物流業集聚、空間溢出效應與農業綠色全要素生產率
——基于省域數據的實證分析

鄢曹政，殷旅江，何 波

（1.湖北汽車工業學院經濟管理學院，湖北十堰 442002；2.韓國國立慶北大學工程學院，韓國大邱 41566）

一、引言

2021年，我國農業農村部、國家發展和改革委員會、科技部、自然資源部、生態環境部和國家林草局等6 部門聯合印發首部農業綠色發展專項規劃《“十四五”全國農業綠色發展規劃》，明確提出將綠色發展作為實施鄉村振興戰略的重要引領，以構建綠色低碳循環發展的農業產業體系為重點，推進農業發展全面綠色轉型。2022年中央一號文件再次強調，要推進農業農村綠色發展、開展農業綠色發展情況評價，進一步凸顯新時代農業綠色發展的重要性和緊迫性。新形勢下，轉變傳統農業發展模式，探尋更集約化、綠色化的生產方式，在滿足農業高質量需求的同時，兼顧農業生態環境是必然選擇[1]。提升農業綠色全要素生產率（Agricultural Green Total Factor Productivity，AGT?FP）成為實現這一轉變的關鍵因素，也是現代農業可持續發展的重要路徑選擇。

物流業作為社會經濟發展的基礎性、先導性和戰略性產業，物流業快速成為支撐農業、疏通農村、服務農民的支柱產業。在新發展理念的指引下，物流業高質量發展步伐加快，集聚發展水平不斷提升，提質增效效果顯著。而不同地區間物流業集聚發展是否存在空間溢出效應，物流業集聚發展對農業綠色全要素生產率提升是否具有推動作用及其作用大小等問題有待進一步論證。因此，本文利用中國31個省（自治區、直轄市）的面板數據，探究物流業集聚水平與農業綠色全要素生產率之間的影響關系以及空間溢出效應，厘清農業綠色全要素生產率的影響因素，這對于促進農業綠色可持續發展、助力鄉村振興具有重要意義。

二、文獻綜述

從國內外物流業集聚的相關文獻來看，物流業集聚水平對經濟發展、全要素生產率的影響以及實證研究是學者聚焦的主要內容。其中，在物流業集聚水平對經濟發展影響研究方面，曹澤等[2]基于安徽省16 個地級市2007—2018年面板數據，通過空間杜賓模型分析得出，安徽省各地級市在經濟上呈現明顯的空間自相關，各地物流業集聚阻礙本地經濟發展，但會促進周邊地區經濟發展；王鈺等[3]以長三角城市群27 個市2010—2018年的面板數據為樣本，實證分析了物流業集聚水平對區域經濟增長的影響機制，指出物流業集聚水平對群內各市經濟增長具有顯著促進作用，同時對其鄰市具有正向空間溢出作用，并提出長三角城市群物流業空間布局的優化建議。在以省域數據為樣本的實證分析中，唐勇等[4]以我國30個省（自治區、直轄市）為對象，引入空間動態杜賓模型，考察了物流業集聚及金融發展對經濟增長的空間溢出效應，指出我國物流業集聚、金融發展規模與效率對本地區經濟增長提升效果顯著，對周邊地區的影響則更加明顯。溫婷[5]在分析生產性服務業集聚對經濟增長和產業結構升級的影響中指出，我國各區域物流業集聚對經濟增長和產業結構升級具有明顯差異性，其中東、西部地區具有明顯的正空間溢出效應，東北、中部具有反向抑制作用且空間溢出效應明顯。德爾加多（Delga?do）等[6]認為，產業集聚內的企業可以通過人才、技術和資本空間溢出等促進區域經濟增長；謝菲（Sheffi）[7]認為，物流業集聚能夠通過第三方物流的有形和無形資產來影響區域經濟增長。在影響全要素生產率方面，馬越越[8]以遼寧省14個地級市為對象，分析指出物流業集聚對本地城市全要素生產率的促進作用并不顯著，已出現明顯擁塞效應，對相鄰城市的全要素生產率也沒有產生顯著的外溢效應；楊慧瀛等[9]基于2008—2020年我國31個省（自治區、直轄市）面板數據分析得出，物流信息化對物流業全要素生產率的提升具有顯著的促進作用，且對周邊地區具有顯著的空間溢出效應。

