基于非点源污染约束的江苏省农业生产效率分析

王迪+王明新+钱中平+季彩亚

摘要：采用基于松弛变量（SBM）的超效率数据包络分析模型，测度2013—2015年江苏省各地级市非点源污染约束下的农业生产效率，分析其年度变化、区域差异和改善途径。结果表明，非点源污染约束条件下，南京、苏州、扬州、徐州4个地级市的农业生产效率呈逐年升高趋势；2015年徐州、苏州、扬州、南京、无锡5市的农业生产有效率，其他地级市存在无效率现象；无锡、常州、镇江、泰州、南通5个地级市的农业生产要素利用率有不同程度的提升空间，常州市的化学需氧量排放量、镇江市的氨氮排放量有一定减排潜力，南通、泰州2个地级市的化学需氧量、氨氮排放量均有较大削减潜力；苏北除徐州市外，其他地级市的农业生产要素投入利用率有较大提升潜力；连云港、宿迁2市要重点大力削减化学需氧量的排放，盐城市要重点治理氨氮污染；在非点源污染治理方面，苏南地区可通过结构优化进一步减排，苏中、苏北地区须推进农业清洁生产以降低非点源污染物排放强度。

关键词：非点源污染；农业生产效率；超效率；数据包络分析；江苏；松弛变量

中图分类号： F323.3文献标志码： A文章编号：1002-1302（2017）17-0322-04

收稿日期：2017-02-09

基金項目：教育部人文社会科学研究规划基金（编号：14YJAZH078）；江苏省高校“青蓝工程”项目。

作者简介：王迪（1982—），女，河南南阳人，硕士，讲师，主要从事农业经济学研究。E-mail：wendywang19822000@163.com。

通信作者：王明新，博士，教授，主要从事环境模拟与评价研究。E-mail：wmxcau@163.com。改革开放以来，我国农业生产得到飞速发展。2015年，我国以占世界8.80%的耕地养活占世界18.66%的人口，人多地少的基本国情使我国农业集约化程度不断提高，在为保障我国粮食安全作出巨大贡献的同时，也付出了沉重的资源环境代价，农田氮磷流失，畜禽、水产养殖废水等非点源污染日渐成为我国水体污染的重要污染源[1-2]。为此，2017年中央一号文件指出，要提高土地产出率、资源利用率、劳动生产率，促进农业农村发展由过度依赖资源消耗、主要满足量的需求，向追求绿色生态可持续、更加注重满足质的需求转变。随着人们对农业资源环境问题的日益关注，农业生产效率问题被赋予了新的含义，许多学者把农业碳排放或氮磷流失作为投入要素或非期望产出要素来考察农业生产的效率问题，如王奇等将种植业氮磷流失量作为一种要素投入，运用随机前沿方法（SFA）Malmquist指数来测算我国农业生产的全要素生产率[3]。把环境排放作为投入来分析农业生产效率问题虽然很方便，但却不符合实际生产过程，解决办法之一是将环境排放这种非期望产出作为弱可处置的变量，如田云等将农业碳排放作为非期望产出，测算2001年以来碳排放约束条件下我国农业生产效率的变化[4]，但是，这些研究主要关注碳排放或农田氮磷污染约束下的农业生效率约束问题或环境排放约束下的工业生产效率问题，而包含种植业、养殖业在内的农业非点源污染约束的农业生产效率测度鲜见报道。

江苏省是我国农业经济发达、集约化程度较高的地区，农业非点源污染成为长江、太湖的重要污染源。2015年，江苏全省农业源化学需氧量、氨氮排放量分别达到35.07万、3.62万t，均超过相应的工业源排放量，使农业非点源污染治理成为水体污染治理的瓶颈问题。本研究以江苏省为例，采用考虑非期望产出的非径向超效率数据包络分析（data envelopment analysis，DEA）模型来测度2013—2015年江苏省各地级市非点源污染约束下的农业生产效率，以期为江苏省农业非点源污染治理、农业经济可持续发展提供决策参考。

