○ 王永靜 李佳璇

（石河子大學(xué)經(jīng)濟(jì)與管理學(xué)院，新疆 石河子 832000）

一、引言

糧食主產(chǎn)區(qū)作為重要的糧食生產(chǎn)基地，是我國糧食產(chǎn)量增長最主要的來源渠道，在確保國家糧食安全和保障農(nóng)產(chǎn)品供需動態(tài)平衡方面具有舉足輕重的戰(zhàn)略地位。據(jù)統(tǒng)計，2019 年糧食主產(chǎn)區(qū)糧食產(chǎn)量高達(dá)5.24 億噸，占我國糧食總產(chǎn)量的78%以上，同時聚集了全國大約60%的鄉(xiāng)村人口，主產(chǎn)區(qū)的農(nóng)業(yè)生產(chǎn)狀況對于穩(wěn)定糧食價格、促進(jìn)農(nóng)民增收和推動“三農(nóng)”發(fā)展意義重大。近年來，糧食主產(chǎn)區(qū)糧食產(chǎn)量和農(nóng)業(yè)經(jīng)濟(jì)快速增長，但是長期以要素高投入、資源高耗費驅(qū)動農(nóng)業(yè)發(fā)展的粗放型生產(chǎn)模式，導(dǎo)致農(nóng)業(yè)要素流失、生態(tài)環(huán)境惡化和資源緊缺問題愈發(fā)嚴(yán)重。一方面，農(nóng)膜的大量殘留、農(nóng)藥化肥的過度使用以及農(nóng)村固體廢棄物的不當(dāng)處理，對水資源和耕地資源造成了巨大危害，農(nóng)業(yè)水質(zhì)污染和耕地質(zhì)量下降問題將對農(nóng)產(chǎn)品數(shù)量和質(zhì)量安全構(gòu)成威脅。另一方面，農(nóng)業(yè)碳排放趨近達(dá)峰，農(nóng)業(yè)投入品利用率低下，糧食增產(chǎn)后續(xù)乏力，糧食主產(chǎn)區(qū)農(nóng)業(yè)生產(chǎn)方式轉(zhuǎn)型升級迫在眉睫。2019年中央“一號文件”提出，強化創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，推動農(nóng)業(yè)綠色發(fā)展，推進(jìn)農(nóng)業(yè)由增產(chǎn)導(dǎo)向轉(zhuǎn)向提質(zhì)導(dǎo)向?！丁笆奈濉比珖r(nóng)業(yè)綠色發(fā)展規(guī)劃》進(jìn)一步指出，加快農(nóng)業(yè)全面綠色轉(zhuǎn)型，持續(xù)改善農(nóng)村生態(tài)環(huán)境。面對后疫情時代糧食產(chǎn)需“緊平衡”態(tài)勢和資源環(huán)境壓力，糧食主產(chǎn)區(qū)的農(nóng)產(chǎn)品有效供給能力和農(nóng)業(yè)可持續(xù)發(fā)展能力亟待提升。因此，測度農(nóng)業(yè)綠色全要素生產(chǎn)率對于解決糧食主產(chǎn)區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展中的資源環(huán)境問題，推動區(qū)域農(nóng)業(yè)綠色發(fā)展和高質(zhì)量發(fā)展具有重要的理論和現(xiàn)實意義。

全要素生產(chǎn)率（TFP）作為判斷經(jīng)濟(jì)增長質(zhì)量的重要指標(biāo)，最早由SOLOW[1]提出并進(jìn)行測度，從經(jīng)濟(jì)學(xué)角度是指將總的經(jīng)濟(jì)增長除去勞動、資本、土地等傳統(tǒng)要素投入對其增長貢獻(xiàn)的剩余部分，即索洛余值稱為TFP。而對于農(nóng)業(yè)綠色全要素生產(chǎn)率的理解已在國內(nèi)外學(xué)術(shù)界達(dá)成共識，將納入農(nóng)業(yè)生產(chǎn)過程中產(chǎn)生的環(huán)境污染和資源消耗的全要素生產(chǎn)率視為農(nóng)業(yè)綠色全要素生產(chǎn)率（GTFP）。農(nóng)業(yè)GTFP 能夠綜合衡量農(nóng)業(yè)經(jīng)濟(jì)增長和資源環(huán)境約束，有效反映出真實的農(nóng)業(yè)生產(chǎn)效率和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平。

