我国不同区域农业韧性水平的动态演变及其影响因素分析

gecccn

谢婷婷，新疆财经大学金融学院副院长、教授、博士生导师，新疆财政与金融协同创新研究中心研究员；杨秉恩（通讯作者）、宋诚，新疆财经大学金融学院博士研究生。

引用格式：谢婷婷,杨秉恩,宋诚.我国不同区域农业韧性水平的动态演变及其影响因素分析——基于农业保险赔付率视角[J].农村金融研究,2023(11):46-59.

「摘要」农业是国家深化改革和国民经济行稳致远的基础，提高农业韧性对守好“三农”基本盘至关重要。论文以我国八大经济区域为研究对象，利用Dagum基尼系数分解法、Kernel核密度估计和Markov链方法考察我国农业韧性的动态演进规律，通过空间自回归（SAR）模型检验农业灾害冲击和农业保险赔付率等因素对我国农业韧性的影响。研究发现，2013-2021年我国农业韧性水平整体不断提高，各区域间农业韧性水平的差距逐渐缩小，但局部出现了农业韧性的中低水平集聚的趋势；空间上，农业韧性水平有明显的溢出效应，某地区农业韧性水平发展进程会显著地受到接邻地区农业韧性水平的影响；进一步分析发现，在农业灾害冲击下，农业保险赔付率提升有助于增强农业韧性水平。在当前极端天气频发、地缘政治冲突持续等影响粮食安全、农业高质量发展的不确定性因素增加的背景下，从保险视角研究农业韧性具有现实意义。

「关键词」农业韧性；动态演变；空间效应；农险赔付率

一、引言和文献综述

“民以食为天”，农业是国家稳定和深化改革的基础，是应对各种风险冲击的压舱石。进入新世纪以来，我国连续21年发布以“三农”问题为主要内容的中央一号工作文件，体现了党和国家对农业发展的高度重视。2023年中央一号工作文件进一步强调，建设供给保障强、科技装备强、经营体系强、产业韧性强、竞争能力强的农业强国。农业韧性可以理解为农业生产经营系统消化和吸收外界冲击并保持和恢复原有主要特征和关键功能的能力，农业韧性越强，农业生产经营越能够迅速从负向冲击中得到恢复。在当前极端天气频发、地缘政治冲突加剧等影响粮食安全和农业高质量发展的不确定性不稳定性因素增多的背景下，考察我国农业韧性水平的动态演进规律、空间差异和影响因素对维护和保障我国农业安全、守住“三农”基本盘具有重要的现实意义。

2018-2019年的非洲猪瘟、2021年河南历史罕见的暴雨、2020-2022年的新冠疫情、2023年河北地区的暴雨等一系列风险事件都对我国农业安全造成了冲击。农业保险在促进现代农业发展、保障国家粮食安全和稳定农民收入方面发挥了越来越重要的作用，已经成为助推现代农业发展、突破农村金融瓶颈、创新乡村治理的重要手段（龙文军、刘琳，2021）。我国自2007年重新启动政策性农业保险以来，农业保险发展水平和质量不断提升。2009年，我国农业保险保费收入达到130亿元，保费规模居全球第二；2020年，我国农业保险保费收入815亿元，成为全球农业保险保费规模最大的国家。

