熱門論文
最新論文
生產性服務業集聚對農業全要素生產率的影響測度
發布時間：2022-10-03 16:15
目錄
1緒論 1
1.1研究背景與研究意義 1
1.1.1研究的背景 1
1.1.2研究的意義 3
1.2國內外研究現狀 4
1.2.1農業全要素生產率的測算 4
1.2.2生產性服務業及產業集聚的相關研究 5
1.2.3相關研究評述 6
1.3研究內容及技術路線 6
1.3.1研究內容 6
1.3.2技術路線圖 8
1.4創新與不足 9
1.4.1創新之處 9
1.4.2不足之處 9
2生產性服務業集聚與農業全要素生產率的相關理論 10
2.1生產性服務業相關概念界定 10
2.1.1生產性服務業 10
2.1.2產業集聚 11
2.2農業全要素生產率的相關概念 12
2.3生產性服務業集聚影響農業全要素生產率的傳導機制 12
2.3.1生產性服務業集聚對農業全要素生產率影響機制的分析 12
2.3.2生產性服務業集聚對農業全要素生產率影響的中介效應分析 16
3生產性服務業集聚以及農業全要素生產率的統計測度與分析 17
3.1生產性服務業集聚的統計測度與分析 17
3.1.1產業集聚的測度方法 17
3.1.2江西省生產性服務業集聚的結果分析 17
3.2農業全要素生產率的統計測度與分析 18
3.2.1農業全要素生產率的指標選取 18
3.2.2江西省農業全要素生產率的統計測度 19
3.2.3江西省農業全要素生產率的結果分析 20
3.3本章小結 23
IV
4生產性服務業集聚對農業全要素生產率的影響 24
4.1模型構建 24
4.1.1基準模型 24
4.1.2中介效應模型 24
4.2變量選取與數據說明 25
4.2.1被解釋變量與核心解釋變量 25
4.2.2中介變量 25
4.2.3控制變量 26
4.3基于面板數據模型的回歸結果 26
4.3.1基準模型檢驗 27
4.3.2中介效應檢驗 29
4.3.3行業異質性檢驗 30
4.4本章小結 34
5研究結論及政策建議 35
5.1研究結論 35
5.2政策建議 36
參 考 文 獻 38
附 錄 42
致 謝 57
Contents
1Introduction 1
1.1Research Background and Significance 1
1.1.1Research Background 1
1.1.2Research Significance 3
1.2Research Summary at Home and Abroad 4
1.2.1Calculation of Agricultural Total Factor Productivity 4
1.2.2Research on Producer Services and Industrial Agglomeration 5
1.2.3Summary Review 6
1.3Research Content and Technical Route 6
1.3.1Research Content 6
1.3.2Technology Roadmap 8
1.4Research Innovation and Insufficiencies 9
1.4.1Research Innovation 9
1.4.2Research Insufficiencies 9
2Theory of Producer Service Agglomeration and Agricultural Total Factor
Productivity 10
2.1Concept and Concept Definition of Producer Services 10
2.1.1Producer Service 10
2.1.2Industrial Agglomeration 11
2.2Theory of Agricultural Total Factor Productivity 12
2.3The Transmission Mechanism of Producer Service Agglomeration Affects the
Rate of Agricultural Total Factor Productivity 12
2.3.1Analysis of The Influence Mechanism of Producer Service
Agglomeration on Agricultural Total Factor Productivity 12
2.3.2Analysis of The Intermediary Effect of Producer Service Agglomeration on Agricultural Total Factor Productivity 16
3Statistical Measure and Analysis of Producer Service Industry Agglomeration and Agricultural Total Factor Productivity 17
3.1Statistical Measure and Analysis of the Agglomeration of Producer Services .17
3.1.1Measurement Method of Industrial Agglomeration 17
3.1.2Analysis of Producer Service Agglomeration in Jiangxi Province 17
VI
3.2Statistical Measure and Analysis of Agricultural Total Factor Productivity 18
3.2.1Selection of the Index of Agricultural Total Factor Productivity 18
3.2.2Statistical Measure of Agricultural Total Factor Productivity in Jiangxi
Province 19
3.2.3Analysis of Agricultural Total Factor Productivity in Jiangxi Province .20
3.3Chapter Summary 23
4The Impact of Producer Service Agglomeration on Agricultural Total Factor Productivity 24
4.1Model Construction 24
4.1.1Benchmark Model 24
4.1.2Mediating Effect Model 24
4.2Variable Selection and Data Description 25
4.2.1Predicted Variable and Core Explanatory Variables 25
4.2.2Mediator 25
4.2.3Controlled Variable 26
4.3Regression Results Based on The Panel Data Model 26
4.3.1Benchmark Model Test 27
4.3.2Intermediary Effect Test 29
4.3.3Industry Heterogeneity Test 30
4.4Chapter Summary 34
5Research Conclusions and Policy Recommendations 35
5.1Research Conclusions 35
5.2Policy Recommendations 36
References 38
Appendix 42
Acknowledgements 57
VII
1緒論
1.1研究背景與研究意義
1.1.1研究的背景
習近平總書記在黨的十九大報告中指出我國經濟已由高速增長階段轉向高質量發 展階段。2021 年全年 GDP 增速為 8.1%，這意味著由開放紅利和人口紅利所帶來的多年 高增長的時代逐步結束，發展也進入了新舊動能的轉換時期，中國經濟已逐步進入中高 速增長的“新常態”。顯然，農業經濟也需要適應這一趨勢，走高質量發展之路。
“三農”問題一直以來都是我國社會主義現代化建設的關鍵問題，隨著工農產業發 展與城鎮化深入，農業比重下降、農村人口減少，但農業作為國民經濟的基礎性產業， 其重要的基礎地位并未改變。自家庭聯產承包責任制實施以來，農業生產率普遍得到大 幅度提高，糧食產量也由1978年的6095億斤增加到2020年的13390億斤①，成功實現 了以世界 7%的耕地養活了占世界 22%的人口，有力地回答了“誰來養活中國”的質疑。 但是截至目前，我國的農業仍然處在由傳統農業向現代化農業過渡時期，為使我國農業 基礎更加穩固、農村功能不斷拓展、農民收入水平明顯提高，國家先后出臺了實行糧食 直補、減免農業稅等一系列的惠農舉措，成效有目共睹。然而，未來的農業發展不僅是 依靠動力、資源和機遇，更多的是需要面臨挑戰、矛盾和約束。具體體現在：1.糧食需 求與農業資源匱乏之間的矛盾。我國是一個擁有 14 億人口的發展中國家，糧食問題始 終是國計民生的頭等大事，但由于人多地少、播種面積縮減以及耕地質量下降造成我國 糧食生產的后續動力不足，糧食需求日益增加與農業資源日益匱乏之間的矛盾不斷加劇。 因此，伴隨著農業資源的約束不斷增強，如何促進農業經濟持續增長，減少農產品對進 口的依賴，進而把中國人的飯碗牢牢端在自己手中，已然成為現代化農業發展所面臨的 現實問題。2.農業增產與化學投入之間的矛盾。隨著農業綜合生產能力的不斷提升，自 2004 年以來，我國實現了糧食總產量實現“十八連豐”（人民網， 2021 年 12 月 7 日）。 然而，這種連年增產的背后是化肥、農藥等農業化學物質投入的高速度增長。2015 年， 我國農業部提出農藥、化肥使用量要在 2020 年實現零增長。2016—2019 年期間，雖然 農藥、化肥使用量總和由6158.46萬噸下降至5542.76萬噸②，但用量依然相對較高。因 此，“高投入、高產出和高廢物”的農業發展模式并未發生明顯改變，大量的農藥、化 肥使用不僅對農業資源和環境造成了嚴重的損害，也使得農業污染成為了繼工業污染后 的主要污染源，這對人類的生命健康也構成了較大威脅。 3.農村資金外流與現代化農業
①數據來源于國家統計局網站(http://www.stats.gov.cntjsj/zxfb/202012/t20201210_1808377.html)
②
數據來源于國家統計局網站(https://data.stats.gov.cn/easyquery.htm?cn=C01)
1 發展之間的矛盾。家庭聯產承包責任制改革成功推動了工業化進程，促使大量的農村資 金流向城市和工業發展，從而造成了農村資金空心化的局面。盡管國家先后出臺了實行 糧食直補、減免農業稅等一系列的惠農舉措，在一定程度上削弱了農業對工業的支持力 度，但是大量的資金外流導致農業資金匱乏，有學者指出我國農業現代化的瓶頸就在于 資金投入不足。由此可知，我國產業發展的現狀依然是農業支持二三產業，如果要真正 實現二三產業反哺農業，還需要盡快扭轉這種農村資金外流的現狀。4.農村勞動力大規 模流失與農業生產之間的矛盾。2021 年 4 月，國家統計局網站發布了《2020年農民工 監測報告》①，其中的數據顯示，中國的農民工總量已經達到28560萬人，約超過國內 總人口的 20%，由此可見，農民工已經成為了一個非常重要的群體。而農村勞動力外流 導致農村人力資本弱化、農業技術推廣困難，進而導致農村勞動力市場的資源匱乏與農 業生產之間的矛盾日益加劇，因此不利于農業全要素生產率的提升。5.農業資源錯配與 高質量發展之間的矛盾。改革開放促使農業全要素生產率提升進而使得農村經濟得以復 蘇，而大量農村剩余勞動力轉向城鎮，這在一定程度緩解了農村居民與耕地之間的壓力， 緩和了緊張的人地關系，而農業要素投入比例失調和配置扭曲的狀況并未改變，農村勞 動力、資本等生產要素為了追求更高的回報而長期流向生產率更高的非農業部門，這些 使得農業資源的配置存在顯著的扭曲現象，最終導致農產品供給需求不匹配，嚴重影響 了農業全要素生產率的進一步提升。如何優化農業要素配置，并且形成一個高質量、高 效率、可持續的農業供給體系，進而提升農業全要素生產率，已然成為農業供給側結構 性改革和實現農業高質量發展的關鍵因素。
提高農業全要素生產率的重要來源之一就是改善資源配置。崔書會等（2019）認為 改善農業資源的配置效率和提升農業技術對于提升中國農業全要素生產率具有十分重 要的意義。因此，要提升農業全要素生產率不僅要注重學習、引進、吸收國外先進技術， 提高農業的自主創新能力，而還要注重降低農業資源錯配，深入挖掘農業全要素生產率 的潛力。目前有關農業全要素生產率的影響因素的研究相對較多，將生產性服務業集聚 和農業全要素生產率結合起來研究的文獻并不多見。而且，考察生產性服務業集聚對農 業全要素生產率影響的相關文獻主要采用傳統的基于生產前沿面的數據包絡分析法或 隨機前沿生產函數法測算農業全要素生產率，并將全要素生產率增長分解為技術變化、 技術效率、規模效率和純技術效率，進而探討各組成部分對全要素生產率的貢獻。因此， 本文將綜合考慮農業生產的相關因素，借助 DEA-Malmquist 模型測算農業全要素生產率， 深入探討各類因素對農業全要素生產率的影響。
在市場轉型的過程中，農民有了自主選擇和自由遷徙的機會，一部分農民開始脫離 農業，轉而流向制造業服務業等相關產業。《2020年農民工監測報告》②中顯示，我國
http://www.stats.gov.cn/tjsj/zxfb/202104/t20210430_1816933.html
