EN中文

经济地理 >

2024 , Vol. 44 >Issue 4: 181 - 189

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.04.019

三农、土地与生态

土地流转和社会化服务对农业全要素生产率的影响实证分析

  • 张利国 , 1 ,
  • 冷浪平 1 ,
  • 杨胜苏 2 ,
  • 林曦 3 ,
  • 陈苏 1 ,
  • 李国民 , 1, ※
展开
  • 1.江西财经大学 经济学院，中国江西 南昌 330013
  • 2.湖南财政经济学院 工程管理学院，中国湖南 长沙 410205
  • 3.华南理工大学 经济与金融学院，中国广东 广州 511400
※李国民（1972—），男，博士，教授，硕士生导师，研究方向为区域经济增长。E-mail：

张利国（1977—），男，博士，教授，博士生导师，研究方向为资源环境经济、农业现代化。E-mail：

收稿日期: 2023-10-26

  修回日期: 2024-03-25

  网络出版日期: 2024-09-12

基金资助

国家社会科学基金重大项目(23&ZD110)

国家自然科学基金面上项目(72073054)

国家自然科学基金地区项目(72063014)

国家资助博士后研究人员计划(GZC20230993)

江西省社会科学基金重点项目(22SKJD07)

收起

Impact of Land Circulation and Agricultural Socialized Service on Agricultural Total Factor Productivity

  • ZHANG Liguo , 1 ,
  • LENG Langping 1 ,
  • YANG Shengsu 2 ,
  • LIN Xi 3 ,
  • CHEN Su 1 ,
  • LI Guoming , 1, ※
Expand
  • 1. School of Economics，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China
  • 2. School of Engineering Management，Hunan University of Finance and Economics，Changsha 410205，Hunan，China
  • 3. School of Economics and Finance，South China University of Technology，Guangzhou 511400，Guangdong，China

Received date: 2023-10-26

  Revised date: 2024-03-25

  Online published: 2024-09-12

Fold

摘要

文章基于2010—2021年中国30个省份面板数据，采用SBM模型和空间计量模型实证探究了规模经营视角下土地流转和农业社会化服务对农业全要素生产率的影响、空间溢出效应及其交互效应。研究发现：①2010—2021年，全国层面和省级层面农业全要素生产率均呈现增长态势。②土地流转和农业社会化服务均能显著促进农业全要素生产率提升，且两者交互项系数显著为正，在效率提升过程中是“相得益彰”的共赢关系。③土地流转和农业社会化服务均具有显著正向空间溢出效应，能够促进邻近地区农业全要素生产率提升。据此，提出要推动农业社会化服务体系和土地流转体系协同联动发展，充分发挥好农业规模经营的正向空间溢出效应，共同促进农业生产提质增效。

关键词： 土地流转; 农业社会化服务; 农业全要素生产率; 空间溢出效应

本文引用格式

张利国 , 冷浪平 , 杨胜苏 , 林曦 , 陈苏 , 李国民 . 土地流转和社会化服务对农业全要素生产率的影响实证分析[J]. 经济地理, 2024 , 44(4) : 181 -189 . DOI: 10.15957/j.cnki.jjdl.2024.04.019

Abstract

Based on the panel data of 30 provincial-level regions of China from 2010 to2021,this paper uses the SBM model and spatial econometric model to empirically study the impacts of land circulation and agricultural socialized services on agricultural total factor productivity,their spatial spillover effects and interaction effects under the perspective of scale operation. It is found that: 1) Agricultural total factor productivity showed an increasing trend at both the national and provincial levels from 2010 to 2021. 2) Land circulation and agricultural socialized services both can significantly promote agricultural total factor productivity,and the coefficients of the interaction terms of the two are significantly positive,which is a win-win relationship that complements each other in the process of efficiency improvement. 3) Land circulation and agricultural socialized services both have significant positive spatial spillover effects,which can promote the total factor productivity of agriculture in neighboring areas. Therefore,land circulation and agricultural socialized services are parallel and not contradictory,to promote agricultural socialized services system and land circulation system synergistic linkage development,give full play to the positive spatial spillover effects of large-scale agricultural operations,and promote the quality and efficiency of agricultural production.

Key words： land circulation; agricultural socialized services; total factor productivity of agriculture; spatial spillover effect

