綠色科技創新對農業綠色全要素生產率的影響分析

張婧茹 任嚴巖

摘要：以2009－2021 年長江經濟帶省域面板數據為基礎，采用空間杜賓模型、內生增長數理模型，運用動態最優化分析方法及中介效應模型探究綠色科技創新是否對長江經濟帶農業綠色全要素生產率產生影響，并分析其影響路徑。研究表明：綠色科技創新可以促進長江經濟帶農業綠色全要素生產率的提升，直接效應為正，但間接效應不顯著；良好的財政政策可以引導農業生產良性發展；農村教育程度越高，越有助于農業綠色全要素生產率的提升；產業結構完善和優化受綠色科技創新的影響，且對農業綠色全要素生產率的提升形成部分中介作用。

關鍵詞：長江經濟帶；綠色科技創新；綠色全要素生產率；空間杜賓模型；動態最優化；農業

中圖分類號：F323；X71 文獻標志碼：A 文章編號：1672-626X（2023）04-0080-12

一、引言

農業是人類生存與發展的支撐，也是一國發展的根本，傳統農業發展動能來源于勞動力、土地等初始資源稟賦，科技創新則是驅動現代農業發展的主要動能[1]，農業綠色全要素生產率需要科技創新的推動。依據新古典經濟增長理論，要素投入是不可持續的經濟增長方式，技術進步是維持經濟長期增長的動力之一[2]。

目前，我國傳統農業與現代技術結合，生產效率得到提高，農產品產量增加，農民的收入增加，但仍存在農業技術水平較低、科技創新能力不足、農產品競爭力不強等問題，與此同時，產能過剩、資源浪費、環境惡化等深層次矛盾仍凸顯。

2011年公布的《全國主體功能區規劃》中提出，長江流域主產區是我國重要的農產品主產區之一，在我國農業發展格局中占據重要戰略地位。2017年黨的十九大報告明確指出需要全方位加強農業綠色發展，從國家戰略角度出發突出農業綠色發展的重要性。2020年習近平總書記在全面推動長江經濟帶發展座談會上，強調貫徹落實黨的十九屆五中全會精神，推動長江經濟帶高質量發展。2020年《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》將提高資源利用效率和生態環境改善作為基本國策。2022年習近平總書記在中央農村工作會議上指出，我國加快建設農業強國需要堅持“雙輪驅動”，即科技與改革雙輪并進。從整體角度出發，農業農村發展涉及內容較多，需要形成全新的戰略方向[3]。創新是農業農村全方位發展的驅動力，需要全方位展現科技創新為農村建設帶來的積極影響，全面呈現引領效果[4]。

本文采用空間杜賓模型、內生增長數理模型，運用動態最優化分析方法及中介效應模型探究綠色科技創新是否對長江經濟帶農業綠色全要素生產率產生影響，分析其影響路徑，并由此提出促進長江經濟帶提升農業綠色全要素生產率的建議。

二、文獻綜述

學術界對于綠色科技創新能否促進農業綠色全要素生產率的提高進行了大量研究，現階段關于綠色科技創新與農業綠色全要素生產率的文獻可以歸納為以下方面：

一是關于綠色科技創新的作用。Wang等（2020）[5]研究表明綠色科技創新可以降低化石能源消費對環境產生的負向影響。許可等（2021）[6]以省級行政區域為研究對象，根據國際專利分類表（IPC）的專利分類號信息測算綠色科技創新；發現綠色科技創新具有環境友好型的特點，綠水青山的建設離不開綠色科技的基礎支撐作用。劉貝貝等（2021）[7]提出綠色科技創新在黃河流域高質量發展中起到重要推進作用。何偉軍等（2022）[8]選擇長江經濟帶作為研究對象，研究表明人力資本積累可提高全要素碳排放效率，并且綠色科技創新在這一過程中起到部分中介作用。

二是關于區域綠色科技創新效率的評價。孫中瑞等（2022）[9]采用超效率SBM模型對中國綠色科技創新效率進行測算，并基于引力模型構建空間關聯網絡，結果表明中國綠色科技創新效率整體存在波動增長的趨勢。許曉冬等（2022）[10]通過建立評價體系評價中國區域綠色科技創新能力，結果表明東部地區綠色科技創新水平較高而西部地區綠色科技創新水平略顯不足。

