新型城镇化对粮食绿色全要素生产率的影响*-兼论中介效应与调节效应

路雯晶 ,陈卫洪,2**

(1.贵州大学经济学院 贵阳 550000;2.贵州省丹穴山朴门永续发展有限公司 长顺 550700)

粮食安全是国家安全的重要基础,2003 年以来,中央一号文件持续聚焦农业发展,粮食安全始终放在突出地位。2015 年以来中国粮食产量均高于6500 亿kg[1],呈现出了良好的增长态势,基本实现粮食自给。然而近些年来随着粮食生产过程中化肥、农药投入的不断增加,耕地资源的日益紧张已危及到中国粮食安全的可持续发展[2]。仅仅依靠化肥、农药等高污染、高排放的要素投入促进粮食增产的传统发展模式已然难以为继,粮食产业迫切需要向资源节约型、环境友好型的高质量发展转型[3]。2022 年中央一号文件也指出要大力开展绿色高质高效行动,提升粮食生产绿色技术应用。粮食绿色全要素生产 率(green total factor productivity,GTFP)的增长是实现粮食增产方式从粗放型到集约型转变的主要途径和重要手段[4],也是衡量粮食质量、效率及绿色增产的综合性指标。

2014 年党中央、国务院印发《国家新型城镇化规划(2014—2020 年)》首次提出构建人文、智慧、绿色并存的新型城镇,并指出城镇化发展对解决“三农”问题具有重要积极作用。2022 年国务院发改委牵头、联合多个部门编制了《全面推进乡村振兴和新型城镇化》,新型城镇化的发展是必然趋势,也是直接影响农业特别是粮食产业绿色可持续发展的重要因素。在新时代背景下,将新型城镇化建设纳入粮食绿色生产发展的研究框架中并探索其影响效应,在继续推动新型城镇化健康稳步发展的同时发挥其对粮食GTFP 的带动作用,对于保障粮食安全、促进城乡统筹发展具有重要现实意义。技术作为现代先进的生产要素,对粮食绿色生产有着不可忽视的作用。技术进步在促进粮食增收的同时,被认为是实现生态环境保护和产业绿色发展的重要途径[5]。尤其在新型城镇化背景下,技术创新水平不断提升,势必对粮食GTFP 造成一定的影响。因此,科学分析新型城镇化对技术创新的影响,从而探寻技术创新在新型城镇化对粮食GTFP 影响中的中介效应具有重要意义。

当前国内外相关研究多从3 个层面展开: 一是对粮食GTFP 相关内容的探讨,主要包括粮食GTFP 的含义、测算体系和测算方法。多数学者认为,粮食全要素生产率是粮食产出增长不能归因于有形要素投入的其余增长部分[2,6],而粮食GTFP 是在此基础上将环境因素考虑在内,将绿色要素纳入对粮食生产绩效的客观评价[7]。关于粮食GTFP 的测算体系,主要包含投入、期望产出和非期望产出变量,投入变量中多数学者选用劳动力、土地、资源、资本等要素;期望产出中,大多数学者将粮食总产量视为期望产出变量,极少数学者创新性地将粮食生产碳汇总量的生态效应考虑在内[8];非期望产出中,大部分研究将化肥、农药、柴油、翻耕等作为粮食生产过程中的主要碳源,也有部分学者把粮食生产面源污染纳入非期望产出[3]。关于粮食GTFP 的测算方法,SBM (Slack Based Measure)模型能够克服传统数据包络分析(Data Envelopment Analysis,DEA)方法的缺陷且能把包含环境因素的非期望产出纳入其中,因此多数学者采用SBM 模型并结合GML (Global Malmquist_Luenberger)生产率指数测算粮食GTFP[8]。二是关于新型城镇化的研究。多数学者认为新型城镇化是在传统城镇化基础上增加了一些新的内涵。它以人民为中心,满足人民的需求,集人口、经济、生态、社会、环境、空间、制度等多维度的发展过程[9-12],同时要求在其发展过程中能够统筹城市农村协调发展,实现城乡一体化的基本目标[13]。如何度量新型城镇化发展,也是学者们研究的热点,目前主要包含单一指标法和综合指标法[14]。随着新型城镇化进程的推进,其内涵不断丰富、功能不断提升,单一指标已经不能准确反映新型城镇化发展的实际水平,因此学者们开始尝试构建复合指标体系,运用熵值法或改进的熵值法对新型城镇化综合发展水平进行全面评价[15-16]。三是关于城镇化与粮食生产。多数学者认为城镇化发展有利于农村劳动力的非农转移,促进农地的规模化、集约化和专业化生产,有效提高生产发展条件,进而影响粮食绿色生产[17]。然而另一方面,有学者认为新型城镇化会加剧土地和劳动力资源的需求,生产要素向非农产业转移带来的城乡收入差距的增大会导致农民种粮意愿降低。而科技水平的提高,一定程度上可以不断完善农业生产条件,促进粮食生产安全发展[18]。

