我国主要农作物绿色全要素生产率分析

李慧泉，毛世平

（1.中国农业科学院农业经济与发展研究所，北京 100081；2.华南理工大学工商管理学院，广州 510461）

农业综合生产能力的提高主要取决于全要素生产率（total factor productivity,TFP）的提高和生产要素的增加。随着我国农业生产成本的不断增长，人口红利消失并伴随着资源环境压力加大，传统的粗放型增长方式难以为继，需从要素增加驱动向生产率驱动转变，提高全要素生产率是保证我国农业安全的主要方式。由于我国长期以来过度使用农药，生态环境污染问题严重，农业面源污染日益突出，在农业环境资源禀赋刚性约束下应更注重农业的绿色发展。冯杰等[1]将农业面源污染纳入到生产率模型中测算绿色全要素生产率（green total factor productivity,GTFP），发现环境污染因素对农业生产率影响显著。李谷成[2]发现，如果忽略环境因素会高估中国农业全要素生产率。绿色全要素生产率是考虑农业面源污染时的实际生产率，反映了农业绿色竞争力。随着各级政府对农业科技投资力度的加大，化肥、农药等新品种的相继研发使用，其相应的氮、磷利用率不断提升，农业污染排放是一个动态变化的过程。基于此，本文假设农业污染排放系数是一个动态变化的参数，通过动态测算农业面源污染非期望产出，进而分析主要农作物的绿色全要素生产率，对于提高我国主要农作物的绿色发展，减少农业面源污染具有重要意义。研究绿色全要素生产率的根本意义在于促进我国绿色全要素农业经济持续稳定增长，进而促进农业向生产率驱动转变。

当前研究更多注重分析农业整体生产率的变化，对具体农作物生产率的研究较少，不能体现主要农作物的实际生产率状况。朱希刚等[3]使用索罗余值法测算我国农业全要素生产率，Fan等[4]、吴方卫[5]、Wen[6]使用M指数方法测算了我国的农业全要素生产率。李谷成等[7]和梁流涛等[8]测度了农业环境技术效率，综合考察各地区农业发展与资源、环境的协调程度，研究了其重要性。在分析区域生产率时，多数研究按地理区域划分，而不是以农作物主产区划分，对区域生产率的分析存在误差。李翔等[9]研究发现，我国华东地区生产率实现正增长，但依次呈现出递减、递增、平稳的变化趋势。从全要素生产率增长源泉分析，绿色全要素生产率的增长主要依靠技术进步推动[10-12]。农业绿色全要素生产率分析对农业生产中非期望产出的定义有偏差，随着技术进步和对环境污染治理的重视，农业污染排放系数该是一个动态变化的过程。研究发现，农业生产率的影响因素主要有制度因素[4]、科技投资[13-14]、基础设施建设[15]等外部因素。当前研究为农业产出和农业生产率提供了基本框架，但是更多注重农业整体生产率的研究。主要农作物的实际生产率状况及其主产区间的差异、考虑非期望产出时的绿色全要素生产率与传统全要素生产率的差异，以及外部因素对不同农作物绿色全要素生产率的影响差异等都需要通过实证研究，分析主要农作物的绿色全要素生产率能更加全面地体现主要作物的实际生产率状况，反映主要作物的农业绿色竞争力。

因此，本文基于《全国农产品成本收益资料汇编》1998—2017年的数据，从农业非期望产出动态测算的视角分析主要农作物的绿色全要素生产率及其影响因素，对促进我国主要农作物种植结构转型、推动区域农业绿色发展具有理论和现实意义。

1 数据来源与研究方法

1.1 数据来源

研究数据为《全国农产品成本收益资料汇编》1998—2017年间主要农作物主产省区的面板数据，选取粳稻13个主产省区、小麦15个主产省区、玉米20个主产省区、棉花12个主产省区、大豆12个主产省区，各作物主产省区的产量之和占全国总量的95%以上，能有效反映我国主要农作物的生产水平。基于《中国统计年鉴》整理农业生产资料的价格指数，对农作物机械成本、土地成本、其他要素成本以1998年为基期进行消费价格指数平减。

