农业空间匹配及其经济增长效应研究*——以长三角为例

刘李佳，方和远，杨文武

（1.北京邮电大学经济管理学院，北京 100876；2.南京信息工程大学滨江学院商学院，江苏无锡 214105；3.四川大学南亚研究所，成都 610065）

0 引言

随着我国工业化和城镇化进程的加快，工业发展、居民生活对水土资源的需求也日益增长，导致区域农业经济发展不平衡、水土资源结构不合理、各行业抢占资源等问题也愈加突出[1]，高效利用水土资源、与区域相对优势相匹配成为我国农业发展亟待解决的问题，区域产业发展与当地比较优势或自然资源禀赋的匹配程度即产业空间匹配质量，是影响产业发展质量、速度和效率的重要因素，合理的匹配状态有助于缩小地区间的产业发展差距。对于农业发展来说，水资源和土地资源是农业生产最基本的两类自然资源，水土资源利用的空间匹配描述的是各地区农业生产的水土资源利用是否合理，匹配度越高的地区生产效率越好。除了水土资源禀赋外，生产要素匹配也是农业发展的重要因素之一。人力和物质资本是农业生产的两大基础要素，它们与区域农业发展的匹配程度对生产效率的提升也有显著的影响，匹配度越高的地区人力和物质资本的效率损失越低。

产业空间匹配这一概念最早起源于Helsley[2]关于企业技术需求与劳动力匹配的问题研究中，他最先提出了“匹配”的概念。随后大量学者对“匹配”的内涵进行了延伸，将其运用到产业关联与城市规模、企业发展与城市规模匹配等领域的研究中，使得“匹配”的概念更加丰富。有效匹配、匹配机会、匹配质量、匹配效率等概念逐步被提出，从不同角度对产业与空间匹配的效果进行了描述。Helsley[3]用有效匹配定义要素的最佳组合模式，这种组合模式的出现概率称为匹配机会。Calcagnini[4]将术转移与企业项目匹配成功率定义为匹配机会，用生产要素之间联系的稳定程度定义匹配质量。Klimenko[5]则最早从产业关联的角度定义了匹配质量，他认为各产业部门之间的联系越紧密，要素匹配质量越高。匹配效率定义方面，Chassamboulli[6]、Haller[7]等学者都将其定义为反应要素使用效率的指标，与就业率、职位需求量无关。邓仲良[8]在回顾和分析了关于产业空间匹配问题的研究后认为，匹配质量和匹配效率是影响产业空间布局与发展的最重要指标。农业发展除了依赖于劳动力、资本、技术等要素外，对水土资源的依赖程度更高，因而，文章农业产业的空间配置更多转化为水土空间配置来研究。在这方面，李保国[9]提出了农业发展水土资源匹配概念以及计算方法，构建了农业空间水土匹配研究的框架，并分析了我国各地4种主要粮食作物的用水情况。在此分析框架下，许长新[1]基于全国所有省份数据，分析了我国水土匹配与农业经济增长的关系，认为水土匹配对农业生产具有较强的约束作用；樊慧丽[10]则分析了长江经济带的整体农业水土资源匹配度，发现该地区低于全国水平，且正逐年变差；栾福超[11]运用DEA方法评价了水足迹视角下的三江平原地区农业水土资源配置效率，认为该地区技术效率略好于规模效率；秦腾[12]采用Bootstrap回归模型对长江流域水环境约束强度的影响因素进行了实证分析，发现长江流域农业发展受到水资源短缺和水环境恶化的双重约束，并且水环境约束强度远远超过水资源约束强度。纵观这些研究可以发现，在农业相对优势匹配质量测算方面并没有完善的理论体系和计算方法，关于农业水土资源匹配质量的测算也尚未达成共识，在农业空间匹配的经济增长效应的研究方面，大多忽视了空间因素的影响，导致估计结果不够准确。

