鄢曹政，殷旅江，何 波

（1.湖北汽車工業(yè)學(xué)院經(jīng)濟(jì)管理學(xué)院，湖北十堰 442002；2.韓國國立慶北大學(xué)工程學(xué)院，韓國大邱 41566）

一、引言

2021年，我國農(nóng)業(yè)農(nóng)村部、國家發(fā)展和改革委員會、科技部、自然資源部、生態(tài)環(huán)境部和國家林草局等6 部門聯(lián)合印發(fā)首部農(nóng)業(yè)綠色發(fā)展專項規(guī)劃《“十四五”全國農(nóng)業(yè)綠色發(fā)展規(guī)劃》，明確提出將綠色發(fā)展作為實施鄉(xiāng)村振興戰(zhàn)略的重要引領(lǐng)，以構(gòu)建綠色低碳循環(huán)發(fā)展的農(nóng)業(yè)產(chǎn)業(yè)體系為重點(diǎn)，推進(jìn)農(nóng)業(yè)發(fā)展全面綠色轉(zhuǎn)型。2022年中央一號文件再次強(qiáng)調(diào)，要推進(jìn)農(nóng)業(yè)農(nóng)村綠色發(fā)展、開展農(nóng)業(yè)綠色發(fā)展情況評價，進(jìn)一步凸顯新時代農(nóng)業(yè)綠色發(fā)展的重要性和緊迫性。新形勢下，轉(zhuǎn)變傳統(tǒng)農(nóng)業(yè)發(fā)展模式，探尋更集約化、綠色化的生產(chǎn)方式，在滿足農(nóng)業(yè)高質(zhì)量需求的同時，兼顧農(nóng)業(yè)生態(tài)環(huán)境是必然選擇[1]。提升農(nóng)業(yè)綠色全要素生產(chǎn)率（Agricultural Green Total Factor Productivity，AGT?FP）成為實現(xiàn)這一轉(zhuǎn)變的關(guān)鍵因素，也是現(xiàn)代農(nóng)業(yè)可持續(xù)發(fā)展的重要路徑選擇。

物流業(yè)作為社會經(jīng)濟(jì)發(fā)展的基礎(chǔ)性、先導(dǎo)性和戰(zhàn)略性產(chǎn)業(yè)，物流業(yè)快速成為支撐農(nóng)業(yè)、疏通農(nóng)村、服務(wù)農(nóng)民的支柱產(chǎn)業(yè)。在新發(fā)展理念的指引下，物流業(yè)高質(zhì)量發(fā)展步伐加快，集聚發(fā)展水平不斷提升，提質(zhì)增效效果顯著。而不同地區(qū)間物流業(yè)集聚發(fā)展是否存在空間溢出效應(yīng)，物流業(yè)集聚發(fā)展對農(nóng)業(yè)綠色全要素生產(chǎn)率提升是否具有推動作用及其作用大小等問題有待進(jìn)一步論證。因此，本文利用中國31個省（自治區(qū)、直轄市）的面板數(shù)據(jù)，探究物流業(yè)集聚水平與農(nóng)業(yè)綠色全要素生產(chǎn)率之間的影響關(guān)系以及空間溢出效應(yīng)，厘清農(nóng)業(yè)綠色全要素生產(chǎn)率的影響因素，這對于促進(jìn)農(nóng)業(yè)綠色可持續(xù)發(fā)展、助力鄉(xiāng)村振興具有重要意義。

二、文獻(xiàn)綜述

從國內(nèi)外物流業(yè)集聚的相關(guān)文獻(xiàn)來看，物流業(yè)集聚水平對經(jīng)濟(jì)發(fā)展、全要素生產(chǎn)率的影響以及實證研究是學(xué)者聚焦的主要內(nèi)容。其中，在物流業(yè)集聚水平對經(jīng)濟(jì)發(fā)展影響研究方面，曹澤等[2]基于安徽省16 個地級市2007—2018年面板數(shù)據(jù)，通過空間杜賓模型分析得出，安徽省各地級市在經(jīng)濟(jì)上呈現(xiàn)明顯的空間自相關(guān)，各地物流業(yè)集聚阻礙本地經(jīng)濟(jì)發(fā)展，但會促進(jìn)周邊地區(qū)經(jīng)濟(jì)發(fā)展；王鈺等[3]以長三角城市群27 個市2010—2018年的面板數(shù)據(jù)為樣本，實證分析了物流業(yè)集聚水平對區(qū)域經(jīng)濟(jì)增長的影響機(jī)制，指出物流業(yè)集聚水平對群內(nèi)各市經(jīng)濟(jì)增長具有顯著促進(jìn)作用，同時對其鄰市具有正向空間溢出作用，并提出長三角城市群物流業(yè)空間布局的優(yōu)化建議。在以省域數(shù)據(jù)為樣本的實證分析中，唐勇等[4]以我國30個?。ㄗ灾螀^(qū)、直轄市）為對象，引入空間動態(tài)杜賓模型，考察了物流業(yè)集聚及金融發(fā)展對經(jīng)濟(jì)增長的空間溢出效應(yīng)，指出我國物流業(yè)集聚、金融發(fā)展規(guī)模與效率對本地區(qū)經(jīng)濟(jì)增長提升效果顯著，對周邊地區(qū)的影響則更加明顯。溫婷[5]在分析生產(chǎn)性服務(wù)業(yè)集聚對經(jīng)濟(jì)增長和產(chǎn)業(yè)結(jié)構(gòu)升級的影響中指出，我國各區(qū)域物流業(yè)集聚對經(jīng)濟(jì)增長和產(chǎn)業(yè)結(jié)構(gòu)升級具有明顯差異性，其中東、西部地區(qū)具有明顯的正空間溢出效應(yīng)，東北、中部具有反向抑制作用且空間溢出效應(yīng)明顯。德爾加多（Delga?do）等[6]認(rèn)為，產(chǎn)業(yè)集聚內(nèi)的企業(yè)可以通過人才、技術(shù)和資本空間溢出等促進(jìn)區(qū)域經(jīng)濟(jì)增長；謝菲（Sheffi）[7]認(rèn)為，物流業(yè)集聚能夠通過第三方物流的有形和無形資產(chǎn)來影響區(qū)域經(jīng)濟(jì)增長。在影響全要素生產(chǎn)率方面，馬越越[8]以遼寧省14個地級市為對象，分析指出物流業(yè)集聚對本地城市全要素生產(chǎn)率的促進(jìn)作用并不顯著，已出現(xiàn)明顯擁塞效應(yīng)，對相鄰城市的全要素生產(chǎn)率也沒有產(chǎn)生顯著的外溢效應(yīng)；楊慧瀛等[9]基于2008—2020年我國31個?。ㄗ灾螀^(qū)、直轄市）面板數(shù)據(jù)分析得出，物流信息化對物流業(yè)全要素生產(chǎn)率的提升具有顯著的促進(jìn)作用，且對周邊地區(qū)具有顯著的空間溢出效應(yīng)。