1研究方法与数据来源

数据包络分析是一种非参数效率评价方法，通过数学规划模型来计算每个决策单元（decision making unit，DMU）和由实践中表现最好的DMUs构成生产前沿面之间的距离，据此计算出每个DMU的效率得分。随着研究的深入，DEA方法在经济、资源、能源、环境等领域的投入产出效率研究中得到越来越多的应用[5-7]。然而，传统的DEA基本模型存在2个方面的不足，一是由于锥性、径向性等诸多严格假定，导致实践应用的效率评价结果存在偏差；二是没有将负外部效益等非期望产出纳入考虑范围[8]。为此，2002年，Tone提出一种非径向DEA模型即基于松弛变量（slacks-based measure，SBM）评价DMUs效率的方法，直接将松弛变量加入到目标函数中，使SBM模型的经济解释是使实际利润最大化，而不仅仅是得到效益比例最大化[9]。此后，为弥补不能将所有DMUs效率值计算出来的缺陷，超效率SBM模型得到研究应用，它可以用于评价SBM有效的DMUs并进行排序[10-11]，而超效率SBM评价时，须先对DMUs使用SBM模型进行评价，后对有效的DMUs再运用超效率SBM进行评价[5]。本研究是在农业生产效率测度中，纳入农业非点源污染变量作为非期望产出要素，采用基于超效率SBM-DEA模型来测度非点源污染约束下的农业生产效率。在SBM模型中考虑到n个决策单元（DMUs），而每个DMU由m个投入、s个期望产出、k个非期望产出构成，其理论模型（模型1）为：

minφ=1-（1-M）∑Mm=1（Sxm/X0）1+1/（S+K）∑Ss=1（Sys/Y0）+∑Kk=1（Sbk/Z0）；

s.t.∑Ni=1Xmiλi+Sxm=θXm0，m=1，2，…，M；

∑Ni=1Ysiλi+SyS=YS0，s=1，2，…，S；

∑Ni=1Zkiλi+Sbk=Zk0，k=1，2，…，K；

λi≥0，i=1，…，N；Sxm≥0，SyS≥0，Sbk≥0。

式中：X、Y、Z分别代表生产投入要素、期望产出变量、非期望产出变量，投入要素、期望产出变量、非期望产出变量的个数分别为M、S、K；θ为效率值；Sxm、Sys、Sbk为“松弛调整量”，分别表示投入冗余、期望产出不足、非期望产出冗余。目标函数中的分子、分母分别表示生产决策单元实际投入与产出相对于生产前言的平均可缩减比例与平均可扩张比例，亦即投入无效率与产出无效率，目标函数关于Sxm、Sys、Sbk严格递减。目标函数值变化区间为[0，1]，当=1，且Sxm、Sys、Sbk均等于0时，决策单元是综合技术效率有效，且纯技术效率和规模效率均有效；当<1，或Sxm、Sys、Sbk不全为0时，决策单元是综合技术效率无效，为纯技术效率或规模效率无效，存在投入产出改进的空间。endprint

然而，非期望产出SBM模型运行结果往往出现多个DMU的=1而没法对这些DMU进行排序，因此，该研究针对=1的DMU，进一步构建含有非期望产出的超效率SBM模型（模型2）为：

minρ=1-（1/M）∑Mm=1（Xm′/Xmk）1+1/（S+K）∑Ss=1（Ys′/Y0）+∑Kk=1（Zk′/Z0）；

s.t.∑Ni=1，≠nXmiλi-Xm′≤0，m=1，2，…，M；

∑Ni=1，≠nYsiλi+Ys′≥0，s=1，2，…，S；

∑Ni=1，≠nZkiλi+Zk′≤0，k=1，2，…，K；

λi≥0，i=1，…，N；Xm′≥0，Ys′≥0，Zm′≥0；

Xi′≥Xmi，m=1，2，…，M；

Ys′≤Ysi，s=1，2，…，S；

Zk′≥Zki，k=1，2，…，K。

采用模型1、模型2来计算非点源污染约束条件下的江苏省农业生产效率，当<1时，农业生产效率为，当=1时，农业生产效率为ρ。选取农林牧渔从业人员（劳动力投入X1，万人）、农作物总播种面积（土地投入X2，万hm2）、农业机械总动力（农业资本投入X3，万kW）作为投入要素，农林牧渔总产值（Y1，亿元）作为期望产出（经济产出），农业源化学需氧量排放量（Y2，t）、农业源氨氮排放量（Y3，t）作为非期望产出即农业非点源污染物排放量来计算农业生产效率。农业生产效率≥1，表示非点源污染约束条件下农业生产有效率，反之则表示无效率，存在进一步提升的空间。

