童彤 戴浩 魏君英 李愛杰

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

關鍵詞：農(nóng)機社會化服務；綠色效率；時空動態(tài)演化規(guī)律；Dagum基尼系數(shù)；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(nóng)業(yè)綠色發(fā)展是落實新發(fā)展理念的題中之意，亦是踐行農(nóng)業(yè)可持續(xù)發(fā)展的必由之路。過去以化肥農(nóng)藥等化學性要素投入的方式換取了農(nóng)業(yè)跨越式發(fā)展，但農(nóng)田地力下降、土壤貧瘠以及農(nóng)業(yè)面污染等問題成為制約農(nóng)業(yè)生態(tài)環(huán)境發(fā)展的掣肘，反向威脅農(nóng)業(yè)可持續(xù)發(fā)展。迫切需要第三方組織的介入，形成農(nóng)戶、市場、政府等主體聯(lián)動發(fā)展的服務體系。已有研究表明，農(nóng)業(yè)社會化服務在促進綠色生產(chǎn)［1］、提升農(nóng)業(yè)生產(chǎn)效率［2］以及推動農(nóng)業(yè)綠色生產(chǎn)轉型［3］等方面頗有建樹，農(nóng)業(yè)社會化服務儼然成為農(nóng)業(yè)可持續(xù)發(fā)展的重要路徑。生態(tài)文明建設在十九大報告中被提升至前所未有的戰(zhàn)略高度，2023年中央一號文件再次強調(diào)加快農(nóng)機社會化服務建設步伐，推進農(nóng)業(yè)綠色發(fā)展。因此，在新發(fā)展階段農(nóng)機綠色社會化服務至關重要，如何評價農(nóng)機社會化服務綠色效率，揭示其時空動態(tài)演化特征以及影響因素，對于實現(xiàn)農(nóng)業(yè)高質(zhì)量發(fā)展，提升農(nóng)業(yè)綠色生產(chǎn)效率和促進現(xiàn)代化農(nóng)業(yè)轉型具有重要意義。

農(nóng)業(yè)綠色發(fā)展是中國式農(nóng)業(yè)現(xiàn)代化發(fā)展過程中的重要議題。許多學者對我國農(nóng)業(yè)綠色生產(chǎn)效率進行了研究，其中部分學者從測度角度出發(fā)，對農(nóng)業(yè)綠色生產(chǎn)效率的水平、發(fā)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(guī)范［7］、環(huán)境規(guī)制［8］等外部條件對農(nóng)業(yè)綠色生產(chǎn)效率的約束，以及農(nóng)業(yè)社會化服務［9］、農(nóng)業(yè)綠色補貼［10］等方式對農(nóng)業(yè)綠色生產(chǎn)率的促進作用。在農(nóng)業(yè)社會化服務中，農(nóng)機社會化服務的快速發(fā)展，引起學者的關注，一些學者從效率視角出發(fā)，使用DEA模型對農(nóng)業(yè)機械化生產(chǎn)效率進行測度分析［1012］，另外一些學者則討論了農(nóng)機社會服務對農(nóng)業(yè)綠色發(fā)展的作用，認為農(nóng)機社會化服務通過優(yōu)化資源要素配置［9］、促進農(nóng)業(yè)技術進步和提高農(nóng)業(yè)技術效率等途徑促進了農(nóng)業(yè)綠色的發(fā)展［13］，且農(nóng)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(nóng)業(yè)綠色發(fā)展的研究還是農(nóng)機社會化服務的研究，抑或是農(nóng)業(yè)綠色發(fā)展與農(nóng)機社會化服務的關系研究，目前的研究重點是農(nóng)機社會化服務對于農(nóng)業(yè)綠色發(fā)展的影響，而對于農(nóng)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(nóng)機社會化服務已成為我國現(xiàn)代農(nóng)業(yè)發(fā)展中非常重要的內(nèi)容，而農(nóng)機的使用也存在著綠色效率問題，因而農(nóng)機社會化服務綠色效率的提高是農(nóng)業(yè)綠色發(fā)展中的應有之義。鑒于此，本文基于超效率SBM模型測算農(nóng)機社會化服務綠色效率，運用Dagum基尼系數(shù)、核密度和馬爾科夫鏈等方法分析其時空演化規(guī)律、轉移趨勢，最后通過固定效應模型剖析農(nóng)機社會化服務綠色效率的影響因素，為促進農(nóng)機社會化服務綠色化、高質(zhì)量發(fā)展提供參考建議。

