农业全要素生产率的时空演化与收敛机制——以新疆地区为例

安博文,李春玉,李晓天,金鹏

（1.华侨大学经济与金融学院,福建 泉州 362021;2.河北经贸大学数学与统计学学院,河北 石家庄 050061;3.新疆理工学院经济贸易与管理学院,新疆 阿克苏 843000;4.新疆理工学院机电工程学院,新疆 阿克苏 843000）

民族要复兴,乡村必振兴,“三农”问题被提升到新的历史高度.乡村振兴是民族复兴的前提保障,“三农”工作成为贯穿“十四五”期间的重要任务.2021年作为我国“十四五”规划的开局之年,伴随着绝对贫困消除,“三农”工作的重心发生了历史性转移,由脱贫攻坚转移到全面推进乡村振兴.乡村振兴势必要实现农业高质量发展,习近平总书记曾指出“没有农业农村现代化,就没有整个国家现代化”,提高农业生产现代化水平是当下农业发展的重要任务.农业生产取决于人力资本、物质资本和技术进步,提高农业全要素生产率是新时期促进农业高质量发展的重要路径[1].

全要素生产率与人力资本、物质资本共同构成了提高生产力水平的主要动力,从农业经济学角度考量,农业全要素生产率衡量的是除人力资本和物质资本投入之外的并且是由于技术进步而导致农业生产效率水平提高的部分[2].在“三农”工作重心转移与农业高质量发展的宏观背景下,深入分析农业全要素生产率具有重要现实意义与理论价值[3].相关研究大多采用DEA-Malmquist模型测算农业全要素生产率[1,4],从农业生产的投入产出变量来看,投入变量主要包括劳动力、土地和机械动力[3],考虑到农业生产会对生态环境产生影响,因此产出变量涉及期望与非期望两个方面,期望产出以农业产值和粮食产量为主[5-6],非期望产出通过农业化肥和土地薄膜的碳排放衡量[7-8].在政策支持与新农村建设的背景下,还可以利用经济发展、城镇化与政府支农支出对投入指标进行调整[9-10].就我国农业全要素生产率的空间分布格局而言,一是农业全要素生产率呈现空间集聚特征,东中部地区正向聚集省份较多而西部地区热点区域较少[11-12];二是农业全要素生产率存在空间关联效应,地区间关联效应以地理位置为主要特征[13-14];三是农业全要素生产率空间异质性明显,东部地区呈现多极分化趋势,西部地区两极分化现象严重,中部地区整体差距逐渐扩大[15-16].伴随农业生产力水平不断提高,我国农业生产率地区差距日益扩大[3].农业高质量发展主要表现为农业发展的均衡性以及发展成果的公平性[17],现阶段地区间农业全要素生产率差异显著,这一点与农业高质量发展理念背离,因此许多学者对如何缩小地区间农业发展差距、加快农业全要素生产率的收敛速度等问题进行深入探讨[18-20].

上述文献对农业全要素生产率的测度方法、空间分布与收敛特性等方面都进行了深入研究,但鲜有文献涉及农业全要素生产率空间收敛边界的分析.由地理学第一定律可知,外部环境对农业生产的影响存在空间溢出效应[21],这意味着宏观环境对农业全要素生产率的空间作用存在地理边界,因此有必要对农业全要素生产率的空间β收敛边界进行识别.基于此,本研究以新疆地区为例,通过分布动态演进与空间集聚效应反映新疆农业全要素生产率的空间格局,借助空间计量方法考察新疆农业全要素生产率的空间β收敛速度与收敛边界,以期全面了解新疆农业全要素生产率的时空演变特征,探索新疆农业高质量发展路径.