三是關于影響綠色科技創新的因素。Xu等（2023）[11]研究表明綠色科技創新受異質性環境標準的影響：清潔生產標準對綠色科技創新有顯著的促進作用，但污染排放標準顯著抑制了綠色科技創新。Guo 等（2022）[12]研究表明，消費者的情緒波動對制造商的綠色科技創新起著關鍵作用。康凱等（2023）[13]研究環境規制變量與碳排放變量對綠色科技創新的影響。

四是關于農業綠色全要素生產率測算的研究。郭海紅等（2020）[14]基于“資源-能源-經濟-環境”構建農業綠色全要素生產率理論分析框架，利用改進的EBM模型并結合ML指數從靜態和動態視角進行測算。劉亦文等（2021）[15]利用非期望MinDS超效率-MetaFrontier-Malmquist模型測算農業綠色全要素生產率。劉帥等（2022）[16]選擇黃河流域為研究對象，利用SBE模型測算農業綠色全要素生產率；王亞飛等（2022）[17]選擇全國作為研究對象，利用SBM-ML模型測算農業綠色全要素生產率。

五是關于影響農業綠色全要素生產率因素的研究。孫淑惠等（2022）[18]研究認為數字鄉村可以促進農業綠色全要素生產率的提升，但作用只限于當地區域。同樣，物流業集聚也能夠促進農業綠色全要素生產率提升，但作用也只限于當地區域[19]。王亞飛等（2022）[20]研究認為，農旅產業協同集聚能促進農業綠色全要素生產率提升。楊秀玉等（2023）[21]研究農產品貿易變量對農業綠色全要素生產率的影響，發現農產品貿易與農業綠色全要素生產率之間存在倒U型的關系。金紹榮等（2023）[22]研究人口老齡化變量對農業綠色全要素生產率的影響，結果顯示，雖然人口老齡化能夠促進農業綠色全要素生產率提升，但人口老齡化對農業綠色全要素生產率的促進作用存在明顯的區域差異，在西部與糧食產量較為豐富的地區該促進作用較為顯著。

綜合看來，雖然有很多學者研究綠色科技創新以及農業綠色全要素生產率，但仍存在研究較為缺乏的部分：首先，長江流域主產區作為農業的重點區域，學者們對該區域農業綠色全要素生產率的研究仍較為缺乏；第二，目前關于綠色科技創新對農業綠色全要素生產率的影響研究較為缺乏，更多的是基于定性研究，對于其影響路徑缺乏嚴謹的實證支持。

與已有研究相比，本文擬從以下三個方面進行改進：一是利用長江經濟帶2009－2021年的面板數據，檢驗綠色科技創新對農業綠色全要素生產率的作用效果；二是在既往研究的基礎上，嘗試將綠色科技創新引入內生增長數理模型，運用動態最優化分析方法求解綠色科技創新與農業綠色全要素生產率的邏輯關系；三是利用中介效應模型剖析綠色科技創新影響長江經濟帶農業綠色全要素生產率的傳導路徑。

三、研究設計

這部分將進行研究設計的論述，為后續模型的檢驗提供理論支持；該論述一共分為兩個部分：一是采用考慮空間因素的空間計量模型的構建，二是模型變量的選擇與計算說明。

（一）模型的構建

本文參考張桅等（2020）[23]的權重矩陣計算方法，結合兩種權重矩陣完成空間計量。一是地理距離矩陣（WG）。地理距離矩陣能夠分析兩個地區之間對應的地理距離，并以此為基礎獲得具體權重。二是經濟距離矩陣（WE）。本文基于不同區域人均GDP，通過計算獲得兩個地區的人均GDP差值，在引入絕對值倒數的概念后完成權重設置。Moran's I指數法是主流分析空間自相關性的應用方法，本文采取該方法進行探討。

由于地區的經濟增長并非獨立存在，其不僅受本地區經濟活動政策等方面的影響，還受臨近地區經濟活動的影響，因此本文采用考慮空間因素的空間杜賓模型（SDM），SDM模型由空間滯后模型（SAR）與空間誤差模型（SEM）兩種模型結合而成，代表性更強。SDM模型公式具體如下：

