生态农业培训效果的耦合协调度研究

摘要：为未来生态农业培训模式设计和创新实践提供理论和现实依据，进而为农业高质量发展提供政策启示，基于2012—2021年我国31个省（市、自治区）的相关统计数据，分析政策支持、市场竞争、环保意识、培训资源四个要素之间的耦合协调关系。运用耦合协调度模型，构建影响生态农业培训效果要素系统的协同度评价模型，分析政策支持、市场竞争、环保意识、培训资源四个要素之间耦合协调的时空演变特征。在此基础上，通过障碍度模型识别出制约生态农业培训效果的关键因素，探究我国生态农业培训效果影响要素耦合协调的变化趋势与制约因素。研究发现：2012—2021年全国31个省（市、自治区）四要素耦合协调度整体表现为上升趋势，由0.478增至0.565，增幅为36.61%，但耦合协调度相对较低；在空间分布方面，各省（市、自治区）四要素耦合协调度呈现显著正相关；各要素障碍度由大到小依次为：市场竞争、培训资源、政策支持、环保意识，影响各要素耦合协调的主要障碍因子为政策支持中的政府补助金额，市场竞争中的涉农院校数量，环保意识中的有机肥的投入量，培训资源中的培训场地面积。

关键词：生态农业；培训效果；耦合协调度；熵值法；障碍度

中图分类号：F272.92

文献标识码：A

文章编号：20955553 （2024） 070291

11

Study on coupling coordination degree of ecological agriculture training effect

Wang Jin1， 2， Hu Enhua2

（1. Jiangsu Vocational College of Agriculture and Forestry， Zhenjiang， 212400， China；

2. School of Economics and Management， Nanjing University of Aeronautics and Astronautics， Nanjing， 211106， China）

Abstract：

In order to provide theoretical and practical basis for the design and innovative practice of ecological agriculture training model in the future， and then provide policy inspiration for high-quality agricultural development， based on the relevant statistical data of 31 provinces， cities and autonomous regions in China from 2012 to 2021， the coupling and coordination relationship among the four factors of policy support， market competition， environmental awareness and training resources was analyzed. In this study， the coupled coordination degree model was used to construct the evaluation model of the coordination degree affecting the factor system of ecological agriculture training effect，and the spatio-temporal evolution characteristics of the coupling coordination among the four factors of policy support， market competition， environmental awareness and training resources were analyzed. On this basis， the key factors limiting the ecological agriculture training effect were identified through the barrier degree model， and the changing trends and constraints of the coupling coordination of the elements affecting the ecological agriculture training effect in China were explored. The results showed that the coupling coordination degree of the four factors in the 31 provinces from 2012 to 2021， cities and autonomous regions of China was in an overall rising trend from 0.478 to 0.565， with an increase of 36.61%， but the coordination level was still not high， and it was in a state of barely coordinated development for a long time. In terms of spatial distribution， the coupling coordination degree of the four factors showed significant positive correlation among provinces and autonomous regions. The obstacle degree of each factor in descending order was as follows： market competition， training resources， policy support， environmental awareness， and the main obstacle factor affecting the coupling and coordination of various factors was the amount of government subsidies in policy support， the number of agricultural colleges in market competition， the amount of organic fertilizer input in environmental awareness and the area of the training venue in the training resources.

Keywords：

ecological agriculture; training effect; coupling coordination degree; entropy method; obstacle degree

0 引言

农业生态化是推动农业高质量发展、实施乡村振兴战略的重要举措。近年来，政府层面对生态农业发展问题给予了高度关注，如《“十四五”全国农业绿色发展规划》和《全国农业可持续发展规划（2015—2030）》等一系列文件鼓励全国各地积极发展生态农业，进一步明确了生态农业、环境保护在推动农业高质量发展中的重要地位。然而，长期以来农户粗放的生产经营管理方式使得生态农业环境问题愈发凸显，如耕地质量、耕地面积、生态稳定性等持续下降，这给生态环境和农业可持续发展带来了巨大的挑战［1， 2］。事实上，生态农业培训是生态农业发展的关键一环。研究发现，对农户进行科学培训以及生态农业资源的有效配置，能够有效提升生态农业环境的质量［35］。因此，如何打破现有农业发展困境，提升生态农业培训水平成为理论界和实践界的关注焦点。

