高 楊，牛子恒

(1.山東大學 經濟學院，山東 濟南 250000；2.曲阜師范大學 山東省食品安全治理政策研究中心，山東 日照 276826)

一、引言

農業(yè)可持續(xù)發(fā)展關乎國家的食品安全、資源安全和生態(tài)安全，是一國社會經濟可持續(xù)發(fā)展的重要基礎。農業(yè)綠色全要素生產率(Green Total Factor Productivity，GTFP)在傳統(tǒng)全要素生產率(Total Factor Productivity，TFP)的基礎上，考慮能耗和污染排放等因素，是農業(yè)可持續(xù)發(fā)展質量的客觀反映。因此，厘清農業(yè)GTFP的影響因素，對于實現(xiàn)農業(yè)可持續(xù)發(fā)展，具有十分重要的意義。

在現(xiàn)有研究中，張永強等認為，化肥施用量、農業(yè)機械總動力、農田水利設施對農業(yè)GTFP具有顯著正向影響[1]。梁俊和龍少波的研究表明，農業(yè)稅減免促進了農業(yè)GTFP增長，工業(yè)化、城市化的推進和農業(yè)貿易條件的改變阻礙了農業(yè)GTFP增長[2]，而環(huán)境規(guī)制并未對農業(yè)GTFP增長產生實際影響[3]。葉初升和惠利發(fā)現(xiàn)，農業(yè)財政支持有助于農業(yè)GTFP增長[4]，且對糧食主產區(qū)與主銷區(qū)的農業(yè)GTFP增長均有促進作用[5]。李兆亮等指出，人均GDP對西部農業(yè)GTFP的影響相對較大，而中、東部主要受到勞動力素質的影響[6]。 張淑輝證實，初、中等人力資本對全國及中、西部農業(yè)GTFP增長具有顯著影響，高等人力資本除對東部農業(yè)GTFP增長產生正效應外,對其余區(qū)域的影響并不顯著[7]。

事實上，除上述因素外，農業(yè)信息化是一個不容忽視的關鍵因素。理論上講，農業(yè)信息化可優(yōu)化農業(yè)資源配置，提高農業(yè)資源利用效率，加速技術進步，從而改善農業(yè)生產效率?，F(xiàn)有研究已經開始重視農業(yè)信息化對農業(yè)TFP的影響，認為農業(yè)信息化對農業(yè)TFP增長具有積極影響[8]，且存在顯著的門檻效應[9]。但是，農業(yè)信息化對農業(yè)GTFP增長的影響研究尚未見報道，因此本文重點研究農業(yè)信息化對農業(yè)GTFP增長的影響。

由于本省份農業(yè)GTFP增長不僅取決于本省份的農業(yè)信息化水平，還可能與鄰接省份的農業(yè)GTFP和農業(yè)信息化水平密切相關。若不考慮空間溢出效應，可能會導致估計結果產生偏誤。為詮釋空間結構對農業(yè)GTFP的影響，避免估計結果偏誤，本文采用空間杜賓模型。

此外，準確測算農業(yè)GTFP是分析其影響因素的必要前提。Malmquist-Luenberger(ML)指數法和Global Malmquist-Luenberger(GML)指數法是現(xiàn)有文獻通常采用的方法。但ML指數法和GML指數法均為基于徑向的方向性距離函數，只能保證合意產出與非合意產出同比例變化。當存在投入過?；虍a出不足時，徑向的分析方法會高估生產決策單元的生產效率。同時，ML指數法和GML指數法都必須對測度角度進行選擇，無論是從產出角度還是投入角度進行選擇，都會因忽視另一角度而導致測算結果有偏。為有效避免ML指數法和GML指數法存在的缺陷，本文運用基于SBM方向性距離函數的ML指數法(SBM-ML)。該方法不僅考慮了投入與產出松弛量對生產效率的影響，還無需選擇測度角度。

基于上述分析，本文依據2003—2015年的省際面板數據，采用SBM-ML指數法，測算農業(yè)GTFP。在此基礎上，借助空間杜賓模型和偏微分方法，探討農業(yè)信息化對農業(yè)GTFP的影響，并將其分解為直接效應和空間溢出效應。

二、研究方法

(一)SBM-ML指數

Pt(X)=(yt,bt)xt可以生產(yt,bt)

t=1,2，…，T

(1)

