长江经济带农业绿色增长的时空格局及影响因素研究*

丘雯文, 钟涨宝, 田文文

长江经济带农业绿色增长的时空格局及影响因素研究*

丘雯文1,2, 钟涨宝2**, 田文文2

(1. 华中农业大学经济管理学院 武汉 430070; 2. 华中农业大学农村社会建设与管理研究中心 武汉 430070)

加快发展方式转变, 促进农业绿色增长是缓解农业污染、提高农业效率的重要举措。长江经济带是我国重要的农业生产区域和产粮基地, 为科学分析长江经济带农业绿色经济增长水平及其影响因素, 本文采用能值方法定量研究了2003—2017年长江经济带农业绿色生产总值。在此基础上, 利用空间计量经济模型分析其时空格局与影响因素。结果表明: 1) 2003—2017年长江经济带农业绿色生产总值总体稳定上升, 且增幅小于农业传统生产总值, 农业绿色生产总值占农业传统生产总值的比重呈下降趋势。2)长江经济带农业绿色生产总值的区域差异明显, 其空间格局仍未改变传统经济增长东部高、西部低的空间分布特征。3)长江经济带农业绿色增长在全局上具有显著的空间集聚特征, 但这种集聚效应呈逐步减弱趋势。4)经济发展水平、科技创新能力、基础设施投资、劳动力素质和农业政策五大因素对本地区农业绿色增长产生正向影响; 科技创新能力、基础设施投资对周边地区农业绿色增长产生积极作用。总体上看, 长江经济带农业绿色生产总值稳定上升, 且呈现“东部高、西部低”的空间分布特征; 经济发展水平、科技创新能力等5大因素综合驱动该时期农业绿色增长的时空变化。

农业绿色增长; 能值分析法; 农业绿色生产总值; 空间计量模型; 长江经济带

改革开放以来, 中国农业与农村经济发展成绩显著, 尤其在进入新世纪后, 随着农村体制改革的持续推进, 以及农地产权制度改革、统筹城乡发展等一系列重大措施的施行, 农业经济发展不断迈上新的台阶[1]。然而在农业快速发展的过程中, 粗放式的发展方式并未得到根本转变, 长期影响农业与农村发展的高污染、低效率等问题依然普遍存在, 农业经济的可持续增长受到了严重威胁[2]。加快发展方式转变, 促进农业绿色增长成为缓解农业污染、提高农业效率的一项重要举措[3-4], 其现状及实现路径等备受关注。

科学评价农业绿色增长水平是促进农业发展绿色转型的基础性工作, 指标选择与评价方法是其核心环节。现有研究多是在分析农业绿色生产总值内涵的基础上, 基于数据的可获取性, 从不同层面选择指标, 设计一套核算体系, 对农业绿色增长水平进行综合评价[5-7]; 核算体系的构建着重强调了在农业传统生产总值中扣除环境损耗、自然资源消耗等价值, 以增强评价结果的全面性和客观性。Nordhaus等[8]利用净经济福利指标(NEW)核算了城市污染、交通拥堵等行为的社会成本, 以及公益活动、休闲娱乐等行为的社会价值; Daly等[9]构建了可持续经济福利指标(ISEW), 分析了环境破坏、自然资产折旧、防护支出等成本; 由联合国、世界银行等5个国际机构发布的《综合环境与经济核算手册》(SEEA), 考虑了自然资源消耗与环境损耗成本, 并将其作为经济活动的生产成本(中间消耗), 提供了连接实物核算与货币核算的桥梁[10]; 王立彦[11]提出了“环境—经济”核算模式, 将环境保护、环境恢复、环境损失账户与传统经济核算账户进行了联系; 雷明[12]提出了中国环境经济综合核算矩阵, 探索了资源枯竭、生态系统破坏、自然资产退化等因素。关于农业绿色生产总值的核算, 学者们主要以生态系统为中心构建分析框架。陈源泉等[5]基于农业生态系统服务价值理论提出了农业绿色生产总值核算, 同时考虑了农业生态系统产生的服务价值与环境代价; 程莹莹等[13]基于环境经济学的相关理论, 量化分析了农业绿色生产总值的正外部性与负外部性; 李兆亮等[7]根据农业生态经济系统的能量流动, 将可再生资源、不可再生资源以及环境代价从传统农业生产总值中剥离出来。现有研究极大地丰富了对农业绿色增长现状及其驱动机理的认识, 但不难发现, 由于研究区域的差别和数据可得性的影响, 方法与指标的选取往往存在较大差异, 研究结果的可比性也相对较弱。同时, 在探讨驱动因素时, 多数研究所采用的经典计量模型仍建立在空间均质或独立的假设上, 并未考虑空间相关因素产生的影响, 因而也容易导致研究结论出现偏差。而能值分析法则基于能量守恒定理, 可以将生态经济系统中原本不同种类、不同质量、不可比较的能量投入转换成统一的衡量标准——能值, 能较好地实现资源、环境因素与传统经济核算体系相统一。使评价更加科学, 也能有效增强评价结果的可比性。

长江经济带是我国重要的农业生产区域和产粮基地[14]。中央政府历来重视长江经济带的农业发展, 在《国务院关于依托黄金水道推动长江经济带发展的指导意见》中明确指出, 要提升长江经济带现代农业和特色农业的发展水平, 持续增强区域现代农业发展优势, 为长江经济带农业新一轮的快速发展提供了良好机遇。然而, 从长远来看, 资源和环境的约束仍然是未来长期制约长江经济带产业发展的重要瓶颈[15]。因此, 对于长江经济带各省区来说, 加快实现农业的转型升级对破除其资源环境约束, 实现农业可持续发展具有重要的现实意义。

