農業產業集聚對綠色全要素生產率的影響

耿銀昂，高 強

（中國海洋大學 管理學院，山東 青島 266100）

改革開放四十多年來，我國農業取得輝煌的成就。以種植業為代表，1978 年種植業總產值1 117.50 億元，至2018 年達到61 452.6 億元；糧食產量則由1978 年30 476.5 萬噸升至2018年的65 789.2 萬噸。農業是國民經濟的基礎性產業，是農村經濟發展的重要推動力，其高質量、可持續發展關乎每個人的切身利益。然而，我國農業仍處于由傳統農業向現代農業發展的過渡階段，傳統要素的大量投入帶來的農業增長愈發顯得捉襟見肘，日積月累造成環境污染、資源浪費、生產成本高、農民增收難等諸多問題。毋庸置疑，提高農業綠色全要素生產率是推進農業高質量發展的必然選擇。2018 年中央一號文件中亦指出“提高農業創新力、競爭力和全要素生產率”；2019 年中央一號文件進一步強調，要強化創新驅動發展，推動農業農村綠色發展，推進農業由增產導向轉向提質導向。

目前，學者們對于農業綠色全要素生產率的研究主要涉及兩個方面:一是農業綠色全要素生產率的核算與分析；二是農業綠色全要素生產率的影響因素研究。在農業綠色全要素生產率的測算中，部分學者將農業面源污染作為非期望產出納入農業綠色全要素生產率的分析框架中[1-4]，還有部分學者則分析了考慮碳排放約束的農業綠色全要素生產率[5-9]，兩者均證實不考慮非期望產出的農業全要素生產率是不符合農業生產過程的，其結果將是失真的。對于農業綠色全要素生產率的影響因素研究，主要涉及農業產業結構、農村人力資本、城鄉收入差距、新型城鎮化、農業信息化等因素[10-15]。

而隨著農業現代化進程的推進，農業產業集聚現象日趨明顯，農產品產業集聚區不斷涌現。農業產業集聚提高了農產品的市場競爭力，推動了農業經濟的發展，提高了農民收入，增加了區域競爭優勢，對于解決“三農”問題有著重要影響[16]。然而，學術界廣泛關注工業領域產業集聚現象，對于農業產業集聚關注度不夠，更鮮有農業產業集聚與綠色全要素生產率關系的研究。鑒于此，本文依據2000—2017 年中國省域面板數據，在全面核算碳排放約束下農業綠色全要素生產率基礎上，利用空間計量模型，實證分析農業產業集聚對綠色全要素生產率的影響。

本文可能的創新之處在于：一、研究視角方面，深入探究了農業產業集聚對綠色全要素生產率的影響機理，在此基礎上進行實證檢驗，為農業綠色全要素生產率的研究提供新的視角；二、研究方法方面，利用空間計量模型進行實證分析，打破了傳統計量模型各地區均質、無溢出效應的局限。

一、農業產業集聚對綠色全要素生產率的影響機理分析

農業綠色全要素生產率的提高對于實現農業高質量發展至關重要，大多數研究表明，其發展地區差異性明顯；農業產業集聚作為影響綠色全要素生產率的重要因素，會對農業綠色全要素生產率產生促進作用還是抑制作用呢？是如何產生這種作用的呢？本文將通過影響機理分析及實證分析解答上述問題，以便于更清晰地認識到農業產業集聚在其中扮演的角色，促進農業高質量發展。

（一）農業產業集聚通過結構效應影響綠色全要素生產率

農業產業集聚的結構效應將通過農業產業結構的合理化和高級化來實現，不同時期、不同地域聚集區農業產業結構是不同的。集聚初期，產業結構的不合理會通過增加農業碳排放等非期望產出的形式影響農業綠色全要素生產率，例如要素投入結構的影響，農藥、化肥、農膜等要素過度投入會對自然環境造成破壞。集聚后期，通過市場及政府政策調節，農業產業結構得以調整優化，高效設施農業產業涌現，清潔生產技術創新得以發展[17]，將有利于農業綠色全要素生產率的提升。

