長江經濟帶農業綠色發展水平測度及聯動效應研究

楊浩然

(西南政法大學,重慶 401120)

推動長江經濟帶發展是黨中央作出的重大決策,是關系國家發展全局的重大戰略。 黨的十八大以來,習近平總書記多次赴長江沿線省市考察調研,強調“把修復長江生態環境擺在壓倒性位置,共抓大保護,不搞大開發”①習近平:《在深入推動長江經濟帶發展座談會上的講話》,載《求是》2019 年第17 期,第4 頁。。 隨著《長江經濟帶發展規劃綱要》的實施,長江經濟帶生態環境逐年改善,但同時也存在著漁業資源衰退、農業面源污染治理難度大等問題。②參見曹立、郭兆暉編著:《講述生態文明的中國故事》,人民出版社2020 年版,第74-80 頁。傳統的農業生產是一把雙刃劍,既是長江流域面源污染的重要來源之一③參見金書秦、張哲晰、胡鈺、韓冬梅、杜志雄:《中國農業綠色轉型的歷史邏輯、理論闡釋與實踐探索》,載《農業經濟問題》2023 年第8 期,第142 頁;饒靜、許翔宇、紀曉婷:《我國農業面源污染現狀、發生機制和對策研究》,載《農業經濟問題》2011 年第8 期, 第81-82 頁。,也提供了重要的生態產品和服務。④See JunJie Wu & Bruce A. Babcock, Contract Design for the Purchase of Environmental Goods from Agriculture, 78 American journal of agricultural economics 935, 935-945(1996).因此,要修復長江經濟帶的生態環境,必須要轉變農業生產方式,推動長江經濟帶農業生產整體向綠色轉型。 這就需要在地區之間形成合力,協同推進長江經濟帶內不同地區的農業綠色發展。①參見成長春、徐長樂等:《推動長江經濟帶發展重大戰略研究》,人民出版社2021 年版,第785-786 頁。因此,如何從區域協同和聯動的視角提高長江經濟帶農業綠色發展質量,就成為解決長江流域生態環境難題、實現長江經濟帶高質量發展的現實途徑。

目前,長江經濟帶綠色發展的聯動機制仍不健全。②參見何立峰:《扎實推動長江經濟帶高質量發展》,載《宏觀經濟管理》2019 年第10 期,第1-4 頁?，F有的研究雖然對如何推動農業綠色發展進行了深入的探索③參見李守偉、李光超、李備友:《農業污染背景下農業補貼政策的作用機理與效應分析》,載《中國人口·資源與環境》2019 年第2期,第98 頁;馬賢磊、車序超、李娜、唐亮:《耕地流轉與規模經營改善了農業環境嗎? ——基于耕地利用行為對農業環境效率的影響檢驗》,載《中國土地科學》2019 年第6 期,第63 頁;夏秋、李丹、周宏:《農戶兼業對農業面源污染的影響研究》,載《中國人口·資源與環境》2018 年第12 期,第132 頁。,但仍存在兩個方面的不足:一是對于農業綠色發展水平的衡量還不夠合理;二是對于如何推動長江經濟帶不同地區間的農業綠色聯動發展關注較少。 對此,本文在回顧現有研究中農業綠色發展水平衡量方法的基礎上,重新構建了農業綠色發展水平的評價指標體系及其評價方法。 然后利用2003-2020 年間長江經濟帶的城市數據對地區間農業綠色發展水平的收斂和空間溢出效應進行測度。 分析結果,長江經濟帶總體的農業綠色發展水平在持續地提升,并且城市間的差距在不斷縮小,城市間農業綠色發展水平的收斂趨勢明顯。 但隨著各城市間農業綠色發展水平的趨同,城市農業綠色發展的空間溢出效應逐漸消失。 因此,在后期,長江經濟帶農業綠色發展的整體性更多依靠各城市自身的內生動力實現,而不是依靠空間溢出效應。

