许长新+林剑婷+宋敏

摘要水资源和土地资源是非常重要的自然资源，是农业经济发展不可或缺的物质要素。水资源与土地资源的合理匹配能够促进区域的资源优势转化为经济增长，从而促进区域农业经济发展。我国是一个人口众多的农业大国，同时也存在水资源与土地资源短缺的问题。本文结合我国农业水土资源自然禀赋与实际利用情况，首先利用中国2003-2013年的分省数据，选取单位耕地面积的广义农业水资源量测度方法和当量系数描述了我国农业水土资源匹配的现实，发现我国农业水资源与土地资源在空间上匹配程度不高，农业生产受到水土资源约束较强，农业水土资源的形成区域与消耗区域在空间上不相匹配；然后，在邻接权重矩阵下采用Morans I指数验证我国区域农业经济增长的空间关联性，结果显示我国各省农业经济增长存在显著的空间关系，呈现出高度的集聚性和非均质性。为避免估计结果有偏，本文在此基础上采用空间计量建模及估计方法，加入农业生产人、财、物等控制变量，测度水土匹配度对区域农业经济增长的空间溢出效应。结果显示，水土匹配度对区域农业经济发展的区域内和区域间的溢出效应都显著为正，总体上水土匹配度对区域农业经济发展具有正向的溢出效应，即水土匹配度对本地区农业经济增长具有促进作用；同时，由于相邻区域的水土资源自然禀赋条件类似，而且农业生产中存在“示范效应”和“模仿效应”，水土匹配度对相邻地区农业经济增长也具有一定的促进作用。因此，采取相关措施优化农业水土资源匹配关系，对促进我国区域农业经济增长，保障我国粮食安全非常重要。

关键词水土匹配；农业经济增长；空间溢出效应；空间回归偏微分方法

中图分类号F329.9 文献标识码A文章编号1002-2104（2016）07-0153-06doi：10.3969/j.issn.1002-2104.2016.07.019

水资源和土地资源是最基本、最重要的自然资源和经济资源，是农业发展重要的物质生产要素，关系到农业经济发展和粮食安全。我国是一个人口众多的农业大国，同时又是一个水资源和耕地资源十分短缺的国家，截至2014年底，我国人均水资源量仅为世界人均水量的1/4，人均耕地面积不到世界人均耕地面积的1/2，居世界126位以后。随着工业化和城镇化进程的加快，我国日益增长的水土资源需求与其稀缺性、有限性之间的矛盾日益尖锐，区域农业经济发展差异、水土资源结构不合理、各行业抢占资源等问题也愈加突出，重视水土资源合理利用、采取高效可持续的农业水土资源匹配管理措施势在必行。

农业水土资源匹配的研究旨在从农业生产层面研究水资源和土资源利用的时空分配情况。区域水资源与土地资源的匹配程度越高，该区域内农业生产的基础条件就越好。目前有关农业水土资源空间匹配的测算方法可分为两个方面：一是以单位耕地面积水资源量为计算模型进行水土资源匹配特征分析[1]；二是通过构建基尼系数研究各区域水土资源之间的均衡状况[2-4]。这些研究构成了水土资源空间匹配特征分析的理论基础，但并没有从空间维度考察水土匹配度对农业经济增长的影响。Sun Xihua等[5]从时间序列考察了水土耦合与经济发展的关系。Chenjun Zhang等[6]运用LMDI指数分析了我国区域经济与用水强度之间的关系。李静等[7]构建加入时滞因素的改进模型，分析了我国农业用能强度随农业劳动生产率收敛情况，这些研究均着重于时间维度，忽略了空间影响因素。

同时，目前关于区域农业经济发展的研究多采用劳动力、化肥、耕种面积等指标，Ulimwengu等[8]采用农业产出、化肥、劳动力、牲畜等指标，运用空间面板Durbin模型实证的结果显示农业产出具有显著的空间溢出效应。曾国平等[9]选取农业总产值、农作物耕种面积、化肥施用量、农业从业人数等指标，对我国31个省1985-2008年农业经济展开空间分析，结果显示我国省际农业经济活动具有显著空间自相关，且西部地区呈现低-低空间集聚，而东中部地区呈现高-高空间集聚。这些研究并没有将水土资源匹配程度与农业经济发展相联系。

