農(nóng)機購置補貼對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究

田嬡 曾令秋

DOI：10.3969/j.issn.1674-8131.2024.02.008

摘?要：農(nóng)業(yè)機械化會產(chǎn)生經(jīng)濟增長效應(yīng)和環(huán)境污染效應(yīng)，進而導(dǎo)致農(nóng)機購置補貼帶來的農(nóng)業(yè)綠色全要素生產(chǎn)率（GTFP）增長慢于農(nóng)業(yè)全要素生產(chǎn)率（TFP）增長。采用2008—2021年31個省份數(shù)據(jù)的分析發(fā)現(xiàn)：農(nóng)機購置補貼提高了農(nóng)業(yè)總產(chǎn)值和碳排放量并降低了碳排放強度（經(jīng)濟增長效應(yīng)大于環(huán)境污染效應(yīng)），從而顯著促進了農(nóng)業(yè)GTFP提升，但該正向影響小于農(nóng)機購置補貼對農(nóng)業(yè)TFP的正向影響；農(nóng)機購置補貼主要通過技術(shù)進步渠道促進農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP提升（技術(shù)效率改善渠道的作用不顯著），且對農(nóng)業(yè)綠色技術(shù)進步的促進作用小于對農(nóng)業(yè)技術(shù)進步的促進作用；在農(nóng)村人力資本水平較高地區(qū)、平原面積占比較高地區(qū)和環(huán)境規(guī)制較強地區(qū)，農(nóng)機購置補貼對農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP的提升作用更為顯著，且在環(huán)境規(guī)制較強地區(qū)對農(nóng)業(yè)GTFP的提升作用大于對農(nóng)業(yè)TFP的提升作用。因此，應(yīng)增強支農(nóng)政策的綠色偏向，提高農(nóng)村人力資本水平和環(huán)境規(guī)制強度，并通過完善配套政策和加強基礎(chǔ)設(shè)施建設(shè)有效提高農(nóng)業(yè)技術(shù)效率，進而實現(xiàn)更快的農(nóng)業(yè)GTFP增長。

關(guān)鍵詞：農(nóng)業(yè)；農(nóng)機購置補貼；綠色全要素生產(chǎn)率；技術(shù)進步；技術(shù)效率；環(huán)境規(guī)制；人力資本

中圖分類號：F323.3；F310??文獻標志碼：A??文章編號：1674-8131（2024）02-0094-16

引用格式：田嬡，曾令秋.農(nóng)機購置補貼對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究［J］.西部論壇，2024，34（2）：94-109.

TIAN Ai， ZENG Ling-qiu. Research on the imapct of agricultural machinery purchase subsidies on green total factor productivity in agriculture ［J］. West Forum， 2024， 34（2）： 94-109.

一、引言

長期以來，高投入、高消耗、高污染的粗放型增長模式在促進我國農(nóng)業(yè)經(jīng)濟快速增長的同時，也使得資源短缺和環(huán)境污染問題日益凸顯，給農(nóng)業(yè)可持續(xù)發(fā)展帶來嚴峻挑戰(zhàn)。在資源環(huán)境硬約束趨緊的背景下，實現(xiàn)農(nóng)業(yè)增長動力機制轉(zhuǎn)變，即由要素驅(qū)動向綠色全要素生產(chǎn)率（Green Total Factor Productivity，GTFP）驅(qū)動轉(zhuǎn)化，成為農(nóng)業(yè)可持續(xù)發(fā)展必須解決的關(guān)鍵問題（郭海紅 等，2021）^［1］。同時，加快農(nóng)業(yè)綠色低碳轉(zhuǎn)型也是建設(shè)農(nóng)業(yè)強國的應(yīng)有之義（謝文帥，2023）^［2］，契合了中國式現(xiàn)代化要實現(xiàn)人與自然和諧共生的發(fā)展理念。全要素生產(chǎn)率（Total Factor Productivity，TFP）是衡量生產(chǎn)過程中利用全部要素投入獲得產(chǎn)出的多少的重要指標，相較于基于要素投入和期望產(chǎn)出核算的農(nóng)業(yè)全要素生產(chǎn)率（以下簡稱農(nóng)業(yè)TFP）指標，農(nóng)業(yè)綠色全要素生產(chǎn)率（以下簡稱農(nóng)業(yè)GTFP）指標進一步考慮了環(huán)境污染等非期望產(chǎn)出（王奇 等，2012；葛鵬飛 等，2018）^［3-4］，能夠反映農(nóng)業(yè)經(jīng)濟增長過程中的資源節(jié)約和環(huán)境保護狀況。近年來，如何有效提升農(nóng)業(yè)GTFP成為學術(shù)界關(guān)注的熱點問題，相關(guān)文獻對影響農(nóng)業(yè)GTFP的因素進行了多維度的深入探討，比如財政支持（葉初升 等，2016）、環(huán)境規(guī)制（馬國群 等，2021）、人口老齡化（金紹榮 等，2023）、農(nóng)村金融發(fā)展（李健旋，2021）、農(nóng)業(yè)產(chǎn)業(yè)集聚（韓海彬 等，2023）、農(nóng)產(chǎn)品貿(mào)易（楊秀玉 等，2023）、農(nóng)地流轉(zhuǎn)（匡遠配 等，2024）、鄉(xiāng)村數(shù)字化（金紹榮 等，2022；郭海紅，2024）等^［5-13］。

農(nóng)業(yè)補貼是政府支持農(nóng)業(yè)發(fā)展的常用政策工具之一，主要包括農(nóng)作物良種補貼、種糧農(nóng)民直接補貼、農(nóng)資綜合補貼和農(nóng)機購置補貼（2016年我國實施農(nóng)業(yè)補貼改革后，前三項補貼合并為農(nóng)業(yè)支持保護補貼）。農(nóng)機購置補貼作為一項鼓勵農(nóng)業(yè)生產(chǎn)主體購置和更新農(nóng)機的政策，可以通過替代效應(yīng)、收入效應(yīng)和乘數(shù)效應(yīng)等促進農(nóng)戶購置農(nóng)機，進而推動農(nóng)業(yè)增產(chǎn)增效（李農(nóng) 等，2010）^［14］。王霞云和郭慧文（2021）、許慶等（2023）的實證研究結(jié)果均表明，農(nóng)機購置補貼政策的實施顯著提高了農(nóng)業(yè)TFP^［15-16］。但不容忽視的是，除了經(jīng)濟增長效應(yīng)外，農(nóng)機購置補貼的實施也可能對生態(tài)環(huán)境產(chǎn)生影響。田曉暉等（2021）研究發(fā)現(xiàn)，農(nóng)機購置補貼能夠改變農(nóng)戶使用污染性投入要素和處理農(nóng)業(yè)生產(chǎn)廢棄物的方式，從而會對生態(tài)環(huán)境產(chǎn)生重要影響^［17］。農(nóng)業(yè)產(chǎn)出和污染物排放的多少直接影響到農(nóng)業(yè)GTFP水平的高低，那么，農(nóng)機購置補貼是促進還是抑制了農(nóng)業(yè)GTFP提升？目前對這一問題的討論還比較欠缺。

許慶等（2023）基于全國農(nóng)村固定觀察點數(shù)據(jù)的研究發(fā)現(xiàn)，農(nóng)機購置補貼通過增加農(nóng)戶農(nóng)機社會化服務(wù)可得性這一渠道促進了農(nóng)業(yè)TFP提升，且主要是促進了農(nóng)業(yè)技術(shù)進步^［16］。鄒強（2023）采用30個省份面板數(shù)據(jù)的分析表明，農(nóng)機購置補貼主要通過提高綠色技術(shù)效率的渠道促進農(nóng)業(yè)GTFP增長，其對綠色技術(shù)進步的影響不明顯^［18］。但該研究選擇每年中央財政撥出的農(nóng)機購置補貼這一流量指標進行分析，沒有考慮到補貼會以農(nóng)業(yè)機械資本存量的形式沉淀下來，從而影響后期的農(nóng)業(yè)機械化水平（王許沁 等，2018；張宗毅 等，2019）^［19-20］。那么，農(nóng)機購置補貼是否通過綠色技術(shù)進步渠道和綠色技術(shù)效率改變渠道影響了農(nóng)業(yè)GTFP？哪種渠道占主導(dǎo)地位？仍然有待進一步的檢驗。同時，相比對未考慮環(huán)境因素的農(nóng)業(yè)TFP的影響，農(nóng)機購置補貼對納入環(huán)境因素的農(nóng)業(yè)GTFP的影響是更大還是更小，也需要明確。

