农业产业集聚对绿色全要素生产率的影响

耿银昂，高 强

（中国海洋大学 管理学院，山东 青岛 266100）

改革开放四十多年来，我国农业取得辉煌的成就。以种植业为代表，1978 年种植业总产值1 117.50 亿元，至2018 年达到61 452.6 亿元；粮食产量则由1978 年30 476.5 万吨升至2018年的65 789.2 万吨。农业是国民经济的基础性产业，是农村经济发展的重要推动力，其高质量、可持续发展关乎每个人的切身利益。然而，我国农业仍处于由传统农业向现代农业发展的过渡阶段，传统要素的大量投入带来的农业增长愈发显得捉襟见肘，日积月累造成环境污染、资源浪费、生产成本高、农民增收难等诸多问题。毋庸置疑，提高农业绿色全要素生产率是推进农业高质量发展的必然选择。2018 年中央一号文件中亦指出“提高农业创新力、竞争力和全要素生产率”；2019 年中央一号文件进一步强调，要强化创新驱动发展，推动农业农村绿色发展，推进农业由增产导向转向提质导向。

目前，学者们对于农业绿色全要素生产率的研究主要涉及两个方面:一是农业绿色全要素生产率的核算与分析；二是农业绿色全要素生产率的影响因素研究。在农业绿色全要素生产率的测算中，部分学者将农业面源污染作为非期望产出纳入农业绿色全要素生产率的分析框架中[1-4]，还有部分学者则分析了考虑碳排放约束的农业绿色全要素生产率[5-9]，两者均证实不考虑非期望产出的农业全要素生产率是不符合农业生产过程的，其结果将是失真的。对于农业绿色全要素生产率的影响因素研究，主要涉及农业产业结构、农村人力资本、城乡收入差距、新型城镇化、农业信息化等因素[10-15]。

而随着农业现代化进程的推进，农业产业集聚现象日趋明显，农产品产业集聚区不断涌现。农业产业集聚提高了农产品的市场竞争力，推动了农业经济的发展，提高了农民收入，增加了区域竞争优势，对于解决“三农”问题有着重要影响[16]。然而，学术界广泛关注工业领域产业集聚现象，对于农业产业集聚关注度不够，更鲜有农业产业集聚与绿色全要素生产率关系的研究。鉴于此，本文依据2000—2017 年中国省域面板数据，在全面核算碳排放约束下农业绿色全要素生产率基础上，利用空间计量模型，实证分析农业产业集聚对绿色全要素生产率的影响。

本文可能的创新之处在于：一、研究视角方面，深入探究了农业产业集聚对绿色全要素生产率的影响机理，在此基础上进行实证检验，为农业绿色全要素生产率的研究提供新的视角；二、研究方法方面，利用空间计量模型进行实证分析，打破了传统计量模型各地区均质、无溢出效应的局限。

一、农业产业集聚对绿色全要素生产率的影响机理分析

农业绿色全要素生产率的提高对于实现农业高质量发展至关重要，大多数研究表明，其发展地区差异性明显；农业产业集聚作为影响绿色全要素生产率的重要因素，会对农业绿色全要素生产率产生促进作用还是抑制作用呢？是如何产生这种作用的呢？本文将通过影响机理分析及实证分析解答上述问题，以便于更清晰地认识到农业产业集聚在其中扮演的角色，促进农业高质量发展。

（一）农业产业集聚通过结构效应影响绿色全要素生产率

农业产业集聚的结构效应将通过农业产业结构的合理化和高级化来实现，不同时期、不同地域聚集区农业产业结构是不同的。集聚初期，产业结构的不合理会通过增加农业碳排放等非期望产出的形式影响农业绿色全要素生产率，例如要素投入结构的影响，农药、化肥、农膜等要素过度投入会对自然环境造成破坏。集聚后期，通过市场及政府政策调节，农业产业结构得以调整优化，高效设施农业产业涌现，清洁生产技术创新得以发展[17]，将有利于农业绿色全要素生产率的提升。