中国幅员辽阔，农业经济增长存在较强的空间非均衡特征，同时自然环境复杂多变、水土资源自然禀赋和人为开发水平差异较大。本文重点研究两个问题：第一，水土匹配度对区域农业经济增长的空间溢出效应是否存在；第二，水土匹配度对区域农业经济增长的空间溢出效应的方向和大小。此研究不仅从空间维度上提供了水土匹配与区域农业经济增长关系的视角，也可以从改善我国各省农业经济发展中水资源与土地资源匹配度方面为促进区域农业经济发展提供管理参考。

许长新等：水土匹配、空间效应及区域农业经济增长中国人口·资源与环境2016年第7期1我国农业水土资源匹配的现实描述

水资源和土地资源在农业生产和发展过程中相互制约，且相辅相成。水资源利用的合理性对土地资源的生产效率产生直接的影响，同时土地资源开发的合理性也会影响水资源的利用。土地资源的合理利用，往往以水资源合理开发利用为其先行条件，从目前世界及我国农业生产的经验来看，灌溉技术的发展对土地资源集约化利用程度的提高具有显著作用。

本文选用单位耕地面积的广义农业水资源量测度方法[10]来反映我国农业生产的水资源和耕地资源空间匹配程度的量比关系，即

Amat=（Ba+Ga）/La （1）

其中，Amat为区域农业水土资源匹配度，单位m3/hm2；Ba为区域农业灌溉蓝水量，单位m3；Ga为区域农业绿水量，单位m3；La为区域农作物总耕种面积，单位hm2。为了与降水量分布特征形成对比，区域农业水土资源匹配度（m3/hm2）可以通过乘以0.1的系数转换为水深单位（mm）。

区域农业水土资源匹配不仅受到自然生态条件的限制，还会受到区域经济状况的约束。农业水土资源匹配评价应当结合区域水资源和土地资源的开发利用程度，研究区域自然水土资源对农业水土资源利用的支持程度，以便分析农业水土资源匹配程度对区域农业经济的影响。资源当量系数是衡量某种资源开发利用相对程度的指标，用以综合度量该资源的短缺程度和开发程度。本文以区域自然生态条件下单位农作物耕种面积水资源量作为衡量水资源匹配度的研究基准。区域农业水资源除受自然条件的影响，还与区域发展过程中对农业供水的分配比例有关。但是当前我国农业水资源短缺，农业生产几乎耗尽所有供水，因此采用单位耕地面积的农业用水量作为区域农业水土资源当量系数的评价对象，计算方法如下：

D=Ia/It ；Ia=WaLa；It=WtLt （2）

式中，D为区域农业水土资源当量系数；Ia为单位农作物耕种面积的农业用水量，单位m3/hm2；It为单位土地面积的水资源总量，单位m3/hm2；Wa为农业用水量，单位m3；La为区域农作物总耕种面积，单位hm2；Wt为区域水资源总量，单位m3；Lt为区域土地总面积，单位hm2。

当D小于1时，水资源相对处于充裕状态，间接揭示了区域耕种面积较少，可以认为该区域耕地面积短缺或有待开发；当D大于1时，土地资源处于相对富余状态，间接解释区域农业用水约束较强，可以认为该区域水资源短缺。

根据计算结果，我国各省农业水土资源匹配度的空间特征整体呈现由西南向东北逐步减小的趋势。农业水土资源匹配度最高的四个区域分别为西藏、青海、海南和福建，均在4 000 mm以上，其中西藏和青海属于气候极为干旱的灌溉农业区，而海南和福建气候比较湿润，农业生产以雨养农业为主；农业水土资源匹配度最低的九个区域分别为北京、甘肃、河北、河南、内蒙古、宁夏、山东、山西和天津，均在1 000 mm以下，尤其是宁夏自治区，农业水土资源匹配度仅为292 mm，这些区域除甘肃与河南以外均处于秦岭-淮河以北，耕地以旱地为主；农业水土资源匹配度相对适中的区域基本处于秦岭-淮河以南，耕地以水田为主。

我国各省农业水土资源当量系数的空间特征整体呈现由西北向东南逐步减小趋势。农业生产水资源和土地资源相对平衡的地区是上海和江苏，当量系数接近于1，分别为0.993和1.024，而西北地区大部分省份都处于农业水资源和土地资源极度不平衡状态，北京、甘肃、河北、内蒙古、宁夏等十个省份的当量系数均大于1.25，属于严重缺水状态；安徽、重庆、广西等十二个省份的当量系数小于0.5，属于严重缺土状态。