http://www.stats.gov.cn/tjsj/zxfb/202104/t20210430_1816933.html 從事第三產業的農民工比重已達 51.5%。隨著農機服務、金融服務、農業推廣服務等快 速發展，一大批與農業相關的生產性服務企業或機構脫穎而出，農業轉型的推動力也逐 漸從化學投入（農藥、化肥）、人力投入，向農業機械、信息技術、互聯網技術、金融 服務等綜合性服務行業轉移。與此同時，生產性服務業集聚程度的不斷加深，集聚效應 影響了集聚區內資本和勞動力等一系列生產要素的配置，從而對全要素生產率產生影響。 有學者認為，導致我國農業全要素生產率以及農業現代化水平較低一個重要原因是我國 農業生產性服務投入嚴重不足。在當今的背景下，發揮農業生產性服務業作為農業經濟 發展中的粘合劑作用，有助于把農業發展所必須的人力、資本、技術等引入到農業的生 產過程，是發展現代農業、轉變農業發展方式的重要引擎，也是促進農民增收的重要途 徑。
那么，一段時期以來，作為現代化農業發展中堅力量的生產性服務業，其在各地級 市的集聚狀態怎樣？生產性服務業的哪些農業生產環節提供支持能更加有效地發揮農 業生產性服務業資源的促進功能？農業的哪些生產環節更需要生產性服務業的深度介 入？這些正是本文試圖回答的問題。
1.1.2研究的意義
從理論意義來講，通過查閱相關的農業全要素生產率和生產性服務業文獻發現，現 有的研究多集中于對農業全要素生產率或農業全要素生產率的單一問題角度進行研究， 將二者結合起來研究的文獻并不多見，更少有研究從二者之間的傳導機制出發進行深入 研究。本文基于《江西省統計年鑒》以及國家統計局網站相關數據，將江西省生產性服 務業集聚對農業全要素生產率的影響進行測度，進一步通過構建動態面板數據模型和中 介效應模型分析江西省各地級市生產性服務業集聚通過影響農民收入進一步對農業全 要素生產率影響的傳導機制，最后將生產性服務業劃分為高端生產性服務業和低端生產 性服務業，通過行業的異質性深入分析不同行業類型的集聚對農業全要素生產率的影響， 以此根據研究結果提出有針對性的對策建議，對促進江西省農業發展提供一定的參考。
從現實意義來講，全面建設社會主義現代化國家，實現中華民族偉大復興，最艱巨 最繁重的任務依然在農村，最廣泛最深厚的基礎依然在農村。研究生產性服務業集聚對 農業全要素生產率的影響，一方面，對于生產性服務業更好的服務農業具有重要意義， 同時對于加快推進農業現代化也有一定程度的影響；另一方面，江西省各地級市在農業 結構和農業資源稟賦上有著一定程度的差異，通過研究生產性服務業集聚對農業全要素 生產率的異質性，有利于江西省各地級市因地制宜的制定政策并完善相關政策進而推動 農業全要素生產率提升，加快推進農業現代化。
1.2國內外研究現狀
1.2.1農業全要素生產率的測算
農業全要素生產率的提升是農業可持續發展的關鍵因素。隨著相關產業效率研究的 不斷深入，開始有更多的學者關注農業全要素生產率的測度。首先， 90年代中期以來， 學術界對中國農業全要素生產率的變化趨勢一直存在爭議，不同測度模型的應用是其中 主要原因之一。通過整理全要素生產率測度方法的相關文獻，發現數據包絡分析是較為 常見的測度方法，而針對農業全要素生產率的測度研究也主要從DEA模型展開。其中， 李明文等(2020)采用全國二百七十二個地級市面板數據分析，并采用大數據包絡分析 法-Malmquist指數法評估了各縣級市糧食的全要素生產率，并通過空間計量模式與門檻 回歸模式揭示了農業服務業對糧食全要素生產率的非線性作用及其影響途徑。分析表明， 農村服務業的占比增加可以促進農業糧食全因素生產力的提升，同時由于人均種植面積 的增加，農村服務業占比增加對農業糧食全因素生產力的作用也顯示出了逐步遞增的特 征；農村服務業增長對農業糧食全因素產量增加作用主要依靠科技投入方式完成，科技 進步途徑作用不顯著。薛超等(2020)通過對省域農業面板數據分析，利用Malmquist生 產率指標的方式綜合評估了我國三十一個地區種植業全要素生產率水平，并利用 OLS 方式對種植業生產機械化水平及其對全國種植業全要素生產率的影響途徑與特征，開展 了實證分析。調查研究表明：農業機械化水平對種植業等全部要素生產力的提高有著重 要促進作用，但在農業機械化發展各個階段其生產力提高的途徑與特點也有所不同。王 璐等(2020)以農業農村部全國農村固定觀察點數據為基礎，通過C-D生產函數計算農 業全要素生產率，研究發現：全國整體農業全要素生產率呈上升趨勢。劉亦文等(2021) 利用非期望MinDS超效率-Metafronier-Malmquist模型對我國八大綜合經濟區農業綠色 全要素生產率測度發現， 2000—2018 年期間，我國八大綜合經濟區農業綠色全要素生產 率皆實現較好的增長。
其次，農業全要素生產率的提升作為農業可持續發展的關鍵因素，有不少學者開始 對農業全要素生產率的影響因素進行研究，主要沿著以下幾個方面展開。第一個方向是 從現代化農業生產活動的角度出發考查其對農業全要素生產率的影響，既有文獻主要集 中在信息化發展和科技創新領域。第二個方向是從宏觀經濟環境入手考察其對農業全要 素生產率的影響，既有文獻從金融、保險發展、外商直接投資、農村基礎設施、勞動力 轉移、城鎮化水平等角度展開。第三方面從貿易流動視角探究其對農村全要素生產力的 影響。王亞飛等(2020)通過長三角區域二十五個地市級及以上城市群的面板調查，利用 匹配倍差法和安慰劑測試等耐用性試驗方法，對高速鐵路通車的農村全要素生產力提升 作用開展實證調研試驗。研究成果表明，高速鐵路通車對沿線市鎮農村全要素生產力的 顯著促進作用，主要體現為對農村科技進步的帶動。高速鐵路通車可以提高城市化對農
4
村全要素生產力提升的拉動作用和產業結構對農村全要素生產力提升的逆饋影響。王曉 紅等(2021)根據我國對外直接投資和外商直接投資的有關統計資料，研究表明 OFDI 對 我國的全要素生產力發展有著一定的促進作用。韓嫣等(2021)認為 FDI 對農業企業生產 率存在顯著為正的競爭效應和前向溢出。方慧等(2021)使用 DEA 超效率 SBM 模式，計 算了我國二百六十個大中城市的外國資本工業集團全要素生產力，實驗結果表明低生產 型服務業的聚集推動了城市 FDI 利用效率的提升，而高級生產型服務業聚集則能夠借助 城市科技進步推動 FDI 的利用效率提升。
上述研究成果，盡管都從不同的視角關注了中國農村全要素生產力的主要影響因素， 但將中國生產性服務業發展與農村全要素生產力結合起來的研究成果卻不多見，將中國 生產性服務業集聚與農村全要素生產力結合起來的研究成果也比較罕見。
1.2.2生產性服務業及產業集聚的相關研究
早在20世紀70年代，Harry(1977)研究發現生產性服務業在農業經濟增長過程中扮 演著十分重要的角色。在有關發展農業生產性服務業的研究成果中分析，可以大致包括 這樣的兩方面:一個是理論上闡述了發展農業生產性服務業的重要意義，農業生產性服務 業已經貫通農村生產方式的全部流程，不但為農村供給側改革提出了新思維，而且也為 破解農民“誰來種地”、“如何種地”以及“地怎么種好”的問題，探尋了新途徑。張 紅宇(2019)則提出要實現農村的全面轉型升級，為了進一步提高農村發展質量，就必須 提高農村生產性服務業的功能與作用。基本都提出了發展農村生產性服務業就可以提高 農村產出效益，但這種提升的機制因研究角度不同而有所區別。韓堅等(2006)通過比較 中國、歐美等先進國家經驗表明，在我國由于對生產性服務投資較少，所以農村的生產 性服務業發展對農村社會全要素生產力提升的促進作用很有限。早期的研究成果大多是 著眼于農村生產性服務業對農村產出效益的影響，認為農業生產性服務業通過專業化分 工、降低交易成本等途徑直接提升了農業生產效率。后續研究成果也在此基礎上進行了 更為廣泛的調研，李博偉等(2019)使用與村戶信息對接的調查數據進行了實證檢驗，研 究結果發現：農業生產聚集與生產科技服務之間形成了明顯的相互影響，從而帶動農民 收入提高，同時相比生產技術推廣服務，農業生產聚集與生產外包服務之間的相互影響 也更為強烈。黃繁華等(2020)報告通過空間上杜賓模式實證地分析了生產性服務業聚集 對長江三角洲城市群經濟社會發展質量的直接影響和空間上溢影響。結果表明，生產性 服務業聚集不但可以提高該區域的整體經濟發展質量，而且可以對相鄰城市產生正向的 空間溢出效果。杜建軍等人(2020)通過二百七十五個省市的調查面板資料，實證考察了 我國農業產業聚集對農村勞動生產率的影響以及提升機理，研究成果表明：我國的農業 產業聚集可以明顯提升農村勞動生產率。郭衛軍等(2021)通過熵值法，計算出了世界上 八十二個發達國家和地區的經濟發展質量指標，并在此基礎上實證地探討了工業集聚和 國民經濟發展質量之間的關聯。調查結果表明：工業聚集程度和服務業集中水平的增加
5
都可以促進一國的經濟發展質量，而服務業聚集程度的提高則可以改善發達國家和地區 的經濟發展質量。陳蕊(2021)根據全國二百六十一個大中城市的統計資料，利用空間杜 賓模式分析了生產性服務業集聚區對中國城市全部要素生產力的影響。結果表明：高端 生產型服務業與先進制造業之間的合理搭配，推動了中國城市社會全部要素生產力升級。
總結已有的研究來看，不論采用何種視角，生產性服務業的發展均不同程度的促進 了農業生產效率。然而，作為現代化農業發展中堅力量的生產性服務業，其集聚程度在 各地區究竟達到了怎樣的狀態？為哪些農業生產環節提供支持能更加有效地發揮生產 性服務業資源的促進功能？而這種促進功能對各地區的農業技術進步、技術效率和全要 素生產率究竟產生了怎樣的影響？
1.2.3相關研究評述
綜上所述，目前有關農業全要素生產率的影響因素以及生產性服務業的研究相對較 為豐富，但仍有一些不足：首先，如何合理地界定生產性服務業的范圍，學者們并未給 出明確的結論，因而有待進一步研究。其次，大多數研究僅從農業生產服務業或農業全 要素生產率的單一問題角度進行研究，將生產性服務業集聚和農業全要素生產率結合起 來研究的文獻并不多見，更鮮有學者針對生產性服務業集聚與農業全要素生產率之間的 關系以及傳導機制進行深入研究。比如，作為現代化農業發展中堅力量的生產性服務業， 其集聚程度在各地區究竟達到了怎樣的狀態？為哪些農業生產環節提供支持能更加有 效地發揮生產性服務業資源的促進功能？而這種促進功能對各地區的農業技術進步、技 術效率和全要素生產率究竟產生了怎樣的影響？再次，既有的研究也較少涉及不同創新 程度下的生產性服務業集聚對農業全要素生產率影響。最后，更鮮有研究把生產性服務 業集聚對全要素生產率的影響分解為效率變化和技術進步兩部分進行分別研究。
鑒于以上研究的不足，本文將以生產性服務業集聚作為提升農業全要素生產率的農 業供給側改革的主要內容，關注不同地區的生產性服務業集聚程度的高低以及如何影響 農業全要素生產率。同時，通過構建以生產性服務業集聚為核心解釋變量的面板數據模 型，并通過相關統計檢驗處理模型的內生性問題。另外，本文還將農業全要素生產率分 解為農業技術進步和技術效率，并分別構建模型研究不同地區的生產性服務業集聚對它 們的影響。最后，將在考慮創新效應的前提下，分別研究高端生產性服務業與低端生產 性服務業的集聚究竟會對不同地區的農業全要素生產率產生何種影響，以便我們更好地 從農業供給側改革的角度制定相關政策。
1.3研究內容及技術路線
1.3.1研究內容
本文基于《江西省統計年鑒》以及國家統計局網站相關數據，測算江西省各地級市
6
的生產性服務業集聚程度以及農業全要素生產率，并對各地區在農業結構和農業資源稟 賦上所存在的差異進行分析。本文研究共分為五部分：
第一部分，緒論。主要闡明論文研究的背景，通過對國內外文獻的閱讀、整理和分 析，了解與本研究相關的國內外研究成果和進展，明確研究意義、研究內容以及創新和 不足。
第二部分，首先介紹生產性服務業以及產業集聚的相關理論，再介紹農業全要素生 產率的相關理論，進而在整體上對生產性服務業集聚與農業全要素生產率有所認識。然 后將生產性服務業集聚與農業全要素生產率結合起來。一方面，從理論上闡述兩者之間 的傳導機制，以及生產性服務業集聚通過農民收入進而影響農業全要素生產率的傳導路 徑；另一方面，從動態關聯、作用路徑和調節效應的角度出發，在理論上闡述了生產性 服務業集聚與農業全要素生產率之間的關系，進一步豐富生產性服務業服務“三農”的 研究。
第三部分，一方面，選取與農業發展相關的 8 類生產性服務業作為研究對象，并通 過計算江西省各地級市生產性服務業的就業密度比來衡量各地級市生產性服務業的集 聚程度，最終對測度結果進行分析；另一方面，基于江西省各地級市的面板數據，測度 農業全要素生產率，并利用 DEA-Malmquist 方法測算農業全要素生產率，并將其分解為 農業技術進步和農業技術效率，進一步將農業技術效率分解為純技術效率和規模效率， 最后對測度結果進行分析。
第四部分，基于第 2 章的理論綜述以及第 3 章的統計測度，通過構建相關面板數據 模型實證檢驗生產性服務業集聚對農業全要素生產率的影響。一方面，通過構建動態面 板數據模型研究生產性服務業集聚對農業全要素生產率、農業技術進步、農業技術效率、 純技術效率以及規模效率影響的直接效應；另一方面從動態關聯、作用路徑和調節效應 的角度出發，通過構建中介效應模型，研究生產性服務業集聚、農民收入以及農業全要 素生產率之間的影響路徑。
第五部分，對理論研究和實證分析結果進行分析，總結并得出全面合理的研究結論， 并基于文章的研究成果及異質性和傳導性機制提出相對應的政策建議。
1.3.2技術路線圖 本文的研究技術路線圖如圖 1.1 所示。
圖 1.1 研究技術路線圖
Fig. 1.1 Research Technology Roadmap
1.4創新與不足
1.4.1創新之處
