粮食生产对绿色全要素生产率的影响及作用机制——基于空间经济学的视角.pdf

农林经济管理学报 2023，22（04）：424-434Journal of Agro-Forestry Economics and Managementhttp：/E-mail：nljjglxb 粮食生产对绿色全要素生产率的影响及作用机制基于空间经济学的视角伍骏骞1，张宇2，张星民1（1.西南财经大学 中国西部经济研究院，四川 成都 611130；2.西南财经大学 经济学院，四川 成都 611130）摘要：基于20042018年中国240个地级市的面板数据，构建空间计量模型实证检验粮食生产对绿色发展的空间溢出效应及作用机制。结果表明：粮食生产对绿色全要素生产率具有正向显著的直接效应和空间溢出效应，且在更换矩阵和被解释变量后，结论依然稳健；粮食生产通过增加资本投入，对绿色全要素生产率产生抑制作用；异质性分析发现，在东部地区和粮食主产区，粮食生产对绿色全要素生产率的影响更强。基于此，建议在推进粮食产业高质量发展的同时，应加强不同地区间粮食产业链的合作与联系；针对发展粮食产业而造成的劳动力转移加速和资本投入的增加，政府应提供专项资金以平衡发展粮食产业所带来的负面影响；因地制宜发展粮食主产区的粮食产业，促进全域绿色全要素生产率的提升。关键词：粮食生产；粮食安全；绿色全要素生产率；直接效应；空间溢出效应中图分类号：F307.11 文献标志码：A 文章编号：2095-6924（2023）04-0424-11 Influence and Mechanism of Action of Food Production on Green Total Factor Productivity：From the Perspective of Spatial EconomicsWU Junqian1，ZHANG Yu2，ZHANG Xingmin1（1.Institute of Western China Economic Research，Southwestern University of Finance and Economics，Chengdu 611130，China；2.School of Economics，Southwestern University of Finance and Economics，Chengdu 611130，China）Abstract：Based on the panel data of 240 prefecture-level cities in China from 2004 to 2018，a spatial econometric model was constructed to empirically test the spatial spillover effect and the mechanism of action of food production on green development.The results show that grain production has a positive and significant direct effect and spatial spillover effect on green total factor productivity，which remains robust after the matrix and the explanatory variables are replaced.Grain production has a suppressive effect on green total factor productivity by increasing capital input.Heterogeneity analysis show that the effect of grain production on green total factor productivity is stronger in the eastern region and the main grain-producing regions.Therefore，it is recommended that while promoting the high-quality development of the grain industry，the cooperation and linkages between the grain industry chains of different regions should be strengthened.The 伍骏骞，张宇，张星民，等.