1 研究设计

1.1 研究方法

1.1.1 DEA-Malmquist模型 采用DEA-Malmquist模型测算全要素生产率时不需要设定生产函数形式,该模型对投入产出变量的量纲没有特定要求,并且投入变量线性组合的权重系数与产出变量线性组合的权重系数都无需事先给定,因此DEA-Malmquist模型能够客观反映农业全要素生产率的真实情况.用xt和xy分别表示t期的投入产出变量,定义生产可能性集合其具体形式为

1.1.4 空间收敛机制与边界识别β收敛模型源于新古典经济理论中的发展趋同思想,多用于研究区域间经济增长随时间发展是否趋于同一稳态水平.绝对β收敛是指在不考虑社会环境因素的前提下分析农业全要素生产率的收敛趋势,条件β收敛是指在考虑社会环境因素的前提下分析农业全要素生产率的收敛趋势[22].

若式中的收敛系数β＜0说明新疆农业全要素生产率存在收敛趋势,反之则不存在收敛趋势.于控制变量的回归系数δ而言,系数估计值小于0意味着该因素有利于缩小县域间农业全要素生产率发展差异,会加快收敛速度;系数估计值大于0意味着该因素有利于提高农业全要素生产率,但会阻碍县域间农业全要素生产率形成收敛趋势.

空间依赖性会随地理距离的增加而逐渐降低[23],依据该思路对新疆农业全要素生产率的空间β收敛边界进行识别.重新设定空间权重矩阵依旧表示i县域到j县域的直线距离,给定阈值将实际距离与阈值作比较计算空间权重矩阵,其中

将阈值依次设定为100 km、200 km、300 km、400 km、500 km、600 km、700 km和800 km,据此可以计算出不同阈值下空间权重矩阵.

1.2 数据来源

本研究所用的原始数据来源于2010—2019年《新疆统计年鉴》,研究对象为新疆80个县域,部分缺失数据采用插值法进行填补.本研究中新疆各县域经纬度数据来源于国家基础地理信息中心,计算结果以三维曲面图形式展现,见图1.

图1 空间权重距离矩阵Fig.1 Spatial weight distance matrix

2 新疆农业全要素生产率的时空演化特征

本研究选取劳动力人数、耕地面积、机械化水平和产业融合度作为投入变量,将农业产值和粮食产量作为期望产出,依据IPCC评估报告核算化肥施用和土地薄膜的碳排放量以作为非期望产出[24-25].

2.1 农业全要素生产率的时间演化特征

将2009年作为基期计算2010—2018年新疆80个县域农业全要素生产率,表1展示了历年新疆农业全要素生产率的中位数、平均值和标准差.由于南疆地区和北疆地区在地理位置、自然资源和经济发展水平等方面存在差异,可能导致南北疆地区农业全要素生产率存在空间异质性,因此这里分区域对农业全要素生产率测算结果进行报告.

表1 新疆农业全要素生产率测算结果Tab.1 Results of total factor productivity measurement in Xinjiang agriculture

从全疆农业全要素生产率的发展趋势来看,无论是中位数还是平均值都反映出农业全要素生产率随时间推移整体呈现下降态势,标准差的数值先减小后增大,说明农业全要素生产率的地区差异先缩小后扩大.以天山为界对80个样本地区进行划分,41个县域属于南疆地区,39个县域属于北疆地区.对比南北疆地区农业全要素生产率的计算结果：从整体发展趋势来看,南疆地区和北疆地区的农业全要素生产率均呈现下降趋势,但北疆地区的农业全要素生产率普遍高于南疆地区;从地区差异性来看,南北疆地区农业全要素生产率的地区差异都是先缩小后扩大,但北疆地区农业全要素生产率的差异要普遍高于南疆地区.由此可见,南疆农业全要素生产率偏低是拉低全疆农业全要素生产率的主要原因,而北疆农业全要素生产率差异性较大是全疆农业全要素生产率差异性大的主要来源.

