摘要 基于2012—2021年黃河流域省級面板數據，運用Global-Malmquist-Luenberger模型測算該流域農業(yè)綠色全要素生產率，并實證分析數字普惠金融對該流域農業(yè)綠色全要素生產率的影響。結果表明：①黃河流域農業(yè)綠色全要素生產率呈增長趨勢，年均增長2.5%。各區(qū)域當中，下游農業(yè)綠色全要素生產率均值最高，中游最低，上游則處于中間水平。各?。▍^(qū)）中，僅有內蒙古自治區(qū)農業(yè)綠色全要素生產率均值小于1，主要是因為技術進步受阻的現象，總體農業(yè)綠色生產技術出現衰退。其余?。▍^(qū)）農業(yè)綠色全要素生產率均值均大于1，僅山西省存在技術轉化不暢，技術轉化效率低的問題。②數字普惠金融總指數、覆蓋廣度、使用深度和數字化程度指數對黃河流域總體農業(yè)綠色全要素生產率、技術進步指數和技術效率指數均有顯著的正向影響。數字普惠金融總指數和數字化程度指數對上、中、下游均有顯著的正向影響，覆蓋廣度指數和使用深度指數對中、下游有顯著的正向影響，對上游的正向影響不顯著。

關鍵詞 數字普惠金融；農業(yè)綠色全要素生產率；Global-Malmquist-Luenberger模型；黃河流域

中圖分類號 F323.3 文獻標識碼 A 文章編號 0517-6611（2024）21-0197-06

doi：10.3969/j.issn.0517-6611.2024.21.041

開放科學（資源服務）標識碼（OSID）：

Research on the Impact of Digital Inclusive Finance on Agricultural Total Factor Productivity in the Yellow River Basin

YUAN Jia-wei

（Economics and Management School of Yangtze University， Jingzhou， Hubei 434023）

Abstract Based on provincial panel data in the Yellow River Basin from 2012 to 2021， calculate the green total factor productivity of agriculture in the basin using the Global Malmquist Lunberger model， and empirically analyze the impact of digital inclusive finance on the green total factor productivity of agriculture in the basin. The results indicate that： ① The green total factor productivity of agriculture in the Yellow River Basin is showing an increasing trend， with an average annual growth rate of 2.5%. Among various regions， the average green total factor productivity of downstream agriculture is the highest， the middle reaches are the lowest， and the upstream is at the middle level. Among all provinces （regions）， only Inner Mongolia Autonomous Region has an average agricultural green total factor productivity of less than 1， mainly due to the phenomenon of technological progress being hindered， resulting in a decline in overall agricultural green production technology. The average green total factor productivity of agriculture in other provinces （regions） is greater than 1， and only Shanxi Province has the problem of poor technology transformation and low technology transformation efficiency. ② The total index of digital inclusive finance， coverage breadth， depth of use， and degree of digitization have significant positive effects on the overall agricultural green total factor productivity， technological progress index， and technological efficiency index in the Yellow River Basin. The total index of digital inclusive finance and the degree of digitization index have significant positive impacts on upstream， midstream， and downstream， while the coverage breadth index and depth of use index have significant positive impacts on midstream and downstream， while the positive impact on upstream is not significant.

Key words Digital inclusive finance;Agricultural green total factor productivity;Global Malmquist Lunberger model;Yellow River Basin

