河南省農用地集約利用與農民收入增長關系動態計量經濟分析

尹春麗, 宋文博, 范慧平, 郭子龍, 王 楊, 孟慶香,3

(1.西安文理學院 生物技術學院, 西安 710062; 2.河南農業大學資源環境學院, 鄭州 450002; 3.河南省高校農業資源與環境工程技術研究中心, 鄭州 450002)

河南省農用地集約利用與農民收入增長關系動態計量經濟分析

尹春麗1, 宋文博2, 范慧平2, 郭子龍2, 王 楊2, 孟慶香2,3

(1.西安文理學院 生物技術學院, 西安 710062; 2.河南農業大學資源環境學院, 鄭州 450002; 3.河南省高校農業資源與環境工程技術研究中心, 鄭州 450002)

農用地集約利用水平關系到區域糧食安全，與促進經濟發展方式轉變息息相關，對農用地集約利用水平進行測度并對農用地集約利用與農民收入水平進行動態研究，可以為區域土地可持續發展提供重要參考。本研究利用河南省1978—2012年的相關數據，通過構建適合河南省農用地集約利用評價的指標體系，借助BP神經網絡對河南省農用地集約利用水平進行綜合測度，并在此基礎上采用計量經濟分析考察農用地集約利用與農民收入之間的動態聯系。研究表明：1978—2012年間，河南省農用地集約利用水平整體呈現上升趨勢。農民收入水平與農用地集約利用指數互為Granger因果關系，農用地集約利用指數每提高1個單位，會引起農民收入提高0.628 7個單位。脈沖響應函數和方差分解結果顯示，農用地集約利用水平的提高將促進農民收入的增長，且對農民收入變化的解釋能力隨著時間推移逐漸增強。

農用地; 集約利用; 農民收入; BP神經網絡; 計量經濟分析

河南省地處我國中東部，地理位置優越，具有承東啟西、連南貫北的樞紐作用，是我國重要的產糧區，在全國改革發展大局中具有重要戰略地位。2011年10月國務院印發《國務院關于支持河南省加快建設中原經濟區的指導意見》，建設中原經濟區正式上升為國家戰略，推進河南省經濟發展對整個中原地區乃至全國都有極其重要的意義。發展河南省農村經濟，不僅是加快中原經濟區建設的重要基礎，更是扭轉工農差距、城鄉差距、地區差距的關鍵所在。要完成這一偉大歷史任務，重點難點在于如何提高農民的收入水平。國內學者針對如何提高農民收入問題進行了較為深入的分析和研究，總結起來可以歸為以下幾個觀點：農民利益保護理論、就業優先理論、市場化帶動理論和城鎮化推進理論。隨著我國經濟增長和城市化進程不斷加快，農產品需求和建設活動占用耕地的數量并行增加，城市發展和農地保護的矛盾愈演愈烈。一些學者已經發現，農用地集約利用水平的變化有時甚至比耕地面積銳減更能影響到我國的糧食安全問題[1-2]，農用地集約利用通過增加人力、物力和技術投入，提升耕地產出率，在有限的耕地上實現更多的農產品產出。國內外許多研究結論也表明，農用地集約利用可滿足農民糧食需求，使其有機會走出生產率較低的農業勞動而從事非農產業，農民收入的增加在很大程度上受這種勞動力轉移的影響[3-4]。由此可見，農用地集約利用與農民收入之間存在著某種必然聯系。

國內關于農用地集約利用的相關研究，主要集中在評價方法上，如牛毓君等[5]采用模糊綜合評價模型對晉城市1998—2008年期間的農用地集約利用進行了計算；王培東等[6]以滄州為例，構建了基于PSR(Pressure-States-Response)模型的農用地集約利用評價指標體系，并對其2000—2010年的農用地集約利用水平進行了評價。也有研究涉及到農用地集約利用與經濟之間的定量分析，如李兆富、楊貴山等[7]對蘇州市近50 a來的耕地面積和經濟增長的關系進行了定量研究，認為兩者具有高精度的指數遞減相關關系；王千[8]利用2006年截面數據，對河北省138個縣(市)的農用地集約利用綜合指數和人均收入進行了相關分析和回歸分析，認為農用地集約利用水平對農民收入有影響，且影響程度受經濟因素的沖擊較大?？傮w來看，關于農用地集約利用與農民收入的相關研究主要基于截面數據或者面板數據，利用時間序列進行兩者之間的動態研究較少。在經濟發展、人口增長和耕地不斷減少的趨勢下，研究河南省農用地集約利用變化過程以及與農民收入之間的動態關系，對于提高河南省農用地利用效率，推進土地集約利用轉型，促進農村繁榮，確保河南省在我國糧食大省的地位有著重要的理論和現實意義。