在我国农业发展与工业化、城镇化发展相冲突的背景下，围绕提高水土资源利用率、增强区域农业相对优势是否能够促进农业发展的问题进行理论分析和实证检验，无疑具有重要的现实意义。长三角地区作为我国经济发展程度较高的地区，理应在“乡村振兴战略”的实施中发挥示范作用。为此，文章基于2001—2019年长三角地区地级城市数据，对农业空间匹配及其经济增长效应进行实证分析。

1 农业空间匹配质量研究方法

1.1 农业水土资源匹配

农业发展离不开水资源和土地资源的供给，区域农业经济能否稳定增长依赖于对当地水土资源的利用效率。目前关于水土利用的空间匹配测算方法主要有3种：一是用单位耕地面积水资源总量表示；二是引入基尼系数对各地区水土资源的分布状态进行测算；三是同样使用单位耕地面积水资源量，根据水资源来源不同将其划分为“蓝水”和“绿水”，从而计算出水资源总量。该文综合第一种和第三种方法，选用单位耕地面积水资源量（Amat）进行测度，来表示水土资源格局，计算方式为[9]：

式（1）中，L表示区域耕地面积，单位为公顷（hm2）；Qgbw表示区域广义农业水资源总量，单位为亿m3（108m3），它由“蓝水”（Qbw）和“绿水”（Qgw）两部分构成，即：

式（3）中，Qag表示全省农业总用水量，Pir表示灌溉用水量占农业总用水量的比重。Gi表示i地区的有效灌溉面积，G表示当年全省有效灌溉总面积。

与“蓝水”相比，“绿水”（Qgw）的估算更为复杂，首先，每年落在耕地上的降水量难以准确计算；其次，落在耕地上的降水有一部分转化为地表径流，一部分渗透至深层土壤中估算；最后，降水量和地表径流量数据一般以省为单位进行统计，地市级尺度的数据较少。基于以上存在问题，该研究中建立耕地有限降水量Qgw估算方程为：

式（4）中，Pcr表示耕地降水量，Rcr表示地表径流量，Dcr表示渗透量。假设降水均匀分布在全国范围内，建立Pcr的估算公式为：

式（5）中，Pt为当年降水总量，单位转换为亿立方米（108m3），Acr表示地区耕地面积，Ald表示区域总面积，单位统一为公顷（hm2），的意义为耕地面积占区域总面积的比重。定义Rcr为全省地表径流量与耕地面积占比的乘积为：

式（6）中，QIRWR为《水资源公报》中的地表水资源量，在主要粮食主产区华北和长江中下游平原，耕地相对平整，耕地径流基本上可以忽略不计，因此，在该研究中，暂不考虑耕地径流的影响。最后基于水文模型计算深层渗透量Dcr，公式为：

式（7）中，dcr是基于水文模型计算的深层渗透量，pcr为区域降水量。

1.2 农业相对优势匹配

农业相对优势匹配可以从产业空间集聚角度进行定义，该匹配度的测算首先要考虑产业匹配效率作用的有效性和稳定性；其次，从劳动力供给与产业需求匹配的角度来说，农业相对优势匹配质量应该反应出产业对劳动力需求的空间分布差异，该文定义农业相对优势匹配质量计算公式为：

式（8）中，MQij表示i地区j产业的相对优势匹配，是该产业的实际产值（增加值）或规模与潜在地区的平均产值（增加值）或规模差值的绝对值。yij即i地区j产业实际产值（增加值）或规模，λij(ηi，ρik，ξL，ϕc，τi)yij为潜在地区平均产值（增加值）或规模，其计算方式为根据产业集聚水平λij(ηi，ρik，ξL，ϕc，τi)对实际值进行折减处理，因此该差值表示了i地区j产业的相对优势。MQ数值较大的地区产业空间匹配质量好，产业稳定、高效的形成空间上的集聚，对经济增长具有稳定的促进作用；数值较低的地区产业集聚不够稳定，甚至可能出现产业扩散现象，区域经济增长也更容易出现波动。产业空间匹配质量可以从区位熵的角度去定义，具体公式为：

