農業新質生產力對耕地利用生態效率的影響

關鍵詞：農業新質生產力；耕地利用生態效率；耕地保護利用；影響機制；長江經濟帶

生產力是人類與客觀物質世界能動過程中的要素發展及生產能力，是人類社會發展的根本動力。2023年9月，習近平在新時代推動東北全面振興座談會上首次明確提出“新質生產力”這一概念，強調“加快形成新質生產力，增強發展新動能”。農業是發展新質生產力的重要領域[1-2]，在糧食安全長期緊平衡、耕地“非糧化”“低效化”“生態退化”等嚴峻背景下，加快探索農業新質生產力進步，突破傳統農業高投入、高能耗、高污染、低效率的發展方式，不斷提高勞動力、資源、技術、管理、數據等全要素生產率，因地制宜強化耕地生態保護和利用效率提升[3]，對實現農業高質量發展和耕地資源可持續目標具有重要意義。

當前學界對農業新質生產力的討論還處于探索階段，集中于概念內涵、理論脈絡、基本特征和提升路徑等視角[4-5]，尚未有直接討論新質生產力對耕地利用效率的影響，但是部分學者逐漸關注新質生產力存在的綠色低碳特性[6]，認為“新質生產力本身就是綠色生產力”[7]，發展農業新質生產力能夠推動農業全面綠色轉型與鄉村生態共富良性互動[8]。部分研究開始討論新質生產力的關鍵要素如數字化轉型[9]、數字普惠金融[10]對耕地利用生態效率的正向影響，強調科技創新與數字經濟蘊藏的綠色生產要素變革在耕地保護利用中的涌現與擴散效應。已有成果在研究方法和機制辨析上為本文提供了重要基礎，但目前鮮有文獻直接關注農業新質生產力與耕地利用生態效率的時空演化特征及可能存在的機制關聯。農業新質生產力是涵蓋新型勞動者、勞動資料和勞動對象及其組合優化的多要素復雜系統，如何厘清新質生產力培育對耕地利用生態效率的理論邏輯和影響機制，實現農業高質量發展和耕地保護利用的有機協同，將是統籌推進現代化大農業建設和保障國家糧食安全的重要命題。基于此，本文以長江經濟帶為例，在綜合測度區域農業新質生產力和耕地利用生態效率水平的基礎上，利用雙向固定效應模型檢驗農業新質生產力發展對耕地利用生態效率的影響機制和空間異質性特征，并就促進農業新質生產力進步和耕地保護利用提供政策建議。

1 理論分析與研究假說

1.1 農業新質生產力的內涵

馬克思主義生產力理論認為，勞動者的勞動本身、勞動對象和勞動資料構成了勞動過程的要素[11]。隨著生產力和生產關系的時代變革，習近平在深入總結國內外生產力發展實踐和趨勢的基礎上，強調新質生產力以勞動者、勞動資料、勞動對象及其優化組合的躍升為基本內涵[1]。農業新質生產力既有新質生產力的要素一致性，也有農業及其關聯產業的鮮明特色[5]，體現農業領域新型勞動力素質、新型產業形態、農業科技創新、農業生態保護等重要特征。由此，農業新質生產力被認為是以建設農業強國和現代化農業大產業為導向，以農業科技創新為發展引擎，以農業綠色轉型發展為重要方向，以農業新型勞動者、新型勞動資料和勞動對象等品質升級及其組合優化的核心形式，突破傳統農業發展方式，具備高科技、高效能、高質量特征，實現涉農生產力系統功能特別是全要素生產率有效提升，代表農業新型生產力發展方向的先進生產力質態[12-13]。在遵循農業新質生產力內涵界定的基礎上，大量研究從生產力構成要素即勞動者、勞動資料和勞動對象三個維度出發，以“新”為核心特質，構建指標體系對農業新質生產力進行測度評價[14-16]，為本文提供重要的理論和方法基礎。

1.2 農業新質生產力對耕地利用生態效率的影響效應

發展新質生產力的核心在于提高全要素生產率[17]，發展農業新質生產力需要在有限的資源要素投入約束下，以增加產出和降低環境損害來優化耕地利用效率。基于此，農業新質生產力以新型勞動者、勞動資料和勞動對象的共同作用，從投入端、產出端和環境端3個維度對耕地利用生態效率產生影響（圖1）。

