基于LMDI的江蘇省農業(yè)現(xiàn)代化發(fā)展影響因素分析

郭承龍 于宸舒

摘 要：江蘇省農林牧漁業(yè)經濟地位不斷降低，農業(yè)現(xiàn)代化發(fā)展面臨著越來越多的挑戰(zhàn)。應用LMDI分解方法分析江蘇省農業(yè)現(xiàn)代化發(fā)展的影響因素。結果表明，投資強度、現(xiàn)代化水平和機械化強度對農林牧漁業(yè)總產值變化的正向影響效應依次下降;投入產出、投資結構和規(guī)模對農林牧漁業(yè)總產值變化構成負向影響效應依次降低。

關鍵詞：農業(yè)現(xiàn)代化;對數(shù)平均迪氏指數(shù);影響因素

中圖分類號：F327? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2022）03-0050-04

江蘇以平原、水面占比居全國首位，具有悠久的“魚米之鄉(xiāng)”地理優(yōu)勢。江蘇省農林牧漁業(yè)在GDP占比持續(xù)降低，由2011年的6.2%逐年下降到2017年的4.7%。2015年，三次產業(yè)結構為5.6∶46.3∶48.1，“三二一”經濟結構已形成，但農林牧漁業(yè)是經濟發(fā)展和社會發(fā)展的基礎地位愈加重要，也是鄉(xiāng)村振興的關鍵點。繼續(xù)發(fā)揮江蘇省農業(yè)生產規(guī)模和品質，提高農業(yè)現(xiàn)代化水平，需要剖析農林牧漁業(yè)發(fā)展影響因素，對制定和出臺促進農林牧漁業(yè)發(fā)展的政策有著重要參考意義。

一、文獻綜述

LMDI從能源碳排放領域擴展到非能源領域。LMDI在農業(yè)領域中的碳排放研究是近幾年的熱點[1～2]。農業(yè)產出的影響因素研究成果總量偏少，其中糧食產量影響因素是研究熱點之一。郭焱和朱俊峰（2017）將糧食單產和播種面積效應用于玉米產量的影響因素分析[3]。沙宇蕾（2020）研究發(fā)現(xiàn)，總播種面積、農用機械總動力、化肥施用量—復合肥、農業(yè)固定投資額、農村用電量等對農業(yè)產值具有顯著影響[4]。財政支農對現(xiàn)代農業(yè)發(fā)展具有正向促進作用[5]，農業(yè)貸款對現(xiàn)代農業(yè)具有負向顯著性影響[6]。吉星等（2019）認為，農業(yè)用地產權安全性會調節(jié)規(guī)模經營與土地產出之間的關系[7]。辛沖沖、陳志勇（2017）將LMDI引入財政支農支出對農業(yè)經濟增長的驅動因素研究，得到活動效應、結構效應和效率效應三個效應[8]。王桂民、陳聰（2017）等在耕地流轉研究中引入LMDI，認為經濟因素、增收因素、農機化因素正向推動耕地流轉，而經營意愿抑制耕地流轉[9]。LMDI分解法在農業(yè)灌溉需水方面的研究十分少見。Zhao Chunfu等使用LMDI，對水足跡展開分解分析[10]。陳巖等（2020）使用LMDI模型分解農業(yè)灰水足跡效率驅動因素，結果表明，農業(yè)經濟效應、灰水產出規(guī)模效應和耕地資源效應為正向效應，化肥強度效應和農業(yè)環(huán)境效應為負向效應[11]。

