• 中国人文社会科学AMI核心期刊
  • 全国高等农业院校优秀社会科学学报
  • 综合性人文社会科学“最受欢迎期刊”

多维贫困的空间聚类与相关性研究

刘玉杰

刘玉杰. 多维贫困的空间聚类与相关性研究[J]. 云南农业大学学报(社会科学), 2021, 15(3): 48-54. DOI: 10.3969/j.issn.1004-390X(s).202007008
引用本文: 刘玉杰. 多维贫困的空间聚类与相关性研究[J]. 云南农业大学学报(社会科学), 2021, 15(3): 48-54. DOI: 10.3969/j.issn.1004-390X(s).202007008
LIU Yujie. Study on Spatial Clustering and Correlation of Multidimensional Poverty[J]. Journal of Yunnan Agricultural University (Social Science), 2021, 15(3): 48-54. DOI: 10.3969/j.issn.1004-390X(s).202007008
Citation: LIU Yujie. Study on Spatial Clustering and Correlation of Multidimensional Poverty[J]. Journal of Yunnan Agricultural University (Social Science), 2021, 15(3): 48-54. DOI: 10.3969/j.issn.1004-390X(s).202007008

多维贫困的空间聚类与相关性研究

详细信息
    作者简介:

    刘玉杰(1996—),男,安徽合肥人,硕士研究生,主要从事宏观经济运行,贫困治理研究

  • 中图分类号: F 127

Study on Spatial Clustering and Correlation of Multidimensional Poverty

  • 摘要: 区域多维贫困是2020年后我国减贫事业的重要导向,也是减贫理论研究的重要内容。基于2010、2012、2014、2016、2018年全国31个省市自治区的相关数据,运用主成分分析、系统聚类分析和Moran’ s I指数分析的方法研究了各省际区域多维贫困的空间聚类情况及其相关性,以此来分析我国各地区多维贫困的空间特征和区域差别。结果表明:我国各个地区的多维贫困存在程度上的差异,其中北京等地区已逐步脱离多维贫困,西藏等地区存在严重的多维贫困问题,其余地区则呈现不同程度上的多维贫困。同时,各地区的多维贫困存在地理上的空间自相关。在此基础上,提出空间性的多维贫困治理的建议。
    Abstract: Regional multidimensional poverty is an important direction of China’ s poverty reduction after 2020, and also an important content of theoretical research on poverty reduction. Based on the 2010, 2012, 2014, 2016 and 2018, the related data of 31 provinces, cities and autonomous regions nationwide, using principal component analysis, system cluster analysis and Moran’ s I index analysis method to study the various provincial regional spatial clustering of multidimensional poverty and its correlation, in order to analyze our country regional spatial characteristic and regional difference of multidimensional poverty. The results show that there are differences in the degree of multi-dimensional poverty in various regions of China, among which Beijing and other regions have gradually got rid of multi-dimensional poverty, Tibet and other regions have serious multi-dimensional poverty, and other regions have shown multi-dimensional poverty in different degrees. At the same time, there is a spatial autocorrelation between the multidimensional poverty in different regions. On this basis, the paper puts forward some Suggestions on spatial and multidimensional poverty management.
  • 中共十九届五中全会指出,应全面推进乡村振兴战略,加快推进农业农村现代化进程,“三农”领域的任务繁重,在经济下行,外部环境巨变的压力下,解决好“三农”问题具有至关重要性的作用。应该抓好重点,即家庭农场和农民合作社等新型农业经营主体的长足发展,开展家庭农场培育课程,开展农民合作社规范行为主题教育活动,深入开展推进有效合作社示范建设,完善利于家庭农场、农民合作社发展的政策体系与管理制度,在全社会形成支持家庭农场、农民合作社发展的社会氛围。山东省作为人口大省、农业大省,山东省的脱贫攻坚任务是急需解决的问题,农业经济增长在其经济增长中所占的比重不言而喻。山东省农业经济的长足稳定发展是山东省经济健康稳定发展的保护伞。宋淑莉等人认为在经济新常态下农业机械化、土地的规模经营、农村劳动力素质以及国家财政支农政策等对农业经济增长仍具有较明显的正向拉动作用。高标准发展农业机械化,保障土地集约化经营,加快进行农业社会化服务体系建设,实现农业生产的专业化是农业经济新常态下的必然选择[1]。楼俊超等认为人力资本数量和质量对农业经济增长的显著影响,不同教育层次的劳动力对农业产值的拉动作用存在差异[2]。董奋义等人认为人力资本贡献率对农业经济增长有明显的促进作用,人力资本投入成为影响安徽省农业经济发展的最主要因素[3]。李兆亮等人认为中国农业R&D投入和农业GDP在空间上均存在显著的集聚特征,农业R&D投入对农业经济增长的直接效应、溢出效应和总效应均显著为正,且溢出效应大于直接效应[4]。袁芳等人认为从长期看西北地区农业固定资产投资对农业经济增长具有正向拉动作用,但随着农业固定资产投资的加大,其投资效率有待提高,其作用效果逐渐减弱[5]。于扬等人认为农业财政投入在短期对农业经济增长呈现出负向影响,然而在长期则呈现出正向作用[6]。林海英等人认为每增加1单位农业信息化投入,可促进42.8%农业经济的增长,农业信息化对农业经济发展的贡献很大[7]。刘敦虎等人认为四川省农业科技投入对四川省农业经济增长具有重要的影响作用,但农业科技投入对农业经济增长呈现滞后效应[8]。张红丽等人认为农村劳动力转移在各区域中均能显著缩小城乡收入差距,其中低农业劳动生产率区域中的缩减作用更为明显[9]。马轶群等人认为人力资本、农业财政投入及市场化对农民增收均有显著贡献[10]

