EN中文

Economic geography >

2024 , Vol. 44 >Issue 4: 161 - 170

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.04.017

Measurement，Regional Decomposition and Spatiotemporal Convergence of Rural Revitalization Level in Urban Agglomerations of China

  • SHI Yutang , 1 ,
  • WANG Xiaodan , 1, ※ ,
  • LIU Da 1 ,
  • CHEN Kaixuan 1 ,
  • WANG Shuyao 2
Expand
  • 1. Business School，Northeast Normal University，Changchun 130024，Jilin，China
  • 2. School of Economics，Liaoning University，Shenyang 110036，Liaoning，China

Received date: 2023-09-11

  Revised date: 2023-12-30

  Online published: 2024-09-12

Fold

Abstract

Based on the panel data of prefecture-level cities from 2010 to 2022,this paper constructs a comprehensive evaluation index system of rural revitalization level according to the connotation of rural revitalization strategy,and uses the entropy method to measure the comprehensive index of rural revitalization level and development index of various dimensions of China's 10 major urban agglomerations. Based on Dagum Gini coefficient,kernel density estimation,Markov chain and SDM model, it investigates the sources and contributions of differences in rural revitalization level of urban agglomerations,and analyzes its distribution dynamics,evolution trend and spatial β convergence. The results show that: 1) The overall level of rural revitalization and development of urban agglomerations is not high,and the regional characteristics are not balanced. 2) In each dimension,the index of living affluence develops well,while the index of effective governance develops slowly. 3) Inter-regional differences are the main sources of regional differences in urban agglomerations. The regional differences among urban agglomerations show a gradually decreasing trend,and the spatial polarization phenomenon is more serious. Except for the Pearl River Delta urban agglomeration,the probability of upward transfer of rural revitalization development level in other urban agglomerations is smaller than the probability of downward transfer. 4) There is a trend of absolute β convergence in rural revitalization in China. Compared with absolute β convergence,conditional β convergence slows a down trend during the study period. Therefore,it should improve the rural revitalization level of urban agglomerations,pay more attention to the coordinated development of urban agglomerations.

Key words： urban agglomeration; rural revitalization; measurement; regional decomposition; spatiotemporal convergence

Cite this article

SHI Yutang , WANG Xiaodan , LIU Da , CHEN Kaixuan , WANG Shuyao . Measurement，Regional Decomposition and Spatiotemporal Convergence of Rural Revitalization Level in Urban Agglomerations of China[J]. Economic geography, 2024 , 44(4) : 161 -170 . DOI: 10.15957/j.cnki.jjdl.2024.04.017

推进乡村振兴、促进城乡区域协调发展是构建新发展格局的必然要求。长期以来，城乡二元经济结构掣肘农村与城市均衡发展[1]，随着新型城镇化、工业化高速推进，农村人口、资金和土地等生产要素纷纷单方向涌向城市，导致农村空心化、老龄化、土地荒芜、村庄衰败等问题日益严重，部分地区由此患上了严重的“乡村病”。此外，日益严峻的城乡区域间经济循环不畅，供需结构错位，乡村有效供给能力不强等问题导致乡村发展任务发生转变。为此党的十九大作出了“乡村振兴”的重大决策部署。然而，我国农业人口众多，农业基础薄弱，城乡差距较大，区域发展不平衡，实施乡村振兴目标任务艰巨，困难重重。因此，在贯彻落实乡村振兴战略的新时代背景下，通过构建科学的评价指标体系，厘清乡村振兴发展水平空间差异及来源，探究乡村振兴发展水平分布动态与演进趋势，对于衡量乡村振兴实施效果、制定更加科学有效的政策、全面推进乡村振兴战略具有重大的现实意义与理论价值。
作为城市化衍生的高级空间组织形态，城市群是区域经济发展的核心增长极，也是乡村振兴与经济可持续发展的重要地域单元，兼具市场活力与创新潜力。随着基础设施的日益完善和信息化的迅猛发展，城市集群逐步呈现出多中心化发展趋势。在城市集群分工协作中，乡村的积极参与使其逐渐从生产要素的提供者转变为交流者。各城市群作为经济活跃、开放程度高、创新能力强的区域，对于构建新发展格局至关重要，在乡村振兴方面走在全国前列，其乡村振兴实施情况对全国具有显著示范效应。高质量新型城镇化的核心在于城乡一体化发展和乡村振兴的推进，在宏观政策引导下，评估各城市群乡村振兴实际水平及其动态演化趋势，有助于彼此之间取长补短，有助于积累经验供全国其他地区借鉴参考，对于全面推动乡村振兴和系统解决城乡发展不平衡具有重要的理论价值和实际意义。
早在乡村振兴战略提出之前，乡村振兴的相关研究已有较多，但大多集中在乡村可持续发展、乡村建设与复兴、乡村转型等方面[2⇓⇓-5]。1960年代，发达国家在工业化进程的带动下，出现了乡村衰退的现象，由此乡村复兴运动如火如荼地展开。1970年代，由于城市化发展过快，部分亚洲国家出现了城乡不平衡等一系列问题，纷纷寻求与之相适应的乡村振兴之路。在乡村发展评估方面，乡村发展水平普遍采用乡村性指数来衡量，Cloke等率先提出一个涵盖人口与就业、住房区位等多维度乡村性评估体系[6]。此后，乡村性指数内容得到进一步充实，并逐步成为测度乡村发展水平的主要工具[7-8]，成为公共部门及组织制定相关政策的参考依据。
国内乡村振兴研究主要聚焦于乡村振兴的科学内涵、政策解读、实现路径及影响因素等方面。就其科学内涵而言，正确理解“20字”方针的科学内涵和内在联系，厘清其与新型城镇化发展战略的逻辑关系，在城乡融合、城乡一体化发展框架下实现农业农村现代化[9⇓⇓-12]，已成为学术界的共识。关于其实现路径，将处理好城乡关系作为基本前提，激发内生动力作为内在核心，政府发挥引领作用，发挥农民参与主体的作用；立足乡村实际情况，因地制宜、分类施策，避免抽象地照抄照搬，避免出现千村一面、乡村景观城市化等情况[13-14]。而其影响因素，大致可分为政府、精英群体、基层党组织、社会工作者等主体因素[15⇓⇓-18]和土地、信息科技、制度供给、社会资本、乡村教育等客体因素[19⇓⇓⇓⇓-24]。
在乡村振兴测度方面，现有研究对测度指标确定、方法选取、时间及空间尺度等存在显著差异。在测度指标方面，构建指标体系时多围绕政策文件中的“20字方针”进行，但对于二级指标的选择存在差异[25⇓-27]；部分学者基于政策方针的某几个方面[28]，或者基于对乡村振兴内涵的理解，也有的基于产业、文化、生态、人才及组织振兴5个维度，还有的基于人民生活、产业兴旺、城乡治理、基础设施等方面构建指标体系；此外，“4+x”评价体系也是一种常用的构建方式[29-30]。在测度方法方面，主要采用专家调查法和层次分析法进行评价指标筛选。权重确定的方法可分为客观赋权法、主观赋权法及综合赋权法，评价结果计算方法主要包括综合指数法、层次分析法、因子分析法、主成分分析法、多级模糊评价、均方差权值法、灰色关联度法和集对分析方法等。在空间维度上，现有研究主要涵盖了全国、省份以及个别村庄。而在时间维度上，大部分研究者关注的是某一时间节点的乡村振兴状况，少数研究对同一地区的某一时期进行评估，鲜有围绕各区域较长一段时期进行测度研究[31]。
本文以城市群为切入点，依托政策体系、理论与现实依据，围绕“产业兴旺、生态宜居、乡风文明、治理有效、生活富裕”总要求，基于2010—2022年中国地级及以上城市面板数据构建包含5个一级指标和25个二级指标的综合评价指标体系，采用熵值法测度城市群乡村振兴发展水平并对子系统指数的发展特征进行分析，对各城市群乡村振兴发展过程中存在的问题及发展现状进行客观、全面的了解，为推动乡村振兴区域平衡发展提供借鉴参考。

