江蘇省農(nóng)業(yè)生產(chǎn)要素彈性分析

伽紅凱，王樹進

( 南京農(nóng)業(yè)大學 經(jīng)濟管理學院，江蘇 南京210095)

一、引 言

農(nóng)業(yè)產(chǎn)出的增長主要取決于農(nóng)業(yè)生產(chǎn)要素投入的增加和效率的提高，其中，農(nóng)業(yè)生產(chǎn)要素投入的貢獻是促進農(nóng)業(yè)產(chǎn)出穩(wěn)定增長的關(guān)鍵。因此，對農(nóng)業(yè)生產(chǎn)要素彈性進行科學定量的測算就成為了一個重要的研究領(lǐng)域。目前學術(shù)界利用生產(chǎn)函數(shù)對農(nóng)業(yè)產(chǎn)出增長來源進行了豐富的研究，但是由于選取的生產(chǎn)要素的指標、研究時間段以及區(qū)域不同，導致所獲得的結(jié)論并不一致［1－8］。吳玉鳴指出我國區(qū)域間農(nóng)業(yè)生產(chǎn)要素較大的空間流動性以及農(nóng)業(yè)產(chǎn)出明顯的跨區(qū)域流動性，導致區(qū)域間農(nóng)業(yè)生產(chǎn)表現(xiàn)出顯著的空間效應(yīng)［9］。同時，由于各地區(qū)農(nóng)業(yè)生產(chǎn)的自然條件、社會和經(jīng)濟條件的空間差異，又會使得各生產(chǎn)要素彈性在不同地區(qū)上存在著非均衡性，使用忽視空間效應(yīng)的最小二乘法( OLS)作為估計農(nóng)業(yè)生產(chǎn)函數(shù)的基本模型，會引起模型的設(shè)定偏差問題，其參數(shù)估計與統(tǒng)計推斷的結(jié)果自然有待商榷。

近年來，空間計量分析方法已經(jīng)逐漸成為經(jīng)濟學研究中重要的分析工具。Fotheringham 等［10］提出的地理加權(quán)回歸( Geographically Weighted Regression，GWR)模型能夠有效解決被觀測點的空間依賴性和空間異質(zhì)性問題，該模型是在線性回歸模型的基礎(chǔ)上假定回歸系數(shù)是被觀測點所處地理位置的函數(shù)，即得到的回歸系數(shù)隨空間局部地理位置的變化而變化。

“十五”期間江蘇省正式明確劃分為蘇南、蘇中、蘇北三大區(qū)域①本文中蘇南地區(qū)包括:南京、蘇州、鎮(zhèn)江、無錫和常州5 市14 縣( 含縣級市)，蘇中地區(qū)包括:揚州、泰州和南通3 市12 縣( 含縣級市)，蘇北地區(qū)包括:徐州、宿遷、鹽城、連云港和淮安5 市23 縣( 縣級市)。，至今江蘇省各區(qū)域經(jīng)濟發(fā)展的梯度特征依舊明顯，地方差異較大。農(nóng)業(yè)區(qū)域發(fā)展差距與經(jīng)濟的持續(xù)快速增長，一直是江蘇省經(jīng)濟社會發(fā)展的一個重要現(xiàn)實，經(jīng)濟增長中的地方農(nóng)業(yè)發(fā)展差異過大所產(chǎn)生的消極作用，是地方政府和農(nóng)業(yè)經(jīng)濟學者所共同認識到的。因此，本文以江蘇省的62個區(qū)域( 市郊區(qū)、縣域)作為基本空間單元，采用納入了地理空間效應(yīng)的空間變系數(shù)的地理加權(quán)回歸( GWR)模型，測算各地區(qū)農(nóng)業(yè)生產(chǎn)要素彈性，揭示各要素投入在不同空間位置上對農(nóng)業(yè)產(chǎn)出的彈性，旨在為深入、全面地提高農(nóng)業(yè)產(chǎn)出水平和制定因地制宜的農(nóng)業(yè)發(fā)展政策提供較為科學的依據(jù)。

二、研究方法

(一)空間自相關(guān)分析方法

空間計量經(jīng)濟學理論認為，一個地區(qū)空間單元的某種經(jīng)濟地理現(xiàn)象或某一屬性值與鄰近地區(qū)空間單元的同一現(xiàn)象或?qū)傩灾凳窍嚓P(guān)的［11］，即存在空間依賴性或空間自相關(guān)性。全域Moran’s I指數(shù)是常用于檢驗空間數(shù)據(jù)是否具有自相關(guān)性的方法，該統(tǒng)計量計算公式如下:

全域Moran’s I 指數(shù)在整體上揭示了空間依賴程度，但無法科學揭示每一方向的局域空間相關(guān)性和異質(zhì)性。Anselin［12］建議用局域空間自相關(guān)( Local Indicators of Spatial Association，LISA)方法來度量某一區(qū)域與鄰近地區(qū)之間的空間差異程度及顯著性，一般采用局域Moran’s I 指數(shù)來測度，計算公式如下:

式(2)中，Zi和Zj分別為空間單元i 和j 的觀測值的標準化值。在給定顯著性水平下，Ii＞0 表示存在正的局域空間自相關(guān);Ii＜0 表示存在負的局域空間自相關(guān)。LISA 顯著性水平與Moran 散點圖結(jié)合形成的LISA 聚集圖，可以用于識別局域空間集聚的“熱點”和“冷點”。

(二)地理加權(quán)回歸模型

1．基本模型

經(jīng)典的全域線性回歸模型的一般形式可表示為:

式(3)中，回歸系數(shù)βk被假定是一個常數(shù)，一般采用普通最小二乘法( OLS)估計得到。GWR 模型是全域線性回歸模型的擴展，其一般形式可表示為:

式(4)中，( ui，vi)是第i個空間單元的坐標，回歸系數(shù)βk( ui，vi)是一個變數(shù)，隨空間單元所處的地理位置的變化而變化，具體表示如下:

空間權(quán)值矩陣W( ui，vi)的確定至關(guān)重要，決定了ui，vi)的估計結(jié)果。

2．權(quán)重函數(shù)與帶寬確定

空間權(quán)值矩陣W( ui，vi)中的權(quán)重wij通常采用高斯函數(shù)來確定，表示方法如下:

式(6)中，h 是帶寬，如果觀測點i 的數(shù)據(jù)被觀測，則其余點的權(quán)重將根據(jù)高斯曲線隨著距離dij的增加而減少。給定帶寬h，距離dij越大，位置j 所賦予的權(quán)重越小，距離足夠遠時其權(quán)重將趨于0。帶寬h 可以采用交叉實證方法( Cross to Validation)確定。如果h 的值過大，會使得除觀測點i 外其它觀測值點的權(quán)重接近0，從而在參數(shù)估計中失去作用，因此h 不宜取值太大。一般選擇一個較小的h，根據(jù)式(6)計算加權(quán)矩陣W( ui，vi)，通過加權(quán)最小二乘方法獲得參數(shù)的估計值。通過式( 7)計算得到CV 值:

三、模型構(gòu)建與數(shù)據(jù)來源

(一)區(qū)域農(nóng)業(yè)生產(chǎn)函數(shù)的GWR 模型

自Solow［12］采用總量生產(chǎn)函數(shù)開拓性地進行經(jīng)濟增長核算研究以來，新古典經(jīng)濟增長理論主要從生產(chǎn)要素投入的角度研究經(jīng)濟增長的源泉，認為勞動和資本兩個生產(chǎn)要素主要決定了經(jīng)濟增長，而技術(shù)進步僅是外生地發(fā)揮作用。本文參考Echevarria［13］的研究，將新古典增長模型進行了拓展，假定某個區(qū)域的農(nóng)業(yè)產(chǎn)出水平由土地、勞動力和資本三個農(nóng)業(yè)生產(chǎn)要素決定，模型的具體形式表示為:

式(9)中，Yi為第i個區(qū)域的農(nóng)業(yè)產(chǎn)出水平，用農(nóng)林牧漁業(yè)總產(chǎn)值( 億元)衡量; Si為第i個區(qū)域的農(nóng)業(yè)土地投入量，用農(nóng)作物總播種面積( 千公頃)衡量;Li為第i個區(qū)域的農(nóng)業(yè)勞動力投入量，用農(nóng)林牧漁業(yè)從業(yè)人員( 萬人)衡量;Ki為第i個區(qū)域的農(nóng)業(yè)資本投入量，用農(nóng)林牧漁全社會固定資產(chǎn)投資( 億元)衡量;Ai為第i個區(qū)域的農(nóng)業(yè)技術(shù)水平，即農(nóng)業(yè)全要素生產(chǎn)率，反映農(nóng)業(yè)產(chǎn)出中除投入要素以外的所有因素的作用;eεi為隨機干擾項，衡量其他未觀測到的因素對農(nóng)業(yè)產(chǎn)出水平的影響;α 為土地產(chǎn)出彈性，β 為勞動力產(chǎn)出彈性，γ 為資本產(chǎn)出彈性。

