农业上市公司经营效率测度及影响因素分析

王佳悦,刘 畅

(东北农业大学 经济管理学院,黑龙江 哈尔滨 150030)

作为农业产业的龙头企业,农业上市公司将农民、农产品与资本市场相联结。因此,了解农业上市公司经营效率现状,厘清农业上市公司经营效率有效提升的因果逻辑关系对提升龙头企业的资源整合能力和产业带动能力,带动促进乡村振兴,助推农业经济高质量发展意义重大。自1992年农业企业在资本市场实现零的突破以来,中国农业上市公司在不到30年的时间里迅速发展壮大,成为农业产业的龙头企业。然而以往农业企业在发展过程中仅注重扩大生产规模,侧重于各类资源要素的投入,少有关注所投入要素的产出,致使要素使用效率低下,企业在获得收益的同时也造成效率的损失。因此技术落后、大而不强成了许多农业上市公司的共同特征,阻碍了农业企业的健康发展[1]。在经历了产业环境、市场机制的变化以及企业业务结构、生产研发能力与经营战略的变革后,农业上市公司的资源配置效率在不同阶段也大相径庭。在此背景下,评价近年来农业上市公司的经营效率并根据其影响因素探讨如何提升资源的投入产出效率和市场竞争力,有利于促进农业上市公司的健康发展。

现有关于农业产业效率的测度多集中在宏观层面,对全国各省份、各地域的生产效率、生态效率、创新效率等指标进行测度,针对微观层面企业经营效率的研究较少且不同阶段的研究方法与评价结果也存在一定差异。以2010年为分界点,可将既有研究分为2个阶段。第一阶段:2000—2010年。上市早期的研究多以某1年或2年的数据分截面进行评价,且普遍得出效率不高的结论。例如孟令杰等[2]对2002、2003两年农业上市公司的效率值进行测度后发现整体经营效率较低但林业和农产品加工业效率值有所上升,而渔业和畜产品加工业效率值下降明显;王茜等[3]基于2007年样本数据研究发现农业产业化龙头企业的生产效率仍处于不断扩大规模的量的增长阶段,而技术因素对效率的促进作用较小;田静怡等[4]基于2009年A股农业上市公司的财务数据得出,中国农业上市公司总体效率欠佳、规模偏小、效率不高。可见,2010年前所选样本的时间跨度偏短,既无法呈现效率水平的变动情况,也无法排除财务指标可能存在的粉饰或偶发事件对经营状况的影响,例如2003年非典和口蹄疫的爆发以及2006—2008年间股市的全线漂红[5]。第二阶段:2010—2020年。2010年后关于经营效率的测度中多使用面板数据且涌现出更多关于细分行业的研究。张广宏等[6]认为各农业细分行业发展并不均衡,其中渔业、种植业全要素生产率增长较快,而林业、畜牧业生产率增长较慢;何玉成等[7]认为我国上市农产品加工企业经营效率不稳定且企业间经营效率差距较大,技术水平变化是全要素生产率变动的主要原因;冯菁菁[8]基于大农业视角指出,2012—2015年间我国农业上市公司综合效率、纯技术效率和规模效率均呈现下降趋势,直到2015年才有所回升;尹秀珍[9]发现,2011—2015年农业上市公司综合效率、规模效率整体呈下降趋势,而渔业和林业效率最低;彭肖肖[10]基于2009—2015年15家农业生物育种上市公司面板数据构建Malmquist指数模型研究发现其全要素生产率水平并不稳定,经营效率的增长主要依靠技术的进步,但由于技术进步的可持续性并不强,最终仍导致了全要素生产率的下降。马如意[11]在测度了企业的综合效率值后发现,各细分行业效率值排名为:畜牧业>渔业>农业>林业,且纯技术效率是导致上市公司未能实现DEA有效的主要因素。