1 研究区、指标体系及测度

1.1 研究区概况

作为未来区域发展核心空间，参考已有研究[32]，选取我国十大城市群的126个地级及以上城市作为研究对象（表1）。
表1 十大城市群及所辖城市

Tab.1 Cities of Top 10 urban agglomerations

城市群 城市
长三角城市群 上海、南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州、杭州、宁波、嘉兴、湖州、绍兴、温州、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城
山东半岛城市群 济南、青岛、潍坊、烟台、淄博、威海、日照、东营
辽中南城市群 沈阳、大连、鞍山、营口、抚顺、铁岭、丹东、盘锦、本溪、辽阳
中原城市群 郑州、洛阳、许昌、平顶山、新乡、开封、焦作、漯河、济源
关中城市群 西安、咸阳、宝鸡、渭南、铜川、商洛
长江中游城市群 武汉、信阳、黄冈、孝感、九江、岳阳、荆州、黄石、咸宁、荆门、随州、鄂州、长沙、株洲、湘潭、南昌
珠三角城市群 广州、深圳、珠海、佛山、江门、肇庆、惠州、东莞、中山
海峡西岸城市群 福州、泉州、厦门、漳州、莆田、宁德、潮州、汕头、上饶、鹰潭
京津冀城市群 北京、天津、石家庄、保定、唐山、沧州、廊坊、张家口、承德、秦皇岛、邯郸、衡水、邢台
川渝城市群 成都、重庆、德阳、绵阳、广元、宜宾、乐山、泸州、南充、自贡、内江、遂宁、广安、雅安、资阳、巴中、眉山、达州

1.2 区域指标体系构建

指标体系的构建主要依托政策、理论及现实三方面依据。遴选过程如下：首先，就一级指标而言，基于党和政府报告文件中关于乡村振兴内涵的解读，围绕产业兴旺、生态宜居、乡风文明、治理有效和生活富裕展开研究。其次，在二级指标方面，综合考虑既有研究对乡村振兴内涵界定及指标体系构建方面的理论成果，为全面精准测度乡村振兴真实水平，遴选出25个二级指标。最后，在二级指标的衡量选择上，根据具体内涵，考虑数据的可获得性和操作性，确定了二级指标的衡量方法，以提高指标的实用性。
遵循遴选依据，通过熵权法构建区域乡村振兴水平评价指标体系（表2）。
表2 区域乡村振兴水平评价指标体系

Tab.2 Indicator system of rural revitalization level

一级指标 二级指标（单位，属性） 指标解释和计算方法 依据
产业兴旺
F、L		 劳动生产率（元/人，+） 第一产业增加值/乡村总人口 S、F
土地生产率（元/亩，+） 第一产业增加值/农作物总播种面积 S、L[26]
人均机械总动力（kW/人，+） 农用机械总动力/第一产业从业人员 S、L[32]
单位耕地施肥量（t/hm²，+） 农用化肥使用量/农作物总播种面积 S、L[26]
第一产业增加值比重（%，+） 第一产业增加值/GDP L[33]
生态宜居
F、L		 卫生厕所普及率（%，+） 使用卫生厕所的农户数/农户总数 F
自来水普及率（%，+） 使用自来水的农户数/农户总数 L[26,34]
千人村卫生室人员（人/千人，+） 卫生技术人员数/乡村总人口 S、L[33]
绿化覆盖率（%，+） 绿化覆盖面积/乡村总面积 S、L[26]
森林覆盖率（%，+） 森林面积/土地总面积 S、L[36]
乡风文明
F、L		 人均公共图书馆藏量（册/人，+） 公共图书藏量/乡村总人口 L[26]
文化站覆盖率（%，+） 乡镇文化站个数/乡镇总个数 S、L[28,37]
文化教育支出比例（%，+） 文化教育支出额/总消费额 F、L[27]
平均受教育年限（年，+） （文盲数×1+小学人数×6+初中人数×9+高中和中专人数×12+大专及本科以上人数×16）/6岁以上人口总数 S、L[26,34]
电视综合覆盖率（%，+） 拥有电视农户数/农户总数 S、L[32,35]
治理有效
F、L		 一般公共预算支出（亿元，+） 工资福利、商品和服务、资本性支出和其他支出 L[36]
开展村庄整治的比例（%，+） 开展整治的村庄个数/行政村总个数 S、L[32]
有村庄建设规划的比例（%，+） 有建设规划的村庄个数/行政村总个数 S、F
有乡镇总体规划的比例（%，+） 有总体规划的乡镇个数/乡镇总个数 S、F
村民委员会覆盖率（%，+） 村民委员会个数/行政村总个数 S、L[26]
生活富裕
F、L		 养老服务机构（个/万人，+） 养老服务机构数/乡村总人口 L[37]
人均居住面积（m2/人，+） 住宅建筑面积/乡村总人口 S、L[6,32]
城乡居民收入对比（%，-） 城市居民收入/农村居民收入 L[32,28]
恩格尔系数（%，-） 食品支出总额/消费支出总额 S、F
人均可支配收入（元，+） 农村居民可支配收入/家庭常住人口 S、L[6,27]

