農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)綠色全要素生產(chǎn)率增長的時空效應(yīng)研究

韓海彬，鄧 美

（天津商業(yè)大學 公共管理學院，天津 300134）

一、引言與文獻綜述

農(nóng)業(yè)是我國國民經(jīng)濟的基礎(chǔ)，更是人類社會的衣食之源與生存之本。當前我國農(nóng)業(yè)面臨著資源約束趨緊、勞動力短缺、生產(chǎn)技術(shù)落后等多重挑戰(zhàn)，要破解農(nóng)業(yè)發(fā)展中的多重困境，只有促進農(nóng)業(yè)高質(zhì)量發(fā)展，而提升農(nóng)業(yè)全要素生產(chǎn)率（TFP）是促進農(nóng)業(yè)高質(zhì)量發(fā)展的關(guān)鍵所在[1]。此外，2022年中央農(nóng)村工作會議對建設(shè)農(nóng)業(yè)強國進行了系統(tǒng)闡釋和全面部署，農(nóng)業(yè)TFP作為一個復(fù)合指標能夠集中反映和刻畫農(nóng)業(yè)強國的多維特征，因此農(nóng)業(yè)TFP增長是農(nóng)業(yè)強國建設(shè)的內(nèi)生驅(qū)動力。同時，2022年中央農(nóng)村工作會議上提出要建設(shè)農(nóng)業(yè)強國需堅持農(nóng)業(yè)綠色發(fā)展底色，為此要加快發(fā)展生態(tài)低碳農(nóng)業(yè)。我國農(nóng)業(yè)亟需重構(gòu)增長機制，實現(xiàn)由要素驅(qū)動的粗放型增長向綠色全要素生產(chǎn)率驅(qū)動的綠色高質(zhì)量發(fā)展轉(zhuǎn)變[2]。不同于傳統(tǒng)的農(nóng)業(yè)TFP，農(nóng)業(yè)綠色全要素生產(chǎn)率（GTFP）將農(nóng)業(yè)環(huán)境污染作為非期望產(chǎn)出納入分析框架，更能刻畫農(nóng)業(yè)綠色高質(zhì)量發(fā)展的真實水平。由此可見，促進農(nóng)業(yè)GTFP增長是推動農(nóng)業(yè)綠色高質(zhì)量發(fā)展的核心動力，將有助于提高農(nóng)業(yè)可持續(xù)發(fā)展能力，加快農(nóng)業(yè)強國建設(shè)。

當前，我國正由農(nóng)業(yè)大國向農(nóng)業(yè)強國邁進，加快農(nóng)業(yè)強國建設(shè)的基本前提是轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式。互聯(lián)網(wǎng)、云計算和大數(shù)據(jù)等數(shù)字技術(shù)被廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域，使現(xiàn)代信息技術(shù)與農(nóng)業(yè)生產(chǎn)的各個環(huán)節(jié)實現(xiàn)高效融合，是促進農(nóng)業(yè)發(fā)展方式轉(zhuǎn)變的迫切需要。因此，隨著數(shù)字技術(shù)滲透到農(nóng)業(yè)各生產(chǎn)環(huán)節(jié)，農(nóng)業(yè)數(shù)字化已成為促進農(nóng)業(yè)發(fā)展方式轉(zhuǎn)型，推動農(nóng)業(yè)高質(zhì)量發(fā)展的重要手段。2019年《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》指出要提高農(nóng)業(yè)數(shù)字化水平，建設(shè)綠色智慧鄉(xiāng)村，推廣農(nóng)業(yè)綠色生產(chǎn)方式，推動農(nóng)業(yè)綠色發(fā)展。隨著農(nóng)業(yè)數(shù)字基礎(chǔ)設(shè)施建設(shè)逐漸完善，農(nóng)業(yè)新技術(shù)和新知識可以利用數(shù)字渠道改善農(nóng)業(yè)生產(chǎn)方式，促進農(nóng)業(yè)綠色生產(chǎn)，最終推動農(nóng)業(yè)綠色高質(zhì)量發(fā)展。農(nóng)業(yè)數(shù)字化與農(nóng)業(yè)GTFP均是加快農(nóng)業(yè)強國建設(shè)的有效方式，并且分別作為推動農(nóng)業(yè)綠色高質(zhì)量發(fā)展的重要手段和核心動力。那么，農(nóng)業(yè)數(shù)字化與農(nóng)業(yè)GTFP之間是否具有關(guān)聯(lián)性，這種關(guān)聯(lián)性又是否能突破傳統(tǒng)地理界線并表現(xiàn)出一定程度的空間溢出效應(yīng)？本文試圖通過明晰上述問題，揭示農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP增長的驅(qū)動機制，從而為促進農(nóng)業(yè)綠色高質(zhì)量發(fā)展轉(zhuǎn)型升級，加快農(nóng)業(yè)強國建設(shè)提供理論支持和政策參考。