將式(9)兩邊取對數(shù)，可得:

根據(jù)GWR 構(gòu)建原理及方法，本文構(gòu)建如下模型:

(二)空間單元與數(shù)據(jù)來源

本文選取江蘇省的62個區(qū)域( 市郊區(qū)、縣域)作為基本空間單元。農(nóng)林牧漁業(yè)總產(chǎn)值、農(nóng)作物播種面積、農(nóng)林牧漁業(yè)從業(yè)人員等數(shù)據(jù)均來源于《江蘇省統(tǒng)計年鑒2012》。需要說明的是，《江蘇省統(tǒng)計年鑒2012》并沒有62個區(qū)域的農(nóng)林牧漁全社會固定資產(chǎn)投資的統(tǒng)計數(shù)據(jù)，僅有全社會固定資產(chǎn)投資的數(shù)據(jù)，而各市年鑒對該指標的統(tǒng)計存在口徑不一致甚至部分缺失的情況，因此，本文采用類比法進行了補充與修正①本文采用某區(qū)域全社會固定資產(chǎn)投資額乘以該區(qū)域農(nóng)林牧漁業(yè)總產(chǎn)值占地區(qū)總產(chǎn)值的比重代替農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資。。各指標的描述性統(tǒng)計如表1 所示。

表1 江蘇省農(nóng)業(yè)生產(chǎn)要素描述性統(tǒng)計結(jié)果

四、實證分析

(一)農(nóng)業(yè)產(chǎn)出的全域空間自相關(guān)分析

本文利用GeoDa 軟件對江蘇省62個區(qū)域的農(nóng)業(yè)產(chǎn)出數(shù)據(jù)進行全域空間自相關(guān)分析，結(jié)果如圖1 所示。

圖1 2011年江蘇省區(qū)域農(nóng)業(yè)產(chǎn)出的Moran 散點圖及四象限分布圖

從圖1 中可知，江蘇省的大部分區(qū)域落在第一象限和第三象限內(nèi)，全域Moran’s I 指數(shù)為0.1845，且顯著性水平為1.6%，說明這些區(qū)域具有較大的空間正相關(guān)性，即表示江蘇省62個區(qū)域( 市郊區(qū)、縣域)的農(nóng)業(yè)產(chǎn)出在空間上不是分散分布的，或者說沒有處于完全隨機狀態(tài)，而是表現(xiàn)出空間相似值的空間聚集，農(nóng)業(yè)產(chǎn)出較大的區(qū)域趨于與農(nóng)業(yè)產(chǎn)出較大的區(qū)域相鄰( 主要為蘇北地區(qū))，農(nóng)業(yè)產(chǎn)出較低的區(qū)域趨于與農(nóng)業(yè)產(chǎn)出較低的區(qū)域相鄰( 主要為蘇南和蘇中地區(qū))。

(二)農(nóng)業(yè)產(chǎn)出的局域空間自相關(guān)分析

全域Moran’s I 指數(shù)顯示了江蘇省各個區(qū)域的農(nóng)業(yè)產(chǎn)出在整體上具有顯著空間自相關(guān)性，為進一步揭示農(nóng)業(yè)產(chǎn)出是否存在局域的空間集聚，以及哪個區(qū)域?qū)τ谌蚩臻g自相關(guān)的貢獻更大，本文利用GeoDa 軟件生成LISA 聚集圖。

如圖2 所示，2011年江蘇省各個區(qū)域農(nóng)業(yè)產(chǎn)出已表現(xiàn)出較為明顯的分異格局，主要表現(xiàn)為:(1)高—高集聚( High-High)，即空間差異較小、區(qū)域自身和周邊農(nóng)業(yè)產(chǎn)出均較高的區(qū)域相鄰，顯著的有蘇北地區(qū)的鹽城市郊區(qū)、大豐縣和新沂市。( 2)低—低集聚( Low-Low)，即空間差異較小、區(qū)域自身和周邊農(nóng)業(yè)產(chǎn)出均較低的區(qū)域相鄰，顯著的有蘇南地區(qū)的金壇市、溧陽市、鎮(zhèn)江市郊區(qū)、丹陽市和蘇中地區(qū)的泰興市。由此可見，江蘇省農(nóng)業(yè)產(chǎn)出具有明顯的空間正相關(guān)性和空間異質(zhì)性。