（二）農業產業集聚通過規模效應影響綠色全要素生產率

農業產業集聚所帶來的規模效應包括規模經濟效應、規模不經濟效應、規模外部效應。農業產業集聚，形成農業專業帶，企業、農戶和政府三方協調，產生規模經濟效應。企業生產規模擴大，生產能力增強，平均生產成本降低，抗風險能力提高，對于清潔生產技術創新及末端治理技術創新的投入會有更高的熱情[18]；在龍頭企業的帶動下，農戶環保意識增強，采用清潔低碳技術的意愿提高；政府層面則會出臺一系列政策鼓勵、扶持和引導集聚區發展，同時為了兼顧生態文明建設，保護農村居民生活環境，會進一步強化環境管制，提高企業進入門檻，從而有利于實現農業又好又快發展；此外，集聚區達到一定規模，有利于人才回流，既能夠提高勞動者素質，提高要素投入質量，又緩解青壯年勞動力轉移帶來的農村蕭條局面[19]。從這一角度看，農業產業集聚能夠促進農業綠色全要素生產率的提升。

規模不經濟效應則表現為，當集聚區規模進一步擴大，并且超出一定限度時，隨著投入要素增加，單位生產成本相對提高，規模收益遞減，有損企業經濟效益。此時，企業抵御風險能力有所下降，技術創新行為將相對保守，更依賴于要素投入，所消耗的能源及排放的污染物將進一步增加，導致環境污染。由此，農業產業集聚將對農業綠色全要素生產率產生抑制作用。

在不同的產業集聚階段，規模外部效應的影響也不相同。集聚初期，區域內各類經營主體的規模偏小，經營策略相對保守，同時政府環境管制相對寬松，因此，更偏向于通過要素投入增加產出，而非技術創新。這一行為可能對區域內及周邊區域的環境造成破壞，抑制農業綠色全要素生產率的提高。集聚后期，農業基礎設施不斷完善，農業物質技術裝備水平不斷提高，技術擴散和知識溢出更為廣泛[20]。由此，各經營主體的聯系更為密切，規模較大的經營主體可以為小農戶等提供生產性服務，小規模的經營主體也可以通過學習模仿獲得先進的技術，尤其是可以滿足居民消費結構升級趨勢的清潔生產技術。這一行為可能促進區域內以及區域外技術水平的整體提高，對綠色全要素生產率產生推動作用。而當集聚區規模過大時，這種技術創新保守行為可能會對區域內及區域外科技水平的持續發展造成阻礙，尤其是風險較高的清潔生產技術。

通過上述分析可知，不同集聚水平、不同集聚時期的農業產業集聚對綠色全要素生產率的影響是不同的，因此，未經實證檢驗之前無法確定具體的影響方向。但由于其規模外部效應的存在，農業產業集聚對綠色全要素生產率是存在空間效應的，這種空間效應主要通過基礎設施共享、技術擴散和知識溢出等因素實現對區域內及周邊區域的綠色全要素生產率的影響。

二、研究方法、指標選取與數據來源

（一）研究方法

1.農業綠色全要素生產率測度模型。本文采用SBM-GML 模型估算中國31 個省份農業綠色全要素生產率，其數學表達式如下：

基于上述分析，同時構建產出導向的GML 生產率指數：

2.空間相關性檢驗。在運用空間計量模型進行實證分析前，首先要檢驗地區間變量是否存在空間相關性。目前大部分學者都使用Moran 提出的空間自相關指數Moran's I，該指數一般介于（-1，1）。Moran's I>0 表示空間正相關性，其值越大，空間相關性越明顯；Moran's I<0 表示空間負相關性，其值越小，空間差異越大；Moran's I=0，空間呈隨機性。其計算公式為：

3.空間面板模型。常用的空間計量模型包括空間誤差模型（SEM）和空間滯后模型（SLM），其中，SEM 模型所探究的是模型誤差項在空間上相關，SLM 模型所探究的是當變量間的空間依賴性對模型顯得非常關鍵而導致了空間相關時的情形。其具體的模型設定如下：

SEM 模型：

式（8）和式（9）中，腳注i 和t 分別表示地區和觀察年份；Y 為因變量，Xj代表一系列自變量；εit和μit為服從正態分布的隨機誤差項；αj、λ、ρ 為系數；w為空間權重矩陣，本文選用0～1 矩陣、空間地理距離矩陣進行實證分析。其中，地理距離矩陣基于各省份經緯度，以MATLAB 歐氏距離公式生成。

