中国农业绿色全要素生产率时空演变

郭海红，刘新民,2

(1.青岛农业大学管理学院，山东 青岛 266109； 2.山东科技大学经济管理学院，山东 青岛 266590)

1 引言

从2006年1月1日联合国取消对中国粮食补贴后，中国粮食产量在2006-2015年实现“十一连增”，但2016年出现下降拐点，结束了连增的良好态势，这意味着农业发展的格局发生变化。自2006年以来，农业发展取得了骄人的成绩，农业总产值保持年均4%的增速，农民人均收入以9%的年均速度增长。但中国农业长期赖以增长的基础是要素高投入、资源高浪费、污染高排放，而劳动力等要素的成本持续高升、资源短缺约束日益明显、环境污染逐渐扼喉等形成农业可持续发展的屏障，这也倒逼农业寻求集约、绿色的增长模式，农业绿色全要素生产率(Agriculture Green Total Factor Productivity，AGTFP)的增长成为可替代性路径选择。那么，AGTFP是什么？其时空格局是怎样的？区域差异的长期演变趋势是怎样的？这些问题的解答对完善AGTFP理论和探索中国农业绿色增长路径具有理论和实践指导意义。

考虑资源和环境污染约束的全要素生产率为绿色全要素生产率的观点已经得到共识[1-3]，目前研究热点在工业领域，AGTFP研究相对较少，对AGTFP的内涵以及理论分析框架尚未有共识性观点。关于AGTFP的内涵最大的争议在于作为资源环境约束的因素的确定，一种代表性的观点是把农业面源污染作为环境约束纳入全要素生产率分析框架，如李谷成[4]、梁俊和龙少波等[5]、李兆亮等[6]。一种代表性观点是把农业碳排放作为环境约束因素，如葛鹏飞等[7]。在AGTFP的测算中对环境因素的处理莫衷一是，以Thijssen[8]为代表的观点是把环境因素作为投入变量，Hailu[9]、杨俊和邵汉华[10]、陈诗一[11]、胥敬华和杜娟[12]、杨福霞等[13]均对不同行业或区域应用该方法做过测算。把环境污染作为投入要素理论上是可行的，假定在期望产出不变的情况下，环境污染和资源投入均实现一定比例的下降，然而，实际生产进程中，环境污染和投入资源很难总保持等比例关系，也难以反映真实农业生产流程，因而不太适合按此方法处理农业环境污染要素。以Ball等[14]、Nanere等[15]、Shen等[16]为代表的观点是把环境因素作为非期望产出变量。其内在逻辑是环境污染是农业生产造成的结果，农业生产既有农产品等期望产出，也伴随着面源污染和碳排放等非期望产出，该逻辑符合实际农业生产过程，故本文把环境污染要素作为非期望产出纳入AGTFP测算的框架中。

TFP的测算方法主要有两种，一种是参数法，以C-D函数法、代数指数法和超越对数生产函数法为主，参数法的模型简单，但需要事先确定函数的形式，需要精确把控投入产出变量的价格信息，而且假设前提非常严格，需具备规模报酬不变的条件；另一种是非参数法，数据包络分析法(Data Envelopment Analysis，DEA)、Shephard距离函数(DF)和Malmquist指数、方向性距离函数(DDF)和Malmquist-Luenberger指数、SBM函数等，非参数法无需设定函数形式，把决策单元与构建的最优随机前沿面比较，结合指数法测算结果。但是，不管是DEA模型还是SBM模型都不能处理投入和产出变量同时具有径向和非径向特征的情况[17]。对AGTFP的测算现有文献比较多见的是基于一个视角，如静态视角采用SBM函数，动态视角选用ML指数，难以全面测度AGTFP。对AGTFP的研究较多关注国家层面，而区域的自然条件、资源禀赋、经济水平等异质性条件明显，区域间农业发展差距明显，而现有研究对AGTFP区域异质性研究更多地关注时序演化、区域格局及影响因素[4,6]，而且更多地定性分析区域间差异，对区域长期演变趋势研究也较为匮乏。