在上述公式中，C 屬于常數項，ε 屬于擾動項；i和t意為空間和時間；μi 表示空間特定效應，ρi 表示時間特定效應；γ 反映模型空間自回歸系數，能夠呈現鄰近單元變量形成的變量影響，為模型運行創造條件；φ和φ' 表示在形成地區觀測值時，獲得其他不同地區自變量的具體影響系數；α 和β 分別表示綠色科技創新系數和其他解釋變量系數。

本文借鑒Lesage等（2009）[24]的研究，采用偏微分法將農業綠色全要素生產率的空間溢出效應分解為直接效應、間接效應及總效應。具體而言，直接效應代表本地解釋變量對本地農業綠色全要素生產率的影響；間接效應代表本地解釋變量對臨近地區農業綠色全要素生產率的影響；總效應代表本地解釋變量對整個區域農業綠色全要素生產率的影響。偏微分法的具體公式如下：

在上述公式中，γ表示空間自回歸系數，其中矩陣對角線元素呈現出的平均值能夠反映出直接效應，即本區域自變量對于農業綠色全要素生產率發展的影響，矩陣非對角線元素呈現出的平均值能夠反映出間接效應，即本區域自變量對周邊區域農業綠色全要素生產率的影響，兩者之和表示總效應。

（二）變量選取與計算說明

被解釋變量：農業綠色全要素生產率（AGTFP）。本文選取指標與計算過程參考郭海紅等（2020）[14]、李健旋（2021）[25]，并選用改進的EBM模型和Malquist-Luenberger指數（ML指數）測度農業綠色全要素生產率。改進的EBM模型即在原EBM基礎上擴展為包含非期望產出的EBM模型，如下：

當GML>1時表示AGTFP提高，當GML<1時表示AGTFP下降。投入指標包括農業從業人員、農業播種面積、農用機械總動力、化肥施用量、農藥、農膜；期望產出為第一產業GDP；非期望產出包含總磷排放、總氮排放、面源污染、二氧化碳排放。

核心解釋變量：綠色科技創新（AGR）。本文參考陳瓊娣等（2009）[26]的觀點，認為綠色科技創新應具有專利屬性，并在劉在洲等（2021）[27]的指標選取基礎上加以改進，改進后的指標更側重對農業領域綠色科技創新的分析，并分別梳理與農業經濟建設有關的綠色發明專利、實用新型專利等用于測算。數據根據IPC分類號在中國知識產權局整理得出。

控制變量：參考已有文獻，從經濟發展、產業發展、創新發展三個角度進行指標選取。經濟發展：財政投入水平（FE）、收入分配（IND）；產業發展：外貿依存度（TRA）、農業結構（INS）；創新發展：農業機械化水平（ML）、農村教育程度（RE）。

財政投入水平（FE）：反映不同區域農林水事務預算在當地預算總額中所占比例。農業財政投入所形成的作用往往存在滯后性，因此可選定滯后一期對應的財政收入為一項解釋變量[28]。

收入分配（IND）：反映城鄉民眾收入差距。數值越高則表明當地政府對于農村地區建設、農業經濟發展的缺乏足夠關注，或當地農業資源存在稟賦差的特點；農業從業人員為增多自身收入，會忽視外部問題[29]。

由此可見，收入分配對于農業綠色全要素生產率可能會形成負影響，需在后階段加以關注。

外貿依存度（TRA）：通過當地農產品進出口市場交易規模和農業產業生產總值之間的比值測算。從整體角度而言，農業發展環境受農產品貿易的影響[30]。

農業結構（INS）：通常通過種植業生產規模在農林漁牧業生產規模中所占比例測算，且數值越大，表明產業集聚度越明顯。預計農業結構可對農業綠色全要素生產率形成積極影響。

農業機械化水平（ML）：以單位播種面積上的農業機械總動力呈現。ML提升會引發溫室氣體排放增多，但同時也能夠提升農業作業效率。

農村教育程度（RE）：用各省市農村平均受教育年限表示。平均教育年限=（文盲數×1+小學學歷人數×6+初中學歷人數×9+高中和中專學歷人數×12+大專及本科以上學歷人數×16）/6歲以上人口總數。可以通過教育培訓提升農民掌握新技術的能力，從而提高農業綠色全要素生產率。

