中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平的空間格局與分布動態(tài)演進(jìn)

冀玄玄，姜軍松

（湘潭大學(xué) 商學(xué)院，湖南 湘潭 411105）

0 引言

農(nóng)業(yè)現(xiàn)代化是中國式現(xiàn)代化的基礎(chǔ)支撐與重要構(gòu)成，加快農(nóng)業(yè)現(xiàn)代化建設(shè)步伐成為現(xiàn)階段優(yōu)先發(fā)展農(nóng)業(yè)、全面推進(jìn)鄉(xiāng)村振興的核心內(nèi)容[1]，有利于推動農(nóng)業(yè)高質(zhì)量發(fā)展和農(nóng)業(yè)強(qiáng)國建設(shè)。改革開放以來，農(nóng)業(yè)現(xiàn)代化發(fā)展成效顯著，但也面臨著科技創(chuàng)新能力不強(qiáng)、生態(tài)環(huán)境破壞嚴(yán)重、競爭力偏弱等問題。因此，構(gòu)建科學(xué)合理的評價指標(biāo)體系，準(zhǔn)確把握中國農(nóng)業(yè)現(xiàn)代化發(fā)展?fàn)顩r，對于協(xié)調(diào)推進(jìn)農(nóng)業(yè)現(xiàn)代化建設(shè)、實(shí)現(xiàn)農(nóng)業(yè)高質(zhì)高效發(fā)展具有重要意義。

當(dāng)前關(guān)于農(nóng)業(yè)現(xiàn)代化的研究主要集中在三個方面：一是闡明農(nóng)業(yè)現(xiàn)代化的概念內(nèi)涵。現(xiàn)有文獻(xiàn)大多從內(nèi)容論和過程論兩個角度闡釋農(nóng)業(yè)現(xiàn)代化概念。就內(nèi)容論而言，農(nóng)業(yè)現(xiàn)代化多指農(nóng)業(yè)的機(jī)械化、集約化、社會化等，并且“多化”內(nèi)容愈發(fā)豐富[2]。就過程論而言，農(nóng)業(yè)現(xiàn)代化是一個動態(tài)過程，表現(xiàn)為生產(chǎn)經(jīng)營方式、農(nóng)村土地制度、基礎(chǔ)設(shè)施建設(shè)等方面的不斷創(chuàng)新變革[3]。二是測度不同尺度下農(nóng)業(yè)現(xiàn)代化的發(fā)展水平。現(xiàn)有文獻(xiàn)主要從全國[4]、區(qū)域[5]、省域[6]等不同尺度測算農(nóng)業(yè)現(xiàn)代化發(fā)展水平。此外，部分文獻(xiàn)還探討了農(nóng)業(yè)現(xiàn)代化的時空分異特征[7]及農(nóng)業(yè)現(xiàn)代化與城鎮(zhèn)化的耦合協(xié)調(diào)度[8]。三是探索農(nóng)業(yè)現(xiàn)代化的實(shí)現(xiàn)路徑。為加快實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化，現(xiàn)有文獻(xiàn)提出強(qiáng)化農(nóng)業(yè)科技創(chuàng)新驅(qū)動、優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)與空間布局、健全現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)與經(jīng)營體系等多種路徑[9,10]。

上述文獻(xiàn)為農(nóng)業(yè)現(xiàn)代化研究提供了有益參考，但仍存在拓展空間。一是現(xiàn)有評價指標(biāo)體系涵蓋度不足。雖然“雙碳”目標(biāo)明確了農(nóng)業(yè)碳減排的必要性，但是當(dāng)前評價指標(biāo)體系大多并未考慮農(nóng)業(yè)碳排放指標(biāo)。二是某些評價指標(biāo)測算準(zhǔn)確性不高。例如，農(nóng)業(yè)污染排放指標(biāo)僅用化肥或農(nóng)藥的施用量來表示，忽略了畜禽養(yǎng)殖、秸稈焚燒等導(dǎo)致的污染物排放。三是現(xiàn)有研究主要集中于描述時空分析結(jié)果，并未探討農(nóng)業(yè)現(xiàn)代化的內(nèi)在演化規(guī)律。鑒于此，本文從農(nóng)業(yè)生產(chǎn)投入、農(nóng)業(yè)經(jīng)營管理、農(nóng)業(yè)產(chǎn)出效益和農(nóng)業(yè)綠色發(fā)展4個維度構(gòu)建評價指標(biāo)體系，采用多指標(biāo)綜合評價法測算2005—2020年中國31個省份的農(nóng)業(yè)現(xiàn)代化發(fā)展水平，并利用Kernel密度估計、Moran’s I和Markov鏈分析方法深入考察其空間分布格局及動態(tài)演進(jìn)特征。

