环境规制与农业绿色技术创新效率

Environmental regulation and efficiency of agricultural green technology innovation: Based on the two-stage perspective of innovation

摘要

为研究环境规制对农业绿色技术创新效率的影响，从创新价值链视角出发，将农业绿色技术创新划分为技术研发与成果转化2个阶段，在运用两阶段全局网络SBM-DEA模型测度农业绿色技术创新效率的基础上，利用2008—2021年中国30个省、市、自治区的面板数据（统计数据未含西藏和港、澳、台地区，下同），探讨了环境规制对两阶段效率的影响效果及其内在逻辑。结果表明：1）环境规制能有效提高绿色技术研发效率，但却降低了成果转化效率；2）环境规制可以通过规模经营与财政支农这两条路径发挥作用，且二者相辅相成，协同影响农业绿色技术创新效率；3）进一步分析发现，随着环境规制政策的完善，其对绿色成果转化效率的负向影响呈现“减速效应”。同时，规模经营水平的提高，会强化环境规制对创新两阶段效率的影响。本研究为中国政府制定和完善农业绿色发展方案提供了经验证据。

Abstract

To investigate the impact of environmental regulations on agricultural green technology innovation efficiency， this study adopts an innovation value chain perspective and divides the process into scientific research output stage and achievement transformation stage. Based on the application of the two-stage global network SBM-DEA model to measure agricultural green technology innovation efficiency， a panel data of 30 provinces in China from 2008 to 2021 （The data do not include those of Xizang， Hong Kong， Macau， and Taiwan regions. The same below.） was taken to analyze the effects on the efficiency of these two stages and its underlying mechanisms of environmental regulations. The results demonstrate that： 1） Environmental regulations significantly enhance the efficiency of green scientific research output， and significantly diminish the efficiency of achievement transformation；2） The mechanism analysis illustrates that environmental regulation can influence the efficiency of agricultural green technology innovation through the scale management and fiscal support for agriculture. And the two complement each other， synergistically affecting the efficiency of agricultural green technology innovation；3） Further analysis reveals that the negative impact of regulatory policies on the efficiency of green transformation shows a ‘deceleration effect’ with the improvement of environmental regulation policies. At the same time， an increase in the level of large-scale management strengthens the effect of rules on the efficiency of both stages of innovation. This study provides empirical evidence for the Chinese government to formulate and improve agricultural green development plans.

Graphical abstract

关键词

环境规制 / 农业绿色技术创新效率 / 两阶段 / 规模经营 / 财政支农

Key words

environmental regulation / efficiency of agricultural green technology innovation / two-stage / scale management / fiscal support for agriculture

随着资源环境约束加剧与农产品需求刚性增长的矛盾日益凸显，农业农村部于2018年编写并印发了《农业绿色发展技术导则（2018—2030年）》，强调构建绿色技术体系是培育壮大我国农业绿色发展新动能的迫切需要，也是破解农业农村资源环境突出问题的关键路径1

1 2018年7月，农业农村部关于印发《农业绿色发展技术导则（2018-2030年）》的通知，https：//www.gov.cn/gongbao/content/2018/content_5350058.htm

。然而，农业绿色技术创新具有较强的公共品属性，加之创新主体的多元性与弱质性，使得各主体之间难以建立有效的利益联结机制，创新效率提升缓慢，严重阻碍了我国绿色农业的发展进程。而Porter^［1］指出，适当的环境规制可以诱发绿色技术创新。实际上，自第一次污染普查以来，我国农业源污染防控就开始进入国家的重要政策议程，政府陆续出台了一系列环境规制政策。那么，这些规制措施是否能有效地发挥作用？当中的作用机制又如何？在绿色高质量发展成为我国农业发展核心目标之一的战略背景下，及时研判这些规制措施的实施效果，对中国政府进一步制定和完善农业环境规制措施及绿色发展方案，具有重要的理论与现实意义。

基于绿色技术创新的重要性，国内外众多学者早已就环境规制对绿色技术创新的影响展开了分析，现形成以下3种观点：一是环境规制会抑制绿色技术创新。以新古典经济学理论为依据的传统观点从静态角度出发，认为环境规制的实施会增加创新主体的污染治理成本，挤占研发投入，与此同时，提升环境质量还会对生产、销售以及管理等活动形成约束，产生“遵循成本”效应，不利于绿色技术创新^［2-4］。二是环境规制会促进绿色技术创新。以Porter等^［5］为代表的修正观点在“波特假说”的基础上，从动态角度出发，认为适宜的环境规制可以促进技术的进步与扩散，产生“创新补偿”效应，在抵消“遵循成本”效应的同时，还能提高企业的竞争力。随后Brunneimer等^［6］、Hamamoto^［7］、景维民等^［8］大量学者的研究验证了这一观点。三是环境规制对绿色技术创新的影响具有不确定性。这主要体现在环境规制所产生的“遵循成本”效应与“创新补偿”效应发挥作用的时间先后以及强度大小会因为行业、时间、地域以及规制工具的不同而表现出差异性，同时也可能会随自身强度的变化而呈现非线性关系。如李玲等^［9］、蒋伏心等^［10］的研究发现，随着环境规制强度的增加，其所产生的“创新补偿”效应将逐渐由抵消作用转变为补偿作用，最终与绿色技术创新之间呈“U”型关系。

随着环境规制水平的提高，治理成本增加，为提高企业的绿色创新意愿，政府通常会辅以财政支持。但部分学者认为财政支持会对企业绿色创新投入产生挤出、替代效应，抑制企业创新的积极性，从而导致创新低效率^［11］。而政府干预理论认为，财政支持可以补偿企业技术创新的外部风险^［12］，并通过这种支持的“认证效应”向外界释放信号，吸引外部投资，促使创新达到社会最优效率水平^［13］，在环境规制影响绿色创新的过程中具有中介效应^［14］。此外，还有学者发现，由于政府无法实现完全按劳分配的普遍主义再分配，只能根据治理目标按照一定的标准将有限的资源选择性地分配给特定主体^［15］，受这种“选择性再分配”机制的影响，财政支持往往倾向于流向那些经营规模较大、信息网络和政治资源较为丰富的创新主体^［16］，而这种倾斜又会进一步强化规模经营的影响力。

遗憾的是，已有研究主要聚焦于工业领域，而农业领域的研究更侧重于绿色全要素生产率的测算，并通过指数分解剖析环境规制对技术效率的影响^［17-18］，仅有少量文献直接对农业技术创新展开了分析。其中，部分研究从技术研发视角出发，探讨了环境规制对农业绿色技术创新的影响，如王璇等^［19］采用面板门槛模型发现环境治理与农业绿色技术创新呈“U型”关系；展进涛等^［20］基于中国2000—2016年的省级面板数据分析发现，环境规制对涉农企业和农业科研院校的绿色技术创新均有促进作用；储勇等^［21］运用负二项回归模型分析发现自愿参与型环境规制抑制了企业的发明创新活动。而另一部分研究侧重于技术成果的转化，集中于探讨环境规制对农户采纳绿色技术的影响，如罗小娟等^［22］基于太湖流域268户农户的调研数据发现，环境规制可以通过改变种植结构和种植规模，提高绿色技术采用率。李芬妮等^［23］和石志恒等^［24］通过对农户生产行为的分析发现，不同类型的环境规制对绿色技术采纳行为存在异质性影响。可见，在农业领域两者之间的关系也还未形成统一的定论，且技术创新是一个从技术发明到成果实现的全过程^［25］，单从某一阶段出发无法厘清环境规制对农业绿色技术创新的综合影响。

综上所述，相关学者在探析环境规制与绿色技术创新关系层面的研究成果颇多，但针对农业领域的研究较少，得出的结论也不尽一致，同时还鲜有研究从创新价值链视角剖析农业绿色技术创新活动的内在运行机制，并将创新两阶段与环境规制纳入统一框架进行分析。此外，规模经营与财政支农的互动关系也未得到应有关注。针对现有研究的不足，本研究拟从以下几个方面进行拓展：首先，从创新价值链视角出发，构建农业绿色技术创新效率的测度指标体系，并通过两阶段全局网络SBM-DEA模型对其研发、转化以及整体效率进行测算；其次，基于环境规制的“遵循成本”与“创新补偿”双重效应，综合分析环境规制对农业绿色技术创新两阶段效率的影响效果，并深入剖析规模经营与财政支农的中介效应及其协同作用；最后，通过门槛模型进一步探讨环境规制在不同强度和不同规模经营水平下所展现出的异质性影响。以期较为准确地评估相关政策的作用效果，为农业绿色高质量发展提供理论与实践支持。

