赵小雨，王学军，郭 群
(武汉大学 经济与管理学院，湖北 武汉 430072)
摘 要：首先，建立4种空间权重矩阵，运用Moran′I检验证实了农业生态环境空间相关性；其次，构建基于库兹涅茨曲线的空间计量模型，将区域创新能力纳入研究框架，运用2005-2013年我国内地31个省份面板数据实证分析区域创新能力、农业经济与生态环境协调发展关系，并对各影响因素空间效应进行分解；最后，对统计结果进行稳健性检验。结果表明，我国农村经济发展与生态环境间呈正U型曲线关系，而区域创新能力提升将显著改善农业生态环境，并进一步促进我国农业经济可持续发展。
关键词：区域创新能力；农业经济发展；生态环境；空间计量模型
改革开放以来，中国经济飞速发展，虽然取得了举世瞩目的成就，但同时也产生了日益严重的环境问题。中央在“十三五”规划中强调“创新、协调、绿色、开放、共享”5大发展理念，要求摒弃以资源消耗为主的粗放型经济发展方式，将科技创新作为新增长引擎，提高发展的平衡性和包容性，实现人与自然环境协调发展。关于区域创新能力、经济发展与生态环境间关系的研究已成为热点。
目前，关于区域创新与经济发展间关系的研究成果较多，并一致认为区域创新能力增长能够有效带动区域经济发展。波特[1]最早指出区域发展初期状态是由资源禀赋决定的，但其长期可持续发展则依赖于区域创新能力提升；金碚[2]提出，创新是我国实现经济可持续发展的关键；洪银兴[3]详细阐述了创新驱动经济发展的战略规划；高红贵等[4]认为，环境友好型创新能够有效转变区域经济发展方式；李苗苗等[5]运用我国省市面板数据进行实证研究，发现技术创新能够显著促进经济增长。随着环境库兹涅茨曲线[6]的提出，国内外学界对经济发展与生态环境质量关系的研究越来越多。大多数研究都集中在城市工业污染引致的大气污染、水污染和固体垃圾污染等方面[7-9]，但由于研究方法和数据选取不同，学者未得出一致性结论。近年来，关于区域创新能否改善环境质量的研究日益增多，如何雄浪[10]通过分析新知识增长机理，从理论层面论述了技术创新对环境质量的改善作用；而王维[11]、王文普[12]、何娟等[13]则从不同角度支持区域创新能力提升能够实现经济效益和环境效益最大化的观点。
由此可见，首先，目前学界对区域创新能力、经济发展与生态环境保护两两之间的关系已进行了深入探讨，但综合考虑三者间关系的研究较少；其次，现有文献对于经济发展和生态环境的定义往往局限在城市工业发展和城市点源污染方面，对农业方面的关注较少[14]。农业是经济发展的基础性产业，随着我国城市化进程的不断加快，农业可用耕地面积逐渐缩小，农业发展面临的经济压力和环境压力与日俱增。在中国国土面积中农村比例远远高于城市，因此农业环境质量改善更能够提升我国整体环境效益；最后，根据“地理学第一定律”，空间相邻区域的某些特征往往具有较强的相关性。环境污染和区域创新能力的外部性特征已经在很多文献中得到证实[15-16]，传统计量方法受空间无关性假设的约束，无法计算创新能力、经济发展和生态环境在不同区域间的溢出效应。综上所述，本文在现有文献的基础上，作出如下创新：①将区域创新能力、农业经济发展和生态环境保护置于同一研究框架内，通过实证分析检验区域创新能力提升能否促进农业经济又好又快发展，为我国“两型农业”建设提供经验支持；②构建基于地理距离和经济距离的4种空间权重矩阵，运用空间计量模型分析研究对象的空间溢出效应；③引入控制变量，识别出影响本地和相邻区域环境污染水平的关键因素，为促进经济和环境协调发展提供理论依据。
空间自相关性描述了研究对象在空间分布上的特征，量化了其空间集聚效应，是利用空间计量模型进行实证分析的前提。目前，应用比较广泛的空间自相关检验方法为Moran'I指数检验，其取值范围为[-1,1]。当Moran'I指数值为正数时，表明变量存在空间集聚效应，其值越接近于1，表明变量在空间上的交互效应越强；当Moran'I指数值为负数时，表示变量存在空间离散效应，其值越接近于-1，表明空间负相关性越明显；当Moran'I指数越趋近于0时，表明目标变量不存在明显的空间相关性，其数值在地理位置上呈现出随机分布状态。全局Moran'I检验公式如下：
