-
近年来,中国农业经济整体上呈现出平稳、较快的发展态势,粮食产量持续增长,农业生产总值不断攀升。但不容忽视的是,中国粗放型农业发展模式也带来了资源紧张、生态恶化以及环境污染等严峻问题。如何在提升农业生产率的同时,兼顾环境绩效的改善,对于实现农业可持续发展至关重要。农业绿色全要素生产率(Total Factor Productivity,TFP)是在给定农业投入要素的前提下,在实现农业最大产出的同时尽可能减少农业污染排放的生产效率,是农业可持续发展水平的客观反映。已有研究表明,环境规制、财政支持以及人力资本等均是影响农业绿色全要素生产率的重要因素[1-3]。遗憾的是,目前尚未有学者注意到农产品贸易这一特殊的农业环境影响因素,对农业绿色全要素生产率所可能产生的影响。事实上,农产品贸易可以通过规模效应、结构效应以及技术效应作用于农业污染排放[4]110,而农业污染排放的多寡直接影响到农业绿色全要素生产率水平的高低。那么,农产品贸易究竟会促进还是抑制农业绿色全要素生产率?其具体的影响渠道有哪些?同时,农村金融作为现代农村经济的核心,其与农产品贸易之间存在相互影响、相互作用的关系,这种互动作用会对农业绿色全要素生产率产生何种影响?及时回应上述问题,对各级政府制定科学合理的农村金融发展战略,有效发挥农产品贸易的正向绿色全要素生产率溢出效应,具有重要的理论与现实意义。
目前,尚未有文献直接涉及农产品贸易与农业绿色全要素生产率的关系研究,相关研究主要集中在农产品贸易的环境效应方面,其结论大致可分为以下两类:一是农产品贸易对农业环境质量具有正面影响。Anderson[5]、Harold和Runge[6]、Susan等[7]较早利用跨国面板数据,从全球性视角分析指出,农产品贸易有利于全球环境质量的提升。Strutt和Anderson[8]、Wier等[9]、Minten等[10]分别以印尼、丹麦、马达加斯加为例研究发现,当地农产品贸易实现了经济效益与环境收益的双赢。国内学者张相文和黄娟[11]、高鸣和陈秋红[12]、刘舜佳和张雅[13]利用不同层面数据实证发现,农产品贸易总体上有利于减少化肥和农药的使用量,从而改善农业环境质量。二是农产品贸易对农业环境质量具有负面影响。López[14]、Barbier[15]较早从发展中国家的视角研究指出,农产品贸易会带来这些国家自然资源的严重退化。Dasgupta等[16]、Vilas-Ghiso和Liverman[17]、Mangmeechai[18]分别以巴西、墨西哥、泰国为例分析发现,农产品贸易使得当地农业化学投入增多、污染物排放加剧,从而导致环境质量出现明显下降。国内学者匡远配和谢杰[19]、刘子飞[4]116、马进[20]等实证指出,农产品贸易加剧了中国农业污染排放,总体上恶化了农业环境质量。
以上相关研究为本文提供了重要参考与有益借鉴,然而,这些研究始终未能直接揭示农产品贸易对农业绿色全要素生产率的影响及其具体渠道,更加缺乏关于农产品贸易与农村金融发展的互动作用对农业绿色全要素生产率的影响考察。与现有文献相比较,本文主要的拓展之处在于:首先,从农业绿色技术效率、农业绿色技术以及农村金融发展三个渠道出发,系统梳理农产品贸易对农业绿色全要素生产率的影响机理,并基于农村金融发展的视角,考察这种影响可能存在的非线性特征;其次,从农村金融规模、结构以及效率三个方面构建了中国省际农村金融发展水平的综合测度指标体系,并采用熵值法与加权求和法计算获得农村金融发展水平的综合指数,以较为全面地反映中国各地区农村金融发展水平;再次,利用分解指标和中介效应模型考察了农产品贸易对农业绿色全要素生产率的影响渠道,并进一步构建面板双重门槛模型,验证了农产品贸易对农业绿色全要素生产率的影响是否存在基于农村金融发展的门槛效应。
-
传统研究关注的农业全要素生产率只将农业增加值作为“好”的产出,并未考虑生产过程中以牺牲环境为代价的“坏”的产出。随着社会各界对农业环境污染问题重视程度的不断提高,越来越多的学者呼吁关注农业绿色全要素生产率[21-22]。通过参考和借鉴已有研究成果,本文将农业绿色全要素生产率定义为:在传统以生产要素和农业产值分别作为投入指标和期望产出指标的基础上,进一步将农业环境污染作为非期望产出纳入测算体系所得到的农业全要素生产率。
基于农业绿色全要素生产率的基本内涵,本文采用基于松弛变量的(Slacks-Based Model,SBM)数据包络分析(Data Envelopment Analysis, DEA)模型方向性距离函数和ML(Malmquist-Luenberger)指数综合测度农业绿色全要素生产率。首先,参考Fukuyama和Weber[23]的研究思路,构建考虑非期望产出的SBM方向性距离函数。在此基础上,依据Chung等[24]的研究方法,构建跨期(t期到t+1期)的ML指数
$${\rm{ML}}_t^{t + 1} = {\left\{ {\frac{{ {1 + \vec D_0^t\left( {{x^t},{y^t},{b^t};{g^t}} \right)} }}{{ {1 + \vec D_0^t\left( {{x^{t + 1}},{y^{t + 1}},{b^{t + 1}};{g^{t + 1}}} \right)} }} \times \frac{{ {1 + \vec D_0^{t + 1}\left( {{x^t},{y^t},{b^t};{g^t}} \right)} }}{{ {1 + \vec D_0^{t + 1}\left( {{x^{t + 1}},{y^{t + 1}},{b^{t + 1}};{g^{t + 1}}} \right)} }}} \right\}^{\frac{1}{2}}}$$ (1) 其中,D表示农业生产单元(Decision Making Unit,DMU );x、y、b、g分别表示生产投入、期望产出、非期望产出和方向向量。由于本文测算对象为农业绿色全要素生产率,因此以AGML指数①代替ML指数。当AGML>1时,说明农业绿色全要素生产率得到提升;当AGML<1时,意味着农业绿色全要素生产率有所下降。AGML指数可以分解为如下两个指数
$${\rm{AGML = AGTE \times AGTP}}$$ (2) 其中,AGTE表示农业绿色技术效率指数,反映了在现有农业技术约束条件下通过优化农业资源配置而带来的农业产出规模增加;AGTP表示农业绿色技术进步指数,反映了在现有农业资源约束条件下通过农业技术改进所带来的农业产出效率增加。跨期的AGTE指数和AGTP指数公式为