從AGTFP相關研究來看，國內外學者研究主要集中在兩個方面：一是有關AGTFP的測算等相關研究；二是有關產業集聚等因素對AGTFP 影響的相關研究。其中，在AGTFP的測算上，不同學者采取的方法各異。如巴格奇（Bagchi）等[10]利用孟加拉國19個地區23年的面板數據，采用引導式數據包絡分析（Data Envelopment Analysis，DEA）方法測算農業全要素生產率，并分析其變化及其組成部分，最終得出農業技術進步對農業全要素生產率影響最大；陳宇峰等[11]將農業碳排放和面源污染共同作為非期望產出，利用基于方向距離函數（Directional Distance Function，DDF）的全局Malmquist-Luen?berger 模型，對AGTFP 進行動態化測算；徐永慧等[12]和沈洋等[13]都基于松弛（Slacks-Based Mea?sure，SBM）方向距離函數下的Malmquist-Luen?berger 指數對AGTFP 進行測算，前者利用Tobit 模型工具變量法對“波特假說”進行實證檢驗，后者從碳匯和碳排放雙重視角對AGTFP收斂性進行分析。此外，郭海紅等[14]也對AGTFP 進行了收斂性分析，得出AGTFP 并不具有絕對σ 收斂態勢的結論。在AGTFP影響因素相關研究上，梁俊等[15]采用改進DEA-Luenberger 指數測算AGTFP，并指出技術進步是AGTFP 增長的主要原因，同時農業稅的減免也會促進AGTFP增長，但工業化、城市化及農業貿易發展會阻礙其增長；李健旋[16]主要分析了農村金融對AGTFP 的影響，指出農村金融發展規模的增加、金融發展結構的優化以及金融發展效率的提高均有利于AGTFP 提升，但作用機制存在差異；銀西陽等[17]指出農業產業集聚對AGTFP具有顯著負向影響且有明顯空間溢出效應，一定程度會制約周邊地區AGTFP的提升。

目前，有關物流業集聚與AGTFP 的研究較多，但考慮物流業集聚對AGTFP 直接影響的研究較少。故本文從物流業集聚、空間溢出效應等角度對AGTFP 進行實證分析，一定程度上豐富了相關研究，同時也有助于推動我國農業綠色可持續發展。

三、研究方法與數據來源

（一）變量說明

1.核心解釋變量

本文參考國內關于物流業集聚的測度指標，利用物流業集聚本身所具有的特點，將其區位熵作為核心解釋變量，來衡量區域物流業集聚水平[2-4，18-19]，具體公式如下：

其中，LQi代表i省（自治區、直轄市）的物流業集聚水平，ei和e分別代表i省（自治區、直轄市）的物流業生產總值和全國物流業生產總值，Ei和E分別代表i省（自治區、直轄市）地區生產總值和國內生產總值。區位熵（LQi）大小代表該地區的物流業集聚水平高低，當LQi小于1 時，表明其集聚水平較低；當LQi大于1 時，表明其集聚程度較高，且當LQi大于1.25 時，表明該省（自治區、直轄市）物流業高度集中。為進一步分析物流業集聚與AGTFP 的非線性關系，將物流業集聚水平的平方值（LQ2）也作為核心解釋變量。

2.被解釋變量

AGTFP 為被解釋變量，利用DEA-Malmquist指數法進行計算。根據已有研究[14-15，17，20]，本文選取勞動力投入、土地投入和農業消耗資源投入作為AGTFP 測算的投入變量，期望產出和非期望產出為產出變量。

（1）投入變量

勞動力投入和土地投入是測算AGTFP的基本變量。勞動力投入大小直接影響AGTFP，本文以農業從業人員數量表示勞動力投入程度；土地投入指農業生產經營者可收獲農作物的種植或移植面積，本文用農作物播種面積衡量土地投入。除勞動力和土地投入外，農業消耗資源也是實現農業實際生產目標所必須投入的部分。參考相關文獻[13-15]，本文將有效灌溉面積、農藥施用實物量、化肥施用折純量、農膜使用量以及農用機械總動力作為農業消耗資源投入的衡量指標。

（2）產出變量

產出變量主要包含兩部分：一是以地區農業總產值表示的期望產出；二是基于綠色農業理念，在農業生產過程中對農業碳排放量測算的非期望產出。相比于期望產出，非期望產出因農業碳源的種類繁多使得測算更為復雜，結合農業消耗資源投入，本文測算農業碳排放量時只考慮灌溉、農藥、化肥、農膜及農業機械5種間接碳源，其測算公式如下[21-22]：

其中，E表示農業總碳排放量，E1、E2、E3、E4、E5分別表示灌溉、農藥、化肥、農膜和農業機械產生的碳排放量；S1為灌溉面積，Q2、Q3、Q4分別表示農藥、化肥和農膜使用量，S5為農作物種植面積，W5為農業機械總動力；δ1、δ2、δ3、δ4、δ5、δ6分別對應各碳排放源的碳排放系數，其值以及參考來源詳見表1。

表1 農業碳排放系數及來源

（3）控制變量

在農業發展的過程中，AGTFP 提升會受到多種因素的影響。本文基于相關研究成果[15-17]，在分析物流業集聚對AGTFP 影響程度的基礎上，選取城鎮化率、工業化水平、人力資本、農業產業結構、財政支農水平、開放程度、自然災害、農業機械化程度為控制變量，進一步分析城鎮化率、工業化水平、人力資本、農業產業結構等要素對AGT?FP 的影響。本文變量描述及相關說明如表2所示。