粮食生产对绿色全要素生产率的影响及作用机制：基于空间经济学的视角 J.农林经济管理学报，2023，22（04）：424-434.收稿日期：20220822 修回日期：20230305 DOI：10.16195/36-1328/f.2023.04.45基金项目：教育部人文社会科学研究项目（SC19EZD026）作者简介：伍骏骞，男，教授，博士，博士生导师，主要从事农业经济研究，。第 4 期伍骏骞等：粮食生产对绿色全要素生产率的影响及作用机制基于空间经济学的视角government should provide special funds to counterbalance the negative impact of the development of the grain industry due to the accelerated transfer of labor and the increase in capital investment caused by the development of the grain industry.While developing the grain industry in the main grain-producing regions according to local conditions to promote the green total factor productivity of the whole region.Keywords：food production；food security；green total factor productivity；direct effect；spatial spillover effect一、引言与文献综述 党的二十大报告强调要“加快发展方式绿色转型”。绿色发展不仅契合了党的“两山”理论，也符合群众的切身利益。在推进绿色发展的进程中，提升绿色全要素生产率是实现高质量发展的核心源泉1。绿色全要素生产率在传统全要素生产率的基础上，考虑到能源消耗和污染产出的新型全要素生产率，同时兼顾经济增长和减少能源消耗和环境污染，以体现绿色发展的宗旨。技术进步和技术创新是绿色发展理念的导向和重点，但目前我国绿色技术进步和技术创新仍处于较低水平2，粗放式的发展模式造成了严重的环境污染和生态退化，也带来资源过度消耗、生态破坏、产能过剩及资源错配等弊端，致使绿色全要素生产率的提升面临着诸多困境。在生态环境恶化、土地资源紧张、增长动能不足等现实背景下，如何提升绿色全要素生产率是一个需要探讨的重要话题。粮食是保障人类生存和维系社会发展的根本，粮食安全是“国之大者”，政府应将粮食流通与贸易建设以及粮食综合生产能力建设并驾齐驱，从而更好地保障粮食安全3。为确保粮食安全，国家通过宏观调控保证粮食增产，但在调控过程中需要考虑到粮食生产的空间外部性特征。粮食生产作为一种具有外部效应的经济活动，面临着种种发展困境。如粮食产业为其他区域的经济发展提供基础保障，却可能导致粮食产地的经济发展速度下降，造成“产粮大县、财政穷县”的困境，地方政府进退维谷。产粮大县承担着发展粮食产业的重大任务，将更多的精力投入到粮食生产中，对政府财政收入的贡献下降，需要受益地区通过转移支付给予适当补助。因此，国家要实现粮食持续增产的目标，需要重视粮食生产具有的外部性。粮食主产区通过发展粮食产业使得以主销区为首的其他地区获益匪浅，受益地区经济得到快速发展，而后国家应通过宏观管控，利用财政补贴和转移支付等手段，为其发展粮食产业所作出的牺牲予以补偿，使粮食生产的外部效应内部化4。而在保障粮食生产的同时，也需要关注生态环境的问题。现有研究主要从粮食生产与环境规制、碳排放及经济发展之间的关系入手来探讨其耦合程度5-6。已有研究表明，地方环境规制和环境约束对绿色全要素生产率有重要的意义，短时期内环境治理成本有所增加，可能会对绿色全要素生产率起到抑制作用7。但就长期而言，环境规制带来的效益足以抵消掉环境治理成本增加而产生的短期负面效应，并使绿色全要素生产率得到进一步的提升8。