【文献分享】农业规模化经营能否减少农业污染?——基于中国280个城市化肥农药使用的机制与空间证据

研究假说：

H1：ALO能够抑制农业污染。

H2：ALO通过农业人口与非农就业渠道抑制农业污染。

H3：ALO通过农产品加工与农业保险渠道抑制农业污染。

H4：ALO通过农业专利与技术应用渠道降低农业污染。

H5：ALO对农业污染强度具有显著的空间溢出效应。

1.现状分析

2003–2023年间，中国农业污染总体呈现由低水平向高水平演进的态势，空间分布格局由分散转向日益集中（见图3）。

早期年份，污染水平普遍较低，仅华北平原与长江三角洲出现局部热点。至2010年，东北地区与长江下游地区开始形成高值集聚区。2017年后，部分东部沿海及东北城市加入高污染群体，空间异质性显著增强。至2023年，热点区域主要集中于长江三角洲、东北地区及部分发达沿海地带，而中西部大部分地区仍处于低污染水平，表明农业污染呈现显著的区域不平衡特征与集聚强化趋势。

2.基准回归

基准回归结果（见表2）第（1）列与第（2）列报告了ln_ALO对ln_AP的基准估计。两列均控制城市固定效应与年份固定效应，故识别主要来源于城市内部随时间变化的变异。

结果显示，在未加入控制变量的设定中（第（1）列），ALO的系数为–0.017且显著，表明农业规模化经营与农业污染之间存在显著负相关关系。在加入控制变量后（第（2）列），系数绝对值进一步扩大至–0.018，符号与显著性保持稳定。总体而言，无论是否纳入控制变量，ALO对AP均具有显著的抑制作用；加入控制变量后效应略有增强，支持"推进规模化经营有助于减少农业污染"的结论。假说H1得证。

3.稳健性检验

为验证基准结论的稳健性，本文进行三项扩展估计（见表2第（3）–（5）列）。第一，针对潜在的尾部分布效应，本文对数据进行1%缩尾处理后重新估计（第（3）列）；ln_ALO对ln_AP的系数为–0.023，符号与显著性与基准结果一致且绝对值更大，表明主要结论并非由异常值驱动。第二，剔除四个直辖市后重新估计（第（4）列），系数为–0.008；尽管绝对值有所减小，但仍保持显著为负，说明结果并非源于特大城市样本结构。第三，将固定效应面板模型替换为随机效应模型（第（5）列），系数为–0.020，符号与量级均与基准结果相符。综上所述，三项检验均表明ln_ALO显著抑制ln_AP的结论对于不同样本处理方式与模型设定具有稳健性。

4.内生性检验

本文采用两个外生工具变量以识别ALO对AP的因果效应：一是1983年各省实行家庭联产承包责任制的比例，作为制度冲击；二是人均农业机械总动力（万千瓦），作为投入端测度。每个工具变量均与同年度其他地级市的平均ALO交乘，以构建平衡面板。这些交乘项捕捉了通过城市空间网络扩散并影响本地ALO的制度与投入冲击。在控制城市与年份固定效应及其他协变量的情况下，工具变量满足相关性条件，且在排他性约束下保持可信的解释力。工具变量诊断结果报告于表3。

第一阶段，两个工具变量均对ALO具有强预测力：TV1（β=0.00012,F=244.80）与TV2（β=0.0000674,F=225.81），远超Stock–Yogo临界值。Durbin–Wu–Hausman检验拒绝ALO外生性原假设（P=0.000），确认需采用工具变量/两阶段最小二乘法（IV/2SLS）。当L1_TV1与L1_TV2联合使用时，最小特征值统计量（126.905）亦超过10%弱工具变量临界值（19.93）。

过度识别检验（Sarganχ²=1.86,P=0.173；Basmannχ²=1.76,P=0.184）均不显著，表明两个工具变量满足外生性条件。

第二阶段，ln_ALO显著降低ln_AP，TV1与TV2的系数分别为–0.168与–0.188，均在1%水平上显著。工具变量间的一致性确认了ALO对污染具有因果性降低效应，可作为绿色转型的有效杠杆。

5.异质性分析

在共同控制变量与城市–年份固定效应下，按自然禀赋与政策情境分组的回归显示出显著的异质性（见表4）。

（1）降水量：根据全国年均降水量均值划分，高于均值的城市归为高降水城市（第1列），低于均值的城市归为低降水城市（第2列）。ALO在高降水地区显著抑制AP；低降水地区效应不显著，这与湿润地区径流风险较高、土地整合与精准施用的回报更大相一致。

（2）地形起伏度：地形起伏度定义为特定区域内最高海拔与最低海拔之差。依据全国平均起伏度，高于均值的城市归为高起伏城市（第3列），低于均值的城市归为低起伏城市（第4列）。低起伏地区系数显著为负，而高起伏地区不显著，表明机械化与标准化管理在平坦、碎片程度较低的土地上更易实现。