1.2 测算方法

1.2.1 SBM超效率模型 在生产过程中，假设决策单元有m种生产要素投入，n1种期望产出和n2种非期望产出，则设定向量为x∈Rm、y∈Rn1、b∈Rn2，x=[x1·x2…xm]、y=[y1·y2…ym]、b=[b1·b2…bm]，构建包括非期望产出的非径向非角度SBM超效率模型。

式中，ρ表示环境技术效率，x表示生产要素投入向量，y表示期望产出，b表示非期望产出，γk表示观察值的权重。当ρ≥1时，说明资源、环境保护和农业发展的统筹兼顾良好，环境污染对产出的影响较小，当ρ＜1时，环境污染对产出的影响较大，造成环境技术效率的损失。

1.2.2 Malmquist指数 利用两期指数的几何平均定义Malmquist-DEA生产率指数，该指数可将全要素生产率（TFP）分解为技术效率指数（EC）和技术进步指数（TC）。

式中，x表示生产要素投入向量，y表示期望产出，b表示非期望产出。TFP、EC、TC大于1表示提高，等于1表示不变，小于1表示降低。在测算绿色全要素生产率（GTFP）时，主要加入非期望产出b的影响。

1.2.3 指标选取 参考已有研究进展[2,7.16]选择投入和产出指标（表1），投入指标包括劳动力、化肥用量、机械成本和其他要素，产出指标包括期望和非期望产出。

表1 农作物投入产出指标Table 1 Input⁃output indicatorsof agricultural crops

1.2.4 数据处理 农业非期望产出主要是指农业生产过程中产生的各种面源污染，现有对农业非期望产出的测算没有统一的核算标准，综合比较各种核算方法及数据的可获得性，本文以农药、化肥的污染排放为非期望产出，核算公式如下。

式中，E为农业污染排放量，因相关数据获取困难，本文主要指化肥施用所造成的环境污染；P为化肥使用量，主要产生氮、磷等污染物；C为化肥产生氮、磷的排放系数；φ为化肥产生总氮（total nitrogen，TN）、总磷（total phosphorus，TP）的产污强度系数；μ为土地吸收氮、磷的利用效率系数。基于陈敏鹏[17]2003年测算的数据，确定化肥TN、TP的产污强度系数φ为7.5、1.5 kg·hm-2，化肥中氮肥利用率μ为30%，磷肥为20%。

由于环境污染排放是一个动态的优化过程[18]，产污强度系数也不是固定的参数值。随着新技术、新品种和新型化肥农药的投入使用，其相应的氮、磷利用率相继提升，农业污染排放系数C应是一个动态变化的参数值。

以农产品产量年均增长率作为农业污染排放系数C变化率的代替量，假设当农产品产量实现正增长时，技术发展促进生产增长，即技术降低了农业污染排放程度，据式（4）计算农业污染排放系数。

参照陈敏鹏等[16]测算的2003年的排放系数，确定化肥使用氮（TN）、磷（TP）的排放系数C为13.5、1.5 kg·hm-2。

1.2.5 主产区划分 根据农业农村部发布的《全国优势农产品区域布局规划》及自然资源条件和各农作物生产特点，将粳稻13个主产省区划分为东北平原区、长江流域区、北方粳稻区等主产区；玉米20个主产省区划分为北方春播区、黄淮海夏区、西南山地区和西北灌溉区等主产区；小麦15个主产省区划分为黄淮海夏区、长江中下游区、西南优势区和北方优势区等主产区；棉花12个主产省区划分为长江中下游区、黄河流域区及西北内陆区等主产区；大豆11个主产省划分为北方春作区和黄淮海夏区等主产区。

