The Influence of the Transfer of Rural Surplus Labor Force on the Area of Land Transfer under the Dual Structure of Urban and RuralAreas: Based on the Analysis of Instrumental Variable Method
-
摘要: 将农村剩余劳动力转移人数对当地土地流转面积的影响研究置于我国目前城乡二元经济结构的背景下，阐述了在二元经济影响下的我国农村普遍存在着土地规模化程度低，大量剩余劳动力滞留农村，无法充分发挥价值的现状。并采用工具变量法中的两阶段最小二乘法对湖北省2017年17个市（州、县、林区）的农村剩余劳动力转移人数和土地流转面积进行回归分析，研究在文化程度高低、受培训的情况、外出务工环境等因素影响下的农村转移劳动力人数对土地流转面积的影响。根据分析结果提出促进农村剩余劳动力转移的针对性建议。Abstract: In this paper, the impact of the number of rural surplus labor transfer on the area of local land transfer is studied under the background of the current dual economic structure of urban and rural areas in China. It is expounded that the low degree of land scale, a large number of surplus labor staying in rural areas and unable to give full play to the value of the current situation in rural areas under the influence of dual economy, and the two-stage minimum of instrumental variable method is used second multiplication regression analysis was carried out on the number of rural surplus labor transfer and land transfer area in 17 cities (prefectures, counties and forest regions) of Hubei Province in 2017. The influence of the number of rural transfer labor on the land transfer area was studied under the influence of factors such as the level of education, the situation of training and the environment of going out to work. Finally, according to the analysis results, it was proposed to promote the transfer of rural surplus labor specific suggestions for the transfer.
-
中国是农业大国，农业农村农民问题是关系国计民生的根本性问题。但中国并非农业强国，农业基础薄弱，土地经营规模小，农业劳动生产率低，农业现代化发展面临重重障碍[1]。当前，我国正处于城镇化高速发展时期，农村地区呈现空心化、萧条现象[2]，相比第二、三产业的快速发展，农村农业发展相对落后，大量农民脱离第一产业，城乡差距进一步增大[3]。对此，党的十九大报告和十九届五中全会公报先后强调优先发展农业农村，全面实施乡村振兴战略，加快农业现代化发展，使我国由农业大国向农业强国转变。
产业兴旺是实施乡村振兴战略的基础，而农村物流可以促成产业融合，协助培育农村产业发展新动能，以实现产业兴旺，进而推动乡村振兴[4]。这是因为一方面物流业是支撑经济发展的基础性和战略性产业，任何产业的要素流通都需要物流业来运载。应考虑将农业与物流业进行深度融合，促成农产品生产基地同物流企业、零售企业之间的合作，鼓励发展农村电商，打造城乡一体的物流配送模式等措施，以此驱动农村产业与农业经济的繁荣。另一方面，国内庞大的农业市场中也蕴藏着无限的物流需求。根据国家统计局数据，2019年我国第一产业增加值70466.7亿元，农村常住人口5.5162亿人，农业农村市场潜力巨大。为进一步提升农业附加值和延伸产业链，需要以物流业来承载资源要素流通，推动第一、二、三产业进行深入融合。农产品易腐特性，物流运输中的快速便捷，冷藏保鲜的要求极高，推动物流业向供给侧改革，提升物流服务质量和效益。
