熱門論文
最新論文
財政支農、環境規制對農業綠色全要 素生產率的影響研究
發布時間：2022-10-03 10:51
目錄
第一章 緒論 1
第一節 研究背景與研究意義 1
一、研究背景 1
二、研究意義 1
第二節 文獻綜述 2
一、財政支農的相關研究 2
二、農業綠色全要素生產率的相關研究 4
三、財政支農與農業綠色全要素生產率關系的相關研究 6
四、文獻評述 7
第三節 研究內容與方法 8
一、研究內容 8
二、研究方法 9
三、研究框架圖 10
第四節 創新點與不足之處 11
一、創新點 11
二、不足之處 11
第二章 相關概念、理論基礎及作用機理 12
第一節 相關概念 12
一、財政支農支出 12
二、環境規制 12
三、農業綠色全要素生產率 13
第二節 理論基礎 13
一、公共財政理論 13
二、農業外部性理論 14
三、農業弱質性理論 14
四、規模報酬遞減理論 14
第三節 作用機理與研究假設 15
一、財政支農對農業綠色全要素生產率的影響機理 15
二、環境規制對農業綠色全要素生產率的影響機理 15
1
三、環境規制對財政支農與農業綠色全要素生產率關系的影響機理. 16 第三章 財政支農的現狀與農業綠色全要素生產率、環境規制的測算 分析 18
第一節 我國財政支農的現狀與存在的問題 18
一、我國財政支農的現狀 18
二、我國財政支農支出存在的問題 19
第二節 農業綠色全要素生產率的測算與分解 20
一、農業綠色全要素生產率的測算與分解方法 20
二、指標體系的構建與數據說明 22
三、農業綠色全要素生產率及其分解的測算結果與分析 23
第三節 環境規制的測算結果與分析 31
一、測算方法 31
二、環境規制的測算結果與分析 31
第四章 財政支農對農業綠色全要素生產率影響的實證分析 34
第一節 模型設定與變量說明 34
一、模型設定 34
二、指標選取與變量說明 34
三、變量的描述性統計 36
第二節 實證分析 36
一、財政支農對農業綠色全要素生產率及其構成的影響 36
二、環境規制調節作用下財政支農對農業綠色全要素生產率及其構成的 影響 39
第三節 拓展性分析 40
一、環境規制調節下財政支農對農業綠色全要素生產率影響的異質性分 析 40
二、環境規制調節下財政支農對農業技術效率、農業技術進步影響的異 質性分析 42
第五章 研究結論與政策建議 44
第一節 研究結論 44
第二節 政策建議 45
2
參考文獻 47
在讀期間科研成果 53
致謝 54
第一章 緒論
第一節 研究背景與研究意義
一、研究背景
農業興則基礎牢，農業穩則天下安。農業的發展質量是國民經濟平穩運行的 晴雨表，但其在支撐社會經濟發展的同時也極易受到市場波動、稟賦約束、自然 災害等一系列因素的影響，這些因素共同決定了農業發展離不開財政資金的支持。 我國財政支農資金從2007年的3091億元上升到2020年的23445億元①，增長了 近 6.5 倍。財政資金的注入使我國農業發展取得了長足進步，其中糧食總產量從 2007年的50413.9萬噸上升到2020年的66949.2萬噸、農業總產值從2007年 的24659億元上升到2020年的68769. 7億元②。然而值得注意的是，在農業生產 取得驕人成績的同時，因農藥化肥等要素投入帶來的面源污染也日趨嚴重。為治 理環境污染，我國相繼出臺并實施了多部法律法規，以法律手段強化生態建設。 隨著我國經濟運行進入新常態，人們普遍認識到發展絕不能以犧牲資源和環境為 代價，只有提高全要素生產率水平才能突破資源緊張與環境污染的雙重困境。
學者們大多使用全要素生產率這一指標對農業發展質量進行評價，然而傳統 的全要素生產率卻并未考慮環境污染這一因素，因而不能真實客觀地評價農業發 展質量。綠色全要素生產率在前者的基礎上考慮了環境因素，現已成為評價農業 發展質量的主流工具。
那么，我國農業綠色全要素生產率的水平如何？財政支農支出是否會促進農 業綠色全要素生產率的提升？為解決這些問題，首先需要測度環境規制強度與農 業綠色全要素生產率水平，再將財政支農支出、農業綠色全要素生產率以及環境 規制納入同一研究框架并展開實證分析。
二、研究意義
（一）理論意義
近些年來，學術界就財政支農對農業經濟發展的影響關注較多，諸如分析財 政支農支出對糧食總產量、農民收入水平、農民消費水平的影響效應，但是關于 財政支農支出對農業綠色全要素生產率的影響則少有關注。且早期學者在測算農 業全要素生產率的時候很少將環境因素納入其評價體系,隨著農業生產活動帶來
①資料來源：歷年《中國財政年鑒》
②資料來源：歷年《中國統計年鑒》、《中國農村統計年鑒》
1
的環境問題越發嚴峻,舊的評價體系已不適用當今農業發展質量的測度。另外， 在已有關于財政支農對農業綠色全要素生產率影響的研究當中，少有學者關注環 境規制是否會對財政支農與農業綠色全要素生產率二者間的關系產生影響。本文 將財政支農、農業綠色全要素生產率以及環境規制納入同一研究框架，一定程度 上豐富了財政支農支出影響農業發展的理論基礎，且能夠為政府調整優化農業財 政投入提供理論依據。
(二)現實意義
本文通過研究財政支農支出對農業綠色全要素生產率及其構成的影響并進 一步就區域異質性展開分析，一方面可以辨別財政支農對農業科技水平還是技術 效率產生影響，另一方面可以為我國不同地區財政支農政策的調整優化提供政策 建議，促進我國農業高質量發展。
第二節 文獻綜述
一、財政支農的相關研究
(一)財政支農支出效應的相關研究 國內外學者對于財政支農支出的研究主要集中其經濟效應方面。
在研究財政支農支出影響農業經濟增長的層面：RawatS (2020)發現農業 科技研發投入具有高波動性與占比過低的問題，其影響了糧食安全與環境可持續 性。BonfiglioA, Camaioni B, Coderoni S (2017)研究發現農業創新支出在歐洲的 空間分布極不均衡，且容易受到政府決策與地區引資能力的影響。呂誠倫和江海 潮(2016)以第一產業總產值與支農支出及其構成為研究對象，發現財政支農支 出的各個部分對農業經濟的效應呈現方向性差異，例如農業救濟支出對本地農業 經濟的發展具有正向效應，但科技支出以及基本建設支出卻存在顯著的負向效應， 并且這種差異還會受到農民消費水平以及營商環境等多重因素的影響。另外，財 政支農自身的規模與結構也是影響農業經濟的重要途徑。張海燕和鄧剛(2012) 研究發現財政支農的總體規模對四川省內農業經濟產出的彈性系數高達0.794， 且財政支農的不同項目對農業經濟增長的影響呈現出顯著差異，并就此提出擴大 支出規模與優化結構的政策建議。李曉嘉(2012)基于省級面板數據研究發現經 濟型支出對農業經濟增長的促進作用相比于社會性支出與轉移性支出更大，并且 這種促進作用還存在顯著的地域差異性。蘇永偉(2015)通過建立 ECM 模型研 究發現財政支農支出總量、支援農村生產支出、科技支出對農業經濟增長的促進 效應顯著，但效應的發揮存在時間滯后性。林艷麗等(2014)通過脈沖響應分析 和格蘭杰因果檢驗，發現遼寧省財政支農對農業經濟增長存在短期單向的促進作 用。辛沖沖和陳志勇(2017)分別將財政支農支出總量、結構以及效率變動對農
2
業經濟的促進作用定義為活動效應、結構效應以及效率效應，通過引入對數平均 迪氏指數法(LMDI)研究發現活動效應與效率效應呈現非同向性但結構效應并 不顯著。
在研究財政支農支出影響農民收入的層面：廣大學者均一致認為財政支農支 出可以有效增加農民收入。Le-Rong YU, Xiao-Yun LI (2021)基于協整模型研究 發現社會保障支出對縮小城鄉差距作用有限，但其有助于農村減貧與建設更公平 的社會保障體系。從規模與結構入手，茆曉穎和成濤林(2014)發現江蘇省財政 支農支出規模以及綜合改革開發支出對農民收入的彈性系數均為正。 羅東和矯 健(2014)基于似不相關回歸模型(SUR)也驗證了政府財政對于農業的支持有 助于農民收入水平的進一步提升。(黃壽峰， 2016；莊天慧和王歡， 2016；潘世 磊， 2018)從空間角度定量分析財政支農支出對農民收入的影響，結果發現財政 支農不僅有效提高了農民收入，還存在著顯著的空間溢出效應，即周邊省市的財 政支農投入也可以促進當地農民增收。
在研究財政支農支出影響城鄉收入差距的層面：胡佳和楊運忠(2019)將財 政分權度與財政支出結構作為自變量來研究它們對城鄉收入差距的影響，結果發 現財政支農支出可以顯著縮小城鄉收入差距，并且這種影響大小還會因經濟發展 水平的不同而呈現出地區性差異。從財政支農規模與力度的視角出發，通過建立 面板模型并逐步回歸，鄒杰等(2016)也得出了相似的結論。王烜和張揚(2019) 將社保支出與財政支農支出共同納入GMM模型分析其對城鄉收入差距的影響， 結果發現財政支農和社保支出對縮小城鄉收入差距起到了顯著推動作用。但也有 部分學者提出了不同看法，楊思瑩和丁琳琳(2020)在建立分位數模型以及中介 效應模型的基礎上實證發現財政支農支出顯著擴大了城鄉收入差距，并且還抑制 了農村勞動力在城鄉之間的要素流動。肖育才和姜曉萍(2017)在分析財政支農 對城鄉收入差距效應的基礎上還進一步測度了支農資金的支出效率，研究發現財 政支農支出刺激了城鄉收入差距的進一步擴大，并就此提出要因地制宜，差異化 投入的政策建議。
(二)財政支農資金使用效率的相關研究
財政支農資金的使用效率一直是學者們關注的重點，學術界普遍認為財政支 農資金的使用效率處于較低水平并有待進一步提升。 MoguesT,OlofinbiyiT, CoomesOT(2020)基于對尼日利亞的農業公共支出數據進行定量分析，研究發 現領導者為快速實現投資收益時，財政支農資金使用效率較為低下。(楊伯堅， 2012；王謙和張興榮，2017；王銀梅和劉丹丹，2015)基于DEA-Tobit模型并結 合Malmquist指數對樣本期內我國省級支農資金的使用效率及其構成進行測算， 結果表明我國財政支農資金的使用效率普遍偏低，技術創新不足是其主要原因。 毛暉等(2018)從支農資金的絕對規模與相對規模入手，研究發現我國財政支農
3
資金的使用效率存在明顯的地域差異，且純技術效率阻礙了支農資金使用效率的 進一步提升。基于三階段 DEA 模型，王謙和李超（2016）對我國各省財政支農 資金的使用效率進行測算，結果表明全國及各省支農資金使用效率均未達到完全 有效，得出了與前文學者相似的結論。以財政支農效率的區域差異為研究對象， （何忠偉，2006；趙璐和呂杰，2011）分別建立柯布道格拉斯生產函數模型與面 板數據模型來展開實證分析，結果發現經濟發展水平與自然稟賦是導致支農資金 使用效率呈現地域差異的重要原因。（石磊和金兆懷，2021；李燕凌和歐陽萬福， 2011）分別從宏觀角度和微觀角度展開實證研究，結果認為支農資金的分配管理 與配套政策的施行也是影響支農支出效率的重要因素。
二、農業綠色全要素生產率的相關研究
（一）農業綠色全要素生產率測度方法的相關研究 近年來國內外學者對農業綠色全要素生產率的測度及分解展開了深入研究。 就測度方法來看，主要有隨機前沿分析法以及數據包絡分析法兩種。
Uthes S, Li F, Kelly E.（2017）基于競爭力、農村生存能力、環境、支出平等 性等角度構建指標，評估農村發展措施實施情況，發現競爭力越強的實驗組農業 生產率得以較高地增長但環境方面的數據趨勢難以令人滿意。Wu S, Li B, Nie Q （2017）運用動態空間自相關（SAR）模型與面板門檻模型，檢驗政府支出結構、 腐敗程度與TFP之間的關系。研究發現支出結構對TFP為倒U型關系，腐敗程 度直接抑制TFP，政府支出結構與TFP之間存在單一門檻（門檻變量為腐敗程 度）。王奇等（2012）利用隨機前沿分析法（SFA）并結合Malmquist指數對我 國農業綠色全要素生產率（GTFP）進行測度并與不包含農業污染的傳統農業全 要素生產率（TFP）進行比較，結果發現GTFP普遍低于TFP且地域差距明顯。
（展進濤和徐鈺嬌， 2019；王淑紅和楊志海， 2020）將環境污染因素納入隨機前 沿分析（SFA）框架，發現樣本期內農業綠色全要素生產率偏低且存在明顯的波 動性。杜紅梅和戴勁（2020）首先利用產污、排污系數對氮磷等農業污染物排放 進行核算，然后建立SE-SBM模型對洞庭湖周邊地區的農業綠色全要素生產率 進行測算并分解，研究發現樣本期內農業綠色全要素生產率與農業技術水平均實 現了增長提升，但以生產管理水平為代表的農業技術效率卻出現了倒退。（何澤 軍和李瑩，2018；華堅等，2015）將Malmquist指數（ML指數）定義為農業綠 色全要素生產率，研究發現樣本期內我國農業綠色全要素生產率在整體層面上呈 上升趨勢，并且這種上升趨勢主要由農業技術進步貢獻得來。潘丹（2014）基于 資源緊張和環境約束的雙重視角，通過SBM模型與Tobit函數模型研究發現我 國農業綠色全要素生產率總體水平偏低且呈現出明顯的地域差異。（梁俊和龍少 波，2015；紀成君和夏懷明，2020）建立非徑向、非角度的SBM函數模型并引 入空間權重矩陣，研究發現我國農業綠色全要素生產率增長緩慢并呈現出較強的
4
地域集聚特征。李欠男等( 2020)基于混合距離函數的 Malmquist-luenburger 指 數考察我國農業綠色全要素生產率的地區差異及動態演進，并得出了與前文學者 相似的結論。曹明霞和高珊(2018)在DEA-Malmquist指數法的基礎上并結合 灰色關聯分析，研究發現樣本期內江蘇省農業綠色全要素生產率逐年上升，但由 于技術效率較低導致上升動力不足。(吳傳清和宋子逸， 2018；鄭甘甜等， 2021； 郭海紅和劉新民，2021)通過DEA模型并結合Globe Malmquist-luenburger指數 研究發現我國農業綠色全要素生產率的平均水平仍有較大提升空間，且農業技術 進步對其提升作用十分明顯，并就此提出加強省際農業技術交流，促進農業技術 創新的政策建議。從省級面板數據及地市級面板數據著手，(郭永奇和侯林岐， 2020；李欠男， 2022；劉戰偉2018)均發現了我國農業綠色全要素生產率處于 較低水平且技術進步是推動其發展的力量源泉。(葛鵬飛等， 2018；王兵等， 2020； 楊騫等， 2019)研究發現農業綠色全要素生產率的測算結果相比不包含非期望產 出的全要素生產率更低，更加符合現實。
(二)農業綠色全要素生產率驅動因素的相關研究
通過對已有文獻的歸納梳理，本文發現學者們對農業綠色全要素生產率 (GTFP)影響因素的研究大多集中在環境規制、產業化、城鎮化水平、基建人 力投資以及金融貿易等方面。
以環境規制為主要影響因素，(展進濤和徐鈺嬌， 2019；井莉， 2021)分別 將各省當年施行的有關限制污染排放的政策數量以及當年支出的環保投資額占 GDP 的占比作為環境規制強度的指標，通過建立聯立方程模型發現環境規制可 有效遏制農業污染物的隨意排放，環境規制約束力度的增強直接減少了農業非期 望產出從而有效促進了農業綠色全要素生產率的提升。徐永慧和尹朝靜(2021) 以各省碳排放量作為環境規制的逆向指標對農業綠色全要素生產率及其分解進 行研究，結果發現環境規制可以顯著促進農業科技水平的提升從而影響農業綠色 全要素生產率。但也有學者得出了不同結論，(馬國群和譚硯文， 2021；何曉霞 和毛偉， 2021)在將環保政策數量對數化處理之后納入面板門檻模型，卻發現環 境規制強度跨過一定的門檻值之后，其對農業綠色全要素生產率的負向效應將會 逐漸縮小。以化肥價格對環境規制強度表征，黃偉華等(2021)發現環境規制強 度超過某一特定值后，其對農業綠色全要素生產率的影響方向將會由負轉正。
以農村產業為切入點，學者們分別從不同角度展開了其對農業綠色全要素生 產率影響的研究。葉鋒等(2020)在建立中介效應模型的基礎上研究發現農村產 業化可以從優化資源配置效率與擴大要素投入規模兩個方面來正向促進農業綠 色全要素生產率。銀西陽等( 2022)通過熵權法測算農村產業聚集程度并將其二 次項納入空間杜賓模型，研究發現農村產業聚集程度會抑制農業綠色全要素生產 率的提高，且這種抑制作用有空間溢出效應。金芳和金榮學(2020)分別將農村 產業結構合理化與高級化兩個因素作為解釋變量納入空間杜賓模型，也得出了與
