秦 帅，陈 红，王浩坤

（东北林业大学经济管理学院，哈尔滨150040）

一、引 言

推动农业高质量发展是实现农业大国向农业强国转变的必然要求（郭翔宇，2022）。优化要素配置被认为是推动农业高质量发展的前提（杨建利等，2021），但中国农业长期面临着要素错配问题（郑宏运等，2019）。作为我国粮食安全的压舱石，与主销区相比，粮食主产区的要素错配问题更为严重且农业高质量发展水平急需提升（王颂吉等，2021；辛岭等，2019），因此纠偏要素错配成为推动农业高质量发展，实现农业强国的有效途径。

关于农业高质量发展的评价，部分学者认为高质量发展具有多维特征，需要构建综合评价体系进行测度（Qin等，2022）。另有部分学者认为绿色全要素生产率是高质量发展的源泉，可单独用其衡量农业高质量发展（Wang 等，2019）。比较来看，综合评价法由于指标选择存在主观性和随机性，导致已有测度结果的横向可比性变弱，而单一指标法又无法充分概括高质量发展的多维特征。由于农业高质量发展面临农业多功能协调发展失衡问题（徐光平等，2021），且拓宽农业多功能以促进农业生产者收入水平提高是农业高质量发展的本质内涵（于婷等，2021）。因此，本文从农业生态功能视角出发，利用农业绿色全要素生产率对农业生态高质量进行表征，以避免上述问题产生。

要素错配对农业发展的影响是近年来学者关注的热点话题。从研究范围看，既有研究大多集中在区域（陈训波，2012）、国家（Ayerst 等，2020）或者全球层面（Adamopoulos 等，2014），目前尚缺少基于地级市层面的分析。从研究视角看，部分学者讨论了单要素错配对农业生产的影响，如劳动力（Dower等，2018）、土地（Gao 等，2021）和资本（Skevas等，2018），也有部分学者同时将两个或两个以上要素同时纳入分析框架以论证其对农业生产的影响（朱喜等，2011），但忽视了要素之间的不完全替代性。从研究方法看，学者一般参考Hsieh等（2009）或Aoki（2012）的研究框架进行分析，通过数理推导验证要素错配对本地农业生产的影响，忽视了要素市场化改革过程中，要素的空间流动对邻近地区农业生产的影响。

本文主要目的是从粮食主产区地级市层面出发，揭示要素错配对农业生态高质量发展的影响。主要的边际贡献包括三个方面。第一，从地级市层面探索要素错配对农业发展的影响，地市级尺度的分析具有更小空间范围上的政策指导性，更能提高估计结果和政策指导的精确性。第二，丰富了从空间维度分析要素错配影响农业生态高质量发展的研究内容。既有研究仅关注要素错配对本地农业产生的影响，但随着要素空间流动性加强，在分析过程中应考虑空间因素。第三，探究要素错配影响农业生态高质量发展的作用机制和非线性特征。既有成果大多对要素错配的成因进行分析，但涉及要素错配如何作用于农业生态高质量以及其作用效果是否存在非线性特征的文献相对较少。鉴于此，文章基于2004～2020 年中国粮食主产区154个地级市的面板数据，对其要素错配和农业生态高质量发展状况进行评价，在此基础上，运用空间杜宾模型实证检验地市层面要素错配对农业生态高质量发展的空间效应和作用机制，并进一步利用面板门槛模型分析要素错配对农业生态高质量发展的非线性影响。