作者簡介 袁加偉（1987—），男，江西上饒人，碩士研究生，研究方向：農業(yè)保險服務鄉(xiāng)村振興。

收稿日期 2023-12-12

農業(yè)是我國經濟發(fā)展的基礎，我國歷來重視農業(yè)的發(fā)展，但長期以來，我國農業(yè)的發(fā)展模式都以粗放式發(fā)展為主。長期的粗放式發(fā)展導致我國農業(yè)污染嚴重，土壤肥力下降，土壤板結嚴重，對我國農業(yè)的可持續(xù)發(fā)展產生不利影響。為促進農業(yè)可持續(xù)發(fā)展，我國政府出臺了一系列政策，如中央一號文件等，都提出了要推動農業(yè)綠色發(fā)展，進而實現農業(yè)可持續(xù)發(fā)展。雖然農業(yè)綠色發(fā)展的趨勢是不可逆的，但由于農業(yè)具有弱質性，使得農業(yè)綠色轉型難度較大，也需要更多的資金支持，而傳統金融機構具有較強的趨利性，所提供的金融服務也偏向于第二、三產業(yè)，這使得農業(yè)綠色發(fā)展很難從傳統金融機構獲得金融支持。數字普惠金融具有較強的普惠性，又兼具數字屬性，使得其使用深度和覆蓋廣度均明顯優(yōu)于傳統金融，同時也降低了涉農產業(yè)融資的難度，使得農業(yè)綠色發(fā)展能夠獲得更多的資金支持。

隨著數字技術的發(fā)展和環(huán)保意識的深入人心，數字普惠金融和農業(yè)綠色發(fā)展逐漸受到學術界的重視，并成為學術界研究的熱點。有關普惠金融的研究起步較早，2010年Sarma［1］利用定量分析的方法對普惠金融的發(fā)展進行了測算，并根據測算結果分析各國之間發(fā)展的差異。隨著信息技術和數字技術的發(fā)展，金融逐漸與數字技術融合［2］，使得普惠金融的數字化程度得到提升，進一步促進了數字普惠金融的發(fā)展［3］。數字普惠金融的發(fā)展使得其具有更高的使用深度和覆蓋廣度，金融的公平性也獲得了進一步提高［4］，偏遠地區(qū)和欠發(fā)達地區(qū)能夠獲得的金融資源也更多，進一步降低了地區(qū)間金融發(fā)展的差距［5］。數字普惠金融的普惠性和易得性使得各項產業(yè)都能夠獲得金融支持，促進地區(qū)經濟發(fā)展［6］，縮小城鄉(xiāng)收入差距，降低收入的不確定性［7］。

隨著人們對優(yōu)質農產品需求的增加，學術界加大了對農業(yè)綠色全要素生產率的研究。傳統的農業(yè)全要素生產率研究并沒有將環(huán)境污染納入到具體的分析當中，Pittman［8］最早考慮環(huán)境污染問題，他在分析造紙廠全要素生產率的過程當中將污染問題列入了非期望產出當中，為后來的研究提供了方向［9］?，F階段有關農業(yè)綠色全要素生產率的分析主要包含對農業(yè)綠色全要素生產率的動態(tài)演進分析［10］和區(qū)域性差異分析［11］等，同時還包括農業(yè)勞動力老齡化［12］、環(huán)境規(guī)制［13］、農業(yè)保險發(fā)展［14］和農業(yè)社會化服務［15］等對農業(yè)綠色全要素生產率的影響。因此，筆者根據黃河流域2013—2021年數字普惠金融和農業(yè)綠色生產的面板數據，運用Global-Malmquist-Luenberger（GML）模型測算該流域農業(yè)綠色全要素生產率，運用Tobit模型分析該流域數字普惠金融對農業(yè)綠色全要素生產率的影響。

1 變量選取及模型設定

1.1 變量選取及數據來源

1.1.1 糧食綠色全要素生產率變量選取。

參考王亞飛等［16］和沈洋等［17］的研究成果，依據數據的可得性，選取農業(yè)機械總動力、有效灌溉面積、化肥施用量、農村用電量、農作物播種總面積、第一產業(yè)從業(yè)人員、農用塑料薄膜使用量、農藥使用量、農用柴油使用量作為投入變量，選取農業(yè)總產值作為期望產出，農業(yè)碳排放量作為非期望產出，并構建相應指標體系（表1）。

