環境規制促進了農業全要素生產率提升嗎？

胡雪萍 樂 冬

一、引言與相關文獻綜述

中國作為世界人口第一大國，糧食需求量較大，但耕地面積較少，僅占世界總耕地面積的10%，雖然依靠進口貿易能夠緩解國內糧食短缺問題，但長期依賴進口則不利于國家糧食安全，因此，中國亟需提升自身的農業生產效率。增加化肥、農藥的使用量雖能提高農業生產率，但其帶來的污染問題愈加突出，同時地方政府對農業環境保護問題的忽視也使得農業企業存在排放超標、能源利用效率低下等問題。2019 年《全國環境統計公報》顯示，全國廢水和廢氣排放物中，農業化學需氧量排放量高達18.6 萬噸，而氨氮排放物高達4 千噸，農業總氮排放量高達1.3 萬噸，這不僅反映出中國農業污染較為嚴重，也反映出環境規制的強度整體較低。如何規制農業發展中的環境污染，在加強環境保護的同時促進農業生產率提升，已成為當下我國農業發展亟待解決的重要課題。

關于全要素生產率的測算，目前主要有DEA 和SFA 測算方法①。由于DEA 模型測算時不需要設置固定的函數形式，且可以產生多個期望產出和非期望產出，減少了人為的主觀因素，更為重要的是DEA 在有多個決策單位時可以與最優的決策單元進行比較，得出每個決策單元對應的效率值，因此DEA 成為測算農業全要素生產率最為普遍的方法。Tone 在運用DEA 測算效率時，從非徑向角度（DEA-SBM） 對投入產出效率進行測算，避免了徑向角度存在的測量誤差②。當存在多個決策單元時，SBM 測算會產生非負截斷特征，此時采用Tobit 模型處理被解釋變量會進一步區分決策單元③。在指標選取時，也可將廢水廢氣、碳排放等污染排放物納入非期望產出④。因此，要從不同的角度選取衡量指標，從而使得測量結果更加全面。

環境規制是農業全要素生產率的重要影響因素之一，目前，就環境規制對農業全要素生產率的作用而言，學術界暫未形成統一的定論?；诓ㄌ丶僬f，環境規制對農業全要素生產率具有雙重效應。一方面，環境規制迫使農業生產的排放標準提高，增加了農業生產成本，進而抑制農業全要素生產率的提升⑤，被稱為環境規制的“遵循成本”效應。另一方面，環境規制會促進農業生產更新升級生產設備，提高原材料的利用效率，降低生產中的非期望產出，進而推動農業全要素生產率提升⑥，稱為環境規制的“創新補償”效應。有的研究表明，環境規制短期內由于企業成本的增加會抑制農業全要素生產率的提升，但從長期角度來看，環境規制會倒逼農業生產技術升級，提升農業全要素生產率⑦。例如，Becker 和展進濤、徐鈺嬌從不同類型的環境規制角度研究發現，命令型、激勵型和自愿型環境規制都會促進農業全要素生產率的提升⑧。有的研究支持“遵循成本說”，認為環境規制會增加農業的生產成本，從而阻礙農業全要素生產率提升。例如，秦騰和章恒全通過研究長江流域的水環境和水資源發現，環境規制對農業全要素生產率有顯著的抑制作用，環境規制的存在會增加農業生產成本，從而產生擠占生產和營利性投資效應⑨。有的研究認為，環境規制對農業全要素生產率提升不存在明確的影響關系。例如，潘丹通過研究發現環境規制對農業全要素生產率不存在顯著的影響關系⑩；梁流濤等通過專家打分的特爾菲方法量化了農業污染管理制度，發現環境規制未能顯著促進農業全要素生產率的提升?。

通過梳理相關文獻，可以發現多數研究僅考慮到環境規制對農業全要素生產率的線性影響，并未考慮到兩者之間的非線性影響關系，鮮有文獻對環境規制的空間效應進行探討。鑒于以上不足，本文在測算農業全要素生產率的基礎上，運用動態面板模型考察環境規制對農業全要素生產率的影響，從科技創新角度闡釋其作用機制，并以地方政府競爭為門檻變量來分析環境規制對農業全要素生產率的非線性影響。此外，通過空間杜賓模型檢驗環境規制對農業全要素生產率的空間效應，以期為政府制定環境政策促進農業高質量發展提供參考。

