论文部分内容阅读
摘 要：综合考虑经济、社会、环境等因素，运用偏最小二乘结构方程模型（PLS-SEM）估计法分析得出：重庆的工业状况对农业可持续发展产生负向影响，化学物质用量、人口特征、交通基础设施、农林水支出均对农业可持续发展有显著的正向效应。影响系数由大到小为：人口特征>化学物质用量>交通基础设施>农林水支出。重庆的医疗卫生水平对农业可持续的影响通过人口特征来实现。
关键词：农业可持续发展 工业状况 化学物质用量 PLS-SEM
一、引言
2015年9月联合国可持续发展峰会正式通过了《2030年可持续发展议程》，其中包括17项目标和169项目标的纲领性文件，旨在将与可持续发展有关的问题纳入各国整体经济、环境和社会框架[1]。到2050年，世界人口预计将接近97亿[2]。这种情况将导致粮食需求的增加，由于集约化农业生产而导致的环境问题恶化。因此，可持续发展目标的主要的挑战之一是在全世界实现粮食安全和可持续农业。尽管可持续发展目标具有全球性，但其行动实施取决于各国对其给予的优先级别，以及可持续发展问题如何与一国的主要问题相竞争[3]。可持续农业是在不损害后代利益的前提下，不断满足当今社会对粮食和纺织品需求的农业。每个参与农业系统的人，在经济、社会和环境各方面付出的劳动都会对农业系统可持续性造成一定的影响[4]。
农业可持续的影响因素众多，可能涉及到经济、社会和环境等方面因素的影响。从区域经济发展的角度，农业可持续的影响因素可能包括基础设施的发展，例如公路、农作物生产效率、农业技术等[5]。现阶段需进一步加强农业可持续发展及其在地方和区域一级的空间规划进程中的保护。需要根据当地的具体情况调整农业技术措施，提高生态效率，促进农业可持续发展[6]。从社会人口因素角度，有些学者研究了农业人口、人口密度和农场规模之间的交互关系。重庆在中国率先实现了农业人口和城镇人口一体化改革，农业生产与城镇化之间存在着一定的权衡。从环境方面，2018年11月26日重庆市五届人大常委会第七次会议报告提出，如果以降低生态质量为代价来增加产量，那么在经济上可能是不可行的[7]。可持续农业的实践者寻求将三个主要目标融入到他们的工作中：健康的环境、经济盈利能力、社会和经济公平[4]。中国农民经常被指责过度使用农药，而农药通过减少作物害虫的损失，在提高作物产量方面发挥着至关重要的作用[8]。认识到农业系统的双重性，将环境目标和发展目标结合起来，才能更好的通过增强农业可持续性实现可持续发展目标[9]。
从已有研究来看，学术界对农业可持续影响因素的研究中较少考虑工业发展因素（经济方面）。有些学者分析了社会、经济和环境中某方面因素对农业可持续发展的影响;有的研究即使综合考虑了三个方面的指标，只侧重于指标研究，很少进一步全面分析各个影响因素之间的影响路径，难以得出影响路径的大小或程度。本研究将人口特征、工业状况、卫生、交通基础设施、化学物质用量、农林水与农业可持续相结合，定量分析各指标。尤其是综合定量分析经济、社会、环境对农业可持续的影响路径是学术界较少涉及的领域。
二、数据方法和研究假设
（一）数据来源
重庆是中国西南地区的核心城市，也是西部大开发战略中的杠杆城市，其农村面积广阔、农业人口基数大，因此决定了农业产业与农村经济在全市的发展中的特殊战略地位[10]。重庆市包含三峡库区26县中的22县，在三峡库区发展高效生态农业，是库区农村移民安置安稳、缓解人地矛盾和有效遏制生态环境恶化趋势的迫切需要，建设三峡生态经济区需要进行农业结构调整，追求库区生态平衡[11]。重庆地理位置较偏、山地较多，传统的农业生产方式导致生态环境日益恶化、农业资源浪费严重[10]。2016年底，重庆市发布了《重庆市农业农村发展“十三五”规划》，其中强调要推进农业供给侧结构性改革，注重农村生态文明建设和农业的可持续发展[12]。故综合考虑经济、社会、生态三方面因素，选取重庆市作为可持续农业影响因素的研究区域，使得数据具有很好的典型性和代表性。
本文研究区域涵盖整个重庆市。数据选取了重庆市39个区县2010年至2018年9年的数据。数据来源于《重庆统计年鉴》《中国县域统计年鉴》和《三峡生态与环境监测专报》。
（二）数据检验
本研究总样本量348，有效样本337份，样本有效率为96.8%。数据缺失率为3.2%，小于5%，所以考虑使用中值替代法[13]。样本数据组合信度均在0.7以上，因此各變量具有很好的内部一致性。