基于上述考慮，本文在已有研究的基礎(chǔ)上探討農(nóng)機購置補貼對農(nóng)業(yè)GTFP的影響及其主導(dǎo)渠道，并采用2008—2021年31個省份的面板數(shù)據(jù)進行實證檢驗。相比已有文獻，本文的邊際貢獻主要在于：第一，分析并比較了農(nóng)機購置補貼對農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP的影響，豐富了農(nóng)機購置補貼的政策效應(yīng)研究；第二，考察了不同情境下（納入環(huán)境因素和不納入環(huán)境因素）農(nóng)機購置補貼對農(nóng)業(yè)技術(shù)進步和農(nóng)業(yè)技術(shù)效率改善的影響，有助于深入認識技術(shù)進步渠道和技術(shù)效率改善渠道在農(nóng)業(yè)GTFP提升中發(fā)揮的作用，進而更有效地促進農(nóng)業(yè)GTFP增長，并為后續(xù)研究提供了新的思路和方法；第三，從人力資本水平、地形條件和環(huán)境規(guī)制3個維度分析了農(nóng)機購置補貼影響農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP的異質(zhì)性，為進一步提高財政支農(nóng)政策實施的精準性和有效性提供了經(jīng)驗借鑒和啟示。

二、理論分析與研究假說

1. 農(nóng)機購置補貼對農(nóng)業(yè)GTFP的影響

從理論上講，全要素生產(chǎn)率的提高可能是由于技術(shù)進步或技術(shù)效率改善引起的。技術(shù)進步是指通過技術(shù)創(chuàng)新或引入先進技術(shù)推動生產(chǎn)前沿面外移，技術(shù)效率改善是指在現(xiàn)有技術(shù)水平下通過優(yōu)化資源要素配置和提升生產(chǎn)管理能力促進生產(chǎn)決策單元向生產(chǎn)前沿面移動，兩者都能提高單位要素投入的產(chǎn)出水平。因此，本文主要基于技術(shù)進步和技術(shù)效率改善這兩個渠道來探討農(nóng)機購置補貼對農(nóng)業(yè)GTFP產(chǎn)生的影響。

（1）技術(shù)進步渠道

農(nóng)機購置補貼可以通過增加農(nóng)業(yè)生產(chǎn)中農(nóng)機的使用和促進農(nóng)機企業(yè)提升農(nóng)機性能兩條途徑，推動農(nóng)業(yè)生產(chǎn)技術(shù)進步，進而促進農(nóng)業(yè)TFP提高。一方面，農(nóng)機購置補貼可以直接降低農(nóng)機購置成本和間接降低農(nóng)機社會化服務(wù)價格（劉進 等，2023）^［21］，激勵農(nóng)戶和農(nóng)業(yè)生產(chǎn)經(jīng)營組織購買農(nóng)機裝備或農(nóng)機作業(yè)服務(wù)，從而使先進的農(nóng)業(yè)技術(shù)得以轉(zhuǎn)化運用到農(nóng)業(yè)生產(chǎn)中，推動農(nóng)業(yè)生產(chǎn)實踐的技術(shù)水平提高。另一方面，進入農(nóng)機補貼目錄的產(chǎn)品更易獲得市場的認可和推廣，而只有達到一定條件的農(nóng)機產(chǎn)品才能進入補貼目錄，補貼機具和標準還會隨政策目標的變化不斷調(diào)整。因此，農(nóng)機購置補貼的選擇性和動態(tài)調(diào)整機制會引導(dǎo)農(nóng)機企業(yè)不斷進行技術(shù)創(chuàng)新，科技含量更高的農(nóng)機產(chǎn)品在農(nóng)業(yè)生產(chǎn)中的運用則會直接推動農(nóng)業(yè)技術(shù)進步?？梢?，農(nóng)機是先進農(nóng)業(yè)生產(chǎn)技術(shù)的重要載體，農(nóng)機購置補貼引起的農(nóng)機使用量增加和農(nóng)機性能提升會推動農(nóng)業(yè)生產(chǎn)技術(shù)進步，從而有助于增加單位生產(chǎn)要素投入的期望產(chǎn)出（通常指農(nóng)業(yè)生產(chǎn)的經(jīng)濟效益），實現(xiàn)農(nóng)業(yè)TFP提升。

但對農(nóng)業(yè)GTFP來講，不僅要看期望產(chǎn)出，還需要考慮非期望產(chǎn)出（通常指農(nóng)業(yè)污染物排放），而技術(shù)進步在促進農(nóng)業(yè)產(chǎn)量增加的同時也會對生態(tài)環(huán)境產(chǎn)生影響。一方面，高效施肥、精準施藥、節(jié)水灌溉、廢棄物處理等農(nóng)機裝備和技術(shù)的推廣使用，可以提高農(nóng)資利用效率和實現(xiàn)農(nóng)業(yè)生產(chǎn)廢棄物再利用，減少農(nóng)業(yè)污染排放；另一方面，以柴油發(fā)動機為主的農(nóng)業(yè)機械使用會直接增加農(nóng)業(yè)污染排放。因此，農(nóng)機技術(shù)進步對農(nóng)業(yè)非期望產(chǎn)出的影響與其本身的技術(shù)偏向有關(guān)，越偏向綠色技術(shù)越有利于減少非期望產(chǎn)出。從實際情況來看，相較于一般的技術(shù)進步，綠色技術(shù)進步的節(jié)能減排要求會增加技術(shù)創(chuàng)新成本，并可能存在因綠色技術(shù)產(chǎn)品價格較高而不被農(nóng)業(yè)生產(chǎn)經(jīng)營主體接受的市場風險（劉運材 等，2022）^［22］，因此，在企業(yè)追求利潤最大化目標和農(nóng)戶綠色技術(shù)采納意愿不高的現(xiàn)實約束下，農(nóng)機購置補貼引起的技術(shù)進步可能會更多地偏向提高經(jīng)濟效益，從而在促進農(nóng)業(yè)產(chǎn)量增加的同時也增加了農(nóng)業(yè)污染排放總量。總的來看，當農(nóng)機購置補貼引致的農(nóng)業(yè)技術(shù)進步使得農(nóng)業(yè)期望產(chǎn)出增長率高于非期望產(chǎn)出增長率時，其表現(xiàn)為促進農(nóng)業(yè)GTFP提高。

盡管偏向經(jīng)濟效益的技術(shù)進步會帶來農(nóng)業(yè)污染物排放總量增加，但隨著經(jīng)濟發(fā)展方式的轉(zhuǎn)變，綠色技術(shù)進步日益受到重視，農(nóng)業(yè)機械領(lǐng)域技術(shù)進步的綠色偏向也不斷增強，促使單位產(chǎn)出的污染物排放量降低，因此，農(nóng)業(yè)機械化在增加農(nóng)業(yè)污染物排放總量的同時也會降低農(nóng)業(yè)污染物排放強度（徐清華 等，2022；賀青 等，2023）^［23-24］。綜合來看，農(nóng)機購置補貼推動的農(nóng)業(yè)技術(shù)進步帶來的經(jīng)濟增長效應(yīng)大于環(huán)境污染效應(yīng)，進而可以促進農(nóng)業(yè)GTFP提升。然而，當非期望產(chǎn)出呈上升趨勢時，不考慮負外部性的生產(chǎn)率（TFP）增長會高于考慮負外部性的生產(chǎn)率（GTFP）增長（Yrük et al.，2005）^［25］。所以，農(nóng)機購置補貼可以通過促進技術(shù)進步的路徑提高農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP，但對農(nóng)業(yè)GTFP的提升作用相對較小。

（2）技術(shù)效率改善渠道

從理論上講，農(nóng)機購置補貼可以通過以下作用改善農(nóng)業(yè)生產(chǎn)的技術(shù)效率：首先，農(nóng)機購置補貼使得農(nóng)機要素的相對價格下降，導(dǎo)致農(nóng)機與勞動力之間產(chǎn)生要素替代，進而促進農(nóng)村勞動力轉(zhuǎn)移（呂煒 等，2015）^［26］；家庭成員外出務(wù)工率的提升則會促使農(nóng)戶進行農(nóng)地流轉(zhuǎn)（錢龍 等，2019）^［27］，這將推動農(nóng)地規(guī)模經(jīng)營，緩解土地細碎化問題，提高農(nóng)地配置效率（蓋慶恩 等，2023）^［28］；隨著土地向生產(chǎn)要素相對充裕且具有集約化、專業(yè)化、組織化和社會化特征的新型農(nóng)業(yè)經(jīng)營主體集中，勞動、土地和資本等生產(chǎn)要素配置實現(xiàn)帕累托改進，從而提升農(nóng)業(yè)生產(chǎn)技術(shù)效率。其次，農(nóng)機購置補貼促進了農(nóng)機社會化服務(wù)的發(fā)展（許慶 等，2023）^［16］，有利于農(nóng)業(yè)生產(chǎn)的專業(yè)化分工和勞動者生產(chǎn)技能的提高，進而促進農(nóng)業(yè)生產(chǎn)技術(shù)效率改善。最后，由于只有達到一定資質(zhì)的農(nóng)機產(chǎn)品才能進入補貼目錄，這會降低農(nóng)戶在農(nóng)機市場上面臨的信息不對稱風險，提高市場運行效率。