本研究相较已有研究的拓展：第一，把“资源-能源-经济-环境”因素同时纳入AGTFP理论分析框架中，更全面、合理地测量AGTFP水平，以传统的农业投入三要素衡量经济要素，以农业用水量衡量资源要素，以农业用电量衡量能源要素，并把它们作为投入要素，农业碳排放和农业面源污染都作为非期望产出要素。第二，改进EBM模型，克服了农业投入产出既有径向又有非径向的难题，并与GML指数结合，静态和动态结合测算AGTFP，并解析AGTFP增长源泉。第三，综合运用标准差、泰尔指数、Dagum基尼系数等定量衡量AGTFP的区域差异。第四，以核密度函数和空间马尔科夫链从时空视域分析中国AGTFP的动态演变规律。

2 研究方法、理论模型与数据处理

2.1 研究方法

2.1.1 AGTFP测算模型设计

(1)AGTFP静态效率测算模型—改进的EBM模型

在存在非期望产出的情况下，资源、能耗和污染排放是“不可分的”、“径向”的关系，而除了能源之外的传统投入要素如劳动、资本等和产出之间是“可分的”、“非径向”关系，但DEA模型和SBM距离函数都不能测度处理存在径向和非径向关系的投入产出关系。基于此，Tone和Tsutsui[18]提出了一种同时包含径向与非径向两类距离函数的混合函数模型。由于模型中使用了ε参数，Tone称之为EBM(Epsilon-Based Measure)函数。EBM模型能在一定程度上弥补传统DEA模型和SBM模型的不足，表达式为(1)：

(1)

由于农业经济、资源、环境之间关系的复杂性，既有期望产出又有非期望产出，径向和非径向关系同时存在，因此在EBM模型的基础上扩展为包含非期望产出的EBM模型用于测算静态的AGTFP，模型为(2)：

(2)

(2)AGTFP动态效率测算模型—Malmquist-Luenberger指数

EBM模型是基于静态的农业绿色技术效率的思想，限于固定的时间范围内，难以刻画农业绿色生产效率动态变化情况。而农业生产过程具有连续性、长期性的特点，在长期生产过程中农业技术水平总是在改变的，比如技术进步水平的不断提高，会引致生产水平的不断提升。当DMU数据是面板数据时，为更好地反映生产效率的变化状态，Malmquist[19]提出的Malmquist指数成为不二选择。在考虑到非期望产出的情况下，Chambers等[20]把Malmquist指数和包含非期望产出的方向距离函数结合起来，构建了Malmquist-Luenberger指数，表达式为(3)：

MLt,t+1=

(3)

本研究测算的是绿色全要素生产率，标记ML指数为GML指数，也可以分解为绿色技术效率变化指数(GEC)和绿色技术进步变化指数(GTC),具体地见式(4)、(5)、(6)：

GECt,t+1=

(4)

GTCt,t+1=

(5)

GMLt,t+1=GEC×GTC

(6)

为得到GML指数，需要先计算四个方向距离函数值D0。

GEC测量的是跨期绿色技术效率的变化，当GEC>1时，表示效率改进；当GEC<1时，表示效率降低。GTC测量的是绿色技术进步动态变化情况，当GTC>1时，表示生产前沿面沿着期望产出增加非期望产出减少的方向外移；当GTC<1时，生产前沿面反方向内陷。当GML>1时表示AGTFP提高；当GML<1时表示AGTFP下降。

2.1.2 区域差异度量方法

为定量分析AGTFP的区域差异，又考虑到不同方法对数据的敏感程度不同，选用标准差(S)、变异系数(CV)、泰尔指数(Theil)、基尼系数(Gini)分别测算AGTFP的区域差异，并取这几种方法所测得的均值衡量区域差异。

2.1.3 时空差异演变度量方法

采用核密度函数分析区域差异的时序演变，运用空间马尔科夫链法解析AGTFP的区域演变趋势。

(1)核密度函数

核密度函数是基于核函数对随机变量概率密度通过平滑估计以衡量随机变量的分布形态的非参数估计法[20]。设一组随机变量的概率密度函数为f(x)，表达式为(7)：

(7)

其中n为观测值数量，K(·)为核密度函数，h为带宽，最佳h的选择应使积分均方误差最小。本研究以高斯核函数估计AGTFP核密度曲线用于分析AGTFP的区域差异随时间演变规律。