目前關(guān)于農(nóng)業(yè)GTFP測度的研究主要在研究視角、研究方法和指標(biāo)選取三個方面有所差異。在研究視角的選擇上，楊騫等[2]對全國30 個省份（除西藏外）的農(nóng)業(yè)GTFP 進(jìn)行測度，結(jié)果顯示東部地區(qū)的農(nóng)業(yè)GTFP 增長率最高，西部地區(qū)最低。吳傳清和宋子逸[3]測算了長江經(jīng)濟(jì)帶的農(nóng)業(yè)GTFP水平及其影響因素，發(fā)現(xiàn)樣本期間內(nèi)其農(nóng)業(yè)GTFP 整體有所提高，但略低于全國水平。杜紅梅和戴勁[4]對洞庭湖區(qū)農(nóng)業(yè)GTFP 增長的時空特征展開研究，得出該地區(qū)農(nóng)業(yè)GTFP 增長不穩(wěn)定的結(jié)論。研究方法上，少數(shù)學(xué)者運用參數(shù)估計法，通過構(gòu)建隨機前沿生產(chǎn)函數(shù)模型測度農(nóng)業(yè)GTFP[5-6]，如王留鑫等[5]構(gòu)建超對數(shù)隨機前沿生產(chǎn)函數(shù)模型，發(fā)現(xiàn)我國農(nóng)業(yè)GTFP 以平均每年4%的速度增長。與參數(shù)法相比，非參數(shù)估計法無須設(shè)定函數(shù)，適用于多投入多產(chǎn)出的生產(chǎn)情況，且不必滿足規(guī)模報酬不變的前提條件，所以大多學(xué)者將DEA（數(shù)據(jù)包絡(luò)分析法）和Malmquist 指數(shù)相結(jié)合，采用非參數(shù)估計法測度生產(chǎn)效率。也有部分學(xué)者結(jié)合SBM模型和Malmquist指數(shù)，對中國農(nóng)業(yè)GTFP 進(jìn)行測度，研究表明考慮環(huán)境因素的農(nóng)業(yè)GTFP高于傳統(tǒng)農(nóng)業(yè)TFP[7-9]。進(jìn)一步地，考慮到農(nóng)業(yè)投入產(chǎn)出既有徑向又有非徑向的情況，部分學(xué)者選取投入產(chǎn)出雙向求解的EBMGML 生產(chǎn)率指數(shù)模型考察我國農(nóng)業(yè)GTFP 的動態(tài)演進(jìn)，指出農(nóng)業(yè)GTFP 地區(qū)間差距較大，并且呈現(xiàn)逐步擴大的趨勢[10-11]。指標(biāo)選取方面，主要是對于非期望產(chǎn)出指標(biāo)的核定不盡相同。結(jié)合以往研究，主要以農(nóng)業(yè)碳排放和農(nóng)業(yè)面源污染物COD、TN、TP產(chǎn)生量作為“壞”的產(chǎn)出指標(biāo)[12-16]。同時，也有學(xué)者將農(nóng)業(yè)碳排放和農(nóng)業(yè)面源污染同時納為非期望產(chǎn)出進(jìn)行農(nóng)業(yè)GTFP 測度[17-19]。此外，孟祥海等[20]在充分考慮各省份農(nóng)田面積不同、農(nóng)作物秸稈還田、豆科作物固氮、畜禽糞便和農(nóng)村人居生活污水排放等因素的基礎(chǔ)上，提出了農(nóng)地氮盈余強度作為非期望產(chǎn)出的計算公式。

綜上，現(xiàn)有農(nóng)業(yè)GTFP 文獻(xiàn)在研究方法和指標(biāo)選取上還未形成統(tǒng)一的理論體系，對研究對象進(jìn)行空間特征識別和優(yōu)化潛力分析的文章較少。鑒于此，本文綜合考量農(nóng)業(yè)碳排放量和農(nóng)業(yè)面源污染綜合指數(shù)，采用改進(jìn)的EBM 模型—Malmquist Luenberger 生產(chǎn)率指數(shù)方法，測算2002-2019 年糧食主產(chǎn)區(qū)的動態(tài)農(nóng)業(yè)GTFP 及其分解，從時序演化、區(qū)域差異、空間特征三個層面揭示農(nóng)業(yè)GTFP 的時空分異特征，并通過投入產(chǎn)出的冗余率對其進(jìn)行優(yōu)化潛力分析，以期為糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色發(fā)展的提升路徑和制度規(guī)劃提供科學(xué)參考。

二、研究方法、指標(biāo)選取及數(shù)據(jù)來源

（一）研究方法

1.改進(jìn)的EBM 模型—Malmquist Luenberger 生產(chǎn)率指數(shù)法。

本文參考現(xiàn)有研究[19,21]，基于綜合徑向和非徑向的EBM（Epsilon-based Measure）初始模型[22]，設(shè)置包含非期望產(chǎn)出、無導(dǎo)向和規(guī)模報酬可變的超效率改進(jìn)EBM模型如下：

式（1）k個DMU 決策單元中，xi（ki=1,2,...,m）是m種投入要素，yr（kr=1,2,...,q）是q個期望產(chǎn)出，btk（t=1,2,...,p）是p個非期望產(chǎn)出；θ和φ是x和y的效率值分別是投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量；εx是包含徑向變動比例和非徑向松弛向量的關(guān)鍵參數(shù)分別是第i種投入、第r種期望產(chǎn)出、第t種非期望產(chǎn)出的權(quán)重，反映各指標(biāo)的重要程度，本文引入熵權(quán)法確定權(quán)重

將改進(jìn)的EBM 模型和Malmquist-Luenberger指數(shù)相結(jié)合，能夠測算出農(nóng)業(yè)長期生產(chǎn)過程中GTFP 的動態(tài)效率，ML 指數(shù)計算及其分解如下：