（1）農業新質生產力對耕地生產投入成本的影響，即成本削減效應。首先，農業新質生產力推動培育一批高學識、高技能和高素質的農業新型勞動者，可通過加強農業技術培訓、提高農業產業鏈專業化程度和優化勞動分工[18]，實現以更少的生產資料投入獲取同等的期望產出。其次，農業新質生產力可引導先進的經營管理方式進入耕地生產，激發物聯網、人工智能、云計算、數智化信息管理等工具升級，制定精準的要素投入結構以降低原料損耗[19]，產生成本削減效應。

（2）農業新質生產力對耕地期望產出的影響，即產出效應。新質生產力發展可催生農村水利、能源、道路等傳統基礎設施升級和5G、物聯網、云服務等數字基礎設施應用，保障耕地生產能力穩定并有序提升，為現代化大農業提供基礎支撐[20]。同時，以現代農業科技創新為抓手，以數字普惠金融深度使用為媒介[21]，通過應用良種繁育、節水節能、地力建設等先進技術，在穩定糧食生產的態勢下帶動農業產業向高附加值產業轉型升級[4]，推動產出效應實現。

（3）農業新質生產力對耕地非期望產出的影響，即環境效應。發展農業新質生產力有助于農業產業化聯合和一二三產業融合發展，在推動發展方式綠色化轉型方面具有獨特功能[22]。在農業綠色轉型理念下發展新質生產力，有利于促進傳統的“石油農業”向現代化、綠色化農業轉型升級，通過拓展數智農業、生態農業等新型勞動對象，使用有機生物技術、物聯網等新型勞動資料推動綠色農田建設示范、農藥化肥減量、秸稈和畜禽糞污循環利用等方式[23-24]，嚴格控制耕地生產經營中的碳排放和農業面源污染，實現環境效應。

基于上述分析，本文提出以下假說：

假說1：農業新質生產力發展促進耕地利用生態效率提升。

假說2：農業新質生產力發展有利于降低生產成本、增加耕地產出以及減少碳排放和農業面源污染排放，對耕地利用生態效率存在正向促進作用。

1.3 農業新質生產力對耕地利用生態效率影響的異質性分析

按照流域和糧食產銷區劃來劃分，長江經濟帶內不同區域的地形地貌、經濟社會條件、財政收支及其對應的糧食生產任務和耕地利用形態等存在明顯異質性，農業新質生產力水平也存在顯著差異，對區域耕地利用生態效率的影響方向、要素配置方式、作用路徑可能需要差異化討論，農業新質生產力發展對耕地利用生態效率的實際影響也將表現出方向和效果上的異質性。由此提出假說3：

假說3：農業新質生產力對耕地利用生態效率的影響會因不同區域的發展差異具有異質性。

2 研究區域與研究方法

2.1 研究區域

長江經濟帶橫跨我國東、中、西三大經濟地帶，覆蓋上中下游流域11 省（市）。2022 年末，長江經濟帶共有耕地3.79×107 hm2，占全國耕地總面積的29.70%，糧食產量2.42×108 t，占全國糧食總產量的35.19%。區域內存在明顯異質性特征，按照流域和經濟板塊可劃分為上游地區（重慶、四川、貴州、云南）、中游（江西、湖北、湖南）和下游（上海、江蘇、浙江、安徽），按照糧食產銷區劃可分為6 個糧食主產區（江蘇、安徽、江西、湖北、湖南、四川），2 個糧食主銷區（上海、浙江）和3 個產銷平衡區（重慶、貴州、云南）。在經歷長期的工業化、城鎮化進程后，區域耕地資源保護和后備開發面臨巨大壓力，“人— 糧— 水— 土”綜合承載負荷較重，探索生態優先和經濟高質量發展權衡協同的訴求較為迫切。與此同時，作為我國科技資源集聚的主要區域之一，長江經濟帶具備將科研優勢、人才優勢轉化為發展優勢的良好基礎[25]，在推進農業農村全面綠色轉型發展的新階段，探索以創新驅動農業勞動者、勞動資料、勞動對象進一步優化組合，以農業新質生產力賦能耕地利用生態效率提升的創新路徑，可為區域乃至全國協同推進農業新質生產力進步、保障糧食安全和生態安全提供參考。

