中国农业化肥投入效率空间差异及动态变迁

为了满足日益增长且逐渐富裕的人口对粮食、蔬菜和畜产品的需求，中国在过去40多年里实施了一系列政策鼓励合成肥料(化肥)的生产和使用，现已成为全世界最大的化肥生产国和消费国。中国农业生产中的化肥投入量增长十分迅速，1978年仅为884万吨，2015年达到历史峰值6 023万吨，此后两年虽有所下降但仍高达5 859万吨。研究发现，中国农户农田养分管理水平较低，过量施用化肥(特别是氮肥)的现象相当普遍[1-2]。中国农田的化肥利用率(化肥施入土壤后被农作物吸收利用的比率)不足40%，每亩耕地上的化肥盈余超过了10千克[3] 。高强度的化肥投入在促进中国农业发展的同时，也对生态和环境产生了显著的负面影响，如温室气体排放增多、水环境污染加剧、耕地质量及生态系统服务功能退化等。此外，过多的化肥盈余也开始危及中国粮食生产，造成了技术效率损失，未来保障中国粮食安全面临严峻挑战[4]。中国政府高度重视化肥利用问题，2004年启动了测土配方施肥工作，2015年在全国范围内又开展了化肥使用零增长行动，均期望在不影响粮食产出的前提下实现化肥用量的最大削减。而要实现这一目标，关键在于提高化肥投入效率[5]。

一般认为，化肥投入效率与农户对化肥使用的管理能力有关，如果管理能力不足(如最佳施肥时间、施肥方式、施肥数量等选择不当)，就会导致化肥用量的非合理增加，造成效率下降。在经济学上，该概念通常被理解为，在产出和其他投入要素维持不变的条件下，潜在的最低化肥投入量与实际化肥投入量的比值。近年来，越来越多的学者对中国农业化肥投入效率进行测度，采用的方法包括数据包络分析法DEA[6-7]和随机前沿分析法SFA[8-10]。这些研究均表明，中国农业在化肥投入上存在着较高的技术效率损失。但是，受方法选择及模型设定的影响，化肥投入效率在随时间变化趋势及空间分布格局上并没有形成一致观点。就方法而言，DEA模型是基于样本数据所观察到的技术信息构造可以包容所有个体生产方式的生产可能性集合，再由规划方法测算化肥投入效率，缺点是忽视了随机误差和数据的异常扰动，无法描述生产过程中的时间效应和个体效应。SFA模型克服了这些缺点，以参数方式事先设定前沿生产技术的函数形式和随机项的分布形式，利用产出和投入变量的样本数据，再由最大似然法或OLS估计生产前沿面，测算化肥投入效率。在此需要特别指出的是，采用SFA模型的上述研究均没有对个体异质性进行控制，所得到的化肥投入效率往往存在较大偏误[11]。并且，这些模型也无法对化肥投入效率做进一步分解，从而很难揭示中国农业化肥投入效率损失产生的主要根源。

本文通过构建化肥消费需求函数，采用最近发展的随机前沿分析模型来分析中国农业化肥投入效率。与以往研究的不同之处在于：一是在模型设定时对个体异质性问题进行了有效处理，从而将个体异质性从效率损失项中进行了剔除，所得到的结果更为准确。二是在模型设定时将效率损失项分解为持久性的和短期性的两个部分[12-13]，这有助于揭示产生化肥投入效率损失的主要根源；此外，本文还在对中国农业化肥投入效率进行状态划分的基础上，进一步使用了面板数据连续时间多状态转换模型对化肥投入效率的变迁趋势进行了预测，旨在揭示中国农业化肥投入效率的动态变迁趋势。

一、模型、方法与数据

1.理论模型

传统经济学理论认为，化肥作为一种生产投入要素，其需求属于一种引致需求。参照Zhang[14]、Zhang等[15]对能源消费需求模型的设定策略，本文将中国农业生产的化肥消费需求模型表示为：