综上，农业与物流业互有需求，共同促进，当两业处于协同发展时，高水平的物流服务能够有效提升农产品附加值，充分释放农业经济的潜力；反之，现代化的农业能够扩大物流规模，推动物流产业高质量发展。但就目前来看，两业却远没有达到协同发展。由于农产品流通过程中基础设施尚不完善，缺乏健全的监管体制，物流效率较低，农产品运输过程中损耗严重，尚不足以完全满足农业发展中释放出的物流需求[5]。所以，考察我国目前农业与物流业协调发展水平及演化趋势，并探明哪些是影响两业协同发展的关键因素，具有极为重要的意义。
一、 文献回顾
（一） 农业与物流业的单向促进研究
此类研究主要验证了两业之间存在促进作用，以及这种作用的强度。具体研究方向主要有以下两方面。
1. 农业对物流业的促进作用研究
Klepacki B等认为现代农业企业不仅需要运输和存储大量的农业生产资料，而且也需要运输和存储大量的最终农产品，因而现代化农业的发展也可以连带促进物流业发展[6]。舒辉等经研究后发现，为发展农业所构建的农业物流生态圈，其主体部分是农业，物流业是促进农业经济繁荣的重要载体，而当农业子系统的规模扩大和利润增加，既可以增加物流业务量，也可以促进物流服务质量的优化[7]。
2. 物流业对农业的促进作用研究
Andrew Higgins 等研究发现，澳大利亚北部农业的特点是供应链的长途运输，物流成本高昂，而通过改善公路、桥梁和仓储等基础设施条件可以有效农业企业成本，提高农业产业弹性[8]。张建军等对我国在1991—2014年时期内农业物流与农业经济的互动关系进行实证分析发现，提升农业物流水平可以有效推动农业经济的发展[9]。叶文忠等对长江经济带中的11个省市在2006—2015年间农业生产效率及其变化进行研究，结果表明流通服务业的发展可以极大地驱动资源要素的流动并融入区域发展之中，因而，对农业生产效率显著为正[10]。侯石安等研究发现，现代物流投入在短期内并不会对农业经济发展有突出贡献，但长期内会显著影响农业经济的发展，即现代物流投入的影响存在滞后性[11]。梁雯等的研究则发现，现有的物流能力尚无法完全满足农业产业化过程中所集中释放的巨大物流需求，两业发展匹配水平仍显不足[12]。
（二） 农业与物流业的协同发展关系研究
曾倩琳等研究认为农业物流受外部因素干扰较大而与农业的融合度较小，因而两业的关联度较低，处于中等偏下水平[13]。梁雯等人基于中国省级面板数据，采用耦合协调度模型对我国农业与物流业耦合协调程度展开研究并分析其时空演化趋势，认为近年来我国农业与物流耦合协调程度较低，协调水平在时间上呈螺旋式上升，在空间上呈自东向西递减[14]。李征采用复合系统协调度模型测算2000—2015年福建省农业与物流业的协调发展水平，发现农业和物流业总体上是由失调到协调逐步演进，但两业复合协发展发展程度较低[15]。这些研究结果表明，我国农业与物流业的协同发展水平总体较低。
综上所述，农业与物流业的关系研究更多是针对两业的互动关系研究，两业之间的相互促进的关系得到了实证检验与分析，多数的研究结果更加肯定了物流业对农业具有明显的驱动作用。而在两业协同关系研究上，主要研究协同发展水平及变化，未能深层次探究影响两业相互促进的关键因素。本文将采用复合系统协调度模型测量2010—2019年全国农业与物流业协同发展水平及其变化和分析，采用灰色关联度模型测算出影响两业协同发展的关键因素，最后提出有针对性的政策建议以期促进两业协同发展。
二、 农业与物流业复合系统协同度模型构建
（一） 构建协同评价指标体系
参照目前已有的一些研究[14, 16-18]，从规模、投入、产出、成长4个层面分别为农业子系统和物流业子系统设计相应的初始指标。具体如表1所示。
表 1 两业协同发展测度指标体系子系统 维度 代号 评价指标 说明 单位 农业子
系统规模 X1 农林渔牧总值 原始数据 亿元 X2 粮食产量 原始数据 万t 投入 X3 农林牧渔业固定资产投资额 原始数据 亿元 X4 固定投资力度 产业固定资产投资额/全社会固定投资额 % X5 农林牧渔业从业人员 原始数据 万人 X6 人员投入力度 产业从业人员/全社会就业人员 % X7 农业机械总动力 原始数据 万kW 产出 X8 农林渔牧业增加值 原始数据 亿元 X9 农林渔牧总值占国民生产总值比重 农林渔牧业总值/GDP % X10 农林渔牧业贡献率 农林渔牧业增加值增量/GDP增量 % 成长 X11 农村居民人均可支配收入 原始数据 元 X12 农村居民人均消费占可支配收入比重 农村人均消费支出/农村居民人均可支配收入 % X13 农林渔牧业固定投资增长率 （当前固定投资额−上期固定投资额）/上期固定投资额 % X14 农林渔牧总产值增长率 （当期总产值−上期总产值）/上期总产值 % 物流子
系统规模 Y1 货运量 原始数据 万t Y2 货运周转量 原始数据 亿t km Y3 社会消费品零售总额 原始数据 亿元 投入 Y4 物流从业人员 交通运输、仓储和邮政业城镇单位就业
