王金田, 高 峰, 高 勇

(山東理工大學(xué) 經(jīng)濟(jì)學(xué)院，山東 淄博 255000)

一、引言

改革開放以來，中國農(nóng)業(yè)經(jīng)濟(jì)獲得了巨大成功，雖然農(nóng)業(yè)在國內(nèi)生產(chǎn)總值中的比重由28.4%下降到10%，但這并沒有改變農(nóng)業(yè)在國民經(jīng)濟(jì)中的基礎(chǔ)地位。從1978年至2013年，人均糧食擁有量增長39.16%，人均擁有棉花、油料、糖料、水產(chǎn)品、水果、奶制品、禽蛋和茶葉等實(shí)現(xiàn)了成倍乃至二、三十倍增長。據(jù)國際糧農(nóng)組織(FAO)統(tǒng)計(jì)，2012年中國谷物、小麥、稻谷、花生、籽棉、茶葉、水果、肉類、玉米等產(chǎn)量居世界第一位。按不變價格計(jì)算的農(nóng)業(yè)增加值從1978到2013年增長629.72%，以占世界7.59%的耕地養(yǎng)活了19.18%的人口。增加農(nóng)民收入，促進(jìn)農(nóng)業(yè)發(fā)展一直是中國經(jīng)濟(jì)社會發(fā)展的現(xiàn)實(shí)(韓俊，2001)[1]31-34，農(nóng)業(yè)增長問題的研究一直是學(xué)者關(guān)注的重點(diǎn)。

研究農(nóng)業(yè)增長的文獻(xiàn)很多，主要涉及以農(nóng)業(yè)產(chǎn)值或農(nóng)業(yè)生產(chǎn)率為被解釋變量，各種投入要素為解釋變量的模型，如實(shí)物投入、技術(shù)、制度等(于曉華和趙國慶，2009)[2]68-74，制度的影響(Lin，1992[3]34-51；喬榛等，2006[4]73-82)，此外，還有非市場的土地再分配和土地確權(quán)(Klaus Deininger et al.，2014)[5]505-520；基礎(chǔ)設(shè)施(Fan and Zhang, 2004)[6]395-421；土地分割(Chen et al., 2009)[7]153-161；環(huán)境污染惡化(Monchuck et al.，2010)[8]346-354等，其共同特征是以行政區(qū)劃單位，如省、區(qū)、市、縣等研究中國農(nóng)業(yè)增長問題，不考慮區(qū)域協(xié)調(diào)發(fā)展問題。

對于農(nóng)業(yè)空間增長的文獻(xiàn)在引入空間因素時主要考慮兩種途徑。

(一)將空間因素作為解釋變量引入模型

Gallup et al.(1999)[9]179-232通過控制運(yùn)輸成本、瘧疾指數(shù)、農(nóng)業(yè)生產(chǎn)率等指標(biāo)，研究位置與氣侯對收入水平和收入增長的影響，結(jié)果顯示距離經(jīng)濟(jì)核心區(qū)越遠(yuǎn)的國家收入會越低。

Duvivier(2013)[10]923-943利用Chen and Partridge(2013)[11]1313-1331的方法構(gòu)造市場潛力指標(biāo)作為城市鄰近(Urban Proximity)指標(biāo)，采取中國縣級2005—2009年的數(shù)據(jù)，估計(jì)異質(zhì)城市效應(yīng)是否會顯著增強(qiáng)鄰近農(nóng)村的技術(shù)效率，實(shí)證結(jié)果顯示東部地區(qū)城市鄰近會顯著增強(qiáng)效率，而中部地區(qū)影響低，西部地區(qū)影響不顯著。

(二)直接采取空間計(jì)量方法進(jìn)行實(shí)證研究

其特點(diǎn)是在模型估計(jì)中引入空間權(quán)重矩陣。Cho et al.(2010)[12]2031-2040利用1999年中國縣級農(nóng)業(yè)數(shù)據(jù)，采取空間滯后模型分析勞動力、農(nóng)業(yè)機(jī)械總動力、化肥和灌溉等如何影響農(nóng)業(yè)產(chǎn)值，實(shí)證結(jié)果表明空間因素對農(nóng)業(yè)產(chǎn)值的影響關(guān)系顯著為正。

