农村三产融合对农业面源污染的非线性影响：空间效应与环境规制的调节作用

本综述深入探讨了农村三产融合（RTII）对农业面源污染（ANPSP）的非线性影响及其空间溢出效应，并系统分析了不同类型环境规制（ER）的调节作用。研究基于中国30个省份面板数据，采用双向固定效应模型、空间杜宾模型（SDM）及调节效应模型，证实RTII与ANPSP存在倒U型关系（拐点为0.29），且命令控制型（CER）、市场型（MER）和公众自愿型（PER）环境规制均能削弱该影响，但作用机制存在差异。研究为协调农村产业发展与环境污染治理提供了重要政策启示。

　　

引言

农业作为国民经济的基础，在保障粮食安全、支撑农村经济发展和维护社会稳定方面发挥着至关重要的作用。然而，传统农业实践的扩张加剧了农业面源污染（ANPSP），对环境质量、水安全和农业可持续发展构成重大威胁。农业面源污染具有随机性、分散性、空间变异性、时间滞后性和不确定性等特点，是水资源安全的主要威胁。根据《第二次全国污染源普查公报》，中国农业化学需氧量、总氮和总磷排放量分别达到2143.98万吨、304.14万吨和31.54万吨，占水污染物排放总量的49.8%、46.5%和67.2%。美国和欧洲主要农业先进国家在农业面源污染治理方面率先进行了早期治理，为中国提供了可操作的模式。然而，这种污染固有的系统性复杂性继续构成巨大的治理挑战。在平衡农村生态保护与经济发展的同时，有效减轻农业面源污染仍然是政策制定者和研究人员关注的关键问题。

自2015年中央一号文件首次倡导农村一二三产业融合以来，它一直是政府农村政策的核心焦点。2024年中央一号文件重申了促进农村产业融合发展、加强生态文明建设和推进农业农村污染治理的努力。中国目前正处于从传统农业向现代农业过渡的关键时期。一个关键问题是，农村三产融合（RTII）能否在促进经济增长的同时减轻农村环境污染。尽管现有研究已经探讨了这个问题，但三产融合对面源污染的具体影响仍然存在争议。此外，有限的研究考察了这种关系中潜在的空间效应或环境规制（ER）的作用。

文献综述

农村三产融合的意义与测度

农村三产融合的概念源于日本今村奈良臣的“第六产业”理论。2015年中央一号文件正式引入了农村一二三产业融合的概念，强调需要延伸农业产业链、增加农业附加值，并借助专业化产业、乡村旅游、基础设施改善和政策支持来实现农村经济多元化和高效率，最终提高农民收入。农村三产融合以农业为基础，通过与第二和第三产业的交叉，驱动资本、技术和资源的优化重组，最终实现农业现代化、增加农民收入和促进城乡一体化发展。

现有文献从多个角度开发了各种指标体系和方法来评估农村三产融合水平。指标体系涵盖了几个关键维度，包括农业产业链延伸（如农产品加工和初加工机械）、农业功能拓展（如休闲农业和非农就业）、农业生产与农业服务融合（如林业、牧业、渔业服务和农村金融发展）、技术渗透（如农业机械化和劳动生产率）、利益联结（如农民合作社和农业保险密度）以及融合的综合效应（如经济、社会和生态效益）。常见的测量方法包括熵值法、层次分析法、因子分析和聚类分析。

农业面源污染的测度及影响因素

农业面源污染是指在农业生产过程中，化肥、农药、农膜等化学投入品的不合理使用，以及畜禽养殖废物、水产养殖废物和作物秸秆的不当或未及时处置所造成的污染。这些污染物，包括氮、磷和有机物，在土壤中过度积累或通过地表径流、地下水流和土壤侵蚀进入水体，从而造成生态和环境危害（《中华人民共和国环境保护法》）。根据来源，农业面源污染可分为广义和狭义两类。广义类别包括农业和农村活动产生的污染，包括农业生产过程中产生的化肥、农药、畜禽粪便、农业废物和农村生活垃圾对农田生态系统的污染。狭义类别特指作物生产中使用的主要化学投入品（如化肥和农药）产生的污染。大多数学者采用广义的农业面源污染概念，使用清单分析法计算来自各种污染源的三种关键污染物——总氮（TN）、总磷（TP）和化学需氧量（COD）的排放量。