（二）农业产业集聚通过规模效应影响绿色全要素生产率

农业产业集聚所带来的规模效应包括规模经济效应、规模不经济效应、规模外部效应。农业产业集聚，形成农业专业带，企业、农户和政府三方协调，产生规模经济效应。企业生产规模扩大，生产能力增强，平均生产成本降低，抗风险能力提高，对于清洁生产技术创新及末端治理技术创新的投入会有更高的热情[18]；在龙头企业的带动下，农户环保意识增强，采用清洁低碳技术的意愿提高；政府层面则会出台一系列政策鼓励、扶持和引导集聚区发展，同时为了兼顾生态文明建设，保护农村居民生活环境，会进一步强化环境管制，提高企业进入门槛，从而有利于实现农业又好又快发展；此外，集聚区达到一定规模，有利于人才回流，既能够提高劳动者素质，提高要素投入质量，又缓解青壮年劳动力转移带来的农村萧条局面[19]。从这一角度看，农业产业集聚能够促进农业绿色全要素生产率的提升。

规模不经济效应则表现为，当集聚区规模进一步扩大，并且超出一定限度时，随着投入要素增加，单位生产成本相对提高，规模收益递减，有损企业经济效益。此时，企业抵御风险能力有所下降，技术创新行为将相对保守，更依赖于要素投入，所消耗的能源及排放的污染物将进一步增加，导致环境污染。由此，农业产业集聚将对农业绿色全要素生产率产生抑制作用。

在不同的产业集聚阶段，规模外部效应的影响也不相同。集聚初期，区域内各类经营主体的规模偏小，经营策略相对保守，同时政府环境管制相对宽松，因此，更偏向于通过要素投入增加产出，而非技术创新。这一行为可能对区域内及周边区域的环境造成破坏，抑制农业绿色全要素生产率的提高。集聚后期，农业基础设施不断完善，农业物质技术装备水平不断提高，技术扩散和知识溢出更为广泛[20]。由此，各经营主体的联系更为密切，规模较大的经营主体可以为小农户等提供生产性服务，小规模的经营主体也可以通过学习模仿获得先进的技术，尤其是可以满足居民消费结构升级趋势的清洁生产技术。这一行为可能促进区域内以及区域外技术水平的整体提高，对绿色全要素生产率产生推动作用。而当集聚区规模过大时，这种技术创新保守行为可能会对区域内及区域外科技水平的持续发展造成阻碍，尤其是风险较高的清洁生产技术。

通过上述分析可知，不同集聚水平、不同集聚时期的农业产业集聚对绿色全要素生产率的影响是不同的，因此，未经实证检验之前无法确定具体的影响方向。但由于其规模外部效应的存在，农业产业集聚对绿色全要素生产率是存在空间效应的，这种空间效应主要通过基础设施共享、技术扩散和知识溢出等因素实现对区域内及周边区域的绿色全要素生产率的影响。

二、研究方法、指标选取与数据来源

（一）研究方法

1.农业绿色全要素生产率测度模型。本文采用SBM-GML 模型估算中国31 个省份农业绿色全要素生产率，其数学表达式如下：

基于上述分析，同时构建产出导向的GML 生产率指数：

2.空间相关性检验。在运用空间计量模型进行实证分析前，首先要检验地区间变量是否存在空间相关性。目前大部分学者都使用Moran 提出的空间自相关指数Moran's I，该指数一般介于（-1，1）。Moran's I>0 表示空间正相关性，其值越大，空间相关性越明显；Moran's I<0 表示空间负相关性，其值越小，空间差异越大；Moran's I=0，空间呈随机性。其计算公式为：

3.空间面板模型。常用的空间计量模型包括空间误差模型（SEM）和空间滞后模型（SLM），其中，SEM 模型所探究的是模型误差项在空间上相关，SLM 模型所探究的是当变量间的空间依赖性对模型显得非常关键而导致了空间相关时的情形。其具体的模型设定如下：

SEM 模型：

式（8）和式（9）中，脚注i 和t 分别表示地区和观察年份；Y 为因变量，Xj代表一系列自变量；εit和μit为服从正态分布的随机误差项；αj、λ、ρ 为系数；w为空间权重矩阵，本文选用0～1 矩阵、空间地理距离矩阵进行实证分析。其中，地理距离矩阵基于各省份经纬度，以MATLAB 欧氏距离公式生成。

