农村产业融合水平测度和阶段识别及驱动机制研究——以青海省为例

Research on the Measurement, Stage Identification and Driving Mechanism of Rural Industrial Integration Levels:Taking Qinghai Province as an Example

摘要

农村产业融合是实现农业农村现代化的关键环节。以青海省为例，通过构建“行为－效益－可持续”的评价指标体系，对农村产业融合系统发展指标进行定量评价，然后基于耦合协调模型和二维分析图谱分析其发展阶段，最后，利用VAR模型定量探究其驱动机制。结果表明：（1）农村产业融合水平呈波动上升态势，实现了从“较差”到“良好”的阶段性转变，子系统间有着共同的发展趋势，但行为系统发展水平严重滞后于效益和可持续系统发展水平。（2）农村产业融合系统间的关联度极高，耦合协调度均从“中度失调”发展至“基本协调”，其发展阶段处于“低耦合－低融合”阶段，时序上呈现出向“高耦合－高融合”发展的趋势。（3）脉冲响应结果表明农村产业融合对于市场驱动的冲击最为敏感，科技驱动和交通驱动的支撑性不够，对教育驱动给予的冲击出现明显的负向响应。（4）方差分解结果表明农村产业融合发展主要由市场驱动的贡献率决定，属于利益驱动型的产业融合发展。总的来说，农村产业融合是以政府驱动和环保驱动为引领，市场驱动、教育驱动、科技驱动和交通驱动共同作用的结果。

Abstract

Rural industrial integration is a key link in the modernisation of agriculture and rural areas. Taking Qinghai Province as an example, we quantitatively evaluated the development indicators of the rural industrial integration system by constructing a“behaviour-benefit-sustainable” evaluation index system, then analysed its development stages based on the coupled coordination model and two-dimensional analysis mapping, and finally quantitatively explored its driving mechanism using the VAR model. The results show: (1) the level of rural industrial integration was increasing with fluctuation, and achieved the transition from “poor” to “good”, and there was a common development trend among the subsystems, but the development level of the behaviour system was seriously lagging behind that of the efficient and sustainable system. (2) The degree of correlation between rural industrial integration systems was extremely high, and the degree of coupling coordination developed from 'moderate dissonance' to 'basic coordination'. Its developmental stage was at the stage of 'low coordination - low level', and the time sequence showed a tendency to develop towards 'high coordination - high level'. (3) The impulse response results showed that rural industrial integration was most sensitive to market-driven shocks, with insufficient support from the science and technology and transport drivers, and an apparently negative response to education-driven shocks. (4) The results of variance decomposition showed that the development of rural industrial integration was mainly determined by the contribution rate of market-driven, and belonged to the benefit-driven industrial integration development. In general, the integration of rural industries was the result of joint actions driven by market forces, education, technology and transportation, and guided by government policies and environmental protection initiatives.

Graphical abstract

关键词

农村产业融合 / 水平测度 / 分析图谱 / VAR模型 / 青海省

Key words

Rural industrial integration / Level estimation / Analysis map / VAR model / Qinghai Province

工业革命后，全球经济和社会飞速发展，农村地区由于缺乏相关的产业支撑，资源要素快速涌入城市，相继出现社会关系失衡、价值观念偏差、文化信仰失调等问题^[1]。实践表明，农村产业融合作为一种新型的产业发展模式，在宏观层面能够推动地区经济发展、促进城乡一体化、提升国家竞争力，促进社会和谐稳定，在微观层面能够提高个体和家庭的就业水平、收入水平以及创业创新能力。但目前，农村产业融合发展仍处于起步和探索阶段，农村地区产业发展环境的脆弱性仍较突出，由此带来的诸多问题和挑战不容忽视^[2]。因此，如何科学评价农村产业融合水平、判断发展阶段、明晰驱动机制，探索切实可行的融合路径，是当前和今后必须予以跟进研究的重大理论与现实问题。

