付偉 李夢(mèng)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(yán)重低下的問題，深刻影響生態(tài)環(huán)境，當(dāng)下農(nóng)業(yè)發(fā)展的關(guān)鍵是尋求一條綠色可持續(xù)發(fā)展的道路?；赟BM-GML指數(shù)法測(cè)算我國31個(gè)省份（因香港、澳門、臺(tái)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(duì)其空間相關(guān)性進(jìn)行分析檢驗(yàn)。結(jié)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(dòng)力主要依靠技術(shù)進(jìn)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(guān)性，且呈現(xiàn)明顯的集聚特征，熱點(diǎn)區(qū)由糧食主產(chǎn)區(qū)轉(zhuǎn)移到糧食產(chǎn)銷平衡區(qū)。根據(jù)結(jié)果分析得出結(jié)論并提出不斷優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，探索新的農(nóng)業(yè)發(fā)展方式；強(qiáng)化農(nóng)業(yè)技術(shù)人才支撐；加大農(nóng)業(yè)財(cái)政投入力度等相關(guān)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(dòng)農(nóng)業(yè)實(shí)現(xiàn)綠色發(fā)展。

關(guān)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(shí)空演變；區(qū)域異質(zhì)性分析

中圖分類號(hào)：F323.3? 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2023）23-0227-08

我國目前已經(jīng)進(jìn)入高質(zhì)量發(fā)展階段，必須加快“推動(dòng)經(jīng)濟(jì)發(fā)展質(zhì)量變革、效率變革、動(dòng)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(jì)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(yán)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(dá)到87%、72%，對(duì)農(nóng)村生態(tài)環(huán)境造成嚴(yán)重威脅?？梢姡涌焐鷳B(tài)保護(hù)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(duì)于我國推動(dòng)農(nóng)業(yè)生態(tài)文明建設(shè)，實(shí)現(xiàn)可持續(xù)發(fā)展至關(guān)重要。為此，黨的二十大報(bào)告提出要“加快建設(shè)現(xiàn)代化經(jīng)濟(jì)體系，著力提高全要素生產(chǎn)率，著力推進(jìn)城鄉(xiāng)融合和區(qū)域協(xié)調(diào)發(fā)展，推動(dòng)經(jīng)濟(jì)實(shí)現(xiàn)質(zhì)的有效提升和量的合理增長”?！吨泄仓醒雵鴦?wù)院關(guān)于實(shí)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(hù)工作，打好農(nóng)業(yè)面源污染防治攻堅(jiān)戰(zhàn)，全面推進(jìn)農(nóng)業(yè)綠色發(fā)展”。自2003年以來，“中央一號(hào)”文件始終高度聚焦“三農(nóng)”問題，并多次強(qiáng)調(diào)應(yīng)該節(jié)約農(nóng)業(yè)資源和保護(hù)生態(tài)環(huán)境，為推動(dòng)農(nóng)業(yè)高質(zhì)高效發(fā)展，必須將農(nóng)業(yè)從增產(chǎn)導(dǎo)向轉(zhuǎn)變?yōu)樘豳|(zhì)導(dǎo)向。有關(guān)農(nóng)業(yè)綠色全要素生產(chǎn)率的研究最初集中在測(cè)算方法上。截至目前測(cè)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(duì)數(shù)生產(chǎn)函數(shù)法、C-D函數(shù)法［1］、隨機(jī)前沿分析法（SFA）［2］、數(shù)據(jù)包絡(luò)法（DEA）［3］等。隨著對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率不斷深入的研究，學(xué)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(duì)瑞典紙漿廠的經(jīng)濟(jì)增長進(jìn)行測(cè)度，最終得出合理的全要素生產(chǎn)率［4］。劉華軍等運(yùn)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(duì)我國資源環(huán)境約束下的區(qū)域全要素生產(chǎn)率進(jìn)行測(cè)算［5］。武宵旭等也采用該方法對(duì)我國農(nóng)業(yè)的全要素生產(chǎn)率進(jìn)行測(cè)算，并從城鎮(zhèn)化視角對(duì)其差異性進(jìn)行研究［6］。隨著模型的改進(jìn)，李玲等采用隨機(jī)塊模型（SBM模型）結(jié)合Luenberger生產(chǎn)率指數(shù)測(cè)算2004—2008年我國工業(yè)部門中19個(gè)污染密集型產(chǎn)業(yè)，發(fā)現(xiàn)規(guī)模結(jié)構(gòu)和環(huán)境規(guī)制都對(duì)綠色全要素生產(chǎn)率的提高有推動(dòng)作用［7］。紀(jì)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(duì)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(jìn)行分析［8］。隨著研究的不斷深入，學(xué)者們從不同角度對(duì)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(duì)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(chǔ)上，利用SBM-GML指數(shù)測(cè)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(guān)和熱點(diǎn)分析對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率增長的區(qū)域差異性進(jìn)行探究并提出相應(yīng)對(duì)策，以期為我國農(nóng)業(yè)綠色轉(zhuǎn)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(gè)要素的效率值和高估效率值，為了彌補(bǔ)這一缺陷，使綠色全要素生產(chǎn)率的測(cè)度更加精確，Tone提出非徑向、非角度的SBM模型［19］。對(duì)于農(nóng)業(yè)綠色全要素的分解，本研究采用Oh構(gòu)建的Global Malmquist-Luenberger（簡稱GML）生產(chǎn)率指數(shù)來測(cè)算我國31個(gè)省份（因香港、澳門、臺(tái)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(diǎn)分析工具對(duì)我國省域農(nóng)業(yè)綠色全要素生產(chǎn)率增長的熱點(diǎn)區(qū)和冷點(diǎn)區(qū)進(jìn)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(dá)式 SBM的函數(shù)表達(dá)式為：

