论文部分内容阅读
摘要 为了解新疆阿克苏地区绿色农业发展情况，基于新疆阿克苏地区统计年鉴数据，应用非期望产出超效率SBM模型对该地区9个县市2007—2018年的绿色农业技术效率进行评价，并且运用Tobit回归模型对影响绿色农业技术效率的因素进行实证研究。结果表明：阿克苏地区绿色农业技术效率总体呈下降趋势，各县市绿色农业技术效率值出现明显的“两极分化”，生产要素投入和非期望产出冗余是技术无效率的主要来源;农业产业结构和城镇化水平对阿克苏地区整体绿色农业技术效率产生负向影响，工业化水平对其产生正向影响;各影响因素对3个分区产生了不同的影响，其中，农业产业结构、工业化水平、财政支农等均对低效率区产生负向影响。
关键词 超效率SBM模型;绿色农业技术效率;Tobit回归模型;影响因素
中图分类号 S-9 文献标识码 A
文章编号 0517-6611（2021）15-0222-05
Abstract To understand Xinjiang Aksu area green agriculture development situation， based on statistical yearbook data of Aksu area in Xinjiang，using the undesirable output superefficient SBM models to evaluate green agricultural technology efficiency of 9 counties and cities in the region in 2017-2018 and using Tobit regression model for empirical research on the influencing factors of green agriculture technical efficiency.The results showed that the overall efficiency of green agriculture in Aksu region showed a downward trend， and the efficiency values of green agriculture in various counties and cities showed obvious “polarization”.The input of production factors and the redundancy of undesired output were the main sources of technical inefficiency.The agricultural industrial structure and urbanization level have a negative impact on the overall green agricultural technical efficiency in Aksu region， while the industrialization level has a positive impact on it.Various influencing factors have different influences on the three zones， among which， agricultural industrial structure， industrialization level and financial support for agriculture all have negative influences on the lowefficiency zones.
Key words Superefficient SBM model;Green agricultural technical efficiency;Tobit regression model;Influencing factors
基金項目 国家自然科学基金项目（71663045）;新疆生产建设兵团社会科学基金项目（16QN10）。
作者简介 丁为艮（1986—），男，安徽肥西人，硕士研究生，研究方向：特色产业经济。*通信作者，副教授，博士，从事农业技术经济理论与政策研究。
收稿日期 2020-11-29;修回日期 2021-01-04
农业作为一个国家的基础性产业，其发展水平的高低直接影响到国家的经济发展与社会稳定。长期以来，农业是新疆经济发展的基础。2018年，新疆农业总产值占全疆总产值的13.9%，远高于全国的平均水平。但新疆地处欧亚大陆腹地，气候干旱少雨，林草植被稀少，生态环境脆弱，属于典型的“绿洲经济”，恶劣的生态环境严重制约着新疆经济和社会的发展，而发展绿色农业是解决新疆资源环境制约问题的必由之路，绿色农业的根本理念是倡导生态环境友好、资源利用合理、农业可持续发展，代表了现代农业的发展趋势。
新疆地域辽阔，南北疆气候、经济结构差异巨大，而南疆地区农业经济比重大，生态环境脆弱，发展绿色农业的需求更为迫切，同时南疆4地州是全疆经济发展较为滞后的区域，农业经济占据主导地位，其中阿克苏地区的农业经济发展在南疆4地州中具有代表性。因此，笔者以新疆阿克苏地区为研究区域，对绿色农业技术效率进行测算，对其影响因素进行分析，从而为新疆地区发展绿色农业提供一定参考。
