Abstract：Inorder tocomprehensivelyinvestigate themechanisms through which changes intheagricultural industrial structure influence thealocationofagricultural productionfactors，andtheir subsequent impactontotalfactorproductivity， this studyutilized paneldata from3Oprovinces（autonomous region，municipalitydirectlyunder thecentral government）in Chinafrom 2Oo5to 2O21.TheDEA—Malmquistindex methodwasemployedtomeasureagricultural total factor productivityanditsdecomposition indices.Thetemporal evolutionof China'sagricultural total factorproductivityand regionaldisparitieswere analyzed，andtherelationshipbetweenagricultural industrial structure optimizationand agricultural totalfactorproductivitywasfurtherexploredusingabenchmark linearregressionmodel.Theresultsrevealed that：China'sagriculturaltotal factorproductivityexhibitedanoverallupward trendoverthestudyperiod，with technological progress identifiedastheprimarydriving forcebehindthis growth.Thegrowthtrajectoryof agricultural total factorproductivityacrossprovinces（autonomousregion，municipalitydirectlyunderthecentral govermment）generally aligned with thenational trend.However，diferences emerged in thecontributionsofpuretechnical eficiencyandscale eficiencytoprovincial agricultural total factorproductivity growth.Theupgrading，rationalization，andgrening （ecologiztion）oftheagricultural industrialstructureexertedsignificantinhibitoryefectsonagriculturaltotal factor productivity.Specifically，foreveryoneunit increase inthese threedimensions，theagricultural totalfactor productivityof agriculturedecreased byO.26，O.22 andO.43units，respectively.Therefore，itisnecessary tocontinue the promotionof technologicaladvancementsinagricultural，improvingrural humancapital，andenhancing thepotentialofscaleeiciency.

Furthermore，itadvocatedforregion-specificpolicyinterventions tofacilitate theeficientallcationandmobilityof agricultural resources，thereby supporting the sustainableand green transformationof China's agricultural sector. Keywords：agricultural industrial structure；total factor productivity；DEA—Malmquist model;benchmark regression

0 引言

農業(yè)是支撐國民經濟建設和發(fā)展的基礎產業(yè)，是促進經濟社會發(fā)展的強大動力源泉。當前農業(yè)面臨的主要矛盾已由“總量不足\"轉變?yōu)椤敖Y構性矛盾”，鑒于我國長期以來的實際情況和農業(yè)現(xiàn)狀，農業(yè)基礎依舊薄弱，存在農業(yè)科技創(chuàng)新能力弱、農業(yè)資源環(huán)境存在硬約束瓶頸、農業(yè)質量效益和競爭力不強等突出問題[1]。為推動產業(yè)結構優(yōu)化升級，貫徹新發(fā)展理念，深人推進供給側結構性改革，實現(xiàn)高質量發(fā)展的關鍵舉措[2]。在推動經濟發(fā)展轉型階段，轉變產業(yè)發(fā)展模式，調整優(yōu)化產業(yè)結構和資源配置，提升全要素生產率對促進經濟長期持續(xù)增長具有重要作用。而建設農業(yè)強國是我國實現(xiàn)社會主義現(xiàn)代化強國的根基，推進農業(yè)高質量發(fā)展是實現(xiàn)全面建設社會主義現(xiàn)代化國家的必然要求[3]。在此背景下，探究農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率的關系顯得尤為迫切與重要。

鑒于此，基于30個?。ㄗ灾螀^(qū)、直轄市）的面板數(shù)據(jù)，探究農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率之間的作用關系，厘清農業(yè)產業(yè)結構優(yōu)化對農業(yè)全要素生產率提升是否有作用以及作用程度大小，對提高農業(yè)全要素生產率，促進農業(yè)生產要素變革，增強農業(yè)產業(yè)活力，推進農業(yè)高效、高值、多功能可持續(xù)發(fā)展，進而推動農業(yè)實現(xiàn)現(xiàn)代化具有重要意義。

1文獻回顧

1.1農業(yè)產業(yè)結構優(yōu)化研究

關于農業(yè)產業(yè)結構優(yōu)化，學術界較早用經濟學語言表述是指生產過程中形成的各要素在國民經濟各部門與產業(yè)間的數(shù)量比例關系及其相互關系[4]。后期隨著經濟的不斷發(fā)展，通過政府對產業(yè)結構的調整，使各產業(yè)間實現(xiàn)協(xié)調發(fā)展，滿足社會需求結構和供給結構相對均衡的發(fā)展要求，實現(xiàn)產業(yè)結構的合理化和高級化，即產業(yè)結構優(yōu)化[5]。而農業(yè)產業(yè)結構優(yōu)化具體是指政府根據(jù)市場需求通過對農、林、牧、副、漁業(yè)及其內部等生產種植結構的調整，使農業(yè)生產與社會經濟發(fā)展的市場需求相協(xié)調的過程[6]。

