EN中文

经济地理 >

2025 , Vol. 45 >Issue 6: 151 - 160

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.06.015

三农、土地与生态

农业社会化服务对农业绿色全要素生产率的影响及空间效应

  • 冷浪平 ,
  • 张利国 , ※
展开
  • 江西财经大学 经济学院，中国江西 南昌 330013
※ 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：

冷浪平（1994—），男，博士，讲师，硕士生导师，研究方向为农业农村经济。E-mail：

收稿日期: 2024-09-27

  修回日期: 2025-02-15

  网络出版日期: 2025-08-07

基金资助

国家社会科学基金重大项目(23&ZD110)

收起

Impact and Spatial Effects of Agricultural Socialization Services on Agricultural Green Total Factor Productivity

  • LENG Langping ,
  • ZHANG Liguo , ※
Expand
  • School of Economics，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China

Received date: 2024-09-27

  Revised date: 2025-02-15

  Online published: 2025-08-07

Fold

摘要

在全面推进农业生产绿色转型背景下，文章基于2010—2022年中国31个省份的面板数据，运用EBM模型和计量分析方法探究了农业社会化服务对农业绿色全要素生产率（AGTFP）的影响机理、路径及空间效应。结果表明：①2010—2022年全国及省级层面AGTFP整体均呈上升趋势。②农业社会化服务显著提升了AGTFP，且存在地区异质性，其对东部地区、中部地区和粮食主产区的促进作用更显著。③农业社会化服务会通过推动农地规模经营、农业专业化分工及农业绿色技术水平提升等路径促进AGTFP增长。④农业社会化服务具有显著的空间正向溢出效应，能够带动本地及其周边地区AGTFP提升。最后，提出应充分认识到农业社会化服务对农业生产的提质增效作用，完善农业社会化服务体系，通过农地规模经营、专业化分工、绿色要素运用及空间溢出效应，全面推进农业生产绿色转型。

关键词： 农业社会化服务; 农业绿色全要素生产率; 农业绿色转型; 空间效应; EBM模型

本文引用格式

冷浪平 , 张利国 . 农业社会化服务对农业绿色全要素生产率的影响及空间效应[J]. 经济地理, 2025 , 45(6) : 151 -160 . DOI: 10.15957/j.cnki.jjdl.2025.06.015

Abstract

In the context of comprehensively promoting the agricultural green transformation, based on China's provincial-level panel data from 2010 to 2022, this study explores the impact mechanism, path and spatial effect of agricultural socialization services on the agricultural green total factor productivity (AGTFP for short) using the EBM model and econometric model. The results show that: 1) AGTFP showed an overall improvement trend from 2010 to 2022 at the national and provincial levels. 2) Agricultural socialization services have significantly promoted the improvement of AGTFP. At the same time, it has regional heterogeneity that the promotion effect is more significant in eastern region, central region and major grain producing areas. 3) The agricultural socialization services will promote the improvement of AGTFP by promoting large-scale agricultural land management, specialized agricultural division of labor, and agricultural green technology level. 4) Agricultural socialization services have significant spatial positive spillover effects and can drive the improvement of AGTFP in local area and surrounding areas. Therefore, it is necessary to fully recognize the quality and efficiency of agricultural socialization services, improve the agricultural socialized service system, and comprehensively promote agricultural green transformation through agricultural land scale management, specialized division of labor, application of green elements and spatial spillover effect.

Key words： agricultural socialization services; agricultural green total factor productivity; agricultural green transformation; spatial effect; EBM model

农业生产绿色转型是现阶段农业转型升级的总方向和总目标[1-2]。然而，在“大国小农”基本国情和“小规模分散化”农业生产格局下，小农户仍普遍采用粗放式发展模式，阻碍了农业生产绿色转型全面推进[3-4]。如何将小农户组织起来并推动其进行农业绿色高效生产，是新时期农业绿色转型的关键。农业社会化服务能够在不改变农地经营权基础上通过服务外包方式将农业经营主体联系起来，成为中国式农业现代化的鲜明特征，为农业生产绿色转型提供了重要历史机遇[5]。农业社会化服务是指向农业经营主体农业生产全过程、各环节提供的公益性服务和经营性服务，包括农资供应服务、农业技术服务、农机作业服务、农产品流通服务等。2024年《农业农村部关于加快农业发展全面绿色转型促进乡村生态振兴的指导意见》中指出，实施农业社会化服务扩面提质行动，引导社会化服务主体开展节水灌溉服务、粪肥还田服务、秸秆还田服务等绿色生产服务。党的二十大报告提出要协同推进“降碳、减污、扩绿、增长”，对农业生产绿色转型提出了“减污”和“增效”新要求。农业绿色全要素生产率（Agricultural Green Total Factor Productivity，AGTFP）不仅关注投入产出效率，还将环境污染纳入考量，能够更为真实、客观地反映农业生产的“减污”和“增效”情况[6]。因此，科学测度AGTFP，深入探究农业社会化服务对AGTFP的影响及其作用路径，对全面推进农业生产绿色转型、促进农业高质量现代化发展具有重要意义。
学界关于农业社会化服务与农业生产的研究主要从以下方面展开。①农业生产效率的测算。生产效率或绿色生产效率的测算方法分为两类：一是基于单位要素的农业产出衡量，如单位面积农业产值、单位化肥农业产值、单位农药农业产值等[7-8]；二是通过构建投入产出指标体系，运用SFA、DEA、SBM、EBM等模型进行测算[9]。②农业社会化服务与农业生产效率的研究。已有研究普遍认为农业社会化服务具有规模经营效应、专业化分工效应和诱致性技术变迁效应，能够显著提升农业生产效率，并从发展模式、环节服务、农户分化等视角进行了异质性分析[10-12]；然而，有部分研究认为农业社会化服务对生产效率的推进作用尚不明显[13]。③农业社会化服务与农业绿色生产的研究。已有研究表明，农业社会化服务能够通过规模化经营、专业化分工带动农业经营主体进行农业绿色生产，研究主要聚焦于农业碳减排、农药化肥减量化、农业绿色技术采纳等方面，普遍认为农业社会化服务是传播绿色发展理念、普及绿色生产要素的重要载体[14-16]。
学界针对农业社会化服务与生产效率提升或农业绿色生产的研究取得了丰硕成果，为本研究进一步拓展奠定了坚实基础，但在以下方面仍待进一步完善：①已有研究多片面剥离式分析农业社会化服务对农业减污或增效的影响，而针对农业提质增效协同发展的研究较少，且鲜有研究探究农业社会化服务对农业生产提质增效的理论基础和作用机理。②随着农业科学技术不断发展，农业社会化服务已通过农机跨区域服务、农技跨区域指导等方式突破行政区划界限，其空间效应不容忽视[17]。因此，本文拟基于中国31个省份2010—2022年的面板数据，在科学测算AGTFP基础上，从理论和实证角度分析农业社会化服务对AGTFP的影响机理、作用路径和空间效应，探索农业生产绿色转型的新路径，为我国全面促进农业生产绿色转型和区域高质量发展提供理论支撑和经验借鉴。

