农业专业化集聚、空间溢出与农业劳动生产率—基于空间面板杜宾模型的实证研究

薛 虎，朱礼才

（安徽财经大学 国际经济贸易学院，安徽 蚌埠 233030）

农业专业化是欧美等发达国家农业的主要发展方式，也是当今我国农业产业结构战略性调整的主要路径，它指的是在自然区位布局的基础上，综合考虑本地和全国市场,根据地区资源禀赋种植几种主要农产品的农业区域生产方式[1]。2017年和2018年连续两年的中央一号文件分别提出优化农产品产业结构、进一步优化农业区域布局作为提高农业创新力、竞争力和全要素生产率的主要措施，明确了农业生产专业化是我国农业区域发展的未来趋势。

农业专业化发展的理论基础来源于集聚经济中的专业化外部性，早在19世纪末期，国外学者已经关注到集聚的经济效应，马歇尔把产业集聚分为多产业杂居和单一产业集群两者类型，即产业多样化和产业专业化，并提出单一产业集群的劳动生产率更高[2]。新经济地理学则把产业专业化称为地方化经济，特点是一个区域内存在多个同行业企业，共享基础设施、技术外溢和劳动力市场，从而提高劳动生产率[3]。更多学者从外部性的角度探究了专业化对经济效益的影响，认为产业专业化有利于经济增长和技术创新，Glaeser等把该效应总结为MAR外部性[4]。

目前，我国正处于由高速增长向中高速增长转变和低质量向高质量发展的经济新常态时期，追求高质量发展的诉求日益增长，而生产率的提高是支撑我国高质量发展的原始动力。因此，探讨农业专业化集聚发展对农业劳动生产率的影响对实现我国农业高质量发展具有重要的战略意义，为我国农业粗放式增长向集约式增长转变提供有益的帮助。本研究的主要贡献在于将空间因素纳入到农业专业化与劳动生产率间关系的实证研究中，综合考察农业专业化对农业劳动生产率的直接影响和空间溢出效应，特别是在技术外溢显著的经济背景和要素资源流动的社会背景下，可以更加全面且合理地分析区域间农业经济发展的联系，同时，考虑空间因素的计量模型可以更加准确地考察农业专业化对劳动生产率的影响，纠正传统计量模型的偏差。

一、文献综述

我国政府部门及学者早已关注了农业生产专业化对农业生产率及农民收益的影响，并强调农业适度专业化是农业生产的必然趋势[5]。国内学者通过观察美国等发达国家的农业生产方式，发现农业生产专业化是其农业具有高经济效益和高生产率的主要原因[6]。但目前我国农业生产专业化程度很低，主要原因在于专业化生产巨大的经营成本、集体层次的虚化及政府相关政策的催化作用[7]。随着我国农业从追量向重质生产目标的转变，传统的区域农业多样化生产模式已经不能满足农业生产内部更深层次的需要，更不能适应农业经济新常态，农业生产专业化将是我国农业发展的必然趋势。农业新型经营主体和农产品流通渠道改革等农业生产经营机制的不断创新，也在不断推动农业生产专业化发展。

生产经营活动的专业化必然会反映到地理空间上，形成区域专业化，农业区域专业化则是农业区域分工的空间地理分布组织形式。农业专业化可以起到发挥农业区域比较优势[8]、提高生产效率[9]、降低贸易壁垒[10]、合理配置劳动力资源[11]、形成规模经济[12]、协调“五化”建设[13]等作用。围绕上述理论研究，国内学者从微观和宏观两个视角进行了大量的实证研究，微观研究多以农户调研为基础，吕超、周应恒以我国专业化程度较高的蔬菜产业作为研究对象，得到了蔬菜产业集聚对区域蔬菜经济增长存在显著的正向作用，并存在一定的技术外部性[14]。罗忠明、刘恺从要素密集性、经营难度等行业特性出发对农业生产专业化和横向分工进行了研究，要素密集度、经营难度与农业生产专业化分别存在正相关和负相关关系[15]。宏观研究多围绕农业经济集聚展开，王艳荣等和江激宇等分别从安徽省砀山酥梨产业集聚和安徽农业集聚出发，使用VAR模型实证研究了农业集聚对农民收入的影响，得出农业集聚对农民收入提高的影响并不显著，甚至存在负相关关系，但存在向正相关关系发展的趋势[16-17]。陈利、朱喜钢以云南省为例对经济集聚和农民收入间关系进行了空间分析，得出直接效应显著为正，而溢出效应并不显著[18]。伍骏骞、阮建青等则从浙江省的县级和乡镇级数据进行了分析，在经济集聚与农民增收的关系中加入经济距离，得到经济集聚促进农民增收，且具有正向的空间溢出效应[19]。张琛、孔祥智对伍骏骞、阮建青等的研究进行了样本扩展，利用省级面板数据进行了实证研究，研究结果与伍骏骞、阮建青等的研究一致[20]。

