付偉 李夢柯 羅明燦 陳建成

摘要：目前我國的農(nóng)業(yè)發(fā)展面臨投入產(chǎn)出效率嚴重低下的問題，深刻影響生態(tài)環(huán)境，當下農(nóng)業(yè)發(fā)展的關鍵是尋求一條綠色可持續(xù)發(fā)展的道路。基于SBM-GML指數(shù)法測算我國31個省份（因香港、澳門、臺灣省數(shù)據(jù)缺失較多，未納入研究）2001—2020年的農(nóng)業(yè)綠色全要素生產(chǎn)率，并對其空間相關性進行分析檢驗。結果表明，我國省域農(nóng)業(yè)綠色全要素生產(chǎn)率呈穩(wěn)定增長狀態(tài)，年均增長為1.5%，增長動力主要依靠技術進步；從省際來看，我國各省份之間的農(nóng)業(yè)綠色全要素生產(chǎn)率發(fā)展存在較大差異，糧食主產(chǎn)區(qū)的農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)高于糧食主銷區(qū)和糧食產(chǎn)銷平衡區(qū)；我國糧食產(chǎn)區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率的增長存在顯著的空間相關性，且呈現(xiàn)明顯的集聚特征，熱點區(qū)由糧食主產(chǎn)區(qū)轉移到糧食產(chǎn)銷平衡區(qū)。根據(jù)結果分析得出結論并提出不斷優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結構，探索新的農(nóng)業(yè)發(fā)展方式；強化農(nóng)業(yè)技術人才支撐；加大農(nóng)業(yè)財政投入力度等相關政策建議，以期提高我國農(nóng)業(yè)綠色全要素生產(chǎn)率，推動農(nóng)業(yè)實現(xiàn)綠色發(fā)展。

關鍵詞：農(nóng)業(yè)綠色全要素生產(chǎn)率；SBM模型；GML指數(shù)；農(nóng)業(yè)碳排放；時空演變；區(qū)域異質(zhì)性分析