国内外已有学者对生态农业培训进行了相关研究，主要包括以下几个方面：（1）影响因素方面。学者们主要研究了个体认知、政策、环境等对生态农业培训效果的影响。王建华［6］、Bravo-Monaroy［7］等认为生态技术培训对农户采纳生态耕作技术具有显著的正向促进作用；Lapple［8］、刘妙品［9］、刘艳婷［10］等进一步指出农户采取生态农业技术不仅与自身环保意识有关，且会受到资源、市场和政策等因素的影响。王瑾等［11］研究发现，政策支持、市场竞争、环保意识、培训资源是影响生态农业培训效果的重要决定因素；（2）运行机制方面。学者们对二元系统、三元系统间的耦合协调进行了初步探索。其中，二元系统耦合协调研究主要涉及社会经济与生态环境的耦合。杨慧芳等［12］基于2006—2018年黄河流域9个省份的统计数据，对黄河流域“生态—经济”系统的耦合协调程度进行分析，研究发现，二者的耦合协调程度经历了“中度—良好—高度”协调的演变态势；郑晓敏等［13］以闽三角城市群为研究对象，研究生态安全与经济发展之间的耦合协调度，研究发现2009—2019年闽三角城市群生态安全和经济发展综合指数总体呈上升趋势，从基本协调类发展到良好协调类。王佳楠等［14］则在“生态—经济”二元系统的基础上加入了环境要素，构建了“区域经济—生态安全—环境保护”三元系统，并基于山东省16个城市2010—2019年的数据，探讨了“区域经济—生态安全—环境保护”三元系统的耦合协调发展状况，研究发现各子系统间发展关联度较高，各子系统处于高度耦合状态。黄仁全［15］、崔靓［16］等分别以陕西省和全国30个省份为研究对象，研究了技术—经济—生态环境之间的耦合协调度以及时空演变特征。

然而，现有研究较多侧重于二元系统间、三元系统间的耦合研究，对四元系统间的耦合研究相对较少，且研究范围主要集中于局部区域，全域较少。事实上，半数以上的省（市、自治区）生态农业发展能力总体水平不仅偏低，且省（市、自治区）间生态农业发展不平衡［17， 18］。此外，现有生态农业培训研究主要涉及经济、政策支持、环保意识层面，还缺乏对自身培训资源配置的考虑。因此，本研究主要基于王瑾等［11］的研究发现，通过构建“政策支持—市场竞争—环保意识—培训资源”四要素评价指标体系，对我国31个省（市、自治区）的“政策支持—市场竞争—环保意识—培训资源”四要素间协调发展的时空特征以及耦合协调度进行系统分析。

1 生态农业培训效果的耦合理论基础

“耦合”最初来源于物理学，是指两个或两个以上的构成要素通过相互作用而彼此影响［19， 20］，要素之间通过优势互补、相互依赖、自由运作、相互交融等方式，实现结构功能的结合，形成一个新的、更高层次的结构功能体［21］。“耦合”最初主要用于电力技术学、地质学等自然科学，随着研究的深入，逐渐引入人文社会科学领域［22］。王瑾等［11］研究发现，政策支持、环保意识、市场竞争和培训资源是影响生态农业培训效果的4个主要要素。具体体现在，政策支持既是生态农业培训效果的基础，也是其他要素支撑条件，完善的政策能够为环保意识的提升、市场竞争的规范和培训资源的丰富提供保障［23］；环保意识既为生态农业培训效果提供方向支持，也为其他要素的发展提供驱动力，环保意识能够以独特的方式协调农业发展中生产与生态之间的关系，从而驱动生态农业培训市场竞争和资源配置，逐步提高农户参与生态农业培训的积极性并提高培训成效［24］；市场竞争既为生态农业培训效果提供了需求信号，也拉动其他要素的优化完善［25］，市场竞争能够提升培训主体的环保意识，从而为生态农业发展培育更多的生态型人才，满足生态农业培训资源的需求；培训资源既为生态农业培训效果提供物力和人力的保障［26］，也是其他要素健康发展的条件，其对政策支持的力度和环保意识的树立至关重要［7］，能够有效推动市场竞争的成效实施。实际上，生态农业培训效果就是由上述4个要素间相互作用的综合结果。

2 生态农业培训效果的指标构建与研究方法

2.1 指标体系构建

生态农业培训效果是一项复杂适应系统，涉及政策支持、市场竞争、环保意识、培训资源的投入与分配。关于生态农业培训效果影响要素的评价指标，依据Triguero［27］、Cheng［28］等的研究方法以及原则，分别对政策支持、市场竞争、环保意识、培训资源领域相关概念进行明确界定，依据生态农业培训效果内涵，借鉴现有研究成果［2931］，构建本研究的生态农业培训效果影响要素综合评价指标体系，并对四要素耦合协调性进行评价。考虑生态农业培训效果影响要素的特点，选取环境规制出台的制度数量和政府补贴金额，反映培训政策支持力度；选取有培训意愿总人数和参与培训的院校总数，反映生态农业培训过程中的市场竞争强度；选取二氧化碳、生活废水排放量、畜禽粪便处理率及有机肥投放量，反映各省（市、自治区）的环保意识高低；选取培训场地面积、培训总人数、培训师资人数及培训手段的种类，反映培训资源的充裕度。具体指标情况见表1。其中，为了对数据进行标准化处理，采用组间极差值公式进行赋值，另外，考虑到指标选取和指标量化过程中的主观性问题，借助熵权法对系统的评价指标进行客观赋权。

依据对系统发展贡献性，将原始指标分为两类：正向指标（+）和逆向指标（-）［32］。为消除指标中的量纲差异，本研究采用组间极差值公式解决这一问题，计算如式（1）、式（2）所示。

