基于灰色關聯(lián)的安徽省耕地資源利用效率影響因素分析

余 艷， 伍國勇

(1.貴州師范學院經(jīng)濟與政治學院，貴州貴陽 550018；2.貴州大學中國喀斯特地區(qū)鄉(xiāng)村振興研究院，貴州貴陽 550025)

耕地是農(nóng)業(yè)生產(chǎn)的基本要素[1]。“18億畝耕地紅線”的目標在研究和修編《全國土地利用總體規(guī)劃剛要(2006—2020)》首次被提出。這也是我國積極應對未來人口增長、三化發(fā)展、耕地減少、糧食短缺的理性發(fā)展思路[2]。目前我國農(nóng)村耕地也面臨著工業(yè)污染、肥力消失、政策不利這三大困境，這不僅威脅著我國糧庫的安全，也存在著糧食質(zhì)量安全方面的隱患。因此，用科學的方法分析耕地資源利用效率的影響因素，分清主要因素與次要因素，不僅為耕地資源的合理分配，也為穩(wěn)定區(qū)域經(jīng)濟發(fā)展、保障社會穩(wěn)定提供了方向。

學者在這個領域的研究主要集中在用DEA-Tobit兩段法評價某地區(qū)的耕地效率和分析影響因素，文章雖多，但大多只是應用在不同的地區(qū)。例如，楊朔等用了DEA-Tobit兩步法研究了陜西省的耕地利用效率，發(fā)現(xiàn)1990—2008年期間陜西省耕地利用的技術效率和規(guī)模效率長期存在波動性；農(nóng)業(yè)機械總動力、有效灌溉率等都對該地區(qū)耕地利用效率影響顯著[3]。張霞等用了DEA-Tobit兩步法研究高家鎮(zhèn)耕地利用效率，發(fā)現(xiàn)該地區(qū)耕地利用效率整體偏低，各村效率存在顯著性差異，許多常規(guī)指標都對耕地利用效率存在顯著影響[4]。經(jīng)陽等運用了DEA-Tobit兩步法及類聚分析法，對1996—2008年江西省的耕地利用效率進行分析，發(fā)現(xiàn)效率平均值為0.967，總體水平較高；各條件因素對耕地利用效率的影響存在區(qū)別，總體來說，影響指數(shù)單位面積機械總動力〉耕地復種指數(shù)〉有效灌溉面積〉人均GDP[5]。

綜上，雖然用經(jīng)典DEA模型討論不同地區(qū)耕地資源利用效率和影響因素的文章數(shù)量豐富，可是這些文章大部分關注于效率的度量、測算和改進，僅僅是輔以常規(guī)的線性回歸模型或Tobit回歸模型簡單分析耕地資源利用效率的影響因素。某系統(tǒng)的因素分析可以用數(shù)理中的回歸分析、方差分析、主成分分析、相關分析等諸多分析方法，但這類方法有明顯的不足之處：首先模型對數(shù)據(jù)的數(shù)量有要求；其次要求樣本服從某一種典型概率分布，各因素數(shù)據(jù)與系統(tǒng)特征數(shù)據(jù)之間呈線性關系且各因素之間彼此無關；計算量大且有可能得出與定性分析不符的結(jié)果。而本研究采用的灰色關聯(lián)度模型卻能夠很好地避免以上問題，首先灰色關聯(lián)度模型屬于非函數(shù)形式序列模型，對樣本數(shù)量沒有太高要求，序列數(shù)據(jù)不必符合某種分布，計算相對簡單且不會與定性分析的結(jié)果大相徑庭。灰色關聯(lián)度模型雖然能很好地排序什么是影響系統(tǒng)的主要因素或次要因素，但只是一個相對的排序結(jié)果和符合程度，這也是其不足所在。