注：F代表法律政策依据；L代表理论依据；S表示现实依据。

1.3 数据来源

本文采用2010—2022年地级及以上城市面板数据，鉴于数据可获得性与可操作性，剔除西藏及港澳台地区。数据源于《中国城市统计年鉴》《中国人口与就业统计年鉴》《中国城乡建设统计年鉴》《中国农村统计年鉴》，采用线性插值法对部分缺失值进行填补。

2 测度结果分析

2.1 城市群乡村振兴发展时空演变趋势

图1为我国十大城市群乡村振兴综合指数时间演变趋势图。从表3的测算数值可知2010—2022年长三角城市群的乡村振兴发展水平位居首位，珠三角城市群紧随其后，而其他城市群的整体水平相对较低。这说明乡村振兴发展水平在各个城市群之间存在明显的差异，并呈现出梯度的分布态势，整体上可分为3个层级。
图1 2010—2022年城市群乡村振兴综合指数

Fig.1 Comprehensive index of rural revitalization of 10 major urban agglomerations in China，2010-2022

表3 2010—2022年十大城市群乡村振兴综合指数

Tab.3 Comprehensive index of rural revitalization of 10 major urban agglomerations from 2010 to 2022

年份 珠三角 中原 山东半岛 川渝 关中 海峡西岸 京津冀 辽中南 长江中游 长三角
2010 0.400 0.216 0.328 0.278 0.348 0.318 0.308 0.359 0.361 0.415
2011 0.405 0.225 0.360 0.295 0.345 0.327 0.321 0.388 0.393 0.425
2012 0.430 0.229 0.369 0.299 0.357 0.338 0.334 0.385 0.394 0.448
2013 0.431 0.232 0.376 0.311 0.369 0.355 0.343 0.390 0.401 0.453
2014 0.449 0.246 0.373 0.317 0.392 0.361 0.355 0.419 0.423 0.468
2015 0.458 0.259 0.399 0.332 0.399 0.373 0.362 0.422 0.436 0.486
2016 0.479 0.270 0.404 0.332 0.402 0.383 0.369 0.452 0.468 0.496
2017 0.481 0.271 0.421 0.351 0.412 0.382 0.387 0.450 0.472 0.510
2018 0.496 0.283 0.420 0.352 0.413 0.400 0.391 0.467 0.477 0.527
2019 0.511 0.284 0.448 0.367 0.431 0.407 0.403 0.486 0.493 0.537
2020 0.507 0.275 0.467 0.375 0.461 0.413 0.421 0.494 0.499 0.550
2021 0.537 0.288 0.460 0.390 0.455 0.420 0.421 0.499 0.513 0.562
2022 0.552 0.301 0.481 0.411 0.473 0.445 0.434 0.512 0.529 0.585
均值 0.472 0.260 0.408 0.339 0.404 0.379 0.373 0.440 0.451 0.497
样本区内各城市群乡村振兴综合指数年均值介于0.260~0.497之间。其中，长三角城市群每年均值排名稳居首位，明显优于其他城市群，隶属“第一层级”；珠三角城市群与长江中游城市群隶属“第二层级”，年均值均超过0.450；其余城市群年均值从高到低排名如下：辽中南、山东半岛、关中、海峡西岸、京津冀、川渝及中原城市群，乡村振兴发展整体水平偏低，隶属第三层级。此外，十大城市群2010—2022年的乡村振兴综合指数变化趋势在考察期内整体呈现上升态势。其中，长三角城市群上升幅度最大，中原城市群的上升幅度最小。其差异主要源于地理、产业基础、政策支持、人力资源和区域协同发展等多方面因素。就地理优势而言，长三角和珠三角地区地理位置优越，交通便利，为经济发展与乡村振兴提供了良好的支撑；就产业基础而言，这两个地区拥有较强的产业基础，有利于农业现代化和农村产业结构调整；就政策支持而言，政府对乡村振兴的重视和政策扶持，有利于这些地区的发展；就人力资源而言，这两个地区拥有较高的人口密度，人力资源丰富，有利于农业科技创新和推广，为乡村振兴提供了重要的人才支撑；就区域协同发展而言，长三角和珠三角地区在城乡协同发展方面具有较好的一体化机制，有利于乡村振兴。

2.2 城市群乡村振兴分维度发展特征

表4为我国十大城市群2010—2022年乡村振兴各维度综合指数年均值。就产业兴旺维度而言，长三角城市群指标均值最高，珠三角与辽中南次之，中原城市群指标均值最低，表明各城市群产业兴旺存在显著差异。其主要原因在于长三角城市群地理位置优越，经济发展水平高，产业链完整，创新能力强，政策支持力度大；而中原城市群主要是因为其地处内陆，经济发展相对滞后，产业基础相对薄弱。从生态宜居来看，指标均值最高的仍为长三角城市群，指标均值最低的为中原城市群。主要原因在于长三角城市群更加注重生态文明建设，实施绿色发展策略，加强环境保护；而中原城市群在这方面相对滞后，亟需加大生态建设投入，提高环保意识。就乡风文明而言，长三角与珠三角城市群均值远超其他城市群，原因在于其历史悠久，文化底蕴丰厚，民众受教育程度较高，文明素养较好。就治理有效而言，也呈现长三角与珠三角城市群高于其他城市群的态势，原因在于其治理体系完善，政府效能高，民众参与度高，为此其他城市群需加强基层治理体系建设，提高政府服务水平。在生活富裕维度方面也呈现相同态势，长三角与珠三角城市群领先，原因在于其经济发展水平高、就业机会多、收入水平较高，为此其他城市群需加大产业发展力度、提高就业率、促进居民收入增长。总之，各城市群在乡村振兴各维度上的差异主要源于经济发展水平、地理位置、政策支持、文化底蕴、生态环境等多种因素。要缩小各城市群间的差距，需因地制宜，发挥各自优势，加强政策扶持和协作，推动乡村振兴全面发展。
表4 2010—2022年十大城市群乡村振兴各维度综合指数均值

