農機社會化服務綠色效率的時空動態演進及其影響因素研究

童彤 戴浩 魏君英 李愛杰

摘要：提升農機社會化服務綠色效率，是破除農業環境瓶頸的關鍵之要，是實現農業可持續發展的治本之道?；?007—2021年全國30個?。ㄊ?、自治區），運用超效率SBM模型測算農機社會化服務綠色效率，使用Dagum基尼系數、Kernel估計法、Markov鏈以及固定效應模型，分析我國農機社會化服務綠色效率的時空動態演化規律及其影響因素。結果表明：我國農機社會化服務綠色效率呈上升趨勢，空間上呈現中東高西部低的狀態；農機社會化服務綠色效率的總體差異呈縮小趨勢，地區間差異是導致總體差異的主要原因；農機社會化服務綠色效率逐步提高，近年來呈集中趨勢，地區絕對差異擴大；農機社會化服務綠色效率發生轉移的過程中，存在空間溢出效應，效率鎖定現象顯著；城鎮化和人口老齡化、種植結構、化肥、農藥、勞動力價格對農機社會化服務綠色效率的影響較大，且地區異質性明顯。

關鍵詞：農機社會化服務；綠色效率；時空動態演化規律；Dagum基尼系數；Markov鏈

中圖分類號：F327? 文獻標識碼：A? 文章編號：2095-5553 （2024） 03-0287-09

Research on spatio-temporal dynamic evolution and influencing factors of green efficiency of social service of agricultural machinery

Tong Tong， Dai Hao， Wei Junying， Li Aijie

（Hubei Rural Development Research Center， Yangtze University，Jingzhou， 434023， China）

Abstract：

To improve the green efficiency of social service of agricultural machinery is the key to breaking the bottleneck of agricultural environment， and is the fundamental way to achieve sustainable development of agriculture. Based on 30 provinces （municipalities and autonomous regions） in China from 2007 to 2021， the super efficiency SBM model was used to measure the green efficiency of agricultural machinery social service， and the Dagum Gini coefficient， Kernel estimation method， Markov chain and fixed effect?model were used to analyze the spatio-temporal dynamic evolution of green efficiency of agricultural machinery social service and its influencing factors. The results show that the green efficiency of agricultural machinery socialization service in China is on the rise， which is higher in the Middle East and lower in the west. The overall difference of green efficiency of social agricultural machinery services shows a decreasing trend， and the regional difference is the main reason for the overall difference. The green efficiency of social agricultural machinery services has gradually increased， showing a centralized trend in recent years， and the absolute difference between regions has expanded. In the process of green efficiency transfer of agricultural machinery social service， there is a spatial spillover effect， and the efficiency locking phenomenon is significant. Urbanization， population aging， planting structure， fertilizer， pesticide， and labor price have a great impact on the green efficiency of social agricultural machinery services， and regional heterogeneity is obvious.

Keywords：agricultural machinery socialization service; green efficiency; spatio-temporal dynamic evolution; Dagum Gini coefficient; Markov chain

0 引言

推動農業綠色發展是落實新發展理念的題中之意，亦是踐行農業可持續發展的必由之路。過去以化肥農藥等化學性要素投入的方式換取了農業跨越式發展，但農田地力下降、土壤貧瘠以及農業面污染等問題成為制約農業生態環境發展的掣肘，反向威脅農業可持續發展。迫切需要第三方組織的介入，形成農戶、市場、政府等主體聯動發展的服務體系。已有研究表明，農業社會化服務在促進綠色生產［1］、提升農業生產效率［2］以及推動農業綠色生產轉型［3］等方面頗有建樹，農業社會化服務儼然成為農業可持續發展的重要路徑。生態文明建設在十九大報告中被提升至前所未有的戰略高度，2023年中央一號文件再次強調加快農機社會化服務建設步伐，推進農業綠色發展。因此，在新發展階段農機綠色社會化服務至關重要，如何評價農機社會化服務綠色效率，揭示其時空動態演化特征以及影響因素，對于實現農業高質量發展，提升農業綠色生產效率和促進現代化農業轉型具有重要意義。