式（9）中，yij表示i地区的j产业产值，LQij表示该产业的区位熵，具体计算公式为：

式（10）中，yj为整个区域中j产业的总产值，Ei表示i区域的生产总值，E表示整个区域的生产总值。MQij值表示产业相对优势匹配，质量高的地区MQij数值较大，该地区的产业空间集聚进程更为稳定。

1.3 计量模型

变量存在空间相关性时，忽略回归模型中空间效应则参数估计结果将产生偏差。检验是否存在这种偏差的最常用方法为空间相关性检验，通过对解释变量Moran"s I进行计算和检验可确定其是否存在空间相关性，计算和检验公式为：

式（11）中，s2=Yi,Yi表示第i个地区的观测值，n表示地区数量，wij即空间权重矩阵，它是一个对称矩阵。构建以下的Z统计量检验Moran"s I空间显著性水平为：

式（12）中，E(Moran"s I)=，Moran"s I指数计算值区间为[-1,1]，当计算值大于0时，表示取值相似的区域存在集聚效应，即高数值（低数值）地区与高数值（低数值）地区集聚；当计算值小于0时，表示取值差异较大的区域更为集聚，即高数值地区与低数值地区集聚；当计算值等于0时，表示不存在空间集聚效应。

在标准计量经济模型中考虑空间效应即为空间计量模型，空间计量模型主要有两种形式：空间滞后模型（SLM）和空间误差模型（SEM）。如果某地区被解释变量受到邻近地区被解释变量观察值或局域特征所影响，这种条件下，空间滞后模型（SLM）将准确反应空间影响，其表达式为：y=ρWy+βx+ε，其中ρ为空间滞后系数，它表示邻近区域对本区域被解释变量影响力大小。如果某区域的被解释变量受到来自某些被忽略的空间上相关的变量（误差项）的影响，这种条件下空间误差计量模型（SEM）能准确地反应出空间差异，其表达式为：y=βx+ϕ，其中，ϕ=λWϕ+ε，ϕ表示空间自相关的误差项，λ为空间误差系数，W为空间权重矩阵，空间权重矩阵的设定有多种方式，该文所使用的矩阵为地理空间单元邻近矩阵，ε表示随机误差。

LM和Robust-LM能够检验空间计量模型拟合度更佳：在空间相关性检验中若空间滞后计量模型的拉格朗日乘子（LMLAG）比空间误差模型的拉格朗日乘子（LMERR）更为显著，且R-LMLAG显著而RLMERR不显著，则认定此变量适合SLM模型，反之则适合SEM模型。

2 实证分析

2.1 长三角农业空间匹配质量

该研究的数据来自于2001—2019年安徽、江苏、浙江和上海的《水资源公报》和统计年鉴，部分缺失数据查询《中国城市统计年鉴》和《中国农村统计年鉴》。根据各地区地形特征，安徽的宣城、池州和黄山以及浙江省温州、金华、衢州和丽水为丘陵地区，在计算“绿水”时需减去地表径流。为了方便与降水量比较，将最终得出的匹配度乘以0.1转换为单位毫米（mm）。为重点刻画长三角各地级市农业发展水平与潜在发展水平的差距，农业空间匹配质量的计算使用农业增加值替代产值计算农业空间匹配质量，长三角41个地级市农业水土资源匹配状况（Amat）以及农业相对优势匹配质量（MQ）如图1和图2所示。