    张红丽等人认为农业技术进步既可以直接作用于城乡收入差距,也可以通过农村劳动力转移的“遮掩效应”作用于城乡收入差距;农村劳动力转移则直接作用于城乡收入差距[9]。马轶群等人认为农业技术进步不仅对农民增收有直接作用,还会通过劳动力转移间接增加农民收入[10]。莫亚琳等人认为劳动力流动对农户收入增长具有显著促进作用,劳动力流动对最低收入阶层农户收入增长的促进作用最大[11]。张杰飞认为农村劳动力转移能显著增加农户家庭收入水平,对东部地区的增收效应则显著低于中西部地区[12]。高延雷等人认为农业劳动力和农民收入均发挥了显著的正向中介效应[13]。苏荟等人认为城乡收入差距为劳动力转移提供了正向信号,农业技术进步为南疆劳动力转移形成了“推力”,南疆产业结构升级未能够为劳动力转移提供“拉力”,从而形成了劳动力转移的“倒逼”形式[14]。杨穗等人认为从2007年到2013年,农民外出务工倾向于选择近距离的乡外县内就业,农民在县域内务工的收入差距明显缩小,而县外务工(包括县外省内和省外)与乡内务工的收入差距明显扩大[15]。陈建伟等人认为新型职业农民身份对农民的农业经营收入具有正的影响[16]。刘晶等人认为增加非农收入是劳动力非农化转移的基本动因;农业劳动力非农化转移对农民收入结构具有重要影响[17]

    高延雷等人认为东部地区城镇化促进农业机械化水平提高的机制表现为农业劳动力与农民收入的双重中介效应,而中西部地区仅表现为农业劳动力的正向中介效应[13]。李平等人认为农业总产值和农机总动力在5%水平上,两变量一阶单整序列存在协整关系,即长期均衡关系,其中农机总动力对农业总产值有显著正向影响[18]。吴智豪等人认为江苏省农业机械化水平对粮食生产存在显著的空间溢出效应,本地区农业机械化水平提升会显著促进周边地区粮食产量增加[19]。薛超等人认为农业机械化水平对种植业全要素生产率的提升具有显著促进作用[20]。黄大勇认为农业机械化服务能显著降低生产成本、提高生产效率、增加经济效益,实现了家庭农场规模报酬递增[21]。现有的文献较多的从国家层面研究科技投入对农业经济增长的影响,根据前人的经验总结,农业机械化发展的需要促进了人民公社的建立,农业机械化发展的需要与农民合作社发展的需要是一个相互促进的过程。此外农民合作社对农业生产总值的影响主要表现在农业机械化水平上,所以本文选取了农业机械化水平来代表山东省农民专业合作社的发展水平,农业领域的科技投入大部分集中到农民合作社中,所以农业领域的科技投入也可较好的衡量农民合作社的发展水平。近年来,山东省农业经济增长成绩斐然,但是也隐藏着较多的问题,比如生产率较低、土地对劳动力的束缚较大、农业现代化进程中存在着较多的问题、资源浪费与闲置问题较为严重、生产方式粗放导致生态环境恶化、过度开垦问题严重。较少的文献聚焦于山东省农业经济增长中存在的问题,本文根据柯布道格拉斯生产函数,经济的增长主要依靠人力资本、科技资本,选取了代表山东省农业发展水平的农业生产总值、代表农业人力资本投入的农业劳动力、代表农民专业合作社发展水平的农业机械总动力、代表农业领域科技投入的农业领域的固定资产投入来建立模型,分析其动态影响,为山东省农业经济的健康稳定发展给出中肯的意见。

