Influence of rural land transfer on agricultural green total factor productivity: effect, spatial characteristics and regional heterogeneity
-
摘要: 提升农业绿色全要素生产率是推进农业高质量发展的重要路径。本文基于现有研究成果, 在理论探讨基础上, 基于2011—2020年中国30个省级行政区的面板数据, 综合多种实证方法, 就农地流转对农业绿色全要素生产率的影响进行系统分析。结果表明: 1)农地流转对农业绿色全要素生产率产生显著正向影响, 农地流转面积扩大会促进农业绿色全要素生产率提高; 2)农地流转对农业绿色全要素生产率的正向影响具有地区异质性, 这一效应在北方地区显著, 在南方地区不显著; 3)农地流转对农业绿色全要素生产率的影响存在门槛效应, 农地流转面积超过门槛值后对农业绿色全要素生产率的正向影响有所下降; 4)农地流转对农业绿色全要素生产率存在正向空间影响效应, 其空间溢出效应显著。建议推进农地流转过程中考虑农地流转环境效应, 采取有效措施推进农地流转以提升农业绿色全要素生产率, 因地制宜设计农地流转策略, 并重视农地流转过程中环境问题处置工作的省际间协调。
-
关键词:
- 农地流转 /
- 农业绿色全要素生产率 /
- 门槛效应 /
- 空间效应
Abstract: Improving green agricultural total factor productivity (TFP) is important for rural revitalization. Existing studies do not thoroughly analyze the impact of the major agricultural reform of rural land transfer on agricultural green total factor productivity. Therefore, based on existing research results, we first conducted a theoretical analysis of the impact of the rural land transfer on agricultural green total factor productivity. We then comprehensively used the undesirable output SBM-DEA model, GML index, double-fixed effect panel regression model, instrumental variable model, and spatial measurement model to systematically analyze the influence, spatial effect, and regional heterogeneity of agricultural land transfer on agricultural green total factor productivity. The results show that: 1) rural land transfer has a significant positive impact on agricultural green total factor productivity, and the expansion of rural land transfer areas will promote an increase in agricultural green total factor productivity. 2) The positive influence of rural land transfer on agricultural green total factor productivity has regional heterogeneity, and this effect is significant in northern China, but not significant in southern China. 3) There is a threshold effect of rural land transfer on agricultural green total factor productivity, and the positive effect of farmland transfer area on agricultural green total factor productivity decreases when it exceeds the threshold value. 4) Rural land transfer has a positive spatial effect on agricultural green total factor productivity, and its spatial spillover effect is significant. Based on the research results, we suggest that relevant departments took effective measures to promote rural land transfer to exert its positive impact of the rural land transfer on agricultural green total factor productivity. Simultaneously, we propose promoting the transfer of rural land according to local conditions. In addition, we believe that the relevant departments should pay more attention to the application of green agricultural technology and other advanced technologies that consider both agricultural production and environmental protection in the later stages of promoting rural land transfer. Finally, we suggest that the government should pay attention to the interprovincial coordination of the rural land transfer process. The marginal contributions of this study are as follows:1) the effect of rural land transfer, a major agricultural reform, on agricultural green total factor productivity is deeply explored; 2) the impact of the agricultural production process on the agro-ecological environment is incorporated into the efficiency measurement system, and the threshold and spatial effects of the impact of the rural land transfer on agricultural green total are explored. -
2022年10月16日, 党的二十大报告提出“高质量发展是全面建设社会主义现代化国家的首要任务”。农业生产水平提升是农业稳产增产的基础, 是乡村“产业兴旺”、农民“生活富裕”的前提; 而农业绿色发展, 则是有效改善农业农村生态环境, 推进乡村“生态宜居”的必经之路。为此, 农业高质量发展需要同时提升农业生产水平和农业绿色发展水平。农业绿色全要素生产率综合考虑农业生产水平和农业绿色发展水平[1], 是可持续发展观念指导下综合考虑农业产量和环境保护的重要指标, 深度契合党的二十大报告所提出的“着力提高全要素生产率”这一要求。深入分析农业绿色全要素生产率影响因素, 对农业高效化和农业绿色发展具有重要意义[2]。
学界高度重视农业绿色全要素生产率研究。一方面, 学者们深入探讨了农业绿色全要素生产率测度和影响因素等问题。就农业绿色全要素生产率测度而言, 现有研究主要采用数据包络分析方法(DEA)[3-5]、随机前沿分析方法(SFA)[6-7]。由于数据包络分析方法允许多投入多产出指标, 且无需预先设定参数形式, 因此更为客观。尤其是数据包络分析方法中的基于松弛变量的数据包络分析方法 (SBM-DEA)模型, 允许非期望产出指标嵌入, 更适合农业绿色全要素生产率测度[8]。此外, 为更好地反映农业绿色全要素生产率动态变化, 诸多学者将SBM-DEA模型与Global Malmquist-Luenberger (GML)指数法进行结合, 以推进农业绿色全要素生产率动态分析[9-11]。在测度农业绿色全要素生产率基础上, 学者们还进一步分析了其影响因素。现有研究指出, 农业产业聚集[2]、农业劳动力[12]、国际贸易[1,10]、科技创新[9]、环境规制[13]等因素对农业绿色全要素生产率存在显著影响。
综上, 农业绿色全要素生产率相关研究成果十分丰富, 这既为我国农业绿色发展提供了科学指导和理论支持, 同时也为本研究开展奠定了重要基础。但是, 现有农业绿色全要素生产率研究较少对农地流转这一农业领域重大变革可能带来的影响进行分析。农地流转是近年来我国最重要的农业变革之一。农业农村部统计数据显示, 截至2020年, 中国家庭承包耕地流转面积占全国耕地总面积的比重已经超过1/4。随着农地流转工作深入, 这一变革对农业发展的影响日益显著。现有研究发现农地流转对农业集约化[14]、农业规模化[15-16]有显著影响; 同时, 农地流转对改善农户生活也具有现实意义[17-18]; 此外, 农地流转对于农业生态环境也有着重要影响[19-21]。显然, 农地流转的影响体现在农业发展的方方面面。在分析农业绿色全要素生产率影响因素时, 如果不考虑农地流转这一重要实践, 将在一定程度上影响农业绿色全要素生产率研究的现实性。
现有研究虽较少讨论农地流转对农业绿色全要素生产率的影响, 但个别研究利用省级面板数据分析了农地流转对农业全要素生产率[22]的作用, 发现农地流转能显著作用于农业全要素生产率。但现有研究在分析农业绿色全要素生产率过程中鲜有考虑农地流转对农业绿色全要素生产率非期望产出的影响, 仅考虑了要素投入对农业生产的作用, 难以综合衡量农地流转这一重大变革对农业生产水平和农业绿色发展水平的冲击。同时, 现有研究并未分析农地流转对农业全要素生产率影响的门槛效应和空间效应。可见, 农地流转对农业绿色全要素生产率的影响研究有待推进, 其门槛效应和空间效应也需进一步探索。
为此, 针对现有研究中的不足, 本文借鉴农业绿色全要素生产率研究成果, 系统分析农地流转对农业绿色全要素生产率(狭义农业, 即种植业)的影响。在理论探讨基础上, 综合非期望产出SBM-DEA模型、GML指数、固定效应回归模型、工具变量模型、门槛回归模型、空间计量模型实证分析并严格检验农地流转对农业绿色全要素生产率的影响, 以期为农业绿色全要素生产率研究体系补充新的内涵, 进而推进农业高质量发展。边际贡献为: 1)深入探索了农地流转这一重大农业变革对农业绿色全要素生产率的作用; 2)将农业生产过程对农业生态环境的影响纳入效率测度体系, 并探索农地流转对农业绿色全要素生产率影响的门槛效应、空间效应。
1. 理论分析与假设
农业全要素生产率是衡量劳动力、土地、农药、化肥、农膜、农业机械、农业灌溉等投入要素与农业产值间关系的效率值[22], 而农业绿色全要素生产率则在农业全要素生产率基础上进一步考虑了各类投入要素在农业生产过程中可能造成的非期望产出, 如农业面源污染、农业碳排放等[1-4,23]。
农地流转作为农业领域重大活动, 受到了广泛关注。 现有研究深入分析了农地流转对农业劳动力等农业绿色全要素生产率投入指标的影响, 也探讨了农地流转对于农业期望产出和非期望产出的影响。就农地流转对农业绿色全要素生产率投入指标的作用来看, 现有研究认为农地流转会促进农业劳动力转移[19], 减少土地抛荒[24], 增加农业机械使用[25], 提升农业灌溉水平[26]。农地流转对农药、化肥、农膜使用情况的作用尚存在争议, 部分学者提出农地流转能够减少农药和化肥的使用[19], 但也有部分学者认为农地流转会增加农药和化肥的应用[20]。可见, 农地流转对农业绿色全要素生产率各投入指标存在一定影响。现有研究也明确指出, 农地流转对农业生产水平提升具有正向作用, 农地流转能增加农业产值, 提升农业生产效率[25]。虽然农地流转对农业非期望产出的影响方向存在争议, 但是这一影响的存在性已经在多项成果中被证明[19-20]。综上所述, 农地流转对农业绿色全要素生产率会产生显著影响。
就农地流转对农业绿色全要素生产率的影响方向而言, 上述多数研究指出农地流转对农业绿色全要素(如生产率劳动、土地、农业机械、农业灌溉等投入指标)产生正向影响, 对农业期望产出也具有正向作用; 部分研究[19]也指出农地流转能降低农药、化肥、农膜等投入, 而这将降低农业碳排放和农业面源污染, 减少非期望产出。可见, 农地流转对农业绿色全要素生产率基础指标整体上呈现积极影响, 即有利于提高各类要素投入, 提升期望产出, 减少非期望产出。进一步结合农地流转实际而言, 农地流转的结果表现为农业经营规模提升[16], 而经营规模的适度提升有利于提高农业绿色全要素生产率。一方面, 农业经营规模的适度提升, 能提高农业要素使用效率。规模经营的农业主体往往更为接近“理性经济人”[27], 能更合理运用农业要素。另一方面, 规模化农业经营能更好地推进绿色农业技术嵌入农业生产过程, 进而推进农业绿色化发展。现有研究指出规模化农户相比小农户能更积极地采纳先进技术[28], 且能更好地发挥现代技术效用[29]。更有研究直接指出农地流转推动下的规模化农户能推进绿色农业技术的应用[30]。先进绿色农业技术的应用也将进一步提升农业绿色全要素生产率。综上, 提出假设:
假设1: 农地流转对农业绿色全要素生产率产生显著正向影响, 即农地流转面积的扩大有利于提升农业绿色全要素生产率。
现有研究[31-32]指出, 农地流转的影响存在门槛效应, 即当农地流转面积扩大到一定程度后, 农地流转的作用会产生变动。就农地流转对农业绿色全要素生产率的影响而言, 农地流转面积扩大初期, 能够有效推进土地的合理流动, 从而降低耕地细碎化等对农业发展的影响, 进而提升农业要素使用效率; 但是, 随着农地流转面积的扩大, 农业经营规模不断提升, 农地流转对农业发展的积极影响将不再如初期显著。部分研究[33]更是指出, 随着农地流转面积的不断扩大, 农地流转的影响会发生转变。以农业绿色全要素生产率中的农业碳排放为例, 农地流转带来的农业经营规模扩大在初期有利于降低农业碳排放, 但是当其面积扩大超出门槛值后, 便会造成农业碳排放的增加[33]。此外, 一些研究也指出[34]农地流转所带来的农业规模经营对农业生态效率的影响存在门槛效应, 在门槛值之前农地流转对农业生态效率产生正向促进作用, 超过门槛值后农地流转对农业生态效率的正向影响有所减弱。因此, 本文认为农地流转对农业绿色全要素生产率的影响同样存在门槛效应, 且该门槛效应表现为农地流转面积超出门槛值后其正向影响效应的减弱或消失。综上, 提出假设:
假设2: 农地流转对农业绿色全要素生产率的正向影响存在门槛效应, 且当农地流转面积超出门槛值后其正向影响会减弱或消失。
随着现代交通的完善以及地区经济社会发展的联系日益增强, 某一地区的变动会对周边地区乃至更远处产生作用, 农业领域的变革同样如此, 农地流转的影响不仅局限于本地区, 更会对周边地区农业和农村发展产生作用。一方面, 农地流转造成的农业要素投入变动具有空间效应, 如农地流转对农业劳动力会产生影响[22,24], 而劳动力的转移往往具有跨区域特征[35]; 另一方面, 现有研究也指出农地流转的经济效应具有空间特征[36]。此外农业绿色全要素生产率同样存在空间溢出效应[37,38], 现有研究也证明了诸多要素对农业绿色全要素生产率的空间影响效应[2,39]。为此, 结合前文假设的正向影响效应, 提出假设:
假设3: 农地流转对农业绿色全要素生产率存在正向空间影响效应。
2. 实证研究设计
2.1 农业绿色全要素生产率测度
2.1.1 测度模型
借鉴前人研究[9-11]的做法, 利用非期望产出SBM模型与GML模型测度农业绿色全要素生产率。模型具体计算公式如下:
$$ \begin{split} &{\mathrm{AGTFP}}=\min \dfrac{1-\dfrac{1}{m} \times\displaystyle\sum_{i=1}^m \dfrac{S_i^{-}}{X_i}}{1+\dfrac{1}{s_1+s_2}\times\left(\displaystyle\sum_{r=1}^{s_1} \dfrac{S_r^g}{Y_r^g}+\sum_{k=1}^{s_2} \dfrac{S_k^b}{Y_k^b}\right)}\\ &\quad \text { 其中 } i=1,2, \cdots , m ; r=1,2, \cdots , s_1 ; k=1,2, \cdots , s_2 \end{split} $$ (1) $$ \begin{split} \text { subject to }& X_{0}= X \times\lambda+S^- \\ & Y_{0}^{g}=Y^{g} \times\lambda-S^{g} \\ & Y_{0}^{{b}}=Y^{b} \times\lambda+S^{b} \\ & S^- \geqslant 0,\; S^{g} \geqslant 0,\; S^{b} \geqslant 0 \\[-3pt] \end{split} $$ (2) 式中: AGTFP为该年的农业绿色全要素生产率, m表示投入指标个数, s1表示期望产出个数, s2表示非期望产出个数, Si−和Xi分别表示投入冗余及投入变量,
$ S_r^g $ 和$ Y_r^g $ 分别表示期望产出不足以及期望产出变量,$ S_k^b $ 和$ Y_k^b $ 分别表示非期望产出过剩以及非期望产出变量,$ \lambda $ 表示权重向量,$X_0 $ 、$ Y_{0}^{g} $ 、$ Y_{0}^{b} $ 分别为模型决策单元所对应的实际投入变量、期望产出变量和非期望产出变量值, X、Y g、Y b分别为决策单元估计需要的投入变量、期望产出变量和非期望产出变量值, S −、S g、S b分别表示决策单元对应的投入冗余、期望产出不足与非期望产出过剩。GML指数可测度农业绿色全要素生产率的变动情况, 其公式如下:
$$ \begin{split} &\qquad {\text{AGTFPGM}}{{\text{L}}^{t,t + 1}}({x^t},{y^t},{b^t},{x^{t + 1}},{y^{t + 1}},{b^{t + 1}}) =\\ & \dfrac{{1 + {D_t}({x^t},{y^t},{b^t})}}{{1 + {D_{t + 1}}({x^{t + 1}},{y^{t + 1}},{b^{t + 1}})}} \times \left[ {\dfrac{{\dfrac{{1 + {D^G}({x^t},{y^t},{b^t})}}{{1 + {D_t}({x^t},{y^t},{b^t})}}}}{{\dfrac{{1 + D_t^G({x^{t + 1}},{y^{t + 1}},{b^{t + 1}})}}{{1 + {D_{t + 1}}({x^{t + 1}},{y^{t + 1}},{b^{t + 1}})}}}}} \right] =\\ & \dfrac{{{\text{T}}{{\text{E}}^{t + 1}}}}{{{\text{T}}{{\text{E}}^t}}} \times \dfrac{{{\text{BPG}}_{^{t + 1}}^{^{t,t + 1}}}}{{{\text{BPG}}_{^t}^{^{t,t + 1}}}} = {\text{GE}}{{\text{C}}^{^{t,t + 1}}} \times {\text{GT}}{{\text{C}}^{^{^{t,t + 1}}}} \end{split}$$ (3) 式中:
$ {\text{AGTFPGML}} $ 表示农业绿色全要素生产率指数, 若该指数大于1则表明生产率有所提升;$ {\text{GEC}} $ 和$ {\text{GTC}} $ 为技术效率和技术进步;$ t $ 为年份,$ x $ 为投入,$ y $ 为期望产出,$ b $ 为非期望产出, TE为综合技术效率,$ {\text{BPG}} $ 为全局技术参照集与有效生产前沿面的距离; 其中$ {D}^{G}({x}^{t},{y}^{t},{b}^{t}) $ 为参照集方向向量, 指$ x $ 和生产结构$ p(x) $ 沿着距离函数指定产出向量$ g=({g}_{y},{g}_{b}) $ 方向, 可增减生产最大$ \lambda $ 倍的产出。2.1.2 农业绿色全要素生产率测算指标
参考文献[1-4,40], 将农业劳动力、土地、化肥、农药、农膜、农业机械动力、农业灌溉等因素作为投入指标, 将农业产值(以2010年为基期)作为期望产出指标, 将农业活动造成的农业面源污染以及碳排放作为非期望产出指标。农业劳动力以农业从业人员数量表征, 土地投入则利用农作物总播种面积表征, 化肥、农药、农膜、农业机械动力等投入利用化肥施用量、农药使用量、农膜使用量、农业机械总动力等指标表征, 灌溉利用有效灌溉面积表征, 农业面源污染利用农业面源污染综合指数表征, 农业碳排放利用农业碳排放量表征。农业劳动力等投入要素以及农业面源污染综合指数的计算方法参考文献[40]; 农业碳排放的计算参考文献[41]中种植业相关碳排放的算法, 主要包括稻田的 CH4 排放, 各类作物、化肥和土壤引起的 N2O 排放, 化肥、农药、农膜、农业机械和农业灌溉所产生的 CO2 排放。由于相关研究对上述投入产出指标的计算已经详细陈述, 此处不再赘述。
由于本研究重视农业生产水平提升的同时农业绿色发展水平的提高, 即各类农业要素在提升农业产值时减少农业环境污染, 为此本文所构建的农业绿色全要素生产率指标体系中的非期望产出部分更为丰富。相对于现有部分农业绿色全要素生产率研究[1,4]仅仅以农业碳排放作为农业活动的非期望产出, 本文进一步将农业面源污染作为非期望产出纳入指标体系, 这是由于农业面源污染对农业生态环境的影响同样严重; 此外, 在碳排放计算方面, 现有部分研究[1,4]仅计算农药等农业物资产生的碳排放, 而忽略了稻田的 CH4排放, 各类作物、化肥和土壤引起的N2O排放, 本文则更为系统地衡量了农业活动碳排放情况。
2.2 农地流转对农业绿色全要素生产率的影响效应
2.2.1 计量模型
1)主效应计量模型: 参考现有研究[1,3]本文构建固定效应面板回归模型估计农地流转对农业绿色全要素生产率的影响效应, 从而对假设1进行验证:
$$ {\text{AGTFPGM}}{{\text{L}}_{it}} = {c_1} + {c_{{\rm{LTR}}}}\times {\text{LT}}{{\text{R}}_{it}} + \sum {S\times{X_{it}}} + {\sigma _i} + {\varepsilon _{it}} $$ (4) 式中: i 表示地区, t表示时间,
$ {\text{LT}}{{\text{R}}_{it}} $ 表示农地流转,$ X{}_{it} $ 表示控制变量,$ {\sigma _i} $ 表示固定效应,$ {\varepsilon _{it}} $ 表示随机误差项,$ {c_1} $ 为式(4)截距项,$ {c_{{\rm{LTR}}}} $ 为农地流转系数,$ S $ 为控制变量系数。2)工具变量模型: 在主效应估计时, 估计结果可能受到内生性问题的困扰。为解决分析中的内生性问题, 本文选择工具变量模型分析主效应计量模型中的内生性问题:
$$ \overline {{\text{LT}}{{\text{R}}_{it}}} = {c_2} + {c_{{\rm{IV}}}}\times{{\rm{IV}}_{it}} + \sum {S\times{X_{it}}} + {\sigma _i} + {\varepsilon _{it}} $$ (5) 式中:
$ \overline {{\text{LT}}{{\text{R}}_{it}}} $ 为基于工具变量拟合的农地流转情况,${\rm{IV}}_{it}$ 为工具变量,$ {c_2} $ 为式(5)截距项,$ {c_{{\rm{IV}}}} $ 为工具变量系数, 其余变量含义同式(4)。工具变量第二阶段模型则用式(5)拟合的农地流转情况放入式(4)。$$ {\text{AGTFPGM}}{{\text{L}}_{it}} = {c_3} + \overline {{c}_{\text{LTR}}}\times \overline {{\text{LT}}{{\text{R}}_{it}}} + \sum {S\times {X_{it}}} + {\sigma _i} + {\varepsilon _{it}} $$ (6) 式中:
$ {c_3} $ 为式(6)截距项,$\overline {{c_{\text{LTR}}}}$ 是基于工具变量拟合的农地流转情况$ \overline {{\text{LT}}{{\text{R}}_{it}}} $ 的系数。此时, 由于$ \overline {{\text{LT}}{{\text{R}}_{it}}} $ 是由工具变量和其他外生变量所决定, 因此再次回归获得的$\overline {{c_{\text{LTR}}}}$ 是无偏的。2.2.2 变量设定
1)被解释变量: 参考文献[2,22]惯例, 以农业绿色全要素生产率指数(AGTFPGML)为被解释变量, 表征农业绿色全要素生产率的变动情况。
2)核心解释变量: 参考文献[42], 本文以农业农村部所公布的各省家庭承包耕地流转总面积作为农地流转情况的替代指标, 并以此作为核心解释变量。
3)控制变量: 综合引言所提及的农业绿色全要素生产率影响因素研究[1-2,9-13], 选择农业产业聚集、农业劳动力、农业受灾率、地区产业结构、对外开放水平、科技创新水平、环境规制等因素作为控制变量以控制各省市发展情况。农业产业聚集可促进农业要素交流, 提升农业产量, 但也会增加农业污染, 因此会对农业绿色全要素生产率产生影响, 以省区农业产值占全国农业产值比重与省区生产总值占全国生产总值比重的比值表征; 农业劳动力的变动既能反映地区城镇化情况, 也是重要的农业发展指标, 因此也会影响农业绿色全要素生产率, 以第一产业从业人员乘以农业产值占农林牧渔业产值比重表征; 农业受灾率会对农业发展产生直接影响, 因为其对农业发展产生直接的破坏作用, 以农业受灾面积占农作物总播种面积的比重表征; 地区产业结构则反映地区农业在经济体系中的比重, 也间接反映二三产业发展情况, 而二三产业发展能为农业生产提供各类要素和技术支持, 以第一产业增加值占地区生产总值的比重表征; 对外开放水平的提升可能会影响农业绿色发展水平, 以地区进出口总额占地区生产总值的比重表征; 科技创新水平提高会为农业生产和农业绿色发展提供技术支持, 以国内专利申请授权数表征; 环境规制显示地方政府对环保问题的重视程度, 会影响农业生产过程中的非期望产出, 以环保节能支出占财政预算总支出的比重表征。
