摘要：探究縣域農業(yè)經濟增長的空間特征及其影響因素，對促進廣西縣域經濟協(xié)調發(fā)展意義重大?；趶V西96個縣域的面板數(shù)據，采用ESDA分析法分析廣西農業(yè)經濟增長的時空演變特征，構建空間杜賓模型深入剖析廣西農業(yè)經濟增長的影響因素及其空間效應，并分區(qū)域考察各影響因素對農業(yè)經濟增長的貢獻差異。結果表明：廣西縣域農業(yè)經濟增長整體表現(xiàn)出較強的空間相關性，局部空間關聯(lián)存在明顯的“高—高”和“低—低”空間集聚特征；各投入要素對農業(yè)經濟增長的影響存在較大差異，且空間效應以正向為主，土地、農業(yè)技術和政府資本等要素投入每增加1%，將分別帶來農業(yè)經濟增長水平提高0.706%、0.994%、0.108%；廣西5大內部區(qū)域農業(yè)經濟增長的主要影響因素及其影響程度存在明顯差異，空間效應也存在明顯的區(qū)域差異?；谘芯拷Y論得出政策啟示：加強相鄰縣域之間農業(yè)發(fā)展的區(qū)域協(xié)同性，并努力縮減縣域之間農業(yè)經濟增長差距；各內部區(qū)域應有針對性地提升農業(yè)投入水平，遵循相對比較優(yōu)勢原則，通過增加農業(yè)要素投入促進農業(yè)經濟增長。

關鍵詞：廣西縣域；農業(yè)經濟增長；時空特征；空間杜賓模型；內部區(qū)域；ESDA分析法

中圖分類號：F329.9 文獻標識碼：A 文章編號：2095?5553 （2024） 11?0309?10

Research on the spatio?temporal characteristics and influencing factors of agricultural economic growth in Guangxi： A spatial econometric analysis based on

panel data of 96 counties

Lu Qian1， Ban Jincai1， Xiang Yun1， 2

（1. Business School， Guilin University of Electronic Technology， Guilin， 541004， China;

2. Lingnan College， Sun Yat?sen University， Guangzhou， 510275， China）

Abstract： Exploring the spatial characteristics of county agricultural economic growth and its influencing factors is of great significance to promote the coordinated development of county economy in Guangxi. Based on the panel data of 96 counties in Guangxi， the spatial and temporal evolution characteristics of Guangxi's agricultural economic growth were analyzed by ESDA analysis method， and the influencing factors and spatial effects of Guangxi's agricultural economic growth were deeply analyzed by building a spatial Durbin model， and the difference of contributions of each influencing factor to agricultural economic growth was investigated by region. The results show that Guangxi county agricultural economic growth as a whole shows strong spatial correlation， and the local spatial correlation has obvious “high?high” and “l(fā)ow?low” spatial clustering characteristics. The influence of each input factor on agricultural economic growth has large differences， and the spatial effect is mainly positive， and every 1% increase in the inputs of factors such as land， agricultural technology and government capital will bring about an increase in the level of agricultural economic growth by 0.706%， 0.994%， and 0.108%， respectively; there are obvious differences in the main influencing factors of the growth of the agricultural economy in the five internal regions of Guangxi， as well as the degree of their influence， and the spatial effect also has obvious regional differences. The policy implications are drawn based on the findings of the study as follows： firstly， regional synergies in agricultural development between neighboring counties should be strengthened， and efforts should be made to narrow the gap in agricultural economic growth between counties. Secondly， each internal region should target the level of agricultural inputs， follow the principle of relative comparative advantage， and promote agricultural economic growth by increasing agricultural factor inputs.

Keywords： Guangxi county; agricultural economic growth; spatio?temporal characteristics; spatial Durbin model; internal regions; ESDA analysis

0 引言

農業(yè)經濟增長是中央和各地方政府關注的重點。2021年中央一號文件強調繼續(xù)聚焦“三農”問題，全面打贏脫貧攻堅收官之戰(zhàn)。農業(yè)經濟對廣西來說尤為重要，近年來，廣西農業(yè)經濟發(fā)展整體呈現(xiàn)向好發(fā)展態(tài)勢，但相對于其他發(fā)達省份，農業(yè)經濟增長速度仍比較緩慢，且廣西各縣域農業(yè)經濟增長水平也極不均衡，存在較大的內部差異。因此，理清廣西縣域層面農業(yè)經濟增長的空間特征及其影響因素，對促進廣西縣域之間協(xié)調發(fā)展意義重大。

