張帆，吳玲，王富林

（1.東北農(nóng)業(yè)大學工程學院，黑龍江 哈爾濱 150030；2.東北農(nóng)業(yè)大學經(jīng)濟管理學院，黑龍江 哈爾濱 150030）

農(nóng)業(yè)是國民經(jīng)濟的基礎性產(chǎn)業(yè)，是發(fā)展中國家經(jīng)濟的重要支柱。改革開放以來，中國農(nóng)業(yè)發(fā)展取得了飛速的進步，農(nóng)業(yè)產(chǎn)業(yè)結構和生產(chǎn)區(qū)域布局不斷調(diào)整優(yōu)化，農(nóng)業(yè)物質(zhì)技術裝備水平明顯提高，農(nóng)業(yè)基礎設施也更加完善。但不容忽視的是，在由傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)的過渡時期，中國農(nóng)業(yè)暴露的問題也在逐漸增多，如農(nóng)業(yè)要素投入質(zhì)量和配置效率依然處于較低水平，這已成為制約我國農(nóng)業(yè)發(fā)展的重要瓶頸。因此，提高農(nóng)業(yè)全要素生產(chǎn)率是實現(xiàn)中國農(nóng)業(yè)高質(zhì)量發(fā)展的重要實現(xiàn)路徑。

國內(nèi)外學者對農(nóng)業(yè)全要素生產(chǎn)率主要從兩個維度展開：一是測度農(nóng)業(yè)全要素生產(chǎn)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(jīng)歷了從隨機前沿模型[2]、方向性距離函數(shù)[3]、徑向模型[4]到非徑向非角度方向性距離函數(shù)[5]的變遷。二是農(nóng)業(yè)全要素生產(chǎn)率的投入產(chǎn)出要素修正。最初對農(nóng)業(yè)全要素生產(chǎn)率的計算中，投入要素為種植業(yè)從業(yè)人數(shù)、農(nóng)作物播種總面積、種植業(yè)機械總動力、化肥施用量、役畜年末存欄數(shù)和有效灌溉面積，產(chǎn)出要素為種植業(yè)總產(chǎn)值[6]。隨后，學者們從綠色全要素生產(chǎn)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(chǎn)出要素[9]進行了修正。在此基礎上，學者們進一步對中國農(nóng)業(yè)全要素生產(chǎn)率省際之間的空間分異程度進行了研究，并得出中國農(nóng)業(yè)全要素生產(chǎn)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(xiàn)象。隨著進一步的研究，學者認為農(nóng)業(yè)全要素生產(chǎn)率具有空間溢出效應，表現(xiàn)為其不僅與區(qū)域本身的農(nóng)業(yè)發(fā)展水平有關，還會受到鄰近地區(qū)農(nóng)業(yè)發(fā)展因素、經(jīng)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(nóng)業(yè)全要素生產(chǎn)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(shù)據(jù)證明了農(nóng)業(yè)全要素生產(chǎn)率存在空間分異特征，但缺乏基于關系數(shù)據(jù)對農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)特征的深入考慮，使之難以深入揭示中國農(nóng)業(yè)全要素生產(chǎn)率的整體網(wǎng)絡結構特征。由于農(nóng)業(yè)全要素生產(chǎn)率是技術、效率、政策和制度等因素的綜合體現(xiàn)，其不僅受制于自身經(jīng)濟發(fā)展水平等因素的影響，還可能會受到其他地區(qū)經(jīng)濟社會因素的影響，即一個地區(qū)具有較高的農(nóng)業(yè)全要素生產(chǎn)率可能對鄰近地區(qū)產(chǎn)生示范或帶動作用，進而促進鄰近地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的增長[13]。因此，省際之間的農(nóng)業(yè)全要素生產(chǎn)率并非獨立存在，而是具有一定的空間關聯(lián)性。隨著生產(chǎn)要素全國配置的不斷推進，農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)關系更加普遍和廣泛，已經(jīng)超越了單純地理學意義上的近鄰關系，逐漸呈現(xiàn)出多關聯(lián)的復雜網(wǎng)絡結構形態(tài)。綜上，在省際之間空間關聯(lián)性實際存在的條件下，各省份區(qū)域要提高農(nóng)業(yè)全要素生產(chǎn)率，不僅要考慮區(qū)域自身的情況，還要充分考慮并有效借力于與之相關聯(lián)的省份區(qū)域，進而從整體上把握和提升農(nóng)業(yè)全要素生產(chǎn)率。有鑒于此，本文基于關系數(shù)據(jù)和網(wǎng)絡視角，測度2000—2018年中國農(nóng)業(yè)全要素生產(chǎn)率的演化規(guī)律，并運用改進的引力模型確定中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)關系，構建中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)網(wǎng)絡。在此基礎上，運用社會網(wǎng)絡分析法分析中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)性的因素，對于農(nóng)業(yè)政策的制定和實施以及整體提升農(nóng)業(yè)全要素生產(chǎn)率均具有重要的理論意義與應用價值。