1　理论分析与研究假设

1.1　环境规制影响农业绿色技术创新效率的总效应

环境规制对农业绿色技术创新效率的影响既有负面的“遵循成本”效应，又有正面的“创新补偿”效应，如图1。

在绿色技术研发阶段，“遵循成本”效应主要体现在挤占研发资金和增加创新约束上：首先，环境规制迫使创新主体不得不将有限的资源转向污染治理与环境监测领域，从而对研发资金产生“挤出效应”^［10］；其次，环境与经济的双重约束增加了创新过程中的难度与不确定性，在一定程度上抑制了创新活动的效率。而“创新补偿”效应则主要体现在倒逼技术进步和吸引创新资源上。一方面，在环境规制的压力下，研发主体为降低成本会积极优化自身的资源配置，加大绿色创新投入，而农业生产者为减少资源消耗与污染排放，对绿色生产要素的需求也会大幅增加，两者均能对绿色技术研发产生“倒逼效应”^［20］。另一方面，政府仍然是当前农业技术创新的“引导者”，绿色金融补贴、生态补偿和促进绿色消费等相关补贴政策的出台，会吸引大量的创新资源流向绿色技术领域，形成资源“集聚效应”，共同推动绿色技术进步。最终，在政府的引导作用下，环境规制的“创新补偿”效应极有可能完全抵消“遵循成本”效应，并逐渐转变为补偿作用。

在绿色成果转化阶段，2个效应的具体表现均与研发阶段有所不同。其中，“遵循成本”效应主要表现为，限制农业生产者对化肥、农药等低成本高污染要素的使用，增加其用于购买绿色生产要素的前端采购费用和处理农业废弃物的末端治理成本，同时还可能会对投资资金产生“挤出效应”，促使污染行业的生产与投资转向规制相对宽松的地区^［19］，例如“南猪北移，东猪西进”。而在“创新补偿”效应中，环境规制的“倒逼效应”和“资源效应”的效果较弱，目前均难以给农业生产者带来有效收益^［17］。一方面，农业生产者在环境规制的外部压力下，会优化资源配置，增加绿色生产要素的投入，有助于在减少污染排放的同时提高农产品品质，但由于我国绿色技术的采纳成本高、绿色农产品认证数量少、绿色认证标准可信度低以及排污权交易市场尚未健全等因素，导致“倒逼效应”可以带来社会效益和环境效益，却难以形成可估量的经济效益，从而降低了农业生产者采纳绿色生产要素的积极性^［24］；另一方面，农业生产者注重个人经济利益，而政府则追求整体社会价值，两者之间的目标冲突与农业生产者本身多而散的特征，使得政府的“资源补偿效应”也很难发挥有效作用。因此，在成果转化阶段，环境规制的“创新补偿”效应较小，尚不足以完全抵消“遵循成本”效应。

基于上述分析，本研究提出H1a和H1b：

H1a：环境规制会提升农业绿色技术研发效率。

H1b：环境规制会降低农业绿色成果转化效率。

1.2　环境规制影响农业绿色技术创新效率的间接效应

1.2.1　规模经营的中介效应

随着农业的发展转型，传统的小农户开始向规模化的新型农业经营主体过渡，而环境规制的实施加速了这一进程。这是因为，规模经营生产者的集约化水平较高，污染的监管与治理成本相对较低，更容易实现与现代市场对接，通常在农产品生产过程中拥有更高的经济收益^［16］。且与小农户相比，规模经营生产者无论从政策导向还是自身实力，都更容易接触和采纳新技术、新品种，能更多地享受环境规制带来的“创新补偿”效应，所以在经济利益的驱动下，严格的环境规制将促使农户积极调整经营规模，进而提升整体的规模经营水平。

而规模经营水平的提升可以降低土地细碎化对新技术应用的限制，提高农户的收益预期，为新技术的采纳创造有利条件，同时对绿色技术研发产生的“需求倒逼”效应也会随之变大，有利于刺激技术研发。但整体的转化效率却不会随之上升，一方面，随着土地流转与非农就业的快速发展，我国土地规模经营得以迅速扩张。据相关数据统计，截至2021年底符合统计标准的家庭农场数达390万家2

2 数据来源：中华人民共和国人民政府：https：//www.gov.cn/xinwen/2022-01/21/content_5669637.htm

，相较于2012年底的87.7万家扩张了约4.4倍，但是在这期间农业技术进步贡献率仅从54.5%提高到了61.5%3

3 数据来源：中华人民共和国农业农村部：http：//www.kjs.moa.gov.cn/gzdt/202208/t20220819_6407317.htm

。这意味着，对农户来说，当技术采纳效益不能抵消经营规模扩大所带来的边际产出下降时，其技术进步的内涵将慢于规模外延的扩张^［26］，成果转化效率会随之下降。另一方面，整体的转化效率不仅取决于技术采用先行者的采用效率，还取决于技术在农户群体内的传播速度。虽然经营规模越大的农户越容易接受公共农技推广服务并成为推广联系农户，但在经济利益的驱动下，其限制优势技术在农户群体内传播的动机越强^［27］，且随着国家政策资源向规模化新型农业经营主体倾斜，传统的小农户被逐渐边缘化，最终导致两者之间的规模水平总体差异不断扩大，进一步降低了小农户学习和模仿规模经营主体农技采纳行为的效率^［28］，也不利于绿色成果转化。据此，本研究提出H2a和H2b。

H2a：环境规制通过规模经营提升绿色技术研发效率。

H2b：环境规制通过规模经营抑制绿色成果转化效率。

1.2.2　财政支农的中介效应

在环境规制的背景下，政府会强调农业生产的环境友好性，并设定绿色农业的发展目标，如减少化肥农药的使用、提高资源利用效率、保护生态环境等，为实现这些目标，政府通常会直接调整财政支农资金的流向，使其更多地投入到符合环保要求的农业项目和领域中，进而影响农业绿色技术的研发与转化^［14］。

具体来说，首先，财政支农能够破解创新主体资金不足的困境。这不仅有助于缓解农业生产者的治理成本压力，还能补充创新资源的投入，克服内部的资源性约束，降低创新主体的边际成本和研发风险，激发绿色创新行为。其次，财政支农具有信号传递效应。依据信号理论，政府对绿色农业的支持行为传递出政府鼓励该产业发展的信号，表明该产业符合当前的环境规制要求，在信息不完全情况下，能有效地降低外部投资者的评价成本。这不仅有利于稳定已有资本的投资预期，还能吸引更多的外部投资向绿色技术的研发与应用聚集。最后，财政支农可以有效弥补创新主体因知识溢出而产生的间接收益损失。但由于政府资源有限，而农业生产者数量庞大且分布广泛，受“选择性再分配机制”的影响，财政支农在成果转化阶段通常会以规模化的新型农业经营主体为主^［16］，在当前小农户基础性地位仍未改变的情况下，可能导致两者之间的经济地位总体差异不断扩大，进而降低技术在农户群体内的传播速度^［28］，同样不利于整体的绿色成果转化。由此，本研究提出H3a和H3b。

H3a：环境规制通过财政支农提升绿色技术研发效率。

H3b：环境规制通过财政支农抑制绿色成果转化效率。

1.2.3　规模经营与财政支农的协同作用

在资源环境约束加剧与农产品供给结构性不足的双重挑战下，规模化的新型农业经营主体凭借其卓越的经营管理能力、高效的土地产出率以及更容易成为先进技术有效载体等优势^［16］，逐渐成为政府政策资源倾斜的重心。2016年《财政部 农业部关于全面推开农业“三项补贴”改革工作的通知》印发后，我国农业政策的补贴重心进一步转向适度规模经营。这些惠农政策的倾斜往往会提高规模经营者的收入预期，从而鼓励其进一步扩大经营规模。同时，在地方政府长期以来的规模偏好下，传统的小农户为实现收入最大化也会对其经营规模进行调整。由此可知，规模经营与财政支农可能相互促进，二者的协同作用共同影响农业绿色技术创新效率。据此，本研究提出了H4。