研究視角上，通過閱讀以往文獻發現，現有的研究多集中于對生產服務業或農業全 要素生產率的單一問題角度進行研究，將二者結合起來研究的文獻并不多見，更少有研 究從二者之間的傳導機制出發進行深入研究。鑒于此，本文基于《江西省統計年鑒》以 及國家統計局網站相關數據，對江西省各地級市的生產性服務業集聚對農業全要素生產 率的影響進行實證檢驗，進一步通過構建中介效應模型研究兩者之間的傳導路徑，同時 對行業的異質性進行分析，揭示各地級市農業結構和農業資源稟賦上因存在差異而導致 不同結果的原因及其作用機制。
研究方法上，關于產業集聚的測度方法有很多種，典型的有區位熵、Hoover指數、
Gini 系數、 E-G 指數等。其中，多數學者習慣采用區位熵計算生產性服務業的集聚水平。 但是，產業集聚是指來自同一產業或多樣化的產業的企業在某個特定地理區域范圍內大 量集聚，而區位熵本身是一個反映產業專業化程度的指標，并未將空間地理因素考慮其 中，二者有交集但并不完全一致。因此，采用區位熵測度產業集聚程度，很可能存在一 定的偏差。鑒于此，在綜合考慮空間地理因素的前提下，通過計算各個產業的就業密度 比例來衡量其集聚程度，這樣更具有說服力。
1.4.2不足之處
受自身學術水平限制以及江西省農業領域數據可得性，本文對農業全要素生產率的 探討較為初步和片面，未能從更多角度展開研究，且實證分析更多的是生產性服務業集 聚對農業全要素生產率的影響，一方面，計算產業集聚所選取的行業類型相對較少；另 一方面，制度因素的復雜性使得影響因素分析依然不足，這也是本研究下一步研究的可 能性和突破點。
2生產性服務業集聚與農業全要素生產率的相關理論
2.1生產性服務業相關概念界定
2.1.1生產性服務業
Greenfield (1966)最早提出了生產性服務業這一概念，當時只是強調了其作為中間 投入品的屬性，并不直接向消費者服務。到了 20 世紀 70 年代， Browning 和 Singelman (1975)豐富了生產性服務業的定義，認為不僅包括中間投入產業，還包括其他服務業 部門、工業部門和農業部門。Daniels(1985)則按照產業功能，把我國服務業區分為生產 型服務業與消費類服務型產業。此后，生產性服務業領域得到了學者們廣泛研究，其概 念逐漸得到完善。Coffer(2000)進一步闡述了生產性服務業的實質意義，在現代工業的生 產流程中生產性服務業主要以人力資源和技術投資的方式出現，盡管不產生直接消費和 服務，但是緊密銜接著二三產業，促使產業化生產和優化資源配置。
國內學者基于我國實際情況也提出了見解(郭然和原毅軍， 2020)。本文對生產性 服務業的定義以及后文分析主要基于學者于斌斌(2017)的觀點，即認為生產性服務業 具有豐富的知識、人力投入，通過產業聯結和跨界服務為制造業提供中間產品。
生產性服務業逐漸成為現代服務業中的一大門類，從而形成了現代服務業中所有的 基本特征，如滿足服務產品的生產、交換和消費目的等。除此以外，上海生產性服務業 還具備一些獨有特點：一是屬于中間投入品。生產性服務業則作為中介業務，將二三產 業有效地銜接起來，而不是向消費者提供直接而獨立效用。二是把人力資本和專業知識 視為投資要素，從而構成人力資本和知識密集型行業。三是和工業企業聯系密切。生產 性服務業并沒有一個可以單獨出現的新部分，它只不過是由于全球分工和制造效率的提 升，而從工業內部分離的新興部分，依附于制造業企業而產生，所以沒有工業企業也就 意味著不能有生產性服務業。
伴隨著現代工業的發展與進步，生產性服務業的研究日益豐富和完善。明確生產性 服務業的范圍是開展本文研究的基礎，表2.1 匯總了國內外學者、權威機構和政府部門 對生產性服務業外延范圍的劃定標準。基于研究的可行性，本文將結合學者們以及政策 性文件中的生產性服務業分類方法對生產性服務業進行研究。
10
表 2.1 生產性服務業范圍界定
Tab. 2.1 Scope definition of producer Services
序號 學者/機構/政府部門 范圍界定
1 Browing &Singelman
(1975) 保險；金融；房地產；法律及商務服務；經紀
2 Horwell &Grenn
(1986) 商務服務業；保險；金融；職業和科學服務
3 美國經濟普查局分類 （1999） 運輸和倉儲；批發貿易；不動產和租賃；信息；專業和
科技服務；行政保障公司和企業管理
4 英國標準產業分類（SIC） 批發分配業；貨運業；廢棄物處理業；金融保險業；研 究開發；廣告
5 日本標準產業分類（ 1985） 運輸通信業；金融保險業；飲食宿泊業；電器、熱供給、
水道業、不動產業；教育
6 OECD 國家公布的 投入產出表分類 通信業、批發貿易及零售業；金融保險業；交通及倉儲
業；房地產及商務服務
7 聯合國
《國際標準產業分類》 （ 2004 ） 信息技術合作與交流;商品配送與物流;金融服務與保障 活動;食宿服務活動;出售或者租借經濟活動;房地產;專 業人員和技術交流活動;政府投資與支持服務活動;教育
8 于斌斌（ 2017） 交通運輸、倉儲和郵政業；信息傳輸；計算機服務業和 軟件業；批發和零售業；金融業；房地產業；租賃和商 業服務業；科學研究、技術服務業和地質勘查業
9 中國國家統計局
《生產性服務業統計分類》 （ 2019 ） 為企業服務的研究設計和其他科技咨詢服務；節能和環 境保護服務；金融業；生產性租賃業務；經濟貿易咨詢 服務；貨物運輸、普通航空制造、物流服務和郵政速遞 業務；信息技術咨詢服務；生產力投資業務等
10 張虎、韓愛華（ 2019） 信息技術傳播、計算機技術咨詢服務和應用軟件業；技 術咨詢服務和地質勘查業；交通運輸物流和郵電業；汽 車租賃和商貿等服務業
2.1.2產業集聚
集聚經濟（Economies of Agglomeration）是指經濟活動地理集中而產生的外部性。按 照其屬性的表現形式可以分成技術外界性和商品外界性。技術外部特征是指隨著科學技 術、信息外溢的擴展而出現的，技術外部特征也可包括馬歇爾外部特征和雅各布斯外部 特征。馬歇爾外部性是指在特定區域某相似或相同行業的企業集聚而產生的外部性。雅 各布斯外部性是指特定區域中不同行業的企業集聚而產生的外部性。貨幣外部性是產生 于經濟活動中一些投入和產出的價格變化。
11
2.2農業全要素生產率的相關概念
生產率這個概念的很早就已經開始出現，據美國邁阿密大學Sumanth博士考證，最 早提出生產率的概念的是魁奈，但此時的生產率僅限于對農業的勞動。亞當•斯密 (adam • smmi)認為分工會直接引起了勞動生產率的大幅度提高，從而也就引起了國 民財富的大幅度增加，所以摒棄了之前傳統的生產性勞動觀，將其生產率這一概念拓寬 到了整個社會的生產經營活動或者是生產管理領域。總的說來，這一時期對于生產率的 概念仍然主要是以實際中所使用的價值為線索，此時的生產率通常指的是勞動生產率。
我們在傳統社會經濟中一般采取勞動生產率、資金總體產值率等生產指標來描述生 產率。但是，在進行生產的過程中需要投入的生產要素既包括勞動又包括資本要素時， 單一要素的生產率就不太合適。因此在經濟學的研究中往往會引入一個全要素生產率的 概念，全要素生產率的提高既包括非體現性技術進步，也包括人力資本增長和其他一些 不可預見或者觀察性因素的貢獻。
全要素生產率一般的含義就是指資源的綜合開發利用效率，其中全要素的資源都是 包含了所有勞動、資本。從我們的經濟成長性角度而言，資本、勞務等要素的投入將有 可能促進整個生產率的提高。從工業生產率和效率這個指標的統計角度來說，生產率這 個重要指標指的是在某一特定的歷史時期內我們現在國民經濟發展中的實際生產成本 與各種自然資源利用要素的實際綜合生產投入之間的絕對比值。從其本質上來講，作為 科學技術的進步對于經濟發展的一種綜合體現，它所直接反映出來就是某一國家(或者 地區)因其擺脫貧窮、落后局面而在一定的時期里所做出的努力水平及其表現形式。全 要素生產率通常是一個專門用來評價和衡量企業生產效率的重要指標，它主要有三種因 素的來源：一種就是生產效率的提升；二是科學和技術上的進步；三是規模效應。
2.3生產性服務業集聚影響農業全要素生產率的傳導機制
2.3.1生產性服務業集聚對農業全要素生產率影響機制的分析
生產性服務業集聚能有效銜接、協調農業經濟活動的各個環節，有助于提升農業生 產活動的迂回生產過程，最終形成一個緊密粘合、分工協作的農業生產網絡，并通過自 身發展優化產業內部結構， 從而對農業全要素生產率產生一定的影響。 EugenBohm-Bawerk (1988)提出的迂回生產理論，明確提出迂回生產有助于提高生產 效率。生產性服務業集聚的實質是充當各類資本的轉換器，通過生產迂回的方式將更為 深化的資本和勞動力引入農業生產過程中，從而推動農業生產從依靠勞動力、土地資源 剛性投入與生產規模擴張向依賴農業科技創新、互聯網信息等柔性投入與提升農產品附
12 加值轉型發展。生產性服務業集聚作為產業鏈各環節之間的潤滑劑，通過貫穿農業的產 前、產中、產后環節，形成規模效應和經濟效應，從而成為現代農業的重要組成部分。
首先，種子、農藥、化肥等流通服務部門的發展為農業增產、增收進步提供了動力， 也是我國農業取得跨越式發展的決定力量。此外，交通運輸、物流倉儲、加工包裝以及 信息平臺等相關服務部門的發展為減少農產品浪費、保證農產品生產質量、提升農產品 市場流通效率等提供了全面、系統的服務。與此同時，伴隨著農業機械化以及信息化在 農業生產中的推廣普及，這些也會提升農業的生產規模以及農業發展的現代化程度，進 而對農業全要素生產率產生積極的影響。其次，生產性服務業通過提升專業化分工，提 升農業市場的各類資源配置效率，在深化物質、人力資本的同時還可以加快農業科技創 新。具體地，生產性服務業集聚可以為農業生產提供農業機械、技術支持等更加便捷的 服務，降低農業生產過程中投資大型農機工具的風險以及農機資產的閑置成本，而節省 下的資金可進一步增加在農業科學技術方面的投入，這在提升農業生產資金的利用效率 的同時，也會進一步提升農業全要素生產率。再次，生產性服務業集聚還可以促使物流 運輸、信息咨詢服務等部門的專業化程度不斷提高，一方面降低農民的信息搜集成本以 及市場中信息不對稱現象造成的道德風險；另一方面促進農業市場競爭、激發市場活力， 提升市場的資源配置效率，從而提升農業全要素生產率。最后，生產性服務業也包括為 農業提供金融、保險服務的相關行業，它們在促進物質、人力資本流向農業的過程中， 也可以為農業現代化水平的提升提供有力保障。
可見，生產性服務業作為農業現代化進程中的推動力量，促使各類產業充分融合， 對調整農業產業結構、提高農業附加值、提升農業全要素生產率等具有積極促進作用， 并最終實現農業經濟效應和規模效應的最大化。
而對于一個地區的生產性服務業集聚如何影響農業全要素生產率，還可從低端和高 端生產性服務業兩個方面去考察，根據研發強度的高低，前者側重考察“農、林、牧、 漁服務業”、“批發和零售業”、“住宿和餐飲業服務業”、“交通運輸、倉儲和郵政 業”、“租賃和商業服務業”5 個行業對農業全要素生產率的影響；后者側重考察“信 息傳輸、軟件和信息技術服務業”、“金融業”、“科學研究和技術服務業”3 個行業 對農業全要素生產率的影響。下面，關于生產性服務業集聚對農業全要素生產率影響的 實證檢驗也主要從這兩方面展開。
(1) 低端服務業集聚對農業全要素生產率的影響機制分析
與發達國家相比，目前我國農業現代化仍然處于相對較低的水平，農業發展中還存 在農業結構不合理、農產品競爭力弱、農村資源過度開發等一系列問題，而農業生產性 服務投入不足是重要原因之一。就低端生產性服務業集聚而言，他們可為農業生產活動
13
提供物流運輸、市場營銷、耕種收割、商務活動等專業化的生產服務，并能通過規模效 應有效地銜接農業生產的各個環節，提升農業生產的迂回程度。隨著生產性服務業集聚 規模不斷提升，農業生產的迂回程度也會得到進一步加深，而專業化的勞動力、資本、 技術等生產要素成為農業生產的關鍵因素，因此，傳統農業生產中的職能部門會被外部 專業化程度更高、經驗更加豐富的生產服務部門所替代，加快農業生產、運輸、銷售等 過程的延伸，同時為農業專業化、規模化、集約化的發展提供便利，進而提升農業全要 素生產率。此外，低端生產性服務業集聚會帶來較為激烈的外部競爭，而劇烈的競爭效 應一方面會激發市場活力，另一方面可以促使與農業生產相關服務費用降低，并且提升 服務質量，同時也能提升農產品加工、運輸等各個環節的效率，進而促進農業全要素生 產率的全面提升。
隨著低端服務業集聚程度的不斷提升，規模效應會促使各類中介服務部門的競爭加 劇，而擠出效應也隨之產生，進而會對農業全要素生產率帶來不利的影響。然而，由于 低端生產性服務業促使具有相對較低文化素質的農村勞動力大量轉移，尤其是當地大量 的青壯年勞動力，留下的僅僅是一些耕種經驗相對豐富的年邁勞動力，由于年邁勞動力 的耕種經驗所帶來的積極作用遠不能彌補由青年勞動力流失所帶來的負面影響，這在一 定程度上會對農業全要素生產率帶來不利影響。由此可知，低端生產性服務業集聚導致 的人口集聚會加快農業勞動力向“老齡化”發展，從而也會降低農業全要素生產率。
(2) 高端服務業集聚對農業全要素生產率的影響機制分析
當今社會，信息傳輸、計算機服務和軟件業、金融業、科學研究和技術服務業等高 端生產性服務業都是產業分工精細化、專業化的產物。它們為農業生產提供科技推廣、 品牌塑造、農業金融、保險服務、農業生產管理等現代化的生產服務，通過滲透到生產 的各個環節來優化農業生產的內部結構，促使農業產業鏈向縱深發展，進而提升農產品 增值能力。此外，由高端生產性服務業集聚所產生的規模效應和經濟效應能更加全面地 滿足農業生產對其專業化和多樣化的需求，進而加快農業創新發展。