1.3 影响因素实证检验

1.3.1 实证模型

式中，Y为被解释变量绿色全要素生产率，βi为解释变量回归参数，X为解释变量，εit表示随机扰动项，服从标准正态分布，δi、σt为地区和时间控制变量。

1.3.2 被解释变量 本文将1998年的绿色全要素生产率（GTFP）设定为100，并计算1999—2017年的绿色全要素生产率，然后取对数作为被解释变量。

1.3.3 解释变量 本文主要从内生驱动和外生驱动两方面检验影响主要农作物绿色全要素生产率的外部影响。

内生驱动因素：①农业人力资本，是影响地区技术效率的重要因素，采用农业从业人员人均受教育年限的对数为替代变量；②农业科技投资，一般都由政府主导，因此采用农业财政支出的对数衡量农业科技投资强度；③环境污染治理投资，随着农业经济的发展，环境污染压力日益加剧，环境污染治理投资是促进环境治理的基础保障，采用环境污染治理投资的对数表示。

外生驱动因素：①农产品价格体制改革，极大促进了农产品生产水平的提高，采用农产品生产价格指数与农业生产资料价格指数之比表示；②专业化程度，高的地区便于采用先进的生产技术，提高劳动者的技术水平，从而提高土地生产率和劳动生产率，采用区位熵衡量专业化程度；③农业结构调整，其推动农业生产要素不断转移，同时产生部门联动效应、生产优化效应，使农业结构更加合理化和规模化，农业产出大幅度增长，采用各农作物播种面积占总播种面积比重表示。

其他影响因素：①基础设施建设，良好的基础设施条件有利于降低农业生产成本，采用各省区交通道路设施里程对数表征；②城镇化水平，在一定程度上表明我国农业劳动力的流失严重情况，采用城镇人口占总人口比重；③农业受灾率，农业生产受自然环境的影响较大，使用受灾面积占总播种面积比重。

2 结果与分析

2.1 环境技术效率分析

2.1.1 主要农作物环境技术效率存在差异 由表2可知，玉米、小麦、粳稻、棉花和大豆在1998—1999年间的环境技术效率值分别为0.876、0.824、0.978、0.897、1.008，在2016—2017年间的环境技术效率值分别为1.012、0.947、1.211、1.107、1.284，表明我国主要农作物的环境技术效率明显增长。在1998—2017年间的环境技术效率平均值分别为0.978、0.962、1.078、0.982、1.012。从资源节约、环境保护和农业发展的统筹分析发现，粳稻和大豆的农业环境技术效率较好，其非期望产出对生产效率并没有造成负向影响。环境污染对玉米、小麦和棉花的生产存在负向影响，非期望产出对玉米、小麦和棉花的生产效率造成损失。孟祥海等[19]测算农业环境技术效率值为0.936，分析具体作物的环境技术效率值能更好地反映各作物的综合生产能力，可根据各作物的测算结果，针对性地解决各作物绿色生产中存在的问题。

表2 1998—2017年主要农作物环境技术效率值Table 2 Environmental technical efficiency value of main crops from 1998 to 2017

在资源和环境的约束下，我国主要农作物的环境技术效率有明显的增长，反映了农业综合生产能力的提高，同时也表明主要农作物的产出增加并非只由要素投入贡献。

2.1.2 主产区间的环境技术效率存在差异 由表3可知，北方春播玉米区（0.982）、西北灌溉玉米区（0.918）、黄淮海夏小麦区（0.917）、西南优势小麦区（0.945）、北方优势小麦区（0.865）、东北平原粳稻区（0.985）、长江中下游棉花区（0.968）、黄河流域棉花区（0.928）、黄淮海夏大豆区（0.843）等主产区的环境技术效率值均小于1，表明环境污染对其生产存在负向影响，非期望产出对其生产率造成损失，说明其农业资源、环境污染与生产发展处于比较失衡的状态。环境技术效率越小，说明失衡状态越严重，其作物生产未能达到环境生产前沿面，同时也表明存在通过环境治理以提高环境技术效率的改进空间。内蒙古、安徽、黑龙江等几个农业省区的环境技术效率值均比较低，说明这些省区仍是以污染环境为代价的粗放型生产方式为主，非期望产出造成较大程度的生产率损失。

