水土匹配、空間效應及區域農業經濟增長

許長新+林劍婷+宋敏

摘要水資源和土地資源是非常重要的自然資源，是農業經濟發展不可或缺的物質要素。水資源與土地資源的合理匹配能夠促進區域的資源優勢轉化為經濟增長，從而促進區域農業經濟發展。我國是一個人口眾多的農業大國，同時也存在水資源與土地資源短缺的問題。本文結合我國農業水土資源自然稟賦與實際利用情況，首先利用中國2003-2013年的分省數據，選取單位耕地面積的廣義農業水資源量測度方法和當量系數描述了我國農業水土資源匹配的現實，發現我國農業水資源與土地資源在空間上匹配程度不高，農業生產受到水土資源約束較強，農業水土資源的形成區域與消耗區域在空間上不相匹配；然后，在鄰接權重矩陣下采用Morans I指數驗證我國區域農業經濟增長的空間關聯性，結果顯示我國各省農業經濟增長存在顯著的空間關系，呈現出高度的集聚性和非均質性。為避免估計結果有偏，本文在此基礎上采用空間計量建模及估計方法，加入農業生產人、財、物等控制變量，測度水土匹配度對區域農業經濟增長的空間溢出效應。結果顯示，水土匹配度對區域農業經濟發展的區域內和區域間的溢出效應都顯著為正，總體上水土匹配度對區域農業經濟發展具有正向的溢出效應，即水土匹配度對本地區農業經濟增長具有促進作用；同時，由于相鄰區域的水土資源自然稟賦條件類似，而且農業生產中存在“示范效應”和“模仿效應”，水土匹配度對相鄰地區農業經濟增長也具有一定的促進作用。因此，采取相關措施優化農業水土資源匹配關系，對促進我國區域農業經濟增長，保障我國糧食安全非常重要。

關鍵詞水土匹配；農業經濟增長；空間溢出效應；空間回歸偏微分方法

中圖分類號F329.9 文獻標識碼A文章編號1002-2104（2016）07-0153-06doi：10.3969/j.issn.1002-2104.2016.07.019

水資源和土地資源是最基本、最重要的自然資源和經濟資源，是農業發展重要的物質生產要素，關系到農業經濟發展和糧食安全。我國是一個人口眾多的農業大國，同時又是一個水資源和耕地資源十分短缺的國家，截至2014年底，我國人均水資源量僅為世界人均水量的1/4，人均耕地面積不到世界人均耕地面積的1/2，居世界126位以后。隨著工業化和城鎮化進程的加快，我國日益增長的水土資源需求與其稀缺性、有限性之間的矛盾日益尖銳，區域農業經濟發展差異、水土資源結構不合理、各行業搶占資源等問題也愈加突出，重視水土資源合理利用、采取高效可持續的農業水土資源匹配管理措施勢在必行。

農業水土資源匹配的研究旨在從農業生產層面研究水資源和土資源利用的時空分配情況。區域水資源與土地資源的匹配程度越高，該區域內農業生產的基礎條件就越好。目前有關農業水土資源空間匹配的測算方法可分為兩個方面：一是以單位耕地面積水資源量為計算模型進行水土資源匹配特征分析[1]；二是通過構建基尼系數研究各區域水土資源之間的均衡狀況[2-4]。這些研究構成了水土資源空間匹配特征分析的理論基礎，但并沒有從空間維度考察水土匹配度對農業經濟增長的影響。Sun Xihua等[5]從時間序列考察了水土耦合與經濟發展的關系。Chenjun Zhang等[6]運用LMDI指數分析了我國區域經濟與用水強度之間的關系。李靜等[7]構建加入時滯因素的改進模型，分析了我國農業用能強度隨農業勞動生產率收斂情況，這些研究均著重于時間維度，忽略了空間影響因素。

同時，目前關于區域農業經濟發展的研究多采用勞動力、化肥、耕種面積等指標，Ulimwengu等[8]采用農業產出、化肥、勞動力、牲畜等指標，運用空間面板Durbin模型實證的結果顯示農業產出具有顯著的空間溢出效應。曾國平等[9]選取農業總產值、農作物耕種面積、化肥施用量、農業從業人數等指標，對我國31個省1985-2008年農業經濟展開空間分析，結果顯示我國省際農業經濟活動具有顯著空間自相關，且西部地區呈現低-低空間集聚，而東中部地區呈現高-高空間集聚。這些研究并沒有將水土資源匹配程度與農業經濟發展相聯系。