首先，高端生產性服務業集聚會促進同類企業間交流與合作，降低企業尋找人才的 成本，在提升農業生產服務的多樣化、專業化以及精細化程度的同時，加快農業產業鏈 延伸，從而提升農業全要素生產率。其次，同類的生產性服務業中的企業共同擁有相同 的買方和賣方市場，因此企業之間面臨著較大的競爭壓力，除了服務效率、價格的競爭 之外，更多表現出服務質量和信用等方面的競爭。科技水平領先的服務部門會增加研發 的投入力度，吸引專業人才的匯集，進而有利于將新科技、新技術應用于農業生產中， 在提升農業創新水平的同時提高勞動生產率，降低農業服務成本，還能通過高質量的服 務吸引更多消費者，而創新水平較低，甚至沒有從事創新活動的生產服務性企業將會退
14
出該市場，促使資本向更具競爭優勢和利潤更高的部門轉移。因此，高端生產性服務業 集聚能夠產生優勝劣汰的競爭效應，加快各類資本的轉移、深化，進而促進農業全要素 生產率的提升。最后，高端農業服務業的集聚區往往在先進的技術、知識以及信息等方 面具有優勢。為農業生產提供服務的各行業之間還可以通過正式或非正式的網絡進行高 頻率的知識交流和學習，促進農業知識的積累、創新以及擴散。這一過程可以加速各類 農業生產要素在各個產業間的快速轉移，加快農業生產對先進科學技術的掌握，為農業 生產由單純的生產環節向供應鏈和價值鏈延伸提供動力，進而提高農業全要素生產率。 綜合而言，生產性服務業集聚對農業全要素生產率提升的作用機制可見圖 2.1。
圖 2.1 生產性服務業集聚對農業全要素生產率提升的作用機制
Fig. 2.1 Function mechanism ofproducer service industry agglomeration on the improvement
of agricultural total factor productivity
15
2.3.2生產性服務業集聚對農業全要素生產率影響的中介效應分析
生產性服務業集聚的實質是充當各類生產要素的轉換器，通過生產迂回的方式將資 本和勞動力引入農業生產過程中，從而推動農業生產從依靠勞動力、土地資源剛性投入 與生產規模擴張向依賴農業科技創新、互聯網信息等柔性投入與提升農產品附加值轉變， 進而提升農民的經營性收入。此外，生產性服務業集聚還可以促進受到良好教育的農村 青壯年勞動力向城鎮轉移，專門從事非農業勞動，使非農業收入逐漸成為許多農民家庭 收入增長的主要來源。因此，整體而言生產性服務業集聚對農民收入的增長將產生積極 的影響。但是具體到低端和高端生產性服務業，它們的影響力度可能不完全一致。由于 低端生產性服務業的進入門檻較低，當低端生產性服務業集聚水平達到一定程度時，市 場競爭加劇，由規模不經濟產生的擠出效應將導致從事低端生產性服務業的勞動者工資 水平偏低，工作積極性不高，從而最終可能導致農民收入的中介效應并不顯著。相反， 高端生產性服務業的進入門檻較高，集聚水平相對較低，擠出效應并不明顯，因此由高 端生產性服務業集聚所產生的規模效應和經濟效應不僅能滿足現代化農業生產的專業 化和多樣化需求，而且由集聚引起的市場規模擴大還能提升從業者的工資水平，而收入 的提升也有利于提高從業者的積極性，從而提升勞動生產率，并對農業全要素生產率的 提升產生顯著的積極影響。
16
3生產性服務業集聚以及農業全要素生產率的統計測度與分析
3.1生產性服務業集聚的統計測度與分析
考慮到數據的可得性以及完整性，本文利用 2003—2019 年生產性服務業城鎮單位 就業人數作為生產性服務業發展現狀的分析依據，并結合已有研究對農業生產性服務業 的內涵和外延的界定的前提下，同時借鑒國家統計局《生產性服務業統計分類（2019）》 最新的分類標準，選取其中“農、林、牧、漁服務業”、“批發和零售業”、住宿和餐 飲服務業、“交通運輸、倉儲和郵政業”、“信息傳輸、軟件和信息技術服務業”、“金 融業”、“租賃和商務服務業”、“科學研究和技術服務業”8 個與農業經濟活動密切 相關的行業作為農業生產性服務業的代表。通過分析該行業總體及其細分行業就業人數 變化來衡量該行業的發展規模變動。此外，根據就業數據分析江西省各地級市生產性服 務業的集聚情況，并利用現有數據計算得出的各細分行業的區位熵值。
3.1.1 產業集聚的測度方法
關于產業集聚的測度方法有很多種，典型的有區位熵指數、Hoover指數、Gini指數、 E-G 指數等。在對產業集聚的研究中，多數的學者們習慣采用區位熵計算生產性服務業 的集聚水平。然而，產業的集聚程度實際上是指產業在空間地理上分布的不均勻程度。 若產業分布越不均勻，則集聚程度越高；反之則集聚程度越低。然而，區位熵指數并未 將空間地理因素考慮其中，因此在對產業集聚程度的測度上存在一定的偏差，本文在綜 合考慮空間地理因素的前提下，通過計算就業密度比例來衡量各個產業的集聚程度，其 計算公式如下：
其中，Ga%表示第t時期i省區丿•產業的就業密度比例；表示第t時期i地級市丿•行業的就 業人數，s’表示第i個地級市的行政區劃面積，表示第t時期所有江西省丿•行業的就 業人數總和，SLsf表示江西省的行政區劃面積總和，各基礎數據均來自于2004—2020 年的《江西省統計年鑒》。
3.1.2江西省生產性服務業集聚的結果分析
根據計算得到結果，江西省各地級市的生產性服務業集聚指數在 2003—2009 年期
間處于先上升后下降的發展趨勢，從 2003 年的 17.58 上升至 2007 年的 19.53， 2009 年
17
突然下降至 11.89，之后又平穩發展，這里本文認為出現這種斷崖式下降的原因是由于 2008 年全球金融危機的到來，使得國內各行業的就業率受到一定沖擊，此外低端生產性 服務業的就業人員相對較多，導致其受到的負面影響相對較大。總體呈現先下降后平穩 的變化趨勢。各地級市低端生產性服務業的集聚水平相對較高，呈現出與江西省的生產 性服務業集聚水平相一致的變化趨勢。高端生產性服務業集聚水平整體呈現較為平穩的 發展趨勢，在數值上卻遠遠低于低端生產性服務業和江西省的平均水平。
20
生產性服務業集聚
-e-低端生產性服務業集聚 -氓-高端生產性服務業集聚
16
才一米
12
10
2002 2004 2006 2008 2010 2012 2014 2016 2018 2020
圖 3.1 2003 — 2019 年江西省生產性服務業集聚變化趨勢
Fig. 3.1 Agglomeration trend of producer services in Jiangxi Province from 2003 to 2019
3.2農業全要素生產率的統計測度與分析
3.2.1 農業全要素生產率的指標選取
全要素生產率衡量的是產出增長率超過可核算要素投入增長率的部分。針對農業全 要素生產率的測度主要有隨機前沿生產函數法、數據包絡分析法以及索洛余值法。而數 據包絡分析不需要設定假設以及生產函數的形式，因此能有效避免計算誤差，使計算結 果具有較強的穩定性。因此，本文采用DEA-Malmquist生產率指數法測算2003—2019 年江西省 11 個地級市的農業全要素生產率。如表 3.1 所示，選取農林牧漁業總產值作為 產出指標，并將其調整為2003年不變價格數據；采用各省市年末農林牧漁業從業人員 衡量農業的勞動投入；采用農用化肥折純施用量衡量化肥的投入；采用農藥使用量衡量 農藥的投入；采用農用塑料薄膜使用量衡量塑料薄膜的投入；采用每年的有效灌溉面積 衡量農業的灌溉投入；最后選取農村用電量作為用電量投入。所有基礎數據均來自于
18
2003—2019 年的《中國統計年鑒》以及國家統計局網站。建模時，對農業全要素生產率
取了對數，即\nTFPt，農業技術進步（TEC）、農業技術效率（EFF）、農業規模效率 （SEC）以及農業純技術效率（PEC）的處理均與農業全要素生產率（TFP）相同。
表 3.1 DEA-Malmquist 投入-產出指標 Tab. 3.1 DEA-Malmquist Input-output indicators
指標 指標名稱（單位） 備注
X1 農林牧漁從業人員（萬人） 作為勞動力投入的指標
X2 農用化肥折純施用量（噸） 作為化肥投入的指標
投入指標 X3 農藥使用量（噸） 作為農藥投入的指標
X4 農用塑料薄膜使用量（噸） 作為農用塑料薄膜投入的指標
X5 有效灌溉面積（千公頃） 作為灌溉投入的指標
X6 農村用電量（萬千瓦小時） 作為農村用電投入的指標
產出指標 Y 農林牧漁總產值（萬元） 2003 年不變的價格為基礎來計算各年的 農林牧漁產出總值
3.2.2江西省農業全要素生產率的統計測度
對于江西省各地級市農業全要素生產率的分析，除了需要考察不同區域之間的差別， 還需要考察不同年份和時期之間全要素生產率的差別與時間變化趨勢。此外文章在接下 來研討農業科技投入對農業生產率的促進研究時，也需要用到面板數據和動態分析方法， 為此本文引入 Malmquist 指數模型，進一步研究農業全要素生產率的動態變化。本文嘗 試將三階段 DEA 方法與 Malmquist 指數進行結合，利用三階段 DEA 方法中第二階段的 測算結果將調整后剔除了外部環境和隨機因素的各投入變量和初始產出變量代入 Malmquist 指數模型中，從而計算測出的各年份生產率的環比變化指數。
Malmquist 指數是由瑞典經濟學家 Sten Malmquist 于 1953 年最先提出的。 1982 年 Caves 等人應用 Sten Malmquist 的研究成果，并通過距離函數之比構造生產率指數，將 這種指數命名為 Malmquist 生產率指數（即 Malmquist 指數）。 Charms （1978）又將 Malmquist 指數與 DEA 理論相結合，至此之后 DEA-Malmquist 指數法在生產率測算中 獲得廣泛應用。 Fare 等（ 1994）在此基礎上進一步將 Malmquist 指數進行了分解，將 Malmquist指數全要素生產率（TFP）分解為技術進步變化（TEC）和技術效率變化（EFF）， 在規模報酬可變（VRS ）的假設下，進一步把技術效率變化分解為純技術效率變化（PEC） 和規模效率變化（ SEC）。
其中，技術進步指數（TEC）主要體現了生產要素的技術結合形式，即科學技術創 新和前沿技術進步。技術效率指數（EFF）則反映了生產要素的社會結合形式，即能否 提供有效的制度安排和組織方面的創新，消除各種效率實現上的障礙，保證技術創新成
19
果能夠為廣大農民共享。純技術效率指數（PEC）指對現有技術水平的利用效率，主要 是由決策者的決策水平以及組織、管理水平決定。規模效率指數（SEC）指研發規模是 否處在最優的規模，主要由資源配置效率決定。而技術效率指數（EFF）是由純技術效 率和規模效率共同決定的，即決策單元要滿足技術有效，必須是純技術和規模同時有效。
全要素生產率指數（TFP）等于1表示沒有發生變化，大于1 （小于1）表示生產率 狀況改進（惡化）。對于其組成部分技術效率（EFF）變化和技術進步（TEC）也是同 樣的解釋。利用 Malmquist 指數計算的是從第二年開始計算較上一年的環比值，因此可 以較為方便的測度效率的變動趨勢和動態特征。
3.2.3江西省農業全要素生產率的結果分析
數據選取與上文三階段DEA模型一致，投入變量為上文第二階段經過調整后的投 入要素值，產出值為初始值，通過DEAP軟件測算得到Malmquist指數，如表3.2所示。
表 3.2 各時期江西省農業全要素生產率變動情況(2003—2019)
Tab. 3.2 Changes of Agricultural Total Factor Productivity in Jiangxi Province (2003—2019)
時間 EFF TEC PEC SEC TFP
2003—2004 0.993 1.13 0.992 1.001 1.122
2004—2005 1.008 1.102 1.007 1.001 1.111
2005—2006 1.001 0.992 1.001 1.000 0.993
2006—2007 0.993 1.101 0.993 1.000 1.093
2007—2008 0.986 1.16 0.999 0.987 1.145
2008—2009 1.002 1.063 1.003 0.999 1.065
2009—2010 0.998 1.108 0.996 1.001 1.105
2010—2011 0.974 0.987 0.991 0.982 0.961
2011—2012 0.954 1.011 0.997 0.957 0.964
2012—2013 1.045 0.748 0.994 1.051 0.781
2013—2014 1.000 1.429 0.997 1.003 1.429
2014—2015 1.003 0.829 1.009 0.994 0.831
2015—2016 1.023 1.039 1.01 1.013 1.063
2016—2017 1.003 1.007 1.002 1.001 1.011
2017—2018 1.003 0.908 1.003 1.000 0.91
2018—2019 1.000 1.077 1.009 0.992 1.077
mean 0.999 1.033 1.000 0.999 1.032
注：TFP=EFFxTEC； EFF=PECxSEC
20
一方面，根據設定的模型和 Malmquist 指數計算結果可知，江西省各地級市生產決 策單位 2003—2019 年間的農業生產率的整體變化呈平穩發展態勢。對照現有學者的結 論，比如王兵等(2006)、李谷成(2009)、全振炯(2009)等人測算結果稍高于這一數據，可 能的原因在于以下兩點：學者們大多研究全國各省市的農業全要素生產率的變動情況， 針對某一省份各地級市的變化設計相對較少，因此，結果存在一定的偏差；其次，學者 們大都研究了全國至今或者從 1978 年開始進行計算，一個公認的事實是，國內各省市 的農業生產率在 80 年代有質的飛躍，期間跟改革開放實行家庭聯產承包責任制有密切 關系，而進入 21 世紀之后，全國農業增速有所放緩。再就江西省而言，本文認為，自 2003 年開始，江西省的農業全要素生產率經歷了較為適中的增長，這跟大多數現有文獻 的結論與經驗基本一致。