二、机理分析

（一）要素错配与农业生态高质量发展

优化要素配置是推动农业高质量发展的前提（杨建利等，2021）。与商品市场相比，中国的要素市场改革相对滞后，党的十八届三中全会提出让市场在资源配置中发挥决定性作用，改变了以政府为主导而让市场发挥基础性作用的传统资源配置方式，虽然推动了要素配置效率的提高，但中国农业部门仍存在要素错配问题（Qin等，2022）。要素错配不仅抑制了农业产出的增长，且可能导致农业面源污染问题的产生（郑宏运等，2019；葛继红等，2012）。依据农业生产特性可知，农业生产存在一定季节性，在不同生产阶段其对要素配置的要求也不同。另外，作为推动农业发展的重要外部力量，政府相关农业发展政策的实施具有时间滞后性，导致要素配置对农业发展的影响也因政策的推广而存在差异。同时，各地市在农业资源禀赋、农业生产方式、农业技术水平和农业经济发展水平等方面存在差异性，使得要素配置对农业发展的影响因地理空间的变化而变化，且农业生产存在显著空间相关性，随着要素市场化改革的稳步推进，生产要素的空间流动不断加强，意味着本地农业发展必然会受到邻近地区农业生产要素配置的影响。基于以上分析，提出假说1。

假说1：要素错配对农业生态高质量发展的抑制作用存在显著空间溢出效应且具有时空异质性。

（二）要素错配、产业升级与农业生态高质量发展

产业结构升级是推动农业高质量发展的关键因素。农业产业结构的优化升级带动中国的农业绿色全要素生产率不断提升，显著提高农业整体发展质量（金芳等，2020）。依据配第—克拉克定理，随着一国经济发展水平的提高，其产业结构也会随着生产要素的流动而不断优化升级。产业结构调整的过程实质是生产要素的流动和重新配置，随着生产要素的流动，要素错配程度会有所下降，农业高质量发展水平不断提升。但目前产业结构升级速度较慢，导致现阶段的农业产业结构已远不能适应农业高质量发展的要求（涂圣伟，2016）。产业结构升级能有效提高各类型要素配置效率，进而缓解农业资源要素错配情况，带动农业高质量发展。就资本错配而言，产业结构升级可增加农业产业吸纳资本能力，引导金融资金流向农村和农业领域，提高资本供需匹配度，缓解资源错配程度，使农业资本实现跨区域整合，推动农业高质量发展。就劳动力资源错配而言，产业结构升级可吸引高素质的劳动力向农业领域回流，逐步形成新型农业经营主体，缓解劳动力资源错配，为农业高质量发展提供人力资源保障。依据以上分析，提出假说2。

假说2：农业产业升级可缓解要素错配对农业生态高质量发展的抑制作用。

（三）要素错配、科技进步与农业生态高质量发展

与商品市场相比，中国要素市场化改革进程相对滞后，使得要素价格产生扭曲，导致其价格无法真实反映要素的稀缺程度（李平等，2014）。要素价格的扭曲引发无风险套利空间的出现，理性的创新主体倾向于通过争夺有形的要素资源来寻求自身发展，而不是开展高投入和高风险的技术创新活动。另外，要素价格的低估会抑制创新人才的积极性，不利于人力资本的形成和培养，从而挤压技术创新效率。加之长期困扰中国农业发展的科技投入不足的状况至今仍未得到根本改观（魏后凯，2017），导致与发达国家相比，我国农业科技创新水平仍然相对较低。虽然以劳动节约型技术进步为代表的农业科技创新推动了农业生产效率的提升，但以化石能源为动力的农业机械的大规模使用，在提高农业生产效率的同时，也带来了农业生态环境的破坏，对农业生态高质量发展水平的提升带来不利影响。依据以上分析，提出假说3。

假说3：农业科技进步强化了要素错配对农业生态高质量发展的不利影响。

三、变量选取和模型构建

（一）变量选取和说明

1.被解释变量

农业生态高质量（GTFP）。遵循已有成果（李欠男等，2020），采用超效率EBM-GML模型测算粮食主产区地级市农业绿色全要素生产率，并将测算结果作为农业生态高质量发展的代理变量。考虑到其测算结果为环比指数，因此在回归分析中将其转换为以2004年为基期的定基指数。参考已有研究（李欠男等，2020；李谷成，2014），测算过程中的投入变量为第一产业就业人员、农作物播种面积、农业机械总动力、化肥折纯量和有效灌溉面积，期望产出为农林牧渔业总产值（2004年不变价），非期望产出为农业面源污染。其中农业面源污染核算所需的相关系数主要来自陶园等（2021）的研究成果，污染来源主要包括化肥（氮肥、磷肥和复合肥）、农田固体废弃物（稻谷、小麦、玉米、大豆、薯类、油料和蔬菜）和畜牧业（牛、羊和猪）所产生的化学需氧量、总氮和总磷。由于地级市农药、农膜和家禽养殖等数据缺失较为严重，本文未测算。

