影响山区农业活动收入因素分析*——以重庆武隆县4个村为例

曹　飞，邵景安， 2※，邓　华，王金亮，谭少军

(1.重庆师范大学地理与旅游学院，重庆　400047；2.三峡库区地表过程与环境遥感重庆市重点实验室，重庆　400047； 3.西南大学资源环境学院，重庆　400716)



影响山区农业活动收入因素分析*
——以重庆武隆县4个村为例

曹飞1，邵景安1， 2※，邓华3，王金亮3，谭少军1

(1.重庆师范大学地理与旅游学院，重庆400047；2.三峡库区地表过程与环境遥感重庆市重点实验室，重庆400047； 3.西南大学资源环境学院，重庆400716)

针对山区劳动力数量短缺、农业活动收益低下等问题，文章选择位于重庆“一圈两翼”交汇的地方武隆县，并以该县2个镇4个村部分村民为调查对象，调查统计有关农业劳动力以及农业收益等微观数据。首先利用因子分析方法将所选取指标提取为4个主因子，在4个主因子与年人均纯收入之间建立多元线性回归模型，研究山区农业活动收入影响因素。研究发现：主因子F1(经济作物所占比例、单位面积化肥使用量、政府补贴、培训比例、文化程度、银行是否贷款)、F3(灌溉比例、粮食单产、农作物的收购价格)、F4(务农比例、养殖业净收入)对农业收益有正向作用，且F1、F3、F4与年人均纯收入比分别为1： 2.162、1： 0.982、1： 0.341,其中主因子F1的正向相关性最大，F3次之，F4最小； F2(耕地总面积、务工纯收入、非农比例)主因子与农业收益呈负相关，与年人均收入比为1： -0.769。研究结果解释了当地农业收益的影响因素及其关联程度，并且提出了进一步加大种植业与养殖业投入(加强农业专业合作社的建设，扩大种植、养殖大户的经营规模)、扩大经济作物种植面积、提高灌溉比例、增强有关惠农政策的宣传以及增大政府对农业的补贴、提高农作物的收购价格、提高农业劳动力文化程度及培训比例、在保证耕地面积不被边际化的同时，扩大农业机械设备的使用范围、合理使用化肥以提高单位面积粮食产量进而实现增加农民农业收益。

农业收入因子分析多元线性回归模型粮食单产山区

0　引言

农业被认为是安天下、稳民心的战略产业[1]，发展好农业经济，不仅能解决就业问题、提高农民收入，还能促进国民经济发展。近年来，受城镇化与工业化影响[2-3]，再加上务农成本上升导致大量农村青壮年劳动力被优先配置与非农产业[4]。特别是在“退耕还林(草)、封山绿化、个体承包”等中央惠农支农政策的指导下，农户收入水平持续稳定增长[5-7]。但是，从总体看，农村居民收入水平仍明显滞后于城镇居民，城镇农村收入比依旧保持在3倍以上[8]。截至目前，山区农民农业收入对农民总收入增长的贡献率继续呈下降趋势[9]。不论是从经济总量上看，还是从技术与组织形式的优化上看，我国农业发展还处在低水平、低效率的发展阶段[10]。

国内外学者持续关注农民农业收入增长问题。qin与Zhang[11]采用差异化的方法，通过比较认为改善道路交通状况有助于增加家庭农业收入。Yang与Liu[12]建立联立方程模型，认为提高农业专业化水平可以增加农村农业收入。Pandey与Suganthi[13]使用面板校正标准误差的方法，认为加大农作物的灌溉面积、农业研究的费用，增加水果、蔬菜的种植面积可以增加农业收益。马彦丽与杨云[14]以河北省为例对农民农业增收问题进行探讨，提出农户收益的增加主要是由于农资价格的提高。陈艳[15]应用计量经济模型得到农业生产资料价格指数是制约农民农业收入增长的主要因素。现有研究多数是从农户整体收入(经营性收入、工资性收入等方面)出发分析影响农户收益的因素，很少涉及单方面如农业收益增长的研究，且由于研究角度与调查数据口径的不同，所得结果也有所不同。通过对比研究区近20年来农户收入结构与收入水平，发现第一产业，尤其是农业收入所占比例逐年下降，部分耕地被撂荒。为了提高耕地利用效率，为了更好研究不同因素对山区农业收益的影响，该研究从农户这一微观主体出发，选取粮食单产、培训比例等14个指标，采用多元回归分析方法对上述14个指标进行研究分析，旨在解决武隆存在的耕地粗放化、农作物种植结构欠合理、化肥使用比例不合理导致农业收益低等问题。

