田嬡 曾令秋

DOI：10.3969/j.issn.1674-8131.2024.02.008

摘?要：農業(yè)機械化會產生經濟增長效應和環(huán)境污染效應，進而導致農機購置補貼帶來的農業(yè)綠色全要素生產率（GTFP）增長慢于農業(yè)全要素生產率（TFP）增長。采用2008—2021年31個省份數(shù)據(jù)的分析發(fā)現(xiàn)：農機購置補貼提高了農業(yè)總產值和碳排放量并降低了碳排放強度（經濟增長效應大于環(huán)境污染效應），從而顯著促進了農業(yè)GTFP提升，但該正向影響小于農機購置補貼對農業(yè)TFP的正向影響；農機購置補貼主要通過技術進步渠道促進農業(yè)GTFP和農業(yè)TFP提升（技術效率改善渠道的作用不顯著），且對農業(yè)綠色技術進步的促進作用小于對農業(yè)技術進步的促進作用；在農村人力資本水平較高地區(qū)、平原面積占比較高地區(qū)和環(huán)境規(guī)制較強地區(qū)，農機購置補貼對農業(yè)GTFP和農業(yè)TFP的提升作用更為顯著，且在環(huán)境規(guī)制較強地區(qū)對農業(yè)GTFP的提升作用大于對農業(yè)TFP的提升作用。因此，應增強支農政策的綠色偏向，提高農村人力資本水平和環(huán)境規(guī)制強度，并通過完善配套政策和加強基礎設施建設有效提高農業(yè)技術效率，進而實現(xiàn)更快的農業(yè)GTFP增長。

關鍵詞：農業(yè)；農機購置補貼；綠色全要素生產率；技術進步；技術效率；環(huán)境規(guī)制；人力資本

中圖分類號：F323.3；F310??文獻標志碼：A??文章編號：1674-8131（2024）02-0094-16

引用格式：田嬡，曾令秋.農機購置補貼對農業(yè)綠色全要素生產率的影響研究［J］.西部論壇，2024，34（2）：94-109.

TIAN Ai， ZENG Ling-qiu. Research on the imapct of agricultural machinery purchase subsidies on green total factor productivity in agriculture ［J］. West Forum， 2024， 34（2）： 94-109.

一、引言

長期以來，高投入、高消耗、高污染的粗放型增長模式在促進我國農業(yè)經濟快速增長的同時，也使得資源短缺和環(huán)境污染問題日益凸顯，給農業(yè)可持續(xù)發(fā)展帶來嚴峻挑戰(zhàn)。在資源環(huán)境硬約束趨緊的背景下，實現(xiàn)農業(yè)增長動力機制轉變，即由要素驅動向綠色全要素生產率（Green Total Factor Productivity，GTFP）驅動轉化，成為農業(yè)可持續(xù)發(fā)展必須解決的關鍵問題（郭海紅 等，2021）^［1］。同時，加快農業(yè)綠色低碳轉型也是建設農業(yè)強國的應有之義（謝文帥，2023）^［2］，契合了中國式現(xiàn)代化要實現(xiàn)人與自然和諧共生的發(fā)展理念。全要素生產率（Total Factor Productivity，TFP）是衡量生產過程中利用全部要素投入獲得產出的多少的重要指標，相較于基于要素投入和期望產出核算的農業(yè)全要素生產率（以下簡稱農業(yè)TFP）指標，農業(yè)綠色全要素生產率（以下簡稱農業(yè)GTFP）指標進一步考慮了環(huán)境污染等非期望產出（王奇 等，2012；葛鵬飛 等，2018）^［3-4］，能夠反映農業(yè)經濟增長過程中的資源節(jié)約和環(huán)境保護狀況。近年來，如何有效提升農業(yè)GTFP成為學術界關注的熱點問題，相關文獻對影響農業(yè)GTFP的因素進行了多維度的深入探討，比如財政支持（葉初升 等，2016）、環(huán)境規(guī)制（馬國群 等，2021）、人口老齡化（金紹榮 等，2023）、農村金融發(fā)展（李健旋，2021）、農業(yè)產業(yè)集聚（韓海彬 等，2023）、農產品貿易（楊秀玉 等，2023）、農地流轉（匡遠配 等，2024）、鄉(xiāng)村數(shù)字化（金紹榮 等，2022；郭海紅，2024）等^［5-13］。

農業(yè)補貼是政府支持農業(yè)發(fā)展的常用政策工具之一，主要包括農作物良種補貼、種糧農民直接補貼、農資綜合補貼和農機購置補貼（2016年我國實施農業(yè)補貼改革后，前三項補貼合并為農業(yè)支持保護補貼）。農機購置補貼作為一項鼓勵農業(yè)生產主體購置和更新農機的政策，可以通過替代效應、收入效應和乘數(shù)效應等促進農戶購置農機，進而推動農業(yè)增產增效（李農 等，2010）^［14］。王霞云和郭慧文（2021）、許慶等（2023）的實證研究結果均表明，農機購置補貼政策的實施顯著提高了農業(yè)TFP^［15-16］。但不容忽視的是，除了經濟增長效應外，農機購置補貼的實施也可能對生態(tài)環(huán)境產生影響。田曉暉等（2021）研究發(fā)現(xiàn)，農機購置補貼能夠改變農戶使用污染性投入要素和處理農業(yè)生產廢棄物的方式，從而會對生態(tài)環(huán)境產生重要影響^［17］。農業(yè)產出和污染物排放的多少直接影響到農業(yè)GTFP水平的高低，那么，農機購置補貼是促進還是抑制了農業(yè)GTFP提升？目前對這一問題的討論還比較欠缺。

許慶等（2023）基于全國農村固定觀察點數(shù)據(jù)的研究發(fā)現(xiàn)，農機購置補貼通過增加農戶農機社會化服務可得性這一渠道促進了農業(yè)TFP提升，且主要是促進了農業(yè)技術進步^［16］。鄒強（2023）采用30個省份面板數(shù)據(jù)的分析表明，農機購置補貼主要通過提高綠色技術效率的渠道促進農業(yè)GTFP增長，其對綠色技術進步的影響不明顯^［18］。但該研究選擇每年中央財政撥出的農機購置補貼這一流量指標進行分析，沒有考慮到補貼會以農業(yè)機械資本存量的形式沉淀下來，從而影響后期的農業(yè)機械化水平（王許沁 等，2018；張宗毅 等，2019）^［19-20］。那么，農機購置補貼是否通過綠色技術進步渠道和綠色技術效率改變渠道影響了農業(yè)GTFP？哪種渠道占主導地位？仍然有待進一步的檢驗。同時，相比對未考慮環(huán)境因素的農業(yè)TFP的影響，農機購置補貼對納入環(huán)境因素的農業(yè)GTFP的影響是更大還是更小，也需要明確。