中圖分類號：F323.3? 文獻標志碼：A

文章編號：1002-1302（2023）23-0227-08

我國目前已經(jīng)進入高質(zhì)量發(fā)展階段，必須加快“推動經(jīng)濟發(fā)展質(zhì)量變革、效率變革、動力變革，提高全要素生產(chǎn)率”。改革開放以來，農(nóng)業(yè)隨著我國經(jīng)濟的迅猛發(fā)展取得較好的成績，農(nóng)林牧漁業(yè)總產(chǎn)值由1978年的1 397.0 億元增加至2021年的 147 013.4 億元，年均增長11.44%。目前，我國面臨諸多嚴重的農(nóng)業(yè)環(huán)境污染問題。1991—2020年，全國化肥施用量和農(nóng)藥使用量顯著增加，從1991年的2 805.1 萬、765 307 t分別增長至2020年的 5 250.7 萬、1 313 303 t，增長幅度分別達到87%、72%，對農(nóng)村生態(tài)環(huán)境造成嚴重威脅?？梢?，要加快生態(tài)保護和農(nóng)業(yè)高質(zhì)量發(fā)展的步伐，就要發(fā)展高質(zhì)量農(nóng)業(yè)，提升農(nóng)業(yè)綠色全要素生產(chǎn)率是發(fā)展的第1步，對于我國推動農(nóng)業(yè)生態(tài)文明建設，實現(xiàn)可持續(xù)發(fā)展至關重要。為此，黨的二十大報告提出要“加快建設現(xiàn)代化經(jīng)濟體系，著力提高全要素生產(chǎn)率，著力推進城鄉(xiāng)融合和區(qū)域協(xié)調(diào)發(fā)展，推動經(jīng)濟實現(xiàn)質(zhì)的有效提升和量的合理增長”?！吨泄仓醒雵鴦赵宏P于實施鄉(xiāng)村振興戰(zhàn)略的意見》等文件也明確指出，必須要“做好農(nóng)業(yè)農(nóng)村生態(tài)環(huán)境保護工作，打好農(nóng)業(yè)面源污染防治攻堅戰(zhàn)，全面推進農(nóng)業(yè)綠色發(fā)展”。自2003年以來，“中央一號”文件始終高度聚焦“三農(nóng)”問題，并多次強調(diào)應該節(jié)約農(nóng)業(yè)資源和保護生態(tài)環(huán)境，為推動農(nóng)業(yè)高質(zhì)高效發(fā)展，必須將農(nóng)業(yè)從增產(chǎn)導向轉變?yōu)樘豳|(zhì)導向。有關農(nóng)業(yè)綠色全要素生產(chǎn)率的研究最初集中在測算方法上。截至目前測算方法主要分為參數(shù)法和非參數(shù)法，參數(shù)法包括超越對數(shù)生產(chǎn)函數(shù)法、C-D函數(shù)法［1］、隨機前沿分析法（SFA）［2］、數(shù)據(jù)包絡法（DEA）［3］等。隨著對農(nóng)業(yè)綠色全要素生產(chǎn)率不斷深入的研究，學者們采用納入環(huán)境污染要素的非參數(shù)法，Chung等首次使用Malmquist-Luenberger（ML）生產(chǎn)率指數(shù)以及方向性距離函數(shù)將污染排放作為非期望產(chǎn)出對瑞典紙漿廠的經(jīng)濟增長進行測度，最終得出合理的全要素生產(chǎn)率［4］。劉華軍等運用方向距離函數(shù)模型（DDF模型）和ML生產(chǎn)率指數(shù)，以碳排放視角對我國資源環(huán)境約束下的區(qū)域全要素生產(chǎn)率進行測算［5］。武宵旭等也采用該方法對我國農(nóng)業(yè)的全要素生產(chǎn)率進行測算，并從城鎮(zhèn)化視角對其差異性進行研究［6］。隨著模型的改進，李玲等采用隨機塊模型（SBM模型）結合Luenberger生產(chǎn)率指數(shù)測算2004—2008年我國工業(yè)部門中19個污染密集型產(chǎn)業(yè)，發(fā)現(xiàn)規(guī)模結構和環(huán)境規(guī)制都對綠色全要素生產(chǎn)率的提高有推動作用［7］。紀成君等利用2011—2016年我國各省份的數(shù)據(jù)，采用SBM-DEA模型對我國農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差異和收斂性進行分析［8］。隨著研究的不斷深入，學者們從不同角度對農(nóng)業(yè)綠色全要素生產(chǎn)率展開研究，并發(fā)現(xiàn)農(nóng)村金融發(fā)展［9-11］、環(huán)境規(guī)制［12-13］、新型城鎮(zhèn)化［14-15］、農(nóng)產(chǎn)品貿(mào)易［16-18］等都對農(nóng)業(yè)綠色全要素生產(chǎn)率的發(fā)展產(chǎn)生較大影響。本研究在前人研究成果的基礎上，利用SBM-GML指數(shù)測算中國省域農(nóng)業(yè)綠色全要素生產(chǎn)率，并基于空間相關和熱點分析對農(nóng)業(yè)綠色全要素生產(chǎn)率增長的區(qū)域差異性進行探究并提出相應對策，以期為我國農(nóng)業(yè)綠色轉型、高質(zhì)量協(xié)調(diào)發(fā)展提供新思路及政策參考。

1 材料與方法

1.1 研究方法

傳統(tǒng)DEA模型的缺陷主要表現(xiàn)為不能分解各個要素的效率值和高估效率值，為了彌補這一缺陷，使綠色全要素生產(chǎn)率的測度更加精確，Tone提出非徑向、非角度的SBM模型［19］。對于農(nóng)業(yè)綠色全要素的分解，本研究采用Oh構建的Global Malmquist-Luenberger（簡稱GML）生產(chǎn)率指數(shù)來測算我國31個省份（因香港、澳門、臺灣省數(shù)據(jù)缺失較多，未納入研究，下同）的農(nóng)業(yè)綠色全要素生產(chǎn)率（簡稱AGTFP）［20］，利用Getis-Ord G*i熱點分析工具對我國省域農(nóng)業(yè)綠色全要素生產(chǎn)率增長的熱點區(qū)和冷點區(qū)進行分析，探討其增長的區(qū)域差異性。

1.1.1 SBM的函數(shù)表達式 SBM的函數(shù)表達式為：

式中：K表示樣本的決策單元數(shù)，個；M表示每個決策單元投入變量；I表示非期望產(chǎn)出變量；N表示期望產(chǎn)出變量的數(shù)量，其中投入向量為x、期望產(chǎn)出向量為y、非期望產(chǎn)出向量為u，類資源投入、期望產(chǎn)出以及非期望產(chǎn)出的松弛變量分別用sx、sy、su表示，rk表示權重向量。目標函數(shù)關于skm、syn、sni呈遞減趨勢，且0≤ρ*≤1。當且僅當ρ*=1時，稱生產(chǎn)單元有效率；當ρ*＜1時，說明生產(chǎn)單元無效，存在產(chǎn)出不足或投入過量的情況，則該生產(chǎn)單位需要根據(jù)實際盡快做出改進。