$${\rm{AGTE}}_t^{t + 1} = \frac{{1 + \vec D_0^t\left( {{x^t},{y^t},{b^t};{g^t}} \right)}}{{1 + \vec D_0^{t + 1}\left( {{x^{t + 1}},{y^{t + 1}},{b^{t + 1}};{g^{t + 1}}} \right)}}$$ (3) $${\rm{AGTP}}_t^{t + 1} = \left\{ {\frac{{ {1 + \vec D_0^{t + 1}\left( {{x^t},{y^t},{b^t};{g^t}} \right)} }}{{ {1 + \vec D_0^t\left( {{x^t},{y^t},{b^t};{g^t}} \right)} }} \times \frac{{ {1 + \vec D_0^{t + 1}\big( {{x^{t + 1}},{y^{t + 1}},{b^{t + 1}};{g^{t + 1}}} \big)} }}{{ {1 + \vec D_0^t\left( {{x^{t + 1}},{y^{t + 1}},{b^{t + 1}};{g^{t + 1}}} \right)}}}} \right\}^{\frac{1}{2}}$$ (4) AGTE度量了农业绿色技术效率的跨期动态变化,如果AGTE>1,说明农业绿色技术效率有所改进;如果AGTE<1,说明农业绿色技术效率有所降低。AGTP度量了农业绿色技术进步的跨期动态变化,如果AGTP>1,表明农业生产前沿面沿着减少农业非期望产出、增加农业期望产出的方向外移;如果AGTP<1,表明农业生产前沿面发生了反方向内陷。
-
影响农业绿色全要素生产率的因素错综复杂。根据Grossman和Kruger[25]的“贸易环境效应”分析框架,农产品贸易无疑是引致农业环境质量变化,并最终对农业绿色全要素生产率造成影响的重要因素。理论上,农产品贸易可以通过多种渠道影响农业绿色全要素生产率。本文通过对农业绿色全要素生产率进行分解,以及归纳、梳理现有文献,将“贸易环境效应”分析框架拓展为“农产品贸易绿色全要素生产率效应”分析框架,拟从农业绿色技术效率、农业绿色技术以及农村金融发展等渠道出发,详细分析农产品贸易对农业绿色全要素生产率的影响机理。
1. 由式(2)可知,农业绿色全要素生产率的提升取决于农业绿色技术效率提升与农业绿色技术进步,因而农产品贸易可通过影响农业绿色技术效率提升与农业绿色技术进步,进而对农业绿色全要素生产率产生间接效应。农产品贸易基于农业绿色技术效率渠道影响农业绿色全要素生产率的机制可归纳为:农产品贸易通过影响农业资源配置和产业结构调整而引致农业环境质量变化,最终对农业绿色全要素生产率造成的影响。根据资源禀赋理论,由于各个地区农业资源禀赋不同,其农产品的专业化生产也会因此存在一定差异。在自由贸易的情况下,农产品贸易会引导农业产业结构朝着更具比较优势的方向调整,即扩大具有比较优势(资源丰裕)农产品的生产规模、缩减具有比较劣势(资源稀缺)农产品的生产规模。具体而言,农产品贸易通过农业绿色技术效率渠道对农业绿色全要素生产率的影响表现在以下两个方面:一方面,如果一个地区的比较优势在于生产“低环境污染”农产品,则该地区会选择大力生产并出口此类农产品,同时进口“高环境污染”农产品,此时农产品贸易有助于改善当地农业环境质量,进而对农业绿色全要素生产率产生积极影响;另一方面,如果一个地区的比较优势在于生产“高环境污染”农产品,则该地区便会致力于生产并出口此类农产品,同时进口“低环境污染”农产品,此时该地区农产品贸易会降低当地农业环境质量,进而对农业绿色全要素生产率产生不利影响。
2. 农产品贸易基于农业绿色技术渠道影响农业绿色全要素生产率的机制可归纳为:农产品贸易通过技术转移和技术扩散而引致农业环境质量变化,最终对农业绿色全要素生产率产生影响。随着农产品贸易规模的不断扩大以及贸易壁垒的持续削减,国际间农业技术的交流机会不断增多、进口成本持续降低。农产品贸易通过农业绿色技术渠道对农业绿色全要素生产率产生的影响具体表现在正反两个方面:一方面,当农产品贸易所带来的绿色清洁农业技术得以推广和扩展时,将有利于改善农业环境质量,并对农业绿色全要素生产率产生积极效应。农业技术传播一般将农产品作为载体,随着对生态环境有利的农产品贸易规模的扩大,可以推动其所包含的清洁生产技术、绿色环境技术等新技术或新方法的跨国扩散,降低农业生产活动的单位污染排放量,进而提升农业绿色全要素生产率;另一方面,当农产品贸易所带来的环境污染技术得以应用和扩展时,将会恶化农业环境质量,并对农业绿色全要素生产率产生负面效应。当地区农业环保法律法规尚未健全或当地政府追求短期农业发展效益,在农产品贸易中承接一些过时、低廉且有害的农业技术与工艺流程时,农产品贸易将不利于当地农业环境质量的改善,进而对农业绿色全要素生产率带来负面影响。
3. 农产品贸易与农村金融发展的交互作用也会对农业绿色全要素生产率产生影响。理论上,农村金融发展通过将更多金融资源配置于绿色农业发展及其技术创新领域,促进绿色农业产出规模和产出效率的增加,进而会对农业绿色全要素生产率产生影响。经济决定金融,金融反作用于经济。农产品贸易与农村金融发展之间是一种相互影响、相互作用的关系。一方面,农产品贸易作为繁荣农村经济的关键措施,是决定农村金融发展的重要力量。农产品贸易促使农业贸易主体从事生产经营的规模范围不断扩大、投资需求日益提升,进而会对涉农金融机构的金融供给提出更高的要求。与此同时,随着农产品贸易的不断推进,农业贸易主体对涉农金融机构的产品和服务选择会倾向多样化和复杂化,从而倒逼涉农金融机构不断完善金融功能,积极开发适应农产品贸易需要的金融产品和服务。另一方面,农村金融发展是发挥农产品贸易绿色全要素生产率效应的先决因素。农村金融发展水平直接影响涉农企业所能开展的农产品贸易规模和水平,以及农产品贸易所能获取并消化的农业技术含量,从而对农业绿色全要素生产率产生重要影响。具体而言:从企业层面来看,涉农企业进行农产品贸易需要大量的资金支持,而完善的农村金融市场体系可以较好地满足其融资需求,并增强其从事国际贸易的意愿与能力;从产业层面来看,农村金融发展通过提供充沛的资金支持,促使涉农进出口企业竞相开展技术模仿与技术创新,从而以竞争示范的形式来影响农产品贸易技术溢出在整个行业的扩散,并最终对行业绿色全要素生产率产生影响。
综上所述,农产品贸易可以通过农业绿色技术效率、农业绿色技术以及农村金融发展等渠道,对农业绿色全要素生产率产生影响,但这种影响是正是负尚不明确。与此同时,农产品贸易对农业绿色全要素生产率的作用效果可能会受到农村金融发展水平的制约,但这种影响是否呈现非线性效应亦未可知,有待本文进一步实证加以检验。
-
首先,为了考察农产品贸易对农业绿色全要素生产率的直接影响,本文借鉴目前学术界有关农业生产率影响因素研究的通常做法[26-27],构建如下基准线性计量模型
$${\rm{AG}}{{\rm{P}}_{it}} = {\alpha _0} + {\alpha _1}{\rm{AP}}{{\rm{T}}_{it}} + \rho {X_{it}} + {\mu _{it}}$$ (5) 其中,i为地区;t为年份;AGP表示农业绿色全要素生产率;APT表示农产品贸易;
