中非农业合作新动能：基于面板数据的贸易与技术溢出效应剖析

中非农业合作新动能：基于面板数据的贸易与技术溢出效应剖析一、引言1.1研究背景与意义在全球经济一体化的大背景下，中国与非洲的合作日益紧密，其中农业领域的投资合作备受瞩目。近年来，中国对非洲农业投资呈现出显著的增长态势。根据相关数据显示，截至2022年底，中国企业对非农业投资存量超17亿美元，共在三分之二的非洲国家投资设立近200家农业企业。中国对非洲农业投资增长迅速，这一趋势不仅反映了中非之间深厚的友谊，也体现了双方在农业领域的合作潜力巨大。从投资规模、投资分布及投资领域来看，中国对非洲农业投资规模虽占比还较小，但投资区域广泛且投资领域逐步扩大，涵盖种植业、林业、畜牧业、家禽养殖以及农产品加工等众多领域。如中非农投在坦桑尼亚设立剑麻农场、石家庄雄狮牧业占据喀麦隆当地鸡蛋和鸡肉销售的20%市场份额、中国水产总公司在塞内加尔从事捕鱼业并成为代表性企业等。粮食安全作为全球性问题，其重要性不言而喻。对于非洲国家而言，保障粮食安全更是实现社会稳定、经济发展的关键。非洲拥有丰富的农业资源，然而由于农业生产技术落后、基础设施薄弱等原因，粮食短缺问题长期困扰着许多非洲国家。据联合国粮食及农业组织（FAO）统计，全球约20%的人口面临饥饿问题，而非洲地区是受影响最为严重的地区之一。粮食安全是国家安全和社会稳定的基础，确保粮食供应的稳定，不仅可以满足人民的生存需求，还能为经济社会发展提供有力支撑。对于非洲国家来说，解决粮食问题是实现国家发展的首要任务。在这样的背景下，研究中国对非洲投资的贸易和技术溢出效应具有重要的现实意义。一方面，深入了解中国对非洲农业投资所产生的贸易和技术溢出效应，能够为中非农业合作的进一步发展提供科学依据，有助于优化合作策略，提升合作效果，从而更好地实现双方在农业领域的互利共赢，推动非洲农业现代化进程，保障非洲的粮食安全。另一方面，从学术研究角度来看，目前针对中国对非洲投资在农业领域的贸易和技术溢出效应的研究还存在一定的空白。现有研究多集中在贸易总量、贸易结构等方面，对于投资所带来的深层次影响，如技术溢出如何促进非洲农业技术进步、贸易溢出如何带动非洲农业产业发展等问题，缺乏系统深入的分析。因此，本研究的开展将有助于填补这一领域的研究空白，丰富和完善国际投资与贸易理论，为后续相关研究提供有益的参考和借鉴。1.2研究目标与问题本研究旨在深入剖析中国对非洲农业投资所产生的贸易和技术溢出效应，通过多维度的分析，为中非农业合作的深化与拓展提供科学依据和实践指导。具体而言，研究目标主要涵盖以下几个方面：一是精准度量中国对非洲农业投资的贸易和技术溢出效应。运用科学的计量方法和丰富的面板数据，从贸易规模、贸易结构、技术进步指标等多个角度，量化评估中国投资对非洲农业贸易增长以及技术水平提升的实际影响程度。例如，通过对贸易额、贸易种类变化的细致分析，明确投资在促进非洲农产品出口和优化贸易结构方面的作用；借助对农业生产技术指标的对比研究，衡量投资所带来的技术进步效果。二是全面探究影响中国对非洲农业投资贸易和技术溢出效应的关键因素。从宏观的政策环境、经济发展水平，到微观的企业投资策略、技术适配性等层面，深入挖掘制约或促进溢出效应发挥的各类因素。比如，分析非洲国家的贸易政策、投资政策对贸易和技术溢出的影响；研究中国企业在非洲的投资模式、技术转移方式如何影响技术的传播和应用。三是深入揭示中国对非洲农业投资贸易和技术溢出效应的作用机制。从产业链关联、技术传播路径、市场竞争与合作等视角，解析投资如何通过不同的渠道和方式，对非洲农业贸易和技术发展产生间接或直接的影响。例如，探讨中国投资如何通过带动上下游产业发展，促进非洲农业产业链的完善和贸易规模的扩大；研究技术如何在企业、科研机构和农户之间传播，推动非洲农业技术水平的提升。基于以上研究目标，本研究拟解决以下关键问题：中国对非洲农业投资的贸易和技术溢出效应在不同非洲国家和地区、不同农业领域呈现出怎样的差异？哪些因素对贸易和技术溢出效应的影响最为显著，这些因素之间存在怎样的相互关系？中国对非洲农业投资的贸易和技术溢出效应通过何种具体机制发挥作用，如何优化这些机制以提升溢出效应的效果？通过对这些问题的深入研究，将有助于更全面、深入地理解中国对非洲农业投资的影响，为进一步加强中非农业合作提供有力的理论支持和实践参考。1.3研究方法与创新点本研究综合运用多种研究方法，确保研究的科学性与严谨性。在数据收集上，精心筛选并整合非洲农业面板数据，涵盖多个国家在不同时期的农业投资、贸易及技术相关数据，为后续分析奠定坚实基础。在贸易溢出效应分析中，采用扩展的引力模型，该模型充分考虑距离、人口、制度、经济发展水平以及贸易政策等因素，通过对这些因素的量化分析，精准揭示中国对非洲农业投资与贸易规模、结构之间的内在联系，深入剖析各因素对贸易溢出效应的具体影响。对于技术溢出效应的研究，运用Malmquist指数法，从技术进步、技术效率等多个维度，对非洲农业部门在接受中国投资前后的全要素生产率变化进行动态评估，清晰展现中国投资所带来的技术进步效果。此外，借助全球贸易分析系统（GTAP）模拟，设定不同的投资情景，模拟分析中国对非洲农业投资对非洲农业产业结构、贸易格局以及经济福利等方面的综合影响，全面呈现投资的宏观经济效应。本研究在研究视角和方法应用上具有一定的创新点。从研究视角来看，以往研究多聚焦于中国对非洲投资的整体效应或单一领域效应，本研究则专门针对农业领域，深入探讨投资的贸易和技术溢出效应，为中非农业合作研究提供了更为细化和深入的视角。在研究方法上，本研究将多种方法有机结合，克服了单一方法的局限性。通过面板数据的运用，充分考虑个体异质性和时间动态性，使研究结果更具可靠性；引力模型、Malmquist指数法和GTAP模拟的综合运用，实现了从微观到宏观、从静态到动态的多维度分析，全面系统地揭示了中国对非洲农业投资的贸易和技术溢出效应及其作用机制，为相关研究提供了新的思路和方法借鉴。二、理论基础与文献综述2.1对外直接投资理论国际生产折衷理论由英国经济学家约翰・邓宁（JohnDunning）于1977年提出，该理论认为，企业进行对外直接投资需要同时具备所有权优势、内部化优势和区位优势。所有权优势是指企业拥有的无形资产、技术、管理经验等，使企业在国际市场竞争中具有独特的竞争力。例如，中国农业企业在长期发展过程中积累了丰富的农业种植、养殖技术以及农产品加工技术，这些技术优势是企业进行对非投资的重要基础。内部化优势强调企业通过内部组织体系和交易机制，将外部市场交易内部化，以降低交易成本、保护技术秘密和实现全球战略布局。中国企业在对非洲农业投资时，通过建立自己的生产基地、销售网络等，将生产、销售等环节内部化，减少了中间环节的交易成本，提高了企业的运营效率。区位优势则是指东道国的地理位置、资源禀赋、市场规模、政策法规等因素所形成的优势。非洲拥有广袤的土地资源、丰富的劳动力资源以及庞大的市场潜力，这些区位优势吸引了中国企业的投资。例如，非洲的土地成本和劳动力成本相对较低，为中国农业企业降低生产成本提供了有利条件；同时，非洲国家为吸引外资，纷纷出台了一系列优惠政策，如税收减免、土地优惠等，进一步增强了非洲的区位吸引力。产品生命周期理论由美国经济学家雷蒙德・弗农（RaymondVernon）于1966年提出，该理论将产品的生命周期划分为创新阶段、成熟阶段和标准化阶段。在创新阶段，产品技术含量高，需求主要来自国内市场，企业在国内进行生产和销售。随着产品逐渐成熟，市场需求增加，企业开始向其他发达国家出口产品，并在这些国家进行直接投资，以降低生产成本和接近市场。当产品进入标准化阶段，技术已经成熟，生产成本成为关键因素，企业会将生产转移到发展中国家，利用当地的廉价劳动力和资源进行生产。