摘" 要：基于海南省18個市（縣）2012—2022年縣域行政單元農(nóng)業(yè)面板數(shù)據(jù)，運用非期望產(chǎn)出超效率SBM模型，結(jié)合空間相關(guān)性分析方法，分析海南省農(nóng)業(yè)生態(tài)效率時空演變特征，并利用Tobit回歸模型探究其影響因素。結(jié)果表明：（1）2012—2022年，海南省農(nóng)業(yè)生態(tài)效率均值呈現(xiàn)中部地區(qū)gt;西部地區(qū)gt;東部地區(qū)的明顯分級特征；海南省市（縣）域尺度農(nóng)業(yè)生態(tài)效率逐年明顯改善，農(nóng)業(yè)生態(tài)效率均值為0.541，達(dá)到均值以上的市（縣）數(shù)為7個。（2）空間變化上，總體呈現(xiàn)中部向東西部擴(kuò)散的空間分布特征，同時完全有效和效率較高呈現(xiàn)塊狀和鏈條式分布特征，效率中等類型市（縣）圍繞著完全有效和效率較高市（縣）分布；南北方向和東西方向的投影趨勢線均呈現(xiàn)倒“U”型特征。（3）在省域尺度下，農(nóng)民收入水平、農(nóng)業(yè)機(jī)械化強(qiáng)度、農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度和城鎮(zhèn)化率是對海南省農(nóng)業(yè)生態(tài)效率時空演變產(chǎn)生影響的主要因素；在不同區(qū)域尺度下，農(nóng)民收入水平是對東部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生影響的主要因素，城鎮(zhèn)化率、農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度和農(nóng)田灌溉率是對中部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生影響的主要因素，城鎮(zhèn)化率、農(nóng)民收入水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度和農(nóng)田灌溉率是對西部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生影響的主要因素。總體而言，海南省各市（縣）農(nóng)業(yè)生態(tài)效率整體呈上升趨勢，各區(qū)域農(nóng)業(yè)生態(tài)效率存在一定差異。未來應(yīng)因地制宜探索不同地區(qū)農(nóng)業(yè)發(fā)展重點，切實提升農(nóng)業(yè)生態(tài)效率。

關(guān)鍵詞：農(nóng)業(yè)生態(tài)效率；影響因素；超效率SBM模型；Tobit模型；海南省中圖分類號：F323.22" " " 文獻(xiàn)標(biāo)志碼：A

Temporal and Spatial Characteristics and Influencing Factors of Agricultural Ecological Efficiency in Hainan Province

LIANG Weihong， DENG Chunmei， YE Lu， LIU Yanqun， WANG Danyang， LI Yuping*

Institute of Scientific and Technical Information， Chinese Academy of Tropical Agricultural Sciences / Key Laboratory of Practical Research on Tropical Crops Information Technology in Hainan， Haikou， Hainan 571101， China

Abstract： Based on the panel data of 18 cities （counties） in Hainan， China from 2012 to 2022， combining the non-expected output super efficiency SBM model and Tobit regression mode， this paper analyzed the spatial and temporal evolution characteristics of agricultural eco-efficiency and influencing factors of agricultural ecological efficiency in cities （counties） of Hainan. From 2012 to 2022， the average agricultural eco-efficiency in Hainan showed obvious grading characteristics of central regiongt;western regiongt;eastern region. The agricultural eco-efficiency at the county scale of Hainan improved significantly year by year. The average agricultural eco-efficiency was 0.541， and the number of cities （counties） above the average value was 7. In terms of spatial change， the overall distribution characteristics of agricultural eco-efficiency were “spreading from the middle to the east and west”， and the distribution characteristics of full efficiency and high efficiency were block and chain. The cities （counties） with medium efficiency were distributed around the cities and counties with full efficiency and high efficiency. The trend lines in the north-south direction and the east-west direction showed the characteristics of inverted U-shape. The temporal and spatial evolution of agricultural eco-efficiency in Hainan at the provincial scale was influenced by several key factors， including the level of farmers’ income， intensity of agricultural mechanization， use of agricultural chemicals， and urbanization rate. At different regional scales， farmers’ income level was the main factor affecting agricultural eco-efficiency in the eastern region， while urbanization rate， intensity of agricultural chemical input use and farmland irrigation rate were the main factors affecting agricultural eco-efficiency in the central region. Urbanization rate， farmers’ income level， agricultural industrial structure， intensity of use of agricultural chemical inputs and farmland irrigation rate were the main factors affecting agricultural eco-efficiency in the western region. On the whole， the agricultural eco-efficiency of all cities （counties） in Hainan showed an upward trend， and there were some differences in the agricultural eco-efficiency among different regions. In the future， we should explore the priorities of agricultural development in different regions according to local conditions to effectively improve agricultural eco-efficiency.

