吳欣，劉仕鑫，趙立燕，高洪濤，李敬鎖*

（1. 青島農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院（合作社學(xué)院），山東 青島 266109；2. 山東省泰安市寧陽(yáng)縣農(nóng)業(yè)農(nóng)村局，山東 泰安 271499；3. 山東省青島市萊西市市委黨校，山東 青島 266073）

黃河流域是我國(guó)重要的生態(tài)屏障和農(nóng)產(chǎn)品主產(chǎn)區(qū)，在生態(tài)安全和經(jīng)濟(jì)社會(huì)發(fā)展中具有不可替代的地位[1]。為解決黃河流域面臨的保護(hù)與發(fā)展的結(jié)構(gòu)性矛盾，中共中央、國(guó)務(wù)院于2021年10月頒布了《黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展規(guī)劃綱要》，標(biāo)志著黃河流域發(fā)展正式納入國(guó)家重大戰(zhàn)略規(guī)劃，同時(shí)也意味著黃河流域耕地將邁向高質(zhì)量發(fā)展的新階段。據(jù)耕地利用數(shù)據(jù)顯示，黃河流域9個(gè)省區(qū)耕地資源約占全國(guó)比重的18.64%，2020年糧食產(chǎn)量為23 853.3萬(wàn)t，約占全國(guó)的35.63%。黃河流域以有限的耕地資源、脆弱的生態(tài)環(huán)境成為國(guó)民的“糧袋子”，對(duì)保障國(guó)家糧食安全發(fā)揮了重要作用[2]。但目前黃河流域整體上仍然處于工業(yè)化與城鎮(zhèn)化的中期階段[3]，人地矛盾、耕地非農(nóng)化等問(wèn)題日益凸顯，而耕地作為糧食生產(chǎn)的根基[4]，對(duì)黃河流域高質(zhì)量發(fā)展所需的生態(tài)環(huán)境與糧食安全產(chǎn)生脅迫。因此，有效提升黃河流域耕地利用效率有利于維護(hù)糧食安全、促進(jìn)生態(tài)保護(hù)，是破解高質(zhì)量發(fā)展背景下黃河流域發(fā)展與保護(hù)難題的應(yīng)有之義。

當(dāng)前關(guān)于耕地利用效率的研究，學(xué)術(shù)界進(jìn)行了諸多有益的探索，主要涉及耕地利用效率測(cè)算[5-6]、時(shí)空演進(jìn)特征[7-8]以及影響因素分析[9-10]。在效率測(cè)算研究方面，基于耕地利用效率內(nèi)涵，學(xué)者們認(rèn)為以資本、土地、勞動(dòng)力等為核心的多生產(chǎn)要素投入與耕地產(chǎn)出密切相關(guān)，而數(shù)據(jù)包絡(luò)分析有效解決了多產(chǎn)出多投入的問(wèn)題[11]，因此，固定規(guī)模報(bào)酬模型（CCR）[3]、非徑向模型（Slack Based Measure, SBM）[12]、超效率[13]、非期望產(chǎn)出模型[14]等廣泛運(yùn)用于耕地利用效率評(píng)估。此外，也有學(xué)者運(yùn)用隨機(jī)前沿生產(chǎn)函數(shù)[15]測(cè)算耕地利用效率。這些研究也為本文方法選擇與指標(biāo)選取提供了理論基礎(chǔ)與技術(shù)支持。在影響因素研究方面，耕地利用效率的變化受自然條件與社會(huì)條件等多種因素的影響，總體來(lái)看主要包括：自然條件[16]、農(nóng)業(yè)生產(chǎn)條件[17]、經(jīng)濟(jì)發(fā)展水平[18]、環(huán)境層面[19]，同時(shí)隨著研究的逐步深入，越來(lái)越多的學(xué)者開(kāi)始從微觀角度[20-21]探討；在影響因素分析時(shí)則多采用Tobit[22]、地理加權(quán)回歸[23]、地理探測(cè)器[24]、空間計(jì)量模型[25]等方法。在黃河流域耕地研究方面，前期的研究主要集中在對(duì)耕地?cái)?shù)量[26]和耕地質(zhì)量[27]時(shí)空變化特征及其分異規(guī)律的刻畫(huà)，而黃河流域的“糧袋子”功能使得學(xué)者們對(duì)黃河流域耕地的研究漸趨深入，黃河流域耕地集約度與糧食保障能力呈顯著的正相關(guān)[28]。近期的研究表明，耕地綠色利用效率呈現(xiàn)逐漸增加[29]，但盡管如此，受限于脆弱的生態(tài)環(huán)境與緊缺的水資源，黃河流域土地利用效率提升緩慢且低于全國(guó)平均水平[30]。

