中国乡村人居环境水平演化及其驱动因素的时空异质性

刘 滨，詹 晶，陈 鸣

(南华大学经济管理与法学学院，湖南 衡阳 421001)

所谓乡村，是指城市建成区以外具有自然、社会、经济特征和生产、生活、生态、文化等多重功能的地域综合体，包括乡镇和村庄等[1]。改善乡村人居环境，建设美丽宜居乡村，是乡村振兴的重要内容，事关广大农民根本福祉和乡村社会和谐。早在2005年，在党的十六届五中全会上就已正式提出要按照“生产发展、生活富裕、乡风文明、村容整洁、管理民主”的要求，扎实推进社会主义新农村建设。之后陆续出台了《关于改善农村人居环境的指导意见》(2014年)、《农村人居环境整治三年行动方案》(2018年)和《农村人居环境整治工作要点(2020年)》等。在2018年由中共中央、国务院印发的《乡村振兴战略规划(2018—2022年)》中更是把“建设生态宜居的美丽乡村”作为一个独立的重要篇章。2021年中央一号文件再次提出要实施“农村人居环境整治提升五年行动”。要进一步有效推动乡村人居环境建设与国家乡村振兴战略高度契合，必须掌握当前中国乡村人居环境的真实水平，阐明不同地区乡村人居环境水平的区域差异和演化特征，并解构其驱动因素，才能因地制宜、“对症下药”。

目前探究乡村人居环境测度及驱动因素的文献相对较少。国外文献主要是基于Doxiadis于1968年确立的人居环境理论来研究乡村聚落的区位、景观格局、土地利用等方面的变化规律[2-4]，剖析逆城市化下移居引发的乡村人居环境空间差异及演化机理[5]，解析乡村人居环境规划、整治的作用机制及可持续发展[6-7]。随着我国城乡发展失衡、农村环境污染等问题的逐步显现，国内学者们对乡村人居环境问题日益重视。吴良镛[8]基于系统观念将人居环境科学划分为居住系统、支持系统、人类系统、社会系统及自然系统5个大系统，构建了中国人居环境学的基本学术框架，为接下来的中国乡村人居环境研究打下坚实的理论基础。其后，为了确切评估中国现阶段乡村人居环境水平，纯粹的理论分析已无法满足定量评价的现实需要，关于乡村人居环境的指标评估体系及评价分析也崭露头角。在指标评估体系的构建方面，多数学者从“美丽乡村”的具体要求出发，初步构建了与乡村人居环境相关的评价指标体系[9-10]。笔者在参考以上研究的基础上，紧密围绕农业、农村、农民3个层面对指标进行筛选，并基于软、硬环境的角度对指标重新整合。在评价分析方法的选择方面，主要包括指标筛选、指标权重确定及综合评价3个部分。其中，对于指标筛选，多采取德尔菲法及主成分分析法[11-12]，前者偏主观，重在凸显关键指标，后者偏客观，但可能会遗漏重要变量。指标权重的确定方法主要包括专家打分法及熵权法[13-14]，前者通过专家一致性意见进行赋权，后者则根据数据本身的分异程度进行指标赋权。为了弥补以上单一方法的不足，越来越多的学者倾向于将主客观方法相结合以确保评价指标体系的科学性[15]。综合评价方面，常见的方法有模糊综合评价、加权求和法及综合指数法[16-17]。

目前，国内关于乡村人居环境问题的研究范式大多建立在微观和宏观两大框架之下：一是基于乡村部落级视角的乡村人居环境自然适宜性研究，分析的重点在于影响乡村人居环境自然适宜性水平的主导因素，诸如水文条件、气候条件、地形条件及自然灾害等[18-20]，偏向于揭示乡村人居环境水平的自然演化规律，这类研究范式多采取调查问卷的方式获取相关资料[21]。近年来，随着GIS技术的不断成熟，部分学者也基于GIS栅格数据对乡村人居环境水平的自然演化进行综合评价[22]。二是基于省市区县级视角的乡村人居环境综合评价研究，其目的是为了把握区域性乡村人居环境水平改进空间及演化趋势，多采用各大统计数据库及各类跟踪调查报告数据进行分析，主要内容从时空维度出发，横纵向比较区域性乡村人居环境水平的时空演化及分异格局[23]。