由于本文測度的是農(nóng)業(yè)綠色全要素生產(chǎn)率，故將ML指數(shù)記為GML指數(shù)，GML指數(shù)又可以被分解為綠色技術(shù)效率變化指數(shù)（GEC）和綠色技術(shù)進(jìn)步變化指數(shù)（GTC）兩部分，若GML 指數(shù)大于1，表示農(nóng)業(yè)GTFP 有所提高，反之則表示農(nóng)業(yè)GTFP 有所降低；若GEC指數(shù)大于1，表示綠色技術(shù)效率改進(jìn)，反之則表示綠色技術(shù)效率下降；若GTC 指數(shù)大于1，表示綠色技術(shù)進(jìn)步，反之則表示綠色技術(shù)倒退。

2.探索性空間數(shù)據(jù)分析法（ESDA）

ESDA 是一種通過數(shù)據(jù)客觀分析研究對象空間關(guān)聯(lián)性和空間分布狀況的研究方法，其中，全局性空間自相關(guān)分析（莫蘭指數(shù)法）用于探索農(nóng)業(yè)GTFP 在糧食主產(chǎn)區(qū)內(nèi)的集聚現(xiàn)象，局部自相關(guān)分析（莫蘭散點圖）用于探索省域間農(nóng)業(yè)GTFP 的關(guān)聯(lián)程度。

（1）全局自相關(guān)。全局莫蘭指數(shù)可以揭示研究變量在某一區(qū)域范圍內(nèi)的空間依賴性，莫蘭指數(shù)計算公式如下：

其中，n為地區(qū)總數(shù)；Wij為空間權(quán)重矩陣，相鄰地區(qū)為1，非相鄰地區(qū)為0；Xi為第i省份的觀測值；莫蘭指數(shù)取值在[-1,1]之間，指數(shù)值大于0時，存在空間正相關(guān)；指數(shù)值小于0時，存在空間負(fù)相關(guān)；指數(shù)值趨近于0則表示不具有明顯的空間相關(guān)性，研究變量呈隨機分布。

（2）局部自相關(guān)。局部空間自相關(guān)可以反映局部空間單元間的關(guān)聯(lián)性，顯示出區(qū)域間的分布差異，局部莫蘭指數(shù)計算公式如下：

局部莫蘭指數(shù)大于0，表示各空間單元相似值聚集，局部莫蘭指數(shù)小于0，表示各空間單元非相似值聚集。

（二）指標(biāo)選取與數(shù)據(jù)來源

本文以糧食主產(chǎn)區(qū)13 個省份為決策單元，研究區(qū)間為2002—2019年，選取種植業(yè)為研究對象，將勞動力、土地、化肥、農(nóng)藥、農(nóng)膜、灌溉、機械、能源作為投入指標(biāo)，其中，勞動力投入（萬人）以農(nóng)業(yè)從業(yè)人數(shù)表示，用農(nóng)業(yè)總產(chǎn)值與農(nóng)林牧漁業(yè)總產(chǎn)值的比重，再乘以第一產(chǎn)業(yè)從業(yè)人數(shù)來表示；土地投入（千公頃）以農(nóng)作物播種面積表示；化肥投入（萬噸）以農(nóng)用化肥施用折純量表示；農(nóng)藥投入（萬噸）以農(nóng)藥使用量表示；農(nóng)膜投入（萬噸）以農(nóng)用塑料薄膜使用量表示；灌溉投入（千公頃）以有效灌溉面積表示；機械投入（萬千瓦）以農(nóng)業(yè)機械總動力表示；能源投入（萬噸）以農(nóng)用柴油使用量表示。

期望產(chǎn)出指標(biāo)為農(nóng)業(yè)總產(chǎn)值（億元），為消除價格因素的影響，將農(nóng)業(yè)總產(chǎn)值以2002 年為基期進(jìn)行不變價調(diào)整。

非期望產(chǎn)出指標(biāo)以農(nóng)業(yè)碳排放量（萬噸）和農(nóng)業(yè)面源污染綜合指數(shù)共同衡量。農(nóng)業(yè)碳排放估算體系包含農(nóng)用物資的碳排放、水稻種植CH4排放、土壤N2O排放和秸稈燃燒的碳排放四部分，以各類農(nóng)業(yè)碳排放源數(shù)量乘以其碳排放系數(shù)加總求和得出。其中，農(nóng)用物資、水稻CH4、土壤N2O、秸稈燃燒的碳排放系數(shù)分別參考李波等[23]、閔繼勝和胡浩[24]、田云和張俊飚[25]、彭立群等[26]的研究。農(nóng)業(yè)面源污染的核算包括化肥氮磷流失量、農(nóng)膜無效利用量和農(nóng)膜殘留量。其中，化肥氮磷流失量核算參考賴斯蕓等的研究[27]；農(nóng)藥無效利用量以農(nóng)藥無效利用率與農(nóng)藥使用量的乘積計算得出，而農(nóng)藥無效利用率可以通過農(nóng)業(yè)農(nóng)村部公布的農(nóng)藥有效利用率進(jìn)行逆向運算得到；農(nóng)膜殘留量以農(nóng)膜殘留系數(shù)與農(nóng)膜使用量的乘積計算得出，農(nóng)膜殘留系數(shù)參考自《第一次全國污染源普查——農(nóng)田地膜殘留系數(shù)手冊》。由于農(nóng)業(yè)面源污染指標(biāo)較復(fù)雜，本文采用熵值法將各項指標(biāo)綜合為農(nóng)業(yè)面源污染綜合指數(shù)進(jìn)行表征。