大量文献从多维视角考察了影响农业面源污染的关键因素，将其分为三个层次：生产主体层面、产业组织层面和外部制度层面。(1) 生产主体层面：农民的认知和行为是源头控制的基础。研究表明，农民对外部因素（如政府监管、市场条件和社会组织）的认识增强了他们的内在认知（态度倾向、主观规范和感知行为控制），从而提高了他们参与管理农业面源污染的意愿。创新的施肥策略在维持作物生长和产量的同时有效减少了污染。规模化养殖大幅减轻了污染并产生正的空间溢出效应；同时，农业生产服务减少了土地细碎化对污染的不利影响。(2) 产业组织层面：农业产业集聚与面源污染的关系通常呈倒U型；然而，考虑空间溢出效应后则呈现U型关系。相反，有报告称存在N型模式。(3) 外部制度层面：在试点阶段，农业保险加剧了化肥引起的污染，但在全面覆盖后这种效应消失。由于环境污染的负外部性，市场机制本身不足以控制农业污染，使得环境规制变得至关重要。研究表明，环境规制减少了区域农业面源污染，数字化放大了这种效应，尽管它也可能导致污染在当地转移。有研究发现了环境规制与污染之间的倒U型关系，大多数地区目前位于拐点的左侧。不同类型的环境规制对生态效率的影响各不相同。强制性规制最初显著抑制排放，但更高强度下的过度政府干预可能会削弱其有效性。基于市场的规制，如碳交易，促进了污染减少和能源消费转型，尽管其效果在实施后逐渐显现。由内在认知和感知行为控制驱动的自愿行动鼓励农民采用环境友好型实践，对环境产生积极影响。

农村三产融合对绿色农业生产和农业面源污染的影响

现有文献主要从三个关键维度考察农村三产融合对农业环境的影响：农业碳排放、农村生态环境和绿色农业生产。关于农业碳排放，研究表明农村产业融合通过促进农村劳动力流出、土地规模经营和农业技术进步减少了排放，劳动力结构作为一个显著的正向调节因素。有研究确定了农村产业融合与农业碳排放之间的倒U型关系，其中环境规制使拐点左移，而农村人口老龄化使其右移。农村产业融合通过规模效应、资本效应和技术效应增强了农业绿色全要素生产率；多维人力资本（迁移、教育、健康）和土地流转进一步放大了这种效应。就农村生态环境而言，农旅融合改善了生态条件，特别是在人力资本高的地区、中西部地区和非主粮产区。总体而言，农村产业融合及其各种形式——包括内部结构调整、产业链延伸、功能扩展、服务业交叉和高科技渗透——有助于保护和改善农村生态环境。人力资本正向调节这种关系，而城镇化则产生负向调节效应。关于绿色农业生产，农旅融合通过优化资源配置和提高农民环境意识促进了可持续发展。在乡村产业融合中采用生态农业实践的农民减少了农药和化肥等化学投入品的使用。此外，长江经济带县域农村三产融合显著促进了绿色农业发展，表现出与产业升级和技术创新相关的双重门槛效应。

尽管其重要性日益增长，但系统研究农村三产融合对农业面源污染影响的文献仍然有限。有研究实证证明，农村产业融合通过促进规模经营、增强农村人力资本和推动技术进步来影响农业生产行为，从而减少化肥和农药等投入品的使用，减轻农业面源污染。相反，有研究确定了农村三产融合与农业面源污染之间的倒U型关系，土地和人口城镇化加速了由农村产业融合驱动的减排效应的出现。这些研究提供了对该关系的初步见解，但在效应方向（线性与非线性）上存在显著分歧。值得注意的是，与农村三产融合相关的自然资源开发也可能造成环境污染和生态退化，对农村环境构成潜在威胁。尽管学术界广泛认可农村三产融合在提高农业生产效率方面的积极作用，但农业的长生产周期、低利润空间以及农村结构性挑战——如兼业化和人口老龄化—— combined with environmental effects that encompass both emission reduction mechanisms (e.g., reduced input use) and emission risks (e.g., resource exploitation)，使得农村三产融合对农业面源污染的净效应尚无定论。

