中國農業全要素生產率的空間關聯網絡結構及驅動因素研究

張帆，吳玲，王富林

（1.東北農業大學工程學院，黑龍江 哈爾濱 150030；2.東北農業大學經濟管理學院，黑龍江 哈爾濱 150030）

農業是國民經濟的基礎性產業，是發展中國家經濟的重要支柱。改革開放以來，中國農業發展取得了飛速的進步，農業產業結構和生產區域布局不斷調整優化，農業物質技術裝備水平明顯提高，農業基礎設施也更加完善。但不容忽視的是，在由傳統農業向現代農業的過渡時期，中國農業暴露的問題也在逐漸增多，如農業要素投入質量和配置效率依然處于較低水平，這已成為制約我國農業發展的重要瓶頸。因此，提高農業全要素生產率是實現中國農業高質量發展的重要實現路徑。

國內外學者對農業全要素生產率主要從兩個維度展開：一是測度農業全要素生產率方法的變動。初始方法是DEA-GML法[1]，隨后采用的測度方法經歷了從隨機前沿模型[2]、方向性距離函數[3]、徑向模型[4]到非徑向非角度方向性距離函數[5]的變遷。二是農業全要素生產率的投入產出要素修正。最初對農業全要素生產率的計算中，投入要素為種植業從業人數、農作物播種總面積、種植業機械總動力、化肥施用量、役畜年末存欄數和有效灌溉面積，產出要素為種植業總產值[6]。隨后，學者們從綠色全要素生產率[7]、中間消耗品[8]等不同視角進行了研究，對投入要素和產出要素[9]進行了修正。在此基礎上，學者們進一步對中國農業全要素生產率省際之間的空間分異程度進行了研究，并得出中國農業全要素生產率具有較大的空間分異特征的結論[10-11]，其存在顯著的空間非均衡現象。隨著進一步的研究，學者認為農業全要素生產率具有空間溢出效應，表現為其不僅與區域本身的農業發展水平有關，還會受到鄰近地區農業發展因素、經濟因素和社會因素的影響，即存在空間溢出效應[12]。

上述文獻為中國農業全要素生產率的研究奠定了基礎，但限于研究問題的復雜性和方法的局限性，學者雖然基于屬性數據證明了農業全要素生產率存在空間分異特征，但缺乏基于關系數據對農業全要素生產率空間關聯特征的深入考慮，使之難以深入揭示中國農業全要素生產率的整體網絡結構特征。由于農業全要素生產率是技術、效率、政策和制度等因素的綜合體現，其不僅受制于自身經濟發展水平等因素的影響，還可能會受到其他地區經濟社會因素的影響，即一個地區具有較高的農業全要素生產率可能對鄰近地區產生示范或帶動作用，進而促進鄰近地區農業全要素生產率的增長[13]。因此，省際之間的農業全要素生產率并非獨立存在，而是具有一定的空間關聯性。隨著生產要素全國配置的不斷推進，農業全要素生產率的空間關聯關系更加普遍和廣泛，已經超越了單純地理學意義上的近鄰關系，逐漸呈現出多關聯的復雜網絡結構形態。綜上，在省際之間空間關聯性實際存在的條件下，各省份區域要提高農業全要素生產率，不僅要考慮區域自身的情況，還要充分考慮并有效借力于與之相關聯的省份區域，進而從整體上把握和提升農業全要素生產率。有鑒于此，本文基于關系數據和網絡視角，測度2000—2018年中國農業全要素生產率的演化規律，并運用改進的引力模型確定中國農業全要素生產率的空間關聯關系，構建中國農業全要素生產率的空間關聯網絡。在此基礎上，運用社會網絡分析法分析中國農業全要素生產率空間關聯網絡的整體結構特征、局部結構特征和個體結構特征，并確定驅動中國農業全要素生產率空間關聯性的因素，對于農業政策的制定和實施以及整體提升農業全要素生產率均具有重要的理論意義與應用價值。