已有研究為進(jìn)一步分析黃河流域耕地效率提供了科學(xué)依據(jù)，在黃河流域耕地研究方面仍有待拓展：1）現(xiàn)有研究集中在全國(guó)、省域、市域等層面進(jìn)行評(píng)價(jià)分析，而缺乏基于國(guó)家發(fā)展戰(zhàn)略視角下特定經(jīng)濟(jì)帶耕地利用效率的研究，導(dǎo)致區(qū)域經(jīng)濟(jì)帶與國(guó)家糧食安全的相關(guān)政策研究供給不足[31]。而黃河流域作為保障國(guó)家糧食安全的重要區(qū)域，當(dāng)前對(duì)黃河流域耕地的研究主要集中在流域內(nèi)整個(gè)土地利用效率方面，難以精準(zhǔn)識(shí)別流域內(nèi)耕地利用的變化趨勢(shì)，同時(shí)對(duì)于耕地利用效率的研究尺度多集中在省域視角，無(wú)法比較地級(jí)市、流域內(nèi)部之間耕地利用效率的區(qū)域差異和動(dòng)態(tài)演進(jìn)。2）現(xiàn)有探索性空間分析（Exploratory Spatial Data Analysis, ESDA）方法在分析面板數(shù)據(jù)的動(dòng)態(tài)性及異質(zhì)性等方面有所局限，而空間杜賓模型（Spatial Durbin Model, SDM）在測(cè)度某一因素對(duì)本地區(qū)影響程度的同時(shí)能探析其對(duì)鄰近地區(qū)的影響[32]，即空間溢出效應(yīng)。本文綜合考慮數(shù)據(jù)的完整性、時(shí)效性，以2005—2019年黃河流域9省116個(gè)地級(jí)市面板數(shù)據(jù)為研究單元，采用數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis, DEA）、核密度估計(jì)、泰爾指數(shù)、ESDA、空間杜賓模型等方法，旨在探索黃河流域耕地利用效率的時(shí)空動(dòng)態(tài)演進(jìn)特征及影響因素，進(jìn)而設(shè)計(jì)促進(jìn)黃河流域地市級(jí)層面耕地利用效率的提升路徑，對(duì)于促進(jìn)黃河流域農(nóng)業(yè)高質(zhì)量發(fā)展具有重要的現(xiàn)實(shí)意義。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 數(shù)據(jù)包絡(luò)分析（DEA）

數(shù)據(jù)包絡(luò)分析（DEA）方法是以相對(duì)效率概念為基礎(chǔ)，運(yùn)用線性規(guī)劃方法評(píng)價(jià)決策單元（DMU）間有效性的一種非參數(shù)方法[33]，能夠較為科學(xué)的刻畫(huà)耕地投入與產(chǎn)出間的關(guān)系。本文運(yùn)用固定規(guī)模報(bào)酬下投入導(dǎo)向型的CCR模型測(cè)算黃河流域耕地利用效率。模型形式設(shè)定如下：

模型將每個(gè)地級(jí)市j(j= 1, 2, …,n)視為決策單元對(duì)耕地利用效率進(jìn)行評(píng)價(jià)；每個(gè)決策單元都有m種投入和r種產(chǎn)出變量；Xjm為j個(gè)市的第m種產(chǎn)出的總量；Yjr為j個(gè)市的第r種產(chǎn)出的總量；θ表示耕地利用的綜合效率(0＜θ≤1)，θ值越接近于1，表示耕地利用效率越高，當(dāng)θ=1時(shí)，表示綜合效率最優(yōu)；s.t.為約束條件；λj為權(quán)重變量，s+為剩余變量；s-為松弛變量，ε為非阿基米德無(wú)窮小量；eT=(1, 1,…)∈E r與ê T=(1, 1,…)∈E m均為單位空間向量。X0和Y0分別為投入和產(chǎn)出的待評(píng)價(jià)單元。

1.2 空間杜賓模型

空間杜賓模型主要研究鄰近城市的各自變量（耕地利用效率影響因素）對(duì)本地區(qū)因變量（耕地利用效率）的影響程度。模型設(shè)定形式如下：

式中：下標(biāo)i和t分別表示地市和年份，E為耕地利用效率；W為空間權(quán)重矩陣；ρ為耕地利用效率的空間滯后系數(shù)；βn為不同影響因素的回歸系數(shù)；εit為擾動(dòng)項(xiàng)；P表示人均GDP；U表示城鎮(zhèn)化率；I表示耕地投入強(qiáng)度；D表示耕地復(fù)種指數(shù)；L表示單位面積勞動(dòng)力投入；F表示單位面積化肥投入。

1.3 指標(biāo)選取及數(shù)據(jù)來(lái)源

本文在參考吳冬林等[16]、盧新海等[14]、張立新等[9]對(duì)于耕地利用效率研究的基礎(chǔ)上，根據(jù)柯布道格拉斯生產(chǎn)函數(shù)，耕地產(chǎn)出受資本、土地、勞動(dòng)力等為核心的生產(chǎn)要素影響，因此選取農(nóng)作物播種面積為土地要素表征變量，第一產(chǎn)業(yè)從業(yè)人員為勞動(dòng)力要素表征變量，農(nóng)用化肥使用量以及農(nóng)業(yè)機(jī)械總動(dòng)力為資本表征變量，產(chǎn)出變量為農(nóng)業(yè)產(chǎn)值和糧食總產(chǎn)量（表1）。本文數(shù)據(jù)來(lái)源于EPS數(shù)據(jù)庫(kù)、布瑞克農(nóng)業(yè)數(shù)據(jù)庫(kù)以及黃河流域9省、地級(jí)市統(tǒng)計(jì)年鑒、國(guó)民經(jīng)濟(jì)統(tǒng)計(jì)公報(bào)等。

表1 黃河流域耕地利用效率指標(biāo)評(píng)價(jià)體系Table 1 Index evaluation system of farmland use efficiency in the Yellow River Basin

2 耕地利用效率的評(píng)估

2.1 耕地利用效率時(shí)間演進(jìn)分析

借助Stata 16.0軟件，選取2005年、2010年、2015年和2019年四個(gè)年度對(duì)耕地利用效率值進(jìn)行核密度估計(jì)并繪制曲線圖，據(jù)此分析效率值的時(shí)間演進(jìn)特征，同時(shí)運(yùn)用變異系數(shù)、基尼系數(shù)和泰爾指數(shù)等刻畫(huà)耕地利用效率值的空間非均衡程度。