用探索性因子分析（EFA）来检验整个体系的结构效度，使用主成分提取方法和具有Kaiser标准化的全体旋转法，如检验结果所示（表1），KMO=0.825>0.7，表示因子分析情况适合，旋转矩阵显示，一个指标可同时属于多个潜变量，本研究我们以将其归为系数最高的潜变量为基本原则进行旋转归类。所提取的七个公因子累计解释了95.70%的方差，说明该七个公因子能够很好地对指标进行解释，所以此时指标体系的结构效度较为优良。
三、结果
（一）测量模型检验
本文的测量模型检验结果（表3）表明，反映性测量模型的组合信度CR值均在0.9以上>0.7，表明本文构建的测量模型具有很好的内部一致性;平均方差提取值AVE均在0.8以上>0.5，因此测量模型的聚合效度符合要求;外部载荷系数均大于0.8>0.7，符合反映性测量模型基本要求;Henseler et al.[30]的研究结果表明，在基于方差估计的结构方程模型中，相比Forner-Lacker准则和交叉因子载荷准则，HTMT准则更能稳定检验区分效度。在本研究构建的模型中，潜变量间的HTMT最大值为0.843，低于临界值0.85，显示本文构建的测量模型具有很好的区分效度。因此，以上四项通过检验意味着本文构建的测量模型具有较好的信度和效度，并适合进行下一步的结构方程模型检验。 （二）路径效应分析
本研究对结构模型的检验（表4）分为四个部分，在本文构建的结构模型中，潜变量间多重共线性内部VIF值均介于0.2和5之间，表示结构模型中不存在多重共线性;内生潜变量Q2均大于临界值0，说明结构模型的预测相关性较好;农业可持续这一潜变量的R2为0.861，说明该模型的解释力度还可以，拟合优度比较好;除“卫生机构”对“农业可持续”一条路径不显著外，其他路径均在0.001水平上显著。
（三）中介效应检验
由检验结果（表5）可得，“人口特征”的中介效应占总效应的80.25%，大于80%，表明“人口特征”在“卫生”影响“農业可持续”过程中起到了完全中介的作用。“化学物质用量”的中介效应占总效应的48.45%，处于20%和80%之间，表明“化学物质用量”在“农林水”影响“农业可持续”过程中起到了部分中介的作用。“工业状况”的中介效应占总效应的10.18%，小于20%，表明“工业状况”在“人口特征”影响“农业可持续”过程中无中介效应。
四、研究结论
通过农业可持续影响因素模型的实证研究，了解到多因素对农业可持续都会造成一定影响，对于如何促进农业可持续这一导向具有参考依据，实证研究得出如下结论：
第一，工业状况对农业可持续产生负向影响。农业可持续随工业状况的增强而减弱，工业状况在人口特征影响农业可持续这一路径中作为中介变量，一方面，人口特征影响农业可持续路径系数为0.539，另一方面，人口特征影响工业状况路径系数为0.349，表明人口对工业和农业都产生正向影响，但工业对农业有负向作用，考虑是否工业会在一定程度上抑制人口对农业的促进作用。但中介效应检验结果显示，工业状况在人口特征对农业可持续影响过程中VAF值为10.18%，无中介效应，表明人口特征对农业可持续产生直接影响，不会通过工业状况这一潜变量间接影响农业可持续。
第二，化学物质用量、人口特征、交通基础设施、农林水均对农业可持续存在显著的正向效应。影响系数由大到小依次为：人口特征>化学物质用量>交通基础设施>农林水，其路径系数都在0.001的水平上显著。研究表明，农业可持续随化学物质用量的增大而逐渐增强，路径系数为0.303;交通基础设施对农业可持续的影响系数为0.209，完善健全的交通基础设施在农业可持续发展的整个运输发展阶段都发挥重要作用;农林水在直接影响农业可持续之外还可通过化学物质用量对农业可持续产生间接影响，农林水影响化学物质用量的路径系数为0.394且显著，表明农林水支出的增加会导致农林水在对环境治理和农业保护的同时促进化学物质的用量。
第三，重庆的医疗卫生水平对于农业可持续的影响通过人口特征来实现。存在的影响路径中卫生对农业可持续这一条不显著，但中介效应检验结果显示，人口特征在卫生对农业可持续的影响过程中VAF值为80.25%，起完全中介作用。卫生对人口特征影响为正，路径系数为0.377且在0.001的水平上显著，人口特征对农业可持续的路径系数为0.539且显著，表明人口特征随卫生的增强而增大，且卫生完全通过人口特征影响农业可持续。
参考文献：
[1]周健民.土壤学大辞典[M].科学出版社，2013.