现有研究大多从粮食产量与经济发展之间的关系、粮食全要素生产率的角度来探讨粮食生产对经济发展的影响，但有关粮食生产和绿色全要素生产率之间关系的研究还相对匮乏。当前学术界关于绿色全要素生产率的研究机制趋于成熟，针对其影响因素也进行多方面的研究，对本文具有重要的参考意义。已有研究基于空间视角对粮食生产的技术效率9、粮食高质量发展10等方面进行探讨，但鲜有学者从空间视角出发，将中国各个地级市的粮食生产与绿色全要素生产率进行关联。总体而言，现有粮食生产的文献主要从劳动力、资本和耕地等要素投入的角度研究空间单元之间的关系，关于从空间角度解读粮食生产对经济主体所产生的空间效应的研究十分有限，难以深入剖析粮食生产对绿色全要素生产率的空间效应，这也可以成为今后理论和实践研究的一个重要方向。随着国家不断加大对粮食安全的重视，以及我国农业逐步实现现代化，粮食产业的发展对经济的影响愈发重要。因此，有必要从空间视角探讨粮食生产的外部性，对粮食生产与绿色全要素生产率之间的关系进行合理评估，同时深入探究粮食生产对绿色全要素生产率的影响机制，并辅以政策的正确引导，以实现粮食产业的可持续发展、高质量发展，进而提升绿色全要素生产率。425第 22 卷农 林 经 济 管 理 学 报二、理论分析与研究假说（一）粮食生产与绿色全要素生产率的基本关系作为产粮大国，中国的粮食生产总量已连续多年超过6亿吨，当前粮食产业已成为粮食主产区农村经济的支柱产业，为农民增收提供助力。而粮食产业仍然是依靠以化肥和农药为主的传统作业，虽然为当地农民带来了更高的经济效益，但也是造成生态环境污染的关键原因。杨晨等11指出农业作为碳排放的第二重大来源，既保障粮食安全又有效控制农业碳排放，是政府关注的焦点所在。令人担忧的是，在提高粮食产量的同时，化肥、农药、农膜、农机等现代农业生产要素的使用量也急剧攀升，化肥和农药的过度使用和农膜残留都会对土壤产生化学污染，农业废弃物的焚烧处理也会产生大气污染。同时，粮食生产所造成的污染排放也与日俱增，粮食主产区呈现出“高碳-低效益”的特征。若忽视粮食产量增长所带来的高额碳排放，势必会付出生态环境代价，对绿色发展现状造成损害，从而抑制绿色全要素生产率的提高。也有学者提出不同观点，与其他农业经济作物相比，粮食生产对于农用化学品的依赖程度更低。因此，发展粮食产业有助于减少农用化学品的使用，从而降低农业的碳排放总量12，促进绿色发展，有利于绿色全要素生产率的提升。从区域空间视角来看，本地区粮食生产和绿色全要素生产率可能会对其他地区的绿色全要素生产率产生空间溢出效应。粮食主产区集中精力发展粮食产业，会进一步释放当地劳动力，使得本地劳动力向其他地区转移13，从而对其他地区绿色全要素生产率的提升起到促进作用。同时，考虑到大气循环和水循环等自然因素的区域关联性，发展粮食产业对于优化其他地区的生态环境起到积极作用，间接促进其他地区绿色全要素生产率的提升14。基于此，提出第一个研究假说：H1：粮食生产会促进绿色全要素生产率的增长，且存在空间溢出效应。（二）机制分析粮食主产区由于发展粮食产业对当地的经济发展速度造成一定的影响，而从事工业和商业的收入水平明显高于从事种粮产业的收入水平，收入水平的比较差异会促使当地劳动力从农业向工业或商业等非农行业转移。同时，农业技术的进一步发展也会加剧当地劳动力的流出15。伍骏骞等16认为农业技术进步有利于实现农业生产的规模效应，能够降低生产成本和提高粮食产量，促进农民增收。劳动节约型技术的发展能够提高农业生产率，而技术进步会进一步促进粮食主产区劳动力的释放，加速当地剩余劳动力向外地转移17。劳动力作为绿色全要素生产率的重要内容，具有正外部性的特征，劳动力的流出会抑制当地绿色全要素生产率的增长。而流入地区则由于劳动力要素集聚，加速当地的发展，进而促进绿色全要素生产率的提升。张建华等18运用有效结构变化指数实证分析劳动力转移对全要素生产率的影响和作用机制，也认为劳动力转移的有效结构变化会降低全要素生产率。基于此，提出第二个研究假说：H2：粮食产业通过加速劳动力的转移，对本地的绿色全要素生产率产生负向作用。随着经济社会的发展和人口的增加，粮食安全的压力与日俱增，产粮大县发展粮食产业对国家公共财政有着客观上的资金需求。令人堪忧的是，农业出现资本报酬递减的特征19，且粮食产业相较于其他产业在经济效益上具有弱质性，粮食主产区往往呈现出农业投入需求大而财政收入贡献少的现象，区域经济发展呈现出滞后状态。为缓解我国粮食安全态势，粮食主产区为发展粮食产业而失去部分发展机会，最终对地方经济发展呈现出制约作用，“产粮大省、财政穷省”展现出粮食主产区的真实面貌。