“务农重本，国之大纲”，农业高质量、现代化发展的关键在于农业生产效率的稳步提升，在现阶段中美贸易战常态化和国际局部区域动荡的背景下，全面提升农业全要素生产率是保障农产品供应和国家粮食安全的重要基础，也是新时代社会主义农业强国建设的根本保障。2024年中央一号文件强调要全面提升农业全要素生产率，全力抓好粮食生产和重要农产品稳产保供。然而，近年来中国农业全要素生产率增长呈放缓趋势。与发达国家和地区相比，中国农业生产效率偏低的问题仍比较突出，劳均农业生产率和农业全要素增长贡献率均远低于美国同期水平，农业全要素生产率提升具有较大潜能[1]。在“大国小农”基本国情下，农业适度规模经营是提升农业全要素生产率、实现农业现代化的必由之路，能够提升农业生产质量和效益[2]。中国政府高度重视发展农业适度规模经营，2004年以来连续21年的中央一号文件均鼓励发展多种形式的农业适度规模经营。通过梳理历年中央一号文件发现，2017年之前的中央一号文件号召通过土地流转来实现农业适度规模经营，而2017年后鼓励发展土地流转带动型、农业社会化服务带动型等多种形式规模经营。
目前，土地流转和农业社会化服务是推进我国农业现代化、提升农业全要素生产率的两条关键路径，相关学者多从这两个角度分析农业生产效率问题。盖庆恩等研究发现土地流转能够通过直接和间接提高农业全要素生产率实现小农户向规模经营转型[3]；刘卫柏等基于省级面板数据发现农业生产性服务具有显著的农业效率提升效应[4]。然而，学界在土地流转和农业社会化服务的农业规模经营路径选择上尚未形成统一意见，主要有两类观点：①“土地规模经营论”，是指在“三权分置”背景下，承包户通过土地流转将经营权有偿转让给规模经营主体，规模经营主体通过土地集中连片专业化种植实现农业规模经营，进而对农业全要素生产率产生影响[5]。学界分别从宏观区域层面和微观农户层面实证考察了土地流转对农业全要素生产率的影响，并普遍得出土地流转显著提升农业全要素生产率的结论[6-7]。然而现阶段我国土地流转水平并不高，2023年我国家庭承包耕地流转水平仅为35.37%；同时我国土地流转增速放缓，“十二五”期间平均每年提高17.31%，而“十三五”期间土地流转水平维持在35.00%左右 ① 。土地之于农民具有物质生产和社会保障功能，“大国小农”背景下小农户并不倾向于流转土地，小农户将大量且长期存在，决定了我国“小规模、分散化”的农业生产格局。此外，现阶段土地流转存在农户流转积极性不高、流转期限不固定、流转市场不健全等系列问题，实现土地集中连片流转或经营比较困难，土地流转仍呈现分散化状态[8]。因此，部分研究指出土地流转对农业全要素生产率没有显著影响，甚至降低了农业全要素生产率[9-10]。政府积极推动土地规模经营和现实土地流转缓慢的反差，使得土地流转的实际效果也逐渐被学界质疑，认为和西方一样单纯扩大土地经营规模无法实现农业规模报酬，强调分工和专业化是农业规模经济的源泉，要谋求从“土地”向“服务”的突围[11]。②“服务规模经营论”，是指承包户仍然保持独立经营，在不转让农地经营权的条件下将农业生产全部或部分作业环节外包给专业组织或农业大户，将农户卷入到社会化分工中，内生出生产环节的纵向规模经济，促进农业生产效率提升[12]。部分研究发现农业社会化服务规模、参与程度和参与模式均显著提升了农业全要素生产率[13-14]。然而现阶段农业社会化服务体系存在向农业规模经营主体倾斜的“垒大户”现象，小农户一定程度上被排除在体系之外，这种“垒大户”现象与我国“小规模、分散化”的农业生产格局相悖[15]。部分学者基于“农业规模报酬不变”的论断，认为农业生产并不具备可分性和显著规模经济性，农业社会化服务尚处在服务碎片化、不稳定化、区域差异化的初步阶段，对农业全要素生产率推进作用尚不明显，强调土地流转仍是推进农业现代化的主导方向[16]。
综上，相关学者从不同层面、不同角度分析了土地流转、农业社会化服务对农业全要素生产率的影响，为本文进一步研究奠定了坚实基础，但仍存在以下方面亟待进一步完善：①已有研究多从单一角度分析土地流转或农业社会化服务对农业全要素生产率的影响，缺乏两种经营方式的比较，也缺乏从两者协同角度分析农业全要素生产率的研究。②已有研究未充分考虑到土地流转和农业社会化服务的空间相关性，事实上当前土地流转和农业社会化服务已实现空间层面的跨区域流动，未考虑空间相关性容易造成研究结果失真。那么，在推进农业全要素生产率提升上土地流转和农业社会化服务“孰优孰劣”?对农业全要素生产率存在何种影响和差异?两者之间又存在何种关系?是否会对周边地区农业全要素生产率产生影响?解决好以上问题，不但有利于探索适合我国农业规模经营的发展路径，而且对保障国家粮食长期安全、推进农业高质量现代化发展具有重大意义。
因此，本文基于2010—2021年中国30个省份的面板数据，运用SBM模型测算各省份农业全要素生产率，运用面板回归模型和空间计量模型探究土地流转、农业社会化服务对农业全要素生产率的影响和空间溢出效应，并深入探讨两者在农业全要素生产率提升过程中的交互效应，以期为中国农业适度规模经营及相关政策制定提供理论指导和支持。