表2 變量描述性統計及相關說明

（二）模型設定

1.DEA-Malmquist模型

目前，關于AGTFP的測算方法主要有兩類：一是以索洛余值和隨機前沿生成函數法（Stochastic Frontier Approach，SFA）為代表的參數法，該類方法通常用于產出單一的情況，對多投入多產出（如農業非期望產出）的效率模型難以進行測度，且需要考慮隨機因素對測量結果的影響，有時會高估技術進步指數，容易造成測量誤差；二是以DEA和Malmquist 指數法為代表的非參數法，該類方法不考慮隨機因素的影響，DEA 可對多投入多產出的情形進行分析，Malmquist 指數法只需正確選擇投入產出變量，無需設定具體函數關系即可進行求解，可將AGTFP增長分解為技術進步等因素，使計算更為精確[25-26]。考慮到AGTFP 的多維度影響，本文選用DEA-Malmquist指數法，使用方向距離函數模型綜合考慮農業期望產出和非期望產出，對AGTFP進行測算，具體公式如下：

其中，（xt，yt，bt）、（xt+1，yt+1，bt+1）分別表示第t和t+1 期的投入和產出向量，其中x表示投入變量，y表示期望產出變量，b表示非期望產出變量；Dt、Dt+1分別表示第t和t+1 期的距離函數。AGTFP 指數大于1、小于1 或等于1 分別表示AGTFP提高、下降或保持不變。進一步，將AGTFP分解為農業綠色技術變化（Agricultural Green Tech?nology Change，AGTC）和農業綠色效率變化（Agri?cultural Green Efficiency Change，AGEC）的乘積，即AGTFP=AGTC×AGEC。

2.探索性空間數據分析

托布勒（Tobler）[27]提出了“地理學第一定律”，認為所有事物與其他事物之間都存在一定的關聯，且較近的事物相對于較遠的事物關聯性更強。若距離較近的區域之間存在相似的數據取值，則數據具有空間自相關[28]。對物流業集聚和AGTFP的空間相關性檢驗是進行空間計量分析的基礎，本文采用探索性空間數據分析（Exploratory Spatial Data Analysis，ESDA）探測物流業集聚水平和AGTFP 空間要素的關聯程度，考察要素之間的集聚和分異現象，揭示二者在空間上的相互作用機制，常用分析方法包括全局空間自相關和局部空間自相關。

（1）全局空間自相關

全局空間自相關用于描述觀測變量在整個空間的集聚特征，通常采用全局莫蘭指數（Global Mo?ran's I）進行測度，其可以揭示相鄰地區物流業集聚和AGTFP的相近程度，其計算公式如下：

其中，I表示全局莫蘭指數，取值介于-1 到1之間，I大于0表示空間正相關，即高值與高值、低值與低值相鄰；I小于0 表示空間負相關，即高值與低值相鄰；I接近0 表示隨機分布，不存在空間自相關；n為省（自治區、直轄市）數量；xi（xj）為i（j）地的AGTFP或物流業集聚水平；Wij表示鄰接（0-1）空間的權重矩陣；S2為樣本方差，wij由鄰接（0-1）空間權重矩陣確定，即i地與j地相鄰，wij取值為1，不相鄰則為0；

（2）局部空間自相關

局部空間自相關用于識別局部地區和鄰近地區之間的同一屬性是否存在相似或相異集聚現象，通常采用局部莫蘭指數（Local Moran's I）進行測度，揭示區域物流業集聚和AGTFP 的空間異質性，在某空間位置i，局部莫蘭指數的計算公式為：

其中，Ii表示局部莫蘭指數，當Ii大于0時，表示i地與其鄰近區域存在相似集聚，即高值與高值、低值與低值集聚；當Ii小于0時，表示i地與其鄰近區域存在相異集聚，即高值與低值集聚。

3.空間計量模型

在分析物流業集聚對AGTFP 的影響時，若忽略各省（自治區、直轄市）之間的空間關聯效應，僅以傳統的計量回歸方法進行分析往往會導致回歸結果出現偏差。因此，本文引入空間因素，利用空間計量模型更加全面地探析物流業集聚對AGTFP的影響及空間溢出效應。目前，基于空間交互效應的不同分類，常見的空間計量模型有空間滯后模型（Spatial Lag Model，SLM）、空間誤差模型（Spa?tial Error Model，SEM）、空間杜賓模型（Spatial Durbin Model，SDM）三種。其中，SLM 主要測度因變量間內生空間交互效應；SEM 主要反映誤差項空間交互效應；而SDM 同時包含內生和外生空間交互效應，且能同時考慮核心解釋變量和被解釋變量的空間滯后性[17，29-30]。基于此，本文構建一般空間計量模型：