2.2 模型方法

2.2.1 熵值法

與主觀賦權法易受個體偏好影響相比，熵值法在客觀賦權方面能夠通過成熟的數學模型有效衡量各個指標信息量的內在規律和“差異驅動”，較合理地測算農業新質生產力水平。具體步驟如下：首先對數據進行標準化處理，預期屬性為正向指標采用式（1），負向指標采用式（2），形成標準化矩陣Y（式（3）），計算指標的熵ej （式（4）），計算得到歸一化權重系數wj （式（5）），最后測算研究單元的農業新質生產力水平Fi（式（6））。

式（1）—式（6）中：m表示省份數量，n 表示指標數量，xij 表示第i 個省份第j 個指標數據，w表示權重向量，wj表示第j 個指標的權重值，yij 表示標準化處理后的指標數據。

2.2.2 非期望產出的Super-SBM模型

相較于傳統DEA 模型，考慮非期望產出的Super-SBM 模型能夠消除徑向缺陷和角度差異等干擾，充分處理生產投入與產出過程中的松弛變量以及非期望產出問題，并且針對效率值顯示為1 的不可比問題進一步分解，得到更為準確的耕地利用生態效率結果，計算公式可見前期相關研究[26]。

2.2.3 雙向固定效應模型

為檢驗農業新質生產力發展能否促進長江經濟帶耕地利用生態效率提升，本文以耕地利用生態效率對數為被解釋變量，以農業新質生產力水平對數為解釋變量，構建雙向固定效應模型：

式（7）中：lnCLUEit 為被解釋變量，表示省份i 在第t 年的耕地利用生態效率的對數；lnANQPit 為解釋變量，表示省份i 在第t 年的農業新質生產力水平的對數；control 為控制變量；β 和η 分別為待估計系數；α 為常數項；δi 為個體固定效應；γt 為時間固定效應；εit 為隨機誤差項。

2.3 變量選擇與測量

2.3.1 被解釋變量

本文的被解釋變量是耕地利用生態效率，參考已有研究和Super-SBM 模型方法[27]，從“投入— 期望產出— 非期望產出”3 個維度構建指標體系（表1）。投入維度選取耕地、勞動力、農業機械、化肥、農藥和灌溉6 個指標，產出指標主要選取農業總產值和糧食總產量數據，非期望產出指標中，碳排放量計算參考WEST[29] 的碳排放系數法，農業面源污染計算參見梁流濤等[30] 的研究。

2.3.2 核心解釋變量

新質生產力以勞動者、勞動資料、勞動對象及其優化組合的躍升為基本內涵[17]，由此，參考已有研究，從農業新型勞動者、農業新型勞動資料和農業新型勞動對象3個維度構建測度指標體系（表2）。（1）農業新型勞動者維度，作為農業新質生產力的決定性投入要素，勞動者素質、能力和精神構成了生產力創新發展的關鍵指標。其中，勞動者素質用受教育年限和農村居民教育文化娛樂支出占比來表征，強調高素質農業勞動力能夠持續吸收和創新農業技能知識、使用和維護新型基礎設施以及掌握運用新型農業技術工具等[12]。勞動者能力選取生產效率和經濟收入進行表征，主要衡量勞動者在從事農業生產時所產生的實際效用。勞動者精神則選取創新潛能和市場活躍度進行解釋，農業科技創新是農業新質生產力發展的核心動力，農業企業這一產業主體的穩步增長則滋養了生產力進步的厚實土壤，支持科技創新驅動在農業生產活動中的承接和效用發揮。（2）農業新型勞動資料維度，勞動資料是勞動力進行農業生產的基礎條件，按物質形式可以分為有形勞動資料和無形勞動資料。有形勞動資料主要包括在農業生產經營中涉及的基礎設施和能源消耗，隨著現代科技進步，在農村公路、水利灌溉設施等傳統基礎設施之外，需要發展物聯網、人工智能、智慧農業等創新農業經營方式和工具，增強智能水肥、無人機耕種、智能設備管理等數字化技術，以無形勞動資料升級，推動農業科技革命性突破并向新質生產力加速轉化[5]。（3）農業新型勞動對象維度，有別于農業生產中的傳統勞動對象，新質生產力要求農業以市場化、專業化和產業化形態發展新質產業，本文采用農林牧漁專業及輔助性活動產值占比和專業合作社數量進行衡量。同時，新質生產力蘊藏著綠色生產方式的生態效能，是推動我國農業綠色轉型的重要動力和現實選擇[31]，生態環境治理也構成了農業新質生產力中新型勞動對象的關鍵領域，此處采用森林覆蓋率和環保支出占比來衡量區域環境質量，選取農業COD 污染排放和氨氮排放作為污染治理的主要指標。