    本文对山东省农业经济增长与农业投入要素的动态关联进行实证分析,在对时间序列数据进行分析之前,先采用稳定性检验来分析数据之间是否存在着长短期的因果关系,进一步用VAR脉冲响应模型来分析所选经济变量之间存在的动态联系与互动效应。基于柯布道格拉斯生产函数的理论基础,分析农业劳动力、农民专业合作社、科技发展水平对我国农业经济的影响。机械化水平是衡量现代农业科技发展水平的主要指标,而农民专业合作社是农村地区生产力较高水平的代表,是大部分农村科技投入的聚集地。因此本文用农业机械总动力来描述现代农业科技发展水平,代表农民专业合作社的发展水平,以TAMP表示(单位:万kW);农业经济投入中的固定资产投资来描述资本的变化,用INV来表示(单位:亿元);农业生产总值来代表农业领域的经济发展水平,用AGDP表示(单位:亿元);农业劳动力用LABOR表示(单位:万人)。

    本文选取1997—2017年山东省的农业领域的数据指标为主要研究的对象,数据来源于《山东省统计年鉴》《山东省统计公报》。为了消除了异方差的影响和平滑数据,本文对所选取的指标进行了对数化处理,赋予经济变量弹性的经济性质,分别记作LNAGDP、LNLABOR、LNTAMP、LNINV,构建了VAR脉冲影响模型(表1),研究这些变量之间存在的依存关系,变量之间存在的依存关系,并不意味着这些变量之间便存在着因果关系。本文构建的VAR模型如下:

    表  1  变量的描述性统计
    指标选取LNAGDPLNINVLNLABORLNTAMP
    均值7.9235415.9572067.7413229.221316
    中值8.0350196.2961917.7342179.213364
    最大值8.4975666.9369357.9682169.499498
    最小值7.1456464.3456227.5265028.857265
    标准差0.4967710.797270.131950.19327
    偏度−0.300369−0.6939370.249767−0.197747
    峰度1.5630232.320662.1796491.997184
    下载: 导出CSV 
    | 显示表格
    $$ {LNAGDP}_{t}=\sum _{i=1}^{m}{A}_{i}{LNAGDP}_{t-i}+\epsilon_{i} $$

    其中$ {LNAGDP}_{t} $是由第t期变量观测值构成的n维内生向量数组,$ {A}_{i} $$n\times n $维系数矩阵,m为内生变量的滞后期,$ \epsilon_{i} $n维随机白噪声过程,且满足 COV($ \epsilon_{t} $,$ \epsilon_{k} $) = 0 (tk)。

    本文选取了山东省农业生产总值、农业劳动力、机械化水平、农业经济投入中的固定资产投资来构建VAR脉冲影响模型来分析变量之间的存在的依存关系。为了消除异方差的影响,本文对所有的数据变量做了对数化处理。所以本文首先对LNAGDP、LNLABOR、LNTAMP、LNINV进行平稳性检验,检验方法采用了ADF检验,检验结果见表2,本文将最大滞后期设置为2期。由表2可得在5%的显著性水平下,LNTAMP、LNINV均是一个非平稳过程,所以本文对LNTAMP、LNINV进行了一阶差分。结果显示,经过一阶差分之后的LNTAMP、LNINV均是趋势平稳过程。因此,本文选取的研究变量之间不是一个单位根过程,研究变量经过一阶差分后都是平稳的,即山东省的农业生产总值、农业领域劳动力、农业机械总动力、农业领域的固定资产投入之间是协整的。

    表  2  单位根检验
    变量序列ADF检验值5%显著性水平结论
    LNAGDP−4.696321−3.098896趋势平稳过程
    LNLABOR−4.834391−3.759743趋势平稳过程
    LNTAMP−2.069311−3.052169非平稳过程
    ΔLNTAMP−3.726168−1.964418趋势平稳过程
    LNINV−2.002493−3.759743非平稳过程
    ΔLNINV−4.468099−3.759743趋势平稳过程
    下载: 导出CSV 
    | 显示表格

    本文所选取变量的格兰杰因果关系检验结果如表3所示,结果表明:农业领域的固定资产投入LNINV可以Granger引起农业生产总值LNAGDP;农业机械总动力LNTAMP、农业领域的固定资产投入LNINV可以联合Granger引起农业生产总值LNAGDP;农业机械总动力LNTAMP可以Grange引起农业劳动力LNLABOR;农业劳动力LNLABOR、农业机械总动LNTAMP可以Granger引起农业领域固定资产投入LNINV;农业劳动力LNLABOR、农业生产总值LNAGDP可以联合Granger引起农业领域固定资产投入LNINV;农业生产总值LNAGDP、农业机械总动力LNTAMP、农业劳动力LNLABOR可以联合Granger引起农业领域固定资产投入LNINV。而农业劳动力LNLABOR不能Granger引起农业生产总值LNAGDP,是因为随着山东省城镇化进程加快农村人口转移为城镇人口,剩余的农业劳动力中存在者“兼农”现象,一部分不会干农活的“新生代农村劳动力”的存在使得农村劳动力与农业领域经济增长之间没有明确的关系。