其中，i和t分別表示省（自治區、直轄市）和年份；δ表示被解釋變量AGTFP 的空間自相關系數；Wij表示鄰接（0-1）空間的權重矩陣；β和γ表示回歸系數，其中，若β2>0（<0），表明集聚效應（擁塞效應）起主導作用；LQ表示物流業集聚水平；X表示控制變量；θ表示空間滯后系數；μi、φt分別表示空間、時間固定效應；εit表示隨機擾動項；α為常數項。

一般空間計量模型可通過空間計量系數的取值進行轉換，當θ=0 時，式（6）可轉換為SLM；當δ=θ=0 時，式（6）可轉換為SEM。

（三）數據來源

主要基于地區和時間周期兩方面因素選擇考察樣本。一是地區因素。由于香港、澳門和臺灣相關數據缺失嚴重，故將我國其余31 個省（自治區、直轄市）作為考察對象。二是時間周期因素。以“十三五”作為考察期，期間全國各省（自治區、直轄市）堅持農業農村優先發展總方針，全面推進實施鄉村振興戰略，農業農村發展取得歷史性成就。為了進一步分析我國2016—2020年AGTFP發展變化趨勢及影響因素，并根據現有研究基礎及指標數據的可操作性和可獲得性，選取全國2016—2020年31 個省（自治區、直轄市）的面板數據進行實證分析，指標數據來源于2017—2021年《中國統計年鑒》①《中國農業統計年鑒》②及各省（自治區、直轄市）統計年鑒相關數據，個別指標的缺失數據采用差值法和移動平均法進行填充。

四、實證結果與分析

（一）物流業集聚水平與AGTFP指數綜合評價

1.物流業集聚水平測算結果與分析

通過區位熵法（式（1））對我國2016—2020年31 個省（自治區、直轄市）的物流業集聚水平進行測算，結果如表3 所示。根據文獻[5]劃分標準，將我國劃分為四個區域，分別為東部地區：京、津、冀、滬、蘇、浙、閩、魯、粵、瓊；東北部地區：黑、吉、遼；中部地區：豫、晉、皖、贛、鄂、湘；西部地區：蒙、西、陜、甘、青、寧、新、桂、渝、川、貴、滇。

由表3 可知，2016—2020年全國31個省（自治區、直轄市）物流業集聚水平(LQ)的均值介于0.659和0.712之間，變化幅度不大，整體趨于穩定；全國物流業集聚水平(LQ)均值為0.683。因此，我國物流業整體集聚水平(LQ)并不高。

表3 全國31個省（自治區、直轄市）物流業集聚水平統計

從全國層面來看，2016年物流業集聚水平大于1 的地區有5 個，分別為浙江省、廣東省、上海市、北京市和福建省，為2016—2020年最多的年份。2016—2020年間物流業集聚水平(LQ)均保持在1 以上的地區有3 個，分別為上海市、浙江省和廣東省，其物流業集聚水平(LQ)均值分別為1.545、2.951 和2.410，維持在較高水平。由此可見，物流業集聚水平與各省（自治區、直轄市）地理位置、經濟發展水平、高新產業集群及旺盛的物流需求密切相關。

從區域分布來看，2016—2020年東部地區物流業集聚水平(LQ)均大于1 且高于全國平均水平，其均值為1.2201；中部地區和東北部地區次之，其均值分別為0.573 和0.504；西部地區排名墊底，其均值為0.337。總體來看，我國31 個省（自治區、直轄市）物流業集聚發展水平不均，呈現出東部沿海集聚程度較高，西部地區集聚程度較低的不均衡狀態。其主要原因為：第一，我國東部地區創新物流系統發展快于中西部地區，東部地區通過地理位置、自然條件、人才優勢等有利條件，吸引包括物流業在內的跨國企業和外資企業入駐；第二，我國幅員遼闊，區域經濟發展的不平衡對物流業發展也帶來了顯著影響，經濟發展相對落后的中西部地區對物流業等相關產業的吸引力不足，很難形成大規模的產業集聚。第三，東部沿海地區較西部地區擁有眾多的通商港口，交通便利、物流基礎設施完善、物流作業現代化水平較高和需求旺盛，為物流業集聚發展提供了優勢條件。同時，東部地區較西部地區更能吸引優秀人才、資本和信息等創新要素的投入，而西部地區由于區域條件、經濟水平、歷史發展、國家政策等因素，在一定程度上難以支撐物流業的快速發展，進而導致東部和西部物流業集聚水平差距明顯。

