廣東省農(nóng)業(yè)全要素生產(chǎn)率及影響因素研究

摘要： 【目的】基于農(nóng)業(yè)生產(chǎn)過(guò)程中的碳源、碳匯及農(nóng)業(yè)面源污染三重視角，測(cè)算廣東省農(nóng)業(yè)全要素生產(chǎn)率，科學(xué)把握廣東省農(nóng)業(yè)高質(zhì)量發(fā)展基礎(chǔ)，助推鄉(xiāng)村振興?！痉椒ā坷肈EA-Malmquist 模型對(duì)2006—2021 年廣東省農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行有效測(cè)度并分析其時(shí)空差異；運(yùn)用面板回歸模型探究其影響因素?！窘Y(jié)果】2006—2021 年廣東省農(nóng)業(yè)全要素生產(chǎn)率雖年際間存在一定波動(dòng)，但總體上升，年均增速為1.7%；廣東省21 個(gè)地市農(nóng)業(yè)全要素生產(chǎn)率差異明顯，其中以珠海最高、達(dá)到1.070，潮州最低、僅為0.988；在區(qū)域上呈現(xiàn)“珠三角地區(qū)gt;粵西地區(qū)gt;粵東地區(qū)gt;粵北山區(qū)”的格局。技術(shù)進(jìn)步是廣東省農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的關(guān)鍵。城鎮(zhèn)化水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)是影響廣東省農(nóng)業(yè)全要素生產(chǎn)率的主要因素?！窘Y(jié)論】為提高廣東省農(nóng)業(yè)全要素生產(chǎn)率，建議加大農(nóng)業(yè)科技投入，強(qiáng)化綠色農(nóng)業(yè)科技推廣應(yīng)用，優(yōu)化財(cái)政資金支持機(jī)制，大力培育、發(fā)展高效立體生態(tài)農(nóng)業(yè)，走綠色農(nóng)業(yè)發(fā)展道路。

關(guān)鍵詞： 農(nóng)業(yè)全要素生產(chǎn)率；DEA-Malmquist 模型；面板回歸模型；廣東省

中圖分類號(hào)： F323 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 1001-411X（2024）06-0975-07

農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，在“碳達(dá)峰、碳中和”及“綠色生態(tài)”等背景下，具有碳源和碳匯的雙重屬性[1-3]；同時(shí)，農(nóng)業(yè)面源污染已成為制約農(nóng)業(yè)可持續(xù)發(fā)展的重要因素[ 4 ]。農(nóng)業(yè)全要素生產(chǎn)率（Agricultural total factor productivity），即農(nóng)業(yè)總產(chǎn)出與總投入之比，是衡量農(nóng)業(yè)生產(chǎn)系統(tǒng)總體效率的標(biāo)準(zhǔn)；農(nóng)業(yè)全要素生產(chǎn)率越高，農(nóng)業(yè)發(fā)展對(duì)化肥、農(nóng)藥、勞動(dòng)力等資源要素的依賴性越小，農(nóng)業(yè)發(fā)展的科技含量越高、可持續(xù)性越強(qiáng)。因此，將農(nóng)業(yè)生產(chǎn)過(guò)程中的碳匯、碳源和農(nóng)業(yè)面源污染納入農(nóng)業(yè)全要素生產(chǎn)率測(cè)算的指標(biāo)框架中具有重要的理論與實(shí)踐意義。

目前，國(guó)內(nèi)外學(xué)界對(duì)于農(nóng)業(yè)全要素生產(chǎn)率的研究取得了豐碩的研究成果，主要集中在概念界定[5]、指標(biāo)選取[6-7]、測(cè)算方法[8-11]、不同區(qū)域全要素生產(chǎn)率測(cè)算[12-13] 及其影響因素[14-17] 等方面。研究普遍認(rèn)為全國(guó)農(nóng)業(yè)全要素生產(chǎn)率呈增長(zhǎng)趨勢(shì)，技術(shù)進(jìn)步是其增長(zhǎng)的主要?jiǎng)恿?，但各個(gè)地區(qū)存在明顯的差異[18-19]。在綠色生態(tài)方面，主要是從碳源、碳匯和農(nóng)業(yè)面源污染其中1 或2 個(gè)視角進(jìn)行研究[20-23]；但農(nóng)業(yè)生產(chǎn)的生態(tài)效應(yīng)是一個(gè)完整系統(tǒng)，碳源、碳匯及農(nóng)業(yè)面源污染是其子系統(tǒng)，全面、系統(tǒng)的考察才能全面體現(xiàn)農(nóng)業(yè)發(fā)展的綠色化、生態(tài)化、低碳化，忽視農(nóng)業(yè)生產(chǎn)的碳效應(yīng)、農(nóng)業(yè)面源污染影響，勢(shì)必會(huì)扭曲農(nóng)業(yè)生產(chǎn)的效率，導(dǎo)致測(cè)算結(jié)果不夠精準(zhǔn)?，F(xiàn)有研究鮮有將農(nóng)業(yè)碳源、碳匯及農(nóng)業(yè)面源污染全部納入到全要素生產(chǎn)率分析框架中，測(cè)算出的結(jié)果與實(shí)際情況會(huì)存在一定偏差，不能真正體現(xiàn)農(nóng)業(yè)全要素生產(chǎn)率。