另一方面，分別對各分解指標分析可知，從平均值來看，技術進步指數與全要素生 產率指數一樣都大于 1，證實了生產率狀況和技術進步水平的提升，而技術效率的平均 值小于 1，說明江西省農業技術效率不但沒有提高，反而在最近的 17 年中呈現惡化趨勢。
特別的，將農業全要素生產率與農業技術進步指數放在一起時本文發現，二者擬合 程度非常高，說明全要素生產率的提高主要源自技術進步，而非技術效率。圖 3.2 分別 是五個指數放在一起和兩個指數放在一起的對比圖。
圖 3.2 江西省農業全要素生產率相關指數對比圖
Fig. 3.2 Comparison chart of agricultural total factor productivity related index in Jiangxi Province
21
進一步地，盡管從整個時期來看，農業全要素生產率（TFP）、農業技術進步指數 （TEC）以及純技術效率指數（PEC）呈平穩發展態勢，但如果細分時間區間，根據農 業全要素生產率（TFP）的變化特征，將2003—2019劃分為2003—2008年、2009—2013 年、 2014—2019 等三個時間段，會發現農業全要素生產率的變動并不是單純的線性上升 趨勢，有些時段不僅沒有上升，反而還呈現下降趨勢。圖3.3 表現了全要素生產率隨時 間的變化趨勢。
由三個階段的變化趨勢圖所知，自2003 年以來，中國農業經濟增長中的全要素生 產率變動過程可以劃分成三個大的時期。第一階段（2003—2008年），農業全要素生產 率先下降后再增長；第二階段（2009—2013 年），該階段農業全要素生產率呈負增長趨 勢；第三階段（2014—2019 年），這一階段農業全要素生產率趨于平穩發展。
圖 3.3 各階段江西省農業全要素生產率變化趨勢
Fig. 3.3 Change Trend of agricultural total factor productivity in Jiangxi Province in each
stage
通過對不同時段三個效率指標值的對比分析，也可以一定程度解釋農業全要素生產 率隨時間不同呈現不同變動特征的原因。如圖3.2 （b）所示，整個時期的全要素生產率 （TFP）指數與技術進步（TEC）指數相對吻合，波動方向趨于一致，而在圖3.2 （c） 中，可以看出僅僅只有在第二個時期全要素生產率（TFP）指數與技術效率（EFF）指 數的變動相對吻合，說明主要是技術進步在不同時期成為了主導了全要素生產率變動的 主要動力源泉。
從理論上來看，技術效率指數（EFF）只是一個衡量投入產出效果的一個指標，即 相對于一定的投入，產出越高則技術效率指數越高，反之則技術效率指數越低。而技術 進步指數（TEC）變化則反映的是時間變化對產出的影響，一般來說隨著時間的推移技 術往往會進步，相同投入會創造出更多的產出，因此時間變化對產出的影響本文稱其為 技術進步變化。但是這里的技術進步變化不僅僅是指農業生產技術，它也包括由于時間 變化所造成的環境變遷對農業生產的影響，因為生產技術本身不具有可逆性，即生產技 術一般是不會倒退的，因此技術進步變化的波動則只能是生產環境等外生變量發生變化
22 所引起的，而引起生產環境變化通常包括兩個因素，一個是農業政策，另一個是自然災 害。第一階段， 2003 年開始的江西省農業全要素生產率整體呈現下降而后上升的趨勢， 這一時期恰逢我國農業“多事之秋”，中西部地區當時接連發生干旱和特大洪災，緊接 著 2007 年長江中下游地區水稻產區發生干旱，這對以農業為主的中西部省份的農業發 展造成了不可估量的損失。因此，自然災害和政策調整的雙重作用下，江西省各地級市 的農業全要素生產率整體呈現先下降后上升的趨勢。第二階段，從 2009 年開始，整體 呈現下降趨勢，這是由于 2009 年我國出現大范圍的干旱，對我國各省區的農業生產造 成巨大破壞，因此盡管這一階段的惠農政策并未減少，但農業全要素生產率和技術進步 指數呈現起伏波動狀態，而江西省農業全要素生產率整體的變化與全國無異。而 2013 年之后，整體呈現先下降而后上升，之后再平穩發展的趨勢則可能與農業資本的不斷提 高密切相關。學術界普遍認為，近年來的我國農業經濟出現的高投資率導致農業生產成 本過高，該期間我國的農業投入產出效率低下。因此， 2013 年之后，我國農業的固定資 本增長率較高并且逐年遞增，但是農業產出增長率卻沒有太大變化，中國農業經濟總體 運行狀況相對趨于穩定。
3.3本章小結
本章首先選取 8 類與農業經濟活動密切相關的生產性服務業，在綜合考慮空間地理 因素的前提下，通過計算就業密度比例來衡量各個生產性服務業的集聚程度，結果顯示， 樣本期間內江西省各地級市的生產性服務業集聚指數呈先上升后下降再平穩發展的變 化趨勢。進一步將 8 類生產性服務業進行行業劃分，分為高端和低端生產性服務業，結 果表明：各地級市低端生產性服務業集聚水平與江西省總體的生產性服務業集聚水平相 一致，高端生產性服務業集聚水平呈平穩發展的態勢，在數值上遠低于低端生產性服務 業和江西省整體的平均水平。進而，本文將三階段 DEA 方法與 Malmquist 指數進行結 合，測度樣本期間內江西省各地級市農業全要素生產率的相關指數。結果顯示，樣本期 內江西省各地市農業全要素生產率、農業技術進步指數以及純技術效率指數呈平穩發展 態勢。劃分時間段來看，2003—2008年農業全要素生產率呈倒“U”型發展趨勢；2009 —2013 年，農業全要素生產率呈負增長趨勢； 2014—2019 年，農業全要素生產率趨于 平穩發展。并且在各個時間段內，技術進步始終是農業全要素生產率的主要動力源泉。
23
4生產性服務業集聚對農業全要素生產率的影響
4.1 模型構建
4.1.1基準模型 根據前文分析的內在機制，為實證檢驗生產性服務業集聚對農業全要素生產率影響，
構建如下動態面板數據模型：
p
ln TFPU = ae+l.ak ln TFPa+01n Gatit+yXit+Su （4.1）
k=1
p
ln EFFit = a（）+ Y.ak ln EFF it _k+0 In Gatit+yX it+&t （4.2）
k=1
p
ln TECt = a0+Yak ln TECIt - k+0 In Gatt+yX +slt （4.3）
k=1
p
ln SECit = a0+£ akin SECit - k+0 In Gatit+疸嚴壯 （4.4）
k=1
p
ln PECit=a（）+^ak ln PEC-k+0 ln Gatit+yXit+slt （4.5）
k=1
其中，i表示地級市，t表示年份。被解釋變量lnTFPit為i地級市t年的農業全要素生產 率的對數；核心解釋變量為lnGag，表示i地級市t年的生產性服務業集聚指數的對數; lnTFPU表示被解釋變量 MP”的k階滯后項，最大為滯后p期；X.表示i地級市/年 的其它解釋變量；a°表示截距項，a*、0、了分別表示模型的待估參數；su為隨機誤差 項。由于上述模型包含被解釋變量的k階滯后項，是動態面板模型，因此將采用廣義矩 估計（GMM）方法對模型進行參數估計。
4.1.2中介效應模型
根據前文的機制分析，生產性服務業集聚還會通過影響農民的收入進而影響農業全 要素生產率，農業技術進步、農業技術效率、農業規模效率以及農業純技術效率。為了 驗證該渠道的作用，本文還將構建如下中介效應模型。
24
ln inCit = a0+0Jn Gat it+7Xit+£,t （4.6）
p
ln TFP” = «0 + Yak ln TFP’t—k+0 In Gat”+4 In i^ncit ^yXit+£,t （4.7）
k=1
p
ln EFFit = «0 + Yak ln EFF’—k + 0ln Gatit+^ln incit+yXit+£lt （4.8）
k=1
p
ln TECit = a0 +Yak ln TEC—+0ln Gatit+^ln incit+yXit+Slt （4.9）
k=1
p
ln SEC it = a0 + Yak ln SECz + 0ln Gat”+q ln incit+yXit+£lt （4.10）
k=1
p
ln PECit = a0 + Yak ln PECIt-k + 0ln Gatit+qln srit+yXit + £lt （4.11）
k=1
其中，In incit表示i地級市t年的農民收入的對數。式（4.7）中的0衡量的是生產性服 務業集聚對農業全要素生產率的直接效應，0“①衡量的是生產性服務業集聚通過影響農 民收入進而影響農業全要素生產率的中介效應。
4.2變量選取與數據說明
4.2.1被解釋變量與核心解釋變量
第3章中測度的農業全要素生產率（TFP）、農業技術進步（TEC）、農業技術效 率（EFF）、農業規模效率（SEC）以及農業純技術效率（PEC）都作為本文的被解釋 變量。核心解釋變量為生產性服務業集聚指數，建模時本文對其取了對數，即lnGatIt。
4.2.2中介變量
農民收入（inc）。農民的收入既會影響農民從事農業生產的積極性，也會影響農民 對農業的投入，進而會影響農業全要素生產率。近年來，一大批年輕的和受教育程度相 對較高的農民工涌入城鎮，專門從事生產性服務業，農民的經營收入和工資性收入也逐 漸成為家庭收入的主要來源。故本文選擇農民的工資性收入和經營性收入之和占農民可
① 此處參照崔書會等（ 2019 ）在統計研究刊發的《產業協同集聚的資源錯配效應研究》一文中的解釋，即 01“為核 心解釋變量通過影響中介變量進而影響被解釋變量的中介效應。
25
支配的比例作為農民收入的代理變量。
4.2.3控制變量
除生產性服務業集聚之外，其它因素也可能影響農業全要素生產率(TFP)、農業
技術進步(TEC)、農業技術效率(EFF)、農業規模效率(SEC)以及農業純技術效
率(PEC),在兼顧變量之間匹配性以及數據可得性的前提下，本文選取以下變量進行
建模分析，如表 4.1 所示。
表 4.1 變量說明
Tab. 4.1, variable description
變量名稱 變量說明/單位
gat 生產性服務業集聚
inc 農村居民人均純收入/元
qxnys 取消農業稅/0-1 虛擬變量
urb 城鎮化率/%
agdp 人均GDP/元
gov 農業支出占財政支出比例
med 農村床位數占農村人口數的比例
fin 農村存貸款余額占農林牧漁業生產總值的比重
( 1 )城鎮化率( urb) 。關于農村留守人口的數量，一直以來均缺乏嚴格的官方統
計數據，但其數量巨大，已成為社會共識。生產性服務業集聚可能促使農村勞動力尤其 是當地大量的青壯年勞動力向城鎮轉移，專門從事非農業勞動。留守農村的僅僅是一些 年幼的兒童和年邁的勞動力，這在一定程度上會對農業發展產生影響。(2)人均 GDP (agdp)。經濟發展水平的高低，也能對農業發展產生一定的影響，因此，本章利用各 地級市的人均GDP代表各其區經濟發展水平。(3)農村金融發展(fin)。農村金融的 繁榮可以為農業發展提供源源不斷的資金動力，因此本文選取江西省各地級市的農村存 貸款余額除以各地區GDP作為衡量農村金融發展水平的代理變量。(4)農村醫療發展
(med)。醫療設施水平的高低通常也會影響農村農業的發展，因此本文選取農村人均 衛生院床位數(農村衛生床位數除以年末農村總人口)來作為醫療設施的代理變量。(5) 政府干預(gov)政府部門掌握著給予各行業的各種政策性優惠，如稅收減免、財政補 貼、便利的融資渠道等。在相同的成本下，受到政府扶持的部門或企業能獲取更多的生 產要素，這些優惠的政策為各個行業的發展提供了更多的機會，通常也會對行業的全要 素生產率產生影響。就農業而言，各級政府部門對農業發展的財政投入不僅能夠反映農 業、農村以及農民在政府宏觀布局中的地位與份量，同時還關系到農業的高質量發展，
26
從而也會對農業全要素生產率產生影響。因此，本文用地方財政農林水事務支出占地方 財政支出的比重作為政府干預程度的代表變量。（6）取消農業稅（qxnys）。2006年1 月 1 日起我國全面取消農業稅，農業稅已成為歷史。這次改革被視為 1978 年實施家庭 聯產承包責任制之后農村地區最重要的一次變革。因此，為了考察農業稅制度的變遷對 農業全要素生產率的階段性影響，本文在模型中加入年份虛擬變量，在 2005 年及以前 年份取 0，其它年份取 1，以此來研究取消農業稅政策在樣本期間內對農業全要素生產 率的影響。詳情參見表 4.1。
4.3基于面板數據模型的回歸結果
4.3.1基準模型檢驗
考慮到農業全要素生產率（TFP）、農業技術進步（TEC）、農業技術效率（EFF）、 農業規模效率（SEC）以及農業純技術效率（PEC）①可能會產生一定的路徑依賴，如式 （4.1）所示本文加入了被解釋變量的一階滯后項。但是，其他解釋變量仍可能存在內生 性。為了處理內生性問題，本文采用廣義矩估計（GMM）方法對式（4.1）進行估計。 廣義矩估計具體有差分GMM和系統GMM，如果滯后項系數相對較大，應考慮系統 GMM；如果較小，則應選擇差分GMM。本文中，滯后項系數相對較小，因此選擇差分 GMM 方法對模型進行估計。表 4.2 匯報了基準回歸的估計結果。
表4.2中的模型均控制了時間固定效應和地區固定效應，依據AR（1）和AR（2） 檢驗的 P 值可知，每個模型只存在一階序列相關，均不存在二階序列相關，因此模型都 通過了自相關檢驗②。 Sargan 檢驗的原假設為所有的工具變量都是有效的，檢驗的結果 表明每個模型的 P 值都大于 0.1，即在 10%的顯著性水平上不能拒絕原假設。這表明所 有的工具變量都是有效的。因此，每個模型的差分 GMM 估計結果是一致且可靠。