H4：规模经营与财政支农相互促进，协同影响农业绿色技术创新效率。

2　研究设计

2.1　模型设定

2.1.1　效率测算模型

传统的DEA模型只关注最初投入和最终产出，而在实际的绿色技术创新活动中，创新的投入产出由一系列的子过程构成。鉴于网络DEA模型能考察各个子过程对总效率的影响，同时为了将资源环境要素纳入到效率的测算中，且保证不同年份之间的效率具有可比性，参考Tone等^［29］的研究，采用考虑非期望产出的两阶段全局网络SBM-DEA模型对农业绿色技术创新效率进行测算。如图2所示，农业绿色技术创新包含两个阶段，令各阶段的投入、产出和中间变量分别为x_j^k、y_j^k和z_j^{(\mathrm{1,2})}，现假定有n个决策单元\mathrm{D}\mathrm{M}{\mathrm{U}}_j\left(j=\mathrm{1,2},\dots ,n\right)，每个决策单元有K(k=\mathrm{1,2})个节点，节点之间的连接关系为\left(\mathrm{1,2}\right)，各节点的投入和产出变量个数为m_k、r_k。

基于上述假定，生产可能集被定义为：

\left\{\begin{array}{l}{x}^k\ge {\displaystyle \sum _{j=\mathrm{1}}^n}{x}_j^k{\lambda }_j^k(k=\mathrm{1,2})\\ y^k\le {\displaystyle \sum _{j=\mathrm{1}}^n}{y}_j^k{\lambda }_j^k(k=\mathrm{1,2})\\ z^{(\mathrm{1,2})}={\displaystyle \sum _{j=\mathrm{1}}^n}{z}_j^{(\mathrm{1,2})}{\lambda }_j^{\mathrm{1}}(\mathrm{第}\mathrm{1}\mathrm{阶段}\mathrm{作为}\mathrm{产出})\\ z^{(\mathrm{1,2})}={\displaystyle \sum _{j=\mathrm{1}}^n}{z}_j^{(\mathrm{1,2})}{\lambda }_j^{\mathrm{2}}(\mathrm{第}\mathrm{2}\mathrm{阶段}\mathrm{作为}\mathrm{投入})\\ {\lambda }_j^k\ge \mathrm{0}(\forall j,k)\end{array}\right.(1)

本研究选用非径向效率，被评价单元总效率{\rho }_{\mathrm{0}}^{*}的计算公式如下：

\begin{array}{l}{\rho }_o^{\mathrm{*}}=\underset{{\mathrm{\lambda }}^k,{\mathrm{s}}^{k-},{\mathrm{s}}^{k+}}{\mathrm{m}\mathrm{i}\mathrm{n}}\frac{{\displaystyle \sum _{\mathrm{k}=\mathrm{1}}^{\mathrm{K}}}{w}^k[\mathrm{1}-\frac{\mathrm{1}}{m_k}({\displaystyle \sum _{\mathrm{i}=\mathrm{1}}^{m_{\mathrm{k}}}}\frac{{\mathrm{s}}_i^{k-}}{x_{io}^k})]}{{\displaystyle \sum _{\mathrm{k}=\mathrm{1}}^{\mathrm{K}}}{w}^k[\mathrm{1}+\frac{\mathrm{1}}{r_k}({\displaystyle \sum _{\mathrm{r}=\mathrm{1}}^{r_{\mathrm{k}}}}\frac{{\mathrm{s}}_r^{k+}}{y_{ro}^k})]}\\ \mathrm{s}.\mathrm{t}.x_{\mathrm{0}}^k=X^k{\lambda }^k+s^{k-},y_{\mathrm{0}}^k=Y^k{\lambda }^k-s^{k+},\\ {\lambda }^k\ge \mathrm{0},s^{k-}\ge \mathrm{0},s^{k+}\ge \mathrm{0},\forall k\\ Z^{(\mathrm{1,2})}{\lambda }^{\mathrm{1}}=Z^{(\mathrm{1,2})}{\lambda }^{\mathrm{2}},\forall k,h\\ {\displaystyle \sum _{k=\mathrm{1}}^K}{w}^k=\mathrm{1},w^k\ge \mathrm{0}(\forall k)\end{array}(2)

式中：w^k为第k阶段的权重（本研究技术研发和成果转化阶段均取0.5）；s^{k-}、s^{k+}为投入和产出的松弛变量；Z^{(\mathrm{1,2})}{\lambda }^{\mathrm{1}}=Z^{\left(\mathrm{1,2}\right)}{\lambda }^{\mathrm{2}}表示在保持投入和产出连续时，2个子过程属于自由链接。

根据Tone^［29］的定义，决策子单元的效率测算公式如下：

{\rho }_k=\frac{\mathrm{1}-\frac{\mathrm{1}}{m_k}({\displaystyle \sum _{\mathrm{i}=\mathrm{1}}^{m_k}}\frac{s_i^{\mathrm{k}-\mathrm{*}}}{x_{\mathrm{i}\mathrm{o}}^k})}{\mathrm{1}+\frac{\mathrm{1}}{r_k}({\displaystyle \sum _{\mathrm{r}=\mathrm{1}}^{r_k}}\frac{s_r^{\mathrm{k}+\mathrm{*}}}{y_{\mathrm{r}\mathrm{o}}^k})}(3)

式中：s^{k{-}^{*}}、s^{k{+}^{*}}分别为投入冗余和产出不足的最优值。

2.1.2　基准回归模型

为了检验环境规制对农业绿色技术创新效率的影响，本研究设定的基准回归模型如下：

\mathrm{t}\mathrm{e}\mathrm{c}{\mathrm{h}}_{it}^k={\alpha }_{\mathrm{1}}+{\beta }_{\mathrm{1}}\mathrm{e}{\mathrm{r}}_{it}+{\gamma }_{\mathrm{1}}{x}_{it}+{\epsilon }_{it}(4)

式中：\mathrm{e}{\mathrm{r}}_{it}为i省份在t年度的规制强度；\mathrm{t}\mathrm{e}\mathrm{c}{\mathrm{h}}_{it}^k(\mathrm{k}=\mathrm{1}\mathrm{、}\mathrm{2})分别为i省份在t年度农业绿色技术的研发效率和成果转化效率；X为一系列控制变量；{\beta }_{\mathrm{1}}和{\gamma }_{\mathrm{1}}为待估计参数；{\epsilon }_{it}为随机扰动项，{\alpha }_{\mathrm{1}}为常数项。由于两阶段效率的取值都在0~1，对于这类受限因变量模型的估计，Tobit截尾模型更合适，但因固定效应Tobit模型的估计结果可能会有偏^［30］，所以本研究采用随机效应的面板Tobit模型，并设定角点解的上界为1，下界为0。

2.1.3　作用机制检验模型

1）中介效应模型

根据江艇^［31］提出的中介效应影响分析建议，构建如下模型：

M_{it}={\alpha }_{\mathrm{2}}+{\beta }_{\mathrm{2}}\mathrm{e}{\mathrm{r}}_{it}+{\gamma }_{\mathrm{2}}{x}_{it}+{\epsilon }_{it}(5)

式中：M为中介变量代表规模经营或财政支农；{\alpha }_{\mathrm{2}}为常数项；{\beta }_{\mathrm{2}}、{\gamma }_{\mathrm{2}}为待估计参数，其他符号含义同式（4）。

2）协同作用模型

规模经营与财政支农之间具有较为复杂的互动关系，采用单一方程不仅难以刻画二者关系，还可能引起较为严重的内生性问题。因此，本研究构建如下两个联立方程模型：

\mathrm{g}\mathrm{o}{\mathrm{v}}_{it}={\alpha }_{\mathrm{3}}+{\beta }_{\mathrm{3}}\mathrm{s}\mathrm{c}\mathrm{a}\mathrm{l}{\mathrm{e}}_{it}+{\gamma }_{\mathrm{3}}{y}_{it}+{\epsilon }_{it}^{\mathrm{1}}(6)