我国关于农业保险的研究较多，主要涉及农业保险的规范运行（庹国柱、李军，2003；朱俊生、庹国柱，2009；苏占伟，2015；庹国柱，2021）、风险区划与保费厘定（庹国柱、丁少群，1994；邢郦、钟甫宁，2006；李文芳，2010；冯文丽、郭亚慧，2017；叶涛等，2021）、粮食安全（徐斌、孙蓉，2016；庹国柱、张峭，2018；江生忠、朱文冲，2021）、农民收入（黄薇，2019）、环境效应（罗向明等，2016；马九杰等，2021），以上研究为本文提供了思路与方法借鉴。我国农业韧性的研究相对较少，主要可分为三类：第一类是研究农业韧性的影响因素，如农业基础设施（唐莹、陈梦涵，2023）、数字经济（赵巍、徐筱雯，2023；宋敏、刘欣雨，2023）、产业融合（郝爱民、谭家银，2022）、农业保险（张东玲、焦宇新，2022）等；第二类是分析农业韧性的作用结果，如空间网络效应（蒋辉，2022）、农业高质量发展（蒋辉等，2022）的作用等；第三类是研究我国农业韧性的变化规律，张明斗、惠利伟（2022）研究了我国农业韧性的空间差异，但其并未就我国农业韧性动态演进规律和影响因素进行分析。

农业面临着自然和经济双重风险，极端天气等自然灾害的冲击可能会导致农业韧性降低。囿于风险冲击和资金限制，在遭受自然灾害导致的损失时，农业经营者可能无力维持原有的农业经营，进一步导致未来农业生产经营规模骤减，原有农业生产经营在相当长一段时间内无法得到有效恢复，致使农业韧性降低。农业保险对农业生产经营者的损失补偿让农业生产者有资金来恢复生产，使原有农业生产经营能够在风险冲击之后的较短时间内得到恢复，因此农业保险有助于恢复和增强农业韧性。农业保险主要通过损失理赔的方式支持农业生产，理赔的多少直接关系到农业生产的恢复程度，研究农业保险赔付率与农业韧性之间的关系具有现实意义。

本文以我国八大经济区域为研究对象，利用熵值法对2013-2021年的农业韧性进行评价；利用Dagum基尼系数及分解法考察八大经济区域农业韧性的空间差异，对空间差异的来源进行深入探析；采用Kernel密度估计方法考察时间维度上八大经济区域农业韧性的分布动态演进趋势，采用Markov链方法考察空间因素对农业韧性水平提升进程的影响，系统研究我国农业韧性的分布动态变化规律，最后选择空间自回归（SAR）模型，考察农业灾害冲击和农业保险赔付率对我国农业韧性的影响。本文的创新主要包括两点：一是建立了更加侧重资源禀赋、风险水平和科技研发的农业韧性指标体系；二是从保险赔付率的角度考察农业保险对于农业韧性水平的作用。

二、理论分析和研究假设

农业生产有着不同于其他行业的自身特征，首先，农业生产的对象具有生命性，未成熟的作物或畜牧产品几乎不能成为有效产出。其次，农业生产具有季节性和时令性，农产品产出都有相对稳定且几乎不因人为因素改变的生长周期；种植业要遵循气候时令，错过相应时令的补种也收效甚微，因此一旦自然灾害在作物生长周期内对农业造成的损失产生，就很难进行补救。

当前我国农业生产存在内在的脆弱性问题。随着农村土地流转的不断深入，我国大部分地区农村土地逐渐形成规模化经营模式，农村的土地大多由少数的中小规模（土地经营规模500亩及以下）的职业农民流转经营，规模经营带来了规模效应和农村劳动力转移就业。但这些中小规模农村土地经营者的脆弱性却十分显著，极端气候等导致的农业巨灾很可能使这些农业经营者破产。灾害过后，幸存的中小规模农业生产经营者也没有足够的实力去承接破产者流转的土地；已经转移就业的劳动力重新耕种其原有土地也会对经济效率造成损失，因而当前种植业存在内在的脆弱性。养殖业比种植业更需要技术与经验，养殖业灾后恢复需要更长的周期。

