安博文,李春玉,李曉天,金鵬

（1.華僑大學(xué)經(jīng)濟(jì)與金融學(xué)院,福建 泉州 362021;2.河北經(jīng)貿(mào)大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院,河北 石家莊 050061;3.新疆理工學(xué)院經(jīng)濟(jì)貿(mào)易與管理學(xué)院,新疆 阿克蘇 843000;4.新疆理工學(xué)院機(jī)電工程學(xué)院,新疆 阿克蘇 843000）

民族要復(fù)興,鄉(xiāng)村必振興,“三農(nóng)”問題被提升到新的歷史高度.鄉(xiāng)村振興是民族復(fù)興的前提保障,“三農(nóng)”工作成為貫穿“十四五”期間的重要任務(wù).2021年作為我國“十四五”規(guī)劃的開局之年,伴隨著絕對貧困消除,“三農(nóng)”工作的重心發(fā)生了歷史性轉(zhuǎn)移,由脫貧攻堅(jiān)轉(zhuǎn)移到全面推進(jìn)鄉(xiāng)村振興.鄉(xiāng)村振興勢必要實(shí)現(xiàn)農(nóng)業(yè)高質(zhì)量發(fā)展,習(xí)近平總書記曾指出“沒有農(nóng)業(yè)農(nóng)村現(xiàn)代化,就沒有整個國家現(xiàn)代化”,提高農(nóng)業(yè)生產(chǎn)現(xiàn)代化水平是當(dāng)下農(nóng)業(yè)發(fā)展的重要任務(wù).農(nóng)業(yè)生產(chǎn)取決于人力資本、物質(zhì)資本和技術(shù)進(jìn)步,提高農(nóng)業(yè)全要素生產(chǎn)率是新時(shí)期促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的重要路徑[1].

全要素生產(chǎn)率與人力資本、物質(zhì)資本共同構(gòu)成了提高生產(chǎn)力水平的主要動力,從農(nóng)業(yè)經(jīng)濟(jì)學(xué)角度考量,農(nóng)業(yè)全要素生產(chǎn)率衡量的是除人力資本和物質(zhì)資本投入之外的并且是由于技術(shù)進(jìn)步而導(dǎo)致農(nóng)業(yè)生產(chǎn)效率水平提高的部分[2].在“三農(nóng)”工作重心轉(zhuǎn)移與農(nóng)業(yè)高質(zhì)量發(fā)展的宏觀背景下,深入分析農(nóng)業(yè)全要素生產(chǎn)率具有重要現(xiàn)實(shí)意義與理論價(jià)值[3].相關(guān)研究大多采用DEA-Malmquist模型測算農(nóng)業(yè)全要素生產(chǎn)率[1,4],從農(nóng)業(yè)生產(chǎn)的投入產(chǎn)出變量來看,投入變量主要包括勞動力、土地和機(jī)械動力[3],考慮到農(nóng)業(yè)生產(chǎn)會對生態(tài)環(huán)境產(chǎn)生影響,因此產(chǎn)出變量涉及期望與非期望兩個方面,期望產(chǎn)出以農(nóng)業(yè)產(chǎn)值和糧食產(chǎn)量為主[5-6],非期望產(chǎn)出通過農(nóng)業(yè)化肥和土地薄膜的碳排放衡量[7-8].在政策支持與新農(nóng)村建設(shè)的背景下,還可以利用經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化與政府支農(nóng)支出對投入指標(biāo)進(jìn)行調(diào)整[9-10].就我國農(nóng)業(yè)全要素生產(chǎn)率的空間分布格局而言,一是農(nóng)業(yè)全要素生產(chǎn)率呈現(xiàn)空間集聚特征,東中部地區(qū)正向聚集省份較多而西部地區(qū)熱點(diǎn)區(qū)域較少[11-12];二是農(nóng)業(yè)全要素生產(chǎn)率存在空間關(guān)聯(lián)效應(yīng),地區(qū)間關(guān)聯(lián)效應(yīng)以地理位置為主要特征[13-14];三是農(nóng)業(yè)全要素生產(chǎn)率空間異質(zhì)性明顯,東部地區(qū)呈現(xiàn)多極分化趨勢,西部地區(qū)兩極分化現(xiàn)象嚴(yán)重,中部地區(qū)整體差距逐漸擴(kuò)大[15-16].伴隨農(nóng)業(yè)生產(chǎn)力水平不斷提高,我國農(nóng)業(yè)生產(chǎn)率地區(qū)差距日益擴(kuò)大[3].農(nóng)業(yè)高質(zhì)量發(fā)展主要表現(xiàn)為農(nóng)業(yè)發(fā)展的均衡性以及發(fā)展成果的公平性[17],現(xiàn)階段地區(qū)間農(nóng)業(yè)全要素生產(chǎn)率差異顯著,這一點(diǎn)與農(nóng)業(yè)高質(zhì)量發(fā)展理念背離,因此許多學(xué)者對如何縮小地區(qū)間農(nóng)業(yè)發(fā)展差距、加快農(nóng)業(yè)全要素生產(chǎn)率的收斂速度等問題進(jìn)行深入探討[18-20].