Keywords： agricultural ecological efficiency; influencing factors; super-efficiency SBM model; Tobit model; Hainan province

DOI： 10.3969/j.issn.1000-2561.2025.01.024

我國是農(nóng)業(yè)大國，用全球11%的農(nóng)業(yè)用地保障了世界18%的人口糧食供給，在國際上的基礎(chǔ)地位尤為重要[1]。21世紀(jì)以來，我國農(nóng)業(yè)經(jīng)濟(jì)高速增長，2000—2020年農(nóng)業(yè)總產(chǎn)值年均增長率達(dá)5.94%[2]。然而在農(nóng)業(yè)經(jīng)濟(jì)快速增長的同時，也產(chǎn)生了農(nóng)業(yè)碳排放增加、農(nóng)業(yè)面源污染加劇、農(nóng)業(yè)生態(tài)系統(tǒng)退化等一系列問題[3]。在國家大力提倡綠色農(nóng)業(yè)發(fā)展的背景下，如何扭轉(zhuǎn)農(nóng)業(yè)生產(chǎn)模式向綠色、高質(zhì)量的可持續(xù)發(fā)展模式轉(zhuǎn)換，保障農(nóng)業(yè)經(jīng)濟(jì)和生態(tài)協(xié)調(diào)發(fā)展，已經(jīng)成為當(dāng)前農(nóng)業(yè)發(fā)展面臨的重要問題。農(nóng)業(yè)生態(tài)效率是評估農(nóng)業(yè)生產(chǎn)經(jīng)濟(jì)和生態(tài)綜合效益的重要手段，近年來受到國內(nèi)外學(xué)者的廣泛關(guān)注。就評價方法而言，聶彎等[4]系統(tǒng)總結(jié)了農(nóng)業(yè)生態(tài)效率的評價方法及其在不同尺度的應(yīng)用。在研究方法上，主要有比值法[5]、生命周期評價法[6]、指標(biāo)體系法[7-8]和模型分析法[9-10]等。TONE提出的超效率SBM模型被廣泛應(yīng)用于農(nóng)業(yè)生態(tài)效率測算中，最初主要考慮將期望產(chǎn)出納入指標(biāo)體系，后來，為了進(jìn)一步探究農(nóng)業(yè)生態(tài)效率，很多學(xué)者將農(nóng)業(yè)碳排放和農(nóng)業(yè)面源污染等非期望產(chǎn)出納入指標(biāo)體系測算農(nóng)業(yè)生態(tài)效率，該模型已經(jīng)逐漸成為測度評價農(nóng)業(yè)生態(tài)效率的主要模型[11-14]。在影響因素方面，主要采用灰色關(guān)聯(lián)度模型、Tobit模型、空間面板STIRPAT模型等進(jìn)行研究，其中應(yīng)用最多的是Tobit回歸模型[15-16]。研究尺度上，逐漸從全國、省級等層面逐漸轉(zhuǎn)向市（縣）層面甚至鄉(xiāng)（鎮(zhèn)）層面上，這說明農(nóng)業(yè)生態(tài)效率研究越來越受到學(xué)者的重視。

近年來，作為全國重要的“菜籃子”“果盤子”供應(yīng)地的海南省非常重視綠色農(nóng)業(yè)的發(fā)展，2019年獲評“國家農(nóng)業(yè)綠色發(fā)展先行區(qū)”，制定了《海南省國家農(nóng)業(yè)綠色發(fā)展規(guī)劃（2019—2025年）》等一系列政策。但由于海南農(nóng)業(yè)耕地復(fù)種指數(shù)高，化肥農(nóng)藥施用量較大、農(nóng)業(yè)生產(chǎn)廢棄物殘留對土壤地力及農(nóng)業(yè)生態(tài)環(huán)境造成一定破壞。因此，農(nóng)業(yè)生態(tài)效率的提高對促進(jìn)海南熱帶高效農(nóng)業(yè)的可持續(xù)發(fā)展具有重要的意義。本研究基于海南省縣域（三沙市除外）尺度數(shù)據(jù)，運用非期望產(chǎn)出SBM模型及面板Tobit模型測算2012—2022年海南省農(nóng)業(yè)生態(tài)效率并分析其影響因素，以期為海南熱帶高效農(nóng)業(yè)發(fā)展制定農(nóng)業(yè)生態(tài)產(chǎn)業(yè)管理政策提供參考依據(jù)。

1" 材料與方法

1.1" 研究區(qū)域與數(shù)據(jù)來源

研究區(qū)域為海南島?？谑?、三亞市、五指山市、文昌市、瓊海市、萬寧市、定安縣、屯昌縣、澄邁縣、臨高縣、儋州市、東方市、樂東黎族自治縣、瓊中黎族自治縣、保亭黎族自治縣、陵水黎族自治縣、白沙黎族自治縣、昌江黎族自治縣18個市（縣）。

數(shù)據(jù)主要來源于《中國農(nóng)村統(tǒng)計年鑒》《海南省統(tǒng)計年鑒》以及各市（縣）歷年統(tǒng)計年鑒、統(tǒng)計公報、政府公布公開數(shù)據(jù)等材料，部分指標(biāo)數(shù)據(jù)依據(jù)原始數(shù)據(jù)計算得出，個別缺失數(shù)據(jù)根據(jù)指標(biāo)特征及數(shù)據(jù)趨勢，通過插值法和幾何增長率法等進(jìn)行合理補(bǔ)充。

1.2" 方法

1.2.1" 非期望產(chǎn)出超效率SBM模型" 采用考慮非期望產(chǎn)出的超效率SBM模型對海南省18個市（縣）的農(nóng)業(yè)生態(tài)效率水平進(jìn)行測度，其具體模型表達(dá)公式如下：式中，f表示農(nóng)業(yè)生態(tài)效率值；表示海南省18個市（縣）即18個決策單元；m、s1、s2分別表示投入、期望產(chǎn)出、非期望產(chǎn)出指標(biāo)個數(shù)；、和分別為投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量；、、分別表示決策單元k的第i項投入、第項期望產(chǎn)出、第g項的非期望產(chǎn)出值；Q為各個決策單元的權(quán)重向量。參照相關(guān)學(xué)者的研究[17]，將海南省各市（縣）農(nóng)業(yè)生態(tài)效率測算的結(jié)果劃分為5個等級：flt;0.2為效率低，0.2≤flt;0.4為效率較低，0.4≤flt;0.6為效率中等，0.6≤flt;1為效率較高，f≥1為效率完全有效。本研究運用Matlab軟件，利用非期望產(chǎn)出的SBM模型，對海南省縣域尺度農(nóng)業(yè)生態(tài)效率進(jìn)行測度分析。

