王宏宇，溫紅梅

（1.黑龍江財經(jīng)學(xué)院經(jīng)濟系，哈爾濱 150010；2.哈爾濱商業(yè)大學(xué)金融學(xué)院）

我國是全世界農(nóng)業(yè)大國之一，且我國化肥使用量占世界整體的35%，這相當(dāng)于美國和印度兩國化肥使用量的總和[1]。這說明，我國化肥的使用效率有待大力提升。實際上，我國實現(xiàn)農(nóng)業(yè)綠色發(fā)展的主要任務(wù)之一就是要降低化肥投入，這是我國農(nóng)業(yè)轉(zhuǎn)型發(fā)展中必須要解決的問題。因此，深入研究化肥投入超量的原因，具有重要的現(xiàn)實意義。此前對化肥方面的研究，通常是關(guān)注化肥投入所產(chǎn)生的利弊影響。例如，黃季焜、王巧軍等[2]認為化肥投入可以明顯提高我國水稻的單產(chǎn)量，但各地區(qū)受土地狀況的差異影響水稻增產(chǎn)的效果有所不同；王祖力、肖海峰[3]則認為化肥投入對糧食產(chǎn)量的貢獻度最大，是消除我國糧食安全風(fēng)險的重要途徑之一；而崔曉、張屹山[4]認為農(nóng)作物對化肥吸收速度的放慢導(dǎo)致了農(nóng)業(yè)環(huán)境污染，并且影響了化肥使用效率。此外，農(nóng)業(yè)生產(chǎn)中農(nóng)民的文化素質(zhì)、接受培訓(xùn)的次數(shù)等，也是傳統(tǒng)文獻的研究重點。

基于以上傳統(tǒng)研究，對化肥投入的研究有將化肥投入與糧食產(chǎn)量通過空間計量的方法結(jié)合起來的端倪。一是研究學(xué)者們將化肥種類細分化，分別考慮各類化肥在空間上如何影響糧食產(chǎn)量。Raymod J.G.M等[5]認為化肥使用會受到空間因素影響，其研究證實在單一地塊中小米的產(chǎn)量分部并不均勻，原因就是化肥投入差異所造成的。與之相關(guān)的大量研究也證實，化肥投入會受到空間因素而影響糧食產(chǎn)量[6-8]。二是化肥投入在空間上會受到的影響因素。楊建輝[9]認為追求化肥投入效率是空間各地區(qū)化肥投入不斷增加的原因，應(yīng)該想辦法增加化肥使用效率。張軍偉、張錦華[10]認為化肥投入在空間上會受到技術(shù)人員數(shù)量、化肥價格等因素的影響，減少化肥投入應(yīng)從糧食主產(chǎn)區(qū)開始。

研究受到上述研究的啟發(fā)，卻更加關(guān)注化肥投入與糧食產(chǎn)量的空間關(guān)系，以此找出化肥投入過量的原因，這種思路得益于農(nóng)業(yè)經(jīng)濟學(xué)的視角。農(nóng)業(yè)經(jīng)濟學(xué)尤為關(guān)注影響糧食生產(chǎn)的人力、資金、生產(chǎn)資料等要素投入，分析要素投入配比對糧食產(chǎn)量的影響。但是，農(nóng)業(yè)經(jīng)濟學(xué)并沒有考察化肥投入與糧食產(chǎn)量的空間關(guān)系，對我國農(nóng)業(yè)地理特征復(fù)雜的現(xiàn)實來說，這是一個無法回避的問題，也是本文關(guān)心的議題?；诖耍晕覈Z食產(chǎn)量最大的黑龍江省為例，通過空間計量方法來實證研究分析化肥投入、糧食產(chǎn)量的空間關(guān)系，找出其黑龍江省化肥投入的空間分布規(guī)律，為進一步控制該地區(qū)化肥投入提供實踐指導(dǎo)和理論參考。