Tab.4 Average value of comprehensive index of rural revitalization in the 10 major urban agglomerations from 2010 to 2022

城市群 产业兴旺 生态宜居 乡风文明 治理有效 生活富裕
珠三角 0.510 0.513 0.679 0.507 0.556
中原 0.262 0.328 0.262 0.258 0.329
山东半岛 0.432 0.450 0.436 0.424 0.485
川渝 0.348 0.390 0.351 0.344 0.409
关中 0.425 0.448 0.430 0.426 0.481
海峡西岸 0.393 0.427 0.400 0.392 0.453
京津冀 0.394 0.425 0.398 0.391 0.451
辽中南 0.472 0.483 0.481 0.471 0.524
长江中游 0.399 0.431 0.404 0.396 0.457
长三角 0.540 0.533 0.548 0.536 0.582

3 城市群乡村振兴发展的区域差异分析

3.1 Dagum基尼系数及分解

依据基尼系数分解法探究城市群乡村振兴发展水平区域差异及来源。区域内贡献 G w、区域间贡献 G n b及超变密度贡献 G t加总得到总系数，关系式为 G = G w + G n b + G t。

3.2 城市群区域差异分析

3.2.1 总体变化趋势

根据基尼系数分解法分析我国十大城市群2010—2022年乡村振兴发展指数。表5结果显示，我国城市群乡村振兴总体基尼系数均值为0.189，大体上呈小幅波动趋势。
表5 十大城市群乡村振兴总体和区域内差异变化

Tab.5 The overall and intra-regional differences in rural revitalization of the top 10 urban agglomerations

年份 总体 长三角 山东半岛 辽中南 中原 关中 长江中游 珠三角 海峡西岸 京津冀 川渝
1 2 3 4 5 6 7 8 9 10
2010 0.193 0.202 0.037 0.098 0.044 0.035 0.086 0.133 0.098 0.213 0.151
2011 0.187 0.207 0.032 0.085 0.049 0.034 0.094 0.127 0.083 0.211 0.134
2012 0.194 0.210 0.038 0.084 0.056 0.044 0.088 0.128 0.100 0.214 0.142
2013 0.189 0.208 0.034 0.089 0.046 0.020 0.095 0.145 0.078 0.205 0.141
2014 0.191 0.213 0.034 0.089 0.058 0.037 0.206 0.113 0.087 0.095 0.139
2015 0.186 0.205 0.030 0.080 0.052 0.033 0.088 0.133 0.095 0.205 0.137
2016 0.191 0.207 0.043 0.089 0.054 0.040 0.092 0.140 0.083 0.209 0.142
2017 0.188 0.206 0.037 0.099 0.052 0.040 0.099 0.140 0.210 0.090 0.130
2018 0.191 0.202 0.036 0.081 0.045 0.032 0.098 0.122 0.094 0.216 0.146
2019 0.190 0.202 0.035 0.087 0.054 0.040 0.103 0.130 0.100 0.214 0.142
2020 0.188 0.201 0.034 0.088 0.052 0.030 0.095 0.134 0.209 0.194 0.129
2021 0.188 0.200 0.036 0.090 0.053 0.023 0.115 0.126 0.086 0.198 0.135
2022 0.187 0.199 0.037 0.089 0.054 0.025 0.109 0.131 0.093 0.197 0.133
均值 0.189 0.205 0.036 0.088 0.051 0.033 0.105 0.131 0.109 0.189 0.139

3.2.2 区域内差异分析

由表5可知，我国十大城市群2010—2022年乡村振兴发展水平区域内呈差异化波动演变趋势。考察期内，长三角城市群区域内差异年均值最高，其次为京津冀、川渝、珠三角、海峡西岸、长江中游、辽中南、中原、山东半岛城市群；区域内差异年均值最低的是关中城市群，远不足长三角城市群的一半。就长三角城市群而言，相较于其他地区，上海、江苏、浙江的乡村振兴得到了更为有力的支持，这得益于它们优越的地理位置、气候条件和丰富的资源，这些地区的乡村振兴水平在全国范围内一直保持领先地位；而安徽等内陆省份相对滞后，因此长三角城市群区域内差异较为明显。关中城市群乡村振兴发展水平更为均衡，这与该区域城市统筹发展政策密切相关。

3.2.3 区域间差异分析

表6展示了我国各城市群乡村振兴发展区域间差异值。结果表明，长三角与中原城市群乡村振兴发展水平差异尤为显著，差异年均值高达0.253，其次为长三角与京津冀、长三角与川渝、长三角与长江中游城市群，区域间差异均值分别为0.244、0.231、0.228。山东半岛与关中城市群区域间差异年均值最小，仅为0.079。就变化趋势而言，长江中游与关中、长江中游与珠三角城市群区域之间的发展差异呈现相对稳定的态势；辽中南与关中、长江中游与珠三角城市群发展差距日益明显。
表6 十大城市群乡村振兴区域间均值差异对比

Tab.6 Comparison of regional mean value difference of rural revitalization in 10 urban agglomerations

