农机社会化服务绿色效率的时空动态演进及其影响因素研究

童彤 戴浩 魏君英 李爱杰

摘要：提升農机社会化服务绿色效率，是破除农业环境瓶颈的关键之要，是实现农业可持续发展的治本之道。基于2007—2021年全国30个省（市、自治区），运用超效率SBM模型测算农机社会化服务绿色效率，使用Dagum基尼系数、Kernel估计法、Markov链以及固定效应模型，分析我国农机社会化服务绿色效率的时空动态演化规律及其影响因素。结果表明：我国农机社会化服务绿色效率呈上升趋势，空间上呈现中东高西部低的状态；农机社会化服务绿色效率的总体差异呈缩小趋势，地区间差异是导致总体差异的主要原因；农机社会化服务绿色效率逐步提高，近年来呈集中趋势，地区绝对差异扩大；农机社会化服务绿色效率发生转移的过程中，存在空间溢出效应，效率锁定现象显著；城镇化和人口老龄化、种植结构、化肥、农药、劳动力价格对农机社会化服务绿色效率的影响较大，且地区异质性明显。

关键词：农机社会化服务；绿色效率；时空动态演化规律；Dagum基尼系数；Markov链

中图分类号：F327  文献标识码：A  文章编号：2095-5553 （2024） 03-0287-09

Research on spatio-temporal dynamic evolution and influencing factors of green efficiency of social service of agricultural machinery

Tong Tong， Dai Hao， Wei Junying， Li Aijie

（Hubei Rural Development Research Center， Yangtze University，Jingzhou， 434023， China）

Abstract：

To improve the green efficiency of social service of agricultural machinery is the key to breaking the bottleneck of agricultural environment， and is the fundamental way to achieve sustainable development of agriculture. Based on 30 provinces （municipalities and autonomous regions） in China from 2007 to 2021， the super efficiency SBM model was used to measure the green efficiency of agricultural machinery social service， and the Dagum Gini coefficient， Kernel estimation method， Markov chain and fixed effect model were used to analyze the spatio-temporal dynamic evolution of green efficiency of agricultural machinery social service and its influencing factors. The results show that the green efficiency of agricultural machinery socialization service in China is on the rise， which is higher in the Middle East and lower in the west. The overall difference of green efficiency of social agricultural machinery services shows a decreasing trend， and the regional difference is the main reason for the overall difference. The green efficiency of social agricultural machinery services has gradually increased， showing a centralized trend in recent years， and the absolute difference between regions has expanded. In the process of green efficiency transfer of agricultural machinery social service， there is a spatial spillover effect， and the efficiency locking phenomenon is significant. Urbanization， population aging， planting structure， fertilizer， pesticide， and labor price have a great impact on the green efficiency of social agricultural machinery services， and regional heterogeneity is obvious.

Keywords：agricultural machinery socialization service; green efficiency; spatio-temporal dynamic evolution; Dagum Gini coefficient; Markov chain

0 引言

推动农业绿色发展是落实新发展理念的题中之意，亦是践行农业可持续发展的必由之路。过去以化肥农药等化学性要素投入的方式换取了农业跨越式发展，但农田地力下降、土壤贫瘠以及农业面污染等问题成为制约农业生态环境发展的掣肘，反向威胁农业可持续发展。迫切需要第三方组织的介入，形成农户、市场、政府等主体联动发展的服务体系。已有研究表明，农业社会化服务在促进绿色生产［1］、提升农业生产效率［2］以及推动农业绿色生产转型［3］等方面颇有建树，农业社会化服务俨然成为农业可持续发展的重要路径。生态文明建设在十九大报告中被提升至前所未有的战略高度，2023年中央一号文件再次强调加快农机社会化服务建设步伐，推进农业绿色发展。因此，在新发展阶段农机绿色社会化服务至关重要，如何评价农机社会化服务绿色效率，揭示其时空动态演化特征以及影响因素，对于实现农业高质量发展，提升农业绿色生产效率和促进现代化农业转型具有重要意义。