（二）指標選取與數據來源

1.自變量農業綠色全要素生產率

基于數據可得性，結合碳排放、農業全要素生產率相關文獻，構建農業綠色全要素生產率測算指標體系，包含投入、期望產出、非期望產出三個維度，具體指標如下：

（1）投入變量。①勞動投入。由于狹義農業從業人數尚未有官方統計，杜江等（2016）[21]以農業總產值占農林牧漁總產值的比重作為權重，乘以農林牧漁從業人數確定。但2012 年后，農林牧漁從業人數并不公布，本文以第一產業從業人數代替農林牧漁業從業人數，單位為萬人。②土地投入。以各地區農作物播種面積表示，單位為千公頃。③機械動力投入。以農業總產值占農林牧漁總產值的比重作為權重，乘以農業機械總動力得到，單位為萬千瓦。④化肥投入。以各地區實際農用化肥折純量表示，單位為萬噸。⑤農膜投入。以各地區實際農膜使用量表示，單位為噸。⑥農藥投入。以各地區實際農藥施用量表示，單位為噸。⑦灌溉投入。以農業有效灌溉面積表示，單位為千公頃。

（2）期望產出變量。以農業增加值為期望產出，利用2000 年為基期換算為不變價格，單位為億元。

（3）非期望產出變量。以農業碳排放作為非期望產出，主要包括農業生產過程中的碳排放，水稻生長過程碳排放以及秸稈燃燒碳排放。其中，農業生產過程中的碳排放包括化肥、農藥、農膜、農用柴油、農作物總播種面積、農業有效灌溉面積六個農業生產活動產生的碳排放量。上述三類農業碳排放源，各碳排放系數及數據處理主要參考李波等（2011）[22]、閔繼勝和胡浩（2012）[23]、劉麗華等（2011）[24]學者的相關研究確定。農業碳排放量單位為萬噸。

2.核心解釋變量農業產業集聚

采用區位熵指數來度量各地區的農業產業集聚程度（AGG），其計算公式如下：

其中，AGGis表示i 地區農業的區位熵指數；Ais為區域i 農業產業總產值；Ai為區域i 所有產業的總產值；As為全國農業總產值；A 為全國全部產業總產值。當AGGis>1 時，表示i 地區農業產業集聚程度較高，反之亦然。

為了驗證農業產業集聚與綠色全要素生產率之間是否存在非線性關系，本文嘗試引入農業產業集聚的二次項、三次項考察其階段性特征。

3.控制變量

（1）受災率（dar）。表征自然因素影響，以受災面積占農作物播種面積的比重表示。（2）農業產業結構（strg）。以各地區糧食作物播種面積與經濟作物播種面積的比值表示。（3）農業公共投資（pia）。以農業總產值占農林牧漁總產值的比重作為權重，乘以農林水事務財政支出作為農業財政支出，用其占財政支出之比表示。（4）城鎮化率（nul）。用城鎮人口或非農人口占各地區年末總人口比重表示。

以上數據來自歷年《中國統計年鑒》《中國農村統計年鑒》《新中國60 年統計資料匯編》以及各地區統計年鑒，部分數據經過換算整理得到。

三、實證結果分析

（一）農業綠色全要素生產率測度結果分析

本文采用MaxDEA 軟件，通過SBM-GML 模型測度2001—2017 年我國農業綠色全要素生產率的變動情況，剔除部分異常值，具體結果如表1 所示。

表1 各省市農業綠色全要素生產率變動情況（2001—2017 年）

總體而言，中國農業綠色全要素生產率呈現上升趨勢，2001—2017 年間，其年平均增長率為1.50%。其中，東部地區年平均增長率為3.36%，中部地區年平均增長率為0.79%，西部地區年平均增長率為0.36%，總體上呈現東、中、西三大區域遞減趨勢。東部地區除廣西外，各省份年平均增長率均為正值，天津市最高，其年平均增長率為8.12%；中部地區大多數省份年平均增長率為正值，農業綠色全要素生產率緩慢增長，黑龍江省最低，為負2.01%；西部地區11 省份中，內蒙古、云南、甘肅、寧夏、新疆均呈現負增長，內蒙古最低，為負6.82%。由上述分析可以看出，由于各地區資源稟賦、經濟條件、地理位置等存在差異，農業綠色全要素生產率呈現異質性，但較為明顯的是東部地區年均增長率要遠高于西部地區，西部地區呈現緩慢增長態勢，這在一定程度上說明，受鄰近地區經濟、科技等因素的影響，農業綠色全要素生產率可能存在空間相關性以及溢出效應。