(1)
其中,Wij为所选定的空间权重矩阵,Y代表因变量，
为因变量的平均值，n为地区总数，
在全局自相关性存在的前提下，可利用局部空间自相关检验，准确计算出各单元具体的相关程度，其生成的LISA图反映了各区域间相关类型，局部Moran'I检验公式如下：
(2)
(1)空间滞后模型(SLM)也称为空间自回归模型(SAR)，重点在于研究因变量之间的空间相关性，强调因变量空间溢出效应。其基本形式如下：
Yt=ρWijYt+Xt+ε
(3)
其中,ρ为空间自回归系数，其正值表示空间溢出效应，负值表示离散效应。
(2)空间误差模型(SEM)强调空间异质性的存在，认为目标变量间空间相关性是由区域间随机冲击产生的，冲击存在于随机误差扰动项中，其基本形式如下：
Yt=Xtβ+u
u=λWu+ε
(4)
空间误差系数λ表示空间误差效应是否存在。
(3)空间杜宾模型(SDM)是空间计量模型的一般形式，认为因变量观测值不仅受相邻区域因变量的影响，还受相邻区域自变量的影响，能够更加准确地识别出影响因变量的关键因素，全面考察空间单位之间的交互效应。在满足某些条件下，空间杜宾模型可以简化为空间滞后模型和空间误差模型。其基本形式如下：
Yt=ρWYt+Xtβ1+WXtβ2+ε
(5)
在运用空间计量模型进行回归分析前，必须通过模型适用性检验选择最合适的模型。
目前,主流检验策略包括以下两种:一是由具体到一般的策略。根据Anselin等[17]的方法，首先采用普通OLS模型进行回归分析，得到LM—Lag、R—LM—ag、LM—Error和R—LM—Error4个检验统计量，然后再根据其数值判断模型的适用性。是采用固定效应还是随机效应模型则根据似然比检验(LR)统计量判定。另一种则是由一般到具体的策略。根据Elhorst[18]的观点，将空间杜宾模型作为选定空间计量模型的起点进行检验，并利用Wald检验和LR检验判断能否简化为空间滞后模型和空间误差模型。是采用固定效应还是随机效应模型则根据Hausman检验判定。参考近3年来国内外文献对两种方法优劣性的对比分析，本文结合上述两种方法并按照模型回归中的LogL、AIC、SC和R2统计量进行模型选取。
本文中被解释变量为环境污染水平，核心解释变量为区域创新能力和农业经济发展水平。另外，本文参考以往文献，选取外商直接投资、城镇化水平、城乡收入差距、农业产业结构、政府规制水平和政府分权度作为控制变量纳入回归模型，具体指标选取如下：
(1)环境污染水平(pollution)。本文主要研究区域创新对农业发展和环境污染的影响，而农业面源污染主要是指由于化肥、农药、地膜等过度使用而引起的水体富营养化和土壤污染。其中，化肥使用量远远超过农药和地膜，其平均利用率更是不足30%，大部分未被利用的氮肥、磷肥和钾肥进入生态环境造成了大量污染。鉴于目前未出台农业生态环境衡量标准，本文以人均化肥使用量衡量农业生态环境污染水平，将其定义为农业化肥施用量/乡村人口数，单位为kg/人，其数值越高说明环境问题越严重。
(2)区域创新能力。创新能力提升能否减少环境污染一直是学界争议的焦点。通过创新实现技术进步包括生产效率型技术和资源环保型技术两类，前者会加重污染程度，而后者则能够有效缓解污染状况。本文基于创新投入和产出双重视角，将创新投入定义为R&D人员全时当量(researcher)，并将其引入回归分析模型，将国内专利申请授权数(patent)作为创新产出衡量标准进行稳健性检验，两者皆作对数化处理。
(3)农业经济发展水平(pgdp)。传统方法一般以人均GDP衡量城市经济发展水平，本文以农业人均产值衡量农村经济发展水平，其值为农林牧渔业总产值/乡村人口数，单位为元/人，并作对数化处理。