为探究农业上市公司经营效率差异产生的来源,不少学者对其影响因素展开研究且多以政府政策与外部环境变动为主。例如李道和等[12]发现,税收减免、贷款贴息能够显著促进农业龙头企业全要素生产率的提升。与之相反,胡亚敏等[13]则发现所得税优惠率并未对样本企业的经营效率产生明显的作用效果,且补贴率与农业龙头企业的经营效率之间呈负相关。管延德等[14]基于静态视角研究发现,财政扶持和政策倾斜会在很大程度上促进农业上市公司效率的提升且效率对宏观经济周期的波动比较敏感;尹秀珍[15]提出,宏观经济扩张会减少投入冗余,促进生态农业上市公司技术效率的提升。相反政府补助的增加会造成要素的浪费进而对公司技术效率产生负面影响。王科唯等[16]以稀土上市公司为研究对象,发现其经营效率受市场份额、政府政策、技术创新水平等环境因素的影响较大。相比之下,既有研究对微观层面的影响因素关注较少,且多以公司治理特征为主。吉生保等[5]研究发现,资产周转率会显著促进农业上市公司的经营绩效,最大股东持股比例则与经营绩效呈现显著的U型相关。与之相反,杨雪等[7]研究结果表明,总资产周转率、企业规模对企业经营效率有显著的促进作用,而股权集中度和企业年龄则不会产生显著影响。

通过梳理既有文献可知,关于农业上市公司经营效率的研究已有了一定的积累,但所选取数据的时间跨度较短,难以揭示效率在一段期间内的变化趋势。影响因素方面,既有文献主要基于宏观层面探究某一因素对经营效率的影响,而作为上市公司,其公司治理体系的构建、经营战略的实施均会对经营效率产生显著影响,有必要将微观企业层面的治理特征、战略特征、财务特征纳入模型中加以分析。因此,本文可能的贡献在于:同时采用基于静态的DEA-BCC模型、动态的Malmquist指数模型,从横向的企业、行业维度和纵向的时间维度对我国农业上市公司的经营效率进行测算,进一步阐释了农业投入和产出之间的关系,揭示其农业资源、人力资源、管理资源的综合利用水平和动态演化特征,并结合上市公司经营效率特性与资本特性,从与规模效率和技术效率有关的生产、经营、管理3个方面选取微观企业层面的特征指标,利用Tobit模型分析农业上市公司经营效率的影响因素,以期为农业上市公司的经营管理决策提供参考。

一、研究方法与数据来源

(一)DEA-BCC模型

数据包络分析(DEA)于1978年由美国运筹学家A. Charnes和W. W. Cooper提出,是一种应用数学规划模型计算比较决策单元(DMU)之间的相对效率并对研究对象做出评价的非参数分析方法,主要包括CCR(规模报酬不变)、BCC(规模报酬可变)和Malmquist指数等模型。考虑到农业上市公司的现实情况,本研究采用基于规模报酬可变,选择投入导向的DEA-BCC模型,其公式如下:

(1)

其中,j=1,2,…,n表示各个决策单元,XjYj分别是第j个决策单元的投入、产出向量。若θ=1则决策单元DEA有效;若θ<1则非DEA有效。综合效率同时取决于纯技术效率和规模效率水平,因此可进一步分解为纯技术效率Vrste和规模效率Scale,即Crste=Vrste×Scale。根据DEA理论将效率值划分成不同等级:当θ=1时,农业类上市公司综合效率处于有效状态,经营效率达到最佳;当0.8<θ≤1时,农业类上市公司综合效率处于较有效状态,经营效率较高; 当0.6<θ≤0.8时, 农业类上市公司综合效率处于较无效状态,经营效率相对较低;当0≤θ≤0.6时,农业类上市公司综合效率处于无效状态,经营效率最低。

(二)Malmquist模型

本文在利用DEA-BCC模型静态分析的基础上,运用Fare等人构建的DEA-Malmquist 指数模型来测算全要素生产率的变动。该模型下,全要素生产率的变动可进一步分解为技术效率变动指数(Effch)和技术进步指数(Techch)。技术效率变动又可以分解为衡量企业本身技术效率变化的纯技术效率变动(Pech)和因企业规模变化而导致的规模效率变动(Sech),即Tfpch = Techch×Effch =Techch× (Pech × Sech)。因此,Malmquist指数法可以用来动态评价一段期间内经营效率的变化趋势并追溯变化产生的原因。其表达式为:

(2)

(三)Tobit模型

Tobit模型属于受限因变量回归的一种,是指因变量在正值上大致呈连续分布但同时包含一部分以正概率取值为0的观察值的模型。由于通过DEA模型获得的效率值均在0和1之间,属于截断数据,若采用普通最小二乘法估计含有截尾数据的模型,回归参数估计的无偏性和有效性无法得到保证。因此选择面板Tobit模型对农业上市公司经营效率进行实证检验。标准模型如下:

(3)

i为第i个企业(i=1,2,…,28),当yi>0时被观察到,取值=实际值,当yi≤0时在0处截尾,α为常数项,x是自变量向量,β是系数,ε为随机扰动残差项。本文基于微观的企业层面,对农业上市公司经营效率的影响因素建立Tobit模型进行分析,具体研究假设和纳入模型的变量如表1所示。

表1 农业上市公司经营投入及产出指标

(四)指标选取与数据来源

基于DEA模型指标选取的原则和数据的可获得性,选取资产总额与营业成本作为投入指标,其中总资产作为资金的占用主体,反映了企业资源投入的总体规模,包括农业上市公司厂房、生产线、机器设备等固定资产和商业债权、待售待耗农产品、货币资金等流动资产,是企业收益产生的来源;营业成本既涵盖了生产原料的消耗和生产设备的折耗,也包括人员薪酬的支出,能够与农业上市公司的营业收入相配比;产出方面采用营业收入和净利润2项指标,其中营业收入反映了公司生产经营产生的收益和占有的市场份额,是企业获取利润的起点;净利润作为企业扣除成本费用及所得税后的剩余收益,是企业经营的最终成果。此外,对于上市公司而言,毛利率能够体现企业农产品本身的市场竞争力,是企业基于产品层面资源配置效率的反映,总资产报酬率反映企业全部资金投入产生的净收益,总资产周转率则是企业既定规模资金投入创造的经营收益,皆是基于企业层面经营管理效率的有效比率,而上述4项投入产出指标的选取恰好能够涵盖上述指标的测度。

本文以中国证监会2020年第三季度颁布的《上市公司行业分类指引》为标准界定农业上市公司,从沪深 A 股主板中选取门类代码均为A的上市公司为研究对象,共涉及农、林、牧、渔及农、林、牧、渔服务业5个细分行业,考虑到数据的可得性和有效性,在剔除了2012—2019年间数据有缺失或异常以及面临退市风险的企业后,最终筛选出28家,取得224个观测样本。

二、经营效率测度结果分析

(一)基于DEA-BCC模型的静态分析

通过对中国农业上市公司2012—2019年经营效率的分析,得到农业上市公司经营状况的综合效率值、技术效率值和规模效率值。数据分析采用DEAP2.1软件。由于篇幅有限,此处仅列示2012年及2019年全部上市公司的各项效率值(表2)。2012—2019年全部农业上市公司效率平均值的变动情况如图1所示。

图1 我国农业上市公司2012—2019年经营效率均值走势图

表2 我国28家农业上市公司2012年、2019年经营效率静态测度结果

1.综合效率方面。各年截面数据的测算结果显示,我国28家农业上市公司中19家企业2012—2019年经营效率均值超过0.8,整体效率值较高但均未实现DEA有效。此外,由图1可知,2012—2019年综合效率值呈波动下降的趋势。经统计,各公司2012—2019年的效率均值介于0.646至0.989之间,不同行业间,不同企业间,不同年份间效率差异较大,截至2019年,农、林、牧、渔四大细分市场企业经营效率整体排名为:畜牧业>渔业>农业>林业,与马如意的测算结果相同,同时各细分行业中也只有畜牧业的纯技术效率和规模效率均达到了0.8以上,而林业上市公司在所有细分行业中效率下降最为明显。此外,共5家企业位于效率前沿面上,分别为民和股份、益生股份、农发种业、北大荒和新五丰,其人力物力等资源投入产出组合效果最佳,企业管理相对有效,而多数企业仍处于DEA非有效阶段,技术效率与规模效率都存在不同程度的提升空间。

2.纯技术效率方面。纯技术效率能够反映农业上市公司生产经营决策与管理技术利用的有效程度。由图1可知,2012—2019年我国农业上市公司的纯技术效率整体上波动递减且各年均值均低于规模效率,因此纯技术效率的上升是促进农业上市公司经营效率提升的关键因素。此外,2019年10家企业纯技术效率实现DEA有效,其中5家为畜牧业企业,占畜牧业企业总数的60%以上,而此前尚未达到如此比重,说明畜牧业的生产技术水平和企业管理能力已大幅提高。