本研究在四階段DEA-Tobit法[6]的基礎上，以安徽省16個市的耕地資源利用效率值作為參考序列，其他因素為被比較序列，利用灰色關聯(lián)度模型，得出被比較數(shù)列與參考數(shù)列的相關程度，最后再用成分分析法對其他因素進行“降維”，減少其他因素之間的相互影響，分析出哪些因素是主要因素，哪些因素是次要因素，以期對安徽省的耕地資源利用效率的影響因素做出更準確客觀的評價，為安徽省未來的耕地資源利用和發(fā)展、區(qū)域經(jīng)濟綠色長遠發(fā)展提供參考。

1 研究區(qū)概況

安徽省地跨長江、淮河南北，是我國“中部崛起”和“長江經(jīng)濟帶”的重要組成部分。該地區(qū)是暖溫帶與亞熱帶的過度地區(qū)。全省土地面積13.94萬km2，占全國的1.45%，地形豐富，山區(qū)多，平原丘陵少。耕地面積422萬hm2，林地 329 hm2，水面105萬hm2，其中平原、丘陵、山地各占1/3。安徽省是全國的糧倉和蔬菜基地，各類農(nóng)產(chǎn)品產(chǎn)量均居全國前列；還是全國五大糧食調(diào)出省份之一，為全國的糧食安全保障做出重要貢獻。

安徽省近年來發(fā)展迅猛，與江蘇、上海、浙江共同構(gòu)成的長江三角洲城市群已經(jīng)成為國際六大世界級城市群之一。研究顯示，安徽省各地區(qū)的耕地壓力指數(shù)均較大，而且在未來還會持續(xù)增長，主要矛盾有擴大的人口和減少的耕地面積之間的矛盾，較低的糧食單產(chǎn)和負擔國家商品糧基地較高的糧食自給率之間的矛盾[7]。自改革開放到2010年，安徽省耕地面積減少了約35.3萬m2，人均耕地面積由 0.09 hm2減少到0.06 hm2。耕地后備資源匱乏、城鎮(zhèn)化進行加快都威脅著安徽省耕地和糧食安全保障[8]。

2 研究方法、變量選擇和數(shù)據(jù)來源

2.1 灰色關聯(lián)度法

客觀世界中存在著的大大小小的各類系統(tǒng)，都是由許多因素組成的。這些系統(tǒng)及系統(tǒng)因素之間相互關系非常復雜，容易使人們在認識、分析、預測和決策時得不到充分全面的資訊，從而不容易形成明確的概念。灰色關聯(lián)度分析的目的就是通過一定的方法理清系統(tǒng)中各因素間的主要關系，找出影響最大的因素，把握矛盾的主要方面。如果兩者在系統(tǒng)發(fā)展過程中相對變化基本一致，則認為兩者關聯(lián)度大；反之，兩者關聯(lián)度就小。灰色關聯(lián)度分析是對一個系統(tǒng)發(fā)展變化態(tài)勢的定量描述和比較。

灰色關聯(lián)度法有5步：(1)確定參考序列和比較序列。(2)作原始數(shù)據(jù)變換。這里的變換可以有很多種方法，如均值化變換、初始化變換、百分比變換等。這些變換是為了消除量綱，轉(zhuǎn)化為可以比較的數(shù)值序列。(3)求絕對差序列。(4)計算關聯(lián)系數(shù)。(5)計算關聯(lián)度。

2.2 變量選取

2.2.1 內(nèi)生因素的選擇 土地資源的投入要素包括資本、技術、勞動，因此農(nóng)業(yè)生產(chǎn)的投入量可以用土地、資本、勞動力的投入數(shù)量予以表征[9]。基于對之前研究成果的分析和數(shù)據(jù)可量性原則，本研究分別選取年末耕地面積(x1)來反映耕地資源數(shù)量；選取主要農(nóng)作物播種面積(x2)反映耕地承載能力，代表土地的投入；用農(nóng)業(yè)勞動人數(shù)(x3)來反映勞動力的投入；用化肥施用量(x4)、農(nóng)業(yè)機械總動力(x5)、農(nóng)藥使用量(x6)來反映資本的投入。