許禎育和張宏浩(2010)[13]79-107利用2005年臺灣村級數(shù)據(jù)，采取空間滯后(Spatial Lag)和空間誤差(Spatial Error)模型對農(nóng)業(yè)收入問題進(jìn)行研究，實(shí)證結(jié)果顯示空間滯后和空間誤差的溢出效應(yīng)系數(shù)值分別為0.324和0.052，結(jié)果顯著，說明空間溢出對農(nóng)業(yè)增長具有正向影響關(guān)系。

Ulimwengu and Sanyal(2011)[14]使用面板數(shù)據(jù)的空間Durbin模型，利用1961—2006年撒哈拉以南非洲地區(qū)48個國家的數(shù)據(jù)，分析化肥、牲畜、拖拉機(jī)、勞動力和土地質(zhì)量等對農(nóng)業(yè)產(chǎn)出的影響，實(shí)證結(jié)果顯示正向顯著的農(nóng)業(yè)溢出效應(yīng)存在，每個國家平均可以因溢出獲得2.5%的增長。

Yu et al.(2014)[15]279-290使用2000年和2007年土耳其的分省農(nóng)業(yè)數(shù)據(jù)，采取空間Durbin模型實(shí)證研究勞動力、農(nóng)業(yè)機(jī)械和化肥變量對農(nóng)業(yè)產(chǎn)出的影響，結(jié)果表明農(nóng)業(yè)活動差異和地理?xiàng)l件影響要素投入的回報，農(nóng)業(yè)增產(chǎn)政策的制定須考慮基于農(nóng)業(yè)部門的空間異質(zhì)的區(qū)域比較優(yōu)勢。

此外，Gutierrez and Sassi(2012)[16]9-38，運(yùn)用Barro類型的收斂模型，采取空間滯后模型估計(jì)農(nóng)業(yè)收斂性問題，結(jié)果顯示系數(shù)為0.2295，具有顯著性，即對于歐洲農(nóng)業(yè)增長而言空間因素會加速農(nóng)業(yè)收入的收斂性。

由于在實(shí)際生產(chǎn)活動中常出現(xiàn)跨越行政區(qū)劃界限的現(xiàn)象，比如勞動力流動、知識和創(chuàng)新的傳遞或擴(kuò)散、相鄰地區(qū)的空間鄰近性等，農(nóng)業(yè)經(jīng)濟(jì)等會受相鄰地區(qū)的影響，在實(shí)證研究中如果省略重要變量將導(dǎo)致參數(shù)估計(jì)結(jié)果有偏和不一致，在空間面板固定效應(yīng)模型估計(jì)中同樣存在此問題。因此，我們將該因素引入模型，基于空間計(jì)量方法研究農(nóng)業(yè)增長問題。當(dāng)前研究多集中于國家和省級層面數(shù)據(jù)，對于中國縣域經(jīng)濟(jì)中農(nóng)業(yè)增長的研究較少；另外，在農(nóng)業(yè)增長研究中較少關(guān)注內(nèi)生性給估計(jì)帶來的偏差和空間計(jì)量模型選擇問題。

因此，構(gòu)建農(nóng)業(yè)增長的空間因素理論模型，采用中國1995—2011年1590個縣的數(shù)據(jù)，通過空間面板模型估計(jì)農(nóng)業(yè)增長問題，結(jié)合“地理鄰近”權(quán)重矩陣和“經(jīng)濟(jì)鄰近”權(quán)重矩陣研究農(nóng)業(yè)增長的溢出效果(Spillover Effect)，并考慮內(nèi)生性問題。最后，我們發(fā)現(xiàn)：通過內(nèi)生性的判斷，發(fā)現(xiàn)農(nóng)業(yè)機(jī)械總動力不存在內(nèi)生性；從整體上看，中國農(nóng)業(yè)增長中存在溢出效應(yīng)，且擴(kuò)散效應(yīng)(Diffusion Effect)大于集聚效應(yīng)(Agglomeration Effect)，即溢出效應(yīng)為正，而且能夠貢獻(xiàn)1%以上的作用，拉動農(nóng)業(yè)增長0.1個百分點(diǎn)。