近年來，農業(yè)經濟增長相關研究是學術界關注的焦點。伴隨著空間計量學的發(fā)展，學者們開始關注經濟變量之間的相關性，也有學者開始從空間視角來分析農業(yè)經濟增長問題。例如，盧新海等[1]研究發(fā)現(xiàn)耕地利用轉型與農業(yè)經濟增長之間存在空間關聯(lián)性。李兆亮等[2]分析認為我國農業(yè)綠色經濟增長存在顯著的空間聚集特征。劉俐[3]分析發(fā)現(xiàn)我國農業(yè)經濟增長在各省份之間存在顯著的空間溢出效應。姚成勝等[4]運用泰爾指數(shù)、探索性空間分析、面板回歸模型等方法，深入剖析了我國省際農業(yè)經濟發(fā)展的區(qū)域差異和時空格局演變。此外，還有學者專門探討了農業(yè)經濟增長的驅動影響及其作用機制。于揚等[5]分析發(fā)現(xiàn)中國農業(yè)經濟增長對投資有著較大依賴，而勞動力與機械化水平的貢獻程度相對較低。蔣黎等[6]分析得出農村環(huán)境質量與經濟發(fā)展水平呈倒“U”型曲線關系的結論。侯石安等[7]借助VAR模型發(fā)現(xiàn)現(xiàn)代物流投入、財政支農支出和農村固定資產投資對貴州農業(yè)經濟增長均有正向影響。湯進華[8]分析指出林業(yè)和漁業(yè)對農業(yè)經濟增長貢獻較大，畜牧業(yè)和種植業(yè)的貢獻次之。梳理發(fā)現(xiàn)，學者普遍認為農業(yè)機械投入[9?11]、農業(yè)財政投入[12?14]、農村勞動力質量[15?17]等是農業(yè)經濟增長的重要影響因素。從已有研究來看，關于農業(yè)經濟增長的相關成果十分豐富，這為本研究提供了良好基礎，但是過往研究多聚焦于較發(fā)達地區(qū)或省份，且主要以全國、省級或地級市作為分析對象，專門探究縣域層面農業(yè)經濟增長的研究相對較少，從空間視角探究縣域農業(yè)經濟增長的時空特征、影響因素及其空間效應的研究仍較為少見。

因此，利用2004—2021年廣西96個縣域的面板數(shù)據，采用ESDA分析法分析廣西農業(yè)經濟增長的時空演變特征，構建空間杜賓模型深入剖析廣西農業(yè)經濟增長的影響因素及其空間效應，并分區(qū)域考察各影響因素對農業(yè)經濟增長的貢獻差異。據此提出具有針對性的對策建議，為促進廣西縣域農業(yè)經濟增長協(xié)調發(fā)展提供一定參考。

1 研究方法

1.1 ESDA分析方法

探索性空間分析方法（ESDA）主要是為了檢驗相鄰觀測值之間是否存在空間關聯(lián)性，通過描述研究對象的空間分布并加以可視化，發(fā)現(xiàn)研究對象的空間聚集與空間差異，進而解釋研究對象的空間互相作用機制，主要包括全局空間自相關和局部空間自相關兩類分析工具[18]。選擇ESDA分析法分析廣西縣域層面農業(yè)經濟增長的空間集聚情況，全局空間自相關分析法如式（1）所示。

[I=ni=1nj=1nwijxi-xxj-xi=1nj=1nwiji=1n（xi-x）2] （1）

式中： [xi]——縣域i的觀測值；

[xj]——縣域j的觀測值；

[x]——全部縣域觀測值的平均值；

[n]——縣域數(shù)量；

[wij]——空間權重矩陣；

[I]——全局莫蘭指數(shù)。

[n=96]，空間權重矩陣選擇鄰接權重矩陣。一般而言，Moran's I指數(shù)的變化范圍為[-1，1]。[I>0]表示存在空間正相關關系，[I<0]則為空間負相關關系，[I=0]表示不存在空間相關性，取值越趨近于-1或1，則表明總體空間相關性越大。另外，采用Z值對變量空間相關性進行顯著性檢驗，當Z值為正值且通過顯著性檢驗，說明存在正的空間自相關，即相似的觀測值趨于空間集聚，反之則說明存在負的空間自相關，觀測值趨于空間分散，當Z值為0時，表示不存在空間自相關。Z值計算如式（2）所示。

[Z=I-EIVARI] （2）

式中： [Z]——標準化統(tǒng)計量；

[EI]——I的均值；

[VARI]——I的方差。

考慮到全局Moran's I指數(shù)僅能反映廣西農業(yè)經濟增長空間相關性的總體趨勢，為了更直觀反映局部農業(yè)經濟增長的空間集聚情況，引入局部空間自相關分析法對縣域層面農業(yè)經濟增長的局部空間特征進行分析，局部空間自相關分析法如式（3）所示。局部莫蘭指數(shù)通常用Moran散點圖展開分析，根據Moran散點圖的分析經驗，分布在第一和第三象限的縣域表示存在空間正相關，且第一象限為“高—高”集聚，第三象限為“低—低”集聚，第二象限為“低—高”集聚，第四象限為“高—低”集聚。

[Il=n（xi-x）i=1nwij（xj-x）i=1n（xi-x）2] （3）

式中： [Il]——局部莫蘭指數(shù)。

1.2 空間計量經濟模型

空間計量經濟模型主要有3種常用類型，分別是空間面板滯后模型、空間面板誤差模型和空間杜賓模型，分別對應內生交互效應、誤差項之間的交互效應以及同時考慮內生和外生交互效應的杜賓模型[19]，計算如式（4）～式（6）所示。按照一般經驗，如果該地區(qū)樣本觀測值不僅受到該地區(qū)某些變量的影響，還受到相鄰縣域樣本觀測值的影響，則構建空間滯后模型；如果本縣域區(qū)樣本觀測值不僅受到一組變量的影響，還受到一些具有空間結構的隨機干擾項的影響，則構建空間誤差模型；當本縣域區(qū)樣本觀測值除了取決于相鄰縣域樣本觀測值的影響之外，還受到相鄰縣域其他變量的影響，則構建空間杜賓模型，具體選擇哪種模型進行具體分析需要視情況而定。