5
前文相似的研究結論。
城鎮化建設也是影響農業綠色全要素生產率的一個重要因素，（武宵旭，2019； 郭海紅和張在旭， 2019；劉戰偉 2021）在建立面板門檻模型、空間杜賓模型的 基礎上，研究發現城鎮化建設可以提高農村生產要素配置與農村居民收入水平的 耦合程度從而提升農業綠色全要素生產率。
在分析基建、人力資本對農業綠色全要素生產率影響的層面上，楊鈞等（2019） 在利用熵值法測度農村基建水平的基礎上，通過建立Tobit模型并引入空間權重 矩陣，研究發現農村基礎設施的建設水平可以促進農業綠色全要素生產率的提高 且這種作用具有空間溢出效應。李谷成等（2015）通過建立廣義矩估計模型（GMM） 研究發現農村公路建設、灌溉設施建設分別對農業綠色全要素生產率的提高起到 正向和負向影響。王淑紅和楊志海（2020）發現勞動力老年化程度一旦超過某一 閾值，其對農業綠色全要素生產率的作用方向將會由負轉正。張淑輝（2017）以 平均受教育年限對農村人力資本進行表征，研究發現農村人均受教育年限越長， 當地農業綠色全要素生產率的上升動力也越強。
在分析金融貿易對農業綠色全要素生產率影響的層面上，（汪輝平等， 2017； 王亞飛等，2019）研究發現外商直接投資（FDI）對農業綠色全要素生產率及其 構成均顯示出顯著的正向促進作用。（陳燕翎等， 2021；彭建平等 2021；陳芳 和楊梅君， 2021；李曉龍和冉光和， 2021）通過研究發現農產品進出口貿易也是 農業綠色全要素生產率提高的一個重要因素。（陳俊聰等， 2016；王悅等， 2019） 研究發現農業保險的發展也推動了農業綠色全要素生產率的進一步提高。
三、財政支農與農業綠色全要素生產率關系的相關研究
目前關于財政支農影響農業綠色全要素生產率的研究較少，學者們大多從財 政支農規模及其結構兩個角度出發來研究其對農業綠色全要素生產率及其分解 的影響。黃安勝等（2013）研究發現財政支農支出對農業全要素生產率的促進作 用持續減弱，并沒有很好的促進農業經濟發展方式由要素推動轉向技術推動。張 春梅和王晨（2020）通過建立Tobit模型分析支農支出的各個項目對農業綠色全 要素生產率的影響，結果發現農業支持保護補貼通過強化農民在生產作業環節節 約資源，保護環境的行為從而促進了農業綠色全要素生產率的提高。基于所測得 的農業綠色全要素生產率處于 0和 1 之間，肖銳和陳池波（2017）通過構建受限 Tobit模型研究發現農業財政支持對農業綠色全要素生產率的回歸系數顯著為正 且存在明顯的區域差異性與時間滯后性。葉初升和惠利（2016）利用廣義矩估計 模型檢驗財政支農支出對農業綠色全要素生產率的效應時也得出了與前者類似 的結論。（崔寧波和生世玉， 2021；楊勇和李雪竹， 2013；張維剛和歐陽建勇， 2021）分別利用面板數據對全國層面農業綠色全要素生產率的驅動因素進行探究，
結果發現財政支農的總體規模對農業綠色全要素生產率、技術效率以及規模效率 均有不成程度的促進作用。從財政支出波動的視角出發，梁微和葛宏翔（2021） 研究發現歷年財政支農支出的規模呈無序波動，且這種波動對農業全要素生產率 增長起到了顯著的負向作用。在建立隨機前沿模型（SFA）的基礎上，龔斌磊和 王碩（2021）研究發現財政支出會通過正向促進農業全要素生產率的提高進而影 響農業經濟的進一步發展。基于農業技術環境調節作用的研究視角，李自強等 （2021）在面板模型中加入財政支農支出與農業技術環境的交互項，研究并發現 在財政支農支出影響全要素生產率的路徑中，農業技術環境始終起到了正向調節 作用。（張維剛， 2021；關建波和譚硯文， 2014；焦晉鵬和宋曉洪 2015；朱滿 德等， 2015）從財政支農支出的結構入手，通過建立面板數據模型和灰色關聯度 模型研究發現支農資金內部的農業機械購置補貼、種糧補貼雖可以促進農業全要 素生產率的提升，但普遍存在1至2年的滯后效應。周楊和邵喜武（2021）通過 建立雙重差分模型研究發現大豆行業的價格補貼明顯抑制了全要素生產率的進 一步提升，并就此提出針對大豆價格補貼進行市場化改革的政策建議。
四、文獻評述
通過對學者們研究成果的歸納梳理，本文發現：（一）關于財政支農支出效 應的研究，學者們大多從規模和結構兩個方面入手，研究成果表明財政支農支出 對于農業經濟增長、農民增收以及農民消費水準的提升均表現出不同程度的促進 作用，但卻少有學者關注財政支農支出對于農業自身發展的影響。（二）關于財 政支農資金使用效率的研究，學者們普遍發現我國財政支農資金的使用長期存在 低效率的情況，且經濟發展水平、自然稟賦、資金的分配管理、相關配套政策的 施行等都是影響資金使用效率的重要因素。（三）學者們關于農業綠色全要素生 產率測度方法的研究，普遍都是建立在包含農業污染的投入產出指標體系之上的， 不同的是，大部分學者從靜態視角出發，用隨機前沿效率值與malmquist指數來 表征農業綠色全要素生產率；另有少部分學者基于動態視角，設定初始年份的效 率值為 1，將 Malmquist 指數（ M 指數）、 Malmquist-Luenburger 指數（ ML 指數） 以及 Globe Malmquist-Luenburger 指數（ GML 指數）累乘之后來表征農業綠色全 要素生產率。由于方法選擇的不同，最終的測算結果也呈現出較大差異。（四） 學者們就環境規制強度、經濟發展水平、城鎮化建設水平對農業綠色全要素生產 率的驅動作用展開了廣泛且深入的研究，但卻少有學者將財政支農支出作為主要 影響因素并探究其對農業綠色全要素生產率的影響效應。（五）在分析財政支農 支出對農業綠色全要素生產率影響的層面，學者們普遍從支農支出的規模與結構 入手，在測算農業綠色全要素生產率的基礎上對其進行分解，以探究財政支農支 出對農業綠色全要素生產率的效應及作用途徑。但是在環境規制強度不斷增大的
背景下，僅考慮財政支農自身對農業綠色全要素生產率的影響已不符合當下的農 業發展環境。
基于此，本文將分別從靜態和動態角度測算全國農業綠色全要素生產率并對 其進行分解，然后在分析財政支農支出對農業綠色全要素生產率的實證模型中加 入支農支出與環境規制的交互項，以探究在政府實施環境規制的背景下，財政支 農對于農業綠色全要素生產率的影響及作用途徑。
第三節 研究內容與方法
一、研究內容
（一） 研究目的
利用好財政支農資金使其更有效地提升農業綠色全要素生產率關系著農業 的可持續發展。本文立足于農業面源污染亟需治理、環境規制力度不斷加強的現 實背景，從靜態和動態視角分析樣本期內我國農業綠色全要素生產率的發展狀況， 并在此基礎上探究財政支農支出對農業綠色全要素生產率的效應以及影響二者 間關系的潛在因素，以期為提升我國財政支農資金的使用效率、促進農業綠色健 康發展提供可行性建議。
（二） 研究框架
本文研究脈絡如下文中的研究框架圖所示依次展開，具體的章節安排主要包 括以下五個部分：
第一章，緒論。本部分內容首先基于農業經濟發展形勢良好但面源污染問題 嚴峻的現實背景，在環境規制的政策環境下闡述本文的研究目的與研究意義；其 次對財政支農及農業綠色全要素生產率相關的文獻進行歸納梳理，了解財政支農、 農業綠色全要素生產率相關研究的最新動態與爭議熱點，并在此基礎上明確本文 的研究內容與研究方法；最后提出本文研究的創新點與不足之處。
第二章，相關概念、理論基礎以及作用機理。本部分首先引入文章核心研究 對象，并對其概念進行界定。接著引入與本文研究內容相關的公共財政、農業外 部性及邊際報酬遞減等理論，在理論層面分析財政支農可能對農業綠色全要素生 產率的影響并提出研究假設。
第三章，財政支農的現狀分析、農業綠色全要素生產率與環境規制強度的測 算。本部分內容首先對樣本期內我國財政支農資金總規模、支農資金占財政總支 出的比重及其對農業經濟發展的貢獻程度進行對比并提出當下財政支農資金分 配使用的不足之處。其次，從靜態視角和動態視角對樣本期內我國農業綠色全要 素生產率及其分解項進行測度，在此基礎上基于全國層面和區域層面對測度結果 進行對比分析并挖掘結果背后可能的影響因素。最后，利用搜集到的農業產排污
8
數據搭建環境規制的指標體系，利用熵權法構建新指標從而對樣本期內我國歷年 的環境規制強度進行表征。
第四章，財政支農對農業綠色全要素生產率影響的實證分析。該部分首先搜 集可能影響財政支農與農業綠色全要素生產率二者關系的潛在因素并搭建實證 模型。然后探究在環境規制的介入下財政支農支出對農業綠色全要素生產率及其 分解的影響，最后分別就上述影響進行分區域的拓展性分析。
第五章，研究結論與政策建議。本部分內容在結合第二章中研究假說的基礎 上，對全文的研究結論進行歸納整理，然后立足于研究結論為我國農業的綠色健 康發展提供可行性建議。
二、研究方法
其一，文獻研究法。通過廣泛閱讀，本文對財政支農支出的經濟和社會效應、 農業綠色全要素生產率的測算及分解方法、財政支農與農業綠色全要素生產率二 者間關系的相關文獻進行系統梳理，歸納提煉出現有研究的爭議要點與不足之處， 為本文理論機制闡述與研究視角創新提供豐富的理論支撐與廣闊的延伸空間。
其二，實證分析法。本文通過收集農業要素投入、經濟產出、污染物排放等 相關數據，建立超效率SBM模型并結合Globe Malmquist-Luenburger指數（簡稱 GML指數）對我國農業綠色全要素生產率（簡稱GTFP）進行測度。在此基礎上 進一步建立面板模型實證檢驗財政支農對農業綠色全要素生產率及其構成的影 響，并得出相應的結論。
其三，對比分析法。本文就環境規制、農業綠色全要素生產率的測度結果以 及財政支農支出對農業綠色全要素生產率及其構成的影響展開對比分析，根據各 地區的不同情況，為我國農業的綠色健康發展提供針對性建議。
三、研究框架
研究背景與研究意義
問題的提出
概念界定、理論基礎與作用機理
財政支農對農業綠色全要素生產率及其構成影響的實證分析
環境規制調節下財政支農對農業綠色全要素生產率以及構成影響的實證分析
分區域的拓展性分析
研究結論與政策建議
圖 1-1 研究框架圖
10
第四節 創新點與不足之處
一、創新點
其一是農業綠色全要素生產率測度方法的創新。利用數據包絡法測算效率值 需要收集農業生產要素投入數據、經濟產出數據以及污染物排放數據來搭建投入 產出指標體系，其中生產要素投入數據與經濟產出數據可以從統計年鑒中直接獲 得，但農業污染物排放數據例如施肥作業中流失的氮、磷等富營養元素總量以及 土壤中殘留的地膜總量均需要估算得出。早期學者普遍參考賴斯蕓等（2010）提 出的“單元調查評估法”來建立產污單元與污染物排放量之間的數量關系，其中生 產決策單元的產污強度與排放系數來自于《第一次全國污染普查系數手冊》 （2009），但隨著自然資源約束的緊張以及環境污染的加劇，舊的產污強度與排 放系數已經不適用當下農業污染物排放量的測算。本文參考生態環境部公布的 《農業源產排污核算方法和系數手冊》（2021），依據種植業氮磷排放系數采用 產排污系數法對各省農業生產過程中的氮、磷總排放量進行核算。
其二是研究視角的創新。早期學者大多只對財政支農支出、環境規制的經濟 和社會效應進行了研究，少有學者關注其對農業自身綠色健康發展的影響。基于 此，本文在環境規制普遍實施的政策背景下就財政支農支出對農業綠色全要素生 產率的影響效應進行探究，以期為我國農業的高質量發展及財政支農政策的優化 調整提供可行性建議。
二、不足之處
本文不足之處其一體現在實證研究沒有采用更加微觀的市級面板數據，而是 在省級面板數據的上進行的。其二是沒有對財政支農對農業綠色全要素生產率的 影響是否存在空間相關性展開進一步探討。
11
第二章 相關概念、理論基礎及作用機理
第一節 相關概念
一、 財政支農支出
財政支農支出是指國家財政支出中與三農問題相關的部分，是中央政府支持 農業生產建設、協調城鄉發展的有力工具。從支農資金的效用目標來看，主要有 支援農村農田水利、電網等基礎設施建設、助力農業科技水平提升、支持農業生 產與生態建設、助力鄉村脫貧致富等幾大板塊。從支農資金的管轄部門來看，除 了農村基建投資由國家發改委直接管轄外，其余涉農財政資金均由財政部門會同 科技部門、農業部門等共同管轄。
二、 環境規制
環境規制是國家為了改善生態環境，針對個人及企業等生產主體排放污染物 而采取的管制措施與行為約束。環境規制主要有兩種類型：一種是命令控制型環 境規制，其主要通過設定具體的生產技術指標、污染排放指標、環境質量指標等 來要求產污主體采取行動來做到節能減排，綠色環保；另一種是市場激勵型環境 規制，其主要通過經濟手段協調產污主體之間的污染排放削減量并鼓勵企業技術 創新從而降低污染排放，主要有排污權交易、排污收費以及補貼和押金返還等等 表現形式。
環境規制強度的表征方法主要有以下四種：（一）以各省地方政府當年施行 的環境規制政策數量來表征，政策數量越多，環境規制越強；（二）以各省地方 政府當年治理污染的投資額占財政支出的比重來表征，占比越高，環境規制越強；
（三）以某一種污染物的排放量作為環境規制的逆向指標，比如氮、磷、二氧化 碳的排放量，該污染物的排放量越高，則表明該省當年的環境規制越弱；（四） 在收集多種污染物排放數據的基礎上，利用熵權法賦予權重并生成一個新的綜合 指標，該指標數值越高，表示環境規制越強。
12
三、農業綠色全要素生產率
早期學者大多基于農業生產的要素投入指標和經濟產出指標來對農業發展 質量進行測度，但隨著資源約束加劇與生態環境惡化，繼續使用傳統的全要素生 產率對農業發展質量進行表征顯得不合時宜。近年來，有學者研究發現：將農業 污染作為非期望產出并納入測算傳統全要素生產率的指標體系，便可以兼顧農業 發展的經濟效益與環境效益，其測度結果也更加貼合農業生產的實際情況，故學 術界將考慮了農業污染排放的全要素生產率稱為農業綠色全要素生產率。
目前主流的關于測度農業綠色全要素生產率的方法有兩種：其一是隨機前沿 分析法（SFA），使用隨機前沿分析法（SFA）需要事先設立生產函數模型，但是 不同學者對模型變量賦予的權重有所不同，因此最終的測度結果也會呈現出較大 差異。其二是數據包絡分析法（DEA）,其主要是通過數理統計確定有效的生產 前沿面，再根據各決策單元與前沿面的偏離程度來判斷其效率值。數據包絡分析 （DEA）相對于隨機前沿分析（SFA），不需要設定具體的函數模型而且能計算 多項投入，多項產出情形下的綜合效率值，現已受到越來越多學者的歡迎。
第二節 理論基礎
一、公共財政理論
公共財政理論可以簡要概述為：在市場機制運行失靈的時候，之前為了滿足 公共需要的公共產品就會處于無人提供的尷尬境地，此時就需要市場之外的政府 力量強勢介入。公共財政具有以下幾點特性：（一）彌補市場失靈。當社會公共 領域出現壟斷、負外部性的時候，政府的財政力量就會及時介入。（二）公平性。 公共財政在面臨不同的階層、個人或者經濟成分的時候都會一視同仁，不會因為 扶持對象的差異從而制定不同的財政政策。（三）非營利性。公共財政以滿足社 會大眾的公共需求為目標而不是追求經濟利益。如果公共財政資金被錯誤的運用 于資本逐利，就極有可能會利用自己的特權從而破壞市場經濟的公平競爭。（四） 法治性。公共財政的收支活動必須符合相關的法律規定，做到規范透明并確保其 符合社會大眾的公共利益。
農業發展過程中也會存在市場失靈的情況，例如作為大宗商品的糧食，因其 價格需求彈性小，供給彈性大，如果政府不對其進行價格保護，那么種糧大戶的 生產積極性必會遭受打擊，從而影響下一年的糧食安全。
13
二、 農業外部性理論
外部性是指一部分人的行為讓另一部分人受益或者受損。農業生產同時具有 正外部性和負外部性，其正外部性體現在農業無償提供良好的生態環境，例如森 林、草地、湖泊在凈化空氣、凈化水體等方面均發揮了巨大作用，社會大眾也因 此無償受益。但是，農業生產過程中也會產生大量污染物，如果不加約束的隨意 排放，就會給周圍的居民乃至全社會帶來損失，農業面源污染對生態環境的破壞 就是其負外部性的典型體現。
