黃河流域農業(yè)綠色全要素生產率的空間格局與動態(tài)演進

劉 帥，張航宇，蔡文靜

(1.中國社會科學院財經戰(zhàn)略研究院，北京 100006；2.北京大學中國農業(yè)政策研究中心，北京 100871；3.滄州市文化廣電和旅游局，河北 滄州 061011)

黃河流域生態(tài)保護和高質量發(fā)展已上升為國家戰(zhàn)略。黃河流域流經中國9個省份，是中國第二長河，連接青藏高原、黃土高原和華北平原，流域內煤炭、石油等資源豐富，既是重要的經濟地帶，也是重要的生態(tài)屏障。黃河流域各省份2019年總人口4.22億，占全國總人口的比例超過30%；國內生產總值24.74萬億，占全國的25.1%。黃河流域是中國重要的農產品產區(qū)，糧食和肉類產量占全國的1/3 左右。黃河流域各省份2019年第一產業(yè)產值占全國的29.6%，超過第二產業(yè)(26.2%)和第三產業(yè)占比(23.7%)。黃河流域生態(tài)保護和高質量發(fā)展是習近平總書記親自謀劃、親自部署、親自推動的重大國家戰(zhàn)略，已納入“十四五”規(guī)劃和二○三五年遠景目標。黃河流域生態(tài)保護和高質量發(fā)展也是貫徹綠色發(fā)展理念和“綠水青山就是金山銀山”理念的重要實踐載體。

農業(yè)綠色全要素生產率(total factor productivity，TFP)指在傳統TFP中考慮環(huán)境污染等非期望產出[1]，統籌兼顧農業(yè)發(fā)展、資源節(jié)約和環(huán)境保護，將其納入一個統一分析框架[2]。國內外對傳統TFP的研究比較豐富，包括理論內涵[3]、測算方法[4-5]、實證測算[6]、影響因素[7]、時空特征[8]等。在農業(yè)領域，國內外學者對農業(yè)TFP也進行了深入研究。例如，ANG等[9]測算了美國農業(yè)TFP，并對其進行了分解；王璐等[10]利用微觀數據計算中國農戶農業(yè)TFP，并分析了其結構變遷問題；張樂等[11]、李欠男等[12]則從宏觀角度測算了中國或省際農業(yè)TFP。國內外學者對農業(yè)綠色TFP也進行了有益探索，測算農業(yè)綠色TFP的關鍵在于指標體系和方法，筆者對國內外相關文獻進行了梳理，部分代表作如表1所示。

從評價指標體系上來看，投入方面，多數研究涵蓋了各類農業(yè)生產的投入要素，但也存在較大差異，如能源、用水、資本等投入指標并沒有得到廣泛的使用，一些研究可能受限于研究條件等，甚至簡化了投入指標。產出方面，期望產出主要有廣義農業(yè)(即農、林、牧、漁業(yè))和狹義農業(yè)2類，也有針對特定農業(yè)子行業(yè)的研究。非期望產出主要有農業(yè)碳排放和農業(yè)面源污染2種。整體上看，農業(yè)綠色TFP測算指標體系的構建主觀性較強，學界對此尚未達成共識。從研究方法上看，多數學者是利用數據包絡分析(data envelopment analysis，DEA)的基本原理，納入非期望產出，運用各種擴展的模型進行測算，部分學者也對傳統模型進行了改進。從研究對象上看，既有跨國研究，也有針對某一國的研究；國內學者對中國及省級層面的研究較多，也有對特定區(qū)域進行研究。遺憾的是，雖然農業(yè)在黃河流域占據重要地位，但關注黃河流域農業(yè)綠色TFP問題的文獻較少。另外，可能由于測算指標、研究方法等不同，不同學者的研究結論也相差甚遠。如展進濤等[20]研究表明，中國農業(yè)綠色TFP在2000—2015年間年均下降0.14%；而侯孟陽等[21]的測算結果顯示，2000年之后中國農業(yè)綠色TFP穩(wěn)定上升。在農業(yè)碳排放和面源污染等指標的核算上，不同學者也采用了不同方法[22-23]，事實上兩者的核算本身也是研究的難點。綜合來看，雖然國內外對農業(yè)綠色TFP有了一定研究，但仍有一些不足有待完善。