[lnYit=αit+βiXit+ρWitYit+εit] （4）

[lnYit=αit+βiXit+λWitεit+μit] （5）

[lnYit=βo+ρWitlnYit+βiXit+δWitXit+εit] （6）

式中： [Yit]——縣域i第t年的觀測值；

[Xit]——外生解釋變量，包括農業(yè)技術投入、農村勞動力投入、土地投入、農村資本投入、政府資本投入；

[αit]、[βo]——常數(shù)項；

[βi]——待估系數(shù)，度量自變量對因變量的影響程度；

[ρ]——空間回歸系數(shù)；

[Wit]——空間權重矩陣；

[εit]——隨機誤差項；

[λ]——空間誤差系數(shù)；

[μit]——正態(tài)分布的隨機誤差向量；

[δ]——解釋變量的空間滯后項系。

由于SDM模型同時包含了解釋變量和因變量的空間滯后項，解釋變量的空間滯后項可能會對反饋效應產生缺陷，本研究借鑒劉耀彬等[20]利用偏微分法將總效應分解進行解釋的經驗，其中，直接效應和間接效應分別反映本縣域被解釋變量受到本縣域和相鄰縣域的影響程度。

2 數(shù)據來源和變量描述

2.1 數(shù)據來源

廣西共有110個縣域，但考慮到部分縣區(qū)為地級市直轄區(qū)，農業(yè)經濟基礎相對較為薄弱，同時考慮到部分新成立的市轄區(qū)數(shù)據獲取的困難，最終篩選出96個縣域作為研究對象，但是所選縣域能夠清楚地反映廣西農業(yè)經濟發(fā)展的實際情況。其中，農業(yè)經濟增長和5個農業(yè)要素投入指標相關數(shù)據來源于《廣西統(tǒng)計年鑒》、各地級市的統(tǒng)計年鑒或統(tǒng)計局官方數(shù)據、各縣區(qū)國民經濟和社會發(fā)展統(tǒng)計公報，少量缺失數(shù)據采用移動平均法進行了處理。此外，采用標準化方法處理了縣域農業(yè)經濟增長等相關變量的數(shù)據，即每一個變量值與平均值之差除以該變量的標準差，無量綱化后各變量的平均值為0，標準差為1，從而消除量綱和數(shù)量級的影響。本研究所用的數(shù)據時間跨度均為2004—2021年。

2.2 變量說明與描述統(tǒng)計

在使用STATA軟件對相關指標數(shù)據進行測算之前，首先對所有變量進行了取對數(shù)處理，目的是使數(shù)據更加平穩(wěn)，也削弱模型的共線性、異方差等。本研究以農業(yè)經濟增長Y作為被解釋變量，選取縣域農業(yè)總產值的對數(shù)值來表示農業(yè)經濟增長。為了保證數(shù)據的可比性以及剔除價格變動的影響，采用農業(yè)總產值指數(shù)對每一年的縣域農業(yè)總產值進行處理，從而真實地反映廣西縣域層面的農業(yè)經濟增長情況。主要的解釋變量包括：農業(yè)技術要素投入（tpam），以農業(yè)機械總動力的對數(shù)值來表示，政府資本要素投入（afw），以農林水事務支出金額的對數(shù)值表示，土地投入（pac）、農業(yè)勞動力投入（nrlf）和農戶資本（rfai）分別用農作物播種面積、農村勞動力數(shù)量、農戶固定資產投資等指標的對數(shù)值來表示。本研究所選變量的描述性統(tǒng)計結果如表1所示，該表對廣西96個縣域2004—2021年間各變量的年度數(shù)據特征進行初步統(tǒng)計，樣本量為1 728。

由表1可知，政府資本和農業(yè)技術投入這2個變量的波動特征，發(fā)現(xiàn)農業(yè)技術投入比政府資本的平均值要大，而標準差農業(yè)技術投入比政府資本的要小，其他變量的標準差也相對較小，說明變量選取相對合理，面板數(shù)據初步認定平穩(wěn)。

3 廣西農業(yè)經濟增長的時空特征

3.1 全局空間自相關分析

為驗證廣西縣域層面農業(yè)經濟增長及各農業(yè)投入要素等變量是否存在空間自相關性特征，利用STATA軟件計算得到2004—2021年廣西縣域層面農業(yè)經濟增長的全局Moran's I指數(shù)，以及各變量空間自相關性檢驗結果（表2）。

2004—2021年，廣西農業(yè)經濟增長以及5個農業(yè)投入變量的Moran's I指數(shù)均為正值，Z值均大于0，且全部通過1%置信水平下的顯著性檢驗，廣西農業(yè)經濟增長存在顯著的空間自相關性，且農業(yè)技術、土地、勞動力、農戶資本和政府資本等投入變量存在明顯的空間依賴性。