本文的價值體現(xiàn)在二個方面：一是數(shù)據(jù)方面，中國農(nóng)業(yè)增長空間分析中較少采取連續(xù)性面板縣域數(shù)據(jù)，本文選取1995—2011年縣級數(shù)據(jù)；二是實(shí)證方法方面，采用空間面板Moran類型檢驗(yàn)及空間Durbin模型的選擇。

二、理論分析框架

遵循Alesina, Angeloni and Etro(2001)[17]與Ulimwengu and Sanyal(2011)的模型分析框架，假設(shè)有經(jīng)濟(jì)基礎(chǔ)相同(包括收入等)而偏好不同的N個行政單元，其人口大小標(biāo)準(zhǔn)化為1。一般意義上，考慮分析行政單元的交互作用，即考慮策略替代(Strategic Substitutes)、私人消費(fèi)和公共支出是埃奇沃思不相關(guān)(Edgeworth-independent)，第i個行政單元有如下的擬線性(Quasi-linear Utility Function)效用函數(shù)：

(1)

這里Ui表示第i個行政單元的效用，xi為私人消費(fèi)，gi是公共支出，如基礎(chǔ)設(shè)施、公共投資或國防等，H(·)表示行政單元i的公共支出效用，這里H’(·)>0和H’’(·)<0，i外生非負(fù)，表示行政單元i公共消費(fèi)相比私人消費(fèi)的重要程度指標(biāo)，可代表行政單元i的偏好，并假定指標(biāo)可觀測，不失一般性假定1<2<…N。因?yàn)檎С鍪枪财?Public Goods)，公共品具有非排他性(Nonexclusion Properties)、外溢性(Spillover)和供給的規(guī)模經(jīng)濟(jì)(Economies of Scale)，[0,1]表示其它的行政單元(不包括第i單元)對第i單元的外溢效果。

為簡單起見，根據(jù)Caldeira, Foucault and Rota-Graziosi(2012)[18]的方法，為闡述簡單，假定忽略地方政府債務(wù)問題，考慮如下預(yù)算約束：

yi=xi+c(gi)

(2)

這里yi表示行政單元i的收入，c(gi)表示提供gi數(shù)量公共品的成本，成本函數(shù)假定是增函數(shù)和凸函數(shù)：c’(·)>0和c’’(·)<0，凸函數(shù)屬性反映遞增的公共品邊際成本；同時，由于研究集中于當(dāng)前支出(Current Spending)而不是公共投資(Public Investment)，這樣將方程(2)帶入方程(1)，得到如下方程(3)，該目標(biāo)函數(shù)的取值依賴于策略變量(g1,…,gi,…,gN)：

(3)

每個行政單元選擇自己的公共品支出，同時考慮其它行政單元的支出水平，該博弈是一個靜態(tài)Nash均衡。

考慮如下兩種情形：

(一)各地區(qū)之間的關(guān)系獨(dú)立

?Ui/?gi=-?c(gi)/?gi+

所以有：

(4)

由上可見，等號右端項(xiàng)是關(guān)于i地區(qū)成本函數(shù)的偏導(dǎo)數(shù)，等號左端包括i地區(qū)和其它j(ji)地區(qū)，除非=0，則等號左右兩端存在非對稱情形，即說明來自方程(4)的Nash均衡解是非有效的。

(二)各個地區(qū)之間存在相互聯(lián)系

則可以得到如下結(jié)果：

(5)

方程(5)的解是有效的，因?yàn)槠浒艘绯鲂Ч?。因此，評估中國農(nóng)業(yè)增長的空間效應(yīng)關(guān)鍵之處是估計(jì)溢出效應(yīng)系數(shù)。

三、計(jì)量模型和數(shù)據(jù)說明

(一)計(jì)量模型

為了實(shí)證測算中國縣級農(nóng)業(yè)增長的空間效應(yīng)，進(jìn)行空間實(shí)證分析，將空間因素引入模型。首先考慮空間自相關(guān)是否存在，即引入外溢性是否合理，考慮Mutl and Pfaffermayr(2010)[19]225-228空間面板的Cliff and Ord Moran’s I與LM檢驗(yàn)，如果通過檢驗(yàn)，基于上述理論框架，我們借鑒Ulimwengu and Sanyal(2011)模型，選取如下的Cobb-Douglas生產(chǎn)函數(shù)。