基于上述考慮，本文在已有研究的基礎上探討農機購置補貼對農業(yè)GTFP的影響及其主導渠道，并采用2008—2021年31個省份的面板數(shù)據(jù)進行實證檢驗。相比已有文獻，本文的邊際貢獻主要在于：第一，分析并比較了農機購置補貼對農業(yè)GTFP和農業(yè)TFP的影響，豐富了農機購置補貼的政策效應研究；第二，考察了不同情境下（納入環(huán)境因素和不納入環(huán)境因素）農機購置補貼對農業(yè)技術進步和農業(yè)技術效率改善的影響，有助于深入認識技術進步渠道和技術效率改善渠道在農業(yè)GTFP提升中發(fā)揮的作用，進而更有效地促進農業(yè)GTFP增長，并為后續(xù)研究提供了新的思路和方法；第三，從人力資本水平、地形條件和環(huán)境規(guī)制3個維度分析了農機購置補貼影響農業(yè)GTFP和農業(yè)TFP的異質性，為進一步提高財政支農政策實施的精準性和有效性提供了經驗借鑒和啟示。

二、理論分析與研究假說

1. 農機購置補貼對農業(yè)GTFP的影響

從理論上講，全要素生產率的提高可能是由于技術進步或技術效率改善引起的。技術進步是指通過技術創(chuàng)新或引入先進技術推動生產前沿面外移，技術效率改善是指在現(xiàn)有技術水平下通過優(yōu)化資源要素配置和提升生產管理能力促進生產決策單元向生產前沿面移動，兩者都能提高單位要素投入的產出水平。因此，本文主要基于技術進步和技術效率改善這兩個渠道來探討農機購置補貼對農業(yè)GTFP產生的影響。

（1）技術進步渠道

農機購置補貼可以通過增加農業(yè)生產中農機的使用和促進農機企業(yè)提升農機性能兩條途徑，推動農業(yè)生產技術進步，進而促進農業(yè)TFP提高。一方面，農機購置補貼可以直接降低農機購置成本和間接降低農機社會化服務價格（劉進 等，2023）^［21］，激勵農戶和農業(yè)生產經營組織購買農機裝備或農機作業(yè)服務，從而使先進的農業(yè)技術得以轉化運用到農業(yè)生產中，推動農業(yè)生產實踐的技術水平提高。另一方面，進入農機補貼目錄的產品更易獲得市場的認可和推廣，而只有達到一定條件的農機產品才能進入補貼目錄，補貼機具和標準還會隨政策目標的變化不斷調整。因此，農機購置補貼的選擇性和動態(tài)調整機制會引導農機企業(yè)不斷進行技術創(chuàng)新，科技含量更高的農機產品在農業(yè)生產中的運用則會直接推動農業(yè)技術進步。可見，農機是先進農業(yè)生產技術的重要載體，農機購置補貼引起的農機使用量增加和農機性能提升會推動農業(yè)生產技術進步，從而有助于增加單位生產要素投入的期望產出（通常指農業(yè)生產的經濟效益），實現(xiàn)農業(yè)TFP提升。

但對農業(yè)GTFP來講，不僅要看期望產出，還需要考慮非期望產出（通常指農業(yè)污染物排放），而技術進步在促進農業(yè)產量增加的同時也會對生態(tài)環(huán)境產生影響。一方面，高效施肥、精準施藥、節(jié)水灌溉、廢棄物處理等農機裝備和技術的推廣使用，可以提高農資利用效率和實現(xiàn)農業(yè)生產廢棄物再利用，減少農業(yè)污染排放；另一方面，以柴油發(fā)動機為主的農業(yè)機械使用會直接增加農業(yè)污染排放。因此，農機技術進步對農業(yè)非期望產出的影響與其本身的技術偏向有關，越偏向綠色技術越有利于減少非期望產出。從實際情況來看，相較于一般的技術進步，綠色技術進步的節(jié)能減排要求會增加技術創(chuàng)新成本，并可能存在因綠色技術產品價格較高而不被農業(yè)生產經營主體接受的市場風險（劉運材 等，2022）^［22］，因此，在企業(yè)追求利潤最大化目標和農戶綠色技術采納意愿不高的現(xiàn)實約束下，農機購置補貼引起的技術進步可能會更多地偏向提高經濟效益，從而在促進農業(yè)產量增加的同時也增加了農業(yè)污染排放總量?？偟膩砜?，當農機購置補貼引致的農業(yè)技術進步使得農業(yè)期望產出增長率高于非期望產出增長率時，其表現(xiàn)為促進農業(yè)GTFP提高。

盡管偏向經濟效益的技術進步會帶來農業(yè)污染物排放總量增加，但隨著經濟發(fā)展方式的轉變，綠色技術進步日益受到重視，農業(yè)機械領域技術進步的綠色偏向也不斷增強，促使單位產出的污染物排放量降低，因此，農業(yè)機械化在增加農業(yè)污染物排放總量的同時也會降低農業(yè)污染物排放強度（徐清華 等，2022；賀青 等，2023）^［23-24］。綜合來看，農機購置補貼推動的農業(yè)技術進步帶來的經濟增長效應大于環(huán)境污染效應，進而可以促進農業(yè)GTFP提升。然而，當非期望產出呈上升趨勢時，不考慮負外部性的生產率（TFP）增長會高于考慮負外部性的生產率（GTFP）增長（Yrük et al.，2005）^［25］。所以，農機購置補貼可以通過促進技術進步的路徑提高農業(yè)GTFP和農業(yè)TFP，但對農業(yè)GTFP的提升作用相對較小。

（2）技術效率改善渠道

從理論上講，農機購置補貼可以通過以下作用改善農業(yè)生產的技術效率：首先，農機購置補貼使得農機要素的相對價格下降，導致農機與勞動力之間產生要素替代，進而促進農村勞動力轉移（呂煒 等，2015）^［26］；家庭成員外出務工率的提升則會促使農戶進行農地流轉（錢龍 等，2019）^［27］，這將推動農地規(guī)模經營，緩解土地細碎化問題，提高農地配置效率（蓋慶恩 等，2023）^［28］；隨著土地向生產要素相對充裕且具有集約化、專業(yè)化、組織化和社會化特征的新型農業(yè)經營主體集中，勞動、土地和資本等生產要素配置實現(xiàn)帕累托改進，從而提升農業(yè)生產技術效率。其次，農機購置補貼促進了農機社會化服務的發(fā)展（許慶 等，2023）^［16］，有利于農業(yè)生產的專業(yè)化分工和勞動者生產技能的提高，進而促進農業(yè)生產技術效率改善。最后，由于只有達到一定資質的農機產品才能進入補貼目錄，這會降低農戶在農機市場上面臨的信息不對稱風險，提高市場運行效率。