1 研究設(shè)計

1.1 研究方法

1.1.1 多指標(biāo)綜合評價法

多指標(biāo)綜合評價法是指依據(jù)研究目的構(gòu)建相應(yīng)的統(tǒng)計指標(biāo)體系，并在此基礎(chǔ)上歸結(jié)各個指標(biāo)所提供的信息以得出一個綜合數(shù)值，進(jìn)而整體評價研究對象。本文選擇該方法來測算農(nóng)業(yè)現(xiàn)代化發(fā)展水平，計算公式為：

式（1）中，AMik為省份i農(nóng)業(yè)現(xiàn)代化第k維度的發(fā)展水平指數(shù)，q為各維度所包含的指標(biāo)數(shù)量，Sij為省份i指標(biāo)j經(jīng)標(biāo)準(zhǔn)化處理后的數(shù)值，wj為指標(biāo)j的權(quán)重。式（2）中，AMi為省份i農(nóng)業(yè)現(xiàn)代化發(fā)展水平綜合指數(shù)，n為指標(biāo)總數(shù)量。指標(biāo)權(quán)重的確定方法主要包括主觀賦權(quán)法和客觀賦權(quán)法，各自有其相應(yīng)的優(yōu)缺點(diǎn)。為了確保賦權(quán)的可靠性，本文在主觀賦權(quán)法中選擇等值賦權(quán)法，在客觀賦權(quán)法中選擇熵值法和CRITIC 法，并采用簡單線性加權(quán)方法確定指標(biāo)的最終權(quán)重。此外，本文將三種賦權(quán)方法的權(quán)重分別設(shè)為1/2、1/4、1/4，鑒于這三種方法使用較為頻繁，不再詳述其計算步驟。

1.1.2 Kernel密度估計

Kernel密度估計作為一種非參數(shù)估計方法，通常在于利用隨機(jī)變量的密度函數(shù)曲線描述其分布形態(tài)，具體計算公式為：

其中，f(x)為隨機(jī)變量X的密度函數(shù)，Xi為各省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平，x為農(nóng)業(yè)現(xiàn)代化發(fā)展水平均值，N為總樣本量，h為帶寬，K(·)為核函數(shù)。本文選用高斯核函數(shù)進(jìn)行估計，并據(jù)此刻畫農(nóng)業(yè)現(xiàn)代化發(fā)展水平的分布動態(tài)演進(jìn)。

1.1.3 Markov鏈分析

Markov 鏈分析是通過構(gòu)建狀態(tài)轉(zhuǎn)移概率矩陣來考察某一事件或變量的演進(jìn)趨勢。若將農(nóng)業(yè)現(xiàn)代化發(fā)展水平劃分為k種類型，則可以得到一個k×k的轉(zhuǎn)移概率矩陣，由此能夠揭示出農(nóng)業(yè)現(xiàn)代化發(fā)展水平的動態(tài)演進(jìn)特征。轉(zhuǎn)移概率計算公式為：

其中，Pij為某省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平從t年的i類型轉(zhuǎn)移到t+1年的j類型的概率，nij為從t年的i類型轉(zhuǎn)移到t+1年的j類型發(fā)生的次數(shù)，ni為樣本期內(nèi)i類型出現(xiàn)的總次數(shù)。

由于任何事物都不是孤立存在的，因此為考察空間因素的影響，在傳統(tǒng)Markov 鏈分析的基礎(chǔ)上引入“空間滯后”的概念，用以分析鄰近省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平的相互影響。具體而言，空間Markov 鏈分析是通過構(gòu)建空間權(quán)重矩陣，把k×k的轉(zhuǎn)移概率矩陣分解為k個k×k矩陣，此時Pij|k表示某省份在t年空間滯后類型為k的條件下，從t年的i類型轉(zhuǎn)移到t+1年的j類型的概率。