上述文獻(xiàn)對農(nóng)業(yè)全要素生產(chǎn)率的測度方法、空間分布與收斂特性等方面都進(jìn)行了深入研究,但鮮有文獻(xiàn)涉及農(nóng)業(yè)全要素生產(chǎn)率空間收斂邊界的分析.由地理學(xué)第一定律可知,外部環(huán)境對農(nóng)業(yè)生產(chǎn)的影響存在空間溢出效應(yīng)[21],這意味著宏觀環(huán)境對農(nóng)業(yè)全要素生產(chǎn)率的空間作用存在地理邊界,因此有必要對農(nóng)業(yè)全要素生產(chǎn)率的空間β收斂邊界進(jìn)行識別.基于此,本研究以新疆地區(qū)為例,通過分布動態(tài)演進(jìn)與空間集聚效應(yīng)反映新疆農(nóng)業(yè)全要素生產(chǎn)率的空間格局,借助空間計(jì)量方法考察新疆農(nóng)業(yè)全要素生產(chǎn)率的空間β收斂速度與收斂邊界,以期全面了解新疆農(nóng)業(yè)全要素生產(chǎn)率的時(shí)空演變特征,探索新疆農(nóng)業(yè)高質(zhì)量發(fā)展路徑.

1 研究設(shè)計(jì)

1.1 研究方法

1.1.1 DEA-Malmquist模型 采用DEA-Malmquist模型測算全要素生產(chǎn)率時(shí)不需要設(shè)定生產(chǎn)函數(shù)形式,該模型對投入產(chǎn)出變量的量綱沒有特定要求,并且投入變量線性組合的權(quán)重系數(shù)與產(chǎn)出變量線性組合的權(quán)重系數(shù)都無需事先給定,因此DEA-Malmquist模型能夠客觀反映農(nóng)業(yè)全要素生產(chǎn)率的真實(shí)情況.用xt和xy分別表示t期的投入產(chǎn)出變量,定義生產(chǎn)可能性集合其具體形式為

1.1.4 空間收斂機(jī)制與邊界識別β收斂模型源于新古典經(jīng)濟(jì)理論中的發(fā)展趨同思想,多用于研究區(qū)域間經(jīng)濟(jì)增長隨時(shí)間發(fā)展是否趨于同一穩(wěn)態(tài)水平.絕對β收斂是指在不考慮社會環(huán)境因素的前提下分析農(nóng)業(yè)全要素生產(chǎn)率的收斂趨勢,條件β收斂是指在考慮社會環(huán)境因素的前提下分析農(nóng)業(yè)全要素生產(chǎn)率的收斂趨勢[22].

若式中的收斂系數(shù)β＜0說明新疆農(nóng)業(yè)全要素生產(chǎn)率存在收斂趨勢,反之則不存在收斂趨勢.于控制變量的回歸系數(shù)δ而言,系數(shù)估計(jì)值小于0意味著該因素有利于縮小縣域間農(nóng)業(yè)全要素生產(chǎn)率發(fā)展差異,會加快收斂速度;系數(shù)估計(jì)值大于0意味著該因素有利于提高農(nóng)業(yè)全要素生產(chǎn)率,但會阻礙縣域間農(nóng)業(yè)全要素生產(chǎn)率形成收斂趨勢.

空間依賴性會隨地理距離的增加而逐漸降低[23],依據(jù)該思路對新疆農(nóng)業(yè)全要素生產(chǎn)率的空間β收斂邊界進(jìn)行識別.重新設(shè)定空間權(quán)重矩陣依舊表示i縣域到j(luò)縣域的直線距離,給定閾值將實(shí)際距離與閾值作比較計(jì)算空間權(quán)重矩陣,其中

將閾值依次設(shè)定為100 km、200 km、300 km、400 km、500 km、600 km、700 km和800 km,據(jù)此可以計(jì)算出不同閾值下空間權(quán)重矩陣.

1.2 數(shù)據(jù)來源

本研究所用的原始數(shù)據(jù)來源于2010—2019年《新疆統(tǒng)計(jì)年鑒》,研究對象為新疆80個縣域,部分缺失數(shù)據(jù)采用插值法進(jìn)行填補(bǔ).本研究中新疆各縣域經(jīng)緯度數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心,計(jì)算結(jié)果以三維曲面圖形式展現(xiàn),見圖1.

