许罕多, 李梦云
(中国海洋大学 经济学院,山东 青岛 266100)
近年来,中国农业经济稳步增长,但也面临着面源污染、生态退化等问题。针对这些发展进程中遇到的难题,一种可能的思路是从发展农业生产性服务业入手[1],即通过农业生产性服务将现代知识和技能引入农业生产过程,提高传统要素使用效率,并用专业生产方式代替经验种养以提升农业绿色效率。
农业绿色发展是学术界关注的热点,其中与本文有关的研究主要有两类:一是农业绿色生产效率测度问题。研究方法主要包括以随机前沿分析为代表的参数法和以数据包络分析为典型的非参数法。与随机前沿分析法相比,数据包络分析法原理相对简单,不需要提前设定具体生产函数形式,因此现有研究大多采用后者测算效率,其中SBM模型应用最为广泛。但SBM模型采用的是前沿面上最远的投影点,与决策者想要以最短路径实现效率最优化的目标相悖,而Aparicio等提出的MinDS模型则克服了这一缺点[2],逐渐成为测度农业生产效率的重要方法。如陆杉和熊娇基于超效率MinDS模型对农业绿色效率展开研究,发现长江经济带农业绿色生产效率存在空间正相关关系和集聚效应[3];鲍丙飞等运用MinDS模型测度了2000-2017年鄱阳湖流域粮食绿色生产效率,并深入探讨粮食绿色生产效率的演变趋势和驱动因素[4]。
二是农业绿色生产效率影响因素。不同学者考察了农地规模经营、产业结构、环境规制以及农业生产集聚对农业绿色生产效率的作用[5-8]。近年来,有文献开始关注农业生产性服务与农业绿色生产效率的内在联系。在微观层面上,大多数学者认为农业生产性服务能够推动农业绿色生产效率提升[9],但不同环节生产性服务的效果存在差异。如张梦玲等将农业服务细分为育秧、施肥和病虫害三个环节,发现施肥和病虫害服务均能提高农业绿色生产率,育秧服务的促进效果不显著[10]。也有学者强调农业生产性服务对农业绿色生产效率的影响存在门槛效应,当服务水平低于门槛值时会抑制农业绿色生产,只有跨过门槛值,生产性服务的积极作用才能发挥[11]。在宏观层面上,颜华等利用2001-2020年省级数据,得到农业生产性服务能够提高粮食绿色生产效率的结论,并指出农业生产性服务主要通过专业分工、规模经营和技术进步三个路径影响粮食绿色生产[12]。
目前已有成果为本文提供了重要的借鉴,但现有相关研究仍存在以下不足:一是大多数研究仅关注环境规制对农业绿色生产效率的影响,或将环境规制作为控制变量,鲜有将环境规制、农业生产性服务、农业绿色生产效率三个变量放在同一框架中,对三者之间的关系进行探讨;二是现有研究在测算农业绿色生产效率时多是运用SBM模型,而SBM模型投影点的选择存在不合理之处,导致其测算结果可能存在偏差;三是在宏观层面,当前文献主要关注农业生产性服务与农业绿色生产效率的线性关系,鲜有考虑两者之间存在非线性关系的可能性。基于此,本文可能的边际贡献在于:第一,在理论机制上,本文突破了关于环境规制、农业生产性服务与农业绿色生产效率之间两两关系的一般性讨论,从知识溢出效应、创新效应、竞争效应、道德风险和成本约束五个方面提出农业生产性服务对农业绿色生产效率影响的理论机制,并将环境规制强度纳入分析框架,运用调节效应模型揭示农业生产性服务与农业绿色生产效率作用机制中环境规制的动态调节效应,为深入理解三者之间的内在联系提供参考。第二,在研究方法上,为克服SBM模型的不足,选用MinDS模型对各省区市的农业绿色生产效率进行测算。同时考虑农业生产过程中产生的碳排放和面源污染,更全面准确地衡量农业绿色生产效率,使研究结果更加可靠。第三,在研究结论上,以中国31个省区市2010-2021年的宏观数据为基础,验证了农业生产性服务对农业绿色生产效率具有非线性影响,拓展和补充了农业绿色发展问题的研究。