人员万人 Y5 物流从业人员投资力度 产业从业人员/全社会从业人员×100 % Y6 物流业固定投资额 交通运输、仓储和邮政业固定投资额 亿元 Y7 固定投资力度 产业固定资产投资额/全社会固定投资额 % Y8 载货汽车数量 原始数据 万辆 产出 Y9 物流业增加值 交通运输、仓储和邮政业增加值 亿元 Y10 主要港口主要货物吞吐量 原始数据 万t Y11 物流业贡献率 交通运输、仓储和邮政业增加值增量/第三产业增加值增量 % 成长 Y12 业务增长率 （当期货运量−上期货运量）/上期货运量 % Y13 从业人员增长率 （当期从业人员−上期从业人员）/上期从业人员 % Y14 固定投资增长率 （当期固定投资额−上期固定投资额）/上期固定投资额 % （二） 复合系统协调度模型构建
借鉴孟庆松等人的研究成果[19]，将
${{S_i}} = ({{S}}_1,{{S}}_2)$ 分别表示为农业与物流业复合系统，其中${{S}}_1$ 代表农业子系统，而${{S}}_2$ 代表物流子系统，假设其中任意一个子系统在发展过程中的序参量是${{e_j}} = ({{e}}_{{{j}}1},{{e}}_{{{j}}2},\cdots{{e_{jn}}})$ 且$\alpha _{ {{ji}}} \leqslant {{e}}_{{{ji}}} \geqslant \beta _{ {{ji}}}$ ，其中${\rm{n}}\geqslant 1$ ，${{i}} \subset [1,{\rm{n}}]$ 。一般认为${{e}}_{{{ji}}},{{e}}_{{{j}}2},\cdots{{e}}_{{{jm}}}$ 的数值愈大，系统有序度愈高，反之系统有序度随之愈低，设${{e}}_{{{j}}({\rm{m}} + 1)},\;{{e}}_{{{j}}({\rm{m}} + 2)},\;\cdots,\;{{e}}_{{{j}}{\rm{n}}}$ 的数值愈大，系统有序度愈低，反之系统有序度愈高。综上可知序参量对系统有序度的影响既可以是正效应也可以是负效应。因此，为子系统${{S}}_{{j}}$ 的第${{i}}$ 个序参量${{e}}_{{{ji}}}$ 的有序度做出如下定义：$${{{U}}_{j}}({e_{ji}}) = \left\{ {\begin{split} {({\alpha _{ji}}- {{e}_{ji}})/({\alpha_{ji}} - {\beta _{ji}})}\quad &{{i}\subset {[1,m]}}\\ {({\beta_{ji}} - {{e}_{ji}})/({\alpha_{ji}}-{\beta_{ji}})}\quad&{i \subset {[m + 1,n]}} \end{split}} \right.$$ (1) ${{U_j(e_{ji})}}$ 表示第i个序参量eji对子系统Sj的有序度的贡献程度，其数值愈大则愈能促进对子系统Sj有序发展。各序参量eji对子系统 Sj 有序度总贡献与其自身权重和组合形式有关，本文采用线性加权求和的方式集成计算子系统 Sj 有序度，即：$${{U}_{j}}({e_{j}}) = \sum\limits_{{j} = 1}^{n} {{w}_{i}} {{u}_{j}}({{e}_{ji}}) {{j = 1,2; }}{{w}_{i}} \geqslant 0,\sum\limits_{{i} = 1}^{n} {{{w}_{i}}} = 1$$ (2) 其中，
${{{U}}_{{j}}}({e}_{j}) \subset [0,1]$ ，表示子系统${{S}}_{{j}}$ 的有序度，其值愈大则子系统${{S}}_{{j}}$ 的有序程度愈高，就越能促进复合系统有序发展，${{W}}_{{j}}$ 为各子系统序参量指标的权重。因为客观赋权法是以指标数据之间的相关性为依据，按照特定的数学方法来求得指标之间的权重，避免主观因素的干扰，准确性更高。基于此，本文采取熵值法对指标赋权。熵值法是按照指标所具备信息量的多寡来确定权重的一种有效的客观赋权法，其中，熵是对不确定性的度量，信息量愈大则不确定性愈小，则熵值愈小则其权重愈大。求第
