DOI: https://doi.org/10.1038/s41598-025-02405-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40594012
تاريخ النشر: 2025-07-01
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: تحليل الكفاءة باستخدام DEA
نظرة عامة
تبحث الدراسة في تأثير مدخلات الآلات الزراعية (AMI) على كفاءة الإنتاج الأخضر الزراعي (AGPE) ضمن حزام نهر اليانغتسي الاقتصادي (YREB) باستخدام بيانات بانل من 130 مدينة بين عامي 2013 و2022. تكشف النتائج أنه بينما تعزز AMI كفاءة AGPE المحلية، فإنها تعيق في الوقت نفسه AGPE في المناطق المجاورة، مما يظهر اتجاهًا على شكل U مقلوب لكفاءة المحلية واتجاهًا على شكل U لكفاءة المجاورة. ومن الجدير بالذكر أن التأثير المباشر الإيجابي لـ AMI على AGPE المحلية يت overshadowed بتأثيراتها السلبية على المناطق المجاورة. تحدد الدراسة أن توسيع نطاق العمليات الزراعية (AOS) وزيادة إنتاج الحبوب لكل وحدة مساحة (GYPUA) يؤثران إيجابيًا على العلاقة بين AMI وAGPE المحلية، حيث يخفف AOS من التأثيرات السلبية على AGPE المجاورة.
كما تسلط التحليل الضوء على تأثيرات العتبة، مما يشير إلى أن تجاوز قيم معينة من AOS وGYPUA يعزز التأثير الإيجابي لـ AMI على AGPE. تُظهر تحليل التباين أنماطًا مميزة عبر الأجزاء العليا والوسطى والسفلى من YREB، حيث تُظهر الأجزاء العليا تأثيرًا أكثر وضوحًا. بناءً على هذه النتائج، توصي الدراسة بإنشاء منصة خدمة معلومات الآلات الزراعية، وتعزيز التدريب المهني للمزارعين، وزيادة الدعم للآلات الزراعية الخضراء، وتعميق إصلاحات نقل الأراضي لتعزيز الزراعة على نطاق واسع. تعترف الدراسة بالقيود، مثل استبعاد العوامل الاجتماعية والنفسية والاعتماد على بيانات مستوى المدينة، مما يشير إلى أن الدراسات المستقبلية يجب أن تتضمن بيانات على المستوى الميكروي لفهم أكثر شمولاً.
الطرق
في هذا القسم، يحدد المؤلفون إطارهم المنهجي لتحليل العلاقات المكانية بين المدن في حزام نهر اليانغتسي الاقتصادي (YREB). يؤكدون على أهمية دمج كل من العوامل المكانية والاقتصادية، كما تقتضيها القانون الأول للجغرافيا، الذي ينص على أن العلاقات تضعف مع زيادة المسافة. لتسهيل هذا التحليل، يقومون بإنشاء مصفوفة وزن الجوار ومصفوفة جغرافية اقتصادية متداخلة لعملية الانحدار الأساسية، بينما يستخدمون مصفوفة المسافة العكسية للتحقق من القوة. يتم إجراء اختبار الارتباط الذاتي المكاني، باستخدام مؤشر موران، لتقييم الارتباطات بين المتغيرات ضمن السياق المكاني.
يُعرف مؤشر موران، المحدد في المعادلة (1)، بأنه يقيس الارتباط المكاني العام، مع قيم تتراوح من -1 إلى 1. تشير القيمة الإيجابية إلى التجميع، بينما تشير القيمة السلبية إلى التشتت. يستخدم المؤلفون ثلاثة أنواع من نماذج الاقتصاد القياسي المكاني: نموذج التأخير المكاني (SLM)، نموذج الخطأ المكاني (SEM)، ونموذج دوربين المكاني (SDM)، الممثلة بالمعادلات (2)-(4). تتضمن هذه المعادلات متغيرات مثل AGPE (المتغير التابع)، AMI (المتغير المستقل)، ومتغيرات التحكم، بالإضافة إلى مصطلحات التأخير المكاني ومكونات الخطأ. يتم توجيه اختيار النموذج المحدد من خلال نتائج اختبارات إحصائية متنوعة، بما في ذلك اختبارات LM وLR وWald، مما يضمن تحليلًا قويًا للاعتماديات المكانية في البيانات.