正向指标

Rij=Xij-minXj

maxXj-minXj

（1）

逆向指标

Rij=maxXj-Xij

maxXj-minXj

（2）

式中：

Rij——标准化数值；

Xij——

第i年第j指标的原始值；

maxXj——第j指标的最大值；

minXj——第j指标的最小值。

2.2 研究方法

2.2.1 熵权法与综合评价法

熵权法是一种客观赋权的方法，该方法在很大程度上避免了指标评价中权重计算的主观因素，对指标权重的计算比较科学客观，有助于提高评价结果的准确性和可靠性。

pij=Rij∑mi=1Rij

（3）

ej=-K∑mi=1pijlnpij

（4）

dj=1-ej

（5）

wj=1-ej∑nj=1（1-ej）

（6）

式中：

pij——

第i年第j项标准化数据所占比重；

ej——指标j的熵值；

K——

常数，即波尔茨曼常量，K=1/1 nm；

dj——指标j的熵值冗余度；

wj——指标j的权重。

采用多指标综合评价法分别对政策支持、市场竞争、环保意识、培训资源综合效应进行测度与评价。

F1=∑mi=1w1jf1j

（7）

F2=∑mi=1w2jf2j

（8）

F3=∑mi=1w3jf3j

（9）

F4=∑mi=1w4jf4j

（10）

式中：

F1、F2、F3、F4——

政策支持、市场竞争、环保意识、培训资源4个要素的综合评价指数；

w1j、w2j、w3j、w4j——

政策支持、市场竞争、环保意识、培训资源4个要素的指标权重；

f1j、f2j、f3j、f4j——

政策支持、市场竞争、环保意识、培训资源4个要素标准化处理值。

2.2.2 耦合协调度模型

本研究系统、全面、真实地搜集了政策支持—市场竞争—环保意识—培训资源四要素协调发展的指标，参考王淑佳［33］、杨晓娜［34］等的研究，对4个要素采用几何平均法，分别计算出各个要素的综合评价指数。考虑到各个要素的指标对生态农业培训效果的综合指标同等重要，故采用同等权重，将4个要素指标乘以权重转化为生态农业培训效果的综合指标。政策支持、市场竞争、环保意识、培训资源4个要素的综合评价指数分别为F1、F2、F3、F4，采用如下方法计算耦合度C。

C=F1F2F3F4

14F1F2F3F44

14

（11）

协调度T表示耦合作用中良性耦合的程度，可以反映各系统间协调状况的优劣，计算如式（12）所示。

T=aF1+bF2+cF3+dF4

（12）

式中：

a、b、c、d——各要素的权重。

在本研究中，设置四个要素同等重要，为等权权重，因此，设定a=b=c=d，均取值1/4。

由于耦合协调度可以更好地反映出各要素之间的良性关系，因此运用耦合度和协调度测算出耦合协调度D。耦合协调度的模型表达式如式（13）所示。

D=C×T

（13）

在计算中，经过标准化处理得到的F1、F2、F3、F4的指标值都在［0，1］的区间，从而保证最终的耦合协调度D值也在［0，1］的区间，最终可以根据D值的大小判断系统耦合协调度的等级。D值越大，表明系统良性耦合关系越强。参考张芷若等［35］对耦合协调度等级的划分标准，本研究将耦合协调度分为10个等级，如表2所示。

2.2.3 障碍度模型

为了识别出促进或制约生态农业培训效果的关键要素，本研究引入障碍度模型

Fij=wij×wi i=1，2，…，l

（14）

Iij=1-x′ij

（15）

pij=Fij×Iij∑mi=1（Fij×Iij）

（16）

Pij=∑mi=1pij

（17）

式中：

wij——

第i个准则层第j个指标的权重；

wi——

第j个指标所在准则层的权重；

x′ij——

第i个城市第j个指标归一化后的值；

Fij——因子贡献度；

Iij——指标偏离度；

Pij——障碍度。

2.3 数据来源与处理

基于数据的真实性和可获得性，本研究以中国31个省（市、自治区）为研究对象（未包含港澳台地区），所用的2012—2021年数据主要来源于历年《中国城市统计年鉴》《中国环境统计年鉴》《中国农村统计年鉴》《中国劳动统计年鉴》和《中国教育统计年鉴》以及相关的政策文件、新闻报道、工作报告、年终总结等。部分年份数据缺失值采用移动平均法进行处理。其中，政策文件和新闻报道主要来自中央和各省（市、自治区）政府官方网站以及《人民日报》《光明日报》《农民日报》等报刊；工作报告和总结材料则来自培训主体在农技耘等网络平台上发布的内容以及通过熟人联络帮助获取的材料。

3 各省（市、自治区）生态农业培训效果耦合协调结果与分析

3.1 综合评价指数分析

3.1.1 四要素综合评价指数分析

依据式（1）～式（10）计算可得到2012—2021年中国31个省（市、自治区）政策支持、市场竞争、环保意识、培训资源四要素的综合评价指数均值，如图1所示。

从各要素综合评价指数均值情况来看，研究期内各要素综合指数差异较大。但从整体情况来看，除了环保意识指数较高，其他三个要素综合指数虽然低于均值，但大部分都表现较为平稳，并保持稳步增长的趋势。

3.1.2 各省（市、自治区）各要素综合指数分析

为了比较研究期内各要素和四要素综合指数均值的区域差异，本研究制作了31个省（市、自治区）“政策支持—市场竞争—环保意识—培训资源”四个要素的综合评价指数均值的对比表，如表3所示。