${\rm{j}}$ 项熵值和熵权的具体公式如下:$$\begin{aligned} {{{E}}_{{j}}} = - {\rm{k}}\sum\limits_{{\rm{i}} = 1}^{\rm{m}} {{{{P}}_{{{ij}}}}} \cdot{\rm{ln}}{{{P}}_{{{ij}}}},\;{\text{特别的}},\\{\text{当}}\; {{{P}}_{{{ij}}}} = 0\;{\text{时}},\;\;{{{P}}_{{{ij}}}}\cdot{\rm{ln}}{{{P}}_{{{ij}}}} = 0{\text{。}} \end{aligned}$$ (3) $$\begin{aligned} {{{W}}_{{j}}} = (1 - {{{E}}_{{j}}})/\left({{n }}-\sum\nolimits_{{\rm{j = 1}}}^{\rm{n}} {{{Ej}}} \right),\\ {\text{且}}\;\sum\nolimits_{{\rm{j = 1}}}^{\rm{n}} {{{W_j = 1}}} {{,j = 1,2,3}}\cdots{\rm{,n}}{\text{。}} \end{aligned}$$ (4) 其中，
${{E}}_{{j}}$ 和${{W}}_{{j}}$ 分别表示第j项指标的熵值和熵权，${{i}}$ 表示年份，${\rm{K}} = 1/({\rm{lnm}})$ ，${{P}}_{{{ij}}}$ 第${{j}}$ 项指标第${{i}}$ 年的贡献度。由于农业和现代物流所构成的复合系统始终是在进行动态演化，有必要考虑到这种在不同时刻下的动态变化对衡量两子系统之间的相互关系的影响。一般的，将给定的初始时刻
${\rm{t_0}}$ ，设子系统${{S_j}}$ 序参量的系统有序度为$\mathop {{U}}\nolimits_{{j}}^{{0}} {{(e_j)}},\;{{j}} = 1,\;2,\;$ 当农业—物流复合系统发展至${\rm{t_1}}$ 时刻时，子系统${{S_j}}$ 序参量的系统有序度为$\mathop {{U}}\nolimits_{{j}}^{{1}} ({{{e}}_{{j}}}),\;{{j}} = 1,\;2,\;$ 复合系统协调度则为：$$\begin{aligned} {{cm }}&= \theta \sqrt {\left| {\prod\limits_{{\rm{j = 1}}}^{\rm{2}} {{{[u}}_{{j}}^{\rm{1}}({{{e}}_{{j}}}) - u_{{j}}^{\rm{0}}({{{e}}_{{j}}})]} } \right|} \\ \theta &= \frac{{{\rm{min}}[u_{{j}}^{\rm{1}}({{{e}}_{{j}}}) - u_{{j}}^{\rm{0}}({{e}_{j}}) \ne {\rm{0]}}}}{{\left| {{\rm{min}}[u_{{j}}^{\rm{1}}({{e}_{j}}) - u_{{j}}^{\rm{0}}({e_j}) \ne {\rm{0]}}} \right|}} \end{aligned}$$ (5) 对农业与物流业复合系统协同度做出如下解释：
（1）
${{cm}} \in [ - 1,1]$ 其值大小与复合系统协调度呈正相关关系，仅有${{cm}} > 0$ 时，复合系统处于正向协调，当${{cm}} = 1$ 时，复合系统处于极度协调。反之，当${{cm}} < 0$ 时，复合系统处于负向协调，当${{cm}} = - 1$ 时，复合系统处于极度不协调。（2）
${{u}}_{{j}}^{{1}}({{{e}}_{{j}}}) - u_{{j}}^{{0}}({{{e}}_{{j}}})$ 表示农业与物流业子系统的动态演变过程中，由初始时期${{{t}}_0}$ 运动到${{t_1}}$ 时期时，有序度的变化情况。当且仅当${{u}}_{{j}}^{{1}}({{{e}}_{{j}}}) - u_{{j}}^{{0}}({{{e}}_{{j}}}) > 0$ 时，${\rm{\theta}} > 0$ ，此时${{cm}} > 0$ ，即农业与物流业的复合系统处于协同状态。此模型结合两子系统的具体状况作出综合考虑，复合系统的协调度是与各个子系统序参量的有序度及其变化幅度有密切联系，只有当两个子系统的有序度同比上一段时期有所上升并且上升幅度较为一致时，复合系统才会进入协同状态。（三） 关联度计算及指标修订
灰色关联度模型是按照指标因素发展趋势的类似程度，来判断指标之间的关联程度，通常以关联度表示，其中关联度数值愈大则指标之间的关联程度愈高，反之则愈低。本文借助灰色关联度模型来测量农业子系统与物流子系统之间各指标一一对应的关联程度，并具体分析关联度数值较高指标对系统产生的影响。公式如下：
$$\begin{aligned} &{\rm{R = }}\frac{{\rm{1}}}{{\rm{n}}}\sum\nolimits_{{\rm{j = 1}}}^{\rm{n}} \\ &{\frac{{{\rm{minmin}}\left| {{{{X}}_{{{1j}}}}{\rm{(t) - }}{{{X}}_{{{2j}}}}{\rm{(t)}}} \right|{\rm{ + {\text{λ}} maxmax}}\left| {{{{X}}_{{{1j}}}}{{(t) - }}{{{X}}_{{{2j}}}}{{(t)}}} \right|}}{{\left| {{{{X}}_{{{1j}}}}{{(t) - }}{{{X}}_{{{2j}}}}{{(t)}}} \right|{\rm{ + {\text{λ}} maxmax}}\left| {{{{X}}_{{{1j}}}}{{(t) - }}{{{X}}_{{{2j}}}}{{(t)}}} \right|}}} \end{aligned}$$ (6) 其中，