利用Kernel密度估计法绘制南北疆地区农业全要素生产率的分布演进图,图2结果所示,南北疆地区农业全要素生产率的时间演化趋势相似.从整体位置移动来看,南北疆地区农业全要素生产率分布曲线均是左移,但南疆地区分布曲线的左移幅度明显大于北疆地区,说明南北疆农业全要素生产率整体水平逐年下降,且南疆地区农业全要素生产率下降速度快于北疆地区,提高新疆农业全要素生产率的任务依然严峻;从主峰形状变化来看,南疆地区农业全要素生产率的分布曲线在2010—2014年高度逐渐上升而宽度逐渐变窄,在2014—2018年期间高度逐渐下降而宽度逐渐变宽,说明以2014年为时间节点南疆农业全要素生产率的内部差异先缩小后扩大;北疆地区农业全要素生产率的分布曲线在2010—2015年高度逐渐上升而宽度逐渐变窄,在2015—2018年期间高度逐渐下降而宽度逐渐变宽,说明以2015年为时间节点北疆农业全要素生产率的内部差异先缩小后扩大.从分布偏态的变化来看,南北疆地区农业全要素生产率的分布曲线均是右偏,拖尾现象明显且拖尾平缓,说明南北疆地区农业全要素生产率多集中在较低水平,并且南北疆地区农业全要素生产率呈现出较强的收敛趋势.从波峰数量的变化来看,南北疆地区农业全要素生产率的分布曲线均是一个主峰且侧峰不明显,由此可见,新疆农业全要素生产率不存在两极或多极的空间极化现象.

图2 新疆农业全要素生产率的动态演变趋势Fig.2 Dynamic evolution of total factor productivity in Xinjiang agriculture

2.2 农业全要素生产率的空间演化特征

农业生产作为社会生产的一部分,生产单位之间并不是完全孤立的,农业作为地理空间内客观存在的产业经济实体,相邻县域的农业生产相互影响,因此本部分采用Moran指数分析新疆农业全要素生产率的空间演化特征.

表2报告了地理距离和嵌套距离两种空间权重矩阵下的全局Moran指数,对比两种空间权重矩阵下Moran指数的计算结果,发现全局Moran指数的显著性、正负性以及数量级均没有变化,甚至计算数值十分相近,由此认为Moran指数的计算结果是稳健的,采用该结果分析得出结论可靠性更强.从全局Moran指数的统计检验来看,2010年、2013年和2016年均在1%水平下显著,2014年、2015年和2018年均在5%水平下显著,并且随着时间推移全局Moran指数的显著性逐渐增强,说明新疆农业全要素生产率存在明显的地理空间依赖性,同时这一依赖性也随时间发展逐渐加强.从全局Moran指数的正负性来看,考察期内除2011年外所有数值均为正数,但2011年全局Moran指数并未通过显著性检验,因此可以认为考察期内绝大多数年份新疆农业全要素生产率存在显著的空间正相关关系,意味着新疆农业全要素生产率多呈现高高聚集和低低聚集分布.从全局Moran指数的数值大小来看,考察期内Moran指数存在下降趋势,说明新疆农业全要素生产率空间聚集效应呈现减弱态势.

表2 全局Moran指数计算结果Tab.2 Global Moran index calculation results

图3和图4分别展示了考察期内初期（2010年）、中期（2014年）和末期（2018年）的局部Moran指数散点图.对比两种空间权重矩阵下的局部Moran指数估计结果发现：2010年局部Moran指数估计结果一致,29个县域呈现高高聚集,14个县域呈现低高聚集,32个县域呈现低低聚集,5个县域呈现高低聚集;2014年局部Moran指数估计结果一致,16个县域呈现高高聚集,18个县域呈现低高聚集,30个县域呈现低低聚集,16个县域呈现高低聚集;2018年局部Moran指数估计结果存在部分区别,高高聚集的县域个数相同均为19个,高低聚集的县域个数相同均为9个,地理距离空间权重矩阵下低高聚集和低低聚集的县域都是26个,嵌套距离空间权重矩阵下低高聚集的县域有25个、低低聚集的县域有27个.综合比较来看,不同空间权重矩阵下局部Moran指数估计结果差别不大,因此以下采用嵌套距离空间权重矩阵下的估计结果进行分析.