1.1.2 Global Malmquist-Luenberger生產(chǎn)率指數(shù)

本研究采用Oh提出的Global Malmquist-Luenberger（GML）［20］來測算AGTFP，其中，將中國各個省份作為1個決策單元（DUM），x表示投入要素指標，包括勞動力投入、土地投入、機械投入、化肥投入以及水資源投入；y表示期望產(chǎn)出指標，包括農(nóng)林牧漁總產(chǎn)值；u表示非期望產(chǎn)出指標，包括農(nóng)業(yè)碳排放。設時期總數(shù)為T，利用各省份t期的投入和產(chǎn)出值，參考Oh［20］，GML指數(shù)可定義為公式（3）。

式中：GMLt，t+1的值大于1，說明AGTFP在進步；GMLt，t+1的值等于1，則表明AGTFP保持不變；GMLt，t+1的值小于1，則表明AGTFP降低。將GML指數(shù)分解為綠色技術效率指數(shù)（GEC）和綠色技術進步指數(shù)（GTC），根據(jù)Zofio的研究成果進一步將綠色技術效率指數(shù)（GEC）分解為綠色純技術效率（GPEC）和綠色規(guī)模效率（GSEC）［21］。若綠色技術進步大于1，表示進步；若綠色技術進步小于1，則表示退步。

GMLt，t+1=GEC×GTC=GPEC×GSEC×GTC。（4）

1.1.3 熱點分析

利用ArcGIS 中的Getis-Ord G*i熱點分析工具對中國省域農(nóng)業(yè)綠色全要素生產(chǎn)率增長的熱點區(qū)和冷點區(qū)進行分析。該熱點分析工具對每個地區(qū)的Getis-Ord G*i的值進行計算，并將得出的結果分配為Z。Z值為正，Z值數(shù)越大，表示高值聚類越強烈（即熱點）；Z值為負，Z值數(shù)越小，表示低值聚類越強烈（即冷點）。Getis-Ord G*i計算方法見公式（5）。

式中：xj表示樣本j的屬性值；wij表示i與j之間的空間權重；n表示樣本總數(shù)；X表示平均數(shù)；s表示標準差；計算出每個單元G*i的值即為Z的值。本研究用熱點區(qū)及次熱點區(qū)表示AGTFP的增長較強，冷點及次冷點區(qū)表示該地區(qū)AGTFP的增長較弱甚至呈負增長。

1.2 投入產(chǎn)出指標的選取和數(shù)據(jù)來源

本研究選取以農(nóng)林牧漁業(yè)為主的廣義農(nóng)業(yè)，構建包含投入變量、期望產(chǎn)出和非期望產(chǎn)出變量的投入產(chǎn)出指標體系，測算農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)。

1.2.1 投入產(chǎn)出指標選取

借鑒已有研究成果，考慮研究區(qū)域、數(shù)據(jù)可得性選取勞動、土地、機械、化肥、水資源、農(nóng)藥和農(nóng)膜7個投入指標。農(nóng)業(yè)產(chǎn)出變量包含期望產(chǎn)出和非期望產(chǎn)出。（1）期望產(chǎn)出。農(nóng)林牧漁總產(chǎn)值為期望產(chǎn)出，本研究選取2001—2020年我國31個省份的農(nóng)林牧漁總產(chǎn)值，根據(jù)我國各省份居民消費價格指數(shù)（2001年為基期）進行折算。（2）非期望產(chǎn)出。聯(lián)合國政府間氣候變化專門委員會（IPCC）報告中指出要把農(nóng)業(yè)碳排放算入非期望產(chǎn)出，根據(jù)李波等的研究方法［22］核算碳排放量。本研究主要測算農(nóng)業(yè)生產(chǎn)過程中化肥、農(nóng)藥、農(nóng)膜、柴油、翻耕、農(nóng)業(yè)灌溉等6類直接產(chǎn)生的碳排放。碳排放估算公式為

E=∑Ei=∑Tiδi。（6）

式中：E表示農(nóng)業(yè)的碳排放量；Ei表示各種碳源的碳排放量；Ti表示各碳排放源的量；δi表示各碳排放源的碳排放系數(shù)。根據(jù)文獻整理得到δi的參考值（表1）。