2.2.2 外生環(huán)境因素的選擇 外生環(huán)境變量是一類不受主觀控制，但是會對研究問題產(chǎn)生影響的因素。耕地利用作為一項傳統(tǒng)的農(nóng)業(yè)活動，它的效率受到社會、經(jīng)濟、環(huán)境等各方面的影響。已有的文獻中基本上將外界因素分為三大類：第1類是土地的自然條件，如耕地質(zhì)量等級、有效灌溉率、耕地復種指數(shù)等；第2類與勞動力的自身水平相關，如勞動者的年齡、性別、農(nóng)民土地退出意愿等；第3類與區(qū)域經(jīng)濟管理相關，如人均GDP、區(qū)域經(jīng)濟水平、農(nóng)業(yè)補貼等。基于安徽省的實際情況和因素選取可量性原則，本研究選取人均GDP(x7)來反映區(qū)域經(jīng)濟水平、耕地復種指數(shù)(x8)來反映耕地利用程度、有效灌溉率(x9)來反映農(nóng)田水利條件、人均耕地面積(x10)來反映耕地資源稟賦(表1)。

2.3 數(shù)據(jù)來源

本研究所選用的原始數(shù)據(jù)均取自2016年《安徽省統(tǒng)計年鑒》，其中各市(州)的人均GDP、耕地復種指數(shù)、人均耕地面積均由原始數(shù)據(jù)計算得出。

3 實證分析

3.1 確定參考序列和比較數(shù)列

設有參考數(shù)列為x0，被比較數(shù)列為xi(i=1，2，…，n)。且x0={x0(1)，x0(2)，…，x0(n)}，xi={xi(1)，xi(2)，…，xi(n)}，(i=1，2，…，n)。原始數(shù)據(jù)及矩陣見表2。 其中x0數(shù)列是利用四階段DEA-Tobit法計算出的2015年安徽省耕地資源利用效率值。設因變量數(shù)據(jù)構(gòu)成參考序列，各自變量數(shù)據(jù)構(gòu)成比較序列。

表1 耕地資源利用效率影響因素指標體系

表2 耕地資源利用效率影響因素矩陣

3.2 作原始數(shù)據(jù)變換

一般情況下，原始變量序列具有不同的量綱或數(shù)量級，為了保證分析結(jié)果的可靠性，需要對變量序列進行無量綱化。常用的無量綱化方法有均值化法、初值化法等。這里采用的是均值化變換，變換公式如下：

無量綱化后各因素序列形成矩陣(表3)。

3.3 求絕對差序列

計算第1列(參考序列)與其余各列(比較序列)對應的絕對差值，形成如下絕對差值矩陣：

Δ0i(k)=|x0(k)-xi(k)|；i=0，1，…，n；k=1，2，…，N。

3.4 計算關聯(lián)系數(shù)

在系統(tǒng)內(nèi)，以曲線幾何形狀間差值大小作為關聯(lián)程度的衡量尺度，為關聯(lián)性實質(zhì)[10]。公式為

式中：λ為分辨系數(shù)，一般在0～1之間選取，通常取0.5。此時取0.5。

3.5 計算關聯(lián)度

從單個影響因素來看，農(nóng)業(yè)勞動人數(shù)、有效灌溉面積和年末耕地面積對安徽省16市耕地資源利用效率的影響最大，說明作為耕地產(chǎn)出的可控內(nèi)因——農(nóng)業(yè)勞動人數(shù)和土地面積直接影響耕地資源利用效率。安徽省作為外出務工人員的輸出大省，農(nóng)業(yè)從業(yè)人數(shù)和勞動人數(shù)的流失都是非常巨大的，留在農(nóng)村的人大多為老弱病殘，很多家庭選擇棄耕良田，他們的勞動力也難以滿足現(xiàn)代農(nóng)業(yè)的要求。與此同時，在“三化”的背景下，越來越多的耕地被占用，雖說有“一占一補”的政策指導，可是安徽省的耕地面積還是逐年減少。這2個因素極大地影響了安徽省的耕地資源利用效率。

