基于空间计量的江苏农业发展韧性影响因素研究

A Study on the Factors Affecting the Agricultural Development Resilience in Jiangsu Based on Spatial Econometrics

摘要: 本研究旨在深入探究江苏省农业韧性的时空分异特征及影响因素，并从政策、产业结构以及技术创新等方面构建适用于农业韧性评价的指标体系，采用空间杜宾等方法对数据进行处理和分析。研究结果显示，区位优势、财政支持、农业技术等因素对农业韧性发展具有显著的影响。此外，农业韧性与农业经济增长之间存在显著的正向关系。因此，本文基于江苏省2007~2022年农业韧性发展情况，通过分析农业韧性与农业经济之间的关系，旨在为江苏农业的可持续发展作出积极而有益的贡献。

Abstract: This study aims to explore the spatial and temporal heterogeneity of agricultural resilience in Jiangsu Province and its influencing factors, and construct an index system suitable for evaluating agricultural resilience from the perspectives of policy, industrial structure, and technological innovation. The data are processed and analyzed using spatial Dubein methods. The research results show that geographical advantage, fiscal support, agricultural technology, etc. have significant impacts on the development of agricultural resilience. In addition, there is a significant positive relationship between agricultural resilience and agricultural economic growth. Therefore, based on the agricultural resilience development situation of Jiangsu Province from 2007 to 2022, this paper analyzes the relationship between agricultural resilience and agricultural economy, aiming to make positive and beneficial contributions to the sustainable development of Jiangsu agriculture.

1. 引言

实现经济高质量增长的必要条件之一，是高品质的农业发展，而农业的稳健发展则是国民经济蓬勃发展的基础。在逆全球化趋势的背景下，全球价值链的重构、农产品供给的变化、农业固有脆弱性的影响等使农业发展面临更多的风险和不确定性[1]。各界以韧性思维开始从多个角度探寻纾困止跌的可行之道，农业的韧性源于其内在的循环机制和对外部冲击的强大抵御能力，因此备受学术界的高度关注[2]。作为一个传统的农业大国，在日趋复杂的外部环境下，探索农业经济韧性的提升路径对推进农业可持续发展、实现“农业强国”战略目标具有重要作用[3]。

江苏省是中国的重要农业产区之一，不仅有着丰富的物质资源，还具有广阔的农业发展空间和强大的农业生产力，同时也承担着不可或缺的粮食生产任务。江苏省农业生产面临的不确定性和风险源源不断，包括气候变化、市场变化、自然灾害等因素都会对农业产生重大的影响，给粮食生产和农业经济发展带来许多挑战和压力。2023年“中央一号”文件明确指出要“建设产业韧性强、竞争能力强的农业强国”，这既是对中国农业产业在复杂环境动态演进过程中内在要求的进一步深化与凝练，也充分彰显了国家对农业产业韧性建设的日益重视[2]。江苏省作为中国的重要农业产区之一，构建农业绿色韧性评价指标体系，为量化测度江苏省农业绿色韧性发展水平提供可行方法，旨在提高江苏省农业生产的安全性和稳定性，保障江苏省的粮食安全[4]。

2. 文献综述

生态学家Holling (1973)首次提出了“韧性”这一概念，指的是自然系统在面对自然或人为因素引起的生态系统变化时所表现出的持久性。韧性内涵与外延的日益拓展已成为许多学科认识专业领域中复杂问题的一种有效方式[5] [6]。而农业经济在国家经济体系中占据着重要地位，其内在韧性既有助于提升农业产业竞争力，促进农业现代化发展，同时也是乡村应对外部冲击扰动并支撑经济系统稳定运转的一项重要能力。