然而，上述作用在農(nóng)業(yè)生產(chǎn)實踐中能否實現(xiàn)，受勞動力流動、土地流轉(zhuǎn)、農(nóng)戶要素配置能力等諸多因素的共同影響?？偟膩砜矗壳拔覈r(nóng)業(yè)勞動力的人力資本水平不高導(dǎo)致其轉(zhuǎn)移困難，土地流轉(zhuǎn)滯后于勞動力轉(zhuǎn)移且流轉(zhuǎn)規(guī)模小，農(nóng)地碎片化經(jīng)營的特征依然明顯（郜亮亮 等，2022）^［29］；同時，要素市場發(fā)展滯后，生產(chǎn)要素自由流動受阻，導(dǎo)致農(nóng)機購置補貼難以通過優(yōu)化資源配置這一路徑來提升農(nóng)業(yè)生產(chǎn)技術(shù)效率（許慶 等，2023）^［16］。此外，農(nóng)機購置補貼的受益對象以農(nóng)戶為主，而農(nóng)戶普遍缺乏現(xiàn)代農(nóng)業(yè)技術(shù)和管理素養(yǎng)，雖然農(nóng)機購置補貼促進了農(nóng)戶購置農(nóng)業(yè)機械，但在農(nóng)機維修網(wǎng)點等農(nóng)機化基礎(chǔ)設(shè)施建設(shè)相對滯后、農(nóng)機技術(shù)培訓服務(wù)供給不到位等外部條件的制約下，農(nóng)機使用的效率不高，對農(nóng)業(yè)技術(shù)效率的改善作用難以發(fā)揮。由此可見，在農(nóng)業(yè)勞動力人力資本水平不高和相關(guān)配套政策不完善的情況下，農(nóng)機購置補貼對農(nóng)業(yè)技術(shù)效率的改善作用可能并不明顯。

綜上所述，本文提出研究假說1：農(nóng)機購置補貼能夠顯著提高農(nóng)業(yè)GTFP，但該影響小于農(nóng)機購置補貼對農(nóng)業(yè)TFP的影響；農(nóng)機購置補貼主要通過技術(shù)進步渠道促進農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP提升。

2. 農(nóng)機購置補貼影響農(nóng)業(yè)GTFP的異質(zhì)性

（1）人力資本異質(zhì)性

農(nóng)機購置補貼對農(nóng)業(yè)GTFP的提升作用受到農(nóng)戶技術(shù)采納和運用能力的影響。一方面，受教育程度越高的農(nóng)戶對新技術(shù)，尤其是生態(tài)農(nóng)業(yè)技術(shù)的采納意愿越強（毛慧 等，2020）^［30］，購買補貼機具時選擇綠色環(huán)保農(nóng)機的可能性越大，這有利于發(fā)揮農(nóng)機購置補貼引導(dǎo)農(nóng)民購置先進適用、節(jié)能環(huán)保農(nóng)機的作用，進而更有效地促進農(nóng)業(yè)綠色技術(shù)進步。另一方面，在農(nóng)業(yè)生產(chǎn)實踐中，農(nóng)機使用對農(nóng)業(yè)產(chǎn)出和生態(tài)環(huán)境的影響大小，在很大程度上與農(nóng)戶的農(nóng)機運用能力相關(guān)。當農(nóng)戶的人力資本水平與農(nóng)機使用技術(shù)不相匹配時，農(nóng)機購置補貼難以推動農(nóng)業(yè)先進技術(shù)充分轉(zhuǎn)化為現(xiàn)實生產(chǎn)力，同時，農(nóng)機技術(shù)知識的缺乏以及對節(jié)能減排重要性認識的不足還會增加農(nóng)機使用過程中的能源消耗和污染環(huán)境，對農(nóng)業(yè)綠色技術(shù)效率產(chǎn)生負面影響。由此可見，較高的人力資本為農(nóng)業(yè)技術(shù)進步和技術(shù)效率改善提供了重要支撐，有助于更好地發(fā)揮農(nóng)機購置補貼對農(nóng)業(yè)GTFP提升的促進作用。因此，相比農(nóng)村人力資本水平較低地區(qū)，農(nóng)機購置補貼對農(nóng)村人力資本水平較高地區(qū)農(nóng)業(yè)GTFP的促進作用更為顯著。

（2）地形異質(zhì)性

地形是影響農(nóng)業(yè)技術(shù)進步和技術(shù)效率改善的重要因素，農(nóng)機購置補貼對農(nóng)業(yè)GTFP的影響也可能因地形的不同而存在差異。丘陵山區(qū)地勢起伏大、坡度陡峻，運輸?shù)缆泛吞镩g作業(yè)通道等農(nóng)業(yè)基礎(chǔ)建設(shè)滯后，農(nóng)業(yè)機械化發(fā)展也受到約束。相較于丘陵山區(qū)，平原地區(qū)的地形條件更有利于農(nóng)機尤其是大中型農(nóng)機的推廣和運用，因而農(nóng)機購置補貼在推動農(nóng)業(yè)機械化的過程中對平原地區(qū)農(nóng)業(yè)生產(chǎn)技術(shù)進步的促進作用會更為明顯（潘經(jīng)韜 等，2019）^［31］。另外，平原地區(qū)的農(nóng)業(yè)規(guī)模經(jīng)營程度較高，規(guī)模經(jīng)營主體對綠色清潔機械的使用意愿更高，農(nóng)機購置補貼可以更有效地激勵農(nóng)戶采納綠色農(nóng)業(yè)技術(shù)，從而推動農(nóng)業(yè)綠色技術(shù)進步。因此，相比丘陵山區(qū)，農(nóng)機購置補貼對平原地區(qū)農(nóng)業(yè)GTFP的促進作用更為顯著。

（3）環(huán)境規(guī)制異質(zhì)性

已有研究表明環(huán)境規(guī)制與GTFP密切相關(guān)，在環(huán)境規(guī)制較嚴的地區(qū)或時期，農(nóng)業(yè)GTFP增長率高于農(nóng)業(yè)TFP增長率（王奇 等，2012）^［3］。在環(huán)境規(guī)制水平較高的地區(qū)，農(nóng)業(yè)生產(chǎn)經(jīng)營主體受到各種懲罰措施的壓力和激勵措施的吸引，會更加重視環(huán)境保護和綠色生產(chǎn)（杜建國 等，2023）^［32］，進而會更積極地采用綠色技術(shù)來提高農(nóng)業(yè)生產(chǎn)的清潔性（張金鑫 等，2020）^［33］。當環(huán)境規(guī)制水平較高時，農(nóng)機購置補貼政策的綠色發(fā)展導(dǎo)向會更強，對綠色低碳農(nóng)機的補貼力度更大，這會促使農(nóng)機制造企業(yè)積極研發(fā)綠色農(nóng)機裝備，也會激勵農(nóng)業(yè)生產(chǎn)經(jīng)營主體選擇購買補貼目錄中的清潔型農(nóng)機產(chǎn)品，從而增強農(nóng)機購置補貼對農(nóng)業(yè)綠色技術(shù)進步的促進作用。因此，相比環(huán)境規(guī)制水平較低地區(qū)，農(nóng)機購置補貼對環(huán)境規(guī)制水平較高地區(qū)農(nóng)業(yè)GTFP的促進作用更為顯著。

綜上所述，本文提出研究假說2：相對而言，農(nóng)機購置補貼對農(nóng)業(yè)GTFP的提升作用在農(nóng)村人力資本水平較高地區(qū)、平原地區(qū)、環(huán)境規(guī)制較強地區(qū)更為顯著。

三、實證檢驗設(shè)計

1. 模型設(shè)定

為檢驗農(nóng)機購置補貼對農(nóng)業(yè)GTFP的影響，同時與農(nóng)業(yè)TFP作對比分析，參考潘彪和田志宏（2018）、祝

宏輝等（2023）、金紹榮和王佩佩（2023）的研究^{［34-35］［7］}，設(shè)定面板固定效應(yīng)回歸模型（1）和（2）：

其中，被解釋變量“農(nóng)業(yè)綠色技術(shù)進步”（ln GTECH）、“農(nóng)業(yè)綠色技術(shù)效率”（ln GEFF）、“農(nóng)業(yè)技術(shù)進步”（ln TECH）、“農(nóng)業(yè)技術(shù)效率”（ln EFF）分別為農(nóng)業(yè)綠色技術(shù)進步、農(nóng)業(yè)綠色技術(shù)效率變化、農(nóng)業(yè)技術(shù)進步、農(nóng)業(yè)技術(shù)效率變化的自然對數(shù)值，其余變量定義同前。