進一步分析發(fā)現(xiàn)，根據全局Moran's I指數(shù)變化趨勢可將研究期間劃分為三個階段：第一階段（2004—2009年），廣西農業(yè)經濟增長、農業(yè)技術投入以及勞動力投入的全局Moran's I指數(shù)呈下降趨勢。其中，廣西農業(yè)經濟增長由2004年的0.394 0下降到2009年為0.350 0，降幅為11.17%，農業(yè)技術投入的全局Moran's I指數(shù)降幅為15.09%，土地投入和政府資本趨于小幅穩(wěn)定上升，農戶資本在這一階段的變化趨勢不穩(wěn)定。第二階段（2010—2015年），廣西農業(yè)經濟增長和勞動力投入的全局Moran's I指數(shù)呈現(xiàn)持續(xù)下降，降幅分別為8.94%和32.73%，其余變量的空間自相關性逐漸增強，說明廣西農業(yè)經濟增長的空間相關性有所減弱。第三階段（2016—2021年），廣西農業(yè)經濟增長的全局Moran's I指數(shù)先下降再趨于平穩(wěn)，由0.412 0下降到0.402 0，降幅為2.43%，勞動力投入持續(xù)降低，先由0.240 0下降至0.157 0，其余變量則仍保持較高的空間相關性。廣西農業(yè)經濟增長表現(xiàn)出較強的空間自相關性，農業(yè)要素投入程度及變化趨勢均比較相似。

3.2 Moran散點圖

由于全局Moran's I只能從總體上反映廣西縣域層面農業(yè)經濟增長的空間相關性，但是無法反映局域空間分布的集聚及其異質性特征。為了更細致描述廣西農業(yè)經濟增長空間集聚的變化趨勢，進一步使用Moran散點圖展開分析，考慮到樣本考察期較長，由于篇幅限制無法對所有年份的局域散點分布進行描述，因此，按照時間間隔一致的原則，選取2004年、2010年、2015年、2021年作為代表性年份進行深入分析（圖1）。

表1結果顯示，廣西2004—2021年農業(yè)經濟增長的總體空間差異呈現(xiàn)出逐年縮小趨勢，但空間相關性卻是逐年增強，縣域層面的農業(yè)經濟增長水平表現(xiàn)出顯著的局部空間相關性，存在明顯的“高—高”或“低—低”空間集聚特征。具體表現(xiàn)出三方面特征：其一，相比2004年的Moran散點圖來看，2010年散點間的間隔逐漸縮小，大部分散點落到第一和第三象限，且相對向中心集聚，說明相鄰縣域之間的空間差異逐漸縮小，表現(xiàn)出明顯的“高—高”和“低—低”空間集聚特征。其二，相對于2010年的Moran散點圖而言，2015年散點間的間隔呈擴大現(xiàn)象，第二象限的散點數(shù)量較之前有所增加，反映出全局Moran's I指數(shù)由高逐年降低，空間自相關性逐漸減弱，相鄰縣域之間的空間差異逐漸加大，但仍表現(xiàn)出“高—高”和“低—低”空間集聚特征。其三，2021年散點間的間隔相比2015年縮小得更加明顯，在第一象限和第三象限的散點相比前兩個階段更向中心集聚，說明廣西農業(yè)經濟增長的空間相關性進一步增強，“高—高”或“低—低”空間集聚特征更加顯著。

4 廣西農業(yè)經濟增長影響因素空間計量分析

4.1 實證結果分析

為保證分析結果的穩(wěn)定性和確定具體模型類型，借助Hausman檢驗來判斷選擇固定效應還是隨機效應。分析發(fā)現(xiàn)，檢驗結果統(tǒng)計量W值為67.11，對應P值為0.000 0，說明應選擇固定效應的空間計量模型。另外，根據似然比檢驗結果，原假設為選擇空間固定效應的LR值為121.93，P值為0.000 0，原假設為選擇時間固定效應的LR值為1 720.31，P值為0.000 0。檢驗的結果都拒絕了單一效應的原假設，故選擇空間和時間的雙固定效應，使用STATA軟件分別對三種空間計量模型進行估計（表3）。

考慮到空間杜賓模型包含了解釋變量和因變量的空間滯后項，比較回歸結果可看出，空間杜賓模型相對其他2個模型更合適，并且通過LR檢驗證實空間杜賓模型不會退化為空間誤差模型和空間滯后模型，因此，采用空間時間雙固定效應的空間杜賓模型進行實證分析。從sigma2、R2、LL統(tǒng)計量來看，空間杜賓模型的擬合效果較好，回歸結果總體可信度較高。其中，Spatial rho的系數(shù)為0.624，通過1%水平的顯著性檢驗，說明廣西各縣域農業(yè)經濟增長具有較強的空間相關性，進一步證實了前述的空間相關性分析結果。進一步分析各投入要素對農業(yè)經濟增長的影響程度發(fā)現(xiàn)，總體而言，土地、政府資本、農業(yè)技術和農戶資本這4個投入要素對農業(yè)經濟增長均產生正向促進作用，但勞動力投入對農業(yè)經濟增長起負向作用。

具體而言，各投入要素對農業(yè)經濟增長的影響存在較大差異。其一，土地投入的直接影響系數(shù)顯著為正，說明土地投入對農業(yè)經濟增長具有正向促進作用，即增加本縣域土地投入1%將促進農業(yè)經濟增長水平提升0.220%，但是其空間滯后項的正向作用在統(tǒng)計上未通過顯著性檢驗。其二，政府資本的直接影響系數(shù)為正，其空間滯后項的系數(shù)也為正，但均未通過顯著性檢驗。其三，農業(yè)技術投入的直接影響系數(shù)及其空間滯后項的系數(shù)均顯著為正，說明本縣域及其相鄰縣域的農業(yè)技術投入均對農業(yè)經濟增長具有顯著正向促進作用。其四，農戶資本的直接影響系數(shù)顯著為正，但是其空間滯后項的系數(shù)則顯著為負，說明縣域農戶資本投入對農業(yè)經濟增長具有顯著的正向作用，而相鄰縣域農戶資本投入則會對本縣域農業(yè)經濟增長產生顯著的負向影響。其五，勞動力投入的直接影響系數(shù)為負值但不顯著，其空間滯后項的系數(shù)則顯著為負，說明相鄰縣域的農村勞動力投入對本縣域的農業(yè)經濟增長會產生明顯的負向作用，原因可能是相鄰縣域勞動力投入增加會吸引本地區(qū)勞動力外流，從而間接影響到本地區(qū)農業(yè)經濟增長。