1.2農業(yè)全要素生產率研究

關于農業(yè)全要素生產率研究，學者們主要圍繞農業(yè)全要素生產率的測度和影響因素方面展開研究，就農業(yè)全要素生產率的測度方面而言，現(xiàn)有研究發(fā)現(xiàn)學者們主要采用的測算方法有數(shù)據(jù)包絡分析法、Malmquist指數(shù)法、隨機前沿分析法（SFA）等對農業(yè)全要素生產率進行測度，其中，數(shù)據(jù)包絡分析法（DEA）和隨機前沿生產函數(shù)法（SFA）在學界中應用最為廣泛。但數(shù)據(jù)包絡分析法（DEA）與SFA相比，在測算全要素生產率過程中，不需要事先根據(jù)生產函數(shù)形式構造生產前沿面，能夠直接處理多輸人量與多輸出量的多目標決策問題，且人為的主觀性小，更適合對農業(yè)全要素生產率展開測度。此外，有學者為更好地評估農業(yè)全要素生產率的動態(tài)變化情況，將數(shù)據(jù)包絡分析法（DEA）與Malmquist指數(shù)模型相結合，對農業(yè)全要素生產率變動及其指數(shù)分解進行分析[8。也有學者進一步在農業(yè)全要素生產率的測度基礎上，分析影響農業(yè)全要素生產率增長的因素，研究發(fā)現(xiàn)數(shù)字信息作為農業(yè)生產要素環(huán)節(jié)中的重要要素，數(shù)字經濟能夠在多個方面促進農業(yè)全要素生產率的提升[9。數(shù)字普惠金融作為現(xiàn)階段我國農村經濟發(fā)展中重要的經濟力量，能夠顯著提升農業(yè)全要素生產率[10]。農業(yè)機械化作為實現(xiàn)農業(yè)現(xiàn)代化的重要手段，農業(yè)機械化的推廣能夠顯著提高農作物的全要素生產率[1]。農業(yè)生產性服務業(yè)通過規(guī)模效應和專業(yè)化效應促進農業(yè)全要素生產率的提升[12]

1.3農業(yè)產業(yè)結構優(yōu)化對農業(yè)全要素生產率的影響研究

在探究農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率的影響研究中發(fā)現(xiàn)，學者們多圍繞產業(yè)結構與全要素生產率之間的作用關系展開研究，其研究結論各有不同。有學者研究發(fā)現(xiàn)產業(yè)結構高級化抑制粵港澳大灣區(qū)全要素生產率的增長，合理化對全要素生產率增長有促進作用[13]。有學者發(fā)現(xiàn)產業(yè)結構高級化能夠促進全要素生產率的增長，而合理化因“結構負利\"對全要素生產率產生負向影響[14]。也有學者發(fā)現(xiàn)通過經濟協(xié)調對產業(yè)結構高級化、合理化有促進作用，產業(yè)結構高級化能夠顯著提升全要素生產率，而產業(yè)結構合理化對全要素生產率的促進作用則不顯著[15]。

總體而言，已有大量文獻對農業(yè)產業(yè)結構優(yōu)化和農業(yè)全要素生產率進行豐富研究，但從農業(yè)視角出發(fā)，對農業(yè)產業(yè)結構與農業(yè)全要素生產率之間作用關系的研究較少，且多從產業(yè)結構合理化、高級化出發(fā)來衡量產業(yè)結構優(yōu)化?；诖?，本文從農業(yè)產業(yè)結構高級化、合理化與生態(tài)化3個方面較為全面地衡量農業(yè)產業(yè)結構優(yōu)化，同時，運用DEA一Malmquist指數(shù)法，對我國農業(yè)全要素生產率的時間及空間變化趨勢進行分析，并進一步運用基準線性回歸模型對農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率之間的作用關系進行分析。

2數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

涉及數(shù)據(jù)來自《中國統(tǒng)計年鑒》《中國農村統(tǒng)計年鑒》以及《中國勞動年鑒》和各地區(qū)統(tǒng)計年鑒。由于統(tǒng)計數(shù)據(jù)的發(fā)布周期較長，且關于農業(yè)二氧化碳排放數(shù)據(jù)（包括農業(yè)生產過程中的直接排放和間接排放）與農業(yè)生產化肥施用量的相關更新報告數(shù)據(jù)不全，為保證數(shù)據(jù)全面性與可得性、研究的連貫性與一致性，因此，構建我國時間跨度為2005—2021年30個?。ㄗ灾螀^(qū)、直轄市）的面板數(shù)據(jù)，研究個體不包含西藏、香港、澳門、臺灣地區(qū)。

2.2 變量設置

2.2.1 被解釋變量

農業(yè)全要素生產率 作為被解釋變量。其中，參考李捷等16研究，分別將第一產業(yè)就業(yè)人數(shù)作為農業(yè)全要素生產率測算的農業(yè)勞動力投入；農用機械總動力作為農業(yè)全要素生產率測算的農用機械投入；農作物灌溉面積作為農業(yè)全要素生產率測算的用水資源投入；農業(yè)生產化肥施用量作為農業(yè)全要素生產率測算的化肥要素投入；農作物播種面積作為農業(yè)全要素生產率測算的土地要素投入。選取農業(yè)生產總值即農林牧漁總產值作為農業(yè)全要素生產率測算的產出指標，考慮價格因素對測算結果的影響，以2004年為基期對農林牧漁總產值進行平減處理。表1為農業(yè)全要素生產率的投人產出指標。