LMDI方法在農業(yè)領域研究主要集中糧食產量等大宗農產品驅動因素分解，尚未有針對農林牧漁業(yè)（農林牧漁業(yè)簡稱為“大農業(yè)”，下同）現(xiàn)代化水平的影響因素研究。江蘇省擁有的天然農業(yè)資源稟賦需要進一步挖掘大農業(yè)的生產力，需要多維度分析江蘇省大農業(yè)現(xiàn)代化發(fā)展的影響因素。農業(yè)用地面積是經濟產出的基礎變量，機械化水平是農業(yè)現(xiàn)代化發(fā)展進程中的標志性變量，投資方向是我國政策引導的常規(guī)方式。這里將經濟產出、投資、農業(yè)生產面積和機械化水平等聯(lián)系起來系統(tǒng)化分析，為實現(xiàn)江蘇省鄉(xiāng)村經濟振興、促進美麗鄉(xiāng)村內涵式發(fā)展提供現(xiàn)實性參考。

二、研究方法及實證分析

（一）研究方法

根據(jù)Kaya恒等式思想，將跨領域多因素聯(lián)合起來得到下式：

式中，V分別表示農林牧漁業(yè)總產值，Vj表是第j產業(yè)總產值，j=1，2，3，4，5（分別表示農業(yè)、林業(yè)、牧業(yè)、漁業(yè)和農林牧漁服務業(yè)），Ij表示第j產業(yè)的農林牧漁業(yè)投資，I表示農林牧漁業(yè)投資規(guī)模，G1表示農林牧漁業(yè)行業(yè)增加值，M表示農林牧漁業(yè)機械總動力，S表示農業(yè)生產面積。

Ang（2005）指出，LMDI是完全的、不產生殘差，是目前相對較優(yōu)的因素分解法[12]。LMDI滿足因素可逆條件，將各驅動因素分解為具有實際意義的若干效應，更具操作性。LMDI分解有加法模式和乘法模式之分。T表示目標期，0表示基期。加法分解模式如下：

其中，

其中，wj為各因素的權重，ΔVI表示第j產業(yè)總產出與投資的比重變化，衡量投入產出效應，ΔRI表示第j產業(yè)的投資結構變化，衡量投資結構效應，ΔIG表示農業(yè)投資與增加值比重的變化，衡量投資強度效應，ΔGM表示增加值與機械總動力的比重變化，衡量機械化強度效應，ΔMS表示大農業(yè)機械總動力與農業(yè)生產規(guī)模比重，衡量現(xiàn)代化效應，ΔS表示農業(yè)生產的規(guī)模效應。%VI表示投入產出效應貢獻度，%RI表示投資結構效應貢獻度，%IG表示投資強度效應貢獻度，%GM表示機械化強度效應貢獻度，%MS表示現(xiàn)代化效應貢獻度，%S表示規(guī)模效應貢獻度。

（二）研究準備

因為指標中使用經濟類數(shù)據(jù)同時存在價格因素共同影響，相互比較后可以去除該影響，故而使用當年價格數(shù)據(jù)（《江蘇省統(tǒng)計年鑒》）。2011年起，固定資產統(tǒng)計口徑更新。2020年江蘇統(tǒng)計年鑒中固定資產農業(yè)分類投資等數(shù)據(jù)只更新到2017年。故而根據(jù)各數(shù)據(jù)可得性，研究期設定為2011—2017年，且將2011年作為分解中的基期。

（三）結果分析

由下頁表1可知，相較于2011年，各期大農業(yè)投資強度均構成農林牧漁業(yè)增長的正向促進性因素。其中2011—2017年，江蘇省農林牧漁業(yè)總產值增加1 972.97億元，投資強度提供了5 087.19億元增長空間，貢獻257.84%正向作用力，是農林牧漁業(yè)增長的主要推動力，體現(xiàn)每年新增經濟產出用于大農業(yè)的投資力度。江蘇省大農業(yè)投資力度的加大，由2011年的5.06%提高到2017年的11.57%，反映出大農業(yè)的基礎性地位的重視程度。