图3 局部Moran指数散点图（地理距离空间权重矩阵）Fig.3 Local Moran index scatter plot（geographic distance spatial weight matrix）

图4 局部Moran指数散点图（嵌套距离空间权重矩阵）Fig.4 Local Moran index scatter plot（nested distance space weight matrix）

考察期内,空间正向聚集的县域由2010年的61个减少到2018年的46个,但正向聚集县域的比重依旧在50%以上,说明新疆农业全要素生产率的空间正向聚集逐渐减弱,但正向聚集的空间效应仍然占主导地位,借助Markov状态转移矩阵详细分析空间聚集类型的转移过程.结合表3可以发现：一是2010—2014年期间,高高聚集中有50%以上的县域聚集类型发生转移,向低高聚集转移的县域最多（占34.5%）,有10%以上的县域转移到低低聚集;低高聚集中有近30%的县域向低低聚集发生转移,仅有21.4%的县域向高高聚集发生转移;低低聚集的县域更易维持自身的聚集类型,很难向高高聚集发生转移;高低聚集中有40.0%的县域向低低聚集发生转移,还有40.0%的县域向低高聚集发生转移.从转移结果来看,向低低聚集转移县域最多而向高高聚集转移县域最少,这表明新疆农业全要素生产率下降趋势明显;向同类型聚集转移的县域占比为52.7%,这说明新疆农业全要素生产率仍朝着空间正向聚集的方向发展.二是2014—2018年期间,高高聚集中有56.3%的县域维持自身聚集类型,其余县域更易向低高聚集发生转移,仅有少部分县域向低低聚集发生转移;低高聚集中有44.4%的县域维持自身聚集类型,还有44.4%的县域向高高聚集发生转移,仅有11.1%的县域向低低聚集发生转移;低低聚集的县域更易向低高聚集发生转移,同时还有极少数县域向高高聚集发生转移;高低聚集的县域更易向低低聚集发生转移,仅有不足10%的县域向高高聚集发生转移.从转移结果来看,向高高聚集转移县域占比为27.6%,与向低低聚集转移县域占比仅差4个百分点,这与2010—2014年相比农业全要素生产率增长趋势良好;向同类型聚集转移的县域占比接近60%,与2010—2014年相比新疆农业全要素生产率的空间正向聚集效果更加明显.

表3 空间聚集类型的转移过程Tab.3 Transfer process of spatial aggregation types

3 新疆农业全要素生产率的收敛机制

农业全要素生产率的影响因素较多,从社会宏观层面来看包括区域经济增长、对外开放水平、城市化进程和市场化程度等,从个体微观层面来看包括农村人力资本、工资性收入、劳动力素质和农村人口迁移等,从农业生产方面来看包括有效灌溉面积、粮食播种面积、农业生产结构和农业科技水平等[9-20].考虑到数据的可获取性,这里选取3个比较有代表性的影响因素,分别为区域经济发展、城镇化水平和政府财政干预.①区域经济发展:采用地区生产总值进行测度,符号表示为eco.②城镇化水平：计算方法为城镇人口占城乡人口比重,符号表示为urb.③政府财政干预：计算方法为政府财政公共预算支出与地区生产总值的比值,符号表示为gov.

3.1 基于分位数回归的收敛机制分析

与OLS回归相比,分位数回归不仅能详细考察不同全要素生产率水平的收敛机制,而且对误差项的限定更加宽松,同时对异常值的估计结果更为稳健,因此这里采用分位数回归估计β收敛模型,全疆范围传统β收敛检验结果见表4.

表4 全疆范围传统β收敛检验结果Tab.4 Results of the traditionalβconvergence test for the whole territory