农业绿色发展是中国式农业现代化发展过程中的重要议题。许多学者对我国农业绿色生产效率进行了研究，其中部分学者从测度角度出发，对农业绿色生产效率的水平、发展趋势以及时空特征进行分析［46］，另外一些学者基于因果推断视角，讨论了人力资本、社会规范［7］、环境规制［8］等外部条件对农业绿色生产效率的约束，以及农业社会化服务［9］、农业绿色补贴［10］等方式对农业绿色生产率的促进作用。在农业社会化服务中，农机社会化服务的快速发展，引起学者的关注，一些学者从效率视角出发，使用DEA模型对农业机械化生产效率进行测度分析［1012］，另外一些学者则讨论了农机社会服务对农业绿色发展的作用，认为农机社会化服务通過优化资源要素配置［9］、促进农业技术进步和提高农业技术效率等途径促进了农业绿色的发展［13］，且农机社会化服务在化肥减量［14］、碳减排［15］等方面成绩斐然。显然，无论是关于农业绿色发展的研究还是农机社会化服务的研究，抑或是农业绿色发展与农机社会化服务的关系研究，目前的研究重点是农机社会化服务对于农业绿色发展的影响，而对于农机社会化服务自身的绿色效率如何，则缺乏研究。但事实上，农机社会化服务已成为我国现代农业发展中非常重要的内容，而农机的使用也存在着绿色效率问题，因而农机社会化服务绿色效率的提高是农业绿色发展中的应有之义。鉴于此，本文基于超效率SBM模型测算农机社会化服务绿色效率，运用Dagum基尼系数、核密度和马尔科夫链等方法分析其时空演化规律、转移趋势，最后通过固定效应模型剖析农机社会化服务绿色效率的影响因素，为促进农机社会化服务绿色化、高质量发展提供参考建议。

1 研究设计

1.1 指标选取与数据来源

关于农机社会化服务绿色效率的衡量，参考已有文献［1012］，将农机社会化服务过程中碳排放作为非期望产出，纳入农机社会化服务效率测度，以农机社会化服务的绿色全要素生产率表征农机社会化服务绿色效率。其中投入指标中的劳动力投入以农机社会化服务组织年末人数表征，资本投入以农机化总投入表征，物质投入以农业机械总动力表征［16， 17］；期望产出为农机服务收入总额和农机化作业面积，非期望产出则为农机社会化服务过程可能产生的碳排量衡量。由于农机社会化服务通过机械作业从事耕地、播种、灌溉、值保和收割等农业生产环节，由此产生的碳源主要为农机消耗的柴油以及翻耕和灌溉环节产生的温室气体。借鉴相关学者的做法［18， 19］，通过计算碳源和碳排放系数的方法得到农机社会化服务过程的碳排放量。

关于农机社会化服务绿色效率的影响因素。本文选取的变量如下：化肥投入（Ferti）以农用化肥施用量衡量；农药投入（Pesti）以农药使用量衡量；人力资本（Edu）以农村人均受教育年限衡量；农村人口老龄化（Aging）以农村65岁及以上人口占农村总人口数量衡量；劳动力价格（Lprice）以农村人均工资性收入衡量；农业产业结构（Aindu）以种植业生产总值与农林牧渔业生产总值的比重衡量；城镇化（Urban）以城镇人口占地区总人口数量。

鉴于西藏数据缺失严重而剔除，故本文的研究对象为中国30个省（市、自治区）2007—2021年的农机社会化服务绿色效率。数据来源于《中国农业机械工业年鉴》《中国农村统计年鉴》《中国人口与就业统计年鉴》与EPS数据库。

1.2 研究方法

1.2.1 SBM模型

本文通过采用SBM测算农机社会化服务绿色效率。模型设定如下：

假设每个省（市、自治区）为生产决策单元DMUj（j=1，2，3，…，30），包括投入要素x、期望产出y1和非期望产出y2三个向量，则每个省（市、自治区）的生产可能性集合为

p|（x0，y0）={（x-，y-1，y-2）|x-≥∑nk=1λkx-k，y-1≤∑nk=1λky-1k，y-2≤∑nk=1λky-2k，λ≥0}（1）

式中：x-——投入要素x平均值；y-1——期望产出平均值；y-2——非期望产出平均值；λ——权重变量；k——被评价单元；n——决策单元的数量；λk——被评价单元k的权重;x-k、y-1k、y-2k——被评价单元k投入要素的平均值、期望产出的平均值、非期望产出的平均值。

现假设存在u种投入，x∈Ru，同时包括期望产出和非期望产出两种：m1为期望产出，y∈Rm1，m2为非期望产出，y∈Rm2，考虑非期望产出的超效率SBM模型为

minβ=1u∑ui=1x-ixik1m1+m2∑m1r=1y-1y1ik+∑m2r=1y-2y2ik（2）

s.t.x-≥∑nj=1，j≠kxijλjy-1≤∑nj=1，j≠ky1ijλjy-2≤∑nj=1，j≠ky2ijλjx-≥xk0≤y-1≤y1ky-2≥y2k∑nj=1，j≠kλj=1λ≥0（3）