然而，对于宏观层面的乡村人居环境研究，仍然存在着进一步深化研究的空间。其一，部分文献将研究格局人为划分为东、中、西部等地区，得出了我国乡村人居环境水平呈东—中—西阶梯式递减的基本共识[24-26]，但容易掩盖地区内部乡村人居环境水平的空间分异规律，需从整体视阈出发，探究各地区乡村人居环境水平的空间聚类及分化。其二，从实证方法的选择层面看，多采用全局回归模型对影响因素进行分析，缺少对乡村人居环境建设过程中地区内部联系及相互作用的考虑，如依托面板数据的多元线性回归模型、Tobit模型及二元Logit模型等[26-28]，但在现实情况下，地理时空数据具有强烈的时空异质性特征，不同地区或不同时间下的变量关系往往存在着结构性差异，进一步的研究必须深入研判影响因素的时空效应。

鉴于此，在借鉴前人研究的基础上，从乡村人居硬环境和软环境2个方面构建中国乡村人居环境水平的系统评价体系，测度中国乡村人居环境水平，并采用探索性空间数据分析方法(exploratory spatial data analysis，ESDA)识别现阶段中国乡村人居环境水平的空间聚类模式。最后，利用纳入了时空效应的时空地理加权回归模型(geographically and temporally weighted regression，GTWR)解构影响省域乡村人居环境水平的主要因素，厘清其驱动机制及时空分异规律，为我国现阶段因地制宜、梯次推进乡村人居环境建设提供决策参考。

1 研究对象与评价指标体系构建

乡村人居环境是指农民在日常生产生活中所面临的集自然、经济、社会和人文环境于一体的综合社会系统[29]。中国有5亿多乡村人口，乡村幅员辽阔，不同地区自然地理和社会经济等方面的差异较大，各地乡村人居环境水平不尽相同[30]。基于《农村人居环境整治三年行动方案》以及《乡村振兴战略规划(2018—2022年)》的具体要求，把乡村人居环境划分为乡村人居硬环境和乡村人居软环境2个部分。

中国乡村人居环境水平评价指标体系见表1。

表1 中国乡村人居环境水平评价指标体系

乡村人居硬环境是指乡村人居物质环境，是作为农民生产生活载体的所有物质设施，是空间要素和自然要素的统一，包括基础设施环境和生态建设环境2个维度。其中，基础设施环境是乡村人居环境的基本物质保障，代表乡村公共服务水平，选取农村用电量、乡用水普及率、乡燃气普及率、乡排水管道暗渠密度、村卫生室、乡镇卫生院病床使用率、乡人均住宅建筑面积、乡人均道路面积、机械化强度及农业灌溉效度共10个正向指标评价。生态建设环境是乡村赖以可持续发展的基本条件，也是乡村生态文明程度的表征，选取化肥施用强度、农膜施用强度、农药施用强度、农村卫生厕所普及率、每万人拥有乡生活垃圾中转站及乡绿化覆盖率共6个指标表征。由于目前我国农业投入品使用严重过剩，利用率低下，成为农业面源污染的主要来源，因此，将化肥施用强度、农膜施用强度和农药施用强度定为负向指标，其余均为正向指标。

乡村人居软环境是指乡村人居人文环境，是农民在生产生活过程中能切身感受到的一切非物质形态环境，包括经济生产环境和文化制度环境2个维度。其中经济生产环境是乡村人居环境建设的动力来源，代表了乡村经济及农民生产状况，选取城乡收入比、农村居民消费水平、农村居民家庭人均可支配收入、乡人均农业产值、粮食生产能力及乡村就业率共6个指标，其中城乡收入比为负向指标，其余均为正向指标。文化制度环境是乡村振兴和进步的基石，代表着乡村精神底蕴，事关乡村未来可持续发展，选取乡村生均义务教育经费支出、乡村小学师生比、农村每万人拥有成人文化技术培训学校数共3个正向指标表征乡村精神文化环境，选取每万人拥有村民委员会单位数表征乡村制度文化环境。