1.农业生产性服务对农业绿色生产效率的影响
农业生产性服务作为一种新型要素投入,对农业绿色生产效率的作用效果是一把双刃剑,既能发挥正面促进作用,也能产生负面抑制影响。其正面效应主要体现在三个方面:第一,知识溢出效应。在服务外包过程中,购买生产性服务的农户和其他生产主体能够向生产性服务组织学习专业的知识和技术[13],采取更加科学先进的生产方式。知识溢出增加了农业生产主体对绿色生产的了解程度,使其可以根据自身需要理性选择,提高农业生产者采纳绿色农业技术的积极性[14],推动绿色要素向生产主体流动。第二,创新效应。农业生产性服务组织推进的肥料统供统施、病虫害绿色防控和农业灌溉节水等技术以及专业化动物疫病防治服务,具有显著的环境正外部性[15],为农业生产注入了现代化绿色新技术。此外,服务组织对畜禽养殖废弃物、作物秸秆和地膜等污染物的回收与转化,能够实现废弃物资源化利用,减少生产主体丢弃、焚烧农业废弃物等污染环境的行为,推动产中和产后多环节绿色生产。第三,竞争效应。随着村庄空心化、种地老龄化问题凸显,农业生产者对生产性服务的市场需求增加[16],更多农业生产性服务主体加入到行业中来,服务主体之间的可替代性增强。农业生产性服务主体为保持竞争优势,会主动进行农业绿色创新活动[17],倒逼其他服务主体加大服务创新力度。同时,受市场竞争驱动的服务主体倾向于提高农产品的绿色属性以提升农产品附加值和自身竞争力[18],从而促进农业的长期绿色发展。
然而,农业生产性服务嵌入农业生产链条也会带来一系列负面影响。一是道德风险。由于农业污染排放的分散性和隐蔽性,农户很难对服务全过程进行有效监督,加上农业生态补偿机制和污染治理机制尚未健全[19],服务主体实行绿色生产的激励不足。尤其当农户购买多种生产性服务时,由于不同农业服务主体在不同环节提供的服务很难完全区分开[20],无法对服务质量进行有效评判,助长了服务主体的机会主义行为,阻碍农业绿色发展。二是成本约束。农业生产者和服务主体之间的成本约束主要源于双方的信息不对称,尤其在农业服务市场发展初期,服务主体能够掌握的农户需求信息有限,进一步提高了服务供给方传递信息、签订合约的成本[21]。服务方可能出于自身利益考虑,为保障收益降低服务质量[22],使用廉价投入品代替现代技术,造成要素投入扭曲[23]。此外,农业生产者在多个环节的外包还会导致不同服务主体之间沟通和衔接问题,由此产生的时间阻滞会引起劳动时间延长、资源闲置浪费和服务质量下降,削弱农业生产性服务的促进作用。根据以上分析,农业生产性服务能够对农业绿色生产效率产生影响,但两者之间的关系取决于农业生产性服务正负效应的大小,因此本文提出假说1:
H1:农业生产性服务与农业绿色生产效率之间存在非线性关系。
2.环境规制的调节效应
由于环境污染具有负外部性,仅依靠市场机制难以对农业污染进行有效防控,政府环境规制是缓解市场失灵的必要手段[24],因此需要政府制定环境规制政策进行干预。一方面,就农业生产性服务的负向效应而言,政府环境规制政策能够通过提高环境污染成本将个体环境污染的外部效应内部化,驱使服务供给方和农业生产者向亲环境生产方式转变,推动农业绿色生产。同时,根据波特假说,适度的环境规制能够降低环境投资风险,鼓励农业生产性服务供给者主动寻求绿色技术创新[25],驱动化肥农药减量增效技术和农业废弃物资源化利用技术不断优化,并通过提高农产品附加值提升农业生产效率[7]。因此环境规制能够弱化农业生产性服务对农业绿色生产效率的负面影响。另一方面,就农业生产性服务的正向效应而言,严格的环境规制会增加生产性服务主体的农业成本,并且环境规制的创新补偿效应通常需要一段时间才能发挥作用,因此环境规制对技术创新的驱动并不能完全弥补环境规制的“遵循成本”效应[26],反而会挤压生产性服务主体的绿色创新资金,不利于农业绿色可持续发展,进而弱化了农业生产性服务对农业绿色生产效率的正面影响。综上,本文提出假说2:
H2:环境规制政策在农业生产性服务对农业绿色生产效率的影响机制中发挥调节效应。
1.模型构建
(1)基准模型构建 根据上述理论分析,农业生产性服务对农业绿色生产效率存在正负两方面影响,即两者之间的关系会随着正向效应和负向效应的变化表现出非线性特征。为验证可能存在的非线性关系,设定如下基准回归模型:
(1)
其中:i表示省区市;t表示时期;SCORE是农业绿色生产效率;APS是农业生产性服务;CONTROLS是一系列控制变量;μi代表个体固定效应,δt代表时间固定效应,εit代表随机扰动项。
(2)调节效应模型构建 为深入揭示农业生产性服务对农业绿色生产效率的作用机理,本文考察了环境规制所发挥的调节作用。借鉴朱丹和周守华的做法[27],加入环境规制与农业生产性服务一次项和二次项的交互项,构造如下模型,检验上述变量发挥的调节效应:
β5ERit+β6CONTROLS+μi+δt+εit
(2)
其中:ER为环境规制强度,其余变量含义与(1)式相同。
2.变量说明
(1)投入产出变量 在实际测算时,参照李谷成[28]、梁俊和龙少波[29]的研究,从土地、劳动、机械、水资源和化肥五个方面描述投入。以农作物播种面积和水产养殖面积之和表示土地投入;以农林牧渔业从业人数表示劳动投入;以农业机械总动力表示机械投入;以农业用水量表示水资源投入;以农用化肥施用折纯量表示化肥投入。产出分为期望产出和非期望产出,本文用农林牧渔业总产值表征期望产出,并以2010年为基期进行平减处理;非期望产出包括农业面源污染以及农业碳排放。
中国农业面源污染主要来源于化肥流失、农业固体废弃物、畜禽养殖和水产养殖。借鉴陈敏鹏等[30]和吴义根等[31]的做法,采用单元调查法估算农业污染源产生的总氮(TN)、总磷(TP)和化学需氧量(CODCr)排放量,并将各类污染源分解为若干单元,见表1所列。计算方法和参数值主要参照《污染源普查农业源系数手册》的分省区市各参数取值以及文献[32-35]。
表1 农业面源污染产污单元清单
农业碳排放源概括为四大类:一是农业物资投入引发的碳排放,包括化肥、农药、农膜和柴油使用过程中对应的碳排放水平;二是种植业翻耕形成的碳排放;三是粮食种植导致的碳排放,包括水稻、小麦、玉米和大豆四种主要粮食作物产生的碳排放总量;四是畜禽养殖带来的碳排放,本文仅考察猪、牛、羊三种牲畜产生的碳排放量。农业碳排放测算公式为:
(3)
其中:T是农业碳排放总量;Ti是某种碳源形成的碳排放量;θi是碳排放系数;ti是碳源总量。各碳排放源系数参考文献[36-38]。
(2)被解释变量 农业绿色生产效率(SCORE):农业绿色生产效率是指包含环境污染因素的农业经济增长绩效[39],即在传统农业生产效率基础上,将环境污染物排放纳入分析框架中,考虑资源投入、环境污染和农业产出多方面因素,评价农业生产经济和环境绩效的综合效率。由于传统径向DEA模型对无效率的测量没有考虑到松弛变量的影响,现有研究广泛使用的SBM模型虽然克服了这一问题,但该方法会低估非有效决策单元的效率水平。而MinDS模型将距离有效前沿面上最近的点作为投影点,能够有效避免SBM模型投影点选择不合理的情况[2],因此本文利用MinDS模型对农业绿色生产效率进行测度。