改革开放前，长三角、珠三角等沿海地区都曾是粮食主产区。伴随着改革开放后城镇化和工业化的快速推进，取得巨大的经济效益，地方经济飞速发展，造就了诸多一线城市。直至今日，反观现有的粮食主产区，为保障粮食安全不得轻易占用粮食用地，放弃种植效益更好的非粮作物以及发展非农产业的机会。同时，粮食产业的发展需要更多的财政投入，从而影响发展其他行业的资本投入，制约本地经济发展，对绿色全要素生产率产生抑制作用20。基于此，提出第三个研究假说：H3：发展粮食产业需要增加更多的资本投入，对当地绿色全要素生产率产生负向作用。426第 4 期伍骏骞等：粮食生产对绿色全要素生产率的影响及作用机制基于空间经济学的视角三、数据来源、变量选取与模型选择（一）数据来源本文选取20042018年中国240个地级市的面板数据进行研究，由于部分地区数据缺失，且部分城市涉及行政单位变动，故剔除该部分城市样本，最终经过处理得到240个地级市的面板数据。相关数据主要来源于 中国区域统计年鉴、中国农业年鉴、中国城乡建设统计年鉴 和国家统计局，以及各省市统计年鉴。（二）变量选取1.被解释变量本文选取绿色全要素生产率为被解释变量，以衡量经济绿色发展水平。采用Super-SBM模型进行测算，将绿色全要素生产率指数进行累积化处理并纳入空间计量模型。对投入和产出指标设定如下：投入指标包括劳动力投入、资本投入和能源消耗；产出指标包括期望产出和非期望产出，期望产出用当地的生产总值加以表示；非期望产出以城市工业二氧化硫、工业废水和工业烟尘排放作为环境投入指标进行表示。2.核心解释变量借鉴邵帅等21的研究，利用i地级市当年的粮食产量与行政面积之比得出粮食产出密度，以粮食产出密度来度量该省粮食生产的产出水平，反映粮食的空间集聚程度。3.控制变量参考冯严超等22的研究，选取产业结构、对外开放度、金融发展水平、政府规模和人口密度作为控制变量。本文采用二三产业增加值占GDP的比例来衡量产业结构；以人口集聚的程度，即各省年末人口总量与所辖面积之比来表示人口密度；采用各省金融机构本外币存贷款年末额与当地GDP之比来衡量金融发展水平；采用政府财政支出占GDP的比例来衡量政府规模；采用进出口总额占GDP的比例来衡量对外开放度。4.中介变量本文中介变量为劳动力转移和资本投入。现有研究主要采用人口净流入、进城农民工数量、二三产业人口与总人口之比等指标来反映劳动力转移情况。鉴于本文使用地级市面板数据，借鉴程名望等23的研究，用二三产业就业人数占全社会就业人数的比例以反映劳动力就业结构及其变化，衡量劳动力转移的情况。固定资产投资能够反映政府部门对城市的长期资本投入，对于国民经济和区域经济发展具有重要意义，现有研究通常使用固定资产投资形成总额作为资本投入的衡量指标。因此借鉴孙琳琳等24的研究，采用固定资产投资以衡量资本投入，并进行对数化处理。（三）模型选择1.Super-SBM模型在生产中往往会伴随着碳排放、化学污染等造成的环境污染的产出，称之为非期望产出。基于非期望产出，SBM模型可对生态效率进行测度。相较于传统的数据包络模型（DEA），SBM模型能够有效解决投入要素“松弛”或“拥挤”的现象，但仍然难以进一步识别效率都为1的有效率DMU之间所存在的效率差异。因此，结合 SBM模型和超效率 DEA模型二者的优势所产出的 Super-SBM模型，能够对有效决策单元可以进行进一步地识别区分。假设存在n个DMU，均由投入m、期望产出r1和非期望产出r2构成，模型构建如下：min=1mi=1m()-x/xik1r1+r2()s=1r1-ydydsk+q=1r2-yuyuqk（1）s.t.-x j=1，knxijj；-ydj=1，knydsjj；-ydj=1，knydqjj-x xk；-yd ydk；-yu yukj 0，i=1，2，m；j=1，2，n，j 0s=1，2，r1；q=1，2，r2（2）式（1）式（2）中：x、yd、yu分别为对应的投入矩阵、期望产出矩阵和非期望产出矩阵中的元素，为绿色全要素生产率值。2.空间计量模型和中介模型考虑到粮食生产和绿色全要素生产率的空间溢出性，以及一系列不427第 22 卷农 林 经 济 管 理 学 报可观测因素的空间相关性，设立空间计量模型探究粮食生产对绿色全要素生产率的影响，具体模型如下：Yit=WYit+Xit+WXit+X0it+WX0it+it（3）it=Wit+it，itN0，2I（4）通过前文的机制分析，结合逐步回归法构建中介模型，探究粮食产出密度是否通过促进资本投入增加进而导致绿色全要素生产率降低；同理检验粮食产出密度是否通过促进劳动力转移增加进而导致绿色全要素生产率降低。