(2)空间马尔科夫链

传统的马尔科夫链是一种随机时间序列方法，需要具备“无后效性”[21]，且通常假定区域间互相独立，而空间马尔科夫链把传统马尔科夫链与空间滞后算子融合[22]，克服了传统马尔科夫严格假定条件，可以用于分析邻近区域AGTFP对本区域的动态演变的影响。本研究以wy作为空间滞后算子(其中w为邻阶矩阵，y为区域AGTFP累积增长率)衡量邻阶空间滞后类型，并在某一区域初始年份AGTFP累积增长率的邻阶空间滞后类型为基础将传统的马尔科夫转移概率矩阵分解为m个m*m的条件转移概率矩阵，矩阵中的元素pij(m)为某一区域在t年的邻阶空间滞后类型为m的情况下，经过d年由i类型转移到j类型的概率。通过空间马尔科夫链可以解析区域AGTFP增长在不同的邻阶空间滞后类型下转移的概率大小。

2.2 理论模型与变量界定

本研究的目的是探究联合国取消粮食补贴后AGTFP的变化，所以确定研究期为2006-2016年。因数据可得性只研究中国31个省和自治区(不包含港澳台地区)，需要特别说明的是文中的农业指的是农林牧渔业，即广义农业。

2.2.1 理论模型

根据Fare[24]构造既包含期望产出，又包含非期望产出的农业生产可能性集。假设每一个DMU使用N种投入X，产出M种期望产出Y，I种非期望产出U，则农业环境技术集可以描述为式(8)，农业环境技术需满足投入和期望产出可自由处置性；期望产出和非期望产出具有联合弱处置性和零结合性的特征。

(8)

2.2.2 变量界定

根据理论模型需要把“资源-能源-环境-经济”纳入一个分析框架才能真正达到“创新、协调、绿色、开放、共享”目标。结合文献[25-29]考虑数据的科学性、合理性，甄选合理的投入产出变量。

投入变量：基于农业生产五要素论界定投入要素包括劳动、土地、资本、水资源和电能源，这些要素是农业发展必须的条件。劳动投入以农林牧渔从业人员年底数衡量；土地投入以农作物播种面积与水产养殖面积之和衡量；对资本投入变量的选取不同于已有文献，主要考虑了农业投入与产出间同时存在径向和非径向关系，选取化肥、机械、农药、农膜及柴油作为资本投入，并考虑到DEA的数据敏感性，采取熵权法拟合资本投入要素。相较已有文献，没有纳入役畜的原因是本研究的样本考察期是联合国取消农业补贴后的2006-2016年，该时间段内农机化水平逐渐提升，对役畜具有强的替代性作用(图1)，水资源投入用农业用水总量衡量。电能源投入用农业用电量代表。

产出变量:期望产出变量以农林牧渔总产值衡量，并以2006年不变价格调整。非期望产出变量包括农业面源污染和农业碳排放，已有文献更多地用单一要素，要么采用面源污染要么采用碳排放来衡量非期望产出，但面源污染和碳排放与农业生产都是相伴生的，单独采用一个变量衡量环境污染要素不够科学。其中农业面源污染变量在赖斯芸[30]清单法的基础上结合《第一次全国污染源普查农业面源污染源污染系数手册》测算得到。农业碳排放变量借鉴李波[31]的做法测算得到。

构建的AGTFP测算指标体系见表1。

表1 AGTFP测算指标体系

2.2.3 数据来源

表1中指标所需数据来源于《新中国六十年统计资料汇编》、2007-2017年的《中国统计年鉴》、《中国环境统计年鉴》、《中国农业统计年鉴》、《中国农业统计资料》、《中国农村统计年鉴》、《中国能源统计年鉴》、《中国水资源公报》及部分省市统计年鉴等官方权威数据。

3 结果与分析

3.1 考虑资源、能源、环境与否的TFP比较

采用改进的EBM模型测算考虑资源、能源、环境约束的中国AGTFP和不考虑资源环境约束的ATFP，结果如表2所示。从中可以看出，AGTFP明显低于ATFP，因AGTFP考虑了资源环境约束，更合理、真实地反映农业生产效率。

3.2 AGTFP时序演变

从表2可知，2006-2016年中国AGTFP从0.607增长到0.684呈微幅波动上升趋势，增幅只有1.2%，在联合国取消对中国的粮食补贴后，中国采取了多重利农政策，对农业生产效率起到了一定的促进作用，但AGTFP的微幅增长说明农业绿色技术效率增长缓慢，农业高速增长的背后一定程度上带来资源浪费和环境破坏等附属代价。