经过对已有文献的梳理发现，国外学者Farrell等[1-10]对技术效率理论和农业技术效率的测算研究比较成熟，且已经发展了相应的理论体系，对现在的研究具有借鉴意义。国内学者杨旭等[11-18]在总结国内外研究理论的基础上对我国农业的绿色生产效率、环境技术效率和生态技术效率进行了一些研究，研究成果也比较丰富。随着对绿色生态农业的认识逐渐深入，有力地促进了我国发展绿色农业的发展，但是现有关于绿色农业技术效率的研究表现出以下特点：①对绿色农业技术效率的概念没有统一。学者在测算农业技术效率时将“非期望”产出纳入核算体系，运用的模型方法相同，一部分学者称之为“环境技术效率”，另一部分学者称之为“生态技术效率”，学术界没用明确界定农业绿色技术效率、农业环境技术的效率、农业生态技术效率3个概念的区别，或是将三者的概念等同。②研究对象没有明确是广义农业还是狭义农业。有的在测算农业技术效率时，将农业总产出作为产出指标，并没用明确指出是狭义的种植业总产值还是包括农林牧副渔业的广义农业总产值，从而与投入指标不对应，导致测算的农业技术效率出现偏差。③指标选取上存有一定争议。比如一些将耕地面积作为土地投入，而另一些将土地播种面积作为投入指标。在计算非期望产出时，选取的污染指标不全面或是与研究的对象不对应，比如在测算农业碳排放时没有将农用柴油使用量计算在内，却又将本不属于农业污染本身的生活污染计算到非期望产出指标当中。 综上，笔者在总结前人学者研究成果的基础上，从推进新疆绿色农业发展的角度出发，通过非期望产出超效率SBM模型测算新疆阿克苏地区的绿色农业技术效率，并使用Tobit模型分析其影响因素，从而给出提高新疆绿色农业技术效率的方法和途径。
1 研究方法和模型
1.1 超效率SBM模型 该研究考虑采用非期望产出的超效率SBM模型测算绿色农业技术效率。假设有 n个 决策单元（DMU），各个DMU都有 m 个投入指标， X∈Rm，h个期望产出，ye∈Rh，k个非期望产出yu∈Rk，矩阵X、Ye、Yu分别被定义为X=（x1，x2，…，xn）∈Rm×n，Ye=（ye1，ye2，…， yen）∈Rh×n， Yu=（yu1 ，yu2，…， yun）∈R k×n，并假定X、Ye、Yu都是大于0的。 其生产可能集在不变规模报酬（CRS）下被定义为： P={（x，ye，yu）：x≥λ X，ye≤λYe， yu≥λYu，λ≥0}，λ表 示为权重向量。则非期望超效率SBM模型为：
式中，S、Se、Su 均为松弛变量，S表示投入冗余，Se表示期望产出不足，Su表示非期望产出冗余;ρ*表示被评价决策单元的效率值，ρ是关于S、Se、Su的单调递减函数，即当ρ=1 时，即S、Se、Su 均为0，决策单元完全有效，反之若ρ≤1 则说明存在无效率，投入与产出需要相应的改进。可以进一步基于松弛变量S、Se、Su 对农业绿色生产无效率进行分解，分别得到投入要素的冗余率、期望产出的不足率以及非期望产出的冗余率。
超效率SBM投入-产出冗余率计算公式如下：
投入冗余率=投入冗余量实际投入量×100%（2）
期望产出冗余率=期望产出余量期望产出实际产出量×100%（3）
非期望产出冗余率=非期望产出余量非期望产出实际产出量×100%（4）
1.2 Tobit模型 该研究测算绿色农业技术效率值为0～2，屬于受限因变量，Tobit回归模型能很好地处理受限因变量或截断性问题，该研究采用Tobit回归模型对阿克苏地区绿色农业技术效率影响因素进行分析，其基础表达式如下：
式中，y*i为潜在的被解释变量片;yi为实际观察的被解释变量;Xi为解释变量;随机扰动项εi 服从正态分布。
2 绿色农业技术效率分析
2.1 数据来源与指标选取 选取2007—2018年阿克苏地区7县2市农业投入产出数据，原始数据主要来源于相应年份的《阿克苏统计年鉴》《新疆统计年鉴》。该研究中农业是指广义农业。以县市作为决策单元，基于非期望产出的SBM超效率模型测算绿色农业技术效率，在变量选取过程中，考虑投入、产出指标的实际可获得性，参考前人研究成果并结合阿克苏地区农业发展特征，具体确定如下指标。
2.1.1 投入指标。
（1）资源投入。主要包括土地投入，土地是农业生产活动的直接载体，对于农业生产活动而言至关重要。由于土地复耕情况不一样，加上农业生产中的弃耕、休耕的现象，使用耕地面积则土地的真实投入无法得到体现，且该研究以新疆阿克苏地区农林牧副渔业为研究对象，还应考虑林果业、草地面积，因此采用第一产业种植业、林果业、草地的土地总面积来表示土地投入。
（2）劳动力投入。劳动力是农业生产最基本的投入要素，是从事农业生产活动的主体，农业从业人数能在一定程度上衡量农业的劳动力投入。该研究用第一产业从业人数表示。
（3）资本投入。是农业生产中各种物质投入的资金来源，对农业生产有着重要的作用。资本投入参考张军等的永续盘存法[19-20];农用机械的使用可以节约劳动力，提高农业生产效率，该研究用农业机械总动力表示。
2.1.2 农业产出指标。农业产出包括期望产出和非期望产出。农业生产中的期望产出主要是经济产出，该研究用农业总产值作为农业期望产出指标，为剔除价格变化的影响，统一将农业总产值折算为以2007 年为基期的不变价格。该研究结合研究区的生产实际及数据的可获得性，全面考虑农业生产带来的环境污染，选取农业碳排放作为非期望产出，包括种植业碳排放和禽畜养殖碳排放。
关于碳排放，主要包含CO2、CH4、N2O 3种气体，根据该研究需要，参照已有研究，分别对这3种气体进行测算。参照李波等[21-24]研究构建的农业碳排放核算公式计算阿克苏地区农业碳排放总量。
各投入产出变量的统计描述如表1所示。
2.2 阿克苏地区绿色农业技术效率测算结果及分析 基于2007—2018年阿克苏地区9个县市农业生产各投入产出要素数据，运用非期望超效率SBM-CRS模型测算农业绿色技术效率，得出2007—2018年新疆阿克苏地区9个县市的农业绿色技术效率（表2），分别对2007—2018年阿克苏地区整体以及区域农业绿色技术效率展开分析。