首先考察核心解釋變量，即生產性服務業集聚（InGat,對數形式）對農業全要素生 產率（InTFP,對數形式）的影響機制。在工業化水平達到一定的程度后，這些地區逐 步形成了工業反哺農業、工農互補的發展局面，伴隨著農產品市場向縱深發展，農產品 也逐漸由種類少、質量差、檔次低的粗加工向集約化、系統化的精加工邁進，江西各地 區憑借改革開放的地理優勢，同時利用國內外兩個市場、兩種資源，優化農業資源配置、 調整農業產業結構，提升本地區農產品在國內外市場的競爭力的同時，還能有效延長農 產品的迂回生產過程，提高農產品的品質和附加值，進而對促進農業全要素生產率的提 升有顯著的正向影響。其次，江西省各地級市的水土氣熱等自然條件配合好，農業生產
①農業規模效率（SEC）以及農業純技術效率（PEC）相關回歸結果詳見附錄，下同。
②作為一致估計，GMM成立的前提條件是回歸方程中殘差序列不存在二階和高階自相關，并且工具變量具有嚴格 的外生性，因此需要進行Arellano-Bond序列相關檢驗和Sargan檢驗。
27
條件優越，農業產業化有較強的優勢。開放足、活力高的市場經濟環境促使發達的生產 力和完善農業生產分工已經基本形成，而生產性服務業作為人力資本的傳送器，促使大 量的勞動力集聚。農村勞動密集型產業(水果、蔬菜、水產品等)占據主導優勢，同時， 生物、信息、農產品精加工等現代化農業技術也廣泛應用于勞動密集型的產業的生產中， 為產前、產中和產后的節能降耗提供技術保障，從而提升農業全要素生產率。
表4.2生產性服務業集聚對TFP、TEC、EFF影響的基準回歸
Tab. 4.2 Regression of the impact of producer service agglomeration on TFP, TEC and EFF
模型(1)
TFP 模型(2)
TFP 模型(3)
TEC 模型(4)
TEC 模型(5)
EFF 模型(6)
EFF
0.0016*** 0.0085*** 0.0495*** 0.0002*** 0.0087*** 0.0002***
gat (0.0005) 0.00298 (0.0110) 0.00005 (0.0018) 0.00003
0.2942 0.0142 0.1102***
inc (0.3486) (0.0560) (0.0237)
1.5071* -0.3723 0.0880
qxnys (0.9092) (0.8300) (0.0603)
0.4012** 0.0557** 0.0789***
urb (0.1755) (0.0225) (0.0196)
1 -0.0988 -0.0549 -0.1786***
agdp (0.1972) (0.0572) (0.0340)
-4.4258** -0.2604 -1.0523***
gov (2.1212) (0.6938) (0.1847)
-0.6247** -0.0274 0.0028
med (0.3105) (0.0431) (0.0734)
0.0000 -0.0000 -0.0000
fin (0.0000) (0.0000) (0.0000)
一階 -0.3348*** -0.3586*** -0.3314*** -0.2390 -0.2416*** -0.6115**
滯后項 (0.0212) (0.1093) (0.0712) (0.2273) (0.0155) (0.3002)
二階 0.1293*** -0.0089 0.1819*** -0.0960 -0.0881*** -0.2119***
滯后項 (0.0095) (0.1101) (0.0406) (0.0992) (0.0059) (0.0385)
常數項 1.8326*** 2.1250 0.3769*** 2.2884* 1.2746*** 2.7155***
常數項 (0.0566) (2.6950) (0.0392) (1.3292) (0.0173) (0.3439)
樣本量 153 153 153 153 153 153
-3.3047 -3.2223 -3.2959 -2.0520 -2.5858 -2.3084
AR(1) (0.0010) (0.0013) (0.0010) (0.0402) (0.0097) (0.0210)
-1.5949 -0.02357 -1.4585 -1.6358 -0.0762 0.38203
AR(2) (0.1107) (0.9812) (0.1447) (0.1019) (0.9393) (0.7024)
Sargan 16.47614 15.47633 16.3051 13.10117 16.74027 13.48056
檢驗 (0.9783) (1.0000) (0.9800) (0.9951) (1.0000) (1.0000)
注：***、 **、 *分別表示在 1%、 5%和 10%的顯著性水平下顯著；表內參數估計值下方 的括號內為對應的穩健性標準誤差；AR (1)、AR (2)以及Sargan檢驗分別提供的是 檢驗統計量的值和P值，其中括號內是對應的P值。模型中的工具變量為被解釋變量的 一階和二階滯后項，下同。
28
其次，從表中的回歸結果顯示，生產性服務業集聚通過促進農業技術進步（TEC） 和技術效率（EFF）進而改善農業全要素生產率。究其原因：第一，江西省經濟和地理 優勢促使其度過了工業化的中期階段，而前期的工業發展積累了雄厚的經濟實力，加快 了區域經濟朝著高新技術產業的方向發展，生產性服務業的分工越來越明確，集聚特點 也越來越明顯，由此也形成了與農業生產活動配套程度很高的服務業集群和新的集聚平 臺，這為轉變傳統農業經濟增長方式和農業科技創新提供強有力的保障，從而能有效促 進農業技術進步和技術效率的提升。第二，江西省的政策環境也有利于服務業的發展， 這使得原本發展相對落后的農村伴隨著生產性服務業集聚程度的提升逐漸朝著現代化 的方向發展。隨著現代化農村的逐步興起，江西省各農村的信息化發展也得到相應改善， 而信息化對優化農業生產、提高農業資源配置以及組織管理效率能起到積極作用，從而 提升農業的技術進步（TEC）和技術效率（EFF）。第三，隨著生產性服務業的發展， 產業集聚效應促使農村勞動力不斷向大城市匯集，通過學習、交流提升自身的專業技能， 促使越來越多的高素質的勞動力參與到農業生產活動中來，科技含量足、附加值高、創 新一流的現代農業逐漸發展起來，這對于農業技術進步和技術效率的提升有顯著的促進 作用。因此，江西省的生產性服務業集聚對農業技術進步和技術效率的“雙輪”提升， 激發了農業生產活力，解放了土地、勞動力等傳統農業生產要素，從而加快了農業全要 素生產率的提升。
4.3.2中介效應檢驗
前文的理論分析表明，生產性服務業集聚不僅可以對農業全要素生產率（TFP）、 農業技術進步（TEC）、農業技術效率（EFF）、農業規模效率（SEC）以及農業純技 術效率（PEC）的提升產生促進作用，還可以通過影響農民收入間接對其產生影響，上 文的實證分析這讓我們更加堅信，生產性服務業集聚不僅能直接促進農業全要素生產率 的提升，一定程度上通過影響農民收入對農業全要素生產率的提升產生了積極的影響。 下面采用如式（4.6）和（4.7）所示的中介效應模型進行實證檢驗。結果見表 4.3。
從表 4.3 可以看出，模型均通過了序列相關檢驗和 Sargan 檢驗，因而差分 GMM 的 估計結果仍是一致且可靠的。生產性服務業集聚能通過顯著改善農民收入進而間接提升 農業全要素生產率，進一步，就農業全要素生產率的分解結果而言，生產性服務業集聚 還能通過改善農民收入的路徑，進而促進農業技術進步（TEC）、農業技術效率（EFF）、 農業規模效率（SEC）以及農業純技術效率（PEC）的提升。這是因為生產性服務業集 聚在農業各個生產環節發揮了其“潤滑劑”的作用，將資本和勞動力引入農業生產的過 程中，從而推動農業生產從依靠勞動力、土地資源剛性投入與生產規模擴張想依賴農業 科技創新、互聯網信息等柔性投入與提升農產品附加值轉變，進而提升農民的經營性收 入。
29
表4.3生產性服務業集聚對TFP、TEC、EFF的中介效應分析
Tab. 4.3 Analysis of the intermediary effect of producer services agglomeration on TFP, TEC
and EFF
模型 (1) 模型(2) 模型(3) 模型(4) 模型(5) 模型(6)
inc TFP inc TEC inc EFF
4.3.3行業異質性檢驗
根據研發強度，本文將生產性服務業分為低端生產性服務業和高端生產性服務業兩 類。其中，低端生產性服務業包含“農、林、牧、漁服務業”、“批發和零售業”、“住 宿和餐飲服務業”、“交通運輸、倉儲和郵政業”、“租賃和商務服務業”5 個行業， 高端生產性服務業包含“信息傳輸、軟件和信息技術服務業”、“金融業”、“科學研 究和技術服務業”3 個行業。下面分別對高端和低端生產性服務業集聚與農業全要素生 產率（TFP）、農業技術進步（TEC）、農業技術效率（EFF）、農業規模效率（SEC） 以及農業純技術效率（PEC）之間的關系進行面板回歸。
30
表 4.4 高端生產性服務業集聚對 TFP、 TEC、 EFF 影響的回歸結果
Tab. 4.4 Regression results of the impact of high-end producer services agglomeration on TFP,
TEC and EFF
模型（1）
TFP 模型（2）
TFP 模型（3）
TEC 模型（4）
TEC 模型（5）
EFF 模型（6）
EFF
gat 0.0176** 0.1272** 0.0381*** 0.0447* 0.0099*** 0.0073*
(0.0088) (0.0609) (0.0032) (0.0265) (0.0009) (0.0042)
-0.0000 0.0000 0.0860***
inc (0.0000) (0.0000) (0.0235)
qxnys 1.1387*** 0.8864*** 0.1008*
(0.2544) (0.2579) (0.0525)
-0.0564 -0.2983** 0.1322***
urb (0.2305) (0.1417) (0.0148)
agdp -0.6322 0.3898*** -0.0700***
(0.4385) (0.0996) (0.0206)
gov -0.3108*** -1.1104 -0.8602***
(0.0679) (0.9442) (0.2186)
0.5817 -0.0045 -0.1049***
med (0.5740) (0.0941) (0.0234)
-0.7156 -0.0000*** 0.0000***
fin (0.5195) (0.0000) (0.0000)
一階 -0.4104*** -0.9094*** -0.2267*** -0.5331*** -0.2513*** -0.3960***
滯后項 (0.0184) (0.2110) (0.0189) (0.0623) (0.0224) (0.0393)
二階 0.1206*** -0.4536** 0.1590*** -0.0401 -0.1382*** -0.3488***
滯后項 (0.0119) (0.2218) (0.0208) (0.0543) (0.0100) (0.0596)
常數項 0.4751*** 6.0931* 0.2952*** -2.0302** 1.3213*** 0.9804***
(0.0145) (3.2534) (0.0308) (0.9050) (0.0296) (0.1844)
樣本量 153 153 153 153 153 153
-1.9086 -1.8945 -2.1245 -2.0473 -2.5452 -2.3317
AR(1) (0.0563) (0.0582) (0.0336) (0.0406) (0.0109) (0.0197)
-0.87792 -0.32005 -9.6203 -1.2285 0.25896 1.3851
AR(2) (0.3800) (0.7489) (0.3360) (0.2193) (0.7957) (0.1660)
Sargan 15.51148 5.274503 14.67585 14.40981 14.66684 13.64818
檢驗 (1.0000) (1.0000) (0.9914) (1.0000) (1.0000) (1.0000)
31
如表 4.4 所示，從高端生產性服務業集聚的回歸結果來看，模型均通過了序列相關 檢驗和 Sargan 檢驗，因而差分 GMM 的估計結果仍是一致且可靠的。高端生產性服務業 集聚對農業全要素生產率（TFP）、農業技術進步（TEC）、農業技術效率（EFF）、 農業規模效率（SEC）以及農業純技術效率（PEC）的影響是顯著的。究其原因，可以 認為：生產性服務業集聚可為農業生產活動提供物流運輸、市場營銷、耕種收割、商務 活動等專業化的生產服務，科技推廣、品牌塑造、農業金融、保險服務、農業生產管理 等現代化的生產服務。這在一定程度上延長了農業生產的迂回程度，提高了農產品的品 質和附加值，因此對農業全要素生產率的提升具有顯著的促進作用。其次，伴隨著生產 性服務業集聚水平的提升，與農業生產相關的勞動力、資本以及技術等生產要素在地理 上的集中程度也就越高。資本的集聚可以促進農業產業鏈上的生產部門使用先進的技術 設備，通過掌握新技術，從而提升農業全要素生產率。勞動力集聚則大大增加了相關從 業人員之間的交流、學習的機會，這對勞動力自身技能以及工資水平的提升有顯著的促 進作用，而技能和工資水平的提高也有助于提升勞動力的生產積極性，進而會提升農業 全要素生產率。生產性服務業集聚還會促進農業生產部門與高校、科研院所等部門之間 的交流，加快農業科技成果向農業生產部門轉移，進而促進農業全要素生產率的提升。 最后，隨著互聯網、農村金融等現代化服務體系的不斷完善，這為農業經濟發展提供了 廣闊的信息平臺和充足的資金保證，一方面降低了農民搜集信息的成本，另一方面還有 效提高了農業各類資源的配置效率，從而提升農業發展。