按照李波等［17］的研究成果，該研究建立了一個估算公式，并給出了農業(yè)碳排放源及系數表，以便更好地了解農業(yè)碳排放情況。估算公式如下：

E=Ei=Ti×γi（1）

式中：E為農業(yè)的碳排放總量；Ei為各種碳源的碳排放量；Ti為各碳排放源的量；γi為各碳排放源的碳排放系數。經過研究，分別歸納出農業(yè)碳排放系數，化肥使用量、農藥施用量、農用塑料波摸使用量、農用柴油使用量、農作物總播種面積、有效灌溉面積的系數分別為0.895 6 kg·kg-1、4.934 1 kg·kg-1、5.18 kg·kg-1、0.592 7 kg·kg-1、312.6 kg·km-2、20.476 kg·hm-2。

1.1.2 Tobit回歸模型變量選取。

參考唐勇等［19］和張啟文等［20］的研究，將黃河流域農業(yè)綠色全要素生產率作為被解釋變量，將數字普惠金融總指數、覆蓋廣度指數、使用深度指數和數字化程度指數作為解釋變量，并進行取對數處理，選取地區(qū)經濟結構、財政支農占比和受災率作為控制變量，具體指標選取見表2。

1.1.3 數據來源。

該研究所用數據中，數字普惠金融總指數、覆蓋廣度指數、使用深度指數和數字化程度指數來源于《北京大學數字普惠金融指數（2011—2021）》，其余數據均由《中國統計年鑒》《中國農村統計年鑒》和《中國人口與就業(yè)統計年鑒》整理得來。

1.2 模型構建

1.2.1 Global-Malmquist-Luenberger模型。

Fre等［21］首先利用DEA方法來統計Malmquist指標，從而使DEA模式可以有效地解析。Chung等［22］進一步在Malmquist模式的基石上引入了方向距離函數，并將其轉化為Malmquist-Luenberger（ML）指數。具體如下：

MLt+1t=（MLt×MLt+1）12=

1+Dt（xt，yt，bt;yt，-bt）

1+Dt（xt+1，yt+1，bt+1;yt+1，-bt+1）

×

1+Dt+1（xt，yt，bt;yt，-bt）

1+Dt+1（xt+1，yt+1，bt+1;yt+1，-bt+1）

12

=

1+Dt+1（xt，yt，bt;yt，-bt）

1+Dt（xt，yt，bt;yt，-bt）

×

1+Dt+1（xt+1，yt+1，bt+1;yt+1，-bt+1）

1+Dt（xt+1，yt+1，bt+1;yt+1，-bt+1）

12

×1+Dt+1（xt，yt，bt;yt，-bt）

1+Dt+1（xt+1，yt+1，bt+1;yt+1，-bt+1）

=Echt+1t×Techt+1t

（2）

式中：x、y表示投入、產出指標；b表示非期望產出；t表示時間；Ech表示技術效率；Tech表示技術進步。

Oh［23］基于Chung等的研究成果，建立了Global-Malmquist-Luenberger（GML）模型，以有效克服傳統Malmquist-Luenberger指數無法實現循環(huán)傳輸性和線性規(guī)劃無解的實際問題，其公式如下：

GML=1+DG（xt，yt，bt;yt，-bt）

1+DG（xt+1，yt+1，bt+1;yt+1，-bt+1）

=1+Dtv（xt，yt，bt;yt，-bt）

1+Dt+1v（xt+1，yt+1，bt+1;yt+1，-bt+1）×

1+DGc（xt，yt，bt;yt，-bt）

1+DGv（xt，yt，bt;yt，-bt）

1+DGc（xt+1，yt+1，bt+1;yt+1，-bt+1）

1+DGv（xt+1，yt+1，bt+1;yt+1，-bt+1）

×

1+DGv（xt，yt，bt;yt，-bt）

1+Dtv（xt，yt，bt;yt，-bt）

1+DGv（xt+1，yt+1，bt+1;yt+1，-bt+1）

1+DT+1v（xt+1，yt+1，bt+1;yt+1，-bt+1）

=Echt+1×Techt+1

=Pecht+1t×Secht+1t×Techt+1t

（3）

式中：技術效率Ech被進一步分解為純技術效率Pech和規(guī)模效率Sech；GML、Pech、Sech大于1（小于1）分別表示全要素生產率提升（下降）、純技術效率改善（惡化）、規(guī)模效率提高（下降）。