二、理論機制分析與假設

環境規制會直接影響甚至改變企業的生產和排污模式，從而倒逼企業引進綠色生產和排污技術。在以產出為唯一衡量指標的前提下，農業生產率依靠傳統的生產方式，不僅產品的競爭力與附加值相對較低，且高污染、高排放的生產模式使得生態環境遭受不可逆轉的破壞。

西方主流經濟學家認為，環境惡化的根源是產權混亂和市場缺失，并寄希望于環境稅、碳交易市場化等環境規制舉措來解決問題?，此時環境規制成為協調農業生產和環境保護的重要舉措。一方面，政府對企業的排放要求提高會增加企業的生產成本和排污成本，企業會根據環境規制政策改變傳統生產模式、引進綠色生產技術，而綠色技術是實現產品生命周期總成本和生態負效應最小化的技術創新，因而新型綠色技術會使得企業獲得超額利潤以抵消企業“遵循成本”效應?，促進農業生產技術和生產效率的提升。另一方面，企業會迫于環境規制壓力對生產和排污技術進行創新升級以達到排放標準，而農業綠色技術創新具有公共物品屬性，政府出于社會福利最大化的政策目標，會通過稅收補貼和技術支持等方式推動企業積極引進綠色生產和排污技術，解決企業污染排放超標、能源利用效率低下、資源錯配率偏高等問題。同時，企業產品的綠色化使得企業能夠占領更多的市場份額，從而獲得更多的資金與綠色技術的支持來推動農業生產率的提升。

因此，本文提出假設1：環境規制通過促進技術創新，推動農業全要素生產率的提升。

地方政府為了追求經濟增長目標，政府間會產生相互競爭，當競爭程度較低且僅以經濟增長為目標時，由于短期內較強的環境規制會增加農業企業生產成本、技術更新升級成本和廢水廢氣排放成本?，各地政府會降低企業生產中的環保要求以促進農業生產率提升。當農業生產以產出為唯一導向時，廢水廢氣等污染物大量排放，對環境產生較為嚴重的污染，此時環境規制對農業生產率有較強的影響作用。環境規制倒逼農業生產企業提升技術水平、增加產品競爭力，從而會優化資源配置、降低非期望產出，促進農業全要素生產率的提升。當各地政府競爭較為激烈時，此時經濟增長不再是地方政府政績考核的唯一指標，環境保護、綠色技術創新等指標也會被納入地方政府政績考核體系，地方政府會積極引進綠色生產技術和先進管理經驗，使得生產資源錯配得以矯正，促使農業生產綠色高效，由于農業生產變得綠色節能高效，環境規制對農業全要素生產率的影響力也會有所下降。同時，由于環境規制強度增大，環境規制對農業全要素生產率的邊際效用也會有所下降。

因此，本文提出假設2：環境規制對農業全要素生產率的影響效用因地方政府競爭程度不同而存在非線性關系。

當鄰近地區環境規制強度變化時，其對本地區的農業全要素生產率也會產生影響，這被稱為環境規制的空間溢出效應。當鄰近地區環境規制強度提升時，會倒逼企業積極研發先進技術、引入先進管理模式，企業依靠綠色生產技術和先進管理模式達到新的環保標準，由于先進的管理經驗、研發型人才都具有外溢性，且綠色生產技術具有非排他性特征，使得鄰近地區先進科技、人才、管理經驗等通過勞動力和生產技術的跨區域流動而外溢到本地區，促進了本地區企業生產技術提升和先進管理經驗普及，減少了本地區資源錯配率并提升產品質量和附加值，從而推動本地區農業全要素生產率的提升。

因此，本文提出假設3：鄰近地區的環境規制促進農業全要素生產率提升時，對本地區的農業全要素生產率也具有正向的空間溢出效應。

三、研究設計

（一） 模型構建

農業全要素生產率提升是一個循序漸進的過程，不可能一蹴而就，因此在模型中引入農業全要素生產率的滯后一期作為解釋變量?？紤]到農業全要素生產率的動態發展與環境規制的內生性問題，采用系統動態面板模型進行實證分析，具體模型如下：