圖1 空間權(quán)重距離矩陣Fig.1 Spatial weight distance matrix

2 新疆農(nóng)業(yè)全要素生產(chǎn)率的時(shí)空演化特征

本研究選取勞動力人數(shù)、耕地面積、機(jī)械化水平和產(chǎn)業(yè)融合度作為投入變量,將農(nóng)業(yè)產(chǎn)值和糧食產(chǎn)量作為期望產(chǎn)出,依據(jù)IPCC評估報(bào)告核算化肥施用和土地薄膜的碳排放量以作為非期望產(chǎn)出[24-25].

2.1 農(nóng)業(yè)全要素生產(chǎn)率的時(shí)間演化特征

將2009年作為基期計(jì)算2010—2018年新疆80個縣域農(nóng)業(yè)全要素生產(chǎn)率,表1展示了歷年新疆農(nóng)業(yè)全要素生產(chǎn)率的中位數(shù)、平均值和標(biāo)準(zhǔn)差.由于南疆地區(qū)和北疆地區(qū)在地理位置、自然資源和經(jīng)濟(jì)發(fā)展水平等方面存在差異,可能導(dǎo)致南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率存在空間異質(zhì)性,因此這里分區(qū)域?qū)r(nóng)業(yè)全要素生產(chǎn)率測算結(jié)果進(jìn)行報(bào)告.

表1 新疆農(nóng)業(yè)全要素生產(chǎn)率測算結(jié)果Tab.1 Results of total factor productivity measurement in Xinjiang agriculture

從全疆農(nóng)業(yè)全要素生產(chǎn)率的發(fā)展趨勢來看,無論是中位數(shù)還是平均值都反映出農(nóng)業(yè)全要素生產(chǎn)率隨時(shí)間推移整體呈現(xiàn)下降態(tài)勢,標(biāo)準(zhǔn)差的數(shù)值先減小后增大,說明農(nóng)業(yè)全要素生產(chǎn)率的地區(qū)差異先縮小后擴(kuò)大.以天山為界對80個樣本地區(qū)進(jìn)行劃分,41個縣域?qū)儆谀辖貐^(qū),39個縣域?qū)儆诒苯貐^(qū).對比南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的計(jì)算結(jié)果：從整體發(fā)展趨勢來看,南疆地區(qū)和北疆地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率均呈現(xiàn)下降趨勢,但北疆地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率普遍高于南疆地區(qū);從地區(qū)差異性來看,南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的地區(qū)差異都是先縮小后擴(kuò)大,但北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的差異要普遍高于南疆地區(qū).由此可見,南疆農(nóng)業(yè)全要素生產(chǎn)率偏低是拉低全疆農(nóng)業(yè)全要素生產(chǎn)率的主要原因,而北疆農(nóng)業(yè)全要素生產(chǎn)率差異性較大是全疆農(nóng)業(yè)全要素生產(chǎn)率差異性大的主要來源.

利用Kernel密度估計(jì)法繪制南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的分布演進(jìn)圖,圖2結(jié)果所示,南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的時(shí)間演化趨勢相似.從整體位置移動來看,南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率分布曲線均是左移,但南疆地區(qū)分布曲線的左移幅度明顯大于北疆地區(qū),說明南北疆農(nóng)業(yè)全要素生產(chǎn)率整體水平逐年下降,且南疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率下降速度快于北疆地區(qū),提高新疆農(nóng)業(yè)全要素生產(chǎn)率的任務(wù)依然嚴(yán)峻;從主峰形狀變化來看,南疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的分布曲線在2010—2014年高度逐漸上升而寬度逐漸變窄,在2014—2018年期間高度逐漸下降而寬度逐漸變寬,說明以2014年為時(shí)間節(jié)點(diǎn)南疆農(nóng)業(yè)全要素生產(chǎn)率的內(nèi)部差異先縮小后擴(kuò)大;北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的分布曲線在2010—2015年高度逐漸上升而寬度逐漸變窄,在2015—2018年期間高度逐漸下降而寬度逐漸變寬,說明以2015年為時(shí)間節(jié)點(diǎn)北疆農(nóng)業(yè)全要素生產(chǎn)率的內(nèi)部差異先縮小后擴(kuò)大.從分布偏態(tài)的變化來看,南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的分布曲線均是右偏,拖尾現(xiàn)象明顯且拖尾平緩,說明南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率多集中在較低水平,并且南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率呈現(xiàn)出較強(qiáng)的收斂趨勢.從波峰數(shù)量的變化來看,南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的分布曲線均是一個主峰且側(cè)峰不明顯,由此可見,新疆農(nóng)業(yè)全要素生產(chǎn)率不存在兩極或多極的空間極化現(xiàn)象.