以上投入、產(chǎn)出指標(biāo)所需數(shù)據(jù)來源于EPS數(shù)據(jù)庫、《中國農(nóng)村統(tǒng)計年鑒2003—2020》《中國農(nóng)業(yè)統(tǒng)計年鑒2003—2020》《中國統(tǒng)計年鑒2003—2020》等官方權(quán)威數(shù)據(jù)。

三、實證結(jié)果與分析

（一）糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的時序演化趨勢

本文運用MaxDEA 軟件，基于改進(jìn)的EBM 模型—Malmquist Luenberger 生產(chǎn)率指數(shù)法測算出糧食主產(chǎn)區(qū)2002—2019年的動態(tài)農(nóng)業(yè)綠色全要素生產(chǎn)率（GTFP）、農(nóng)業(yè)綠色技術(shù)效率（GEC）和農(nóng)業(yè)綠色技術(shù)進(jìn)步（GTC）如圖1 所示。由圖1 可以看出，研究期內(nèi)糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 總體呈“M”型波動，未能在一段較長時間內(nèi)實現(xiàn)持續(xù)性增長。其中，2002—2005年，糧食主產(chǎn)區(qū)農(nóng)業(yè)GTC遠(yuǎn)高于農(nóng)業(yè)GEC；2005—2010年，糧食主產(chǎn)區(qū)農(nóng)業(yè)GEC反超農(nóng)業(yè)GTC，在技術(shù)效率的驅(qū)動下，農(nóng)業(yè)GTFP 整體上有所提高；2010—2019 年，糧食主產(chǎn)區(qū)農(nóng)業(yè)GTC基本與農(nóng)業(yè)GTFP 保持步調(diào)一致，表明農(nóng)業(yè)GTFP的增長源泉主要是農(nóng)業(yè)綠色技術(shù)進(jìn)步。

圖1 2002-2019年糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率及其分解項時序演化

表1 顯示了2002—2019 年糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP、TFP變化指數(shù)及其分解指數(shù)，除2004—2005年、2005—2006年和2008—2009年外，將農(nóng)業(yè)碳排放量和農(nóng)業(yè)面源污染綜合指數(shù)同時納入測算體系的農(nóng)業(yè)GTFP 均低于未考慮環(huán)境資源因素的傳統(tǒng)TFP，農(nóng)業(yè)環(huán)境規(guī)制力度有待進(jìn)一步加強。長期以來，以環(huán)境污染和資源耗竭為代價的粗放型農(nóng)業(yè)增長模式一直存在，不容忽視，符合實際情況的農(nóng)業(yè)GTFP 更加接近真實的農(nóng)業(yè)生產(chǎn)效率。整體來看，2002-2019 年我國糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 均值為1.006，雖然總體處于效率改善狀態(tài)，但是農(nóng)業(yè)GTFP增長幅度微弱，主要是由于早期農(nóng)業(yè)GTFP降幅較大，很大程度上削弱了農(nóng)業(yè)GTFP 的增長態(tài)勢。另外，農(nóng)業(yè)GTC 貢獻(xiàn)度約為100%，進(jìn)一步證實了糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 的增長主要是農(nóng)業(yè)綠色技術(shù)進(jìn)步單輪驅(qū)動的作用。

表1 2002-2019年糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP、TFP變化指數(shù)及其分解指數(shù)

2002—2019 年糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 的動態(tài)變化大致可以分為以下四個時期：（1）下降期（2002—2005 年）。糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 初始值為1.043，處于效率改進(jìn)的良好狀態(tài)，但是2003—2004年和2004—2005年農(nóng)業(yè)GTFP連續(xù)下降，2005年較2002 年減少5.56%，從指數(shù)分解情況來看，農(nóng)業(yè)GTC由1.137降至0.994，說明農(nóng)業(yè)綠色技術(shù)倒退是2002—2005 年農(nóng)業(yè)GTFP 降低的主要原因。（2）波動增長期（2005—2011 年）。這段時期內(nèi)農(nóng)業(yè)GTFP 由0.992 增至1.034，整體有所提高，并呈“N”型不穩(wěn)定增長，自2006 年1 月1 日農(nóng)業(yè)稅全面取消后，2005—2007 年農(nóng)業(yè)GTFP 實現(xiàn)了7.46%的快速增長，而受2008 年金融危機、1 月大范圍雪災(zāi)和6月南方大洪災(zāi)影響，2007—2008 年、2008—2009 年農(nóng)業(yè)GTFP 分別下降5.39%、2.67%，2009—2011 年重新恢復(fù)上升態(tài)勢。（3）平穩(wěn)期（2011—2016 年）。該時期糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 指數(shù)由0.986 提高至1.000，平均增速為0.35%，變化幅度微弱，根據(jù)農(nóng)業(yè)GEC 和GTC 指數(shù)的分解情況可以發(fā)現(xiàn)，2011—2016 年糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 的變動源于農(nóng)業(yè)綠色技術(shù)效率和綠色技術(shù)進(jìn)步的共同作用。（4）回升期（2016—2019 年）。由于農(nóng)業(yè)受自然環(huán)境條件影響較大，2016 年中國暴雨洪澇、干旱、風(fēng)雹等各類災(zāi)害頻發(fā)，致使農(nóng)業(yè)生產(chǎn)遭受重創(chuàng)，2016—2017 年糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 指數(shù)小于1，處于效率后退狀態(tài)，“十三五”規(guī)劃提出“綠色發(fā)展”，要求農(nóng)業(yè)生產(chǎn)走高效、安全、資源節(jié)約和環(huán)境友好的農(nóng)業(yè)現(xiàn)代化道路，在國家政策的支持和引領(lǐng)下，經(jīng)過兩年的持續(xù)增長，糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP在2018—2019年再次回升為良好的效率提升狀態(tài)。