${\alpha _{\rm{1}}}$ 为其回归系数;${\alpha _0}$ 为常数项;X表示控制变量;$\mu $ 表示随机误差项。其次,为了检验农产品贸易影响农业绿色全要素生产率的内在渠道,将农业绿色全要素生产率的分解项(农业绿色技术效率与农业绿色技术进步)作为被解释变量,设定计量模型
$${\rm{AG}}{{\rm{E}}_{it}} = {\beta _0} + {\beta _1}{\rm{AP}}{{\rm{T}}_{it}} + \kappa {X_{it}} + {\upsilon _{it}}$$ (6) $${\rm{AG}}{{\rm{T}}_{it}} = {\chi _0} + {\chi _1}{\rm{AP}}{{\rm{T}}_{it}} + \sigma {X_{it}} + {\tau _{it}}$$ (7) 其中,AGE为农业绿色技术效率;AGT为农业绿色技术进步。若APT的回归系数显著为正,意味着农产品贸易能够提升农业绿色技术效率(或促进农业绿色技术进步)。由此则可以证实农产品贸易会通过提升农业绿色技术效率(或促进农业绿色技术进步)而提高农业绿色全要素生产率。
再次,为了检验农产品贸易是否通过促进农村金融发展影响农业绿色全要素生产率,借鉴Baron和Kenny[28]的研究思路,通过构建中介效应模型,以准确识别农产品贸易→农村金融发展→农业绿色全要素生产率的传导机制。构建中介效应模型
$${\rm{AG}}{{\rm{P}}_{it}} = {\delta _0} + {\delta _1}{\rm{AP}}{{\rm{T}}_{it}} + \phi {X_{it}} + {\varsigma _{it}}$$ (8) $${\rm{FI}}{{\rm{N}}_{it}} = {\lambda _0} + {\lambda _1}{\rm{AP}}{{\rm{T}}_{it}} + \theta {X_{it}} + {\varepsilon _{it}}$$ (9) $${\rm{AG}}{{\rm{P}}_{it}} = {\varphi _0} + {\varphi _1}{\rm{AP}}{{\rm{T}}_{it}} + {\varphi _2}{\rm{FIN}} + \eta {X_{it}} + {\varpi _{it}}$$ (10) 其中,FIN为农村金融发展。中介效应的检验步骤为:(1)检验农产品贸易是否影响了农业绿色全要素生产率。如果式(8)中的系数δ1显著,说明农产品贸易对农业绿色全要素生产率产生了影响;(2)检验农产品贸易是否影响了农村金融发展。如果式(9)中的系数λ1显著,说明农产品贸易对农村金融发展产生影响;(3)将农产品贸易与农村金融发展同时纳入回归模型。如果式(10)中的系数
${\varphi _1} $ 和${\varphi _2} $ 都显著,且${\varphi _1} $ 的绝对值与δ1的绝对值相比有所降低,表明存在部分中介效应,即农产品贸易对农业绿色全要素生产率的影响部分来自农村金融发展的传导;如果系数${\varphi _1} $ 不显著,仅${\varphi _2} $ 显著,则说明存在完全中介效应,即农产品贸易对农业绿色全要素生产率的影响完全来自农村金融发展的传导。 -
本文的被解释变量为农业绿色全要素生产率(AGP)。参考国内学者的普遍做法[29-30],采用基于SBM方向性距离函数的ML指数,以农业增加值和农业碳排放②分别作为期望产出和非期望产出指标,以劳动力、土地、机械动力、化肥、农药、农膜以及灌溉作为投入指标,来测算中国农业绿色全要素生产率。在利用MaxDEA 7 Ultra软件获得2007—2017年AGML指数的基础上,进一步借鉴现有研究的通常做法[32],将农业绿色全要素生产率的环比改进指数换算成定比改进指数,即令2007年的农业绿色全要素生产率为1,用2007—2008年的AGML指数乘以2007年的农业绿色全要素生产率可得2008年的农业绿色全要素生产率,以此类推得到2009—2017年的农业绿色全要素生产率。农业绿色技术效率(AGE)和农业绿色技术进步(AGT)两个变量的获得方式与此类似,分别利用AGTE指数和AGTP指数换算得到。
-
农产品贸易(APT)为本文考察的核心解释变量,同时也是门槛依赖变量。从农产品进口贸易(IMP)和农产品出口贸易(EXP)两个方面来衡量农产品贸易水平,以此考察不同贸易渠道的绿色全要素生产率溢出效应大小。参考现有文献的普遍做法[33-34],本文中的农产品进口贸易(IMP)与农产品出口贸易(EXP)分别以农产品进口贸易总额和农产品出口贸易总额来衡量,并利用当年人民币对美元平均汇率对农产品进、出口总额进行了换算处理,以消除汇率影响。此外,为了尽可能地消除异方差对计量模型参数估计的不利影响,增强回归参数的经济学意义,对以人民币计价的农产品进口贸易总额和农产品出口贸易总额作了对数处理。
-
本文的门槛变量为农村金融发展(FIN)。综合参考李晓龙和冉光和[35]、杜思正等[36]的做法,从农村金融规模、结构和效率三个方面构建了中国省际农村金融发展水平的综合测度指标体系。其中,农村金融规模用人均农户贷款、人均农户存款和农村每万人拥有小型金融机构数三个指标来衡量,其值越大表示农村金融规模越大;农村金融结构用农业保险深度和农业保险密度两个指标反映,其值越大说明农村金融结构越趋合理;农村金融效率用农户存贷款总额与农业增加值之比和农户贷存比两个指标来衡量,其值越大意味着农村金融机构吸收的农户存款以及发放的农户贷款越多,同时农村金融机构将农户存款转化为农户贷款的比例越高,农村金融市场效率和服务质量也越高。在构建上述综合测度指标体系的基础上,进一步采用熵值法与加权求和法来计算2008—2017年中国30个省份农村金融发展水平的综合指数。
-
本文的控制变量包括:(1)财政支农支出(GOV),将地方财政“一般预算支出”中的“农林水事务”类科目支出作为政府财政支农的代理变量,在此基础上计算出各省份政府财政支农支出与财政总支出的比率,来反映地方政府财政支出对“三农”问题的重视程度;(2)农业技术创新(INO),用各省份农业专利数量/农业研发(Research and Development,R&D)人员来表示③;(3)地区产业结构(STR),利用各省份第二产业和第三产业增加值之和占国内生产总值的比重来衡量;(4)农村能源消耗(RES),以各省份农村居民人均用电量来衡量并作对数处理;(5)农业受灾率(DIS),用各省份农业受灾面积占耕地面积的比重来表示。
-
本文样本涉及2008—2017年中国30个省级行政区④。农业绿色全要素生产率测算所用数据来源于《中国统计年鉴》和《中国农村统计年鉴》;农产品进出口贸易数据来源于《中国农产品贸易发展报告》和《中国农业年鉴》;农村金融发展原始数据来源于《中国金融年鉴》《中国保险年鉴》《中国农村金融服务报告》《中国区域金融运行报告》和《“三农”贷款与县域金融统计》;农业专利数据来源于SOOPAT专利搜索引擎;财政支农、产业结构、农村用电量以及农业受灾率原始数据来源于《中国统计年鉴》和《中国农村统计年鉴》。为了确保统计数据的可比性,以2008年作为基期,对涉及到用货币计量的相关变量均作了平减处理。相关变量的描述性统计结果如表1所示。其中,最后一列给出了各变量与农业绿色全要素生产率的相关系数,从表1中可以看出,农产品进口贸易、农产品出口贸易以及农村金融发展与农业绿色全要素生产率的相关系数均为正,表明农产品贸易和农村金融发展与农业绿色全要素生产率具有正相关关系。