1 研究方法與數據來源

1.1 中國農業全要素生產率的測度

由于DEA方法在處理多投入多產出問題上具有較強的客觀性，而Malmquist生產率指數在進行動態分析上具有獨特優勢。因此，將Malmquist指數和DEA方法結合已被廣泛用于生產率測算。本研究借鑒Malmquist生產率指數，運用DEA方法測度中國各省域的農業全要素生產率。以t期為基期，衡量t+1期農業全要素生產率變化的Malmquist指數可表示為[14]：

式中：M表示全要素生產率變化的Malmquist指數，TEΔ、TΔ、SΔ分別表示從t到t+1期技術效率變動、技術進步和規模報酬變動。xt、xt+1分別表示從t到t+1期的投入變量，yt、yt+1分別表示從t到t+1期的產出變量，Dt(xt，yt)、Dt+1(xt+1，yt+1)為以t和t+1時期技術為參照的距離函數，下標v和c為可變規模報酬假設和不變規模報酬假設。本文參考從指標的可得性和可靠性出發，選取種植業總產值為農業產出指標。在農業投入方面，以種植業從業人數度量勞動投入，以農作物播種面積度量土地投入，以化肥使用量、有效灌溉面積和農業機械總動力來度量資本投入，其中農業機械總動力表示機械動力投入，化肥使用量表示化肥投入，有效灌溉面積表示灌溉投入。

1.2 中國農業全要素生產率空間關聯關系的確定

與傳統的VAR Granger Causality檢驗方法比，引力模型可以在考慮經濟地理因素的基礎上，對一定區域范圍內省市間相互影響相互作用的關系進行定量分析。基于此，本文運用修正后的引力模型確定中國農業全要素生產率的空間關聯關系。省份i與省份j的農業全要素生產率空間關聯關系的引力模型如式2所示[15]。根據公式2，可得出省市自治區i與省市自治區j之間農業全要素生產率的引力矩陣。

式中：Fij代表省市自治區i與省市自治區j之間的引力。Mi和Mj代表省市自治區i與省市自治區j的“全要素生產率發展質量”，對于質量指標，根據城市間經濟聯系的典型計算公式其中，Pi和Pj為兩城市的人口指標，考慮數據的可獲得性，本文將Pi和Pj設定為省市自治區i與省市自治區j的年末農業從業人口數；Vi和Vj為兩城市的經濟指標，本文借鑒劉華軍等[16]的研究，將Vi和Vj設定為農業全要素生產率與農業生產總值的乘積，即Gi和Gj為省市自治區i與省市自治區j的農業生產總值，Ei和Ej為省市自治區i與省市自治區j的農業全要素生產率，kij表示省市自治區i在i與j全要素生產率關聯中的貢獻率。引力模型不僅考慮經濟因素，同時也引用了地理距離因素。因此，本文用省市自治區i和j省會的地理距離差Di-Dj表示省市自治區之間的地理距離Dij。

1.3 中國農業全要素生產率空間關聯網絡的結構特征

社會網絡分析法是以關系為單位，探究關系模式對結構中成員或整體影響的跨學科分析法，該方法不僅能夠反映空間關聯網絡的整體特征及演變趨勢，也能夠測度各省份在空間關聯網絡中的地位和作用，以及其空間聚類方式，適用于認識和探索中國農業全要素生產率空間關聯網絡的結構特征。因此，對中國農業全要素生產率空間關聯網絡的結構特征主要從整體結構特征、局部結構特征和個體結構特征三個維度進行研究。具體結構特征如下[17]：

1.3.1 整體網絡特征 整體網絡結構特征通常采用社會網絡中的網絡密度、網絡關聯度、網絡等級度和網絡效率進行分析。其中，網絡密度d(G)是衡量網絡中各節點之間聯系是否緊密的指標，網絡密度越小，則網絡中各節點之間的聯系就越疏松。網絡關聯度C是網絡對中介節點的依賴性，該指標能夠反應中國農業全要素生產率空間關聯網絡的穩定性。網絡等級度是反應網絡中各省市自治區之間等級結構是否明顯。網絡等級度越高，則網絡等級度越明顯。網絡效率H是指網絡中各節點之間的連接效率。網絡效率越高，則節點之間有更多的聯結，即節點聯系的更緊密，該關聯網絡越穩定。

