資源環境約束下中國農業綠色全要素生產率時空演變與影響因素分析

關鍵詞：農業綠色全要素生產率；資源環境約束；SBM-GML模型；時空演變中圖分類號：F323.22 文獻標識碼：A文章編號：0439-8114（2025）05-0223-08DOI：10.14088/j.cnki.issn0439-8114.2025.05.034開放科學（資源服務）標識碼（OSID）：i

Analysis of the temporal and spatial evolution and influencing factors of agricultural green total factor productivity in China under resource and environmental constraints

FANRui-zhe，WANGYu-xuan （Business School，Hohai University，Nanjing 2111Oo，China）

Abstract：Basedonresourceand environmentalconstraints，theSuper-EficiencySBM-GMLmodelwasemployed to measure the AgriculturalGeeTotalFactorProductivity（AGTP）of30provincial-levelregions inChinafrom2012to2O1，andsystematicallanalyzeditsspatiotemporalevolutioncharacteristicsandinfluencingfactors.TheresultsindicatedthatChinasAGTFPdemonstratedan acceleratingupwardtrendduringO12-2021，reflectingsignificantachievementsinthegreentransformationofagriculture.Concur rently，whileCinahadmadecontiuousprogesinagiculturalgntchnologis，gricultualgreentechicaleficiencyhadown adecliningtrend，revealingacurrenttendencyof“emphasizingRamp;Doveraplcation”ingreentechnologypromotionandsuboptimal allcationofagrculturalresourceelements.Furthermore，theregionalcharacteristicsofAGTFPinChinawereprimarilymanifestedas disparitiesinagriculturalproductionzonesandeconomicstructures.Sixsignificantpositivefactors（includingenvironmentaleglationintensity，etc.）andonesignificantnegativefactor（agriculturalopenness）wereidentifiedbyapplyingatwo-wayfixedffects modeltoanalyzemultipleinfluencingfactors.Basedonthesefindings，policyrecommendationssuchaspromotinggreenagricultural transformationandoptimizingtheallocationofagriculturalresoueelmentswereproposedtofacliateChina’sshiftfometsive agricultural development to high-quality，sustainable growth.

Keywords：agricultural greentotalfactorproductivityresourceandenvironmentalconstraints；SBM-GMLmodel;spatiotemporal evolution

農業可持續發展作為關乎國家糧食安全與民生福祉的重要戰略議題，在21世紀中國糧食總產量持續增長的背景下，其現實必要性日益凸顯，現階段傳統農業生產模式所依賴的要素驅動型增長方式已呈現出顯著的不可持續性特征。當前中國農業系統正面臨多維發展困境：生產規模效率與資本投入邊際效益持續走低；適齡農業勞動力結構性短缺加劇；耕地資源剛性約束與土壤污染問題疊加；農業生態系統功能退化等復合型挑戰，這些因素共同構成了制約現代農業高質量發展的關鍵瓶頸。面對要素投入產出彈性遞減與資源環境承載力閥值突破的雙重壓力，迫切要求農業生產實現從資源消耗向環境友好型，從粗放式發展向高質量、可持續發展的系統性轉變[1]。黨和國家高度重視農業發展，相繼印發一系列涉農政策文件。“十四五\"時期，中國進一步加快了從農業大國向農業強國轉變的進程。2021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》明確提出，要提高農業質量效益和競爭力，加快發展方式綠色轉型。2024年，習近平總書記在中共中央政治局第十一次集體學習時指出：“綠色發展是高質量發展的底色，新質生產力本質上就是綠色生產力。\"因此，推動農業綠色發展不僅是促進經濟、社會、環境協調發展，構建人與自然和諧共生格局的關鍵策略，也是加快實現中國式現代化的重要途徑。當前，在環境污染、土地退化和資源約束日益加劇的背景下，如何實現農業綠色可持續發展已逐步成為學界的研究熱點。

新古典增長理論認為全要素生產率是經濟增長的核心要素，新質生產力以全要素生產率的大幅提升為核心標志。諸多學者通過測度全要素生產率（TFP）來分析中國農業的發展情況。張恒等2運用全局Malmquist指數測算了全國31個省份2010—2017年的農業TFP變動情況，并在此基礎上探究了全國各地區農業生產性服務業發展對農業全要素生產率及其分解要素的影響；劉霞婷等3測算了1978—2017年中國29個省（市、區）農業全要素生產率，并檢驗分析了累積農業TFP增長的收斂性。趙錦春4基于2011—2021年全球185個國家的跨國面板數據對全球數字普惠金融與農業TFP狀況進行測度，檢驗了數字普惠金融對農業TFP的影響及其異質性。龔斌磊等[5]從新質生產力視角出發，運用變系數模型和新增長核算法等前沿方法，對農業全要素生產率的測度體系進行重構，并以農業數智化技術為例，展示了新測度體系的應用。