${\text{λ}}$ 表示分辨系数，其值越大则表示两个子系统的区别越明显，本文参考现有研究，令${\text{λ}} = 0.5$ 。于是可以计算出农业物流业复合系统中27个初始指标之间的关联矩阵，具体如下表2所示。三、 实证分析
（一） 数据来源
本文所涉及的初始指标数据皆源自2010—2019年的《中国统计年鉴》，因考虑到我国目前未将物流业作为独立产业进行分类，故物流业指标数据以交通运输、仓储和邮政业相关指标数据代替，部分年份中缺失的指标数据通过插值法进行补全。因量纲的存在会对最终评价结果产生不利的干扰，所以本文在开始计算关联度之前先运用SPSS25分析软件对指标数据进行了标准化处理。农业子系统中的X9和X13指标相对较低，对系统有序度影响较小，因而将其剔除出指标体系。相同的，将物流子系统中的Y11和Y13指标剔除出指标体系。
（二） 指标赋权
对序参量指标的原始数据进行极差标准化处理后，按照公式（3）（4）分别求出农业子系统和物流子系统中各序参量指标的权重。其结果如表3和表4所示：
表 3 农业子系统指标权重指标 X1 X2 X3 X4 X5 X6 X7 X8 X10 X11 X12 X14 熵值 0.9181 0.9308 0.8538 0.8154 0.8668 0.8603 0.9091 0.9197 0.8843 0.8906 0.8887 0.8304 熵权 0.0572 0.0483 0.1021 0.1289 0.0930 0.0975 0.0635 0.0561 0.0808 0.0764 0.0777 0.1184 （三） 农业与物流业复合系统协调度分析
依据公式（2）可以分别计算出2009—2019年间农业子系统、物流业子系统的有序度数值，而依据公式（5）可以测量出农业与物流业复合系统协调度，如下表5所示。
表 5 子系统有序度及两业复合系统协调度年份 农业子系
统有序度物流业子系
统有序度农业与物流
业协调度2010 0.3742 0.2488 — 2011 0.4302 0.1831 −0.0606 2012 0.4305 0.4063 0.0078 2013 0.4239 0.3196 −0.0239 2014 0.4078 0.4018 −0.0364 2015 0.4699 0.4298 0.0417 2016 0.471 0.5089 0.009 2017 0.4449 0.6814 −0.0671 2018 0.5119 0.7869 0.0841 2019 0.655 0.8836 0.1177 目前学者们对协调度等级的划分标准有很多种，而一般认为具体、细致的等级划分法更有助于加强对复合系统的协调发展趋势的认识。所以，本文选取弓宪文等对协调度等级的划分方法，即将协调度划分为10个等级，其中，将协调度在−0.2～0之间的设置为弱度失调；在0～0.2之间的设置为弱度协调[17]。由表5及图1知，自2010—2019年的10年内，我国农业与物流业复合系统协调度水平是由弱度失调向弱度协调进行螺旋式上升。
具体来看，可以将整个农业与物流业协同发展水平的时间历程分为两段，第一段为2010—2013年，这一时期，两业协同发展水平整体上处于弱度失调状态，农业子系统有序度呈平稳发展，而物流子系统有序度数值在0.2～0.4之间震荡上升。这是因为我国在进入21世纪后一段时间内，受到市场经济的繁荣，政策支持，基础设施等利好因素的影响，物流业进入了一段迅速发展的黄金时期。但过快速度的野蛮生长的背后是物流业管理运营水平较为落后，物流成本负担过重；行业内部频繁出现恶性竞争，以快递企业为例，服务存在高度同质化，为抢夺有限的市场，企业之间常发生价格战，严重影响行业有序发展；物流基础设施尚不能满足现代物流的发展的需要，主要表现为仓储设施及冷链运输工具等严重不足，物流信息化水平较低等；专业人才短缺，第三方物流使用率有限，缺乏配套的法律法规等，也都限制了现代物流在我国的有序发展。
随着物流业在现代国民经济中扮演的角色愈来愈重要，物流业软硬件功能也得到了进一步的完善。物流基础设施不断优化，行业治理能力迅速提升，信息化，数字化，智能化等物流新理念得到普遍认同，物流业的规模和服务质量都有了极大的提升。另外，行业所属的宏观政策环境也在持续好转，限制物流行业繁荣的制度性约束在逐渐减少。国务院先后印发了《物流业发展中长期规划（2014—2020年）》《物流标准化中长期发展规划（2015—2020年）》等一系列政策，旨在为物流业降本增效，促进物流业高质量发展。因此，在第二段2014—2019年的发展时期中，农业、物流子系统都实现了快速增长，但物流子系统有序增长速度快于农业增长幅度，呈直线上升趋势。此时，两业总体协同发展水平提高至弱度协调。