鑒于此，本文基于農(nóng)業(yè)生產(chǎn)過(guò)程中的碳源、碳匯及農(nóng)業(yè)面源污染三重視角，以廣東省為研究區(qū)，運(yùn)用DEA-Malmquist 模型對(duì)2006—2021 年廣東省農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行有效測(cè)度并分析其時(shí)空差異，運(yùn)用面板回歸模型探究廣東省農(nóng)業(yè)全要素生產(chǎn)率影響因素。論文基于碳源、碳匯及農(nóng)業(yè)面源污染三重視角，在投入?產(chǎn)出要素選取方面有創(chuàng)新性，可以更加科學(xué)地把握廣東省農(nóng)業(yè)高質(zhì)量發(fā)展基礎(chǔ)，助推鄉(xiāng)村振興。

1 材料與方法

1.1 研究區(qū)概況

廣東省地處中國(guó)大陸南部（20°13′～25°31′N、109°39′～117°19′E），以山地、丘陵為主，地勢(shì)北高南低，中南部是比較平坦的珠江三角洲；氣候以亞熱帶季風(fēng)氣候?yàn)橹?，光照、熱量和水資源豐富，農(nóng)業(yè)資源豐富。廣東省下轄21 個(gè)地級(jí)市，按廣東省統(tǒng)計(jì)局劃分標(biāo)準(zhǔn)，將其分為珠三角、粵東、粵西、粵北山區(qū)四大區(qū)域。其中，珠三角地區(qū)包括廣州、深圳、珠海、佛山、惠州、東莞、中山、江門(mén)、肇慶9 市，是廣東省經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)，農(nóng)業(yè)科技力量雄厚，都市農(nóng)業(yè)發(fā)達(dá)；粵東地區(qū)包括汕頭、汕尾、揭陽(yáng)、潮州4 市，特色農(nóng)產(chǎn)品加工產(chǎn)業(yè)鏈較為完善；粵西地區(qū)包括湛江、茂名、陽(yáng)江3 市，是重要的糧食和甘蔗等糖料基地；粵北山區(qū)包括韶關(guān)、梅州、清遠(yuǎn)、河源、云浮5 市，土地破碎化嚴(yán)重，但農(nóng)業(yè)生態(tài)環(huán)境好，是廣東省重要的生態(tài)屏障。

1.2 研究方法

DEA-Malmquist 指數(shù)法作為一種非參數(shù)前沿效率分析法，運(yùn)用時(shí)不涉及參數(shù)方程的計(jì)量經(jīng)濟(jì)估計(jì)，能有效避免參數(shù)法帶來(lái)的弊端，在模擬投入?產(chǎn)出分析時(shí)具有明顯優(yōu)勢(shì)，受到學(xué)者們的廣泛應(yīng)用。面板數(shù)據(jù)回歸分析是研究經(jīng)歷一段時(shí)間的相同橫截面單元（個(gè)體） 的模型，具有空間和時(shí)間雙重特性，也稱混合數(shù)據(jù)（Pooled data）；相比傳統(tǒng)的截面數(shù)據(jù)或縱向數(shù)據(jù)回歸模型，能提供更準(zhǔn)確的估計(jì)?；诖?，論文選取DEA-Malmquist 指數(shù)法和面板數(shù)據(jù)回歸分析法對(duì)廣東省農(nóng)業(yè)全要素生產(chǎn)率及其影響因素進(jìn)行分析。

1 . 2 . 1 D E A - M a l m q u i s t 指數(shù)法

使用D E A -Malmquist 指數(shù)法對(duì)廣東省農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行分析。參考文獻(xiàn)[24]，對(duì)于t 與t+1 時(shí)期的技術(shù)，1 個(gè)投入及1 個(gè)產(chǎn)出的生產(chǎn)率指數(shù)可以定義為式（1）。

式中： x t 及y t 為t 時(shí)期的投入與產(chǎn)出變量；Dt0（xt， yt）與Dt+10 （xt， yt）為在同一時(shí)期生產(chǎn)點(diǎn)同前沿面技術(shù)比較得出的距離輸出函數(shù)；Dt0（xt+1， yt+1）與Dt+10 （xt+1， yt+1）則是在混合期間生產(chǎn)點(diǎn)同前沿面技術(shù)比較得出的距離輸出函數(shù)。

全要素生產(chǎn)率（TFP），即Malmquist 指數(shù)的變化情況，可用式（1） 中的2 個(gè)指數(shù)的算術(shù)平均值來(lái)計(jì)算獲取，如式（2）。

式中：EFFCH 為技術(shù)效率變動(dòng)，TECHCH 為技術(shù)進(jìn)步率變動(dòng)；在可變規(guī)模報(bào)酬（VRS） 情況下，技術(shù)進(jìn)步率變動(dòng)可以進(jìn)一步分解為純效率變動(dòng)（PECH） 和規(guī)模效率變動(dòng)（SECH），見(jiàn)式（3）。