1 研究方法與數(shù)據(jù)來源

1.1 中國農(nóng)業(yè)全要素生產(chǎn)率的測度

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

式中：M表示全要素生產(chǎn)率變化的Malmquist指數(shù)，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(guī)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(chǎn)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(shù)，下標v和c為可變規(guī)模報酬假設和不變規(guī)模報酬假設。本文參考從指標的可得性和可靠性出發(fā)，選取種植業(yè)總產(chǎn)值為農(nóng)業(yè)產(chǎn)出指標。在農(nóng)業(yè)投入方面，以種植業(yè)從業(yè)人數(shù)度量勞動投入，以農(nóng)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(nóng)業(yè)機械總動力來度量資本投入，其中農(nóng)業(yè)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)關系的確定

與傳統(tǒng)的VAR Granger Causality檢驗方法比，引力模型可以在考慮經(jīng)濟地理因素的基礎上，對一定區(qū)域范圍內(nèi)省市間相互影響相互作用的關系進行定量分析?；诖?，本文運用修正后的引力模型確定中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)關系。省份i與省份j的農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)關系的引力模型如式2所示[15]。根據(jù)公式2，可得出省市自治區(qū)i與省市自治區(qū)j之間農(nóng)業(yè)全要素生產(chǎn)率的引力矩陣。

式中：Fij代表省市自治區(qū)i與省市自治區(qū)j之間的引力。Mi和Mj代表省市自治區(qū)i與省市自治區(qū)j的“全要素生產(chǎn)率發(fā)展質(zhì)量”，對于質(zhì)量指標，根據(jù)城市間經(jīng)濟聯(lián)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(shù)據(jù)的可獲得性，本文將Pi和Pj設定為省市自治區(qū)i與省市自治區(qū)j的年末農(nóng)業(yè)從業(yè)人口數(shù)；Vi和Vj為兩城市的經(jīng)濟指標，本文借鑒劉華軍等[16]的研究，將Vi和Vj設定為農(nóng)業(yè)全要素生產(chǎn)率與農(nóng)業(yè)生產(chǎn)總值的乘積，即Gi和Gj為省市自治區(qū)i與省市自治區(qū)j的農(nóng)業(yè)生產(chǎn)總值，Ei和Ej為省市自治區(qū)i與省市自治區(qū)j的農(nóng)業(yè)全要素生產(chǎn)率，kij表示省市自治區(qū)i在i與j全要素生產(chǎn)率關聯(lián)中的貢獻率。引力模型不僅考慮經(jīng)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(qū)i和j省會的地理距離差Di-Dj表示省市自治區(qū)之間的地理距離Dij。

1.3 中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的結構特征

社會網(wǎng)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(lián)網(wǎng)絡的整體特征及演變趨勢，也能夠測度各省份在空間關聯(lián)網(wǎng)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的結構特征。因此，對中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(wǎng)絡特征 整體網(wǎng)絡結構特征通常采用社會網(wǎng)絡中的網(wǎng)絡密度、網(wǎng)絡關聯(lián)度、網(wǎng)絡等級度和網(wǎng)絡效率進行分析。其中，網(wǎng)絡密度d(G)是衡量網(wǎng)絡中各節(jié)點之間聯(lián)系是否緊密的指標，網(wǎng)絡密度越小，則網(wǎng)絡中各節(jié)點之間的聯(lián)系就越疏松。網(wǎng)絡關聯(lián)度C是網(wǎng)絡對中介節(jié)點的依賴性，該指標能夠反應中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的穩(wěn)定性。網(wǎng)絡等級度是反應網(wǎng)絡中各省市自治區(qū)之間等級結構是否明顯。網(wǎng)絡等級度越高，則網(wǎng)絡等級度越明顯。網(wǎng)絡效率H是指網(wǎng)絡中各節(jié)點之間的連接效率。網(wǎng)絡效率越高，則節(jié)點之間有更多的聯(lián)結，即節(jié)點聯(lián)系的更緊密，該關聯(lián)網(wǎng)絡越穩(wěn)定。