2.AGTFP指數測算結果與分析

利用MaxDEA軟件與DEA-Malmquist模型（式（3））對2016—2020年我國31 個省（自治區、直轄市）的AGTFP指數及其構成（農業綠色技術進步指數和農業綠色技術效率指數）進行測算。宏觀上，以AGTFP指數及其構成成分的平均值呈現全國31個省（自治區、直轄市）相關指數的變動情況，如表4所示。

由表4可知，2016—2020年間全國31個省（自治區、直轄市）AGTFP 整體呈現平穩上升趨勢，其結果與國內大部分學者研究31個省（自治區、直轄市）的AGTFP、農業綠色技術變化（AGTC）和效率變化（AGEC）結果一致。2017—2020年全國31 個省（自治區、直轄市）AGTFP年均增長率為4.3%，AGTC指數年均增長率為3.4%，AGEC指數年均增長率為0.9%，而AGTC指數和AGEC指數共同構成了AGTFP 指數。總體來看，農業綠色技術進步和技術效率都促進了我國AGTFP 的提高，且農業綠色技術進步對AGTFP 的貢獻近80%，成為推動我國農業綠色全要素生產率提升的主要影響因素。從AGTFP 的構成因素來看，2017—2020年AGTC指數和AGTFP 指數均大于1，而2017年和2019年AGEC指數均小于1，這說明效率前沿面發生后移，目前的技術應用并沒有達到預期的效果。

表4 2016—2020全國31個省（自治區、直轄市）AGTFP指數及其成分變動情況

在對全國31 個省（自治區、直轄市）AGTFP 指數及其構成均值變動趨勢分析基礎上，從微觀層面對各省（自治區、直轄市）各年度AGTFP 指數及其構成、平均AGTFP指數及其構成進行分析，以揭示各省份AGTFP 情況，具體結果分別如表5、表6、表7、表8 所示。其中，表5 為2017—2020年全國31個省（自治區、直轄市）AGTFP 測算結果；表6和表7 分別為AGTC 和AGEC 的測算結果；表8 表示整個測算周期（2016—2020年）各省份平均綠色全要素生產率及其構成要素均值的測算結果。

表5 2017—2020年全國31個省（自治區、直轄市）農業綠色全要素生產率

表6 2017—2020年全國31個省（自治區、直轄市）農業綠色技術變化指數

表7 2017—2020年全國31個省（自治區、直轄市）農業綠色效率變化指數

由表8 可知，全國共有12 個省（自治區、直轄市）的AGTFP年均增長率高于全國AGTFP年均增長率4.3%，占全國31 個省（自治區、直轄市）的38.7%。不同省（自治區、直轄市）AGTFP的年均增長率變動也存在較大差異，其中有28 個省（自治區、直轄市）AGTFP 的年均增長率為正，占全國的90.3%；3 個省（自治區、直轄市）GTFP 的年均增長率為負，分別是黑龍江省、廣西壯族自治區和西藏自治區，其AGTFP年均增長率分別為-1.2%、-1.19% 和-8.1%。AGTFP 增長幅度較高（增幅10%以上）的有5個省（自治區、直轄市），分別是吉林、貴州、湖南、天津和河北，增幅分別為11.97%、12.65%、12.66%、13.51%和14.4%。

表8 2016—2020年各地區平均AGTFP指數及其分解

從區域差異角度分析，2017—2020年東北部地區的AGTFP增長速度最快，平均增長5.98%，其農業綠色技術效率降低1.18%，農業綠色技術進步提升了2.31%，可見，技術進步是促進東北部地區AGTFP增長的主要驅動力。東部地區AGTFP增度位居第二，為5.18%，其中農業綠色技術效率提高1.46%，農業綠色技術進步提高3.65%，可以看出促進東部地區AGTFP提升的主要因素仍是技術進步。中部地區AGTFP 增幅為4.9%，其中農業綠色技術效率提升了2.08%，農業綠色技術進步提升了2.76%。西部地區AGTFP的增長幅度最低，增幅為3.1%，其中農業綠色技術效率下降0.42%，農業綠色技術進步上升3.55%。

針對本文測算結果，東北部和東部地區增幅較高，主要原因在于國家有關政策的落地實施大大激發了東北部地區農業綠色全要素生產率的增長潛力。而中部地區AGTFP 小于東北部地區，這與中部地區農業發展的瓶頸和資源配置不合理等問題相關。西部地區AGTFP 最低，源于其農業生產技術水平較低，資源條件相對較差，農業發展受到資源和環境的雙重壓力等因素的影響。

（二）物流業集聚水平與AGTFP空間格局演化分析

為判斷物流業集聚水平與AGTFP是否存在空間相關性，本文運用ESDA常用的全局和局部空間相關指數來進行檢驗，揭示物流業集聚水平與AGTFP 的空間演化特征。根據式（4）和式（5），利用Stata16.0 統計分析軟件，采用鄰接（0-1）空間權重矩陣，分別測算物流業集聚水平和AGTFP的Mo?ran’s I指數。

