徐孝新，孫自敏，劉戒驕

（1.信陽師范學院 商學院，河南 信陽 464000；2.中國社會科學院 工業(yè)經濟研究所，北京 100044）

一、引言

改革開放以來，我國農業(yè)發(fā)展取得優(yōu)異成績。糧食生產實現(xiàn)了“十七連豐”，2020 年全國糧食總產量高達13390 億斤，比上年增加113 億斤，為確保國家糧食安全提供了堅實支撐①來源于國家統(tǒng)計局2020-12-10 日公布的全國糧食生產數(shù)據(jù)。。在農業(yè)快速發(fā)展的同時，出現(xiàn)了“三本齊升”與“三量齊增”、國內外農產品價格嚴重倒掛、農業(yè)結構性矛盾日益凸顯等問題。破解我國農業(yè)發(fā)展面臨的新矛盾和新問題，需要在維持農業(yè)發(fā)展總量規(guī)模和增長速度的基礎上，更加重視農業(yè)發(fā)展質量、效益和效率。在2021 年12 月25 日召開的中央農村工作會議上，習近平總書記強調“應對各種風險挑戰(zhàn)，必須著眼國家戰(zhàn)略需要，穩(wěn)住農業(yè)基本盤”。糧食主產區(qū)作為國家糧食安全的“壓艙石”，其農業(yè)發(fā)展質量直接關系農業(yè)發(fā)展水平、鄉(xiāng)村振興、農民增收等重要問題②新華網(wǎng).習近平：飯碗要端在自己手里.http：//www.xinhuanet.com//politics/2015-08/25/c_128164006_2.htm。。然而，由于受農業(yè)產業(yè)基礎、技術水平及經營模式等因素影響，農業(yè)高質量發(fā)展不充分不平衡問題依舊突出。目前我國糧食主產區(qū)農業(yè)高質量發(fā)展水平如何？糧食主產區(qū)農業(yè)高質量發(fā)展的區(qū)域差異大小及其來源如何？它是否存在收斂性？對這些問題的回答有助于全面認識農業(yè)高質量發(fā)展差異的空間特性，精準把握糧食主產區(qū)農業(yè)高質量發(fā)展差異的大小及其來源，從而為推動糧食主產區(qū)農業(yè)高質量發(fā)展提供有益啟示。

當前關于我國農業(yè)高質量發(fā)展問題的研究主要聚焦于發(fā)展質量測度及其時空差異分析兩個方面。在農業(yè)高質量發(fā)展水平測度方面，一部分學者依據(jù)經濟增長理論，將生產率作為衡量農業(yè)發(fā)展水平的重要指標，即采用農業(yè)全要素生產率或農業(yè)綠色全要素生產率等指標來度量農業(yè)發(fā)展質量（武宵旭等，2019；呂娜和朱立志，2019；龔銳等，2020）。鑒于農業(yè)高質量發(fā)展具有多維特征，單一指標無法準確度量。因此，越來越多的學者傾向于通過構建綜合指標評價體系進行測度分析。一類學者基于農業(yè)高質量發(fā)展的內涵和產業(yè)特征構建評價指標體系，如辛嶺和安曉寧（2019）、張鴻等（2020）、張峰（2021）等。另一類學者基于五大發(fā)展理念，構建多維評價指標體系，運用主客觀賦權法對我國省域農業(yè)高質量發(fā)展水平進行評價，如黎新伍和徐書彬（2020）、劉忠宇和熱孜燕·瓦卡斯（2021）、劉濤和杜思夢（2021）等。農業(yè)高質量發(fā)展的時空差異也引起一部分學者的關注。如劉濤等（2020）利用空間計量方法分析了農業(yè)高質量發(fā)展的時空格局，發(fā)現(xiàn)我國農業(yè)高質量發(fā)展呈現(xiàn)非均衡狀態(tài)。黎新伍和徐書彬（2020）運用探索性空間數(shù)據(jù)分析法對農業(yè)高質量發(fā)展的空間分布特征進行分析，發(fā)現(xiàn)省際間農業(yè)高質量發(fā)展水平差異顯著，區(qū)域之間差距在逐步縮小。劉忠宇和熱孜燕·瓦卡斯（2021）采用Dagum 基尼系數(shù)、Kernel 密度估計及Markov 鏈等方法考察了農業(yè)高質量發(fā)展的區(qū)域差異及動態(tài)演進，發(fā)現(xiàn)我國農業(yè)高質量發(fā)展存在區(qū)域差異，且具有一定的鄰接依賴性。