表1給出了本文各變量的描述性統計結果，其中農業綠色全要素生產率的最大值為1.227，最小值為0.881，說明各省份之間農業綠色全要素生產率存在較大差異，這與區域間的要素稟賦等因素有關。綠色科技創新的最大值為7.425，最小值為2.398，同樣說明各省份之間綠色科技創新水平存在較大差異。財政投入水平的最大值為0.184，最小值為0.036，整體來看各省份的財政投入水平相對較低。收入分配的最大值為4.281，最小值為2.014，說明各省份的收入差距同樣存在一定的差異。

考慮長江流域主產區的規劃時間，文章采用2009－2021年中國長江經濟帶11個省市對應的面板數據信息做出分析。表1中的各項指標對應數據信息主要來自于《中國環境統計年鑒》《中國能源統計年鑒》《中國農村統計年鑒》、各省市統計年鑒。這些文件均為官方權威信息資料，缺失部分采用插值法填補。

四、空間杜賓模型檢驗

（一）空間自相關性檢驗

在空間計量模型架構和運行前，需要明確空間自相關，若與空間自相關性有關的系數相對顯著，則意味著研究對象并不以隨機方式分布而具有空間相關的特點。通常可通過全局指標、局域指標表述空間自相關性，并以Moran's I 指數做出探討，本文采用stata15.0軟件對2009－2021年被解釋變量農業綠色全要素生產率AGTFP、綠色科技創新進行全局Moran's I 指數計算，分析綠色全要素生產率的空間溢出效應，結果見表2和表3。

根據表2和表3可知，在地理距離矩陣和經濟距離矩陣下，各年份的全局Moran's I 指數均大于0，且大部分年份都顯著，說明整體來看農業綠色全要素生產率較高的地區，其周邊地區的農業綠色全要素生產率通常也較高，形成了高綠色全要素生產率的關聯效應。這意味著樣本中的任一區域農業綠色全要素生產率均與周邊地區有關，且區位相近的區域對應的農業資源相似度也較高，有助于資金、技術、人才等交流。

2009－2021年長江經濟帶各省市間農業綠色全要素生產率以及綠色科技創新相關性呈波動上升趨勢，其中，2017年Moran's I最低，其原因在于，2017年我國全面推動經濟高質量發展，各地區結合發展規劃方案有序落實，長江經濟帶也在統籌資源、展現自身優勢的過程中促進經濟建設，農業發展體系更為成熟，長江經濟帶的空間依賴性逐漸減少，呈現減弱態勢，整體看來仍在波動中增長。因此，在研究綠色科技創新對農業綠色全要素生產率的影響時，空間因素不可忽視，應當構建空間計量模型進行實證分析。

（二）空間杜賓模型檢驗

本文基于stata15.0軟件，對方程（1）、方程（2）做出模型估計，得到的結果在表4中呈現。

就地理距離矩陣回歸結果而言，綠色科技創新的回歸系數為0.043，且在1%的水平下顯著，即地區的綠色科技創新每提高1個百分點，其農業綠色全要素生產率會提高0.043個百分點。這說明各地區的綠色科技創新在提高本地農業綠色全要素生產率的同時，還會促進周邊地區農業綠色全要素生產率的提升。由于綠色科技創新能夠反映企業創造力、實用新型專利覆蓋面等，這些均可以直接推動企業發展，因此各項成果在運用時均可能助推本區域農業綠色全要素生產率的提高。

農業機械化水平的回歸系數在地理距離矩陣下為-0.107，且在5%的水平下顯著，說明農業機械化水平每提高1個百分點，農業綠色全要素生產率會降低0.107個百分點。從結果來看，在目前的科技水平下，盡管提升農業機械化水平能夠促進生產效率建設，但也容易引發溫室氣體增多，農業機械化水平提高的負效應要大于生產效率提高的正效應。

農村教育程度的回歸系數在地理距離矩陣下為0.044，且在1%的水平下顯著，即農村教育程度每提高1個百分點，綠色全要素生產率會提高0.044個百分點。這是由于較高的教育水平會提高勞動者的學習能力，提高其專業技能，有助于農業綠色全要生產率的提升。

地理距離矩陣和經濟距離矩陣權重下的W*LNAGR系數為正，但不顯著，表明本省市綠色科技創新對相鄰省市農業綠色全要素生產率并不具備顯著作用。這主要是由于目前長江經濟帶并未呈現出整體效應，相關綠色科技創新成果的覆蓋面擴散較慢，科技傳導效應尚未形成。