农村产业融合的理念源自Schultz于1964年提出的农业工业化发展理论，而后由日本学者今村奈良臣率先将其应用于解决农业农村发展问题。他提出“第六产业”概念，主张加强农业、林业、渔业等传统产业与服务业的融合^[3]。此后众多学者对于农村产业融合的内涵基本达成共识：农村产业融合以农业为基础，通过三次产业之间各类资源要素和市场主体的循环流动、加速融合^[4,5]，进而发挥农村产业的潜力和优势，形成集约化、多元化和高效化的产业发展模式^[6-8]。在水平测度方面，熵值法^[9]、赫芬达尔系数法^[10]、因子分析法^[11]等被广泛用于农村产业融合的水平测度。在阶段识别方面，学者们主要从宏观的角度探讨农村产业融合发展的时间节点，对于农村产业融合发展过程中微观阶段识别的研究少之又少。在驱动机制方面，Wang和Shen选取相关影响因素，运用结构方程模型定量测算农村产业融合的发展情况，进而分析融合背后的内在驱动力^[12,13]，更多的学者则是从单个因素^[14]或定性分析^[15]的视角分析农村产业融合的驱动机制。

上述文献梳理表明，现有文献从农村产业融合的内涵界定、评价方法选择、发展阶段判别和影响因素分析等方面的研究，取得了较为丰富的成果。但目前较多的研究侧重于衡量农村产业融合的水平和影响因素，很少有学者基于数据和模型的角度探究其发展阶段和驱动机制，可能无法有效地提出政策建议。鉴于此，本文以青海省为例，主要目的是充分探究农村产业融合的构成要素及相互关系，进而探究其发展的水平、阶段和驱动机制。本文可能的贡献主要体现在以下几点：一是基于现状、结果和未来3个层面构建农村产业融合的指标体系，并运用客观的方法对其进行水平测度。二是搭建农村产业融合的理论分析框架，明确各系统间协调发展才能实现农村产业融合的全面发展，并提供识别发展阶段的分析图谱。三是发挥VAR模型分析和预测相互联系的时间序列系统的优势，定量探究农村产业融合的驱动因素和驱动机制。

1 农村产业融合机理

农村产业融合发展是以农业为基础和根本产业，通过横向和纵向与二、三产业进行融合和拓展，将先进的生产方式、组织形态和利益联结机制等引入农业发展过程中，以实现农业发展、农民增收和农村繁荣的目标。农村产业融合的要素投入和可持续的生产方式可以为行为和效益提供基础和保障，推动农业产业链的双向延伸、农业多重功能的不断拓展，带来经济社会效益的稳步增长、生态红利的持续释放，最终实现农村产业融合总体发展水平提高、农业竞争力明显提升、农民收入显著增加和农村活力大幅增强等融合效应。

农村产业融合行为可解释为农村地区一二三产业深度融合，形成新的产业形态和商业模式，促进农业现代化，推动农村经济社会发展的过程。具体可分为三大融合类型（表1）。农村产业融合行为直接为农村地区带来经济效益和社会效益，能够体现农村产业融合发展的结果。农村产业融合需要资金、技术的不断投入和环境保护力度的不断加强，以保证其未来的发展空间，故而可持续性体现了发展准则、目标和策略^[16]。行为、效益和可持续3个系统相辅相成，分别体现农村产业融合发展的现状、结果和未来3个层面。

农村产业融合发展受到多个要素的长期综合作用的影响，其本质上是各系统协调发展的结果。为克服传统农村产业融合研究偏重现状与结果、忽视内部协同性的局限，本文引入系统耦合协调度模型评估其发展水平。如图1所示，农村产业融合系统包含行为过程、效益产出及可持续性三大子系统。其中，原点O（0,0,0）与理想点A（1,1,1）分别表征发展的起点与终极目标，连接两点的向量OA则代表理想的协调发展路径。该路径强调经济行为、综合效益与可持续能力必须同步演进，任意子系统的滞后都将破坏整体协调性，致使发展偏离最优轨道并引发一系列问题。换言之，某地区第t年的农村产业融合发展水平，并非直接取系统状态向量Ot的模值（即传统加权求和的结果），而应定义为Ot在耦合协调发展方向向量OA上的投影分量Ot’的模值^[19]。

2 研究设计

2.1 指标体系构建

遵循指标体系的科学性、系统性、数据可获得性和特色性原则，一方面借鉴文献梳理中相关文献的指标，继续检索现有被引用和下载量较高的文献，选取出现频次高的评价指标；另一方面通过德尔菲法向青海省高校和相关政府部门的专家征求指标选取意见，增加具有青海特色的评价指标，最终形成行为、效益和可持续3个维度、12个目标层和24个具体指标的青海省农村产业融合发展评价指标体系。指标权重由熵值法计算得出，综合评价值及子系统评价值由综合指数法得出。关于农村产业融合评价指标体系，众多学者展开了深入探讨。控制层指标的选取观点较为一致，基本包括农业产业链延伸、农业多功能拓展、农民增收与就业等维度^[10,11,20]，在指标层的选取方面，由于区域异质性与数据获取难度等因素，不同学者进行了适度调整。本研究中系统层的指标设置借鉴了Chai等人的研究^[16]，将可持续性纳入农村产业融合的量化分析，然后基于上述农村产业融合机理以及学者们对评价指标的共性认知，从产业链延伸等6个维度进行农村产业融合水平的测度^[12,16,21]（表2）。