4.2 主要影響因素的空間效應

空間計量模型除了能夠解釋非空間計量模型中解釋變量的直接影響程度，還能夠解釋回歸系數(shù)的反饋效應[21]。也就是說，表3中各區(qū)域農業(yè)經濟增長驅動因素的估計系數(shù)并不嚴謹。因此，根據偏微分法將農業(yè)投入變量對縣域農業(yè)經濟增長的空間效應分解為直接效應、間接效應和總效應（表4）。

總體而言，各農業(yè)投入變量對農業(yè)經濟增長的總效應均通過了顯著性檢驗，說明土地、農業(yè)技術和政府資本等投入要素每增加1%，將分別帶來農業(yè)經濟增長水平提高0.706%、0.994%、0.108%，而勞動力投入和農戶資本每增加1%將導致農業(yè)經濟增長水平降低0.335%和0.074%。

就各影響因素直接效應、間接效應和總效應的具體情況而言，主要影響因素的空間效應以正向效應為主，但是也存在明顯的差異。其一，土地投入對農業(yè)經濟增長具有顯著正向的直接、間接和總效應，其中直接效應為0.258，間接效應為0.448，說明某縣域土地投入增加不僅會提升本縣域農業(yè)經濟增長水平，而且對相鄰縣域也有一定的帶動效果，且?guī)有黠@。其二，農業(yè)技術投入對農業(yè)經濟增長也具有顯著正向的直接、間接和總效應，其中直接效應為0.230，間接效應為0.764，說明某縣域農業(yè)技術投入增加不僅會提升本縣域農業(yè)經濟增長水平，而且對相鄰縣域也有一定的帶動效果，且對相鄰縣域的帶動效應明顯強于本縣域。其三，政府資本投入對農業(yè)經濟增長的直接效應為0.023，但是統(tǒng)計上不顯著，說明這種正向影響的作用相對有限，間接效應為0.086，說明某縣域農業(yè)技術投入水平提高1%，將帶來相鄰縣域的農業(yè)經濟增長水平顯著提升0.086%。其四，勞動力投入對農業(yè)經濟增長的具有顯著負向的直接、間接和總效應。原因可能是：一方面廣西勞動力水平整體質量不高，農民的文化程度和技能水平偏低，相對限制了農業(yè)經濟發(fā)展；另一方面大多數(shù)勞動力思想保守，滿足現(xiàn)狀，不會創(chuàng)新、不計勞動成本及投入。其五，農戶資本對農業(yè)經濟增長具有正向直接效應，顯著負向間接、總效應，且總效應主要受間接效應的影響。其中，農戶資本投入水平每增加1%，會使得本縣域農業(yè)經濟增長提升0.016%，但也會導致相鄰縣域的農業(yè)經濟增長水平降低0.090%。

4.3 廣西內部區(qū)域的比較分析

目前，廣西縣域層面農業(yè)經濟發(fā)展不均衡問題仍很突出，為了更細致分析廣西農業(yè)經濟增長的主要影響因素及其空間效應，進一步將廣西細分為5大內部區(qū)域分別進行空間杜賓模型分析（表5）。從sigma2、R2、LL統(tǒng)計量的結果來看，模型的擬合效果比較好，總體回歸結果可信度較高。其中，5個內部區(qū)域Spatial rho的系數(shù)依次為0.387、0.158、0.322、0.440和0.180，均通過顯著性檢驗，進一步證實各農業(yè)投入變量對廣西農業(yè)經濟增長存在正向的空間效應。總體來看，5大內部區(qū)域農業(yè)經濟增長的主要影響因素及其影響程度存在明顯差異，土地投入和農業(yè)技術投入都在不同程度上顯著促進桂中、桂西和桂北地區(qū)農業(yè)經濟增長，農戶資本對北部灣地區(qū)農業(yè)經濟增長影響最大，政府資本對除了北部灣地區(qū)以外的其他4個地區(qū)的影響均不顯著，勞動力投入對桂中、桂西地區(qū)的農業(yè)經濟增長存在抑制作用。

5大內部區(qū)域農業(yè)經濟增長影響因素貢獻差異特征主要表現(xiàn)在以下幾個方面。

其一，北部灣地區(qū)政府資本、農戶資本對農業(yè)經濟增長均有顯著正向作用，其他投入變量沒有通過顯著性檢驗。此外，從空間滯后項系數(shù)可看出，相鄰縣域的勞動力投入對本縣域農業(yè)經濟增長具有顯著正向影響，而外地的農業(yè)技術投入卻對本縣域的農業(yè)經濟增長起顯著負向影響。

其二，桂東地區(qū)土地投入對農業(yè)經濟增長起顯著正向作用，而農業(yè)技術投入卻呈相反作用。此外，從空間滯后項系數(shù)來看，相鄰縣域的政府資本對本縣域農業(yè)經濟增長具有顯著正向影響，而外地的農業(yè)技術投入卻對本縣域的農業(yè)經濟增長起顯著負向影響。

