基于LMDI的江蘇省農業現代化發展影響因素分析

郭承龍 于宸舒

摘 要：江蘇省農林牧漁業經濟地位不斷降低，農業現代化發展面臨著越來越多的挑戰。應用LMDI分解方法分析江蘇省農業現代化發展的影響因素。結果表明，投資強度、現代化水平和機械化強度對農林牧漁業總產值變化的正向影響效應依次下降;投入產出、投資結構和規模對農林牧漁業總產值變化構成負向影響效應依次降低。

關鍵詞：農業現代化;對數平均迪氏指數;影響因素

中圖分類號：F327? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2022）03-0050-04

江蘇以平原、水面占比居全國首位，具有悠久的“魚米之鄉”地理優勢。江蘇省農林牧漁業在GDP占比持續降低，由2011年的6.2%逐年下降到2017年的4.7%。2015年，三次產業結構為5.6∶46.3∶48.1，“三二一”經濟結構已形成，但農林牧漁業是經濟發展和社會發展的基礎地位愈加重要，也是鄉村振興的關鍵點。繼續發揮江蘇省農業生產規模和品質，提高農業現代化水平，需要剖析農林牧漁業發展影響因素，對制定和出臺促進農林牧漁業發展的政策有著重要參考意義。

一、文獻綜述

LMDI從能源碳排放領域擴展到非能源領域。LMDI在農業領域中的碳排放研究是近幾年的熱點[1～2]。農業產出的影響因素研究成果總量偏少，其中糧食產量影響因素是研究熱點之一。郭焱和朱俊峰（2017）將糧食單產和播種面積效應用于玉米產量的影響因素分析[3]。沙宇蕾（2020）研究發現，總播種面積、農用機械總動力、化肥施用量—復合肥、農業固定投資額、農村用電量等對農業產值具有顯著影響[4]。財政支農對現代農業發展具有正向促進作用[5]，農業貸款對現代農業具有負向顯著性影響[6]。吉星等（2019）認為，農業用地產權安全性會調節規模經營與土地產出之間的關系[7]。辛沖沖、陳志勇（2017）將LMDI引入財政支農支出對農業經濟增長的驅動因素研究，得到活動效應、結構效應和效率效應三個效應[8]。王桂民、陳聰（2017）等在耕地流轉研究中引入LMDI，認為經濟因素、增收因素、農機化因素正向推動耕地流轉，而經營意愿抑制耕地流轉[9]。LMDI分解法在農業灌溉需水方面的研究十分少見。Zhao Chunfu等使用LMDI，對水足跡展開分解分析[10]。陳巖等（2020）使用LMDI模型分解農業灰水足跡效率驅動因素，結果表明，農業經濟效應、灰水產出規模效應和耕地資源效應為正向效應，化肥強度效應和農業環境效應為負向效應[11]。

LMDI方法在農業領域研究主要集中糧食產量等大宗農產品驅動因素分解，尚未有針對農林牧漁業（農林牧漁業簡稱為“大農業”，下同）現代化水平的影響因素研究。江蘇省擁有的天然農業資源稟賦需要進一步挖掘大農業的生產力，需要多維度分析江蘇省大農業現代化發展的影響因素。農業用地面積是經濟產出的基礎變量，機械化水平是農業現代化發展進程中的標志性變量，投資方向是我國政策引導的常規方式。這里將經濟產出、投資、農業生產面積和機械化水平等聯系起來系統化分析，為實現江蘇省鄉村經濟振興、促進美麗鄉村內涵式發展提供現實性參考。

二、研究方法及實證分析

（一）研究方法

根據Kaya恒等式思想，將跨領域多因素聯合起來得到下式：

式中，V分別表示農林牧漁業總產值，Vj表是第j產業總產值，j=1，2，3，4，5（分別表示農業、林業、牧業、漁業和農林牧漁服務業），Ij表示第j產業的農林牧漁業投資，I表示農林牧漁業投資規模，G1表示農林牧漁業行業增加值，M表示農林牧漁業機械總動力，S表示農業生產面積。

Ang（2005）指出，LMDI是完全的、不產生殘差，是目前相對較優的因素分解法[12]。LMDI滿足因素可逆條件，將各驅動因素分解為具有實際意義的若干效應，更具操作性。LMDI分解有加法模式和乘法模式之分。T表示目標期，0表示基期。加法分解模式如下：