表3 1998—2017年主要农作物主产区环境技术效率值Table 3 Environmental technology efficiency value of main crop production areas from 1998 to 2017

黄淮海夏玉米区（1.013）、西南山地玉米区（1.022）、长江中下游小麦区（1.026）、长江流域粳稻区（1.135）、北方粳稻区（1.012）、西北内陆棉花区（1.124）、北方春作大豆区（1.128）等主产区的环境技术效率值均大于1，是绿色农业生产的实践者，说明环境污染并没有对其生产造成较大的负向影响，农业资源、环境污染与生产处于较为平衡的状态。其中，西北内陆棉花区的环境技术效率值最大，说明其棉花生产更接近环境生产前沿面。此外，近些年来，新疆、河南、湖北、山东等省区的环境技术效率处于增长趋势，说明这些省区在农业生产过程中更加注重环境治理，其生产向环境生产前沿面外移。

我国农业发展依旧面临巨大的环境压力，在农业转型的阶段，面源污染依旧是制约我国农业绿色发展的关键问题，同时也说明我国农业绿色发展存在很大的改进空间。

2.2 绿色生产率总体特征分析

基于DEA-Malmquist生产率指数，测算包括非期望产出的主要农作物的绿色全要素生产率，同时计算传统全要素生产率，结果如表4所示。

表4 1998—2017年主要农作物绿色全要素生产率及其分解Table 4 Green total factor productivity of main crops and its decomposition from 1998 to 2017

2.2.1 主要农作物的绿色全要素生产率分析 1998—2017年期间，主要农作物的绿色全要素生产率（GTFP）普遍比传统全要素生产率（TFP）低。主要农作物的GTFP存在明显的差异，其中，棉花GTFP年均增长最大，以年均0.7%波动增长。粳稻和玉米的GTFP为正增长，年均增长分别为0.4%和0.3%。而小麦和大豆的GTFP均为负增长，年均下降分别为1.6%和1.2%。而且，大豆的TFP年均增长0.3%，而在考虑非期望产出时的GTFP为负增长，说明非期望产出对生产率具有较强的影响。孟祥海等[19]研究表明，中国农业GTFP均值为7.02%。因此，分作物测算并分析其绿色全要素生产率能体现主要作物的实际生产率状况。

从增长源变化趋势来看，各作物绿色全要素生产率增长主要来自技术进步。1998—2017年，粳稻、玉米和棉花GTFP增长主要源自于技术进步显著，技术进步年均增长率分别为0.4%、0.6%和1.0%，但技术效率变化指数均有所降低，说明粳稻、玉米和棉花的GTFP增加主要是由技术进步因素主导，这与吴方卫[5]、孟祥海等[19]的结果相似，都认为中国农业GTFP的增长主要源于技术进步。小麦GTFP降低主要是因为技术效率的降低，其技术效率的过度降低抵消了技术进步的部分效益。大豆GTFP降低主要是因为技术进步动力不足，技术进步指数年均下降1.2%。表明我国主要作物生产依靠生产要素投入，生产方式依旧转化过慢。