空間Durbin模型表示為：

(6)

這里，i表示各縣市，i=1,…,N，t表示時間，t=1,…,T。lnyit是第i個縣第t年第一產(chǎn)業(yè)增加值的對數(shù)形式；lnXit為第i個縣第t年的解釋變量，是K11階的列向量，Xit*是其取值可能存在負(fù)值的變量，是K21階的列向量，K1+K2=K；it～I(xiàn)ID(0,2)；i表示空間個體效應(yīng)。如果i與某個解釋變量相關(guān)，則稱為固定效應(yīng)模型(FixedEffect，F(xiàn)E)，在這種情況下，OLS是不一致的。如果i與所有解釋變量都不相關(guān)，則稱為隨機(jī)效應(yīng)，稱為空間自回歸系數(shù)，wij是空間權(quán)重矩陣W的元素，假定W是預(yù)先設(shè)置的非負(fù)的矩陣，并且W進(jìn)行了行標(biāo)準(zhǔn)化處理，空間滯后模型典型考慮空間或社會交互過程，一種內(nèi)生的交互作用。

1．權(quán)重矩陣設(shè)置

“地理臨近”型權(quán)重矩陣W的選擇。由于文中數(shù)據(jù)選擇了中國1590個縣，存在數(shù)據(jù)缺失現(xiàn)象，門限權(quán)重矩陣對模型估計(jì)帶來的不足可能更大，因此W選擇“地理臨近”型矩陣，考慮k鄰居權(quán)重矩陣。定義每個空間單元i到所有空間單元ji的距離，并排序dij(1)dij(2)…dij(N-1)，這里的距離為Haversine距離*http://en.wikipedia.org/wiki/Haversine_formula。對每個k=1,…,N-1，定義集合Nk(i)={j(1),J(2),…,j(k)}包含距離i最近的k個單元。對于每個k，最近k鄰居形式如下：

關(guān)于最優(yōu)k的選取，McLachlan(2004)建議選取N2/8或N3/8，本研究選取N2/8kN3/8，根據(jù)樣本量(1595個)選取的k為7-15，在具體估計(jì)判斷時取中間值k=11。

2．空間計(jì)量模型選擇

一是Wald和LR檢驗(yàn)。面板數(shù)據(jù)的空間計(jì)量模型通常分為固定效應(yīng)的空間滯后模型，固定效應(yīng)的空間誤差模型，隨機(jī)效應(yīng)的空間滯后模型，隨機(jī)效應(yīng)的空間誤差模型等，其可以作為固定效應(yīng)和隨機(jī)效應(yīng)模型的擴(kuò)展；對于采取空間Durbin模型還是采取SLM或者SEM則可以通過Wald檢驗(yàn)或者LR檢驗(yàn)進(jìn)行判斷，如果通過顯著性水平的檢驗(yàn)，則采取空間Durbin模型，如果沒有通過顯著性的檢驗(yàn)，則采用SLM或者SEM形式。

二是拉格朗日乘數(shù)檢驗(yàn)LM error與LM lag檢驗(yàn)。首先檢驗(yàn)傳統(tǒng)面板數(shù)據(jù)模型，通過估計(jì)獲取對應(yīng)殘差值，此時進(jìn)行LM檢驗(yàn)，其可以分為兩類：LM error(Lagrange Multiplier test for Spatial Error Dependence)和LM lag(Lagrange Multiplier test for Spatial Lag Dependence)。如果LM error和LM lag都沒通過顯著性水平檢驗(yàn)，則選擇傳統(tǒng)計(jì)量經(jīng)濟(jì)模型估計(jì)方程；如果LM lag顯著而LM error不顯著，表示空間聚集現(xiàn)象是因?yàn)榭臻g滯后過程(Spatial Lag Process)的結(jié)果，即內(nèi)生交互影響(Endogenous Interaction Effect)，因此，選擇空間滯后模型；相反，如果LM error顯著而LM lag不顯著，表示空間聚集現(xiàn)象是由于空間誤差過程(Spatial Error Process)的結(jié)果，即誤差項(xiàng)間的交互影響(Interaction Effect among Error Terms)，選擇空間誤差模型；如果LM error和LM lag都通過顯著性水平檢驗(yàn)，則需進(jìn)一步進(jìn)行修正的Robust 檢驗(yàn)，如果Robust LM error顯著，則選擇空間誤差模型，如果Robust LM lag顯著，則選擇空間滯后模型。

