解春艷+豐景春+張可

摘要：運用探索性空間數(shù)據(jù)分析方法分析了互聯(lián)網(wǎng)發(fā)展水平與農(nóng)業(yè)面源污染的空間關聯(lián)性，在此基礎上，采用空間計量模型將傳統(tǒng)農(nóng)業(yè)面源污染模型作為基準組，與引入互聯(lián)網(wǎng)發(fā)展水平的對照組進行對比。結果表明，互聯(lián)網(wǎng)發(fā)展水平與農(nóng)業(yè)面源污染均存在顯著的空間自相關性，且互聯(lián)網(wǎng)發(fā)展水平是影響農(nóng)業(yè)面源污染的重要因素，互聯(lián)網(wǎng)發(fā)展水平的提高能顯著減少農(nóng)業(yè)面源污染，對改善農(nóng)業(yè)環(huán)境效果明顯。

關鍵詞：“互聯(lián)網(wǎng)+”；農(nóng)業(yè)面源污染；空間計量模型

DOI：10.13956/j.ss.1001-8409.2017.04.02

中圖分類號：F062.5；X506 文獻標識碼：A 文章編號：1001-8409（2017）04-0005-04

Abstract： This paper analyzes the spatial correlation of internet development level and agricultural nonpoint source pollution by using exploratory spatial data analysis methods. And then， it compares the reference group and the control group by spatial econometric model. Result shows that， spatial autocorrelation of the Internet development level and agricultural nonpoint source pollution are both significant. Internet development level is an important factor of agricultural nonpoint source pollution. The improvement of internet development can significantly reduce agricultural nonpoint source pollution and improve environmental quality.

Key words：‘Internet+； agricultural nonpoint source pollution； spatial econometric model

隨著我國農(nóng)村經(jīng)濟迅猛發(fā)展，農(nóng)業(yè)面源污染問題日益突出，不僅對農(nóng)業(yè)資源和生態(tài)環(huán)境造成破壞，阻礙農(nóng)業(yè)的可持續(xù)發(fā)展，而且嚴重影響農(nóng)產(chǎn)品的質(zhì)量安全，威脅公眾的生命健康。公眾環(huán)保意識的增強及其對農(nóng)產(chǎn)品質(zhì)量安全要求的提高，促使政府和公眾高度重視農(nóng)業(yè)面源污染問題。而信息技術獨特的優(yōu)勢及其在農(nóng)業(yè)發(fā)展和環(huán)境保護領域的創(chuàng)新性應用，使得互聯(lián)網(wǎng)在環(huán)境治理中的作用日益顯著。2015年1月我國實施的新環(huán)保法強調(diào)了環(huán)境保護信息化建設與信息公開。同年3月，國務院總理李克強提出制定“互聯(lián)網(wǎng)+”行動計劃。目前，“互聯(lián)網(wǎng)+”已滲透到各領域，其中“互聯(lián)網(wǎng)+環(huán)?！睘榄h(huán)境信息化發(fā)展搭建了平臺，而“互聯(lián)網(wǎng)+農(nóng)業(yè)”的發(fā)展思維促進了農(nóng)業(yè)轉(zhuǎn)型升級，使農(nóng)業(yè)生產(chǎn)更加環(huán)境友好。

農(nóng)業(yè)面源污染具有隨機性、分散性和隱蔽性，對其監(jiān)管和治理的難度較大。而互聯(lián)網(wǎng)的實時性、開放性和交互性成為推動農(nóng)業(yè)面源污染治理現(xiàn)代化的有效手段。學者們從不同角度研究了互聯(lián)網(wǎng)在農(nóng)業(yè)面源污染治理中的作用，主要表現(xiàn)在三個方面：一是農(nóng)業(yè)面源污染的動態(tài)監(jiān)測與監(jiān)管。利用大數(shù)據(jù)、遙感技術等[1～3]，對農(nóng)業(yè)土壤、水體污染等進行區(qū)域監(jiān)測和動態(tài)時空分析，將農(nóng)業(yè)污染信息庫與不同信息系統(tǒng)協(xié)同，實現(xiàn)農(nóng)業(yè)面源污染監(jiān)管的數(shù)字化、網(wǎng)絡化和信息化。二是公眾參與環(huán)保深度化。環(huán)境狀況與公眾的生活質(zhì)量息息相關[4]，互聯(lián)網(wǎng)為公眾獲取環(huán)境信息、參與環(huán)保提供了新的方式和契機。公眾可以將現(xiàn)場真實的農(nóng)業(yè)面源污染信息提供給環(huán)保監(jiān)測部門，舉報污染現(xiàn)象，還能實時跟進污染治理過程和成果，形成對農(nóng)業(yè)面源污染和環(huán)境執(zhí)法成果的雙重監(jiān)督。三是農(nóng)業(yè)發(fā)展的智能化?；诨ヂ?lián)網(wǎng)技術的智慧農(nóng)業(yè)將農(nóng)業(yè)生產(chǎn)中的各項資源進行最佳的整合配置，有效提高了農(nóng)業(yè)資源與生產(chǎn)要素的利用效率，降低農(nóng)業(yè)能耗，最大限度地保護農(nóng)業(yè)生態(tài)環(huán)境[5]。