表1農業(yè)全要素生產率的投入產出指標Tab.1 Input-output indicators ofagricultural totalfactor productivity

2.2.2 控制變量

在農業(yè)發(fā)展過程中，農業(yè)全要素生產率的提升還會受到諸多因素影響，為進一步保證測算結果的可靠性，在實證探究農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率作用關系的基礎上，進一步借鑒前人研究[14，23]，分別將外部環(huán)境規(guī)制（er）、外商投資（fdi）和內部技術創(chuàng)新（tech）、人力資本（edu）以及表示自然災害的農作物受災情況（dis）作為控制變量。其中，環(huán)境規(guī)制用工業(yè)污染治理完成投資額與工業(yè)增加值的占比來表示；外商投資采用外商直接投資額占地區(qū)生產總值的比重來表示；技術創(chuàng)新以國內發(fā)明專利申請受理量（件）取對數(shù)來表示；人力資本以高等學校在校學生人數(shù)占總人口的比重來表示；受災情況以農作物的受災面積和農作物總播種面積的比值來表示。各變量具體描述如表2所示。

表2各變量的描述性統(tǒng)計 Tab.2Descriptive statisticsof eachvariable

2.2.3核心解釋變量

農業(yè)產業(yè)結構高級化 η（η_ts） 體現(xiàn)了農業(yè)產業(yè)結構從低值、低質、低效向高值、高質、高效狀態(tài)發(fā)展的動態(tài)變化過程，能夠較好地從結構角度反映農業(yè)生產效率提升的程度，符合農業(yè)可持續(xù)發(fā)展的本質。既有研究通常采用第三產業(yè)與第二產業(yè)產值的比值對產業(yè)結構高級化進行測度[1]，具體到農業(yè)領域，有學者采用農林牧漁業(yè)各產業(yè)增加值與中間消耗之比[18]和農產品加工業(yè)與農業(yè)產值之比衡量農業(yè)產業(yè)結構高級化水平?？紤]到數(shù)據(jù)的可獲得性和完整性，借鑒前人研究[19]，選取農林牧漁服務業(yè)與農林牧漁業(yè)總產值之比構建農業(yè)產業(yè)結構高級化指標，并進行標準化處理。

農業(yè)產業(yè)結構合理化（t作為農業(yè)可持續(xù)發(fā)展的基本要求，體現(xiàn)了各農業(yè)部門（如農、林、牧、漁等）之間協(xié)調發(fā)展和生產要素資源優(yōu)化配置的情況。關于產業(yè)結構合理化水平測度，通常采用結構偏離度，即泰爾指數(shù)等指標進行反映，考慮到2012年后，農業(yè)部門各細分產業(yè)的從業(yè)人員數(shù)量數(shù)據(jù)并未公布，因此，本文從經糧作物產量比、林牧漁業(yè)產值與農林牧漁業(yè)總產值比和畜牧業(yè)與種植業(yè)產值比3方面出發(fā)[20]，進一步將運用熵值法對以上指標客觀賦權進行加權求和后的標準化數(shù)值，用以衡量農業(yè)產業(yè)結構合理化。

農業(yè)產業(yè)結構生態(tài)化 （ec） 是推進農業(yè)綠色發(fā)展，提升農業(yè)綜合價值，實現(xiàn)農業(yè)生產與生態(tài)環(huán)境協(xié)調發(fā)展的重要因素。隨著農業(yè)的發(fā)展轉型，農業(yè)機械化、農藥農膜以及化肥等農用物資直接或間接的投人[21，22]，促使農業(yè)碳排放成為我國溫室氣體排放僅次于能源行業(yè)的第二大來源?！丁笆奈錦"全國農業(yè)綠色發(fā)展規(guī)劃》也圍繞農業(yè)綠色發(fā)展作出重要部署。基于此，選用單位碳排放帶來產值的標準化數(shù)值[23]，即每單位農業(yè)生產總值的增長所帶來N農業(yè)二氧化碳的排放量用來衡量農業(yè)產業(yè)結構生態(tài)化水平。

2.3 研究方法

2.3.1 DEA—Malmquist模型

由于單一DEA效率僅能測算靜態(tài)的相對效率值，并不能反映農業(yè)全要素生產率的動態(tài)變化情況，因此，構建DEA—Malmquist指數(shù)模型，測算我國30個?。ㄗ灾螀^(qū)、直轄市）在不同時期農業(yè)全要素生產率的演變規(guī)律和動態(tài)變化情況，如式（1）所示。

式中： 1 i ?。ㄗ灾螀^(qū)、直轄市）農業(yè)全要素生產率；（x^t，y^t）、（x^t+1，y^t+1）-t 期 ?t+1 期的投人和產出變量；d'、dt+1_ 第 χ_t 期 ?^t+1 期的距離函數(shù)。

若 ，表示 t+1 期的效率較 Ψ_t 期有所提升；反之，若 tfplt;1 ，表示 t+1 期的效率較 χ_t 期有所下降；若tfρ=1 ，表示 t+1 期的效率較 t 期沒有發(fā)生變化。

