基于埃塔平方法(η2)的中國小麥生產驅動因素貢獻份額研究*

葉志標，李文娟

(中國農業科學院農業資源與農業區劃研究所，北京 100081)

?

·問題研究·

基于埃塔平方法(η2)的中國小麥生產驅動因素貢獻份額研究*

葉志標，李文娟※

(中國農業科學院農業資源與農業區劃研究所，北京 100081)

[目的]定量分析中國小麥生產驅動因素貢獻份額，綜合評價各因素對小麥生產的影響效應。[方法]采用埃塔平方法(η2)來確定氣候與氣象、科技與生產投入和社會經濟3組因素對小麥生產影響的貢獻份額。選取1978年以來小麥生產集中度波動上升的河南、河北、山東、江蘇、安徽和新疆(春小麥)6省區作為研究案例。分別建立冬小麥生產和小麥生產兩個模型群。每個模型群包含1個全因素模型和6個局部因素模型。[結果]兩個模型群的R2×100的值分別為63.70和62.74，顯示模型整體具有較強的解釋能力，氣候與氣象、科技與生產投入和社會經濟這3組因素中的X變量分別在兩個模型群中解釋了小麥生產變化的63.70%和62.74%。η2×100是相應因素或因素組合的解釋力，由此得到的貢獻份額顯示了各因素對于小麥生產的獨立和交互貢獻份額。其中，冬小麥模型群的運算結果顯示，科技與生產投入和社會經濟因素的獨立貢獻份額分別為5.83%和4.30%，而交互貢獻份額則高達40.57%； 氣候與氣象因素的獨立貢獻份額為2.43%，與科技和生產投入因素的交互貢獻份額為0.14%，與社會經濟因素交互貢獻份額為-1.15%，說明氣象氣候與社會經濟因素中共享了一部分信息； 整個模型所有因素交互貢獻份額為11.58%。小麥模型群的運算結果支持冬小麥模型群，在3組因素中，科技與生產投入和社會經濟因素的獨立貢獻及其交互貢獻份額分別為5.05%、3.22%和44.86%； 氣候與氣象因素的獨立貢獻份額為2.48%，與科技與生產投入和社會經濟因素的交互貢獻份額均為負，分別是-0.41%和-1.24%； 3組因素交互貢獻份額為8.78%。[結論]兩個模型群的運算結果共同顯示科技與生產投入和社會經濟因素是影響中國小麥生產的主要驅動因素，其中科技與生產投入對于小麥生產的作用更為突出； 這兩組因素的交互作用對于小麥生產有控制性影響，并在小麥生產模型中更加明顯； 相比之下，氣候與氣象因素貢獻份額相對較小，且在和科技與生產投入、社會經濟因素的交互作用過程中，產生了一定的削弱作用，使得氣候與氣象因素的作用更加不明顯。

埃塔平方法(η2)糧食安全 小麥 貢獻份額 中國

0 引言

小麥是中國最重要的糧食作物和口糧消費品種之一，其播種面積和產量均占糧食生產總量的21%左右，在糧食消費中所占比重為19%左右[1]。隨著我國進入經濟發展新常態，農業生產形勢發生變化，種植業品種結構不平衡、效益收窄等一系列問題也隨之顯現，糧食生產面臨供給側結構性改革[2]。如何實現“穩定冬小麥、恢復春小麥，在品質上抓兩頭、帶中間”[3]，推動小麥生產結構調整，鞏固提升小麥產能，確保小麥產量與品質，成為小麥生產面臨的重要議題之一。深入研究影響我國小麥生產的主要因素及其貢獻份額，對于保證小麥生產的持續穩定發展具有重要意義。