國內(nèi)外學者從多個層面探討了互聯(lián)網(wǎng)對農(nóng)業(yè)面源污染的影響，但仍存在以下不足。第一，現(xiàn)有文獻多是探討互聯(lián)網(wǎng)在改善農(nóng)業(yè)面源污染中的應用及意義，缺乏結合實際情況實證分析互聯(lián)網(wǎng)發(fā)展對農(nóng)業(yè)面源污染治理的影響研究。第二，目前一些學者的研究發(fā)現(xiàn)環(huán)境污染具有空間自相關性[6～8]，以往關于農(nóng)業(yè)面源污染的研究并沒有考慮農(nóng)業(yè)面源污染的空間效應，更沒有考慮互聯(lián)網(wǎng)發(fā)展水平及其空間自相關性對農(nóng)業(yè)面源污染的影響，且研究方法多是采用時間序列數(shù)據(jù)、截面數(shù)據(jù)或傳統(tǒng)的面板數(shù)據(jù)，引入空間計量方法進行面板數(shù)據(jù)分析的不多。

鑒于此，本文首先分析我國互聯(lián)網(wǎng)發(fā)展水平和農(nóng)業(yè)面源污染的空間分布特征，然后將互聯(lián)網(wǎng)發(fā)展水平和農(nóng)業(yè)面源污染的空間自相關性納入空間計量模型，分析互聯(lián)網(wǎng)發(fā)展水平對農(nóng)業(yè)面源污染的影響。旨在從互聯(lián)網(wǎng)的動態(tài)發(fā)展角度，揭示互聯(lián)網(wǎng)發(fā)展水平與農(nóng)業(yè)面源污染在地理分布上的空間效應，重點考察互聯(lián)網(wǎng)發(fā)展水平對農(nóng)業(yè)面源污染的作用，以期為我國利用信息化手段治理農(nóng)業(yè)面源污染提供科學依據(jù)。

1 研究方法與模型構建

1.1 空間相關性檢驗方法

為測度省域互聯(lián)網(wǎng)發(fā)展水平與農(nóng)業(yè)面源污染在地理空間上的關聯(lián)性、異質(zhì)性及集聚特征，采用局域空間自相關Moran指數(shù)及其散點圖、局部空間關聯(lián)指標LISA集群圖來檢驗。

Moran指數(shù)的取值范圍在區(qū)間[-1，1]之間，若Moran指數(shù)在（0，1]之間，表示區(qū)域觀測值呈空間正相關；在[-1，0）之間，表示區(qū)域觀測值呈空間負相關。Moran值越接近1，表示相似屬性集聚；越接近-1，表示相異屬性集聚；越接近0，表示屬性隨機分布或不存在空間相關性。

Moran散點圖用來研究局域的空間不穩(wěn)定性，分為四個象限的空間關聯(lián)模式：第一、三象限表示正向空間自相關性，第二、四象限表示負向空間自相關性。其中，第一象限（高-高）表示高觀測值區(qū)域被高值區(qū)域所包圍，第二象限（低-高）表示低觀測值區(qū)域被高值區(qū)域所包圍，第三象限（低-低）表示低觀測值區(qū)域被低值區(qū)域所包圍，第四象限（高-低）表示高觀測值區(qū)域被低值區(qū)域所包圍。

局域空間關聯(lián)指標LISA用來檢驗局部地區(qū)是否存在集聚現(xiàn)象，LISA集聚區(qū)反映了相鄰區(qū)域觀測值相互接近的特質(zhì)，用以刻畫區(qū)域差異。