從AGTFP相關(guān)研究來看，國內(nèi)外學(xué)者研究主要集中在兩個方面：一是有關(guān)AGTFP的測算等相關(guān)研究；二是有關(guān)產(chǎn)業(yè)集聚等因素對AGTFP 影響的相關(guān)研究。其中，在AGTFP的測算上，不同學(xué)者采取的方法各異。如巴格奇（Bagchi）等[10]利用孟加拉國19個地區(qū)23年的面板數(shù)據(jù)，采用引導(dǎo)式數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）方法測算農(nóng)業(yè)全要素生產(chǎn)率，并分析其變化及其組成部分，最終得出農(nóng)業(yè)技術(shù)進(jìn)步對農(nóng)業(yè)全要素生產(chǎn)率影響最大；陳宇峰等[11]將農(nóng)業(yè)碳排放和面源污染共同作為非期望產(chǎn)出，利用基于方向距離函數(shù)（Directional Distance Function，DDF）的全局Malmquist-Luen?berger 模型，對AGTFP 進(jìn)行動態(tài)化測算；徐永慧等[12]和沈洋等[13]都基于松弛（Slacks-Based Mea?sure，SBM）方向距離函數(shù)下的Malmquist-Luen?berger 指數(shù)對AGTFP 進(jìn)行測算，前者利用Tobit 模型工具變量法對“波特假說”進(jìn)行實證檢驗，后者從碳匯和碳排放雙重視角對AGTFP收斂性進(jìn)行分析。此外，郭海紅等[14]也對AGTFP 進(jìn)行了收斂性分析，得出AGTFP 并不具有絕對σ 收斂態(tài)勢的結(jié)論。在AGTFP影響因素相關(guān)研究上，梁俊等[15]采用改進(jìn)DEA-Luenberger 指數(shù)測算AGTFP，并指出技術(shù)進(jìn)步是AGTFP 增長的主要原因，同時農(nóng)業(yè)稅的減免也會促進(jìn)AGTFP增長，但工業(yè)化、城市化及農(nóng)業(yè)貿(mào)易發(fā)展會阻礙其增長；李健旋[16]主要分析了農(nóng)村金融對AGTFP 的影響，指出農(nóng)村金融發(fā)展規(guī)模的增加、金融發(fā)展結(jié)構(gòu)的優(yōu)化以及金融發(fā)展效率的提高均有利于AGTFP 提升，但作用機(jī)制存在差異；銀西陽等[17]指出農(nóng)業(yè)產(chǎn)業(yè)集聚對AGTFP具有顯著負(fù)向影響且有明顯空間溢出效應(yīng)，一定程度會制約周邊地區(qū)AGTFP的提升。

目前，有關(guān)物流業(yè)集聚與AGTFP 的研究較多，但考慮物流業(yè)集聚對AGTFP 直接影響的研究較少。故本文從物流業(yè)集聚、空間溢出效應(yīng)等角度對AGTFP 進(jìn)行實證分析，一定程度上豐富了相關(guān)研究，同時也有助于推動我國農(nóng)業(yè)綠色可持續(xù)發(fā)展。

三、研究方法與數(shù)據(jù)來源

（一）變量說明

1.核心解釋變量

本文參考國內(nèi)關(guān)于物流業(yè)集聚的測度指標(biāo)，利用物流業(yè)集聚本身所具有的特點(diǎn)，將其區(qū)位熵作為核心解釋變量，來衡量區(qū)域物流業(yè)集聚水平[2-4，18-19]，具體公式如下：

其中，LQi代表i?。ㄗ灾螀^(qū)、直轄市）的物流業(yè)集聚水平，ei和e分別代表i?。ㄗ灾螀^(qū)、直轄市）的物流業(yè)生產(chǎn)總值和全國物流業(yè)生產(chǎn)總值，Ei和E分別代表i省（自治區(qū)、直轄市）地區(qū)生產(chǎn)總值和國內(nèi)生產(chǎn)總值。區(qū)位熵（LQi）大小代表該地區(qū)的物流業(yè)集聚水平高低，當(dāng)LQi小于1 時，表明其集聚水平較低；當(dāng)LQi大于1 時，表明其集聚程度較高，且當(dāng)LQi大于1.25 時，表明該?。ㄗ灾螀^(qū)、直轄市）物流業(yè)高度集中。為進(jìn)一步分析物流業(yè)集聚與AGTFP 的非線性關(guān)系，將物流業(yè)集聚水平的平方值（LQ2）也作為核心解釋變量。

2.被解釋變量

AGTFP 為被解釋變量，利用DEA-Malmquist指數(shù)法進(jìn)行計算。根據(jù)已有研究[14-15，17，20]，本文選取勞動力投入、土地投入和農(nóng)業(yè)消耗資源投入作為AGTFP 測算的投入變量，期望產(chǎn)出和非期望產(chǎn)出為產(chǎn)出變量。

（1）投入變量

勞動力投入和土地投入是測算AGTFP的基本變量。勞動力投入大小直接影響AGTFP，本文以農(nóng)業(yè)從業(yè)人員數(shù)量表示勞動力投入程度；土地投入指農(nóng)業(yè)生產(chǎn)經(jīng)營者可收獲農(nóng)作物的種植或移植面積，本文用農(nóng)作物播種面積衡量土地投入。除勞動力和土地投入外，農(nóng)業(yè)消耗資源也是實現(xiàn)農(nóng)業(yè)實際生產(chǎn)目標(biāo)所必須投入的部分。參考相關(guān)文獻(xiàn)[13-15]，本文將有效灌溉面積、農(nóng)藥施用實物量、化肥施用折純量、農(nóng)膜使用量以及農(nóng)用機(jī)械總動力作為農(nóng)業(yè)消耗資源投入的衡量指標(biāo)。

（2）產(chǎn)出變量

產(chǎn)出變量主要包含兩部分：一是以地區(qū)農(nóng)業(yè)總產(chǎn)值表示的期望產(chǎn)出；二是基于綠色農(nóng)業(yè)理念，在農(nóng)業(yè)生產(chǎn)過程中對農(nóng)業(yè)碳排放量測算的非期望產(chǎn)出。相比于期望產(chǎn)出，非期望產(chǎn)出因農(nóng)業(yè)碳源的種類繁多使得測算更為復(fù)雜，結(jié)合農(nóng)業(yè)消耗資源投入，本文測算農(nóng)業(yè)碳排放量時只考慮灌溉、農(nóng)藥、化肥、農(nóng)膜及農(nóng)業(yè)機(jī)械5種間接碳源，其測算公式如下[21-22]：