式中：K表示樣本的決策單元數(shù)，個(gè)；M表示每個(gè)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(quán)重向量。目標(biāo)函數(shù)關(guān)于skm、syn、sni呈遞減趨勢(shì)，且0≤ρ*≤1。當(dāng)且僅當(dāng)ρ*=1時(shí)，稱生產(chǎn)單元有效率；當(dāng)ρ*＜1時(shí)，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(shí)際盡快做出改進(jìn)。

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(cè)算AGTFP，其中，將中國各個(gè)省份作為1個(gè)決策單元（DUM），x表示投入要素指標(biāo)，包括勞動(dòng)力投入、土地投入、機(jī)械投入、化肥投入以及水資源投入；y表示期望產(chǎn)出指標(biāo)，包括農(nóng)林牧漁總產(chǎn)值；u表示非期望產(chǎn)出指標(biāo)，包括農(nóng)業(yè)碳排放。設(shè)時(shí)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(jìn)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(shù)效率指數(shù)（GEC）和綠色技術(shù)進(jìn)步指數(shù)（GTC），根據(jù)Zofio的研究成果進(jìn)一步將綠色技術(shù)效率指數(shù)（GEC）分解為綠色純技術(shù)效率（GPEC）和綠色規(guī)模效率（GSEC）［21］。若綠色技術(shù)進(jìn)步大于1，表示進(jìn)步；若綠色技術(shù)進(jìn)步小于1，則表示退步。

GMLt，t+1=GEC×GTC=GPEC×GSEC×GTC。（4）

1.1.3 熱點(diǎn)分析

利用ArcGIS 中的Getis-Ord G*i熱點(diǎn)分析工具對(duì)中國省域農(nóng)業(yè)綠色全要素生產(chǎn)率增長的熱點(diǎn)區(qū)和冷點(diǎn)區(qū)進(jìn)行分析。該熱點(diǎn)分析工具對(duì)每個(gè)地區(qū)的Getis-Ord G*i的值進(jìn)行計(jì)算，并將得出的結(jié)果分配為Z。Z值為正，Z值數(shù)越大，表示高值聚類越強(qiáng)烈（即熱點(diǎn)）；Z值為負(fù)，Z值數(shù)越小，表示低值聚類越強(qiáng)烈（即冷點(diǎn)）。Getis-Ord G*i計(jì)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(quán)重；n表示樣本總數(shù)；X表示平均數(shù)；s表示標(biāo)準(zhǔn)差；計(jì)算出每個(gè)單元G*i的值即為Z的值。本研究用熱點(diǎn)區(qū)及次熱點(diǎn)區(qū)表示AGTFP的增長較強(qiáng)，冷點(diǎn)及次冷點(diǎn)區(qū)表示該地區(qū)AGTFP的增長較弱甚至呈負(fù)增長。