表 1相关变量的描述性统计结果
变量名称 符号 样本量 均值 标准差 最小值 最大值 相关系数 农业绿色全要素生产率 AGP 300 1.110 4 0.160 9 0.751 0 1.717 7 1.000 0 农业绿色技术效率 AGE 300 0.986 0 0.059 3 0.669 1 1.213 2 0.428 9* 农业绿色技术进步 AGT 300 1.127 7 0.138 0 0.883 0 1.603 0 0.882 8* 农产品进口贸易 IMP 300 12.882 3 2.591 7 4.116 7 16.716 8 0.217 8* 农产品出口贸易 EXP 300 13.296 0 1.374 3 8.468 8 16.441 3 0.203 6* 农村金融发展 FIN 300 1.822 2 1.225 7 0.310 1 7.615 1 0.121 9* 财政支农支出 GOV 300 0.110 6 0.030 3 0.030 4 0.189 7 0.076 7 农业技术创新 INO 300 0.594 7 0.722 3 0.059 0 8.065 8 0.240 7* 地区产业结构 STR 300 0.896 2 0.053 5 0.709 9 0.996 4 0.113 9* 农村能源消耗 RES 300 6.542 0 1.138 1 4.655 7 10.454 4 0.081 1 农业受灾率 DIS 300 0.233 4 0.163 9 0.000 0 1.180 6 −0.275 2* 注:作者根据Stata软件计算结果整理;*表示相关系数在5%的置信水平下显著。 -
作为基准和参照,首先利用固定效应模型(FE)实证检验农产品贸易对农业绿色全要素生产率的直接影响,回归结果如表2模型(1)和模型(2)所示。根据回归结果可以发现,核心解释变量农产品进口贸易(IMP)和农产品出口贸易(EXP)对农业绿色全要素生产率的影响系数始终在1%的水平上显著为正,表明农产品进出口贸易对农业绿色全要素生产率具有显著的促进作用。进一步地,为了避免因遗漏变量而可能带来的内生性问题,将核心解释变量的滞后一期作为工具变量,利用两阶段最小二乘法(Two-Stage Least Squares,2SLS)重新进行了回归,结果如表2模型(3)和模型(4)所示。其中,第一阶段的F值均比较大,表明不存在弱工具变量问题;与此同时,第二阶段的回归结果显示,农产品进口贸易和农产品出口贸易的系数依旧显著为正,且通过了1%的显著性水平检验,说明农产品贸易对农业绿色全要素生产率具有促进作用这一结论是稳健的。进一步地,通过对比不同方法下农产品进口贸易与农产品出口贸易的估计系数可以发现,相比于农产品进口贸易,农产品出口贸易对农业绿色全要素生产率的提升作用更加明显。此外,从控制变量的估计结果来看,政府财政支农(GOV)、农业技术创新(INO)和地区产业结构(STR)的估计系数显著为正,表明现阶段加大财政支农力度、积极研发农业技术、优化地区产业结构,均有利于提升农业绿色全要素生产率;农村能源消耗(RES)与农业绿色全要素生产率的关系并不确定;农业受灾率(DIS)与农业绿色全要素生产率明显负相关,说明农业受灾率过高是制约农业绿色全要素生产率提升的重要因素。
表 2农产品贸易对农业绿色全要素生产率直接影响的回归结果
变量 FE 2SLS (1) (2) (3) (4) IMP 0.033 5***(3.812 6) 0.056 6***(4.302 6) EXP 0.114 1***(4.591 2) 0.202 6***(4.904 6) GOV 0.842 3*(1.683 1) 0.778 2 (1.571 0) 0.771 1 (1.309 5) 0.644 0 (1.109 0) INO 0.039 0***(3.291 9) 0.041 0***(3.498 2) 0.034 2***(2.801 8) 0.036 8***(3.068 6) STR 1.974 1***(3.581 0) 1.485 0***(2.643 0) 2.275 4***(3.484 3) 1.539 8**(2.271 7) RES 0.046 2 (1.479 6) 0.030 8 (0.979 2) 0.018 2 (0.517 5) −0.014 7 (−0.394 2) DIS −0.106 6**(−2.271 1) −0.095 0**(−2.040 9) −0.133 9**(−2.472 2) −0.107 5**(−1.997 5) 常数项 −1.483 1***(−3.203 0) −2.025 3***(−4.313 1) −1.852 2***(−3.288 8) −2.936 2***(−5.063 4) R2 0.432 6 0.445 6 0.422 7 0.442 3 第一阶段F值 79.36*** 97.58*** Wald值 37 877.79 39 214.17 N 300 300 270 270 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量。 -
以上检验结果表明,农产品贸易对农业绿色全要素生产率产生了显著的正向影响。在此基础上,继续检验农产品贸易影响农业绿色全要素生产率的具体渠道。首先,通过对农业绿色全要素生产率指标进行分解,利用固定效应模型实证检验农产品贸易是否通过提升农业绿色技术效率和促进农业绿色技术进步来提高农业绿色全要素生产率。表3列示了分别以农业绿色技术效率和农业绿色技术进步作为被解释变量的回归结果。从模型(1)和模型(2)的估计结果来看,无论是农产品进口贸易(IMP)还是农产品出口贸易(EXP),其对农业绿色技术效率的影响系数均显著为正,且至少通过了10%的显著性水平检验,说明农产品贸易可以提升农业绿色技术效率。从模型(3)和模型(4)的估计结果来看,农产品进口贸易和农产品出口贸易对农业绿色技术进步的影响系数均在1%的水平上显著为正,说明农产品贸易可以促进农业绿色技术进步。进一步比较发现,农产品进口贸易和农产品出口贸易两个变量在模型(3)和模型(4)中的系数明显大于模型(1)和模型(2),这意味着相对于农业绿色技术效率渠道,农产品贸易通过促进农业绿色技术进步对农业绿色全要素生产率产生的促进作用更强。
表 3农业绿色全要素生产率分解指标的回归结果