1.2 模型設定

Anselin將空間計量模型分為空間自回歸模型（SAR，又稱空間滯后模型）和空間誤差模型（SEM）[9]。

式中，i和t表示第i個省份第t年的數(shù)據(jù)；P表示農(nóng)業(yè)源氨氮排放量；WlnPit表示區(qū)域農(nóng)業(yè)面源污染空間滯后因子；AGDP為各地區(qū)人均收入；INT表示互聯(lián)網(wǎng)普及率；X表示其他影響農(nóng)業(yè)面源污染的控制變量；β表示解釋變量的回歸系數(shù)；ρ表示空間自回歸系數(shù)；λ表示空間誤差系數(shù)；ε、μ表示隨機誤差項；W為空間權重矩陣。

1.3 數(shù)據(jù)來源與指標選取

自2011年起，環(huán)保部將統(tǒng)計范圍擴展到農(nóng)業(yè)源，所以農(nóng)業(yè)面源污染衡量指標選用2011年以后的指標。樣本區(qū)間采用2011～2014年全國31個省、直轄市和自治區(qū)（以下簡稱為區(qū)域或省域），相關原始數(shù)據(jù)來自歷年《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》和《中國財政年鑒》。

農(nóng)業(yè)面源污染（P）。氮元素是農(nóng)業(yè)面源污染最重要的成分，化肥施用、畜禽排泄物及農(nóng)村生活污染等都可以用氮素來衡量[10]。因此本文選取農(nóng)業(yè)源氨氮排放量作為衡量農(nóng)業(yè)面源污染的指標。

互聯(lián)網(wǎng)發(fā)展水平（INT）。互聯(lián)網(wǎng)的普及提升了政府環(huán)境監(jiān)管與執(zhí)法效率、公眾環(huán)保參與度和農(nóng)業(yè)資源利用率，形成了政府監(jiān)管、公眾監(jiān)督、清潔生產(chǎn)的協(xié)同改善農(nóng)業(yè)面源污染局面。本文采用互聯(lián)網(wǎng)普及率來度量互聯(lián)網(wǎng)發(fā)展水平。

經(jīng)濟發(fā)展水平（AGDP）。環(huán)境質(zhì)量與經(jīng)濟發(fā)展之間關系密切[11]，一方面經(jīng)濟發(fā)展水平提高導致農(nóng)產(chǎn)品需求增大，加重了農(nóng)業(yè)面源污染；另一方面經(jīng)濟發(fā)展為農(nóng)業(yè)生產(chǎn)應用先進技術提供基礎，減少了農(nóng)業(yè)生產(chǎn)造成的污染。本文采用實際人均GDP作為度量指標，數(shù)據(jù)以2011年為基期，用歷年GDP平減指數(shù)消除價格影響。

工業(yè)化進程（IND）。工業(yè)化發(fā)展初期，由于工業(yè)化對農(nóng)業(yè)資源的掠奪，農(nóng)業(yè)生產(chǎn)者為提高土地利用效率，廣泛運用高產(chǎn)高污染農(nóng)用化工品，加重了農(nóng)業(yè)面源污染[12]。工業(yè)化發(fā)展中后期，隨著工業(yè)部門的技術進步與效率提升，親環(huán)境的農(nóng)業(yè)生產(chǎn)技術得以發(fā)展和推廣，此時工業(yè)化將有助于改善農(nóng)業(yè)生態(tài)環(huán)境。本文采用第二產(chǎn)業(yè)增加值占GDP的比重作為度量指標。

農(nóng)業(yè)項目投入（AI）。農(nóng)業(yè)項目投入主要用于土地治理、產(chǎn)業(yè)化經(jīng)營和科技示范項目，通過提高土地利用率，減少農(nóng)業(yè)生產(chǎn)者對化肥農(nóng)藥的依賴性，并實現(xiàn)農(nóng)產(chǎn)品集約高效生產(chǎn)及污染物的集中處理，同時，利用示范效應帶動農(nóng)業(yè)生產(chǎn)生態(tài)化。本文采用農(nóng)業(yè)綜合開發(fā)項目投入作為度量指標。

環(huán)境治理力度（EG）。環(huán)境治理力度的強弱關系到當?shù)匚廴九欧潘?，較高的環(huán)境治理投入和治理效率可以改善環(huán)境質(zhì)量。本文采用環(huán)境污染治理投資占GDP的比重作為度量指標。