2.1.1 整體層面 從核密度估計(jì)來(lái)看（圖1），耕地利用效率密度分布曲線表現(xiàn)出逐漸向右偏移的態(tài)勢(shì)，變化趨勢(shì)明顯，隨著我國(guó)經(jīng)濟(jì)的發(fā)展，黃河流域內(nèi)耕地利用效率值呈現(xiàn)逐年增長(zhǎng)的態(tài)勢(shì)。2005年、2010年和2015年為單峰，核密度曲線整體偏左，峰值出現(xiàn)在0.400~0.600左右，說(shuō)明三個(gè)年度內(nèi)整體效率值偏低。伴隨著我國(guó)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型，黃河流域內(nèi)耕地利用狀況不斷得到改善，2019年核密度曲線呈現(xiàn)多峰分布，峰值均在0.700以上，多數(shù)地級(jí)市由低水平集聚逐漸向“高—高”數(shù)量差異縮小的趨勢(shì)轉(zhuǎn)變；核密度曲線寬度漸趨收窄，表明耕地利用效率區(qū)域差異有所緩解，但仍存在空間非均衡性。效率水平由2005年、2010年和2015年的0.300~1.000左右收斂至2019年的0.480~1.000，一方面說(shuō)明低效率區(qū)域耕地利用水平進(jìn)一步提升，總體效率水平有所增強(qiáng)，另一方面也說(shuō)明區(qū)域差異呈現(xiàn)縮小的趨勢(shì)。

從變異系數(shù)、基尼系數(shù)和泰爾指數(shù)來(lái)看（圖2），2005—2019年耕地利用效率的變異系數(shù)、基尼系數(shù)和泰爾指數(shù)呈現(xiàn)出同減的變動(dòng)趨勢(shì)。變異系數(shù)由0.310下降至0.179，基尼系數(shù)由0.171下降至0.102，泰爾指數(shù)由0.046下降至0.016，降幅分別為42.26%、40.35%、65.22%，表明耕地利用效率值差異逐年縮小，空間非均衡程度逐漸減小。

2.1.2 省域?qū)用?從省域?qū)用鎭?lái)看（圖3），各省之間耕地利用效率值差異明顯，但有逐漸縮小的趨勢(shì)。其中，四川、內(nèi)蒙古、山東位居前列，平均效率值在0.700以上的較高效率水平；河南、山西次之，平均效率值在0.610~0.630之間的中等效率水平；陜西、甘肅、青海、寧夏效率值較低，平均效率值均在0.600以下，保持中等效率水平。四川、內(nèi)蒙古、山東為中國(guó)主要的糧食產(chǎn)區(qū)，四川素有天府之國(guó)的美譽(yù)，耕地資源主要集中在東部土壤肥沃的成都平原耕地、低山丘陵區(qū)（約占全省耕地的85%），依靠?jī)?yōu)越的自然稟賦，四川已成為西部重要的糧倉(cāng)和長(zhǎng)江上游生態(tài)屏障；內(nèi)蒙古地區(qū)接近六成的耕地資源分布于水資源豐富的東部，其中約有一半的耕地資源屬于東北黑土，耕地質(zhì)量較好；山東位于黃淮海沖積平原，耕地養(yǎng)分含量較高，農(nóng)業(yè)基礎(chǔ)設(shè)施完善，也是全國(guó)唯一一個(gè)農(nóng)業(yè)產(chǎn)值突破萬(wàn)億大關(guān)的省份；河南省耕地利用效率水平呈現(xiàn)逐年穩(wěn)步增長(zhǎng)的趨勢(shì)，效率值由0.514增至0.734；山西省耕地利用效率波動(dòng)趨勢(shì)最大，2005—2014年效率值由0.528波動(dòng)增至0.677，隨后在2015年降至0.623后又迅速增至0.700以上的水平，山西省耕地利用效率波動(dòng)起伏大的可能原因是過(guò)度的煤炭開(kāi)采導(dǎo)致生態(tài)環(huán)境破壞，耕地毀壞嚴(yán)重；陜西、甘肅、青海、寧夏耕地利用效率較低但波動(dòng)幅度較小，其中陜甘寧位于黃土高原，除關(guān)中平原、河套平原、河西走廊農(nóng)業(yè)生產(chǎn)條件較好外，多數(shù)區(qū)域灌溉水源缺乏，部分耕地水土流失嚴(yán)重，而青海位于高寒地區(qū)，積溫低、土壤貧瘠，耕地生產(chǎn)能力有限。

