甘肃省农村产业融合对农民增收的影响研究

收稿日期：2023-08-23

基金项目：国家自然科学基金项目（72063029）；教育部人文社会科学研究项目（14YC790037）。

作者简介：方培培，女，硕士研究生，研究方向：农业管理；耿小娟（通讯作者），女，副教授，研究方向：农业与农村经济发展。

摘  要：为探讨甘肃省产业融合对农民增收的影响，本文基于甘肃省2010—2019年的面板数据，测算甘肃省及十四个市州2010—2019年的农村一二三产业融合度。然后构建固态效应模型，实证检验甘肃省农村产业融合对农民增收的影响。结果发现：在产业融合水平方面，甘肃省整体层面上呈上升趋势，但各地区融合水平不同，差异较大；甘肃省农村产业融合对农民增收显著促进，其回归系数为0.7330。基于研究结论，从加大政府投入力度、加强农业多功能性发挥、增强经营主体的带动能力、建立健全农民利益分配机制等方面，提出推动产业融合促进农民增收的建议。

关键词：产业融合；农民增收；甘肃省；面板数据；影响因素

中图分类号：F323.8

文献标识码：A

文章编号：1008-2697（2023）05-0030-06

一、引言

2015年中央一号文件首次提出产业融合促进农民增收[1]。2022年中央农村工作会议强调，乡村振兴要向产业融合要效益[2]。目前，学术界对产业融合和农民增收的研究主要集中于两个方面：一是产业融合水平的测度。较多学者基于面板数据，从融合行为、融合效益方面选取农业产业链延伸、农业多功能拓展、农业服务业融合发展、农民增收、农业增效以及城乡融合[3-5]等二级指标，利用熵权法[6-7]、灰色关联度[8]、耦合协调法[9]、综合指数法、TOPSIS法[10-11]等方法测算全国[12]、河北[13]、北京[14]、重庆[15]等地的产业融合水平。实证表明当前全国一二三产业融合水平呈上升趋势，但整体仍较低[16]。二是农村产业融合对农民收入的影响。学术界对乡村产业融合的增收效应已经达成普遍共识[17-19]。乡村产业融合发展提高了生产要素配置效率和农业劳动生产率[20]，能够改善农民收入结构[21]，提高低收入农户的收入水平[22]，缩小城乡居民收入差距[23-24]，从而实现农民收入增长。

已有研究集中在指标测度、增收机理和案例分析等方面。缺乏一二三产业融合对农民增收影响的数据支撑，特别缺乏以西部欠发达地区为研究对象的研究。基于此，本文利用面板数据测度甘肃省农村产业融合水平，实证探究产业融合与农民增收的关系，并针对性地提出政策建议促进甘肃省农村一二三产业融合发展。

二、甘肃省农村产业融合测度方法

（一）甘肃省农村产业融合测度的指标体系

本文参考相关文献，结合甘肃省实际发展情况和地市级的数据可得性，从三个层次来构建指标体系，一级指标融合行为和融合绩效；再将一级指标细化为五个二级指标：分别为农业产业链延伸、农业多功能性发挥、农业服务业融合、农民增收与就业和城乡融合；最后对二级指标进行细分，共选取15个三级指标。通过评价指标体系，利用熵值法对甘肃省2010—2019年的农村产业融合情况进行测算。

农业产业链延伸方面：连接农业上下游，供产销一体延长产业链，从而提高农业附加值。所以，选取了农产品加工主营收入、农业机械总动力和乡村非农就业比三个指标来反映农业产业链延伸。农业多功能性发挥方面：农业除了基本的产品供应功能外，还有生态和文化等功能，要在保持经济功能稳定发挥的情况下，推动农业其他功能的发挥，主要通过人均粮食产量、休闲农业主营收入、化肥施用强度和农村用电量来评价农业的多功能拓展效果。农业服务业融合方面：主要是指农业与农业服务业的融合程度，选取了农林牧渔服务业增加值和农村互联网宽带接入户数来反映农业与服务业的融合发展。农民增收与就业方面：主要指农村一二三产业融合发展过程中，促进农民收入增长，提供了就业岗位。选取乡村非农就业比、农民非农收入占比和农民人均可支配收入增速三个指标。城乡融合方面：是通过农村产业融合发展推动城乡一体化发展，缩小城乡差距。选取了城乡居民人均可支配收入比、城乡居民人均消费比和农林水事务占财政支出比三个指标来反映社会服务效应的发展程度。