假定規(guī)模報酬可變，則省份i在t年包含合意產出與非合意產出的非徑向、非角度SBM方向性距離函數為：

(2)

進而，引入跨期動態(tài)的概念，借鑒幾何平均值思路，構建t與t+1連續(xù)兩年相鄰參比的SBM-ML指數如下：

(3)

SBM-ML指數還可分解為技術效率變化指數(Ec)和技術進步指數(Tc)。技術效率變化指數(Ec)用來衡量實際生產點向生產前沿面的靠近程度，技術進步指數(Tc)用來衡量生產前沿面向外擴張的程度。SBM-ML>1(<1)、Ec>1(<1)和Tc>1(<1)分別表示農業(yè)GTFP的提高(降低)、技術效率的上升(下降)和技術的進步(倒退)。

(二)空間相關性檢驗

空間相關性檢驗是構建空間計量模型的前提，而現(xiàn)有研究大多采用全局Moran's I對空間相關性進行檢驗。當空間相關性通過檢驗時，則證實中國農業(yè)GTFP以及農業(yè)信息化水平可能產生空間溢出效應。

全局Moran's I的絕對值大小表示空間相關性的強弱。當-1≤Moran's I<0或0

全局Moran's I=

(4)

當全局Moran's I未通過檢驗時，說明整體上不存在空間相關性，但無法判斷省份之間是否存在局部空間相關性。因此，必須進行局部Moran's I檢驗。其表達式為：

(5)

其中，各部分的具體含義與全局Moran's I相同。

(三)空間權重矩陣

在現(xiàn)有區(qū)域層面生產率的空間計量分析中，通常以地理鄰接來設定空間權重矩陣wij[10]。當省份i與省份j存在共同邊界時，取值為1，否則取值為0，即：

(6)

中國各省份地理鄰接情況如表1所示。

(四)空間杜賓模型

本文構建空間杜賓模型如下：

LnGTFPt=a+ρWLnGTFPt+βLnXt+

θWLnXt+ε

(7)

表1 中國30個省份的地理鄰接情況表

注：本文未包含西藏、香港、澳門與臺灣。

(五)空間影響分解

空間杜賓模型的參數估計結果證實了農業(yè)信息化水平以及控制變量對農業(yè)GTFP的正向或負向影響，但其回歸系數包含了鄰接省份農業(yè)GTFP互相影響的反饋效應，無法準確反映直接影響與間接影響的大小，因而需要剔除反饋效應。本文采用偏微分方法，將式(7)轉化為：

(I-ρW)LnGTFPt=(βLnXt+θWLnXt)+

a+ε

(8)

進一步可得：

LnGTFPt=(I-ρW)-1(βLnXt+θWLnXt)+

(I-ρW)-1a+(I-ρW)-1ε

(9)

則LnGTFPt關于LnXt的偏微分方程矩陣為：

(10)

其中，等號最右端矩陣中，對角線元素的平均值為直接效應，表示本省份農業(yè)信息化水平以及控制變量對本省份農業(yè)GTFP的直接影響；非對角線元素的平均值為空間溢出效應，表示鄰接省份農業(yè)信息化水平以及控制變量對本省份農業(yè)GTFP的間接影響。

三、變量選取與數據來源

(一)農業(yè)GTFP的投入與產出變量

農業(yè)具有廣義與狹義之分，廣義的農業(yè)是指農林牧漁業(yè)，狹義的農業(yè)是指種植業(yè)。由于投入、產出要素的種類與數量均存在顯著差異，必然會導致種植業(yè)與農林牧漁業(yè)的GTFP測算結果不同。故本文將研究視角聚焦于以種植業(yè)為代表的狹義農業(yè)。具體投入變量和產出變量如下：

1.投入變量

勞動力數量：現(xiàn)有統(tǒng)計數據只有從事農林牧漁業(yè)的總勞動力數量。本文以種植業(yè)產值占農林牧漁業(yè)總產值的比重為權重，將種植業(yè)勞動力數量從總勞動力數量中進行分離，單位為萬人。