現(xiàn)代化因素是推動農林牧漁業(yè)增長的重要的促進性因素?，F(xiàn)代化因素促進各期的農林牧漁業(yè)增長，貢獻力度逐期提高。其中2011—2017年，現(xiàn)代化因素提供了1 251.78億元的增長空間，貢獻了63.45%正向作用力。主要得益于單位農業(yè)生產規(guī)模的機械化程度由2011年的5.4千瓦/公頃增長到2017年的6.6千瓦/公頃，提高了農業(yè)生產的機械化普及程度，表明大農業(yè)現(xiàn)代化程度提高是農林牧漁業(yè)增長的重要力量。

機械化強度因素也是農林牧漁業(yè)增長的促進性因素。機械化強度因素對農林牧漁業(yè)增長的貢獻力度呈下降趨勢，由80.23%降低到28.10%。江蘇省的平原地形有利于機械化普及，由2011年74.64萬元/千瓦提高到2017年81.67萬元/千瓦。在現(xiàn)有機械裝備技術下，機械化強度的年均增長率由2012年8.66%下降到2017年的1.51%，機械化強度帶來的正向效應正在衰減。

相較于2011年，各期投入產出因素是農林牧漁業(yè)增長的最大抑制性因素。其中2011—2017年，江蘇省投入產出因素削減了4 330.17億元增長空間，貢獻-219.47%負向作用力。江蘇省農業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)和農、林、牧、漁服務業(yè)投資產生的效果均呈減弱態(tài)勢。其中投入產出效果最高的漁業(yè)由2011年的80.52單位降低到2017年 62.01單位;產值最高的農業(yè)的投入產出效果由38.95單位下降到2017年的17.41單位;畜牧業(yè)由2011年的35.45單位降低到2017年13.47單位。林業(yè)和農、林、牧、漁服務業(yè)也呈下降趨勢。這種共同性下降趨勢表明，常用的投資促進經濟增長的后續(xù)乏力，成為大農業(yè)增長的負向影響因素，需要另尋其他方式。

投資結構在2011—2017年長時間尺度上表現(xiàn)為農林牧漁業(yè)增長的抑制性因素。其中2011—2017年，江蘇省投資結構因素削減了540.17億元增長空間，貢獻-27.38%負向作用力。江蘇省農業(yè)投資結構在2015年之前是大農業(yè)增長的推動性力量。這期間農業(yè)、林業(yè)和漁業(yè)的投資比重增加，合計比重由2011年55.72%提高到64.38%，發(fā)揮了主要正向力量。2016年和2017年，農業(yè)投資比重有所提高外，其他各個細分行業(yè)的投資比重收窄，造成近2年的投資結構構成農林牧漁業(yè)增長的抑制性影響因素。

農業(yè)生產的規(guī)模效應在2011—2017年長時間尺度上也表現(xiàn)為農林牧漁業(yè)增長的抑制性因素，作用力最小。其中2011—2017年，江蘇省大農業(yè)規(guī)模效應因素削減了50億元增長空間，貢獻-2.53%負向作用力。2013—2016年規(guī)模因素相較于2011年有所提高，對農林牧漁業(yè)增長構成正向影響因素;而2012年和2017年生產規(guī)模因素相較于2011年有所下降，對農林牧漁業(yè)增長構成負向影響因素，降低了農林牧漁業(yè)增長空間。其他時間尺度下，生產規(guī)模因素相較于2011年有所正向增長，對農林牧漁業(yè)增長構成正向影響因素。

三、結論與建議

（一）投資強度逐年提高構成大農業(yè)總產值增長的最大正向影響因素

從經濟產出中剝離部分收益反哺于農業(yè)，使得投資強度逐步提高，進而促進大農業(yè)總產值正向增長。由于農業(yè)的基礎性地位，各種農業(yè)補貼形式需要繼續(xù)鞏固和創(chuàng)新，提高農業(yè)資金投入，提高農民收益，留住農業(yè)勞動力。