1 理论分析与研究假说

农业社会化服务对AGTFP的影响可归纳为规模经营效应、专业化分工效应、绿色技术效应、空间效应4个方面（图1）。
图1 理论分析框架

Fig.1 Theoretical analysis frame

①规模经营效应。在土地“三权分置”背景下，农业经营主体多通过土地流转来实现农地规模经营，促进农业生产的规模化、标准化和集约化。然而，受限于农业经营主体自身资源禀赋，难以应对土地经营规模持续扩大所带来的生产条件强度提高，往往面临劳动、资本、技术等投入要素的约束[18]。农业社会化服务（组织）依托专业化作业、丰富的资本、对接市场紧密等相对优势，一方面可以有效缓解和克服农业经营主体扩大再生产的投入要素约束；另一方面，农业社会化服务的市场容量和交易密度也能有效降低相关投入要素的获取成本[19]。根据规模经营理论，农业生产具有规模经济性。随着经营规模的不断扩大，农业生产成本将逐渐减少，同时农业经营主体采用绿色生产要素和绿色生产技术的可能性也越高，能够推动农业生产效率提升和农业绿色生产[20]。
②专业化分工效应。专业化分工是农业社会化服务发挥决定性作用的关键因素。一方面，农业社会化服务能够促进服务供需双方的分工深化和专业化水平的提升，实现不同比较优势、不同劳动单位的“优化组合”[21]。具体来看，一方面推动农业经营主体专注于自身具有相对优势的环节，将不具备比较优势的生产环节外包给专业化的服务组织完成，实现农业经营主体和服务供给主体之间的协作和互补。另一方面，农业社会化服务能够促进农业生产的“横向分工”和“纵向分工”深化[22]。农业社会化服务能够推动同类作物和不同类作物间的土地流转，扩大单个经营主体或区域内多个经营主体种植某一类型作物的规模，推动农业生产规模的横向分工深化；同时，农业社会化服务把农业生产过程划分为机耕、机种、施肥、施药、灌溉、机收等若干环节，服务供给主体可以根据自身比较优势专注于不同生产环节的服务供给，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，推动农业生产环节的纵向分工深化。
③绿色技术效应。单个农业经营主体，尤其是小农家庭在采纳机械化种植、生物有机肥、病虫害统防统治等绿色生产技术时，往往会面临学习难度大、技术风险高、沉没成本高等问题，不利于绿色生产技术的推广和运用。农业社会化服务能够将“小而分散”的农业经营主体联系起来，充当农业绿色技术的中介桥梁和传播媒介，通过环节服务外包将农业绿色生产技术传输到农业经营主体的生产活动中，有效破解单个经营主体采纳农业绿色生产技术时面临的高风险、高成本、高门槛问题[23]。目前，国家层面已逐渐认识到农业社会化服务是实现农业生产绿色转型的重要历史机遇，并在农业社会化服务体系中逐步布局和配置农业绿色生产要素和绿色生产技术。在此背景下，农业经营主体购买农业社会化服务相当于向生产过程注入绿色生产技术，能够降低绿色生产技术的推广门槛。同时，农业社会化服务依托其较大的市场容量和交易密度，能够降低提供绿色生产技术或绿色生产服务的成本，从而间接降低了农业经营主体进行农业绿色生产的成本[24]。
④空间效应。生产性服务在空间范围内集聚能够有效提升区域技术效率，不仅能促进本地区产业经济发展，还会对周边区域产业经济发展产生正向溢出效应，农业生产领域的社会化服务亦是如此[25]。具体来看，农业社会化服务作为一种现代化的重要生产要素，具有知识密集、技术密集和流动性高等特征，现阶段已通过农机跨区域作业、农技跨区域流动、网络技术指导等方式突破空间地理限制，形成知识和技术外溢，在相邻区域间形成示范带动效应，推动邻近地区农业生产绿色转型[26]。
基于上述分析，本文提出如下假说：
H1：农业社会化服务能够促进AGTFP提升。
H2：农业社会化服务通过推进农地规模经营、专业化分工和农业绿色技术采纳三条路径促进AGTFP提升。
H3：农业社会化服务具有正向空间溢出效应，能够推动邻近地区AGTFP提升。