1.全局空間自相關檢驗

根據表9可知，2016—2020年我國物流業集聚水平的全局莫蘭指數顯著為正，取值在區間[0.224，0.342]內，且都通過1%的顯著性檢驗，這表明我國物流業集聚具有較強的空間正相關性，即物流業集聚水平相似的地區呈現空間集聚特征。從AGT?FP 的全局Moran’s I 檢驗來看，2016年為負值且未通過顯著性檢驗，其余各年均通過了1%的顯著性檢驗，取值在[0.083，0.137]，普遍較低，這表明我國整體AGTFP 空間相關性較弱。

表9 2016—2020年物流業聚集水平（LQ）和AGTFP的全局Moran’s I指數

2.局部空間自相關檢驗

全局空間自相關從整體上反映我國物流業集聚和AGTFP 的空間集聚特征，對于AGTFP 全局莫蘭指數較低、全局空間相關性不顯著的年份，為進一步分析各地與鄰近區域的空間異質性，即局部空間自相關性，本文參考劉國巍[30]、高楊等[31]關于局部相關性檢驗的選取方法，結合上文對AGTFP 的分解角度，以2017年和2019年為例，繪制我國31個省（自治區、直轄市）AGTFP的Moran散點圖反映局部空間相關性，并將空間集聚結果進行歸納總結，如表10 所示。Moran散點圖由四個象限組成，分別反映出各地和鄰近地區的空間聯系方式：第一象限為“高—高”集聚區（H-H）；第二象限是“低—高”集聚區（L-H）；第三象限是“低—低”集聚區（L-L）；第四象限為“高—低”集聚區（H-L）。

由表10可知，2017年屬于H-H類型的省份有12 個，屬于L-L 類型的省份有9 個，屬于L-H 類型的省份有6 個，屬于H-L 類型的省份有4 個，即共有21個省份在一三象限，代表空間正相關，10個省份在二四象限，代表空間負相關。2019年，屬于H-H 類型和L-L 類型的省份分別有6 個和11 個，屬于L-H 類型和H-L 類型的省份分別有9 個和5個。即共有17 個省份為空間正相關，14 個省份為空間負相關。由此可見，從2017年到2019年，屬于H-H類型的省份數量減少，屬于L-H、L-L、H-L類型的省份數量均增加，其中，只有重慶、貴州、陜西三地仍處于H-H 省份；吉林、四川、江西、廣西、西藏等地加入了L-H 省份；山西、青海、湖北、江蘇、河南五地成為了L-L省份；浙江、甘肅、廣東、寧夏則轉變為了H-L 類型省份。同時，這也表明全國各省（自治區、直轄市）之間AGTFP 的空間相關性由正相關向負相關轉變，AGTFP 具有顯著的局部空間相關性，即空間異質性。

表10 我國物流業和AGTFP空間集聚的象限分布

（三）物流業集聚對AGTFP空間效應分析

經ESDA空間格局演化分析、Moran’s I指數檢驗表明，我國物流業集聚和AGTFP 整體上具有空間相關性，因此，引入空間計量模型對此空間相關性進行實證分析。

1.模型選擇

為確定本研究適合的空間計量模型，需要對模型進行檢驗（檢驗結果見表11）。首先，通過非空間面板模型的拉格朗日乘數（Lagrange Multipli?er，LM）和穩健拉格朗日乘數（Robust LM）檢驗可知，SEM和SLM均不能通過檢驗，表明具有空間效應的空間面板模型是適合本文研究的。其次，通過基于鄰接（0-1）空間權重矩陣的似然比（Likeli?hood Ratio，LR）和沃爾德（Wald）檢驗得知，SDM不能轉換為SEM 和SLM，表明空間杜賓模型是更適合本文研究的空間計量模型。最后，通過豪斯曼（Hausman）檢驗對SDM 的固定效應和隨機效應模型進行選擇，其檢驗值為39.94，且通過1%顯著性檢驗，表明固定效應模型更優。因此，本文選擇具有時間和空間雙重固定效應的空間杜賓模型進行實證分析。

表11 空間計量模型檢驗結果

2.回歸結果分析

根據表12 可知，核心解釋變量物流業集聚水平的直接影響系數為0.081 1，且在1%的水平上顯著，說明本地區物流業集聚地提升，會促進該地區AGTFP 地提升。但其空間滯后系數未通過檢驗，可能的原因，一是物流業集聚水平提升，有助于農戶更加便捷地獲得農業生產所需的各類資源，有利于各地區間農業工具和原料的擴散，進而增加生產要素的流動；二是物流業集聚水平提升，有助于農戶更加便捷地獲取市場信息及運送工具，避免農產品交易停滯，進而促進農產品的生產，提升農產品的銷量。