农业保险有助于农业韧性提升的主要途径是：农业保险对受损失的农业生产经营者进行补偿，使其有资金来恢复农业生产，从而增强农业韧性。灾害的发生必然给当期的农业生产经营带来冲击，在农业保险的加持下，灾害发生后保险公司会对遭受损失的农业经营者进行损失补偿，补偿资金可以降低农业经营者的破产风险，并且保障了后续农业生产经营的正常进行，支撑农业生产在后续时期迅速恢复至受冲击之前的水平，即强化了农业韧性。以2018-2019年发生的非洲猪瘟冲击为例，该病毒使生猪养殖户损失严重甚至破产，我国生猪存栏量和猪肉产量严重下挫，国内猪肉供给出现严重不足。2019年，全国生猪养殖保险赔款支出144亿元，简单赔付率127%，其中河南省生猪保险向46.7万农户支付赔款17.6亿元；四川省死亡生猪268.9万头，保险赔付金额16.9亿元。这些资金有效弥补了农户损失，支持农户恢复生猪生产，保障市场猪肉加快恢复供应。

在具体实践中，还要分析农业保险赔付率对农业韧性的影响。近年来，我国不断健全农业保险政策体系，农业保险进入高质量发展新阶段，我国保险公司不断提高经营效率，农业保险简单赔付率逐步提高，由2013年的62%上升至2021年的72%。农业保险赔付率越高，对农业损失补偿的比例就越高，农业生产经营者灾后重新恢复经营的能力就越强，对农业韧性的作用也应该随之越强。

综合以上分析，本文提出研究假说：农业保险赔付率提高有利于我国农业韧性水平的提升。

三、研究设计

（一）样本选择与数据来源

本文使用我国除港澳台外31个省市区农业相关数据，以我国八大经济区域的农业韧性为研究对象，构建了农业韧性指标体系，指标体系中耕地质量等级数据来源于各省农业厅，其余数据均来自于国家统计局公开数据，保险数据来源于《中国保险年鉴（2012-2021）》。

（二）研究变量设计

1.被解释变量

农业韧性（fre）。将农业韧性分解为抵抗力、恢复力、进化力三大维度。其中，抵抗力强调农业的自身禀赋和其在遭受风险事件冲击时的灾害承受能力及脆弱性；恢复力强调遭受风险损失之后，农业可以获取的使其尽快恢复原有产能力量的生产保障能力和产出潜力；进化力强调农业在发展中形成的创新和转型的能力，三个分指标共同反映农业韧性水平。参考张明斗、惠利伟（2022）、赵巍、徐筱雯（2023）和郝爱民、谭家银（2023）关于农业韧性的研究，结合省级数据实际可得性，利用熵权法构建我国农业韧性指标体系（见表1），与前人研究不同之处在于指标体系更多考虑了地区的资源禀赋与风险特征。其中，全国层面的农业研发投入用农业研发投入与第一产业增加之比表示；省级层面的农业研发投入用省级总体研发投入乘以省第一产业增加值与省生产总值之比近似表示；全国农业科技创新力层面用当年农业专利申请数量与当年全国农业科研费用之比表示；省级层面用省专利申请数量乘以省第一产业增加值与省生产总值之比近似表示。

2.核心解释变量

农业保险赔付率（pfl），用农业保险赔付支出与农业保险保费收入之比表示。农业保险主要通过损失理赔的方式支持农业生产恢复，农业保险赔付率可用于衡量保险业务质量，它既能反映保险费率设定是否合理，又能反映农业保险的运行效率。一个地区的自然风险水平基本上是稳定的，只有个别年份会发生超过多年均值水平的灾害。如果农业保险赔付率长期过低，则意味着农业保险赔付不足，保险公司存在超额利润。在保险公司赚取适当利润的前提下，保险公司经营效率越高，其赔付支出越接近保费收入，即赔付比率越高，农业生产经营者在灾后能够得到的损失补偿就相对越多，农业生产经营者恢复生产经营的能力就越强，农业生产经营恢复所需的时间就相对越短，农业韧性就越强。