具体模型如下：Yit=1WYit+1Xit+2WXit+X0it+WX0it+it（5）Mit=1WMit+c1Xit+2WXit+X0it+WX0it+it（6）Yit=1WYit+1Xit+2 Mit+2WXit+3WMit+4WX0it+3X0it+it（7）式（3）式（7）中：Yit代表被解释变量绿色全要素生产率；Xit代表核心解释变量粮食产出密度；Mit代表中介变量；X0it代表控制变量；W代表空间权重矩阵；、1、2、3代表回归系数；、1、2、3、1、2、3、4代表空间相关系数；代表空间误差系数；it和it代表随机误差，且it遵循正态分布。0、=0且=0时，符合空间自回归模型（SAR）；=0、0且 0时，符合空间误差模型（SEM）；0、0且=0时，符合空间Durbin模型（SDM）。后续将根据检验结果及其显著性水平来决定具体选择的模型形式。四、结果与分析（一）空间计量分析1.空间相关性检验通过使用Moran s I指数对绿色全要素生产率和粮食产出密度进行空间相关性，选取20042018年的数据，使用邻接矩阵作为空间矩阵。由表1可知，从20042018年Moran s I指数均大于0，且在1%的统计水平上显著为正，表明存在正的空间相关性。同时绿色全要素生产率的Moran s I指数随着年份的推移整体呈现增长趋势，表明绿色全要素生产率在不断地提升，呈现出正向的空间溢出效应。由此可得，在全局层面上，本文的核心解释变量和被解释变量均具有较为明显的空间集聚效应，使用空间计量模型是合理的。表1绿色全要素生产率和粮食产出密度的全局莫兰指数年份200420052006200720082009201020112012201320142015201620172018绿色全要素生产率Moran s I0.0510.0730.1000.0750.0890.0920.0690.1120.1240.1120.1160.1170.1240.1020.107Z值7.8699.21612.4159.51011.14511.4399.15013.85015.27213.88014.40014.49015.30512.66113.237P值0.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.001粮食产出密度Moran s I0.0520.0530.0540.0580.0610.0540.0570.0640.0590.0540.0450.0430.0470.0480.047Z值6.6926.8657.0077.4827.7926.9467.3118.0947.4967.0155.8385.5886.0936.3026.174P值0.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.0010.001428第 4 期伍骏骞等：粮食生产对绿色全要素生产率的影响及作用机制基于空间经济学的视角为进一步考察绿色全要素生产率和粮食产出密度的空间特征，绘制绿色全要素生产率和粮食产出密度的莫兰散点图。囿于篇幅，选取2004年、2009年、2013年、2018年的结果为代表进行汇报，结果如图1和图2所示。由图1可知，各地级市之间的绿色全要素生产率在莫兰散点图所对应的点大多分布在第一和第三象限，即这些地级市的绿色全要素生产率在空间特征上呈现出较强的正向促进作用，局部区域显著正相关，验证Moran s I指数的结果。图1中的样本点随时间的推移离原点呈现出渐远和分散趋势，反映出绿色全要素生产率在局部地区的显著性水平和相关性程度增强，再次验证使用空间计量模型的合理性。由图2可知，各地级市之间的粮食产出密度在莫兰散点图中所对应的点大都分布在第一和第三象限，虽然显著性水平和相关性程度随时间的推移并未有明显的变化，但各地级市的粮食产出密度在空间上仍呈现出较强的空间溢出效应，与Moran s I指数的结果相同。由上述结论可得，局部空间特征呈现出显著正相关的关系，应考虑空间溢出效应，选择空间计量模型。2.空间计量模型的选择及回归结果分析由前文空间相关性检验结果可知，粮食产出密度和绿色全要素生产率整体上具有空间相关性。