（二）現(xiàn)代化構成大農業(yè)總產值增長的重要正向影響因素

單位農業(yè)生產規(guī)模的機械動力投入提高，生產率和農業(yè)產出提高，推動大農業(yè)正向增長。由此可考慮提升農業(yè)機械技術水平，引入效率更高的機械設備，提高大農業(yè)產出。

（三）機械化強度因素也構成大農業(yè)總產值增長的正向影響因素

平原水網是江蘇省天然優(yōu)勢，有利于推進機械化普及。由此繼續(xù)提高機械普及覆蓋面，替代勞動力成本上升和農村適齡勞動力短缺的問題。

（四）投入產出下降構成大農業(yè)總產值減少的主要影響因素

因大農業(yè)投資的長周期性，加之產品價格偏低，投資效果低于其他行業(yè)。投入產出效果下降削減了大農業(yè)增長空間。因此，擴大可自由交易的農業(yè)要素范圍，降低農業(yè)投資進入、退出門檻，推動農業(yè)報酬率逐漸接近工業(yè)等報酬率，降低其對大農業(yè)總產值的負向效應。

（五）投資結構總體上構成大農業(yè)增長的負向影響因素

正由于農業(yè)投資效果下降，進一步加劇在各個投資方向的投資力度減少，抑制了大農業(yè)增長。科學合理設計投資方向和投資項目以積極吸引投資源，合理引導國有資本和民間投資的渠道和范圍各自掌握投資內容，避免出現(xiàn)國資擠占民間投資和投資真空帶。

（六）農業(yè)生產的規(guī)模總體上也構成大農業(yè)增長的負向影響因素

合理規(guī)劃農業(yè)用地和建設用地，在堅定基本農業(yè)保護政策下，合理設計大農業(yè)內部各種土地用途，降低農業(yè)生產用地規(guī)模減少造成的負向影響。

參考文獻：

[1]? 李國志，李宗植.中國農業(yè)能源消費碳排放因素分解實證分析——基于LMDI模型[J].農業(yè)技術經濟，2010，（10）：66-72.

[2]? 王劼，朱朝枝.農業(yè)碳排放的影響因素分解與脫鉤效應的國際比較[J].統(tǒng)計與決策，2018，（34）：106-110.

[3]? 郭焱，朱俊峰.我國玉米生產的時空特征分析[J].農業(yè)經濟與管理，2017，（1）：17-24.

[4]? 沙宇蕾.我國農業(yè)產值影響因素實證研究[J].中國林業(yè)經濟，2020，（5）：27-29+39.

[5]? 張敏，姚萍.江蘇省金融支持現(xiàn)代農業(yè)發(fā)展研究[J].物流工程與管理，2020，（4）：160-162.

[6]? 張敏，洪偉.涉農財政支出和農業(yè)貸款對現(xiàn)代農業(yè)經濟增長影響實證研究——以江蘇省為例[J].中國林業(yè)經濟，2020，（5）：133-135.

[7]? 吉星，徐靜文，何文劍，等.農業(yè)規(guī)模經營能否提高土地產出？——一個基于產權安全視角的實證分析[J].新疆農墾經濟，2019，（6）：29-36.

[8]? 辛沖沖，陳志勇.我國財政支農支出與農業(yè)經濟增長——基于LMDI分解法的研究[J].上海經濟研究，2017，（3）：78-86.

[9]? 王桂民，陳聰，曹光喬，等.中國耕地流轉時空特征及影響因素分解[J].農業(yè)工程學報，2017，（1）：1-7.

[10]? Zhao Chunfu，Chen Bin.Driving force analysis of the agricultural water footprint in China based on the LMDI method[J].Environmental Science and Technology，2014，（48）：12723-12731.

[11]? 陳巖，童國平，王蕾.淮河流域農業(yè)灰水足跡效率的時空分布與驅動模式[J].水資源保護，2020，（6）：60-66.

[12]? Ang B.W.The LMDI approach to decomposition analysis：a practical guide，Energy Policy，2005，（7）：867-871.

[責任編輯 文 峰]