3.控制变量

考虑到各地区的异质性，本文控制了以下变量：第一，农业在国民经济中占比（nyzb），以农业增加值与GDP之比表示，该值越大说明该地区农业在经济中所占比重越大；第二，农业灾害程度（nyzh），用农业保险赔付支出与农林牧渔业增加值之比表示，该值越大表示当年某地受灾程度越严重；第三，政府农林水支出比率（nls），用政府农林水支出占农林牧渔业增加值之比表示，该值越大表示政府对农业的支持力度越大；第四，农村居民可支配收入（nmkzp）。

（三）研究方法与模型（完整版详见知网）

四、我国农业韧性的动态演变分析

（一）我国农业韧性测度结果

使用熵权法测度我国31个省市区和八大经济区域的农业韧性水平，受篇幅限制未对31个省市区农业韧性水平结果进行展示，八大经济区域农业韧性水平的测算结果如图1所示。

图1描述了2013-2021年我国八大经济区域和国家农业韧性的变化趋势。总体上看，我国农业韧性水平均值由2013年的0.3579增长至2021年的0.4048，提升13.10%，表明随着新时代党的“三农”方针政策的深入贯彻和落实，以及脱贫攻坚和乡村振兴战略的接续推进，我国农业韧性水平整体上不断提高。分区域来看，西北地区和黄河中游地区的农业韧性低于全国平均水平，原因是受制于水资源和土壤质量，西北地区和黄河中游地区农业生产条件较差；南部地区、长江中游地区、东部沿海地区、西南地区、北部地区和东北地区高于全国平均水平。样本期内八大经济区域农业韧性的排位次序发生了一些变化：西南地区名次有明显上升，原因是西南地区有较好的先天农业资源禀赋，但前期农业基础设施相对薄弱，随着国家对粮食安全重视程度的连续加码，使得西南地区农业现代化水平快速提升，农业韧性水平不断提高；其他地区名次变化不大。

八大经济区域之间农业韧性的差距不断缩小，极差由2013年0.1243减小到2021年的0.0891，下降了28.35%，整体水平提高的同时，极差减小，体现出一定收敛特征。进一步分析发现，农业韧性水平最低的西北地区的农业韧性水平提升最快，样本期内提高了0.0704，上升了24.98%，高于全国平均增速；农业韧性水平最高的北部沿海地区农业韧性提升相对较慢，提高0.0336，提升8.28%，低于全国平均增速；农业韧性较低的区域韧性增加的速度高于农业韧性较高的区域韧性提高的速度，显示出一定的追赶效应，使得八大经济区域间农业韧性的差异呈现出一定的收敛趋势，但八大经济区域之间农业韧性变化仍然存在着区域空间不均衡。为探究我国农业韧性产生区域化差异的深层次原因，需要进一步测度各区域农业韧性差异的大小并剖析其具体来源。

（二）我国农业韧性区域差异来源分析

我国八大经济区域之间农业韧性水平存在一定的空间非均衡，为揭示地区间差距大小及其来源，按照八大经济区域的空间尺度划分标准，采用Dagum基尼系数分解法对我国农业韧性地区差异及其来源进行探究。

1.总体差异分析

表4描述了我国农业韧性水平组内差情况。从全国平均值来看，我国农业韧性整体基尼系数相对较低，样本期内的均值为0.0789，除2016年略有上升外，其他年份均保持下降趋势，表明我国各省农业韧性之间的不均衡程度逐渐降低。分区域看，样本期内黄河中游地区农业韧性基尼系数均值高于全国平均值，说明黄河中游地区内部的各省之间农业韧性差异相对较大，原因是2019年农业大省河南耕地质量等级4.41，远好于黄河中游地区其他省份，区域内其他省份耕地质量等级均在5.70以上，该数值越小表示耕地质量越好。此外，除长江中游地区外，其他地区农业韧性的总基尼系数呈下降趋势，表明各地区内部农业韧性的差距在不断缩小。东北地区基尼系数在八大经济区域中最小，说明该区域内农业韧性水平较为均衡，原因是东北三省资源禀赋、经济发展水平和风俗文化的相似性较高。