长三角各地区农业水土资源匹配状况主要表现出两个特征：第一，从总体趋势上看，长三角城市大多表现出先提高后降低的趋势，2011—2015年达到最大值。2001—2015年匹配度在2 000以上的区域逐渐增大，随后开始迅速缩小，2019年匹配度在2 000以上的区域远小于2015年。分析可能的原因在于，伴随着我国经济的高速发展，农业科技也有了长足的进步，水土利用率有了显著提高；与此同时，工业化和城镇化进程也开始加速，在21世纪初期与农业发展的矛盾尚未显现，2015年后，各地工业化和城镇化均达到了较高水平，各行业抢占资源等问题愈加突出，导致此时农业发展受限，水土匹配质量开始下滑。第二，从分省具体数值来看，浙江和上海农业的平均水土资源匹配度最高，江苏省次之，安徽各城市水土资源匹配度最低，图1中，5个年份的匹配度分布图中安徽整体颜色始终最深。以2019年为例，长三角41个地级市中仅有8个城市水土匹配质量在1 000 mm以内，且这8座城市均在安徽，表明安徽对水资源和土地资源的利用效率有待加强。可能的原因在于，安徽整体经济水平和发展阶段落后于江浙沪地区，江浙沪地区意识到工业化、城镇化限制农业发展的问题并开始着手解决时，安徽仍然处于工业化和城镇化快速发展阶段，对于该问题的重视程度不足；同时安徽在资金、人才、技术等方面的汇聚能力也相对落后于江浙沪地区，制约了安徽在农业机械化、科技化方面的发展，导致安徽农业水土资源匹配度相对较低；此外，皖南和浙南地区受到丘陵地形的影响，受自然因素影响，该地区不属于农业发达地区，水土资源匹配度也不高。

图1 2001—2019年农业水土资源匹配质量（Amat）空间分布

长三角各地区农业相对优势匹配质量也表现出3个特征：第一，匹配质量在21世纪初期有显著提升，在2006年达到最大值（5.38），随后保持平稳，始终维持在5以上的较高水平。图2中，2006—2019年的农业相对优势匹配质量（MQ）空间分布图变动较小，也证明2006年后匹配质量稳定在较高水平。这表明长三角农业在21世纪初期的发展过程中不仅注重数量和质量的增长，也兼顾了与空间的适应，形成了良好的产业空间集聚。在2008年出台《关于进一步推进长江三角洲地区改革开放和经济社会发展的指导意见》后，各城市功能逐步确定，农业核心区分布也随之划定，整体匹配质量趋于平稳。第二，图2的空间分布图表明分省份来看，2001—2019年安徽的整体匹配质量最高，江苏省和上海市次之，浙江省相对较低。可能的原因在于安徽是我国的农业大省，自凤阳小岗村农村改革起，安徽始终是我国重要的粮食主产区，因此农业相对优势较强，政府也较为重视充分利用相对优势发展农业，因此匹配质量在长三角地区最高。江苏省的苏北平原也是我国重要的粮食主产区，由于江苏省工业和服务业相对优势更强，导致江苏匹配质量弱于安徽。浙江省农业主要集中在浙北平原的种植业和沿海地区渔业，相对优势不强，从而导致匹配质量稍弱。第三，从各地级市的具体数据来看，农业相对优势匹配质量最高的地区均为皖北、苏北的粮食主产区，以2019年为例，匹配质量最高前10个地区中，除了舟山外，宿州、阜阳、亳州、盐城、连云港等地均位于华北平原；匹配质量最低的城市并不是浙江和安徽的丘陵地区，而是长三角新兴工业化城市，2019年匹配质量小于1的城市中，芜湖、马鞍山、镇江、湖州和绍兴均不属于长三角传统发达城市，在经济发展过程中需要大量承接核心地区的相关产业，这导致工业化、城镇化短期内大幅提高，与农业发展抢占资源的问题更加显著，从而导致农业匹配质量较差。

2.2 长三角农业经济增长空间相关性检验

为分析长三角地市间农业的空间相关性，利用Moran"s I对2001—2019年长三角三省一市农业规模进行空间自相关检验（表1）。

表1 2001—2019年长三角农业Moran"s I

结果显示2001—2019年长三角农业规模的Moran"s I指数均在10%水平下显著，表明长三角地区农业规模存在显著的正相关性，即各地区农业发展受到周边地区强烈的外溢效应影响，区域内正逐步形成农业发达地区与发达地区集聚、欠发达地区与欠发达地区集聚的现象，农业发达地区主要集中在皖北和苏北的华北平原地区以及浙北平原和浙东沿海地区，欠发达地区集聚在皖南丘陵和浙南山区，除此之外，苏南和上海虽然农业资源丰富，但受到发达的工业和服务业挤出，农业发展受限，因此规模适中。