2.3.3 控制變量

為提高模型估計準確性，參考已有研究，從農業經濟水平、耕地條件、自然環境和政策支持等選取控制變量：（1）農業經濟發展。農業經濟水平通過影響耕地生產經營方式、利用強度、耕地保護投入與認知水平，對區域耕地利用生態效率產生影響，采用各省份第一產業增加值的對數進行表征。（2）開放程度。農業對外開放是以開放應對挑戰、以國內農業發展應對全球耕地與糧食安全的重大舉措，將作用于耕地種植結構、農產品市場供需和農業科技發展與人才交流等領域，對區域耕地利用生態效率具備顯著影響，此處采用農產品進出口總額占農林牧漁業總產值的比例進行測度。（3）耕地條件。耕地資源作為關鍵生產要素，其數量質量直接決定了耕地利用生態效率的水平高低，采用復種指數進行表征。（4）自然環境。農業生產活動必須考慮外部自然環境支持及可能存在的擾動，對區域耕地利用生態效率產生較大影響，使用受災面積占農作物總播種面積的比值進行衡量。（5）政策支持。政府政策通過宏觀制度調控和微觀行為引導構建了耕地“三位一體”保護利用體系，通過財政支農水平直接反映地方對耕地利用生態效率的重視程度，采用農林水事務支出占地方財政一般公共預算支出的比重進行測度。

2.4 數據來源

本文使用的數據主要來源于2011 — 2023 年的《中國統計年鑒》、《中國農村統計年鑒》、《中國科技統計年鑒》、《中國人口和就業統計年鑒》、《全國農產品成本收益資料匯編》、長江經濟帶各省份統計年鑒和國家統計局數據庫（https：//data.stats.gov.cn），其中農民專業合作社數據來源于《中國農村經營管理統計年報》（2010 — 2022 年），農產品進出口數據來源于《中國農產品進出口月度統計報告（12 月）》（2010 — 2022年），數字普惠金融指數來源于北京大學數字金融研究中心。部分數據錯漏采用插值法估計，GDP、居民收入等均已處理價格影響。

3 研究結果與分析

3.1 長江經濟帶農業新質生產力與耕地利用生態效率的時空特征

3.1.1 農業新質生產力時空演化特征

運用熵值法計算得到長江經濟帶2010 — 2022 年各省份農業新質生產力水平（圖2）。圖2（a）表明，2011 — 2022 年，長江經濟帶農業新質生產力水平呈現穩步增長趨勢，區域水平值從2010 年的0.171 8 逐年上升到2022 年的0.403 7。中共十八大以來，在創新發展和鄉村振興戰略疊加下，長江經濟帶科技創新水平平穩上升，區域農業新質生產力得到有效發展。從具體省份來看，江蘇省農業新質生產力水平明顯高于流域其他省份，可能的原因是江蘇在高素質農民培育、農業基礎科技、農業新工具和新產品研發應用等推進力度和進程相對靠前，為農業新質生產力發育提供更多支撐[32]。2010 — 2022 年，貴州、云南、四川等地農業新質生產力發展較為遲緩，可能的原因在于西部省份受限于整體經濟發展階段、產業結構和自然稟賦弱勢，在農業新型勞動者、新型勞動資料和新型勞動對象培育方面還處于追趕位置。