1 研究方法與數據來源

1.1 研究方法

1.1.1 農用地集約利用綜合指數 農用地利用是一個多層次的復雜系統，農用地利用集約與否需要考慮經濟、資源、環境和社會等子系統多方面的均衡，因此必須建立一套合理的評價指標體系來描述這樣的多維矢量。本研究在遵循科學性、可操作性、動態性、代表性和全面性的基礎上，參考現有研究成果[9-14]，從投入強度、利用強度、產出效率和持續狀況4個方面出發，選取12個指標建立適合河南省農用地集約利用評價的指標體系(圖1)，采用BP神經網絡計算河南省農用地集約利用綜合指數。

圖1 河南省農用地集約利用評價指標體系

BP神經網絡是由D.E.Rumelhart和J.L.McClelland提出的一種利用誤差反向傳播訓練算法的神經網絡[15]，它是一種模仿人類大腦神經的網絡結構，原理是梯度最速下降法，通過不斷地調整權值改善系統，使網絡總誤差降到最小[16]。該研究在農用地集約利用綜合指數的計算中，選用BP神經網絡主要考慮到以下兩個方面：第一，BP 神經網絡各個神經元之間能夠實現信息雙向傳導，主要用于求解系統的誤差最小點，具有良好的系統優化特性，農用地集約利用綜合指數的計算本質上就是尋找各個指標和綜合指數之間的函數關系，最后進行評判。第二，BP神經網絡可以實現對任意區間內的連續函數進行逼近，通過隱含層可在保證訓練精度的基礎上，完成任何維度之間的函數映射，BP神經網絡這種連續映照的逼近能力，足可滿足農用地集約利用綜合指數的計算要求。其具體步驟如下：

確定逼近模型網絡拓撲結構：BP神經網絡在處理不同問題時需要與之相對應的輸入層和輸出層節點數，隱含層的節點數一般要根據模型的復雜性綜合判斷。在農用地集約利用綜合指數計算中，輸入層的節點數是指標體系的個數；輸出層的節點數為綜合指數得分，即只有一層。模型輸入的數據需要進行無量綱化處理，公式如下：

(1)

式中：ki′——指標無量綱化處理之后的因子分值，也是網絡輸入值；ki——指標原始數據的因子分值；kmin，kmax——神經網絡的最小和最大輸入參數。

確定隱含層節點數：隱含層的節點數直接關乎BP神經網絡的預測成敗，數量多會造成訓練時間過長甚至會出現“過度逼近”的現象，因誤差較大而訓練效果不理想；數量少可能導致整個神經網絡不能獲取解決問題的信息。到目前，在隱含層節點數的選擇上，還沒有確切的理論作為指導，該研究采用葛哲學與孫志強[17]的方法，選用隱含層數=2×輸入層數+輸出層數的算法來確定隱含層個數。

確定學習速率和期望誤差：BP神經網絡中，學習速率Lr直接關乎到每次循環訓練所生成的權值變化。通常來說，Lr越大就越能減少訓練次數，但卻不能保證系統絕對收斂；而較小的學習速率卻能在保證相同的訓練誤差下，實現收斂速度的快速下降。學術界一般認為學習速率在0.01到0.8之間最優，在本次研究中，為保證系統的穩定性和絕對收斂，選取0.01作為網絡的學習速率Lr。訓練過程產生的誤差有標準誤差、全局誤差和均方誤差，由于均方誤差在抗干擾能力上明顯優于其他兩種，本研究選取均方誤差作為判斷標準。

1.1.2 農用地集約利用水平與農民收入的動態計量分析 在經濟領域中，我們所得到的時間序列觀測值基本上不是在平穩過程中產生的。如果采用非平穩時間序列來研究變量之間的相互關系，極有可能出現虛假相關和偽回歸現象，從而使毫無關系的變量之間得出較高擬合度的回歸方程，這樣的回歸結果往往是謬誤的[18]。為了避免出現虛假相關和謬誤回歸問題，本研究在對時間序列數據進行分析時采用協整理論，對河南省農用地集約利用水平與農民收入之間的關系進行分析，在驗證兩者關系平穩的基礎上，進一步研究兩者之間的長期均衡和短期動態因果關系，以及因果關系的效應方向和沖擊強度。