对于中国对非洲农业投资而言，产品生命周期理论具有一定的解释力。中国在农业技术研发方面取得了一定的成果，部分农业技术和产品处于成熟阶段，而非洲农业技术相对落后，对这些成熟技术和产品有较大的需求。中国企业通过对非农业投资，将成熟的农业技术和产品转移到非洲，不仅满足了非洲市场的需求，也延长了产品的生命周期，实现了企业的经济效益。这些理论从不同角度为中国对非洲农业投资提供了理论基础，有助于深入理解中国对非洲农业投资的动机、决策和影响因素。国际生产折衷理论强调企业自身优势与东道国优势的结合，为中国企业选择在非洲进行农业投资提供了理论依据；产品生命周期理论则从产品发展阶段的角度，解释了中国农业技术和产品向非洲转移的合理性。2.2贸易效应理论贸易替代理论由美国经济学家罗伯特・蒙代尔（RobertMundell）于1957年提出，该理论认为，在存在贸易壁垒的情况下，如果厂商始终沿着Rybczynski线进行对外直接投资，那么这种对外直接投资就能够在相对最佳的效率或最低的生产要素转换成本基础上，实现对商品贸易的完全替代。例如，当非洲国家对中国农产品设置较高的贸易壁垒时，中国农业企业可能会选择在非洲进行直接投资，建立生产基地，在当地生产农产品并直接销售，从而减少对中国农产品出口的依赖，实现投资对贸易的替代。贸易互补理论则强调，对外直接投资与贸易之间存在互补关系。日本学者小岛清（KiyoshiKojima）提出的边际产业扩张理论认为，对外直接投资应该从本国已经处于或即将处于比较劣势的产业（边际产业）依次进行。对于中国对非洲农业投资而言，中国在一些劳动密集型农业产业上，随着国内劳动力成本上升等因素，逐渐失去比较优势，而非洲拥有丰富的劳动力资源和土地资源，中国将这些边际产业向非洲转移，通过投资带动相关生产设备、技术和中间产品的出口，促进贸易增长。例如，中国在蔬菜种植技术和生产方面相对成熟，但国内土地和劳动力成本逐渐增加，而非洲在这方面具有成本优势。中国企业通过在非洲投资建设蔬菜种植基地，不仅可以利用当地资源进行生产，还会带动中国蔬菜种子、化肥、农药等相关产品的出口，实现投资与贸易的互补。产业内贸易理论由美国经济学家保罗・克鲁格曼（PaulKrugman）等学者提出，该理论认为，国际贸易并不完全取决于比较优势，还与规模经济、产品差异化、消费者偏好等因素密切相关。在中非农业贸易中，产业内贸易也逐渐显现。随着非洲经济的发展和人民生活水平的提高，非洲对农产品的需求日益多样化。中国农业企业在对非投资过程中，通过生产差异化的农产品，满足非洲市场不同层次的需求，从而促进产业内贸易的发展。例如，中国企业在非洲投资生产特色水果、有机农产品等，这些产品在品质、品种上与非洲当地农产品形成差异，既丰富了非洲市场的产品种类，又扩大了中非之间的农业贸易规模。这些贸易效应理论为中国对非洲农业投资的贸易效应分析提供了重要的理论依据。贸易替代理论解释了在贸易壁垒等情况下，投资如何替代贸易；贸易互补理论强调了投资与贸易之间的相互促进关系；产业内贸易理论则从产品差异化和规模经济的角度，阐述了投资对贸易结构和贸易规模的影响。通过综合运用这些理论，可以更深入地理解中国对非洲农业投资所产生的贸易效应。2.3技术溢出效应理论技术溢出效应是指在国际投资过程中，投资主体所拥有的技术、知识等通过非自愿的扩散，使得东道国相关产业或企业在技术水平、生产效率等方面得到提升的现象。从投资国的动力机制来看，中国对非洲农业投资存在多种促使技术溢出的因素。中国农业企业在长期发展中积累了丰富的农业技术和管理经验，为了拓展国际市场、提升企业竞争力，企业有动力将这些技术和经验带到非洲。例如，隆平高科在非洲开展杂交水稻种植项目，将先进的杂交水稻种植技术引入非洲，不仅是为了实现企业自身的经济利益，也希望通过技术输出，帮助非洲提高粮食产量，从而提升企业在国际市场的声誉和影响力。从东道国的引力机制而言，非洲国家对农业技术的迫切需求是吸引中国技术溢出的重要因素。非洲农业生产技术相对落后，粮食产量难以满足国内需求，为了提升农业生产水平，非洲国家积极制定优惠政策，吸引外国投资和技术。例如，埃塞俄比亚为吸引农业投资，出台了土地租赁优惠、税收减免等政策，鼓励外国企业在当地进行农业技术研发和推广。同时，非洲国家的市场潜力和资源优势也为中国技术的应用提供了广阔的空间，进一步增强了对中国技术溢出的吸引力。为了更深入地解释中国对非洲农业投资的技术溢出效应，构建以下理论模型。假设非洲农业生产函数为：Y=A\timesF(K,L)，其中Y表示农业产出，A代表技术水平，K为资本投入，L为劳动力投入。当中国对非洲进行农业投资时，会带来新的技术和管理经验，使得技术水平A得到提升。这种技术溢出可能通过多种途径实现，如示范效应，非洲当地农业企业观察和学习中国企业的先进生产技术和管理模式，从而提高自身的生产效率；人员流动效应，中国企业培训的当地员工在离职后，将所学技术和知识传播到其他企业。通过技术溢出，非洲农业生产函数中的技术水平A提高，在资本K和劳动力L不变或适度增加的情况下，农业产出Y将增加，从而推动非洲农业技术进步和产业发展。2.4文献综述在国际投资与贸易领域，中国对非洲投资的贸易和技术溢出效应研究具有重要意义，吸引了众多学者的关注。赵志磊利用引力模型，抽取与中国贸易和投资关系密切的十个非洲国家相关数据进行面板数据合成回归，得出中国对非洲直接投资的出口和进口效应都是创造的。王嫚选用引力模型并采用面板数据方法，对非洲46个国家2003-2008年我国对其直接投资的进出口贸易效应作实证研究，结果表明我国对非洲直接投资对贸易起促进作用。这些研究在贸易效应方面，主要运用引力模型，从实证角度分析了中国对非洲直接投资与贸易之间的关系，肯定了投资对贸易的促进作用。在技术溢出效应研究方面，部分学者做出了探索。王艳丽指出，FDI技术溢出效应是由于广义FDI资本内含的人力资本、研发投入等因素通过各种渠道导致技术的非自愿扩散，促进了当地生产率增长。虽然目前针对中国对非洲农业投资技术溢出效应的专门研究相对较少，但这些关于FDI技术溢出效应的一般性理论研究，为中国对非洲农业投资技术溢出效应的研究提供了理论基础和研究思路。现有研究存在一定的局限性。在贸易效应研究中，多聚焦于投资对贸易规模的影响，对于贸易结构的深入分析相对不足。例如，较少研究中国对非洲农业投资如何影响非洲农产品贸易的产品结构、市场结构等方面。在技术溢出效应研究方面，针对中国对非洲农业投资这一特定领域的研究较少，且缺乏对技术溢出效应的具体机制和影响因素的系统分析。例如，对于中国农业技术在非洲的传播路径、非洲当地企业和农户对中国农业技术的吸收能力等方面的研究还不够深入。本文将在现有研究的基础上，运用扩展的引力模型，深入分析对外直接投资、距离、人口、制度、经济发展水平以及贸易政策等因素对我国同非洲农业出口贸易的不同影响，全面评估贸易效应。同时，采用Malmquist指数法和GTAP模拟等方法，从多维度深入研究中国对非洲农业投资的技术溢出效应及其影响因素，系统揭示技术溢出效应的作用机制，弥补现有研究的不足。三、中国对非洲农业投资与贸易现状3.1投资历程与规模中国对非洲农业投资历史悠久，可追溯至20世纪60年代。在这一时期，中国出于国际主义精神和友好情谊，开始对非洲进行农业援助，主要形式为援建农业项目，如坦桑尼亚的姆巴拉利农场，为当地提供农业基础设施建设、技术支持以及人员培训，帮助非洲国家提高农业生产能力，开启了中非农业合作的先河。到了70-80年代，中国对非洲农业援助持续推进，援助项目不断增加，涵盖了农场建设、农田水利设施修建等多个领域。同时，随着中国改革开放的推进，对非农业合作开始探索新的模式，逐渐引入企业参与，由单纯的援助向援助与合作相结合转变。