表2 AGTFP与ATFP比较

解构中国AGTFP的GML指数以识别AGTFP增长的源泉(图2)，从图2可以看出，2006-2016年GML指数年均增长率为3.4%，绿色技术进步指数(GTC)年均增长4.1%，而绿色技术效率(GEC)年均下降0.7%。对比AGTFP的GML指数的解构部分，发现GML指数与GTC的演变趋势高度一致，可见AGTFP增长的动力源泉在于农业绿色技术进步，其贡献度为100.67%，农业绿色技术效率年均降低7%，对AGTFP起到明显的抑制作用。按时序来看，除了2008-2009年间AGTFP的GML指数出现下降，其他年份GML指数均大于1，整个考察期内，呈波动中增长趋势。2008-2009年出现下降的原因可能在于2008年全国性特大洪灾对农业生产的直接的、致命性地影响，因农业属于弱质性产业，易受自然灾害影响。比较“十一五”(2006-2010)与“十二五”及2016年(2011-2016)间AGTFP的增长情况，发现虽然AGTFP增长幅度不高，但后者增长态势更为明显，中国农业绿色发展理念、环保意识及政策落地效果初现。

图2 AGTFP解构(2006-2016)

3.3 AGTFP区域差异及演变

3.3.1 静态AGTFP区域差异

为更切实识别区域差距，根据国家统计局区域划分标准，比较东部(含北京等11个省份)、中部(含山西等8个省份)、西部(含内蒙古等12个省份)的AGTFP水平(图3)，从图3可看出东部地区AGTFP的平均水平远高于西部和中部地区，中部地区AGTFP水平最低，呈现“中部塌陷”，西部AGTFP在2007-2008年间小幅上升，之后回稳，略低于全国平均水平，区域差异状态显然。

图3 全国及东部、中部、西部AGTFP比较(2006-2016)

3.3.2 动态AGTFP区域差异

2006-2016年中国AGTFP省际和区域的GML指数及解构情况如表3所示。

表3 中国省域AGTFP解构(2006-2016)

在省际层面，2006-2016年间AGTFP增速排前五位的分别是北京(1.171)、上海(1.152)、浙江(1.099)、福建(1.077)、江苏(1.071)，而排在后五位的分别是内蒙古(0.998)、广西(0.998)、江西(0.997)、山西(0.979)、黑龙江(0.976)，仅有北京等12个省份的AGTFP增长率高于全国平均水平，占比仅为38.7%，AGTFP整体增长态势不是很乐观。从省际AGTFP解构指数剖解AGTFP增长源泉，从中可看到仅北京、上海等7个省域的AGTFP呈绿色技术进步和绿色技术效率“双轮”驱动增长模式，其他省域的GEC指数都不同程度的下降，绿色技术效率省域间差距明显，绿色技术创新呈区域集聚状态，离区域间农业绿色协调增长距离尚远。

在区域层面，比较东、中、西部AGTFP的解构组成(见表3)。东部AGTFP年均增长率为7.6%，中部增长率为0.5%，西部为1.6%，东部最高，中部最低，中部地区农业生产所受资源环境约束的压力较大。从AGTFP解构组成来看，东部地区呈现绿色技术效率和绿色技术进步“双轮”驱动增长，其中绿色技术进步的贡献度达99.44%，绿色技术效率贡献度仅为0.56%，东部AGTFP增长主要倚重绿色技术进步。中部地区AGTFP的增长动力源泉在于绿色技术进步，贡献度为102.29%，绿色技术效率起了抑制作用，年均下降2.2%。西部AGTFP的增长动力源在于绿色技术进步，贡献度为100.78%，绿色技术效率年均下降0.8%，制约了AGTFP的增长。由此可见，东、中、西部的AGTFP增长动力源差异明显，只有东部农业经济与资源环境间耦合协调度较高，中部和西部资源环境约束力量较大，AGTFP增长的动力不足，实现农业经济、资源、环境的协调任重道远，绿色技术效率是区域差距的根本原因。

