農業可持續發展影響因素研究

帥傳敏 周敏 程欣 鄒靚慧 王梓涵

摘 要：綜合考慮經濟、社會、環境等因素，運用偏最小二乘結構方程模型（PLS-SEM）估計法分析得出：重慶的工業狀況對農業可持續發展產生負向影響，化學物質用量、人口特征、交通基礎設施、農林水支出均對農業可持續發展有顯著的正向效應。影響系數由大到小為：人口特征>化學物質用量>交通基礎設施>農林水支出。重慶的醫療衛生水平對農業可持續的影響通過人口特征來實現。

關鍵詞：農業可持續發展 工業狀況 化學物質用量 PLS-SEM

一、引言

2015年9月聯合國可持續發展峰會正式通過了《2030年可持續發展議程》，其中包括17項目標和169項目標的綱領性文件，旨在將與可持續發展有關的問題納入各國整體經濟、環境和社會框架[1]。到2050年，世界人口預計將接近97億[2]。這種情況將導致糧食需求的增加，由于集約化農業生產而導致的環境問題惡化。因此，可持續發展目標的主要的挑戰之一是在全世界實現糧食安全和可持續農業。盡管可持續發展目標具有全球性，但其行動實施取決于各國對其給予的優先級別，以及可持續發展問題如何與一國的主要問題相競爭[3]。可持續農業是在不損害后代利益的前提下，不斷滿足當今社會對糧食和紡織品需求的農業。每個參與農業系統的人，在經濟、社會和環境各方面付出的勞動都會對農業系統可持續性造成一定的影響[4]。

農業可持續的影響因素眾多，可能涉及到經濟、社會和環境等方面因素的影響。從區域經濟發展的角度，農業可持續的影響因素可能包括基礎設施的發展，例如公路、農作物生產效率、農業技術等[5]。現階段需進一步加強農業可持續發展及其在地方和區域一級的空間規劃進程中的保護。需要根據當地的具體情況調整農業技術措施，提高生態效率，促進農業可持續發展[6]。從社會人口因素角度，有些學者研究了農業人口、人口密度和農場規模之間的交互關系。重慶在中國率先實現了農業人口和城鎮人口一體化改革，農業生產與城鎮化之間存在著一定的權衡。從環境方面，2018年11月26日重慶市五屆人大常委會第七次會議報告提出，如果以降低生態質量為代價來增加產量，那么在經濟上可能是不可行的[7]。可持續農業的實踐者尋求將三個主要目標融入到他們的工作中：健康的環境、經濟盈利能力、社會和經濟公平[4]。中國農民經常被指責過度使用農藥，而農藥通過減少作物害蟲的損失，在提高作物產量方面發揮著至關重要的作用[8]。認識到農業系統的雙重性，將環境目標和發展目標結合起來，才能更好的通過增強農業可持續性實現可持續發展目標[9]。

從已有研究來看，學術界對農業可持續影響因素的研究中較少考慮工業發展因素（經濟方面）。有些學者分析了社會、經濟和環境中某方面因素對農業可持續發展的影響;有的研究即使綜合考慮了三個方面的指標，只側重于指標研究，很少進一步全面分析各個影響因素之間的影響路徑，難以得出影響路徑的大小或程度。本研究將人口特征、工業狀況、衛生、交通基礎設施、化學物質用量、農林水與農業可持續相結合，定量分析各指標。尤其是綜合定量分析經濟、社會、環境對農業可持續的影響路徑是學術界較少涉及的領域。