[2]SKAF L， BUONOCORE E， DUMONTET S， et al. Food security and sustainable agriculture in Lebanon： An environmental accounting framework [J]. Journal of Cleaner Production， 2019， 209：1025-32.
[3]SALVIA A L， FILHO W L， BRANDLI L L， et al. Assessing research trends related to Sustainable Development Goals： local and global issues [J]. Journal of Cleaner Production， 2019， 208：841-9.
[4]UCDAVIS. Sustainable agriculture research and education program [M]. agricultural sustainability institute. 2017.
[5]马晓河，蓝海涛，黄汉权.工业反哺农业的国际经验及我国的政策调整思路[J].管理世界，2005，（07）：55-63.
[6]李溦.农业剩余与工业化资本积累[M].云南人民出版社，1993.
[7]关于重庆市农业面源污染防治情况调研报告[R].重庆市人大农业与农村委员会，2018.
[8]胡静锋.重庆市农业面源污染测算与空间特征解析[J].中国农业资源与区划，2017，38（01）：135-44.
[9]蔡荣.农业化学品投入状况及其对环境的影响[J].中国人口·资源与环境，2010，20（03）：107-10.
[10]刘章勇.重庆市农业循环经济发展水平评价[J].中国农业资源与区划，2018，39（08）：9-16.
[11]方创琳，黄金川.三峡库区高效生态农业发展方向与重点研究[J].自然资源学报，2002（04）：444-50.
[12]万将军，沈茂英，邓伟.供给侧改革背景下农业产业结构变化评价与对策建议——基于重庆市的面板数据分析[J].农村经济，2018（06）：43-8.
[13]HAIR J F， RINGLE C M. A primer on partial least squares structural equation modeling（PLS-SEM） [M]. California：Sage Publications， 2013. [14]JRESKOG K G， GOLDBERGER A S. Factor analysis by generalized least squares [J]. Psychometrika， 1972， 37（3）： 243-60.
[15]CHENG X， SHUAI C， LIU J， et al. Modelling environment and poverty factors for sustainable agriculture in the Three Gorges Reservoir Regions of China [J]. Land Degradation & Development， 2018， 29（11）： 3940-53.
[16]LYNCH J， DONNELLAN T， FINN J A， et al. Potential development of Irish agricultural sustainability indicators for current and future policy evaluation needs [J]. Journal of Environmental Management， 2019， 230（434-45.
[17]GóMEZ-LIMóN J A， SANCHEZ-FERNANDEZ G. Empirical evaluation of agricultural sustainability using composite indicators [J]. Ecological Economics， 2009， 69（5）：
[18]LEE I H. Industrial output fluctuations in developing countries： General equilibrium consequences of agricultural productivity shocks [J]. European Economic Review， 2018， 102：240-79.
[19]周艳丽，卢秉福.农村可持续发展主要影响因素的辨识与分析[J].中国农学通报，2011，27（06）：410-4.
[20]王晓红，郭翔宇，申玉军，et al.黑龙江垦区农业可持续发展评价指标体系[J].黑龙江八一农垦大学学报，2003（01）：119-22.
[21]王巨，谢世友，任伟，etal.三峡地区生态农业可持续性综合评价[J].西南师范大学学报（自然科学版），2011，36（06）：86-91.
[22]CHEN J， CHEN J， MIAO Y， et al. Unbalanced development of inter-provincial high-grade highway in China： Decomposing the Gini coefficient [J]. Transportation Research Part D， 2016， 48：499-510.