三、 農業弱質性理論
農業是一項弱質性產業。一方面，農業的自身發展嚴重依賴自然資源稟賦， 再加上氣候、水文以及地質災害等不確定性因素，其面臨的自然風險不容小覷。 另一方面，農產品普遍具有供給彈性大而需求彈性小的特性，農業生產者缺乏價 格決定的主導地位，故而經常面臨著買方市場，且生產周期長，生產者依據現有 的市場信息做出的生產調整往往是滯后的，難以適應將來的市場變化。因此，農 業發展面臨的市場風險也不容樂觀。
人類到目前為止，對天然資源的配置只能適應，而做不到整體改變。農民要 想獲得穩定報酬，涉農產業要想形成競爭力，政府就必須對農業生產發展給予財 政支持。
四、 規模報酬遞減理論
在技術水平與要素價格保持不變的前提下，生產者為了獲得更多收益，便會 擴大要素投入規模，當經濟產出增加的比例小于要素投入增加的比例，生產主體 的投入產出便處于規模報酬遞減階段。規模報酬遞減產生的原因是：在一定的技 術水平下，各項可變要素與固定要素之間存在一個最優比例與最優規模，當各種 要素投入比例與規模達到最佳狀態之后，如果繼續加大可變要素的投入量，其與 固定要素投入量之間的比例就會偏離最佳狀態，此時便會出現投入增加但生產率 卻持續下降的現象。
農業生產也是如此，當農藥化肥等可變要素投入與種植面積等固定要素投入 偏離最佳狀態之后，若繼續加大可變要素投入，農業經濟產出卻不會出現同比例 變動。
14
第三節 作用機理與研究假設
一、財政支農對農業綠色全要素生產率的影響機理
要素投入是農業生產的前提，經濟產出是農業發展的主要目標，而污染排放 則是農業負外部性的典型體現。農業生產要素投入，經濟產出（期望產出）及污 染排放物（非期望產出）共同決定了其全要素生產率水平，因此下文分別從投入 和產出兩個角度來分析財政支農對農業綠色全要素生產率的作用機理：
（一）投入角度。農業綠色全要素生產率的變動可以分解為技術效率變動與 技術進步變動。技術效率是對決策單元的資源配置能力、資源使用效率等多方面 能力的綜合評價，其效率值的大小與要素配置合理程度、綜合管理水平相掛鉤。 技術進步衡量的是相同要素投入在不同時期下最優產出水平的差距，其與新型科 學技術的研發及推廣息息相關。財政支農通過價格補貼一方面可以改變農藥、化 肥等生產要素的相對價格，另一方面可以改變農業生產者的獲利預期，使農戶的 生產行為發生變化，進而影響到生產要素的配置效率。此外，財政支農對于農業 技術研發的投入不僅可以保障農業科技研發的順利推進還可以促進新型農業技 術的應用推廣。當生產要素的投入變化與技術進步的偏向保持一致時，農業綠色 全要素生產率就會得到提高；反之，當生產要素的投入變化與技術進步的偏向相 背時，則可能對農業綠色全要素生產率產生負向影響。
（二）產出角度。財政支農對農業產出的影響有兩個方面，一方面是對農業 產值、糧食產量、農民收入等經濟產出（期望產出）的影響；另一方面是對二氧 化氮、五氧化二磷等農業污染排放物（非期望產出）的影響。財政支農可以改善 農業生產條件，如提高機械化作業水平、農田灌溉水平以及種植推廣高產抗病毒 的新品種農作物，從而在增加農業經濟產出（期望產出）的同時減少污染排放（非 期望產出）。但如果財政資金使用效率低下或者被過度用于對污染性生產要素的 價格補貼，就會使得農業經濟產出（期望產出）減少、污染排放（非期望產出） 增加，農業面源污染進一步惡化。在財政支農資金的影響下，若農業經濟產出增 加，污染排放減少，農業綠色全要素生產率的水平會有效提升；反之，若經濟產 出減少，污染排放增加，則農業綠色全要素生產率的水平就會出現下降。基于上 述分析，本文提出如下假設：
假設la：財政支農有利于農業綠色全要素生產率的提升
假設lb：財政支農對農業綠色全要素生產率的提升會起到抑制作用
二、環境規制對農業綠色全要素生產率的影響機理
本文分別從長期和短期兩個視角來闡述環境規制影響農業綠色全要素生產 率的作用機理：
15
（一） 從短期視角來看，環境規制強度的提升會顯著增加農業生產者的治污 成本及農業新技術的使用成本，這些額外成本會壓縮農業生產要素投入的整體規 模，對要素投入產生“擠出效應”，其在減少農業污染排放的同時也會降低農業經 濟產出。這種“擠出效應”主要體現在以下三個方面：1、短期內環境規制強度的 提升會促使農業生產者加大對環境修復、農業機械硬件升級、廢棄物回收處理、 清潔生產技術研發應用等方面的支出，這些支出會擠占農業生產者的要素投入規 模，并最終降低農業期望產出。 2、環保型生產要素的研發周期長且市場價格較 高，短期內環境規制強度的提升會促使農業生產者減少農藥化肥等污染型生產要 素的使用從而滿足污染排放指標，但隨著傳統污染型生產要素投入的減少，農業 經濟產出（期望產出）也會隨之減少。 3、短期內環境規制強度的提升會擠占農 業生產者參加技能培訓的費用，降低其學習新型農業技術的效率，阻礙農業技術 進步的整體水平從而降低農業期望產出。
（二） 從長期視角來看， “擠出效應”對農業生產的負面影響將逐漸被“創新 補償”效應所抵消。環境規制在長期對農業生產的“創新補償”效應主要體現在以 下兩個方面：1、環境規制強度的提高會倒逼農業生產者減少污染排放、優化要 素配置水平并進延長農產品產業鏈，提高農產品附加值。這些因環境規制而改變 的農業生產行為可以有效提升農民收入、糧食產量等農業經濟產出的水平，并逐 漸抵消環境規制因“擠出效應”帶來的負面影響。 2、農業新興技術及環保型生產 要素的研發和使用成本在長期都會逐漸降低，環境規制驅動著農業生產者選擇新 興農業生產技術并加大環保型生產要素的投入水平，這些舉措將會在保護生態環 境的同時大幅提高農業經濟產出。
三、環境規制對財政支農與農業綠色全要素生產率關系的影響機 理
通過對前文機理分析的闡述，可以發現財政支農支出對農業綠色全要素生產 率的影響方向是存在多種可能的，而環境規制對于農業污染排放（非期望產出） 卻始終起到抑制作用，本文從環境規制強度的高、低兩個層面對其調節效應展開 分析：
當環境規制的強度較高時，其對生產要素規模的擠出效應明顯。環境規制在 促使農業生產者改變生產行為的同時還能倒逼地方政府降低對傳統污染型生產 要素的價格補貼力度，加大對環保型生產要素以及綠色農業技術研發的補貼力度。 強力的環境規制會刺激財政支農資金的分配調整，使得環保型生產要素的相對價 格有所降低，農業生產者為了獲得收益會在支出預算內增大環保型生產要素的投 入比例，從而保證農業期望產出不會降低。因此，若從財政支農正向促進農業綠 色全要素生產率的假設出發，在強環境規制的影響下，農業期望產出不會降低，
16
非期望產出會明顯減少，財政支農支出對農業綠色全要素生產率的促進作用會得 到增強。反之，從財政支農抑制農業綠色全要素生產率的假設出發，環境規制則 會削弱財政支農支出對農業綠色全要素生產率的抑制作用。
當環境規制強度較弱時，農業生產過程中污染性生產要素的投入規模會與上 一年度基本持平。這是因為環保型生產要素與傳統污染型生產要素對于農業增產 增收的效用并無明顯差距，但傳統污染型生產要素的市場價格更低。為了控制成 本以及彌補治污費用帶來的損失，農業生產者會主動提高要素配置的效率水平以 期增加農業經濟產出。環境規制在一定程度上對財政支農優化要素配置，增加期 望產出起到了助推作用。因此，若從財政支農促進農業綠色全要素生產率提升的 假設出發，在環境規制的影響下，農業期望產出會增加，非期望產出基本不變， 財政支農對農業綠色全要素生產率的促進作用會得到增強。反之，從財政支農抑 制農業綠色全要素生產率的假設出發，環境規制則會削弱財政支農對農業綠色全 要素生產率的抑制作用。基于上述分析，本文繼續提出以下假設：
假設2a：環境規制對財政支農與農業綠色全要素生產率的關系具有正向調 節作用。
假設2b：環境規制對財政支農與農業綠色全要素生產率的關系具有負向調 節作用。
17
第三章 財政支農的現狀與農業綠色全要素生產率、環境規
制的測算分析
第一節 我國財政支農的現狀與存在的問題
一、我國財政支農的現狀
改革開放以來，我國財政支農大致經歷了 3個發展階段：第一階段（1978 年-1994年），這一階段由于農業基礎設施條件薄弱，國家引導出臺了一系列措 施鼓勵和引導地方政府加大對農業的財政支持，如加大對大豆、棉花、油料作物 等大宗農產品生產環節的扶持力度依舊實施大規模的農業綜合開發。第二階段 （1994年-2002年），這一階段隨著政府職能轉變、分稅制改革的推進以及積極 型財政政策的實施，財政支農資金較上一階段有了大幅提升同時支出結構也更加 合理。國家一方面加大了對支援農村生產、農業綜合開發、農林水部門事業費等 的財政支持力度，另一方面也加大農業基礎設施建設力度并著手實施農村生態建 設。第三階段（2003 年至今），在此階段，財政支農的重點由農業生產向農村 民生與生態建設傾斜，并致力于服務城鄉一體化發展。
（一）我國財政支農的絕對規模分析
由于財政支農資金的統計口徑在2007 年發生了重大調整，本文僅對樣本期 內財政支農資金的變動情況展開分析。從2007年到 2020年，財政支農資金的總 體規模及增長率如圖 3-1 所示：
圖 3-1 2007-2020 年財政支農總體規模及增長率
從圖3-1 可以發現，樣本期內我國財政支農的資金規模不斷擴大，從 2007 年的 3091 億增加到 2020年的 23445億，增長了近6.5倍，這說明我國政府支持 農業發展的力度不斷提高，對三農問題的重視程度也逐漸上升。從支農資金增長 率的變化趨勢來看，不同年份財政支農資金總體規模的差異較大，在2009年之 前，支農資金的增長率都維持在 40%以上，但從2010 年開始，支農資金的增長
18
率普遍在 30%以下，且支出增長乏力，支出增長速度呈逐年下降趨勢。 （二）我國財政支農資金的相對規模分析
40.00%
5.00%
0.00%
財政支農/財政總支出（％） 財政支農/農業總產值（％）
圖 3-2 2007-2020 年財政支農占財政總支出、農業總產值的比重
從圖 3-2 可以看出我國財政支農支出在財政總支出中的比重自2007 年開始 呈緩慢增長趨勢，但始終低于 10%，這說明我國政府對農業發展的重視程度雖然 有所提高，但仍然存在較大的提升空間。此外，財政支農支出占農業總產值的比 重也不斷提高，其從2007 年的 13.5%上升到2020 年35%，增長了近1.6倍，這 反映了財政支農對農業經濟產出的驅動作用也正在不斷加大。
二、我國財政支農支出存在的問題 其一，我國財政支農資金的總體規模逐年增加，但其占財政總支出的比重仍 不足 10%。這表明國家財政對于農業發展的整體支持力度仍然較低，未來仍存在 廣闊的提升空間。
其二，財政支農支出的增長波動性較大且后繼乏力。財政支農支出規模的大 幅變動一定程度上會影響其內部結構的穩定性，不利于農業經濟的平穩發展。
19
第二節 農業綠色全要素生產率的測算與分解
一、農業綠色全要素生產率的測算與分解方法
在SBM標準效率模型的基礎上，Tone (2004)建立了包含非期望產出的超 效率SBM模型，有效解決了對多個有效單元進行比較的難題，使得測度結果更 加精準。本文借鑒 Tone (2004)的方法對各生產決策單元的農業綠色全要素生 產率進行測度，方法介紹如下：
假設存在n個不同的決策單元(DMU),每個決策單元都包含m種投入、期 望產出亠與非期望產出s2三種要素，在此基礎上，定義如下矩陣：
X 十,X2,…,訃 Rm”"
y—扮，瑣…k Rw
包含非期望產出的非徑向非角度超效率SBM模型可以表示為:
— + g —b
si 、 srg、 sp 分別表示要素投入、期望產出與非期望產出的的松弛變量， x、
*
yr、yP分別表示要素投、期望產出與非期望產出，2為權重向量，P為決策
*
單元的效率值，P的值越大表示效率值越高，從而可以對決策單元進行排序比 較。但是此時的效率值只是一定技術水平下的靜態效率值，只能反映各決策單元
20
與生產前沿面的關系，并不能反映生產率的動態變化。為此，Oh (2010)在前 人的研究基礎上，將全局測算技術與 ML 指數結合形成了 GML( Globe Malmquist luenburger)指數。GML指數以全期的總和作為參照，可以避免生產前沿偏移并 且具有可傳遞性。近年來，GML指數被廣大學者青睞并用于綠色全要素生產率 的動態分析。 GML 指數的表達式為：
若GML "+1》1，則說明該決策單元的綠色全要素生產率相對于上年水平 有所提升，若GML "+1 Y 1，則說明該決策單元的綠色全要素生產率相對于上 年水平有所下降。此外，GML指數可以分解為技術進步指數(TC)和技術效率 指數(EC) ,GML指數的分解如下：
GMLt,t+1
上式中， GML t,t +1 為綠色全要素生產率指數， EC t,t+1 為技術效率指數，表 示生產決策單元實際產出水平向最大產出水平的追趕速度，TC"為技術進步 指數，表示該生產決策單元向技術前沿的進步速度。當GML"+\、EC"+1、 TC"+1的數值均大于1時，分別表示該生產決策單元的綠色全要素生產率、技 術效率以及技術水平相對于上一年有所提升。
二、指標體系的構建與數據說明
一）測算農業綠色全要素生產率的指標體系
表 3-1 測度農業綠色全要素生產率的指標體系
指標類型 指標名稱 具體變量
化肥投入 化肥折純使用量
農藥投入 農藥折純使用量
地膜投入 地膜使用量
要素投入 勞動力投入 農業從業人數
土地投入 農作物總播種面積
農用機械投入 農機總動力
農田灌溉投入 有效灌溉面積
期望產出 農業總產值 農業總產值
非期望產出 農業污染 總氮、總磷、農藥殘留、地膜殘留
本文從種植業的要素投入、期望產出、非期望產出這三個維度來構建測算農 業綠色全要素生產率（GTFP）的指標體系，其中要素投入的指標包括農藥使用 量、化肥使用量、地膜使用量、農業勞動力人數、土地投入、農用機械投入、農 田灌溉投入；期望產出指標為農業總產值；非期望產出指標為農藥殘留量、化肥 施用所流失的總氮、總磷以及地膜殘留量。測度農業綠色全要素生產率的指標體 系如表 3-1 所示。
本文農業生產要素投入中的化肥投入以化肥折純使用量表示；農藥投入以農 業折純使用量表示；地膜投入以農用地膜使用量表示；勞動力投入以第一產業從 業人數乘上農業總產值對農林牧漁總產值的占比進行表示；土地投入以農作物總 播種面積表示，因為總播種面積考慮了同一片土地上重復耕種的情況，相比耕地 面積更加合理；農用機械投入以農機總動力乘上農業總產值對農林牧漁總產值的 占比進行表示。期望產出中的農業總產值以 2007年為基期，用每年的農業總產 值指數對名義農業總產值進行平減，以消除價格波動的影響。 非期望產出中的 農藥殘留量與地膜殘留量難以精準核算，本文參考賴斯蕓等（2004）、王奇等（2012） 的做法，利用“單元調查評估法”對農藥及地膜殘留量進行核算，單元調查評估法 的計算公式如下所示：
E =工 SU “ x P “ （3.4）
t
上式中的E表示污染物排放量，SUt為生產單元的討旨標在t年的使用量，pt 為污染物i在t年的產污強度系數，各省的產污強度系數來源于國務院第一次全 國污染普查的《農藥流失系數手冊》以及《農田地膜殘留系數手冊》。
本文氮、磷的總排放量采用產排污系數法進行核算，其計算公式如下所示：
22
Qj = （Ag X egj + Ay X eyj）X q X I。" （3.5）
q0
上式中的。為生產決策單元第j項污染物的排放量，Ag為農作物總播種面 積，％為農作物種植過程中第j項污染物的流失系數，Ay為園地面積，為園 地第j項污染物的流失系數，幻為調查年度生產決策單元含氮化肥、含磷化肥的 單位面積使用量，q0為2017年生產決策單元含氮化肥、含磷化肥的單位面積使 用量，其中各省的污染物流失系數來源于《農業源產排污系數手冊》。
（二）數據來源與變量的描述性統計 囿于數據的可得性，本文收集了2007-2020年全國30個省份（除西藏外） 與農業生產相關的投入產出數據，數據來源于《中國人口統計年鑒》、《中國農 村統計年鑒》、《中國環境統計年鑒》以及各省統計年鑒。變量的描述性統計如 表 3-2 所示：
表 3-2 投入產出變量的描述性統計