上述研究不僅為本文農業(yè)高質量發(fā)展的內涵界定和指標體系構建提供了理論支撐，也對研究區(qū)域時空差異及收斂性提供了方法論指引。然而，在對我國農業(yè)高質量發(fā)展測度及區(qū)域差異進行研究時，以全國所有省份為研究樣本進行整體分析，尚未考慮到農業(yè)生產結構區(qū)域特征差異，以糧食主產區(qū)為對象進行有針對性的研究也較為匱乏，進而也未能全面、準確評價其高質量發(fā)展狀況并剖析其空間差異。因此，本文以糧食主產區(qū)13 個省份為研究樣本，從新發(fā)展理念視角理解農業(yè)高質量發(fā)展內涵，以此構建綜合評價指標體系，利用加入時間變量的熵權法對其發(fā)展水平進行測度，采用Dagum 基尼系數(shù)揭示糧食主產區(qū)農業(yè)高質量發(fā)展的區(qū)域差異大小及其來源，并運用多種收斂方法考察其收斂性特征。

二、研究區(qū)域、方法與數(shù)據(jù)說明

（一）研究區(qū)域

本文選擇糧食主產區(qū)（13 個?。奂Z食主產區(qū)各省區(qū)的確定具體來自于國家財政部在2003 年末發(fā)布的《關于改革和完善農業(yè)綜合開發(fā)若干政策措施的意見》的文件，其中將包括黑龍江、吉林、遼寧、內蒙古、河北、山東、江蘇、安徽、河南、湖北、湖南、江西、四川，共計13 個省份確定為我國糧食主產區(qū)。作為研究樣本，其原因主要在于：一是糧食主產區(qū)作為重要的產糧基地，對緩解國家糧食安全問題、推動國民經濟發(fā)展和鞏固農業(yè)基礎與戰(zhàn)略地位具有重要作用；二是糧食主產區(qū)內部的生產條件（地形、土壤等）具有較強的一致性，利用主產區(qū)樣本與熵值法的匹配性較高，可以更好的反映全國的農業(yè)高質量發(fā)展水平。鑒于此，本文對糧食主產區(qū)農業(yè)高質量發(fā)展進行評價，并按照自然地理區(qū)位并借鑒崔寧波和董晉（2021）的區(qū)劃界定，將我國糧食主產區(qū)分為7 個北方主產區(qū)和6個南方主產區(qū)，具體劃分見表1。

表1 糧食主產區(qū)空間界定

（二）農業(yè)高質量發(fā)展評價指標體系構建

新發(fā)展理念是對新時代高質量發(fā)展的新要求，也是檢驗高質量發(fā)展的評價準則（金碚，2018）。本文根據(jù)新發(fā)展理念的相關論述，借鑒現(xiàn)有研究文獻（黎新伍和徐書彬，2020；劉忠宇和熱孜燕·瓦卡斯，2021），將農業(yè)高質量發(fā)展理解為創(chuàng)新發(fā)展為核心動力、協(xié)調發(fā)展為內在要求、綠色發(fā)展為必然選擇、開放發(fā)展為必由之路、共享發(fā)展為價值導向的發(fā)展狀態(tài)。此外，本文遵循有效性、全面性及可操作性原則，構建5 個維度25 個具體指標的農業(yè)高質量發(fā)展綜合指標評價體系，旨在對糧食主產區(qū)農業(yè)高質量發(fā)展水平進行科學、準確測度，具體評價指標體系見表2。