由表2可知，2007—2018年阿克苏地区整体的绿色农业技术效率呈现为下降趋势。2007—2018年阿克苏地区平均绿色农业技术效率为0.791，总体属于中上水平，阿克苏地区绿色农业技术效率从2007年的 0.855下降到了2018年的0.671，下降了21.52%，说明绿色农业的发展遇到一定的阻碍，仍然还有很大的发展空间，这可能跟阿克苏地区各县市之间的绿色农业发展不平衡有一定关系。
2007—2018年，阿克苏地区9个县市的绿色农业技术效率均有一定的下降，其中，阿克苏市、温宿县、阿瓦提县3个县市绿色农业技术效率处于效率有效的前沿，但库车县、沙雅县、新和县、拜城县、乌什县、柯坪县等 6 个县却一直处于较低水平，阿克苏地区9个县市的绿色农业技术效率也因此呈现出明显的“两极分化”现象，绿色农业技术效率高的县市基本都达到了效率相对有效的前沿，绿色农业技术效率低的县市则长期未达到效率相对有效的前沿，导致阿克苏地区绿色农业发展长期处于不平衡的状态。 2.3 阿克苏地区绿色农业技术效率测算结果区域分析 基于阿克苏地区效率测算数据，对阿克苏地区绿色农业技术效率进行了分区，如表3所示，2007—2018年，阿克苏地区绿色农业技术超效率区为阿克苏市、温宿县、阿瓦提县，中高效率区为新和县、库车县、沙雅县，低效率区为拜城县、乌什县、柯坪县。
从表4可以得出，超效率、中高效率、低效率区的绿色农业技术效率平均值分别为1.212、0.728和0.432。2007—2018年，绿色农业技术效率超效率区效率呈现上升趋势，而中高效率区和低效率区绿色农业技术效率处于下降趋势，因此，改进农业增长方式，采用高效绿色农业是阿克苏地区缓解低效率区及中高效率区绿色农业技术效率值下降的主要方法。
2.4 阿克苏地区绿色农业技术无效率分析 由表5可知，从生产过程来看，2007—2018年阿克苏地区各县市在投入要素方面和非期望产出方面均存在不同程度的冗余，说明生产资料的过量投入和农业生产中碳排放过多是农业绿色技术无效率的主要来源，其中，农业从业人员、农业碳排放和农业资本投入冗余占据前3位。
3 阿克苏地区绿色农业技术效率影响因素分析
根据国内外学者对农业绿色效率影响因素的研究，并结合前文对绿色农业技术效率的测算及阿克苏地区农业发展现状，分别从农业产业结构、城镇化水平、工业化水平、区域经济、财政支农和、农田水利设施水平6个方面进行指标选取，另外，预判了这些影响因素对阿克苏地区绿色农业技术效率的影响（表6）。
该研究的被解释变量为非期望超效率SBM模型测度的农业绿色技术效率，其取值范围在0～2，属于受限变量，因此选择Tobit模型进行分析农业绿色技术效率的影响因素，该研究最终构建Tobit模型，具体模型如下：
Yi=Ci+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6（2）
式中，Yi代表阿克苏地区绿色农业技术效率，（i=1，2，…，6）;Ci为各因素变量常数;X1表示农业产业结构;X2表示城镇化发展水平;X3表示工业化水平;X4表示区域经济发展水平;X5表示财政支农;X6表示农田水利设施水平;β1～β6 表示回归参数。
由表7可以看出，阿克苏地区整体绿色农业技术效率影响因素回归结果表明，农业产业结构（ X1）和城镇化水（X2）平对阿克苏地区整体绿色农业技术效率产生负向影响，工业化水平（X3）对其产生正向影响。区域经济（X4）、财政支农力度（X5）、农田水利设施水平（X6）对阿克苏地 区整体的绿色农业技术效率影响均未通过0.01水平的显著性检验。
分区的绿色农业技术效率影响因素回归结果表明，不同的影响因素对各分区产生了不同的影响。①农田水利设施水平对3个分区的绿色农业技术效率均产生负向影响，说明阿克苏地区应进一步发展高效环保节能的农业灌溉设施。②农业产业结构和城镇化水平对超效率区绿色农业技术效率影响并不显著，其中，城镇化水平对中高效率区产生负向影响，对低效率区却产生正向影响，这可能是由于低效率区经济发展水平低，城镇化有利于促进农村剩余劳动力转移，而中高效率区发展水平相对较高，城镇化虽然有利于劳动力转移，但城镇化的过程也加快了农业用地的减少及环境的污染的增加，从而弊大于利，导致城镇化对中高效率区产生负向作用。③财政支
农政策对超效率地区产生正向影响，对低效率地区却产生负向影响，可能是超效率区相关县市绿色农业经济发展较好，政府的财政投入被持续应用到绿色农业生产中，而低效率区财政投入多偏向于农机补贴，并未投入到农业新技术改进方面。④工业化水平对超效率区和低效率区产生负向影响，对中高效率区却产生正向影响，可能是由于低效率地区经济发展落后，生态环境脆弱，不利于工业化发展。同时，超效率区农业绿色技术效率已处于生产前沿面，农业生产的投入和产出达到相对有效，工业化的发展将使土地和劳动力供给向工业部门转移，因此在低效率和超效率地区，工业化的正向作用小于负向作用。中高效率地区，从自然条件和经济发展优势来说，工业化更能促进农业先进技术的发展，从而正向作用大于负向作用。⑤区域經济因素对超效率和低效率区产生正向影响，但对中高效率区产生了负向影响。可能是对于超效率和低效率区来说，农业收入是家庭主要收入来源，农业生产投入的增加更能促进农民收入的提高，从而农民增加农业投入的意愿强烈，而中高效率区农业生产的产出效益不高，家庭收入来源较多，农民持续增加农业投入的意愿不强烈，只愿维持现有生产规模和方式，获得可预期的收入。
4 结论与启示