2 研究设计

2.1 研究方法

2.1.1 超效率EBM模型

AGTFP将农业生产投入产出效率和环境污染同时纳入考量，能够更好地反映农业生产的质量和效益问题[27]。因此，本文采用AGTFP衡量农业绿色生产水平，并构建包含期望产出和非期望产出的投入产出指标体系测算AGTFP。考虑到要素投入和期望产出是非径向关系，而要素投入（尤其是资源能源类）与非期望产出之间存在紧密联系的径向关系。因此，本文在规模报酬可变假设下运用同时考虑径向和非径向关系的混合距离函数（Epsilon-Based Measure，EBM）测算AGTFP。
具体来说，投入指标从土地、劳动和资本三大投入要素出发，在参考已有相关研究基础上[28-29]，土地投入选取农作物总播种面积进行衡量，由于存在复种、休耕、复耕等情况，农作物总播种面积相较于耕地面积来说更为科学；劳动投入采用农业从业人员数进行衡量，农业从业人员数由第一产业从业人员数乘农业产业拆分系数得到，农业产业拆分系数等于农业产值与农林牧渔业产值之比；资本投入选取机械投入、用水投入、化肥投入、农药投入和农膜投入进行衡量。期望产出采用农林牧渔业产值中的农业产值进行衡量。第二次全国污染物普查（农业污染源）将化肥、农药、农膜等污染物纳入主要农业污染物清单，考虑到农药和农膜流失量的相关数据难以获取，同时化肥过度施用是农业生产过程尤其是粮食作物生产过程中的主要污染来源，拟使用农业生产过程中的化肥流失水平衡量非期望产出。此外，化肥流失带来的环境污染问题主要体现在氮、磷流失带来的农业水体污染，拟使用农业生产过程中的氮、磷流失量作为非期望产出的衡量指标。参考相关研究[30]，本文流失量等于使用量乘排放系数（产污系数乘化肥流失率）。公式如下：
M N i t = T N i t · λ N n · η i n + T F i t · λ F n · η i n M P i t = T P i t · λ P p · η i p + T F i t · λ F p · η i p
式中： M N i t和 M P i t分别表示第i个省份、第t年的氮流失量和磷流失量； T N i t、 T P i t和 T F i t分别表示第i个省份、第t年的氮肥使用量、磷肥使用量和复合肥使用量； λ N n、 λ F n分别表示氮肥、复合肥的氮产污系数； λ P p、 λ F p分别表示磷肥、复合肥的磷产污系数。根据已有研究的普遍做法[31]，根据各类型化肥的化学成分情况，氮肥、磷肥和复合肥（N∶P∶K=1∶1∶1）的氮产污系数分别为1.00、0.00和0.33，氮肥、磷肥和复合肥的磷产污系数分别为0.00、0.44和0.15。 η i n、 η i p分别表示第i个省份的氮肥流失率和磷肥流失率，根据史常亮等做法[30]，结合各地区化肥流失实验结果，将中国31省份的氮肥流失率划分3个等级（10%、20%和30%）并进行赋值，将磷肥流失率划分为2个等级（4%和7%）并进行赋值（表1）。指标选取、衡量和描述性统计见表2。
表1 中国化肥流失情况分布

Tab.1 Distribution table of fertilizer loss in China

类型 省份 流失率（%）
氮肥 磷肥
Ⅰ 江苏、广东 30 7
Ⅱ 天津、广东、浙江、上海 30 4
Ⅲ 湖北、福建、山东 20 7
Ⅳ 河北、陕西、辽宁、云南、宁夏、湖南、吉林、内蒙古、贵州 20 4
Ⅴ 河南、黑龙江 10 7
Ⅵ 安徽、海南、新疆、山西、广西、甘肃、四川、江西、重庆、青海、西藏 10 4
表2 变量选取、衡量及描述性统计

Tab.2 Variable selection， measurement and descriptive statistics

类型 变量 变量说明 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） 436.509 340.226
土地投入（D） 农作物总播种面积（千hm2） 5344.437 3834.549
机械投入（M） 农业机械总动力（万kW） 3324.834 2921.204
用水投入（W） 农业有效灌溉率（%） 44.937 19.530
化肥投入（F） 农用化肥折纯量（万t） 182.276 144.442
农药投入（P） 农药使用量（万t） 5.155 4.097
农膜投入（N） 农用塑料薄膜使用量（万t） 7.854 6.661
期望产出 农业产值（Out） 农业总产值（亿元） 1421.226 1013.945
非期望产出 氮流失量（Nf） 化肥投入·氮流失系数（万t） 15.222 13.712
磷流失量（Pf） 化肥投入·磷流失系数（万t） 1.699 1.608
实证分析 被解释变量 AGTFP 超效率EBM模型测算 0.670 0.178
解释变量 农业社会化服务（Ser） 农业专业及辅助性活动产值/农作物总播种面积（万元/hm2） 0.132 0.111
控制变量 产业结构（First） 100·第一产业产值/GDP（%） 12.481 6.132
农业生产结构（Agri） 100·农业产值/农林牧渔产值（%） 55.468 9.393
粮食生产结构（Grain） 100·粮食播种面积/农作物总播种面积（%） 65.028 13.994
居民文化程度（Edu） 农村居民受教育年限（年） 7.674 0.825
农业受灾程度（Dis） 农作物受灾面积/农作物总播种面积 0.141 0.114
复种指数（Mul） 农作物总播种面积/承包耕地面积 1.778 0.614
日均日照时间（Sun） 年日照时间/365（h/天） 5.555 1.159
年均气温（Tem） 全年日平均气温（℃） 13.640 4.712
日均降雨量（Rain） 年降雨量/365（mm/天） 2.895 1.460
中介变量 农地规模经营（Land） 100·流转面积/家庭承包耕地面积（%） 30.948 17.145
专业化分工（Pro） 农机专业合作社机构数/家庭承包耕地面积（个/千hm2） 0.256 0.202
农业绿色技术（Tech） 农业绿色发明专利申请量（项） 180.449 244.691

2.1.2 基准回归模型

本文运用面板固定模型估计农业社会化服务对AGTFP的影响。模型如下：
Q i t = α + β S e r v i c e i t + φ C V i t + τ i + γ t + ε i t
式中： Q i t、 S e r v i c e i t分别表示第i个省份第t年的AGTFP和农业社会化服务； C V i t表示一系列控制变量； α、 β和 φ分别为常数项、解释变量和控制变量的估计系数； ε i t为随机误差项； τ i和 γ t分别表示个体固定效应和年份固定效应。