式(1)中，Fit表示化肥消费需求,Xit表示一组解释变量，包括广义农业产值Yit、化肥价格Pit、人均土地投入PLit、林牧渔业产值占农业产值之比NTit、粮食作物比重GSit、测土配方施肥政策STit和化肥使用零增长行动Zit；UEDTit表示化肥消费需求的变化趋势；FEit表示化肥投入效率。之所以选择上述解释变量，其理由分别如下：(1)受土地禀赋程度较低的约束，为了使农业产出增加，必须提高化肥等生产要素投入，换言之，保障单位面积上较高的农业产出势必会造成化肥投入引致需求的上升[16]；(2)要素价格是影响其需求的重要因素，受政府限价管理政策及对化肥行业财税补贴政策的影响，化肥市场长期存在价格扭曲，本文预期低廉的化肥价格会激发农业生产中的化肥使用[17]；(3)人均土地投入用以衡量土地稀缺程度，较高的土地稀缺程度将促使土地利用集约化程度上升，本文预期会导致单位面积化肥投入的增加[18]；(4)当前，化肥在农业领域的消费已突破原有的种植业体系，部分地区经济林、草场、养殖水库及池塘也开始普遍使用化肥，农业经济发展的多元化将增加化肥消费需求的空间，从而会影响到化肥投入，故本文加入了林牧渔业产值占农业产值之比[19]；(5)与粮食作物相比，经济作物的经济效益较高，但生产过程中需要消耗更多的化肥，故本文预期种植业结构中粮食作物面积比重的变化会改变对化肥消费总量的需求[20]；(6)测土配方施肥项目和化肥使用零增长行动在执行过程中始终强调向农户推广环境友好型施肥技术的政策导向，这对提高化肥利用效率具有积极意义，本文预期两者会使化肥投入需求下降。

通过对(1)式两侧取对数，加上复合随机项就能得到化肥投入需求的随机前沿模型，据此可以对化肥投入效率进行测算。其中，模型中的t和t2用来表示UEDTit对Fit的非线性影响；αi表示个体异质性；模型复合随机项包含三个部分：uit为化肥投入短期效率损失，ηi为化肥投入持久效率损失，νi为随机误差。模型表达式如下：

2.估计方法

由于中国农业发展长期存在着一些制度性缺陷(包括化肥市场管理制度不完善、政府粮食安全目标优先、农业基础设施投资不足等)，加上农户长期普遍存在的过量施肥习惯以及农技推广机制缺失造成的农户生产管理能力下降，化肥投入效率损失很可能在短期难以发生明显变化。对此，Acosta等[12]、Adom等研究指出，除非这些系统性的约束条件能够解除，否则持久性的效率损失将长期存在[13]。张永强等以中国玉米生产为例的研究结果也在一定程度上表明，化肥投入效率损失具有较强的黏性特征[9]。除此之外，化肥投入效率损失也可能产生于农业生产中的农户错误决策(如施肥时间不合理、作物管理不到位等)，并且这些错误通常能够通过知识和经验的积累去避免，因而会随着时间变化而变化。因此，对中国农业化肥投入效率进行评价时，有必要将这两类效率损失一并纳入分析框架。事实上，持久性和短期性化肥投入效率损失各自也蕴含着不同的政策含义。通常，对持久性效率损失问题的解决需要着眼于长期政策的制定，而对短期性效率损失问题的处理则需要注重短期措施的效力。

为了测算出生产过程中的持久效率损失和短期效率损失，可以使用Kumbhakar等提出的三步法SFA模型(KH95模型)[21]。通过对(2)式的变换，得到如下表达式：

