我国粮食主产区农业高质量发展的区域差异及收敛性分析

徐孝新，孙自敏，刘戒骄

（1.信阳师范学院 商学院，河南 信阳 464000；2.中国社会科学院 工业经济研究所，北京 100044）

一、引言

改革开放以来，我国农业发展取得优异成绩。粮食生产实现了“十七连丰”，2020 年全国粮食总产量高达13390 亿斤，比上年增加113 亿斤，为确保国家粮食安全提供了坚实支撑①来源于国家统计局2020-12-10 日公布的全国粮食生产数据。。在农业快速发展的同时，出现了“三本齐升”与“三量齐增”、国内外农产品价格严重倒挂、农业结构性矛盾日益凸显等问题。破解我国农业发展面临的新矛盾和新问题，需要在维持农业发展总量规模和增长速度的基础上，更加重视农业发展质量、效益和效率。在2021 年12 月25 日召开的中央农村工作会议上，习近平总书记强调“应对各种风险挑战，必须着眼国家战略需要，稳住农业基本盘”。粮食主产区作为国家粮食安全的“压舱石”，其农业发展质量直接关系农业发展水平、乡村振兴、农民增收等重要问题②新华网.习近平：饭碗要端在自己手里.http：//www.xinhuanet.com//politics/2015-08/25/c_128164006_2.htm。。然而，由于受农业产业基础、技术水平及经营模式等因素影响，农业高质量发展不充分不平衡问题依旧突出。目前我国粮食主产区农业高质量发展水平如何？粮食主产区农业高质量发展的区域差异大小及其来源如何？它是否存在收敛性？对这些问题的回答有助于全面认识农业高质量发展差异的空间特性，精准把握粮食主产区农业高质量发展差异的大小及其来源，从而为推动粮食主产区农业高质量发展提供有益启示。

当前关于我国农业高质量发展问题的研究主要聚焦于发展质量测度及其时空差异分析两个方面。在农业高质量发展水平测度方面，一部分学者依据经济增长理论，将生产率作为衡量农业发展水平的重要指标，即采用农业全要素生产率或农业绿色全要素生产率等指标来度量农业发展质量（武宵旭等，2019；吕娜和朱立志，2019；龚锐等，2020）。鉴于农业高质量发展具有多维特征，单一指标无法准确度量。因此，越来越多的学者倾向于通过构建综合指标评价体系进行测度分析。一类学者基于农业高质量发展的内涵和产业特征构建评价指标体系，如辛岭和安晓宁（2019）、张鸿等（2020）、张峰（2021）等。另一类学者基于五大发展理念，构建多维评价指标体系，运用主客观赋权法对我国省域农业高质量发展水平进行评价，如黎新伍和徐书彬（2020）、刘忠宇和热孜燕·瓦卡斯（2021）、刘涛和杜思梦（2021）等。农业高质量发展的时空差异也引起一部分学者的关注。如刘涛等（2020）利用空间计量方法分析了农业高质量发展的时空格局，发现我国农业高质量发展呈现非均衡状态。黎新伍和徐书彬（2020）运用探索性空间数据分析法对农业高质量发展的空间分布特征进行分析，发现省际间农业高质量发展水平差异显著，区域之间差距在逐步缩小。刘忠宇和热孜燕·瓦卡斯（2021）采用Dagum 基尼系数、Kernel 密度估计及Markov 链等方法考察了农业高质量发展的区域差异及动态演进，发现我国农业高质量发展存在区域差异，且具有一定的邻接依赖性。

上述研究不仅为本文农业高质量发展的内涵界定和指标体系构建提供了理论支撑，也对研究区域时空差异及收敛性提供了方法论指引。然而，在对我国农业高质量发展测度及区域差异进行研究时，以全国所有省份为研究样本进行整体分析，尚未考虑到农业生产结构区域特征差异，以粮食主产区为对象进行有针对性的研究也较为匮乏，进而也未能全面、准确评价其高质量发展状况并剖析其空间差异。因此，本文以粮食主产区13 个省份为研究样本，从新发展理念视角理解农业高质量发展内涵，以此构建综合评价指标体系，利用加入时间变量的熵权法对其发展水平进行测度，采用Dagum 基尼系数揭示粮食主产区农业高质量发展的区域差异大小及其来源，并运用多种收敛方法考察其收敛性特征。