城市群 区域间对比 城市群 区域间对比 城市群 区域间对比
1~2 0.225 2~9 0.208 5~6 0.115
1~3 0.214 2~10 0.153 5~7 0.132
1~4 0.253 3~4 0.194 5~8 0.106
1~5 0.216 3~5 0.108 5~9 0.217
1~6 0.215 3~6 0.126 5~10 0.151
1~7 0.214 3~7 0.141 6~7 0.145
1~8 0.219 3~8 0.127 6~8 0.119
1~9 0.244 3~9 0.213 6~9 0.203
1~10 0.231 3~10 0.165 6~10 0.153
2~3 0.105 4~5 0.157 7~8 0.149
2~4 0.163 4~6 0.156 7~9 0.222
2~5 0.079 4~7 0.219 7~10 0.176
2~6 0.107 4~8 0.160 8~9 0.208
2~7 0.129 4~9 0.228 8~10 0.153
2~8 0.103 4~10 0.163 9~10 0.202
长三角与中原城市群在乡村振兴发展上的显著差异主要源于经济发展水平、产业结构、人力资源、政策因素和地理位置等方面。从经济发展水平看，长三角地区是我国经济最发达的地区之一，而中原城市群相对落后。经济发展水平的差异导致了在乡村振兴投入、政策支持以及技术创新等方面的不同。从产业结构差异看，长三角地区以制造业为主，产业链较为完善，而中原城市群以农业和资源型产业为主，产业结构单一。这种差异导致了乡村振兴过程中，长三角地区更容易实现产业融合和转型升级。从人力资源差异看，长三角地区拥有较多的高等教育机构和科研机构，人才集聚效应明显，使得长三角地区在乡村振兴过程中能够更好地利用人才优势，助力乡村振兴。从政策因素看，长三角地区在乡村振兴政策制定和实施方面具有较高的自主性和前瞻性，政策效果更为明显；而中原城市群在政策制定和执行过程中，可能受到一定程度的行政干预和资源分配限制。
山东半岛与关中城市群区域间年均值最小，是地理位置、产业基础、政策支持、人文背景和经济发展等多方面因素共同作用的结果。从地理位置看，山东半岛和关中城市群地理位置相近，均位于我国中部地区，这使得两地在气候、地貌、土壤等自然条件上有较多相似之处，有利于农业生产和乡村振兴的发展。从产业基础看，山东半岛和关中城市群在农业产业基础方面具有一定的相似性，都以粮食生产和农业为主导产业，为两地的乡村振兴提供了类似的产业基础和发展路径。从政策支持看，在国家层面我国对乡村振兴的政策支持力度较大，各地在政策执行过程中得到的扶持和资源相对均衡，这有助于两地在乡村振兴发展水平上保持较小差异。从人文背景看，山东半岛和关中城市群在历史文化、民俗风情等方面存在一定程度的相似性，这有助于两地民众在乡村振兴过程中形成共同的价值观和发展理念，促进乡村振兴的顺利进行。

3.2.4 城市群差异贡献率

图2展示了城市群乡村振兴发展总体差异及其来源。结果显示，在总体差异中，区域间差异占比最高，贡献率年均值高达50.57%；其次是超变密度，贡献率年均值为34.20%；区域内差异占比最低，贡献率年均值为15.23%。城市群乡村振兴发展的总体差异主要受区域差异影响，依次是超变密度及区域内差异。其主要原因如下：①资源禀赋与经济发展水平存在差异。区域间资源禀赋差异性是导致乡村振兴差异的根本原因。此外，经济发展水平较高的地区，具有更强的财政实力、技术支持和市场条件，有利于乡村产业的转型升级和乡村振兴战略的实施。反之，经济发展水平较低的地区，乡村振兴的步伐和效果可能受到制约。②人力资本因素。人力资本是推动乡村振兴的重要动力。乡村振兴的核心资源在于人，人才流失导致乡村衰败。不同城市群区域的人力资本水平会影响乡村振兴的发展。人力资本丰富的地区，有利于技术创新、产业升级和乡村治理，从而推动乡村振兴；而其他区域人才外流问题严重，导致区域间人力资源严重失衡，乡村振兴的目标和效果可能受到限制。③政策和制度因素。政策制度和政策环境对乡村振兴具有引导和调控作用。不同城市群区域的政策环境和制度安排，会影响乡村振兴的实施路径和效果。例如，一些地区可能在土地流转、农业补贴、金融支持等方面具有优势，有利于乡村振兴；而其他地区在这些方面的政策和制度安排可能不够完善，从而影响乡村振兴的推进。为了解决城市群乡村振兴发展中的区域差异问题，各级政府应发挥统筹协调的职能，强调乡村振兴的协同性、关联性和整体性，以推动各区域乡村振兴的协调发展。
图2 总体差异及其来源

Fig.2 Overall differences and their sources

4 城市群乡村振兴发展空间分布动态演进

4.1 核密度估计

核密度估计作为衡量空间非均衡状态的有效工具，主要通过连续密度曲线对空间非均衡状态进行评估。为此，本文运用核密度估计方法，对各城市群乡村振兴发展综合指数的分布状况、形态及延展性进行分析。计算公式如下：
f ( x ) = 1 N h ∑ i = 1 N K x i - x h
式中： N代表观测值的个数； x i代表观测值，具备独立同分布特征； x代表观测值的均值；h代表带宽，带宽大小与核函数精度密切相关，带宽越窄，核函数的精度就越高。采用高斯核密度函数来预测城市群乡村振兴发展综合指数的动态分布，并依据以下函数公式进行计算：
K ( x ) = 1 2 π e - x 2 2

4.2 城市群乡村振兴发展的分布动态及演进分析

图3展示了我国十大城市群2010—2022年乡村振兴发展综合指数的动态分布。总体来看，十大城市群该指数曲线的分布呈现出左移趋势，分布曲线的主峰高度略有波动，大致在0.400的位置，这反映了珠三角、辽中原和京津冀城市群的乡村振兴发展水平。此外，3个侧峰的分布曲线位置分别在0.109、0.315和0.711左右，反映了中原、川渝和长三角城市群的乡村振兴发展水平。右侧的拖尾现象说明城市群间的乡村振兴发展差距正在逐步缩小，整体呈现收敛趋势。与此同时，侧峰与主峰距离相对较远，长三角与中原城市群乡村振兴发展水平有着显著差异，这意味着城市群乡村振兴发展水平空间上极化现象较为明显。
图3 城市群乡村振兴综合指数分布动态

Fig.3 Distribution dynamics of the comprehensive index of rural revitalization in urban agglomerations