然而，傳統生產率的測算極易忽略資源環境要素的投人。隨著各國對農業綠色發展轉型重視程度的日益加深，部分學者在傳統農業TFP的理論基礎上將資源環境約束納入分析框架[6，通過測算農業綠色全要素生產率（AGTFP）來反映資源環境約束下農業經濟的綠色發展情況。AGTFP的測度通常采用數據包絡分析（DEA）和隨機前沿分析（SFA）這兩種常用分析方法。Chung等7首次使用方向性距離函數和ML生產率指數將環境污染作為非期望產出對生產率進行測度。王圣云等8運用基于非期望產出的SBM模型對1990一2016年中國農業生態效率進行測度，并對其空間演化特征及驅動因素進行實證分析。楊錦琦等運用SBM-GML超效率模型測算了2012—2019年長江經濟帶農業綠色全要素生產率，并分析其時空演化和生產率的變化原因。蔣團標等[10]在運用SBM模型和GML指數測度AGTFP的基礎上利用2011—2020年中國30個省份的面板數據，從土地經營效率視角考察了土地集約經營效率與土地規模經營效率在數字經濟影響農業綠色全要素生產率方面的作用機制。方芳等[]運用動態模糊集定性比較分析方法，從時空維度考察了政府、市場和社會在提升AGTFP方面發揮的多因素聯動效應，探尋了在漸進式改革中農業綠色發展的多元路徑。

綜上所述，已有研究較多運用SFA模型和傳統徑向DEA模型對AGTFP進行測度。其中，前者可能因生產函數誤設而產生結構偏差，后者則存在忽視隨機誤差影響等問題。同時，已有研究大多從時間維度對特定區域的AGTFP展開縱向分析，缺乏對多個區域的時空演變分析以及影響因素的探究。基于上述研究，本研究選取2012一2021年中國30個省級地區作為研究區域，構建超效率SBM-GML模型，將農業碳排放作為非期望產出指標，利用全局GML生產率指數測算環境約束下中國的AGT-FP，并通過指數分解分析其增長變化來源。在此基礎上，構建回歸模型，探究多重因素對中國AGT-FP發展的長期影響。

研究方法與數據來源

1.1 研究方法

1.1.1全局生產技術集為將資源環境約束納入生產率評價體系，需要創建一個同時包含期望和非期望產出的環境技術生產可能性集合。假設共有 K 個省級地區，每個省級地區為一個生產決策單元，且每個生產決策單元有 N 種投入 x=（x₁，x₂，…，x_N）∈R_N⁺ 獲得 M 種期望產出 y=（y₁，y₂，…，y_M）∈R_M⁺ ，以及 I 種非期望產出 b=（b₁，b₂，…，b_I）∈R_I⁺ ;在每一時期每一省級地區的投入產出為 （x^t，k，y^t，k，b^t，k） 。由于該生產性技術集中的數據反映的是 Φ_t 時期內的生產技術水平的觀測值，考慮到參照技術的非同期性可能導致測度出現偏差， Oh^[12] 對當期生產技術集進行了改進，提出了全局生產技術集 P^G（x） 。

式中， z_k^t 表示在 Φ_t 時期第 k 個生產決策單元的投入產出觀察值權重。

當 z_k^t?0 時，表示生產技術為規模報酬不變（CRS）;當 時，表示生產技術規模報酬可變（VRS）。

1.1.2基于非期望產出的超效率全局SBM模型傳統徑向的（Radial）、角度的（Oriented）DEA模型在測量生產決策單元（DMU）的無效率程度時，僅考慮所有投入（產出）等比例增加（縮減），未體現松弛改進部分，這與實際情況偏差較大。為解決上述問題，Tone[13]構建了非徑向、非角度的SBM（Slackbasedmeasure）模型，該模型克服了徑向模型在無效率測量中未包含松弛變量的缺陷。為測算中國各省級地區農業綠色全要素生產率，本研究構建了投人導向的超效率全局SBM模型。