（二）甘肃省农村产业融合测度方法

与其他评价法相比较，熵值法[25-26]更为客观，所以采用熵值法，步骤如下：

第一，利用公式（1）（2）对正负项指标进行标准化处理。

Nij=xij－mijMij－mij（1）

Nij=Mij－xijMij－mij（2）

其中，Nij表示i地区第j指标的标准化数据，Mij表示样本期间第i个地区第j个指标的最大值；mij表示样本期间第i地区第j个指标的最小值。

第二，利用公式（3）计算标准化数据的比重。

pij=Nij∑m1=1Nij（3）

其中，pij是标准化处理后的第i地区第j项指标的比重，Nij表示i地区第j个指标的标准化数据。

第三，利用公式（4）计算各项指标的熵值ej。

ej=－1lnm∑mi=1pijlnpij（4）

其中0≤eij≤1，ej是第j项指标的熵值，pij是标准化处理后第i地区第j项指标的比重。

第四，利用公式（5）计算各项指标的差异性系数。

dj=1－ej（5）

其中dj为第j项指标的差异性系数；数值越大，指标越重要。

第五，利用公式（6）定义指标权重wj。

wj=dj∑ni=1dj（6）

其中j=1，2，…，n，wj为第j项指标的指标权重。

第六，利用公式（7）计算甘肃省农村一二三产业融合水平。

aci=∑nj=1wjNij （7）

其中，wj为第j项指标的指标权重，Nij表示i地区第j个指标的标准化数据，aci表示i地区的农村一二三产业融合水平指数，值越大，证明农村产业融合水平越好。

（三）甘肃省产业融合发展水平测度分析

根据数据可得性，剔除掉指标数据缺失较多的年份，选取甘肃省及十四个市州的面板数据为研究对象，时间跨度为2010—2019年，数据来源于2011—2020《甘肃统计年鉴》和甘肃省农业农村厅，部分数据是通过计算所得。利用上述公式，计算出甘肃省及十四个市州2010—2019年的农村一二三产业的融合水平，结果如表2所示。从全省融合水平可以看出，甘肃省的农村产业融合水平总趋势是上升的，从表中可以看出，甘肃省农村产业融合水平从2010年的0.4发展到2019年的0.54，由此可见甘肃省农村一二三产业融合发展比较缓慢，且整体融合水平较低。分时间段来看，2011—2012年、2012—2013年和2019年农村产业融合发展较快，2014—2016年发展较缓慢。

从各市州来看，农村产业融合水平存在地区差异性。为了更直观的展示各市州的农村产业融合水平，利用ArcGIS软件将其分为2010、2013、2016和2019年四个时间节点，将农村融合水平分为四个等级，如图1所示。自2010—2019年，从整体融合水平来看，甘肃省农村产业融合水平呈现西高东低的空间格局，张掖、武威和酒泉等河西地区的产业融合水平较高，白银、天水和定西等地区发展水平较低。究其原因，河西地区自然资源禀赋高，一是矿藏石油资源丰富，经济发展水平高，为产业融合提供了经济基础；二是旅游资源丰富，张掖有特殊的丹霞地貌，酒泉有敦煌莫高窟和月牙泉等，带动农旅融合发展；河东各地区拥有特色产业，如定西的马铃薯和中药材，白银的枸杞和天水的花椒和苹果等，但精加工水平低，市场份额小，电商发展缓慢，还没有发挥出其产业优势。甘南州融合水平最低，这表明，尽管2016年开始在政府政策支持下甘南州已经初步形成乡村旅游业态，融合速度不断加快，但产业融合业态还有待进一步提高。综上，甘肃省农村一二三产业融合整体水平在不断上升，但各市州发展水平相差较大，因此，需要因地制宜，发展适合不同地区的产业融合业态。