2.2 研究方法

2.2.1 熵值法

熵值法的核心在于通过收集的大量数据，依据其内在的离散程度（信息熵）自动计算各指标权重^[22]。这种方法规避了主观赋权的偏差，完全由数据的客观规律驱动，从而确保了整个评估体系的科学性和赋权结果的客观性。

第一步，对数据进行标准化处理：

x{\mathrm{\text{'}}}_{ij}=\left\{\left(x_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}\right)/\left(\mathrm{m}\mathrm{a}\mathrm{x}{x}_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}\right)\left(x_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}\right)/\left(\mathrm{m}\mathrm{a}\mathrm{x}{x}_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}\right)\right.(1)

第二步，确定指标的熵值：

P_{ij}=r_{ij}/{\displaystyle \sum _{j=\mathrm{1}}^n}{r}_{ij}；e_i=-\theta {\displaystyle \sum _{j=\mathrm{1}}^n}{P}_{ij}\mathrm{*}\mathrm{l}\mathrm{n}{P}_{ij},\theta =\frac{\mathrm{1}}{\mathrm{l}\mathrm{n}n}(2)

第三步，计算指标权重：

W_i=\mathrm{1}-e_i/{\displaystyle \sum _{i=\mathrm{1}}^m}\left(\mathrm{1}-e_i\right)(3)

最后，计算指标体系的综合评价值：

U_v={\displaystyle \sum _{j=\mathrm{1}}^n}{r}_{ij}\mathrm{*}{W}_i,v=\mathrm{1,2},\mathrm{3}(4)

其中，原始数据值为x_ij，标准化值x’_ij 基于历年极值 maxx_ij 和minx_ij 计算得出。为满足熵值法对非零数据的要求，引入微小平移量a构造新序列rij=x’_ij+a，a需取极小正数（典型值为0.0001），其作用仅限于消除零值，同时最大程度保留原始标准化数据x’_ij 的结构特征。参照相关文献[23]并根据研究实际，本文将农村产业融合水平划分为5个阶段：起步（0 < U ≤ 0.2）、较差（0.2 < U ≤ 0.4）、中等（0.4 < U ≤ 0.6）、良好（0.6 < U ≤ 0.8）和优质（0.8 < U ≤ 1）。

2.2.2 耦合协调模型

源于物理学的“容量耦合”理论模型，现已延伸至多学科领域，用以刻画复杂系统内部要素间的动态交互作用机制，核心价值在于揭示了系统自组织过程中由无序态向有序态演进的内在规律^[24]。农村产业融合内部生产、生活和生态3个子系统存在一定的关联性，能够互相影响和作用，基于耦合原理构建农村产业融合内部3个系统及两两系统的耦合度模型^[25]：

C=\mathrm{3}\times {\left\{\frac{U_{\mathrm{1}}\times U_{\mathrm{2}}\times U_{\mathrm{3}}}{U_{\mathrm{1}}+U_{\mathrm{2}}+U_{\mathrm{3}}}\right\}}^{\mathrm{1}/\mathrm{3}}(5)

C_{\mathrm{1}}=\mathrm{2}\times {\left\{\frac{U_{\mathrm{1}}\times U_{\mathrm{2}}}{U_{\mathrm{1}}+U_{\mathrm{2}}}\right\}}^{\mathrm{1}/\mathrm{2}}; C_{\mathrm{2}}=\mathrm{2}\times {\left\{\frac{U_{\mathrm{1}}\times U_{\mathrm{3}}}{U_{\mathrm{1}}+U_{\mathrm{3}}}\right\}}^{\mathrm{1}/\mathrm{2}}; C_{\mathrm{3}}=\mathrm{2}\times {\left\{\frac{U_{\mathrm{2}}\times U_{\mathrm{3}}}{U_{\mathrm{2}}+U_{\mathrm{3}}}\right\}}^{\mathrm{1}/\mathrm{2}}(6)