其三，桂中地區(qū)土地投入和農業(yè)技術投入均對農業(yè)經濟增長有顯著正向作用，勞動力投入卻有顯著負向作用，其余投入變量在統(tǒng)計上不顯著。此外，從空間滯后項系數(shù)可看出，外地的農業(yè)技術投入和勞動力投入均對本縣域的農業(yè)經濟增長具有顯著的負向影響。

其四，桂西地區(qū)土地投入和農業(yè)技術投入均對農業(yè)經濟增長起顯著正向作用，其他投入變量在統(tǒng)計上不顯著。此外，從空間滯后項系數(shù)可看出，相鄰縣域土地投入對農業(yè)經濟增長起顯著負向作用，而相鄰縣域農業(yè)技術投入卻有顯著正向影響。

其五，桂北地區(qū)土地投入、農業(yè)技術投入以及農戶資本均對農業(yè)經濟增長起顯著正向作用，其他投入變量在統(tǒng)計上不顯著。此外，從空間滯后項系數(shù)可看出，相鄰縣域農業(yè)技術投入對農業(yè)經濟增長呈顯著正向影響，而相鄰縣域勞動力投入卻有顯著負向影響。

表6分析結果顯示，廣西5大內部區(qū)域農業(yè)經濟增長主要影響因素的空間效應也存在明顯差異，進一步證實了各區(qū)域農業(yè)投入要素對區(qū)域農業(yè)經濟增長的影響存在不同。其中，北部灣地區(qū)勞動力投入和農戶資本均對農業(yè)經濟增長有顯著正向效應，桂東地區(qū)農業(yè)技術投入對農業(yè)經濟增長有顯著負向效應，桂中地區(qū)勞動力投入對農業(yè)經濟增長有顯著負向效應，桂西地區(qū)土地投入對農業(yè)經濟增長有顯著負向空間溢出，桂北地區(qū)土地投入和農業(yè)技術投入均對農業(yè)經濟增長有顯著正向效應，而其勞動力投入對農業(yè)經濟增長有顯著負向空間溢出。

從農業(yè)投入因素的直接效應、間接效應及其組合狀況的具體情況來看，各內部區(qū)域主要影響因素之間的空間效應大小也存在明顯的區(qū)域差異，主要表現(xiàn)在如下幾個方面。

其一，北部灣地區(qū)農業(yè)經濟增長的主要影響因素中除了農業(yè)技術投入為負向效應，其他驅動因素以正向效應為主。就直接效應的系數(shù)來看，農戶資本的正向作用最為明顯，其次是政府資本。另外，該區(qū)域勞動力投入和農戶資本的空間效應明顯，尤其是勞動力投入，其水平每提升1%，不僅會給本區(qū)域農業(yè)經濟增長水平提高貢獻0.069%，而且會給相鄰區(qū)域農業(yè)經濟增長水平提高貢獻0.354%。

其二，桂東地區(qū)土地投入、政府資本、農戶資本和勞動力投入均為正向效應，農業(yè)技術投入為負向效應。土地投入的正向直接效應顯著，說明該區(qū)域土地投入每增加1%，將使得本區(qū)域農業(yè)經濟增長提高0.210%，而農業(yè)技術投入的負向空間效應比較明顯，其水平每提升1%，不僅會給本區(qū)域農業(yè)經濟增長水平降低貢獻0.094%，還會給相鄰區(qū)域農業(yè)經濟增長水平降低貢獻0.298%。

其三，桂中地區(qū)土地投入對農業(yè)經濟增長有顯著的正向直接效應，而勞動力投入則相反，存在顯著的負向空間效應，其水平每提升1%，不僅會給本區(qū)域農業(yè)經濟增長水平降低貢獻0.165%，還會給相鄰區(qū)域農業(yè)經濟增長水平降低貢獻0.314%。

其四，桂西地區(qū)僅有土地投入具有顯著負向效應，其直接效應、間接效應和總效應的系數(shù)分別為0.180、-0.465和-0.285，說明該區(qū)域土地投入每增加1%，雖然會給本區(qū)域農業(yè)經濟增長提高貢獻0.180%，但也會使得相鄰區(qū)域農業(yè)經濟增長降低貢獻0.465%，總體上以負向空間溢出為主。

其五，桂北地區(qū)土地投入對農業(yè)經濟增長有顯著正向直接效應，即每提高1%，將促進本區(qū)域農業(yè)經濟增長提高貢獻0.394%。此外，農業(yè)技術投入對農業(yè)經濟增長有顯著正向空間效應，其水平每提升1%，不僅會給本區(qū)域農業(yè)經濟增長水平提高貢獻0.250%，還會給相鄰區(qū)域農業(yè)經濟增長水平提高貢獻0.621%。而勞動力投入對農業(yè)經46f9aad0b4eb952d6d000da7d7e165ce311778c8894677dab7ea31414729c89f濟增長以負向空間溢出為主，即每提高1%，將會使相鄰縣域農業(yè)經濟增長降低貢獻0.553%。

5 結論與啟示

基于2004—2021年廣西96個縣域的面板數(shù)據，運用ESDA分析法探討廣西農業(yè)經濟增長的時空特征，在此基礎上應用空間杜賓模型實證分析廣西農業(yè)經濟增長的影響因素及其空間效應。