1 理论分析与研究假说

土地流转、农业社会化服务与农业全要素生产率的理论分析框架如图1。
图1 理论分析逻辑框架

Fig.1 Logical frame of theoretical analysis

①土地流转对农业全要素生产率的影响。一方面，土地流转可以实现土地由低效率农户向高效率农户转移，通过土地集中连片经营和农业生产要素优化配置可降低生产和管理成本，推进农业生产的规模化和集约化[17-18]；另一方面，农业经营主体在通过土地流转扩大经营规模的同时也会破除农业技术使用的经营规模约束，推进农业经营主体对现代化农业生产技术的采纳和使用，推动农业高效生产。
②农业社会化服务对农业全要素生产率的影响。规模经济的实质是分工和专业化，农业生产经营的规模经济亦是如此[19]。农业社会化服务可以提高供需双方的分工与专业化水平。供给层面，服务供给主体可以根据自身比较优势选择为不同生产环节提供服务，在市场“优胜劣汰”的竞争机制下不断提升各环节的熟练程度和迂回生产程度，通过各环节的分工深化推动农业生产效率提升。需求层面，农业经营主体可以将不具备比较优势的环节外包，自身从事具备比较优势环节的生产，以提升各生产环节的农业生产效率。此外，农业社会化服务可以将先进的人力资本和科学技术引入到农业生产领域，克服农业经营主体的人力资本、资金、知识和技术等要素约束，提高要素生产效率[11]。
③土地流转与农业社会化服务的关系探讨。土地流转能够通过同类型作物内和不同类型作物间的土地流转，推进各类型作物在区域空间范围内的合理布局，扩大单一农业经营主体种植某一类型作物或区域内多个农业经营主体专业化种植某一类型作物的规模，推进农业横向分工深化[20]；农业社会化服务供给主体可向区域内农业经营主体提供各生产环节服务，农业经营主体也可向服务市场寻求环节外包服务，供需匹配推进农业纵向分工深化[21]。在此基础上，土地流转和农业社会化服务是相互补充、相互促进的。一方面，横向分工下区域多个农业经营主体实现专业化、归一化种植，能够降低农业社会化服务的交易成本，增加农业社会化服务的交易密度和市场需求量[22⇓-24]；另一方面，农业经营主体将劳动或技术密集型环节外包，能够缓解或降低其进一步转入土地的劳动力、资金和技术约束预期[25⇓-27]。
④土地流转、农业社会化服务的空间溢出效应。由于相邻区域的经济社会发展、地理生态环境等较为相似，土地流转和农业社会化服务可能对邻近地区农业全要素生产率存在一定影响。土地流转上，土地流转具有空间示范效应，同时土地跨区域流转容易实现土地由低效率农户向高效率农业规模经营主体转移，有效促进邻近地区农业全要素生产率。农业社会化服务上，农业社会化服务具有知识技术密集和流动性强的特征，可通过农机跨区域作业服务、农业技术指导服务等方式突破行政区划的空间限制，通过知识和技术外溢对邻近地区农业发展产生示范带动效应。
基于上述分析，本文提出如下假设：
假设H1：土地流转能够促进农业全要素生产率提升。
假设H2：农业社会化服务能够促进农业全要素生产率提升。
假设H3：土地流转和农业社会化服务能够相互深化其对农业全要素生产率的促进作用。
假设H4：土地流转和农业社会化服务能够促进周边地区农业全要素生产率提升，具有正向空间溢出效应。

2 模型构建、变量选取与数据来源

2.1 模型构建与变量选取

2.1.1 农业全要素生产率测算

常用的农业全要素生产率测度方法为数据包络分析法（Data Envelopment Analysis，DEA），主要包括传统DEA模型、SBM模型等[28]。SBM模型是一种基于松弛变量的投入产出模型，能够有效解决传统DEA模型存在的投入要素“拥挤”或“松弛”问题[29-30]。此外，传统SBM模型计算的效率值只能保持在（0，1]区间内，无法对有效的决策单元进行比较，而超效率SBM模型能够测算和比较有效决策单元的效率值。因此，本文假定农业规模经营可变（VRS径向），构建全局超效率SBM模型测算农业全要素生产率。
对于投入产出变量的选择，本文参考已有研究[31⇓-33]，选取农林牧渔业总产值中的农业总产值作为产出变量，并以2010年为基期，运用农业总产值指数将各年农业总产值转化为2010年的可比变量；选取劳动投入、土地投入、机械投入、用水投入、化肥投入、农药投入、农膜投入7个投入变量。其中，劳动投入用各省份农业从业人员数衡量，运用第一产业从业人员数×（农业总产值/农林牧渔业总产值）计算得到；土地投入用各省份农作物总播种面积进行衡量，由于存在复耕、休耕等情况，相较于耕地面积等指标更为科学；机械投入用各省份农业机械总动力进行衡量；用水投入用各省份农业有效灌溉率进行衡量；化肥投入、农药投入、农膜投入分别用各省份实际化肥施用折纯量、农药施用量和农用塑料薄膜使用量进行衡量，具体衡量情况见表1。
表1 变量选取、衡量及描述性统计分析

Tab.1 Variable selection，measurement and descriptive statistical analysis

类型 变量 定义 均值 标准差
效率测算 投入变量 劳动投入（L） 农业从业人员数（万人） 438.215 341.748
土地投入（D） 农作物总播种面积（千hm2） 5332.842 3818.277
机械投入（M） 农业机械总动力（万kW） 5148.207 35848.392
用水投入（W） 农业有效灌溉率（%） 44.840 19.466
化肥投入（F） 农用化肥施用折纯量（万t） 183.812 145.671
农药投入（P） 农药使用量（万t） 5.265 4.158
农膜投入（N） 农用塑料薄膜使用量（万t） 7.871 6.670
产出变量 农业总产值（Out） 农业总产值（亿元） 1406.200 1005.647
实证分析 被解释变量 农业全要素生产率（Eff） 由全局SBM模型计算的农业全要素生产率 0.714 0.205
核心变量 农业社会化服务（Ser） 农业服务业产值/农作物总播种面积（万元/hm2） 0.163 0.103
土地流转（Land） 家庭承包耕地流转面积/家庭承包经营耕地面积 0.309 0.169
控制变量 第一产业产值占比（Find） 第一产业产值/地区生产总值 0.161 0.094
恩格尔系数（Engel） 食物支出金额/总支出金额 0.343 0.058
农业生产结构（Agri） 粮食作物播种面积/农作物总播种面积·100（%） 64.893 14.043
基础设施水平（Road） 农村公路里程数/乡村人口数（千km/人） 0.095 0.089
农业成灾程度（Dis） 农作物成灾面积/农作物总播种面积 0.071 0.063
农村居民文化程度（Edu） 农村居民受教育年限（年） 7.904 0.691
日均降水量（Rain） 年降水量/365（mm/天） 26.910 15.203