进入90年代，中国对非洲农业投资在政策推动下取得新进展。1995年，中国政府提出对非援助方式改革，鼓励企业参与对非农业合作，以市场化运作的方式促进非洲农业发展。此后，中国企业在非洲农业领域的投资逐渐增多，投资领域也不断扩大，涉及种植、养殖、农产品加工等多个行业。21世纪以来，尤其是中非合作论坛成立后，中国对非洲农业投资进入快速发展阶段。中国政府出台了一系列支持政策，加大对非农业投资力度，鼓励企业“走出去”。在政策引导下，越来越多的中国企业看到非洲农业市场的潜力，纷纷在非洲开展农业投资项目。如中粮集团在赞比亚投资建设农业综合项目，涵盖种植、仓储、加工等环节，形成了完整的产业链。从投资规模来看，中国对非洲农业投资总体呈增长趋势。近年来，随着“一带一路”倡议的推进，中非农业合作进一步深化，投资规模持续扩大。据相关数据显示，截至2022年底，中国企业对非农业投资存量超17亿美元，共在三分之二的非洲国家投资设立近200家农业企业。在投资增长过程中，虽然受到全球经济形势、非洲部分地区政治局势不稳定等因素的影响，投资增速存在一定波动，但总体保持上升态势。中国对非洲农业投资在不同阶段呈现出不同特点。早期以援助为主，注重基础设施建设和技术传播，旨在帮助非洲国家提升农业生产的基础能力；随着时间推移，投资逐渐向多元化、市场化方向发展，企业成为投资主体，投资领域不断拓展，投资形式也更加丰富，包括独资、合资、合作等多种方式。例如，新希望集团在非洲的投资，不仅涉及饲料生产，还拓展到养殖、屠宰加工等领域，通过整合产业链，实现了多元化发展。在投资地域上，早期主要集中在少数几个与中国关系密切、农业条件较好的国家，如坦桑尼亚、赞比亚等；如今，投资范围已扩大到非洲大部分国家，从北非到南非，从东非到西非，都有中国农业投资的身影。3.2投资区位与领域中国对非洲农业投资在区位分布上呈现出广泛性与集中性并存的特点。从区域来看，北非、东非、西非、中非和南非都有中国农业投资的项目，但投资规模和重点领域在不同区域存在差异。在北非，埃及凭借其优越的地理位置、相对完善的基础设施以及庞大的市场规模，吸引了中国企业的关注。一些中国企业在埃及投资建设农产品加工企业，利用当地丰富的农产品资源，进行深加工后出口到周边国家和欧洲市场。东非的肯尼亚、坦桑尼亚等国家，由于土地肥沃、气候适宜，且政府对农业发展较为重视，出台了一系列优惠政策，成为中国农业投资的热点地区。中国企业在这些国家开展种植业，种植玉米、小麦、水稻等粮食作物，以及咖啡、茶叶等经济作物。例如，中垦集团在坦桑尼亚的农业投资项目，涵盖了大规模的农田开发和粮食种植，为当地提供了大量的就业机会，也提高了当地的粮食产量。在西非，尼日利亚、加纳等国家拥有丰富的农业资源和庞大的人口市场，中国企业在这些国家的投资涉及种植业、畜牧业和农产品加工业等多个领域。中非地区的国家，如刚果（金）、喀麦隆等，虽然基础设施相对薄弱，但自然资源丰富，中国企业在这些国家主要开展资源开发型农业投资，如橡胶种植、林业开发等。南非作为非洲经济最发达的国家，投资环境相对较好，金融、法律等配套服务完善，中国企业在南非的投资更多集中在高端农业领域，如农业科技研发、农产品冷链物流等。从投资领域来看，种植业是中国对非洲农业投资的重点领域之一。非洲拥有广袤的可耕地资源，但由于农业生产技术落后，土地利用率较低。中国企业凭借先进的种植技术和管理经验，在非洲开展大规模的种植业投资。在赞比亚，中国企业投资建设了多个大型农场，种植玉米、大豆、蔬菜等农作物。这些农场采用现代化的种植技术，如滴灌、喷灌等节水灌溉技术，以及精准施肥、病虫害综合防治等技术，大大提高了农作物的产量和质量。同时，中国企业还注重与当地农民合作，通过技术培训和示范，带动当地农业生产水平的提升。畜牧业也是中国对非洲农业投资的重要领域。非洲拥有丰富的草原资源，发展畜牧业具有得天独厚的条件。然而，非洲的畜牧业生产方式较为粗放，养殖技术落后，疫病防控能力较弱。中国企业在非洲投资建设现代化的养殖场，引进优良的畜禽品种，推广科学的养殖技术和疫病防控措施。石家庄雄狮牧业在喀麦隆投资建设了现代化的养鸡场和养牛场，采用先进的养殖设备和管理模式，实现了规模化养殖。该企业还注重对当地员工的培训，提高他们的养殖技术和管理水平，目前已占据喀麦隆当地鸡蛋和鸡肉销售的20%市场份额。渔业方面，中国水产总公司在塞内加尔等国家从事捕鱼业，凭借先进的捕鱼技术和设备，成为当地渔业领域的代表性企业。中国企业还在非洲投资建设渔业加工企业，对捕捞的水产品进行深加工，提高产品附加值。在农产品加工业领域，中国企业在非洲投资建设了众多加工厂，涵盖粮食加工、水果加工、肉类加工等多个细分领域。这些加工厂采用先进的生产设备和工艺，将非洲当地的农产品加工成各类食品，满足当地市场需求的同时，还出口到其他国家。例如，在埃塞俄比亚，中国企业投资建设的粮食加工厂，将当地生产的小麦加工成面粉，供应给当地的面包厂和食品企业，促进了当地粮食产业的发展。3.3贸易结构与趋势近年来，中非农产品贸易规模呈现出稳步增长的态势，已成为中非经贸合作的重要领域之一。据相关数据统计，2000-2023年，中非农产品贸易额从6.5亿美元增长至89.2亿美元，年均增长速度较为可观。在贸易规模不断扩大的同时，贸易结构也具有一定特点。中国向非洲出口的农产品种类丰富，主要包括大米、小麦、玉米、大豆等粮食作物，以及蔬菜、水果、水产品等。其中，粮食作物的出口在一定程度上满足了非洲部分国家对粮食的需求，稳定了当地的粮食供应；蔬菜、水果等农产品则丰富了非洲市场的产品种类，提升了当地居民的生活品质。非洲向中国出口的农产品主要以可可、咖啡、棉花、橡胶等经济作物，以及牛肉、羊肉、鸡肉等肉类产品为主。非洲作为可可、咖啡的重要产地，其出口的可可、咖啡在国际市场上具有一定的知名度和市场份额，满足了中国消费者对这些特色农产品的需求。非洲的棉花、橡胶等经济作物也是中国工业生产中重要的原材料来源，为中国相关产业的发展提供了支持。在贸易方式上，中非农产品贸易以一般贸易为主，这种贸易方式占比较大，体现了双方贸易的直接性和稳定性。同时，其他贸易方式如加工贸易、边境贸易等也占有一定比例，丰富了贸易形式。从贸易趋势来看，中非农产品贸易未来具有广阔的发展空间。随着“一带一路”倡议的深入推进，中非之间的基础设施建设不断完善，交通、物流等条件得到显著改善，这将进一步降低贸易成本，促进农产品贸易规模的扩大。例如，蒙内铁路的建成通车，大大提高了肯尼亚农产品的运输效率，降低了运输成本，为肯尼亚农产品出口到中国提供了更便捷的通道。非洲国家经济的发展和人民生活水平的提高，将带动对农产品需求的增加，不仅在数量上，对农产品的品质、种类也将提出更高要求，这为中国农产品出口非洲创造了更多机遇。同时，中国对非洲农业投资的增加，将促进非洲农业生产能力的提升，有望增加非洲农产品的出口量和出口种类，进一步优化贸易结构。如中国企业在非洲投资建设的农业项目，通过引入先进的种植、养殖技术和管理经验，提高了当地农产品的产量和质量，为非洲农产品出口提供了更坚实的基础。3.4现状总结与问题分析中国对非洲农业投资与贸易在近年来取得了显著进展，但也面临着诸多挑战。在投资方面，虽然投资规模不断扩大，截至2022年底，中国企业对非农业投资存量超17亿美元，投资领域逐步拓展至种植业、畜牧业、渔业、农产品加工业等多个领域，但投资规模占比仍相对较小。在贸易方面，中非农产品贸易规模逐年增长，2000-2023年，贸易额从6.5亿美元增长至89.2亿美元，贸易结构不断优化，中国出口粮食作物、蔬菜、水果等，进口可可、咖啡、棉花等经济作物及肉类产品，但贸易不平衡问题较为突出，中国对非洲农产品出口量大，而非洲对中国农产品出口量相对较小。