圖2（b）刻畫了不同區域尺度上農業新質生產力水平的異質性特征。無論是按流域還是糧食產銷區劃來看，2010 — 2022 年，長江經濟帶各個尺度上農業新質生產力均表現為逐年上升趨勢，且“下游＞中游＞上游”“糧食主銷區＞主產區＞產銷平衡區”的空間差異態勢始終存在。可能的原因在于，下游省份如上海、江蘇、浙江等大多屬于糧食主銷區或主產區，這類地區光、溫、水、土壤和地形等自然條件較好，市場經濟較為發達，農業產業化組織程度相對較高，農業勞動力素質以及科技創新投入均明顯領先于中游、上游其他省份，具備較為充分的農業新質生產力發展基礎和支撐。

3.1.2 耕地利用生態效率時空特征分析

基于非期望產出的Super-SBM模型對長江經濟帶耕地利用生態效率進行綜合測度，結果如圖3 所示。2010—2022年，長江經濟帶及各省份耕地利用生態效率呈現波動上升趨勢，區域整體均值從2010年的0.641 9逐年上升到2022年的0.928 0，可能的原因是長江經濟帶以“生態優先、綠色發展”戰略定位大力推動農業綠色生態轉型，逐漸向著資源保育、減污降碳和生態價值實現的發展格局邁進，促使耕地利用生態效率提升。圖3（b）描繪了長江經濟帶上中下游和不同糧食產銷區劃類型的耕地利用生態效率區域差異。2010—2022年，長江經濟帶耕地利用生態效率空間差異始終表現為“下游＞上游＞中游”的格局，而不同糧食產銷區劃類型之間存在變化，2010—2018年“主銷區＞主產區＞產銷平衡區”，2019—2022年轉變為“主銷區＞產銷平衡區＞主產區”。其中上海、浙江等糧食主銷區生態效率始終高于其他省份，原因與農業新質生產力水平較為相似，除了良好的耕地自然條件和經濟發展水平之外，先進農業生產技術、農業生態系統保護重視程度以及資金投入力度促進了生態效率提升。而江西、湖北、湖南、安徽等糧食主產區為了協調耕地資源緊張和糧食生產任務的空間沖突，必然通過增加化肥、農藥、農機等高能耗、高排放生產資料以穩定糧食產量，由此誘發的生態效率損失仍需通過新質生產力進步予以解決。

3.2 農業新質生產力對耕地利用生態效率的影響分析

3.2.1 基準回歸結果

表3 報告了農業新質生產力影響耕地利用生態效率的基準回歸結果，從列（1）結果來看，核心解釋變量lnANQP的估計系數0.221 6 通過了1% 的顯著性檢驗，表明農業新質生產力發展對長江經濟帶耕地利用生態效率存在正向促進作用，假說1 得到初步驗證。在列（2）—列（4）依次加入控制變量、個體固定效應和年份固定效應的過程中，lnANQP估計系數始終在1%或5% 的水平上顯著為正，但數值略有降低，進一步驗證了結論穩健性的同時，也說明長江經濟帶耕地利用生態效率受地區、時間的差異影響較大，使用雙向固定效應模型估計結果更為合適。

3.2.2 穩健性檢驗

參考已有研究，本文主要采取以下三種方式檢驗基準回歸的可靠性。

（1）控制不可觀測變量的內生性問題。基準回歸采用雙向固定效應模型進行測度，能夠解決時間與個體的二維疊加效應[33]，但難以處理某些同時隨時間和區域個體變化的不可觀測變量及其內生性。由此，加入個體與時間效應的交互項，提高對面板數據的擬合程度。從表4 列（1）結果可知，加入交互項后的估計系數仍然在5% 的水平上顯著為正，說明控制了某些不可觀測變量的內生性后，農業新質生產力促進長江經濟帶耕地利用生態效率提升的結論依然成立。

（2）工具變量估計處理。考慮到農業新質生產力與耕地利用生態效率可能存在的因果反向關系，運用工具變量處理內生性問題。參考已有研究，為有效滿足外生性和內生性兩個條件，平滑數據中的短期波動[34]，將解釋變量lnANQP的滯后一期作為工具變量，運用面板2SLS 進行模型檢驗。結果如表4 列（2）所示，農業新質生產力對耕地利用生態效率的正向促進作用依舊通過了5% 的顯著性檢驗，提高了本文結論的可靠程度。

