中國糧食綠色生產技術空間特征和溢出效應研究

陳思博 常明

內容提要：??糧食綠色生產技術是助力農業可持續發展的重要手段，也是鞏固糧食安全、實現鄉村全面振興的有效措施。本研究基于非期望產出的超效率SBM模型和Malmquist全要素生產率指數模型，對中國26個主要產糧省份稻谷、小麥和玉米的綠色技術進步指數進行測度分析，并通過?Morans?I?指數和空間Durbin模型進一步探討了其空間相關性和溢出效應。結果顯示：?研究期內各省稻谷綠色技術進步指數平均值相差較小且均呈現技術進步加速狀態，而部分小麥和玉米種植省份總體呈綠色技術進步減緩狀態。空間分布特征顯示，東北、黃河中游等糧食主產區綠色技術進步明顯，西南地區綠色技術進步則相對緩慢。?進一步空間相關性分析得出，稻谷和小麥綠色技術進步的高峰和低谷期呈現集聚型，玉米則呈現離散型特征；其中，稻谷綠色技術進步加速的主導省份集聚在東北地區、黃河中游、北部沿海和南部沿海地區；小麥綠色技術進步變化的主導省份集聚在東北地區、黃河中游以及西北地區。?不同因素的溢出效應結果顯示，勞動力資本素質、種植規模和農業經濟水平對稻谷和小麥綠色技術進步具有顯著溢出效應；而各因素均未對玉米綠色技術進步產生顯著溢出效應；溢出效應的差異是造成稻谷和小麥綠色技術進步空間特征與玉米不同的重要原因。

關鍵詞：?糧食生產；綠色技術；空間特征；溢出效應

中圖分類號：F32322??文獻標識碼：A??文章編號：1001-148X（2022）06-0034-10

收稿日期：2021-05-26

作者簡介：?陳思博（1994-），男，浙江杭州人，中國人民大學公共管理學院博士研究生，研究方向：區域經濟；常明（1990-），本文通訊作者，男，山東菏澤人，中國農業科學院農業經濟與發展研究所助理研究員，管理學博士，研究方向：農業資源經濟。

基金項目：黑龍江省哲學社會科學研究規劃項目“中美貿易摩擦下全球價值鏈重構對黑龍江省裝備制造業的影響及應對策略研究”，項目編號：18JYB148。

一、引言

改革開放以來，中國的農業生產力得到了極大解放，尤其是農業稅的減免、糧食補貼等惠農政策的實施，更是極大地調動了農民的生產積極性，使得中國創造了以7%的土地養活了世界上22%人口的發展奇跡，對消除全球饑餓做出了巨大貢獻。然而，經濟增長和城鎮化提速帶來的糧食需求增長的壓力，以及農業污染、耕地、淡水等自然環境的約束，使得中國面臨的糧食安全挑戰依然嚴峻，中國面臨著從“誰來養活中國”到“如何養活中國”的命題轉變；近年來新冠疫情和俄烏沖突等不穩定因素更是增加了中國糧食安全的壓力。2022年的中央一號文件指出，要大力開展綠色高質高效行動，深入實施優質糧食工程，提升糧食單產和品質。“十四五”規劃再次強調，要深入實施藏糧于地、藏糧于技戰略，以保障國家糧食安全為底線，強化農業科技和裝備支撐，強化農業發展的綠色導向。可見，現階段中國糧食生產不僅要以保障供給為基礎，更要兼顧綠色發展，而糧食作物的綠色生產需要依賴技術的進步和推廣。因此，糧食生產技術進步應具有兩個內涵，一是技術進步應致力于糧食生產的提高，以保障國家的糧食安全；另一方面，對生態環境質量的改善和污染的減少也應是技術進步的考量。?糧食綠色生產技術便是以保障農產品質量安全、促進農業現代化發展、保持水土資源和健康環境為目標，建立起來的可在糧食生產中使用的各種技能和規則的技術體系［1］，諸如測土配方技術、節水灌溉技術、秸稈還田技術等，不僅能夠有效減輕環境污染，實現農業綠色發展，而且能夠實現農戶增產增效，協同鞏固糧食安全［2］。

新古典增長理論認為技術進步是經濟增長的源泉，?但同時認為技術進步的表現是中性的。Hicks最早提出技術進步具有偏向性，是為了實現對更昂貴資源的節約［3］。而隨后以Acemoglu等為代表的一系列研究推動下，偏向型技術進步的涵蓋范圍從僅關注生產要素，轉向將能源消耗和污染產出減少等環保綠色因素納入考量范圍［4-5］。而針對中國區域將污染等非期望產出減少納入技術進步衡量標準的研究，主要為對工業技術進步的研究，如李靜等（2018）通過方向距離函數DEA?模型將COD和氨氮等污染排放納入工業全要素生產率測算中，再通過Malmquist指數分解出綠色生產技術效率，并進一步得出區域差異以及研發投入、污染治理投資對其技術進步的影響［6］；景維民和張璐（2014）同樣運用方向距離函數DEA和Malmquist指數分解法，將COD和二氧化硫作為工業非期望產出測算了綠色生產技術，并認為環境管制強度能有助于中國工業綠色生產技術［7］。在農業技術進步方面，已有研究仍然多為生產偏向型，如楊福霞等（2018）通過構建超越對數成本函數測算了中國小麥生產技術進步速率，發現農業公共投資對小麥生產技術進步的驅動作用大于價格誘導［8］；陳書章等（2013）也通過超越對數成本函數對中國小麥生產技術進步速率進行測算研究，并對技術進步進行了類型劃分［9］；楊義武等（2017）通過分解基于生產函數的全要素生產率，得出農業技術進步效率，并分析了其對糧食生產的溢出效應［10］。同時，目前對中國農業綠色生產的研究僅為對綠色生產效率的測算，未深化到對綠色生產技術的探究，如展進濤等（2019）將去掉碳排放成本后的農業產值作為綠色產出，通過參數隨機前沿函數模型測算了農業綠色生產率，并分析了時間變化和空間差異［11］；李思勉和何蒲明（2020）則運用超效率SBM模型，同樣將農業生產的碳排放量引入到生產函數中測算了糧食綠色生產率，并對比了不同糧食功能區綠色生產率的差異［12］。