该研究利用超效率SBM模型测算了考虑农业非期望产出的新疆阿克苏地区9县市的农业绿色技术效率，并且运用Tobit回归模型对农业绿色技术效率的影响因素进行分析。主要结论如下：①考察期内，阿克苏地区各县市的平均绿色农业技术效率总体呈下降趋势，而生产资料的投入和非期望产出冗余是农业绿色技术无效率的主要来源，其中，农业从业人员、农业碳排放和农业资本的冗余占据前3位。②农业产业结构和城镇化水平对阿克苏地区整体绿色农业技术效率产生负向影响，工业化水平对其产生正向影响。③各影响因素对3个分区产生了不同的影响，其中，农业产业结构、工业化水平、财政支农等均对低效率区产生负向影响。
基于以上结果，得出如下启示：①阿克苏地区应积极发展绿色高效农业，转变粗放式农业发展模式，加大绿色农业技术推广，将绿色农业技术推广的重点放在低效率的县市。②阿克苏地区应加快调整农业产业结构，促进种植业提质增效，减少化肥农药使用，加大地膜回收力度，减少种植业生产中的环境污染。③超效率和低效率地区应加快第二产业发展，以“工业反哺农业”，促进绿色农业发展。同时，及时调整低效率地区的财政补贴结构，将支农补贴向绿色可持续农业项目转移;加大对中高效率区农户的农业科技知识培训力度，积极引导农民改变思想观念，改进农业生产方式，加大绿色农业技术生产投入。 参考文献
[1] FARRELL M J.The measurement of productive efficiency[J].Journal of the royal statistical society，1957，120（3）： 253-281.
[2] LEIBENSTEIN H.Allocative efficiency vs，"Xefficiency"[J].The American economic review，1966，56（3）：392-415.
[3] GREENE W.Reconsidering heterogeneity in panel data estimators of the stochastic frontier model[J].Journal of econometrics，2005，126（2）：269-303.
[4] AIGNER D，LOVELL C A K，SCHMIDT P.Formulation and estimation of stochastic frontier production function models[J].Journal of econometrics，1977，6（1）：21-37.
[5] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）：429-444.
[6] BANKER R D，CHARNES A， COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science，1984，30（9）：1078-1092.
[7] CHAMBERS R G，CHUNG Y，CHUNG FRE R.Benefit and distance functions[J]. Journal of economic theory，1996，70（2）：407-419.
[8] TONE K.A slacksbased measure of efficiency in data envelopment analysis[J].European journal of operational research，2001，130（3）：498-509.
[9] ANDERSEN P，PETERSEN N C.A procedure for ranking efficient units in data envelopment analysis[J].Management science，1993，39（10）：1261-1264.
[10] TONE K.A slacksbased measure of superefficiency in data envelopment analysis[J].European journal of operational research，2002，143（1）：32-41.
[11] 杨旭.DEA方法在测定农业技术效率中的应用[J].西南农业学报，1994，7（4）：54-58.
[12] 崔晓，张屹山.中国农业环境效率与环境全要素生产率分析[J].中国农村经济，2014（8）：4-16.
[13] 李谷成.中国农业的绿色生产率革命：1978—2008年[J].经济学，2014，13（2）：537-558.
[14] 全炯振.中国农业全要素生产率增长的实证分析：1978～2007年——基于随机前沿分析（SFA）方法[J].中國农村经济，2009（9）：36-47.
[15] 匡远凤.技术效率、技术进步、要素积累与中国农业经济增长：基于SFA 的经验分析[J].数量经济技术经济研究，2012，29（1）：3-18.
[16] 肖锐.财政支农对农业绿色生产率的影响研究[D].武汉：中南财经政法大学，2018.
[17] 吕娜，朱立志.中国农业环境技术效率与绿色全要素生产率增长研究[J].农业技术经济，2019（4）：95-103.
[18] 孟祥海，周海川，杜丽永，等.中国农业环境技术效率与绿色全要素生产率增长变迁：基于种养结合视角的再考察[J].农业经济问题，2019，46（6）：9-22.
[19] 张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35-44.
[20] 靖学青.中国省际物质资本存量估计：1952～2010[J].广东社会科学， 2013（2）：46-55.
[21] 李波， 张俊飚， 李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口· 资源与环境，2011，21（8）：80-86.