2.1.3 两阶段工具变量模型

考虑到农业社会化服务和AGTFP之间可能存在相互促进的互为因果关系，借鉴已有研究做法，本文采用两阶段工具变量模型解决潜在的互为因果和遗漏变量问题，验证基准回归结果的稳健性。模型如下：
Q i t = α 0 + β S e r v i c e i t + φ 0 C V i t + ε i t 0 S e r v i c e i t = α 1 + λ Z i t + φ 1 C V i t + ε i t 1
式中： Z i t为工具变量，需满足不可识别检验和弱工具变量检验； α 0、 α 1均表示常数项； β、 λ分别为农业社会化服务和工具变量的估计系数； φ 0、 φ 1均表示控制变量的回归系数； ε i t 0、 ε i t 1均表示随机误差项。

2.1.4 空间计量模型

本文使用同时考虑AGTFP和农业社会化服务空间相关性的空间杜宾模型（Spatial Durbin Model，SDM）分析农业社会化服务对AGTFP的空间效应。模型如下：
Q i t = α + δ W · Q i t + β S e r v i c e i t + λ W · S e r v i c e i t + φ C V i t + τ r + ρ t + ε i t
式中： ε i t表示空间误差项； δ和 λ分别表示AGTFP和Service的空间滞后项系数；W为空间权重矩阵，本文拟构建学术界较为常用的空间邻接矩阵，并用空间反距离矩阵、空间公路反距离矩阵进行稳健性分析。此外，通过Wald检验和LR检验判断空间杜宾模型是否会退化为空间滞后模型SLM或空间误差模型SEM。

2.2 变量选取与数据来源

被解释变量为AGTFP，基于投入产出指标体系运用超效率EBM模型测算得到。核心解释变量为农业社会化服务，采用农业专业及辅助性活动产值衡量，该产值通过农林牧渔专业及辅助性活动产值乘折算系数得到，折算系数为农林牧渔产值中农业产值的比重[32]。控制变量方面，在充分考虑AGTFP的影响因素和参考已有研究[33-34]基础上，选取产业结构、农业生产结构、粮食生产结构、农村居民文化程度、农业受灾程度、复种指数、日均日照时间、年均气温和日均降雨量作为控制变量。中介变量方面，根据前文理论分析，选取农地规模经营、专业化分工水平和农业绿色技术。其中，农地规模经营用各省家庭承包耕地经营面积中流转面积的比重进行衡量[4]；专业化分工使用单位耕地面积农机专业合作社机构数衡量[35]；农业绿色技术用农业绿色专利申请量中的发明专利申请量衡量[36]。
本文选取中国不包括港澳台地区的31个省、自治区、直辖市（以下简称“省份”）为研究样本，以2010—2022年为研究期。所需数据主要来源于历年《中国统计年鉴》《中国农村统计年鉴》和《中国第三产业统计年鉴》，部分缺失数据通过各省统计年鉴、相关统计公报补齐；专利数据通过IPC分类号从国家知识产权局统计得到；气候数据来源于中国气象科学数据网。同时，相关经济数据以2010年为基期进行平减处理，以消除通货膨胀影响。此外，对除气候变量外的其他变量进行取对数标准化处理，以消除潜在的异方差问题。变量选取、衡量及描述性统计情况见表2。

3 实证结果与分析

3.1 AGTFP的测算结果与分析

①AGTFP的时空演变分析。基于超效率EBM模型测算的AGTFP，选取2010、2014、2018和2022年4个年份，运用ArcGIS软件绘制AGTFP的时空演变图。根据AGTFP的数值分布情况，将其划分为4个类型：低水平（AGTFP<0.50）、较低水平（0.50≤AGTFP<0.65）、较高水平（0.65≤AGTFP<0.80）和高水平（AGTFP≥0.80）。由图2可知，从时序角度看，2010年全国各省份AGTFP以低水平和较低水平类型为主，仅有新疆处于高水平类型，黑龙江、吉林和内蒙古等12个省份处于低水平类型。随着时间的推移，低水平省份逐渐减少、高水平省份不断增加。到2022年，仅有吉林处在低水平类型，黑龙江、新疆、西藏等22个省份均达到高水平类型。从空间角度看，不同年份我国中部地区或粮食主产区的AGTFP水平均相对较低，但随时间推移也呈现出逐渐提升的趋势。整体看来，2010—2022年全国各省份AGTFP显著提升，农业生产逐步向绿色高效方向发展。
图2 中国各省份AGTFP的时空演变

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.2 Evolution of AGTFP in China at the provincial level

②农业社会化服务和AGTFP的交叉统计分析。根据数值大小将农业社会化服务划分为低水平、较低水平、中等水平、较高水平和高水平5个类型，并结合AGTFP的分类进行细化分析。从表3看出，随着农业社会化服务水平的提高，AGTFP整体呈现逐步上升的趋势。从研究样本省份数量占比情况来看，农业社会化服务低水平省份主要以低水平AGTFP为主，而农业社会化服务高水平省份主要对应高水平AGTFP，这从侧面印证了省级层面农业社会化服务与AGTFP之间的正相关关系，后文将进行实证论证。
表3 农业社会化服务和AGTFP的交叉统计分析

Tab.3 Cross-statistical analysis of agricultural socialization services and AGTFP

类型 农业社会化服务
低水平 较低水平 中等水平 较高水平 高水平
AGTFP（数值） 0.609 0.600 0.648 0.703 0.792
AGTFP（省份占比/%） 低水平 ≤0.50 39.51 43.21 22.22 3.75 5.00
较低水平 （0.50，0.66] 19.75 22.22 32.10 33.75 16.25
较高水平 （0.66，0.80] 20.99 17.28 29.63 47.50 32.50
高水平 >0.80 19.75 17.28 16.05 15.00 46.25
样本量 81 81 81 80 80