其中，

其中，wj為各因素的權重，ΔVI表示第j產業總產出與投資的比重變化，衡量投入產出效應，ΔRI表示第j產業的投資結構變化，衡量投資結構效應，ΔIG表示農業投資與增加值比重的變化，衡量投資強度效應，ΔGM表示增加值與機械總動力的比重變化，衡量機械化強度效應，ΔMS表示大農業機械總動力與農業生產規模比重，衡量現代化效應，ΔS表示農業生產的規模效應。%VI表示投入產出效應貢獻度，%RI表示投資結構效應貢獻度，%IG表示投資強度效應貢獻度，%GM表示機械化強度效應貢獻度，%MS表示現代化效應貢獻度，%S表示規模效應貢獻度。

（二）研究準備

因為指標中使用經濟類數據同時存在價格因素共同影響，相互比較后可以去除該影響，故而使用當年價格數據（《江蘇省統計年鑒》）。2011年起，固定資產統計口徑更新。2020年江蘇統計年鑒中固定資產農業分類投資等數據只更新到2017年。故而根據各數據可得性，研究期設定為2011—2017年，且將2011年作為分解中的基期。

（三）結果分析

由下頁表1可知，相較于2011年，各期大農業投資強度均構成農林牧漁業增長的正向促進性因素。其中2011—2017年，江蘇省農林牧漁業總產值增加1 972.97億元，投資強度提供了5 087.19億元增長空間，貢獻257.84%正向作用力，是農林牧漁業增長的主要推動力，體現每年新增經濟產出用于大農業的投資力度。江蘇省大農業投資力度的加大，由2011年的5.06%提高到2017年的11.57%，反映出大農業的基礎性地位的重視程度。

現代化因素是推動農林牧漁業增長的重要的促進性因素。現代化因素促進各期的農林牧漁業增長，貢獻力度逐期提高。其中2011—2017年，現代化因素提供了1 251.78億元的增長空間，貢獻了63.45%正向作用力。主要得益于單位農業生產規模的機械化程度由2011年的5.4千瓦/公頃增長到2017年的6.6千瓦/公頃，提高了農業生產的機械化普及程度，表明大農業現代化程度提高是農林牧漁業增長的重要力量。

機械化強度因素也是農林牧漁業增長的促進性因素。機械化強度因素對農林牧漁業增長的貢獻力度呈下降趨勢，由80.23%降低到28.10%。江蘇省的平原地形有利于機械化普及，由2011年74.64萬元/千瓦提高到2017年81.67萬元/千瓦。在現有機械裝備技術下，機械化強度的年均增長率由2012年8.66%下降到2017年的1.51%，機械化強度帶來的正向效應正在衰減。

相較于2011年，各期投入產出因素是農林牧漁業增長的最大抑制性因素。其中2011—2017年，江蘇省投入產出因素削減了4 330.17億元增長空間，貢獻-219.47%負向作用力。江蘇省農業、林業、畜牧業、漁業和農、林、牧、漁服務業投資產生的效果均呈減弱態勢。其中投入產出效果最高的漁業由2011年的80.52單位降低到2017年 62.01單位;產值最高的農業的投入產出效果由38.95單位下降到2017年的17.41單位;畜牧業由2011年的35.45單位降低到2017年13.47單位。林業和農、林、牧、漁服務業也呈下降趨勢。這種共同性下降趨勢表明，常用的投資促進經濟增長的后續乏力，成為大農業增長的負向影響因素，需要另尋其他方式。

投資結構在2011—2017年長時間尺度上表現為農林牧漁業增長的抑制性因素。其中2011—2017年，江蘇省投資結構因素削減了540.17億元增長空間，貢獻-27.38%負向作用力。江蘇省農業投資結構在2015年之前是大農業增長的推動性力量。這期間農業、林業和漁業的投資比重增加，合計比重由2011年55.72%提高到64.38%，發揮了主要正向力量。2016年和2017年，農業投資比重有所提高外，其他各個細分行業的投資比重收窄，造成近2年的投資結構構成農林牧漁業增長的抑制性影響因素。