变量 农业绿色技术效率 农业绿色技术进步 (1) (2) (3) (4) IMP 0.007 9**(2.090 5) 0.025 5***(3.586 5) EXP 0.020 7*(1.906 8) 0.090 1***(4.487 3) 常数项 0.931 3***(4.670 9) 0.830 0***(4.052 1) −1.369 7***(−3.655 5) −1.796 3***(−4.733 9) 控制变量 控制 控制 控制 控制 R2 0.194 8 0.192 6 0.578 4 0.589 2 N 300 300 300 300 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量。 其次,以农村金融发展作为中介变量,实证检验农产品贸易是否通过促进农村金融发展进而影响农业绿色全要素生产率。表4列示了基于农村金融发展的中介效应回归结果。从表4模型(1)、模型(3)和模型(5)中可以看出,在第一步检验时,农产品进口贸易(IMP)的回归系数在1%的水平上显著为正,说明农产品进口贸易有利于提高农业绿色全要素生产率;在第二步检验时,农产品进口贸易对农村金融发展的影响系数显著为正,且通过了5%的显著性水平检验,说明农产品进口贸易有利于促进农村金融发展;在第三步检验时,农村金融发展(FIN)的回归系数在1%的水平上显著为正,说明农村金融发展可以显著提高农业绿色全要素生产率,与此同时,农产品进口贸易的回归系数也在1%的水平上显著为正,且系数数值大小相比第一步检验有所减小,这意味着农村金融发展扮演了部分中介效应的作用,即农产品进口贸易通过促进农村金融发展对提升农业绿色全要素生产率起到了积极作用。表4模型(2)、模型(4)与模型(6)中农产品出口贸易(EXP)的分析逻辑与此类似,验证了农产品出口贸易可以通过促进农村金融发展对提升农业绿色全要素生产率产生积极作用。综上所述,中介效应模型验证了农产品贸易可以通过促进农村金融发展对提升农业绿色全要素生产率产生了积极作用,即揭示了农产品贸易→农村金融发展→农业绿色全要素生产率的传导机制。
表 4基于农村金融发展的中介效应回归结果
变量 第一步检验(被解释变量为AGP) 第二步检验(被解释变量为FIN) 第三步检验(被解释变量为AGP) (1) (2) (3) (4) (5) (6) IMP 0.033 5*** 0.079 6** 0.031 5*** (3.812 6) (2.256 3) (3.615 7) EXP 0.114 1*** 0.263 5*** 0.107 4*** (4.591 2) (2.674 2) (4.674 3) FIN 0.039 9*** 0.044 2*** (2.826 5) (3.191 4) 控制变量 控制 控制 控制 控制 控制 控制 常数项 −1.483 1*** −2.025 3*** −5.878 1*** −7.905 3*** −0.994 2** −1.480 3*** (−3.203 0) (−4.313 1) (−7.847 0) (−6.943 1) (−2.034 5) (−3.007 7) R2 0.432 6 0.445 6 0.723 6 0.725 7 0.422 7 0.442 3 N 300 300 300 300 300 300 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量。 -
前文检验了农产品贸易对农业绿色全要素生产率的直接影响,以及通过农业绿色技术效率、农业绿色技术进步与农村金融发展等渠道对农业绿色全要素生产率产生的间接影响。考虑到农产品贸易与农村金融发展之间存在的互动关系,一方面,农产品贸易可以通过促进农村金融发展对农业绿色全要素生产率起到提升作用,另一方面,农产品贸易对农业绿色全要素生产率的提升作用也可能会受到农村金融发展的影响。换言之,这意味着农产品贸易、农村金融发展与农业绿色全要素生产率之间可能存在非线性门槛关系,即在农村金融发展水平的不同门槛值区间,农产品贸易对农业绿色全要素生产率的作用存在一定差异。为此,借鉴Hansen[37]的研究思路,同时基于计量模型(5)的设定,以农产品贸易(APT)作为门槛依赖变量,以农村金融发展(FIN)作为门槛变量,构建面板门槛模型
$$\begin{gathered} {\rm{AG}}{{\rm{P}}_{it}} = {\alpha _0} + {\alpha _1}{\rm{AP}}{{\rm{T}}_{it}}I\left( {{\rm{FI}}{{\rm{N}}_{it}} \leqslant {\gamma _1}} \right) + {\alpha _2}{\rm{AP}}{{\rm{T}}_{it}}I\left( {{\gamma _1} < {\rm{FI}}{{\rm{N}}_{it}} \leqslant {\gamma _2}} \right) + \cdots +\\ {\alpha _n}{\rm{AP}}{{\rm{T}}_{it}}I\left( {{\gamma _{n - 1}} < {\rm{FI}}{{\rm{N}}_{it}} \leqslant {\gamma _n}} \right) + {\alpha _{n + 1}}{\rm{AP}}{{\rm{T}}_{it}}I\left( {{\gamma _n} < {\rm{FI}}{{\rm{N}}_{it}}} \right) + \rho {X_{it}} + {\mu _{it}} \\ \end{gathered} $$ (11) 其中,
${\gamma _{\rm{1}}}$ 、${\gamma _{\rm{2}}}$ 、…、${\gamma _{n - 1}}$ 、${\gamma _n}$ 表示农村金融发展的具体门槛值;${\alpha _1}$ 、${\alpha _2}$ 、…、${\alpha _n}$ 、${\alpha _{n + 1}}$ 表示在农村金融发展的不同门槛值区间范围内,农产品贸易对农业绿色全要素生产率的影响系数,如果${\alpha _1}$ 、${\alpha _2}$ 、…、${\alpha _n}$ 与${\alpha _{n + 1}}$ 至少有一个通过显著性检验且彼此之间有明显差异,说明将农村金融发展作为门槛变量是有效的;$I\left( { \cdot } \right)$ 表示指示函数,倘若满足括号里面的条件,则$I = {\rm{1}}$ ,反之$I = 0$ ;其他符号含义与计量模型(5)一致。为了尽可能避免异方差对面板门槛模型估计造成的影响,同时采用了固定效应FE和FE-robust稳健估计。表5列示了农产品贸易对农业绿色全要素生产率的门槛回归结果。从结果中可以看出,无论是以农产品进口贸易(IMP)还是农产品出口贸易(EXP)作为门槛依赖变量,门槛变量农村金融发展(FIN)均通过了双重门槛效应检验,这说明本文应该构建面板双重门槛模型。从农产品进口贸易(IMP)的回归结果可以发现,以农产品进口贸易作为门槛依赖变量时,农村金融发展(FIN)的双重门槛估计值分别为1.425 3和2.455 9。当农村金融发展水平低于第一门槛值时(FIN ≤1.4665),农产品进口贸易对农业绿色全要素生产率的影响系数为0.019 7,并且通过了1%的显著性水平检验,说明该区间农产品进口贸易显著促进了农业绿色全要素生产率的增长;当农村金融发展水平处于第一门槛值与第二门槛值之间时(1.425 3