農(nóng)業(yè)數(shù)字化是一個集物聯(lián)網(wǎng)、智能農(nóng)業(yè)、自動化農(nóng)業(yè)于一體的現(xiàn)代數(shù)字農(nóng)業(yè)發(fā)展模式。當前學界對農(nóng)業(yè)數(shù)字化的研究正處于起步和快速發(fā)展階段，相關(guān)研究主要集中于農(nóng)業(yè)數(shù)字化轉(zhuǎn)型、農(nóng)業(yè)數(shù)字化評價以及農(nóng)業(yè)數(shù)字化賦能作用等方面。在農(nóng)業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)研究中，國內(nèi)外學者主要從農(nóng)業(yè)數(shù)字化轉(zhuǎn)型的戰(zhàn)略意義、制約因素及實施路徑等方面展開探討[3-4]；在農(nóng)業(yè)數(shù)字化評價方面，相關(guān)文獻主要圍繞相對寬泛的數(shù)字鄉(xiāng)村建設(shè)綜合評價展開，只有少數(shù)文獻聚焦農(nóng)業(yè)領(lǐng)域，在構(gòu)建農(nóng)業(yè)數(shù)字化指標體系的基礎(chǔ)上利用靜態(tài)評價法對農(nóng)業(yè)數(shù)字化發(fā)展水平進行綜合評價[5]；在農(nóng)業(yè)數(shù)字化賦能作用方面，相關(guān)文獻從理論或?qū)嵶C層面探討了農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)強國建設(shè)、鄉(xiāng)村產(chǎn)業(yè)轉(zhuǎn)型、農(nóng)業(yè)綠色發(fā)展以及新型農(nóng)業(yè)經(jīng)營體系構(gòu)建等方面的重要作用[6-7]。

傳統(tǒng)的農(nóng)業(yè)TFP測度只考慮農(nóng)業(yè)投入要素對農(nóng)業(yè)經(jīng)濟增長的正向效應(yīng)，而忽略其對農(nóng)業(yè)生態(tài)環(huán)境的負向效應(yīng)，從而導致政府部門在制定相關(guān)政策時僅關(guān)注農(nóng)業(yè)經(jīng)濟績效而忽略農(nóng)業(yè)生態(tài)環(huán)境保護，這不符合農(nóng)業(yè)綠色高質(zhì)量發(fā)展的目標要求。農(nóng)業(yè)GTFP將環(huán)境因素納入農(nóng)業(yè)TFP的分析框架，不僅追求農(nóng)業(yè)生產(chǎn)活動的經(jīng)濟績效，還考慮資源與環(huán)境約束，以實現(xiàn)農(nóng)業(yè)產(chǎn)出增長與環(huán)境治理的雙贏目標，從而使農(nóng)業(yè)TFP評價更符合農(nóng)業(yè)綠色高質(zhì)量發(fā)展的內(nèi)在要求[8]。近年來，隨著農(nóng)業(yè)環(huán)境污染問題日益凸顯以及促進農(nóng)業(yè)綠色高質(zhì)量發(fā)展的現(xiàn)實需要，越來越多的學者將農(nóng)業(yè)環(huán)境污染排放納入農(nóng)業(yè)TFP測度體系，并對農(nóng)業(yè)GTFP的評價及影響因素等問題展開研究。

在評價方法上，早期文獻大多利用基于方向性距離函數(shù)（DDF）的Malmquist-Luenberger（ML）指數(shù)將農(nóng)業(yè)環(huán)境污染作為非期望產(chǎn)出納入評價指標體系，從而有效解決了農(nóng)業(yè)環(huán)境全要素生產(chǎn)率評價問題。然而DDF模型假設(shè)投入和產(chǎn)出變量同比例變化，這種強假設(shè)條件與事實不符。為此，Tone（2003）[9]提出了非徑向SBM 模型，該模型能夠考慮松弛變量，克服了傳統(tǒng)徑向模型的弊端。因此，目前大多文獻傾向于利用基于SBM模型的ML指數(shù)對農(nóng)業(yè)環(huán)境全要素生產(chǎn)率進行評價[10]。然而，需要說明的是，SBM模型將生產(chǎn)前沿面上距離決策單元最遠的點作為投影點，這與以最短路徑到達生產(chǎn)前沿面的效率優(yōu)化目標相違背[11]。為此，Aparicio 等（2007）[12]提出了以強有效生產(chǎn)前沿面上距離決策單元最近的點作為投影點的MinDS（Minimum Distance model to Strong Efficient Frontier）模型，從而有效解決了SBM模型的弊端。鑒于此，少數(shù)學者如肖琴等（2020）[13]和劉亦文等（2021）[14]開始嘗試將MinDS模型與ML指數(shù)相結(jié)合構(gòu)建用于環(huán)境全要素生產(chǎn)率評價的MinDS-ML指數(shù)模型。