2.3.2 基準回歸模型構建

為探究農業(yè)產業(yè)結構優(yōu)化對農業(yè)全要素生產率的作用關系，構建基準回歸模型如式（2）所示。

μ_i+λ_t+ε_it

式中： 1 ?i ?。ㄗ灾螀^(qū)、直轄市）在 Ψ_t 時期的農業(yè)全要素生產率；α₀ -常數(shù)項；α₁ 1 農業(yè)產業(yè)結構高級化回歸系數(shù)；

α₂ 1 農業(yè)產業(yè)結構合理化回歸系數(shù)；

α₃ 1 農業(yè)產業(yè)結構生態(tài)化回歸系數(shù)；

Controli——影響農業(yè)全要素生產率的諸多控制變量；

μ_i —控制個體不隨時間變化的個體固定效應；

1 控制時間不隨個體變化的時間固定效；

ε_ii 隨機誤差項。

3 結果與分析

3.1農業(yè)全要素生產率時序演進趨勢分析

使用Stata17.O軟件，運用DEA—Malmquist指數(shù)法測算得到我國除西藏外2005—2021年30個?。ㄗ灾螀^(qū)、直轄市）的農業(yè)全要素生產率指數(shù)（tfpch）、農業(yè)技術效率變化指數(shù)（effch）和農業(yè)技術進步指數(shù)（techch），其中，effch又可進一步分解為純技術率指數(shù)（pech）和規(guī)模效率指數(shù)（sech）。計算結果如表3所示，2005—2021年我國30個?。ㄗ灾螀^(qū)、直轄市）的tfpch指數(shù)均值為1.037，表示在樣本期間內我國30個?。ㄗ灾螀^(qū)、直轄市）的tfpch指數(shù)整體呈上升態(tài)勢，并以年均3.7% 的速度提升。農業(yè)技術效率指數(shù)均值為1.012，表示農業(yè)技術效率以年均 1.2% 的速度提升。農業(yè)技術進步指數(shù)均值為1.026，表示農業(yè)技術水平在以年均2.6% 的速度提升。純技術效率指數(shù)均值為1.005，規(guī)模效率指數(shù)均值為1.007。

表32005一2021年農業(yè)全要素生產率及其分解指數(shù)Tab.3 Agricultural total factor productivity and itsdecomposition index from 20o5 to 2021

綜上，純技術效率和規(guī)模效率對農業(yè)技術效率的增幅作用較低，我國農業(yè)全要素生產率獲得持續(xù)增長的動力主要依靠技術進步。

從表3可以看出，2005—2021年我國農業(yè)全要素生產率指數(shù)從1.031增至1.109，增長幅度達 7.8% ，整體呈現(xiàn)波動性下降和波動性上升，繼而再波動性下降和上升的趨勢。其中，農業(yè)技術進步指數(shù)和農業(yè)全要素生產率指數(shù)整體變化情況較為一致，再次表明技術進步為農業(yè)全要素生產率增長的重要支撐。從整體變化情況也可以看出，當前我國經濟已由高速增長轉向高質量發(fā)展階段，推動新時代高質量發(fā)展要素動力由資本驅動轉向創(chuàng)新驅動，我國農業(yè)發(fā)展也不斷從增產導向轉向提質導向，資源要素投入轉向創(chuàng)新驅動發(fā)展，農業(yè)現(xiàn)代化水平不斷提升。

3.2農業(yè)全要素生產率縣域差異分析

各省（自治區(qū)、直轄市）農業(yè)全要素生產率及其分解指數(shù)如表4所示。

表4各?。ㄗ灾螀^(qū)、直轄市）農業(yè)全要素生產率及其分解指數(shù) Tab.4 Agricultural total factor productivity and its decomposition index in each province（autonomous region， municipality directly under the central government）

由表4可知，2005—2021年各?。ㄗ灾螀^(qū)、直轄市）的農業(yè)全要素生產率指數(shù)均值為1.039，表示各?。ㄗ灾螀^(qū)、直轄市）農業(yè)全要素生產率均獲得不同程度的提升，從各?。ㄗ灾螀^(qū)、直轄市）農業(yè)全要素生產率分解指數(shù)來看，各地區(qū)農業(yè)技術進步指數(shù)均大于1，大部分地區(qū)的農業(yè)技術效率指數(shù)大于或者等于1，少部分地區(qū)農業(yè)技術效率指數(shù)小于1。其中，上海市的農業(yè)全要素生產率小于1，較其他省（自治區(qū)、直轄市）而言，顯著低于均值，分析發(fā)現(xiàn)技術效率和規(guī)模效率抑制了上海市農業(yè)全要素生產率的增長，而其他省（自治區(qū)、直轄市）農業(yè)全要素生產率的增長也或多或少受純技術效率和規(guī)模效率一方的抑制，多依靠于技術進步。進一步看出，相比于農業(yè)技術效率而言，技術進步在農業(yè)全要素生產率增長過程中發(fā)揮明顯效用，而純技術效率和規(guī)模效率在農業(yè)全要素生產率增長過程中產生的增幅效用在?。ㄗ灾螀^(qū)、直轄市）間存在部分差異。