根據(jù)已有研究并結(jié)合海南實際，選擇10項投入產(chǎn)出指標(biāo)來評價農(nóng)業(yè)生態(tài)效率，其中投入指標(biāo)包括勞動力、資源（土地、水資源）、環(huán)境（化肥、農(nóng)藥和地膜）。選取農(nóng)業(yè)總產(chǎn)值來反映期望產(chǎn)出；為使農(nóng)業(yè)生態(tài)效率測算結(jié)果更加準(zhǔn)確和科學(xué)，選取農(nóng)業(yè)碳排放和污染物排放來綜合反映非期望產(chǎn)出（表1）。

1.2.2" 全局空間自相關(guān)分析" 全局空間自相關(guān)從宏觀層面上判斷農(nóng)業(yè)生態(tài)效率在海南有無聚集性。為進(jìn)一步研究海南省18個市（縣）農(nóng)業(yè)生態(tài)效率是否存在空間效應(yīng)，對其進(jìn)行全局空間自相關(guān)分析，全局空間自相關(guān)是根據(jù)海南省縣域地理位置和農(nóng)業(yè)生態(tài)效率值來研究全局空間依賴性和空間集聚程度，通常采用莫蘭指數(shù)（Moron’s I）來衡量，其具體運算公式如下：

式中，Xi和Xj分別為第i個和第j個縣域空間單元的農(nóng)業(yè)生態(tài)效率值，為均值，n為觀測單元18個市（縣）單元數(shù)量，S2為樣本方差；Wij為空間權(quán)重矩陣，代表縣域間的鄰近關(guān)系，當(dāng)縣域i與縣域j有公共邊界或節(jié)點時，Wij=1；當(dāng)無公共邊界或節(jié)點時，Wij=0，則相鄰2個縣域空間無空間關(guān)聯(lián)。通過測算得出的莫蘭指數(shù)、Z得分和P值確定海南省縣域農(nóng)業(yè)生態(tài)效率是否具有空間上的相關(guān)性，Moron’s I取值范圍為[–1，1]，Moron’s Ilt;0表示負(fù)相關(guān)，Moron’s Igt;0表示正相關(guān)，Moron’s I=0表示不相關(guān)，越接近–1或1則表示相關(guān)性越強(qiáng)。

1.2.3" 面板Tobit模型" 為了能夠深入探索海南省農(nóng)業(yè)生態(tài)效率的影響因素及其影響關(guān)系，參考相關(guān)專家學(xué)者的研究結(jié)果[15-16]，建立以農(nóng)業(yè)生態(tài)效率值為因變量，影響因素為自變量的Tobit隨機(jī)效應(yīng)模型：

式中，被解釋變量表示第i個市（縣）第t年的農(nóng)業(yè)生態(tài)效率，且以受限的方式取值，當(dāng)gt;0時，取實際觀測值，當(dāng)≤0時，觀察值均截取為0，其中i（i=1，2，3，…18）代表海南省18個市（縣），即決策單元；表示截距項，為估計系數(shù)，為解釋變量，即影響因素，為影響因素的個數(shù)，表示影響因素X，其中為實際觀測值，表示隨機(jī)誤差。采用Stata 16軟件，應(yīng)用Tobit模型對海南省農(nóng)業(yè)生態(tài)效率相關(guān)樣本數(shù)據(jù)進(jìn)行回歸分析。

2" 結(jié)果與分析

2.1" 海南省農(nóng)業(yè)生態(tài)效率時序演化特征分析

2.1.1" 市（縣）級層面" 2012—2022年海南省18個市（縣）農(nóng)業(yè)生態(tài)效率由低效率水平向高效率水平逐漸演變。2012年，?？?、樂東和東方3個市（縣）處于低效率水平，澄邁、儋州、東方、臨高、陵水、瓊海、三亞和萬寧8個市（縣）處于較低效率水平，昌江、定安和瓊中3個縣達(dá)到中等效率水平，僅有白沙、保亭、屯昌和五指山4個市（縣）達(dá)到完全有效水平。到2022年，無市（縣）處于較低效率水平及以下，僅有文昌處于中等效率水平，為0.539，?？谔幱谳^高水平效率值，為0.663，其他市（縣）均達(dá)到完全有效水平。2012—2022年，五指山除2014年農(nóng)業(yè)生態(tài)效率處于較高水平外，其他年份一直處于完全有效水平?；诤Ｄ鲜校h）尺度下的2012—2022年農(nóng)業(yè)生態(tài)效率均值為0.541，表示實際產(chǎn)出水平相當(dāng)于潛在產(chǎn)出水平的54.1%，各市（縣）農(nóng)業(yè)生態(tài)效率均值有較大差別，達(dá)到平均值以上的市縣主要有昌江、五指山、白沙、定安、屯昌、瓊中、保亭7個市（縣）（圖1）。

2.1.2" 不同區(qū)域?qū)用? 基于2012—2022年海南省18個市（縣）農(nóng)業(yè)生態(tài)指標(biāo)相關(guān)數(shù)據(jù)，測度海南省18個市（縣）農(nóng)業(yè)生態(tài)效率值。為了更直觀了解不同區(qū)域的農(nóng)業(yè)生態(tài)效率差異，通過分析發(fā)