其中，E表示農(nóng)業(yè)總碳排放量，E1、E2、E3、E4、E5分別表示灌溉、農(nóng)藥、化肥、農(nóng)膜和農(nóng)業(yè)機(jī)械產(chǎn)生的碳排放量；S1為灌溉面積，Q2、Q3、Q4分別表示農(nóng)藥、化肥和農(nóng)膜使用量，S5為農(nóng)作物種植面積，W5為農(nóng)業(yè)機(jī)械總動力；δ1、δ2、δ3、δ4、δ5、δ6分別對應(yīng)各碳排放源的碳排放系數(shù)，其值以及參考來源詳見表1。

表1 農(nóng)業(yè)碳排放系數(shù)及來源

（3）控制變量

在農(nóng)業(yè)發(fā)展的過程中，AGTFP 提升會受到多種因素的影響。本文基于相關(guān)研究成果[15-17]，在分析物流業(yè)集聚對AGTFP 影響程度的基礎(chǔ)上，選取城鎮(zhèn)化率、工業(yè)化水平、人力資本、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、財政支農(nóng)水平、開放程度、自然災(zāi)害、農(nóng)業(yè)機(jī)械化程度為控制變量，進(jìn)一步分析城鎮(zhèn)化率、工業(yè)化水平、人力資本、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)等要素對AGT?FP 的影響。本文變量描述及相關(guān)說明如表2所示。

表2 變量描述性統(tǒng)計及相關(guān)說明

（二）模型設(shè)定

1.DEA-Malmquist模型

目前，關(guān)于AGTFP的測算方法主要有兩類：一是以索洛余值和隨機(jī)前沿生成函數(shù)法（Stochastic Frontier Approach，SFA）為代表的參數(shù)法，該類方法通常用于產(chǎn)出單一的情況，對多投入多產(chǎn)出（如農(nóng)業(yè)非期望產(chǎn)出）的效率模型難以進(jìn)行測度，且需要考慮隨機(jī)因素對測量結(jié)果的影響，有時會高估技術(shù)進(jìn)步指數(shù)，容易造成測量誤差；二是以DEA和Malmquist 指數(shù)法為代表的非參數(shù)法，該類方法不考慮隨機(jī)因素的影響，DEA 可對多投入多產(chǎn)出的情形進(jìn)行分析，Malmquist 指數(shù)法只需正確選擇投入產(chǎn)出變量，無需設(shè)定具體函數(shù)關(guān)系即可進(jìn)行求解，可將AGTFP增長分解為技術(shù)進(jìn)步等因素，使計算更為精確[25-26]。考慮到AGTFP 的多維度影響，本文選用DEA-Malmquist指數(shù)法，使用方向距離函數(shù)模型綜合考慮農(nóng)業(yè)期望產(chǎn)出和非期望產(chǎn)出，對AGTFP進(jìn)行測算，具體公式如下：

其中，（xt，yt，bt）、（xt+1，yt+1，bt+1）分別表示第t和t+1 期的投入和產(chǎn)出向量，其中x表示投入變量，y表示期望產(chǎn)出變量，b表示非期望產(chǎn)出變量；Dt、Dt+1分別表示第t和t+1 期的距離函數(shù)。AGTFP 指數(shù)大于1、小于1 或等于1 分別表示AGTFP提高、下降或保持不變。進(jìn)一步，將AGTFP分解為農(nóng)業(yè)綠色技術(shù)變化（Agricultural Green Tech?nology Change，AGTC）和農(nóng)業(yè)綠色效率變化（Agri?cultural Green Efficiency Change，AGEC）的乘積，即AGTFP=AGTC×AGEC。

2.探索性空間數(shù)據(jù)分析

托布勒（Tobler）[27]提出了“地理學(xué)第一定律”，認(rèn)為所有事物與其他事物之間都存在一定的關(guān)聯(lián)，且較近的事物相對于較遠(yuǎn)的事物關(guān)聯(lián)性更強(qiáng)。若距離較近的區(qū)域之間存在相似的數(shù)據(jù)取值，則數(shù)據(jù)具有空間自相關(guān)[28]。對物流業(yè)集聚和AGTFP的空間相關(guān)性檢驗是進(jìn)行空間計量分析的基礎(chǔ)，本文采用探索性空間數(shù)據(jù)分析（Exploratory Spatial Data Analysis，ESDA）探測物流業(yè)集聚水平和AGTFP 空間要素的關(guān)聯(lián)程度，考察要素之間的集聚和分異現(xiàn)象，揭示二者在空間上的相互作用機(jī)制，常用分析方法包括全局空間自相關(guān)和局部空間自相關(guān)。

（1）全局空間自相關(guān)

全局空間自相關(guān)用于描述觀測變量在整個空間的集聚特征，通常采用全局莫蘭指數(shù)（Global Mo?ran's I）進(jìn)行測度，其可以揭示相鄰地區(qū)物流業(yè)集聚和AGTFP的相近程度，其計算公式如下：

其中，I表示全局莫蘭指數(shù)，取值介于-1 到1之間，I大于0表示空間正相關(guān)，即高值與高值、低值與低值相鄰；I小于0 表示空間負(fù)相關(guān)，即高值與低值相鄰；I接近0 表示隨機(jī)分布，不存在空間自相關(guān)；n為?。ㄗ灾螀^(qū)、直轄市）數(shù)量；xi（xj）為i（j）地的AGTFP或物流業(yè)集聚水平；Wij表示鄰接（0-1）空間的權(quán)重矩陣；S2為樣本方差，wij由鄰接（0-1）空間權(quán)重矩陣確定，即i地與j地相鄰，wij取值為1，不相鄰則為0；

（2）局部空間自相關(guān)

局部空間自相關(guān)用于識別局部地區(qū)和鄰近地區(qū)之間的同一屬性是否存在相似或相異集聚現(xiàn)象，通常采用局部莫蘭指數(shù)（Local Moran's I）進(jìn)行測度，揭示區(qū)域物流業(yè)集聚和AGTFP 的空間異質(zhì)性，在某空間位置i，局部莫蘭指數(shù)的計算公式為：

其中，Ii表示局部莫蘭指數(shù)，當(dāng)Ii大于0時，表示i地與其鄰近區(qū)域存在相似集聚，即高值與高值、低值與低值集聚；當(dāng)Ii小于0時，表示i地與其鄰近區(qū)域存在相異集聚，即高值與低值集聚。

3.空間計量模型

在分析物流業(yè)集聚對AGTFP 的影響時，若忽略各?。ㄗ灾螀^(qū)、直轄市）之間的空間關(guān)聯(lián)效應(yīng)，僅以傳統(tǒng)的計量回歸方法進(jìn)行分析往往會導(dǎo)致回歸結(jié)果出現(xiàn)偏差。因此，本文引入空間因素，利用空間計量模型更加全面地探析物流業(yè)集聚對AGTFP的影響及空間溢出效應(yīng)。目前，基于空間交互效應(yīng)的不同分類，常見的空間計量模型有空間滯后模型（Spatial Lag Model，SLM）、空間誤差模型（Spa?tial Error Model，SEM）、空間杜賓模型（Spatial Durbin Model，SDM）三種。其中，SLM 主要測度因變量間內(nèi)生空間交互效應(yīng)；SEM 主要反映誤差項空間交互效應(yīng)；而SDM 同時包含內(nèi)生和外生空間交互效應(yīng)，且能同時考慮核心解釋變量和被解釋變量的空間滯后性[17，29-30]。基于此，本文構(gòu)建一般空間計量模型：

