xué)的收斂理論，即低效率地區(qū)相較于高效率地區(qū)具有更快的增長速度，即低效率地區(qū)對高效率地區(qū)存在一定“追趕效應(yīng)”。

3.3條件β收斂檢驗(yàn)

與絕對β收斂相比，條件β收斂檢驗(yàn)的是黃河流域不同地區(qū)在各自特定的生產(chǎn)條件和自然稟賦下，能否趨向于各自不同的穩(wěn)態(tài)水平。鑒于此，本文依據(jù)式（4）檢驗(yàn)了黃河流域全樣本及上中下游地區(qū)的糧食生產(chǎn)生態(tài)效率是否存在條件β收斂。表4顯示，在模型中引入糧食產(chǎn)業(yè)集聚、農(nóng)作物受災(zāi)率、農(nóng)地經(jīng)營規(guī)模和財政支農(nóng)水平等控制變量后，黃河流域全樣本及上中下游地區(qū)糧食生產(chǎn)生態(tài)效率的收斂系數(shù)β均在１%統(tǒng)計水平上顯著負(fù)向，通過檢驗(yàn)，這表明在黃河流域全樣本及上中下游地區(qū)范圍內(nèi)均顯著存在條件β收斂，即各地區(qū)由于自身糧食生產(chǎn)條件與資源稟賦等方面存在的差異，呈現(xiàn)出了各自不同的穩(wěn)態(tài)水平，隨著時間推移各地區(qū)將收斂于各自的穩(wěn)態(tài)水平上。在考慮了諸控制變量的影響后，各地區(qū)的收斂速度也均有不同程度的變化，最為明顯的是黃河下游地區(qū)的收斂速度提高了16.8%，說明若忽略各地區(qū)的資源稟賦與生產(chǎn)條件的絕對β收斂模型會低估黃河下游地區(qū)糧食生產(chǎn)生態(tài)效率的收斂性。

4結(jié)論與建議

基于黃河流域72個地級市的面板數(shù)據(jù)，運(yùn)用SBM-Undesirable模型測算了黃河流域糧食生產(chǎn)生態(tài)效率，并對其時空演進(jìn)特征和收斂性作出分析。結(jié)果表明：從時序角度來看，考察期內(nèi)黃河流域糧食生產(chǎn)生態(tài)效率在2006—2009年間逐漸下降，由0.735 8降至0.661 2，在2010—2020年間波動上升，由0.664 2升至0.723 3，呈現(xiàn)出了“先降后增”的時序特征，上、中、下游各地區(qū)的效率均值分別為0.761 9、0.623 1和0.781 1，呈現(xiàn)出“下游＞上游＞中游”的長期穩(wěn)定關(guān)系，黃河中游地區(qū)糧食生產(chǎn)生態(tài)效率長期處于較低水平，未來仍存在較大的提升空間。Kernel密度估計表明，黃河流域糧食生產(chǎn)生態(tài)效率呈現(xiàn)出明顯的雙峰分布，存在兩極分化和空間非均衡特征。從空間視角看，黃河流域各地市糧食生產(chǎn)生態(tài)效率之間存在顯著的正向空間相關(guān)性，呈現(xiàn)出連片分布的特征，且效率值的演進(jìn)呈現(xiàn)出維持原有狀態(tài)的穩(wěn)定性，較難實(shí)現(xiàn)跨越式轉(zhuǎn)移，兩端類型保持穩(wěn)定的概率最大，存在“俱樂部收斂”現(xiàn)象。收斂性方面，黃河流域全樣本及上中下游各地區(qū)均不存在σ收斂，但存在顯著的絕對β收斂和條件β收斂?；谘芯拷Y(jié)論，提出如下政策建議。

1） 統(tǒng)籌規(guī)劃黃河流域糧食生產(chǎn)。完善黃河流域糧食生產(chǎn)的頂層設(shè)計，各地區(qū)積極突破行政邊界外在約束，協(xié)同推進(jìn)糧食生產(chǎn)合理布局和配套基礎(chǔ)設(shè)施建設(shè)。開展黃河中游地區(qū)水土保持工作和中低產(chǎn)田改造，提高中游地區(qū)糧食生產(chǎn)能力。

2） 加強(qiáng)黃河流域糧食生產(chǎn)區(qū)域協(xié)作。各地政府應(yīng)著力破除糧食生產(chǎn)資源要素跨地區(qū)流動障礙，促進(jìn)地區(qū)間土地、資金及機(jī)械等要素高效流動和合理集聚。推動形成黃河流域糧食生產(chǎn)增長極，通過糧食生產(chǎn)、流通、消費(fèi)環(huán)節(jié)的統(tǒng)籌協(xié)作以充分帶動鄰近地區(qū)糧食生產(chǎn)生態(tài)效率的提升。