現(xiàn)海南東部、中部、西部地區(qū)11年來農(nóng)業(yè)生態(tài)效率均呈現(xiàn)增長趨勢，但也出現(xiàn)明顯分級特征，即中部地區(qū)gt;西部地區(qū)gt;東部地區(qū)的分級特征。其中，中部地區(qū)的農(nóng)業(yè)生態(tài)效率均值為0.765，達(dá)效率較高水平，主要是因為該區(qū)域具有優(yōu)越的自然資源條件，是重點生態(tài)功能區(qū)；其次，東部地區(qū)和西部地區(qū)的農(nóng)業(yè)生態(tài)效率均值差距不明顯，分別為0.442和0.417，均處于中等效率水平。從時序上來看，中部地區(qū)呈現(xiàn)先降后升的趨勢，西部和東部地區(qū)呈現(xiàn)明顯快速提升趨勢，中部地區(qū)在2012—2015年間呈現(xiàn)下降趨勢，隨后從2016年的0.692提升到2022年的1.03，達(dá)到完全有效狀態(tài)；西部地區(qū)從2012年的0.259提升到2022年的1.034，也達(dá)到完全有效狀態(tài)；東部地區(qū)從2012年的0.253提升到2022年的0.901，達(dá)到較高有效狀態(tài)（圖2）。

2.2" 海南省農(nóng)業(yè)生態(tài)效率空間變化特征

2.2.1" 空間格局分析" 選取2012年、2014年、2016年、2018年、2020年和2022年6個時間節(jié)點，利用ArcGIS軟件對海南省各市（縣）農(nóng)業(yè)生態(tài)效率的空間分布和區(qū)域差異進(jìn)行空間可視化處理（圖3）。按照自然間斷法將其分為效率低、效率較低、效率中等、效率較高和效率完全有效5個等級。從圖3可以看出海南省農(nóng)業(yè)生態(tài)效率總體呈現(xiàn)中部向東西部擴(kuò)散的趨勢。效率完全有效的市（縣）數(shù)量由2012年的白沙、屯昌、五指山、保亭4個市（縣）增至2022年的除?？诤臀牟酝獾?6個市（縣），上升300%；效率較高的市（縣）數(shù)量2012—2021年期間呈穩(wěn)步增長趨勢，而2022年僅?？?個市（縣）為效率較高；效率中等和效率較低的市（縣）數(shù)量分布呈現(xiàn)明顯先升后降的趨勢，效率中等和效率較低市（縣）數(shù)量最高峰分別于2015年達(dá)到9個和2017年的10個。而出現(xiàn)效率低的年限僅在2012—2014年，且市（縣）數(shù)均低于5個。說明海南省縣域尺度農(nóng)業(yè)生態(tài)效率逐年有明顯改善。同時完全有效和效率較高呈現(xiàn)塊狀和鏈條式分布特征，效率中等類型市（縣）圍繞完全有效和效率較高市（縣）分布，意味著海南省縣域農(nóng)業(yè)生態(tài)效率可能存在一定程度的空間依賴性。

為進(jìn)一步了解海南省縣域農(nóng)業(yè)生態(tài)效率趨勢走向，應(yīng)用ArcGIS趨勢分析工具，將各縣域2012年、2014年、2016年、2018年、2020年和2022年的農(nóng)業(yè)生態(tài)效率值作為高度屬性轉(zhuǎn)換為空間三維趨勢圖（圖4）。由圖4可知，6個時間截面上南北方向和東西方向農(nóng)業(yè)生態(tài)效率的投影趨勢線均呈現(xiàn)倒“U”型特征，而且呈現(xiàn)明顯的南高北低、東低西高的趨勢特征。

2.2.2" 空間相關(guān)性分析" 在空間自相關(guān)分析中，Z值是標(biāo)準(zhǔn)差的倍數(shù)，用于衡量莫蘭指數(shù)（Moron’s I）與隨機(jī)分布期望值之間的偏差。Z值的大小可以確定空間模式的顯著性。P值表示概率，用于評估觀測到的空間模式是由隨機(jī)過程產(chǎn)生的可能性大小。由表2可知，2012—2022年海南省縣域農(nóng)業(yè)生態(tài)效率全局Moron’s I均大于0，說明海南省縣域農(nóng)業(yè)生態(tài)效率具有空間相關(guān)性，但僅有2016年、2017年和2022年表現(xiàn)為集聚格局。局部空間自相關(guān)分析結(jié)果顯示，農(nóng)業(yè)生態(tài)效率空間關(guān)聯(lián)模式具有顯著的空間變異特征。

2.3" 農(nóng)業(yè)生態(tài)效率影響因素分析

2.3.1" 指標(biāo)選取" 通過梳理和歸納相關(guān)研究，發(fā)現(xiàn)影響農(nóng)業(yè)生態(tài)效率的因素有很多，從整個農(nóng)業(yè)發(fā)展角度來看，農(nóng)業(yè)前期投入的要素均有可能對農(nóng)業(yè)生態(tài)效率產(chǎn)生影響。借鑒、參考相關(guān)學(xué)者的研究[20-23]，并結(jié)合海南省縣域數(shù)據(jù)的可獲得性，選取城鎮(zhèn)化率（%）、農(nóng)民收入水平（元）、農(nóng)業(yè)規(guī)?；剑╤m2/人）、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（%）、農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度（kg/hm2）、農(nóng)業(yè)機(jī)械X軸、Y軸分別表示農(nóng)業(yè)生態(tài)效率在東西方向和南北方向的趨勢；Z軸表示農(nóng)業(yè)生態(tài)效率值。