    表  3  格兰杰因果关系检验
    原假设Chi-sq统计量自由度P
    LNLABOR不能Granger引起LNAGDP0.97987520.6127
    LNTAMP不能Granger引起LNAGDP2.9412820.2298
    LNINV不能Granger引起LNAGDP21.362410.0453
    LNLABOR、LNTAMP不能Granger引起LNAGDP3.94670530.4133
    LNLABOR、LNINV不能Granger引起LNAGDP6.1591140.1876
    LNTAMP、LNINV不能Granger引起LNAGDP10.6148640.0313
    LNLABOR、LNTAMP、LNINV不能Granger引起LNAGDP10.061460.1221
    LNAGDP不能 Granger引起LNLABOR1.55747420.459
    LNTAMP不能Grange引起LNLABOR5.9166620.0519
    LNINV不能Granger引起LNLABOR1.7754410.3983
    LNAGDP、LNINV不能Granger引起LNLABOR7.55672340.1092
    LNAGDP、LNTAMP不能Granger引起LNLABOR1.31155140.8594
    LNINV、LNTAMP不能Granger引起LNLABOR5.58608440.2323
    LNAGDP、LNTAMP、LNINV不能Granger引起LNLABOR6.15547160.406
    LNAGDP不能Granger引起LNTAMP1.37405720.5031
    LNLABOR不能Granger引起LNTAMP1.06200720.588
    LNINV不能Granger引起LNTAMP1.3841210.4699
    LNAGDP、LNLABOR不能Granger不能LNTAMP2.08483240.7202
    LNAGDP、LNINV不能Granger引起LNTAMP3.08653140.5435
    LNLABOR、LNINV不能Granger不能LNTAMP3.60757240.4617
    LNAGDP、LNINV、LNLABOR不能Granger引起LNTAMP4.53603660.6045
    LNAGDP不能Granger引起LNINV0.429910.8069
    LNLABOR不能Granger引起LNINV12.096710.0781
    LNTAMP不能Granger引起LNINV12.019110.0786
    LNLABOR、LNAGDP不能Granger引起LNINV9.36385540.0526
    LNAGDP、LNTAMP不能Granger引起LNINV7.42134940.1152
    LNLABOR、LNTAMP不能Granger引起LNINV6.54115140.1622
    LNAGDP、LNTAMP、LNLABOR不能Granger引起LNINV11.2202360.0818
    下载: 导出CSV 
    | 显示表格

    VAR模型可以进行脉冲响应分析的前提条件是可以通过平稳性检验。本文通过验证模型特征值的倒数是否落在单位圆内来判断模型的平稳性,全部落在单位圆内即模型的根模倒数值小于1。VAR模型的特征根全部落在了单位圆内,表明本文所建立的VAR模型是稳定的,可以对其进行脉冲响应分析。

    本文所构建的VAR模型是山东省农业经济产出与农业劳动力数量、农业机械总动力、农业领域的固定资产投入之间的3个双变量模型。分别选取了农业领域的固定资产投入LNINV、农业机械总动力LNTAMP、农业劳动力数量LNLABOR与农业生产总值LNAGDP建立互不影响的向量自回归模型。根据AIC信息准则与ADF检验的结果本文把最大滞后期选定为1期。此外,本文利用EVIEWS软件对模型参数的估计结果如表4所示:从模型的拟合优度来看(0.992306,0.970234,0.970707,0.834335),本文所建立的VAR模型有很好的拟合效果。对农业生产总值LNAGDP来说,农业领域的固定资产投入LNINV在滞后期为一期时的影响变为正数,表明了山东省涉农领域的固定资产投入对其农业经济增长存在滞后效应。农业领域的科技投入对山东省农业经济增长的促进作用不会立刻明显地表现出来,而是在经历一段时间之后,才会发挥其经济效应。农业劳动力LNLABOR对农业经济增长LNAGDP的影响,在滞后一期的情况下是一个负值。一方面是因为农业劳动力变动对农村经济增长的影响需要一个长期的过程才会表现出来,另一方面是因为城镇化进程加快,大量的农村劳动力转化为城市务工人员,“兼农”现象较为突出,不会干农活的“新生代农村劳动力”的比例增大。农业机械总动力LNTAMP对农业经济增长LNAGDP的影响,在滞后一期时,参数为正值0.254770,表明农业机械总动力对农业经济增长存在明显的长期效应。农民专业合作社对农业经济增长的促进作用是一个长期过程,不会在建立初期就表现出明显的促进作用,但从长远来看农民专业合作社的建立仍具有明显的作用。

    表  4  山东省农业经济增长各要素的向量自回归模型参数估计结果
    变量序列LNAGDPLNINVLNLABORLNTAMP
    LNAGDP(−1)0.681355(0.11892)−0.122914(0.35212)−0.017015(0.06048)0.119081(0.20585)
    LNINV(−1)0.079273(0.06677)0.607897(0.19771)−0.012451(0.03396)0.103477(0.11558)
    LNLABOR(−1)−0.227139(0.39113)−1.908233(1.15815)0.882766(0.19891)0.904369(0.67705)
    LNTAMP(−1)0.254770(0.16679)0.282955(0.49387)0.035039(0.08482)0.646408(0.28871)
    C1.537269(3.50785)15.62274(10.3869)0.767659(1.78395)−5.280411(6.07220)
    R-squared0.9923060.9702340.9707070.834335
    注:括号内变量为标准误差取值。
    下载: 导出CSV 
    | 显示表格