4)工具变量: 在就农地流转对农业绿色全要素生产率的影响效应进行分析时, 模型估计可能受到内生性问题困扰。一方面, 无法排除农地流转与农业绿色全要素生产率可能存在的反向因果可能; 另一方面部分随时间变化的特征可能会影响估计结果。为解决分析中的内生性问题, 在利用固定效应模型进行估计的基础上选择工具变量模型解决内生性问题, 所使用工具变量命名为农地流转工具变量。农地流转工具变量通过1983年各省份实施家庭联产承包责任制的户数比例与各年各省份家庭承包耕地流转比例的乘积计算获得。本文选择上述变量作为工具变量, 一方面是各省实施家庭联产承包责任制的比例具有外生性, 1983年各省实施家庭联产承包责任制的比例属于历史数据; 另一方面则是由于各省实施家庭联产承包责任制的比例与农地流转具有较高的相关性, 早期的家庭联产承包责任制实施进度, 一定程度反映当地的土地政策倾向, 对当前的农地流转政策变迁具有一定的影响[43]。但是, 各省实施家庭联产承包责任制的比例是截面数据, 而主效应分析采用的却是面板数据。因此, 将该比例与各年各省家庭承包耕地流转比例相乘, 将其变为面板数据可使用的工具变量。
2.3 门槛效应与空间效应设计
2.3.1 计量模型
根据前文可知农地流转影响可能存在门槛效应。为此, 进一步分析农地流转对农业绿色全要素生产率影响的门槛效应:
$$ \begin{split} &\qquad {\text{AGTFPGML}}_{it}^* = {\beta _0} \,+\, {\beta _1} \times \, {\text{LT}}{{\text{R}}_{it}} \times \, I\left( {{q_{it}} \leqslant \gamma } \right) \,+\, {\beta _2} \,\times \\ & {\text{LT}}{{\text{R}}_{it}} \times I\left( {{q_{it}} > \gamma } \right) + {\beta _x} \times {X_{it}} + {\sigma _i} + {\varepsilon _{it}} \end{split} $$ (7) 式中: I(qit≤γ )和I(qit>γ)为指示函数, 当括号内的条件满足时取1, 否则取 0; q为门槛变量; γ为特定门槛值, 该值利用Stata 16软件进行门槛回归计算得到; β0为常数; β1、β2为不同区间农地流转的系数; βx表示控制变量系数; 其余变量设定如(4)式。
另外, 前文分析农地流转的影响可能存在空间溢出效应。因此, 本文进一步将空间因素纳入分析框架。本文构建一般空间计量模型如下:
$$ \begin{split} &\qquad {\text{AGTFPGM}}{{\text{L}}_{{{it}}}} = \psi + \rho \times\sum\limits_{j = 1, j \ne i}^n {{w_{ij}} \times{\text{AGTFPGM}}{{\text{L}}_{it}} + } \\ & \delta \times {\text{LT}}{{\text{R}}_{it}}+\phi \times {X_{it}} \times\zeta \times\sum\limits_{j = 1, j \ne i}^n {{w_{ij}} \times({\text{LT}}{{\text{R}}_{it}} + {X_{it}})} + {\mu _i} + {\vartheta _t} + \\ & {\varpi _{{{it}}}} \end{split} $$ (8) 式中:
$ \psi $ 为常数项,$ \rho $ 为空间自相关系数,${w_{ij}}$ 为(0-1)邻接空间矩阵,$ \delta 、\phi $ 为回归系数,$ \zeta $ 为滞后项系数,$ {\mu _i} $ 表示空间固定效应,$ {\vartheta _t} $ 表示时间固定效应,$ {\varpi _{it}} $ 为随机误差项。其余变量如上文假设。当$ \rho \ne 0、\zeta =0 $ 时, 则式(8)简化为空间滞后模型; 当$ \rho =0、\zeta =0 $ 时, 则式(8)简化为空间误差模型。2.3.2 变量设定
门槛变量: 由于本文主要分析农地流转对农业绿色全要素生产率的影响, 因此考虑将农地流转进一步作为门槛变量, 看农地流转的影响是否存在非线性特征。其替代变量如上。
2.4 数据来源
本文以2011—2020年中国30个省级行政区为研究区域, 中国香港、中国澳门、中国台湾和中国西藏由于农业发展特征与其余省级行政区差别较大, 故未纳入分析体系中。本文利用省级面板数据, 一方面是由于现有农业绿色全要素生产率研究多数使用省市级别的宏观面板数据, 采用宏观数据可以反映农业绿色全要素生产率整体发展情况; 另一方面, 虽然农地流转研究多数采用微观调研数据, 但仍有部分研究[18,42]采用宏观数据, 表明农地流转研究中宏观数据分析同样具有其意义。本文基础数据来自《中国统计年鉴》《中国农村统计年鉴》和《中国农业年鉴》; 农地流转数据来自农业农村部官方网站; 空间矩阵由笔者测算。变量描述性统计见表1。
表 1 农地流转对农业绿色全要素生产率影响分析的变量描述性统计Table 1. Descriptive statistics of variables about the influence of rural land transfer on agricultural green total factor productivity变量类型
Type of variable变量名称
Variable name符号
Symbol平均值
Mean标准差
Standard deviation最小值
Min最大值
Max被解释变量
Explained variable农业绿色全要素生产率指数
Index of agricultural green total factor productivityAGTFPGML 1.0141 0.0920 0.6817 1.4844 核心解释变量、门槛变量
Core explanatory variable and threshold variable农地流转面积
Rural land transfer area (×105 hm2)LTR 0.9589 0.9062 0.0110 4.5982 控制变量
Controlled variable农业产业聚集
Agricultural industry agglomerationk1 1.1769 0.7229 0.0422 4.6610 农业劳动力
Agricultural labor (×104 persons)k2 426.7021 291.3584 11.4381 1279.3520 受灾率
Disaster ratek3 0.1700 0.3829 0.0000 6.4684 地区产业结构
Regional industrial structurek4 0.0986 0.0533 0.0027 0.2584 对外开放水平
Level of open-upk5 0.0421 0.0478 0.0011 0.2760 技术发展情况
Technological development situation
(×104 items)k6 5.8602 8.9367 0.0502 70.9725 环境规制
Environmental regulationk7 0.0298 0.0098 0.0100 0.0700 工具变量
Instrumental variable农地流转工具变量
Instrumental variable of rural land transferIV 0.3010 0.1487 0.0309 0.8304 3. 实证分析
3.1 农业绿色全要素生产率测度
利用MaxDEA 6.0软件, 结合上文农业绿色全要素生产率指标设计, 设定模型为全局可比且规模报酬可变, 计算得到中国农业绿色全要素生产率指数(AGTFPGML)以及技术效率指数(GEC)、技术进步指数(GTC)。
整体而言, 2011—2020年间我国各省农业绿色全要素生产率指数(AGTFPGML)多数大于1, 表明多数年份农业绿色全要素生产率实现了增长(表2)。由表2也可以看出, 除2011—2012年和2013—2014年, 每年的农业绿色全要素生产率指数的均值都大于1, 说明其相对上一年而言, 农业绿色全要素生产率得到提升, 各农业投入要素在农业活动中实现了更高的期望产出或更少的非期望产出。进一步分析可知, 农业绿色全要素生产率指数的上升主要是由于农业绿色技术的进步。由表2可知, 2011—2020年间技术进步指数(GTC)多数年份高于技术效率指数(GEC), 表明农业绿色全要素生产率的正向变动主要来自于技术进步而非效率变动。
表 2 2011—2020年农业绿色全要素生产率变动及其分解Table 2. Changes of agricultural green total factor productivity and its decomposition from 2011 to 2020指标 Index 2011−2012 2012−2013 2013−2014 2014−2015 2015−2016 2016−2017 2017−2018 2018−2019 2019−2020 AGTFPGML 0.9110 1.0476 0.9695 1.0124 1.0171 1.0491 1.0236 1.0398 1.0566 GEC 1.0118 0.9933 1.0108 1.0017 0.9900 0.9990 1.0062 0.9848 1.0147 GTC 0.8998 1.0543 0.9614 1.0144 1.0296 1.0512 1.0203 1.0599 1.0415 AGTFPGML表示农业绿色全要素生产率指数; GEC为技术效率指数; GTC为技术进步指数。AGTFPGML refers to agricultural green total factor productivity index. GEC is the technical efficiency index. GTC is the technological progress index. 3.2 农地流转对农业绿色全要素生产率的影响
3.2.1 主效应分析
在利用MaxDEA 6.0软件计算农业绿色全要素生产率后, 利用Stata16结合上文设定估计农地流转对农业绿色全要素生产率的影响效应, 见表3模型1。由表3模型1可以看出, 农地流转面积对农业绿色全要素生产率的影响系数为正, 且在5%的统计水平显著。可见, 农地流转对农业绿色全要素生产率产生显著的正向影响, 即农地流转面积扩大有利于农业绿色全要素生产率提升。究其原因, 如前文理论分析所述, 农地流转对农业规模经营具有积极作用, 而规模经营有利于提升农业要素使用效率并促进先进技术嵌入, 从而能够推进农业绿色全要素生产率提升。所以, 假设1成立。
表 3 农地流转对农业绿色全要素生产率影响效应估计Table 3. Estimation of the impact of rural land transfer on agricultural green total factor productivity模型1 Model 1 模型2 Model 2 模型3 Model 3 模型4 Model 4 模型5 Model 5 模型6 Model 6 农地流转面积
Rural land transfer area0.0040**
(0.0017)0.0071***
(0.0013)0.0041**
(0.0017)0.0041**
(0.0017)0.0041**
(0.0017)0.0045**
(0.0020)控制变量
Controlled variableY N Y Y Y Y 常数 Constant 1.0495***
(0.1034)0.9070***
(0.0211)1.0219***
(0.0890)1.0403***
(0.0950)1.0590***
(0.1083)1.0583***
(0.1219)观测值 Observations 270 270 270 270 252 240 R2 0.2520 0.1034 0.2316 0.2519 0.2721 0.2455 ***、**和*分别表示1%、5%和10%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量, N表示模型不存在控制变量。模型1为主效应模型, 因变量为农业绿色全要素生产率, 自变量包括农地流转面积和所有控制变量。模型2~4为调整控制变量的稳健性检验模型。相比模型1, 模型2删除了所有控制变量, 模型3删除了对外开放水平、技术发展情况、环境规制3个控制变量, 模型4仅删除了环境规制控制变量。相比模型1, 模型5为删除了北京和新疆的稳健性检验模型, 模型6为将研究时间调整为2011—2019年的稳健性检验模型。***, **, and * indicate the significance levels of 1%, 5%, and 10%, respectively, with a robust standard error in parentheses. Y refers to the model with controlled variables. N refers to the model without controlled variables. Model 1 is the main effect model. In model 1, dependent variable is agricultural green total factor productivity, and independent variables include rural land transfer area and all controlled variables. Models 2−4 are robustness test models with different controlled variables. Compared with model 1, model 2 deletes all controlled variables, model 3 deletes three controlled variables (i.e., level of open-up, technological development and environmental regulation), and model 4 deletes environmental regulation. Compared to model 1, model 5 is robustness test model excluding Beijing and Xinjiang, and model 6 is robustness test model with study period from 2011 to 2019. 3.2.2 稳健性检验