機械動力：同樣以種植業(yè)產值占農林牧漁業(yè)總產值的比重為權重，將種植業(yè)機械動力從農林牧漁業(yè)機械總動力中進行分離，單位為萬千瓦。

化肥施用量：以農作物的化肥施用量(折純)表示，單位為萬噸。

播種面積：以農作物的實際播種總面積表示，單位為千公頃。

用水量：以有效灌溉面積表示，單位為千公頃。

2.產出變量

合意產出：以2003年作為不變價的種植業(yè)產值表示，單位為億元。

非合意產出：農業(yè)污染具有擴散快、數據統(tǒng)計難的特點。在對各種方法進行比較、且考慮數據可得性的基礎上，本文采用單元調查評估法，核算各農業(yè)污染物排放量，即：

(11)

其中，m代表四種農業(yè)污染單元，即化肥、農作物秸稈、農藥、農膜。n為每個農業(yè)污染單元產生的農業(yè)污染物類型，包括化肥通過地表徑流或地下溶淋的方式產生的總氮(TN)和總磷(TP)的流失、農作物秸稈處理不當造成的化學需氧量(COD)、總氮(TN)和總磷(TP)的排放、農藥農地殘留、農膜農地殘留。Em為農業(yè)污染單元m的污染物排放量，EUm為農業(yè)污染單元m的指標統(tǒng)計數，ρmn為農業(yè)污染單元m中，污染物n的產污強度系數，ηm為農業(yè)污染單元m指標統(tǒng)計數的利用率系數，Cmn為農業(yè)污染單元m中，污染物n的排放系數，該系數由農業(yè)污染單元m的指標統(tǒng)計數和空間特征S共同決定。

依據需要調查的農業(yè)污染單元指標統(tǒng)計數，建立如表2所示清單列表：

表2 農業(yè)非點源污染清單列表

此外，基于《全國第一次污染源普查農業(yè)源系數手冊》，以及相關研究的主要研究結論，對影響產污強度系數的參數進行總結，建立產物強度系數影響參數表，如表3所示：

表3 產污強度系數影響參數表

(二)空間杜賓模型的解釋變量

1.核心解釋變量

農業(yè)信息化水平：參照《國家信息化發(fā)展報告》的指標體系，并且考慮數據的可得性，本文選取農村每百戶居民的計算機擁有量、移動電話擁有量和彩色電視機擁有量、農村居民人均交通通訊費用支出、以及每個省份的互聯(lián)網普及率和長途電纜總長度作為農業(yè)信息化水平的具體衡量指標。鑒于熵值法能夠有效避免人為賦予權重的主觀影響，可真實客觀地反映各項指標變異程度，本文采用熵值法對農業(yè)信息化水平進行測算。限于篇幅限制，對方法和測算過程不再進行贅述。

2.控制變量

開放程度：地區(qū)開放程度的高低可由進出口貿易額的多寡來反映。Mitze指出，進出口貿易不僅會對生產率產生顯著影響，還存在空間溢出效應[11]。本文以各省份的進出口貿易總額與總產值的比值表示每個省份的對外開放程度，單位為%。

受教育程度：Benos和Karagiannis發(fā)現(xiàn)，受教育程度對生產率具有顯著正向影響[12]。本文以高校在校學生數量作為每個省份受教育程度的評價指標，單位為萬人。

工業(yè)化程度：Buston等認為，農業(yè)生產率與工業(yè)發(fā)展之間存在相互影響的關系[13]。本文以每個省份第二產業(yè)增加值占總產值的比重反映工業(yè)化水平，單位為%。

自然條件惡劣程度：自然條件惡劣程度對農業(yè)生產率具有一定程度的影響。本文選取農作物成災面積與受災面積的比值表示自然條件惡劣程度，單位為%。

勞動力投入程度：勞動力數量是測算農業(yè)全要素生產率的投入變量之一，其投入程度將影響生產率的變化。本文用從事種植業(yè)的勞動力數量表示其投入程度，其測算方法如前文所述，單位為萬人。

農業(yè)機械化程度：伍俊騫等指出，農業(yè)機械化程度顯著影響農業(yè)生產率。同時，農業(yè)機械往往跨區(qū)作業(yè)，具有較強的空間溢出效應[14]。本文以畝均機械動力表示農業(yè)機械化程度，單位為千瓦/畝。