3.规模效率方面。2012—2019年整体上同样呈波动递减的趋势且处于规模效率最优状态的企业均不足当年的1/3,即多数企业均存在要素投入不足或冗余而造成的效率损失问题。2019年,多数企业处于规模报酬递增阶段,该部分企业应合理加大生产经营要素投入力度,可通过参股、控股等方式有效整合既有资源,或实施一体化的发展战略延长产业链,提高产业集中度,发挥资源集聚带来的规模效应。反之,针对处于递减阶段的5家企业,其投入已超过最优规模而产生冗余,应统筹规划资金的使用,合理配置各类资源,适当缩减投入。

(二)基于DEA-Malmquist模型的动态分析

传统DEA模型会忽略决策单元所处行业整体技术进步的影响,因此,本文在静态分析的基础上利用Malmquist模型动态评价经营效率的变化趋势。

1.全要素生产率的变化动因方面。表3、表4的结果显示,2012—2019年间28家企业全要素生产率变化指数均值为1.002,整体呈现上升趋势,其中技术效率变化均值下降2.4%,技术进步均值上升2.6%,且所有细分行业均实现了技术的进步,而纯技术效率变化指数与规模效率变化指数分别为0.987和0.989,皆产生了一定的衰退,导致技术效率有所下降,拖累全要素生产率的增长。因此,行业的技术进步是引致全要素生产率增长的主要动力,反映出近年来农业信息数字化、生产技术智能化、农业生态环境现代化发展对全要素生产率提升的促进作用,而多数农业上市公司本身的资源配置水平和经营管理能力仍有所欠缺,导致纯技术效率的下降。因此未来各细分行业、各农业上市公司应着力于合理配置资源、适度规模经营、优化业务结构和企业管理制度,提升各项资源的投入产出效率。

表3 2012—2019年农业上市公司Malmquist指数及其分解

表4 农业上市公司经营效率Malmquist指数及其分解

2.各细分行业经营效率差异方面。由表4可知,2012—2019年纯技术效率变化。指数与规模效率变化指数均大于1的企业中,半数以上为畜牧业企业,因此2012—2019年畜牧业展现出良好的发展态势,这主要是由于近年来新型农业经营主体的崛起实现了畜牧业纵向一体化经营的快速发展,使其产业链的协调性大大增强,且规模养殖已成为畜牧业生产的中坚力量,为生产效率与规模化水平的提升创造了良好的条件。此外,在各细分行业中仅林业全要素生产率变化指数小于1,且纯技术效率与规模效率的降幅都是所有细分行业中最大的,与前文静态研究的结果相契合。林业企业属于传统的劳动力密集型产业,因其产业属性需要在营林建设、生态管护等方面投入大量劳动力资本,加之生产周期较长,资金周转率低,使得资本投入不能很好地转换为经济产出和生态产出[17]。因此,林业企业要合理确定资本投入,同时依靠生产技术的进步提高资源利用效率。此外,行业间的差异说明需要建立协调发展的长效机制,实现农业各细分行业的均衡发展。

为了更清晰地列示各细分行业技术效率与技术进步水平在行业整体中的位置,图2以二者均值为界分4个区域给出了农业各上市公司全要素生产率变化指数分解项的分布情况。可以发现,技术进步指数与技术效率变动指数均在平均值以上的企业共有6家,其中一半为畜牧业上市公司,表现良好;技术进步指数在均值以上,技术效率变动指数在平均值以下的企业共有8家,普遍存在于各细分行业;技术效率变动指数在平均值以上,技术进步指数在均值以下的企业共有11家且半数以上渔业上市公司位于此区间,说明相比于其他细分行业,渔业汇集的科技资源相对较少,行业整体的技术水平还有提升的空间,因此应积极完善基础设施建设以抵抗自然风险、强化养殖品种选育以抵抗市场风险,推进渔业技术创新研发,促进渔业技术、经营、管理全面升级,发展生态型、经济型、环保型、综合型渔业[18]。最后,技术进步指数与技术效率变动指数均在平均值以下的企业共3家,应予以着重关注。