[23]RAO C S， KAREEMULLA K， KRISHNAN P， et al. Agro-ecosystem based sustainability indicators for climate resilient agriculture in India： A conceptual framework [J]. Ecological Indicators， 2018，
[24]孙蕊，齐天真.农业适度规模发展评价指标体系构建与综合评价[J].统计与决策，2019，35（07）：49-52.
[25]JAGER A D， ONDURU D， WIJK M S V， et al. Assessing sustainability of low-external-input farm management systems with the nutrient monitoring approach： a case study in Kenya [J]. Agricultural Systems， 2001， 69（1）： 99-118.
[26]LAI J， WANG H H， ORTEGA D L， et al. Factoring Chinese consumers’ risk perceptions into their willingness to pay for pork safety， environmental stewardship， and animal welfare [J]. Food Control， 2018， 85（423-31.
[27]汪紫云，李援亚.基于逐步回归分析法的湖北省农林牧渔产值增长因素分析[J].粮食科技与经济，2018，43（05）：33-6.
[28]黄雪菲，黄文芳.国别间多功能农业发展评价指标体系构建[J].中国人口·资源与环境，2016，26（S1）：176-9.
[29]WANG F， YU C， XIONG L， et al. How can agricultural water use efficiency be promoted in China？ A spatial-temporal analysis [J]. Resources， Conservation & Recycling， 2019， 145（411-8.
[30]HENSELER J， RINGLE C M， SARSTEDT M. A new criterion for assessing discriminant validity in variance-based structural equation modeling [J]. Journal of the Academy of Marketing Science， 2015， 43（1）： 115-35.
〔本文系“国家社会科学基金重大项目”（项目编号：17ZDA085）;“国家自然科学基金”（项目编号：71773119）;“中国地质大学（武汉）中央高校基础研究基金”（项目编号：CUG170101）;“国家自然科学基金（NSFC）”（项目编号：71903184）;麦考瑞大学（项目编号：44724020）;“中国地质大学（武漢）学科建设专项（高层次人才研究启动基金）” （项目编号：108-162301182733）研究成果〕
〔帅传敏、周敏，中国地质大学（武汉）经济管理学院。程欣，中国地质大学（武汉）经济管理学院，麦考瑞大学科学与工程学院。邹靓慧、王梓涵，中国地质大学（武汉）经济管理学院〕
关键词：农业可持续发展 工业状况 化学物质用量 PLS-SEM
一、引言
2015年9月联合国可持续发展峰会正式通过了《2030年可持续发展议程》，其中包括17项目标和169项目标的纲领性文件，旨在将与可持续发展有关的问题纳入各国整体经济、环境和社会框架[1]。到2050年，世界人口预计将接近97亿[2]。这种情况将导致粮食需求的增加，由于集约化农业生产而导致的环境问题恶化。因此，可持续发展目标的主要的挑战之一是在全世界实现粮食安全和可持续农业。尽管可持续发展目标具有全球性，但其行动实施取决于各国对其给予的优先级别，以及可持续发展问题如何与一国的主要问题相竞争[3]。可持续农业是在不损害后代利益的前提下，不断满足当今社会对粮食和纺织品需求的农业。每个参与农业系统的人，在经济、社会和环境各方面付出的劳动都会对农业系统可持续性造成一定的影响[4]。