在豐富的有關小麥生產影響因素及其影響程度的文獻中，有大量文獻資料討論了小麥生產對全球氣候變化的響應[4-7]，楊曉光等人研究認為氣候變化將會造成全國種植制度界限不同程度的北移，冬小麥種植理論北界北移西擴[8-9]。而李文娟等人則從農業旱災對我國糧食產量的影響入手，定量分析了農業旱災對我國糧食安全的影響程度[10]。此外，還有從化肥使用量[11]、耕地數量與質量[12， 13]、灌溉與農業用水[14]及科技支撐[15]等一系列科技與生產投入要素出發，研究各種生產投入因素對糧食生產的貢獻，夏海龍等基于農業部固定觀察點河南省的農戶調查數據，分析得到各要素貢獻率，研究認為推動河南農戶小麥產出增長的主要因素是以技術進步和技術效率為核心的全要素生產率的提高[16]。除此之外，還有一些研究認為社會經濟因素對糧食生產的影響在逐漸增大，并將成為糧食增產愈來愈重要的因素[17]。總的來看，現有的相關研究主要從氣候與自然因素的角度出發，或者只研究某一種因素的影響，缺乏把各類影響因素同時納入考慮范圍的研究。隨著小麥生產環境發生巨大變化，迫切需要引入新的研究方法綜合分析各種影響因素對小麥生產的影響及其貢獻份額。

該研究將小麥生產看成一個受氣候與氣象、科技與生產投入、社會經濟因素共同影響的系統。通過構建小麥模型和冬小麥模型，并引入埃塔平方法(η2)[18]，對影響我國小麥生產的各種驅動因素及其貢獻份額進行定量研究。

1 材料與方法

1.1 研究區域概況

該研究的區域范圍是我國的6個小麥主產省，其中冬小麥主產省5個(河北、河南、山東、江蘇、安徽)，春小麥主產省1個(新疆)。小麥主產省是根據小麥產量集中指數確定的?；谥袊N植業信息網農作物分省數據庫中的小麥生產數據，計算得到各個省區的1978～2014年間分年度小麥產量集中度指數。在全國小麥生產省中，河南、河北、山東、江蘇、安徽和新疆6省區的小麥生產集中度指數呈總體波動增長(圖1)。如果把這6個小麥主產省區看成一個整體，它的小麥生產集中度指數之和1978年以來一直保持在占全國60%以上。2000年以后6省區小麥產量集中指數出現穩定增長趨勢，逐步突破70%和80%，已成為我國小麥生產的核心區域。

圖1 1978～2014年中國6個小麥主產省區產量集中度指數及省區整體變化趨勢

1.2 數據來源

該研究采用的數據資料主要有4個來源：一是來自中國農業科學院農業資源與農業區劃研究所遙感團隊完成的SPAM數據，包括1980年、1990年、2000年和2010年4個時點的全國三大糧食作物面積產量10km柵格數據； 二是來自國家氣象信息中心(中國氣象數據共享網)的氣象數據； 三是分別來自河南、河北、山東、安徽、江蘇和新疆6省區的社會經濟統計數據； 四是中國種植業信息網農作物數據庫的1978年以來全國分省小麥生產數據。

SPAM數據是基于1980年、1990年、2000年和2010年4期全國遙感影像的柵格數據，小麥種植面積和小麥總產量以10km×10km的柵格數據形式表達出來。由于該研究的著眼點是我國小麥集中產區，因此只有柵格內小麥種植面積大于1 000hm2的柵格被篩選出來，零星和分散產區的小麥生產不包括在該研究中。

氣象數據包括上述6省區范圍內所有氣象站點的多年觀測數據，主要指標有平均氣溫、總降水量、總日照時數、大于5℃積溫和大于10℃積溫。ArcGIS空間分析工具的Kriging插值方法被用于進行上述氣象數據空間化處理，從而得到6省區的氣溫，積溫、降水和日照等10km×10km柵格數據。在此基礎上，在ArcGIS里疊加柵格化了的氣象數據和大于1 000hm2小麥生產SPAM柵格數據。為了便于進一步分析，這些柵格數據被轉換成矢量數據，從而得到以柵格為單元的小麥生產和氣象數據表。在河南、河北、山東、安徽、江蘇和新疆，分別有1 896個、2 022個、2 081個、1 623個、1 271個和2 967個這樣的小麥種植網格。

社會經濟數據與小麥生產投入數據基于省級統計資料。從各省統計年鑒、《新中國農業60年統計資料》和種植業信息網農作物數據庫中提取出相關統計數據，這些統計數據也轉換成10km×10km的空間數據表。