表2 糧食主產區(qū)農業(yè)高質量發(fā)展水平綜合指標評價體系

續(xù)表

（三）研究方法與數(shù)據(jù)來源

1.加入時間變量的熵權法

熵權法是一種常用的客觀賦權方法，它可以平衡眾多準則指標之間的關系，有效避免主觀因素造成的結果偏誤（Srdjevic et al，2004）。本文在考慮時間變量的基礎上，利用熵權法確定糧食主產區(qū)農業(yè)高質量發(fā)展的評價指標權重，進而對其發(fā)展水平進行測度。具體測算過程參考楊麗和孫之淳（2015）、鎖箭和湯瑞豐（2020）、劉會武等（2021），文中不再贅述。

2.Dagum 基尼系數(shù)及其分解

Dagum（1997）提出按子群分解的基尼系數(shù)方法，這種方法既可分解出區(qū)域差異的來源，又可評估個體間的交互作用，彌補了傳統(tǒng)區(qū)域差異衡量方法的局限性，故本文采用該方法分析糧食主產區(qū)農業(yè)高質量發(fā)展的區(qū)域差異及來源，其表達形式如下：

Dagum 將總體基尼系數(shù)G分解為三部分：區(qū)域內差異貢獻Gw、區(qū)域間差異貢獻Gnb和超變密度貢獻Gt，且滿足G=Gw+Gnb+Gt。Gjj和Gjh分別衡量糧食主產區(qū)農業(yè)高質量發(fā)展的區(qū)域內差異和區(qū)域間差異，其中j和h代表糧食主產區(qū)中的不同區(qū)域；k為區(qū)域個數(shù)；n為樣本內省份數(shù)量；nj(nh)為j(h)區(qū)域內省份個數(shù)；yji(yhr)是j(h)地區(qū)的第i(r)省份的農業(yè)高質量發(fā)展指數(shù)；是糧食主產區(qū)農業(yè)高質量發(fā)展指數(shù)均值；Pj(h)=nj(h)/n為j(h)區(qū)域內省份個數(shù)在糧食主產區(qū)中所有省份占比=1，2，…，7，h=1，2，…，6；Djh為不同區(qū)域間農業(yè)高質量發(fā)展的相互影響。

3.收斂性分析方法

σ收斂表示隨著時間推移樣本值偏離整體平均水平的離差不斷降低的發(fā)展趨勢，本文用于考察糧食主產區(qū)農業(yè)高質量發(fā)展是否隨著時間的變化最終趨于一個水平狀態(tài)。若σ收斂系數(shù)呈不斷降低趨勢，則說明糧食主產區(qū)農業(yè)高質量發(fā)展存在σ收斂趨勢，反之，則呈發(fā)散趨勢。借鑒楊騫和秦文晉（2018）的思路，σ收斂的具體形式如式（7）所示。

其中：i表示第i個省份，i=1，2，…，13；N為省份個數(shù)；lnfqi，t為省份i在t時期農業(yè)高質量發(fā)展水平的自然對數(shù)為該時期糧食主產區(qū)所有省份農業(yè)高質量發(fā)展水平自然對數(shù)的算術平均值。

β收斂是指初始發(fā)展水平低的區(qū)域具有更高的增幅，隨著時間的推移，會趕上初始水平高的區(qū)域（Barro和Sala，1992），即各區(qū)域間的發(fā)展會存在“追趕效應”。絕對β收斂是指假設影響農業(yè)高質量發(fā)展的因素相一致的情況下，不同區(qū)域的農業(yè)高質量發(fā)展水平仍呈收斂狀態(tài)。本文采用絕對β收斂檢驗方法，分析2003—2018 年間糧食主產區(qū)農業(yè)高質量發(fā)展水平是否趨同。構建模型如式（8）所示。

其中：ln(fqi，t+1fqi，t)表示糧食主產區(qū)第i個省份農業(yè)高質量發(fā)展水平在第t+1 期間增長率的自然對數(shù)；fqi，t和fqi，t+1分別代表樣本t和t+1 期的農業(yè)高質量發(fā)展水平；wij為空間鄰接權重矩陣；β為收斂系數(shù)；在不考慮其他控制因素的情況下，若β＜0，則表明農業(yè)高質量發(fā)展水平存在收斂特征；反之，則發(fā)散；ρ為空間滯后系數(shù)；μ為誤差項。