中國幅員遼闊，農業經濟增長存在較強的空間非均衡特征，同時自然環境復雜多變、水土資源自然稟賦和人為開發水平差異較大。本文重點研究兩個問題：第一，水土匹配度對區域農業經濟增長的空間溢出效應是否存在；第二，水土匹配度對區域農業經濟增長的空間溢出效應的方向和大小。此研究不僅從空間維度上提供了水土匹配與區域農業經濟增長關系的視角，也可以從改善我國各省農業經濟發展中水資源與土地資源匹配度方面為促進區域農業經濟發展提供管理參考。

許長新等：水土匹配、空間效應及區域農業經濟增長中國人口·資源與環境2016年第7期1我國農業水土資源匹配的現實描述

水資源和土地資源在農業生產和發展過程中相互制約，且相輔相成。水資源利用的合理性對土地資源的生產效率產生直接的影響，同時土地資源開發的合理性也會影響水資源的利用。土地資源的合理利用，往往以水資源合理開發利用為其先行條件，從目前世界及我國農業生產的經驗來看，灌溉技術的發展對土地資源集約化利用程度的提高具有顯著作用。

本文選用單位耕地面積的廣義農業水資源量測度方法[10]來反映我國農業生產的水資源和耕地資源空間匹配程度的量比關系，即

Amat=（Ba+Ga）/La （1）

其中，Amat為區域農業水土資源匹配度，單位m3/hm2；Ba為區域農業灌溉藍水量，單位m3；Ga為區域農業綠水量，單位m3；La為區域農作物總耕種面積，單位hm2。為了與降水量分布特征形成對比，區域農業水土資源匹配度（m3/hm2）可以通過乘以0.1的系數轉換為水深單位（mm）。

區域農業水土資源匹配不僅受到自然生態條件的限制，還會受到區域經濟狀況的約束。農業水土資源匹配評價應當結合區域水資源和土地資源的開發利用程度，研究區域自然水土資源對農業水土資源利用的支持程度，以便分析農業水土資源匹配程度對區域農業經濟的影響。資源當量系數是衡量某種資源開發利用相對程度的指標，用以綜合度量該資源的短缺程度和開發程度。本文以區域自然生態條件下單位農作物耕種面積水資源量作為衡量水資源匹配度的研究基準。區域農業水資源除受自然條件的影響，還與區域發展過程中對農業供水的分配比例有關。但是當前我國農業水資源短缺，農業生產幾乎耗盡所有供水，因此采用單位耕地面積的農業用水量作為區域農業水土資源當量系數的評價對象，計算方法如下：

D=Ia/It ；Ia=WaLa；It=WtLt （2）

式中，D為區域農業水土資源當量系數；Ia為單位農作物耕種面積的農業用水量，單位m3/hm2；It為單位土地面積的水資源總量，單位m3/hm2；Wa為農業用水量，單位m3；La為區域農作物總耕種面積，單位hm2；Wt為區域水資源總量，單位m3；Lt為區域土地總面積，單位hm2。

當D小于1時，水資源相對處于充裕狀態，間接揭示了區域耕種面積較少，可以認為該區域耕地面積短缺或有待開發；當D大于1時，土地資源處于相對富余狀態，間接解釋區域農業用水約束較強，可以認為該區域水資源短缺。

根據計算結果，我國各省農業水土資源匹配度的空間特征整體呈現由西南向東北逐步減小的趨勢。農業水土資源匹配度最高的四個區域分別為西藏、青海、海南和福建，均在4 000 mm以上，其中西藏和青海屬于氣候極為干旱的灌溉農業區，而海南和福建氣候比較濕潤，農業生產以雨養農業為主；農業水土資源匹配度最低的九個區域分別為北京、甘肅、河北、河南、內蒙古、寧夏、山東、山西和天津，均在1 000 mm以下，尤其是寧夏自治區，農業水土資源匹配度僅為292 mm，這些區域除甘肅與河南以外均處于秦嶺-淮河以北，耕地以旱地為主；農業水土資源匹配度相對適中的區域基本處于秦嶺-淮河以南，耕地以水田為主。

我國各省農業水土資源當量系數的空間特征整體呈現由西北向東南逐步減小趨勢。農業生產水資源和土地資源相對平衡的地區是上海和江蘇，當量系數接近于1，分別為0.993和1.024，而西北地區大部分省份都處于農業水資源和土地資源極度不平衡狀態，北京、甘肅、河北、內蒙古、寧夏等十個省份的當量系數均大于1.25，屬于嚴重缺水狀態；安徽、重慶、廣西等十二個省份的當量系數小于0.5，屬于嚴重缺土狀態。