综上所述,已有文献对新型城镇化和粮食GTFP进行了许多有价值的研究,但目前学界鲜有文献基于技术创新的中介视角来系统研究新型城镇化对粮食GTFP 的影响,且较少把人力资本因素纳入此分析框架,然而新型城镇化建设对粮食GTFP 的影响中农村地区的人力资本水平发挥着重要作用。基于此,本研究以新型城镇化为切入点,以中国31 省为研究区域(不包含香港、澳门、台湾地区),探索新型城镇化对粮食GTFP 的影响和技术创新的中介效应,以及农村人力资本水平在新型城镇化进程中发挥的调节效应,希冀在加速推动新型城镇化的进程中为提高我国粮食GTFP 提供一定的参考价值。

1 理论机制与研究假设

1.1 新型城镇化对粮食绿色全要素生产率的直接影响

新型城镇化是影响我国粮食产业绿色发展的重要因素。本文主要从规模经济效应、扩散效应、要素资源优化配置效应和环境影响效应4 个方面分析新型城镇化建设对粮食绿色生产的影响。1)规模经济效应。新型城镇化进程中伴随的产业扩张、结构升级和功能提升,提供了更多的就业岗位和宜居环境,在“逐利”动机驱动下,部分农村种粮劳动力向城镇转移,大量农村土地被释放,为粮食生产规模化经营和现代化发展提供了契机,在此过程中有效推动了粮食绿色技术进步和技术效率改善,进而促进粮食GTFP 的提升。2)扩散效应。新型城镇化有助于打破城乡壁垒促使城乡之间的联系更加紧密,进而对农村地区发挥技术扩散和知识、资本溢出效应,能有效促进农户对绿色技术的吸收、应用以及高效管理经验的获得,为粮食产业绿色发展创造新契机。3)要素资源优化配置效应。传统粮食产业要素资源配置有限且配置效率较为低下,不利于粮食GTFP 的提高。在新型城镇化过程中,资本、技术、管理和知识等要素向农村地区辐射,实现要素自由流动与充分共享,进而在要素系统整合中促进各类生产要素在更高层次、更深领域的优化配置,有利于提升粮食绿色生产效率。4)环境影响效应。城镇化初期出现的盲目扩张现象易造成大量资源消耗和耕地污染,阻碍粮食GTFP 的提高。然而随着新型城镇化的建设,政府环境规制力度不断增强,加之居民对生态宜居的追求,会更加注重生态保护和资源合理利用,同时城镇生态文明建设的示范作用会对农村地区及粮食生产者的环保意识带来外溢效应,促进粮食GTFP提升。因此本文提出假设一:

H1: 新型城镇化能显著促进粮食GTFP 提高。

1.2 技术创新在新型城镇化促进粮食绿色全要素生产率的中介效应

H2: 新型城镇化通过技术创新对粮食GTFP 具有正向影响。

1.3 农村人力资本的调节效应

在现代产业发展中人力资本是众多生产要素中最具能动性及创造性的,对劳动生产率及产业绿色经济增长具有重要作用[22]。人力资本是附着在劳动者身上的资本,主要通过3 方面的人力投资形成。一是基于医疗保险支出的健康性人力资本。早在人力资本形成初期,Becker[23]就指出,健康也是一种重要的人力资本形式,能推动经济增长。在新型城镇化进程中,大量青壮年劳动力向城镇转移,这时健康性人力资本水平尤为重要,既可以提升粮食生产劳动力要素供给规模,又能改善要素供给质量。二是基于教育和培训支出的教育性人力资本。新型城镇化的扩散效应促使技术、装备和管理等现代生产要素向农村流动,教育性人力资本的提升有助于种粮劳动力更容易接受、传播并熟练应用这些先进要素,在促进资源优化配置的同时又能提升生产经营决策效率。三是基于交通、通讯投资的迁移性人力资本。迁移性人力资本的增强能使种粮劳动力在新型城镇化建设的机遇中有效获取更先进的技术知识、管理经验和更广泛的市场信息、社会资本,有助于缓解城乡之间的“信息鸿沟”并提高农村种粮农户的市场融合及参与效能,推动粮食产业绿色技术进步与生产效率提高。基于此,本文提出研究假设三:

H3: 农村人力资本在新型城镇化对粮食GTFP影响中发挥正向调节作用。

2 模型设定、变量选取与数据来源

2.1 模型设定

基于上述理论分析,本文进一步通过实证模型来验证新型城镇化对粮食GTFP 的影响。构建以下面板回归模型:

式中:i为地区,t为时间;GTFPit为粮食GTFP;εit为随机扰动项;URit为核心解释变量新型城镇化发展水平;controlit表示一组控制变量,包括农业产业结构、农田水利设施、财政支农水平等对被解释变量产生影响的指标;ui表示非观测的各省份固定效应。

谭跟我说：“感觉刚进大学时大家还在同一起跑线上，没想到短短几年时间，佳佳已经远远地把我们甩在身后了。如今，我们只是苦哈哈的小白领，每个月拿四位数的薪水勉强够花，人家却已经是名校海归学霸、90后CEO和美女老板了。你说差距怎么这么大，她是怎么做到的？”

为检验新型城镇化影响粮食GTFP 的作用机制,确定技术创新在新型城镇化促进粮食GTFP 的增长中发挥中介效应,构建以下模型:

式中: INNit表示中介变量技术创新。并在以上模型的基础上进行Bootstrap 和Sobel 检验。

为了验证农村人力资本约束下新型城镇化对粮食GTFP 的影响,借鉴温忠麟等[24]的做法,纳入新型城镇化与农村人力资本的交乘项。并将新型城镇化和农村人力资本分别做中心化变换,得到c_UR 和c_HUM。本文构建检验调节效应的面板回归模型如下:

式中: c_HUMit为中心化的农村人力资本,其中包含健康性人力资本(HH)、教育性人力资本(HE)和迁移性人力资本(HT)。

2.2 变量选取

1)被解释变量: 粮食GTFP。本文采用SBMGML 模型进行测算。参照相关研究,采用累积全要素生产率(TFP)增长值来衡量。以2007 年为基期并把该年的粮食GTFP 设为1,其余年份转化为以2007 为基期的累积形式。其中,粮食投入产出变量选取如下: ①产出指标。期望产出以粮食总产量表示;借鉴刘亦文等[25]的方法,以化肥、农药、农膜、柴油、翻耕及灌溉等六大污染源折算的碳排放总量作为非期望产出。并参考龚锐等[26]的做法,用公式计算,其中E表示各省粮食生产碳排放总量,Ei表示不同碳源排放量,Ti表示粮食生产中各碳源总量,δi表示粮食生产中各碳源排放系数。各排放系数及来源见表1。②投入指标。选取粮食生产中的劳动力、土地、化肥、农药、农膜、机械和水资源等7 个指标作为投入指标。粮食生产作为农业中的一部分,以上投入要素多是农业大口径的统计数据,为保证测算结果精确性,借鉴闵锐等[27]的做法,采用权重系数法将各生产要素从广义的农业投入中剥离。权重系数有两种:A=(农业产值/农林牧渔总产值)×(粮食播种面积/农作物播种总面积),B=粮食播种面积/农作物播种总面积。其中粮食生产土地投入仍使用粮食播种面积,粮食生产劳动力投入=系数A×第一产业从业人员,其余投入要素均乘以系数B。

表1 粮食生产碳排放系数及来源Table 1 Carbon emission coefficient and sources of grain production

2)核心解释变量。新型城镇化综合发展水平(UR)。结合新型城镇化的思想内涵并进一步参考相关文献[11,28],选取人口、空间、经济、社会、生态城镇化及城乡一体化6 个维度作为一级指标,选取城镇人口比重、城镇人口密度等22 项作为二级指标,构建新型城镇化综合发展水平评价体系(表2),并运用熵值法对新型城镇化水平进行测度。

表2 新型城镇化发展水平评价指标体系Table 2 Evaluation indexes system of new urbanization level

3)控制变量。借鉴相关文献,选取以下控制变量: ①农业产业结构(AST)。新型城镇化进程中生产要素自由流动程度加快,政策制度及整体规划也在不断调整,促使农业内部粮食作物与其他农作物的生产结构和要素比例配置结构发生改变,进而影响粮食GTFP。②农田水利设施(AIF)。农田水利设施建设对粮食GTFP 变化有直接影响,一般情况下灌溉条件越好的耕地,农田水利设施越完善越有利于粮食生产。③财政支农水平(FSA)。财政投入能够直接降低粮食生产的成本,增加对农民的扶持力度,在一定程度上会对农民种粮积极性的高低、绿色生产技术的采纳及农业现代化的进程造成重要影响。④自然灾害程度(NAT)。气候环境在粮食生产过程中不容忽视,不仅会导致粮食产量损失和质量下降,还会影响种粮劳动力生产要素投入,该文使用受灾率反映不可控的气候因素。⑤工业化水平(IND)。工业化导致的空气和重金属污染及对耕地资源的挤压抑制粮食GTFP 增长。