农业可持续的影响因素众多，可能涉及到经济、社会和环境等方面因素的影响。从区域经济发展的角度，农业可持续的影响因素可能包括基础设施的发展，例如公路、农作物生产效率、农业技术等[5]。现阶段需进一步加强农业可持续发展及其在地方和区域一级的空间规划进程中的保护。需要根据当地的具体情况调整农业技术措施，提高生态效率，促进农业可持续发展[6]。从社会人口因素角度，有些学者研究了农业人口、人口密度和农场规模之间的交互关系。重庆在中国率先实现了农业人口和城镇人口一体化改革，农业生产与城镇化之间存在着一定的权衡。从环境方面，2018年11月26日重庆市五届人大常委会第七次会议报告提出，如果以降低生态质量为代价来增加产量，那么在经济上可能是不可行的[7]。可持续农业的实践者寻求将三个主要目标融入到他们的工作中：健康的环境、经济盈利能力、社会和经济公平[4]。中国农民经常被指责过度使用农药，而农药通过减少作物害虫的损失，在提高作物产量方面发挥着至关重要的作用[8]。认识到农业系统的双重性，将环境目标和发展目标结合起来，才能更好的通过增强农业可持续性实现可持续发展目标[9]。
从已有研究来看，学术界对农业可持续影响因素的研究中较少考虑工业发展因素（经济方面）。有些学者分析了社会、经济和环境中某方面因素对农业可持续发展的影响;有的研究即使综合考虑了三个方面的指标，只侧重于指标研究，很少进一步全面分析各个影响因素之间的影响路径，难以得出影响路径的大小或程度。本研究将人口特征、工业状况、卫生、交通基础设施、化学物质用量、农林水与农业可持续相结合，定量分析各指标。尤其是综合定量分析经济、社会、环境对农业可持续的影响路径是学术界较少涉及的领域。
二、数据方法和研究假设
（一）数据来源
重庆是中国西南地区的核心城市，也是西部大开发战略中的杠杆城市，其农村面积广阔、农业人口基数大，因此决定了农业产业与农村经济在全市的发展中的特殊战略地位[10]。重庆市包含三峡库区26县中的22县，在三峡库区发展高效生态农业，是库区农村移民安置安稳、缓解人地矛盾和有效遏制生态环境恶化趋势的迫切需要，建设三峡生态经济区需要进行农业结构调整，追求库区生态平衡[11]。重庆地理位置较偏、山地较多，传统的农业生产方式导致生态环境日益恶化、农业资源浪费严重[10]。2016年底，重庆市发布了《重庆市农业农村发展“十三五”规划》，其中强调要推进农业供给侧结构性改革，注重农村生态文明建设和农业的可持续发展[12]。故综合考虑经济、社会、生态三方面因素，选取重庆市作为可持续农业影响因素的研究区域，使得数据具有很好的典型性和代表性。
本文研究区域涵盖整个重庆市。数据选取了重庆市39个区县2010年至2018年9年的数据。数据来源于《重庆统计年鉴》《中国县域统计年鉴》和《三峡生态与环境监测专报》。
（二）数据检验
本研究总样本量348，有效样本337份，样本有效率为96.8%。数据缺失率为3.2%，小于5%，所以考虑使用中值替代法[13]。样本数据组合信度均在0.7以上，因此各變量具有很好的内部一致性。
用探索性因子分析（EFA）来检验整个体系的结构效度，使用主成分提取方法和具有Kaiser标准化的全体旋转法，如检验结果所示（表1），KMO=0.825>0.7，表示因子分析情况适合，旋转矩阵显示，一个指标可同时属于多个潜变量，本研究我们以将其归为系数最高的潜变量为基本原则进行旋转归类。所提取的七个公因子累计解释了95.70%的方差，说明该七个公因子能够很好地对指标进行解释，所以此时指标体系的结构效度较为优良。
三、结果
（一）测量模型检验
本文的测量模型检验结果（表3）表明，反映性测量模型的组合信度CR值均在0.9以上>0.7，表明本文构建的测量模型具有很好的内部一致性;平均方差提取值AVE均在0.8以上>0.5，因此测量模型的聚合效度符合要求;外部载荷系数均大于0.8>0.7，符合反映性测量模型基本要求;Henseler et al.[30]的研究结果表明，在基于方差估计的结构方程模型中，相比Forner-Lacker准则和交叉因子载荷准则，HTMT准则更能稳定检验区分效度。在本研究构建的模型中，潜变量间的HTMT最大值为0.843，低于临界值0.85，显示本文构建的测量模型具有很好的区分效度。因此，以上四项通过检验意味着本文构建的测量模型具有较好的信度和效度，并适合进行下一步的结构方程模型检验。 （二）路径效应分析
本研究对结构模型的检验（表4）分为四个部分，在本文构建的结构模型中，潜变量间多重共线性内部VIF值均介于0.2和5之间，表示结构模型中不存在多重共线性;内生潜变量Q2均大于临界值0，说明结构模型的预测相关性较好;农业可持续这一潜变量的R2为0.861，说明该模型的解释力度还可以，拟合优度比较好;除“卫生机构”对“农业可持续”一条路径不显著外，其他路径均在0.001水平上显著。
（三）中介效应检验