基于以上分析，筆者以黃河流域省份為研究對象，采用考慮非期望產出的SBM模型及多種空間方法，對農業(yè)綠色TFP進行測算和分析。該研究的創(chuàng)新點有：測算指標方面，在總結借鑒現有研究的基礎上，構建了更為完善科學的農業(yè)綠色TFP測算指標體系，力圖測算結果準確、科學；在指標量化上，選擇燈光數據衡量農業(yè)產值，借鑒聯合國政府間氣候變化專門委員會(IPCC)提供的研究方法核算農業(yè)部門碳排放數據，較傳統數據更客觀；在研究對象上，黃河流域生態(tài)保護和高質量發(fā)展是國家戰(zhàn)略，研究黃河流域農業(yè)綠色TFP對促進黃河流域農業(yè)綠色發(fā)展和生態(tài)保護都具有重要參考價值。

1 研究方法、指標體系與數據來源

1.1 考慮非期望產出的SBM模型

DEA是一種基于數學規(guī)劃的運籌學方法，在效率測算中得到了國內外學者的廣泛應用。經典的DEA模型如CCR[24]、BCC[25]，都是徑向和分段的，容易對效率值出現高估現象。TONE[26]提出了一種改進模型，即非徑向、非角度(non-radial and non-oriented)的基于松弛(slacks-based measure，SBM)的效率測算方法，有效解決了上述問題。為了解決非期望產出的問題，TONE[27]進一步提出了包括非期望產出(undesirable outputs)的SBM模型。根據研究實際，筆者采用考慮非期望產出的SBM模型對農業(yè)綠色TFP進行測算，該模型為

(1)

(2)

在實際測算中，還應考慮規(guī)模報酬問題。設U和L分別為規(guī)模報酬eλ的上下限，則L≤eλ≤U，e=(1,…,1)。當兩者都為1時，表明模型是可變規(guī)模報酬；當L=0、U=1時，模型是規(guī)模報酬遞減的；當L=1、U=∞時，模型是規(guī)模報酬遞增的。

農業(yè)生產的規(guī)模報酬回報問題在學術界尚未達成一致。傳統經濟理論認為，農業(yè)生產的規(guī)模報酬是不變的[28]，但仇童偉等[29]則認為傳統農業(yè)卷入分工經濟后，顯著提高了農業(yè)規(guī)模報酬。王嫚嫚等[30]卻發(fā)現，部分研究顯示糧食生產中存在規(guī)模報酬遞減的情況。因此，選擇更為一般的規(guī)模報酬(general returns to scale，GRS)開展分析。在GRS情形下，可以控制規(guī)模報酬回報率在某個區(qū)間范圍內，更符合農業(yè)生產的規(guī)律。筆者參照COOPER等[31]的建議，將范圍設定為L=0.8、U=1.2。

對于期望產出和非期望產出，兩者的比例也是模型應該考慮的問題。一般來說，非期望產出是伴隨著期望產出產生的，通常假定為兩者同比例增減。COOPER等[31]的實證研究表明，比例不同只會造成在前沿面上的投影變化，而最終的結果排序不受影響。王寶義等[13]的研究表明，不同比例下計算結果的大小和趨勢基本相同。因此該研究確定兩者的比例為1∶1。

綜上，該研究選擇基于一般規(guī)模報酬的考慮非期望產出的SBM模型，其中期望產出與非期望產出比例為1∶1。

1.2 Kernel 密度估計

Kernel密度估計是一種非參數的密度制圖方法，通過連續(xù)的密度曲線刻畫隨機變量的分布形態(tài)。隨機變量x的Kernel 密度估計方程為

(3)

(4)

帶寬決定了核密度函數的平滑程度，帶寬越大，方差越小，估計的偏差越大。因此需要選擇合適的帶寬，該研究采用下式決定帶寬。

(5)

(6)

式(5)～(6)中，σ為方差；span為四分位的跨度。

1.3 空間自相關分析

探索性空間分析是一種針對空間數據的數量分析方法，主要用來描述空間分布、識別空間離群點、判斷空間管理模式等，空間自相關是其中最常用的分析方法?？臻g自相關通常分為全域空間自相關和局域空間自相關，前者描述某個變量在整個研究區(qū)域的空間分布模式，反映的是空間依賴性，后者描述某個變量在整個研究區(qū)域內與鄰近單元的相關程度，反映的是空間異質性。筆者主要研究黃河流域農業(yè)綠色TFP的空間分布特征，因此使用全域自相關進行分析。Moran′sI是應用最廣泛的空間自相關統計量，公式為

