文献综述
- 国内外研究现状
经查找多方资料发现，西方国家从上个世纪开始研究农业生产的环境效率。Farrell[13]是第一个测度农业生产效率的学者，以“非预设生产函数”代替“预设生产函数”，利用早期的数学规划模型（后发展成为DEA模型）测算了英国的农业生产效率，此后环境技术效率逐步得到拓展和应用。1978年A. Charnes 和W.W.Cooper创建了数据包络分析（data envelopment analysis）模型，即DEA模型， Chung Y.H.[2]等在DEA模型的基础上进行了改进，基于谢泼德距离函数的处理方法，加入方向性距离函数（Directional distance functions,DDF），并设定期望产出增加，非期望产出减少的方向，将全要素生产率与环境污染纳入统一研究框架。国内外学者利用DEA模型对环境规制对环境技术效率的影响进行了大量研究。Trung Thanh Nguyen等[3]利用DEA模型对考虑环境因素下的韩国大米生产率进行了重新度量；Moreau, P等[4]运用DEA模型研究了多种地形区域中环境效率对农业生产率的影响；韩海彬[5]利用此方法对农业环境技术效率及其影响因素进行了分析；胡鞍钢等[6]在中国省级数据的基础上，采用DDF函数测算了省级生产率绩效度量中的“技术效率”指标并在考虑了环境因素的情况下进行了重新排名；王兵等[7]利用DDF函数和Malmquist-Luenberger（ML）指数，研究了APEC 17个国家环境规制对全要素生产率的影响；李小胜等[8]利用DDF法，根据中国36个工业行业的投入产出数据分析了环境规制和环境全要素生产率；孟晓霞等[9]基于修正的三阶段DEA模型，重新核算了我国农业生产技术效率；贾义真[10]基于修正的DEA模型，对我国财政支出的绩效进行了衡量；吴贤荣[11]等将农业碳排放纳入到农业经济核算体系之中,构建含有期望产出与非期望产出的DEA-Malmquist效率指数,对2000-2011年中国31个省(市、区)的农业碳排放效率变动趋势进行了测度,并分析了农业Malmquist碳排放效率指数及其分解指数的省域差异及变动趋势；汪成[12]等通过DEA模型对我国工业环境技术效率进行了测度；石风光[13]通过运用DDF函数对河南省的工业环境技术效率进行了核算；刘子飞[14]等运用三阶段DEA模型核算了陕西洋县的有机农业生产效率；张锐[15]运用三阶段DEA模型对两型农业生产效率进行了重新核算。
- 国内外研究现状评述
通常用来研究环境技术效率的方向性距离函数没有考虑松弛问题，并且可能由于农业投入和产出的径向或选择差异带来不同程度的偏差。Tone（2001）[16]提出了解决这一问题的非径向和非角度的SBM模型，不仅解决了投入产出松驰性的问题,也解决了非期望产出存在下的效率评价问题，同时避免了径向和角度选择差异带来的偏差和影响，比其它模型更能体现效率评价的本质。此后，国内外研究环境技术效率多采用SBM模型，例如李静和程丹润[17]，王兵等[18]，运用该模型进行了环境技术效率分析。在SBM模型的基础上，为了综合考虑期望与非期望产出的关联性，产生了SBM-NS（SBM-No Separable）模型，梁劲锐等[19]运用SBM模型，刘勇等[20]运用SBM-NS模型研究了环境技术效率。
- 本文研究内容
总结现有的基于SBM模型或SBM-NS模型研究环境技术效率的方法，并将前人已经应用于工业，制造业等范围的研究领域拓展至省际农业环境技术效率率对比研究。以下从理论和实证两方面介绍研究内容。
- 理论方面的研究内容
用于测定环境技术效率的数据包络分析（data envelopment analysis）模型，简称DEA模型，是数学、运筹学、数理经济学和管理科学的交叉领域科学，前身为Farrell（1957）[21]提出的数学规划模型。DEA通过使用数学规划，包括线性规划、多目标规划、具有锥结构的广义最优化、半无限规划、随机规划等模型，评价具有多个输入、特别是具有多个输出的“部门”或“单位”（称为决策单元decision making unit，简记为DMU）间的相对有效性。由于DEA方法和模型无需指定投入产出的生产函数形态，可评价具有较复杂关系的DMU的效率，因此可将其视为一种非参数的统计估计方法。在环境技术效率核算中，由于DEA模型的参数权重由数学规划根据数据分析结果产生，不需要事先设定，因此可以排除主观人为因素的影响；同时，在分析环境规制对农业生产率核算的影响中，可设定对照组，通过DEA模型进行目标值与实际值的比较分析、敏感度分析和效率分析，从而进一步了解决策单元受环境影响情况，供管理者决策参考。
在现有的研究中，将非期望产出引入DEA模型的方法主要有以下几种：倒数转换法、转换向量法、方向性距离函数（DDF）法，双曲线法、非期望产出作为投入法和SBM模型法。由于研究环境技术效率时无法确定每种投入或产出变量的径向和角度，前五种基于径向和角度的方法测定结果很可能会偏离真实值，而非径向、非角度的SBM方法，可以避免上述偏差，更能体现环境技术效率评价的本质。
在通过SBM方法测算并评价农业环境技术效率之后，运用面板Tobit模型[22][23]，分析农业环境技术效率的影响因素。Tobit模型又称样本选择模型或受限因变量模型，适用于因变量受限于某些条件的情况。模型包含两个部分，一是约束条件，二是在约束条件下的某连续变量方程模型，研究主体一般是后者。Tobit模型的估计方法和结果与模型的结构选择关联性很强，根据解释变量中是否包含内生变量，可以将Tobit模型分为联立方程模型和非联立方程模型。
本文在分析农业环境效率的影响因素时，采用广义Tobit模型，预设数个环境技术效率影响因素，通过模型分析结果中个因素的系数和显著性检验，判断某个因素是否显著影响环境技术效率，并得到该因素与环境技术效率的相关性，从而精准确定研究对象的主要影响因素，指导区域管理者的政策制定。
- 实证方面的研究内容
依照韩海彬（2013）[5]的研究结果，将全国各省份农业技术效率分为四种模式，高农业技术效率和高农业环境技术效率，高农业技术效率和低农业环境技术效率，低农业技术效率和高农业环境技术效率，低农业技术效率和低农业环境技术效率。本文选取同属低农业技术效率和低农业环境技术效率模式的河南省和江苏省，以河南省为研究主体，首先通过DEA-SBM方法构建对比模型，测算河南省各市区在是否将环境因素纳入农业生产率核算体系的区别下的农业技术效率和农业环境技术效率，判断环境规制对农业生产率的影响。进一步，取各年份河南省与江苏省农业环境技术效率值作对比，并运用面板Tobit模型分析河南省主要市区的农业环境技术效率影响因素，并估计各因素的影响显著程度，与江苏省农业环境技术效率各影响因素的显著程度作对比分析，找出河南省农业发展在可持续性与污染控制方面的短板，并以江苏省的农业发展优势政策为指向目标，尝试提出政策建议。