2.1.2 基准回归模型

根据前文理论分析，构建如下面板模型：
E f f i t = α 0 + β 1 S e r i t + β 2 L a n d i t + β 3 C V i t + ε i t = α 0 + β 1 S e r i t + β 2 L a n d i t + μ S ^ e r i t · L ^ a n d i t + β 3 C V i t + ε i t
式中： α 0表示常数项系数； β表示自变量系数； ε表示随机误差项；i和t分别表示不同的省份和年份。被解释变量为农业全要素生产率（Eff）。核心解释变量为农业社会化服务（Ser）、土地流转（Land）。本文用家庭经营耕地面积中的流转面积占比衡量土地流转水平（Land）；用单位播种面积的农业服务业产值衡量农业社会化服务水平（Ser），其中农业服务业产值用农林牧渔专业及辅助性服务产值×（农业总产值/农林牧渔业总产值）计算得到，并以2010年为基期进行平减处理。 S ^ e r · L ^ a n d为农业社会化服务（Ser）和土地流转（Land）的交互项，以考察两者之间的交互效应，为消除潜在的多重共线性问题，将Ser和Land通过各自均值去中心化处理得到 S ^ e r和 L ^ a n d； μ表示交互项的回归系数。CV为一系列控制变量，在充分考虑农业全要素生产率影响因素和参考已有研究的基础上[11]，选取第一产业产值占比（Find）、恩格尔系数（Engel）、农业生产结构（Agri）、基础设施水平（Road）、农业成灾程度（Dis）、农村居民文化程度（Edu）和降水量（Rain）作为控制变量，具体情况见表1。

2.1.3 空间计量模型

根据地理学第一定律：“任何事物在空间上都是相关的，且距离近的事物比距离远的事物相关性更强”，现阶段土地流转、农业社会化服务已实现跨区域流动，可能存在空间关联性。因此，需使用空间计量模型分析农业社会化服务（Ser）、土地流转（Land）对农业全要素生产率（Eff）的空间溢出效应，本文拟采用同时考虑被解释变量和解释变量空间相关性的空间杜宾模型，但需通过系列空间检验进行确定。

2.2 数据来源与描述性统计分析

基于数据可得性，本文选取除港澳台和西藏之外的中国30个省份2010—2021年的面板数据。其中，农林牧渔服务业产值数据来自历年《中国第三产业统计年鉴》；家庭耕地经营面积和流转面积来自历年中国农村经营管理统计年报；投入产出变量、控制变量相关数据来自历年《中国统计年鉴》和《中国农村统计年鉴》，缺失数据通过各省统计年鉴和相关统计公报补齐。此外，相关经济数据以2010年为基期进行平减处理，转化为2010年的可比变量。变量定义、衡量及描述性统计见表1。

3 实证结果与分析

3.1 农业全要素生产率测算结果及分析

①时序演变趋势。将省级层面农业全要素生产率汇总得到全国层面农业全要素生产率的平均水平，并绘制出农业全要素生产率、农业社会化服务和土地流转的时序演变图。如图2所示，全国层面农业全要素生产率整体呈现增长态势，由2010年的0.378上升到2021年的0.694，年均增长率达7.61%。2010—2021年，全国层面农业社会化服务和土地流转整体上也呈现出逐渐提升的态势，与农业全要素生产率的变动趋势基本一致，说明农业社会化服务、土地流转同农业全要素生产率之间可能存在正相关关系。需要注意的是，农业社会化服务的增速呈上升态势，而土地流转增速逐渐放缓，并于2018年之后呈现出下降态势，这与当前我国农地流转遭遇瓶颈、大力推进农业社会化服务发展相映证。
图2 全国农业全要素生产率、农业社会化服务和土地流转时序变化

Fig.2 Evolution of agricultural total factor productivity，agricultural socialization services and land circulation at national level

②时空演变特征。如图3所示，运用ArcGIS软件绘制出2010、2014、2018和2021年省级层面农业全要素生产率的时空演变图，将农业全要素生产率水平划分为低水平（ E f f < 0.55）、较低水平（ 0.55 ≤ E f f < 0.75）、较高水平（ 0.75 ≤ E f f < 1.00）和高水平（ E f f ≥ 1.00）4种类型。从时序演变来看，在30个省份中，2010年有13个省份处在低水平类型、有5个省份处在高水平类型；而到2021年只有3个省份处在低水平类型，有19个省份处在高水平类型，表明2010—2021年省级层面农业全要素生产率呈现出逐渐提升的态势，与全国层面一致。从空间分布来看，中国东北部地区农业全要素生产率水平普遍偏低，相对而言中国东南部地区农业全要素生产率水平普遍较高，且随着时间推移这种空间分布趋势更加凸显，表明农业全要素生产率空间分布存在一定的集聚效应，并不是独立分布的。
图3 中国各省份农业全要素生产率时空演变

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2023）2767号的标准地图制作，底图无修改。

Fig.3 Evolution of agricultural total factor productivity in China at the provincial level