二、研究区域、方法与数据说明

（一）研究区域

本文选择粮食主产区（13 个省）③粮食主产区各省区的确定具体来自于国家财政部在2003 年末发布的《关于改革和完善农业综合开发若干政策措施的意见》的文件，其中将包括黑龙江、吉林、辽宁、内蒙古、河北、山东、江苏、安徽、河南、湖北、湖南、江西、四川，共计13 个省份确定为我国粮食主产区。作为研究样本，其原因主要在于：一是粮食主产区作为重要的产粮基地，对缓解国家粮食安全问题、推动国民经济发展和巩固农业基础与战略地位具有重要作用；二是粮食主产区内部的生产条件（地形、土壤等）具有较强的一致性，利用主产区样本与熵值法的匹配性较高，可以更好的反映全国的农业高质量发展水平。鉴于此，本文对粮食主产区农业高质量发展进行评价，并按照自然地理区位并借鉴崔宁波和董晋（2021）的区划界定，将我国粮食主产区分为7 个北方主产区和6个南方主产区，具体划分见表1。

表1 粮食主产区空间界定

（二）农业高质量发展评价指标体系构建

新发展理念是对新时代高质量发展的新要求，也是检验高质量发展的评价准则（金碚，2018）。本文根据新发展理念的相关论述，借鉴现有研究文献（黎新伍和徐书彬，2020；刘忠宇和热孜燕·瓦卡斯，2021），将农业高质量发展理解为创新发展为核心动力、协调发展为内在要求、绿色发展为必然选择、开放发展为必由之路、共享发展为价值导向的发展状态。此外，本文遵循有效性、全面性及可操作性原则，构建5 个维度25 个具体指标的农业高质量发展综合指标评价体系，旨在对粮食主产区农业高质量发展水平进行科学、准确测度，具体评价指标体系见表2。

表2 粮食主产区农业高质量发展水平综合指标评价体系

续表

（三）研究方法与数据来源

1.加入时间变量的熵权法

熵权法是一种常用的客观赋权方法，它可以平衡众多准则指标之间的关系，有效避免主观因素造成的结果偏误（Srdjevic et al，2004）。本文在考虑时间变量的基础上，利用熵权法确定粮食主产区农业高质量发展的评价指标权重，进而对其发展水平进行测度。具体测算过程参考杨丽和孙之淳（2015）、锁箭和汤瑞丰（2020）、刘会武等（2021），文中不再赘述。

2.Dagum 基尼系数及其分解

Dagum（1997）提出按子群分解的基尼系数方法，这种方法既可分解出区域差异的来源，又可评估个体间的交互作用，弥补了传统区域差异衡量方法的局限性，故本文采用该方法分析粮食主产区农业高质量发展的区域差异及来源，其表达形式如下：

Dagum 将总体基尼系数G分解为三部分：区域内差异贡献Gw、区域间差异贡献Gnb和超变密度贡献Gt，且满足G=Gw+Gnb+Gt。Gjj和Gjh分别衡量粮食主产区农业高质量发展的区域内差异和区域间差异，其中j和h代表粮食主产区中的不同区域；k为区域个数；n为样本内省份数量；nj(nh)为j(h)区域内省份个数；yji(yhr)是j(h)地区的第i(r)省份的农业高质量发展指数；是粮食主产区农业高质量发展指数均值；Pj(h)=nj(h)/n为j(h)区域内省份个数在粮食主产区中所有省份占比=1，2，…，7，h=1，2，…，6；Djh为不同区域间农业高质量发展的相互影响。

3.收敛性分析方法

σ收敛表示随着时间推移样本值偏离整体平均水平的离差不断降低的发展趋势，本文用于考察粮食主产区农业高质量发展是否随着时间的变化最终趋于一个水平状态。若σ收敛系数呈不断降低趋势，则说明粮食主产区农业高质量发展存在σ收敛趋势，反之，则呈发散趋势。借鉴杨骞和秦文晋（2018）的思路，σ收敛的具体形式如式（7）所示。

其中：i表示第i个省份，i=1，2，…，13；N为省份个数；lnfqi，t为省份i在t时期农业高质量发展水平的自然对数为该时期粮食主产区所有省份农业高质量发展水平自然对数的算术平均值。