理论分析与假设

农村三产融合对农业面源污染的非线性影响

农村三产融合的发展可能对农业面源污染产生两种相反的影响。一种是加剧农业面源污染。农业服务与生产的融合增强了农业生产者的议价能力和交易地位，可能降低农业投入品的单位价格。因此，生产者可能会增加化肥、农药和其他污染物的使用，从而加剧面源污染。此外，农业服务（如耕作、灌溉和其他支持功能）的整合降低了购买设备的成本，使生产者能够将更多资金用于购买化肥、农药和其他投入品，这反过来增加了其施用强度并加剧了面源污染。另外，农产品加工和营销与农业生产的深度融合，加上经济联系的增强，可以提高农业生产者的收入，允许对化肥和农药进行更多投资，这进一步加剧了面源污染。

另一种是减轻农业面源污染。首先，农业服务与生产的融合增强了生产者在交易中的议价能力，降低了绿色投入品和技术的成本以及交易成本。同时，培训和其他服务降低了生产者学习绿色技术的成本，促进了环保实践的采用，减少了面源污染。其次，生产性服务（如耕作、灌溉、施肥和病虫害综合管理）的发展产生了规模经济，降低了绿色技术的单位成本，并鼓励生产者采用可持续实践。第三，农产品加工和营销与生产的融合，以及利益联结的增强，不仅提高了生产者的收入及其购买绿色投入品和技术的能力，而且加强了下游企业的监督，激励生产者采用绿色实践。最后，农产品加工和营销的融合支持了“三品一标”（无公害农产品、绿色食品、有机农产品和农产品地理标志）的实施，提高了农产品的质量和市场竞争力，并鼓励生产者采用可持续的生产实践，从而进一步减少面源污染。

大量研究表明，农村三产融合促进了农村经济增长并增加了农民收入。此外，环境库兹涅茨曲线（EKC）强调了经济发展与环境压力之间的非线性关系。因此，农村三产融合对农业面源污染的影响可能呈现非线性模式。当农村三产融合处于低水平时，绿色投入品和技术的有限可用性，加上不完整的政策法规，可能导致污染减少效应弱于污染加剧效应，从而导致面源污染增加。然而，随着农村三产融合的扩大和深化，绿色投入品和技术的持续发展以及政策法规的改善，可能逐渐扭转平衡，使污染减少效应超过污染加剧效应，最终减少面源污染。因此，农村三产融合对农业面源污染的影响可能与融合水平密切相关，并可能遵循倒U型曲线。

H1. 农村三产融合对农业面源污染的影响是非线性的，并遵循倒U型。

环境规制在农村三产融合与农业面源污染关系中的调节作用

环境规制作为一种政策工具，旨在通过法律、法规和市场机制来限制和引导经济活动，以减轻负面环境影响。例如，政府可以实施环保投资税收优惠来降低企业的投资成本，有效遏制劣质技术的发展并促进节能实践的采用。在农业部门，环境规制通过庇古税、排放标准和农业投入品价格调整等机制将污染成本内部化，从而使生产者承担污染相关成本。这反过来鼓励了农村产业中环境友好型技术的采用，并促进了产业结构的绿色转型，可能减轻农村三产融合的污染加剧效应。然而，环境规制的创新补偿效应往往是延迟的。它可能增加绿色生产和环境治理的成本，挤占农业绿色创新的投资，并削弱农村三产融合的减排影响。基于这些考虑，提出以下假设：

H2. 环境规制可能在农村三产融合与农业面源污染的关系中发挥显著的调节作用。

环境规制大致可分为三种类型：命令控制型、市场型和公众自愿型规制。尽管所有环境规制都旨在减少污染，但它们的运作机制根本不同。命令控制型规制通过具有法律约束力的标准和对违规行为的处罚来强制执行合规性。相反，市场型规制利用经济激励来促使企业和个人改变行为。公众自愿型规制则依靠个人的社会责任感来鼓励环境保护行动。鉴于这些规制类型的不同机制和影响，它们对农村三产融合与农业面源污染关系的调节效应可能不同。因此，提出以下假设：