4)中介变量: 技术创新(INN)。

5)调节变量: 健康性人力资本(HH)、教育性人力资本(HE)和迁移性人力资本(HT)。

2.3 数据来源及描述性统计

鉴于数据的连续性、可获得性与现实状况,该研究以港澳台地区以外中国31 个省(直辖市、自治区)为研究对象,选取2007—2021 年的面板数据进行实证研究。其中粮食GTFP 投入产出变量的数据主要来自《中国统计年鉴》《中国人口和就业统计年鉴》《中国农村统计年鉴》;新型城镇化22 项评价指标数据分别来源于《中国统计年鉴》《中国区域经济统计年鉴》及各省市统计年鉴和国泰安CSMAR数据库;农业产业结构、农田水利设施、财政支农水平、自然灾害程度、工业化水平及技术创新水平的基础数据来源于《中国统计年鉴》及相关统计资料;农村人力资本数据来源于《中国统计年鉴》及各省市统计年鉴。各变量说明及描述性统计分析见表3。

表3 新型城镇化对粮食绿色全要素生产率(GTFP)影响相关变量的描述性统计结果Table 3 Descriptive statistical results of related variables about effects of new urbanization on grain green total factor productivity(GTFP)

3 模型估计与结果分析

3.1 粮食绿色全要素生产率和新型城镇化水平测算分析

3.1.1 粮食绿色全要素生产率时序演进态势

基于以上投入产出指标和测算方法,本文利用MAXDEA 软件分别测度出2007—2021 年全国粮食GTFP,并分解出技术进步(GTC)和技术效率变化(GEC) (表4)。同时测算了2007—2021 年分省域的粮食GTFP 的变化情况,限于篇幅原因,大致以4 年为“间隔期”展示了部分年份测度结果(图1)。

图1 2007—2021 年不同年份各地区粮食绿色全要素生产率(GTFP)指数及其样本期内均值Fig.1 Grain green total factor prodcutivity (GTFP) indexes in each region in different years and the mean value from 2007 to 2021

表4 2007—2021 年粮食绿色全要素生产率(GTFP)及其分解项变动情况Table 4 Changes of grain green total factor productivity (GTFP) and its decomposition from 2007 to 2021

从全国层面来看(表4),2007—2021 年我国粮食GTFP 变动指数除2008—2009 年、2009—2010年和2013—2014 年小于1 外,其余年份粮食GTFP变动指数均大于1。说明2007—2021 年间,全国粮食GTFP 除2009 年、2010 年、2014 年稍有下降外,整体呈提高的趋势。这可能由于“十一五”时期国家虽实行免除农业税、增加种粮补贴等财政支持政策,刺激了农民种粮积极性和生产效率的提高,但是忽略了生态环境质量和可持续发展问题,造成粮食GTFP 下降;而“十三五”时期提出的“农业农村优先发展”的战略方针和生态优先、绿色发展的时代主题,促使我国粮食GTFP 稳步提高。从分解结果来看,考察期内中国粮食技术效率和技术进步指数均值均大于1,年均增长分别为0.02%、0.93%,我国粮食生产技术进步的改进优于技术效率,因此技术进步是2007—2021 年我国粮食GTFP 提高的主导因素。

图1 中,从省域层面来看,粮食主产区内各省份的粮食GTFP 均值均大于1,其中河北、内蒙古、辽宁、吉林及黑龙江5 省(自治区)均值最大,说明2007—2021 年主产区粮食GTFP 都有了一定程度的改进。一般来说,粮食主产区地形平阔,土壤、气候等自然条件适宜,为粮食生产提供了良好的要素资源和生态条件,有利于粮食作物规模化种植和机械化作业,进而提高粮食绿色经营效率和技术进步。粮食主销区内各省粮食GTFP 均值也均大于1,其中天津市和上海市两地提升程度最大,粮食GTFP 年均增长率分别达3.04%和1.69%。粮食主销区内各省市基本处于经济实力强、科技创新高的东部地区,资金、人力资本及先进的绿色技术装备等生产要素资源丰富,对推动粮食GFFP 的提高具有很大优势。粮食产销平衡区内除广西壮族自治区其余省份粮食GTFP 均值均大于1,同时可以发现2007—2008 年超一半省份粮食GTFP小于1,而到2020—2021 年除宁夏其余各省份粮食GTFP 均大于1,说明产销平衡区各省粮食GTFP 不断提升,向好发展。产销平衡区各省大多处于经济相对落后、地形相对复杂的西部地区,粮食生产方式以粗放型为主且生态保护意识不足,基础设施和农业科技创新水平也相对滞后,近年由于国家政策向西部倾斜,加大惠农支持并注重生态发展,促使产销平衡区各省粮食GTFP 快速提升。