由此看出，我国农业水资源与土资源在空间上匹配程度不高，农业生产受水土资源约束较强。农业水土资源当量系数的差异性也反映了我国农业水土资源形成区域与消耗区域在空间上不相匹配，间接反映出我国各省农业用水及耕地开发合理性有待提高。

2模型方法

2.1空间计量模型

LeSage等人[11]提出的空间面板杜宾经典模型如下：

y=αln+ρWy+βX+θWX+ε（3）

其中，被解释变量y为我国各省的农业经济增长，X为农业水土资源匹配度。在研究过程中，本文加入了农村有效劳动力、农村固定资产投资、农业化肥施用量等控制变量。上式α中代表常数项，ln代表N×1阶单位矩阵，N代表我国省份个数，ε代表误差项。W代表空间权重矩阵，Wy和WX分别度量了被解释变量和解释变量的空间依赖性。需要注意的是，在上述模型的估计结果中，如果结果显示ρ≠0，那么回归系数ρ、θ和β的解释与传统OLS回归系数的解释不同，原因在于传统OLS回归系数无法度量解释变量的空间溢出效应。

2.2空间回归模型和空间溢出效应分解模型

Pace等人[12]、LeSage等人[11]提出了空间回归模型偏微分方法对空间计量模型的回归系数进行合理的解释。本文将原模型进一步改写为：

（In-ρW）y=αln+βX+θWX+ε（4）

y=∑Kr=1Sr（W）xr+V（W）lnα+V（W）ε（5）

Sr （W）=V（W）（lnβr+Wθr）（6）

V（W）=（ln-ρW）-1=ln+ρW+ρ2W2+ρ3W3+…

（7）

其中，ln表示n阶单位矩阵，k表示解释变量的个数，Xr表示第r个解释变量，r=1，2，…k，βr表示解释变量向量X中第r个解释变量的回归系数，θr表示WX的第r个变量的估计系数。为了解释Sr（W）将式（2）改写如下：

将直接效应、间接效应叠加称为综合效应。根据上述偏导数求解可知，在空间回归模型中，当j≠r时，yi对Xjr的偏导数一般并不等于0，这有别于传统OLS估计，另外yi对Xir的偏导数也一般不等于βr，即一个区域的被解释变量除了受本区域解释变量的影响，还受到其他区域解释变量的影响。

2.3空间相关性检验

本文采用Morans I指数来验证我国区域农业经济增长是否存在空间关联效应，如果验证结果显示存在空间关联效应，则可以进一步构建空间回归模型对我国区域农业经济增长进行空间计量分析，Morans I指数计算公式如下：

3经验发现

3.1指标与数据来源

本文全部样本是31个省（直辖市、自治区），不考虑港、澳、台地区，时期跨度为2003-2013年，具体指标为：

（1）农业水土资源匹配度（Amat），采用广义农业水资源量测度方法计算可得。

（2）区域农业经济增长。利用单位农业产值（PAOut）作为区域农业经济增长的代理变量，数据来源于历年《中国农村统计年鉴》。

（3）其他控制变量。选取农村有效劳动力（Alab）、农村住户固定资产投资（Ainv）、化肥施用量（Afer）作为控制变量，其中农村有效劳动力借鉴周晓、朱农[13]。

（4）空间权重矩阵设定。选取邻接空间权重矩阵（W），如果两个区域在地理上相邻，则存在空间关联关系，反之，则不存在空间关联关系。

3.2空间相关性检验

首先对我国分省单位农业产值（PAOut）的全局空间相关性进行检验，结果见表1，演变趋势见图1。

由以上结果可知：第一，在邻接权重矩阵下，我国分省单位农业产值（PAOut）的Morans I指数均显著为正，这表明各省农业经济增长存在显著的空间关系；第二，从农业经济增长Morans I指数的演变趋势来看，2009年是Morans I指数的转折点，2009年以前，Morans I指数整体呈现上升趋势，2009年以后开始逐年下降，这意味着我国区域农业经济增长的空间关联性近年来有减弱的迹象。

为了直观研究我国区域农业经济增长的空间集聚状况，本文绘制了Moran散点图，见图2（限于篇幅只呈现2013年散点图）。图2显示，我国31个省（直辖市、自治区）中有24个处于第一象限和第三象限，即我国区域农业