如前所述，小麥生產系統是由氣候與氣象，科技與生產投入，社會經濟等因素決定的。根據觀測數據和統計數據的有效指標，該研究共選用25個變量。其中，因變量是小麥單產， 24個自變量分屬于3組因素群。其中，氣候與氣象因素組包括小麥生長期內平均氣溫、總降水量、總日照時數、大于5℃積溫、大于10℃積溫、小麥旱災成災面積和小麥霜凍成災面積等7個變量?？萍寂c生產投入因素包含耕地面積、新增耕地面積、新開荒地面積、機耕面積、機播面積、機收面積、有效灌溉面積、化肥投入量、農機總動力和一個代表小麥育種和栽培技術不斷進步的虛擬變量，其中，機耕反映特定時期的農業技術水平，因為用役畜還是用拖拉機耕地代表著不同的技術水平； 引入虛擬變量是因為目前沒有能夠準確反映小麥生產技術進步的數據，該研究假定技術進步是一個持續的過程，每10年就會出現小麥新品種和栽培技術，因此虛擬變量是一個每10年增長1次的連續兩位數。社會和經濟因素包含總人口、農業人口、鄉村人口、GDP、第一產業占GDP比重、農業總產值(按可比價計算)、農民人均所得(可比價)等10個變量。

1.3 驅動因素貢獻份額計算方法

為了計算影響小麥生產各組因素的貢獻份額，第一步需要建立普通最小二乘法回歸模型群(OLS)，OLS模型的基本形式為：

Y=A+B1X1+…+BiXi+e

(1)

這里的Y是每個柵格的小麥單產水平(10km×10km)，X1-Xi是3組因素群的24個變量。該研究建立了兩組OLS模型。一組是基于5個冬小麥主產省區的冬小麥模型群，包含Y變量和24個X變量。另一組是基于6個小麥主產省份的小麥模型群，同樣也包含Y變量和24個X變量，包含所有X變量的回歸模型被定義為全因素模型。

OLS回歸是線性最小回歸，假設前提是回歸方程中的X變量是完全獨立的，不存在相關性。然而在現實運算中， 25個變量之間或多或少存在一定的相關性。因此通過該文提出的埃塔平方法，可以確定自變量間的相關性，從而把各自變量對因變量的獨立和交互貢獻份額剝離出來。

使用埃塔平方法，首先需要進行局部的F檢驗。局部F檢驗是為了測試所選自變量X是否對因變量Y有顯著作用。在該研究中，局部F檢驗用于分析X變量是否對小麥生產有顯著的貢獻。為了進行這個檢驗，首先需要構建局部模型。局部模型是沒有待測變量群的OLS模型。例如，如果要檢驗氣候與氣象因素是否在全因素模型中有明顯的作用，需要構建一個沒有氣候與氣象因素的局部模型。檢驗的F值通過下面公式計算：

(2)

零假設被用于局部F檢驗：

H0：βe1=βe2=…=βe25=0

(3)

這里的βe1=βe2=…=βe25表示在局部模型中被拿掉了的參數。在該研究中，對各個模型群共建立了6個局部模型。如果通過公式2計算得到的F值比F臨界值要大，則表示測試的X變量與Y變量顯著相關。

當X變量與Y變量顯著相關，變量X對全模型的變量Y變異的解釋力(即貢獻份額)用埃塔方表示，埃塔方可以通過全模型和局部模型中的獲得平方和除以總計平方和，如公式(4)所示。

(4)

埃塔平方是被測試因素X對因變量Y變化的貢獻份額，例如，為測算氣候與氣象因素對小麥生產的貢獻份額，需要構建全模型和不包括氣候與氣象因素的局部模型，基于這兩個模型計算出的埃塔平方就是氣候與氣象因素對小麥單產Y的貢獻份額。

(5)

最后，所有因素群的交互貢獻可以通過公式6計算得到

(6)

1.4 數據分析

該研究的數據采用SPSS 21統計軟件進行分析，采用Excel作圖。

2 結果與分析

基于1.2的數據來源和1.3的埃塔平方法，該研究構建了兩個模型組： 5省區冬小麥生產模型和6省區小麥生產模型。每個模型組均包含7個模型，即1個全因素模型和6個局部因素模型。通過這兩組模型，計算得到全因素模型的R平方、每個局部模型的F值、埃塔平方和因素的貢獻份額。F值顯示模型中所有因素達到了統計學上99%的顯著性，因此無效假設被否定，兩組模型的計算結果分別列在表1和表2中。