變量名稱 單位 平均值 標準差 最小值 最大值
化肥投入 萬噸 187.78 143.734 5.5 716.1
農藥投入 噸 55565.32 42387.95 1233 173461
地膜投入 噸 43631.12 41174.05 439 242674
勞動力投入 萬人 457.0913 325.9266 15.39766 1697.062
土地投入 千公頃 5429.21 3727.321 88.6 14910.1
農用機械投入 萬千瓦 1726.514 1584.392 44.5951 7065.782
農田灌溉投入 千公頃 2121.091 1597.74 109.2 6177.6
農業總產值 億元 1182.88 853.7485 49 3757.597
總氮 噸 20784.33 21450.45 69.40476 68212.08
總磷 噸 2297.279 2506.07 3.453783 8665.579
農藥殘留 噸 5997.672 5869.401 0.4932 21321.93
地膜殘留 噸 9852.928 13305.46 151.1038 83528.39
從變量的描述性統計表可以發現，農業生產各項投入產出的標準差非常大， 且各項指標的最小值與最大值之間的差距也非常大，這說明在不同時間，不同地 區的要素投入水平、期望產出水平與非期望產出水平之間存在著較大差距。
三、農業綠色全要素生產率及其分解的測算結果與分析
（一）靜態視角下農業綠色全要素生產率的測算結果及分析
本文利用MAXDEA 8 ultra軟件對農業綠色全要素生產率進行測度，并就測 度結果從全國層面以及區域層面展開分析。靜態農業綠色全要素生產率的測度結 果如表 3-3 所示：
23
表 3-3 靜態農業綠色全要素生產率的測算結果
DMU 2007 2008 2009 2010 2011 2012 2013
北京 1.1601 1.1615 1.1643 1.1521 1.1564 1.1572 1.1546
天津 1.0021 0.5051 0.5272 1.0083 0.5952 1.0031 1.0168
河北 1.0037 0.5155 0.4104 1.0126 0.4915 0.5073 0.5863
山西 0.2102 0.2228 0.2905 0.3204 0.3129 0.3119 0.2939
內蒙古 0.6607 0.5428 0.3331 0.3528 0.3961 0.3447 0.3369
遼寧 1.0542 1.0491 1.0505 1.0478 1.0585 1.0602 1.0597
吉林 1.0429 1.0375 1.0389 1.0381 1.0345 1.0255 1.0366
黑龍江 1.0213 1.0275 1.0284 1.0256 1.0502 1.0623 1.0794
上海 1.0956 1.0961 1.0949 1.0998 1.0895 1.0622 1.0474
江蘇 0.5837 1.0190 1.0206 1.0313 1.0245 1.0211 1.0106
浙江 1.0156 1.0092 0.4905 1.0119 1.0079 1.0071 1.0083
安徽 0.3648 0.3694 0.3171 0.3530 0.3080 0.3055 0.2746
福建 1.0210 1.0182 1.0188 1.0316 1.0343 1.0307 1.0234
江西 0.3685 0.3525 0.2984 0.2919 0.2906 0.2861 0.2965
山東 0.4213 1.0153 1.0026 1.0010 0.4358 0.4227 0.4322
河南 0.6471 0.6399 0.7329 0.7171 0.4379 0.4474 0.4182
湖北 0.4935 0.5663 0.5738 1.0086 1.0244 1.0322 1.0300
湖南 0.4567 0.4888 0.4017 0.5523 0.5747 0.5552 0.4036
廣東 1.0773 1.0748 1.0725 1.0710 1.0658 1.0631 1.0669
廣西 1.0358 1.0441 1.0253 1.0204 1.0192 1.0113 1.0015
海南 1.0526 1.0584 1.0675 1.0556 1.0548 1.0544 1.0549
重慶 0.4685 1.0031 1.0108 1.0004 1.0012 1.0097 1.0071
四川 1.0050 1.0163 1.0066 1.0003 1.0066 1.0140 0.4748
貴州 1.0004 0.4248 0.4082 0.3905 0.3499 0.4306 1.0129
云南 0.3267 0.3275 0.3020 0.2806 0.2951 0.3234 0.3099
陜西 1.0715 1.0852 1.0644 1.1002 1.1155 1.1189 1.1142
甘肅 1.0742 1.0722 1.0728 1.0661 1.0616 1.0722 1.0215
青海 1.1793 1.1780 1.1184 1.1040 1.0930 1.0912 1.0924
寧夏 1.0838 1.0869 1.0891 1.0594 1.0686 1.0461 1.0577
新疆 1.1458 1.1199 1.1287 1.1354 1.1196 1.1205 1.1213
表 3-3（續表） 靜態農業綠色全要素生產率的測算結果
DMU 2014 2015 2016 2017 2018 2019 2020
北京 1.1473 1.1446 1.1392 1.1425 1.1334 1.1304 1.1266
天津 1.0262 1.0326 1.0500 1.0313 1.0423 1.0416 1.0407
河北 0.5097 0.4738 0.5043 0.4294 1.0029 1.0043 0.6661
山西 0.3044 0.2808 0.2953 0.2844 0.3125 0.3304 0.3478
內蒙古 0.3820 0.3219 0.3395 0.4179 1.0126 1.0174 1.0211
遼寧 1.0561 1.0712 1.0637 1.0367 1.0416 1.0458 1.0389
吉林 1.0453 1.0254 1.0096 0.3814 0.4371 0.4782 0.4552
黑龍江 1.0786 1.0685 1.0675 1.1023 1.1001 1.1034 1.0835
上海 1.0420 1.0288 1.0077 1.0131 1.0278 1.0103 0.5911
24
江蘇 1.0125 1.0301 1.0312 1.0361 1.0271 1.0204 1.0089
浙江 1.0164 1.0143 1.0406 1.0413 1.0478 1.0582 1.0696
安徽 0.2823 0.2743 0.2888 0.2973 0.3059 0.2977 0.3238
福建 1.0236 1.0334 1.0406 1.0417 1.0398 1.0445 1.0470
江西 0.3023 0.3265 0.3603 0.3766 0.4153 0.4717 0.4662
山東 0.4801 0.4787 0.4700 1.0226 1.0472 1.0449 1.0368
河南 0.4254 0.4195 0.4244 0.4475 0.5327 0.6368 0.5892
湖北 1.0204 1.0172 1.0182 1.0333 1.0376 1.0676 1.0728
湖南 0.4148 0.4149 0.4565 0.3555 0.3746 0.4022 0.5142
廣東 1.0664 1.0627 1.0760 1.0704 1.0738 1.0726 1.0728
廣西 1.0034 0.5315 0.5303 1.0053 0.5601 0.5328 0.6579
海南 1.0684 1.0680 1.0573 1.0712 1.0669 1.0682 1.0707
重慶 0.7251 0.6968 1.0115 1.0117 1.0136 1.0166 1.0061
四川 0.5561 0.5349 0.6376 0.6881 0.7685 1.0057 1.0113
貴州 1.0480 1.0851 1.0827 1.0929 1.1079 1.1182 1.1240
云南 0.3259 0.3091 0.3192 0.3311 0.4094 0.4575 0.5215
陜西 1.1156 1.0980 1.0959 1.1033 1.1012 1.0981 1.0907
甘肅 1.0193 1.0413 1.0390 1.0004 1.0125 1.0157 1.0251
青海 1.1009 1.0864 1.1055 1.1092 1.1049 1.1328 1.1429
寧夏 1.0591 1.0812 1.0718 1.0611 1.0760 1.0432 1.0056
新疆 1.1159 1.1032 1.1111 1.1197 1.1205 1.0998 1.0993
從靜態農業綠色全要素生產率的測算結果可以發現：（一）北京，上海這兩 個直轄市的農業綠色全要素生產率歷年數值均維持在較高水平，其原因可能是在 城市建設規模不斷擴張，農業用地逐年減少的現實背景下，北京、上海兩地的農 業生產者已不可能再依靠要素的大規模投入來增加農業產出，轉而利用其區位優 勢并依靠先進的農業技術來增加農業產出。（二）以遼寧、吉林 、黑龍江為代 表的東北地區，因為自然條件的相對優越，例如土壤肥力高、河網遍布灌溉方便 以及地勢平坦利于機械化作業等等，使得農業期望產出增加，有效促進了農業綠 色全要素生產率水平的提升。（三）以江蘇、福建、廣東為代表的經濟發達地區， 農業綠色全要素生產率也處于較高水平，可能的原因是這些地區經濟發達，地方 政府配套實施的財政扶持力度較大，農業生產者對于新技術以及環保型生產要素 的使用成本顯著降低，從而帶動了農業綠色全要素生產率的提升。
為了反映全國層面和區域層面 農業綠色全要素生產率的變動趨勢與特征， 本文在計算各年度全國和各區域農業綠色全要素生產率平均值①的基礎上繪制了 圖 3-3 和圖 3-4：
① 此處平均值為全國農業綠色全要素生產率的算術平均值
25
0.74
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
圖 3-3 全國層面靜態農業綠色全要素生產率平均值的變動趨勢
從圖3-3 可以發現：（一）自2007-2014年，全國農業綠色全要素生產率的 平均值均在 0.83 的較高水平附近上下浮動，可能是因為 2007年國務院牽頭開展 了第一次全國污染普查，農業污染問題的嚴重性開始引起社會各界的高度重視， 隨著一系列環境治理類法律法規的頒布實施，農業污染排放問題得到了有效控制。 （二）從 2015-2020年，我國農業綠色全要素生產率的平均值呈顯著上升趨勢， 這是因為自 2015年開始，國家加大了農業面源污染治理力度，大力推廣測土配 方施肥等新型農業技術，并致力于農業環境保護與生態修復，推動綠色農業高效
從圖3-4可以發現：（一）東中西各部地區的農業綠色全要素生產率的平均 值①大致呈階梯下降式排布，其中東部地區最高，常年穩定在1左右，與中部、 西部地區相比優勢明顯，這可能是得益于東部地區較高的經濟發展水平與政策扶 持力度。經濟水平越高，地方政府配套實施的政策扶持力度越大，就會吸引包括 勞動力在內的生產要素實現跨區域流動，產生虹吸效應。（二）中西部地區
① 此處的平均值為算術平均值
26
2007-2016年農業綠色全要素生產率的均值常年穩定在0.6與0.5左右，自2017
年開始均呈現顯著的上升趨勢，相比于全國層面2015年就開始呈現上升趨勢， 可能的原因為：中西部地區經濟發展壓力大，財政支農政策發揮經濟效應具有滯 后性。
（二）動態視角下農業綠色全要素生產率及其分解的測算結果與分析
SBM模型測算出的農業綠色全要素生產率是靜態效率，只能在同一時間層 面上對各個決策單元效率值進行比較。為此，本文在SBM模型的基礎上，構造 GML 指數模型，用 GML 指數來刻畫各生產決策單元農業綠色全要素生產率動 態變化過程， GML 指數的測算結果如下表所示：
表 3-4 GML 指數的測算結果
DMU 2008 2009 2010 2011 2012 2013
北京 1.0740 1.1028 1.2028 1.0862 1.1876 1.2004
天津 1.0391 1.0495 1.1738 1.0256 1.0915 1.1277
河北 1.0426 1.0445 1.2408 1.0700 1.0654 1.0914
山西 1.0539 1.4357 1.1333 1.0136 1.0055 1.0378
內蒙古 0.9836 0.9666 1.0766 1.0530 0.9595 0.9964
遼寧 1.0351 1.0591 1.0765 1.4034 1.2329 1.0737
吉林 0.9604 1.0416 1.0106 1.0078 1.0233 1.0538
黑龍江 1.1375 0.9821 0.9742 1.1668 1.8402 1.5038
上海 1.0635 1.1091 1.1577 1.0877 1.0073 1.0726
江蘇 1.1908 1.0523 1.1187 1.1240 1.0675 1.0388
浙江 1.0529 1.0405 1.1822 1.1098 1.0572 1.0996
安徽 1.0589 1.0088 1.1269 1.0549 1.0173 0.9934
福建 1.0652 0.9959 1.1382 1.1077 1.0620 1.0035
江西 1.0413 0.9918 1.0625 1.0780 1.0444 1.1278
山東 1.0993 1.0995 1.1181 1.0260 1.0229 1.1248
河南 1.0715 1.0291 1.1946 0.9601 1.0539 1.0301
湖北 1.1194 0.9888 1.1863 1.1164 1.0376 1.0084
湖南 1.1434 0.9821 1.2028 1.0860 1.0620 0.9643
廣東 0.9846 0.9524 1.0724 1.0654 1.0379 1.0700
廣西 1.0484 0.9077 1.1072 1.1051 0.9801 1.0000
海南 0.9419 0.9769 1.0395 1.0860 1.0531 0.9706
重慶 1.0510 0.9988 1.1021 1.1399 1.0739 1.0550
四川 1.1524 0.9944 1.0655 1.1042 1.0595 1.0103
貴州 0.9963 1.0174 1.0939 1.0356 1.1205 1.1739
云南 1.0008 1.0116 0.9863 1.0960 1.0922 1.0821
陜西 1.1414 0.9088 1.3306 1.1570 1.1039 1.6901
甘肅 0.9914 1.0033 1.3496 1.0948 1.3771 1.4004
青海 1.0470 0.6608 1.4009 0.6218 1.1485 1.4041
寧夏 1.0023 0.5662 1.1217 1.0333 0.9717 1.0265
新疆 0.8610 1.0540 1.7809 0.8076 1.1092 0.9104
27
表 3-4（續表） GML 指數的測算結果
DMU 2014 2015 2016 2017 2018 2019 2020