3.2 面板基准回归结果与分析

①面板固定效应。由于本文数据为“短T长n”的短面板数据，截面研究单元量大于时间点数量，无需进行面板单位根检验[34]。表2列（1）~（3）中，多重共线性检验VIF均小于10，表明不存在多重共线性；F检验结果均显著为正，表明固定效应模型要优于混合OLS模型。列（4）~（6）展示了面板固定效应回归结果。在考虑固定效应后，其中列（4）（5）分别讨论了农业社会化服务、土地流转对农业全要素生产率的影响，回归系数均显著为正，印证了农业社会化服务、土地流转对农业全要素生产率的正向促进效应；列（6）同时考虑了两者对农业全要素生产率的影响，回归系数仍均显著为正，进一步论证出土地流转、农业社会化服务对农业全要素生产率的正向促进效应，假设H1和假设H2得到验证。在控制变量上，第一产业产值占比（Find）、恩格尔系数（Engel）、降水量（Rain）和农村居民文化程度（Edu）对农业全要素生产率的影响显著为正，表明地区第一产业主导地位越强、农村居民消费支出中食品支出比重越大、降雨量越大、农村居民受教育程度越高，其农业全要素生产率也越高，符合实际情况和理论预期；农业生产结构（Agri）对农业全要素生产率的影响显著为负，表明地区农业生产中粮食作物的比重越大，其农业全要素生产率水平越低，可能的原因是粮食作物投入产出效率明显低于经济作物，地区粮食作物占比越高其生产效率越低。
表2 规模经营对农业全要素生产率的面板回归结果

Tab.2 Panel regression results of scale operation on agricultural total factor productivity

OLS回归 面板固定效应回归
（1） （2） （3） （4） （5） （6）
Ser 0.336***（3.02） / 0.335***（3.07） 0.534***（5.02） / 0.390***（3.32）
Land / 0.268***（3.85） 0.268***（3.90） / 0.459***（4.65） 0.299***（2.76）
Find -0.057（-0.56） 0.160（1.42） 0.133（1.20） 0.472**（2.37） 0.411**（2.04） 0.412**（2.08）
Engel 0.153（0.78） 0.319（1.54） 0.494**（2.33） 0.424**（2.39） 0.689***（3.25） 0.738***（3.53）
Road 0.304***（2.63） 0.231**（2.04） 0.281**（2.48） 0.074（0.89） 0.080（0.95） 0.070（0.84）
Dis -0.691***（-4.46） -0.610***（-3.89） -0.549***（-3.52） -0.020（-0.17） -0.114（-0.97） -0.056（-0.48）
Agri -0.005***（-6.42） -0.006***（-8.36） -0.005***（-6.43） -0.004**（-2.09） -0.009***（-4.36） -0.006***（-3.17）
Rain 0.001（1.54） 0.000（0.61） 0.000（0.32） 0.002**（2.35） 0.002**（2.07） 0.002**（2.26）
Edu 0.010（0.67） 0.021（1.45） 0.003（0.17） 0.044***（2.98） 0.053***（3.62） 0.045***（3.05）
cons 0.858***（5.61） 0.733***（4.68） 0.699***（4.50） 0.232（1.38） 0.351**（2.12） 0.240（1.45）
地区固定 / / / YES YES YES
R2 0.350 0.360 0.377 0.299 0.291 0.315
VIF [1.18，1.71] [1.26，1.89] [1.28，2.03] / / /
F-test 23.62*** 24.70*** 23.53*** / / /
N 360 360 360 360 360 360

注：括号内表示为t值；***、**、*分别表示1%、5%和10%的显著性水平。表3~表4、表6~表7同。

②工具变量估计。为解决反向因果的内生性问题，在面板基准回归的基础上，分别用农业社会化服务、土地流转的一阶滞后项作为工具变量，进行两阶段最小二乘法估计，以消除内生性的影响。工具变量不可识别检验统计量均显著为正，强烈拒绝“工具变量不可识别”的原假设；弱工具变量检验F统计值均大于10，拒绝了“弱工具变量”的原假设，表明工具变量选取是有效的（表3）。回归结果显示，在解决内生性问题后，农业社会化服务和土地流转的回归系数仍显著为正，表明农业社会化服务和土地流转均能显著促进农业全要素生产率提升。
表3 工具变量回归结果

Tab.3 Regression results of instrumental variables

（1） （2）
Ser 0.578***（5.14） /
Land / 0.435***（3.78）
cons 0.193（1.18） 0.313*（1.92）
控制变量 YES YES
地区固定 YES YES
R2 / /
不可识别 59.938*** 68.644***
弱工具（F>10） YES YES
N 330 330
③调节效应分析。如表4所示，列（1）中农业社会化服务及交互项（ S ^ e r · L ^ a n d）均显著为正，表明土地流转能够强化农业社会化服务对农业全要素生产率的正向促进效应；列（2）中土地流转及交互项（ S ^ e r · L ^ a n d）也均显著为正，表明农业社会化服务能够强化土地流转对农业全要素生产率的正向促进效应；列（3）中农业社会化服务、土地流转及交互项（ S ^ e r · L ^ a n d）的回归系数均显著为正，表明在促进农业全要素生产率提升过程中农业社会化服务同土地流转之间是“相得益彰”的共赢关系，假设H3得到验证。
表4 调节效应回归结果