農業綠色發展是中國式農業現代化發展過程中的重要議題。許多學者對我國農業綠色生產效率進行了研究，其中部分學者從測度角度出發，對農業綠色生產效率的水平、發展趨勢以及時空特征進行分析［46］，另外一些學者基于因果推斷視角，討論了人力資本、社會規范［7］、環境規制［8］等外部條件對農業綠色生產效率的約束，以及農業社會化服務［9］、農業綠色補貼［10］等方式對農業綠色生產率的促進作用。在農業社會化服務中，農機社會化服務的快速發展，引起學者的關注，一些學者從效率視角出發，使用DEA模型對農業機械化生產效率進行測度分析［1012］，另外一些學者則討論了農機社會服務對農業綠色發展的作用，認為農機社會化服務通過優化資源要素配置［9］、促進農業技術進步和提高農業技術效率等途徑促進了農業綠色的發展［13］，且農機社會化服務在化肥減量［14］、碳減排［15］等方面成績斐然。顯然，無論是關于農業綠色發展的研究還是農機社會化服務的研究，抑或是農業綠色發展與農機社會化服務的關系研究，目前的研究重點是農機社會化服務對于農業綠色發展的影響，而對于農機社會化服務自身的綠色效率如何，則缺乏研究。但事實上，農機社會化服務已成為我國現代農業發展中非常重要的內容，而農機的使用也存在著綠色效率問題，因而農機社會化服務綠色效率的提高是農業綠色發展中的應有之義。鑒于此，本文基于超效率SBM模型測算農機社會化服務綠色效率，運用Dagum基尼系數、核密度和馬爾科夫鏈等方法分析其時空演化規律、轉移趨勢，最后通過固定效應模型剖析農機社會化服務綠色效率的影響因素，為促進農機社會化服務綠色化、高質量發展提供參考建議。

1 研究設計

1.1 指標選取與數據來源

關于農機社會化服務綠色效率的衡量，參考已有文獻［1012］，將農機社會化服務過程中碳排放作為非期望產出，納入農機社會化服務效率測度，以農機社會化服務的綠色全要素生產率表征農機社會化服務綠色效率。其中投入指標中的勞動力投入以農機社會化服務組織年末人數表征，資本投入以農機化總投入表征，物質投入以農業機械總動力表征［16， 17］；期望產出為農機服務收入總額和農機化作業面積，非期望產出則為農機社會化服務過程可能產生的碳排量衡量。由于農機社會化服務通過機械作業從事耕地、播種、灌溉、值保和收割等農業生產環節，由此產生的碳源主要為農機消耗的柴油以及翻耕和灌溉環節產生的溫室氣體。借鑒相關學者的做法［18， 19］，通過計算碳源和碳排放系數的方法得到農機社會化服務過程的碳排放量。

關于農機社會化服務綠色效率的影響因素。本文選取的變量如下：化肥投入（Ferti）以農用化肥施用量衡量；農藥投入（Pesti）以農藥使用量衡量；人力資本（Edu）以農村人均受教育年限衡量；農村人口老齡化（Aging）以農村65歲及以上人口占農村總人口數量衡量；勞動力價格（Lprice）以農村人均工資性收入衡量；農業產業結構（Aindu）以種植業生產總值與農林牧漁業生產總值的比重衡量；城鎮化（Urban）以城鎮人口占地區總人口數量。

鑒于西藏數據缺失嚴重而剔除，故本文的研究對象為中國30個?。ㄊ?、自治區）2007—2021年的農機社會化服務綠色效率。數據來源于《中國農業機械工業年鑒》《中國農村統計年鑒》《中國人口與就業統計年鑒》與EPS數據庫。

1.2 研究方法

1.2.1 SBM模型

本文通過采用SBM測算農機社會化服務綠色效率。模型設定如下：

假設每個?。ㄊ?、自治區）為生產決策單元DMUj（j=1，2，3，…，30），包括投入要素x、期望產出y1和非期望產出y2三個向量，則每個?。ㄊ?、自治區）的生產可能性集合為

p|（x0，y0）={（x-，y-1，y-2）|x-≥∑nk=1λkx-k，y-1≤∑nk=1λky-1k，y-2≤∑nk=1λky-2k，λ≥0}（1）

式中：x-——投入要素x平均值；y-1——期望產出平均值；y-2——非期望產出平均值；λ——權重變量；k——被評價單元；n——決策單元的數量；λk——被評價單元k的權重;x-k、y-1k、y-2k——被評價單元k投入要素的平均值、期望產出的平均值、非期望產出的平均值。

現假設存在u種投入，x∈Ru，同時包括期望產出和非期望產出兩種：m1為期望產出，y∈Rm1，m2為非期望產出，y∈Rm2，考慮非期望產出的超效率SBM模型為

minβ=1u∑ui=1x-ixik1m1+m2∑m1r=1y-1y1ik+∑m2r=1y-2y2ik（2）

s.t.x-≥∑nj=1，j≠kxijλjy-1≤∑nj=1，j≠ky1ijλjy-2≤∑nj=1，j≠ky2ijλjx-≥xk0≤y-1≤y1ky-2≥y2k∑nj=1，j≠kλj=1λ≥0（3）

式中：λj——權重；x-i——i投入要素的x平均值；xij——第j個DMV的第i項投入；y1ij——第i個DMV的第i項期望產出；y2ij——第j個DMV的第j項非期望產出；β——效率值（0<β<1）；i——投入變量的個數；xik、y1ik、y2ik——投入i個變量，被評價單元k投入、期望產出、非期望產出的數值。