然而，上述作用在農業(yè)生產實踐中能否實現(xiàn)，受勞動力流動、土地流轉、農戶要素配置能力等諸多因素的共同影響。總的來看，目前我國農業(yè)勞動力的人力資本水平不高導致其轉移困難，土地流轉滯后于勞動力轉移且流轉規(guī)模小，農地碎片化經營的特征依然明顯（郜亮亮 等，2022）^［29］；同時，要素市場發(fā)展滯后，生產要素自由流動受阻，導致農機購置補貼難以通過優(yōu)化資源配置這一路徑來提升農業(yè)生產技術效率（許慶 等，2023）^［16］。此外，農機購置補貼的受益對象以農戶為主，而農戶普遍缺乏現(xiàn)代農業(yè)技術和管理素養(yǎng)，雖然農機購置補貼促進了農戶購置農業(yè)機械，但在農機維修網點等農機化基礎設施建設相對滯后、農機技術培訓服務供給不到位等外部條件的制約下，農機使用的效率不高，對農業(yè)技術效率的改善作用難以發(fā)揮。由此可見，在農業(yè)勞動力人力資本水平不高和相關配套政策不完善的情況下，農機購置補貼對農業(yè)技術效率的改善作用可能并不明顯。

綜上所述，本文提出研究假說1：農機購置補貼能夠顯著提高農業(yè)GTFP，但該影響小于農機購置補貼對農業(yè)TFP的影響；農機購置補貼主要通過技術進步渠道促進農業(yè)GTFP和農業(yè)TFP提升。

2. 農機購置補貼影響農業(yè)GTFP的異質性

（1）人力資本異質性

農機購置補貼對農業(yè)GTFP的提升作用受到農戶技術采納和運用能力的影響。一方面，受教育程度越高的農戶對新技術，尤其是生態(tài)農業(yè)技術的采納意愿越強（毛慧 等，2020）^［30］，購買補貼機具時選擇綠色環(huán)保農機的可能性越大，這有利于發(fā)揮農機購置補貼引導農民購置先進適用、節(jié)能環(huán)保農機的作用，進而更有效地促進農業(yè)綠色技術進步。另一方面，在農業(yè)生產實踐中，農機使用對農業(yè)產出和生態(tài)環(huán)境的影響大小，在很大程度上與農戶的農機運用能力相關。當農戶的人力資本水平與農機使用技術不相匹配時，農機購置補貼難以推動農業(yè)先進技術充分轉化為現(xiàn)實生產力，同時，農機技術知識的缺乏以及對節(jié)能減排重要性認識的不足還會增加農機使用過程中的能源消耗和污染環(huán)境，對農業(yè)綠色技術效率產生負面影響。由此可見，較高的人力資本為農業(yè)技術進步和技術效率改善提供了重要支撐，有助于更好地發(fā)揮農機購置補貼對農業(yè)GTFP提升的促進作用。因此，相比農村人力資本水平較低地區(qū)，農機購置補貼對農村人力資本水平較高地區(qū)農業(yè)GTFP的促進作用更為顯著。

（2）地形異質性

地形是影響農業(yè)技術進步和技術效率改善的重要因素，農機購置補貼對農業(yè)GTFP的影響也可能因地形的不同而存在差異。丘陵山區(qū)地勢起伏大、坡度陡峻，運輸?shù)缆泛吞镩g作業(yè)通道等農業(yè)基礎建設滯后，農業(yè)機械化發(fā)展也受到約束。相較于丘陵山區(qū)，平原地區(qū)的地形條件更有利于農機尤其是大中型農機的推廣和運用，因而農機購置補貼在推動農業(yè)機械化的過程中對平原地區(qū)農業(yè)生產技術進步的促進作用會更為明顯（潘經韜 等，2019）^［31］。另外，平原地區(qū)的農業(yè)規(guī)模經營程度較高，規(guī)模經營主體對綠色清潔機械的使用意愿更高，農機購置補貼可以更有效地激勵農戶采納綠色農業(yè)技術，從而推動農業(yè)綠色技術進步。因此，相比丘陵山區(qū)，農機購置補貼對平原地區(qū)農業(yè)GTFP的促進作用更為顯著。

（3）環(huán)境規(guī)制異質性

已有研究表明環(huán)境規(guī)制與GTFP密切相關，在環(huán)境規(guī)制較嚴的地區(qū)或時期，農業(yè)GTFP增長率高于農業(yè)TFP增長率（王奇 等，2012）^［3］。在環(huán)境規(guī)制水平較高的地區(qū)，農業(yè)生產經營主體受到各種懲罰措施的壓力和激勵措施的吸引，會更加重視環(huán)境保護和綠色生產（杜建國 等，2023）^［32］，進而會更積極地采用綠色技術來提高農業(yè)生產的清潔性（張金鑫 等，2020）^［33］。當環(huán)境規(guī)制水平較高時，農機購置補貼政策的綠色發(fā)展導向會更強，對綠色低碳農機的補貼力度更大，這會促使農機制造企業(yè)積極研發(fā)綠色農機裝備，也會激勵農業(yè)生產經營主體選擇購買補貼目錄中的清潔型農機產品，從而增強農機購置補貼對農業(yè)綠色技術進步的促進作用。因此，相比環(huán)境規(guī)制水平較低地區(qū)，農機購置補貼對環(huán)境規(guī)制水平較高地區(qū)農業(yè)GTFP的促進作用更為顯著。

綜上所述，本文提出研究假說2：相對而言，農機購置補貼對農業(yè)GTFP的提升作用在農村人力資本水平較高地區(qū)、平原地區(qū)、環(huán)境規(guī)制較強地區(qū)更為顯著。

三、實證檢驗設計

1. 模型設定

為檢驗農機購置補貼對農業(yè)GTFP的影響，同時與農業(yè)TFP作對比分析，參考潘彪和田志宏（2018）、祝

宏輝等（2023）、金紹榮和王佩佩（2023）的研究^{［34-35］［7］}，設定面板固定效應回歸模型（1）和（2）：

其中，被解釋變量“農業(yè)綠色技術進步”（ln GTECH）、“農業(yè)綠色技術效率”（ln GEFF）、“農業(yè)技術進步”（ln TECH）、“農業(yè)技術效率”（ln EFF）分別為農業(yè)綠色技術進步、農業(yè)綠色技術效率變化、農業(yè)技術進步、農業(yè)技術效率變化的自然對數(shù)值，其余變量定義同前。

2. 變量說明

（1）被解釋變量

考慮到數(shù)據(jù)的可獲得性以及農機購置補貼主要針對種植業(yè)的實際情況，本文采用狹義農業(yè)即種植業(yè)的數(shù)據(jù)來測算樣本地區(qū)的農業(yè)TFP和農業(yè)GTFP。參考馬國群和譚硯文（2021）、金紹榮和任贊杰（2022）的研究^{［6］［12］}，以“農作物總播種面積”“農業(yè)就業(yè)人數(shù)”“農業(yè)機械動力”“農用化肥施用折純量”“農藥使用量”“農用塑料薄膜使用量”“有效灌溉面積”作為投入指標，以“農業(yè)總產值”（2007年不變價）作為期望產出指標，以“農業(yè)碳排放量”作為非期望產出指標。其中，“農業(yè)就業(yè)人數(shù)”采用“第一產業(yè)從業(yè)人數(shù)×（農業(yè)總產值/農林牧漁業(yè)總產值）”來衡量，“農業(yè)機械動力”采用“農業(yè)機械總動力-畜牧業(yè)機械動力-漁業(yè)機械動力”來衡量；“農業(yè)碳排放量”的計算參考李波等（2011）的方法^［36］，依據(jù)6種碳排放源的投入量和碳排放系數(shù)進行測算，6種碳排放源分別是化肥、農藥、農膜、柴油、翻耕、農業(yè)灌溉，對應的碳排放系數(shù)分別為0.895 6 kg·kg^-1、4.934 1 kg·kg^-1、5.18 kg·kg^-1、0.592 7 kg·kg^-1、312.6 kg·km^-2、20.476 kg·Cha^-1。