其中，i和t分別表示?。ㄗ灾螀^(qū)、直轄市）和年份；δ表示被解釋變量AGTFP 的空間自相關(guān)系數(shù)；Wij表示鄰接（0-1）空間的權(quán)重矩陣；β和γ表示回歸系數(shù)，其中，若β2>0（<0），表明集聚效應(yīng)（擁塞效應(yīng)）起主導(dǎo)作用；LQ表示物流業(yè)集聚水平；X表示控制變量；θ表示空間滯后系數(shù)；μi、φt分別表示空間、時間固定效應(yīng)；εit表示隨機(jī)擾動項；α為常數(shù)項。

一般空間計量模型可通過空間計量系數(shù)的取值進(jìn)行轉(zhuǎn)換，當(dāng)θ=0 時，式（6）可轉(zhuǎn)換為SLM；當(dāng)δ=θ=0 時，式（6）可轉(zhuǎn)換為SEM。

（三）數(shù)據(jù)來源

主要基于地區(qū)和時間周期兩方面因素選擇考察樣本。一是地區(qū)因素。由于香港、澳門和臺灣相關(guān)數(shù)據(jù)缺失嚴(yán)重，故將我國其余31 個?。ㄗ灾螀^(qū)、直轄市）作為考察對象。二是時間周期因素。以“十三五”作為考察期，期間全國各?。ㄗ灾螀^(qū)、直轄市）堅持農(nóng)業(yè)農(nóng)村優(yōu)先發(fā)展總方針，全面推進(jìn)實施鄉(xiāng)村振興戰(zhàn)略，農(nóng)業(yè)農(nóng)村發(fā)展取得歷史性成就。為了進(jìn)一步分析我國2016—2020年AGTFP發(fā)展變化趨勢及影響因素，并根據(jù)現(xiàn)有研究基礎(chǔ)及指標(biāo)數(shù)據(jù)的可操作性和可獲得性，選取全國2016—2020年31 個?。ㄗ灾螀^(qū)、直轄市）的面板數(shù)據(jù)進(jìn)行實證分析，指標(biāo)數(shù)據(jù)來源于2017—2021年《中國統(tǒng)計年鑒》①《中國農(nóng)業(yè)統(tǒng)計年鑒》②及各省（自治區(qū)、直轄市）統(tǒng)計年鑒相關(guān)數(shù)據(jù)，個別指標(biāo)的缺失數(shù)據(jù)采用差值法和移動平均法進(jìn)行填充。

四、實證結(jié)果與分析

（一）物流業(yè)集聚水平與AGTFP指數(shù)綜合評價

1.物流業(yè)集聚水平測算結(jié)果與分析

通過區(qū)位熵法（式（1））對我國2016—2020年31 個省（自治區(qū)、直轄市）的物流業(yè)集聚水平進(jìn)行測算，結(jié)果如表3 所示。根據(jù)文獻(xiàn)[5]劃分標(biāo)準(zhǔn)，將我國劃分為四個區(qū)域，分別為東部地區(qū)：京、津、冀、滬、蘇、浙、閩、魯、粵、瓊；東北部地區(qū)：黑、吉、遼；中部地區(qū)：豫、晉、皖、贛、鄂、湘；西部地區(qū)：蒙、西、陜、甘、青、寧、新、桂、渝、川、貴、滇。

由表3 可知，2016—2020年全國31個省（自治區(qū)、直轄市）物流業(yè)集聚水平(LQ)的均值介于0.659和0.712之間，變化幅度不大，整體趨于穩(wěn)定；全國物流業(yè)集聚水平(LQ)均值為0.683。因此，我國物流業(yè)整體集聚水平(LQ)并不高。

表3 全國31個?。ㄗ灾螀^(qū)、直轄市）物流業(yè)集聚水平統(tǒng)計

從全國層面來看，2016年物流業(yè)集聚水平大于1 的地區(qū)有5 個，分別為浙江省、廣東省、上海市、北京市和福建省，為2016—2020年最多的年份。2016—2020年間物流業(yè)集聚水平(LQ)均保持在1 以上的地區(qū)有3 個，分別為上海市、浙江省和廣東省，其物流業(yè)集聚水平(LQ)均值分別為1.545、2.951 和2.410，維持在較高水平。由此可見，物流業(yè)集聚水平與各省（自治區(qū)、直轄市）地理位置、經(jīng)濟(jì)發(fā)展水平、高新產(chǎn)業(yè)集群及旺盛的物流需求密切相關(guān)。

從區(qū)域分布來看，2016—2020年東部地區(qū)物流業(yè)集聚水平(LQ)均大于1 且高于全國平均水平，其均值為1.2201；中部地區(qū)和東北部地區(qū)次之，其均值分別為0.573 和0.504；西部地區(qū)排名墊底，其均值為0.337?？傮w來看，我國31 個?。ㄗ灾螀^(qū)、直轄市）物流業(yè)集聚發(fā)展水平不均，呈現(xiàn)出東部沿海集聚程度較高，西部地區(qū)集聚程度較低的不均衡狀態(tài)。其主要原因為：第一，我國東部地區(qū)創(chuàng)新物流系統(tǒng)發(fā)展快于中西部地區(qū)，東部地區(qū)通過地理位置、自然條件、人才優(yōu)勢等有利條件，吸引包括物流業(yè)在內(nèi)的跨國企業(yè)和外資企業(yè)入駐；第二，我國幅員遼闊，區(qū)域經(jīng)濟(jì)發(fā)展的不平衡對物流業(yè)發(fā)展也帶來了顯著影響，經(jīng)濟(jì)發(fā)展相對落后的中西部地區(qū)對物流業(yè)等相關(guān)產(chǎn)業(yè)的吸引力不足，很難形成大規(guī)模的產(chǎn)業(yè)集聚。第三，東部沿海地區(qū)較西部地區(qū)擁有眾多的通商港口，交通便利、物流基礎(chǔ)設(shè)施完善、物流作業(yè)現(xiàn)代化水平較高和需求旺盛，為物流業(yè)集聚發(fā)展提供了優(yōu)勢條件。同時，東部地區(qū)較西部地區(qū)更能吸引優(yōu)秀人才、資本和信息等創(chuàng)新要素的投入，而西部地區(qū)由于區(qū)域條件、經(jīng)濟(jì)水平、歷史發(fā)展、國家政策等因素，在一定程度上難以支撐物流業(yè)的快速發(fā)展，進(jìn)而導(dǎo)致東部和西部物流業(yè)集聚水平差距明顯。