(7)

(8)

1.4 空間馬爾科夫鏈分析

馬爾科夫鏈(Markov chain)是基于隨機過程理論，通過構造狀態(tài)轉移概率矩陣，分析事件發(fā)展變化特征。農業(yè)綠色TFP從t期到t+1期狀態(tài)的轉移概率為

Pij=nij/ni，

(9)

(10)

式(9)～(10)中，P為轉移概率；X為農業(yè)綠色TFP;nij為在該時間區(qū)間內從狀態(tài)i變?yōu)闋顟B(tài)j的次數；ni為初始狀態(tài)j出現的總次數。

將農業(yè)綠色TFP分為高、中、低3類，即3種狀態(tài)，由此可以構造3×3狀態(tài)轉移概率矩陣。將“空間滯后”的概念引入傳統馬爾科夫鏈，構造空間馬爾科夫鏈，以此考察空間因素對狀態(tài)轉移概率的影響。某地區(qū)的空間滯后類型取決于農業(yè)綠色TFP初始空間滯后算子。空間滯后算子是指該地區(qū)周圍鄰居觀察值的空間加權。對于地區(qū)i，空間滯后算子(L)的計算公式為

(11)

式(11)中，xi為觀測值；wij為空間權重矩陣中的對應元素。對于空間權重矩陣，此處采用地理鄰接0-1矩陣。

將空間滯后類型分為高、中、低3類，將傳統馬爾科夫鏈3×3狀態(tài)轉移概率矩陣分解為3個3×3狀態(tài)轉移概率矩陣。通過比較傳統和空間馬爾科夫鏈對應概率，可以分析鄰接地區(qū)對當地農業(yè)綠色TFP狀態(tài)轉移的影響。

1.5 指標體系與數據來源

以2004—2017年黃河流域各省份為研究范圍，黃河上游包括青海、四川、甘肅、寧夏和內蒙古，中游包括陜西和山西，下游包括河南和山東。筆者的研究對象是狹義農業(yè)，即種植業(yè)。該研究在借鑒并總結已有研究的基礎上，構建了一個更為完善的指標體系，并在部分指標數據的衡量上有所創(chuàng)新(表2)。

表2 農業(yè)綠色TFP測算指標體系

投入指標包括勞動、土地等，涵蓋了現有研究中不同指標體系的投入指標，同時還包含了多數研究忽略的能源和資本2類投入要素。在指標數據上，個別指標因沒有細化到種植業(yè)層次，采用相應的總量乘以種植業(yè)在生產總值中的占比來衡量。期望產出是種植業(yè)總產值，數據來自國家統計局網站。非期望產出有農業(yè)碳排放和農業(yè)面源污染2類。對于農業(yè)碳排放，現有研究多根據化肥、農藥等使用量進行推算，容易造成對碳排放的低估。該研究借鑒SHAN等[32]的方法，采用IPCC分部門排放核算方法計算農業(yè)部門的碳排放數據，公式為

(12)

式(12)中，C為碳排放量，百萬t；s為部門；v為能源種類；E為能源消費量，需折算成萬t標準煤；VNC為能源低位發(fā)熱量，億J·t-1；CCE為碳排放系數，t·萬億J-1；FCO為碳氧化因子，一般取100%。能源消費量數據來源于《中國能源統計年鑒》，以各省的統計年鑒作為補充。其他各變量參考IPCC提供的系數和GB/T 2589—2020《綜合能耗計算通則》。

由于種植業(yè)面源污染主要來源于化肥，因此面源污染主要包括總氮和總磷[33]?？偟暮怂惴绞綖檗r業(yè)氮肥和復合肥中含氮量之和乘以氮肥流失率；總磷的核算方式為農業(yè)磷肥和復合肥中含磷量之和乘以磷肥流失率；復合肥中的含氮(磷)量參考陳同斌等[34]的研究，均取值15%。氮肥流失率和磷肥流失率則因地區(qū)差異而有所不同，具體數值參考賴斯蕓[35]的研究。