为验证农地流转对农业绿色全要素生产率影响效应估计的稳健性, 本文采取以下方法:
1)调整控制变量: 本文通过删减控制变量的方式对主效应估计结果进行检验, 结果见表3模型2−4。表3中模型2为没有控制变量下农地流转对农业绿色全要素生产率的影响。与模型1相比, 模型3删除了对外开放水平、技术发展情况、环境规制3个控制变量, 模型4仅删除了环境规制控制变量。
2)调整研究区域: 本文通过调整研究区域的方式对主效应估计结果进行检验, 结果见表3模型5。表3模型5相比模型1而言删除了北京、新疆两个区域。
3)调整研究时间: 本文通过调整研究时间的方式对主效应估计结果进行检验, 结果见表3模型6。表3模型6相比模型1而言将研究时间调整为2011—2019年。
整体而言, 表3模型2−6中农地流转对农业绿色全要素生产率的影响持续显著为正, 可见本文主效应估计结果具有较强稳健性。
3.2.3 内生性处理
正如前文所提, 主效应回归可能受到反向因果或遗漏变量等因素影响而存在内生性。本文利用选定的农地流转工具变量按照式(5)与式(6)设定就模型进行估计。结果如表4所示, 工具变量与农地流转面积之间存在显著相关性。而基于工具变量所得的农地流转面积拟合值对农业绿色全要素生产率的影响在1%的统计水平显著为正。可知, 在排除内生性之后, 农地流转面积对农业绿色全要素生产率依然产生显著的正向影响。这进一步证明了主效应估计的可靠性。
表 4 农地流转对农业绿色全要素生产率影响工具变量模型估计结果Table 4. Estimation results of instrumental variable model of effect of rural land transfer on agricultural green total factor productivity模型1 Model 1 模型2 Model 2 农地流转面积 Rural land transfer area 农业绿色全要素生产率 Agricultural green total factor productivity 工具变量
Instrumental variable of rural land transfer40.0825***
(3.1914)农地流转面积拟合值
Fitting value of rural land transfer area0.0072***
(0.0028)控制变量 Controlled variable Y Y 观测值 Observations 270 270 ***表示1%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量。模型1为农地流转工具变量对农地流转面积的影响; 模型2为基于工具变量计算的农地流转面积拟合值对农业绿色全要素生产率的影响。*** indicates the significance level of 1%, with a robust standard error in parentheses. Y refers to the model with controlled variables. Model 1 is the impact of instrumental variables of rural land transfer on the area of rural land transfer. Model 2 is the impact of fitting value of rural land transfer area calculated based on instrumental variables on agricultural green total factor productivity. 在利用工具变量法处理内生性时, 需要进行弱工具变量检验和不可识别检验。由于在分析中本文所选择的工具变量是单独在估计模型中使用, 且只有一个工具变量, 故不存在工具变量过度识别问题, 所以本文没有对工具变量进行过度识别检验。首先, 本文对所选工具变量进行弱工具变量检验, 结果发现工具变量的F值较高, 为190.80, >10%偏误的临界值为16.38。因此, 本文选择的工具变量不是弱工具变量。其次, 对所选择工具变量进行不可识别检验, 农地流转工具变量的Anderson LM统计量为102.01, P值在1%的统计水平显著。可知, 本文选择的工具变量在1%统计水平上显著拒绝“工具变量识别不足”的原假设, 即本文选择的工具变量通过不可识别检验。
3.2.4 异质性分析
由于南北方农业发展差异较大, 且农地流转情况不一, 因此考虑农地流转对农业绿色全要素生产率的影响存在地区异质性。为此, 将本文所选取的30个省级行政区划分为北方地区(包括: 北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、河南、陕西、甘肃、青海、宁夏、新疆)、南方地区(包括: 上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南), 分别利用固定效应回归模型就其农地流转对农业绿色全要素生产率的影响效应进行估计, 结果如表5所示。
表 5 不同区域间农地流转对农业绿色全要素生产率影响的异质性分析Table 5. Heterogeneity analysis of the impact of rural land transfer on agricultural green total factor productivity in different regions农业绿色全要素生产率
Agricultural green total factor productivity模型1 Model 1 模型2 Model 2 农地流转面积
Rural land transfer area0.0067***
(0.0024)−0.0015
(0.0030)控制变量
Controlled variableY Y 常数 Constant 0.9374*** 1.4033*** (0.1496) (0.1589) 观测值 Observations 135 135 R2 0.2227 0.3919 ***表示1%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量。模型1和模型2分别为北方地区和南方地区农地流转对农业绿色全要素生产率的影响。*** indicates the significance level of 1%, with a robust standard error in parentheses. Y refers to the model with controlled variables. Model 1 and Model 2 are the impact of rural land transfer on agricultural green total factor productivity in northern and southern China, respectively. 由表5可知, 北方地区农地流转面积对农业绿色全要素生产率的影响效应显著为正, 与全国保持一致; 但是南方地区农地流转面积对农业绿色全要素生产率的影响效应为负, 且不显著。可见, 南北方农地流转面积对农业绿色全要素生产率影响存在差异性。究其原因, 可能在于北方地区农地流转进展更快, 且北方农地流转更利于规模化经营开展。北方地区, 尤其是东北和西北地区地势相对平坦, 农地流转能更快实现土地整合, 加快农业规模经营, 从而发挥农业机械装备等现代化设施对农业发展的促进作用。南方地区农地流转虽然也能加快农业规模化经营, 但受制于地形, 其对农业规模化影响有限。以江西为例, 农地流转虽然实现了农地经营权的集中, 但是江西的丘陵地形依然制约着农业机械设备应用, 从而影响了农地流转对农业绿色全要素生产率积极作用的发挥。
3.3 农地流转对农业绿色全要素生产率影响的门槛效应和空间效应分析
3.3.1 门槛效应分析
基于前文设计, 估计农地流转对农业绿色全要素生产率影响的门槛效应。首先就门槛存在性问题进行检验, 结果发现农地流转对农业绿色全要素生产率影响单门槛效应在1%的统计水平显著, 但双门槛效应不显著。因此, 就农地流转对农业绿色全要素生产率影响的单门槛效应进行估计。结果如表6所示, LTR0为农地流转面积不高于单门槛值(1.633×105 hm2)的区间, LTR1为大于单门槛值的区间。
表 6 农地流转对农业绿色全要素生产率影响门槛效应分析及稳健性检验Table 6. Threshold effect analysis and robustness test of rural land transfer on agricultural green total factor productivity模型1 Model 1 模型2 Model 2 模型3 Model 3 模型4 Model 4 LTR≤1.633×105 hm2 0.1008*** 0.0768*** 0.0246*** 0.1006*** (0.0185) (0.00192) (0.0178) (0.0185) LTR>1.633×105 hm2 0.0042** 0.0071*** 0.0041*** 0.0041** (0.0016) (0.0013) (0.0016) (0.0016) 控制变量 Controlled variable Y N Y Y 常数 Constant 1.0737*** 0.8914*** 1.0161*** 1.0589*** (0.0980) (0.0211) (0.0573) (0.0901) 观测值 Observations 270 270 270 270 R2 0.3317 0.1509 0.2786 0.3313 ***和**分别表示1%和5%的显著性水平, 括号内为稳健标准误差。LTR表示农地流转面积。1.633×105 hm2为农地流转面积单门槛值。Y表示模型存在控制变量, N表示模型不存在控制变量。模型1为农地流转对农业绿色全要素生产率影响的门槛效应分析结果, 因变量为农业绿色全要素生产率, 自变量为两个门槛区间和所有控制变量。模型2−4为门槛效应稳健性分析结果。相比模型1, 模型2删除了所有控制变量, 模型3删除了对外开放水平、技术发展情况、环境规制3个控制变量, 模型4仅删除了环境规制控制变量。*** and ** indicate the significance levels of 1% and 5%, respectively, with a robust standard error in parentheses. LTR refers to rural land transfer area. 1.633×105 hm2 refers to single threhold value of rural land transfer area. Y refers to the model with controlled variables. N refers to the model without controlled variables. Model 1 is the result of threshold effect analysis of the impact of rural land transfer on agricultural green total factor productivity. The dependent variable is agricultural green total factor productivity, and the independent variables are two threshold intervals and all controlled variables. Models 2−4 are the robustness analysis results of threshold effect. Compared with model 1, model 2 deletes all controlled variables, model 3 deletes three controlled variables (i.e., level of open-up, technological development and environmental regulation), and model 4 deletes environmental regulation. 当农地流转面积不高于门槛值时, 农地流转对农业绿色全要素生产率的影响系数为0.1008, 且在1%的统计水平显著; 当农地流转面积大于门槛值时, 农地流转对农业绿色全要素生产率的影响系数为0.0042, 在5%的统计水平显著。可见, 当农地流转面积超过门槛值时, 农地流转对农业绿色全要素生产率促进作用有所下降, 且显著性也有所降低, 因此假设2成立。其原因在于农地流转开始时, 土地可能是农业绿色全要素生产率提高的最重要制约因素, 而其他要素则较为富裕, 此时伴随着农地流转面积增加, 各类要素得以更充分在土地上发挥其作用, 从而促进农业绿色全要素生产率快速上升; 当农地流转面积超过门槛值后, 土地面积扩大虽然依然有利于提高农业绿色全要素生产率, 但此时土地要素边际效用有所降低, 各类要素的供给增长速度可能无法实现与农地流转面积增长速度的最佳配比, 从而降低了农地流转对农业绿色全要素生产率的正向作用。