1.2.2 Dagum基尼系數及其分解

相較于傳統基尼系數而言，Dagum基尼系數能解決數據重復問題，將其分解區域間差異、區域內差異以及超變密度，被廣泛應用于區域差異研究的相關主題。本文在分析中國農機社會化服務綠色效率的地區差異時也采用該方法。根據Dagum做法，總體基尼系數G可分解分三部分，可表示為

G=Gw+Gnb+Gt（4）

式中：Gw——地區內差異貢獻；Gnb——地區間差異貢獻；Gt——超變密度貢獻。

1.2.3 Kernel密度估計法

Kernel密度估計作為一種非參數估計法，能夠通過擬合數據對其形態進行直觀描述，因此被學者廣泛應用于空間非均衡研究。假設隨機變量X的密度函數為

f（x）=1Nh∑Ni=1KXi－xh（5）

式中：N——觀測值數量；Xi——觀測值；h——帶寬；x——均值；K（·）——Kernel密度。

與多數研究方法一致，本文采用高斯核函數對中國農機社會化服務綠色效率的分布動態進行估計，模型設定如式（6）所示。

k（x）=12πexp－x22（6）

1.2.4 Markov鏈

馬爾科夫鏈通過構造概率轉移矩陣，描述各區域從一種狀態轉移為另一種狀態的動態演進。本文通過運用馬爾科夫鏈分析我國農機社會化服務綠色效率的動態研究特征。具體計算如式（7）所示。

p{X（t）=f|X（t-1）=e，X（t-2）=et-2，…，X（0）=e0}=p{X（t）=f‖X（t-1）=e}（7）

式中：nef——狀態e變成狀態f的總次數；nef——狀態ef出現的次數。

進而通過轉移概率pef形成的狀態矩陣P可推測出我國農機社會化服務綠色效率的動態演進趨勢。

2 農機社會化服務綠色效率測度結果

2.1 農機社會化服務綠色效率的測度結果

圖1為超效率SBM模型測算的農機社會化服務綠色效率。由圖1可知，從我國整體的農機社會化服務綠色效率看，我國農機社會化服務綠色效率呈M型發展趨勢，2007年農機社會化服務綠色效率為0.602 1，2010年時上升至0.834 5，隨后出現小幅下降趨勢，2017年下降至0.608 4，2018年恢復至0.780 1，近年來呈現微弱的下降趨勢。

從三大地區農機社會化服務綠色效率看，按效率值從高到低分別為中部地區、東部地區和西部地區。中部地區農機社會化服務綠色效率呈波浪式增長態勢，從2007年的0.521 1增長至2021年的0.772 3，均值為0.772 5。東部地區農機社會化服務綠色效率變化幅度較大，觀測期的最低水平是2008年的0.553 3，效率最高值出現在2010年（0.937 2），兩者相差0.383 9。西部地區農機社會化服務綠色效率呈階梯式增長態勢，2007年的0.509 6增長至2009年的0.692 2，2009—2017年處于相對緩和的發展趨勢，2017—2018年出現跨越式增長，隨后又呈現較為的平穩發展狀態。

2.2 農機社會化服務綠色效率區域差異及其來源

為進一步了解中國農機社會化服務綠色效率的地區差異，基于Dagum基尼系數及其分解法測算出我國2001—2021年農機社會化服務綠色效率的總體基尼系數、三大地區間基尼系數及其貢獻度，測算結果如表1所示。

2.2.1 農機社會化服務綠色效率的總體差異

由表1可知，我國農機社會化服務綠色效率的總體差異在樣本觀測期內呈縮小趨勢。以2007年為基期，農機社會化服務綠色效率的年均降速為1.822%。且階段性特征明顯，呈現出“驟降—平緩上升—緩慢下降”的態勢。例如從2007年的0.335驟降至2010的0.193，2011—2015年圍繞0.2上下波動，2017年上升至0.279后呈現緩慢下降趨勢。整體而言，近年來我國農機社會化服務綠色效率的總體差異呈縮小趨勢。

2.2.2 農機社會化服務綠色效率的區域內差異

由表1可知，農機社會化服務綠色效率的區域內差異從大到小依次為西部地區、東部地區和中部地區。就三大地區的變化趨勢而言，地區間存在顯著差異。首先是差異最大的西部地區，農機社會化服務綠色效率的區域內差異呈現先增后降的趨勢，2007—2011年表現為先增后降趨勢，2015年較2014年有較大的下降隨后呈上升狀態，但近年來仍呈下降趨勢，年均降幅為1.538%。其次，東部地區的農機社會化服務綠色效率呈現區域內擴大趨勢。2007年的0.367下降至2010年的0.088，2011年至今則表現為小幅度增長趨勢，直至2021年達到0.266，但整體而言，東部地區的農機社會化服務綠色效率表現為縮小趨勢，年均降幅為1.835%。最后，中部地區呈現平緩波動的下降態勢，相較于東西部地區而言，中部地區的農機社會化服務綠色效率整體發展較為平穩，年均基尼系數（0.191 2）和年均降幅（1.292%）在三地區中均為最小。