1　研究区域及数据获取

1.1研究区概况

图1　武隆县调研样点

武隆县位于重庆市东南边缘，地处东经107°13′～108°05′、北纬29°02′～29°40′之间。距重庆市区139km，位于重庆“一圈两翼”的交汇点。地处大娄山脉褶皱带，多深丘、河谷，地形以山地为主。境内气候温湿，年平均气温在15～18℃，年降水量为1000～1200mm。至2014年底，幅员面积2901.3km2，辖26个乡镇、186个行政村， 户籍人口414488人。1990年到2014年，乡村人口不断下降，比例由1990年83.1%下降到45%。2014年末，武隆县城镇化率37.41%，全县GDP为107.91亿元，三个产业结构比为14.94： 39.98： 45.08，第一产业仅占14.94%，所占比例较低。鉴于此，该研究选择武隆县为研究区，探索影响山区农业收益的因素以及众要素之间的关联程度。

1.2数据来源

该文数据资料来自于2014年8月所做的问卷调查与实地调研。调查地点选取了重庆市农业生产落后的武隆县，包括2个镇、4个村、17个社。采取随机抽样方法进行调查，在每个乡镇随机选取部分农户以及村干部进行面对面访谈式问卷调查。共计访问户数为226户，其中获得有效问卷220份，有效问卷比率为97.35%。问卷的主要内容包括： ①农户家庭基本情况(人数、年龄、受教育程度、健康状况等)； ②农户耕地资源状况(承包地面积、块数以及旱地、水田面积等)； ③农户的家庭收入情况(种植业、养殖业、非农务工等)； ④农户的家庭支出情况(种植业投入、养殖业投入、孩子教育等支出)。

2　研究方法

现实中制约农业收入增长的因素诸多，该文结合武隆当地实际情况以及考虑数据的易获得性遴选14个指标(表2)。单位面积农作物产量是反映农业生产能力大小进而影响农民收益增长的基础指标； 耕地的灌溉比例、经济作物所占比例上升时，单位面积耕地所带来的农业收入也会增加； 农业劳动力的培训比例以及受教育水平对农业收入也有影响； 耕地总面积与外出务工收入对农户农业收益影响也较大，随着务农成本的增加，他们会根据耕地质量优劣、耕作距离远近适当转出一部分土地； 劳动力数量对农业收入影响具有两面性，从事非农活动的人越多，农业活动的收入可能越低，从事农业活动的人数越少，农业收益可能越高(规模化的种植)； 政府补贴一定程度决定农民选择农业活动的积极性； 农作物的收购价格直接影响农户货币收入状况； 化肥投入量在一定范围内时，其投入量越大，单位面积的产出越多，当超出一定范围时，产量不会随化肥投入的增加而增加(化肥投入量超过土地承载能力会导致耕地质量下降，影响务农收益)； 养殖业收入高低一定程度依赖于粮食作物的产量，粮食作物产量越大，养殖牲畜的绝大部分饲料来源越充分； 银行是否存在贷款行为可以一定程度反映该地区的惠农政策，银行贷款覆盖范围越大，农民参与农业活动的积极性越强。