綜上所述，目前學者對中國綠色生產技術的測算以及影響機制已開展大量研究，但是對中國糧食綠色生產技術的度量、時空差異和溢出機理還缺乏探討。因此本文基于現有文獻經驗，試圖對近年來中國主要產糧省份“糧食綠色生產技術”進行測度和分析，將糧食種植中的非期望產出引入超效率SBM模型，運用Malmquist指數分解法測算稻谷、小麥和玉米綠色生產技術指數；并在分析空間分布差異的基礎上通過?Morans?I?指數進一步探究各糧食綠色生產技術的空間相關性；最后運用空間Durbin模型得出的不同因素對3種糧食綠色生產技術的溢出效應。本文旨在掌握中國糧食綠色生產技術的空間特征現狀和溢出效應機理的基礎上，因地制宜提出不同糧食作物綠色生產技術的提升舉措，為在低碳經濟背景下中國農業可持續發展提供政策啟示。

二、糧食綠色生產技術空間溢出機理

空間溢出效應是指本地區某因素的變動對鄰近地區技術進步等結果的影響［13］，并存在擴散和極化兩種形態。由于相鄰地區資源稟賦特征相近且經濟活動等交流便捷，其相鄰地區所產生的技術選擇是相似的，因此僅考慮技術對本地區的作用，而忽視對相鄰其他地區的影響，這會低估技術對整個社會的回報。對于技術溢進地區而言，僅考慮本地區技術的作用，而忽視其他地區技術溢出的影響，這會高估本地區技術進步直接作用的力度［14］。根據技術溢出機理和糧食生產特征并結合已有文獻，本研究對中國糧食綠色生產技術空間溢出效應影響因素的探討，選擇了勞動力資本素質、政府科研投入、種植規模、財政分權程度以及農業經濟水平五個層面。

人力資本素質代表了勞動力對新技術的獲取、理解和應用能力，地區人力資本素質越高，其對資源節約型和環境友好型技術的采納程度越高［15］，綠色技術可能會向人力資本素質較高地區集中，因此，假設人力資本素質對糧食綠色生產技術可能存在負向溢出效應；而使用環境友好型技術的農戶、農技員等勞動力均是農技推廣的主體，其人力資本素質可能會通過示范效應促進綠色技術向其他地區的擴散程度［16］，因此，人力資本素質對綠色生產技術應也可能存在正向溢出效應。在技術方面，加大農業科研投入以及提升農業技術水平能夠帶動地區農業技術水平上升；并且，這種科研投入不僅對本地起到正向促進作用，還會對周邊地區產生強烈的溢出效應［17］；因此，政府科研投入可能對糧食綠色生產技術存在正向溢出效應。需要注意的是，為獲取更多稅收而展開的地方政府競爭在一定程度上導致“科技成果封鎖”的出現，也存在負向溢出效應的可能［18］。種植規模的擴張會降低當地農戶獲取市場信息和生產要素的成本，從而促進本地農業生產技術的采納程度，因此，種植規模可能對糧食綠色生產技術存在負向溢出效應。現有研究認為財政分權對技術進步的影響不同，“積極論”認為財政分權度較高的地區由于較高的資金吸引能力、制度的創新和資源配置的優化因而促進技術水平的提高，“消極論”認為財政分權會削弱中央的宏觀調控能力、加大地區間的收入差距、導致地方政府的惡性競爭從而損害了技術進步［19］，因而，財政分權對糧食綠色生產技術也可能存在雙向溢出效應。而從經濟發展的角度來看，技術通常向經濟發展水平較高的地區溢出，因為其對先進技術的消化吸收能力較強，因而，糧食綠色技術可能會首先被農業經濟更發達的地區吸收，即存在負向溢出效應；而其他研究同時也指出發達地區在吸收技術后，下一階段會將技術向落后地區擴散［20］，因此，農業經濟水平對糧食綠色生產技術可能還存在正向溢出效應。綜上所述，本研究選擇以上五種因素，探討其對糧食綠色生產技術的溢出效應。

三、數據來源與模型設定

（一）數據來源

本文數據來源于2008-2017年《全國農產品成本收益資料匯編》《中國統計年鑒》《中國農村統計年鑒》《中國勞動統計年鑒》和《第一次全國污染源普查—農業污染源肥料流失系數手冊》。依據《全國農產品成本收益資料匯編》統計，?采用了除香港特別行政區、澳門特別行政區、北京市、天津市、上海市、青海省、臺灣省、西藏自治區以外的中國26個產糧省（市、自治區）的面板數據，其中稻谷生產省份共計23個，小麥生產省份共計15個，玉米生產省份共計20個，具體見表1。