1 空間相關(guān)性檢驗

采用空間自相關(guān)檢驗來檢驗化肥投入是否存在空間溢出效應(yīng)。一般認為當(dāng)同一變量在位置相鄰地區(qū)的觀測值也相似，那么該變量在相鄰地區(qū)存在空間自相關(guān)，研究選擇全局莫蘭指數(shù)（Global Moran’s I）來檢驗黑龍江省13 個區(qū)域的化肥投入是否具有空間相關(guān)性。

全局莫蘭指數(shù)（Global Moran’s I）的計算公式為：

全局莫蘭指數(shù)的計算值通常處于（-1，1）之間，當(dāng)Moran’s I>0 時，表示各省整體空間正相關(guān)，當(dāng)Moran’s I<0 時，則表示各省整體空間負相關(guān)，如果Moran’s I=0，則表示各省整體不存在空間相關(guān)性。

表1 1994～2017 年黑龍江省農(nóng)業(yè)化肥投入的空間相關(guān)性檢驗Table 1 Spatial correlation test of agricultural fertilizer input in Heilongjiang province from 1994 to 2017

全局Moran’s I 指數(shù)檢驗結(jié)果如表1 所示，從1994 至2017 年Moran’s I 的平均值為0.412，且顯著性均在5%的水平下通過檢驗，這表明黑龍江省13個區(qū)域的化肥投入會受到其相鄰地區(qū)有關(guān)因素的影響，從而在空間地理位置上呈現(xiàn)出一定的空間集聚性。同時，還可發(fā)現(xiàn)1994 年至2006 年黑龍江省化肥投入的空間相關(guān)性處于快速上升階段，2007 年至2017 年處于平穩(wěn)上升階段，其中在1999 年、2005 年和2013 年經(jīng)歷了三次下降，分析原因可能是由于受上一年自然災(zāi)害影響，農(nóng)民種植意愿降低從而影響化肥的使用。

2 空間計量模型的建立

2.1 指標設(shè)定

選擇將糧食產(chǎn)量作為被解釋變量，在所有影響糧食產(chǎn)量的因素中，化肥投入是研究主要考察對象，但其他要素的影響在空間計量中也不能被忽視。為了實證分析的準確性，同時兼顧數(shù)據(jù)的可獲得性，選取對糧食產(chǎn)量也具有重要影響的其他投入要素一并納入整體分析框架。最終選取的指標如下：

2.1.1 被解釋變量：糧食產(chǎn)量（GRAIN）

借鑒現(xiàn)已有的研究成果對糧食產(chǎn)量的衡量標準，選擇糧食總產(chǎn)量來代表黑龍江各區(qū)域的糧食產(chǎn)量，其中包括了水稻、玉米、大豆等所有糧食作物。因為黑龍江省北部區(qū)、東部區(qū)和西部區(qū)受地勢、土壤、溫度等差異的影響，各地區(qū)種植的糧食作物也會有所差異，所以不能僅靠單一糧食作物作為衡量黑龍江省各區(qū)域糧食產(chǎn)量的標準。

2.1.2 核心解釋變量：化肥投入（FZER）

選擇化肥折純后的投入總量來代表黑龍江各地區(qū)的化肥投入，與其他影響因素不同，農(nóng)業(yè)化肥的使用會直接影響到糧食產(chǎn)量的高低。隨著我國人口的不斷增加，黑龍江作為我國糧食產(chǎn)量最大的地區(qū)，糧食生產(chǎn)壓力不斷加大?；首鳛榧Z食生產(chǎn)最有效的生產(chǎn)要素，其投入在不斷增加，但是市面上流通的化肥質(zhì)量參差不齊，農(nóng)民購買化肥質(zhì)量也具有差異性，因此選擇化肥折純后的投入更具有說服力。

2.1.3 控制變量

農(nóng)機規(guī)模（MECH），黑龍江農(nóng)業(yè)機械發(fā)展處于全國最高水平，其關(guān)系到糧食種植、收割的效率，從而影響到糧食產(chǎn)量，選擇農(nóng)機總動力來代表黑龍江各地區(qū)的農(nóng)機規(guī)模；勞動力數(shù)量（PEOP），黑龍江省雖然利用農(nóng)機代替了部分勞動力，但是某些生產(chǎn)環(huán)節(jié)仍然難以實現(xiàn)機械化作業(yè)，因此勞動力的投入會關(guān)系到糧食生產(chǎn)種植情況，從而影響糧食產(chǎn)量，研究選擇黑龍江各地區(qū)農(nóng)村人口數(shù)量代表勞動力投入；耕地規(guī)模（FIEL），土地是農(nóng)業(yè)生產(chǎn)過程中的主要投入要素之一，黑龍江省是全國糧食種植面積最大的省份，土地對糧食產(chǎn)出水平發(fā)揮著重要的作用，所以采用黑龍江各地區(qū)的農(nóng)業(yè)耕地總面積代表土地投入。

2.2 數(shù)據(jù)來源

選擇使用1994 年至2017 年黑龍江省13 個區(qū)域（12 個地級市及1 個地區(qū)行署）的面板數(shù)據(jù)進行實證分析，由于黑龍江墾區(qū)各管理局及下屬農(nóng)場地理分布分散，因此，黑龍江墾區(qū)各管理局的數(shù)據(jù)按照地理行政區(qū)域劃分歸入各地級市和地區(qū)，數(shù)據(jù)主要來源于歷年《黑龍江統(tǒng)計年鑒》和《黑龍江墾區(qū)統(tǒng)計年鑒》。個別年份的缺失數(shù)據(jù)采用插值法預(yù)測取得。同時，為消除異方差影響對所有變量全部進行對數(shù)轉(zhuǎn)換。數(shù)據(jù)的描述性統(tǒng)計見表2。

表2 描述性統(tǒng)計量表Table 2 Descriptive statistical scale

2.3 模型建立

空間計量模型是用于測度變量空間效應(yīng)的模型，空間計量的基礎(chǔ)模型主要有空間自回歸模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）三種基本模型，其中：

SAR 模型主要用來分析相鄰區(qū)域因變量對本地區(qū)該因變量的影響，即：空間溢出效應(yīng)，其基本的表達式如下：

SEM 模型則用來分析相鄰區(qū)域因變量的誤差影響，即：相鄰區(qū)域不可觀測的因素對本地區(qū)因變量的影響，其基本的表達式如下：

SDM 模型則可以用來分析相鄰區(qū)域自變量對本地區(qū)該自變量的影響，其基本的表達式如下：

其中，y 是因變量的n 維向量，X 是n×k 維的解釋變量矩陣，W1和W2為空間權(quán)重矩陣，β 為相關(guān)參數(shù)向量，ρ、λ 和θ 為模型回歸系數(shù)，ε 和μ 為隨機誤差項，In為n 階單位矩陣。

首先根據(jù)經(jīng)典的柯布——道格拉斯生產(chǎn)函數(shù)，構(gòu)建出普通形式的糧食產(chǎn)量面板模型：

其中：ait為地區(qū)差異固定影響，a1、a2、a3和a4分別表示各影響因素對糧食產(chǎn)量的影響參數(shù)，εit為隨機干擾項。

在加入空間影響因素后，空間自回歸模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）三個基本模型中，空間杜賓模型（SDM）更適合進行分析，最終所建立的空間杜賓模型（SDM）表達式如下：

其中，β1、β2、β3和β4為解釋變量和控制變量的空間影響待估計參數(shù)，μi代表地區(qū)個體效應(yīng)；λt表示時間效應(yīng)；εit表示隨機擾動項，W為空間權(quán)重矩陣，εit～iid（0，δ2）且與μi不相關(guān)。