2.核心解释变量

要素错配（Fmis）。关于要素错配的测量借鉴前人研究成果（郑宏运等，2019；Aoki，2012），在假定土地要素禀赋不变的前提下，将农业生产要素分为资本、劳动和土地。假设各地区生产函数满足柯布—道格拉斯（C-D）形式，基于利润最大化前提，利用拉格朗日乘法计算资本和劳动的相对错配系数。具体如下所示：

式（2）和式（3）中，γKi和γLi分别表示资本和劳动的相对错配系数；Ki和Li分别为i地区的农业资本存量和劳动力数量，K和L分别为主产区总的农业资本存量和劳动力数量；si代表i地区农业产出占主产区的比重；βKi和βLi分别为i地区的资本和劳动弹性；βK和βL则分别表示资本和劳动贡献的加权值。由于各地市的经济和技术发展水平存在差异，其资本和劳动产出的弹性可能不同，所以其弹性系数是在规模报酬不变的C-D生产函数的基础上，利用变截距、变斜率的变系数面板模型进行估算。计算过程中所涉及的产出为农林牧渔总产值（2004年不变价），投入为农业资本存量、第一产业从业人员和农作物播种面积。其中农业资本存量利用永续盘存法测量，各地级市的折旧率采用其所在省份的数值，分省折旧率参考宗振利等（2014）的研究成果，第一产业从业人员和农作物播种面积采用统计年鉴数据。

上述两式以地区平均水平为参照系衡量资本和劳动的错配程度，忽视了要素之间不完全替代性，无法反映资本相对劳动是否存在错配。因此，借鉴Qin 等（2022）的方法，进一步构建要素错配系数（Fmis）来反映资本相对劳动的错配程度：

式（4）中，Fmis越大，表示资本相对劳动错配越严重，若Fmis为零则不存在要素错配。

3.控制变量

为避免遗漏变量可能产生的内生性偏误，文章进一步将以下变量纳入计量模型。经济发展水平（Pgdp）：以地级市人均GDP衡量地区经济发展水平；机械化水平（Mech）：以单位农业播种面积上的农业机械总动力进行衡量；城镇化水平（Urban）：采用城镇人口占总人口的比重进行衡量，城镇人口缺失的地市以非农业人口数据进行替代；工业化水平（Industry）：采用第二产业增加值占地区GDP的比重进行度量；财政支农水平（Fsup）：利用地级市农林水事务支出与总财政支出的比值作为其代理指标。

4.调节变量

农业产业升级（Upgrade）。农业产业升级是指农业产业形成、发展和衰退的过程。农业产业结构的优化升级带动中国的农业绿色全要素生产率不断提升，农业整体发展质量得到显著提高（金芳等，2020）。依据配第—克拉克定理，本文采用农林牧渔服务业总产值与农林牧渔业总产值的比重对其衡量。

农业科技进步（Tech）。农业科技进步是指不断用先进的农业技术代替落后的农业技术，以促进农业生产力的发展。技术进步是推动农业高质量发展的重要因素。借鉴Qin等（2022）研究方法，利用农业生产函数测度农业科技进步，设规模报酬不变的农业生产函数为其中，Yt为农林牧渔业总产值（2004年不变价），kit分别为农作物播种面积、第一产业从业人员、农业机械总动力、农业化肥折纯量，βi为贡献率，At为农业科技进步指标。