圖2 新疆農(nóng)業(yè)全要素生產(chǎn)率的動態(tài)演變趨勢Fig.2 Dynamic evolution of total factor productivity in Xinjiang agriculture

2.2 農(nóng)業(yè)全要素生產(chǎn)率的空間演化特征

農(nóng)業(yè)生產(chǎn)作為社會生產(chǎn)的一部分,生產(chǎn)單位之間并不是完全孤立的,農(nóng)業(yè)作為地理空間內(nèi)客觀存在的產(chǎn)業(yè)經(jīng)濟(jì)實(shí)體,相鄰縣域的農(nóng)業(yè)生產(chǎn)相互影響,因此本部分采用Moran指數(shù)分析新疆農(nóng)業(yè)全要素生產(chǎn)率的空間演化特征.

表2報(bào)告了地理距離和嵌套距離兩種空間權(quán)重矩陣下的全局Moran指數(shù),對比兩種空間權(quán)重矩陣下Moran指數(shù)的計(jì)算結(jié)果,發(fā)現(xiàn)全局Moran指數(shù)的顯著性、正負(fù)性以及數(shù)量級均沒有變化,甚至計(jì)算數(shù)值十分相近,由此認(rèn)為Moran指數(shù)的計(jì)算結(jié)果是穩(wěn)健的,采用該結(jié)果分析得出結(jié)論可靠性更強(qiáng).從全局Moran指數(shù)的統(tǒng)計(jì)檢驗(yàn)來看,2010年、2013年和2016年均在1%水平下顯著,2014年、2015年和2018年均在5%水平下顯著,并且隨著時(shí)間推移全局Moran指數(shù)的顯著性逐漸增強(qiáng),說明新疆農(nóng)業(yè)全要素生產(chǎn)率存在明顯的地理空間依賴性,同時(shí)這一依賴性也隨時(shí)間發(fā)展逐漸加強(qiáng).從全局Moran指數(shù)的正負(fù)性來看,考察期內(nèi)除2011年外所有數(shù)值均為正數(shù),但2011年全局Moran指數(shù)并未通過顯著性檢驗(yàn),因此可以認(rèn)為考察期內(nèi)絕大多數(shù)年份新疆農(nóng)業(yè)全要素生產(chǎn)率存在顯著的空間正相關(guān)關(guān)系,意味著新疆農(nóng)業(yè)全要素生產(chǎn)率多呈現(xiàn)高高聚集和低低聚集分布.從全局Moran指數(shù)的數(shù)值大小來看,考察期內(nèi)Moran指數(shù)存在下降趨勢,說明新疆農(nóng)業(yè)全要素生產(chǎn)率空間聚集效應(yīng)呈現(xiàn)減弱態(tài)勢.

表2 全局Moran指數(shù)計(jì)算結(jié)果Tab.2 Global Moran index calculation results

圖3和圖4分別展示了考察期內(nèi)初期（2010年）、中期（2014年）和末期（2018年）的局部Moran指數(shù)散點(diǎn)圖.對比兩種空間權(quán)重矩陣下的局部Moran指數(shù)估計(jì)結(jié)果發(fā)現(xiàn)：2010年局部Moran指數(shù)估計(jì)結(jié)果一致,29個縣域呈現(xiàn)高高聚集,14個縣域呈現(xiàn)低高聚集,32個縣域呈現(xiàn)低低聚集,5個縣域呈現(xiàn)高低聚集;2014年局部Moran指數(shù)估計(jì)結(jié)果一致,16個縣域呈現(xiàn)高高聚集,18個縣域呈現(xiàn)低高聚集,30個縣域呈現(xiàn)低低聚集,16個縣域呈現(xiàn)高低聚集;2018年局部Moran指數(shù)估計(jì)結(jié)果存在部分區(qū)別,高高聚集的縣域個數(shù)相同均為19個,高低聚集的縣域個數(shù)相同均為9個,地理距離空間權(quán)重矩陣下低高聚集和低低聚集的縣域都是26個,嵌套距離空間權(quán)重矩陣下低高聚集的縣域有25個、低低聚集的縣域有27個.綜合比較來看,不同空間權(quán)重矩陣下局部Moran指數(shù)估計(jì)結(jié)果差別不大,因此以下采用嵌套距離空間權(quán)重矩陣下的估計(jì)結(jié)果進(jìn)行分析.