社会各界对于农业韧性的探索还比较浅显，实践经验也相对匮乏。根据Folke (2016)、王瑞雪(2023)和邓晗(2024)等人的观点，农业系统的复原力是其抵御外部干扰和保持其固有稳定性的关键因素[7]-[9]。农业发展的复原力体现在经济主体重组和重新分配资源的能力，而不是简单地从冲击中恢复。Marrero (2003)等研究了自然灾害后，城市小农在气候脆弱的粮食系统中自给自足的农业韧性[10]。近年来，关于中国农业经济的空间差异和效应的文献引起了广泛关注。石涛(2020)利用社会网络模型对黄河流域城市间的空间网络结构和联动效应进行了详细分析[11]；李义姝(2024)以长江中下游地级市为样本，研究了数字普惠金融对农业经济韧性的空间溢出机理及其门槛效应特征[3]。研究结果显示，中国农业经济的恢复力呈现出明显的上升趋势和区域差异，尤其是在经济发达的东部地区、农业生产大省的中西部地区和粮食主产区，农业经济的抗风险能力在增强，省级农业经济的抗风险能力在逐年优化。同时，政府支持力度、农业基础设施建设、农村产业融合程度等因素是影响中国农业经济抗风险能力的主要因素[12]。

综上所述，农业经济韧性是一个关注农业经济系统抵抗外部干扰并保持原有系统稳定的能力的概念。在实证研究领域，蒋辉(2022)、李义姝(2024)等学者在现有的区域经济韧性评价模型的基础上，不仅评估了经济主体面临冲击的反应，还强调了空间效应分析的重要性[9]-[13]。尽管国内外对于农业韧性的研究已经进行了一些努力，但对于不同类型的农业系统，韧性评估的重点可能会有所不同。因此，本文的工作主要针对江苏省2007~2022年农业韧性发展情况展开。通过对江苏省农业数据的收集处理，并建立空间计量模型，客观地分析江苏省近16年的农业韧性发展情况及影响因素研究，并依据相关研究结论给出合理有效的建议。

3. 指标体系与研究方法

3.1. 指标体系的构建

根据folke和韧性联盟(Resilience Alliance) (2016)的相关定义，农业发展的韧性指的是农业系统具备消化和吸收外部干扰的能力，同时能够保持其原有的主要特征和关键功能[7]。地区和行业作为复杂系统的一部分，其韧性是一个高度抽象的概念，涵盖了多重内涵，这一点在多项研究中得到了充分的证明。从自然–社会–生态系统的角度出发，借鉴学者对城市与社区韧性方面的研究，我们可以发现，农业发展的韧性主要由生产韧性、生态韧性和经济韧性三个不同的层面所构成[12]。其中各项指标的具体情况见表1。

Table 1. Indicators of agricultural development resilience

表1. 农业发展韧性指标

一级指标	二级指标	引用来源
生产韧性	有效灌溉面积/播种面积	于伟，张鹏(2019) [14]
	单位播种面积农业机械总动力
	农均农业固定资产投资
生态韧性	单位播种面积农用化肥施用折纯量(−)
	单位播种面积农用柴油使用量(−)
	单位播种面积农药使用量(−)
	单位播种面积农用塑料薄膜使用量(−)	郝爱民，谭家银(2022) [15]
	单位播种面积农业用水量(−)
经济韧性	农均农业总产值
	单位播种面积产值
	农林牧渔增加值/农作物播种面积
	农林牧渔增加值/农林牧渔从业人员

注：(−)为负向指标，由于2023年江苏省农业发展韧性指标数据缺失量较大，本文不做详细分析。

3.2. 数据与研究方法

3.2.1. 数据来源

本文所采用的数据主要来源于《江苏省统计年鉴》《中国县域统计年鉴》和江苏省各市的统计年鉴。数据的时间跨度为2007~2022年，研究对象为江苏省十三个市域，对于部分缺失数据，本文采用线性插补法进行处理。

3.2.2. 熵值法

本文采用熵值法测度江苏省农业韧性水平。熵值法具有客观赋权的优点，能够减少主观因素的干扰，使评价结果更加客观可信。借鉴朱红根和陈晖(2023)的做法[16]，具体计算步骤和公式如下：

(1) 建立一个初始数据矩阵$X={\left\{x_{kij}\right\}}_{h\times m\times n}$ ，由$h$ 个年份、$m$ 个区域和$n$ 项指标构成，其中$x_{kij}$ 表示第$k$ 年$i$ 市域的第$j$ 项数据。