2 結果分析

2.1 時間序列分析

從圖1可以看出，2004—2017年黃河流域整體農業(yè)綠色TFP先下降后回升，但仍未恢復至最初水平，因此整體農業(yè)綠色TFP略有下降。上、中、下游地區(qū)農業(yè)綠色TFP具有分化現象，下游地區(qū)先下降后回升，波動幅度較大且同樣未回升到初始水平。上游地區(qū)整體上處于緩慢下降的態(tài)勢。中游地區(qū)在2005年下降較明顯，之后一直小幅波動至2013年，在2014年出現較大的提升，在2017年略微超過了2004年。中游地區(qū)在2005和2014年分別出現了跳躍式下降和回升，這區(qū)別于其他游段，進一步分析發(fā)現主要是由于山西省出現了明顯變化，且中游樣本少，導致中游整體波動較大。對比3個游段的農業(yè)綠色TFP可知，下游的效率值一直最高，2010年前上游的農業(yè)綠色TFP水平高于中游，但在2014年后中游實現了反超。不同游段之間的差距也在變大。

圖1 黃河流域及其上、中、下游農業(yè)綠色TFP變化趨勢Fig.1 The changing trend of agricultural green TFP in Yellow River Basin

在研究時段內，農業(yè)綠色TFP的變化大體可分為3個階段。第1階段是2004—2008年，農業(yè)綠色TFP整體處于下滑態(tài)勢，中游和上游地區(qū)下降比較明顯，下游地區(qū)則先大幅下降繼而開始回升，在2008年又出現較大降幅；第2階段是2009—2013年，這段時間整體農業(yè)綠色TFP比較平穩(wěn)，呈小幅上下波動，下游地區(qū)則在波動中下降且降幅比較明顯。第3階段是2014—2017年，這段時間整體農業(yè)綠色TFP出現了穩(wěn)步回升，中游上升最明顯，其他游段也出現了明顯提高，但仍低于2004年水平。

具體到每個省份來看，多數測算結果都保持比較穩(wěn)定的態(tài)勢，但也出現了個別極值，少數省份效率值差別過大，與現有研究存在差異。出現這種現象的原因可能是：第一，該研究的測算指標體系中加入了非期望產出農業(yè)面源污染，與現有的一些研究只包括一種非期望產出不同，筆者通過測算不包含農業(yè)面源污染的農業(yè)綠色TFP發(fā)現，并未出現上述問題；第二，傳統的單階段DEA方法受到環(huán)境因素和隨機噪聲的影響；第三，DEA對異常值比較敏感，測算結果還與研究對象、時間范圍、研究尺度等多方面因素有關。

從圖2可以明顯看出，上游省份中的四川、甘肅和內蒙古農業(yè)綠色TFP比較低，而同處上游的寧夏和青海農業(yè)綠色TFP較高，且寧夏在黃河流域省份中農業(yè)綠色TFP最高，可見上游地區(qū)農業(yè)綠色TFP內部差異較大。從中游往下，農業(yè)綠色TFP逐漸升高。從圖中的分布可知，黃河流域農業(yè)綠色TFP分布極不均勻，存在較大的省際差異。

圖2 黃河流域各省份農業(yè)綠色TFP對比Fig.2 Comparison of agricultural green TFP of different provinces in Yellow River Basin

黃河流域各省份農業(yè)結構差異較大，西部省份農業(yè)中畜牧業(yè)占比高，而東部則以種植業(yè)為主，因此進一步將黃河流域分為牧區(qū)省份和農區(qū)省份，分析兩者在綠色TFP方面的差異。當該省份畜牧業(yè)占農業(yè)比值超過30%時，則認為其為牧區(qū)省份。牧區(qū)省份包括青海、四川、寧夏、內蒙古和山西，其余為農區(qū)省份?？梢钥闯?，牧區(qū)省份均位于中西部。由圖3可見，2類地區(qū)農業(yè)綠色TFP在研究時段內表現出先下降后回升的變化趨勢；農區(qū)的農業(yè)綠色TFP一直高于牧區(qū)，但從2013年開始兩者的差距明顯縮小。進一步分析發(fā)現，牧區(qū)省份內部的農業(yè)綠色TFP差距明顯大于農區(qū)省份，圖4展示了農區(qū)和牧區(qū)農業(yè)綠色TFP的方差和極差(最大值與最小值的差值)變化，可以看出牧區(qū)的內部分化和差異明顯大于農區(qū)。