从四个要素综合指数均值的空间分布来看，政策支持指数的区间为［0.11，0.38］，排名前三的省份为北京、内蒙古、江苏，排名后四位为西藏、河北、四川、甘肃。市场竞争指数的区间为［0.06，0.55］，排名前三的省份为河南、安徽、江苏，排名后三位的分别是青海、新疆、北京。环保意识指数的区间为［0.18，0.94］，排名前三的省份为海南、天津、宁夏，排名后三位为河北、山东、山西。培训资源指数的区间为［0.16，0.56］，排名前三的省份为江苏、广东、上海，排名后四位为青海、西藏、甘肃、宁夏。由此可见，江苏有三个要素综合指数均值明显高于其他省份，说明其在生态农业培训方面取得一定成果；西藏、河北、甘肃、青海都存在两个要素的综合指数均值明显低于其他省份，这说明以上4个省份在生态农业培训方面各自受到了一定制约。

3.2 耦合协调度分析

3.2.1 耦合协调度的时序分析

为了进一步描述生态农业培训效果耦合协调的时序特征，根据式（11）～式（13）计算得到31个省（市、自治区）2012—2021年的耦合协调度D，如表4所示。

1） 从各年度全国均值看，耦合协调度总体呈缓慢上升态势，从0.478上升至0.565，增幅为36.61%，由濒临失调转变为初级协调，耦合绝对水平较低。

2） 从四大区域看，东部、中部、西部、东北的耦合度分别从0.52、0.523、0.403、0.547变动至0.7、0.685、0.586、0.703，增幅分别为35%、31%、45%、29%，各区域耦合水平均保持逐步上升，其中东北增幅最低，而西部一直低于全国平均水平，但增幅较大。此外，除西部外三大区域耦合差距逐年缩小，目前均处于初级协调状态。东部和东北地区在2021年率先实现由初级协调向中级协调的跃迁，领先优势越来越明显。

3）" 在2012—2021年期间，各省（市、自治区）的4个要素协调发展水平整体表现为上升的趋势，省域间耦合水平差异较为显著。相比而言，东西部不同省份之间的耦合差异较明显，东北各省份之间的耦合差异不大，协调发展水平表现较为稳定。西部地区耦合水平仅陕西表现为中级协调，其余有三分之一省份耦合水平仍处于濒临失调。其中，位于前三位的分别是江苏、浙江、福建，耦合水平主要表现为良好协调和中级协调；位于后三位的分别是青海、河北、宁夏，耦合水平主要表现为濒临失调；上海与江苏的均值差异值为0.453；但较增幅而言，可见上海是该区域中增幅最大的地区，说明耦合协调水平提升较快。

综合而言，在2012—2021年期间，全国31个省（市、自治区）政策支持、市场竞争、环保意识、培训资源4个要素耦合协调度整体呈现逐年上升态势，但长期仍处在勉强协调发展状态，耦合协调水平不高；此外，从起止两个年度看，所有省份4个要素的耦合协调度都在提升，但4个要素之间的相对关系并没有发生根本变化，从东至西耦合协调度依次减弱的趋势较为明显。由此可以明确，在2012—2021年期间，除个别省份之外，各区域之间的4个要素的耦合协调度相对差异没有发生根本性变化，区域内部仍存在发展不均衡，即协同性发展仍不充分。究其原因，在“十二五”之前，我国农业基础设施尚不健全，加之全球金融危机的影响，经济下行压力下，保增长、保就业和节能减排的矛盾凸显，严重制约了我国生态农业发展速度；“十二五”之后，尤其是进入“十三五”之后，从“靠山吃山，靠水吃水”到“既要绿水青山，也要金山银山”，再到“宁要绿水青山，不要金山银山，而且绿水青山就是金山银山”，环保意识逐渐加强。我国的东部省份经济较为发达，生态环境、农业科技、资金投入、农民素质、政策导向等都较中西部占优［36］，尤其是江苏、浙江等省份农业基础雄厚、现代化水平高，极化效应突出；上海比较例外，主要是由于农业用地占有率相对较低，导致市场竞争不激烈、培训资源不足。而西部省份深处内陆，农业资源不够丰富，农业基础相对薄弱，导致优势难以充分发挥；中部省份在经济实力、科技投入、农业产出等方面较东部地区仍有差距。

3.2.2 耦合协调度的空间效应分析

为了寻求全国31个省（市、自治区）四个要素耦合协调的空间演化特征，选取评价期内10个样本时间节点，对“政策支持—市场竞争—环保意识—培训资源”四要素耦合协调度数据进行空间自相关分析，使用Moran’s I指数进行检验，结果如表5所示。结果显示，研究期内全国Moran’s I指数全部为正值，Z值均大于2，P值均小于0.05，通过显著性检验。可以看出4个要素的耦合协调度在研究期内呈现出显著正向的空间自相关，耦合协调度高的地区的周边地区的耦合协调度也相对较高，其表现出了正向的空间集聚现象。Moran’s I指数和P值在样本研究期间内呈现起伏波动趋势，其中2012年和2016年Moran’s I指数较大时P值相对较小，表现较为显著。而其他年份的Moran’s I指数都大于0.2，P值变化相对较小，由此可见，各省（市、自治区）四个要素耦合协调度的空间分布情况并不稳定。