其中，C（0 ≤ C ≤ 1）为农村产业融合子系统的耦合度，值越大表明子系统间的关联性越大。U₁、U₂和U₃分别表示行为系统、效益系统和可持续系统的综合指数值。

耦合度用于表示农村产业融合行为、效益和可持续系统耦合关系的强弱，但无法表示耦合作用的水平高低，所以需要引入协调度，共同构成耦合协调模型：

D={\left(C\mathrm{*}T\right)}^{\mathrm{1}/\mathrm{2}}; T=\alpha U_{\mathrm{1}}+\beta U_{\mathrm{2}}+\gamma U_{\mathrm{3}}(7)

T_{\mathrm{1}}=\alpha U_{\mathrm{1}}+\beta U_{\mathrm{2}}; T_{\mathrm{2}}=\alpha U_{\mathrm{1}}+\gamma U_{\mathrm{3}}; T\mathrm{3}=\alpha U_{\mathrm{2}}+\gamma U_{\mathrm{3}}(8)

其中，D为耦合协调度，T为系统综合协调指数，α、β和γ分别为农村产业融合行为系统、效益系统和可持续系统的待定系数，U₁、U₂和U₃分别表示行为系统、效益系统和可持续系统的综合指数值。在参照相关专家意见的基础上，考虑到3个子系统对于农村产业融合发展同等重要，所以取α=β=γ=1/3。参照相关文献[26]并结合研究实际，将农村产业融合耦合协调状态划分为5种类型：严重失调（0 < C ≤ 0.2）、中度失调（0.2 < C ≤ 0.4）、基本协调（0.4 < C ≤ 0.6）、中度协调（0.6 < C ≤ 0.8）和高度协调（0.8 < C ≤ 1）。

2.3 数据来源与处理

本文借助青海省2010-2022年的面板数据，研究农村产业融合发展的水平、阶段和驱动机制。数据主要来源于《青海统计年鉴》《中国农业年鉴》《中国休闲农业统计年鉴》《中国农产品加工业年鉴》和《中国工业统计年鉴》。数据由直接观测值和计算推导值构成，利用SPSS的缺失值填补功能（线性内插法+邻近点线性趋势法）处理了少量缺失数据，解决了数据不连续性的问题，为后文分析提供了数据基础。

3 结果与分析

3.1 农村产业融合水平测度

从综合指数结果来看（图2），青海省农村产业融合水平呈波动上升趋势，实现了从“较差”水平（0.2727）到“良好”水平（0.7782）状态的转变，于2016年首次达到“中等”水平，也体现了政策导向对于农村产业融合发展的重要作用（2015年农村产业融合在我国中央“一号文件”中首次被提出）。行为系统发展极为缓慢，仅从“较差”水平（0.3624）发展至“中等”水平（0.5079），严重滞后于效益和可持续系统，这体现出青海省农村产业融合在农业产业链延伸和农业多功能拓展上存在短板。效益系统从“起步”水平（0.0759）发展至“优质”水平（0.8905），体现出农村产业融合确实能够释放多重效益，并且反向推动农村产业融合整体发展。可持续系统从“较差”水平（0.3799）发展至“优质”水平（0.9363），得益于我国提出绿色发展理念及生态文明建设，农村产业融合的可持续性不断巩固。

3.2 农村产业融合阶段划分

从农村产业融合系统的耦合度来看（表3），各系统间的耦合度均处于较高水平，这表明行为、效益和可持续系统相互依赖的程度高、相互作用的关系强。从农村产业融合系统的耦合协调度来看，系统间耦合协调度均呈现波动式缓慢上升的趋势，但协调水平不高。系统间协调水平均由“中度失调”发展至“基本协调”，但“效益－可持续”系统间的耦合协调水平明显高于“行为－效益”和“行为－可持续”系统，其原因也是由于各子系统的发展水平不同，即行为系统的发展严重滞后于效益和可持续系统。

鉴于农村产业融合程度与耦合协调度之间存在显著的协同演进关系，本文整合既有理论框架^[24]，构建了融合水平－协调度双维分析图谱（图3），旨在系统识别评价期内各年份农村产业融合的动态过程及其阶段性演进特征。