對外開放水平（OP）。貿(mào)易開放對環(huán)境的影響存在兩種觀點，一種認為貿(mào)易開放有利于改善東道國的環(huán)境質(zhì)量；另一種是“污染避難所假說”，認為貿(mào)易開放促使東道國環(huán)境質(zhì)量惡化。本文采用各地區(qū)進出口貿(mào)易額占GDP的比重作為衡量指標。

2 互聯(lián)網(wǎng)發(fā)展水平對環(huán)境污染影響的實證分析

2.1 空間自相關性檢驗

Moran指數(shù)檢驗結果顯示，2011～2014年互聯(lián)網(wǎng)普及率與農(nóng)業(yè)源氨氮排放量的Moran指數(shù)均為正值，分別通過了1%和5%的顯著性水平檢驗，說明我國31個省域互聯(lián)網(wǎng)普及率和農(nóng)業(yè)氨氮排放量在地理分布上均呈現(xiàn)顯著的空間正相關，表現(xiàn)出相似屬性之間的空間集聚。

2011～2014年互聯(lián)網(wǎng)普及率與農(nóng)業(yè)源氨氮排放量的Moran散點圖顯示大部分省域集中在第一象限和第三象限?？梢?，各省域的互聯(lián)網(wǎng)普及率與農(nóng)業(yè)源氨氮排放量都表現(xiàn)出明顯的空間依賴性，大部分省域與相鄰省域存在相似集聚特征，高-高和低-低類型集聚占主導地位。

2014年互聯(lián)網(wǎng)普及率的LISA集群圖如圖1所示，互聯(lián)網(wǎng)普及率在空間分布上形成了兩個不同的集聚區(qū)域：第一個是以天津為中心，與北京等鄰域組成的高值集聚區(qū)；第二個是以重慶等為中心，與周邊省域組成的低值集聚區(qū)。農(nóng)業(yè)源氨氮排放量的LISA集群圖（見圖2）顯示，農(nóng)業(yè)源氨氮排放量空間集聚效應表現(xiàn)為：一是以河南、安徽等地為中心，與鄰域形成的高值集聚區(qū)，二是以新疆為中心，與周邊省域形成的低值集聚區(qū)，四川分布在高—低區(qū)，而其鄰域的甘肅、青海等省域均位于低—低區(qū)，四川作為農(nóng)業(yè)源氨氮排放量高值區(qū)被低值區(qū)所包圍。

根據(jù)互聯(lián)網(wǎng)普及率與農(nóng)業(yè)源氨氮排放量的空間分布和集聚檢驗可知，互聯(lián)網(wǎng)發(fā)展水平與農(nóng)業(yè)面源污染均存在空間自相關性和空間集聚效應。為進一步檢驗互聯(lián)網(wǎng)發(fā)展水平對農(nóng)業(yè)面源污染的影響，采用空間計量模型進行實證分析。

2.2 空間計量估計與分析

經(jīng)Hausman檢驗，農(nóng)業(yè)面源污染基準組與對照組均應采用固定效應模型，固定效應分為無固定效應、空間固定效應、時間固定效應、空間與時間雙固定效應。對空間計量模型的選擇，根據(jù)Anselin等提出的判別準則[13]，如果LM lag比LM error在統(tǒng)計上更加顯著，且Robust LM lag顯著而Robust LM error不顯著，則可以斷定適合SAR模型；反則適合SEM模型?；鶞式M與對照組的拉格朗日乘子檢驗結果顯示本研究適合SEM模型。SEM模型檢驗結果見表1①。

SEM估計結果顯示，模型的R2和LogL等統(tǒng)計量擬合度較好，表明模型能夠較好地反映各解釋變量對農(nóng)業(yè)源氨氮排放量的影響。從模型中解釋變量系數(shù)的估計結果來看，采用空間固定效應時各解釋變量大多通過了顯著性檢驗，對樣本的解釋力度較高，估計結果優(yōu)于其他效應，因此，在后續(xù)的研究中選擇空間固定效應的估計結果進行討論。

將對照組與基準組的檢驗結果進行對比，對照組的R2和LogL等統(tǒng)計量大于基準組，且大部分變量的顯著性明顯高于基準組，各變量的估計系數(shù)較基準組也有明顯提高。這說明互聯(lián)網(wǎng)發(fā)展水平是影響農(nóng)業(yè)面源污染的重要變量，在對照組模型中引入互聯(lián)網(wǎng)發(fā)展水平相比于基準組擬合效果更好，模型構建更加合理。下文采用對照組估計結果進行分析。