(二)數(shù)據(jù)來源及變量說明

由于《中國縣域統(tǒng)計(jì)年鑒》, 從2013年起不再公布鄉(xiāng)村從業(yè)人員，且農(nóng)業(yè)化肥使用部分地區(qū)公布實(shí)物量而非折純量等原因，因此，本研究最終使用1995—2011年中國1590個縣級數(shù)據(jù)研究中國農(nóng)業(yè)空間增長問題，樣本容量為27030個*數(shù)據(jù)來源于《中國縣(市)社會經(jīng)濟(jì)統(tǒng)計(jì)年鑒》(2001—2012)，《中華人民共和國全國分縣市人口統(tǒng)計(jì)資料》(1995—2011)，《中國縣(市)社會經(jīng)濟(jì)統(tǒng)計(jì)概要2000》，《中國民政統(tǒng)計(jì)年鑒》(2012)，各省級(含自治區(qū)，直轄市)統(tǒng)計(jì)年鑒，各地市縣級統(tǒng)計(jì)年鑒，此外氣溫和降雨量的數(shù)據(jù)來源于國家氣象中心。。被解釋變量為第一產(chǎn)業(yè)的增加值(lnyit)，解釋變量共六個，分別包括農(nóng)業(yè)機(jī)械總動力(lnTAMP)、鄉(xiāng)村從業(yè)人數(shù)(lnNRL)、農(nóng)用化肥使用折純量(lnACCF)、農(nóng)作物播種面積(lnTSA)、氣溫(Temp)和降雨量(Pre)*1995—2008年的平均氣溫，最高氣溫和最低氣溫的站點(diǎn)數(shù)為594個，降雨量的站點(diǎn)數(shù)為713個，2009—2011年的平均氣溫，最高氣溫，最低氣溫和降雨量采用了823個站點(diǎn)。對于氣溫，本研究采用Anusplin軟件和CGIAR 90米的SRTM 4.1得到柵格數(shù)據(jù)，降雨量采取克里格(Kriging)內(nèi)插法對降雨量站點(diǎn)數(shù)據(jù)進(jìn)行插值，然后提取數(shù)據(jù)得到各縣的氣溫和降雨量資料。。此外，由于缺少縣級層面第一產(chǎn)業(yè)增加值價格指數(shù)，我們對此并未進(jìn)行平減指數(shù)處理。

四、實(shí)證分析

(一)模型選擇

在分析空間數(shù)據(jù)時，第一個步驟是確定模型的正確設(shè)定形式。這里有兩個主要選擇方法：一是Hendry方法；二是經(jīng)典方法(Florax, Folmer and Rey, 2003)。Hendry方法通過一系列檢驗(yàn)，遵循從一般到特殊的過程選擇合適模型，而經(jīng)典的方法使用“從特殊到一般”的方法?？臻g計(jì)量模型幾乎都選取經(jīng)典方法，F(xiàn)lorax et al.通過DGP模擬，結(jié)果表明空間自回歸系數(shù)大于0.7，小樣本且空間自回歸系數(shù)等于0.1，N=400且空間自回歸系數(shù)大于0.3時，兩種方法是一致的，其它情形下經(jīng)典方法優(yōu)于(Outperform)Hendry方法，因此，本文在選取模型時同樣采取經(jīng)典方法。

表 1 面板數(shù)據(jù)空間依賴性的檢驗(yàn)

PanelMoran’sIPanelLMAverageMoran’sI統(tǒng)計(jì)值P-value統(tǒng)計(jì)值P-value統(tǒng)計(jì)值P-valuek鄰居權(quán)重矩陣123.760.00179.780.000.40060.00