经济增长具有高度的集聚性和非均质性。因此，在研究农业水土匹配与区域农业经济增长关系时，要重视其空间关联性，避免估计结果有偏。

3.3空间面板数据模型经验估计结果

目前常用的空间计量模型包括空间误差模型、空间滞后模型和空间杜宾模型，为了保证估计结果的稳健性，本文根据以下遴选步骤选择相对合理的模型：首先，在邻接权重矩阵下根据AIC准则对固定效应和随机效应进行选择，AIC值与模型解释能力呈反比；然后，根据Log likelihood与R2值评价模型的拟合优度，这两者的值与模型拟合优度呈正比；最后，对空间杜宾模型是否可转化为另外两种空间模型进行检验，若结果显著拒绝原假设，则选择空间杜宾模型。

按照以上步骤，将空间杜宾模型的固定效应模型作为最终解释模型，表2报告了邻接空间权重下的空间杜宾模型估计结果。

（1）水土匹配度的空间溢出效应

第一，水土匹配度对农业经济增长空间溢出的直接效应。水土匹配度对区域内的农业经济增长的溢出效应是0.026 9，且通过1%的显著性水平检验。这说明一个地区的水土匹配度对本地区农业经济增长具有促进作用。

第二，水土匹配度对农业经济增长空间溢出的间接效应。水土匹配度的间接溢出效应为0.080 9，且通过1%的显著性水平检验。这说明某个地区的水土匹配度会对与其相邻的其他地区农业经济增长产生促进作用，且对其他地区的促进作用大于对本地区的促进作用，相邻区域的农业生产存在“示范效应”和“模仿效应”，如当一个区域采用先进的农业生产技术实现节水农业生产时，与其邻接的地区会最先受到该“示范效应”的影响，随之而来的“模仿效应”会促进该地区的农业经济增长。

第三，水土匹配度对农业经济增长空间溢出的综合效应。水土匹配度对农业经济增长空间溢出的综合效应为0.107 7，且通过1%的显著性水平检验，说明地区与地区间地理邻接因素强化了水土匹配度对区域农业经济增长的空间溢出效应。

（2）控制变量的空间溢出效应

根据空间溢出效应分解结果，农村有效劳动力在邻接空间权重下对农业经济增长的直接效应在5%的显著性水平下为正值，间接效应和综合效应在1%的显著性水平下为负值，即某个地区农村有效劳动力投入对其邻接地区的农业经济发展产生空间负效应，这种负效应源自农村劳动力转移，这种转移是随社会经济发展而产生的一种必然现象，是经济要素在空间上的重置过程。

农村住户固定资产投资对农业经济增长的直接效应、间接效应和综合效应在统计上不显著，且总效应为负值，即农村住户固定资产投资额的大小并不能促进区域农业经济增长。2014年全国农村住户固定资产总投资额为10 546亿元，从各地区农村住户固定资产投资投向情况来看，其中投向农业的仅为2 077.6亿元，仅占总投资额的19.7%，而投向房地产业的高达7 429.76亿元，占总投资额的70.4%；从各地区农村住户固定资产投资结构来看，投向生产设备的仅为1 604.7亿元，约占总投资额的15.2%。总体而言农村住户对农业生产性固定资产投资额度偏小，不足以促进区域农业经济增长。

化肥施用量对农业经济增长的直接效应、间接效应和综合效应均在1%的显著性水平下为正值，说明在农业生产过程中，合理增加化肥施用量可以有效促进农业经济发展，且具有一定的空间溢出效应，但考虑到化肥过量施用带来的环境问题，农业生产中要科学施用化肥，提高化肥的利用效率。

4结论及讨论

通过本次研究，可以得出如下结论：①我国农业水土匹配度较低，在空间上水土资源形成区域与消耗区域不一致，农业生产受到水土资源约束。②在邻接空间相关关系下，我国区域农业经济增长呈现显著的空间集聚性。③在加入农业生产人、财、物投入等控制变量后，水土匹配度对区域农业经济发展的区域内和区域间的溢出效应都显著为正，总体上水土匹配度对区域农业经济发展具有正向的溢出效应。农村有效劳动力投入对区域农业经济发展的区域内溢出效应显著为正，区域间和综合溢出效应显著为负；农村住户固定资产投资对区域农业经济增长的直接效应、间接效应和总效应在统计上不显著，且总效应为负值；化肥施用量对区域农业经济增长的直接溢出效应、间接溢出效应和综合效应均显著为正。

为实现我国农业水土资源匹配可持续利用，促进我国区域农业经济不断增长，保障我国粮食安全，必须从战略层面采取措施优化农业水土资源匹配关系。关于我国农业生产过程中虚拟水与虚拟耕地的关系研究，是进一步值得探讨的问题。

（编辑：刘照胜）

参考文献（References）

[1]南纪琴，陶国通，王景雷，等. 区域农业水土资源利用潜力估算方法——以河套灌区为例[J]. 自然资源学报，2015（8）：1378-1390. [NAN Jiqin， TAO Guotong， WANG Jinglei， et al. Estimates of agricultural water and soil resources utilization potential：a case study on hetao irrigation area[J]. Journal of natural resources， 2015（8）：1378-1390.]