空間誤差系數(shù)λ顯著為正，表明農(nóng)業(yè)面源污染在地理空間上存在顯著的空間依賴，受到相鄰省域的溢出效應影響明顯。

互聯(lián)網(wǎng)普及率的估計系數(shù)顯著為負，說明互聯(lián)網(wǎng)發(fā)展水平提高將會引起農(nóng)業(yè)源氨氮排放量的顯著減少，有利于改善農(nóng)業(yè)面源污染。究其原因，一方面是互聯(lián)網(wǎng)信息化實現(xiàn)了農(nóng)業(yè)環(huán)境資源整合和信息共享，提高了政府農(nóng)業(yè)面源污染監(jiān)管水平和治理效率以及公眾參與環(huán)保的意識和積極性；另一方面相對于傳統(tǒng)的農(nóng)業(yè)生產(chǎn)方式，用互聯(lián)網(wǎng)方式發(fā)展農(nóng)業(yè)，提高了農(nóng)業(yè)生產(chǎn)效率和農(nóng)產(chǎn)品質(zhì)量，減輕了農(nóng)業(yè)生態(tài)壓力。

經(jīng)濟發(fā)展水平的回歸系數(shù)均通過顯著性檢驗，β1和β3估計值顯著為正，β2估計值顯著為負，表明經(jīng)濟發(fā)展水平與農(nóng)業(yè)面源污染之間呈N型關系，農(nóng)業(yè)面源污染隨經(jīng)濟發(fā)展水平增加呈現(xiàn)上升-下降-上升的變化趨勢。

工業(yè)化進程對農(nóng)業(yè)源氨氮排放量有正向影響，表明工業(yè)化發(fā)展加劇了農(nóng)業(yè)面源污染。目前我國處于工業(yè)化中期，該階段農(nóng)業(yè)面源污染是工業(yè)化的產(chǎn)物[12]，農(nóng)業(yè)生產(chǎn)者高度依賴農(nóng)藥化肥的生產(chǎn)方式制約了農(nóng)業(yè)面源污染的治理[14]。

農(nóng)業(yè)項目投入的回歸系數(shù)顯著為負，表明農(nóng)業(yè)項目投入的提高有助于減少農(nóng)業(yè)面源污染。農(nóng)業(yè)項目投入改善了農(nóng)業(yè)生產(chǎn)環(huán)境，推動了農(nóng)業(yè)生產(chǎn)生態(tài)化。

環(huán)境治理力度對農(nóng)業(yè)面源污染影響不顯著。原因在于，我國農(nóng)業(yè)污染治理投資嚴重不足且利用效率不高，雖然治理投入逐年增加但并未得到有效利用，此外，我國的環(huán)境污染治理模式主要是末端治理，不能減少污染物的排放。

對外開放水平的回歸系數(shù)顯著為負，意味著對外開放水平的提高有利于減輕農(nóng)業(yè)面源污染。貿(mào)易開放的技術外溢效應提高了本地區(qū)的技術水平和生產(chǎn)效率，同時發(fā)達國家對進出口農(nóng)產(chǎn)品執(zhí)行的嚴格環(huán)保標準促使我國農(nóng)業(yè)生產(chǎn)更為清潔環(huán)保。

3 結論與啟示

本文分析了2011～2014年我國31個省域互聯(lián)網(wǎng)發(fā)展水平和農(nóng)業(yè)面源污染的空間效應，并在此基礎上構建空間計量模型分析了互聯(lián)網(wǎng)發(fā)展水平對農(nóng)業(yè)面源污染的影響，得到結論與啟示如下：