各城市群乡村振兴发展水平差异逐渐缩小，整体呈现收敛趋势。主要得益于政策推动、区域协同发展、产业融合与创新、人才回流以及基础设施与公共服务水平的提升。具体而言：①政策推动是关键。我国政府高度重视乡村振兴，出台了一系列政策举措，如乡村振兴战略规划、农业支持政策等，有力地推动了乡村振兴发展。这些政策在一定程度上促进了各地区乡村振兴的协同发展，使得发展水平较高的城市群带动了周边地区共同发展。②区域协同发展成效显著。在各城市群内部，各地区之间的合作日益紧密，产业链条逐渐完善，资源配置更加合理。如珠三角、辽中南及京津冀城市群，在产业发展、基础设施建设、人才交流等方面开展合作，助力乡村振兴。③产业融合与创新助力乡村振兴。随着科技的发展，农业与现代产业深度融合，为乡村振兴注入新活力。如长三角城市群发展现代农业、川渝城市群发展特色农产品等，带动了地区经济发展，提高了农民收入。④人才回流与乡村建设。在乡村振兴战略的推动下，越来越多的人才回到乡村，投身农业、旅游、文化等产业，为乡村发展注入新动力，不仅提高了乡村的产业发展水平，还增强了乡村的吸引力，进一步促进了乡村振兴。⑤基础设施建设与公共服务水平的提升。在国家政策的支持下，乡村基础设施建设得到加强，交通、通信、水利等条件明显改善。同时，公共服务水平不断提高，如教育、医疗、养老等方面的保障，提高了农民的生活质量，为乡村振兴创造了良好环境。

4.3 马尔科夫链分析

运用传统马尔科夫链分析城市群乡村振兴发展的内在趋势特征，依据四分位法，将各城市群乡村振兴发展指数划分为低、中低、中高和高4个等级（表7）。研究结果显示，除珠三角外的其他城市群转移矩阵对角线概率大于非对角线概率，乡村振兴发展呈现出一定稳定性，存在“俱乐部趋同”现象。主要原因在于：政府对乡村振兴的扶持政策在不同城市群中具有相似性，各城市群在资源配置与产业布局上存在一定的趋同，在乡村振兴的发展过程中，各城市群借鉴其他城市群成功经验，采用相似的发展模式，受到相同的社会文化背景影响，各地乡村振兴发展呈现出一定的共性。此外，高低水平趋同概率大于中高、中低水平，意味着城市群乡村振兴发展存在“马太效应”。主要是政策倾斜、资源分配不均、人才流动、市场机制等因素使得“马太效应”得以持续。此外，城市群总体与各子群同时存在向上“跃迁”及向下“降低”的发展态势，但向下转移的概率始终高于向上转移的概率。值得注意的是，珠三角地区的异质性表现为向上转移概率高于向下转移概率，这意味着城市群乡村振兴的整体水平仍需巩固。
表7 Markov转移概率矩阵

Tab.7 Markov transfer probability matrix

城市群 类型 低 中低 中高 高
整体 低 0.583 0.138 0.026 0.000
中低 0.149 0.557 0.217 0.029
中高 0.024 0.224 0.569 0.137
高 0.000 7.013 0.128 0.592
长三角 低 0.541 0.164 0.111 0.037
中低 0.195 0.611 0.196 0.059
中高 0.108 0.213 0.525 0.213
高 0.000 0.025 0.227 0.579
山东半岛 低 0.452 0.323 0.052 0.003
中低 0.243 0.589 0.208 0.000
中高 0.129 0.127 0.527 0.166
高 0.000 0.003 0.168 0.475
辽中南 低 0.476 0.324 0.137 0.000
中低 0.388 0.419 0.232 0.005
中高 0.134 0.316 0.408 0.195
高 0.000 0.005 0.196 0.531
中原 低 0.355 0.304 0.083 0.000
中低 0.314 0.479 0.147 0.116
中高 0.115 0.281 0.548 0.113
高 0.000 0.007 0.305 0.433
关中 低 0.815 0.165 0.064 0.000
中低 0.222 0.541 0.277 0.011
中高 0.001 0.367 0.418 0.265
高 0.000 0.011 0.227 0.614
长江中游 低 0.569 0.059 0.006 0.000
中低 0.246 0.567 0.129 0.005
中高 0.005 0.263 0.574 0.202
高 0.000 0.018 0.111 0.519
珠三角 低 0.003 1.015 0.014 0.000
中低 0.032 0.543 0.066 0.047
中高 0.012 0.159 0.528 0.156
高 0.000 0.047 0.174 0.521
海峡西岸 低 0.481 0.227 0.121 0.041
中低 0.338 0.452 0.209 0.000
中高 0.076 0.258 0.592 0.135
高 0.000 0.043 0.138 0.563
京津冀 低 0.541 0.151 0.115 0.000
中低 0.179 0.539 0.232 0.041
中高 0.013 0.317 0.529 0.205
高 0.000 0.038 0.188 0.516
川渝 低 0.451 0.261 0.125 0.000
中低 0.272 0.506 0.252 0.033
中高 0.091 0.314 0.589 0.071
高 0.000 0.023 0.064 0.564

5 城市群乡村振兴发展水平空间收敛性分析

5.1 空间收敛模型

运用β收敛考察乡村振兴收敛状况。β收敛又分为绝对收敛和条件收敛，传统β收敛模型未能充分考虑区域空间的依赖性，因此，本文结合相邻权重、地理距离和经济距离矩阵，引入空间计量模型，对空间β收敛性进行深入分析。
在进行条件β收敛分析时，参考已有研究[25,32]，选取控制变量如下：经济发展水平采用人均GDP衡量，采用人口城镇化率作为城镇化水平的代理变量，采用农村公路里程数对数值来表征交通便利程度，老年抚养比采用非劳动年龄老年人口数占劳动年龄人口的比值来衡量，采用农林水事务支出占财政支出比值表示财政支持力度。

5.2 城市群乡村振兴发展收敛结果

首先，采用绝对β收敛检验全样本乡村振兴收敛水平。表8结果显示，LM检验结果表明应拒绝使用空间滞后模型与空间误差模型，因此选择空间杜宾模型。LR检验证实，空间杜宾模型不会退化为空间滞后模型或空间误差模型。Hausman检验表明应采用固定效应模型进行分析。无论何种空间权重，各方程β均为负数，且均通过统计学意义上的显著性检验，表明全国乡村振兴均存在绝对β收敛趋势。全国整体收敛速度稳定在0.76%左右。其次，加入控制变量进一步考察我国乡村振兴是否存在条件β收敛。表9结果表明，各方程估计系数β始终显著为负，在考虑了诸多因素如经济发展水平、城镇化程度、交通便捷性、老年抚养比及财政扶持力度后，乡村振兴仍朝着稳态水平收敛。相较于绝对β收敛，样本期间内条件β收敛速度略有减缓。
表8 乡村振兴绝对β收敛检验