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

1.3.2 局部網(wǎng)絡特征 對中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的局部結構特征，主要運用社會網(wǎng)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡中的內(nèi)部結構狀態(tài)，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(lián)網(wǎng)絡劃分為四種不同的局部網(wǎng)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(jīng)紀人”板塊和凈受益板塊。各板塊溢出和接收的關系數(shù)特征如表1所示。

表1 板塊關系數(shù)特征Table 1 Characteristics of panel relationship numbers

1.3.3 個體網(wǎng)絡特征 根據(jù)社會網(wǎng)絡分析方法，中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的個體網(wǎng)絡特征通常采用度數(shù)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(shù)中心度BRD是指直接連接到該節(jié)點的其他節(jié)點數(shù)量，度數(shù)中心度較高的點在網(wǎng)絡中則處于中心地位；接近中心度C是指節(jié)點與其他節(jié)點的距離，接近中心度越高，該節(jié)點不受其他節(jié)點控制的程度越高；中介中心度CAPi是指一個節(jié)點控制相連的兩個節(jié)點相互作用的能力，中介中心度較高的節(jié)點在網(wǎng)絡中能夠發(fā)揮出中介和橋梁的功能。

式中：以BAD表示絕對度數(shù)中心度，用n表示網(wǎng)絡中的地區(qū)數(shù)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(jié)點i的接近中心度。

1.4 數(shù)據(jù)來源

本文以中國31個省市自治區(qū)（不含港澳臺地區(qū)）作為網(wǎng)絡節(jié)點，實證考察中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)。樣本時間跨度為2000—2018年。中國全要素生產(chǎn)率測度和引力模型測算所需的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國農(nóng)業(yè)年鑒》和《中國農(nóng)村統(tǒng)計年鑒》。其中，各省份農(nóng)業(yè)生產(chǎn)總值數(shù)據(jù)按照2000年=100進行平減，以消除價格因素對各地區(qū)農(nóng)業(yè)生產(chǎn)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(nóng)業(yè)全要素生產(chǎn)率，并運用改進的引力模型確定中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)關系，構建中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)網(wǎng)絡。在此基礎上，運用社會網(wǎng)絡分析法分析中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)性的因素。

2.1 中國農(nóng)業(yè)全要素生產(chǎn)率的演化規(guī)律

圖1反映了2000、2010、和2018年中國大陸31個省市自治區(qū)農(nóng)業(yè)全要素生產(chǎn)率的演化規(guī)律。由此可看出，第一，中國31個省市自治區(qū)Malmquist生產(chǎn)率指數(shù)值均大于1，即近20年間中國各地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率都在增長。第二，中國大陸31個省市自治區(qū)的農(nóng)業(yè)全要素生產(chǎn)率依然具有空間差異性，且近20年中國農(nóng)業(yè)全要素生產(chǎn)率基本呈現(xiàn)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(qū)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(qū)域板塊的農(nóng)業(yè)全要素生產(chǎn)率均得到了提升。從時間來看，十一五期間中國農(nóng)業(yè)全要素生產(chǎn)率增速較高；從區(qū)域來看，農(nóng)業(yè)全要素生產(chǎn)率增速較大的區(qū)域為山東、廣西和青海等地區(qū)；增速較小的為海南、江西和安徽等地區(qū)。