3.1.2 粮食GTFP 累积指数和新型城镇化综合发展水平的时空分布特征

由于GTFP 指数可以累乘的特性,该文将各年粮食GTFP 转化为以2007 年为基期(其值设定为1)的累计形式并运用MATLAB 软件展开核密度估计,对2007—2021 年我国粮食GTFP 累计变化情况及新型城镇化综合发展水平进行可视化处理,以此展示两者的动态演化特征,如图2 所示。首先是粮食GTFP累计变化的核密度(图2a),从整体来看该密度函数具有波动向右偏移趋势,峰值曲折下降,主峰宽度呈逐渐扩大趋势,表明考察期内我国粮食GTFP 波动提升,省域间粮食GTFP 的差异化呈增大趋势。从演变特征来看,各年份的核密度曲线从单峰向双峰转化,粮食GTFP 的变化逐渐表现出微弱的两极化特征。关于新型城镇化发展水平的核密度估计(图2b),该密度函数曲线整体具有向右偏移趋势,尤其2013 年表现最为明显,峰值呈上升趋势;这表明我国新型城镇化整体发展水平不断提高,省域间新型城镇化水平的差异呈现不断缩小趋势。

图2 2007—2021 年粮食绿色全要素生产率(GTFP)累计指数(a)和新型城镇化综合发展水平(b)的核密度图Fig.2 Kernel density maps of grain green total factor productivity (GTFP) cumulative index (a) and comprehensive development level of new urbanization (b) from 2007 to 2021

3.2 基准回归检验与结果分析

在进行面板实证模型回归前,为防止变量之间存在多重共线性问题,该文首先进行VIF 检验,得到的各变量的最大VIF 值和平均VIF 的数值均小于10,说明变量间不存在高度相关关系。其次运用面板LLC 检验法进行单位根检验,结果通过了显著性检验,表明各变量数据序列平稳性良好。最后为选择最佳模型,进行固定效应F 检验、LM 检验以及Hausman 检验,结果显示P值均小于0.01,固定效应模型为最优模型。

为研究新型城镇化对粮食GTFP 的影响,本文采用向前逐步回归的方法依次加入控制变量,以确保本研究基准回归的估计结果稳健。回归结果如表5所示,在逐步加入控制变量的情况下,核心解释变量新型城镇化的回归系数均通过了1%的显著性检验,说明中国新型城镇化发展水平对粮食GTFP 的提高具有显著正向影响,假说1 得到验证。同时表明现阶段新型城镇化发展是粮食GTFP 提升的重要驱动因素,在传统粗放式生产向现代化转型升级过程中,新型城镇化加快了农村剩余劳动力的转移也为粮食生产带来了丰富优质的要素资源,极大程度上为粮食产业绿色发展做出了贡献,正向驱动机制已经生效。粮食GTFP 又可分为技术进步与技术效率,由表5 中模型(7)、(8)可知,新型城镇化对粮食技术进步具有正向促进作用,而对技术效率的改善具有负向影响。说明新型城镇化主要通过技术进步促进粮食GTFP 提升。可能的原因是: 新型城镇化进程虽然吸收了大量农村剩余劳动力,有利于规模化经营和专业化发展,但也造成了择优性转移下农村优质人力资本的流失,带来农村空心化和老弱化。农村种粮劳动力健康状况和劳动动能下降造成的粗放型经营会直接对粮食生产的环保行为与资源节约行为产生影响,加剧化肥过量投入和粮食生产技术效率损失,阻碍粮食绿色技术效率的提高。

表5 新型城镇化对粮食绿色全要素生产率(GTFP)影响的回归结果Table 5 Regression results of the impact of new urbanization on grain green total factor productivity (GTFP)