2.1.3 不同流域?qū)用?從不同流域變化來(lái)看（圖4），黃河上、中、下游地級(jí)市耕地利用效率均值逐漸趨同，同時(shí)不同流域內(nèi)部差異呈現(xiàn)縮小趨勢(shì)。1）從效率值演進(jìn)來(lái)看，上游效率值增長(zhǎng)幅度明顯但波動(dòng)起伏較大。2005—2006年上游效率值由0.581增至0.586，但到2007年驟降至0.526。隨后效率值保持持續(xù)增長(zhǎng)，2013年效率值為0.693，一度超過(guò)中、下游效率值。2013年后效率值在波動(dòng)起伏中仍有所上升，到2019年效率值為0.770，落后于中、下游地區(qū)。上游地區(qū)效率值增幅明顯但波動(dòng)大的原因，一方面是伴隨著黃河流域生態(tài)環(huán)境的改善，生產(chǎn)要素投入不斷優(yōu)化使得耕地利用效率得以提升，另一方面是上游地區(qū)生態(tài)底子薄，部分地區(qū)仍“看天吃飯”。中游效率值增長(zhǎng)最為迅速，2005年效率值僅為0.537，落后于上、下游地區(qū)，2009年以后與下游效率值基本保持一致。下游效率值在多數(shù)年份領(lǐng)先于上、中游地區(qū)，2019年效率值已達(dá)到0.808，與其他地區(qū)相比，該地區(qū)在經(jīng)濟(jì)發(fā)展水平、耕地質(zhì)量、農(nóng)業(yè)生產(chǎn)條件等方面均有一定的優(yōu)勢(shì)。2）從內(nèi)部差異變化來(lái)看，上中下游地區(qū)GINI系數(shù)均呈下降態(tài)勢(shì)，說(shuō)明流域內(nèi)部的效率值差異不斷縮小。其中上游地區(qū)下降最為明顯，2005年GINI系數(shù)值達(dá)到0.193，大幅高于其他地區(qū)，表明這一階段上游內(nèi)部耕地利用效率值差異顯著，但隨后GINI系數(shù)不斷下降，2019年系數(shù)值為0.107；中游GINI系數(shù)變化與效率值均值波動(dòng)起伏趨勢(shì)基本一致，流域內(nèi)部差異程度介于上游和下游之間，2019年GINI系數(shù)值為0.106；下游GINI系數(shù)值最小并呈現(xiàn)逐年縮小態(tài)勢(shì)，表明下游地區(qū)耕地利用效率內(nèi)部差異小，效率表現(xiàn)為較強(qiáng)的均質(zhì)化。

2.2 空間特征分析

為進(jìn)一步揭示黃河流域內(nèi)部耕地利用效率差異，本節(jié)利用ArcGis10.7軟件并選取2005年、2010年、2015年和2019年四個(gè)年度對(duì)區(qū)域內(nèi)各市耕地利用效率進(jìn)行可視化展示（圖5），以期明晰各市效率值的空間差異。

2.2.1 整體角度 整體來(lái)看，效率值呈現(xiàn)“低—低”集聚到“高—高”、“低—低”集聚轉(zhuǎn)變的空間格局?！案摺摺奔塾牲c(diǎn)狀分布演變?yōu)闂l帶狀分布，2005年高值區(qū)主要分布在內(nèi)蒙古東部、四川大部、青海西部，效率值在0.700以上的地級(jí)市僅有29個(gè)，占比25%。2010年和2015年高值區(qū)進(jìn)一步增加，主要在內(nèi)蒙古西部的阿拉善盟、晉東南的長(zhǎng)治、晉城河谷盆地以及魯西北平原。2019年高值區(qū)呈現(xiàn)顯著的集聚特征，形成以“青海西—四川”、“河套平原—關(guān)中平原—晉北”、“豫東—魯全境”、“內(nèi)蒙古東”四條帶狀高值區(qū)，效率值在0.700~0.900較高效率與0.900以上高效率的地級(jí)市分別達(dá)到52個(gè)和30個(gè)?！暗汀汀奔蹍^(qū)縮小趨勢(shì)明顯，2005年效率值以中低效率為主，低效率區(qū)及中等效率地級(jí)市分別為41個(gè)和46個(gè)。2010年與2005年低效率區(qū)相比變化不大，到2015年低效率區(qū)向中等效率區(qū)轉(zhuǎn)變，低效率區(qū)及中等效率地級(jí)市分別為9個(gè)和59個(gè)。2019年低效率區(qū)進(jìn)一步縮減，主要分布于晉西、豫西、甘肅大部、寧夏南部、內(nèi)蒙古西部、青海東部。

2.2.2 分流域角度 分流域來(lái)看，上游城市耕地利用效率呈現(xiàn)兩極化分布，黃河南岸效率值大于黃河北岸且這一極化特征有所增強(qiáng)；黃河中游城市耕地利用效率增長(zhǎng)趨勢(shì)明顯，逐漸形成低值包圍高值的空間格局；下游城市則由“低—低”集聚演變?yōu)椤案摺摺奔?，效率增長(zhǎng)態(tài)勢(shì)日益凸顯。

上述分析表明，黃河流域耕地利用效率呈現(xiàn)“高—高”、“低—低”的空間集聚特征，推測(cè)各城市耕地利用效率可能存在空間關(guān)聯(lián)特征。為進(jìn)一步揭示其空間格局，本部分運(yùn)用全局自相關(guān)分析中的全局莫蘭指數(shù)（Moran’I）探析效率值的空間關(guān)聯(lián)特征（表2）。從全局自相關(guān)分析來(lái)看，不同空間矩陣下莫蘭指數(shù)均顯著為正（均在1%的顯著性水平下通過(guò)檢驗(yàn)），表明耕地利用效率值呈現(xiàn)顯著的“高—高”、“低—低”空間集聚特征。2005—2015年莫蘭指數(shù)總體呈現(xiàn)波動(dòng)下降的趨勢(shì)，表明耕地利用效率的空間集聚程度有所減弱，2015年以后莫蘭指數(shù)有所上升，表明耕地利用效率的空間集聚程度有所增強(qiáng)。

表2 不同空間矩陣下耕地利用效率全局Moran’ I及相關(guān)檢驗(yàn)Table 2 Global Moran’ I and tests of farmland utilization efficiency under different spatial matrices