影響農(nóng)業(yè)GTFP增長的因素是多維度的，現(xiàn)有文獻分別圍繞自然因素、經(jīng)濟因素、科技因素和社會因素等對農(nóng)業(yè)GTFP的驅(qū)動機制展開全方位探討。但現(xiàn)有關(guān)于探究農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP增長的影響效應(yīng)方面的文獻較少，相關(guān)研究主要圍繞宏觀經(jīng)濟領(lǐng)域，探討數(shù)字經(jīng)濟對GTFP的影響。此外，專門聚焦農(nóng)業(yè)領(lǐng)域的少數(shù)文獻主要從相對寬泛的數(shù)字鄉(xiāng)村層面出發(fā)，探討其對農(nóng)業(yè)GTFP的影響。例如，杜建軍等（2023）[15]在對數(shù)字鄉(xiāng)村指數(shù)和農(nóng)業(yè)GTFP指數(shù)進行測度的基礎(chǔ)上，利用中介效應(yīng)模型探討了數(shù)字鄉(xiāng)村對農(nóng)業(yè)GTFP增長的作用機制。

鑒于此，本文從以下兩方面對現(xiàn)有文獻進行拓展：一是在研究內(nèi)容上，目前專門探討農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP影響的文獻還不多見。本文在厘清農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP影響機理的基礎(chǔ)上，利用空間計量模型實證檢驗農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP增長的時空效應(yīng)，將有助于從空間視角揭示農(nóng)業(yè)數(shù)字化與農(nóng)業(yè)GTFP之間的內(nèi)在機理，從而為推動農(nóng)業(yè)綠色轉(zhuǎn)型發(fā)展提供新動能。二是在研究方法上，首先，本文利用基于二次加權(quán)的“縱橫向”拉開檔次法對考察期內(nèi)我國各省份的農(nóng)業(yè)數(shù)字化發(fā)展水平進行動態(tài)評價，既能從縱向視角揭示各省份農(nóng)業(yè)數(shù)字化發(fā)展水平的動態(tài)演變規(guī)律，又能從橫向角度刻畫不同省份農(nóng)業(yè)數(shù)字化發(fā)展水平的優(yōu)劣態(tài)勢，而且通過基于時間的二次加權(quán)，能夠從時間和空間雙重維度探索農(nóng)業(yè)數(shù)字化發(fā)展水平的時空演變規(guī)律，從而有效克服了傳統(tǒng)靜態(tài)評價法的缺陷。其次，本文將MinDS 模型與Global ML 指數(shù)相結(jié)合構(gòu)建MinDS-GML 指數(shù)模型，并利用該指數(shù)模型對我國各省份的農(nóng)業(yè)GTFP 進行測度。該模型不僅具有MinDS模型的優(yōu)良特性，而且還能解決傳統(tǒng)ML 指數(shù)不可傳遞性及可能出現(xiàn)無可行解的缺陷，從而保證測度結(jié)果的準確性和科學性。

二、農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP的影響機制

與傳統(tǒng)農(nóng)業(yè)相比，數(shù)字農(nóng)業(yè)具有數(shù)據(jù)化、可視化、網(wǎng)絡(luò)化、智能化和共享化等特點。數(shù)字技術(shù)與農(nóng)業(yè)生產(chǎn)相結(jié)合可轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式，促進農(nóng)業(yè)GTFP增長。另外，從空間視角來看，農(nóng)業(yè)數(shù)字化發(fā)展打破了時空壁壘，增強了區(qū)域間農(nóng)業(yè)信息和資源交互作用的廣度和深度，在提升本地區(qū)農(nóng)業(yè)GTFP的同時，也可能對鄰接地區(qū)農(nóng)業(yè)GTFP產(chǎn)生正向或負向影響。具體來說，農(nóng)業(yè)數(shù)字化可通過促進和抑制兩種不同的作用方向影響農(nóng)業(yè)GTFP。

從農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP的抑制作用看，農(nóng)業(yè)數(shù)字化主要通過馬太效應(yīng)、虹吸效應(yīng)、擠出效應(yīng)和不良競爭效應(yīng)抑制農(nóng)業(yè)GTFP增長。首先，當區(qū)域間農(nóng)業(yè)數(shù)字化發(fā)展水平差異較大時，農(nóng)業(yè)數(shù)字化水平較高的地區(qū)會聚集更多的人才、資金等生產(chǎn)要素，造成“強者愈強，弱者愈弱”的馬太效應(yīng)[16]，從而導致不同區(qū)域農(nóng)業(yè)數(shù)字化發(fā)展水平之間的差距進一步拉大，區(qū)域間農(nóng)業(yè)數(shù)字化發(fā)展失衡可能會抑制農(nóng)業(yè)GTFP增長。其次，區(qū)域農(nóng)業(yè)數(shù)字化發(fā)展不平衡產(chǎn)生了“數(shù)字鴻溝”，在這過程中，對鄰接地區(qū)較高級的生產(chǎn)要素產(chǎn)生虹吸效應(yīng)[17]，導致鄰接地區(qū)優(yōu)質(zhì)資源流失；同時，隨著本地區(qū)聚集高級生產(chǎn)要素的農(nóng)業(yè)產(chǎn)業(yè)不斷飽和，一部分存在高污染、高消耗的農(nóng)業(yè)產(chǎn)業(yè)被擠出到鄰接地區(qū)，進而導致鄰接地區(qū)的環(huán)境污染加重，從而對鄰接地區(qū)的農(nóng)業(yè)GTFP增長產(chǎn)生抑制作用。最后，相鄰地區(qū)會通過不良競爭導致農(nóng)業(yè)資源浪費，阻礙農(nóng)業(yè)生產(chǎn)由傳統(tǒng)技術(shù)向綠色技術(shù)轉(zhuǎn)型，進而產(chǎn)生對農(nóng)業(yè)GTFP增長的負向影響。