式中：λj——权重；x-i——i投入要素的x平均值；xij——第j个DMV的第i项投入；y1ij——第i个DMV的第i项期望产出；y2ij——第j个DMV的第j项非期望产出；β——效率值（0<β<1）；i——投入变量的个数；xik、y1ik、y2ik——投入i个变量，被评价单元k投入、期望产出、非期望产出的数值。

1.2.2 Dagum基尼系数及其分解

相较于传统基尼系数而言，Dagum基尼系数能解决数据重复问题，将其分解区域间差异、区域内差异以及超变密度，被广泛应用于区域差异研究的相关主题。本文在分析中国农机社会化服务绿色效率的地区差异时也采用该方法。根据Dagum做法，总体基尼系数G可分解分三部分，可表示为

G=Gw+Gnb+Gt（4）

式中：Gw——地区内差异贡献；Gnb——地区间差异贡献；Gt——超变密度贡献。

1.2.3 Kernel密度估计法

Kernel密度估计作为一种非参数估计法，能够通过拟合数据对其形态进行直观描述，因此被学者广泛应用于空间非均衡研究。假设随机变量X的密度函数为

f（x）=1Nh∑Ni=1KXi－xh（5）

式中：N——观测值数量；Xi——观测值；h——带宽；x——均值；K（·）——Kernel密度。

与多数研究方法一致，本文采用高斯核函数对中国农机社会化服务绿色效率的分布动态进行估计，模型设定如式（6）所示。

k（x）=12πexp－x22（6）

1.2.4 Markov链

马尔科夫链通过构造概率转移矩阵，描述各区域从一种状态转移为另一种状态的动态演进。本文通过运用马尔科夫链分析我国农机社会化服务绿色效率的动态研究特征。具体计算如式（7）所示。

p{X（t）=f|X（t-1）=e，X（t-2）=et-2，…，X（0）=e0}=p{X（t）=f‖X（t-1）=e}（7）

式中：nef——状态e变成状态f的总次数；nef——状态ef出现的次数。

进而通过转移概率pef形成的状态矩阵P可推测出我国农机社会化服务绿色效率的动态演进趋势。

2 农机社会化服务绿色效率测度结果

2.1 农机社会化服务绿色效率的测度结果

图1为超效率SBM模型测算的农机社会化服务绿色效率。由图1可知，从我国整体的农机社会化服务绿色效率看，我国农机社会化服务绿色效率呈M型发展趋势，2007年农机社会化服务绿色效率为0.602 1，2010年时上升至0.834 5，随后出现小幅下降趋势，2017年下降至0.608 4，2018年恢复至0.780 1，近年来呈现微弱的下降趋势。

从三大地区农机社会化服务绿色效率看，按效率值从高到低分别为中部地区、东部地区和西部地区。中部地区农机社会化服务绿色效率呈波浪式增长态势，从2007年的0.521 1增长至2021年的0.772 3，均值为0.772 5。东部地区农机社会化服务绿色效率变化幅度较大，观测期的最低水平是2008年的0.553 3，效率最高值出现在2010年（0.937 2），两者相差0.383 9。西部地区农机社会化服务绿色效率呈阶梯式增长态势，2007年的0.509 6增长至2009年的0.692 2，2009—2017年处于相对缓和的发展趋势，2017—2018年出现跨越式增长，随后又呈现较为的平稳发展状态。

2.2 农机社会化服务绿色效率区域差异及其来源

为进一步了解中国农机社会化服务绿色效率的地区差异，基于Dagum基尼系数及其分解法测算出我国2001—2021年农机社会化服务绿色效率的总体基尼系数、三大地区间基尼系数及其贡献度，测算结果如表1所示。

2.2.1 农机社会化服务绿色效率的总体差异

由表1可知，我国农机社会化服务绿色效率的总体差异在样本观测期内呈缩小趋势。以2007年为基期，农机社会化服务绿色效率的年均降速为1.822%。且阶段性特征明显，呈现出“骤降—平缓上升—缓慢下降”的态势。例如从2007年的0.335骤降至2010的0.193，2011—2015年围绕0.2上下波动，2017年上升至0.279后呈现缓慢下降趋势。整体而言，近年来我国农机社会化服务绿色效率的总体差异呈缩小趋势。