（四） 农业与物流业关联度分析
上述结论显示我国农业与物流业的协同发展水平低，增长速度缓慢，为改变目前落后局面，尽快提高两业协同水平，必须探明掣肘两业协同发展的关键因素，找准正确发展方向。
借鉴宗刚等人的研究，将关联度数值达到最高的指标看作是能够影响农业和物流业发展的关键因素，又称为胁迫因素，并将关联度高于0.8的指标看作是的高度关联，关联度在0.6～0.8之间的指标看作为中度关联[18]。如表2所示，所有指标的关联度数值都大于0.6，从而可以认定两业之间存在着较高的关联性。
具体来看，农业影响物流业的关键因素是农村居民人均可支配收入指标，其关联度高达0.837。其次为农村居民人均消费占可支配收入比重指标，其关联度为0.827。而农林渔牧增加值、固定资产投资额及总产值都高于0.8，也具有较高的关联度。其中农村居民人均可支配收入、农村居民消费占可支配收入比重及农林牧渔业固定资产投资额等指标代表的是农村居民的实际消费能力、消费需求及农业发展过程中对设备、厂房等的需求，这些指标对物流业的推动作用可以看作是来源于农业需求侧。而农林渔牧增加值、总产值等指标代表的是农业的产出能力，其对物流业的推动作用可以看作是来源于农业供给侧。而根据关联度数值可以判断出，来源于农业需求侧的力量更能快速驱动物流业的成长。其原因可能是目前农业产业化，合作化和经营一体化水平较低，农业生产销售过程中，信息不对称，农民“小生产大市场”的问题突出[20]。尽管有些地方已经成立农业合作社，并使用“农超对接”的新型销售模式，但因为渠道单一，农产品议价能力和最终获利极为有限[21]。这些农业发展中的痛点削弱其供给层面对物流发展的促进作用，应考虑加快实施农业供给侧改革为推动两业融合发展提供新动力。与之相比的是，随着国家对“三农”工作的持续关注，农民实际可支配收入和消费支出得到了快速增长。而随着网络购物方式的普及，农民对来自全国各地，甚至海外市场的生产生活资料的需求量迅速增长，进一步促进了物流业的成长。
物流业影响农业发展的关键因素为主要港口主要货物吞吐量，其关联度数值为0.772。港口主要货物吞吐量所代表的是水路运输，具备运输量大而物流成本低等优点。并且港口所在地，通常也是同地区的交通枢纽，交通便利，且配备有成套的装卸，仓储，运输等物流体系。有学者已经证实港口建设与腹地农业发展之间确实呈现相互促进的关系，认为提高港口专业化分工水平，可以改善港口交易效率和增加港口与远距离腹地的农业的联系，而促进港口产业集聚可以推动周围腹地农业内部分工，并使其获得更多农业设备、种植和管理技术等支持[22]。其次，社会消费品零售总额、货运周转量对农业发展的关联水平也较高，关联度分别为0.765和0.761，表明物流规模对农业发展也具有重要的影响，因此，在现阶段物流业亟待于向农业领域拓展市场，扩大业务规模和能力以满足农业发展过程中释放的物流需求。
四、 主要结论与政策启示
（一） 结论
本文先使用复合系统协调度模型测算我国2010—2019年间农业与物流业协同发展水平，并探究其变化趋势。后基于灰色关联度模型计算了农业与物流业之间的关联度，确定两业中关键因素指标，作为未来两业协同发展的重要方向。最终，得出以下结论。
（1）2010—2019年间，我国农业与物流业总体协同发展水平较低，发展趋势呈螺旋式缓慢上升。对比两业子系统的有序度数值的大小变化，将此10年内的两业协同发展的变化路径拆分成两段。第一段时期为2010—2013年，此时农业子系统有序度发展缓慢，而物流子系统呈震荡上升，两业协同发展水平处于由弱度失调；第二段为2014—2019年，此时两业子系统有序度呈现较快发展，但物流子系统的有序度改善幅度要高于农业子系统，两业总体协同发展水平提高至弱度协调，并仍在缓慢上升。
（2）复合系统中的所有序参量指标的关联度数值都大于0.6，表明农业与物流业之间确实存在较高的关联度。具体来看，农业子系统指标体系中关联度指数最高的指标为农村居民人均可支配收入，可以看作为农业子系统中影响物流业发展的关键因素。而农村居民人均消费占可支配收入比重，而农林渔牧业固定资产投资额、总产值和增加值等指标对物流业的发展有重要的影响。物流业子系统指标体系中关联度指数最高的指标为主要港口主要货物吞吐量，即影响农业发展的关键因素，而货运周转量和社会消费品零售总额指标对促进农业发展有举足轻重的影响。这些指标共同影响两业未来协同发展的方向，应给予足够的重视。
（二） 政策建议
为进一步发挥农业与物流业相互推动作用，提高两业协同发展水平，应结合上述结论中的关键因素和重要因素指标所构成的两业协同发展方向，分别从农业与物流业角度采取相应措施。
1. 从农业角度