3.2 农业社会化服务对AGTFP的实证分析

3.2.1 基准回归分析

由于研究数据为“短T长n”的短面板数据，截面单元量（省份数量）远多于时间点数量（年份数量），因此无需进行面板单位根检验。多重共线性检验结果显示，所有变量的VIF值均小于10，表明不存在多重共线性问题。通过固定效应F检验、LM检验和Hausman检验确定最优的面板模型估计方法，结果见表4。其中，列（1）显示F检验和LM检验均显著为正，表明固定效应模型和随机效应均优于混合OLS模型。进一步地，Hausman检验结果为正，表明固定效应优于随机效应，因此选择面板固定效应模型进行实证分析。列（2）~（5）显示，无论是否加入控制变量，无论选择普通标准误还是稳健标准误，农业社会化服务对AGTFP的回归系数均显著为正，验证了农业社会化服务对AGTFP的正向促进作用，假设H1得到验证。控制变量回归结果见列（5），产业结构和年均气温对AGTFP的影响显著为正，说明地区第一产业产值占比越高、年均气温越高，其AGTFP水平越高；复种指数和日照时间对AGTFP的影响显著为负，说明地区耕地复种指数越高、日照时间越长，其AGTFP水平越低。
表4 基准回归结果

Tab.4 Baseline regression results

类型 OLS回归 固定效应（普通标准误） 固定效应（稳健标准误）
（1） （2） （3） （4） （5）
lnSer 0.140***（7.58） 0.177***（6.74） 0.169***（6.58） 0.177**（2.29） 0.169**（2.71）
lnFirst 0.122***（8.15） / 0.588***（9.63） / 0.588***（4.93）
lnAgri -0.076（-0.86） / 0.119（1.10） / 0.119（0.48）
lnGrain -0.409***（-7.32） / -0.231*（-1.94） / -0.231（-1.00）
lnEdu 0.224*（1.77） / 0.413**（1.97） / 0.413（1.11）
lnDis -0.078***（-6.21） / 0.006（0.84） / 0.006（0.64）
lnMul -0.131***（-3.90） / -0.219***（-5.26） / -0.219***（-4.94）
Sun -0.093***（-3.94） / -0.114***（-4.20） / -0.114**（-2.27）
Tem -0.018***（-2.74） / 0.054***（3.94） / 0.054**（2.29）
Rain 0.017（0.82） / -0.004（-0.30） / -0.004（-0.27）
时间固定 / 控制 控制 控制 控制
地区固定 / 控制 控制 控制 控制
常数项 1.742***（2.72） -0.175**（-2.52） -1.759**（-2.06） -0.175（-0.89） -1.759（-1.01）
R2 0.466 0.624 0.747 0.624 0.747
VIF取值 [1.20，5.93] / / / /
F检验 425.33*** / / / /
LM检验 627.79*** / / / /
Hausman检验 84.22*** / / / /
样本量 403 403 403 403 403

注：括号内数值为t值；***、**、*分别表示1%、5%和10%的显著性水平。表5~表9同。

3.2.2 稳健性分析

①更换被解释变量。传统EBM模型测算效率取值范围为[0,1]，无法对有效决策单元进行比较，因此本文使用超效率EBM模型进行改进。表5列（1）显示，农业社会化服务对AGTFP的影响仍显著为正，基准回归结论依然成立。
表5 稳健性检验

Tab.5 Robustness test

类型 更换被解释变量 剔除直辖市 缩小样本量 内生性检验
（1） （2） （3） （4）
lnSer 0.406***（7.59） 0.189*（1.95） 0.136***（2.73） 0.165***（5.36）
控制变量 控制 控制 控制 控制
时间固定 控制 控制 控制 控制
地区固定 控制 控制 控制 控制
常数项 -2.476**（-2.10） -3.137*（-1.73） -2.258（-1.42） -1.302（-1.45）
R2 0.833 0.729 0.729 0.582
不可识别检验 / / / 57.992***
弱工具变量检（F>10） / / / YES
样本量 403 351 363 372
②剔除直辖市。考虑到样本选择范围可能会产生误差，尤其是北京、天津、上海和重庆4个直辖市，相较于其他省份而言更易受到国家政策倾斜，因此剔除直辖市进行检验。表5列（2）显示，农业社会化服务的回归系数仍显著为正，通过稳健性检验。
③缩小样本量。为避免极端数值对估计结果的影响，对AGTFP进行5%的双边缩尾处理。表5列（3）显示，农业社会化服务推进AGTFP提升的结论依然成立。
④内生性检验。使用农业社会化服务的一阶滞后项作为工具变量，进行工具变量估计，解决潜在的反向因果或遗漏变量导致的内生性问题。工具变量选取的合理性在于，滞后一期的农业社会化服务是影响当期农业社会化服务的重要因素，不会直接作用于当期AGTFP，而会通过影响当期农业社会化服务间接影响当期AGTFP，满足相关性和内生性要求。表5列（4）显示，工具变量不可识别检验的统计量显著为正，强烈拒绝“工具变量不可识别”的原假设；弱工具变量检验的F统计值均大于10，拒绝“工具变量为弱工具变量”的原假设，表明工具变量的选取是合理的。回归结果显示，农业社会化服务的估计系数为0.165，且在1%的显著性水平下通过检验，表明在保持其他因素不变的情况下，农业社会化服务每提升1%，AGTFP将平均增加0.165%，进一步论证了农业社会化服务对AGTFP的正向促进作用。