β收敛是指初始发展水平低的区域具有更高的增幅，随着时间的推移，会赶上初始水平高的区域（Barro和Sala，1992），即各区域间的发展会存在“追赶效应”。绝对β收敛是指假设影响农业高质量发展的因素相一致的情况下，不同区域的农业高质量发展水平仍呈收敛状态。本文采用绝对β收敛检验方法，分析2003—2018 年间粮食主产区农业高质量发展水平是否趋同。构建模型如式（8）所示。

其中：ln(fqi，t+1fqi，t)表示粮食主产区第i个省份农业高质量发展水平在第t+1 期间增长率的自然对数；fqi，t和fqi，t+1分别代表样本t和t+1 期的农业高质量发展水平；wij为空间邻接权重矩阵；β为收敛系数；在不考虑其他控制因素的情况下，若β＜0，则表明农业高质量发展水平存在收敛特征；反之，则发散；ρ为空间滞后系数；μ为误差项。

条件β收敛是在绝对β收敛模型中加入控制影响农业高质量发展的相关因素后，考察粮食主产区中不同省份农业高质量发展水平是否会收敛于相同的稳态水平。本文借鉴潘丹和应瑞瑶（2013）、李海鹏等（2020）、刘亦文等（2021）的思路，将产业结构合理化、对外开放程度、环境污染治理投资力度、R&D 科研经费投入等控制变量纳入条件β收敛模型。产业结构合理化（ISR）用泰尔指数计算得出、环境污染治理投资力度（EPI）用环境污染治理投资额占GDP 比重表示、R&D 科研经费投入（RFI）用R&D 经费支出占GDP 比重表示、对外开放程度（DO）用实际利用外商投资占地区GDP 比重表示、第三产业发展水平（AVT）用第三产业增加值占地区生产总值比重表示，其中Xi，t表示以上所涉及的控制变量。构建模型如式（9）所示。

习近平总书记指出：“讲政治，是我们党补钙壮骨、强身健体的根本保证，是我们党培养自我革命勇气、增强自我净化能力、提高排毒杀菌政治免疫力的根本途径。”讲政治是党员领导干部要始终绷紧的弦，党校必须把讲政治贯穿于干部教育培训的全过程，引领党员领导干部坚定正确的政治方向，善于从政治上观察问题、思考问题、解决问题，将讲政治作为党校讲坛的首要标准，尤其是党校课堂讲授习近平新时代中国特色社会主义思想，授课内容可以是课程体系中的某一方面，但其根本不能丢，这个根本就是党校姓党、坚持党性原则、讲政治。

β收敛速度ν用来表示粮食主产区内农业高质量发展低水平省份追赶上高水平省份的速度，具体计算如式（10）所示。

4.数据来源与说明

本文选取2003—2018 年粮食主产区13 个省份25 个基础指标数据，数据来源于《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》《中国农业年鉴》等。个别缺失数据从各省统计年鉴中补充或采用线性插值法补充，剔除个别异常值的样本，得到平衡面板数据。需要说明的是：①农村人口平均受教育年限的计算公式为（文盲人数×1+小学学历人数×6+初中学历人数×9+高中和中专学历人数×12+大专及本科以上学历人数×16）/6 岁以上人口总数（黎新伍和徐书彬，2020）；②产业结构合理化采用泰尔指数作为度量指标（干春晖等，2011）；③为使区域间具有可比性，25 个基础指标均采用相对比率法来反映其发展程度，即用具体指标数据分别除以区域耕地面积、播种面积、财政总支出等总量数据。