以评价期内各年份农村产业融合水平与耦合协调度两个维度构建象限图，选取发展水平和耦合协调度的均值插入辅助列（即为图中圆点），以该点分别做X轴和Y轴的误差线，即可得到较为合理的象限。4个象限含义依次为：高耦合－高融合、低耦合－高融合、低耦合－低融合以及高耦合－低融合（图3）。观测结果表明（图4），农村产业融合程度与耦合协调度之间存在显著的正向关联。2010 - 2018年均处于“低耦合－低融合”的阶段，此阶段农村产业融合的要素和机制并不健全，融合水平和耦合协调度均较低。2019 - 2022年处于“高耦合－高融合”的阶段，此时农村产业融合表现出良好的产业联动性，整体水平和协调水平也处于评价期内较高的层次。发展阶段在时序上呈现出“高耦合－高融合”的发展趋势，表明在中央和地方的政策支持下，农村产业融合系统趋于健全，融合效益和融合可持续能力逐渐凸显，并不断作用于融合行为，使得农村产业融合发展日益向好。

3.3 农村产业融合驱动机制

3.3.1 驱动因素的选取

根据青海省农村产业融合发展的耦合协调实际情况，同时基于数据的可获得性，选取以下6个指标作为耦合协调度的影响因素：政府驱动GOV^[20]（农业支出占财政支出比重）、环保驱动ENP^[27]（环保支出占财政支出比重）、科技驱动TEC^[28]（农业重大科技成果占比）、教育驱动EDU^[29]（农村居民平均受教育年限）、市场驱动MAR^[12]（农村人均消费水平）、交通驱动TRA^[30]（农村公路网密度）。选取各驱动力2010－2022年的数据作为模型的自变量，耦合协调度（RII）作为因变量，利用Eviews9.0构建多元回归模型。为了解决变量之间存在的共线性和异方差等问题，在不改变原序列的性质和相互关系的基础上，对所有变量进行取对数的处理^[31]。

3.3.2 模型的构建与检验

（1）单位根及协整检验

为避免时间序列不平稳性导致的伪回归现象，本文选择ADF检验对各变量做单位根检验（表4），判断各变量在时间序列上是否平稳，在实际操作过程中，根据AIC、SC和HQ的最小值准则选择合适的结果，认为5%显著性水平之内的为平稳序列。协整关系揭示了变量间存在的长期均衡关联，本文基于E-G两步法原理，重点对回归模型的残差序列进行平稳性检验，选择无截距项、趋势和截距项的方法。从结果来看，各变量在时间序列上是平稳的，得到的伴随概率（ECM）在5%的水平上显著，所以我们认为残差序列不含单位根，各变量之间存在协整关系。

（2）构建误差修正模型

存在协整关系的基础上，根据格兰杰定理，协整关系可用ECM来表示，由分析结果可知（表5），误差修正模型为：

\mathrm{\Delta }\mathrm{l}\mathrm{n}RI{I}_t=-\mathrm{0.0435}-\mathrm{1.0379}\mathrm{\Delta }\mathrm{l}\mathrm{n}ED{U}_t+\mathrm{0.3158}\mathrm{\Delta }\mathrm{l}\mathrm{n}MA{R}_t-\mathrm{0.1788}\mathrm{\Delta }\mathrm{l}\mathrm{n}TE{C}_t+\mathrm{2.1808}\mathrm{\Delta }\mathrm{l}\mathrm{n}TR{A}_t-\mathrm{0.4429}EC{M}_{t-\mathrm{1}}(9)

式（9）中，ECM_t-1 前的系数为短期调整系数，误差修正项系数为-0.4429，符合反向修正机制，说明农村产业融合偏离均衡水平的差值在下一年有44.29%的可能得到调整；各变量前的系数反映模型的短期动态变化，表示各变量对农村产业融合水平的影响方向和程度。由于变量lnENP和lnGOV加入模型后不显著，所以做剔除处理。

表5的计量结果显示，F检验结果显著，表明所有解释变量集合对lnRII具有显著解释力；t检验结果表明，常数项、lnEDU、lnMAR、lnTEC、lnTRA以及误差修正项ECM的参数估计均显著。模型的决定系数高达0.97，说明其对农村产业融合的拟合效果优良，且D.W.统计量值显示残差不存在一阶序列相关。为确保残差满足经典线性回归假设，从而保证参数估计的有效性，进一步采用LM检验定量诊断残差的序列相关性，并辅以White检验判断其异方差性。结果显示：LM检验T*R统计量3.793 5大于F统计量1.052 8，且其显著性水平0.150 1高于0.05，表示残差不存在序列相关；White检验T*R的伴随概率为0.185 6，显著性水平大于5%，表明残差序列同方差。因此，本文所构建的多元线性回归模型能够得到最优的线性无偏估计量。

