绿色科技创新对农业绿色全要...江经济带省域面板数据的检验_张婧茹.pdf

2023年7月湖北经济学院学报第21卷 第4期陶东杰，陈政弘：公共服务均等化与居民再分配偏好王铁成:审视新结构经济学:一个多维视角doi:10.3969/j.issn.1672-626x.2023.04.007夏明:财务学:理性和行为的交响曲江 畅:论智慧湖北经济学院学报Journal of Hubei University of Economics湖北经济学院学报Journal of Hubei University of Economics2023年7月 第21卷 第4期Vol.21 No.4 Jul.2023 三 农 问 题 研 究摘 要：以20092021年长江经济带省域面板数据为基础，采用空间杜宾模型、内生增长数理模型，运用动态最优化分析方法及中介效应模型探究绿色科技创新是否对长江经济带农业绿色全要素生产率产生影响，并分析其影响路径。研究表明：绿色科技创新可以促进长江经济带农业绿色全要素生产率的提升，直接效应为正，但间接效应不显著；良好的财政政策可以引导农业生产良性发展；农村教育程度越高，越有助于农业绿色全要素生产率的提升；产业结构完善和优化受绿色科技创新的影响，且对农业绿色全要素生产率的提升形成部分中介作用。关键词：长江经济带；绿色科技创新；绿色全要素生产率；空间杜宾模型；动态最优化；农业中图分类号：F323；X71文献标志码：A文章编号：1672-626X（2023）04-0080-12绿色科技创新对农业绿色全要素生产率的影响分析基于长江经济带省域面板数据的检验张婧茹1，2，任严岩3（1.阜阳师范大学 信息工程学院，安徽 阜阳 236000；2.德拉萨大学 工商管理与会计学院，菲律宾 甲米地 999005；3.新疆财经大学 经济学院，乌鲁木齐 830000）收稿日期：2023-01-30基金项目：国家自然科学基金项目（72064035）；安徽省教育厅人文社会科学研究重点项目（2022AH052811）；阜阳师范大学信息工程学院人文社会科学研究项目（FXG2020SY01）；校级青年人才重点项目（RCXM202115）作者简介：张婧茹（1988-），女，安徽阜阳人，阜阳师范大学信息工程学院助教，德拉萨大学（De La Salle University）工商管理与会计学院博士研究生，研究方向为产业经济发展与企业管理；通讯作者任严岩（1986-），女，河南周口人，新疆财经大学经济学院博士研究生，研究方向为区域经济发展。一、引言农业是人类生存与发展的支撑，也是一国发展的根本，传统农业发展动能来源于劳动力、土地等初始资源禀赋，科技创新则是驱动现代农业发展的主要动能1，农业绿色全要素生产率需要科技创新的推动。依据新古典经济增长理论，要素投入是不可持续的经济增长方式，技术进步是维持经济长期增长的动力之一2。目前，我国传统农业与现代技术结合，生产效率得到提高，农产品产量增加，农民的收入增加，但仍存在农业技术水平较低、科技创新能力不足、农产品竞争力不强等问题，与此同时，产能过剩、资源浪费、环境恶化等深层次矛盾仍凸显。2011年公布的 全国主体功能区规划 中提出，长江流域主产区是我国重要的农产品主产区之一，在我国农业发展格局中占据重要战略地位。2017年党的十九大报告明确指出需要全方位加强农业绿色发展，从80国家战略角度出发突出农业绿色发展的重要性。2020年习近平总书记在全面推动长江经济带发展座谈会上，强调贯彻落实党的十九届五中全会精神，推动长江经济带高质量发展。2020年 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要 将提高资源利用效率和生态环境改善作为基本国策。2022年习近平总书记在中央农村工作会议上指出，我国加快建设农业强国需要坚持“双轮驱动”，即科技与改革双轮并进。从整体角度出发，农业农村发展涉及内容较多，需要形成全新的战略方向3。