Moran’s I指数证明了耦合协调度存在空间自相关，为进一步反映耦合协调度空间联系的局部情况，对主要年份使用局部Moran’s I散点图进行分析，如图2所示，研究期内处于第一、三象限的省份达到近10个，比例基本达到三分之一，且耦合协调度呈现出“高—高”和“低—低”集聚的现象，说明耦合协调度的空间集聚特征比较明显，在空间依赖上具有一定代表性。

总体来看，在2012—2021年期间，随着时间的演变，各集聚区数量基本上保持稳定。从变化趋势来看，在第一象限当中，固定分布的省份主要集中在湖北、安徽、浙江、江西等中部地区，这些地区自身和周边省份耦合协调度均属于耦合协调高值区，即耦合协调水平都由勉强协调进入中级协调阶段。研究结果表明，4个省份对周边省份的协调发展起到较为显著的带动作用。在第二象限，固定的地区为上海，该地区自身耦合协调度较低，同时和周边省份耦合协调度拘束于抵制区。在第三象限，该集聚区省份主要为新疆、青海、四川、西藏，均集中在西部地区，表明这些省份自身耦合协调度较低，且受周边高值省份的正向拉动作用较小。在第四象限，该集聚区一直为空白，说明样本中不存在此类情况。

4 障碍度分析

运用式（14）～式（17）计算得到2012—2021年全国31个省（市、自治区）各个指标的障碍度（表6），进而得到各个要素的障碍度均值（表7）。

总体来看，各要素障碍度由大到小依次为：市场竞争、培训资源、政策支持、环保意识，其障碍度平均值分别为0.205 6、0.202 7、0.195 4、0.182 5。影响我国生态农业培训效果各要素耦合协调度的主要障碍因子，主要集中在市场竞争和培训资源两个要素。这与其生态农业发展程度比较高，实施绿色低碳战略分不开。

4.1 障碍因子分析

筛选出障碍度排名第一的指标，各要素具体的主要障碍因子分别是：政策支持中的政府补助金额；市场竞争中的市场规模；环保意识中的有机肥投入量；培训资源中培训场地面积，这些因素应成为提升生态农业培训质量、耦合协调度的关键。对比2012年和2021年的障碍因子指标值（图3）发现，政府补助、培训场地、培训规模3个因子的障碍度有了明显下降，这主要与国家近年来对生态农业培训的政策和资金支持紧密相关。

4.2 各元素障碍度分析

从31个省（市、自治区）各要素障碍度均值（图4）分布来看，政策支持障碍度排前10位的主要来自：西部地区的西藏、新疆、陕西、内蒙古、重庆、甘肃、广西，东部地区的河北，中部地区的河南、湖北。可见，政策支持障碍因子主要来西部省份，其区域经济发展基础薄弱，生态农业培训人力物力投入较少，培训能力较低导致。四大省域政策支持障碍度均值由高到低依次为：西部地区、中部地区、东部地区、东北地区。

市场竞争障碍度排前10位的省份主要来自：东部地区的广东、浙江、福建、上海、海南，东北地区的辽宁、黑龙江、吉林，西部地区的陕西、云南。可见，市场竞争障碍因子主要来自东部省域，其经济发展基础雄厚，生态农业培训经费和人力资本投入相对充足，但市场竞争发展程度不均衡，市场竞争机制还不够完善。四大省域市场竞争障碍度均值由高到低依次为：东北地区、东部地区、西部地区、中部地区。

环保意识障碍度排前10位的省份主要来自：东部地区的天津、广东，西部地区的甘肃、四川、宁夏、广西、西藏，中部地区的山西、江西、河南。可见，环保意识障碍因子主要来自西部省域。其原因主要由于西部省份受经济发展程度、教育培训资源所限，环保意识还不够高，生态农业培训力度不大。四大省域环保意识障碍度均值由高到低依次为：东北地区、西部地区、东部地区、中部地区。

培训资源障碍度排前10位的省份主要来自：东部地区的山东、上海、江苏、浙江、北京、河北，西部地区的西藏、四川、贵州、云南。可见，培训资源障碍因子主要来自东部地区，其农业科技实力强，但科研、教学、技术推广与生态农业需求相脱节，未有效联合，加之人口规模大，使其人均资源数量不具优势。四大省域培训资源障碍度均值由高到低依次为：东北地区、西部地区、中部地区、东部地区。

5 结论与建议

5.1 结论

本研究采用耦合协调度模型与障碍度模型，对我国31个省（市、自治区）政策支持、市场竞争、环保意识、培训资源4个要素综合指数进行研究，对耦合协调度进行时序特征与空间差异分析，识别出其障碍因子，分别对各个要素障碍度进行分析。