2.2.2 绿色全要素生产率变化原因分析 农业可持续发展主要依靠生产率驱动，但在1998—2017年间，我国主要农作物的绿色全要素生产率偏低，反映了其绿色竞争力不足，在当前农业转型阶段，受农业资源和环境的约束，农业绿色全要素生产率并没有发挥其促进作用。21世纪初，农民为了提高产出，加大化肥农药等生产原料的使用，导致我国农业面源污染严重，绿色全要素生产率较低，环境污染对农业生产造成严重的负向影响，农业资源、环境污染与农业生产处于失衡状态。随着国家对农业技术的重视，农业技术不断进步，推动主要作物的产出增长，2004—2007年生产率增长缓慢。在2004年中央一号文件颁布后，其“两减免，三补贴”的农业补贴政策刺激了农民对农作物的种植积极性，使得农业生产水平得到了较大的提高，同时也刺激了农业生产要素的增加，生产技术的进步使得农业产出增加，但化肥等要素的投入增加同样加大了农业面源污染严重，导致期间我国农业绿色全要素生产率增长缓慢。2008—2017年增速明显放慢，2007年中央一号文件提出推行绿色生产方式，强调资源节约、生产环境保护的重要性，2008年中央一号文件也明确指出，要通过降低生产成本实现增收，大力发展节约型农业，促进农业污染治理，多方面行为明显提高该阶段内的绿色全要素生产率。

2.3 不同区域绿色全要素生产率差异分析

2.3.1 各产区的绿色全要素生产率分析 由表5可知，各主产区绿色全要素生产率（GTFP）普遍比传统全要素生产率（TFP）低，应该考虑非期望产出对全要素生产率的影响。其GTFP和TFP增长源不同，GTFP大多数取决于技术进步的影响，其绿色技术进步波动比较大，即技术前沿面是不断变动的。而TFP主要取决于技术进步和技术效率双轮推动作用，表明我国通过改善环境技术效率来提高绿色全要素生产率的潜力巨大。

表5 1998—2017年主要农作物主产区绿色全要素生产率及其分解Table 5 Green total factor productivity and its decomposition in main crop production areas from 1998 to 2017

2.3.2 绿色全要素生产率的增长来源分析 长江流域粳稻区（0.3%）、北方粳稻区（0.4%）、黄淮海夏小麦区（1.7%）、西南优势小麦区（0.5%）、北方春作大豆区（0.2%）的GTFP均实现正增长，主要取决于技术进步，其年均增长率分别为0.3%、0.3%、1.6%、0.5%和0.2%，同时也说明这些地区依靠技术效率来提高GTFP的潜力较大。黄淮海夏玉米区（0.4%）、长江中下游棉花区（0.4%）、西北内陆棉花区（2.3%）的GTFP实现正增长，主要来源于技术进步和技术效率改善双轮驱动。

2.3.3 西北内陆棉花区的绿色全要素生产率最大 受规模化、机械化等因素的影响，棉花生产近年来不断向西北内陆区集中，2014年实施的新疆棉花目标价格补贴政策更是加速这一进程，目前西北内陆区已成为全国最大棉花主产区。西北内陆区棉花GTFP增长快速，在农业机械化水平不断提高、机采棉技术逐渐成熟的推动下，西北内陆区机采棉水平不断提升。西北内陆区积极调整种植结构，加速引进先进农业技术，技术效率年均增长为1.0%，技术进步年均增长1.2%，技术进步效应和技术效率改善效应共同促进西北内陆区棉花GTFP以年均2.2%的速率增长。

2.3.4 绿色全要素生产率与传统全要素生产率具有明显的差异 现有研究表明，绿色全要素生产率比传统全要素生产率低[19]，说明传统生产率高估了传统的全要素生产率对产出的贡献，应该考虑非期望产出对全要素生产率的影响。但在粳稻主产区的绿色全要素生产率分析中发现，北方粳稻区的绿色全要素生产率（年均增长0.4%）比传统全要素生产率高（年均降低0.5%），表明在促进产出的过程中，加强环境治理、减少农业面源污染有利于促进生产率对主要作物产出的贡献。

总体而言，我国主要农作物的技术进步比较显著。随着国家对农业重视程度的提高，农业科技研发水平的发展、国内外先进技术的引进等推动着技术进步率提高。随着主要作物优质品种种植结构的调整、国家大力提倡绿色发展理念的推广、农业机械化程度的提高，农业技术进步越来越明显。