    脉冲响应函数通常不能分析一个变量的变化对另一个变量的影响如何,而是分析模型受到某个变量的某种冲击时系统的动态变化。本文利用广义脉冲响应函数分析来描述农业劳动力、农业机械化水平、农业领域的固定资产投入对农业经济增长的长期影响。考虑到统计口径的原因,本文设定10期作为冲击响应期。

    山东省农业经济增长对农业劳动力的脉冲影响结果图1所示。累计响应结果表明农业生产总值对农业劳动力的响应为负的相关关系,这与前文的分析一致。随着山东省城镇化进程的加快,农业经济增长解放了更多的劳动力。现代农业的发展不再需要大规模的投入劳动力,农业机械化进程的加快代替了一部分农业劳动力,现代农业经济的发展需要投入少而精的高水平劳动力,过去土地束缚劳动力的时代已经过去了。

    图  1  LNAGDP与LNLABOR脉冲响应曲线

    图1(B)表明劳动力的投入对农业经济增长的影响在前两期没有明显的影响,在第3期影响力逐渐下降在第6期达到低谷。在第9期农业劳动力对农业经济增长的冲击影响变为了一个正值,表明在短期内,农业劳动力流失对农业经济增长产生了一定的抑制作用。但从长期来看,农业劳动力的精简投入有利于促进山东省农业经济的增长,这种影响的长期效应是正向的。由图1(A)可以看到农业经济增长对农业劳动力的影响不太稳定,有时这种影响表现为正向的,有时表现为负向的影响,滞后期第4期到第10期,这种影响表现为正向的。一方面是因为农业经济增长吸引了一部分城市务工人员返农,另一方面是现代生活压力过大,一部分城市人口选择建立观光农业等新型农业经营主体。

    山东省农业机械总动力与农业经济增长的脉冲影响结果如图2所示。就其累计效应而言,山东省农业机械总动力与其农业经济增长之间存在明显的正向相关关系。表明农业机械总动力的提升可以促进农业经济增长,第1期时,农业机械总动力的变动对农业经济增长的冲击作用为0,说明农业机械投入使用,对农业经济增长的提升作用不会立即表现出来,需要经过一定时间的积累,在前7期时农业机械总动力对农业经济增长的作用逐渐增大并达到极值0.081972,然后开始下降至0.002595说明农业机械总动力是山东省农业经济增长的一个重要动因,但是因为农业机械投入过度等原因,存在明显的后劲不足现象。而山东省农业经济增长对农业机械总动力的累计作用也是正向的,侧面证明了山东省的农业机械总动力是山东农业经济增长的刚性需求,但是在第8期到第10期农业经济增长对农业机械总动力的影响表现为负值,一方面是因为农业经济增长,购买了大量的闲置农用机械,造成了机器的闲置与冗余;另一方面是因为随着经济收入的增加,农业机械的价格也随之上升,人们的边际效用下降,在购买农业机器的时候不再像过去那样精心对比。图2农业机械总动力与农业经济增长的脉冲响应曲线表明农业机械总动力与农业经济增长之间存在着双向因果关系,农民专业合作社的建立,会促进农业经济增长。

    图  2  LNTAMP与LNAGDP脉冲响应曲线

    山东省农业领域的固定资产投入与农业经济增长之间的关系图3所示。就累计来看农业领域的固定资产投入对农业经济增长的影响为负效应,在前6期一直是一种负的影响,在第7期之后逐渐增大而农业经济增长对农业领域的固定资产资产投入累计效应为正效益。这表明农业经济增长需要农业领域的固定资产投入来促进经济增长,农业固定资产投入的增长对农业经济增长有一个明显的抑制作用,是因为农业领域的固定资产投入的增加产生了挤出效应,致使其他要素的投入数量减少,在短期内抑制了山东省农业经济的增长。但是从长期来看,农业领域的固定资产投入对农业经济增长的促进作用非常明显。山东省农业经济增长对固定资产投入脉冲影响也表明农业经济增长需要农业领域的固定资产投入做经济支撑。但是,农业领域固定资产投入中存在着投放过度与重复建设现象,其影响作用表现为负数或逐渐减少说明了这一点。现阶段,山东省农业经济增长虽然取得了较大的成就,较多的依赖固定资产投入来拉动经济,但固定资产投入对农业经济的拉动作用正在逐渐减弱,表明山东省农业经济需要积极地寻找新的农业经济增长点;随着山东省农业领域固定资产投资数量不断加大,山东省农业经济也取得了较大的发展,但是山东省农业领域的固定资产投资存在着后劲不足、来源单一、投资结构失衡、增长速度不合理、重投入轻验收等问题,导致农业领域的固定资产投入对农业经济增长的长期效应不明显,贡献率处在较低的频次,这是山东省农业经济增长想要取得平衡发展必须解决的问题。