(3)解释变量 农业生产性服务(APS):农业生产性服务是指贯穿农业产前、产中、产后各环节,直接或协助完成农业生产的社会化服务。关于如何量化农业生产性服务,目前学术界还未达成共识。郝爱民将交通运输与邮电业、零售与批发业、房地产业、金融业和其他农业服务业看作是农业生产性服务业,并以农业生产性服务业从业人数与农业从业人数比值作为农业生产性服务的代理变量[40];李明文等以农林牧渔服务业产值与农业总产值之比衡量农业生产性服务的整体水平[41];楚明钦以农业生产性服务细分行业农户固定资产投资占全社会固定资产投资比重代表农业生产性服务[42]。由于细分行业从业人数和农户固定资产投资数据近几年已不再统计,而农林牧渔服务业是指对农林牧渔业生产活动进行的各种支持性服务活动,与农业生产性服务的含义接近,因此本文采用农林牧渔服务业产值与农林牧渔业总产值之比作为农业生产性服务的替代指标。
(4)调节变量 环境规制强度(ER):当前国内外学者主要从投入端和排放端两个维度衡量环境规制强度:投入端主要使用环境污染治理投资额作为环境规制的替代变量,排放端主要以排污费征收额表征环境规制强度。鉴于农业污染排放的隐蔽性,应当将环境规制重心放在可控的投入端[24]。但各地区环境污染治理投资额最新数据仅到2017年,因此基于数据可得性,本文借鉴刘承毅和李欣[43]、邓晴晴等[44]的研究,以地方财政环境保护支出按第一产业产值在GDP中所占比重估算地区农业环保支出,并以农业环保支出与GDP比值衡量环境规制强度。
(5)控制变量 参考文献[45-47],选取以下变量作为本文的控制变量:第一,灌溉设施水平(IRR),用有效灌溉面积与农作物播种面积比值表征农业灌溉状况。灌溉设施的完善有利于减少水资源消耗,优化资源配置,为农业绿色生产效率提升提供基础。第二,农业规模化水平(SCA),以农作物播种面积与农业从业人数比值度量。农地规模经营有助于提高农业生产的集约化和标准化程度,实现要素合理配置[48],对农业绿色生产效率发挥正向效应。第三,收入分配(INC),以城镇居民与农村居民收入水平之比表示。城乡收入差距拉大,促使农业生产者通过增加化学要素投入提高产出和收入,不利于农业绿色发展。第四,农业机械密度(AMD),用农业机械总动力与农林牧渔业从业人数之比衡量。农业机械化虽然有助于提高劳动生产率,但也会导致碳排放等非期望产出增加,对农业绿色生产效率作用方向未知。第五,能源消耗(ELE),用农村居民人均用电量反映能源消耗情况。电力是农业生产活动的重要动力,能够在一定程度上替代农业生产对化石能源的使用,有利于减少农业碳排放,促进农业绿色生产效率提升。第六,产业结构(IND),用二三产业增加值占地区生产总值比重表示。二三产业的发展在为农业生产提供物质与技术支持的同时,也会导致农业生产要素外流,对农业绿色生产效率影响未知。
3.数据来源
由于相关统计年鉴从2010年开始统计农林牧渔服务业产值,基于数据可得性,本文将2010-2021年中国31个省区市(因数据缺失,不含台湾省、香港和澳门特别行政区)的面板数据作为研究单元。数据来源于《中国统计年鉴》《中国农村统计年鉴》《中国第三产业统计年鉴》、国家统计局以及各省区市统计年鉴,部分缺失数据采用插值法补齐。
1.基准回归分析
本文分别使用F检验、LM检验和修正的豪斯曼(Hausman)检验,对比了混合OLS、随机效应和固定效应模型,得到的检验P值均为0.000,表明固定效应模型优于其他两种模型。联合显著性检验结果显示P=0.000,因此选择双向固定效应模型。此外,由于数据存在异方差、自相关和截面相关等问题,采用Driscoll-Kraay标准误进行回归估计。农业生产性服务对农业绿色生产效率的回归结果见表2所列。
表2 农业生产性服务与农业绿色生产效率的基准回归结果