表12 空間杜賓模型回歸結果

從控制變量來看：（1）城鎮化率直接影響系數為正且顯著，即城鎮化率顯著提升了AGTFP。這是因為城市化進程的推動為農業發展提供了物質基礎和產品市場，使得農產品的需求不斷增加，從而促進AGTFP 的提升；滯后項系數為負表明物流業集聚對周邊地區的AGTFP 產生負向影響，原因在于本地區城鎮化水平提高會產生馬歇爾聚集效應，吸引周邊地區農業生產資源向本地區（集聚區）轉移，抑制了周邊地區AGTFP的增長。（2）工業化水平直接影響系數與滯后項系數均顯著為負，即本區域和相鄰區域工業化水平的提高均會抑制本區域AGTFP 增長。其主要原因為，目前中國工業比農業發展超前，對農業產生一定擠壓效應，吸引走大量農業資源，從而阻礙農業綠色發展進程。（3）人力資本直接影響系數和滯后項系數均未通過顯著性檢驗，可能原因在于教育程度較高的高質量人力資源在農業生產領域投入不足，對AGTFP的促進不明顯。（4）農業產業結構的直接影響系數和空間滯后項系數均未通過顯著性檢驗，即農業產業結構可能不會對AGTFP增長產生重要影響。（5）財政支農水平直接影響系數顯著為正，即增加農業財政支持會提高務農人員的生產積極性，并使其投入更多、更好的生產要素，從而促進AGTFP的提升；滯后項系數顯著為負，表明財政支農水平會對周邊地區AGTFP 的增長產生負向影響。由于本地區財政支農水平的提高會使本地集聚更多財力、人力等農業資源，對周邊地區形成虹吸效應，使周邊地區農業資源缺乏，不利于其AGT?FP的增長。（6）開放程度的直接影響系數和滯后項系數均為負，說明農業對外開放程度的提高會使人們將注意力集中在農業高新技術的引入上，從而忽視生態環境保護和農業綠色生產，進而降低了AGTFP。（7）自然災害的直接影響系數和空間滯后項系數顯著為負，表明自然災害會顯著地降低AGTFP，原因在于自然災害會使得投入農業的生產要素無法正常轉化成產出，進而降低AGTFP。（8）農業機械化程度的直接影響系數為正，說明農業機械化水平的提升會促進本地AGTFP 的增長，但沒有通過顯著性檢驗，原因可能在于我國農業機械化水平還未達到高水平階段，需要進一步提升；其滯后項系數為負且顯著，說明本地農業機械化程度的提高會對周邊地區AGTFP增長產生負向影響。

3.空間效應分解

為進一步分析各變量的空間效應，本文用偏微分法將各個變量的空間總效應分解為直接效應和間接效應（空間溢出效應）[32]。其中，直接效應反映自變量（物流業集聚和各控制變量）對本地區被解釋變量（AGTFP）的影響，間接效應反映本地區物流業集聚對鄰近地區AGTFP產生的影響。其空間效應分解結果如表13所示。

表13 空間杜賓模型效應分解結果

從核心解釋變量物流業集聚的效應分解來看，物流業集聚水平每提高1%，AGTFP 將提高0.112%，這表明物流業集聚能促進AGTFP 的提升。其中，直接效應貢獻0.0804%且顯著，空間溢出效應貢獻0.031 7%但不顯著，這表明AGTFP 增長主要受本地區物流業集聚的直接影響。

從控制變量來看，城鎮化率每提升1%，AGT?FP 下降0.002 6%。其中，直接效應貢獻0.333%，空間溢出效應貢獻-0.335%，效應分解的相互作用導致城鎮化率對AGTFP的總效應并不顯著。工業化程度每提高1%，AGTFP 降低1.497%。其中，直接效應貢獻-0.232%，空間溢出效應貢獻-1.265%，原因在于工業發展吸引了大量農業資源，制約了AGTFP 的提高。人力資本和農業產業結構對AGTFP 的影響都不顯著。財政支農水平每提升1%，AGTFP 下降1.037%，直接效應貢獻1.212%，空間溢出效應貢獻-2.248%，效應分解的相互作用導致財政支農水平對AGTFP 的總效應不顯著；開放程度每提升1%，AGTFP下降0.597%，直接效應貢獻-0.165%，空間溢出效應貢獻-0.432%。自然災害每提升1%，AGTFP下降0.457%。其中，直接效應貢獻-0.157%，空間溢出效應貢獻-0.275%。農業機械化水平每提高1%，AGTFP 增加0.0702%。其中，直接效應貢獻0.1751%，空間溢出效應貢獻-0.102 1%。

五、結論與建議

（一）結論

本文基于我國31個省（自治區、直轄市）2016—2020年面板數據，通過區位熵法和DEA-Malmquist模型對我國物流業集聚水平和綠色農業全要素生產率進行測算；利用探索性空間數據分析，從全局空間自相關和局部空間自相關兩個角度，利用Mo?ran’s I指數對物流業集聚和AGTFP進行空間相關性檢驗，揭示二者空間演化特征；通過空間計量模型檢驗，構建空間杜賓模型，實證分析物流業集聚水平對AGTFP 的影響及空間溢出效應，得出以下結論：

第一，從物流業集聚水平分析來看，近5年全國31 個省（自治區、直轄市）物流業的平均區位熵值變化幅度不大，整體趨于穩定，全國各年物流業集聚水平均值在0.659 至0.712 之間波動，說明我國物流業集聚水平整體不高。從區域層面來看，我國東部地區物流業集聚水平最高，如浙江省、廣東省和上海市區位熵值均在1.5以上；中部地區和東北部次之，如河南省、安徽省、黑龍江省區位熵值均在0.5以上；西部地區排名墊底，如云南省、貴州省、甘肅省等地區位熵值均在0.3左右。由此可見，我國東部沿海地區物流業集聚水平較高，區位熵值均大于1且高于全國平均水平。

第二，從AGTFP 計算結果來看，我國AGTFP年均增長率為4.3%，而農業技術進步是其增長的主要動力。從分解角度來看，2017—2020年，技術進步指數和AGTFP 增長率指數均大于1。從區域層面來看，各區域AGTFP 增長幅度與物流業集聚水平并不完全相符。其中，東北部地區AGTFP 增長幅度最高，平均增長率為5.98%，技術效率減少1.18%，技術進步提高2.31%；東部、中部和西部地區次之，AGTFP 增長幅度分別為5.18%、4.9%、3.1%。因此，無論是物流業集聚還是農業綠色發展，我國西部地區都處于較低水平。

第三，從空間格局演化來看，我國物流業集聚存在空間正相關性，即物流業集聚水平相似的地區形成空間集聚；AGTFP整體空間相關性較弱，但各省（自治區、直轄市）之間AGTFP 具有顯著的局部空間相關性，即空間異質性。

第四，從AGTFP 影響因素及空間溢出效應來看，物流業集聚水平每提升1%，AGTFP 增長0.112%，直接效應貢獻0.0804%，空間溢出效應貢獻0.0317%，其增長主要來自直接效應。影響因素分析結果表明城鎮化率、財政支農水平、農業機械化程度會促進AGTFP 增長；工業化水平、開放程度、自然災害對AGTFP具有抑制作用；人力資本和農業產業結構對我國AGTFP 的影響不大；工業化水平、財政支農水平對鄰近地區具有負的空間溢出效應。

（二）建議

第一，打造物流業集聚高地，提升農業技術效率。從整體分析來看，技術進步和技術效率均促進AGTFP 的提升，而AGTFP 的提高主要來自技術進步，同時，有些年份甚至出現技術效率下降的情況。因此，要實現我國AGTFP的提高，就必須增強對綠色發展的認識、提升技術效率水平。上文得知物流業集聚可以促進農業綠色全要素生產率的增長，基于此，政府可以制定物流業發展優惠政策，加強地區內各物流業間的信息資源共享，吸引各類物流資源、人才等向區域內匯集，構建物流集聚高地，提升地區物流服務專業能力以促進農業技術效率水平，從而提升AGTFP。

第二，促進物流省際交流，發揮空間溢出效應。立足實際，重視各地間AGTFP 的局部空間相關性。政府部門加強地區間溝通協調，制定協同發展政策，打破省際壁壘，促進要素流通，以體系完善、層次豐富的物流基礎設施和相關支持政策為農業發展建立良好環境，促進AGTFP的提高。

第三，實行差異化政策，發揮物流集聚作用。實施農業發展較好地區對農業發展落后地區進行精準幫扶政策，合理配置金融資源，大力支持西部地區發展。在區域資源環境承載力允許的合理范圍內適度引導物流業集聚，不斷在物流集聚區內發展創新，將物流業集群的規模經濟效應和知識溢出效應有效發揮，發揮物流集聚作用，促進物流業與農業的協同發展，進而推動AGTFP整體的提高。

第四，多層面探究影響因素，促進農業綠色健康發展。針對影響AGTFP 諸因素，應加大對農業綠色發展轉型的支持力度，合理推動新型城鎮化；在對外開放的同時，注重農業綠色發展；加大農業機械投入，向高度機械化農業生產方式轉換，營造有利于AGTFP 增長的環境；合理規劃財政支農資金，對各地財政支農進行合理補助，做到精準幫扶，盡可能平衡各地農業綠色全要素生產水平；同時建立自然災害防控機制，提出突發自然災害應對措施，降低自然災害對農業發展的影響。

注釋：

①詳見http://www.stats.gov.cn/tjsj/ndsj/。

②詳見https://www.yearbookchina.com/naviBooklist-YMCTJ-0.html。