（二）数据来源与描述性统计

本文研究样本为2004～2020年中国13个粮食主产区地级市，删除数据缺失严重的兴安盟、锡林郭勒盟、乌兰察布市、巴彦淖尔市、阿拉善盟、延边州、大兴安岭地区、巢湖市、莱芜市、济源市、恩施自治州、随州市、仙桃市、天门市、潜江市、神农架林区、湘西土家族苗族自治州、阿坝藏族羌族自治州、甘孜藏族自治州、凉山彝族自治州及省会城市（省会城市一般是该省的政治、经济和文化中心，不以农业发展见长），最终获得154个地级市的平衡面板数据。以2004年作为研究起点的原因在于当年颁布了21世纪第一个中央一号文件，且该年也是中国粮食产量十九连丰的起点，为农业高质量发展奠定了坚实的物质基础。文中数据主要来源于EPS数据库，缺失值利用各地市统计年鉴和国民经济和社会发展统计公报或均值法进行补充。各变量的描述性统计如表1 所示，可知多数变量的均值均大于标准差，说明数据离散程度不高，可进行下一步分析。

表1 描述性统计

（三）模型构建

为考察要素错配对农业生态高质量发展的影响，本文构建一般性的空间计量模型（Lesage 等，2009）：

式（1）中，下标i和t分别表示区域和年份，yit表示地级市i在第t年的农业生态高质量发展水平；Xit为解释变量的集合；β为解释变量的待估参数向量；ρ为被解释变量的空间滞后系数；φ为解释变量的空间回归系数；μi、vt分别代表空间和时间效应；εit为服从独立同分布的随机误差项；Wij为空间权重，以地市间最短距离的倒数表示。

四、结果分析

（一）要素错配的动态演进

由图1可知，第一，主峰分布在曲线的左侧且曲线中心位置整体呈现波动左移的趋势，说明粮食主产区大多数地市的要素错配水平相对较轻，且整体不断下降；第二，波峰高度呈现波动上升趋势，且曲线覆盖宽度不断缩小，由宽峰向尖峰转变，表明地市间要素错配的绝对差异不断缩小；第三，曲线拖尾在右侧波动增加，分布延展性有所扩张，表示要素错配处于高值区的地市数量有所增加且与平均水平的差异不断扩大。第四，整个研究期内，要素错配分布始终保持一个主峰为主和右侧多个隆起次峰为辅的形态，但侧峰与主峰间的高度差距较大，预示着地级市的要素错配仍具有一定的梯度特征，呈微弱的多极分化态势。鉴于不同地市间影响要素配置的经济发展水平、政府支持力度、产业发展水平等存在明显的异质性，短期内要素错配程度较高的地市难以快速赶上要素错配程度较轻的地市，两者之间差距可能会在一定时期内持续拉大。

图1 2004～2020年要素错配核密度

综上，研究期间主产区要素错配程度波动下降，整体错配程度相对较轻且地市间差异不断缩小，但要素错配程度较高的地市与平均值的差异不断扩大且极化特征明显。

（二）农业生态高质量发展的动态演进

由图2可知，第一，2004～2020年曲线中心整体呈现波动右移态势，说明农业生态高质量不断提升。整个研究期间，地级市农业生态高质量发展水平达到1.0718，技术进步保持着年均7.93%的增长速度，而技术效率则年均增长-0.69%，表明农业生态高质量的增长源泉主要来自前沿技术进步的“单轨驱动”。第二，波峰高度整体呈“降低—升高—降低”的波动下降趋势，由尖峰转向宽峰，且曲线覆盖面积有一定的递增特点，说明地市间农业生态高质量发展水平的绝对差异不断扩大。第三，曲线拖尾在右侧波动增加，分布延展性一定程度上存在扩张趋势，表明农业生态高质量发展处于高值区的地市与平均水平的差异有所扩大；第四，核密度曲线经历了从多峰向单峰的演化过程，说明农业生态高质量发展由扩散向收敛转变，极化现象不断削弱。