H3. 不同类型的环境规制对农村三产融合影响农业面源污染的调节作用可能不同。

农村三产融合对农业面源污染的空间溢出效应

基于新经济地理学的空间外部性理论，农村三产融合不仅显著影响本地的农业面源污染，还可能对邻近地区的污染起到关键作用。作为一种创新的农业发展模式，农村三产融合打破了传统农业的封闭性。鉴于邻近地区土地资源和气候条件的相似性，以及农业生产的同质性，农业面源污染的排放、扩散和控制都受到周围环境的影响。农村三产融合可能对本地和邻近的农业生产产生示范效应和挤出效应。一方面，它促进了农业生产方式的转型升级，优化了农业资源配置，提高了劳动生产率，最终提高了农民收入。这些好处产生了“示范效应”，邻近地区通过模仿和学习被激励去优化和重组其农业资源，从而影响其农业面源污染。具体来说，农村三产融合过程中知识、技术、人才和资本的流动克服了地理和空间障碍。人才流动引入了先进的环境保护理念和管理实践；技术溢出促进了采用绿色技术以减少污染；资本溢出为农业环境保护设施的建设提供了资金，有效控制了面源污染。另一方面，农村三产融合也可能对邻近地区的农业面源污染产生“挤出效应”。随着本地农业产业的快速增长，它们可能吸引更多的农业要素，将其集中在该地区，并增加邻近地区的生产压力。为了维持或改善农业生产，邻近地区可能采用更粗放的生产方式，可能加剧面源污染。基于此，提出以下假设：

H4. 农村三产融合对农业面源污染的影响可能存在空间溢出效应。

模型与数据

本研究采用2011年至2022年中国30个省（自治区、直辖市）（不包括香港、澳门、台湾和西藏）的面板数据来检验上述假设。它依次应用双向固定效应模型研究农村三产融合对农业面源污染的非线性影响，采用调节效应模型评估异质性环境规制的调节作用，并利用空间杜宾模型分析农村三产融合对农业面源污染的空间溢出效应。

模型设定

固定效应模型

固定效应模型有效缓解了由遗漏变量引起的内生性问题，从而提高了估计量的一致性和渐近无偏性。鉴于面板数据同时表现出个体和时间异质性，本研究采用双向固定效应模型来控制这些效应并提高估计精度。

基准模型设定为：

Pol_it = β₀ + β₁Con_it + ∑_k=1ⁿθ_kC_it + μ_i + γ_t + ε_it (1)

为了检验假设H1——农村三产融合与农业面源污染之间的关系遵循倒U型——将农村三产融合的平方项（Con_it²）纳入方程(1)，得到方程(2)：

Pol_it = β₀ + β₁Con_it + β₂Con_it² + ∑_k=1ⁿθ_kC_it + μ_i + γ_t + ε_it (2)

在方程(2)中，如果β₂显著不为零，则农村三产融合对农业面源污染表现出非线性效应，拐点由x₀ = -β₁/(2β₂)给出。

调节效应模型

本研究通过采用Haans et al. (2016)的方法，考察环境规制在农村三产融合与农业面源污染关系中的调节作用。具体而言，将环境规制与农村三产融合的线性项和二次项的交互项纳入方程(2)，得到方程(3)：

Pol_it = β₀ + β₁Con_it + β₂Con_it² + β₃Con_it×ER_it + β₄Con_it²×ER_it + β₅ER_it + ∑_k=1ⁿθ_kC_it + μ_i + γ_t + ε_it (3)

根据Haans et al. (2016)，调节变量通过两种机制影响倒U型曲线。首先，它改变曲线的斜率，使其更陡或更平。当β₄ > 0时，U型曲线的斜率变陡，表明解释变量与因变量之间关系的变化速率加快；相反，对于倒U型曲线，斜率变平，表明变化速率减慢。当β₄ < 0时，U型曲线变平，而倒U型曲线变陡。其次，调节变量移动曲线的拐点：当β₁β₄?β₂β₃ > 0时，拐点右移；当β₁β₄?β₂β₃ < 0时，拐点左移。