(1) 常用時間序列的平穩性檢驗方法有以下幾種：散點圖法、自相關函數法和單位根檢驗，該研究主要采用ADF檢驗(Augmented Dickey-Fuller Test)，常用的ADF檢驗模型有以下三種模型：

(2)

(3)

(4)

式中：yt——時間序列；ut——為白噪聲序列；Δ——差分運算符，其中p=1,2,3或者由實驗來確定，模型1沒有常數列和時間趨勢；模型2僅含有常數項，沒有時間趨勢；模型3含有常數項和時間趨勢。平穩性檢驗采用AIC準則，在模型極大似然估計的基礎上, 對模型的階數和相應參數同時給出一種最佳估計[19]。

(2) 協整性檢驗分為兩變量和多變量檢驗，這里針對本研究的目的，僅給出兩變量協整關系檢驗方法。從隨機游走序列yt=yt-1+ut可知，其一階差分序列Δyt=yt-yt-1是平穩序列，可以稱之為“一階單整時間序列”，記為I(1)。以此類推，若一個非平穩序列必須取d階差分才變為平穩序列，則稱原序列是d階單整時間序列，記為I(d)。本研究采用恩格爾—格蘭杰法對變量進行協整檢驗，首先求出兩變量的單整的階，若兩變量的單整的階相同，則用OLS法估計長期均衡方程yt=bo+b1xt+ut，并保存殘差et，作為均衡誤差ut的估計值，若et是平穩的，則yt與xt是協整的，反之不是協整。

(3) 格蘭杰因果性檢驗假定有關y和x每一變量的預測信息全部包含在這些變量的時間序列之中。檢驗要求估計以下的方程：

(5)

(6)

若式(5)中滯后的X的系數估計值在統計整體的顯著不為0，同時式(6)中之后的y的系數估計值在統計上整體的顯著為0，則稱X是引起y變化的Grange原因。

(4) 向量自回歸模型研究的是變量序列間長期的動態關系，一般用于分析系統受到來之于隨機擾動項帶來的動態沖擊，測量系統中變量所受到這些動態沖擊的影響。

yt= a1yt-1+a2yt-2+…+

apyt-p+bxt+et(t=1,2,…,T)

(7)

式中：yt——內生變量；xt——外生變量；p——滯后階數；T——樣本數；et——擾動變量。

脈沖響應函數能夠描述一個內生變量對誤差沖擊的反映，主要描述的是在當期以及未來遠期內生變量受誤差沖擊的影響力度，由此來判斷變量間的動態關系[20]。

方差分解則提供了另外一種描述系統動態關系的方法。不同于脈沖響應函數的是，方差分解分析每一結構沖擊對內生變量變化的貢獻度，即將系統的均方誤差(MeanSquareError)分解成各變量沖擊所做的貢獻，以此評價不同變量沖擊的重要程度[21]，可由如下過程加以描述：

(8)

(9)

為了測定單個擾動項對yi的方差貢獻有多大，定義如下尺度：

(10)

方差貢獻率(RVC)是描述第j個變量擾動項的沖擊的方差相對于第i個變量yi的方差貢獻度，以此來衡量第j個變量對第i個變量的影響程度。

1.2 數據來源

該研究使用的數據資料，均來源于《河南省統計年鑒》(各年)，時間區間為1978—2012年。其中，化肥施用量為折純量，農林牧漁總產值選取第一產業產值代替。在河南省農用地集約利用水平和農民收入的協整關系研究中，選取農民純收入(PI)來表示農民收入的情況，選取BP神經網絡得出的農用地集約利用綜合指數(AI)來表示農用地集約利用水平。同時，對所選擇的變量取自然對數來消除可能存在的異方差，為方便表示均省略Ln符號。

2 實證研究

2.1 農用地集約利用綜合指數的測度

該研究采用MATLAB工具箱及其語言編程求解BP神經網絡。根據計算工作的特點，網絡訓練數據通常是由各種研究對象的評價標準構成，如勞力投入指數和農用地產值密度等，由于農用地集約利用評價研究尚沒用統一的判斷標準。研究參照有關文獻的選取方法，使用線性內插法，通過構建各項指標原始數據的最大值和最小值區間，線性設定影響等級，農用地集約利用綜合指數為10分，梯度為0.5，由0到10分別表示農用地集約利用綜合指數由低到高([0，2)表示集約度最低，[2，4)表示集約度較低，[4，6)表示集約度一般，[6，8)表示集約度較高，[8，10]表示集約度最高)。