2 数据来源与研究方法

2.1 数据来源

基于数据的可获得性及完整性，选取2006—2018年除西藏自治区、香港特别行政区、澳门特别行政区和台湾省之外的30个省份的统计数据，分析同期中国乡村人居环境水平及其影响因素。

借鉴《中国统计年鉴》的划分方式，将30个省份的乡村划分为四大地区进行研究。其中，东部地区包括10个省份，分别是北京市、天津市、上海市、河北省、山东省、江苏省、浙江省、福建省、广东省、海南省；中部地区包括6个省份，分别是山西省、河南省、湖北省、安徽省、湖南省、江西省；西部地区包括11个省份，分别是内蒙古自治区、新疆维吾尔自治区、宁夏回族自治区、陕西省、甘肃省、青海省、重庆市、四川省、广西壮族自治区、贵州省、云南省；东北地区包括黑龙江省、吉林省、辽宁省。

所用数据主要来自2007—2019年各大统计年鉴，如《中国统计年鉴》《中国城乡建设统计年鉴》《中国区域经济统计年鉴》《中国财政年鉴》《中国卫生统计年鉴》《中国教育经费统计年鉴》《中国教育统计年鉴》《中国民政统计年鉴》《中国农村统计年鉴》《中国金融年鉴》《中国固定资产投资统计年鉴》及各省份统计年鉴，个别缺失的数据采用线性插值法和均值法补齐。

2.2 研究方法

2.2.1熵值法

运用熵值法确定指标权重。熵值法作为一种客观赋权法，根据数据本身的信息量来确定指标权重，能够较好地克服人为主观性，越来越多地被运用到综合评价指标体系当中[31-33]。考虑到不同时段乡村人居环境水平的可比较性，采用熵值法并以研究期内多个时点的数据信息量作为基准进行指标赋权，最后采用加权求和的方法测算各省份的乡村人居环境水平，具体计算步骤见文献[34-36]。

2.2.2莫兰(Moran′sI)指数

运用莫兰指数检验中国乡村人居环境水平的空间相关性。首先，采用全局莫兰指数(Global Moran′sI)检验中国乡村人居环境水平是否存在空间关联性。若空间关联显著，则运用局部莫兰指数(Local Moran′sI)对中国乡村人居环境水平存在的空间异质性进行分析，相关公式见文献[36-38]。

2.2.3空间权重矩阵

运用经济地理距离空间权重矩阵表征中国乡村人居环境水平之间的空间联系。现有文献多基于人均GDP差额构建经济距离空间权重矩阵，该矩阵能够较好地反映地理单元间社会经济的空间关联程度，有效规避了基于空间邻近关系的0—1矩阵和地理距离的空间权重矩阵不能很好描述社会经济之间复杂空间联系的局限性。但对于研究对象而言，人均GDP内包含着三大产业的所有细分行业，其内涵范围对于乡村人居环境水平而言或许太过广泛，乡村地区与农业生产活动联系十分紧密，而与工业、服务业等第二、三产业之间的联系相对较少，此外，乡村地区的建设活动也会因地理位置的影响而产生空间外溢性。因此，根据经济地理距离权重矩阵的构成原理[39]，将人均GDP置换为人均农业产值，地理距离方面以各省份省会(首府)城市的经纬度为衡量标准，以更贴切乡村人居环境改善过程中的空间关联，权重矩阵W表达式为

(1)

(2)

W=w1×w2。

(3)

2.2.4时空地理加权回归模型

运用时空地理加权回归模型测度中国乡村人居环境水平影响因素的时空异质性。时空地理加权模型将时间加权回归模型与地理加权回归模型有机结合，为同时处理时空效应提供了条件，其基本公式[40]为