2.2.3 空間格局演進(jìn)角度 進(jìn)一步采用重心—標(biāo)準(zhǔn)差橢圓分析黃河流域耕地利用效率空間格局演進(jìn)特征，通過(guò) ArcGIS 10.7軟件，計(jì)算流域耕地利用效率的空間分布重心及標(biāo)準(zhǔn)差橢圓相關(guān)參數(shù)（表3），并繪制2005年、2010年、2015年和2019年流域耕地利用效率空間格局演進(jìn)圖（圖6）。從重心的分布及移動(dòng)分析，重心坐標(biāo)范圍為109.383°~109.763°E，35.397°~35.782°N，主體落在銅川西北以及延安南部，位于幾何中心的東南方向，表明耕地利用效率東部大于西部，南部大于北部的趨勢(shì)更為明顯。從移動(dòng)軌跡可以看出，2005—2012年重心總體向東北方向偏移，移動(dòng)距離48.088 km，表明流域東北方向地級(jí)市耕地利用效率（陜西、山西等）提升較大；2013—2019年重心稍有向西南偏移的態(tài)勢(shì)，移動(dòng)距離18.220 km，表明2013年以后西部地級(jí)市耕地利用效率有所提升，但相較2013年以前，這一階段重心坐標(biāo)已趨于穩(wěn)定，移動(dòng)距離較短。從標(biāo)準(zhǔn)差橢圓分析，2005—2019年黃河流域耕地利用效率標(biāo)準(zhǔn)差橢圓主要位于南部，整體上標(biāo)準(zhǔn)差橢圓向東北方向移動(dòng)，覆蓋面積變化不大。轉(zhuǎn)角θ值先增后減，由2005年57.322°增至2010年61.261°，表明耕地利用效率空間格局向東北偏轉(zhuǎn)3.939°；2010年后角度開(kāi)始向西南方向偏轉(zhuǎn)，角度偏移變化開(kāi)始收斂。總體上，流域耕地利用效率呈現(xiàn)東北—西南的空間格局，并有順時(shí)針不斷偏移的趨勢(shì)。沿X軸標(biāo)準(zhǔn)差可以看出，2005年、2010年的主軸不斷縮短，從2005年10.067 km縮短至2010年9.889 km，表明耕地利用效率在東北方向的空間格局在主軸方向有集聚趨勢(shì)，2010年后主軸稍有延長(zhǎng)，呈現(xiàn)向東北—西南方向的空間格局?jǐn)U散趨勢(shì)；沿Y軸標(biāo)準(zhǔn)差可以看出，2005—2019年輔軸不斷增加，由5.431 km增加至5.603 km，表明東北—西南方向的空間格局在輔軸方向有擴(kuò)散趨勢(shì)。

表3 黃河流域耕地利用效率重心移動(dòng)方向、距離和標(biāo)準(zhǔn)差橢圓參數(shù)Table 3 Movement direction, distance and standard deviation of the efficiency of farmland utilization in the Yellow River Basin

3 耕地利用效率影響因素分析

3.1 影響因素指標(biāo)選取

耕地利用效率受自然條件與社會(huì)條件等多種因素的影響，各因素在不同區(qū)域、不同階段的影響強(qiáng)度不同，厘清耕地利用效率的主要影響因素，對(duì)實(shí)現(xiàn)黃河流域耕地高效利用、農(nóng)業(yè)高質(zhì)量發(fā)展具有重要的參考意義。本文根據(jù)Cobb-Douglas生產(chǎn)函數(shù)并結(jié)合前人的研究[34-36]，在黃河流域耕地利用效率評(píng)價(jià)體系基礎(chǔ)上，通過(guò)經(jīng)濟(jì)發(fā)展水平、財(cái)政投入、自然條件、農(nóng)業(yè)生產(chǎn)條件等四個(gè)方面構(gòu)建影響因素指標(biāo)（表4）。為了消除量綱的影響，本文采用歸一法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。耕地利用效率影響因素變量描述性統(tǒng)計(jì)見(jiàn)表5

表4 黃河流域耕地利用效率影響因素指標(biāo)Table 4 Influencing factors of farmland utilization efficiency in the Yellow River Basin

表5 耕地利用效率影響因素變量描述性統(tǒng)計(jì)Table 5 Descriptive statistics of influencing factors and variables of farmland use efficiency

3.2 空間杜賓模型實(shí)證分析

3.2.1 適用性檢驗(yàn) 在進(jìn)行空間計(jì)量分析前，需要對(duì)空間計(jì)量模型進(jìn)行適用性檢驗(yàn)，確定耕地利用效率存在空間相關(guān)性后，應(yīng)首先采用LM檢驗(yàn)，進(jìn)一步檢驗(yàn)耕地利用效率有無(wú)空間自相關(guān)性；接著采用LR退化檢驗(yàn)確定選用空間計(jì)量模型中SEM、SAR還是SDM模型，同時(shí)進(jìn)行Hausman檢驗(yàn)固定效應(yīng)還是隨機(jī)效應(yīng)。通過(guò)分析以上檢驗(yàn)可知，LM檢驗(yàn)中SEM與SAR模型的LM、robust-LM檢驗(yàn)值均在1%的顯著性水平下拒絕無(wú)空間自相關(guān)的原假設(shè)，即存在空間誤差或滯后項(xiàng)，應(yīng)選擇空間模型而不是OLS；LR檢驗(yàn)用來(lái)檢驗(yàn)SDM模型能否退化為SEM、SAR模型，LR檢驗(yàn)值分別為164.410、85.600，均在1%的顯著性水平下拒絕原假設(shè)，即SDM無(wú)法退化成SEM或SAR，應(yīng)選擇SDM模型；Hausman檢驗(yàn)值為26.390且在1%的顯著性水平下拒絕隨機(jī)效應(yīng)的原假設(shè)，因此應(yīng)選擇固定效應(yīng)模型（表6）。綜上，本文最終采用固定效應(yīng)下的空間杜賓模型來(lái)分析流域耕地利用效率的影響因素。

