编辑推荐：
本文基于加纳社会经济面板调查（GSPS）的农户地理编码数据，采用空间杜宾模型（Spatial Durbin Model, SDM）分析了作物多样化实践中的空间依赖性与溢出效应。研究揭示了灌溉条件、农场规模、推广服务、机械化获取、社会网络、土地产权安全、社区劳动安排及农业生态异质性等因素在2 km、10 km和50 km半径范围内均具有显著的空间溢出效应。结果凸显了邻里互动在促进作物多样化中的关键作用，为针对特定农业生态区和农户群体设计精准干预政策提供了实证依据，对推动可持续农业转型与区域韧性发展具有重要参考价值。
1 引言
多样化因其推动结构经济转型的潜力以及在单一种植制度下降低作物歉收风险的前景，已被全球多个经济体实践。在微观层面，多样化使农户能够降低生产风险、稳定作物收入、提高对气候冲击的复原力并增强粮食安全。本文所操作的作物多样化概念对应于第二阶段，即定义为在农场内包含多种经营单元，允许利用现有生产资源生产在不同时间销售的不同作物。农业变量和数据，包括作物多样化，其特点在于它们是在特定位置（农户、地区或区域层面）测量的，其坐标已知。空间计量经济模型用于探索作物多样化中的空间依赖性和溢出效应，因为标准计量经济模型通常假设特定位置的观测值独立于其他位置的观测值，而空间模型假设一个位置观察到的值依赖于邻近位置观察到的值。
2 文献综述与概念框架
2.1 空间依赖性在农业中的作用
空间依赖性是指观测数据在空间上的相似性或相异性程度，有时称为空间自相关。Tobler地理学第一定律指出，任何事物都与其他事物相关，但邻近的事物比遥远的事物更相关。邻近的农户更容易交换作物生产信息、知识和转移耕作技能，从而改善其作物多样化实践。社会经济、农场和农户特征、农业生态、制度及交易成本因素的差异可能驱动农业生产中的空间依赖性。越来越多的研究关注农业变量的空间模式，空间计量经济学方法也已广泛用于区域经济学、粮食荒漠、需求分析、国际经济学、公共经济学及环境经济学等领域。本研究的框架基于农户的作物多样化决策本质上是空间性的和相互依赖的这一概念，认为地理上邻近的农户由于共享信息、社会学习和网络、模仿、劳动安排以及暴露于共同的农业生态和制度条件，更可能表现出相似的作物多样化。
2.2 空间效应对作物多样化实践的作用
关注作物多样化中空间依赖性的研究较少。例如，Donfouet等人采用空间两阶段最小二乘法（Spatial 2-SLS）研究了作物多样性对作物生产的影响，并发现劳动力使用对作物多样性具有显著的正向溢出效应。Kumar等人利用空间滞后和空间误差模型探索了作物多样化的空间驱动因素，并报告了位置特定因素对农户作物多样化行为的影响。Vroege等人研究了邻近农场对作物多样化决策的影响，他们确定了作物多样化中的正空间依赖性，溢出效应源自农场和农户特征、社会经济和物理环境因素。总的来说，文献表明农户并非孤立地做出作物多样化决策；他们根据自身独特特征向邻近农户学习、模仿和回应。这些局部互动产生了影响其作物多样化结果的空间溢出，从而使针对特定农户和农业生态的干预措施比统一的“一刀切”干预措施更可行。
3 方法论与数据
3.1 数据管理与样本量
研究使用了加纳社会经济面板调查（GSPS）数据集。该调查采用两阶段分层抽样设计，从2010年人口和住房普查的更新主抽样框架中选择了地理区域或集群。第二阶段从每个集群简单随机抽取15户家庭。研究使用了2017/2018年收集的第三轮横截面数据集，经过数据清理和剔除重复坐标（并进行微调）后，最终分析使用了4,292个空间单元（农户）。
3.2 空间分析权重矩阵的创建
研究遵循L?pple和Kelley的方法，假设超过某个阈值距离后空间效应不再产生影响或衰减。使用逆距离空间权重矩阵（wij= 1/dij），其中dij是空间单元（农户i和j）之间的绝对距离。为了容纳每个农户的多个邻居，选择2 km半径距离作为最小距离，并额外估计了10 km和50 km半径的模型以解释空间依赖性并进行稳健性检验。采用了谱归一化形式的空间权重矩阵。
3.3 空间依赖性的莫兰检验
计算莫兰I检验统计量以检验误差项是否存在空间自相关的零假设。为了处理空间依赖性，分析框架包括三种空间计量经济模型：空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。SLM解决因变量的空间滞后问题，当因变量表现出空间依赖性时存在溢出效应。SEM假设可能存在空间自相关的误差项，从而允许自变量在空间上产生异质性效应。SDM扩展了空间滞后模型，包含自变量的滞后以捕捉其误差项中的空间相互作用，用于当因变量和自变量都表现出空间依赖性时（同时存在直接和间接或溢出效应）。SDM的动机在于它有助于减少因遗漏变量导致的偏误，因为自变量的滞后值有助于解释遗漏变量的效应，从而产生无偏估计。SDM嵌套了SLM和SEM模型。估计采用最大似然估计法，并采用经典的delta方法来推导影响度量的显著性。
4 结果与讨论
4.1 空间分析变量的描述性统计
用于空间分析的变量描述性统计显示，作物多样化计数的平均值为3.112，标准差为2.064。对自变量进行了方差膨胀因子检验，结果为1.49（VIF < 10），表明估计所用变量不存在共线性。
4.2 空间依赖性与模型选择
使用2 km、10 km和50 km半径的逆距离空间权重矩阵计算的莫兰I统计量均在1%水平上显著，表明加纳的作物多样化实践中存在正空间自相关。通过比较普通最小二乘法、SLM、SEM和SDM的模型拟合优度，SDM在2 km半径的AIC和BIC值最低，被选为最佳模型。SDM的结果报告了平均边际效应，显示自变量对作物多样化的直接、间接和总效应。
4.3 空间杜宾模型的估计结果
结果显示，灌溉条件、农场规模、推广服务、拖拉机和畜力犁的获取、社会网络成员资格、社会网络年限、土地产权安全、家庭劳动和社区劳动天数均对作物多样化具有显著的正向直接和间接（溢出）效应。农业生态异质性（沿海稀树草原带、半落叶雨林带、几内亚稀树草原带）也显示出显著的空间溢出效应。这些发现与Tobler地理学第一定律和空间互动理论一致，表明地理邻近的农户通过信息共享、社会学习和网络、模仿以及共同的农业生态和制度条件，在作物多样化决策上相互影响。
5 结论与政策启示
本研究利用具有全国代表性的调查数据，考察了加纳农户作物多样化实践中的空间依赖性和溢出效应。结果表明，农场和家庭特征、农业生态、劳动安排和制度因素显著影响作物多样化行为的邻里或跨户溢出效应。具体而言，灌溉条件、农场规模、推广服务、机械化获取、社会网络、社会网络年限、土地产权安全、家庭和社区劳动以及农业生态异质性等变量表现出显著的正向溢出或邻里效应。
潜在的政策启示包括：由于社会网络产生的正向溢出效应和外部性，应鼓励农户加入社会网络团体；由于集体灌溉计划和共享机械化服务产生的正向溢出，应发展和推广此类服务；作物多样化计划还应针对特定的农业生态区。研究结果强调了在设计作物多样化干预政策时考虑空间依赖性的重要性，以实现更具针对性和有效性的成果。