政策方面，非洲部分国家政策不稳定，农业政策时常变动，且给予农业投资的政策和法律支持力度不足，部分国家对外来投资农业企业设置壁垒，如赞比亚规定外来投资农业企业不能与当地企业享受同等农业优惠政策，这增加了中国企业投资的不确定性和风险。基础设施方面，非洲多数国家基础设施薄弱，交通、物流、仓储等设施落后。以交通运输为例，部分地区道路状况差，铁路运输网络不完善，导致农产品运输时间长、成本高，严重影响了农产品的流通效率和贸易规模的扩大。市场竞争方面，非洲农产品市场竞争激烈，中国企业面临来自欧美等发达国家企业的竞争。这些企业在技术、资金、品牌等方面具有优势，占据了部分高端市场份额。同时，非洲本土企业也在不断发展壮大，对中国企业形成一定的竞争压力。农产品质量安全与检验检疫也是一个重要问题。中非农产品贸易中，存在农产品质量安全问题，如农药残留、重金属超标等。检验检疫标准差异较大，检验检疫能力不足，导致贸易壁垒和贸易摩擦不断，阻碍了贸易的顺利进行。例如，中国对进口农产品的农药残留标准要求严格，而部分非洲国家在农产品生产过程中对农药使用监管不足，使得部分非洲农产品难以达到中国的进口标准。四、基于面板数据的贸易溢出效应实证分析4.1研究设计为深入探究中国对非洲农业投资的贸易溢出效应，本研究精心选取了非洲39个国家在2005-2023年期间的面板数据。这些国家涵盖了非洲不同区域，包括北非、东非、西非、中非和南非，具有广泛的代表性，能够全面反映非洲大陆的整体情况。在变量选取方面，充分考虑了多种影响因素。被解释变量为中国对非洲各国的农业出口贸易额（Trade），这一变量直接反映了贸易规模，是衡量贸易溢出效应的关键指标。核心解释变量为中国对非洲各国的农业直接投资存量（OFDI），用以衡量投资规模，通过该变量可以直观地分析投资对贸易的影响程度。控制变量则涵盖多个维度，包括非洲各国的国内生产总值（GDP），用于衡量其经济规模，经济规模较大的国家通常具有更强的消费能力和市场需求，从而对贸易规模产生影响；人口数量（Population），反映市场规模的大小，人口众多意味着更大的消费群体，可能促进贸易增长；地理距离（Distance），指中国与非洲各国首都之间的直线距离，地理距离会影响运输成本，进而对贸易产生阻碍作用；是否签署自由贸易协定（FTA），作为虚拟变量，若两国签署自由贸易协定，会降低贸易壁垒，促进贸易发展，取值为1，否则为0；非洲各国的农业增加值（Agri_value），体现其农业生产能力，农业生产能力强的国家可能在农产品贸易中扮演更重要的角色。在此基础上，构建扩展的引力模型如下：\lnTrade_{it}=\alpha_0+\alpha_1\lnOFDI_{it}+\alpha_2\lnGDP_{it}+\alpha_3\lnPopulation_{it}+\alpha_4\lnDistance_{i}+\alpha_5FTA_{it}+\alpha_6\lnAgri\_value_{it}+\varepsilon_{it}其中，i表示不同的非洲国家，t表示年份，\alpha_0-\alpha_6为待估计系数，\varepsilon_{it}为随机误差项。数据来源广泛且权威，中国对非洲各国的农业出口贸易额数据来自联合国商品贸易统计数据库（UNComtrade），该数据库提供了全球范围内详细的贸易数据，具有高度的准确性和可靠性。中国对非洲各国的农业直接投资存量数据主要来源于中国商务部发布的《对外直接投资统计公报》以及相关企业的年报，这些数据全面记录了中国企业在非洲的投资情况。非洲各国的国内生产总值、人口数量、农业增加值等数据来源于世界银行数据库，该数据库涵盖了全球各国丰富的经济社会数据，为研究提供了坚实的数据支持。地理距离数据通过专业的地理信息系统（GIS）软件计算得出，确保了数据的精确性。是否签署自由贸易协定的数据则通过查阅各国政府官方文件以及相关国际组织的报告获取。在数据处理过程中，首先对所有数据进行了仔细的清洗和核对，剔除了明显错误和缺失值较多的数据样本。对于部分缺失的数据，采用均值插补、趋势预测等方法进行填补，以保证数据的完整性。为了消除数据的异方差性，对所有连续变量进行了自然对数变换，使数据更加平稳，符合模型的假设条件。通过严谨的数据处理和模型构建，为后续的实证分析奠定了坚实的基础。4.2模型构建与估计方法为了深入探究中国对非洲农业投资的贸易溢出效应，本研究构建了扩展的贸易引力模型。贸易引力模型最初由Tinbergen（1962）和Poyhonen（1963）引入国际贸易研究领域，其基本思想源于牛顿的万有引力定律，认为两国之间的贸易流量与它们各自的经济规模成正比，与它们之间的距离成反比。在本研究中，构建的扩展贸易引力模型如下：\lnTrade_{it}=\alpha_0+\alpha_1\lnOFDI_{it}+\alpha_2\lnGDP_{it}+\alpha_3\lnPopulation_{it}+\alpha_4\lnDistance_{i}+\alpha_5FTA_{it}+\alpha_6\lnAgri\_value_{it}+\varepsilon_{it}其中，i表示不同的非洲国家，t表示年份。被解释变量Trade_{it}代表中国对非洲i国在t时期的农业出口贸易额，该变量直接反映了贸易规模，是衡量贸易溢出效应的关键指标。核心解释变量OFDI_{it}为中国对非洲i国在t时期的农业直接投资存量，用以衡量投资规模，通过该变量可以直观地分析投资对贸易的影响程度。控制变量涵盖多个维度，GDP_{it}表示非洲i国在t时期的国内生产总值，用于衡量其经济规模，经济规模较大的国家通常具有更强的消费能力和市场需求，从而对贸易规模产生影响；Population_{it}为非洲i国在t时期的人口数量，反映市场规模的大小，人口众多意味着更大的消费群体，可能促进贸易增长；Distance_{i}指中国与非洲i国首都之间的直线距离，地理距离会影响运输成本，进而对贸易产生阻碍作用；FTA_{it}是虚拟变量，若中国与非洲i国签署自由贸易协定，会降低贸易壁垒，促进贸易发展，取值为1，否则为0；Agri\_value_{it}代表非洲i国在t时期的农业增加值，体现其农业生产能力，农业生产能力强的国家可能在农产品贸易中扮演更重要的角色。\alpha_0-\alpha_6为待估计系数，\varepsilon_{it}为随机误差项。在估计方法上，本研究采用了静态面板和动态面板估计方法。静态面板估计方法主要包括固定效应模型（FixedEffectsModel，FE）和随机效应模型（RandomEffectsModel，RE）。固定效应模型假设个体异质性只与个体自身特征有关，且不随时间变化，通过控制个体固定效应，可以有效消除那些不随时间变化的不可观测因素对估计结果的影响。例如，非洲各国独特的地理环境、文化传统等因素，虽然难以直接量化，但通过固定效应模型可以在一定程度上控制这些因素的影响。随机效应模型则假设个体异质性是随机分布的，与解释变量不相关。在实际应用中，通过Hausman检验来选择合适的模型。若Hausman检验结果拒绝原假设，则选择固定效应模型；若接受原假设，则选择随机效应模型。然而，静态面板模型可能存在遗漏变量、内生性等问题，为了更准确地估计贸易溢出效应，本研究进一步采用了动态面板估计方法，即系统广义矩估计（SystemGeneralizedMethodofMoments，SYS-GMM）。该方法通过引入被解释变量的滞后项作为动态面板模型的解释变量，有效控制了模型的内生性问题。同时，SYS-GMM方法利用差分方程和水平方程的矩条件，提高了估计的有效性和一致性。在使用SYS-GMM方法时，通过Arellano-Bond检验来判断扰动项是否存在自相关，若不存在自相关，则说明模型设定合理；通过Sargan检验来判断工具变量的过度识别问题，若检验结果表明工具变量有效，则可以保证估计结果的可靠性。