2.2.3 農機社會化服務綠色效率的區域間差異

由表1可知，東—西、中—西和東—中部區域間差異的變化趨同，整體表現為先大幅下降，后平緩發展，再波動下降趨勢。前期波動幅度較大，波動幅度高達0.3，后期則區域穩定。東—中和東—西部區域間差異最小值出現在2010年，中—西部區域間差異最小值出現在2013年。其中東—中、東—西和中—西部區域間差異的均值分別為0.214 0、0.260 1和0.251 3，表明東—西部區域間農機社會化服務效率的差異最大，其次是中—西部地區，東—中部地區差異最小。此外，東—中、東—西和中—西部區域間差異的年均降幅分別為1.934%、1.863%和1.330%，再次反映東—中部區域間的農機社會化服務效率差異正在不斷縮小，且縮小的速度較快，而中—西部區域間差異縮小速度相對較慢。

2.2.4 農機社會化服務綠色效率的差異來源及其貢獻度

由表1可知，對農機社會化服務綠色效率總體差異貢獻從大到小排序分別為區域間差異、超變密度和區域內差異，觀測期內的年均貢獻率分別為44.765%、31.187%和24.052%。從貢獻率的變化趨勢看，區域間差異貢獻度呈現M型變化趨勢，2007—2009年為上升期，然后出現大幅下降至2010年的33.573%，2011—2016年呈波動式發展，2018年增長至57.138%，近年來出現小幅下降趨勢。超變密度貢獻度整體表現較為平緩，貢獻度維持在30%左右。區域內差異貢獻度的變化趨勢則與區域間差異變化趨勢相反，整體呈現為W型。從分解的結果可知，東、中、西部地區間農機社會化服務綠色效率的差異是導致總體差異的主要原因，因此需要進一步縮小東、中、西地區間的農機社會化服務綠色效率差距。

2.3 農機社會化服務綠色效率的時空動態演變

2.3.1 時間變化趨勢

前文通過Dagum基尼系數對農機社會化服務綠色效率的地區差異及其來源進行分析，但分析視角為相對差異，缺乏絕對差異視角的分析。因此，本文通過Kernel密度估計分析農機社會化服務綠色效率的絕對差異與演進趨勢。本文采用Matlab軟件繪制2007—2021年農機社會化服務綠色效率的三維Kernel密度圖。

1） ?全國Kernel密度估計。圖2為全國農機社會化服務綠色效率的Kernel密度圖。由圖2可知，全國農機社會化服務綠色效率的分布動態具有如下特征。第一，全國農機社會化服務綠色效率的核密度曲線的中心點逐漸右移，表明全國農機社會化服務綠色效率逐步提高，農業社會化服務體系建設取得一定成效。第二，全國農機社會化服務綠色效率的核密度峰值逐漸增大，具體而言，2007—2013年核密度峰值較低，主要分布在0.4～0.6之間，增幅較??；2014年核密度峰值增幅較大，2014至今其峰值維持在1.5左右，表明全國農機社會化服務綠色效率近年來呈集中趨勢。第三，全國農機社會化服務綠色效率的核密度函數“右拖尾”明顯且呈擴寬態勢，說明全國農機社會化服務綠色效率的絕對差異在觀測期內先縮小后擴大，意味著農機社會化服務綠色效率較高的?。ㄊ?、自治區）與農機社會化服務綠色效率較低的?。ㄊ?、自治區）的差距日益拉大。第四，2007—2010年間全國農機社會化服務綠色效率的核密度曲線由一個主峰和一個側峰構成，說明在觀測期內年份較早時候，農機社會化服務綠色效率存在兩層次并存的地區分化式發展結構。2011至今，全國農機社會化服務綠色效率的核密度函數峰值轉化為一個且波峰更加緩和，說明地區極化差異得到緩解。