式中：TFP 反映廣東省農(nóng)業(yè)綜合生產(chǎn)率的變動(dòng)情況， 其值大于1 ， 綜合生產(chǎn)率提高， 反之下降；SECH、PECH、TECHCH 的特征類似；St0（xt， yt）、S t+10 （xt+1， yt+1）分別表示在t、t+1時(shí)期的產(chǎn)出距離函數(shù)。

DEA-Malmquist 指數(shù)法涉及投入?產(chǎn)出指標(biāo)的選取問(wèn)題。1） 投入指標(biāo)。根據(jù)數(shù)據(jù)的可獲取性、可操作性及綜合性等原則， 參考已有研究[ 2 5 - 2 8 ] ，本研究選取勞動(dòng)力投入——農(nóng)林牧漁業(yè)從業(yè)人員數(shù)量（萬(wàn)人）、土地投入——農(nóng)作物播種面積（hm2）、農(nóng)藥投入——農(nóng)藥使用量（t）、化肥投入——化肥使用量（折純量，t）、農(nóng)機(jī)投入——農(nóng)業(yè)機(jī)械總動(dòng)力（×104 kW）5 個(gè)指標(biāo)作為投入指標(biāo)。2） 產(chǎn)出指標(biāo)。產(chǎn)出指標(biāo)分為合意產(chǎn)出指標(biāo)和非合意產(chǎn)出指標(biāo)。在已有研究[26-28]基礎(chǔ)上，本研究選取農(nóng)林牧漁業(yè)總產(chǎn)值（億元）、農(nóng)作物生產(chǎn)過(guò)程中碳吸收量（碳匯，t） 為合意產(chǎn)出指標(biāo)；選取農(nóng)作物生產(chǎn)過(guò)程中碳排放量（碳源，t） 及農(nóng)業(yè)面源污染（t） 為非合意產(chǎn)出指標(biāo)。農(nóng)作物生產(chǎn)過(guò)程中碳吸收量的計(jì)算方法參考文獻(xiàn)[29-30]；碳排放量的計(jì)算方法參考文獻(xiàn)[31-34]；農(nóng)業(yè)面源污染的計(jì)算方法參考文獻(xiàn)[27] 等。

1.2.2 面板數(shù)據(jù)回歸模型

農(nóng)業(yè)全要素生產(chǎn)率的影響因素眾多，參考已有研究[25， 27， 35]，選取農(nóng)業(yè)機(jī)械化水平（X1，農(nóng)業(yè)機(jī)械總動(dòng)力/農(nóng)作物播種總面積，kW/hm2）；農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平（X2，人均農(nóng)林牧漁業(yè)產(chǎn)值，元）；城鎮(zhèn)化水平（X3，城鎮(zhèn)人口占總?cè)丝诒壤?）；農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)（X4，種植業(yè)產(chǎn)值/農(nóng)林牧漁業(yè)產(chǎn)值，%）；財(cái)政支農(nóng)水平（X5，農(nóng)林水務(wù)支出占總支出比例，%）5 個(gè)指標(biāo)作為自變量，以各地市農(nóng)業(yè)全要素生產(chǎn)率為因變量，采用面板數(shù)據(jù)回歸模型分析廣東省農(nóng)業(yè)全要素生產(chǎn)率的影響因素。

1.3 數(shù)據(jù)來(lái)源

DEA-Malmquist 分析模型中的投入指標(biāo)數(shù)據(jù)及合意產(chǎn)出指標(biāo)數(shù)據(jù)來(lái)自2007—2022 年度的《廣東統(tǒng)計(jì)年鑒》和《廣東農(nóng)村統(tǒng)計(jì)年鑒》；合意產(chǎn)出指標(biāo)碳吸收量及非合意產(chǎn)出指標(biāo)碳排放量、農(nóng)業(yè)面源污染主要基于2007—2022 年度的《廣東統(tǒng)計(jì)年鑒》和《廣東農(nóng)村統(tǒng)計(jì)年鑒》的相關(guān)數(shù)據(jù)，參考已有研究[27， 29-34]，通過(guò)計(jì)算獲取。

面板數(shù)據(jù)回歸分析中的因變量來(lái)自D E A -Malmquist 模型計(jì)算結(jié)果，5 個(gè)自變量數(shù)據(jù)來(lái)自2007—2022 年度的《廣東統(tǒng)計(jì)年鑒》和《廣東農(nóng)村統(tǒng)計(jì)年鑒》，部分?jǐn)?shù)據(jù)通過(guò)計(jì)算獲得。