圖3 黃河流域農區(qū)與牧區(qū)農業(yè)綠色TFP變化趨勢

圖4 黃河流域農區(qū)與牧區(qū)農業(yè)綠色TFP的方差與極差變化趨勢Fig.4 The variance and range trend of agricultural green TFP of farming and animal husbandry areas in Yellow River Basin

2.2 空間自相關分析

為了探索黃河流域省份農業(yè)綠色TFP的空間相關性，基于地理鄰接0-1矩陣和地理距離矩陣計算全局Moran′sI值，結果見表3。從結果來看，Moran′sI值都沒有通過顯著性檢驗，在多數年份下為負，若干年份在鄰接矩陣下為正。從Moran′sI值的變化趨勢來看，2種矩陣下指數的變化一致。以上結果表明，黃河流域農業(yè)綠色TFP以分散態(tài)勢為主，空間效應較弱，整體上沒有形成一個有機整體，存在“各自為政”的現象；整體的變化趨勢也不穩(wěn)定，說明黃河流域農業(yè)綠色TFP在空間協作上沒有連貫性，缺乏整體性和一體化思維。與長江經濟帶相比，黃河流域的整體通航能力較弱，同時由于黃河河道呈“幾”字型，客觀上導致黃河流域各省份之間的空間關聯較弱。黃河流域環(huán)境治理是一個系統工程，需要流域內各省份協同推進。黃河流域農業(yè)綠色TFP在空間上的分散對于整個流域的綠色發(fā)展起到了阻礙作用。

表3 Moran′s I值測算結果

2.3 時間演變分析

采用Kernel 密度估計黃河流域農業(yè)綠色TFP的動態(tài)演進情況，部分代表年份的變化見圖5。從分布位置上看，2004、2016和2017年呈明顯的雙峰分布，這種分布形態(tài)下農業(yè)綠色TFP呈現兩極分化態(tài)勢。其中2004年主峰位于右側，即農業(yè)綠色TFP較高的省份居多；2016年主峰位于左側，主峰高度增高，同時次鋒向左偏移，峰的寬帶變??；2017年則沒有明顯的主峰，2個波峰高度和寬帶比較接近。2005—2015年分布形態(tài)穩(wěn)定，為單峰分布，主峰位于左側。這段時間出現了比較明顯的右拖尾現象，表明這期間農業(yè)綠色TFP較低，但有個別省份農業(yè)綠色TFP水平較高，從而拖長了曲線分布，也表明農業(yè)綠色TFP存在極化現象。進一步分析發(fā)現，在2005—2015年間，主峰高度先上升后下降，而寬帶表現為逐漸擴大。雙峰分布意味著高水平TFP和低水平TFP集聚現象并存，而單峰則表現為低水平集聚。從2004—2017年的整體變化可以看出，黃河流域農業(yè)綠色TFP經歷了雙峰—單峰—雙峰的變化，極化趨勢呈現出兩極化—單極化—兩極化的變化，而整個階段的地區(qū)差異一直存在。