1.1.4 全局空間相關(guān)性分析

全局空間自相關(guān)分析主要用于描述某一要素屬性值在整個區(qū)域的空間自相關(guān)性，通常采用全局Moran’s I作為衡量指標(biāo)。本文采用全局Moran’s I檢驗(yàn)農(nóng)業(yè)現(xiàn)代化發(fā)展水平的空間自相關(guān)性?？紤]到該指數(shù)較為常用，不再詳述其計算公式。

1.2 指標(biāo)體系構(gòu)建

農(nóng)業(yè)現(xiàn)代化是一個包含資源投入、生產(chǎn)經(jīng)營、高效產(chǎn)出、環(huán)境防治等方面內(nèi)容的綜合性概念，也是由傳統(tǒng)農(nóng)業(yè)轉(zhuǎn)向現(xiàn)代農(nóng)業(yè)的動態(tài)演變過程。本文在科學(xué)把握農(nóng)業(yè)現(xiàn)代化內(nèi)涵特征和充分考慮數(shù)據(jù)可獲得性的基礎(chǔ)上，參考現(xiàn)有相關(guān)文獻(xiàn)，聚焦農(nóng)業(yè)生產(chǎn)投入、農(nóng)業(yè)經(jīng)營管理、農(nóng)業(yè)產(chǎn)出效益和農(nóng)業(yè)綠色發(fā)展4個維度，選取35項具體指標(biāo)來構(gòu)建農(nóng)業(yè)現(xiàn)代化發(fā)展水平評價指標(biāo)體系，具體如表1所示。

表1 農(nóng)業(yè)現(xiàn)代化發(fā)展水平評價指標(biāo)體系

1.3 指標(biāo)數(shù)據(jù)測算

評價指標(biāo)的測算方法見表1。為剔除價格因素的影響，本文將相關(guān)價值型變量以2005 年為基期進(jìn)行了調(diào)整。此外，考慮到農(nóng)業(yè)污染排放量、農(nóng)業(yè)碳排放量以及農(nóng)業(yè)耗能量的涉及面廣、計算復(fù)雜等情況，本文對其測算過程進(jìn)行詳細(xì)闡述。

1.3.1 農(nóng)業(yè)污染排放量測算

農(nóng)業(yè)污染通常是指面源污染，主要包括三類污染源。一是化肥流失產(chǎn)生的氨氮、總氮和總磷，具體測算方法及排放系數(shù)參考2021 年生態(tài)環(huán)境部發(fā)布的《排放源統(tǒng)計調(diào)查產(chǎn)排污核算方法和系數(shù)手冊》。二是畜禽養(yǎng)殖產(chǎn)生的化學(xué)需氧量、總氮和總磷，涉及豬、牛、羊以及家禽4種動物，具體測算方法及相關(guān)系數(shù)參考《全國規(guī)?；笄蒺B(yǎng)殖業(yè)污染情況調(diào)查及防治對策》。三是農(nóng)作物秸稈棄置產(chǎn)生的化學(xué)需氧量、總氮和總磷，具體測算方法及相關(guān)系數(shù)參考李新和尚杰（2022）[11]的研究。

1.3.2 農(nóng)業(yè)碳排放量測算

農(nóng)業(yè)碳排放是指農(nóng)業(yè)生產(chǎn)中的溫室氣體排放，主要包括4類排放源，測算方法及相關(guān)系數(shù)均參考現(xiàn)有研究。一是農(nóng)用物資投入導(dǎo)致的碳排放，具體包括化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、灌溉等導(dǎo)致的碳排放[12]。二是土地翻耕及作物種植導(dǎo)致的碳排放，具體涉及翻耕導(dǎo)致的碳排放、水稻種植引起的甲烷排放以及水稻、小麥、玉米、豆類、薯類、花生、油菜籽、蔬菜等種植產(chǎn)生的氧化亞氮排放[13,14]。三是秸稈燃燒導(dǎo)致的碳排放，具體涉及水稻、小麥和玉米3 種主要農(nóng)作物[15]。四是畜禽養(yǎng)殖導(dǎo)致的碳排放，具體包括生豬、牛、羊、馬、驢、騾、駱駝、家禽、兔等畜禽腸道發(fā)酵導(dǎo)致的甲烷排放和畜禽排泄引發(fā)的甲烷與氧化亞氮排放[14]。