2.AGTFP指數(shù)測算結(jié)果與分析

利用MaxDEA軟件與DEA-Malmquist模型（式（3））對2016—2020年我國31 個省（自治區(qū)、直轄市）的AGTFP指數(shù)及其構(gòu)成（農(nóng)業(yè)綠色技術(shù)進(jìn)步指數(shù)和農(nóng)業(yè)綠色技術(shù)效率指數(shù)）進(jìn)行測算。宏觀上，以AGTFP指數(shù)及其構(gòu)成成分的平均值呈現(xiàn)全國31個省（自治區(qū)、直轄市）相關(guān)指數(shù)的變動情況，如表4所示。

由表4可知，2016—2020年間全國31個?。ㄗ灾螀^(qū)、直轄市）AGTFP 整體呈現(xiàn)平穩(wěn)上升趨勢，其結(jié)果與國內(nèi)大部分學(xué)者研究31個?。ㄗ灾螀^(qū)、直轄市）的AGTFP、農(nóng)業(yè)綠色技術(shù)變化（AGTC）和效率變化（AGEC）結(jié)果一致。2017—2020年全國31 個?。ㄗ灾螀^(qū)、直轄市）AGTFP年均增長率為4.3%，AGTC指數(shù)年均增長率為3.4%，AGEC指數(shù)年均增長率為0.9%，而AGTC指數(shù)和AGEC指數(shù)共同構(gòu)成了AGTFP 指數(shù)?？傮w來看，農(nóng)業(yè)綠色技術(shù)進(jìn)步和技術(shù)效率都促進(jìn)了我國AGTFP 的提高，且農(nóng)業(yè)綠色技術(shù)進(jìn)步對AGTFP 的貢獻(xiàn)近80%，成為推動我國農(nóng)業(yè)綠色全要素生產(chǎn)率提升的主要影響因素。從AGTFP 的構(gòu)成因素來看，2017—2020年AGTC指數(shù)和AGTFP 指數(shù)均大于1，而2017年和2019年AGEC指數(shù)均小于1，這說明效率前沿面發(fā)生后移，目前的技術(shù)應(yīng)用并沒有達(dá)到預(yù)期的效果。

表4 2016—2020全國31個?。ㄗ灾螀^(qū)、直轄市）AGTFP指數(shù)及其成分變動情況

在對全國31 個省（自治區(qū)、直轄市）AGTFP 指數(shù)及其構(gòu)成均值變動趨勢分析基礎(chǔ)上，從微觀層面對各?。ㄗ灾螀^(qū)、直轄市）各年度AGTFP 指數(shù)及其構(gòu)成、平均AGTFP指數(shù)及其構(gòu)成進(jìn)行分析，以揭示各省份AGTFP 情況，具體結(jié)果分別如表5、表6、表7、表8 所示。其中，表5 為2017—2020年全國31個?。ㄗ灾螀^(qū)、直轄市）AGTFP 測算結(jié)果；表6和表7 分別為AGTC 和AGEC 的測算結(jié)果；表8 表示整個測算周期（2016—2020年）各省份平均綠色全要素生產(chǎn)率及其構(gòu)成要素均值的測算結(jié)果。

表5 2017—2020年全國31個省（自治區(qū)、直轄市）農(nóng)業(yè)綠色全要素生產(chǎn)率

表6 2017—2020年全國31個?。ㄗ灾螀^(qū)、直轄市）農(nóng)業(yè)綠色技術(shù)變化指數(shù)

表7 2017—2020年全國31個?。ㄗ灾螀^(qū)、直轄市）農(nóng)業(yè)綠色效率變化指數(shù)

由表8 可知，全國共有12 個?。ㄗ灾螀^(qū)、直轄市）的AGTFP年均增長率高于全國AGTFP年均增長率4.3%，占全國31 個?。ㄗ灾螀^(qū)、直轄市）的38.7%。不同?。ㄗ灾螀^(qū)、直轄市）AGTFP的年均增長率變動也存在較大差異，其中有28 個?。ㄗ灾螀^(qū)、直轄市）AGTFP 的年均增長率為正，占全國的90.3%；3 個?。ㄗ灾螀^(qū)、直轄市）GTFP 的年均增長率為負(fù)，分別是黑龍江省、廣西壯族自治區(qū)和西藏自治區(qū)，其AGTFP年均增長率分別為-1.2%、-1.19% 和-8.1%。AGTFP 增長幅度較高（增幅10%以上）的有5個?。ㄗ灾螀^(qū)、直轄市），分別是吉林、貴州、湖南、天津和河北，增幅分別為11.97%、12.65%、12.66%、13.51%和14.4%。

表8 2016—2020年各地區(qū)平均AGTFP指數(shù)及其分解

從區(qū)域差異角度分析，2017—2020年東北部地區(qū)的AGTFP增長速度最快，平均增長5.98%，其農(nóng)業(yè)綠色技術(shù)效率降低1.18%，農(nóng)業(yè)綠色技術(shù)進(jìn)步提升了2.31%，可見，技術(shù)進(jìn)步是促進(jìn)東北部地區(qū)AGTFP增長的主要驅(qū)動力。東部地區(qū)AGTFP增度位居第二，為5.18%，其中農(nóng)業(yè)綠色技術(shù)效率提高1.46%，農(nóng)業(yè)綠色技術(shù)進(jìn)步提高3.65%，可以看出促進(jìn)東部地區(qū)AGTFP提升的主要因素仍是技術(shù)進(jìn)步。中部地區(qū)AGTFP 增幅為4.9%，其中農(nóng)業(yè)綠色技術(shù)效率提升了2.08%，農(nóng)業(yè)綠色技術(shù)進(jìn)步提升了2.76%。西部地區(qū)AGTFP的增長幅度最低，增幅為3.1%，其中農(nóng)業(yè)綠色技術(shù)效率下降0.42%，農(nóng)業(yè)綠色技術(shù)進(jìn)步上升3.55%。

針對本文測算結(jié)果，東北部和東部地區(qū)增幅較高，主要原因在于國家有關(guān)政策的落地實施大大激發(fā)了東北部地區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的增長潛力。而中部地區(qū)AGTFP 小于東北部地區(qū)，這與中部地區(qū)農(nóng)業(yè)發(fā)展的瓶頸和資源配置不合理等問題相關(guān)。西部地區(qū)AGTFP 最低，源于其農(nóng)業(yè)生產(chǎn)技術(shù)水平較低，資源條件相對較差，農(nóng)業(yè)發(fā)展受到資源和環(huán)境的雙重壓力等因素的影響。

（二）物流業(yè)集聚水平與AGTFP空間格局演化分析

為判斷物流業(yè)集聚水平與AGTFP是否存在空間相關(guān)性，本文運(yùn)用ESDA常用的全局和局部空間相關(guān)指數(shù)來進(jìn)行檢驗，揭示物流業(yè)集聚水平與AGTFP 的空間演化特征。根據(jù)式（4）和式（5），利用Stata16.0 統(tǒng)計分析軟件，采用鄰接（0-1）空間權(quán)重矩陣，分別測算物流業(yè)集聚水平和AGTFP的Mo?ran’s I指數(shù)。