分析控制变量的估计结果可以发现: 1)农业产业结构的回归系数显著为正,表明农业产业结构向粮食生产调整有利于发挥技术、知识、人才等现代要素资源优势对GTFP 的拉动效应。2)农业基础设施对粮食GTFP 具有显著的负向影响,农村基础设施建设一直以来是“三农”发展的短板,且传统农田水利设施建设相对陈旧,对粮食绿色技术进步产生了抑制作用,需要通过引入如智能灌溉、精准施肥等现代高效节能的新型基础设施建设或者促进要素质量升级才能减少碳排放和面源污染,促进粮食GTFP 持续提升。3)财政支农水平对粮食GTFP 具有显著的负向影响,说明地方财政支农增加还未有效改善粮食GTFP,这可能与地方财政支出结构不合理、投资效率不高等问题有关,且目前中国粮食增产还是以化肥、农药等高污染、高排放的生产要素投入为主,获得财政补贴后的农户更易增加此方面的投入,不利于粮食绿色生产。4)自然灾害程度对粮食GTFP的影响显著为负,粮食生产依赖自然环境,自然灾害频发会导致粮食直接减产和化肥、农药投入增加,阻碍粮食GTFP 的提高。5)工业化水平对粮食GTFP具有显著的负向影响,工业化进程的加快会导致严重的污染且在一定程度上挤占了粮食生产资源,削弱了粮食绿色生产的潜能。

3.3 内生性检验

本文加入了一定的控制变量并采用固定效应模型进行实证检验,虽然能缓解因遗漏变量所导致的内生性偏误,但考虑到可能存在的测量误差、动态面板偏差等内生性问题对本研究实证检验结果造成的影响。本文从两个方面进行内生性检验: 一是以滞后一期、滞后二期、滞后三期的新型城镇化发展水平作为工具变量并采用IV-2SLS 模型再次估计,据Kleibergen-Paap rk LM 和Cragg-Donald Wald F 检验结果分别说明拒绝不可识别和存在弱工具变量的原假设。二是使用系统GMM 方法对模型重新估计,AR(1)的P＜0.1,AR(2)的P＞0.1,Hansen 检验的P＞0.1,表明工具变量有效且随机误差项不存在二阶自相关问题。检验结果如表6 所示,在控制内生性问题后,新型城镇化对粮食GTFP 的影响仍是显著且正向的,说明无论是否考虑内生性,该文结论始终是成立的。

表6 滞后一期、二期、三期的IV-2SLS 和系统GMM 回归结果Table 6 Regression results of IV-2SLS lagging phase 1,phase 2 and phase 3 and system GMM

3.4 稳健性检验

为进一步确保实证检验结果可靠,本文通过3 个方面进行稳健性检验。一是缩尾处理,为了减少异常值对本文估计结果的影响,对原始数据进行前后5%的缩尾处理;二是重新筛选样本,考虑到2020 年新冠疫情初次暴发可能存在的影响,剔除2020 年的样本数据重新回归;三是更换模型,本文所研究的被解释变量粮食GTFP 的值为0～2,为受限变量,选择面板Tobit 模型再一次估计。由稳健性检验结果可知(表7),核心解释变量的回归系数均在1%的置信水平下显著,且系数方向和大小与基准回归结果高度一致,控制变量回归系数方向也基本相同,证实本文所得结论较为稳健。

3.5 异质性分析

3.5.1 区域异质性分析

运用固定效应模型和滞后一期IV-2SLS 模型分别对粮食三大功能区进行回归分析。结果如表8 所示,新型城镇化对粮食主产区和产销平衡区的GTFP均具有显著正向影响并主要通过技术进步实现,且对粮食主产区的GTFP 促进作用更大;而对粮食主销区GTFP 的影响不显著。新型城镇化对粮食三大功能区GTFP 的影响作用存在差异性与各地区的综合发展状况和资源禀赋条件有着重要联系。粮食主产区耕地、劳动力等传统资源丰富,技术、知识、资金等现代要素资源相对欠缺,新型城镇化快速发展在吸收剩余农村劳动力的同时能够促进现代先进生产要素向农村扩散,极大程度地激发了粮食主产区的绿色生产潜力。产销平衡区经济水平相对落后,粮食产业发展缓慢,目前新型城镇化的快速发展对其发挥着边际报酬递增效应。而粮食主销区大多是经济发展水平较高的东部地区,农户主要从事报酬更高的第二、三产业,兼业化和非粮化现象较为明显,新型城镇化发展对粮食GTFP 的拉动效应受限。

表8 新型城镇化对粮食绿色全要素生产率(GTFP)影响的区域异质性分析回归结果Table 8 Regression results of regional heterogeneity analysis of the impact of new urbanization on grain green total factor productivity (GTFP)