综上所述, 本文以长江经济带为研究区域, 在充分考虑农业生态经济系统特征的基础上, 采用能值分析法定量分析长江经济带农业绿色经济增长水平, 并利用探索性空间分析方法研究其时空格局, 在此基础上, 选择空间计量分析方法分析其影响因素, 旨在为相关研究提供新的思路与方法, 也能为准确把握长江经济带农业绿色增长的现实格局、科学制定区域农业转型发展对策等提供有益的参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 农业绿色生产总值计算方法

利用能值分析方法计算长江经济带各省份的农业绿色生产总值。核算步骤如下:

1)对原始数据进行搜集与分类, 包括自然环境数据(太阳能辐射量、降雨量、土地面积、土壤侵蚀率等)、农业投入数据(煤炭、柴油、汽油、电力、化肥、种子、有机肥、饲料、畜力、人力等)、农业产出数据(粮食、豆类、油料、蔬菜、水果、肉类等)等。

2)通过确定农业生态经济系统主要的物质流、能量流与经济流, 编制能值系统分析表。根据农业生态经济系统的投入产出特征, 本研究主要考虑6类能值指标(表1), 各指标间的流动关系如图1所示。

3)采用能值转换率(单位能量或物质所含有的太阳能值量, 单位为sej∙kg-1、sej∙L-1或sej∙J-1), 将农业生态经济系统各类物质折算成统一单位的能值, 具体计算公式[16-17]为:

E=Q´S(1)

式中:为第种能量流,为太阳能值,为物质所含能量,为能值转换率。

进一步地, 利用能值-货币比率(单位货币对应的能值量, 即能值总量/当年生产总值的比值, 单位为sej·¥-1), 折算出各项能值的货币价值量[16], 具体计算公式[16-17]为:

EV=E´R(2)

式中: EV为能值-货币价值(也称为宏观经济价值),为能值-货币比率。

能值转换率、能值-货币比率等能值转换系数主要来源于《农业技术经济手册》与《农业生态学》[18-19]。

4)根据转换后的宏观经济价值数据, 核算研究区域的农业绿色生产总值。具体计算公式为:

农业绿色生产总值 = 农业传统生产总值 –––(3)

式中: 农业传统生产总值是一定时期内农业生产总值扣除中间消耗后获得的经济成果;、、分别为不可更新自然资源、不可更新工业辅助能、废弃物所对应的能值-货币价值(能值对应的市场货币价值, 即以能值来衡量的经济价值量)之和[7,17,20]。

表1 长江经济带农业生态经济系统能值分析指标

图1 长江经济带农业生态经济系统能值流动示意图

1.1.2 农业绿色增长空间格局分析方法

通过探索性空间分析方法(exploratory spatial data analysis, ESDA)对长江经济带农业绿色增长的空间格局进行描述。ESDA方法以空间相关分析为核心, 用于描述变量的空间关联(spatial association)与空间异质(spatial heterogeneity)特征, 主要包含全局性的空间自相关分析与局部的空间自相关分析[23]。

首先, 通过Moran’s指数分析长江经济带农业绿色增长的全局自相关特征。Moran’s指数的取值范围为[-1, 1]。其中, 取值为[-1, 0)时, 表示相邻省份存在空间负相关; 取值为(0, 1]时, 表示相邻省份存在空间正相关; 取值为0时, 表示各省份之间呈分散格局[23]。具体计算方法如下:

用标准化统计量来检验Moran’s的显著性水平, 计算公式为:

式中:()与VAR()分别为Moran’s的期望值与方差。通常, 当||>1.96, 则计算结果在显著性=0.05的水平上拒绝零假设, 研究对象在空间分布上存在显著的空间关联。

进一步地, 采用Moran散点图探索长江经济带农业绿色增长水平的局部空间自相关特征, 以考察各省份与其相邻省份的空间集聚情况。位于散点图第1至第4象限的省份所呈现的空间关系分别为“高—高” “低—高” “低—低” “高—低”分布[23]。

1.1.3 农业绿色增长影响因素的分析方法

1)模型构建。采用空间杜宾模型(spatial Durbin model, SDM)分析长江经济带农业绿色增长的影响因素[24]。现实中, 地区农业绿色增长水平可能受到临近地区农业绿色增长水平影响, 同时也会受到本地区和邻近地区的其他影响因素的关联与波及。因此, 有必要在传统测量模型的基础上充分考虑空间关联属性。SDM同时包含了自变量和因变量的空间交互效应, 既能分析自变量对本地区因变量的直接作用, 也能解释相邻地区自变量与因变量对本地区因变量的间接效应[25]。因此, SDM适合于本文对长江经济带农业绿色增长的研究。具体表达式[24]为:

式中:表示农业绿色生产总值;为回归系数;为空间权重矩阵;为自变量, 即影响农业绿色生产总值的因素;×为农业绿色生产总值的滞后项;×为农业绿色生产总值影响因素的滞后项;为研究单元;为时间变量;为随机扰动项;u表示空间固定效应,u表示时间固定效应,u与u均不存在则为随机效应。固定效应与随机效应可由Hausman检验进行判定。在进行模型估计时, 需通过Wald检验和LR检验判定SDM模型的具体形式[24]。

SDM的回归系数不能直接表达解释变量对因变量作用程度, 而需要利用偏微分形式进行转换[26], 具体将式(6)转化为:

式中:表示单位矩阵。

因变量关于第个自变量的偏微分方程矩阵为:

式中: 对角线元素的均值为直接效应, 反映自变量对本地因变量的直接作用; 非对角线元素的均值为间接效应, 反映周边地区自变量对本地因变量的影响; 总效应为直接效应与间接效应之和;为第个研究单元。

2)变量说明。一般而言, 农业绿色增长会受到经济发展水平、劳动力素质等方面因素的影响, 参考相关研究成果[7,27-28], 本文选取以下6个方面进行研究。同时, 为消除异方差影响, 对相关数据作取对数处理。模型中各自变量假设如下:

经济发展水平(PGDP): 以人均GDP表示。一般而言, 经济发展水平高的地区污染治理资金会更加充裕, 环境质量也能得到一定的改善; 同时, 当经济发展较低时, 追求经济总量的目标也会导致更多污染排放[29], 不利于农业绿色增长。因而, 需要考虑经济发展水平对现阶段长江经济带农业绿色增长的实际影响。

农业科技创新能力(CRE): 采用农业科研投资表示。农业科研投资量一定程度上体现了一个地区农业科技创新能力[30]。一般而言, 科技创新能力越高的地区, 其绿色、高效农业技术成果的产出数量也就越高, 有利于区域农业污染排放的整体下降和农业产出的增加, 对农业绿色增长起到较强促进作用。

农村基础设施投资(INV): 改善农村水利、交通、教育等基础设施可以提升农业综合生产能力和农业的产出水平[31-32]; 同时, 完善的农村基础设施也有助于现代农业技术的推广与应用, 提升农业绿色增长水平。

劳动力素质(PIR): 衡量指标为农村高中文化程度以上人口比重。一般而言, 农业劳动力素质越高, 其环保意识就越强[33-34], 因而将对农业绿色增长起到积极作用。

抗灾能力(DIS): 农业生产受自然灾害影响容易造成经济损失, 抗灾能力可以体现地区农业生产管理水平与环境支撑能力, 因此, 抗灾能力越强的地区, 其农业绿色增长水平可能相对较强[35]。研究使用农业受灾面积减去成灾面积的差与农业受灾面积的比重作为抗灾能力的衡量指标[36]。

农业政策(AP): 近年来, 陆续出台的取消农业税、粮食直补、增加农业财政支出等农业政策对长江经济带农业发展至关重要。其中, 农业财政支出政策主要包括对生产资料生产者进行税收优惠的间接补贴以及对农民进行生产资料购买等直接补贴等, 是各地区农业政策扶持的重要反映。因此, 研究使用农业财政支出与总财政支出的比重表征农业政策[37]。

1.2 数据来源

基于数据可得性, 本文主要研究近15年(2003— 2017年)的农业绿色增长情况, 覆盖长江经济带11个省(市、自治区)。在实际测算时, 为消除年际间物价上涨与通货膨胀的影响, 均以2003年为基准年, 利用平减指数对相关数据进行转换处理。其中, 社会经济数据主要来源于《中国统计年鉴》与长江经济带各省份的统计年鉴, 农业绿色生产总值核算及分析的数据主要来源于《中国农村统计年鉴》、《中国环境统计年鉴》、《中国财政年鉴》、《全国农业科技统计资料汇编》, 各地气候数据主要来源于中国气象科学数据共享服务网(http://data.cma.cn/)。

2 结果与分析

2.1 农业绿色生产总值的时序变化

根据能值分析方法, 研究量化了不可更新自然资源、不可更新工业辅助能、废弃物等类别对应的货币量, 并按照式(1)-(3)逐年核算长江经济带各省份的农业绿色生产总值。为消除各省份人口规模的影响, 研究将农业绿色生产总值(2003年可比价)除以对应年份的农业人口数, 得到本文分析农业绿色增长水平所用的人均农业绿色生产总值。从图2可以看出, 长江经济带农业绿色经济增长水平总体较高, 且在研究时段内呈稳定上升趋势, 人均农业绿色生产总值由2003年的0.51万元上升到2017年的1.33万元, 年均增长率7.02%, 低于人均传统农业生产总值年均增长率的8.35%。考虑资源环境成本和农业生态服务价值后人均农业生产总值增速出现下降, 长江经济带在农业发展中还存在一定的资源环境损耗, 忽略环境成本和农业生态服务价值会造成对区域农业绿色增长水平的衡量出现偏差。

图2 2003—2017年长江经济带农业绿色生产总值与农业传统生产总值变化趋势

L1: 人均农业绿色生产总值; L2: 人均农业传统生产总值; L3: 农业绿色产值占农业传统产值比重。L1: agriculture green production value per capita; L2: agriculture tradition production value per capita; L3: green agriculture production value / traditional agriculture production value.

研究期内, 长江经济带农业绿色生产总值占传统生产总值的比重一直保持在83%~93%, 且呈下降趋势(图2), 说明近年来, 长江经济带农业增长中资源环境成本有所增加, 且这一成本增加的幅度高于农业生态服务价值的增幅。近年来, 国家不断加大对农业生产的投入, 有效促进了农业生产效率和农业产出的提高, 但由于部分地区的农业发展方式依然粗放, 农业增长中的资源环境成本仍未得到有效控制, 尤其是农药、化肥等农业化学品投入的大幅增加更是加剧了农业污染的排放, 使得农业绿色生产总值增幅相对趋缓。这也与李兆亮等[7]的研究结果相一致。