表6 空間計(jì)量模型LM、LR以及Hausman檢驗(yàn)Table 6 LM, LR, and Hausman tests of the spatial models

3.2.2 實(shí)證結(jié)果分析 從空間杜賓模型回歸結(jié)果來(lái)看（表7）：經(jīng)濟(jì)發(fā)展水平對(duì)耕地利用效率的影響中，人均GDP的回歸系數(shù)值為0.201，表明人均GDP對(duì)耕地利用效率產(chǎn)生正向影響，一般而言，經(jīng)濟(jì)發(fā)達(dá)地區(qū)有充足的農(nóng)業(yè)資金投入到農(nóng)業(yè)生產(chǎn)，進(jìn)而提升耕地產(chǎn)出效率，同時(shí)耕地保護(hù)意識(shí)更強(qiáng)，注重耕地合理利用，而經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)耕地利用方式往往較為粗放[37]；城鎮(zhèn)化的回歸系數(shù)值為-0.141，表明城鎮(zhèn)化對(duì)耕地利用效率產(chǎn)生負(fù)向影響，一方面表現(xiàn)在城鎮(zhèn)化進(jìn)程中建設(shè)用地與耕地矛盾突出，造成黃河流域內(nèi)部土地利用發(fā)展轉(zhuǎn)型和變化，進(jìn)而影響耕地利用，耕地的有效供給規(guī)模不斷降低，另一方面表現(xiàn)在城鎮(zhèn)化進(jìn)程中農(nóng)業(yè)勞動(dòng)力大量轉(zhuǎn)移，雖然農(nóng)業(yè)現(xiàn)代化水平及機(jī)械化水平不斷提升，但資源要素間協(xié)調(diào)耦合有待完善，從而對(duì)耕地利用效率產(chǎn)生負(fù)面影響。

表7 空間杜賓模型回歸結(jié)果及異質(zhì)性檢驗(yàn)結(jié)果Table 7 Results of the spatial Dubin model regression and results of the heterogeneity test

財(cái)政投入方面，耕地投入強(qiáng)度的回歸系數(shù)值為0.094，表明耕地投入強(qiáng)度對(duì)耕地利用效率產(chǎn)生正向影響。農(nóng)業(yè)支出對(duì)耕地利用效率的提升是多方面的，如農(nóng)業(yè)政策補(bǔ)貼、農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)、農(nóng)業(yè)科技推廣等，黃河流域涉農(nóng)支出的增加在一定程度上減緩了自然環(huán)境對(duì)農(nóng)業(yè)生產(chǎn)的不利影響。

就農(nóng)業(yè)生產(chǎn)條件產(chǎn)生的影響而言，單位面積勞動(dòng)力投入回歸系數(shù)值為0.373，這一效率的影響貢獻(xiàn)大于其他因素，即單位面積投入的勞動(dòng)力越多，耕地利用效率越高，這主要是流域內(nèi)部分地區(qū)以精耕細(xì)作的小農(nóng)生產(chǎn)為主，農(nóng)業(yè)勞動(dòng)力數(shù)量直接影響耕地產(chǎn)出率，但多數(shù)地區(qū)農(nóng)業(yè)勞動(dòng)力逐漸非農(nóng)化或兼業(yè)化；單位面積化肥投入的回歸系數(shù)值為-0.382，對(duì)耕地利用效率產(chǎn)生負(fù)向影響，過(guò)量的化肥使用一方面直接影響耕地投入結(jié)構(gòu)的優(yōu)化，另一方面使得土壤肥力下降、耕地生態(tài)環(huán)境受損以及造成農(nóng)業(yè)面源污染，從而影響農(nóng)作物的有效生產(chǎn)，阻礙耕地利用效率的提升。