Yi=β0(ui,vi,ti)+∑βk(ui,vi,ti)Xik+εi。

(4)

式(4)中，Yi为被解释变量，该研究中为乡村人居环境水平；ui、vi、ti分别为第i个地理单元的经度、纬度及年份，为便于分析，将ui、vi分别简化为第i个省会(首府)城市的经纬度，(ui,vi,ti)则为第i个省会(首府)城市的时空坐标；β0(ui,vi,ti)为截距项；βk(ui,vi,ti)为第i个省会(首府)城市第k个驱动因素的回归系数；Xik为第k个驱动因素在第i点的值；εi为残差。

时空权重矩阵与带宽是时空地理加权回归模型的两大核心要素。确定时空权重矩阵常用的方法为固定阈值法与自动优化法，考虑到省会(首府)城市之间的空间分布密度不一致，因此采用自动优化法决定时空权重矩阵。带宽选择常用固定距离法与自适应法，为生成更加平滑的核表面，采用固定距离法选择带宽[41]，并采用AIC准则法确立最佳带宽[42]。

3 中国乡村人居环境水平的时空演化及聚类特征

3.1 乡村人居环境水平的时空演化

从全国整体看，中国乡村人居环境水平的增长态势明显(图1)，由2006年的0.422上升到2018年的0.585，涨幅达38.63%。其中，2006—2012年全国乡村人居环境水平增速较快，期间涨幅高达22.99%；2012—2018年增速放缓，期间涨幅仅为12.72%。从硬环境水平看，中国乡村人居硬环境水平由2006年的0.283上升到2018年的0.332，增长了17.31%，增长幅度相对较小。从软环境水平看，中国乡村人居软环境水平由2006年的0.139提升至2018年的0.253，增长了82.01%，增势迅猛。考察期内中国乡村人居硬环境水平长期优于乡村人居软环境水平，且两者差距比较明显。但随着乡村人居软环境水平的快速提升，两者间的差异性逐步收敛，这主要是由于中国乡村地区在进一步加强交通、水利工程、电力设施等建设的同时，也在大力改进乡村公共服务，改善乡村办学条件，实施乡村惠民工程，完善乡村治理，人才回流带动乡村文化、制度等软环境水平的大幅改善，形成软硬环境互促共进的良性循环发展机制。

图1 2006—2018年中国及四大地区乡村人居环境水平变化趋势Fig.1 Changing trends of RHSEL in China and its four regions from 2006 to 2018

分四大地区看，东部、中部、西部和东北地区的乡村人居环境水平呈现明显的协同增长特征，且存在显著的梯度差异。东部地区的乡村人居环境水平由2006年的0.511上升到2018年的0.638，且在研究期间均处于大幅领先的地位。其中，2006年东部地区乡村人居环境水平排名前3位的省份分别为上海(0.639)、北京(0.636)及浙江(0.576)，2018年则转变为上海(0.703)、江苏(0.679)及浙江(0.677)。近年来，中部地区的乡村人居环境建设成效显著，乡村人居环境水平由2006年的0.406上升到2018年的0.582，2006年排名前3位的省份分别为湖南(0.435)、山西(0.426)及江西(0.409)，2018年则转变为湖北(0.599)、河南(0.586)及江西(0.586)。究其原因，随着中部地区崛起战略的不断推进，中部地区成为全国现代农业发展核心区及全国生态文明建设示范区，其乡村人居环境质量得到了明显改善，已逐步接近全国平均水平。此外，西部和东北地区的乡村人居环境水平低于全国平均水平，这与彭超等[27]利用农业农村部《全国农村固定观察点2018年村庄基线调查数据》得出的结论高度一致，能够在一定程度上体现出微观数据与宏观数据在乡村人居环境水平测度方面的相互印证。2006年西部与东北地区的乡村人居环境水平分别为0.359和0.395，其中，西部与东北地区乡村人居环境水平的最高值与最低值分别位于新疆(0.404)和云南(0.283)、辽宁(0.423)和黑龙江(0.370)。2018年西部与东北地区的乡村人居环境水平得到明显改善，分别为0.547和0.558。但两地区间的增长速度存在明显的分化态势，西部地区乡村人居环境水平增长迅猛，东北地区增长动能略显疲软。究其原因，西部地区受益于西部大开发战略的实施，在农民增收、生态环境、产业结构及科技教育等方面都得到了巨大改善，极大地促进了西部地区乡村人居环境质量的提升，而东北地区作为老工业基地，其经济发展模式具有明显的“路径依赖”性，不利于当地乡村人居环境的长期健康发展。