式中， （x^t，k′，y^t，k′，b^t，k′） 表示在 Φ_t 時期省級地區 k^′ 的投入、期望產出和非期望產出向量， （g^x，g^y，g^b） 表示投入、期望產出和非期望產出取值為正的方向向量，（s_n^x，s_m^y，s_i^b） 表示投入、期望產出和非期望產出的松弛變量。當 （s_n^x，s_m^y，s_i^b） 均大于零時，表示實際投入和非期望產出大于邊界的期望和產出，而實際期望產出小于邊界投入和產出，因此 （s_n^x，s_m^y，s_i^b） 的實際意義為投入要素冗余、非期望產出過多和期望產出不足[14]。1.1.3全局GML指數為測量含有非期望產出的生產率水平， Chung 等7構建了Malmquist指數模型，Oh^[12] 針對ML指數不滿足循環累積性的問題進行改進，基于全局生產技術構建了GML指數模型。為實現對農業綠色全要素生產率的測量，本研究沿用并構建了GML指數模型。

式中， GML^t+1 大于1、小于1和等于1分別表示從 Φ_t 到 _t+1 時期AGTFP的上升、下降和不變。在可變規模報酬下， GML^t+1 可分解為農業綠色技術效率指數 （GEC） 和農業綠色技術進步指數（GTC）的乘積。

GML^t+1=GEC^t+1×GTC^t+1

式中， GEC^t+1 和 GTC^t+1 大于1（小于1）分別表示從 Φ_t 到 _t+1 時期農業綠色技術效率提高（降低）和農業綠色技術進步（退步）。

1.2 指標體系

根據現有研究成果，結合當前中國農業具體生產情況，選取勞動力、土地、機械動力、化肥、水資源、能源等資源要素作為投人指標，選取農業總產值和農業碳排放量分別作為期望產出和非期望產出，指標體系如表1所示。

其中，各省級地區農業碳源包括化肥、農藥、農用塑料薄膜的耗用和農業機械使用等產生的碳排放[15]。碳排放量計算參考陳申奧等[1的研究，具體公式如下。

式中， E 為各省級地區農業碳排放總量； E_i 為各農業碳源碳排放量； T_i 為各農業碳源使用量； ε_i 為各農業碳源碳排放系數。各農業碳源碳排放系數及參考來源[17-21]如表2所示。

1.3 數據來源

本研究數據的時間跨度為2012—2021年，研究對象為中國除港、澳、臺地區外的30個省級行政單位，考慮到西藏自治區特殊的自然地理位置、農業生產條件及相關數據的可獲取性，未將其包含在內。本研究數據主要來源于《中國統計年鑒》《中國農村統計年鑒》以及各省、市統計年鑒，部分缺失數據通過插值法補齊。

2 實證分析

2.1 中國AGTFP結果分析

基于規模報酬可變下投人導向的超效率SBM-GML模型，采用MaxDEA8.0軟件得到各省（市、自治區）農業綠色全要素生產率指數、農業綠色技術效率指數和農業綠色技術進步指數（表3）。為更顯著觀測農業綠色全要素生產率測度結果，本研究借鑒聶長飛等2的研究方法，以2012年為基期，將中國各省級地區基期AGTFP設為1，使其與各年度的GML指數累乘，最終轉化得到AGTFP觀測值。

從GML指數時空分布來看，研究期內的多數省級地區的GML指數持續高于生產前沿面閾值1，印證了多數地區已形成AGTFP持續改進的良性發展格局。青海、內蒙古及吉林等地區在2013一2016年觀測窗口期內呈現GML指數系統性低于均衡閾值1的特征，這揭示了特定轉型階段農業經濟增長與綠色發展的深層結構性矛盾。進一步將GML指數分解為GEC指數和GTC指數進行綜合分析，可以發現，2013年以來多數省級地區綠色技術進步指數（GTC）與綠色技術效率指數（GEC）呈現明顯發散特征，即農業綠色技術不斷進步，而綠色技術效率整體逐漸下降，呈現“技術一效率悖論”。其中，江蘇、湖南、山東、河南等省份的GTC指數較高，技術進步貢獻度居前；而青海、遼寧等省份GTC指數較低，這反映出其農業綠色技術有待提升，面臨技術擴散阻滯在技術效率維度，天津、海南、貴州等省份GEC指數較高，通過要素配置優化實現效率提升，形成顯著示范效應；相較之下，寧夏、吉林、內蒙古等地區因要素錯配引致農業綠色技術效率持續衰減，這凸顯出重構要素流動機制與推動產業結構升級的迫切性。