表1　变量及其说明

变量名称度量方法取值范围理论取值因变量年人均纯收入(元)农户每年每人所得到的实际收入0～20380自变量粮食单产(kg)单位面积耕地实际获得的粮食产量0～439.94+灌溉比例(%)农户实际耕地中水田面积所占的比例0～100+培训比例(%)每户劳动力中受过短期或专项培训所占的比例0～100+文化程度(年)每户劳动力平均受教育年限0～14+非农比例(%)每户劳动力中从事非农活动人数所占的比例0～100-单位面积化肥使用量(kg)单位面积耕地所使用的化肥用量0～628.5+政府补贴(元)每户每年平均得到政府给予的补助金额0～2806.7+耕地总面积(hm2)每户实际耕地的面积之和0～1.28-务农比例(%)每户劳动力中完全从事农业活动人数所占的比例0～100+养殖业净收入(元)每户每年养殖牲畜所带来的纯收益0～38808+银行是否贷款农户在银行是否存在贷款行为0=否,1=是+农作物收购价格(kg/元)农户种植各种农作物的市场收购价格0～15.5+经济作物所占比例(%)每户种植的农作物当中经济作物所占比例0～100+务工纯收入(元)每户劳动力外出务工所得实际收入0～98592.9- 注:变量文化程度=文盲半文盲所占比例×1+小学所占比例×6+初中所占比例×9+高(职)中所占比例×12+大专及大专以上所占比例×15.5

由于影响农业活动收入的因素错综复杂，为了消除统计变量之间的共线性，减少变量个数，对标准化的变量进行因子分析[16]，使得所选指标被提取为几个主因子，在提取出的因子与年人均纯收入之间构建多元线性回归模型[17]，分析其与农业收入之间的数量关系，进一步研究各个指标对山区农业收益的影响程度。

3　结果与分析

3.1农户收入结构与收入水平分析

图2　农户收入结构调查分析

图3　农户收入水平统计分析

1996～2014年部分统计年鉴(图2)可知武隆县从1996到现在近20年来，农民收入结构发生了巨大变化，工资性收入由512.89元增加到4089.15元，增长了近8倍； 转移性收入也呈上升趋势， 20年增长650元左右； 家庭经营收入呈现波动变化， 2014年时也增长到3136.47元； 2010年之前转移性收入基本保持在200～300元， 2010年之后，退耕还林(草)、封山绿化等政策的进一步实施，务农成本的上升，很大一部分劳动力开始选择非农活动，耕地流转现象趋于明显，农户的转移性收入开始上升。

由图3可以看出， 1996～2014年武隆县农民人均收入与消费支出均呈增长趋势，但年人均纯收入增长明显高于年人均消费支出。2006年之前，年人均纯收入与年人均消费支出虽有增长但是幅度不大。2006年之后，年人均收入与消费支出显著上升， 2014年年底与1996年相比，年人均收入、年人均消费支出平均年增幅分别为24.95%， 15.63%。

3.2因子分析

通过SPSS17.0数据处理系统对该文的14个自变量进行处理(表2)，得到KMO值接近0.8，说明变量之间的相关性能被其他变量解释，即可以做因子分析； 同时，计算巴特利特球度值(Bartlett值等于575.281)，对巴特利特球行检验给得到的相伴概率进行检验，发现P=0.000<0.05，从而拒绝零假设，再次说明所取数据适合做因子分析。

表2提取列为题项的共同性，从最后一列可以看出，每个因子的提取程度均大于0.68，其中最大的为0.976,说明整个变量提取较好。然后采取主成份方法提取主因子，得到相关系数矩阵、贡献率以及累计贡献率(表3)。

表2　变量值提取情况

自变量初始提取自变量初始提取耕地总面积1.0000.681务工纯收入1.0000.781经济作物所占比例1.0000.834非农比例1.0000.815灌溉比例1.0000.734粮食单产1.0000.956务农比例1.0000.689培训比例1.0000.905单位面积化肥使用量1.0000.976平均受教育年限1.0000.932政府补贴1.0000.901养殖业净收入1.0000.732农作物收购价格1.0000.856银行是否贷款1.0000.895