1 研究設計

1.1 指標選取與數(shù)據(jù)來源

關于農(nóng)機社會化服務綠色效率的衡量，參考已有文獻［1012］，將農(nóng)機社會化服務過程中碳排放作為非期望產(chǎn)出，納入農(nóng)機社會化服務效率測度，以農(nóng)機社會化服務的綠色全要素生產(chǎn)率表征農(nóng)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(nóng)機社會化服務組織年末人數(shù)表征，資本投入以農(nóng)機化總投入表征，物質(zhì)投入以農(nóng)業(yè)機械總動力表征［16， 17］；期望產(chǎn)出為農(nóng)機服務收入總額和農(nóng)機化作業(yè)面積，非期望產(chǎn)出則為農(nóng)機社會化服務過程可能產(chǎn)生的碳排量衡量。由于農(nóng)機社會化服務通過機械作業(yè)從事耕地、播種、灌溉、值保和收割等農(nóng)業(yè)生產(chǎn)環(huán)節(jié)，由此產(chǎn)生的碳源主要為農(nóng)機消耗的柴油以及翻耕和灌溉環(huán)節(jié)產(chǎn)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(shù)的方法得到農(nóng)機社會化服務過程的碳排放量。

關于農(nóng)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(nóng)用化肥施用量衡量；農(nóng)藥投入（Pesti）以農(nóng)藥使用量衡量；人力資本（Edu）以農(nóng)村人均受教育年限衡量；農(nóng)村人口老齡化（Aging）以農(nóng)村65歲及以上人口占農(nóng)村總人口數(shù)量衡量；勞動力價格（Lprice）以農(nóng)村人均工資性收入衡量；農(nóng)業(yè)產(chǎn)業(yè)結構（Aindu）以種植業(yè)生產(chǎn)總值與農(nóng)林牧漁業(yè)生產(chǎn)總值的比重衡量；城鎮(zhèn)化（Urban）以城鎮(zhèn)人口占地區(qū)總人口數(shù)量。

鑒于西藏數(shù)據(jù)缺失嚴重而剔除，故本文的研究對象為中國30個?。ㄊ小⒆灾螀^(qū)）2007—2021年的農(nóng)機社會化服務綠色效率。數(shù)據(jù)來源于《中國農(nóng)業(yè)機械工業(yè)年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國人口與就業(yè)統(tǒng)計年鑒》與EPS數(shù)據(jù)庫。

1.2 研究方法

1.2.1 SBM模型

本文通過采用SBM測算農(nóng)機社會化服務綠色效率。模型設定如下：

假設每個?。ㄊ小⒆灾螀^(qū)）為生產(chǎn)決策單元DMUj（j=1，2，3，…，30），包括投入要素x、期望產(chǎn)出y1和非期望產(chǎn)出y2三個向量，則每個?。ㄊ?、自治區(qū)）的生產(chǎn)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(chǎn)出平均值；y-2——非期望產(chǎn)出平均值；λ——權重變量；k——被評價單元；n——決策單元的數(shù)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(chǎn)出的平均值、非期望產(chǎn)出的平均值。

現(xiàn)假設存在u種投入，x∈Ru，同時包括期望產(chǎn)出和非期望產(chǎn)出兩種：m1為期望產(chǎn)出，y∈Rm1，m2為非期望產(chǎn)出，y∈Rm2，考慮非期望產(chǎn)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(chǎn)出；y2ij——第j個DMV的第j項非期望產(chǎn)出；β——效率值（0<β<1）；i——投入變量的個數(shù)；xik、y1ik、y2ik——投入i個變量，被評價單元k投入、期望產(chǎn)出、非期望產(chǎn)出的數(shù)值。

1.2.2 Dagum基尼系數(shù)及其分解

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

G=Gw+Gnb+Gt（4）

式中：Gw——地區(qū)內(nèi)差異貢獻；Gnb——地區(qū)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(shù)估計法，能夠通過擬合數(shù)據(jù)對其形態(tài)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(shù)為

f（x）=1Nh∑Ni=1KXi－xh（5）

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

與多數(shù)研究方法一致，本文采用高斯核函數(shù)對中國農(nóng)機社會化服務綠色效率的分布動態(tài)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(qū)域從一種狀態(tài)轉移為另一種狀態(tài)的動態(tài)演進。本文通過運用馬爾科夫鏈分析我國農(nóng)機社會化服務綠色效率的動態(tài)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(tài)e變成狀態(tài)f的總次數(shù)；nef——狀態(tài)ef出現(xiàn)的次數(shù)。