2. 變量說明

（1）被解釋變量

考慮到數(shù)據(jù)的可獲得性以及農(nóng)機購置補貼主要針對種植業(yè)的實際情況，本文采用狹義農(nóng)業(yè)即種植業(yè)的數(shù)據(jù)來測算樣本地區(qū)的農(nóng)業(yè)TFP和農(nóng)業(yè)GTFP。參考馬國群和譚硯文（2021）、金紹榮和任贊杰（2022）的研究^{［6］［12］}，以“農(nóng)作物總播種面積”“農(nóng)業(yè)就業(yè)人數(shù)”“農(nóng)業(yè)機械動力”“農(nóng)用化肥施用折純量”“農(nóng)藥使用量”“農(nóng)用塑料薄膜使用量”“有效灌溉面積”作為投入指標，以“農(nóng)業(yè)總產(chǎn)值”（2007年不變價）作為期望產(chǎn)出指標，以“農(nóng)業(yè)碳排放量”作為非期望產(chǎn)出指標。其中，“農(nóng)業(yè)就業(yè)人數(shù)”采用“第一產(chǎn)業(yè)從業(yè)人數(shù)×（農(nóng)業(yè)總產(chǎn)值/農(nóng)林牧漁業(yè)總產(chǎn)值）”來衡量，“農(nóng)業(yè)機械動力”采用“農(nóng)業(yè)機械總動力-畜牧業(yè)機械動力-漁業(yè)機械動力”來衡量；“農(nóng)業(yè)碳排放量”的計算參考李波等（2011）的方法^［36］，依據(jù)6種碳排放源的投入量和碳排放系數(shù)進行測算，6種碳排放源分別是化肥、農(nóng)藥、農(nóng)膜、柴油、翻耕、農(nóng)業(yè)灌溉，對應(yīng)的碳排放系數(shù)分別為0.895 6 kg·kg^-1、4.934 1 kg·kg^-1、5.18 kg·kg^-1、0.592 7 kg·kg^-1、312.6 kg·km^-2、20.476 kg·Cha^-1。

相較于參數(shù)法，數(shù)據(jù)包絡(luò)分析（DEA）和指數(shù)法相結(jié)合的非參數(shù)法無需設(shè)定生產(chǎn)函數(shù)形式，避免了函數(shù)設(shè)定偏誤，被廣泛用于測算農(nóng)業(yè)GTFP。傳統(tǒng)的徑向、角度DEA模型要求投入或產(chǎn)出同比例變化，當存在投入過度或產(chǎn)出不足時會高估評價對象的效率值，且角度選擇忽略了投入或產(chǎn)出的某個方面，會導(dǎo)致測算結(jié)果不準確（王兵 等，2010）^［37］；非徑向、非角度的SBM模型雖然能夠彌補以上缺陷，但忽略了效率前沿投影值的原始比例信息，也會影響效率評價的準確性（蔡烏趕 等，2017）^［38］。因此，本文采用綜合徑向和非徑向的超效率EBM模型來測算技術(shù)效率，并采用Oh（2010）提出的基于全局DEA技術(shù)的GML指數(shù)法估計農(nóng)業(yè)GTFP的動態(tài)變化情況^［39］，該方法也是現(xiàn)有文獻在測算農(nóng)業(yè)GTFP時普遍采用的方法（杜江 等，2016；郭海紅 等，2021；杜建軍 等，2023）^{［40］［1］［41］}。GML指數(shù)法將各決策單元的所有考察期作為基準構(gòu)造生產(chǎn)前沿面，解決了Chung等（1997）基于當期DEA技術(shù)提出的ML指數(shù)法不具備循環(huán)性、無法基于固定年份進行累乘、可能存在線性規(guī)劃無解的問題（李華 等，2021）^［42-43］，也解決了Oh和Heshmati（2010）基于序列DEA技術(shù)提出的SML指數(shù)法不具備循環(huán)性和不允許技術(shù)退步的問題^［44］。在實際的農(nóng)業(yè)生產(chǎn)中，受外部宏觀經(jīng)濟環(huán)境變化和自然災(zāi)害的影響，可能出現(xiàn)生產(chǎn)技術(shù)短暫退步的情形（展進濤 等，2019；郭海紅 等，2021）^{［45］［1］}。由于模型測算得到的GTFP指數(shù)是本年度農(nóng)業(yè)GTFP相較于上一年度的變化情況，故參照一般做法，以2007年為基期（該年農(nóng)業(yè)GTFP設(shè)定為1），之后各年將之前的農(nóng)業(yè)GTFP指數(shù)相乘，得到當年累積形式的農(nóng)業(yè)GTFP，取自然對數(shù)后作為被解釋變量“農(nóng)業(yè)GTFP”；分解農(nóng)業(yè)GTFP指數(shù)，用同樣的方法得到“農(nóng)業(yè)綠色技術(shù)進步”和“農(nóng)業(yè)綠色技術(shù)效率”。“農(nóng)業(yè)TFP”“農(nóng)業(yè)技術(shù)進步”和“農(nóng)業(yè)技術(shù)效率”的測算方法同上（刪除非期望產(chǎn)出指標）。

（3）控制變量

借鑒鄧曉蘭和鄢偉波（2018）、余志剛等（2023）的研究^［46-47］，選取以下控制變量：一是“農(nóng)作物種植結(jié)構(gòu)”，采用糧食作物播種面積與農(nóng)作物總播種面積的比值來衡量。由于種植經(jīng)濟作物的經(jīng)濟效益相對較高，預(yù)期該變量的回歸系數(shù)為負。二是“自然災(zāi)害程度”，采用農(nóng)作物受災(zāi)面積與農(nóng)作物總播種面積的比值來衡量。農(nóng)業(yè)生產(chǎn)易受自然環(huán)境的影響，受災(zāi)會導(dǎo)致產(chǎn)出下降，因而預(yù)期該變量的回歸系數(shù)為負。三是“工業(yè)化水平”，采用第二產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值的比重來衡量。工業(yè)化可能導(dǎo)致農(nóng)村青壯年等優(yōu)質(zhì)人力資源流出，對農(nóng)業(yè)生產(chǎn)效率產(chǎn)生負面影響，同時，石油農(nóng)業(yè)的發(fā)展也會對農(nóng)業(yè)生態(tài)環(huán)境產(chǎn)生較大的負面影響（王寶義 等，2018）^［48］，因此預(yù)期該變量的回歸系數(shù)為負。四是“農(nóng)村水利基礎(chǔ)設(shè)施”，采用有效灌溉面積與農(nóng)作物總播種面積的比值來衡量。水利設(shè)施能夠改善農(nóng)業(yè)生產(chǎn)條件，減少旱澇等自然災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響，所以預(yù)期該變量的回歸系數(shù)為正。五是“農(nóng)村人力資本”，采用農(nóng)村人均受教育年限來衡量，參照葉初升和馬玉婷（2020）的做法^［49］，設(shè)定文盲或半文盲、小學、初中、高中、中專、大專及以上6種類別的受教育年限分別為1、6、9、12、12、15.5，通過各類別受教育年限的人口比例乘以相應(yīng)的受教育年限后加總得到。農(nóng)業(yè)勞動力的受教育程度越高，其勞動技能和接受新知識、新技術(shù)的能力越強，有利于新技術(shù)的推廣和采納，因而預(yù)期該變量的回歸系數(shù)為正。六是“財政支農(nóng)水平”，采用農(nóng)林水事務(wù)支出與農(nóng)林牧漁業(yè)增加值的比值來衡量。財政支農(nóng)有助于農(nóng)業(yè)生產(chǎn)，因此預(yù)期該變量的回歸系數(shù)為正。