其中i 表示省份，t 表示年份，TFPit表示各省不同年份的農業全要素生產率水平，TFPit-1表示滯后一期的農業全要素生產率，ER 表示環境規制的強度，Xi表示控制變量，主要包括衛生水平（HE）、城鎮化率（Urban）、外貿依存度（EXG） 和人均GDP （AGDP），Uit表示隨機擾動項。模型 （1） 表示基準回歸，主要是檢驗環境規制對農業全要素生產率的影響。

（二） 指標選取

1. Malmquist 指數法。本文采用Malmquist 指數法測算農業全要素生產率。Malmquist 指數最初由曼奎斯特于 1953 年提出?，Caves 等在 DEA 的基礎上將Malmquist 測算出來并進行相應的指數分解，測算出從t 期到t+1 期的指數，具體公式如下：

其中，（xt，yt）、（xt+1，yt+1） 代表不同期的投入產出，Dt（xt，yt） 和Dt+1（xt+1，yt+1） 分別表示第t期時待評估單元與第t 期和第t+1 期的前沿距離。Fare 最早使用DEA 對Malmquist 指數進行分解，分為技術效率變化和生產技術進步。當技術效率變化（Technological Efficiency，TE） TE＞1 時，表示在該時期內組織管理水平提高導致組織效率提高，出現追趕效應，反之則下降；生產技術進步（Technological Change，TC） 在投入不變時，潛在產出量得到提高，實際上是出現了技術創新，即創新效應?。通過對Malmquist 的指數進行細分，可以進一步明確效率指數的變化來源，準確掌握效率變化的具體原因。

采用Malmquist 指數法測算農業生產效率，避免了DEA 效率測算結果最大值為1 的缺陷，具體測算公式如下。其中，M 是Malmquist 指數，表示全要素生產率，tech 表示技術進步，衡量技術進步情況，sech 表示規模效率，衡量規模變化帶來的改變情況（見表2）。以上所有指標數值大于1 表示在原有基礎上得以改進，小于1 表示在原有基礎上有所衰退，等于1 表示沒有發生變化。

2. 農業全要素生產率測算。產出指標選取第一產業增加值，用以反映地區農業產值的變化狀況；投入指標為土地、資本與勞動，土地投入選擇耕地總面積和有效灌溉面積表示，勞動投入選取第一產業從業人員來表示，資本投入選取復合肥使用量、地膜使用量來衡量。

3. 環境規制。關于環境規制的衡量暫未形成統一標準，現有文獻多使用環保設施投入、環境治理投入、環保從業人數等指標來衡量?。環境規制強度與政府對環境治理的投入具有很強的相關性，較大的環境規制強度要求政府投入更多的資金用于環境治理，投入越多則環境規制強度越大。因此本文在參考李小平等研究基礎上選用各地區環境污染治理投資占GDP 的比重衡量環境規制的強度，占比越大表示環境規制強度越大?，用ER 表示。

4. 地方政府競爭和技術創新。地方政府競爭是指各地區經濟發展的相互追趕和超越，地方政府通過優惠政策吸引資本的流入以促進地區經濟發展，而外商直接投資具有顯著的經濟效應和溢出效益，成為政府間互相競爭的對象。考慮到吸引外商投資成為地方政府間的主要競爭方式，所以采用外商投資額與GDP 之比來衡量地方政府競爭?，用GC 表示。技術創新主要是衡量地區技術創造和知識獲取能力，地區利用新型外部知識進行技術創新以達到技術升級的目的，地區的新型知識獲取能力越強，技術創新能力也越強，所以選擇《中國區域創新能力評價報告》中各地區的知識獲取能力來衡量區域技術創新能力。其數據來源為中國科技發展戰略研究院每年公布的《中國區域創新能力評價報告》。為緩解異方差性對其取對數，用lnIN 表示。