创新是农业农村全方位发展的驱动力，需要全方位展现科技创新为农村建设带来的积极影响，全面呈现引领效果4。本文采用空间杜宾模型、内生增长数理模型，运用动态最优化分析方法及中介效应模型探究绿色科技创新是否对长江经济带农业绿色全要素生产率产生影响，分析其影响路径，并由此提出促进长江经济带提升农业绿色全要素生产率的建议。二、文献综述学术界对于绿色科技创新能否促进农业绿色全要素生产率的提高进行了大量研究，现阶段关于绿色科技创新与农业绿色全要素生产率的文献可以归纳为以下方面：一是关于绿色科技创新的作用。Wang等（2020）5研究表明绿色科技创新可以降低化石能源消费对环境产生的负向影响。许可等（2021）6以省级行政区域为研究对象，根据国际专利分类表（IPC）的专利分类号信息测算绿色科技创新；发现绿色科技创新具有环境友好型的特点，绿水青山的建设离不开绿色科技的基础支撑作用。刘贝贝等（2021）7提出绿色科技创新在黄河流域高质量发展中起到重要推进作用。何伟军等（2022）8选择长江经济带作为研究对象，研究表明人力资本积累可提高全要素碳排放效率，并且绿色科技创新在这一过程中起到部分中介作用。二是关于区域绿色科技创新效率的评价。孙中瑞等（2022）9采用超效率SBM模型对中国绿色科技创新效率进行测算，并基于引力模型构建空间关联网络，结果表明中国绿色科技创新效率整体存在波动增长的趋势。许晓冬等（2022）10通过建立评价体系评价中国区域绿色科技创新能力，结果表明东部地区绿色科技创新水平较高而西部地区绿色科技创新水平略显不足。三是关于影响绿色科技创新的因素。Xu等（2023）11研究表明绿色科技创新受异质性环境标准的影响：清洁生产标准对绿色科技创新有显著的促进作用，但污染排放标准显著抑制了绿色科技创新。Guo 等（2022）12研究表明，消费者的情绪波动对制造商的绿色科技创新起着关键作用。康凯等（2023）13研究环境规制变量与碳排放变量对绿色科技创新的影响。四是关于农业绿色全要素生产率测算的研究。郭海红等（2020）14基于“资源-能源-经济-环境”构建农业绿色全要素生产率理论分析框架，利用改进的EBM模型并结合ML指数从静态和动态视角进行测算。刘亦文等（2021）15利用非期望MinDS超效率-MetaFrontier-Malmquist模型测算农业绿色全要素生产率。刘帅等（2022）16选择黄河流域为研究对象，利用SBE模型测算农业绿色全要素生产率；王亚飞等（2022）17选择全国作为研究对象，利用SBM-ML模型测算农业绿色全要素生产率。五是关于影响农业绿色全要素生产率因素的研究。孙淑惠等（2022）18研究认为数字乡村可以促进农业绿色全要素生产率的提升，但作用只限于当地区域。同样，物流业集聚也能够促进农业绿色全要素生产率提升，但作用也只限于当地区域19。王亚飞等（2022）20研究认为，农旅产业协同集聚能促进农业绿色全要素生产率提升。杨秀玉等（2023）21研究农产品贸易变量对农业绿色全要素生产率的影响，发现农产品贸易与农业绿色全要素生产率之间存在倒U型的关系。金绍荣等（2023）22研究人口老龄化变量对农业绿色全要素生产率的影响，结果显示，虽然人口老龄化能够促进农业绿色全要素生产率提升，但人口老龄化对农业绿色张婧茹，任严岩：绿色科技创新对农业绿色全要素生产率的影响分析812023年7月湖北经济学院学报第21卷 第4期全要素生产率的促进作用存在明显的区域差异，在西部与粮食产量较为丰富的地区该促进作用较为显著。综合看来，虽然有很多学者研究绿色科技创新以及农业绿色全要素生产率，但仍存在研究较为缺乏的部分：首先，长江流域主产区作为农业的重点区域，学者们对该区域农业绿色全要素生产率的研究仍较为缺乏；第二，目前关于绿色科技创新对农业绿色全要素生产率的影响研究较为缺乏，更多的是基于定性研究，对于其影响路径缺乏严谨的实证支持。