1.2.2 數(shù)據(jù)來源

我國農(nóng)業(yè)綠色全要素生產(chǎn)率測算研究樣本為我國31個省份，研究時間范圍是2001—2020年，指標數(shù)據(jù)主要來源于2001—2020年《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》等以及各個?。ㄊ?、區(qū)）統(tǒng)計年鑒，水資源數(shù)據(jù)來自于《中國水資源公報》（表2）。

本研究基于2001—2020年我國31個省份（因香港、澳門、臺灣省數(shù)據(jù)缺失較多，未納入研究）的農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù)和SBM-GML指數(shù)，通過MaxDEA 8.0軟件對我國農(nóng)業(yè)綠色全要素生產(chǎn)率進行測算。為研究我國各區(qū)域之間的差異，根據(jù)國家發(fā)展和改革委員會在《國家糧食安全中長期規(guī)劃綱要（2008—2020）》的標準劃分為糧食主產(chǎn)區(qū)、糧食主銷區(qū)和糧食產(chǎn)銷平衡區(qū)（表3）。

2 農(nóng)業(yè)綠色全要素生產(chǎn)率時空演進及空間相關性分析

基于2001—2020年我國31個省份的農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù)，通過MaxDEA 8.0軟件對我國的AGTFP進行測算，從時間和空間2個層面進行差異化分析，并將納入碳排放和不納入碳排放的結果進行對比，找出兩者之間的差異。

2.1 我國省域農(nóng)業(yè)綠色全要素生產(chǎn)率的時間演變

2.1.1 總體趨勢分析

我國31個省域2001—2020年的農(nóng)業(yè)綠色全要素生產(chǎn)率的變化情況見表4，并與未考慮環(huán)境約束的全要素生產(chǎn)率進行對比。整體上看，自2001年以來，我國省域的農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)呈波動性增長上升趨勢，年均增長8.62%；具體來看，2001—2002年我國省域的AGTFP小于1，意味著這一年的農(nóng)業(yè)綠色全要素生產(chǎn)率在退步，而其他年份均大于1，說明農(nóng)業(yè)綠色全要素生產(chǎn)率在進步。未考慮環(huán)境約束下的農(nóng)業(yè)綠色全要素生產(chǎn)率也呈增長趨勢，年均增長7.58%，顯著低于考慮環(huán)境約束的全要素生產(chǎn)率水平，由此可見，我國省域農(nóng)業(yè)綠色全要素生產(chǎn)率的增長很大程度是以犧牲環(huán)境為代價的粗放型增長。在考慮環(huán)境約束的情況下，由于技術進步使得農(nóng)業(yè)綠色全要素生產(chǎn)率有所增長，年均增長率達到1.8%，但技術效率不進反退，年均增長率呈現(xiàn)負數(shù)，為-0.03%。由表4測算結果對比可知，無論是否考慮環(huán)境約束，大多數(shù)年份中技術進步高于技術效率。

2.1.2 區(qū)域分析

我國糧食主產(chǎn)區(qū)、 主銷區(qū)、產(chǎn)銷平衡區(qū)農(nóng)業(yè)綠色全要素生產(chǎn)率時間演進趨勢見圖1。由圖1可知，從區(qū)域分布來看，糧食主產(chǎn)區(qū)、主銷區(qū)、產(chǎn)銷平衡區(qū)的農(nóng)業(yè)綠色全要素生產(chǎn)率從2002年的1.023 9、0.922 7、0.995 6分別增長到2020年的1.341 4、1.316 1、1.300 1，年均增長率分別為1.43%、1.89%、1.41%。根據(jù)上述分析可知，無論全國還是各區(qū)域的農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)均呈現(xiàn)出增長趨勢，這得益于我國近些年對環(huán)境污染的治理和環(huán)境保護的推動。進一步研究發(fā)現(xiàn)，糧食主產(chǎn)區(qū)的AGTFP最低，糧食產(chǎn)銷平衡區(qū)最高，這主要是因為糧食產(chǎn)銷平衡區(qū)的較為注重農(nóng)業(yè)的綠色發(fā)展，近些年來國家相關政策的傾向，各省份的對口支援給這些省份帶來了豐富的農(nóng)業(yè)相關技術資源，這些地區(qū)氣候適宜且水資源豐富，得天獨厚的自然條件以及穩(wěn)定的農(nóng)業(yè)從業(yè)人口條件支撐農(nóng)業(yè)的高質(zhì)量發(fā)展；而糧食主產(chǎn)區(qū)經(jīng)濟發(fā)展緩慢，人口眾多，過度追求經(jīng)濟效益導致生態(tài)環(huán)境較差，土地貧瘠，可持續(xù)發(fā)理念落后，農(nóng)業(yè)相關技術人才匱乏，無力支撐農(nóng)業(yè)現(xiàn)代化的快速穩(wěn)定發(fā)展；糧食主銷區(qū)經(jīng)濟發(fā)展水平較高，隨著工業(yè)化和城鎮(zhèn)化的加快，耕地減少，農(nóng)民種糧積極性較低，一些地區(qū)出現(xiàn)糧食生產(chǎn)“副業(yè)化”，進而導致農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)增長較慢。