式(3)中，

测算效率的具体步骤如下：第一步利用标准的随机效应面板回归对式(3)进行估计，得到一致的参数估计量，据此计算出

的预测值

第二步根据预测值

计算持久性效率

其中

第三步计算短期效率。首先计算残差eit=lnFit-f(X,β)-ηi=α0+uit+vit，假设vit服从独立正态分布

在0截断处服从独立非负正态分布

接着使用混合截面随机前沿模型对方程eit=α0+uit+vit进行参数估计，并利用uit的条件均值E[uit|uit+vit]计算短期效率

最后，根据持久效率PEi和短期效率TEi可以进一步计算总体的效率得分：

然而，上述估计没有对各决策单位之间不可观测的异质性和持久性的效率损失项进行区分，容易导致测算的持久效率损失被高估(也就是所有决策单位都面临相同的截距项α0)。中国地域辽阔，各地自然和气候条件不同，农业生产具有明显的地区差异。如果模型不能对这些差异进行控制，基于复合随机项测算的效率损失就会偏高。为了纠正这一偏误，Kumbhakar等对上述模型又做了改进(KLH14模型)[22]，将(2)式变换格式如下：

式(5)中，

测算效率的具体步骤如下：第一步与Kumbhakar 等[21]类似，也是利用标准的随机效应面板回归对式(5)进行估计，得到一致的参数估计量

和

第二步对方程

进行随机前沿分析，假设vit服从独立正态分布

的真实值和预测值一致，则可得到短期效率

第三步对方程

进行随机前沿分析，假设μi服从独立正态分布

在0截断处服从独立非负正态分布

据此可计算出持久效率

同样地，总体的效率得分可表示为持久效率PEi和短期效率TEi两者的乘积。

尽管模型KLH14较模型KH95在估计策略上有了很大改进，但其要求对决策单位之间的不可观测异质性μi作出先验的分布假设，故模型存在一定的误设风险。为此，Zhang对上述模型作了进一步改进(ZH17模型)，放弃了对μi的先验分布假设[14]。具体操作时，借鉴了Mundlak处置模型个体异质性与其他解释变量存在相关性的分析策略，通过设定辅助方程的方式来消除效率损失中包含的不随时间变化的及随时间变化的不可观测异质性[23]。假设式(5)中ηi=μi+γi，γi服从独立正态分布

不可观测异质性μi的辅助方程被设定为：

式(6)中，Xit为前文所指的模型解释变量，

为解释变量的平均值，π为相应的模型估计参数。如果从效率损失项ηi中消掉部分不可观测异质性μi，那么剩余部分γi(γi>0)就可被视为持久性效率损失。将式(6)加入式(2)，化肥消费需求的随机前沿模型可表示为：

式(7)中，

能够看出，式(7)与式(3)的结构非常相似，故可采用Kumbhakar等[21]提出的三步法SFA模型测算持久效率PEi和短期效率TEi，相应的总效率得分即为两者乘积。

3.数据说明

本文以中国31个省(区、市)为研究对象，将1998-2017年作为分析的时间窗口，采用的统计数据来自历年《中国统计年鉴》《中国农村统计年鉴》和《全国农产品成本收益资料汇编》。其中，化肥消费需求使用各省化肥消费折纯量(万吨)表示；农业产出使用广义农业产值表示，即各省农林牧渔总产值(亿元)(使用生产价格指数进行平减，基期为1998年)；化肥价格(元/千克)使用各省粮食、棉花、油料三大作物以及水果生产的化肥投入费用与投入折纯量之比的算术平均值表示(采用化肥价格指数进行平减，基期为1998年)；人均土地投入(亩/人)使用各省农作物播种面积除以年末总人口数表示；林牧渔业产值占农业产值之比(%)使用各省林业、畜牧业及渔业产值之和占农林牧渔总产值之比表示；粮食作物比重(%)使用各省粮食作物播种面积占农作物总播种面积之比表示。另外，测土配方政策以2005年为界，时间节点前赋值为0，否则为1；化肥使用零增长行动则以2015年为界，时间节点前赋值为0，否则为1。