[22] 闵继胜，胡浩.中国农业生产温室气体排放量的测算[J].中国人口·资源与环境，2012，22（7）：21-27.
[23] 张俊飚，程琳琳，何可.中国农业低碳经济效率的时空差异及影响因素研究：基于“碳投入”视角[J].环境经济研究，2017，2（2）：36-51.
[24] 田云.中国低碳农业发展：生产效率、空间差异与影响因素研究[D].武汉：华中农业大学，2015：23-41.
关键词 超效率SBM模型;绿色农业技术效率;Tobit回归模型;影响因素
中图分类号 S-9 文献标识码 A
文章编号 0517-6611（2021）15-0222-05
Abstract To understand Xinjiang Aksu area green agriculture development situation， based on statistical yearbook data of Aksu area in Xinjiang，using the undesirable output superefficient SBM models to evaluate green agricultural technology efficiency of 9 counties and cities in the region in 2017-2018 and using Tobit regression model for empirical research on the influencing factors of green agriculture technical efficiency.The results showed that the overall efficiency of green agriculture in Aksu region showed a downward trend， and the efficiency values of green agriculture in various counties and cities showed obvious “polarization”.The input of production factors and the redundancy of undesired output were the main sources of technical inefficiency.The agricultural industrial structure and urbanization level have a negative impact on the overall green agricultural technical efficiency in Aksu region， while the industrialization level has a positive impact on it.Various influencing factors have different influences on the three zones， among which， agricultural industrial structure， industrialization level and financial support for agriculture all have negative influences on the lowefficiency zones.
Key words Superefficient SBM model;Green agricultural technical efficiency;Tobit regression model;Influencing factors
基金項目 国家自然科学基金项目（71663045）;新疆生产建设兵团社会科学基金项目（16QN10）。
作者简介 丁为艮（1986—），男，安徽肥西人，硕士研究生，研究方向：特色产业经济。*通信作者，副教授，博士，从事农业技术经济理论与政策研究。
收稿日期 2020-11-29;修回日期 2021-01-04
农业作为一个国家的基础性产业，其发展水平的高低直接影响到国家的经济发展与社会稳定。长期以来，农业是新疆经济发展的基础。2018年，新疆农业总产值占全疆总产值的13.9%，远高于全国的平均水平。但新疆地处欧亚大陆腹地，气候干旱少雨，林草植被稀少，生态环境脆弱，属于典型的“绿洲经济”，恶劣的生态环境严重制约着新疆经济和社会的发展，而发展绿色农业是解决新疆资源环境制约问题的必由之路，绿色农业的根本理念是倡导生态环境友好、资源利用合理、农业可持续发展，代表了现代农业的发展趋势。
新疆地域辽阔，南北疆气候、经济结构差异巨大，而南疆地区农业经济比重大，生态环境脆弱，发展绿色农业的需求更为迫切，同时南疆4地州是全疆经济发展较为滞后的区域，农业经济占据主导地位，其中阿克苏地区的农业经济发展在南疆4地州中具有代表性。因此，笔者以新疆阿克苏地区为研究区域，对绿色农业技术效率进行测算，对其影响因素进行分析，从而为新疆地区发展绿色农业提供一定参考。