(4)外商直接投资(fdi)。许多文献都表明外商直接投资能够显著促进经济发展，但其对于生态环境的影响却未达成一致意见。部分学者支持“污染避难所”假说，认为环境污染密集型产业将转移到环保标准较低和环境管制较宽松区域从而加速区域污染。但也有不少文献证实了外商直接投资能够带来更多先进技术，从而提高能源利用率并降低迁入区域污染水平。因此，本文引入外商直接投资作为控制变量，通过实证分析检验“污染避难所”假说是否在农业面源污染方面客观存在，其值为外商直接投资额，并作对数化处理。
(5)城镇化水平(urban)。随着城镇化进程的不断推进，越来越多农业人口进入城市工作。这一方面降低了农村人口规模，另一方面也对农业生产造成了更多压力。本文以年末城市人口比重作为衡量城镇化水平的指标。
(6)城乡收入差距(income)。当农业从业人员所获劳动报酬远远低于城镇居民从事第二、三产业获得的收入时，越来越多农村人口进入城市，从而降低了农业环境压力，但与此同时也刺激了农业从业者加大化肥农药使用量，从而加重了农业污染。因此，城乡收入差距对农业面源污染的不确定性影响有待实证考察，本文运用城镇居民可支配收入/农村居民可支配收入的比值作为衡量城乡收入差距的指标。
(7)农业产业结构(str)。随着人民生活水平的不断提高，对农产品多样化需求越发强烈，经济作物种植比重日益增多，显著改善了农业种植结构。关于经济作物种植比重增加对于环境污染的影响一直争论不休。一种观点认为，经济作物生长需要施用更多化肥和农药，从而导致环境状况更加恶劣；但另一种观点认为，种植经济作物需要更先进的农业设备和管理方式，在一定程度上体现了农业生产技术进步。而且，经济作物种植往往比较集中，点源污染相较面源污染更加易于管理。鉴于此，本文使用经济作物种植面积与农作物总播种面积的比值代表农业产业结构。
(8)政府规制水平(gov)。大量文献表明，政府对城市发展的建设性支出将加重城市工业污染程度，而对教育、科技、医疗和文化等公共服务业的支出将降低工业污染水平。本文引入政府规制变量，探讨公共服务支出能否缓解农业面源污染压力。政府规制程度指标用(教育支出+科学技术支出+医疗卫生支出)/政府一般预算内部支出的值衡量。
(9)财政分权(fd)。初始财政分权理论认为适度的财政分权能够有效促进地方政府间“竞争到顶”行为，并显著改善环境质量。而中国式财政分权有其独特性，以经济发展为核心的政绩考核体系使得地方政府为了在“政治锦标赛”横向竞争中脱颖而出，倾向于将有限资源投入到经济建设和生产活动中去，从而放松了环境管制和投入，加重了生态环境恶化。本文采用人均地方政府本年财政收入与人均中央政府本年财政收入的比值作为财政分权度量指标。
自“十一五”规划发布以来，中央政府对农业经济发展和环境质量的重视程度日益提高，并在“十三五”规划中提出要将农业环境治理作为重要研究领域和任务。鉴于此，基于数据连续性和可得性原则，本文选取2005—2013年中国内地31个省份面板数据作为研究样本，数据来源于《中国统计年鉴》、《中国农村统计年鉴》、《中国环境统计年鉴》和Wind数据库，变量描述性统计结果如表1所示。
表1变量描述性统计结果
空间计量模型的创新性和特殊性在于引入了空间权重矩阵。空间权重矩阵可显示研究变量在空间上的位置关系，研究变量间距离越短表明其溢出效应越强，并随着距离的增加而衰退。随着空间计量模型的不断发展，空间矩阵设定考虑因素时也从单一的地理距离拓展到经济距离、科技距离、引力距离、动态距离等。如何科学有效地选择距离因素设定权重矩阵一直是空间计量模型的热点和难点。本文以现有文献为基础，基于省份间地理距离和经济距离设置了4种空间权重矩阵进行回归，从不同角度对农村面源污染影响因素进行分析，具体如下：
(1)邻接矩阵。Wij为空间权重矩阵中坐标为(i,j)的值，当两省相邻(即有公共边界)时，其权重矩阵对应数字为1，否则为0。由于海南省不与任何省份地理相邻，因此本文选择距离最短的广东省作为其邻居。具体表示如下：
(2)地理距离衰退矩阵。dij表示i省和j省的质心距离，dij值越大表示两者距离越远，空间溢出效应越弱。本文将距离衰减指数设为“2”以加倍距离长度的影响，通过与邻接矩阵对比能够更加凸显地理位置因素影响效果。矩阵对角线元素为0，其它位置元素计算公式为：