为验证门槛效应的稳健性, 本文通过调整控制变量的方式对门槛效应进行检验, 结果如表6模型2−4所示。由表6 模型2−4可知, 无论控制变量如何调整, 农地流转对农业绿色全要素生产率的影响都具有门槛效应, 当农地流转面积不高于门槛值时, 农地流转对农业绿色全要素生产率的正向影响更强; 当超过门槛值时, 这一正向影响有所下降。
3.3.2 空间效应分析
基于前文设计, 估计农地流转对农业绿色全要素生产率影响的空间效应。首先就农地流转、农业绿色全要素生产率的莫兰指数(研究空间关系的一种相关系数值)进行测度, 发现其大多数年份莫兰指数P值显著, 因此农地流转和农业绿色全要素生产率都存在空间自相关。而后, 本文进一步对模型进行了LM检验、LR检验、Wald检验。分析发现非空间面板模型的LM检验显著拒绝原假设, 表明空间效应存在, 分析农地流转对农业绿色全要素影响时应考虑空间效应。LR检验和Wald检验发现空间杜宾模型不可以退化为空间误差模型和空间滞后模型。因此, 本文使用空间杜宾模型就农地流转对农业绿色全要素生产率的影响进行测度。在具体模型选用方面, 考虑前文多数模型采用固定效应模型。因此, 此处继续使用固定效应模型。在分析过程中, 地区固定的空间杜宾模型较为显著。结果如表7模型1所示。为更进一步分析农地流转对农业绿色全要素生产率空间影响的直接效应、间接效应、总效应, 采用偏微分对模型1分解, 结果如表7模型2所示。
表 7 农地流转对农业绿色全要素生产率的空间影响效应估计Table 7. Estimation of the spatial effect of rural land transfer on agricultural green total factor productivity模型1 Model 1 模型2 Model 2 模型3 Model 3 模型4 Model 4 模型5 Model 5 农地流转面积 0.0007 Rural land transfer area (0.0018) 农地流转面积×空间矩阵 0.0062** Rural land transfer area × spatial matrix (0.0029) 农地流转直接效应 0.0015 0.0025 0.0008 0.0014 Direct effect of rural land transfer (0.0019) (0.0018) (0.0018) (0.0018) 农地流转间接效应 0.0101** 0.0059* 0.0068* 0.0096** Indirect effect of rural land transfer (0.0041) (0.0034) (0.0037) (0.0039) 农地流转总效应 0.0117** 0.0084** 0.0076* 0.0110*** Total effect of rural land transfer (0.0047) (0.0035) (0.004) (0.0042) 控制变量 Controlled variable Y Y N Y Y 空间自相关系数
Spatial autoregression parameter0.3717*** (0.0019) 观测值 Observations 270 270 270 270 270 R2 0.3102 0.3102 0.1351 0.2336 0.2336 ***、**和*分别表示1%、5%和10%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量, N表示模型不存在控制变量。模型1为农地流转对农业绿色全要素生产率的空间影响效应估计结果, 因变量为农业绿色全要素生产率, 自变量为农地流转面积和农地流转面积与空间矩阵互乘项以及所有的控制变量。模型2为农地流转对农业绿色全要素生产率的空间影响效应偏微分分解结果, 其包括所有的控制变量。模型3−5为空间效应偏微分分解的稳健性分析结果。相比模型2, 模型3删除了所有控制变量, 模型4删除了对外开放水平、技术发展情况、环境规制3个控制变量, 模型5仅删除了环境规制控制变量。***, **, and * indicate the significance levels of 1%, 5%, and 10%, respectively, with a robust standard error in parentheses. Y refers to the model with controlled variables. N refers to the model without controlled variables. Model 1 is the estimation result of the spatial effect of rural land transfer on agricultural green total factor productivity. The dependent variable is agricultural green total factor productivity, and the independent variables are rural land transfer area and product of rural land transfer area and spatial matrix, as well as all controlled variables. Model 2 is the partial differential decomposition result of the spatial effect of rural land transfer on agricultural green total factor productivity, which includes all controlled variables. Models 3−5 are the robust analysis results of partial differential decomposition of spatial effects. Compared with model 2, model 3 deletes all controlled variables, model 4 deletes three control variables (i.e., level of open-up, technological development and environmental regulation), and model 5 only deletes environmental regulation. 由表7可知空间自回归系数在1%的统计水平显著, 这进一步说明农地流转与农业绿色全要素生产率存在显著的空间相关性。由表7模型2可知, 农地流转对农业绿色全要素生产率空间影响总效应为正, 且在5%的统计水平显著, 由此可知农地流转对农业绿色全要素生产率存在正向空间影响效应, 因此假设3成立。从具体的效应来看, 农地流转对农业绿色全要素生产率的空间影响直接效应虽然为正, 但是并不显著; 农地流转对农业绿色全要素生产率的空间影响间接效应为正, 且在5%的统计水平显著。因此, 农地流转主要对邻近地区农业绿色全要素生产率产生正向空间影响, 农地流转对农业绿色全要素生产率的影响存在空间溢出效应。究其原因, 可能当一地区农地流转活动逐步开展时, 其会推动本地区农业绿色全要素生产率的提升, 但是随着农地流转面积的逐步扩大, 达到一定规模后, 农地流转对本地区农业绿色全要素生产率的影响会减弱, 正如前节分析点明农地流转对农业绿色全要素生产率的影响存在门槛效应。当一地区农地流转活动迅速开展, 且实现农业规模经营及取得其他效益时, 其邻近地区在“竞争性”压力的影响下更有可能积极采取措施推进农业发展, 提升农业绿色全要素生产率。另外, 农地流转会推进农业劳动力转移, 而转移到邻近地区的农业劳动力会成为邻近地区经济发展动力, 如成为邻近地区第二三产业劳动力或成为消费者提供消费市场, 提升邻近地区的经济水平。当邻近地区经济水平提高时, 农业绿色生产技术等水平也可能随经济发展而提升, 从而使得邻近地区农业绿色全要素生产率提升。
为验证空间效应估计的稳健性, 通过调整控制变量的方式对空间效应进行检验, 其控制变量选择情况如表3模型2−4, 估计后利用偏微分方法进行分解, 得到直接效应、间接效应和总效应, 结果见表7模型3−5。由表7模型3−5可知, 无论控制变量如何调整, 农地流转对农业绿色全要素生产率空间影响的总效应都显著为正, 直接效应为正, 但不显著, 间接效应显著为正, 可见表7模型1−2的估计结果具有一定稳健性。
4. 结论与建议
本文基于现有研究成果, 在理论探讨基础上, 就农地流转对农业绿色全要素生产率的影响进行实证分析, 并对结果进行严格检验, 研究发现: 1)农地流转对农业绿色全要素生产率产生显著正向影响, 农地流转面积扩大有利于提升农业要素使用效率并促进先进技术嵌入, 从而推进农业绿色全要素生产率提升; 2)农地流转对农业绿色全要素生产率的正向影响具有地区异质性, 这一效应在北方地区显著为正, 在南方地区不显著; 3)农地流转对农业绿色全要素生产率的影响存在单一门槛效应, 农地流转对农业绿色全要素生产率的影响呈非线性特征, 农地流转面积超过门槛值后, 农地流转对农业绿色全要素生产率的正向影响有所下降; 4)农地流转对农业绿色全要素生产率存在正向空间影响效应, 农地流转对邻近地区农业绿色全要素生产率具有显著的正向影响。
农业绿色全要素生产率提升是农业高质量发展的重要路径, 根据研究结果本文提出以下建议: 1)由于农地流转对农业绿色全要素生产率具有显著正向影响, 因此建议相关部门采取有效措施推进农地流转, 以发挥农地流转对农业绿色全要素生产率的积极影响。通过加强组织领导、完善流转机制、优化流转平台、扩大财政支持等方式加快农地流转以发挥其对本地区农业绿色全要素生产率的正向作用。2)由于农地流转对农业绿色全要素生产率的影响存在异质性, 因此建议因地制宜推进农地流转, 北方地区在推进农地流转以提升农业产值时要进一步侧重于绿色农业技术推广, 实现农业增产增收和农业绿色发展共赢; 南方地区农地流转对农业绿色全要素生产率影响效应不显著, 建议通过积极推进信息化、数据化技术嵌入农业发展过程等手段, 激发南方地区农地流转对农业绿色全要素生产率的积极效应。3)农地流转对农业绿色全要素生产率的影响在农地流转面积超过门槛值后有所下降, 因此建议在农地流转推进后期更重视绿色农业技术等兼顾农业生产和环境保护的先进技术应用, 以稳定农地流转对农业绿色全要素生产率的正向作用。4)农地流转对农业绿色全要素生产率存在空间影响效应, 因此建议重视农地流转过程的省际间协调, 识别农地流转对农业绿色全要素生产率的空间影响效应, 充分引导省际农业部门交流互动, 加快完善省际农业绿色发展补偿机制。
本文相对现有研究的贡献在于完善了农业绿色全要素生产率影响体系框架, 就农地流转对农业绿色全要素生产率影响问题进行了初步探讨, 但这一研究仅仅只是起步, 未来还需要进一步深入。本文接下来将进一步完善以下不足: 1)本文探讨了农地流转对农业绿色全要素生产率的影响, 但更为具体的作用机制仍需要通过基于实地调研或试验设计进行论证, 在未来应通过对微观农地流转活动及农业绿色全要素生产率情况进行调查或对比试验, 结合微观数据进行更细致深入的分析; 2)本文分析发现农地流转对农业绿色全要素生产率的影响存在异质性, 但受制于宏观面板数据限制, 仅讨论了地区异质性, 对于不同土地类型、不同流转类型的农地流转影响异质性的分析仍存在不足, 未来应当进一步结合中微观数据, 就农地流转对农业绿色全要素生产率影响异质性进行更深入的分析。
-
表 1 农地流转对农业绿色全要素生产率影响分析的变量描述性统计
Table 1 Descriptive statistics of variables about the influence of rural land transfer on agricultural green total factor productivity
变量类型
Type of variable变量名称
Variable name符号
Symbol平均值
Mean标准差
Standard deviation最小值
Min最大值
Max被解释变量
Explained variable农业绿色全要素生产率指数
Index of agricultural green total factor productivityAGTFPGML 1.0141 0.0920 0.6817 1.4844 核心解释变量、门槛变量
Core explanatory variable and threshold variable农地流转面积
Rural land transfer area (×105 hm2)LTR 0.9589 0.9062 0.0110 4.5982 控制变量
Controlled variable农业产业聚集
Agricultural industry agglomerationk1 1.1769 0.7229 0.0422 4.6610 农业劳动力
Agricultural labor (×104 persons)k2 426.7021 291.3584 11.4381 1279.3520 受灾率
Disaster ratek3 0.1700 0.3829 0.0000 6.4684 地区产业结构
Regional industrial structurek4 0.0986 0.0533 0.0027 0.2584 对外开放水平
Level of open-upk5 0.0421 0.0478 0.0011 0.2760 技术发展情况
Technological development situation
(×104 items)k6 5.8602 8.9367 0.0502 70.9725 环境规制
Environmental regulationk7 0.0298 0.0098 0.0100 0.0700 工具变量
Instrumental variable农地流转工具变量