二、实证分析

1.化肥消费需求模型参数回归结果

化肥消费需求模型参数回归结果见表1。其中，KH95模型和KLH14模型的参数回归结果相同，原因是两者都使用了随机效应模型对式(2)进行参数估计。从表1看出，农业产出(lnY)对化肥消费需求有正向显著影响，农业产出越高，对化肥消费需求也越高。事实上，在耕地资源和农业劳动力日渐稀缺的环境下，保障中国粮食安全及促进农业经济增长的压力越来越大，增加化肥要素投入必然成为解决问题的关键[3]。化肥价格(lnP)对化肥消费需求的影响显著为负，这与预期一致，化肥价格提升能够带来化肥消费需求的下降。然而，受化肥行业价格管制政策及财政支农政策的影响，中国农用化肥价格长期处于相对较低的水平，这对化肥消费需求产生了极大刺激作用[24]。而且，对比三个模型中化肥价格系数绝对值与其他变量系数绝对值的大小能够发现，化肥价格变化并非影响化肥消费需求的决定性因素，化肥供给侧对化肥消费的制约和影响已经减弱。人均土地投入(lnPL)对化肥消费需求的影响显著为正，与预期相反。人均土地投入用以衡量各地区土地规模经营的状况，一些微观研究证实，土地规模经营对减少化肥投入强度具有积极影响，有助于减少化肥消费[25]。但本文的宏观分析表明，上述效应尚未得到应有体现。其原因可能有三：一是增加的土地投入主要是通过流转途径获得，流转地块的产权不完整诱导了农户采取过量施肥行为[26]；二是转出地块往往质量相对较差，这也会激励转入户使用较多的化肥；三是在耕地规模扩张过程中，农户经营管理能力与其实际耕地经营规模不匹配，造成了肥料投入数量的上升[27]。

林牧渔业产值占农业产值之比(lnNT)对化肥消费需求的影响显著为正，表明林业、畜牧业和渔业经济发展会促使化肥消费需求的增加。为了满足居民日益多元化农产品需求，以及在耕地稀缺性增强的前提下追求单位耕地面积利润最大化的经济诉求，耕地利用过程中农户等生产主体化肥投入方式与投入强度必然发生变化，从而导致化肥消费需求总量上升[18]。粮食作物比重(lnGS)对化肥消费需求存在负向影响，表明提高粮食作物比重有助于抑制化肥消费需求，与预期一致。测土配方施肥政策(ST)对化肥消费需求的影响显著为正，表明测土配方施肥政策的实施对化肥消费需求起到了助推作用，这与前文预期相反。以往研究发现，测土配方施肥政策能够提升农户化肥投入效率[28]、减少耕地化肥使用强度[17]，但本文发现，该项政策的实施一定程度上带来了化肥消费需求的增加，其原因可能有三：一是以往研究计算化肥使用强度的方法不科学，仅仅考虑农作物播种面积，而忽视林业生产、草场种植及渔业养殖的化肥投入需求，计算结果存在较大偏差；二是各地基层农技推广体系日渐式微，农业公益性服务逐渐市场化，测土配方施肥技术推广往往与化肥销售紧密联系，政策实施中存在扭曲激励的现象；三是测土配方施肥技术推广使越来越多的农户开始使用统一配制的配方肥料(属于复混肥)，为了使耕地对各营养元素的需求都能得到满足，过量施肥现象日益加剧[2]。化肥使用零增长行动(ZE)对化肥消费需求的影响在三个模型中均不显著，可能是实施时间较短的缘故，该政策的期望效果还没有得到应有发挥。此外，时间项t和t2的分析结果表明，在考察期内，化肥消费需求随时间变化呈现数量逐渐增加但增速不断下降的趋势，这与实际的化肥消费需求情况也较为吻合。国家统计局最新数据显示，在经历了化肥投入量逐年递增的漫长时期后，从2016年开始，中国农用化肥投入量已经连续三年出现了负增长。