（三）空間杜賓模型穩健性檢驗

通過將地理距離矩陣、經濟距離矩陣分解為直接效應、間接效應以及總效應，檢驗空間杜賓模型的穩健性，結果見表5。

地理矩陣與經濟矩陣下的綠色科技創新直接效應系數均為正值，同時滿足1%水平顯著性檢驗要求，由此可見綠色科技創新有助于農業綠色全要素生產率的提高，這與之前檢驗結果基本保持一致。綠色科技創新所形成的間接效應并不顯著，原因可能在于當前我國農業技術市場尚未完善，相應的技術交易活躍度也不高，因此綠色科技創新成果在運用過程中的覆蓋面較小，僅在本省市發揮作用，在長江經濟帶不同省市之間形成資源共享的情況不多，且這些省市之間在經濟建設中存有一定競爭，因此較少主動對外分享綠色科技創新成果。總體而言，綠色科技創新成果盡管能夠對周邊地區形成一定影響，但所對應的影響程度較小。

農業機械化水平的地理距離矩陣與經濟距離矩陣的間接效應為負，與上述空間杜賓模型檢驗結果基本保持一致。農村教育程度在地理距離矩陣與經濟距離矩陣的權重下，直接效應回歸系數均顯著為正，經濟距離矩陣下的總效應仍顯著為正，說明農村教育對農業綠色全要素生產率具有正面影響。

綜上所述，分解結果與空間杜賓模型回歸結果基本保持一致，故通過穩健性檢驗，模型結果具有可信性。

五、影響機制檢驗

（一）中介效應模型的建立

為刻畫綠色科技創新影響農業綠色全要素生產率的作用機理，借鑒Romer（1990）[31]、郭峰等（2021）[32]在研究過程中的思路，打造與綠色科技創新、農業綠色全要素生產率相關的內生增長數理模型。在研究中基于柯布道格拉斯生產函數，發揮中介效應模型作用，構造如下：

利用式（13）求E關于T的偏導數，偏導結果為正，表明綠色科技創新對農業綠色全要素生產率具有正向的直接效應，與上述空間杜賓模型分析相符，再結合式（9）可知：綠色科技創新水平T的提高，取決于科研人員的勞動力數量和綠色科技創新能力，首先綠色科技進步助力要素生產效率的提升，促進產業鏈的協調效應；其次隨著科研人員數量的提升，農業將吸納更多投資進入經濟體系，引領產業結構向高質量轉型升級。

故按照理論分析內容結合空間杜賓模型分析結果來看，綠色科技創新對農業綠色全要素生產率的傳導路徑為產業結構升級，綜合運用中介效應檢驗模型和SAR模型，能夠對具體傳導影響途徑做出識別，表達式為：

其中，M為中介變量產業結構升級UIS，用第三產業產值/第二產業產值替代[29]。

（二）中介效應檢驗結果

表6列出地理距離矩陣WG 、經濟距離矩陣WE 下產業結構升級UIS對農業綠色全要素生產率相應中介效應檢驗結果的影響，可以看出：在排除中介變量影響時，LNAGR對于農業綠色全要素生產率的具體影響系數顯著為正；LNAGR對中介變量具體影響系數顯著為正，表明綠色科技創新對產業結構升級具有正向促進效應；納入中介變量，產業結構升級對農業綠色全要素生產率的影響顯著為正，核心解釋變量綠色科技創新LNAGR對農業綠色全要素生產率的影響顯著為正，且在地理距離矩陣WG 權重下系數有所下降，說明產業結構升級在綠色科技創新對農業綠色全要素生產率的影響中具有部分中介效應。

六、結論與建議

（一）結論

利用地理距離矩陣和經濟距離矩陣分別構建空間杜賓模型，并通過構建包含綠色科技創新與農業綠色全要素生產率的內生增長數理模型，檢驗綠色科技創新影響農業綠色全要素生產率的傳導機制。綜合各種分析結果，得出如下主要結論：綠色科技創新對農業綠色全要素生產率具有顯著促進作用，直接效應為正，間接效應不顯著。從控制變量整體來看，地區財政投入水平在促進當地農業綠色全要素生產率的同時，還會提高周邊地區的農業綠色全要素生產率；農村教育程度越高，勞動者的學習能力越強，越有助于農業綠色全要生產率的提升；收入分配、外貿依存度、農業結構、農業機械化水平等能夠對農業綠色全要生產率形成的作用效應并不顯著。