三、甘肃省农村产业融合对农民增收影响的实证分析

（一）变量选取与数据来源

参照王丽纳[27]、陈湘满[28]的研究，选取以下变量，如表3。数据来源于2011—2020年的《甘肃发展年鉴》，其中农村一二三产业融合水平通过产业融合指数测度所得。由于部分指标数据未能获得最新数据的限制，本文的选取2010—2019年为样本研究区间，对农民增收影响因素进行实证研究。

（二）模型设定

本文运用Stata16版进行实证研究分析，建立如下的面板数据实证模型：

LnYit=β0+β1lnACit+∑βilnXit+εit

其中，Yit代表农民人均可支配收入，ΑCit表示农村产业融合水平，Χit代表控制变量，εit是指残差项，β0是常数项，β1是解释变量的系数，βi是控制变量Χit的系数，i=（2，3，…，N，N=14）代表不同的市；t=（2，3，…，T，T=10）代表年份。

（三）实证检验

1.变量描述性统计

在对原始数据处理之前，首先进行变量描述性统计分析，如表4所示人均地区生产总值和财政支农水平标准差远高于其他变量，表明数据离散程度高，说明各市州经济发展水平与财政支农水平发展差异巨大。农民人均可支配收入标准差较大，表明农民居民收入差异较大，产业融合水平与城镇化水平标准差小，表明数据相对集中，各市州发展均衡。由表4可知原始数据数值波动幅度较大，为了确保回归模型的有效性和合理性，将农民人均可支配收入、人均地区生产总值和财政支农水平取对数，消除可能存在的异方差，避免影响后续实证。

现有研究表明农村产业融合发展可以促进农民增收[29-30]。如图2是农村一二三产业融合水平与农民可支配收入的散点图。通过图像，初步判断出农村一二三产业融合水平对农民可支配收入有正向的影响，下文将通过模型进一步验证。

2.多重共线性检验

在进行样本检验之前对各变量进行共线性检验，采用方差膨胀系数VIF值检验，在Stata检验中，VIF值小于10便不存在严重的多重共线性。通过测算，变量平均VIF值为3.83，如表5所示。因此，不存在明显的多重共线性问题。

3.样本检验

在面板数据进行模型实证时，若截面数N大于时间点数T时则为长面板，需要对数据进行单位根检验；在本文中N为甘肃省14个市州，T为2010—2019年10年的时间跨度，明显T<N，为短面板数据，不会出现伪回归现象，因此不需要进行单位根检验。

在进行面板数据的回归之前，首先要对建立的模型进行相关检验。通过FE检验，回归结果显示为Prob＞F=0.0000，拒绝原假设，所以固定效应优于混合OLS，通过进行Hausman检验，检验结果显示P等于0小于0.05，固定效应优于随机效应，如表6所示。因此，本文选择固定效应模型做实证分析。

由表6可知，农村一二三产业融合水平、经济发展水平、城镇化水平和财政支农水平四个变量，其显著性都在5%以下，表明文章的变量选取和计量结果是符合规定的。所以，结合表6的hausman检验结果和甘肃省14个市州2010—2019年的面板数据来实现固态效应模型的构建，具体如下：

LnYit=1.8011+0.7330ACit+0.3570LnPGDPit

+4.8172UNBit+0.0792LnFINit

从上述固态效应模型可以看出，对农民收入增加影响最大的是城镇化水平，其次是农村一二三产业融合水平，收入弹性是系数为0.7330；然后是经济发展水平即人均地区生产总值，收入弹性系数为0.3570；最后是财政支农水平，其弹性系数为0.0792，表明财政支农水平与农村居民可支配收入虽然是正相关关系，但对农民收入增长的影响程度较小。