如表 4.5 所示，就低端生產性服務業集聚的回歸結果而言，模型均通過了序列相關 檢驗和 Sargan 檢驗，因而差分 GMM 的估計結果仍是一致且可靠的。低端生產性服務業 集聚對農業全要素生產率（TFP）、農業技術進步（TEC）、農業技術效率（EFF）、 農業規模效率（SEC）以及農業純技術效率（PEC）的影響均不顯著，這在一定程度上 說明生產性服務業集聚主要從高端生產性服務業的路徑促進農業發展，低端生產性服務 業集聚對農業發展的影響還不是很明顯。這在一定程度上是因為低端生產性服務業的進 入門檻較低，市場競爭較為激烈，由規模不經濟產生的擠出效應導致低端生產性服務業 從業者的工資水平下降、工作積極性下降，進而導致農民收入的中介效應不顯著。與此 同時，低端生產性服務業促使具有相對較低文化素質的農村勞動力大量轉移，尤其是當 地大量的青壯年勞動力，留下的僅僅是一些耕種經驗相對豐富的年邁勞動力，由于年邁 勞動力的耕種經驗所帶來的積極作用遠不能彌補由青年勞動力流失所帶來的負面影響， 這在一定程度上會對農業全要素生產率、農業技術進步、農業技術效率等帶來不利影響。
32
表4.5低端生產性服務業集聚對TFP、TEC、EFF影響的回歸結果
Tab. 4.5 Regression results of the influence of low-end producer services agglomeration on
TFP,TEC and EFF
模型(1)
TFP 模型(2)
TFP 模型( 3)
TEC 模型( 4)
TEC 模型(5)
EFF 模型( 6)
EFF
gat 0.0012 0.1363 0.0045 0.0103 -0.0357 -0.0207
(0.0206) (0.0981) (0.0128) (0.0161) (0.0320) (0.0210)
inc 0.0000* 0.0000 0.0664*
(0.0000) (0.0000) (0.0340)
qxnys 0.3682 0.3133 0.0939**
(0.2644) (0.2805) (0.0397)
urb 0.2572 0.1224 0.1049***
(0.1612) (0.1166) (0.0170)
agdp 0.1354 0.1087 -0.0736*
(0.1068) (0.1029) (0.0377)
gov -0.2717* -0.1992 -1.0969***
(0.1588) 0.1357 (0.3694)
med -0.4343*** -0.2581 -0.0781***
(0.1678) (0.1775) (0.0234)
fin 0.3492** 0.2102 0.0000***
(0.1406) (0.1490) (0.0000)
一階 0.0372*** -0.2435 0.0457** -0.4544 -0.1824*** -0.3634***
滯后項 (0.0144) (0.3035) (0.0212) (0.4472) (0.0281) (0.0427)
二階 0.0608*** -0.3218 0.0632* 0.0261 -0.2046*** -0.2880***
滯后項 (0.0157) (0.3482) (0.0324) (0.2018) (0.0198) (0.0894)
常數項 0.9356*** -1.0555 0.9745*** 0.5027 1.5234*** 1.0502***
(0.0346) (0.9429) (0.0390) (1.3882) (0.0380) (0.1383)
樣本量 153 153 153 153 153 153
AR(1) -2.2781 -1.8596 -2.0488 -2.6351 -2.3214 -2.4345
( 0.0227) ( 0.0629) ( 0.0405) ( 0.0084) ( 0.0203) ( 0.0149)
AR( 2) -0.86053 -0.3227 -1.5127 -1.0389 -0.11133 1.4749
(0.3895) ( 0.7469) ( 0.1304) ( 0.2988) ( 0.9114) ( 0.1402)
Sargan 15.19186 4.974057 14.42777 13.52402 16.02069 10.59641
檢驗 ( 0.9886) ( 1.0000 ) ( 0.9926) ( 1.0000) ( 0.9826) ( 1.0000 )
33
4.4本章小結
本章首先通過構建動態面板數據模型研究生產性服務業集聚對農業全要素生產率、 農業技術進步、農業技術效率、純技術效率以及規模效率影響的直接效應。結果表明， 生產性服務業集聚通過促進農業技術進步和技術效率進而改善農業全要素生產率。究其 原因，本文認為是江西省經濟環境、政策環境以及農業現代化發展使得江西省生產性服 務業集聚促進了農業技術進步和技術效率的提升，激發了農業生產活力，解放了土地、 勞動力等傳統農業生產要素，從而加快了農業全要素生產率的提升；其次，進一步構建 中介效應模型，研究生產性服務業集聚、農民收入以及農業全要素生產率之間的影響路 徑。結果表明，生產性服務業集聚均能顯著改善江西省各地級市的農民收入進而促進農 業全要素生產率、技術進步、技術效率、農業規模效率以及農業純技術效率的水平；最 后，從行業異質性的角度出發，高端生產性服務業集聚對農業全要素生產率、農業技術 進步、農業技術效率、農業規模效率以及農業純技術效率均有顯著影響，而低端生產性 服務業集聚的影響卻不顯著。
34
5研究結論及政策建議
5.1 研究結論
本文采用江西省 2003—2019 年地市級數據，分別測算了農業全要素生產率、生產 性服務業集聚指數，同時分析了生產性服務業集聚對農業全要素生產率的影響機制。在 此基礎，本文又對農業全要素生產率的來源進行分解，并將分解后的農業技術進步、技 術效率和生產性服務業集聚統一納入農業全要素生產率的分析框架中，構建克服內生性 問題的動態面板回歸模型，并采用差分GMM的方法考察江西省各地級市的生產性服務 業集聚對農業全要素生產率、農業技術進步、農業技術效率、農業規模效率以及農業純 技術效率的影響。
首先，從農業全要素生產率的測度結果來看，整體呈現平穩發展的態勢。分時間段 來看， 2003—2008年，農業全要素生產率先下降后再增長；2009—2013 年，該階段農 業全要素生產率呈負增長趨勢；2014—2019 年，這一階段農業全要素生產率趨于平穩發 展；再就生產性服務業集聚而言，江西省各地級市總體呈現先下降后平穩的變化趨勢。 生產性服務業集聚指數在2003—2009年期間處于先上升后下降的發展趨勢，從2003 年 的 17.58 上升至2007 年的 19.53， 2009年突然下降至 11.89，之后又平穩發展。
其次，從基準回歸模型的結果發現：生產性服務業集聚均能顯著促進農業全要素生 產率、農業技術進步、農業技術效率、農業規模效率以及農業純技術效率的發展，但影 響大小各有不同。其中，江西省各地級市生產性服務業集聚的水平相對較高，因而對農 業全要素生產率、技術進步以及技術效率都存在顯著的促進作用；
再次，進一步構建中介效應模型進行實證檢驗，結果表明，生產性服務業集聚均能 顯著改善江西省各地級市的農民收入進而促進農業全要素生產率、技術進步、技術效率、 農業規模效率以及農業純技術效率的水平。
最后，從行業異質性的角度出發，分別驗證了江西省各地級市的低端和高端生產性 服務業集聚對業全要素生產率、技術進步、技術效率、農業規模效率以及農業純技術效 率的影響。高端生產性服務業集聚對農業全要素生產率、農業技術進步、農業技術效率、 農業規模效率以及農業純技術效率均有顯著影響，而低端生產性服務業集聚的影響卻不 顯著。
究其原因，本文認為：樣本期間內，江西省各地級市的高端生產性服務業借助高度 的經濟發達程度、開放度、信息化程度，各地級市產業結構逐步由工業向服務業轉變， 而農業發展也逐步向現代化水平邁進。與此同時，產業結構的轉變也促使高端生產性服
35
務業集聚與農業經濟增長之間的匹配、協調程度不斷提升，進一步表現為生產性服務業 集聚對農業技術進步和技術效率的“雙輪”提升，激發了農業生產活力，解放了土地、 勞動力等傳統農業生產要素，從而加快了農業全要素生產率、技術進步、技術效率、農 業規模效率以及農業純技術效率的提升；其次，江西省各地區的經濟發展存在一定的差 異，一些地區地廣人稀，發展相對落后，信息化發展水平不高，導致生產性服務業的發 展滯后、產業集聚水平偏低、服務體系不完善，因而不能對農民提供及時、有效的農業 生產服務，從而對農業全要素生產率、農業技術進步以及技術效率帶來不利影響。另外， 江西省各地級市主要以傳統的土地密集型農業生產為主，加之低端生產性服務業的進入 門檻較低，隨著集聚水平的提高，存在一定的競爭效應和擠出效應，因此導致低端生產 性服務業集聚能促進農業全要素生產率的作用不顯著。
5.2政策建議
根據上述實證分析結論，可以給出以下政策含義：
第一，調整生產性服務業的內部結構，使之與江西省各地級市農業發展相匹配。各 地市的政府要認識到他們之間生產性服務業發展的差異性，從發展定位、產業結構和農 業資源稟賦出發，在發展低端生產性服務業的同時，還要根據自身發展水平兼顧高端生 產性服務業的發展，促使生產性服務業在農業價值鏈中有效嵌入，推動農業生產環節由 增產導向向提質導向的延伸，以滿足現代化農業轉型升級的需要，助力我國加快實現由 農業大國向農業強國轉變。具體而言，對于土地密集型農業占據主導地位的各地級市應 優先發展直接作為農業生產中間投入的批發零售、物流、商務等低端生產性服務業，同 時還要注重完善金融、保險、信息等高端生產性服務業的服務體系，保證能對農民的生 產活動提供及時、有效的服務，并根據比較優勢來制定生產性服務業的發展規劃，提升 生產性服務業與農業經濟增長之間的協調性，最終促進地區農業全要素生產率的提升； 而對于勞動密集型農業占據主導地位的各地級市要在保持低端生產性服務業發展水平 的前提下，加快科學研究、金融保險以及信息咨詢等互補性、關聯性較強的高端生產性 服務業與現代化農業融合，不斷擴展生產性服務業的種類和服務外延，以適應農業結構 調整對生產性服務業的需求，實現農業生產、經營、管理和服務信息化均衡、同步地發 展。
第二，鼓勵農業的信息化發展，提高農業綜合信息服務水平，改善生產性服務業與 農業經濟之間的互動頻率。各地級市政府部門應該加大在農業信息水平、農村人力資本 以及道路、醫療等相關基礎設施方面的積累與投入，降低農產品信息交易成本，同時提 升農業信息的傳播速度，加快生產性服務業同農業經濟活動的互動頻率，以此增加農民
36
以及農業企業對生產性服務業的需求，最終形成農業信息共享、專業化人才合作交流、 科技水平提升的長效機制。
第三，就提升農民收入而言，農民收入水平的提升可以激發農民的生產積極性，增 加農民接受專業技能培訓的機會，從而對農業全要素生產率水平的提升產生積極影響。 由此本文建議，各地級市要繼續延伸農業的產業鏈，通過適當發展生產性服務業進而拓 展農民增收的渠道，從而改善農民收入水平，提升農業全要素生產率。
第四，從控制因素對各地級市的農業全要素生產率、農業技術進步以及農業技術效 率的影響來看。1.就城鎮化而言，各地級市政府加大對農村的支持力度，鼓勵以城帶鄉， 助力城市和農村協調發展，同時利用城鎮對資本、人才及技術等要素的吸納和創造能力， 強化城鎮對農業和農村地區發展的帶動作用，進而推動新型城鎮化、農業現代化同步發 展，加快形成城鄉互補、全面融合、共同繁榮的新型城鄉關系。2.就政府干預而言，各 地級市部門在加大對我國生產性服務業發展的財政支持和政策扶持力度，加快生產性服 務業內部結構的優化升級，同時還要注意調整農業支出結構，還要加強對農村、農業、 農民的調研力度，切實了解農民需求，保證農業財政支出能用到實處。3.就金融發展而 言，政府部門要因地制宜，根據地方農業資源稟賦、比較優勢以及發展定位，同時遵循 建設現代化金融發展體系的要求，合理規劃農業金融發展，加快農業金融結構調整步伐， 進而提升農業金融體系的整體質量和效率。此外，各地級市政府部門要優化投資結構， 促進農業生產過程中對農業科技創新成果應用，以農業科技創新引領農業生產體系、經 營體系建設，并通過構建現代農業金融體系，推動傳統粗放式的農業經濟增長向集約式 轉變，全面實現農村、農業金融的高質量發展。4.在農業稅方面，政府部門要繼續調整 財政稅收結構，落實財政、稅收、土地、信貸、保險等相關支持政策，繼續通過獎勵、 補貼、稅收優惠等政策促進農業生產和生產性服務業形成互惠共贏的產業共同體。5.就 醫療發展而言，一方面持續加大對農村醫療基礎設施建設的投入力度，加快補齊農村基 礎設施短板，促進城鄉醫療一體化發展。另一方面，衛生醫療基礎設施一直以來是農村 發展的短板，政府部門要促進衛生醫療資源向農村傾斜的，逐步建立全民覆蓋、普惠共 享的醫療公共服務體系。
37
參考文獻
[1]Anik A R, Rahman S, Sarker J R. Agricultural Productivity Growth and the Role of Capital in South Asia (1980-2013)[J]. Sustainability, 2017, 9(3): 1-25.