2） ?東部地區Kernel密度估計。圖3東部地區農機社會化服務綠色效率的Kernel密度圖。

由圖3可知，東部地區農機社會化服務綠色效率的分布動態具有如下特征。第一，核密度曲線的中心點先右移后左移趨勢，說明東部地區農機綠色社會化服務效率波動較大，近年來略有下降。第二，東部地區農機社會化服務綠色效率的核密度曲線峰值逐漸下降，表明東部地區農機社會化服務綠色效率的分布狀態從集中轉化為趨于分散。第三，東部地區農機社會化服務綠色效率的核密度曲線的波峰寬度先縮小后擴大，說明東部地區農機社會化服務綠色效率的絕對差異表現為先縮小后擴大態勢，也就是說東部地區內部農機社會化服務綠色效率高與農機社會化服務綠色效率低的?。ㄊ?、自治區）間的絕對差異呈擴大趨勢。

3） ?中部地區Kernel密度估計。圖4為中部地區農機社會化服務綠色效率的Kernel密度圖。由圖4可知，中部地區農機社會化服務綠色效率的分布動態具有如下特征：第一，觀測期內中部地區農機社會化服務綠色效率的核密度曲線整體呈現右移趨勢，說明中部地區農機社會化服務綠色效率逐漸增長。第二，中部地區農機社會化服務綠色效率的核密度曲線的波峰寬度逐漸加大，表明中部地區各?。ㄊ?、自治區）間的農機社會化服務綠色效率絕對差異拉大。第三，中部地區農機社會化服務綠色效率的核密度曲線保持單峰形式，說明中部地區農機社會化服務綠色效率趨于集中，不存在多級分化趨勢。

4） 西部地區Kernel密度估計。圖5為西部地區農機社會化服務綠色效率的Kernel密度圖。

由圖5可知，西部地區農機社會化服務綠色效率的分布動態具有如下特征：第一，西部地區農機社會化服務綠色效率的核密度曲線的中心點的變化與東部地區相似，均是先右移后左移，說明西部地區農機社會化服務綠色效率呈波動式變化，近年來略有下降。第二，西部地區農機社會化服務綠色效率的核密度曲線峰值持續增大且波峰寬度縮小，反映西部地區農機社會化服務綠色效率趨于集中。第三，西部地區農機社會化服務綠色效率的核密度曲線“右拖尾”明顯，說明東部地區的絕對差異擴大。

2.3.2 跨期轉移趨勢

本文通過使用傳統的馬爾科夫鏈和空間馬爾科夫鏈模型對農機社會化服務綠色效率長期趨勢進行預測，參考相關文獻的做法［19， 20］，根據標準分位數法將農機社會化服務綠色效率的特征劃分為類型Ⅰ［0，25%］、類型Ⅱ［26%，50%］、類型Ⅲ［51%，75%］和類型Ⅳ［76%，100%］四類，據此測算農機社會化服務綠色效率的Markov鏈鏈轉移概率矩陣。

表2為傳統Markov轉移矩陣結果，對角線上的數值表示觀測期內?。ㄊ?、自治區）類型保持不變的概率，非對角線上的數值表示不同類型的?。ㄊ?、自治區）發生轉移的概率。

由表2可知，類型Ⅰ、Ⅱ、Ⅲ、Ⅳ對角線上的數值依次為0.602、0.500、0.565和0.733，非對角線上的最大數值僅為0.221，說明在觀測期內各類型保持不變的概率較大，即我國農機社會化服務綠色效率存在不同程度的俱樂部趨同現象，該現象較為穩定；且不同類型間發生轉移的概率較小，說明我國農機社會化服務綠色效率的差異存在固化現象。具體來看，處于類型Ⅰ水平的農機社會化服務綠色效率向上轉移的概率逐漸遞減，分別為21.4%、11.7%和6.8%。處于類型Ⅱ水平的農機社會化服務綠色效率向上轉移的概率也是逐漸降低，轉移概率從22.1%下降至5.8%，向下轉移的概率為22.1%。處于類型Ⅲ水平的農機社會化服務綠色效率向上轉移的概率為14.8%，類型Ⅱ、Ⅰ轉移的概率分別為21.3%和7.4%。處于類型Ⅳ水平的農機社會化服務綠色效率向下轉移至類型Ⅲ、Ⅱ和Ⅰ的依次為概率14.3%、6.7%和5.7%。從以上結果可知，對大多數?。ㄊ?、自治區）來說，維持現有水平的農機社會化服務綠色效率的概率比轉移到更高或更低水平的概率大，其馬太效應顯著。同時，所有?。ㄊ?、自治區）間相鄰水平發生轉移的概率大于間隔跳躍發生的概率，地區間慣性特征顯著。

由于傳統Markov鏈忽略周圍空間因素的影響，因此，本文在傳統Markov鏈的基礎上引入空間矩陣，構建空間Markov矩陣分析不同領域類型對農機社會化服務綠色效率轉移的影響，結果如表3所示。

由表3可知，第一，?。ㄊ?、自治區）的空間格局對農機社會化服務綠色效率的影響程度較大，對比傳統Markov轉移概率矩陣，空間Markov的概率矩陣發生變化，且不同類型的概率各不相同。第二，當鄰近區域為類型Ⅱ時，低水平（類型Ⅰ）的?。ㄊ?、自治區）維持現有狀態的概率為71.4%，向上轉移的概率（類型Ⅱ、類型Ⅲ、類型Ⅳ）分別為10.7%、7.1%和10.7%，說明高發展水平的?。ㄊ?、自治區）對低水平的?。ㄊ?、自治區）農機社會化服務綠色效率具有一定的推動作用。第三，在農機社會化服務綠色效率發生轉移的過程中，存在空間溢出效應。若與農機社會化服務綠色效率較高的?。ㄊ?、自治區）相鄰，向上轉移的概率將會提高，向下轉移的概率則會降低；若與農機社會化服務綠色效率較低的?。ㄊ?、自治區）相鄰，向上轉移的概率將會減少，而向下轉移的概率則會增加。具體而言，在傳統Markov矩陣下，類型Ⅲ向類型Ⅳ轉移的概率為14.8%；在空間Markov矩陣下，當鄰接類型為類型Ⅲ和類型Ⅳ時，類型Ⅲ向類型Ⅳ轉移的概率增加至15.6%和33.3%；而與類型Ⅰ和類型Ⅱ相鄰時，向下發生轉移的概率則下降至0%和25%。由此說明空間Markov概率轉移表現出效率鎖定現象，亦為在傳統Markov下的俱樂部趨同現象提供了空間解釋。

3 農機社會化服務綠色效率的影響因素

為提出更具針對性對策建議，促進農機社會化服務綠色效率的提升，接下來通過運用計量模型的方法，對可能影響農機社會化服務綠色效率的影響進行回歸分析。樣本量共計450，變量的描述性統計見表4。

經豪斯曼檢驗，固定效應優于隨機效應，故以固定效應模型作為計量回歸模型。表5為模型回歸結果。

表5列（1）～列（4）依次為全國、東部、中部和西部地區的回歸結果。從全國層面看，城鎮化和人口老齡化、種植結構等因素對農機社會化服務綠色效率具有顯著的提升作用，化肥、農藥施用量的增加嚴重阻礙了農機綠色社會化效率的增長，勞動力價格的增長對農機社會化服務綠色效率具有顯著的負面影響?？赡艿脑蚴浅擎偦癁檗r業機械技術的研發創造了條件，推動了低碳減排農業機械的發明與創造；人口老齡化導致勞動力弱質性，難以承受農業勞動強度，以農機服務替代人力勞動成為農戶的最優選擇；趨糧化的種植結構，方便機械作業，且相較于經濟作物，糧食作物對化肥、農藥的需求量較低，因此城鎮化的發展、種植結構以及人口老齡化能顯著促進農機綠色社會化服務。

從地區層面看，東部地區的城鎮化、老齡化和人力資本因素能顯著提高農機綠色社會化服務水平，勞動力價格因素不利于農機社會化服務綠色效率的提高。中部地區的城鎮化、老齡化因素對農機社會化服務綠色效率具有顯著的促進作用，勞動力價格因素的阻礙效應顯著。西部地區老齡化因素顯著促進了農機社會化服務綠色效率的提高，化肥施用量的增加則不利于農機綠色社會服務化效率的增長。

4 結論與建議

本文基于綠色全要素生產率的內涵，將其引入農機社會化服務之中，運用超效率SBM模型測算2007—2021年我國30個?。ㄊ?、自治區）農機社會化服務綠色效率，進而使用Dagum基尼系數對農機社會化服務綠色效率地區差異及其來源進行分解、采用Kernel密度估計法從時空角度分析其演變趨勢、根據Markov鏈測算農機社會化服務綠色效率的轉移概率，最后通過固定效應模型分析農機社會化服務綠色效率的影響因素。

1） ?從測算結果看，2007—2021年我國農機社會化服務綠色效率呈上升趨勢，空間分布上表現為中東高西部低的狀態。

2） ?從區域差異角度看，我國農機社會化服務綠色效率的總體差異在樣本觀測期內呈縮小趨勢；區域內差異從大到小依次為西部地區、東部地區和中部地區；區域間差異變化趨同；地區間差異是導致總體差異的主要原因。

3） ?全國的農機社會化服務綠色效率逐步提高，近年來呈集中趨勢，地區絕對差異擴大。

4） ?從轉移概率看，我國農機社會化服務綠色效率存在不同程度的趨同現象，在農機社會化服務綠色效率發生轉移的過程中，存在空間溢出效應，效率鎖定現象顯著。

5） ?從影響因素看，城鎮化和人口老齡化、種植結構等因素對農機社會化服務綠色效率具有顯著的提升作用，化肥、農藥、勞動力價格等因素阻礙了農機綠色社會化效率的增加，因素對各地區的影響程度各不相同，地區異質性明顯。