三、粮食主产区农业高质量发展时空分异特征

（一）粮食主产区农业高质量发展水平测度结果分析

2003—2018 年粮食主产区农业高质量发展指数的年度值和均值的结果见表3。结果表明，粮食主产区农业高质量发展指数在波动中呈总体上升趋势，期末值较期初值明显上升，其均值从2003 年的0.208 波动上升至2018 年0.314，年均增长2.791%。具体而言，江苏、安徽、江西、湖北、湖南、四川和河南七省农业高质量发展指数年均增长率超过了粮食主产区的平均增速。其中，江苏省农业高质量发展指数从2003 年的0.184上升到了2018 年的0.452，年均增长6.19%，发展速度最快；吉林省农业高质量发展指数从2003 年的0.291 上升到了2018 年的0.315，年均增长0.53%，发展速度最慢。此外，江苏省农业高质量发展整体水平最高，2003年江苏省农业高质量发展水平值仅为0.184，且明显低于内蒙古、辽宁、黑龙江等省份，但由于江苏省农业高质量发展势头强劲，在2009 年江苏省农业高质量发展水平位列第一。整个样本期内，安徽省农业高质量发展指数排名倒数第一，但其发展速度较快，初步印证了粮食主产区农业高质量发展出现追赶效应。

表3 粮食主产区农业高质量发展水平测度结果

（二）粮食主产区农业高质量发展的区域差异

1.总体差异

为进一步揭示粮食主产区农业高质量发展的区域差异大小及来源，本部分采用Dagum 基尼系数对其进行分解，结果如图1和表4 所示。图1 绘制了2003—2018 年粮食主产区农业高质量发展总体差异的变动趋势。从静态视角看，粮食主产区农业高质量发展总体差异的均值为0.151，这说明粮食主产区农业高质量发展水平存在一定的区域差异。从动态视角看，样本期内粮食主产区农业高质量发展的总体差异在波动中呈总体下降趋势。具体而言，2003—2006 年粮食主产区农业高质量发展的总体差异呈小幅上升趋势，由2003 年的0.160 上升至2006 年的0.191，但在2007 年开始转呈下降趋势，其差异由2007 年的0.176 下降至2018 年的0.128，年均下降至2.87%，总体差异的期末值较期初值明显下降，从2003 年的0.160 波动下降至2018 年0.128。以上表明，粮食主产区农业高质量发展总体差异具有明显的阶段性变化特征，整体上农业高质量发展差异在不断地缩小。

图1 粮食主产区农业高质量发展的总体基尼系数

2003—2018 年粮食主产区农业高质量发展的区域差异大小及变化情况见表4。从静态视角来看，南方主产区农业高质量发展的区域内差异均值为0.156，而北方主产区的差异均值仅为0.103。具体而言，2003 年南方主产区的区域内差异仅为0.065，明显低于北方主产区的0.114，从2004 年起，南方主产区的区域内差异超过北方主产区，并持续到样本末期。而南北方主产区的区域间差异均值为0.179，明显高于南方、北方主产区地区内差异。从动态视角看，北方主产区的区域内差异呈波动下降趋势，由2003 年的0.114 下降至2017 年的0.081，年均下降2.39%，但在2018 年转呈上升至0.120，南方主产区的区域内差异在样本前期（2003—2006 年）呈大幅上升趋势，年均增长47.12%，样本后期（2007—2018 年）呈平稳下降，由2007 年的0.186 下降至2018 年的0.124。南北方主产区的区域间差异在波动中呈总体下降趋势，由2003 年的0.224 下降至2018 年的0.135，年均下降至3.34%。以上论述表明，南方主产区农业高质量发展的内部差异明显大于北方主产区，而南北方主产区的区域间差异最大，呈波动下降趋势。

3.差异来源及其贡献率

2003—2018 年粮食主产区农业高质量发展差异的来源及其贡献率结果见表4。从静态视角看，区域内差异、区域间差异和超变密度对粮食主产区农业高质量发展差异的贡献率均值分别为41.55%、32.65%和25.80%。从动态视角看，区域内差异贡献率呈波动上升趋势，从2003 年的31.43%上升至2018 年的47.85%，达到样本期内最大值，年均上升2.84%。除2012—2014 年区域间差异贡献率呈上升状态外，其余年份均呈波动下降趋势。超变密度贡献率与区域间差异贡献率的演进趋势大致相反，在波动中呈总体上升态势。