在此基础上使用空间计量模型，进一步分析粮食产出密度对绿色全要素生产率的影响。通过对比似然值选择合适的空间计量模型，似然值越大表明模型的拟合效果越好。根据所得似然统计量，与SAR模型和SEM模型相比，SDM模型的似然值更大且统计系数更显著，说明选择SDM模型具有更高的可信度，选择SDM模型更优。因此，使用SDM模型进行估计，回归结果如表2所示。由表2可知，不管是在邻接矩阵还是经济矩阵中，粮食产出密度和空间自相关系数在SAR模型中均在5%的统计水平上显著为正；同时在SEM模型中空间误差系数在1%的统计水平上也显著为正，说明粮食产出密度对绿色全要素生产率有正向的空间溢出效应。在SDM模型中，虽然在经济矩阵下粮食产出密度未呈现出统计显著性，但是在邻接矩阵中在10%的统计水平上正向显著，表明粮食产出密度提高了本地区的绿色全要素生产率。从粮食产出密度的空间加权项来看，在邻接矩阵和经济矩阵中均在1%的统计水平上正向显著，进一步验证粮食产出密度对绿色全要素生产率具有正向的空间溢出效应。可能的原因是本地粮食生产的增加导致需要更多的资源投入到粮食产业中，当地的劳动力和资本要素被吸引到邻近地区，从而有利于邻近地区绿色全要素生产率的提升25。根据偏微分方法的原理，将粮图1绿色全要素生产率Moran s I散点图429第 22 卷农 林 经 济 管 理 学 报食产出密度对绿色全要素生产率的影响系数进一步分解为直接效应、间接效应和总效应。无论是在邻接矩阵还是经济矩阵中，粮食产出密度的间接效应和总效应均为正向显著，表明本地的粮食产出密度具有显著的空间溢出效应。据此，H1得以验证，再次强化选择空间计量模型的合理性。图2粮食产出密度Moran s I散点图表2空间计量模型估计 n=3 600变量名称粮食产出密度粮食产出密度空间加权项直接效应间接效应总效应空间自相关系数空间误差系数似然值R2邻接矩阵SAR0.020*（0.010）0.640*（0.058）1 561.3570.060SEM0.016（0.010）0.635*（0.0578）1 559.460.062SDM0.019*（0.010）0.216*（0.055）0.021*（0.010）0.438*（0.104）0.459*（0.105）0.487*（0.074）1 575.8660.044经济矩阵SAR0.021*（0.010）0.415*（0.041）1 595.0260.075SEM0.016（0.011）0.405*（0.031）1 592.9120.072SDM-0.001（0.012）0.098*（0.027）0.001（0.012）0.158*（0.041）0.159*（0.038）0.393*（0.044）1 623.6190.047注：*、*和*分别表示在10%、5%和1%的统计水平上显著；括号内为稳健标准误；W控制变量、控制变量、个体效应和时间效应均已控制。430第 4 期伍骏骞等：粮食生产对绿色全要素生产率的影响及作用机制基于空间经济学的视角（二）稳健性检验为了保证实证结果的可靠性，将空间矩阵和核心被解释变量替换以进行稳健性检验。由于SDM模型更优，本文采用SDM模型进行检验。前文以邻接矩阵和经济矩阵为权重进行空间估计，但是邻接矩阵和经济矩阵仅以各地区之间的地理距离和经济活动作为标准进行评价，未考虑各个地区间货运量活动的影响。为了验证上述结果的可靠性，以货运量矩阵作为权重替换，进一步分析粮食产出密度对绿色全要素生产率的影响，结果如表3所示。粮食产出密度具有正向的空间溢出效应，且在1%的统计水平上显著。此外，将被解释变量替换为实际GDP进行稳健性检验，粮食产出密度在5%的显著性水平上具有正向的空间溢出效应。因此，本文的实证结果具有稳健性。（三）机制检验根据前文机制分析，通过中介效应模型分析资本投入和劳动力转移在粮食生产和绿色全要素生产率之间的中介效应，回归结果如表4和表5所示。表4的模型（1）显示，粮食产出密度对绿色全要素生产率的总影响为0.019，且在10%的统计水平上显著。模型（2）表明，粮食产出密度对资本投入的影响在1%的统计水平上显著为正。模型（3）中资本投入的回归系数为-0.059，且在5%的统计水平上的显著；粮食产出密度的系数为0.023，且通过了5%的显著性水平检验。可能原因为粮食主产区的政府需要在农业基础建设和粮食产业发展方面的基础设施建设投入大量的财政资金，而粮食产业对经济发展贡献程度较低，会对当地经济发展的增速产生影响，从而抑制绿色全要素生产率的增长。