（二）指标选取与数据来源

1.自变量农业绿色全要素生产率

基于数据可得性，结合碳排放、农业全要素生产率相关文献，构建农业绿色全要素生产率测算指标体系，包含投入、期望产出、非期望产出三个维度，具体指标如下：

（1）投入变量。①劳动投入。由于狭义农业从业人数尚未有官方统计，杜江等（2016）[21]以农业总产值占农林牧渔总产值的比重作为权重，乘以农林牧渔从业人数确定。但2012 年后，农林牧渔从业人数并不公布，本文以第一产业从业人数代替农林牧渔业从业人数，单位为万人。②土地投入。以各地区农作物播种面积表示，单位为千公顷。③机械动力投入。以农业总产值占农林牧渔总产值的比重作为权重，乘以农业机械总动力得到，单位为万千瓦。④化肥投入。以各地区实际农用化肥折纯量表示，单位为万吨。⑤农膜投入。以各地区实际农膜使用量表示，单位为吨。⑥农药投入。以各地区实际农药施用量表示，单位为吨。⑦灌溉投入。以农业有效灌溉面积表示，单位为千公顷。

（2）期望产出变量。以农业增加值为期望产出，利用2000 年为基期换算为不变价格，单位为亿元。

（3）非期望产出变量。以农业碳排放作为非期望产出，主要包括农业生产过程中的碳排放，水稻生长过程碳排放以及秸秆燃烧碳排放。其中，农业生产过程中的碳排放包括化肥、农药、农膜、农用柴油、农作物总播种面积、农业有效灌溉面积六个农业生产活动产生的碳排放量。上述三类农业碳排放源，各碳排放系数及数据处理主要参考李波等（2011）[22]、闵继胜和胡浩（2012）[23]、刘丽华等（2011）[24]学者的相关研究确定。农业碳排放量单位为万吨。

2.核心解释变量农业产业集聚

采用区位熵指数来度量各地区的农业产业集聚程度（AGG），其计算公式如下：

其中，AGGis表示i 地区农业的区位熵指数；Ais为区域i 农业产业总产值；Ai为区域i 所有产业的总产值；As为全国农业总产值；A 为全国全部产业总产值。当AGGis>1 时，表示i 地区农业产业集聚程度较高，反之亦然。

为了验证农业产业集聚与绿色全要素生产率之间是否存在非线性关系，本文尝试引入农业产业集聚的二次项、三次项考察其阶段性特征。

3.控制变量

（1）受灾率（dar）。表征自然因素影响，以受灾面积占农作物播种面积的比重表示。（2）农业产业结构（strg）。以各地区粮食作物播种面积与经济作物播种面积的比值表示。（3）农业公共投资（pia）。以农业总产值占农林牧渔总产值的比重作为权重，乘以农林水事务财政支出作为农业财政支出，用其占财政支出之比表示。（4）城镇化率（nul）。用城镇人口或非农人口占各地区年末总人口比重表示。

以上数据来自历年《中国统计年鉴》《中国农村统计年鉴》《新中国60 年统计资料汇编》以及各地区统计年鉴，部分数据经过换算整理得到。

三、实证结果分析

（一）农业绿色全要素生产率测度结果分析

本文采用MaxDEA 软件，通过SBM-GML 模型测度2001—2017 年我国农业绿色全要素生产率的变动情况，剔除部分异常值，具体结果如表1 所示。

表1 各省市农业绿色全要素生产率变动情况（2001—2017 年）

总体而言，中国农业绿色全要素生产率呈现上升趋势，2001—2017 年间，其年平均增长率为1.50%。其中，东部地区年平均增长率为3.36%，中部地区年平均增长率为0.79%，西部地区年平均增长率为0.36%，总体上呈现东、中、西三大区域递减趋势。东部地区除广西外，各省份年平均增长率均为正值，天津市最高，其年平均增长率为8.12%；中部地区大多数省份年平均增长率为正值，农业绿色全要素生产率缓慢增长，黑龙江省最低，为负2.01%；西部地区11 省份中，内蒙古、云南、甘肃、宁夏、新疆均呈现负增长，内蒙古最低，为负6.82%。由上述分析可以看出，由于各地区资源禀赋、经济条件、地理位置等存在差异，农业绿色全要素生产率呈现异质性，但较为明显的是东部地区年均增长率要远高于西部地区，西部地区呈现缓慢增长态势，这在一定程度上说明，受邻近地区经济、科技等因素的影响，农业绿色全要素生产率可能存在空间相关性以及溢出效应。