通过综合运用静态面板和动态面板估计方法，能够更全面、准确地揭示中国对非洲农业投资的贸易溢出效应。4.3实证结果与分析本研究采用静态面板和动态面板估计方法对构建的扩展引力模型进行估计，结果如表1所示：变量FE估计RE估计SYS-GMM估计L.lnTrade--0.325***（0.045）lnOFDI0.256***（0.032）0.248***（0.030）0.213***（0.035）lnGDP0.354***（0.040）0.342***（0.038）0.301***（0.042）lnPopulation0.126**（0.055）0.118*（0.053）0.095（0.058）lnDistance-0.214***（0.038）-0.206***（0.036）-0.187***（0.040）FTA0.286***（0.042）0.275***（0.040）0.253***（0.045）lnAgri_value0.189***（0.035）0.178***（0.033）0.156***（0.038）cons-2.154***（0.350）-1.986***（0.330）-1.562***（0.380）N741741682Hausmantest15.62***--AR(1)test--0.023AR(2)test--0.187Sargantest--0.782注：括号内为稳健标准误，*、**、***分别表示在10%、5%、1%的水平上显著；L.lnTrade表示被解释变量lnTrade的一阶滞后项；Hausmantest为豪斯曼检验结果，用于判断固定效应模型和随机效应模型的选择；AR(1)test和AR(2)test分别为扰动项差分自相关检验的一阶和二阶结果，原假设为扰动项差分不存在自相关；Sargantest为过度识别检验结果，原假设为工具变量有效。在静态面板估计中，通过Hausman检验，结果在1%的水平上显著拒绝原假设，因此选择固定效应模型（FE）的估计结果更为合适。从FE估计结果来看，中国对非洲农业直接投资存量（lnOFDI）的系数为0.256，在1%的水平上显著为正，这表明中国对非洲农业投资对贸易具有显著的促进作用，投资存量每增加1%，中国对非洲的农业出口贸易额将增加0.256%。非洲各国国内生产总值（lnGDP）的系数为0.354，在1%的水平上显著为正，说明非洲国家的经济规模越大，对中国农业产品的进口需求越高，经济规模每增长1%，进口贸易额将增加0.354%。人口数量（lnPopulation）的系数为0.126，在5%的水平上显著为正，反映出市场规模的扩大对贸易有促进作用，人口规模每增加1%，贸易额增加0.126%。地理距离（lnDistance）的系数为-0.214，在1%的水平上显著为负，表明地理距离对贸易存在阻碍作用，距离每增加1%，贸易额将减少0.214%。是否签署自由贸易协定（FTA）的系数为0.286，在1%的水平上显著为正，说明签署自由贸易协定能有效促进贸易增长，签署协定可使贸易额增加0.286%。非洲各国农业增加值（lnAgri_value）的系数为0.189，在1%的水平上显著为正，显示出非洲农业生产能力的提升有助于增加对中国农业产品的进口，农业增加值每提高1%，贸易额增加0.189%。动态面板估计采用系统广义矩估计（SYS-GMM）方法，AR(1)test检验结果为0.023小于0.1，表明扰动项差分存在一阶自相关；AR(2)test检验结果为0.187大于0.1，表明扰动项差分不存在二阶自相关，符合SYS-GMM估计的假设条件。Sargantest检验结果为0.782大于0.1，接受原假设，说明工具变量有效。在SYS-GMM估计结果中，被解释变量的一阶滞后项（L.lnTrade）系数为0.325，在1%的水平上显著为正，说明中国对非洲农业出口贸易存在明显的惯性，前期的贸易规模对当期有显著的正向影响。中国对非洲农业直接投资存量（lnOFDI）的系数为0.213，在1%的水平上显著为正，虽然系数值相较于静态面板估计有所下降，但依然表明投资对贸易有显著的促进作用。其他控制变量的系数符号和显著性与静态面板估计结果基本一致，进一步验证了模型的稳健性。为了更深入地探究中国对非洲不同国家投资的贸易效应差异，本研究根据非洲国家的经济发展水平、地理位置等因素，将39个样本国家分为三组进行分组分析。第一组为经济相对发达、基础设施较好的国家，如南非、埃及等；第二组为经济发展水平中等、具有一定市场潜力的国家，如肯尼亚、尼日利亚等；第三组为经济相对落后、基础设施薄弱的国家，如埃塞俄比亚、坦桑尼亚等。分组回归结果如表2所示：变量第一组（发达）第二组（中等）第三组（落后）lnOFDI0.185***（0.030）0.234***（0.033）0.286***（0.040）lnGDP0.402***（0.045）0.321***（0.042）0.256***（0.045）lnPopulation0.098（0.060）0.135**（0.058）0.162**（0.065）lnDistance-0.156***（0.040）-0.205***（0.038）-0.254***（0.042）FTA0.305***（0.045）0.278***（0.043）0.236***（0.048）lnAgri_value0.201***（0.038）0.165***（0.036）0.132***（0.040）cons-2.564***（0.400）-2.015***（0.360）-1.652***（0.420）N228306207从分组回归结果可以看出，中国对非洲不同经济发展水平国家的农业投资贸易效应存在明显差异。在经济相对发达的第一组国家中，投资存量（lnOFDI）的系数为0.185，在1%的水平上显著为正，说明投资对贸易有促进作用，但系数相对较小。这可能是因为这些国家的市场相对成熟，竞争较为激烈，中国投资虽然能促进贸易增长，但增长幅度相对有限。经济规模（lnGDP）的系数为0.402，在1%的水平上显著为正，表明经济发达的国家对中国农业产品的需求受经济规模影响较大。在经济发展水平中等的第二组国家中，投资存量（lnOFDI）的系数为0.234，在1%的水平上显著为正，投资对贸易的促进作用较为明显。这些国家具有一定的市场潜力，中国投资能够更好地发挥作用，带动贸易增长。人口数量（lnPopulation）的系数为0.135，在5%的水平上显著为正，说明市场规模对贸易的促进作用在这一组国家中较为突出。在经济相对落后的第三组国家中，投资存量（lnOFDI）的系数为0.286，在1%的水平上显著为正，且系数值最大，表明投资对贸易的促进作用最为显著。这是因为这些国家农业发展相对滞后，对外部投资和技术的需求较大，中国投资能够带来先进的技术和管理经验，促进当地农业发展，从而极大地带动贸易增长。地理距离（lnDistance）的系数为-0.254，在1%的水平上显著为负，说明地理距离对这些国家的贸易阻碍作用更为明显，主要是由于其基础设施薄弱，运输成本相对较高。通过分组分析可以发现，中国对非洲农业投资的贸易效应在不同国家存在差异，在制定投资和贸易政策时，需要充分考虑非洲各国的实际情况，因地制宜，以更好地发挥投资的贸易促进作用。4.4稳健性检验为了确保实证结果的可靠性和稳定性，本研究采用了多种方法进行稳健性检验。首先，采用替换变量法，对核心解释变量和被解释变量进行替换。将中国对非洲农业直接投资存量（OFDI）替换为中国对非洲农业投资流量（OFDI_flow），以考察投资流量对贸易的影响。