(三)數據來源

考慮到數據的可得性、各省份特殊的要素資源稟賦以及數據包絡分析法對異常數據的敏感性，本文將西藏、臺灣、澳門和香港去除，最終省份數量為30個。數據主要來源于《中國統(tǒng)計年鑒》、《中國農村統(tǒng)計年鑒》與《中國農業(yè)年鑒》以及30個省份的地方統(tǒng)計年鑒等[注]《中國統(tǒng)計年鑒》、《中國農村統(tǒng)計年鑒》和《中國農業(yè)年鑒》的統(tǒng)計口徑相對一致，已被廣泛應用于農業(yè)TFP或GTFP的測算。地方統(tǒng)計年鑒則起到對某些缺失值補充的作用，且占比極少。因此，本文所使用的數據滿足可比性的建模要求。。

四、結果分析

(一)農業(yè)GTFP測算結果

2003—2015年，中國農業(yè)GTFP年均增長4.5%，這與杜江估計的4.2%較為接近[15]。從增長源泉來看，農業(yè)技術進步的年均增長率為5.5%，其累積變化曲線和農業(yè)GTFP累積變化曲線呈螺旋式向右上方同向變動。農業(yè)技術效率的年均增長率為-1%，其累積變化曲線呈現(xiàn)出遠離農業(yè)GTFP和農業(yè)技術進步累積變化曲線的趨勢(圖1)?？梢姡r業(yè)技術進步是農業(yè)GTFP增長的主要動力，而農業(yè)技術效率的貢獻微乎其微，甚至在一些年份表現(xiàn)為負效應。

圖1 中國農業(yè)GTFP的累積增長與源泉變化圖

從增長趨勢來看，農業(yè)GTFP的增長大致分為三個階段。第一階段為2003—2006年，該階段為農業(yè)GTFP增長的起步階段，年均增長速度為3.42%。這個階段中國開始實行減征或免征農業(yè)稅的惠農政策，農業(yè)GTFP開始提高。第二階段為2007—2010年，該階段為農業(yè)GTFP的穩(wěn)定增長階段，年均增長速度為3.86%。這個階段中國通過增加農資綜合直補金額等措施，加大農業(yè)扶持力度，使農業(yè)GTFP增長速度相對穩(wěn)定。第三階段為2011—2015年，該階段為農業(yè)GTFP加速增長階段，年均增長速度為5.96%，超越了全部年份的平均水平。這個階段處于中國的“十二五”規(guī)劃時期，國家不斷推動工業(yè)化與城鎮(zhèn)化發(fā)展，并引導農業(yè)走“產出高效、產品安全、資源節(jié)約、環(huán)境友好”的現(xiàn)代化道路，使農業(yè)GTFP得到了飛躍增長。

從區(qū)域差異來看，中國農業(yè)GTFP的增長幅度按照中、東、西順序依次遞減(表4)。中部的農業(yè)GTFP增長幅度最高，增幅為8.02%，技術效率下降1.07%，技術進步率增長9.2%。東部農業(yè)GTFP的增長幅度次之，增幅為3.14%，技術效率降低1.81%，技術進步率提高5.04%。西部農業(yè)GTFP的增長幅度最低，增幅為2.19%，技術效率下降2.43%，技術進步上升4.74%。這與李谷成認為農業(yè)GTFP按照東、西、中順序依次遞減的結論不符[16]。這是由于：第一，測算對象不同。本文聚焦于種植業(yè)，而李谷成的測算對象為農林牧漁業(yè)。第二，選取研究的時間序列不同。在不同時間階段，農業(yè)支持政策和農業(yè)外部市場環(huán)境均存在較大差異，從而導致測算結果不同。第三，研究方法不同。不同的測算方法在測算角度的選擇、投入與產出的處理上均存在差異，也會導致測算結果不同。

中部增幅最高，得益于2004年后開始實施的中部崛起戰(zhàn)略，該戰(zhàn)略極大地激發(fā)了中部省份農業(yè)GTFP的增長潛力。東部低于中部的主要原因在于，近年來，東部農業(yè)發(fā)展遇到了瓶頸期，農業(yè)生產要素配置不合理問題突出。西部最低的原因在于，西部的技術水平最低、資源條件最差，農業(yè)發(fā)展面臨資源與環(huán)境雙重壓力[17]。