互聯(lián)網(wǎng)發(fā)展水平的提高有利于減少農(nóng)業(yè)面源污染，對農(nóng)業(yè)環(huán)境保護具有積極的促進作用。因此，應借助“互聯(lián)網(wǎng)+”平臺推動互聯(lián)網(wǎng)技術在環(huán)境保護領域的應用。一是構建全面的環(huán)保系統(tǒng)，如農(nóng)業(yè)污染源監(jiān)控系統(tǒng)、移動執(zhí)法系統(tǒng)等；二是加強環(huán)境管理的跨界聯(lián)動和信息共享；三是建立政府與公眾的信息溝通平臺，鼓勵社會公眾舉報農(nóng)業(yè)污染違法行為、監(jiān)督執(zhí)法結果；四是利用“互聯(lián)網(wǎng)+”的智能性，加速農(nóng)業(yè)轉(zhuǎn)型升級，打造資源節(jié)約、環(huán)境友好的生態(tài)農(nóng)業(yè)，從源頭上解決農(nóng)業(yè)面源污染排放問題。利用互聯(lián)網(wǎng)將農(nóng)業(yè)環(huán)境信息、環(huán)保部門監(jiān)管和治污情況公開，接受社會監(jiān)督，形成農(nóng)業(yè)環(huán)境污染多元共治的局面。

農(nóng)業(yè)面源污染不僅受到相鄰省域污染的沖擊，而且與區(qū)域間結構性差異有關，這種結構性差異體現(xiàn)在各省域自身的經(jīng)濟發(fā)展水平、工業(yè)化進程、農(nóng)業(yè)項目投入、環(huán)境治理力度和對外開放水平等影響因素的差異。因此，在追求工業(yè)化的同時，應重視環(huán)境友好型農(nóng)業(yè)生產(chǎn)技術的研發(fā)與應用，降低農(nóng)業(yè)資源的過度消耗，實現(xiàn)經(jīng)濟、環(huán)境與資源的協(xié)調(diào)發(fā)展；農(nóng)業(yè)項目投入不僅要注重經(jīng)營性項目的投資，也要注重生態(tài)綜合治理的投入；加大農(nóng)業(yè)面源污染治理力度、提高治理效率，并制訂有效的農(nóng)業(yè)環(huán)境政策；利用對外開放的益處，引進發(fā)達國家的先進技術和環(huán)保標準，提升我國農(nóng)業(yè)綠色生產(chǎn)水平。

參考文獻：

[1]Hampton S E， et al. Big Data and the Future of Ecology[J].Frontiers in Ecology&the Environment，2013，11（3）：156-162.

[2]Shin D H， Choi M J. Ecological Views of Big Data： Perspectives and Issues[J].Telematics and Informatics，2015，32（2）：311-320.

[3]Granell C，et al. Future Internet Technologies for Environmental Applications[J].Environmental Modelling & Software，2016（78）：1-15.

[4]Johansson L， et al. Fusion of Meteorological and Air Quality Data Extracted from the Web for Personalized Environmental Information Services[J].Environmental Modelling&Software，2015，64：143-155.

[5]袁曉慶.“互聯(lián)網(wǎng)+”農(nóng)業(yè)：助推農(nóng)業(yè)走進4.0時代[J].互聯(lián)網(wǎng)經(jīng)濟，2015（9）：66-73.

[6]Maddison D. Environmental Kuznets Curves：A Spatial Econometric Approach[J].Journal of Environmental Economic and Management，2006，51（2）：218-230.

[7]許和連，鄧玉萍.外商直接投資導致了中國的環(huán)境污染嗎？——基于中國省際面板數(shù)據(jù)的空間計量研究[J].管理世界，2012（2）：30-43.

[8]吳玉鳴，田斌.省域環(huán)境庫茲涅茨曲線的擴展及其決定因素——空間計量經(jīng)濟學模型實證[J].地理研究，2012（4）：627-640.

[9]Anselin L. Spatial Econometrics： Methods and Models[M]. Dordrecht： Kluwer Academic publishers，1988.

[10]張暉，胡浩.農(nóng)業(yè)面源污染的環(huán)境庫茲涅茨曲線驗證——基于江蘇省時序數(shù)據(jù)的分析[J].中國農(nóng)村經(jīng)濟，2009（4）：48-53.

[11]Grossman GM， Krueger AB. Economic Growth and the Environment[J].Quarterly Journal of Economics， 1995，110（2）：353-377.

[12]李海鵬.中國農(nóng)業(yè)面源污染的經(jīng)濟分析與政策研究[D].華中農(nóng)業(yè)大學，2007.

[13]Anselin L， etal. Advanced in Spatial Econometrics： Methodology， Tools and Applications[M].Berlin：Springer-Verlag，2004.

[14]華春林等.農(nóng)戶參與農(nóng)業(yè)面源污染防治的教育培訓項目影響因素分析[J].軟科學，2013（4）：94-98.

（責任編輯：王 楠）