將21個得分值作為BP神經網絡的輸出數據，并將評價指標通過線性內插法處理為21個等級，最后得到12組共252個訓練用的樣本數據，作為輸入數據。

結合前述BP神經網絡計算步驟，設置隱含層神經元個數為25個，神經網絡的拓撲結構為12×25×1。隱含層和輸出層網絡分別采用Sigmoid型激活函數和Purelin型激活函數，學習速率Lr設置為0.01，最大循環次數設置為1 000，均方誤差MSE為10-5。

從圖2a可以看出，經過335次訓練后，BP神經網絡均方誤差達到設定的精度；采用Scaled共軛梯度算法對BP神經網絡輸出結果和期望結果的擬合程度進行考察，由圖2b可知BP神經網絡最終的期望結果為Output=0.9999Target+0.000054，表明訓練模型對輸入和輸出樣本有著較強的仿真能力，可以進行仿真訓練。將河南省農用地集約利用評價指標標準化的數據導入訓練好的網絡，得到1978—2012年河南省農用地集約利用綜合指數(表1)。從表1可見，1978—1993年期間，河南省農用地集約利用綜合指數波動上升，除1986年、1988年出現較強烈的下降外，整體呈現緩慢增長，此階段屬于河南省農用地集約利用的初步形成時期；1994—2012年期間，農用地集約利用綜合指數迅速增長，連續大幅增加，18a間由2.711增長到9.867，此階段屬于河南省農用地集約利用的快速發展時期。

2.2 農用地集約利用與農民收入計量分析

2.2.1 平穩性和協整檢驗 利用EViews計量經濟軟件，對河南省1978—2010年AI和PI兩列時間序列進行單位根的穩定性檢驗(最優滯后期根據AIC準則確定)。2個變量時間序列的原始序列、一階差分和二階差分ADF檢驗EViews輸出結果見表2。

由表2可以看出，在原假設H0:δ≥0下，時間序列AI的單位根τ檢驗統計量的值為0.316 0，在1%，5%，10%三個顯著性水平下，單位根檢驗的臨界值分別為-2.641 7，-1.952 1，-1.610 4。顯然，上述τ檢驗統計量值大于5%水平下的DW臨界值，從而接受假設H0:δ≥0，表明AI序列存在單位根，是非平穩序列。對序列AI進行一階差分并進行ADF檢驗，依然得出ΔAI的τ檢驗統計量大于5%水平下的DW臨界值，是非平穩的。故需對AI進行二次差分，得出Δ2AI的τ檢驗統計量小于5%水平下的DW臨界值，表明至少可以在95%的置信水平下拒絕原假設，序列Δ2AI為平穩的，且AI為二階單整序列，即AI—I(2)。同理，可得出PI為二階單整序列，PI—I(2)。

圖2 BP神經網絡訓練過程(a)和輸出期望相應圖(b)

年份農用地集約利用綜合指數等級描述年份農用地集約利用綜合指數等級描述年份農用地集約利用綜合指數等級描述19780.008最低19902.741較低20025.444一般19790.026最低19912.531較低20035.935一般19800.076最低19922.679較低20046.018較高19810.310最低19932.523較低20056.246較高19820.283最低19942.711較低20066.262較高19831.000最低19952.895較低20077.024較高19841.500最低19963.368較低20087.951較高19851.756最低19973.540較低20098.361最高19861.064最低19983.813較低20109.240最高19872.265較低19994.749一般20119.621最高19881.187最低20005.680一般20129.867最高19892.648較低20015.635一般———

由于AI和PI屬于同階單整，采用恩格爾—格蘭杰兩步法檢驗判斷它們之間是否存在協整關系。對AI和PI進行OLS回歸，得到方程：

PI=6.4372+0.6287AI

(11)

t=(52.770) (9.195)

對上面OLS回歸方程殘差時間序列εt做單位根平穩性檢驗，其t檢驗統計量的值小于在5%顯著性水平下的DW臨界值。說明回歸模型不存在謬誤回歸，它們之間存在著協整關系。同時可以說明，隨著AI每提高1個單位，會引起PI提高0.628 7個單位。

說明：檢驗形勢中的C、T和K分別表示截距、趨勢項和滯后階數，Δ表示一階差分，Δ2表示二階差分。

2.2.2 Granger因果關系檢驗 對AI和PI進行Granger因果關系檢驗，結果見表3。從表3中可知，在滯后期為2，3，4時，在5%的概率下均拒絕了“PI does not Granger Cause AI”和“AI does not Granger Cause PI”的原假設，這說明河南省農用地集約利用水平和農民收入之間互為Granger因果關系。由此可知，河南省農用地集約利用綜合指數的大小將會對農民收入產生影響，農民收入也會反過來影響農用地集約利用綜合指數，至于這種沖擊的強度和方向如何，仍需對其進行脈沖響應和方差分解分析。

表3 Granger 因果關系檢驗結果

2.2.3 脈沖響應函數 脈沖響應函數是追蹤系統對于一個變量的沖擊反映，在前面驗證PI和AI存在Granger因果關系的基礎上，建立脈沖響應函數分析兩者的動態影響。

運用EViews建立AI和PI的自回歸模型(最優滯后階數根據AIC和SC最小標準準則確定)：

(12)

基于自回歸模型建立它們之間的脈沖響應模型，作用時間為10 a。檢驗結果如圖2所示，縱軸表示脈沖響應，橫軸表示跟蹤期，虛線表示響應函數值加減兩倍標準差的置信區間。

首先考察農用地集約利用水平對農民收入的沖擊反映。從圖3a中看出，農用地集約利用水平對農民收入信息的一個標準差擾動的響應曲線，總體上呈現較強的正向響應，在前4期處于波動狀態，在第4期之后呈現出穩定的、強度平穩增強的正向響應。這說明農用地集約利用水平和農民收入之間存在著緊密的聯系，農用地集約利用水平對農民收入在初期產生負向響應主要是由于集約利用需要投入大量的人力和財力，而產出需要一定時間積累方能顯現。第4期后出現持續增強的正向響應，表明農用地集約利用水平能明顯拉動農民收入水平的提升，且這種拉動具有長期性。而后考察農民收入對農用地集約利用水平的沖擊反映。從圖3b可以看出，農民收入對農用地集約利用水平新息一個標準差擾動，基本維持穩定的正向響應。這說明農民收入的提高使農民有能力投入更多的勞力、農機、化肥等生產要素，從而促進農用地集約利用水平的提高。

(a) 農民收入對農用地集約利用水平的沖擊響應路徑 (b) 農用地集約利用水平對農民收入的沖擊響應路徑

圖3脈沖響應函數曲線

2.2.4 方差分解 方差分解主要分析系統中各個變量的隨機沖擊對自身及其其它變量變化的貢獻性。根據方差分解理論模型，對AI和PI的預測均方誤差進行分解，結果見圖4。

從圖4a中可以看出，農民收入的波動在第1期僅受自身波動的影響，第5期后出現穩定下降，在第10期達到82.64%。農用地集約利用水平對農民收入波動的沖擊在第2期開始顯現，到第4期前均相對微弱，穩定在1.47%，第5期開始，沖擊影響呈現出穩定增長的趨勢，到第10期達到17.36%，并保持著遞增的趨勢。從圖4b可知，農用地集約利用水平在第1期受自身波動的影響為80.34%，而后顯著上升并穩定在96.3%。農用地集約利用水平的波動在第1期受農民收入的沖擊最強，為19.65%，此后呈現下降趨勢，后期區域穩定在預測方差的3.70%左右?？傮w而言，農民收入和農用地集約利用水平均是自身預測誤差方差的主要來源，但是長期來講，農用地集約利用水平在農民收入預測誤差方差的貢獻將會越來越大，可見它的發展對河南省農民收入的變化有著越來越重要的作用。

(a)農民收入水平的預測方差分解 (b)農用地集約利用水平的預測方差分解

圖4方差分解圖

3 結論與討論

3.1 結 論

從投入強度、利用程度、產出效益和持續狀況4個層面共12個指標建立河南省農用地集約利用評價指標體系，借助BP神經網絡對河南省1978—2012年農用地土地集約利用水平進行測度，發現農用地集約利用綜合指數整體上升，間有波動。1978—1993年期間屬于河南省農用地集約利用的初步形成時期，1994—2012年期間，農用地集約利用綜合指數迅速增長，此階段屬于河南省農用地集約利用的快速發展時期。

