畜牧业新质生产力：水平测度、动态演进与驱动因素

New quality productive forces in animal husbandry: Level measurement, dynamic evolution and driving factors

摘要

为探究我国畜牧业新质生产力发展状况，并揭示其动态演进特征及驱动因素，采用熵权TOPSIS法对2013—2022年全国30个省份的畜牧业新质生产力发展水平进行测度（统计数据未含西藏自治区及港澳台地区，下同。），利用Dagum基尼系数、Markov链、障碍因子诊断模型及地理探测器探析其地区差异、动态演化及驱动因素。结果表明：1）2013—2022年我国畜牧业新质生产力发展水平总体呈现稳步上升的趋势，但整体处于较低水平；分地区呈“东－中－西－东北”的递减格局。2）畜牧业新质生产力发展水平存在明显的区域差异且呈不断扩大的态势，其中造成总体差异的主要原因来源于区域内差异。3）畜牧业新质生产力动态演进具有稳定性、缓慢性和向上转移倾向。4）数字技术的发展与创新是畜牧业新质生产力发展的重要障碍因素；市场化程度、经济发展水平、产业结构、政府投资力度、家庭肉蛋奶消费水平和城镇化水平均是主要的驱动因素，且影响发展的主导因素从相对单一逐渐向多元转变。据此，提出未来应强化区域协同发展战略、精准施策缩小地区差异，重点突破影响现代畜牧业数字化发展的薄弱环节，培育多元驱动主体。

Abstract

To investigate the development status of new quality productive forces in China’s animal husbandry sector and reveal its dynamic evolution characteristics and driving factors， the entropy-weighted TOPSIS method was employed to measure the development levels of new quality productive forces in animal husbandry across 30 provinces nationwide from 2013 to 2022（The data do not include those of Xizang， Hong Kong， Macao and Taiwan regions. The same below）. The regional disparities， dynamic evolution， and driving factors were analyzed by using the Dagum Gini coefficient， Markov chains， an obstacle factor diagnostic model， and geographic detectors. The results indicate that： 1） From 2013 to 2022， China’s new quality productive forces in animal husbandry showed an overall steady upward trend， through the overall development level remained at a relatively low. Regionally， a decreasing pattern emerged from east to west， followed by central， western， and northeastern regions. 2） Significant regional disparities persist in the development level of new quality productive forces in animal husbandry with a widening trend driven primarily by intra-regional differences. 3） The dynamic evolution of new quality productive forces in animal husbandry exhibits stability， slowness， and an upward shift tendency. 4） The development and innovation of digital technologies constitute a major obstacle to the advancement of new quality productive forces in animal husbandry. Marketization levels， economic development levels， industrial structures， government investment intensity， household meat-egg-dairy consumption levels， and urbanization levels all serve as major driving factors. The dominant factors influencing development are shifting from relatively singular to increasingly diverse. Accordingly， future strategies should strengthen regional coordination， implement targeted measures to narrow regional disparities， concentrate on overcoming weak links hindering digital development in modern animal husbandry， and cultivate diverse driving entities.

Graphical abstract

关键词

畜牧业新质生产力 / 水平测度 / 时空演化格局 / 障碍因素 / 驱动因素

Key words

new quality productive forces in animal husbandry / level measurement / spatiotemporal evolution patterns / constraint factors / driving mechanisms

畜牧业是我国农业农村经济发展的支柱性产业^［1］，是有效保障国民动物蛋白营养需要和国家食物安全战略的基础^［2］。推动畜牧业高质量发展是践行大农业观、大食物观的具体实践。2025年中央一号文件^［3］关于畜牧业高质量发展的表述涵盖产业升级、奶业一体化发展、疫病防控以及草原畜牧业转型升级等多个方面。旨在推动畜牧业向高质量、可持续方向转型，为畜牧业从业者注入强大的信心与动力。2010—2023年，我国畜牧业产值从2.05万亿元增长至3.90万亿元，年均复合增长率近7.00%，占农林牧渔业总产值的比例近1/4^［4］。然而，我国畜牧业发展质量并不高。当前，我国畜牧业生产模式较为粗放、产业体系尚不完善。同时，资源环境领域的刚性约束持续增强，在保障畜产品市场有效供给方面仍承受诸多压力，畜牧业可持续发展仍面临着严峻挑战^［5］。在此现实背景下，新质生产力的提出为我国推动畜牧业高质量发展及现代化转型提供了方向指引。习近平总书记2023年9月在黑龙江考察期间首次提及“新质生产力”，为我国推动高质量发展、实现高水平科技自立自强等提供重要理论指引和行动指南^［6］。2024年1月，在二十届中共中央政治局集体学习时再次强调“发展新质生产力是推动高质量发展的内在要求和重要着力点”^［7］。即发展畜牧业新质生产力对畜牧业高质量发展具有重要支撑作用。习近平总书记在参加十四届全国人大二次会议时指出“牢牢把握高质量发展这个首要任务，因地制宜发展新质生产力”^［8］。“因地制宜发展”旨在通过对不同问题类型的归类分析，依据各地区的特有发展优势与条件，制定出具有针对性的发展战略与措施。为此，立足我国畜牧业新质生产力发展现状，探究不同地区畜牧业新质生产力水平差异及驱动因素，有助于加快发展我国畜牧业新质生产力，因地制宜推进畜牧业高质量发展。

当前，学界对新质生产力的研究主要从以下3个方面展开：一是关于新质生产力概念及其构成要素的探讨。周文等^［9］、蒋永穆等^［10］认为新质生产力的概念从“新”与“质”角度解析其质态跃迁，将“新技术、新经济、新业态”构成新质生产力的3重维度。朱显富等^［11］认为新质生产力是马克思主义生产力3要素的新升级，即新劳动者、新劳动资料和新劳动对象；部分学者也依据这一观点进行指标体系构建^［12］。此外，有学者从新质生产力的当代价值出发，强调其新形势和新质态。卢江等^［13］、徐中春等^［14］基于习近平总书记的重要论述，新质生产力着重表现在科技、绿色和数字三大方面。从科技生产力、绿色生产力和数字生产力3个维度对新质生产力发展水平展开测度，较好地阐释了新质生产力的“新质”内涵。二是新质生产力的测度研究方法。现有研究中采用主成分分析法^［15］、AHP法^［16］、熵值法^［17］和熵值TOPSIS^{［14，18］}等对新质生产力进行测度，但多采用熵值法、熵值TOPSIS进行测度，能够避免专家打分法以及层次分析法等由主观因素引起的偏差^［19］。三是驱动因素分析。彭桥等^［20］基于新质生产力发展指标体系采用障碍因子诊断模型对主要驱动因素进行识别，高效科技创新效率取代高科技创新规模成为发展新质生产力的核心驱动因素。韩建雨等^［21］则应用地理探测器对新质生产力的驱动因素进行分析，对外开放、信息化、劳动力水平以及交通基础设施均是影响新质生产力发展的主要驱动因子。