2.2 农业绿色增长的空间格局

农业发展具有明显的空间特征, 本文借鉴刘永强等[38]的研究, 结合长江经济带农业经济特征和行政区划, 将长江经济带划分为3个区域: 长江上游经济带(包括云南、贵州、四川、重庆)、长江中游经济带(包括湖北、湖南、江西)和长江下游经济带(包括安徽、江苏、浙江、上海)。长江经济带的进一步划分有利于估计经济发展水平与农业生态特征的差异性, 应用于研究区域的选择和分析地域差异的影响[3]。依照农业绿色生产总值的核算框架, 分别汇总3个区域2003—2017年的人均农业绿色生产总值(图3)。

从图3可知, 长江经济带各区域的人均农业绿色生产总值变化存在明显差异, 且同一区域不同时段的农业绿色增长水平也表现出波动变化特征。从3大区域人均农业绿色生产总值看, 长江下游经济带农业绿色增长水平最高, 多年人均农业绿色生产总值的均值为1.45万元; 长江中游经济带次之, 其人均农业绿色生产总值均值为0.88万元; 而长江上游经济带则相对较低, 人均农业绿色生产总值均值仅为0.63万元。

总体而言, 长江经济带农业绿色增长的空间格局仍未改变传统农业增长所呈现的西部低、东部高的空间分布特征。可能的原因是长江中下游地区经济发达, 技术先进, 具有较高资源利用效率的同时也在一定程度上控制了污染排放; 而长江上游地区地处我国西部, 经济发展相对落后, 追求经济总量的目标使其农业增长更加依赖于资源环境的消耗[39], 农业绿色增长水平依然整体落后于东部。

2.3 农业绿色增长的空间自相关分析

表2列出了2003—2017年长江经济带人均农业绿色生产总值全局Moran’s指数的计算结果。由表2可知, 多数年份的人均农业绿色生产总值在全局上均表现为显著的空间正相关关系, 表明长江经济带农业绿色增长在空间上并非随机分布, 而是处于集聚的态势, 具体体现在农业绿色增长水平高值地区与高值地区相邻, 或低值地区与相对低值地区相邻的空间结构。Moran’s值一直保持在0.42左右, 表明长江经济带农业绿色增长的空间特性较为稳定。从变化趋势上看, Moran’s值随时间变化波动下降, 数值由2003年的0.433下降至2017年的0.399, 表明长江经济带农业绿色增长的空间集聚效应逐渐减弱, 空间差异有所增大。现实中, 具有雄厚经济实力的东部发达地区, 会通过增加技术投入极大地提升农业产出和污染防治水平, 使得农业绿色增长水平高与增长水平低的地区差距进一步加大, 产生强者愈强, 弱者愈弱的“马太效应”。这是长江经济带农业绿色增长水平空间差异增大的一个可能原因。

图3 2003—2017年长江经济带各区域农业绿色生产总值变化趋势

进一步观察长江经济带农业绿色增长的空间集聚特征, 分别绘制2003年和2017年各省份人均农业绿色生产总值的Moran散点图(图4)。2003年, 长江经济带的11个省份中有9个位于第1、3象限, 表明多数地区的农业绿色经济增长存在空间正相关, 其余2个位于第2、4象限的省份则表现出空间负相关的特征; 而到2017年, 位于第1、3象限的省份下降为6个, 说明同类型增长水平的集聚程度有所减小; 同时, 位于第2、4象限的5个省份表现出的空间负相关特征, 在一定程度上佐证了农业绿色增长水平空间差异上升的变化规律。

表2 2003—2017年长江经济带农业绿色生产总值的全局空间自相关

图4 2003年(a)和2017年(b)长江经济带农业绿色生产总值的Moran散点图

2.4 农业绿色增长影响因素的空间计量分析

选取2003—2017年长江经济带11个省份面板数据为样本进行空间计量分析, 并采用极大似然法(ML)进行SDM估算。首先使用Hausman检验判断选择固定效应还是随机效应模型, 结果表明模型支持选择随机效应模型, 且从2和极大似然值比较来看, 空间随机效应模型拟合度最优, 所以选择空间随机效应的SDM进行分析。由表3的回归结果可知, Wald值与LR值均在1%水平下显著, 拒绝了=0和´0假设, 因此, SDM为最优模型。在空间效应SDM下,值为-0.807, 且在1%水平下显著, 表明人均农业绿色生产总值具有较为明显的空间异质性, 与前文空间相关性的分析结果相一致。

表3 长江经济带农业绿色生产总值空间计量模型估计结果

PGDP: 经济发展水平; CRE: 农业科技创新能力; INV: 农村基础设施投资; PIR: 劳动力素质; DIS: 抗灾能力; AP: 农业政策;: 空间滞后项;: 滞后项系数;2: 决定系数; LogL: 似然比; LM-error:拉格朗日乘子误差; LM-lag:拉格朗日乘子滞后; LR-error: 似然比误差; LR-lag: 似然比滞后; Wald-error: Wald误差; Wald-lag: Wald滞后。***、**和*分别表示1%、5%和10%水平显著。PGDP: economic development level; CRE: scientific and technological innovation ability; INV: agricultural infrastructure investment; PIR: quality of labor force; DIS: disaster resistance capacity; AP: agricultural policy;: spatial lag term;: parameter of spatial lag term;2: coefficient of determination; LogL: log likelihood; LM-error: Lagrange multiplier error; LM-lag: Lagrange multiplier lag; LR-error: likelihood ratio-error; LR-lag: likelihood ratio-lag; Wald-error: Wald error test; Wald-lag: Wald lag test. ***, ** and * respectively represent the significance level test by 1%, 5% and 10%.