注：Panel Moran’s I為空間面板Cliff and Ord Moran’s I檢驗(yàn)，Panel LM為空間面板LM檢驗(yàn)，Average Moran’s I為截面Moran’s I的平均值。

空間面板數(shù)據(jù)的空間依賴性檢驗(yàn)。采取固定效應(yīng)面板數(shù)據(jù)方法估計(jì)模型，得到殘差值，對該殘差值選取Mutl and Pfaffermayr(2010)空間面板Cliff and Ord Moran’s I檢驗(yàn)和LM檢驗(yàn)。表1報告了“地理鄰近”的k鄰居權(quán)重矩陣(鄰居數(shù)=11，其他學(xué)者如Lesage(2014)選取了8、10、12個)，檢驗(yàn)統(tǒng)計(jì)量和P-value，結(jié)果表明模型存在正外溢性；此外，由于Mutl and Pfaffermayr(2010)檢驗(yàn)統(tǒng)計(jì)量的取值范圍并非[-1,1]，我們根據(jù)截面Moran’s I 檢驗(yàn)統(tǒng)計(jì)量計(jì)算了1995—2011年的統(tǒng)計(jì)值，然后取17年的平均值作為統(tǒng)計(jì)值，計(jì)算得到P-value，結(jié)果見表1，結(jié)果也是模型存在空間依賴，因此，在模型估計(jì)中應(yīng)該引入空間因素。

(二)實(shí)證結(jié)果

利用1995—2011年中國1590個縣級面板數(shù)據(jù)，通過前面的識別和檢驗(yàn)發(fā)現(xiàn)應(yīng)考慮空間外溢性因素，因此，采取空間面板數(shù)據(jù)的估計(jì)法研究中國農(nóng)業(yè)增長問題，下面實(shí)證研究理論模型中的外溢效果。

研究基于“地理鄰近”權(quán)重矩陣K-NN權(quán)重矩陣估計(jì)方程(6)。據(jù)Wald spatial lag Test, LR spatial lag Test, Wald spatial error Test和 LR spatial error Test檢驗(yàn)結(jié)果都顯著，說明應(yīng)該選擇Spatial Panel Durbin模型。對于選擇固定效應(yīng)模型還是隨機(jī)模型，根據(jù)Spatial Hausman檢驗(yàn)結(jié)果應(yīng)選擇固定效應(yīng)模型。Lee and Yu(2010)討論了任意空間模型的標(biāo)準(zhǔn)估計(jì)問題，當(dāng)個體較多而時間較少時，采取固定效應(yīng)模型估計(jì)參數(shù)將導(dǎo)致方差的不一致和參數(shù)不一致，本文借鑒Elhorst(2014)采取的Bias Correction方式估計(jì)模型。在控制縣市個體和年份固定效應(yīng)下，基于“地理鄰近”權(quán)重矩陣，可得表2第三列，為了便于模型比較，文中也對經(jīng)典面板數(shù)據(jù)進(jìn)行了估計(jì)。

表2報告了在控制時間和個體效應(yīng)下，選擇k=11鄰居權(quán)重矩陣，其外溢性系數(shù)為0.6359，并且都通過了顯著性水平檢驗(yàn)，說明1590個縣市存在正向外溢性，擴(kuò)散效應(yīng)(Diffusion Effect)大于集聚效應(yīng)(Agglomeration Effect)。 此外，農(nóng)業(yè)機(jī)械總動力、農(nóng)村勞動力、農(nóng)用化肥、農(nóng)作物播種面積對農(nóng)業(yè)增長的作用都是正的，都通過1%的顯著性水平檢驗(yàn)，氣溫對農(nóng)業(yè)增長的影響是正的且顯著，而降雨量影響是負(fù)的，通過顯著性水平，可能原因是降雨可能會通過江河很快流走，導(dǎo)致該系數(shù)為負(fù)，且數(shù)值較小，農(nóng)田用水基本要靠引水灌溉，實(shí)證結(jié)果與Zhang and Carter(1997)[20]1266-1277、鄧琨(2012)[21]193-196等類似。在兩種權(quán)重矩陣下數(shù)值相近，這一定程度上說明結(jié)果穩(wěn)健。此外，本研究也用固定效應(yīng)方法估計(jì)了經(jīng)典面板數(shù)據(jù)模型，結(jié)果前五個指標(biāo)都是顯著正值，而氣溫和降雨量指標(biāo)都不顯著。從兩個估計(jì)結(jié)果的擬合優(yōu)度看，空間面板數(shù)據(jù)的擬合優(yōu)度明顯高于經(jīng)典面板的固定效應(yīng)估計(jì)，從側(cè)面說明空間計(jì)量方法更有效。