3.5.2 不同规模异质性分析

新型城镇化对粮食GTFP 增长的影响,不仅会因为种粮区域而存在差异,还会因为经营规模而有所不同。理论上,随着经营规模的扩大,粮食生产的商品化程度也会有所提高[29],更倾向于接受和应用各类新技术以提高粮食产量。因此,本文依据种粮劳动力人均粮食播种面积的中位数,将各地区分别划分为小规模经营和大规模经营地区两个组别,即当该地区的人均粮食播种面积大于等于该年度样本中所有地区的人均粮食播种面积中位数时,设定为大规模经营地区,否则为小规模经营地区,进而分别估计新型城镇化对粮食GTFP 增长的异质性影响。由回归结果可以发现(表9),新型城镇化能够显著提高大规模经营地区的粮食GTFP,而对小规模经营地区的粮食GTFP 影响并不显著。其原因可能在于,新型城镇化进程中的各种成果向农村惠及时,大规模经营地区更有能力、更有意愿主动吸收和应用农业新技术和高效管理模式以充分发挥规模经济效应,同时大规模经营地区的专业化、规模化大户较多,他们基于当前收益最大化和未来长远效益的综合考虑,更愿意选择清洁、精细化的新技术替代成本较高的柴油、化肥、农药等要素投入,这不仅能减少粮食生产碳排放和环境污染,还能促进新一轮绿色技术代替高污染、高排放的传统农业技术,进而在很大程度上推动粮食GTFP 的提高。而小规模经营地区的农户缺乏对新型城镇化过程中产生的先进生产和管理方式的主动了解,且学习和掌握现代绿色科学技术的能力相对有限;另一方面,由于耕地细碎化,采用新型绿色技术无疑成倍放大小农户原有的经济成本,因此新型城镇化发展水平的提高还未能显著影响小规模经营农户的粮食GTFP。

表9 新型城镇化对粮食绿色全要素生产率(GTFP)影响的经营规模异质性分析回归结果Table 9 Regression results of heterogeneity analysis of operation scale of the impact of new urbanization on grain green total factor productivity (GTFP)

3.6 机制分析

根据本文的理论机制分析,新型城镇化对促进粮食GTFP 增长的过程中,技术创新起着重要的中介作用,因此选用中介效应模型对技术创新这一影响路径进行实证检验,同时为保证实证结果的稳健性,加入IV-2SLS 模型做对比分析(表10)。首先,将新型城镇化与技术创新回归,模型(3)、模型(4)回归结果均显示新型城镇化在1%的置信水平上对技术创新产生正向影响,说明提高新型城镇化发展水平能够提升技术创新。进一步地,将新型城镇化、技术创新与粮食GTFP 进行回归,根据模型(5)、模型(6)的回归结果可知,新型城镇化和技术创新对粮食GTFP 均会产生显著的正向影响。另外,对比模型(1)、模型(2)在加入技术创新水平之后,新型城镇化对粮食GTFP 的影响系数变小,说明在两者之间技术创新发挥了部分中介作用,即存在“新型城镇化→技术创新→提升粮食GTFP”的作用机制。

表10 技术创新对新型城镇化影响粮食绿色全要素生产率(GTFP)的中介效应回归结果Table 10 Regression results of mediating effects of technological innovation on impact of new urbanization on grain green total factor productivity (GTFP)

为进一步验证技术创新的中介效应,在此对其进行Bootstrap 和Sobel 检验。检验结果(表11)表明,直接效应和中介效应的系数显著且均不包含零值,因此根据温忠麟等[30]的研究,可以认为技术创新的中介作用成立。另外,Sobel 检验的P值(表12)通过了1%的显著性检验,且占比为0.5443。再次印证了新型城镇化促进粮食GTFP 提高的过程中在一定程度上是通过技术创新来实现的,验证了该文假说2的成立。

表11 技术创新对新型城镇化影响粮食绿色全要素生产率的中介效应和直接效应的Bootstrap 法检验结果Table 11 Test results of mediating effect and direct effect of technological innovation on impact of new urbanization on grain green total factor productivity (GTFP) by Bootstrap method

表12 技术创新对新型城镇化影响粮食绿色全要素生产率(GTFP)的中介效应的Sobel 法检验结果Table 12 Test results of Sobel test of mediating effect of technological innovation on impact of new urbanization on grain green total factor productivity (GTFP)

3.7 进一步分析-农村人力资本的调节效应

前文理论分析表明农村人力资本会强化新型城镇化对粮食GTFP 的影响。本研究采用固定效应模型和IV-2SLS 模型并分别设立去中心化后的健康性人力资本(c_HH)、教育性人力资本(c_HE)和迁移性人力资本(c_HT)与新型城镇化(c_UR)的交互项,进行实证检验这3 种形式的人力资本对新型城镇化的促进效应发挥着正向调节作用这一理论假设。