2.4 影响因素实证分析

利用Stata16软件对模型（5）进行回归分析，结果如表6所示。

表6 实证模型（5）回归结果Table 6 Empirical model（5）regression result

2.4.1 人力资本对提升绿色全要素生产率具有显著正影响 劳动力是重要的农业生产资本，农业从业者受教育程度越高，接受新思维的能力以及运用新技术的能力越强，劳动力生产率也就随之有所提升[20]。进入21世纪以来，农业从业者对文化教育的重视程度有所增加，各省区人均受教育年限大幅度提高。随着农业农村优先发展理念的提出，现代化农业的生产也更加需要劳动力综合素质能力和文化受教育水平的提高。棉花生产中劳动力投入最多，而农业从业人员的受教育水平提高对棉花绿色全要素生产率增长的影响最小（β1=0.079），对粳稻绿色全要素生产率增长的影响最大（β1=0.282），说明在目前机械化发展阶段，提高农业从业人员的受教育水平能显著提高农业绿色生产率。

2.4.2 农业科技投资对绿色全要素生产率提高有正影响 农业科技投资对玉米（β2=0.017）、小麦（β2=0.018）和大豆（β2=0.007）绿色全要素生产率具有显著正影响，对粳稻（β2=0.021）和棉花（β2=0.021）的绿色全要素生产率具有正影响，但没有通过显著性检验。体现了科技投资技术进步效应和科研投入强度在一定程度上反映技术进步的水平，说明加大农业科技投资更容易提高生产率，对促进生产效率具有积极作用[21]。但农业技术创新投资一般都是由政府投资，其投资力度不足，对部分农作物绿色全要素生产率的影响并不显著。

2.4.3 环境污染治理投资对促进绿色全要素生产率有显著正影响 环境污染治理投资对玉米绿色全要素生产率的影响最大（β3=0.128），对小麦绿色全要素生产率为正影响（β3=0.020），但没有通过显著性检验。随着一系列农业优惠政策的实施，再加上政府将环保支出正式纳入国家财政预算中，环境污染治理投资一直都在快速增长，但相对而言，我国的宏观经济政策正偏向于工业和服务业，而且环境污染治理是个漫长的过程，其投资效应具有一定的滞后性，改善效应较低。

2.4.4 农产品价格体制改革负影响绿色全要素生产率 价格体制改革放宽了市场对农产品交易价格的约束，21世纪以来，我国农产品价格基本实现市场化发展。但随着农业生产成本的上升，尤其是2010之后，土地成本和劳动力成本大幅度增长，导致农作物生产成本过高，而农业经济收益较低，农产品价格体制改革对绿色全要素生产率并没有发挥该有的促进效应，而是具有负影响。

2.4.5 专业化程度显著正影响绿色全要素生产率增长 农业专业化程度越高，市场资源越能发挥优势。提高资源配置效率，有利于提高劳动者的技术水平，同时也能加速发挥技术扩散效应，从而提高土地生产率和劳动生产率，农业专业化程度对粳稻绿色全要素生产率提升影响最大（β5=0.362），其次分别是小麦（β5=0.270）、棉花（β5=0.258）、大豆（β5=0.190）、玉米（β5=0.151），随着现代农业的发展，主要农作物生产向“规模化”集中，有利于提高生产率和节约生产资本，同时也有利于加强环境污染治理，减少非期望产出。

2.4.6 农业结构调整负影响绿色全要素生产率 农业结构调整对玉米（β6=-0.144）、小麦（β6=-0.042）和棉花（β6=-0.137）绿色全要素生产率有显著负影响，对粳稻和大豆的绿色全要素生产率提升无显著影响。加强农业结构调整、强化产业间竞争、确保粮食安全是我国农业政策的主要目的，而且小麦是我国三大粮食作物之一，保证小麦产量稳定，对我国口粮安全具有较大的重要性。农业结构调整可能使玉米和小麦产业种植规模引起的范围经济不明显，从而对绿色全要素生产率产生负影响。