    图  3  LNINV与LNAGDP脉冲响应曲线

    方差分解可以描述时间序列中各影响因素数据的波动冲击对被解释变量数据变动的解释程度,方差分解是用来描述VAR模型中每个解释变量产生影响的扰动项的解释程度。山东省农业经济增长的衡量变量农业生产总值、农业劳动力、农业机械总动力、农业领域的固定资产投入的方差分析结果见表5

    表  5  山东省农业经济增长与各因素方差分解
    滞后期Variance Decomposition of LNAGDP
    (S.E.)LNLABORLNINVLNAGDPLNTAMP
    10.04313933.349220.910245.740610
    20.06629234.2589911.308849.620724.811493
    30.13917210.176666.06759545.6353538.12039
    40.1755614.646546.95195246.1303332.27118
    50.22090220.66547.9153640.7490230.67022
    60.26931222.808378.95926638.3327529.89962
    70.29285327.785449.6988635.8378926.67781
    80.31017529.6798610.7016733.7374125.88105
    90.31738230.4226111.5635732.8403625.17346
    100.3186330.6031111.8301932.5835624.98314
    下载: 导出CSV 
    | 显示表格

    在影响山东省农业经济增长的因素中,其自身的影响达到了49.62072%,之后便一直下降到32.58356%,影响山东省农业经济增长的主要因素是他自身,但这种影响的比重正在逐步下降。山东省农业劳动力LNLABOR对农业经济增长的影响在30%左右摇摆不定,在第十期时的影响因素达到了30.60311%,仍然远超农业机械总动力LNTAMP与农业领域的固定资产投入LNINV的动态指标。表明山东省的农业经济增长主要依靠劳动力投入来促进农村经济效应的提升,土地对劳动力的束缚还比较明显,山东省农业经济增长还处在依靠劳动力拉动增长的阶段。农业机械总动力 LNTAMP对山东农业经济增长的影响因素,从第1期的0突然增长至32.27118%然后缓慢下降至第10期的24.98314%,农业机械在刚开始投入农业生产过程中时,对农业经济增长产生了较明显的促进作用,但是在普及农业机械的使用的过程中,产生了重复投入等一系列的问题,使得农业机械投入使用对农业经济增长的促进作用没有很好地发挥出来,盲目普及农业机械化,造成了资源的闲置与浪费。山东省农业领域的固定资产投入对农业经济增长的贡献较小,山东省农业经济增长需要加大对农业领域的有效投入。

    山东省作为农业大省,其农业经济的增长及动态影响因素一直是学术界关注的重点。本文认为提高山东省农业经济发展水平首先应该搞清楚山东省农业经济增长的动因问题。根据柯布道格拉斯生产函数基于科技投入的视角研究人力资本、农业科技投入、农民专业合作社对农业经济增长的贡献。本文收集了山东省农业经济增长的农业生产总值、劳动力数量、机械化总动力与农业领域的固定资产投入的时间序列数据,建立了基于科技投入与专业化合作组织视角的“增长—人力资源—技术—资本”四个系统的VAR模型,使用脉冲响应分析与方差分解来分析各要素之间的动态响应关系与相关程度。得出如下结论:山东省农业经济增长与农村劳动力、农业机械化水平、农业领域的科技投入水平存在长期稳定的动态相关关系。对山东省农业经济增长而言,农业科技投入在滞后期的前期表现为一个负值,这表明农业科技投入对农业经济增长的促进作用会更多地体现在长期效应。农业机械化水平对农业经济增长的促进作用一直很明显,并且在滞后两期的情况下对经济增长的促进作用非常明显,这说明山东省农业经济增长的一个重要动因就是农业机械化水平,而农民专业合作社是农用机械动力的主要提供者,农民专业合作社是农业机械化发展应运而生的产物。山东省农业领域劳动力对农业经济增长的冲击在滞后一期的情况下为一个明显的正值,但是在滞后两期的情况下为一个明显的负值。这表明随山东省城镇化进程的加快,农业劳动力中存在着大部分的不会干农活的“新型农村劳动力”以及普遍的“兼农效应”。但是,在方差分析中农业劳动力是山东省农业经济增长的重要解释动因,这表明山东省农业经济增长需要一批少而精的高素质农业劳动力。方差分析结果表明农业机械化水平与农业领域的固定资产投入的影响所占比重较小,但是其所占的比重呈现出不断上升的趋势。这表明农业机械化水平与涉农领域的科技投入对山东省农业经济增长至关重要,但是其重要程度在现阶段还没有很好地发挥出来。