3.3.3 区域差异的收敛性分析

区域差异定量分析方法较多，以新古典收敛方法为代表，本研究主要以绝对σ收敛分析区域差异情况。本研究的目的是分析中国AGTFP增长的演变规律，所以本部分和后面部分主要以AGTFP累积增长率为研究对象[31]。分析σ收敛的不同方法对数据的敏感性各异，如泰尔系数对高效率水平变化较敏感，对数离差系数对较低效率水平变化敏感，基尼系数对中等效率变化比较敏感，因此本研究取四种方法的均值来检验σ收敛，结果见图4。虽然采用不同的方法测出的差异系数有所差别，但基本上都呈递增趋势，2006-2016年间区域差异呈微“锯齿形”波动，均值的变化态势也呈平稳上升之势，说明中国AGTFP长期内难以达到绝对σ收敛，区域差异不会缩小。

图4 AGTFP区域差异绝对收敛σ情况(2006-2016)

3.3.4 区域差异的时序演变

AGTFP区域间差异明显，为清晰地探究其区域差异随时间推进的演变过程，基于Silverman最佳带宽采用高斯核函数分析其演变规律，图5描绘了代表性年份2006年、2010年、2015年及2016年的高斯核密度分布情况。其中横轴表示AGTFP，纵轴代表核密度。从位移情况看，高斯核密度曲线从2006年到2016年逐渐由左向右移动，说明中国AGTFP呈渐增式提升态势。从基本形态看，2006年“单主峰”明显，到2010年“单峰”右移，以单主峰为主，双峰有形成之势但较弱，2015年和2016年“双峰”形成，而且双峰的峰度渐趋接近，反映了AGTFP的区域差距可能形成两极分化之势。从峰度强弱看，在2006-2010年间主峰右移，但峰度变化并不明显，而2010-2016年间，峰度由尖变宽，峰度减弱，右拖尾明显，反映了十一五期间AGTFP省域间差异较大，而十二五期间虽然区域差距有所减少，但可能会形成极化现象。

图5 代表性年份AGTFP核密度分布及演变趋势图

3.3.5 区域差异的空间演变

把AGTFP累积增长率按照四分位数方法离散为低(I)、中低(II)、中(III)、高(IV)四种类型，考虑空间滞后构建AGTFP累积增长率的空间马尔科夫(Markov)转移概率矩阵，并与传统马尔科夫转移概率矩阵做比较(表4)。

表4 AGTFP增长率空间马尔科夫转移概率矩阵

在不考虑空间滞后因素的马尔科夫转移概率矩阵中，呈现两个典型特征：一是AGTFP增长呈现“俱乐部效应”，类型I、II、III、IV保持原来类型的概率较高，因矩阵中主对角线上的概率较高，其中类型IV区域保持现状概率最高，达88.6%，向类型III转移的概率为11.4%，向类型III和IV转移的概率为0，反映了高AGTFP增长的区域持续性。类型II和III区域可以向AGTFP接近区域双向转移，但转移概率都远低于保持现状的概率。类型I维持在低AGTFP增长水平的概率为86.2%，远高于向类型II转移的概率13.8%，反映了低AGTFP区域长期将维持现状，获得突破式跨界增长可能性较低。二是矩阵中对角线上的概率值远高于非对角线上的概率值，且非对角线元素都紧依对角线，说明AGTFP增长流动性不高，在资源环境约束下的AGTFP增长具有一定程度的路径依赖，难以实现跨界式增长。

纳入空间滞后因素后的空间Markov矩阵与传统Markov矩阵比较，可看出空间滞后因素对AGTFP具有明显影响：第一，中国AGTFP具有空间集聚特性，空间滞后类型对AGTFP区域转移的稳定程度具有显著影响。在不同的空间滞后类型I、II、III、IV的影响下，类型I的稳态概率分别为92.2%、90.7%、88.4%、56.3%，类型II的稳态概率为76.3%、76.8%、86.6%、96.8%，类型III的稳态概率为88.3%、85.5%、87.3%、84.5%，类型IV的稳态概率为88.2%、88.5%、89.8%、99.7%，而在传统Markov中，类型I、II、III、IV的稳态阵概率为86.2%、76.7%、87.1%、88.6%。影响最大的是类型I，在空间滞后类型为IV时，类型I的稳态概率由86.2%下降到56.3%，这说明AGTFP存在空间集聚效应，也存在空间溢出效应，在AGTFP高水平区域的溢出效应影响下，AGTFP低的区域有可能突破低端锁定的屏障。第二，AGTFP增长“以邻为善”与“以邻为壑”并存，即与AGTFP较高的区域邻近，会带动本区域AGTFP提升；与AGTFP较低区域邻近，则会带动本区域AGTFP下降。如，当空间滞后类型由III变为IV时，类型III转向类型IV的概率由10.9%增长到14.3%，反映了与高AGTFP邻近会提升本区域AGTFP增长率，存在正向空间溢出效应。又如，当空间滞后类型由III变为II时，类型III向类型IV转移的概率为4.4%，说明与低AGTFP区域邻近会拉低AGTFP增长水平，存在负向空间溢出效应。第三，与AGTFP较高区域相邻，会降低AGTFP向低水平转移的概率。由表4知，由空间滞后类型I到IV，类型IV向类型III转移的概率为11.8%、11.5%、10.2%、0.3%。同样，在I、II、III、IV为空间滞后情况下，III转向II的概率分别为11.1%、10.1%、1.8%、1.2%，均呈递减趋势。