(2) 为了弥合指标量纲的差异，对原始数据进行标准化处理，将正向指标和负向指标按照 $\left(x_{kij}-\min x_{kij}\right)/\left(\max x_{kij}-\min x_{kij}\right)$ 和$\left(\max x_{kij}-x_{kij}\right)/\left(\max x_{kij}-\min x_{kij}\right)$ 取值，记为$x_{kij}^{\text{'}}$ ，并定义了一个标准化处理后的矩阵$Y={\left\{y_{kij}\right\}}_{h\times m\times n},y_{kij}={x^{\prime }}_{kij}/{\displaystyle {\sum }_{k=1}^h{\displaystyle {\sum }_{i=1}^m{x^{\prime }}_{kij}}}$ ，其中$y_{kij}$ 代表第$k$ 年的第$i$ 市域$j$ 个指标值。

(3) 统计指标信息熵值：$e_j=-K{\displaystyle {\sum }_{k=1}^h{\displaystyle {\sum }_{i=1}^m\left(y_{kij}\ln y_{kij}\right)}}$ ，其中，$K=1/\ln \left(h\times m\right)$ 。

(4) 差异性系数的计算：$d_j=1-e_j$ ，可以推导出每个指标的权重$w_j=\frac{d_j}{{\displaystyle {\sum }_{j=1}^n{d}_j}}$ 。

(5) 计算江苏省各市域农业发展韧性值综合得分：$U_{ki}={\displaystyle {\sum }_{j=1}^n\left(w_j\times {x^{\prime }}_{kij}\right)}$ 。

3.2.3. 空间计量模型

常见的空间计量模型涵盖了空间滞后模型(SAR)、空间误差模型(SEM)以及空间杜宾模型(SDM)等多种类型。本文构建农业发展韧性空间杜宾模型如下：

$\ln {\text{RES}}_{it}=\delta {\displaystyle {\sum }_{j=1}^n{W}_{ij}}\ln {\text{RES}}_{jt}+c+X_{it}\beta +{\displaystyle {\sum }_{j=1}^n{W}_{ij}{X}_{jt}\theta }+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$

其中i表示市域单元(i = 1, 2, ..., n)，t表示年份(t = 1, 2, ...., h)。被解释变量${\text{RES}}_{it}$ 为农业发展总体韧性值，$\delta$ 为被解释变量的空间自回归系数，反映相邻市域的农业韧性发展对本市域农业韧性发展情况的影响方向和程度；${\displaystyle {\sum }_{j=1}^n{W}_{ij}}\ln {\text{RES}}_{jt}$ 为被解释变量的空间交互效应。$W_{ij}$ 为$n\times n$ 非负空间权重矩阵；$\beta 、\theta$ 为$\left(h\times \text{1}\right)$ 维参数向量；$c$ 、${\mu }_i$ 、${\lambda }_t$ 和${\epsilon }_{it}$ 依次为常数项、空间效应、时间效应和误差项。

本文选用耕地面积(LAD)、财政支农(FIN)、教育水平(EDU)、城市化进程(URB)和产业结构升级(IND)作为解释变量X，分别使用农均播种面积、农均财政农林水支出、人均教育支出、非农人口占比和非农产业GDP占比进行测算[14]。

4. 江苏农业发展韧性及空间计量分析

4.1. 江苏农业发展韧性水平分析

根据熵值法求出各市域综合得分情况，对江苏省13个市域一级指标得分情况取均值结果见图1。由图1，在2007~2022年间，苏南地区在农业韧性发展方面整体优于苏北、苏中地区。南京、无锡作为苏南地区经济发达城市，各方面韧性发展较为均衡，处于较好水平且没有明显短板。宿迁、连云港等苏北城市各方面发展韧性不平衡，宿迁农业发展的经济韧性最低。苏北地区受长三角经济辐射较弱，没有很好地发挥经济政策的导向作用，导致其经济韧性较低。作为苏中地区，南通耕地资源稀缺、农业信息化程度偏低，导致其生产韧性最低。

Figure 1. Average value of the first index of agricultural development resilience