    山东省农业经济要想取得长足稳定的发展,基于此给出以下政策建议:第一,加大农业机械的研发与科技投入力度,提高农业机械的质量;第二,引导建立农民专业合作社,对农机手进行技能培训,对农业劳动力进行职业技能培训,培养一批新的少而精的高素质农村劳动力,形成一支高效科学的队伍;还应该加大农机操作养护培训力度,更好地做到人机合一,最大限度地提高人力资本、科技资本对山东省农业经济的提升力度。第三,山东省应该加大农业领域的定向精准科技投入,把握好科技投入的力度,不应重投资轻监管,涉农领域的科技投入不是目的,而是通过科技投入增加农业生产总值。

  • 图  1   2010、2012、2014、2016、2018年地区多维贫困聚类谱系图

    表  1   多维贫困程度综合评价指标体系

    项目层指标层指标解释(单位)
    经济水平X1人均消费支出元/人
    X2人均可支配收入元/人
    X3人均GDP元/人,地区生产总值/人口
    X4财政支持%,地区一般公共预算支出/生产总值
    教育水平X5文盲人口占15岁及以上人口的比重%
    X6每十万人平均在校接受高等教育人数
    医疗水平X8每万人医疗卫生机构床位数张/万人
    文化科技水平X9电视覆盖率%
    X10每万人R&D项目数项/万人
    X11每万人专利申请数件/万人
    交通水平X12铁路营运里程km
    X13客运量水平人次/人口
    能源水平X14电力消费水平(亿kW·h)/万人
    下载: 导出CSV

    表  2   部分主成分特征值(大于1)和方差贡献率

    年份主成分
    因子
    特征根因子贡献
    率/%
    累积因子贡
    献率/%
    2010F117.87956.27756.277
    F122.03814.55570.832
    F131.349.57180.403
    F141.0947.81188.214
    2012F216.71247.94547.945
    F222.55318.23466.179
    F231.1878.47874.657
    F241.1057.8982.546
    2014F316.92649.4749.47
    F322.34516.74966.219
    F331.61911.56677.785
    F341.0227.29785.081
    2016F416.70347.87647.876
    F422.16115.43963.315
    F431.83713.12476.438
    F441.0957.82284.261
    2018F516.57146.93846.938
    F522.54718.18965.128
    F531.72812.34677.473
    F541.1137.94785.42
    下载: 导出CSV

    表  3   2010、2012、2014、2016、2018年Moran’ s I值

    年份2010年2012年2014年2016年2018年
    Moran’ s I值0.431***0.447***0.327***0.262**0.415***
    Z-value4.0934.32823.20522.69133.9948
    注:***P<0.01,**P<0.05。
    下载: 导出CSV
  • [1] 邢成举, 李小云. 相对贫困与新时代贫困治理机制的构建[J]. 改革, 2019(12): 16.
    [2] 陈志钢, 毕洁颖, 吴国宝, 等. 中国扶贫现状与演进以及2020年后的扶贫愿景和战略重点[J]. 中国农村经济, 2019(1): 2. DOI: 10.3969/j.issn.1672-6960.2019.02.010.
    [3] 孙久文, 夏添. 中国扶贫战略与2020年后相对贫困线划定: 基于理论、政策和数据的分析[J]. 中国农村经济, 2019(10): 98.
    [4] 王小林, 冯贺霞. 2020年后中国多维相对贫困标准: 国际经验与政策取向[J]. 中国农村经济, 2020(3): 2.
    [5]

    SEN A. Development as Freedom[M]. Oxford: Oxford University Press, 1999.

    [6]

    ALKIRE S, FOSTER J. Counting and Multidimensional Poverty Measurement[J]. Journal of Public Economics, 2011, 95(7): 476. DOI: 10.1016/j.jpubeco.2010.11.006.

    [7]

    SANTOS M E, URA K. Multidimensional Poverty in Bhutan: Estimates and Policy Implications[J]. OPHI Working Paper, 2008(14): 1.

    [8]

    BADER C, BIERI S, WIESMANN U, et. al. A Different Perspective on Poverty in Lao PDR: Multidimensional Poverty in Lao PDR for the Years 2002/2003 and 2007/2008[J]. Social Indicators Research, 2016, 126(2): 1. DOI: 10.1007/s11205-015-0900-2.

    [9] 王博, 张建, 朱玉春. 深度贫困地区多维贫困测度与反贫困路径探析[J]. 西北农林科技大学学报(社会科学版), 2019, 19(6): 62. DOI: 10.13968/j.cnki.1009-9107.2019.06.07.
    [10] 张昭, 杨澄宇. 老龄化与农村老年人口多维贫困: 基于AF方法的贫困测度与分解[J]. 人口与发展, 2020, 26(1): 12.
    [11] 王素霞, 王小林. 中国多维贫困测量[J]. 中国农业大学学报(社会科学版), 2013, 30(2): 129. DOI: CNKI:SUN:NYSK.0.2013-02-017.
    [12] 师荣蓉. 多维贫困视域下金融减贫的空间效应与门槛特征[J]. 管理学刊, 2020, 33(1): 50.
    [13] 周云波, 贺坤. 精准扶贫视角下收入贫困与多维贫困的瞄准性比较[J]. 财经科学, 2020(1): 106. DOI: CNKI:SUN:CJKX.0.2020-01-010.
    [14]

    ZHOU Y, LIU Y. The geography of poverty: Review and research prospects[J]. Journal of Rural Studies, 2019(1): 8. DOI: 10.1016/j.jrurstud.2019.01.008.