2 結(jié)果與分析

2.1 廣東省農(nóng)業(yè)全要素生產(chǎn)率時(shí)空差異

基于上述所選指標(biāo)及模型，利用軟件Deap2.1測(cè)度廣東省農(nóng)業(yè)全要素生產(chǎn)率的時(shí)空變化特征。

2.1.1 廣東省農(nóng)業(yè)全要素生產(chǎn)率時(shí)序比較

2006—2021 年廣東省農(nóng)業(yè)全要素生產(chǎn)率呈波動(dòng)變化之態(tài)勢(shì)，其中，2010—2011 和2019—2020 年最高，均為1.055，較2009—2010 和2018—2019 年提升了5.5%；2012—2013 年最低，且小于1，為0.989（表1）。2012 年前后，中國(guó)經(jīng)濟(jì)開(kāi)始進(jìn)入調(diào)結(jié)構(gòu)、降增速和轉(zhuǎn)動(dòng)能的新常態(tài)發(fā)展，農(nóng)業(yè)生產(chǎn)同樣面臨結(jié)構(gòu)性調(diào)整，短時(shí)間內(nèi)，農(nóng)業(yè)全要素生產(chǎn)率有所下降。由表1可知，廣東省農(nóng)業(yè)全要素生產(chǎn)率年均提高1.7%，變化主要由技術(shù)進(jìn)步引起，技術(shù)效率變動(dòng)對(duì)全要素生產(chǎn)率變化的影響不明顯。

2.1.2 廣東省農(nóng)業(yè)全要素生產(chǎn)率區(qū)域比較

從四大區(qū)域來(lái)看，珠三角地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率最高，均值為1.030 3，年均提高3.03%；其次為粵西地區(qū)，均值為1.016 0，年均提高1.60%；粵東地區(qū)較低，均值為1.010 3，年均提高1.03%；粵北山區(qū)最低，均值為1.001 0，年均僅提高0.10%，基本沒(méi)有提升。四大區(qū)域的農(nóng)業(yè)全要素生產(chǎn)率呈現(xiàn)出“珠三角地區(qū)gt;粵西地區(qū)gt;粵東地區(qū)gt;粵北山區(qū)”的格局。從各地市來(lái)看，廣東省21 個(gè)地市中，有18 個(gè)地市的農(nóng)業(yè)全要素生產(chǎn)率高于1；且以珠海最高，達(dá)到1.070，佛山緊隨其后，達(dá)到1.069。3 地市的農(nóng)業(yè)全要素生產(chǎn)率低于1；且以潮州最低，為0.988。依據(jù)農(nóng)業(yè)全要素生產(chǎn)率的差異，21 個(gè)地市可劃分為高速增長(zhǎng)組、快速增長(zhǎng)組、低速增長(zhǎng)組及下降組（表2）。廣東省各地市農(nóng)業(yè)全要素生產(chǎn)率的差異主要由技術(shù)進(jìn)步?jīng)Q定，技術(shù)效率的作用和影響不明顯，這說(shuō)明技術(shù)進(jìn)步是廣東省農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的關(guān)鍵，而不是技術(shù)效率的改善，也反映出農(nóng)戶受教育水平較低，導(dǎo)致廣東省的農(nóng)業(yè)技術(shù)推廣和擴(kuò)散不力、農(nóng)業(yè)科技轉(zhuǎn)化率偏低。

2.2 廣東省農(nóng)業(yè)全要素生產(chǎn)率影響因素

運(yùn)用Eviews7.0 對(duì)廣東省各地市的農(nóng)業(yè)全要素生產(chǎn)率與5 個(gè)影響因素進(jìn)行面板回歸分析，F(xiàn) 為4.937 663，P 為0.000 230，Durbin-Watson 為1.983 370，整個(gè)回歸模型通過(guò)顯著性檢驗(yàn)（表3）。

1） 農(nóng)業(yè)機(jī)械化水平。農(nóng)業(yè)機(jī)械化水平影響系數(shù)為負(fù)，但未通過(guò)顯著性檢驗(yàn)（Pgt;0.05），表明其對(duì)農(nóng)業(yè)全要素生產(chǎn)率雖有一定影響，但并不是主要影響因素。如中山、東莞的農(nóng)業(yè)機(jī)械化水平一直處于全省前2（2020 年分別為32.25 和21.25 kW/hm2、2021 年分別為23.25 和20.55 kW/hm2），遠(yuǎn)高于其他地市；但其這兩年的農(nóng)業(yè)全要素生產(chǎn)率均處于全省中游水平。一般而言，農(nóng)業(yè)機(jī)械化水平提高，說(shuō)明農(nóng)業(yè)生產(chǎn)效率提高，但是這不可避免會(huì)導(dǎo)致農(nóng)業(yè)生產(chǎn)過(guò)程中農(nóng)用柴油等化石燃料的使用增加，直接或間接增加非合意產(chǎn)出碳排放量，造成環(huán)境污染，對(duì)生態(tài)農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生不利影響。

2） 農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平影響系數(shù)為正，但未通過(guò)顯著性檢驗(yàn)（Pgt;0.05），表明其對(duì)農(nóng)業(yè)全要素生產(chǎn)率的正向影響不明顯。如陽(yáng)江、湛江、茂名、肇慶的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平較高，2020 年4 地市的人均農(nóng)林牧漁業(yè)產(chǎn)值位居全省前4，但其農(nóng)業(yè)全要素生產(chǎn)率除湛江居全省第1（1.359）外，其余3 市均處于全省中游水平。一般來(lái)說(shuō)，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平越高，農(nóng)業(yè)生產(chǎn)資金越充足，越有利于農(nóng)業(yè)生產(chǎn)方式改革，提高農(nóng)業(yè)全要素生產(chǎn)率；但是，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平提高的同時(shí)，農(nóng)業(yè)現(xiàn)代化水平也會(huì)相應(yīng)提高，一定程度上會(huì)增加農(nóng)業(yè)碳排放量和面源污染。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平的提高對(duì)農(nóng)業(yè)合意產(chǎn)出的促進(jìn)作用與對(duì)非合意產(chǎn)出的消積作用大致相當(dāng)，進(jìn)而使得農(nóng)業(yè)全要素生產(chǎn)率的改善不顯著。