模型中自变量对因变量的影响并不能由模型估计系数直接反映, 需要按照式(7)-(8)对SDM各变量的作用效果进行效应分解, 结果如表4所示。可以看出, 在SDM总效应中, 除抗灾能力外, 其余影响因素均通过了显著性检验, 表明经济发展水平、科技创新能力、农业基础设施投资、劳动力素质和农业政策对农业绿色增长水平变化具有显著影响。

经济发展水平对农业发展绿色增长产生显著的正向影响, 且变化弹性最大。直接效应为正, 说明经济发展速度的加快促进了农业绿色增长, 二者呈正相关关系, 与预期相符; 间接效应为正但不显著, 表明邻近省份加速经济增长促进农业绿色发展效果较好, 虽然对本地区农业发展增长做出了示范, 但由于省域间经济发展水平存在较大差距, 因而限制了这种效应对周边地区的影响程度。

增强科技创新能力对农业绿色增长水平变化具有显著正总效应, 且直接效应与间接效应均为正向, 且显著性程度相对较高。直接效应为正且显著, 说明本地区科技创新能力的提升有效促进了区域农业发展绿色增长。更高的科技创新水平具有更多的绿色、环保技术成果的产出, 有利于其改善农业生产的技术与管理水平, 从而对农业发展绿色增长起到了较强的推动效果; 间接效应为正, 表明提升科技创新能力这种主要依赖于政府的经济发展行为在地区间具有较强的溢出效应, 当本地区采用创新驱动农业发展增长方式时, 由于其效果明显, 周边地区会采取“看中学”模式促进自身农业绿色生产总值增长。

基础设施投资对农业绿色增长水平的影响为正显著效应, 其直接效应与间接效应也均同样为正。直接效应为正, 说明基础设施投资提高了农业生产能力与产出水平, 因而促进了现代农业技术的推广与普及, 带来农业绿色增长水平的提升; 间接效应为正且高于直接效应, 表示增加农村基础设施投资驱动农业绿色增长的策略在长江经济带省域间产生了良好的示范作用, 本地区能借鉴周边地区成功的增长经验, 通过加大基础设施投资实现更快的农业转型。

劳动力素质对农业绿色增长水平的直接效应、间接效应和总效应分别为0.228、0.240和0.468, 但间接效应并不显著。这表明区域人力资本水平的上升会对本地区农业绿色增长产生一定的驱动作用, 同时也对相邻地区产生一定的示范作用。但农业劳动力流动性较弱的特性致使这种作用总体上并不明显。

农业政策的直接效应、总效应均正向显著影响农业绿色增长, 间接效应为正, 但并不显著。表明政府出台的农业支持政策对地区农业绿色生产水平的提高具有较强的推动作用, 对相邻地区的促进效果并不明显。

抗灾能力对农业绿色增长水平的直接效应、间接效应和总效应均不显著, 表明抗灾能力的提升虽有助于稳定农业产出, 但对农业绿色增长水平的作用相对有限。

表4 长江经济带农业绿色生产总值各影响因素的直接效应、间接效应和总效应检验结果

PGDP: 经济发展水平; CRE: 农业科技创新能力; INV: 农村基础设施投资; PIR: 劳动力素质; DIS: 抗灾能力; AP: 农业政策。***、**和*分别表示1%、5%和10%水平显著。PGDP: economic development level; CRE: scientific and technological innovation ability; INV: agricultural infrastructure investment; PIR: quality of labor force; DIS: disaster resistance capacity; AP: agricultural policy. ***, ** and * respectively represent the significance level test by 1%, 5% and 10%.

3 讨论与结论

3.1 讨论

加快发展方式转变, 促进农业绿色增长是缓解农业污染、提高农业效率的重要举措。长江经济带是我国重要的农业生产区域和产粮基地, 对长江经济带农业绿色生产总值的时空格局及其影响因素进行分析, 可以为准确把握长江经济带农业绿色增长的现实格局、科学制定区域农业转型发展对策等提供有益的参考。相比以往研究, 本文在以下两个方面得到深化:

1)目前针对绿色生产总值评价方法缺乏统一计量单位和可计量货币价格, 核算过程中对并不具备市场价值的环境资源资产(如: 空气、水等)的真实价值难以准确衡量, 导致评价结果存在一定偏差。本文采用能值分析方法, 通过能值转化率这一度量标准将农业经济系统内部流动和储存的各种不同类别的能量物质转化成统一的能值量纲进行研究, 可以有效弥补传统分析方法的不足。

2)采用空间计量经济模型分析影响长江经济带农业绿色经济增长的主要因素, 充分考虑了空间相关因素的影响, 弥补了现有研究所采用的经典计量模型建立在空间均质或独立的假设上的不足, 使研究结果更加符合客观事实, 也进一步丰富了对农业绿色增长影响机理的理论研究。

本文以农业绿色生产总值表示扣除了资源环境成本后的农业产值, 重在突出资源环境成本对农业直接产出的影响, 而实际上, 农业生态系统本身还具有重要的生态服务功能, 生态服务价值这一间接产出尚未考虑在本文的研究范围之内, 这将是今后进一步研究的重点之一。并且, 农业绿色经济增长是一个复杂过程, 其变化还会受到地区间诸如资源禀赋条件、农业内部结构等多方面初始条件差异的影响, 考虑了资源环境成本的农业绿色经济增长在这些初始条件的限制下又会呈现怎样的变化规律？这也是下一步需要继续研究的内容。