條件β收斂是在絕對β收斂模型中加入控制影響農業(yè)高質量發(fā)展的相關因素后，考察糧食主產區(qū)中不同省份農業(yè)高質量發(fā)展水平是否會收斂于相同的穩(wěn)態(tài)水平。本文借鑒潘丹和應瑞瑤（2013）、李海鵬等（2020）、劉亦文等（2021）的思路，將產業(yè)結構合理化、對外開放程度、環(huán)境污染治理投資力度、R&D 科研經費投入等控制變量納入條件β收斂模型。產業(yè)結構合理化（ISR）用泰爾指數(shù)計算得出、環(huán)境污染治理投資力度（EPI）用環(huán)境污染治理投資額占GDP 比重表示、R&D 科研經費投入（RFI）用R&D 經費支出占GDP 比重表示、對外開放程度（DO）用實際利用外商投資占地區(qū)GDP 比重表示、第三產業(yè)發(fā)展水平（AVT）用第三產業(yè)增加值占地區(qū)生產總值比重表示，其中Xi，t表示以上所涉及的控制變量。構建模型如式（9）所示。

習近平總書記指出：“講政治，是我們黨補鈣壯骨、強身健體的根本保證，是我們黨培養(yǎng)自我革命勇氣、增強自我凈化能力、提高排毒殺菌政治免疫力的根本途徑。”講政治是黨員領導干部要始終繃緊的弦，黨校必須把講政治貫穿于干部教育培訓的全過程，引領黨員領導干部堅定正確的政治方向，善于從政治上觀察問題、思考問題、解決問題，將講政治作為黨校講壇的首要標準，尤其是黨校課堂講授習近平新時代中國特色社會主義思想，授課內容可以是課程體系中的某一方面，但其根本不能丟，這個根本就是黨校姓黨、堅持黨性原則、講政治。

β收斂速度ν用來表示糧食主產區(qū)內農業(yè)高質量發(fā)展低水平省份追趕上高水平省份的速度，具體計算如式（10）所示。

4.數(shù)據(jù)來源與說明

本文選取2003—2018 年糧食主產區(qū)13 個省份25 個基礎指標數(shù)據(jù)，數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國農村統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》《中國農業(yè)年鑒》等。個別缺失數(shù)據(jù)從各省統(tǒng)計年鑒中補充或采用線性插值法補充，剔除個別異常值的樣本，得到平衡面板數(shù)據(jù)。需要說明的是：①農村人口平均受教育年限的計算公式為（文盲人數(shù)×1+小學學歷人數(shù)×6+初中學歷人數(shù)×9+高中和中專學歷人數(shù)×12+大專及本科以上學歷人數(shù)×16）/6 歲以上人口總數(shù)（黎新伍和徐書彬，2020）；②產業(yè)結構合理化采用泰爾指數(shù)作為度量指標（干春暉等，2011）；③為使區(qū)域間具有可比性，25 個基礎指標均采用相對比率法來反映其發(fā)展程度，即用具體指標數(shù)據(jù)分別除以區(qū)域耕地面積、播種面積、財政總支出等總量數(shù)據(jù)。

三、糧食主產區(qū)農業(yè)高質量發(fā)展時空分異特征

（一）糧食主產區(qū)農業(yè)高質量發(fā)展水平測度結果分析

2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展指數(shù)的年度值和均值的結果見表3。結果表明，糧食主產區(qū)農業(yè)高質量發(fā)展指數(shù)在波動中呈總體上升趨勢，期末值較期初值明顯上升，其均值從2003 年的0.208 波動上升至2018 年0.314，年均增長2.791%。具體而言，江蘇、安徽、江西、湖北、湖南、四川和河南七省農業(yè)高質量發(fā)展指數(shù)年均增長率超過了糧食主產區(qū)的平均增速。其中，江蘇省農業(yè)高質量發(fā)展指數(shù)從2003 年的0.184上升到了2018 年的0.452，年均增長6.19%，發(fā)展速度最快；吉林省農業(yè)高質量發(fā)展指數(shù)從2003 年的0.291 上升到了2018 年的0.315，年均增長0.53%，發(fā)展速度最慢。此外，江蘇省農業(yè)高質量發(fā)展整體水平最高，2003年江蘇省農業(yè)高質量發(fā)展水平值僅為0.184，且明顯低于內蒙古、遼寧、黑龍江等省份，但由于江蘇省農業(yè)高質量發(fā)展勢頭強勁，在2009 年江蘇省農業(yè)高質量發(fā)展水平位列第一。整個樣本期內，安徽省農業(yè)高質量發(fā)展指數(shù)排名倒數(shù)第一，但其發(fā)展速度較快，初步印證了糧食主產區(qū)農業(yè)高質量發(fā)展出現(xiàn)追趕效應。