從每個省份來看，絕大多數省份處于增長態(tài)勢，但海南、內蒙古、青海、寧夏、新疆卻出現(xiàn)了下降的現(xiàn)象。這是由于：與其他省份相比，這些省份的農業(yè)生產條件相對較差，不利于農業(yè)的發(fā)展。此外，吉林也出現(xiàn)了下降的情形，這是由吉林省粗放式的農業(yè)生產方式所導致的。

表4 中國東、中、西部各省份的農業(yè)GTFP表

注：表中技術效率指數、技術進步指數及各生產率指數均為幾何平均數。

(二)空間相關性檢驗的結果分析

從農業(yè)信息化的全局Moran's I檢驗結果來看，每個年度都顯著為正，且基本圍繞0.2上下浮動，說明中國農業(yè)信息化存在強空間正相關性(表5)。

表5 農業(yè)信息化的全局Moran's I檢驗表

注：*、**、***分別表示在10%、5%、1%水平下顯著。下同。

從農業(yè)GTFP的全局Moran's I檢驗結果來看，2003—2004、2004—2005、2006—2007、2007—2008年度顯著為正，2008—2009年度顯著為負，其他年度未通過顯著性檢驗(表6)。

表6 農業(yè)GTFP的全局Moran's I檢驗表

全局Moran's I均質化了省份之間的差異，不能反映各省份農業(yè)GTFP的局部空間相關情況。因此，需要對全局空間相關性不顯著年份進行局部空間相關性分析。本文選取2005—2006與2013—2014年度，通過測算局部Moran's I，分別得到這兩個年度的Moran's I散點圖(圖2)和LISA圖(圖3)，以分析全局空間相關性不顯著年份的局部空間相關性情況。

圖2 2005—2006年度與2013—2014年度的Moran's I散點圖

圖3 2005—2006年度與2013—2014年度農業(yè)GTFP的LISA圖

Moran's I散點圖分為四個象限，分別反映了本省份與其鄰接省份之間的四種局部空間聯(lián)系形式：第一象限代表了高觀測值省份被同是高值省份所包圍的空間聯(lián)系形式(H-H)；第二象限代表了低觀測值省份被高值省份所包圍的空間聯(lián)系形式(L-H)；第三象限代表了低觀測值省份被同是低值省份所包圍的空間聯(lián)系形式(L-L)；第四象限代表了高觀測值省份被低值省份所包圍的空間聯(lián)系形式(H-L)。其中，第一與第三象限表現(xiàn)為空間正相關，第二與第四象限表現(xiàn)為空間負相關。從Moran's I散點圖可知，2005—2006年度中的非典型(與全局空間相關性不一致)省份應該落在第二或第四象限，非典型省份包括：湖南、四川、浙江、廣東、陜西和福建，屬于L-H類型；甘肅、江西和重慶，屬于H-L類型。2013—2014年度的非典型省份也應該落在第二或第四象限，非典型省份包括：天津、山東、內蒙古和寧夏，屬于L-H類型；遼寧、江西、北京和甘肅，屬于H-L類型。從2005—2006年度到2013—2014年度，屬于L-H和L-L類型的省份數量減少，屬于H-H類型的省份數量增加，這表明了省份之間農業(yè)GTFP的空間相關性隨時間而發(fā)生顯著變化。

進而，從LISA圖可以更直觀的看出，在2005—2006和2013—2014年度，省份之間農業(yè)GTFP存在顯著的局部空間相關性。在2005—2006年度，有3個省份存在顯著的局部空間相關性。其中，四川(L-H)、湖南(L-H)為負相關，湖北(H-H)為正相關。在2013—2014年度，有4個省份表現(xiàn)出顯著的局部空間相關性。其中，河北(H-H)、河南(H-H)和湖北(H-H)為正相關，天津(L-H)為負相關。與2005—2006年度相比，2013—2014年度呈現(xiàn)出顯著局部空間相關性的省份數量相對增多，且顯著局部正相關的省份數量也越來越多。這說明隨著時間推移，中國農業(yè)GTFP的局部空間相關性有增強的趨勢。

(三)空間杜賓模型估計結果

空間杜賓模型包括隨機效應模型和固定效應模型。具體選擇哪一種模型進行估計結果的討論，需要進行Hausman檢驗。當Hausman的檢驗值為正，且通過顯著性檢驗時，應選擇固定效應模型的估計結果進行討論。如表7所示，本文的Hausman檢驗值為33.19，且顯著為正。因此，本文選擇固定效應模型的估計結果進行討論。