3） 推進(jìn)黃河流域糧食生產(chǎn)綠色轉(zhuǎn)型。大力支持農(nóng)業(yè)面源污染綜合治理示范縣、農(nóng)業(yè)綠色發(fā)展先行區(qū)和規(guī)?；Z食綠色生產(chǎn)基地的建設(shè)，加快糧食綠色生產(chǎn)技術(shù)、深度節(jié)水控水技術(shù)的推廣應(yīng)用，實(shí)現(xiàn)肥藥減量、產(chǎn)后減損，促進(jìn)黃河流域糧食生產(chǎn)生態(tài)效率提升并形成區(qū)域示范效應(yīng)。

參考文獻(xiàn)

［1］徐瑞璠， 劉文新. 黃河流域農(nóng)業(yè)灰水足跡與經(jīng)濟(jì)增長的關(guān)系研究——基于脫鉤及回彈效應(yīng)［J/OL］. 中國農(nóng)業(yè)資源與區(qū)劃： 1-13［2023-11-06］. https：//kns.cnki.net/kcms/detail//11.3513.S.20221207.1631.009.html.

［2］陳寶珍， 任金政. 糧食生產(chǎn)生態(tài)效率測算與改善路徑［J］.江蘇農(nóng)業(yè)學(xué)報， 2019， 35（1）： 211-218.Chen Baozhen， Ren Jinzheng. Measurement and improvement of ecological efficiency in grain production ［J］. Jiangsu Journal of Agricultural Sciences， 2019， 35（1）： 211-218.

［3］魯慶堯， 王樹進(jìn)， 孟祥海. 基于SBM模型的我國糧食生產(chǎn)生態(tài)效率測度與PS收斂檢驗(yàn)［J］. 農(nóng)村經(jīng)濟(jì)， 2020（12）： 24-32.

［4］匡遠(yuǎn)配， 張容. 農(nóng)地流轉(zhuǎn)對糧食生產(chǎn)生態(tài)效率的影響［J］.中國人口·資源與環(huán)境， 2021， 31（4）： 172-180.Kuang Yuanpei， Zhang Rong. Effect of farmland transfer on the ecological efficiency of food production ［J］. China Population， Resources and Environment， 2021， 31（4）： 172-180.

［5］崔楊. 江西省糧食生產(chǎn)生態(tài)效率測算及影響因素分析［D］. 南昌： 江西財經(jīng)大學(xué)， 2021.Cui Yang. Measurement of ecological efficiency of grain production on Jiangxi province and analysis of influencing factors ［D］. Nanchang： Jiangxi University of Finance and Economics， 2021.

［6］管美佳. 基于水足跡的中國糧食生產(chǎn)生態(tài)效率評價［D］. 咸陽： 西北農(nóng)林科技大學(xué)， 2017.Guan Meijia. Evaluation of eco-efficiency of grain production in China based on water footprint ［D］. Xianyang： Northweat A & F University， 2017.

［7］侯孟陽. 城鎮(zhèn)化對糧食生產(chǎn)的影響效應(yīng)及作用路徑研究［D］. 咸陽： 西北農(nóng)林科技大學(xué)， 2021.Hou Mengyang. The impact of urbanization on grain production and its action path ［D］. Xianyang： Northweat A & F University， 2021.

［8］李雪. 吉林省糧食生產(chǎn)生態(tài)效率評價及影響因素研究［D］. 長春： 吉林農(nóng)業(yè)大學(xué)， 2022.Li Xue. The evaluation of ecological efficiency of food production and the study of influencing factors in Jilin Province ［D］. Changchun： Jilin Agricultural University， 2022.

［9］任志安， 夏宇航. 基于SBM-DEA的淮河生態(tài)經(jīng)濟(jì)帶糧食綠色生產(chǎn)效率評價及對策研究［J］. 價值工程， 2022， 41（29）： 36-40.Reng Zhian， Xia Yuhang. Evaluation of green production efficiency of grain in Huaihe erco-economic zone and countermeasures based on SBM-DEA ［J］. Value Engineering， 2022， 41（29）： 36-40.

［10］張利國， 鮑丙飛， 潘丹. 鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)糧食生產(chǎn)技術(shù)效率時空演變及環(huán)境協(xié)調(diào)性探究［J］. 經(jīng)濟(jì)地理， 2016， 36（11）： 116-123.Zhang Liguo， Bao Bingfei， Pan Dan. Spatial-temporal evolution and environmental coordination of technical efficiency of grain production in Poyang Lake eco-economic zone ［J］. Economic Geography， 2016， 36（11）： 116-123.