（二）綠色生產技術測度方法

1超效率SBM-ML指數分解模型

本文首先通過超效率SBM模型對糧食綠色生產效率進行評估，再通過Malmquist-Luenberger（ML）指數分解出糧食綠色生產技術指數。其中，超效率SBM模型以各個省份分別作為決策單元（DMU），假設有n個DMU，每個DMU的糧食生產存在m種投入X=［?X1，?X2，?…，?Xm］，?可生產出r1種期望產出Ys=［?Ys1，?Xs2，?…，?Xsr1］和r2種非期望產出Yq=［?Yq1，?Xq2，?…，?Xqr2］，規模報酬可變情況下生產可能集為P={（X，?Ys，?Yq）|X≤Xλ，?Ys≤Ysλ，?Yq≤Yqλ}，?λ為權重系數。而本文在假定規模報酬可變情況下，將松弛變量放入目標函數中，并在評價DMU時不考慮其本身，包含非期望產出的超效率SBM方向性距離函數為：

minp=??1?m?∑?m?i=1??X?-??Xik???1?r1+r2??∑?r1?s=1??Yd?-??Ydsk?+∑?r2?q=1??Yu?-??Yuqk（1）

st?∑?n??j=1j≠k??XijλjX?-?∑?n??j=1j≠k??YdsjλjYd?-?∑?n??j=1j≠k??YdqjλjYd?-?X?-?Xk;Yd?-?Ydk;Yu?-?Yukλj0i=1，2，…，m;j=1，2，…，n（j≠k）s=1，2，…，r1;q=1，2，…，r2

式（1）中：p為DMU的糧食綠色生產效率；X?-?表示投入的松弛量；Yd?-?表示期望產出松弛量；Yu?-?表示非期望產出松弛量。Xij表示第j個省份的第i項投入；Ysj表示第j個省份的第s項期望產出；Yqj表示第j個省份的第q項非期望產出；λj為權重系數。

ML指數是基于跨期動態概念和幾何平均思路，通過方向距離函數計算不同時期每個DMU與生產前沿面的距離。本文t和t+1時期參比的SBM-ML指數構建如下：

（SBM-ML）t+1t=??Dtv（Xt+1，Yt+1s，Yt+1q）?Dt+1v（Xt，Yts，Ytq）?×?Dt+1v（Xt+1，Yt+1s，Yt+1q）?Dt+1v（Xt，Yts，Ytq）??1/2=?Dt+1v（Xt+1，Yt+1s，Yt+1q）?Dtv（Xt，Yts，Ytq）?×??Dtv（Xt+1，Yt+1s，Yt+1q）?Dt+1v（Xt+1，Yt+1s，Yt+1q）?×?Dtv（Xt，Yts，Ytq）?Dt+1v（Xt，Yts，Ytq）??1/2=ECt+1t×TCt+1t=TEC×TTC?（2）

SBM-ML指數分解為技術效率追趕指數（TEC）和技術進步變化指數（TTC）。TEC表示t+1和t時期實際投入量下與生產前沿面距離的對比，TEC>1表示t+1時期相較于t時期更靠近生產前沿面，存在效率追趕；TEC=1和TEC<1則分別表示效率不變和效率相對退步；在本文中TEC的求解結果為糧食綠色效率追趕指數。TTC表示在投入量不變下t+1和t時期與生產前沿面距離的對比，TTC>1表示t+1時期相較于t時期的生產過程中存在技術進步，技術進步是一個寬泛的概念，不僅包括由于科技發展導致的生產技術和投入要素的更新換代，還包括了管理和制度改革帶來的紅利；TTC=1和TTC<1則分別表示技術進步無變化和技術相對退步，技術相對退步則是由于新技術推廣補貼力度的下降或弊端顯現等原因，使用者又重拾傳統技術；在本文中TTC的求解結果則為糧食綠色生產技術指數。

2指標體系選取

（1）投入指標，本文在超效率SBM模型測算中考慮的投入要素包括土地投入量、用工數量、機械畜力費用、種子用量、化肥用量和水資源投入量，詳見表1。其中機械畜力費用按2008年基準價格進行平減。而3種糧食作物水資源投入量從農業用水量分離得出［21］，其計算方式如下：

式（3）中：IWRi，t為i省份t年的3種糧食作物水資源投入量，?分別為稻谷、小麥和玉米；IAWRi，t為i省份t年的農業水資源投入量；SAGCi，t為i省份t年的3種糧食作物播種面積；SACi，t為i省份t年的農作物總播種面積；CIi，t為i省份3種糧食作物的灌溉系數，由不同地區該糧食作物灌溉需水量占3種糧食作物灌溉總需水量的比例計算得到。

（2）產出指標，包括期望產出和非期望產出。其中，期望產出要素為糧食產值，非期望產出要素為總氮和總磷的環境排放量。其中糧食產值按2008年基準價格進行平減。總氮和總磷的環境排放量無法直接獲取，因此采用國務院第一次全國污染源普查領導小組辦公室發布的《第一次全國污染源普查—農業污染源肥料流失系數手冊》估算各省市的總氮和總磷的環境排放量系數，其環境排放量計算方式如下：

式（4）中：Ei，t為i省份t年的不同糧食作物的總氮或總磷的環境排放量；EUi，t為i省份t年不同糧食作物的總氮或總磷的施用量；SRi，t為i省份總氮或總磷的地表徑流流失系數；GLi，t為i省份總氮或總磷的地下淋溶流失系數。