由此看出，我國農業水資源與土資源在空間上匹配程度不高，農業生產受水土資源約束較強。農業水土資源當量系數的差異性也反映了我國農業水土資源形成區域與消耗區域在空間上不相匹配，間接反映出我國各省農業用水及耕地開發合理性有待提高。

2模型方法

2.1空間計量模型

LeSage等人[11]提出的空間面板杜賓經典模型如下：

y=αln+ρWy+βX+θWX+ε（3）

其中，被解釋變量y為我國各省的農業經濟增長，X為農業水土資源匹配度。在研究過程中，本文加入了農村有效勞動力、農村固定資產投資、農業化肥施用量等控制變量。上式α中代表常數項，ln代表N×1階單位矩陣，N代表我國省份個數，ε代表誤差項。W代表空間權重矩陣，Wy和WX分別度量了被解釋變量和解釋變量的空間依賴性。需要注意的是，在上述模型的估計結果中，如果結果顯示ρ≠0，那么回歸系數ρ、θ和β的解釋與傳統OLS回歸系數的解釋不同，原因在于傳統OLS回歸系數無法度量解釋變量的空間溢出效應。

2.2空間回歸模型和空間溢出效應分解模型

Pace等人[12]、LeSage等人[11]提出了空間回歸模型偏微分方法對空間計量模型的回歸系數進行合理的解釋。本文將原模型進一步改寫為：

（In-ρW）y=αln+βX+θWX+ε（4）

y=∑Kr=1Sr（W）xr+V（W）lnα+V（W）ε（5）

Sr （W）=V（W）（lnβr+Wθr）（6）

V（W）=（ln-ρW）-1=ln+ρW+ρ2W2+ρ3W3+…

（7）

其中，ln表示n階單位矩陣，k表示解釋變量的個數，Xr表示第r個解釋變量，r=1，2，…k，βr表示解釋變量向量X中第r個解釋變量的回歸系數，θr表示WX的第r個變量的估計系數。為了解釋Sr（W）將式（2）改寫如下：

將直接效應、間接效應疊加稱為綜合效應。根據上述偏導數求解可知，在空間回歸模型中，當j≠r時，yi對Xjr的偏導數一般并不等于0，這有別于傳統OLS估計，另外yi對Xir的偏導數也一般不等于βr，即一個區域的被解釋變量除了受本區域解釋變量的影響，還受到其他區域解釋變量的影響。

2.3空間相關性檢驗

本文采用Morans I指數來驗證我國區域農業經濟增長是否存在空間關聯效應，如果驗證結果顯示存在空間關聯效應，則可以進一步構建空間回歸模型對我國區域農業經濟增長進行空間計量分析，Morans I指數計算公式如下：

3經驗發現

3.1指標與數據來源

本文全部樣本是31個省（直轄市、自治區），不考慮港、澳、臺地區，時期跨度為2003-2013年，具體指標為：

（1）農業水土資源匹配度（Amat），采用廣義農業水資源量測度方法計算可得。

（2）區域農業經濟增長。利用單位農業產值（PAOut）作為區域農業經濟增長的代理變量，數據來源于歷年《中國農村統計年鑒》。

（3）其他控制變量。選取農村有效勞動力（Alab）、農村住戶固定資產投資（Ainv）、化肥施用量（Afer）作為控制變量，其中農村有效勞動力借鑒周曉、朱農[13]。

（4）空間權重矩陣設定。選取鄰接空間權重矩陣（W），如果兩個區域在地理上相鄰，則存在空間關聯關系，反之，則不存在空間關聯關系。

3.2空間相關性檢驗

首先對我國分省單位農業產值（PAOut）的全局空間相關性進行檢驗，結果見表1，演變趨勢見圖1。

由以上結果可知：第一，在鄰接權重矩陣下，我國分省單位農業產值（PAOut）的Morans I指數均顯著為正，這表明各省農業經濟增長存在顯著的空間關系；第二，從農業經濟增長Morans I指數的演變趨勢來看，2009年是Morans I指數的轉折點，2009年以前，Morans I指數整體呈現上升趨勢，2009年以后開始逐年下降，這意味著我國區域農業經濟增長的空間關聯性近年來有減弱的跡象。

為了直觀研究我國區域農業經濟增長的空間集聚狀況，本文繪制了Moran散點圖，見圖2（限于篇幅只呈現2013年散點圖）。圖2顯示，我國31個省（直轄市、自治區）中有24個處于第一象限和第三象限，即我國區域農業