1.全局空間自相關(guān)檢驗

根據(jù)表9可知，2016—2020年我國物流業(yè)集聚水平的全局莫蘭指數(shù)顯著為正，取值在區(qū)間[0.224，0.342]內(nèi)，且都通過1%的顯著性檢驗，這表明我國物流業(yè)集聚具有較強(qiáng)的空間正相關(guān)性，即物流業(yè)集聚水平相似的地區(qū)呈現(xiàn)空間集聚特征。從AGT?FP 的全局Moran’s I 檢驗來看，2016年為負(fù)值且未通過顯著性檢驗，其余各年均通過了1%的顯著性檢驗，取值在[0.083，0.137]，普遍較低，這表明我國整體AGTFP 空間相關(guān)性較弱。

表9 2016—2020年物流業(yè)聚集水平（LQ）和AGTFP的全局Moran’s I指數(shù)

2.局部空間自相關(guān)檢驗

全局空間自相關(guān)從整體上反映我國物流業(yè)集聚和AGTFP 的空間集聚特征，對于AGTFP 全局莫蘭指數(shù)較低、全局空間相關(guān)性不顯著的年份，為進(jìn)一步分析各地與鄰近區(qū)域的空間異質(zhì)性，即局部空間自相關(guān)性，本文參考劉國巍[30]、高楊等[31]關(guān)于局部相關(guān)性檢驗的選取方法，結(jié)合上文對AGTFP 的分解角度，以2017年和2019年為例，繪制我國31個?。ㄗ灾螀^(qū)、直轄市）AGTFP的Moran散點(diǎn)圖反映局部空間相關(guān)性，并將空間集聚結(jié)果進(jìn)行歸納總結(jié)，如表10 所示。Moran散點(diǎn)圖由四個象限組成，分別反映出各地和鄰近地區(qū)的空間聯(lián)系方式：第一象限為“高—高”集聚區(qū)（H-H）；第二象限是“低—高”集聚區(qū)（L-H）；第三象限是“低—低”集聚區(qū)（L-L）；第四象限為“高—低”集聚區(qū)（H-L）。

由表10可知，2017年屬于H-H類型的省份有12 個，屬于L-L 類型的省份有9 個，屬于L-H 類型的省份有6 個，屬于H-L 類型的省份有4 個，即共有21個省份在一三象限，代表空間正相關(guān)，10個省份在二四象限，代表空間負(fù)相關(guān)。2019年，屬于H-H 類型和L-L 類型的省份分別有6 個和11 個，屬于L-H 類型和H-L 類型的省份分別有9 個和5個。即共有17 個省份為空間正相關(guān)，14 個省份為空間負(fù)相關(guān)。由此可見，從2017年到2019年，屬于H-H類型的省份數(shù)量減少，屬于L-H、L-L、H-L類型的省份數(shù)量均增加，其中，只有重慶、貴州、陜西三地仍處于H-H 省份；吉林、四川、江西、廣西、西藏等地加入了L-H 省份；山西、青海、湖北、江蘇、河南五地成為了L-L省份；浙江、甘肅、廣東、寧夏則轉(zhuǎn)變?yōu)榱薍-L 類型省份。同時，這也表明全國各?。ㄗ灾螀^(qū)、直轄市）之間AGTFP 的空間相關(guān)性由正相關(guān)向負(fù)相關(guān)轉(zhuǎn)變，AGTFP 具有顯著的局部空間相關(guān)性，即空間異質(zhì)性。

表10 我國物流業(yè)和AGTFP空間集聚的象限分布

（三）物流業(yè)集聚對AGTFP空間效應(yīng)分析

經(jīng)ESDA空間格局演化分析、Moran’s I指數(shù)檢驗表明，我國物流業(yè)集聚和AGTFP 整體上具有空間相關(guān)性，因此，引入空間計量模型對此空間相關(guān)性進(jìn)行實證分析。

1.模型選擇

為確定本研究適合的空間計量模型，需要對模型進(jìn)行檢驗（檢驗結(jié)果見表11）。首先，通過非空間面板模型的拉格朗日乘數(shù)（Lagrange Multipli?er，LM）和穩(wěn)健拉格朗日乘數(shù)（Robust LM）檢驗可知，SEM和SLM均不能通過檢驗，表明具有空間效應(yīng)的空間面板模型是適合本文研究的。其次，通過基于鄰接（0-1）空間權(quán)重矩陣的似然比（Likeli?hood Ratio，LR）和沃爾德（Wald）檢驗得知，SDM不能轉(zhuǎn)換為SEM 和SLM，表明空間杜賓模型是更適合本文研究的空間計量模型。最后，通過豪斯曼（Hausman）檢驗對SDM 的固定效應(yīng)和隨機(jī)效應(yīng)模型進(jìn)行選擇，其檢驗值為39.94，且通過1%顯著性檢驗，表明固定效應(yīng)模型更優(yōu)。因此，本文選擇具有時間和空間雙重固定效應(yīng)的空間杜賓模型進(jìn)行實證分析。

表11 空間計量模型檢驗結(jié)果

2.回歸結(jié)果分析

根據(jù)表12 可知，核心解釋變量物流業(yè)集聚水平的直接影響系數(shù)為0.081 1，且在1%的水平上顯著，說明本地區(qū)物流業(yè)集聚地提升，會促進(jìn)該地區(qū)AGTFP 地提升。但其空間滯后系數(shù)未通過檢驗，可能的原因，一是物流業(yè)集聚水平提升，有助于農(nóng)戶更加便捷地獲得農(nóng)業(yè)生產(chǎn)所需的各類資源，有利于各地區(qū)間農(nóng)業(yè)工具和原料的擴(kuò)散，進(jìn)而增加生產(chǎn)要素的流動；二是物流業(yè)集聚水平提升，有助于農(nóng)戶更加便捷地獲取市場信息及運(yùn)送工具，避免農(nóng)產(chǎn)品交易停滯，進(jìn)而促進(jìn)農(nóng)產(chǎn)品的生產(chǎn)，提升農(nóng)產(chǎn)品的銷量。