图3为2001—2019年长三角农业规模Moran"s I指数变化趋势，该指数自2001年起逐步下降，至2013年达到最低值0.148，表明在该阶段，长三角各地区农业集聚程度有所减弱，这是由于农业规模较小的地区在此阶段受到科技进步的影响，科技化水平、机械化水平有了一定提升，从而提高了农业生产效率，增长速度优于传统农业发达地区，导致长三角农业在此阶段呈现出扩散的趋势；随着科技对落后地区农业发展的促进作用开始减弱，资源优势和产业优势再次成为农业发展的最主要因素，长三角一体化的整体发展规划也明确了各地的城市定位，农业发达地区的增长速度也就更快，导致长三角农业在空间上再次集聚。

2.3 农业空间匹配的经济增长效应实证分析

区域农业空间匹配是否有利于促进农业经济增长和农业生产效率的提升？其经济增长效应大小是多少？这是研究农业空间匹配质量的最终目的。一方面，水资源和土地资源是农业生产的根本，是农业发展的直接影响因素；另一方面，相对优势能够带来产业集聚，而产业集聚形成的规模经济效应和地区化经济效应能够促进区域人口、劳动力、资本集聚，增加了生产要素的供给规模，是区域产业发展的关键。

因此该部分基于农业水土资源匹配度、农业相对优势匹配度以及农业生产所需的人力、物力、财力的相关数据对其经济增长效应进行实证分析。引入农业增加值作为被解释变量，引入第一产业从业人数（lab）、农业机械总动力（inv）以及化肥使用量（fer）作为人、财、物投入的控制变量。根据空间相关性显著性水平，选取2001—2019年长三角41个地市面板数据进行实证研究，数据属于N≥T型面板数据模型。当样本数据集相对总体样本数据集来说足够大时，采用固定效应模型是合理的，因此计量技术选择固定效应模型（Fixed Effect，FE）。

模型（1）和模型（2）表示标准计量模型的回归结果，模型（3）和模型（4）表示空间滞后模型（SAR）的回归结果。模型（1）和模型（2）的回归结果中LM以及R-LM检验均通过了1%显著性检验，但比较来看，LMLAG和R-LMLAG的显著性优于LMERR和R-LMERR，这说明对于农业空间匹配来说，无论是水土资源匹配度还是相对优势匹配度的农业经济增长效应估计都应采用空间滞后模型进行估计。SAR模型估计结果显示，两个空间计量模型的空间滞后影响力为0.27，且都通过了1%显著性检验。即长三角某一地级市农业增加值提高1%时，将给周边地区带来显著的“示范效应”，从而进行模仿，通过人力、资本、技术等农业生产要素的溢出使得周边地区农业产出将增长约0.27%。

模型（3）估计结果显示农业水土资源匹配度对长三角农业经济增长具有显著的负向影响，经济增长效应为-0.146 4，通过了10%显著性检验。原因有3点：第一，长三角农业发展适中的地区主要是长江沿岸的皖南和苏南地区，这些地区依托完善的工业基础和便利的水运优势重点发展制造业和生产性服务业，整体经济水平相对较高，但农业发展所需的水土资源需要与工业进行竞争，发展受限。因此该地区农业规模虽然不大，但在资金和技术的支持下，农业注重高附加值、精细化发展，对水土资源的利用率较高。第二，长三角农业欠发达地区主要集中在皖南和浙南丘陵地区，这些地区农业可用土地资源不足，地表径流水资源也难以利用，在长三角一体化大背景下，生产要素流动效率更高，也给这些地区带来了以较低成本获取资金和技术的机会，因此农业发展也注重高附加值、精细化发展，水土资源利用率也较高。第三，在农业较为发达的皖北、苏北和浙北地区中，皖北地区农业规模最大，由于受到国家种粮耕地红线等相关政策影响，皖北，苏北作为粮食主产区，其农产品以粮食为主，导致附加值偏低。因此虽然皖北地区土地充裕，水资源丰富，但由于产业附加值低，远离长三角核心区，资金、科技、人才等资源的汇聚能力偏弱等多重因素作用，该地区水土资源利用率显示偏低。模型（4）估计结果显示农业相对优势匹配质量对农业经济增长的影响不显著，这主要是因为长三角大多数地区还是以发展制造业和服务业为主，对于农业重视不足，传统农业发达地区也开始逐步承接核心区的相关产业，发展重心也开始倾斜，因此不论农业与当地相对优势的匹配程度如何，鲜有地方政府会将农业视为主导产业之一，因此在长三角地区，农业相对优势匹配质量的提高不能促进农业经济增长。