1.3.3 農(nóng)業(yè)耗能量測算

農(nóng)業(yè)能源消耗是指農(nóng)業(yè)生產(chǎn)過程中各種能源的消費(fèi)和耗用，通常以消耗的能源實(shí)物量進(jìn)行表征。為了統(tǒng)一分析，需將其折算成標(biāo)準(zhǔn)煤后再進(jìn)行核算，即求解各類農(nóng)業(yè)能源實(shí)物消耗量與其折算標(biāo)準(zhǔn)煤系數(shù)的乘積和。本文選取原煤、洗精煤、其他洗煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣及電力這11 類能源，折算系數(shù)來源于《中國能源統(tǒng)計年鑒》。

1.4 數(shù)據(jù)來源

本文基于2005—2020 年中國31 個省份（不含港澳臺）的面板數(shù)據(jù)進(jìn)行分析，基礎(chǔ)數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》《中國農(nóng)村經(jīng)營管理統(tǒng)計年報》《中國農(nóng)村統(tǒng)計年鑒》《中國金融年鑒》《中國科技統(tǒng)計年鑒》《中國保險年鑒》《中國農(nóng)業(yè)機(jī)械工業(yè)年鑒》《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》《中國畜牧獸醫(yī)年鑒》《綠色食品統(tǒng)計年報》《中國能源統(tǒng)計年鑒》，以及各省份統(tǒng)計年鑒、商務(wù)部對外貿(mào)易司網(wǎng)站、國家統(tǒng)計局網(wǎng)站，部分缺失數(shù)據(jù)由插值法測算補(bǔ)齊。

2 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的空間格局分析

2.1 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的時間演變趨勢

根據(jù)上文公式測算2005—2020年中國31個省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平指數(shù)，并計算全國及四大地區(qū)各年份的平均值。由圖1可知，樣本期內(nèi)中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平整體呈上升態(tài)勢，指數(shù)均值由2005年的0.250上升至2020年的0.393，年均增長率達(dá)到3.06%。自2004年以來，國家出臺了眾多支農(nóng)惠農(nóng)政策，使得農(nóng)民生產(chǎn)積極性大幅提高，農(nóng)業(yè)綜合產(chǎn)出明顯增加。近年來，農(nóng)業(yè)生產(chǎn)、經(jīng)營和產(chǎn)業(yè)體系不斷健全，農(nóng)機(jī)裝備研發(fā)持續(xù)推進(jìn)，農(nóng)村土地制度愈發(fā)完善，這均在一定程度上促進(jìn)了中國農(nóng)業(yè)現(xiàn)代化的穩(wěn)步發(fā)展。

圖1 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的變化趨勢

通過對比分析可知，東、中、西部地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平均表現(xiàn)出平穩(wěn)上升態(tài)勢，東北地區(qū)則呈波動上升態(tài)勢。其中，東部和西部地區(qū)分別是農(nóng)業(yè)現(xiàn)代化發(fā)展水平最高和最低的地區(qū)，2020 年指數(shù)均值分別為0.492 和0.330，樣本期內(nèi)年均增長率分別達(dá)到3.13%和3.36%。中部和東北地區(qū)則處于中間水平，樣本期內(nèi)年均增長率分別為2.99%和1.98%。整體而言，東部地區(qū)經(jīng)濟(jì)發(fā)達(dá)，科技創(chuàng)新能力強(qiáng)，農(nóng)業(yè)現(xiàn)代化發(fā)展水平較高。西部地區(qū)與之相反，但受益于國家政策的有力扶持，農(nóng)業(yè)現(xiàn)代化發(fā)展步伐加快。而位于中部和東北地區(qū)的省份多為糧食主產(chǎn)區(qū)，承擔(dān)著保障糧食安全的重要任務(wù)，在農(nóng)業(yè)生產(chǎn)投入、經(jīng)營管理模式、環(huán)境污染防治等方面可能滯后于東部地區(qū)，因而其農(nóng)業(yè)現(xiàn)代化發(fā)展水平低于東部地區(qū)。