為進一步厘清中國AGTFP的時間演變趨勢，在全局視角下計算各項指數的年份均值并進行縱向對比，AGTFP的演變趨勢如圖1所示，各指數增長率如表4所示。2013—2021年，GML指數和GTC指數整體呈上升趨勢，平均增長率分別為 2.12% 和2.23% ，且兩個指數均在2019—2020年達到最大增長率，分別為 11.32% 和 12.79% 。GEC指數雖平均增長率為 0.04% ，但僅有2015—2016年、2017—2018年和2020—2021年增長率大于0，整體上呈下降趨勢，且在研究期內其平均值低于GTC指數。AGTFP在2013—2019年平緩上升，從2020年起上升幅度陡然增大，增長率由2018—2019年的 11.82% 增長至2019—2020年的 24.71% 。

結合以上分析可知，在政府構建的財政支持與制度保障的雙輪驅動機制下，中國農業綠色技術進步率呈現顯著提升態勢。但綠色技術效率持續衰減，表明即便投入更多資源，中國農業經濟產出增長能力仍在減弱，存在生產要素配置低效，農業綠色先進技術利用不足等問題，反映出要素配置的結構性失衡。綜上所述，中國農業已經從依靠傳統要素密集投入驅動的高速增長期轉變為依靠農業綠色技術進步驅動的高質量發展期，“十三五”時期針對農業發展制定的提質增效和綠色轉型等規劃取得較為顯著的成效，中國現代農業建設取得重大進展，但在農業綠色技術應用與資源統籌方面仍需加強，

2.2 中國AGTFP地域特征分析

中國AGTFP的地域特征主要表現為農業產區差異和經濟結構差異。如表5所示，從全國來看，各省（市、自治區）農業綠色全要素生產率存在較大差異。2012—2021年全國AGTFP表現較優的5個省份依次為黑龍江、貴州、四川、河南及山東；AGTFP增長較快的5個省份為黑龍江、湖南、貴州、山東和河南。全國AGTFP和AGTFP增長率較低的5個省份是內蒙古、遼寧、上海、吉林和青海。

農業產區差異是影響中國農業綠色高質量發展的主要因素。依據地理環境、農業基礎、農作物產量、人口密度、經濟發展水平等因素的不同，中國各地區被劃分為13個農業主產區、7個主銷區和10個產銷平衡區。通過AGTFP及其增長速度排名可以發現，研究期內，AGTFP較高且增長較快的省級地區多為農業主產區，此類型區域地理環境和農業基礎良好，資源配置與經濟結構較為合理，農業綠色技術呈進步趨勢。貴州省作為農業產銷平衡區，近年來通過農業投資和環境規制等途徑大力推動農業綠色轉型，通過發展生態循環農業、綠色信貸等，也實現了較快的農業綠色經濟增長。

此外，經濟結構差異也是制約區域農業綠色高質量發展的重要因素。在研究期內全國AGTFP較低且增長較緩慢的省級地區中，內蒙古、遼寧和吉林均屬于農業主產區。與黑龍江、河南等AGTFP較高的省份相比，上述省份受經濟結構差異的制約，農業的綠色發展轉型受到阻礙。其中，遼寧、吉林均屬于東北傳統重工業地區，第二產業在經濟結構中占比較大，資源環境約束顯著，在農業綠色發展方面，政策和資金支持不足。青海和內蒙古經濟結構較為相似，均是依靠礦業、牧業發展，經濟結構單一的資源型省份，長期處于經濟轉型期，導致農業技術效率下降，農業技術水平有待提升。上海作為中國市場經濟和服務業發達地區，農業在經濟結構中占比相對較小，農業技術效率較高，但受土地規模限制以及勞動資源要素分配不均等因素影響，其AGTFP在全國范圍內處于較低水平。

2.3 中國AGTFP影響因素分析

根據已有研究[23-28]，并考慮數據可得性，以各省級地區的AGTFP為被解釋變量，從不同維度選取農村人均可支配收入、有效灌溉率等7個解釋變量開展回歸分析，旨在從農村土地、勞動力和資本要素配置的角度探究影響中國農業綠色全要素生產率的多重因素。