据此，H3得以验证，即存在粮食产出密度提高而促进资本投入增加，进而导致绿色全要素生产率降低的传导机制。表5的模型（5）显示，粮食产出密度对劳动力转移的影响为0.334，且在1%的统计水平上显著。模型（6）劳动力转移对绿色全要素生产率为负向影响，但并不显著。据此，H2不成立。可能的原因是劳动力转移时，不同个体间存在能力和素质方面的差异，新进入劳动力异质性提高可能会导致全要素生产率的下降26，但这种现象只是短暂的，因而影响并不显著。因此粮食产出密度提高促进劳动力转移增加，进而影响绿色全要素生产率降低的传导机制并不成立。表3稳健性检验 n=3 600变量名称粮食产出密度产业结构人口密度金融发展水平政府规模对外开放度空间自相关系数粮食产出密度空间加权项似然值R2货运量矩阵-0.004 58（0.012 20）0.000 055（0.000 04）0.000 07（0.000 05）0.005 93（0.005 14）-0.015 00（0.182 00）-0.332 00*（0.160 00）0.653 00*（0.036 40）0.079 90*（0.025 30）1 670.158 000.067 00实际GDP-0.011 50*（0.004 13）0.000 01（0.000 02）0.000 07*（0.000 02）-0.010 20*（0.002 02）-0.018 50（0.074 10）-0.001 05（0.064 80）0.118 00（0.086 10）0.045 10*（0.021 20）4 731.676 000.017 00注：*、*和*分别表示在10%、5%和1%的统计水平上显著；括号内为稳健标准误；W控制变量、控制变量、个体效应和时间效应均已控制。表4资本投入机制 n=3 600被解释变量粮食产出密度资本投入似然值R2模型（1）0.019*（0.010）1 575.8660.044模型（2）0.072*（0.019）-689.7000.365模型（3）0.023*（0.010）-0.059*（0.009）1 598.7030.050注：*、*和*分别表示在10%、5%和1%的统计水平上显著；括号内为稳健标准误；控制变量、个体效应和时间效应均已控制。431第 22 卷农 林 经 济 管 理 学 报（四）异质性分析尽管本文已经论证粮食产出密度对绿色全要素生产率的影响，但在不同区域的影响是否存在差异，需要进一步深入探讨。首先从地理区位角度出发，将样本划分为标准划分为东部、中部和西部地区3个类别，分别构建SDM的双向固定效应模型，并通过效应分解以分析不同地区的粮食产出密度对绿色全要素生产率的影响，结果如表6所示。东部地区粮食产出密度的直接效应、间接效应及总效应均显著为正，这与前文的结论相符，东部地区空间溢出效应明显。中部地区粮食单产的提升对全域的贡献巨大，空间溢出效应显著。西部地区无论是对本地为负向显著的影响，且呈现出负向的空间溢出效应，可能是因为西部地区经济发展程度较低，难以为当地粮食生产提供更多先进的公共基础设施条件，且自然环境条件较东部地区更为恶劣，粮食生产效率不高，从而呈现出负向影响27。为进一步分析不同粮食生产功能区的粮食产出密度对绿色全要素生产率提升的影响（表7），参照高鸣和魏佳朔28的研究，根据粮食生产资源禀赋将样本分为粮食主产区、粮食主销区和产销平衡区三类，结果如表7所示。1）就直接效应而言，粮食主产区直接效应为正向显著，而产销平衡区的直接效应为负向显著，粮食主销区的直接效应则未通过显著性检验。可能原因是2004年以后受中央政策扶持的影响，粮食主产区发挥其种粮优势，技术效率有明显上升趋势，惠农政策对粮食主产区的影响显著高于粮食主销区和产销平衡区。相比较而言，粮食主销区与产销平衡区对政策的敏感性较差，粮食主产区的平均技术效率水平最高。而产销平衡区的技术效率水平在三个区域中最低，且产销平衡区经济更为发达，非农就业机会更多、收益更高，相比较种粮收益更显低下29。2）在空间溢出效应方面，得益于其产业优势，粮食主产区粮食产出密度对绿色全要素生产率的提升产生正向的空间溢出效应，粮食主销区则表现出负向的空间溢出效应，产销平衡区却并不显著。可能原因是粮食主产区第一产业对当地经济贡献较高，二、三产业则相对落后，粮食主销区第一产业对当地经济贡献则较低，二、三产业更为发达30。3）聚焦于总效应，与三区域的间接效应呈现出相同的结果。即粮食主销区的粮食产出密度对全域的绿色全要素生产率起显著的负向作用，说明粮食在主销区的生产活动是低效率的。