1）" 从综合指数来看，除了环保意识指数高于均值，其他3个要素综合指数都低于均值，但大部分都表现较为平稳，并保持稳步增长的趋势，其中培训资源指数高于市场竞争和政策支持。研究期内各要素综合指数呈现出明显的省份差异，其中江苏的政策支持、市场竞争、培训资源三个要素综合指数均值分别为0.35、0.45、0.56，明显高于其他省份，西藏、河北、甘肃、青海都存在两个要素的综合指数均值区间为［0.06，0.18］，明显低于其他省份。

2） 从时序特征分析来看，2012—2021年全国31个省（市、自治区）政策支持、市场竞争、环保意识、培训资源四个要素耦合协调度总体从0.478上升至0.565，长期处在勉强协调发展状态。四大区域耦合水平均保持逐步上升，其中东北增幅最低，增幅为29%，而西部虽一直低于全国平均水平，但增幅较大，增幅为45%。除西部地区外三大地区耦合差距逐年缩小，目前均处于初级协调状态。

3） 从空间分异分析来看，通过空间自相关分析其演变态势。随着时间的演变，各集聚区数量基本保持稳定。第一、三象限的省份达到近10个，其中，第一象限的省份主要集中在中部地区，第二象限的省份固定为上海，第三象限的省份集中在西部地区。

4）" 障碍因子分析表明：各要素障碍度由大到小依次为：市场竞争、培训资源、政策支持、环保意识，主要障碍因子来自政策支持中的政府补助金额；市场竞争中的涉农院校数量；环保意识中的有机肥的投入量；培训资源中培训场地面积。四大省域政策支持障碍度均值由高到低依次为：西部地区、中部地区、东部地区、东北地区；市场竞争障碍度均值由高到低依次为：东北地区、东部地区、西部地区、中部地区；环保意识障碍度均值由高到低依次为：东北地区、西部地区、东部地区、中部地区；培训资源障碍度均值由高到低依次为：东北地区、西部地区、中部地区、东部地区。

5.2 政策建议

生态农业培训效果决定了生态农业技术的推广效果，要实现“生态优先，绿色发展”的现代农业，各要素协调均衡发展势在必行。

1）" 综合评价指数说明我国环保意识指数高于政策支持、市场竞争和培训资源，由此可见，现阶段，既要充分发挥环保意识在生态农业培训中的优势作用，又要着力改善政策支持、市场竞争和培训资源的薄弱态势。要加大对西藏、河北、四川和甘肃的政策支持，加强青海、新疆、北京的市场竞争意识，提升河北、山东和山西的环保意识，增加对青海、西藏、甘肃和宁夏的培训资源投入。

2）" 影响我国生态农业培训效果的要素整体处于勉强协调耦合阶段，耦合协调水平仍有待提高，需要推动个要素之间的良性协同发展。同时，各要素的耦合协调水平存在明显的省份差异。因此，既要保持江苏、浙江、福建等省份在生态农业培训中的良好发展态势和引领作用，也要重视对西部省份的培训发展，要加大对其政策和资源的投入。

3）" 根据障碍因子的分析可知，政府补助金额、涉农院校数量、有机肥的投入量以及培训场地面积是生态农业培训效果影响要素的主要障碍因子，因此，要建立一种政府、高校、企业等主体共同参与的多元协同的培训模式，实现彼此资源互补、互利共赢。

参 考 文 献

［1］Yigitcanlar T， Kamruzzaman M. Does smart city policy lead to sustainability of cities？ ［J］. Land Use Policy， 2018， 73： 49-58.

［2］文丰安. 乡村振兴战略下农业生态治理现代化： 理论阐释、问题审视及发展进路［J］. 经济体制改革， 2022（1）： 82-87.

Wen Feng’an. The modernization of agricultural ecological governance under the rural revitalization strategy： Theoretical interpretation， problem review and development path ［J］. Economic System Reform， 2022（1）： 82-87.

［3］杨兴杰， 齐振宏. 预期收益与技术补贴对农户采纳生态农业技术的影响： 以稻虾共作技术为例［J］. 华中农业大学学报（社会科学版）， 2022（5）： 89-100.

Yang Xingjie， Qi Zhenhong. The impact of expected return and technology subsidy on farmers’ adoption of agroecological technology： Taking rice-crayfish co-culture technology as an example ［J］. Journal of Huazhong Agricultural University （Social Sciences Edition）， 2022（5）： 89-100.

［4］王瑾. 利益驱动视角下我国生态农业培训机制研究［J］. 南京工业大学学报（社会科学版）， 2020， 19（3）： 104-110， 112.

Wang Jin. Research on the training mechanism of ecological agriculture in china from the perspective of interest driven ［J］. Journal of Nanjing University of Technology （Social Sciences Edition）， 2020， 19（3）： 104-110， 112.

［5］崔民， 张济舟， 夏显力. 参与培训对农户生态农业技术采纳行为的影响——基于生态认知的中介效应和遮掩效应［J］. 干旱区资源与环境， 2021， 35（11）： 38-46.

Cui Min， Zhang Jizhou， Xia Xianli. Effect of training on farmer’s adoption of eco-agricultural technology： The intermediary effect and masking effect ［J］. Journal of Arid Land Resources and Environment， 2021， 35（11）： 38-46.