從技術效率指數與技術進步指數的分解結果來看，2001—2017 年間全國技術效率指數呈現負增長，對農業綠色全要素生產率的增長起到阻礙作用，全國東、中、西三大區域技術效率處于無效率狀態，大多數省份同樣如此。這一現象暴露了我國農業綠色全要素生產率增長所依賴的技術發展是“粗放式”的，關鍵技術、管理能力等均需進一步提高。我國農業綠色全要素生產率增長基本是由技術進步帶來的，其年均增長率為3.21%，有效抵消了技術效率降低帶來的不利影響。今后，在引進先進技術的同時，也應當注重管理水平的提高，加強管理，提高資源優化配置的能力，以充分發揮促進農業綠色全要素生產率增長的內生動力雙引擎作用。

（二）空間相關性檢驗結果分析

由SBM-GML 模型所求得的生產率指數表示的是相對于前一年，當年農業綠色全要素生產率的變化率。本文參考邱斌等（2008）[25]、陳超凡（2016）[26]的處理方式，以2001 年為基期，根據測算的生產率指數相乘得到實際農業綠色全要素生產率，對于技術進步指數與技術效率指數以同樣的方式調整得到。

結合上述分析，運用MATLAB 軟件基于0～1 矩陣、地理距離矩陣測算農業綠色全要素生產率空間自相關指數Moran's I，檢驗結果如表2 所示。

表2 2002—2017 年農業綠色全要素生產率Moran's I 統計值

以0～1 矩陣為例進行說明，總的來說，除2002年外，Moran's I 指數均為正值且呈現逐年遞增趨勢，說明中國農業綠色全要素生產率空間相關性在逐漸增強。2002 年Moran's I 指數為負值，且沒有通過顯著性檢驗，說明農業綠色全要素生產率與鄰近地區關聯度低，呈隨機布局狀態；2003—2008 年Moran's I指數雖然在逐年增加，但未通過顯著性檢驗，說明該時間段農業綠色全要素生產率呈現微弱正相關；2009—2017 年Moran's I 指數增加較快，且均通過了1%的顯著性檢驗，說明農業綠色全要素生產率高的地區鄰近地區也高，反之亦然。由此可見，隨著時間推移，各地區知識、技術等交流聯系更為緊密，農業綠色全要素生產率受到鄰近地區的影響也越來越大，并且存在聚類現象。因此，運用空間計量模型進行分析是合理的。

（三）估計結果分析

通過Hausman 檢驗，固定效應模型要優于隨機效應模型，因此，本文選用固定效應模型進行分析。進一步通過普通面板回歸（OLS）LM 檢驗確定選用空間誤差模型還是空間滯后模型，當權重矩陣為0～1矩陣時，LMSLM 統計值為86.099 5，Robust LMSLM 統計值為52.603 9，LMERR 統計值為57.423 4，Robust LMERR 統計值為23.927 8；當權重矩陣為地理距離矩陣時，LMSLM 統計值為23.510 8，Robust LMSLM統計值為35.263 2，LMERR 統計值為10.208 0，Robust LMERR 統計值為21.960 4。通過比較兩者LM統計值發現空間滯后模型更為適合，因此，選用空間滯后模型進行進一步分析。同時，通過LR 檢驗確定采用時間固定效應、個體固定效應或是雙固定效應，LR 檢驗均通過1%的顯著性檢驗，因此，采用雙固定效應空間滯后模型分析農業產業集聚對綠色全要素生產率的影響，估計結果如表3 所示。

表3 雙固定效應空間滯后模型回歸結果

兩種權重矩陣下，其空間自相關系數分別為0.561 與0.436，且均通過了1%的顯著性檢驗，表明各地區農業綠色全要素生產率存在較為明顯的空間相關性。因此，采用空間滯后模型進行分析是合理的。