相較于參數(shù)法，數(shù)據(jù)包絡分析（DEA）和指數(shù)法相結合的非參數(shù)法無需設定生產函數(shù)形式，避免了函數(shù)設定偏誤，被廣泛用于測算農業(yè)GTFP。傳統(tǒng)的徑向、角度DEA模型要求投入或產出同比例變化，當存在投入過度或產出不足時會高估評價對象的效率值，且角度選擇忽略了投入或產出的某個方面，會導致測算結果不準確（王兵 等，2010）^［37］；非徑向、非角度的SBM模型雖然能夠彌補以上缺陷，但忽略了效率前沿投影值的原始比例信息，也會影響效率評價的準確性（蔡烏趕 等，2017）^［38］。因此，本文采用綜合徑向和非徑向的超效率EBM模型來測算技術效率，并采用Oh（2010）提出的基于全局DEA技術的GML指數(shù)法估計農業(yè)GTFP的動態(tài)變化情況^［39］，該方法也是現(xiàn)有文獻在測算農業(yè)GTFP時普遍采用的方法（杜江 等，2016；郭海紅 等，2021；杜建軍 等，2023）^{［40］［1］［41］}。GML指數(shù)法將各決策單元的所有考察期作為基準構造生產前沿面，解決了Chung等（1997）基于當期DEA技術提出的ML指數(shù)法不具備循環(huán)性、無法基于固定年份進行累乘、可能存在線性規(guī)劃無解的問題（李華 等，2021）^［42-43］，也解決了Oh和Heshmati（2010）基于序列DEA技術提出的SML指數(shù)法不具備循環(huán)性和不允許技術退步的問題^［44］。在實際的農業(yè)生產中，受外部宏觀經濟環(huán)境變化和自然災害的影響，可能出現(xiàn)生產技術短暫退步的情形（展進濤 等，2019；郭海紅 等，2021）^{［45］［1］}。由于模型測算得到的GTFP指數(shù)是本年度農業(yè)GTFP相較于上一年度的變化情況，故參照一般做法，以2007年為基期（該年農業(yè)GTFP設定為1），之后各年將之前的農業(yè)GTFP指數(shù)相乘，得到當年累積形式的農業(yè)GTFP，取自然對數(shù)后作為被解釋變量“農業(yè)GTFP”；分解農業(yè)GTFP指數(shù)，用同樣的方法得到“農業(yè)綠色技術進步”和“農業(yè)綠色技術效率”?！稗r業(yè)TFP”“農業(yè)技術進步”和“農業(yè)技術效率”的測算方法同上（刪除非期望產出指標）。

（3）控制變量

借鑒鄧曉蘭和鄢偉波（2018）、余志剛等（2023）的研究^［46-47］，選取以下控制變量：一是“農作物種植結構”，采用糧食作物播種面積與農作物總播種面積的比值來衡量。由于種植經濟作物的經濟效益相對較高，預期該變量的回歸系數(shù)為負。二是“自然災害程度”，采用農作物受災面積與農作物總播種面積的比值來衡量。農業(yè)生產易受自然環(huán)境的影響，受災會導致產出下降，因而預期該變量的回歸系數(shù)為負。三是“工業(yè)化水平”，采用第二產業(yè)增加值占地區(qū)生產總值的比重來衡量。工業(yè)化可能導致農村青壯年等優(yōu)質人力資源流出，對農業(yè)生產效率產生負面影響，同時，石油農業(yè)的發(fā)展也會對農業(yè)生態(tài)環(huán)境產生較大的負面影響（王寶義 等，2018）^［48］，因此預期該變量的回歸系數(shù)為負。四是“農村水利基礎設施”，采用有效灌溉面積與農作物總播種面積的比值來衡量。水利設施能夠改善農業(yè)生產條件，減少旱澇等自然災害對農業(yè)生產的影響，所以預期該變量的回歸系數(shù)為正。五是“農村人力資本”，采用農村人均受教育年限來衡量，參照葉初升和馬玉婷（2020）的做法^［49］，設定文盲或半文盲、小學、初中、高中、中專、大專及以上6種類別的受教育年限分別為1、6、9、12、12、15.5，通過各類別受教育年限的人口比例乘以相應的受教育年限后加總得到。農業(yè)勞動力的受教育程度越高，其勞動技能和接受新知識、新技術的能力越強，有利于新技術的推廣和采納，因而預期該變量的回歸系數(shù)為正。六是“財政支農水平”，采用農林水事務支出與農林牧漁業(yè)增加值的比值來衡量。財政支農有助于農業(yè)生產，因此預期該變量的回歸系數(shù)為正。

3.數(shù)據(jù)處理

基于數(shù)據(jù)的可獲得性和可比性，本文使用我國31個省份（不包括港澳臺地區(qū)）2008—2021年的面板數(shù)據(jù)來進行實證檢驗。其中，農村人口受教育年限來自《中國人口和就業(yè)統(tǒng)計年鑒》，農作物受災面積和耕地面積來自《中國農村統(tǒng)計年鑒》，第一產業(yè)從業(yè)人數(shù)來自各省份統(tǒng)計年鑒，農業(yè)機械總動力、畜牧業(yè)機械動力和漁業(yè)機械動力來自《中國農業(yè)機械工業(yè)年鑒》，農機購置補貼來自布瑞克農業(yè)數(shù)據(jù)終端、《中國農業(yè)機械化年鑒》以及農業(yè)農村部農機購置補貼信息公開專欄，其他相關數(shù)據(jù)來自國家統(tǒng)計局網站，缺失數(shù)據(jù)通過插值法補齊。運用MAXDEA軟件計算農業(yè)GTFP和農業(yè)TFP，并對核心解釋變量進行前后1%的縮尾處理，以減輕異常值對回歸結果的影響。表1是本文主要變量的描述性統(tǒng)計結果。

表2的計算結果顯示，2008—2021年我國農業(yè)GTFP持續(xù)提升，年均增速達到3.87%，其中，農業(yè)綠色技術進步增速為4.12%，農業(yè)綠色技術效率增速為-0.24%，表明我國農業(yè)GTFP的增長主要依靠技術進步推動，這與大多數(shù)文獻的研究結論一致（王奇 等，2012；李文華 等，2019；郭海紅 等，2020；紀成君 等，2020）^{［3］［50-52］}。分區(qū)域來看，東部、中部和西部地區(qū)的農業(yè)GTFP年均增速分別為3.78%、4.27%和3.69%，中部地區(qū)的增速較高可能是因為中部地區(qū)多為產糧大省，我國實施的強農惠農政策具有明顯向糧食主產區(qū)傾斜的特征，推動了中部地區(qū)農業(yè)生產技術的研發(fā)和推廣，使該地區(qū)的農業(yè)技術進步較快。

