我国农业资源配置效率的空间差异与驱动因素分析

杨 强，祝宏辉

（1.石河子大学经济与管理学院，新疆 石河子 832000；2.开封大学财政经济学院，河南 开封 475000）

0 引言

资源配置对于任何部门和任何行业的发展都至关重要，尤其是对于农业而言。在世界百年未有之大变局加速演变的环境下，要确保农业稳产增产、农民稳步增收以及农村稳定安宁，既需要提高农业资源的利用效率，也需要提升农业资源的配置效率。在现有资源条件下，提高资源配置和利用效率已成为经济发展的核心问题。当前，我国农业资源配置存在许多突出和尖锐的矛盾，农业资源配置问题依然十分突出，包括农业资源配置失衡、配置不充分、配置转型滞后等。同时，资源短缺已不再是困扰中国城乡融合发展的主要因素，而资源错配成为城乡融合的主要制约因素和农业农村发展滞后的关键因素[1]，制度约束与政府职能错位加重了城乡要素配置不合理[2]问题，这些问题不仅导致了农业的总量全要素生产率降低[3]，还严重制约了城乡融合发展水平的提升[4]，进一步导致我国农业农村发展不充分，农业劳动生产率增长相对缓慢。要改变城乡二元结构，既需要推动城乡要素平等交换，也需要促进城乡之间公共资源的均衡配置[5]，提高农业资源配置效率是促进农村产业兴旺的关键，而优化要素配置是乡村振兴的基石。关于测算农业资源配置效率的方法，Farrell（1957）[6]提出了前沿生产函数的概念，Balk（1998）[7]应用方向距离函数测量利润效率和生产率的变化，并将两者之间的差距定义为配置效率。也有学者采用泰尔指数法、随机前沿模型计算资源配置效率。

本文通过构建超效率EBM模型来测算2001—2022年我国农业资源配置效率，采用Dagum 基尼系数、马尔可夫链探究其空间差异和动态演进规律，用地理探测器考察其时空演进的驱动因素。

1 研究设计

1.1 评价指标体系构建

本文基于投入和产出两个方面构建农业资源配置效率评价指标体系，下设17个投入指标、5个产出指标，如下页表1 所示。采用2001—2022 年我国31 个省份（不含港澳台）的面板数据进行分析，数据来自EPS数据库，实证分析中将31个省份划分为东部、中部、西部、东北四大地区。

表1 农业资源配置效率评价指标体系

1.2 研究方法

（1）超效率EBM模型。公式如下：

其中，γ*为在规模报酬可变情况下的农业资源配置的最佳效率；si表示农业资源配置中投入要素的松弛变量；xij和yrj表示农业资源配置中第j个省份的第i类投入和第r类产出；wi表示农业资源配置中各项投入指标的重要程度，满足表示省份；n为省份个数；m和s表示农业资源配置中投入和产出的数量；θ表示径向部分的规划参数；λj表示线性组合系数；εx表示关键参数，满足0 ≤εx≤1。

（2）Dagum基尼系数及其分解。本文采用Dagum基尼系数测度我国农业资源配置效率的地区差异，计算公式为：

其中，Yji(Yhr)表示j(h)地区内i(r)省份的农业资源配置效率，nj(nh)表示j(h)地区内省份的数量，表示我国农业资源配置效率，k表示地区个数。

其中，Gjj表示j地区内农业资源配置效率的基尼系数，Gjh表示j地区与h地区之间农业资源配置效率的基尼系数，其中表示j(h)地区农业资源配置效率的平均值。

总体基尼系数G可以分解为区域内差异Gw、区域间差异Gnb和超变密度Gwt，计算公式为：

（3）马尔可夫链。本文构建不同时刻农业资源配置效率属性类型之间的转移概率矩阵[8]：

其中，mij为转移概率，即在t时刻，农业资源配置效率的类型为i的区域在下一时刻转移到类型为j的区域的概率；nij表示自t时刻至下一时刻状态i转移到状态j的概率；ni表示t时刻以来状态i的概率。

空间马尔可夫链（Spatial Markov Chain）是一种用于描述状态在空间上转移的概率模型。它是传统马尔可夫链的扩展，考虑了状态之间的空间相互关系。公式如下：

其中，lag为农业资源配置效率的空间滞后算子，xi为区域单元农业资源配置效率属性值，wij为单元j的观测值对于位置i的空间滞后算子的权重。

根据空间滞后类型i，将传统马尔可夫矩阵分解为k个条件转移概率矩阵；对于第k个条件转移概率矩阵，mij(k)表示此时刻的空间滞后类型i在下一时刻转为类型j的空间转移概率[9]。

（4）地理探测器。地理探测器是通过探测自变量与因变量的空间分布是否具有相似性来揭示引起因变量空间分异的驱动力。本文采用q值来度量各因素对农业资源配置效率时空演进的影响程度，计算公式如下：