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

2 農(nóng)機社會化服務綠色效率測度結果

2.1 農(nóng)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(nóng)機社會化服務綠色效率。由圖1可知，從我國整體的農(nóng)機社會化服務綠色效率看，我國農(nóng)機社會化服務綠色效率呈M型發(fā)展趨勢，2007年農(nóng)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(xiàn)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(xiàn)微弱的下降趨勢。

從三大地區(qū)農(nóng)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(qū)、東部地區(qū)和西部地區(qū)。中部地區(qū)農(nóng)機社會化服務綠色效率呈波浪式增長態(tài)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(qū)農(nóng)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(xiàn)在2010年（0.937 2），兩者相差0.383 9。西部地區(qū)農(nóng)機社會化服務綠色效率呈階梯式增長態(tài)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(fā)展趨勢，2017—2018年出現(xiàn)跨越式增長，隨后又呈現(xiàn)較為的平穩(wěn)發(fā)展狀態(tài)。

2.2 農(nóng)機社會化服務綠色效率區(qū)域差異及其來源

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

2.2.1 農(nóng)機社會化服務綠色效率的總體差異

由表1可知，我國農(nóng)機社會化服務綠色效率的總體差異在樣本觀測期內(nèi)呈縮小趨勢。以2007年為基期，農(nóng)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(xiàn)出“驟降—平緩上升—緩慢下降”的態(tài)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(xiàn)緩慢下降趨勢。整體而言，近年來我國農(nóng)機社會化服務綠色效率的總體差異呈縮小趨勢。

2.2.2 農(nóng)機社會化服務綠色效率的區(qū)域內(nèi)差異

由表1可知，農(nóng)機社會化服務綠色效率的區(qū)域內(nèi)差異從大到小依次為西部地區(qū)、東部地區(qū)和中部地區(qū)。就三大地區(qū)的變化趨勢而言，地區(qū)間存在顯著差異。首先是差異最大的西部地區(qū)，農(nóng)機社會化服務綠色效率的區(qū)域內(nèi)差異呈現(xiàn)先增后降的趨勢，2007—2011年表現(xiàn)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(tài)，但近年來仍呈下降趨勢，年均降幅為1.538%。其次，東部地區(qū)的農(nóng)機社會化服務綠色效率呈現(xiàn)區(qū)域內(nèi)擴大趨勢。2007年的0.367下降至2010年的0.088，2011年至今則表現(xiàn)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(qū)的農(nóng)機社會化服務綠色效率表現(xiàn)為縮小趨勢，年均降幅為1.835%。最后，中部地區(qū)呈現(xiàn)平緩波動的下降態(tài)勢，相較于東西部地區(qū)而言，中部地區(qū)的農(nóng)機社會化服務綠色效率整體發(fā)展較為平穩(wěn)，年均基尼系數(shù)（0.191 2）和年均降幅（1.292%）在三地區(qū)中均為最小。

2.2.3 農(nóng)機社會化服務綠色效率的區(qū)域間差異

由表1可知，東—西、中—西和東—中部區(qū)域間差異的變化趨同，整體表現(xiàn)為先大幅下降，后平緩發(fā)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(qū)域穩(wěn)定。東—中和東—西部區(qū)域間差異最小值出現(xiàn)在2010年，中—西部區(qū)域間差異最小值出現(xiàn)在2013年。其中東—中、東—西和中—西部區(qū)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(qū)域間農(nóng)機社會化服務效率的差異最大，其次是中—西部地區(qū)，東—中部地區(qū)差異最小。此外，東—中、東—西和中—西部區(qū)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(qū)域間的農(nóng)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(qū)域間差異縮小速度相對較慢。