2.455 9),农产品进口贸易对农业绿色全要素生产率的影响系数进一步提升至0.035 1,且依旧通过了1%的显著性水平检验,可见,农产品进口贸易对农业绿色全要素生产率的促进作用在这个区间最强。面板双重门槛模型估计结果充分说明,农产品进口贸易对农业绿色全要素生产率的作用会受到农村金融发展水平的制约,农村金融发展水平越高,农产品进口贸易对农业绿色全要素生产率的促进作用越强。 表 5农产品贸易对农业绿色全要素生产率的门槛回归结果
变量 农产品进口贸易 变量 农产品出口贸易 FE FE-robust FE FE-robust IMP_1 0.019 7**(2.413 5) 0.019 7***(2.822 9) EXP_1 0.077 1***(3.326 0) 0.077 1***(2.801 2) IMP_2 0.028 2***(3.538 3) 0.028 2***(4.008 5) EXP_2 0.085 0***(3.702 0) 0.085 0***(3.109 0) IMP_3 0.035 1***(4.379 7) 0.035 1***(4.727 4) EXP_3 0.091 9***(4.018 9) 0.091 9***(3.345 2) 控制变量 控制 控制 控制变量 控制 控制 第一门槛值 1.425 3 1.425 3 第一门槛值 1.466 5 1.466 5 第二门槛值 2.455 9 2.455 9 第二门槛值 2.455 9 2.455 9 R2 0.548 3 0.548 3 R2 0.587 2 0.587 2 N 300 300 N 300 300 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量;IMP_1 (EXP_1)表示当门槛变量低于第一门槛值时,农产品进口(出口)贸易变量的回归系数;IMP_2 (EXP_2)表示当门槛变量介于第一门槛值与第二门槛值之间时,农产品进口(出口)贸易变量的回归系数;IMP_3 (EXP_3)表示当门槛变量高于第二门槛值时,农产品进口(出口)贸易变量的回归系数。 从农产品出口贸易(EXP)的估计结果可以看出,以农产品出口贸易作为门槛依赖变量时,农村金融发展(FIN)的双重门槛估计值分别为1.466 5和2.455 9。当农村金融发展水平低于第一门槛值时(FIN≤1.466 5),农产品出口贸易对农业绿色全要素生产率的影响系数在1%的水平上显著为正(0.077 1),说明该区间农产品出口贸易显著提升了农业绿色全要素生产率;当农村金融发展水平处于第一门槛值与第二门槛值之间时(1.466 5
2.455 9),农产品出口贸易对农业绿色全要素生产率的影响系数进一步提升至0.091 9,且同样通过了1%的显著性水平检验,由此可知,该区间农产品出口贸易对农业绿色全要素生产率的促进作用最强。面板双重门槛模型估计结果表明,农产品出口贸易对农业绿色全要素生产率的作用会受到农村金融发展水平的制约,农村金融发展水平越高,农产品出口贸易对农业绿色全要素生产率的促进作用越强。 综上可知,农产品贸易显著促进了农业绿色全要素生产率的提升,亦即农产品贸易具有正向的绿色全要素生产率溢出效应。进一步通过对比农产品进口贸易(IMP)与农产品出口贸易(EXP)的估计系数可以发现,相比于农产品进口贸易,农产品出口贸易对农业绿色全要素生产率的提升作用明显要更强一些,这与前文的研究结论保持一致。与此同时,农产品贸易对农业绿色全要素生产率的影响确实存在基于农村金融发展的双重门槛效应。在农村金融发展水平的不同门槛区间,农产品贸易对农业绿色全要素生产率的影响效果呈现出明显差异。具体而言,在农村金融发展水平越高的地区,农产品贸易对农业绿色全要素生产率的提升作用越明显。这也意味着,各地区可以根据自身发展现状,在努力提升农村金融发展水平上多费心思,以更好地发挥农产品贸易的绿色全要素生产率溢出效应。
-
农产品贸易可以通过农业绿色技术效率、农业绿色技术以及农村金融发展等渠道影响农业绿色全要素生产率的提升,而农村金融发展与农产品贸易的互动作用也会对农业绿色全要素生产率产生重要影响。本文利用2008—2017年中国省际面板数据,从农村金融发展的视角出发,实证检验了农产品贸易对农业绿色全要素生产率的影响。检验结果表明:(1)整体而言,农产品贸易显著促进了农业绿色全要素生产率的提升,与农产品进口贸易相比,农产品出口贸易对农业绿色全要素生产率的提升作用更大;(2)农业绿色技术效率和农业绿色技术进步是农产品贸易影响农业绿色全要素生产率的两个重要渠道,相对于农业绿色技术效率,农产品贸易通过促进农业绿色技术进步对农业绿色全要素生产率产生的促进作用更强。(3)农产品贸易可以通过促进农村金融发展对农业绿色全要素生产率提升产生积极作用,亦即存在农产品贸易→农村金融发展→农业绿色全要素生产率的传导机制。(4)农产品贸易对农业绿色全要素生产率的影响显著存在基于农村金融发展的双重门槛效应,在农村金融发展水平由低变高的动态过程中,农产品贸易对农业绿色全要素生产率的促进作用逐步增强。
上述研究结论对于提升中国农业绿色全要素生产率以及促进农业可持续发展具有重要的启示意义。(1)农业绿色全要素生产率的提升,离不开农产品贸易的持续健康发展。要充分利用国际贸易市场,不断完善进出口贸易机制,积极开展农产品进出口贸易,进一步提高农产品贸易开放程度;要持续优化农产品出口贸易结构,提高资本技术密集型、劳动密集型农产品的出口比重,降低土地密集型、化学投入密集型农产品的出口比重,提高农产品出口的绿色化水平与技术含量,以推动国内农业产业结构升级并提升中国农产品的国际竞争力;同时,要努力为农产品贸易技术溢出效应的有效发挥创造良好的消化吸收环境,尤其是要加快农村金融发展,鼓励农村金融创新,提升农村金融服务水平和服务质量。(2)充分结合各地区农村金融发展水平的实际状况,施行差异化的农产品贸易政策。农产品贸易优惠政策的制定,应倾斜于现阶段农村金融发展处于中低等水平的地区,这些地区与农村金融发展处于高水平的地区相比,其农产品贸易对农业绿色全要素生产率的促进作用还有进一步提升的空间。(3)对于农村金融发展水平较低的地区而言,应当抓紧提升当地农村金融发展水平,并使其跨越相应的“门槛”,以有效发挥农产品贸易的正向绿色生产率溢出效应。
Does Agricultural Product Trade Increase Agricultural Green Total Factor Productivity?