2.化肥投入效率及其分布特征

各地区化肥投入的持久效率(PE)、短期效率(TE)及总效率(EFO)见表2。对比KH95模型和KLH14模型的结果发现，化肥投入的短期效率相同，但对于化肥投入的持久效率，前者要低于后者，分别为0.50、0.61，说明不控制个体异质性将使测算的化肥持久效率存在较大的估计偏误。接着对比ZH17模型和KLH14模型的结果发现，化肥投入的短期效率存在些许差异，分别为0.92、0.93，但对于化肥投入的持久效率，前者明显高于后者，分别为0.70、0.61。据此可以得到两点基本结论：一是中国农业化肥投入短期效率较高，各地都在0.9以上；二是化肥投入的持久效率决定了中国农业化肥投入效率的整体格局或走势。类似的观点在中国能源行业也同样存在[15]。再看化肥投入总效率(EFO)，KH95模型、KLH14模型和ZH17模型的测算结果分别为0.46、0.56和0.65。其中，KH95模型的测算结果与以往研究较为接近(大概在0.45左右)[8-9]，其共同特点是模型均未对个体异质性进行考虑，也就是说，模型的效率损失项中包含了个体异质性，从而造成了效率损失值的高估或效率值的低估。而KLH14模型对个体异质性中不随时间变化的部分进行了控制，故所得到的化肥投入效率值有了较大幅度增加；ZH17模型在KLH14模型的基础上，进一步对个体异质性中随时间变化的部分进行了控制，得到的化肥投入效率均值进一步增加到了0.65。本文通过对比分析证实，选择恰当的随机前沿模型是进行效率分析的重要前提。

以ZH17模型的测算结果为基础，进一步比较不同地区化肥投入效率。结果显示，中部地区最高(0.69)、东部地区次之(0.65)、西部地区最低(0.62)，总体呈现中部高于东部、东部高于西部的空间分布格局。结合国家统计局数据还发现，全国31个省(区、市)化肥使用强度最高的是福建(524.9千克/公顷)，其次是海南(489.3千克/公顷)和北京(480.2千克/公顷)，而化肥投入效率最低的是黑龙江(0.45)，其次是甘肃(0.46)和浙江(0.48)，两个指标之间似乎不存在必然的关系。也就是说，化肥投入强度高的地区，其投入效率不一定就高；而化肥投入强度低的地区，其投入效率也不一定就低(经本文统计，两者相关系数仅为0.37)。为了更直观地呈现各地区化肥投入效率及其化肥投入模式，接下来本文对各地区按照化肥投入效率和化肥投入强度进行K-均值聚类分析。参考史常亮等[8]的处理方法，选择0.60和0.80为标准将化肥投入效率划分为低效率、中效率和高效率三个等级，选择250千克/公顷和400千克/公顷为标准将化肥投入强度划分为低强度、中强度和高强度三个等级，进而得到9种组合类型，具体见表3(1) 史常亮等以0.55和0.80为标准将化肥投入效率分为低、中、高三个等级，以210和360为标准将每公顷实际化肥用量分为低、中、高三个等级。本文根据效率数值分布及化肥实际用量情况进行了小幅调整。但需要指出的是，此处划分的低、中、高三个等级仅仅是出于问题分析需要，不代表实际的评判标准。例如，化肥用量国际警戒线为每公顷225千克，超过这一数值就应被定义为高强度，但目前中国各地区的每公顷化肥用量均远远超出这一标准，故在划分等级时，主要是依据化肥实际用量的分布情况而定。。其中，高强度+高效率地区仅包含湖北，属于中部地区粮食主产省。尽管湖北农业生产的化肥投入强度较高，但其化肥投入效率却并不低。高强度+中效率地区包括北京、天津、江苏、河南、福建、山东、广东和陕西，主要集中在东部沿海地带，其化肥投入强度较大，并且化肥投入效率不高，生产中存在普遍的化肥过量使用现象；高强度+低效率地区主要是海南，不仅化肥投入强度非常大，而且化肥投入效率非常低，意味着该地区化肥使用非常不合理，应给予重点关注。