[2]陶国芳，蒋兆恒，秦丽杰. 基于基尼系数的通化地区水土资源匹配分析[J]. 中国农业资源与区划，2012（4）：67-71. [TAO Guofang， JIANG Zhaoheng， QIN Lijie. Analysis of balance between water and land resources in Tonghua region using Gini coefficient [J]. Chinese journal of agricultural resources and regional planning， 2012（4）：67-71.]

[3]马慧敏，武鹏林. 基于基尼系数的山西省水资源空间匹配度分析[J]. 人民黄河，2014（11）：58-61. [MA Huimin， WU Penglin.Spatial matching analysis of Shanxi provinces water resources based on Gini coefficient [J]. Yellow River， 2014（11）：58-61.]

[4]张晓涛，于法稳. 黄河流域经济发展与水资源匹配状况分析[J]. 中国人口·资源与环境，2012，22（10）：1-6. [ZHANG Xiaotao， YU Fawen.Analysis of matching status between economic development and water resources in the Yellow River basin [J]. China population， resources and environment， 2012，22（10）：1-6.]

[5]SUN Xihua， ZHANG Daimin， WAN Han， et al. Analysis of coupling between soil and water conservation and economicsocial development [J]. Chinese journal of population， resources and environment， 2009， 7（1）：76-81.

[6]ZHANG C， ZHANG H. Can regional economy influence Chinas water use intensity？based on refined LMDI method[J]. Chinese journal of population， resources and environment， 2014， 12（3）：247-254.

[7]李静，蒋长流. 农业劳动生产率区域差异与农业用能强度收敛性[J]. 中国人口·资源与环境，2014， 24（11）：17-25. [LI Jing， JIANG Changliu.Regional difference of agricultural labor productivity and the convergence of agricultural energy consumption intensity[J]. China population， resources and environment， 2014， 24（11）：17-25.]

[8]ULIMENGU J， SANYAL P. Using a spatial growth model to provide evidence of agricultural spillovers between countries in the NEPAD CAADP framework[R]. IFPRI discussion paper， 2011.

[9]曾国平，罗航艳，曹跃群. 中国农业经济增长的空间分布及相关性——基于31个省区1985-2008年的面板数据分析[J]. 湖南农业大学学报（社会科学版），2010（5）：1-6，37. [ZENG Guoping， LUO Hangyan， CAO Yuequn. Spatial distribution and correlation of agriculture economic development in China： based on the panel data in 1985-2008 of 31 provinces， autonomous region and municipality[J]. Journal of Hunan Agricultural University （social sciences edition）， 2010（5）：1-6，37.]

[10]李保国，黄峰. 1998-2007年中国农业用水分析[J]. 水科学进展，2010（4）：575-583. [LI Baoguo， HUANG Feng. Trends in Chinas agricultural water use during recent decade using the green and blue water approach[J]. Advances in water science， 2010（4）：575-583.]

[11]LESAGE P， PACE R K. Introduction to spatial econometrics[J]. Taylor & Francis Group， LLC. 2009.

[12]Pace R K， LESAGE P. Interpreting spatial econometric model[R]//North American meeting of the Regional Science Association International.Toronto， CA， 2006.

[13]周晓，朱农. 论人力资本对中国农村经济增长的作用[J]. 中国人口科学，2003（6）：21-28. [ZHOU Xiao， ZHU Nong. The effect of human capital on rural economic growth in China[J]. Chinese journal of population science， 2003（6）：21-28.]

[14]刘华军，张权，杨骞. 城镇化、空间溢出与区域经济增长——基于空间回归模型偏微分方法及中国的实证[J]. 农业技术经济，2014（10）：95-105. [LIU Huajun， ZHANG Quan， YANG Qian. Urbanization， spatial spillover and regional economic growth based on partial differential method for spatial regression model and the empirical analysis of China[J]. Journal of agrotechnical economics， 2014（10）：95-105.]