表3 耕地效率影響因素無量綱化處理結(jié)果

表4 絕對差值矩陣

表5 耕地資源利用效率影響因素指標關聯(lián)度排序

除了內(nèi)因的直接影響，外因的影響也十分明顯。在排名前5的影響因素中，有效灌溉率和耕地復種指數(shù)排名第2和第4。有效灌溉率是有效灌溉面積與耕地面積之比，反映了耕地的水利條件；耕地復種指數(shù)是農(nóng)作物總播種面積和耕地面積之比，反映耕地利用程度。這兩者對耕地資源利用效率的關聯(lián)度分別為0.813 3、0.801 9。提高有效灌溉率和耕地復種指數(shù)是有效提高耕地資源利用效率的方法，建設有效的灌溉設施，科學合理地復種農(nóng)作物，有利于高效集約地利用耕地。

一些硬性資本的投入和相對應區(qū)域經(jīng)濟發(fā)展，對安徽省耕地資源利用效率的影響不如上述因素大。這可能是因為農(nóng)用化肥施用量、農(nóng)藥使用量和農(nóng)業(yè)機械總動力雖在一定程度上可以影響耕地資源利用效率，但是隨著資本投入越來越多，有可能會出現(xiàn)邊際效應遞減的情況，而且過量使用合成物勢必會造成環(huán)境污染。區(qū)域經(jīng)濟發(fā)展的影響排名最后，在許多文章中，它有可能有正向的作用，也可能有反向的作用，而且系數(shù)都非常小，可見區(qū)域經(jīng)濟發(fā)展對耕地資源利用效率的影響是復雜的，可能隨著很多因素的變化而變化。

從表5可以看出，各因素都對耕地資源利用效率產(chǎn)生了一定的影響，但他們的重要性是不同的，有主要因素和次要因素之分。耕地資源利用效率并非是某一因素單獨起作用。灰色關聯(lián)度方法雖然可以給各個影響因素排序，但卻忽略了各個影響因素之間也具有一定的相關性，從而使各影響因素所提供的信息在一定程度上有所重疊[11]。為了能更清晰地分辨出影響安徽省耕地資源利用效率的主要矛盾和次要矛盾，采用主成分分析法對安徽省耕地資源利用效率影響因素進行統(tǒng)計分析，得出對應的相關矩陣及特征值、特征向量、方差貢獻率(表6)。

表6 特征值、特征向量以及貢獻率

3.5 主成分分析法

將冗余的數(shù)據(jù)特征進行降維處理，同時保留數(shù)據(jù)最重要的一部分特征，使其主要的特征成分最大地保持整個數(shù)據(jù)信息完整性。運用SPSS 19進行主成分分析的結(jié)果見表7。

KMO檢驗用于檢查變量間的偏相關性，一般大于0.6即可。Bartlett檢驗用于檢驗是否是單位陣，P值小于0.01說明制表間并非獨立，取值是有關系的，可以進行因子分析(表7)。

表7 KMO檢驗和Bartlett檢驗

2個標準化樣本主成分為

主成分分析法把影響安徽省耕地資源利用效率的分為兩大成分，這兩大成分對安徽省耕地資源利用效率的解釋率可以達到80.559%。分析上述2個表達式發(fā)現(xiàn)，年末耕地面積(x1)、主要農(nóng)作物播種面積(x2)、農(nóng)業(yè)勞動人數(shù)(x3)、農(nóng)用化肥施用量(x4)、農(nóng)業(yè)機械總動力(x5)、有效灌溉率(x9)在第一成分上有較高負載，基本反映的是傳統(tǒng)的土地、勞動力和資本的投入；農(nóng)藥使用量(x6)、人均GDP(x7)、耕地復種指數(shù)(x8)、人均耕地面積(x10)在第二成分上有較高負載，特別是耕地復種指數(shù)，反映了個人行為和社會方面的因素對耕地資源利用效率的影響。