1.2.2 Tobit模型。

農業(yè)綠色全要素生產率為離散變量，運用Tobit模型分析數字普惠金融對黃河流域農業(yè)綠色全要素生產率的影響，具體公式如下：

GMLit=θ+αvarit+βcontrolit+εit（4）

其中：GMLit表示省第t年的n農業(yè)綠色全要素生產率；varit表示解釋變量，即數字普惠金融總指數，覆蓋廣度、使用深度和數字化程度指數；controlit為控制變量；α為解釋變量系數，β為控制變量系數，θ為常數項；εit表示隨機誤差項。

2 實證分析

2.1 黃河流域農業(yè)綠色全要素生產率測算結果及分析

基于上述研究方法和指標體系，運用Matlab2017b對黃河流域2013—2021年農業(yè)綠色全要素生產率進行測算，結果見表3～5。

由表3可知，2012—2021年黃河流域農業(yè)綠色全要素生產率均值為1.025，說明在此期間該流域農業(yè)綠色全要素生產率呈增長趨勢，年均增長2.5%。從具體時間來看，該流域僅在2017和2021年的效率值低于1，說明這2年農業(yè)綠色全要素生產率出現了下降，分別下降了4.5%和5.2%。各區(qū)域當中，下游農業(yè)綠色全要素生產率均值最高，中游最低，上游則處于中間水平，且下游地區(qū)各年農業(yè)綠色全要素生產率值均高于1，說明下游地區(qū)始終處于增長狀態(tài)。主要原因是：下游地區(qū)的河南省和山東省均是我國的農業(yè)大省，經濟和科技發(fā)展水平較高，農業(yè)發(fā)展條件也較好，農業(yè)綠色發(fā)展轉型也較為順暢；中游地區(qū)主要位于黃土高原和內蒙古高原，生態(tài)環(huán)境較為脆弱，農業(yè)發(fā)展條件較差，經濟和科技實力也較低，使得該地區(qū)農業(yè)綠色全要素生產率較低；上游地區(qū)的青海省、甘肅省和寧夏回族自治區(qū)雖然也較為脆弱，但四川省農業(yè)發(fā)展水平較高，且青海省、甘肅省和寧夏回族自治區(qū)的設施農業(yè)和生態(tài)農業(yè)發(fā)展較早，這也使得該地區(qū)農業(yè)綠色全要素生產率值高于中游。各?。▍^(qū)）中，僅有內蒙古自治區(qū)農業(yè)綠色全要素生產率均值小于1，這說明在樣本期間內，內蒙古農業(yè)綠色全要素生產率呈下降趨勢，年均下降1.2%。其余?。▍^(qū)）農業(yè)綠色全要素生產率均值均大于1，說明在此期間，黃河流域除內蒙古自治區(qū)外其余?。▍^(qū)）均呈增長趨勢。具體來看，下游的河南省和山東省農業(yè)綠色全要素生產率均值明顯高于其余?。▍^(qū)），上游地區(qū)各?。▍^(qū)）生產率均值雖低于河南省和山東省，但大多數?。▍^(qū)）生產率均值處于中間水平，中游的陜西省生產率均值雖較高，但山西省和內蒙古自治區(qū)卻明顯較低，這也使得中游地區(qū)農業(yè)綠色全要素生產率均值低于上游和下游。