1.2 投入產(chǎn)出指標(biāo)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(gòu)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(biāo)體系，測(cè)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(biāo)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(dòng)、土地、機(jī)械、化肥、水資源、農(nóng)藥和農(nóng)膜7個(gè)投入指標(biāo)。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(gè)省份的農(nóng)林牧漁總產(chǎn)值，根據(jù)我國各省份居民消費(fèi)價(jià)格指數(shù)（2001年為基期）進(jìn)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(huì)（IPCC）報(bào)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(cè)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(xiàn)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(cè)算研究樣本為我國31個(gè)省份，研究時(shí)間范圍是2001—2020年，指標(biāo)數(shù)據(jù)主要來源于2001—2020年《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》《中國環(huán)境統(tǒng)計(jì)年鑒》等以及各個(gè)省（市、區(qū)）統(tǒng)計(jì)年鑒，水資源數(shù)據(jù)來自于《中國水資源公報(bào)》（表2）。

本研究基于2001—2020年我國31個(gè)省份（因香港、澳門、臺(tái)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(duì)我國農(nóng)業(yè)綠色全要素生產(chǎn)率進(jìn)行測(cè)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(huì)在《國家糧食安全中長期規(guī)劃綱要（2008—2020）》的標(biāo)準(zhǔn)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(shí)空演進(jìn)及空間相關(guān)性分析

基于2001—2020年我國31個(gè)省份的農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù)，通過MaxDEA 8.0軟件對(duì)我國的AGTFP進(jìn)行測(cè)算，從時(shí)間和空間2個(gè)層面進(jìn)行差異化分析，并將納入碳排放和不納入碳排放的結(jié)果進(jìn)行對(duì)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(shí)間演變

2.1.1 總體趨勢(shì)分析

我國31個(gè)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(jìn)行對(duì)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(dòng)性增長上升趨勢(shì)，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(jìn)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(shì)，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(jià)的粗放型增長。在考慮環(huán)境約束的情況下，由于技術(shù)進(jìn)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(dá)到1.8%，但技術(shù)效率不進(jìn)反退，年均增長率呈現(xiàn)負(fù)數(shù)，為-0.03%。由表4測(cè)算結(jié)果對(duì)比可知，無論是否考慮環(huán)境約束，大多數(shù)年份中技術(shù)進(jìn)步高于技術(shù)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(shí)間演進(jìn)趨勢(shì)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(shì)，這得益于我國近些年對(duì)環(huán)境污染的治理和環(huán)境保護(hù)的推動(dòng)。進(jìn)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?yàn)榧Z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(guān)政策的傾向，各省份的對(duì)口支援給這些省份帶來了豐富的農(nóng)業(yè)相關(guān)技術(shù)資源，這些地區(qū)氣候適宜且水資源豐富，得天獨(dú)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(jì)發(fā)展緩慢，人口眾多，過度追求經(jīng)濟(jì)效益導(dǎo)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(guān)技術(shù)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(jì)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(jìn)而導(dǎo)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(cè)算結(jié)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(shí)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(gè)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(jìn)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(jìn)行對(duì)比，結(jié)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(dǎo)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(guān)性分析

利用Morans I指數(shù)和Getis-Ord G*i熱點(diǎn)分別從全局空間自相關(guān)和局部自相關(guān)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(guān)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(guān)分析