النتائج
تكشف نتائج التحليل الاقتصادي المكاني باستخدام نموذج دوربين المكاني (SDM) عن رؤى مهمة حول تأثيرات التسرب المكاني لمدخلات الآلات الزراعية (AMI) على كفاءة الإنتاج الأخضر الزراعي (AGPE) في حزام نهر اليانغتسي الاقتصادي (YREB). أظهر التحليل، الذي استخدم مصفوفتين لوزن الفضاء (الجوار والجغرافيا الاقتصادية المتداخلة)، أنه بينما تؤثر AMI بشكل إيجابي على AGPE المحلية، فإنها في الوقت نفسه تمارس تأثير تسرب مكاني سلبي على المناطق المجاورة. على وجه التحديد، وُجد أن معاملات AMI كانت إيجابية بالنسبة لـ AGPE المحلية ولكن سلبية بالنسبة لـ AGPE المجاورة، مما يشير إلى أن زيادة AMI تعزز الإنتاجية محليًا بينما تقلل منها في المناطق المجاورة.
أظهر الفحص الإضافي وجود علاقة “على شكل U مقلوب” بين AMI وAGPE المحلية، مع نقاط انحناء تتجاوز المتوسط العيني لـ AMI. وهذا يشير إلى أنه بينما تساهم الزيادات الأولية في AMI بشكل إيجابي في AGPE، فإنها تتجاوز عتبة معينة، تنخفض الإنتاجية الحدية. على العكس، كانت العلاقة بين AMI وAGPE المجاورة تتميز بنمط “على شكل U”، مما يشير إلى أن المستويات العالية من AMI في منطقة واحدة يمكن أن تسحب الموارد بعيدًا عن المناطق المجاورة، مما يؤدي إلى قمع إنتاجيتها. تؤكد هذه النتائج على الديناميات المعقدة للميكنة الزراعية، مما يبرز كل من فوائدها المحتملة وآثارها الضارة على كفاءة الزراعة الإقليمية.
المناقشة
تتناول قسم المناقشة في ورقة البحث تأثيرات التسرب المكاني لمدخلات الآلات الزراعية (AMI) على كفاءة الإنتاج الأخضر الزراعي (AGPE). تفترض أن الميكنة الزراعية، كابتكار تكنولوجي، لا تعزز فقط كفاءة الإنتاج المحلية ولكن تعزز أيضًا التنمية الخضراء من خلال الروابط الاقتصادية الإقليمية. تسلط الورقة الضوء على أنه بينما يمكن أن تؤدي زيادة AMI إلى تحسين AGPE، إلا أنها قد تخلق أيضًا تنافسًا على الموارد، مما يؤدي إلى آثار سلبية على المناطق المجاورة. تقترح الدراسة فرضيات تشير إلى أن AMI لها تأثيرات إيجابية وسلبية على AGPE المحلية والمجاورة، مما يشير إلى علاقة غير خطية حيث تعزز الزيادات الأولية في AMI الكفاءة، ولكن المدخلات المفرطة قد تؤدي إلى عوائد متناقصة وتدهور بيئي.
علاوة على ذلك، تفحص الورقة تأثيرات التعديل لنطاق العمليات الزراعية (AOS) وإنتاج الحبوب لكل وحدة مساحة (GYPUA) على العلاقة بين AMI وAGPE. تجادل بأن النطاقات التشغيلية الأكبر يمكن أن تحسن تخصيص الموارد وتعزز الكفاءة، بينما قد تتطلب إنتاجية الحبوب العالية، على الرغم من كونها مفيدة، مدخلات إضافية قد تعيق التنمية الخضراء. يشير التحليل إلى أن كل من AOS وGYPUA تظهر خصائص غير خطية في تأثيرها على تأثير AMI على AGPE، مما يشير إلى تأثيرات العتبة حيث يتم تعظيم فوائد الميكنة قبل أن تظهر العواقب السلبية المحتملة. بشكل عام، تؤكد النتائج على تعقيد تأثيرات الميكنة الزراعية على الإنتاجية والاستدامة، مما يتطلب اعتبارًا دقيقًا لتخصيص الموارد واعتماد التكنولوجيا في الممارسات الزراعية.
DOI: https://doi.org/10.1038/s41598-025-02405-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40594012
Publication Date: 2025-07-01
Author(s): Zhenyun Du et al.
Primary Topic: Efficiency Analysis Using DEA
Overview
The research investigates the impact of Agricultural Machinery Input (AMI) on Agricultural Green Production Efficiency (AGPE) within the Yangtze River Economic Belt (YREB) using panel data from 130 cities between 2013 and 2022. The findings reveal that while AMI enhances local AGPE, it simultaneously inhibits AGPE in neighboring areas, exhibiting an inverted U-shaped trend for local efficiency and a U-shaped trend for neighboring efficiency. Notably, the positive direct effect of AMI on local AGPE is overshadowed by its negative spillover effects on adjacent regions. The study identifies that the expansion of Agricultural Operation Scale (AOS) and the increase in Grain Yield Per Unit Area (GYPUA) positively influence the relationship between AMI and local AGPE, with AOS mitigating the negative impacts on neighboring AGPE.