3.3基準線性回歸結果分析

運用2005—2021年30個?。ㄗ灾螀^(qū)、直轄市）的面板數(shù)據(jù)，分別構建混合回歸（OLS）隨機效應（RE）和固定效應（FE）模型。通過F檢驗和Hausman檢驗， p 值均為0，主要選擇固定效應回歸結果對農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率的作用關系展開分析，其他回歸結果也列在表5。

表5模型基準回歸結果Tab.5Model benchmark regression results

注： ^**?lt;0.05 ^***plt;0.01 ;括號內數(shù)值為標準誤。下同。

由表5列（1）混合回歸結果可以看出，農業(yè)產業(yè)結構高級化、合理化、生態(tài)化的回歸系數(shù)均通過顯著性檢驗，分別在 5%.1% 的顯著性水平上負向影響農業(yè)全要素生產率。由表5列（2）隨機效應檢驗結果看出，農業(yè)結構高級化、合理化、生態(tài)化對農業(yè)全要素生產率的影響系數(shù)顯著為負。表5列（3）和列（4）分別進行控制時間固定效應和控制個體固定效應，模型的擬合優(yōu)度有所上升，且表5列（4）核心解釋變量系數(shù)分別在10%.5% 的顯著性水平上負向影響農業(yè)全要素生產率，以上結果均表明農業(yè)產業(yè)結構高級化、合理化、生態(tài)化對農業(yè)全要素生產率的增長具有抑制作用，與張國慶等24的研究結果出現(xiàn)異同，可能是由于指標構建和研究主題不同引起。

關于農業(yè)產業(yè)結構高級化在 10% 顯著性水平下對農業(yè)全要素生產率產生抑制作用，即農業(yè)產業(yè)結構高級化每增加一個單位，農業(yè)全要素生產率減少0.26?？赡艿脑蚴窃谧非筠r業(yè)產業(yè)高級化發(fā)展過程中，致使優(yōu)質要素投入逐漸流向二、三產業(yè)，而工業(yè)與服務業(yè)的發(fā)展可能會過多占用農業(yè)發(fā)展的資本、勞動和水土資源等，再加上高級化發(fā)展過程中對農業(yè)科技進步的“反哺\"作用存在差異，致使農業(yè)全要素生產率的增長受到抑制。同樣農業(yè)產業(yè)結構合理化在10% 顯著性水平下也對農業(yè)全要素生產率產生抑制作用，即農業(yè)產業(yè)結構合理化每增加一個單位，農業(yè)全要素生產率減少0.22。隨著農林牧漁業(yè)中林、牧、漁業(yè)部門的增長，種植業(yè)部門中經濟作物的比重上升，農業(yè)資源易向高附加值和高效益的部門傾斜，造成資源分配不均，抑制農業(yè)全要素生產率的增長。農業(yè)產業(yè)結構生態(tài)化，是指在追尋農業(yè)產業(yè)結構高級化和合理化發(fā)展過程中農業(yè)污染和碳排放的減少，表示為單位碳排放帶來的產值變化，數(shù)值越大表示農業(yè)產業(yè)結構生態(tài)化越弱，其在 5% 顯著性水平下對農業(yè)全要素生產率產生抑制作用，即農業(yè)產業(yè)結構合理化每增加一個單位，農業(yè)全要素生產率減少0.43?？赡艿脑蚴牵S著高級化過程中對農業(yè)“反哺\"效果存在的差異性，以及產業(yè)結構不合理化程度的提升，在農業(yè)生產過程中可能會帶來更多的農業(yè)污染和碳排放，對農業(yè)全要素生產率增長產生阻礙作用。

由表5列（4）控制變量的分析結果可以看出，環(huán)境規(guī)制在 5% 的顯著性水平上正向影響農業(yè)全要素生產率，表示環(huán)境規(guī)制強度越大，對農業(yè)技術進步的促進作用越大，能夠有效降低農業(yè)生產過程中的農業(yè)污染以及資源浪費，對農業(yè)全要素生產率的增長有著促進作用。農業(yè)技術創(chuàng)新在 10% 的顯著性水平上正向影響農業(yè)全要素生產率，表明技術創(chuàng)新能夠有效促進農業(yè)科技進步，有利于提升農業(yè)全要素生產率。受災率在10% 的水平上顯著負向影響農業(yè)全要素生產率，表明自然災害不僅對農民收入、農業(yè)生產存在很大危害，對農業(yè)全要素生產率也存在較大影響。外商投資與農業(yè)全要素生產率呈現(xiàn)正向關系，但檢驗結果不顯著，可能是外商的投資資本未得到有效的利用和轉化。人力資本與農業(yè)全要素生產率呈現(xiàn)正向關系，未通過顯著性檢驗，可能的原因是人力資本結構還待進一步優(yōu)化。