图1. 农业发展韧性一级指标均值

4.2. 空间杜宾模型估计结果分析

在探究江苏农业发展的韧性影响因素时有必要采用空间计量模型。表2显示了空间杜宾模型下影响农业发展恢复力的重要因素和指标的估计结果。

Table 2. Results of spatial Durbin model estimation

表2. 空间杜宾模型估计结果

变量指标	总体韧性	生产韧性	生态韧性	经济韧性
城市化进程	−0.011	−0.098	0.289^**	0.109^*
产业结构升级	0.017	0.073	0.148^***	−0.014
耕地面积	0.198^*	−0.209	0.204	0.405^*
财政支农	−0.024	−0.045	−0.013	0.054^***
教育水平	0.274^***	−0.044	0.795^***	0.348^***
W*城市化进程	0.565^**	0.595^**	−0.019	0.307^**
W*产业结构升级	0.044	0.019	0.397^***	0.102
W*耕地面积	−0.376	−0.130	−2.240^***	−0.299
W*财政支农	0.492^***	1.127^**	−0.175	0.325^*
W*教育水平	−0.369	0.276	−1.901^***	−0.482^***
$\delta$	0.003^***	0.015^***	0.008^***	0.002^***
SAR-Wald	55.05^***	44.72^***	71.72^***	41.30^***
SAR-LR	54.01^***	44.47^***	58.49^***	43.86^***
SEM-Wald	45.33	38.55^***	51.76^***	52.06^**^*
SEM-LR	122.34^***	78.26^***	103.86^***	139.50^***
模型选择	时空双固定(纠偏)	时空双固定(纠偏)	时空双固定(纠偏)	时空双固定(纠偏)

注：^*、^**、^***分别表示在10%、5%和1%水平下显著，NA表示无相关数据。

在以总体韧性为被解释变量的估计结果中：(1) “城市化进程”的直接项系数为负，空间滞后项系数为正。说明城市化会导致农村劳动力减少和环境恶化问题，同时城市化也可以促进周边农业地区的发展。(2) “产业结构升级”的直接项系数和空间滞后项系数都为正。因为产业结构升级可以引入更多的现代产业、科技和管理模式来提升农业生产效率，通过空间传导机制来促进周边地区的发展。(3) “耕地面积”的直接项系数为正，空间滞后项系数为负。说明耕地面积的增加可以促进农业生产的发展以及农村经济的发展，当邻近地区的耕地面积增加时会对研究区的耕地面积造成争夺和压力，导致研究区的农业生产能力和韧性水平下降。(4) “财政支农”的直接项系数为负，空间滞后项系数为正。说明了在短期内农业补贴虽然能够为农业发展提供帮助，但过度依赖补贴可能破坏市场机制，对农业发展产生不良影响。江苏省“财政支农”力度的提高可以促进当地经济发展，引领农业技术升级，提高农民收入，促进农业产业链的发展，从而对周边地区的农业发展产生积极作用。(5) “教育水平”的直接项系数为正，空间滞后项系数为负。表明了江苏省农村教育水平的提高将有效地促进农业转型升级，提高农业生产效率和质量，增加农业附加值和产业就业机会，从而推动当地农业经济的快速发展。

4.3. 直接效应、间接效应和总效应分析

在空间计量中，解释变量的直接效应是指一个地区的特定解释变量对该地区的被解释变量的影响，而间接效应是指一个地区的特定解释变量通过空间互动对所有其他地区的被解释变量的影响。LeSage (2009)和Pace (2017)提出了一种方法来克服传统的空间溢出效应的点估计方法的缺陷，从求解偏微分中获得对解释变量溢出效应的方法，Elhorst (2010)将其扩展到空间面板数据模型中[7] [17]。表3显示了不同影响因素的直接和间接效应，以及它们的综合效应。