表 2 基于“地理鄰近”權(quán)重矩陣的農(nóng)業(yè)空間面板增長估計(jì)

經(jīng)典面板的FEK-NN權(quán)重矩陣lnTAMP0.0736***0.0700***(16.66)(15.87)lnNRL0.1693***0.1664***(19.81)(20.10)lnACCF0.0589***0.0380***(20.19)(13.30)lnTSA0.1861***0.1833***(32.33)(30.78)Temp0.00340.0147**(0.83)(2.04)Pre5.72e-06-0.00002*(0.94)(-1.90)W′lnTAMP-0.0466***(-5.98)W′lnNRL-0.1129***(-7.24)W′lnACCF0.0082(1.54)W′lnTSA-0.1184***(-11.82)W′Temp-0.0138*(-1.66)W′Pre0.00002*(1.81)W′lnVPI0.6359***(92.64)縣市固定效應(yīng)控制控制年份固定效應(yīng)控制控制R20.75840.9745WaldspatiallagTest295.31***LRspatiallagTest302.88***WaldspatialerrorTest52.39***LRspatialerrorTest56.77***HausmanTest611.96***1993.61***樣本容量2703027030

注：R2表示估計(jì)結(jié)果的可決系數(shù)。Wald spatial lag Test, LR spatial lag Test, Wald spatial error Test和 LR spatial error Test表示選擇空間Durbin模型還是選擇SLM或SEM的四種檢驗(yàn)，*、**、***分別表示10%、5%、1%的顯著性水平。Hausman Test表示經(jīng)典或空間面板數(shù)據(jù)模型固定效應(yīng)與隨機(jī)效應(yīng)的選擇。

五、結(jié)論

在Alesina，Angeloni and Etro(2001)、Caldeira，F(xiàn)oucault and Rota-Graziosi(2010)與Ulimwengu and Sanyal(2011)研究基礎(chǔ)上擴(kuò)展了其理論模型，探究外溢性對農(nóng)業(yè)增長的影響，基于1995—2011年1590個縣的數(shù)據(jù)實(shí)證研究中國農(nóng)業(yè)增長空間效應(yīng)測算。我們采用空間依賴性檢驗(yàn)，檢驗(yàn)結(jié)果表明存在空間依賴，通過Wald、LR和Hausman檢驗(yàn)表明本文選擇空間面板Durbin模型的固定效應(yīng)方法更合適。

通過實(shí)證分析，我們發(fā)現(xiàn)在“地理鄰近”權(quán)重矩陣下，在控制個體和時間效應(yīng)后，農(nóng)業(yè)增長存在正向外溢性，其外溢性系數(shù)為0.6左右，都通過了顯著性水平檢驗(yàn)。實(shí)證結(jié)果說明，對于政府部門而言，在制定政策時應(yīng)考慮鄰居效應(yīng)對農(nóng)業(yè)增長的影響。目前中國縣市空間鄰居影響農(nóng)業(yè)增長的程度還不高，說明還有較大潛力進(jìn)一步拉動農(nóng)業(yè)增長，持續(xù)提高農(nóng)民收入。未來政府部門在制定政策時應(yīng)需考慮的一個重要問題是應(yīng)考慮各縣市之間的空間鄰近性，同時注意因?yàn)閯趧恿α鲃?、技術(shù)擴(kuò)散等的積極刺激作用，打破行政區(qū)劃限制，破除人為自然地理行政分割限制，考慮地區(qū)比較優(yōu)勢，積極考慮溢出帶來的增長效果，進(jìn)行跨區(qū)域整合。

[1]韓俊. 關(guān)于增加農(nóng)民收入的思考[J].新視野, 2001, (1).