四、實證結果分析

1.假說1的檢驗結果

Huasman檢驗結果顯示P值為0.000，拒絕隨機效應假設，故采用固定效應回歸模型來進行估計。模型（1）和（2）的回歸結果見表3。（1）～（3）列逐步加入控制變量，模型擬合優(yōu)度逐步提高，且核心解釋變量符號沒有發(fā)生改變，因此（3）列的估計結果更為準確。需要說明的是，（3）列中加入了“財政支農水平”滯后一期項，是由于當期“財政支農水平”的估計系數(shù)顯著為負，與理論預期不符（其他控制變量的回歸系數(shù)符號均與理論預期一致），但與葉初升和惠利（2016）、Wang等（2022）的分析結果一致^{［5］［53］}，其原因可能是財政支農政策發(fā)揮作用具有一定的滯后性，因此參考葉初升和惠利（2016）的做法^［5］，在模型中引入“財政支農水平”變量的滯后一期項，回歸結果顯示其估計系數(shù)顯著為正，表明財政支農對農業(yè)GTFP提升的促進作用確實具有滯后性。此外，在后文的模型分析中均加入了“財政支農水平”滯后一期項。

根據(jù)（3）（4）列的回歸結果，“農機購置補貼”對“農業(yè)GTFP”和“農業(yè)TFP”的估計系數(shù)均在1%的水平上顯著為正，表明農機購置補貼的增加顯著提高了農業(yè)GTFP和農業(yè)TFP；從系數(shù)大小來看，“農機購置補貼”對“農業(yè)TFP”的估計系數(shù)（0.141）大于對“農業(yè)GTFP”的估計系數(shù)（0.131），表明農機購置補貼增加相同幅度時，農業(yè)TFP提高的幅度大于農業(yè)GTFP提高的幅度。由此，假說1的前半部分得到驗證。進一步檢驗農機購置補貼對農業(yè)總產值、農業(yè)碳排放量和農業(yè)碳排放強度（農業(yè)碳排放量與農業(yè)總產值之比）的影響，回歸結果見表4。農機購置補貼對農業(yè)產出和碳排放均具有正向影響，同時也降低了農業(yè)碳排放強度，表明農機購置補貼產生的經濟增長效應大于環(huán)境污染效應，從而促進了農業(yè)GTFP提升，該結論也與前文的理論分析相一致。

模型（3）～（6）的回歸結果表明（見表5）：農機購置補貼可以顯著促進農業(yè)綠色技術進步和農業(yè)技術進步，而對農業(yè)綠色技術效率和農業(yè)技術效率的影響不顯著，這意味著農機購置補貼主要是通過技術進步渠道影響農業(yè)GTFP和農業(yè)TFP，而技術效率改善渠道未能發(fā)揮顯著作用，假說1的后半部分得以驗證。因此，在通過機械化促進農業(yè)技術進步的同時，如何有效改善農業(yè)技術效率，是進一步提升農業(yè)GTFP和農業(yè)TFP需要解決的關鍵問題。此外，通過系數(shù)對比可以發(fā)現(xiàn)，農機購置補貼對農業(yè)綠色技術進步的促進作用小于對農業(yè)技術進步的促進作用，表明當前農機購置補貼推動的農業(yè)技術進步更多地偏向經濟增長效益，相關政策還需要增強對農業(yè)綠色發(fā)展的引導和激勵，以不斷提高農業(yè)技術進步的環(huán)境治理效益。

2. 穩(wěn)健性檢驗

為進一步檢驗回歸結果的可靠性，本文進行如下穩(wěn)健性檢驗：一是替換被解釋變量。GTFP的測算有多種，其中基于SBM模型和全局參比的Malmquist指數(shù)法也被廣泛運用，因此，采用SBM-GML指數(shù)模型測算農業(yè)GTFP，重新進行模型檢驗。二是更換核心解釋變量。參考潘經韜等（2018）的做法^［54］，采用歷年畝均累計農機購置補貼資金（“農機購置補貼1”）作為核心解釋變量，重新進行模型回歸。三是刪除特殊樣本?？紤]到直轄市具有較大的特殊性，刪除直轄市樣本后重新進行模型檢驗。上述穩(wěn)健性檢驗結果均表明（見表6），農機購置補貼增加顯著促進了農業(yè)GTFP提升。

同時，為緩解遺漏變量、樣本自選擇等模型內生性問題對估計結果的影響，采用工具變量法和傾向得分匹配進行內生性處理。選擇除本省以外其他省份的農機購置補貼變量的平均值作為“農機購置補貼”的工具變量，運用兩階段最小二乘法進行回歸。中央財政通常根據(jù)各地區(qū)的發(fā)展條件、往年政策實施情況等確定每年的補貼資金規(guī)模，其他地區(qū)獲得的農機購置補貼平均值與本地區(qū)的農機購置補貼具有相關性，但對本地區(qū)農業(yè)GTFP不會產生直接影響，滿足工具變量的相關性和排他性要求。第一階段的回歸結果顯示，工具變量對“農機購置補貼”的估計系數(shù)（1.083）在1%的水平上顯著為正，且F統(tǒng)計量（793.35）遠大于10。第二階段的回歸結果顯示（見表6），擬合的“農機購置補貼”對“農業(yè)GTFP”的估計系數(shù)仍然在1%水平上顯著為正。同時，Kleibergen-Paap rk LM統(tǒng)計量的P值為0.000，拒絕工具變量識別不足的原假設；Kleibergen-Paap rk Wald F統(tǒng)計量遠遠大于10%水平的臨界值，表明不存在弱工具變量問題，工具變量的選取是合理的?？梢?，在緩解內生性問題后，本文的基本結論依然成立。為進一步緩解內生性，參考杜建國等（2023）的方法^［32］，以“農機購置補貼”的中位數(shù)為分段點（將高于中位數(shù)的樣本作為處理組，其余樣本作為對照組），以控制變量為匹配協(xié)變量，通過Logit模型計算傾向得分，分別采用半徑匹配、14近鄰匹配和核匹配剔除不在共同取值范圍內的樣本，進而使用匹配后的樣本重新進行模型檢驗。表7匯報了使用三種匹配方法得到的回歸結果，核心解釋變量的系數(shù)均在1%的水平上顯著為正，表明本文的基本結論具有較好的穩(wěn)健性。

3. 假說2的檢驗結果（異質性分析）

本文采用分組檢驗的方法進行異質性分析，根據(jù)前文理論分析對樣本進行以下分組：一是以“農村人力資本”的中位數(shù)為標準將樣本劃分為“高人力資本”和“低人力資本”兩組；二是參考李克樂和楊宏力（2022）的方法^［55］，將平原面積占比超過30%的省份歸為“Ⅰ類地形區(qū)”^①，其余省份歸為“Ⅱ類地形區(qū)”；三是采用環(huán)境污染治理投資額占GDP的比重來衡量環(huán)境規(guī)制水平^②，根據(jù)其中位數(shù)將樣本劃分為“高環(huán)境規(guī)制”和“低環(huán)境規(guī)制”兩組。分組檢驗的結果見表8，可以發(fā)現(xiàn)農機購置補貼對農業(yè)GTFP和農業(yè)TFP的影響具有類似的異質性表現(xiàn)。