2.区域内部差异分析

由表4可知对总基尼系数贡献率大小依次为：组间差异>超变密度>组内差异，样本期内三者对总基尼系数贡献率的均值依次为65.96%、25.57%和8.46%。说明组间差异是我国农业韧性的主要原因，说明以八大经济区域进行分组是合适的。需要注意的是超变密度贡献不断下降，说明国家在协调农业发展的过程中资源配置的合理有效，使得各个地区内部均衡发展。

组内差异贡献度在8.06%～9.03%区间内微弱变化，说明组内差异对总体基尼系数变动的影响比较小。从区域内基尼系数对总基尼系数的贡献来看，除长江中游地区外，其他七个区域组内基尼系数贡献不断降低，反映以上七个地区内省份农业韧性的差距逐渐缩小；其中，东部沿海地区、南部沿海地区和西南地区组内差异缩小程度较大。从区域内部基尼系数贡献度来看，黄河中游地区和北部沿海地区组内差距对总体基尼系数的贡献率相对较大，南部沿海和东北地区组内差距对总体基尼系数的贡献率相对较小，体现了农业韧性水平差异来源的异质性。

组间超变密度反映的是各分样本之间交叉重叠部分对于总体差异的贡献，其在本文研究结果中所占份额较低，样本时期内的平均贡献率为25.57%，意味着八大经济区域的划分方式能够有效地将不同类型的省份区分开来，具有一定的合理性。

3.区域间差异

使用dagum基尼系数分解法测算我国农业经济韧性八大经济区域的组间差异（相关数据可联系作者索要）。从整体趋势上看，我国八大经济区域各个组两两之间的农业韧性差异水平不断下降，其中东部沿海与西北地区之间、东部沿海与西南地区之间、南部沿海与西北地区之间三组农业韧性差异缩小最为明显，组间基尼系数对总基尼系数的贡献值均缩小超过0.03，说明国家脱贫攻坚与乡村战略的实施，有效降低了西北地区和西南地区与东部沿海和南部沿海地区之间农业韧性的组间差距。从区域间差异的数值水平看，东北地区与南部沿海和西南地区、南部沿海与长江中游地区之间的差异较小，这四个地区也都是我国农业发展较好的地区，其中东北地区与南部沿海地区之间的基尼系数最低，样本均值为0.0294。八大区域之间28组基尼系数，除东北地区与长江中游进而黄河中游地区、黄河中游与西南地区和长江中游地区之间的两组基尼系数略有扩大外，其他地区两两之间的基尼系数都有所下降，组间农业韧性水平差异呈逐步缩小趋势。

（三）我国农业韧性的动态演变

农业韧性水平的dagum基尼系数分解揭示了我国农业韧性总体差异水平及其具体来源，识别出了各区域之间相对差异变化的轨迹，但无法描述各区域农业韧性水平绝对差异变化的时变演进过程。本文使用核密度估计法刻画各区域样本数据的分布特征，观察密度曲线的分布位置、主峰分布形态、分布延展性和波峰数目等关键属性。

1.农业韧性水平的时变趋势

利用stata17软件对2013-2021年全国整体及八大经济区域农业韧性水平进行kernel密度估计，来揭示我国31个省市区农业韧性水平的动态演化（见图2）。

图2从整体上描述了我国31个省市区农业韧性在样本考察期内的演变态势。从密度函数的位置上来看，密度函数的中心逐年向右移动，说明我国整体农业韧性水平不断提高：经过近十年的发展，原农业韧性水平较低的省份已经达到中高水平，原农业韧性水平较高的省份的韧性水平进一步提升。从密度函数分布曲线的形状来看，曲线的宽度在减小，说明农业韧性水平的分布越来越集中，即各省之间农业韧性集聚到一个较窄中心区域，各省之间农业韧性差距不断减小。从密度函数的拖尾情况来看，曲线左拖尾程度降低，说明在农业韧性水平整体提高的同时，韧性水平较低地区提高的速度更快，更加迅速地向中高水平集聚；密度函数的右拖尾程度降低，表明各省份农业韧性水平逐渐向高水平聚集，越来越多的省份跨入农业韧性较高水平的序列，农业韧性水平似乎达到了一个较高的水平，进一步提升这些地区的农业韧性水平需更多的投入，投入的边际效用有所下降。