3.4穩(wěn)健性檢驗

為保證結論的可靠性，一是更改被解釋變量，將農業(yè)全要素生產率測算中的產出指標，即農業(yè)生產總值改為第一產業(yè)產值。二是緩解內生性問題，重新構建固定效應與廣義矩估計（系統(tǒng)GMM）模型。固定效應與廣義矩估計在處理面板數(shù)據(jù)中，對提高估計準確性、解決內生性問題等方面都具有較好的效果，以此可以得到更準確的估計結果。由表6可知，作為核心解釋變量的農業(yè)產業(yè)結構高級化、農業(yè)產業(yè)結構合理化和農業(yè)產業(yè)結構生態(tài)化與農業(yè)全要素生產率的作用關系未發(fā)生較大改變，表明回歸結果較為可靠。其次由表6列（2）的結果可以發(fā)現(xiàn)， AR（2） 的 p 值 gt;0.1 ，表明誤差項的二階差分不存在自相關關系，Sargan檢驗p 值 gt;0.1 ，表明工具變量外生有效，模型設定合理。

表6穩(wěn)健性檢驗Tab.6 Robustness test

3.5 討論

研究基于農業(yè)視角，滿足農業(yè)可持續(xù)發(fā)展、綠色發(fā)展和高質量發(fā)展的科學要求，從農業(yè)產業(yè)結構高級化、合理化和生態(tài)化3個方面出發(fā)，構建農業(yè)產業(yè)結構優(yōu)化指標，探究農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率之間的作用關系。但研究未進一步對區(qū)域之間農業(yè)產業(yè)結構優(yōu)化和農業(yè)全要素生產率的相關性和差異性進行分析，后續(xù)研究需更全面地細分研究區(qū)域與選擇合適的研究方法對農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率的關系進行探討。

與此同時，農業(yè)產業(yè)結構優(yōu)化和農業(yè)全要素生產率的提升還存在著互動關系。其中一方面包括農業(yè)產業(yè)結構優(yōu)化為農業(yè)全要素生產率的提升創(chuàng)造有利條件；另一方面，農業(yè)全要素生產率的提升又會進一步推動農業(yè)產業(yè)結構優(yōu)化升級。因此，探究農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率的互動關系具有非常重要的意義。而目前農業(yè)產業(yè)結構優(yōu)化與農業(yè)全要素生產率之間的相互促進關系鮮有文獻研究報道。所以后期研究需要深入分析二者互動關系的動態(tài)演變過程，以及如何通過政策干預和市場機制等手段促進二者良性互動關系的實現(xiàn)。這將有助于推動農業(yè)產業(yè)結構轉型升級與可持續(xù)發(fā)展，提升農業(yè)生產效率和市場競爭力，為實現(xiàn)農業(yè)產業(yè)結構化高質量發(fā)展提供有力支撐。

4結論與建議

4.1 結論

基于我國2005—2021年30個?。ㄗ灾螀^(qū)、直轄市）的面板數(shù)據(jù)，通過DEA—Malmquist指數(shù)法測算得到農業(yè)全要素生產率及其分解指數(shù)結果，進而運用基準回歸模型探究農業(yè)產業(yè)結構高級化、農業(yè)產業(yè)結構合理化、農業(yè)產業(yè)結構生態(tài)化與農業(yè)全要素生產率之間的作用關系。

1）從農業(yè)全要素生產率時序變化趨勢來看，2005一2021年，我國農業(yè)全要素生產率總體呈現(xiàn)增長態(tài)勢，其驅動力主要依靠農業(yè)技術進步，純技術效率和規(guī)模效率對農業(yè)技術效率的增幅作用有限。

2）從農業(yè)全要素生產率的縣域分析來看，各省（自治區(qū)、直轄市）農業(yè)全要素生產率均獲得不同程度的提升，與全國演進態(tài)勢基本一致，但各?。ㄗ灾螀^(qū)、直轄市）之間的農業(yè)全要素生產率還存在較大差異。

3）從基準回歸分析結果發(fā)現(xiàn)，農業(yè)產業(yè)結構高級化、合理化、生態(tài)化對農業(yè)全要素生產率存在顯著負向作用。

4.2建議

1）加大農業(yè)科技投入力度，持續(xù)推進農業(yè)技術創(chuàng)新與進步。首先，要深刻認識到技術進步是農業(yè)全要素生產率的動力源泉，從農民實際出發(fā)，引導農戶擺脫傳統(tǒng)種植觀念，依靠政府、新型農業(yè)經營主體、高校及科研機構等在持續(xù)推進農業(yè)科技創(chuàng)新和農業(yè)技術進步的同時，加強農業(yè)技術知識傳播和農戶技能培養(yǎng)，提升農戶對先進農業(yè)技能及其管理模式的吸收和應用能力，改善農戶生產方式和效率，加快農業(yè)科技成果的轉化能力，進而促進農業(yè)全要素生產率的提升。

2）挖掘規(guī)模效率的增長潛能，提高規(guī)模經濟效益。深化農村土地制度改革，有序推進農地流轉，鼓勵引導農戶發(fā)展形成適度規(guī)模經營的家庭農場，鼓勵支持新型農業(yè)經營主體（農民專業(yè)合作社、涉農企業(yè)等）發(fā)展各種形式的農業(yè)適度規(guī)模經營，以及完善為農戶生產提供各項支撐的農業(yè)社會化服務，通過集中采購、統(tǒng)一銷售、共享信息與資源等方式降低農業(yè)成本，提高效益，以適度規(guī)模經營促進規(guī)模經濟效益提升，以適度規(guī)模經營來促進農業(yè)生產效率提高。