式中：M為網絡中實際擁有的連接數，N為網絡的節點數，網絡密度的取值范圍為[0，1]。C是指網絡關聯度，V和V'分別是網絡中不可達和可達的成員對數，max(V')為網絡中可達成員對數的最大值，H代表網絡效率。

1.3.2 局部網絡特征 對中國農業全要素生產率空間關聯網絡的局部結構特征，主要運用社會網絡中的塊模型進行分析。塊模型理論可以刻畫和揭示中國農業全要素生產率空間關聯網絡中的內部結構狀態，以及各局部結構之間的溢出關系和路徑。本文采用最佳化禁忌搜尋法進行位置劃分，將空間關聯網絡劃分為四種不同的局部網絡，進而劃分出四種類型的板塊：凈溢出板塊、雙向溢出板塊、“經紀人”板塊和凈受益板塊。各板塊溢出和接收的關系數特征如表1所示。

表1 板塊關系數特征Table 1 Characteristics of panel relationship numbers

1.3.3 個體網絡特征 根據社會網絡分析方法，中國農業全要素生產率空間關聯網絡的個體網絡特征通常采用度數中心度、接近中心度和中介中心度等指標進行分析。其中，度數中心度BRD是指直接連接到該節點的其他節點數量，度數中心度較高的點在網絡中則處于中心地位；接近中心度C是指節點與其他節點的距離，接近中心度越高，該節點不受其他節點控制的程度越高；中介中心度CAPi是指一個節點控制相連的兩個節點相互作用的能力，中介中心度較高的節點在網絡中能夠發揮出中介和橋梁的功能。

式中：以BAD表示絕對度數中心度，用n表示網絡中的地區數目。dij表示點i和點j之間存在的捷徑距離，i≠j，Cmax為接近中心度的最大值，Ci為節點i的接近中心度。

1.4 數據來源

本文以中國31個省市自治區（不含港澳臺地區）作為網絡節點，實證考察中國農業全要素生產率的空間關聯。樣本時間跨度為2000—2018年。中國全要素生產率測度和引力模型測算所需的數據來源于《中國統計年鑒》、《中國農業年鑒》和《中國農村統計年鑒》。其中，各省份農業生產總值數據按照2000年=100進行平減，以消除價格因素對各地區農業生產總值的影響；省際之間的地理距離以省會城市之間的球面距離表示。

2 結果與分析

首先，測度2000—2018年中國農業全要素生產率，并運用改進的引力模型確定中國農業全要素生產率的空間關聯關系，構建中國農業全要素生產率的空間關聯網絡。在此基礎上，運用社會網絡分析法分析中國農業全要素生產率空間關聯網絡的整體結構特征、局部結構特征和個體結構特征；最后，確定驅動中國農業全要素生產率空間關聯性的因素。

2.1 中國農業全要素生產率的演化規律

圖1反映了2000、2010、和2018年中國大陸31個省市自治區農業全要素生產率的演化規律。由此可看出，第一，中國31個省市自治區Malmquist生產率指數值均大于1，即近20年間中國各地區的農業全要素生產率都在增長。第二，中國大陸31個省市自治區的農業全要素生產率依然具有空間差異性，且近20年中國農業全要素生產率基本呈現先增長后降低的趨勢，具有明顯的“∧”型。部分省份明顯存在多個峰值，尤其是西部地區的省市較為明顯。第三，與2000年相比，到“十三五”期間，中國東、中、西和東北四大區域板塊的農業全要素生產率均得到了提升。從時間來看，十一五期間中國農業全要素生產率增速較高；從區域來看，農業全要素生產率增速較大的區域為山東、廣西和青海等地區；增速較小的為海南、江西和安徽等地區。

2.2 整體網絡結構特征及演變趨勢

圖1 2000—2018年農業全要素生產率變化示意圖Fig. 1 Changes of China’s agricultural TFP from 2000 to 2018