一、文獻綜述

農業綠色發展的理念在我國源遠流長。 《呂氏春秋·審時》有謂:“夫稼,為之者人也,生之者地也,養之者天也?！币簿褪钦f,農業生產要遵循天地人三才之道,人作為主動的一方需要考量生態環境的承載能力,農業生產不應以破壞環境為代價。④參見秦曉:《論〈呂氏春秋〉的農學思想及其生態價值》,載《寶雞文理學院學報(社會科學版)》2022 年第1 期,第40 頁。因此,農業生產應以綠色為導向,實現人與自然之間關系的平衡。 黨的十八大以來,我國高度重視綠色發展。 按照“綠水青山就是金山銀山”這一發展理念,農業綠色發展可以被解釋為是對于水土資源的保護,特別是水土資源質量的保護⑤參見于法穩:《新時代農業綠色發展動因、核心及對策研究》,載《中國農村經濟》2018 年第5 期, 第19 頁。,其路徑不僅包括要素間的匹配這一橫向系統,還包括不同產業間、農業生產各環節間的縱向銜接。⑥參見張林秀、白云麗、孫明星、徐湘博、何加林:《從系統科學視角探討農業生產綠色轉型》,載《農業經濟問題》2021 年第10 期,第43 頁。

目前,文獻中存在兩種衡量農業綠色發展水平的方法。 一種是通過構建農業綠色全要素生產率(GTFP)增長指數來衡量一個地區的農業綠色發展水平。 目前,測算農業GTFP 增長率主要采用的是以數據包絡分析(DEA)為基礎的非參數方法,如方向距離函數⑦參見楊騫、王玨、李超、劉鑫鵬:《中國農業綠色全要素生產率的空間分異及其驅動因素》,載《數量經濟技術經濟研究》2019 年第10 期,第28 頁;郭海紅、劉新民:《中國農業綠色全要素生產率的時空分異及收斂性》,載《數量經濟技術經濟研究》2021 年第10 期,第71頁。、SBM(slack-based measure)模型①參見李谷成:《中國農業的綠色生產率革命:1978—2008 年》,載《經濟學(季刊)》2014 年第2 期,第540 頁。、Super-SBM 模型②參見孟祥海、周海川、杜麗永、沈貴銀:《中國農業環境技術效率與綠色全要素生產率增長變遷——基于種養結合視角的再考察》,載《農業經濟問題》2019 年第6 期,第12 頁;劉亦文、歐陽瑩、蔡宏宇:《中國農業綠色全要素生產率測度及時空演化特征研究》,載《數量經濟技術經濟研究》2021 年第5 期,第46 頁。、EBM(epsilon-based measure)模型③參見金紹榮、任贊杰:《鄉村數字化對農業綠色全要素生產率的影響》,載《改革》2022 年第12 期,第108 頁;王菲、孫淑惠、劉天軍:《數字經濟發展推進了農業生產方式變革嗎——來自黃河流域地級市的證據》,載《中國農村經濟》2023 年第9 期,第125 頁。。 在這些模型中,非期望產出是通過將投入的使用數量乘以一個系數得到的,也就是說,在非期望產出和投入之間存在一個物質平衡恒等式關系。④See Finn R. F?rsund, Performance Measurement and Joint Production of Intended and Unintended Outputs, 55 Journal of Productivity Analysis 157, 157-175(2021).農業GTFP 增長率本質上衡量的是同時縮減非期望產出和投入的綜合水平。 但不論是SBM 模型和EBM 模型,還是方向距離函數模型,在測算GTFP 增長率時都無法確?？s減的非期望產出和投入之間是滿足物質平衡恒等式關系的。 因而可能會導致測算的農業GTFP 增長率不符合物質平衡恒等式。 采用GTFP 增長率來衡量農業綠色發展水平還存在另外一個缺陷,即增長率本身并不代表發展水平,除非是采用農業GTFP 的絕對水平,而不是增長率。 而上述幾種方法只能根據Malmquist 指數法或者Malmquist-Luenberger 指數法來得到GTFP 的增長率。

另一種是構建一個衡量農業綠色發展的指標體系,然后根據熵權法得到一個農業綠色發展水平綜合得分。 比如,可以從鄉村振興的角度采用產業興旺、生態宜居等6 個方面的指標構建農業綠色發展水平測度指標體系⑤參見趙銳、盧弍林、毛尚熠:《共同富裕視域下我國老年群體收入差距的調節機制探析》,載《社會治理》2023 年第4 期,第107 頁。,或可以從農業資源節約、農業環境治理、農業生產效益3 個維度來測算各地級市的農業綠色發展水平。⑥參見姚鵬、李慧昭:《農業水權交易能否推動農業綠色發展》,載《中國農村經濟》2023 年第2 期,第22 頁。采用綜合指數法測算農業綠色發展水平的文獻往往包含了過多的指標。 其中一些指標可能與農業綠色發展并無直接的關聯,如農村居民人均住房面積、人均用電量等指標也被加入了農業綠色發展水平的衡量體系當中。⑦參見唐健飛、劉劍玲:《省域農業可持續發展水平評價及其耦合協調分析——以長江經濟帶11 省市為例》,載《經濟地理》2022 年第12 期,第181 頁。另一些指標可以被認為是對農業綠色發展有影響的變量,而不是表示農業綠色發展水平的變量,如城鄉人均收入比、農村教育狀況、農村醫療狀況等指標。 這不僅使得農業綠色發展水平的衡量不夠精確,也混淆了農業綠色發展和以上事實的因果關系。