圖2 2011年江蘇省各區(qū)域農(nóng)業(yè)產(chǎn)出的LISA 聚集圖

(三)基于GWR 的空間計量經(jīng)濟估計與分析

上述分析已說明江蘇省各個區(qū)域的農(nóng)業(yè)產(chǎn)出具有空間相關(guān)性，表現(xiàn)出顯著的空間聚集，若采用忽視空間效應(yīng)的OLS 對農(nóng)業(yè)生產(chǎn)要素的彈性進行測算，會導致分析結(jié)果和推論不夠準確和可靠，因此本文利用SAS9.2 軟件，對(11)式構(gòu)建的GWR 模型進行加權(quán)最小二乘法( WLS)的局域估計，結(jié)果見表2、3、4。通過比較可以發(fā)現(xiàn)，每個區(qū)域的農(nóng)業(yè)生產(chǎn)要素彈性差異較大，本文將對蘇南、蘇中、蘇北三大區(qū)域分別做進一步分析。

依據(jù)表2 所示，在蘇南地區(qū)的大多數(shù)區(qū)域中，對農(nóng)業(yè)產(chǎn)出增長的彈性表現(xiàn)出資本要素＞勞動要素＞土地要素的規(guī)律( 高淳縣和溧陽縣除外)，而土地要素彈性僅有不到一半的區(qū)域顯著。農(nóng)業(yè)資本要素投入全部通過了顯著性水平為1%的檢驗，其彈性平均為0.4889，即資本要素投入增加1個百分點，農(nóng)業(yè)產(chǎn)出將增長0.4889個百分點;勞動力要素投入僅溧陽縣、宜興市和高淳縣未能通過顯著性水平為10%的檢驗，其余區(qū)域勞動要素彈性平均為0.2041，即勞動力要素投入增加1個百分點，農(nóng)業(yè)產(chǎn)出將增長0.2041個百分點;土地要素投入大多數(shù)區(qū)域不顯著，顯著的七個區(qū)域中，南京市郊區(qū)、溧水縣、高淳縣和溧陽市的彈性為正，常熟市、張家港市和太倉市的彈性為負，彈性平均為0.0818，即土地要素投入增加1個百分點，農(nóng)業(yè)產(chǎn)出將增長0．0818個百分點。此外，各個區(qū)域的常數(shù)項均顯著為正說明了農(nóng)業(yè)技術(shù)水平對農(nóng)業(yè)產(chǎn)出增長起到了重要的作用。

隨著蘇南地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，第二、三產(chǎn)業(yè)比重迅速上升，相應(yīng)的第一產(chǎn)業(yè)比重不斷下降。蘇南地區(qū)經(jīng)濟發(fā)達，為發(fā)展農(nóng)業(yè)提供了強大的后盾，在農(nóng)業(yè)現(xiàn)代化的進程中領(lǐng)先于全省，工業(yè)反哺農(nóng)業(yè)特征明顯，依靠合理增加資本和技術(shù)投入是其實現(xiàn)農(nóng)業(yè)產(chǎn)出增長的有效途徑; 勞動力要素投入對農(nóng)業(yè)產(chǎn)出的彈性較小，原因是農(nóng)村勞動力的老齡化和轉(zhuǎn)移引起勞動力供給的不足，從而導致勞動力的作用越來越小;土地要素投入對農(nóng)業(yè)產(chǎn)出增長的彈性較小，個別區(qū)域為負，原因是該地區(qū)土地資源稀缺，對農(nóng)業(yè)產(chǎn)出的邊際貢獻已經(jīng)非常有限。因此，保持未來農(nóng)業(yè)穩(wěn)定增長的立足點應(yīng)是提高要素的生產(chǎn)率以及增加資本、技術(shù)的投入。