3.數(shù)據(jù)處理

基于數(shù)據(jù)的可獲得性和可比性，本文使用我國31個省份（不包括港澳臺地區(qū)）2008—2021年的面板數(shù)據(jù)來進行實證檢驗。其中，農(nóng)村人口受教育年限來自《中國人口和就業(yè)統(tǒng)計年鑒》，農(nóng)作物受災(zāi)面積和耕地面積來自《中國農(nóng)村統(tǒng)計年鑒》，第一產(chǎn)業(yè)從業(yè)人數(shù)來自各省份統(tǒng)計年鑒，農(nóng)業(yè)機械總動力、畜牧業(yè)機械動力和漁業(yè)機械動力來自《中國農(nóng)業(yè)機械工業(yè)年鑒》，農(nóng)機購置補貼來自布瑞克農(nóng)業(yè)數(shù)據(jù)終端、《中國農(nóng)業(yè)機械化年鑒》以及農(nóng)業(yè)農(nóng)村部農(nóng)機購置補貼信息公開專欄，其他相關(guān)數(shù)據(jù)來自國家統(tǒng)計局網(wǎng)站，缺失數(shù)據(jù)通過插值法補齊。運用MAXDEA軟件計算農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP，并對核心解釋變量進行前后1%的縮尾處理，以減輕異常值對回歸結(jié)果的影響。表1是本文主要變量的描述性統(tǒng)計結(jié)果。

表2的計算結(jié)果顯示，2008—2021年我國農(nóng)業(yè)GTFP持續(xù)提升，年均增速達到3.87%，其中，農(nóng)業(yè)綠色技術(shù)進步增速為4.12%，農(nóng)業(yè)綠色技術(shù)效率增速為-0.24%，表明我國農(nóng)業(yè)GTFP的增長主要依靠技術(shù)進步推動，這與大多數(shù)文獻的研究結(jié)論一致（王奇 等，2012；李文華 等，2019；郭海紅 等，2020；紀成君 等，2020）^{［3］［50-52］}。分區(qū)域來看，東部、中部和西部地區(qū)的農(nóng)業(yè)GTFP年均增速分別為3.78%、4.27%和3.69%，中部地區(qū)的增速較高可能是因為中部地區(qū)多為產(chǎn)糧大省，我國實施的強農(nóng)惠農(nóng)政策具有明顯向糧食主產(chǎn)區(qū)傾斜的特征，推動了中部地區(qū)農(nóng)業(yè)生產(chǎn)技術(shù)的研發(fā)和推廣，使該地區(qū)的農(nóng)業(yè)技術(shù)進步較快。

四、實證結(jié)果分析

1.假說1的檢驗結(jié)果

Huasman檢驗結(jié)果顯示P值為0.000，拒絕隨機效應(yīng)假設(shè)，故采用固定效應(yīng)回歸模型來進行估計。模型（1）和（2）的回歸結(jié)果見表3。（1）～（3）列逐步加入控制變量，模型擬合優(yōu)度逐步提高，且核心解釋變量符號沒有發(fā)生改變，因此（3）列的估計結(jié)果更為準確。需要說明的是，（3）列中加入了“財政支農(nóng)水平”滯后一期項，是由于當期“財政支農(nóng)水平”的估計系數(shù)顯著為負，與理論預(yù)期不符（其他控制變量的回歸系數(shù)符號均與理論預(yù)期一致），但與葉初升和惠利（2016）、Wang等（2022）的分析結(jié)果一致^{［5］［53］}，其原因可能是財政支農(nóng)政策發(fā)揮作用具有一定的滯后性，因此參考葉初升和惠利（2016）的做法^［5］，在模型中引入“財政支農(nóng)水平”變量的滯后一期項，回歸結(jié)果顯示其估計系數(shù)顯著為正，表明財政支農(nóng)對農(nóng)業(yè)GTFP提升的促進作用確實具有滯后性。此外，在后文的模型分析中均加入了“財政支農(nóng)水平”滯后一期項。

根據(jù)（3）（4）列的回歸結(jié)果，“農(nóng)機購置補貼”對“農(nóng)業(yè)GTFP”和“農(nóng)業(yè)TFP”的估計系數(shù)均在1%的水平上顯著為正，表明農(nóng)機購置補貼的增加顯著提高了農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP；從系數(shù)大小來看，“農(nóng)機購置補貼”對“農(nóng)業(yè)TFP”的估計系數(shù)（0.141）大于對“農(nóng)業(yè)GTFP”的估計系數(shù)（0.131），表明農(nóng)機購置補貼增加相同幅度時，農(nóng)業(yè)TFP提高的幅度大于農(nóng)業(yè)GTFP提高的幅度。由此，假說1的前半部分得到驗證。進一步檢驗農(nóng)機購置補貼對農(nóng)業(yè)總產(chǎn)值、農(nóng)業(yè)碳排放量和農(nóng)業(yè)碳排放強度（農(nóng)業(yè)碳排放量與農(nóng)業(yè)總產(chǎn)值之比）的影響，回歸結(jié)果見表4。農(nóng)機購置補貼對農(nóng)業(yè)產(chǎn)出和碳排放均具有正向影響，同時也降低了農(nóng)業(yè)碳排放強度，表明農(nóng)機購置補貼產(chǎn)生的經(jīng)濟增長效應(yīng)大于環(huán)境污染效應(yīng)，從而促進了農(nóng)業(yè)GTFP提升，該結(jié)論也與前文的理論分析相一致。

模型（3）～（6）的回歸結(jié)果表明（見表5）：農(nóng)機購置補貼可以顯著促進農(nóng)業(yè)綠色技術(shù)進步和農(nóng)業(yè)技術(shù)進步，而對農(nóng)業(yè)綠色技術(shù)效率和農(nóng)業(yè)技術(shù)效率的影響不顯著，這意味著農(nóng)機購置補貼主要是通過技術(shù)進步渠道影響農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP，而技術(shù)效率改善渠道未能發(fā)揮顯著作用，假說1的后半部分得以驗證。因此，在通過機械化促進農(nóng)業(yè)技術(shù)進步的同時，如何有效改善農(nóng)業(yè)技術(shù)效率，是進一步提升農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP需要解決的關(guān)鍵問題。此外，通過系數(shù)對比可以發(fā)現(xiàn)，農(nóng)機購置補貼對農(nóng)業(yè)綠色技術(shù)進步的促進作用小于對農(nóng)業(yè)技術(shù)進步的促進作用，表明當前農(nóng)機購置補貼推動的農(nóng)業(yè)技術(shù)進步更多地偏向經(jīng)濟增長效益，相關(guān)政策還需要增強對農(nóng)業(yè)綠色發(fā)展的引導(dǎo)和激勵，以不斷提高農(nóng)業(yè)技術(shù)進步的環(huán)境治理效益。

2. 穩(wěn)健性檢驗

為進一步檢驗回歸結(jié)果的可靠性，本文進行如下穩(wěn)健性檢驗：一是替換被解釋變量。GTFP的測算有多種，其中基于SBM模型和全局參比的Malmquist指數(shù)法也被廣泛運用，因此，采用SBM-GML指數(shù)模型測算農(nóng)業(yè)GTFP，重新進行模型檢驗。二是更換核心解釋變量。參考潘經(jīng)韜等（2018）的做法^［54］，采用歷年畝均累計農(nóng)機購置補貼資金（“農(nóng)機購置補貼1”）作為核心解釋變量，重新進行模型回歸。三是刪除特殊樣本?？紤]到直轄市具有較大的特殊性，刪除直轄市樣本后重新進行模型檢驗。上述穩(wěn)健性檢驗結(jié)果均表明（見表6），農(nóng)機購置補貼增加顯著促進了農(nóng)業(yè)GTFP提升。

同時，為緩解遺漏變量、樣本自選擇等模型內(nèi)生性問題對估計結(jié)果的影響，采用工具變量法和傾向得分匹配進行內(nèi)生性處理。選擇除本省以外其他省份的農(nóng)機購置補貼變量的平均值作為“農(nóng)機購置補貼”的工具變量，運用兩階段最小二乘法進行回歸。中央財政通常根據(jù)各地區(qū)的發(fā)展條件、往年政策實施情況等確定每年的補貼資金規(guī)模，其他地區(qū)獲得的農(nóng)機購置補貼平均值與本地區(qū)的農(nóng)機購置補貼具有相關(guān)性，但對本地區(qū)農(nóng)業(yè)GTFP不會產(chǎn)生直接影響，滿足工具變量的相關(guān)性和排他性要求。第一階段的回歸結(jié)果顯示，工具變量對“農(nóng)機購置補貼”的估計系數(shù)（1.083）在1%的水平上顯著為正，且F統(tǒng)計量（793.35）遠大于10。第二階段的回歸結(jié)果顯示（見表6），擬合的“農(nóng)機購置補貼”對“農(nóng)業(yè)GTFP”的估計系數(shù)仍然在1%水平上顯著為正。同時，Kleibergen-Paap rk LM統(tǒng)計量的P值為0.000，拒絕工具變量識別不足的原假設(shè)；Kleibergen-Paap rk Wald F統(tǒng)計量遠遠大于10%水平的臨界值，表明不存在弱工具變量問題，工具變量的選取是合理的?？梢?，在緩解內(nèi)生性問題后，本文的基本結(jié)論依然成立。為進一步緩解內(nèi)生性，參考杜建國等（2023）的方法^［32］，以“農(nóng)機購置補貼”的中位數(shù)為分段點（將高于中位數(shù)的樣本作為處理組，其余樣本作為對照組），以控制變量為匹配協(xié)變量，通過Logit模型計算傾向得分，分別采用半徑匹配、14近鄰匹配和核匹配剔除不在共同取值范圍內(nèi)的樣本，進而使用匹配后的樣本重新進行模型檢驗。表7匯報了使用三種匹配方法得到的回歸結(jié)果，核心解釋變量的系數(shù)均在1%的水平上顯著為正，表明本文的基本結(jié)論具有較好的穩(wěn)健性。