圖2 2000、2010和2018年中國農業全要素生產率空間關聯網絡結構Fig. 2 Spatial correlation network structure of China’s agricultural TFP in 2000, 2010 and 2018

圖2展示了“十五”到“十三五”各典型時期的中國農業全要素生產率空間關聯網絡的演變趨勢。與工業創新發展空間關聯網絡中網絡密度單純的增長不同[18]，農業全要素生產率的空間關聯網絡結構演化過程較為復雜，主要從兩方面體現：一方面，隨著中國農業的發展，中國各省市自治區的農業全要素生產率不僅影響到地理鄰近的省市自治區，也打破了地域限制，與非鄰近省份建立了空間關聯關系。如2018年地處東北部的黑龍江省與東部的山東省和中部的山西省均建立了聯系。另一方面，部分省份呈現出關聯越來越復雜的變化趨勢，如黑龍江省在2000—2018年間，與其有關聯的省份數（度數）從3個省增長為4個省直到增長為8個省。但也有部分省份關聯數逐漸減少，如山東省在2000—2018年間，與其具有關聯的省份數（度數）從15減少到11。這種變化趨勢與我國近些年的農業發展是息息相關的。自2001年中國加入WTO組織之后，中國的農業和農產品開始受到農業強國的沖擊，各省為了保持自身農產品的競爭優勢，當其自給能力較弱時，會與其他省份建立聯結，借力于其他省份以提升自身的農業全要素生產率。而自2006年取消農業稅后，農業負擔減輕，一些農業大省自身發展極具活力，有能力逐漸擺脫對其他省份的依賴，所以存在隨著時間的增長關聯數逐漸減少的現象。

從網絡密度來看，兩階段的網絡密度均小于0.25，農業全要素生產率的空間關聯程度較低。中國農業全要素生產率空間關聯網絡的網絡密度呈現波動趨勢，大體呈現先降后升趨勢，如圖3所示。在2000—2011年間，空間關聯網絡的網絡密度雖然呈現小部分波動，但總體處于平穩狀態，略微下降。2011—2016年基本處于大幅度下降期，2016—2018年逐步上升。究其原因，這與中國近20年來對農業的補貼等刺激政策頒布息息相關。當中國糧食直補、臨時收儲等利好政策頒布實施時，由于政策補貼的增多，各省份農業生產力的提高，各省份農業對外的依賴性降低。而2016年后中國取消了臨時收儲等政策，中國農業供給側改革正式拉開帷幕。農民積極性的臨時性縮減、農資經銷企業遭受考驗等問題，使得各省份的農業不再獨立發展，重新建立關聯，其農業全要素生產率的關聯性漸增，這也符合中國農業生產要素全國配置的政策指導方針。

圖3 2000—2018年農業全要素生產率空間關聯網絡的網絡密度Fig. 3 Network density of the spatial correlation network of China’s agricultural TFP from 2000 to 2018

從網絡關聯性來看，Ucinet計算得出，2000—2018年的網絡關聯度均為1，表明中國農業全要素生產率各省市自治區之間的聯系十分緊密，并具有空間關聯和空間溢出效應；不同于工業空間關聯網絡等級度一直下降的發展趨勢[18]，農業全要素生產率空間關聯網絡的網絡等級度是具有波動性的，其在2005—2006年有一個高速的增長，2007年以后呈下降走勢。這是由于2006年中國在全國范圍內取消農業稅，各區域之間的聯系減弱，網絡等級度增強。經過2006—2007年的平穩期，2007年以后，相對森嚴的農業全要素生產率空間關聯結構逐漸被打破，省際農業全要素生產率之間的相互聯系和相互影響逐步增強；此外，作為測度網絡關聯性的指標之一的網絡效率，呈先增長后降低的趨勢，由此可見，農業全要素生產率的空間關聯網絡穩定性呈現由弱至強的趨勢（圖4）。

圖4 2000—2018年農業全要素生產率空間關聯網絡的網絡等級度Fig. 4 Network hierarchy the spatial correlation network of China’s agricultural TFP from 2000 to 2018