经过对已有文献的梳理发现，国外学者Farrell等[1-10]对技术效率理论和农业技术效率的测算研究比较成熟，且已经发展了相应的理论体系，对现在的研究具有借鉴意义。国内学者杨旭等[11-18]在总结国内外研究理论的基础上对我国农业的绿色生产效率、环境技术效率和生态技术效率进行了一些研究，研究成果也比较丰富。随着对绿色生态农业的认识逐渐深入，有力地促进了我国发展绿色农业的发展，但是现有关于绿色农业技术效率的研究表现出以下特点：①对绿色农业技术效率的概念没有统一。学者在测算农业技术效率时将“非期望”产出纳入核算体系，运用的模型方法相同，一部分学者称之为“环境技术效率”，另一部分学者称之为“生态技术效率”，学术界没用明确界定农业绿色技术效率、农业环境技术的效率、农业生态技术效率3个概念的区别，或是将三者的概念等同。②研究对象没有明确是广义农业还是狭义农业。有的在测算农业技术效率时，将农业总产出作为产出指标，并没用明确指出是狭义的种植业总产值还是包括农林牧副渔业的广义农业总产值，从而与投入指标不对应，导致测算的农业技术效率出现偏差。③指标选取上存有一定争议。比如一些将耕地面积作为土地投入，而另一些将土地播种面积作为投入指标。在计算非期望产出时，选取的污染指标不全面或是与研究的对象不对应，比如在测算农业碳排放时没有将农用柴油使用量计算在内，却又将本不属于农业污染本身的生活污染计算到非期望产出指标当中。 综上，笔者在总结前人学者研究成果的基础上，从推进新疆绿色农业发展的角度出发，通过非期望产出超效率SBM模型测算新疆阿克苏地区的绿色农业技术效率，并使用Tobit模型分析其影响因素，从而给出提高新疆绿色农业技术效率的方法和途径。
1 研究方法和模型
1.1 超效率SBM模型 该研究考虑采用非期望产出的超效率SBM模型测算绿色农业技术效率。假设有 n个 决策单元（DMU），各个DMU都有 m 个投入指标， X∈Rm，h个期望产出，ye∈Rh，k个非期望产出yu∈Rk，矩阵X、Ye、Yu分别被定义为X=（x1，x2，…，xn）∈Rm×n，Ye=（ye1，ye2，…， yen）∈Rh×n， Yu=（yu1 ，yu2，…， yun）∈R k×n，并假定X、Ye、Yu都是大于0的。 其生产可能集在不变规模报酬（CRS）下被定义为： P={（x，ye，yu）：x≥λ X，ye≤λYe， yu≥λYu，λ≥0}，λ表 示为权重向量。则非期望超效率SBM模型为：
式中，S、Se、Su 均为松弛变量，S表示投入冗余，Se表示期望产出不足，Su表示非期望产出冗余;ρ*表示被评价决策单元的效率值，ρ是关于S、Se、Su的单调递减函数，即当ρ=1 时，即S、Se、Su 均为0，决策单元完全有效，反之若ρ≤1 则说明存在无效率，投入与产出需要相应的改进。可以进一步基于松弛变量S、Se、Su 对农业绿色生产无效率进行分解，分别得到投入要素的冗余率、期望产出的不足率以及非期望产出的冗余率。
超效率SBM投入-产出冗余率计算公式如下：
投入冗余率=投入冗余量实际投入量×100%（2）
期望产出冗余率=期望产出余量期望产出实际产出量×100%（3）
非期望产出冗余率=非期望产出余量非期望产出实际产出量×100%（4）
1.2 Tobit模型 该研究测算绿色农业技术效率值为0～2，屬于受限因变量，Tobit回归模型能很好地处理受限因变量或截断性问题，该研究采用Tobit回归模型对阿克苏地区绿色农业技术效率影响因素进行分析，其基础表达式如下：
式中，y*i为潜在的被解释变量片;yi为实际观察的被解释变量;Xi为解释变量;随机扰动项εi 服从正态分布。
2 绿色农业技术效率分析
2.1 数据来源与指标选取 选取2007—2018年阿克苏地区7县2市农业投入产出数据，原始数据主要来源于相应年份的《阿克苏统计年鉴》《新疆统计年鉴》。该研究中农业是指广义农业。以县市作为决策单元，基于非期望产出的SBM超效率模型测算绿色农业技术效率，在变量选取过程中，考虑投入、产出指标的实际可获得性，参考前人研究成果并结合阿克苏地区农业发展特征，具体确定如下指标。
2.1.1 投入指标。
（1）资源投入。主要包括土地投入，土地是农业生产活动的直接载体，对于农业生产活动而言至关重要。由于土地复耕情况不一样，加上农业生产中的弃耕、休耕的现象，使用耕地面积则土地的真实投入无法得到体现，且该研究以新疆阿克苏地区农林牧副渔业为研究对象，还应考虑林果业、草地面积，因此采用第一产业种植业、林果业、草地的土地总面积来表示土地投入。
（2）劳动力投入。劳动力是农业生产最基本的投入要素，是从事农业生产活动的主体，农业从业人数能在一定程度上衡量农业的劳动力投入。该研究用第一产业从业人数表示。
（3）资本投入。是农业生产中各种物质投入的资金来源，对农业生产有着重要的作用。资本投入参考张军等的永续盘存法[19-20];农用机械的使用可以节约劳动力，提高农业生产效率，该研究用农业机械总动力表示。
2.1.2 农业产出指标。农业产出包括期望产出和非期望产出。农业生产中的期望产出主要是经济产出，该研究用农业总产值作为农业期望产出指标，为剔除价格变化的影响，统一将农业总产值折算为以2007 年为基期的不变价格。该研究结合研究区的生产实际及数据的可获得性，全面考虑农业生产带来的环境污染，选取农业碳排放作为非期望产出，包括种植业碳排放和禽畜养殖碳排放。
关于碳排放，主要包含CO2、CH4、N2O 3种气体，根据该研究需要，参照已有研究，分别对这3种气体进行测算。参照李波等[21-24]研究构建的农业碳排放核算公式计算阿克苏地区农业碳排放总量。
各投入产出变量的统计描述如表1所示。
2.2 阿克苏地区绿色农业技术效率测算结果及分析 基于2007—2018年阿克苏地区9个县市农业生产各投入产出要素数据，运用非期望超效率SBM-CRS模型测算农业绿色技术效率，得出2007—2018年新疆阿克苏地区9个县市的农业绿色技术效率（表2），分别对2007—2018年阿克苏地区整体以及区域农业绿色技术效率展开分析。
由表2可知，2007—2018年阿克苏地区整体的绿色农业技术效率呈现为下降趋势。2007—2018年阿克苏地区平均绿色农业技术效率为0.791，总体属于中上水平，阿克苏地区绿色农业技术效率从2007年的 0.855下降到了2018年的0.671，下降了21.52%，说明绿色农业的发展遇到一定的阻碍，仍然还有很大的发展空间，这可能跟阿克苏地区各县市之间的绿色农业发展不平衡有一定关系。