為了方便展示，僅列出部分代表年份。

2.4 馬爾科夫鏈分析

通過求解馬爾科夫鏈轉移矩陣考察黃河流域農業(yè)綠色TFP的時空變化情況。根據農業(yè)綠色TFP的整體分布情況，將黃河流域農業(yè)綠色TFP劃分為低、中、高3個類型，2個分界點分別是0.25和0.75，3個類型分別用1、2、3進行表示。將研究區(qū)間劃分為2004—2010年和2011—2017年2個時間段進行考察。傳統馬爾科夫轉移矩陣如表4所示，矩陣中的數字為發(fā)生轉換的概率。如在2004—2010年間的矩陣中，第1列第1行即表示在t期處于低水平的省份有87.5%的轉換沒有發(fā)生類型變化，而有12.5%的概率是從低水平向上轉移為中等水平，沒有低水平狀態(tài)直接上升為高水平狀態(tài)。據此分析可知，2004—2010年間，農業(yè)綠色TFP處在中等水平的省份，有12.5%的概率向下轉移至低水平狀態(tài)，18.75%的概率向上轉移至高水平狀態(tài)，而更多的是同狀態(tài)轉移(68.75%)，即仍保留在中等水平。農業(yè)綠色TFP處在高水平的省份，有71.43%的概率仍保持在高水平，有28.57%的概率會向下轉移為中等水平。2011—2017年間，概率轉移矩陣發(fā)生了變化。低水平的省份向上轉移為中等水平的概率下降(4.76%)，更多的會保留在低水平(95.23%)，仍沒有省份直接從低水平跨越至高水平。對于中等水平省份來說，在該區(qū)間沒有發(fā)生向下轉移，向上轉移至高水平的概率下降至14.29%，但保留在中等水平的概率提高至85.71%。高水平省份不再發(fā)生向下轉移，而是全部保留在了高水平狀態(tài)。對角線上的概率大于非對角線上的概率，這表明存在“俱樂部收斂”，即同一狀態(tài)水平的省份具有趨同態(tài)勢。綜合來看，低水平狀態(tài)向上轉移的概率在下降，且較難直接跨越至高水平；而高水平狀態(tài)向下轉移的概率變小，且一般不會降為低水平；中等水平省份會發(fā)生向上或向下轉移，但向下的概率不斷降低。

表4 傳統馬爾科夫鏈概率轉移矩陣

為了克服傳統馬爾科夫鏈轉移矩陣缺乏空間因素的缺陷，在傳統馬爾科夫鏈概率轉移矩陣的基礎上引入空間權重矩陣。以各地初始年份的空間滯后算子將黃河流域省份劃分為鄰近低、中、高水平3類，分別用Ⅰ、Ⅱ、Ⅲ表示。由表5可知，第一，空間格局對于黃河流域農業(yè)綠色TFP具有重要影響。通過對比空間與傳統2類馬爾科夫鏈概率轉移矩陣，發(fā)現概率發(fā)生了變化，且不同空間類型的變化也不盡相同。第二，在鄰接類型Ⅰ下，即鄰接地區(qū)為低水平，2004—2010年間低水平和中等水平的類型均保持不變，而高水平向下轉移為中等水平的概率為40%，保持高水平的概率為60%，與傳統馬爾科夫鏈概率轉移矩陣相比，向上轉移和保持高水平的概率都明顯下降。與此相反的是，當鄰接類型為Ⅲ時，低水平能夠向上躍升為高水平(2.5%)，而中等水平向上遷移和高水平向下遷移的概率都出現下降，2011—2017年的結果也表現出以上特征。第三，空間馬爾科夫鏈概率轉移表現出的“效率鎖定”現象為“俱樂部收斂”提供了空間解釋?！靶舒i定”現象指鄰接地區(qū)為低水平時，向上轉移的概率下降；而鄰接地區(qū)為高水平時，向下轉移的概率也下降。黃河流域農業(yè)綠色TFP表現出高低各自集聚的“俱樂部收斂”現象。

表5 空間馬爾科夫鏈概率轉移矩陣

3 結論

以2004—2017年黃河流域省份為研究對象測算黃河流域農業(yè)綠色TFP，并對其空間格局和動態(tài)演進進行研究。在總結借鑒已有研究的基礎上，提出了一個更為完善的農業(yè)綠色TFP測算指標體系，運用考慮非期望產出的SBM模型，使用空間自相關分析、Kernel 密度估計和馬爾科夫鏈概率分析等方法，分析了黃河流域農業(yè)綠色TFP的空間格局和動態(tài)演進規(guī)律，主要得出以下結論：第一，黃河流域農業(yè)綠色TFP整體上并不高，有很大的提升空間，且上、中、下游具有明顯差異。2004—2017年變化趨勢整體上為略微下降，在此過程中上下波動起伏，各省份間差異較大。第二，Kernel 密度估計結果表明，黃河流域農業(yè)綠色TFP經歷了雙峰—單峰—雙峰的變化趨勢，極化趨勢呈現兩極化—單極化—兩極化的變化。從這種變化來看，黃河流域的農業(yè)綠色TFP并不穩(wěn)定，沒有形成比較明顯和穩(wěn)定的發(fā)展態(tài)勢。第三，空間自相關分析發(fā)現，黃河流域農業(yè)綠色TFP處于空間分化狀態(tài)，整體的空間關聯性較弱，沒有形成統一的有機整體。結合馬爾科夫鏈分析可知，高水平和低水平農業(yè)綠色TFP地區(qū)各自集聚，從而使空間分化更加明顯，形成“俱樂部收斂”。第四，由傳統和空間馬爾科夫鏈分析可知，低水平地區(qū)較難躍升為高水平地區(qū)，而保持不變的概率較大。在空間滯后的作用下，“效率鎖定”現象明顯，即鄰接地區(qū)為低水平時，向上轉移的概率下降；而鄰接地區(qū)為高水平時更容易保持在高水平。