針對以上結論，給出以下建議：第一，雖然目前我國農機社會化服務綠色效率呈積極發展態勢，但仍需高度重視農機社會化綠色服務建設與發展，進一步提升農機社會化服務綠色效率，破除農業環境瓶頸，實現資源、環境與農業的可持續發展。第二，協調各地區發展，提升農機社會化全域服務綠色效率。建設農機綠色社會化服務信息網絡平臺，縮小東、中、西區域農機社會化服務綠色效率差異，進而完善農機社會化綠色服務體系；鼓勵新型農機技術的創新推廣，逐步提升各區域農機社會化綠色服務水平。第三，因地制宜，化“空間差異”為合理梯度，降低非良性競爭。各地區根據當地農業發展階段、農業特點以及農業影響因素制定適合當地的農機社會化綠色服務發展方案。

參 考 文 獻

［1］曹鐵毅， 鄒偉. 社會化服務供給對規模農戶經濟效益和綠色生產的影響［J］. 長江流域資源與環境， 2023， 32（3）： 653-664.Cao Tieyi， Zou Wei. The impact of socialized service supply on economic benefits and green production of large-scale farmers ［J］. Resources and Environment in the Yangtze Basin， 2023， 32（3）： 653-664.

［2］張昆揚， 張改清， 韓嫣， 等. 農機作業服務對農業生態效率的影響： 本地效應與空間溢出［J］. 中國農業大學學報， 2023， 28（3）： 223-237.Zhang Kunyang， Zhang Gaiqing， Han Yan， et al. Impact of agricultural machinery services on agro-ecological efficiency： Local effects and spatia spillovers ［J］. Journal of China Agricultural University， 2023， 28（3）： 223-237.

［3］張英楠， 尹彥舒， 張康潔， 等. 農業社會化服務能否促進小麥種植戶綠色生產轉型？——基于河南、山東、山西的農戶調查證據［J］. 中國人口·資源與環境， 2023， 33（6）： 172-181.Zhang Yingnan， Yin Yanshu， Zhang Kangjie， et al. Can socialized agricultural services promote wheat growers?green production transformation？ Evidence from Henan， Shandong， and Shanxi in China ［J］. China Population， Resources and Environment， 2023， 33（6）： 172-181.

［4］郭海紅， 劉新民. 中國農業綠色全要素生產率時空演變［J］. 中國管理科學， 2020， 28（9）： 66-75.Guo Haihong， Liu Xinmin. Time-space evolution of Chinas agricultural green total factor productivity ［J］. Chinese Journal of Management Science， 2020， 28（9）： 66-75.

［5］李欠男， 李谷成， 尹朝靜. 農業綠色全要素生產率增長的分布動態演進［J］. 統計與信息論壇， 2020， 35（10）： 119-128.Li Qiannan， Li Gucheng， Yin Chaojing. Dynamic evolution of agricultural green total factor productivity growth ［J］. Journal of Statistics and Information， 2020， 35（10）： 119-128.

［6］梁俊， 龍少波. 農業綠色全要素生產率增長及其影響因素［J］. 華南農業大學學報（社會科學版）， 2015， 14（3）： 1-12.Liang Jun， Long Shaobo. Chinas agricultural green total factor productivity growth and its affecting factors ［J］. Journal of South China Agricultural University （Social Science Edition）， 2015， 14（3）： 1-12.

［7］趙秋倩， 夏顯力. 社會規范何以影響農戶農藥減量化施用——基于道德責任感中介效應與社會經濟地位差異的調節效應分析［J］. 農業技術經濟， 2020（10）： 61-73.Zhao Qiugian， Xia Xianli. How does social norms affect the reduction of pesticide application by farmers？ Analysis of the regulating effect of the difference between the mediating effect of moral responsibility and social economic status ［J］. Journal of Agrotechnical Economics， 2020（10）： 61-73.

［8］展進濤， 徐鈺嬌. 環境規制、農業綠色生產率與糧食安全［J］. 中國人口·資源與環境， 2019， 29（3）： 167-176.Zhan Jintao， Xu Yujiao. Environmental regulation， agricultural green TFP and grain security ［J］. China Population， Resources and Environment， 2019， 29（3）： 167-176.

［9］張夢玲， 童婷， 陳昭玖. 農業社會化服務有助于提升農業綠色生產率嗎？［J］. 南方經濟， 2023（1）： 135-152.Zhang Mengling， Tong Ting， Chen Zhaojiu. Can socialized service of agricultural production improve agricultural green productivity？ ［J］. South China Journal of Economics， 2023（1）： 135-152.