3） 城鎮(zhèn)化水平。城鎮(zhèn)化水平影響系數(shù)為正且通過(guò)了顯著性檢驗(yàn)（Plt;0.05），表明其對(duì)農(nóng)業(yè)全要素生產(chǎn)率具有一定的正向影響。由統(tǒng)計(jì)及計(jì)算數(shù)據(jù)可知，珠三角地市的城鎮(zhèn)化水平和農(nóng)業(yè)全要素生產(chǎn)率整體高于其他地市；總體上，城鎮(zhèn)化水平與農(nóng)業(yè)全要素生產(chǎn)率呈正相關(guān)關(guān)系。改革開(kāi)放以來(lái)，廣東省各地市的城鎮(zhèn)化快速推進(jìn)，一定程度上對(duì)農(nóng)業(yè)生產(chǎn)部門(mén)產(chǎn)生了影響。城鎮(zhèn)化水平提升意味著區(qū)域產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，二三產(chǎn)業(yè)不斷發(fā)展；而二三產(chǎn)業(yè)的不斷發(fā)展亦會(huì)反作用于農(nóng)業(yè)生產(chǎn)，促進(jìn)農(nóng)業(yè)現(xiàn)代化快速推進(jìn)，從而助力農(nóng)業(yè)全要素生產(chǎn)率的改善。整體來(lái)看，廣東省城市反哺農(nóng)村、工業(yè)反哺農(nóng)業(yè)的作用較為明顯；同時(shí)，在城鎮(zhèn)化快速發(fā)展的背景下，廣東省大量農(nóng)村勞動(dòng)力析出且向城鎮(zhèn)和非農(nóng)產(chǎn)業(yè)轉(zhuǎn)移，農(nóng)村青壯年勞動(dòng)力不足，大量農(nóng)田被加速流轉(zhuǎn)，形成規(guī)?；N植，促使農(nóng)業(yè)全要素生產(chǎn)率提高。

4） 農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)。農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)影響系數(shù)為負(fù)且通過(guò)了顯著性檢驗(yàn)（Plt;0.05），表明其對(duì)農(nóng)業(yè)全要素生產(chǎn)率具有一定的負(fù)向影響。種植業(yè)占比越低，農(nóng)業(yè)全要素生產(chǎn)率越高。如珠海、佛山、深圳的種植業(yè)占比在全省處于較低水平（2020 年分別為16.41%、34.86%、31.78%，全省倒數(shù)第1、6、5），其農(nóng)業(yè)全要素生產(chǎn)率則剛好相反（當(dāng)年分別為1.051、1.227、1.042，位居全省第3、1、4）。在其他條件不變的情況下，種植業(yè)產(chǎn)值占比越高，農(nóng)業(yè)生產(chǎn)增加的碳排放量就會(huì)越多，進(jìn)而導(dǎo)致農(nóng)業(yè)全要素生產(chǎn)率降低。因此，廣東省農(nóng)業(yè)種植結(jié)構(gòu)要按照比較優(yōu)勢(shì)來(lái)調(diào)整，同時(shí)大力推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)調(diào)整。

5） 財(cái)政支農(nóng)水平。財(cái)政支農(nóng)水平影響系數(shù)為正，但未通過(guò)顯著性檢驗(yàn)（Pgt;0.05），表明其對(duì)農(nóng)業(yè)全要素生產(chǎn)率的正向影響不明顯。統(tǒng)計(jì)數(shù)據(jù)表明，財(cái)政支農(nóng)水平與農(nóng)業(yè)全要素生產(chǎn)率存在一定的正相關(guān)關(guān)系，但不明顯。一般來(lái)說(shuō)，增加農(nóng)業(yè)生產(chǎn)資料補(bǔ)貼和農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)投入，可提高農(nóng)戶的農(nóng)業(yè)生產(chǎn)積極性、改善農(nóng)業(yè)生產(chǎn)條件，一定程度上會(huì)提高農(nóng)業(yè)全要素生產(chǎn)效率；但容易增加農(nóng)戶對(duì)化肥、農(nóng)藥的依賴性，導(dǎo)致農(nóng)業(yè)面源污染加重，增加碳排放，降低農(nóng)業(yè)全要素生產(chǎn)率。

