超越农场规模：加纳阿散蒂地区可可生产力的空间决定因素

《Frontiers in Agronomy》：Beyond farm size: spatial determinants of cocoa productivity in Ashanti Region, Ghana

　　

自2020年以来，加纳的可可产量（cocoa yields）下降了23%，尽管价格有利，但这一生产力危机的空间维度仍未得到充分研究。本研究分析了加纳阿散蒂地区（5°30'N–7°45'N, 0°15'W–2°25'W）10个区的2,612个地理参考可可农场，以识别产量变化的空间格局和决定因素。研究人员将基于GIS的空间分析与多元空间回归建模相结合，应用了莫兰指数（Moran's I）统计量和Ripley's K函数。结果显示生产力存在强烈的空间聚类（Moran's I = 0.594, p < 0.001），表明未观测到的空间结构性因素显著影响产量结果，通过点模式分析识别出七个不同的聚类。研究人员采用双障碍空间回归方法（two-hurdle spatial regression approach）分析可可产量决定因素，同时解决了生产数据中显著的大多数零值问题。超过50%的样本农场（n = 2,612）在2022/2023季节报告零产量，反映了参与决策与生产力决策的不同经济和农艺过程。在障碍1（Hurdle 1）中，应用空间自回归probit模型（spatial autoregressive probit model）估计二元参与决策，而障碍2（Hurdle 2）在生产农场中采用空间误差回归（spatial error regression）识别条件产量决定因素。结果表明，在两个决策阶段均存在强烈的空间依赖性，参与模型中的空间自回归系数ρ = 0.698，生产力模型中的空间误差系数λ = 0.690。树密度（tree density）表现出超弹性效应（弹性 = 1.29），而农场规模（farm size）显示出逆生产力关系（弹性 = -0.0287）。该模型使用Duan的涂抹估计（Duan's smearing estimator）进行反向变换，在原始尺度上解释了92.07%的产量变化。政策含义强调地理针对性干预、通过重新种植计划实现小农集约化，以及持续的推广服务参与。

**论文解读：加纳阿散蒂地区可可生产力的空间决定因素**

**研究背景与问题**

加纳是全球第二大可可生产国，其可可产业对国民经济和约80万小农户生计至关重要。然而，尽管2020-2025年间生产者价格大幅上涨（增长147%），可可产量却持续下降，2023/2024年产量降至约53.1万吨，为15年来最低水平。小农户平均产量（400-554 kg/ha）仅为实验潜力（1,891-3,246 kg/ha）的21-29%，表明农艺管理而非环境限制是主要制约因素。现有研究多聚焦于土地适宜性建模或气候变化预测，但未能解释实际运营农场间的产量差异。空间异质性，如土壤质量、病虫害压力、推广服务获取等，可能对产量产生显著影响，但相关研究匮乏。为此，研究人员开展本研究，旨在通过空间分析识别加纳阿散蒂地区可可生产力的空间格局及其决定因素，为地理针对性干预提供依据。该论文发表在《Frontiers in Agronomy》。

**主要关键技术方法**

本研究样本来源于加纳阿散蒂地区10个区的2,612个可可农场，通过与国际可可可持续项目合作获得，采用分层随机抽样设计，调查覆盖2022/2023收获年。关键方法包括：1）使用手持GPS（Garmin eTrex 10）记录农场坐标，精度<5米；2）采用全局莫兰指数（Moran's I）和Ripley's K函数分析空间自相关与聚类；3）实施双障碍空间回归框架：障碍1使用贝叶斯马尔可夫链蒙特卡洛（MCMC）估计的空间自回归probit模型（SAR Probit）分析生产参与决策，障碍2使用最大似然估计的空间误差模型（SEM）分析条件产量；4）通过Duan's涂抹估计器进行反向变换，获得原始尺度无偏预测。