本研究以2013—2015年江苏省各地级市为例进行实证分析，采用Matlab 2013编程对模型1、模型2进行规划求解。投入产出数据来自2014—2016年《江苏统计年鉴》，其中，农林牧渔业总产值折算为2013年不变价以消除通货膨胀的影响。非期望产出SBM模型是DEA的扩展模型，其DMUs数量在大于输入与输出指标数量之和的2倍以上时才能表现出良好的运算效果。本研究DMUs数量为39个，输入与输出指标数量之和为6，两者之比为6.5，远大于2，符合非期望产出SBM模型运行的要求。

2结果与分析

2.1农业投入、产出状况

2.1.1农业投入状况由表1可见，在农业投入方面，总体上苏北地区相对较高，苏中地区次之，苏南地区较小；就农作物播种面积而言，苏南地区以南京相对最大，在30万hm2以上，无锡相对最小，不足18万hm2，苏中地区南通明显大于扬州、泰州，苏北地区以徐州相对最高，在140万hm2以上，其次是盐城，在110万hm2以上，其他3市相对较小；就农林牧渔业从业人员（劳动力）而言，徐州、盐城从业人员相对较多，无锡相对最少，低于20万人，苏南5市也都少于25万人；农机总动力最大的为徐州、盐城，分别在620万、590万kW以上，最小的为无锡，约100万kW。

2.1.2农业产出状况由表1可见，就农业期望产出即农林牧渔总产值而言，表现出与农业生产要素投入相似的区域分布趋势，即苏北地区较高，苏中地区次之，苏南地区较小，其中苏南地区以无锡相对较高，苏中地区南通明显大于扬州、泰州，苏北地区徐州相对最高，其次是宿迁；就农业化学需氧量而言，江苏省2015年农业源化学需氧量排放量超过4万t的地级市有南通、徐州、连云港、盐城、宿迁，这可能与这5个地级市的畜禽养殖业规模相对比较大有关；氨氮排放量2015年低于2 000 t的地级市有南京、无锡、常州、镇江、扬州，其中无锡的排放量相对最低，平均仅为1 065 t，氨氮排放量最大的地级市为南通、盐城，均超过6 000 t，可能与这2个地级市的农业规模相对较大有关，其农业总产值分别位居全省第1、3位；徐州农业总产值位居全省第2位，氨氮排放量则位居全省第4位。

从污染物排放强度（以亿元农业总产值的污染物排放量表示）来看，2015年泰州、南通、徐州、连云港4市呈逐年下降趋势，其他地级市变化幅度相对较小；宿迁市、连云港市的化学需氧量排放强度相对较高，超过80.00 t/亿元，其次是泰州，达到78.11 t/亿元，化学需氧量排放强度相对较低的为扬州、淮安、无锡，排放强度分别为25.67、35.52、36.78 t/亿元；氨氮排放强度最高的为泰州、南通2市，均超过11.00 t/亿元，氨氮排放强度相对较低的为徐州、扬州，氨氮排放强度分别为3.27、4.09 t/亿元，南京、无锡、连云港、淮安、镇江也都小于5 t/亿元（图1）。

2.2非点源污染约束条件下的农业生产效率

采用非期望SBM模型进行测算，对效率值为1的样本进一步采用非期望超效率SBM模型进行测算，得到2013—2015年江苏省各地级市的农业生产效率。由图2可见，2013—2015年间，江苏省农业生产效率大于1的地级市有2014年的扬州及2015年的徐州、苏州、扬州、南京、无锡；从年度变化看，非点源污染约束条件下南京、苏州、扬州、徐州4个地级市的农业生产效率呈上升趋势，无锡的农业生产效率相对较高，但年际波动较大，其他地级市年际变化相对较小；从区域分布看，非点源污染约束条件下苏南地区农业生产效率相对较高，