3 討論與結(jié)論

3.1 討論

基于農(nóng)業(yè)碳源、碳匯及面源污染三重視角的研究表明，2006—2021 年廣東省農(nóng)業(yè)全要素生產(chǎn)率呈波動(dòng)變化，總體處于增長(zhǎng)態(tài)勢(shì)；各地市的農(nóng)業(yè)全要素生產(chǎn)率差異明顯，在區(qū)域上呈現(xiàn)出“珠三角地區(qū)gt;粵西地區(qū)gt;粵東地區(qū)gt;粵北山區(qū)”的格局；技術(shù)進(jìn)步是引起廣東省農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的關(guān)鍵。該結(jié)果與全國(guó)農(nóng)業(yè)全要素生產(chǎn)率呈增長(zhǎng)趨勢(shì)、技術(shù)進(jìn)步是其增長(zhǎng)的主要?jiǎng)恿Φ慕Y(jié)果[14，18-19] 類似，但張霞[36]研究認(rèn)為技術(shù)進(jìn)步和技術(shù)效率都是提高地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的關(guān)鍵因素。因此，四大區(qū)域特別是粵東和粵北山區(qū)在注重農(nóng)業(yè)技術(shù)進(jìn)步的同時(shí)，必須提高農(nóng)業(yè)技術(shù)效率，縮小與珠三角地區(qū)的差距，這將會(huì)是廣東農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的潛在動(dòng)力。在“碳達(dá)峰、碳中和”背景下，應(yīng)從碳源、碳匯及面源污染三重視角，綜合考慮農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出和生態(tài)產(chǎn)出，使計(jì)算的農(nóng)業(yè)全要素生產(chǎn)率更加科學(xué)、合理，更具理論價(jià)值和現(xiàn)實(shí)意義。

在影響因素中，城鎮(zhèn)化水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)等共同影響廣東省農(nóng)業(yè)全要素生產(chǎn)率，其中城鎮(zhèn)化水平為正向影響，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)為負(fù)向影響。廣東省是經(jīng)濟(jì)大省和人口大省，城鎮(zhèn)化率高，城市反哺農(nóng)村、工業(yè)反哺農(nóng)業(yè)的作用較為明顯。在經(jīng)濟(jì)最發(fā)達(dá)的珠三角地區(qū)，農(nóng)業(yè)科技力量雄厚，技術(shù)迭代快，都市農(nóng)業(yè)發(fā)達(dá)，以花卉、蔬菜等生產(chǎn)為主，農(nóng)戶生態(tài)保護(hù)意識(shí)相對(duì)強(qiáng)；其中珠海農(nóng)業(yè)以追求最優(yōu)生態(tài)效益和提高產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力為目的，積極發(fā)展生態(tài)良好、特色突出、規(guī)模適度和產(chǎn)品具有較強(qiáng)競(jìng)爭(zhēng)力的珠海特色農(nóng)業(yè)?；浳鞯貐^(qū)具有獨(dú)特資源優(yōu)勢(shì)，產(chǎn)業(yè)化經(jīng)營(yíng)程度高，建設(shè)了多個(gè)國(guó)家級(jí)現(xiàn)代產(chǎn)業(yè)園[23]；且多種植甘蔗等糖料作物，生產(chǎn)周期短，農(nóng)藥投入低，污染少，碳排放相對(duì)低。而粵東和粵北山區(qū)土地資源破碎化嚴(yán)重，農(nóng)業(yè)對(duì)化肥、農(nóng)藥的依賴度高，農(nóng)業(yè)面源污染嚴(yán)重，碳排放量大，導(dǎo)致農(nóng)業(yè)全要素生產(chǎn)率降低。此外，四大地區(qū)因資源稟賦、社會(huì)經(jīng)濟(jì)等方面均存在較大差異，這也共同造就了廣東省農(nóng)業(yè)全要素生產(chǎn)率各地市差異明顯，珠海全要素生產(chǎn)率最高，在區(qū)域分布上呈現(xiàn)出“珠三角地區(qū)gt;粵西地區(qū)gt;粵東地區(qū)gt;粵北山區(qū)”的格局。為了提高廣東省農(nóng)業(yè)全要素生產(chǎn)率，建議加大農(nóng)業(yè)科技投入，強(qiáng)化綠色農(nóng)業(yè)科技推廣應(yīng)用，優(yōu)化財(cái)政資金支持機(jī)制；結(jié)合廣東省各地資源稟賦條件，大力培育、發(fā)展高效立體生態(tài)農(nóng)業(yè)，走綠色農(nóng)業(yè)發(fā)展道路，助推農(nóng)業(yè)現(xiàn)代化現(xiàn)實(shí)進(jìn)程和鄉(xiāng)村振興。此外，由于投入?產(chǎn)出、影響因素的指標(biāo)數(shù)據(jù)獲取原因，農(nóng)業(yè)碳源主要考慮了農(nóng)作物生長(zhǎng)過(guò)程的碳排放量，而對(duì)畜禽養(yǎng)殖過(guò)程中的溫室氣體排放、秸稈燃燒產(chǎn)生的碳排放等沒(méi)有系統(tǒng)考慮，對(duì)研究結(jié)果將會(huì)產(chǎn)生一定影響。這些問(wèn)題將在后續(xù)研究中重點(diǎn)考慮。