3.2 乡村人居环境水平的聚类模式

运用Stata 15.1软件计算中国乡村人居环境水平的全局Moran′sI指数值，以探讨其全局空间集聚特征。Moran′sI指数介于[-1，1]之间，当指数大于0时表示空间正相关，值越大表明其空间相关性越明显，当指数小于0时表示空间负相关，等于0则表示呈空间随机分布。由表2可知，2006—2018年中国乡村人居环境水平Moran′sI指数均为正值且均通过了1%的显著性水平检验，说明各省份的乡村人居环境水平存在明显的空间依赖性，即乡村人居环境水平较高的省份相互接近，较低的省份也相互接近。以经济地理距离权重矩阵为分析基准，乡村人居环境水平的Moran′sI指数均大于0.1，且数值呈现波动下降态势，表明乡村人居环境水平存在显著的空间正相关性，但其空间集聚强度正逐步减弱，地区间呈现协调发展趋势。

表2 不同空间距离权重矩阵下乡村人居环境水平的全局Moran′s I指数

全局空间自相关只能从总体角度解释地理单元间的空间联系特征及变化，并不能体现出变量在局部的空间关联及演变。为深入探究中国乡村人居环境水平的局部空间关联类型及演化规律，运用Stata 15.1软件计算其局部Moran′sI指数，2006、2010、2014和2018年中国乡村人居环境水平的局部空间自相关LISA集聚结果见表3。由表3可知，中国乡村人居环境水平的空间集聚特征明显，主要以高-高(H-H)集聚与低-低(L-L)集聚为主，即乡村人居环境水平较高地区或较低地区在地理空间上的分布较为集中。

表3 2006—2018年中国乡村人居环境水平的LISA集聚结果

分年度看，2006年高-高集聚区主要分布在河北、北京、天津、山东、江苏、上海及浙江，而低-低集聚区则主要分布在贵州及云南。2010年高-高集聚区保持不变，表现出较为稳定的空间结构，但新增安徽为低-高(L-H)集聚区，低-低集聚区则新增广西。2014年高-高集聚区剔除河北，低-低集聚区则剔除广西，新增青海。到2018年，高-高集聚区进一步剔除北京，低-低集聚区则仅剩云南。总体而言，高-高集聚区主要位于天津、山东、江苏、上海及浙江等东部省份，社会经济条件与自然条件都十分优越，且城镇化率相对较高，当地农户能够借助非农产业提升自身收入，进而改善乡村人居环境条件；而低-低集聚区主要位于云南等西部省份，属于欠发达地区，相比东部地区而言农业生产要素较为匮乏，自然条件较差，且当地经济增长缓慢，城镇化与工业化水平较低，对乡村人居环境建设的“溢出效应”较弱，使得当地的乡村人居环境水平表现出低水平集聚特征。由以上分析可知，2006—2018年中部与东部地区的乡村人居环境水平空间结构较为稳定，并呈现出一定程度的“俱乐部收敛”特征，而西部地区则存在着明显的分化，说明西部地区的乡村人居环境水平在总体改善的过程中存在着“马太效应”而非“携手共进”。