（1）推进农业供给侧改革，提升农产品附加值。我国的社会主要矛盾在进入新时代后有了根本性的转变，经济建设过程中要摒弃以量取胜，转而要强调高质量发展的理念。而在农业领域，同样要转变发展理念，不再单纯地追求产量规模的增长，而要努力促进质量的提升。引导各地农村因地制宜的调整农、林、渔、牧产业结构，大力发展绿色有机农业，扶持农产品“精深”加工产业，强化对生产、加工和销售的各个环节的监管，努力提高产品质量和附加值。
（2）鼓励农民组织、加入合作社，打破“小生产大市场”的发展瓶颈。基于合作社将原来以单个家庭为单位的农业生产力量整合为以村为单位，同时具有生产、经营属性的团体组织。由合作社统一开拓销售市场、销售渠道和销售模式，提升农民议价能力，使农业生产经营活动达到“降本增收”的效果，最终使农业生产经营走向标准化和规模化。同时，合作社也是联结市场、政府和农民的信息传输渠道，政府政策，市场信息，农产品信息通过合作社平台充分流通起来，使得生产者在生产销售过程中的相关信息利用与处理能力得到大幅度提升。
（3）推动农村电商发展，开发不同销售渠道。政府应当优化农村信息网络服务，鼓励农民建立农村电商平台，并积极开展电商运营的相关技术技能培训。利用农村电子商务平台，农产品直接面向最终消费者，可以节省运营成本，提高农民实际收入。推广“农户+合作社+居民订购/社区直销店/超市”的多渠道线下销售模式，打破单一渠道商的市场垄断地位，提高农民的议价能力。
2. 物流角度
（1）改善港口配套设施建设，增强港口与腹地农业联系。据中国港口协会统计，近些年我国港口经过大规模的建设，港口供给不足的难题已经解决，但依然具有港口集疏运体系结构不平衡和实际配套基础设施不健全等缺陷。因此，需要提高成本较低的水路、铁路运输方式的集疏运量，进一步优化港口园区内的基础设施，解决进港“最后一公里”的难题；优化港口信息网络建设，强化港口信息共享的软实力；扩大仓储面积及功能，改善仓储服务质量。同时，通过提升港口规模和经营效率，扩大港口对腹地农业的积极联系，延伸农产品交易范围的同时将发达地区的先进设备、最新技术、高素质专业人才等转运至腹地农村。
（2）发展物流规模，追求物流质量。根据世贸组织统计，自2013年以来中国货物贸易总额一直位居世界第一。但现有研究也已经证实中国物流产业总体竞争力不强，物流能力还不能满足农业产业化中释放的物流需求。因此，不仅要进一步扩大农业物流规模，而且要更重视提高物流服务质量。具体内容包括：优化农村基础设施建设，鼓励发展第三方物流以降低企业物流运营管理成本；重视发展冷链物流，研究和加购最新的冷链物流技术和相关设备，建立健全产业政策和行业标准；发挥政府监管作用，鼓励行业内部自治，结合两股监督管理力量，大力整顿行业内部应监管缺失引发的种种乱象；提倡物流企业差异化发展，降低行业内部冲突，避免恶性竞争。
（3）推动简政降费改革，着力培育专业人才。一直以来物流领域的制度性交易成本过高就饱受诟病，是直接导致我国物流成本远高于发达国家的一个关键原因。以公路运输为例，从货运汽车相关执照审批，到公路收费标准昂贵，再到货运汽车城市运营、停靠限制等，都直接或间接地增添了物流企业或从业人员的运营成本。另外，物流业是属于迅速成长起来的新兴产业，现有培养模式下的物流专业人才的产出数量与行业快速增长的实际需求之间存在巨大的空缺。为此，政府应当考虑适度简政降费，用“互联网+行政服务”的形式来简化行政审批手续，可以有效提高服务效率；降低交通运输过程中的收费标准，采取分时段收费标准，统一各环节税率等方式降低物流运营成本。而在物流领域专业人才的培育层面，应拓宽培育方式，鼓励普及校企合作的培养模式。提倡物流企业尽可能多的面向高职院校的学生开放有技术要求的实习岗位，鼓励行业高管进校园和企业定向培养等方式，目的是使高校的理论教学真正为市场所需。除此以外，企业应积极建立学习型组织，鼓励组织内部自主学习，相互分享；同时，根据企业员工的绩效考核结果或组织需要，开展有针对性的培训活动。促使物流从业人员在持续的学习和培训过程中始终把握最新的发展理念，达到提高员工个人的综合素质、塑造企业核心竞争力的最终目的。
-
表 1 变量的描述性统计
单位：万人 变量名称 均值 标准差 最小值 最大值 2017年劳动力转移总人数 ＹL 125.554 4 254.273 0 1.030 0 1 129.990 0 受到的培训情况 X1 37.216 7 75.571 6 0.490 0 334.950 0 文化程度高低 X2 0.324 9 0.086 9 0.016 3 0.425 7 性别X 3 0.557 5 0.126 3 0.067 1 0.638 9 外出务工遇到差环境的人数 X4 6.388 9 13.189 7 0.090 0 57.500 0 外出务工遇到好环境的人数 X5 19.317 8 35.207 9 0.040 0 132.01 享受社会保障的总人数 X6 739.703 9 1 820.627 3 1.250 0 6 656.030 0 
下载: 导出CSV
表 2 劳动力转移、土地流转面积与受到的培训情况的 Pearson 相关性
项目 受到的培