Tab.4 Regression results of moderating effects

（1） （2） （3）
Ser 0.502***（4.78） / 0.398***（3.43）
Land / 0.390***（3.87） 0.224**（2.03）
S ^ e r · L ^ a n d 1.919***（3.43） 1.594***（2.74） 1.644***（2.87）
cons 0.226（1.37） 0.346**（2.12） 0.233（1.42）
控制变量 YES YES YES
地区固定 YES YES YES
R2 0.323 0.308 0.332
N 360 360 360

3.3 空间计量回归结果与分析

在进行空间计量回归前，用莫兰指数（Moran's I）检验农业社会化服务和土地流转是否存在空间自相关性。2010—2021年农业社会化服务的莫兰指数均为正数，且2020和2021年莫兰指数显著为正，说明农业社会化服务存在空间正自相关性，且随着时间推移正相关性逐渐凸显；2010—2021年土地流转的莫兰指数均显著为正，且整体上莫兰指数数值逐渐提升，说明土地流转存在空间正自相关性，且随着时间推移这种正相关性逐渐增强（表5）。整体而言，现阶段农业社会化服务和土地流转存在显著的空间相关性，未考虑空间相关性和空间依赖性的回归结果容易造成估计有偏，需通过空间计量回归进行修正。
表5 空间自相关分析

Tab.5 Spatial autocorrelation analysis

年份 农业社会化服务 土地流转
Moran's I t值 Moran's I t值
2010 0.058 0.12 0.283*** 2.74
2011 0.047 0.68 0.287*** 2.72
2012 0.044 0.65 0.310*** 2.90
2013 0.042 0.63 0.333*** 3.09
2014 0.038 0.59 0.373*** 3.44
2015 0.023 0.47 0.349*** 3.21
2016 0.071 0.86 0.406*** 3.69
2017 0.079 0.93 0.420*** 3.78
2018 0.162 1.60 0.446*** 4.06
2019 0.164 1.63 0.430*** 3.89
2020 0.215** 1.03 0.453*** 4.12
2021 0.242** 2.26 0.416*** 3.78

注：***、**、*分别表示1%、5%和10%的显著性水平。

综合上述分析，运用空间计量模型分析农业社会化服务、土地流转对农业全要素生产率的影响及空间溢出效应。首先，通过一系列检验确定最优的空间计量模型。如表6列（1）~（3）所示，空间LM检验发现，稳健的拉格朗日乘数LM_Error和LM_Lag均显著为正，强烈拒绝“无空间自相关”的原假设，表明进行空间计量分析的合理性和必要性，且选择SDM模型更为合理；空间LR检验发现，LR_SAR和LR_SEM均显著为正，强烈拒绝“SDM模型退化为SLM模型或SEM模型”的原假设，进一步确认选择SDM模型的合理性；空间IR检验发现，IR_Ind和IR_Time均显著为正，强烈拒绝“时空固定效应退化为时间固定效应和个体固定效应”的原假设。因此选用时空双固定SDM模型进行空间计量分析。
表6 规模经营对农业全要素生产率的空间溢出效应

Tab.6 Spatial spillover effect of scale operation on agricultural total factor productivity

SDM回归 稳健性分析
（1） （2） （3） （4） （5）
Ser 0.207（1.61） / 0.255**（2.03） 0.200（1.63） 0.110（0.88）
Land / 0.070（0.60） 0.068（0.58） 0.076（0.67） 0.125（1.11）
S ^ e r · L ^ a n d 1.632***（3.20） 1.296***（2.58） 1.056**（2.07） 0.900*（1.81） 1.939***（3.95）
W · S e r 0.608**（2.48） / 0.583**（2.44） 0.578**（2.49） 1.469**（2.23）
W · L a n d / 0.899***（4.55） 0.919***（4.69） 0.895***（4.68） 2.382***（4.11）
控制变量 YES YES YES YES YES
地区固定 YES YES YES YES YES
时间固定 YES YES YES YES YES
R2 0.268 0.200 0.210 0.204 0.141
LM_Errror 6.544*** 6.831*** 10.392*** / /
LM_Lag 7.430*** 8.651*** 13.129*** / /
LR_SAR 29.17*** 62.24*** 61.76*** / /
LR_SEM 31.39*** 64.20*** 65.39*** / /
IR_Ind 59.53*** 54.50*** 50.11*** / /
IR_Time 440.57*** 452.75*** 452.93*** / /
N 360 360 360 360 360
回归结果见表6，列（1）（2）分别展示了农业社会化服务、土地流转对农业全要素生产率的影响，发现农业社会化服务、土地流转对本地区农业全要素生产率的影响虽然为正但不显著，而两者交互项（ S ^ e r · L ^ a n d）均显著为正，说明在考虑空间效应后单纯的农业社会化服务或土地流转并不能显著提升农业全要素生产率，而两者相互合作能显著提升农业全要素生产率，即土地流转能够凸显或强化农业社会化服务对农业全要素生产率的促进效应，同时农业社会化服务也能凸显和强化土地流转对农业全要素生产率的促进效应。列（3）同时展示了两者对农业全要素生产率的影响，可以发现农业社会化服务及两者交互项（ S ^ e r · L ^ a n d）显著为正，土地流转回归系数为正但不显著，进一步印证了农业社会化服务和土地流转在促进农业全要素生产率提升过程中“相得益彰”的关系，且现阶段农业社会化服务的促进效应更为明显。从空间溢出效应看，列（1）~（3）中农业社会化服务和土地流转的空间滞后项系数均显著为正，说明农业社会化服务和土地流转具有显著的正向空间溢出效应，本地农业全要素生产率会受到邻近地区农业社会化服务和土地流转的正向影响，假设H4得到验证。为保证研究结果稳健性，列（4）将因变量农业全要素生产率由可变规模超效率替换为可变规模非超效率，列（5）将空间矩阵由空间邻接矩阵替换为空间反距离矩阵，结果表明核心变量、交互项和空间滞后项的影响方向和显著性均未发生较大变动，研究结果较为稳健。
SDM模型并不能展示出土地流转和农业社会化服务对本地的直接效应和对邻近地区的间接（溢出）效应，因此对SDM模型估计结果进行偏微分处理，分解得到直接效应、间接效应和总效应（表7）。农业社会化服务、土地流转及两者交互项（ S ^ e r · L ^ a n d）的总效应均显著为正，印证了农业社会化服务、土地流转及其交互作用对农业全要素生产率的促进效应。在直接效应上，农业社会化服务和交互项（ S ^ e r · L ^ a n d）的直接效应显著为正，土地流转的直接效应为正但不显著，说明农业社会化服务、土地流转对本地区农业全要素生产率具有促进作用，且现阶段农业社会化服务的影响更为显著。在间接效应上，农业社会化服务和土地流转的间接效应均显著为正，表明农业社会化服务和土地流转均具有显著的正向空间溢出效应，能够示范带动周边地区农业生产效率提升。
表7 空间SDM模型的效应分解