從農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP的促進作用看，農(nóng)業(yè)數(shù)字化主要通過良性競爭效應(yīng)、溢出效應(yīng)、生態(tài)效應(yīng)和示范效應(yīng)促進農(nóng)業(yè)GTFP增長。首先，隨著農(nóng)業(yè)數(shù)字化發(fā)展水平的提升，相鄰地區(qū)通過良性競爭實現(xiàn)優(yōu)勢互補，可有效縮短農(nóng)業(yè)生產(chǎn)技術(shù)研發(fā)周期，從而促進農(nóng)業(yè)GTFP增長。其次，農(nóng)業(yè)數(shù)字化發(fā)展產(chǎn)生的先進技術(shù)和管理經(jīng)驗可通過互聯(lián)網(wǎng)突破時空約束，產(chǎn)生空間溢出效應(yīng)，實現(xiàn)遠距離傳播，從而促進鄰接地區(qū)農(nóng)業(yè)GTFP增長。此外，農(nóng)業(yè)數(shù)字化發(fā)展實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)鏈生態(tài)循環(huán)，促進農(nóng)產(chǎn)品和農(nóng)業(yè)資源的循環(huán)利用，促進農(nóng)業(yè)經(jīng)濟增長的同時減少環(huán)境污染，最終有利于提升農(nóng)業(yè)GTFP。最后，相鄰地區(qū)通過示范效應(yīng)學習和借鑒農(nóng)業(yè)生產(chǎn)的新技術(shù)和新模式，實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)的轉(zhuǎn)型與升級，進而促進農(nóng)業(yè)GTFP增長。

三、研究方法、變量選取與數(shù)據(jù)來源

（一）研究方法

1.空間計量模型設(shè)定

本文采用空間計量模型分析農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP增長的時空效應(yīng)。常見的空間計量模型主要包括空間滯后模型、空間誤差模型和空間杜賓模型。其中，空間杜賓模型是更為一般化的空間計量模型，可用于分析本地區(qū)的被解釋變量是否受到本地區(qū)和鄰接地區(qū)的解釋變量的影響。因此，本文參考程德智和王滿倉（2021）[18]的研究，構(gòu)建如下空間杜賓模型以揭示農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP增長的時空效應(yīng)：

其中，i和t分別表示地區(qū)和年份；GTFP表示被解釋變量，即農(nóng)業(yè)綠色全要素生產(chǎn)率累計值；W表示空間權(quán)重矩陣；Digit表示作為核心解釋變量的農(nóng)業(yè)數(shù)字化；δWijDigitit表示農(nóng)業(yè)數(shù)字化的空間滯后項；Xit表示其他控制變量的集合；表示控制變量的空間滯后項；θit表示誤差項。

2.空間權(quán)重矩陣設(shè)置

構(gòu)建空間權(quán)重矩陣是進行空間計量分析的重要前提。在已有文獻中，地理距離或經(jīng)濟距離是最常見的空間權(quán)重矩陣的權(quán)重元素。本文綜合考慮地理距離權(quán)重和經(jīng)濟距離權(quán)重雙重維度疊加的影響，參考任陽軍等（2022）[19]的研究，構(gòu)建如下農(nóng)業(yè)經(jīng)濟地理嵌套權(quán)重矩陣（W）：

其中，Wg為地理距離權(quán)重矩陣，該矩陣的元素為考察期內(nèi)省份間經(jīng)緯度距離的倒數(shù)；為農(nóng)業(yè)經(jīng)濟規(guī)模對角矩陣，該矩陣的元素為t0到t1時段各省份農(nóng)林牧漁業(yè)總產(chǎn)值均值與全國農(nóng)林牧漁業(yè)總產(chǎn)值均值的比值。

（二）變量選取

1.被解釋變量：農(nóng)業(yè)GTFP

按照韓海彬和楊冬燕（2023）[20]的思路，從投入產(chǎn)出角度構(gòu)建農(nóng)業(yè)GTFP評價指標體系。具體來說，本文選取的投入指標包括土地投入、勞動力投入、農(nóng)業(yè)機械投入和化肥投入；選取的期望產(chǎn)出指標為農(nóng)林牧漁業(yè)總產(chǎn)值。此外，在農(nóng)業(yè)生產(chǎn)過程中除了產(chǎn)生期望產(chǎn)出之外，還會產(chǎn)生對農(nóng)業(yè)生態(tài)環(huán)境造成污染的非期望產(chǎn)出，本文將農(nóng)業(yè)面源污染和農(nóng)業(yè)碳排放作為非期望產(chǎn)出指標，具體核算方法參見韓海彬（2020）[21]的研究。

在構(gòu)建農(nóng)業(yè)GTFP 評價指標體系的基礎(chǔ)上，本文將MinDS 模型與Global ML 指數(shù)相結(jié)合構(gòu)建MinDSGML 指數(shù)模型，并利用該模型對我國各省份的農(nóng)業(yè)GTFP 指數(shù)進行測度，具體公式參照Han 和Zhang（2020）[22]的方法。