接下来考察化肥投入效率随时间变化的趋势。依据概念含义，持久效率在短期内不随时间发生变化，随时间发生变化的只是短期效率。图1为短期效率的时间趋势。需要指出的是，由于KH95模型和KLH14模型的短期效率结果相同，因而两者的时间趋势在图中重合。图1显示，化肥投入的短期效率在近20年里呈现出上下小幅频繁波动的特征，且ZH17模型的短期效率相对高一些，介于0.92～0.94之间。基于化肥投入持久效率和短期效率变化的时间趋势判断，化肥投入总效率随时间变化的趋势不明显。图2给出了化肥投入总效率的时间趋势，发现三个模型测算的总效率随时间变化的幅度都很小。上述结果表明，在考察期内，尽管中国农业生产中化肥投入不够合理，存在很多的效率损失，但其效率却并没有得到明显改善。值得注意的是，也有研究认为，中国农业化肥投入效率总体上呈现逐年递增的态势，且年均改善速度非常之高，达到了10%[8]。然而，实际情况并没有如此乐观，中国农业化肥投入总量直至2015年之后才出现了下降(很大程度上与轮作休耕制度的推行有关)，且每公顷化肥用量仍有很多地区呈继续上升的态势。相比之下，刘华军等研究认为，近年来中国农业化肥投入效率提升幅度很小[7]，而张永强等甚至认为近年来的化肥投入效率不仅没有提升，反而有所下降[9]。对于这些分歧，正如边文龙等所指出的，使用常规的随机前沿模型测算效率时要求假定效率在样本期间内只能随时间单调递增、递减或不变，该假定十分严格，如果效率在样本期间内随时间出现先增后减或者先减后增的情况，使用该模型估计效率将会因模型误设而导致估计结果的不一致[11]。总体来讲，本文采用的最新提出的随机前沿模型能够避免常规随机前沿模型中的隐含假设，其得到的分析结论更具说服力。

三、进一步讨论

前文分析揭示，中国农业化肥投入效率存在较大一部分损失，每年约有30%的化肥投入在经济层面属于不合理，导致农业面源污染日益严重。并且，中国农业化肥投入似乎已经跌入低效率陷阱，效率改善的迹象很不明显。为此，本文使用连续时间状态转换分析模型分析化肥投入效率的状态转变概率，进而判断中国农业化肥投入效率的未来变迁趋势。此模型分为三个状态，分别是高效率、中效率和低效率。个体在时间t上的状态是s(t)，对于每一对状态r和s，个体从一个状态转到另一个状态以及转变所需的时间受到转换强度(transition intensity)qrs(t)的支配。转换强度表示从状态r到s的瞬时风险，其可能与时间协变量x(t)有关。转换强度方程可表示为：

式(8)中，参数向量βrs(βrs.1,βrs.2,…,βrs.p)，协变量向量x(t)=(x1(t),x2(t),…,xp(t))，qrs.0(t)表示基期转换强度。假定基期转换强度函数服从指数分布，且不存在协变量的影响效应，则可拟合一个只有截距的转换强度函数：

接着，在式(9)的基础上加入相应的协变量，以控制协变量的影响效应，转换强度函数表示为：

通过最大似然函数法对上述转换强度函数进行估计，然后根据转换强度矩阵可计算出转换改变矩阵。使用该模型Zhang等[15]则分析了中国能源效率状态转换的概率。与前文分析一致，对化肥投入效率进行状态分类时，将0.80及以上的定义为高效率，0.60～0.80之间的定义为中效率，低于0.60的则定义为低效率。各状态相互转换的频次及预测概率见表4。

从状态转换情况来看，高效率→高效率的有70次，中效率→中效率的有430次，低效率→低效率的有75次，共占观测值总个数的92.7%，说明效率状态转换具有非常强的黏性特征，从一种状态转到另一种状态的发生概率很低。状态转换概率的计算结果(不论是考虑协变量还是不考虑协变量的影响)也显示，从中效率转到高效率以及从低效率转到中效率或高效率的概率都非常低。本文认为产生这一现象的主要原因仍在于中国农业化肥投入效率损失的组成结构所致。前文分析表明，持久性效率损失占据了中国化肥投入效率损失的主要部分，短期内很难发生改变；而短期效率损失总体较小，其变化又不足以导致化肥投入总效率的状态转变。因此，减少持久效率损失应成为提升中国农业化肥投入效率的首要任务。