空间计量模型

鉴于农村三产融合与农业面源污染之间普遍存在的空间相关性，忽略空间因素可能导致计量估计偏误。基于前面的理论分析，一个地区的农村三产融合可能通过示范和挤出效应影响邻近地区的农业面源污染。为了检验假设H4——关于农村三产融合对农业面源污染的空间效应——首先需要评估这些变量之间的空间自相关性。在确认空间依赖性后，将采用空间面板模型进行实证分析。

本研究首先使用全局莫兰指数（Moran's I）评估变量的空间相关性。

I = [n∑_i=1ⁿ∑_j=1ⁿW_ij(Y_i-Y?)(Y_j-Y?)] / [∑_i=1ⁿ∑_j=1ⁿW_ij∑_i=1ⁿ(Y_i-Y?)²] (4)

常见的空间面板计量经济模型包括空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。SDM包含了因变量和自变量的空间滞后项，从而避免了由遗漏空间依赖性引起的设定错误。作为SLM和SEM的推广，SDM提供了更大的灵活性。鉴于其更广泛的设定和针对设定错误的稳健性，本研究采用SDM来实证检验假设H4，设定如方程(5)所示：

Pol_it = ρWPol_it + β₁Con_it + β₂Con_it² + ∑_k=1ⁿθ_kC_it + δ₁WCon_it + δ₂WCon_it² + W∑_k=1ⁿδ_kθ_kC_it + μ_i + γ_t + ε_it (5)

变量选择

因变量

农业面源污染强度（Pol）定义为每单位农业用地面积的污染排放量（吨/公顷）。这种污染主要来自化肥径流、农药径流和残留农膜直接或间接造成的排放。本研究采用Kong et al. (2024)和Zhang S. et al. (2024)的方法计算Pol，详细见方程(6)：

Pol_it = (fer_it×65% + pest_it×50% + plast_it×10%) / AL (6)

其中，fer_it, pest_it, 和plast_it分别表示省份i在第t年使用的化肥（吨）、农药（吨）和农膜（吨）的量。AL代表农业用地（包括耕地和果园）面积，单位为公顷。化肥流失率、农药流失率和农膜残留率见表2。

自变量

农村三产融合度（Con）。借鉴Ge et al. (2022)的研究，并确保科学性、全面性、代表性和数据可得性，本研究基于四个维度构建了农村三产融合评价体系：农业产业链延伸、农业多功能性拓展、农业服务发展和利益联结（见表3）。

农业产业链延伸：农产品生产、加工和销售的融合通过两个指标间接衡量：(1)农产品加工机械动力占农业机械总动力的比例；(2)农产品加工主营业务收入占第一产业增加值的比例。

农业多功能性拓展：反映了粮食生产与生态保护、文化传承、旅游休闲、教育培训的融合。通过三个指标间接衡量：(1)农村劳动力中从事非农就业的比例；(2)设施农业（如温室）的发展；(3)休闲农业的扩张。

农业服务发展：使用两个指标评估：(1)第一产业服务业产值占第一产业总产值的比例；(2)每万农村居民拥有的农村金融机构网点数。

利益联结：农民合作社在连接农民与上下游产业方面起着至关重要的作用。该维度通过参与农民合作社的农户比例来衡量，反映了农业生产者与相关产业之间利益联结的程度。

遵循Zhou and Han (2025)的方法，本研究采用熵值法计算各省级行政区域的农村三产融合水平。熵值法根据指标数据中包含的信息熵客观确定权重，与层次分析法相比，在加权过程中提供了更大的公正性。

调节变量

基于上述理论分析，环境规制可能在调节农村三产融合与农业面源污染的关系中发挥关键作用。此外，不同类型的环境规制通过不同的机制运作，对生产者行为的影响程度不同，导致其调节效应可能存在差异。实证分析将环境规制分为三种类型：命令控制型、市场型和公众自愿型措施。本研究考察了每种类型如何调节农村三产融合与农业面源污染的关系。

1. 1.