2.1 5省區冬小麥模型群

表1顯示的是基于5個冬小麥生產大省數據的冬小麥模型群的計算結果。全因素模型的調整后R2×100值顯示了模型的解釋能力，代表氣候與氣象因素、科技與生產投入因素、社會經濟因素的X變量解釋了5個冬小麥生產集中度總體波動上升省份的小麥產量變化的63.70%。η2×100是相應因素或因素組合的解釋力。貢獻份額顯示了各因素獨立和交互作用對于小麥生產總解釋力的貢獻份額?？梢钥闯觯瑲夂蚺c氣象因素解釋了2.43%，科技與生產投入因素解釋了5.83%，兩者加起來總共解釋了8.26%。而這兩組因素組合交互情況下解釋了小麥生產的8.40%，比加總的8.26%要大，這就說明這兩組因素交互貢獻了額外的0.14%。相應地，氣候與氣象和社會經濟因素交互貢獻了另外的1.15%，但是這個交互貢獻份額為負，說明這兩個因素群共享一些相同的信息，這些信息在每個局部模型中獨立起作用，但在全模型中起交互作用。兩者交互作用貢獻份額為負說明，隨著社會經濟的發展，農民收入快速提高，農業發展取得了長足的進步，極大影響了農戶的種植選擇，減弱了對于氣候因素、生長季以及農業災害的顧慮，也影響了農業生產投入，大大削弱了氣候與氣象條件對于小麥生產的影響程度。

表1 R2，η2和對冬小麥模型的貢獻

表2 R2，η2和對小麥模型的貢獻

表1還說明在3組因素中，科技與生產投入對于5省區冬小麥生產起到了最重要的作用，社會經濟因素次之，并且科技與生產投入和社會經濟因素的交互貢獻更是達到了40.57%。與這兩組因素相比較，根據η2×100的值，氣候與氣象因素起到作用相對較小。從5省區冬小麥生產模型群可以看出，氣候與氣象因素對于冬小麥生產產生的貢獻份額實際上達到了3.71%，這包含了對于冬小麥生產的獨立貢獻及其和科技與生產投入、社會經濟因素的交互作用產生的貢獻份額之和。

2.2 6省區小麥模型群

包含春小麥生產集中度總體波動上升的新疆維吾爾自治區的6省區小麥生產模型運算結果詳見表2。從表2中的計算結果可以看出，模型調整后的R2×100值是62.74，意味著3組因素解釋了6省區小麥產量變化的62.74%。其中，前3個局部模型的η2×100值顯示：氣候與氣象因素、科技與生產投入因素以及社會經濟因素對于6省份小麥生產的獨立貢獻份額分別為2.48%、5.05%和3.22%，在這3組因素中，科技與生產投入比其他另外兩組因素起到了更加明顯的作用。綜合冬、春小麥生產情況， 6省區小麥模型中，氣候與氣象因素與科技與生產投入和社會經濟因素的交互貢獻份額均呈為負值，各自為-0.41%和-1.24%，說明科技與生產投入和社會經濟因素對于氣候與氣象因素有著或多或少的削弱作用。此外，從冬、春小麥生產的總體情況看，科技與生產投入和社會經濟因素對于小麥生產的影響作用更為突出。

2.3 結果比對

對比兩個模型群的運算結果，可以發現，模型運算結果總體上一致。在兩個模型群中，科技與生產投入因素對于小麥生產具有最顯著的獨立貢獻份額，其次是社會經濟因素。氣候與氣象因素在與其他兩組因素的交互作用中，對于小麥生產的作用都比較小。從3組因素的共同交互貢獻可以看出，氣候與氣象因素對于小麥生產的影響更多地通過因素的交互作用來體現，在2個模型群中分別為11.58%和8.78%。兩個模型群中的氣候與氣象因素和社會經濟因素，以及冬春小麥模型中氣候與氣象因素和科技生產投入因素的交互作用中，貢獻份額均為負數，說明這些因素之間共享了一些相同因素，從而沒有為模型帶來新的信息。兩個模型群中的局部模型6，即：科技與生產投入和社會經濟因素交互作用的貢獻份額，均超過了40%，對于小麥的貢獻作用最為突出。