——Analysis based on the Perspective of Rural Financial Development
-
摘要:基于2008—2017年中国省际面板数据,从农村金融发展的视角出发,实证检验了农产品贸易对农业绿色全要素生产率(Total Factor Productivity,TFP)的影响。研究发现:(1)农产品进口贸易和农产品出口贸易均有利于提升农业绿色全要素生产率,其中,农产品出口贸易的提升作用更大;(2)相比农业绿色技术效率渠道,农产品贸易通过促进农业绿色技术进步对农业绿色全要素生产率产生的提升作用更强;(3)农产品贸易可以通过推动农村金融发展对农业绿色全要素生产率提升产生积极作用,即存在农产品贸易→农村金融发展→农业绿色全要素生产率的传导机制;(4)农产品贸易对农业绿色全要素生产率的影响存在基于农村金融发展的双重门槛效应,在农村金融发展水平由低变高的动态过程中,农产品贸易对农业绿色生产率的促进作用逐步增强。因此,要促进农业绿色全要素生产率的有效提升,一方面离不开农产品贸易的持续健康发展,另一方面也需要充分结合各地区农村金融发展水平的实际状况,施行差异化的农产品贸易政策,以充分发挥农产品贸易的正向绿色全要素生产率溢出效应。
-
关键词:
- 农业绿色全要素生产率/
- 农产品贸易/
- 农村金融发展/
- 门槛效应
Abstract:Based on the interprovincial panel data of China from 2008 to 2017, this paper empirically tests the impact of agricultural product trade on agricultural green total factor productivity from the perspective of rural financial development. It is found that: (1) The import trade of agricultural products and the export trade of agricultural products are beneficial to the promotion of agricultural green total factor productivity, among which, the export trade of agricultural products is more effective. (2) Compared with the channel of agricultural green technology efficiency, agricultural products trade has a stronger effect on agricultural green total factor productivity by promoting agricultural green technology progress. (3) Agricultural product trade can play a positive role in the promotion of agricultural green total factor productivity by promoting rural financial development, that is, the transmission mechanism of agricultural trade → rural financial development → agricultural green total factor productivity exists. (4) The impact of agricultural product trade on agricultural green total factor productivity has a double threshold effect based on rural financial development. In the dynamic process of rural financial development from low to high, the promotion of agricultural product trade to agricultural green total factor productivity has gradually increased. Therefore, in order to promote the effective promotion of agricultural green total factor productivity, on the one hand, we cannot do without the sustainable and healthy development of agricultural trade; on the other hand, we need to fully integrate the actual situation of rural financial development level in various regions, and implement differentiated agricultural trade policies, so as to give full play to the positive green productivity spillover effect of agricultural trade.注释:1) 作者自己命名的指数,A(Agriculture),G(Green)。2) 本文参考借鉴李波等 [31]的研究,测算获得样本期间中国省际农业碳排放量。3) 由于中国并没有公布各省份农业R&D人员,本文参照国内学者的通常做法,采用公有经济事业单位农业技术人员占公有经济事业单位专业技术人员的比重作为农业R&D人员比例的替代数,即各省份农业R&D人员全时当量=各省份全部R&D人员全时当量×(各省份公有经济事业单位农业技术人员/各省份公有经济事业单位专业技术人员)。4) 中国香港、澳门特别行政区,台湾省以及西藏自治区由于统计数据存在不同程度的缺失,未被纳入研究样本。 -
表 1相关变量的描述性统计结果
变量名称 符号 样本量 均值 标准差 最小值 最大值 相关系数 农业绿色全要素生产率 AGP 300 1.110 4 0.160 9 0.751 0 1.717 7 1.000 0 农业绿色技术效率 AGE 300 0.986 0 0.059 3 0.669 1 1.213 2 0.428 9* 农业绿色技术进步 AGT 300 1.127 7 0.138 0 0.883 0 1.603 0 0.882 8* 农产品进口贸易 IMP 300 12.882 3 2.591 7 4.116 7 16.716 8 0.217 8* 农产品出口贸易 EXP 300 13.296 0 1.374 3 8.468 8 16.441 3 0.203 6* 农村金融发展 FIN 300 1.822 2 1.225 7 0.310 1 7.615 1 0.121 9* 财政支农支出 GOV 300 0.110 6 0.030 3 0.030 4 0.189 7 0.076 7 农业技术创新 INO 300 0.594 7 0.722 3 0.059 0 8.065 8 0.240 7* 地区产业结构 STR 300 0.896 2 0.053 5 0.709 9 0.996 4 0.113 9* 农村能源消耗 RES 300 6.542 0 1.138 1 4.655 7 10.454 4 0.081 1 农业受灾率 DIS 300 0.233 4 0.163 9 0.000 0 1.180 6 −0.275 2* 注:作者根据Stata软件计算结果整理;*表示相关系数在5%的置信水平下显著。 表 2农产品贸易对农业绿色全要素生产率直接影响的回归结果
变量 FE 2SLS (1) (2) (3) (4) IMP 0.033 5***(3.812 6) 0.056 6***(4.302 6) EXP 0.114 1***(4.591 2) 0.202 6***(4.904 6) GOV 0.842 3*(1.683 1) 0.778 2 (1.571 0) 0.771 1 (1.309 5) 0.644 0 (1.109 0) INO 0.039 0***(3.291 9) 0.041 0***(3.498 2) 0.034 2***(2.801 8) 0.036 8***(3.068 6) STR 1.974 1***(3.581 0) 1.485 0***(2.643 0) 2.275 4***(3.484 3) 1.539 8**(2.271 7) RES 0.046 2 (1.479 6) 0.030 8 (0.979 2) 0.018 2 (0.517 5) −0.014 7 (−0.394 2) DIS −0.106 6**(−2.271 1) −0.095 0**(−2.040 9) −0.133 9**(−2.472 2) −0.107 5**(−1.997 5) 常数项 −1.483 1***(−3.203 0) −2.025 3***(−4.313 1) −1.852 2***(−3.288 8) −2.936 2***(−5.063 4) R2 0.432 6 0.445 6 0.422 7 0.442 3 第一阶段F值 79.36*** 97.58*** Wald值 37 877.79 39 214.17 N 300 300 270 270 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量。 表 3农业绿色全要素生产率分解指标的回归结果
变量 农业绿色技术效率 农业绿色技术进步 (1) (2) (3) (4) IMP 0.007 9**(2.090 5) 0.025 5***(3.586 5) EXP 0.020 7*(1.906 8) 0.090 1***(4.487 3) 常数项 0.931 3***(4.670 9) 0.830 0***(4.052 1) −1.369 7***(−3.655 5) −1.796 3***(−4.733 9) 控制变量 控制 控制 控制 控制 R2 0.194 8 0.192 6 0.578 4 0.589 2 N 300 300 300 300 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量。 表 4基于农村金融发展的中介效应回归结果
变量 第一步检验(被解释变量为AGP) 第二步检验(被解释变量为FIN) 第三步检验(被解释变量为AGP) (1) (2) (3) (4) (5) (6) IMP 0.033 5*** 0.079 6** 0.031 5*** (3.812 6) (2.256 3) (3.615 7) EXP 0.114 1*** 0.263 5*** 0.107 4*** (4.591 2) (2.674 2) (4.674 3) FIN 0.039 9*** 0.044 2*** (2.826 5) (3.191 4) 控制变量 控制 控制 控制 控制 控制 控制 常数项 −1.483 1*** −2.025 3*** −5.878 1*** −7.905 3*** −0.994 2** −1.480 3*** (−3.203 0) (−4.313 1) (−7.847 0) (−6.943 1) (−2.034 5) (−3.007 7) R2 0.432 6 0.445 6 0.723 6 0.725 7 0.422 7 0.442 3 N 300 300 300 300 300 300 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量。 表 5农产品贸易对农业绿色全要素生产率的门槛回归结果