Tab.7 Effect decomposition of spatial Durbin model

指标 直接效应 间接效应 总效应
农业社会化服务（Ser） 0.252*（1.93） 0.512***（2.53） 0.764***（3.40）
土地流转（Land） 0.051（0.45） 0.865***（4.03） 0.916***（4.19）
交互项（ S ^ e r · L ^ a n d） 1.115**（2.28） -0.063（-0.65） 1.052**（2.28）

4 结论与建议

4.1 研究结论

基于2010—2021年省级面板数据，运用超效率SBM模型测算农业全要素生产率，分析土地流转、农业社会化服务对农业全要素生产率的影响及其空间溢出效应，厘清规模经营视角下土地流转和农业社会化服务的关系，探究适合我国农业高质量现代化发展的规模经营路径。研究结论如下：①2010—2021年，全国层面农业全要素生产率整体上呈现增长态势，省级层面农业全要素生产率高水平地区逐渐增多，农业生产效率逐步提升。②基准回归上，农业社会化服务和土地流转均能显著促进农业全要素生产率提升，且解决内生性问题后结果依然稳健。③调节效应上，农业社会化服务和土地流转的交互效应能够显著强化各自对农业全要素生产率的改善效应，即在促进农业全要素生产率提升过程中农业社会化服务和土地流转是“相得益彰”的共赢关系，两者相互协同是农业规模经营的现实图谱。④空间溢出效应上，农业社会化服务和土地流转均具有显著正向空间溢出效应，能够通过溢出效应和示范效应促进邻近地区农业全要素生产率提升。

4.2 对策建议

基于上述研究结论，本文提出以下对策建议：①在政策制定中，应构建土地流转和农业社会化服务相辅相成、协调发展的合作关系，以顺应现阶段中国农业经营方式转型变革的需要。规模经济已由农户层面的“内在经济”转向跨农户的“外在经济”，要破除单纯追求土地流转的思维惯性，从推动土地流转为主向土地流转和社会化服务协同发展上转变，不能仅仅追求土地流转率提升或土地经营权的集中，而要加强与之配套的农业社会化服务体系建设，推动农业社会化服务体系和土地流转体系协同联动发展。②在现阶段我国“小规模、分散化”的农业生产格局下，应进一步完善土地流转和社会化服务体系，推动农业生产分工深化。一方面，要落实农村土地集体所有权、稳定土地承包权、放活土地经营权，有序引导农村土地经营权规范流转，通过土地流转实现农业生产的横向分工和专业化，提升农业社会化服务的市场容量和市场密度，推进规模经营主体的农业规模经济；另一方面，要积极探索农业社会化服务的多种实现形式，走适合于中国农情的“服务型农业”的第三条道路，持续提升农业社会化服务的能力和水平，缓解农地规模经营的要素约束，通过农业社会化服务将“小规模、分散化”的农业经营主体联系起来，推进小农户农业生产各环节的纵向分工与专业化，实现小农户与现代农业的有效衔接。③应充分发挥好农业规模经营的正向空间溢出效应。一方面，要推动土地向种粮大户或种田能手流动，发展较好地区可形成先进的、成熟的经验示范带动邻近地区土地流转水平提升，促进耕地的集约化利用；另一方面，要加强农业社会化服务的宣传引导工作，减少供需双方的信息不对称，发展较好地区可通过服务供给提升邻近地区农业社会化服务投入水平，促进各地区农业生产提质增效。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
罗必良. 基要性变革:理解农业现代化的中国道路[J]. 华中农业大学学报:社会科学版, 2022(4):1-9.

[2]
梅付春, 马开轩. 农业适度规模经营路径之争:土地规模还是服务规模[J]. 经济经纬, 2022, 39(2):46-56.

[3]
盖庆恩, 李承政, 张无坷, 等. 从小农户经营到规模经营:土地流转与农业生产效率[J]. 经济研究, 2023, 58(5):135-152.

[4]
楚明钦. 农业生产性服务嵌入对农业效率影响的实证[J]. 统计与决策, 2021, 37(24):75-79.

[5]
冀名峰, 李琳. 农业生产托管:农业服务规模经营的主要形式[J]. 农业经济问题, 2020(1):68-75.

[6]
匡远配, 张容. 农地流转对粮食生产生态效率的影响[J]. 中国人口·资源与环境, 2021, 31(4):172-180.

[7]
Fei R, Lin Z, Chunga J. How land transfer affects agricultural land use efficiency:Evidence from China's agricultural sector[J]. Land Use Policy, 2021,https://doi.org/10.1016/j.landusepol.2021.105300.

[8]
王海娟. “三权分置”下土地整治的组织化路径[J]. 农村经济, 2023(2):23-32.

[9]
钱龙, 洪名勇. 非农就业、 土地流转与农业生产效率变化——基于CFPS的实证分析[J]. 中国农村经济, 2016(12):2-16.

[10]
张建, 诸培新. 不同农地流转模式对农业生产效率的影响分析——以江苏省四县为例[J]. 资源科学, 2017, 39(4):629-640.

DOI

[11]
钟真. 社会化服务:新时代中国特色农业现代化的关键——基于理论与政策的梳理[J]. 政治经济学评论, 2019, 10(2):92-109.

[12]
罗必良. 论服务规模经营——从纵向分工到横向分工及连片专业化[J]. 中国农村经济, 2017(11):2-16.

[13]
Huan M, Li Y, Chi L, et al. The effects of agricultural socialized services on sustainable agricultural practice adoption among smallholder farmers in China[J]. Agronomy, 2022,https://doi.org/10.3390/agronomy12092198.

[14]
张永强, 田媛. 社会化服务模式对农户技术效率的影响[J]. 农业技术经济, 2021(6):84-100.

[15]
穆娜娜, 钟真. 中国农业社会化服务体系构建的政策演化与发展趋势[J]. 政治经济学评论, 2022, 13(5):87-112.

[16]
钟真, 胡珺祎, 曹世祥. 土地流转与社会化服务:“路线竞争”还是“相得益彰”?——基于山东临沂12个村的案例分析[J]. 中国农村经济, 2020(10):52-70.

[17]
孔祥智, 穆娜娜. 实现小农户与现代农业发展的有机衔接[J]. 农村经济, 2018(2):1-7.

[18]
刘卫柏, 郑爱民, 彭魏倬加, 等. 农村土地流转与劳动生产率变化——基于CIRS调查数据的实证分析[J]. 经济地理, 2017, 37(12):195-202.

[19]
阿林·杨格, 贾根良. 报酬递增与经济进步[J]. 经济社会体制比较, 1996(2):52-57.

[20]
胡凌啸. 中国农业规模经营的现实图谱:“土地+服务”的二元规模化[J]. 农业经济问题, 2018(11):20-28.

[21]
谢地, 李梓旗. “三权分置”背景下农村土地规模经营与服务规模经营协调性研究[J]. 经济学家, 2021(6):121-128.

[22]
钱静斐, 陈志钢, Filipski Mateusz, 等. 耕地经营规模及其质量禀赋对农户生产环节外包行为的影响——基于中国广西水稻种植农户的调研数据[J]. 中国农业大学学报, 2017, 22(9):164-173.

[23]
仇童伟, 罗必良. 市场容量、 交易密度与农业服务规模决定[J]. 南方经济, 2018(5):32-47.

[24]
董莹. 土地流转、 服务外包对小农户全要素生产率的影响——来自粮食主产区数据的实证检验[J]. 资源科学, 2022, 44(11):2193-2206.

DOI

[25]
周娟. 土地流转背景下农业社会化服务体系的重构与小农的困境[J]. 南京农业大学学报:社会科学版, 2017, 17(6):141-151,166.

[26]
杨子, 张建, 诸培新. 农业社会化服务能推动小农对接农业现代化吗——基于技术效率视角[J]. 农业技术经济, 2019(9):16-26.

[27]
Zang L, Wang Y, Ke J, et al. What drives smallholders to utilize socialized agricultural services for farmland scale management?Insights from the perspective of collective action[J]. Land, 2022,https://doi.org/10.3390/land11060930.

[28]
张荧楠, 张兰婷, 韩立民. 农业生态效率评价及提升路径研究——基于山东省17个地级市的实证分析[J]. 生态经济, 2021, 37(4):118-124,131.

[29]
许波, 卢召艳, 杨胜苏, 等. 湖南省农业生产效率演变与影响因素[J]. 经济地理, 2022, 42(3):141-149.

DOI

[30]
Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3):498-509.

[31]
胡永浩, 张昆扬, 武拉平, 等. 环境规制对农业绿色全要素生产率的影响[J]. 生态经济, 2023, 39(12):118-125.

[32]
侯孟阳, 姚顺波. 异质性条件下化肥面源污染排放的EKC再检验——基于面板门槛模型的分组[J]. 农业技术经济, 2019(4):104-118.

[33]
鲁庆尧, 王树进, 孟祥海. 基于SBM模型的我国粮食生产生态效率测度与PS收敛检验[J]. 农村经济, 2020(12):24-32.

[34]
Anderson T W, Cheng H. Formulation and estimation of dynamic models using panel data[J]. Journal of Econometrics, 1982, 18(1):47-82.

Options
文章导航

/

〈 〉