图2 农业上市公司动态效率分解项

三、农业上市公司经营效率影响因素分析

(一)影响因素识别

为进一步探究农业上市公司经营效率的影响因素,利用基于DEA-BCC模型得出的综合效率作为被解释变量构建面板Tobit模型进行实证研究。根据既有文献研究成果及数据的可得性,从与规模效率和技术效率有关的生产、经营、管理3个方面选取企业规模[7,19]、研发投入力度[20]、多元化经营程度[20]、资本结构[21]、股权集中度[5,22]、股权激励水平因素纳入模型中。具体说明如表5所示。其中,企业规模选取能够反映全部资金占用情况的年末资产总额衡量;资本结构采用资产负债率指标,用以衡量企业债务资本的占比;股权集中度采取公司第一大股东持股比例指标进行衡量,股权激励情况用管理层持股比例指标测度;多元化经营程度选取对各项收益权重更为敏感的熵指数指标进行度量。研发投入力度方面,参考崔宝玉等[23]的研究,用研发投入/销售收入来表示。

表5 农业上市公司经营效率影响因素假设

(二)模型构建

选择面板Tobit模型进行实证检验。构建模型如下:

Crsteit=α0+α1SIZEit+α2LEVit+α3OWNCit+α4MALit+α5EDIit+α6RDit+μi+εit

(4)

模型中α0为常数项,α1-α6为各自对应变量的系数,i为公司数(i=1,2......28),t代表时期(t=1,2,…,8),μi为个体效应,εit为残差项。

(三)实证结果

似然比检验(LR)结果显示p值为0.000,拒绝原假设,即与混合效应相比随机效应模型更优,因此使用面板Tobit随机效应模型进行效率影响因素的分析。具体结果如表6所示。

表6 面板Tobit模型回归结果

根据表6可知,经营效率与企业规模和资产负债率显著负相关,与股权集中度显著正相关,而其他因素对经营效率并无显著影响:(1)企业规模的扩大会抑制经营效率的提高且在1%的水平上显著,假设H1不成立。上述结果说明,整体来看我国农业上市公司各项资源的利用效率并未随着规模的扩大而增加,企业经营管理水平的提升跟不上企业规模的扩张速度,反而更显著地提高了企业管理的难度,使企业难以获得持续稳定的盈利能力,从而降低了企业资源的投入产出效率,因此政府应着力于引导农业上市公司做精、做强,而不是盲目扩大规模。(2)资产负债率会在1%的水平上显著抑制企业的经营效率。假设H2成立。由于农业行业不可抗力因素多、产业风险高,留存利润空间小等特点,负债的增加会加重资金压力和财务风险,阻碍企业技术创新、管理创新的步伐。此外,高负债的环境下企业的偿债能力无法为公司管理者做出正确投资决策提供有力保障,引发投资不足甚至管理层的非理性决策,导致企业经营效率的下降。(3)经营效率与第一大股东持股比例在10%的水平上显著正相关。假设H3成立。正如Andrei[24]、Vladimir[25]等人提出的,由于权力相对集中,决策效率会大幅提高,信息逐层反馈的时间也会缩短,有利于企业在激烈的竞争中及时把握机会,同时大股东更有动力监督管理层防止其产生寻租行为,尤其对于产业风险高、比较利益相对低下的农业产业,管理层自利动机更强,容易诱发为实现短期绩效而攫取个人利益的自利行为,一定程度的股权集中能够降低经营风险,保证经营决策的有效实施。(4)其他因素如股权激励程度、多元化经营状况、研发投入力度等因素并未对经营效率产生显著影响,未通过显著性检验,不具有统计学意义。股权激励方面,我国农业上市公司发展时间短,整体持股比例较少,加之农业产业风险高,比较利益低下,激励强度与其承担的风险不匹配且管理层自利行为受限程度较低。多元化经营模式方面,由于多元化经营会同时产生资源的协同与业务单元间资源的争夺,既拓宽了收入来源又引发了代理成本、协调成本等问题,即折价与溢价效应并存,使得最终的平均结果表现为不显著。最后,研发投入力度并未对经营效率产生显著的促进作用,原因可能有2方面,农业上市公司研发投入没有发挥应有的效益,技术转化率低;研发活动耗时较长,研发投入产生了一定的滞后性,使其当期的研发投入在促进产出效率方面的作用未能得到显现,甚至由于前期投入较多降低了资金的使用效率,对农业类上市公司的发展提出了挑战。

