中国及广东农业新质生产力发展水平测度与分析

摘 要：加快形成农业新质生产力是实现经济社会高质量发展的战略选择，也是广东持续推进城乡协调发展和乡村全面振兴的必由之路。根据农业新质生产力的内涵特征，本文从农业新质劳动者、农业新质生产资料和农业新质劳动对象三个维度构建了中国农业新质生产力评价指标体系，运用熵值法、Dagum基尼系数对于2010—2022年中国和广东农业新质生产力发展水平进行分析。研究发现，中国农业新质生产力指数总体呈提升态势，农业新质劳动者、劳动资料对农业新质生产力发展提升的贡献大，但农业新质劳动对象的问题突出；各区域农业新质生产力发展不平衡，广东农业新质生产力指数增速高于东部省份平均水平。为加快推动农业新质生产力发展，应加强培育农业新质劳动者，强化农业科技装备支撑，着力布局战略性农业新型产业和未来产业。同时，广东应进一步深入实施“百千万工程”，促进区域农业新质生产力均衡发展。

关键词：农业新质生产力；指标体系；区域比较

中图分类号：F042.2

文献标识码：A

文章编号：1008-2697（2025）01-0004-09

一、引言

解放和发展生产力始终是人类经济社会发展的最终决定力量。2023年9月7日，习近平总书记在黑龙江考察时首次提出“新质生产力”，这一全新且重要概念的提出既源于百年未有之大变局下我国经济发展的国内外环境深刻变化，也源于我国经济发展实践和对生产力发展规律的深刻理解^［1］，对于促进我国先进生产力高质量的发展具有战略性指导意义。2024年1月，习近平总书记中共中央政治局第十一次集体学习时对新质生产力做出明确界定，“新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，特点是创新，关键在质优，本质是先进生产力”。因此，加快形成新质生产力是新时代推动我国经济社会高质量发展的内在要求和重要着力点，是全面建设社会主义现代化强国的重要根基。

面对新一轮科技革命和产业变革，以农业新质生产力为引领，是推动农业高质量发展，实现农业农村现代化的必然选择^［2］。然而，在我国农业快速发展的同时，仍然伴随着农业劳动者老龄化，农业劳动规模小且散^［3］，区块链、种业、农机装备等方面的核心技术被“卡脖子”，全球价值链低端锁定风险骤增^［4］，数字赋能农业生产力机制薄弱^［5］，涉农产业链供应链生产关系滞后^［6］，区域发展不平衡不充分等一系列问题^［7-8］。促进中国农业新质生产力的高质量发展，必须要重视农业生产力各方面指标的均衡、充分发展。因此，科学构建农业新质生产力发展的评价指标体系，测度各地区农业新质生产力发展的实际水平，分析各地区农业新质生产力发展的区域差异及原因，有利于探明影响农业新质生产力发展的难点和堵点，加快推动农业新质生产力的提升。

改革开放以来，随着制造业的快速发展，广东的GDP总量已经连续34年位居首位，成为全国闻名的工业经济强省。鲜有人知的是，广东的珠三角及粤东西北地区还有着超15万个自然村落，近900万户农业经营户从事农业相关生产活动，2023年，广东农林牧渔业总产值约为9202.09亿元^①，同样居于全国前列。毫无疑问，广东是农业大省，但仍非强省，特别是粤东西北地区受自然环境和经济条件的制约，农业发展滞后，生产效率一般，农业产业链条较短，农户增收乏力^［9］，严重阻碍了和美乡村建设与城乡融合发展。基于全国各省农业新质生产力发展水平测度研究，开展广东与农业新质生产力发展卓越省份以及全国平均水平的比较分析，可以准确把握广东农业新质生产力的发展现状与不足，助力加速培育发展农业新质生产力，深化运用“百千万工程”经验，奋力推进县镇村高质量发展。目前多数文献仅从定性层面对我国农业新质生产力的发展水平进行分析。虽然李勇斌等^［10］构建了农业新质生产力评价指标体系对农业新质生产力发展水平进行了评价，但由于评价指标数量选取较少，导致该指标体系所涵盖的农业新质生产力内涵较窄，比如用第一产业人均产值和农村居民人均收入衡量劳动生产率、用农业人均用电量衡量物质生产资料。因此，鉴于农业特殊性及农业新质生产力的丰富内涵，迫切需要重新构建适合评价农业新质生产力的指标体系，以客观、系统地评价广东农业新质生产力的现实发展情况，进一步推动广东农业新质生产力的高质量发展及区域协调发展。

本文的结构安排如下：第二部分，从农业新质劳动力、农业新质生产资料、农业新质劳动对象等方面梳理了农业新质生产力的理论内涵，并以此构建农业新质生产力综合评价体系；第三部分，运用构建的评价指标对全国及广东农业新质生产力的发展水平进行比较分析；第四部分，总结并提出政策建议。

二、中国农业新质生产力发展水平的测度设计

（一）农业新质生产力指标体系构建的理论基础

新质生产力以劳动者、生产资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志^［11］。新质生产力的提出是马克思主义生产力理论的发展和创新^［12］，即“生产力是人类征服自然和改造自然的能力”，是实现经济增长、社会进步的决定力量。从农业新质生产力来看，其核心在于以农业数智化发展为主线，加快推动农业深度转型升级，实现包括劳动力、技术、制度、资本等要素的转型升级与优化配置，促进农业全要素生产率持续提升^［13］。基于此，本文从农业新质劳动者、农业新质生产资料和农业新质劳动对象三个维度构建中国农业新质生产力评价指标体系。