2.4.7 基础设施建设对农业绿色全要素生产率的估计系数为正 基础设施建设对棉花绿色生产率的影响最大（β7=0.193），对小麦绿色生产率的影响最小（β7=0.019），表明加强基础设施建设有利于实现农业生产要素自由流动、优化资源配置、提高资源配置效率、提高绿色生产率。

2.4.8 城市化水平负影响绿色全要素生产率不显著 我国的城市化水平不断提高，大量农村人口转移到城市中，有些发达地区农村劳动力流失严重，导致农业劳动力成本大幅度增加，但由于农业生产机械大规模投入使用，机械投入在一定程度上代替了劳动力投入。

2.4.9 农业受灾率显著负影响绿色全要素生产率增长 农业受灾率与农业种植的特殊性有关，农业种植周期时间长，受自然条件的影响和限制很大，容易导致农业产出的损失。

3 讨论

我国农业发展面临巨大的环境压力，绿色全要素生产率对农业产出的贡献不足，也说明我国通过降低农业面源污染从而提高绿色全要素生产率存在改进空间。绿色全要素生产率偏低进一步证实了农业面源污染依旧是制约我国农业绿色发展的关键问题，未来还需着力在农业资源、环境治理和农业产出等方面均衡发展，实现我国农业生产向生产率驱动转变。由于我国农业生产成本不断增加，人口红利逐渐消失，农业可持续发展和环境污染失衡。一方面，农业生产资源禀赋失衡，粗放型增长方式难以为继；另一方面，农业面源污染严重，环境压力过大，绿色全要素生产率偏低，对农业产出增长的贡献严重不足，绿色全要素生产率损失较大，未达到生产前沿。资源、环境污染与农业发展处于比较失衡的状态，我国农业还是以污染环境为代价的粗放型生产方式为主。

在当前关于绿色全要素生产率和传统全要素生产率的比较研究中，绿色全要素生产率普遍比传统生产率低，但本研究发现，部分主要农作物主产区的绿色全要素生产率比传统全要素生产率偏高，这表明在促进产出的过程中，加强环境治理和降低农业面源污染产出更有利于促进绿色全要素生产率的提高，进而促进农业发展向生产率驱动转型。不考虑农业非期望产出的主要农作物全要素生产率是由技术进步和技术效率改善双轮驱动增长，而考虑农业非期望产出的绿色全要素生产率主要依靠技术进步推动其增长，这也表明我国通过改善环境污染提高农业科技进步，以生产率驱动降低环境污染，从而提高环境技术效率进一步提高绿色全要素生产率的潜力巨大。

绿色发展是目前我国农业发展的主要趋势，我国2014年粮食实现“十一”连增，是以高消耗、高污染为代价，农业发展是以加剧环境污染为成本。“十三五”之后，政府对农业的支持力度增大，随着乡村振兴战略及农业农村优先发展战略的实施，推动农业转型生产，促进了农民的积极性，极大程度地提升了绿色全要素生产率。绿色农业是环境、生产率和农业相结合的重要方向，农业从业人员是发展的驱动力，农业从业人员的受教育水平越高、接受新思维的能力以及运用新技术的能力越强，越能推进农业机械化生产，越有利于提升劳动生产率。农业绿色发展应聚焦农业科技进步前沿，加大农业科技投资，以科技提高生产率[14]，以科技加强环境污染治理、加快新品种研发更替，以技术促进农业稳定持续发展[22]，从而加快农业绿色发展的步伐。

本研究从农业非期望产出动态测算的视角分析主要农作物的绿色全要素生产率，及主要农作物主产区的实际生产特征和竞争力，进一步补充了关于主要农作物及其主产区间的绿色全要素生产率的实证性研究。在当前资源和环境的约束下，我国农业发展需加快向生产率驱动转变，分析我国主要农作物的绿色全要素生产率，对于促进我国主要农作物的绿色发展，减少农业面源污染具有重要意义。研究绿色全要素生产率的根本意义在于促进绿色农业经济持续稳定增长，进而加快我国农业向生产率驱动转型。