2.核心解釋變量：農(nóng)業(yè)數(shù)字化（Digit）

在已有相關(guān)文獻的基礎(chǔ)上[23]，本文構(gòu)建包括農(nóng)業(yè)數(shù)字化的發(fā)展環(huán)境、基礎(chǔ)設(shè)施環(huán)境和應(yīng)用環(huán)境3個一級指標以及14個二級指標在內(nèi)的農(nóng)業(yè)數(shù)字化評價指標體系（見表1）。在此基礎(chǔ)上，參考韓海彬（2020）[21]的思路，利用基于二次加權(quán)的“縱橫向”拉開檔次法對我國各省份的農(nóng)業(yè)數(shù)字化水平進行測度。

表1 農(nóng)業(yè)數(shù)字化評價指標體系

3.控制變量

借鑒已有研究[24]，選取以下控制變量：（1）工業(yè)化水平（Industry）。工業(yè)化可能對農(nóng)業(yè)生產(chǎn)產(chǎn)生技術(shù)溢出效應(yīng)，從而推動農(nóng)業(yè)現(xiàn)代化發(fā)展，并對農(nóng)業(yè)GTFP增長產(chǎn)生影響。本文采用工業(yè)總產(chǎn)值占國內(nèi)生產(chǎn)總值的比重衡量工業(yè)化水平。（2）農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（Agristru）。種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)的比例結(jié)構(gòu)變化，將導致不同細分部門之間的生產(chǎn)要素投入結(jié)構(gòu)發(fā)生變化，進而引起農(nóng)業(yè)GTFP的變化。本文采用農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧漁業(yè)總產(chǎn)值的比重衡量農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。（3）電力利用水平（Electricity）。農(nóng)村電力系統(tǒng)與農(nóng)業(yè)產(chǎn)業(yè)發(fā)展息息相關(guān)，加強農(nóng)村電力基礎(chǔ)設(shè)施建設(shè)，充分發(fā)揮其能源優(yōu)化配置的核心優(yōu)勢，以高效和安全的能源供給方式適應(yīng)現(xiàn)代化農(nóng)村生產(chǎn)模式，進而促進農(nóng)業(yè)GTFP增長。本文采用農(nóng)村用電量與農(nóng)作物總播種面積的比值衡量電力利用水平。（4）城鄉(xiāng)收入差距（Income）。城鄉(xiāng)收入差距擴大直接影響農(nóng)民的農(nóng)業(yè)生產(chǎn)行為，可能導致部分農(nóng)民為追求高產(chǎn)量和高收入而過量使用農(nóng)用化學品，從而對農(nóng)業(yè)GTFP增長產(chǎn)生影響。本文采用城鎮(zhèn)居民人均可支配收入與農(nóng)村居民家庭人均純收入的比值衡量城鄉(xiāng)收入差距。

（三）數(shù)據(jù)來源

限于數(shù)據(jù)的可獲得性，本文選取2011—2020年不包括西藏和港澳臺地區(qū)的30個省份的面板數(shù)據(jù)作為樣本進行實證研究。文中涉及的原始數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》以及各省、自治區(qū)、直轄市的統(tǒng)計年鑒等。表2為各變量的描述性統(tǒng)計結(jié)果。

表2 變量描述性統(tǒng)計結(jié)果

四、實證結(jié)果與分析

（一）農(nóng)業(yè)GTFP與農(nóng)業(yè)數(shù)字化的測度結(jié)果

圖1刻畫了考察期內(nèi)30個省份的農(nóng)業(yè)GTFP與農(nóng)業(yè)數(shù)字化的年平均值，其中左縱坐標表示農(nóng)業(yè)GTFP指數(shù)，右縱坐標表示農(nóng)業(yè)數(shù)字化水平。

圖1 2011—2020年我國各省份農(nóng)業(yè)GTFP和農(nóng)業(yè)數(shù)字化的平均值

如圖1所示，從農(nóng)業(yè)GTFP的測度結(jié)果來看，絕大部分省份的農(nóng)業(yè)GTFP均值大于1，說明考察期內(nèi)我國農(nóng)業(yè)GTFP整體提升，農(nóng)業(yè)綠色轉(zhuǎn)型發(fā)展已見成效。從農(nóng)業(yè)數(shù)字化的測度結(jié)果來看，考察期內(nèi)農(nóng)業(yè)數(shù)字化均值排在全國前五位的省份均位于東部地區(qū)，分別為江蘇（34.3500）、浙江（33.3510）、廣東（30.5268）、北京（29.7475）和上海（27.9687），這些省份的農(nóng)業(yè)數(shù)字化水平均較高，農(nóng)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展位于全國前列。相較而言，農(nóng)業(yè)數(shù)字化均值位列全國后五位的省份均位于西部地區(qū)，分別為新疆（13.6202）、貴州（13.4062）、寧夏（12.8646）、甘肅（12.5319）和青海（10.0721）。其中，全國農(nóng)業(yè)數(shù)字化發(fā)展水平最高省份江蘇是最低省份青海的3.4倍。可見，我國各省份間農(nóng)業(yè)數(shù)字化發(fā)展水平具有較大差異。