2.3.2" 省域尺度農(nóng)業(yè)生態(tài)效率影響因素分析" 回歸結(jié)果顯示，城鎮(zhèn)化率和農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度對海南省農(nóng)業(yè)生態(tài)效率均呈顯著負(fù)相關(guān)，分別通過了10%和5%的顯著性檢驗；農(nóng)民收入水平和農(nóng)業(yè)機(jī)械密度對海南省農(nóng)業(yè)生態(tài)效率呈顯著正相關(guān)，分別通過了1%和5%的顯著性檢驗；其他變量對海南省農(nóng)業(yè)生態(tài)效率均具有正向作用，但作用不顯著（表3）。從省級層面分析結(jié)果說明，隨著城鎮(zhèn)化的推進(jìn)，農(nóng)業(yè)人口向城鎮(zhèn)轉(zhuǎn)移，雖然為城鎮(zhèn)建設(shè)提供了勞動力，促進(jìn)了經(jīng)濟(jì)發(fā)展，但是這種勞動力的轉(zhuǎn)移會影響農(nóng)業(yè)生產(chǎn)的方式和效率，從而對農(nóng)業(yè)生態(tài)效率產(chǎn)生負(fù)面影響。同時海南省農(nóng)業(yè)投入品還存在過量或不合理使用情況。海南省機(jī)械化的投入對當(dāng)?shù)剞r(nóng)業(yè)產(chǎn)值的增加和農(nóng)業(yè)生態(tài)效率的刺激作用明顯。

2.3.3" 海南省不同區(qū)域農(nóng)業(yè)生態(tài)效率影響因素的回歸分析" 考慮到海南省區(qū)域內(nèi)部的自然地理和社會經(jīng)濟(jì)的異質(zhì)性，本研究按照東部、中部和西部地區(qū)3個區(qū)域，進(jìn)一步研究不同區(qū)域的影響因素對農(nóng)業(yè)生態(tài)效率作用的差異性，以各地區(qū)數(shù)據(jù)分別用Stata 16軟件帶入模型得到回歸結(jié)果（表4）。回歸結(jié)果顯示，海南省東部、中部及西部各區(qū)域農(nóng)業(yè)生態(tài)效率的影響因素強(qiáng)度表現(xiàn)不一。農(nóng)民收入水平在1%的顯著性水平上對東部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生正向影響。城鎮(zhèn)化率在10%的顯著水平上對中部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生負(fù)向影響，農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度在1%的顯著水平上對中部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生負(fù)向影響，農(nóng)田灌溉率在5%的顯著水平上對中部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生正向影響。城鎮(zhèn)化率、農(nóng)業(yè)規(guī)?；?、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和農(nóng)田灌溉率在1%的顯著水平上對西部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生正向影響，農(nóng)民收入水平在10%的顯著水平上對西部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生正向影響，農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度在1%的顯著水平上對西部地區(qū)農(nóng)業(yè)生態(tài)效率產(chǎn)生負(fù)向影響。

3" 討論

本研究基于市（縣）域尺度探究了海南省農(nóng)業(yè)生態(tài)效率及其影響因素。從影響因素來看，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)民收入水平、農(nóng)業(yè)規(guī)?；綄μ嵘r(nóng)業(yè)生態(tài)效率具有正向作用，農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度對提升農(nóng)業(yè)生態(tài)效率有負(fù)向作用，這與現(xiàn)有大部分學(xué)者的研究結(jié)論[14， 24]基本一致。但城鎮(zhèn)化率負(fù)向作用于農(nóng)業(yè)生態(tài)效率，農(nóng)業(yè)機(jī)械密度正向作用于農(nóng)業(yè)生態(tài)效率的研究結(jié)論與現(xiàn)有相關(guān)研究[20， 23， 25]的結(jié)論有偏差，這主要是因為這二者選擇的空間尺度不同，以及農(nóng)業(yè)技術(shù)發(fā)展水平、研究樣本所處的城鎮(zhèn)化階段不同。海南省應(yīng)強(qiáng)化農(nóng)業(yè)技術(shù)發(fā)展及推廣，推動農(nóng)業(yè)資源節(jié)約化利用。以綠色發(fā)展理念為指導(dǎo)，轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式，從節(jié)水、節(jié)肥、節(jié)藥等方面推動農(nóng)業(yè)資源節(jié)約化利用，進(jìn)一步提升農(nóng)業(yè)資源的利用效率[26]。應(yīng)繼續(xù)抓好中部地區(qū)農(nóng)業(yè)與生態(tài)協(xié)調(diào)發(fā)展，保證該區(qū)域農(nóng)業(yè)生態(tài)效率完全有效水平。同時在推動海南省西部地區(qū)市（縣）農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的過程中，不僅要關(guān)注農(nóng)業(yè)本身的發(fā)展，還需將農(nóng)業(yè)與旅游、文化等產(chǎn)業(yè)深度融合，形成“農(nóng)業(yè)+”的發(fā)展新模式。