\mathrm{s}\mathrm{c}\mathrm{a}\mathrm{l}{\mathrm{e}}_{it}={\alpha }_{\mathrm{4}}+{\beta }_{\mathrm{4}}\mathrm{g}\mathrm{o}{\mathrm{v}}_{it}+{\gamma }_{\mathrm{4}}{z}_{it}+{\epsilon }_{it}^{\mathrm{2}}(7)

式中：\mathrm{s}\mathrm{c}\mathrm{a}\mathrm{l}{\mathrm{e}}_{it}和\mathrm{g}\mathrm{o}{\mathrm{v}}_{it}分别为i省份在t年度的规模经营水平和财政支农水平；{\alpha }_{\mathrm{3}}、{\alpha }_{\mathrm{4}}为常数项；{\beta }_{\mathrm{3}}、{\beta }_{\mathrm{4}}、{\gamma }_{\mathrm{3}}、{\gamma }_{\mathrm{4}}为待估计参数；y_{it}、z_{it}分别为一系列的控制变量，其他符号含义同式（4）。

2.2　变量选取

2.2.1　被解释变量

本研究的被解释变量为农业绿色技术的研发效率和成果转化效率(\mathrm{t}\mathrm{e}\mathrm{c}{\mathrm{h}}_{it}^k)，即通过两阶段全局网络SBM-DEA模型测算得到的相对效率值，参考李洪炼等^［32］和赵路等^［33］的相关研究，构建农业绿色技术创新效率测度指标体系，详细说明如下。

1）绿色技术研发阶段的投入产出变量。

投入变量：研发经费和研发人员。研发机构和高等院校是我国农业技术研发资金投入最大的创新主体，因此本研究使用两者农业科学部分的R&D经费之和以及R&D人员全时当量之和4

4 R&D经费（人员全时当量）=各地区高等院校R&D经费内部支出（人员全时当量）×全国农林牧渔学科投入经费（人员全时当量）占比+各地区研究与开发机构R&D经费内部支出（人员全时当量）×全国农业科学R&D经费内部支出占比。

来衡量农业绿色技术研发阶段的投入，鉴于R&D经费的影响存在滞后性，本研究采用永续盘存法计算资本存量，具体计算方法如下：

K_{\mathrm{0}}=I_{\mathrm{0}}/(g+\delta )(8)

K_i=(\mathrm{1}-\delta )K_{i-\mathrm{1}}+I_i(9)

式中：i为年份；0为基期；K为资本存量；I为经费投入量；g为年平均增长率；δ为折旧率；其中折旧率借鉴肖文等^［34］的研究设定为10%。

产出变量：农业发明专利申请量。该阶段主要以科技知识类产出作为创新成果，一般使用发明专利申请量或授权量来衡量，考虑到专利授权存在时间滞后性，因此，本研究采用农业发明专利申请量来表征5

5 由于WIPO国际专利分类绿色清单和国家知识产权局于2023年8月发布的《绿色技术专利分类体系》中与农林牧渔业相关的绿色专利仅包含农业和林业中的部分技术分支，覆盖面相对较窄，所以本研究使用农业发明专利量表征农业绿色技术研发产出。

。

2）绿色成果转化阶段的投入产出变量。

投入变量：包括中间产出、非研发投入和其他资源消耗，其中中间产出作为研发阶段的重要成果，并不会立即退出技术创新系统，会作为下一阶段的投入被转化应用。非研发投入包括农业资本投入、农业技术人员投入和土地投入，其中农业资本投入使用各省农业固定资产投资表征，同样通过永续盘存法计算资本存量，具体计算方法见式（9）和（10），折旧率参考孙致陆等^［35］的研究取5.42%，农业技术人员投入以国有企事业单位农业技术人员数量表示，土地投入以农作物播种面积与水产养殖面积之和表示，其他资源消耗包括农业能源消耗总量和农业用水量。

产出变量：包括期望产出和非期望产出。农业绿色技术创新的最终目标是实现经济与环境的双重提升，因此本研究选取第一产业增加值作为最终期望产出。非期望产出是指农业生产过程中的主要污染排放，具体包括农业水体污染物排放量、农业碳排放量以及土壤中的农膜残留量。其中水体污染物涵盖3类主要排放源：一是畜禽养殖业排放的化学需氧量、总氮、总磷和氨氮，具体涉及生猪、奶牛、肉牛和家禽等；二是种植业中化肥流失所产生的总氮、总磷和氨氮；三是人工海水养殖业和人工淡水养殖业排放的化学需氧量、总氮、总磷和氨氮。具体测算方法参考《排放源统计调查产排污核算方法和系数手册》6

6 2021年6月，生态环境部关于发布《排放源统计调查产排污核算方法和系数手册》的公告，https：//www.mee.gov.cn/xxgk2018/xxgk/xxgk01/202106/t20210618_839512.html

。农业碳排放也包括三类主要排放源：一是化肥、农药、农膜、柴油和灌溉等农用物质投入活动产生的碳排放量；二是水稻种植和土地翻耕活动产生的碳排放量；三是各类反刍动物饲养产生的碳排放量，具体包括牛、马、驴、骡、生猪、山羊和绵羊等，测算方法参考李波等^［36］和何艳秋等^［37］的研究。土壤中的农膜残留量参照《第二次全国污染源普查农业源产排污系数手册》7

7 2020年6月，生态环境部关于发布《第二次全国污染源普查公报》的公告，https：//www.gov.cn/xinwen/2020-06/10/content_5518391.htm

测算所得。

2.2.2　解释变量

本研究的核心解释变量为环境规制（\mathrm{e}{\mathrm{r}}_{it}）。在现实情况中，环境规制的种类多样，大致可分为以法律法规为主的命令控制型、以市场为基础的经济激励型和公众自愿参与型。就我国农业领域而言，目前最常用的是命令控制型环境规制^［38］。因此，本研究从政策角度出发，使用农业农村环境保护政策数量表征各地区的环境规制水平。同时，考虑到政策效应的滞后性，环境规制水平具体取累积至上一年末现存有效的相关政策量。

2.2.3　中介变量

规模经营（scale）：参考叶锋等^［39］的做法，使用劳均种植面积进行衡量，即各省农作物播种面积与第一产业劳动人口的比值。

财政支农（gov）：根据数据的可获得性，使用地方财政农林水事务支出占地方GDP的比重表征各地财政支农水平。

2.2.4　控制变量

为尽可能避免遗漏相关变量而引起内生性问题，参考展进涛等^［20］和马国群等^［17］的研究引入以下控制变量：1）经济发展水平：经济基础是绿色创新不可或缺的支撑，与环境污染也有着密切联系，选取人均GDP（pgdp）和税收水平（fis）进行衡量，其中税收水平以税收收入占地区GDP的比重表示；2）产业集聚：产业在空间上的集聚能够强化技术创新的溢出作用，采用区位熵计算各省份的产业集聚度（agg）；3）农业结构：考虑到农、林、牧、渔业的污染类型、污染强度以及对绿色技术的需求都不尽相同，选取农业占比（frame1）、林业占比（frame2）和牧业占比（frame3）进行衡量，分别以农业、林业以及牧业产值与地区农林牧渔总产值之比表示；4）农业发展环境：良好的农业发展环境有利于促进绿色技术的推广与应用，选取基础设施（inf1）、灌溉条件（inf2）和农业机械化程度（inf3）3个指标进行衡量，分别以农村公路覆盖率、有效灌溉面积和单位播种面积的机械总动力表示；5）创新环境：适宜的外部环境有利于提高创新效率，选取地方财政科技支出水平（sci）和人均财政教育支出（edu）进行衡量，分别以财政科技支出占地区GDP的比重和财政教育支出与各省年末常住人口之比表示；6）农村人口老龄化：老龄化的人力资本结构导致农业生产者的整体思维呈现保守发展趋势，限制了新技术的推广与应用，以各地区农村65岁以上人口占比（old）表示。

2.3　数据来源及处理

基于数据的可获得性与完整性，本研究选用除西藏、香港、澳门及台湾以外中国30个省（市、自治区）2008—2021年的面板数据，下同。数据主要来源于《中国环境年鉴》^［40］、《中国科技统计年鉴》^［41］、《中国畜牧兽医年鉴》^［42］、《中国农村统计年鉴》^［43］、智慧芽专利数据库、北大法宝网、国家统计局以及各省统计年鉴等。此外，为消除物价波动带来的影响，对所有涉及价格度量的原始数据均以2008年为基期作平减处理；为保证数据的平稳性，对环境规制、人均GDP和有效灌溉面积等非比值变量均作对数化处理。主要变量的描述性统计见表1。

3　实证结果与分析

3.1　效率测算结果分析

本研究利用Dearun软件对中国30个省（市、自治区）2008—2021年的农业绿色技术创新效率进行测度，结果如图3。从整体来看，我国农业绿色技术创新总效率呈现平稳上升趋势，到2021年达到最大值0.76，但仍存在24%的效率损失，有较大的改进空间。分阶段看，2个阶段的效率呈现出不同的变化特征。在绿色技术研发阶段，效率总体呈现波动上升趋势，其中，2008—2017年的增长速度较快，这主要得益于近年来中央一号文件反复强调要强化农业科技创新的支撑作用，并相继颁布了一系列政策措施，如《农业法》、新《种子法》和《关于创新体制机制推进农业绿色发展的意见》等，为农业绿色技术创新营造了良好的外部环境。而在绿色成果转化阶段，效率总体上比较平稳，呈先下降后上升的趋势，2008年的效率值最高，达到0.92，之后开始逐渐下降，直到2018年以后才开始有所回升。值得注意的是，在2008—2017年，研发效率上升而转化效率下降，原因可能是，农业绿色技术研发存在“唯专利论”的现象，导致科研成果与产业需求不匹配。同时，前期投入大且周期长的研发成本会反映到绿色生产要素的价格上，而相应的补贴扶持政策还未及时跟上，从而造成绿色成果转化效率下降。随着《中华人民共和国促进科技成果转化法》（2019修订）以及相应的补贴政策颁布后，绿色成果转化效率又有所回升。

3.2　基准回归结果分析

本研究利用stata17.0软件进行环境规制对农业绿色技术创新效率影响的回归分析，结果见表2。其中各模型的LR检验均通过了显著性检验，表明使用随机效应面板Tobit模型较为合理。

由回归结果可知，模型1和3只加入了核心解释变量，模型2和4在此基础上加入了控制变量，结果均显示环境规制对绿色技术研发效率的影响系数显著为正，而对绿色成果转化效率的影响系数显著为负，表明环境规制可以提高绿色技术研发效率，但同时也会降低绿色成果转化效率，H1a和H1b得以验证。这说明，在绿色技术研发阶段，环境规制的“倒逼效应”和“资源效应”发挥了有效作用，最终“创新补偿”效应实现了由抵消作用转变为补偿作用，这与展进涛^［20］的研究结果一致；在绿色成果转化阶段，环境规制的“约束效应”明显地增加了农业生产者的生产成本，而绿色成果转化却难以在短期内带来显著的经济效益，所以环境规制在这一阶段所产生的“创新补偿”效应尚不足以抵消“遵循成本”效应，这一结果验证储勇^［21］的观点。

3.3　稳健性与内生性检验

3.3.1　稳健性检验

为验证环境规制对农业绿色技术创新效率影响效应的稳健性，本研究采取以下方法：一是调整研究样本。剔除北京、天津、上海以及重庆4个直辖市的数据，以减少因行政级别不同而对研究结果产生的潜在干扰，结果见表3的模型1和4；二是缩尾处理。对环境规制变量进行1%的双缩尾处理，结果见表3的模型2和5；三是替换回归模型。由于面板Tobit模型找不到个体异质性的充分统计量，控制个体固定效应会导致估计量不一致，因此，本研究进一步采用双向固定效应面板模型对二者关系进行再检验，结果见表3的模型3和6。经调整后的回归模型在整体上与基准回归模型基本保持一致，可见本研究基准回归的估计结果具有较强的稳健性。

3.3.2　内生性检验

考虑到环境规制与农业绿色技术创新效率可能存在双向因果关系，同时技术创新也可能存在一定的惯性，从而导致模型存在内生性，造成基准回归出现估计偏误。为此，本研究采用工具变量法和系统广义距估计（SYS-GMM）对基准回归结果进行再检验（表4）。

其中模型1和3展示了使用环境规制滞后一期作为两阶段最小二乘法工具变量的回归结果，Kleibergen-Paap rk LM统计量在1%的水平上显著，表明拒绝工具变量识别不足的原假设，Cragg-Donald Wald F统计量大于Stock-Yogo弱工具变量识别检验在10%显著性水平上的临界值，表明拒绝弱工具变量的原假设，即本研究选取的工具变量有效，结果显示环境规制对绿色技术研发效率的影响显著为正，而对成果转化效率的影响显著为负。模型2和4展示了SYS-GMM模型的回归结果，为得到一致估计，该模型要求工具变量为外生变量，扰动项不存在自相关，同时差分后的扰动项不存在二阶序列相关，对此需要进行Sargan或Hansen工具变量有效性检验以及ArellanoBond序列相关检验。最终，Hansen检验的P>0.1，说明选取的工具变量有效；AR（1）和AR（2）的P分别<0.1和>0.1，表明样本的残差序列符合要求，即SYS-GMM的结果可靠。回归结果显示，环境规制对绿色技术研发效率与成果转化效率的影响分别呈正显著和负显著，且两阶段效率滞后一期的回归系数均显著为正，说明技术创新在时间维度上确实存在一定惯性。两种方法的回归结果与基准回归基本保持一致，表明在考虑内生性的情况下，基准回归得到的结论依然成立。

3.4　影响机制检验

3.4.1　中介效应检验

本研究根据式（5）分别对规模经营和财政支农的中介效应进行检验。为避免中介变量对被解释变量的因果关系理论论证不充分的问题，本研究参考李万利等^［44］的研究，在此基础上进一步检验了中介变量对被解释变量的影响，具体结果见表5。

表5中模型1~3为规模经营的中介效应检验结果。可知，环境规制对规模经营的回归系数在5%显著性水平下为正，同时规模经营对研发效率的回归系数显著为正，而对成果转化效率的回归系数显著为负，说明环境规制可以通过促进规模经营提高绿色技术研发效率，但同时也降低了成果转化效率，H2a和H2b得以验证。这一结果也说明，尽管规模经营主体对绿色技术的需求更大，但随着经营规模的扩大，其技术进步内涵将难以抵消规模外延的扩张，且在经济利益的驱动和政策的偏向下，其有意识和无意识的技术传播作用也会减弱。因此，政府在选择规模经营农户作为农技推广的联系农户时，应清晰界定其在技术推广、传播及示范等方面的职责与要求，并兼顾小农户的发展，以期提高整体的转化效率。

表5的模型4~6为财政支农的中介效应检验结果。结果显示，环境规制对财政支农的回归系数在5%显著性水平下为正，同时，财政支农的系数在模型5中呈正显著，而在模型6中呈负显著，说明环境规制通过促进财政支农提高了绿色技术研发效率，但却抑制了绿色成果转化效率，H3a和H3b得以验证。

值得注意的是，财政支农对绿色技术研发效率和成果转化效率的回归系数均较小，主要原因可能有以下2个方面：其一、财政支农的资金总量偏小，虽然近年来我国对农业的支持力度在逐年增加，但其规模总量仍然偏小，在研究期内，地方财政农林水事务支出由4 235.63亿元增长到21 535.59亿元，增长了约5.25倍，但其在国家财政总支出中的占比始终保持在10%左右，而占GDP的比重尚不足5%；其二、财政支农的支出结构不尽合理，在资金使用中，用于政府农业行政事业运转支出的比例较大，而用于农业基础设施建设、科技创新及农民技能培训等生产性领域的比例较小，显然流向农业绿色技术创新的资金更为不足。

3.4.2　协同作用检验

由于规模经营与财政支农的影响因素不同，所以式（6）和（7）的控制变量选取也有所不同，具体来说，式（6）的控制变量包括人均GDP、税收水平、产业集聚度及第一产业比重，而式（7）的控制变量参考魏梦升等^［45］的研究选取人均GDP、农业结构、农业发展环境和农村人口老龄化。

由联立方程模型的秩条件与阶条件识别结果可知，本研究所构建的两个方程均为过度识别，因此适用两阶段最小二乘法（2SLS）和三阶段最小二乘法（3SLS）。表6同时展示了2SLS、3SLS和迭代3SLS的联立方程模型估计结果，比较可知，3种估计方法的回归结果具有较高的一致性。规模经营与财政支农的系数均呈正向显著，说明规模经营水平越高越有可能获得更多的财政支农资金，进一步验证了政府的规模偏好，同时财政支农也会促进规模经营的形成。由此可知，规模经营与财政支农存在相互促进的关系，二者协同影响农业绿色技术创新效率，H4得以验证。结合规模经营在绿色成果转化阶段的中介效应，进一步验证了财政支农的重心向规模经营主体过度倾斜并不利于整体转化效率的提升。此外，从系数大小可以看出，规模经营对财政支农资金的吸引力较大，但财政支农资金的倾斜对规模经营的促进作用较小。究其原因，规模经营的形成除了需要资金支持外，还需要相应的土地政策支撑，单靠财政支农发挥的作用非常有限。

4　进一步分析

4.1　环境规制强度的异质性分析

由前述分析可知，随着环境规制强度的变化，其所产生的“遵循成本”效应与“创新补偿”效应的大小可能会有所不同。为此，本研究进一步采用面板门槛模型考察不同强度的环境规制对农业绿色技术创新效率的异质性影响，借鉴Hansen^［46］提出的固定效应“门槛回归模型”进行实证检验，具体模型如下：

\mathrm{t}\mathrm{e}\mathrm{c}{\mathrm{h}}_{it}^k={\alpha }_{\mathrm{5}}+{\beta }_{\mathrm{5}}\mathrm{e}{\mathrm{r}}_{it}I(\mathrm{e}{\mathrm{r}}_{it}\le \theta )+{\beta }_{\mathrm{6}}\mathrm{e}{\mathrm{r}}_{it}I(\mathrm{e}{\mathrm{r}}_{it}>\theta )+{\gamma }_{\mathrm{5}}{x}_{it}+{\epsilon }_{it}(10)

式中：\mathrm{e}{\mathrm{r}}_{it}同时作为解释变量和门槛变量，\theta代表门槛值，{\alpha }_{\mathrm{5}}代表常数项，{\beta }_{\mathrm{5}}、{\beta }_{\mathrm{6}}、{\mathrm{\gamma }}_{\mathrm{5}}为待估计参数，其余符号含义与式（4）相同。

在进行门槛回归前，本研究采用Bootstrap法重复抽样300次对门槛效应的存在性进行检验，结果如表7所示。在研发阶段，单一门槛的P值未通过显著性检验，表明不存在门槛效应，即环境规制与绿色技术研发效率之间呈线性关系；在成果转化阶段，单一门槛的P值在5%统计水平下显著，而双重门槛的P值不显著，说明仅存在单一门槛。

在确定存在门槛效应和门槛个数后，需要进一步估计和检验门槛值。检验结果显示，环境规制在绿色成果转化阶段的单一门槛值为3.258，并落到了95%置信区间内，表明门槛值通过了有效性检验。

最后，在确定门槛值后，对门槛模型进行参数估计，结果如表8模型1。由回归结果可知，当环境规制水平由低到高跨越3.258时，其对绿色成果转化效率的影响系数由-0.033下降至-0.030，且均通过了5%及以上的显著性检验，表明随着环境规制强度的增加，其对绿色成果转化效率的负向影响呈现“减速效应”，意味着环境规制所产生的“创新补偿”效应在逐渐抵消“遵循成本”效应，这与马国群等^［17］的研究结果一致，说明中国政府日渐完善的环境规制措施在减少农业源污染排放的同时，也在激励农业绿色技术的研发与转化。此外，随着人民的健康环保意识日益增强，绿色农产品的市场价值也在稳步增长，环境规制在成果转化阶段的“创新补偿”效应愈发明显。

4.2　规模经营水平的异质性分析

关于规模经营水平与农业生产率之间的关系一直是发展经济学研究领域一个经久不衰的话题，但目前的研究结论莫衷一是。国内外绝大多数研究认为在发展中国家由于存在要素市场和信贷市场不完善以及非农就业机会不足等问题，两者之间呈负相关。而在一些发达国家和正经历着经济快速增长的发展中国家，这些不利因素被逐渐消除，两者之间呈正相关。此外，还有研究认为两者之间呈现非线性关系，如郑志浩等^［26］在深入研究第三次全国农业普查规模农户的数据后，发现中国农户规模与生产率之间的关系已经走向或正走向倒“U”型关系。总之，由于各地的发展阶段和禀赋特征不同，所得到的结论也就不一致。

那么我国规模经营水平是否会影响环境规制对农业绿色技术创新两阶段效率的作用，使之呈现非线性关系呢？本研究将式（10）的门槛变量置换成规模经营（scale），对二者关系进行再检验，同样先采用Bootstrap法对门槛效应的存在性进行检验，接着对门槛值进行估计和检验，最后再对门槛模型进行参数估计，回归结果见表8模型2和38

8 由于篇幅限制，规模经营的门槛效应存在性检验、门槛值估计及门槛值有效性检验的结果未展示，如有需要可联系作者获取。

。

结果显示环境规制对研发效率的影响仅存在单一门槛，当规模经营水平由低到高跨越1.241时，其对研发效率的影响系数由0.057上升至0.076。而环境规制对转化效率影响存在双重门槛，且影响方向始终为负，当规模经营水平≤0.648时，影响系数为-0.030；当规模经营水平上升到［0.648，1.241］时，系数值由0.030上升至0.034；当规模经营水平扩大跨越1.241时，系数值进一步上升至0.042。这一结果再次验证了假说H2a和H2b，说明随着规模经营的扩大，农业生产者对新技术的需求会增加，有利于刺激技术的研发，但同时管理难度也会上升，农业生产者将面临技术进步难以抵消规模外延扩张所带来的边际产出下降，加之规模经营主体有意识和无意识的技术传播作用减弱，最终导致环境规制对绿色成果转化效率的抑制作用呈现递增趋势。

5　结论与政策建议

5.1　结论

本研究利用2008—2021年中国省级面板数据，基于创新价值链视角，运用两阶段全局网络SBM-DEA模型对农业绿色技术创新效率进行了测度，并在此基础上，探析了环境规制对创新两阶段效率的影响效果与作用路径，得出以下结论：1）环境规制的“创新补偿”效应在研发阶段实现了由抵消作用向补偿作用的转变，呈现正向影响，而在转化阶段尚未完全抵消“遵循成本”效应，仍呈现负向影响，这一结论经稳健性检验后依然成立；2）影响机制分析发现，规模经营与财政支农在这一过程中发挥着中介作用，且二者相辅相成，协同影响农业绿色技术创新效率，但也进一步反映出政策资源向规模经营主体过度倾斜并不利于整体转化效率的提升；3）进一步分析发现，随着环境规制政策的完善，其对绿色成果转化效率的抑制作用转弱，表明环境规制的“创新补偿”效应在逐渐抵消“遵循成本”效应。同时，随着规模经营水平的提高，“需求倒逼”效应增加，增强了环境规制对技术研发产生的促进作用，但因技术进步慢于规模外延的扩张，且新型规模经营主体与传统小农户的规模水平和社会经济地位总体差异不断扩大，其对转化效率的抑制作用也在增强。