3.2.3 异质性分析

①地理位置异质性。考虑到不同省份在经济发展水平、地理地形条件等方面存在差异，将研究样本划分为东部地区、中部地区和西部地区，以探讨农业社会化服务影响AGTFP的地理位置异质性。结果见表6列（1）~（3），东部地区和中部地区农业社会化服务的影响显著为正，西部地区的估计结果不显著；此外，中部地区的估计系数大于东部地区，表明中部地区农业社会化服务对AGTFP的促进效应更强。可能的原因在于，相较于西部地区，东部地区和中部地区地势较为平坦，其连片规模化经营能够满足农业社会化服务所需的市场容量和市场密度，农业社会化服务对AGTFP的推进效果更加明显；同时，中部地区多为粮食主产区，保障国家粮食安全供给的政治使命促使农业社会化服务侧重于粮食作物，因而中部地区对AGTFP的促进效应要高于东部地区。
表6 异质性分析回归结果

Tab.6 Heterogeneity analysis regression results

类型 （1） （2） （3） （4） （5）
东部地区 中部地区 西部地区 主产区 非主产区
lnSer 0.229***（5.69） 0.259**（2.45） 0.033（0.40） 0.312***（4.25） 0.124***（3.71）
控制变量 控制 控制 控制 控制 控制
时间固定 控制 控制 控制 控制 控制
地区固定 控制 控制 控制 控制 控制
常数项 3.511***（2.86） -1.196（-0.34） -2.590（-1.49） -2.077（-0.92） 0.378（0.36）
R2 0.843 0.781 0.826 0.738 0.804
样本量 132 96 144 156 216
②粮食生产功能区的异质性。鉴于不同省份的农业功能区定位存在差异，按照粮食产区规划将研究样本划分为粮食主产区和非粮食主产区，以检验农业社会化服务对不同农业功能区的异质性效应，结果见表6列（4）~（5），农业社会化服务对粮食主产区和非粮食主产区AGTFP的影响均显著为正，但粮食主产区的系数明显大于非粮食主产区，估计系数分别为0.312和0.124。可能的原因是，一方面为保障国家粮食安全和重要农产品有效供给，近年来国家和农业农村部重点针对粮棉油糖等大宗农作物，不断加大对粮食生产社会化服务的支持力度；另一方面，基于服务市场容量和服务市场密度的要求，农业社会化服务供给主体也更倾向于为粮食作物经营主体提供服务，尤其体现在地形平坦、以平原为主的粮食主产区。

3.2.4 中介效应分析

基于前文理论分析，本文从农地规模经营、专业化分工和农业绿色技术3条路径分析农业社会化服务对AGTFP的中介效应（表7）。①在农地规模经营方面，相关研究表明土地规模经营能够显著提升农业生产效率并促进农业绿色生产[37]。列（1）~（2）显示，无论是否加入控制变量，农业社会化服务对农地规模经营的估计系数均显著为正，表明农业社会化服务能够通过促进农地规模经营推进农业生产绿色转型。如安徽农垦集团积极发挥“国家队”示范带动作用，以土地流转、托管等方式开展农业社会化服务，推动粮食产量提升与化肥减量协同发展。②在专业化分工方面，相关研究表明农业分工深化能够促进农业规模经济和农业绿色发展[38]。列（3）~（4）显示，无论是否加入控制变量，农业社会化服务对专业化分工的估计系数均显著为正，表明农业社会化服务能够通过深化农业生产分工推进农业生产绿色转型。如巴渝地区近年来深度结合农田改造提升政策和农业社会化服务政策，通过合理分工将种粮大户的机耕、飞防、机收等环节交由农业专业合作社，推动了农业生产提质增效。③在农业绿色技术方面，相关研究表明农业绿色技术能够促进绿色全要素生产率增长[39]。列（5）~（6）显示，无论是否加入控制变量，农业社会化服务对农业绿色技术的估计系数均显著为正，说明农业社会化服务能够通过促进农业绿色技术采纳推进农业生产绿色转型。如河南原阳县以农业生产“三品一标”为抓手，依托36家新型农业经营主体、28家涉农企业等社会化服务组织，开展绿色种植、绿色防控等技术服务，推动了水稻产业的高质量发展。综合上述分析，农业社会化服务具有显著的规模经营效应、专业化分工效应和绿色技术效应，能够进一步推动AGTFP的提升，假设H2得到验证。
表7 中介效应回归结果

Tab.7 Regression results of mediating effects

类型 lnLand lnPro lnTech
（1） （2） （3） （4） （5） （6）
lnSer 0.388***（6.09） 0.486***（7.07） 0.314***（2.95） 0.213*（1.89） 1.403***（8.18） 0.946***（5.13）
控制变量 / 控制 / 控制 / 控制
时间固定 控制 控制 控制 控制 控制 控制
地区固定 控制 控制 控制 控制 控制 控制
常数项 4.196***（28.93） -1.164（-0.55） -0.896***（-3.69） -8.820**（-2.56） 5.655***（14.46） -15.437***（-2.73）
R2 0.415 0.444 0.206 0.391 0.458 0.487
样本量 372 372 372 372 372 372

3.3 农业社会化服务对AGTFP的空间效应分析

3.3.1 空间相关检验

AGTFP不仅会受到本地农业社会化服务的影响，还可能受到邻近地区农业社会化服务的影响，尤其是在当前农业社会化服务组织跨区域进行服务供给的背景下。因此，本文使用空间计量模型探究农业社会化服务对AGTFP的空间溢出效应（表8）。首先，通过一系列检验确定最优的空间计量模型。空间LM检验发现，无论是在空间反距离矩阵还是在空间邻接矩阵下，莫兰指数均显著为正；同时，SLM模型和SEM模型的拉格朗日乘数检验（LM检验）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SDM模型为最优模型。此外，SLM模型和SEM模型的似然比检验（LR检验）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，进一步确认了选择SDM模型的合理性。在两种空间矩阵下，Hausman检验也显著为正，表明固定效应模型要优于随机效应模型，应使用固定效应模型进行分析。其次，两种空间矩阵下个体固定效应模型和时间固定效应模型的时空固定效应检验（IR检验）均显著为正，强烈拒绝“时空固定效应模型退化为个体固定效应模型或时间固定效应模型”的原假设，这表明应该选择时空固定效应模型。综合上述相关检验结果，最终选取时空双固定SDM模型进行空间计量分析。
表8 空间计量相关检验结果