从技术效率指数与技术进步指数的分解结果来看，2001—2017 年间全国技术效率指数呈现负增长，对农业绿色全要素生产率的增长起到阻碍作用，全国东、中、西三大区域技术效率处于无效率状态，大多数省份同样如此。这一现象暴露了我国农业绿色全要素生产率增长所依赖的技术发展是“粗放式”的，关键技术、管理能力等均需进一步提高。我国农业绿色全要素生产率增长基本是由技术进步带来的，其年均增长率为3.21%，有效抵消了技术效率降低带来的不利影响。今后，在引进先进技术的同时，也应当注重管理水平的提高，加强管理，提高资源优化配置的能力，以充分发挥促进农业绿色全要素生产率增长的内生动力双引擎作用。

（二）空间相关性检验结果分析

由SBM-GML 模型所求得的生产率指数表示的是相对于前一年，当年农业绿色全要素生产率的变化率。本文参考邱斌等（2008）[25]、陈超凡（2016）[26]的处理方式，以2001 年为基期，根据测算的生产率指数相乘得到实际农业绿色全要素生产率，对于技术进步指数与技术效率指数以同样的方式调整得到。

结合上述分析，运用MATLAB 软件基于0～1 矩阵、地理距离矩阵测算农业绿色全要素生产率空间自相关指数Moran's I，检验结果如表2 所示。

表2 2002—2017 年农业绿色全要素生产率Moran's I 统计值

以0～1 矩阵为例进行说明，总的来说，除2002年外，Moran's I 指数均为正值且呈现逐年递增趋势，说明中国农业绿色全要素生产率空间相关性在逐渐增强。2002 年Moran's I 指数为负值，且没有通过显著性检验，说明农业绿色全要素生产率与邻近地区关联度低，呈随机布局状态；2003—2008 年Moran's I指数虽然在逐年增加，但未通过显著性检验，说明该时间段农业绿色全要素生产率呈现微弱正相关；2009—2017 年Moran's I 指数增加较快，且均通过了1%的显著性检验，说明农业绿色全要素生产率高的地区邻近地区也高，反之亦然。由此可见，随着时间推移，各地区知识、技术等交流联系更为紧密，农业绿色全要素生产率受到邻近地区的影响也越来越大，并且存在聚类现象。因此，运用空间计量模型进行分析是合理的。

（三）估计结果分析

通过Hausman 检验，固定效应模型要优于随机效应模型，因此，本文选用固定效应模型进行分析。进一步通过普通面板回归（OLS）LM 检验确定选用空间误差模型还是空间滞后模型，当权重矩阵为0～1矩阵时，LMSLM 统计值为86.099 5，Robust LMSLM 统计值为52.603 9，LMERR 统计值为57.423 4，Robust LMERR 统计值为23.927 8；当权重矩阵为地理距离矩阵时，LMSLM 统计值为23.510 8，Robust LMSLM统计值为35.263 2，LMERR 统计值为10.208 0，Robust LMERR 统计值为21.960 4。通过比较两者LM统计值发现空间滞后模型更为适合，因此，选用空间滞后模型进行进一步分析。同时，通过LR 检验确定采用时间固定效应、个体固定效应或是双固定效应，LR 检验均通过1%的显著性检验，因此，采用双固定效应空间滞后模型分析农业产业集聚对绿色全要素生产率的影响，估计结果如表3 所示。

表3 双固定效应空间滞后模型回归结果

两种权重矩阵下，其空间自相关系数分别为0.561 与0.436，且均通过了1%的显著性检验，表明各地区农业绿色全要素生产率存在较为明显的空间相关性。因此，采用空间滞后模型进行分析是合理的。