（3）南北区域：依据中国自然地理传统划分，秦岭—淮河线作为南北分界线。该线以北城市归为北方城市（第5列），以南城市归为南方城市（第6列）。南方地区效应显著；北方地区估计不显著，这可能反映了南方地区更强的多熟制与灌溉体系、更高的绿色防控与精准施用渗透率，而北方地区则面临水资源约束与种植结构惯性。

（4）治理严格度：依据《"十一五"全国环境保护重点城市名录》公布的112个重点环境保护城市，纳入名录的城市编码为重点环保城市（第7列），其余编码为非重点环保城市（第8列）。重点环保城市表现出显著减排效应，而非重点城市不显著，意味着规制执行与支持服务强化了规模化经营的激励与约束机制。

总体而言，减排效应具有情境依赖性——在湿润、平坦、南方城市及治理更严格地区更强——这表明规模化经营应与当地水文土壤条件、地形适宜性及监管严格度相匹配。

6.机制分析

采用方程（1）并控制共同协变量与城市–年份固定效应，ALO与AP呈显著负相关。中介回归（表5第（1）–（4）列）证实了三种传导路径。

（1）人口渠道（P：ln_RP）。第（1）列显示，ln_ALO显著降低ln_RP（–0.014，p<0.01），表明劳动力外流加速、小农户数量减少。第（4）列显示，ln_RP提升ln_AP（0.147，p<0.01）。Sobel检验与Bootstrap检验均显著，间接效应占比15.7%，确认了人口再配置机制H2。

（2）富裕渠道（A：ln_AII，效应最强）。ln_ALO显著提升ln_AII（0.589，p<0.01），反映正式风险管理机构的可及性改善。ln_AII显著降低ln_AP（–0.034，p<0.01）。两项检验均高度显著，中介份额达52.4%，使农业保险成为规模化经营抑制化学品投入强度的主导路径H3。

（3）技术渠道（T：ln_ATA）。ln_ALO显著提升ln_ATA（0.019，p<0.01），体现节本技术的采纳。ln_ATA进而降低ln_AP（–0.066，p<0.01）。中介份额为10.5%，具有充分的统计支持H4。

总体结论：在对数线性的STIRPAT框架内，ALO通过人口调整、风险治理改善与技术升级，直接且间接地降低农业污染。在各路径中，保险是最强的中介变量，其次为农村人口与技术应用。

7.空间溢出效应分析

7.1.空间自相关检验

本文采用经济权重矩阵测度AP的全局空间自相关（见图4）。2003–2016年：Moran'sI在0.03–0.05区间波动，表明空间依赖性较弱，仅在5%水平或边际显著。2016年后，指数快速上升并稳定在0.09–0.10左右，达到1%显著性水平，表明空间集聚明显增强。总体而言，2003–2023年间AP的Moran'sI显著为正，揭示出显著的空间自相关性，支持采用空间计量模型进行考察。

7.2.空间计量模型选择

为评估空间杜宾模型（SDM）设定的适用性，本文遵循Elhorst（2014）的方法，依次进行LM/稳健LM、Wald、LR及Hausman检验（见表8）。

结果显示：（i）LM与稳健LM检验（针对空间误差与空间滞后）均显著，表明样本存在显著的空间依赖性；（ii）Wald与LR检验联合拒绝SDM可简化为SAR或SEM的原假设，支持保留SDM；（iii）Hausman检验显著，支持采用固定效应；（iv）进一步的LR比较显示，双向固定效应优于仅含个体或仅含时间固定效应的模型。综上所述，含双向固定效应的空间杜宾模型最为稳健。

7.3.空间杜宾模型（SDM）回归结果

采用经济权重矩阵，控制城市与年份固定效应及全部协变量，空间杜宾模型（SDM）得出以下发现（见表9）：

因变量农业污染（AP）表现出显著的正向空间依赖性：空间自回归系数ρ估计值为0.267，在1%水平上显著，表明污染存在明显的跨区域空间集聚。核心解释变量农业规模化经营（ALO）对本地AP具有显著负向主效应，意味着在城市内部随时间变化的维度上，ALO程度越高，AP越低。邻近地区ALO的空间滞后项在10%水平上为负，表明存在有利的跨区域溢出效应。SDM效应分解进一步显示，间接效应超过直接效应，表明ALO对邻近城市的溢出效应强于对本市的影响。假说H5得证。

总之，扩大ALO不仅显著抑制本地农业污染，还通过负向溢出效应降低周边地区污染；鉴于显著的空间依赖性，研究结果强调应将规模化扩张与跨区域协同治理相结合，以放大总体减排效果。