農機社會化服務對糧食綠色生產效率的影響分析*

張澤文，張德碩，崔茂森

(青島農業大學經濟與管理學院(合作社學院),山東青島,266000)

0 引言

無農不穩,無糧則亂。我國作為糧食生產大國,近年來糧食產量不斷增加,但是在增產背后帶來的是過度使用農藥、化肥、農膜,從而導致土壤肥力下降、耕地資源遭到破壞,造成一系列的生態環境問題。根據《第二次全國污染源普查公報(2020)》顯示,2020年我國糧食化肥使用量高達36 606 kt,糧食農藥使用量達915.4 kt,糧食農膜使用量達1 665.5 kt,均遠超國際標準,對生態環境造成一定威脅。中央一號文件多次指出,糧食發展要協調資源消耗、環境保護和高效生產的三者之間關系,加強農業污染的綜合治理,因此在抓好糧食生產的同時,保障糧食綠色生產顯得尤為重要。當前,我國糧食生產方式從主要依靠人力畜力轉變為主要依靠農業機械的新階段,農機社會化服務已然成為解決糧食生產“誰來種、怎么種”的現實路徑,為保障國家糧食安全、減少環境污染和助力鄉村振興提供了重要支撐。因此在當前國家高度重視糧食安全的背景下,探究農機社會化服務對糧食綠色生產效率的影響,對實現糧食綠色高效生產、保障國家糧食安全和生態安全,以及促進農業可持續發展均具有重要的現實意義。

關于生態效率的概念最早是1990年瑞士學者Schaltegger和Sturm提出[1],即經濟增長中要考慮到其造成的環境影響。2007年國內學者周震峰率先提出關于農業方面生態效率的思考[2],引起國內學者的廣泛關注。近年來,關于糧食綠色生產效率的研究成果逐漸豐富,研究內容主要集中在水平測度、空間特性、特定區域研究和影響因素等方面。在水平測度方面,陳寶珍等[3]采用DEA的方法計算了2006—2015年中國各省糧食生產生態效率,其結果表明,全國總體趨勢上升緩慢,糧食產區生態效率顯著提高;從區域上看,東北、中部、西部和東部地區糧食生態效率依次下降。魯慶堯等[4]通過對2000—2018年各省糧食生產生態效率的測算分析,研究表明各省間糧食生產生態效率平均值較低,從分區上看,從西、中到東呈顯著減少趨勢。在空間特性方面,崔宏博[5]測度了2000—2019年我國糧食綠色生產效率,結果表明中國糧食綠色生產效率上升趨勢顯著,且明顯具有正向全局空間自相關性特征,但效率值較低均小于1,未達到有效前沿面;三大糧食功能區的效率值穩定保持“主銷區>產銷平衡區>全國平均>主產區”的關系。在特定區域研究方面,李雪等[6]對我國糧食主產區進行研究,認為糧食主產區的糧食生產生態效率不高,投入和非期望產出存在大量冗余。任志安等[7]對淮河生態經濟帶展開研究,其結果表明:淮河生態經濟帶糧食綠色生產效率呈現在波動中緩慢增長的趨勢,各地綠色發展水平區域差距明顯,呈現出“東高西低”的特點。在影響因素方面,已有研究表明人均GDP、灌溉率[8]、規?；絒9]、農業機械化水平、工業化水平[10]和技術創新[11]等因素對糧食綠色生產效率均有著重要的影響。關于農機社會化服務的研究成果多數來自微觀視角,已有研究表明農機社會化服務有利于緩解農戶相對貧困[12],是構成了農機具購置補貼促進農民增收的重要渠道[13]。此外,農機社會化服務有助于化肥減量施用[14]、促進農戶增加糧食作物種植面積[15]、還有助于提升小麥生產技術效率[16]。