［10］張宗毅， 王許沁， 葛繼紅. 中國農機化效率：區域差異及購置補貼影響效應——基于省域視角和DEA-Tobit模型的分析［J］. 湖南農業大學學報（社會科學版）， 2019， 20（3）： 1-8.Zhang Zongyi， Wang Xuqin， Ge Jihong. Chinese agricultural mechanization efficiency： Analyses on regional differences and the impact effect of purchase subsidy based on DEA-Tobit model of provincial panel data ［J］. Journal of Hunan Agricultural University （Social Sciences）， 2019， 20（3）： 1-8.

［11］劉成， 馮瀟. 中國農業機械投入效率的三階段DEA的分析［J］. 中國農機化學報， 2018， 39（3）： 79-86.Liu Cheng， Feng Xiao. Three-stage DEA analysis of Chinas agricultural machinery input efficiency ［J］. Journal of Chinese Agricultural Mechanization， 2018， 39（3）： 79-86.

［12］李平， 伍海君. 農機社會化服務效率的時空分異研究——來自中國省域證據［J］. 中國農機化學報， 2022， 43（9）： 210-218.Li Ping， Wu Haijun. Spatiotemporal differentiation of agricultural machinery socialization service efficiency： Evidence from provinces in China ［J］. Journal of Chinese Agricultural Mechanization， 2022， 43（9）： 210-218.

［13］程永生， 張德元， 汪俠. 農業社會化服務的綠色發展效應——基于農戶視角［J］. 資源科學， 2022， 44（9）： 1848-1864.Cheng Yongsheng， Zhang Deyuan， Wang Xia. Green development effect of agricultural socialized services： An analysis based on farming households?perspective ［J］. Resources Science， 2022， 44（9）： 1848-1864.

［14］朱建軍， 徐宣國， 鄭軍. 農機社會化服務的化肥減量效應及作用路徑研究——基于CRHPS數據［J］. 農業技術經濟， 2023（4）： 64-76.Zhu Jianjun， Xu Xuanguo， Zheng Jun. Research on chemical fertilizer reduction effect of agricultural machinery outsourcing service and action path： Based on CRHPS data ［J］. Journal of Agrotechnical Economics， 2023（4）： 64-76.

［15］徐清華， 張廣勝. 農業機械化對農業碳排放強度影響的空間溢出效應——基于282個城市面板數據的實證［J］. 中國人口·資源與環境， 2022， 32（4）： 23-33.Xu Qinghua， Zhang Guangsheng. Spatial spillover effect of agricultural mechanization on agricultural carbon emission intensity： Anempirical analysis of panel data from 282 cities ［J］. China Population， Resources and Environment， 2022， 32（4）： 23-33.

［16］李平， 伍海君. 農機社會化服務效率的時空分異研究——來自中國省域證據［J］. 中國農機化學報， 2022， 43（9）： 210-218.Li Ping， Wu Haijun. Spatiotemporal differentiation of agricultural machinery socialization service efficiency： Evidence from provinces in China ［J］. Journal of Chinese Agricultural Mechanization， 2022， 43（9）： 210-218.

［17］邱溆， 楊麗. 我國農機社會化服務供給效率及其影響因素——基于DEA-Tobit兩步法分析［J］. 中國農機化學報， 2021， 42（7）： 209-214， 236.Qiu Xu， Yang Li. Supply efficiency and influencing factors of agricultural machinery socialized service in China： Based on the two-step method of DEA-Tobit ［J］. Journal of Chinese Agricultural Mechanization， 2021， 42（7）： 209-214， 236.

［18］李波， 張俊飚， 李海鵬. 中國農業碳排放時空特征及影響因素分解［J］. 中國人口·資源與環境， 2011， 21（8）： 80-86.Li Bo， Zhang Junbiao， Li Haipeng. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China ［J］. China Population， Resources and Environment， 2011， 21（8）： 80-86.

［19］徐維祥， 鄭金輝， 李續雙. 中國農業環境效率時空演變及其驅動因素［J］. 生態學報， 2021， 41（21）： 8364-8374.Xu Weixiang， Zheng Jinhui， Li Xushuang. Spatio-temporal evolution and driving factors of agricultural environmental efficiency in China ［J］. Acta Ecologica Sinica， 2021， 41（21）： 8364-8374.

［20］Dagum C. A new approach to the decomposition of the Gini income inequality ratio ［J］. Empirical Economics， 1997（22）： 515-531.

基金項目：國家社會科學基金一般項目（23BJY259）

第一作者：童彤，女，1998年生，江蘇徐州人，碩士研究生；研究方向為農業技術經濟。E-mail： 1250451482@qq.com

通訊作者：魏君英，女，1973年生，湖北赤壁人，博士，教授，碩導；研究方向為農業經濟理論與政策。E-mail： wjy-0713@163.com