（二）糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差異分析

2002—2019年糧食主產(chǎn)區(qū)13個省份和東北主產(chǎn)區(qū)、黃淮海主產(chǎn)區(qū)、長江流域主產(chǎn)區(qū)的年均GTFP變化指數(shù)及分解指數(shù)如表2 所示。在省域?qū)用妫?002—2019 年共有安徽、河北、河南、湖北、湖南、江蘇、江西、遼寧、四川9 個省份農(nóng)業(yè)GTFP 變化指數(shù)大于1，黑龍江、吉林、內(nèi)蒙古、山東4個省份農(nóng)業(yè)GTFP 變化指數(shù)小于1，大多數(shù)省份能夠保持綠色集約的效率進(jìn)步狀態(tài)。其中，河北農(nóng)業(yè)GTFP 位居第一，GTFP 變化指數(shù)為1.028，內(nèi)蒙古排名最后，GTFP 變化指數(shù)為0.963，省域間的農(nóng)業(yè)GTFP 差距較為明顯。根據(jù)糧食主產(chǎn)區(qū)各省份GTFP、GEC、GTC 的指數(shù)情況將其分為以下三種類型：（1）農(nóng)業(yè)綠色生產(chǎn)效率較高區(qū)（河北、湖南、江蘇、四川、安徽），這些省份的農(nóng)業(yè)GTFP常年有所改進(jìn)，且波動幅度較小，其中，河北年均農(nóng)業(yè)GTFP水平最高，由原始數(shù)據(jù)可以看出，河北種植業(yè)勞動力充足，農(nóng)業(yè)機械和能源投入較大，在農(nóng)業(yè)生產(chǎn)過程中較好地實現(xiàn)了農(nóng)業(yè)經(jīng)濟(jì)增長和環(huán)境友好間的平衡；其次是湖南和江蘇，農(nóng)業(yè)GEC指數(shù)和GTC指數(shù)相差較小，兩者一同驅(qū)動農(nóng)業(yè)GTFP 增長。（2）農(nóng)業(yè)綠色生產(chǎn)效率中等區(qū)（河南、江西、遼寧、湖北），其農(nóng)業(yè)綠色生產(chǎn)改善程度相對較小，同時農(nóng)業(yè)GTFP 變化指數(shù)在2004—2006年和2016—2018年大多小于1，這可能是由于早期農(nóng)業(yè)生產(chǎn)體系還未成熟，農(nóng)戶的環(huán)境保護(hù)和資源節(jié)約意識比較薄弱，而2016 年起伴隨我國經(jīng)濟(jì)步入新常態(tài)，農(nóng)業(yè)綠色生產(chǎn)后續(xù)乏力，加上自然災(zāi)害頻繁發(fā)生，最終形成了農(nóng)業(yè)GTFP 小幅下降的態(tài)勢。（3）農(nóng)業(yè)綠色生產(chǎn)效率偏低區(qū)（山東、黑龍江、吉林、內(nèi)蒙古），這些省份在2002—2019年的年均農(nóng)業(yè)GTFP 指數(shù)小于1，粗放的農(nóng)業(yè)生產(chǎn)方式導(dǎo)致其總體處于生產(chǎn)效率后退狀態(tài)，其中內(nèi)蒙古的農(nóng)業(yè)綠色生產(chǎn)狀況最差，在研究期內(nèi)只有4年的農(nóng)業(yè)GTFP變化指數(shù)大于1，通過查找原始數(shù)據(jù)發(fā)現(xiàn)，相對于內(nèi)蒙古廣闊的農(nóng)作物播種面積，其農(nóng)業(yè)人口數(shù)量較少，同時農(nóng)業(yè)面源污染情況嚴(yán)重。

表2 2002—2019年糧食主產(chǎn)區(qū)各省份年均農(nóng)業(yè)GTFP變化指數(shù)及分解指數(shù)