1.农业新质劳动者

农业新质劳动者是农业劳动者从传统农民向高素质农民跃升的“农业生产力质态”^［14］。作为农业新质生产力中最能动、最活跃的主体，农业新质劳动者能够充分利用现代科学技术从事农业生产、经营活动，具备技能型、知识型、创新型等高素养特征，直接影响农业新质生产力的人力资本、劳动生产率等重要要素。

2.农业新质生产资料

农业新质生产资料是农业劳动资料从传统投入资料向新型投入资料的重要标志。一方面，数字经济时代，以自动化、网络化、数字化、智能化为主体的农业新质生产工具，以数据要素的形式为农业新质生产力注入了新的强大动能^［15］。另一方面，以高标准农田建设、新型肥料、农药与饲料、农业装备推广等为标志的新型投入资料的大力发展，革新了农业传统作业方式^［16］，不仅帮助农业新质劳动者扩大认知边界，增强创新能力，还凭借知识密集型特点和强大的正外部性特征，促进农业一二三产业的融合渗透与创新发展^［17］。

3.农业新质劳动对象

农业新质劳动对象既包括农业及其关联产业链供应链的劳动对象，也包括经过劳动加工、数字赋能而形成的新的劳动对象^［18］。具体而言，由于农业新质生产力在形成过程中会产生巨大的生产力效应，将催生战略性新兴产业、未来产业等新质产业，拓宽农业新质劳动对象发展的广度与深度，拓展新型农业业态^［19］。如，通过创新生物科技手段等颠覆性技术突破土地、水源等自然禀赋条件的有限约束；利用基因技术实现优良品种的选育；凭借营养健康的市场需求，发展药食集成、疾病预防与食品定制行业，推动农业新领域的产生与发展等。

（二）评价指标选择

选择合适的评价指标对于凸显农业新质生产力内涵，准确评价中国农业新质生产力发展水平至关重要。本文结合前文分析的理论基础，在农业新质

劳动者维度使用农业劳动者数量、素质、技能与结构等三级指标，用以刻画农业劳动力的人力资本投入情况，同时使用粮食单产、农业人均收入等三级指标，刻画农业劳动生产率情况，二者共同反映了农业新质劳动力的发展情况；在农业新质生产资料维度，使用农业基础生产资料（如农地规模、水利设施、化肥折纯量、农业机械数量等），也使用农业数字设施与服务、农业科技创新等二级指标来衡量农业数字化（新型）劳动资料的情况。在农业新质劳动对象维度，使用数字农业、绿色农业一级指标，着重考察农业新质生产对象的数字化与可持续发展，同时还增加了新质农业、创新农业一级指标，用来衡量农业重点行业、农业新领域的发展情况。具体地，中国农业新质生产力评价指标体系包括农业新质劳动者、农业新质生产资料和农业新质劳动对象这3个基准维度，下设19个二级指标、30个三级指标（见表1）。

（三）数据来源及说明

本文数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国工业统计年鉴》，阿里研究院、北京大学数字金融研究中心以及各省份统计年鉴。根据数据可得性，本文对农业新质生产力的测度时间为2010—2022年，涵盖中国30个省份（不包括港澳台地区和西藏）。对于数据中存在缺失值和异常值，本文主要采取以下步骤处理：第一，根据各省统计年鉴及统计公报进行搜集、补充及核实；第二，对于无法核实的异常值及缺失值，本文采用加权平均法、指数平滑法和线性插值法等方法对数据进行补充或修正。

（四）评价方法

考虑到同一类三级指标之间的替代性可能较强，而一级指标应该较为均衡的发展，因此，本文采用熵值法和变异系数法两种客观赋权法对三级指标进行赋权。其中，熵值法根据观测值所提供的信息量大小和变异程度来确定指标权重，能有效克服主观性和随意性的干扰；变异系数法则是依据各评价对象属性值的相对离散程度来确定指标权重的大小，注重指标的数值差异。熵权法的权重构造的具体步骤如下^②

：

第一，无量纲处理。为消除因量纲不同对评价结果的影响，需要对各指标进行无量纲处理。除第一产业就业人员数、农用化肥施用折纯量和农业受灾面积等指标为负向指标外，其余指标均为正向指标，处理方法为：

正向指标：

X^*_ijt=X_ijt－min（X_ijt）max（X_ijt）－min（X_ijt）（1）

负向指标：

X^*_ijt=max（X_ijt）－X_ijtmax（X_ijt）－min（X_ijt）（2）

其中，i=1，2，…，30；j=1，2，…，30；t=2010，2011，…，2022。X_ijt表示i省第j个三级指标第t年的数据；max（X_ijt）和min（X_ijt）分别表示第j个三级指标第t年所有样本的最大值和最小值；X_ijt^*为i省第j个三级指标第t年标准化后的数据。

第二，计算省份i在第t年中第j个三级指标所占比重（P值），

P_ijt=X^*_ijt∑ni=1X^*_ijt（3）