平穩性和協整檢驗表明，1978年以來，河南省農用地集約利用綜合指數和農民收入水平存在著長期均衡關系，農用地集約利用綜合指數每提高1個單位水平，將引起農民收入提高0.628 7個單位水平。Granger因果關系檢驗表明河南省農用地集約利用綜合指數和農民收入之間互為Granger原因。脈沖函數分析結果顯示，農用地集約利用綜合指數對農民收入第2期才產生影響，且為負向；第4期之后轉為正向響應，強度平穩增強。說明隨著河南省農用地集約利用水平的提升，農民收入水平也將隨之增長，農用地集約利用水平提升產生的效益需要一定時間積累方能顯現。方差分解結果顯示農民收入和農用地集約利用水平均是自身預測誤差方差的主要來源，隨著時間的推移，農民收入受自身影響逐漸減少，受農用地利用集約度提升的影響不斷加強。農用地集約利用水平受自身的影響不斷增長，受農民收入的影響逐漸減少。總體來說，農用地利用集約度的提升對農民收入變化的解釋能力正在逐步增強，農用地利用集約度的提升對提高河南省農民收入有著重要意義。

3.2 討 論

通過對改革開放以來河南省農用地集約利用與農民收入之間的計量經濟分析，得出河南省農用地利用水平的提高對農民收入有著重大的推動作用，農用地集約利用給農民帶來糧食增產，滿足其糧食需求，在基本生存得到保障的基礎上投身非農產業，進而促進農民收入的增加；另外農用地集約利用促進農作物產值的提升同樣促進了農民收入水平的提高。政府在進行宏觀調控的過程中，應該對農用地集約利用足夠重視，制定符合河南省實際情況的農用地利用、保護政策，促進農用地集約利用持續穩定的發展。

根據研究結論，短期內農用地集約利用水平對農民收入為負向沖擊，但長期內對農民收入為正向影響。因此，在制定相關政策時，應當以長期政策為主，短期政策為輔，在保證正向效應的基礎上，盡量削弱短期負向沖擊帶來影響。由于農民收入水平也是農用地集約利用水平的原因，說明兩者之間存在一定的良性交替維拉關系，農民收入水平的提高，能夠促進其在土地上投入更多的資本，有利于農用地集約利用技術的采用，但同時也會誘發農民忽視對農用地的保護，出現“只使用，不保養”的情況，因此農用地集約利用度并非越高越好，應當合理調控農用地集約利用的投入和使用，使利用效益最優?？梢姡乱徊接斜匾獙Ρ妊芯坎煌瑫r期農用地集約利用與農民收入之間的協調程度，為實現優化河南省土地利用結構和促進經濟增長雙軌并行提供科學依據，讓政府在制定具體政策時有的放矢。

[1] LI Xiubin, WANG Xiuhong. Changers in agricultural land use in China:1981—2000[J]. Asian Geographer,2003,22(1/2):27-42.

[2] 張鳳榮,孔祥斌,徐艷.開展農地利用方式變化規律研究探討土地可持續利用模式[J].中國農業科技導報,2002,4(3):18-22.

[3] 芮田生,閻洪.我國農民收入影響因素分析[J].湖南社會科學,2012(2):149-153.

[4] 呂紫乾.影響我國農民收入增加的因素分析及對策建議[D].遼寧大連:東北財經大學,2011.

[5] 牛毓君,師學義,王立芹,等.基于模糊綜合評價模型的農用地集約利用研究[J].國土與自然資源研究,2013(2):17-20.

[6] 王培東,趙麗,楊皓,等.基于PSR模型的滄州市農用地集約利用評價研究[J].中國農業資源與區劃,2013,34(4):57-62.

[7] 李兆富,楊貴山.蘇州市近50年耕地資源變化過程與經濟發展關系研究[J].資源科學,2005,27(4):50-55.

[8] 王千.農用地集約利用與農民人均收入相關性實證研究:以河北省為例[J].河北農業科學,2009,13(5):88-90.

[9] 鄧楚雄,謝炳庚,李曉青,等.基于主成分分析法的湖南省農用地集約利用評價[J].熱帶地理,2011,31(1):71-75.

[10] 劉華賓,張俊梅,許皞,等.河北省近30年耕地資源變化與經濟發展耦合關系研究[J].水土保持研究,2009,16(2):121-127.