表3 糧食主產區(qū)農業(yè)高質量發(fā)展水平測度結果

（二）糧食主產區(qū)農業(yè)高質量發(fā)展的區(qū)域差異

1.總體差異

為進一步揭示糧食主產區(qū)農業(yè)高質量發(fā)展的區(qū)域差異大小及來源，本部分采用Dagum 基尼系數(shù)對其進行分解，結果如圖1和表4 所示。圖1 繪制了2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展總體差異的變動趨勢。從靜態(tài)視角看，糧食主產區(qū)農業(yè)高質量發(fā)展總體差異的均值為0.151，這說明糧食主產區(qū)農業(yè)高質量發(fā)展水平存在一定的區(qū)域差異。從動態(tài)視角看，樣本期內糧食主產區(qū)農業(yè)高質量發(fā)展的總體差異在波動中呈總體下降趨勢。具體而言，2003—2006 年糧食主產區(qū)農業(yè)高質量發(fā)展的總體差異呈小幅上升趨勢，由2003 年的0.160 上升至2006 年的0.191，但在2007 年開始轉呈下降趨勢，其差異由2007 年的0.176 下降至2018 年的0.128，年均下降至2.87%，總體差異的期末值較期初值明顯下降，從2003 年的0.160 波動下降至2018 年0.128。以上表明，糧食主產區(qū)農業(yè)高質量發(fā)展總體差異具有明顯的階段性變化特征，整體上農業(yè)高質量發(fā)展差異在不斷地縮小。

圖1 糧食主產區(qū)農業(yè)高質量發(fā)展的總體基尼系數(shù)

2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展的區(qū)域差異大小及變化情況見表4。從靜態(tài)視角來看，南方主產區(qū)農業(yè)高質量發(fā)展的區(qū)域內差異均值為0.156，而北方主產區(qū)的差異均值僅為0.103。具體而言，2003 年南方主產區(qū)的區(qū)域內差異僅為0.065，明顯低于北方主產區(qū)的0.114，從2004 年起，南方主產區(qū)的區(qū)域內差異超過北方主產區(qū)，并持續(xù)到樣本末期。而南北方主產區(qū)的區(qū)域間差異均值為0.179，明顯高于南方、北方主產區(qū)地區(qū)內差異。從動態(tài)視角看，北方主產區(qū)的區(qū)域內差異呈波動下降趨勢，由2003 年的0.114 下降至2017 年的0.081，年均下降2.39%，但在2018 年轉呈上升至0.120，南方主產區(qū)的區(qū)域內差異在樣本前期（2003—2006 年）呈大幅上升趨勢，年均增長47.12%，樣本后期（2007—2018 年）呈平穩(wěn)下降，由2007 年的0.186 下降至2018 年的0.124。南北方主產區(qū)的區(qū)域間差異在波動中呈總體下降趨勢，由2003 年的0.224 下降至2018 年的0.135，年均下降至3.34%。以上論述表明，南方主產區(qū)農業(yè)高質量發(fā)展的內部差異明顯大于北方主產區(qū)，而南北方主產區(qū)的區(qū)域間差異最大，呈波動下降趨勢。