绝对β收敛检验结果显示,收敛系数β在所有分位点处均小于0,说明各分位水平下的农业全要素生产率存在绝对β收敛趋势;0.1和0.3分位点回归结果在1%水平下显著,0.5、0.7和0.9分位点回归结果在统计上不显著,说明在较低分位点处农业全要素生产率绝对β收敛显著,但在较高分位点处绝对β收敛并不明显.从收敛速度随分位点的变化趋势来看,农业全要素生产率水平越低而收敛速度越快,由此可见,新疆地区农业全要素生产率存在低水平趋同现象,容易导致新疆农业全要素生产率发展陷入“贫困陷阱”.条件β收敛检验结果显示,收敛系数β的正负号、显著性、变化趋势与绝对β收敛相同,这里不再赘述.从控制变量来看:区域经济发展的回归系数在所有分位点处均为负数,说明区域经济增长有利于农业全要素生产率形成收敛趋势;回归系数在0.1、0.3、0.5和0.7分位点处显著,0.9分位点处不显著,说明在0.1～0.7分位点处区域经济发展会对农业全要素生产率产生显著影响,并且这一影响会随全要素生产率水平的提升而逐渐减弱.政府财政干预的回归系数在所有分位点处均为负数,说明政府财政干预越强越有利于农业全要素生产率形成收敛趋势;所有分位点处的回归系数全部显著,说明无论农业全要素生产率水平高低政府财政干预都会对其产生显著影响,并且全要素生产率水平越低影响作用越强.城镇化水平的回归系数在所有分位点处均为正数,说明加快城市化进程有利于提高农业全要素生产率,但会阻碍新疆地区农业全要素生产率形成收敛趋势.

3.2 基于空间杜宾模型的收敛机制分析

由前文分析可知,无论考虑地理距离空间权重矩阵还是考虑嵌套距离空间权重矩阵,新疆农业全要素生产率均存在明显的空间相关性,同时考虑到南北疆地区农业全要素生产率发展的空间异质性,因此这部分采用空间杜宾模型分区域对农业全要素生产率进行空间β收敛检验,分区域空间β收敛检验结果见表5.

表5 分区域空间β收敛检验结果Tab.5 Sub-regional spatialβconvergence test results

绝对β收敛检验结果显示,全疆范围、南疆地区和北疆地区的收敛系数均小于0,并且都通过了1%水平下的显著性检验,这说明全疆范围和南北疆地区都存在显著的空间绝对β收敛;从收敛速度来看,南疆地区的收敛速度明显高于北疆地区,这可能是由于南疆地区农业全要素生产率逐渐降低所导致;从空间自回归系数来看,系数估计值为正且通过了1%水平下的显著性检验,说明邻近地区农业全要素生产率的收敛有利于加快本地区农业全要素生产率的收敛;从估计结果的稳健性来看,无论是地理距离空间权重矩阵还是嵌套距离空间权重矩阵,所有对应参数估计值的正负号、数量级以及显著性都十分接近,说明估计结果是稳健的,间接证实了本研究选取的空间权重矩阵能够较为客观地反映新疆地区农业发展的地理联系.条件β收敛检验结果显示,全疆范围和南北疆地区都存在显著的空间条件β收敛,南疆地区的收敛速度略高于北疆地区;全疆范围和南北疆地区的空间自回归系数均为正且显著,同时北疆地区的空间自回归系数明显高于南疆地区,这说明北疆地区农业全要素生产率变动的空间聚集效应更强;就区域经济发展而言,本地区经济增长有利于加快本地区农业全要素生产率形成收敛趋势,但这一作用在南疆地区并不明显,邻近地区经济增长的空间溢出效应有利于显著提高本地区农业全要素生产率水平,却会加大农业全要素生产率的地区差距;就城镇化水平而言,无论是全疆范围还是南北疆地区,在考虑空间效应的条件下,城镇化水平对农业全要素生产率变动的影响并不显著;就政府财政干预而言,本地区政府财政干预加强有利于加快本地区农业全要素生产率形成收敛趋势,但这一作用在南疆地区并不明显,邻近地区政府财政干预加强的空间溢出效应依旧有利于加快本地区农业全要素生产率的收敛,而这一作用在北疆地区不明显.

3.3 空间收敛边界识别

图5以等高线形式展现了不同阈值下的空间权重矩阵,为了便于比较,采用MATLAB软件作图并将图中所有等高线距离设为0.005.从图5中也可以发现,随着阈值增大等高线逐渐稀疏,这表明空间地理联系逐渐弱化.