核心解释变量方面，0～1 权重矩阵下，农业产业集聚的一次项、二次项、三次项均通过了5%的显著性检验，系数符号分别为负、正、负，表明农业产业集聚与绿色全要素生产率之间存在着“倒N”型的三次曲线关系，即两者间存在“负相关正相关负相关”关系。地理距离权重矩阵下，农业产业集聚均通过了1%的显著性检验，且系数符号与0～1 矩阵相同，证明了这种关系存在稳健性。这表明农业产业集聚与绿色全要素生产率间存在非线性关系。

控制变量方面，除受灾率在两种权重矩阵下均不显著外，农业产业结构、农业公共投资、城镇化均通过了10%的显著性检验。城镇化对农业绿色全要素生产率具有正向推动作用，这可能是由于城镇化的发展促进了农业供给侧结构性改革，同时为农业发展提供了技术支撑，推动了农业绿色转型；农业产业结构对绿色全要素生产率具有正向影响，这表明集聚区农业产业结构较为合理，加之国家大力推行农业供给侧结构性改革成效明显，推动了绿色全要素生产率的发展；农业公共投资对绿色全要素生产率具有负向影响，表明财政支农不利于推动我国农业绿色可持续发展，这可能是由于其会改变农民的生产行为，而这种改变目前来看是负面的，因此需要进一步对财政支农举措具体实施进行改革。

此外，为了进一步分析农业产业集聚对绿色全要素生产率的空间效应影响，本文计算了双固定空间滞后模型农业产业集聚的直接效应、间接效应，结果如表4 所示。

表4 直接效应与间接效应

在两种权重矩阵下，农业产业集聚的三大效应均在5%的显著性水平下通过假设检验，表明农业产业集聚不仅会影响本地区绿色全要素生产率，而且具有明显的空间溢出效应。农业产业集聚的二次项的三大效应均显著为正，三次项的三大效应均显著为负，进一步表明了农业产业集聚对于绿色全要素生产率的非线性关系。

通过上文分析得到，推动农业绿色全要素生产率增长的内源动力主要为技术进步，本文进一步分析了农业产业集聚对技术进步的影响，结果如表5所示。

表5 技术进步双固定空间滞后模型回归结果

两种权重矩阵下，农业产业集聚的一次项、二次项、三次项均通过了1%的显著性检验，表明农业产业集聚与技术进步之间同样存在非线性关系。这种关系可能存在的原因正如前文影响机理分析中所阐述的，由于不同时期、不同水平的产业集聚所带来的结构效应与规模效应迥异，集聚区主体的技术创新、技术采纳行为也不相同，因此，对于技术进步的影响同样呈现出非线性特征。控制变量方面，城镇化与农业产业结构对技术进步表现出显著正向影响，表明新型城镇化及合理的农业产业结构对技术进步具有推动作用。

四、结论

第一，2002—2017 年间，总体而言，中国农业绿色全要素生产率呈现上升趋势，并呈现东、中、西三大区域递减态势；第二，技术进步是推动农业绿色全要素生产率增长的动力源泉，技术效率更多地表现为阻碍作用；第三，农业产业集聚不仅会对当地的绿色全要素生产率产生倒N 型影响，而且对邻近地区产生空间溢出效应；第四，农业产业集聚通过技术进步影响绿色全要素生产率，两者同样存在非线性关系。

综上，提出以下对策建议：第一，建立区域协同发展机制，加强区域间技术、知识的交流与共享，缩小区域间农业绿色发展差距；第二，加强农业科技创新，推进农业绿色发展，同时应当加强管理，提高技术效率，优化资源配置；第三，各地区应当从实际出发，结合自身资源禀赋、经济发展情况等，合理推进土地资源集约利用，可以通过建立现代农业产业园区形成示范作用，推动农业产业集聚高水平发展，进而提高绿色全要素生产率；第四，政府应当加强政策引领，根据各地区资源禀赋、农业产业集聚水平、农业绿色全要素生产率发展水平等条件不同，制定农业集群化发展规划，以更好地促进绿色全要素生产率发展；同时应当出台一系列优惠政策，加大资金扶持力度，鼓励集聚区企业进行绿色技术创新；此外，应当联合企业加大对集聚区各参与主体的农业技术推广与培训，制定相应政策，保障各参与主体尤其是小农户的合法权益，形成有利于技术扩散与溢出的良好局面，最终提高农业绿色全要素生产率发展水平，实现农业现代化。