2.2.2 农机社会化服务绿色效率的区域内差异

由表1可知，农机社会化服务绿色效率的区域内差异从大到小依次为西部地区、东部地区和中部地区。就三大地区的变化趋势而言，地区间存在显著差异。首先是差异最大的西部地区，农机社会化服务绿色效率的区域内差异呈现先增后降的趋势，2007—2011年表现为先增后降趋势，2015年较2014年有较大的下降随后呈上升状态，但近年来仍呈下降趋势，年均降幅为1.538%。其次，东部地区的农机社会化服务绿色效率呈现区域内扩大趋势。2007年的0.367下降至2010年的0.088，2011年至今则表现为小幅度增长趋势，直至2021年达到0.266，但整体而言，东部地区的农机社会化服务绿色效率表现为缩小趋势，年均降幅为1.835%。最后，中部地区呈现平缓波动的下降态势，相较于东西部地区而言，中部地区的农机社会化服务绿色效率整体发展较为平稳，年均基尼系数（0.191 2）和年均降幅（1.292%）在三地区中均为最小。

2.2.3 农机社会化服务绿色效率的区域间差异

由表1可知，东—西、中—西和东—中部区域间差异的变化趋同，整体表现为先大幅下降，后平缓发展，再波动下降趋势。前期波动幅度较大，波动幅度高达0.3，后期则区域稳定。东—中和东—西部区域间差异最小值出现在2010年，中—西部區域间差异最小值出现在2013年。其中东—中、东—西和中—西部区域间差异的均值分别为0.214 0、0.260 1和0.251 3，表明东—西部区域间农机社会化服务效率的差异最大，其次是中—西部地区，东—中部地区差异最小。此外，东—中、东—西和中—西部区域间差异的年均降幅分别为1.934%、1.863%和1.330%，再次反映东—中部区域间的农机社会化服务效率差异正在不断缩小，且缩小的速度较快，而中—西部区域间差异缩小速度相对较慢。

2.2.4 农机社会化服务绿色效率的差异来源及其贡献度

由表1可知，对农机社会化服务绿色效率总体差异贡献从大到小排序分别为区域间差异、超变密度和区域内差异，观测期内的年均贡献率分别为44.765%、31.187%和24.052%。从贡献率的变化趋势看，区域间差异贡献度呈现M型变化趋势，2007—2009年为上升期，然后出现大幅下降至2010年的33.573%，2011—2016年呈波动式发展，2018年增长至57.138%，近年来出现小幅下降趋势。超变密度贡献度整体表现较为平缓，贡献度维持在30%左右。区域内差异贡献度的变化趋势则与区域间差异变化趋势相反，整体呈现为W型。从分解的结果可知，东、中、西部地区间农机社会化服务绿色效率的差异是导致总体差异的主要原因，因此需要进一步缩小东、中、西地区间的农机社会化服务绿色效率差距。

2.3 农机社会化服务绿色效率的时空动态演变

2.3.1 时间变化趋势

前文通过Dagum基尼系数对农机社会化服务绿色效率的地区差异及其来源进行分析，但分析视角为相对差异，缺乏绝对差异视角的分析。因此，本文通过Kernel密度估计分析农机社会化服务绿色效率的绝对差异与演进趋势。本文采用Matlab软件绘制2007—2021年农机社会化服务绿色效率的三维Kernel密度图。

1）  全国Kernel密度估计。图2为全国农机社会化服务绿色效率的Kernel密度图。由图2可知，全国农机社会化服务绿色效率的分布动态具有如下特征。第一，全国农机社会化服务绿色效率的核密度曲线的中心点逐渐右移，表明全国农机社会化服务绿色效率逐步提高，农业社会化服务体系建设取得一定成效。第二，全国农机社会化服务绿色效率的核密度峰值逐渐增大，具体而言，2007—2013年核密度峰值较低，主要分布在0.4～0.6之间，增幅较小；2014年核密度峰值增幅较大，2014至今其峰值维持在1.5左右，表明全国农机社会化服务绿色效率近年来呈集中趋势。第三，全国农机社会化服务绿色效率的核密度函数“右拖尾”明显且呈扩宽态势，说明全国农机社会化服务绿色效率的绝对差异在观测期内先缩小后扩大，意味着农机社会化服务绿色效率较高的省（市、自治区）与农机社会化服务绿色效率较低的省（市、自治区）的差距日益拉大。第四，2007—2010年间全国农机社会化服务绿色效率的核密度曲线由一个主峰和一个侧峰构成，说明在观测期内年份较早时候，农机社会化服务绿色效率存在两层次并存的地区分化式发展结构。2011至今，全国农机社会化服务绿色效率的核密度函数峰值转化为一个且波峰更加缓和，说明地区极化差异得到缓解。