   命令控制型环境规制（CER）：包括旨在减轻人类活动对环境不利影响的强制性政府政策和法规。遵循Guo and Li (2022)的方法，本研究根据每年颁布的省级环境保护法规数量来量化CER强度，以百件计。

2. 2.

   市场型环境规制（MER）：利用市场和价格机制促进环境保护。遵循Hille and M?bius (2019)的方法，本研究使用化肥价格（万元/吨）来量化MER强度。

3. 3.

   公众自愿型环境规制（PER）：包括由环境意识驱动的、旨在提高环境质量的公众自发行动。遵循Zhang W. et al. (2024)的方法，本研究使用百度搜索指数中按地区和年份记录的“生态农业”关键词的日均搜索量来量化PER强度。

控制变量

为了考虑估计结果中潜在的混杂因素，包括以下控制变量：(1)农村经济发展水平（Inc）：用农村人均可支配收入衡量。(2)农村教育水平（Edu）：用农村平均受教育年限衡量。农业生产者更高的教育水平增强了他们采用新投入品、技术和生产方式的能力，因为他们对创新的接受程度更高，学习能力更强。(3)农业产业结构（Astr）：用种植业产值占农业总产值（包括林业、牧业、渔业）的比例衡量。(4)农业灾害严重程度（Disa）：用受灾面积与总播种面积的比率衡量。更严重的农业灾害可能鼓励生产者增加化肥、农药和其他投入品的使用以维持产量和收入。(5)农业基础设施（Infra）：包括农村交通、水利、电力和通信设施。研究采用农村公路里程、有效灌溉面积、农村用电量和每百户农村居民移动电话拥有量，使用熵权法构建农业基础设施发展综合指数。发达的基础设施促进了绿色农业技术的采用，从而影响农业面源污染。

数据来源与变量描述性统计

本研究采用2011年至2022年中国大陆30个省、自治区、直辖市的面板数据，不包括香港、澳门、台湾和西藏（数据不可得）。数据集主要来源于《中国工业统计年鉴》、《中国农业机械统计年鉴》、《中国农村管理统计年鉴》、《中国农村年鉴》、《中国统计年鉴》、《中国人口和就业统计年鉴》和《全国农产品成本收益统计年鉴》。其他来源包括地区统计年鉴、中国经济网统计数据库、浙江大学卡特农业数据库、农业农村部网站、百度指数平台和北京大学法律数据库。缺失数据通过插值法补充。为了调整通货膨胀和减轻价格波动的影响，所有与价格相关的数据都使用消费者价格指数（CPI）转换为2011年不变价格。变量的描述性统计见表4。

实证结果分析

农村三产融合与农业面源污染的初始趋势

农村三产融合与农业面源污染的时间动态

图2描绘了2011年至2022年中国30个省级行政区域（不包括香港、澳门、台湾和西藏）农村三产融合（折线图）和农业面源污染强度（柱状图）的年均趋势。在研究期间，农村三产融合呈现总体波动上升趋势，增长最快发生在2016年。这一激增可能反映了2015年中央一号文件的政策指导，该文件首次明确提倡农村三产融合，其效益集中在次年。农业面源污染强度呈现先上升后逐渐下降的趋势，在2015年达到峰值。这种下降可能归因于2015年农业部的《关于打好农业面源污染防治攻坚战的实施意见》，该意见限制了过量化肥和农药的使用，从而部分减轻了农业面源污染。然而，到2022年，污染强度相对于2011年的水平下降幅度仍然不大。总体而言，农村三产融合和农业面源污染强度的异步趋势初步表明两者之间可能存在非线性关系。

农村三产融合对农业面源污染的初步影响分析

本研究采用Chetty et al. (2013)的方法，通过非参数回归方法研究农村三产融合与农业面源污染之间的关系（见图3）。与参数回归不同，非参数回归不需要预定义函数形式，能够更灵活地捕捉变量之间的潜在非线性关系。如图3所示，农村三产融合对农业面源污染的影响大致遵循倒U型曲线，表明融合最初加剧污染，然后抑制污染，拐点出现在融合水平约为0.30处。然而，仅图形分析不足以确认倒U型关系。为了证实这一发现，研究进一步使用计量经济模型进行