綜上所述,現有文獻關于農機社會化服務與糧食綠色生產效率的研究已非常豐富,但仍存在一定待完善的空間。一是現有研究關于農機社會化服務水平的指標體系構建維度過于單一,不能夠科學、全面的評價農機社會化服務的發展水平,二是鮮有研究從空間視角來考察農機社會化服務對糧食綠色生產效率的影響及溢出效應。因此本文可能存在的邊際貢獻在于,一是從多維度構建了農機社會化服務水平指標體系;二是在空間視角下,運用空間杜賓模型探究農機社會化服務對糧食綠色生產效率的空間溢出及作用機制;三是檢驗了農機社會化服務對糧食綠色生產效率的溢出距離即可能存在的地理衰減邊界,以期為發展農機社會化服務、提高糧食綠色生產效率提供實證依據。

1 理論分析與研究假說

糧食綠色生產效率提升的重點在于通過先進的生產技術及設備改善現有的生產投入結構,利用技術革新的方式實現農業生產與環境的均衡發展。農機社會化服務作為一種新型組織形式,改變了以往的糧食生產方式,提高了整體或某一生產環節的效率,且有效降低了因糧食生產而造成的環境代價。本文認為農機社會化服務有助于提升糧食綠色生產效率的理論依據源于以下幾個方面。

1.1 農業社會化服務對糧食綠色生產效率的影響機理

一是替代效應。隨著城鎮化發展,農村居民為追求更高的收入而不斷流向城鎮,糧食生產中呈現出勞動力供給不足的問題。留在農村繼續從事糧食生產的農民需要耕種的土地規模增大,若保持現有的勞動力投入可能帶來生產效率的損失。生產主體若通過市場機制購買農機服務來實現對勞動力要素的替代,則可以有效緩解這種糧食生產中勞動力投入不足的問題,能夠有效提高糧食生產的效率。二是分工效應。由于糧食種植中生產周期長、生產時間固定等特征,使得其生產過程中的分工和專業化程度較低。隨著農機社會化服務的出現與采納,農戶通過農機社會化服務的專業化作業而產生了分工效應。經過生產環節技術上細分后,專業分工不斷深化,生產主體在某一生產環節的熟練程度不斷提高,不同生產主體在特定的環節上發揮了比較優勢,從而提高了整體的糧食生產效率。三是減碳效應。農機作業相較于人工耕作具有較高的精準性和高效性,避免了農藥和化肥的過量使用,能夠有效降低糧食生產過程中農藥化肥帶來的面源污染和碳排放,從而促使糧食綠色生產效率的提高?；诖?提出假設H1:農機社會化服務能夠促進糧食綠色生產效率的提升。

1.2 農機社會化服務對糧食綠色生產效率的空間溢出機理

農機社會化服務對糧食綠色生產效率的空間溢出效應是通過農機跨區作業來實現的。在重點農時季節開展跨區域的機耕、機播、機收服務,不僅能夠提高農機的利用率、提高農機的使用效益,而且能夠滿足鄰近地區農民對農機作業的需求,在生產方式上實現了外部規模經濟,從而有利于糧食生產效率的提升。另一方面,通過農機跨區作業,有效解決鄰近地區勞動力季節性不足的矛盾,優化鄰近地區糧食生產中的投入要素配置,進而促進鄰近地區的糧食生產效率提高?；诖?提出假設H2:農機社會化服務對鄰近地區的糧食綠色生產效率存在空間溢出效應。

1.3 農地規模經營與農村金融水平調節效應的作用機理

農地經營規模越大,越有利于機械施用技術與裝備的采納,從而保證作業的連續性[17]。此外,連片規模越大,越有助于通過生產性服務外包而進行專業化作業[18]。因此本文認為在農地經營規模更大的地區,農機社會化服務對糧食綠色生產效率的正向促進作用更為顯著?；诖?提出假設H3a:農地規模經營在農機社會化服務對糧食綠色生產效率的影響中發揮正向調節作用。