2.2.4 農(nóng)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(nóng)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(qū)域間差異、超變密度和區(qū)域內(nèi)差異，觀測期內(nèi)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(qū)域間差異貢獻度呈現(xiàn)M型變化趨勢，2007—2009年為上升期，然后出現(xiàn)大幅下降至2010年的33.573%，2011—2016年呈波動式發(fā)展，2018年增長至57.138%，近年來出現(xiàn)小幅下降趨勢。超變密度貢獻度整體表現(xiàn)較為平緩，貢獻度維持在30%左右。區(qū)域內(nèi)差異貢獻度的變化趨勢則與區(qū)域間差異變化趨勢相反，整體呈現(xiàn)為W型。從分解的結果可知，東、中、西部地區(qū)間農(nóng)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(qū)間的農(nóng)機社會化服務綠色效率差距。

2.3 農(nóng)機社會化服務綠色效率的時空動態(tài)演變

2.3.1 時間變化趨勢

前文通過Dagum基尼系數(shù)對農(nóng)機社會化服務綠色效率的地區(qū)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(nóng)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(nóng)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(nóng)機社會化服務綠色效率的Kernel密度圖。由圖2可知，全國農(nóng)機社會化服務綠色效率的分布動態(tài)具有如下特征。第一，全國農(nóng)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(nóng)機社會化服務綠色效率逐步提高，農(nóng)業(yè)社會化服務體系建設取得一定成效。第二，全國農(nóng)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(nóng)機社會化服務綠色效率近年來呈集中趨勢。第三，全國農(nóng)機社會化服務綠色效率的核密度函數(shù)“右拖尾”明顯且呈擴寬態(tài)勢，說明全國農(nóng)機社會化服務綠色效率的絕對差異在觀測期內(nèi)先縮小后擴大，意味著農(nóng)機社會化服務綠色效率較高的省（市、自治區(qū)）與農(nóng)機社會化服務綠色效率較低的?。ㄊ?、自治區(qū)）的差距日益拉大。第四，2007—2010年間全國農(nóng)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(nèi)年份較早時候，農(nóng)機社會化服務綠色效率存在兩層次并存的地區(qū)分化式發(fā)展結構。2011至今，全國農(nóng)機社會化服務綠色效率的核密度函數(shù)峰值轉化為一個且波峰更加緩和，說明地區(qū)極化差異得到緩解。

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

由圖3可知，東部地區(qū)農(nóng)機社會化服務綠色效率的分布動態(tài)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(qū)農(nóng)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(qū)農(nóng)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(qū)農(nóng)機社會化服務綠色效率的分布狀態(tài)從集中轉化為趨于分散。第三，東部地區(qū)農(nóng)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(qū)農(nóng)機社會化服務綠色效率的絕對差異表現(xiàn)為先縮小后擴大態(tài)勢，也就是說東部地區(qū)內(nèi)部農(nóng)機社會化服務綠色效率高與農(nóng)機社會化服務綠色效率低的省（市、自治區(qū)）間的絕對差異呈擴大趨勢。

3） ?中部地區(qū)Kernel密度估計。圖4為中部地區(qū)農(nóng)機社會化服務綠色效率的Kernel密度圖。由圖4可知，中部地區(qū)農(nóng)機社會化服務綠色效率的分布動態(tài)具有如下特征：第一，觀測期內(nèi)中部地區(qū)農(nóng)機社會化服務綠色效率的核密度曲線整體呈現(xiàn)右移趨勢，說明中部地區(qū)農(nóng)機社會化服務綠色效率逐漸增長。第二，中部地區(qū)農(nóng)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(qū)各省（市、自治區(qū)）間的農(nóng)機社會化服務綠色效率絕對差異拉大。第三，中部地區(qū)農(nóng)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(qū)農(nóng)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(qū)Kernel密度估計。圖5為西部地區(qū)農(nóng)機社會化服務綠色效率的Kernel密度圖。

由圖5可知，西部地區(qū)農(nóng)機社會化服務綠色效率的分布動態(tài)具有如下特征：第一，西部地區(qū)農(nóng)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(qū)相似，均是先右移后左移，說明西部地區(qū)農(nóng)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(qū)農(nóng)機社會化服務綠色效率的核密度曲線峰值持續(xù)增大且波峰寬度縮小，反映西部地區(qū)農(nóng)機社會化服務綠色效率趨于集中。第三，西部地區(qū)農(nóng)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(qū)的絕對差異擴大。