表3 時間維度估計結(jié)果Table 3 Time dimension estimation results

3 空間計量分析

在進行空間杜賓模型（SDM）估計之前，需要模型進行LR 檢驗來驗證空間杜賓模型（SDM）是否會退化成空間自回歸模型（SAR） 和空間誤差模型（SEM），通過檢驗結(jié)果可以看出，LR Spatial lag 和LR Spatial error 的值分別為51.53 和22.43，顯著性均在1%以下，說明空間杜賓模型（SDM）不會退化成空間自回歸模型（SAR）和空間誤差模型（SEM），因此，研究采用空間杜賓模型（SDM）來進行實證分析是合理的。在確定使用SDM 模型后，對該模型進行Hausman檢驗來確定采用固定效應(yīng)模型還是隨機效應(yīng)模型。結(jié)果顯示，空間杜賓模型（SDM）的檢驗值為22.84，通過了1%的顯著性檢驗，最終確定采用固定效應(yīng)模型。

3.1 時間維度分析

在空間計量模型中，不僅需要考慮解釋變量對被解釋變量的影響，還需要考慮各地區(qū)被解釋變量之間的相互影響關(guān)系，即空間溢出效應(yīng)。從1994 年至2017 年，整體經(jīng)歷了24 年的跨度，這期間黑龍江省農(nóng)村的交通運輸條件、信息網(wǎng)絡(luò)建設(shè)在不斷改善，也經(jīng)歷過糧食價格、土地承包經(jīng)營權(quán)等政策調(diào)整，說明黑龍江省農(nóng)村的內(nèi)部生產(chǎn)環(huán)境與外部生產(chǎn)環(huán)境均在發(fā)生變化。因此，首先從時間維度來分析黑龍江省化肥投入與糧食產(chǎn)量的空間關(guān)系，研究將樣本數(shù)據(jù)劃分為1994～2001 年、2002～2009 年、2010～2017 年3個時間段，分別對這3 個時間段的數(shù)據(jù)進行回歸分析。回歸結(jié)果如表3 所示。

核心解釋變量的估計結(jié)果顯示，1994 年至2017年黑龍江省化肥投入對本地區(qū)糧食產(chǎn)量的影響均非常顯著，但是，1994～2001 年，黑龍江省化肥投入對糧食產(chǎn)量空間溢出效應(yīng)并不明顯，分析原因可能是受到我國化肥整體產(chǎn)量以及農(nóng)資流通方面的影響。2002～2009 年，黑龍江省化肥投入對糧食產(chǎn)量的空間溢出效應(yīng)在開始提升，分析原因可能是由于這個階段我國化肥產(chǎn)量的提升，而且黑龍江省各地區(qū)的農(nóng)產(chǎn)品市場體系不斷健全，使化肥等農(nóng)資產(chǎn)品流通速度加快。2010～2017 年，黑龍江省化肥投入對糧食產(chǎn)量的空間溢出效應(yīng)程度明顯增加，分析其原因可能是由于該階段研發(fā)的高產(chǎn)糧食種子以喜肥作物為主，黑龍江省糧食作物對化肥的依賴性在不斷增強，同時，該階段黑龍江省農(nóng)村交通道路、網(wǎng)絡(luò)信息建設(shè)等方面在不斷完善，拓寬了黑龍江省農(nóng)村各地區(qū)經(jīng)濟輻射的邊界，使農(nóng)業(yè)各類資源、農(nóng)村生活在各地區(qū)之間的流動性增強。