表3 兩組模型運算結果

模型1模型2模型3模型4模型5模型6模型7冬小麥模型2 435 834 30 14-1 1540 5711 58小麥模型2 485 053 22-0 41-1 2444 868 78

3 結論與討論

該文運用埃塔平方法，構建了基于5省區的冬小麥生產模型和6省區的小麥生產模型兩個模型群，采用GIS和統計分析方法，定量研究影響我國小麥生產的主要因素，確定不同因素對小麥生產的貢獻份額。主要研究結論如下。

3.1 科技與生產投入、社會經濟因素對小麥生產驅動作用凸顯

基于模型運算結果，研究發現科技與生產投入、社會經濟因素的作用凸顯，這反映出我國社會經濟發展和保障糧食生產的實際。改革開放以來，特別是2004年以來，中央連續下發了5個“一號文件”，明確了“統籌城鄉發展”的基本方略，先后實施了糧食直補、農資綜合直補、良種補貼、農機具購置補貼、科技入戶工程，保護價收購，免征農業稅，獎勵產糧大縣等更直接、更有力、更有效的支農惠農政策，對農業投入明顯增長。在這一過程中，科技進步發揮了重要作用，特別是良種培育和品種更換速度加快，高產、優質、多抗雜交新品種的推廣，以及旱作節水、測土配方施肥、病蟲害綜合防治等實用增產技術的應用，對于小麥穩產增產起到了非常重要的作用。

3.2 氣候與氣象因素影響被掩蓋

已有研究表明，氣候與氣象因素對于小麥種植區域變化、產量和品質都產生了顯著的影響[4-9]。在該研究中，氣候與氣象因素對于小麥生產的獨立貢獻份額卻不突出，在冬小麥和小麥2個模型群中，氣候與氣象因素的貢獻份額分別為2.43%和2.48%。但是這并不代表氣候與氣象因素在小麥生產中的作用不重要，也并不和這些相關的研究結論所對立和沖突。恰恰相反，該研究的結果進一步對已有相關結論進行了解釋。楊曉光等人的研究結果顯示由于氣候變暖我國遼寧省、河北省、山西省等省份冬小麥的理論北界出現了不同程度的北移西擴，但在現實中冬小麥的北界并沒有出現大幅度的北移，且這些省份的冬小麥生產并沒有出現大幅度的提升，這就是氣候與氣象因素的作用被其它因素削弱和掩蓋的結果。氣候與氣象因素很重要，但生產投入和科技進步、社會經濟因素在某一時期對某種作物的影響更重要。隨著社會經濟的發展和人民生活水平的提高，對于小麥消費結構提出了新的更高要求，市場監測顯示，當前我國面粉等主食消費增速放緩，普通粉及其制品需求呈萎縮態勢，而專用粉及制成品需求增加； 同時種植農戶的收入增加，農戶對于農業經營管理的選擇更廣，種植小麥的比較收益相對較少，農戶種植決策對于小麥生產影響很大，因此氣候適宜種植小麥的地區未必出現大面積增加小麥種植的趨勢，甚至存在小麥面積萎縮的可能。此外，社會經濟發展，大大推動科技創新和生產投入的增加，農業基礎設施改善，生產集約化程度提高，小麥生產應對氣候變化和氣象災害的能力大大提升，有效控制和減輕了氣象與自然災害對于小麥生產的影響。從該研究的兩個模型群可以看出，三大因素交互貢獻份額分別達到11.58%和8.78%，這是氣候與氣象因素通過與其他因素的交互作用得以體現的結果。