Tab.8 Test of absolute β convergence of rural revitalization

相邻权重 地理距离权重 经济地理权重
SDM SDM SDM
β -0.126***（-0.033） -0.109***（-0.028） -0.146***（-0.025）
θ -0.793***（-0.116） -0.858***（-0.123） -0.749***（-0.134）
ρ 0.094**（0.041） 0.085**（0.042） 0.473***（0.131）
R2 0.067 0.064 0.068
ν（%） 0.763 0.761 0.769
个体固定效应 36.665（0.000） 38.307（0.000） 39.117（0.000）
时间固定效应 45.334（0.000） 44.127（0.000） 46.098（0.000）
Hausman检验 55.127（0.000） 56.718（0.000） 54.852（0.000）
联合性检验 9.996（0.002） 9.984（0.001） 9.891（0.000）
LM spatial lag 32.098（0.000） 33.652（0.000） 33.472（0.000）
R-LM spatial lag 12.742（0.000） 13.451（0.000） 13.094（0.000）
LM spatial err 30.963（0.000） 35.672（0.000） 36.321（0.000）
R-LM spatial err 13.247（0.000） 12.479（0.000） 12.301（0.000）
SAR nested in SDM 31.274（0.000） 32.253（0.000） 33.569（0.000）
SEM nested in SDM 34.497（0.000） 35.589（0.000） 36.348（0.000）

注：*、**、***分别表示在10%、5%、1%的水平下显著。表9同。

表9 乡村振兴条件β收敛检验

Tab.9 Test of β convergence of rural revitalization conditions

相邻权重 地理距离权重 经济地理权重
SDM SDM SDM
β -0.561***（-0.134） -0.179***（-0.048） -0.553***（-0.142）
θ -0.582***（-0.125） -0.558***（-0.139） -0.713***（-0.225）
ρ 0.052**（0.023） 0.057**（0.033） 0.049**（0.021）
Control YES YES YES
R2 0.061 0.058 0.059
ν（%） 0.561 0.559 0.552
个体固定效应 41.278（0.000） 42.375（0.000） 43.332（0.000）
时间固定效应 31.204（0.000） 32.367（0.000） 32.782（0.000）
Hausman检验 78.459（0.000） 78.651（0.000） 79.549（0.000）
联合性检验 16.278（0.003） 17.461（0.004） 18.112（0.001）
LM spatial lag 35.458（0.000） 36.158（0.000） 38.942（0.000）
R-LM spatial lag 16.396（0.000） 18.409（0.000） 19.803（0.000）
LM spatial err 33.471（0.000） 34.843（0.000） 37.843（0.000）
R-LM spatial err 21.309（0.000） 22.372（0.000） 23.489（0.000）
SAR nested in SDM 41.582（0.000） 42.321（0.000） 44.597（0.000）
SEM nested in SDM 46.091（0.000） 47.126（0.000） 48.234（0.000）

6 结论及建议

6.1 研究结论

本文基于2010—2022年地级及以上城市面板数据，采用熵值法测算了我国十大城市群乡村振兴综合指数及各维度发展指数，并运用Dagum基尼系数分解法对各城市群乡村振兴发展水平的差异来源与贡献进行了考察；同时，采用核密度函数估计以及马尔科夫链对各区域乡村振兴水平的分布动态与演进趋势进行了分析；最后基于SDM模型检验了全国乡村振兴水平收敛性。主要结论如下：①各城市群乡村振兴发展水平整体偏低且差异显著，呈现梯度分布趋势且存在非均衡特征，整体分可为3个层级；各子系统中生活富裕指数发展较好，治理有效指数发展缓慢。②就整体差异而言，各城市群乡村振兴发展基尼系数呈小幅波动态势，区域内差异水平呈差异化演变趋势；就贡献率而言，城市群乡村振兴发展水平的总体差异主要源于区域间差异。③由核密度估计可知，各城市群乡村振兴发展水平差异逐渐缩小，表现出一定稳态性，存在“俱乐部趋同”现象；乡村振兴发展水平呈现出严重的空间极化现象，存在一定的“马太效应”；城市群整体与各子群同时呈现“跃迁”与“下降”趋势，但向下转移概率总体高于向上转移概率。④全国乡村振兴存在绝对β收敛趋势，与绝对β收敛相比，研究期内条件β收敛速度有所放缓。

6.2 对策建议

基于研究结论，本文提出如下对策建议：①制定差异化乡村振兴策略。以城市群为核心载体缩小区域间乡村振兴差距。长三角和珠三角等城市群作为乡村振兴的领先地区，应充分发挥其优势，不断创新乡村振兴机制，通过先进的产业技术和丰富的市场资源，助力乡村产业发展，为欠发达地区提供发展模式借鉴；中部城市群应当以自身优势产业为基础，充分发挥乡村地域资源的优势，培育和发展乡村本土产业，同时要通过政策扶持和产业引导，加快形成具有比较优势的特色产业，从而提升乡村产业的整体竞争力；西部城市群要加大对农业科技、乡村旅游、特色手工艺等产业的扶持力度，针对实际情况，深入探索其乡村发展的特性、问题以及路径，助力乡村经济发展。②发挥市场和政府双重力量构建区域协调机制。要积极探索区域间的交流合作机制，促进优势互补，避免乡村振兴“马太效应”。一是通过创新数字技术、应用新型业态，提升产业链协同效应，从而引领区域协调发展，打破地域壁垒，实现各类要素的自由流动，实现资源优化配置；二是建立健全区域合作机制，将合作纳入规范化、制度化的轨道，通过加强区域间的政策、产业和平台联动，实现共赢发展；三是坚持有为政府、有效市场相结合，促进各城市群产业链、人才链、资金链、服务链深度融合。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
徐凤增, 袭威, 徐月华. 乡村走向共同富裕过程中的治理机制及其作用——一项双案例研究[J]. 管理世界, 2021, 37(12):154-174.