在農村經濟中,金融是連接農村經濟體的重要紐帶[19],為農民在擴大生產規模、改善生產條件、采納農業技術方面發揮著重要作用。健全的農村金融信貸服務有助于農戶緩解資金約束,進而為農戶采納農機社會化服務提供資金支撐。因此本文認為在農村金融發展水平更高的地區,農機社會化服務對糧食綠色生產效率的正向促進作用更加顯著?；诖?提出假設H3b:農村金融發展水平在農機社會化服務對糧食綠色生產效率的影響中發揮正向調節作用。

2 模型選取、指標構建、數據來源

2.1 指標選取

2.1.1 被解釋變量

糧食綠色生產效率(efficiency)。指標體系構建對糧食綠色生產效率的測算影響較大,既要保證構建的指標體系能夠全面評價研究地區的實際狀況,又要兼顧指標選取的科學性和合理性?；谏a要素理論,參考已有研究構建了表1所示指標體系。選取了糧食生產過程中的土地、勞動力、生產要素作為投入變量:(1)土地投入:選取糧食播種面積作為衡量土地投入[20];(2)勞動力投入:選取農業從業人員來表示;(3)生產要素主要包括農藥、農膜、化肥、機械分別用農藥使用量、農膜使用量、化肥使用量、農業機械總動力來表示,通過借鑒魯慶堯的研究[4],為更精確的測度糧食生產中投入要素的使用量,將生產要素投入和勞動力投入與糧食播種面積占比系數乘積進行測算。

表1 糧食綠色生產效率評價指標體系Tab. 1 Evaluation index system of green production efficiency of grain

產出指標包括期望產出和非期望產出:期望產出選擇糧食總產量來表示。非期望產出選擇碳排放量來表示。包括對化肥、農藥、農膜產生的碳排放量進行估算[21],借鑒相關學者[22]研究以相應指標乘以對應碳排放系數取得,碳排放系數如下:化肥0.896(kg/kg)[23]、農藥4.934(kg/kg)、農膜5.180(kg/kg)。具體指標說明如表1所示。

2.1.2 核心解釋變量

農機社會化服務水平(machine)。關于農機社會化服務水平的衡量,學術界暫未形成統一的觀點。楊義武等[13]通過采用各地區年末每十萬鄉村人口擁有農機作業服務專業戶和組織數量、農機戶利潤率來表示農機社會化服務水平。顏華等[24]采用農業機械服務費用占農業生產總投入費用的比重來表征農機社會化服務水平。當前大多研究對于農機社會化服務水平的指標選取代表性不足,測算維度較為單一,無法有效衡量農機社會化服務的水平。本文在參考前人研究的基礎上,從組織支撐、人員支撐、資本存量、專業化程度四個維度選取指標,以衡量農機社會化服務水平,具體指標如表2所示。

表2 農機社會化服務指標體系Tab. 2 Agricultural machinery socialization service index system

2.1.3 調節變量

農地經營規模(scale):在考慮到土地實際利用情況等問題,本文選取人均農作物播種面積來表示農地經營規模水平。其值越高,代表該地區農地經營的規?；皆礁?。農村金融發展水平(finance):金融發展有利于提高資源配置效率,因此用各省份涉農貸款余額與農林牧漁業總產值之比來衡量農村金融發展水平[25]。

2.1.4 控制變量

農田水利化程度(hydration):用有效灌溉面積占農作物播種面積百分比表示[26]。農作物受災率(disaster):用受災面積與糧食總播種面積的比值表示[27]。農村勞動力轉移(transfer):其計算方法借鑒何春等[28]的做法,以(鄉村從業人員-鄉村第一產業人員)/鄉村從業人員的比重作為衡量農村勞動力轉移規模的代理變量。財政支農水平(support):財政支農在完善農村基礎設施、加強生態環境治理、提升農業生產能力等方面發揮著重要作用,因此本文用農林水事務財政支出來表衡量。對外開放程度(opening):用對外出口額與GDP比值來表示[29]。

2.2 模型設定

2.2.1 SBM-undesirable模型

傳統的DEA模型并未將非期望產出納入到模型中,因此算出的效率結果并不準確,容易產生較大的偏差。Tone[30]將非期望產出納入模型中,提出包含非期望產出的SBM模型,該模型如式(1)所示。