(6)
(3)经济距离矩阵。eij表示i省和j省的经济距离，其数值为两省pgdp9年内平均值差值的绝对值，其值越大表示两省经济发展水平差距越大，其空间交互效应则越弱。矩阵对角线元素为0，其它位置元素计算公式为：
(7)
(4)地理经济距离综合矩阵。同时考虑两省之间地理距离和经济距离产生的交互效应可以预见，两省地理距离越近，经济差距越小，环境污染溢出效应越强。矩阵对角线元素为0，其它位置元素计算公式为：
(8)
以上4种矩阵均利用geoda0.9.5和arcgis10.2软件创建完成，且对各权重矩阵进行了标准化处理。
首先，利用上文构建的4种空间权重矩阵，对目标变量环境污染水平进行Moran'I指数全局自相关检验，结果见表2。
表2环境污染水平空间相关性检验结果
注：*、**、***分别表示在10%、5%、1%显著性水平显著，下同
(1)通过全局Moran'I结果可以看出，在4种空间权重矩阵下，各年份中国省级农业环境污染水平都呈现出显著的空间正相关性(Moran'I为正，p值均小于0.1)，且表现出相对稳定状态，说明污染溢出效应在地理距离和经济发展程度两个方面都显著存在。
(2)通过对比邻接矩阵和地理距离衰退矩阵的Moran'I值不难看出，随着地理距离的增加，环境污染水平空间相关性逐渐降低，从平均0.25降低到0.1。由此可见，农业环境污染溢出效应随着地理距离增加而下降。
(3)经济矩阵检验结果显示，农业经济发展水平接近省份，环境污染溢出效应非常显著。在地理经济综合权重矩阵下，Moran'I检验统计量同样显示出显著的空间溢出效应，其数值更接近于经济矩阵下的检测值。这一结果进一步说明，农业面源污染溢出效应受地理位置和经济发展程度的双重影响。
通过局部空间自相关性检验能够计算出每个省份与相邻省份的交互效应，并通过生成的LISA图得到其在空间中所处的位置。本文计算出在每个权重矩阵下各省份的局部自相关情况，由于篇幅所限，本文仅列示部分2005年、2009年和2013年在经济地理综合权重矩阵下的LISA图，并以2013年为例进行阐述(见图1)。
图1主要年份局部自相关LISA图
LISA图分为4个象限，每个象限代表意义如表3所示。
表3LISA图说明
可以看出，目前我国大部分省份都处于二、三象限，并表现出显著的空间正相关性。因此，政府在制定污染治理政策时，可依据不同省份所处位置特点进行分类治理，重点整治“高—高”集合，严格把控“低—高”和“高—低”区域，有效观察“低—低”区域。
参考国内外文献对于环境库兹涅茨曲线的讨论，国外实证结果中经济发展与环境污染水平一般呈N型或倒N型关系，国内多表现为U型和倒U型关系。本文采用pgdp2作为模型基准形式进行回归分析，若结果达不到预期，则用pgdp3替代。本文引入核心变量区域创新能力和其它控制变量后，设定空间面板杜宾模型形式如下：
pollutionit=ρWijpollutionit+
+β2pgdpit+
β3patentit+β4Xit+WijXitθ+ai+ut+εit
本文使用计量软件matlab2015a，运用Elhorst提供的空间计量工具包进行模型选择和回归分析。根据Lesage等[19]和Elhorst等[20-21]的论点，空间计量模型本身回归系数没有解释效力，应将其分解为直接效应(对本区域的作用)、间接效应(对相邻区域的溢出作用)和总效应(综合作用)。所以，本文直接列出效应分解结果，如表4所示。
各变量参数在4种权重矩阵下的回归结果基本一致，R2值分别为0.97、0.97、0.76和0.97，表明模型拟合程度较好。因变量环境污染水平空间滞后项系数分别为0.24、0.39、0.37和0.37，并且全部通过1%显著性检验，与上文中Moran'I检验结果相对应，再次验证了各区域环境污染水平存在较强的空间性。溢出效应平均值达到0.3，表示一个区域环境污染水平受相邻区域环境污染状况30%的影响。本文对各核心变量和控制变量回归结果进行详细讨论。