綠色科技創新通過產業結構升級對農業綠色全要素生產率形成部分中介作用。目前長江經濟帶已逐步打造出一體化模式，基建設施也得到有效完善，整體效應正在逐步顯現，提高該產業鏈中的任意節點均可以促進產業鏈整體升級發展，進而產生促進產業結構調整與優化的驅動力，發揮出綠色科技創新對產業結構升級的促進作用。

（二）建議

第一，鼓勵企業綠色科技創新，發揮科技創新在產業升級中的力量。從上述分析可知，綠色科技創新對農業綠色全要素生產率具有顯著促進作用，創新成果可直接提高產出效率，減少高污染的生產模式，對于產業結構的升級起到關鍵性的推動作用。具體來說：政府應鼓勵企業綠色科技創新，并完善政策鼓勵機制，解決“卡脖子”技術難題，激勵企業提高生產效率，優化資源配置，促進產業結構升級；針對長江經濟帶發展不同區域制定適應性的政策措施，鼓勵不同區域技術交流融合，共同提高生產要素的供給質量。

第二，注重政策效果的聯動性，強化長江經濟帶農業產業升級的內在動力。上述理論分析證明長江經濟帶已逐步打造出一體化模式，整體效應正在逐步顯現，得益于國家的各項政策支持，所以應注重政策效果的聯動性。由內生增長數理模型分析可知，強化長江經濟帶農業產業升級的內在動力有助于提升農業綠色全要素生產率。具體來說：聯動性的政策能打破層級限制，維持各區域發展的均衡，促進產業結構升級的同時，善用農業產業升級內生增長的動力，強化宏觀經濟政策對產業升級的作用。

第三，重視農業科技人才培養。創新的基礎離不開人才，農業綠色全要素生產率的提高離不開創新人才，應充分利用長江經濟帶教育資源，培養有關低碳生產、資源利用等專業型人才。具體來說：基層政府主管部門可按照農業產業發展需要，盡可能拓寬培訓教材內容、豐富培訓教材資源，增多對點培訓，使得新型職業農民培育內容更為貼近當地農村實際發展需要，并結合新媒體工具提高培訓互動性，通過組織培訓的方式提升農業從業人員專業能力和綜合素質；農業專業型院校應積極創建校企合作項目，為綠色科技應用提供實踐平臺；加快專業化長江經濟帶農業高質量發展科研平臺的建立，吸引農業科技創新人才，為長江經濟帶農業綠色全要素生產率的提高保駕護航。

參考文獻：

[1] 滕堂偉，王馨雅，唐卓偉.一號文件與中國農業發展動能轉換——基于政策文本的量化分析[J].蘭州大學學報（社會科學版），2018（5）：102-110.

[2] 封永剛.中國農業經濟增長動能的分解與轉換歷程——一個有偏技術進步分析框架[D].重慶：西南大學，2018.

[3] 石寶峰，趙敏娟，夏顯力，等.堅持農業農村優先發展：理論創新與實踐探索——第四屆中國農業經濟理論前沿論壇綜述[J].經濟研究，2021（5）：203-207.

[4] 李文鴻，曹萬林.科技創新、對外開放與京津冀高質量協同發展研究[J].統計與決策，2021（7）：122-126.

[5] WANG H R，CUI H R，ZHAO Q Z. Effect of Green Technology Innovation on Green Total Factor Productivity in China：Evidence from Spatial Durbin Model Analysis[J]. Journal of Cleaner Production，2020，288（15）：1-12.

[6] 許可，張亞峰.綠色科技創新能帶來綠水青山嗎？——基于綠色專利視角的研究[J].中國人口·資源與環境，2021（5）：141-151.

[7] 劉貝貝，左其亭，刁藝璇.綠色科技創新在黃河流域生態保護和高質量發展中的價值體現及實現路徑[J].資源科學，2021（2）：423- 432.

[8] 何偉軍，李聞欽，鄧明亮.人力資本、綠色科技創新與長江經濟帶全要素碳排放效率[J].科技進步與對策，2022（9）：23-31.