3.2 結(jié)論

1） 2006—2021 年廣東省農(nóng)業(yè)全要素生產(chǎn)率呈波動(dòng)變化，總體處于增長(zhǎng)態(tài)勢(shì)，年均增速為1.7%；廣東省各地市農(nóng)業(yè)全要素生產(chǎn)率差異明顯，珠海市最高，在區(qū)域上呈現(xiàn)“珠三角地區(qū)gt;粵西地區(qū)gt;粵東地區(qū)gt;粵北山區(qū)”的格局。技術(shù)進(jìn)步是廣東省農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的關(guān)鍵。

2） 城鎮(zhèn)化水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)等共同影響廣東省農(nóng)業(yè)全要素生產(chǎn)率，其中城鎮(zhèn)化水平產(chǎn)生正向影響，而農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)產(chǎn)生負(fù)向影響。

3） 建議加大農(nóng)業(yè)科技投入，強(qiáng)化綠色農(nóng)業(yè)科技推廣應(yīng)用，優(yōu)化財(cái)政資金支持機(jī)制；結(jié)合廣東省各地資源稟賦條件，大力培育發(fā)展高效立體生態(tài)農(nóng)業(yè)，走綠色農(nóng)業(yè)發(fā)展道路，助推農(nóng)業(yè)現(xiàn)代化現(xiàn)實(shí)進(jìn)程和鄉(xiāng)村振興。

參考文獻(xiàn)：

[1]田云， 張俊飚. 中國(guó)農(nóng)業(yè)生產(chǎn)凈碳效應(yīng)分異研究[J]. 自然資源學(xué)報(bào)， 2013， 28（8）： 1298-1309.

[2]陳羅燁， 薛領(lǐng)， 雪燕. 中國(guó)農(nóng)業(yè)凈碳匯空間集聚與分異[J]. 生態(tài)環(huán)境學(xué)報(bào)， 2015， 24（11）： 1777-1784.

[3]楊果， 陳瑤. 中國(guó)農(nóng)業(yè)源碳匯估算及其與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的耦合分析[J]. 中國(guó)人口·資源與環(huán)境， 2016， 26（12）：171-176.

[4]丘雯文， 鐘漲寶， 李兆亮， 等. 中國(guó)農(nóng)業(yè)面源污染排放格局的時(shí)空特征[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2019， 40（1）：26-34.

[5]范麗霞， 李谷成. 全要素生產(chǎn)率及其在農(nóng)業(yè)領(lǐng)域的研究進(jìn)展[J]. 當(dāng)代經(jīng)濟(jì)科學(xué)， 2012， 34（1）： 109-119.

[6]REZEK J P， PERRIN R K. Environmentally adjusted agriculturalproductivity in the Great Plains[J]. Journal ofAgricultural and Resource Economics， 2004， 29（2）： 346-369.

[7]全炯振. 中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的實(shí)證分析：1978—2007 年： 基于隨機(jī)前沿分析（SFA） 方法[J]. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2009（9）： 36-47.

[8]林青寧， 毛世平. 農(nóng)業(yè)全要素生產(chǎn)率的演化過(guò)程、測(cè)算方法與未來(lái)展望[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2023， 28（4）：248-256.

[9]CHARNES A， COOPER W W， RHODES E. Measuringthe efficiency of decision making units[J]. EuropeanJournal of Operational Research， 1978， 2（6）： 429-444.

[10]TONE K. A slacks-based measure of efficiency in dataenvelopment analysis[J]. European Journal of OperationalResearch， 2001， 130（3）： 498-509.

[11]CHENG Y S， ZHANG D Y， WANG X. Agricultural totalfactor productivity based on farmers’ perspective： An exampleof CCR， BCC， SBM and technology optimizationMalmquist-Luenberger index[J]. Journal of Resourcesand Ecology， 2024， 15（2）： 267-279.

[12]王紫露， 張瑋， 楊麗. 長(zhǎng)三角城市群農(nóng)業(yè)全要素生產(chǎn)率時(shí)空演化特征分析[J]. 江蘇農(nóng)業(yè)科學(xué)， 2023， 51（8）： 255-260.

[13]曹玲娟. 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率測(cè)度與區(qū)域異質(zhì)性分析[J]. 生態(tài)經(jīng)濟(jì)， 2024， 40（1）： 95-102.

[14]劉戰(zhàn)偉. 中國(guó)農(nóng)業(yè)全要素生產(chǎn)率的動(dòng)態(tài)演進(jìn)及其影響因素分析[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2018， 39（12）： 104-111.

[15]BAI Z M， WANG T Y， XU J B， et al. Can agriculturalproductive services inhibit carbon emissions？ Evidencefrom China[J]. Land， 2023， 12（7）： 1313.

[16]HUAN M， LI Y， CHI L， et al. The effects of agriculturalsocialized services on sustainable agricultural practiceadoption among smallholder farmers in China[J]. Agronomy，2022， 12（9）： 2198.

[17]OLESEN J E， BINDI M. Consequences of climatechange for European agricultural productivity， land useand policy[J]. European Journal of Agronomy， 2002，16（4）： 239-262.

[18]付偉， 李夢(mèng)柯， 羅明燦， 等. 我國(guó)農(nóng)業(yè)綠色全要素生產(chǎn)率時(shí)空演變與區(qū)域異質(zhì)性分析[J]. 江蘇農(nóng)業(yè)科學(xué)， 2023，51（23）： 227-235.