(1)

式中:E——以碳排放為非期望產出時所求得的糧食生產生態效率值;

λ——權重系數;

n——投入指標的個數;

S1——期望產出的個數;

S2——非期望產出的個數;

Xi——投入變量;

由于模型基于非徑向和非角度的方法進行評估,因此避免了傳統由徑向和角度帶來的偏差。

2.2.2 空間杜賓模型

為便于檢驗農機社會化服務對糧食綠色生產效率的空間溢出效應,本文采用空間杜賓模型就農機社會化服務對糧食綠色生產效率的影響展開實證研究,構建模型如式(2)所示。

efficiencyit=α+βmachineit+γWmachineit+θCit+ui+vt+εit

(2)

式中:i——區域;

t——年份;

machine——解釋變量;

efficiency——被解釋變量;

W——空間權重;

C——控制變量合集;

α、β、γ、θ——回歸系數。

2.3 數據來源

本文的樣本期間為2010—2020年,樣本包括我國除港、澳、臺地區和西藏自治區以外的所有其他30個省、自治區、直轄市,以上指標數據來源于歷年《中國農村統計年鑒》《中國統計年鑒》《中國農業機械工業年鑒》等。

3 實證分析

3.1 糧食綠色生產效率的測度及空間分布

運用SBM-undesirable模型對2010—2020年間各省份的糧食綠色生產效率進行測算,圖1為樣本期間糧食綠色生產效率的變化趨勢圖。

圖1 糧食綠色生產效率變動趨勢

從時間上看,2010—2020年糧食綠色生產效率總體呈現逐步上升趨勢,2010年糧食綠色生產效率平均值為0.716 2,2020年糧食綠色生產效率平均值為0.876 8,年增長率為2.041%。具體而言,2010—2013年期間波動上升,由于農業生產逐步實現規?；苿蛹Z食產量增加導致,但由于過度依賴化肥農藥等污染物的使用,導致2013—2017年,增速逐漸放緩,直至2017年年底,黨的十九大報告提出鄉村振興戰略,為糧食綠色生產效率指明新方向,致使2018—2020年糧食綠色生產效率增速開始加快。

為更清晰地展示我國各省糧食綠色生產效率的空間格局演變,將2010年和2020年糧食綠色生產效率按照四分位法進行分類,分為低、中低、中高和高效率區域,根據ArcGIS軟件繪制中國糧食綠色生產效率空間分布圖。如圖2所示,可以看出我國糧食綠色生產效率空間分異特征明顯,從區域來看:2010年高效率區大多分布在東北地區、西北地區和西南地區,至2020年各省糧食綠色生產效率不斷提升,集聚程度不斷加強,高效率區域由“帶狀”分布轉變為連片分布。河北、河南、山東等地始終處于效率值較低的區域,究其原因,是由于河北、河南、山東等地的畝均化肥使用量均超出平均水平的兩倍以上,投入要素的冗余致使其生產效率的低下,且過量投入要素帶來的碳排放導致其非期望產出大量增加,造成資源的浪費并引發一定的環境問題。

(a) 2010年

3.2 空間相關性檢驗

3.2.1 全局莫蘭指數檢驗

在進行空間計量分析之前首先應進行空間效應的檢驗,以判斷變量是否存在空間相關性,進而判斷空間計量模型的適用性?？臻g效應的檢驗主要包括全局空間自相關檢驗和局部空間自相關檢驗,以明晰糧食綠色生產效率和農機社會化服務水平是否存在空間效應。

本節采用地理距離矩陣,分別計算了2010—2020年間各年糧食綠色生產效率和農機社會化服務水平的全局莫蘭指數,結果如表3所示。結果表明,樣本期間內糧食綠色生產效率和農機社會化服務水平均在1%水平上顯著,說明我國各省糧食綠色生產效率和農機社會化服務水平存在顯著的空間相關性。進一步來看,樣本期間內Moran’I指數均為正值,即糧食綠色生產效率和農機社會化服務水平均存在正向空間關聯。從Moran’I指數的數值來看,糧食綠色生產效率的數值保持穩定,說明其空間關聯性呈現出穩態特征;農機社會化服務水平的Moran’I指數呈現逐年上升的趨勢,從2010年的0.0 750增長至2020年的0.193 9,表明各省之間農機社會化服務水平的空間集聚程度整體上不斷加強,空間關聯程度日益密切。