4 中国乡村人居环境水平演化的驱动因素解构

4.1 驱动因素选择及模型结果对比

综合考虑中国乡村人居环境水平的空间分异规律及数据可获得性，在参考已有研究的基础上，从基础驱动、核心驱动以及外部驱动3个方面选取5个指标进行分析。产业结构(IS)采用第二、三产业占比表征[43-44]；城镇化率(UR)采用城镇人口占比表征[45-46]；财政扶持(GOV)采用财政用于农林水事务的支出表征[47]；路网密度(RND)采用每平方公里交通线路里程数表征(包含公路里程与铁路里程)[48]；开放程度(FDI)采用利用外资占地区生产总值的比例表征[49]。此外，为降低异方差造成的模型偏误，便于比较变量间的作用大小，对各变量进行标准化处理。最后，将处理后的各变量作为模型的解释变量，乡村人居环境水平作为模型的被解释变量(表4)。

表4 各解释变量及其说明

已有研究通常假定各要素具有一致的作用模式，从全局回归视角对其作用程度进行估计，但在现实中往往由于时空单元的不同，经济社会以及自然地理条件会呈现出一定的差异，各要素的作用程度难免会产生时空异质性特征，而且经过空间相关性检验，中国乡村人居环境水平呈现出显著的正相关性。基于此，利用HUANG等[41]提出的时空地理加权回归模型(GTWR)对2006—2018年中国乡村人居环境水平影响因素的空间异质性进行探究，实现局部参数效应的解构，进而分析各要素作用大小的空间分异规律，并与OLS、TWR及GWR模型的估计结果进行对比，以印证GTWR模型的适用性，相关模型参数估计结果见表5。

全局回归模型的结果表明，开放程度与乡村人居环境水平呈负相关，产业结构、城镇化率、财政扶持及路网密度均与乡村人居环境水平呈正相关，且均通过了1%的显著性水平检验，城镇化率对提升乡村人居环境水平的边际效用最大。从另外3个模型看，OLS与TWR模型结果较为接近，GWR则与GTWR模型的结果较为相似。无论从拟合优度(R2)、残差平方和(RSS值)还是AICc准则值看，OLS与TWR模型的适用性均明显差于GWR与GTWR模型，这是由于OLS与TWR模型均未考虑要素的空间异质性特征，进而导致了模型偏差。此外，GTWR模型的R2最高(0.958)、RSS值最小(0.132)且AICc准则值最小(-1 853.730)。由此可见，综合考虑了时间非平稳性及空间异质性的GTWR模型更为合适，能够对各变量的局部作用有所修正。因此，最终选取GTWR模型对驱动因素进行分析。

表5 各模型参数估计结果及比较

4.2 驱动因素的时空异质性与机制探讨

为进一步探究中国乡村人居环境水平影响因素的时空异质性，更直观地表达各因素作用程度的空间分布格局，选取研究期内首尾2个年度的参数估计结果，并将其导入到GIS平台进行可视化分析，为避免人为主观分级可能造成的异常分类，利用Jenks自然断点法对各影响因素的回归系数进行分级处理。由图2可见，各影响因素对乡村人居环境的作用程度呈现出明显的时空异质性特征，路网密度是乡村人居环境改善的主要因素，产业结构、城镇化率与财政扶持也发挥了重要的支撑作用，开放程度阻碍了乡村人居环境水平的提高。