[19]羅玉波， 朱晨曦， 王春云. 基于共同前沿理論的中國(guó)農(nóng)業(yè)綠色全要素生產(chǎn)率測(cè)度及“追趕”效應(yīng)解析[J]. 農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào)， 2024， 23（1）： 30-40.

[20]吳昊玥， 黃瀚蛟， 何宇， 等. 中國(guó)農(nóng)業(yè)碳排放效率測(cè)度、空間溢出與影響因素[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2021， 29（10）： 1762-1773.

[21]劉亦文， 歐陽(yáng)瑩， 蔡宏宇. 中國(guó)農(nóng)業(yè)綠色全要素生產(chǎn)率測(cè)度及時(shí)空演化特征研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021， 38（5）： 39-56.

[22]穆佳薇， 喬保榮， 余國(guó)新. 新疆塔里木河流域縣域農(nóng)業(yè)低碳生產(chǎn)率時(shí)空格局及影響效應(yīng)研究[J]. 干旱區(qū)地理，2023， 46（6）： 968-981.

[23]臧俊梅， 張思影， 唐春云. “雙碳”目標(biāo)下廣東省農(nóng)業(yè)生態(tài)效率時(shí)空演變及影響因素研究[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2023， 44（10）： 135-146.

[24]李航飛. 基于數(shù)據(jù)包絡(luò)分析的我國(guó)農(nóng)業(yè)生產(chǎn)效率區(qū)域差異分析[J]. 科技管理研究， 2020， 40（1）： 59-66.

[25]王寶義， 張衛(wèi)國(guó). 中國(guó)農(nóng)業(yè)生態(tài)效率的省際差異和影響因素： 基于1996—2015 年31 個(gè)省份的面板數(shù)據(jù)分析[J]. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2018（1）： 46-62.

[26]侯孟陽(yáng)， 姚順波. 空間視角下中國(guó)農(nóng)業(yè)生態(tài)效率的收斂性與分異特征[J]. 中國(guó)人口·資源與環(huán)境， 2019， 29（4）：116-126.

[27]田云， 王夢(mèng)晨. 湖北省農(nóng)業(yè)碳排放效率時(shí)空差異及影響因素[J]. 中國(guó)農(nóng)業(yè)科學(xué)， 2020， 53（24）： 5063-5072.

[28]高孟菲， 鄭晶. 中國(guó)農(nóng)業(yè)全要素生產(chǎn)率測(cè)算及其時(shí)空差異分析： 基于碳匯視角的再檢驗(yàn)[J]. 生態(tài)經(jīng)濟(jì)， 2021，37（12）： 98-104.

[29]王修蘭. 二氧化碳、氣候變化與農(nóng)業(yè)[M]. 北京： 氣象出版社， 1996.

[30]韓召迎， 孟亞利， 徐嬌， 等. 區(qū)域農(nóng)田生態(tài)系統(tǒng)碳足跡時(shí)空差異分析： 以江蘇省為案例[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2012， 31（5）： 1034-1041.

[31]常青， 蔡為民， 谷秀蘭， 等. 河南省農(nóng)業(yè)碳排放時(shí)空分異、影響因素及趨勢(shì)預(yù)測(cè)[J]. 水土保持通報(bào)， 2023，43（1）： 367-377.

[32]李波， 杜建國(guó)， 劉雪琪. 湖北省農(nóng)業(yè)碳排放的時(shí)空特征及經(jīng)濟(jì)關(guān)聯(lián)性[J]. 中國(guó)農(nóng)業(yè)科學(xué)， 2019， 52（23）： 4309-4319.

[33]陳紅， 王浩坤， 秦帥. 農(nóng)業(yè)碳排放的脫鉤效應(yīng)及驅(qū)動(dòng)因素分析： 以黑龍江省為例[J]. 科技管理研究， 2019，39（17）： 247-252.

[34]吳小慶， 王亞平， 何麗梅， 等. 基于AHP 和DEA 模型的農(nóng)業(yè)生態(tài)效率評(píng)價(jià)： 以無(wú)錫市為例[J]. 長(zhǎng)江流域資源與環(huán)境， 2012， 21（6）： 714-719.

[35]伍國(guó)勇， 劉金丹， 楊麗莎. 中國(guó)農(nóng)業(yè)碳排放強(qiáng)度動(dòng)態(tài)演進(jìn)及碳補(bǔ)償潛力[J]. 中國(guó)人口·資源與環(huán)境， 2021，31（10）： 69-78.

[36]張霞. 供給側(cè)結(jié)構(gòu)改革背景下的西南地區(qū)農(nóng)業(yè)全要素生產(chǎn)率分析[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2019， 40（10）：147-154.

【責(zé)任編輯 李慶玲】

基金項(xiàng)目：國(guó)家自然科學(xué)基金（41771136）；廣東省哲學(xué)社會(huì)科學(xué)規(guī)劃（GD22CYJ26）；韶關(guān)市科技計(jì)劃（200811154532282）