3.3 春小麥對于科技與生產投入、社會經濟因素的響應更加明顯

對比兩個模型群的結果可以發現，春小麥對于科技與生產投入、社會經濟因素的響應更加明顯。造成這一結果的原因主要為：春小麥主要產區多地處西北和東北地區，這些區域氣候與自然條件較差，作物種植結構相對單一，種植作物可選擇種類少，受到了氣候與氣象因素更為嚴峻的制約，而如前所述，氣候因素的作用主要通過與其他因素的交互作用得以體現，也印證了已有研究中這些區域春小麥生產對于氣候自然的響應[19]。因此，這些區域能否發展春小麥生產的關鍵在于能否通過科技進步，技術推廣，生產投入及社會經濟發展來培育和推廣春小麥新品種，改造春小麥生產環境，改善水肥條件。

[1] 農業部市場預警專家委員會.中國農業展望報告(2016- 2025).北京：中國農業科學技術出版社， 2016： 26～34

[2] 羅其友， 尤飛，楊亞東.我國種植業面臨的結構性問題與調整方向.種業導刊,2016,(2)： 5～7

[3] 農業部.全國種植業結構調整規劃(2016～2020年). 中國食品,2016,(10)： 149～154

[4] Luo Q，Bellotti W，Williams M，et al.Potential impact of climate change on wheat yield in South Australia.Agricultural &； Forest Meteorology,2005

[5] 覃志豪， 唐華俊，李文娟.氣候變化對我國糧食生產系統影響的研究前沿.中國農業資源與區劃,2015, 36(1): 1～8

[6] 覃志豪， 唐華俊，李文娟，等.氣候變化對農業和糧食生產影響的研究進展與發展方向.中國農業資源與區劃,2013, 34(5): 1～7

[7] Song Y,Chen D, Dong W.Influence of climate on winter wheat productivity in different climate regions of China， 1961-2000.Climate Research,2006,32(3):219～227

[8] 楊曉光， 劉志娟，陳阜.全球氣候變暖對中國種植制度可能影響： Ⅵ.未來氣候變化對中國種植制度北界的可能影響.中國農業科學,2011, 44(8): 1562～1570

[9] 李克南， 楊曉光，慕臣英，等.全球氣候變暖對中國種植制度可能影響Ⅷ——氣候變化對中國冬小麥冬春性品種種植界限的影響.中國農業科學,2013, 8(46): 1583～1594

[10]李文娟， 覃志豪，林綠.農業旱災對國家糧食安全影響程度的定量分析.自然災害學報,2010,(03)： 111～118

[11]李忠芳， 徐明崗，張會民，等.長期施肥下中國主要糧食作物產量的變化.中國農業科學,2009,(07)： 2407～2414

[12]劉彥隨， 王介勇，郭麗英.中國糧食生產與耕地變化的時空動態.中國農業科學,2009,(12)： 4269～4274

[13]傅澤強， 蔡運龍，楊友孝，等.中國糧食安全與耕地資源變化的相關分析.自然資源學報,2001,(04)： 313～319

[14]陳靜， 王迎春，李虎，等.滴灌施肥對免耕冬小麥水分利用及產量的影響.中國農業科學,2014,(10)： 1966～1975

[15]李建平， 唐華俊，羅其友，等.我國區域糧食科技支撐體系研究.中國科技論壇,2007,(10)： 104～112

[16]夏海龍， 郭燕枝，郭靜利.農戶小麥生產的產出增長與分解——基于河南省農戶層面的實證分析.中國農業科學,2012,(03)： 569～574

[17]孫曉麗， 石淑芹，李正國.黑龍江省氣候與社會經濟因素對生產潛力影響的研究.中國人口、資源與環境,2014,(S3)： 349～353

[18]Li W，Tang H，qin Z，et al.Climate Change Impact and Its Contribution Share to Paddy Rice Production in Jiangxi，China.Journal of Integrative Agriculture,2014, 13(7): 1565～1574