变量 农产品进口贸易 变量 农产品出口贸易 FE FE-robust FE FE-robust IMP_1 0.019 7**(2.413 5) 0.019 7***(2.822 9) EXP_1 0.077 1***(3.326 0) 0.077 1***(2.801 2) IMP_2 0.028 2***(3.538 3) 0.028 2***(4.008 5) EXP_2 0.085 0***(3.702 0) 0.085 0***(3.109 0) IMP_3 0.035 1***(4.379 7) 0.035 1***(4.727 4) EXP_3 0.091 9***(4.018 9) 0.091 9***(3.345 2) 控制变量 控制 控制 控制变量 控制 控制 第一门槛值 1.425 3 1.425 3 第一门槛值 1.466 5 1.466 5 第二门槛值 2.455 9 2.455 9 第二门槛值 2.455 9 2.455 9 R2 0.548 3 0.548 3 R2 0.587 2 0.587 2 N 300 300 N 300 300 注:***、**、*分别表示统计值在1%、5%、10%的显著性水平下显著;括号内为t统计量或z统计量;IMP_1 (EXP_1)表示当门槛变量低于第一门槛值时,农产品进口(出口)贸易变量的回归系数;IMP_2 (EXP_2)表示当门槛变量介于第一门槛值与第二门槛值之间时,农产品进口(出口)贸易变量的回归系数;IMP_3 (EXP_3)表示当门槛变量高于第二门槛值时,农产品进口(出口)贸易变量的回归系数。 -
[1] 展进涛, 徐钰娇. 环境规制、农业绿色生产率与粮食安全[J]. 中国人口·资源与环境, 2019, 29(3): 169-178. [2] 叶初升, 惠利. 农业财政支出对中国农业绿色生产率的影响[J]. 武汉大学学报(哲学社会科学版), 2016(3): 48-55. [3] 张淑辉. 异质性农村人力资本对农业绿色生产率的影响: 基于中国省级面板数据[J]. 山西大学学报(哲学社会科学版), 2017(5): 127-138. [4] 刘子飞. 中国农产品对外贸易环境效应的实证分析[J]. 经济问题探索, 2014(12): 110-117.doi:10.3969/j.issn.1006-2912.2014.12.019 [5] ANDERSON K. Agricultural trade liberalisation and the environment: a global perspective[J]. World Economy, 1992, 15(1): 153-172.doi:10.1111/j.1467-9701.1992.tb00801.x [6] HAROLD C, RUNGE C F. GATT and the Environment: Policy Research Needs[J]. American Journal of Agricultural Economics, 1993, 75(3): 789-793.doi:10.2307/1243593 [7] SUSAN L, BARRY K, MONIKA H. Trade policy and environmental quality: the case of export subsidies[J]. Agricultural & Resource Economics Review, 1996, 25(2): 232-240. [8] STRUTT A, ANDERSON K. Will trade liberalization harm the environment? the case of indonesia to 2020[J]. Environmental & Resource Economics, 2000, 17(3): 203-232. [9] WIER M, ANDERSEN J M, JENSEN J D, et al. The EU's agenda 2000 reform for the agricultural sector: environmental and economic effects in denmark[J]. Ecological Economics, 2002, 41(2): 345-359.doi:10.1016/S0921-8009(02)00024-1 [10] MINTEN B, RANDRIANARISON L, SWINNEN J. Spillovers from high-value agriculture for exports on land use in developing countries: evidence from madagascar[J]. Agricultural Economics, 2010, 37(2-3): 265-275. [11] 张相文, 黄娟. 中国农业贸易自由化的环境效应分析[J]. 农业经济问题, 2012(6): 85-89. [12] 高鸣, 陈秋红. 贸易开放、经济增长、人力资本与碳排放绩效: 来自中国农业的证据[J]. 农业技术经济, 2014(11): 101-110. [13] 刘舜佳, 张雅. 农产品贸易知识溢出的环境效应研究[J]. 农业技术经济, 2018(7): 119-131. [14] LÓPEZ R. Environmental degradation and economic openness in LDCs: the poverty linkage[J]. American Journal of Agricultural Economics, 1992, 74(5): 1138-1143.doi:10.2307/1242771 [15] BARBIER E B. Links between economic liberalization and rural resource degradation in the developing regions[J]. Agricultural Economics, 2000, 23(3): 299-310.doi:10.1111/j.1574-0862.2000.tb00281.x [16] DASGUPTA S, MAMINGI N, MEISNER C. Pesticide use in Brazil in the Era of agroindustrialization and globalization[J]. Environment and Development Economics, 2001, 6(04): 459-482.doi:10.1017/S1355770X01000262 [17] VILAS-GHISO S J, LIVERMAN D M. Scale, technique and composition effects in the Mexican agricultural sector: the influence of NAFTA and the institutional environment[J]. International Environmental Agreements Politics Law & Economics, 2007, 7(2): 137-169. [18] MANGMEECHAI A. Environmental externalities in relation to agricultural sector in thailand with trade-linked analysis[J]. Environment Development & Sustainability, 2014, 16(5): 1031-1040. [19] 匡远配, 谢杰. 中国农产品贸易的资源效应和环境效应的实证分析[J]. 国际贸易问题, 2011(11): 138-147. [20] 马进. 我国农产品贸易与农业环境的双向影响机制研究[J]. 山东社会科学, 2017(8): 158-163. [21] 郭海红, 刘新民. 中国农业绿色全要素生产率时空演变[J]. 中国管理科学, 2020, 28(09): 66-75. [22] 杨骞, 王珏, 李超, 刘鑫鹏. 中国农业绿色全要素生产率的空间分异及其驱动因素[J]. 数量经济技术经济研究, 2019, 36(10): 21-37. [23] FUKUYAMA H, WEBER W L. A Directional slacks-based measure of technical inefficiency[J]. Socio Economic Planning Sciences, 2009, 43(4): 274-287.doi:10.1016/j.seps.2008.12.001 [24] CHUNG Y H, FARE R, GROSSKOPF S. Productivity and undesirable outputs: a directional distance function approach[J]. Journal of Environmental Management, 1997, 51(3): 229-240.doi:10.1006/jema.1997.0146 [25] GROSSMAN G M, KRUEGER A B. Environmental impacts of a North American free trade agreement[J]. Social Science Electronic Publishing, 1991, 8(2): 223-250. [26] 卓乐, 曾福生. 农村基础设施对粮食全要素生产率的影响[J]. 农业技术经济, 2018(11): 92~101. [27] 钟世虎, 陈杰, 向国成, 唐娟. 财税政策、工农业分工与农业生产率——理论分析与经验证据[J]. 农业技术经济, 2020(2): 4-20. [28] BARON R, KENNY D. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173-1198.doi:10.1037/0022-3514.51.6.1173 [29] 葛鹏飞, 王颂吉, 黄秀路. 中国农业绿色全要素生产率测算[J]. 中国人口·资源与环境, 2018, 28(5): 66-74. [30] 孟祥海, 周海川, 杜丽永, 沈贵银. 中国农业环境技术效率与绿色全要素生产率增长变迁[J]. 农业经济问题, 2019(6): 9-22. [31] 李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86.doi:10.3969/j.issn.1002-2104.2011.08.013 [32] 程惠芳, 陆嘉俊. 知识资本对工业企业全要素生产率影响的实证分析[J]. 经济研究, 2014(5): 174-187. [33] 马轶群. 农产品贸易、农业技术进步与中国区域间农民收入差距[J]. 国际贸易问题, 2018(6): 45-57. [34] 方慧, 赵甜. 文化差异影响农产品贸易吗: 基于“一带一路”沿线国家的考察[J]. 国际经贸探索, 2018, 34(9): 65-79. [35] 李晓龙, 冉光和. 农村金融深化促进了农村产业融合发展吗: 基于区域差异视角的实证分析[J]. 农业现代化研究, 2020(3): 453-463. [36] 杜思正, 冼国明, 冷艳丽. 中国金融发展、资本效率与对外投资水平[J]. 数量经济技术经济研究, 2016(10): 17-36. [37] HANSEN B E. Threshold effects in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics, 1997, 93(2): 345-368. -
![WeChat](http://www.frunetbio.com/journal/fileBJLGDXXBSKB/journal/article/bjlgdxxbshkxb/2021/4/PIC/wechat_cn_901aefba-7068-4137-bc12-32652963f350.jpg)
计量
- 文章访问数:599
- HTML全文浏览量:475
- PDF下载量:29
- 被引次数:0