(1)区域创新水平。在邻接矩阵和地理衰退矩阵作用下，区域创新水平直接效应、间接效应和总效应参数都显著为负，表明区域创新水平提升不仅能够显著改善本区域内生态环境质量，而且对空间邻近区域环境质量具有积极影响。原因在于，地理位置较近区域往往具有相似的自然条件，农业作物种类也表现出一定同质性。因此，各区域创新方向一致，环境友好型创新能够在区域之间形成良性互动。而在只考虑单一经济距离因素的矩阵作用下，创新能力的3种效应都显著为正，表现出对农业生态环境改善的抑制作用。原因在于，由于经济水平相当、地理位置相距较远、区域自然条件差异较大，一个区域的环境友好型创新可能在另一个区域并不适用，技术创新在区域间交流往往以经济利益最大化为前提，生产效率型创新成果流动不仅容易造成本区域生态环境状态恶化，还极易导致经济相邻区域污染程度加深。地理经济综合矩阵全面考虑了不同区域间地理位置因素和经济差距因素，也比较符合我国不同区域间的现实情况，其回归结果具有更强的科学性和代表性。由表4可知，区域创新能力的直接效应、间接效应和总效应都显著为负，区域创新能力提升能够显著改善本区域和相邻区域内的环境质量，是实现农业经济和生态环境协调发展的关键因素。
表4回归结果与效应分解
注：括号内为t统计量，下同
(2)农业经济发展。首先观察直接效应，在4种权重矩阵下pgdp、pgdp2参数符号一致，pgdp全部为负、pgdp2全部为正且通过5%显著性检验，说明我国农村经济发展与生态环境污染水平呈U型库兹涅茨曲线关系，环境污染水平随农业经济发展呈先降后升趋势，与中国农业发展现实状况相符。在农业发展初期，通过完善农业基础设施建设、改善水土种植条件，有效优化了农业生态环境；但随着农业进一步发展，化肥农药过量使用和落后的农业环境管理方式造成了生态环境急剧恶化。在4种权重矩阵下，库兹涅茨曲线的拐点值分别出现在7.25、7.51、8.02和7.21。2013年，我国各省份中西藏农业人均GDP最低，其值为8.5(5 878元取对数)，已经超出拐点中最大值8.02。由此可以判断，我国农业经济发展与环境污染间的关系早已经跨入U型曲线的右半边，即如果不能对农业环境污染进行有效治理，污染程度将随着经济增长持续加深。从间接效应看，农业经济发展对邻近区域的污染溢出效应在引入经济权重矩阵情况下的一次项系数为正，二次项系数为负，在其它矩阵下一次项系数为负，二次项系数为正，所有系数均通过5%显著性检验。这说明，农村经济发展溢出效应也呈现出库兹涅茨曲线态势，对地理相邻地区先有积极影响，后有消极影响，而对经济相邻地区的影响正好相反。
(3)与区域创新能力相反，外商直接投资(fdi)在与地理位置相关的3种矩阵下的直接效应和间接效应都显著为正，而在经济矩阵下直接效应显著为负，但间接效应和总效应不显著，说明外商直接投资对我国农业生态环境造成了不良影响，表现出典型的“污染避难所”现象，一定程度上说明政府对引入第一产业外资审核把关不严。政府规制(gov)和城镇化程度(urban)系数在任何矩阵下都不显著，表明政府城市建设和公共事业投资并未对农业生态环境带来显著改善。而财政分权(fd)在经济矩阵下的直接效应和间接效应系数符号为负但不显著，在邻接矩阵、地理衰退矩阵和综合矩阵下的直接效应系数均为正，表明政府财政分权度提升对农村生态环境改善起到抑制作用。对此一个合理的解释是，中央在政府考评体系中较为看重经济指标而非环保指标，地方政府在经济建设压力和晋升激励下，未将足够资源分配给农业生态环境治理；间接效应系数显著为正，意味着地方政府为了在“政治锦标赛”中脱颖而出，往往根据地理位置较近“对手省份”政策而改变自身政策，这种“模仿效应”导致省份间环境保护出现“趋底竞争”，财政分权提升以这种方式影响了邻近省份的农业环境污染程度。结合以上对4种与政府相关变量的论述可知，作为整治和管理农业生态环境的主体，目前地方政府的工作重点仍然聚焦在与城市建设相关的事业上，客观上存在对农业污染状况监管不利的行为，从而导致“群体性污染”。