2.3.2 跨期轉移趨勢

本文通過使用傳統(tǒng)的馬爾科夫鏈和空間馬爾科夫鏈模型對農(nóng)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(jù)標準分位數(shù)法將農(nóng)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(jù)此測算農(nóng)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(tǒng)Markov轉移矩陣結果，對角線上的數(shù)值表示觀測期內(nèi)?。ㄊ小⒆灾螀^(qū)）類型保持不變的概率，非對角線上的數(shù)值表示不同類型的省（市、自治區(qū)）發(fā)生轉移的概率。

由表2可知，類型Ⅰ、Ⅱ、Ⅲ、Ⅳ對角線上的數(shù)值依次為0.602、0.500、0.565和0.733，非對角線上的最大數(shù)值僅為0.221，說明在觀測期內(nèi)各類型保持不變的概率較大，即我國農(nóng)機社會化服務綠色效率存在不同程度的俱樂部趨同現(xiàn)象，該現(xiàn)象較為穩(wěn)定；且不同類型間發(fā)生轉移的概率較小，說明我國農(nóng)機社會化服務綠色效率的差異存在固化現(xiàn)象。具體來看，處于類型Ⅰ水平的農(nóng)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(nóng)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(nóng)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(nóng)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(shù)?。ㄊ?、自治區(qū)）來說，維持現(xiàn)有水平的農(nóng)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(qū)）間相鄰水平發(fā)生轉移的概率大于間隔跳躍發(fā)生的概率，地區(qū)間慣性特征顯著。

由于傳統(tǒng)Markov鏈忽略周圍空間因素的影響，因此，本文在傳統(tǒng)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(nóng)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(qū)）的空間格局對農(nóng)機社會化服務綠色效率的影響程度較大，對比傳統(tǒng)Markov轉移概率矩陣，空間Markov的概率矩陣發(fā)生變化，且不同類型的概率各不相同。第二，當鄰近區(qū)域為類型Ⅱ時，低水平（類型Ⅰ）的?。ㄊ?、自治區(qū)）維持現(xiàn)有狀態(tài)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(fā)展水平的?。ㄊ?、自治區(qū)）對低水平的?。ㄊ?、自治區(qū)）農(nóng)機社會化服務綠色效率具有一定的推動作用。第三，在農(nóng)機社會化服務綠色效率發(fā)生轉移的過程中，存在空間溢出效應。若與農(nóng)機社會化服務綠色效率較高的?。ㄊ小⒆灾螀^(qū)）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(nóng)機社會化服務綠色效率較低的?。ㄊ小⒆灾螀^(qū)）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(tǒng)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(fā)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(xiàn)出效率鎖定現(xiàn)象，亦為在傳統(tǒng)Markov下的俱樂部趨同現(xiàn)象提供了空間解釋。

3 農(nóng)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(nóng)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(nóng)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(tǒng)計見表4。

經(jīng)豪斯曼檢驗，固定效應優(yōu)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(qū)的回歸結果。從全國層面看，城鎮(zhèn)化和人口老齡化、種植結構等因素對農(nóng)機社會化服務綠色效率具有顯著的提升作用，化肥、農(nóng)藥施用量的增加嚴重阻礙了農(nóng)機綠色社會化效率的增長，勞動力價格的增長對農(nóng)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?zhèn)化為農(nóng)業(yè)機械技術的研發(fā)創(chuàng)造了條件，推動了低碳減排農(nóng)業(yè)機械的發(fā)明與創(chuàng)造；人口老齡化導致勞動力弱質(zhì)性，難以承受農(nóng)業(yè)勞動強度，以農(nóng)機服務替代人力勞動成為農(nóng)戶的最優(yōu)選擇；趨糧化的種植結構，方便機械作業(yè)，且相較于經(jīng)濟作物，糧食作物對化肥、農(nóng)藥的需求量較低，因此城鎮(zhèn)化的發(fā)展、種植結構以及人口老齡化能顯著促進農(nóng)機綠色社會化服務。

從地區(qū)層面看，東部地區(qū)的城鎮(zhèn)化、老齡化和人力資本因素能顯著提高農(nóng)機綠色社會化服務水平，勞動力價格因素不利于農(nóng)機社會化服務綠色效率的提高。中部地區(qū)的城鎮(zhèn)化、老齡化因素對農(nóng)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(qū)老齡化因素顯著促進了農(nóng)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(nóng)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(chǎn)率的內(nèi)涵，將其引入農(nóng)機社會化服務之中，運用超效率SBM模型測算2007—2021年我國30個省（市、自治區(qū)）農(nóng)機社會化服務綠色效率，進而使用Dagum基尼系數(shù)對農(nóng)機社會化服務綠色效率地區(qū)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(jù)Markov鏈測算農(nóng)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(nóng)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(nóng)機社會化服務綠色效率呈上升趨勢，空間分布上表現(xiàn)為中東高西部低的狀態(tài)。