利用Stata17軟件基于Global Morans I對(duì)我國AGTFP的空間相關(guān)性進(jìn)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(yàn)，其余年份的Morans I指數(shù)沒有通過顯著性檢驗(yàn)，接受了原假設(shè)，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(guān)性。部分年份Morans I指數(shù)沒有通過顯著性檢驗(yàn)，可能受資源稟賦條件差異和空間溢出效應(yīng)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(huì)按照自身的優(yōu)勢(shì)條件進(jìn)行農(nóng)業(yè)生產(chǎn)，導(dǎo)致較大差異，使得即使空間上接壤的地區(qū)相關(guān)性也不顯著。

2.3.2 局部自相關(guān)分析

采用Getis-Ord G*i熱點(diǎn)分析探究2001—2002、2010—2011、2019—2020年我國省域AGTFP增長的局部相關(guān)性，其中熱點(diǎn)區(qū)和次熱點(diǎn)區(qū)表示我國省域AGTFP增長幅度較大，冷點(diǎn)區(qū)和次冷點(diǎn)區(qū)表示增長幅度較小甚至增長為負(fù)，通過冷熱點(diǎn)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(diǎn)區(qū)逐年減少，冷點(diǎn)區(qū)逐年增加，2001—2020年冷熱點(diǎn)分布轉(zhuǎn)移變化較大。2001—2002年的冷點(diǎn)區(qū)只有海南省，次冷點(diǎn)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(yuǎn)，是傳統(tǒng)的農(nóng)業(yè)大?。▍^(qū)），農(nóng)業(yè)發(fā)展的基礎(chǔ)設(shè)施建設(shè)落后，無法支撐AGTFP的高效增長；2010—2011年冷點(diǎn)區(qū)向產(chǎn)銷平衡區(qū)轉(zhuǎn)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(diǎn)主要分布在河南省、山西省和貴州省，主要是因?yàn)檫@些地區(qū)糧食生產(chǎn)任務(wù)重，在農(nóng)業(yè)生產(chǎn)過程中無法較好平衡經(jīng)濟(jì)效益和生態(tài)效益；2019—2020[JP+1]年冷點(diǎn)區(qū)整體向主產(chǎn)區(qū)和主銷區(qū)轉(zhuǎn)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(jìn)入次冷點(diǎn)狀態(tài)。主要是由于我國經(jīng)濟(jì)快速發(fā)展，進(jìn)一步邁入城鎮(zhèn)化時(shí)期，同時(shí)意味著耕地資源逐步減少以及勞動(dòng)力也逐漸流失，從而導(dǎo)致AGTFP增長變緩。自2003年國家發(fā)布“中央一號(hào)”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(diǎn)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(diǎn)區(qū)主要分布在主產(chǎn)區(qū)，主要是因?yàn)榇蟛糠值貐^(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(shì)良好。2010—2011年熱點(diǎn)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(guān)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(diǎn)區(qū)域明顯減少，僅剩下河南省，次熱點(diǎn)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(jì)條件，借助資源和政策優(yōu)勢(shì)農(nóng)業(yè)發(fā)展實(shí)現(xiàn)質(zhì)的飛躍，從而帶動(dòng)AGTFP快速增長。與2001—2002年相比，2019—2020年熱點(diǎn)和次熱點(diǎn)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(zhuǎn)型之路，各個(gè)地區(qū)利用自身資源條件優(yōu)勢(shì)，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(jìn)一步推動(dòng)AGTFP穩(wěn)定增長。

3 結(jié)論與政策建議

本研究基于SBM-GML生產(chǎn)率指數(shù)對(duì)我國省域2001—2020年AGTFP進(jìn)行測(cè)算，將我國31個(gè)?。ㄊ?、區(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(shí)間和空間2個(gè)層面分析其差異化，最后通過Morans I指數(shù)和Getis-Ord G*i熱點(diǎn)分析從全局自相關(guān)和局部自相關(guān)驗(yàn)證我國農(nóng)業(yè)綠色全要素生產(chǎn)率的空間相關(guān)性，根據(jù)分析結(jié)果得出結(jié)論并提出相關(guān)建議。