表12 空間杜賓模型回歸結(jié)果

從控制變量來看：（1）城鎮(zhèn)化率直接影響系數(shù)為正且顯著，即城鎮(zhèn)化率顯著提升了AGTFP。這是因為城市化進(jìn)程的推動為農(nóng)業(yè)發(fā)展提供了物質(zhì)基礎(chǔ)和產(chǎn)品市場，使得農(nóng)產(chǎn)品的需求不斷增加，從而促進(jìn)AGTFP 的提升；滯后項系數(shù)為負(fù)表明物流業(yè)集聚對周邊地區(qū)的AGTFP 產(chǎn)生負(fù)向影響，原因在于本地區(qū)城鎮(zhèn)化水平提高會產(chǎn)生馬歇爾聚集效應(yīng)，吸引周邊地區(qū)農(nóng)業(yè)生產(chǎn)資源向本地區(qū)（集聚區(qū)）轉(zhuǎn)移，抑制了周邊地區(qū)AGTFP的增長。（2）工業(yè)化水平直接影響系數(shù)與滯后項系數(shù)均顯著為負(fù)，即本區(qū)域和相鄰區(qū)域工業(yè)化水平的提高均會抑制本區(qū)域AGTFP 增長。其主要原因為，目前中國工業(yè)比農(nóng)業(yè)發(fā)展超前，對農(nóng)業(yè)產(chǎn)生一定擠壓效應(yīng)，吸引走大量農(nóng)業(yè)資源，從而阻礙農(nóng)業(yè)綠色發(fā)展進(jìn)程。（3）人力資本直接影響系數(shù)和滯后項系數(shù)均未通過顯著性檢驗，可能原因在于教育程度較高的高質(zhì)量人力資源在農(nóng)業(yè)生產(chǎn)領(lǐng)域投入不足，對AGTFP的促進(jìn)不明顯。（4）農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的直接影響系數(shù)和空間滯后項系數(shù)均未通過顯著性檢驗，即農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)可能不會對AGTFP增長產(chǎn)生重要影響。（5）財政支農(nóng)水平直接影響系數(shù)顯著為正，即增加農(nóng)業(yè)財政支持會提高務(wù)農(nóng)人員的生產(chǎn)積極性，并使其投入更多、更好的生產(chǎn)要素，從而促進(jìn)AGTFP的提升；滯后項系數(shù)顯著為負(fù)，表明財政支農(nóng)水平會對周邊地區(qū)AGTFP 的增長產(chǎn)生負(fù)向影響。由于本地區(qū)財政支農(nóng)水平的提高會使本地集聚更多財力、人力等農(nóng)業(yè)資源，對周邊地區(qū)形成虹吸效應(yīng)，使周邊地區(qū)農(nóng)業(yè)資源缺乏，不利于其AGT?FP的增長。（6）開放程度的直接影響系數(shù)和滯后項系數(shù)均為負(fù)，說明農(nóng)業(yè)對外開放程度的提高會使人們將注意力集中在農(nóng)業(yè)高新技術(shù)的引入上，從而忽視生態(tài)環(huán)境保護(hù)和農(nóng)業(yè)綠色生產(chǎn)，進(jìn)而降低了AGTFP。（7）自然災(zāi)害的直接影響系數(shù)和空間滯后項系數(shù)顯著為負(fù)，表明自然災(zāi)害會顯著地降低AGTFP，原因在于自然災(zāi)害會使得投入農(nóng)業(yè)的生產(chǎn)要素?zé)o法正常轉(zhuǎn)化成產(chǎn)出，進(jìn)而降低AGTFP。（8）農(nóng)業(yè)機(jī)械化程度的直接影響系數(shù)為正，說明農(nóng)業(yè)機(jī)械化水平的提升會促進(jìn)本地AGTFP 的增長，但沒有通過顯著性檢驗，原因可能在于我國農(nóng)業(yè)機(jī)械化水平還未達(dá)到高水平階段，需要進(jìn)一步提升；其滯后項系數(shù)為負(fù)且顯著，說明本地農(nóng)業(yè)機(jī)械化程度的提高會對周邊地區(qū)AGTFP增長產(chǎn)生負(fù)向影響。

3.空間效應(yīng)分解

為進(jìn)一步分析各變量的空間效應(yīng)，本文用偏微分法將各個變量的空間總效應(yīng)分解為直接效應(yīng)和間接效應(yīng)（空間溢出效應(yīng)）[32]。其中，直接效應(yīng)反映自變量（物流業(yè)集聚和各控制變量）對本地區(qū)被解釋變量（AGTFP）的影響，間接效應(yīng)反映本地區(qū)物流業(yè)集聚對鄰近地區(qū)AGTFP產(chǎn)生的影響。其空間效應(yīng)分解結(jié)果如表13所示。

表13 空間杜賓模型效應(yīng)分解結(jié)果

從核心解釋變量物流業(yè)集聚的效應(yīng)分解來看，物流業(yè)集聚水平每提高1%，AGTFP 將提高0.112%，這表明物流業(yè)集聚能促進(jìn)AGTFP 的提升。其中，直接效應(yīng)貢獻(xiàn)0.0804%且顯著，空間溢出效應(yīng)貢獻(xiàn)0.031 7%但不顯著，這表明AGTFP 增長主要受本地區(qū)物流業(yè)集聚的直接影響。

從控制變量來看，城鎮(zhèn)化率每提升1%，AGT?FP 下降0.002 6%。其中，直接效應(yīng)貢獻(xiàn)0.333%，空間溢出效應(yīng)貢獻(xiàn)-0.335%，效應(yīng)分解的相互作用導(dǎo)致城鎮(zhèn)化率對AGTFP的總效應(yīng)并不顯著。工業(yè)化程度每提高1%，AGTFP 降低1.497%。其中，直接效應(yīng)貢獻(xiàn)-0.232%，空間溢出效應(yīng)貢獻(xiàn)-1.265%，原因在于工業(yè)發(fā)展吸引了大量農(nóng)業(yè)資源，制約了AGTFP 的提高。人力資本和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對AGTFP 的影響都不顯著。財政支農(nóng)水平每提升1%，AGTFP 下降1.037%，直接效應(yīng)貢獻(xiàn)1.212%，空間溢出效應(yīng)貢獻(xiàn)-2.248%，效應(yīng)分解的相互作用導(dǎo)致財政支農(nóng)水平對AGTFP 的總效應(yīng)不顯著；開放程度每提升1%，AGTFP下降0.597%，直接效應(yīng)貢獻(xiàn)-0.165%，空間溢出效應(yīng)貢獻(xiàn)-0.432%。自然災(zāi)害每提升1%，AGTFP下降0.457%。其中，直接效應(yīng)貢獻(xiàn)-0.157%，空間溢出效應(yīng)貢獻(xiàn)-0.275%。農(nóng)業(yè)機(jī)械化水平每提高1%，AGTFP 增加0.0702%。其中，直接效應(yīng)貢獻(xiàn)0.1751%，空間溢出效應(yīng)貢獻(xiàn)-0.102 1%。

五、結(jié)論與建議

（一）結(jié)論

本文基于我國31個?。ㄗ灾螀^(qū)、直轄市）2016—2020年面板數(shù)據(jù)，通過區(qū)位熵法和DEA-Malmquist模型對我國物流業(yè)集聚水平和綠色農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行測算；利用探索性空間數(shù)據(jù)分析，從全局空間自相關(guān)和局部空間自相關(guān)兩個角度，利用Mo?ran’s I指數(shù)對物流業(yè)集聚和AGTFP進(jìn)行空間相關(guān)性檢驗，揭示二者空間演化特征；通過空間計量模型檢驗，構(gòu)建空間杜賓模型，實證分析物流業(yè)集聚水平對AGTFP 的影響及空間溢出效應(yīng)，得出以下結(jié)論：