北京 1.0937 1.0134 1.0714 1.1338 1.3360 1.2897 1.0001
天津 1.0538 1.0285 1.0487 0.8239 1.2037 1.0315 1.0956
河北 0.9665 0.9769 1.0118 0.8090 1.1775 1.0541 1.0345
山西 1.0084 0.9769 1.0169 0.9101 1.0476 1.0253 1.0478
內蒙古 1.0066 0.9091 0.9950 0.9463 1.0987 1.0476 1.1332
遼寧 1.0555 1.1266 1.1210 0.5016 1.3772 1.2128 1.3853
吉林 0.9450 0.9559 0.8340 0.6538 1.0915 1.0545 1.0453
黑龍江 0.8903 0.8414 0.7984 1.6798 1.3765 1.4786 1.2295
上海 1.0339 1.0273 1.0701 1.0680 1.1125 1.0884 1.0932
江蘇 1.0149 1.0840 1.0121 0.9921 1.0082 1.0307 1.0367
浙江 1.0195 1.0265 1.0987 0.9702 1.0435 1.0912 1.1069
安徽 1.0067 0.9774 1.0248 0.9737 0.9944 1.0188 1.1711
福建 1.0485 1.0168 1.1402 0.8577 1.0481 1.0430 1.0741
江西 1.0162 1.0467 1.0585 0.9709 1.0415 1.0728 1.0692
山東 1.0263 1.0030 0.9234 0.9362 1.0625 1.0520 1.0553
河南 1.0197 0.9827 0.9616 0.9773 1.0852 1.0437 1.0712
湖北 0.9844 0.9825 1.0515 0.9730 1.0553 1.1982 1.0903
湖南 1.0071 1.0139 1.0349 0.7811 1.0032 1.0631 1.2413
廣東 1.0067 1.0124 1.1162 0.8889 1.0727 1.0440 1.1001
廣西 0.9903 0.9908 1.0196 1.0383 1.0126 1.0137 1.1107
海南 1.0554 0.9930 1.0740 0.9399 1.0376 1.0168 1.0638
重慶 1.0174 1.0193 1.0884 0.9645 1.0920 1.0386 1.0544
四川 1.0101 1.0459 0.9962 1.0257 1.0248 1.0507 1.0676
貴州 1.2067 1.2247 1.0137 1.0283 1.9131 1.5969 1.3451
云南 1.0023 0.9437 0.9859 0.9666 1.1103 1.0559 1.1269
陜西 1.3365 0.6895 1.0519 0.8191 1.7707 1.1502 1.3670
甘肅 0.9959 1.0016 1.0190 0.3931 1.0943 1.0421 1.1774
青海 0.9913 0.7178 1.0158 0.9557 1.4325 0.8691 1.2407
寧夏 0.9032 1.1399 0.9567 0.9567 1.6178 0.9983 1.0025
新疆 0.7948 0.9257 0.9705 1.0896 1.1085 1.1581 1.2240
注：GML指數為效率值相對于上一年度的變化情況，故結果的時間跨度為2008-2020年。
GML指數表示效率值相對于上年同期水平的變化程度，當GML》1時，說 明相對于與上一期而言，效率水平有所提升。觀察GML指數的測算結果可以發 現：（一）北京、天津、河北、山西、遼寧、江蘇、浙江、福建、江西、山東、 重慶、四川、貴州、河北、湖南、廣東、陜西、甘肅這18 個地區大部分年份的 農業綠色全要素生產率相對于上年水平都有所提升，僅有個別年份出現了效率值 降低的情況，說明這些地區農業綠色全要素生產率正在逐年改善，農業發展質量 得到穩步提升。（二）內蒙古、吉林、黑龍江、安徽、河南、湖北、廣西、海南、 云南、青海、寧夏、新疆這12個地區均至少有 4年及更多年份出現了農業綠色
28
全要素生產率下降的情況，表明這些地區的農業發展質量存在較為嚴重的倒退情 況。
本文在測算GML指數的基礎上還將其分解為EC （技術效率指數）與TC （技 術進步指數），全國整體層面 GML、EC、TC 指數的測算結果的算術平均值及 變動趨勢如下所示：
表 3-5 全國層面 GML、EC、TC 指數測算結果的平均值
時間跨度 GML 指數 EC 指數 TC 指數
2007-2008 1.0484 1.0379 1.1146
2008-2009 1.0011 0.9634 1.0726
2009-2010 1.1609 0.9917 1.2660
2010-2011 1.0641 0.9651 1.1423
2011-2012 1.0988 0.9406 1.1822
2012-2013 1.1114 0.8963 1.2867
2013-2014 1.0169 0.9506 1.1841
2014-2015 0.9898 0.9766 1.0154
2015-2016 1.0194 0.9660 1.0606
2016-2017 0.9342 0.8388 1.1693
2017-2018 1.1817 0.9066 1.4085
2018-2019 1.0977 0.9266 1.2102
2019-2020 1.1287 1.2128 1.0093
平均值 1.0656 0.9672 1.1632
1.6000
0.6000
0.4000
0.2000
0.0000
T?診診 T? 診 T? T? T? T? T?卩
宀 3 3 0 S & g o' $ a
診T? T?診T?診診T?診診T? T?診
♦ GML指數■ EC指數 A TC指數
圖 3-5 全國層面 GML、EC 、TC 指數的算術平均值
基于圖3-5可以發現：（一）2007年-2020年我國GML指數、TC指數的算 術平均值分別為 1.0656和 1.1632，這表明我國整體層面的農業綠色全要素生產
29
率和農業技術水平在絕大部分年度都實現了同比增長。（二）EC指數的算術平 均值為0.9671，說明全國層面的技術效率在較多年份都出現了同比下降的情況， 農業生產領域要素配置效率、管理水平等均出現了較嚴重的倒退情況。（三） TC指數與GML指數的變動趨勢相同且均值大于1,而EC指數的均值小于1， 表明農業科技水平可能是促進綠色全要素生產率不斷增長的動力源泉。
此外，本文還測算出樣本期內東部、中部、西部各區域的 GML 指數、 EC 指數 、 TC 指數的算術平均值，以探究各個指數是否會因地理位置、經濟發展水 平、自然稟賦的不同從而呈現出差異性，測算結果如下圖所示：
1.4000
1.2000
1.0000
0.8000
0.6000
0.4000
0.2000
0.0000
圖3-6 2008-2020年補貼區域GML、EC、TC指數的平均值
從圖3-6可以發現：（一）東部、中部、西部地區GML指數的算術平均值 均大于 1，但西部地區農業綠色全要素生產率的增長速度相比東中部地區更快， 可能的原因是西部地區農業綠色全要素生產率的基數相對較低。（二）東部、中 部、西部地區EC指數的算術平均值均小于1，農業技術效率倒退在全國是普遍 現象，并未因經濟發展水平、地理位置等出現明顯差異。（三）東部、中部、西 部地區TC指數的算術平均值均大于1，表明農業技術水平在各區域都得到了有 力提升。（四）東部、中部、西部地區TC指數的算術平均值呈階梯式遞減，可 能的原因是地區經濟水平越高，對農業科技研發投入的力度也越強，農業科技水 平的增長幅度也越大。
30
第三節 環境規制的測算結果與分析
一、測算方法
本文在計算化肥施用排放的氮，磷總量、農藥殘留量、以及農用地膜殘留量 的基礎上，通過熵權法對這 4種污染物指標分別賦予權重，從而得出一個新的綜 合指標并將其命名為綜合污染排放量。綜合污染排放量越高代表環境規制強度越 低，在對其進行逆向化處理之后，得出一個新的指標并命名為環境規制強度。
二、環境規制的測算結果與分析
表 3-6 2008-2020 年各省的環境規制強度
DMU 2008 2009 2010 2011 2012 2013
北京 0.9953 0.9955 0.9955 0.9957 0.9959 0.9959
天津 0.9902 0.9904 0.9907 0.9909 0.9911 0.9915
河北 0.8647 0.8635 0.8651 0.8662 0.8641 0.8627
山西 0.9239 0.9201 0.9199 0.9159 0.9123 0.9112
內蒙古 0.9424 0.9351 0.9283 0.9280 0.9155 0.9094
遼寧 0.9427 0.9443 0.9378 0.9382 0.9369 0.9339
吉林 0.9615 0.9612 0.9606 0.9547 0.9515 0.9516
黑龍江 0.8753 0.8676 0.8570 0.8504 0.8423 0.8410
上海 0.9603 0.9661 0.9671 0.9703 0.9723 0.9739
江蘇 0.3581 0.3617 0.3726 0.3882 0.4031 0.4194
浙江 0.5896 0.5933 0.5924 0.5953 0.5836 0.5900
安徽 0.4643 0.4666 0.4608 0.4524 0.4493 0.4504
福建 0.8095 0.8087 0.8083 0.8090 0.8090 0.8103
江西 0.5197 0.5221 0.5096 0.5196 0.5195 0.5266
山東 0.6939 0.7070 0.7110 0.7124 0.7160 0.7198
河南 0.5690 0.5586 0.5512 0.5407 0.5405 0.5415
湖北 0.2887 0.2928 0.3192 0.3180 0.3219 0.3535
湖南 0.4270 0.4379 0.4361 0.4352 0.4305 0.4390
廣東 0.4484 0.4402 0.4395 0.4163 0.4176 0.4328
廣西 0.4371 0.4400 0.4300 0.4250 0.4158 0.4089
海南 0.9017 0.8790 0.8811 0.8788 0.8890 0.8807
重慶 0.8725 0.8727 0.8762 0.8761 0.8781 0.8815
四川 0.6090 0.6016 0.6012 0.5987 0.6027 0.6067
貴州 0.7763 0.7811 0.7858 0.7785 0.7766 0.7867
云南 0.6841 0.6934 0.6767 0.6642 0.6503 0.6480
陜西 0.9400 0.9307 0.9349 0.9339 0.9311 0.9307
甘肅 0.9342 0.9287 0.9140 0.9118 0.8999 0.8956
青海 0.9997 0.9987 0.9976 0.9957 0.9956 0.9944
寧夏 0.9946 0.9928 0.9913 0.9902 0.9897 0.9887
新疆 0.8386 0.8541 0.8443 0.8308 0.8273 0.8099
31
表 3-6（續表） 2008-2020 年各省的環境規制強度
DMU 2014 2015 2016 2017 2018 2019 2020
北京 0.9962 0.9967 0.9968 0.9971 0.9974 0.9978 0.9980
天津 0.9919 0.9922 0.9928 0.9946 0.9953 0.9954 0.9958
河北 0.8631 0.8668 0.8680 0.8736 0.9012 0.9070 0.9110
山西 0.9113 0.9135 0.9145 0.9199 0.9257 0.9293 0.9311
內蒙古 0.9077 0.9015 0.9018 0.8945 0.9057 0.9071 0.9124
遼寧 0.9355 0.9372 0.9416 0.9425 0.9426 0.9452 0.9469
吉林 0.9524 0.9522 0.9531 0.9532 0.9546 0.9584 0.9603
黑龍江 0.8370 0.8395 0.8628 0.8628 0.8694 0.8858 0.8882
上海 0.9744 0.9757 0.9770 0.9780 0.9796 0.9832 0.9837
江蘇 0.4299 0.4423 0.4523 0.4803 0.5050 0.5202 0.5367
浙江 0.6088 0.6248 0.6119 0.6327 0.6558 0.6938 0.7354
安徽 0.4583 0.4760 0.4921 0.5048 0.5414 0.5707 0.5946
福建 0.8111 0.8114 0.7659 0.7799 0.7943 0.8068 0.8219
江西 0.5342 0.5380 0.5489 0.5759 0.6172 0.6681 0.7016
山東 0.7310 0.7384 0.7444 0.7575 0.7739 0.7892 0.7972
河南 0.5438 0.5514 0.5714 0.5871 0.6214 0.6418 0.6544
湖北 0.3663 0.3899 0.4045 0.4428 0.5057 0.5373 0.5586
湖南 0.4490 0.4666 0.4593 0.4706 0.4753 0.5237 0.5509
廣東 0.4207 0.4067 0.3529 0.3618 0.4177 0.4467 0.4719
廣西 0.3825 0.3968 0.3638 0.3820 0.4022 0.4133 0.4375
海南 0.8819 0.8781 0.8853 0.8827 0.9037 0.9057 0.9142
重慶 0.8814 0.8826 0.8795 0.8821 0.8847 0.8892 0.8921
四川 0.6075 0.6098 0.6108 0.6266 0.6485 0.6779 0.7096
貴州 0.7842 0.7809 0.7857 0.8008 0.8183 0.8376 0.8500
云南 0.6370 0.6284 0.6117 0.6162 0.6483 0.6751 0.6906
陜西 0.9317 0.9313 0.9295 0.9295 0.9325 0.9350 0.9359
甘肅 0.8781 0.8711 0.8572 0.8780 0.8730 0.8753 0.8743
青海 0.9940 0.9937 0.9934 0.9931 0.9942 0.9940 0.9942
寧夏 0.9880 0.9878 0.9874 0.9873 0.9874 0.9869 0.9857
新疆 0.7525 0.7507 0.7536 0.7635 0.7440 0.7395 0.7442
32
圖 3-8 分地區環境規制強度變動趨勢圖