表7 Hausman檢驗表

估計結果中，農業(yè)GTFP的空間滯后項系數并未通過顯著性檢驗，說明鄰接省份農業(yè)GTFP對本省份GTFP的影響并不顯著(表8)。其可能的原因在于，未通過全局農業(yè)GTFP空間相關性檢驗的年份拉低了整個時間序列的顯著性水平。盡管如此，但前文已經證實中國省份之間農業(yè)GTFP存在顯著的局部空間相關性。因此，需要采用空間計量模型來控制鄰接省份農業(yè)GTFP對本省份農業(yè)GTFP的影響。

表8 空間杜賓模型估計結果表(固定效應)

農業(yè)信息化水平的直接影響系數和空間滯后項系數都顯著為正，說明本省份和鄰接省份農業(yè)信息化水平的提升，均會促進本省份農業(yè)GTFP增長。這是由于：第一，農業(yè)信息化水平的提升，不僅有助于改善農戶利用農業(yè)生產技術和生產要素的效率，還將加速農業(yè)信息和農業(yè)生產技術在省份之間的擴散，進而引導生產要素的合理流動。第二，農業(yè)信息化水平的提升，可以使農戶更加了解農業(yè)市場信息，避免農產品交易市場的信息不對稱，從而能合理安排農業(yè)生產。因此，應全面提高農業(yè)信息化水平，以加快農業(yè)GTFP增長步伐。

控制變量中，受教育程度的直接影響系數顯著為正，空間滯后項系數顯著為負，說明本省份受教育程度越高，本省份農業(yè)GTFP的增長越快；相反，鄰接省份受教育程度越高，本省份農業(yè)GTFP的增長越慢，其原因在于：第一，本省份受教育程度越高，能夠熟練使用農業(yè)機械設備、掌握農業(yè)生產技術和重視環(huán)境保護的勞動力越多，從而促進農業(yè)GTFP的增長；第二，受教育程度越高的省份，其馬歇爾聚集效應越明顯，越會進一步吸引受教育程度高的人力資本，從而造成人力資本在省份之間的分配不平衡，不利于其鄰接省份農業(yè)GTFP增長。

工業(yè)化水平的直接影響系數和空間滯后項系數均顯著為負，這說明本省份和鄰接省份的工業(yè)化水平均阻礙本省份農業(yè)GTFP增長。其原因在于：中國農業(yè)發(fā)展相對滯后，工業(yè)發(fā)展相對迅速，農業(yè)與工業(yè)的發(fā)展步調未能保持一致，這使本省份和鄰接省份的工業(yè)化都對本省份農業(yè)產生了一定的排擠作用。

勞動力投入程度的直接影響系數顯著為負，說明本省份過度的勞動力投入會阻礙農業(yè)GTFP增長。勞動力投入程度的空間滯后項系數顯著為正，這是由于：鄰接省份勞動力投入程度越高，則越可能吸納本省份的過剩勞動力，緩解本省份勞動力的投入過剩程度，從而促進本省份農業(yè)GTFP增長。

農業(yè)機械化程度的直接影響系數并未通過顯著性檢驗，說明中國農業(yè)機械化程度尚需進一步提高，且應向基本不需要勞動力參與的“高度控制類型”轉變?？臻g滯后項系數顯著為負，說明鄰接省份農業(yè)機械化程度制約了本省份農業(yè)GTFP增長。其原因可能在于：中國現(xiàn)有的農業(yè)機械行業(yè)距離發(fā)達國家有很大差距，無法滿足市場的巨大需求。鄰接省份對農業(yè)機械的大量投入，必然導致本省份農業(yè)機械化程度的停滯不前，甚至倒退，從而阻礙本省份農業(yè)GTFP增長。

自然條件惡劣程度的空間滯后項系數顯著為負，說明鄰接省份自然條件惡劣程度制約了本省農業(yè)GTFP增長。其原因在于：鄰近省份自然災害的頻發(fā)會對交通路線、網絡線路等基礎設施產生一定的破壞，造成農業(yè)生產要素的流動困難，從而阻礙了本省份農業(yè)GTFP增長。此外，自然條件惡劣程度的直接影響系數并不顯著。