四、结论与建议

(一)结论

本文利用DEA-BCC模型依次对我国28家农业上市公司2012—2019年的经营效率进行静态分析,运用Malmquist模型对效率的动态变化情况进行测度并构建面板Tobit模型探究了经营效率的影响因素,具体结论如下:(1)静态分析结果显示,2012—2019年我国农业上市公司整体效率值较高但均未实现DEA有效且效率值呈下降趋势。不同行业间、不同企业间、不同年份间效率差异较大,规模效率整体水平高于纯技术效率,因此企业生产技术和管理水平的进步是促进农业上市公司经营效率达到生产前沿的关键。(2)Malmquist模型的测度结果表明,得益于近年来行业的技术进步,我国农业上市公司整体效率值有所上升,而技术效率则呈现下降趋势,即企业应着力于优化资源配置并完善经营管理制度的建设,提升企业技术效率和管理效率。(3)分行业分析发现,无论静态分析、动态分析均得出畜牧业表现相较于其他细分行业发展状况更好的结论,说明畜牧业规模化养殖的成效显著,其产业链向食品行业的延伸促进了资源的协同并使资源配置效率大幅提升,而林业和渔业上市公司分别在技术效率与行业技术水平方面存在改进空间。(4)效率影响因素回归结果显示,企业规模的扩大、资产负债率的增加会对农业上市公司的经营效率产生负面影响,而股权的集中则会产生正面影响,其他因素如股权激励程度、多元化经营状况、研发投入力度与经营效率并无显著相关关系。

(二)建议

为进一步提高农业上市公司的经营效率,发挥其对农业产业化经营的带动作用,根据效率测度与影响因素实证分析的结果,建议从技术保障与公司治理2个维度进行农业产业与农业上市公司的战略规划。

1.增强农业上市公司的技术水平与经营管理能力。研究结果显示,在过去的几年里,行业技术进步为促进效率提升提供了有力的外部条件,而在微观企业层面研发投入的效果并未得到显现,因此企业应积极引进新的生产技术、生产装备和高层次技术及管理方面的人才,强化关键技术问题的攻关,强化研发能力、提高研发效率,鼓励有能力的农业企业以需求为导向自主开展应用基础研究,努力创造具有自主知识产权的核心技术,提升农业企业的创新能力[26]。根据农业产业本身的特点,借鉴管理制度健全的二、三产业进行改革,以提升农业生产水平和企业经营管理能力;此外应由政府主导着力完善市场机制、健全企业管理与技术沟通机制、建立健全企业间人才和技术的沟通机制,增强信息流动,助推企业提高要素的配置效率和经营能力,从而获得产业增长机会和新的利润增长点。

2.合理控制各项要素投入,适度规模经营。规模大的企业如果战略不适配、执行不力仍可能导致效率的下降。处于规模效益递减阶段的资源消耗型企业要注重对现有资源投入规模的管控,降低生产经营成本,集约发展,提高资源配置效率。

3.促进各农业细分行业的均衡协调发展。基于我国农业各细分行业间效率的差异,根据产业特征优化资源分配,建立协调发展的长效机制。相比之下,水产业及特色经济作物等领域的农业科技资源相对较少,根据当前渔业整体技术进步水平低于平均水平的现状,需要在装备更新改造、渔业冷链运输等基础设施建设方面投入更多资源,强化养殖品种选育,加大科技资源投入力度以推进渔业技术的创新研发,通过校企合作等方式推动产学研结合,促进成果转化;而林业上市公司需要合理确定资本投入,缩短资金循环周期,同时依靠生产技术的进步提高资源利用效率,降低生产成本,拉动经营效率。此外,补齐各细分行业发展短板更要依托于各区域的协调发展,根据国家农业发展规划形成精准的农业区域政策体系, 建立多区域协调发展体制机制,确保区域间充分平衡发展[27]。

4.完善公司治理结构与资本结构。建议农业上市公司采取适度集中的股权结构,提高决策效率,从而降低股东与管理层之间委托代理问题,保证决策得到有效执行,使农业上市公司充分把握市场机会;调整资本引入战略,降低债务资本比重,同时政府层面应当适时适度给予财政补贴,降低农业上市公司资金压力,使其生产经营活力得以释放。

5.应充分发挥农业上市公司作为农业龙头企业在规模经营、市场份额、产业资源等方面的优势,带动相关企业在农产品生产、科研成果转化、资本市场参与、信息沟通、服务共享等方面进行协同合作,充分提升资源配置效率,带动农业经济的高质量、可持续发展。