地區(qū)層面，參考姚鳳閣等[28]和姚成勝等[29]的研究，將我國糧食主產(chǎn)區(qū)劃分為東北主產(chǎn)區(qū)、黃淮海主產(chǎn)區(qū)和長江流域主產(chǎn)區(qū)三個地區(qū)，東北主產(chǎn)區(qū)包括黑龍江、吉林、遼寧、內(nèi)蒙古4 省，黃淮海主產(chǎn)區(qū)包括河北、河南、山東3省，長江流域主產(chǎn)區(qū)包括安徽、湖北、湖南、江蘇、江西、四川6 省。結(jié)果表明，農(nóng)業(yè)綠色生產(chǎn)效果最好的是長江流域主產(chǎn)區(qū)，農(nóng)業(yè)GTFP變化指數(shù)為1.015，安徽、湖南、江蘇、江西、四川5 個省份的農(nóng)業(yè)GTFP 大于各省平均水平，長江流域主產(chǎn)區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和科學(xué)技術(shù)水平較高，領(lǐng)先于其他地區(qū)；黃淮海主產(chǎn)區(qū)次之，其農(nóng)業(yè)GTFP指數(shù)為1.012，除山東農(nóng)業(yè)綠色發(fā)展?fàn)顩r相對落后外，河北和河南的農(nóng)業(yè)GTFP 指數(shù)均處于較高水平；最后是東北主產(chǎn)區(qū)，其GTFP指數(shù)為0.988，2002—2019 年間農(nóng)業(yè)GTFP 整體呈下降趨勢，黑龍江、吉林、內(nèi)蒙古三省排名依次位居后3 位，東北主產(chǎn)區(qū)的農(nóng)業(yè)綠色生產(chǎn)狀況亟待改善。

（三）糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的探索性空間特征分析

根據(jù)上述分析可以發(fā)現(xiàn)，2002-2019 年糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)GTFP 具有較大的區(qū)域差異。為進(jìn)一步探索我國糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 的空間集聚特征，本文將2003 年、2008 年、2013 年、2019 年設(shè)為節(jié)點年份，通過STATA 軟件計算出其全局莫蘭指數(shù)分別為0.152、-0.239、-0.125、-0.033，結(jié)果發(fā)現(xiàn)，農(nóng)業(yè)GTFP存在明顯的空間相關(guān)性。除2003年莫蘭指數(shù)為正，顯示出空間正相關(guān)外，其他年份全局莫蘭指數(shù)均為負(fù)，說明農(nóng)業(yè)GTFP 長期呈現(xiàn)負(fù)的空間關(guān)聯(lián)性，某省份農(nóng)業(yè)GTFP 與其鄰近省份GTFP 具有不同的變化趨勢，即農(nóng)業(yè)綠色生產(chǎn)高效率省份被低效率省份圍繞，農(nóng)業(yè)綠色生產(chǎn)低效率省份周邊為高效率省份，并且農(nóng)業(yè)GTFP 的莫蘭指數(shù)絕對值逐年降低，空間相關(guān)性有所減弱，省域間農(nóng)業(yè)GTFP差距逐漸縮小。

圖2 至圖5 展示了糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 在2003 年、2008 年、2013 年、2019 年的局部莫蘭指數(shù)散點圖，劃分為四個象限的Moran散點圖能夠反映某省份與其鄰近省份的空間關(guān)系，第一象限為“高—高”（HH）集聚型，第二象限為“低—高”（LH）集聚型，第三象限為“低—低”（LL）集聚型，第四象限為“高—低”（HL）集聚型。2003 年，山東、江蘇、安徽、河南位于HH 型集聚區(qū)，內(nèi)蒙古、河北、湖北位于LH 型集聚區(qū)，江西、湖南、四川位于LL 型集聚區(qū)，遼寧、吉林、黑龍江位于HL 型集聚區(qū)，受益于良好的農(nóng)業(yè)自然條件，東北主產(chǎn)區(qū)和黃淮海主產(chǎn)區(qū)農(nóng)業(yè)GTFP水平較高。2008年，糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)GTFP 的局部空間特征相較于2003 年發(fā)生較大變化，湖南、湖北晉升為HH型集聚區(qū)，河北晉升為HL 型集聚區(qū)，吉林、黑龍江降為LL 型集聚區(qū)。2013 年，安徽、湖南、河南保持HH 型集聚，具有穩(wěn)定高效的農(nóng)業(yè)GTFP 水平，而內(nèi)蒙古一直位于LH型集聚區(qū)，農(nóng)業(yè)GTFP 沒有得到較為明顯的提升。2019 年，糧食主產(chǎn)區(qū)13 個省份集中于HH、LH、HL三種類型的集聚區(qū)，農(nóng)業(yè)GTFP 水平有所提高，整體呈現(xiàn)出南部高、北部低的空間集聚特征?？梢钥闯觯?002—2019 年糧食主產(chǎn)區(qū)各省份的空間集聚現(xiàn)象由強轉(zhuǎn)弱，隨著國家區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略的深入實施，省域間不斷加強農(nóng)業(yè)生產(chǎn)互動和合作，積極推進(jìn)優(yōu)勢互補、深度融合的局面，各地區(qū)農(nóng)業(yè)GTFP逐漸趨向于均衡協(xié)調(diào)發(fā)展。