表4 粮食主产区农业高质量发展的基尼系数及贡献率

四、粮食主产区农业高质量发展的收敛性检验

（一）σ 收敛分析

2003—2018 年粮食主产区农业高质量发展σ收敛系数的变化趋势如图2 所示。样本期内粮食主产区农业高质量发展的σ收敛系数在波动中呈总体下降趋势，期末值较期初值有所下降，由2013 年的0.192 波动下降至2018 年0.150，降幅为1.61%，这表明粮食主产区农业高质量发展存在σ收敛特征，即粮食主产区农业高质量发展差异呈缩小趋势，这一结论与Dagum 基尼系数测算结果相一致。从分区域看，南方主产区农业高质量发展σ收敛系数与全样本农业高质量发展σ收敛系数的变化趋势高度相似，但其σ收敛系数的均值明显低于全样本。北方主产区农业高质量发展σ收敛系数变化幅度较小，但整体呈下降趋势，具有明显的σ收敛特征。

图2 粮食主产区农业高质量发展σ 收敛系数变化趋势

（二）空间自相关分析

2003—2018 年粮食主产区农业高质量发展莫兰指数的检验结果见表5。除2013 年和2014 年外，其余年份农业高质量发展莫兰指数均大于0。样本期内仅有2016 年、2017 年和2018 年的莫兰指数未通过显著性水平检验，但这并不能说明粮食主产区农业高质量发展不存在空间相关性。部分年份的莫兰指数不显著的原因可能在于，基于二进制的空间邻接矩阵测算得到的莫兰指数，在空间邻接矩阵中地区间的联系取决于地区间是否存在邻接关系，即当地区间相邻时，就存在相同的影响；当地区间不相邻时，就不存在相互影响，这与地理学第一定律相悖（伍国勇等，2020）。如四川省与粮食主产区内其余省份无邻接关系，但在生产要素的空间溢出效应作用下，可以影响到四川省农业高质量发展。此外，由于地区间的正负效应持平也可能会使莫兰指数变得不显著（李婧等，2010）。

表5 粮食主产区农业高质量发展莫兰指数检验结果

（三）β 收敛检验

本部分使用空间计量模型对粮食主产区农业高质量发展进行β收敛检验。常见空间计量模型包括空间滞后模型又称为空间自回归模型（spatial autoregression，SAR）、空间误差模型（spatial errors model，SEM）和空间杜宾模型（spatial dubin model，SDM），而SDM 是SAR 和SEM 的扩展形式，可以同时考虑被解释变量与解释变量的自相关性，更能有效捕捉不同来源所产生的外部性和溢出效应（于伟等，2021）。LR 检验发现其统计量通过1%的显著性水平，这表明SDM 模型不能简化为SAR 模型和SEM 模型，故选择空间杜宾模型对β收敛进行检验。此外，通过Hausman 检验发现，其统计量在1%的显著性水平下通过卡方检验，故选择固定效应模型。

1.绝对β 收敛检验

2003—2018 年粮食主产区农业高质量发展的绝对β收敛检验结果如表6 所示。结果显示，粮食主产区农业高质量发展的空间滞后系数ρ显著为正，这说明粮食主产区农业高质量发展存在显著的空间相关性，而空间相关性是粮食主产区农业高质量发展呈现β收敛的重要因素。从全样本看，β回归系数在1%水平下显著为负，这意味着粮食主产区农业高质量发展存在绝对β收敛趋势，收敛速度为6.00%，这表明随着时间推移粮食主产区农业高质量发展存在追赶效应。从分区域看，北方主产区和南方主产区的回归系数显著为负，北方主产区空间滞后系数ρ为正且通过显著性水平检验，而南方主产区的空间滞后系数ρ为正且但未通过显著性水平检验，说明北方主产区存在绝对β收敛趋势，而南方主产区内部的农业高质量发展不存在显著的空间相关性，未表现出绝对β收敛趋势。为了消除经济周期的影响，将样本期分成2003—2007 年、2008—2012 年和2013—2018 年三个阶段，对其分别进行绝对β收敛检验。在分阶段考察中，β回归系数显著为负，且空间滞后系数ρ均通过了显著性水平检验，进一步对粮食主产区农业高质量发展存在绝对β收敛进行佐证。