2.2 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的空間分布格局

為分析農(nóng)業(yè)現(xiàn)代化發(fā)展水平的分布格局變動，本文選取2005 年、2010 年、2015 年、2020 年繪制空間分布圖（圖略）?？梢园l(fā)現(xiàn)，中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平不斷提升，“東高西低”的空間分布格局愈發(fā)明顯。具體而言，2005年僅北京、天津、上海等5個東部地區(qū)省份的農(nóng)業(yè)現(xiàn)代化發(fā)展水平處于0.301～0.400，貴州、云南、西藏等6個西部地區(qū)省份的發(fā)展水平則處于0.100～0.200，“東高西低”的分布格局初現(xiàn)。到2020年，北京、上海的農(nóng)業(yè)現(xiàn)代化發(fā)展水平已超過0.600，山東、江蘇、湖北、湖南等省份的發(fā)展水平處于0.401～0.500，甘肅與青海的發(fā)展最為緩慢，發(fā)展水平仍處于0.201～0.300?？偟膩碚f，中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平表現(xiàn)出“東高西低”的分布格局，并且該格局在樣本期內(nèi)日趨定型。

2.3 農(nóng)業(yè)現(xiàn)代化不同維度發(fā)展水平的空間分布狀況

本文分別刻畫了農(nóng)業(yè)現(xiàn)代化不同維度發(fā)展水平的變化趨勢（見圖2）和空間分布（圖略）。就時間變化趨勢而言，農(nóng)業(yè)生產(chǎn)投入、農(nóng)業(yè)經(jīng)營管理、農(nóng)業(yè)產(chǎn)出效益和農(nóng)業(yè)綠色發(fā)展4 個維度的發(fā)展水平均呈現(xiàn)平穩(wěn)上升的變化態(tài)勢，并且樣本期內(nèi)各維度的年均增長率分別達(dá)到5.60%、3.20%、5.20%、1.20%。就空間分布格局而言，僅北京、上海的農(nóng)業(yè)生產(chǎn)投入發(fā)展水平處于0.101～0.150，新疆、西藏以及其他位于東中部地區(qū)的省份處于0.051～0.100，西部地區(qū)的多數(shù)省份和東北地區(qū)則處于0～0.050；除西藏、廣西、貴州和云南外，其余省份的農(nóng)業(yè)經(jīng)營管理發(fā)展水平均處于0.051～0.150；農(nóng)業(yè)產(chǎn)出效益發(fā)展水平的空間分布格局與農(nóng)業(yè)生產(chǎn)投入較為相似，區(qū)別在于西藏和安徽的農(nóng)業(yè)產(chǎn)出效益發(fā)展水平處于0～0.050，而吉林和遼寧則處于0.051～0.100；福建、浙江、廣西、海南和陜西的農(nóng)業(yè)綠色發(fā)展水平處于0.151～0.200，西藏處于0.051～0.100，其余省份則全部處于0.101～0.150。由此可知，農(nóng)業(yè)生產(chǎn)投入與農(nóng)業(yè)產(chǎn)出效益具有較強(qiáng)的關(guān)聯(lián)性，產(chǎn)出效益的提高有賴于資源投入的增加，并且農(nóng)業(yè)經(jīng)營管理的空間相關(guān)性較為明顯，溢出效應(yīng)使得各省份的經(jīng)營管理水平差異相對較小。

圖2 農(nóng)業(yè)現(xiàn)代化不同維度發(fā)展水平的變化趨勢

3 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的分布動態(tài)演進(jìn)

3.1 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的Kernel密度估計

為繼續(xù)探索各省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平的集聚差異變化，本文利用Kernel 密度函數(shù)進(jìn)行估計，并據(jù)此分析整體演進(jìn)趨勢。由圖3可知，中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平總體上呈“左高右低”的“偏左”分布特征。2005—2020年Kernel 密度曲線的中心呈右移態(tài)勢，主峰對應(yīng)的水平指數(shù)大致由0.250向右偏移至0.350，表明各省份的農(nóng)業(yè)現(xiàn)代化發(fā)展水平有所提升，低水平集聚態(tài)勢逐漸改善。樣本期內(nèi)密度曲線表現(xiàn)為“一個主峰、若干側(cè)峰”的分布形態(tài)，左側(cè)主峰包含了大多數(shù)農(nóng)業(yè)現(xiàn)代化發(fā)展水平相對較低的省份，右側(cè)小波峰則集聚了其他處于較高發(fā)展水平的省份，并且主側(cè)峰的高度差距較大，即空間不平衡狀況較為明顯。此外，考察期內(nèi)，尤其是2016—2020 年，波峰的高度不斷下降、寬度持續(xù)增加，這意味著省份間農(nóng)業(yè)現(xiàn)代化發(fā)展水平的差距有所擴(kuò)大。