由检验结果（表5）可得，“人口特征”的中介效应占总效应的80.25%，大于80%，表明“人口特征”在“卫生”影响“農业可持续”过程中起到了完全中介的作用。“化学物质用量”的中介效应占总效应的48.45%，处于20%和80%之间，表明“化学物质用量”在“农林水”影响“农业可持续”过程中起到了部分中介的作用。“工业状况”的中介效应占总效应的10.18%，小于20%，表明“工业状况”在“人口特征”影响“农业可持续”过程中无中介效应。
四、研究结论
通过农业可持续影响因素模型的实证研究，了解到多因素对农业可持续都会造成一定影响，对于如何促进农业可持续这一导向具有参考依据，实证研究得出如下结论：
第一，工业状况对农业可持续产生负向影响。农业可持续随工业状况的增强而减弱，工业状况在人口特征影响农业可持续这一路径中作为中介变量，一方面，人口特征影响农业可持续路径系数为0.539，另一方面，人口特征影响工业状况路径系数为0.349，表明人口对工业和农业都产生正向影响，但工业对农业有负向作用，考虑是否工业会在一定程度上抑制人口对农业的促进作用。但中介效应检验结果显示，工业状况在人口特征对农业可持续影响过程中VAF值为10.18%，无中介效应，表明人口特征对农业可持续产生直接影响，不会通过工业状况这一潜变量间接影响农业可持续。
第二，化学物质用量、人口特征、交通基础设施、农林水均对农业可持续存在显著的正向效应。影响系数由大到小依次为：人口特征>化学物质用量>交通基础设施>农林水，其路径系数都在0.001的水平上显著。研究表明，农业可持续随化学物质用量的增大而逐渐增强，路径系数为0.303;交通基础设施对农业可持续的影响系数为0.209，完善健全的交通基础设施在农业可持续发展的整个运输发展阶段都发挥重要作用;农林水在直接影响农业可持续之外还可通过化学物质用量对农业可持续产生间接影响，农林水影响化学物质用量的路径系数为0.394且显著，表明农林水支出的增加会导致农林水在对环境治理和农业保护的同时促进化学物质的用量。
第三，重庆的医疗卫生水平对于农业可持续的影响通过人口特征来实现。存在的影响路径中卫生对农业可持续这一条不显著，但中介效应检验结果显示，人口特征在卫生对农业可持续的影响过程中VAF值为80.25%，起完全中介作用。卫生对人口特征影响为正，路径系数为0.377且在0.001的水平上显著，人口特征对农业可持续的路径系数为0.539且显著，表明人口特征随卫生的增强而增大，且卫生完全通过人口特征影响农业可持续。
参考文献：
[1]周健民.土壤学大辞典[M].科学出版社，2013.
[2]SKAF L， BUONOCORE E， DUMONTET S， et al. Food security and sustainable agriculture in Lebanon： An environmental accounting framework [J]. Journal of Cleaner Production， 2019， 209：1025-32.
[3]SALVIA A L， FILHO W L， BRANDLI L L， et al. Assessing research trends related to Sustainable Development Goals： local and global issues [J]. Journal of Cleaner Production， 2019， 208：841-9.
[4]UCDAVIS. Sustainable agriculture research and education program [M]. agricultural sustainability institute. 2017.
[5]马晓河，蓝海涛，黄汉权.工业反哺农业的国际经验及我国的政策调整思路[J].管理世界，2005，（07）：55-63.
[6]李溦.农业剩余与工业化资本积累[M].云南人民出版社，1993.
[7]关于重庆市农业面源污染防治情况调研报告[R].重庆市人大农业与农村委员会，2018.
[8]胡静锋.重庆市农业面源污染测算与空间特征解析[J].中国农业资源与区划，2017，38（01）：135-44.
[9]蔡荣.农业化学品投入状况及其对环境的影响[J].中国人口·资源与环境，2010，20（03）：107-10.
[10]刘章勇.重庆市农业循环经济发展水平评价[J].中国农业资源与区划，2018，39（08）：9-16.
[11]方创琳，黄金川.三峡库区高效生态农业发展方向与重点研究[J].自然资源学报，2002（04）：444-50.