图3展示的是我国八大经济区域农业韧性水平的演变情况。可以看出，密度函数的中心明显右移，体现出八大经济区域整体农业韧性不断增强；相较于2013年，2017密度分布的左拖尾性明显缩短且拖尾厚度增加，说明农业韧性水平低的地区占比有所降低，可能的原因是原来农业韧性比较低的地区借助后发优势，迅速提升了农业韧性水平。2017年以后密度函数出现双峰情况，主波峰在右，次波峰在左：局部区域开始出现低水平集聚萌芽状态，局部农业韧性水平较低的地区农业韧性水提升受到了制约，导致了农业韧性的低水平集聚；2021年显现出三峰的趋势，部分农业韧性较高地区的农业韧性进一步提高，低水平集聚现象更加显著，出现分化趋势，值得相关部门关注。

2.农业韧性水平的自我转移趋势

前文通过kernel密度方法估计了我国31个省市区农业韧性水平随时间发展的演变趋势，为了进一步解释我国农业韧性水平转移的概率大小和转移方向，本文借助马尔科夫链和空间马尔科夫链分析方法进行研究。

表5为不同时间跨度下我国31个省市区农业韧性水平传统马尔科夫转移概率矩阵。将31个省市区的农业韧性水平划分为低、中低、中高和高4个等级，时间跨度为5年。从结果上看：当时间跨度T=1时，初始状态农业韧性较低的省份，经过1年的发展，其仍保持原较低水平的概率为79.41%，向上转移至中低水平的概率为20.59%，进一步发展至较高及以上水平的概率约等于0；对于农业韧性中低水平省份依旧保持中低水平的概率为68.66%，向上转移至较高水平的概率为28.36%，进一步发展至高水平的概率约等于0，同时其向下转移的概率为2.99%；农业韧性中高水平地区向高水平转移的概率为30.16%，而中高水平和高水平向下转移的概率约为0。当时间跨度T=5时，对于初始状态农业韧性较低的省份，经过5年的发展，其保持原来较低水平的概率降低为38.64%，向上转移至中低水平的概率增加到为43.18%，进而发展至中高水平的概率为18.18%；中低水平依旧保持原水平的概率下降到5%，向中高水平转移的概率增加至60%，进而发展至高水平的概率为35%，其向下转移至低水平的概率变为为0；中高水平向高水平转移的概率提高到92.86%，同时中高水平和高水平向下转移的概率依然保持为0。

观察传统马尔科夫转移矩阵发现：随着考察期限的加长，农业韧性水平上升的概率越来越大，保持原有状态或者下降的概率越来越小。结合党的十八大以来党和国家不断加大对农业支持和投入的实际，证明农业韧性水平提升工作是一项有投入就会有产出、持续投入会持续产出、久久为功的工作。

3.“邻居”对农业韧性水平的影响

由于地理空间因素和农业发展存在一定的关联性，因此有必要考虑空间因素对农业韧性的影响，借鉴王少剑等（2020）的研究以邻接关系为权重（两省市之间邻接时权重值取1，否则取0），借助空间马尔科夫链模型分析空间因素对农业韧性的影响。Q值衡量了传统马尔科夫链与空间马尔科夫链的差异，不同时间跨度下，空间马尔科夫矩阵转移概率的Q统计值分别为162.79（T=1）、141.49（T=2）、149.99（T=3）、140.51（T=4）、146.03（T=5），且全部通过了1%的显著性水平检验，表明空间因素在我国农业韧性的动态演变过程中发挥着不可忽视的作用，即一个省的农业韧性水平的动态变化会受到周边邻接省份的影响。