圖2 2003年糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)GTFP局部莫蘭散點圖

圖3 2008年糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)GTFP局部莫蘭散點圖

圖4 2013年糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)GTFP局部莫蘭散點圖

圖5 2019年糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)GTFP局部莫蘭散點圖

（四）糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的優(yōu)化潛力分析

為制定具有針對性的農(nóng)業(yè)綠色發(fā)展規(guī)劃，本文采用改進(jìn)的EBM 模型測算出2019 年糧食主產(chǎn)區(qū)13 個省份農(nóng)業(yè)投入、期望產(chǎn)出和非期望產(chǎn)出共11項指標(biāo)的比例改進(jìn)值和松弛改進(jìn)值，對其優(yōu)化潛力進(jìn)行分析，用投入要素的比例改進(jìn)值和松弛改進(jìn)值之和，除以相對應(yīng)的投入指標(biāo)值，即為投入要素的冗余率，冗余率越高，代表投入要素效率損失程度越高，優(yōu)化潛力也就越大；用期望產(chǎn)出的比例改進(jìn)值和松弛改進(jìn)值之和，除以期望產(chǎn)出的實際值，即為期望產(chǎn)出的不足率，產(chǎn)出不足率越高，其優(yōu)化潛力越大；用非期望產(chǎn)出的比例改進(jìn)值和松弛改進(jìn)值之和，除以對應(yīng)的非期望產(chǎn)出指標(biāo)值，即為非期望產(chǎn)出的冗余率，非期望產(chǎn)出冗余量越大，其優(yōu)化潛力越大。各省份農(nóng)業(yè)投入要素、期望產(chǎn)出和非期望產(chǎn)出的優(yōu)化潛力如表3所示。

從表3可以看出，糧食主產(chǎn)區(qū)各省份的農(nóng)業(yè)投入要素、期望產(chǎn)出和非期望產(chǎn)出冗余率差異較大。安徽、黑龍江、四川在勞動力、土地、灌溉、機械和碳排放指標(biāo)上具有廣闊的改進(jìn)空間，優(yōu)化潛力處于35%～70%之間；河北、河南、江西則存在著化肥投入過度和勞動力、機械、能源冗余較多的問題，這些投入要素的優(yōu)化潛力較大；湖北、湖南、內(nèi)蒙古的農(nóng)業(yè)生產(chǎn)冗余主要來源于農(nóng)藥過量使用和殘留，其農(nóng)藥投入要素優(yōu)化潛力均高于45%；吉林、遼寧、山東的勞動力和機械冗余以及農(nóng)膜殘留情況較為嚴(yán)重，優(yōu)化潛力處于30%至65%之間；江蘇的農(nóng)業(yè)投入和產(chǎn)出指標(biāo)冗余狀況明顯好于其他省份，各項生產(chǎn)要素分配合理，資源利用率較高，除農(nóng)業(yè)總產(chǎn)值和碳排放產(chǎn)出外，其余指標(biāo)冗余率均低于25%，優(yōu)化潛力較小。

表3 2019年糧食主產(chǎn)區(qū)各省份農(nóng)業(yè)投入要素、期望產(chǎn)出和非期望產(chǎn)出優(yōu)化潛力 單位：%

總的來說，現(xiàn)階段糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色投入和產(chǎn)出優(yōu)化潛力最大的三項指標(biāo)分別是勞動力投入、機械投入和碳排放量產(chǎn)出，冗余率依次為45.87%、43.37%、34.23%，這表明糧食主產(chǎn)區(qū)勞動力人口兼業(yè)化和老齡化問題較為突出，農(nóng)業(yè)機械化水平有待提高，綠色集約的機械化生產(chǎn)方式能夠在一定程度上減少對生態(tài)環(huán)境造成的破壞，同時仍需大力加強農(nóng)業(yè)碳減排工作力度，倡導(dǎo)高能效、低能耗和低碳排放的農(nóng)業(yè)可持續(xù)發(fā)展模式。其次是土地投入、化肥投入和灌溉投入，冗余率依次為33.74%、32.74%、30.30%，這些指標(biāo)也具備一定的優(yōu)化改進(jìn)空間，要進(jìn)一步增加農(nóng)作物單產(chǎn)量，避免化肥施用過度，有效提高農(nóng)用化肥利用率，并加快建成智能節(jié)水灌溉設(shè)施，大力推進(jìn)農(nóng)業(yè)的節(jié)水化。農(nóng)藥投入、農(nóng)膜投入、能源投入、農(nóng)業(yè)總產(chǎn)值產(chǎn)出和農(nóng)業(yè)面源污染產(chǎn)出的冗余率均小于30%，已經(jīng)形成了較為成熟的農(nóng)藥、農(nóng)膜和能源利用體系，農(nóng)業(yè)面源污染防治工作初步取得成效，優(yōu)化潛力比較有限，應(yīng)繼續(xù)保持良好的投入要素利用和產(chǎn)出水平。