[19]李正國， 楊鵬，唐華俊，等.氣候變化背景下東北三省主要作物典型物候期變化趨勢分析.中國農業科學,2011,(20)： 4180～4189

歡迎訂閱《中國農業資源與區劃》雜志

《中國農業資源與區劃》雜志(月刊)是中國農業科學院農業資源與農業區劃研究所、全國農業資源區劃辦公室、中國農業資源與區劃學會聯合主辦的指導性與學術性相結合的綜合性刊物，主要宣傳農業資源開發利用與保護治理、農業計劃、農業發展規劃、農業投資規劃、農村區域開發、商品糧基地建設等方面的方針政策；介紹農業資源調查、農業區劃、區域規劃、區域開發、農村產業結構布局調整、農村經濟發展戰略研究、持續農業等方面的經驗、成果和國外動態，以及新技術、新方法的應用，探討市場經濟發展和運行機制與農業計劃、農業資源區劃的關系和影響，推動農業計劃和農業資源區劃學術理論發展，普及有關基礎知識。本刊面向從事農業資源調查和區劃、農業發展計劃、規劃的干部、科技人員、大專院校師生及廣大農村干部。

《中國農業資源與區劃》雜志為月刊、國內外公開發行，大16開本。每冊定價30.00元，全年每套360元。訂閱款可通過郵局匯寄《中國農業資源與區劃》編輯部，地址：北京海淀區中關村南大街12號中國農業科學院農業資源與農業區劃研究所，郵編：100081?；蚩赏ㄟ^銀行匯款，開戶行：農行北京北下關支行，行號：103100005063，賬號：11050601040011896，單位名稱：中國農業科學院農業資源與農業區劃研究所。電話：(010) 82109632 82109628 82109647 82109637，傳真：(010) 82109632 82109637。

Email: quhuabjb@caas.cn。郵發代號：2-732，投稿網址：www.cjarrp.com

USING ETA SQUARE METHOD (η2) TO ESTIMATE THE CONTRIBUTION SHARE OF DRIVING FACTORS ON WHEAT PRODUCTION IN CHINA*

Ye Zhibiao，Li Wenjuan※
(Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China)

The objective of this study was to estimate the contribution share of driving factors on wheat production in China and evaluate the integrative effects of the factors. An improved approach, eta square method, was used in the study to identify the contribution shares of three group factors that were climate and meteorological factors, technology and production input, social economic factors by which wheat production was affected. According to the concentration index of wheat production in China since 1978, wheat productions of the six main wheat producers in China were Henan province, Hebei province, Shandong province, Jiangsu province, Anhui province and Xinjiang Uygur Autonomous Region. Two groups of ordinary least square (OLS) models that included five winter wheat producers′ models and six winter-spring wheat producers′ models were constructed for further analysis. Each model group consisted of seven models, one full model and six partial models. The results of the two model groups showed that the values of adjusted R square multiply by 100 were 63.70 and 62.74,respectively, which indicated that the models had strong ability of explanation, and wheat production could be explained 63.70% and 62.74% respectively by these X variables such as climate and meteorological factors, Technology and production input, social economic factors. The winter wheat models showed that technology and production input, social economic factors individually and interactively contributed 5.83%, 4.30% 40.57% explanatory power to the variation of wheat production in five studied provinces. Climate and meteorological factors only contributed 2.43% individually and another 0.14% interactively together with technology and production input factors. When interacting together with social economic factors, the contribution share was -1.15% as they shared some same information. The three group factors interactively contributed the remaining 11.58% explanatory power. Both the winter and spring wheat models support the results of winter models. Among the three groups of factor, technology and production input, social economic factors individually and interactively contributed 5.05%, 3.22% 44.86% explanatory power. Climate and meteorological factors only contributed 2.48%, and interactively contributed -0.41% and -1.24% as sharing same information. The three group factors interactively contributed the remaining 8.78% explanatory power. The results of two groups of model showed that technology and production input, social economic factors were major factors affecting China′s wheat production, in which the role of technology and production input was more outstanding; In contrast, the contribution share of climate and meteorological factors was relatively small.

eta square; food security; wheat production; contribution share; China

10.7621/cjarrp.1005-9121.20170609

2016-12-19

葉志標(1990—)，男，浙江麗水人，碩士。研究方向：農業區域發展與規劃。※通訊作者：李文娟(1963—)，女，河北張家口人，博士、研究員。研究方向：區域發展、GIS空間模型和糧食安全。Email：liwenjuan@caas.cn

*資助項目：中國農科院創新工程“小麥、玉米、水稻種植空間格局演變機制與模擬研究”(637-1)

F323.1; S512.1

A

1005-9121[2017]06063-08