5. 控制變量。關于控制變量的選取，在參考羅知和齊博成研究的基礎上選取以下變量?：衛生水平（HE）、外貿依存度（EXG）、城鎮化率（Urban）和人均GDP（AGDP）。衛生水平用衛生支出占比地方財政支出表示；外貿依存度用進出口總額除以GDP 表示；城鎮化率用城鎮人口占比總人口表示；人均GDP 用地區總GDP 除以總人口。具體變量的指標和描述性統計如表1 所示。觀察表1，可知農業全要素生產率最小值為0.810，最大值為1.503，說明地區間農業全要素生產率存在較大的差異，而地區間的環境規制強度也存在較大差異，最小值為0.300%，而最大值高達4.240%。

表1 變量指標及描述性統計

考慮到數據的可得性，本文選取2007—2018年中國30 個省（自治區、直轄市） （西藏自治區和港澳臺地區缺乏相關數據） 的數據；數據來源主要是《中國統計年鑒》 《中國環境統計年鑒》，各省市統計局、國研網、EPS 系統、《中國區域創新能力報告》等，缺失值用均值替代。

（三） 典型化事實分析

為進一步了解農業全要素生產率的動態變化趨勢，本文運用高斯核密度估計分析農業全要素生產率的分布趨勢和延展性。如公式4 所示，f（x） 是農業全要素生產率的密度函數。

K （·） 是 k 維核函數，即權重函數。K （·） 是一維核函數的乘積，N 為觀測值的個數，x 是觀測值均值，h 為最優帶寬，帶寬越小，估計的精確度較高。圖1 展示了2007—2018 年農業全要素生產率的動態變化情況。

從圖（1） 來看，農業全要素生產率呈現的是“左—右—左”的變化趨勢，表明農業全要素生產率呈現先下降再上升再下降的發展趨勢。主峰形態從“尖而窄”變為“扁而平”，最后再到“尖而寬”的發展狀態，這說明2007 年左右各地區農業全要素生產率相對接近，到了2009—2015 年期間農業全要素生產率則相對分散，地區間農業全要素生產率存在差異，而2017—2018 年期間農業全要素生產率相對集中，區域發展差異縮小。

四、實證結果分析

（一） 農業全要素生產率測算結果分析

運用DEA-Malmquist 對農業全要素生產率進行測算，測算結果如表2 所示。表2 中ML 指數代表農業全要素生產率大小，用TFP 表示。從表2 可以看出所有省份ML 指數都大于1，表明中國農業全要素生產率整體處于較高水平（ML 指數=生產技術進步×技術效率）。技術效率（技術效率=純技術效率×規模效率） 是對資源配置能力和資源使用效率的一種綜合評價，從表2 可知安徽、湖北、江蘇等省份技術效率都超過1，表明這些省份的農業技術效率提升迅速，源自農業機械化生產在一定程度上得到推廣，使得農業資源配置效率與使用效率提升；而新疆、云南等省份技術效率都小于1，表明這些地區需要優化農業資源配置，落實農業生產技術推廣和升級措施，促進地區農業生產率的提升。

表2 中國省域農業全要素生產率ML 指數及其分解指標

純技術效率反映的是因農業管理制度的完善和管理者水平進步而帶來的農業生產效率的提升。除廣西、貴州、黑龍江、湖北、陜西和山西的純技術效率超過1，其他省份均未超過1，表明各省份需要完善農業管理制度，提升農業管理者的水平，促進農業生產率的提升。規模效率反映的是企業規模增減帶來的效率變化情況，規模效率大于1，表明企業擴大生產規模，將會使得企業的規模效益遞增。四川、青海和廣西等省份規模效率較低，表明這些省份的農業生產模式依舊以小農生產為主，農業生產率的提升需要引入現代化耕種設備和外來資本，帶動農業規模化生產，進而促進農業生產率的提升。

生產技術進步反映的是投入不變的情況下產出增加，即實現了技術的創新升級，使得農業生產實現創新效應。由表2 可知各省份的生產技術進步都超過1，表明農業生產技術相較于過去有所改進，農業生產率提升需要強化科技的引進和創新力度，著力提升農產品的科技含量和附加值。

（二） 動態面板結果與分析

運用系統動態面板模型來檢驗環境規制對農業全要素生產率的影響，回歸結果如表3 所示。可知Sargen 檢驗對應的P 值大于0.1，表明工具變量選擇有效，且AR（2） 值大于0.1，表明干擾項與工具變量不相關。被解釋變量農業全要素生產率滯后一期均顯著為正，說明動態面板模型設定是準確有效的，同時也驗證了農業全要素生產率的動態發展屬性。