3.1 結(jié)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(dá)到農(nóng)業(yè)經(jīng)濟(jì)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(zhuǎn)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(dòng)緩慢增長態(tài)勢(shì)，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(shù)進(jìn)步指數(shù)在大多數(shù)年份中都略高于技術(shù)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(shù)進(jìn)步。從時(shí)空演化趨勢(shì)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(dòng)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(jì)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(jì)發(fā)達(dá)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(dǎo)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(guān)性。由于各省份農(nóng)業(yè)發(fā)展的資源稟賦優(yōu)勢(shì)有所不同，導(dǎo)致部分年份的空間相關(guān)性沒有通過顯著性檢驗(yàn)，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(guān)性。

3.2 政策建議

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

第一，不斷優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)，探索新的農(nóng)業(yè)發(fā)展方式。土地、勞動(dòng)力、資本等生產(chǎn)要素是推動(dòng)農(nóng)業(yè)進(jìn)步與發(fā)展不可或缺的重要部分，同時(shí)，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(yán)重的環(huán)境問題，破壞了生態(tài)平衡。因此，我國急需轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，走高效、低碳、高質(zhì)量的農(nóng)業(yè)發(fā)展道路。

第二，強(qiáng)化農(nóng)業(yè)技術(shù)人才支撐。我國的農(nóng)業(yè)技術(shù)人才是匱乏的，東部和中部經(jīng)濟(jì)發(fā)達(dá)地區(qū)在農(nóng)業(yè)技術(shù)人才引進(jìn)方面存在較強(qiáng)優(yōu)勢(shì)，而西部地區(qū)相對(duì)較弱，農(nóng)業(yè)技術(shù)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(yīng)現(xiàn)代化發(fā)展的新型農(nóng)業(yè)技術(shù)人才。針對(duì)農(nóng)業(yè)從業(yè)人員定期開展專項(xiàng)培訓(xùn)，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(cái)政投入力度。為了保障農(nóng)業(yè)的穩(wěn)定發(fā)展，必須要對(duì)抗風(fēng)險(xiǎn)能力弱的農(nóng)業(yè)經(jīng)營主體采取支持性的財(cái)政政策，對(duì)農(nóng)業(yè)發(fā)展提供財(cái)政支持。針對(duì)不同地區(qū)，有傾向性地因地制宜提供財(cái)政扶持，提高地區(qū)的農(nóng)業(yè)發(fā)展水平，以達(dá)到農(nóng)業(yè)的區(qū)域協(xié)調(diào)發(fā)展。提高對(duì)農(nóng)業(yè)經(jīng)營者的財(cái)政補(bǔ)貼力度，完善支農(nóng)惠農(nóng)政策。加大財(cái)政對(duì)大型農(nóng)用機(jī)械設(shè)備等農(nóng)業(yè)生產(chǎn)基礎(chǔ)設(shè)施建設(shè)的支持力度，以提高當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)的技術(shù)水平，促進(jìn)農(nóng)業(yè)綠色高效發(fā)展。

參考文獻(xiàn)：

［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(xué)，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(yīng)［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(shí)證分析［J］. 經(jīng)濟(jì)學(xué)家，2011（12）：32-39.

［8］紀(jì)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(xué)學(xué)報(bào)（社會(huì)科學(xué)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(píng)論，2021，33（3）：84-95.

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

［12］馬國群，譚硯文. 環(huán)境規(guī)制對(duì)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(shù)經(jīng)濟(jì)，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(cè)算［J］. 統(tǒng)計(jì)與決策，2021，37（18）：50-54.

［14］郭海紅，張?jiān)谛? 新型城鎮(zhèn)化對(duì)農(nóng)業(yè)綠色全要素生產(chǎn)率的門檻效應(yīng)［J］. 湖南師范大學(xué)社會(huì)科學(xué)學(xué)報(bào)，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(yīng)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(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，23（4）：82-92.

［17］陳 芳，楊梅君. 農(nóng)產(chǎn)品國際貿(mào)易對(duì)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(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，20（5）：94-104.

［18］陳燕翎，莊佩芬，彭建平. 貿(mào)易開放對(duì)農(nóng)業(yè)經(jīng)濟(jì)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(jì)，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(shí)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.