表4 空間維度估計結(jié)果Table 4 Spatial dimension estimation results

控制變量的估計結(jié)果顯示，三個階段中農(nóng)機規(guī)模對糧食產(chǎn)量的作用在不斷提升，且存在明顯的空間溢出效應(yīng)，分析原因可能是黑龍江省耕地連片、適合大規(guī)模的農(nóng)業(yè)機械化作業(yè)，該省也是全國農(nóng)業(yè)機械化程度最高的地區(qū)；耕地規(guī)模對糧食產(chǎn)量的影響在降低，其空間溢出效應(yīng)并不明顯，分析原因可能是黑龍江省的農(nóng)業(yè)耕地已經(jīng)基本開發(fā)完成，且近些年隨著土地板結(jié)、地下水開采過度，部分土地開始進行休耕，在一定程度降低了土地的影響程度；勞動力規(guī)模對糧食產(chǎn)量的影響雖有降低，且空間溢出效應(yīng)并不明顯，但勞動力仍然發(fā)揮著重要作用，分析原因可能是黑龍江省大規(guī)模的農(nóng)機作業(yè)雖然替代了部分勞動力，但農(nóng)業(yè)生產(chǎn)中的某些環(huán)節(jié)仍然需要人工去完成，該地區(qū)的農(nóng)業(yè)生產(chǎn)仍然需要投入一定數(shù)量的勞動力來保證順利進行。

3.2 空間維度分析

黑龍江省是我國糧食產(chǎn)量最大的省份，種植的糧食作物主要集中在水稻、玉米和大豆，但黑龍江省受地理位置、氣候條件的影響，每個地區(qū)種植的糧食作物具有差異性，東部區(qū)地勢偏低且雨量豐富，以水稻種植為主；西部區(qū)地勢偏高，以玉米種植為主；北部區(qū)由于溫度較低，主要以大豆種植為主。因此，為更好分析黑龍江省各地區(qū)化肥投入的空間溢出效應(yīng)，需要從空間維度進行分析。根據(jù)水稻、玉米和大豆種植的分布特征，將黑龍江省劃分為水稻種植區(qū)、玉米種植區(qū)和大豆種植區(qū)，其中水稻種植區(qū)包括佳木斯、雞西、雙鴨山和牡丹江，玉米種植區(qū)包括哈爾濱、齊齊哈爾、綏化和大慶，大豆種植區(qū)包括齊齊哈爾、黑河、伊春和大興安嶺地區(qū)，分別對三個區(qū)域進行回歸分析，估計結(jié)果見表4。

通過觀察核心解釋變量可發(fā)現(xiàn)，水稻種植區(qū)化肥投入對本地區(qū)的影響及空間溢出效應(yīng)最為明顯，玉米種植區(qū)和大豆種植區(qū)雖然化肥投入對本地區(qū)的影響明顯，雖然空間溢出效應(yīng)在5%水平下顯著，但與水稻種植區(qū)相比空間溢出效應(yīng)略低，分析原因可能是黑龍江省為我國最大的水稻種植區(qū)，擔(dān)負著保證國家糧食安全的重要責(zé)任，為保證糧食產(chǎn)量，在水稻種植過程中投入大量的化肥，形成土壤板結(jié)，而且根據(jù)水田種植的特點，相鄰地區(qū)農(nóng)民化肥投入極容易受到傳導(dǎo)，這種傳導(dǎo)效應(yīng)也造成土壤板結(jié)的范圍在不斷擴大，農(nóng)民不得已只能繼續(xù)提高化肥的投入來保證糧食的生產(chǎn)進行。玉米種植區(qū)和大豆種植區(qū)中，化肥投入對本地區(qū)發(fā)揮著重要作用，但空間溢出效應(yīng)沒有水稻種植區(qū)明顯，分析原因主要是受旱田“靠天吃飯”的特點影響，黑龍江省每次發(fā)生洪澇等自然災(zāi)害，受損最嚴重的糧食作物就是玉米和大豆，這也影響了農(nóng)民化肥投入的意愿。同時，為保證糧食產(chǎn)量，玉米與大豆需按年輪作種植，否則極容易造成糧食減產(chǎn)，這也從側(cè)方面降低了化肥的投入，因此，種植這兩種作物的農(nóng)民在生產(chǎn)中的化肥投入相對較少。