四、结论与启示

基于1998—2017年省级面板数据，本文在构建化肥消费需求模型的基础上，使用三种随机前沿模型对中国农业化肥投入效率进行了测算，并运用面板数据状态转换分析法对化肥投入效率的动态变迁趋势进行了预测。与以往测算效率的常规SFA模型不同，本文使用的随机前沿模型能够对效率的两个组成部分(持久效率和短期效率)分别进行测度，从而能够揭示造成效率损失的主要来源。并且，本文依据模型设定是否控制个体异质性及是否对个体异质性作出先验分布假设的差异，还对不同模型的测算结果进行了对比。研究发现：中国农业化肥消费需求主要受农业产出、化肥价格、人均土地投入、林牧渔业产值占农业产值之比、测土配方施肥政策等因素的影响；化肥投入效率平均约为0.65，存在着较大的提升潜力，效率分布呈现中部高于东部、东部高于西部的非平衡分布格局；在化肥投入效率损失的构成上，短期效率损失较低，持久效率损失较高，持久效率损失是导致中国农业化肥投入效率总体不高的主要根源；此外，尽管中国农业生产中普遍存在着化肥投入不合理的现象，造成了很多的效率损失和投入浪费，但从效率变化的时间趋势及效率状态的转换概率上看，化肥投入效率并没有呈现改善迹象，效率损失具有非常强的黏性特征。

通过本文研究，得到如下几点启示：第一，在测算效率时，应谨慎选择恰当的随机前沿分析模型。例如，常规的随机前沿模型关于效率只能单调递增、递减或不变的研究假设过于严格，存在较大的模型误设风险；模型中应该对效率损失项与个体异质性进行有效区分，因为这些个体异质性很可能与真实的效率没有任何关系；为了减少模型误设风险，也应放松对个体异质性的先验分布假设。第二，中国农业化肥投入效率总体偏低，在不影响农业产出及化肥价格等因素的情况下，化肥削减潜力巨大。在十九大倡导绿色发展的背景下，提升中国农业化肥投入效率是推进资源全面节约以及面源污染治理的有力措施。第三，化肥投入持久效率的提升空间远高于短期效率的提升空间，提升中国农业化肥投入效率的制度设计更应着眼于长远。例如，实施化肥投入效率管制、推进化肥行业产品质量升级、转变农户传统施肥观念等。具体而言，应该在全国层面科学制定一个明确的化肥减量总目标，并依据各地化肥削减潜力进行任务分解，建立定期考核机制；鼓励化肥生产企业加快淘汰低端产品落后产能，并对新型复合肥、有机肥等新技术研发和推广应用进行财税优惠，减轻企业升级转型压力；充分认清缺乏施肥知识是导致中国农户化肥过度投入的重要原因，并持续向农户提供施肥知识培训逐步诱导其摒弃传统的多施肥、产量高的错误施肥观念。

[1] 仇焕广，栾昊，李瑾，等.风险规避对农户化肥过量施用行为的影响[J].中国农村经济，2014 (3)：85-96.

[2] SUN Y，HU R，ZHANG C. Does the adoption of complex fertilizers contribute to fertilizer overuse? Evidence from rice production in China[J]. Journal of cleaner production，2019(219)：677-685.

[3] JIAO X，HE G，CUI Z，et al. Agri-environment policy for grain production in China： toward sustainable intensification[J].China agricultural economic review，2018，10(1)：78-92.

[4] 张云华，彭超，张琛.氮元素施用与农户粮食生产效率[J].管理世界，2019(4)：109-119.

[5] 史常亮，张益，郭焱，等.耕地细碎化对农户化肥使用效率的影响[J].自然资源学报，2019，34(12)：2687-2700.