图2 农业生态高质量核密度

综上所述，2004～2020年，粮食主产区地市层面的农业生态高质量发展水平受技术进步的“单轨驱动”在不断提高，虽然地市间的极化现象有所削弱，但绝对差异不断扩大。

（三）要素错配对农业生态高质量发展的影响

1.变量空间自相关检验

由表2可知，在不同的空间权重下，两个变量在多数年份均通过至少10%显著性水平检验，说明农业生态高质量和要素错配存在空间相关性，适宜采用空间计量模型。

表2 农业生态高质量和要素错配全局莫兰指数

2.模型检验及选择

由表3可知，LM检验、Robust LM检验、Wald检验和LR检验均通过1%显著性水平检验，表明选择空间杜宾模型合理（Lesage 等，2009）。同时Hausman 检验在1%水平上显著，所以选择含有固定效应的空间杜宾模型。对比个体固定、时点固定和个体时点双固定三种模型，发现只有时点固定效应模型的多数变量通过显著性检验，且核心解释变量的作用方向符合预期，因此，文章最终选择时点固定效应的空间杜宾模型进行分析。

表3 空间计量模型检验结果

3.基准回归

实际回归中对所有绝对值变量作对数化处理以避免异方差的影响，具体结果见表4。

表4 全样本估计及空间效应分解结果

可知，农业生态高质量的空间自回归系数ρ在1%水平上显著为负，说明区域农业发展过程中存在“虹吸效应”，即农业生态高质量发展水平较高的地区会吸引周边地区的生产要素，提升本地区的农业发展水平，但对邻近地区的农业发展带来负面影响。由于空间杜宾模型的估计系数是有偏的而无法被解释为边际效应（Lesage等，2009），回归结果只是对各因素的作用方向进行初步判断，因此需进一步利用偏微分分解方法将各驱动因素的总效应分解为直接效应和间接效应，结果见表4。

（1）从核心解释变量来看：要素错配的直接和间接效应均在1%水平上显著为负，表明要素错配抑制了本地和邻近地市农业生态高质量发展水平的提升。要素错配阻碍了农业生产效率和农业产出水平的提高，降低了农业生产者的市场收益，随着收入水平的下降，农业生产者的绿色生产行为和采用绿色防控技术的意愿随之下降（刘迪等，2019）。另一方面，由于区域市场分割问题依然存在，相邻地市间无法按照市场规则进行生产要素的流动和优化调整，导致邻近地市的要素错配问题无法有效改善，进而抑制了其农业生态高质量发展水平的提升。

（2）从控制变量来看：经济发展水平的提升会推动区域增长极的形成，通过极化效应吸收周边地区的资源和要素，推动本地农业生态高质量发展水平提高，但同时也导致邻近地区农业发展缺失必要的生产要素，进而抑制其农业生态高质量发展水平的提升；机械化水平的提高会加大对化石能源的需求，不利于本地农业生态高质量发展，且农机跨区作业大多发生在不同纬度的地区之间，而相邻地市的农业生产大多同时进行，因此其溢出效应不显著；城镇化水平的提升加速了土地和农村青壮年劳动力的非农化，为避免农业产出水平的下降，农户会加大对化肥等化学物品的使用，进而抑制本地农业生态高质量发展水平的提升。另一方面城镇规模的扩大带动农产品需求的增长，在区域内部市场无法满足农产品需求之时，需要引入周边地区农产品，而城镇居民对绿色、安全农产品的消费需求会倒逼农业生产者改进生产方式，减少农业污染。财政支农政策在促进农业发展的同时，也可能扭曲要素的市场价格，加剧农业面源污染的产生（葛继红等，2012）。工业化的快速发展要求农业部门提高产能以满足其对原材料的需求，但受自然资源禀赋的限制，农业部门只能通过加大化学元素的使用来实现扩大产出的目的，这无疑会加大对农业生态环境的破坏。