（二）空間計量模型的選擇

本文利用空間計量模型探討農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP的空間溢出效應(yīng)，但空間計量模型的具體形式需通過各種檢驗進行確定，具體檢驗結(jié)果見表3。首先，判斷模型是否存在空間誤差項和空間滯后項需要進行LM 檢驗。LM 檢驗結(jié)果顯示：LM-lag、Robust LM-lag 和Robust LM-error 統(tǒng)計量均在1%的顯著性水平上拒絕原假設(shè)，LM-error統(tǒng)計量也在10%的顯著性水平上拒絕原假設(shè)，說明空間誤差項和空間滯后項均應(yīng)包含在所構(gòu)建的模型中，因此本文考慮空間因素并利用空間計量模型進行實證分析是合理的。其次，LR似然比檢驗和Wald檢驗均證明空間杜賓模型不能退化為空間滯后模型和空間誤差模型，因此應(yīng)選用空間杜賓模型進行回歸分析。此外，Hausman檢驗結(jié)果支持選擇固定效應(yīng)模型。而且，時間LR檢驗和空間LR檢驗均在1%的顯著性水平上拒絕原假設(shè)，因此還需考慮時空雙固定效應(yīng)模型。綜上，空間杜賓模型是最優(yōu)選擇。

表3 空間計量模型選擇檢驗結(jié)果

（三）空間杜賓模型回歸結(jié)果分析

本文基于時空雙固定效應(yīng)空間杜賓模型探討農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP的時空效應(yīng)，結(jié)果見表4。

表4 時空雙固定效應(yīng)空間杜賓模型回歸結(jié)果

由表4可知，空間自相關(guān)系數(shù)ρ通過了10%的顯著性檢驗，說明農(nóng)業(yè)GTFP存在顯著的空間溢出效應(yīng)，且回歸結(jié)果的擬合優(yōu)度R-squared為0.8697，說明本文構(gòu)建的時空雙固定效應(yīng)空間杜賓模型是合理的。需要說明的是，簡單的點估計結(jié)果可能導致對空間溢出效應(yīng)的錯誤詮釋，而采用偏微分分解方法分解得到直接效應(yīng)、間接效應(yīng)和總效應(yīng)可以提高結(jié)論的準確性[25]。此外，考慮到傳統(tǒng)的固定效應(yīng)模型存在偏誤，本文基于Lee和Yu（2010）[26]的研究，同時給出傳統(tǒng)的時空雙固定效應(yīng)空間杜賓模型以及時空雙固定效應(yīng)偏誤校正空間杜賓模型的空間效應(yīng)分解結(jié)果，具體見表5。

表5 空間杜賓模型的空間效應(yīng)分解結(jié)果

由表5可知，兩種模型的空間效應(yīng)分解結(jié)果基本一致，證明了本文實證結(jié)果的穩(wěn)健性。其中，以本地區(qū)各解釋變量對本地區(qū)農(nóng)業(yè)GTFP的影響效應(yīng)表示直接效應(yīng)；以本地區(qū)各解釋變量對鄰接地區(qū)農(nóng)業(yè)GTFP的影響效應(yīng)表示間接效應(yīng)，即空間溢出效應(yīng)。由于時空雙固定效應(yīng)空間杜賓模型的應(yīng)用更為廣泛，下文將以該模型為例對空間效應(yīng)分解結(jié)果進行分析。

從核心解釋變量的空間效應(yīng)分解來看，農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP具有顯著的正向直接效應(yīng)，其回歸系數(shù)在10%的水平上顯著為正，表明本地區(qū)農(nóng)業(yè)數(shù)字化對本地區(qū)農(nóng)業(yè)GTFP增長具有顯著的正向促進作用。可能的原因是，隨著本地區(qū)農(nóng)業(yè)數(shù)字化水平的提升，以大數(shù)據(jù)、互聯(lián)網(wǎng)等為基礎(chǔ)的農(nóng)業(yè)數(shù)字技術(shù)與農(nóng)業(yè)生產(chǎn)各環(huán)節(jié)的深度融合，能夠促進農(nóng)業(yè)技術(shù)進步，實現(xiàn)農(nóng)業(yè)規(guī)模化經(jīng)營，提高農(nóng)藥、化肥等農(nóng)業(yè)資源的利用效率，從而減少農(nóng)業(yè)碳排放，最終有利于促進本地區(qū)農(nóng)業(yè)GTFP增長。同時，農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP的間接效應(yīng)在1%的水平上顯著為正，表明本地區(qū)農(nóng)業(yè)數(shù)字化對鄰接地區(qū)農(nóng)業(yè)GTFP增長也具有顯著的正向影響。且農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP 的間接效應(yīng)強于直接效應(yīng)，說明農(nóng)業(yè)數(shù)字化對鄰接地區(qū)的農(nóng)業(yè)GTFP 的促進作用更明顯。可能的原因是隨著本地區(qū)農(nóng)業(yè)數(shù)字化水平的提升，本地區(qū)先進的農(nóng)業(yè)生產(chǎn)技術(shù)和管理經(jīng)驗將對鄰接地區(qū)產(chǎn)生示范效應(yīng)和溢出效應(yīng)，引導鄰接地區(qū)效仿和發(fā)揚本地區(qū)的先進經(jīng)驗，從而對鄰接地區(qū)農(nóng)業(yè)GTFP增長具有顯著促進作用。