Tab.8 Relevant test results of spatial econometrics

检验类型 空间邻接矩阵 空间反距离矩阵
空间LM检验 莫兰指数 5.71*** 4.88***
LM检验（滞后） 25.39*** 19.06***
LM检验（误差） 22.72*** 30.72***
LR检验 LR检验（滞后） 75.10*** 77.92***
LR检验（误差） 74.74*** 80.19***
IR检验 IR检验（个体） 94.52*** 108.10***
IR检验（时间） 611.88*** 583.72***
豪斯曼检验 115.14*** 109.97***

3.3.2 空间计量回归结果分析

在充分考虑空间关联性和空间溢出效应后，本文分别基于空间邻接矩阵、空间反距离矩阵和空间公路反距离矩阵构建时空固定SDM模型，以分析农业社会化服务对AGTFP的空间效应，回归结果见表9。其中，列（1）~（3）中农业社会化服务对所在地区AGTFP的估计系数均显著为正，与前文分析结果一致，表明农业社会化服务能够显著提升本地区AGTFP提升，假设H1得到进一步验证。在空间效应方面，列（1）~（3）中农业社会化服务的空间滞后项系数均显著为正，说明农业社会化服务具有显著的正向空间溢出效应，所在地区AGTFP会受到邻近地区农业社会化服务的正向影响，跨区域的农业社会化服务供给能够有效促进AGTFP提升，假设H3得到验证。如“三夏”（夏收、夏种、夏管）农机跨区作业服务，是农业机械化发展和农业社会化服务的成功实践，极大提高了农机利用效率，有效解决了劳动力季节性不足的矛盾，推动着本地区和邻近地区农业生产节本增效。综合上述分析，农业社会化服务能够促进所在地区和邻近地区农业生产绿色转型。以空间邻接矩阵为例，农业社会化服务及其空间滞后项的估计系数分别为0.076和0.156，且均在1%的显著性水平下通过检验。这说明农业社会化服务水平每提升1%，会分别带动所在地区和邻近地区AGTFP提升0.076%和0.156%。
表9 空间计量回归结果

Tab.9 Regression results of spatial econometrics

变量 （1） （2） （3）
邻接矩阵 反距离矩阵 公路反距离矩阵
lnSer 0.076***（2.72） 0.101***（3.85） 0.112***（4.40）
W·lnSer 0.156***（3.00） 0.281*（1.96） 0.401***（3.17）
控制变量 控制 控制 控制
时间固定 控制 控制 控制
地区固定 控制 控制 控制
δ 0.017（0.23） -0.459**（-2.13） -0.483**（-2.02）
R2 0.641 0.537 0.581
样本量 403 403 403

4 结论与建议

4.1 研究结论

本文基于中国31个省份2010—2022年的面板数据，构建包含期望产出和非期望产出的评价指标体系，运用EBM模型科学测度了AGTFP，并从理论和实证双重视角探究了农业社会化服务对AGTFP的影响、作用机制及其空间效应。主要结论如下：①2010—2022年全国层面达到高水平AGTFP的省份数量不断增加，各省份AGTFP均有显著提升，表明农业生产正朝着绿色高效方向稳步发展。②农业社会化服务能够显著推进地区AGTFP提升，且在采用工具变量法解决内生性问题后结果依然稳健。③农业社会化服务对东部地区和中部地区AGTFP具有显著的促进效应，但对西部地区的影响不显著。此外，农业社会化服务对粮食主产区AGTFP的促进效应明显高于非粮食主产区。④农业社会化服务能够推进农地规模经营、专业化分工水平和农业绿色技术水平，进而促进地区AGTFP提升。⑤农业社会化服务具有显著的空间正向溢出效应，能够通过技术扩散和资源共享等方式促进所在地区及其邻近地区的农业生产绿色转型。

4.2 政策建议

基于上述研究结论，本文提出如下政策建议：
①转变农业发展思维，以农业社会化服务推动农业规模经营和农业生产绿色转型，健全农业绿色化、专业化的社会化服务体系。完善相关政策支持体系，培育新型农业绿色社会化服务组织，引领农业生产经营的专业化、标准化、集约化和绿色化发展，推动农业社会化服务扩面提质增效；同时，加大对绿色农机、农资和技术等绿色生产要素的政策补贴力度，加强对绿色病虫害防控、绿色化肥统配统施、绿色农业技术指导等服务的推广，在农业社会化服务体系中布局更多的绿色生产要素，积极引导和示范带动农业经营主体实现农业生产绿色转型。
②适度扩大农地规模经营，推动农业社会化服务与规模经营协同联动发展。一方面，充分发挥社会化服务的规模经营优势，实现农业绿色社会化服务的精准有效供给，破解农地规模经营面临的机械、资金和技术约束，促进小农户与现代农业的有效衔接；另一方面，加强社会化服务体系与土地流转体系的深度融合，建设与农地规模经营相配套的服务体系，顺应现阶段中国农业经营方式转型的需要。
③推进多样化服务供给主体培育和区域标准化种植。充分发挥农业社会化服务的专业化分工效应，根据农业经营主体的差异化需求，培育农资供应、机械作业、病虫害防治等绿色化、专业化服务主体，提供更加科学、精细的服务；此外，推进区域农业生产的标准化种植，扩大社会化服务的市场规模和容量，促进区域农业生产的纵向分工深化。
④充分发挥好农业社会化服务的正向空间溢出效应。一方面，深入推进跨区域服务，加强区域农业社会化服务平台建设，推动农机跨区作业、农技跨区指导等，促进邻近地区农业绿色转型；另一方面，设立绿色农业社会化服务示范区，集中推广成功经验与模式，发挥示范引领作用。此外，重点推进中部地区和粮食主产区的服务体系建设和经验集成，建立东西部地区合作交流机制，加强区域间在服务领域的交流、合作与资源共享，示范带动西部地区农业社会化服务体系建设和农业绿色转型。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
何培培, 张俊飚, 何可, 等. 农业生产何以存在低碳效率幻觉?来自1997—2016年31个省份面板数据的证据[J]. 自然资源学报, 2020, 35(9):2205-2217.