Instrumental variable of rural land transferIV 0.3010 0.1487 0.0309 0.8304 
下载: 导出CSV
表 2 2011—2020年农业绿色全要素生产率变动及其分解
Table 2 Changes of agricultural green total factor productivity and its decomposition from 2011 to 2020
指标 Index 2011−2012 2012−2013 2013−2014 2014−2015 2015−2016 2016−2017 2017−2018 2018−2019 2019−2020 AGTFPGML 0.9110 1.0476 0.9695 1.0124 1.0171 1.0491 1.0236 1.0398 1.0566 GEC 1.0118 0.9933 1.0108 1.0017 0.9900 0.9990 1.0062 0.9848 1.0147 GTC 0.8998 1.0543 0.9614 1.0144 1.0296 1.0512 1.0203 1.0599 1.0415 AGTFPGML表示农业绿色全要素生产率指数; GEC为技术效率指数; GTC为技术进步指数。AGTFPGML refers to agricultural green total factor productivity index. GEC is the technical efficiency index. GTC is the technological progress index.
下载: 导出CSV
表 3 农地流转对农业绿色全要素生产率影响效应估计
Table 3 Estimation of the impact of rural land transfer on agricultural green total factor productivity
模型1 Model 1 模型2 Model 2 模型3 Model 3 模型4 Model 4 模型5 Model 5 模型6 Model 6 农地流转面积
Rural land transfer area0.0040**
(0.0017)0.0071***
(0.0013)0.0041**
(0.0017)0.0041**
(0.0017)0.0041**
(0.0017)0.0045**
(0.0020)控制变量
Controlled variableY N Y Y Y Y 常数 Constant 1.0495***
(0.1034)0.9070***
(0.0211)1.0219***
(0.0890)1.0403***
(0.0950)1.0590***
(0.1083)1.0583***
(0.1219)观测值 Observations 270 270 270 270 252 240 R2 0.2520 0.1034 0.2316 0.2519 0.2721 0.2455 ***、**和*分别表示1%、5%和10%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量, N表示模型不存在控制变量。模型1为主效应模型, 因变量为农业绿色全要素生产率, 自变量包括农地流转面积和所有控制变量。模型2~4为调整控制变量的稳健性检验模型。相比模型1, 模型2删除了所有控制变量, 模型3删除了对外开放水平、技术发展情况、环境规制3个控制变量, 模型4仅删除了环境规制控制变量。相比模型1, 模型5为删除了北京和新疆的稳健性检验模型, 模型6为将研究时间调整为2011—2019年的稳健性检验模型。***, **, and * indicate the significance levels of 1%, 5%, and 10%, respectively, with a robust standard error in parentheses. Y refers to the model with controlled variables. N refers to the model without controlled variables. Model 1 is the main effect model. In model 1, dependent variable is agricultural green total factor productivity, and independent variables include rural land transfer area and all controlled variables. Models 2−4 are robustness test models with different controlled variables. Compared with model 1, model 2 deletes all controlled variables, model 3 deletes three controlled variables (i.e., level of open-up, technological development and environmental regulation), and model 4 deletes environmental regulation. Compared to model 1, model 5 is robustness test model excluding Beijing and Xinjiang, and model 6 is robustness test model with study period from 2011 to 2019.
下载: 导出CSV
表 4 农地流转对农业绿色全要素生产率影响工具变量模型估计结果
Table 4 Estimation results of instrumental variable model of effect of rural land transfer on agricultural green total factor productivity
模型1 Model 1 模型2 Model 2 农地流转面积 Rural land transfer area 农业绿色全要素生产率 Agricultural green total factor productivity 工具变量
Instrumental variable of rural land transfer40.0825***
(3.1914)农地流转面积拟合值
Fitting value of rural land transfer area0.0072***
(0.0028)控制变量 Controlled variable Y Y 观测值 Observations 270 270 ***表示1%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量。模型1为农地流转工具变量对农地流转面积的影响; 模型2为基于工具变量计算的农地流转面积拟合值对农业绿色全要素生产率的影响。*** indicates the significance level of 1%, with a robust standard error in parentheses. Y refers to the model with controlled variables. Model 1 is the impact of instrumental variables of rural land transfer on the area of rural land transfer. Model 2 is the impact of fitting value of rural land transfer area calculated based on instrumental variables on agricultural green total factor productivity.
下载: 导出CSV
表 5 不同区域间农地流转对农业绿色全要素生产率影响的异质性分析
Table 5 Heterogeneity analysis of the impact of rural land transfer on agricultural green total factor productivity in different regions
农业绿色全要素生产率
Agricultural green total factor productivity模型1 Model 1 模型2 Model 2 农地流转面积
Rural land transfer area0.0067***
(0.0024)−0.0015
(0.0030)控制变量
Controlled variableY Y 常数 Constant 0.9374*** 1.4033*** (0.1496) (0.1589) 观测值 Observations 135 135 R2 0.2227 0.3919 ***表示1%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量。模型1和模型2分别为北方地区和南方地区农地流转对农业绿色全要素生产率的影响。*** indicates the significance level of 1%, with a robust standard error in parentheses. Y refers to the model with controlled variables. Model 1 and Model 2 are the impact of rural land transfer on agricultural green total factor productivity in northern and southern China, respectively.
下载: 导出CSV
表 6 农地流转对农业绿色全要素生产率影响门槛效应分析及稳健性检验
Table 6 Threshold effect analysis and robustness test of rural land transfer on agricultural green total factor productivity
模型1 Model 1 模型2 Model 2 模型3 Model 3 模型4 Model 4 LTR≤1.633×105 hm2 0.1008*** 0.0768*** 0.0246*** 0.1006*** (0.0185) (0.00192) (0.0178) (0.0185) LTR>1.633×105 hm2 0.0042** 0.0071*** 0.0041*** 0.0041** (0.0016) (0.0013) (0.0016) (0.0016) 控制变量 Controlled variable Y N Y Y 常数 Constant 1.0737*** 0.8914*** 1.0161*** 1.0589*** (0.0980) (0.0211) (0.0573) (0.0901) 观测值 Observations 270 270 270 270 R2 0.3317 0.1509 0.2786 0.3313 ***和**分别表示1%和5%的显著性水平, 括号内为稳健标准误差。LTR表示农地流转面积。1.633×105 hm2为农地流转面积单门槛值。Y表示模型存在控制变量, N表示模型不存在控制变量。模型1为农地流转对农业绿色全要素生产率影响的门槛效应分析结果, 因变量为农业绿色全要素生产率, 自变量为两个门槛区间和所有控制变量。模型2−4为门槛效应稳健性分析结果。相比模型1, 模型2删除了所有控制变量, 模型3删除了对外开放水平、技术发展情况、环境规制3个控制变量, 模型4仅删除了环境规制控制变量。*** and ** indicate the significance levels of 1% and 5%, respectively, with a robust standard error in parentheses. LTR refers to rural land transfer area. 1.633×105 hm2 refers to single threhold value of rural land transfer area. Y refers to the model with controlled variables. N refers to the model without controlled variables. Model 1 is the result of threshold effect analysis of the impact of rural land transfer on agricultural green total factor productivity. The dependent variable is agricultural green total factor productivity, and the independent variables are two threshold intervals and all controlled variables. Models 2−4 are the robustness analysis results of threshold effect. Compared with model 1, model 2 deletes all controlled variables, model 3 deletes three controlled variables (i.e., level of open-up, technological development and environmental regulation), and model 4 deletes environmental regulation.