從表3 發現，農業全要素生產率滯后一期L·TFP 回歸結果顯著為正，表明滯后一期的農業全要素生產率對本期的農業全要素生產率有顯著的正向作用。農業全要素生產率提升是企業引進先進生產技術、科學管理經驗的結果，引進先進技術和管理經驗的成效存在時間上的滯后性，前期的投入在本期的農業生產中得以體現，進而促進本期農業全要素生產率提升。

表3 實證檢驗結果

環境規制對農業全要素生產率的影響顯著為正，意味著環境規制對農業生產具有明顯的促進作用。環境規制強度加大，會倒逼農業生產企業提升科技水平，降低對環境的污染和資源的依賴，矯正農業資源的錯配，促進農業全要素生產率的提升。

控制變量中的衛生水平（HE） 系數顯著為正，表示加大居民的衛生水平投入，提升居民身體健康水平，使得勞動力質量得以保障，農業全要素生產率得以提升。外貿依存度（EXG） 對農業全要素生產率的影響系數顯著為負，說明過度依賴國外廉價農產品，在一定程度上會抑制本國農業全要素生產率的提升。城鎮化率（Urban） 和人均GDP 在模型中沒有通過顯著性檢驗，可能的原因是兩者對農業全要素生產率提升的促進作用不明顯。

（三） 中介效應分析

環境規制不僅對農業全要素生產率產生影響，同時會通過技術創新促進農業全要素生產率的提升。本文通過中介效應檢驗技術創新對農業全要素生產率的影響，主要設置以下模型：

其中，lnIN 表示技術創新，具體回歸結果如表4 所示。第 （3） 列為公式 （1） 的回歸結果；第（2） 列為公式（6） 的回歸結果，可知環境規制顯著促進了科技創新水平提升；第（1） 列為公式（5） 的回歸結果，可知環境規制與科技創新對農業全要素生產率的影響都顯著為正。由第（1） 列科技創新系數為正，環境規制系數為正且較第（3）列中有所下降，可知存在科技創新的中介效應，即環境規制通過促進科技創新來提升農業全要素生產率。環境規制倒逼農業生產企業增加綠色科技投入，提高資源的利用效率，降低化肥、農藥等污染性產品的使用，促使農業生產企業走綠色高效的發展道路。同時，通過第（1） 列可知環境規制和科技創新對農業全要素生產率都有顯著的促進作用，表明科技創新的中介效應是非完全中介效應，即環境規制不但自身促進農業全要素生產率的提升，還通過提高地區科技創新能力來促進農業全要素生產率的提升?；谝陨戏治?，假設1 得到驗證。

表4 中介機制檢驗

（四） 異質性分析

2013 年中央一號文件《中共中央國務院關于加快發展現代農業進一步增強農村發展活力的若干意見》指出，強化農業生產過程環境監測，嚴格農業投入品生產經營管理，積極開展農業面源污染和畜禽養殖污染防治。本文以2013 年為時間分斷點，研究2013 年前后環境規制對農業全要素生產率的影響，具體結果如表5 所示。

由表5 可知環境規制對滯后一期的農業全要素生產率具有積極的推動作用，且在2007—2013 年和2013—2018 年兩個時段環境規制對農業全要素生產率都有顯著的促進作用。此外，2013—2018 年環境規制的影響系數明顯高于2007—2013 年，表明中央一號文件出臺后各地區環境規制強度進一步提升，通過加大農業投入、強化和落實環境規制等相關舉措，使得環境規制對農業全要素生產率的促進作用更為明顯。

表5 分時段環境規制對農業全要素生產率的影響

（五） 穩健性檢驗

本文使用改變回歸方法和更換解釋變量兩種方法對研究結果進行穩健性檢驗。方法一，更換模型實證方法。采用差分GMM 回歸代替系統GMM 回歸，研究結果顯示除環境規制的系數大小略微有所改變外，方向和顯著性均未發生改變。方法二，替換解釋變量。本文使用工業污染治理投資額除以工業增加值來衡量環境規制（ER2），研究發現環境規制回歸系數依然顯著為正。具體結果如表6 所示，兩種方法都驗證了本文的研究結論穩健可靠。

表6 穩健性檢驗結果

五、進一步分析

前文運用動態面板模型探究環境規制對農業全要素生產率的影響，并從科技創新角度闡釋其作用機制。由于環境規制對農業全要素生產率的影響會因地方政府競爭程度不同而有差異，同時環境規制對農業全要素生產率也具有顯著的空間溢出效應，所以有必要進一步考察環境規制對農業全要素生產率的非線性關系和空間溢出效應。

（一） 門檻效應分析

地方政府作為環境規制政策的制定者和實施者，在一定程度上影響著環境規制對農業全要素生產率影響作用的大小，地方政府競爭程度不同，環境規制對農業全要素生產率的影響作用也會發生變化。本文將地方政府競爭作為門檻變量，環境規制作為核心解釋變量，農業全要素生產率作為被解釋變量設定以下模型：

其中，TFP 為農業全要素生產率，ER 為環境規制，GC 表示地方政府競爭，Xit為控制變量，I 為地方政府競爭的示性函數，取值規則為檢驗結果如表7 所示，可知一重門檻值在1%的水平上顯著，而二重門檻不顯著，故認為地方政府競爭存在單一門檻效應。

表7 門檻效應檢驗

根據表8 的門檻回歸結果可知，當GC＜0.717時，環境規制對農業全要素生產率的影響系數為0.089，當地方政府競爭程度較低，僅以GDP 增長為目標時，各地政府大力發展工業等經濟效益明顯、污染性較大的產業，對環境、生態破壞性較嚴重，加之地方農業發展基礎薄弱，農產品科技含量較低，農業生產受環境污染影響較大，此時環境規制政策對提升農業全要素生產率有較大推動作用。當GC≥0.717 時，地方政府競爭較為激烈，環境保護、綠色技術創新等指標也被納入政府官員政績考核體系，地方政府會積極引進綠色高效的生產技術和大批科技創新人才，同時矯正生產資源錯配，促使農業節能高效發展，當農業生產變得綠色節能高效時，環境規制對農業全要素生產率的影響也會有所降低。同時，由于環境規制強度增大，環境規制對農業全要素生產率的邊際效用也會有所下降。基于以上分析，假設2 得到驗證。

表8 門檻回歸結果

（二） 空間效應檢驗

由于環境規制對農業生產率的影響還存在空間溢出效應，所以建立空間計量模型以驗證空間效應的大小。不同的空間計量模型表示不一樣的影響機制，SEM 模型假定環境規制產生空間效應主要是通過誤差項來傳導，SAR 模型假設農業全要素生產率主要是通過空間的相互作用影響其他地區的農業全要素生產率，而SAC 模型和SDM 模型則考慮了誤差項和農業生產率的空間溢出效應。此外，SDM 模型還考慮了空間交互的影響，即本區域農業全要素生產率的提升不僅受到本區域環境規制的影響，同時還受到其他地區環境規制的影響?。本文運用空間杜賓模型SDM 進行實證分析，具體模型設置如下：

其中，δW×TFP 和 β2W×ER 分別表示 TFP 和ER 受到的空間影響，μit是服從獨立同分布的擾動項，W 表示空間權重矩陣。由于相鄰區域的環境規制對農業全要素生產率影響較大，而區域相鄰又不是影響農業全要素生產率的唯一因素，地區間的經濟差距也會對空間效應產生影響，因此，本文使用鄰近權重矩陣和經濟距離權重矩陣進行空間回歸分析，鄰近矩陣兩地區相鄰即為1，不相鄰即為0。經濟距離權重矩陣由不同省份的人均GDP 差值倒數來構造?，具體公式如下：

表9 空間模型回歸結果

從表9 發現，經濟距離權重矩陣和鄰近權重矩陣下，SDM 模型的空間項系數均顯著，表明本區域的農業全要素生產率受到空間效應的影響。由于g顯著不為零，則W×TFP、W×ER 和ER 三者的回歸系數與傳統的回歸系數的解釋力存在很大差異。Lesage 和Pace 通過研究發現偏微分方法之效應分解可以有效地解決這一偏差?。故本文對農業全要素生產率的空間影響效應進行分解，分別是直接效應、間接效應和總效應，具體效應大小如表10 所示。

（1） 直接效應。由表10 可知，環境規制對農業全要素生產率的直接效應顯著為正，表明本地區環境規制可顯著促進農業全要素生產率提升。這是因為環境規制倒逼農業生產企業提高原材料利用效率，優化升級生產設備，降低非期望產出，從而推動了農業全要素生產率的提升。

（2） 間接效應。由表10 可知，環境規制的間接效應顯著為正，表明鄰近地區的環境規制對本地區的農業全要素生產率具有顯著的促進作用。合理的解釋是，鄰近地區環境規制強度提升，倒逼其農業生產技術升級，研發投入增加，人力資本存量提升。先進技術和管理經驗由于區域間的貿易往來、人才流動等發生溢出效應，從而帶動了本地區農業生產技術提升和科學管理經驗普及，促進了本地區的農業全要素生產率的提升。

表10 SDM 模型的直接效應、間接效應和總效應

（3） 總效應?？傂獮橹苯有烷g接效應之和。由表10 可知總效應顯著為正，表明環境規制對本地區農業全要素生產率有顯著的促進作用，同時鄰近地區環境規制的促進作用同樣如此，在直接效應和間接效應的綜合影響下，環境規制促進了所有地區的農業全要素生產率的提升?；谝陨戏治?，假設3 得到驗證。

六、研究結論與政策建議

本文基于DEA-Malmquist 測算農業全要素生產率，并運用核密度函數分析了農業全要素生產率的動態變化趨勢。在此基礎上，首先運用動態面板模型探究環境規制對農業全要素生產率的影響，并從科技創新角度闡釋其作用機制；其次以地方政府競爭為門檻變量，探索環境規制對農業全要素生產率的非線性影響關系；最后通過空間杜賓模型檢驗環境規制對農業全要素生產率的空間溢出效應。得出的主要結論如下：

第一，環境規制對農業全要素生產率具有顯著的促進作用，且環境規制通過提高地區科技創新能力來推動農業全要素生產率的提升。

第二，環境規制強度不同，其對農業全要素生產率的促進作用亦會產生差異。當環境規制強度較低時，其對農業全要素生產率提升的促進作用較小，當環境規制強度增大時，其對農業全要素生產率提升的促進作用更為明顯。

第三，由于地方政府競爭力度不同，環境規制對地區農業全要素生產率存在著不同的影響關系。當地方政府競爭程度較小時，環境規制對農業全要素生產率的影響作用較大；當地方政府競爭程度較大時，環境規制對農業全要素生產率的影響作用相對降低。

第四，環境規制對農業全要素生產率的影響存在著顯著的空間溢出效應，即鄰近地區的環境規制強度增強，對本地區的農業全要素生產率提升也存在著顯著的促進作用。

基于上述分析，本文提出以下政策建議：

（1） 政府應動態調整環境規制強度，借助環境規制助推企業提升綠色生產和排放技術。政府應通過制定適宜的環境規制政策，刺激和鼓勵農業企業開發和引進綠色環保的生產科技，使得綠色高效的生產科技成為農業發展的新動力；加強對農業企業從業人員和普通農民的培訓，培養一批新型農業創新人才，激發企業的自主創新能力。同時，地方政府應根據農業發展現狀制定差異化環境規制政策，并動態調整環境規制的工具和強度，通過排污交易權、環境補貼等舉措，持續不斷地促進農業生產率的提升。

（2） 優化地方政府官員的政績考核標準，防止地方政府惡性競爭。對地方政府官員政績的考核要把地區的環境保護、綠色創新、資源利用效率等納入考核指標體系，構建多層次多指標的考核體系，協調分配中央和地方的環境自主權，同時強化地方政府官員、企業和民眾的環保意識，完善現有環保監管體制，落實對地方政府的環保問責制度。

（3） 各省協同實施區域聯防聯控政策。鑒于環境規制存在明顯的空間環境規制溢出效應，在實施環境規制時，需要各個區域形成聯防聯控機制，加強區域間相互監督的力度，借助污染監管信息共享平臺，最終提高各區域環境治理的協同防治力度和效率。

注釋：

① 全炯振：《中國農業全要素生產率增長的實證分析：1978—2007 年——基于隨機前沿分析（SFA） 方法》，《中國農村經濟》2009 年第9 期。

②K. Tone, Dealing with Undesirable Outputs in DEA:A Slacks－Based Measure (SBM) Approach, North American Productivity Workshop, 2004, 23-25, pp.44-45.