總體上看，在農村人力資本水平較高的地區(qū)、平原面積占比較高的地區(qū)、環(huán)境規(guī)制較強的地區(qū)，農機購置補貼顯著促進了農業(yè)GTFP和農業(yè)TFP提升；而在農村人力資本水平較低的地區(qū)、平原面積占比較低的地區(qū)、環(huán)境規(guī)制較弱的地區(qū)，農機購置補貼對農業(yè)GTFP和農業(yè)TFP的影響均不顯著。由此，假說2得到驗證。進一步比較農機購置補貼對農業(yè)GTFP和農業(yè)TFP的影響，在人力資本水平較高地區(qū)和平原面積占比較高地區(qū)，與全樣本分析結果一致，農機購置補貼對農業(yè)GTFP的提升作用小于對農業(yè)TFP的提升作用；而在環(huán)境規(guī)制較強地區(qū)，農機購置補貼對農業(yè)GTFP的提升作用大于對農業(yè)TFP的提升作用，表明環(huán)境規(guī)制的增強會促使農機生產企業(yè)增加環(huán)保型農機供給，也會促使農業(yè)生產經營者更多地使用綠色清潔技術，從而增強農業(yè)技術進步的綠色偏向，實現(xiàn)更快的農業(yè)GTFP增長。

五、結論與啟示

2004年起實施的農機購置補貼政策有效推動了農業(yè)機械化發(fā)展，促進了農業(yè)技術進步和農業(yè)生產效率提高。然而，農業(yè)機械化在帶來經濟增長效應的同時，也會產生環(huán)境污染效應，盡管污染物排放強度持續(xù)降低，但污染物排放總量有所增加，進而導致農業(yè)GTFP增長慢于農業(yè)TFP增長。本文采用2008—2021年31個省份的數(shù)據(jù)，運用面板固定效應模型檢驗農機購置補貼對農業(yè)GTFP的影響，結果發(fā)現(xiàn)：（1）農機購置補貼對農業(yè)總產值和農業(yè)碳排放量均具有正向影響，同時也降低了農業(yè)碳排放強度，表明農機購置補貼產生的經濟增長效應大于環(huán)境污染效應。（2）農機購置補貼顯著促進了農業(yè)GTFP提升，該結論在經過替換變量、優(yōu)化樣本、工具變量法和傾向得分匹配等穩(wěn)健性檢驗后仍然成立。（3）農機購置補貼增加相同幅度時，農業(yè)GTFP提高的幅度小于農業(yè)TFP提高的幅度，表明農機購置補貼對農業(yè)GTFP的正向影響小于其對農業(yè)TFP的正向影響。（4）農機購置補貼主要通過促進技術進步的渠道來促進農業(yè)GTFP和農業(yè)TFP提升，而技術效率改善渠道未能發(fā)揮顯著作用，此外，農機購置補貼對農業(yè)綠色技術進步的促進作用小于對農業(yè)技術進步的促進作用。（5）在農村人力資本水平較高地區(qū)、平原面積占比較高地區(qū)和環(huán)境規(guī)制較強地區(qū)農機購置補貼顯著促進了農業(yè)GTFP提升，而在農村人力資本水平較低地區(qū)、平原面積占比較低地區(qū)和環(huán)境規(guī)制較弱地區(qū)農機購置補貼對農業(yè)GTFP的影響不顯著，表明提高人力資本水平和環(huán)境治理力度有利于增強農機購置補貼的農業(yè)GTFP提升效應； 另外，在環(huán)境規(guī)制較強地區(qū)農機購置補貼對農業(yè)GTFP的提升作用大于對農業(yè)TFP的提升作用，表明增強環(huán)境規(guī)制有利于實現(xiàn)更快的農業(yè)GTFP增長。

基于上述結論，本文提出以下啟示：第一，應增強財政支農政策的普惠性和及時性，并提高綠色化傾向，有效促進農業(yè)GTFP提升。一方面，要加大對農機購置補貼等支農政策的宣傳力度，加快補貼資金兌付進度，及時公開補貼的實施方案、資金規(guī)模等信息，從而進一步發(fā)揮補貼政策的杠桿作用，推動農業(yè)技術進步和效率提升；另一方面，在評價農機購置補貼等支農政策的政策效果時需要考慮環(huán)境效應，要將補貼等激勵措施與可持續(xù)發(fā)展、高質量發(fā)展目標掛鉤，比如，加大對綠色低碳農機生產和使用的補貼力度，讓更多高性能、綠色化農機盡快投入市場，積極推動低碳農業(yè)機械化。第二，應完善配套政策，加強基礎設施建設，有效提高農業(yè)技術效率。目前，農業(yè)技術效率改善還面臨諸多障礙，導致農機購置補貼未能通過技術效率改善渠道促進農業(yè)GTFP和農業(yè)TFP增長。要通過加快農機耕道和農機維修網點等農業(yè)機械化基礎設施建設、推進農機作業(yè)補貼、加強農機技術培訓服務等，解決農戶在購買農機后存在的“不能用”“用不起”“不會用”難題；要通過加強職業(yè)技能培訓、完善勞動力流動和土地流轉機制、健全統(tǒng)一開放的要素市場等，推動勞動力、土地、資本等要素自由流動，為提高農業(yè)要素配置效率創(chuàng)造良好的外部條件。第三，應著力提高農村勞動力的人力資本水平，適當提高環(huán)境規(guī)制強度，充分發(fā)揮農機購置補貼等支農政策對農業(yè)GTFP的提升作用。此外，還應提高補貼政策的指向性和精準性，比如，以適用性為標準優(yōu)化調整丘陵山區(qū)的補貼機具等。

參考文獻：

［1］郭海紅，劉新民.中國農業(yè)綠色全要素生產率的時空分異及收斂性［J］.數(shù)量經濟技術經濟研究，2021，38（10）：65-84.

［2］?謝文帥.建設農業(yè)強國：內涵要義、銜接機理與實踐路徑［J］.經濟學家，2023（9）：108-118.

［3］?王奇，王會，陳海丹.中國農業(yè)綠色全要素生產率變化研究：1992—2010年［J］.經濟評論，2012（5）：24-33.

［4］?葛鵬飛，王頌吉，黃秀路.中國農業(yè)綠色全要素生產率測算［J］.中國人口·資源與環(huán)境，2018，28（5）：66-74.

［5］?葉初升，惠利.農業(yè)財政支出對中國農業(yè)綠色生產率的影響［J］.武漢大學學報（哲學社會科學版），2016，69（3）：48-55.