4 结语

把“资源-能源-经济-环境”因素同时纳入AGTFP理论分析框架中，以传统的农业投入三要素衡量经济要素，以农业用水量衡量资源要素，以农业用电量衡量能源要素，并作为投入要素，农业碳排放和农业面源污染都作为非期望产出要素，构建了AGTFP理论分析模型，并设计AGTFP测算指标体系，改进EBM模型并与ML指数结合静态和动态视角测算AGTFP并解析其增长源泉，并从时空视域分析中国AGTFP的动态演变规律。主要结论有：

(1)纳入能源、资源、环境要素的AGTFP明显低于不考虑能源、资源、环境约束的ATFP水平，能更客观、合理地反映农业绿色生产效率。

(2)时序演变结果表明2006-2016年间中国AGTFP从0.607增长到0.684，呈微幅波动上升趋势，但增长幅度甚微，农业经济高速增长的背后一定程度上是资源浪费和环境破坏为代价的。中国AGTFP增长的动力源泉在于农业绿色技术进步的贡献，贡献度为100.67%，农业绿色技术效率年均降低7%，对AGTFP起到明显的抑制作用。

(3)区域差异明显，东部地区AGTFP的平均水平远高于西部和中部地区，中部地区AGTFP水平最低，呈现“中部塌陷”，西部略低于全国平均水平。AGTFP增长率高于全国平均水平的省份只占38.7%，AGTFP整体增长态势不是很乐观。只有7个省域的AGTFP呈绿色技术进步和绿色技术效率“双轮”驱动增长模式，其他省域的绿色技术效率指数都不同程度的下降，绿色技术效率省域间差距明显，绿色技术创新呈区域集聚状态，离区域间农业绿色协调增长距离尚远。中国AGTFP增长动力源区域差异明显，只有东部农业经济与资源环境间耦合度较高，中部和西部资源环境约束力量较大，实现AGTFP增长的动力不足，绿色技术效率是区域差距的根本原因。以绝对σ收敛分析区域差异情况表明2006-2016年间区域差异呈微“锯齿形”波动，中国AGTFP长期内难以达到绝对σ收敛，区域差异不会缩小。

(4)高斯核密度函数区域差异时序演变分析表明，十一五期间AGTFP省域间差异较大，而十二五期间虽然区域差距有所减少，但可能会形成极化现象。空间Markov空间演变分析表明空间滞后因素对AGTFP增长具有明显影响：中国AGTFP增长具有空间集聚特性，空间滞后类型对AGTFP区域转移的稳定程度具有显著影响；AGTFP“以邻为善”与“以邻为壑”并存；与AGTFP较高区域相邻会降低AGTFP向低水平转移的概率，但跨界式增长难以实现。

结论的政策含义为：一是高度重视农业生产的资源、能源与环境约束，单纯强调农业TFP的增长难以真正实现农业协调与绿色增长的目标。二是认清中国AGTFP水平较低，离农业绿色发展的距离尚远的现实，避免盲进，在保持农业绿色技术进步的基础上，着力提升绿色技术效率。三是强化AGTFP的正向空间溢出效应，弱化负向溢出效应，制定区域差异化的AGTFP增长策略。东部地区发挥“双轮”驱动的示范性、辐射性效应，中部和西部地区通过引进、学习、交流等方式着力提高农业绿色技术效率的同时，应加强与AGTFP水平较高的区域交流与合作，缩小区域差距，实现中国农业区域协调、绿色增长。