從其他解釋變量的空間效應(yīng)分解來看，工業(yè)化水平對農(nóng)業(yè)GTFP具有顯著的正向直接效應(yīng)，表明本地區(qū)的工業(yè)化水平顯著促進了本地區(qū)農(nóng)業(yè)GTFP的增長。主要原因是工業(yè)化快速發(fā)展對農(nóng)業(yè)生產(chǎn)具有明顯的輻射帶動作用，工業(yè)化水平的提高為農(nóng)業(yè)生產(chǎn)提供了先進的生產(chǎn)工具和生產(chǎn)模式。具體來說，由工業(yè)化拉動的農(nóng)業(yè)機械化的大力發(fā)展提高了農(nóng)業(yè)生產(chǎn)效率；此外，農(nóng)業(yè)生產(chǎn)參照工業(yè)化生產(chǎn)模式所具有的專業(yè)化、規(guī)模化和組織化的特點進行有效分工也可有效促進農(nóng)業(yè)GTFP增長。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對農(nóng)業(yè)GTFP具有顯著的負向直接影響，可能的原因是，化肥和農(nóng)藥等生產(chǎn)要素在種植業(yè)生產(chǎn)中應(yīng)用廣泛，因此種植業(yè)是農(nóng)業(yè)碳排放的主要來源，其在農(nóng)業(yè)產(chǎn)業(yè)中所占比重越大，可能越制約本地區(qū)的農(nóng)業(yè)GTFP增長。電力利用水平對農(nóng)業(yè)GTFP的直接效應(yīng)在5%的水平上顯著為負，說明本地區(qū)的用電負荷越大，對本地區(qū)的環(huán)境污染越明顯，從而阻礙本地區(qū)農(nóng)業(yè)GTFP增長。城鄉(xiāng)收入差距對農(nóng)業(yè)GTFP的直接效應(yīng)也顯著為負，表明本地區(qū)的城鄉(xiāng)收入差距對本地區(qū)的農(nóng)業(yè)GTFP增長具有顯著負向影響。可能的原因在于，當城鄉(xiāng)收入差距擴大時，農(nóng)民可能會通過增加農(nóng)藥、化肥等農(nóng)用化學品的投入提高農(nóng)業(yè)產(chǎn)量，從而導致農(nóng)業(yè)環(huán)境污染加劇，進而影響農(nóng)業(yè)GTFP 增長；此外，當城鄉(xiāng)收入差距擴大時，也可能會導致高素質(zhì)農(nóng)民為了追求較高的收入水平，而從農(nóng)村轉(zhuǎn)移到城市，從農(nóng)業(yè)轉(zhuǎn)移到非農(nóng)產(chǎn)業(yè)，導致農(nóng)業(yè)人才流失嚴重，從而抑制本地區(qū)的農(nóng)業(yè)GTFP增長。對于間接效應(yīng)而言，電力利用水平對農(nóng)業(yè)GTFP的間接效應(yīng)顯著為負，可能的原因在于，本地區(qū)的電能污染擴散至鄰接地區(qū)，可能會抑制鄰接地區(qū)的農(nóng)業(yè)GTFP增長。此外，工業(yè)化水平、城鄉(xiāng)收入差距和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對農(nóng)業(yè)GTFP的間接效應(yīng)的回歸系數(shù)均不顯著，說明三者對鄰接地區(qū)農(nóng)業(yè)GTFP的影響效應(yīng)不明顯。

（四）穩(wěn)健性檢驗

空間權(quán)重矩陣的設(shè)定會對空間計量模型的回歸結(jié)果產(chǎn)生影響，因此為進一步檢驗空間計量模型回歸結(jié)果的穩(wěn)健性，本文將替換上文農(nóng)業(yè)經(jīng)濟地理嵌套權(quán)重矩陣中的地理距離權(quán)重矩陣，將考察期內(nèi)省會城市間公路里程數(shù)距離倒數(shù)作為該地理距離權(quán)重矩陣的元素，并與農(nóng)業(yè)經(jīng)濟規(guī)模對角矩陣相乘，構(gòu)建出新的農(nóng)業(yè)經(jīng)濟地理嵌套權(quán)重矩陣進行穩(wěn)健性檢驗。由于篇幅限制，本文僅呈現(xiàn)穩(wěn)健性檢驗的空間杜賓模型空間效應(yīng)分解結(jié)果。如表6所示，穩(wěn)健性檢驗結(jié)果與前文實證結(jié)果基本保持一致，說明前文研究結(jié)論是可靠的。