3.差異來源及其貢獻率

2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展差異的來源及其貢獻率結果見表4。從靜態(tài)視角看，區(qū)域內差異、區(qū)域間差異和超變密度對糧食主產區(qū)農業(yè)高質量發(fā)展差異的貢獻率均值分別為41.55%、32.65%和25.80%。從動態(tài)視角看，區(qū)域內差異貢獻率呈波動上升趨勢，從2003 年的31.43%上升至2018 年的47.85%，達到樣本期內最大值，年均上升2.84%。除2012—2014 年區(qū)域間差異貢獻率呈上升狀態(tài)外，其余年份均呈波動下降趨勢。超變密度貢獻率與區(qū)域間差異貢獻率的演進趨勢大致相反，在波動中呈總體上升態(tài)勢。

表4 糧食主產區(qū)農業(yè)高質量發(fā)展的基尼系數(shù)及貢獻率

四、糧食主產區(qū)農業(yè)高質量發(fā)展的收斂性檢驗

（一）σ 收斂分析

2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展σ收斂系數(shù)的變化趨勢如圖2 所示。樣本期內糧食主產區(qū)農業(yè)高質量發(fā)展的σ收斂系數(shù)在波動中呈總體下降趨勢，期末值較期初值有所下降，由2013 年的0.192 波動下降至2018 年0.150，降幅為1.61%，這表明糧食主產區(qū)農業(yè)高質量發(fā)展存在σ收斂特征，即糧食主產區(qū)農業(yè)高質量發(fā)展差異呈縮小趨勢，這一結論與Dagum 基尼系數(shù)測算結果相一致。從分區(qū)域看，南方主產區(qū)農業(yè)高質量發(fā)展σ收斂系數(shù)與全樣本農業(yè)高質量發(fā)展σ收斂系數(shù)的變化趨勢高度相似，但其σ收斂系數(shù)的均值明顯低于全樣本。北方主產區(qū)農業(yè)高質量發(fā)展σ收斂系數(shù)變化幅度較小，但整體呈下降趨勢，具有明顯的σ收斂特征。

圖2 糧食主產區(qū)農業(yè)高質量發(fā)展σ 收斂系數(shù)變化趨勢

（二）空間自相關分析

2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展莫蘭指數(shù)的檢驗結果見表5。除2013 年和2014 年外，其余年份農業(yè)高質量發(fā)展莫蘭指數(shù)均大于0。樣本期內僅有2016 年、2017 年和2018 年的莫蘭指數(shù)未通過顯著性水平檢驗，但這并不能說明糧食主產區(qū)農業(yè)高質量發(fā)展不存在空間相關性。部分年份的莫蘭指數(shù)不顯著的原因可能在于，基于二進制的空間鄰接矩陣測算得到的莫蘭指數(shù)，在空間鄰接矩陣中地區(qū)間的聯(lián)系取決于地區(qū)間是否存在鄰接關系，即當?shù)貐^(qū)間相鄰時，就存在相同的影響；當?shù)貐^(qū)間不相鄰時，就不存在相互影響，這與地理學第一定律相悖（伍國勇等，2020）。如四川省與糧食主產區(qū)內其余省份無鄰接關系，但在生產要素的空間溢出效應作用下，可以影響到四川省農業(yè)高質量發(fā)展。此外，由于地區(qū)間的正負效應持平也可能會使莫蘭指數(shù)變得不顯著（李婧等，2010）。

表5 糧食主產區(qū)農業(yè)高質量發(fā)展莫蘭指數(shù)檢驗結果

（三）β 收斂檢驗

本部分使用空間計量模型對糧食主產區(qū)農業(yè)高質量發(fā)展進行β收斂檢驗。常見空間計量模型包括空間滯后模型又稱為空間自回歸模型（spatial autoregression，SAR）、空間誤差模型（spatial errors model，SEM）和空間杜賓模型（spatial dubin model，SDM），而SDM 是SAR 和SEM 的擴展形式，可以同時考慮被解釋變量與解釋變量的自相關性，更能有效捕捉不同來源所產生的外部性和溢出效應（于偉等，2021）。LR 檢驗發(fā)現(xiàn)其統(tǒng)計量通過1%的顯著性水平，這表明SDM 模型不能簡化為SAR 模型和SEM 模型，故選擇空間杜賓模型對β收斂進行檢驗。此外，通過Hausman 檢驗發(fā)現(xiàn)，其統(tǒng)計量在1%的顯著性水平下通過卡方檢驗，故選擇固定效應模型。