3. 假說2的檢驗結(jié)果（異質(zhì)性分析）

本文采用分組檢驗的方法進行異質(zhì)性分析，根據(jù)前文理論分析對樣本進行以下分組：一是以“農(nóng)村人力資本”的中位數(shù)為標準將樣本劃分為“高人力資本”和“低人力資本”兩組；二是參考李克樂和楊宏力（2022）的方法^［55］，將平原面積占比超過30%的省份歸為“Ⅰ類地形區(qū)”^①，其余省份歸為“Ⅱ類地形區(qū)”；三是采用環(huán)境污染治理投資額占GDP的比重來衡量環(huán)境規(guī)制水平^②，根據(jù)其中位數(shù)將樣本劃分為“高環(huán)境規(guī)制”和“低環(huán)境規(guī)制”兩組。分組檢驗的結(jié)果見表8，可以發(fā)現(xiàn)農(nóng)機購置補貼對農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP的影響具有類似的異質(zhì)性表現(xiàn)。

總體上看，在農(nóng)村人力資本水平較高的地區(qū)、平原面積占比較高的地區(qū)、環(huán)境規(guī)制較強的地區(qū)，農(nóng)機購置補貼顯著促進了農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP提升；而在農(nóng)村人力資本水平較低的地區(qū)、平原面積占比較低的地區(qū)、環(huán)境規(guī)制較弱的地區(qū)，農(nóng)機購置補貼對農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP的影響均不顯著。由此，假說2得到驗證。進一步比較農(nóng)機購置補貼對農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP的影響，在人力資本水平較高地區(qū)和平原面積占比較高地區(qū)，與全樣本分析結(jié)果一致，農(nóng)機購置補貼對農(nóng)業(yè)GTFP的提升作用小于對農(nóng)業(yè)TFP的提升作用；而在環(huán)境規(guī)制較強地區(qū)，農(nóng)機購置補貼對農(nóng)業(yè)GTFP的提升作用大于對農(nóng)業(yè)TFP的提升作用，表明環(huán)境規(guī)制的增強會促使農(nóng)機生產(chǎn)企業(yè)增加環(huán)保型農(nóng)機供給，也會促使農(nóng)業(yè)生產(chǎn)經(jīng)營者更多地使用綠色清潔技術(shù)，從而增強農(nóng)業(yè)技術(shù)進步的綠色偏向，實現(xiàn)更快的農(nóng)業(yè)GTFP增長。

五、結(jié)論與啟示

2004年起實施的農(nóng)機購置補貼政策有效推動了農(nóng)業(yè)機械化發(fā)展，促進了農(nóng)業(yè)技術(shù)進步和農(nóng)業(yè)生產(chǎn)效率提高。然而，農(nóng)業(yè)機械化在帶來經(jīng)濟增長效應(yīng)的同時，也會產(chǎn)生環(huán)境污染效應(yīng)，盡管污染物排放強度持續(xù)降低，但污染物排放總量有所增加，進而導(dǎo)致農(nóng)業(yè)GTFP增長慢于農(nóng)業(yè)TFP增長。本文采用2008—2021年31個省份的數(shù)據(jù)，運用面板固定效應(yīng)模型檢驗農(nóng)機購置補貼對農(nóng)業(yè)GTFP的影響，結(jié)果發(fā)現(xiàn)：（1）農(nóng)機購置補貼對農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)碳排放量均具有正向影響，同時也降低了農(nóng)業(yè)碳排放強度，表明農(nóng)機購置補貼產(chǎn)生的經(jīng)濟增長效應(yīng)大于環(huán)境污染效應(yīng)。（2）農(nóng)機購置補貼顯著促進了農(nóng)業(yè)GTFP提升，該結(jié)論在經(jīng)過替換變量、優(yōu)化樣本、工具變量法和傾向得分匹配等穩(wěn)健性檢驗后仍然成立。（3）農(nóng)機購置補貼增加相同幅度時，農(nóng)業(yè)GTFP提高的幅度小于農(nóng)業(yè)TFP提高的幅度，表明農(nóng)機購置補貼對農(nóng)業(yè)GTFP的正向影響小于其對農(nóng)業(yè)TFP的正向影響。（4）農(nóng)機購置補貼主要通過促進技術(shù)進步的渠道來促進農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP提升，而技術(shù)效率改善渠道未能發(fā)揮顯著作用，此外，農(nóng)機購置補貼對農(nóng)業(yè)綠色技術(shù)進步的促進作用小于對農(nóng)業(yè)技術(shù)進步的促進作用。（5）在農(nóng)村人力資本水平較高地區(qū)、平原面積占比較高地區(qū)和環(huán)境規(guī)制較強地區(qū)農(nóng)機購置補貼顯著促進了農(nóng)業(yè)GTFP提升，而在農(nóng)村人力資本水平較低地區(qū)、平原面積占比較低地區(qū)和環(huán)境規(guī)制較弱地區(qū)農(nóng)機購置補貼對農(nóng)業(yè)GTFP的影響不顯著，表明提高人力資本水平和環(huán)境治理力度有利于增強農(nóng)機購置補貼的農(nóng)業(yè)GTFP提升效應(yīng)； 另外，在環(huán)境規(guī)制較強地區(qū)農(nóng)機購置補貼對農(nóng)業(yè)GTFP的提升作用大于對農(nóng)業(yè)TFP的提升作用，表明增強環(huán)境規(guī)制有利于實現(xiàn)更快的農(nóng)業(yè)GTFP增長。

基于上述結(jié)論，本文提出以下啟示：第一，應(yīng)增強財政支農(nóng)政策的普惠性和及時性，并提高綠色化傾向，有效促進農(nóng)業(yè)GTFP提升。一方面，要加大對農(nóng)機購置補貼等支農(nóng)政策的宣傳力度，加快補貼資金兌付進度，及時公開補貼的實施方案、資金規(guī)模等信息，從而進一步發(fā)揮補貼政策的杠桿作用，推動農(nóng)業(yè)技術(shù)進步和效率提升；另一方面，在評價農(nóng)機購置補貼等支農(nóng)政策的政策效果時需要考慮環(huán)境效應(yīng)，要將補貼等激勵措施與可持續(xù)發(fā)展、高質(zhì)量發(fā)展目標掛鉤，比如，加大對綠色低碳農(nóng)機生產(chǎn)和使用的補貼力度，讓更多高性能、綠色化農(nóng)機盡快投入市場，積極推動低碳農(nóng)業(yè)機械化。第二，應(yīng)完善配套政策，加強基礎(chǔ)設(shè)施建設(shè)，有效提高農(nóng)業(yè)技術(shù)效率。目前，農(nóng)業(yè)技術(shù)效率改善還面臨諸多障礙，導(dǎo)致農(nóng)機購置補貼未能通過技術(shù)效率改善渠道促進農(nóng)業(yè)GTFP和農(nóng)業(yè)TFP增長。要通過加快農(nóng)機耕道和農(nóng)機維修網(wǎng)點等農(nóng)業(yè)機械化基礎(chǔ)設(shè)施建設(shè)、推進農(nóng)機作業(yè)補貼、加強農(nóng)機技術(shù)培訓服務(wù)等，解決農(nóng)戶在購買農(nóng)機后存在的“不能用”“用不起”“不會用”難題；要通過加強職業(yè)技能培訓、完善勞動力流動和土地流轉(zhuǎn)機制、健全統(tǒng)一開放的要素市場等，推動勞動力、土地、資本等要素自由流動，為提高農(nóng)業(yè)要素配置效率創(chuàng)造良好的外部條件。第三，應(yīng)著力提高農(nóng)村勞動力的人力資本水平，適當提高環(huán)境規(guī)制強度，充分發(fā)揮農(nóng)機購置補貼等支農(nóng)政策對農(nóng)業(yè)GTFP的提升作用。此外，還應(yīng)提高補貼政策的指向性和精準性，比如，以適用性為標準優(yōu)化調(diào)整丘陵山區(qū)的補貼機具等。

參考文獻：

［1］郭海紅，劉新民.中國農(nóng)業(yè)綠色全要素生產(chǎn)率的時空分異及收斂性［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（10）：65-84.