此外，本研究仍具有一定的局限性，海南畜禽養(yǎng)殖業(yè)污染也是農(nóng)業(yè)污染的一個重要來源，而本研究在農(nóng)業(yè)生態(tài)效率測度中主要采用種植業(yè)，未采用畜禽水產(chǎn)養(yǎng)殖業(yè)的相關(guān)數(shù)據(jù)。此外，在分析農(nóng)業(yè)生態(tài)效率影響因素的過程中，國內(nèi)不同學(xué)者有將農(nóng)業(yè)財政支農(nóng)、城鄉(xiāng)收入比、農(nóng)業(yè)從業(yè)人員受教育水平等指標(biāo)[27-28]納入影響因素分析的研究，而本研究中因海南省及各市（縣）部分因素量化數(shù)據(jù)較難收集，農(nóng)業(yè)生態(tài)效率影響因素分析還不夠全面，今后的研究可將系列指標(biāo)納入相關(guān)指標(biāo)體系，使本研究更具指導(dǎo)價值。

4" 結(jié)論

（1）基于2012—2022年海南省18個市（縣）域面板數(shù)據(jù)，采用超效率SBM模型對農(nóng)業(yè)生態(tài)效率進(jìn)行分析，結(jié)果表明，2012—2022年海南省農(nóng)業(yè)生態(tài)效率均值呈現(xiàn)中部地區(qū)gt;西部地區(qū)gt;東部地區(qū)的明顯分級特征，且隨著時間推移，東部地區(qū)和西部地區(qū)呈明顯增長趨勢；從市（縣）級層面來看，海南省縣域尺度農(nóng)業(yè)生態(tài)效率逐年明顯改善，農(nóng)業(yè)生態(tài)效率均值為0.541，達(dá)平均值以上的市（縣）主要有昌江、五指山、白沙、定安、屯昌、瓊中、保亭7個市（縣）。

（2）從空間變化特征上來看，海南省農(nóng)業(yè)生態(tài)效率總體呈現(xiàn)中部向東西部擴(kuò)散的空間分布特征，同時完全有效和效率較高呈現(xiàn)塊狀和鏈條式分布特征，效率中等類型市（縣）圍繞著完全有效和效率較高市（縣）分布，且呈現(xiàn)明顯的北低南高、西高東低的趨勢特征。

（3）通過面板Tobit回歸模型對海南省農(nóng)業(yè)生態(tài)效率演變的影響因素分析表明，城鎮(zhèn)化率、農(nóng)業(yè)化學(xué)投入品使用強(qiáng)度與農(nóng)業(yè)生態(tài)效率呈顯著負(fù)相關(guān)，對海南省整體農(nóng)業(yè)生態(tài)效率具有抑制作用，而農(nóng)民收入水平和農(nóng)業(yè)機(jī)械密度與農(nóng)業(yè)生態(tài)效率呈顯著正向驅(qū)動作用，農(nóng)民收入水平的增加和機(jī)械化的投入對當(dāng)?shù)剞r(nóng)業(yè)產(chǎn)值的增加和農(nóng)業(yè)生態(tài)效率的刺激作用明顯，對農(nóng)業(yè)生態(tài)效率具有促進(jìn)作用。而且不同區(qū)域影響因素強(qiáng)度表現(xiàn)不一，其中農(nóng)業(yè)投入品使用強(qiáng)度對三大區(qū)域農(nóng)業(yè)生態(tài)效率均產(chǎn)生負(fù)向影響。

參考文獻(xiàn)

[1] 羅家祺， 金曉斌， 劉晶， 梁鑫源， 韓博， 周寅康. 2000—2020年蘇北地區(qū)農(nóng)業(yè)生態(tài)效率變化及其影響因素分析[J]. 農(nóng)業(yè)工程學(xué)報， 2023， 39（15）： 239-248.LUO J Q， JIN X B， LIU J， LIANG X Y， HAN B， ZHOU Y K. Process and influencing factors of agricultural eco-efficiency in northern Jiangsu of China from 2000 to 2020[J]. Transactions of the Chinese Society of Agricultural Engineering， 2023， 39（15）： 239-248. （in Chinese）

[2] 冷浪平. 農(nóng)業(yè)社會化服務(wù)對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響[D]. 南昌： 江西財經(jīng)大學(xué)， 2023. LENG L P. The impact of agricultural socialized services on agricultural green total factor productivity： macro identification and micro evidence[D]. Nanchang： Jiangxi University of Finance and Economics， 2023. （in Chinese）

[3] 馬軍旗， 樂章. 中國農(nóng)業(yè)面源污染的空間差異與影響因素分析[J]. 農(nóng)業(yè)現(xiàn)代化研究， 2021， 42（6）： 1137-1145. MA J Q， YUE Z. The analysis of the spatial difference and its influencing factors of agricultural non-point source pollution in China[J]. Research of Agricultural Modernization， 2021， 42（6）： 1137-1145. （in Chinese）

[4] 聶彎， 于法穩(wěn). 農(nóng)業(yè)生態(tài)效率研究進(jìn)展分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報， 2017， 25（9）： 1371-1380. NIE W， YU F W. Review of methodology and application of agricultural eco-efficiency[J]. Chinese Journal of Eco-Agri culture， 2017， 25（9）： 1371-1380. （in Chinese）

[5] 吳小慶， 徐陽春， 陸根法. 農(nóng)業(yè)生態(tài)效率評價——以盆栽水稻實驗為例[J]. 生態(tài)學(xué)報， 2009， 29（5）： 2481-2488.WU X Q， XU Y C， LU G F. The evaluation of agricultural eco-efficiency： a case of rice pot-experiment[J]. Acta Ecologica Sinica， 2009， 29（5）： 2481-2488. （in Chinese）

[6] CANALS L M I， BAUER C， DEPESTELE J， DUBREUIL A， KNUCHEL R F， GAILLARD G， MICHELSEN O， MüLLER-WENK R， RYDGREN B. Key elements in a framework for land use impact assessment within LCA[J]. International Journal of Life Cycle Assessment， 2007， 12（1）： 5-15.