（三）空間矩陣選擇

已有研究證明了距離是技術擴散的主要因素，技術擴散程度會隨著空間距離增大而逐漸減小［22］。因此本文選擇地理鄰接權重矩陣作為糧食綠色技術空間自相關和影響因素分析的空間權重矩陣。當兩省相連時設權重值為1，兩省不相連設權重值為0，且矩陣表中主對角線元素取值為0。

（四）空間自相關測度

1全局?Morans?I?指數

全局?Morans?I?指數是檢驗相鄰空間的屬性值是否具有集聚性或離散性的空間相關性檢驗指標，該指數用來從整體上揭示中國糧食綠色生產技術有沒有空間集聚或離散情況。其計算公式如下：

式（5）中：I表示?Morans?I?指數，Xi表示第i個省份的糧食綠色生產技術指數；Xj表示第j個省份的糧食綠色生產技術指數；n表示省份數量；x?-?表示糧食綠色生產技術的平均水平；ωi，j為空間權重矩陣，表示第i個省份與第j個省份的空間鄰接關系，若相鄰，ωi，j取1，否則取0。

Morans?I?指數的取值范圍為［-1，1］，取值越接近于1，說明省份間糧食綠色生產技術指數的正向關聯程度越高，存在高技術進步省份被其他高技術進步省份包圍以及低技術進步省份被低技術進步省份包圍的情況，即高高（H-H）集聚和低低（L-L）集聚；越接近于-1，說明負向關聯程度越高，存在低技術進步省份被高技術進步省份包圍和高技術進步省份被低技術進步省份包圍，即低高（L-H）集聚和高低（H-L）集聚；取值接近于0，則表示空間不相關。

2局部?Morans?I?指數

局部?Morans?I?指數用來反映全局中各小區域的關聯程度，可以找出糧食綠色生產技術存在的局域相關性。其計算公式如下（局部莫蘭指數公式的正確性需要進一步核對）：

式（6）中：Ii表示局部?Morans?I?指數，Ei（Ii）為?Morans?I?指數的期望值，其他變量含義與公式（5）一致。當Ii>?Ei（Ii）時，表明i省份與周邊省份存在區域正向關聯；當Ii

（五）空間Durbin模型

由于本文主要探討中國糧食綠色生產技術的空間差異和特征，因此選擇包含空間滯后變量的空間Durbin模型，重點探究不同因素對糧食綠色生產技術的溢出效應。該模型沒有對潛在溢出效應進行限制，相較空間滯后和空間誤差模型更能保證系數的無偏估計。空間Durbin模型設定如下：

式（7）中：TCi，t表示省份為i，年份為t的糧食綠色生產技術指數，分別為稻谷、小麥和玉米。ωi，j表示空間權重矩陣，ρ、β1-5、θ1-5為待估計參數，μi為空間特定效應，λt為時間特定效應，εi，t為誤差項。YEL表示勞動力人力資本素質，由勞動力受教育年限衡量，通過地方勞動力教育年限由勞動力受教育程度比例與受教育年數相乘計算。ISR表示政府科研投入力度，由于糧食綠色生產技術不僅包括農學，還包括生物學、生態學以及綜合管理技術等方面，因此通過地方財政科學技術支出占地方財政一般預算支出比例表征，且由于從科研投入到發生技術進步存在時滯效應，因此政府科研投入力度變量選擇滯后一期。PS表示種植規模，由人均種植面積表示。FD表示財政分權程度，由地方財政一般預算收入與地方財政一般預算支出的比例衡量，表征地方財政的自主度。EG表示農業經濟發展，由人均第一產業增加值表示。

四、實證結果分析

（一）時間序列變化討論

圖1至圖3展示了2008-2017年間中國3種糧食綠色生產技術指數、綠色效率追趕指數、綠色生產效率的變化。總體來看稻谷綠色生產效率（平均值0917）略高于小麥和玉米（平均值0877和0865），綠色生產技術指數呈現相同差異（稻谷平均值1033、小麥平均值1031、玉米1009），綠色效率追趕指數之間差距較小（稻谷平均值0999、小麥平均值1001、玉米平均值1001）。

研究期內稻谷綠色生產效率和綠色生產技術指數呈現波動趨勢，其中技術進步指數在2010年和2014年出現兩次高值波動，造成了生產效率的兩次峰值，而綠色效率追趕指數較為穩定均在1附近，說明在研究時期內綠色生產技術是提升稻谷綠色生產效率的主要動力。

小麥綠色生產效率與綠色生產技術指數變動趨勢也基本相同，其中，綠色生產技術指數在2014和2016年出現高低兩次波動，造成了綠色生產效率在2014年的峰值，而綠色效率追趕指數同樣穩定在1左右，說明綠色生產技術也是小麥綠色生產效率變化的主要原因。

玉米綠色生產效率年均值呈現先升后降的倒U型趨勢，綠色生產技術指數在2015-2016年出現低值波動，造成了生產效率在2016年的低谷，而綠色效率追趕指數在2011至2012年的抬升造成了2012年的生產效率的高值，說明了技術進步和效率追趕的變化均是研究期內玉米綠色生產效率變化的原因。