投资流量反映了每年新增的投资规模，与投资存量相比，更能体现投资的动态变化对贸易的即时效应。被解释变量中国对非洲农业出口贸易额（Trade）替换为中国对非洲农产品出口额占非洲农产品进口总额的比重（Trade_ratio），这一指标可以更直观地反映中国农产品在非洲市场的份额变化，避免因非洲农产品进口总额的整体波动而对结果产生干扰。重新估计扩展的引力模型，结果如表3所示：变量FE估计RE估计SYS-GMM估计L.lnTrade_ratio--0.302***（0.042）lnOFDI_flow0.234***（0.033）0.226***（0.031）0.198***（0.036）lnGDP0.321***（0.038）0.310***（0.036）0.285***（0.040）lnPopulation0.105**（0.052）0.098*（0.050）0.082（0.055）lnDistance-0.198***（0.036）-0.189***（0.034）-0.175***（0.038）FTA0.265***（0.040）0.254***（0.038）0.231***（0.043）lnAgri_value0.168***（0.033）0.157***（0.031）0.139***（0.035）cons-1.986***（0.320）-1.825***（0.300）-1.456***（0.350）N741741682Hausmantest14.86***--AR(1)test--0.020AR(2)test--0.192Sargantest--0.765注：括号内为稳健标准误，*、**、***分别表示在10%、5%、1%的水平上显著；L.lnTrade_ratio表示被解释变量lnTrade_ratio的一阶滞后项；Hausmantest为豪斯曼检验结果，用于判断固定效应模型和随机效应模型的选择；AR(1)test和AR(2)test分别为扰动项差分自相关检验的一阶和二阶结果，原假设为扰动项差分不存在自相关；Sargantest为过度识别检验结果，原假设为工具变量有效。从替换变量后的估计结果来看，中国对非洲农业投资流量（lnOFDI_flow）的系数在三种估计方法下均在1%的水平上显著为正，表明投资流量对贸易同样具有显著的促进作用。虽然系数值与原模型中投资存量的系数略有不同，但并不影响主要结论。其他控制变量的系数符号和显著性与原模型基本一致，说明模型具有较好的稳健性。其次，采用分样本估计的方法进行稳健性检验。将样本按照时间分为两个子样本，即2005-2014年和2015-2023年，分别对两个子样本进行回归分析。这是因为不同时间段内，中非农业投资与贸易可能受到不同的外部因素影响，如全球经济形势的变化、中非合作政策的调整等。通过分样本估计，可以检验模型在不同时间段内的稳定性。结果如表4所示：变量2005-2014年FE估计2005-2014年RE估计2005-2014年SYS-GMM估计2015-2023年FE估计2015-2023年RE估计2015-2023年SYS-GMM估计L.lnTrade--0.286***（0.040）--0.354***（0.048）lnOFDI0.238***（0.030）0.230***（0.028）0.201***（0.032）0.276***（0.035）0.268***（0.033）0.235***（0.038）lnGDP0.336***（0.036）0.324***（0.034）0.295***（0.038）0.372***（0.042）0.360***（0.040）0.318***（0.045）lnPopulation0.118**（0.050）0.110*（0.048）0.088（0.053）0.135**（0.058）0.127**（0.056）0.105*（0.060）lnDistance-0.202***（0.034）-0.194***（0.032）-0.178***（0.036）-0.226***（0.040）-0.218***（0.038）-0.196***（0.042）FTA0.272***（0.038）0.261***（0.036）0.240***（0.040）0.298***（0.044）0.287***（0.042）0.265***（0.046）lnAgri_value0.176***（0.032）0.165***（0.030）0.148***（0.034）0.201***（0.038）0.190***（0.036）0.168***（0.040）cons-2.015***（0.300）-1.856***（0.280）-1.486***（0.320）-2.286***（0.380）-2.118***（0.360）-1.685***（0.400）N390390351351351331Hausmantest13.65***--16.23***--AR(1)test--0.025--0.021AR(2)test--0.180--0.190Sargantest--0.770--0.780从分样本估计结果可以看出，在两个不同时间段内，中国对非洲农业投资存量（lnOFDI）的系数均在1%的水平上显著为正，说明投资对贸易的促进作用在不同时间段内都较为稳定。其他控制变量的系数符号和显著性也基本一致，进一步验证了模型的稳健性。通过替换变量和分样本估计等稳健性检验方法，表明本研究的实证结果具有较高的可靠性和稳定性，中国对非洲农业投资对贸易具有显著的促进作用这一结论是稳健的。五、基于面板数据的技术溢出效应实证分析5.1研究设计本研究采用Malmquist指数法来测度非洲农业部门的技术进步。Malmquist指数由瑞典经济学家StenMalmquist于1953年提出，后经Caves、Christensen和Diewert（1982）等人将其应用于生产率变化的测度，在经济学领域得到了广泛应用。该指数能够有效衡量全要素生产率（TFP）的变化，而全要素生产率的提升是技术进步的重要体现。Malmquist指数的计算公式基于数据包络分析（DEA）理论，通过构建生产前沿面，将决策单元（在本研究中为非洲各国的农业部门）的实际生产点与生产前沿面进行比较，从而计算出生产率的变化。其具体公式如下：M_{it}(x_{t+1},y_{t+1},x_{t},y_{t})=\left[\frac{D_{it}(x_{t+1},y_{t+1})}{D_{it}(x_{t},y_{t})}\times\frac{D_{i,t+1}(x_{t+1},y_{t+1})}{D_{i,t+1}(x_{t},y_{t})}\right]^{\frac{1}{2}}其中，M_{it}表示第i个国家（地区）在t时期到t+1时期的Malmquist指数；x_{t}和y_{t}分别表示t时期的投入和产出向量；D_{it}(x_{t},y_{t})和D_{i,t+1}(x_{t+1},y_{t+1})分别表示以t时期技术为参照，t时期和t+1时期的距离函数；D_{it}(x_{t+1},y_{t+1})和D_{i,t+1}(x_{t},y_{t})则分别表示以t+1时期技术为参照，t+1时期和t时期的距离函数。当M_{it}>1时，表明全要素生产率有所提高，即存在技术进步；当M_{it}=1时，全要素生产率不变；当M_{it}<1时，全要素生产率下降，即技术退步。