1.絕對β 收斂檢驗

2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展的絕對β收斂檢驗結果如表6 所示。結果顯示，糧食主產區(qū)農業(yè)高質量發(fā)展的空間滯后系數(shù)ρ顯著為正，這說明糧食主產區(qū)農業(yè)高質量發(fā)展存在顯著的空間相關性，而空間相關性是糧食主產區(qū)農業(yè)高質量發(fā)展呈現(xiàn)β收斂的重要因素。從全樣本看，β回歸系數(shù)在1%水平下顯著為負，這意味著糧食主產區(qū)農業(yè)高質量發(fā)展存在絕對β收斂趨勢，收斂速度為6.00%，這表明隨著時間推移糧食主產區(qū)農業(yè)高質量發(fā)展存在追趕效應。從分區(qū)域看，北方主產區(qū)和南方主產區(qū)的回歸系數(shù)顯著為負，北方主產區(qū)空間滯后系數(shù)ρ為正且通過顯著性水平檢驗，而南方主產區(qū)的空間滯后系數(shù)ρ為正且但未通過顯著性水平檢驗，說明北方主產區(qū)存在絕對β收斂趨勢，而南方主產區(qū)內部的農業(yè)高質量發(fā)展不存在顯著的空間相關性，未表現(xiàn)出絕對β收斂趨勢。為了消除經濟周期的影響，將樣本期分成2003—2007 年、2008—2012 年和2013—2018 年三個階段，對其分別進行絕對β收斂檢驗。在分階段考察中，β回歸系數(shù)顯著為負，且空間滯后系數(shù)ρ均通過了顯著性水平檢驗，進一步對糧食主產區(qū)農業(yè)高質量發(fā)展存在絕對β收斂進行佐證。

表6 糧食主產區(qū)農業(yè)高質量發(fā)展的絕對β 收斂檢驗

2.條件β 收斂檢驗

加入相關控制變量的糧食主產區(qū)農業(yè)高質量發(fā)展的條件β收斂檢驗結果如表7 所示。從全樣本看，β回歸系數(shù)顯著為負，空間滯后系數(shù)ρ顯著為正，說明在充分考慮糧食主產區(qū)產業(yè)結構合理化、對外開放程度、R&D 科研經費投入等條件下，糧食主產區(qū)內不同省份間的農業(yè)高質量發(fā)展水平存在條件β收斂，即如果一省農業(yè)高質量發(fā)展水平較低，則其發(fā)展速度較快，反之發(fā)展速度較慢，省份間差異呈收斂趨勢，收斂速度為8.00%?？刂谱兞恐校a業(yè)結構合理化、對外開放程度和R&D 科研經費投入的提高對農業(yè)高質量發(fā)展起到促進作用，而第三產業(yè)的發(fā)展會在一定程度上抑制糧食主產區(qū)農業(yè)高質量發(fā)展水平的提高，這說明可以通過調整產業(yè)結構合理化和第三產業(yè)占比、提高對外開放程度、增加R&D 科研經費投入等來提高糧食主產區(qū)農業(yè)高質量發(fā)展水平。從分區(qū)域看，北方主產區(qū)和南方主產區(qū)的β回歸系數(shù)顯著為負，北方主產區(qū)空間滯后系數(shù)ρ為正且通過顯著性水平檢驗，南方主產區(qū)的空間滯后系數(shù)ρ為正但未通過顯著性水平檢驗，說明北方主產區(qū)存在條件β收斂，且收斂速度為7.89%，而南方主產區(qū)并未呈現(xiàn)出明顯的條件β收斂趨勢?？刂谱兞恐?，提高產業(yè)結構合理化程度與增加R&D 科研經費投入對北方主產區(qū)農業(yè)高質量發(fā)展具有促進作用。從分時期看，三個階段的β回歸系數(shù)均顯著為負，但只有2003—2007 年和2008—2012 年的空間滯后系數(shù)ρ顯著為正，表明以上兩個階段存在條件β收斂，收斂速度分別為72.24%和44.70%。其中，2003—2007 年間糧食主產區(qū)農業(yè)高質量發(fā)展收斂速度最快。