（二）空間分布討論

2007-2018年23個稻谷種植省份綠色生產技術指數平均值全部處于10-11之間，說明在研究期內各省稻谷綠色生產新技術的采納程度處于上升趨勢。表2進一步展示了以生產生活相似性為依據的八大區域稻谷綠色生產技術指數對比，可以看出各區域綠色生產技術指數平均值也全部處于10-11之間，東北地區稍高于其他區域，西南地區略低于其他區域。在稻谷綠色生產技術兩次峰值時期（2010年和2014年），各區域的綠色生產技術指數也均大于1；其中2010年峰值時期黃河中游（1556）遠高于其他區域，北部沿海、東北地區和西北地區則位于12-13之間，東部沿海、長江中游和西南地區位于11-12之間，南部沿海（1032）最低；而2014年峰值時期呈現出黃河中游和東北地區（11-12）高于其他六個地區（10-11）。總結來說，在整個研究期內稻谷種植省份均發生了綠色生產技術進步，其中東北地區進步程度最高，西南地區進步程度最低；而兩次稻谷綠色生產技術高峰期的出現，是由全國稻谷種植區域技術進步推動，其中黃河中游和東北地區等粳稻種植區是兩次技術進步高峰中的最大技術進步區。

2007-2018年15個小麥種植省份綠色生產技術指數平均值出現明顯省際差異，其中黑龍江綠色生產技術指數（1238）遠超其他省份，四川（0995）和湖北（0999）綠色生產技術指數稍低于1，說明在研究期內出現相對其他省份技術進步緩慢，其對綠色種植新技術的采納使用程度不足，?而其余省份綠色生產技術指數均在10-11之間。表3也顯示了東北地區綠色生產技術指數平均值最高（1238），西南地區最低（0999），其他地區均位于10-11之間。在小麥綠色生產技術峰值時期和低谷時期（2014年和2016年），所有區域綠色生產技術指數也同時大于1和小于1；其中2014年峰值時期黃河中游（1216）高于其他區域，其次為東部沿海和長江中游（11-12），東部地區、北部沿海、西南地區和西北地區則處于10-11之間；而在2016年低谷時期，黃河中游、東部沿海和西南地區出現較為明顯的技術進步緩慢（08-09之間），其余地區位于09-10之間。總結來說，在整個研究期內除四川和湖北外，全國其他小麥種植省市均取得了綠色生產技術進步，其中東北區域最高；而一高一低兩次小麥綠色生產技術進步波動出現，也是由全國小麥種植區域同時推動發生，其中黃河中游、東部沿海等冬小麥種植區為技術波動最大區域；而東北地區雖然在研究期內綠色生產技術指數平均值最高，但未與全國綠色技術波動趨勢一致，可能由于其為春小麥種植區有關。

2007-2018年20個玉米種植省份綠色生產技術指數平均值也呈現區域不同，其中大部分地區綠色生產技術指數在10-11之間，而遼寧（0964）、江蘇（0983）、甘肅（0988）、四川（0999）、重慶（0990）和云南（0995）綠色生產技術指數低于1。表4顯示北部沿海、黃河中游、長江中游和西北地區綠色生產技術指數平均值位于10-11之間，東北地區、東部沿海和西南地區位于09-10之間。玉米綠色生產技術低谷時期（2015年和2016年），所有區域綠色生產技術指數均小于1；其中2015年各區域均位于08-09之間；而在2016年東北區域（0789）技術進步最為緩慢，其次為北部沿海和黃河中游（08-09），其他地區位于09-10之間。總結來說，在整個研究期內全國大部分玉米種植省市取得了綠色生產技術進步，而東北地區、東部沿海和西南地區技術進步相對緩慢；而玉米綠色生產技術進步低谷期的發生，也是由全國各玉米種植區域技術進步緩慢共同導致，其中東北區域、北部沿海和黃河中游為我國玉米的主要種植區，但其技術進步速度卻最為滯后。

綜上所述，東北、黃河中游等糧食主產區綠色技術進步明顯，其中東北地區稻谷、小麥取得較高的綠色生產技術進步，然而在玉米種植上的技術進步速度較為滯后，相比之下西南地區綠色技術進步則顯得緩慢。

（三）空間相關性討論

通過前文時間序列和空間分布的分析可以得出中國糧食綠色生產技術指數存在高值波動期和低值波動期，且不同糧食作物在不同波動時期存在技術進步的空間差異，因而本文通過全局和局部Morans?I指數分析其空間相關性，從而進一步揭示空間特征。?表5至表7顯示全局Morans?I指數結果，不同糧食作物綠色生產技術指數在高值和低值波動時期均呈現了較為明顯的空間相關性，且通過了顯著性檢驗，而平穩期均未通過顯著性檢驗。這說明了中國糧食綠色生產技術指數的波動在空間上具有明顯的關聯性，且不同糧食作物關聯性不同。其中，稻谷的兩次高值波動時期和小麥一高一低的兩次波動時期?Morans?I?指數均為正數，說明中國稻谷和小麥的綠色生產技術變化呈現集聚型空間特征；而玉米的低值波動時期?Morans?I?指數為負，說明玉米的綠色技術變化呈現離散型空間特征。這可能是由于稻谷和小麥綠色技術存在相近的空間溢出機制，因此均呈現集聚型空間特征；而玉米的溢出機制可能與稻谷和小麥不同，或沒有顯著的溢出機制，因而呈現離散型空間特征。

通過進一步的局部?Morans?I?指數分析可以看出，稻谷2009-2011年綠色生產技術指數高值波動時期H-H集聚省份為黑龍江、吉林和陜西，說明在該次稻谷全國綠色生產技術進步時期，進步主導省份集聚在兩處，分別以黑龍江和吉林為中心和以陜西為中心。2013-2015年稻谷綠色生產技術指數高值波動時期H-H集聚省份為黑龍江、遼寧、河北、福建、廣東和海南，說明在第二次全國稻谷綠色生產技術進步時期，進步主導省份的集聚區域更廣，共有三處集聚區域，分別以黑龍江為中心、以遼寧和河北為中心、以福建、廣東和海南為中心。可以看出，兩次稻谷綠色生產技術時期間隔較長且集聚區域不同，說明可能兩次技術進步種類不同。

