黑龙江省农业绿色全要素生产率提升研究.docxVIP

黑龙江省农业绿色全要素生产率提升研究

［提要］基于SBM-GML模型测算黑龙江省13个地级市的农业绿色全要素生产率，并分析其时空分异特征。通过fsQCA方法探究农业绿色全要素生产率提升路径，结果表明：黑龙江省农业绿色全要素生产率发展呈现分散化的特点；主要有“经济发展”主导“贸易开放”辅助型、“贸易开放”主导“灌溉效率”辅助型、“灌溉效率水平”主导“市场化程度”辅助型等六条提升路径。对此，各地政府应着力提高农业科技水平，充分发挥地区资源优势，优化要素投入结构，推进农业绿色产业转型升级，加强区域合作实现区域均衡发展，推动提高农业绿色全要素生产率。

党的二十大报告明确提出要加快发展方式绿色转型，积极稳妥推进碳达峰、碳中和。农业在实现经济社会发展绿色化、低碳化过程中具有不可替代的作用，着力提升农业绿色发展水平将成为未来一段时期农业发展的核心任务。黑龙江省作为中国粮食安全“压舱石”，正面临水土资源过度消耗、黑土地质量下降风险加大以及农业面源污染等问题，制约着黑龙江省农业绿色转型。由于农业绿色全要素生产率能够全方位衡量区域农业绿色转型升级的综合水平，因此研究黑龙江省农业绿色全要素生产率多重影响因素的联动作用，对于研究凝练农业绿色全要素生产率的多元化提升路径具有重要的理论和现实意义。

一、文献综述

（一）农业绿色全要素生产率的测算。国外现有研究成果对农业绿色全要素生产率的测算以数据包络分析技术（DEA）为基础的非参数方法为主。国内相关研究较多使用的是基于径向、角度的DEA模型。传统的全要素生产率测算方法没有考虑农业经济增长的环境代价，其测算结果无法真实反映环境约束下的农业生产效率，如径向DEA模型无法处理投入冗余和产出不足产生的松弛变量问题，角度DEA模型需要假定投入或产出不变，这与现实并不完全相符。为克服传统DEA模型的缺陷，Chung提出了方向性距离函数的概念，据此构建了Malmquist-Luenberger（ML）生产率指数，有效解决了期望产出和非期望产出联合生产的环境效率评价问题。国内学者们则构建了非径向、非角度SBM模型，如李谷成、闫桂权使用SBM-ML模型分析了我国农业绿色全要素生产率。为解决线性规划无可行解的问题，一些学者使用全局Malmquist-Luenberger（GML）指数测算农业绿色全要素生产率，如马国群采用SBM-GML模型分析发现环境规制对农业绿色全要素生产率的影响存在显著的双重门槛效应。这些研究成果已经成为测算农业绿色全要素生产率的重要依据。

（二）农业绿色全要素生产率的影响因素。关于农业绿色全要素生产率的影响因素，现有文献主要从技术因素、制度因素、市场因素和农业生产条件等方面展开研究。技术支撑是农业绿色发展的基础，其支撑作用在实证研究中得到了证实。如，Reinhard认为技术条件既可以直接影响农业环境效率，也可以通过投入要素间接影响环境效率。制度因素对农业绿色发展的影响最为广泛，几乎在农业发展的所有层面上都具有重要作用，并且农业绿色发展具有一定的公共品属性，需要一定的制度环境加以引导和规范。李谷成从宏观层面分析了我国农业绿色全要素生产率变动的制度原因。王建华从微观层面检验了环境管制政策对农业绿色发展的影响。《“十四五”全国农业绿色发展规划》明确提出农业绿色发展需要坚持政府引导和市场主导的基本原则，意味着市场化将成为影响农业绿色发展的重要因素。相关研究认为农业市场化有助于改善农村生态环境质量。Plassmann强调人们必须重视市场需求在减少农业污染方面的重要作用，否则，最复杂、最先进的技术也无法阻止农业污染排放的增加。完善的农业生产条件能够有效缓解农业生态环境压力，提高农业绿色发展水平。如，李自强对农业灌溉系统的研究就在一定程度上表明了农业生产条件对农业绿色发展的重要性。

综上所述，农业绿色全要素生产率的测算方法日趋成熟，为本研究分析黑龙江省农业绿色全要素生产率现状提供了理论和方法。学术界从多方面研究了农业绿色全要素生产率的影响因素，为本研究构建理论框架提供了重要依据。但已有研究主要探究了单个影响因素对农业绿色全要素生产率的净效应，忽视了影响因素之间的协同联动对农业绿色全要素生产率的影响。多因素联动作用的研究有助于识别出农业绿色全要素生产率的多种提升路径，深化农业绿色全要素生产率提升背后的多因素共同作用的本质认识。

二、数据来源与指标选取

（一）数据来源。本文选取2012～2021年黑龙江省13个地级市的面板数据。用于测算黑龙江省各地市农业绿色全要素生产率的相关指标如农业从业人员、农业总播种面积、农业机械总动力等来源于《黑龙江省统计年鉴》和各地市统计年鉴；前因变量如农业机械化水平、经济发展水平、灌溉效率水平等指标均来源于EPS数据库。

（二）指标选取。农业绿色全要素生产率测