综上所述，现有文献已证明农业专业化是我国农业生产的必然趋势，且国内外学者从理论和实证两个方面对农业专业化进行了丰富的研究。需要注意的是，在微观视角的实证研究中，主要以农业产业化理论为基础进行分析，其农业集聚外部性来源于农业产业化带来具有互补效应的多样化Jacobs外部性[4]，并非为专业化外部性。而在宏观视角的实证研究中，农业集聚均使用综合性集聚指标，且偏向于总量集聚，未表现出农业专业化的特性。因此，本研究基于我国农业区域规划的宏观视角，构建农业专业化集聚指标，探究农业专业化集聚对农业劳动生产率的影响，考虑到农业专业化集聚的空间外部性经济，运用空间杜宾模型，重点考察本省农业专业化集聚对相邻省份农业劳动生产率的空间溢出效应。

二、模型设计

（一）计量模型设定

本研究采用包含技术进步的Cobb-Douglas生产函数(C-D生产函数）来分析农业专业化对劳动生产率的影响，C-D生产函数的基本形式如下：

式中，Y代表总产出，K、L分别代表资本要素投入和劳动要素投入，A为去除要素贡献后的剩余生产率，即技术进步，e为残差项，α和β为资本和劳动投入的弹性系数。

因此，农业专业化是影响农业生产技术进步的内生变量，将其作为A的部分变量加入到基本的C-D生产函数中可得到：

式中，a代表去除要素贡献及农业专业化影响以后的剩余生产率，H代表农业专业化程度，θ代表农业专业化对总产出的弹性系数。对式（2）左右同时除以L，并取对数，得到：

对式（3）进行简化，得到：

式中，i和t分别代表年份和省份，LP代表农业劳动生产率，H代表农业专业化，x代表控制变量，ε代表随机误差项。

一个省份的农业劳动生产率可能受到本省份农业专业化的影响，也可能受到相邻省份农业专业化的影响，因此，在式（4）中加入空间因素，得到：

空间误差模型：

空间滞后模型：

空间杜宾模型：

式中，w为空间权重矩阵，wLP、wH和wx分别代表农业劳动生产率、农业专业化和其它控制变量的空间滞后项，ρ、θ1和θ2分别代表农业劳动生产率、农业专业化和其它控制变量的空间相关系数，α代表空间特质效应，μ代表时期特质效应，ε为服从正态分布的随机误差项，其它变量的含义同上。

（二）指标选取

1.被解释变量

农业劳动生产率（LP）。采用农业增加值与农业就业人数的比值。

2.解释变量

农业专业化指数（H）。本研究主要研究农业集聚带来的专业化效应，所以构建农业专业化指数指标进行衡量。目前，衡量专业化指数的指标包括赫芬达尔指数、区位熵、基尼系数。本研究借鉴苏红键的城市产业专业化指数构建农业专业化指数[21]。公式为：

式中，i表示省份，j表示农业中的行业，addi,j和addi分别表示i省份j行业的增加值和i省份的农业增加值，addj和add表示全国的j行业增加值和全国农业增加值，Hi表示i省份的农业专业化指数。Hi的取值范围为[0,1],Hi越大，区域农业专业化水平越高；同理，Hi越小，区域农业专业化水平越低，即多样化水平越高。