表6为不同时间跨度下我国31个省市区农业韧性水平的空间马尔科夫转移概率矩阵，将31个省市区的农业韧性水平划分为低、中低、中高和高4个等级，时间跨度为5年。与传统马尔科夫链转移矩阵的结果相似，低、中低水平的省份整体表现出向中高和高水平组转移的趋势，但邻接省份的农业韧性水平的高低会影响本省农业韧性水平转移的概率和方向。

当时间跨度T=1时，对于农业韧性水平低的省份，若邻接省份的农业韧性水平也较低时，一年后该省保持原来低水平状态的概率为85.71%，较传统马尔科夫转移概率矩阵达到的概率有所上升；其向上转移的概率为14.29%，较传统马尔科夫转移概率矩阵的概率有所下降；对于农业韧性水平中低的省份而言，当其邻接省份的农业韧性水平为低水平时，该省份农业韧性水平有可能向低水平移动，概率约为5%，较传统马尔科夫转移概率矩阵得到的概率有明显上升；向中高级水平转移的概率下降为20%；以上四方面体现了“弱邻居”的“拖后腿”效应。

同样是T=1时，对于农业韧性水平低的省份，当其邻接省份的农业韧性为中高和高水平时，该省份农业韧性仍保持原状态的概率分别为71.43%和0，较传统马尔科夫转移概率矩阵和接邻地区农业韧性水平为低水平时的转移概率有所下降；向上转移的概率分别为28.57%和1，较传统马尔科夫转移概率矩阵和接邻地区农业韧性水平低时的转移概率有明显上升；对于农业韧性水平中低的省份，当其邻接省份的农业韧性水平为中高时，该省份农业韧性水平向低水平移动的概率降为0，较传统马尔科夫转移概率矩阵和接邻地区农业韧性水平低时的转移概率明显下降；向上转移的概率为84.62%，较传统马尔科夫转移概率矩阵和接邻地区农业韧性水平低时的转移概率显著上升；以上四个方面充分体现了“强邻居”的“帮扶带”效应。

当T=5时，对于农业韧性水平低的省份，当其邻接省份农业韧性较低时，五年后其仍处于较低水平的概率为50%，向上移动的概率为50%，而当其邻接省份农业韧性分别为中低、中高和高时，5年后其仍处于较低水平的概率分别为10%、0和0，较传统马尔科夫转移概率矩阵达到的概率有显著下降。以上结果充分显示了邻接省份农业韧性对本省农业韧性转移方向和转移概率的影响，影响的途径可能是业绩考核竞争与农业生产要素（大型农机与劳动力）的跨区域流动。

五、我国农业韧性的影响因素分析

根据前文主要结论，本部分使用我国31个省市区2013-2020年度相关数据进一步研究农业保险赔付率和空间溢出效应对农业韧性的影响。在邻接空间权重矩阵的设定下，经计算本文莫兰指数（Moran’s I）均在1%水平上显著为正，31个省市区农业韧性水平具有一定的空间正向聚集关系；根据LM和LR的检验结果，本文通过构建空间双固定SAR模型来分析农业风险冲击及农业保险对我国农业韧性的影响。

（一）描述性统计

表7报告了主要变量的描述性统计结果。其中，农业韧性（FRE）的均值为0.370996，标准差为0.06019，最小值为0.214205，最大值为0.4783，表明不同省份农业韧性水平存在较大差异。从农业赔付率（pfl）来看，各省农业保险赔付率的均值为0.671735，标准差为0.20283，最小值为0.25084，最大值为1.578743，说明农业保险赔付率在不同省份和不同年份情况差异较大。其他控制变量的特征类似，不再赘述。