圖3 局部Moran指數(shù)散點(diǎn)圖（地理距離空間權(quán)重矩陣）Fig.3 Local Moran index scatter plot（geographic distance spatial weight matrix）

圖4 局部Moran指數(shù)散點(diǎn)圖（嵌套距離空間權(quán)重矩陣）Fig.4 Local Moran index scatter plot（nested distance space weight matrix）

考察期內(nèi),空間正向聚集的縣域由2010年的61個減少到2018年的46個,但正向聚集縣域的比重依舊在50%以上,說明新疆農(nóng)業(yè)全要素生產(chǎn)率的空間正向聚集逐漸減弱,但正向聚集的空間效應(yīng)仍然占主導(dǎo)地位,借助Markov狀態(tài)轉(zhuǎn)移矩陣詳細(xì)分析空間聚集類型的轉(zhuǎn)移過程.結(jié)合表3可以發(fā)現(xiàn)：一是2010—2014年期間,高高聚集中有50%以上的縣域聚集類型發(fā)生轉(zhuǎn)移,向低高聚集轉(zhuǎn)移的縣域最多（占34.5%）,有10%以上的縣域轉(zhuǎn)移到低低聚集;低高聚集中有近30%的縣域向低低聚集發(fā)生轉(zhuǎn)移,僅有21.4%的縣域向高高聚集發(fā)生轉(zhuǎn)移;低低聚集的縣域更易維持自身的聚集類型,很難向高高聚集發(fā)生轉(zhuǎn)移;高低聚集中有40.0%的縣域向低低聚集發(fā)生轉(zhuǎn)移,還有40.0%的縣域向低高聚集發(fā)生轉(zhuǎn)移.從轉(zhuǎn)移結(jié)果來看,向低低聚集轉(zhuǎn)移縣域最多而向高高聚集轉(zhuǎn)移縣域最少,這表明新疆農(nóng)業(yè)全要素生產(chǎn)率下降趨勢明顯;向同類型聚集轉(zhuǎn)移的縣域占比為52.7%,這說明新疆農(nóng)業(yè)全要素生產(chǎn)率仍朝著空間正向聚集的方向發(fā)展.二是2014—2018年期間,高高聚集中有56.3%的縣域維持自身聚集類型,其余縣域更易向低高聚集發(fā)生轉(zhuǎn)移,僅有少部分縣域向低低聚集發(fā)生轉(zhuǎn)移;低高聚集中有44.4%的縣域維持自身聚集類型,還有44.4%的縣域向高高聚集發(fā)生轉(zhuǎn)移,僅有11.1%的縣域向低低聚集發(fā)生轉(zhuǎn)移;低低聚集的縣域更易向低高聚集發(fā)生轉(zhuǎn)移,同時(shí)還有極少數(shù)縣域向高高聚集發(fā)生轉(zhuǎn)移;高低聚集的縣域更易向低低聚集發(fā)生轉(zhuǎn)移,僅有不足10%的縣域向高高聚集發(fā)生轉(zhuǎn)移.從轉(zhuǎn)移結(jié)果來看,向高高聚集轉(zhuǎn)移縣域占比為27.6%,與向低低聚集轉(zhuǎn)移縣域占比僅差4個百分點(diǎn),這與2010—2014年相比農(nóng)業(yè)全要素生產(chǎn)率增長趨勢良好;向同類型聚集轉(zhuǎn)移的縣域占比接近60%,與2010—2014年相比新疆農(nóng)業(yè)全要素生產(chǎn)率的空間正向聚集效果更加明顯.

表3 空間聚集類型的轉(zhuǎn)移過程Tab.3 Transfer process of spatial aggregation types

3 新疆農(nóng)業(yè)全要素生產(chǎn)率的收斂機(jī)制

農(nóng)業(yè)全要素生產(chǎn)率的影響因素較多,從社會宏觀層面來看包括區(qū)域經(jīng)濟(jì)增長、對外開放水平、城市化進(jìn)程和市場化程度等,從個體微觀層面來看包括農(nóng)村人力資本、工資性收入、勞動力素質(zhì)和農(nóng)村人口遷移等,從農(nóng)業(yè)生產(chǎn)方面來看包括有效灌溉面積、糧食播種面積、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和農(nóng)業(yè)科技水平等[9-20].考慮到數(shù)據(jù)的可獲取性,這里選取3個比較有代表性的影響因素,分別為區(qū)域經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化水平和政府財(cái)政干預(yù).①區(qū)域經(jīng)濟(jì)發(fā)展:采用地區(qū)生產(chǎn)總值進(jìn)行測度,符號表示為eco.②城鎮(zhèn)化水平：計(jì)算方法為城鎮(zhèn)人口占城鄉(xiāng)人口比重,符號表示為urb.③政府財(cái)政干預(yù)：計(jì)算方法為政府財(cái)政公共預(yù)算支出與地區(qū)生產(chǎn)總值的比值,符號表示為gov.