表2 蘇南區(qū)域農(nóng)業(yè)生產(chǎn)要素彈性的GWR 估計結(jié)果

表3 蘇中區(qū)域農(nóng)業(yè)生產(chǎn)要素彈性的GWR 估計結(jié)果

依據(jù)表3 所示，在蘇中的大多數(shù)區(qū)域中，資本要素投入在農(nóng)業(yè)產(chǎn)出增長中的彈性要大于勞動要素，個別地區(qū)如寶應(yīng)縣、高郵市和興化市，其勞動要素投入彈性大于資本要素，而土地要素彈性在三要素中最小，僅有40%的區(qū)域顯著且均為負值。資本和勞動要素投入全部通過了顯著性水平為1%的檢驗，資本要素彈性平均為0.5748，即資本要素增長1個百分點，農(nóng)業(yè)產(chǎn)出將增長0.5748個百分點;勞動要素彈性平均為0.3865，即勞動力要素增長1個百分點，農(nóng)業(yè)產(chǎn)出將增長0.3865個百分點;土地要素投入僅南通整個地區(qū)顯著，且均為負值，其彈性平均為－0.2209。絕大多數(shù)地區(qū)的常數(shù)項顯著為正( 寶應(yīng)縣、高郵市和興化市除外)說明了農(nóng)業(yè)技術(shù)水平對農(nóng)業(yè)產(chǎn)出增長起到了重要的作用。

蘇中地區(qū)經(jīng)濟發(fā)展水平在全省處于中等，作為帶動江蘇經(jīng)濟發(fā)展的第二梯隊，是將蘇南地區(qū)經(jīng)濟輻射、擴散和帶動蘇北地區(qū)的空間地帶結(jié)構(gòu)，隨著農(nóng)村勞動力老齡化現(xiàn)象的加劇以及不斷向城鎮(zhèn)轉(zhuǎn)移的趨勢，依靠勞動力投入增加農(nóng)業(yè)產(chǎn)出不是長久之計，因此增加資本和技術(shù)投入是實現(xiàn)農(nóng)業(yè)產(chǎn)出增長的有效途徑。

表4 蘇北區(qū)域農(nóng)業(yè)生產(chǎn)要素彈性的GWR 估計結(jié)果

依據(jù)表4 所示，在蘇北的大多數(shù)區(qū)域中，勞動要素投入對農(nóng)業(yè)產(chǎn)出增長的彈性要大于資本要素，部分地區(qū)如徐州市郊區(qū)、豐縣、沛縣、新沂市、洪澤縣、盱眙縣、金湖縣和泗洪縣，其資本要素投入彈性大于勞動要素，資本與勞動要素投入不顯著的區(qū)域占蘇北總體的17.86%和10.71%，土地要素的彈性差異較大，在土地要素投入顯著的71.43%區(qū)域中，30%的區(qū)域土地要素彈性最大，60%的區(qū)域土地要素彈性最小，10%的區(qū)域土地要素彈性處于中間位置。除去不顯著區(qū)域，資本要素彈性為0.3549，即資本要素增長1個百分點，農(nóng)業(yè)產(chǎn)出將增長0.3549個百分點; 勞動要素彈性平均為0.5194，即勞動力要素增長1個百分點，農(nóng)業(yè)產(chǎn)出將增長0.5194個百分點; 土地要素彈性為0.1675，即土地要素增長1個百分點，農(nóng)業(yè)產(chǎn)出將增加0.1675個百分點。大多數(shù)區(qū)域常數(shù)項顯著為正說明了農(nóng)業(yè)技術(shù)水平是農(nóng)業(yè)產(chǎn)出增長的一個重要因素。

蘇北地區(qū)是江蘇省的重要板塊，經(jīng)濟較為落后，第二、三產(chǎn)業(yè)發(fā)展較慢，第一產(chǎn)業(yè)仍然是蘇北地區(qū)的基礎(chǔ)產(chǎn)業(yè)，大多數(shù)區(qū)域農(nóng)村勞動力資源相對較為豐富，勞動力要素投入是目前該地區(qū)農(nóng)業(yè)產(chǎn)出增長的主要動力，然而要保持未來農(nóng)業(yè)穩(wěn)定增長，關(guān)鍵是要加強資本、技術(shù)的投入和要素生產(chǎn)率的提高。

五、結(jié)論及啟示

本文以江蘇省62個區(qū)域( 市郊區(qū)、縣域)為研究單元，利用2011年農(nóng)業(yè)投入產(chǎn)出的截面數(shù)據(jù)，運用Moran 散點圖、LISA 聚集圖分析了江蘇省農(nóng)業(yè)產(chǎn)出的空間依賴性和空間異質(zhì)性，并借助GWR模型估計測算了江蘇省各地區(qū)農(nóng)業(yè)生產(chǎn)要素彈性。得到以下結(jié)論:(1)江蘇省62個區(qū)域的農(nóng)業(yè)產(chǎn)出在整體和局部均表現(xiàn)出了顯著的空間正相關(guān)性。(2)農(nóng)業(yè)生產(chǎn)要素對農(nóng)業(yè)產(chǎn)出增長的彈性存在明顯的空間異質(zhì)性，即各要素彈性在不同區(qū)域間具有較大差異。(3)蘇南地區(qū)大多數(shù)區(qū)域農(nóng)業(yè)產(chǎn)出增長的來源中資本要素彈性最大，勞動力和土地要素彈性較小; 蘇中地區(qū)大多區(qū)域農(nóng)業(yè)產(chǎn)出的增長主要依靠資本和勞動力要素投入，土地要素彈性為負或不顯著; 蘇北地區(qū)大多數(shù)區(qū)域勞動力要素對農(nóng)業(yè)產(chǎn)出增長的彈性最大，其次為資本要素和土地要素。