2007—2018年，阿克苏地区9个县市的绿色农业技术效率均有一定的下降，其中，阿克苏市、温宿县、阿瓦提县3个县市绿色农业技术效率处于效率有效的前沿，但库车县、沙雅县、新和县、拜城县、乌什县、柯坪县等 6 个县却一直处于较低水平，阿克苏地区9个县市的绿色农业技术效率也因此呈现出明显的“两极分化”现象，绿色农业技术效率高的县市基本都达到了效率相对有效的前沿，绿色农业技术效率低的县市则长期未达到效率相对有效的前沿，导致阿克苏地区绿色农业发展长期处于不平衡的状态。 2.3 阿克苏地区绿色农业技术效率测算结果区域分析 基于阿克苏地区效率测算数据，对阿克苏地区绿色农业技术效率进行了分区，如表3所示，2007—2018年，阿克苏地区绿色农业技术超效率区为阿克苏市、温宿县、阿瓦提县，中高效率区为新和县、库车县、沙雅县，低效率区为拜城县、乌什县、柯坪县。
从表4可以得出，超效率、中高效率、低效率区的绿色农业技术效率平均值分别为1.212、0.728和0.432。2007—2018年，绿色农业技术效率超效率区效率呈现上升趋势，而中高效率区和低效率区绿色农业技术效率处于下降趋势，因此，改进农业增长方式，采用高效绿色农业是阿克苏地区缓解低效率区及中高效率区绿色农业技术效率值下降的主要方法。
2.4 阿克苏地区绿色农业技术无效率分析 由表5可知，从生产过程来看，2007—2018年阿克苏地区各县市在投入要素方面和非期望产出方面均存在不同程度的冗余，说明生产资料的过量投入和农业生产中碳排放过多是农业绿色技术无效率的主要来源，其中，农业从业人员、农业碳排放和农业资本投入冗余占据前3位。
3 阿克苏地区绿色农业技术效率影响因素分析
根据国内外学者对农业绿色效率影响因素的研究，并结合前文对绿色农业技术效率的测算及阿克苏地区农业发展现状，分别从农业产业结构、城镇化水平、工业化水平、区域经济、财政支农和、农田水利设施水平6个方面进行指标选取，另外，预判了这些影响因素对阿克苏地区绿色农业技术效率的影响（表6）。
该研究的被解释变量为非期望超效率SBM模型测度的农业绿色技术效率，其取值范围在0～2，属于受限变量，因此选择Tobit模型进行分析农业绿色技术效率的影响因素，该研究最终构建Tobit模型，具体模型如下：
Yi=Ci+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6（2）
式中，Yi代表阿克苏地区绿色农业技术效率，（i=1，2，…，6）;Ci为各因素变量常数;X1表示农业产业结构;X2表示城镇化发展水平;X3表示工业化水平;X4表示区域经济发展水平;X5表示财政支农;X6表示农田水利设施水平;β1～β6 表示回归参数。
由表7可以看出，阿克苏地区整体绿色农业技术效率影响因素回归结果表明，农业产业结构（ X1）和城镇化水（X2）平对阿克苏地区整体绿色农业技术效率产生负向影响，工业化水平（X3）对其产生正向影响。区域经济（X4）、财政支农力度（X5）、农田水利设施水平（X6）对阿克苏地 区整体的绿色农业技术效率影响均未通过0.01水平的显著性检验。
分区的绿色农业技术效率影响因素回归结果表明，不同的影响因素对各分区产生了不同的影响。①农田水利设施水平对3个分区的绿色农业技术效率均产生负向影响，说明阿克苏地区应进一步发展高效环保节能的农业灌溉设施。②农业产业结构和城镇化水平对超效率区绿色农业技术效率影响并不显著，其中，城镇化水平对中高效率区产生负向影响，对低效率区却产生正向影响，这可能是由于低效率区经济发展水平低，城镇化有利于促进农村剩余劳动力转移，而中高效率区发展水平相对较高，城镇化虽然有利于劳动力转移，但城镇化的过程也加快了农业用地的减少及环境的污染的增加，从而弊大于利，导致城镇化对中高效率区产生负向作用。③财政支
农政策对超效率地区产生正向影响，对低效率地区却产生负向影响，可能是超效率区相关县市绿色农业经济发展较好，政府的财政投入被持续应用到绿色农业生产中，而低效率区财政投入多偏向于农机补贴，并未投入到农业新技术改进方面。④工业化水平对超效率区和低效率区产生负向影响，对中高效率区却产生正向影响，可能是由于低效率地区经济发展落后，生态环境脆弱，不利于工业化发展。同时，超效率区农业绿色技术效率已处于生产前沿面，农业生产的投入和产出达到相对有效，工业化的发展将使土地和劳动力供给向工业部门转移，因此在低效率和超效率地区，工业化的正向作用小于负向作用。中高效率地区，从自然条件和经济发展优势来说，工业化更能促进农业先进技术的发展，从而正向作用大于负向作用。⑤区域經济因素对超效率和低效率区产生正向影响，但对中高效率区产生了负向影响。可能是对于超效率和低效率区来说，农业收入是家庭主要收入来源，农业生产投入的增加更能促进农民收入的提高，从而农民增加农业投入的意愿强烈，而中高效率区农业生产的产出效益不高，家庭收入来源较多，农民持续增加农业投入的意愿不强烈，只愿维持现有生产规模和方式，获得可预期的收入。
4 结论与启示
该研究利用超效率SBM模型测算了考虑农业非期望产出的新疆阿克苏地区9县市的农业绿色技术效率，并且运用Tobit回归模型对农业绿色技术效率的影响因素进行分析。主要结论如下：①考察期内，阿克苏地区各县市的平均绿色农业技术效率总体呈下降趋势，而生产资料的投入和非期望产出冗余是农业绿色技术无效率的主要来源，其中，农业从业人员、农业碳排放和农业资本的冗余占据前3位。②农业产业结构和城镇化水平对阿克苏地区整体绿色农业技术效率产生负向影响，工业化水平对其产生正向影响。③各影响因素对3个分区产生了不同的影响，其中，农业产业结构、工业化水平、财政支农等均对低效率区产生负向影响。