［6］?馬國群，譚硯文.環(huán)境規(guī)制對農業(yè)綠色全要素生產率的影響研究——基于面板門檻模型的分析［J］.農業(yè)技術經濟，2021（5）：77-92.

［7］?金紹榮，王佩佩.人口老齡化、農地流轉與農業(yè)綠色全要素生產率［J］.宏觀經濟研究，2023（1）：101-117.

［8］?李健旋.農村金融發(fā)展與農業(yè)綠色全要素生產率提升研究［J］.管理評論，2021，33（3）：84-95.

［9］?韓海彬，楊冬燕.農業(yè)產業(yè)集聚對農業(yè)綠色全要素生產率增長的空間溢出效應研究［J］.干旱區(qū)資源與環(huán)境，2023，37（6）：29-37.

［10］楊秀玉，仝錦濤.農產品貿易對農業(yè)綠色全要素生產率的空間溢出效應——基于農業(yè)產業(yè)集聚的調節(jié)作用［J］.中國農業(yè)資源與區(qū)劃，2023，44（11）：15-27.

［11］匡遠配，張昊鵬.農地流轉提升了農業(yè)綠色全要素生產率嗎？［J］.世界農業(yè)，2024（2）：59-71.

［12］金紹榮，任贊杰.鄉(xiāng)村數(shù)字化對農業(yè)綠色全要素生產率的影響［J］.改革，2022（12）：102-118.

［13］郭海紅.數(shù)字鄉(xiāng)村建設、資源要素錯配與農業(yè)綠色全要素生產率［J］.中國地質大學學報（社會科學版），2024，24（1）：102-116.

［14］李農，萬祎.我國農機購置補貼的宏觀政策效應研究［J］.農業(yè)經濟問題，2010，31（12）：79-84.

［15］王霞云，郭慧文.農機購置補貼對農業(yè)全要素生產率的影響分析［J］.中國農業(yè)文摘-農業(yè)工程，2021，33（3）：47-53.

［16］許慶，賈杰斐，周天舒.農機購置補貼如何影響農業(yè)全要素生產率？［J］.財經研究，2023，49（6）：109-123.

［17］田曉暉，李薇，李戎.農業(yè)機械化的環(huán)境效應——來自農機購置補貼政策的證據(jù)［J］.中國農村經濟，2021（9）：95-109.

［18］鄒強.農機具購置補貼對農業(yè)綠色全要素生產率的影響研究［D］.云南財經大學，2023.

［19］王許沁，張宗毅，葛繼紅.農機購置補貼政策：效果與效率——基于激勵效應與擠出效應視角［J］.中國農村觀察，2018（2）：60-74.

［20］張宗毅，王許沁，葛繼紅.中國農機化效率：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］.湖南農業(yè)大學學報（社會科學版），2019，20（3）：1-8.

［21］劉進，賈杰斐，許慶.農機購置補貼如何影響小農戶農機社會化服務獲得——基于全國農村固定觀察點數(shù)據(jù)的分析［J］.中國農村經濟，2023（2）：85-108.

［22］劉運材， 羅能生.互聯(lián)網發(fā)展對城市綠色全要素生產率的影響——基于全要素生產率分解視角［J］.軟科學，2022，36（7）：46-52+61.

［23］徐清華，張廣勝.農業(yè)機械化對農業(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.

［24］賀青，張俊飚，張虎.農業(yè)機械化對農業(yè)碳排放的影響——來自糧食主產區(qū)的實證［J］.統(tǒng)計與決策，2023，39（1）：88-92.

［25］YRK K B，ZAIM O. Productivity growth in OECD countries：a comparison with Malmquist indices［J］. Journal of Comparative Economics，2005，33（2）：401-420.

［26］呂煒，張曉穎，王偉同.農機具購置補貼、農業(yè)生產效率與農村勞動力轉移［J］.中國農村經濟，2015（8）：22-32.

［27］錢龍，陳會廣，葉俊燾.成員外出務工、家庭人口結構與農戶土地流轉參與——基于CFPS的微觀實證［J］.中國農業(yè)大學學報，2019，24（1）：184-193.

［28］蓋慶恩，李承政，張無坷，等. 從小農戶經營到規(guī)模經營：土地流轉與農業(yè)生產效率［J］.經濟研究，2023，58（5）：135-152.

［29］郜亮亮，紀月清.中國城鄉(xiāng)轉型中的農村土地集體產權與流轉配置效率［J］.中國農村經濟，2022（10）：24-40.

［30］毛慧，曹光喬.作業(yè)補貼與農戶綠色生態(tài)農業(yè)技術采用行為研究［J］.中國人口·資源與環(huán)境，2020，30（1）：49-56.

［31］潘經韜，陳池波.農機購置補貼政策實施效果的差異分析——基于湖北省2006—2015年縣級面板數(shù)據(jù)的實證［J］.農林經濟管理學報，2019，18（2）：152-160.

［32］杜建國，李波，楊慧.人口老齡化下農業(yè)人力資本對農業(yè)綠色全要素生產率的影響［J］.中國人口·資源與環(huán)境，2023，33（9）：215-228.

［33］張金鑫，王紅玲.環(huán)境規(guī)制、農業(yè)技術創(chuàng)新與農業(yè)碳排放［J］.湖北大學學報（哲學社會科學版），2020，47（4）：147-156.

［34］潘彪，田志宏.購機補貼政策對中國農業(yè)機械使用效率的影響分析［J］.中國農村經濟，2018（6）：21-37.

［35］祝宏輝，杜美玲，尹小君等.鄉(xiāng)村振興戰(zhàn)略下農地規(guī)模經營對農業(yè)綠色發(fā)展的影響［J］.調研世界，2023（7）：55-66.

［36］李波，張俊飚，李海鵬.中國農業(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.

［37］王兵，吳延瑞，顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產率增長［J］.經濟研究，2010，45（5）：95-109.

［38］蔡烏趕，周小亮.中國環(huán)境規(guī)制對綠色全要素生產率的雙重效應［J］.經濟學家，2017（9）：27-35.

［39］OH D. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis，2010，34（3）：183-197.

［40］杜江，王銳，王新華.環(huán)境全要素生產率與農業(yè)增長：基于DEA-GML指數(shù)與面板Tobit模型的兩階段分析［J］.中國農村經濟，2016（3）：65-81.

［41］杜建軍，章友德，劉博敏等.數(shù)字鄉(xiāng)村對農業(yè)綠色全要素生產率的影響及其作用機制［J］.中國人口·資源與環(huán)境，2023，33（2）：165-175.

［42］CHUNG Y H，F(xiàn)RE R，GROSSKOPF S. Productivity and undesirable outputs：a directional distance function approach［J］. Journal of Environmental Management，1997，51（3）：229-240.

［43］李華，董艷玲.中國經濟高質量發(fā)展水平及差異探源——基于包容性綠色全要素生產率視角的考察［J］.財經研究，2021，47（8）：4-18.

［44］OH D，HESHMATI A. A sequential Malmquist–Luenberger productivity index： environmentally sensitive productivity growth considering the progressive nature of technology［J］. Energy Economics，2010，32（6）：1345-1355.