[7] CANEGHEM J V， BLOCK C， CRAMM P， MORTIER R， VANDECASTEELE C. Improving eco-efficiency in the steel industry： the ArcelorMittal Gent case[J]. Journal of Cleaner Production， 2010， 18（8）： 807-814.

劉晶茹，呂彬，張娜，石垚. 生態(tài)產(chǎn)業(yè)園的復(fù)合生態(tài)效率及評價指標(biāo)體系[J]. 生態(tài)學(xué)報， 2014， 34（1）： 136-141.LIU J R， LYU B， ZHANG N， SHI Y. Definition and evaluation indicators of ecological industrial park’s complex eco-efficiency[J]. Acta Ecologica Sinica， 2014， 34（1）： 136-141. （in Chinese）

成金華， 孫瓊， 郭明晶， 徐文赟. 中國生態(tài)效率的區(qū)域差異及動態(tài)演化研究[J]. 中國人口·資源與環(huán)境， 2014， 24（1）： 47-54.CHENG J H， SUN Q， GUO M J， XU W Y. Research on regional disparity and dynamic evolution of eco-efficiency in China[J]. China Population， Resources and Environment， 2014， 24（1）： 47-54. （in Chinese）

LAUWERS L. Justifying the incorporation of the materials balanceprinciple into frontier-based eco-efficiency models[J]. Ecological Economics， 2009， 68（6）： 1605-1614.

臧俊梅， 張思影， 唐春云. “雙碳”目標(biāo)下廣東省農(nóng)業(yè)生態(tài)效率時空演變及影響因素研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2023， 44（10）： 135-146.ZANG J M， ZHANG S Y， TANG C Y. Spatio-temporal evolution and influencing factors of agricultural eco-efficiency in Guangdong province under “Dual Carbon”[J]. Chinese Journal of Agricultural Resources and Regional Planning， 2023， 44（10）： 135-146. （in Chinese）

楊國華， 段永蕙， 崔蕾. 山西省農(nóng)業(yè)生態(tài)效率縣域差異及影響因素分析[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2023， 44（3）： 70-78.YANG G H， DUAN Y H， CUI L. Analysis of county differences and influencing factors of agricultural ecological efficiency in Shanxi province[J]. Chinese Journal of Agricultural Resources and Regional Planning， 2023， 44（3）： 70-78. （in Chinese）

[13] 張晶晶. 低碳視角下山東省農(nóng)業(yè)生態(tài)效率測度及影響因素研究[D]. 長春： 吉林農(nóng)業(yè)大學(xué)， 2023.ZHANG J J. Study on measurement and influencing factors of agricultural ecologicalefficiency in Shandong province from the perspective of low carbon[D]. Changchun： Jilin Agricultural University， 2023. （in Chinese）

[14] 李曉龍， 袁帥強(qiáng)， 王偉. 基于凈碳匯的農(nóng)業(yè)生態(tài)效率測度、時空演進(jìn)及收斂性研究——以貴州78個縣域為例[J]. 農(nóng)業(yè)現(xiàn)代化研究， 2023， 44（4）： 680-691LI X L， YUAN S Q， WANG W. Measurement， spatial-temporal evolution，and convergence of agricultural eco-efficiency based on net carbon sink： a case study of 78 counties in Guizhou[J]. Research of Agricultural Modernization， 2023， 44（4）： 680-691. （in Chinese）

[15] 李穎， 陳迪琳. 低碳視角下安徽省農(nóng)業(yè)生態(tài)效率時空演化及影響因素研究[J]. 農(nóng)業(yè)與技術(shù)， 2023， 43（1）： 158-163.LI Y， CHEN D L. Temporal and spatial evolution of agricultural eco-efficiency and its influencing factors in Anhui province from the perspective of low carbon[J]. Agriculture and Technology， 2023， 43（1）： 158-163. （in Chinese）

[16] 陳陽， 穆懷中. 中國農(nóng)業(yè)生態(tài)效率測算及影響因素研究[J]. 統(tǒng)計與決策， 2022， 38（23）： 101-106.CHEN Y， MU H Z. Measurement and influencing factors of agricultural eco-efficiency in China[J]. Statistics amp; Decision， 2022， 38（23）： 101-106. （in Chinese）

[17] 侯孟陽， 姚順波. 1978—2016年中國農(nóng)業(yè)生態(tài)效率時空演變及趨勢預(yù)測[J]. 地理學(xué)報， 2018， 73（11）： 2168-2183.HOU M Y， YAO S B. Spatial-temporal evolution and trend prediction of agricultural eco-efficiency in China： 1978—2016[J]. Acta Geographica Sinica， 2018， 73（11）： 2168-2183. （in Chinese）

[18] 王寶義， 張衛(wèi)國. 中國農(nóng)業(yè)生態(tài)效率的省際差異和影響因素——基于1996—2015年31個省份的面板數(shù)據(jù)分析[J]. 中國農(nóng)村經(jīng)濟(jì)， 2018（1）： 46-62.WANG B Y， ZHANG W G. Cross-provincial differences in determinants of agricultural eco-efficiency in China： an analysis based on panel data from 31 provinces in 1996—2015[J]. Chinese Rural Economy， 2018（1）： 46-62. （in Chinese）