小麥2013-2015年綠色生產技術指數高值波動時期H-H集聚省份為山西、內蒙古和黑龍江，說明在小麥全國綠色生產技術進步時期，進步主導省份呈現一處集聚中心。小麥2016-2017年低值波動時期L-L集聚省份為山西、內蒙古、黑龍江、甘肅和寧夏，說明在小麥全國綠色技術退步時期，?退步主導省份也呈現出一處集聚中心，相較技術進步時的集聚區域基礎上增加了甘肅和寧夏。這一連續時間的技術進步和退步時期集聚區域的重疊，說明可能是對同一綠色新技術的使用和摒棄。

玉米2014-2017年綠色生產技術指數低值波動時期的L-H省份為甘肅、陜西、山西、河北、遼寧、江蘇、湖北和貴州，這說明了研究期內中國玉米綠色技術退步的主導省份離散分布在不同區域，呈現出甘肅、陜西、山西、河北、遼寧和湖北線狀相連、江蘇和貴州孤立式分布的空間特征。

（四）空間溢出效應討論

本文通過基于極大似然估計的空間Durbin模型最終分解出不同因素對糧食綠色生產技術進步的溢出效應，從技術溢出角度探討不同糧食綠色生產技術進步空間差異性的形成原因。?表8顯示，稻谷、小麥和玉米的Wald值以及LR值分別為1771、1255、3209和1914、1342、1489，且均通過了顯著性檢驗，從而拒絕了θ=0和θ+ρβ=0的原假設，說明模型不能進一步簡化成空間誤差模型（SEM）或者空間滯后模型（SLM）。因此空間Durbin模型（SDM）適合分析我國糧食作物綠色生產技術的空間變化因素。而3種糧食作物的Hausman檢驗結果顯示，稻谷和小麥未通過顯著性檢驗，未拒絕固定效應模型與隨機效應模型之間無差別的零假設，說明隨機效應模型優于固定效應模型，而玉米則通過了顯著性檢驗，?說明固定效應模型更優，因此本文稻谷和小麥選用隨機效應估計方式，玉米選用固定效應估計方式。

糧食綠色生產技術驅動因素空間Durbin回歸結果（表8）可以看出，不同變量對稻谷、小麥和玉米綠色生產技術的影響方向和程度均有較大差異，而由于空間Durbin模型的估計系數不能直接反映自變量對因變量的影響，因而通過LeSage和Pace提供的方法將影響效應分解為直接效應、溢出效應和總效應［23］。?其中，溢出效應為自變量對除本空間外其他空間因變量的平均影響，其可以看為擴散效應和極化效應的綜合影響，如果擴散效應大于極化效應則表現為正向溢出效應，如果極化效應大于擴散效應則表現為負向溢出，各驅動因素對3種糧食綠色生產技術的溢出效應見表9。

表9所示，勞動力資本素質對稻谷、小麥和玉米綠色生產技術的溢出效應均為正向，且稻谷和小麥分別通過了10%和5%水平下顯著性檢驗。這說明以受教育程度為特征的勞動力資本素質對稻谷和小麥綠色生產技術進步具有明顯的擴散效應，即稻谷和小麥出現環境友好型技術進步省市的勞動力資本素質越高，越有助于該技術的向其他省市的推廣擴散。這反映出勞動力這一生產要素的擴散效應大于極化效應，通過要素流動加速了農戶種植技術模仿和消化的過程，最終產生連片的集聚效應。即糧食綠色生產技術弱勢地區通過優惠農業政策吸引周邊地區的種植能手和新型職業農民，有利于糧食綠色種植技術的推廣和傳播。政府科研投入對稻谷、小麥和玉米綠色生產技術進步的溢出效應均為正向，但均未通過顯著性檢驗。說明地方科研投入對糧食綠色生產技術的促進作用還僅限于當地，對周邊地區的溢出效應還不明顯。也可能是地方政府在科研投入上存在錯位競爭特征，使得糧食綠色生產技術對領近省份不具有適用性和借鑒價值。種植規模對稻谷、小麥綠色生產技術進步的溢出效應為負向，而玉米為正向，但僅有稻谷和小麥通過了5%水平下的顯著性檢驗。說明種植規模對稻谷和小麥綠色生產技術進步具有明顯的極化效應，即稻谷和小麥綠色生產技術進步向人均種植面積更大的省市集中。這是由于種植規模的擴張降低了獲取市場信息和生產要素的成本，促進了規模經營地區對糧食綠色生產技術的獲取。財政分權程度對稻谷、小麥綠色生產技術進步的溢出效應為負向，而玉米為正向，但均未通過顯著性檢驗。說明地區財政分權程度雖能影響當地技術進步，但是沒有顯示出對其他地區的吸收或擴散效應。這反映出在糧食綠色生產技術層面，財政分權尚未引發地方政府間的明顯競爭。農業經濟水平對稻谷和玉米綠色生產技術進步的溢出效應為負向，對小麥的影響為正向，但僅有稻谷和小麥通過了1%水平下顯著性檢驗。這說明了稻谷和玉米綠色生產技術被農業經濟水平較高的地區吸收，處于生產技術向農業經濟發達地區極化的階段；而小麥綠色生產技術則處在了從農業經濟水平較高的地區向外擴散階段，由于兩者所處階段不同，作用路徑剛好是相反的。