［45］展進濤，徐鈺嬌，葛繼紅.考慮碳排放成本的中國農業(yè)綠色生產率變化［J］.資源科學，2019，41（5）：884-896.

［46］鄧曉蘭，鄢偉波.農村基礎設施對農業(yè)全要素生產率的影響研究［J］.財貿研究，2018，29（4）：36-45.

［47］余志剛，孫子燁，金鑫.秸稈還田與農業(yè)綠色全要素生產率：促進還是抑制？［J］.干旱區(qū)資源與環(huán)境，2023，37（9）：36-45.

［48］王寶義，張衛(wèi)國.中國農業(yè)生態(tài)效率的省際差異和影響因素——基于1996—2015年31個省份的面板數(shù)據(jù)分析［J］.中國農村經濟，2018（1）：46-62.

［49］葉初升，馬玉婷.人力資本及其與技術進步的適配性何以影響了農業(yè)種植結構？［J］.中國農村經濟，2020（4）：34-55.

［50］李文華，郭豐，陳永強.中國區(qū)域農業(yè)綠色全要素生產率分解及收斂性分析［J］.重慶工商大學學報（社會科學版），2019，36（2）：29-39.

［51］郭海紅，劉新民.中國農業(yè)綠色全要素生產率時空演變［J］.中國管理科學，2020，28（9）：66-75.

［52］紀成君，夏懷明.我國農業(yè)綠色全要素生產率的區(qū)域差異與收斂性分析［J］.中國農業(yè)資源與區(qū)劃，2020，41（12）：136-143.

［53］WANG S G，ZHU J Y，WANG L，et al. The inhibitory effect of agricultural fiscal expenditure on agricultural green total factor productivity［J］. Scientific Reports，2022，12（1）：20933.

［54］潘經韜，陳池波.農機購置補貼對農機作業(yè)服務市場發(fā)展的影響——基于2004—2013年省級面板數(shù)據(jù)的實證分析［J］.華中農業(yè)大學學報（社會科學版），2018（3）：27-34+153.

［55］李克樂，楊宏力.農業(yè)生產外包服務水平能否提高糧食生產？——基于2011～2020年省際面板數(shù)據(jù)的分析［J］.經濟體制改革，2022（5）：83-91.

［56］單豪杰.中國資本存量K的再估算：1952—2006年［J］.數(shù)量經濟技術經濟研究，2008，25（10）：17-31.

Research on the Impact of Agricultural Machinery Purchase Subsidies on Green Total Factor Productivity in Agriculture

TIAN Ai1， ZENG Ling-qiu2

（1. Institute of Western China Economic Research， Southwestern University of Finance and Economics， Chengdu 611130，Sichuan， China;

2. Institute of China Rural Revitalization， Sichuan Normal University， Chengdu 610068， Sichuan， China）

Abstract：Accelerating the green and low-carbon transformation of agriculture is imperative for China to build a strong agricultural country and achieve the strategic goals of carbon peaking and carbon neutrality. How to improve the agricultural green total factor productivity （AGTFP） is the key issue facing the transformation. The agricultural machinery purchase subsidy policy implemented since 2004 has greatly promoted the development of agricultural mechanization in China， which in turn has contributed to the technological progress of agricultural production and the improvement of agricultural productivity. However， in addition to economic effects， the implementation of this subsidy policy also has an impact on the ecological environment. Existing literature lacks consideration of environmental effects when examining the impact of agricultural machinery purchase subsidies on AGTFP.

Based on the panel data of 31 provinces in China from 2008 to 2021， this paper uses the EBM-GML index model to measure the AGTFP of each province， and empirically examines the impact of agricultural machinery purchase subsidy on AGTFP through the panel fixed effect model， and makes a comparative analysis with the traditional agricultural total factor productivity without considering environmental factors. It is found that agricultural machinery purchase subsidy has significantly improved AGTFP. After robustness tests such as replacing the explained variable， replacing the explanatory variable， replacing samples， endogenous treatment， and propensity score matching， the conclusions are still robust. The agricultural machinery purchase subsidy mainly promotes the growth of AGTFP through the channel of technological progress， with the channel of technical efficiency being less significant; if environmental factors are not considered， the promotion effect of agricultural machinery purchase subsidy on agricultural technology progress and AGTFP will be overestimated. The results of the heterogeneous analysis show that the promotion effect of agricultural machinery purchase subsidy on AGTFP will be more obvious in areas with higher levels of human capital， in plain areas， and in regions with higher environmental regulation levels.

Compared with the previous research， this paper expands on the following three aspects. Firstly， different from existing literature that predominantly examines the implementation effects of agricultural machinery purchase subsidies from a single economic or environmental perspective， this study expands the research scope by focusing on the agricultural green total factor productivity index， which considers both economic and environmental effects， thereby broadening the study of the effectiveness of agricultural machinery subsidy policies. Secondly， this paper compares and analyzes the impact of agricultural machinery purchase subsidies on agricultural technology progress and agricultural technology efficiency in different situations （with and without consideration of environmental factors）， and investigates the green bias of agricultural machinery purchase subsidies. Thirdly， based on the heterogeneity of rural human capital levels， terrain conditions， and environmental regulation levels， the paper further explores the external supportive environment for promoting the improvement of AGTFP through agricultural machinery subsidies.

This paper reveals the underlying logic of how agricultural machinery subsidies affect AGTFP. It proposes strengthening support for complementary policies such as the construction of agricultural mechanization infrastructure， agricultural machinery technology training services， and land transfer. Additionally， it suggests integrating environmental effects into the policy evaluation of agricultural machinery subsidies. By doing so， government departments can maximize the supportive role of agricultural machinery purchase subsidies in promoting agricultural green development under the goal of the green and low-carbon transformation of agriculture.

Key words：agriculture; agricultural machinery purchase subsidy; green total factor productivity; technology progress; technology efficiency; environmental regulation; human capital

CLC number：F323.3; F310???Document code：A???Article ID：1674-8131（2024）02-0094-16

（編輯：黃依潔；劉仁芳）

*收稿日期：2023-11-08；修回日期：2024-01-17

基金項目：國家社會科學基金一般項目（19BJY135）

作者簡介：田嬡（1997），女，四川德陽人；博士研究生，主要從事農業(yè)經濟研究；E-mail：tianai_win@163.com。曾令秋（1958），男，四川資中人；博士，教授，主要從事農業(yè)經濟研究；E-mail：zenglingqiu@126.com。

①“Ⅰ類地形區(qū)”包括北京、天津、河北、內蒙古、遼寧、吉林、黑龍江、上海、江蘇、安徽、山東、河南、寧夏和新疆。

②?環(huán)境污染治理投資額和GDP分別用固定資產投資價格指數(shù)和GDP指數(shù)進行平減，由于西藏的固定資產投資價格指數(shù)未公布，參照單豪杰（2008）的做法^［56］，將地理位置靠近西藏且與西藏發(fā)展水平相似的青海和新疆的投資價格指數(shù)的算術平均值作為替代指標。