与已有研究相比，本文拟从以下三个方面进行改进：一是利用长江经济带20092021年的面板数据，检验绿色科技创新对农业绿色全要素生产率的作用效果；二是在既往研究的基础上，尝试将绿色科技创新引入内生增长数理模型，运用动态最优化分析方法求解绿色科技创新与农业绿色全要素生产率的逻辑关系；三是利用中介效应模型剖析绿色科技创新影响长江经济带农业绿色全要素生产率的传导路径。三、研究设计这部分将进行研究设计的论述，为后续模型的检验提供理论支持；该论述一共分为两个部分：一是采用考虑空间因素的空间计量模型的构建，二是模型变量的选择与计算说明。（一）模型的构建本文参考张桅等（2020）23的权重矩阵计算方法，结合两种权重矩阵完成空间计量。一是地理距离矩阵（WG）。地理距离矩阵能够分析两个地区之间对应的地理距离，并以此为基础获得具体权重。二是经济距离矩阵（WE）。本文基于不同区域人均GDP，通过计算获得两个地区的人均GDP差值，在引入绝对值倒数的概念后完成权重设置。Morans I指数法是主流分析空间自相关性的应用方法，本文采取该方法进行探讨。由于地区的经济增长并非独立存在，其不仅受本地区经济活动政策等方面的影响，还受临近地区经济活动的影响，因此本文采用考虑空间因素的空间杜宾模型（SDM），SDM模型由空间滞后模型（SAR）与空间误差模型（SEM）两种模型结合而成，代表性更强。SDM模型公式具体如下：AGTFPit=Cit+jWGijAGTFPjt+ilnAGRit+jWGijlnAGRit+ilnXit+jWGijlnXit+i+i+it（1）AGTFPit=Cit+jWEijAGTFPjt+ilnAGRit+jWEijlnAGRit+ilnXit+jWGijlnXit+i+i+it（2）在上述公式中，C属于常数项，属于扰动项；i和t意为空间和时间；i表示空间特定效应，i表示时间特定效应；反映模型空间自回归系数，能够呈现邻近单元变量形成的变量影响，为模型运行创造条件；和表示在形成地区观测值时，获得其他不同地区自变量的具体影响系数；和分别表示绿色科技创新系数和其他解释变量系数。本文借鉴 Lesage等（2009）24的研究，采用偏微分法将农业绿色全要素生产率的空间溢出效应分解为直接效应、间接效应及总效应。具体而言，直接效应代表本地解释变量对本地农业绿色全要素生产率的影响；间接效应代表本地解释变量对临近地区农业绿色全要素生产率的影响；总效应代表本地解释变量对整个区域农业绿色全要素生产率的影响。偏微分法的具体公式如下：|E（Y1）X1E（Y1）XnE（Yn）X1E（Yn）Xn=（1-W）-1|kW12kW1nkW21kkW2nkWn1kWn2kk（3）82在上述公式中，表示空间自回归系数，其中矩阵对角线元素呈现出的平均值能够反映出直接效应，即本区域自变量对于农业绿色全要素生产率发展的影响，矩阵非对角线元素呈现出的平均值能够反映出间接效应，即本区域自变量对周边区域农业绿色全要素生产率的影响，两者之和表示总效应。（二）变量选取与计算说明被解释变量：农业绿色全要素生产率（AGTFP）。本文选取指标与计算过程参考郭海红等（2020）14、李健旋（2021）25，并选用改进的EBM模型和Malquist-Luenberger指数（ML指数）测度农业绿色全要素生产率。改进的EBM模型即在原EBM基础上扩展为包含非期望产出的EBM模型，如下：*=min-xi=1m-is-ixi0+yi=1s+rs+ryr0+bi=1mb-psb-pxi0s.t.|j=1nxijj+s-i-xi0=0，i=1，m，j=1nyrjj-s+r-yr0=0，r=1，s，j=1nbpjj+sb-p-bp0=0，i=1，m，（4）（j0，s-i0，s+r0，sb-p0）在上述公式中，*反映EBM模型在测度DEA时形成的最优效率值；在公式计算中，意为在径向环境下形成的效率值；s-i意为在非径向环境下第i种相关投入要素对应的松弛量；（xi0，yr0）意为第0个DMU对应的投入产出向量数值；+r、b-p各表示r期望产出和p非期望产出；-i意为第i种相关投入要素对应的权重，可以表明i的重要性，且符合i=1m-i=1；x意为同时满足