1） 廣西農業(yè)經濟增長整體表現(xiàn)出較強的空間相關性，局部空間關聯(lián)存在明顯的“高—高”和“低—低”空間集聚特征。其中，廣西農業(yè)經濟增長存在顯著的空間自相關性，且表現(xiàn)出顯著的階段性特征。無論是全局還是局部空間自相關分析結果，均顯示廣西縣域層面的農業(yè)經濟增長存在明顯的“高—高”或“低—低”空間集聚特征。

2） 各投入要素對農業(yè)經濟增長的影響存在著較大差異，且各投入要素的空間效應以正向效應為主，但是也存在明顯差異。其一，從整體來看，土地、政府資本、農業(yè)技術和農戶資本這4個投入要素對農業(yè)經濟增長均產生正向促進作用，但勞動力投入對農業(yè)經濟增長起負向作用。其二，各農業(yè)投入變量對農業(yè)經濟增長的總效應均通過顯著性檢驗，說明土地、農業(yè)技術和政府資本等投入要素每增加1%，將分別帶來農業(yè)經濟增長水平提高0.706%、0.994%、0.108%，而勞動力和農戶資本每增加1%將導致農業(yè)經濟增長水平降低0.335%和0.074%。

3） 5大內部區(qū)域農業(yè)經濟增長的主要影響因素及其影響程度存在明顯差異，各內部區(qū)域主要影響因素之間的空間效應大小也存在明顯的區(qū)域差異。其一，土地投入和農業(yè)技術投入都在不同程度上顯著促進桂中、桂西和桂北地區(qū)農業(yè)經濟增長，農戶資本對北部灣地區(qū)農業(yè)經濟增長影響最大，政府資本對除北部灣以外的其他4個內部區(qū)域的影響均不顯著，勞動力投入對桂中、桂西地區(qū)的農業(yè)經濟增長存在抑制作用。其二，北部灣地區(qū)勞動力投入和農戶資本均對農業(yè)經濟增長有顯著正向效應，桂東地區(qū)農業(yè)技術投入對農業(yè)經濟增長有顯著負向效應，桂中地區(qū)勞動力投入對農業(yè)經濟增長有顯著負向效應，桂西地區(qū)土地投入對農業(yè)經濟增長有顯著負向空間溢出，桂北地區(qū)土地投入和農業(yè)技術投入均對農業(yè)經濟增長有顯著正向效應，而其勞動力投入對農業(yè)經濟增長有顯著負向空間溢出。

上述研究結論表明，廣西農業(yè)經濟增長具有顯著的空間自相關性，且各內部區(qū)域農業(yè)經濟增長的主要影響因素及其空間效應均存在較大差異。據此得出政策啟示如下：一是基于縣域之間農業(yè)經濟增長的空間效應和相互關聯(lián)，充分考慮區(qū)域農業(yè)經濟的協(xié)調發(fā)展，加強相鄰縣域之間農業(yè)發(fā)展的區(qū)域協(xié)同性，并努力縮減縣域之間農業(yè)經濟增長差距；二是各內部區(qū)域應根據農業(yè)經濟增長的主要影響因素及其空間效應，有針對性地提升農業(yè)投入水平，基于農業(yè)經濟發(fā)展現(xiàn)狀和資源要素特點，遵循相對比較優(yōu)勢原則，通過增加農業(yè)要素投入促進農業(yè)經濟增長。

參 考 文 獻

[ 1 ] 盧新海， 唐一峰， 宜家林， 等. 基于空間計量模型的耕地利用轉型對農業(yè)經濟增長影響研究[J]. 中國土地科學， 2019， 33（6）： 53-61.

Lu Xinhai， Tang Yifeng， Yi Jialin， et al. Study on the impact of cultivated land use transition on agricultural economic growth based on spatial econometric model [J]. China Land Science， 2019， 33（6）： 53-61.

[ 2 ] 李兆亮， 羅小鋒， 張俊飚， 等. 基于能值的中國農業(yè)綠色經濟增長與空間收斂[J]. 中國人口 ? 資源與環(huán)境， 2016， 26（11）： 150-159.

Li Zhaoliang， Luo Xiaofeng， Zhang Junbiao， et al. Green economy growth of agriculture and its spatial convergence in China based on energy analytic approach [J]. China Population， Resources and Environment， 2016， 26（11）： 150-159.

[ 3 ] 劉俐. 1995—2018年的中國農業(yè)經濟增長——基于空間杜賓模型的實證研究[J]. 經濟研究導刊， 2020（14）： 16-19.

[ 4 ] 姚成勝， 朱偉華， 黃琳. 中國農業(yè)經濟發(fā)展的區(qū)域差異、時空格局演變及其驅動機制分析[J]. 農業(yè)現(xiàn)代化研究， 2019， 40（4）： 537-546.

Yao Chengsheng， Zhu Weihua， Huang Lin. The regional differences， the evolution of spatial?temporal patterns and the driving mechanism of agricultural economic development in China [J]. Research of Agricultural Modernization， 2019， 40（4）： 537-546.

[ 5 ] 于揚， 吳鳴然， 吳兆丹. 中國農業(yè)經濟增長的動力分析[J]. 統(tǒng)計與決策， 2019， 35（16）： 120-124.

Yu Yang， Wu Mingran， Wu Zhaodan. Analysis on impetus of China's agricultural economic growth [J]. Statistics & Decision， 2019， 35（16）： 120-124.