[6] 杨印生，王舒，王海娜. 基于动态DEA的东北地区玉米生产环境效率评价研究[J].农业技术经济，2016(8)：58-71.

[7] 刘华军，孙淑惠，李超.环境约束下中国化肥利用效率的空间差异及分布动态演进[J].农业经济问题，2019(8)：65-75.

[8] 史常亮，朱俊峰，栾江.我国小麦化肥投入效率及其影响因素分析——基于全国15个小麦主产省的实证[J]. 农业技术经济，2015(11)： 9-78.

[9] 张永强，蒲晨曦，王珧，等.化肥投入效率测度及归因[J].资源科学，2018(7)：1333-1343.

[10] MARCHAND S，GUO H. The environmental efficiency of non-certified organic farming in China：a case study of paddy rice production[J]. China economic review，2014(31)：201-216.

[11] 边文龙，王向楠. 面板数据随机前沿分析的研究综述[J].统计研究，2016(6)：13-20.

[12] ACOSTA A，LUIS A.What is driving livestock total factor productivity change? A persistent and transient efficiency analysis[J].Global food security，2019(21)：1-12.

[13] ADOM P K，ADAMS S. Decomposition of technical efficiency in agricultural production in Africa into transient and persistent technical efficiency under heterogeneous technologies[J]. World development，2020(129)：1-21.

[14] ZHANG L. Correcting the uneven burden sharing of emission reduction across provinces in China[J]. Energy economics，2017(64)：335-345.

[15] ZHANG L，ADORN P. Energy efficiency transitions in China：how persistent are the movements to/from the frontier?[J].The energy journal，2018，39(6)：147-170.

[16] 向涛，綦勇.粮食安全与农业面源污染[J].财经研究，2015(7)：132-144.

[17] 葛继红，周曙东.要素市场扭曲是否激发了农业面源污染——以化肥为例[J].农业经济问题，2012(3)：92-98.

[18] JIANG L，LI Z.Urbanization and the change of fertilizer use intensity for agricultural production in Henan Province[J]. Sustainability，2016，8(2)：186-203.

[19] 张卫峰，季玥秀，马骥，等.中国化肥消费需求影响因素及走势分析：种植结构[J].资源科学，2018(1)：31-36.

[20] 张卫峰，季玥秀，马骥，等.中国化肥消费需求影响因素及走势分析：人口、经济、技术、政策[J].资源科学，2018(2)：213-220.

[21] KUMBHAKAR S，HESHMATI A. Efficiency measurement in Swedish dairy farms：an application of rotating panel data，1976-1988[J]. American journal of agricultural economics，1995，77(3)：660-674.

[22] KUMBHAKAR S，LIN G，HARDAKER B. Technical efficiency in competing panel data models：a study of Norwegian grain farming[J]. Journal of productivity analysis，2014，41(2)：321-337.

[23] MUNDLAK Y. On the pooling of time series and cross section data[J].Econometrica：journal of the econometric society，1978，24(3)：69-85.

[24] LI S，ZHANG Y，NADOLNYAK D，et al. Fertilizer industry subsidies in China：who are the beneficiaries?[J]. China agricultural economic review，2014，6(3)：433-451.

[25] JU X，GU B，WU Y，et al. Reducing China’s fertilizer use by increasing farm size[J]. Global environmental change，2016(41)：26-32.

[26] HU L，ZHANG X，ZHOU Y. Farm size and fertilizer sustainable use：an empirical study in Jiangsu，China[J]. Journal of integrative agriculture，2019，18(12)：2898-2909.

[27] ZHANG X，YU X，TIAN X，et al. Farm size，inefficiency and rice production cost in China[J]. Journal of productivity analysis，2019，52(1)：57-68.

[28] WANG P，ZHANG W，LI M，et al. Does fertilizer education program increase the technical efficiency of chemical fertilizer use? Evidence from wheat production in China[J].Sustainability，2019，11(2)：543-556.