由以上結果可知，全國稻谷和小麥綠色生產技術進步出現主導省份集聚現象，?主要是受到勞動力資本素質、種植規模以及農業經濟水平等因素的溢出效應影響。全國玉米綠色技術下降的主導省份呈現出線狀相連和孤立式分布的空間特征，則是因為沒有顯著的溢出因素存在。對此可能存在的原因是，稻谷和小麥綠色生產技術是以農戶需求為主要導向，通過市場誘導性技術變遷實現，因而溢出效應的驅動因素較為接近，進而在全國綠色生產技術指數波動時期呈現出空間集聚特征；而玉米綠色生產技術可能是以政府供給為主導的強制性技術變遷為主，因而以上因素不存在顯著性溢出效應，進而呈現了離散型空間分布特征。勞動力資本素質和種植規模之所以產生不同作用方向，主要是種植規模往往是通過制度改革方向實現種植面積擴大的目標，這其中很多種植大戶會受到重點關注，造成技術進步偏向。然而勞動力技能的提高則是通過交流傳播方式實現，這種生產技術進步具有普適性。至于農業經濟水平在稻谷和小麥之間產生的結果不同，可能是南方地區多種植稻谷、北方地區多種植小麥的原因，這種南北方地區本身的農業發展差異在一定程度上影響到綠色生產技術進步的類別。

五、結論與啟示

本文的主要研究結論如下：?（1）研究期內中國三種糧食作物綠色生產技術均呈現出進步的狀態，其中稻谷和小麥綠色生產技術指數變化是其生產效率變化的主要原因。空間分布顯示，東北、黃河中游等糧食主產區綠色技術進步明顯，西南地區綠色技術進步則顯得緩慢。（2）通過全局?Morans?I?指數分析空間相關性可知，稻谷和小麥的綠色技術進步波動呈現集聚型空間特征，玉米則呈現離散型。進一步區域?Morans?I?指數分析顯示，?研究期內中國稻谷綠色生產技術進步的主導省份集聚在東北區域、黃河中游、北部沿海和南部沿海地區；小麥綠色技術變化的主導省份集聚在東北地區、黃河中游以及西北地區；玉米綠色技術主導省份呈現線狀相連和孤立式分布。（3）不同驅動因素對稻谷、小麥和玉米技術進步的溢出效應結果顯示，勞動力資本素質對稻谷和小麥綠色生產技術進步呈現擴散效應影響，種植規模對稻谷和小麥呈現極化效應，農業經濟水平則對稻谷呈現極化效應，對小麥呈現擴散效應；而各因素均未對玉米綠色生產技術進步產生溢出效應。

基于以上結論，得出以下啟示：?（1）政府在繼續綠色生產技術推廣的同時，應根據各地區對不同糧食綠色生產技術吸納程度不同，側重對小麥西南種植區和玉米東部沿海種植區等低綠色技術區的推廣。（2）各級政府可通過加強農村基層教育、開展新型職業農民和綠色高質高效種植技術培訓等措施，提高地區勞動力資本素質。（3）通過鼓勵種糧大戶或專業化合作社規模化種植，設立土地流轉獎勵專項資金，對符合條件的土地流轉雙方實施獎勵等途徑提升區域種植規模化水平，從而強化稻谷和小麥綠色生產技術的擴散力度。（4）實現玉米綠色生產技術創新和推廣則需要加強建立以政府為主導的市場機制，通過完善補貼和購買服務政策，調動玉米綠色生產技術創新主體的積極性，完善玉米綠色生產技術風險評估和市場準入制度，以市場為導向推進玉米綠色生產技術研發和推廣應用。

參考文獻：

［1］??楊彩艷，齊振宏，黃煒虹，等.效益認知對農戶綠色生產技術采納行為的影響——基于不同生產環節的異質性分析［J］.長江流域資源與環境，2021，30（2）：448-458.

［2］??He?K，?Zhang?J?B，?Zeng?Y?M，?et?al.?Households?Willingness?to?Accept?Compensation?for?Agricultural?Waste?Recycling：?Taking?Biogas?production?from?Livestock?Manure?Waste?in?Hubei，?P.?R.?China?as?an?Example?［J］.?Journal?of?Cleaner?Production，?2016，131（9）：?410-420.

［3］??Hicks?J.?Theory?of?Wages［M］.Lodon：Macmillan，1932：133-147.

［4］?AcemogluD?.?LABOR-?AND?CAPITAL-AUGMENTING?TECHNICAL?CHANGE［J］.?Journal?of?the?European?Economic?Association，?2003，?1（1）：1-37.

［5］?Acemoglu?D，?Aghion?P，?Bursztyn，?Leonardo，?et?al.?The?Environment?and?Directed?Technical?Change［J］.?American?Economic?Review，?2012，102（1）：131-166.

［6］?李靜，池金，吳華清.基于水資源的工業綠色偏向型技術進步測度與分析［J］.中國人口·資源與環境，2018，28（10）：131-142.

［7］?景維民，張璐.環境管制、對外開放與中國工業的綠色生產技術［J］.經濟研究，2014，49（9）：34-47.

［8］?楊福霞，徐江川，青平.中國小麥生產的技術進步誘因：投資驅動抑或價格誘導［J］.農業技術經濟，2018（9）：100-111.

［9］?陳書章，宋春曉，宋寧，等.中國小麥生產技術進步及要素需求與替代行為［J］.中國農村經濟，2013（9）：18-30.