2.3 局部網絡特征分析

為了進一步了解中國農業全要素生產率空間關聯網絡的局部網絡特征，以及各地區在該網絡中的作用，本文基于2018年農業全要素生產率的空間關聯關系，運用UCINET中的CONCOR方法，設置最大分割深度為2、集中標準為0.2，劃分結果如表2所示。由表2可知，板塊I雙向溢出板塊主要集中在環渤海、京津冀和東北地區；板塊II凈受益板塊主要集中在西部地區；板塊III凈溢出板塊主要集中在華東和部分中南地區；板塊IV“經紀人”板塊主要集中在華南和西南地區。

在明確了板塊分布的基礎上，運用網絡模塊的評價方法對中國農業全要素生產率空間關聯網絡的總體關聯關系和四大板塊位置進行判斷，如表3所示。從總體關聯關系來看，中國農業全要素生產率空間關聯網絡中共存在226個關聯關系，而版塊自身內部的關聯關系為141個，板塊和板塊之間的關聯關系有85個。板塊內部的關系數遠大于板塊與外部板塊之間的關聯數，這說明板塊之間的農業全要素生產率具有集聚特征，但各個板塊間的空間關聯效應相對較弱。從四個板塊看，板塊I到IV分別為雙向溢出板塊、凈受益板塊、凈溢出板塊和“經紀人”板塊（Brokers）。其中，第I板塊內部溢出關系數為52，對板塊外的溢出關系數為22，板塊內外均產生了較多的聯系；第II板塊發出的關系數遠遠小于其接收的關系數，受益較多；第III板塊對板塊外發出的關系遠大于接收的關系數，其對其他板塊產生了較多溢出效應，而接受其他板塊的溢出則較少。第IV板塊對板塊外部的溢出關系數為18，對板塊外部接受關系數為23，其在接受其他板塊溢出效應的同時，也對其他板塊進行溢出，扮演著中介和橋梁的角色。

表2 中國農業全要素生產率空間關聯網絡的板塊分布Table 2 Regional distribution of the spatial correlation network of China’s agricultural TFP

為了刻畫各個板塊之間的溢出關系和傳遞機制，本文根據各個板塊的密度矩陣及像矩陣，繪制了四大板塊之間的關聯關系圖，如圖5所示。由表4和圖5可知，板塊III為板塊IV注入了農業生產的要素和動能，而板塊IV則充當著中介的作用，將農業生產的動能傳遞給板塊II。由此可見，華東地區和部分中南地區省市的農業要素流動到了華南和西南地區，華南和西南地區在滿足自身農業需求的基礎上，將農業全要素生產率提升的動能傳遞給了西部欠發達地區，同時環渤海、京津冀和東北地區的農業生產要素也流入西部地區，這為中國西部農業發展提供了保障，西部地區是中國農業全要素生產率空間關聯網絡的凈受益者，獲得了較高的關聯性受益。這與工業空間關聯網絡完全相反，中國農業全要素生產率空間關聯網絡的凈受益板塊不在位于長三角等經濟發達地區，而是處于西部欠發達地區。這也符合中國農業的整體發展需求，即由于西部地區農業農村經濟占比較高，但發展仍相對滯后，通過其他省份農業發展的帶動，實現西部農業的發展。

表3 中國農業全要素生產率空間關聯網絡的板塊溢出效應Table 3 Regional spillover effects of the spatial association network of China’s agricultural TFP

表4 密度矩陣和像矩陣Table 4 Density matrix and image matrix

2.4 個體網絡結構特征分析

為確定2000—2018年各省市在農業全要素生產率空間關聯網絡中的位置和作用，本文對該網絡進行了中心性分析。由于數據較多，為節省篇幅，將2018年的中心性分析截面數據測度結果列于表5。

2.4.1 點度中心度 根據2018年中國農業全要素生產率空間關聯網絡點度中心度的測度結果，湖北、內蒙古、陜西、河南和湖南等地區點度中心度較高，在農業全要素生產率空間關聯網絡中與其他省份的關系較多；吉林、青海、海南、浙江和上海等地區在點度中心度較低，與其他省份的關系較少。此外，華中地區的點度中心度普遍較高，華北地區和大部分西部地區普遍點度中心度較低，地域差異較為明顯。