2.2 整體網(wǎng)絡結構特征及演變趨勢

圖1 2000—2018年農(nóng)業(yè)全要素生產(chǎn)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的演變趨勢。與工業(yè)創(chuàng)新發(fā)展空間關聯(lián)網(wǎng)絡中網(wǎng)絡密度單純的增長不同[18]，農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)網(wǎng)絡結構演化過程較為復雜，主要從兩方面體現(xiàn)：一方面，隨著中國農(nóng)業(yè)的發(fā)展，中國各省市自治區(qū)的農(nóng)業(yè)全要素生產(chǎn)率不僅影響到地理鄰近的省市自治區(qū)，也打破了地域限制，與非鄰近省份建立了空間關聯(lián)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(lián)系。另一方面，部分省份呈現(xiàn)出關聯(lián)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(lián)的省份數(shù)（度數(shù)）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(lián)數(shù)逐漸減少，如山東省在2000—2018年間，與其具有關聯(lián)的省份數(shù)（度數(shù)）從15減少到11。這種變化趨勢與我國近些年的農(nóng)業(yè)發(fā)展是息息相關的。自2001年中國加入WTO組織之后，中國的農(nóng)業(yè)和農(nóng)產(chǎn)品開始受到農(nóng)業(yè)強國的沖擊，各省為了保持自身農(nóng)產(chǎn)品的競爭優(yōu)勢，當其自給能力較弱時，會與其他省份建立聯(lián)結，借力于其他省份以提升自身的農(nóng)業(yè)全要素生產(chǎn)率。而自2006年取消農(nóng)業(yè)稅后，農(nóng)業(yè)負擔減輕，一些農(nóng)業(yè)大省自身發(fā)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(lián)數(shù)逐漸減少的現(xiàn)象。

從網(wǎng)絡密度來看，兩階段的網(wǎng)絡密度均小于0.25，農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)程度較低。中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的網(wǎng)絡密度呈現(xiàn)波動趨勢，大體呈現(xiàn)先降后升趨勢，如圖3所示。在2000—2011年間，空間關聯(lián)網(wǎng)絡的網(wǎng)絡密度雖然呈現(xiàn)小部分波動，但總體處于平穩(wěn)狀態(tài)，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(nóng)業(yè)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(nóng)業(yè)生產(chǎn)力的提高，各省份農(nóng)業(yè)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(nóng)業(yè)供給側改革正式拉開帷幕。農(nóng)民積極性的臨時性縮減、農(nóng)資經(jīng)銷企業(yè)遭受考驗等問題，使得各省份的農(nóng)業(yè)不再獨立發(fā)展，重新建立關聯(lián)，其農(nóng)業(yè)全要素生產(chǎn)率的關聯(lián)性漸增，這也符合中國農(nóng)業(yè)生產(chǎn)要素全國配置的政策指導方針。

圖3 2000—2018年農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的網(wǎng)絡密度Fig. 3 Network density of the spatial correlation network of China’s agricultural TFP from 2000 to 2018

從網(wǎng)絡關聯(lián)性來看，Ucinet計算得出，2000—2018年的網(wǎng)絡關聯(lián)度均為1，表明中國農(nóng)業(yè)全要素生產(chǎn)率各省市自治區(qū)之間的聯(lián)系十分緊密，并具有空間關聯(lián)和空間溢出效應；不同于工業(yè)空間關聯(lián)網(wǎng)絡等級度一直下降的發(fā)展趨勢[18]，農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的網(wǎng)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(nèi)取消農(nóng)業(yè)稅，各區(qū)域之間的聯(lián)系減弱，網(wǎng)絡等級度增強。經(jīng)過2006—2007年的平穩(wěn)期，2007年以后，相對森嚴的農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)結構逐漸被打破，省際農(nóng)業(yè)全要素生產(chǎn)率之間的相互聯(lián)系和相互影響逐步增強；此外，作為測度網(wǎng)絡關聯(lián)性的指標之一的網(wǎng)絡效率，呈先增長后降低的趨勢，由此可見，農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)網(wǎng)絡穩(wěn)定性呈現(xiàn)由弱至強的趨勢（圖4）。

圖4 2000—2018年農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的網(wǎng)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(wǎng)絡特征分析

為了進一步了解中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的局部網(wǎng)絡特征，以及各地區(qū)在該網(wǎng)絡中的作用，本文基于2018年農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)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(huán)渤海、京津冀和東北地區(qū)；板塊II凈受益板塊主要集中在西部地區(qū)；板塊III凈溢出板塊主要集中在華東和部分中南地區(qū)；板塊IV“經(jīng)紀人”板塊主要集中在華南和西南地區(qū)。