（3）VAR模型的构建与检验

本文只需要考虑解释变量对于被解释变量的影响程度，所以借鉴VAR模型的研究思路，以被解释变量和解释变量分别构建方程，用于脉冲响应和方差分解的分析^[32]。

首先是判断模型的稳定性，即AR检验，如果单位根的点都在圆内，表明模型是长期稳定的，反之则表明模型不平稳。从图5可以看出，4个模型的所有单位根点都位于圆内，其特征根的模长均小于1，表明模型是平稳的，且拟合程度较好，这体现了lnRII与lnEDU、lnMAR、lnTEC、lnTRA的关系是稳定的，说明研究中解释变量对被解释变量的影响具有可行性，后续分析结果可信。

在模型稳定的基础上，选取滞后10期，利用脉冲响应函数分析各解释变量对农村产业融合水平的动态影响（图6）。其中横轴代表冲击周期，纵轴代表响应度，实线是脉冲响应函数，虚线为正负标准差区间。由图6可知，当教育驱动实施冲击后，农村产业融合表现为正负向交替响应状态，且呈现以正向冲击为主并趋于平稳的趋势。由于受教育水平的提升，人们参与农村产业融合的意愿不断增强，从而有利于农村产业融合发展。同时，农村地区的优秀人才存在流向城市寻求更好的发展机会的情况，并且就业结构的变化使得市场需要时间适应，故而会出现短期的负向影响。当市场驱动实施冲击后，农村产业融合表现为明显的正向响应，且在所有变量中的响应程度最高。由于人均消费能力的提高，人们参与农村产业融合的效益逐渐凸显，行为不断丰富，从而有利于农村产业融合发展。当科技驱动实施冲击后，农村产业融合表现为长期的正向响应状态，但其响应程度较低。科技的发展能够促进产业链的延伸、加强融合的可持续性，从而对农村产业融合发展产生较为长期的积极作用。当交通驱动实施冲击后，农村产业融合仅在第2期出现微弱的正向响应后便逐渐下降趋于平稳，可见交通对于农村产业融合有一定的促进作用，未来仍需优化。

方差分解用于将变量的方差拆分为多个部分，研究各变量冲击的相对比例，从而了解各变量对总方差的影响程度和贡献程度。第1列为预测期数，第2列为变量预测误差，其余列为各变量的贡献率（表6）。可以看出农村产业融合受自身影响程度较大，其贡献率从第1期的100%逐渐降至第10期的82.13%，平均贡献率为85.84%；各解释变量第1期的贡献率均为0，均在第2期对农村产业融合产生影响，并在第3期至第10期趋于稳定，教育驱动、市场驱动、科技驱动和交通驱动的平均贡献率分别为：9.01%、44.46%、3.10%和0.07%，按照其均值判断，各解释变量对农村产业融合影响程度依次为：市场驱动、教育驱动、科技驱动和交通驱动。

3.3.3 驱动机制的分析

农村产业融合的驱动因素以及影响程度都已明晰，虽然政府对于农业和环保的财政支出逐年增加，但是二者在总财政支出中的占比处于平稳甚至下降状态，导致两个变量未能通过模型的显著性检验，但就我国而言，二者依旧是农村产业融合不可或缺的驱动因素。政府驱动通过夯实农村地区基础设施、保障基础产业地位以及增强农业附加值，加速农村产业融合高质量发展；环保驱动通过促进生产方式绿色化和给予公平生态补偿，保障农村产业融合可持续发展；市场驱动旨在促进农民持续增收、缩小城乡收入差距，推动农村产业融合普惠发展；教育驱动能够激发内生发展动力，赋能农村产业融合内生发展；科技驱动作用于提高农业资源利用效率和加速产业规模化进程，支撑农村产业融合高效发展；交通驱动改善了农村地区获取资源的通道和产业投资环境，优化农村产业融合空间发展。综上所述，6个驱动因素共同形成了农村产业融合的驱动机制（图7）。

4 结论与讨论

4.1 结论

（1）青海省农村产业融合整体水平呈波动上升趋势，实现了“较差”到“良好”状态的转变，但整体水平尤其是行为系统发展水平不高，亟须优化发展。农村产业融合水平与耦合协调度呈现明显的正相关性，大部分年份属于“低耦合－低融合”阶段，时序上呈现出向“高耦合－高融合”的发展趋势。

（2）从脉冲响应结果看，农村产业融合对市场驱动给予的冲击响应最为明显且持续性最强，对科技驱动和交通驱动给予的冲击正向响应微弱，对教育驱动给予的冲击短期出现明显的负向响应。