**研究结果**

**4.1 地区产量统计**
对10个区产量分布的分析显示显著空间异质性。四个区（Juaso、Konongo A、Mankranso、New Edubiase C）的均值和中位数产量均为零，表明完全无生产。卡方检验证实区域间异质性显著（χ2 = 1198.6, df = 9, p < 2.2 × 10^-16）。六个生产区中，New Edubiase B平均产量最高（116.95 kg/ha），其次是New Edubiase A（100.38 kg/ha），而Asante Bekwai（58.14 kg/ha）等区产量较低。

**4.2 描述性统计**
全样本（n=2,612）中，中位产量为0 kg/ha，54.9%的农场零产量，呈双峰分布。生产农场（n=1,178, 45.1%）平均产量89.68 kg/ha（SD=67.84），范围0.33-233.92 kg/ha，支持阈值管理效应假设。

**4.3 空间自相关（全局莫兰检验）**
莫兰指数I = 0.594（p < 2.2 × 10^-16），表明可可产量呈强正空间自相关，高产或低产农场在地理上聚集，受共享环境条件、知识溢出等局部因素影响。

**4.4 点模式分析**
Ripley's K函数显示所有空间尺度上的非随机聚类，在5 km处观测K(r)超出完全空间随机（CSR）预期643%，20 km处超出215%。最近邻G函数显示90%的农场位于另一农场0.4 km范围内，远高于CSR下的5%，暗示病虫害传播风险。

**4.5 可可农场空间聚类**
通过层次空间聚类识别出7个生产率集群，产量异质性显著。集群5（New Edubiase B/A）平均产量最高（171.29 kg/ha），集群1（Konongo A/Juaso）最低（0 kg/ha）。集群3、4、7形成连续中产地带，而集群0和1孤立且产量低，支持区域差异化干预。

**4.6 农场规模与生产力关系**
散点图显示农场规模与每公顷产量呈逆关系，小型农场（<10 ha）单位面积产量更高，与农业经济学中“逆关系”（IR）一致，可能源于更密集的家庭劳动和更精细的管理。

**4.7 产量分布与样本特征**
生产农场中，平均产量89.68 kg/ha，中位73.72 kg/ha，范围0.33-233.92 kg/ha。零产量占比（54.9%）验证了双障碍方法的必要性。

**4.8 障碍1：空间自回归probit模型（生产参与）**
该模型（MCMC估计，ρ=0.698, p<0.001）显示，2021-22年项目覆盖（β=2.117, p<0.001）、农户辅导（β=0.305, p=0.004）、先前FDP参与（β=0.530, p=0.002）和农场测绘（β=0.294, p=0.006）显著提高生产概率。每树产量（β=0.023, p<0.001）和树密度（β=0.013, p=0.001）正向关联，而农场数量（β=-0.414, p<0.001）和每树豆荚数（β=-0.040, p=0.001）负向关联。性别效应不显著。高空间参数表明邻近农场生产决策相互影响。

**4.9 障碍2：模型选择**
比较OLS、空间滞后模型（SLM）和空间误差模型（SEM），SEM表现最优（AIC=-1,389.8, LogLik=711.90, R2=0.92），拉奥分数检验确认空间误差依赖性（RSerr=815.82, p<0.001），SEM残差莫兰指数不显著（I=-0.016, p=0.858），表明空间依赖被充分捕捉。

**4.10 空间误差模型（条件产量）**
空间误差系数λ=0.690（p<0.001），确认残差中强空间自相关。树密度超弹性系数β=1.290（p<0.001），即树密度增加1%产量增加1.29%，表明农场处于低于最优密度状态。每树产量弹性接近1（β=0.975, p<0.001）。农场规模负向显著（β=-0.029, p<0.001），每增加1公顷产量下降2.8%。2021-22年农场数量负向（β=-0.014, p<0.001）。先前FDP参与负向显著（β=-0.084, p=0.001），可能反映选择偏差。2021-22年项目覆盖边际正向（β=0.045, p=0.097），但敏感性分析显示该系数不稳定。性别、家庭规模等不显著。