第一，從物流業(yè)集聚水平分析來看，近5年全國31 個?。ㄗ灾螀^(qū)、直轄市）物流業(yè)的平均區(qū)位熵值變化幅度不大，整體趨于穩(wěn)定，全國各年物流業(yè)集聚水平均值在0.659 至0.712 之間波動，說明我國物流業(yè)集聚水平整體不高。從區(qū)域?qū)用鎭砜?，我國東部地區(qū)物流業(yè)集聚水平最高，如浙江省、廣東省和上海市區(qū)位熵值均在1.5以上；中部地區(qū)和東北部次之，如河南省、安徽省、黑龍江省區(qū)位熵值均在0.5以上；西部地區(qū)排名墊底，如云南省、貴州省、甘肅省等地區(qū)位熵值均在0.3左右。由此可見，我國東部沿海地區(qū)物流業(yè)集聚水平較高，區(qū)位熵值均大于1且高于全國平均水平。

第二，從AGTFP 計算結(jié)果來看，我國AGTFP年均增長率為4.3%，而農(nóng)業(yè)技術(shù)進(jìn)步是其增長的主要動力。從分解角度來看，2017—2020年，技術(shù)進(jìn)步指數(shù)和AGTFP 增長率指數(shù)均大于1。從區(qū)域?qū)用鎭砜?，各區(qū)域AGTFP 增長幅度與物流業(yè)集聚水平并不完全相符。其中，東北部地區(qū)AGTFP 增長幅度最高，平均增長率為5.98%，技術(shù)效率減少1.18%，技術(shù)進(jìn)步提高2.31%；東部、中部和西部地區(qū)次之，AGTFP 增長幅度分別為5.18%、4.9%、3.1%。因此，無論是物流業(yè)集聚還是農(nóng)業(yè)綠色發(fā)展，我國西部地區(qū)都處于較低水平。

第三，從空間格局演化來看，我國物流業(yè)集聚存在空間正相關(guān)性，即物流業(yè)集聚水平相似的地區(qū)形成空間集聚；AGTFP整體空間相關(guān)性較弱，但各?。ㄗ灾螀^(qū)、直轄市）之間AGTFP 具有顯著的局部空間相關(guān)性，即空間異質(zhì)性。

第四，從AGTFP 影響因素及空間溢出效應(yīng)來看，物流業(yè)集聚水平每提升1%，AGTFP 增長0.112%，直接效應(yīng)貢獻(xiàn)0.0804%，空間溢出效應(yīng)貢獻(xiàn)0.0317%，其增長主要來自直接效應(yīng)。影響因素分析結(jié)果表明城鎮(zhèn)化率、財政支農(nóng)水平、農(nóng)業(yè)機(jī)械化程度會促進(jìn)AGTFP 增長；工業(yè)化水平、開放程度、自然災(zāi)害對AGTFP具有抑制作用；人力資本和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)對我國AGTFP 的影響不大；工業(yè)化水平、財政支農(nóng)水平對鄰近地區(qū)具有負(fù)的空間溢出效應(yīng)。

（二）建議

第一，打造物流業(yè)集聚高地，提升農(nóng)業(yè)技術(shù)效率。從整體分析來看，技術(shù)進(jìn)步和技術(shù)效率均促進(jìn)AGTFP 的提升，而AGTFP 的提高主要來自技術(shù)進(jìn)步，同時，有些年份甚至出現(xiàn)技術(shù)效率下降的情況。因此，要實現(xiàn)我國AGTFP的提高，就必須增強(qiáng)對綠色發(fā)展的認(rèn)識、提升技術(shù)效率水平。上文得知物流業(yè)集聚可以促進(jìn)農(nóng)業(yè)綠色全要素生產(chǎn)率的增長，基于此，政府可以制定物流業(yè)發(fā)展優(yōu)惠政策，加強(qiáng)地區(qū)內(nèi)各物流業(yè)間的信息資源共享，吸引各類物流資源、人才等向區(qū)域內(nèi)匯集，構(gòu)建物流集聚高地，提升地區(qū)物流服務(wù)專業(yè)能力以促進(jìn)農(nóng)業(yè)技術(shù)效率水平，從而提升AGTFP。

第二，促進(jìn)物流省際交流，發(fā)揮空間溢出效應(yīng)。立足實際，重視各地間AGTFP 的局部空間相關(guān)性。政府部門加強(qiáng)地區(qū)間溝通協(xié)調(diào)，制定協(xié)同發(fā)展政策，打破省際壁壘，促進(jìn)要素流通，以體系完善、層次豐富的物流基礎(chǔ)設(shè)施和相關(guān)支持政策為農(nóng)業(yè)發(fā)展建立良好環(huán)境，促進(jìn)AGTFP的提高。

第三，實行差異化政策，發(fā)揮物流集聚作用。實施農(nóng)業(yè)發(fā)展較好地區(qū)對農(nóng)業(yè)發(fā)展落后地區(qū)進(jìn)行精準(zhǔn)幫扶政策，合理配置金融資源，大力支持西部地區(qū)發(fā)展。在區(qū)域資源環(huán)境承載力允許的合理范圍內(nèi)適度引導(dǎo)物流業(yè)集聚，不斷在物流集聚區(qū)內(nèi)發(fā)展創(chuàng)新，將物流業(yè)集群的規(guī)模經(jīng)濟(jì)效應(yīng)和知識溢出效應(yīng)有效發(fā)揮，發(fā)揮物流集聚作用，促進(jìn)物流業(yè)與農(nóng)業(yè)的協(xié)同發(fā)展，進(jìn)而推動AGTFP整體的提高。

第四，多層面探究影響因素，促進(jìn)農(nóng)業(yè)綠色健康發(fā)展。針對影響AGTFP 諸因素，應(yīng)加大對農(nóng)業(yè)綠色發(fā)展轉(zhuǎn)型的支持力度，合理推動新型城鎮(zhèn)化；在對外開放的同時，注重農(nóng)業(yè)綠色發(fā)展；加大農(nóng)業(yè)機(jī)械投入，向高度機(jī)械化農(nóng)業(yè)生產(chǎn)方式轉(zhuǎn)換，營造有利于AGTFP 增長的環(huán)境；合理規(guī)劃財政支農(nóng)資金，對各地財政支農(nóng)進(jìn)行合理補(bǔ)助，做到精準(zhǔn)幫扶，盡可能平衡各地農(nóng)業(yè)綠色全要素生產(chǎn)水平；同時建立自然災(zāi)害防控機(jī)制，提出突發(fā)自然災(zāi)害應(yīng)對措施，降低自然災(zāi)害對農(nóng)業(yè)發(fā)展的影響。

注釋：

①詳見http://www.stats.gov.cn/tjsj/ndsj/。

②詳見https://www.yearbookchina.com/naviBooklist-YMCTJ-0.html。