測度農業綠色發展的研究很多,但鮮有關于農業綠色發展區域聯動的研究,大多數研究主要關注的是農業生產的空間布局。 例如,采用外部性理論研究土地經濟效益在空間上的分布。⑧參見王丹、黃季焜:《草原生態保護補助獎勵政策對牧戶非農就業生計的影響》,載《資源科學》2018 年第7 期,第1348 頁。其中,土地經濟效益的空間差異反映了農業生產在空間分布上的差異和相關性。 屠能圈是早期關于農業生產在空間上布局的理論。 根據農業空間布局理論,農業在空間上的分布不僅會影響水資源的利用效率和用水量⑨參見王秀鵑、胡繼連:《中國農業空間布局與農業節水研究》,載《山東社會科學》2019 年第2 期,第133 頁。,而且會影響農業提供的生態服務價值。⑩See Joshua J. Lawler, David J. Lewis, Erik Nelson, Andrew J. Plantinga, Stephen Polasky, John C. Withey, David P. Helmers,Sebastián Martinuzzi, Derric Pennington & Volker C. Radeloff, Projected land-use change impacts on ecosystem services in the United States, 111 PNAS 7492, 7492-7497(2014).因此,農業生產的空間布局會影響地區的生態系統,從而對于地區的總體綠色發展水平產生影響。 也就是說,農業綠色發展會呈現出區域內的聯動性。 但目前,還沒有研究對長江經濟帶農業綠色發展的空間聯動性是否存在以及時空變化趨勢進行探索。

通過對相關文獻的梳理可以發現,目前對于農業綠色發展的測度仍需改進,相關研究更多的是停留在對農業綠色發展影響因素的探索,較少有研究從區域聯動的視角探索農業綠色發展的推進路徑。

二、研究方法及數據

(一)農業綠色發展水平的衡量

本文并不試圖建立龐大而繁雜的指標體系,而是選擇少數能夠直接反映農業綠色發展水平的指標來構建一個衡量農業綠色發展水平的綜合指數。 農業綠色發展不僅要降低農業生產中的環境污染物排放量,同時也需要提高農業生產效率。 在碳達峰碳中和的背景下,農業向環境排放的污染主要來自于農藥、化肥以及農機使用的燃料油。①其他污染來源還應該包括塑料薄膜等,但由于數據可得性的限制,暫未將其他指標列入。各指標的定義及其選擇依據參見表1。 需要注意的是,這里并沒有使用各指標的絕對數量來衡量一個地區的農業綠色發展水平。 因為不同地區間的農業生產規模有較大的差異,如果只比較不同地區的農業產值、化肥農藥等投入的絕對數量,并不能真正反映地區間的農業綠色發展水平差異。 因此,本文是從生產效率的角度來衡量農業綠色發展水平,即農業勞動生產率、機械生產率、農藥化肥生產率等。

表1 農業綠色發展指標

對于其他指標,如對生活污水和生活垃圾進行處理的行政村占比、衛生廁所普及率、農村綠化率等,雖然可能與農業綠色發展水平相關,但這種關聯更多是間接的影響,而不是直接表征農業綠色發展水平。 因此,本文并未將此類變量加入到衡量長江經濟帶農業綠色發展的指標體系當中。

(二)Dagum 基尼系數及分解

將長江經濟帶劃分為上游、中游、下游三個區域。 利用Dagum 基尼系數測算長江經濟帶農業綠色發展的總體差異,然后再將其分解為區域內差異、區域間差異和區間超變密度貢獻。①See Camilo Dagum, A New Approach to the Decomposition of the Gini Income Inequality Ratio, 22 Empirical Economics 515, 515-531(1997).