    [15] 刘彦随, 周扬, 刘继来. 中国农村贫困化地域分异特征及其精准扶贫策略[J]. 中国科学院院刊, 2016, 31(3): 269. DOI: 10.16418/j.issn.1000-3045.2016.03.001.
    [16] 李寻欢, 周扬, 陈玉福. 区域多维贫困测量的理论与方法[J]. 地理学报, 2020, 75(4): 753. DOI: 10.11821/dlxb202004007.
    [17] 李世祥, 李丽娟. 中国农村能源贫困区域差异及其影响因素分析[J]. 农林经济管理学报, 2020, 19(2): 210. DOI: 10.16195/j.cnki.cn36-1328/f.2020.02.22.
    [18] 张跃, 黄帅金. 城镇化减贫的空间溢出效应及门槛特征: 基于贫困乡城转移背景[J]. 云南财经大学学报, 2019, 35(12): 36.
    [19] 谭昶, 吴海涛, 黄大湖. 产业结构、空间溢出与农村减贫[J]. 华中农业大学学报(社会科学版), 2019(2): 8. DOI: CNKI:SUN:HZND.0.2019-02-003.
    [20] 刘月, 师谦友, 李华, 等. 基于主成分—聚类分析的贫困县(区)经济发展研究: 以陕南地区国家级贫困县(区)为例[J]. 资源开发与市场, 2012, 28(2): 130. DOI: 10.3969/j.issn.1005-8141.2012.02.011.
    [21] 王瑜, 汪三贵. 农村贫困人口的聚类与减贫对策分析[J]. 中国农业大学学报(社会科学版), 2015, 32(2): 98.
    [22] 龚艳冰, 巢妍. 基于数据场K-means聚类的农村贫困人口精准分级研究: 以贵州省某镇为例[J]. 软科学, 2019, 33(6): 135. DOI: 10.13956/j.ss.1001-8409.2019.06.24.
    [23] 朱冬元, 杨潇宇, 孙浩然. 城镇化发展多维减贫效应的实证分析[J]. 统计与决策, 2019, 35(21): 88. DOI: 10.13546/j.cnki.tjyjc.2019.21.020.
    [24] 张沁, 孙浩. 多维贫困集聚下的我国农村金融减贫效应分析[J]. 湖南农业大学学报(社会科学版), 2019, 20(6): 18. DOI: CNKI:SUN:HNNS.0.2019-06-004.
    [25] 吴小节, 彭韵妍, 汪秀琼. 中国生态文明发展状况的时空演变与驱动因素[J]. 干旱区资源与环境, 2016, 30(8): 1. DOI: 10.13448/j.cnki.jalre.2016.241.
    [26] 连旭. 县域农业经济发展评价及空间分异研究: 基于新疆83个县面板数据的实证[J]. 干旱区资源与环境, 2016, 30(12): 73. DOI: 10.13448/j.cnki.jalre.2016.386.
    [27] 蒋振威, 王平. 海南区域技术创新能力评价与空间差异性分析: 基于2009—2014年海南18个市县面板数据[J]. 经济地理, 2016, 36(11): 24. DOI: 10.15957/j.cnki.jjdl.2016.11.004.
  • 期刊类型引用(4)

    1. 杨群兴,刘从信,李光华,彭云东. 云南池坝塘养殖渔业经济效益分析. 云南农业大学学报(社会科学). 2022(02): 111-119 . 本站查看
    2. 韩学娟,李之凤. 农业科技投入与农业经济增长互动关系实证研究——以甘肃省为例. 生产力研究. 2022(02): 89-93+102 . 百度学术
    3. 宋丽华. 山东省农业技术创新与农业经济增长的关系实证研究. 农业开发与装备. 2022(06): 88-90 . 百度学术
    4. 柯福艳,徐知渊,杨良山. 农业科技投入对农业经济增长的驱动影响研究——基于浙江省60个县的统计数据. 浙江农业学报. 2022(07): 1537-1544 . 百度学术

    其他类型引用(1)

图(1)  /  表(3)
计量
  • 文章访问数:  1729
  • HTML全文浏览量:  882
  • PDF下载量:  20
  • 被引次数: 5
出版历程
  • 收稿日期:  2020-07-02
  • 修回日期:  2020-07-19
  • 网络出版日期:  2021-03-22
  • 发布日期:  2021-04-26

目录

/

返回文章
返回