3.1 基于分位數(shù)回歸的收斂機(jī)制分析

與OLS回歸相比,分位數(shù)回歸不僅能詳細(xì)考察不同全要素生產(chǎn)率水平的收斂機(jī)制,而且對誤差項(xiàng)的限定更加寬松,同時(shí)對異常值的估計(jì)結(jié)果更為穩(wěn)健,因此這里采用分位數(shù)回歸估計(jì)β收斂模型,全疆范圍傳統(tǒng)β收斂檢驗(yàn)結(jié)果見表4.

表4 全疆范圍傳統(tǒng)β收斂檢驗(yàn)結(jié)果Tab.4 Results of the traditionalβconvergence test for the whole territory

絕對β收斂檢驗(yàn)結(jié)果顯示,收斂系數(shù)β在所有分位點(diǎn)處均小于0,說明各分位水平下的農(nóng)業(yè)全要素生產(chǎn)率存在絕對β收斂趨勢;0.1和0.3分位點(diǎn)回歸結(jié)果在1%水平下顯著,0.5、0.7和0.9分位點(diǎn)回歸結(jié)果在統(tǒng)計(jì)上不顯著,說明在較低分位點(diǎn)處農(nóng)業(yè)全要素生產(chǎn)率絕對β收斂顯著,但在較高分位點(diǎn)處絕對β收斂并不明顯.從收斂速度隨分位點(diǎn)的變化趨勢來看,農(nóng)業(yè)全要素生產(chǎn)率水平越低而收斂速度越快,由此可見,新疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率存在低水平趨同現(xiàn)象,容易導(dǎo)致新疆農(nóng)業(yè)全要素生產(chǎn)率發(fā)展陷入“貧困陷阱”.條件β收斂檢驗(yàn)結(jié)果顯示,收斂系數(shù)β的正負(fù)號、顯著性、變化趨勢與絕對β收斂相同,這里不再贅述.從控制變量來看:區(qū)域經(jīng)濟(jì)發(fā)展的回歸系數(shù)在所有分位點(diǎn)處均為負(fù)數(shù),說明區(qū)域經(jīng)濟(jì)增長有利于農(nóng)業(yè)全要素生產(chǎn)率形成收斂趨勢;回歸系數(shù)在0.1、0.3、0.5和0.7分位點(diǎn)處顯著,0.9分位點(diǎn)處不顯著,說明在0.1～0.7分位點(diǎn)處區(qū)域經(jīng)濟(jì)發(fā)展會對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生顯著影響,并且這一影響會隨全要素生產(chǎn)率水平的提升而逐漸減弱.政府財(cái)政干預(yù)的回歸系數(shù)在所有分位點(diǎn)處均為負(fù)數(shù),說明政府財(cái)政干預(yù)越強(qiáng)越有利于農(nóng)業(yè)全要素生產(chǎn)率形成收斂趨勢;所有分位點(diǎn)處的回歸系數(shù)全部顯著,說明無論農(nóng)業(yè)全要素生產(chǎn)率水平高低政府財(cái)政干預(yù)都會對其產(chǎn)生顯著影響,并且全要素生產(chǎn)率水平越低影響作用越強(qiáng).城鎮(zhèn)化水平的回歸系數(shù)在所有分位點(diǎn)處均為正數(shù),說明加快城市化進(jìn)程有利于提高農(nóng)業(yè)全要素生產(chǎn)率,但會阻礙新疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率形成收斂趨勢.

3.2 基于空間杜賓模型的收斂機(jī)制分析

由前文分析可知,無論考慮地理距離空間權(quán)重矩陣還是考慮嵌套距離空間權(quán)重矩陣,新疆農(nóng)業(yè)全要素生產(chǎn)率均存在明顯的空間相關(guān)性,同時(shí)考慮到南北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率發(fā)展的空間異質(zhì)性,因此這部分采用空間杜賓模型分區(qū)域?qū)r(nóng)業(yè)全要素生產(chǎn)率進(jìn)行空間β收斂檢驗(yàn),分區(qū)域空間β收斂檢驗(yàn)結(jié)果見表5.