表3　主成份提取情况

从表4可以看出，其中前4个因子的特征值均大于1，且累积方差贡献率达到89.114%(>85%)，因此可以提取为4个主因子。由旋转之后因子载荷矩阵(表4)知，各指标在各自归属变量上的负载相对较高，表明影响山区农业收益的变量具有较好的结构效度。其中第一主因子在经济作物所占比例、单位面积化肥使用量、政府补贴、培训比例、文化程度、银行是否贷款等6个变量的载荷较大，设为F1； 第二主因子在耕地总面积、务工纯收入、非农比例等3个变量的载荷较大，设为F2； 第三主因子在灌溉比例、粮食单产、农作物的收购价格等3个变量的载荷较大，设为F3； 第四主因子在务农比例、养殖业净收入等2个变量的载荷较大，设为F4。

表4　正交旋转所得因子负荷矩阵

变量成份变量成份12341234耕地总面积-0.4010.782-0.701-0.168非农比例-0.0720.7870.0140.386经济作物所占比例0.9330.031-0.0120.035粮食单产-0.0250.1710.868-0.188灌溉比例-0.1020.1750.7780.087培训比例0.8760.383-0.043-0.087务农比例-0.083-0.1430.0430.833文化程度0.8250.1760.086-0.269单位面积化肥使用量0.9620.065-0.021-0.067养殖业净收入0.3280.087-0.1870.932政府补贴0.8210.061-0.576-0.242银行是否贷款0.891-0.2080.0940.144务工纯收入-0.0370.8420.1230.175农作物收购价格0.0910.0890.8850.056 注:所选方法为方差极大旋转

为了使提取的主因子可以用所有选取指标进行线性表示，进一步采用回归方法确定各个主因子与各个指标之间的关系，所得因子函数如下：

F1=-0.189x1+0.493x2+0.018x3+0.052x4+0.457x5+0.223x6-0.043x7-0.102x8-0.021x9+0.124x10+0.035x11+0.209x12+0.797x13+0.428x14

(1)

F2=0.134x1+0.021x2+0.056x3-0.176x4-0.013x5+0.062x6+0.376x7-0.332x8+0.051x9-0.362x10+0.403x11+0.221x12-0.561x13+0.162x14

(2)

F3=-0.453x1+0.064x2+0.521x3-0.053x4+0.078x5-0.252x6+0.109x7-0.078x8+0.423x9-0.012x10+0.063x11-0.578x12+0.067x13+0.653x14

(3)

F4=-0.122x1+0.022x2-0.048x3+0.721x4+0.102x5-0.098x6+0.201x7+0.482x8-0.232x9-0.098x10-0.232x11+0.788x12+0.423x13+0.032x14

(4)

3.3回归分析

将提取的4个主因子作为自变量，年人均纯收入作为因变量，利用SPSS软件进行多元线性回归分析。首先使用逐步回归分析方法进行检验并剔除含有缺失值的个案，经过检验，发现没有变量被剔除， 4个变量均进入模型。所得负相关系数R=0.898,负相关系数的平方R2=0.806,说明自变量与因变量之间有较好的相关性。分布的显著性概率值P<0.05，故在0.05显著水平上通过检验，因此可以建立多元线性模型。其残差检验见图4。

图4　样本标准化残差与P-P

表5　模型系数

系数非标准化系数标准系数tSig.B标准误差常量1.983102.6—3.9160.001F12.162101.50.7485.7430.000F2-0.76998.2-0.515-1.220.000F30.98278.70.5781.8440.000F40.34193.70.1590.370.003

由样本标准化残差直方图可看出残差基本服从正态分布，即通过假设检验。P-P图当中所有散点基本分布在对角线附近，再次说明该研究所取样本确实来自正态总体。通过SPSS软件进行多元线性回归所得模型系数(表5)。

由表5可得回归方程为：

Y=2.162F1-0.769F2+0.982F3+0.341F4+1.983

(5)

模型系数表可以看出回归系数显著性水平值P均小于0.05，所以在0.05显著性水平上通过检验，再次说明自变量与因变量之间是高度相关的，可以使用多元线性回归模型(表5)。