（3）樣本數據縮尾處理。考慮到樣本數據選取采集過程中的偏差影響，參考蘇坤[35] 的研究思路，為進一步降低極端值對估計結果的不利影響，可以將縮尾程度從1% 擴大到2%～5% 進行處理，結合本文變量數據中的極值分布，此處對所有變量進行2.5% 的縮尾處理，以消除可能存在的極端數據。列（3）可以看出，控制樣本數據偏差后，lnANQP的正向系數略有提高且通過了5% 的置信水平檢驗，進一步論證了本文結論的可靠性。

3.2.3 影響機制檢驗

根據假說2 的理論分析，農業新質生產力發展對耕地利用生態效率的影響可能從投入成本、期望產出和非期望產出3 個方面產生作用，那么，如何判斷并區分成本削減效應、產出效應和環境效應中何種效應產生了影響效果？大量研究通過逐步檢驗的中介效應進行識別，有意或無意忽視原始假設偏誤，難以得到真實的因果結論。基于此，本文借鑒江艇[36] 的研究，直接檢驗解釋變量對機制變量的影響，將被解釋變量分別替換為農業生產成本、農業總產值、農業面源污染和碳排放量，均取對數處理。其中，農業生產成本依據《全國農產品成本收益資料匯編》中長江經濟帶各省份稻谷、小麥、玉米三種糧食的生產成本和播種面積加權平均計算得到。檢驗結果如表5 所示，加入控制變量、個體固定和年份固定效應后，lnANQP對農業總產值對數的估計系數為0.320 7且通過了1%的顯著性檢驗，而以農業生產成本對數、面源污染和碳排放量對數為被解釋變量，lnANQP的系數均未能通過顯著性檢驗。分析表明，現階段農業新質生產力發展主要通過增加產出以提升耕地利用生態效率，而成本削減和環境效應暫未有效發揮，假說2部分不成立。

3.2.4 異質性分析

為檢驗長江經濟帶農業新質生產力對耕地利用生態效率的影響在不同分區上可能存在的異質性，根據假說3，本文將長江經濟帶按流域分為上中下游地區，按糧食產銷區劃分為主產區、主銷區和產銷平衡區，結果如表6 所示。列（1）—列（3）結果表明長江經濟帶各流域農業新質生產力發展對耕地利用生態效率存在顯著正向影響，且估計系數“中游（0.823 7）＞下游（0.312 6）＞上游（0.311 2）”；列（4）—列（6）表明在1% 的顯著性水平上，糧食主產區和產銷平衡區農業新質生產力發展有利于促進耕地利用生態效率提升，影響系數表現為“主產區（0.380 4）＞產銷平衡區（0.284 9）”，而糧食主銷區的影響未通過顯著性檢驗。結合時空特征分析，其原因可能是中游地區如江西、湖北、湖南等都屬于糧食主產區省份，耕地利用生態效率被高投入高污染的粗放生產模式拖累，但區域農業新質生產力發展較快，以經營管理優化、農業綠色低碳技術等推動生態效率增長的支持效度和空間都比較大，表現出正向強相關。上游地區如重慶、貴州、云南等地耕地生態環境擾動相對較低，生態效率本身較高，且受制于耕地規模經營條件差、新型基礎設施建設滯后、鄉村數字化發育程度遲緩等因素[9]，耕地利用生態效率對農業新質生產力發展的響應程度則相對有限，這一結果也驗證了假說3。