[2]
金书秦, 张哲晰, 胡钰, 等. 中国农业绿色转型的历史逻辑、理论阐释与实践探索[J]. 农业经济问题, 2024(3):4-19.

[3]
李博伟. 土地流转契约稳定性对转入土地农户化肥施用强度和环境效率的影响[J]. 自然资源学报, 2019, 34(11):2317-2332.

[4]
张利国, 冷浪平, 杨胜苏, 等. 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):181-189,240.

[5]
郭晓鸣, 温国强. 农业社会化服务的发展逻辑、现实阻滞与优化路径[J]. 中国农村经济, 2023(7):21-35.

[6]
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.

[7]
杨继军, 王鑫. 耕地经营权流转对农业生产效率的影响:规模效应抑或选择效应[J]. 农业技术经济, 2022(12):43-55.

[8]
杨佳琪, 张家才, 余典范. 互联网使用、农业生产效率与乡村振兴的内涵式发展[J]. 华中农业大学学报(社会科学版), 2023(5):53-65.

[9]
郭进, 杨琦, 吴海明. 科技金融赋能农业生产效率提升——来自科技金融试点政策的经验证据[J]. 中国农村经济, 2024(5):81-105.

[10]
钟真, 赵雪娇, 李思雯. 社会化服务与经营主体的农业产量水平——基于能值理论的分析框架[J]. 农业技术经济, 2024(9):86-105.

[11]
张哲晰, 潘彪, 高鸣, 等. 农业社会化服务:衔接赋能抑或歧视挤出[J]. 农业技术经济, 2023(5):129-144.

[12]
卢华, 胡浩, 耿献辉. 农业社会化服务对农业技术效率的影响[J]. 中南财经政法大学学报, 2020(6):69-77,159-160.

[13]
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.

[14]
程永生, 张德元, 汪侠. 农业社会化服务绿色发展效应的作用路径研究——基于农户要素禀赋的调节作用[J]. 中国农业资源与区划, 2024, 45(4):15-27.

[15]
张甜, 张艳荣. 粮食主产区农业社会化服务对农业碳排放强度的影响及空间溢出效应[J]. 中国生态农业学报(中英文), 2024, 32(12):2008-2021.

[16]
陆镜名, 杨晓婷, 孔祥智. 参与纵向一体化能否促进农户采用绿色生产方式?——以化肥、农药减量施用为例[J]. 农村经济, 2024(4):77-90.

[17]
徐清华, 张广胜. 农业机械化对农业碳排放强度影响的空间溢出效应:基于282个城市面板数据的实证[J]. 中国人口·资源与环境, 2022, 32(4):23-33.

[18]
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.

[19]
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.

[20]
张露, 罗必良. 农业减量化:农户经营的规模逻辑及其证据[J]. 中国农村经济, 2020(2):81-99.

[21]
梁志会, 张露, 刘勇, 等. 农业分工有利于化肥减量施用吗?基于江汉平原水稻种植户的实证[J]. 中国人口·资源与环境, 2020, 30(1):150-159.

[22]
李琪, 李凯. 病虫害防治托管对技术效率的影响:基于横向分工与纵向协同视角[J]. 资源科学, 2022, 44(10):1964-1979.

[23]
田红宇, 祝志勇. 农村劳动力转移、经营规模与粮食生产环境技术效率[J]. 华南农业大学学报(社会科学版), 2018, 17(5):69-81.

[24]
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.

[25]
靳光涛, 唐荣, 黄抒田. 高质量生产性服务业集聚与制造业升级:基于知识溢出的视角[J]. 宏观经济研究, 2023(7):82-96.

[26]
虞松波, 刘婷, 曹宝明. 农业机械化服务对粮食生产成本效率的影响:来自中国小麦主产区的经验证据[J]. 华中农业大学学报(社会科学版), 2019(4):81-89,173.

[27]
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.

[28]
张利国, 谭笑, 肖晴川, 等. 基于气候资源投入的中国农业生态效率测度与区域差异[J]. 经济地理, 2023, 43(4):154-163.

[29]
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.

[30]
史常亮, 李赟, 朱俊峰. 劳动力转移、化肥过度使用与面源污染[J]. 中国农业大学学报, 2016, 21 (5):169-180.

[31]
赖斯芸, 杜鹏飞, 陈吉宁. 基于单元分析的非点源污染调查评估方法[J]. 清华大学学报(自然科学版), 2004(9):1184-1187.

[32]
张恒, 郭翔宇. 农业生产性服务业发展与农业全要素生产率提升:地区差异性与空间效应[J]. 农业技术经济, 2021(5):93-107.

[33]
李兆亮, 罗小锋, 薛龙飞, 等. 中国农业绿色生产效率的区域差异及其影响因素分析[J]. 中国农业大学学报, 2017, 22(10):203-212.

[34]
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.

[35]
赵丹丹, 周宏. 农业生产集聚:如何提高粮食生产效率——基于不同发展路径的再考察[J]. 农业技术经济, 2020(8):13-28.

[36]
史常亮. 环境规制与中国农业绿色转型:助力还是阻力?[J/OL]. 中国生态农业学报(中英文),1-14[2024-10-24].

[38]
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.

[39]
赵雯歆, 罗小锋, 唐林. 劳动力转移对农户粮食绿色生产效率的影响——兼论技术推广的作用[J]. 资源科学, 2023, 45(7):1440-1454.

Options
文章导航

/

〈 〉