[9] 孫中瑞，樊杰，孫勇，等.中國綠色科技創新效率空間關聯網絡結構特征及影響因素[J].經濟地理，2022（3）：33-43.

[10] 許曉冬，秦續天，劉金晶，等.新發展格局下我國區域綠色技術創新能力評價研究[J]. 價格理論與實踐，2022（3）：165-168+205.

[11] XU L，YANG L L，LI D，SHAO S. Asymmetric Effects of Heterogeneous Environmental Standards on Green Technology Innova?tion：Evidence from China[J]. Energy Economics，2023，117（1）：15-38.

[12] GUO H B，LU M T，DING L L. The Effect of Consumer Sentiment on ManufacturersGreen Technology Innovation：A RDEU Evo?lutionary Game Model [J]. Sustainability，2022，15（1）：706-727.

[13] 康凱，張世陽. 環境規制與碳排放對我國流通產業綠色科技創新的影響研究[J]. 商業經濟研究，2023（2）：9-14.

[14] 郭海紅，劉新民.中國農業綠色全要素生產率時空演變[J].中國管理科學，2020（9）：66-75.

[15] 劉亦文，歐陽瑩，蔡宏宇.中國農業綠色全要素生產率測度及時空演化特征研究[J].數量經濟技術經濟研究，2021（5）：39-56.

[16] 劉帥，張航宇，蔡文靜.黃河流域農業綠色全要素生產率的空間格局與動態演進[J].生態與農村環境學報，2022（12）：1557-1566.

[17] 王亞飛，張齊家，柏穎.我國農業綠色全要素生產率及其時空演變[J].統計與決策，2022（20）：98-102.

[18] 孫淑惠，劉傳明，陳曉楠.數字鄉村、網絡溢出和農業綠色全要素生產率[J].中國農業資源與區劃，2022（18）：1-19.

[19] 鄢曹政，殷旅江，何波.物流業集聚、空間溢出效應與農業綠色全要素生產率[J].中國流通經濟，2022（9）：3-16.

[20] 王亞飛，徐銘，張齊家.農旅產業協同集聚對農業綠色全要素生產率增長的影響：作用機理與經驗證據[J].安徽師范大學學報（人文社會科學版），2022（4）：143-157.

[21] 楊秀玉，仝錦濤.農產品貿易對農業綠色全要素生產率的空間溢出效應——基于農業產業集聚的調節作用[J].中國農業資源與區劃，2023（18）：1-15.

[22] 金紹榮，王佩佩.人口老齡化、農地流轉與農業綠色全要素生產率[J].宏觀經濟研究，2023（1）：101-117.

[23] 張桅，胡艷.長三角地區創新型人力資本對綠色全要素生產率的影響——基于空間杜賓模型的實證分析[J].中國人口·資源與環境，2020（9）：106-120.

[24] LESAGE J，PACE R.Introduction to Spatial Econometrics[M].Boca Raton：CRC Press，2009：189-207.

[25] 李健旋.農村金融發展與農業綠色全要素生產率提升研究[J].管理評論，2021（3）：84-95.

[26] 陳瓊娣，胡允銀．“綠色專利”制度設計[J].中國科技論壇，2009（3）：106-109+114.

[27] 劉在洲，汪發元.綠色科技創新、財政投入對產業結構升級的影響——基于長江經濟帶2003－2019年數據的實證分析[J].科技進步與政策，2021（4）：53-61.

[28] 肖銳，陳池波.財政支持能提升農業綠色生產率嗎？——基于農業化學品投入的實證分析[J].中南財經政法大學學報，2017（1）：18-24.

[29] BOYCE J K. Inequality as a Cause of Environmental Degradation[J]. Ecological Economics，1994，11（3）：169-178.

[30] MINTEN B，RANDRIANARISON L，SWINNEN J.Spillovers from High-value Agriculture for Exports on Land Use in Developing Countries：Evidence from Madagascar[J]. Agricultural Economics，2007，37（2-3）：265-275.

[31] ROMER P M. Endogenous Technological Change[J].Journal of Political Economy，1990，98（5）：S71-S102．

[32] 郭峰，陳凱.空間視域下互聯網發展對城市環境質量的影響——基于空間杜賓模型和中介效應模型[J].經濟問題探索，2021（1）：104-112.

（責任編輯：何飛）