5.2　政策建议

基于上述结论，本研究提出如下建议：

1）坚持“综合防控”的思路与原则，逐步完善农业环境规制措施。随着环境规制强度的增加，其对绿色成果转化效率的抑制作用转弱，因此，应进一步完善和补充农业环境规制政策及现有执法体系与行政框架，不断地激发环境规则的“创新补偿”效应。此外，还应丰富规制手段，完善污染排放权交易制度，逐步构建经济激励型的农业环境规制，并强化媒体与公众的环境保护监督权，鼓励民众积极参与农业源污染防控，充分发挥公众自愿参与型环境规制对农业可持续发展的积极作用。

2）建立健全绿色认证体系，提高绿色农产品的市场竞争力。首先要提高我国农业绿色认证的认证标准，构建科学、统一、协调的标准体系；其次，要建立高效的认证管理制度，让认证机构与监督管理机构独立行使权利并承担相应的责任，以确保认证标准的严格性与绿色标识的公信力；在此基础上，通过品牌建设与渠道拓展，进一步提高绿色农产品的附加值，以此激发农户自主采纳绿色技术的积极性。

3）培育新型农业经营主体，开展适度规模经营。政府要畅通农业生产要素的流动路径，激发市场活力，培育多种类型的新型农业经营主体，推行适度规模经营。同时，通过完善利益联结机制，充分发挥新型农业经营主体的优势，强化其对传统小农户的辐射带动作用。

4）继续加大财政支农力度，合理优化支出结构。一方面，要充分发挥中央政府的协调作用，规范各级政府的支农职责，合理提高财政支农力度。另一方面，要合理优化支出结构，将支出重心向生产性部门倾斜，在鼓励新型农业经营主体开展规模经营的同时，也要兼顾传统小农户的发展。

参考文献

[1] Porter M. America’s green strategy ［J］.Scientific American，1991，264（4）：168

[2] Barbera A J， Mcconnell V D. The impact of environmental regulations on industry productivity： Direct and indirect effects［J］.Journal of Environmental Economics and Management，1990，18（1）：50-65

[3] Gray W B. The cost of regulation： OSHA， EPA and the productivity slowdown ［J］.The American Economic Review，1987，77（5）：998-1006

[4] Wagner M. On the relationship between environmental management， environmental innovation and patenting： Evidence from German manufacturing firms ［J］.Research Policy，2007，36（10）：1587-1602

[5] Porter M E， Linde C. Toward a new conception of the environment： Competitiveness relationship［J］.Journal of Economic Perspectives，1995，9（4）：97-118

[6] Brunnermeier S B， Cohen M A. Determinants of environmental innovation in US manufacturing industries［J］.Journal of Environmental Economics and Management，2003，45（2）：278-293

[7] Hamamoto M. Environmental regulation and the productivity of Japanese manufacturing industries［J］.Resource & Energy Economics，2006，28（4）：299-312

[8] 景维民， 张璐. 环境管制、对外开放与中国工业的绿色技术进步［J］.经济研究，2014，49（9）：34-47

[9] Jing W M， Zhang L. Environmental regulation， economic opening and China’s industrial green technology progress ［J］.Economic Research，2014，49（9）：34-47 （in Chinese）

[10] 蒋伏心， 王竹君， 白俊红. 环境规制对技术创新影响的双重效应：基于江苏制造业动态面板数据的实证研究［J］.中国工业经济，2013（7）：44-55

[11] Jiang F X， Wang Z J， Bai J H. The dual effect of environmental regulations’ impact on innovation： An empirical study based on dynamic panel data of Jiangsu manufacturing ［J］.China Industrial Economics，2013（7）：44-55 （in Chinese）

[12] 李玲， 陶锋. 中国制造业最优环境规制强度的选择：基于绿色全要素生产率的视角［J］.中国工业经济，2012（5）：70-82

[13] Li L， Tao F. Selection of optimal environmental regulation intensity for chinese manufacturing industry： Based on the green TFP perspective［J］.China Industrial Economics，2012（5）：70-82 （in Chinese）

[14] Görg H， Strobl E. The effect of R&D subsidies on private R&D ［J］.Economica，2007，74（294）：215-234

[15] 顾群， 翟淑萍. 融资约束、研发投资与资金来源：基于研发投资异质性的视角［J］.科学学与科学技术管理，2014，35（3）：15-22

[16] Gu Q， Zhai S P. Financial constraints， R&D investment and funding sources： The perspective of R&D heterogeneity ［J］.Science of Science and Management of S&T，2014，35（3）：15-22 （in Chinese）

[17] 白俊红， 李婧. 政府R&D资助与企业技术创新：基于效率视角的实证分析［J］.金融研究，2011（6）：181-193

[18] Bai J H， Li J. Government R&D funding and enterprise technological innovation： An empirical analysis from an efficiency perspective ［J］.Journal of Financial Research，2011（6）：181-193 （in Chinese）

[19] 陈晓， 李美玲， 张壮壮. 环境规制、政府补助与绿色技术创新：基于中介效应模型的实证研究［J］.工业技术经济，2019，38（9）：18-25

[20] Chen X， Li M L， Zhang Z Z. Environmental regulation， government subsidies and green technology innovation： Empirical research based on the mediation effect model ［J］.Industrial Technology & Economy 2019，38（9）：18-25 （in Chinese）

[21] 熊万胜. 合作社：作为制度化进程的意外后果［J］.社会学研究，2009，24（5）：83-109，244

[22] Xiong W S. Cooperatives： As unintended consequences of the institutionalization process［J］.Journal of Sociological Studies，2009，24（5）：83-109，244 （in Chinese）

[23] 赵晓峰， 赵祥云. 新型农业经营主体社会化服务能力建设与小农经济的发展前景［J］.农业经济问题，2018（4）：99-107

[24] Zhao X F， Zhao X Y. Construction of social service capacity of new agricultural business entities and the prospect of small peasant economy［J］.Journal of Agrotechnical Economics，2018（4）：99-107 （in Chinese）

[25] 马国群， 谭砚文. 环境规制对农业绿色全要素生产率的影响研究：基于面板门槛模型的分析［J］.农业技术经济，2021（5）：77-92

[26] Ma G Q， Tan Y W. Impact of environmental regulation on agricultural green total factor productivity： Analysis based on the panel threshold model［J］.Journal of Agrotechnical Economics，2021（5）：77-92 （in Chinese）

[27] 徐永慧， 尹朝静. 环境规制下中国农业绿色全要素生产率的测算［J］.统计与决策，2021，37（18）：50-54

[28] Xu Y H， Yin C J. The measurement of agricultural green total factor productivity in China under environmental regulation［J］.Statistics and Decision，2021，37（18）：50-54 （in Chinese）

[29] 王璇， 张俊飚， 赖晓敏. 环境治理对农业绿色技术创新的影响：基于门槛回归的实证研究［J］.中国农业大学学报，2023，28（2）：279-292

[30] Wang X， Zhang J B， Lai X M. Influence of environmental governance on agricultural green technology innovation： An empirical study based on threshold regression［J］.Journal of China Agricultural University，2023，28（2）：279-292 （in Chinese）

[31] 展进涛， 杨雨， 熊航. 环境规制、绿色创新与农业碳生产率［J］.科学学与科学技术管理， ［--］.