為了選取合適的回歸模型開展分析，對模型設定進行了檢驗，檢驗結果見表6，據此判斷應選擇雙向固定效應模型。為檢驗選用模型估計結果的可靠性，并對比不同模型估計結果的差異，分別采用混合截面效應模型（1）隨機效應模型（2）個體固定效應模型（3）和雙向固定效應模型（4）進行分析（表7）。

農村居民人均可支配收人（InRDI對AGTFP有較為顯著的正向影響，表明農村居民人均可支配收入的增加能夠提升AGTFP。一方面，農村居民人均可支配收入的增加會促進農業資本要素充分流通，有利于實現農業資本要素市場與其他行業資本要素市場的融合發展，進而推動資本要素的優化配置；另一方面，收入增加有利于引入專業農業機械等生產資料和先進農業技術，通過提升農業綠色技術效率、推動農業綠色技術進步來提高AGTFP。在控制時間效應后，該變量的顯著性相較于模型（3）有所下降。結合先前對中國農業綠色全要素生產率時間演變的分析可知，該變量受時間變化的影響相對較小。

有效灌溉率（IER）對AGTFP的影響顯著為正。水資源作為農業中極為重要的要素投人，對農業產出有著直接影響。同時，農業灌溉是農業碳排放的主要來源，減少農業水資源浪費，有利于通過降低農業碳排放來提高AGTFP。該變量在模型（3）中不顯著，在控制時間效應后變為顯著。由此推測，有效灌溉率的區域異質性較弱，而隨時間演變呈現出較強的變化趨勢。

人均耕地面積（ALPC）對AGTFP的回歸系數顯著為正。人均耕地面積反映了一個區域內土地資源要素的配置狀況。人均耕地面積的增加能夠有效降低土地細碎化程度，推動農地的規模化經營，有利于改善土地細碎化經營帶來的不利狀況，降低農業生產成本，實現土地資源要素的優化配置[29]，進而提升農業綠色全要素生產率。

農業對外開放度（AOFD）對AGTFP的回歸系數顯著為負。本研究中農業對外開放度指標是指一個地區農產品進出口總額與該地區農業總產值之比。4個模型的回歸系數均顯著為負，原因如下：一方面，可能存在農業進口資本要素配置過多，進而致使對內農業生產資本要素配置不足的問題，最終導致AGTFP降低；另一方面，隨著農業對外開放度的提高，農業市場中各類產品的競爭激烈程度隨之提升，這會倒逼農業經營者通過優化資源要素投人，以增強自身農產品的競爭力[24]。然而，在此過程中農業要素錯配現象仍然普遍存在，所以農業對外開放度對AGTFP存在顯著的負向影響。

勞動力轉移率（LFR）對AGTFP有顯著的正向影響。勞動力轉移對AGTFP的正向影響可通過兩個間接傳導機制實現[30]。一是農村勞動力在不同部門之間的轉移，優化了勞動力資源配置。適量的勞動力從農業部門轉移到非農部門，不僅促進了非農經濟的增長，還通過經濟的溢出效應反向促進了農業經濟的增長，從而對AGTFP產生正向影響。二是充分發揮農戶的相對優勢和各經營主體的專業分工效應。在農村土地“三權分置\"制度改革的背景下，具有農業經營相對優勢的農戶通過轉入更多的土地提高經營效率，促進土地規模經營和連片耕種；而對于具有非農就業傾向的農戶而言，通過將閑置或無法兼顧的土地進行轉出，有利于促進勞動力的釋放和流動，實現勞動資源要素的合理配置，從而對AGTFP產生正向影響。

農業生產結構（AIS）對AGTFP有顯著的正向影響。本研究中農業生產結構指標為一個地區農業總產值與該地區農林牧漁總產值之比。農業生產結構在一定程度上反映了區域內農業經濟的發展狀況，諸如高附加價值農產品種植加工、農產品產業鏈經營和農業科技創新等農業生產結構調整舉措，均將提升農業總產值占比，從而對AGTFP產生正向影響。

環境規制強度（ESI）對AGTFP有較為顯著的正向影響。本研究中環境規制強度指標被定義為一個地區環境污染治理完成投資額與該地區第一產業增加值之比。環境規制對AGTFP產生正向影響，主要是通過直接制定相關政策約束農業碳排放和農業排污行為，以及運用市場激勵手段促進農業技術進步和農業技術效率提升來實現的[27]