開放程度的直接影響系數和空間滯后項系數均未通過顯著性檢驗，說明開放程度的高低并不是影響中國農業(yè)GTFP增長的關鍵因素。

(四)分解結果

如表9所示，農業(yè)信息化水平每提升1%，農業(yè)GTFP就會增長0.450 3%。其中，直接效應貢獻0.340 1%，空間溢出效應貢獻0.110 2%。這表明農業(yè)GTFP增長主要受本省份農業(yè)信息化水平的直接影響，但鄰近省份農業(yè)信息化水平的空間溢出效應也不容忽視。

表9 空間杜賓模型的影響效應分解表

控制變量中，受教育程度每提升1%，農業(yè)GTFP就會增長0.072 5%。其中，直接效應貢獻0.214 8%，空間溢出效應貢獻-0.142 3%，直接效應與空間溢出效應存在相互抵消的現(xiàn)象。這意味著盡管中國受教育程度對農業(yè)GTFP增長具有促進作用，但主要表現(xiàn)為本省份的直接影響。應引導受教育程度高的人力資本在各省份間平衡、合理流動，以便發(fā)揮出知識的外溢性。

工業(yè)化水平每提升1%，農業(yè)GTFP就會下降0.298 3%。其中，直接效應貢獻-0.153 8%，空間溢出效應貢獻-0.145 5%，但并不顯著。這表明只有實施工業(yè)與農業(yè)協(xié)調發(fā)展，農業(yè)才能享受到工業(yè)化發(fā)展帶來的各種好處。

農業(yè)機械化程度每提升1%，農業(yè)GTFP就會下降0.174 3%。其中，直接效應貢獻-0.044 1%，但不顯著，空間溢出效應貢獻-0.130 2%。這意味著只有大力發(fā)展農業(yè)機械行業(yè)，才能滿足各省份不斷增長的需求和實現(xiàn)省份之間的平衡，進而發(fā)揮出農業(yè)機械化對農業(yè)GTFP增長的積極作用。

此外，自然環(huán)境惡劣程度每提升1%，中國農業(yè)GTFP就會下降0.036 9%，且主要來自于空間溢出效應；勞動力投入程度對農業(yè)GTFP增長的直接效應貢獻為-0.199 2%，空間溢出效應貢獻為0.162 4%，存在著相互抵消現(xiàn)象，從而導致總效應并不顯著；開放程度對農業(yè)GTFP增長的總效應、直接效應和空間溢出效應均不顯著。

五、主要結論與政策建議

本文基于中國2003—2015年的省際面板數據，采用SBM-ML指數法，測算了中國農業(yè)GTFP。進而，借助空間杜賓模型和偏微分方法，探討了農業(yè)信息化對農業(yè)GTFP的影響，并將其分解為直接效應和空間溢出效應。研究發(fā)現(xiàn)：中國農業(yè)GTFP年均增長4.5%，農業(yè)技術進步是其增長的主要動力，且按照中、東、西部順序依次遞減；中國農業(yè)GTFP的局部空間相關性有逐步增強趨勢；農業(yè)信息化水平每提升1%，農業(yè)GTFP就會增長0.450 3%，其中直接效應貢獻0.340 1%，空間溢出效應貢獻0.110 2%；本省份受教育程度、鄰接省份勞動力投入程度對農業(yè)GTFP增長產生顯著正向影響，本省份的勞動力投入程度和工業(yè)化程度、鄰接省份的受教育程度、工業(yè)化程度、農業(yè)機械化程度和自然條件惡劣程度則具有顯著負向影響。

基于上述主要結論，本文的主要政策建議為：立足于東、中、西部的實際，實施差異化的農業(yè)扶持政策；重視省份之間農業(yè)GTFP的局部空間相關性，實施農業(yè)強省對弱省的精準幫扶；深入推進“互聯(lián)網+農業(yè)”行動計劃，實現(xiàn)農業(yè)生產、經營、管理和服務信息化融合發(fā)展，全面提高農業(yè)信息化水平；加大工業(yè)反哺農業(yè)力度，引導生產要素在省份之間的合理流動，提高對突發(fā)性自然災害的應急能力。