表3 2010—2020年全局莫蘭指數Tab. 3 Global Moran index from 2010 to 2020

3.2.2 局部莫蘭指數檢驗

為進一步考察糧食綠色生產效率和農機社會化服務水平的空間集聚特征,本文通過局部莫蘭指數繪制了糧食綠色生產效率和農機社會化服務水平的Moran散點圖。Moran散點圖由四個象限組成,分別反映出各地和鄰近地區的空間關聯方式,第一象限(HH)代表高值區域被高值區域所包圍;第二象限(LH)代表低值區域被高值區域所包圍;第三象限(LL)代表低值區域被低值區域所包圍;第四象限(HL)代表高值區域被低值區域所包圍。2020年全國糧食綠色生產效率的Moran散點圖如圖3所示?？梢钥闯?我國各省份糧食生產效率的Moran散點幾乎分布在第一、第三象限,HH集聚主要集中在東北、西南和西北地區,LL集聚集中在東部和中部地區的幾個相鄰省份。

圖3 2020年糧食綠色生產效率莫蘭散點圖

2020年農機社會化服務水平的散點圖如圖4所示,大多數省份依然分布在第一、第三象限,形成了鮮明的“高-高”與“低-低”空間集聚的特征,也印證了我國區域發展的不平衡性。以上檢驗支撐了本文采用空間計量方法的適用性,以及從空間視角探究農機社會化服務對糧食綠色生產效率影響效應的合理性。

圖4 2020年農機社會化服務水平莫蘭散點圖

3.3 農機社會化服務對糧食綠色生產效率的空間溢出效應

上文通過空間相關性分析可知,我國省域糧食綠色生產效率和農機社會化服務水平均存在著顯著的正向空間相關性,因此建立空間計量模型對其影響效應進行估計?？臻g計量模型的設定,需要通過LM、LR、Hausman等檢驗來確定其具體形式,檢驗結果如表4所示。通過LM檢驗得知,LM-Err和LM-Lag的統計量分別為88.22和64.91,在1%的水平上均通過顯著性檢驗,故應采用兩者結合的SDM模型。進行LR檢驗的結果顯示,LR-SEM和LR-SAR均在1%顯著性水平下拒絕原假設,說明空間杜賓模型不能夠簡化為空間滯后模型和空間誤差模型。最后,Hausman檢驗結果顯示,在1%的顯著性水平下拒絕原假設,說明應選擇固定效應模型。綜上檢驗,本文選用空間杜賓固定效應模型進行估計。

表4 空間計量模型選擇及檢驗結果Tab. 4 Spatial econometric model selection and test results

本節采用地理距離矩陣和鄰接矩陣分別估計農機社會化服務對糧食綠色生產效率的空間溢出效應,回歸結果如表5所示。從回歸結果來看,農機社會化服務對糧食綠色生產效率具有顯著的促進作用,且有著正向的空間溢出效應。具體來看,在模型(1)地理距離矩陣下,農機社會化服務對糧食綠色生產效率的影響系數和溢出系數為0.312和0.146,并分別在1%和10%的水平上顯著。在模型(2)空間鄰接矩陣下,農機社會化服務對糧食綠色生產效率的影響系數和溢出系數為0.313和0.081,且前者在1%的水平上顯著。通過比較兩個空間矩陣下的回歸系數可以發現,系數的大小以及顯著性較為一致,因此本文認為結果有較強的穩健性。這說明農機社會化服務不僅可以通過替代勞動力要素、實現分工和專業化生產以及優化生產要素配置等提升本省糧食綠色生產效率,還可以通過農機跨區作業對鄰近省份的糧食綠色生產效率產生正向作用。結果與理論預期相一致,H1、H2假設得證。