因此，在制定農(nóng)業(yè)政策時，一方面應(yīng)重視江蘇省各區(qū)域農(nóng)業(yè)產(chǎn)出的空間效應(yīng)，需考慮相鄰區(qū)域之間農(nóng)業(yè)生產(chǎn)的空間依賴性與異質(zhì)性，建立區(qū)域有效的區(qū)域農(nóng)業(yè)生產(chǎn)合作與統(tǒng)籌協(xié)調(diào)的農(nóng)業(yè)分工機制;另一方面應(yīng)重視農(nóng)業(yè)生產(chǎn)要素對農(nóng)業(yè)產(chǎn)出增長的彈性在區(qū)域間的異質(zhì)性，需因地制宜地引導各個區(qū)域合理地投入農(nóng)業(yè)生產(chǎn)要素，提高要素的配置效率，并加強農(nóng)業(yè)技術(shù)的研究開發(fā)與推廣普及。

［1］朱希剛．農(nóng)業(yè)技術(shù)進步及其在“七五”期間貢獻份額的測算分析［J］．農(nóng)業(yè)技術(shù)經(jīng)濟，1994，(2):2－10．

［2］顧煥章，王培志．農(nóng)業(yè)技術(shù)對農(nóng)業(yè)經(jīng)濟增長貢獻的定量研究［J］．農(nóng)業(yè)技術(shù)經(jīng)濟，1994，(5):11－15．

［3］HUANG J K，ROZELLE S． Technological Change: The Re-Discovery of the Engine of Productivity Growth in China’s Rice Economy［J］． Journal of Development Economics，1996，49(2): 337－369．

［4］張元紅．改革以來中國農(nóng)業(yè)的增長與要素貢獻［J］．中國農(nóng)村經(jīng)濟，1996，(5):7－13．

［5］FAN S，PARDEY P． Research Productivity and Output Growth in Chinese Agriculture［J］． Journal of Development Economics，1997，53 (1): 115－137．

［6］HU B D，MCALEER M． Estimation of Chinese Agricultural Production Efficiencies with Panel Data［J］． Mathematics and Computers in Simulation，2005，68(5－6): 474－483．

［7］辛翔飛，劉曉昀．要素稟賦及農(nóng)業(yè)勞動生產(chǎn)率的地區(qū)差異［J］．世界經(jīng)濟文匯，2007，(5):1－18．

［8］石 慧，王懷明，孟令杰．要素累積、全要素生產(chǎn)率與中國農(nóng)業(yè)增長地區(qū)差異［J］．農(nóng)業(yè)技術(shù)經(jīng)濟，2009，(3):17－26．

［9］吳玉鳴．中國區(qū)域農(nóng)業(yè)生產(chǎn)要素的投入產(chǎn)出彈性測算——基于空間計量經(jīng)濟模型的實證［J］． 中國農(nóng)村經(jīng)濟，2010，(6):25－48．

［10］FOTHERINGHAM A S，CHARLTON M E，BRUNSDON C． The Geography of Parameter Apace: an Investigation of Spatial Nonstationarity［J］． International Journal of Geographical Information Systems，1996，10(5): 605－627．

［11］ANSELIN L． Spatial Econometrics: Methods and Models［M］． Dordrecht: Kluwer Academic Publishers，1988: 3－18．

［12］ANSELIN L． Local Indicators of Spatial Association——LISA［J］． Geographical Analysis，1995，27( 2): 93－115．

［13］SOLOW R M． Technical Change and the Aggregate Production Function［J］．The Review of Economics and Statistics，1957，39(3):312－320．

［14］ECHEVARRIA C． A Three-Factor Agricultural Production Function: The Case of Canada［J］． International Economic Journal，1998，12(3): 63－75．