表2列(1)和包含控制变量的列(2)均表明,农业生产性服务与农业绿色生产效率之间呈现U型关系,假说1得到验证。在农业生产性服务发展初期,服务专业化水平不高,加上农村基础设施落后的限制,难以实现农业规模化和集约化生产,抑制了农业绿色生产效率提升。此外,外来的服务方比熟人面临更高的道德风险,生产者倾向于加大对服务供给者的监督,引起监督成本上升和农业生产效率损失。而基于农业生产的隐蔽性,服务方也存在合谋磨洋工、加大农业投入以维持产量的动机[49],不利于农业绿色生产。随着农业生产性服务的发展,当农业生产性服务业形成空间集聚时,一方面,技术溢出效应和竞争效应促使服务主体加快技术创新以保持竞争优势,推动整个区域农业绿色技术和农业生产经营水平提升;另一方面,农业生产者能够与不同服务供给方深入交流,通过学习和模仿将绿色生产技术和经验引入农业生产中,农业知识溢出效应充分发挥,最终提高农业绿色生产效率。
在控制变量中,灌溉设施水平和农业规模化水平有利于促进农业绿色生产效率提升,收入分配和产业结构对农业绿色生产效率具有抑制作用,而农业机械密度和能源消耗的作用效果不显著。具体来说,灌溉设施水平系数显著为正,灌溉设施建设有利于减少农业生产对水资源的粗放使用,提高农业灌溉用水效率,并有效降低干旱等自然灾害对农业产出的冲击,对农业绿色生产效率产生正面影响。农业规模化水平系数显著为正,农地规模的适度扩大不仅有助于发挥农业生产的规模效应,降低单位面积要素使用成本和污染治理成本,还能够促进农业生态技术的应用与传播,为农业绿色生产效率提升提供支撑。收入分配系数显著为负,原因在于,当城乡收入水平差距变大时,一方面会吸引农村文化素质水平较高的青年劳动力向城市转移,加剧人力资本在城乡间分配的不均衡;另一方面,农业生产者为保证收入可能会采取粗放生产模式,导致要素投入过量、资源过度开发等问题,对环境造成严重负面效应,抑制农业绿色生产效率提高。农业机械密度系数为负但不显著,由农业机械化发展引致的柴油等能源消耗增长,会造成农业碳排放增加和农业生产环境恶化,不利于农业绿色生产效率提升。但机械化水平的提升也能够提高传统要素使用效率,缓解农业生产资源约束,从而部分抵消了农业机械化的负面效应。能源消耗系数为正但不显著,可能是由于农村电力资源存在大量浪费情况,没有充分运用到农业生产经营中。产业结构系数显著为负,非农产业的快速发展会对农业产生一定的虹吸效应,吸引劳动力和资本等农业生产要素流出,造成农业发展条件恶化,对农业绿色生产效率产生负向影响。
2.稳健性检验
前文回归结果可能存在一定偏差,本文通过替换回归模型、改变样本区间、内生性处理和缩尾处理进行稳健性检验。结果见表3所列。
表3 稳健性检验结果
第一,替换回归模型。农业绿色生产效率是介于0～1之间的受限被解释变量,普通回归方法可能存在偏差,故引入面板Tobit模型进行回归,以确保研究结果的准确性。表3列(1)结果显示,核心解释变量一次项和平方项系数与前文相比未发生显著变化,表明基准回归结果具有较好的稳健性。
第二,改变样本区间。2020年新冠疫情对农业经济产生了重大影响,为排除疫情对研究结果的影响,利用2010-2019年数据重新进行回归,表3列(2)的回归结果表明H1结论稳健。
第三,内生性处理。考虑到两者之间可能存在的双向因果关系,将农业生产性服务滞后一期作为解释变量,由表3列(3)可知,农业生产性服务一次项系数显著为负,平方项系数显著为正,假说1结论稳健。此外,本文进一步使用系统GMM模型缓解可能存在的内生性问题。Hansen检验P值为0.177,说明不存在过度识别问题,AR(1)和AR(2)检验P值分别为0.006和0.375,表明随机误差项存在一阶自相关,不存在二阶自相关,因此系统GMM的估计结果是有效的。由表3列(4)可知,农业生产性服务一次项和平方项系数符号没有发生变化,证实了假说1的稳健性。
第四,缩尾处理。考虑到数据异常值的影响,对主要变量进行上下1%的缩尾处理。使用缩尾后数据重新估计农业生产性服务对农业绿色生产效率的影响,表3列(5)结果与前文基本一致,基准回归结果稳健。
3.异质性分析