農業生產的規模效應在2011—2017年長時間尺度上也表現為農林牧漁業增長的抑制性因素，作用力最小。其中2011—2017年，江蘇省大農業規模效應因素削減了50億元增長空間，貢獻-2.53%負向作用力。2013—2016年規模因素相較于2011年有所提高，對農林牧漁業增長構成正向影響因素;而2012年和2017年生產規模因素相較于2011年有所下降，對農林牧漁業增長構成負向影響因素，降低了農林牧漁業增長空間。其他時間尺度下，生產規模因素相較于2011年有所正向增長，對農林牧漁業增長構成正向影響因素。

三、結論與建議

（一）投資強度逐年提高構成大農業總產值增長的最大正向影響因素

從經濟產出中剝離部分收益反哺于農業，使得投資強度逐步提高，進而促進大農業總產值正向增長。由于農業的基礎性地位，各種農業補貼形式需要繼續鞏固和創新，提高農業資金投入，提高農民收益，留住農業勞動力。

（二）現代化構成大農業總產值增長的重要正向影響因素

單位農業生產規模的機械動力投入提高，生產率和農業產出提高，推動大農業正向增長。由此可考慮提升農業機械技術水平，引入效率更高的機械設備，提高大農業產出。

（三）機械化強度因素也構成大農業總產值增長的正向影響因素

平原水網是江蘇省天然優勢，有利于推進機械化普及。由此繼續提高機械普及覆蓋面，替代勞動力成本上升和農村適齡勞動力短缺的問題。

（四）投入產出下降構成大農業總產值減少的主要影響因素

因大農業投資的長周期性，加之產品價格偏低，投資效果低于其他行業。投入產出效果下降削減了大農業增長空間。因此，擴大可自由交易的農業要素范圍，降低農業投資進入、退出門檻，推動農業報酬率逐漸接近工業等報酬率，降低其對大農業總產值的負向效應。

（五）投資結構總體上構成大農業增長的負向影響因素

正由于農業投資效果下降，進一步加劇在各個投資方向的投資力度減少，抑制了大農業增長。科學合理設計投資方向和投資項目以積極吸引投資源，合理引導國有資本和民間投資的渠道和范圍各自掌握投資內容，避免出現國資擠占民間投資和投資真空帶。

（六）農業生產的規模總體上也構成大農業增長的負向影響因素

合理規劃農業用地和建設用地，在堅定基本農業保護政策下，合理設計大農業內部各種土地用途，降低農業生產用地規模減少造成的負向影響。

參考文獻：

[1]? 李國志，李宗植.中國農業能源消費碳排放因素分解實證分析——基于LMDI模型[J].農業技術經濟，2010，（10）：66-72.

[2]? 王劼，朱朝枝.農業碳排放的影響因素分解與脫鉤效應的國際比較[J].統計與決策，2018，（34）：106-110.

[3]? 郭焱，朱俊峰.我國玉米生產的時空特征分析[J].農業經濟與管理，2017，（1）：17-24.

[4]? 沙宇蕾.我國農業產值影響因素實證研究[J].中國林業經濟，2020，（5）：27-29+39.

[5]? 張敏，姚萍.江蘇省金融支持現代農業發展研究[J].物流工程與管理，2020，（4）：160-162.

[6]? 張敏，洪偉.涉農財政支出和農業貸款對現代農業經濟增長影響實證研究——以江蘇省為例[J].中國林業經濟，2020，（5）：133-135.

[7]? 吉星，徐靜文，何文劍，等.農業規模經營能否提高土地產出？——一個基于產權安全視角的實證分析[J].新疆農墾經濟，2019，（6）：29-36.

[8]? 辛沖沖，陳志勇.我國財政支農支出與農業經濟增長——基于LMDI分解法的研究[J].上海經濟研究，2017，（3）：78-86.

[9]? 王桂民，陳聰，曹光喬，等.中國耕地流轉時空特征及影響因素分解[J].農業工程學報，2017，（1）：1-7.

[10]? Zhao Chunfu，Chen Bin.Driving force analysis of the agricultural water footprint in China based on the LMDI method[J].Environmental Science and Technology，2014，（48）：12723-12731.

[11]? 陳巖，童國平，王蕾.淮河流域農業灰水足跡效率的時空分布與驅動模式[J].水資源保護，2020，（6）：60-66.

[12]? Ang B.W.The LMDI approach to decomposition analysis：a practical guide，Energy Policy，2005，（7）：867-871.

[責任編輯 文 峰]