由表4可知，2012—2021年黃河流域農業(yè)綠色技術進步均值為1.026，說明在此期間該流域農業(yè)綠色全要素生產率呈增長趨勢，年均增長2.6%。從具體時間來看，該流域僅在2017和2021年的效率值小于1，說明2017和2021年黃河流域農業(yè)綠色技術進步受阻，出現了短暫的技術衰退。各區(qū)域當中，下游技術進步指數均值最高，中游最低，上游則處于中間水平，且下游地區(qū)各年技術進步指數值均大于或等于1，說明下游地區(qū)農業(yè)綠色技術進步較為通暢。主要原因是：下游地區(qū)的經濟和科技發(fā)展水平較高，農業(yè)發(fā)展條件也較好，這使得下游地區(qū)無論是農業(yè)科研還是科研技術的實驗和轉化均要優(yōu)于上游和中游，技術進步指數也高于上游和中游。各?。▍^(qū)）中，除內蒙古自治區(qū)外，其余省（區(qū)）技術進步指數均值均高于1，說明在樣本區(qū)間內僅有內蒙古自治區(qū)農業(yè)綠色技術進步受阻。

由表5可知，各?。▍^(qū)）中，僅有山西省農業(yè)綠色技術效率指數有波動，且技術效率均值小于1。從時間維度來看，2014—2019年山西省農業(yè)綠色技術效率指數均小于1，說明山西省農業(yè)綠色技術在樣本期間內存在技術轉化不暢，技術轉化效率低的問題。其余省（區(qū)）農業(yè)綠色技術效率均為1，說明這些地區(qū)在樣本期間內農業(yè)綠色技術效率指數值無變動。中游地區(qū)的變化與山西省相同，黃河流域總體農業(yè)綠色技術效率指數均值為1，2014—2017年和2019年農業(yè)綠色技術效率指數值則小于1，技術效率指數值出現下降。

2.2 數字普惠金融對農業(yè)綠色全要素生產率的影響測算及結果分析

該研究選用Tobit模型，分析黃河流域數字普惠金融對農業(yè)綠色全要素生產率的影響，其結果見表6和表7。

從表6可以看出，數字普惠金融總指數，覆蓋廣度、使用深度和數字化程度指數均會對黃河流域農業(yè)綠色全要素生產率產生正向影響，且均通過了0.01水平的顯著性檢驗。數字普惠金融各項指數對技術進步指數的影響也均為正，且通過了0.05水平的顯著性檢驗，說明數字普惠金融各項指數能夠通過提高技術進步指數來提升農業(yè)綠色全要素生產率。數字普惠金融具有較強的易得性，能夠有效彌補農業(yè)科研的資金缺口，進而促進農業(yè)綠色技術進步。數字普惠金融各項指數對技術效率指數的影響均為正，且均通過了0.05水平的顯著性檢驗，說明數字普惠金融能夠提高農業(yè)綠色生產技術的轉化效率，進而提高農業(yè)綠色全要素生產率。

由表7可知，數字普惠金融總指數對上、中、下游均有顯著的正向影響，且分別通過了0.10、0.05和0.01水平的顯著性檢驗，說明數字普惠金融的發(fā)展會對各區(qū)域農業(yè)綠色發(fā)展有促進作用。覆蓋廣度指數分別在0.05和0.01的顯著性水平對中游和下游有正向影響，對上游的正向影響不顯著。主要原因是：上游地區(qū)金融發(fā)展水平較低，金融機構網點數和金融服務人員數均較少，此時的數字普惠金融由于發(fā)展水平過低的原因導致無法發(fā)揮其應有的效用，也就無法對農業(yè)綠色全要素生產率產生顯著的影響；中游和下游地區(qū)金融機構較為發(fā)達，此時的數字普惠金融能夠有效發(fā)揮其效用，進而對農業(yè)綠色全要素生產率產生顯著影響。使用深度指數則在0.10的顯著性水平對中游和下游農業(yè)綠色全要素生產率有正向影響，對上游的影響不顯著。主要原因是：深度指數主要由人均使用次數和人均使用金額等指標構成，由于上游金融發(fā)展水平較低，導致人均使用次數和人均使用金額等均較低，也就不會對農業(yè)綠色全要素生產率產生顯著影響；而中游和下游則由于金融發(fā)展水平較高，因此對農業(yè)綠色全要素生產率有顯著影響。數字化程度指數對上、中、下游有顯著正向影響，說明數字化程度指數對各區(qū)域農業(yè)綠色全要素生產率有促進作用。