［10］?楊義武，林萬龍，張莉琴.農業技術進步、技術效率與糧食生產——來自中國省級面板數據的經驗分析［J］.農業技術經濟，2017（5）：46-56.

［11］??展進濤，徐鈺嬌，葛繼紅.考慮碳排放成本的中國農業綠色生產率變化［J］.資源科學，2019，41（5）：884-896.

［12］?李思勉，何蒲明.我國糧食綠色生產效率及影響因素研究——基于糧食功能區的比較分析［J］.生態經濟，2020，36（9）：116-120.

［13］??范秋芳，王勁草，王杰.城市空間結構演化的減排效應：內在機制與中國經驗［J］.城市問題，2021（12）：87-96.

［14］?肖小勇，李秋萍.中國農業技術空間溢出效應：1986-2010［J］.科學學研究，2014，32（6）：873-881，889.

［15］?伍駿騫，方師樂，李谷成，等.中國農業機械化發展水平對糧食產量的空間溢出效應分析——基于跨區作業的視角［J］.中國農村經濟，2017（6）：44-57.

［16］?丘雯文，鐘漲寶，田文文.長江經濟帶農業綠色增長的時空格局及影響因素研究［J］.中國生態農業學報（中英文），2020，28（5）：764-774.

［17］?李兆亮，羅小鋒，張俊飚，丘雯文.農業R&D投入、空間溢出與中國農業經濟增長［J］.科研管理，2020，41（9）：268-277.

［18］??伍國勇，張啟楠，張凡凡.中國糧食生產效率測度及其空間溢出效應［J］.經濟地理，2019，39（9）：207-212.

［19］?羅小娟，馮淑怡，石曉平，等.太湖流域農戶環境友好型技術采納行為及其環境和經濟效應評價——以測土配方施肥技術為例［J］.自然資源學報，2013，28（11）：1891-1902.

［20］?李強，劉冬梅.我國農業科研投入對農業增長的貢獻研究——基于1995-2007年省級面板數據的實證分析［J］.中國軟科學，2011（7）：42-49，81.

［21］?常明，王西琴，賈寶珍.中國糧食作物灌溉用水效率時空特征及驅動因素——以稻谷、小麥、玉米為例［J］.資源科學，2019，41（11）：2032-2042.

［22］?Koch?EW?.?Growth，?Technological?Interdependence?and?Spatial?Externalities：?Theory?and?Evidence［J］.?Journal?of?Applied?Econometrics，?2007，22（6）：1033-1062.

［23］?LeSage?J，?Pace?R?K.?Introduction?to?Spatial?Econometrics［M］.?Boca?Raton：CRC?Press，2009.

Study?on?Spatial?Characteristics?and?Spillover?Effects?of?Grain?Green?Production

Technology?in?China

CHEN?Si-bo1，CHANG?Ming2

（1.?School?of?Public?Administration?and?Policy，?Renmin?University?of?China，?Beijing?100872，?China;

2.?Institute?of?Agricultural?Economics?and?Development，?Chinese?Academy?of?Agricultural?Sciences，

Beijing?100081，?China）

Abstract：?Green?food?production?technology?is?an?important?means?to?help?the?sustainable?development?of?agriculture，?and?it?is?also?an?effective?measure?to?consolidate?food?security?and?achieve?comprehensive?rural?revitalization.?Based?on?the?super-efficient?SBM?model?of?unexpected?output?and?Malmquist?total?factor?productivity?index?model，?this?study?measured?and?analyzed?the?green?technology?progress?index?of?rice，?wheat?and?corn?in?26?major?grain-producing?provinces?in?China，?and?further?discussed?its?spatial?correlation?and?spillover?effects?through?Moran′s?I?index?and?spatial?Durbin?model.?The?results?showed?that：During?the?study?period，?the?average?difference?of?green?technological?progress?index?of?rice?in?each?province?was?small，?and?all?showed?an?accelerated?state?of?technological?progress，?while?some?wheat?and?corn?planting?provinces?showed?a?slow?state?of?green?technological?progress.?Spatial?distribution?characteristics?show?that?the?green?technology?progress?in?major?grain?producing?areas?such?as?Northeast?China?and?the?middle?reaches?of?the?Yellow?River?is?obvious，?while?the?green?technology?progress?in?Southwest?China?is?relatively?slow.?Through?further?spatial?correlation?analysis，?it?is?found?that?the?peak?and?trough?of?green?technology?progress?of?rice?and?wheat?are?clustered，?while?that?of?corn?is?discrete.?Among?them，?the?leading?provinces?with?accelerated?green?technology?progress?of?rice?are?concentrated?in?northeast?China，?the?middle?reaches?of?the?Yellow?River，?the?northern?coastal?areas?and?the?southern?coastal?areas;?The?leading?provinces?of?wheat?technological?progress?and?change?are?concentrated?in?Northeast?China，?the?middle?reaches?of?the?Yellow?River?and?Northwest?China.The?spillover?effects?of?different?factors?show?that?labor?capital?quality，?planting?scale?and?agricultural?economic?level?have?significant?spillover?effects?on?green?technology?progress?of?rice?and?wheat;?However，?all?factors?have?no?significant?spillover?effect?on?the?progress?of?corn?green?technology.?The?difference?of?spillover?effect?is?an?important?reason?that?the?spatial?characteristics?of?green?technological?progress?between?rice?and?wheat?are?different?from?those?of?corn.

Key?words：?grain?production;?green?production?technology;spatial?characteristics;spillover?effects

（責任編輯：趙春江）