图5 不同阈值下反距离空间权重矩阵Fig.5 Inverse distance space weight matrix with different thresholds

表6报告了不同阈值下空间β收敛模型的估计结果.当地理边界从100 km扩大到800 km时收敛速度由0.715波动增长到0.782,可见地理边界扩张有利于加快农业全要素生产率收敛速度.从空间自回归系数来看,随着地理边界扩大空间自回归系数逐渐变小,即县域间农业全要素生产率的空间地理联系逐渐减弱,这也符合地理学第一定律.从控制变量来看,随着地理边界扩大,本地区影响因素对本地区农业全要素生产率变动的影响并没有太大变化,但影响因素的空间滞后项变化趋势明显.区域经济发展的回归系数随地理边界扩大而逐渐减小,在800 km边界处依旧为正且在1%水平下显著;城镇化水平的回归系数随地理边界扩大而逐渐增大,在800 km边界处达到最大值且在1%水平下显著,这与100～700 km处的系数显著性有很大区别,表明地理边界越大城镇化进程的空间溢出效应对农业全要素生产率变动的影响作用越强且显著,这一点可能与城乡人口的迁入迁出有关;政府财政干预的回归系数绝对值随地理边界扩大而逐渐减小,在800 km边界处依旧为负且在1%水平下显著.由此可见,800 km边界处控制变量的溢出效应对农业全要素生产率变动影响显著,其中,区域经济发展和政府财政干预的影响作用较弱而城镇化水平的影响作用较强.

表6 空间收敛边界识别Tab.6 Spatial convergence boundary identification

4 小结

本研究采用DEA-Malmquist模型测度了新疆80个县域2010—2018年的农业全要素生产率,结合Kernel密度估计与Moran指数刻画了农业全要素生产率的时空演化特征,借助分位回归和空间杜宾模型分析了农业全要素生产率的收敛机制.实证研究结果表明：

第一,新疆农业全要素生产率发展整体呈现下降趋势,南疆农业全要素生产率相对落后,北疆农业全要素生产率差异性较大.更为细致地有,南北疆农业全要素生产率多集中在较低水平,以2014年为节点南疆地区农业全要素生产率差异先缩小后扩大,以2015年为节点北疆地区农业全要素生产率差异先缩小后扩大,在考察期内新疆农业全要素生产率不存在区域极化现象.

第二,新疆农业全要素生产率的空间依赖性愈发显著但空间聚集效应逐渐减弱,农业全要素生产率以空间正向聚集为主.2010—2014年期间,高高聚集中有一半以上县域聚集类型发生转移,低低聚集县域更易维持自身的聚集类型,低高聚集与高低聚集容易发生相互转移,同时二者均容易转移到低低聚集;2014—2018年期间,高高聚集县域更易维持自身聚集类型,低低聚集县域更易向低高聚集发生转移,低高聚集县域多转移到高高聚集而高低聚集县域多转移到低低聚集.

第三,考察期内全疆范围存在显著的β收敛.新疆农业全要素生产率存在低水平趋同现象,南疆地区收敛速度略高于北疆地区;邻近地区经济增长有利于提高本地区农业全要素生产率却会加大地区差距,邻近地区政府财政干预加强有利于加快本地区农业全要素生产率收敛,城镇化水平的空间溢出效应对农业全要素生产率的变动影响并不显著;随着地理收敛边界扩张,各县域农业全要素生产率的空间地理联系逐渐减弱,但收敛速度呈现扩大趋势.

上述结论给我们的政策启示有：在促进新疆农业高质量发展、提升农业全要素生产率的同时,一定要充分考虑各地区农业全要素生产率发展的差异性,特别是要考虑到南北疆地区农业发展的区域异质性问题,各种影响地区农业全要素生产率变动的因素也会存在异质性,政策制定中应该以各地区农业发展的现实情况为依据,政策措施应该各有侧重、因地制宜,同时还有努力缩小农业发展的地区差异,实现农业协调发展,保证农业发展成果让全疆人民共享.