为了深入分析中国对非洲农业投资与技术进步之间的关系，构建如下计量模型：M_{it}=\beta_0+\beta_1\lnOFDI_{it}+\sum_{j=2}^{n}\beta_jControl_{jit}+\mu_{it}其中，M_{it}为第i个非洲国家在t时期的Malmquist指数，用于衡量技术进步；\lnOFDI_{it}为中国对第i个非洲国家在t时期的农业直接投资存量的自然对数，是核心解释变量，用以考察投资对技术进步的影响；Control_{jit}为一系列控制变量，j=2,3,\cdots,n，包括非洲各国的研发投入（R&D），研发投入是推动技术进步的重要因素，较高的研发投入能够促进新技术、新方法的产生；教育水平（Education），用适龄儿童入学率或成人识字率等指标衡量，教育水平的提高有助于提升劳动力素质，增强对新技术的接受和应用能力；基础设施水平（Infrastructure），如道路、电力等基础设施的完善程度，良好的基础设施有利于技术的传播和应用；农业劳动力数量（Labor），劳动力是农业生产的重要要素，其数量和质量会对农业技术进步产生影响。\beta_0-\beta_n为待估计系数，\mu_{it}为随机误差项。数据处理方面，Malmquist指数计算所需的投入产出数据，包括农业劳动力投入、土地投入、农业机械投入、化肥投入等投入指标，以及农产品产量、农业总产值等产出指标，主要来源于非洲各国的农业统计年鉴、联合国粮食及农业组织（FAO）数据库以及世界银行数据库。中国对非洲各国的农业直接投资存量数据如前文贸易溢出效应分析部分所述，来自中国商务部发布的《对外直接投资统计公报》以及相关企业的年报。对于研发投入、教育水平、基础设施水平等控制变量的数据，研发投入数据来源于各国的科研统计报告和世界银行相关数据；教育水平数据通过各国的教育统计资料获取；基础设施水平数据则通过世界银行数据库以及相关国际组织的报告获取。在数据处理过程中，对所有数据进行了严格的清洗和核对，确保数据的准确性和完整性。对于缺失数据，根据数据特点采用合适的方法进行填补，如对于时间序列数据，采用线性插值法进行填补；对于横截面数据，采用均值插补法。为了消除数据的异方差性，对所有连续变量进行了自然对数变换。5.2技术进步测度运用Malmquist指数法，借助DEAP软件，对非洲39个国家在2005-2023年期间的农业全要素生产率进行计算，结果如表5所示：年份Malmquist指数技术进步指数技术效率指数纯技术效率指数规模效率指数2005-20061.0351.0211.0141.0081.0062006-20071.0281.0151.0131.0071.0062007-20081.0191.0081.0111.0051.0062008-20090.9860.9751.0111.0041.0072009-20101.0421.0281.0141.0071.0072010-20111.0381.0241.0141.0081.0062011-20121.0251.0121.0131.0071.0062012-20131.0171.0051.0121.0061.0062013-20141.0321.0191.0131.0071.0062014-20151.0291.0161.0131.0071.0062015-20161.0181.0061.0121.0061.0062016-20171.0231.0101.0131.0071.0062017-20181.0361.0221.0141.0081.0062018-20191.0211.0091.0121.0061.0062019-20201.0151.0031.0121.0061.0062020-20211.0271.0141.0131.0071.0062021-20221.0311.0181.0131.0071.0062022-20231.0241.0111.0131.0071.006均值1.0251.0131.0121.0071.005从整体均值来看，Malmquist指数为1.025，表明在2005-2023年期间，非洲农业全要素生产率总体呈现增长态势，年均增长率为2.5%。这说明在这一时期，非洲农业部门在技术、管理等方面取得了一定的进步，生产效率有所提高。技术进步指数均值为1.013，意味着技术进步对全要素生产率增长的贡献较为显著，技术水平的提升是推动非洲农业发展的重要因素之一。例如，随着中国对非洲农业投资的增加，一些先进的农业种植技术、灌溉技术、农产品加工技术等被引入非洲，促进了当地农业技术水平的提高。技术效率指数均值为1.012，其中纯技术效率指数均值为1.007，规模效率指数均值为1.005，说明技术效率的提升主要源于纯技术效率和规模效率的共同作用。纯技术效率的提高反映了非洲农业部门在生产管理、技术应用等方面的改进；规模效率的提升则表明非洲农业生产在规模经济方面取得了一定进展，可能是由于农业企业规模的扩大、农业生产的规模化经营等因素导致。进一步分析各年份的变化情况，Malmquist指数在不同年份存在一定波动。在2008-2009年，Malmquist指数为0.986，出现下降，主要是由于技术进步指数为0.975，技术退步导致全要素生产率下降。这可能是因为在这一时期，全球经济危机的影响波及非洲，导致农业投资减少，技术研发和引进受到阻碍。而在2009-2010年，Malmquist指数上升至1.042，技术进步指数和技术效率指数均有所提高，说明在这一年，非洲农业部门在技术进步和技术效率方面都取得了明显进展。可能的原因是，随着全球经济的逐渐复苏，非洲国家加大了对农业的支持力度，中国对非洲农业投资也有所增加，带来了更多的先进技术和管理经验，促进了农业生产效率的提升。通过对Malmquist指数及其分解指标的分析，可以清晰地了解非洲农业技术进步的动态变化情况，为后续研究中国对非洲农业投资的技术溢出效应提供了基础。5.3模型构建与估计为深入探究中国对非洲农业投资的技术溢出效应，构建如下计量模型：M_{it}=\beta_0+\beta_1\lnOFDI_{it}+\sum_{j=2}^{n}\beta_jControl_{jit}+\mu_{it}在这个模型中，M_{it}代表第i个非洲国家在t时期的Malmquist指数，用于衡量技术进步。当M_{it}>1时，表明全要素生产率有所提高，即存在技术进步；当M_{it}=1时，全要素生产率不变；当M_{it}<1时，全要素生产率下降，即技术退步。\lnOFDI_{it}为中国对第i个非洲国家在t时期的农业直接投资存量的自然对数，是核心解释变量，用以考察投资对技术进步的影响。中国对非洲的农业投资，可能通过引入先进的农业生产技术、管理经验等，直接或间接地推动非洲农业技术进步。例如，隆平高科在非洲推广杂交水稻种植技术，就显著提高了当地的粮食产量，体现了技术进步。Control_{jit}为一系列控制变量，j=2,3,\cdots,n。其中，非洲各国的研发投入（R&D），研发投入是推动技术进步的重要因素，较高的研发投入能够促进新技术、新方法的产生。例如，一些非洲国家加大对农业科研的投入，研究适合当地气候和土壤条件的农作物品种，从而提高农业生产效率。教育水平（Education），用适龄儿童入学率或成人识字率等指标衡量，教育水平的提高有助于提升劳动力素质，增强对新技术的接受和应用能力。当非洲当地劳动力具备更高的教育水平时，他们能够更好地理解和掌握中国企业引入的先进农业技术，进而促进技术在当地的传播和应用。基础设施水平（Infrastructure），如道路、电力等基础设施的完善程度，良好的基础设施有利于技术的传播和应用。完善的道路设施可以降低农产品的运输成本，提高运输效率，使先进的农业技术能够更便捷地应用于农业生产中；充足的电力供应则为农业机械化、农产品加工等提供了必要条件。农业劳动力数量（Labor），劳动力是农业生产的重要要素，其数量和质量会对农业技术进步产生影响。