3.控制变量

农业增加值(AG)：考虑到农业专业化集聚的规模经济效应对劳动生产率的影响，采用农、林、牧、渔业增加值总和来考察农业的规模经济效应。

产业结构（IS）：考虑到四化的统筹发展，产业结构的合理化和高度化是统筹发展的重要基础，工业化和经济服务化都会反哺农业，为农业生产水平提升及转型创造有力条件，因此在控制变量中纳入产业结构指标。借鉴徐德云提出的产业结构衡量指标，即：，其中，i分别为第一、二、三产业，yi为第i产业的增加值占省份GDP的比重[22]。

农业政府干预（GOV）：相对于市场化程度较高的国家，处于转型期的中国市场机制尚不完善，需要通过一些制度安排或财政干预，实现政府对生产经营的干预和控制，因此，采用政府的农林水事物财政支出占省份农业增加值的比重来衡量政府干预农业发展的能力。

城镇化水平（CITY）：城镇化与农业现代化之间具有高度耦合性，城镇化的基础设施和公共服务均可以完善农业现代产业化体系[23]。同时，可以通过影响资源要素跨区流动来提高农业生产要素质量以及农产品流通，从而提高农业劳动生产率，继而发挥城镇化的牵引和辐射作用[13]，采用年末城镇人口占年末总人口的比重进行衡量。

农业机械化（AM）：农业机械化的提高有利于农业技术效率和劳动生产率的提升，采用农业机械总动力与农业就业人数的比值进行衡量。

自然灾害率（ND）：不可控的自然因素会对农业生产造成巨大的损失，从而降低农业劳动生产率，采用农作物受灾面积占种植面积的比重进行衡量。

（三）数据来源说明

本研究基于以省份为观察单元的面板数据样本，探讨分析了2009—2016年间我国31个省份农业专业化对其劳动生产率的空间溢出效应。未选择香港、澳门和台湾三个地区样本。测算农业专业化指数的农业分行业数据来源于《中国农村统计年鉴》，从中选择了2009—2016年38个农业分行业测算农业专业化指数①此处中的农业行业泛指农、林、牧、渔业，38个农业行业包含24个农业行业、3个林业行业、9个畜牧业行业、2个渔业行业。24个农业行业包含小麦、稻谷、玉米、其它谷物、薯类、花生、油菜籽、其它油料、大豆、其它豆类、棉花、麻类、糖料、烟草、蔬菜、花卉、菌、苹果、梨、柑橘、其它水果、茶、香料作物、中药材；3个林业行业包含林木、竹木、林产品；9个畜牧业行业包含牛、羊、奶产品、其它牲畜、猪、肉禽、禽蛋、狩猎、其他畜牧业；2个渔业行业包含海水产品、内陆水产品。。本研究中其它数据均来源于《中国统计年鉴》及各省份统计年鉴。同时，根据上文收集到的数据，对计量模型中的主要变量进行了描述性统计分析（表1）。

表1 主要变量描述性统计分析

三、实证结果与分析

（一）空间相关性检验

是否需要在普通面板模型中加入空间因素，取决于农业专业化和农业劳动生产率两个变量是否存在空间自相关性。因此，本研究将对上述两个变量进行空间自相关性检验，Moran’sI指数的计算公式如下：

式（8）中，I为Moran’sI指数，为空间权重矩阵，表示n个区域的空间邻近关系。Moran’sI指数的取值范围为（-1,1），当其大于0时，表示各省份之间该变量存在空间正相关关系；当其小于0时，表示各省份之间该变量存在空间负相关关系；当其等于0时，表示各省份之间该变量无空间相关性关系；且Moran’sI指数的绝对值越大，表明各省份之间该变量的空间相关程度越高。本研究将采用0-1邻接权重矩阵作为空间权重矩阵，其设定公式如下：