[2]
Thomas G, Johnson. Entrepreneurship and development finance:Keys to rural revitalization:Discussion[J]. American Journal of Agricultural Economics, 1989, 71(5):1324-1326.

[3]
Koopmans M E, Rogge E, Mettepenningen E, et al. The role of multi-actor governance in aligning farm modernization and sustainable rural development[J]. Journal of Rural Studies, 2017, 1(11):252-262.

[4]
Hvenegaard G T, Hallstrom L K. Brand K L P. Implementation dynamics for sustainability planning in rural Canada[J]. Journal of Rural and Community Development, 2019, 14(1):54-76.

[5]
Marsden T, Lowe P, Whatmore S. Rural Restructuring:Global Processes and Their Responses[M]. London:Routledge,1990.

[6]
Cloke P, Edwards G. Rurality in England and Wales 1981:A replication of the 1971 index[J]. Regional Studies, 2007, 20(4):289-306.

[7]
Harrington V, O'Donoghue D. Rurality in England and Wales 1991:A replication and extension of the 1981 rurality index[J]. Sociologia Ruralis, 1998, 38(2):178-203.

[8]
Li Y R, Long H L, Liu Y S. Spatio-temporal pattern of China's rural development:A rurality index perspective[J]. Journal of Rural Studies, 2015, 38(3):12-26.

[9]
黄祖辉. 准确把握中国乡村振兴战略[J]. 中国农村经济, 2018(4):2-12.

[10]
叶兴庆. 新时代中国乡村振兴战略论纲[J]. 改革, 2018(1):65-73.

[11]
罗必良. 明确发展思路,实施乡村振兴战略[J]. 南方经济, 2017(10):8-11.

[12]
王颂吉, 魏后凯. 城乡融合发展视角下的乡村振兴战略:提出背景与内在逻辑[J]. 农村经济, 2019(1):1-7.

[13]
贺雪峰. 城乡关系视野下的乡村振兴[J]. 中南民族大学学报:人文社会科学版, 2020, 40(4):99-104.

[14]
朱进芳. 实施乡村振兴战略需要防范的五个问题[J]. 经济纵横, 2019(3):31-37.

[15]
阮文彪. 乡村振兴中国模式及政府作为[J]. 现代经济探讨, 2018(6):95-100.

[16]
郑庆杰, 刘欢. 乡村振兴视野下的流动精英与公共参与——基于H省R县河村的分析[J]. 山东社会科学, 2018(11):73-81.

[17]
霍军亮, 吴春梅. 乡村振兴战略下农村基层党组织建设的理与路[J]. 西北农林科技大学学报:社会科学版, 2019, 19(1):69-77.

[18]
陈涛, 徐其龙. 社会工作介入乡村振兴模式研究——以北京市Z村为例[J]. 国家行政学院学报, 2018(4):73-77,149.

[19]
剧宇宏. 农村土地产权变革与乡村振兴[J]. 河南社会科学, 2018, 26(2):8-13.

[20]
龙花楼, 张英男, 屠爽爽. 论土地整治与乡村振兴[J]. 地理学报, 2018, 73(10):1837-1849.

DOI

[21]
刘祖云, 王丹. “乡村振兴”战略落地的技术支持[J]. 南京农业大学学报:社会科学版, 2018, 18(4):8-16,156.

[22]
章军杰. 互联网时代乡村振兴战略的路径选择——基于梅家坞村的调查研究[J]. 浙江工商大学学报, 2018(4):118-128.

[23]
张红宇. 乡村振兴与制度创新[J]. 农村经济, 2018(3):1-4.

[24]
胡中应. 社会资本视角下的乡村振兴战略研究[J]. 经济问题, 2018(5):53-58.

[25]
张挺, 李闽榕, 徐艳梅. 乡村振兴评价指标体系构建与实证研究[J]. 管理世界, 2018, 34(8):99-105.

[26]
闫周府, 吴方卫. 从二元分割走向融合发展——乡村振兴评价指标体系研究[J]. 经济学家, 2019(6):90-103.

[27]
毛锦凰. 乡村振兴评价指标体系构建方法的改进及其实证研究[J]. 兰州大学学报:社会科学版, 2021, 49(3):47-58.

[28]
陈秧分, 黄修杰, 王丽娟. 多功能理论视角下的中国乡村振兴与评估[J]. 中国农业资源与区划, 2018, 39(6):201-209.

[29]
李刚, 李双元, 平建硕. 基于改进熵值TOPSIS灰色关联度模型的青海省乡村振兴评价及障碍因子分析[J]. 中国农业资源与区划, 2021, 42(12):115-123.

[30]
贾晋, 李雪峰, 申云. 乡村振兴战略的指标体系构建与实证分析[J]. 财经科学, 2018(11):70-82.

[31]
王青, 刘亚男. 中国乡村振兴水平的地区差距及动态演进[J]. 华南农业大学学报:社会科学版, 2022, 21(2):98-109.

[32]
徐雪, 王永瑜. 新时代西部大开发乡村振兴水平测度及影响因素分析[J]. 西南民族大学学报:人文社会科学版, 2021, 42(5):129-137.

[33]
余茂艳, 王元地. 科技创新与乡村振兴系统合协调发展及影响因素分析[J]. 统计与决策, 2021, 37(13):84-88.

[34]
程明, 钱力, 倪修凤, 等. 深度贫困地区乡村振兴效度评价与影响因素研究——以安徽省金寨县样本数据为例[J]. 华东经济管理, 2020, 34(4):16-26.

[35]
陈国生, 刘小凤, 蒋淑玲, 等. 湖南省乡村振兴耦合协调发展测度与路径选择研究[J]. 经济地理, 2019, 39(5):197-206.

[36]
李志龙. 乡村振兴—乡村旅游系统耦合机制与协调发展研究——以湖南凤凰县为例[J]. 地理研究, 2019, 38(3):643-654.

DOI

[37]
徐维祥, 李露, 周建平, 等. 乡村振兴与新型城镇化合协调的动态演进及其驱动机制[J]. 自然资源学报, 2020, 35(9):2044-2062.

DOI

Options
Outlines

/

〈 〉