［2］?謝文帥.建設(shè)農(nóng)業(yè)強國：內(nèi)涵要義、銜接機理與實踐路徑［J］.經(jīng)濟學家，2023（9）：108-118.

［3］?王奇，王會，陳海丹.中國農(nóng)業(yè)綠色全要素生產(chǎn)率變化研究：1992—2010年［J］.經(jīng)濟評論，2012（5）：24-33.

［4］?葛鵬飛，王頌吉，黃秀路.中國農(nóng)業(yè)綠色全要素生產(chǎn)率測算［J］.中國人口·資源與環(huán)境，2018，28（5）：66-74.

［5］?葉初升，惠利.農(nóng)業(yè)財政支出對中國農(nóng)業(yè)綠色生產(chǎn)率的影響［J］.武漢大學學報（哲學社會科學版），2016，69（3）：48-55.

［6］?馬國群，譚硯文.環(huán)境規(guī)制對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究——基于面板門檻模型的分析［J］.農(nóng)業(yè)技術(shù)經(jīng)濟，2021（5）：77-92.

［7］?金紹榮，王佩佩.人口老齡化、農(nóng)地流轉(zhuǎn)與農(nóng)業(yè)綠色全要素生產(chǎn)率［J］.宏觀經(jīng)濟研究，2023（1）：101-117.

［8］?李健旋.農(nóng)村金融發(fā)展與農(nóng)業(yè)綠色全要素生產(chǎn)率提升研究［J］.管理評論，2021，33（3）：84-95.

［9］?韓海彬，楊冬燕.農(nóng)業(yè)產(chǎn)業(yè)集聚對農(nóng)業(yè)綠色全要素生產(chǎn)率增長的空間溢出效應(yīng)研究［J］.干旱區(qū)資源與環(huán)境，2023，37（6）：29-37.

［10］楊秀玉，仝錦濤.農(nóng)產(chǎn)品貿(mào)易對農(nóng)業(yè)綠色全要素生產(chǎn)率的空間溢出效應(yīng)——基于農(nóng)業(yè)產(chǎn)業(yè)集聚的調(diào)節(jié)作用［J］.中國農(nóng)業(yè)資源與區(qū)劃，2023，44（11）：15-27.

［11］匡遠配，張昊鵬.農(nóng)地流轉(zhuǎn)提升了農(nóng)業(yè)綠色全要素生產(chǎn)率嗎？［J］.世界農(nóng)業(yè)，2024（2）：59-71.

［12］金紹榮，任贊杰.鄉(xiāng)村數(shù)字化對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響［J］.改革，2022（12）：102-118.

［13］郭海紅.數(shù)字鄉(xiāng)村建設(shè)、資源要素錯配與農(nóng)業(yè)綠色全要素生產(chǎn)率［J］.中國地質(zhì)大學學報（社會科學版），2024，24（1）：102-116.

［14］李農(nóng)，萬祎.我國農(nóng)機購置補貼的宏觀政策效應(yīng)研究［J］.農(nóng)業(yè)經(jīng)濟問題，2010，31（12）：79-84.

［15］王霞云，郭慧文.農(nóng)機購置補貼對農(nóng)業(yè)全要素生產(chǎn)率的影響分析［J］.中國農(nóng)業(yè)文摘-農(nóng)業(yè)工程，2021，33（3）：47-53.

［16］許慶，賈杰斐，周天舒.農(nóng)機購置補貼如何影響農(nóng)業(yè)全要素生產(chǎn)率？［J］.財經(jīng)研究，2023，49（6）：109-123.

［17］田曉暉，李薇，李戎.農(nóng)業(yè)機械化的環(huán)境效應(yīng)——來自農(nóng)機購置補貼政策的證據(jù)［J］.中國農(nóng)村經(jīng)濟，2021（9）：95-109.

［18］鄒強.農(nóng)機具購置補貼對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響研究［D］.云南財經(jīng)大學，2023.

［19］王許沁，張宗毅，葛繼紅.農(nóng)機購置補貼政策：效果與效率——基于激勵效應(yīng)與擠出效應(yīng)視角［J］.中國農(nóng)村觀察，2018（2）：60-74.

［20］張宗毅，王許沁，葛繼紅.中國農(nóng)機化效率：區(qū)域差異及購置補貼影響效應(yīng)——基于省域視角和DEA–Tobit模型的分析［J］.湖南農(nóng)業(yè)大學學報（社會科學版），2019，20（3）：1-8.

［21］劉進，賈杰斐，許慶.農(nóng)機購置補貼如何影響小農(nóng)戶農(nóng)機社會化服務(wù)獲得——基于全國農(nóng)村固定觀察點數(shù)據(jù)的分析［J］.中國農(nóng)村經(jīng)濟，2023（2）：85-108.

［22］劉運材， 羅能生.互聯(lián)網(wǎng)發(fā)展對城市綠色全要素生產(chǎn)率的影響——基于全要素生產(chǎn)率分解視角［J］.軟科學，2022，36（7）：46-52+61.

［23］徐清華，張廣勝.農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度影響的空間溢出效應(yīng)——基于282個城市面板數(shù)據(jù)的實證［J］.中國人口·資源與環(huán)境，2022，32（4）：23-33.

［24］賀青，張俊飚，張虎.農(nóng)業(yè)機械化對農(nóng)業(yè)碳排放的影響——來自糧食主產(chǎn)區(qū)的實證［J］.統(tǒng)計與決策，2023，39（1）：88-92.

［25］YRK K B，ZAIM O. Productivity growth in OECD countries：a comparison with Malmquist indices［J］. Journal of Comparative Economics，2005，33（2）：401-420.

［26］呂煒，張曉穎，王偉同.農(nóng)機具購置補貼、農(nóng)業(yè)生產(chǎn)效率與農(nóng)村勞動力轉(zhuǎn)移［J］.中國農(nóng)村經(jīng)濟，2015（8）：22-32.

［27］錢龍，陳會廣，葉俊燾.成員外出務(wù)工、家庭人口結(jié)構(gòu)與農(nóng)戶土地流轉(zhuǎn)參與——基于CFPS的微觀實證［J］.中國農(nóng)業(yè)大學學報，2019，24（1）：184-193.

［28］蓋慶恩，李承政，張無坷，等. 從小農(nóng)戶經(jīng)營到規(guī)模經(jīng)營：土地流轉(zhuǎn)與農(nóng)業(yè)生產(chǎn)效率［J］.經(jīng)濟研究，2023，58（5）：135-152.

［29］郜亮亮，紀月清.中國城鄉(xiāng)轉(zhuǎn)型中的農(nóng)村土地集體產(chǎn)權(quán)與流轉(zhuǎn)配置效率［J］.中國農(nóng)村經(jīng)濟，2022（10）：24-40.

［30］毛慧，曹光喬.作業(yè)補貼與農(nóng)戶綠色生態(tài)農(nóng)業(yè)技術(shù)采用行為研究［J］.中國人口·資源與環(huán)境，2020，30（1）：49-56.

［31］潘經(jīng)韜，陳池波.農(nóng)機購置補貼政策實施效果的差異分析——基于湖北省2006—2015年縣級面板數(shù)據(jù)的實證［J］.農(nóng)林經(jīng)濟管理學報，2019，18（2）：152-160.

［32］杜建國，李波，楊慧.人口老齡化下農(nóng)業(yè)人力資本對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響［J］.中國人口·資源與環(huán)境，2023，33（9）：215-228.

［33］張金鑫，王紅玲.環(huán)境規(guī)制、農(nóng)業(yè)技術(shù)創(chuàng)新與農(nóng)業(yè)碳排放［J］.湖北大學學報（哲學社會科學版），2020，47（4）：147-156.

［34］潘彪，田志宏.購機補貼政策對中國農(nóng)業(yè)機械使用效率的影響分析［J］.中國農(nóng)村經(jīng)濟，2018（6）：21-37.

［35］祝宏輝，杜美玲，尹小君等.鄉(xiāng)村振興戰(zhàn)略下農(nóng)地規(guī)模經(jīng)營對農(nóng)業(yè)綠色發(fā)展的影響［J］.調(diào)研世界，2023（7）：55-66.

［36］李波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放時空特征及影響因素分解［J］.中國人口·資源與環(huán)境，2011，21（8）：80-86.

［37］王兵，吳延瑞，顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長［J］.經(jīng)濟研究，2010，45（5）：95-109.