使用MATLAB2017软件按照公式（8）分别计算了2009—2016年农业专业化和农业劳动生产率的全局Moran’sI指数，如表2所示。农业专业化的全局Moran’sI指数除了2014年以外均大于0，且均在1%显著性水平下通过空间相关性检验。2009—2016年农业劳动生产率的全局Moran’sI指数均大于0，且均在1%显著性水平下通过空间相关性检验。通过上述检验，说明2009—2016年农业专业化和农业劳动生产率在全局范围内均表现显著的空间依赖性，且均呈现空间正相关关系。这意味着构建农业专业化与农业劳动生产率的模型时考虑空间效应才符合客观事实。

表2 我国农业专业化及劳动生产率全局Moran’s I指数†

在全局Moran’sI指数的基础上，进一步计算农业专业化和农业劳动生产率的局部Moran’sI指数，并采用2009年和2016年局部Moran’sI散点图来检验不同区域农业专业化和农业劳动生产率在空间上的差异程度。由图1和图2可知，我国农业专业化和农业劳动生产率总体呈现出集聚态势，且空间分布呈现非均衡特征。从局部Moran’sI散点图来看，大多数省份位于第一和第三象限，呈现出“高-高”和“低-低”集聚态势，且农业劳动生产率的局部Moran’sI指数更为集中位于第一和第三象限，且随着时间的变化将变得更加显著。

（二）空间计量模型的回归分析

1.普通面板数据模型的相关检验

构建普通面板模型，使用LM检验进行比较，可以对是否需要构建空间面板模型进行进一步的判断。从表3中可以看出，混合OLS、空间固定、时间固定、双固定4种模型的LM检验在1%显著性水平下均通过检验，都拒绝了没有空间误差或空间滞后影响的原假设，因此应选择包含空间效应的面板模型。

2.空间杜宾模型回归分析

图1 我国2009年（左）和2016年（右）农业专业化局部Moran’s I散点

图2 我国2009年（左）和2016年（右）农业劳动生产率局部Moran’s I散点

表3 普通面板模型的LM检验†

根据空间相关性检验和普通面板模型的LM检验，确信在研究农业专业化对农业劳动生产率的影响问题时应考虑空间效应。但加入空间效应会使模型内部各变量之间的关系更为复杂，且OLS估计不再是最优无偏估计量。因此，需要根据式（5）～（7）分别构建空间误差模型、空间滞后模型和空间杜宾模型，然后使用LR检验和Wald检验选择最优模型。同时在对空间面板模型进行估计时使用豪斯曼检验（Hausman test）选择固定效应模型和随机效应模型。如表4所示，豪斯曼检验在1%的显著性水平下拒绝了原假设，因此选择构建空间时间双固定的空间模型。从表4中的三种空间面板模型的估计结果来看，空间杜宾模型的R2和Log-likelihood的估计结果皆优于其它两种空间面板模型，且LR检验和Wald检验的结果显示，均在1%的显著性水平下拒绝了H0:θ+ρβ=0和H0:θ=0的原假设，因此，空间杜宾模型不能简化成其它两种空间面板模型。基于上述检验，本研究将选择空间时间双固定的空间杜宾模型作为最终实证模型。

表4中估计结果显示，空间滞后系数的估计值在1%的显著性水平下显著为正，说明我国农业劳动生产率存在显著的正向空间相关性，即相邻省份的农业劳动生产率每增加1%，本省份的农业劳动生产率就会增加0.397 8%。同时，三种空间面板模型均显示农业专业化的回归系数在1%的显著性水平下显著为正，这表明本省份农业专业化有利于本省份农业劳动生产率的提升。可以从两个方面进行解释。第一，新增长理论提出一省份的经济效益提高得益于固定资产投资产生的技术进步[24]，农业专业化集聚必定带来专业化的固定资产投资，形成专业化的固定资产或基础设施，有利于提高农业劳动生产率。第二，农业专业化集聚中“干中学效应”会导致区域专业化的人力资本积累，有利于农业技术进步，从而提升农业劳动生产率。对表4的空间杜宾模型进行效应分解，效应分解结果如表5所示。

表4 空间计量模型估计结果†

对表4的空间杜宾模型进行效应分解，效应分解结果见表5。从直接效应来看，农业专业化对本省份的农业劳动生产率的影响系数为3.038，且在1%的显著性水平下显著，说明农业专业化促进本省份农业劳动生产率的提升。从间接效应来看，农业专业化的空间溢出效应的影响系数为1.873 8，且在1%的显著性水平下显著为正，说明本省份的农业专业化对相邻省份的农业劳动生产率也起促进作用。依上可知，本省份的农业专业化指数每增加1%，本地农业劳动生产率将会提升3.038%，同时相邻省份的农业劳动生产率也将提升1.873 8%。这是因为农业专业化属于集聚经济，农业专业化会推动本省份逐渐形成规模经济、技术经济、范围经济等外部性，同时由于劳动力的流动，产生知识溢出，间接推动相邻省份的范围经济的形成，促进相邻省份的农业劳动生产率。

从控制变量的直接效应和间接效应来看，农业增加值的的直接效应和间接效应在1%的显著性水平下显著为正，说明本省份农业规模的扩大促进本省份农业劳动生产率的提升，同时对相邻省份存在正向溢出效应，推动相邻省份农业劳动生产率的提升。农业政府干预和产业结构的直接效应及间接效应均不显著为正，说明农业政府干预及产业结构升级对本省份和相邻省份的农业劳动生产率的促进作用较为微弱。城镇化的直接效应和间接效应均在1%的显著性水平下显著为正，直接效应大于间接效应，说明本省份城镇化程度的增加对本省份的农业劳动生活率起促进作用，同时对相邻省份存在正向空间溢出效应，促进相邻省份的农业劳动生产率的增长，但对本省份的促进作用大于对相邻省份的促进作用。机械化的直接效应和间接效应分别在1%和5%的显著性水平下显著为正，说明本省份机械化程度的增加对本省份的农业劳动生活率起促进作用，但对相邻省份农业劳动生产率增长的促进作用较为微弱。自然灾害率的直接效应和间接效应均不显著为负，说明自然灾害率对本省份及相邻省份的农业劳动生产率的增长起抑制作用。

表5 空间杜宾模型的效应分解†

四、结论和建议

本研究通过对现有文献的系统分析，发现农业专业化是我国农业生产的必然趋势。基于我国农业区域规划的宏观视角，对现有的微观视角的农业产业化理论研究及宏观视角的农业总量集聚研究进行改进，对农业集聚的专业化进行研究，并使用基尼系数构建了农业集聚的专业化指数。运用2009—2016年中国31个省份面板数据，探讨了农业专业化集聚对农业劳动生产率的直接影响和空间溢出效应。通过全局 Moran’sI指数发现我国农业专业化与农业劳动生产率存在显著的空间正相关性，局部Moran’sI散点图反映出我国农业专业化与农业劳动生产率均表现出高高集聚和低低集聚的集聚态势，且农业劳动生产率的集聚态势逐渐显著；选用空间杜宾模型和偏微分方法，就农业专业化对农业劳动生产率的空间溢出效应进行了实证研究，实证结果显示，农业专业化促进本省份农业劳动生产率的提升，且对相邻省份存在显著的正向溢出效应。

基于以上结论，在制定农业区划以及相关政策时，应考虑到各个省份的实际自然及经济情况，因地制宜，发挥区域比较优势，培育区域特色农业。目前，我国的农业专业化程度较低，需要加快粮食作物的区域专业化集聚，并发展特色经济作物产区，以此作为经济增长点，减少区域人力资本外流。我国农业劳动生产率与农业专业化的空间相关性是客观存在的，技术、人力资本等要素具有空间溢出效应，应加强省份间农业发展的交流以及农产品流通渠道的扩张，强化省份间的空间相关性，使省份间的农业技术扩散及农产品流通无障碍。同时，农业生产离不开政府的支持和引导，政府应该做好农业基础设施以及公共服务的提供，充分发挥政府的生产及市场引导作用，不断提高农业机械化水平，提升农业劳动生产率。