[2]Blundell R, Bond S. GMM Estimation with Persistent Panel Data: An Application to Production Functions[J]. Econometric Reviews, 1999, 19( 3) : 321-340.
[3]Caves D W, Christensen L R, Diewert W E. The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity[J]. Econometrica, 1982, 50(6): 1393-1414
[4]Charnes A., Cooper W. W. , Rhodes E. . Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429-444
[5]Chen, P. C., Ming-Miin, Y. U., et al . Total Factor Productivity Growth in China's Agricultural Sector, China Eco-nomic Review, 2008, 19( 4) : 580-593
[6]D. Gale Johnson. Agriculture and the Wealth of Nations[J]. The American Economic Review, 1997, 87(2): 1-12.
[7]Fan, S. G., Zhang, X. B. , Dong, X. Y. ,et al . Production and Productivity Growth in Chinese Agriculture: New National land Regional Measures, Economic Development and Cultural Change, 2002, 50( 4): 819 -838
[8]Harry H. Postner, Factor Content of Canadian International Trade: An Input-Output Analysis, Journal of International Economics, 1977, Vol, 2, 209-211.
[9]Huang, J. , Wang X. , Zhi H., et al . “Subsidies and Distortions in China ' s Agriculture: Evidence from Producer-level data”, Australian Journal of Agricultural and Resource Economics, 2011, 55(1): 53-71
[10]Jin, S Q, Jikun Huang, Ruifa Hu, et al. “The Creation and Spread of Technology and Total Factor Productivity in China”, American Journal of Agricultural Economics. 2002, 84(4): 916-930.
[11]Lin, Justin Y., “Rural Reforms and Agricultural Growth in China”, American Economic Review. 1992, 82(1) : 34－51
[12]Luo, R. , Zhang L. , Huang J, et al. ”Elections, Fiscal Reform and Public Goods Provision in Rural China”, Journal of Comparative Economics, 2007, 35(3): 583-611
[13]Malmquist S . Index numbers and indifference surfaces[J]. Trabajos De Estadistica, 1953, 4(2): 209-242.
[14]RolfFare, Shawna G, Knoxlovell C A . Production frontiers[M]. Cambridge University Press, 1994.
38
[15]Scott Rozelle,黃季焜.中國的農村經濟與通向現代工業國之路[J].經濟學(季刊), 2005(03): 1019-1042.
[16]Yang, Dennis Tao, 2004, “Education and Allocative Efficiency: Household Income Growth during Rural Reforms in China”, Journal of Development Economics, 74: 137-162.
[17]陳建軍,陳國亮,黃潔. 新經濟地理學視角下的生產性服務業集聚及其影響因素研究— —來自中國222個城市的經驗證據[J].管理世界,2009(04): 83-95
[18]陳蕊.生產性服務業集聚、房價上漲與城市全要素生產率J].統計與決策,2021,37(15): 119-122.
[19]崔書會，李光勤，豆建民.產業協同集聚的資源錯配效應研究J].統計研究,2019,36(02): 76-87.
[20]鄧曉蘭,鄢偉波.農村基礎設施對農業全要素生產率的影響研究[J].財貿研 究,2018,29(04): 36-45.
[21]杜建軍,謝家平,劉博敏. 中國農業產業集聚與農業勞動生產率——基于275個城市數據 的經驗研究[J].財經研究,2020,46(06): 49-63.
[22]方福前,張艷麗. 中國農業全要素生產率的變化及其影響因素分析——基于1991—2008 年Malmquist指數方法[J].經濟理論與經濟管理,2010(09): 5-12
[23]方慧,趙勝立，呂靜瑤.生產性服務業集聚提高了城市FDI效率嗎?[J].數量經濟技術經 濟研究,2021,38(07): 124-142.
[24]郭然,原毅軍. 生產性服務業集聚能夠提高制造業發展質量嗎?——兼論環境規制的調 節效應[J].當代經濟科學,2020,42(02): 120-132.
[25]郭衛軍,黃繁華. 產業集聚與經濟增長質量——基于全球82個國家和地區面板數據的 實證分析[J].經濟理論與經濟管理,2021,41(01): 37-51.
[26]韓堅，尹國俊.農業生產性服務業：提高農業生產效率的新途徑[J].學術交流,2006(11): 107-110
[27]韓嫣,羅德尼•史密斯，武拉平.FDI對農業企業全要素生產率的影響路徑一一創新的中 介作用[J].農業技術經濟,2021(08): 32-51.
[28]郝愛民.農業生產性服務業對農業的影響一一基于省級面板數據的研究[J].財貿經 濟,2011(07): 97-102+136.
[29]郝一帆，王征兵.生產性服務業能提升中國農業全要素生產率嗎?[J].學習與實 踐,2018(09): 39-50.
[30]黃繁華，郭衛軍.空間溢岀視角下的生產性服務業集聚與長三角城市群經濟增長效率[J]. 統計研究,2020,37(07): 66-79.
[31]黃金輝.中國農業現代化的瓶頸：投資不足[J].四川大學學報(哲學社會科學
39
版),2004(03): 5-9.
[32]冀名峰.農業生產性服務業：我國農業現代化歷史上的第三次動能J].農業經濟問 題,2018(03): 9-15.
[33]李博偉,邢麗榮,徐翔. 農業生產集聚能否促進農民增收——來自淡水養殖的經驗證據 [J]. 農業技術經濟,2019(05)： 39-51.
[34]李谷成.技術效率、技術進步與中國農業生產率增長[J].經濟評論,2009(01):60-68.
[35]李靜，李紅，謝麗君.中國農業污染減排潛力、減排效率與影響因素[J].農業技術經 濟,2012(06): 118-126.
[36]李明文,王振華,張廣勝. 農業服務業促進糧食高質量發展了嗎——基于272 個地級市面 板數據的門檻回歸分析[J].農業技術經濟,2020(07): 4-16.
[37]李士梅，尹希文.中國農村勞動力轉移對農業全要素生產率的影響分析J].農業技術經 濟,2017(09): 4-13.
[38]李文華，成升魁，梅旭榮等.中國農業資源與環境可持續發展戰略研究[J].中國工程科 學,2016,18(01): 56-64.
[39]李曉陽，許屬琴.經營規模、金融驅動與農業全要素生產率[J].軟科學,2017,31(08): 5-8.
[40]劉乃郗，韓一軍，王萍萍.FDI是否提高了中國農業企業全要素生產率?一一來自99801家 農業企業面板數據的證據[J].中國農村經濟,2018(04): 90-105.
[41]劉亦文，歐陽瑩，蔡宏宇.中國農業綠色全要素生產率測度及時空演化特征研究J].數量 經濟技術經濟研究，2021，38(05): 39-56.
[42]劉振中.我國服務業與工業、農業互動發展的階段性特征與展望J].經濟縱橫,2018(08): 59-69.
[43]羅浩軒. 新常態下中國農業經濟增長的三重沖擊及其治理路徑——基于1981—2013 年 中國農業全要素生產率的測算[J].上海經濟研究,2017(02): 24-33
[44]全炯振. 中國農業全要素生產率增長的實證分析: 1978-2007 年——基于隨機前沿分析 (SFA)方法[J].中國農村經濟,2009(09): 36-47.
[45]盛豐. 生產性服務業集聚與制造業升級: 機制與經驗——來自 230 個城市數據的空間 計量分析[J].產業經濟研究,2014(02): 32-39+110
[46]蘇俊華，吳丹潔，彭海陽.商貿流通業對農業全要素生產率影響的實證研究J].商業經濟 研究,2017(07): 46-48.
[47]汪建豐，劉俊威. 中國農業生產性服務業發展差距研究——基于投入產出表的實證分析 [J]. 經濟學家，2011(11): 52-57
[48]王兵，顏鵬飛.中國的生產率與效率：1952-2000——基于時間序列的DEA分析[J].數量 經濟技術經濟研究，2006(08): 22-30.
40
[49]王璐，楊汝岱,吳比.中國農戶農業生產全要素生產率研究[J].管理世界,2020,36(12):
77-93.
[50]王曉紅,馮嚴超,胡士磊. FDI、 OFDI 與中國綠色全要素生產率——基于空間計量模型的 分析[J].中國管理科學：1-12.
[51]王亞飛,廖甍,王亞菲. 高鐵開通促進了農業全要素生產率增長嗎?——來自長三角地區 準自然實驗的經驗證據[J].統計研究,2020,37(05): 40-53.
[52]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.
[53]許夢博，王明赫，翁鈺棟.生產性服務業集聚有利于高技術產業的研發效率嗎?[J].經濟 問題探索,2018(02): 135-141
[54]薛超，史雪陽,周宏.農業機械化對種植業全要素生產率提升的影響路徑研究J].農業技 術經濟,2020(10): 87-102.
[55]薛賀香.城鎮化、農業生產性服務業與農村居民消費互動的實證研究J].廣東商學院學 報,2013,28(06): 81-88
[56]葉敬忠，王維.改革開放四十年來的勞動力鄉城流動與農村留守人口[J].農業經濟問 題,2018(07): 14-22.
[57]易遠宏.農村空心化趨勢的資金外流綜合測度與分析[J].統計與決策,2013(19): 91-94.
[58]于斌斌. 生產性服務業集聚能提高制造業生產率嗎？——基于行業、地區和城市異質 性視角的分析[J].南開經濟研究，2017(02): 112-132.
[59]張紅宇.農業生產性服務業的歷史機遇[J].農業經濟問題,2019(06): 4-9.
[60]張薦華,高軍. 發展農業生產性服務業會縮小城鄉居民收入差距嗎?——基于空間溢岀 和門檻特征的實證檢驗[J].西部論壇,2019,29(01): 45-54
[61]張忠軍,易中懿. 農業生產性服務外包對水稻生產率的影響研究——基于358個農戶的 實證分析[J].農業經濟問題,2015,36(10): 69-76
[62]朱秋博，白軍飛,彭超等.信息化提升了農業生產率嗎?[J].中國農村經濟,2019(04):
22-40
[63]朱喜,史清華，蓋慶恩.要素配置扭曲與農業全要素生產率[J].經濟研究,2011,46(05):
86-98.
相關標簽:
