EN中文

Economic geography >

2025 , Vol. 45 >Issue 10: 192 - 203

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.10.020

Spatiotemporal Pattern and Obstacle Factor Identification of High-quality Development of Agricultural Insurance in China

  • WANG Ren ,
  • ZHONG Yingning ,
  • HU Xiliang , ※
Expand
  • Hunan University of Technology and Business， Changsha 410205， Hunan，China

Received date: 2024-08-29

  Revised date: 2025-07-19

  Online published: 2025-11-20

Fold

Abstract

Based on panel data from 31 provinces in China from 2009 to 2022, this paper used the entropy-weighted TOPSIS method to construct an evaluation index system for the high-quality Development of agricultural insurance from three dimensions: development scale, operational efficiency, and growth capacity. The study employed the Dagum Gini coefficient, Kernel density estimation, Markov chains, and an obstacle factor model to systematically analyze the spatiotemporal patterns, regional differences, evolutionary trends, and main obstacle factors of high-huality agricultural insurance development in China. Additionally, geographic detectors were used to identify core driving factors. The findings reveal that: 1) The level of China's high-quality agricultural insurance development has continuously improved, with significant but gradually narrowing interprovincial disparities; 2) A spatial pattern of "high in the west and low in the east" has emerged, with interregional differences being the dominant factor contributing to overall variation; 3) Growth capacity is the most critical dimension in the evaluation system, with agricultural insurance claims growth rate, premium subsidy growth rate, and premium depth identified as key obstacle factors; 4) High-quality development is driven by multiple interacting factors, with interaction effects generally stronger than individual factor effects. The education level of farmers significantly influences development and enhances the impact of other factors through interaction. Based on these findings, the paper proposed policy recommendations to promote the high-quality development of Chinese agricultural insurance, such as tailoring policies to local conditions, promoting regional coordination, enhancing technology transfer, and improving farmers' education levels.

Key words： agricultural insurance; insurance; high-quality development; regional disparities; obstacle factors; geographic detector

Cite this article

WANG Ren , ZHONG Yingning , HU Xiliang . Spatiotemporal Pattern and Obstacle Factor Identification of High-quality Development of Agricultural Insurance in China[J]. Economic geography, 2025 , 45(10) : 192 -203 . DOI: 10.15957/j.cnki.jjdl.2025.10.020

习近平总书记指出：“实现高质量发展是‘十四五’乃至更长时期我国经济社会发展的主题，关系我国社会主义现代化建设全局。”农业保险作为推进农业农村现代化和乡村振兴的有益手段，其高质量发展对实现农业强国、发展农业新质生产力有着重要意义。2019年5月，财政部、农业农村部、银保监会、林草局在联合印发的《关于加快农业保险高质量发展的指导意见》（以下简称《指导意见》）中提出：到2022年，基本建成适应农业农村现代化发展、满足农民风险保障需求、中央和地方共同履责、功能完备和运行规范的多层次农业保险体系；到2030年，农业保险将继续提质增效、转型升级，基本达到国际先进水平，实现多赢格局。这为我国农业保险高质量发展提出了明确的目标，并作出了总体部署。2024年5月，财政部等三部门公布，在全国全面实施三大粮食作物（稻谷、小麦、玉米）完全成本保险和种植收入保险政策，充分体现了推动农业保险从大到强的决心。截至2024年底，我国农业保险保费规模已达1521亿元，同比增长6%，为1.47亿户次农户提供风险保障超5万亿元。尽管在保费收入、覆盖范围、脱贫地区农业保险保额、制度政策完善优化等方面取得了显著成绩，但仍然存在区域发展不均衡、承保能力不足、赔付水平及服务能力不足、保费补贴效率偏低等现实问题。因此，识别并纠正影响农业保险高质量发展的障碍因素，对推动农业保险高质量发展，促进农业新质生产力提升，织密织牢农业生产保障网，助力农业农村现代化建设具有重要意义。

1 文献综述与理论分析

1.1 文献综述

农业保险是助力乡村振兴、服务“三农”的重要金融工具，早期研究主要围绕其政策属性展开。多数学者认为，农业保险是具有正外部性的准公共物品，其承保的农业生产经营风险较为特殊，国家应给予财政补贴[1]，且在政府支持下的农业保险运作模式更优[2]；同时，也有学者认为以财税政策补贴会加重政府的财政负担，并扭曲农业保险风险转嫁、损失补偿的功能[3]，较之政策性农业保险，农户可采取差异化种植、民间借贷等成本更低的方式分散风险[4]。自2007年实施财政补贴政策以来，我国农业保险得到了长足的发展，在支持我国“三农”发展、扶贫减贫、助力农业强国建设方面发挥了重要的作用[5]。随着农业保险实践不断取得新成果，对农业保险的研究也逐渐向政策优化路径转变。学者们运用DEA、DID、GMM等方法对农业保险补贴效应进行评价6-9，认为农业保险补贴政策不仅推动了农业保险的发展，提高粮食产出水平[6]，还对农民收入有显著正向影响[7]，降低了农户贫困脆弱性[8]，缓解了农村居民收入不平等问题[9]，但仍存在导致农户利益受损的道德风险和寻租现象[4]。为此，围绕完善制度供给、合理配置资源等优化路径的研究逐渐成为新热点。
在保障功能方面，学者们通过构建评价指标体系，探究农业保险对于农业生产、农户收入、粮食安全等方面的影响[10-12]。有学者认为农业保险可以提高农业生产的韧性[10]、降低农户贫困脆弱性[8]、保障我国粮食安全[11]，但农业保险的保障效果在粮食主产区或成灾风险高的地区更显著；还有学者认为农业保险保障水平对于非农收入具有显著的门槛效应[12]，且目前我国的农业保险保障水平普遍偏低[13]，部分地区受地方财政实力制约，只能通过降低农业保险保费补贴来缓解地方财政压力[7,14]，削弱了农业保险保障力度。同时，我国农业保险还存在功能定位不明确、巨灾风险分散能力不足、服务机制薄弱等现实困难，部分地区呈现出“大而不强”的困境[5]。据此，现有研究对农业保险发展不平衡问题进行了一定的研究。大多数学者指出我国不同区域的农业保险发展存在较大差异[15]，农业保险运营模式相对成熟的地区优势突出，具有显著的空间聚集特征，但长期趋于稳态收敛发展[16]，期初发展水平相对较高区域的发展增速会减缓，反之则加快，且起步相对较晚的地区能够通过邻近地区的溢出效应获得后发优势，进一步推动我国农业保险收敛发展[17]。也有学者认为，造成以上局面的原因在于农业保险在中国发展时间不长[1,8]，且全国统一的模式难以适应不同地区的差异化风险，抑制了其保障作用的有效发挥[13,18]。此外，还有学者认为市场结构[17,19]和农村经济发展水平[15,20]是导致区域间农险发展差异的主要原因，专业的农业保险机构和政府财政补贴是重要的因素[15]。究其根源，就在于农险市场的高寡占型格局[17]。
农业保险高质量发展的现有研究则主要围绕其内涵界定、评价体系和推进路径展开。在内涵界定方面，有学者指出农业保险高质量发展是由规模扩张转向质量效益的发展，具有“保障充分、运行高效、服务优质、风险可控”的核心特征[21]，关键在于政策、市场和技术协同[22]；也有学者认为，农业保险高质量发展主要体现在功能升级与目标转型，由传统风险补偿的单一功能转向“全链条风险管理服务”[23]。在推进路径方面，既有研究普遍认为制度优化与技术创新是农业保险高质量发展的核心驱动力[21-28]。一方面，要推进动态补贴机制和市场产品创新双向发力[24]，二者协同可显著提升参保率[25]，推动保障功能向全产业链延伸[23]；另一方面，要强化科技赋能，破除产品同质化与数据壁垒[26]，通过差异化费率区提升保障效能[27]，实现政策、市场和技术三重路径的协同推进[21-22]。综上可见，现有对于农业保险高质量发展区域差异的研究较为少见[28]。基于此，本文拟运用熵权TOPSIS法构建农业保险高质量发展指标体系，同时运用Dagum基尼系数、Kernel核密度估计、Markov链、障碍因子模型、地理探测器等方法，探究我国农业保险高质量发展的时空分布格局、演进特征、区域差异、主要障碍因子和驱动因子，以期为我国农业保险高质量助力农业新质生产力加速形成提供有益参考。