通过上述分析可知核心解释变量要素错配对农业生态高质量发展的抑制作用不仅体现在本地农业上，且存在显著的空间溢出效应，至此，假说1得到部分验证。

4.稳健性检验及内生性处理

为进一步验证上述结果的合理性，本节从以下5方面进行检验，具体结果如表5所示。

表5 稳健性及内生性处理结果

（1）更换权重。在前文地理权重的基础上，进一步构建经济地理权重矩阵以检验上文结果的可靠性，结果见表5第（1）列。

（2）替换因变量。将因变量更换为绿色技术效率，继续检验要素错配对农业生态高质量发展的影响，结果见表5第（2）列。

（3）缩尾处理。为避免变量极端值的存在对模型估计精度的影响，对因变量和核心解释变量进行1%分位的双边缩尾处理并重新回归。结果见表5第（3）列。

（4）调整时间窗口。中国经济发展具有“五年规划”的演变特征，在同一规划时间内的宏观政策相对一致，样本观测结果较为可靠。因此利用近5 年的样本（2016～2020 年）重新估计，结果见表5第（4）列。

（5）为避免遗漏变量的模型设定偏误及其内生性问题，文中引入因变量的滞后项加以缓解。采用动态空间SDM模型处理引入滞后项带来的内生性问题。结果见表5第（5）列。

通过上述检验发现，核心解释变量估计系数的方向和显著性并未发生根本变化，仅仅系数大小有所差异，表明研究结果稳健可靠。

5.调节效应分析

上文实证结果表明要素错配抑制了农业生态高质量发展且具有显著空间溢出效应。本节基于理论分析主要探讨要素错配影响农业生态高质量发展的作用路径。

为检验要素错配对农业生态高质量的负面影响是否会随着农业产业的优化升级而削弱，在基准回归模型中引入要素错配与农业产业升级的交互项（Fmis×Upgrade）进行验证，表6第（1）列汇报了检验结果。可知交乘项的各项分解系数均为正值，但仅有直接效应显著，说明农业产业升级仅有助于削弱本地要素错配对农业生态高质量发展的不利影响，溢出效应尚未显著发挥，可能的原因在于各地市农林牧渔服务业规模较小，无法通过发挥规模效应对邻近地市农业发展水平的提升形成辐射带动作用。至此，假说2得到验证。

表6 要素错配影响农业生态高质量的调节效应分析

在基准回归模型中引入要素错配与农业科技进步的交互项（Fmis×Tech），验证农业科技进步水平的提高是否会强化要素错配对农业生态高质量发展的抑制作用。表6第（2）列结果表明，交互项的各项分解项至少在10%水平上显著为负，说明农业科技进步强化了本地和邻近地市要素错配对农业生态高质量发展的负向影响。原因可能在于当前农业技术研发的焦点集中在提高农业生产效率，针对环保技术的研发尚在起步阶段，不足以有效缓解要素错配对农业生态高质量的负向影响。至此，假说3得到验证。

6.异质性检验

在前文研究的基础上，进一步将样本按地理区位、农业生态高质量发展水平和要素配置方式进行分组，对基准回归结果进行异质性检验，估计结果如表7第（1）列至第（6）列所示。

表7 异质性检验结果

（1）地理区位异质性。为检验要素错配对农业生态高质量发展的影响是否具有空间异质性，按南方和北方两个组别对粮食主产区进行划分，将山东、河南、河北、内蒙古、黑龙江、吉林和辽宁7 省区的地市划归为北方地区，其余为南方地区。对不同地区样本重新估计，结果见表7第（1）列至第（2）列。可知，北方地区的要素错配对本地农业生态高质量发展具有显著抑制作用，这与其要素错配程度较高密不可分。而南方地区的要素错配则存在正向溢出效应。可能的原因在于与北方地区相比，南方地区的要素市场化配置水平相对较高（卢现祥等，2021），同时要素错配程度较低，本地的生产要素可与邻近地市通过跨区域要素流动调整配置，不断优化邻近地市的要素配置状态，进而实现其农业生态高质量发展水平的提升。