3.2 结论

1)2003—2017年, 长江经济带农业绿色生产总值总体稳定上升, 且增幅小于农业传统生产总值, 农业绿色生产总值占农业传统生产总值的比重呈下降趋势。

2)长江经济带农业绿色生产总值的区域差异明显, 其中, 长江下游经济带农业绿色增长水平较高, 长江中游次之, 长江上游经济带的农业绿色增长水平则相对较低。长江经济带农业绿色增长的空间格局仍未改变传统经济增长东部高、西部低的空间分布特征。

3)由空间自相关分析可知, 长江经济带农业绿色增长在全局上具有显著的空间集聚特征, 但这种集聚效应呈逐步减弱趋势。

4)经济发展水平、科技创新能力、基础设施投资、劳动力素质和农业政策均有助于本地区农业绿色增长水平的提升, 而抗灾能力的直接影响并不显著。同时, 农业绿色增长在空间上还存在较强的溢出效应, 即本地区农业绿色生产总值不仅受地区内部驱动因素的影响, 也与邻近地区的农业绿色增长存在较强的相关性。具体表现为科技创新能力、基础设施投资等因素对周边地区的农业绿色增长具有显著正向影响。

基于本文的主要结论, 得出如下启示:

1)2003年以来, 长江经济带多数地区农业绿色生产总值占农业生产总值比例呈现出不同程度的下降趋势, 表明当前长江经济带农业增长仍存在一定的效率低下、资源环境损耗加剧的现象, 其农业绿色增长水平还有较大的提升空间, 应在促进农业经济发展的同时, 注重资源的高效利用, 努力降低资源环境成本, 加快农业绿色增长。

2)长江经济带不同区域间农业绿色增长的差距明显, 且表现为与经济发展水平相类似的空间分布格局。长江中下游地区应通过调整农业生产布局、提升农业技术水平等手段在扩大高增长优势下, 进一步降低资源环境成本, 加速农业增长的绿色转型; 而长江上游欠发达地区则需继续加大对农业的扶持力度, 提升资源利用效率, 积极引进先进的农业生产技术, 在加快农业发展的同时更加注重资源环境的保护, 以适应农业发展绿色转型要求。

3)各因素对区域农业绿色增长的驱动程度差别较大, 制定农业绿色发展政策与措施应更具针对性, 不仅应明确各因素对本地区农业绿色生产总值的影响, 还应充分考虑到这些因素在空间上的交互作用。应通过增强科技创新能力、加大基础设施投资、提高劳动力素质等手段驱动本地区农业绿色增长的基础上, 对产业布局进行合理安排, 减少经济增长所引发的农业绿色增长空间竞争效应, 并且各地区还应加强交流与合作, 增强促进农业绿色增长的相关措施在地区间的示范效应。

[1] 黄季焜. 中国农业的过去和未来[J]. 管理世界, 2004, (3): 95–104 HUANG J K. The past and future of China’s agriculture[J]. Management World, 2004, (3): 95–104

[2] 盛来运, 付凌晖. 转型期农业发展对经济增长的影响[J]. 中国农村经济, 2014, (1): 4–12 SHENG L Y, FU L H. The impact of agricultural development on economic growth during the transition period[J]. Chinese Rural Economy, 2014, (1): 4–12

[3] 李谷成. 中国农业的绿色生产率革命: 1978—2008年[J]. 经济学(季刊), 2014, 13(2): 537–558 LI G C. The green productivity revolution of agriculture in China from 1978 to 2008[J]. China Economic Quarterly, 2014, 13(2): 537–558

[4] 吴传清, 董旭. 环境约束下长江经济带全要素能源效率研究[J]. 中国软科学, 2016, (3): 73–83 WU C Q, DONG X. Analysis on influencing factors of total factor energy efficiency in the Yangtze River Economic Belt under environmental constraints[J]. China Soft Science, 2016, (3): 73–83

[5] 陈源泉, 高旺盛. 基于农业生态服务价值的农业绿色GDP核算——以安塞县为例[J]. 生态学报, 2007, 27(1): 250–259 CHEN Y Q, GAO W S. Green accounting for agriculture production based on the value of agroecosystem services: A case study of Ansai County[J]. Acta Ecologica Sinica, 2007, 27(1): 250–259

[6] 陈梦根. 绿色GDP理论基础与核算思路探讨[J]. 中国人口·资源与环境, 2005, 15(1): 3–7 CHEN M G. A gross economic indicator under sustainable development: Green GDP[J]. China Population, Resources and Environment, 2005, 15(1): 3–7

[7] 李兆亮, 罗小锋, 张俊飚, 等. 基于能值的中国农业绿色经济增长与空间收敛[J]. 中国人口·资源与环境, 2016, 26(11): 150–159 LI Z L, LUO X F, ZHANG J B, et al. Green economy growth of agriculture and its spatial convergence in China based on energy analytic approach[J]. China Population, Resources and Environment, 2016, 26(11): 150–159

[8] NORDHAUS W D, TOBIN J. Economic research: retrospect and prospect[M]. Economic Growth. Cambridge: NBER, 1972: 1–80

[9] DALY H E, COBB J B JR. For the Common Good: Redirecting the Economy toward Community, the Environment, and a Sustainable Future[M]. Boston: Beacon Press, 1989: 401–455

[10] PALM V, LARSSON M. Economic instruments and the environmental accounts[J]. Ecological Economics, 2007, 61(4): 684–692

[11] 王立彦. 建立社会核算与国民经济核算的联系[J]. 经济科学, 1992, 14(5): 6–12 WANG L Y. Establishing links between social accounting and national economic accounting[J]. Economic Science, 1992, 14(5): 6–12