2）  东部地区Kernel密度估计。图3东部地区农机社会化服务绿色效率的Kernel密度图。

由图3可知，东部地区农机社会化服务绿色效率的分布动态具有如下特征。第一，核密度曲线的中心点先右移后左移趋势，说明东部地区农机绿色社会化服务效率波动较大，近年来略有下降。第二，东部地区农机社会化服务绿色效率的核密度曲线峰值逐渐下降，表明东部地区农机社会化服务绿色效率的分布状态从集中转化为趋于分散。第三，东部地区农机社会化服务绿色效率的核密度曲线的波峰宽度先缩小后扩大，说明东部地区农机社会化服务绿色效率的绝对差异表现为先缩小后扩大态势，也就是说东部地区内部农机社会化服务绿色效率高与农机社会化服务绿色效率低的省（市、自治区）间的绝对差异呈扩大趋势。

3）  中部地区Kernel密度估计。图4为中部地区农机社会化服务绿色效率的Kernel密度图。由图4可知，中部地区农机社会化服务绿色效率的分布动态具有如下特征：第一，观测期內中部地区农机社会化服务绿色效率的核密度曲线整体呈现右移趋势，说明中部地区农机社会化服务绿色效率逐渐增长。第二，中部地区农机社会化服务绿色效率的核密度曲线的波峰宽度逐渐加大，表明中部地区各省（市、自治区）间的农机社会化服务绿色效率绝对差异拉大。第三，中部地区农机社会化服务绿色效率的核密度曲线保持单峰形式，说明中部地区农机社会化服务绿色效率趋于集中，不存在多级分化趋势。

4） 西部地区Kernel密度估计。图5为西部地区农机社会化服务绿色效率的Kernel密度图。

由图5可知，西部地区农机社会化服务绿色效率的分布动态具有如下特征：第一，西部地区农机社会化服务绿色效率的核密度曲线的中心点的变化与东部地区相似，均是先右移后左移，说明西部地区农机社会化服务绿色效率呈波动式变化，近年来略有下降。第二，西部地区农机社会化服务绿色效率的核密度曲线峰值持续增大且波峰宽度缩小，反映西部地区农机社会化服务绿色效率趋于集中。第三，西部地区农机社会化服务绿色效率的核密度曲线“右拖尾”明显，说明东部地区的绝对差异扩大。

2.3.2 跨期转移趋势

本文通过使用传统的马尔科夫链和空间马尔科夫链模型对农机社会化服务绿色效率长期趋势进行预测，参考相关文献的做法［19， 20］，根据标准分位数法将农机社会化服务绿色效率的特征划分为类型Ⅰ［0，25%］、类型Ⅱ［26%，50%］、类型Ⅲ［51%，75%］和类型Ⅳ［76%，100%］四类，据此测算农机社会化服务绿色效率的Markov链链转移概率矩阵。

表2为传统Markov转移矩阵结果，对角线上的数值表示观测期内省（市、自治区）类型保持不变的概率，非对角线上的数值表示不同类型的省（市、自治区）发生转移的概率。

由表2可知，类型Ⅰ、Ⅱ、Ⅲ、Ⅳ对角线上的数值依次为0.602、0.500、0.565和0.733，非对角线上的最大数值仅为0.221，说明在观测期内各类型保持不变的概率较大，即我国农机社会化服务绿色效率存在不同程度的俱乐部趋同现象，该现象较为稳定；且不同类型间发生转移的概率较小，说明我国农机社会化服务绿色效率的差异存在固化现象。具体来看，处于类型Ⅰ水平的农机社会化服务绿色效率向上转移的概率逐渐递减，分别为21.4%、11.7%和6.8%。处于类型Ⅱ水平的农机社会化服务绿色效率向上转移的概率也是逐渐降低，转移概率从22.1%下降至5.8%，向下转移的概率为22.1%。处于类型Ⅲ水平的农机社会化服务绿色效率向上转移的概率为14.8%，类型Ⅱ、Ⅰ转移的概率分别为21.3%和7.4%。处于类型Ⅳ水平的农机社会化服务绿色效率向下转移至类型Ⅲ、Ⅱ和Ⅰ的依次为概率14.3%、6.7%和5.7%。从以上结果可知，对大多数省（市、自治区）来说，维持现有水平的农机社会化服务绿色效率的概率比转移到更高或更低水平的概率大，其马太效应显著。同时，所有省（市、自治区）间相邻水平发生转移的概率大于间隔跳跃发生的概率，地区间惯性特征显著。

由于传统Markov链忽略周围空间因素的影响，因此，本文在传统Markov链的基础上引入空间矩阵，构建空间Markov矩阵分析不同领域类型对农机社会化服务绿色效率转移的影响，结果如表3所示。