2.1.3 省際分析

由表5可知，我國省際之間AGTFP存在差異。從AGTFP測算結果來看，2001—2002年海南省AGTFP最低，為0.211，而山西省AGTFP最高，為1.132 3，兩者相差81%，且35%的地區(qū)AGTFP為退步狀態(tài)；2019—2020年北京市AGTFP最低，僅為0.972 7，而河南省AGTFP最高，為2.288 6，兩者相差135%，2020年97%的地區(qū)AGTFP實現(xiàn)質(zhì)的增長。綜上可知，位于我國糧食主產(chǎn)區(qū)的各個省份的農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)較高，與之相反，糧食產(chǎn)銷平衡區(qū)和主銷區(qū)的省份的農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)較低，說明主產(chǎn)區(qū)較

2.2 我國省域農(nóng)業(yè)綠色全要素生產(chǎn)率的空間演變

利用ArcGIS繪制我國農(nóng)業(yè)綠色全要素生產(chǎn)率空間演進圖，本研究選取中國省域2001—2002年、2005—2006年、2010—2011年、2015—2016年、2019—2020年的AGTFP進行對比，結果見圖2。由圖2可知，我國各省份AGTFP總體上上升良好，其中糧食主產(chǎn)區(qū)的遼寧省、吉林省、黑龍江省、內(nèi)蒙古自治區(qū)、河北省、山東省、安徽省、江蘇省、江西省、河南省、湖南省、四川省和湖北省發(fā)展變化最明顯，說明這些地區(qū)較重視農(nóng)業(yè)綠色發(fā)展；產(chǎn)銷平衡區(qū)的山西省、廣西壯族自治區(qū)、重慶市、云南省、貴州省、陜西省、甘肅省、青海省、西藏自治區(qū)、寧夏回族自治區(qū)、新疆維吾爾自治區(qū)整體發(fā)展較緩慢，沒有明顯改善，這些地區(qū)的農(nóng)業(yè)發(fā)展多依賴于傳統(tǒng)的發(fā)展模式，發(fā)展較落后，導致農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)增長較慢。

2.3 我國省域農(nóng)業(yè)綠色全要素生產(chǎn)率的空間相關性分析

利用Morans I指數(shù)和Getis-Ord G*i熱點分別從全局空間自相關和局部自相關分析我國農(nóng)業(yè)綠色全要素生產(chǎn)率的增長是否存在空間相關性，探究其區(qū)域之間發(fā)展的聯(lián)系。

2.3.1 全局空間自相關分析

利用Stata17軟件基于Global Morans I對我國AGTFP的空間相關性進行分析，探究其是否存有空間依賴性。由表6可知，Morans I指數(shù)在2002年、2005年、2009年、2010年、2012年、2013年、2015年、2020年小于0，其余年份都大于0，僅有2003年、2004年、2007年、2011年、2012年、2013年、2016年、2017年、2018年、2019年通過0.10水平顯著性檢驗，其余年份的Morans I指數(shù)沒有通過顯著性檢驗，接受了原假設，但依然可得我國農(nóng)業(yè)綠色全要素生產(chǎn)率增長存在一定的空間相關性。部分年份Morans I指數(shù)沒有通過顯著性檢驗，可能受資源稟賦條件差異和空間溢出效應的影響。由于各地區(qū)農(nóng)業(yè)發(fā)展方向不同，各地區(qū)會按照自身的優(yōu)勢條件進行農(nóng)業(yè)生產(chǎn)，導致較大差異，使得即使空間上接壤的地區(qū)相關性也不顯著。