3 小結與建議

3.1 小結

1）分地區來看，2012—2021年中國30個省級地區的農業綠色全要素生產率總體上呈逐年上漲趨勢，農業綠色發展轉型穩步推進。青海、內蒙古、吉林等部分省份在2013—2016年AGTFP呈下降趨勢，這些地區面臨著農業經濟增長與綠色發展轉型的矛盾。

2）2013—2021年，中國GML指數和GTC指數整體呈上升趨勢，GEC指數整體呈下降趨勢，且在研究期內GEC指數均低于GTC指數。這表明中國的AGTFP的增長率逐年遞增，增長來源主要是農業綠色技術進步。隨著時間推移，農業綠色技術進步水平不斷提升，農業綠色技術效率卻日益下降。這一結論意味著中國農業綠色轉型正處于“技術驅動型”增長階段，全要素生產率提升主要依賴技術創新，但也反映出當前農業綠色技術推廣存在“重研發輕應用”的傾向，需要對農業資源要素的配置進行不斷優化。在此期間，GML指數在2020年出現較大幅度增長，表明“十三五\"時期中國農業綠色發展轉型等規劃取得較為顯著的成效。

3通過對中國AGTFP的地域特征進行分析，可判斷農業產區差異是影響中國農業綠色高質量發展的主要因素。多數屬于農業主產區的省級地區，其AGTFP和AGTFP增長率均較高，且農業技術呈進步趨勢。在其他地區，以貴州為例，也可以通過農業投資和環境規制等途徑大力推動農業綠色轉型，實現較快的農業綠色經濟增長。此外，經濟結構差異也是制約區域農業綠色高質量發展的重要因素。

4通過雙向固定效應模型對影響中國AGTFP的多重因素進行分析，明確了農村居民人均可支配收入、有效灌溉率、人均耕地面積、勞動力轉移率、農業生產結構和環境規制強度這6個具有顯著正向影響的因素以及農業對外開放度這1個具有顯著負向影響的因素。各影響因素直接或通過優化要素配置間接對AGTFP產生影響。

3.2 建議

1面對中國農業面臨的資源環境承載閾值逼近與增長動能減弱的雙重約束，中國亟需健全農業綠色制度框架，加快推進農業綠色發展轉型。政府需重視中國農業現階段面臨的資源環境承載力約束等諸多問題，建立資源環境承載力動態監測預警機制，推動中國農業實現從粗放式發展向高質量、可持續發展模式的轉變，提升農業質量效益和競爭力，深人推進農業供給側結構性改革，增強農業可持續發展能力。

2）針對農業綠色技術創新與應用效率不協同的突出問題，需構建政策引導、技術推廣、能力建設三位一體的系統性解決方案。建議從頂層設計層面強化綠色技術創新的政策支持，完善研發投人與成果轉化的制度銜接，同時加強基層技術推廣網絡建設，提升農業經營主體的技術應用能力。此外，需建立健全技術應用效率的監管評估機制，通過優化資源配置和政策激勵，逐步扭轉“重研發輕應用\"的結構性失衡，實現技術創新與效率提升的良性互動。

3）針對農業生產要素配置的結構性矛盾，需構建制度創新與技術賦能的協同治理框架。建議深化農村土地制度改革，培育新型農業經營主體，推動農業生產要素的數字化重構，同時完善綠色金融支持體系，創新數字普惠金融服務模式，逐步化解要素流動阻滯與配置低效的深層矛盾。通過系統性提升要素配置效能，促進土地、勞動力與資本等基礎性要素在綠色轉型中的協同增效，為農業可持續發展提供內生動力。

參考文獻：

[1]王兵，曾志奇，杜敏哲.中國農業綠色全要素生產率的要素貢獻及產區差異———基于Meta-SBM-Luenberger生產率指數分析[J].產經評論，2020，11（6）：69-87.

[2]張恒，郭翔宇.農業生產性服務業發展與農業全要素生產率提升：地區差異性與空間效應[J].農業技術經濟，2021（5）：93-107.

[3]劉霞婷，李強，吳超，等.中國農業全要素生產率動態分析——基于SFA模型和 Log（t） 回歸方法[J].中國農業資源與區劃，2022，43（1）：50-59.

[4］趙錦春.數字普惠金融能否提升農業全要素生產率？——基于跨國面板數據的經驗證據[J].現代經濟探討，2024（3）：109-121.

[5]龔斌磊，袁菱苒.新質生產力視角下的農業全要素生產率：理論、測度與實證[J].農業經濟問題，2024，45（4）：68-80.