從以上分析可以看出，黃河流域農業(yè)綠色TFP具有以下3個特點：第一，整體效率偏低。黃河流域在整體農業(yè)綠色TFP約為0.433，屬于較低水平。從投入-產出體系分析，主要原因在于農業(yè)投入多，而農業(yè)產出多的同時非期望產出也在增大。第二，地區(qū)差異明顯。黃河流域跨東、中、西三大板塊，流經我國三大階梯。各省份具有不同的地域特色，經濟發(fā)展水平、要素稟賦、環(huán)境氣候等不盡相同，各地農業(yè)種植結構、技術水平也存在差異，從而導致了農業(yè)綠色TFP的地區(qū)差異。地區(qū)差異明顯造成“一條腿長、一條腿短”的失衡狀態(tài)，從而抑制了整體效率的提升。第三，空間關聯偏弱。黃河流域整體的通航能力較弱，雖然各省份都依黃河而興農業(yè)，但彼此的關聯卻不緊密，不利于形成合理的農業(yè)空間布局。

4 政策啟示

第一，著力提升農業(yè)綠色TFP。從投入-產出體系角度看，加大使用農藥、化肥、農膜等重要的農業(yè)生產資料，會同時帶來農業(yè)污染。因此，應加強落實農藥、化肥零增長行動方案。改進施肥方式，提高肥料利用率，減少不合理投入。大力推廣新型農藥，提升裝備水平，加快轉變病蟲害防控方式，實現農藥減量控害，保障農業(yè)生產安全、農產品質量安全和生態(tài)環(huán)境安全。同時應加大農業(yè)科技投入，特別是結合種業(yè)振興方案，提高農作物育種質量，提高農業(yè)全要素生產率。

第二，應樹立黃河流域整體性思維，協同推進農業(yè)綠色發(fā)展。一方面，黃河流域農業(yè)綠色TFP本身具有較大提升空間，省際差異較大，空間分化現象嚴重；另一方面，空間分布格局對農業(yè)綠色TFP的動態(tài)演化具有重要影響。黃河流域各省份間的關聯性和協同性較差，應運用整體性思維，打破行政壁壘，推動黃河流域區(qū)域協調發(fā)展。

第三，落實“綠水青山就是金山銀山”的綠色發(fā)展理念。農業(yè)在黃河流域省份占比相對較高，農業(yè)是基礎產業(yè)，但同時也面臨嚴峻的生態(tài)考驗。因此在黃河流域農業(yè)發(fā)展上，要應用“綠水青山就是金山銀山”的理念系統規(guī)劃農業(yè)發(fā)展。特別是要加強農業(yè)面源污染治理，加強污染監(jiān)測監(jiān)管，種養(yǎng)結合，發(fā)展循環(huán)綠色農業(yè)。針對碳達峰碳中和的遠期目標，農業(yè)領域應提前做好謀劃。

第四，因地制宜發(fā)展特色農業(yè)，化“空間差異”為合理梯度，避免同質化惡性競爭。根據各省份的地理、氣候、要素稟賦等因素，制定適合當地實際的農業(yè)綠色發(fā)展規(guī)劃，避免“一刀切”思維。各地區(qū)應根據當地農業(yè)發(fā)展階段、農業(yè)特點制定農業(yè)綠色發(fā)展方案。對于農業(yè)綠色TFP較高的省份，可在保持穩(wěn)定增長的基礎上，發(fā)展高值、特色農業(yè)，探索農業(yè)多元經營。對于農業(yè)TFP較低的省份，應將重點放在提高農業(yè)產出上，加強農業(yè)污染治理，促進農業(yè)可持續(xù)綠色發(fā)展?？梢岳命S河流域的空間差異，因地制宜地進行農業(yè)空間分工，形成各地區(qū)聯合發(fā)展的合力。