2.3.2 局部自相關分析

采用Getis-Ord G*i熱點分析探究2001—2002、2010—2011、2019—2020年我國省域AGTFP增長的局部相關性，其中熱點區(qū)和次熱點區(qū)表示我國省域AGTFP增長幅度較大，冷點區(qū)和次冷點區(qū)表示增長幅度較小甚至增長為負，通過冷熱點分析探究我國省域AGTFP增長局部空間上存在的聯(lián)系。由圖3可知，我國省域AGTFP增長呈現(xiàn)明顯的地域集聚現(xiàn)象，熱點區(qū)逐年減少，冷點區(qū)逐年增加，2001—2020年冷熱點分布轉移變化較大。2001—2002年的冷點區(qū)只有海南省，次冷點區(qū)主要分布西藏自治區(qū)，這些地區(qū)的共同特征是地理位置偏遠，是傳統(tǒng)的農(nóng)業(yè)大省（區(qū)），農(nóng)業(yè)發(fā)展的基礎設施建設落后，無法支撐AGTFP的高效增長；2010—2011年冷點區(qū)向產(chǎn)銷平衡區(qū)轉移，主要分布在新疆維吾爾自治區(qū)、甘肅省、青海省、西藏自治區(qū)，次冷點主要分布在河南省、山西省和貴州省，主要是因為這些地區(qū)糧食生產(chǎn)任務重，在農(nóng)業(yè)生產(chǎn)過程中無法較好平衡經(jīng)濟效益和生態(tài)效益；2019—2020[JP+1]年冷點區(qū)整體向主產(chǎn)區(qū)和主銷區(qū)轉移，主要分布于北京市、上海市、福建省和西藏自治區(qū)，大部分地區(qū)AGTFP增長進入次冷點狀態(tài)。主要是由于我國經(jīng)濟快速發(fā)展，進一步邁入城鎮(zhèn)化時期，同時意味著耕地資源逐步減少以及勞動力也逐漸流失，從而導致AGTFP增長變緩。自2003年國家發(fā)布“中央一號”文件以來，我國聚焦“三農(nóng)”問題，各地區(qū)農(nóng)業(yè)發(fā)展逐步邁向低碳排放的道路。

2001—2002年AGTFP的增長熱點區(qū)主要分布在產(chǎn)銷平衡區(qū)，主要包含新疆維吾爾自治區(qū)、北京市、陜西省、山西省、四川省，而次熱點區(qū)主要分布在主產(chǎn)區(qū)，主要是因為大部分地區(qū)自然資源豐富，非傳統(tǒng)農(nóng)業(yè)大省，農(nóng)業(yè)還在初始開發(fā)階段，農(nóng)業(yè)生產(chǎn)所造成的污染和排放較少，AGTFP增長態(tài)勢良好。2010—2011年熱點區(qū)逐漸減少，主要分布在黑龍江省、陜西省、江蘇省、云南省，受農(nóng)業(yè)相關政策影響，各地區(qū)開始重視農(nóng)業(yè)的綠色發(fā)展，AGTFP增長整體速度放緩。2019—2020年熱點區(qū)域明顯減少，僅剩下河南省，次熱點區(qū)僅剩下天津市、陜西省、湖北省、浙江省。這些地區(qū)大多擁有較好的經(jīng)濟條件，借助資源和政策優(yōu)勢農(nóng)業(yè)發(fā)展實現(xiàn)質(zhì)的飛躍，從而帶動AGTFP快速增長。與2001—2002年相比，2019—2020年熱點和次熱點區(qū)面積不斷減少，說明農(nóng)業(yè)綠色的發(fā)展越來越受重視，各省份也開始積極尋求農(nóng)業(yè)的轉型之路，各個地區(qū)利用自身資源條件優(yōu)勢，大力發(fā)展低碳綠色農(nóng)業(yè)，有效減少農(nóng)業(yè)碳排放，進一步推動AGTFP穩(wěn)定增長。

3 結論與政策建議

本研究基于SBM-GML生產(chǎn)率指數(shù)對我國省域2001—2020年AGTFP進行測算，將我國31個?。ㄊ小^(qū)）劃分為糧食主產(chǎn)區(qū)、主銷區(qū)和產(chǎn)銷平衡區(qū)。從農(nóng)業(yè)碳排放角度分析農(nóng)業(yè)發(fā)展情況，并從時間和空間2個層面分析其差異化，最后通過Morans I指數(shù)和Getis-Ord G*i熱點分析從全局自相關和局部自相關驗證我國農(nóng)業(yè)綠色全要素生產(chǎn)率的空間相關性，根據(jù)分析結果得出結論并提出相關建議。