中国幅员辽阔,各地区经济发展水平差异较大,可能会对研究结果造成影响,因此本文将全样本划分为东、中、西部和东北地区(1)东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南;中部地区包括山西、安徽、江西、河南、湖北、湖南;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆;东北地区包括辽宁、吉林和黑龙江。四个区域,分析农业生产性服务对农业绿色生产效率影响的区域异质性。回归结果见表4所列。
表4 不同地区农业生产性服务对农业绿色生产效率的回归结果
由表4可知,农业生产性服务一次项和二次项在东部地区均为负且不显著,这是因为东部地区多数省区市农业绿色生产效率已经处于较高水平,农业生产性服务发展水平的提升对这些地区绿色生产效率的促进作用有限,反而还可能导致道德风险等负面效应,造成农业绿色生产效率下降。在中部地区,农业生产性服务与农业绿色生产效率之间存在U型关系。此外,与全样本相比,中部地区农业生产性服务更早达到拐点(拐点值通过一元二次方程对称轴的计算公式得到),对农业绿色生产效率发挥正向作用。主要原因可能是:一方面,中部地区气候、地形和土壤等自然条件适合农业生产,且农业基础设施相对完善,为农业规模化和现代化生产提供了前提,有利于发挥农业生产性服务的正面效应;另一方面,中部地区农业生产性服务供给水平较高,并且农业生产者也愿意接触并购买农业生产性服务,从而农业生产性服务附带的资本、技术和知识更容易被生产者采纳。
农业生产性服务与西部地区农业绿色生产效率之间存在倒U型关系,但农业生产性服务的正向效应不显著。其原因在于,西部地区经济发展水平和农业设施建设落后,农业生产性服务的供给和实施受到诸多限制,加上西部地区农业规模化经营程度较低,小农户分散化生产特征明显,农业生产经营者对农业生产性服务的需求不高,不利于农业生产性服务绿色效应的发挥。
农业生产性服务与农业绿色生产效率的U型关系在东北地区不显著。可能的原因是,东北地区仅有三个省份有研究期内的数据,样本数量不足导致作用结果不显著。
4.调节效应检验
针对假说2,本文将环境规制作为调节变量,验证环境规制强度差异是否会对农业生产性服务和农业绿色生产效率的非线性关系产生影响。调节效应估计结果见表5所列。
表5 调节效应估计结果
表5列(1)结果显示,环境规制与农业生产性服务一次项交互项系数为正,二次项交互项系数为负,且二者均显著,说明环境规制在农业生产性服务和农业绿色生产效率作用机制中发挥调节效应。为保证结果稳健,表5列(2)是未对农业生产性服务和环境规制进行中心化的结果,交互项符号与列(1)相同,假说2得到验证。
U型关系的调节效应主要从以下两个方面进行分析:一是曲线拐点是否发生移动。当拐点平移判别式(β1β4-β2β3)大于0时,曲线拐点右移;反之,则左移。将回归系数带入判别式,计算得到(β1β4-β2β3)>0,表明随着环境规制强度增大,农业生产性服务与农业绿色生产效率的U型曲线拐点右移。原因可能是,当前地方政府和环保部门对环境规制政策的执行与监管趋于形式化,没有根据当地实际情况动态调整环境规制的着力点,不仅难以对农业生产行为形成有效约束,反而会挤占农业创新资金,限制农业生产性服务正向效应的发挥。
二是曲线形状是否发生改变。环境规制对U型曲线形状的影响主要反映在β4的正负,β4若大于0,曲线变陡峭;若小于0,曲线变平坦。由表5结果发现,环境规制与农业生产性服务二次项的交互项系数β4为负,表明环境规制的调节作用使得原来的U型曲线变得更加平缓。环境规制强度的提高能够弱化农业生产性服务的促进和抑制作用,其原因在于:在U型曲线左侧,农业生产性服务处于较低发展水平,还未形成有效规范,服务方存在扩大生产资料投入维持产量的动机。政府的环境规制通过对经营主体农业生产行为进行约束,能够缓解由于农业监督困难导致的服务方不规范生产行为,降低道德风险引起的农业效率损失,弱化农业生产性服务的消极作用。在U型曲线右侧,农业生产性服务对农业绿色生产效率产生正向影响。而环境规制要求在农业生产经营中要达到一定的环境标准,这会增加服务主体治理环境的成本,对设备升级、农业研发和人力资本培训费用产生挤出效应,抑制服务主体农业技术创新,削弱农业生产性服务的积极作用。