(1)因子F1的投入与产出比为1： 2.162。即因子F1对农业活动的收益增加起正向作用。据不完全统计，农户耕地面积一定时，经济作物种植面积每增加0.1hm2，农业收益增加982.5元， 2000年武隆县当年经济作物种植面积所占比例仅为15.72%，农户家庭经营性收入为1993.41元， 2014年时，经济作物所占比例上升到了45.69%，农户家庭经营性收入达到3136.47元。单位面积化肥使用量一定范围内投入越多，农业收益越高，当化肥使用量超过土地的承载能力时，耕地反而会出现质量下降(如庄稼烧死、耕地结构失调)，进而造成农作物产量下降，间接影响务农收益。政府补贴对农民是否选择从事农业活动有一定的激励作用。调查发现，补贴所占比例虽然较过去有所提升，但补贴水平仍然低于重庆市平均水平。农户在是否存在贷款行为可以衡量一个地方对于惠农政策的重视程度。当地存在贷款行为的农户比例仅占13.63%，问卷分析发现该地区有关惠农政策的宣传不够，农户对有关惠农贷款政策欠了解。培训比例、文化程度可以反映出该地区农业劳动力的科技素质，由于武隆比较偏僻， 2000年时文盲率超过9%， 2014年时，九年义务教育的推进，文盲率下降到5.12%。传统观点认为农民受教育程度愈高，对新事物的接受能力与适应能力愈强，相应的对于农业科技知识的接受能力就越强，使得农业收入愈高。

(2)因子F3的投入产出比为1： 0.982。即因子F3与农业收入的增加呈现正相关。灌溉比例越大，即水田面积越多，农业收益越高。受自然条件限制，当地水田面积仅占29.96%(靠近山谷，临近水域)，而且近年来不断出现“水改旱”现象(一方面水源不足，另一方面劳动力欠缺)，基本为“靠天”吃饭。但粮食单产对其农业收入的影响很大，说明武隆地区农民农业收入增长在很大程度上取决于粮食生产能力。农作物的收购价格对于农业收入有正相关作用，当农作物的收购价格提高时，单位面积的粮食所获得的收益越高，农户选择农业活动的可能性越大。

(3)因子F2与农业收入呈负向相关，投入产出比例为1： -0.769,即因子F2与农业收入的增加呈现负相关。从事农业活动人数有限时，耕地面积越大，粗放化程度越严重。同时，农业现代化的发展，务农成本逐年上升(农业物资价格上升、劳动力价格昂贵、农产品收购价格较低)，很大一部分农村劳动力开始选择从事非农活动。调查发现当地约89%的农户家中至少有72%的劳动力选择了非农活动，使得劳均耕地面积扩大，由于劳动力数量、质量限制，耕作半径逐渐缩小，大部分土地被撂荒。从事非农活动家庭中，其务工纯收入占家庭总收入的76%，农业收益仅占整个家庭收益的24%。调查得到选择从事非农活动的劳动力中， 37%的是未婚青年劳动力，他们文化程度相对较高，基本没有家庭压力，可以常年外出务工，另有40%的是中年劳动力(其中89%的劳动力选择在当地或者重庆主城打工，大多数从事建筑业、服务业等相关劳动力密集型行业)。单就务农劳动力年龄大小分析，年龄与农业活动的参与率基本呈“U”型曲线的关系，起始随着年龄增长而下降，达到一定年龄后务农劳动力人数开始上升(一方面外出就业困难，另一方面认为土地是社会保险的一种形式，一般不会放弃耕地)。

(4)因子F4的投入与产出比例为1： 0.341。即因子F4与农业收益呈正向相关。务农比例越大，农业收益越高，在耕地资源有限时，投入劳动力未饱和时，投入劳动力数量越多，收益越高，农业人数饱和时，劳动力就会出现剩余现象，农业收入增长会受到负面影响。调查发现，每户从事农业劳动的人数两人的共计177户，占总数的91.71%。农业劳动力数量与其农业净收入呈倒“U”形关系。农户家庭劳动力数量越多，所能耕作的范围越大。劳动力超过四人时， 76%的劳动力在70岁以上，劳动效率低下。当地的养殖带给农户的收入也不能忽略， 2014年肉类总产量为4.3520万t，所得收入占家庭收入的比例为34.84%。粮食作物(玉米)的大量种植保证了养殖业饲料绝大部分来源，这样使得养殖业收入增加的同时也促进了种植业的发展。