綜合看表 3-6、圖 3-7、圖 3-8 可以發現：（一）北京、天津、上海的環境規 制強度始終處于較高水平，這可能是出自于大城市人口及工業企業聚集帶來的巨 大環境壓力.（二）山西、內蒙古、青海的環境規制強度也維持在較高水平，可 能是由于這些地區生態環境較為脆弱，生態自我修復的能力較差。（三）從全國 層面來看，環境規制強度于 2008-2016 年基本維持在 0.75 左右，從2016 年開始 呈現出明顯上升趨勢。（四）從區域層面看，西部、東部、中部地區的環境規制 強度呈階梯式遞減分布，其中西部地區環境規制的強度最高。
33
第四章 財政支農對農業綠色全要素生產率影響的實證分
析
第一節 模型設定與變量說明
一、模型設定 本文通過建立面板數據模型實證分析財政支農支出對農業綠色全要素生產 率及其構成的影響，模型的具體形式如下：
GTFP -a + BoCzzn + 0】str + 角dis + f^edu + 0jnc + B’ele + 陽。。+ 角urb + （4.1）
EC - a + 0（）czzn + 0]Str + P2dis + 處血 + 0jnc + f^ele + 無。。+ f^urb + （4.2）
TC - a + 0oCzzn + 0】str + 民dis + 際血 + Bjnc + B.ele + （^eco + 角urb + （4.3）
上式中，GTFP、EC、TC分別為農業綠色全要素生產率、技術效率指數 與技術進步指數， czzn 為財政支農支出， str 為農業結構， dis 為農業受災程度， edu為農村勞動力文化水平，inc農民收入水平，ele為農業基礎設施建設水平， eco為地區經濟發展水平，urb為城鎮化率，&為常數，0為參數估計值，“為 隨機誤差項。
二、指標選取與變量說明
（一）被解釋變量
本文的被解釋變量有農業綠色全要素生產率（GTFP）、技術效率指數（EC） 和技術進步指數（TC）,其中EC指數和TC指數由上一章中由超效率SBM模 型結合GML指數法直接計算得出；農業綠色全要素生產率（GTFP）將初始年 份（2007年）的效率值設定為1，后續年份用GML指數的累乘來表示。
（二） 核心解釋變量
核心解釋變量為財政支農支出，本文用2007-2020年的農林水支出對財政支 農支出進行表征。此外，考慮到通貨膨脹因素對名義農林水支出的影響，本文以 2007 年為不變價，用各地居民消費價格指數對農林水支出進行平減并取對數， 以消除物價變動的影響。
（三） 控制變量 為了能更有效的反映財政支農對農業綠色全要素生產率的影響，在大量閱讀
文獻的基礎上，本文將城鎮化率，地區經濟發展水平等一系列控制變量引入回歸
34
模型。
1 、農業結構
本文農業結構用農業總產值占農林牧漁總產值的比重來表示，農業結構的變 動與期望產出直接掛鉤，因此可能會對農業綠色全要素生產率產生影響。
2、 農業受災程度
農業的生產過程面臨著旱災、澇災、蟲災等自然災害的挑戰，自然災害發生 后，農業生產者會及時調整生產行為，比如加大農藥使用量以應對蟲災，這類生 產行為的調整會直接影響到農業生產要素的投入規模以及非期望產出，并最終影 響到農業綠色全要素生產率。農業受災程度用各省每年受災面積占農作物總播種 面積的比重來表示。
3、 農村勞動力文化水平
農村勞動力的文化水平在其做出生產決策時會起到一定程度上的作用且文 化水平較高的農業生產者可以更有效的接受并應用新興農業科學技術，勞動力的 文化水平可能會通過提升農業科學技術的整體水平從而對農業綠色全要素生產 率產生影響。本文用農村勞動力的平均受教育年限對勞動力文化水平進行表征， 參考（葉初升和惠利， 2014；張淑輝， 2017；楊鈞等， 2019）等的做法，將各地 農村小學、初中、高中、大專及以上勞動力人口占農村總人口的比例作為權重， 再分別乘以各階段的受教育年限，從而得出平均受教育年限。
4、 農民收入水平
當農民收入水平較低時，其在做出生產決策的時候往往只注重于提高經濟效 益而忽視了農業面源污染的問題，隨著農民收入水平的提高，環境保護的理念也 會逐漸得到重視，因此不同的收入可能會通過影響農業非期望產出從而影響到農 業綠色全要素生產率。囿于數據的可得性，本文分別用2007-2013 年的農村居民 人均純收入和2014-2020年的農村居民人均可支配收入的對數值對農民收入水平 進行表征。
5、 基礎設施建設水平
本文的農業基礎設施建設水平以農村用電量來表示。農村基礎設施如農田水 利基礎設施、交通基礎設施、農電基礎設施等對農業生產者提高要素使用效率、 獲取新興農業科學技術均能起到良好的助推作用。因此，農村基礎設施的建設水 平可能也會影響到農業綠色全要素生產率。
6、 地區經濟發展水平
地區經濟發展水平越高，地方政府配套實施的財政支持力度也越強。農業生 產者采購環保型生產要素的相對價格更低，且發達的地區經濟還可提高新興農業 技術的應用水平。因此，地區經濟發展水平可能也會對農業綠色全要素生產率產 生影響。本文在對GDP平減的基礎上，用地區人均GDP的對數值對經濟發展水 平進行表征。
7、城鎮化水平
35
城鎮化發展可以帶動就業，促進農村人口非農轉移，同時城市建設用地的增 加也會倒逼農業生產者進行規模化經營并提高生產效率。城鎮化發展可能會對農 業綠色全要素生產率起到促進作用，本文用非農人口占總人口的比重來衡量各地 區的城鎮化水平。
三、變量的描述性統計
本文實證檢驗部分各變量的描述性統計如下表所示：
表 4-1 變量的描述性統計
變量名稱 樣本量 平均值 標準差 最小值 最大值
財政支農支出 420 341.6931 206.0368 23.7000 821.0560
農業結構 420 0.5236 0.0857 0.3377 0.7458
農業受災程度 420 0.1749 0.1337 0.0021 0.6954
勞動力文化水平 420 7.7274 0.6280 5.8783 9.8008
農民收入水平 420 11011.5400 577.9360 2723.8000 34911.3000
基礎設建設水平 420 275.5374 403.7702 3.7000 201.0000
地區經濟發展水平 420 5.0120 2.7496 0.9390 16.4927
城鎮化水平 420 0.5648 0.1300 0.2911 0.8961
第二節 實證分析
一、財政支農對農業綠色全要素生產率及其構成的影響
（一）基準模型回歸結果
經 hausman 檢驗，本文發現三個基準模型的 P 值分別為 0.0083、0.0019 和
0.0024，均顯著拒絕了 hausman原假設，故本文采用面板固定效應模型進行回歸 分析，全國層面上基準模型的回歸結果如下表所示：
36
表 4-2 財政支農支出對 GTFP 及其構成的影響
變量 被解釋變量
GTFP EC TC
財政支農支出（czzn） 0.0010** -0.0024* 0.0087*
(0.0004) (0.1326) (0.5174)
農業結構（str） 10.0046*** 1.1489** 10.0819***
(1.4752) (0.5726) (1.4818)
農業受災程度（dis） 0.4057 -0.1089 0.3483
(0.3664) (0.1411) (0.3711)
農村勞動力文化水平（edu） 0.2714 0.0342 0.1827
(0.2253) (0.0860) (0.2246)
農民收入水平（inc） -0.0001 0.0001*** -0.0001
(0.0001) (0.0001) (0.0004)
基礎設施建設水平（ele） 0.0008* 0.0003 0.0006
(0.0005) (0.0002) (0.0005)
地區經濟發展水平（eco） 0.2406*** -0.0668*** 0.2739***
(0.0637) (0.0247) (0.0672)
城鎮化水平（urb） -4.2483* 1.2860 -1.4075
(2.4068) (0.9011) (2.4936)
注：***表示在 1%的水平上顯著，**表示在 5%的水平上顯著，*表示在 10%的水平上顯著， 括號內的數值為標準誤差
（二）結果分析
從表 4-2 的回歸結果可以看出：1、財政支農支出對農業綠色全要素生產率 的回歸系數顯著為正，這表明在全國層面上擴大財政支農支出規模有利于農業的 綠色可持續發展，假設1a得證。2、財政支農支出對技術進步指數的回歸系數顯 著為正，對技術效率指數的回歸系數顯著為負，表明財政支農支出在正向促進農 業技術進步的同時也造成了農業技術效率的退步,可能的原因是財政支農支出內 部用于農業科技研發、科技推廣的資金對農業技術進步的促進作用明顯，但由于 財政支農支出整體使用效率偏低且資金配置不合理，導致了農業要素市場價格扭 曲、生產要素投入的配置效率降低，從而抑制了農業技術效率的提升。 3、新興 農業技術對農業綠色全要素生產率的提升作用遠大于技術效率下降對農業綠色 全要素生產率的抑制作用，農業技術水平是綠色全要素生產率提升的重要推動力。 4、農業結構對農業綠色全要素生產率、農業技術效率、農業技術進步的回歸系 數均顯著為正，說明農業產值占農林牧漁總產值的比例越高，其對農業綠色全要 素生產率的正向促進作用越明顯。 5、以農村用電量為代表的農業基礎設施建設 水平對農業綠色全要素生產率的回歸系數在10%的水平上顯著，說明將強農村基 礎設施建設力度可以提高農業綠色全要素生產率。 6、農民收入水平對技術效率 指數的回歸系數顯著為正，這表明隨著收入水平的提高，農業生產者對環境保護 的重視程度也有所提升，其在追求經濟利益的同時也減少了農業污染排放。 7、
37
地區經濟發展水平對農業綠色全要素生產率以及技術進步指數的回歸系數顯著 為正，對技術效率指數顯著為負。表明地區經濟建設主要是通過提升農業科技水 平而非技術效率來提高農業綠色全要素生產率。 8、城鎮化建設抑制了農業綠色 全要素生產率的提高，其可能的原因一是城鎮化建設加劇了農業用地的緊張程度， 農業生產者在耕地面積減少的情形下，為了追求經濟利益從而加大了農藥化肥等 污染性生產要素的使用量；二是城鎮化建設加快了農業生產要素向城市流動的速 度，例如農村人口的非農轉移，其降低了農業生產效率與要素配置效率，并最終 對農業綠色全要素生產率起到了抑制作用。
（三）穩健性檢驗 本文采用替換解釋變量的方式對基準模型的回歸結果進行穩健性檢驗，在樣 本期內用各省財政支農支出占財政總支出的比重作為替換變量，穩健性檢驗的回 歸結果如下表所示：
表 4-3 穩健性檢驗結果
變量 被解釋變量
GTFP EC TC
財政支農支出占比（czznzb） 0.0096*** -0.0044** 0.0089*
（ 0.3436） （ 0.2049 ） （ 0.5136 ）
農業結構（ str） 10.6723*** 1.0663* 9.9684***
（ 1.4836） （ 0.5862 ） （ 1.4714 ）
農業受災程度（ dis） 0.4749 -0.0802 0.3451
（ 0.3658） （ 0.1421 ） （ 0.3684 ）
農村勞動力文化水平（ edu） 0.1785 0.0438 0.1179
（ 0.2229） （ 0.0860 ） （ 0.2244 ）
農民收入水平（ inc） -0.0001 0.0001*** -0.0003***
（ 0.0001） （ 0.0001 ） （ 0.0001 ）
基礎設施建設水平（ ele） -0.0007 0.0002 0.0006
（ 0.0004） （ 0.0002 ） （ 0.0005 ）
地區經濟發展水平（ eco） 0.2162*** -0.1310** 0.2602***
（ 0.0641） （ 0.0648 ） （ 0.0669 ）
城鎮化水平（ urb） -2.4638 1.1107 1.0864
（ 2.3347） （ 1.1298 ） （ 2.6705 ）
注：***表示在 1%的水平上顯著， **表示在 5%的水平上顯著， *表示在 10%的水平上顯著， 括號內的數值為標準誤差
在將解釋變量換成財政支農支出占財政總支出的比重之后，其對農業綠色全 要素生產率、技術效率指數、技術進步指數的影響方向與顯著性仍與基準模型的 回歸結果保持一致，這表明基準模型的回歸結果是穩健的。
38
二、環境規制調節作用下財政支農對農業綠色全要素生產率及其
構成的影響
從 2007 年開始，隨著全國污染普查工作的開展，中央政府對農業面源污染 的重視程度逐漸提高，針對農業污染物的排放標準也愈發嚴格，環境規制強度不 斷提升。本文在基準模型基礎上加入環境規制與財政支農支出的交互項，從而建 立新的模型來研究在環境規制的介入下財政支農支出對農業綠色全要素生產率 及其分解的影響，模型的具體形式如下：
7
GTFP = a + 00czzn + 0hjgz + 02czzn * hjgz + 工 yicontrol + 卩
i=1
7
EC = a + 00czzn + 0、hjgz + 02czzn * hjgz + 工 yicontrol + “
i =1
7
TC = a + 00czzn + Phjgz + 02czzn * hjgz + 工 y〔control + “
i=1
上式中， hjgz 為環境規制變量， hjgz * hjgz 為財政支農支出與環境規制的交 互項， control 為控制變量。為避免交互項帶來的多重共線性，本文分別對模型中
GTFP、 EC、 TC、 hjgz、 czzn、 czzn*hjgz 這 6 個變量進行了去中心化處理。環境 規制調節下財政支農支出對農業綠色全要素生產率的回歸結果如表4-4所示：
分析表 4-4 的回歸結果，可以發現：1、在環境規制的調節作用下，財政支 農支出對農業綠色全要素生產率（GTFP）的回歸系數顯著為正，且財政支農支 出與環境規制交互項（czzn* hjgz）的回歸系數也顯著為正，這表明環境規制增 強了財政支農支出對農業綠色全要素生產率的促進作用，假設2a得證。2、財政 支農支出對技術效率指數（EC）的回歸系數顯著為負，但財政支農支出與環境 規制交互項（czzn* hjgz）的回歸系數顯著為正，這表明環境規制削弱了財政支 農支出對技術效率指數（EC）的抑制作用，隨著環境規制強度的提升，財政支 農支出對技術效率指數（EC）的負向影響也會逐漸減弱。3、財政支農支出對技 術進步指數（TC）的回歸系數顯著為正，且財政支農支出與環境規制交互項（czzn
xhjgz）對的回歸系數也顯著為正，這表明環境規制增強了財政支農支出對技術 進步指數的促進作用。
39
表 4-4 環境規制調節下財政支農對 GTFP 及其構成的影響
變量 被解釋變量
農業綠色全要素 生產率（ GTFP） 農業技術效率
（ EC ） 農業技術進步
（ TC）
財政支農支出（ czzn） 0.0033*** -0.0010** 0.0011*
（ 0.0011） （ 0.0004 ） （ 0.0006）
環境規制（ hjgz） -0.7833 -0.5457 0.1542
（ 1.4169） （ 0.5461 ） （ 0.7618）
財政支農與環境規制交互項 0.0047*** 0.0012** 0.0015*
（ czzn*hjgz） （ 0.0051） （ 0.0006 ） （ 0.0008）
農業結構（ str） 10.4829*** 1.0610* 0.2828
（ 1.5364） （ 0.5921 ） （ 0.8260）
農業受災程度（ dis） 0.3055 -0.1443 -0.0715
（ 0.3695） （ 0.1424 ） （ 0.1986）
農村勞動力文化水平（ edu） 0.2700 0.0507 0.0689
（ 0.2264） （ 0.0872 ） （ 0.1217）
農民收入水平（ inc） -0.0001 0.0001*** 0.0001***
（ 0.0001） （ 0.0001 ） （ 0.0002）
基礎設施建設水平（ ele） 0.0002 0.0001 0.0002
（ 0.0005） （ 0.0002 ） （ 0.0003）
地區經濟發展水平（ eco） 0.2406*** -0.0613** 0.0624*
（ 0.0640） （ 0.0246 ） （ 0.0344）