[2]于曉華, 趙國慶. 中國農(nóng)業(yè)增長研究述評[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2009, (4).

[3]Y., L. J. Rural Reforms and Agricultural Growth in China [J].American Economic Review, 1992, (1).

[4]喬榛, 焦方義, 李楠. 中國農(nóng)村經(jīng)濟(jì)制度變遷與農(nóng)業(yè)增長——對1978—2004年中國農(nóng)業(yè)增長的實(shí)證分析[J]. 經(jīng)濟(jì)研究, 2006, (7).

[5]Deininger, K., Jin, S., Xia, F., & Huang, J. Moving Off the Farm: Land Institutions to Facilitate Structural Transformation and Agricultural Productivity Growth in China [J].World Development, 2014, (59).

[6]Fan, S., Zhang, L., and Zhang, X. Reforms, Investment, and Poverty in Rural China [J].Economic Development and Cultural Change, 2004, (2).

[7]Chen a, Z., Huffman, W. E., and Rozelle, S. Farm technology and technical efficiency: Evidence from four regions in China [J].China Economic Review, 2009, (2).

[8]Monchuk, D. C., Chen, Z., and Bonaparte, Y. Explaining production inefficiency in China’s agriculture using data envelopment analysis and semi-parametric bootstrapping [J].China Economic Review, 2010, (2).

[9]Gallup, J. L., Sachs, J. D., and Mellinger, A. D. Geography and Economic Development [J]. International Regional Science Review, 1999, (2).

[10]Duvivier, C. Does Urban Proximity Enhance Technical Effciency? Evidence From Chinese Agriculture [J]. Journal of Regional Science, 2013, (5).

[11]Chen, A., and Partridge, M. D. When are Cities Engines of Growth in China? Spread and Backwash Effects across the Urban Hierarchy [J]. Regional Studies, 2013, (8).

[12]Cho, S.-h., Chen, Z., and Poudyal, N. C. Spatial structure of agricultural production in China [J]. Applied economics, 2010, (6/7).

[13]許禎育, 張宏浩. 臺灣農(nóng)家之農(nóng)業(yè)所得的空間相關(guān)性分析[J]. 農(nóng)業(yè)經(jīng)濟(jì)叢刊, 2010, (1).

[14]Ulimwengu, J., and Sanyal, P. Using a Spatial Growth Model to Provide Evidence of Agricultural Spillovers between Countries in the NEPAD CAADP Framework [DB/OL]. IFPRI Discussion Paper 01069, 2011.

[15]Yu, T.-H. E., Cho, S.-H., Ko?, A. A., B?lük, G., Kim, S. G., & Lambert, D. M. Evaluating Spatial and Temporal Variation in Agricultural Output Elasticities in Turkey [J]. Agricultural Economics, 2014, (3).

[16]Gutierrez, L., and Sassi, M. Spatial and Non spatial Approaches to Agricultural Convergence in Europe [J].Economia & Diritto A groulimentare,2012,(17).

[17]Alesina, A., Angeloni, I., and Etro, F. THE Political Economy of International Unions [DB/OL]. Working Paper 8645, 2001.

[18]Caldeira, E., Foucault, M., and Rota-Graziosi, G. Decentralisation in Africa and the Nature of Local Governments’ Competition: Evidence from Benin [DB/OL]. NBER Working Paper No. 18126, 2012.

[19]Mutl, J., and Pfaffermayr, M. A Note on the Cliff and Ord test for Spatial Correlation in Panel Models [J]. Economics Letters, 2010, (2).

[20]Zhang, B., and C.Carter. Reforms, the Weather, and Productivity Growth in China’s Grain Sector [J]. American Journal of Agricultural Economics, 1997, (4).

[21]鄧琨. 農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對農(nóng)業(yè)經(jīng)濟(jì)增長影響的實(shí)證分析——以四川省為例[J]. 廣東農(nóng)業(yè)科學(xué), 2011, (9).