通過觀察控制變量可以發(fā)現(xiàn)，農(nóng)機規(guī)模在三個種植區(qū)中均發(fā)揮這重要作用，但空間溢出效果最顯著的是玉米種植區(qū)和大豆種植區(qū)，分析原因可能黑龍江省是我國農(nóng)業(yè)機械化水平最高的地區(qū)，水稻種植面積大且連片生產(chǎn)，非常適合大型農(nóng)機作業(yè)，但黑龍江水稻種植區(qū)農(nóng)民使用的農(nóng)機大部分為自有，只有在收割時會租用部分收割機，而玉米和大豆種植區(qū)由于種植不連片且種植面積較小，農(nóng)民考慮成本問題不愿購買農(nóng)機，更傾向租用農(nóng)機，因此，農(nóng)機跨區(qū)作業(yè)在這兩個地區(qū)尤為明顯；勞動力數(shù)量在對本地區(qū)影響以及空間溢出效應(yīng)最明顯的為玉米種植區(qū)和大豆種植區(qū)，分析原因可能是受農(nóng)機非自有的影響，在種植過程中許多環(huán)節(jié)需要投入大量的勞動力，例如除草、噴灑農(nóng)藥等，而水稻種植區(qū)的農(nóng)藥噴灑絕大多數(shù)采用飛機行化的模式進行，因此，水稻種植物使用人工進行農(nóng)藥噴灑的數(shù)量較少；耕地規(guī)模對本地區(qū)影響以及空間溢出效應(yīng)最明顯的是水稻種植區(qū)，這也是受黑龍江水田種植面大而連片的特點所決定的，而黑龍江旱田種植面積小且分散，所以耕地規(guī)模的影響較弱。

4 結(jié)論與啟示

基于對黑龍江省13 個區(qū)域的空間相關(guān)性檢驗，發(fā)現(xiàn)黑龍江省化肥投入呈明顯的空間相關(guān)性，且在2006 年由快速上升轉(zhuǎn)為平穩(wěn)上升狀態(tài)。說明農(nóng)民的化肥投入不僅會受到自身積累經(jīng)驗的影響，還會受到相鄰地區(qū)的其他因素影響，從而影響化肥投入水平，在區(qū)域地理位置上呈現(xiàn)一定的空間集聚性。時間維度的回歸估計結(jié)果顯示，黑龍江省化肥投入對本地區(qū)糧食產(chǎn)量的影響一直非常顯著。同時，對糧食產(chǎn)量的空間溢出效應(yīng)在1994～2001 年、2002～2009 年、2010～2017 年這3 個時間段處于不斷上升趨勢，說明黑龍江省糧食種植對化肥的依賴性在逐年增強，且隨著交通道路的改善，化肥在各地區(qū)流通速度加快，為農(nóng)民購買化肥創(chuàng)造了便捷條件，加之研發(fā)種子大多為喜肥作物，黑龍江省控制化肥投入的壓力巨大?？臻g維度的回歸估計結(jié)果顯示，黑龍江省化肥投入在水稻種植區(qū)、玉米種植區(qū)和大豆種植區(qū)對糧食產(chǎn)量均發(fā)揮著重要作用，但空間溢出效應(yīng)在水稻種植區(qū)最顯著，說明化肥投入在水稻種植區(qū)呈現(xiàn)出的空間集聚性最強，水稻在種植過程中，其化肥投入受到相鄰地區(qū)影響最為嚴重。說明黑龍江省對化肥投入的控制首先應(yīng)該從水稻種植區(qū)開始，重點解決水稻種植對化肥的依賴性，其一，可以通過研發(fā)新型種子來降低水稻種植對化肥的依賴性，其二，要對水稻種植地區(qū)的農(nóng)民進行化肥投入的專業(yè)指導(dǎo)，其三，水稻種植地區(qū)要加強地區(qū)之間化肥使用的信息溝通與交流，最終達到逐步降低黑龍江省化肥投入的目的。