结果如表13 所示,由模型(1)至模型(6)的结果可知,无论采用固定效应模型或IV-2SLS 模型,新型城镇化的系数均在1%的水平显著为正,另外,本文所考察的3 种形式的农村人力资本与新型城镇化的交互项系数也均显著且方向为正,分别为10.0115、2.9249 和8.1984,说明健康性人力资本、教育性人力资本和迁移性人力资本均强化了新型城镇化对粮食GTFP 的促进效应,且健康性人力资本的正向调节效应最强,迁移性人力资本次之,教育性人力资本相对较弱。健康性人力资本是人类从事生产活动的基础,不仅能激发农村劳动力的劳动动能以保证劳动供给规模,还能发挥专注力和创造力以保持较高的劳动生产率和劳动供给质量,对粮食GTFP 的增长发挥着重要的基础性作用。迁移性人力资本的提高在新型城镇化进程中有助于加强城市与农村的联系,有效促进要素的自由流动进而优化要素资源配置效率,所以能显著强化粮食GTFP 的增长。而教育性人力资本虽然对劳动力知识水平和创新能力的提高起主导作用,但教育性人力资本投资具有间接性、长期性和迟效性的特点,且一般受教育水平越高的农村劳动力越倾向于从事报酬更高的第二、三产业,进而弱化了其在新型城镇化对粮食GTFP 影响中发挥的正向调节作用。同时,上述结果也表明,在新型城镇化进程中增加农村人力资本投资,能显著促进粮食GTFP 的增长。

表13 农村人力资本与新型城镇化对粮食绿色全要素生产率(GTFP)的交互效应回归结果Table 13 Regression results of interaction effect between rural human capital and new urbanization on grain green total factor productivity (GTFP)

4 结论与建议

本文基于2007—2021 年中国31 个省份(直辖市、自治区,不含港澳台地区)的面板数据,首先利用SBM-GML 指数模型和熵值法分别测度中国各省份的粮食GTFP 及新型城镇化综合发展水平,其次运用面板回归模型实证分析新型城镇化对粮食GTFP的影响,最后分别检验了技术创新的中介效应以及农村人力资本的调节效应。研究发现: 第一,在样本期内,全国粮食GTFP 年均值为1.0082,说明我国粮食GTFP 存在一定程度的改善,且呈现波动上升的态势;新型城镇化发展水平不断提高,省域间新型城镇化水平的差异呈现不断缩小趋势。第二,从影响效果看,新型城镇化对粮食GTFP 具有显著的促进效应,且存在明显的区域差异和地区经营规模差异,新型城镇化能显著促进粮食主产区、产销平衡区和大规模经营地区的粮食绿色生产,对主销区和小规模经营地区的作用效果并不显著。第三,从中介效应和调节效应看,技术创新在新型城镇化促进粮食GTFP中发挥着中介作用,且中介效应达54.43%;健康性人力资本、教育性人力资本以及迁移性人力资本均在新型城镇化对粮食GTFP 影响中发挥正向调节作用。

基于上述结论,提出如下政策建议:

第一,新型城镇化对粮食GTFP 的促进效应主要通过技术进步实现的,而对粮食技术效率具有显著负向影响,因此应降低新型城镇化进程中对粮食绿色生产所带来的负面冲击,减小城市对农村和粮食生产部门的虹吸效应,充分发挥城市现代先进生产要素的扩散效应,促使粮食产业转向以知识、技术要素为主导的内生经济增长模式的结构性调整。同时要引入现代高效节能的新型农业基础设施并促进要素质量升级,以加快我国农业生产部门的现代化体系建设,减少粮食生产碳排放和面源污染,提高产出水平和粮食GTFP。第二,要引导新型城镇化健康有序发展,并促进城市各企业积极参与粮食生产科技的研发,通过政策引导与市场机制相结合加快绿色高效生产技术向农村转移,进而有效发挥新型城镇化的技术创新效应,推动粮食产业绿色发展。同时,应注重培育农村人力资本,随着城镇化进程中种粮劳动力的减少,应不断增加农村居民医疗保健、文教娱乐及交通通信等方面的投资,培养有知识、有技术、有眼光的新型职业农民来弥补劳动力供给规模和质量上的缺失,强化新型城镇化对粮食GTFP的促进效应。第三,目前我国财政支农水平规模不断扩大,但对部分地区的粮食绿色发展正向促进作用递减。因此在不断增强农业财政投资力度的同时,也需要合理规划财政投资结构、提升财政投资效率,充分发挥农业财政支出的实际效果。