[12] 雷明. 中国环境经济综合核算[J]. 中国软科学, 1999, (11): 95–101 LEI M. Environment and economy synthesis accounts in China[J]. China Soft Science, 1999, (11): 95–101

[13] 程莹莹, 张开华. 农业绿色GDP测算方法初探和实证[J]. 中国科技论坛, 2013, (9): 128–132 CHENG Y Y, ZHANG K H. The abecedarian discussion and empirical analysis about green agricultural accounting[J]. Forum on Science and Technology in China, 2013, (9): 128–132

[14] 李裕瑞, 杨乾龙, 曹智. 长江经济带农业发展的现状特征与模式转型[J]. 地理科学进展, 2015, 34(11): 1458–1469 LI Y R, YANG Q L, CAO Z. Current status and pattern transformation of agricultural development in the Yangtze River Economic Belt[J]. Progress in Geography, 2015, 34(11): 1458–1469

[15] 王维, 张涛, 王晓伟, 等. 长江经济带城市生态承载力时空格局研究[J]. 长江流域资源与环境, 2017, 26(12): 1963–1971 WANG W, ZHANG T, WANG X W, et al. Spatial and temporal pattern of urban ecological carrying capacity in Yangtze River Economic Zone[J]. Resources and Environment in the Yangtze Basin, 2017, 26(12): 1963–1971

[16] 蓝盛芳, 钦佩. 生态系统的能值分析[J]. 应用生态学报, 2001, 12(1): 129–131 LAN S F, QIN P. Emergy analysis of ecosystems[J]. Chinese Journal of Applied Ecology, 2001, 12(1): 129–131

[17] ODUM H T. Environmental Accounting: Emergy and Environmental Decision Making[M]. New York: John Wiley & Soon, 1996: 163–168

[18] 《农业技术经济手册》编委会. 农业技术经济手册[M]. 北京: 农业出版社, 1983 ‘Handbook of Agricultural Technology Economic’ Editorial Board. Hand Book of Agricultural Technology Economic[M]. Beijing: Agriculture Press, 1983

[19] 陈阜. 农业生态学[M]. 北京: 中国农业大学出版社, 2004 CHEN F. Agricultural Ecology[M]. Beijing: China Agricultural University Press, 2004

[20] ULGIATI S, ODUM H T, BASTIANONI S. Emergy use, environmental loading and sustainability an emergy analysis of Italy[J]. Ecological Modelling, 1994, 73(3/4): 215–268

[21] 姚成胜, 黄琳, 吕晞, 等. 基于能值理论的中国耕地利用集约度时空变化分析[J]. 农业工程学报, 2014, 30(8): 1–12 YAO C S, HUANG L, LYU X, et al. Temporal and spatial change of cultivated land use intensity in China based on emergy theory[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(8): 1–12

[22] 丘雯文, 钟涨宝, 李兆亮, 等. 中国农业面源污染排放格局的时空特征[J]. 中国农业资源与区划, 2019, 40(1): 26–34 QIU W W, ZHONG Z B, LI Z L, et al. Spatial-temporal variations of agricultural non-point source pollution in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(1): 26–34

[23] ANSELIN L. Spatial Econometrics: Methods and Models[M]. Dordrecht, Netherlands: Springer, 1988

[24] PARENT O, LESAGE J P. Using the variance structure of the conditional autoregressive spatial specification to model knowledge spillovers[J]. Journal of Applied Econometrics, 2008, 23(2): 235–256

[25] LESAGE J P, SHENG Y X. A spatial econometric panel data examination of endogenous versus exogenous interaction in Chinese province-level patenting[J]. Journal of Geographical Systems, 2014, 16(3): 233–262

[26] LESAGE J P, CASHELL B A. A comparison of vector autoregressive forecasting performance: Spatial versus non-spatial Bayesian priors[J]. The Annals of Regional Science, 2015, 54(2): 533–560

[27] MUSVOTO C, NORTJE K. The socio-economic context of green economy implementation in the agriculture sector[M]//MUSVOTO C, NORTJE K, NAHMAN A, et al. Green Economy Implementation in the Agriculture Sector. Cham: Springer, 2018: 13–39

[28] SHEN Z Y, BALEŽENTIS T, CHEN X L, et al. Green growth and structural change in Chinese agricultural sector during 1997–2014[J]. China Economic Review, 2018, 51: 83–96

[29] 张可, 汪东芳. 经济集聚与环境污染的交互影响及空间溢出[J]. 中国工业经济, 2014, (6): 70–82 ZHANG K, WANG D F. The interaction and spatial spillover between agglomeration and pollution[J]. China Industrial Economics, 2014, (6): 70–82

[30] 黄季焜, 胡瑞法. 中国农业科研投资: 效益、利益分配及政策含义[J]. 中国软科学, 2000, (9): 21–24 HUANG J K, HU R F. China’s agricultural research investment: Return, welfare distribution and policy implications[J]. China Soft Science, 2000, (9): 21–24

[31] 陆铭, 向宽虎. 地理与服务业——内需是否会使城市体系分散化?[J]. 经济学(季刊), 2012, 11(3): 1079–1096 LU M, XIANG K H. Geography and service: Does domestic demand disperse China’s urban system?[J]. China Economic Quarterly, 2012, 11(3): 1079–1096

[32] 刘修岩. 空间效率与区域平衡: 对中国省级层面集聚效应的检验[J]. 世界经济, 2014, 37(1): 55–80 LIU X Y. Spatial efficiency and regional balance: An examination of the agglomeration effect at the provincial level in China[J]. The Journal of World Economy, 2014, 37(1): 55–80