（3）从方差分解结果看，农村产业融合主要由市场驱动的贡献率决定，属于利益驱动型的融合发展，各个解释变量对农村产业融合影响的贡献程度的排序为：市场驱动＞教育驱动＞科技驱动＞交通驱动。

（4）农村产业融合在促进农村经济多元化发展、提高农产品附加值、优化资源配置和推动城乡协同发展等方面发挥着重要作用，与区域内多因素密切相关。总的来说，以政府驱动和环保驱动为引领，市场驱动、教育驱动、科技驱动和交通驱动共同作用，才能实现农村产业融合可持续发展。

4.2 讨论

传统研究构建的理论框架通常集中于三大产业的孤立分析或融合策略与短期效益，对可持续性关注不足。本文尝试将可持续发展理念嵌入理论框架，以期在解析融合现状与成效的基础上，拓展其长远发展的可能路径。研究发现，青海省农村产业融合中的行为系统发育显著滞后，与Hao^[21]对西部地区农业产业链延伸不足的观察相符，反映出青海省仍以初级农产品生产为主导，农业企业普遍呈现“小、散、弱”的特征，基础设施、交通条件和科技水平也与东中部存在较大差距。值得关注的是，效益系统与可持续系统呈稳步上升趋势，表明产业融合已初步释放红利，并受益于国家绿色战略与生态政策的宏观支撑^[33]。进一步分析发现，系统间耦合协调程度仅处于“基本协调”，且以“低耦合－低融合”类型为主，与Wu^[34]结论一致。这一局面与青海生态功能定位密切相关——近90%的国土为限制或禁止开发区域，虽然有力保障了生态安全，却也制约了农业现代化与工业积累，从而难以支撑更高层次的产业融合。从驱动机制看，市场、教育、科技与交通因素表现出长期正向影响，这与已有研究^[12,13]保持一致。但教育因素在短期内可能呈现负向脉冲响应，其原因在于高技能劳动力更倾向于流向回报较高的非农部门^[35]，导致农村人力资本流失；随着融合进程推进与产业边界重构，预计这一趋势将逐步逆转。

未来应持续加强基础设施与内生动力培育，推进科技平台搭建、交通网络优化与现代职业教育体系建设，同时创新多元利益联结模式，例如订单协作、股份合作等机制，强化不同主体间的协同与合作。在研究方法层面，后续可致力于构建更系统、动态的评价体系，如引入系统仿真模型追踪多要素演化路径，强化生态效益、社会公平等维度的指标设计，并探索融入空间分析手段，揭示区域异质性与集聚效应，从而提升研究的解释力与预测效能。

参考文献

[1] Fiúza A, Carvalho A, Pinto N. Living in the city and producing in the countryside: the growth of a new type of farmer and agriculture in Brazil[J]. Ciência Rural, 2022, 53(7): e20220004.

[2] 马仁锋,刘丽东,张文忠,等.高原城市拉萨农牧业可持续发展影响因素与优化路径[J].高原农业,2023,7(03):324-335.

[3] Heo J, Kim Y. Analysis of Priorities of the 6th Industrialization Policies for Agriculture through AHP[J]. Journal of Korean Society of Rural Planning, 2016, 22(1): 113-120.

[4] 张来武.产业融合背景下六次产业的理论与实践[J].中国软科学,2018,329(05):1-5.

[5] 姜长云.推进农村一二三产业融合发展 新题应有新解法[J].中国发展观察,2015,000(002):18-22.

[6] 马晓河.推进农村一二三产业深度融合发展[N].农民日报,2015-02-10.

[7] 国家发展改革委宏观经济研究院.产业融合:中国农村经济新增长点[M].北京:经济科学出版社, 2016:04.

[8] 梁伟军.农村产业融合发展推进乡村振兴[N].中国社会科学报,2019-07-09.

[9] 朱长明.中国农村产业融合发展质量测度及其驱动因素分析[J].技术经济与管理研究,2022,(07):112-117.

[10] Wang J, Peng L, Chen J, et al. Impact of rural industrial integration on farmers' income: Evidence from agricultural counties in China[J]. Journal of Asian Economics, 2024, 93: 101761.

[11] 谭燕芝,姚海琼.农村产业融合发展的农户增收效应研究[J].上海经济研究,2021,(09):91-102.

[12] Wang R, Shi J, Hao D, Liu W. Spatial–Temporal Characteristics and Driving Mechanisms of Rural Industrial Integration in China[J]. Agriculture, 2023, 13(4): 747.