3年农业生产效率平均值为0.87，其中苏州市高达1.07；其次是苏中地区，农业生产效率平均值为0.75，其中扬州市达到1.02，为苏中地区最高值；苏北地区整体水平相对较低，农业生产效率3年平均值仅为0.57，其中徐州市达到0.88，为苏北地区最高值，宿迁市仅为0.44，为苏北地区乃至全省的最低值。

2.3非点源污染约束条件下的农业生产效率改善分析

2.3.1非点源污染约束条件下的投入产出分析进一步分析相对无效率的各地级市农业投入产出变量的松弛值与实际值的比例，可得到各地级市的农业生产要素投入冗余率、期望产出不足率、非期望产出冗余率，进而评估其投入产出指标的改善潜力和途径。由图3可见，就苏南地区而言，南京、蘇州、无锡3个地级市的农业投入冗余率都相对比较低，南京市、苏州市2013、2014年还存在一定的投入冗余，到2015年投入冗余均为0，而无锡市2014年的农业投入冗余率为0，2015年有所反弹，但低于5%；常州市、镇江市的农业投入冗余率虽呈逐年降低趋势，但2015年仍存在较大的冗余率；常州市的农业投入冗余率在18.73%～30.51%之间，镇江市高达 24.06%～35.99%，这2个地级市的农业生产要素利用率存在较大的改善空间。就苏中地区而言，扬州市的农业投入冗余率呈逐年下降趋势，2015年降为0；泰州、南通2个地级市一直居高不下，泰州市农业生产要素投入冗余率在 19.21%～35.57%之间，南通的投入冗余率则为13.72%～30.99%，这2个地级市的农业投入要素利用率也存在进一步提升的空间。就苏北地区而言，徐州市的农业投入冗余率逐年下降，2015年下降到0，但其他地级市的情况则不容乐观，农业生产要素投入冗余率普遍较高，连云港市、宿迁市、淮安市、盐城市3年的农业生产要素投入冗余率分别在 24.04%～45.75%、 45.71%～56.40%、 43.06%～59.07%、31.04%～endprint

47.47%之间，这4个地级市的农业生产要素利用率很低，存在较大的改善空间。

由图4可见，就期望产出而言，2013年苏中地区的泰州、南通及苏北地区的徐州、连云港、宿迁存在较大的产出不足；2015年全省各地级市的产值不足均为0，表明农业总产值并不是制约全省范圍内农业生产效率的瓶颈因素，农业生产要素利用效率较低、非期望产出的冗余即非点源污染物排放量过高成为制约农业生产效率改善的关键。就化学需氧量排放量而言，苏南地区化学需氧化量冗余普遍较低，无锡市、镇江市近3年均无冗余，2015年仅常州市仍存在冗余现象，冗余率为9.30%；苏中地区泰州市、南通市化学需氧量冗余率呈逐年下降趋势，但冗余率仍然较大，2015年泰州市、南通市的化学需氧量冗余率分别为29.15%、22.06%；苏北地区徐州市的化学需氧量冗余率呈逐年下降趋势，到2015年已无冗余，连云港市、宿迁市的化学需氧量冗余率则一直居高不下，冗余率分别为41.64%、34.65%，淮安市、盐城市相对较好，2015年冗余率均下降为0。就氨氮排放量而言，苏南5个地级市的氨氮排放量冗余率均相对较低，2015年仅无锡市、镇江市仍存在冗余现象，冗余率分别为2.24%、8.12%；苏中地区泰州市、南通市的氨氮排放量冗余率一直居高不下，2015年的冗余率分别高达48.49%、41.90%；苏北地区仅盐城市的氨氮排放量冗余率一直相对较高，为18.85%，宿迁市的氨氮排放量冗余率则从2013年的12.57%下降到2015年的 5.67%，徐州、连云港、淮安3个地级市到2015年氨氮排放量已无冗余。因此，到2015年，除南京、苏州、扬州、徐州4个地级市外，其他地级市农业生产均存在无效率现象。

2.3.2改善路径分析苏南地区，无锡市的农业生产要素利用率仍有提升空间，农业源化学需氧量也存在一定的削减潜力，常州市、镇江市的农业生产要素利用率提升空间较大，常州市的化学需氧量、镇江市的氨氮排放量也有一定的减排潜力，这3个地级市的农业源污染物排放强度相对较低，应通过结构优化来实现减排，包括进一步调减畜禽养殖业规模尤其是生猪的养殖规模。