3）優(yōu)化資源配置，促進要素之間合理流動。政府還需充分考慮各?。ㄗ灾螀^(qū)、直轄市）資源與要素稟賦差異，遵循“宜糧則糧、宜林則林、宜牧則牧、宜漁則漁\"等生態(tài)理念，因地制宜實施相關農業(yè)發(fā)展政策，促進農業(yè)資源內部的合理配置，進一步有效引導資本、勞動、技術和水土資源在農業(yè)與二、三產業(yè)間的合理流動，提升農業(yè)技術效率與要素投入利用率，推動農業(yè)產業(yè)結構的轉型升級，從而實現(xiàn)農業(yè)的可持續(xù)發(fā)展、綠色發(fā)展和高質量發(fā)展。

參考文獻

[1］王偉，毛偉.農業(yè)領域政府和社會資本合作對農業(yè)高質量發(fā)展的影響效應研究[J].世界農業(yè)，2023（9）：82-96.WangWei，Mao Wei.Research on the effectofgovernment and private capital in agriculture developmentonhigh-qualityagriculturedevelopment[J]. WorldAgriculture，2023（9）：82-96.

[2］葉祥松，殷紅.產業(yè)結構變遷、產業(yè)互動與全要素生產率增長——基于動態(tài)結構的視角［J].經濟學動態(tài)，2023（6）：44-62.YeXiangsong，Yin Hong.Industrial structure change，industrial interaction and total factor productivity growth：From the perspective of dynamic structure [J]. EconomicPerspectives，2023（6）：44-62.

[3］周里，張書寧，吉曉芹，等．數(shù)字金融與農業(yè)高質量發(fā)展耦合協(xié)調評價[J]．江蘇農業(yè)科學，2023，51（16）：247—254.Zhou Li，Zhang Shuning，Ji Xiaoqin，et al. Coupling andcoordination evaluation of digital finance and high-qualityagriculturaldevelopment[J].JiangsuAgriculturalSciences，2023，51（16）：247—254.

[4］姚靜，張二勛.中國產業(yè)結構優(yōu)化探討[J].地理學與國土研究，2000（4）：19—24.

[5］高周川，馬文秀，王立軍．產業(yè)政策調整對產業(yè)結構優(yōu)化的影響效果分析——基于日本穩(wěn)定增長時期的實證研究[J].江漢論壇，2023（9）：22-30.

［6］張永華．基于鄉(xiāng)村綠色發(fā)展理念的農業(yè)產業(yè)結構優(yōu)化驅動力分析[J].中國農業(yè)資源與區(qū)劃，2019，40（4）：22—27.

Zhang Yonghua.The analysis of the driving forces of agricultural industrial structure optimization on based on the green development concept of villagse [J]. Chinese Journal of Agricultural Resources and Regional Planning，2019， 40（4）：22-27.

［7］劉慧敏，尚杰．農地流轉對農業(yè)綠色全要素生產率的影響研究：兼論門檻效應與空間效應［J].中國生態(tài)農業(yè)學報（中英文），2023，31（9）：1482—1495.Liu Huimin，Shang Jie. Influence of rural land transfer onagricultural green total factor productivity：Effect，spatialcharacteristics and regional heterogeneity [J]. ChineseJournal of Eco-Agriculture，2023，31（9）：1482—1495.

［8］熊翅新，歐陽梨花，蔡桂云，等．江西省農業(yè)全要素生產率的提升路徑研究——基于fsQCA方法的分析[J].農林經濟管理學報，2023，22（4）：497—506.Xiong Chixin， Ouyang Lihua，Cai Guiyun，et al.Improvementpathsoftotalfactorproductivityinagriculture of Jiangxi Province： Analysis based on fsQCAmethod [J]. Journal of Agro-Forestry EconomicsandManagement，2023，22（4）：497—506.

［9］孫光林，李婷，莫媛．數(shù)字經濟對中國農業(yè)全要素生產率的影響[J].經濟與管理評論，2023，39（1）：92—103.Sun Guanglin，Li Ting，Mo Yuan.The impact on digitaleconomy on China's agriculture total factor productivity [J].Review of Economy and Management，2023，39（1）：92-103.

[10］唐勇，呂太升．數(shù)字普惠金融能提升農業(yè)全要素生產率嗎？[J]．哈爾濱商業(yè)大學學報（社會科學版），2023（3）：3-18.Tang Yong，Lu Taisheng.Can digital finance inclusiveimprove agricultural total factor productivity？[J]. JournalofHarbin University of Commerce （Social ScienceEdition），2023（3）：3-18.

[11］吳海霞，郝含濤，史恒通，等．農業(yè)機械化對小麥全要素生產率的影響及其空間溢出效應[J].農業(yè)技術經濟，2022（8）：50-68.Wu Haixia，Hao Hantao，Shi Hengtong，et al. Effect ofagricultural mechanization on total factor productivity ofwheat and its spatial spillover effect [J]．Journal ofAgrotechnical Economics，2022（8）：50-68.