本文分析了农业生产性服务与农业绿色生产效率之间的影响机制,并运用31个省区市2010-2021年的相关数据来验证假说。研究结果表明:农业生产性服务与农业绿色生产效率之间存在显著的U型特征,经过相关检验后,研究结论仍旧稳健;控制变量灌溉设施水平、农业规模化水平、收入分配和产业结构均对农业绿色生产效率产生显著影响;农业生产性服务对农业绿色生产效率的作用效果具有地区异质性,在中部地区,农业生产性服务和农业绿色生产效率的U型关系仍旧成立;环境规制在农业生产性服务对农业绿色生产效率的作用机制中发挥调节效应,表现为使U型曲线拐点右移、形状变平缓。基于研究结论,本文提出以下建议:
首先,健全农业生产性服务标准化和信息化发展体系。道德风险和信息不对称是造成农业生产性服务抑制农业绿色生产效率提升的主要原因,因此各地区要建立农业生产性服务质量监督和反馈机制,对不规范的生产行为进行通报和处罚,减少由于监督乏力导致的服务主体机会主义行为。此外,还要搭建农业生产性服务信息平台,促进不同地区农业服务信息共享,降低服务主体和生产主体之间的信息成本,提高服务供给方和需求方的匹配效率。
其次,注重不同地区经济发展差异,制定农业生产性服务差异化政策。在西部地区,农业生产者对农业生产性服务的需求较低,应当强化公益性农业服务供给,由政府提供部分外部性较强、具有普惠性质的农业生产性服务,并引导社会力量加入公益性服务体系建设,降低西部地区生产性服务市场进入门槛。而东部、中部和东北地区农业生产性服务水平相对较高,在鼓励农业生产性服务发展时应注重服务质量提升。政府部门和村集体应当积极培育农民专业合作社、农业龙头企业等多种服务主体,促进农业生产性服务主体与其他主体之间的优势互补,形成多元化、创新型服务主体供给局面,提高服务主体服务能力和服务质量。
最后,重点调整灌溉设施水平、农业规模化水平、收入分配和产业结构等关键影响因素,优化农业绿色生产效率提升路径。加大农田水利工程等基础设施建设投资,大力普及农业节水灌溉设备与技术;促进农村土地流转和整合,鼓励农业生产者因地制宜开展农地适度规模化经营;深化城乡收入分配改革、加强农业劳动力生产技能培训,通过促进农民收入增加缩小城乡收入差距;适当调整农村产业结构,引导技术、资金和劳动力等生产要素在不同产业之间合理分配,促进农村一二三产业资源协调配置。
猜你喜欢 生产性规制效应 铀对大型溞的急性毒性效应核科学与工程(2021年4期)2022-01-12主动退市规制的德国经验与启示南大法学(2021年4期)2021-03-23懒马效应今日农业(2020年19期)2020-12-14少数民族传统医药知识生产性保护研究铜仁学院学报(2018年4期)2018-06-13保护与规制：关于文学的刑法刑法论丛(2018年4期)2018-05-21煤矿工人生产性粉尘对身体健康影响的研究临床医药文献杂志(电子版)(2017年11期)2017-05-17应变效应及其应用中学物理·高中(2016年12期)2017-04-22基于生态的京津冀生产性服务业发展探讨经济与管理(2016年2期)2016-12-01论《反不正当竞争法》的规制范畴法治研究(2016年4期)2016-12-01新媒体时代的生产性受众浅析新闻传播(2016年2期)2016-07-12