城鎮化水平（ urb） -0.7362 1.9972** -3.3689**
（ 2.6421） （ 1.0183 ） （ 1.4206）
注：***表示在 1%的水平上顯著， **表示在 5%的水平上顯著， *表示在 10%的水平上顯著， 括號內的數值為標準誤
第三節 拓展性分析
一、環境規制調節下財政支農對農業綠色全要素生產率影響的異 質性分析
為了分析不同地域財政支農對農業綠色全要素生產率的影響效應是否存在 差異，本文按照東部、中部、西部的地理劃分①展開分樣本回歸，回歸結果如表 4-5 所示：
① 東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南；中部地 區包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區包括四川、重慶、貴州、 云南、陜西、甘肅、青海、寧夏、新疆
40
表 4-5 財政支農支出對農業綠色全要素生產率影響的分樣本回歸
變量 農業綠色全要素生產率（ GTFP）
東部地區 中部地區 西部地區
財政支農支出（czzn） 0.0021*** 0.0041* -0.0082*
（ 0.0006） （ 0.0020） （ 0.0047）
環境規制（ hjgz） 4.1044*** 5.3431* -6.3783
（ 1.1760） （ 3.1886） （ 5.4938）
財政支農與環境規制交互項 0.0044*** -0.9986* 0.0123*
（ czzn*hjgz） （ 0.0008） （ 5.0891） （ 0.0066）
農業結構（ str） 5.3519*** 8.8737*** 13.8184***
（ 1.2667） （ 3.3422） （ 4.1468）
農業受災程度（dis） -0.1645 0.9272 0.5082
（ 0.2235） （ 0.6594） （ 0.9090）
農村勞動力文化水平（edu） 0.0964 0.1596*** 0.1114
（ 0.1275） （ 0.5179） （ 0.5134）
農民收入水平（inc） 1.6131** -3.5629 7.5987
（ 0.7374） （ 2.5865） （ 4.7139）
基礎設施建設水平（ ele） 0.3275*** -0.4437 1.7029*
（ 0.0938） （ 1.0271） （ 0.8862）
地區經濟發展水平（eco） 0.2126*** 0.4290** 0.6260**
（ 0.0266） （ 0.1863） （ 0.3004）
城鎮化水平（ urb） -3.9632** -1.7078*** 4.9736***
（ 1.6925） （ 5.5049） （ 10.6868）
注：***表示在 1%的水平上顯著，**表示在 5%的水平上顯著，*表示在 10%的水平上顯著， 括號內的數值為標準誤
從上表中的分樣本回歸結果可以看出：1、就東部地區而言，其樣本回歸結 果與全國樣本的回歸結果基本保持一致，財政支農有效提升了農業綠色全要素生 產率水平，環境規制的介入使財政支農對農業綠色全要素生產率的促進作用進一 步加強。城鎮化建設的回歸系數顯著為負，這表明東部地區城鎮化建設帶來的勞 動力非農轉移以及農業用地的減少負向抑制了農業的綠色持續發展。2、就中部 地區而言，財政支農支出對農業綠色全要素生產率的提升具有正向促進作用，但 環境規制的介入使得財政支農的促進作用被削弱，可能原因是環境規制對農業生 產要素投入規模的擠出效應影響了農業經濟產出（期望產出）。3、就西部地區 而言，其財政支農對農業綠色全要素生產率起到了負向抑制作用，但在環境規制 的介入下，這種負向抑制作用正在逐步減小。可能的原因是西部地區由于農業自 然資源相對貧瘠，農業生產者為追求經濟利益加大了農藥化肥等污染型生產要素 的使用量，而環境規制的介入則對這種生產行為起到了約束作用。
41
二、環境規制調節下財政支農對農業技術效率、農業技術進步影
響的異質性分析
進一步的，為了分析不同區域財政支農支出對農業技術效率、技術進步的影 響是否存在差異性，本文按照東部、中部、西部的地理劃分展開分樣本回歸，回 歸結果如表 4-6 和表 4-7 所示：
表 4-6 財政支農支出對技術效率指數的分樣本回歸結果
變量 技術效率指數（ EC）
東部地區 中部地區 西部地區
財政支農支出（ czzn） -0.0067*** 0.0011** 0.0012
（ 2.4656） （ 6.1394） （ 0.9692 ）
環境規制（ hjgz） -3.1337* 0.6482 7.8076
（ 1.7001） （ 1.2416） （ 6.8224 ）
財政支農與環境規制交互項 0.0679*** -0.0096 -0.0071
（ czzn*hjgz） （ 2.4690） （ 7.1008） （ 0.8172 ）
農業結構（ str） 1.3478 1.1193* 0.3107*
（ 1.3413） （ 0.5934） （ 1.4611）
農業受災程度（ dis） -0.2478 0.1571 -0.2493
（ 0.2553） （ 0.1774） （ 0.2865 ）
農村勞動力文化水平（ edu） -0.0799 0.2755** 0.1423
（ 0.1518） （ 0.1356） （ 0.1854 ）
農民收入水平（ inc） 0.0001*** 0.0001 0.0001*
（ 0.0001） （ 0.0001） （ 0.0001 ）
基礎設施建設水平（ ele） 0.0002 -0.0008 -0.0021
（ 0.0003） （ 0.0018） （ 0.0042 ）
地區經濟發展水平（ eco） -0.0911** 0.0342 -0.0458
（ 0.0407） （ 0.0481） （ 0.1224 ）
城鎮化水平（ urb） 4.6414** 1.1407 -3.3023
（ 2.3537） （ 1.4625） （ 3.6276 ）
注：***表示在 1%的水平上顯著， **表示在 5%的水平上顯著， *表示在 10%的水平上顯著， 括號內的數值為標準誤
從表 4-6 的回歸結果可以看出：1、東部地區財政支農支出對農業技術效率 具有負向抑制作用，但環境規制政策的施行使得這種抑制作用有所削弱。可能的 原因是東部地區的農業生產者在得到財政支持后，由于生產要素的成本約束作用 降低，導致農業生產者忽視了管理水平的提升，隨著要素投入規模的擴大，各要 素投入之間的配置效率降低，從而對農業技術效率產生了負向影響。環境規制的 介入遏制了污染性要素的過度投入，一定程度上提升了要素投入的整體配置效率。 2、中部地區財政支農支出對技術效率具有顯著的正向促進作用，但環境規制對 這種促進作用并未產生明顯影響。3、西部地區財政支農支出對技術效率的提升
42
未產生明顯影響。
表 4-7 財政支農支出對技術進步指數的分樣本回歸結果
變量 技術進步指數（ TC）
東部地區 中部地區 西部地區
財政支農支出（ czzn） 0.0029* 0.0024** -0.0081**
（ 17.07 ） （ 11.2766） （ 3.3246）
環境規制（ hjgz） 1.1253 -2.5581 -4.4315**
（ 2.8330） （ 2.2293） （ 1.9449）
財政支農與環境規制交互項 0.0036* 0.0026** 0.0082**
（ czzn*hjgz） （ 22.2713 ） （ 13.3663 ） （ 3.2620）
農業結構（ str） 2.2410 0.5098 1.6467
（ 2.0090） （ 1.2108） （ 1.5594）
農業受災程度（dis） -0.0326 -0.1625 0.1074
（ 0.3874） （ 0.3218） （ 0.3340）
農村勞動力文化水平（edu） 0.1588 -0.3340 0.0981**
（ 0.2200） （ 0.2565） （ 0.1794）
農民收入水平（inc） 2.8861** 2.5743** -0.9128
（ 1.3583） （ 1.2675） （ 1.5587）
基礎設施建設水平（ ele） 0.1249 -0.5237 -0.1547
（ 0.1633） （ 0.5134） （ 0.2558）
地區經濟發展水平（eco） 0.0323* -0.0689 0.0197
（ 0.0465） （ 0.0914） （ 0.1121）
城鎮化水平（ urb） 2.7527 -4.9545* -0.0975
（ 2.8249） （ 2.7075） （ 4.0544）
注：***表示在 1%的水平上顯著，**表示在 5%的水平上顯著，*表示在 10%的水平上顯著， 括號內的數值為標準誤
從表 4-7回歸結果可以看出：1、東部、中部地區的財政支農支出對農業技 術進步都具有良好的促進作用，而且在環境規制的影響下，這種促進作用得到進 一步增強。2、西部地區財政支農支出對農業技術進步具有顯著的負向影響，但 環境規制的介入，會使得這種負向影響有所削弱。
43
第五章 研究結論與政策建議
第一節 研究結論
本文在收集2007年-2020年有關農業要素投入、期望產出與非期望產出的面 板數據并建立研究模型的基礎上，分析了環境規制調節下財政支農對農業綠色全 要素生產率以及分解的影響，主要的研究結論如下：
一、 通過對靜態農業綠色全要素生產率的測度，本文發現：（一）從 2015 年-2020 年我國整體層面上農業綠色全要素生產率呈上升趨勢但地區間存在明顯 差異，東部、中部、西部地區的農業綠色全要素生產率依次下降并且呈階梯式分 布。（二）北京、上海、江蘇、廣東等經濟發達地區以及以吉林、遼寧為代表的 東北地區農業綠色全要素生產率水平普遍較高，這些地區利用其經濟優勢及自然 稟賦大力推動了傳統農業向生態綠色農業的轉型升級，促進農業發展提質增效。
二、 通過對動態農業綠色全要素生產率及其構成的測度，本文發現：（一） 我國整體農業綠色全要素生產率的年均增長率為 6.56%，農業技術進步的年均增 長率為 16.32%，農業技術效率的年均增長率為-4.28%，這表明技術進步是我國 農業綠色全要素生產率不斷提升的重要推動力。（二）北京、天津、上海、江蘇 四個地區的 GML 指數在樣本期內始終大于1，表明經濟發展水平是影響農業綠 色全要素生產率水平持續上升的重要因素。（三）以吉林、遼寧為代表的東北地 區在較多年份出現了 GML 指數小于1 的情況，說明東北地區農業的綠色轉型升 級缺乏動力，其自然稟賦的優勢正在逐漸降低。（四）我國整體層面上有若干年 份技術效率指數（EC）小于1,表明我國農業生產領域存在管理水平倒退，要素 配置效率下降的情況。
三、 通過對環境規制強度的測度，本文發現：（一）北京、上海兩地的環境 規制強度始終處于較高水平，表明人口聚集帶來的巨大環境壓力是影響環境規制 政策制定的重要因素。（二）山西、內蒙古、青海等地的環境規制強度一直居高 不下，表明生態環境的自我修復能力也是影響環境規制政策制定的重要因素。
四、 不考慮環境規制的調節作用,本文在全國層面上研究了財政支農支出對 農業綠色全要素生產率及其構成的影響，基準回歸的研究結果表明：（一）財政 支農支出有效提升了農業綠色全要素生產率水平與農業科技水平，但是其對農業 技術效率卻未起到良好的促進作用。（二）農民收入的增加有利于農業技術效率 的提升。（三）農村基礎設施建設有利于農業綠色全要素生產率的提高。（四） 地區經濟發展對農業綠色全要素生產率及農業技術進步具有正向促進作用。（五）
44
城鎮化水平的提升對農業綠色全要素生產率具有負向抑制作用。
五、 基于環境規制的調節作用，本文在全國層面上研究了財政支農支出對農 業綠色全要素生產率及其分解的影響，結果發現：（一）財政支農支出有效提升 農業綠色全要素生產率水平，環境規制的介入使得財政支農對農業綠色全要素生 產率的促進作用進一步增強。（二）財政支農支出正向促進了農業技術進步，環 境規制對其二者關系也具有正向調節作用。（三）財政支農支出負向抑制了農業 技術效率的提升，環境規制對二者關系具有負向調節作用。（四）農民收入水平 的提高對農業技術效率、農業技術進步均有顯著的正向促進作用。（五）地區經 濟發展可以通過提升農業技術水平從而促進農業綠色全要素生產率水平的提高。 （六）城鎮化建設對不利于農業技術效率、農業科技水平的進一步提升。
六、 基于環境規制的調節作用，本文基于東部、中部、西部地區的分樣本回 歸就財政支農支出對農業綠色全要素生產率及其分解的影響進行了拓展性分析， 研究發現：（一）對東部地區而言，財政支農有效提升了農業綠色全要素生產率 和農業科技水平，環境規制的介入讓財政支農對農業綠色全要素生產率及農業科 技水平的促進作用進一步增強；財政支農支出負向抑制了農業技術效率水平，環 境規制的介入這種負向作用得到削弱。農民收入增加、農村基礎設施建設、經濟 發展對東部地區農業綠色全要素生產率的提升具有正向促進作用，但城鎮化建設 卻抑制了農業綠色全要素生產率的進一步提升。（二）對中部地區而言，財政支 農支出也有效提升了農業綠色全要素生產率水平及農業技術水平，環境規制的介 入同樣加強了財政支農對農業綠色全要素生產率及農業科技水平的促進作用；農 村勞動力文化水平的提升、經濟發展對農業綠色全要素生產率具有顯著正向影響。 城鎮化建設則會抑制農業綠色全要素生產率的進一步提高。（三）對西部地區而 言，財政支農支出對農業綠色全要素生產率、農業技術進步都具有顯著負向影響， 對農業技術效率則影響不明顯；在西部地區加大農村基礎設施建設力度、發展地 區經濟、加快城鎮化建設步伐均有利于農業綠色全要素生產率的提高。
第二節 政策建議
為了更客觀地評價農業發展質量，使我國財政支農資金更好地服務于農業經 濟發展。根據研究結論，本文提出以下幾點建議：
一、在全國層面上，繼續擴大財政支農資金的整體規模，同時優化調整財政 支農支出的結構。2007年以來，我國財政支農支出的總規模有了很大提升，但 其占財政總支出的比例仍相對較低。實證結果表明擴大財政支農支出的規模并提 高其在財政總支出中的比重，均可以有效治理農業面源污染并促進農業產業綠色 健康發展。因此，下一步我國財政支農支出的調整應堅持“存量適度調整，增量
45
重點傾斜”的原則，促使支農資金穩步增長，避免財政支農資金的大幅波動從而 造成支出結構失調，農業技術效率降低。此外，本文還發現財政支農支出有利于 農業科技水平不斷提升，后期在財政支農資金的分配使用中要繼續加大對農業科 技研發的扶持力度，增加基層農技服務組織的數量，大力推廣新興農業科技。
二、 在東部地區，堅持現有的環境規制強度不放松，在加大環境監測力度的 同時加強財政支農資金的監管使用，嚴厲打擊財政支農資金領域的貪腐行為，保 障農民收入；加大對農村基礎設施建設的扶持力度，幫扶農村在水利灌溉、道路 修建、網線鋪設等方面進行基礎建設；在城鎮化建設過程中，鼓勵社會資本向農 業農村進行投資，實現城鄉生產要素的良性互動。
三、 在中部地區，在發展社會經濟的同時也要加大對農民教育培訓的投入力 度，針對農民學習能力、實操能力等方面的個體差異，及時提供差異化的教育培 訓機會，鼓勵農民參加職業教育培訓。另外，在城鎮化建設過程中，要避免農村 優質要素的單向流出，在鼓勵支持年輕人返鄉創業的同時可以推出例如稅收優惠 等扶持措施。
四、 在西部地區，實證結果顯示財政支農支出對農業綠色全要素生產率有負 向影響，且主要是由于財政支農資金未有效支持農業技術進步造成的，西部地區 要加大對農民教育培訓的投入力度，同時利用城鎮化建設帶動農業農村綠色發展， 在城鄉融合發展的大背景下，利用城市可以幫助農產品拓寬銷路、延長農產品生 產價值鏈條，提高附加值。此外，西部地區還應充分發掘自身優勢，積極參與招 商引資發展地方經濟，比如引入外界社會資本參與農業基礎設施建設等等。
46
參考文獻
[1]呂誠倫,江海潮.財政農業支出影響農業經濟增長效應研究——基于 1952?2012年的數據分析J].財經理論與實踐,2016,37(06):90-95.