［11］李思勉， 何蒲明. 我國糧食綠色生產(chǎn)效率及影響因素研究——基于糧食功能區(qū)的比較分析［J］. 生態(tài)經(jīng)濟(jì)， 2020， 36（9）： 116-120.Li Simian， He Puming. Study on green production efficiency of grain and its influencing factors in China： A comparative analysis based on the grain functional area ［J］. Ecological Economy， 2020， 36（9）： 116-120.

［12］Tone K. Dealing with undesirable outputs in DEA： A Slacks-based Measure （SBM） approach ［J］. GRIPS Research Report Series， 2003.

［13］劉華軍， 郭立祥， 喬列成， 等. 中國物流業(yè)效率的時空格局及動態(tài)演進(jìn)［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2021， 38（5）： 57-74.Liu Huajun， Guo Lixiang， Qiao Liecheng， et al. Spatial-temporal pattern and dynamic evolution of logistics efficiency in China ［J］. The Journal of Quantitative & Technical Economics， 2021， 38（5）： 57-74.

［14］吳昊玥， 何宇， 黃瀚蛟， 等. 中國種植業(yè)碳補(bǔ)償率測算及空間收斂性［J］. 中國人口·資源與環(huán)境， 2021， 31（6）： 113-123.Wu Haoyue， He Yu， Huang Hanjiao， et al. Estimation and spatial convergence of carbon compensating rate of planting industry in China ［J］. China Population， Resources and Environment， 2021， 31（6）： 113-123.

［15］常新鋒， 張雨祥. 農(nóng)旅融合對中國農(nóng)業(yè)生態(tài)效率的作用機(jī)制與影響效應(yīng)［J］. 農(nóng)林經(jīng)濟(jì)管理學(xué)報， 2022， 21（3）： 310-319.Chang Xinfeng， Zhang Yuxiang.Mechanism and effect of agriculture-tourism integration on agricultural eco-efficiency in China ［J］. Journal of Agro-Forestry Economics and Management， 2022， 21（3）： 310-319.

［16］李敏納， 蔡舒， 張慧蓉， 等. 要素稟賦與黃河流域經(jīng)濟(jì)空間分異研究［J］. 經(jīng)濟(jì)地理， 2011， 31（1）： 14-20.Li Minna， Cai Shu， Zhang Huirong， et al. Factor endowments and the eco spatial dissimilarity in the Yellow River valley ［J］. Economic Geography， 2011， 31（1）： 14-20.

［17］楊玉珍， 閆佳笑， 楊洋， 等. 黃河流域旅游生態(tài)效率時空演變及空間溢出效應(yīng)——基于73個城市數(shù)據(jù)的分析［J］. 生態(tài)學(xué)報， 2022， 42（20）： 8202-8212.Yang Yuzhen， Yan Jiaxiao， Yang Yang， et al. The spatio-temporal evolution and spatial spillover effect of tourism eco-efficiency in the Yellow River Basin： Based on data from the 73 cities ［J］. Acta Ecologica Sinica， 2022， 42（20）： 8202-8212.

［18］穆學(xué)青， 郭向陽， 明慶忠， 等. 黃河流域旅游生態(tài)安全的動態(tài)演變特征及驅(qū)動因素［J］. 地理學(xué)報， 2022， 77（3）： 714-735.Mu Xueqing， Guo Xiangyang， Ming Qingzhong， et al. Dynamic evolution characteristics and driving factors of tourism ecological security in the Yellow River Basin ［J］. Acta Ecologica Sinica， 2022， 77（3）： 714-735.

［19］曾冰， 謝琦. 基于夜間燈光數(shù)據(jù)的黃河流域經(jīng)濟(jì)發(fā)展空間特征與影響機(jī)制分析［J］. 中國沙漠， 2022， 42（3）： 41-50.Zeng Bing， Xie Qi. Spatial characteristics and impact mechanism of economic development indicated by night lighting data in the Yellow River Basin ［J］. Journal of Desert Research， 2022， 42（3）： 41-50.

［20］沙德春， 王茂林. 黃河流域高質(zhì)量發(fā)展效率的演變及耦合協(xié)調(diào)水平［J］. 科技管理研究， 2022， 42（20）： 80-88.Sha Dechun， Wang Maolin. Evolution and coupling coordination level of high-quality development efficiency in the Yellow River Basin ［J］. Science and Technology Management Research， 2022， 42（20）： 80-88.