基于以上结果，得出如下启示：①阿克苏地区应积极发展绿色高效农业，转变粗放式农业发展模式，加大绿色农业技术推广，将绿色农业技术推广的重点放在低效率的县市。②阿克苏地区应加快调整农业产业结构，促进种植业提质增效，减少化肥农药使用，加大地膜回收力度，减少种植业生产中的环境污染。③超效率和低效率地区应加快第二产业发展，以“工业反哺农业”，促进绿色农业发展。同时，及时调整低效率地区的财政补贴结构，将支农补贴向绿色可持续农业项目转移;加大对中高效率区农户的农业科技知识培训力度，积极引导农民改变思想观念，改进农业生产方式，加大绿色农业技术生产投入。 参考文献
[1] FARRELL M J.The measurement of productive efficiency[J].Journal of the royal statistical society，1957，120（3）： 253-281.
[2] LEIBENSTEIN H.Allocative efficiency vs，"Xefficiency"[J].The American economic review，1966，56（3）：392-415.
[3] GREENE W.Reconsidering heterogeneity in panel data estimators of the stochastic frontier model[J].Journal of econometrics，2005，126（2）：269-303.
[4] AIGNER D，LOVELL C A K，SCHMIDT P.Formulation and estimation of stochastic frontier production function models[J].Journal of econometrics，1977，6（1）：21-37.
[5] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）：429-444.
[6] BANKER R D，CHARNES A， COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science，1984，30（9）：1078-1092.
[7] CHAMBERS R G，CHUNG Y，CHUNG FRE R.Benefit and distance functions[J]. Journal of economic theory，1996，70（2）：407-419.
[8] TONE K.A slacksbased measure of efficiency in data envelopment analysis[J].European journal of operational research，2001，130（3）：498-509.
[9] ANDERSEN P，PETERSEN N C.A procedure for ranking efficient units in data envelopment analysis[J].Management science，1993，39（10）：1261-1264.
[10] TONE K.A slacksbased measure of superefficiency in data envelopment analysis[J].European journal of operational research，2002，143（1）：32-41.
[11] 杨旭.DEA方法在测定农业技术效率中的应用[J].西南农业学报，1994，7（4）：54-58.
[12] 崔晓，张屹山.中国农业环境效率与环境全要素生产率分析[J].中国农村经济，2014（8）：4-16.
[13] 李谷成.中国农业的绿色生产率革命：1978—2008年[J].经济学，2014，13（2）：537-558.
[14] 全炯振.中国农业全要素生产率增长的实证分析：1978～2007年——基于随机前沿分析（SFA）方法[J].中國农村经济，2009（9）：36-47.
[15] 匡远凤.技术效率、技术进步、要素积累与中国农业经济增长：基于SFA 的经验分析[J].数量经济技术经济研究，2012，29（1）：3-18.
[16] 肖锐.财政支农对农业绿色生产率的影响研究[D].武汉：中南财经政法大学，2018.
[17] 吕娜，朱立志.中国农业环境技术效率与绿色全要素生产率增长研究[J].农业技术经济，2019（4）：95-103.
[18] 孟祥海，周海川，杜丽永，等.中国农业环境技术效率与绿色全要素生产率增长变迁：基于种养结合视角的再考察[J].农业经济问题，2019，46（6）：9-22.
[19] 张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35-44.
[20] 靖学青.中国省际物质资本存量估计：1952～2010[J].广东社会科学， 2013（2）：46-55.
[21] 李波， 张俊飚， 李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口· 资源与环境，2011，21（8）：80-86.
[22] 闵继胜，胡浩.中国农业生产温室气体排放量的测算[J].中国人口·资源与环境，2012，22（7）：21-27.
[23] 张俊飚，程琳琳，何可.中国农业低碳经济效率的时空差异及影响因素研究：基于“碳投入”视角[J].环境经济研究，2017，2（2）：36-51.
[24] 田云.中国低碳农业发展：生产效率、空间差异与影响因素研究[D].武汉：华中农业大学，2015：23-41.