3 研究結論和建議

3.1 結論

根據黃河流域2013—2021年面板數據，運用GML模型對該流域農業(yè)綠色全要素生產率進行測算，再運用Tobit模型實證分析數字普惠金融對該流域農業(yè)綠色全要素生產率的影響，得出主要結論如下：

（1）黃河流域農業(yè)綠色全要素生產率呈增長趨勢，年均增長2.5%。各區(qū)域當中，下游農業(yè)綠色全要素生產率均值最高，中游最低，上游則處于中間水平。各?。▍^(qū)）中，僅有內蒙古自治區(qū)農業(yè)綠色全要素生產率均值小于1，主要是因為技術進步受阻的現象，總體農業(yè)綠色生產技術出現衰退。其余?。▍^(qū)）農業(yè)綠色全要素生產率均值均大于1，僅山西省存在技術轉化不暢，技術轉化效率低的問題。

（2）數字普惠金融總指數、覆蓋廣度、使用深度和數字化程度指數對黃河流域總體農業(yè)綠色全要素生產率、技術進步指數和技術效率指數均有顯著的正向影響。數字普惠金融總指數和數字化程度指數對上、中、下游均有顯著的正向影響，覆蓋廣度指數和使用深度指數對中、下游有顯著的正向影響，對上游的正向影響不顯著。

3.2 建議

3.2.1 完善欠發(fā)達地區(qū)和農村地區(qū)數字普惠金融發(fā)展環(huán)境。由上述結論可以看出，黃河上游這種欠發(fā)達地區(qū)數字普惠金融對農業(yè)綠色全要素生產率影響的顯著性較低。數字普惠金融雖然能夠降低金融服務的門檻，但西部欠發(fā)達地區(qū)和農村地區(qū)本身金融發(fā)展基礎較弱。因此，應當逐步擴大欠發(fā)達地區(qū)和農村地區(qū)互聯網覆蓋范圍，促進普惠金融與“互聯網+”的融合，降低金融服務門檻，促進數字普惠金融發(fā)展。

3.2.2

加大農業(yè)綠色技術的投入力度，提高農業(yè)綠色全要素生產率。由上述結論可以看出，農業(yè)綠色全要素生產率下降主要是因為農業(yè)綠色技術進步受阻。因此，應當積極引導社會各界資金進入到農業(yè)綠色技術的研發(fā)當中，逐步開發(fā)出適宜各地實際的農業(yè)綠色生產技術，如適宜于荒漠地區(qū)和黃土高原地區(qū)的高效節(jié)水灌溉技術，耐鹽堿地、耐寒、耐旱的海水稻技術。建立多元投入模式，以政府為主導，以數字普惠金融為輔，引導社會各界資金進入，拓展資金來源，使社會各界都能夠參與到農業(yè)綠色技術研發(fā)當中。

3.2.3

加大人才培養(yǎng)，促進數字普惠金融和農業(yè)綠色協同發(fā)展。首先，加大教育投入力度，尤其是要加大農民職業(yè)教育的投入力度，提高農民素質和技術水平，培育新型農民，提高農民對新型信息技術的接受程度，促使農民能夠熟練利用數字普惠金融，為自身農業(yè)生產提供資金支持。其次，要逐步建立產學研結合的發(fā)展模式，暢通農業(yè)綠色技術的轉化渠道。最后，加大優(yōu)秀人才的引進力度，通過人才引進迅速解決自身發(fā)展所遇到的問題，同時通過引進的優(yōu)秀人才來加強自身人才的培養(yǎng)，逐步提高自身人力資源水平。

參考文獻

［1］ SARMA M.Index of financial inclusion［R］.New Delhi，India：Indian Council for Research on International Economic Relations，2010.