表5 分區(qū)域空間β收斂檢驗(yàn)結(jié)果Tab.5 Sub-regional spatialβconvergence test results

絕對β收斂檢驗(yàn)結(jié)果顯示,全疆范圍、南疆地區(qū)和北疆地區(qū)的收斂系數(shù)均小于0,并且都通過了1%水平下的顯著性檢驗(yàn),這說明全疆范圍和南北疆地區(qū)都存在顯著的空間絕對β收斂;從收斂速度來看,南疆地區(qū)的收斂速度明顯高于北疆地區(qū),這可能是由于南疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率逐漸降低所導(dǎo)致;從空間自回歸系數(shù)來看,系數(shù)估計(jì)值為正且通過了1%水平下的顯著性檢驗(yàn),說明鄰近地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的收斂有利于加快本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的收斂;從估計(jì)結(jié)果的穩(wěn)健性來看,無論是地理距離空間權(quán)重矩陣還是嵌套距離空間權(quán)重矩陣,所有對應(yīng)參數(shù)估計(jì)值的正負(fù)號、數(shù)量級以及顯著性都十分接近,說明估計(jì)結(jié)果是穩(wěn)健的,間接證實(shí)了本研究選取的空間權(quán)重矩陣能夠較為客觀地反映新疆地區(qū)農(nóng)業(yè)發(fā)展的地理聯(lián)系.條件β收斂檢驗(yàn)結(jié)果顯示,全疆范圍和南北疆地區(qū)都存在顯著的空間條件β收斂,南疆地區(qū)的收斂速度略高于北疆地區(qū);全疆范圍和南北疆地區(qū)的空間自回歸系數(shù)均為正且顯著,同時(shí)北疆地區(qū)的空間自回歸系數(shù)明顯高于南疆地區(qū),這說明北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率變動的空間聚集效應(yīng)更強(qiáng);就區(qū)域經(jīng)濟(jì)發(fā)展而言,本地區(qū)經(jīng)濟(jì)增長有利于加快本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率形成收斂趨勢,但這一作用在南疆地區(qū)并不明顯,鄰近地區(qū)經(jīng)濟(jì)增長的空間溢出效應(yīng)有利于顯著提高本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率水平,卻會加大農(nóng)業(yè)全要素生產(chǎn)率的地區(qū)差距;就城鎮(zhèn)化水平而言,無論是全疆范圍還是南北疆地區(qū),在考慮空間效應(yīng)的條件下,城鎮(zhèn)化水平對農(nóng)業(yè)全要素生產(chǎn)率變動的影響并不顯著;就政府財(cái)政干預(yù)而言,本地區(qū)政府財(cái)政干預(yù)加強(qiáng)有利于加快本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率形成收斂趨勢,但這一作用在南疆地區(qū)并不明顯,鄰近地區(qū)政府財(cái)政干預(yù)加強(qiáng)的空間溢出效應(yīng)依舊有利于加快本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的收斂,而這一作用在北疆地區(qū)不明顯.

3.3 空間收斂邊界識別

圖5以等高線形式展現(xiàn)了不同閾值下的空間權(quán)重矩陣,為了便于比較,采用MATLAB軟件作圖并將圖中所有等高線距離設(shè)為0.005.從圖5中也可以發(fā)現(xiàn),隨著閾值增大等高線逐漸稀疏,這表明空間地理聯(lián)系逐漸弱化.

圖5 不同閾值下反距離空間權(quán)重矩陣Fig.5 Inverse distance space weight matrix with different thresholds

表6報(bào)告了不同閾值下空間β收斂模型的估計(jì)結(jié)果.當(dāng)?shù)乩磉吔鐝?00 km擴(kuò)大到800 km時(shí)收斂速度由0.715波動增長到0.782,可見地理邊界擴(kuò)張有利于加快農(nóng)業(yè)全要素生產(chǎn)率收斂速度.從空間自回歸系數(shù)來看,隨著地理邊界擴(kuò)大空間自回歸系數(shù)逐漸變小,即縣域間農(nóng)業(yè)全要素生產(chǎn)率的空間地理聯(lián)系逐漸減弱,這也符合地理學(xué)第一定律.從控制變量來看,隨著地理邊界擴(kuò)大,本地區(qū)影響因素對本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率變動的影響并沒有太大變化,但影響因素的空間滯后項(xiàng)變化趨勢明顯.區(qū)域經(jīng)濟(jì)發(fā)展的回歸系數(shù)隨地理邊界擴(kuò)大而逐漸減小,在800 km邊界處依舊為正且在1%水平下顯著;城鎮(zhèn)化水平的回歸系數(shù)隨地理邊界擴(kuò)大而逐漸增大,在800 km邊界處達(dá)到最大值且在1%水平下顯著,這與100～700 km處的系數(shù)顯著性有很大區(qū)別,表明地理邊界越大城鎮(zhèn)化進(jìn)程的空間溢出效應(yīng)對農(nóng)業(yè)全要素生產(chǎn)率變動的影響作用越強(qiáng)且顯著,這一點(diǎn)可能與城鄉(xiāng)人口的遷入遷出有關(guān);政府財(cái)政干預(yù)的回歸系數(shù)絕對值隨地理邊界擴(kuò)大而逐漸減小,在800 km邊界處依舊為負(fù)且在1%水平下顯著.由此可見,800 km邊界處控制變量的溢出效應(yīng)對農(nóng)業(yè)全要素生產(chǎn)率變動影響顯著,其中,區(qū)域經(jīng)濟(jì)發(fā)展和政府財(cái)政干預(yù)的影響作用較弱而城鎮(zhèn)化水平的影響作用較強(qiáng).