表5 空間杜賓模型估計結果Tab. 5 Estimation results of spatial Dubin model

從控制變量的回歸結果來看,各控制變量的影響效應基本符合預期。農田水利化程度在兩種空間矩陣下的系數顯著為正,空間項在地理距離矩陣下顯著為正,說明農田水利化程度的提高不僅有利于本地區內糧食綠色生產效率的提升,而且促進了鄰近地區糧食綠色生產效率的提升。農作物受災率在兩種空間矩陣下的系數和空間項均顯著為負,表明受災率的增加對糧食產量的影響較大,進而降低了糧食綠色生產效率。農村勞動力轉移在兩種空間矩陣下的系數為正但不顯著,其空間項在兩矩陣下顯著為正,這說明在農村勞動力轉移程度較高的地區,糧食生產過程中的勞動力要素投入更加合理,有利于提升糧食綠色生產效率。財政支農水平在兩種空間矩陣下的系數顯著為正,但其空間項在兩矩陣下的效應為負,這說明財政支農有利于本地區糧食綠色生產效率的提升,但對鄰近地區的糧食綠色生產效率存在一定的“擠出效應”。對外開放程度在兩種空間矩陣下的系數和空間項均顯著為正,這說明隨著對外開放程度的提高,技術的引進與擴散會加快農業技術進步,有助于提升糧食綠色生產效率。

3.4 農機社會化服務對糧食綠色生產效率空間溢出機制檢驗

前文對農機社會化服務對糧食綠色生產效率的溢出效應進行了實證檢驗。為進一步明晰其空間溢出機制,檢驗農機社會化服務是否能夠通過與農地規模經營和農村金融等途徑的交互影響來實現糧食綠色生產效率的提升?對此,本節在空間杜賓模型中加入調節變量與農機社會化服務變量的交互項,采用調節效應模型驗證農機社會化服務對糧食綠色生產效率的空間溢出機制,估計結果如表6所示。

表6 引入調節變量的空間杜賓模型估計結果Tab. 6 Estimating results of spatial Doberman model with adjusting variables

表6模型(3)為加入農地經營規模與農機社會化服務交互項的空間杜賓模型計量結果。結果所示,農機社會化服務與農地經營規模交互項的回歸系數和空間溢出系數為0.703和0.239,說明在農地規模經營水平較高的地區,農機社會化服務對糧食綠色生產效率的直接效應和空間溢出效應更大,農地經營規模在農機社會化服務與糧食綠色生產效率之間發揮正向調節作用。這是由于隨著農地規模的擴大,更加有利于農機社會化服務的采納和實施,從而通過保證農機作業的連續性而提升耕地利用效率和施用效率,且連片規模越大,越有助于通過農業生產性服務外包而進行專業化、規?；鳂I。

表6模型(4)為加入農村金融發展水平與農機社會化服務交互項的空間杜賓模型計量結果。如回歸結果所示,農機社會化服務與農村金融發展水平交互項的回歸系數和空間溢出系數為0.087和0.081,且均在1%的統計水平上顯著,這說明在農村金融發展水平較高的地區,農機社會化服務對糧食綠色生產效率的直接效應和空間溢出效應更強,農村金融在農機社會化服務與糧食綠色生產效率之間同樣發揮了正向調節作用。其合理的解釋是農村金融水平的提高可以有效地調節資源在各個領域和各個環節的流動,更加有利于農戶采納農機社會化服務,從而在農機社會化服務中起到調節作用。實證結果與前文的理論預期相一致,假設H3a和H3b得到驗證。