在明確了板塊分布的基礎上，運用網(wǎng)絡模塊的評價方法對中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的總體關聯(lián)關系和四大板塊位置進行判斷，如表3所示。從總體關聯(lián)關系來看，中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡中共存在226個關聯(lián)關系，而版塊自身內(nèi)部的關聯(lián)關系為141個，板塊和板塊之間的關聯(lián)關系有85個。板塊內(nèi)部的關系數(shù)遠大于板塊與外部板塊之間的關聯(lián)數(shù)，這說明板塊之間的農(nóng)業(yè)全要素生產(chǎn)率具有集聚特征，但各個板塊間的空間關聯(lián)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(jīng)紀人”板塊（Brokers）。其中，第I板塊內(nèi)部溢出關系數(shù)為52，對板塊外的溢出關系數(shù)為22，板塊內(nèi)外均產(chǎn)生了較多的聯(lián)系；第II板塊發(fā)出的關系數(shù)遠遠小于其接收的關系數(shù)，受益較多；第III板塊對板塊外發(fā)出的關系遠大于接收的關系數(shù)，其對其他板塊產(chǎn)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(shù)為18，對板塊外部接受關系數(shù)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(jù)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(lián)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(nóng)業(yè)生產(chǎn)的要素和動能，而板塊IV則充當著中介的作用，將農(nóng)業(yè)生產(chǎn)的動能傳遞給板塊II。由此可見，華東地區(qū)和部分中南地區(qū)省市的農(nóng)業(yè)要素流動到了華南和西南地區(qū)，華南和西南地區(qū)在滿足自身農(nóng)業(yè)需求的基礎上，將農(nóng)業(yè)全要素生產(chǎn)率提升的動能傳遞給了西部欠發(fā)達地區(qū)，同時環(huán)渤海、京津冀和東北地區(qū)的農(nóng)業(yè)生產(chǎn)要素也流入西部地區(qū)，這為中國西部農(nóng)業(yè)發(fā)展提供了保障，西部地區(qū)是中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的凈受益者，獲得了較高的關聯(lián)性受益。這與工業(yè)空間關聯(lián)網(wǎng)絡完全相反，中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的凈受益板塊不在位于長三角等經(jīng)濟發(fā)達地區(qū)，而是處于西部欠發(fā)達地區(qū)。這也符合中國農(nóng)業(yè)的整體發(fā)展需求，即由于西部地區(qū)農(nóng)業(yè)農(nóng)村經(jīng)濟占比較高，但發(fā)展仍相對滯后，通過其他省份農(nóng)業(yè)發(fā)展的帶動，實現(xiàn)西部農(nóng)業(yè)的發(fā)展。

表3 中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(wǎng)絡結構特征分析

為確定2000—2018年各省市在農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡中的位置和作用，本文對該網(wǎng)絡進行了中心性分析。由于數(shù)據(jù)較多，為節(jié)省篇幅，將2018年的中心性分析截面數(shù)據(jù)測度結果列于表5。

2.4.1 點度中心度 根據(jù)2018年中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡點度中心度的測度結果，湖北、內(nèi)蒙古、陜西、河南和湖南等地區(qū)點度中心度較高，在農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(qū)在點度中心度較低，與其他省份的關系較少。此外，華中地區(qū)的點度中心度普遍較高，華北地區(qū)和大部分西部地區(qū)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(shù)據(jù)，從出度來看，湖北省的出度最高，在全國范圍內(nèi)，湖北省對其他省市的溢出效應最高。河北、山西、內(nèi)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(qū)，如西藏、寧夏和新疆等省份，資源向西部地區(qū)傾斜

圖5 中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(jīng)濟發(fā)展現(xiàn)狀。另一類是經(jīng)濟發(fā)達地區(qū)，如北京、天津、上海、浙江和福建省，這些省份在農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡中受益較多，吸收了其他地區(qū)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?yōu)槿缃竦氖芤嬲?。這是由于山東省農(nóng)業(yè)發(fā)展較早，耕地面積較大，適合規(guī)?；N植，其農(nóng)業(yè)從業(yè)人員數(shù)量多，種植技術先進，在農(nóng)業(yè)總體規(guī)模和現(xiàn)代化水平等方面均占據(jù)優(yōu)勢地位，能夠帶動關聯(lián)區(qū)域的農(nóng)業(yè)發(fā)展。近年來，山東面臨著農(nóng)村人口龐大，生態(tài)壓力劇增和人多地少矛盾突出的不平衡態(tài)勢，其空間溢出效應減弱，已逐漸作為受益者接受其他關聯(lián)區(qū)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(qū)依次是湖北、內(nèi)蒙古、山東和河南。這說明這些省份在農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡中處于核心地位，而且還具有“橋梁”和“中介”的作用，對農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(qū)中介中心度均為0，處于農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的邊緣地位，對資源的控制權極低，與其他省份建立關聯(lián)大多需要借助農(nóng)業(yè)發(fā)展較好的省份的中介作用。此外，2018年農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(nèi)蒙古、陜西和河南與其他地區(qū)的“距離”較短，在網(wǎng)絡中扮演著中心行動者的角色，擁有較強的獲得農(nóng)業(yè)資本的能力和較高的農(nóng)業(yè)全要素生產(chǎn)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(nóng)業(yè)資源的能力較弱，不利于其在農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡中獲益。