其中,G代表Dagum 基尼系數,M表示區域個數(M= 3,即長江經濟帶的上、中、下游三個區域),N代表長江經濟帶地級市個數,Ni和Nj分別表示區域i和區域j中地級市的個數。yik表示第i個區域中第k個地級市的農業綠色發展水平,代表長江經濟帶所有地級市的平均農業綠色發展水平。

G可以進一步分解為:

區域間基尼系數總貢獻Ggb又可以分解為:

(三)空間相關性檢驗

本文采用全局Moran's I 指數和Moran 散點圖對長江經濟帶中地級市的農業綠色發展水平的空間相關性進行初步分析。 全局Moran's I 指數可以對長江經濟帶中所有城市的農業綠色發展水平的空間相關性做出判斷,Moran 散點圖則關注長江經濟帶農業綠色發展水平在局部的空間相關性。判斷空間相關性是模型設定的基礎,如果存在空間相關性而沒有在絕對收斂和相對收斂的回歸模型中進行控制,就會導致模型設定偏誤問題。①See Luc Anselin, Spatial Econometrics: Methods and Models,Springer,2013, p.16-17.

(四)農業綠色發展水平收斂性檢驗

協同推進長江經濟帶農業綠色發展取決于兩個方面的因素。 第一個是農業綠色發展水平的收斂性,即農業綠色發展水平較低的地區是否能夠不斷地向農業綠色發展水平高的地區靠攏。 第二個是農業綠色發展的空間溢出效應。 空間溢出效應決定了農業綠色發展水平高的地區是否對鄰近地區的農業綠色發展具有帶動作用。

經濟學中的收斂性分為絕對收斂和相對收斂。②參見彭國華:《中國地區收入差距、全要素生產率及其收斂分析》,載《經濟研究》2005 年第9 期,第19-20 頁。其中,絕對收斂是指地區間的農業綠色發展水平差異是否會“自動”消失。 絕對收斂的衡量方法可以分為兩類,第一類是衡量橫截面單位的農業綠色發展水平的分散程度是否會隨時間的變化而縮小,該方法一般被稱為“σ絕對收斂”,這是因為所構建的收斂指標主要依賴于目標變量的標準差。 常用的σ絕對收斂衡量指標包括標準差、變異系數等。 本文采用變異系數來衡量長江經濟帶不同城市之間的農業綠色發展水平的差異。 第二類方法則主要是衡量農業綠色發展水平較低的地區是否具有更快的農業綠色發展水平增長速度,檢驗方法是采用以下回歸模型:

其中,yi,t表示城市i在年份t的農業綠色發展水平,α和β為待估參數,ε為隨機誤差項。 當β< 0 時,絕對收斂假說成立,也就是k個時期之后的農業綠色發展水平增長率和初始時期的農業綠色發展水平呈負相關關系。

模型(1)定義的收斂也被稱為“β絕對收斂”。 其中k的選擇對于β絕對收斂的估計十分重要。在實證研究中,以2003 年為基期,分別設定2010 年、2015 年、2020 年三個終點時期,以檢驗β的估計結果是否會受到k的選擇的影響。

模型(1)本質上是一個橫截面數據模型。 橫截面數據模型的缺點在于無法控制個體效應。 在本文的實證研究中,控制長江經濟帶城市的個體效應十分有必要。 因為地級市的一些獨有的特點(如長江上游地區和中下游地區的地理環境、自然條件有很大的差別)既可能會影響該地區的農業綠色發展水平,又可能會影響農業綠色發展水平增長率。 在截面數據模型中,無法處理這些個體效應導致的內生性問題。 因此必須為模型(1)尋找合適的工具變量才能得到關于β的一致估計結果。

使用面板數據可以部分解決遺漏變量導致的內生性問題。 對此,可以構建條件收斂假說模型:

在模型(2)中,Δlnyit表示農業綠色發展水平對數的組內一階差分,lnyi,t-1表示農業綠色發展水平的組內一階滯后,β是條件收斂系數。 對比模型(1)和模型(2)可以發現,條件收斂模型并非是絕對收斂模型從截面數據向面板數據的簡單擴展,而是對模型設定做出了很大的調整。 在條件收斂模型中,β衡量的是t- 1 個時期的農業綠色發展水平對于t- 1 到t的農業綠色發展水平增長率的影響。 而在絕對收斂模型中,β衡量的是初始時期的農業綠色發展水平對于整個時間段的農業綠色發展水平增長率的影響。 因此,兩個模型所衡量的農業綠色發展水平收斂的時間范疇是不同的。絕對收斂模型的參數β衡量的是整個時間段收斂程度的累積,而相對收斂模型的參數β衡量的是每單位時間跨度(每年)收斂程度的平均增量。 在對比絕對收斂模型和條件收斂模型的β估計值時,需注意到這種概念上的差異。ui衡量的是不可觀測的個體效應,vit是不可觀測的隨機擾動。zit表示其他的控制變量,包括農村人均可支配收入、農業增加值占比、農村人均受教育水平、城鄉收入差距、恩格爾系數、城鎮化率、政府支出占GDP 比重等。γ為相應的待估參數向量。

(五)農業綠色發展的空間效應

如果農業綠色發展水平存在空間依賴,而沒有在模型中表示出來,就會形成模型設定偏誤。 以相對收斂模型為例,可以將一個一般化的空間面板數據模型表示為①See Federico Belotti, Gordon Hughes & Andrea Piano Mortari, Spatial Panel-Data Models Using Stata, 17 The Stata Journal 139, 139-180(2017).:

其中W為空間權重矩陣,本文采用的是地理距離矩陣,城市之間的距離采用經緯度計算得到。②參見王守坤:《空間計量模型中權重矩陣的類型與選擇》,載《經濟數學》2013 第3 期,第59 頁。對回歸模型(3)和(4)進行不同的設定,可以得到不同的空間效應模型。 如果令θ=0,λ=0,則變為空間滯后(Spatial autoregressive,SAR)模型;如果令θ= 0,則變為空間滯后加空間自相關(spatial autocorrelation,SAC)模型;如果令λ= 0,則變為空間杜賓模型(Spatial Durbin Model,SDM)。 雖然還有其他的空間計量模型,但本文只考慮這三種形式的變化。 對絕對收斂模型也采取相同的設定。

(六)數據來源

本文所用數據來自于長江經濟帶各省份以及地級市的統計年鑒。 在整理數據時,首先通過省級統計年鑒中分地區的數據來構建相關的變量。 如果省級年鑒的相關數據缺失,則通過對應地級市的統計年鑒進行查找。 最終獲得長江經濟帶2003-2020 年間106 個城市的數據,其中包括上海和重慶兩個直轄市和其他104 個地級市。

三、實證分析結果

(一)長江經濟帶城市農業綠色發展水平的評價

表2 中給出了2003-2020 年間長江經濟帶各城市的農業綠色發展水平測算結果分年度的描述性統計量。 可以發現,城市平均的農業綠色發展水平在逐年上升,反映了長江經濟帶農業綠色發展質量的改善。 從最大最小值的統計可以發現,樣本中并沒有極端值,也就是沒有農業綠色發展水平過高或者過低的城市。 此外,2003-2020 年間農業綠色發展水平的最小值和最大值總體上均展現出增長的趨勢,這反映了長江經濟帶農業綠色發展水平的提升是總體性的、全局性的,而不是只集中在少數地區。

表2 長江經濟帶各地級市農業綠色發展水平的描述性統計(2003-2020)

(二)Dagum 基尼系數及分解

圖1 給出的是用基尼系數衡量的長江經濟帶總體和分地區(上、中、下游三個地區)的農業綠色發展水平差異。 可以發現,從總體上看,長江經濟帶各城市間的農業綠色發展水平差異在不斷地縮小。 但在不同的區域,Dagum 基尼系數的變化趨勢不同。 其中,上游和下游地區Dagum 基尼系數下降趨勢明顯,表明在這兩個區域城市間的農業綠色發展水平的差異在不斷地下降。 而在中游地區,2003-2018 年間的Dagum 基尼系數基本保持穩定不變,而在2019 年和2020 年,Dagum 基尼系數有突然的升高。 對于長江經濟帶總體的Dagum 基尼系數,區域間差異和區域內差異的貢獻占絕大多數,超變密度的貢獻較少。 其中,除2019 和2020 年之外,區域間差異是長江經濟帶農業綠色發展水平差異的主要來源。 2019 和2020 年的變化可能主要是由于中游地區Dagum 基尼系數的突然上升所導致的。 可以發現,在這兩年,三個區域的Dagum 基尼系數相差不大。 因此,長江經濟帶農業綠色發展水平的總體差異主要就體現為區域內差異,區域間的差異基本上消除了。