（2）发展水平异质性。为检验要素错配的作用效果是否因农业生态高质量发展水平的高低而不同，基于ArcGIS10.8软件的热点分析模块，将农业生态高质量的年度几何均值划分为冷点、次冷点、次热点和热点四个层级，将冷点和次冷点地市合并为农业生态高质量发展的低水平地区，反之为高水平地区。对基准模型分样本回归，结果见下表第（3）列和第（4）列。从分解效应来看，对高水平地市而言，要素错配抑制其邻近地市农业发展水平的提高，农业发展水平较高地区可通过虹吸效应从邻近地市吸收生产要素，使邻近地市缺乏足够的生产要素进行调整和配置，进而阻碍其农业生态高质量发展水平的提升。对低水平地市而言，要素错配对农业发展的抑制作用主要体现在对当地农业的影响，溢出效应并不显著。

（3）要素配置方式异质性。为检验要素错配对农业生态高质量发展的影响是否具有时间异质性，以2013年为界将样本分为两组（2013年以后市场在资源配置中发挥了决定性作用，优化了要素配置效率）。回归结果见表7第（5）列和第（6）列。从分解效应来看，2004～2013年，要素错配对农业生态高质量发展水平的提升具有显著抑制作用。2013～2020 年，要素错配回归系数均未通过显著性水平检验，且系数绝对值明显下降，在一定程度上表明要素市场化改革提高了资源配置效率，缓解了要素错配对农业生态高质量发展的负向影响。

通过上述分析可知，要素错配对农业生态高质量发展的影响随着时间和空间的变化而变化，至此，假说1得到全部验证。

7.非线性讨论

上文实证表明在要素错配作用于农业生态高质量发展的过程中，农业产业升级和农业科技进步可发挥显著调节作用，本节进一步以两者为门槛变量，检验要素错配对农业生态高质量发展的影响是否存在非线性特征。

借鉴Hansen（1999）的研究思路对模型是否存在门槛效应进行检验，同时确定门槛个数和门槛值。表8是门槛效应的检验结果。可知，当农业科技进步为门槛变量时，存在双门槛效应，门槛值分别为0.1932和0.5407，均通过1%显著性水平检验。农业产业升级未通过相应检验，因此本节仅分析农业科技进步的门槛效应。根据门槛模型的原理，门槛估计值是似然比统计量LR趋近于0时对应的γ值。图3为门槛变量的似然比函数图，图中虚线为LR值在5%显著性水平下的临界值7.35，虚线以下的区域构成门槛值95%的置信区间。由于临界值明显大于LR统计量的最低值，所以认为已测算的门槛值真实有效。

图3 门槛变量似然比函数图

表8 门槛效应检验及门槛值

当农业科技进步为门槛变量时，要素错配对农业高质量发展的影响整体呈“U 型”特征（见表9）。具体表现为：当农业科技进步低于门槛值0.1932时，要素错配的回归系数在1%水平上显著为负；当农业科技进步进入门槛值0.1932 和0.5407 之间以及跨过门槛值0.5407 时，要素错配的回归系数均在1%水平上显著为正。究其原因，当农业科技进步低于门槛值时，此时农业科技发展水平相对较低，要素配置效率的高低成为推动农业生态高质量发展的关键，此时要素错配问题的存在不仅降低了农业生产效率，且导致农业生产者收益下降，抑制其采取绿色生产的行为。随着农业科技进一步提升并跨过门槛值，要素错配显著提升了农业生态高质量发展水平，虽然与预期不符，但仍有合理之处，此时农业科技发展水平相对较高，且随着市场化改革的稳步推进，地市间要素错配程度在不断下降，要素错配对农业发展的负向影响不断降低，而农业科技进步对农业发展的促进作用日趋提高，当农业科技进步的促进作用高于要素错配的抑制作用时，两者综合作用下，会导致随着农业科技水平的发展，要素错配正向促进农业生态高质量发展水平的提升。