下载: 导出CSV
表 7 农地流转对农业绿色全要素生产率的空间影响效应估计
Table 7 Estimation of the spatial effect of rural land transfer on agricultural green total factor productivity
模型1 Model 1 模型2 Model 2 模型3 Model 3 模型4 Model 4 模型5 Model 5 农地流转面积 0.0007 Rural land transfer area (0.0018) 农地流转面积×空间矩阵 0.0062** Rural land transfer area × spatial matrix (0.0029) 农地流转直接效应 0.0015 0.0025 0.0008 0.0014 Direct effect of rural land transfer (0.0019) (0.0018) (0.0018) (0.0018) 农地流转间接效应 0.0101** 0.0059* 0.0068* 0.0096** Indirect effect of rural land transfer (0.0041) (0.0034) (0.0037) (0.0039) 农地流转总效应 0.0117** 0.0084** 0.0076* 0.0110*** Total effect of rural land transfer (0.0047) (0.0035) (0.004) (0.0042) 控制变量 Controlled variable Y Y N Y Y 空间自相关系数
Spatial autoregression parameter0.3717*** (0.0019) 观测值 Observations 270 270 270 270 270 R2 0.3102 0.3102 0.1351 0.2336 0.2336 ***、**和*分别表示1%、5%和10%的显著性水平, 括号内为稳健标准误差。Y表示模型存在控制变量, N表示模型不存在控制变量。模型1为农地流转对农业绿色全要素生产率的空间影响效应估计结果, 因变量为农业绿色全要素生产率, 自变量为农地流转面积和农地流转面积与空间矩阵互乘项以及所有的控制变量。模型2为农地流转对农业绿色全要素生产率的空间影响效应偏微分分解结果, 其包括所有的控制变量。模型3−5为空间效应偏微分分解的稳健性分析结果。相比模型2, 模型3删除了所有控制变量, 模型4删除了对外开放水平、技术发展情况、环境规制3个控制变量, 模型5仅删除了环境规制控制变量。***, **, and * indicate the significance levels of 1%, 5%, and 10%, respectively, with a robust standard error in parentheses. Y refers to the model with controlled variables. N refers to the model without controlled variables. Model 1 is the estimation result of the spatial effect of rural land transfer on agricultural green total factor productivity. The dependent variable is agricultural green total factor productivity, and the independent variables are rural land transfer area and product of rural land transfer area and spatial matrix, as well as all controlled variables. Model 2 is the partial differential decomposition result of the spatial effect of rural land transfer on agricultural green total factor productivity, which includes all controlled variables. Models 3−5 are the robust analysis results of partial differential decomposition of spatial effects. Compared with model 2, model 3 deletes all controlled variables, model 4 deletes three control variables (i.e., level of open-up, technological development and environmental regulation), and model 5 only deletes environmental regulation.
下载: 导出CSV
-
[1] 陈芳, 杨梅君. 农产品国际贸易对中国农业绿色全要素生产率的影响[J]. 华南农业大学学报(社会科学版), 2021, 20(5): 94−104 CHEN F, YANG M J. Influence of international trade in agricultural products on agricultural green total factor productivity in China[J]. Journal of South China Agricultural University (Social Science Edition), 2021, 20(5): 94−104
[2] 银西阳, 贾小娟, 李冬梅. 农业产业集聚对农业绿色全要素生产率的影响——基于空间溢出效应视角[J]. 中国农业资源与区划, 2022, 43(10): 110–119 YIN X Y, JIA X J, LI D M. The impact of agricultural industrial agglomeration on green total factor productivity: based on the perspective of spatial spillover effect[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(10): 110–119
[3] 梁俊, 龙少波. 农业绿色全要素生产率增长及其影响因素[J]. 华南农业大学学报(社会科学版), 2015, 14(3): 1−12 LIANG J, LONG S B. China’s agricultural green total factor productivity growth and its affecting factors[J]. Journal of South China Agricultural University (Social Science Edition), 2015, 14(3): 1−12
[4] 葛鹏飞, 王颂吉, 黄秀路. 中国农业绿色全要素生产率测算[J]. 中国人口·资源与环境, 2018, 28(5): 66−74 GE P F, WANG S J, HUANG X L. Measurement for China’s agricultural green TFP[J]. China Population, Resources and Environment, 2018, 28(5): 66−74
[5] 吴传清, 宋子逸. 长江经济带农业绿色全要素生产率测度及影响因素研究[J]. 科技进步与对策, 2018, 35(17): 35−41 WU C Q, SONG Z Y. Study on the measurement and affecting factors of agricultural green total factor productivity in the Yangtze River Economic Belt[J]. Science & Technology Progress and Policy, 2018, 35(17): 35−41
[6] 王留鑫, 姚慧琴, 韩先锋. 碳排放、绿色全要素生产率与农业经济增长[J]. 经济问题探索, 2019(2): 142−149 WANG L X, YAO H Q, HAN X F. Carbon emission, green total factor productivity and agricultural economic growth[J]. Inquiry into Economic Issues, 2019(2): 142−149
[7] 刘亦文, 欧阳莹, 蔡宏宇. 中国农业绿色全要素生产率测度及时空演化特征研究[J]. 数量经济技术经济研究, 2021, 38(5): 39−56 LIU Y W, OUYANG Y, CAI H Y. Evaluation of China’s agricultural green TFP and its spatiotemporal evolution characteristics[J]. Journal of Quantitative & Technological Economics, 2021, 38(5): 39−56
[8] 沈洋, 周鹏飞. 农业绿色全要素生产率测度及收敛性分析−基于碳汇和碳排放双重视角[J]. 调研世界, 2022(4): 58−68 doi: 10.13778/j.cnki.11-3705/c.2022.04.006 SHEN Y, ZHOU P F. Measurement of agriculture green total factor productivity and convergence analysis−Based on the dual perspective of carbon sinks and carbon emissions[J]. The World of Survey and Research, 2022(4): 58−68 doi: 10.13778/j.cnki.11-3705/c.2022.04.006
[9] 张颂心, 王辉, 徐如浓. 科技进步、绿色全要素生产率与农业碳排放关系分析−基于泛长三角26个城市面板数据[J]. 科技管理研究, 2021, 41(2): 211−218 doi: 10.3969/j.issn.1000-7695.2021.02.028 ZHANG S X, WANG H, XU R N. Analysis on the relationship between science and technology progress, green total factor productivity and agricultural carbon emission: based on Pan Yangtze River Delta 26 city panel data[J]. Science and Technology Management Research, 2021, 41(2): 211−218 doi: 10.3969/j.issn.1000-7695.2021.02.028
[10] 陈燕翎, 庄佩芬, 彭建平. 吸收能力视角下贸易开放对农业绿色全要素生产率的影响[J]. 东南学术, 2021(1): 181−191 CHEN Y L, ZHUANG P F, PENG J P. The influence of trade openness on agricultural green total factor productivity from the perspective of absorptive capacity[J]. Southeast Academic Research, 2021(1): 181−191
[11] 吕娜, 朱立志. 中国农业环境技术效率与绿色全要素生产率增长研究[J]. 农业技术经济, 2019(4): 95−103 doi: 10.13246/j.cnki.jae.2019.04.007 LYU N, ZHU L Z. Study on China’s agricultural environmental technical efficiency and green total factor productivity growth[J]. Journal of Agrotechnical Economics, 2019(4): 95−103 doi: 10.13246/j.cnki.jae.2019.04.007
[12] 李士梅, 尹希文. 中国农村劳动力转移对农业全要素生产率的影响分析[J]. 农业技术经济, 2017(9): 4−13 LI S M, YIN X W. Analysis of the influence of rural labor transfer on agricultural total factor productivity in China[J]. Journal of Agrotechnical Economics, 2017(9): 4−13
[13] 马国群, 谭砚文. 环境规制对农业绿色全要素生产率的影响研究−基于面板门槛模型的分析[J]. 农业技术经济, 2021(5): 77−92 doi: 10.13246/j.cnki.jae.2021.05.006 MA G Q, TAN Y W. Impact of environmental regulation on agricultural green total factor productivity−Analysis based on the panel threshold model[J]. Journal of Agrotechnical Economics, 2021(5): 77−92 doi: 10.13246/j.cnki.jae.2021.05.006
[14] 匡远配, 陆钰凤. 农地流转的农业集约化效应研究[J]. 农村经济, 2017(6): 39−44 KUANG Y P, LU Y F. Study on agricultural intensive effect of farmland circulation[J]. Rural Economy, 2017(6): 39−44
[15] 简新华, 王懂礼. 农地流转、农业规模经营和农村集体经济发展的创新[J]. 马克思主义研究, 2020(5): 84−92, 156 JIAN X H, WANG D L. Innovation on the rural land circulation, the agricultural large-scale operation and the development of rural collective economy[J]. Studies on Marxism, 2020(5): 84−92, 156
[16] 杨广亮, 王军辉. 新一轮农地确权、农地流转与规模经营−来自CHFS的证据[J]. 经济学(季刊), 2022, 22(1): 129−152 doi: 10.13821/j.cnki.ceq.2022.01.07 YANG G L, WANG J H. The new wave of land titling program, land transfer and farm size−Evidence from the Chinese household financial survey data[J]. China Economic Quarterly, 2022, 22(1): 129−152 doi: 10.13821/j.cnki.ceq.2022.01.07
[17] 匡远配, 周丽. 农地流转与农村减贫−基于湖南省贫困地区的检验[J]. 农业技术经济, 2018(7): 64−70 doi: 10.13246/j.cnki.jae.2018.07.006 KUANG Y P, ZHOU L. Farmland circulation and rural poverty reduction: an empirical test from the poverty-stricken areas in Hunan Province[J]. Journal of Agrotechnical Economics, 2018(7): 64−70 doi: 10.13246/j.cnki.jae.2018.07.006
[18] 洪名勇, 何玉凤, 宋恒飞. 中国农地流转与农民收入的时空耦合关系及空间效应[J]. 自然资源学报, 2021, 36(12): 3084−3098 doi: 10.31497/zrzyxb.20211206 HONG M Y, HE Y F, SONG H F. Spatio-temporal coupling relationship and spatial effect between rural land transfers and farmers’ income in China[J]. Journal of Natural Resources, 2021, 36(12): 3084−3098 doi: 10.31497/zrzyxb.20211206