**4.11 模型性能与预测精度**
使用Duan's涂抹估计反向变换后，原始尺度R2=0.9207，RMSE=19.10 kg/ha（占均值21.3%），MAE=7.08 kg/ha，预测无偏，验证了模型有效性。

**4.12 诊断检验**
方差膨胀因子（VIF）均低于2.03，无多重共线性。SEM残差莫兰指数不显著，空间依赖被充分捕捉。Breusch-Pagan检验（BP=1.718, p=0.19）表明对数变换成功稳定方差。

**4.13 空间误差模型中的影响观测识别**
识别出59个潜在影响观测（5.0%），其中9个观测的树密度为零，提示测量误差。敏感性分析排除最极端观测（Obs.95）后，核心系数（树密度弹性-0.9%变化，农场规模系数2.4%变化）保持稳健，但2021-22年项目覆盖系数反转（-119.6%变化），应谨慎解释。研究保留所有观测以避免选择偏差。

**4.14 双障碍模型综合比较**
空间参数在两阶段均显著（ρ=0.698, λ=0.690），但机制不同。农场规模在参与阶段正向（β=0.050, p<0.001），在产量阶段负向（β=-0.029, p<0.001），表明规模扩大增加参与概率但降低单位面积效率。2021-22年项目覆盖在参与阶段强正向（β=2.117, p<0.001），在产量阶段不显著，提示仅影响进入决策。先前FDP参与在参与阶段正向（β=0.530, p=0.001），在产量阶段负向（β=-0.084, p=0.001），可能反映选择偏差。

**4.15 管理实践在不同生产阶段的差异效应**
补救措施在两阶段均不显著。农户辅导正向影响参与（β=0.311, p=0.003）但产量阶段不显著。农场测绘正向影响参与（β=0.295, p=0.005）但产量阶段不显著。这些模式表明项目干预主要影响广泛边际而非集约边际。

**4.16 人口因素：有限直接影响**
性别在两阶段均不显著。家庭规模仅在第一阶段显著（β=0.121, p<0.001）。农场数量在第一阶段负向（β=-0.414, p<0.001），在第二阶段不显著。支持基于农场特征而非人口特征的干预策略。

**4.17 相关矩阵**
农场规模与产量相关近乎零（r=-0.02），支持逆关系。树数与产量弱相关（r=-0.07），表明单靠树数无法预测生产力。家庭特征与生产力弱相关。

**结论与讨论**
本研究有三个主要发现：第一，可可产量呈强正空间自相关（Moran's I=0.594），形成7个产量差异超过70%的生产率集群，未观测到的位置特定因素（土壤质量、病虫害历史、推广服务）强烈影响农场表现。第二，农场规模与每公顷产量呈稳健逆关系，小农场（<2 ha）比大农场（>5 ha）生产力高40-60%，符合撒哈拉以南非洲农业的普遍模式。第三，双障碍空间分析揭示生产参与和条件产量受不同过程驱动。树密度超弹性响应（弹性=1.29）是最具政策相关性的发现，表明农场低于最优种植密度，重新种植计划可产生显著产量增益（树密度增加10%产量提升12.9%）。推广项目效果不一，当前覆盖呈边际正向关联，但先前FDP参与呈负向（可能反映选择偏差）。这些结果挑战了生产力缺陷主要源于管理不足的假设，强调空间变化的环境条件和制度支持的关键作用。理论意义在于，忽略地理背景的常规农场层面分析可能将位置特定约束归因于管理决策。实践上，识别出的离散生产率集群为针对性干预提供了空间框架，支持区域特异性策略而非统一国家或区域项目。未来研究应使用面板数据跟踪同一农场跨季节，以区分暂时零产量与结构性非生产，并采用准实验设计评估项目因果效应。