(4)农业产业结构(str)4种矩阵下的直接效应都显著为负，说明经济作物种植面积扩大有助于降低农业污染。相较于传统农作物，为实现经济作物规模化种植，客观上需要学习更先进的种植方法和管理理念，通过引进现代化生产设备、合理利用农业资源、集中处理污水和固体垃圾，从而实现经济发展和环境保护“双赢”。间接效应和总效应显著为负同时说明，不同相邻区域之间可通过生产资料和管理知识流动共享在更大范围内实现经济与环境协调发展。城乡收入差距(income)则在邻接矩阵和地理衰退矩阵下表现出对生态环境显著的破坏作用，表明农业生产人员迫于经济压力，倾向于通过加大生产资料投入而获取更大的产出收益，对资源的过度攫取和肆意浪费严重危害了生态环境。
本文构建的空间计量模型在4种不同空间权重矩阵下回归结果高度一致，在一定程度上表现出可靠性。本文通过使用国内专利申请授权数替代R&D人员全时当量作为衡量区域创新能力的指标进行回归分析，以提高本文结论的稳健性。回归结果表明，在将国内专利申请授权数纳入回归模型后，各变量系数大小、符号和显著性均未发生显著改变，再次验证了本文回归结果的可靠性和稳健性。
考虑到环境污染水平在中国各区域间存在显著的空间相关性，本文将区域创新能力纳入研究框架，在控制外商直接投资、城市化程度、城乡收入差距、农业产业结构、政府规制和财政分权等变量的基础上，构建基于库兹涅茨曲线理论的空间计量模型，设计了基于地理空间关系和经济空间关系的4种空间权重矩阵，运用2005-2013年我国内地31个省份面板数据实证分析区域创新能力、农业经济发展与环境污染水平三者间的关系，并对各影响因素的空间效应进行分解，最终得出如下结论：①农业环境污染水平在4种空间权重矩阵下都表现出显著的空间正相关性，其中地理邻近和经济邻近均代表了其空间关联方式。因此，政府在制定农业环境保护政策时需将区域位置因素和经济发展因素都纳入政策框架之中，而且区域合作治理相较于独立治理方式更加有效；②在4种空间权重矩阵下，农业经济发展与环境污染水平都表现出显著正向趋势，即随着经济不断发展，农业污染程度呈先降后升趋势。目前，我国各区域农村经济发展水平均已跨越污染拐点，可以预见，如果不约束其发展方式，农业生态环境将随着时间推移持续恶化；③区域创新能力的直接效应、间接效应和总效应在地理相邻、地理衰退矩阵作用下显著为负，说明创新能力提升能够同时改善本区域和相邻区域环境质量，而地理经济综合矩阵下的回归结果再次验证了创新是实现经济和环境协调发展的关键；④其它控制变量回归统计结果显示，地方政府作为环境管理主体应该积极响应中央号召，将更多精力投入到环境保护中来，通过严控外商投资审查制度、缩小城乡收入差距并积极推广先进生产技术和管理经验，控制污染程度，从而实现经济与生态环境协调发展。
基于以上研究结果，本文提出如下几点政策建议：首先，各区域应根据自身特点，充分发挥科技、教育、人才优势，通过产学研结合等手段优先发展创新产业，营造创新氛围、激发创新活力，实现经济和生态环境协调发展。其次，放弃农业污染治理“属地模式”，建立省际间联合治理机制。环境污染空间溢出效应决定单一省份单独开展污染治理活动，将受邻近区域污染外溢效应的影响而达不到应有效果，并会造成资源浪费和积极性丧失。只有各省份间联合治理，明确各治理主体责任，杜绝“搭便车”行为，才能显著改善农业生态环境。再次，中央政府应提升污染治理在政绩考核指标中的地位，强化地方政府环境保护观念，激励其将更多资源投向环境保护领域，实现人与环境可持续发展。最后，政府应摒弃“一刀切”的环保政策制定方式，充分考虑各区域地理和经济关系，识别出能够有效改善农业环境的关键因素，因地制宜地利用空间溢出效应达到事半功倍的效果。
参考文献:
[1] FORSTER B A.Economic approaches to environmental problems[J].Social Indicators Research,1980,8(4):501-501.
[2] 金碚.科学发展观与经济增长方式转变[J].中国工业经济,2006(5):5-14.