經濟增長具有高度的集聚性和非均質性。因此，在研究農業水土匹配與區域農業經濟增長關系時，要重視其空間關聯性，避免估計結果有偏。

3.3空間面板數據模型經驗估計結果

目前常用的空間計量模型包括空間誤差模型、空間滯后模型和空間杜賓模型，為了保證估計結果的穩健性，本文根據以下遴選步驟選擇相對合理的模型：首先，在鄰接權重矩陣下根據AIC準則對固定效應和隨機效應進行選擇，AIC值與模型解釋能力呈反比；然后，根據Log likelihood與R2值評價模型的擬合優度，這兩者的值與模型擬合優度呈正比；最后，對空間杜賓模型是否可轉化為另外兩種空間模型進行檢驗，若結果顯著拒絕原假設，則選擇空間杜賓模型。

按照以上步驟，將空間杜賓模型的固定效應模型作為最終解釋模型，表2報告了鄰接空間權重下的空間杜賓模型估計結果。

（1）水土匹配度的空間溢出效應

第一，水土匹配度對農業經濟增長空間溢出的直接效應。水土匹配度對區域內的農業經濟增長的溢出效應是0.026 9，且通過1%的顯著性水平檢驗。這說明一個地區的水土匹配度對本地區農業經濟增長具有促進作用。

第二，水土匹配度對農業經濟增長空間溢出的間接效應。水土匹配度的間接溢出效應為0.080 9，且通過1%的顯著性水平檢驗。這說明某個地區的水土匹配度會對與其相鄰的其他地區農業經濟增長產生促進作用，且對其他地區的促進作用大于對本地區的促進作用，相鄰區域的農業生產存在“示范效應”和“模仿效應”，如當一個區域采用先進的農業生產技術實現節水農業生產時，與其鄰接的地區會最先受到該“示范效應”的影響，隨之而來的“模仿效應”會促進該地區的農業經濟增長。

第三，水土匹配度對農業經濟增長空間溢出的綜合效應。水土匹配度對農業經濟增長空間溢出的綜合效應為0.107 7，且通過1%的顯著性水平檢驗，說明地區與地區間地理鄰接因素強化了水土匹配度對區域農業經濟增長的空間溢出效應。

（2）控制變量的空間溢出效應

根據空間溢出效應分解結果，農村有效勞動力在鄰接空間權重下對農業經濟增長的直接效應在5%的顯著性水平下為正值，間接效應和綜合效應在1%的顯著性水平下為負值，即某個地區農村有效勞動力投入對其鄰接地區的農業經濟發展產生空間負效應，這種負效應源自農村勞動力轉移，這種轉移是隨社會經濟發展而產生的一種必然現象，是經濟要素在空間上的重置過程。

農村住戶固定資產投資對農業經濟增長的直接效應、間接效應和綜合效應在統計上不顯著，且總效應為負值，即農村住戶固定資產投資額的大小并不能促進區域農業經濟增長。2014年全國農村住戶固定資產總投資額為10 546億元，從各地區農村住戶固定資產投資投向情況來看，其中投向農業的僅為2 077.6億元，僅占總投資額的19.7%，而投向房地產業的高達7 429.76億元，占總投資額的70.4%；從各地區農村住戶固定資產投資結構來看，投向生產設備的僅為1 604.7億元，約占總投資額的15.2%。總體而言農村住戶對農業生產性固定資產投資額度偏小，不足以促進區域農業經濟增長。

化肥施用量對農業經濟增長的直接效應、間接效應和綜合效應均在1%的顯著性水平下為正值，說明在農業生產過程中，合理增加化肥施用量可以有效促進農業經濟發展，且具有一定的空間溢出效應，但考慮到化肥過量施用帶來的環境問題，農業生產中要科學施用化肥，提高化肥的利用效率。

4結論及討論

通過本次研究，可以得出如下結論：①我國農業水土匹配度較低，在空間上水土資源形成區域與消耗區域不一致，農業生產受到水土資源約束。②在鄰接空間相關關系下，我國區域農業經濟增長呈現顯著的空間集聚性。③在加入農業生產人、財、物投入等控制變量后，水土匹配度對區域農業經濟發展的區域內和區域間的溢出效應都顯著為正，總體上水土匹配度對區域農業經濟發展具有正向的溢出效應。農村有效勞動力投入對區域農業經濟發展的區域內溢出效應顯著為正，區域間和綜合溢出效應顯著為負；農村住戶固定資產投資對區域農業經濟增長的直接效應、間接效應和總效應在統計上不顯著，且總效應為負值；化肥施用量對區域農業經濟增長的直接溢出效應、間接溢出效應和綜合效應均顯著為正。

為實現我國農業水土資源匹配可持續利用，促進我國區域農業經濟不斷增長，保障我國糧食安全，必須從戰略層面采取措施優化農業水土資源匹配關系。關于我國農業生產過程中虛擬水與虛擬耕地的關系研究，是進一步值得探討的問題。

（編輯：劉照勝）

參考文獻（References）

[1]南紀琴，陶國通，王景雷，等. 區域農業水土資源利用潛力估算方法——以河套灌區為例[J]. 自然資源學報，2015（8）：1378-1390. [NAN Jiqin， TAO Guotong， WANG Jinglei， et al. Estimates of agricultural water and soil resources utilization potential：a case study on hetao irrigation area[J]. Journal of natural resources， 2015（8）：1378-1390.]