（二）基准回归结果分析

农业保险赔付率由灾害程度和保险合约共同决定，因此基本上可以排除赔付率和农业韧性之间的内生性问题。具体回归结果如表8所示。

表8中，列（1）为固定个体-时间的多维面板固定回归结果，列（2）至列（3）为SAR模型回归结果。列（1）回归结果表明，农业保险赔付率（pfl）提升对农业韧性水平的促进作用在10%的水平下显著；农业在国民经济中占比（nyzb）的提升对农业韧性水平提升的促进作用在1%的水平下显著；农民家庭可支配收入（nmkzp）对农业韧性起到抑制作用，原因是随着农民收入来源渠道增多，农业经营收入在农民家庭收入中占比逐渐减小；政府农林水支出比例（nls）对农业韧性水平提升的促进作用在1%的水平下显著；农业灾害程度（nyzh）对农业韧性呈负向影响，但结果不显著。在SAR模型回归结果中，农业灾害程度（nyzh）对农业韧性的负向影响变得显著，rho系数在1%的水平下显著，回归结果表明空间因素对地区农业韧性的影响是正向显著的，即本地区农业韧性水平的高低会正向地影响接邻地区的农业韧性水平，这与前文空间滞后马尔科夫链模型得到的结果相一致。

（三）稳健性检验

更换被解释变量，本文采用农林牧渔业增加值（nlmy）代替农业韧性水平（fre）进行文件性检验，结果见表8中列（4）至列（6）。其中，列（4）为固定个体-时间的多维面板固定回归结果，列（5）至列（6）为SAR模型回归结果；在两种回归方式中，农业保险赔付率（pfl）提升对农业韧性水平的促进作用分别在5%和1%的水平下显著；农业灾害程度（nyzh）对农业韧性的负向影响均在1%的水平下显著；rho系数在1%的水平下显著，回归结果表明空间因素对地区农业韧性的影响是正向显著的。

以上结果充分说明：农业灾害会对农业韧性造成显著性的影响；农业保险通过向农业生产者提供损失补偿使农业生产得以修复，提高农业保险赔付率有助于农业韧性水平的提升；农业韧性水平存在正向空间溢出效应，接邻地区农业韧性水平的提升，有利于本地农业韧性水平的提升。

六、结论与建议

通过以上研究主要得到如下结论：党的十八大以来，我国农业韧性水平总体上不断提高，八大经济区域内部和地区间农业韧性差距逐渐缩小，呈现出一定的收敛趋势；但局部地区出现了农业韧性的中低水平集聚苗头，这一现象值得注意；农业韧性水平的提升，是一个渐进的过程，往往需要3-5年左右才有显著的成效；农业接邻省份农业韧性水平的提升会显著正向影响本地区农业韧性水平，从而加速本地农业韧性水平提升进程；增加农林水支出有利于我国农业韧性的提高；农业灾害会冲击我国的农业韧性水平，提高农业保赔付率有助于农业韧性水平的恢复与提升。

提高农业韧性保障粮食安全，需要持续投入，久久为功。结合前文分析，有如下建议：第一，国家在加大农业投入和降低城乡收入差距的同时，可考虑地方经济发展水平和地方政府财力差别，尝试建立健全区域内与区域间农业合作帮扶机制，向农业韧性水平较低的地区协调更多的资源，提高资源的边际产出；第二，鼓励保险公司应用现代通用科学技术，通过降本增效、提高赔付水平和精准费率厘定等途径提高赔付率，从而增强我国农业韧性；第三，根据邻近效应的正向影响，对于农业韧性水平低的集中连片地区，可尝试通过提高中心区域的农业韧性水平来提高整个区域农业韧性水平；第四，农业韧性的空间近邻溢出效应，是通过要素流动等一系列方式实现的，顺畅农业生产要素（尤其大型农用机械等）流动，有利于农业韧性水平稳步提升。

原文载于《农村金融研究》2023年第11期