核心解釋變量方面，0～1 權重矩陣下，農業產業集聚的一次項、二次項、三次項均通過了5%的顯著性檢驗，系數符號分別為負、正、負，表明農業產業集聚與綠色全要素生產率之間存在著“倒N”型的三次曲線關系，即兩者間存在“負相關正相關負相關”關系。地理距離權重矩陣下，農業產業集聚均通過了1%的顯著性檢驗，且系數符號與0～1 矩陣相同，證明了這種關系存在穩健性。這表明農業產業集聚與綠色全要素生產率間存在非線性關系。

控制變量方面，除受災率在兩種權重矩陣下均不顯著外，農業產業結構、農業公共投資、城鎮化均通過了10%的顯著性檢驗。城鎮化對農業綠色全要素生產率具有正向推動作用，這可能是由于城鎮化的發展促進了農業供給側結構性改革，同時為農業發展提供了技術支撐，推動了農業綠色轉型；農業產業結構對綠色全要素生產率具有正向影響，這表明集聚區農業產業結構較為合理，加之國家大力推行農業供給側結構性改革成效明顯，推動了綠色全要素生產率的發展；農業公共投資對綠色全要素生產率具有負向影響，表明財政支農不利于推動我國農業綠色可持續發展，這可能是由于其會改變農民的生產行為，而這種改變目前來看是負面的，因此需要進一步對財政支農舉措具體實施進行改革。

此外，為了進一步分析農業產業集聚對綠色全要素生產率的空間效應影響，本文計算了雙固定空間滯后模型農業產業集聚的直接效應、間接效應，結果如表4 所示。

表4 直接效應與間接效應

在兩種權重矩陣下，農業產業集聚的三大效應均在5%的顯著性水平下通過假設檢驗，表明農業產業集聚不僅會影響本地區綠色全要素生產率，而且具有明顯的空間溢出效應。農業產業集聚的二次項的三大效應均顯著為正，三次項的三大效應均顯著為負，進一步表明了農業產業集聚對于綠色全要素生產率的非線性關系。

通過上文分析得到，推動農業綠色全要素生產率增長的內源動力主要為技術進步，本文進一步分析了農業產業集聚對技術進步的影響，結果如表5所示。

表5 技術進步雙固定空間滯后模型回歸結果

兩種權重矩陣下，農業產業集聚的一次項、二次項、三次項均通過了1%的顯著性檢驗，表明農業產業集聚與技術進步之間同樣存在非線性關系。這種關系可能存在的原因正如前文影響機理分析中所闡述的，由于不同時期、不同水平的產業集聚所帶來的結構效應與規模效應迥異，集聚區主體的技術創新、技術采納行為也不相同，因此，對于技術進步的影響同樣呈現出非線性特征?？刂谱兞糠矫?，城鎮化與農業產業結構對技術進步表現出顯著正向影響，表明新型城鎮化及合理的農業產業結構對技術進步具有推動作用。

四、結論

第一，2002—2017 年間，總體而言，中國農業綠色全要素生產率呈現上升趨勢，并呈現東、中、西三大區域遞減態勢；第二，技術進步是推動農業綠色全要素生產率增長的動力源泉，技術效率更多地表現為阻礙作用；第三，農業產業集聚不僅會對當地的綠色全要素生產率產生倒N 型影響，而且對鄰近地區產生空間溢出效應；第四，農業產業集聚通過技術進步影響綠色全要素生產率，兩者同樣存在非線性關系。

綜上，提出以下對策建議：第一，建立區域協同發展機制，加強區域間技術、知識的交流與共享，縮小區域間農業綠色發展差距；第二，加強農業科技創新，推進農業綠色發展，同時應當加強管理，提高技術效率，優化資源配置；第三，各地區應當從實際出發，結合自身資源稟賦、經濟發展情況等，合理推進土地資源集約利用，可以通過建立現代農業產業園區形成示范作用，推動農業產業集聚高水平發展，進而提高綠色全要素生產率；第四，政府應當加強政策引領，根據各地區資源稟賦、農業產業集聚水平、農業綠色全要素生產率發展水平等條件不同，制定農業集群化發展規劃，以更好地促進綠色全要素生產率發展；同時應當出臺一系列優惠政策，加大資金扶持力度，鼓勵集聚區企業進行綠色技術創新；此外，應當聯合企業加大對集聚區各參與主體的農業技術推廣與培訓，制定相應政策，保障各參與主體尤其是小農戶的合法權益，形成有利于技術擴散與溢出的良好局面，最終提高農業綠色全要素生產率發展水平，實現農業現代化。