其中，0 ＜q＜1，q值越大表示对农业资源配置效率时空演进的解释力越大。σ2为总离散方差，nk为分区k的样本数，σh2为分区k的离散方差。

2 农业资源配置效率的时序变化特征

本文采用超效率EBM 模型对2021—2022 年我国31个省份的农业资源配置效率进行测度（结果略）。整体来看，农业资源配置效率在研究期内呈现一个螺旋式提升的过程，先后经历四次波动，分别是2001—2006 年、2007—2012 年、2013—2017 年、2018—2022 年，前三次表现为先上升后下降，第四次为上升阶段。在此期间，农业资源配置效率从2001年的1.05增长到2022年的1.1，年均增长率为0.258%。从发展历程来看，农业资源配置效率在2001—2003 年出现了小幅提升，主要原因在于我国于2001 年加入了WTO，农业出口实现了持续快速增长和全面发展，这在一定程度上优化了农业资源配置，提升了农业资源配置效率。2006 年我国全面取消了农业税、特产税和各种附加费，减轻了农民负担，进一步释放了农业生产力，提升了农业资源配置效率。在样本期内，农业资源配置效率提升幅度较大的是2015 年和2016 年，这源于我国的农业供给侧结构性改革，完善市场配置机制，保障农产品的有效供给，增加了农民收入，推进农业资源配置效率的提升。从地区来看，农业资源配置效率呈现东部地区高、中西部地区低的分布特征。

3 农业资源配置效率的演变趋势分析

图1展示了农业资源配置效率的演变趋势。

图1 农业资源配置效率的演变趋势

（1）农业资源配置效率的总体演变趋势

图1（a）展示了我国农业资源配置效率总体基尼系数的变化情况。农业资源配置效率的总体空间差异表现出波动上升的趋势，从2001 年的0.05 增长到2021 年的0.084，最高于2022年达到0.091，年均增幅达到2.76%。

（2）农业资源配置效率的区域内差异

图1（b）展示了我国农业资源配置效率的区域内基尼系数，四大地区农业资源配置效率差异明显，主要体现在：不同地区内差异较大，东部地区农业资源配置效率的不均衡现象最为突出，基尼系数远高于其他三个地区，四大地区的基尼系数在2017 年以后都出现了不同程度的上升，空间差异变大；在变动趋势上，全国整体基尼系数与农业资源配置效率的变化态势一致，说明农业资源配置效率提升会带来空间发展上的差异，尤其是东部地区经济发达，农业资源配置的体制、机制灵活多变，农业资源配置的效率高于其他地区，空间差异也更明显。

（3）农业资源配置效率的区域间差异

图1（c）展示了我国农业资源配置效率的四大地区间基尼系数，差异最大的为东部地区与中部地区，其地区间基尼系数均值为0.094；西部地区与东北地区之间农业资源配置效率的差异最小，其地区间基尼系数均值为0.024；东部地区与中部地区的区域间差异、东部地区与西部地区的区域间差异、东部地区与东北地区的区域间差异远高于其他地区间的差异。从演变过程来看，区域间差异不断扩大，东部地区与中部地区的差异最大，基尼系数增长最快，而基尼系数增长较慢的是中部地区与西部地区。

（4）农业资源配置效率空间差异来源

图1（d）展示了我国农业资源配置效率空间差异来源，从贡献率大小来看，从高到低依次为区域间贡献率（64.2%）＞区域内贡献率（25.6%）＞超变密度的贡献率（10.2%）；从演变过程来看，区域内贡献率与超变密度的贡献率总体呈下降态势，区域间贡献率不断增长。从区域内来看，东部地区的贡献率最大，东北地区的贡献率最小，中西部地区的贡献率呈下降态势；从区域间来看，东部地区与西部地区之间的差异贡献率增长最快，年均增长率为0.827%，其次为东部地区与东北地区，年均增长率为0.56%，中部地区与西部地区、中部地区与东北地区间贡献率呈下降态势。

4 农业资源配置效率的Markov链分析

4.1 传统Markov链分析

根据前文对农业资源配置效率测算的得分，将我国31 个省份划分为低水平（25%以下）、中低水平（26%～50%）、中高水平（51%～75%）、高水平（75%以上）四种类型。计算在2001—2022 年农业资源配置效率状态在每1年、2 年、3 年、4 年和5 年的转移情况，并生成相应的马尔可夫转移矩阵，如表2所示。

表2 农业资源配置效率的传统Markov转移概率矩阵

可以看出：（1）各省份的农业资源配置效率保持平稳变化。在各个时间段内，对角线上的数值大于非对角线上的数值，除了T=5 时的中低水平，其他对角线值均大于0.5，最大值为0.9034，这说明我国各省份农业资源配置效率的发展趋势相对稳定，不同水平的省份之间发生转移的概率较小；随着时间的推移，对角线上的数值有所下降，说明我国各省份维持农业资源配置效率不变的能力有所降低。（2）我国各省份农业资源配置效率跨类型转移的概率较小，各省份之间的状态转移通常发生在相邻类型之间；各水平的转移概率均小于0.045，表明各省份农业资源配置效率水平的转移速度较慢，几乎不太可能实现跨越式增长；对角线相邻两侧的数值较大，这进一步证明了我国农业资源配置效率不会出现跨类型转移。（3）观察表2 中连续两个效率类型之间相互转化的概率可以看出，农业资源配置效率从低到高转化的概率大于从高到低转化的概率，这也进一步说明我国农业资源配置效率的总体趋势是逐步提高的。