训情况显著性
（双侧）2017年劳动力
转移总人数Pearson相关性 0.998 0.000 土地流转面积 Pearson相关性 0.970 0.000
下载: 导出CSV
表 4 多元回归分析结果
变量名称 回归系数 标准误差 T检验值 P值 (常量) 4.531 20.508 0.221 0.829 受到的培训情况（参加过技能培训的人数） 3.042 0.808 3.766 0.003 文化程度高低（高中以上学历占总人数的比率） 91.702 142.813 0.642 0.534 性别（男性占总人数的比率） −58.161 93.409 −0.623 0.546 外出务工遇到差环境的人数 2.278 4.656 0.489 0.634 外出务工遇到好环境的人数 −0.303 1.001 −0.303 0.768 享受社会保障总人数 0.002 0.019 0.122 0.905
下载: 导出CSV
表 5 2SLS回归分析
变量名称 回归系数 标准误 T统计值 P值 （常数） 46 421.881 285 735.991 0.162 0.873 2017年劳动力转移总人数 17 669.032 1 032.418 17.114 0.000 R-squared 0.948 Adjusted R-squared 0.945 F-statistic 292.896 0.000
下载: 导出CSV
表 6 稳健性检验结果
变量 回归系数 标准误 T统计值 P值 （常数） 24 112.669 161 029.339 0.150 0.883 @2017年劳动力转移总人数 9 917.187 581.830 17.045 0.000 R-squared 0.948 Adjusted R-squared 0.945 F-statistic 290.526 0.000
下载: 导出CSV
-
[1] 速水佑次郎. 发展经济学: 从贫困到富裕[M]. 李周, 译. 北京: 社会科学文献出版社, 2003: 80-81. [2] 赵黎. 发展还是内卷: 农村基层医疗卫生体制改革与变迁[J]. 中国农村观察, 2018(6): 89. [3] 陈中伟, 陈浩. 农村劳动力转移与土地流转统筹发展分析[J]. 中国人口科学, 2013(3): 46. [4] 陈素琼, 李杨, 张广胜. 代际差异间劳动力转移对农户土地流转行为的影响: 以辽宁省501个农户样本为调研分析数据[J]. 沈阳农业大学学报(社会科学版), 2016, 18(1): 1. DOI: 10.3969/j.issn.1008-9713.2016.01.001. [5] 洪炜杰, 陈小知, 胡新艳. 劳动力转移规模对农户农地流转行为的影响: 基于门槛值的验证分析[J]. 农业技术经济, 2016(11): 14. [6] 曲长祥, 刘家旭. 黑龙江省农村劳动力转移与农村土地流转关联性探析[J]. 东北农业大学学报(社会科学版), 2013, 11(2): 32. [7] 张会萍, 刘如, 马成富. 土地流转对农户劳动力转移的影响: 基于宁夏银北地区的农户调查[J]. 山西农业科学, 2015, 43(10): 1337. DOI: 10.3969/j.issn.1002-2481.2015.10.31. [8] 李杰. 基于推—拉理论的农村土地流转与劳动力转移分析[J]. 企业技术开发, 2016, 35(6): 124. DOI: 10.3969/j.issn.1006-8937.2016.04.071. [9] 任晓聪, 孔梅. 我国农村土地流转对劳动力转移的影响研究[J]. 农村金融研究, 2016(1): 70. DOI: 10.3969/j.issn.1003-1812.2016.01.018. -
期刊类型引用(6)
1. 黄东英，梁源，李钊. 探究新农业发展与农村物流体系建设融合共生之路——以广西贵港市为例. 物流科技. 2025(01): 117-119 . 
百度学术
2. 王卫平，张启慧，候文静. 浙江省农业与物流业耦合协调规律与协调发展研究. 物流科技. 2025(04): 15-20 . 百度学术
3. 张利. 西部地区现代农业与区域物流共生发展评价. 商业经济研究. 2023(04): 94-97 . 百度学术
4. 崔姹，王明利. 京津冀地区畜牧业绿色发展与效率水平耦合协同关系研究. 生态经济. 2023(07): 141-148 . 百度学术
5. 刘娜. 乡村振兴战略下贵州省农业与物流业融合发展研究. 物流科技. 2022(02): 129-130 . 百度学术
6. 项松林，强奕菲. 数字赋能城乡双向流通体系建设的问题与路径——以安徽省宣城市为例. 云南农业大学学报(社会科学). 2022(05): 72-80 . 本站查看
其他类型引用(2)
计量
- 文章访问数: 2013
- HTML全文浏览量: 931
- PDF下载量: 36
- 被引次数: 8