4 結(jié)論

本研究在四階段DEA-Tobit的基礎上，以耕地資源利用效率值為參考序列，以選取的10項2015年安徽省16市的耕地資源利用效率影響因素為比較序列，運用灰色關聯(lián)度模型和主成分分析法，分析各耕地資源利用效率影響因素與耕地資源利用效率的關聯(lián)度和主要因素貢獻率。研究結(jié)果表明：(1)各影響因素對耕地資源利用效率的影響順序為農(nóng)業(yè)勞動人數(shù)>有效灌溉率>年末耕地面積>耕地復種指數(shù)>人均耕地面積>主要農(nóng)作物播種面積>農(nóng)業(yè)化肥施用量>農(nóng)藥使用量>農(nóng)業(yè)機械總動力>人均GDP。其中，內(nèi)因中的影響順序為勞動力投入>土地投入>資本投入，外因中耕地的自然環(huán)境影響大于人文經(jīng)濟的環(huán)境影響。(2)主成分分析法中第一成分內(nèi)因占權(quán)重最大，貢獻率為62.763%，第二成分外因貢獻率為17.797%，全部因素對問題的解釋程度為80.559%，表明傳統(tǒng)的土地、勞動力和資本的投入仍是影響耕地資源利用效率的關鍵，提高有效灌溉率和耕地復種指數(shù)是有效提高耕地資源利用效率的方法。

本研究采用灰色關聯(lián)度的方法分析耕地資源利用效率影響因素，在領域中比較新穎，有一定的指導意義，但仍存在一定的缺陷。首先，基于四階段DEA-Tobit耕地資源利用效率值就存在一定的誤差，使得影響因素的評價結(jié)果也只是相對結(jié)果；其次，受數(shù)據(jù)可獲得性制約，影響因素的評價指標體系并不完善，對問題的解釋度也只達到80.559%。對此將會在后續(xù)的研究中做出改進。

參考文獻：

[1]Costanza R，D’Arge R，Groot R D，et al. The value of the world’s ecosystem services and nature capital[J]. Nature，1997，25(1)：3-15.

[2]李愛華. “18億畝耕地紅線”的生態(tài)困境[J]. 中國國情國力，2013(3)：41-42.

[3]楊 朔，李世平. 基于DEA-Tobit兩步法的耕地利用效率研究——以陜西省為例[C]//2010年中國土地學會學術年會論文集.北京：中國土地學會，2010：9.

[4]張 霞，劉秀華，劉 勇. 基于DEA的高家鎮(zhèn)耕地利用效率及其影響因素研究[J]. 西南師范大學學報(自然科學版)，2012，37(3)：72-77.

[5]經(jīng) 陽，葉長盛. 基于DEA的江西省耕地利用效率及影響因素分析[J]. 水土保持研究，2015，22(1)：257-261.

[6]廖成泉，胡銀根，章曉曼. 基于四階段DEA-Tobit的湖北省耕地資源利用效率及其影響因素研究[J]. 農(nóng)業(yè)現(xiàn)代化研究，2015(5)：876-882.

[7]陳 薇，張 躍. 安徽省耕地壓力分析及趨勢預測[J]. 干旱區(qū)地理，2010，33(5)：831-836.

[8]包雄峰，許慶偉，吳 虹. 安徽省近十年耕地壓力指數(shù)時空分布研究[J]. 農(nóng)業(yè)與技術，2016，36(8)：150，154.

[9]張 寧，陸文聰. 中國農(nóng)村勞動力素質(zhì)對農(nóng)業(yè)效率影響的實證分析[J]. 農(nóng)業(yè)技術經(jīng)濟，2006(2)：74-80.

[10]王樹濤，李新旺，門明新，等. 基于改進灰色關聯(lián)度法的河北省糧食波動影響因素研究[J]. 中國農(nóng)業(yè)科學，2011，44(1)：176-184.

[11]何建寧，朱霄雪. 人口老齡化影響因素的灰色關聯(lián)度分析[J]. 稅務與經(jīng)濟，2010(6)：29-33.