4.2.1产业结构对乡村人居环境水平的影响

2006年产业结构回归系数自东向西层级递减，高值区主要集中在环渤海经济圈与长江三角洲地区(图2)，2018年产业结构回归系数高值区逐步向山西、陕西、宁夏及四川等中西部地区延伸，分布态势并无明显变化，表明第二、三产业占比的提高对东部地区乡村人居环境水平的促进作用明显高于其他地区，且正向作用逐步向中西部地区外溢。这主要是因为环渤海经济圈与长江三角洲地区的经济较为发达，且城乡之间的交通基础设施相对完善，乡村农闲劳动力能够较频繁地流向城镇地区，非农兼业呈现出一定的周期性特征，因此，提升第二、三产业占比能够明显改善当地乡村的经济生产环境，进而有效推动乡村人居环境的改善。此外，中西部的经济欠发达地区生产结构中农业生产占比较高，且农业生产模式以劳动密集型的单一种植业为主。同时，城乡间的交通基础设施相对落后，难以实现劳动力要素向城镇的快速流动，农村主体老弱化和空心化现象也较为突出，导致人力资本的积累相对薄弱，提高第二、三产业占比反而不能够很好地辐射至乡村地区，但随着部分中西部地区城乡建设的不断发展与完善，同时也承接了部分来自东部地区的第二、三产业转移，引导着劳动力资源向中西部地区回流，乡村资源要素的配置效率进一步提升，因此，产业结构对中西部地区乡村人居环境水平的促进作用也逐步显现。

4.2.2城镇化率对乡村人居环境水平的影响

2006年城镇化率回归系数由西向东依次递减(图2)，表明城镇化率对乡村人居环境水平的影响程度由西向东逐渐减小，2018年其空间分布格局无明显变化，回归系数高值区主要分布在青海、甘肃及云南等地区，说明现阶段城镇化率的提升对中国中西部地区乡村人居环境水平的促进作用要明显大于其他地区。究其原因，中西部的经济欠发达地区由于城镇化还处于起步或成长阶段，城镇与乡村从二元割裂的状态逐步向城乡融合发展，城乡间生产要素相互流动的频率与强度不断提升，这有助于促进当地的非农兼业进而提高农民收入水平，即当地的城镇化能够对乡村地区发挥较好的反哺作用。而经济发达地区的城镇化本身处于较为成熟的发展阶段，城镇化对乡村建设带来的边际效用持续递减，若继续提高城镇化水平，将有可能出现过度挤占乡村资源的情况，从而对当地乡村人居环境造成负面影响。

4.2.3财政扶持对乡村人居环境水平的影响

2006年财政扶持回归系数的高值区主要分布在宁夏、陕西、四川、重庆及贵州等西部地区，总体表现为内陆地区高于东部沿海地区。2018年的趋势有所变化，高值区主要分布在东北地区、长江三角洲地区与西南地区。西部地区乡村人居环境的问题主要集中在水、电、路、网等农业生产配套设施不完善，以及垃圾清运、污水处理、卫生改厕等公益性生活设施不完备等方面，公共财政以更大力度向西部地区的乡村人居环境整治倾斜，垃圾治理、农村改厕等项目大幅改善了西部地区的乡村环境卫生质量，有效提升了西部地区乡村的生产生活条件。此外，2013年中央一号文件提出“要加强农村生态建设，努力建设美丽乡村”，积极推进涉农资金管理模式改革，大力发展乡村特色旅游产业，显著推动了西部地区乡村人居环境质量的提档升级。

4.2.4路网密度对乡村人居环境水平的影响

2006—2018年路网密度对乡村人居环境水平的正向促进作用逐渐增强，空间分布格局呈现出高值区南移趋势，整体表现为南北高、中间低的分布特征。2006年高值区主要分布在新疆，次高值区主要分布在黑龙江、吉林、辽宁及内蒙古等东北地区；2018年高值区不变，次高值区新增广西、贵州及云南等西南地区。交通基础设施作为一种准公共物品，政府在主导其投资建设的同时会重点考虑经济效益、社会效益与生态环境效益。对于交通基础设施存量较低的地区，对乡村人居环境的影响主要表现为正向作用，存量较高的地区则相反。主要的原因可能有两大方面：一是“要想富，先修路”，城乡间的交通基础设施完善能够带动当地农村电商物流的发展，满足乡村居民日常的出行需求，因此在路网密度本身较低的区域对交通基础设施进行投资，会对乡村人居环境产生较为明显的积极效益；二是交通基础设施投资的“挤出效应”，过量的交通基础设施投资可能会挤占对当地农业部门的投资，从而间接阻碍乡村地区的经济发展，且无论是时间成本还是路程成本，路网密度高的地区均存在着较为明显的比较优势，劳动力的转移成本较低，从而对乡村地区产生“虹吸效应”。