綜合來看，湖北、內(nèi)蒙古、河南、山東和陜西在中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)網(wǎng)絡中處于絕對核心位置，在網(wǎng)絡中的地位較高，對農(nóng)業(yè)生產(chǎn)要素的支配作用較強；吉林、海南、青海、天津和上海等在網(wǎng)絡中處于絕對邊緣位置，在農(nóng)業(yè)生產(chǎn)合作中處于被動地位。

3 中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)性的驅動因素分析

為了進一步揭示中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)關系和溢出路徑的形成機制，本文將對中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的驅動因素進行分析，為各地區(qū)因地制宜地調(diào)整農(nóng)業(yè)發(fā)展政策提供理論指導。

3.1 變量的選取與模型建立

中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡是多種因素綜合驅動的結果。通過梳理文獻可知，首先，農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)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(xiàn)出更多的農(nóng)業(yè)全要素生產(chǎn)率外溢關系。其次，研究指出，地理事物的空間分異也受到經(jīng)濟社會和自然環(huán)境等因素的影響，由此推斷農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性可能與地區(qū)經(jīng)濟發(fā)展方式的差異大小有關，農(nóng)業(yè)經(jīng)濟發(fā)展水平可從農(nóng)業(yè)規(guī)模、農(nóng)業(yè)結構、農(nóng)業(yè)要素投入與農(nóng)業(yè)要素產(chǎn)出四個方面展現(xiàn)。最后，農(nóng)業(yè)政策是農(nóng)業(yè)現(xiàn)代化發(fā)展的保障，政府支持力度的不同可能驅動不同區(qū)域之間農(nóng)業(yè)全要素生產(chǎn)率的關聯(lián)程度，本文將政府支持力度納入中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡驅動因素的考慮范疇。據(jù)此，提出以下假設：

表5 2018年中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(nóng)業(yè)規(guī)模差異能夠顯著影響中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性；

假設2：農(nóng)業(yè)結構差異能夠顯著影響中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性；

假設3：農(nóng)業(yè)要素投入水平差異能夠顯著影響中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性；

假設4：農(nóng)業(yè)要素產(chǎn)出水平差異能夠顯著影響中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性；

假設5：自然環(huán)境差異能夠顯著影響中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性；

假設6：地理鄰接關系能夠顯著影響中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性；

假設7：政府支持力度差異能夠顯著影響中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)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(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)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(nóng)業(yè)經(jīng)濟發(fā)展水平、自然環(huán)境、地理鄰接關系、農(nóng)業(yè)結構和政府支持力度。根據(jù)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(shù)，可建立模型如下：

式中：f(x)是指回歸分析函數(shù)，G為農(nóng)業(yè)規(guī)模差異，J為農(nóng)業(yè)結構差異，R為要素投入水平差異，C為要素產(chǎn)出水平差異，Z為農(nóng)業(yè)成災率差異，D為地理鄰接關系，F(xiàn)為財政支農(nóng)支出差異，RA為農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性。各變量的具體測度方法如表6所示。