[ 6 ] 蔣黎， 王曉君. 環(huán)境質量與農業(yè)經濟增長的內在關系探討——基于我國31個省區(qū)面板數(shù)據的EKC分析[J]. 農業(yè)經濟問題， 2019（12）： 43-51.

Jiang Li， Wang Xiaojun. EKC hypothesis verification between rural environmental quality and agricultural economic growth in China： An empirical analysis based on panel data of 31 provinces [J]. Issues in Agricultural Economy， 2019（12）： 43-51.

[ 7 ] 侯石安， 胡楊木. 現(xiàn)代物流、要素投入對貴州農業(yè)經濟增長的影響——基于貴州省1995—2018年時間序列數(shù)據[J]. 貴州社會科學， 2019（3）： 126-132.

[ 8 ] 湯進華. 湖南省農業(yè)產業(yè)結構調整對農業(yè)經濟增長的影響探究[J]. 南方農業(yè)， 2019， 13（23）： 53-56.

[ 9 ] 鄧翔， 王仕忠. 農業(yè)科技創(chuàng)新投入對農業(yè)經濟增長影響研究[J]. 東岳論叢， 2020， 41（12）： 109-120， 192.

Deng Xiang， Wang Shizhong. Research on the impact of investment in agricultural science and technology innovation on agricultural economic growth [J]. Dongyue Tribune， 2020， 41（12）： 109-120， 192.

[10] 李平， 王蓓， 王維薇. 農業(yè)機械化促進美國農業(yè)經濟增長的實證分析[J]. 中國農機化學報， 2019， 40（4）： 195-201.

Li Ping， Wang Bei， Wang Weiwei. Empirical analysis of agricultural mechanization promoting agricultural economic growth in the United States [J]. Journal of Chinese Agricultural Mechanization， 2019， 40（4）： 195-201.

[11] 劉敦虎， 賴廷謙， 王卿. 農業(yè)科技投入與農業(yè)經濟增長的動態(tài)關聯(lián)關系研究——基于四川省2000—2015年的經驗數(shù)據[J]. 農村經濟， 2017（10）： 118-122.

[12] 袁芳， 張紅麗， 陳文新. 西北地區(qū)農業(yè)投資與經濟增長的非均衡關系實證[J]. 統(tǒng)計與決策， 2020， 36（18）： 123-127.

[13] 龔斌磊， 王碩. 財政支出對我國農業(yè)增長的多途徑影響[J]. 農業(yè)經濟問題， 2021（1）： 54-68.

Gong Binlei， Wang Shuo. The multi?channel effects of fiscal expenditure on China's agricultural growth [J]. Agricultural Economic Issues， 2021（1）： 54-68.

[14] 劉曉麗， 韓克勇. 財政支農、勞動力流轉與農業(yè)經濟增長[J]. 現(xiàn)代經濟探討， 2023（7）： 115-122.

Liu Xiaoli， Han Keyong. Fiscal support for agriculture， labor transfer and agricultural economic growth [J]. Modern Economic Research， 2023（7）： 115-122.

[15] 宋玉靜. 沈陽市農村勞動力轉移對農村經濟發(fā)展的影響研究[J]. 農業(yè)經濟， 2022（6）： 78-79.

[16] 宋淑麗， 王新利. 新常態(tài)下我國農業(yè)經濟增長動力影響分析——基于1990—2015年黑龍江省統(tǒng)計數(shù)據[J]. 農業(yè)技術經濟， 2017（7）： 102-108.

[17] 吉慶華. 農村教育水平與農業(yè)經濟增長關系的實證研究——基于中國30省市的農村面板數(shù)據分析[J]. 中國農業(yè)資源與區(qū)劃， 2017， 38（5）： 101-107.

Ji Qinghua. An empirical study on the relationship between education level and agricultural economic growth： Based on rural panel data of 30 provinces and cities in China [J]. China Agricultural Resources and Zoning， 2017， 38（5）： 101-107.

[18] 李豫新， 曹夢淵. 黃河流域城市綜合承載力時空演進及影響因素研究[J]. 生態(tài)經濟， 2022， 38（12）： 72-81， 88.

Li Yuxin， Cao Mengyuan. Spatial and temporal evolution of urban comprehensive carrying capacity and its influencing factors in the Yellow River Basin [J]. Ecological Economy， 2022， 38（12）： 72-81， 88.

[19] 溫婷. 生產性服務業(yè)集聚、空間溢出與區(qū)域經濟增長——基于全國281個地級城市的實證檢驗[J]. 經濟問題探索， 2020（6）： 132-142.

Wen Ting. Productive service agglomeration， space spillover and regional economic growth： Empirical test based on 281 prefecture?level cities across the country [J]. Inquiry into Economic Issues， 2020（6）： 132-142.

[20] 劉耀彬， 袁華錫， 封亦代. 產業(yè)集聚減排效應的空間溢出與門檻特征[J]. 數(shù)理統(tǒng)計與管理， 2018， 37（2）： 224-234.

Liu Yaobin， Yuan Huaxi， Feng Yidai. Spatial spillover and threshold effects for emissions reduction of industrial agglomeration [J]. Journal of Applied Statistics and Management， 2018， 37（2）： 224-234.

[21] 李飛， 曾福生. 基于空間杜賓模型的農業(yè)基礎設施空間溢出效應[J]. 經濟地理， 2016， 36（6）： 142-147.