由表3可知，第一，省（市、自治区）的空间格局对农机社会化服务绿色效率的影响程度较大，对比传统Markov转移概率矩阵，空间Markov的概率矩阵发生变化，且不同类型的概率各不相同。第二，当邻近区域为类型Ⅱ时，低水平（类型Ⅰ）的省（市、自治区）维持现有状态的概率为71.4%，向上转移的概率（类型Ⅱ、类型Ⅲ、类型Ⅳ）分别为10.7%、7.1%和10.7%，说明高发展水平的省（市、自治区）对低水平的省（市、自治区）农机社会化服务绿色效率具有一定的推动作用。第三，在农机社会化服务绿色效率发生转移的过程中，存在空间溢出效应。若与农机社会化服务绿色效率较高的省（市、自治区）相邻，向上转移的概率将会提高，向下转移的概率则会降低；若与农机社会化服务绿色效率较低的省（市、自治区）相邻，向上转移的概率将会减少，而向下转移的概率则会增加。具体而言，在传统Markov矩阵下，类型Ⅲ向类型Ⅳ转移的概率为14.8%；在空间Markov矩阵下，当邻接类型为类型Ⅲ和类型Ⅳ时，类型Ⅲ向类型Ⅳ转移的概率增加至15.6%和33.3%；而与类型Ⅰ和类型Ⅱ相邻时，向下发生转移的概率则下降至0%和25%。由此说明空间Markov概率转移表现出效率锁定现象，亦为在传统Markov下的俱乐部趋同现象提供了空间解释。

3 农机社会化服务绿色效率的影响因素

为提出更具针对性对策建议，促进农机社会化服务绿色效率的提升，接下来通过运用计量模型的方法，对可能影响农机社会化服务绿色效率的影响进行回归分析。样本量共计450，变量的描述性统计见表4。

经豪斯曼检验，固定效应优于随机效应，故以固定效应模型作为计量回归模型。表5为模型回归结果。

表5列（1）～列（4）依次为全国、东部、中部和西部地区的回归结果。从全国层面看，城镇化和人口老龄化、种植结构等因素对农机社会化服务绿色效率具有显著的提升作用，化肥、农药施用量的增加严重阻碍了农机绿色社会化效率的增长，劳动力价格的增长对农机社会化服务绿色效率具有显著的负面影响。可能的原因是城镇化为农业机械技术的研发创造了条件，推动了低碳减排农业机械的发明与创造；人口老龄化导致劳动力弱质性，难以承受农业劳动强度，以农机服务替代人力劳动成为农户的最优选择；趋粮化的种植结构，方便机械作业，且相较于经济作物，粮食作物对化肥、农药的需求量较低，因此城镇化的发展、种植结构以及人口老龄化能显著促进农机绿色社会化服务。

从地区层面看，东部地区的城镇化、老龄化和人力资本因素能显著提高农机绿色社会化服务水平，劳动力价格因素不利于农机社会化服务绿色效率的提高。中部地区的城镇化、老龄化因素对农机社会化服务绿色效率具有显著的促进作用，劳动力价格因素的阻碍效应显著。西部地区老龄化因素显著促进了农机社会化服务绿色效率的提高，化肥施用量的增加则不利于农机绿色社会服务化效率的增长。

4 结论与建议

本文基于绿色全要素生产率的内涵，将其引入农机社会化服务之中，运用超效率SBM模型测算2007—2021年我国30个省（市、自治区）农机社会化服务绿色效率，进而使用Dagum基尼系數对农机社会化服务绿色效率地区差异及其来源进行分解、采用Kernel密度估计法从时空角度分析其演变趋势、根据Markov链测算农机社会化服务绿色效率的转移概率，最后通过固定效应模型分析农机社会化服务绿色效率的影响因素。

1）  从测算结果看，2007—2021年我国农机社会化服务绿色效率呈上升趋势，空间分布上表现为中东高西部低的状态。

2）  从区域差异角度看，我国农机社会化服务绿色效率的总体差异在样本观测期内呈缩小趋势；区域内差异从大到小依次为西部地区、东部地区和中部地区；区域间差异变化趋同；地区间差异是导致总体差异的主要原因。

3）  全国的农机社会化服务绿色效率逐步提高，近年来呈集中趋势，地区绝对差异扩大。

4）  从转移概率看，我国农机社会化服务绿色效率存在不同程度的趋同现象，在农机社会化服务绿色效率发生转移的过程中，存在空间溢出效应，效率锁定现象显著。

5）  从影响因素看，城镇化和人口老龄化、种植结构等因素对农机社会化服务绿色效率具有显著的提升作用，化肥、农药、劳动力价格等因素阻碍了农机绿色社会化效率的增加，因素对各地区的影响程度各不相同，地区异质性明显。