圖3 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的Kernel密度估計

不同地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平的集聚趨勢可能存在差異，因此本文選擇2005年、2010年、2015年和2020年作為觀測時點(diǎn)，得到東部、中部、西部及東北地區(qū)的分布形態(tài)圖（見圖4）。由圖4（a）可知，東部地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平的分布形態(tài)表現(xiàn)為“單峰”向“雙峰”的演變趨勢，主峰對應(yīng)的水平指數(shù)大致由2005年的0.300向右移動至2020年的0.470，表明東部地區(qū)高水平集聚特征逐漸顯現(xiàn)。由圖4（b）可知，中部地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平的分布同樣由“單峰”向“雙峰”演變。與2005—2015年的“單峰”分布不同，2020年Kernel密度曲線呈“左側(cè)右主”的“雙峰”分布形態(tài)，意味著中部地區(qū)多數(shù)省份的農(nóng)業(yè)現(xiàn)代化發(fā)展水平有所提升。由圖4（c）可知，西部地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平呈“雙峰”分布格局，左側(cè)波峰在期初和期末對應(yīng)的水平指數(shù)分別為0.180、0.300，右側(cè)波峰對應(yīng)的水平指數(shù)則分別為0.230、0.350。樣本期內(nèi)波峰間的高度差先增大后減小，且由“左低右高”轉(zhuǎn)變?yōu)椤白蟾哂业汀?，表明農(nóng)業(yè)現(xiàn)代化發(fā)展水平的增長勢頭逐漸放緩。由圖4（d）可知，東北地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平呈“單峰”分布形態(tài)，Kernel密度曲線的中心不斷向右移動。但相比于之前年份，2020年Kernel密度曲線僅發(fā)生微小幅度的移動，說明2005—2015年東北地區(qū)各省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平穩(wěn)步增長，2015年后增長速度大幅減緩。

圖4 不同地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平的Kernel密度估計

3.2 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的傳統(tǒng)Markov鏈分析

本文按照分位數(shù)法將農(nóng)業(yè)現(xiàn)代化發(fā)展水平劃分為4種類型：低、中低、中高以及高發(fā)展水平，并計算傳統(tǒng)Markov 轉(zhuǎn)移概率（見表2）。整體而言，短期內(nèi)對角線上的概率值遠(yuǎn)大于非對角線上的概率值，即各省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平的變化趨勢較為穩(wěn)定，傾向于維持現(xiàn)有類型。隨著時間跨度的增加（T=5），相應(yīng)對角線上的概率值明顯小于非對角線上的概率值，如P11=33.88%＜P12=58.68%，此時農(nóng)業(yè)現(xiàn)代化發(fā)展水平更容易發(fā)生類型轉(zhuǎn)移，且基本為向上轉(zhuǎn)移。無論時間跨度是否延長，處于中低水平的省份向更高水平方向轉(zhuǎn)移的概率都更大。例如，當(dāng)T=1 時，P23=18.64%＞P34=14.53%；當(dāng)T=5 時，P23=81.05%＞P34=73.24%。此外，農(nóng)業(yè)現(xiàn)代化發(fā)展水平向上轉(zhuǎn)移的概率均大于向下轉(zhuǎn)移的概率，例如，當(dāng)T=1時，P23=18.64%＞P21=1.70%；當(dāng)T=5時，P23=81.05%＞P21=0，且轉(zhuǎn)移多發(fā)生在相鄰類型之間，即各省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平難以在短期內(nèi)實(shí)現(xiàn)跨越式提升。

表2 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的傳統(tǒng)Markov轉(zhuǎn)移概率矩陣

3.3 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的空間Markov鏈分析

根據(jù)公式計算農(nóng)業(yè)現(xiàn)代化發(fā)展水平的全局Moran’s I，結(jié)果如表3所示。各年份Moran’s I值均在1%的水平上顯著為正，農(nóng)業(yè)現(xiàn)代化發(fā)展水平具有顯著的空間正相關(guān)關(guān)系。說明空間因素在農(nóng)業(yè)現(xiàn)代化發(fā)展水平轉(zhuǎn)移過程中扮演著重要角色，相鄰省份間的農(nóng)業(yè)現(xiàn)代化發(fā)展水平存在相互影響。