[11] 張 琳,張鳳榮,安萍莉,等.不同經濟發展水平下的耕地利用集約度及其變化規律比較研究[J].農業工程學報,2008,24(1):108-112.

[12] 何春燕,楊慶媛,鄧永旺,等.鎮域農用地集約利用評價及其影響因素分析:以重慶市王場鎮為例[J].水土保持研究,2013,20(4):235-241.

[13] 李占軍,刁承泰.西南丘陵地區縣域農用地經濟效益評價研究:以重慶江津區為例[J].水土保持研究,2008,15(4):105-109.

[14] 曹銀貴,周偉,王靜,等.基于主成分分析與層次分析法的三峽庫區耕地集約利用對比[J].農業工程學報,2010,26(4):291-296.

[15] Lakner P. Optimal trading strategy for an investor: the case of partial information[J]. Stochastic Processes and Their Applications,1998,76(1):77-97.

[16] 王德明,王莉,張廣明.基于遺傳BP神經網絡的短期風速預測模型[J].浙江大學學報:工學版,2012,46(5):837-841.

[17] 葛哲學,孫志強.神經網絡理論與MATLAB R2007實現[M].北京:電子工業出版社,2007:192-197.

[18] 劉漢中.Enders-Granger方法在協整檢驗中的應用研究[J].數量經濟技術經濟研究,2007(8):137-144.

[19] Engle R F, Granger C W J. Cointegration and error correction: Representation, Estimation and Testing[J]. Econometrica,1987,55(2):251-276.

[20] 朱紅根,卞琦娟,王玉霞.中國出口貿易與環境污染互動關系研究:基于廣義脈沖響應函數的實證分析[J].國際貿易問題,2008(5):80-86.

[21] 李懷政.環境規制、技術進步與出口貿易擴張:基于我國28個工業大類VAR模型的脈沖響應與方差分解[J].國際貿易問題,2011(12):130-137.

AnAnalysisofDynamicEconometricRelationshipbetweenIntensiveAgriculturalLandUtilizationandIncomeGrowthofRuralFarmersinHe′nanProvince

YIN Chun-li1, SONG Wen-bo2, FAN Hui-ping2, GUO Zi-long2, WANG Yang2, MENG Qing-xiang2,3

(1.CollegeofBiotechnology,Xi′anUniversity,Xi′an710062,China; 2.CollegeofRecoursesandEnvironmentalSciences,He′nanAgriculturalUniversity,Zhengzhou450002,China; 3.He′nanProvinceCollegesandUniversitiesofAgriculturalResourcesandEnvironmentalEngineeringCenterforTechnologyResearch,Zhengzhou450002,China)

The levels of intensive agricultural land utilization are closely related to accelerated transformation of economic development patterns. By measuring and calculating the agricultural land use intensity, the variation and its interaction with economic growth of intensive agricultural land utilization in He′nan Province was studied. This paper, based on time-series data from 1978 to 2012 of He′nan Province, constructed the index system of agricultural land use intensity, calculated the levels of intensive agricultural land utilization by using BP ANN when the index system of agricultural land use intensity of He′nan Province was constructed. On this basis, a statistical approach was adopted to analyze relationship between intensive agricultural land utilization and income growth of rural farmers in He′nan Province. The results showed that the levels of intensive agricultural land utilization in He′nan Province had been gradually increasing since 1978. By employing co-integration analysis, granger causality test can notice that the intensive agricultural land utilization and income growth of rural farmers have Granger causal relationship to each other, when the intensive agricultural land utilization levels increased by 1 unit, 0.628 7 unit of income growth of rural framers increased. The impulse response function and variance decomposition showed that with the increase of the intensive agricultural land utilization level, the indices of farmer per capita income will promote too. Its explanation capability of the income growth of rural farmers will be enhanced over time.

agricultural land; intensive utilization; income of the farmers; BP ANN; econometric analysis

2014-02-17

：2014-03-15

國土部中國地質調查局地質調查項目(12120113007300)

尹春麗(1977—),女,河南沈丘人,博士,講師,主要從事生物化工及環境生態研究。E-mail:yinchunli1977@126.com

孟慶香(1977—),女,河南新鄉人,副教授,博士,研究方向為土地利用評價、區域規劃。E-mail:qxmeng@126.com

F301

：A

：1005-3409(2014)05-0185-08