针对以上结论，给出以下建议：第一，虽然目前我国农机社会化服务绿色效率呈积极发展态势，但仍需高度重视农机社会化绿色服务建设与发展，进一步提升农机社会化服务绿色效率，破除农业环境瓶颈，实现资源、环境与农业的可持续发展。第二，协调各地区发展，提升农机社会化全域服务绿色效率。建设农机绿色社会化服务信息网络平台，缩小东、中、西区域农机社会化服务绿色效率差异，进而完善农机社会化绿色服务体系；鼓励新型农机技术的创新推广，逐步提升各区域农机社会化绿色服务水平。第三，因地制宜，化“空间差异”为合理梯度，降低非良性竞争。各地区根据当地农业发展阶段、农业特点以及农业影响因素制定适合当地的农机社会化绿色服务发展方案。

参 考 文 献

［1］曹铁毅， 邹伟. 社会化服务供给对规模农户经济效益和绿色生产的影响［J］. 长江流域资源与环境， 2023， 32（3）： 653-664.Cao Tieyi， Zou Wei. The impact of socialized service supply on economic benefits and green production of large-scale farmers ［J］. Resources and Environment in the Yangtze Basin， 2023， 32（3）： 653-664.

［2］张昆扬， 张改清， 韩嫣， 等. 农机作业服务对农业生态效率的影响： 本地效应与空间溢出［J］. 中国农业大学学报， 2023， 28（3）： 223-237.Zhang Kunyang， Zhang Gaiqing， Han Yan， et al. Impact of agricultural machinery services on agro-ecological efficiency： Local effects and spatia spillovers ［J］. Journal of China Agricultural University， 2023， 28（3）： 223-237.

［3］张英楠， 尹彦舒， 张康洁， 等. 农业社会化服务能否促进小麦种植户绿色生产转型？——基于河南、山东、山西的农户调查证据［J］. 中国人口·资源与环境， 2023， 33（6）： 172-181.Zhang Yingnan， Yin Yanshu， Zhang Kangjie， et al. Can socialized agricultural services promote wheat growers green production transformation？ Evidence from Henan， Shandong， and Shanxi in China ［J］. China Population， Resources and Environment， 2023， 33（6）： 172-181.

［4］郭海红， 刘新民. 中国农业绿色全要素生产率时空演变［J］. 中国管理科学， 2020， 28（9）： 66-75.Guo Haihong， Liu Xinmin. Time-space evolution of Chinas agricultural green total factor productivity ［J］. Chinese Journal of Management Science， 2020， 28（9）： 66-75.

［5］李欠男， 李谷成， 尹朝静. 农业绿色全要素生产率增长的分布动态演进［J］. 统计与信息论坛， 2020， 35（10）： 119-128.Li Qiannan， Li Gucheng， Yin Chaojing. Dynamic evolution of agricultural green total factor productivity growth ［J］. Journal of Statistics and Information， 2020， 35（10）： 119-128.

［6］梁俊， 龙少波. 农业绿色全要素生产率增长及其影响因素［J］. 华南农业大学学报（社会科学版）， 2015， 14（3）： 1-12.Liang Jun， Long Shaobo. Chinas agricultural green total factor productivity growth and its affecting factors ［J］. Journal of South China Agricultural University （Social Science Edition）， 2015， 14（3）： 1-12.

［7］赵秋倩， 夏显力. 社会规范何以影响农户农药减量化施用——基于道德责任感中介效应与社会经济地位差异的调节效应分析［J］. 农业技术经济， 2020（10）： 61-73.Zhao Qiugian， Xia Xianli. How does social norms affect the reduction of pesticide application by farmers？ Analysis of the regulating effect of the difference between the mediating effect of moral responsibility and social economic status ［J］. Journal of Agrotechnical Economics， 2020（10）： 61-73.

［8］展进涛， 徐钰娇. 环境规制、农业绿色生产率与粮食安全［J］. 中国人口·资源与环境， 2019， 29（3）： 167-176.Zhan Jintao， Xu Yujiao. Environmental regulation， agricultural green TFP and grain security ［J］. China Population， Resources and Environment， 2019， 29（3）： 167-176.

［9］張梦玲， 童婷， 陈昭玖. 农业社会化服务有助于提升农业绿色生产率吗？［J］. 南方经济， 2023（1）： 135-152.Zhang Mengling， Tong Ting， Chen Zhaojiu. Can socialized service of agricultural production improve agricultural green productivity？ ［J］. South China Journal of Economics， 2023（1）： 135-152.