二、數據方法和研究假設

（一）數據來源

重慶是中國西南地區的核心城市，也是西部大開發戰略中的杠桿城市，其農村面積廣闊、農業人口基數大，因此決定了農業產業與農村經濟在全市的發展中的特殊戰略地位[10]。重慶市包含三峽庫區26縣中的22縣，在三峽庫區發展高效生態農業，是庫區農村移民安置安穩、緩解人地矛盾和有效遏制生態環境惡化趨勢的迫切需要，建設三峽生態經濟區需要進行農業結構調整，追求庫區生態平衡[11]。重慶地理位置較偏、山地較多，傳統的農業生產方式導致生態環境日益惡化、農業資源浪費嚴重[10]。2016年底，重慶市發布了《重慶市農業農村發展“十三五”規劃》，其中強調要推進農業供給側結構性改革，注重農村生態文明建設和農業的可持續發展[12]。故綜合考慮經濟、社會、生態三方面因素，選取重慶市作為可持續農業影響因素的研究區域，使得數據具有很好的典型性和代表性。

本文研究區域涵蓋整個重慶市。數據選取了重慶市39個區縣2010年至2018年9年的數據。數據來源于《重慶統計年鑒》《中國縣域統計年鑒》和《三峽生態與環境監測專報》。

（二）數據檢驗

本研究總樣本量348，有效樣本337份，樣本有效率為96.8%。數據缺失率為3.2%，小于5%，所以考慮使用中值替代法[13]。樣本數據組合信度均在0.7以上，因此各變量具有很好的內部一致性。

用探索性因子分析（EFA）來檢驗整個體系的結構效度，使用主成分提取方法和具有Kaiser標準化的全體旋轉法，如檢驗結果所示（表1），KMO=0.825>0.7，表示因子分析情況適合，旋轉矩陣顯示，一個指標可同時屬于多個潛變量，本研究我們以將其歸為系數最高的潛變量為基本原則進行旋轉歸類。所提取的七個公因子累計解釋了95.70%的方差，說明該七個公因子能夠很好地對指標進行解釋，所以此時指標體系的結構效度較為優良。

三、結果

（一）測量模型檢驗

本文的測量模型檢驗結果（表3）表明，反映性測量模型的組合信度CR值均在0.9以上>0.7，表明本文構建的測量模型具有很好的內部一致性;平均方差提取值AVE均在0.8以上>0.5，因此測量模型的聚合效度符合要求;外部載荷系數均大于0.8>0.7，符合反映性測量模型基本要求;Henseler et al.[30]的研究結果表明，在基于方差估計的結構方程模型中，相比Forner-Lacker準則和交叉因子載荷準則，HTMT準則更能穩定檢驗區分效度。在本研究構建的模型中，潛變量間的HTMT最大值為0.843，低于臨界值0.85，顯示本文構建的測量模型具有很好的區分效度。因此，以上四項通過檢驗意味著本文構建的測量模型具有較好的信度和效度，并適合進行下一步的結構方程模型檢驗。

（二）路徑效應分析

本研究對結構模型的檢驗（表4）分為四個部分，在本文構建的結構模型中，潛變量間多重共線性內部VIF值均介于0.2和5之間，表示結構模型中不存在多重共線性;內生潛變量Q2均大于臨界值0，說明結構模型的預測相關性較好;農業可持續這一潛變量的R2為0.861，說明該模型的解釋力度還可以，擬合優度比較好;除“衛生機構”對“農業可持續”一條路徑不顯著外，其他路徑均在0.001水平上顯著。

（三）中介效應檢驗

由檢驗結果（表5）可得，“人口特征”的中介效應占總效應的80.25%，大于80%，表明“人口特征”在“衛生”影響“農業可持續”過程中起到了完全中介的作用。“化學物質用量”的中介效應占總效應的48.45%，處于20%和80%之間，表明“化學物質用量”在“農林水”影響“農業可持續”過程中起到了部分中介的作用。“工業狀況”的中介效應占總效應的10.18%，小于20%，表明“工業狀況”在“人口特征”影響“農業可持續”過程中無中介效應。