表6 穩(wěn)健性檢驗結(jié)果

五、研究結(jié)論與政策建議

本文在對農(nóng)業(yè)數(shù)字化和農(nóng)業(yè)GTFP進行測度的基礎(chǔ)上，利用空間杜賓模型實證檢驗農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP增長的時空效應(yīng)，得出如下結(jié)論：

1.考察期內(nèi)，絕大部分省份的農(nóng)業(yè)GTFP實現(xiàn)增長，說明我國農(nóng)業(yè)GTFP整體獲得改善。各省份農(nóng)業(yè)數(shù)字化發(fā)展水平差異懸殊，農(nóng)業(yè)數(shù)字化發(fā)展水平位列全國前五位的省份均位于東部地區(qū)，農(nóng)業(yè)數(shù)字化發(fā)展水平位列全國后五位的省份均位于西部地區(qū)，呈現(xiàn)東西發(fā)展不平衡的格局。

2.農(nóng)業(yè)數(shù)字化對農(nóng)業(yè)GTFP增長具有顯著的促進作用，本地區(qū)及鄰接地區(qū)的農(nóng)業(yè)GTFP均受到本地區(qū)農(nóng)業(yè)數(shù)字化的顯著正向影響，且間接效應(yīng)大于直接效應(yīng)，即農(nóng)業(yè)數(shù)字化對鄰接地區(qū)農(nóng)業(yè)GTFP增長的促進作用大于本地區(qū)。

3.本文還探討了除農(nóng)業(yè)數(shù)字化之外的其他部分影響因素對農(nóng)業(yè)GTFP增長的時空效應(yīng)。從直接效應(yīng)來看，工業(yè)化水平對本地區(qū)的農(nóng)業(yè)GTFP增長具有顯著促進作用，而農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、電力利用水平和城鄉(xiāng)收入差距則對本地區(qū)農(nóng)業(yè)GTFP增長具有顯著抑制作用；從間接效應(yīng)來看，電力利用水平對鄰接地區(qū)農(nóng)業(yè)GTFP增長具有顯著的負向影響。

基于以上研究結(jié)論，提出如下政策建議：

1.推動數(shù)字技術(shù)與農(nóng)業(yè)生產(chǎn)的深度融合，促進農(nóng)業(yè)GTFP增長。利用互聯(lián)網(wǎng)、云計算和大數(shù)據(jù)等數(shù)字技術(shù)在農(nóng)業(yè)領(lǐng)域的不斷發(fā)展，實現(xiàn)智慧農(nóng)業(yè)和精準農(nóng)業(yè)。利用實時、動態(tài)的農(nóng)業(yè)大數(shù)據(jù)平臺，對農(nóng)業(yè)種植進行快速、多維的實時監(jiān)測，經(jīng)過數(shù)據(jù)分析后實施農(nóng)業(yè)的智能灌溉、智能噴藥與精準施肥等，有效節(jié)約化肥和農(nóng)藥等農(nóng)業(yè)資源，在提高農(nóng)業(yè)資源利用效率的同時減少農(nóng)業(yè)環(huán)境污染，從而促進農(nóng)業(yè)GTFP增長。

2.構(gòu)建農(nóng)村區(qū)域間數(shù)字化協(xié)同發(fā)展機制，促進農(nóng)業(yè)綠色發(fā)展。當前各省份農(nóng)業(yè)數(shù)字化發(fā)展水平存在較大差異，要構(gòu)建農(nóng)村區(qū)域間數(shù)字化協(xié)同發(fā)展機制，促進形成全國農(nóng)業(yè)數(shù)字化協(xié)調(diào)發(fā)展格局。此外，區(qū)域間要共享農(nóng)業(yè)數(shù)字化經(jīng)驗和模式，借鑒江蘇、浙江和廣東等農(nóng)業(yè)數(shù)字化發(fā)展水平較高地區(qū)的先進數(shù)字技術(shù)和農(nóng)業(yè)發(fā)展模式，促進農(nóng)業(yè)數(shù)字化發(fā)展水平較低地區(qū)突破農(nóng)業(yè)生產(chǎn)技術(shù)瓶頸，由傳統(tǒng)的農(nóng)業(yè)技術(shù)向農(nóng)業(yè)數(shù)字技術(shù)和綠色技術(shù)轉(zhuǎn)變，從而減少農(nóng)業(yè)碳排放和農(nóng)業(yè)面源污染，促進農(nóng)業(yè)綠色發(fā)展。

3.重視多方面影響因素，共促農(nóng)業(yè)轉(zhuǎn)型升級。例如，充分利用工業(yè)化發(fā)展為農(nóng)業(yè)領(lǐng)域帶來的技術(shù)紅利，推動農(nóng)業(yè)數(shù)字技術(shù)和綠色技術(shù)研發(fā)；加快農(nóng)業(yè)科技創(chuàng)新體系建設(shè)，優(yōu)化和升級農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)；升級農(nóng)村電力系統(tǒng)，提高農(nóng)業(yè)用電效率，減少電能污染；挖掘農(nóng)業(yè)的增收潛力，縮小城鄉(xiāng)收入差距，從而引導農(nóng)業(yè)綠色生產(chǎn)模式，共促農(nóng)業(yè)轉(zhuǎn)型升級。