綜合2018年和2010年兩年的截面數據，從出度來看，湖北省的出度最高，在全國范圍內，湖北省對其他省市的溢出效應最高。河北、山西、內蒙古、黑龍江、江蘇、安徽、江西、河南、湖南、廣西點出度較高，均高于全國平均值，對其他省市的溢出效應較明顯；除此之外，點入度高于點出度的省市分為兩類。一類是國家大力扶持的西部地區，如西藏、寧夏和新疆等省份，資源向西部地區傾斜

圖5 中國農業全要素生產率空間關聯網絡的板塊關系Fig. 5 Regional relationship of the spatial correlation network of China’s agricultural TFP

也符合中國目前的經濟發展現狀。另一類是經濟發達地區，如北京、天津、上海、浙江和福建省，這些省份在農業全要素生產率空間關聯網絡中受益較多，吸收了其他地區的資源。值得一提的是，山東省2000—2018年的出入度一直在變化，出度逐漸減少，入度逐漸增加，這標示著山東省已從過去的絕對溢出者變為如今的受益者。這是由于山東省農業發展較早，耕地面積較大，適合規模化種植，其農業從業人員數量多，種植技術先進，在農業總體規模和現代化水平等方面均占據優勢地位，能夠帶動關聯區域的農業發展。近年來，山東面臨著農村人口龐大，生態壓力劇增和人多地少矛盾突出的不平衡態勢，其空間溢出效應減弱，已逐漸作為受益者接受其他關聯區域的帶動和要素傳遞。

2.4.2 中介中心度與接近中心度 中介中心度較高的地區依次是湖北、內蒙古、山東和河南。這說明這些省份在農業全要素生產率空間關聯網絡中處于核心地位，而且還具有“橋梁”和“中介”的作用，對農業全要素生產率空間關聯網絡中的資源和要素具有控制權。而吉林、海南、浙江、上海等地區中介中心度均為0，處于農業全要素生產率空間關聯網絡的邊緣地位，對資源的控制權極低，與其他省份建立關聯大多需要借助農業發展較好的省份的中介作用。此外，2018年農業全要素生產率空間關聯網絡的中介中心度排名前10位省份的中介中心度之和占了總量的72%以上，這些省份對農業全要素生產率空間關聯網絡起到絕對的支配作用。接近中心度的測度結果與中介中心度類似，湖北、內蒙古、陜西和河南與其他地區的“距離”較短，在網絡中扮演著中心行動者的角色，擁有較強的獲得農業資本的能力和較高的農業全要素生產率。而吉林、天津、海南、浙江和上海等地與其他省份的“距離”較遠，扮演著邊緣行動者的角色，獲得農業資源的能力較弱，不利于其在農業全要素生產率空間關聯網絡中獲益。

綜合來看，湖北、內蒙古、河南、山東和陜西在中國農業全要素生產率的空間關聯網絡中處于絕對核心位置，在網絡中的地位較高，對農業生產要素的支配作用較強；吉林、海南、青海、天津和上海等在網絡中處于絕對邊緣位置，在農業生產合作中處于被動地位。

3 中國農業全要素生產率空間關聯性的驅動因素分析

為了進一步揭示中國農業全要素生產率空間關聯關系和溢出路徑的形成機制，本文將對中國農業全要素生產率空間關聯網絡的驅動因素進行分析，為各地區因地制宜地調整農業發展政策提供理論指導。

3.1 變量的選取與模型建立

中國農業全要素生產率空間關聯網絡是多種因素綜合驅動的結果。通過梳理文獻可知，首先，農業全要素生產率的空間關聯強度與地理距離是顯著相關的，地理距離近的省份之間可能表現出更多的農業全要素生產率外溢關系。其次，研究指出，地理事物的空間分異也受到經濟社會和自然環境等因素的影響，由此推斷農業全要素生產率的空間關聯性可能與地區經濟發展方式的差異大小有關，農業經濟發展水平可從農業規模、農業結構、農業要素投入與農業要素產出四個方面展現。最后，農業政策是農業現代化發展的保障，政府支持力度的不同可能驅動不同區域之間農業全要素生產率的關聯程度，本文將政府支持力度納入中國農業全要素生產率空間關聯網絡驅動因素的考慮范疇。據此，提出以下假設：