[19] 李政通, 顾海英. 农地权能、劳动力流动与化肥用量[J]. 农村经济, 2021(9): 34−43 LI Z T, GU H Y. Powers and functions of farmland, labor mobility and fertilizer consumption[J]. Rural Economy, 2021(9): 34−43
[20] 郑纪刚, 张日新, 曾昉. 农地流转对化肥投入的影响−以山东省为例[J]. 资源科学, 2021, 43(5): 921−931 ZHENG J G, ZHANG R X, ZENG F. Impact of farmland transfer on fertilizer input: taking Shandong Province as an example[J]. Resources Science, 2021, 43(5): 921−931
[21] 龙云, 任力. 农地流转对碳排放的影响: 基于田野的实证调查[J]. 东南学术, 2016(5): 140−147 LONG Y, REN L. The impact of farmland transfer on carbon emissions: an empirical investigation based on the field[J]. Southeast Academic Research, 2016(5): 140−147
[22] 莫亚琳, 苏城艺, 覃焕, 等. 农地流转如何提升农业全要素生产率−基于我国省级面板数据的实证检验[J]. 广西社会科学, 2021(9): 80−88 doi: 10.3969/j.issn.1004-6917.2021.09.010 MO Y L, SU C Y, QIN H, et al. How to improve agricultural total factor productivity by farmland transfer−An empirical test based on provincial panel data in China[J]. Social Sciences in Guangxi, 2021(9): 80−88 doi: 10.3969/j.issn.1004-6917.2021.09.010
[23] 谭日辉, 刘慧敏. 中国农业绿色全要素生产率空间关联网络特征演化及影响因素[J]. 中国生态农业学报 (中英文), 2022, 30(12): 2011−2022 TAN R H, LIU H M. Characteristic evolution and influencing factors of the spatial correlation network of agricultural green total factor productivity in China[J]. Chinese Journal of Eco-Agriculture, 2022, 30(12): 2011−2022
[24] 仇童伟, 罗必良, 何勤英. 农地流转市场转型: 理论与证据−基于对农地流转对象与农地租金关系的分析[J]. 中国农村观察, 2019(4): 128−144 QIU T W, LUO B L, HE Q Y. Market transition of agricultural land transfer: theory and evidence based on the relationship between transaction partners and land rents[J]. China Rural Survey, 2019(4): 128−144
[25] 郭小琳, 郑淋议, 施冠明, 等. 农地流转、要素配置与农户生产效率变化[J]. 中国土地科学, 2021, 35(12): 54−63 doi: 10.11994/zgtdkx.20211108.101821 GUO X L, ZHENG L Y, SHI G M, et al. Land transfer, resource allocation and rural household production efficiency[J]. China Land Science, 2021, 35(12): 54−63 doi: 10.11994/zgtdkx.20211108.101821
[26] 郭珍. 农地流转、集体行动与村庄小型农田水利设施供给−基于湖南省团结村的个案研究[J]. 农业经济问题, 2015, 36(8): 21−27, 110 GUO Z. Farmland transfer, collective action and small-scale irrigation and water conservancy facilities supply: a case study of Tuanjie Village in Hunan Province[J]. Issues in Agricultural Economy, 2015, 36(8): 21−27, 110
[27] 李文明, 罗丹, 陈洁, 等. 农业适度规模经营: 规模效益、产出水平与生产成本−基于1552个水稻种植户的调查数据[J]. 中国农村经济, 2015(3): 4−17, 43 LI W M, LUO D, CHEN J, et al. Moderate scale management of agriculture: scale benefit, output level and production cost−Based on the survey data of 1552 rice growers[J]. Chinese Rural Economy, 2015(3): 4−17, 43
[28] 龙云, 任力. 农地流转对农业面源污染的影响−基于农户行为视角[J]. 经济学家, 2016(8): 81−87 LONG Y, REN L. Influence of farmland transfer on agricultural non-point source pollution−Based on the perspective of farmers’ behavior[J]. Economist, 2016(8): 81−87
[29] 袁若兰, 廖文梅, 邱海兰. 农业技术培训、经营规模对农业生产效率的影响——以水稻栽培技术为例[J]. 中国农业资源与区划, 2022: 1–14 (2022-09-01). https://kns.cnki.net/kcms/detail/11.3513.S.20220831.1117.008.html YUAN R L, LIAO W M, QIU H L. Research on the influence of agricultural technology training and management scale on agricultural production efficiency−Taking rice cultivation technology as an example[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022: 1–14 (2022-09-01). https://kns.cnki.net/kcms/detail/11.3513.S.20220831.1117.008.html
[30] 谢文宝, 刘国勇. 农地流转背景下新疆农户残膜回收机械化技术采纳分析[J]. 中国农业资源与区划, 2021, 42(4): 90−98 XIE W B, LIU G Y. Study on farmers’ technology adoption of mechanical residual film recycling under farmland circulation in Xinjiang[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(4): 90−98
[31] 梁杰, 高强, 隋云龙. 农村金融、土地流转与城乡居民收入差距[J]. 统计与决策, 2022, 38(16): 46−51 doi: 10.13546/j.cnki.tjyjc.2022.16.009 LIANG J, GAO Q, SUI Y L. Rural finance, land circulation and income gap between urban and rural residents[J]. Statistics & Decision, 2022, 38(16): 46−51 doi: 10.13546/j.cnki.tjyjc.2022.16.009
[32] 刘琼, 肖海峰. 农地经营规模与财政支农政策对农业碳排放的影响[J]. 资源科学, 2020, 42(6): 1063−1073 doi: 10.18402/resci.2020.06.05 LIU Q, XIAO H F. The impact of farmland management scale and fiscal policy for supporting agriculture on agricultural carbon emission[J]. Resources Science, 2020, 42(6): 1063−1073 doi: 10.18402/resci.2020.06.05
[33] 陈宇斌, 王森. 农村劳动力外流、农业规模经营与农业碳排放[J]. 经济与管理, 2022, 36(6): 43−49 CHEN Y B, WANG S. Rural labor outflow, agricultural scale management, and agricultural carbon emissions[J]. Economy and Management, 2022, 36(6): 43−49
[34] 朱洋洋, 孙超, 黄大勇. 劳动力转移、农业规模化经营与农业生态效率−基于中介效应和门槛效应的实证研究[J]. 福建农林大学学报(哲学社会科学版), 2022, 25(4): 32−42 doi: 10.13322/j.cnki.fjsk.2022.04.006 ZHU Y Y, SUN C, HUANG D Y. Labor transfer, agriculture large-scale operation and agricultural ecological efficiency−An empirical study based on mediating effect and threshold effect[J]. Journal of Fujian Agriculture and Forestry University (Philosophy and Social Sciences), 2022, 25(4): 32−42 doi: 10.13322/j.cnki.fjsk.2022.04.006
[35] 杨继. 基于“刘易斯拐点”的我国农村人口转移趋势[J]. 宏观经济管理, 2021(11): 55−60 YANG J. The trend of rural population transfer in China Based on “Lewis turning point”[J]. Macroeconomic Management, 2021(11): 55−60
[36] 夏玉莲, 曾福生. 农地流转的经济效应及其空间溢出−基于“三化”发展的视角[J]. 技术经济, 2012, 31(11): 56−62 XIA Y L, ZENG F S. Economic effect of rural land transfer and its spatial spillover: based on perspective of “three-modernizations” development[J]. Technology Economics, 2012, 31(11): 56−62
[37] 纪成君, 夏怀明. 我国农业绿色全要素生产率的区域差异与收敛性分析[J]. 中国农业资源与区划, 2020, 41(12): 136−143 JI C J, XIA H M. Study on the impact of agricultural science and technology service on agricultural green total factor productivity in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(12): 136−143
[38] 李欠男, 李谷成, 尹朝静. 农业绿色全要素生产率增长的分布动态演进[J]. 统计与信息论坛, 2020, 35(10): 119−128 doi: 10.3969/j.issn.1007-3116.2020.10.014 LI Q N, LI G C, YIN C J. Dynamic evolution of agricultural green total factor productivity growth[J]. Statistics & Information Forum, 2020, 35(10): 119−128 doi: 10.3969/j.issn.1007-3116.2020.10.014
[39] 鄢曹政, 殷旅江, 何波. 物流业集聚、空间溢出效应与农业绿色全要素生产率−基于省域数据的实证分析[J]. 中国流通经济, 2022, 36(9): 3−16 doi: 10.14089/j.cnki.cn11-3664/f.2022.09.001 YAN C Z, YIN L J, HE B. Logistics industry aggregation, space spillover effects, and agricultural green total factor productivity−Based on empirical analysis of the provincial data[J]. China Business and Market, 2022, 36(9): 3−16 doi: 10.14089/j.cnki.cn11-3664/f.2022.09.001
[40] 尚杰, 吉雪强, 陈玺名. 中国城镇化对农业生态效率的影响−基于中国13个粮食主产区2009—2018年面板数据[J]. 中国生态农业学报(中英文), 2020, 28(8): 1265−1276 SHANG J, JI X Q, CHEN X M. Study on the impact of China’s urbanization on agricultural ecological efficiency: based on panel data of 13 major grain-producing regions in China from 2009 to 2018[J]. Chinese Journal of Eco-Agriculture, 2020, 28(8): 1265−1276
[41] 尚杰, 杨果, 于法稳. 中国农业温室气体排放量测算及影响因素研究[J]. 中国生态农业学报, 2015, 23(3): 354−364 SHANG J, YANG G, YU F W. Agricultural greenhouse gases emissions and influencing factors in China[J]. Chinese Journal of Eco-Agriculture, 2015, 23(3): 354−364
[42] 卢新海, 王洪政, 唐一峰, 等. 农地流转对农村减贫的空间溢出效应与门槛特征−省级层面的实证[J]. 中国土地科学, 2021, 35(6): 56−64 LU X H, WANG H Z, TANG Y F, et al. Spatial spillover and threshold effects of farmland transfer in poverty reduction: an empirical study at the provincial level[J]. China Land Science, 2021, 35(6): 56−64
[43] 周京奎, 王文波, 龚明远, 等. 农地流转、职业分层与减贫效应[J]. 经济研究, 2020, 55(6): 155−171 ZHOU J K, WANG W B, GONG M Y, et al. Land transfers, occupational stratification and poverty reduction[J]. Economic Research Journal, 2020, 55(6): 155−171
-
期刊类型引用(1)
1. 胡云鹏，陈末，杨再磊，买迪努尔·阿不来孜，田宇欣，贾宏涛，寇天乐，贾远彬. 冻融期巴音布鲁克高寒湿地雪被去除对土壤有机碳库稳定性的影响. 水土保持通报. 2024(03): 326-334 . 
百度学术
其他类型引用(1)
计量
- 文章访问数: 695
- HTML全文浏览量: 468
- PDF下载量: 76
- 被引次数: 2