［2］ GABOR D，BROOKS S.The digital revolution in financial inclusion：International development in the fintech era［J］.New political economy，2017，22（4）：423-436.

［3］ KAPOOR A.Financial inclusion and the future of the Indian economy［J］.Futures，2014，56：35-42.

［4］ 郭峰，王靖一，王芳，等.測度中國數字普惠金融發(fā)展：指數編制與空間特征［J］.經濟學，2020，19（4）：1401-1418.

［5］ 張龍耀，邢朝輝.中國農村數字普惠金融發(fā)展的分布動態(tài)、地區(qū)差異與收斂性研究［J］.數量經濟技術經濟研究，2021，38（3）：23-42.

［6］ 薛秋童，封思賢.數字普惠金融、居民消費與經濟高質量發(fā)展［J］.現代經濟探討，2022（7）：26-40.

［7］ 任經輝.黃河流域數字普惠金融對城鄉(xiāng)收入差距影響的實證研究［J］.河南師范大學學報（自然科學版），2022，50（5）：56-62.

［8］ PITTMAN R W.The costs of water pollution control to the Wisconsin paper industry：The estimation of aproduction frontier［D］.Madison：University of Wisconsin-Madison，1979.

［9］ 代瑞熙，許世衛(wèi).中國小麥綠色全要素生產率時空特征及影響因素［J］.農業(yè)工程學報，2022，38（8）：304-314.

［10］ 周應恒，楊宗之.生態(tài)價值視角下中國省域糧食綠色全要素生產率時空特征分析［J］.中國生態(tài)農業(yè)學報，2021，29（10）：1786-1799.

［11］ 彭曉丹，孔令成.長江經濟帶農業(yè)綠色全要素生產率時空差異及收斂性分析［J］.安徽農業(yè)科學，2023，51（14）：213-217，239.

［12］ 王淑紅，楊志海.農業(yè)勞動力老齡化對糧食綠色全要素生產率變動的影響研究［J］.農業(yè)現代化研究，2020，41（3）：396-406.

［13］ 井莉.環(huán)境規(guī)制下我國糧食生產綠色全要素生產率分析［J］.南方農業(yè)學報，2021，52（8）：2311-2318.

［14］ 周法法，鄭義，李軍龍.農業(yè)保險發(fā)展與農業(yè)綠色全要素生產率：內在機制與實證檢驗［J］.世界農業(yè)，2022（10）：70-82.

［15］ 張夢玲，童婷，陳昭玖.農業(yè)社會化服務有助于提升農業(yè)綠色生產率嗎？［J］.南方經濟，2023（1）：135-152.

［16］ 王亞飛，張齊家，柏穎.我國農業(yè)綠色全要素生產率及其時空演變［J］.統計與決策，2022，38（20）：98-102.

［17］ 沈洋，周鵬飛.農業(yè)綠色全要素生產率測度及收斂性分析：基于碳匯和碳排放雙重視角［J］.調研世界，2022（4）：58-68.

［18］ 李波，張俊飚，李海鵬.中國農業(yè)碳排放時空特征及影響因素分解［J］.中國人口·資源與環(huán)境，2011，21（8）：80-86.

［19］ 唐勇，呂太升.數字普惠金融能提升農業(yè)全要素生產率嗎？［J］.哈爾濱商業(yè)大學學報（社會科學版），2023（3）：3-18.

［20］ 張啟文，田靜.數字普惠金融能否提升農業(yè)全要素生產率？——基于異質性與空間溢出效應視角［J］.農業(yè)經濟與管理，2023（1）：45-56.

［21］ FRE R，GROSSKOPF S，KNOX LOVELL C A.Production frontiers［M］.Cambridge：Cambridge University Press，1994.

［22］ CHUNG Y H，FRE R，GROSSKOPF S.Productivity and undesirable outputs：A directional distance function approach［J］.Journal of environmental management，1997，51（3）：229-240.

［23］ OH D H.A global malmquist-luenberger productivity index［J］.Journal of productivity analysis，2010，34（3）：183-197.