3.5 農機社會化服務空間溢出效應的地理距離邊界檢驗

由前文的分析可知,農機社會化服務不僅有利于本地區糧食綠色生產效率的提升,并且對鄰近地區也有顯著的空間溢出效應,然而這種溢出效應并非均質的,可能會存在一定的地理距離邊界。理論上而言,鄰近地區具有相似的農業資源稟賦,地形地貌差異較小,農作物的種類和熟制相似,且農業技術的適用性也較為一致,因此農機社會化服務對鄰近地區糧食綠色生產效率的溢出效應更大,對相對較遠地區的溢出效應更小。沿襲這一邏輯,本節利用空間分層方法,檢驗不同地理距離下農機社會化服務對糧食綠色生產效率的空間溢出地理邊界。首先通過設置不同的距離閾值來構建多個地理距離矩陣,設置步進距離為200 km,并利用SDM模型對其進行連續回歸,并將所得到的空間溢出系數和顯著性水平進行記錄,得到空間溢出系數與地理距離的關系表,結果如表7所示。

表7 農機社會化服務糧食綠色生產效率的空間溢出邊界Tab. 7 Spatial spillover boundary of agricultural machinery socialization serving the green production efficiency of grain

根據表7可以看出,農機社會化服務對糧食綠色生產效率的空間溢出效應與地理距離呈現出負相關的關系,即隨著地理距離的不斷增大,空間溢出效應逐漸減弱。進一步,根據空間溢出系數變化的幅度大小,將空間溢出效應分為兩個區間,第一個區間為400 km范圍內,此區間內空間溢出系數的變化幅度較小,系數值均在0.1以上,為空間溢出效應的密集區域。第二個區間為400～600 km范圍內,此區間內空間溢出系數衰減至0.081,約為初始距離矩陣下空間溢出系數值的一半。超出600 km后,空間溢出系數值穩定在0.06上下波動,并且不再顯著。因此本文認為農機社會化服務對糧食綠色生產效率空間溢出效應的有效距離為600 km,超出此范圍后空間溢出效應會受限于地理距離而不再顯著。

4 結論與對策

本文基礎2010—2020年全國30個省級數據,多維度構建出農機社會化服務水平的指標體系,運用SBM測算了糧食綠色生產效率,并進一步研究了農機社會化服務對糧食綠色生產效率的空間溢出及作用機制。

結果表明,從時間上看,2010—2020年糧食綠色生產效率呈現出穩步上升趨勢,從空間上來說呈現出連片集聚的現象;農機社會化服務對糧食綠色生產效率具有顯著的促進作用,且有著正向的空間溢出效應;農機社會化服務能夠通過農地規模經營和農村金融等途徑的交互影響來實現糧食綠色生產效率的提升;農機社會化服務對糧食綠色生產效率空間溢出效應的有效距離為600 km,超出此范圍后空間溢出效應會受限于地理距離而不再顯著。

鑒于此,本文提出以下建議。

1) 穩步提升農機社會化服務水平。首先當地政府需加強政策引導,多渠道增加投資,改善重點作物、關鍵生產環節和糧食主產區的機械作業。其次,在農村集體組織中著力培育新型農村社會化服務組織的經濟實力和服務能力,以農機社會化服務組織為主體、政府部門為監督的新型農機服務主體,全面引導農機合作社向設施完善、制度健全、效益顯著的方向發展。

2) 加強農機跨區作業保障機制。充分利用互聯網技術建立全國或部分省域間的農機社會化服務平臺,完善區域間農機作業的溝通協調機制。進一步落實農機跨區作業自由準入政策,與交通等多部門聯動配合,保障跨區作業順利進行。探索符合區域特性的糧食生產機械化解決方案,打造糧食生產優勢區域樣板,充分發揮鄰近區域間的空間溢出作用。

3) 提升農地規?；洜I水平。各地政府引導農民通過經營權流轉、合作、土地托管等多種方式,加快促進土地流轉型、服務帶動型等多種形式的規模經營,并以高標準農田建設、農村土地綜合整治契機,提高農機作業的便利程度。

4) 大力發展農村金融。政府加快完善農機購置的稅費優惠政策,加大對農機租賃與采購的貸款支持力度,因地制宜開展農機作業補貼、貸款貼息、融資租賃、承租補助等金融支持方式,有效滿足農機購置資金需求,助力農業農村現代化發展。