四、結(jié)論與建議

（一）研究結(jié)論

本文考慮到環(huán)境污染和資源約束因素，選取農(nóng)業(yè)碳排放量和農(nóng)業(yè)面源污染綜合指數(shù)作為非期望產(chǎn)出，結(jié)合改進(jìn)的EBM 模型和ML 指數(shù)方法，測度出2002—2019年糧食主產(chǎn)區(qū)13個省份的農(nóng)業(yè)GTFP 變化指數(shù)及其分解指數(shù)，并采用探索性空間數(shù)據(jù)分析法（ESDA）考察了農(nóng)業(yè)GTFP 的空間集聚特征，最后通過各項投入、產(chǎn)出指標(biāo)的冗余率對其進(jìn)行優(yōu)化潛力分析，得出研究結(jié)論如下：（1）時序演化分析表明，2002—2019年糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 呈“M”型波動，共經(jīng)歷了下降期、波動增長期、平穩(wěn)期和回升期四個時期，整體增長幅度微弱，研究期內(nèi)農(nóng)業(yè)GTFP 的驅(qū)動源泉主要是農(nóng)業(yè)綠色技術(shù)進(jìn)步。（2）區(qū)域差異分析表明，省域間農(nóng)業(yè)GTFP 差異較大，其中河北省年均農(nóng)業(yè)GTFP最高，內(nèi)蒙古最低；地區(qū)層面，長江流域主產(chǎn)區(qū)的農(nóng)業(yè)綠色生產(chǎn)效果最好，其次是黃淮海主產(chǎn)區(qū)，最后為東北主產(chǎn)區(qū)。（3）探索性空間集聚特征顯示，糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP長期呈現(xiàn)負(fù)的空間相關(guān)性，某省份農(nóng)業(yè)GTFP 與其周邊省份GTFP 具有不同的變化趨勢，并且研究期內(nèi)其空間集聚現(xiàn)象由強轉(zhuǎn)弱，省域間差距逐漸縮小。（4）優(yōu)化潛力分析說明，糧食主產(chǎn)區(qū)農(nóng)業(yè)綠色投入和產(chǎn)出優(yōu)化潛力最大的三項指標(biāo)分別是勞動力投入、機械投入和碳排放量產(chǎn)出。

（二）對策建議

針對糧食主產(chǎn)區(qū)農(nóng)業(yè)GTFP 測度反映出的問題，結(jié)合農(nóng)業(yè)綠色發(fā)展和高質(zhì)量發(fā)展戰(zhàn)略需求，本文提出以下對策建議：

1.重點關(guān)注農(nóng)業(yè)碳排放過量和面源污染問題，推行綠色的農(nóng)業(yè)生產(chǎn)方式。一方面，重視農(nóng)業(yè)生產(chǎn)對生態(tài)環(huán)境和資源造成的惡劣影響，積極落實碳達(dá)峰2030 和碳中和2060 戰(zhàn)略目標(biāo)，進(jìn)一步加強農(nóng)業(yè)碳排放環(huán)境規(guī)制，將實地調(diào)查與大數(shù)據(jù)統(tǒng)計相結(jié)合，形成覆蓋全面、防控規(guī)范、治理嚴(yán)格的農(nóng)業(yè)污染監(jiān)管體系；另一方面，普及推廣節(jié)能環(huán)保的農(nóng)業(yè)機械化生產(chǎn)模式，加速建成節(jié)水灌溉型和綠色灌溉型基礎(chǔ)設(shè)施，促進(jìn)新時期農(nóng)業(yè)生產(chǎn)方式轉(zhuǎn)型升級，推進(jìn)農(nóng)業(yè)農(nóng)村全面現(xiàn)代化進(jìn)程。

2.確保糧食安全，著力提高農(nóng)業(yè)綠色全要素生產(chǎn)率水平。面對2020年新型冠狀病毒肺炎疫情對糧食生產(chǎn)和貿(mào)易造成的巨大沖擊，要牢牢把握糧食安全主動權(quán)，穩(wěn)步提高糧食生產(chǎn)能力，兼顧糧食產(chǎn)量、質(zhì)量、結(jié)構(gòu)和生態(tài)安全，優(yōu)化調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，深化農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革。另外，農(nóng)業(yè)綠色全要素生產(chǎn)率的增長離不開科技創(chuàng)新的力量，應(yīng)大力培養(yǎng)農(nóng)業(yè)高新技術(shù)尖端人才，完備農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)，應(yīng)用綠色技術(shù)提高水資源、化肥、農(nóng)藥、能源等的有效利用率，全面發(fā)展數(shù)字農(nóng)業(yè)和智慧農(nóng)業(yè)。

3.完善區(qū)域間合作互動機制，實現(xiàn)糧食主產(chǎn)區(qū)農(nóng)業(yè)經(jīng)濟(jì)的協(xié)同向好發(fā)展。糧食主產(chǎn)區(qū)各省份勞動力、資本、土地、技術(shù)等要素稟賦差異較大，應(yīng)因地制宜地制定農(nóng)業(yè)綠色發(fā)展規(guī)劃，合理配置和深度融合資源要素，打破省域間農(nóng)業(yè)發(fā)展壁壘，使農(nóng)業(yè)綠色生產(chǎn)高效率地區(qū)帶動周邊低效率地區(qū)。同時，完善農(nóng)業(yè)合作互動機制設(shè)計，搭建農(nóng)業(yè)科學(xué)技術(shù)交流和經(jīng)驗分享平臺，進(jìn)行優(yōu)勢互補，加快構(gòu)建跨區(qū)域農(nóng)業(yè)生產(chǎn)、產(chǎn)業(yè)融合和經(jīng)營管理一體化的合作體系，從而推動糧食主產(chǎn)區(qū)農(nóng)業(yè)經(jīng)濟(jì)均衡協(xié)調(diào)發(fā)展。