[2]陶國芳，蔣兆恒，秦麗杰. 基于基尼系數的通化地區水土資源匹配分析[J]. 中國農業資源與區劃，2012（4）：67-71. [TAO Guofang， JIANG Zhaoheng， QIN Lijie. Analysis of balance between water and land resources in Tonghua region using Gini coefficient [J]. Chinese journal of agricultural resources and regional planning， 2012（4）：67-71.]

[3]馬慧敏，武鵬林. 基于基尼系數的山西省水資源空間匹配度分析[J]. 人民黃河，2014（11）：58-61. [MA Huimin， WU Penglin.Spatial matching analysis of Shanxi provinces water resources based on Gini coefficient [J]. Yellow River， 2014（11）：58-61.]

[4]張曉濤，于法穩. 黃河流域經濟發展與水資源匹配狀況分析[J]. 中國人口·資源與環境，2012，22（10）：1-6. [ZHANG Xiaotao， YU Fawen.Analysis of matching status between economic development and water resources in the Yellow River basin [J]. China population， resources and environment， 2012，22（10）：1-6.]

[5]SUN Xihua， ZHANG Daimin， WAN Han， et al. Analysis of coupling between soil and water conservation and economicsocial development [J]. Chinese journal of population， resources and environment， 2009， 7（1）：76-81.

[6]ZHANG C， ZHANG H. Can regional economy influence Chinas water use intensity？based on refined LMDI method[J]. Chinese journal of population， resources and environment， 2014， 12（3）：247-254.

[7]李靜，蔣長流. 農業勞動生產率區域差異與農業用能強度收斂性[J]. 中國人口·資源與環境，2014， 24（11）：17-25. [LI Jing， JIANG Changliu.Regional difference of agricultural labor productivity and the convergence of agricultural energy consumption intensity[J]. China population， resources and environment， 2014， 24（11）：17-25.]

[8]ULIMENGU J， SANYAL P. Using a spatial growth model to provide evidence of agricultural spillovers between countries in the NEPAD CAADP framework[R]. IFPRI discussion paper， 2011.

[9]曾國平，羅航艷，曹躍群. 中國農業經濟增長的空間分布及相關性——基于31個省區1985-2008年的面板數據分析[J]. 湖南農業大學學報（社會科學版），2010（5）：1-6，37. [ZENG Guoping， LUO Hangyan， CAO Yuequn. Spatial distribution and correlation of agriculture economic development in China： based on the panel data in 1985-2008 of 31 provinces， autonomous region and municipality[J]. Journal of Hunan Agricultural University （social sciences edition）， 2010（5）：1-6，37.]

[10]李保國，黃峰. 1998-2007年中國農業用水分析[J]. 水科學進展，2010（4）：575-583. [LI Baoguo， HUANG Feng. Trends in Chinas agricultural water use during recent decade using the green and blue water approach[J]. Advances in water science， 2010（4）：575-583.]

[11]LESAGE P， PACE R K. Introduction to spatial econometrics[J]. Taylor & Francis Group， LLC. 2009.

[12]Pace R K， LESAGE P. Interpreting spatial econometric model[R]//North American meeting of the Regional Science Association International.Toronto， CA， 2006.

[13]周曉，朱農. 論人力資本對中國農村經濟增長的作用[J]. 中國人口科學，2003（6）：21-28. [ZHOU Xiao， ZHU Nong. The effect of human capital on rural economic growth in China[J]. Chinese journal of population science， 2003（6）：21-28.]

[14]劉華軍，張權，楊騫. 城鎮化、空間溢出與區域經濟增長——基于空間回歸模型偏微分方法及中國的實證[J]. 農業技術經濟，2014（10）：95-105. [LIU Huajun， ZHANG Quan， YANG Qian. Urbanization， spatial spillover and regional economic growth based on partial differential method for spatial regression model and the empirical analysis of China[J]. Journal of agrotechnical economics， 2014（10）：95-105.]