表5 2018年中國農業全要素生產率空間關聯網絡的中心性分析Table 5 Centrality analysis of the spatial correlation network of China’s agricultural TFP in 2018

假設1：農業規模差異能夠顯著影響中國農業全要素生產率的空間關聯性；

假設2：農業結構差異能夠顯著影響中國農業全要素生產率的空間關聯性；

假設3：農業要素投入水平差異能夠顯著影響中國農業全要素生產率的空間關聯性；

假設4：農業要素產出水平差異能夠顯著影響中國農業全要素生產率的空間關聯性；

假設5：自然環境差異能夠顯著影響中國農業全要素生產率的空間關聯性；

假設6：地理鄰接關系能夠顯著影響中國農業全要素生產率的空間關聯性；

假設7：政府支持力度差異能夠顯著影響中國農業全要素生產率的空間關聯性。

為驗證各假設，本文選用QAP回歸分析法。設因變量為中國農業全要素生產率的空間關聯性，其主要受到5個驅動因子組7個驅動因素的影響，即自變量為農業經濟發展水平、自然環境、地理鄰接關系、農業結構和政府支持力度。根據回歸分析模型，建立因變量RA和自變量G、J、R、C、Z、D和F之間的關系函數，可建立模型如下：

式中：f(x)是指回歸分析函數，G為農業規模差異，J為農業結構差異，R為要素投入水平差異，C為要素產出水平差異，Z為農業成災率差異，D為地理鄰接關系，F為財政支農支出差異，RA為農業全要素生產率的空間關聯性。各變量的具體測度方法如表6所示。

3.2 中國農業全要素生產率空間關聯性驅動因素的回歸分析

相關性分析是回歸分析的基礎。因此，運用QAP法對空間關聯矩陣與驅動因素之間的相關性進行分析，結果如表7所示。相關性分析結果表明，自然環境農業成災率差異和農業要素投入水平的顯著性水平大于10%，沒有通過顯著性檢驗，表明自然環境、農業要素投入水平與中國農業全要素生產率空間關聯性不相關，即假設3和5不成立。除此之外，農業規模差異在5%的水平上顯著，農業結構差異、農業要素產出水平差異、地理鄰接關系和財政支農支出差異在1%的水平上顯著，即假設1、2、4、6和7均成立。

選取與中國農業全要素生產率空間關聯性顯著相關的驅動因素作為解釋變量，進行QAP回歸分析。回歸分析結果的判定系數R2是0.347，在1%的水平上顯著。回歸分析結果如表8所示。回歸分析結果表明，對農業全要素生產率空間關聯性無影響的因素是農業規模差異，其顯著性概率大于0.05，農業規模的差異不能顯著影響農業全要素生產率空間網絡關聯性的強弱。對農業全要素生產率空間關聯性具有正向影響的驅動因素為地理鄰接關系，其標準化回歸系數分別為0.520 1，并且在1%的水平上顯著，因此，地理的鄰接能夠增強中國農業全要素生產率的空間關聯性。對農業全要素生產率空間關聯性具有負向影響的驅動因素為農業結構差異、要素產出水平差異和政府支持力度，其標準化系數分別為-0.146 7、-0.066 6和-0.063 4，均在1%和5%水平上顯著，即農業結構、要素產出水平和政府支持力度的差異阻礙了區域間農業全要素生產率空間網絡關系的建立。因此，農業結構、要素產出水平和政府支持力度的差異越小，中國農業全要素生產率空間關聯網絡關聯性越強。從農業結構因素來看，負向影響的原因可能是由于農業結構的不同影響了勞動和資本的省際流動，降低了模仿學習效應；從要素產出水平來看，過高的要素產出水平差異可能會對鄰近地區的生產要素產生競爭和稀釋效應，從而影響了二者的空間關聯性；從政府支持力度來看，政府支持力度的增加會使各省域具有充足的資本和要素用于自身農業發展，從而使其降低對關聯省份的依賴，進而降低區域之間的空間關聯性。