控制变量方面，第一产业就业人数的农业经济增长效应在10%显著性水平下为正，即长三角各地区劳动力投入越多，农业规模越大，这表明长三角发达的制造业和服务业吸纳了大部分就业人口，目前农业就业人口不足。农业投资的农业经济增长效应在1%显著性水平下为负，这表明长三角农业发达地区仍然使用传统的生产方式，机械化程度不高，而其他地区受限于资源环境、工业服务业发展，更多地使用农业机械进行生产活动，提高生产效率。化肥施用对农业经济增长的作用不显著，表明长三角地区为了提高农产品附加值，农业生产中有计划、有节制的施用化肥。

3 结论和讨论

该文首先从农业水土资源匹配和农业相对优势匹配两个角度定义了农业发展与所处空间的匹配质量，随后以长三角地区农业为例，对其空间匹配质量进行了测算，最后对空间匹配的经济增长效应进行了空间计量分析，得出以下结论。

（1）在21世纪初期，受到农业科技进步的影响，长三角农业水土利用率有了显著提高，随后工业化和城镇化与农业发展的矛盾开始显现导致水土利用率开始下滑，农业水土资源匹配质量表现出先提高后降低的整体趋势；浙江和上海农业的平均水土资源匹配度最高，江苏省次之，安徽各城市水土资源匹配度最低，这是由于安徽发展阶段滞后于江浙沪，且农业机械化、科技化不足导致的；匹配质量最好的城市均为苏南、浙北和上海等长三角核心城市。

（2）长三角农业在21世纪初期的发展过程中不仅注重数量和质量的增长，也兼顾了与空间的适应，形成了良好的产业空间集聚，随后各城市功能逐步确定，整体匹配质量趋于平稳，安徽的匹配质量最高，江苏和上海次之，浙江相对较低。匹配质量最高的城市均为皖北、苏北的粮食主产区，匹配质量最低的城市是长三角新兴工业化城市。

（3）农业水土资源匹配度对长三角农业经济增长具有显著的负向影响。原因在于长三角农业规模适中的地区制造业和生产性服务业发达，农业规模虽然不大，但在资金和技术的支持下，注重高附加值、精细化生产，对水土资源的利用率较高；农业欠发达地区虽然可用水土资源不足，但长三角一体化给这些地区带来了大量的资金和先进的技术，因此农业发展也注重高附加值、精细化发展，水土资源利用率也较高；农业发达地区耕地水土资源丰富，但受到种粮耕地红线等政策影响，其农产品以价格较低的粮食为主、附加值低，且距离长三角核心区较远，资金、技术、人才等资源汇聚能力相对较弱，导致水土资源利用率显示较低。农业相对优势匹配质量对农业经济增长的影响不显著，主要是因为长三角地区普遍对农业重视不足，更加注重制造业和服务业的发展与升级。

（4）劳动力投入对长三角农业规模有显著的促进作用，但目前长三角劳动力大多集中在第二产业和第三产业，第一产业劳动力供给不足，限制了长三角农业的发展；资金投入对农业规模的影响为负数，再次验证了非农业发达地区的机械化、科技化程度更高的结论；化肥使用量的影响不显著表明长三角农业整体正向有机化、高端化转型。