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

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

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

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

針對以上結論，給出以下建議：第一，雖然目前我國農(nóng)機社會化服務綠色效率呈積極發(fā)展態(tài)勢，但仍需高度重視農(nóng)機社會化綠色服務建設與發(fā)展，進一步提升農(nóng)機社會化服務綠色效率，破除農(nóng)業(yè)環(huán)境瓶頸，實現(xiàn)資源、環(huán)境與農(nóng)業(yè)的可持續(xù)發(fā)展。第二，協(xié)調(diào)各地區(qū)發(fā)展，提升農(nóng)機社會化全域服務綠色效率。建設農(nóng)機綠色社會化服務信息網(wǎng)絡平臺，縮小東、中、西區(qū)域農(nóng)機社會化服務綠色效率差異，進而完善農(nóng)機社會化綠色服務體系；鼓勵新型農(nóng)機技術的創(chuàng)新推廣，逐步提升各區(qū)域農(nóng)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(qū)根據(jù)當?shù)剞r(nóng)業(yè)發(fā)展階段、農(nóng)業(yè)特點以及農(nóng)業(yè)影響因素制定適合當?shù)氐霓r(nóng)機社會化綠色服務發(fā)展方案。

參 考 文 獻

［1］曹鐵毅， 鄒偉. 社會化服務供給對規(guī)模農(nóng)戶經(jīng)濟效益和綠色生產(chǎn)的影響［J］. 長江流域資源與環(huán)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(nóng)機作業(yè)服務對農(nóng)業(yè)生態(tài)效率的影響： 本地效應與空間溢出［J］. 中國農(nóng)業(yè)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(nóng)業(yè)社會化服務能否促進小麥種植戶綠色生產(chǎn)轉型？——基于河南、山東、山西的農(nóng)戶調(diào)查證據(jù)［J］. 中國人口·資源與環(huán)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(nóng)業(yè)綠色全要素生產(chǎn)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(nóng)業(yè)綠色全要素生產(chǎn)率增長的分布動態(tài)演進［J］. 統(tǒng)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(nóng)業(yè)綠色全要素生產(chǎn)率增長及其影響因素［J］. 華南農(nóng)業(yè)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(guī)范何以影響農(nóng)戶農(nóng)藥減量化施用——基于道德責任感中介效應與社會經(jīng)濟地位差異的調(diào)節(jié)效應分析［J］. 農(nóng)業(yè)技術經(jīng)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(huán)境規(guī)制、農(nóng)業(yè)綠色生產(chǎn)率與糧食安全［J］. 中國人口·資源與環(huán)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(nóng)業(yè)社會化服務有助于提升農(nóng)業(yè)綠色生產(chǎn)率嗎？［J］. 南方經(jīng)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(nóng)機化效率：區(qū)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(nóng)業(yè)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(nóng)業(yè)機械投入效率的三階段DEA的分析［J］. 中國農(nóng)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(nóng)機社會化服務效率的時空分異研究——來自中國省域證據(jù)［J］. 中國農(nóng)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(nóng)業(yè)社會化服務的綠色發(fā)展效應——基于農(nóng)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(nóng)機社會化服務的化肥減量效應及作用路徑研究——基于CRHPS數(shù)據(jù)［J］. 農(nóng)業(yè)技術經(jīng)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(nóng)業(yè)機械化對農(nóng)業(yè)碳排放強度影響的空間溢出效應——基于282個城市面板數(shù)據(jù)的實證［J］. 中國人口·資源與環(huán)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(nóng)機社會化服務效率的時空分異研究——來自中國省域證據(jù)［J］. 中國農(nóng)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(nóng)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(nóng)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(nóng)業(yè)碳排放時空特征及影響因素分解［J］. 中國人口·資源與環(huán)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(xù)雙. 中國農(nóng)業(yè)環(huán)境效率時空演變及其驅動因素［J］. 生態(tài)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(nóng)業(yè)技術經(jīng)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(nóng)業(yè)經(jīng)濟理論與政策。E-mail： wjy-0713@163.com