4.2.5开放程度对乡村人居环境水平的影响

2002年开放程度的回归系数自西向东北、东南梯度减小，表明开放程度对乡村人居环境水平的影响由西向东北、东南逐渐减小。2016年开放程度对乡村人居环境影响的空间格局变化较大，呈由北向南逐步减小的趋势。西部地区受到自然条件的限制，乡村农业生产模式较为单一，农业发展所需的资金来源渠道较少，农产品多涉及初加工领域，因此，引进外资能够为西部地区乡村的农业发展提供资金支持，在一定程度上缓解了农业资金匮乏的问题。另一方面，外商投资主要涉及农产品深加工领域，能够为投资地区带来现代农业的经营理念与先进的农业加工技术，有效延伸农业产业链，从而增加当地农民收入，改善乡村经济结构，发挥农业的关联投资效应。但随着农业外商直接投资规模的逐渐扩大，农村面源污染的排放量会增加，从而对乡村生态环境带来损害。

审图号： GS(2022)3757号

5 主要结论与对策建议

(1)2006—2018年中国乡村人居环境水平及其软、硬环境水平均呈现出稳步增长的趋势，但整体还处于中等水平，提升潜力巨大。区域间发展的梯度差异明显，东部地区乡村人居环境水平处于领先地位，各区域乡村人居软环境水平长期低于乡村人居硬环境水平。对于乡村振兴战略的实施，要进一步强化农业农村优先发展投入保障，中央预算内投资进一步向农业乡村倾斜；要加大公共基础设施建设，健全人居环境设施管护机制；要建立城乡公共资源均衡配置机制，强化乡村基本公共服务供给，不断改善乡村教育、就业、医疗等环境，吸引更多优秀人才回流乡村，共同建设美丽乡村。

(2)四大地区的乡村人居环境水平均有所改善，东部与中部地区的乡村人居环境水平梯度差距逐渐缩小，西部地区乡村人居环境水平增长迅猛，东北地区乡村人居环境的增长动能略显疲软。因此，要加强对东北地区农业乡村高质量发展的政策倾斜；要充分发挥东北地区农业资源禀赋优势，协同粮食安全生产基地建设、重要畜产品生产基地建设，促进当地基础设施环境和生态建设环境改善；要大力吸引有技术、有资金的外出务工农民回东北乡村创业，进一步改善当地经济生产环境和文化制度环境。

(3)中国乡村人居环境水平存在明显的空间依赖性，从全局看，乡村人居环境水平较高的省份相互接近，较低的省份相互接近；从局部看，中部和东部地区“俱乐部收敛”特征明显，而西部地区则存在明显的分化。在今后的乡村人居环境建设过程中要大力开展美丽宜居村庄和美丽庭院示范创建活动，充分发挥典型示范带动作用；要注重西部地区乡村人居环境的区域平衡发展。

(4)中国乡村人居环境水平受到产业结构、城镇化率、财政扶持、路网密度、开放程度等因素的综合影响，各因素对乡村人居环境的影响呈现出明显的时空异质性特征。其中，路网密度是乡村人居环境改善的主要因素，产业结构、城镇化率与财政扶持也发挥了重要的支撑作用，开放程度阻碍了乡村人居环境水平的提高。要充分考虑地区人居环境建设正向驱动因素的差异，出台差异化的乡村人居环境改善政策措施；西部地区要更加重视城镇化对乡村人居环境改善的作用，实现新型城镇化与农业现代化的协调发展，此外，应充分依托“一带一路”倡议提升交通基础设施建设水平，扩大对外交流，提高外资利用水平；东北地区要进一步提升城镇化水平以带动当地乡村发展，发挥好财政资金的扶持作用，有效推进农村厕所改造、生活垃圾污水治理等村庄清洁行动；东部和中部地区则要进一步发挥产业结构对乡村人居环境改善的积极推动作用。