[6]葛鵬飛，王頌吉，黃秀路.中國農業綠色全要素生產率測算[J].中國人口·資源與環境，2018，28（5）：66-74.

[7]CHUNGYH，FARER，GROSSKOPF S. Productivityand undesir-able outputs ：A directional distance function approach[J].Journalof environmental management，1997，51（3）：229-240.

[8］王圣云，林玉娟.中國區域農業生態效率空間演化及其驅動因素——水足跡與灰水足跡視角[J].地理科學，2021，41（2）：290-301.

[9］楊錦琦，左騰達.長江經濟帶農業綠色全要素生產率評價及時空演化分析[J].企業經濟，2022，41（11）：152-160.

[10]蔣團標，鐘敏，馬國群.數字經濟對農業綠色全要素生產率的影響——基于土地經營效率的中介作用分析[J].中國農業大學學報，2024，29（4）：27-39.

[11]方芳，張立杰，趙軍.制度組態視角下提升農業綠色全要素生產率的多元路徑探析——基于動態QCA的面板數據分析[J].中國農村經濟，2024（2）：44-66.

[12]OHD.A globalMalmquist-Luenberger productivity index[J].Jour-nal of productivityanalysis，2010，34：183-197.

[13] TONE K. A slacks-based measure of efficiency in data envelop-ment analysis[J].European journal of operational research，2001，130（3）：498-509.

[14]楊愷鈞，毛博偉，胡菡.長江經濟帶物流業全要素能源效率——基于包含碳排放的SBM與GML指數模型[J].北京理工大學學報（社會科學版），2016，18（6）：54-62.

[15］周嘉，王鈺萱，劉學榮，等.基于土地利用變化的中國省域碳排放時空差異及碳補償研究[J].地理科學，2019，39（12）：1955-1961.

[16]陳申奧，景曉棟，陳潔.生態價值視角下黃河流域農業生態效率時空演變及提升路徑研究[J].江西農業學報，2023，35（5）：197-203.

[17］馬濤.上海農業碳源碳匯現狀評估及增加碳匯潛力分析[J].農業環境與發展，2011，28（5）：38-41.

[18] CHENG K，PAN G，SMITH P，et al. Carbon footprint of China’scrop production—An estimation using agro-statistics data over1993——2007[J].Agriculture，ecosystemsamp; environment，2011，142（3-4）：231-237.

[19]IPCC. Climate change 2013—The physical science basis[M].Cam-bridge，UK：Cambridge university press，2014.31-116.

[20］段華平，張悅，趙建波，等.中國農田生態系統的碳足跡分析[J].水土保持學報，2011，25（5）：203-208.

[21]李波，張俊飚，李海鵬.中國農業碳排放時空特征及影響因素分解[J].中國人口·資源與環境，2011，21（8）：80-86.

[22]聶長飛，盧建新，馮苑，等.創新型城市建設對綠色全要素生產率的影響[J].中國人口·資源與環境，2021，31（3）：117-127.

[23］周法法，鄭義，李軍龍.農業保險發展與農業綠色全要素生產率：內在機制與實證檢驗[J].世界農業，2022（10）：70-82.

[24］銀西陽，賈小娟，李冬梅.農業產業集聚對農業綠色全要素生產率的影響——基于空間溢出效應視角[J].中國農業資源與區劃，2022，43（10）：110-119.

[25］史常亮，占鵬，朱俊峰.土地流轉、要素配置與農業生產效率改進[J].中國土地科學，2020，34（3）：49-57.

[26]陸杉，熊嬌.農村金融、農地規模經營與農業綠色效率[J].華南農業大學學報（社會科學版），2021，20（4）：63-75.

[27］胡永浩，張昆揚，武拉平，等.環境規制對農業綠色全要素生產率的影響[J].生態經濟，2023，39（12）：118-125.

[28］金芳，金榮學.農業產業結構變遷對綠色全要素生產率增長的空間效應分析[J].華中農業大學學報（社會科學版），2020（1）：124-134，168-169.

[29]莫亞琳，蘇城藝，覃煥，等.農地流轉如何提升農業全要素生產率——基于我國省級面板數據的實證檢驗[J].廣西社會科學，2021（9）：80-88.

[30]匡遠配，彭鼎.農地流轉影響要素市場發育的機理與實證研究——基于面板中介效應模型的論證[J].中國農業資源與區劃，2023，44（5）：250-258.

（責任編輯 丁艷紅）