圖1 長江經濟帶農業綠色發展水平Dagum 基尼系數及分解

(三)空間相關性和σ 絕對收斂

從圖2 的可以發現,用變異系數衡量的長江經濟帶城市之間的農業綠色發展水平在不斷收斂,城市間的農業綠色發展水平差異在不斷縮小。 變異系數除了在2009 年(即全球金融危機之后的一年)有明顯向上的跳躍之外,總體上呈現下降的趨勢。 同時,Moran's I 指數顯示,長江經濟帶中城市的農業綠色發展水平在空間上的關聯也在逐漸減弱。 雖然Moran' s I 指數的波動要強于變異系數,但其下降的趨勢也更加明顯。 從2019 年開始,Moran's I 指數下降到小于0.1。 到2020 年,Moran' I指數已經降為0.07,雖然仍是顯著的,但空間相關性已經非常弱了。 地區間差異的收斂和空間相關性減弱的同步性也出現在其他情況中。①See Sergio J. Rey & Brett D. Montouri, Us Regional Income Convergence: A Spatial Econometric Perspective, 33 Regional Studies 143,143-156(1999).長江經濟帶農業綠色發展水平空間相關性的減弱可以通過分析更詳細的局部空間相關性來解釋。

圖2 長江經濟帶農業綠色發展水平的空間相關性和收斂情況(2003-2020)

圖3和圖4 分別給出了2003 年和2020 年長江經濟帶城市之間的農業綠色發展水平的Moran散點圖,即城市農業綠色發展水平對其空間滯后的散點圖。①See Luc Anselin, Spatial Econometrics: Methods and Models, Springer, 2013, p.1-3.其中,空間滯后農業綠色發展水平等于鄰近地區農業綠色發展水平的加權平均值。 在所研究的時間段,初期(2003 年)和末期(2020 年)的Moran 散點圖都呈現出正的空間自相關,也就是說農業綠色發展水平較高的城市傾向于集中在一起,而農業綠色發展水平較低的城市也傾向于集中在一起。 如果對比2003 年和2020 年的Moran散點圖,可以發現2020 年的Moran 散點圖呈現出更強的空間正相關性,因為在2020 年的Moran 散點圖中,位于第二和第四象限的城市數量比2003 年減少了,且這些城市的散點更貼近所在象限的邊緣,即存在向第一和第三象限靠攏的趨勢。

圖3 長江經濟帶農業綠色發展指數Moran 散點圖(2003 年)

圖4 長江經濟帶農業綠色發展指數Moran 散點圖(2020 年)

圖2 所反映的總體空間相關性的減弱和圖3、圖4 反映出的局部空間相關性增強之間并不矛盾。 也可以說,正是由于局部相關性的增強,在長江經濟帶形成了更多更小的聚類,從而使得總體的空間相關性減弱了。

(四) β 絕對收斂和空間相關性

從以上的分析中可以發現,在長江經濟帶中,城市之間的農業綠色發展水平存在著空間上的相關性。 采用變異系數來衡量長江經濟帶各城市的農業綠色發展水平是否收斂則無法考慮這種空間效應。

表3 中給出了β絕對收斂的檢驗結果。 在實證分析中,分別設定了2003-2010 年、2003-2015年和2003-2020 年三個不同的時間段,分析β絕對收斂隨時間跨度的變化。 從各模型的回歸結果來看,時間跨度越長,β絕對收斂系數的絕對值越大。 也就是說,在長江經濟帶,各城市農業綠色發展水平之間的收斂程度隨著時間的推移在不斷地強化,而沒有減弱。

對比OLS 和不同的空間效應模型,可以發現加入不同的空間效應并不會對絕對收斂系數的顯著性和符號產生影響。 如果時間跨度較短(2003-2010 年和2003-2015 年),SAR、SAC 和SDM 模型中的空間滯后項系數ρ均不顯著。 只有在完整的時間跨度上(即2003-2020 年),ρ才是顯著的,并且符號為正,表示存在正的空間溢出效應,這個結果和圖3、圖4 反映出的正向局部空間自相關是一致的。

(五) β 條件收斂和空間相關性

絕對收斂和條件收斂本質上是不同的模型。 除了條件收斂模型中需要加入更多的控制變量以外,絕對收斂和條件收斂模型的差別還在于前者使用的是一個截面數據,后者使用的是面板數據。利用面板數據可以更好地控制各地級市的個體效應。 同時在條件收斂模型中加入更多的解釋變量也有助于更好的控制遺漏變量問題。