③楊芷晴：《教育如何影響農業綠色生產率——基于我國農村不同教育形式的實證分析》，《中國軟科學》2019 年第 8 期。

④ 杜江、王銳、王新華：《環境全要素生產率與農業增長：基于DEA-GML 指數與面板Tobit 模型的兩階段分析》，《中國農村經濟》2016 年第3 期；葛鵬飛、王頌吉、黃秀路：《中國農業綠色全要素生產率測算》，《中國人口·資源與環境》2018 年第5 期。

⑤Anthory Heyes, Is Environmental Regulation Bad for Competition? A Survey, Journal of Regulatory Economics,2009, 36(1), pp.1-28.

⑥ M. E. Porter, C. V. D. Linde, Green and Competitive: Ending the Statement, Harvard Business Review,1995, 28(6), pp.128-129.

⑦ 陶群山、胡浩：《環境規制和農業科技進步的關系分析——基于波特假說的研究》，《中國人口·資源與環境》 2011 年第 12 期。

⑧R. A. Becker, Local Environmental Regulation and Plant-Level Productivity, Ecological Economics, 2011, 70(12),pp.2516-2522；展進濤、徐鈺嬌：《環境規制、農業綠色生產率與糧食安全》，《中國人口·資源與環境》2019 年第3 期。

⑨ 秦騰、章恒全：《農業發展進程中的水環境約束效應及影響因素研究——以長江流域為例》，《南京農業大學學報》 （社會科學版） 2017 年第2 期。

⑩ 潘丹：《考慮資源環境因素的中國農業綠色生產率評價及其影響因素分析》，《中國科技論壇》2014 年第11 期。

? 梁流濤、曲福田、馮淑怡：《基于環境污染約束視角的農業技術效率測度》，《自然資源學報》2012 年第9 期。

?B. Clark, J. B. Foster, Ecological Imperialism and the Global Metabolic Rift: Unequal Exchange and the Guano Nitrates Trade, International Journal of Comparative Sociology, 2009, 50(3-4), pp.311-334.

?M. L. Jorge et al., Competitiveness and Environmental Performance in Spanish Small and Medium Enterprises: Is There a Direct Link, Journal of Cleaner Production, 2015,101(8), pp.26-37.

? A. J. Barbera, V. D. McConnell, The Impact of Environmental Regulations on Industry Productivity: Direct and Indirect Effects, Journal of Environmental Economics and Management, 1990, 18(1), pp.50-65.

? Sten Malmquist, Index Numbers and Indifference Surfaces, Traba Jos de Estadistica, 1953, 4 (2), pp.209-242.

?R. Fare, S. Grosskorf, Malmquist Productivity Indexes and Fisher Ideal Indexes, The Economic Journal,1992, 102(401), pp.158-160.

? W. Keller and A. Levinson, Pollution Abatement Costs and Foreign Direct Investment Inflows to US States,Review of Economics and Statistics, 2002, 84 (4), pp.691-703.

? 李小平、盧現祥、陶小琴：《環境規制強度是否影響了中國工業行業的貿易比較優勢》，《世界經濟》2012年第4 期。

? 秦琳貴、沈體雁：《地方政府競爭、環境規制與全要素生產率》，《經濟經緯》2020 年第5 期。

? 羅知、齊博成：《環境規制的產業轉移升級效應與銀行協同發展效應——來自長江流域水污染治理的證據》，《經濟研究》2021 年第2 期。

?L. Matyas, P. Sevestve, The Econometrics of Panel Data: Fundamentals and Recent Developments in Theory and Practice, Springer Verlag Press, 2008.

? 邵帥、李欣、曹建華、楊莉莉：《中國霧霾污染治理的經濟政策選擇——基于空間溢出效應的視角》，《經濟研究》2016 年第9 期。

? J. P. LeSage and R. K. Pace, Introduction to Spatial Econometrics, Chapman ＆ Hall/CRC Press, 2009.