苏中地区，泰州市、南通市的农业生产要素利用率提升空间也较大，化学需氧量、氨氮也均有较大的削减潜力，这2个地级市的农业非点源污染物排放强度相对较大，应以推进清洁生产为主降低非点源污染物排放强度，包括推进畜禽和水产的生态养殖、降低农田氮肥施用量等。

苏北地区，各地级市的农业生产要素投入利用率普遍较低，具有较大的改善潜力。在农业非点源污染治理方面，连云港市、宿迁市的重点是减少化学需氧量排放量，盐城市的重点是削减氨氮排放量。由于连云港市、宿迁市、盐城市的非点源污染物强度相对较高，改善途径与泰州市、南通市相似，应积极推进畜禽和水产的生态养殖，降低农田氮肥施用量等以降低非点源污染物的排放强度。

3结论

农业生产要素投入和期望产出总体表现为苏北地区相对较高，苏中地区次之，苏南地区相对最小；在非期望产出即非点源污染物排放量上，化学需氧量、氨氮排放量相对较高的是南通市、盐城市。非点源污染约束下的农业生产效率测度结果表明，各地级市均存在无效率现象，2015年徐州、苏州、扬州、南京、无锡5个地级市有效率；南京、苏州、扬州、徐州4个地级市的农业生产效率呈逐年升高趋势。苏南、苏中地区除南京、苏州、扬州3个地级市外，其他地级市的农业生产要素利用率均有提升空间；常州市的化学需氧量排放量、镇江市的氨氮排放量有一定的减排潜力，南通市、泰州市化学需氧量和氨氮均有较大削减潜力；苏北地区除徐州外，其他地级市的农业生产要素投入利用率普遍较低，具有较大的改善潜力，农业非点源污染方面，连云港市、宿迁市重点要削减化学需氧量排

放，盐城市要重点治理氨氮污染。

参考文献：

[1]Ongley E D，Xiaolan Z，Tao Y. Current status of agricultural and rural non-point source pollution assessment in China[J]. Environmental Pollution，2010，158（5）：1159-1168.

[2]虞慧怡，扈豪，曾贤刚. 我国农业面源污染的时空分异研究[J]. 干旱区资源与环境，2015，29（9）：1-6.

[3]王奇，王会，陈海丹. 中国农业绿色全要素生产率变化研究：1992—2010年[J]. 经济评论，2012（5）：24-33.

[4]田云，张俊飚，吴贤荣，等. 碳排放约束下的中国农业生产率增长与分解研究[J]. 干旱区资源与环境，2015，29（11）：7-12.

[5]宫大鹏，赵涛，慈兆程，等. 基于超效率SBM的中国省际工业化石能源效率评价及影响因素分析[J]. 环境科学学报，2015，35（2）：585-595.

[6]刘殿国，郭静如. 中国省域环境效率影响因素的实证研究——基于社会嵌入视角和多层统计模型的分析[J]. 中国人口资源与环境，2016，26（8）：79-87.

[7]Wu J，Xiong B B，An Q X，et al. Measuring the performance of thermal power firms in China via fuzzy enhanced russell measure model with undesirable outputs[J]. Journal of Cleaner Production，2015，102：237-245.

[8]胡彪，王锋，李健毅，等. 基于非期望产出SBM的城市生态文明建设效率评价实证研究——以天津市为例[J]. 干旱区资源与环境，2015，29（4）：13-18.

[9]Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research，2001，130（3）：498-509.

[10]Wu J，An Q X，Xiong B B，et al. Congestion measurement for regional industries in China：a data envelopment analysis approach with undesirable outputs[J]. Energy Policy，2013，57（7）：7-13.

[11]Gómez-Calvet R，Conesa D，Gómez-Calvet A R，et al. Energy efficiency in the European Union：what can be learned from the joint application of directional distance functions and slacks-based measures？[J]. Applied Energy，2014，132（11）：137-154.孟莉娟. 河南省农村土地经营权价格影响因素实证分析——基于746个农户的估计[J]. 江苏农业科学，2017，45（17）：326-330.endprint