四、研究結論

通過農業可持續影響因素模型的實證研究，了解到多因素對農業可持續都會造成一定影響，對于如何促進農業可持續這一導向具有參考依據，實證研究得出如下結論：

第一，工業狀況對農業可持續產生負向影響。農業可持續隨工業狀況的增強而減弱，工業狀況在人口特征影響農業可持續這一路徑中作為中介變量，一方面，人口特征影響農業可持續路徑系數為0.539，另一方面，人口特征影響工業狀況路徑系數為0.349，表明人口對工業和農業都產生正向影響，但工業對農業有負向作用，考慮是否工業會在一定程度上抑制人口對農業的促進作用。但中介效應檢驗結果顯示，工業狀況在人口特征對農業可持續影響過程中VAF值為10.18%，無中介效應，表明人口特征對農業可持續產生直接影響，不會通過工業狀況這一潛變量間接影響農業可持續。

第二，化學物質用量、人口特征、交通基礎設施、農林水均對農業可持續存在顯著的正向效應。影響系數由大到小依次為：人口特征>化學物質用量>交通基礎設施>農林水，其路徑系數都在0.001的水平上顯著。研究表明，農業可持續隨化學物質用量的增大而逐漸增強，路徑系數為0.303;交通基礎設施對農業可持續的影響系數為0.209，完善健全的交通基礎設施在農業可持續發展的整個運輸發展階段都發揮重要作用;農林水在直接影響農業可持續之外還可通過化學物質用量對農業可持續產生間接影響，農林水影響化學物質用量的路徑系數為0.394且顯著，表明農林水支出的增加會導致農林水在對環境治理和農業保護的同時促進化學物質的用量。

第三，重慶的醫療衛生水平對于農業可持續的影響通過人口特征來實現。存在的影響路徑中衛生對農業可持續這一條不顯著，但中介效應檢驗結果顯示，人口特征在衛生對農業可持續的影響過程中VAF值為80.25%，起完全中介作用。衛生對人口特征影響為正，路徑系數為0.377且在0.001的水平上顯著，人口特征對農業可持續的路徑系數為0.539且顯著，表明人口特征隨衛生的增強而增大，且衛生完全通過人口特征影響農業可持續。

參考文獻：

[1]周健民.土壤學大辭典[M].科學出版社，2013.

[2]SKAF L， BUONOCORE E， DUMONTET S， et al. Food security and sustainable agriculture in Lebanon： An environmental accounting framework [J]. Journal of Cleaner Production， 2019， 209：1025-32.

[3]SALVIA A L， FILHO W L， BRANDLI L L， et al. Assessing research trends related to Sustainable Development Goals： local and global issues [J]. Journal of Cleaner Production， 2019， 208：841-9.

[4]UCDAVIS. Sustainable agriculture research and education program [M]. agricultural sustainability institute. 2017.

[5]馬曉河，藍海濤，黃漢權.工業反哺農業的國際經驗及我國的政策調整思路[J].管理世界，2005，（07）：55-63.

[6]李溦.農業剩余與工業化資本積累[M].云南人民出版社，1993.

[7]關于重慶市農業面源污染防治情況調研報告[R].重慶市人大農業與農村委員會，2018.

[8]胡靜鋒.重慶市農業面源污染測算與空間特征解析[J].中國農業資源與區劃，2017，38（01）：135-44.

[9]蔡榮.農業化學品投入狀況及其對環境的影響[J].中國人口·資源與環境，2010，20（03）：107-10.

[10]劉章勇.重慶市農業循環經濟發展水平評價[J].中國農業資源與區劃，2018，39（08）：9-16.

[11]方創琳，黃金川.三峽庫區高效生態農業發展方向與重點研究[J].自然資源學報，2002（04）：444-50.

[12]萬將軍，沈茂英，鄧偉.供給側改革背景下農業產業結構變化評價與對策建議——基于重慶市的面板數據分析[J].農村經濟，2018（06）：43-8.

[13]HAIR J F， RINGLE C M. A primer on partial least squares structural equation modeling（PLS-SEM） [M]. California：Sage Publications， 2013.

[14]JRESKOG K G， GOLDBERGER A S. Factor analysis by generalized least squares [J]. Psychometrika， 1972， 37（3）： 243-60.