综上，已有的研究为本研究提供了坚实的理论基础，但仍存在一些不足：已有的研究极少涉及畜牧业领域，尤其对于畜牧业新质生产力的概念界定、内涵阐释及发展水平评价等方面的研究较为缺乏；且鲜少立足实证视角，全面分析我国畜牧业新质生产力水平的时空演化趋势与驱动因素。鉴于此，本研究拟采用2013—2022年省际面板数据，综合运用熵权TOPSIS法、Dagum基尼系数、Markov链、障碍因子诊断模型及地理探测器测度并分析畜牧业新质生产力发展的地区差异、动态演化及驱动因素。以期为畜牧业新质生产力的发展提供理论依据与决策参考。

1　畜牧业新质生产力发展水平测度：理论、体系与方法

1.1　畜牧业新质生产力理论内涵

新质生产力理论为新时代加速科技创新、开辟新兴领域、构建新发展动能提供了理论支撑，对高质量推进中国式现代化具有重要意义。参考新质生产力的丰富内涵，对畜牧业新质生产力作出如下解释：畜牧业新质生产力是指在畜牧业领域内，以创新驱动为主导，突破传统要素驱动的路径依赖，通过深度融合畜牧业新技术、新产业、新业态和新模式，使知识、技术、信息、数据等新型生产要素成为关键投入要素，从而形成具有高科技含量、高效益产出、高质量产品、生态友好特征并契合新发展理念的先进畜牧业生产力质态。其内涵可从“新”与“质”两方面理解^［14］：“新”在创新驱动，以科技赋能引入新技术、智能工具、优质材料与创新模式，推动产业革新；“质”在质优高效，注重提升产品质量、降低资源消耗与污染、提高效益，以全要素生产率提升驱动畜牧业高质量发展。

结合习近平总书记的相关重要论述和当前中国畜牧业发展特征事实，畜牧业新质生产力是涵盖科技创新、绿色可持续以及数字化要素深度融合而成的复合概念。其一，科技生产力革新引领畜牧业转型升级。传统畜牧业将科技视为外部要素，通过生产要素配置驱动增长，而现代科技已成为重塑生产模式的核心内生动力。从智能化养殖设备的规模化应用到基因编辑等生物技术的深度研发，科技创新持续突破传统发展瓶颈。以科技为核心的驱动力，催生出新型经营模式、产业链形态及细分领域，为畜牧业高质量发展筑牢根基。其二，绿色生产力转变推动畜牧业绿色可持续发展。全面推进人与自然和谐共生是实现畜牧业可持续发展的必由之路^［22］。但当前行业仍面临突出挑战：养殖主体环保意识薄弱、过度放牧等问题加剧土壤侵蚀、草原退化及环境污染；绿色技术滞后导致粪污无害化处理等设施成本高、普及难，使养殖主体陷入“高产出、高污染”困境。外部治理机制难以根治问题^［23］，亟需通过绿色生产力培育，推动产业向环境友好型转型^［22］。其三，数字生产力变革助力畜牧业智能化发展。数字化转型是新质生产力引领产业革命的关键支撑。一方面，物联网、大数据技术破解了分散养殖中的存栏监测、生命体征监控等难题，构建起系统化数据管理平台，支撑精细化管理与科学决策^［24］；另一方面，智能化生产以其精准性、高效性降低技术应用门槛，通过数字化平台为养殖户提供便捷服务^［25］。区块链等技术更能推动畜产品质量溯源体系构建，提升全产业链资源配置效率，加速产业结构优化升级（图1）。

1.2　指标体系构建

本研究在遵循科学性、可行性、可测性和数据可得性等原则的基础上，参考卢江等^{［13，18］}、姜彦坤等^［26］研究思路，从畜牧业科技生产力、绿色生产力、数字生产力3个子维度构建畜牧业新质生产力发展水平综合评价指标体系（表1）。

1）畜牧业新质生产力以科技化为核心，其本质是技术革命对传统生产方式的颠覆性重构^［27］。畜牧业科技生产力作为畜牧业新质生产力的核心内容，将畜牧业科技创新来源、过程及成果转化始终贯穿于畜牧业新质生产力发展的全过程^［28］。故选取科技创新投入、产出及转化表征科技生产力。结合实际作用，科技创新投入选择科研经费投入强度、中高级职称技术人员比重和畜牧兽医服务人员匹配度予以衡量；科技创新产出选择发明专利授权量、畜牧业技术水平予以衡量；科技创新转化选择种畜禽存栏占比、畜牧业生产能力予以衡量。

2）畜牧业新质生产力以绿色化为基本理念，绿色发展是突破畜牧业“高投入‐高污染‐低效益”传统模式的关键路径^［27］。其以环保、节约、可持续为目标，将绿色理念融入生产全流程，通过污染减排与绿色转型摆脱发展困境^［22］。故选取畜牧业污染减排和绿色转型表征绿色生产力。污染减排选择畜牧业化学需氧量排放总量、氮磷排放总量、碳排放总量予以衡量；绿色转型选择单位耕地牲畜承载量、获证绿色食品单位予以衡量。

3）畜牧业数字生产力。畜牧业新质生产力发展以数字化为重要形态^［29］，是打破传统畜牧业经济增长路径依赖的关键突破口。凭借数字技术与数字经济的优势，推进畜牧业生产力形态跃迁和经济效率提升，助力畜牧业高质量发展^［30］。据此，选取数字设施水平和数字经济水平表征畜牧业数字生产力。数字设施水平选择互联网普及率、数字信息化水平予以衡量；数字经济水平选择软件产品收入水平、信息技术服务收入水平、数字行业从业人员占比、电信业务通信水平、电子商务收入水平予以衡量。

本研究采用克隆巴赫α系数对畜牧业新质生产力指标体系进行信度检验，具体计算公式可参考相关文献^［31］。基于2013年样本数据，经SPSS 22.0分析得α系数为0.879，标准化后为0.883，表明体系内部一致性良好，能有效反映畜牧业新质生产力核心特征。Friedman检验在1%水平上显著（卡方值为354.614），拒绝指标同质性假设；协同系数为0.567<1，说明各指标相关性较弱，能够区分各评价指标体系（表2）。

1.3　研究方法

1.3.1　Critic-Topsis 综合评价法

本研究借鉴任保平等^［32］采用的Critic-Topsis综合评价法测度我国畜牧业新质生产力发展水平。该方法融合Critic赋权与Topsis法，既避免主观赋权偏差，又利用与理想解的贴近程度进行量化排序，实现对多指标的综合评价^［15］。该方法主要包括两个阶段：首先，通过Critic赋权法确定各指标权重。在此阶段，先使用极值标准化方法对原始数据进行归一化处理，以消除量纲影响，具体过程如下：

x_{ij}^{{}^{\text{'}}}=\frac{x_{ij}-x_{j(\mathrm{m}\mathrm{i}\mathrm{n})}}{x_{j(\mathrm{m}\mathrm{a}\mathrm{x})}-x_{j(\mathrm{m}\mathrm{i}\mathrm{n})}}\times \mathrm{100}\mathrm{\%}，x_{ij}为正向指标（1）

x_{ij}^{{}^{\text{'}}}=\frac{x_{j(\mathrm{m}\mathrm{a}\mathrm{x})}-x_{ij}}{x_{j(\mathrm{m}\mathrm{a}\mathrm{x})}-x_{j(\mathrm{m}\mathrm{i}\mathrm{n})}}\times \mathrm{100}\mathrm{\%}，x_{ij}为负向指标（2）

式中：x_ij 为第i个地区在第j个评价维度上的观测值；x_{ij}^{{}^{\text{'}}}为经标准化处理后数值指数；x_j（max）和x_j（min）分别为第j个指标在全样本中的极大值和极小值。本研究构建的评价体系包含19个三级指标，样本覆盖30个省级行政区，j= 1，2，…，19，i=1，2，…，30。

其次，采用优化后的Critic赋权法对评价体系的三级指标进行权重分配。通过量化指标内变异程度与指标间冲突强度，计算各指标的信息承载量（C _j ），如式（3）所示。

C_j=S_j{\displaystyle \sum _{s=\mathrm{1}}^m}(\mathrm{1}-|r_{sj}|)（3）

式中：S_j 、{\displaystyle \sum _{s=\mathrm{1}}^m}(\mathrm{1}-|r_{sj}|)分别为第j个指标的标准差和相关系数；r_{sj}为指标s与指标j的相关系数。考虑指标间相关性的强度仅取决于相关系数的大小，因此对相关系数取绝对值。

最后，进行客观权重计算。具体计算公式如下：

w_j=\frac{c_j}{{\displaystyle \sum _{j=\mathrm{1}}^m}{c}_j}（4）

第二阶段运用Topsis法测算评价对象与理想解的相对接近程度。首先，基于权重系数w_j 与标准化矩阵第j列的逐元素乘积运算构建加权规范化评价矩阵，Y=［y_ij ］ _（n×m），y_ij=w_j×x_{ij}^{{}^{\text{'}}}。然后对各评价对象的正负理想解V^{+}、负理想解V^{-}进行计算。

V^{+}=(v_{\mathrm{1}}^{+},v_{\mathrm{2}}^{+},\cdots ,v_m^{+})（5）

V^{-}=(v_{\mathrm{1}}^{-},v_{\mathrm{2}}^{-},\cdots ,v_m^{-})（6）

其次，对各评价单元至正理想解与负理想解的垂直距离进行量化计算，设第i个评价对象的指标向量为X_i，具体计算公式如下：

P_i^{+}=\frac{\left|(V^{+}-V^{-})(V^{+}-X_i)\right|}{\left|V^{+}-V^{-}\right|}（7）

P_i^{-}=\frac{\left|(V^{+}-V^{-})(X_i-V^{-})\right|}{\left|V^{+}-V^{-}\right|}（8）

式中：P_i^{+}、P_i^{-}分别为评价单元到正、负理想解的垂面距离。

最后，通过正、负理想解的距离计算相对贴近度。该值介于0~1，越接近1表示评价对象与理想最优状态越吻合。计算公式如下：

P=\frac{P_i^{-}}{P_i^{-}+P_i^{+}}（9）

1.3.2　Dagum 基尼系数

为深入分析我国畜牧业新质生产力水平的总体与地区差异，采用Dagum基尼系数及其分解方法^［33］，考察其空间差异及来源。该系数适用于识别差异根源并处理数据交叉重叠问题，是对传统基尼系数的改进，可分解为组内系数（G_w ）、组间系数（G_nb）和超变密度系数（G_t ），即G=G_w+G_nb+G_t。具体公式如下：

G=\frac{{\displaystyle \sum _{i=\mathrm{1}}^q}{\displaystyle \sum _{m=\mathrm{1}}^q}{\displaystyle \sum _{j=\mathrm{1}}^{hi}}{\displaystyle \sum _{n=\mathrm{1}}^{hj}}\left|A_{im}-A_{jn}\right|}{\mathrm{2}{h}_{\mathrm{2}}\overline{A}}（10）

G_{\mathrm{w}}={\displaystyle \sum _{i=\mathrm{1}}^q}{G}_{ii}{P}_i{S}_i（11）

G_{\mathrm{n}\mathrm{b}}={\displaystyle \sum _{i=\mathrm{2}}^q}{\displaystyle \sum _{j=\mathrm{1}}^{i-\mathrm{1}}}{G}_{ij}(P_i{S}_j+P_j{S}_i)D_{ij}（12）

G_t={\displaystyle \sum _{i=\mathrm{2}}^q}{\displaystyle \sum _{j=\mathrm{1}}^{i-\mathrm{1}}}{G}_{ij}(P_i{S}_j+P_j{S}_i)(\mathrm{1}-D_{ij})（13）

式中：i、j为各划分区域；m、n代表各省份；q为地区划分数量。P_i=h_i/h{P}_i，S_i=h_i{\overline{A}}_i/h\overline{A}；其中，h为省份数量；hi、h_j 分别为i、j划分区域中的省份数量；A_im、A_jn 分别为i、j划分区域内省份m、n的畜牧业新质生产力发展水平；Ā为畜牧业新质生产力发展水平均值；D_ij 为划分区域i对区域j的空间作用强度。

1.3.3　核密度估计

为补充Dagum基尼系数所刻画的地区相对差异，本研究采用Kernel核密度估计分析，系统分析出我国畜牧业新质生产力发展的绝对差异格局及时空演进特征。核密度估计用于估计随机变量的概率密度函数^［14］。通过核函数对离散样本进行平滑处理，构建连续的概率密度函数。设随机变量X的概率密度函数为f_（x），其对应的随机样本Y分别为y₁，y₂，y₃，…，y_n。具体公式如下：

f(x)=\frac{\mathrm{1}}{nh}{\displaystyle \sum _{i=\mathrm{1}}^n}K\left(\frac{y_i-y}{h}\right)（14）

式中：n为研究区域个数；h表示带宽；K（ ）为随机核函数，高斯核函数进行估计表达式为：

K(x)=\frac{\mathrm{1}}{\sqrt[]{\mathrm{2}\pi }}\mathrm{e}\mathrm{x}\mathrm{p}\left(-\frac{x^{\mathrm{2}}}{\mathrm{2}}\right)（15）

1.3.4　Markov 链分析

为揭示我国畜牧业新质生产力发展水平的时空演变特征，并推测未来演进趋势，参考彭桥等^［20］的研究，采用传统Markov转移概率矩阵进行分析。计算公式如下：

P_{ij}\left(E_i\to E_j\right)=\frac{n_{ij}}{n_i}（16）

式中：n_ij 为畜牧业新质生产力发展由i等级转移至j等级省份的总数；n_i 为处于i等级的省份数，各省等级依据畜牧业新质生产力发展水平的四分位划分为低（Ⅰ）、较低（Ⅱ）、较高（Ⅲ）和高（Ⅳ）4类。

1.3.5　障碍度模型

为探究我国畜牧业新质生产力发展的障碍因素，本研究借鉴徐中春等^［14］的研究，采用障碍度模型进行辨析。该模型可识别分析影响目标实现的关键阻碍因素及程度，有效定位负向影响的效益指标，通过因子贡献度（I_j ）、指标偏离度（J_tij ）和障碍度（M_tij ） 3个核心指标量化诊断障碍。具体公式如下：

M_{tij}=\frac{I_j\times J_{tij}}{{\displaystyle \sum _{j=\mathrm{1}}^{\mathrm{19}}}\left(I_j\times J_{tij}\right)}\times \mathrm{100}\mathrm{\%}（17）

式中：I_j =w_j，为第j项指标的权重系数；J_tij =0.9-z_tij 为第t年i省份j指标与预设发展目标的偏离程度。M_tij 为第t年i省份的j指标对畜牧业新质生产力发展的阻碍强度.

1.3.6　地理探测器与变量

为识别我国畜牧业新质生产力发展的关键驱动因素，本研究借鉴韩建雨等^［21］的研究，运用地理探测器进行因子探测。该方法是用于探测空间分异性及其背后驱动力的空间分析工具^［34］。通过其因子探测与交互作用探测模块，量化评估各外部驱动因素的解释力，并分析因素间的交互效应。具体公式如下：

q=\mathrm{1}-\frac{{\displaystyle \sum _{h=\mathrm{1}}^l}{N}_h{\sigma }_h^{\mathrm{2}}}{N{\sigma }^{\mathrm{2}}}（18）

式中：q为自变量X对因变量Y空间分异解释程度，取值范围为0~1，q值越趋近于1解释能力越强；h=1，…l，h为自变量X的分层参数；N_h 和N分别为第h层及全域的观测单元数量；{\sigma }_h^{\mathrm{2}}和{\sigma }^{\mathrm{2}}分别为第h层及全域因变量Y的方差值。交互作用探测通过量化其交互作用强度判断自变量组合如何增强或削弱对因变量Y的解释效能。

模型中自变量X为驱动因素集，因变量Y为畜牧业新质生产力发展水平综合评价值。畜牧业新质生产力受市场、经济、产业、政府等多因素共同驱动：市场消费升级形成核心牵引，经济领域资本与技术投入提供基础支撑，产业智能化绿色化转型构成内生动力，政府政策引导发挥制度保障作用。据此，本研究结合相关学者研究^{［13，34］}，选取市场化程度、经济发展水平、产业结构、政府投资力度、家庭肉蛋奶消费水平和城镇化水平作为驱动因素变量，分别代表上述各类影响因素。

1.4　数据来源

本研究以中国30个省份的畜牧业新质生产力发展水平作为研究对象，鉴于数据存在缺失情况，在样本选取时暂未包含西藏自治区及港澳台地区，下同。研究数据主要源于2014—2023年《中国统计年鉴》^［35］ 《中国农村统计年鉴》^［36］ 《中国城市统计年鉴》^［37］ 《中国畜牧兽医年鉴》^［38］ 《绿色食品统计年报》^［39］以及各省（市、区）统计年鉴、统计公报。针对个别年份个别区域缺失的数据，科学运用移动平均插值法进行处理。为消除价格变动影响，对畜牧业生产总值进行以2013年为基期的平减处理。畜牧业碳排放参考顾沈怡等^［40］的计算方法，利用牲畜年底存栏量，采用碳排放因子法进行折换。畜牧业排污量，借鉴Han等^［41］、张藤丽等^［42］的研究思路，参照《第一次全国污染源普查畜禽养殖业产排污系数手册》^［43］确定产排污系数，利用牲畜年底存栏量计算牲畜粪便中产生的化学需氧量（Chemical Oxygen Demand， COD）、总磷（Total Phosphorus， TP）、总氮（Total Nitrogen， TN）等污染物含量。同时依据国家统计局划定^［44］的东部、中部、西部及东北“四大区域”标准体系，展开区域差异性对比分析。

2　结果与分析

2.1　畜牧业新质生产力水平测度结果分析

2.1.1　综合指数特征

基于畜牧业新质生产力发展水平指标体系的构建，测得2013—2022年全国30个省份的畜牧业新质生产力发展水平综合指数，并依据图2的变化趋势，归纳出以下主要特征：1）从全域维度来看，2013—2022年综合指数由0.167增长至0.252，增幅达50.46%。整体虽呈现上升趋势，但发展水平仍处于相对较低阶段。2）从时间序列维度来看，2013—2020年我国畜牧业新质生产力发展水平呈现快速上升趋势，提升幅度为42.21%，占总增长率的约4/5。2020—2022年增速放缓，2020—2021年增幅仅1.76%。其原因可能在2020年疫情等多方面因素影响，导致畜牧业新质生产力发展水平提升受阻；而2021年随着经济与社会各方面的复苏，以及《国务院办公厅关于促进畜牧业高质量发展的意见》的逐步落实，提升幅度有所回升。3）从子系统维度来看，畜牧业科技生产力呈稳步提升的态势，表明我国畜牧生产能力、机械化水平、科学技术等方面取得了一定的进展，是我国实施创新驱动发展战略、强化农业科技自立自强在畜牧领域的具体体现。畜牧业绿色生产力发展迅速并处于子系统中最高水平，体现了我国《畜禽规模养殖污染防治条例》等政策落地见效，绿色低碳水平进一步提升。畜牧业数字生产力虽处于最低水平，但整体呈上升的态势。表明畜牧业数字、科技融合与创新成效逐渐显著。

2.1.2　区域特征

根据我国四大分区划分探析我国畜牧业新质生产力发展的区域特征，结果如图3所示。畜牧业新质生产力区域发展水平呈现“东—中—西—东北”的递减格局，且东部地区与其他地区差距较大。具体来看：1）从综合指数发展态势来看，四大分区畜牧业新质生产力发展水平综合指数均呈现上升的态势，其中西部地区和东北地区出现小幅度波动。2）从综合指数均值来看，东部地区综合指数均值达0.285，处于最高水平；其次是中部地区以0.184处于较高水平；西部地区与东北地区分别以0.163和0.159位列第三、四位，均处于相对较低水平。后两者发展水平不仅显著低于东部发达地区，更与全国平均水平存在明显差距，反映出我国畜牧业新质生产力发展存在区域非均衡性特征。3）从综合指数增长速率来看，东部地区、中部地区、西部地区和东北地区增长速率依次为70.07%、87.80%、14.20%、23.29%。其中，中部地区综合指数增长速率最为迅速，从2013年的最低发展水平迅速增长到较高发展水平；东北地区、西部地区增长速率较为迟缓，并未赶上发展水平较高地区。

2.2　畜牧业新质生产力发展水平的地区差异及时空演进分析

2.2.1　区域差异分析

依据上述测度结果可知，我国各地区新质生产力发展存在较大差异。由此，本研究采用Dagum基尼系数与方差分解考察我国畜牧业新质生产力发展水平的空间差异及来源。测度结果如图4所示。1）图4（a）显示，研究期内我国畜牧业新质生产力的总体基尼系数均值为0.219 8，并呈稳步上升的态势，表明区域发展差异在不断扩大，反映出区域发展不平衡不充分问题。总体差异主要来源于区域内差异，且持续扩大；区域间差异波动平稳，超变密度贡献下降，二者对总体差异影响均较小。2）图4（b）显示，我国畜牧业新质生产力的区域间发展呈现显著非均衡特征。东部—西部差异最大（0.296 3），东北—中部最小（0.118 3），其余区域依次为东部—东北（0.285 4）、东部—中部（0.252 6）、中部—西部（0.16 9）和东北—西部（0.133 8）。从动态变化来看，东部与中部、东部与东北、东部与西部3组区域对的基尼系数分别增长69.44%、62.61%和57.26%，差异显著扩大；中部—西部仅增6.56%，增速较低；而东北—西部与东部—中部则分别下降21.29%和0.4%，区域差异趋于缩小。3）图4（c）显示，在区域内差距中，东部地区（0.183 7）最为显著；其次为西部地区（0.170 8）、中部地区（0.118 8）和东北地区（0.045 9）。从动态变化趋势来看，其区域内差异在不断缩小。

2.2.2　核密度估计分析

本研究采用Kernel核密度估计分析对上述Dagum基尼系数所刻画的地区相对差异进行补充。由图5可知，具有以下显著特征：1）从分布位置来看，核密度曲线整体随时间呈现右移态势，表明研究期间我国畜牧业新质生产力发展水平在不断提升。2）从主峰演进态势来看，核密度曲线主峰的高度整体上呈现“上升—趋稳—回落”的3阶段演进态势，主峰宽度无明显变化，表明我国各地区间畜牧业新质生产力发展水平差距先缩小后扩大。3）从分布延展性看，存在着明显的右拖尾现象，表明我国各地区间畜牧业新质生产力发展水平差距较大，即存在着部分地区畜牧业新质生产力发展水平远超其余地区的现象。4）从极化趋势来看，存在双峰现象，但侧峰高度随时间的推移呈下降趋势。表明我国畜牧业新质生产力发展水平呈两极化但趋于减弱的趋势。基于此，核密度估计结果与上述分析结果基本一致。

2.2.3　Markov链分析

为进一步分析我国畜牧业新质生产力的演化趋势，采用Markov转移概率矩阵模型，揭示我国畜牧业新质生产力发展水平的时空演变特征，并推测未来演进趋势。

2.2.3.1　传统Markov链分析。表3测算结果显示：1）主对角线概率值显著高于非对角线概率，表明我国畜牧业新质生产力发展水平类型转移具有稳定性，即发展维持原等级不变的概率较高，存在“等级锁定”现象。2）下一阶段向临近类型转移的概率远大于向非临近类型转移的概率，表明我国畜牧业新质生产力发展水平实现跨越式转移的可能性较小，其动态演化是逐渐提升的慢过程。3）对于类型Ⅱ、类型Ⅲ发生向上转移的概率（21.13%、8.20%）显著高于向下转移的概率（4.23%、1.64%），表明我国畜牧业新质生产力发展水平在地区动态演进的过程中获得提升的概率更高。

2.2.3.2　空间Markov链分析。空间马尔科夫链是传统马尔科夫链在空间维度的拓展，通过引入空间位置因素来分析状态转变。基于2013—2022年经济地理权重矩阵的计算结果显示（表4），我国畜牧业新质生产力发展存在明显的空间集聚特征，具有稳定的空间正相关性。

基于莫兰指数的空间关联分析，将经济地理空间权重纳入时间跨度进行空间Markov链分析，进一步分析畜牧业新质生产力发展的动态演化特征。表5结果显示：1）在考虑空间效应后，主对角线概率值均显著高于同状态行的其他概率值。表明我国各省份畜牧业新质生产力发展水平仍存在显著的“等级锁定”现象。2）下一阶段向临近类型转移的概率仍远大于向非临近类型转移的概率，表明在考虑时间跨度的基础上，各地区畜牧业新质生产力发展水平仍然难以实现“跨跃式”转移。3）邻近省份的畜牧业新质生产力发展水平对本省具有显著影响。具体而言，与高（低）水平相邻的省份会提升畜牧业新质生产力发展水平向上（下）转移的概率。

3　畜牧业新质生产力发展的障碍因素与驱动因素分析

3.1　障碍因子诊断

我国畜牧业新质生产力发展水平三级指标排名前5的障碍因子及障碍度如表6，各指标依次用C1~C19表示。通过观察研究期内的障碍因子发现，主要障碍因素较为稳定。软件产品收入水平（C15）、信息技术服务收入水平（C16）、电子商务收入水平（C19）、畜牧业技术水平（C4）和发明专利授权量（C5）对畜牧业新质生产力发展的影响稳居前五位。其中软件产品收入水平、信息技术服务水平和电子商务水平稳居前三位，均代表畜牧业数字生产力。结果清晰地表明，数字技术的发展与创新已成为推动畜牧业新质生产力发展的重要驱动因素，是畜牧业新质生产力发展未来需要重点关注的领域。此外畜牧业技术水平和发明专利授权量分别位居第四和第五位，表明在现代畜牧业与科技创新背景下，畜牧业技术进步和创新能力对我国畜牧业新质生产力发展具有显著影响。

3.2　驱动因素分析

3.2.1　因子探测

因子探测结果见表7，市场化程度、经济发展水平、产业结构、政府投资力度、家庭肉蛋奶消费水平及城镇化水平均显著影响我国畜牧业新质生产力发展。其中，市场化程度、产业结构和经济发展水平始终是主导因素，解释力均超过0.45，反映出当前畜牧业新质生产力对其具有较强的依赖性。市场化深化通过优化政府与市场关系、强化资源配置推动技术扩散与产业革新；产业结构升级则提高了要素配置效率，促进畜牧业向集约化与高附加值转型。经济增长带来的“人力资本红利”也推动了高等教育投入与创新能力提升，形成“经济—教育—技术”良性循环。

研究初期仅市场化程度影响显著且稳定，随后城镇化、家庭肉蛋奶消费与政府投资力度等因素逐步显现，影响机制趋于多元。城镇化推动消费需求从量向质转变，带动畜牧业向高质量与绿色方向转型；政府投资的加大则促进了基础设施完善与技术创新，全面助力畜牧业新质生产力发展。

3.2.2　交互作用探测

为探测任意两自变量协同对我国畜牧业新质生产力发展的交互作用，选取2013、2016、2019和2022年作为研究样本，进行交互作用探测，结果如图6。主对角线为单因子q值，非对角线为双因子交互解释能力。结果显示，双因子交互作用类型主要表现为非线性增强和双因子增强，即双因子协同解释效力优于其单独作用。市场化程度与其他因素的交互驱动力最强。其提升可促进市场繁荣与经济多样化，吸引跨领域技术以提升产业竞争力；这种双重赋能使畜牧业对科技、人才、信息等新质生产力要素需求激增，直接驱动产业向智能、绿色、高效转型，重塑畜牧业发展格局。

4　结论与启示

本研究基于畜牧业新质生产力发展水平综合评价指标体系测算2013—2022年全国30个省份畜牧业新质生产力综合发展水平。在此基础上，系统分析了我国畜牧业新质生产力地区差异、动态演化及驱动因素。得到以下结论：1）从特征事实来看，我国畜牧业新质生产力发展水平综合指数处于较低水平，但整体及其子系统发展水平均呈现稳步上升的态势。四大分区呈现“东—中—西－东北”的递减格局，且东部地区与其他地区差距较大。2）从区域差异来看，我国畜牧业新质生产力发展水平综合指数和各子系统存在明显的地区差异；且发展差异有扩大的趋势，存在一定程度的区域发展不平衡不充分问题。地区差异主要源于区域内差异并呈现不断扩大的趋势。3）从时空演进趋势来看，我国畜牧业新质生产力发展水平的动态演进是逐渐提升的慢过程，具有稳定性，且更倾向于发生向上转移。4）从驱动因素来看，障碍因子诊断显示，数字技术的发展与创新已成为推动畜牧业新质生产力发展的重要驱动因素，是未来发展需要重点关注的领域。驱动因素显示，市场化程度、经济发展水平、产业结构、政府投资力度、家庭肉蛋奶消费水平和城镇化水平均对畜牧业新质生产力发展具有促进效应。其中市场化程度、产业结构和经济发展水平是影响各区域畜牧业新质生产力发展的主导因素。总的来说，影响我国畜牧业新质生产力发展的主导因素从相对单一逐渐向多元转变。

基于以上研究结论，得到如下政策启示：1）实施区域差异化发展战略，统筹提升整体水平。针对畜牧业新质生产力“东—中—西—东北”递减的格局，避免“一刀切”。东部应发挥引领作用，推进数字技术和智能装备创新示范；中西部和东北地区应加强基础设施、科技推广和人才培育，促进东部技术与管理模式扩散，逐步缩小区域差距。2）强化区域协同与均衡机制，遏制发展差异扩大。建立跨区域技术创新联盟和资源共享平台，推动要素合理流动。通过财政转移支付和专项基金等方式，重点扶持落后地区，缓解区域内发展不平衡。3）保持政策连续性与稳定性，巩固持续向上趋势。制定畜牧业中长期规划，避免政策频繁变动，稳定经营主体预期。持续优化创新环境，引导要素向畜牧业升级领域集聚，增强发展动能。4）聚焦核心驱动力，构建多元协同的政策支持体系。以数字技术为突破口，支持软件研发、信息技术服务、电商平台及关键专利转化，提升数字与科技生产力。深化市场化改革，优化营商环境，推动产业结构向高附加值调整，形成市场、产业、经济多元驱动的协同格局。

参考文献

[1] 司瑞石， 谭永风， 刘明月. 畜牧业高质量发展与高水平安全良性互动：理论逻辑、现实梗阻与破解路径［J］. 农业经济问题， 2025（3）： 110-126

[2] Si R S， Tan Y F， Liu Y M. The positive interaction between high-quality development and high level of safety in animal husbandry： Theoretical logic， realistic obstruction， and solution pathway ［J］. Issues in Agricultural Economy， 2025（3）： 110-126 （in Chinese）

[3] 李彩平，张守夫. 中国农业农村新质生产力水平测度及影响因素分析［J］. 经济问题探索， 2024（12）： 122-135

[4] Li C P， Zhang S F. Measurement of the level of new quality productive forces in agriculture and rural areas of china and analysis of influencing factors［J］. Inquiry into Economic Issues， 2024（12）： 122-135 （in Chinese）

[5] 中国政府网. 2025年中央一号文件发布 提出扎实推进乡村全面振兴［EB/OL］. ［--］.

[6] Chinese Government Website. 2025 Central Document No. 1 Issued， Proposing solid advancement of comprehensive rural revitalization［EB/OL］.［--］. in Chinese）

[7] 中研网. 2024畜牧产业现状、前景趋势研究分析［EB/OL］. ［--］.

[8] China Research Network. 2024 livestock industry status， prospects， and trends research analysis ［EB/OL］. ［--］. in Chinese）

[9] 陈伟生，关龙，黄瑞林，张淼洁，刘红南，胡永灵，印遇龙. 论我国畜牧业可持续发展［J］. 中国科学院院刊， 2019， 34（2）： 135-144

[10] Chen W S， Guan L， Huang R L， Zhang M J， Liu H N， Hu Y L， Yin Y L. Sustainable development of animal husbandry in China［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（2）： 135-144 （in Chinese）

[11] 求是网.以新质生产力为引领推进高质量发展和现代化建设［EB/OL］.［--］.

[12] Qiushi.org. Advancing high-quality development and modernization with new quality productivity as the guide［EB/OL］. ［--］. in Chinese）

[13] 求是网.发展新质生产力是推动高质量发展的内在要求和重要着力点［EB/OL］.［--］.

[14] Qiushi.org. Developing new quality productivity is an inherent requirement and key focus for promoting high-quality development［EB/OL］. ［--］. in Chinese）

[15] 央广网.学习进行时：发展新质生产力，习近平总书记强调“因地制宜”［EB/OL］. ［--］.

[16] China National Radio Network. Learning in progress： Developing new quality productivity， general secretary Xi Jinping stresses “adapting to local conditions”［EB/OL］. ［--］. in Chinese）

[17] 周文，许凌云.论新质生产力：内涵特征与重要着力点［J］.改革，2023（10）：1-13

[18] Zhou W， Xu L Y. On new quality productivity： Connotative characteristics and important focus［J］. Reform， 2023（10）：1-13 （in Chinese）

[19] 蒋永穆，乔张媛.新质生产力：逻辑、内涵及路径［J］.社会科学研究，2024（1）：10-18，211

[20] Jiang Y M， Qiao Z Y. New quality productivity： Logic， connotation and path ［J］. Social Science Research，2024（1）：10-18，211 （in Chinese）

[21] 朱富显，李瑞雪，徐晓莉，孙家昌.中国新质生产力指标构建与时空演进［J］.工业技术经济，2024（3）：44-53

[22] Zhu F X， Li R X， Xu X L， Sun J C. Construction and spatiotemporal evolution of new productivity indicators of China［J］.Journal of Industrial Technology and Economy， 2024（3）：44-53 （in Chinese）

[23] 殷文星， 魏巍. 长三角地区新质生产力水平测度、时空演化及影响因素分析［J］. 统计与决策， 2025， 41（14）： 29-34

[24] Yin W X， Wei W. Measurement， spatiotemporal evolution， and influencing factors of new quality productivity level in the Yangtze River Delta region ［J］. Statistics & Decision， 2025， 41（14）： 29-34 （in Chinese）

[25] 卢江， 郭子昂. 市域新质生产力：水平测度、时空演化与影响因素：基于2012—2021年全国277个城市面板数据的研究［J］. 社会科学辑刊， 2024（4）： 124-133

[26] Lu J， Guo Z A. New quality productivity in urban areas： Level measurement， spatio-temporal evolution and influencing factors： A study based on panel data of 277 cities across the country from 2012 to 2021 ［J］. Social Science Journal， 2024（4）： 124-133 （in Chinese）

[27] 徐中春， 苏广见， 刘燕华， 李宇航. 山东省新质生产力综合评价：发展指数测度、动态演进及其障碍因子［J］. 中国人口·资源与环境， 2025， 35 （2）： 195-204

[28] Xu Z C， Su G J， Liu Y H， Li Y H. Development index measurement， dynamic evolution， and obstacle factors of new quality productive forces in Shandong Province ［J］. China Population， Resources and Environment， 2025， 35（2）： 195-204 （in Chinese）

[29] 刘建华，闫静，王慧扬，葛世帅.重大国家战略区域新质生产力的水平测度及差异分析［J］.重庆大学学报：社会科学版，2024，30（4）：79-90

[30] Liu J H， Yan J， Wang H Y， Ge S S. Measurement and differential analysis of new quality productivity in major national strategic regions［J］. Journal of Chongqing University： Social Science Edition，2024，30（4）：79-90 （in Chinese）

[31] 韩文龙，张瑞生，赵峰.新质生产力水平测算与中国经济增长新动能［J］.数量经济技术经济研究，2024，41（6）：5-25

[32] Han W L， Zhang R S， Zhao F. The measurement of new quality productivity and new driving force of the Chinese economy［J］. Journal of Quantitative & Technological Economics，2024，41（6）：5-25 （in Chinese）

[33] 赵月嘉， 吴伟， 孙寅. 新质生产力指标体系构建及时空演进研究［J/OL］. 科学学与科学技术管理. ［--］.

[34] Zhao Y J， Wu W， Sun Y. Research on the Construction of New Quality Productivity Indicator System and Its Spatiotemporal Evolution［J/OL］. Science of Science and Management of S&T. ［--］. in Chinese）

[35] 卢江，郭子昂，王煜萍.新质生产力发展水平、区域差异与提升路径［J］.重庆大学学报：社会科学版，2024， 30（3）： 1-17

[36] Lu J， Guo Z A， Wang Y P. Levels of development of new quality productivity， regional differences and paths to enhancement［J］. Journal of Chongqing University： Social Science Edition，2024， 30（3）： 1-17 （in Chinese）

[37] 刘源， 段丁允， 冯宗宪， 张军. 新质生产力发展水平动态演进、影响因素及提升路径［J］. 科技进步与对策， 2025， 42（12）： 1-13

[38] Liu Y， Duan D Y， Fen Z X， Zhang J. Analysis on the dynamic evolution， influencing factors and improvement paths of the development level of new quality productive forces［J］. Science & Technology Progress and Policy， 2025， 42（12）： 1-13 （in Chinese）

[39] 彭桥， 肖尧， 杨宇茜， 杨沛瑾. 中国新质生产力发展水平测度、动态演化与驱动因素研究［J］. 软科学， 2025， 39（4）： 25-34

[40] Peng Q， Xiao Y， Yang Y Q， Yang P J. Measurement， dynamic evolution， and driving factors of new quality productive forces development in China ［J］. Soft Science， 2025， 39（4）： 25-34 （in Chinese）

[41] 韩建雨， 胡登月， 李平星， 高新蕊. 中国新质生产力水平时空格局及其影响因素 ［J］. 经济地理， 2025， 45（7）： 1-12

[42] Han J Y， Hu D Y， Li P X， Gao X R.Spatio-temporal Pattern and Influencing Factors of New Quality Productive Forces in China［J］.Economic Geography， 2025， 45（7）： 1-12 （in Chinese）

[43] 马晓河，杨祥雪.以加快形成新质生产力推动农业高质量发展［J］.农业经济问题，2024（4）：4-12

[44] Ma X H， Yang X X. Promoting high-quality agricultural development by accelerating the formation of new quality productivity［J］. Issues in Agricultural Economy，2024（4）：4-12 （in Chinese）

[45] 高原，马九杰.农业新质生产力：一个政治经济学的视角［J］.农业经济问题，2024（4）：81-94

[46] Gao Y， Ma J J. New quality agricultural productivity： A political economy perspective［J］. Issues in Agricultural Economy，2024（4）：81-94 （in Chinese）

[47] 杨雪， 王永平， 王静. 数字乡村发展对农业碳排放强度的影响效应及作用机制检验［J］. 统计与决策， 2023， 39（11）： 66-71

[48] Yang X， Wang Y P， Wang J. Test on the impact effect and mechanism of digital rural development on agricultural carbon emission intensity［J］. Statistics & Decision， 2023， 39（11）： 66-71 （in Chinese）

[49] 吴强， 孙继雅， 陈金兰. 畜牧业技术进步的碳减排效应及其作用机制：基于中介效应、调节效应和空间溢出效应的检验［J］. 技术经济， 2023， 42（11）： 62-74

[50] Wu Q， Sun J Y， Chen J L. Carbon emission reduction effect and its mechanism of technological progress in animal husbandry： A test based on mediating effect， regulating effect and spatial spillover effect ［J］. Journal of Technology Economics， 2023， 42（11）： 62-74 （in Chinese）

[51] 姜彦坤. 粮食主产区农业新质生产力：水平测度、区域差异及障碍诊断［J］. 湖北社会科学， 2024（5）： 97-106

[52] Jiang Y K. Agricultural new quality productivity in main grain producing areas： Level measurement， regional difference and obstacle diagnosis ［J］. Hubei Social Sciences， 2024（5）： 97-106 （in Chinese）

[53] 金绍荣， 漆祥洪. 中国农业新质生产力：综合测度与动态演进［J］. 宏观质量研究， 2025， 13（3）： 73-89

[54] Jin S R， Qi X H. China’s agricultural new quality productivity： Comprehensive measurement and dynamic evolution ［J］. Journal of Macro-quality Research， 2025， 13（3）： 73-89 （in Chinese）

[55] 徐彩瑶， 钱晨， 孔凡斌. 数字乡村建设能否缩小城乡收入差距：基于农业科技进步中介和门槛效应的实证检验［J］. 农业技术经济， 2024（12）： 4-24

[56] Xu C Y， Qian C， Kong F B. Can digital village construction narrow urban-rural income gap： An empirical test based on the mediating and threshold effect of agricultural scientific and technological progress ［J］. Journal of Agrotechnical Economics， 2024（12）： 4-24 （in Chinese）

[57] 万举，周娜.乡村数字化推动农业新质生产力形成的逻辑、机制与路径［J］.新经济，2024（5）：36-47

[58] Wan J， Zhou N. The mechanism and path of rural digitization promoting the formation of new agricultural productivity［J］. New Economy，2024（5）：36-47 （in Chinese）

[59] 陈思思，许鸿儒.数字经济、新质生产力与农村产业现代化［J］.技术经济与管理研究，2024（9）：37-42

[60] Chen S S， Xu H R. Digital economy， new quality productivity and modernization of rural industries［J］. Journal of Technical Economics & Management，2024（9）：37-42 （in Chinese）

[61] 王福红， 夏咏. 中国耕地集约化利用不平衡不充分特征及成因［J］. 资源科学， 2024， 46（1）： 130-144

[62] Wang F H， Xia Y. Characteristics of unbalanced and inadequate intensive use of cultivated land in China and causes［J］. Resources Science， 2024， 46（1）： 130-144 （in Chinese）

[63] 任保平， 程至瑜， 宗景辉. 新质生产力形成中制造业新质化发展水平测度与时空演进［J］. 数量经济技术经济研究， 2024， 41（12）： 5-24

[64] Ren B P， Cheng Z Y， Zong J H. Measurement and spatiotemporal evolution of new qualitative development level of manufacturing during the formation of new quality productivity［J］. Journal of Quantitative & Technological Economics， 2024， 41（12）： 5-24 （in Chinese）

[65] Dagum C. A new approach to the decomposition of the Gini income inequality ratio［J］. Empirical Economics， 1997， 22（4）： 515- 531.DOI： 10.1007/978-3-642-51073-1_4

[66] 栗向阳， 王磊， 张宇欣. 长江经济带新质生产力发展的时空演化格局及其影响因素［J］. 长江流域资源与环境， 2024， 33（5）： 909-923

[67] Li X Y， Wang L， Zhang Y X. Spatial-temporal evolution pattern and influencing factors of development of new productivity forces along the Yangtze River Economic Belt［J］. Resources and Environment in the Yangtze Basin， 2024， 33（5）： 909-923 （in Chinese）

[68] 国家统计局.中国统计年鉴［M］.北京：中国统计出版社，2023

[69] National Bureau of Statistics. China Statistical Yearbook［M］. Beijing： China Statistical Publishing House， 2023 （in Chinese）

[70] 国家统计局农村社会经济调查司.中国农村统计年鉴［M］.北京：中国统计出版社，2023

[71] Department of Rural Socioeconomic Surveys， National Bureau of Statistics of China. China Rural Statistical Yearbook［M］. Beijing： China Statistics Press， 2023. （in Chinese）

[72] 国家统计局农村社会经济调查司，中国城市统计年鉴［M］.北京：中国统计出版社，2023

[73] Department of Rural Socioeconomic Surveys， National Bureau of Statistics of China. China Urban Statistical Yearbook［M］. Beijing： China Statistics Press， 2023 （in Chinese）

[74] 中国畜牧兽医年鉴编辑委员会，中国畜牧兽医年鉴［M］.北京：中国农业出版社有限公司，2023

[75] Editorial Committee of the China Animal Husbandry and Veterinary Medicine Yearbook. China Animal Husbandry and Veterinary Medicine Yearbook［M］. Beijing： China Agriculture Press Co.， Ltd.， 2023 （in Chinese）

[76] 中国绿色食品发展中心. 绿色食品统计年报［EB/OL］. ［--］.

[77] China Green Food Development Center. Green Food Statistical Yearbook［EB/OL］. ［--］ in Chinese）

[78] 顾沈怡， 邱子健， 詹永冰， 钱锟， 熊若男，戴海洋， 尹君，申卫收.我国畜牧业碳排放时空特征与趋势预测［J］.农业环境科学学报， 2023， 42（3）： 705-714

[79] Gu S Y， Qiu Z J， Zhan Y B， Qian K， Xiong R N， Yin J， Shen W S. Temporal and spatial characteristics and trend prediction of carbon emissions from animal husbandry in China［J］. Journal of Agro-Environmental Sciences， 2023， 42（3）： 705-714 （in Chinese）

[80] Han Z， Han C， Yang C. Spatial econometric analysis of environmental total factor productivity of animal husbandry and its influencing factors in China during 2001-2017［J］. Science of the Total Environment， 2020（723）： 137726.

[81] 张藤丽， 焉莉， 韦大明. 基于全国耕地消纳的畜禽粪便特征分布与环境承载力预警分析［J］. 中国生态农业学报（中英文）， 2020， 28（5）： 745-755

[82] Zhang T L， Yan L， Wei D M. Early warning analysis of livestock and poultry excrement characteristics and environmental carrying capacity based on National cultivated land consumption［J］. Chinese Journal of Eco-Agriculture， 2020， 28（5）： 745-755 （in Chinese）

[83] 中国农业科学院农业环境与可持续发展研究所.第一次全国污染源普查畜禽养殖业产排污系数手册［EB/OL］. ［--］.

[84] Institute of Agricultural Environment and Sustainable Development， Chinese Academy of Agricultural Sciences.Manual of Pollutant Emission Coefficients for Livestock and Poultry Farming in the First National Pollutant Source Census. ［EB/OL］. ［--］. in Chinese）

[85] 国家统计局.东西中部和东北地区划分方法［EB/OL］. ［--］.

[86] National Bureau of Statistics. Methodology for Classifying Eastern， Central， and Northeastern Regions ［EB/OL］.［--］. in Chinese）

基金资助

国家社科基金项目(24XTJ003)

国家社科基金后期资助项目(24FGLB113)

自治区普通高校人文社科重点研究基地项目(XJEDU2023J004)

教育部人文社会科学基金青年项目(22YJC790063)

新疆维吾尔自治区社会科学基金青年项目(22CYJ010)