而粮食主产区的粮食产出密度对全域的绿色全要素生产率具有正向影响，且在1%的统计水平上显著。基于上述结果，可以看出粮食生产的空间分布是有利于全域绿色全要素生产率的提升的，但仍然需要注意平衡区域的经济发展质量。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省（直辖市）；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省（自治区）；西部地区包括重庆、四川、贵州、云南、广西、内蒙古、西藏、陕西、甘肃、宁夏、青海、新疆等12个省（自治区、直辖市）。粮食主产区包括河北、河南、黑龙江、吉林、辽宁、湖北、湖南、江苏、江西、内蒙古、山东、四川、安徽等13个省（自治区）；粮食主销区包括北京、天津、上海、浙江、福建、广东、海南等7个省（直辖市）；产销平衡区则包括山西、广西、重庆、贵州、云南、西藏、陕西、甘肃、宁夏、青海、新疆等11个省（自治区、直辖市）。表5劳动力转移机制 n=3 600被解释变量粮食产出密度劳动力转移似然值R2模型（4）0.019*（0.010）1 575.8660.044模型（5）0.334*（0.123）-7 494.4910.195模型（6）0.019 3*（0.010）-0.001（0.001）1 576.5670.038注：*、*和*分别表示在10%、5%和1%的统计水平上显著；括号内为稳健标准误；控制变量、个体效应和时间效应均已控制。表6区域异质性检验地区东部地区中部地区西部地区直接效应0.107*-0.026*-0.111*间接效应0.717*0.471*-2.721*总效应0.825*0.446*-2.832*注：*、*和*分别表示在10%、5%和1%的统计水平上显著。432第 4 期伍骏骞等：粮食生产对绿色全要素生产率的影响及作用机制基于空间经济学的视角五、主要结论与政策建议 从理论上系统梳理粮食产出密度影响绿色全要素生产率的机制及空间效应，并构建空间计量模型进行实证检验，主要得到如下结论。第一，粮食产出密度能够显著促进本地的绿色全要素生产率增长，且空间溢出效应显著。第二，粮食产出密度会通过影响资本投入增加进而抑制绿色全要素生产率的提升；同时也会加速劳动力转移，但其对绿色全要素生产率的影响并不显著。第三，粮食产出密度对绿色全要素生产率的影响区域差异明显。东部地区的直接效应与空间溢出效应均为正向显著，中部地区直接效应显著为负，但空间溢出效应显著为正，西部地区直接效应与空间溢出效应均显著为负；粮食主产区直接效应与空间溢出效应均显著为正，粮食主销区的影响则主要表现为空间溢出效应显著为正，而产销平衡区由于产业发展相对均衡，对绿色全要素生产率的空间溢出效应尚未显现。基于上述研究结论，提出以下政策建议。首先，坚定不移地推进粮食产业的高质量发展，加快信息设施建设和新兴技术在粮食产业的运用，最大化粮食产业发展的对绿色全要素生产率的促进作用。其次，加强不同地区间粮食产业链的合作与联系。粮食产出密度对绿色全要素生产率具有正向的空间溢出效应，通过粮食的跨区域调动和产销合作，充分利用互动下的空间溢出效应，促进绿色全要素生产率的提升。再次，针对发展粮食产业而造成的劳动力转移加速和资本投入的增加，政府应提供专项资金来平衡发展粮食产业所带来的负面影响，共同助力绿色全要素生产率的提升。最后，因地制宜发展粮食产业，着力推进粮食主产区粮食产业的发展，所产生的空间溢出效应也将有利于粮食主销区和产销平衡区发展水平的提高，同时构建合理的主销区和产销平衡区对粮食主产区的利益补偿机制，也有利于促进全域绿色全要素生产率的提升。参考文献：1 刘志彪，凌永辉.结构转换、全要素生产率与高质量发展 J.管理世界，2020，36（7）：15-29.2 FANG C，CHENG J，ZHU Y，et al.Green total factor productivity of extractive industries in China：An explanation from technology heterogeneity J.Resources Policy，2021，70：101933.3 毛学峰，刘靖，朱信凯.中国粮食结构与粮食安全：基于粮食流通贸易的视角 J.管理世界，2015（3）：76-85.4 赵波.中国粮食主产区利益补偿机制的构建与完善 J.中国人口 资源