［38］蔡烏趕，周小亮.中國環(huán)境規(guī)制對綠色全要素生產(chǎn)率的雙重效應(yīng)［J］.經(jīng)濟學家，2017（9）：27-35.

［39］OH D. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis，2010，34（3）：183-197.

［40］杜江，王銳，王新華.環(huán)境全要素生產(chǎn)率與農(nóng)業(yè)增長：基于DEA-GML指數(shù)與面板Tobit模型的兩階段分析［J］.中國農(nóng)村經(jīng)濟，2016（3）：65-81.

［41］杜建軍，章友德，劉博敏等.數(shù)字鄉(xiāng)村對農(nóng)業(yè)綠色全要素生產(chǎn)率的影響及其作用機制［J］.中國人口·資源與環(huán)境，2023，33（2）：165-175.

［42］CHUNG Y H，F(xiàn)RE R，GROSSKOPF S. Productivity and undesirable outputs：a directional distance function approach［J］. Journal of Environmental Management，1997，51（3）：229-240.

［43］李華，董艷玲.中國經(jīng)濟高質(zhì)量發(fā)展水平及差異探源——基于包容性綠色全要素生產(chǎn)率視角的考察［J］.財經(jīng)研究，2021，47（8）：4-18.

［44］OH D，HESHMATI A. A sequential Malmquist–Luenberger productivity index： environmentally sensitive productivity growth considering the progressive nature of technology［J］. Energy Economics，2010，32（6）：1345-1355.

［45］展進濤，徐鈺嬌，葛繼紅.考慮碳排放成本的中國農(nóng)業(yè)綠色生產(chǎn)率變化［J］.資源科學，2019，41（5）：884-896.

［46］鄧曉蘭，鄢偉波.農(nóng)村基礎(chǔ)設(shè)施對農(nóng)業(yè)全要素生產(chǎn)率的影響研究［J］.財貿(mào)研究，2018，29（4）：36-45.

［47］余志剛，孫子燁，金鑫.秸稈還田與農(nóng)業(yè)綠色全要素生產(chǎn)率：促進還是抑制？［J］.干旱區(qū)資源與環(huán)境，2023，37（9）：36-45.

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

［49］葉初升，馬玉婷.人力資本及其與技術(shù)進步的適配性何以影響了農(nóng)業(yè)種植結(jié)構(gòu)？［J］.中國農(nóng)村經(jīng)濟，2020（4）：34-55.

［50］李文華，郭豐，陳永強.中國區(qū)域農(nóng)業(yè)綠色全要素生產(chǎn)率分解及收斂性分析［J］.重慶工商大學學報（社會科學版），2019，36（2）：29-39.

［51］郭海紅，劉新民.中國農(nóng)業(yè)綠色全要素生產(chǎn)率時空演變［J］.中國管理科學，2020，28（9）：66-75.

［52］紀成君，夏懷明.我國農(nóng)業(yè)綠色全要素生產(chǎn)率的區(qū)域差異與收斂性分析［J］.中國農(nóng)業(yè)資源與區(qū)劃，2020，41（12）：136-143.

［53］WANG S G，ZHU J Y，WANG L，et al. The inhibitory effect of agricultural fiscal expenditure on agricultural green total factor productivity［J］. Scientific Reports，2022，12（1）：20933.

［54］潘經(jīng)韜，陳池波.農(nóng)機購置補貼對農(nóng)機作業(yè)服務(wù)市場發(fā)展的影響——基于2004—2013年省級面板數(shù)據(jù)的實證分析［J］.華中農(nóng)業(yè)大學學報（社會科學版），2018（3）：27-34+153.

［55］李克樂，楊宏力.農(nóng)業(yè)生產(chǎn)外包服務(wù)水平能否提高糧食生產(chǎn)？——基于2011～2020年省際面板數(shù)據(jù)的分析［J］.經(jīng)濟體制改革，2022（5）：83-91.

［56］單豪杰.中國資本存量K的再估算：1952—2006年［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008，25（10）：17-31.

Research on the Impact of Agricultural Machinery Purchase Subsidies on Green Total Factor Productivity in Agriculture

TIAN Ai1， ZENG Ling-qiu2

（1. Institute of Western China Economic Research， Southwestern University of Finance and Economics， Chengdu 611130，Sichuan， China;

2. Institute of China Rural Revitalization， Sichuan Normal University， Chengdu 610068， Sichuan， China）

Abstract：Accelerating the green and low-carbon transformation of agriculture is imperative for China to build a strong agricultural country and achieve the strategic goals of carbon peaking and carbon neutrality. How to improve the agricultural green total factor productivity （AGTFP） is the key issue facing the transformation. The agricultural machinery purchase subsidy policy implemented since 2004 has greatly promoted the development of agricultural mechanization in China， which in turn has contributed to the technological progress of agricultural production and the improvement of agricultural productivity. However， in addition to economic effects， the implementation of this subsidy policy also has an impact on the ecological environment. Existing literature lacks consideration of environmental effects when examining the impact of agricultural machinery purchase subsidies on AGTFP.

Based on the panel data of 31 provinces in China from 2008 to 2021， this paper uses the EBM-GML index model to measure the AGTFP of each province， and empirically examines the impact of agricultural machinery purchase subsidy on AGTFP through the panel fixed effect model， and makes a comparative analysis with the traditional agricultural total factor productivity without considering environmental factors. It is found that agricultural machinery purchase subsidy has significantly improved AGTFP. After robustness tests such as replacing the explained variable， replacing the explanatory variable， replacing samples， endogenous treatment， and propensity score matching， the conclusions are still robust. The agricultural machinery purchase subsidy mainly promotes the growth of AGTFP through the channel of technological progress， with the channel of technical efficiency being less significant; if environmental factors are not considered， the promotion effect of agricultural machinery purchase subsidy on agricultural technology progress and AGTFP will be overestimated. The results of the heterogeneous analysis show that the promotion effect of agricultural machinery purchase subsidy on AGTFP will be more obvious in areas with higher levels of human capital， in plain areas， and in regions with higher environmental regulation levels.

Compared with the previous research， this paper expands on the following three aspects. Firstly， different from existing literature that predominantly examines the implementation effects of agricultural machinery purchase subsidies from a single economic or environmental perspective， this study expands the research scope by focusing on the agricultural green total factor productivity index， which considers both economic and environmental effects， thereby broadening the study of the effectiveness of agricultural machinery subsidy policies. Secondly， this paper compares and analyzes the impact of agricultural machinery purchase subsidies on agricultural technology progress and agricultural technology efficiency in different situations （with and without consideration of environmental factors）， and investigates the green bias of agricultural machinery purchase subsidies. Thirdly， based on the heterogeneity of rural human capital levels， terrain conditions， and environmental regulation levels， the paper further explores the external supportive environment for promoting the improvement of AGTFP through agricultural machinery subsidies.

This paper reveals the underlying logic of how agricultural machinery subsidies affect AGTFP. It proposes strengthening support for complementary policies such as the construction of agricultural mechanization infrastructure， agricultural machinery technology training services， and land transfer. Additionally， it suggests integrating environmental effects into the policy evaluation of agricultural machinery subsidies. By doing so， government departments can maximize the supportive role of agricultural machinery purchase subsidies in promoting agricultural green development under the goal of the green and low-carbon transformation of agriculture.

Key words：agriculture; agricultural machinery purchase subsidy; green total factor productivity; technology progress; technology efficiency; environmental regulation; human capital

CLC number：F323.3; F310???Document code：A???Article ID：1674-8131（2024）02-0094-16

（編輯：黃依潔；劉仁芳）

*收稿日期：2023-11-08；修回日期：2024-01-17

基金項目：國家社會科學基金一般項目（19BJY135）

作者簡介：田嬡（1997），女，四川德陽人；博士研究生，主要從事農(nóng)業(yè)經(jīng)濟研究；E-mail：tianai_win@163.com。曾令秋（1958），男，四川資中人；博士，教授，主要從事農(nóng)業(yè)經(jīng)濟研究；E-mail：zenglingqiu@126.com。

①“Ⅰ類地形區(qū)”包括北京、天津、河北、內(nèi)蒙古、遼寧、吉林、黑龍江、上海、江蘇、安徽、山東、河南、寧夏和新疆。

②?環(huán)境污染治理投資額和GDP分別用固定資產(chǎn)投資價格指數(shù)和GDP指數(shù)進行平減，由于西藏的固定資產(chǎn)投資價格指數(shù)未公布，參照單豪杰（2008）的做法^［56］，將地理位置靠近西藏且與西藏發(fā)展水平相似的青海和新疆的投資價格指數(shù)的算術(shù)平均值作為替代指標。