4.2 空间Markov链分析

在传统马尔可夫概率转移矩阵的基础上，本文引入地理空间因素，将空间邻接权重纳入时间跨度的趋势分析，并构建空间马尔可夫概率转移矩阵，结果如表3所示。

表3 农业资源配置效率的空间Markov概率转移矩阵

由表3可知，除了T=3时低水平的中低、中高水平，T=5 时低水平的低、中低、中高水平和中低水平的中高水平外，对角线上的数值都远高于其他位置的数值，这说明在考虑空间因素和时间跨度的前提下，各省份农业资源配置效率具有较大概率保持当前状态。对比T=1、3、5 时的转移概率结果，对角线上的概率值依次降低，即随着时间跨度的延长，空间效应会进一步减弱，即较高水平的相邻省份对于本省的推动作用会减弱。在考虑时间跨度的基础上，各省份的农业资源配置效率也不太可能实现跨类型提升。

5 农业资源配置效率时空演进的驱动因子分解

在考虑农业资源配置效率的影响因子时，需要考虑市场配置和政府引导，从社会经济视角进行内、外两个方面的分析。内部影响因子包括乡村人口、耕地面积、个人投资，分别采用乡村人口数量、农作物总播种面积、农村居民个人固定资产投资完成额表示。外部影响因子包括科技进步、市场配置、政府引导、交通运输、信息服务，科技进步采用农用机械总动力、农村用电量、农用化肥施用量、农用塑料薄膜使用量、农药使用量表示；市场配置采用农产品生产价格总指数、农业生产资料价格指数表示；政府引导采用农业综合开发项目投入、耕地占用税、农林水事务支出表示；交通运输采用客运量、货运量表示；信息服务采用邮政业务总量、电信业务总量表示。上述指标均采用主成分分析法进行降维处理，采用地理探测器进行因子分析，结果如表4所示。

表4 农业资源配置效率时空演进的驱动因子分解

从全国范围来看，耕地面积、科技进步是影响我国农业资源配置效率的关键因素，在东中部地区尤为明显；政府引导在西部和东北地区的影响力更大；在经济发达的东部地区，市场配置能够发挥基础性作用，交通运输、信息服务能够有效发挥运输农业资源、传递农业信息的服务；在经济相对欠发达的中部、西部和东北地区，政府引导则是影响农业资源配置的重要因素，市场配置相对滞后，交通运输、信息服务则不能有效发挥基础设施的功能，其他资源得不到有效配置。为了进一步分析农业资源配置效率的时空演进中双因子的交互作用，采用地理探测器对其叠加效应进行定量分析，其交互作用均为非线性加强或双因子加强，结果如表5所示。

表5 农业资源配置效率时空演进中的双因子交互作用

由表5 可知，从全国范围来看，在所有影响因子中乡村人口与信息服务交互作用的q 值较高，为0.6259；耕地面积与科技进步交互作用的q 值为0.7105，高于其他因子；乡村人口、耕地面积、个人投资与其他因子交互作用的q值高于其他因子，这三个因子平均贡献率从高到低依次为东北地区＞东部地区＞中部地区＞全国＞西部地区，说明耕地面积、乡村人口、个人投资是农业资源配置效率演进的关键驱动因素。从四大地区来看（过程略），东部地区的市场配置与其他因子的交互作用较高，为0.404，东北地区为0.402，中部地区为0.393，西部地区为0.142，这说明市场配置的基础性作用与经济发展水平有关。

6 结论

（1）农业资源配置效率发展不均衡。农业资源配置效率在2001—2022 年波动上升，东、中、西部和东北四大地区农业资源配置效率、波动范围均呈现东部地区高、中西部地区低的分布特征，农业资源配置效率的提升空间较大，尤其是中西部地区。

（2）农业资源配置效率的区域间、区域内差异明显。我国农业资源配置效率的总体空间差异出现了在波动中上升的趋势，东、中、西部和东北四大地区农业资源配置效率差异分级明显，呈现典型的东—中—西—东北四级落差特征；地区内差异明显，东-中、东-西、东-东北三个区域间差异远高于其他区域间的差异。

（3）农业资源配置效率区域差异相对稳定。各省份农业资源配置效率发展趋势较为稳定，不同水平的省份之间农业资源配置效率实现等级跃迁的难度较大。随着时间的推移，各省份维持农业资源配置效率原状的能力有所降低，农业资源配置效率的收敛趋势在不断减弱，而流动性开始逐渐提升，农业资源配置效率仍然倾向于维持在当前状态。

（4）不同影响因素在不同区域发挥的作用也不同。农业资源配置效率的影响因素是耕地面积、劳动力、科技进步，在经济发达的东部地区，市场配置能够发挥基础性作用，交通运输、信息服务能够有效发挥运输农业资源、传递农业信息的服务；在经济相对欠发达的中部、西部、东北地区，政府引导则是影响农业资源配置的重要因素，市场配置相对滞后，交通运输、信息服务则不能有效发挥基础设施的功能，其他资源得不到有效配置。