表6 空間收斂邊界識別Tab.6 Spatial convergence boundary identification

4 小結(jié)

本研究采用DEA-Malmquist模型測度了新疆80個縣域2010—2018年的農(nóng)業(yè)全要素生產(chǎn)率,結(jié)合Kernel密度估計(jì)與Moran指數(shù)刻畫了農(nóng)業(yè)全要素生產(chǎn)率的時(shí)空演化特征,借助分位回歸和空間杜賓模型分析了農(nóng)業(yè)全要素生產(chǎn)率的收斂機(jī)制.實(shí)證研究結(jié)果表明：

第一,新疆農(nóng)業(yè)全要素生產(chǎn)率發(fā)展整體呈現(xiàn)下降趨勢,南疆農(nóng)業(yè)全要素生產(chǎn)率相對落后,北疆農(nóng)業(yè)全要素生產(chǎn)率差異性較大.更為細(xì)致地有,南北疆農(nóng)業(yè)全要素生產(chǎn)率多集中在較低水平,以2014年為節(jié)點(diǎn)南疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率差異先縮小后擴(kuò)大,以2015年為節(jié)點(diǎn)北疆地區(qū)農(nóng)業(yè)全要素生產(chǎn)率差異先縮小后擴(kuò)大,在考察期內(nèi)新疆農(nóng)業(yè)全要素生產(chǎn)率不存在區(qū)域極化現(xiàn)象.

第二,新疆農(nóng)業(yè)全要素生產(chǎn)率的空間依賴性愈發(fā)顯著但空間聚集效應(yīng)逐漸減弱,農(nóng)業(yè)全要素生產(chǎn)率以空間正向聚集為主.2010—2014年期間,高高聚集中有一半以上縣域聚集類型發(fā)生轉(zhuǎn)移,低低聚集縣域更易維持自身的聚集類型,低高聚集與高低聚集容易發(fā)生相互轉(zhuǎn)移,同時(shí)二者均容易轉(zhuǎn)移到低低聚集;2014—2018年期間,高高聚集縣域更易維持自身聚集類型,低低聚集縣域更易向低高聚集發(fā)生轉(zhuǎn)移,低高聚集縣域多轉(zhuǎn)移到高高聚集而高低聚集縣域多轉(zhuǎn)移到低低聚集.

第三,考察期內(nèi)全疆范圍存在顯著的β收斂.新疆農(nóng)業(yè)全要素生產(chǎn)率存在低水平趨同現(xiàn)象,南疆地區(qū)收斂速度略高于北疆地區(qū);鄰近地區(qū)經(jīng)濟(jì)增長有利于提高本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率卻會加大地區(qū)差距,鄰近地區(qū)政府財(cái)政干預(yù)加強(qiáng)有利于加快本地區(qū)農(nóng)業(yè)全要素生產(chǎn)率收斂,城鎮(zhèn)化水平的空間溢出效應(yīng)對農(nóng)業(yè)全要素生產(chǎn)率的變動影響并不顯著;隨著地理收斂邊界擴(kuò)張,各縣域農(nóng)業(yè)全要素生產(chǎn)率的空間地理聯(lián)系逐漸減弱,但收斂速度呈現(xiàn)擴(kuò)大趨勢.

上述結(jié)論給我們的政策啟示有：在促進(jìn)新疆農(nóng)業(yè)高質(zhì)量發(fā)展、提升農(nóng)業(yè)全要素生產(chǎn)率的同時(shí),一定要充分考慮各地區(qū)農(nóng)業(yè)全要素生產(chǎn)率發(fā)展的差異性,特別是要考慮到南北疆地區(qū)農(nóng)業(yè)發(fā)展的區(qū)域異質(zhì)性問題,各種影響地區(qū)農(nóng)業(yè)全要素生產(chǎn)率變動的因素也會存在異質(zhì)性,政策制定中應(yīng)該以各地區(qū)農(nóng)業(yè)發(fā)展的現(xiàn)實(shí)情況為依據(jù),政策措施應(yīng)該各有側(cè)重、因地制宜,同時(shí)還有努力縮小農(nóng)業(yè)發(fā)展的地區(qū)差異,實(shí)現(xiàn)農(nóng)業(yè)協(xié)調(diào)發(fā)展,保證農(nóng)業(yè)發(fā)展成果讓全疆人民共享.