表7 糧食主產區(qū)農業(yè)高質量發(fā)展的條件β 收斂檢驗

五、結論與建議

本文基于新發(fā)展理念，構建糧食主產區(qū)農業(yè)高質量發(fā)展綜合指標評價體系，利用加入時間變量的熵權法對2003—2018 年糧食主產區(qū)農業(yè)高質量發(fā)展水平進行測度，在此基礎上運用Dagum 基尼系數(shù)對其區(qū)域差異及來源進行分析，并采用σ收斂和β收斂對糧食主產區(qū)農業(yè)高質量發(fā)展的收斂機制進行檢驗。主要結論如下：①糧食主產區(qū)農業(yè)高質量發(fā)展水平整體不高，且在波動中呈總體上升趨勢。安徽、江西等南方主產區(qū)6省農業(yè)高質量發(fā)展水平增速明顯快于河北、河南等北方主產區(qū)7 省，呈現(xiàn)空間分布格局上的南弱北強及增速上的南快北慢格局并存。②樣本期內糧食主產區(qū)農業(yè)高質量發(fā)展存在明顯的區(qū)域差異，其總體差異在波動中呈總體下降趨勢，區(qū)域內差異與區(qū)域間差異交替成為總體差異的主要來源；南方主產區(qū)的區(qū)域內差異較大，其發(fā)展趨勢呈先上升后下降趨勢；北方主產區(qū)的區(qū)域內差異和南北方主產區(qū)的區(qū)域間差異較小，均呈波動式下降趨勢。③糧食主產區(qū)農業(yè)高質量發(fā)展具有明顯的收斂特征。從σ收斂檢驗來看，糧食主產區(qū)農業(yè)高質量發(fā)展均存在明顯的σ收斂特征。從β收斂檢驗來看，糧食主產區(qū)農業(yè)高質量發(fā)展的β回歸系數(shù)均為負值，且通過了1%統(tǒng)計性顯著檢驗，在考慮了產業(yè)結構合理化、對外開放程度、R&D 科研經費投入力度等情況下，除了南方主產區(qū)外，糧食主產區(qū)總體和北方主產區(qū)農業(yè)高質量發(fā)展均存在絕對和條件β收斂。

基于上述研究結果，本文認為在提高糧食主產區(qū)農業(yè)高質量發(fā)展水平的同時，也應注重化解農業(yè)高質量發(fā)展不平衡問題。一方面，正視我國農業(yè)高質量發(fā)展水平不高的現(xiàn)實，進一步提升其總體發(fā)展水平以破解農業(yè)發(fā)展不充分問題。既要深化農業(yè)供給側結構性改革，加大農業(yè)科技、資金、人員等傳統(tǒng)要素投入的支持力度，還要積極發(fā)展農業(yè)新業(yè)態(tài)、新模式，培育龍頭企業(yè)和知名品牌以提高國際競爭力，更要加強農業(yè)信息基礎設施建設，建立涵蓋天氣預報、蟲害預警、產品質量溯源等在內的農業(yè)大數(shù)據(jù)統(tǒng)一共享服務平臺，與其他相關涉農信息連接共享以消除農業(yè)數(shù)據(jù)孤島，實現(xiàn)農業(yè)生產、監(jiān)測、管理的智能化、精細化和數(shù)字化，充分利用數(shù)字經濟賦能糧食主產區(qū)農業(yè)高質量發(fā)展；另一方面，把握糧食主產區(qū)農業(yè)高質量發(fā)展水平區(qū)域差異的同時，也要認識到其收斂特征，積極化解農業(yè)發(fā)展不平衡問題，縮小區(qū)域發(fā)展差異。加強糧食主產區(qū)內部各省之間的交流合作，構建“點-線-面”的區(qū)域合作機制，促進先進農業(yè)生產要素在地區(qū)間高效流動，發(fā)揮空間正相關性和空間溢出效應，通過“追趕效應”和“以高帶低”拉動機制，推動糧食主產區(qū)農業(yè)高質量發(fā)展協(xié)同邁向更高層次。