较多的农业劳动力在一定程度上可以为农业生产提供充足的人力支持，但如果劳动力素质不高，也可能限制先进技术的推广和应用。\beta_0-\beta_n为待估计系数，\mu_{it}为随机误差项。在估计方法上，由于面板数据可能存在个体异质性和时间效应等问题，本研究采用固定效应模型（FixedEffectsModel，FE）和随机效应模型（RandomEffectsModel，RE）进行初步估计。固定效应模型假设个体异质性只与个体自身特征有关，且不随时间变化，通过控制个体固定效应，可以有效消除那些不随时间变化的不可观测因素对估计结果的影响。例如，非洲各国独特的地理环境、文化传统等因素，虽然难以直接量化，但通过固定效应模型可以在一定程度上控制这些因素的影响。随机效应模型则假设个体异质性是随机分布的，与解释变量不相关。在实际应用中，通过Hausman检验来选择合适的模型。若Hausman检验结果拒绝原假设，则选择固定效应模型；若接受原假设，则选择随机效应模型。然而，静态面板模型可能存在遗漏变量、内生性等问题，为了更准确地估计技术溢出效应，本研究进一步采用了系统广义矩估计（SystemGeneralizedMethodofMoments，SYS-GMM）。该方法通过引入被解释变量的滞后项作为动态面板模型的解释变量，有效控制了模型的内生性问题。同时，SYS-GMM方法利用差分方程和水平方程的矩条件，提高了估计的有效性和一致性。在使用SYS-GMM方法时，通过Arellano-Bond检验来判断扰动项是否存在自相关，若不存在自相关，则说明模型设定合理；通过Sargan检验来判断工具变量的过度识别问题，若检验结果表明工具变量有效，则可以保证估计结果的可靠性。通过综合运用多种估计方法，能够更全面、准确地揭示中国对非洲农业投资的技术溢出效应。5.4实证结果与分析本研究运用多种估计方法对构建的模型进行估计，结果如表6所示：变量FE估计RE估计SYS-GMM估计L.M--0.286***（0.038）lnOFDI0.186***（0.028）0.178***（0.026）0.152***（0.030）lnR&D0.125***（0.025）0.118***（0.023）0.098***（0.027）lnEducation0.105***（0.020）0.098***（0.018）0.082***（0.022）lnInfrastructure0.156***（0.030）0.148***（0.028）0.126***（0.032）lnLabor-0.086**（0.035）-0.078**（0.033）-0.065*（0.038）cons0.356***（0.060）0.325***（0.055）0.286***（0.065）N741741682Hausmantest18.65***--AR(1)test--0.018AR(2)test--0.205Sargantest--0.805注：括号内为稳健标准误，*、**、***分别表示在10%、5%、1%的水平上显著；L.M表示被解释变量M的一阶滞后项；Hausmantest为豪斯曼检验结果，用于判断固定效应模型和随机效应模型的选择；AR(1)test和AR(2)test分别为扰动项差分自相关检验的一阶和二阶结果，原假设为扰动项差分不存在自相关；Sargantest为过度识别检验结果，原假设为工具变量有效。在静态面板估计中，通过Hausman检验，结果在1%的水平上显著拒绝原假设，因此选择固定效应模型（FE）的估计结果更为合适。从FE估计结果来看，中国对非洲农业直接投资存量（lnOFDI）的系数为0.186，在1%的水平上显著为正，这表明中国对非洲农业投资对技术进步具有显著的促进作用，投资存量每增加1%，Malmquist指数将增加0.186，即技术进步水平将提升0.186。非洲各国的研发投入（lnR&D）的系数为0.125，在1%的水平上显著为正，说明研发投入的增加对技术进步有积极影响，研发投入每增长1%，技术进步水平将提高0.125。教育水平（lnEducation）的系数为0.105，在1%的水平上显著为正，反映出教育水平的提升有助于促进技术进步，教育水平每提高1%，技术进步水平将提升0.105。基础设施水平（lnInfrastructure）的系数为0.156，在1%的水平上显著为正，表明基础设施的完善对技术进步具有显著的推动作用，基础设施水平每提高1%，技术进步水平将增加0.156。农业劳动力数量（lnLabor）的系数为-0.086，在5%的水平上显著为负，说明农业劳动力数量的增加对技术进步存在一定的抑制作用，劳动力数量每增加1%，技术进步水平将下降0.086。这可能是因为非洲农业劳动力素质相对较低，过多的低素质劳动力不利于先进农业技术的推广和应用，反而可能导致生产效率低下。动态面板估计采用系统广义矩估计（SYS-GMM）方法，AR(1)test检验结果为0.018小于0.1，表明扰动项差分存在一阶自相关；AR(2)test检验结果为0.205大于0.1，表明扰动项差分不存在二阶自相关，符合SYS-GMM估计的假设条件。Sargantest检验结果为0.805大于0.1，接受原假设，说明工具变量有效。在SYS-GMM估计结果中，被解释变量的一阶滞后项（L.M）系数为0.286，在1%的水平上显著为正，说明非洲农业技术进步存在明显的惯性，前期的技术进步水平对当期有显著的正向影响。中国对非洲农业直接投资存量（lnOFDI）的系数为0.152，在1%的水平上显著为正，虽然系数值相较于静态面板估计有所下降，但依然表明投资对技术进步有显著的促进作用。其他控制变量的系数符号和显著性与静态面板估计结果基本一致，进一步验证了模型的稳健性。为了深入探究中国对非洲不同国家投资的技术溢出效应差异，本研究同样根据非洲国家的经济发展水平、地理位置等因素，将39个样本国家分为三组进行分组分析。第一组为经济相对发达、基础设施较好的国家，如南非、埃及等；第二组为经济发展水平中等、具有一定市场潜力的国家，如肯尼亚、尼日利亚等；第三组为经济相对落后、基础设施薄弱的国家，如埃塞俄比亚、坦桑尼亚等。分组回归结果如表7所示：变量第一组（发达）第二组（中等）第三组（落后）lnOFDI0.125***（0.025）0.168***（0.028）0.215***（0.035）lnR&D0.152***（0.030）0.110***（0.025）0.095***（0.030）lnEducation0.082***（0.022）0.115***（0.020）0.132***（0.025）lnInfrastructure0.186***（0.035）0.138***（0.030）0.105***（0.035）lnLabor-0.056*（0.030）-0.078**（0.033）-0.105***（0.040）cons0.456***（0.080）0.325***（0.060）0.215***（0.070）N228306207从分组回归结果可以看出，中国对非洲不同经济发展水平国家的农业投资技术溢出效应存在明显差异。在经济相对发达的第一组国家中，投资存量（lnOFDI）的系数为0.125，在1%的水平上显著为正，说明投资对技术进步有促进作用，但系数相对较小。这可能是因为这些国家自身的技术基础相对较好，技术吸收能力较强，中国投资带来的技术溢出效应相对有限。研发投入（lnR&D）的系数为0.152，在1%的水平上显著为正，表明这些国家的研发投入对技术进步的促进作用较为明显，这与它们相对完善的科研体系和较高的科研投入水平有关。在经济发展水平中等的第二组国家中，投资存量（lnOFDI）的系数为0.168，在1%的水平上显著为正，投