[3] 洪银兴.论创新驱动经济发展战略[J].经济学家,2013,1(1):5-11.
[4] 高红贵,刘忠超.中国绿色经济发展模式构建研究[J].科技进步与对策,2013,30(24):23-26.
[5] 李苗苗,肖洪钧,赵爽.金融发展、技术创新与经济增长的关系研究——基于中国的省市面板数据[J].中国管理科学,2015,23(2):162-169.
[6] GROSSMAN G M,KRUEGER A B.Economic growth and the environment[J].Review of Economic Studies,1995,110(2):353-377.
[7] 马丽梅,张晓.中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济,2014(4):19-31.
[8] 汪克亮,孟祥瑞,杨宝臣,等.中国区域经济增长的大气环境绩效研究[J].数量经济技术经济研究,2016(11):59-76.
[9] 吴继贵,叶阿忠.环境、能源、R&D与经济增长互动关系的研究[J].科研管理,2016,37(1):58-67.
[10] 何雄浪.知识创新与扩散、地区间技术吸收效应与环境污染[J].南开经济研究,2015(2):94-117.
[11] 王维,张建业,乔朋华.区域科技人才、工业经济与生态环境协调发展研究——基于我国18个较大城市的面板数据[J].科技进步与对策,2014(7):37-42.
[12] 王文普.污染溢出与区域环境技术创新[J].科研管理,2015,36(9):19-25.
[13] 黄娟,汪明进.科技创新、产业集聚与环境污染[J].山西财经大学学报,2016,38(4):50-61.
[14] 杜江,罗珺.农业经济增长与污染性要素投入——基于简约式及结构式模型的实证分析[J].经济评论,2013(3):56-65.
[15] 东童童,李欣,刘乃全.空间视角下工业集聚对雾霾污染的影响——理论与经验研究[J].经济管理,2015(9):29-41.
[16] 付帼,卢小丽,武春友.中国省域绿色创新空间格局演化研究[J].中国软科学,2016(7):89-99.
[17] REY S J,ANSELIN L.Recent advances in software for spatial analysis in the social sciences[J].Geographical Analysis,2006,38(1):1-4.
[18] ELHORST J P.Spatial econometrics.from cross-sectional data to spatial panels[J].James P Lesage,2014,1(1):245-260.
[19] LESAGE J P,PACE R K.Introduction to spatial econometrics[M].CRC Press,2009.
[20] J PAUL ELHORST.Applied spatial econometrics:raising the bar[J].Spatial Economic Analysis,2010,5(1):9-28.
[21] VEGA S H,ELHORST J P.The SLX model[J].Journal of Regional Science,2015,55(3):339-363.
Zhao XiaoYu, Wang XueJun, Guo Qun
(School of Economics and Management, Wuhan University, Wuhan 430072,China)
Abstract：In the beginning of this paper, the spatial spillovers of agricultural ecological environment is confirmed by Moran' I test on condition of four kinds of proximity. Then, the spatial econometric model based on Kuznets curve is constructed which regional innovation is aslo invovled in. By taking advantage of the panel data of 31 provinces in China from 2005-2013, this paper analyzes the relationship between regional innovation capability and coordinated development of agricultural economy and ecological environment. After that the spatial effects of each factor are ecomposed. The empirical results show that the U curve exist between in the relationship of Chinese rural economic development and agricultural ecological environment. The enhancement of regional innovation capacity will significantly improve the agricultural ecological environment and promote the sustainable development of China's agricultural economy.
Key Words:Regional Innovation capacity; Agricultural Economy Development; Ecological Environment; Spatial Models
DOI：10.6049/kjjbydc.2017060390
中图分类号：F323.22
文献标识码：A
文章编号：1001-7348(2018)07-0035-08
收稿日期：2017-08-02
基金项目：国家自然科学基金项目(70773084)
作者简介：赵小雨(1988-)，男，河南周口人，武汉大学经济与管理学院博士研究生，研究方向为技术创新与绿色经济；王学军(1962-)，男，河南鹿邑人，博士，武汉大学经济与管理学院教授、博士生导师，研究方向为人力资本与技术创新；郭群(1983-)，女，黑龙江齐齐哈尔人，武汉大学经济与管理学院博士研究生，研究方向为人力资本与技术创新。
武汉大学区域经济研究中心 协办
(责任编辑：王敬敏)
微信扫码看作者独家介绍本论文