［6］王建华， 马玉婷， 刘茁， 等．农业生产者农药施用行为选择逻辑及其影响因素［J］. 中国人口·资源与环境， 2015， 25（8）： 153-161.

Wang Jianhua， Ma Yuting， Liu Zhuo， et al. Behavior choice logic and influencing factors of agricultural producers’ pesticide application ［J］. China Population， Resources and Environment， 2015， 25（8）： 153-161.

［7］Bravo-Monroy L， Potts S G， Tzanopoulos J. Drivers influencing farmer decisions for adopting organic or conventional coffee management practices ［J］. Food Policy， 2016， 58： 49-61.

［8］Lapple D， Kelly H. Understanding the uptake of organic farming： Accounting for heterogeneities among Irish farmers ［J］. Ecological Economics， 2013， 88（7）： 11-19.

［9］刘妙品， 南灵， 李晓庆， 等. 环境素养对农户农田生态保护行为的影响研究——基于陕、晋、甘、皖、苏五省1023份农户调查数据［J］. 干旱区资源与环境， 2019， 33（2）： 53-59.

Liu Miaopin， Nan Ling， Li Xiaoqing， et al. Impact of environmental literacy on farmers’ farmland ecological protection behavior ［J］. Journal of Arid Land Resources and Environment， 2019， 33（2）： 53-59.

［10］刘艳婷， 陈美球， 邝佛缘， 等. 预期收益、可行能力对农户生态耕种采纳意愿的影响及其代际差异［J］. 长江流域资源与环境， 2020， 29（3）： 738-747.

Liu Yanting， Chen Meiqiu， Kuang Foyuan， et al. Influence of expected benefits and capability approach on the adoption intention of ecological farming and the intergenerational difference ［J］. Resources and Environment in the Yangtze Basin， 2020， 29（3）： 738-747.

［11］王瑾， 胡彩红， 胡恩华. 乡村振兴战略背景下我国生态农业培训模式及影响因素研究乡村振兴战略背景下我国生态农业培训模式及影响因素研究——基于扎根方法［J］. 江苏农业科学， 2021， 49（23）： 22-28.

Wang Jin， Hu Caihong， Hu Enhua. Ecological agriculture training model in China under the background of rural revitalization strategy research on influencing factors： Based on grounded methods ［J］. Jiangsu Agricultural Sciences， 2021， 49（23）： 22-28.

［12］杨慧芳， 张合林. 黄河流域生态保护与经济高质量发展耦合协调关系评价［J］. 统计与决策， 2022， 38（11）： 114-119.

Yang Huifang， Zhang Helin. Evaluation of the coupling coordination relationship between ecological protection and high quality economic development in the Yellow River Basin ［J］. Statistics amp; Decision， 2022， 38（11）： 114-119.

［13］郑晓敏， 李兆友. 闽三角城市群生态安全与经济发展的耦合协调研究［J］. 地域研究与开发， 2022， 41（6）： 159-164.

Zheng Xiaomin， Li Zhaoyou.Coupling coordination between ecological security and economy development in the Fujian triangle urban agglomeration ［J］. Areal Research and Development， 2022， 41（6）： 159-164.

［14］王佳楠， 程启先， 陈庆锋， 等. 山东省区域经济—生态安全—环境保护耦合协调水平测度及时空分异格局［J］. 济南大学学报（自然科学版）， 2023， 37（1）： 26-33， 47.

Wang Jianan， Chen Qixian， Chen Qingfeng， et al. Coupling coordination level and spatiotemporal differentiation patterns of regional economy-ecological security-environmental protection in Shandong Province ［J］. Journal of University of Jinan （Science and Technology）， 2023， 37（1）： 26-33， 47.

［15］黄仁全， 董娟. 陕西省经济发展、科技创新与生态环境的耦合协调发展研究［J］. 运筹与管理， 2022， 31（10）： 161-168.

Huang Renquan， Dong Juan. Research on coupling coordination development of economic development， technological innovation and ecological environment in Shaanxi Province ［J］. Operations Research and Management Science， 2022， 31（10）： 161-168.

［16］崔靓， 李晓梅， 姚若羲. 数字物流、生态环境治理与区域经济增长的耦合协调度分析［J］. 统计与决策， 2023（1）： 29-33.

Cui Liang， Li Xiaomei， Yao Ruoxi.Analysis on the coupling and coordination degree of digital logistics， ecological environment governance， and regional economic growth ［J］. Statistics amp; Decision， 2023（1）： 29-33.

［17］金赛美. 中国省际农业绿色发展水平及区域差异评价［J］. 求索， 2019（2）： 89-95.

Jin Saimei. Evaluation of the green development level and regional differences of agriculture between provinces in China ［J］. Seeker， 2019（2）： 89-95.

［18］张茹， 张德华. 中国农业绿色发展与经济增长的耦合关系研究［J］. 技术经济与管理研究， 2021（12）： 98-102.

Zhang Ru， Zhang Dehua. Study on the coupling relationship between agricultural green development and economic growth in China ［J］. Journal of Technical Economics amp; Management， 2021（12）： 98-102.

［19］邹伟进， 李旭洋， 王向东. 基于耦合理论的产业结构与生态环境协调性研究［J］. 中国地质大学学报（社会科学版）， 2016， 16（2）： 88-95.