3.2 中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)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(lián)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(huán)境農(nóng)業(yè)成災率差異和農(nóng)業(yè)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(huán)境、農(nóng)業(yè)要素投入水平與中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)性不相關，即假設3和5不成立。除此之外，農(nóng)業(yè)規(guī)模差異在5%的水平上顯著，農(nóng)業(yè)結構差異、農(nóng)業(yè)要素產(chǎn)出水平差異、地理鄰接關系和財政支農(nóng)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(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)性顯著相關的驅動因素作為解釋變量，進行QAP回歸分析?；貧w分析結果的判定系數(shù)R2是0.347，在1%的水平上顯著?；貧w分析結果如表8所示?；貧w分析結果表明，對農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)性無影響的因素是農(nóng)業(yè)規(guī)模差異，其顯著性概率大于0.05，農(nóng)業(yè)規(guī)模的差異不能顯著影響農(nóng)業(yè)全要素生產(chǎn)率空間網(wǎng)絡關聯(lián)性的強弱。對農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)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(shù)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(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)性。對農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)性具有負向影響的驅動因素為農(nóng)業(yè)結構差異、要素產(chǎn)出水平差異和政府支持力度，其標準化系數(shù)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(nóng)業(yè)結構、要素產(chǎn)出水平和政府支持力度的差異阻礙了區(qū)域間農(nóng)業(yè)全要素生產(chǎn)率空間網(wǎng)絡關系的建立。因此，農(nóng)業(yè)結構、要素產(chǎn)出水平和政府支持力度的差異越小，中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡關聯(lián)性越強。從農(nóng)業(yè)結構因素來看，負向影響的原因可能是由于農(nóng)業(yè)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(chǎn)出水平來看，過高的要素產(chǎn)出水平差異可能會對鄰近地區(qū)的生產(chǎn)要素產(chǎn)生競爭和稀釋效應，從而影響了二者的空間關聯(lián)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(nóng)業(yè)發(fā)展，從而使其降低對關聯(lián)省份的依賴，進而降低區(qū)域之間的空間關聯(lián)性。

表 6 中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)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(nóng)業(yè)全要素生產(chǎn)率存在十分明顯的空間關聯(lián)和溢出效應，且空間關聯(lián)網(wǎng)絡連通效果很好。網(wǎng)絡密度隨農(nóng)業(yè)政策的頒布呈現(xiàn)波動趨勢，省際農(nóng)業(yè)全要素生產(chǎn)率之間的相互聯(lián)系和相互影響逐步增強，空間關聯(lián)網(wǎng)絡穩(wěn)定性呈現(xiàn)由弱至強的趨勢。

2）中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡存在明顯的集聚特征，各個板塊間的空間關聯(lián)效應相對較弱。華東地區(qū)和部分中南地區(qū)省市的農(nóng)業(yè)要素流動到了華南和西南地區(qū)，華南和西南地區(qū)又將農(nóng)業(yè)全要素生產(chǎn)率提升的動能傳遞給了西部欠發(fā)達地區(qū)，同時環(huán)渤海、京津冀和東北地區(qū)的農(nóng)業(yè)生產(chǎn)要素也流入西部地區(qū)，西部地區(qū)是中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡的凈受益者。

3）湖北、內(nèi)蒙古、河南、山東和陜西在中國農(nóng)業(yè)全要素生產(chǎn)率的空間關聯(lián)網(wǎng)絡中處于絕對核心位置，在網(wǎng)絡中的地位較高，對農(nóng)業(yè)生產(chǎn)要素的支配作用較強；吉林、海南、青海、天津和上海等地區(qū)在網(wǎng)絡中處于絕對邊緣位置，在農(nóng)業(yè)生產(chǎn)合作中處于被動地位。

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

4.2 政策啟示

1）目前中國農(nóng)業(yè)全要素生產(chǎn)率空間關聯(lián)網(wǎng)絡呈現(xiàn)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(qū)壁壘作為下一步農(nóng)業(yè)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(lián)系，推動農(nóng)業(yè)生產(chǎn)要素的省際流動，加速農(nóng)業(yè)全要素生產(chǎn)率網(wǎng)絡緊密化的演變趨勢，進而實現(xiàn)中國農(nóng)業(yè)全要素生產(chǎn)率的區(qū)域聯(lián)動和協(xié)同提高。

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

3）對于地理鄰接地區(qū)，需加強和維護鄰接地區(qū)的合作與交流，并順應如“京津冀現(xiàn)代農(nóng)業(yè)協(xié)同發(fā)展”等區(qū)域農(nóng)業(yè)發(fā)展戰(zhàn)略，構建鄰接地區(qū)的農(nóng)業(yè)協(xié)同發(fā)展網(wǎng)絡。對于農(nóng)業(yè)結構、要素產(chǎn)出水平和政府支持力度差異大的區(qū)域，應建立跨區(qū)域農(nóng)業(yè)協(xié)同發(fā)展平臺，通過平臺中各“經(jīng)紀人板塊”中的中介區(qū)域與其他優(yōu)勢省份建立空間關聯(lián)，從而實現(xiàn)農(nóng)業(yè)要素資源跨區(qū)域的流動、共享和整合。

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