[19] 吉雪強(qiáng)， 尚杰. 基于三階段SBM模型的中國農(nóng)業(yè)生態(tài)效率研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2021， 42（7）： 210-217.JIE X Q， SHANG J. A study on China’s agricultural ecological efficiency based on the third stage SBM model[J]. Chinese Journal of Agricultural Resources and Regional Planning， 2021， 42（7）： 210-217. （in Chinese）

[20] 高策， 張新仕， 王桂榮， 崔永福. 河北省縣域農(nóng)業(yè)生態(tài)效率時空演化及影響因素[J]. 河北農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版）， 2024， 26（1）： 42-56.GAO C， ZHANG X S， WANG G R， CUI Y F. The spatial-temporal evolution and influencing factors of agricultural ecological efficiency at county-level in Hebei province[J]. Journal of Hebei Agricultural University （Social Sciences）， 2024， 26（1）： 42-56. （in Chinese）

[21] 楊宇晴. 吉林省農(nóng)業(yè)生態(tài)效率及其影響因素研究[D]. 長春： 吉林農(nóng)業(yè)大學(xué)， 2022.YANG Y Q. Research on agricultural ecological efficiency and its influencing factors in Jilin province[D]. Changchun： Jilin Agricultural University， 2022. （in Chinese）

[22] 閆明濤， 喬家君， 瞿萌， 韓冬. 河南省農(nóng)業(yè)生態(tài)效率測度、空間溢出與影響因素研究[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報， 2022， 38（11）： 1396-1405.YAN M T， QIAO J J， QU M， HAN D. Measurements， spatial spillover and influencing factors of agricultural eco-efficiency in Henan province[J]. Journal of Ecology and Rural Environment， 2022， 38（11）： 1396-1405. （in Chinese）

[23] 張展， 廖小平， 李春華， 楊燦， 陽莎莎， 李伊涵. 湖南省縣域農(nóng)業(yè)生態(tài)效率的時空特征及其影響因素[J]. 經(jīng)濟(jì)地理， 2022， 42（2）： 181-189.ZHANG Z， LIAO X P， LI C H， YANG C， YANG S S， LI Y H. Spatio-temporal characteristics of agricultural eco-efficie ncy and its determinants in Hunan province[J]. Economic Geography， 2022， 42（2）： 181-189. （in Chinese）

[24] 周旭東， 呂光輝. 新疆農(nóng)業(yè)生態(tài)效率時空差異及影響因素研究——基于DEA-Malmquist指數(shù)-Tobit模型分析[J]. 中南林業(yè)科技大學(xué)學(xué)報（社會科學(xué)版）， 2018， 12（6）： 37-45.ZHOU X D， LYU G H. Study on spatial and temporal difference of agricultural eco-efficiency in Xinjiang and its influencing factors： based on the DEA-Malmquist index-Tobit model analysis[J]. Journal of Central South University of Forestry amp; Technology （Social Sciences）， 2018， 12（6）： 37-45. （in Chinese）

[25] 朱璦嬡， 殷頌葵， 劉瓊慧. 中國西北地區(qū)農(nóng)業(yè)生態(tài)效率時空分異及影響因素研究[J]. 干旱區(qū)地理， 2024， 47（7）： 1210-1219.

ZHU Y Y， YIN S K， LIU Q H. Spatial and temporal differentiation and influencing factors of agricultural ecological efficiency in northwest China[J]. Arid Land Geography， 2024， 47（7）： 1210-1219. （in Chinese）

[26] 石玉林， 唐華俊， 王浩， 高中琪， 汪林， 張紅旗， 劉宏斌， 羅其友， 王立新， 席北斗， 黃彩紅， 李瑞， 許爾琪， 崔正國. 中國農(nóng)業(yè)資源環(huán)境若干戰(zhàn)略問題研究[J]. 中國工程科學(xué)， 2018， 20（5）： 1-8.SHI Y L， TANG H J， WANG H， GAO Z Q， WANG L， ZHANG H Q， LIU H B， LUO Q Y， WANG L X， XI B D， HUANG C H， LI L， XU E Q， CUI Z G. Research on key strategic issues of agricultural resource and environment in China[J]. Strategic Study of CAE， 2018， 20（5）： 1-8. （in Chinese）

[27] 楊蓉. 內(nèi)蒙古農(nóng)業(yè)生態(tài)效率的時空特征及影響因素[J/OL]. 中南民族大學(xué)學(xué)報（人文社會科學(xué)版）， 1-9. （2024-04- 10）[2024-08-21]. https：//doi.org/10.19898/j.cnki.42-1704/C. 20240402.01.YANG R. Spatial and temporal characteristics and influencing factors of agricultural eco-efficiency in Inner Mongolia [J/OL]. Journal of South-Central Minzu University （Humani ties and Social Sciences）， 1-9. （2024-04-10）[2024-08-21]. https：//doi.org/10.19898/j.cnki.42-1704/C.20240402.01. （in Chinese）

[28] 趙吉， 黨國英， 唐夏俊. 基于SBM-Tobit模型的中國農(nóng)業(yè)生態(tài)效率時空差異及影響因素研究[J]. 西南林業(yè)大學(xué)學(xué)報（社會科學(xué)）， 2022， 6（3）： 10-18ZHAO J， DANG G Y， TANG X J. Spatial-temporal differences and influencing factors of agricultural eco-efficiency in China based on SBM-Tobit model[J]. Journal of Southwest Forestry University （Social Sciences）， 2022， 6（3）： 10-18. （in Chinese）