[12］顧晟景，周宏．生產性服務業(yè)對農業(yè)全要素生產率的影響研究——基于中介效應的影響路徑分析[J].中國農業(yè)資源與區(qū)劃，2022，43（3）：106—116.Gu Shengjing，Zhou Hong. Study on the influence ofproducer services on agricultural total factor productivity ：Analysisof the influence path based on mediatingeffect[J].Chinese Journal of Agricultural Resources andRegional Planning，2022，43（3）：106—116.

[13]張震，周立彩，徐佳慧，等.新時期粵港澳大灣區(qū)產業(yè)結

構變遷對全要素生產率的影響分析[J].資源開發(fā)與市場，2021，37（12）：1480—1487.Zhang Zhen，Zhou Licai，Xu Jiahui，et al. Analysis on theinfluenceofstructure'schangeandTFPofGuangdong-Hong Kong-Macao Greater Bay Area in theNew Era[J].Resource Development amp;Market，2O21，37（12）：1480—1487.

[14］劉璇，李長英.產業(yè)結構變遷、互聯(lián)網發(fā)展與全要素生產率提升[J].經濟問題探索，2022（7）：124-138.Liu Xuan，Li Changying. Industrial structure change，internet development and improvement of total factorproductivity [J]. Inquiry into Economic Issues，2O22（7）：124—138.

[15］郭家堂，劉亮．區(qū)域協(xié)調發(fā)展、產業(yè)結構優(yōu)化與全要素生產率———以長三角為例[J].統(tǒng)計與決策，2022，38（24）：97-102.

[16］李婕，王玉斌，程鵬飛．中國農業(yè)全要素生產率的時空演變差異及內源構成[J].中國農業(yè)大學學報，2023，28（2）： 240-252.LiJie，Wang Yubin，Cheng Pengfei.Spatio-temporalevolution difference and endogenouscompositionofChinese agricultural total factor productivity [J]. Journal ofChina Agricultural University，2023，28（2）：240—252.

[17］干春暉，鄭若谷，余典范．中國產業(yè)結構變遷對經濟增長和波動的影響[J].經濟研究，2011，46（5）：4—16，31.Gan Chunhui， Zheng Ruogu，Yu Dianfan. An empiricalstudy on the effects of industrial structure on economicgrowth and fluctuations in China [J]. Economic ResearchJournal，2011，46（5）：4—16，31.

[18］金芳，金榮學．農業(yè)產業(yè)結構變遷對綠色全要素生產率增長的空間效應分析[J].華中農業(yè)大學學報（社會科學版），2020（1）：124—134，168—169.Jin Fang，Jin Rongxue.Analysis on the spatial effects ofagricultural industrial structure on agricultural green totalfactor productivity [J]. Journal of Huazhong AgriculturalUniversity（Social Sciences Edition），202O（1）：124—134，168—169.

[19]曹菲，聶穎．產業(yè)融合、農業(yè)產業(yè)結構升級與農民收入增長——基于海南省縣域面板數(shù)據(jù)的經驗分析[J].農業(yè)經濟問題，2021（8）：28-41.Cao Fei，Nie Ying. Industrial convergence，upgrading ofagriculturalindustrystructureand farmer'sincomeincrease：An empirical analysis of county panel data inHainan Province [J]. Isses in Agricultural Economy，2021（8）：28-41.

[20］楊秀玉，喬翠霞．農業(yè)產業(yè)結構優(yōu)化升級的空間差異性和收斂性[J].華南農業(yè)大學學報（社會科學版），2022，21（1）：67-80.YangXiuyu， Qiao Cuixia. Spatial differenceandconvergence of optimization and upgrading of agriculturalindustrial structure[J]. Journal of South China AgriculturalUniversity（Social ScienceEdition），2022，21（1）：67-80.

[21］田云，張俊飚，李波．中國農業(yè)碳排放研究：測算、時空比較及脫鉤效應[J].資源科學，2012，34（11）：2097—2105.Tian Yun，Zhang Junbiao，Li Bo.Agricultural carbonemission inChina： Calculation，spatial-temporalcomparison anddecouplingeffects[J]. ResourcesScience，2012，34（11）：2097—2105.

[22]楊小娟，陳耀，高瑞宏．甘肅省農業(yè)環(huán)境效率及碳排放約束下農業(yè)全要素生產率測算研究[J].中國農業(yè)資源與區(qū)劃，2021，42（8）：13-20.YangXiaojuan，Chen Yao，Gao Ruihong.Evaluation ofagricultural environment efficiency and agricultural totalfactor productivity in GansuProvince under carbonemission constraint [J].Chinese Journal of AgriculturalResources and Regional Planning，202l，42（8）：13—20.

[23］葉阿忠，肖志學．產業(yè)結構多樣化對城市綠色全要素生產率的影響研究——基于空間杜賓模型的實證分析[J].工業(yè)技術經濟，2023，42（3）：33-42.YeAzhong，Xiao Zhixue.The Impact of industrialstructurediversificationon urban green total factorproductivity：An empirical analysis based on the spatialDubin Model [J].Journal of Industrial TechnologyandEconomy，2023，42（3）：33-42.

[24］張國慶，閆慧貞．高質量發(fā)展導向下產業(yè)結構優(yōu)化對區(qū)域綠色全要素生產率的影響[J].江西社會科學，2020，40（5）：63—71.