3.1 結論

第一，我國省域之間農(nóng)業(yè)發(fā)展水平差距較大。農(nóng)業(yè)發(fā)展投入的資料、消耗的能源省域之間年增長率相差較大，農(nóng)業(yè)碳排放增長率逐年上升，大部分地區(qū)為了達到農(nóng)業(yè)經(jīng)濟持續(xù)增長的目的，做出破壞環(huán)境、過度消耗資源的舉措。想要提升農(nóng)業(yè)綠色全要素生產(chǎn)率水平，就要轉變農(nóng)業(yè)發(fā)展模式，走低碳可持續(xù)發(fā)道路。

第二，我國農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)呈波動緩慢增長態(tài)勢，考慮碳排放因素的AGTFP水平高于不考慮碳排放因素的ATFP。無論是否考慮碳排放約束，技術進步指數(shù)在大多數(shù)年份中都略高于技術效率指數(shù)，說明農(nóng)業(yè)全要素生產(chǎn)率指數(shù)的提高主要依靠技術進步。從時空演化趨勢來看，我國農(nóng)業(yè)綠色全要素生長率呈“M”形增長，整體增長速度緩慢，受政策影響，產(chǎn)銷平衡區(qū)和主產(chǎn)區(qū)波動較大。省域之間的農(nóng)業(yè)綠色全要素生產(chǎn)率指數(shù)差距較大，經(jīng)濟發(fā)展緩慢的糧食主產(chǎn)區(qū)發(fā)展較為穩(wěn)定，而經(jīng)濟發(fā)達的糧食主銷區(qū)受城鎮(zhèn)化和發(fā)展空間限制因素影響，導致這些地區(qū)的農(nóng)業(yè)投入占比較小，農(nóng)業(yè)的發(fā)展不受重視，生產(chǎn)率較低。

第三，我國省域AGTFP存在空間相關性。由于各省份農(nóng)業(yè)發(fā)展的資源稟賦優(yōu)勢有所不同，導致部分年份的空間相關性沒有通過顯著性檢驗，但受多方面因素影響，局部區(qū)域即使空間上不接壤，也存在空間相關性。

3.2 政策建議

綜上，對我國提升農(nóng)業(yè)綠色全要素生產(chǎn)率提出以下幾點建議。

第一，不斷優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結構，探索新的農(nóng)業(yè)發(fā)展方式。土地、勞動力、資本等生產(chǎn)要素是推動農(nóng)業(yè)進步與發(fā)展不可或缺的重要部分，同時，這些生產(chǎn)資料如農(nóng)藥、化肥、農(nóng)膜、柴油等大范圍過度使用帶來了嚴重的環(huán)境問題，破壞了生態(tài)平衡。因此，我國急需轉變農(nóng)業(yè)發(fā)展方式，優(yōu)化產(chǎn)業(yè)結構，走高效、低碳、高質(zhì)量的農(nóng)業(yè)發(fā)展道路。

第二，強化農(nóng)業(yè)技術人才支撐。我國的農(nóng)業(yè)技術人才是匱乏的，東部和中部經(jīng)濟發(fā)達地區(qū)在農(nóng)業(yè)技術人才引進方面存在較強優(yōu)勢，而西部地區(qū)相對較弱，農(nóng)業(yè)技術水平有待提升。要助力高校人才培養(yǎng)，提高農(nóng)業(yè)科研投入，著力培養(yǎng)適應現(xiàn)代化發(fā)展的新型農(nóng)業(yè)技術人才。針對農(nóng)業(yè)從業(yè)人員定期開展專項培訓，培養(yǎng)符合農(nóng)業(yè)需求的新型人才。

第三，加大農(nóng)業(yè)財政投入力度。為了保障農(nóng)業(yè)的穩(wěn)定發(fā)展，必須要對抗風險能力弱的農(nóng)業(yè)經(jīng)營主體采取支持性的財政政策，對農(nóng)業(yè)發(fā)展提供財政支持。針對不同地區(qū)，有傾向性地因地制宜提供財政扶持，提高地區(qū)的農(nóng)業(yè)發(fā)展水平，以達到農(nóng)業(yè)的區(qū)域協(xié)調(diào)發(fā)展。提高對農(nóng)業(yè)經(jīng)營者的財政補貼力度，完善支農(nóng)惠農(nóng)政策。加大財政對大型農(nóng)用機械設備等農(nóng)業(yè)生產(chǎn)基礎設施建設的支持力度，以提高當?shù)剞r(nóng)業(yè)生產(chǎn)的技術水平，促進農(nóng)業(yè)綠色高效發(fā)展。

參考文獻：

［1］Solow R M. Technical change and the aggregate production function［J］. The Review of Economics and Statistics，1957，39（3）：312.