[15]CHENG X， SHUAI C， LIU J， et al. Modelling environment and poverty factors for sustainable agriculture in the Three Gorges Reservoir Regions of China [J]. Land Degradation & Development， 2018， 29（11）： 3940-53.

[16]LYNCH J， DONNELLAN T， FINN J A， et al. Potential development of Irish agricultural sustainability indicators for current and future policy evaluation needs [J]. Journal of Environmental Management， 2019， 230（434-45.

[17]GóMEZ-LIMóN J A， SANCHEZ-FERNANDEZ G. Empirical evaluation of agricultural sustainability using composite indicators [J]. Ecological Economics， 2009， 69（5）：

[18]LEE I H. Industrial output fluctuations in developing countries： General equilibrium consequences of agricultural productivity shocks [J]. European Economic Review， 2018， 102：240-79.

[19]周艷麗，盧秉福.農村可持續發展主要影響因素的辨識與分析[J].中國農學通報，2011，27（06）：410-4.

[20]王曉紅，郭翔宇，申玉軍，et al.黑龍江墾區農業可持續發展評價指標體系[J].黑龍江八一農墾大學學報，2003（01）：119-22.

[21]王巨，謝世友，任偉，etal.三峽地區生態農業可持續性綜合評價[J].西南師范大學學報（自然科學版），2011，36（06）：86-91.

[22]CHEN J， CHEN J， MIAO Y， et al. Unbalanced development of inter-provincial high-grade highway in China： Decomposing the Gini coefficient [J]. Transportation Research Part D， 2016， 48：499-510.

[23]RAO C S， KAREEMULLA K， KRISHNAN P， et al. Agro-ecosystem based sustainability indicators for climate resilient agriculture in India： A conceptual framework [J]. Ecological Indicators， 2018，

[24]孫蕊，齊天真.農業適度規模發展評價指標體系構建與綜合評價[J].統計與決策，2019，35（07）：49-52.

[25]JAGER A D， ONDURU D， WIJK M S V， et al. Assessing sustainability of low-external-input farm management systems with the nutrient monitoring approach： a case study in Kenya [J]. Agricultural Systems， 2001， 69（1）： 99-118.

[26]LAI J， WANG H H， ORTEGA D L， et al. Factoring Chinese consumers risk perceptions into their willingness to pay for pork safety， environmental stewardship， and animal welfare [J]. Food Control， 2018， 85（423-31.

[27]汪紫云，李援亞.基于逐步回歸分析法的湖北省農林牧漁產值增長因素分析[J].糧食科技與經濟，2018，43（05）：33-6.

[28]黃雪菲，黃文芳.國別間多功能農業發展評價指標體系構建[J].中國人口·資源與環境，2016，26（S1）：176-9.

[29]WANG F， YU C， XIONG L， et al. How can agricultural water use efficiency be promoted in China？ A spatial-temporal analysis [J]. Resources， Conservation & Recycling， 2019， 145（411-8.

[30]HENSELER J， RINGLE C M， SARSTEDT M. A new criterion for assessing discriminant validity in variance-based structural equation modeling [J]. Journal of the Academy of Marketing Science， 2015， 43（1）： 115-35.

〔本文系“國家社會科學基金重大項目”（項目編號：17ZDA085）;“國家自然科學基金”（項目編號：71773119）;“中國地質大學（武漢）中央高校基礎研究基金”（項目編號：CUG170101）;“國家自然科學基金（NSFC）”（項目編號：71903184）;麥考瑞大學（項目編號：44724020）;“中國地質大學（武漢）學科建設專項（高層次人才研究啟動基金）” （項目編號：108-162301182733）研究成果〕

〔帥傳敏、周敏，中國地質大學（武漢）經濟管理學院。程欣，中國地質大學（武漢）經濟管理學院，麥考瑞大學科學與工程學院。鄒靚慧、王梓涵，中國地質大學（武漢）經濟管理學院〕