[12]万将军，沈茂英，邓伟.供给侧改革背景下农业产业结构变化评价与对策建议——基于重庆市的面板数据分析[J].农村经济，2018（06）：43-8.
[13]HAIR J F， RINGLE C M. A primer on partial least squares structural equation modeling（PLS-SEM） [M]. California：Sage Publications， 2013. [14]JRESKOG K G， GOLDBERGER A S. Factor analysis by generalized least squares [J]. Psychometrika， 1972， 37（3）： 243-60.
[15]CHENG X， SHUAI C， LIU J， et al. Modelling environment and poverty factors for sustainable agriculture in the Three Gorges Reservoir Regions of China [J]. Land Degradation & Development， 2018， 29（11）： 3940-53.
[16]LYNCH J， DONNELLAN T， FINN J A， et al. Potential development of Irish agricultural sustainability indicators for current and future policy evaluation needs [J]. Journal of Environmental Management， 2019， 230（434-45.
[17]GóMEZ-LIMóN J A， SANCHEZ-FERNANDEZ G. Empirical evaluation of agricultural sustainability using composite indicators [J]. Ecological Economics， 2009， 69（5）：
[18]LEE I H. Industrial output fluctuations in developing countries： General equilibrium consequences of agricultural productivity shocks [J]. European Economic Review， 2018， 102：240-79.
[19]周艳丽，卢秉福.农村可持续发展主要影响因素的辨识与分析[J].中国农学通报，2011，27（06）：410-4.
[20]王晓红，郭翔宇，申玉军，et al.黑龙江垦区农业可持续发展评价指标体系[J].黑龙江八一农垦大学学报，2003（01）：119-22.
[21]王巨，谢世友，任伟，etal.三峡地区生态农业可持续性综合评价[J].西南师范大学学报（自然科学版），2011，36（06）：86-91.
[22]CHEN J， CHEN J， MIAO Y， et al. Unbalanced development of inter-provincial high-grade highway in China： Decomposing the Gini coefficient [J]. Transportation Research Part D， 2016， 48：499-510.
[23]RAO C S， KAREEMULLA K， KRISHNAN P， et al. Agro-ecosystem based sustainability indicators for climate resilient agriculture in India： A conceptual framework [J]. Ecological Indicators， 2018，
[24]孙蕊，齐天真.农业适度规模发展评价指标体系构建与综合评价[J].统计与决策，2019，35（07）：49-52.
[25]JAGER A D， ONDURU D， WIJK M S V， et al. Assessing sustainability of low-external-input farm management systems with the nutrient monitoring approach： a case study in Kenya [J]. Agricultural Systems， 2001， 69（1）： 99-118.
[26]LAI J， WANG H H， ORTEGA D L， et al. Factoring Chinese consumers’ risk perceptions into their willingness to pay for pork safety， environmental stewardship， and animal welfare [J]. Food Control， 2018， 85（423-31.
[27]汪紫云，李援亚.基于逐步回归分析法的湖北省农林牧渔产值增长因素分析[J].粮食科技与经济，2018，43（05）：33-6.
[28]黄雪菲，黄文芳.国别间多功能农业发展评价指标体系构建[J].中国人口·资源与环境，2016，26（S1）：176-9.
[29]WANG F， YU C， XIONG L， et al. How can agricultural water use efficiency be promoted in China？ A spatial-temporal analysis [J]. Resources， Conservation & Recycling， 2019， 145（411-8.
[30]HENSELER J， RINGLE C M， SARSTEDT M. A new criterion for assessing discriminant validity in variance-based structural equation modeling [J]. Journal of the Academy of Marketing Science， 2015， 43（1）： 115-35.
〔本文系“国家社会科学基金重大项目”（项目编号：17ZDA085）;“国家自然科学基金”（项目编号：71773119）;“中国地质大学（武汉）中央高校基础研究基金”（项目编号：CUG170101）;“国家自然科学基金（NSFC）”（项目编号：71903184）;麦考瑞大学（项目编号：44724020）;“中国地质大学（武漢）学科建设专项（高层次人才研究启动基金）” （项目编号：108-162301182733）研究成果〕
〔帅传敏、周敏，中国地质大学（武汉）经济管理学院。程欣，中国地质大学（武汉）经济管理学院，麦考瑞大学科学与工程学院。邹靓慧、王梓涵，中国地质大学（武汉）经济管理学院〕