Zou Weijin， Li Xuyang， Wang Xiangdong. Research on the coordination between industrial structure and ecological environment based on coupling theory ［J］. Journal of China University of Geosciences （Social Sciences Edition）， 2016， 16（2）： 88-95.

［20］Lin B Q， Zhu J P. Changes in urban air quality during urbanization in China ［J］. Journal of Cleaner Production， 2018， 188： 312-321.

［21］周潇， 胡恩华， 单红梅. 企业人力资源管理实践与工会实践的耦合构念和维度研究［J］. 外国经济与管理， 2021， 43（7）： 68-84.

Zhou Xiao， Hu Enhua， Shan Hongmei. The construct and dimensions of the coupling of enterprise HRMPs and labor union practices ［J］. Foreign Economics amp; Management， 2021， 43（7）： 68-84.

［22］Liu J P， Tian Y， Huang K， et al. Spatial-temporal differentiation of the coupling coordinated development of regional energy-economy-ecology system： A case study of the Yangtze River Economic Belt ［J］. Ecological Indicators， 2021， 124（2）： 1-12.

［23］彭皓玥. 公众参与区域生态风险防范模式影响因素及政策干预路径研究——基于扎根理论的探索性研究［J］. 软科学， 2015， 2， 29（2）： 140-144.

Peng Haoyue. The influencing factors and policy intervention paths of regional ecological risk prevention public participation mode： Exploratory research based on the grounded theory ［J］. Soft Science， 2015， 2， 29（2）： 140-144.

［24］曾经纬， 李柏洲. 组态视角下企业绿色双元创新驱动路径［J］. 中国人口·资源与环境， 2022， 32（2）： 151-161.

Zeng Jingwei， Li Baizhou. Driving paths of enterprise green ambidextrous innovation from the configuration perspective ［J］. China Population， Resources and Environment， 2022， 32（2）： 151-161.

［25］王娟茹， 刘娟. 双元性绿色创新对我国制造企业竞争优势的影响：技术动荡性的调节作用［J］. 科技管理研究， 2020， 40（9）： 196-204.

Wang Juanru， Liu Juan. The impact of ambidextrous green innovation on the competitive advantage of Chinese manufacturing firms： The moderating role of technological turbulence ［J］. Science and Technology Management Research， 2020， 40（9）： 196-204.

［26］Jiao J L， Wang C X， Yang R R. Exploring the driving orientations and driving mechanisms of environmental innovation： The case study of the China Gezhouba ［J］. Journal of Cleaner Production， 2020， 260： 121016.

［27］Triguero A， Moreno-Mondejar L， Davia M A. Drivers of different types of eco-innovation in European SMEs ［J］. Ecological Economics， 2013， 92： 25-33.

［28］Cheng C J， Yang C L， Sheu C. The link between eco-innovation and business performance： A Taiwanese industry context ［J］. Journal of Cleaner Production， 2014， 64： 81-90.

［29］Tang Z. An integrated approach to evaluating the coupling coordination between tourism and the environment ［J］. Tourism Management， 2015， 46： 11-19.

［30］Shi T， Yang S， Zhang， W， et al. Coupling coordination degree measurement and spatiotemporal heterogeneity between economic development and ecological environment： Empirical evidence from tropical and subtropical regions of China ［J］. Journal of Cleaner Production， 2020， 244（3）： 118739.

［31］Yu X， Wang P. Economic effects analysis of environmental regulation policy in the process of industrial structure upgrading： Evidence from Chinese provincial panel data ［J］. Science of the Total Environment， 2021， 753（4）： 142004.

［32］Fodha M， Zaghdoud O. Economic growth and pollutant emissions in tunisia： An empirical analysis of the environmental kuznets curve ［J］. Energy Policy， 2010， 38（2）： 1150-1156.

［33］王淑佳， 孔伟， 任亮， 等. 国内耦合协调度模型的误区及修正［J］. 自然资源学报， 2021， 36（3）： 793-810.

Wang Shujia， Kong Wei， Ren Liang， et al. Research on misuses and modification of coupling coordination degree model in China ［J］. Journal of Natural Resources， 2021， 36（3）： 793-810.

［34］杨晓娜， 彭灿. 产学研协同创新协同度评价研究——基于中国实际数据［J］. 系统工程， 2023， 41（5）： 32-42.

Yang Xiaona， Peng Can.Research on synergy degree evaluation of industry-university-research collaborative innovation： Based on Chinese data ［J］. Systems Engineering， 2023， 41（5）： 32-42.

［35］张芷若， 谷国锋. 中国科技金融与区域经济发展的耦合关系研究［J］. 地理科学， 2020， 40（5）： 751-759.

Zhang Zhiruo， Gu Guofeng. The coupling relationship between sci-tech finance and regional economic development in China ［J］. Scientia Geographica Sinica， 2020， 40（5）： 751-759.

［36］Yasmeen H， Tan Q， Zameer H， et al. Exploring the impact of technological innovation， environmental regulations and urbanization on ecological efficiency of China in the context of COP21 ［J］. Journal of Environmental Management， 2020， 274.