［10］张宗毅， 王许沁， 葛继红. 中国农机化效率：区域差异及购置补贴影响效应——基于省域视角和DEA-Tobit模型的分析［J］. 湖南农业大学学报（社会科学版）， 2019， 20（3）： 1-8.Zhang Zongyi， Wang Xuqin， Ge Jihong. Chinese agricultural mechanization efficiency： Analyses on regional differences and the impact effect of purchase subsidy based on DEA-Tobit model of provincial panel data ［J］. Journal of Hunan Agricultural University （Social Sciences）， 2019， 20（3）： 1-8.

［11］刘成， 冯潇. 中国农业机械投入效率的三阶段DEA的分析［J］. 中国农机化学报， 2018， 39（3）： 79-86.Liu Cheng， Feng Xiao. Three-stage DEA analysis of Chinas agricultural machinery input efficiency ［J］. Journal of Chinese Agricultural Mechanization， 2018， 39（3）： 79-86.

［12］李平， 伍海君. 农机社会化服务效率的时空分异研究——来自中国省域证据［J］. 中国农机化学报， 2022， 43（9）： 210-218.Li Ping， Wu Haijun. Spatiotemporal differentiation of agricultural machinery socialization service efficiency： Evidence from provinces in China ［J］. Journal of Chinese Agricultural Mechanization， 2022， 43（9）： 210-218.

［13］程永生， 张德元， 汪侠. 农业社会化服务的绿色发展效应——基于农户视角［J］. 资源科学， 2022， 44（9）： 1848-1864.Cheng Yongsheng， Zhang Deyuan， Wang Xia. Green development effect of agricultural socialized services： An analysis based on farming households perspective ［J］. Resources Science， 2022， 44（9）： 1848-1864.

［14］朱建军， 徐宣国， 郑军. 农机社会化服务的化肥减量效应及作用路径研究——基于CRHPS数据［J］. 农业技术经济， 2023（4）： 64-76.Zhu Jianjun， Xu Xuanguo， Zheng Jun. Research on chemical fertilizer reduction effect of agricultural machinery outsourcing service and action path： Based on CRHPS data ［J］. Journal of Agrotechnical Economics， 2023（4）： 64-76.

［15］徐清华， 张广胜. 农业机械化对农业碳排放强度影响的空间溢出效应——基于282个城市面板数据的实证［J］. 中国人口·资源与环境， 2022， 32（4）： 23-33.Xu Qinghua， Zhang Guangsheng. Spatial spillover effect of agricultural mechanization on agricultural carbon emission intensity： Anempirical analysis of panel data from 282 cities ［J］. China Population， Resources and Environment， 2022， 32（4）： 23-33.

［16］李平， 伍海君. 农机社会化服务效率的时空分异研究——来自中国省域证据［J］. 中国农机化学报， 2022， 43（9）： 210-218.Li Ping， Wu Haijun. Spatiotemporal differentiation of agricultural machinery socialization service efficiency： Evidence from provinces in China ［J］. Journal of Chinese Agricultural Mechanization， 2022， 43（9）： 210-218.

［17］邱溆， 杨丽. 我国农机社会化服务供给效率及其影响因素——基于DEA-Tobit两步法分析［J］. 中国农机化学报， 2021， 42（7）： 209-214， 236.Qiu Xu， Yang Li. Supply efficiency and influencing factors of agricultural machinery socialized service in China： Based on the two-step method of DEA-Tobit ［J］. Journal of Chinese Agricultural Mechanization， 2021， 42（7）： 209-214， 236.

［18］李波， 张俊飚， 李海鹏. 中国农业碳排放时空特征及影响因素分解［J］. 中國人口·资源与环境， 2011， 21（8）： 80-86.Li Bo， Zhang Junbiao， Li Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China ［J］. China Population， Resources and Environment， 2011， 21（8）： 80-86.

［19］徐维祥， 郑金辉， 李续双. 中国农业环境效率时空演变及其驱动因素［J］. 生态学报， 2021， 41（21）： 8364-8374.Xu Weixiang， Zheng Jinhui， Li Xushuang. Spatio-temporal evolution and driving factors of agricultural environmental efficiency in China ［J］. Acta Ecologica Sinica， 2021， 41（21）： 8364-8374.

［20］Dagum C. A new approach to the decomposition of the Gini income inequality ratio ［J］. Empirical Economics， 1997（22）： 515-531.

基金项目：国家社会科学基金一般项目（23BJY259）

第一作者：童彤，女，1998年生，江苏徐州人，硕士研究生；研究方向为农业技术经济。E-mail： 1250451482@qq.com

通讯作者：魏君英，女，1973年生，湖北赤壁人，博士，教授，硕导；研究方向为农业经济理论与政策。E-mail： wjy-0713@163.com