3.2.3 異質(zhì)性分析 考慮到黃河流域內(nèi)部間經(jīng)濟(jì)發(fā)展的高度復(fù)雜性和多維性，在流域內(nèi)部，不同因素對(duì)耕地利用效率的作用強(qiáng)度與作用方向可能存在較大的差異。本文利用固定效應(yīng)下的SDM模型分別對(duì)上、中、下游地區(qū)進(jìn)行異質(zhì)性分析（表7中模型2-4），從結(jié)果來(lái)看：人均GDP對(duì)耕地利用效率的正向影響均通過(guò)顯著性檢驗(yàn)，回歸系數(shù)值上游>下游>中游；城鎮(zhèn)化對(duì)耕地利用效率的影響在作用強(qiáng)度及方向上有所差異，上游地區(qū)城鎮(zhèn)化的影響并未通過(guò)顯著性檢驗(yàn)，而中、下游地區(qū)城鎮(zhèn)化水平則促進(jìn)了耕地利用效率的提升，可能的原因是中下游地區(qū)城鎮(zhèn)化發(fā)展快，耕地非農(nóng)化倒逼耕地發(fā)展由增加數(shù)量的“擴(kuò)張式”發(fā)展向提高效率的“內(nèi)涵式”發(fā)展[38]，同時(shí)也加快了農(nóng)業(yè)勞動(dòng)力的轉(zhuǎn)移進(jìn)而推動(dòng)規(guī)?；?jīng)營(yíng)；耕地復(fù)種指數(shù)在全樣本中未通過(guò)顯著性檢驗(yàn)，而上、中游地區(qū)復(fù)種指數(shù)顯著為負(fù)，下游地區(qū)則顯著為正，表明上、中游地區(qū)復(fù)種指數(shù)增加抑制耕地利用效率的提升，而下游地區(qū)則相反，上、中游地區(qū)生態(tài)底子薄弱，一味追求耕地的生產(chǎn)次數(shù)并不利于提高其生產(chǎn)力；單位面積勞動(dòng)力投入在上游地區(qū)顯著為正，中、下游地區(qū)顯著為負(fù)，可能的原因是上游地區(qū)多為高原、山區(qū)，難以大規(guī)模推動(dòng)農(nóng)業(yè)機(jī)械化，農(nóng)業(yè)生產(chǎn)更多依賴(lài)人力，而中、下游地區(qū)尤其是下游地區(qū)地勢(shì)平坦、農(nóng)業(yè)機(jī)械化水平高，農(nóng)業(yè)勞動(dòng)力得到釋放，故增加勞動(dòng)力投入反而阻礙耕地利用效率提升；單位面積化肥投入均顯著為負(fù)，表明不論從整個(gè)流域還是流域內(nèi)部來(lái)看，單位面積化肥投入均存在冗余的現(xiàn)象。

3.2.4 空間溢出效應(yīng)分析 在空間視角下，由于耕地位置具有空間鄰近性，其利用效率可能會(huì)對(duì)鄰近市耕地利用效率產(chǎn)生溢出效應(yīng)，這一溢出效應(yīng)機(jī)制總結(jié)為兩種路徑。其一是經(jīng)濟(jì)績(jī)效競(jìng)爭(zhēng)，即地方干部政績(jī)與經(jīng)濟(jì)發(fā)展績(jī)效關(guān)聯(lián)，若鄰近市通過(guò)優(yōu)化耕地空間布局，提高耕地產(chǎn)出效率以提高農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出，受競(jìng)爭(zhēng)效應(yīng)和模仿效應(yīng)的影響，本區(qū)域也可能會(huì)效仿并制定相應(yīng)耕地政策以提高農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出；其二是要素流動(dòng)，表現(xiàn)為勞動(dòng)力、資金和技術(shù)等生產(chǎn)要素在不同地域單元上流動(dòng)[39]。例如農(nóng)業(yè)勞動(dòng)力的區(qū)域流動(dòng)會(huì)導(dǎo)致轉(zhuǎn)出地難以勝任高強(qiáng)度農(nóng)業(yè)生產(chǎn)，出于成本考慮，農(nóng)業(yè)生產(chǎn)者會(huì)傾向于外包部分農(nóng)業(yè)給鄰近單元上具備一定生產(chǎn)實(shí)力的勞動(dòng)力，以此形成跨區(qū)域的農(nóng)業(yè)生產(chǎn)組織，推動(dòng)農(nóng)業(yè)社會(huì)化服務(wù)市場(chǎng)發(fā)育，這有效緩解了農(nóng)業(yè)勞動(dòng)力瓶頸，影響鄰近地域單元農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)（圖7）。

人均GDP的直接效應(yīng)為0.213，意味著非空間模型中人均GDP對(duì)耕地利用效率的彈性為0.462，被高估的比例達(dá)到53.90%。人均GDP的間接效應(yīng)為0.195，表明人均GDP越高，不僅會(huì)提升本地區(qū)耕地利用效率，同時(shí)會(huì)促進(jìn)鄰近地區(qū)的提升；城鎮(zhèn)化的直接效應(yīng)未通過(guò)顯著性檢驗(yàn)，但其間接效應(yīng)顯著為正，表明本地區(qū)城鎮(zhèn)化對(duì)鄰近地區(qū)耕地利用效率有正向促進(jìn)作用，城鎮(zhèn)化進(jìn)程中，往往伴隨人口流動(dòng)、土地非農(nóng)化、產(chǎn)業(yè)升級(jí)，造成本地耕地?cái)?shù)量與質(zhì)量下降[40]，而鄰近地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展會(huì)產(chǎn)生“虹吸效應(yīng)”，使得農(nóng)業(yè)生產(chǎn)要素投入更趨合理；耕地投入強(qiáng)度的直接效應(yīng)顯著為正，而空間溢出效應(yīng)不顯著，表明投入強(qiáng)度只影響本地區(qū)耕地利用效率，可能的原因是地級(jí)市間農(nóng)業(yè)支出嚴(yán)重依賴(lài)省級(jí)政府和中央財(cái)政轉(zhuǎn)移支付，本地政府與鄰近政府在獲取農(nóng)業(yè)資金時(shí)會(huì)產(chǎn)生競(jìng)爭(zhēng)效應(yīng)；單位面積勞動(dòng)力投入的直接效應(yīng)為0.468，非空間模型中要素對(duì)耕地利用效率的彈性為0.657，被高估的比例達(dá)到28.77%，其間接效應(yīng)為1.674，表明單位面積勞動(dòng)力投入帶來(lái)的耕地利用效率提升具有顯著的擴(kuò)散效應(yīng)和輻射效應(yīng)；單位面積化肥投入直接效應(yīng)為-0.420，非空間模型中要素對(duì)耕地利用效率的彈性為-0.498，被高估的比例達(dá)到-18.57%，間接效應(yīng)為-0.726，表明化肥投入不僅阻礙本地區(qū)耕地利用效率，同時(shí)不利于鄰近地區(qū)效率提升（表8）?？赡艿脑蚴牵阂环矫孢^(guò)量化肥使用帶來(lái)的土地污染具有一定的關(guān)聯(lián)性，另一方面本地區(qū)農(nóng)村勞動(dòng)力轉(zhuǎn)移可能會(huì)增加對(duì)鄰近地市的農(nóng)產(chǎn)品需求。在農(nóng)業(yè)勞動(dòng)力稟賦約束下，過(guò)量施用化肥成為鄰近地市增加農(nóng)產(chǎn)品供給的一條路徑，最終加劇了鄰近地市化肥面源污染[41]。