[13] Shen Y, Sargani G, Wang R, et al. Unveiling the Spatio Temporal Dynamics and Driving Mechanism of Rural Industrial Integration Development: A Case of Chengdu - Chongqing Economic Circle, China[J]. Agriculture, 2024, 14(6): 884.

[14] 章刘成,田昕加,夏萍.数字经济背景下乡村产业融合发展研究[J].商业研究,2024,(02):84-92.

[15] 曹哲,邵旭.我国农村一二三产业融合发展的动力机制研究[J].西南金融,2023,(04):57-70.

[16] Chai Q, Li X. Research on Integration Development Paths of Primary, Secondary and Tertiary Industries from the Perspective of Agricultural Ecology[J]. Ekoloji Dergisi, 2019,28(107):3551-3556.

[17] 郭东阳.农业产业融合方式研究[J].经济师,2016(12):10-11+14.

[18] 郭军,张效榕,孔祥智.农村一二三产业融合与农民增收:基于河南省农村一二三产业融合案例[J].农业经济问题,2019,471(03):135-144.

[19] Ye S, Ge Y, Xu S, et al. Measurement and prediction of coupling coordination level of economic development, social stability and ecological environment in Qinghai - Thoughts on sustainable societal safety[J]. Sustainability, 2022, 14(17): 10515.

[20] Li J, Liu H, Chang W Y. Evaluating the Effect of Fiscal Support for Agriculture on Three-Industry Integration in Rural China[J]. Agriculture, 2024, 14(6): 912.

[21] Hao H, Liu C, Xin L, et al. Measurement and Dynamic Trend Research on the Development Level of Rural Industry Integration in China[J]. Agriculture, 2023, 13(12): 2245.

[22] 逯苗苗,周思思.乡村产业融合发展的空间关联网络及其驱动因素研究[J].商业经济研究,2024,(05):112-116.

[23] Wang J, Xia L, Xie C, et al. The Impact and Mechanism of Rural Industrial Integration Development on Agricultural Green Total Factor Productivity[J]. Polish Journal of Environmental Studies, 2023, 32(6).

[24] 陈红霞,雷佳.农村一二三产业融合水平测度及时空耦合特征分析[J].中国软科学,2021(S1):357-364.

[25] 王成,唐宁.重庆市乡村三生空间功能耦合协调的时空特征与格局演化[J].地理研究,2018,37(06):1100-1114.

[26] Zhang H, Geng C, Cao D, et al. Can high-tech industrial convergence promote green innovation efficiency? Evidence from 30 Chinese provinces[J]. Environment Development and Sustainability, 2024, 26(9): 23579-23611.

[27] Gu J, Zheng J, Zhang J. Research on the coupling coordination and prediction of industrial convergence and ecological environment in rural of China[J]. Frontiers in Environmental Science, 2022, 10: 1014848.

[28] Nath P. Prospects and limitations of agriculture industrialization in Nepal[J]. Agronomy Journal of Nepal, 2016, 4:38-63.

[29] 孙前路,康嘎拉姆.农户兼业化程度对青稞种植技术需求的影响:基于西藏30村678户入户调查数据[J].高原农业,2018,2(05):563-569.

[30] Priyadarshi R, Routroy S, Kant G. Analysis of enablers for vertical integration to enhance rural employability[J]. Journal of Business & Industrial Marketing, 2019, 34(4):690-702.

[31] 张余,姜博,赵映慧.基于VAR模型的广东省土地利用碳排放影响因素研究[J].福建农业学报,2022,37(08):1100-1108.

[32] 刘亚娇.基于VAR模型的新疆棉花产量的短期预测研究[J].高原农业,2024,8(03):342-349.

[33] Wang Y, Tian R. Development of rural regions in China: Evidence of industry integration by the residents of Yongan village (Quanzhou City, China) [J]. Sustainability, 2023, 15(4): 2928.

[34] Wu Y, Tang Y, Sun X. Rural Industrial Integration and New Urbanization in China: Coupling Coordination, Spatial–Temporal Differentiation, and Driving Factors[J]. Sustainability, 2024, 16(8): 3235.

[35] Li L. Study on the Impact of Industrial Structure and Dual Economic Structure Changes on the Urban Rural Income Gap[J]. Stat. Decis, 2014, 414: 103-106.

基金资助

国家社会科学基金西部项目“高寒特色农牧业区域公用品牌力与小农户现代化发展相关性研究”(21XGL013)