The analysis also highlights threshold effects, indicating that exceeding certain values of AOS and GYPUA amplifies the positive influence of AMI on AGPE. Heterogeneity analysis shows distinct patterns across the upper, middle, and lower reaches of the YREB, with the upper reaches displaying a more pronounced impact. Based on these findings, the study recommends establishing an Agricultural Machinery Information Service Platform, enhancing vocational training for farmers, increasing support for green agricultural machinery, and deepening land transfer reforms to promote large-scale farming. The research acknowledges limitations, such as the exclusion of socio-psychological factors and the reliance on city-level data, suggesting that future studies should incorporate micro-level data for a more comprehensive understanding.
Methods
In this section, the authors outline their methodological framework for analyzing spatial relationships among cities in the Yangtze River Economic Belt (YREB). They emphasize the importance of integrating both spatial and economic factors, as dictated by the First Law of Geography, which posits that relationships weaken with increasing distance. To facilitate this analysis, they construct an adjacency weight matrix and an economic-geographic nested matrix for baseline regression, while employing an inverse distance matrix for robustness checks. A spatial autocorrelation test, using the Moran index, is conducted to evaluate correlations among variables within the spatial context.
The Moran index, defined in Equation (1), measures overall spatial correlation, with values ranging from -1 to 1. A positive value indicates clustering, while a negative value suggests dispersion. The authors utilize three types of spatial econometric models: the Spatial Lag Model (SLM), Spatial Error Model (SEM), and Spatial Durbin Model (SDM), represented by Equations (2)-(4). These equations incorporate variables such as AGPE (dependent variable), AMI (independent variable), and control variables, along with spatial lag terms and error components. The choice of the specific model is guided by the results of various statistical tests, including LM, LR, and Wald tests, ensuring a robust analysis of spatial dependencies in the data.
Results
The results of the spatial econometric analysis using the Spatial Durbin Model (SDM) reveal significant insights into the spatial spillover effects of Agricultural Machinery Input (AMI) on Agricultural Green Production Efficiency (AGPE) in the Yangtze River Economic Belt (YREB). The analysis, which employed two spatial weight matrices (adjacency and economic geography nested), indicated that while AMI positively influences local AGPE, it concurrently exerts a negative spatial spillover effect on neighboring regions. Specifically, the coefficients for AMI were found to be positive for local AGPE but negative for neighboring AGPE, suggesting that increased AMI enhances productivity locally while detracting from it in adjacent areas.
Further examination revealed an “inverted U-shaped” relationship between AMI and local AGPE, with inflection points exceeding the sample mean of AMI. This indicates that while initial increases in AMI contribute positively to AGPE, beyond a certain threshold, the marginal productivity declines. Conversely, the relationship between AMI and neighboring AGPE was characterized by a “U-shaped” pattern, suggesting that high levels of AMI in one region can siphon resources away from neighboring areas, thereby suppressing their productivity. These findings underscore the complex dynamics of agricultural mechanization, highlighting both its potential benefits and detrimental effects on regional agricultural efficiency.
Discussion
The discussion section of the research paper delves into the spatial spillover effects of Agricultural Machinery Input (AMI) on Agricultural Green Production Efficiency (AGPE). It posits that agricultural mechanization, as a technological innovation, not only enhances local production efficiency but also promotes green development through regional economic linkages. The paper highlights that while increased AMI can lead to improved AGPE, it may also create resource competition, resulting in negative spillover effects on neighboring regions. The study proposes hypotheses indicating that AMI has both positive and negative impacts on local and neighboring AGPE, suggesting a nonlinear relationship where initial increases in AMI boost efficiency, but excessive input may lead to diminishing returns and environmental degradation.
Furthermore, the paper examines the moderating effects of Agricultural Operation Scale (AOS) and Grain Yield per Unit Area (GYPUA) on the relationship between AMI and AGPE. It argues that larger operational scales can optimize resource allocation and enhance efficiency, while higher grain yields, although beneficial, may require additional inputs that could hinder green development. The analysis indicates that both AOS and GYPUA exhibit nonlinear characteristics in their influence on AMI’s impact on AGPE, suggesting threshold effects where the benefits of mechanization are maximized before potential negative consequences arise. Overall, the findings underscore the complexity of agricultural mechanization’s effects on productivity and sustainability, necessitating careful consideration of resource allocation and technological adoption in agricultural practices.