表8 不同影響因素空間溢出效應(yīng)分析Table 8 Spatial spillover effect analysis of different influencing factors

4 結(jié)論與對(duì)策建議

4.1 結(jié)論

本文對(duì)黃河流域9省116個(gè)地級(jí)市耕地利用效率時(shí)間動(dòng)態(tài)演進(jìn)及空間特征展開(kāi)研究，主要結(jié)論如下：

1）從時(shí)間變化趨勢(shì)來(lái)看，耕地利用效率整體水平不斷提高，省域、流域內(nèi)部差異程度均有所緩解。黃河流域通過(guò)注重低效率區(qū)耕地利用效率的提升，不斷減小黃河流域內(nèi)部差異程度，是促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的有力之舉。

2）從空間特征來(lái)看，耕地利用效率表現(xiàn)出很強(qiáng)的空間集聚特征，其集聚程度先減弱后增強(qiáng)；重心坐標(biāo)的主體位于幾何中心的東南方向，呈現(xiàn)“東北—西南”的變化格局，北部地區(qū)耕地利用效率有所提升；標(biāo)準(zhǔn)橢圓呈現(xiàn)順時(shí)針不斷偏移的趨勢(shì)，耕地利用效率空間分布在長(zhǎng)軸方向經(jīng)歷先集聚后擴(kuò)散趨勢(shì)，在短軸保持穩(wěn)定擴(kuò)散趨勢(shì)。因此可以通過(guò)耕地利用效率高值區(qū)帶動(dòng)低值區(qū)發(fā)展，突破地域限制，加強(qiáng)區(qū)域合作。

3）從影響因素來(lái)看，人均GDP、耕地投入強(qiáng)度、單位面積勞動(dòng)力投入對(duì)耕地利用效率有顯著的提升作用，而城鎮(zhèn)化、單位面積化肥投入抑制耕地利用效率提升，同時(shí)不同流域、不同因素對(duì)耕地利用效率的作用強(qiáng)度和作用方向差異明顯。人均GDP、城鎮(zhèn)化、單位面積勞動(dòng)力投入、單位面積化肥投入均有顯著的空間溢出效應(yīng)。說(shuō)明提升黃河流域耕地利用效率應(yīng)采取優(yōu)化要素投入、以配置效率提升促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展。

4.2 政策建議

1）探索耕地利用效率提升的區(qū)域差異化路徑。黃河流域不同流域內(nèi)自然資源稟賦具有差異，上游地區(qū)應(yīng)注重生態(tài)涵養(yǎng)，注重以土地科技創(chuàng)新破解耕地自然稟賦差的困境；中游地區(qū)在提升耕地利用效率時(shí)應(yīng)充分考慮耕地休養(yǎng)生息以及地力恢復(fù)；下游地區(qū)耕地自然稟賦條件好，應(yīng)協(xié)調(diào)好耕地與經(jīng)濟(jì)建設(shè)用地的矛盾。

2）加強(qiáng)耕地利用效率提升的區(qū)域協(xié)作。黃河流域耕地利用效率呈現(xiàn)為高值區(qū)集聚，應(yīng)充分發(fā)揮四川盆地、內(nèi)蒙古東部以及山東耕地利用效率高值區(qū)的引領(lǐng)作用和溢出效應(yīng)，帶動(dòng)周邊省市耕地利用效率提升。同時(shí)，要素投入存在顯著的空間溢出效應(yīng)，應(yīng)打破行政區(qū)之間各自為政的局面，統(tǒng)籌規(guī)劃耕地利用，加快流域內(nèi)農(nóng)業(yè)生產(chǎn)要素市場(chǎng)化配置改革，促進(jìn)農(nóng)業(yè)生產(chǎn)要素自由流動(dòng)，充分利用跨省域補(bǔ)充耕地國(guó)家統(tǒng)籌機(jī)制。

3）優(yōu)化耕地生產(chǎn)要素投入。上游地區(qū)耕地自然稟賦較差，復(fù)種可能進(jìn)一步導(dǎo)致耕地過(guò)度利用，降低其利用效率，而增加勞動(dòng)力的投入有利于促進(jìn)效率的提升；針對(duì)中游地區(qū)存在的資金投入不足、耕地開(kāi)發(fā)強(qiáng)度過(guò)大的問(wèn)題，應(yīng)注重加大財(cái)政向農(nóng)業(yè)生產(chǎn)的傾斜力度，不斷優(yōu)化耕地要素投入，提升耕地利用效率；針對(duì)下游地區(qū)存在生產(chǎn)要素投入冗余問(wèn)題，應(yīng)因地制宜精準(zhǔn)配置資源，合理投入各類(lèi)生產(chǎn)要素，從而避免資源浪費(fèi)，促進(jìn)耕地利用的配置效率提升。