Table 3. Direct effect, indirect effect and total effect

表3. 直接效应、间接效应和总效应

	变量	总体韧性	生产韧性	生态韧性	经济韧性
直接效应	非农人口占比	−0.013 (−0.160)	−0.129 (−0.660)	0.413^** (2.260)	0.141^* (1.710)
	非农产业占比	0.023 (0.970)	0.071 (1.400)	0.127^*** (3.150)	−0.014 (−0.750)
	农均播种面积	0.294^*** (2.810)	−0.182 (−0.820)	0.396^** (2.180)	0.414^*** (5.010)
	农均财政农林水支出	−0.030 (−1.380)	−0.065 (−1.420)	−0.003 (−0.090)	0.054^*** (2.950)
	人均教育支出	0.399^*** (3.630)	−0.024 (−0.100)	1.000^*** (5.190)	0.357^*** (4.110)
间接效应	非农人口占比	0.529^*** (4.240)	0.549^** (2.160)	−0.160 (−0.950)	0.334^**^* (3.170)
	非农产业占比	0.035 (0.390)	−0.001 (0.000)	0.166^* (1.850)	0.099 (1.290)
	农均播种面积	−0.382 (−1.480)	−0.104 (−0.200)	−1.487^*** (−5.060)	−0.310 (−1.380)
	农均财政农林水支出	0.462^*** (4.140)	0.957^*** (4.260)	−0.101 (−0.930)	0.335^*** (3.270)
	人均教育支出	−0.385^* (−1.690)	0.234 (0.500)	−1.590^*** (−5.840)	−0.496^** (−2.510)
总体效应	非农人口占比	0.517^*** (5.150)	0.416^** (2.080)	0.153^* (1.690)	0.445^*** (4.990)
	非农产业占比	0.058 (0.620)	0.070 (0.370)	0.293^*** (3.450)	0.085 (1.030)
	农均播种面积	−0.089 (−0.350)	−0.287 (−0.560)	−1.091^*** (−4.790)	0.104 (0.460)
	农均财政农林水支出	0.432^*** (3.510)	0.892^*** (3.620)	−0.104 (−0.920)	0.388^*** (3.440)
	人均教育支出	0.014 (0.070)	0.211 (0.500)	−0.591^*** (−3.130)	−0.139 (−0.740)

注：()内为t值，^*、^**、^***分别表示在10%、5%和1%水平下显著。

对于江苏省这样一个农业发达的地区，提升农业韧性是非常关键的。通过以上空间计量模型的分析结果，可以得出农村人口向城市和城镇转移、产业结构升级和农村教育发展水平对农业韧性具有显著的正向作用，而财政支农的作用存在正面和负面的影响，耕地面积对农业韧性具有正面和负面的影响。

5. 结论与建议

农业生产系统具备自我组织和自我适应的能力，这表明即使在区域农业面临风险和变革的情况下，农业仍然能够凭借自身韧性保持其功能和结构的正常发挥。加强现代农业的发展和保障农业供给的重点，是增强农业韧性水平，以适应不断变化的环境和需求。

根据对江苏省2007~2022年数据的研究，可以得出结论：(1) 处于空间互动状态的农村教育水平的提高、耕地面积的增加有助于农业总体韧性的增强；(2) 财政支农投入的增加有利于增强当地农业的经济韧性，但没有促进生产韧性与生态韧性的提高；(3) 城市化进程有利于增强当地农业生产韧性，但产业结构升级通过资源移出的途径弱化当地农业的生产韧性与经济韧性。

为了促进农业经济的持续稳定增长和全域内部空间的和谐发展，我们必须深刻理解农业韧性的时空分异格局以及影响因素在其中扮演的至关重要的角色。为了缩小区域间农业韧性发展差距并提高农业发展的韧性，需要结合当地实际情况，具体问题具体分析。针对研究提出下列建议：(1) 增强教育水平的内在动力，培养管理能力和市场意识，从而促进农业可持续发展。(2) 增强财政扶持农业的绿色技术导向和信息化导向，有针对性地提高资金使用效益，逐步提高财政补贴力度，改善农业生产基础。(3) 推动农业现代化进程，引入电商等智慧农业平台，推动农业产业化的步伐。同时要加强农产品‌品牌建设、优化物流配送体系、注重人才培养和创新营销模式等，拓宽农产品销售渠道，促进农业产业升级，缩小数字鸿沟。(4) 制定城镇和非农产业对农业的反馈机制，以抵御城市化进程和产业结构升级对农业农村发展所带来的虹吸效应。