表9 面板门槛模型参数估计结果

五、结论与政策建议

（一）结论

基于2004～2020年中国13个粮食主产区154个地级市的面板数据，利用计量模型分析了要素错配对农业生态高质量发展的溢出效应、作用机制及非线性影响，具体结论如下：

第一，研究期间，地市间要素错配程度不断下降且整体处于低位徘徊，地市间差异有所减小。受农业技术进步的影响，地级市农业生态高质量发展水平不断提高，但地市间差异有所扩大。

第二，要素错配对农业生态高质量发展的抑制作用具有显著时空异质性。要素错配抑制了本地和邻近地市农业生态高质量发展水平的提升。其中，随着地理区位的变化，北方地区的要素错配对本地农业生态高质量发展具有显著抑制作用，而南方地区的要素错配则存在正向溢出效应；当农业生态高质量发展处于高水平时，本地要素错配阻碍了邻近地市农业发展水平的提升，当农业生态高质量发展处于低水平时，要素错配会抑制本地农业发展水平的提升；在2013年之前，要素错配对本地和邻近地市农业生态高质量发展水平的提升均存在抑制作用，但2013年之后，该抑制作用不再具有统计意义的显著性。

第三，随着农业产业结构的优化升级，要素错配对本地农业生态高质量发展水平提升的抑制作用被不断削弱，但随着农业科技水平的提升，要素错配对本地农业生态高质量发展的负向影响则被进一步强化，且当农业科技进步进入不同的门槛区间时，要素错配对农业生态高质量发展的影响呈现出先抑制后促进的“U型”特征。

（二）政策建议

第一，从要素市场的关联性出发，联动培育农业生产要素市场。完善制度体系推动要素自由流动，充分发挥粮食主产区各地市资源禀赋优势，依托数据技术构建农村闲置资源信息共享平台，促进相邻地区“农地、宅基地、农机具、劳动力、农产品”等闲置资源共享；完善农业社会化服务体系，成立农事服务产业联盟，形成农事服务快速响应体系，提高要素配置效率。

第二，拓展农业要素市场空间，引领农业产业结构优化升级。粮食主产区各地市可通过培育优势特色产业，延长农业产业链。同时加强主产区内部各省及各地市之间的交流合作，构建“点—线—面”的区域合作机制，形成产业集聚效应，促进农业生产要素在地区间高效流动，推动产业结构优化升级。

第三，“科技+数字”赋能粮食主产区经济效益与环境效益的协同提高。尽管主产区粮食产量不断提高，但并未导致其农业生态高质量发展水平的下降，反映出在农业现代化发展进程中可实现经济效益和生态效益的协调统一。粮食主产区需要利用数字经济创造的新机遇，改变传统要素的投入结构，迭代升级“互联网+农业服务+绿色技术”模式，快速改变传统的农业生产方式。

第四，因地制宜制定要素配置措施。北方地区可通过深化要素市场改革，完善生产要素的定价机制，使其真实反映稀缺程度和供求关系，从而更好地引导资源向高效率领域流动。同时通过加强农业领域的监管力度，规范市场秩序，防止部分企业通过不正当手段获取生产要素，妨碍要素市场的正常运行。南方地区相邻近地市间应加强区域合作，共同制定区域发展规划和政策，促进区域内的协同发展。可通过建立区域合作机制、加强经济协作等方式，促进区域内的资源共享和优势互补，提高整体农业绿色全要素生产率水平；对农业生态高质量发展处于高水平的地区，可通过加强与邻近地市的区域合作，促进生产要素的合理流动和优化配置。通过建立合作机制，推动资源共享和优势互补，实现区域内的协同发展。对农业生态高质量发展处于低水平的地区，主要是完善高素质农民培育培训机制，制定新型农业经营主体的人才培育制度，强化投入保障，积极争取建设投资、财政补助、运行投入等经费，加大财政资金支持力度，重点缓解本地要素错配对农业生态高质量发展的负向影响。