[2]張海燕，鄧剛.財政支農支出對四川農業經濟增長貢獻的實證研究J].經濟 問題,2012(06):78-81.
[3]李曉嘉.財政支農支出與農業經濟增長方式的關系研究——基于省際面板 數據的實證分析[J].經濟問題,2012(01):68-72.
[4]蘇永偉.基于ECM模型的財政支農支出對農業經濟增長的效應分析[J].社 會科學家,2015(06):78-82.
[5]林艷麗,孟校臣,王海濤.遼寧省財政支農支出與農業經濟增長關系的實證 研究——基于VAR模型的分析[J].東北大學學報(社會科學 版),2014,16(02):152-157.
[6]辛沖沖，陳志勇.我國財政支農支出與農業經濟增長——基于LMDI分解法 的研究J]上海經濟研究,2017(03):78-86.
[7]茆曉穎,成濤林.財政支農支出結構與農民收入的實證分析——基于全口 徑財政支農支出2010?2012年江蘇省13個市面板數據[J].財政研 究,2014(12):68-71.
[8]羅東，矯健.國家財政支農資金對農民收入影響實證研究[J].農業經濟問 題,2014,35(12):48-53.
[9]黃壽峰.財政支農、金融支農促進了農民增收嗎?——基于空間面板分位數 模型的研究J].財政研究,2016(08):78-90.
[10]莊天慧,王歡.基于空間計量模型的四川省財政支農支出與農民增收關系 的實證研究[J].中國農業大學學報,2016,21(09):198-205.
[1 1]潘世磊.農業供給側結構性改革與財政支農能促進農民增收嗎?——基于 空間模型的實證研究[J].經濟問題探索,2018(02):19-30.
[12]胡佳,楊運忠.財政分權及地方政府支出行為對城鄉收入差距的影響[J].華 東經濟管理,2019,33(11):94-99.
[13]鄒杰,段龍龍,郭世芹.財政支農對城鄉轉移性收入不平等的影響——基于 2000-2013年的省級面板數據[J].經濟問題探索,2016(06):143-149.
[14]王烜,張揚.財政支農和社會保障支出對城鄉居民收入差距影響的實證檢 驗 J].統計與決策,2019,35(06):127-130.
[15]楊思瑩,丁琳琳.財政支農與城鄉二元收入格局[J].學習與探 索,2020(05):148-155.
[16]肖育才，姜曉萍.財政支農支出對城鄉收入差距影響的實證研究[J].經濟問
47
題探索,2017(11):35-45.
[17]楊伯堅.2004?2008年中國財政農業支出效率的實證分析——基于省際 面板數據的DEA-TOBIT兩步法[J].財政研究,2012(03):23-25.
[18]王謙,張興榮.基于DEA-Tobit模型的財政支農支出效率評價與影響因素 ——以山東省為例J].系統工程,2017,35(04):91-100.
[19]王銀梅,劉丹丹.我國財政農業支出效率評價J].農業經濟問 題,2015,36(08):49-55+111.
[20]毛暉,余爽,張勝楠.財政支農支出績效的區域差異:測算與分解[J].經濟經 緯,2018,35(03):144-152.
[21]王謙，李超.基于三階段DEA模型的我國財政支農支出效率評價J].財政 研究,2016(08):66-77+90.
[22]何 忠 偉 . 中 國 財 政 支 農 效 率 的 區 域 差 異 比 較 [J]. 統 計 與 決 策,2006(05):76-77.
[23]趙璐, 呂杰. 我 國 財 政 支 農 效 率 的 區 域 差 異 研 究 [J]. 經 濟 問 題,2011(04):102-105.
[24]石磊,金兆懷.我國鄉村振興中財政支農效率優化問題研究J].當代經濟研 究,2021(05):103-112.
[25]李燕凌,歐陽萬福.縣鄉政府財政支農支出效率的實證分析[J].經濟研 究,2011,46(10):110-122+149.
[26]王奇，王會，陳海丹.中國農業綠色全要素生產率變化研究:1992-2010年[J]. 經濟評論,2012(05):24-33.
[27]杜紅梅,戴勁.洞庭湖區農業綠色全要素生產率增長時空特征及影響因素 分析[J].湖南農業大學學報(社會科學版),2020,21(03):7-16.
[28]何澤軍，李瑩.基于DEA-Malmquist指數法中國農業全要素生產率變化特 征分析[J].河南農業大學學報,2018,52(05):839-844.
[29]華堅，李政霖,吳祠金.基于三階段DEA-Malmquist模型的我國農業全要素 生產率增長研究[J].江西農業學報,2015,27(10):134-141.
[30]潘丹.基于資源環境約束視角的中國農業綠色生產率測算及其影響因素 解析[J].統計與信息論壇,2014,29(08):27-33.
[31]潘丹.考慮資源環境因素的中國農業綠色生產率評價及其影響因素分析 [J].中國科技論壇,2014(11): 149-154.
[32]梁俊,龍少波.農業綠色全要素生產率增長及其影響因素[J].華南農業大學 學報(社會科學版),2015,14(03):1-12.
[2]紀成君，夏懷明.我國農業綠色全要素生產率的區域差異與收斂性分析J]. 中國農業資源與區劃,2020,41(12):136-143.
48
[33]李欠男，李谷成,尹朝靜.農業綠色全要素生產率增長的分布動態演進J]. 統計與信息論壇,2020,35(10):119-128.
[34]曹明霞,高珊.我國農業全要素生產率研究——基于江蘇省農業面板數據 分析[J].價格理論與實踐,2018(09):151-154.
[35]吳傳清,宋子逸.長江經濟帶農業綠色全要素生產率測度及影響因素研究 [J].科技進步與對策,2018,35(17):35-41.
[36]鄭甘甜,陳池波,張開華,邢美華,江帆.中國農業環境全要素生產率動態演 進及收斂性分析[J].中國農業資源與區劃,2022,43(01):40-49.
[37 ]郭海紅，劉新民.中國農業綠色全要素生產率的時空分異及收斂性[J].數量 經濟技術經濟研究,2021,38(10):65-84.
[38]郭永奇,侯林岐.中國糧食主產區糧食農業綠色全要素生產率測度及影響 因素研究J].科技管理研究,2020,40(19):223-229.
[39]李欠男,李谷成,尹朝靜.中國農業綠色發展水平的地區差異及收斂性—— 基于地級市面板數據的實證[J].中國農業大學學報,2022,27(02):230-242.
[40]劉戰偉.中國農業全要素生產率的動態演進及其影響因素分析[J].中國農 業資源與區劃,2018,39(12):104-111.
[41]葛鵬飛，王頌吉,黃秀路.中國農業綠色全要素生產率測算[J].中國人口 •資 源與環境,2018,28(05):66-74.
[42]王兵,曾志奇,杜敏哲.中國農業綠色全要素生產率的要素貢獻及產區差異 ——基于Meta-SBM-Luenberger生產率指數分析[J].產經評論,2020,11(06):69-87.
[43]楊騫,王玨,李超,劉鑫鵬.中國農業綠色全要素生產率的空間分異及其驅 動因素[J].數量經濟技術經濟研究,2019,36(10):21-37.
[44]展進濤，徐鈺嬌.環境規制、農業綠色生產率與糧食安全[J].中國人口 •資源 與環境,2019,29(03):167-176.
[45]井莉.環境規制下我國糧食生產綠色全要素生產率分析[J].南方農業學 報,2021,52(08):2311-2318.
[46]徐永慧，尹朝靜.環境規制下中國農業綠色全要素生產率的測算[J].統計與 決策,2021,37(18):50-54.
[47]馬國群,譚硯文.環境規制對農業綠色全要素生產率的影響研究——基于 面板門檻模型的分析[J].農業技術經濟,2021(05):77-92.
[48]何曉霞，毛偉.環境規制對粵西農業綠色全要素生產率的門檻效應分析[J]. 清遠職業技術學院學報,2021,14(05):25-32.
[49]黃偉華,祁春節,方國柱,雷權勇.農業環境規制促進了小麥綠色全要素生 產率的提升嗎? [J].長江流域資源與環境,2021,30(02):459-471.
[50]葉鋒,馬敬桂，胡琴.產業融合發展對農業全要素生產率影響的實證[J].統
49
計與決策,2020,36(10):87-91.
[51]銀西陽,賈小娟,李冬梅.農業產業集聚對農業綠色全要素生產率的影響 ——基于空間溢出效應視角[J/OL] 中國農業資源與區劃:1-11
[52]金芳,金榮學.農業產業結構變遷對綠色全要素生產率增長的空間效應分 析[J].華中農業大學學報(社會科學版),2020(01):124-134+168-169.
[53]武宵旭,葛鵬飛,徐璋勇.城鎮化與農業全要素生產率提升:異質性與空間 效應[J].中國人口 •資源與環境,2019,29(05): 149-156.
[54]郭海紅，張在旭.新型城鎮化對農業綠色全要素生產率的門檻效應[J].湖南 師范大學社會科學學報,2019,48(02):55-63.
[55]劉戰偉.新型城鎮化提升了中國農業綠色全要素生產率嗎？——基于空 間溢出效應及門檻特征[J].科技管理研究,2021,41(12):201-208.
[56]楊鈞,李建明,羅能生.農村基礎設施、人力資本投資與農業全要素生產率 ——基于空間杜賓模型的實證研究[J].河南師范大學學報(哲學社會科學 版),2019,46(04):46-52.
[57]李谷成，尹朝靜,吳清華.農村基礎設施建設與農業全要素生產率[J].中南 財經政法大學學報,2015(01):141-147.
[58]王淑紅,楊志海.農業勞動力老齡化對糧食綠色全要素生產率變動的影響 研究[J].農業現代化研究,2020,41(03):396-406.
[59]張淑輝.異質性農村人力資本對農業綠色生產率的影響——基于中國省 級面板數據[J].山西大學學報(哲學社會科學版),2017,40(05):127-13 8.
[60]汪輝平，王增濤,王美霞.FDI對中國農業全要素生產率的空間溢出效應[J]. 西北農林科技大學學報(社會科學版),2017,17(01):123-129.
[61]王亞飛,張毅,廖甍.外商直接投資對農業全要素生產率的影響:作用機理 與經驗證據[J].當代經濟研究,2019(06):74-86+113.
[62]陳燕翎,莊佩芬,彭建平.貿易開放對農業經濟高質量發展的影響——基于 農業綠色全要素生產率的視角[J].生態經濟,2021,37(12):105-114.
[63]陳芳,楊梅君.農產品國際貿易對中國農業綠色全要素生產率的影響[J].華 南農業大學學報(社會科學版),2021,20(05):94-104.
[64]李曉龍,冉光和.農產品貿易提升了農業綠色全要素生產率嗎？——基于 農村金融發展視角的分析[J].北京理工大學學報(社會科學版),2021,23(04):82-92.
[65]陳俊聰，王懷明，張瑾.農業保險發展與中國農業全要素生產率增長研究[J]. 農村經濟,2016(03):83-88.
[66]王悅,楊驍,張偉科.農業保險發展對農村全要素生產率的影響研究——基 于 空 計 量 模 型 的 實 證 分 析 [J]. 華 中 農 業 大 學 學 報 ( 社 會 科 學 版),2019(06):70-77+162-163.
50
[67]黃安勝，許佳賢，徐琳.農業補貼政策對經濟增長方式的轉變效應分析[J]. 福建師大福清分校學報,2013(03):15-20.
[68]張春梅，王晨.財政補貼與綠色農業生產效率相關性研究[J].地方財政研 究,2020(02):79-87.
[69]肖銳,陳池波.財政支持能提升農業綠色生產率嗎?——基于農業化學品 投入的實證分析[J].中南財經政法大學學報,2017(01):18-24+158.
[70]葉初升，惠利.農業財政支出對中國農業綠色生產率的影響[J].武漢大學學 報(哲學社會科學版),2016,69(03):48-55.
[71]崔寧波,生世玉.糧食主產區農業綠色發展的影響因素、質量測度與動力 分析一一基于綠色全要素生產率視角[J/OL].農業資源與環境學 報:1-17[2022-03-27].
[72]楊勇,李雪竹.省區財政支農投入對農業生產率及其構成的影響[J].西北農 林科技大學學報(社會科學版),2013,13(05):98-108.
[73]張維剛,歐陽建勇.鄉村振興視閾下農業高質量發展的財政支持政策選擇 [J].江西社會科學,2021,41(02):72-84.
[74]梁微,葛宏翔.財政支出波動對全要素生產率增長的影響研究——基于 1979—2018年省際面板數據的實證分析[J].技術經濟與管理研究,2021(03):86-90.
[75]龔斌磊，王碩.財政支出對我國農業增長的多途徑影響[J].農業經濟問 題,2021(01):54-68.
[76]李自強,李曉云,孫倩,葉偉嬌.財政支農補貼能有效提升糧食全要素生產 率嗎？一兼顧農業技術環境的調節作用探討[J].中國農業大學學 報,2021,26(08):236-252.
[77]張維剛.國家糧食安全背景下財政支農支出結構效應評析——基于農業 生產率視角[J].云南農業大學學報(社會科學),2021,15(02):94-102.
[78]關建波，譚硯文.良種補貼對中國棉花生產效率的影響分析[J].農業技術經 濟,2014(03):49-56.
[79]焦晉鵬,宋曉洪.糧食全要素生產率影響因素的實證分析[J].統計與決 策,2015(11):126-129.
[80]朱滿德,李辛一,程國強.綜合性收入補貼對中國玉米全要素生產率的影響 分析一基于省級面板數據的DEA-Tobit兩階段法[J].中國農村經 濟,2015(11):4-14+53.
[81]周楊,邵喜武.價格支持政策對大豆全要素生產率的影響機制分析[J].華中 農業大學學報(社會科學版),2021(02):101-110+180.
[82]Rawat S. Global volatility of public agricultural R&D expenditure[J].
Advances in Food Security and Sustainability, 2020.
51
[83]Bonfiglio A, Camaioni B, Coderoni S, et al. Are rural regions prioritizing knowledge transfer and innovation? Evidence from Rural Development Policy expenditure across the EU space[J]. Journal of Rural Studies, 2017, 53:78-87.
[84]Mogues T, Olofinbiyi T, Coomes O T. Budgetary influence under information asymmetries: Evidence from Nigeria's subnational agricultural investments[J]. World Development, 2020, 129:104902.
[85]Uthes S, Li F, Kelly E. Does EU rural expenditure correspond to regional development needs?[J]. Land Use Policy, 2017, 60:267-280.
[86]Tone K . A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2004, 130(3):498-509.
上一篇：改革開放以來我國發展農業合作經濟的基 本經驗與新發展階段路徑研究
下一篇：農戶農地流轉和服務外包行為及影響效應研究 —基于糧食主產區面板數據的分析
相關標簽:
