EN中文

Acta Geographica Sinica >

2025 , Vol. 80 >Issue 5: 1386 - 1404

DOI: https://doi.org/10.11821/dlxb20250515

Environmental Change and Agricultural Development

Spatio-temporal pattern of China's new quality agricultural productive forces and their impact on agriculture

  • GAO Jing , 1 ,
  • ZHU Jintao 1 ,
  • LI Yurui , 2, 3 ,
  • GONG Yanling 1 ,
  • SHEN Mei 1
Expand
  • 1. College of Economics and Management, Southwest University, Chongqing 400715, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 3. School of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2024-12-12

  Revised date: 2025-04-25

  Online published: 2025-05-23

Supported by

National Social Science Fund of China(21BGL078)

National Natural Science Foundation of China(42471232)

Fold

Abstract

Cultivating new quality agricultural productive forces (NQAPFs) is an intrinsic requirement for promoting the construction of a strong agricultural country. It is of great practical significance to explain the scientific connotation of NQAPFs in China, analyze their spatial and temporal characteristics, and examine their impact on strengthening China's agriculture. This paper constructs an index system for measuring NQAPFs from four dimensions: agricultural science and technology, labor factors, industrial upgrading and agroecology, based on panel data from 30 provincial-level areas in China from 2012 to 2022. The Theil index, Markov chain and double machine learning methods are used to analyze the spatial and temporal patterns of NQAPFs, identify lagging regions, and empirically test the impact of NQAPFs on agricultural labor productivity and farmers' income. The research found that: China's NQAPFs increased steadily, with industrial upgrading contributing the most and the contributions of the labor factor and agroecology relatively weak; the current development presents a pattern of "high in the east and low in the west", with the eastern region>northeast region>central region>western region, and regional development is unbalanced. However, the NQAPFs converged towards higher levels, and the distribution dynamics are internally stable. Except for the northeast region, there is a converging trend of rapid growth in low-value areas in the eastern, central and western regions of the country. Econometric analysis shows that NQAPFs have significant positive impact on both agricultural labor productivity and farmers' income; 17 provincial-level areas with weak NQAPFs have been identified, mainly in the western and northeast regions. In the future, the focus of efforts to improve China's NQAPFs should be on increasing investment in agricultural science and technology, continuing to promote industrial upgrading, improving the quality of the workforce, strengthening the protection of agricultural ecosystems, and accelerating the improvement of the comprehensive development level of NQAPFs in central and western China.

Key words： new quality agricultural productive forces; spatial pattern; agricultural labor productivity; farmers' income; China

Cite this article

GAO Jing , ZHU Jintao , LI Yurui , GONG Yanling , SHEN Mei . Spatio-temporal pattern of China's new quality agricultural productive forces and their impact on agriculture[J]. Acta Geographica Sinica, 2025 , 80(5) : 1386 -1404 . DOI: 10.11821/dlxb20250515

1 引言

强国必先强农，农强方能国强。中国共产党“二十大”报告提出加快建设农业强国的战略部署。农业生产力是国家强农基、固国本的决定性力量。在实现“大国小农”向“大国强农”的历史性跨越中，迫切需要加快形成以高质量为目标、以创新引领为基础、以科技赋能为内核的农业新质生产力。2023年中国农业科技进步贡献率达到63%，良种贡献率超45%，农作物综合机械化率超73%，已进入世界农业第一方阵 ① ，但与发达国家相比仍缺乏竞争力。科技转化率不高、劳动力素质欠佳、产业链条较短、农业面源污染[1-3]等问题仍是困扰和限制中国农业生产力发展的重要因素。当前农业现代化进程加速，新的科技革命与产业革命互促共进，对农业高质量劳动者、劳动资料和劳动对象提出更高要求，传统农业生产力无法满足农业强国建设的战略要求。2025年中央一号文件明确提出要“因地制宜发展农业新质生产力”。在此背景下，聚焦农业领域的新质生产力，阐释农业新质生产力的内涵、特征，并进行定量测度，不仅是加快建设农业强国的战略要求，更是追寻新质生产力本质内涵和演进逻辑的理论必需。
建设农业强国必然需要全面提升农业全要素生产率水平[4]。推进农业新质生产力培育，其本质也是提升农业生产效率。所以，农业劳动生产率的大幅提升是农业新质生产力培育的重要目标[5]，而农民在“三农”中处于核心地位，提高农民收入始终是中国“三农”工作的中心。由此，农业强国建设的强农要义必然包括农业劳动生产率的提升与农民增收，这两大内容也必然成为发展农业新质生产力的检验标尺。
目前农业新质生产力的理论研究较为丰富。Schumpeter认为创新活动会不断地更新生产方式，推动生产力的巨变[6]；Petty指出农业生产力的核心在于土地与劳动力[7]。在此基础上，Solow进一步提出全要素生产率概念，衡量了技术在生产力中的作用[8]，是新质生产力发展的理论源泉。具体到中国农业领域，学界从多个视角解读了农业新质生产力的科学内涵，认为农业新质生产力是以农业科技化、数字化、网络化和智能化为主线，整合科技创新资源，引入新技术、新设备、新模式等手段，提升劳动、知识、技术、管理、数据和资本等农业要素优化组合而形成的全要素生产率[9]，是以新科技、新技术、新农人和新组织等一系列新生产力要素融入农业产业链以催生农业新业态、新模式、新产业的过程[10]，体现出农业新质生产力以高素质劳动力、颠覆性创新、多要素渗透融合、农业边界突破与产业链延伸、数智化和绿色化[11]的高质化特征。在农业新质生产力概念辨析的基础上，学界进一步从产品、生产要素、生产方式和全要素生产率的逻辑关系出发，论述了农业新质生产力培育的必要条件与充分条件[12]；从历史、理论与现实3个角度讨论了农业新质生产力与新型生产关系的逻辑关联[13]；也有研究从小农户切入，通过案例调研法研究了农业新质生产力中“去小农化”的形成及影响因素[14]。
农业新质生产力的量化研究也日益增多。国外学者多聚焦于数智支撑的农业4.0技术体系[15]、系统性农业变革[16]、土地流转[17]等对农业生产力的支持力度及作用效果。中国学界多依据马克思的生产力理论，从劳动者、劳动对象、劳动要素3个方面测度中国农业新质生产力的发展水平和动态演进特征[18-19]，分析农业新质生产力对农业现代化[20]、农业碳减排[21]等的影响；也有学者测度数字普惠金融[19]、农业保险[22]如何影响农业新质生产力；还有学者区分技术驱动和产业特征，测度数字农业新质生产力[23]和粮食新质生产力[24]。在农业劳动生产率方面，已有研究多从劳动力流动[25]、产业发展[26]与土地要素[27]方面进行考察。在农民收入方面，近年多聚焦数字普惠金融[28]、产业融合[29]与返乡创业[30]对农民收入的影响，但尚未有文献定量研究农业新质生产力如何影响农业劳动生产率与农民收入。
总体而言，农业新质生产力研究已展现良好开端，但仍有以下两点需要进一步拓展：① 农业新质生产力的测度体系中关于“新”的因素体现较少，需厚植理论根基，构建突出战略导向、体现实践应用的测度体系。② 农业新质生产力如何影响农业强国建设的研究还不多见。基于此，本文从马克思理论与中国重大战略结合的角度，揭示农业新质生产力的科学内涵，构建包括农业科技、劳动要素、产业升级、农业生态4个维度的测度体系，揭示全国层面的空间格局特征，识别薄弱地区，并深入分析农业新质生产力对农业劳动生产率和农民收入的影响，即农业新质生产力的“强农”效应，以期为培育农业新质生产力提供行动指南，为全面推进农业农村现代化提供决策参考。

2 科学内涵与指标体系

马克思认为社会差异性的根源莫不是生产力的不同。中国的农耕文明与欧洲的畜牧文明造就了东西方的差异。中国农业的基础性地位、悠久的农耕历史等都决定了中国农业生产力既遵循马克思关于生产力的一般论述，又具有中国特色社会主义的鲜明特征。习近平总书记于2024年发表的重要文章指出，新质生产力是通过技术的革命性突破、生产要素的创新性配置、产业深度转型升级而催生的，是以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵[31]。农业新质生产力是新质生产力在农业领域的体现，既具有高科技、高效能、高质量的特征，又必然体现农业生产主体的多元性、生物学方面的有机性、生态绿色的本底性以及生产力质态更替的渐进性。因此，本文认为农业新质生产力是在传统农业生产力的基础上，通过技术的革命性突破、生产要素的创新性配置、产业的深度转型升级与农业环境的生态保育来驱动农业劳动者、农业劳动资料和农业劳动对象的变革，实现传统农业生产力的跃迁。在此基础上，本文结合农业新质生产力的内涵将其划分为科技创新、劳动要素、产业升级以及农业生态4个维度（图1），进而构建农业新质生产力测度指标体系（表1）。
图1 农业新质生产力内涵

Fig. 1 Connotation of new quality agricultural productive forces

表1 农业新质生产力的评价指标体系

Tab. 1 The indicator system of new quality agricultural productive forces

一级指标 二级指标 三级指标 衡量方式 属性 权重(%)
农业科技 科技研发 农业研发投入强度 农业R&D经费/农业总产值(%) 正 7.11
农业科技专利创新强度 农业科技专利数量/国内专利授权数(%) 正 6.89
农业良种培育水平 农业品种审定数/乡村常住人口(个/万人) 正 6.24
科技推广 农业科技的转化推广度 高标准农田建设累计面积/耕地面积(%) 正 6.44
科技应用 智慧农业物联网覆盖率 农业物联网技术应用面积占比(%) 正 6.33
劳动要素 知识化 人力资本水平 农民平均受教育年限(a) 正 5.65
规模化 家庭农场覆盖率 家庭农场数量/行政村数量(%) 正 4.20
组织化 农民专业合作社覆盖率 农民专业合作社数量/行政村数量(%) 正 8.43
产业升级 机械化 农业机械化综合作业水平 耕整地机械化程度(%)×0.22+播栽机械化程度(%)×0.20+灌溉机械化程度(%)×0.18+植保机械化程度(%)×0.18+收获机械化程度(%)×0.22 正 9.07
加工化 农产品加工业发展水平 农产品加工业主营业务收入/农业总产值(%) 正 8.09
产业化 农业龙头企业影响度 国家重点龙头企业数量/农业劳动者(个/万人) 正 6.19
设施化 设施型农业占比 设施农业总面积/耕地面积(%) 正 9.46
农业生态 低碳化 单位劳动的农业碳生产率 农业增加值/(农业碳排放×农业劳动者)(万元/(t⋅万人)) 正 4.97
清洁化 农业生产的清洁化水平 农业增加值/化肥、农药投入量(万元/t) 正 4.94
绿色化 农业绿色经营主体覆盖率 绿色农民合作社数量/乡村常住人口(个/万人) 正 5.99

注：权重的具体测算方法见3.2.1研究方法。

（1）科技创新突破是提升农业新质生产力效率的本质要求。传统生产力在农民劳作、畜力使用向机械利用的拓展过程中，人均劳动效率和土地产出效率有了显著提升。相比要素投入驱动的传统农业生产力，数字融合、智能农机等农业科技创新推动农业生产力实现“质”的跃迁[10]。具体地，农业新质生产力主要锚定在颠覆性技术的突破，通过研发、推广及应用农业创新技术，发展智慧农业、精准农业、种质农业等新模式，打造垂直农业、生物农业、康养农业等新业态，提升生产的精确度和生产经营的成本效益[32]，进而推动农业生产力实现革命性跃升。本文从农业科技的研发、推广与应用3个方面构建农业科技的测度指标。农业科技研发主要包括发展新技术、引进新品种等，从农业科研经费投入强度、农业科技专利创新强度和农业良种培育水平3个方面切入，以农业R&D经费在农业总产值中的占比、农业专利数量在国内授权专利中的占比和每万人农业品种审定数进行衡量；农业科技推广是加快农业科研成果普及应用的过程，从依托载体看，高标准农田极大改善了农业科技应用的空间，是农业科技推广的有效载体 ② ，选取各省高标准农田的累计建设面积在耕地面积中的占比进行衡量；农业科技应用是将农业研发与推广中的技术成果转化为实践的过程，本文从未来农业布局中的关键技术考虑，并参考已有研究[24]，选取农业物联网覆盖率测度农业科技的应用程度。
（2）劳动要素优化是培育农业新质生产力的内驱动力。劳动者是推动生产力从可能转变为现实、从低端迁移至高端的关键因素，培育高素质农民是发展农业新质生产力的基础，是推动新质生产力培育的关键[33]。具体而言：接受先进理念或应用前沿技术需要有基础知识和基本技能的储备，受教育水平至关重要；家庭农场继承与创新了农业家庭经营的优势，通过适度规模经营，推动农场主学习种养技术、产品销售、生产规划等专业知识，让普通农民成长为“企业家”型的经营者，构成了中国高素质农民的中坚力量；农民合作社则通过合作经营、提供农业社会化服务等方式，推进小农户参与现代农业进程，提升普通农民参与大市场发展的能力，这一组织化的方式既是世界各国农业现代化进程的普遍规律，更是立足中国农情推进现代农业建设的有效路径。因此，本文从知识化、规模化和组织化方面构建劳动要素的测度指标，即选取农民平均受教育年限衡量劳动者的知识化程度、选取家庭农场覆盖率衡量规模化程度、选取农民专业合作社覆盖率衡量组织化程度。
（3）产业优化升级是检验农业新质生产力效果的实践载体。农业新质生产力是否更先进、更有效果需要生产实践来检验[34]，而检验的关键则在于农业产业结构调整和转型升级的效果。农业的多功能性[35]和第一产业的基础性地位，决定了农业产业升级具有较强的融合性，有利于新业态的形成和新价值的创造。具体而言：农业产业升级需要通过生产要素挖掘创新、农业农村制度改革，推动传统农业通过机械化生产、加工化增值、产业化经营、设施化调控等过程，推动先进技术应用向高端产业体系的转化，进而推动农业产业链、供应链和价值链的协同发展[36]，获得技术的经济性价值，为农业新兴产业发展创造新的增长点。本文从机械化、加工化、产业化和设施化四个方面构建产业升级的测度指标。选取农业机械化综合作业水平衡量机械化[37]；选取设施农业总面积在耕地面积中的占比衡量设施化；选取农产品加工业主营业务收入在农业总产值中的占比衡量加工化；农业龙头企业在推动农业产业化中起到主导作用，根据中国农业农村部公布的第四次至第九次国家重点龙头企业监测名单进行测算农业龙头企业的影响度，衡量农业的产业化程度。
（4）生态保育是塑造农业新质生产力的特有潜力。保护生态就是保护生产力，改善生态就是发展生产力。农业的有机特性决定了绿色生产力是农业新质生产力的特色，从中国传统的生态哲学到King的《四千年农夫》[38]均记载了农业和生态的天然依存和能量循环关系。当前“两山”理论指导下的产业生态创新和有机农业等新型农业温润而丰厚。过去依靠化学技术过量施用农资的传统农业生产力带来的生态环境破坏导致食品安全、面源污染事件频发，农业产业发展难以可持续。因此，农业新质生产力培育的一项紧迫任务是按照绿色发展理念，推动绿色能源、清洁生产和绿色主体的发展，推进农业资源节约和环境治理，强化农业生态保育促进农业发展的可持续性。本文从低碳化、清洁化和绿色化方面构建农业生态的测度指标。低碳化采用单位劳动的农业碳生产率衡量；清洁化采用单位农药、化肥投入量的农业增加值来衡量；绿色化是指采用环保、生态、节能等技术和管理手段实现环境保护与资源节约，本文选取绿色农民合作社覆盖率衡量。

3 数据与方法

3.1 数据来源

乡村振兴是新时代“三农”工作的总抓手。在全面推进乡村振兴战略的过程中，实行“中央统筹、省负总责、市县抓落实”的工作机制，省级层面是组织、评估乡村振兴的重要单元。因此，本文以2012年乡村振兴战略实施为农业新质生产力测算起始年份，选取中国2012—2022年的省级面板数据为考察样本进行测算。受数据资料限制，西藏和港澳台地区数据暂缺，其余30个省（自治区、直辖市）（简称省份）纳入研究。统计数据主要来自2013—2023年历年《中国统计年鉴》《中国农业机械工业年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》《中国第三产业统计年鉴》《中国农业年鉴》《中国休闲农业统计年鉴》《中国财政年鉴》《中国农村政策与改革统计年报》《中国农村合作经济统计年报》以及各省份统计年鉴等。农业品种审定数根据种业信息网数据细致整理而得；国家重点龙头企业数据来自农业农村部公布的第四次至第九次国家重点龙头企业监测名单。个别缺失数据采用插值法补齐。

3.2 研究方法

3.2.1 农业新质生产力指标测度方法

赋权是测算指标体系综合分值的关键工作。现有赋权法主要包括主观赋权法和客观赋权法，由于主观赋权法难以避免赋权者主观判断，所以赋权权重具有一定的主观偏向性。CRITIC（Criteria Importance Through Intercriteria Correlation）赋权法运用指标标准差和指标间的相关性对指标间的变异性和冲突性进行度量，完全利用数据自身客观性评价，相对于其他赋权法具有独特优势，故本文采用客观赋权法中的CRITIC赋权法对各指标进行赋权[39]。该方法的核心在于变异性和冲突性两个指标，变异性使用标准差来测算数据间的离散性，标准差较大表示数据波动较大，权重越高；冲突性使用相关系数来测算数据间的信息重叠性，相关系数越大则表示冲突性越小，权重越小。赋权过程中，首先对数据进行无量纲化处理，其次计算指标的变异性和冲突性，最后综合考虑变异性和冲突性的情况，对两者相乘进行归一化处理，即得到最终权重。
归一化处理方法：
Z i j = x i j - x m i n j x m a x j - x m i n j ,           Z i j = x m a x j - x i j x m a x j - x m i n j
式中： x i j表示第i个省份第j项指标取值； x m i n j表示j项指标最小值； x m a x j表示j项指标最大值； Z i j表示无量纲化处理后的数值。
权重计算方法：
I j = σ j ∑ k = 1 n 1 - r j k )
ω j = I j ∑ k = 1 n I k
式中： I j表示指标j所包含的信息量（冲突度）； r j k表示指标j和指标k之间的相关系数； σ j为指标j的标准差，用于代表指标j与其他指标之间的对比度； ω j为指标j的客观权重。

3.2.2 马尔可夫链

使用马尔可夫链研究区域农业新质生产力从一种类型转移到另一种类型的可能性。传统马尔可夫链是一个随机过程。通过构建n ×n的转移概率矩阵，反映每个区域向上或向下转移的状态[40]。具体公式为：
p x ( t + s ) = j x ( t ) = i ,   x ( t - 1 ) = i t - 1 ,   ⋯ ,   x 0 = i 0 = p x ( t + s ) = j x ( t ) = i = p i j
p i j = n i j n i
式中：s为时间增量（s>0），随机变量x在时间t+s的状态下仅受当前时刻t的影响； p i j为转移概率， n i j为状态i转变为状态j的总次数； n i为状态i出现的总次数。

3.2.3 泰尔指数及其分解

为揭示农业新质生产力增长的差异来源，本文使用泰尔指数测度中国四大板块 ③ 的总体差异、地区内差异和地区间差异。参照Theil[41]和聂长飞等[42]的做法，泰尔指数的具体公式可表示为：
T = 1 n ∑ i = 1 n Y i Y ¯ × l n Y i Y ¯
T p = 1 n p ∑ i = 1 n p Y p i Y ¯ P × l n Y p i Y ¯ p
T = T w + T b = ∑ p = 1 4 n p n × Y - p Y - × T p + ∑ p = 1 4 n p n × Y - p Y - × l n Y - p Y -
式中：T表示中国农业新质生产力发展水平的泰尔指数，介于[0,1]之间，其值越小表示总体差异越小；i表示省份；n代表全国省份总数； Y i表示省份i的农业新质生产力发展水平； Y -表示中国农业新质生产力发展水平均值； T p（p=1, 2, 3, 4）表示东部地区、中部地区、西部地区和东北地区农业新质生产力发展水平的泰尔指数； n p分别代表不同地区的省份数量； Y p i表示p地区内省份i的农业新质生产力发展水平； Y - p表示p地区农业新质生产力发展水平的均值。文中将中国农业新质生产力的泰尔指数T分解为地区内（ T w）和地区间（ T b）泰尔指数。

3.2.4 β收敛

使用β收敛性分析来量化农业新质生产力演变的个体趋势。绝对β收敛是指每个省份的农业新质生产力随着时间的推移逐渐收敛于相同的水平，即农业新质生产力水平较低的省份通过较高的增长速度逐渐趋近于农业新质生产力水平较高省份的趋势。条件β收敛是指不同省份的农业新质生产力在控制一些外部影响因素后最终收敛到各自的稳态水平。条件β收敛有两种检验方式：面板固定效应模型和添加控制变量。预测不同省份农业新质生产力的发展趋势[43]，并通过面板固定效应检验条件β收敛，公式为：
l n Y i ,   t + 1 Y i t = α + β l n Y i t + ε i t
l n Y i ,   t + 1 - l n Y i t = α + β l n Y i t + η i + γ i + μ i t
式中： Y i ,   t + 1和 Y i t分别表示t+1期和t期第i个省份农业新质生产力的值； α和β为待估计系数； ε i t为误差项 η i、 γ t和 μ i t分别为个体效应、时间效应和随机误差项。当β显著为负，表明存在绝对收敛，反之存在发散。

3.2.5 双重机器学习

传统因果推断模型存在诸多限制，如在处理高维控制变量时面临“维度诅咒”和多重共线性问题[44]，并且大多数研究都假定因变量与自变量存在线性关系，并未考虑其间的非线性关系。双重机器学习模型可以自动筛选并处理高维控制变量，获得估计结果，能够有效避免模型设定偏误[45]，对于非线性变量的处理具有明显优势。因此，在检验农业新质生产力的强农效应时，为解决多维控制变量和非线性关系的问题，本文引入双重机器学习模型。双重机器学习模型的核心机制是正交化分离处置效应，即通过两阶段残差化建模剥离处理变量与混杂变量（控制变量）的关联性，从而识别处置效应的“净效应”。部分线性的双重机器学习公式为：
Y i ,   t + 1 = α 0 X i t + g ( C o n t r o l s i t ) + U i t
E ( U i t X i t ,   C o n t r o l s i t ) = 0
式中：i和t分别表示观测对象和时间； Y i ,   t + 1表示被解释变量； X i t表示处置变量； C o n t r o l s i t表示高维控制变量集合，需采用机器学习算法估计其具体形式 g ^( C o n t r o l s i t)； U i t为误差项，条件均值为0。
为加快收敛速度，满足处置变量小样本的无偏性，构建辅助模型[46]：
X i t = m ( C o n t r o l s i t ) + V i t
E ( V i t C o n t r o l s i t ) = 0
式中： m ( C o n t r o l s i t )为处置变量对高维控制变量的回归函数，同时也需采取机器学习算法估计其具体形式 m ^ ( C o n t r o l s i t )； V i t为误差项，条件均值为0。

3.3 强农效应的指标选取

本文采用双重机器学习模型，在控制省份固定效应和年份固定效应的前提下，测算农业新质生产力的强农效应。结果变量为农业劳动生产率和农民收入水平，分别用农业增加值与农业从业人口的比值，以及农村居民人均可支配收入表示，其中农业增加值以2012年为基期进行平减消除价格因素影响[47]。处置变量为农业新质生产力。控制变量从政府、社会、经济和自然因素出发，构建符合农业生产外部环境、要素供给与组织形态的多维指标。农业保险作为政府与市场的有效结合[48]，是政府支持农业生产的重要工具。因此政府因素以农业保险规模，即农业保险保费收入与财产保费收入之比进行衡量；中国高速城镇化进程带来了农村人口向城市的快速转移，农村劳动力的缺失推动农业机械的广泛应用，进一步提升了农业生产效率，也进一步改善了农民的收入结构，因此社会因素以农业人口外流规模，即农业外出务工人数与乡村人口之比衡量；农业固定资产是进行农业再生产的基础，增加农业投资能够激发农业生产效率的提升[49]，因此经济因素以农业投资，即农村人均固定资产投资进行衡量；交通基础设施通过降低运输成本[50]，促进生产要素流动、技术扩散与市场接入，是新质生产力转化为实际收益的关键通道，此外，交通网密度隐含了地形复杂度、资源可达性等信息，可部分替代地形等自然因素 ④ ，因此自然因素以交通网密度，即铁路和公路里程和与行政区划面积之比衡量。

4 结果分析

4.1 农业新质生产力的时序变化

中国农业新质生产力发展水平的均值由2012年的0.136增长至2022年的0.280，呈线性增长态势，年均增长率为7.49%（图2）。研究时段内，中位数始终小于平均值，表明存在极端值，即某些省份农业新质生产力发展水平较高，拉高了平均值。分维度来看，产业升级发展水平最高，均值为0.071，年均增长率为2.13%，贡献率为35.94%；其次是农业科技（0.063），年均增长率为12.37%，贡献率为29.91%；然后是劳动要素（0.054），年均增长率为7.86%，贡献率为26.11%；最后是农业生态（0.017），年均增长率为17.76%，贡献率为8.03%。由此可知，产业升级和农业科技在农业新质生产力发展中处于核心地位，且农业科技年均增速迅猛，是培育农业新质生产力的主引擎；农业生态和劳动要素是农业新质生产力发展的短板，但增速较快。由此发现，以数字技术主导的物联网、大数据等智慧技术以及优良品种应用已成为培育农业新质生产力的主动力，依据科技进步带来的业态升级拓展了农业价值增值空间。而在劳动要素维度，由于农村人口通过务工求学外流严重，农村人口严重老龄化，且农业农村的发展环境决定了农业人才的引、用、育、留依然困难，同时新型农业经营主体培育提档升级的过程中面临能力瓶颈，限制了劳动要素对农业新质生产力的贡献。在农业生态维度，改革开放以来的“石化农业”模式极大提高了土地产出效率，但由此带来的生态面源污染治理、修复极为缓慢，农业生态维度发展水平较低。近年来，随着“蓝天、碧水、净土保卫战”以及农村人居环境整治工作的开展，农业生态治理取得显著成效，并且在“两山”理论的指导下，农业生态价值日益凸显，农业新质生产力培育有了更持久的发展潜力。
图2 2012—2022年中国农业新质生产力及分维度发展水平

Fig. 2 Trends of new quality agricultural productive forces index and its sub-dimensions in China from 2012 to 2022

为进一步分析农业新质生产力区域发展特征，按照东部、中部、西部和东北地区四大板块，计算农业新质生产力发展水平的均值，按东部、东北、中部和西部地区的位序递减（图3）。东部地区长期以来积累的科技、产业方面的发展优势决定了其农业新质生产力的发展水平最高。东北地区已成为保障国家粮食安全的核心区域，近年来在种业研发、机械应用、农田建设等方面持续提升，农业新质生产力发展势头强劲。中部地区也多为粮食主产区，但与东北地区相比，人地关系更为紧张且农产品加工业稍有逊色，农业新质生产力水平略低。西部地区农业资源禀赋欠佳，限制了农业机械化的发展，农业劳动力素质不高，农业生产规模较小，进一步限制了加工增值，综合导致农业新质生产力发展水平偏低。
图3 2012—2022年中国四大板块农业新质生产力发展水平

Fig. 3 Trends of new quality agricultural productive forces index in four major regions of China from 2012 to 2022

4.2 农业新质生产力的空间格局

4.2.1 空间演进特征

全国各省份农业新质生产力发展水平呈现显著的区域差异和增长趋势（图4），东部地区的北京、天津、上海等省份农业新质生产力发展水平较高，西部的贵州、云南、广西等省份相对较低，且发展水平最高的区域（上海）是最低区域（贵州）的2.6倍，区域差异明显。
图4 2012—2022年中国各省份农业新质生产力发展水平测度结果

Fig. 4 Spatio-temporal change of new quality agricultural productive forces index at provincial level from 2012 to 2022

根据自然断点分级法将农业新质生产力发展水平划分为5个等级，即：低(0.041, 0.139]、中低(0.139, 0.198]、中等(0.198, 0.259]、中高(0.259, 0.326]和高(0.326，0.441]，进一步考察农业新质生产力的空间分布（图5）。2012年处于中高发展水平的有北京和天津；处于中等发展水平的有上海、江苏和海南；处于中低发展水平的有浙江、广东等6个省份，基本为东部沿海省份（图5a）；其余省份处于低发展水平。2022年北京、上海等6个省份上升为高发展水平；广东、浙江等13个省份上升为中高发展水平；河南、山西等8个省份上升为中等发展水平；贵州、云南等3个省份上升为中低发展水平（图5b）。总的看，2012—2022年各省份农业新质生产力发展等级逐渐提高，全国大约96%省份的发展等级均有不同程度提升，发展趋势向好，但仍存在继续向高水平发展的潜在空间，不同地区的发展差距也较为明显。
图5 2012年和2022年中国农业新质生产力等级评价空间分布

注：基于自然资源部标准地图服务网站GS(2023)2767号地图绘制，底图边界无修改，后同图。

Fig. 5 Spatial pattern of new quality agricultural productive forces index in China in 2012 and 2022

从不同省份看，北京农业科技贡献率、智慧农业覆盖率等较高，汇聚了大量的高等院校，特别是声誉卓越的涉农类院校，科技力量雄厚，人才储备丰富，作为政治中心带来的农业战略影响力极高，决定了这里成为农业新质生产力发展的重要策源地。上海农业科研经费、产业化程度等较高，主要是由于上海经济中心地位培育的城市强劲社会生产力对农业农村的全面带动，推动了农业生产中数字驱动、业态转型快速发展，农业新质生产力的发展水平遥遥领先。2022年上海聚焦13个绿色田园先行区，致力打造资源集聚、技术先进、产业融合、生产绿色、品牌突出的现代农业，探索现代都市引领的农业新质生产力发展路径。发展水平最低的贵州农业科技创新、规模化等水平较低，主要是由于贵州的财力水平影响了农业科研经费投入，且数字型企业较少，农业物联网、大数据等数智技术应用有限，加之省内大部分是高原山地与喀斯特地貌，农业生产用地较少，规模化发展受限。
从四大板块看，农业新质生产力发展水平高的省份大部分位于东部沿海地区，其余地区大部分则处于较低的发展水平，具有较大提升空间。但也存在着一些特殊地区，如经济发达的浙江、广东，农业新质生产力发展水平并没有达到应有的高水平，黑龙江经济发展水平中等，但农业新质生产力水平则处于板块领先。可能原因是浙江“浙北强、浙南弱”的特征决定了农业新质生产力发展的内部不平衡。从数据看，浙江农民专业合作社数量较少，覆盖率全国倒数第二，且近年来浙江农业主要以一三产业融合为主，乡村旅游业态发达，农业生产的加工化和规模化还有待提高。广东省内区域间、部门间的资源投入差异大，农业设施化和产业化处于中低等水平，限制了农业新质生产力的整体发展。在板块内领先的黑龙江，是中国第一产粮大省，资源禀赋优势与重大战略部署推动了科技进步、土地保护与产业链延伸。截至2022年底，黑龙江的绿色食品原料标准化生产基地面积高达6845.5万亩（1亩 ≈ 666.7 m2），居全国首位，走出了粮食新质生产力培育的先行之路。
为探究农业新质生产力的动态演进规律，借助马尔可夫链，根据划分的5个等级刻画农业新质生产力的跃迁特征。由表2可见：① 农业新质生产力分布的内部流动性较弱。转移概率矩阵对角线上的概率值为0.636、0.780、0.760、0.758和1.000，均大于非对角线上的概率值，表明各省份的发展水平大概率维持原状，即发展水平较高的省份由于其资源、政策等优势，大概率维持现状，而发展水平较低的省份或许缺乏强劲的发展动能也大概率维持现状，存在“俱乐部趋同”特征。② 农业新质生产力转移只发生在相邻组之间的递次转移，跨组转移概率为0。表明农业新质生产力发展是一个渐进的过程，跨级跃迁的难度较大。③ 农业新质生产力向低水平转移的概率很小。中低水平向低水平转移的概率（0.009）小于向中等水平转移的概率（0.212），中等水平向中低水平转移的概率（0.038）小于向中高水平转移的概率（0.203），中高水平向中等水平转移的概率（< 0.001）小于向高水平转移的概率（0.125）。总的看，农业新质生产力发展水平还不够高，且存在“极化效应”，即维持中高和高等级的省份数量少，存在明显的不平衡现象。
表2 农业新质生产力的马尔可夫链转移概率矩阵

Tab. 2 Markov chain transfer probability matrix of new quality agricultural productive forces index

t/(t+1) n 低 中低 中等 中高 高
低 55 0.636 0.367 0 0 0
中低 118 0.009 0.780 0.212 0 0
中等 79 0 0.038 0.760 0.203 0
中高 33 0 0 0 0.758 0.125
高 15 0 0 0 0.133 1.000

注：t和t+1分别表示第t年和t+1年，n表示当前年份t处于某状态的省份数量。

4.2.2 空间分异特征

将农业新质生产力分解为地区内差距和地区间差距，探寻空间分异特征（图6）。总体泰尔指数从2012年的0.093变为2022年的0.029，表明区域差距呈缩小趋势。从四大板块来看，东部地区差距值最大；西部与中部地区次之；东北地区差距值最小。总体原因与农业新质生产力空间演进解释类似。2012—2016年的地区间差距大于地区内差距，2017—2022年的地区内差距大于地区间差距，表明农业新质生产力的差距在2017年前主要来源于地区间，2017年后主要来源于地区内。主要原因是脱贫攻坚时期以产业帮扶为主的对口帮扶、东西协作等政策为西部地区带来了先进农业科技、高素质人才，优化了产业体系，缩小了区域间发展差距；中部地区得益于国家粮食安全战略的推动，高标准农田建设、种业研发、机械化水平等得到明显提升。
图6 2012—2022年中国四大板块农业新质生产力的泰尔指数测度

Fig. 6 Theil index of new quality agricultural productive forces index in four major regions of China from 2012 to 2022

表3展示了2012—2022年农业新质生产力收敛检验结果。从绝对β收敛来看，全国和四大板块的β系数均为负数，且除东北地区外，全国和东、中、西部地区均通过显著性检验，存在绝对β收敛，这表明农业新质生产力发展水平低的省份会以更快的速度追赶农业新质生产力发展水平高的省份，存在“追赶效应”。东北地区内部差距较小，已经在一个相对接近的水平上，从而不存在绝对β收敛。从条件β收敛来看，在控制个体和时间效应后，全国和东、中、西部地区的β系数均在1%水平下显著为负，存在条件β收敛，即随着时间的推移，全国和东、中、西部地区的农业新质生产力会逐渐收敛至各自的稳态水平，但东北地区不存在条件β收敛，主要是因为东北地区中各省份机械化水平差异较大，黑龙江地区机械化水平为1.871，居全国第一，而辽宁、吉林地区则处于全国中等水平，个别指标的差异导致了农业新质生产力发展水平的差异无法通过条件β方式自动弥合。
表3 2012—2022年农业新质生产力的绝对β和条件β收敛情况

Tab. 3 Absolute β and conditional β convergence of new quality agricultural productive forces index from 2012 to 2022

变量 全国 东部 中部 西部 东北
绝对β收敛 β -0.107***(-7.844) -0.037**(-2.414) -0.087***(-4.626) -0.167***(-8.293) -0.125(-1.207)
α -0.101***(-4.165) 0.001(0.049) -0.069*(-2.530) -0.220***(-5.633) -0.121(-0.730)
条件β收敛 β -0.310***(-8.423) -0.339**(-2.645) -0.264**(-3.065) -0.356***(-5.495) -0.157(-1.532)
α -0.444***(-7.151) -0.434**(-2.349) -0.372*(-2.512) -0.586***(-4.676) -0.169(-1.101)

注：*、**和***分别表示10%、5%和1%的显著性水平；括号内为使用聚类稳健标准误后的t值。

4.3 农业新质生产力的强农效应检验

基于双重机器学习模型检验农业新质生产力及其分维度值的强农效应，即对农业劳动生产率和农民收入的影响。由表4可见，无论是否加入控制变量的二次项，农业新质生产力对农业劳动生产率和农民收入的影响均为正（p < 0.01），农业新质生产力每增加一个单位，农业劳动生产率增加11.103个单位，农民收入增加5.032万元，充分表明农业新质生产力是推动农业劳动生产率提升与农民收入增长的新动能。具体到4个分维度，均对农业劳动生产率和农民收入具有显著的正向影响。马克思指出“劳动生产力是随着科学和技术的不断进步而不断发展的”，因而农业科技是提升劳动生产率的关键。结合上述指标分析，科技是第一生产力，农业科技的推广应用极大提升了农业的作业效率，所以单位劳动生产率较高，进而增加了农民的劳动报酬。劳动要素是生产力的核心要素，中国大力培育新型农业经营主体，家庭农场和农民专业合作社通过生产的规模化和组织化提升劳动力技术采纳、经营和管理能力，农业劳动生产率得到显著提升，与之相应，也提高了农业的市场竞争力和农民的家庭经营收入。农业产业链的延伸和价值链的提升推动了农产品加工业的发展和涉农新业态的出现，加工产业的装备技术、食品加工等集约化应用显著提升了农业全要素生产率，农民作为产业链的生产端也因此获得价值链的增值。2022年中国农产品加工企业营业收入近25万亿元，中国农产品加工转化率为72%，贡献了全国工业领域7.1%的营业收入和8.1%的利润总额。在农业生态维度，新质生产力就是绿色生产力，农业面源污染的整治、环境友好型生产技术的广泛采用回归了农业生产的绿色本底，为生态农业、文旅康养创造了发展基础，农业可持续生产效率得到提升，农民作为乡村生态资源的所有者也获得了生态溢价。
表4 农业新质生产力及分维度对劳动生产率和农民收入的影响

Tab. 4 Impact of new quality agricultural productive forces index and its sub-dimensions on labor productivity and farmers' incomes

变量 农业劳动生产率
农业新质生产力 11.007***(8.245) 11.103***(8.229)
农业科技 22.028***(6.289)
劳动要素 33.661***(9.209)
产业升级 5.971*(1.702)
农业生态 49.787***(7.107)
变量 农民收入
农业新质生产力 5.063***(15.084) 5.032***(14.945)
农业科技 9.679***(10.160)
劳动要素 8.543***(7.688)
产业升级 4.056***(4.004)
农业生态 8.311***(3.835)
控制变量一次项 是 是 是 是 是 是
控制变量二次项 否 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
省份固定效应 是 是 是 是 是 是
样本量 330 330 330 330 330 330

注：双重机器学习模型通过控制变量集预测结果变量和处置变量，得到残差值，去除控制变量的影响，进而回归分析残差值来估计处置变量对结果变量的因果效应。该方法本质上关注的是因果效应的估计，并不报告每个控制变量的显著性，故本文未报告控制变量结果；*、**和***分别表示10%、5%和1%的显著性水平，括号内为使用聚类稳健标准误后的z值。

4.4 农业新质生产力的薄弱地区识别

定量识别农业新质生产力的薄弱地区，为新时代加快培育农业新质生产力提供科学决策依据。基于2022年农业新质生产力发展水平和各维度的测度结果识别农业新质生产力发展的薄弱地区。1976年经济合作与发展组织基于对成员国的大规模调查，提出将居民收入中位数或平均数的50%作为标准，识别相对贫困；欧盟将贫困风险阈值调整为可支配收入中位数的60%。参考已有研究并结合数据分布特征[51]，本文将低于发展水平中位数的70%作为薄弱区标准，如果某省份符合其中一项，则界定为薄弱区域：① 农业新质生产力水平低于全国中位数的70%；② 农业科技水平低于全国中位数的70%；③ 劳动要素水平低于全国中位数的70%；④ 产业升级水平低于全国中位数的70%；⑤ 农业生态水平低于全国中位数的70%。
采用ArcGIS 空间查询工具基于前述5项准则分别提取，并进行叠加分析。结果发现：符合条件①的农业新质生产力水平过低型省份有2个，符合条件②的农业科技水平过低型省份有5个，符合条件③的劳动要素水平过低型省份有2个，符合条件④的产业升级水平过低型省份有9个，符合条件⑤的农业生态水平过低型省份有8个；简单加总得薄弱区域的数量达26个，但由于5类问题在空间上部分重叠，实际薄弱区域数为17个。
将薄弱地区进行综合分析，可大致分为5类（图7）：① 综合滞后型，共涉及2个省份，为贵州和云南；② 农业科技滞后型，共涉及3个省份，为河北、河南和甘肃；③ 劳动要素滞后型，共涉及2个省份，为青海和宁夏；④ 农业产业滞后型，共5个省份，为山西、广西、海南、重庆和四川；⑤ 农业生态滞后型，共涉及5个省份，为内蒙古、辽宁、吉林、黑龙江和江苏。
图7 中国农业新质生产力发展的薄弱区域类型及空间分布

Fig. 7 Types and spatial distribution of problem regions on new quality agricultural productive forces in China

总体来看，17个薄弱省份主要分布在中部、西部和东北地区，大部分为农业产业和农业生态薄弱区。值得注意的是，经济发展水平不高的新疆并非农业新质生产力的薄弱地区。新疆利用区位优势聚焦7大特色产业，加大科技投入、创新联农带农机制、积极培育链主企业，打造了薄皮核桃、库尔勒香梨等一系列特色品牌。进一步分析农业新质生产力的各维度发现，综合发展水平较高的江苏和处于地区领先地位的黑龙江在生态维度相对薄弱。江苏农作物以水稻、油菜和小麦为主，种植面积达到80%以上，施肥量普遍较高，化肥利用率仅为30%，低于全国平均水平，作物秸秆焚烧等问题曾经也较为突出 ⑤ ，增加了农业碳排放，保护农业生态环境的压力较大；黑龙江作为中国第一产粮大省，农产品附加值低，单位农资投入的农业产值偏低，清洁化生产程度有待提升。

5 结论与建议

5.1 结论

本文阐释了农业新质生产力的科学内涵，建立了省份尺度农业新质生产力综合评价指标体系，揭示了2012—2022年中国农业新质生产力的时空变化，检验了农业新质生产力的强农效应，识别了农业新质生产力的薄弱区域，增进了对当前中国农业新质生产力的综合认知。
（1）农业新质生产力是在传统农业生产力的基础上，通过技术的革命性突破、生产要素的创新性配置、产业的深度转型升级与农业环境的生态保育来驱动农业劳动者、农业劳动资料和农业劳动对象的变革，实现传统农业生产力的跃迁。农业新质生产力是农业强国建设的主引擎，是推动农业农村高质量发展的内在要求和重要着力点，可从农业科技、劳动要素、产业升级、农业生态4个维度建立农业新质生产力测度指标体系。
（2）2012年以来中国农业新质生产力稳步提升，农业科技、产业升级维度得分较高，劳动要素、农业生态维度相对薄弱，总体按东部、东北、中部和西部地区的位序递减，省际差异明显；约96%的省份有不同程度的提升，但仍存在向高水平发展的潜力空间；区域差距方面，东部差距最大，西部和中部次之，东北最小，且此差距在2017年前后由地区间转为地区内；从收敛性看，除东北地区，全国和其余地区均存在β收敛；农业新质生产力对农业劳动生产率和农民收入均具有显著促进作用，强农效应明显；根据薄弱区识别规则，共识别出17个农业新质生产力薄弱省份，主要分布在西部、中部和东北地区。
（3）与现有研究相比，本文深化了对农业新质生产力科学内涵的认知，拓展了农业新质生产力的科技和生态维度，加入了智慧农业物联网覆盖率、农业良种培育水平、单位劳动农业碳生产率等特色指标，可以更全面地刻画农业新质生产力的本质特征。但本研究也存在明显不足，如研究尺度仅到省份，测度指标没有纳入电商及农业品牌等，仅分析了农业新质生产力对农业劳动生产率和农民收入的影响。未来可随数据的完善，构建更为全面、精准的指标体系，推动研究尺度下沉，在地级市或区县一级开展农业新质生产力的研究。此外，还可根据区域农业发展阶段的不同，进行多案例纵向解析和比较分析，为发展农业新质生产力提供更丰富的理论洞见和实证案例。

5.2 因地制宜发展农业新质生产力的建议

（1）精准靶向施策，补弱项强优势。通过颠覆性科技的创新驱动，以及优良农耕传统的有效传承，让科技力、绿色力、生命力成为农业新质生产力的鲜明特征。一是加大科技赋能，强化发展优势。推动高水平科技攻关，健全产学研用融合体系；推动农业机械、食品加工、物流储运等技术对传统农业的改造；加强生物、数字、生态、装备等技术在智慧育种、气候监测、绿色低碳等未来农业领域的布局。二是制定专项规划，补齐发展短板。针对生态薄弱地区，宜用好光照、风能资源、推广农业清洁能源技术，减少农药化肥施用、加强生态修复。在劳动要素薄弱地区，增强普通农户技能培训，做好外出务工人员返乡入乡创业服务，推进新型农业经营主体能力提升和品牌建设。借助新农科建设契机，培育卓越农林人才投身农业新科技的开发应用，成长为农业新质生产力建设的生力军。
（2）增强省份联动，缩小区域差距。缩小区域差距是提升农业新质生产力整体发展水平的关键。一是推动产业链延伸和新业态培育，推进区域价值共创共享。从大资源观系统培育大农业体系，创造大食物价值。借助全国统一大市场建设契机，引导各省份在农区产业系统的基础上，建立林地产业、草地产业、海洋产业等大农业系统，推动农业生产力从土地维度向更广的农食维度拓展，跨越资源约束的门槛和鸿沟，缩小区域之间的资源开发利用差距。二是加强区域互补协作，推动原创性科技同步启用。通过“东部+”“科学家+”模式，建立创新技术联盟，引导科技应用场景从示范点到生产面拓展。通过空间交叉、专业交叉、主体协作等方式，推动前沿性科技同步启用，改变过去的“领跑—跟跑”“策源地—扩散地”的创新模式导致的实质差距，推动科技带来的农业生产力整体跃迁。
（3）加快培育进程，提升强农效应。应从顶层设计上，抓好农业全要素生产率大幅提升的培育主线，将“发展培育农业新质生产力”纳入“十五五”农业农村发展规划，为农业新质生产力培育提供政治保障力；坚持高水平对外开放，用好国际国内两个市场，加大技术和服务贸易，引进应用资源节约型、绿色低碳型技术，持续推进农业绿色低碳进程。创新农业新质生产力培育的公共治理机制，预判农业新质生产力变革过程中可能会出现的“去小农”问题[14]，加大数智型农业技能培训、推进普通农户有序有力融入农业新质生产力发展赛道，分享价值创造收益；加大农业新型经营主体的业态转型投资的支持力度，推动农业产业向种养智慧型、加工增值型、服务增效型转变，推动农业高质量发展和农业农村现代化建设进程。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Chang Xuan. Accelerating the formation of agricultural new quality productive forces: Theoretical framework, realistic dilemma and practical approach. On Economic Problems, 2024(7): 20-28.

[常璇. 加快形成农业新质生产力: 理论框架、现实困境与实践进路. 经济问题, 2024(7): 20-28.]

[2]
Wei Longbao. The path to agricultural modernization in China under the context of "big country, small farmers": Discussing the intrinsic logic and realization path of cultivating new quality productive forces in agriculture. Frontiers, 2024(10): 47-54.

[卫龙宝. “大国小农”背景下中国农业现代化之路: 兼论培育农业领域新质生产力的内在逻辑与实现路径. 人民论坛·学术前沿, 2024(10): 47-54.]

[3]
Yu Fawen, Lin Shan. Key Issue, Objective resetting of new-type sustainable agriculture and its path and strategies. Studies on Socialism with Chinese Characteristics, 2022, 13(Suppl.1): 38-45.

[于法稳, 林珊. 新型生态农业发展的突出问题、目标重塑及路径策略. 中国特色社会主义研究, 2022, 13(Suppl.1): 38-45.]

[4]
Gong Binlei, Zhang Qizheng. Building up China's strength in agriculture by improving agricultural total factor productivity. Economic Review Journal, 2023(9): 29-37.

[龚斌磊, 张启正. 以提升农业全要素生产率助力农业强国建设的路径. 经济纵横, 2023(9): 29-37.]

[5]
Liu Tongshan, Liu Jie. Does appropriate scale management promote the formation of new quality productive forces in agriculture? Empirical analysis based on the framework of "productive forces-production mode-labor productivity". Reform, 2024(10): 44-61.

[刘同山, 刘婕. 适度规模经营促进了农业新质生产力形成吗? 基于“生产力—生产方式—劳动生产率”框架的实证分析. 改革, 2024(10): 44-61.]

[6]
Schumpeter J A, Swedberg R. The Theory of Economic Development. London:Routledge, 2021.

[7]
Song Jia, Zhang Jinchang, Pan Yi. Research on the impact of ESG development on new quality productive forces of enterprises: Empirical evidence from Chinese A-share listed companies. Contemporary Economic Management, 2024, 46(6): 1-11.

[宋佳, 张金昌, 潘艺. ESG发展对企业新质生产力影响的研究: 来自中国A股上市企业的经验证据. 当代经济管理, 2024, 46(6): 1-11.]

[8]
Solow R M. Technical change and the aggregate production function. Review of Economics and Statistics, 1957, 39(3): 312-320.

[9]
Luo Biliang, Geng Pengpeng. New quality agricultural productivity: Theoretical framework, core concepts, and enhancement pathways. Issues in Agricultural Economy, 2024(4): 13-26.

[罗必良, 耿鹏鹏. 农业新质生产力: 理论脉络、基本内核与提升路径. 农业经济问题, 2024(4): 13-26.]

[10]
Jiang Changyun. The agricultural new quality productive forces: Connotations, development priorities, constraints and policy recommendations for the development. Journal of Nanjing Agricultural University(Social Sciences Edition), 2024, 24(3): 1-17.

[姜长云. 农业新质生产力:内涵特征、发展重点、面临制约和政策建议. 南京农业大学学报(社会科学版), 2024, 24(3): 1-17.]

[11]
You Liang, Tian Xiangyu. New quality agricultural productive force: Realistic logic, connotation analysis and generation mechanism. On Economic Problems, 2024(6): 27-35.

[尤亮, 田祥宇. 农业新质生产力: 现实逻辑、内涵解析与生成机理. 经济问题, 2024(6): 27-35.]

[12]
Huang Jikun. New quality productive forces in agriculture: Connotation and denotation, potential and challenges, and development ideas. China Rural Survey, 2024(5): 19-34.

[黄季焜. 农业新质生产力: 内涵与外延、潜力与挑战和发展思路. 中国农村观察, 2024(5): 19-34.]

[13]
Gao Qiang, Cheng Changming. New quality agricultural productive forces and new-type production relations: Logical thinking and reform paths. Journal of China Agricultural University (Social Sciences), 2024, 41(4): 41-54.

[高强, 程长明. 农业新质生产力与新型生产关系:逻辑思路与改革路径. 中国农业大学学报(社会科学版), 2024, 41(4): 41-54.]

[14]
Zhu Tianyi, Huang Huijing, Ying Li. The formation logic and influencing factors of "de agriculturalization" in the development of new quality agricultural productivity. Journal of Southwest Minzu University (Humanities and Social Sciences Edition), 2024, 45(6): 179-191.

[朱天义, 黄慧晶, 应立. 农业新质生产力发展中的“去小农化”形成逻辑及影响因素. 西南民族大学学报(人文社会科学版), 2024, 45(6): 179-191.]

[15]
Fragomeli R, Annunziata A, Punzo G. Promoting the transition towards agriculture 4.0: A systematic literature review on drivers and barriers. Sustainability, 2024, 16(6): 2425. DOI: 10.3390/su16062425.

[16]
Pretty J, Benton T G, Bharucha Z P, et al. Global assessment of agricultural system redesign for sustainable intensification. Nature Sustainability, 2018, 1(8): 441-446.

[17]
Xiong Q, Guo X Y, Yang J Y. Digital financial inclusion, land circulation and high-quality development of agriculture. Sustainability, 2024, 16(11): 4775. DOI: 10.3390/su16114775.

[18]
Zhu Di, Ye Linxiang. Agricultural new quality productive force in China: Level measurement and dynamic evolution. Statistics & Decision, 2024, 40(9): 24-30.

[朱迪, 叶林祥. 中国农业新质生产力: 水平测度与动态演变. 统计与决策, 2024, 40(9): 24-30.]

[19]
Yang Junge, Wang Qinmei. Regional differences and convergence of the development level of new quality productivity in digital agriculture. Journal of Xi'an University of Finance and Economics, 2025, 38(1): 43-57.

[杨军鸽, 王琴梅. 数字农业新质生产力发展水平的地区差异及收敛性. 西安财经大学学报, 2025, 38(1): 43-57.]

[20]
Chen Huiqing, Zeng Fusheng. Study on the influence of new quality agricultural productive forces on agricultural modernization development. Agricultural Economics and Management, 2024(3): 27-41.

[陈慧卿, 曾福生. 农业新质生产力对农业现代化发展的影响研究. 农业经济与管理, 2024(3): 27-41.]

[21]
Qiao Jun, Tai Dejin, Qiu Yuzhuo. The mechanism and effect of empowering agricultural carbon reduction with new quality productivity in agriculture. Contemporary Economic Management, 2024, 46(12): 42-55.

[乔均, 台德进, 邱玉琢. 农业新质生产力赋能农业碳减排的机理与效应. 当代经济管理, 2024, 46(12): 42-55.]

[22]
Jia Kang, Guo Qirui. A study on the impact of digital inclusive finance on new agricultural productive forces. Journal of Central China Normal University(Humanities and Social Sciences), 2024, 63(4): 1-13.

[贾康, 郭起瑞. 数字普惠金融对农业新质生产力的影响研究. 华中师范大学学报(人文社会科学版), 2024, 63(4): 1-13.]

[23]
Li Yongbin, Liu Dianguo. Research on the mechanism of agricultural insurance to promote the development of new agricultural productivity. Finance and Economy, 2024(7): 38-49.

[李勇斌, 刘殿国. 农业保险促进农业新质生产力发展的作用机制研究. 金融与经济, 2024(7): 38-49.]

[24]
Li Shengzhu, Xue Feng, Jiang Jingui. Effect of agricultural digitization on new productive forces of food in China. Journal of Agro-Forestry Economics and Management, 2024, 23(4): 435-445.

[李盛竹, 薛枫, 姜金贵. 农业数字化对中国粮食新质生产力的影响效应研究. 农林经济管理学报, 2024, 23(4): 435-445.]

[25]
Li Huishang, Hu Chenpei, Ji Yong, et al. Agricultural labor transfer, productivity improvement and macroeconomic growth: Based on an international comparison of 55 economies. Issues in Agricultural Economy, 2021(7): 117-129.

[李辉尚, 胡晨沛, 季勇, 等. 农业劳动力转移、生产率提升与宏观经济增长: 基于全球55个经济体的国际比较. 农业经济问题, 2021(7): 117-129.]

[26]
Cheng Dening, Li Yan. The impact of agricultural industrial restructuring on agricultural labor productivity. Inquiry into Economic Issues, 2016(11): 148-153, 172.

[成德宁, 李燕. 农业产业结构调整对农业劳动生产率的影响. 经济问题探索, 2016(11): 148-153, 172.]

[27]
Wang Shichun, Yin Hui, Chen Chuanbo, et al. Effect of land quality on agricultural labor productivity: Empirical evidence from county-level data of 6 provinces. China Population, Resources and Environment, 2011, 21(Suppl.1): 330-333.

[王士春, 尹辉, 陈传波, 等. 土地质量对农业劳动生产率的影响: 来自六省县级数据的经验证据. 中国人口·资源与环境, 2011, 21(Suppl.1): 330-333.]

[28]
Li Lin, Guo Dong, Qiao Lu. How does digital inclusive finance affect farmers' income? Theoretical mechanisms and county evidence. Research on Economics and Management, 2024, 45(4): 3-23.

[李琳, 郭东, 乔璐. 数字普惠金融何以影响农民增收? 理论机制与县域证据. 经济与管理研究, 2024, 45(4): 3-23.]

[29]
Chen Yuying. Rural industrial integration, county entrepreneurial activities and farmers' income increase. Journal of Shanxi University of Finance and Economics, 2024, 46(5): 73-83.

[陈钰莹. 农村产业融合、县域创业活动与农民增收. 山西财经大学学报, 2024, 46(5): 73-83.]

[30]
Wang Yi, Liu Lei. Entrepreneurship quality of returned migrant workers and common prosperity of farmers. Statistical Research, 2024, 41(5): 124-136.

[王轶, 刘蕾. 返乡创业质量与农民共同富裕. 统计研究, 2024, 41(5): 124-136.]

[31]
Xi Jinping. The development of new quality productive forces is an intrinsic requirement and an important focus for promoting high-quality development. Journal of Ningxia Agriculture and Forestry Science and Technology, 2024, 65(11): 1-2.

[习近平. 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. 宁夏农林科技, 2024, 65(11): 1-2.]

[32]
Knickel K, Ashkenazy A, Chebach C T, et al. Agricultural modernization and sustainable agriculture: Contradictions and comple-mentarities. International Journal of Agricultural Sustainability, 2017, 15(5): 575-592.

[33]
Pu Qingping, Xiang Wang. New quality productivity and its utilizations: New driving force for Chinese modernization. Journal of Xinjiang Normal University (Philosophy and Social Sciences), 2024, 45(1): 77-85.

[蒲清平, 向往. 新质生产力的内涵特征、内在逻辑和实现途径: 推进中国式现代化的新动能. 新疆师范大学学报(哲学社会科学版), 2024, 45(1): 77-85.]

[34]
Mukherjee A N, Kuroda Y. Convergence in rural development: Evidence from India. Journal of Asian Economics, 2002, 13(3): 385-398.

[35]
Dev S M. Inclusive development in India: Agriculture, hunger, poverty, inequalities and human development. IASSI Quarterly, 2024, 43(1): 5-62.

[36]
Jiang Changyun. The transformation of agricultural development mode from the perspective of innovation driven. Reform, 2015(12): 83-93.

[姜长云. 创新驱动视野的农业发展方式转变. 改革, 2015(12): 83-93.]

[37]
Xue Chao, Shi Xueyang, Zhou Hong. Influence path of agricultural mechanization on total factor productivity growth in planting industry. Journal of Agrotechnical Economics, 2020(10): 87-102.

[薛超, 史雪阳, 周宏. 农业机械化对种植业全要素生产率提升的影响路径研究. 农业技术经济, 2020(10): 87-102.]

[38]
King F H. Farmers of forty centuries: Permanent agriculture in China, Korea and Japan. Madison: Mrs. King F H, 1911.

[39]
Diakoulaki D, Mavrotas G, Papayannakis L. Determining objective weights in multiple criteria problems: The CRITIC method. Computers & Operations Research, 1995, 22(7): 763-770.

[40]
Fan Z G, Deng Z K, Qi Y W, et al. Spatial-temporal pattern and evolutionary trend of eco-efficiency of real estate development in the Yangtze River Economic Belt. Frontiers in Environmental Science, 2022(10): 996152. DOI:10.3389/fenvs.2022.996152.

[41]
Theil H. Economics and Information Theory. Amsterdam: North-Holland Publishing Company, 1967.

[42]
Nie Changfei, Jian Xinhua. Measurement of China's high-quailty development and analysis of provincial status. Journal of Quantitative & Technological Economics, 2020, 37(2): 26-47.

[聂长飞, 简新华. 中国高质量发展的测度及省际现状的分析比较. 数量经济技术经济研究, 2020, 37(2): 26-47.]

[43]
Guo Baojie, Zhang Jianghua, Fu Xuemei. Analysis of China's health system efficiency and convergence test based on regional heterogeneity. Chinese Journal of Management Science, 2024. DOI: 10.16381/j.cnki.issn1003-207x.2023.1862.

[郭宝洁, 张江华, 付学梅. 基于区域异质性的中国卫生系统效率分析及收敛性检验. 中国管理科学, 2024. DOI: 10.16381/j.cnki.issn1003-207x.2023.1862.]

[44]
Chen Liupeng, Xie Bangsheng, Zhou Ziwei, et al. Whether the construction of digital villages has promoted the integration of rural industries: Causal inference based on double machine learning. Finance and Economy, 2024(5): 60-70.

[陈鎏鹏, 谢帮生, 周子渭, 等. 数字乡村建设是否推动了农村产业融合: 基于双重机器学习的因果推断. 金融与经济, 2024(5): 60-70.]

[45]
Yang J C, Chuang H C, Kuan C M. Double machine learning with gradient boosting and its application to the big N audit quality effect. Journal of Econometrics, 2020, 216(1): 268-283.

[46]
Zhang Tao, Li Junchao. Network infrastructure, inclusive green growth, and regional inequality: From causal inference based on double machine learning. Journal of Quantitative & Technological Economics, 2023, 40(4): 113-135.

[张涛, 李均超. 网络基础设施、包容性绿色增长与地区差距: 基于双重机器学习的因果推断. 数量经济技术经济研究, 2023, 40(4): 113-135.]

[47]
Wen Feng'an. The modernization of agricultural ecological governance under the rural revitalization strategy: Theoretical interpretation, problem review and development path. Reform of Economic System, 2022(1): 82-87.

[文丰安. 乡村振兴战略下农业生态治理现代化:理论阐释、问题审视及发展进路. 经济体制改革, 2022(1): 82-87.]

[48]
Ling Tao, Zhao Guiqin. Agricultural insurance and agricultural production resilience: internal logic and empirical tests. Journal of South China Agricultural University (Social Science Edition), 2024, 23(2): 94-106.

[令涛, 赵桂芹. 农业保险与农业生产韧性:内在逻辑及实证检验. 华南农业大学学报(社会科学版), 2024, 23(2): 94-106.]

[49]
Huang Li, Wang Dingxiang, Li Lingli. Environmental endowments, agricultural investment and farm household productivity. Journal of Southwest University (Social Sciences Edition), 2021, 47(1): 72-82.

[黄莉, 王定祥, 李伶俐. 环境禀赋、农业投资与农户生产效率. 西南大学学报(社会科学版), 2021, 47(1): 72-82.]

[50]
Latysheva L A, Piterskaya L Y, Sklyarov I Y, et al. The reproduction of fixed assets in agriculture//Bogoviz A V. The Challenge of Sustainability in Agricultural Systems: volume 1. Cham: Springer International Publishing, 2021: 567-575.

[51]
Pan W, Wang J, Lu Z, et al. High-quality development in China: Measurement system, spatial pattern, and improvement paths. Habitat International, 2021, 118: 102458. DOI: 10.1016/j.habitatint.2021.102458.

Options
Outlines

/

〈 〉