表 6 中國農業全要素生產率空間關聯網絡的驅動因素測度指標Table 6 Indicators for measuring the driving factors of the spatial correlation network of China’s agricultural TFP

表7 相關性分析結果Table 7 Correlation analysis results

表8 回歸分析結果Table 8 Regression analysis results

4 結論與政策啟示

4.1 研究結論

1）中國農業全要素生產率存在十分明顯的空間關聯和溢出效應，且空間關聯網絡連通效果很好。網絡密度隨農業政策的頒布呈現波動趨勢，省際農業全要素生產率之間的相互聯系和相互影響逐步增強，空間關聯網絡穩定性呈現由弱至強的趨勢。

2）中國農業全要素生產率空間關聯網絡存在明顯的集聚特征，各個板塊間的空間關聯效應相對較弱。華東地區和部分中南地區省市的農業要素流動到了華南和西南地區，華南和西南地區又將農業全要素生產率提升的動能傳遞給了西部欠發達地區，同時環渤海、京津冀和東北地區的農業生產要素也流入西部地區，西部地區是中國農業全要素生產率空間關聯網絡的凈受益者。

3）湖北、內蒙古、河南、山東和陜西在中國農業全要素生產率的空間關聯網絡中處于絕對核心位置，在網絡中的地位較高，對農業生產要素的支配作用較強；吉林、海南、青海、天津和上海等地區在網絡中處于絕對邊緣位置，在農業生產合作中處于被動地位。

4）對農業全要素生產率空間關聯性具有正向影響的驅動因素為地理鄰接關系，對農業全要素生產率空間關聯性具有負向影響的驅動因素為農業結構差異、要素產出水平差異和政府支持力度。

4.2 政策啟示

1）目前中國農業全要素生產率空間關聯網絡呈現緊密化的演變趨勢，政府應在順應這一趨勢的基礎上，將進一步破除地區壁壘作為下一步農業改革的重點。通過加快推進市場體系建設，減少行政指令導致的要素流動壁壘，并運用市場機制加強省域聯系，推動農業生產要素的省際流動，加速農業全要素生產率網絡緊密化的演變趨勢，進而實現中國農業全要素生產率的區域聯動和協同提高。

2）充分認識各板塊的功能以及各地區在農業全要素生產率空間關聯網絡中的位置與角色，以定向調控、精準調控為原則，制定針對性的區域農業發展政策。對于核心區域，要使科技進步成為推動農業全要素生產率增長的動力源，應繼續優化核心區域農業科研制度，完善農業推廣體系，釋放科技創新潛能。對于邊緣區域，一方面需給予邊緣區域如西部地區大量的資金支持，保障農業從業人員的福利待遇；一方面，應建立幫扶機制，加強核心區域優秀農業科技人員和技術向邊緣區域的流動，通過農業科技人員的互動交流，對邊緣區域基層農業生產者進行技術培訓，邊緣區域進行借鑒消化吸收。在此基礎上，建立區域之間的反饋機制，構建高質量區域協同發展評價體系。

3）對于地理鄰接地區，需加強和維護鄰接地區的合作與交流，并順應如“京津冀現代農業協同發展”等區域農業發展戰略，構建鄰接地區的農業協同發展網絡。對于農業結構、要素產出水平和政府支持力度差異大的區域，應建立跨區域農業協同發展平臺，通過平臺中各“經紀人板塊”中的中介區域與其他優勢省份建立空間關聯，從而實現農業要素資源跨區域的流動、共享和整合。

本文在一定意義上揭示了中國農業全要素生產率空間關聯網絡的網絡結構特征與驅動因素，為管理者制定政策及提高農業全要素生產率提供了一定的參考依據。當然，本文中還有很多內容有待進一步深入探討。比如，能否運用其他方法如復雜網絡思想方法，以便更全面的分析中國農業全要素生產率的空間網絡結構等。