4 結論與建議

4.1 結論

本文從耕地利用生態效率的視角出發，基于長江經濟帶11 個省（直轄市）2010 — 2022 年的省級面板數據，分別采用熵值法和Super-SBM 模型測度了長江經濟帶及各省份農業新質生產力發展水平和耕地利用生態效率，并運用雙向固定效應模型實證檢驗農業新質生產力發展對耕地利用生態效率的影響，深入剖析其背后的作用機制及異質性特征，得到以下結論：（1）長江經濟帶農業新質生產力發展水平呈現上升態勢，空間差異比較明顯。2010 — 2022 年，長江經濟帶農業新質生產力水平從0.171 8 逐年上升到0.403 7，空間上表現為“下游＞中游＞上游”和“糧食主銷區＞主產區＞產銷平衡區”的水平格局。（2）長江經濟帶耕地利用生態效率整體呈現波動上升趨勢，空間異質性特征較為顯著。2010 — 2022 年，長江經濟帶耕地利用生態效率從0.641 9 逐年上升到0.928 0，空間上表現出“下游＞上游＞中游”的非均衡態勢，而不同糧食產銷區劃的生態效率時空分布具有階段性差異，2010 — 2018 年為“主銷區＞主產區＞產銷平衡區”，2019 — 2022 年轉變為“主銷區＞產銷平衡區＞主產區”。（3）農業新質生產力發展顯著促進長江經濟帶耕地利用生態效率提升。通過加入個體與時間效應交互項、工具變量估計處理和樣本數據縮尾處理等穩健性檢驗后，農業新質生產力的正向促進作用依然顯著。影響作用表現出“中游＞下游＞上游”和“主產區＞產銷平衡區”的異質性效應，而受社會經濟水平和糧食生產壓力影響，糧食主銷區農業新質生產力發展對耕地利用生態效率的推動作用暫不明顯。（4）長江經濟帶農業新質生產力對耕地利用生態效率的影響主要來源于提高期望產出，即產出效應的實現，成本削減效應和環境效應暫未發揮作用。

4.2 建議

一是加快推進農業新質生產力理論與實踐創新發展。深入探究人工智能、大數據等新型要素在農業生產中的效用，創新開展農業新質生產力全要素革新研究，通過高素質農業創新人才培育、加大農業關鍵科技攻關投入、農業新型基礎設施建設、農業生態系統修復等方式，提升農業生產經營數字化、智慧化、生態化水平，進一步激發新質生產力在農業領域的改革引領作用。

二是系統完善耕地保護利用的生產力效應。重點關注耕地經營中剩余勞動力、化肥、農藥等要素投入結構失衡和損耗，創新經營管理模式和種植技術升級，推進農業社會化服務體系建設，實施農業產業鏈數字化賦能和轉型工程，促進農業生產綜合成本精細化控制。同時系統推進農業綠色轉型發展戰略，從農業綠色技術引育、低碳清潔能源擴面、農業廢料回收和耕作層土壤改良修復，在確保糧食安全責任的前提下降低對耕地生態系統的負面擾動，促進環境效應發揮作用。

三是協同優化長江經濟帶農業新質生產力與耕地資源空間布局。針對江西、湖北、湖南等糧食主產區，以綠色品種選育、水稻綠色耕作技術、畜禽廢棄物循環利用等降低農業致污要素排放，積極運用數字化、智能化手段推進特色農業產業鏈建設。針對上海、浙江等糧食主銷區，應增加農業科技研發投入力度，引導社會資本和科技人才圍繞種質資源、智慧農業、生物農業等關鍵領域開展攻關突破，積極探索建立糧食產銷區橫向利益補償機制。針對重慶、云南、貴州等長江上游糧食產銷平衡區，重點圍繞穩定糧食生產格局、提升農業生態系統服務價值和優化大食物觀視角下的耕地保護戰略協同治理，保障區域“人—地— 糧”紐帶系統耦合協調，形成與農業新質生產力發展相適應的新型生產關系。

同時，本文仍存部分局限之處待深入探討：首先，農業新質生產力水平測度的指標體系和研究尺度還可繼續深化，受限于農業產業和農業科技活動類數據獲取的難度較大，下一步可采用大數據挖掘、AI 爬取等數字化手段，收集整理如種質創新投入、智慧農業物聯網設備、重要農產品產業鏈數字化等方面數據[37]。省域面板數據可能因極值較多造成一定程度的“差異抹平”，接下來應加快探索從市域、縣域尺度探討農業新質生產力賦能耕地利用生態效率的重要作用。其次，不同地域的產業經濟結構與發展定位、糧食產銷區劃、自然資源稟賦等差異影響還可深入探究，比如嘗試討論比較不同經濟帶如黃河流域、不同城市群如我國五大城市群，以及不同農業生產區之間的農業新質生產力影響差異。