[33] 黄炎忠, 罗小锋, 李兆亮. 我国农业绿色生产水平的时空差异及影响因素[J]. 中国农业大学学报, 2017, 22(9): 183–190 HUANG Y Z, LUO X F, LI Z L. Analysis on spatial-temporal differences and influence factors of agricultural green production level in China[J]. Journal of China Agricultural University, 2017, 22(9): 183–190

[34] ZIVIN J G, NEIDELL M. The impact of pollution on worker productivity[J]. American Economic Review, 2012, 102(7): 3652–3673

[35] RECHA C W, MUKOPI M N, OTIENO J O. Socio-economic determinants of adoption of rainwater harvesting and conservation techniques in semi-arid Tharaka sub-county, Kenya[J]. Land Degradation & Development, 2015, 26(7): 765–773

[36] 陈飞, 范庆泉, 高铁梅. 农业政策、粮食产量与粮食生产调整能力[J]. 经济研究, 2010, 45(11): 101–114 CHEN F, FAN Q Q, GAO T M. Agricultural policies, food production and food production-adjustment ability[J]. Economic Research Journal, 2010, 45(11): 101–114

[37] 胡川, 韦院英, 胡威. 农业政策、技术创新与农业碳排放的关系研究[J]. 农业经济问题, 2018, (9): 66–75 HU C, WEI Y Y, HU W. Research on the relationship between agricultural policy, technological innovation and agricultural carbon emissions[J]. Issues in Agricultural Economy, 2018, (9): 66–75

[38] 刘永强, 龙花楼. 长江中游经济带土地利用转型时空格局及其生态服务功能影响[J]. 经济地理, 2017, 37(11): 161–170 LIU Y Q, LONG H L. Study on the spatio-temporal patterns of land use transition and its impact on ecological service function of the middle of Yangtze River Economic Belt[J]. Economic Geography, 2017, 37(11): 161–170

[39] 闫逢柱, 苏李, 乔娟. 产业集聚发展与环境污染关系的考察——来自中国制造业的证据[J]. 科学学研究, 2011, 29(1): 79–83 YAN F Z, SU L, QIAO J. The exploration of the relationship between the industrial agglomeration's developments and the environmental pollution — the evidence from the manufacturing in China[J]. Studies in Science of Science, 2011, 29(1): 79–83

Spatio-temporal patterns and impact factors of green economic growth of agriculture in the Yangtze River Economic Belt*

QIU Wenwen1,2, ZHONG Zhangbao2**, TIAN Wenwen2

(1. College of Economics & Management, Huazhong Agricultural University, Wuhan 430070, China; 2. Research Center for Rural Social Construction and Management, Huazhong Agricultural University, Wuhan 430070, China)

Accelerating the transformation of development mode and promoting the growth of green agriculture are important measures to reduce agricultural pollution and improve agricultural efficiency. The Yangtze River Economic Belt is an important agricultural production area and grain production base in China. In order to analyze the level and influential factors of agricultural green growth in the Yangtze River Economic Belt, agricultural green production was estimated from 2003 to 2017, and its spatio-temporal pattern and influencing factors were analyzed by using spatial econometric analysis methods. There were four main results. Firstly, agricultural green production value of the Yangtze River Economic Belt displayed a generally increasing trend, and the rate of increase was lower than the traditional agricultural production value. The proportion of agricultural green production value to the traditional agricultural production value displayed a downward trend. Secondly, a significant regional difference of agricultural green production value was evident in the Yangtze River Economic Belt. However, a similar pattern of traditional production value was evident, which descended from east to west. Thirdly, significant spatial cluster characteristics were observed in agricultural green growth of the Yangtze River Economic Belt. The cluster effect gradually weakened. Fourthly, the level of economic development, scientific and technological innovation, infrastructure investment, labor quality, and agricultural policy positively affected green economic growth of agriculture in the local region. Scientific and infrastructure investment positively influenced green growth of agriculture in neighboring regions. In general, agricultural green production in the Yangtze River Economic Belt displayed a steady upward trend in temporal characteristics and a downward trend from east to west in the spatial pattern. The dynamic evolution of spatio-temporal patterns of agricultural green economic development in Yangtze River Economic Belt were driven by combined effects of the impact factors.

Agricultural green economic growth; Emergy analysis; Agricultural green production value; Spatial econometric model; Yangtze River Economic Belt

, E-mail: zzbemail@mail.hzau.edu.cn

Sep. 12, 2019;

10.13930/j.cnki.cjea.190666

丘雯文, 钟涨宝, 田文文. 长江经济带农业绿色增长的时空格局及影响因素研究[J]. 中国生态农业学报(中英文), 2020, 28(5): 764-774

QIU W W, ZHONG Z B, TIAN W W. Spatio-temporal patterns and impact factors of green economic growth of agriculture in the Yangtze River Economic Belt[J]. Chinese Journal of Eco-Agriculture, 2020,28(5): 764-774

F307.2

* 中央高校基本科研业务费专项资金项目(2662017PY023)和国家自然科学基金青年项目(71803145)资助

钟涨宝, 主要研究方向为农村改革与区域发展。E-mail: zzbemail@mail.hzau.edu.cn

丘雯文, 主要研究方向为农村改革与区域发展。E-mail: qy_wenwen@163.com

2019-09-12

2019-12-12

* This study was supported by the Fundamental Research Funds for the Central Universities of China (2662017PY023) and the National Natural Science Foundation of China (71803145).

Dec. 12, 2019