表3 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的全局Moran’s I值

因而，將空間因素納入Markov鏈分析中，以此構(gòu)建空間Markov轉(zhuǎn)移概率矩陣。由表4可知，在不同空間滯后類型下，各省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平的轉(zhuǎn)移概率有所差異。例如，當(dāng)T=1 時，P12|1=6.78%，P12|2=21.15%；當(dāng)T=5 時，P12|1=45.76%，P12|2=67.31%。某一省份若與處于更高發(fā)展水平的省份鄰近，則該省份向上轉(zhuǎn)移的概率增大；若與處于更低發(fā)展水平的省份鄰近，則該省份維持穩(wěn)定性的概率增大。比如當(dāng)T=1 時，P12|1=6.78% ＜P12|3=46.15%，P22|1=100.00% ＞P22|2=81.13% ；當(dāng)T=5 時，P12|1=45.76% ＜P12|3=90.00%，P22|1=28.57%＞P22|2=7.55%。這表明各省份農(nóng)業(yè)現(xiàn)代化的發(fā)展是穩(wěn)定持續(xù)的提升過程，即使鄰近省份處于較低發(fā)展水平，該省份也更傾向于維持現(xiàn)有類型而避免向下轉(zhuǎn)移。隨著相鄰省份所處發(fā)展水平的提高，該省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平向上轉(zhuǎn)移與向下轉(zhuǎn)移的概率差值擴(kuò)大，如當(dāng)T=1 時，P23|2-P21|2=15.09%＜P23|4-P21|4=23.08%；當(dāng)T=5 時，P23|2-P21|2=83.02%＜P23|3-P21|3=85.71%。當(dāng)時間跨度增加時，發(fā)展水平在不同類型間轉(zhuǎn)移的概率增大，但無論處于何種空間滯后類型下，各省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平實(shí)現(xiàn)跨越式提升的概率都仍然較低。

表4 農(nóng)業(yè)現(xiàn)代化發(fā)展水平的空間Markov轉(zhuǎn)移概率矩陣

4 結(jié)論

本文從農(nóng)業(yè)生產(chǎn)投入、農(nóng)業(yè)經(jīng)營管理、農(nóng)業(yè)產(chǎn)出效益和農(nóng)業(yè)綠色發(fā)展4個維度構(gòu)建了評價指標(biāo)體系，在此基礎(chǔ)上采用多指標(biāo)綜合評價法測算了2005—2020年中國31個省份的農(nóng)業(yè)現(xiàn)代化發(fā)展水平，并利用Kernel 密度估計、Moran’s I和Markov鏈分析方法全面考察了農(nóng)業(yè)現(xiàn)代化發(fā)展水平的空間分布格局及其動態(tài)演進(jìn)特征，得到如下結(jié)論：

（1）中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平整體呈上升態(tài)勢，其中，東部、中部及西部地區(qū)表現(xiàn)出平穩(wěn)上升態(tài)勢，東北地區(qū)則呈波動上升態(tài)勢。區(qū)域間農(nóng)業(yè)現(xiàn)代化發(fā)展水平存在明顯差異，“東高西低”的空間分布格局較為顯著。

（2）總體而言，中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平呈“左高右低”的“偏左”分布特征，樣本期內(nèi)低水平集聚態(tài)勢逐漸改善。各地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展水平的分布形態(tài)有所不同，東部和中部地區(qū)表現(xiàn)為由“單峰”向“雙峰”的演變，西部地區(qū)主要呈“雙峰”分布格局，而東北地區(qū)的“單峰”分布形態(tài)則貫穿始終，并且2015—2020年其增長速度大幅減緩。

（3）若不考慮空間因素，則中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平的變化趨勢較為穩(wěn)定，各省份向上轉(zhuǎn)移的可能性高于向下轉(zhuǎn)移，并且處于中低發(fā)展水平的省份更易于向上轉(zhuǎn)移，但難以在短期內(nèi)實(shí)現(xiàn)跨類型轉(zhuǎn)移。若考慮空間因素，則中國農(nóng)業(yè)現(xiàn)代化發(fā)展水平具有顯著的空間正相關(guān)關(guān)系，某一省份若與處于更高發(fā)展水平的省份鄰近，則其向上轉(zhuǎn)移的概率增大，且隨著相鄰省份所處發(fā)展水平的提高，該省份農(nóng)業(yè)現(xiàn)代化發(fā)展水平向上轉(zhuǎn)移與向下轉(zhuǎn)移的概率差值將擴(kuò)大。