[32] Zhan J T， Yang Y， Xiong H. Environmental regulation， green innovation and agricultural carbon productivity［J］.Science of Science and Management of S & T.［--］. in Chinese）

[33] 储勇， 施红， 张江彦. 自愿参与型环境规制、创新能力与绿色技术创新：来自中国涉农微观企业的数据分析［J］.科技管理研究，2022，42（7）：215-225

[34] Chu Y， Shi H， Zhang J Y. Voluntary-participation environmental regulation， innovation and green technology innovation： A study based on micro-data of Chinese agriculture-related enterprises ［J］.Science and Technology Management Research，2022，42（7）：215-225 （in Chinese）

[35] 罗小娟， 冯淑怡， Pytrik R， 石晓平， 曲福田. 基于农户生物一经济模型的农业与环境政策响应模拟：以太湖流域为例［J］.中国农村经济，2013（11）：72-85

[36] Luo X J， Feng S Y， Pytrik R， Shi X P， Qu F T. Simulation of agricultural and environmental policy responses based on farmers' bio-economic model： A case study of taihu lake basin ［J］.China Rural Economy，2013（11）：72-85 （in Chinese）

[37] 李芬妮， 张俊飚， 何可. 非正式制度、环境规制对农户绿色生产行为的影响：基于湖北1105份农户调查数据［J］.资源科学，2019，41（7）：1227-1239

[38] Li F N， Zhang J B， He K. Impact of informal institutions and environmental regulations on farmers’ green production behavior： Based on survey data of 1105 households in Hubei Province ［J］.Resources Science，2019，41（7）：1227-1239 （in Chinese）

[39] 石志恒， 张衡. 社会规范、环境规制与农户施肥行为选择研究［J］.中国农业资源与区划，2021，42（11）：51-61

[40] Shi Z H， Zhang H. Research on social norms， environmental regulations and farmers’ fertilization behavior selection ［J］.Chinese Journal of Agricultural Resources and Regional Planning，2021，42（11）：51-61 （in Chinese）

[41] 顾海英. 农业技术创新的界定［J］.科学管理研究，1997（5）：32-35

[42] Gu H Y. Definition of agricultural technological innovation［J］.Scientific Management Research，1997（5）：32-35 （in Chinese）

[43] 郑志浩， 高杨， 霍学喜. 农户经营规模与土地生产率关系的再探究：来自第三次全国农业普查规模农户的证据［J］.管理世界，2024，40（1）：89-108

[44] Zheng Z H， Gao Y， Huo X X. Revisiting the relationship between farm size and land productivity： Evidence from large-scale farms in the third national agricultural census ［J］.Management World，2024，40（1）：89-108 （in Chinese）

[45] 王士海， 李先德. 经营规模大的农户更倾向于传播新技术吗［J］.农业技术经济，2017（4）：76-82

[46] Wang S H， Li X D. Are large-scale farmers more inclined to disseminate new technologies［J］.Journal of Agrotechnical Economics，2017（4）：76-82 （in Chinese）

[47] 佟大建， 黄武. 社会经济地位差异、推广服务获取与农业技术扩散［J］.中国农村经济，2018（11）：128-143

[48] Tong D W， Huang W. Differences in socio-economic status， access to extension service and agricultural technology diffusion ［J］.China Rural Economy，2018（11）：128-143 （in Chinese）

[49] Tone K， Tsutsui M. Network DEA： A slacks-based measure approach ［J］.European Journal of Operational Research，2009，197（1）：243-252

[50] 陈强. 高级计量经济学及 Stata 应用［M］.北京：高等教育出版社，2014

[51] Chen Q. Advanced Econometrics and Stata Applications［M］.Beijing： Higher Education Press， 2014 （in Chinese）

[52] 江艇. 因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100-120

[53] Jiang T. Mediating effects and moderating effects in causal inference［J］.China Industrial Economics，2022（5）：100-120 （in Chinese）

[54] 李洪炼， 马春艳. 政府支持、市场化程度与农业技术创新效率：以中部6省为例［J］.中国农业大学学报，2017，22（6）：189-198

[55] Li H L， Ma C Y. The impact of government support，marketization on innovation efficiency of agricultural techniques： A case study of six provinces in the middle of China ［J］.Journal of China Agricultural University，2017，22（6）：189-198 （in Chinese）

[56] 赵路， 高红贵， 肖权. 环境规制对绿色技术创新效率影响的实证［J］.统计与决策，2021，37（3）：125-129

[57] Zhao L， Gao H G， Xiao Q. Empirical study on the impact of environmental regulations on green technology innovation efficiency［J］.Statistics and Decision，2021，37（3）：125-129 （in Chinese）

[58] 肖文， 林高榜. 政府支持、研发管理与技术创新效率：基于中国工业行业的实证分析［J］.管理世界，2014（4）：71-80

[59] Xiao W， Lin G B. Government support， R&D management and technological innovation efficiency： An empirical analysis based on Chinese industrial industries ［J］.Management World，2014（4）：71-80 （in Chinese）

[60] 孙致陆， 李先德. 农业FDI提升了中国农业全要素生产率吗：基于面板数据随机前沿函数模型的分析［J］.国际商务（对外经济贸易大学学报），2014（3）：54-62

[61] Sun Z L， Li X D. Influence of agricultural FDI on China’s total factor productivity： An estimation based on stochastic frontier function model for panel data ［J］.International Business，2014（3）：54-62 （in Chinese）

[62] 李波， 张俊飚， 李海鹏. 中国农业碳排放时空特征及影响因素分解［J］.中国人口·资源与环境，2011，21（8）：80-86

[63] Li B， Zhang J B， Li H P. Research on spatial-temporal characteristics and affecting factors decomposition of agricultural carbon emission in China［J］.China Population， Resources and Environment，2011，21（8）：80-86 （in Chinese）

[64] 何艳秋， 陈柔， 吴昊玥， 徐杰， 宋艺. 中国农业碳排放空间格局及影响因素动态研究［J］.中国生态农业学报，2018，26（9）：1269-1282

[65] He Y Q， Chen R， Wu H Y， Xu J， Song Y. Spatial dynamics of agricultural carbon emissions in China and the related driving factors［J］.Chinese Journal of Eco-Agriculture，2018，26（9）：1269-1282 （in Chinese）

[66] 袁平， 朱立志. 中国农业污染防控：环境规制缺陷与利益相关者的逆向选择［J］.农业经济问题，2015，36（11）：73-80，112

[67] Yuan P， Zhu L Z. Agricultural pollution prevention and control in China： Deficiencies of environmental regulation and the stake holder’s adverse selection ［J］.Issues in Agricultural Economy，2015，36（11）：73-80，112 （in Chinese）

[68] 叶锋， 马敬桂， 胡琴. 产业融合发展对农业全要素生产率影响的实证［J］.统计与决策，2020，36（10）：87-91

[69] Ye F， Ma J G， Hu Q. An empirical study on the impact of industrial integration development on agricultural total factor productivity［J］.Statistics and Decision，2020，36（10）：87-91 （in Chinese）

[70] 中华人民共和国国家统计局. 中国环境年鉴［M］.北京：中国统计出版社，2008—2021

[71] National Bureau of Statistics of the People’s Republic of China. China Environment Yearbook［M］.Beijing：China Statistics Press， 2008-2021 （in Chinese）

[72] 中华人民共和国国家统计局. 中国科技统计年鉴［M］.北京：中国统计出版社，2008—2021

[73] National Bureau of Statistics of the People’s Republic Of China. China Science and Technology Yearbook［M］.Beijing：China Statistics Press， 2008-2021 （in Chinese）

[74] 中华人民共和国国家统计局.中国畜牧兽医年鉴［M］.北京：中国统计出版社，2008—2021

[75] National Bureau of Statistics of the People’s Republic of China.China Animal Husbandry and Veterinary Yearbook［M］.Beijing：China Statistics Press， 2008-2021 （in Chinese）

[76] 中华人民共和国国家统计局. 中国农村统计年鉴［M］.北京：中国统计出版社，2008—2021

[77] National Bureau of Statistics of the People’s Republic of China. China Rural Statistical Yearbook［M］.Beijing： China Statistics Press， 2008-2021 （in Chinese）

[78] 李万利， 刘虎春， 龙志能， 汤旭东. 企业数字化转型与供应链地理分布［J］.数量经济技术经济研究，2023，40（8）：90-110

[79] Li W L， Liu H C， Long Z N， Tang X D. Enterprise digital transformation and the geographic distribution of supply chain［J］.Journal of Quantitative & Technical Economics，2023，40（8）：90-110 （in Chinese）

[80] 魏梦升， 颜廷武， 罗斯炫. 规模经营与技术进步对农业绿色低碳发展的影响：基于设立粮食主产区的准自然实验［J］.中国农村经济，2023（2）：41-65

[81] Wei M S， Yan T W， Luo S X. The impacts of scale management and technological progress on green and low-carbon development of agriculture： A quasi-natural experiment based on the establishment of major grain-producing areas ［J］.China Rural Economy，2023（2）：41-65 （in Chinese）

[82] Hansen B E. Threshold effects in non-dynamic panels： Estimation， testing， and inference ［J］.Journal of econometrics，1999，93（2）：345-368

基金资助

国家社会科学基金项目(23BJY189)