［2］Abler D G，Pick D. NAFTA，agriculture，and the environment in Mexico［J］. American Journal of Agricultural Economics，1993，75（3）：794-798.

［3］Charnes A，Cooper W W，Rhodes E. Measuring the efficiency of decision making units［J］. European Journal of Operational Research，1978，2（6）：429-444.

［4］Chung Y H，F(xiàn)re R，Grosskopf S. Productivity and undesirable outputs：a directional distance function approach［J］. Journal of Environmental Management，1997，51（3）：229-240.

［5］劉華軍，楊 騫. 資源環(huán)境約束下中國TFP增長的空間差異和影響因素［J］. 管理科學，2014，27（5）：133-144.

［6］武宵旭，葛鵬飛，徐璋勇. 城鎮(zhèn)化與農(nóng)業(yè)全要素生產(chǎn)率提升：異質(zhì)性與空間效應［J］. 中國人口·資源與環(huán)境，2019，29（5）：149-156.

［7］李 玲，陶 鋒. 污染密集型產(chǎn)業(yè)的綠色全要素生產(chǎn)率及影響因素——基于SBM方向性距離函數(shù)的實證分析［J］. 經(jīng)濟學家，2011（12）：32-39.

［8］紀成君，夏懷明. 我國農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差異與收斂性分析［J］. 中國農(nóng)業(yè)資源與區(qū)劃，2020，41（12）：136-143.

［9］梁 俊，龍少波. 農(nóng)業(yè)綠色全要素生產(chǎn)率增長及其影響因素［J］. 華南農(nóng)業(yè)大學學報（社會科學版），2015，14（3）：1-12.

［10］李健旋. 農(nóng)村金融發(fā)展與農(nóng)業(yè)綠色全要素生產(chǎn)率提升研究［J］. 管理評論，2021，33（3）：84-95.

［11］張翱祥，鄧榮榮. 數(shù)字普惠金融對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響及空間溢出效應［J］. 武漢金融，2022（1）：65-74.

［12］馬國群，譚硯文. 環(huán)境規(guī)制對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究——基于面板門檻模型的分析［J］. 農(nóng)業(yè)技術經(jīng)濟，2021（5）：77-92.

［13］徐永慧，尹朝靜. 環(huán)境規(guī)制下中國農(nóng)業(yè)綠色全要素生產(chǎn)率的測算［J］. 統(tǒng)計與決策，2021，37（18）：50-54.

［14］郭海紅，張在旭. 新型城鎮(zhèn)化對農(nóng)業(yè)綠色全要素生產(chǎn)率的門檻效應［J］. 湖南師范大學社會科學學報，2019，48（2）：55-63.[HJ2.05mm]

［15］劉戰(zhàn)偉. 新型城鎮(zhèn)化提升了中國農(nóng)業(yè)綠色全要素生產(chǎn)率嗎？——基于空間溢出效應及門檻特征［J］. 科技管理研究，2021，41（12）：201-208.

［16］李曉龍，冉光和. 農(nóng)產(chǎn)品貿(mào)易提升了農(nóng)業(yè)綠色全要素生產(chǎn)率嗎？——基于農(nóng)村金融發(fā)展視角的分析［J］. 北京理工大學學報（社會科學版），2021，23（4）：82-92.

［17］陳 芳，楊梅君. 農(nóng)產(chǎn)品國際貿(mào)易對中國農(nóng)業(yè)綠色全要素生產(chǎn)率的影響［J］. 華南農(nóng)業(yè)大學學報（社會科學版），2021，20（5）：94-104.

［18］陳燕翎，莊佩芬，彭建平. 貿(mào)易開放對農(nóng)業(yè)經(jīng)濟高質(zhì)量發(fā)展的影響——基于農(nóng)業(yè)綠色全要素生產(chǎn)率的視角［J］. 生態(tài)經(jīng)濟，2021，37（12）：105-114.

［19］Tone K. A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research，2001，130（3）：498-509.

［20］Oh D H. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis，2010，34（3）：183-197.

［21］Zofio J L. Malmquist productivity index decompositions：a unifying framework［J］. Applied Economics，2007，39（18）：2371-2387.

［22］李 波，張俊飚，李海鵬. 中國農(nóng)業(yè)碳排放時空特征及影響因素分解［J］. 中國人口·資源與環(huán)境，2011，21（8）：80-86.

［23］Dubey A，Lal R. Carbon footprint and sustainability of agricultural production systems in punjab，India，and Ohio，USA［J］. Journal of Crop Improvement，2009，23（4）：332-350.