在條件收斂的實證分析中,除了對全樣本進行回歸之外,以10 年作為一個時間窗口,分別構建了8 個連續的子樣本(具體參見表4-6 中的第一列)并分別進行回歸。 這樣可以更加清楚地審視長江經濟帶城市間農業綠色發展水平的收斂情況和空間相關性。

表4 分時間段的SAR 模型回歸結果

表4-6 分別給出了分時間段的SAR、SAC 和SDM 模型估計結果,所有模型均采用了固定效應模型的設定,估計方法采用的是擬極大似然估計。①See Federico Belotti, Gordon Hughes & Andrea Piano Mortari, Spatial Panel-Data Models Using Stata, 17 The Stata Journal 139, 139-180(2017).根據AIC 和BIC 的檢驗結果,SAR 要優于SAC和SDM。 因此后續的分析主要是依賴于表5 的估計結果。

表5 分時間段的SAC 模型回歸結果

表6 分時間段的SDM 模型回歸結果

可以發現,在不同的模型和不同的時間段,相對收斂系數都是顯著的。 也就是說,即使在控制了固定效應和其他的解釋變量之后,長江經濟帶中各城市農業綠色發展水平之間的收斂也是存在的。 空間相關系數ρ的估計值在不同的時間段有著較大的差異,但均是顯著的。 這表明,長江經濟帶城市間的農業綠色發展水平所展現出的收斂性并不取決于起始時間,其結果是穩健的。

在條件收斂模型中,空間滯后效應的系數估計值和絕對收斂模型有顯著的差別。 絕對收斂模型和Moran 散點圖的分析結果都顯示,長江經濟帶城市間的農業綠色發展水平存在著正的空間相關性,也就是正的空間滯后效應系數。 然而,在表3 中,卻存在大量的空間滯后效應系數為負的情況,并且系數還是顯著的。 從系數估計的結果來解釋,負的ρ表示農業綠色發展水平高的地區被農業綠色發展水平低的地區所包圍,反之亦然,農業綠色發展水平低的地區被農業綠色發展水平高的地區所包圍。 但可以發現,隨著時間的推移,ρ的絕對值在不斷減小,并且從統計上來看越來越不顯著了。 在全樣本中空間滯后效應的系數也不顯著。

四、討論和結論

長江經濟帶要堅持“生態優先、綠色發展”,重中之重是在區域內協同推動農業綠色發展水平的不斷提升。 本文重新構建了衡量農業綠色發展水平的指標體系和測算方法,利用2003-2020 年間的地級市數據對長江經濟帶農業綠色發展水平進行了測度,并分別利用Dagum 基尼系數、Moran' s I指數、Moran 散點圖、絕對收斂和相對收斂回歸模型等方法對長江經濟帶農業綠色發展水平的時空變化進行了全面的描述。

分析結果顯示,長江經濟帶總體的農業綠色發展水平在不斷提高,并且在初期農業綠色發展水平低的城市具有更快的增長速度,因此出現了城市間農業綠色發展水平的收斂。 將長江經濟帶劃分為上游、中游和下游三個區域進行分析,可以發現區域間的農業綠色發展水平差異逐漸消失,區域內差異成為長江經濟帶農業綠色發展水平差異的主要來源。 同時,也可以發現,隨著長江經濟帶農業綠色發展整體水平的不斷提升,城市間農業綠色發展的相互影響在逐漸消失。 換言之,長江經濟帶中還未形成一個對全域農業綠色發展具有帶動性的中心城市。 但在局部地區,部分城市農業綠色發展對其周邊城市的農業綠色發展具有一定的拉動作用,這可能是由農業產業鏈條較短、空間輻射能力不強導致的。

隨著長江經濟帶城市間的農業綠色發展水平差異逐漸縮小,且總體水平不斷提升,農業綠色發展水平提升的速度將會不斷下降。 因此,在未來,提升長江經濟帶農業綠色發展水平的難度將會變得更大。 要使長江經濟帶農業綠色水平進一步提升,一方面,需要增強城市自身的農業綠色發展動能,依靠內生動力提高本城市的農業綠色發展水平,從而對周圍城市的農業綠色發展形成帶動作用;另一方面,更需要加強小區域范圍內城市間農業綠色發展的相互協作。