表6 粮食主产区农业高质量发展的绝对β 收敛检验

2.条件β 收敛检验

加入相关控制变量的粮食主产区农业高质量发展的条件β收敛检验结果如表7 所示。从全样本看，β回归系数显著为负，空间滞后系数ρ显著为正，说明在充分考虑粮食主产区产业结构合理化、对外开放程度、R&D 科研经费投入等条件下，粮食主产区内不同省份间的农业高质量发展水平存在条件β收敛，即如果一省农业高质量发展水平较低，则其发展速度较快，反之发展速度较慢，省份间差异呈收敛趋势，收敛速度为8.00%。控制变量中，产业结构合理化、对外开放程度和R&D 科研经费投入的提高对农业高质量发展起到促进作用，而第三产业的发展会在一定程度上抑制粮食主产区农业高质量发展水平的提高，这说明可以通过调整产业结构合理化和第三产业占比、提高对外开放程度、增加R&D 科研经费投入等来提高粮食主产区农业高质量发展水平。从分区域看，北方主产区和南方主产区的β回归系数显著为负，北方主产区空间滞后系数ρ为正且通过显著性水平检验，南方主产区的空间滞后系数ρ为正但未通过显著性水平检验，说明北方主产区存在条件β收敛，且收敛速度为7.89%，而南方主产区并未呈现出明显的条件β收敛趋势。控制变量中，提高产业结构合理化程度与增加R&D 科研经费投入对北方主产区农业高质量发展具有促进作用。从分时期看，三个阶段的β回归系数均显著为负，但只有2003—2007 年和2008—2012 年的空间滞后系数ρ显著为正，表明以上两个阶段存在条件β收敛，收敛速度分别为72.24%和44.70%。其中，2003—2007 年间粮食主产区农业高质量发展收敛速度最快。

表7 粮食主产区农业高质量发展的条件β 收敛检验

五、结论与建议

本文基于新发展理念，构建粮食主产区农业高质量发展综合指标评价体系，利用加入时间变量的熵权法对2003—2018 年粮食主产区农业高质量发展水平进行测度，在此基础上运用Dagum 基尼系数对其区域差异及来源进行分析，并采用σ收敛和β收敛对粮食主产区农业高质量发展的收敛机制进行检验。主要结论如下：①粮食主产区农业高质量发展水平整体不高，且在波动中呈总体上升趋势。安徽、江西等南方主产区6省农业高质量发展水平增速明显快于河北、河南等北方主产区7 省，呈现空间分布格局上的南弱北强及增速上的南快北慢格局并存。②样本期内粮食主产区农业高质量发展存在明显的区域差异，其总体差异在波动中呈总体下降趋势，区域内差异与区域间差异交替成为总体差异的主要来源；南方主产区的区域内差异较大，其发展趋势呈先上升后下降趋势；北方主产区的区域内差异和南北方主产区的区域间差异较小，均呈波动式下降趋势。③粮食主产区农业高质量发展具有明显的收敛特征。从σ收敛检验来看，粮食主产区农业高质量发展均存在明显的σ收敛特征。从β收敛检验来看，粮食主产区农业高质量发展的β回归系数均为负值，且通过了1%统计性显著检验，在考虑了产业结构合理化、对外开放程度、R&D 科研经费投入力度等情况下，除了南方主产区外，粮食主产区总体和北方主产区农业高质量发展均存在绝对和条件β收敛。

基于上述研究结果，本文认为在提高粮食主产区农业高质量发展水平的同时，也应注重化解农业高质量发展不平衡问题。一方面，正视我国农业高质量发展水平不高的现实，进一步提升其总体发展水平以破解农业发展不充分问题。既要深化农业供给侧结构性改革，加大农业科技、资金、人员等传统要素投入的支持力度，还要积极发展农业新业态、新模式，培育龙头企业和知名品牌以提高国际竞争力，更要加强农业信息基础设施建设，建立涵盖天气预报、虫害预警、产品质量溯源等在内的农业大数据统一共享服务平台，与其他相关涉农信息连接共享以消除农业数据孤岛，实现农业生产、监测、管理的智能化、精细化和数字化，充分利用数字经济赋能粮食主产区农业高质量发展；另一方面，把握粮食主产区农业高质量发展水平区域差异的同时，也要认识到其收敛特征，积极化解农业发展不平衡问题，缩小区域发展差异。加强粮食主产区内部各省之间的交流合作，构建“点-线-面”的区域合作机制，促进先进农业生产要素在地区间高效流动，发挥空间正相关性和空间溢出效应，通过“追赶效应”和“以高带低”拉动机制，推动粮食主产区农业高质量发展协同迈向更高层次。