1.2 理论分析

农业保险的高质量发展理论需根植于区域经济学和发展经济学框架。从区域均衡视角看，农业保险不仅是一种风险管理工具，更是优化资源配置、促进区域经济协调发展的重要政策手段。不同地区的自然条件、产业结构和经济基础存在显著差异，农业保险的设计与实施必须充分考虑区域异质性。空间异质性指由于地理距离、要素禀赋差异及制度因素导致的区域间经济、社会特征的非均衡分布。其通常分为空间局域异质性和空间分层异质性[29]，前者体现为经济冷热点等空间自相关的局部偏离，后者反映产业梯度、政策分区等区域间的结构性差异。我国疆域辽阔，地理距离跨度大导致区域间要素禀赋差异显著。就经济状况而言，东部地区凭借区位优势和规模报酬递增优势，经济密度较高，但超一线城市的极化效应使得其内部省际差距较大，地理距离的摩擦性成本进一步放大了东、西部地区的经济差距[30]。就产业结构而言，东部地区的先进制造业和现代服务业逐渐占据主导地位，而中、西部地区农业产值占比较高，大规模农户较多，是主要的粮食及农业经济作物产区[31]。就教育水平而言，我国基础教育公共服务虽不断均衡但区域差异仍然存在，东部地区内部的非均等化问题最为突出[32]。就地方政策而言，我国惠农政策在粮食主产区和农业大省力度更大、针对性更强。因此，我国农业保险发展存在显著的区域差异性。从农业保险补贴来看，农业生产规模较大、农产品产量较高、政府财力水平较弱的地区补贴力度相对较大，补贴支农效率整体在东部地区省际差异较大，在中部地区省际差异较小[9]。西部地区虽然财政能力相对较弱，但中央转移支付占比高，形成更强的政策驱动；东部地方政府虽财力雄厚，但财政补贴重点转向高科技产业，农业保险支持力度相对不足。从农户投保行为来看，种植规模较大、土地价值较高、经历过灾害的农户更倾向于参保[33]，受教育程度更高、收入水平更高的农户参保意愿更强[16]。东部地区经济发达，收入水平和受教育程度更优，理论上具备更强的保险支付能力，但其农业收入占比较低，导致农业保险的实际需求减弱；加之东部地区金融体系相对完善，当地农户可通过信贷、理财等替代工具分散风险；西部地区大规模农户众多，他们的生产投入大、经营规模广、受教育程度高，因而对农业保险分散风险的功能认知更清晰、需求更强烈。此外，西部地区存在金融排斥现象，使得农业保险成为当地农户主要的风险缓释手段。从发展水平来看，我国农业保险发展水平与产业结构而非经济发达程度更为相符[16]，新疆、内蒙古等率先试点农业保险保费补贴的地区以及农业规模较大的地区因路径依赖效应和规模经济效应，发展水平相对较高。据此，本文提出假设：我国农业保险高质量发展水平存在显著的区域差异性。

2 数据来源与研究方法

2.1 评价指标选取及数据来源

2019年财政部等4部门印发的《指导意见》指出，农业保险高质量发展要兼顾政府引导和市场运作，坚持多主体协调配合，调动各参与方的积极性，从覆盖范围、保障水平、服务领域和惠民程度4个方面切入，推进农业保险持续提质增效、转型升级。就保险业发展而言，保费收入、赔付支出及赔付率分别从财务水平、业务水平和服务水平衡量了保险业经营规模[34]，保险深度和保险密度反映了保险业的地位和普及度[16]，保费增长率和赔付增长率在一定程度上反映了保险经营机构业务增长的速度和发展潜力[21-23]。农业保险的政策性是其区别于其他财产保险的特征之一[14]。依托保险公司市场化经营，政府通过保费补贴减轻投保农户的负担，支持农业保险持续发展。2016年颁布的《中央财政农业保险保险费补贴管理办法》（简称《管理办法》）为政府做好农业保险保费补贴工作提供了指引；2022年财政部修订完善的《管理办法》，进一步明晰了政府与市场的边界，规范了中央财政补贴资金在农业保险中的运用。基于以上思路，参考已有研究[1-28,34-35]，考虑数据可得性，本文采用2009—2022年不包括港澳台地区的中国31个省、自治区、直辖市（简称“省份”）的面板数据，从发展水平、市场运行、发展潜力3个维度构建农业保险高质量发展评价指标体系（表1）。本文数据主要来源于2009—2023年《中国统计年鉴》《中国保险统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》。
表1 农业保险高质量发展评价指标体系及说明

Tab.1 Evaluation indicator system and explanation for high-quality development of agricultural insurance

维度层 指标层 指标说明 单位 权重
农业保险发展水平 农业保险承保能力（x1） 农业保险保费收入 亿元 0.0480
农业保险赔付能力（x2） 农业保险赔付金额 亿元 0.0535
农业保险保障程度（x3） 农业保险赔付金额/农业保险保费收入 % 0.0002
农业保险政府扶持力度（x4） 中央财政农险保费补贴/第一产业生产总值 % 0.0450
农业保险市场运行 农业保险保费密度（x5） 农业保险保费收入/第一产业就业人数 元/人 0.0773
农业保险保费深度（x6） 农业保险保费收入/第一产业生产总值 % 0.0919
农业保险赔付密度（x7） 农业保险赔付金额/第一产业就业人数 元/人 0.0643
农业保险赔付深度（x8） 农业保险赔付金额/第一产业生产总值 % 0.0779
农业保险保费规模（x9） 农业保险保费收入/财产保险保费收入 % 0.0435
农业保险赔付规模（x10） 农业保险赔付金额/财产保险赔付金额 % 0.0488
农业保险保费补贴规模（x11） 中央财政农险保费补贴/农业保险保费收入 % 0.0094
农业保险发展潜力 农业保险保费增长率（x12） 当年保费收入/上一年保费收入-1 % 0.0866
农业保险赔付增长率（x13） 当年赔付支出/上一年赔付支出-1 % 0.2246
农业保险保费补贴增长率（x14） 当年保费补贴/上一年保费补贴-1 % 0.1289

2.2 研究方法

2.2.1 熵权TOPSIS法

熵权法是一种客观赋权方法，能有效衡量各个指标的重要性与有效性，主要通过评价指标的变异程度来刻画其包含的信息量并计算各个指标的信息熵，指标的信息熵越小，表明其变异程度越大，提供的信息量越多，所赋权重越大[34]。TOPSIS法是一种常见的多目标决策分析方法，主要用于评价分析目标的相对优劣，具有计算简单、结果合理等优势。熵权TOPSIS法融合了两种方法的优点，用该方法构建农业保险高质量发展评价指标体系，能更客观、有效地测度农业保险高质量发展水平，从而精确反映各指标之间的差距，避免主观因素和量纲的影响。

2.2.2 Dagum基尼系数

与传统的Gini系数、Theil指数等相比，Dagum基尼系数在比较区域间和区域内部差异以及处理子群分布重叠、考量组间变异和应对数据质量方面更加优化，能够更好地识别地区差距及其来源[16]。因此，本文采用Dagum基尼系数法，测度和分解我国东、中、西三大区域农业保险高质量发展差距。同时，将Dagum基尼系数分解为组内系数、组间系数和超变密度系数，分别反映各地区内部差距、各地区之间差距、各地区交叉重叠现象即相对差距。

2.2.3 Kernel密度估计

作为一种非参数估计方法，Kernel密度估计具有不依赖于总体分布假设、数据驱动、适应性强等特点，可以用来估计未知密度函数[16]。同时，它不受数据分布形式的限制，也无需对总体分布做过多假设，完全基于数据样本进行推断，因而能良好地适应不同数据类型和不同形状的概率密度函数，不仅能够测度样本分布的整体形态，还能反映其动态演变特征。

2.2.4 Markov链

Markov链可根据实际需要将连续的数值离散化，并划分为不同类型，并计算其概率，且下一类型的概率分布只由当前类型决定，而与之前的类型无关，能更好地反映事物动态演进的过程[16]。通过引入“空间滞后”因子，Markov链能够进一步反映区域间的相互作用。为充分分析农业保险高质量发展的演进状态，本文借助传统Markov链和滞后一期空间Markov链，采用分位数法，根据25%、50%、75%分位点，将中国31个省份的农业保险高质量发展划分为4个等级：低水平区域（0， 25%]、中低水平区域（25%，50%]、中高水平区域（50%，75%]和高水平区域（75%，100%]。

2.2.5 障碍度模型

障碍度模型常用于挖掘在综合评价体系中，影响系统整体发展的主要因素。它通过测算综合评价指标体系中各指标的障碍度，并对障碍度值进行排序，从而诊断出影响综合评价指标体系水平的主要障碍因子，能够为系统均衡稳定发展制定合理的政策提供科学依据[36]。具体公式如下：
Iij=1-Xij
${O}_{ij}=\frac{{W}_{j}{I}_{ij}}{\sum _{j=1}^{n}\left({W}_{j}{I}_{ij}\right)}·100\%$
式中：Iij为偏离度；Xij为标准值；Wj为贡献度，一般用权重表示；Oij为障碍度，其值的大小反映了该因子对总目标的阻碍程度，如果Oij值为0，则说明该因子无需优化。

2.2.6 地理探测器

地理探测器是一种用于探索和挖掘空间分异性及其驱动力的统计学方法，其理论核心在于通过空间分异性来探测因变量和自变量之间空间分布的一致性[35]。该方法能有效探测变量间的非线性关联，识别地理要素的空间依赖性，并量化多个因子对地理要素空间分异的影响程度，从而有助于理解空间格局的形成与变化机理。本文运用地理探测器中的分异及因子探测与交互作用探测来识别影响我国农业保险高质量发展的主要驱动因素。

3 农业保险高质量发展的时空格局分析

3.1 农业保险高质量发展测度结果分析

本文通过计算各指标的权重，计算得出各省份年度农业保险高质量发展指数，进而分析我国农业保险高质量发展的时空特征。2007年“中央一号文件”首次明确提出要建立完善的农业保险体系，并扩大政策性农业保险试点；2012年末，在总结6年试点经验的基础上，国务院颁布了《农业保险条例》，并不断细化农业保险的有关政策，特别是财政政策；2016年财政部印发《中央财政农业保险保险费补贴管理办法》，进一步规范中央财政农业保险保险费补贴；2019年中央一号文件提出要加快建立多层次农业保险体系，同年9月还发布了《指导意见》，指明了农业保险的发展目标。考虑到公共政策的实施在通常情况下具有一定的滞后性，且这种滞后性会对政策效应的扩散产生一定的影响[37]，因此本文选取2009、2016和2022年3个时间点进行具体分析。
由表2可知，从整体上看，2022年中国31个省份的农业保险高质量发展评价指标值远远大于2009和2016年，表明我国支持农业保险高质量发展相关的政策取得初步成效。分省份来看，2009年农业保险高质量发展排名前五的是西藏、浙江、新疆、内蒙古、黑龙江；2016年排名前五的是北京、黑龙江、新疆、上海、内蒙古；2022年排名前五的是北京、上海、西藏、新疆、内蒙古。进一步，采用自然断点法将2009、2016和2022年中国农业保险高质量发展评价结果分五类进行可视化表达（图1）。从中发现，农业保险高质量发展水平较高的省份主要集中在西部地区，新疆、西藏、内蒙古的发展水平在西部省份中尤为突出，中部地区的黑龙江也保持了较高水平。究其原因，新疆、西藏、内蒙古具有多样化的农业类型和特色农产品，如新疆的绿洲农业和棉花种植、西藏的河谷农业和青稞种植、内蒙古的畜牧产品等，但因其地域辽阔、气候复杂，自然灾害相对频繁，农业生产活动极易受到威胁，其对农业保险的需求也相对较多。且作为我国传统的农牧区和垦区，农业保险起步早，发展时间相对较长，经营模式更加专业和成熟，在我国日益加大对地区农业和农业保险的政策支持的背景下，其农业保险高质量发展水平进一步提升。而黑龙江作为我国三大粮食产区之一，黑土资源肥沃，粮食播种面积遥遥领先，粮食产量已连续8年位居全国第一。农业保险作为“三农”发展的“压舱石”和“助推器”，其发展水平深刻关乎着我国粮食安全和农业安全的兜底保障是否稳健。由此可见，农业保险高质量发展水平与地理位置、产业结构和政策息息相关。
表2 2009、2016和2022年中国31个省份农业保险高质量发展指数排名

Tab.2 Rankings of high-quality development index of agricultural insurance for 31 provinces in China in 2009, 2016, and 2022

省份 2009年 2016年 2022年
C值 排名 C值 排名 C值 排名
北京 0.063 6 0.131 1 0.353 1
天津 0.013 24 0.045 15 0.130 17
河北 0.020 16 0.055 13 0.147 12
山西 0.012 26 0.030 22 0.077 26
内蒙古 0.083 4 0.100 5 0.182 5
辽宁 0.052 7 0.044 17 0.144 14
吉林 0.046 9 0.054 14 0.138 16
黑龙江 0.079 5 0.129 2 0.164 8
上海 0.042 10 0.113 4 0.337 2
江苏 0.015 19 0.044 16 0.148 10
浙江 0.297 2 0.023 26 0.081 25
安徽 0.040 11 0.079 6 0.161 9
福建 0.011 29 0.023 27 0.033 31
江西 0.017 18 0.028 24 0.099 21
山东 0.015 20 0.042 19 0.147 11
河南 0.023 14 0.064 9 0.174 6
湖北 0.025 13 0.021 28 0.093 23
湖南 0.047 8 0.064 10 0.145 13
广东 0.005 31 0.028 23 0.173 7
广西 0.014 23 0.027 25 0.119 19
海南 0.011 30 0.032 21 0.096 22
重庆 0.012 28 0.015 31 0.042 30
四川 0.039 12 0.070 8 0.127 18
贵州 0.014 22 0.021 29 0.060 29
云南 0.019 17 0.034 20 0.064 28
西藏 0.483 1 0.070 7 0.245 3
陕西 0.012 25 0.020 30 0.070 27
甘肃 0.015 21 0.042 18 0.085 24
青海 0.012 27 0.056 12 0.139 15
宁夏 0.021 15 0.057 11 0.110 20
新疆 0.096 3 0.128 3 0.215 4
图1 中国31个省份农业保险高质量发展指数变化

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。

Fig.1 Changes in the high-quality development index of agricultural insurance in 31 provinces of China

3.2 农业保险高质量发展区域差异的空间分析

为了进一步探究区域间农业保险高质量发展水平存在的差异和变化趋势，本文依据我国三大经济带的划分方法，将31个省份划分为东部、中部和西部三大区域，同时采用Dagum基尼系数法测度2009—2022年中国农业保险高质量发展水平的整体基尼系数，以及东部、中部和西部地区的区域内和区域间差异。
由表3可知，在样本观测期内，中国农业保险高质量发展的整体基尼系数值在0.35~0.50的区间波动变化，下降趋势不明显。这说明，在2009—2022年间，我国农业保险高质量发展整体上仍存在非均衡状态。
表3 2009—2022年中国整体和三大区域农业保险高质量发展的基尼系数及分解结果

Tab.3 Gini coefficient and decomposition results of high-quality agricultural insurance development in China as a whole and three major regions from 2009 to 2022

年份 整体基尼系数 区域内基尼系数 区域间基尼系数 贡献率（%）
东部 中部 西部 东—中 东—西 中—西 区域内 区域间 超变密度
2009 0.390 0.451 0.370 0.310 0.423 0.388 0.347 32.421 21.891 45.688
2010 0.441 0.296 0.405 0.396 0.378 0.441 0.430 29.982 47.104 22.913
2011 0.470 0.272 0.419 0.313 0.372 0.450 0.433 25.545 63.296 11.159
2012 0.405 0.381 0.364 0.363 0.378 0.409 0.390 31.952 39.054 28.995
2013 0.413 0.443 0.379 0.348 0.422 0.412 0.382 32.150 34.987 32.863
2014 0.495 0.342 0.375 0.370 0.370 0.472 0.480 27.290 63.891 8.818
2015 0.362 0.428 0.256 0.290 0.369 0.382 0.303 30.760 39.189 30.051
2016 0.404 0.456 0.405 0.279 0.434 0.363 0.389 29.622 41.562 28.816
2017 0.473 0.229 0.282 0.415 0.346 0.506 0.420 27.598 62.746 9.656
2018 0.386 0.233 0.347 0.352 0.349 0.393 0.360 29.184 48.093 22.723
2019 0.439 0.426 0.514 0.249 0.495 0.412 0.369 28.111 44.131 27.758
2020 0.501 0.333 0.609 0.396 0.536 0.518 0.417 32.797 27.672 39.531
2021 0.400 0.354 0.351 0.302 0.398 0.412 0.338 27.873 51.888 20.239
2022 0.447 0.410 0.278 0.236 0.365 0.429 0.376 21.830 71.286 6.884
从区域内差异来看，2009—2022年东部、中部和西部地区农业保险高质量发展水平的基尼系数整体呈波动下降趋势：东部地区由0.451下降至0.410，中部地区由0.388上升至0.429，西部地区由0.310下降至0.236。由此可见，中部和西部地区不仅基尼系数值小于东部地区，其降幅也略大于东部地区，这说明中部和西部地区内部的省份间发展不均衡状态的改善情况优于东部地区。东部地区基尼系数在2009—2011年出现了断崖式的下降，2016年有所回升，在2016—2017年出现了第二次断崖式下降，随后其值在0.350~0.450区间波动。中部地区基尼系数在2009—2011年短暂上升后呈波动下降趋势，2017年开始回升，到2020年达到峰值，随后呈显著下降趋势。西部地区波动频繁，但整体上呈显著的下降趋势。按平均值排序：中部地区（0.382）>东部地区（0.361）>西部地区（0.330）。按标准差排序：西部地区（0.092）>中部地区（0.080）>东部地区（0.043）。由此可见，2009—2022年，东部和中部地区基尼系数相对较大，但中部地区的波动大于东部地区，说明东部和中部地区内部的各省份间发展存在较大差距，且中部地区内部差距缩小的速度较东部地区更快；西部地区基尼系数相对较小，且波动明显，这说明西部地区内部的各省份间发展差距相对较小，且差距在不断减小。究其原因，西部地区产业结构相对简单，且其内部省份间的经济发展情况较为相似，农业保险在该地区发展受到不同省份差异化特征的影响较小。而东部地区不仅包括经济发展水平较高、以第三产业为主的北京、上海，还包括了以先进制造业为主的天津、江苏和以农业为主的山东，各省份之间的产业结构、经济发展状况和农业发展程度都存在一定的差距，影响地区内部的农业保险高质量发展均衡状态，且东部地区的农业发展比重相对较小，对于农业保险的发展和完善力度也会相对较小。
从区域间差异来看，“东—中”部地区间的农业保险高质量发展基尼系数呈波动下降趋势，“东—西”部地区间呈小幅上升趋势，“中—西”部地区间基尼系数变化不明显。“东—中”部由2009年的0.423下降至2022年的0.365；“东—西”部地区间呈大幅下降趋势，由2009年的0.682下降至2022年的0.307；“中—西”部的值在0.300~0.500的区间波动。按照均值排序：“东—西”部（0.428）>“东—中”部（0.403）>“中—西”部（0.388）。按照标准差排序：“东—中”部（0.056）>“东—西”部（0.046）>“中—西”部（0.045）。由此可见，“东—西”部地区间差异相对较大，“中—西”部地区间差异相对较小，各地区间的差距变化不大。造成区域间差异的原因可能在于，东部和西部地区地理位置相对较远，在气候类型、产业结构、资源优势、经济水平等方面都存在一定的差异；而中部地区毗邻东部和西部地区，地理位置邻近，其气候类型和经济发展水平等差异相对较小。由此可见，区域农业保险高质量发展水平的异质性会随着空间距离的增大而增强。
从贡献率来看，按均值排序：区域间贡献率（46.91%）>区域内贡献率（29.08%）>超变密度贡献率（24.01%），这表明区域间差异是总体差异的主要来源。地区间差距贡献率在22%~52%之间波动（大部分时间高于35%），说明必须重视并加强区域间协同发展，以缓解整体非均衡状态；地区内差距贡献率介于22%~33%之间，虽然远低于地区间差距贡献率，但仍应该警惕区域内部农业保险高质量发展水平的分化；超变密度贡献率在6%~46%之间波动，这意味着样本交叠也会影响农业保险高质量发展的时空分异。

3.3 农业保险高质量发展时空差异特征分析

从上述基尼系数分解的结果来看，我国农业保险高质量发展存在一定的区域差异。但由于Dagum基尼系数法无法反映事物发展的演进过程，故本文采用Kernel密度估计法，进一步对我国农业保险高质量发展的时空差异特征进行分析（图2）。
图2 中国整体及三大区域农业保险高质量发展指数分时段对比

Fig.2 Comparison of high-quality development index of agricultural insurance in China as a whole and three major regions by period

从整体上看，中国农业保险高质量发展评价指数的核密度曲线呈现出整体右移、峰值下降的趋势，核密度曲线整体由2009年的“陡峭”变为2022年的“平缓”，但仍然存在“长尾”。这说明我国农业保险高质量发展水平得到了一定的提升，省份间差距逐步缩小，但依然存在。
分区域来看，东部地区的核密度曲线整体逐步右移、峰值显著下降、长尾现象加剧，说明东部地区农业保险高质量发展水平不断提升，个别省份的农业保险高质量发展水平远高于地区平均水平；2010、2014、2016和2020年核密度曲线出现了“双峰”现象，说明期间东部地区存在两极分化的问题。中部地区的核密度曲线整体呈右移趋势，且右拖尾现象不明显，说明中部地区各省份间的非均衡状态得到缓解；2011年核密度曲线存在“多峰”，说明当时中部地区存在多极分化的问题。西部地区的核密度曲线峰值显著下降、“右拖尾”加剧，说明该时段内西部地区各省份发展水平不断提高，区域内差距不断缩小；2009和2011年的核密度曲线出现了“双峰”，说明当时西部地区存在两极分化。综上，通过对核密度曲线形态的比较分析可知，中国农业保险高质量发展在地区层面呈现出趋同态势，同时也表现出显著的时段特征。

3.4 农业保险高质量发展动态演进

由于核密度估计结果受到带宽设置以及边界效应的影响，故本文采用传统Markov链和空间Markov链进一步分析中国农业保险高质量发展水平的动态演进过程。由表4可知，主对角线上的值相对较大，这说明农业保险高质量发展能较稳定地维持本来的状态。从转移概率来看，农业保险高质量发展整体向更优状态的转移概率较大，且发生跨越式转移的概率极低，如低—中低水平的转移概率为21.10%，而中低—低水平的转移概率为33.77%，高—中低水平的转移概率为0。
表4 2009—2022年中国农业保险高质量发展马尔可夫转移矩阵概率分布

Tab.4 Markov transition matrix for high-quality development of China's agricultural insurance from 2009 to 2022

t/t+1 n 1 2 3 4
1 109 0.7615 0.2110 0.0092 0.0183
2 106 0.0377 0.6981 0.2642 0.0000
3 103 0.0097 0.0485 0.6893 0.2524
4 85 0.0353 0.0118 0.0471 0.9059

注：“1”表示低水平状态，“2”表示中低水平状态，“3”表示中高水平状态，“4”表示高水平状态。

地理空间在我国农业保险高质量发展的动态演进中发挥着重要作用。在不考虑空间背景的情况下，低—中低水平的转移概率为21.10%；而当其与高水平的省份相邻时，转移概率上升为33.33%，表明我国农业保险高质量发展不同水平间的转移概率会随着不同空间滞后条件而改变。观察主对角线的值发现，越邻近高水平的省份，保持原有状态的稳定性越强。当与高水平省份相邻时，主对角线上的值明显较大，且主对角线下方的概率值几乎均为0，这说明在与农业保险高质量发展水平高的省份相邻时，具有保持原有发展水平的稳定性，且几乎不会向更低水平转移；而与低水平省份相邻时，稳定性显著减弱，这表明省份间存在明显的农业保险高质量发展的溢出效应。

3.5 农业保险高质量发展障碍因子诊断

为进一步探究影响中国各省份农业保险高质量发展的主要因子，本文引入障碍度模型，分别从时间和空间两个角度对农业保险高质量发展指标体系的3个维度和14个指标进行障碍因子诊断。
由表5可知，2009—2022年中国农业保险高质量发展指标体系3个维度的障碍度排序始终为：发展潜力>市场运行>发展水平。其中，发展潜力维度的障碍度呈递增趋势，市场运行维度和发展水平维度的障碍度呈递减趋势，说明发展潜力日益成为阻碍农业保险高质量发展的主要因素。进一步分析指标层的障碍度发现，赔付增长率（x13）、保费补贴增长率（x14）、保费深度（x6）是障碍度排名前三的主要障碍因子。其中赔付增长率（x13）、保费补贴增长率（x14）属于发展潜力维度的指标，其障碍度呈上升趋势，保费深度（x6）属于市场运行维度的指标，呈下降趋势，整体上均与其对应的维度障碍度变化趋势趋同。在保险业中，赔付率是衡量保险公司偿付能力和盈利水平的重要指标。赔付标准不明、赔付金额偏低是我国农业保险发展长期存在的问题，也是导致参保农户获得感不强、参保意愿降低的重要原因。政策性属性作为农业保险的特殊属性，中央财政给予参保农户一定的补贴，减轻农户承担保费负担，提高农户参保意愿。保费深度作为衡量保险业经济重要性和渗透度的指标，体现了农业保险对国民经济的贡献程度和农业生产经营活动对风险管理和安全保障的需求程度。保费深度值越高，说明该地区的农业保险市场发展程度越高，农业保险对于当地的经济贡献越大。
表5 2009—2022年农业保险高质量发展指标体系3个维度的障碍度

Tab.5 Obstacles in three dimensions of the index system for high-quality development of agricultural insurance from 2009 to 2022

年份 障碍度（%）
维度层 指标层
发展
水平		 市场
运行		 发展
潜力		 第一障碍
因子		 第二障碍
因子		 第三障碍
因子
2009 3.24 5.80 15.49 x13（23.75） x14（13.60） x6（9.27）
2010 3.20 5.83 15.47 x13（23.73） x14（13.58） x6（9.31）
2011 3.26 5.70 15.69 x13（24.06） x14（13.77） x12（9.23）
2012 3.28 5.78 15.46 x13（23.90） x14（13.67） x6（9.32）
2013 3.24 5.81 15.46 x13（23.69） x14（13.58） x6（9.30）
2014 3.31 5.63 15.79 x13（24.23） x14（13.83） x12（9.29）
2015 3.26 5.81 15.44 x13（23.68） x14（13.54） x6（9.27）
2016 3.22 5.78 15.55 x13（23.85） x14（13.65） x6（9.27）
2017 3.27 5.68 15.73 x13（24.12） x14（13.81） x12（9.25）
2018 3.25 5.79 15.51 x13（23.79） x14（13.61） x6（9.18）
2019 3.23 5.80 15.50 x13（24.04） x14（13.24） x6（9.31）
2020 3.23 5.80 15.50 x13（24.04） x14（13.24） x6（9.31）
2021 3.22 5.78 15.56 x13（23.85） x14（13.66） x6（9.22）
2022 3.21 5.76 15.62 x13（23.96） x14（13.71） x6（9.21）
赔付增长率（x13）的障碍度由西向东递减，说明该因子对西部地区的农业保险高质量发展的制约作用更为显著。可能的原因在于，西部地区地域辽阔，大规模农户众多，复杂的地形和气候条件使其农业生产活动面临风险较大，灾后赔付能否弥补损失会影响农户对于农业保险的需求，也反映出农业保险的运营效率。保费补贴增长率（x14）的障碍度在中部和西部地区相对较高，可能的原因在于，中部和西部地区农业占比高，农户对于农业保险的需求大，因此对保费补贴政策的变动更为敏感。补贴政策的不完善或增长乏力，都会更明显地成为其发展的制约因素。保费深度（x6）的障碍度在东部和中部地区较高，可能的原因在于东部和中部地区经济相对发达，农业保险起步早，在资金、技术、教育等方面有着相对优质的资源，农业保险的普及度和接受度相对较高。因此，进一步提升保费深度、突破现有发展瓶颈的难度相对更大，使其成为当前阶段更突出的制约因素。

3.6 农业保险高质量发展的驱动力探测

由于障碍因子诊断仅从系统内部识别出影响农业保险高质量发展的关键因素，故引入地理探测器进一步探究外部驱动力。本文利用因子探测器和交互作用探测器探究影响中国农业保险高质量发展的外部影响因子及其交互作用。鉴于农业保险高质量发展水平与农业发展规模和农户需求程度密切相关，基于已有研究[19,31]和数据可得性，选取农业保险高质量发展评价指数为因变量，自变量包括：①农业种植规模，用农作物播种面积表示。如前文所述，受产业结构、气候条件、地理位置等影响，我国不同地区的农业规模存在差异，农业生产经营活动面临的风险也有所不同，农作物的播种面积在一定程度上会影响农户对于农业保险的需求。②农业生产投入，用农林水事务支出占总财政支出的比重表示。农林水事务支出包括与从事农业生产经营活动有关的财政支出，我国财政部也将中央财政农业保险保费补贴资金纳入农林水事务支出科目，因此该指标能够在一定程度上反映不同地区对于农业生产经营活动的投入规模和重视程度，影响当地对于农业保险的需求。③农户收入水平，用农村居民可支配收入表示。农村居民人均可支配收入能够反映出农户的基本经济状况和平均收入水平，一般情况下，收入水平较高的农户对农业保险需求意愿更大，收入水平较低的农户需求意愿较小。④农户受教育程度，用农村居民平均受教育年限表示。受教育水平的差异会导致农户对于农业保险的理解度和接纳度不同，进而使其对于农业保险的需求产生差异。本文采用自然间断点法将各自变量的连续型数值分为五类，对自变量进行离散化处理。
由因子探测结果可知，4个因子均通过显著性（p<0.0500）检验，因子影响力排名为农户受教育程度（0.1279）>农业生产投入（0.0814）>农业种植规模（0.0790）>农户收入水平（0.0262）。这说明，农户受教育程度影响力更大，应该提高农村居民的平均受教育年限，让农村居民对农业保险的重要性和必要性有更清晰、更详细的了解。同时，农业生产经营的规模和投入的影响力也较大，应适当调整当地农业生产经营的规模和投入。此外，也应重视农村经济发展，保障和提高农村居民收入，提升其消费与参保能力，从而进一步增强农户的投保意愿。
由交互作用探测的结果可知，双因子交互解释力明显高于单因子，且均表现为非线性增强（表6），说明我国农业保险高质量发展受到多因子共同作用的影响更大。具体而言，农户收入水平单因子对农业保险高质量发展的解释力（0.0262）不足5%，但是农户收入水平和农户受教育程度两个因子交互作用的解释力（0.1974）接近20%；农业种植规模、农业生产投入、农户收入水平的单因子解释力低于10%，但其与农户受教育程度的交互作用的解释力均超过了20%以上，这说明农户受教育程度对其他因子的交互作用的影响相对较大，农户受教育程度能够显著提升农业种植规模、农业生产投入、农户收入水平的解释力。因此，提高农村居民受教育程度是推动我国农业保险高质量发展的有效途径。
表6 中国农业保险高质量发展影响因子的交互解释力

Tab.6 Interactive explanatory of influencing factors for high-quality development of agricultural insurance in China

影响因子 q统计量
农业
种植规模		 农业
生产投入		 农户
收入水平		 农户
受教育程度
农业种植规模 0.0790
农业生产投入 0.1887 0.0814
农户收入水平 0.1254 0.1569 0.0262
农户受教育程度 0.2010 0.2940 0.1974 0.1279

4 结论与建议

4.1 结论

本文基于熵权TOPSIS法构建农业保险高质量发展评价指标体系，运用Dagum基尼系数分解、Kernel密度估计、Markov链等方法分析了2009—2022年中国31个省份农业保险高质量发展的时空演变格局，并借助障碍因子模型和空间探测器识别了影响我国农业保险高质量发展的主要障碍因素和驱动因子。主要研究结论如下：
①从演变趋势看，2009—2022年中国农业保险高质量发展整体向好，各省份的农业保险高质量发展指数呈逐步上升的趋势，农业保险高质量发展的非均衡状态有所缓解，但各省份间的农业保险高质量发展水平仍存在一定差距。
②从分布格局看，2009—2022年中国农业保险高质量发展水平整体呈“西高东低”的格局，东部和中部地区内部的差异相对较大，区域间的差距是导致我国农业保险高质量发展总体差异演变的主要因素；地区间农业保险高质量发展水平的差异具有明显的空间相关性，随着距离的增大而扩大，农业保险高质量发展水平高的省份可以带动其邻近省份的农业保险高质量发展。
③农业保险的发展潜力对于农业保险高质量发展至关重要，农业保险赔付增长率、农业保险保费补贴增长率、农业保险保费深度是影响我国农业保险高质量发展的主要障碍因子，其中农业保险赔付增长率的影响力由西向东递减，农业保险保费补贴增长率的影响力在中部和西部地区较大，农业保险保费深度的影响力在中部和东部地区较大，农业保险赔付深度在农业保险高质量发展水平较高的地区影响较大。
④农业保险高质量发展更多受到多因子交互作用的驱动，而非单一因子的影响。农户受教育程度不仅是影响我国农业保险高质量发展的主要驱动因子，还能提升其他因子对我国农业保险高质量发展的解释力。

4.2 建议

基于上述结论，本文提出对策建议如下：
①因地制宜发展农业保险，进一步优化地方特色的发展模式。由省级农业部门牵头，结合区域农业产业结构，制定差异化的农业保险产品目录，细化保障范围与费率标准，形成“一地一策”的精准保险供给机制；鼓励地方保险公司与新型农业经营主体对接，开发覆盖特色农产品全产业链的“保险+服务”模式，增强地方产业韧性；鼓励地方政府与保险公司联合设立风险区划数据库，动态调整费率，增强产品灵活性，并结合本地实际优化补贴政策开发符合区域需求的特色产品，形成可持续的地方发展模式；地方政府还可以结合实际，适当调整农业保险补贴在整体财政支出中的比重，为区域农业保险高质量发展提供更有效的政策支持。
②加强农业保险区域协作，推动其与经济高质量协同发展。将农业保险区域协作纳入区域经济协作的范畴中，在加强区域经济协调发展的同时，注重农业保险的均衡发展，构建农业保险高质量发展高水平地区与较低水平区域的长期有效合作机制，破除制度壁垒，互惠共享产品设计、定损理赔等关键环节经验和制度优势，减少低水平区域的试错成本，缓解农业保险高质量发展的区域差异；建立跨省农业保险风险共担机制，分散极端气候风险，在重点农业经济带探索“保险+产业”联动模式，使农业保险与区域农业规划、产业集群发展深度融合，加强财政、金融、农业等政策协同，形成“保险护航产业、产业反哺保险”的良性循环。
③促进技术要素空间流动，构建农业保险新质生产力。加强区域间技术共享，推动遥感检测、无人机查勘、AI定损等技术向农业保险高质量发展较弱区域和灾害频发区域扩散，同时建立农业保险数字化平台，实现气象、土壤、产量等数据跨区域互联互通，打破信息技术空间壁垒，降低运营成本，提升服务质效；鼓励农业保险机构与科技企业合作，将卫星遥感、无人机巡航、物联网监测、区块链溯源、人工智能等技术嵌入承保、理赔全流程，实现“一区一策”的风险动态评估，提升区域风险协同管理能力和风险预测精准度，优化定价模式，为产品创新和风险管理提供支撑，培育农业保险发展新动能。同时，推动高校、科研机构与保险企业联合培养“农业+保险+科技”跨界人才，重点提升基层服务人员的数字工具应用能力。
④提高农村居民受教育程度，优化农业保险的普及推广。推动保险教育进乡村，依托村级党群服务中心、新型职业农民培训等场景，开展“保险大讲堂”下沉教育；采用短视频、方言手册等通俗形式解读农业保险条款，提升农户风险意识和保险认知；培养基层“保险明白人”，协助农户参与农业保险，充分发挥当地先进农户和合作社骨干的带头示范作用，增强农户信任度和自主参保能力；优化保险服务网络，依托乡镇机构、合作社等载体，提供便捷的投保、理赔服务，降低信息不对称。此外，地方政府还可对参保率高的村镇给予额外补贴或信贷优惠，激励农户主动投保，实现“政府引导+市场运作+农户参与”多方位联动，提高农业保险覆盖率和满意度，助力乡村振兴。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
庹国柱, 李军. 我国农业保险试验的成就、矛盾及出路[J]. 金融研究, 2003(9):88-98.

[2]
庹国柱. 中国政策性农业保险的发展导向——学习中央“一号文件”关于农业保险的指导意见[J]. 中国农村经济, 2013(7):4-12.

[3]
谢家智, 蒲林昌. 政府诱导型农业保险发展模式研究[J]. 保险研究, 2003(11):42-44.

[4]
Wright BD, Hewitt JA. All-risk rrop insurance:Lessons from theory and experience[J]. Springer Netherlands, 1994(4):73-112.

[5]
王韧, 陈嘉婧, 周宇婷, 等. 农业保险助力农业强国建设:内在逻辑、障碍与推进路径[J]. 农业经济问题, 2023(9):110-123.

[6]
郭晓鸣, 陈嘉婧, 袁佳仪, 等. 农业保险财政补贴政策对粮食产出的激励效应研究[J]. 商学研究, 2025, 32(1):92-104.

[7]
刘玮, 孙丽兵, 庹国柱. 农业保险对农户收入的影响机制研究——基于有调节的中介效应[J]. 农业技术经济, 2022(6):4-18.

[8]
徐婷婷, 孙蓉. 政策性农业保险能否缓解贫困脆弱性——基于典型村庄调研数据的分析[J]. 农业技术经济, 2022(2):126-144.

[9]
邵全权, 刘宇. 农业风险冲击、农业保险保障与农村居民收入不平等[J]. 财经研究, 2023, 49(7):78-92.

[10]
赵令涛, 赵桂芹. 农业保险与农业生产韧性:内在逻辑及实证检验[J]. 华南农业大学学报(社会科学版), 2024, 23(2):94-106.

[11]
王韧, 陈嘉婧. 农业保险对我国粮食安全的影响研究[J]. 重庆师范大学学报(社会科学版), 2025, 45(1):69-80.

[12]
任天驰, 杨汭华. 高保障高收入——农业保险保障水平的收入效应研究[J]. 农业技术经济, 2022(12):115-130.

[13]
王克, 何小伟, 肖宇谷, 等. 农业保险保障水平的影响因素及提升策略[J]. 中国农村经济, 2018(7):4-45.

[14]
张伟, 黄颖, 何小伟, 等. 贫困地区农户因灾致贫与政策性农业保险精准扶贫[J]. 农业经济问题, 2020(12):28-40.

[15]
祝仲坤, 聂文广, 陶建平. 中国农业保险区域差异的变动及成因解释——基于Shapley值分解方法[J]. 中国农业大学学报, 2015, 20(3):241-250.

[16]
王韧, 匡祎琦, 农通理, 等. 我国农业保险空间格局动态演变及收敛研究[J]. 经济地理, 2021, 41(7):164-172.

DOI

[17]
黄琦, 陶建平, 张红梅. 农业保险市场结构、空间依赖性与农业保险条件收敛研究[J]. 中国管理科学, 2017, 25(5):25-32.

[18]
陆宇, 易福金, 王克. 农业保险市场竞争强度与风险保障水平——基于寻租视角的分析[J]. 中国农村观察, 2023(5):104-125.

[19]
祝仲坤, 陈传波, 冷晨昕. 市场结构如何影响了农业保险规模——基于2007—2013年的省际面板数据[J]. 保险研究, 2016(2):120-127.

[20]
郭军, 谭思, 孔祥智. 农户农业保险排斥的区域差异:供给不足还是需求不足——基于北方6省12县种植业保险的调研[J]. 农业技术经济, 2019(2):85-98.

[21]
张海军. 我国农业保险高质量发展的内涵与推进路径[J]. 保险研究, 2019(12):3-9.

[22]
杜家廷, 陈姝洁. 市场化水平提升对农业高质量发展的促进效应研究[J]. 重庆师范大学学报(社会科学版), 2024, 44(1):74-89.

[23]
姜华. 新时期、新定位、新目标下的农业保险高质量发展研究[J]. 保险研究, 2019(12):10-17.

[24]
袁纯清. 农业保险高质量发展要坚持六个导向[J]. 保险研究, 2023(5):3-8.

[25]
谭莉, 丁少群. 多主体如何协同推进农业保险高质量发展?——基于市场运作视角的案例研究[J]. 保险研究, 2023(9):47-60.

[26]
王克, 张峭. 推进农业保险高质量发展——第六期中国农业保险论坛综述[J]. 保险研究, 2019(6):125-127.

[27]
魏建, 王慧敏, 严晓东. 农业保险高质量发展与农民风险防范——基于费率区划的视角[J]. 宏观质量研究, 2023, 11(1):38-51.

[28]
张林, 贺宝玲. 农业保险高质量发展的区域差异与空间收敛——中共二十大报告关于高质量发展视角的理论阐释[J]. 金融经济学研究, 2023, 38(1):113-128.

[29]
Anselin L. Spatial econometrics[J]. Handbook of Spatial Analysis in the Social Sciences, 2022, 11(15):101-122.

[30]
陈林生, 李止兮. 中国区域增长差异变动的影响因素研究——基于2010—2020年数据[J]. 云南财经大学学报, 2023, 39(8):38-51.

[31]
张林, 曹星梅, 温涛. 中国农村产业融合发展的区域差异与空间收敛性研究[J]. 统计与信息论坛, 2023, 38(4):71-87.

[32]
于璇, 王晓静. 基本公共教育服务均等化的地区差异及时空收敛性[J]. 统计与决策, 2022, 38(17):55-60.

[33]
Fahad S, Wang J, Hu G, et al. Emprical analysis of factors influencing farmers crop insurance decisions in Pakistan:Evidence from Khyber Pakhtunkhwa province[J]. Land use policy, 2018, 75:459-467.

DOI

[34]
吕开宇, 李春肖, 张崇尚. 基于主成分分析法和熵值法的地区农业保险发展水平分析——来自2008—2013年中国省级层面的数据[J]. 农业技术经济, 2016(3):4-15.

[35]
王韧, 熊志文, 胡俞妃. 中国农业保险对农业碳排放作用机制及空间溢出效应分析[J]. 云南财经大学学报, 2024, 40(11):32-47.

[36]
和军, 房夕盟. 新质生产力水平测度与区域时空差异[J]. 商学研究, 2024, 31(3):5-18.

[37]
Tsuzuki E. Fiscal policy lag and equilibrium determinacy in a continuous-time New Keynesian model[J]. International Review of Economics, 2016, 63(3):215-232.

DOI

Options
Outlines

/

〈 〉