4　结论与讨论

该研究从农户角度出发，选取重庆农业生产条件相对较差的武隆地区，以220户为调查对象，采用多元线性回归分析模型对选取影响农业收入的13个变量进行了研究，得出结论如下：

(1)经济作物所占比例、单位面积化肥使用量、政府补贴、培训比例、文化程度、灌溉比例、粮食单产、务农比例、农作物收购价格、养殖业净收益、是否存在银行贷款等指标均不同程度对农业活动的收入起正向作用。通过扩大经济作物的种植面积、提高灌溉比例以及提高农作物的收购价格、加大政府对农业的补贴以及惠农政策的宣传力度、提高务农劳动力的文化程度与培训比例、提高务农比例、合理施肥以提高单位面积的粮食产量以及扩大养殖业规模等途径，可以有效提高山区农业收入。

(2)其耕地总面积、务工纯收入、非农比例对增加农业收益有负向作用。劳动力数量一定时，耕地面积越大，粗放化程度越严重； 务工纯收入越高，非农比例越大，导致从事农业活动人数所占比例变小，农业收益难免不受影响。基于此，政府应在保证农业耕地面积不被边际化的同时，积极扩大农业机械设备使用领域，引导农户提高单位面积的粮食产量，进行规模化经营，发挥农业合作社的作用，不断提高农户的农业收益。

虽然该文建立的模型尽力考虑了变量的系统性、全面性，但由于对诸多微观调查数据取的是平均值，没有更好地反映出农户的实际情况。同时，由于所获数据的局限性，仍有部分影响农业收入水平的变量(农产品生产价格指数、机械化程度等变量)没有纳入模型，山区农业增收难的问题需要更复杂的模型才能做出更全面的解释。

[1]Qian Zhang，He Xiao，Meichun Duan，et al.Farmers′ attitudes towards the introduction of agri-environmental measures in agricultural infrastructure projects in China：Evidence from Beijing and Changsha. land Use Policy， 2015， 49： 92～103

[2]程广燕， 刘珊珊，王东阳.工业化城镇化背景下粮食生产的制约因素及对策——基于粮食主产区湖南省宁乡县的调研分析.中国农业资源与区划， 2014, 35(6): 53～57

[3]姜会明， 王振华.吉林省工业化、城镇化与农业现代化关系实证分析.地理科学， 2012, 32(5): 591～595

[4]邵景安， 张仕超，李秀彬.山区耕地边际化特征及其动因与政策含义.地理学报， 2014, 69(2): 227～242

[5]Xie C，Zhao J，Liang D，et al.Livelihood impacts of cropland to forest and grassland project.Journal of Environmental Planning and Management， 2006, 49(4): 555～570

[6]米文精. 封山育林是加快太行山绿化的重要途径.科技情报开发与经济， 2007， 17(20)： 116～117， 122

[7]Schubert J.The impact of forward contracting on tacit collusion：Experimental evidence.Journal of Economic Behavior & Organization， 2015， 9： 119～123

[8]程名望， 史凊华，jin Yanhong.农户收入水平、结构及其影响因素.数量经济技术经济研究, 2015，(5)： 3～18

[9]陆文聪， 余新平.中国农业科技进步与农民收入增长.浙江大学学报(人文社会科学版)， 2013, 43(4): 5～16

[10]刘北桦， 詹玲，尤飞，等.美国农业环境治理及对我国的启示.中国农业资源与区划， 2015, 36(4): 54～58

[11]qin Yu，Zhang Xiaobo.The road to specialization in agricultural production：Evidence from rural China.World Development， 2016， 77： 1～16

[12]Yang Dan，Liu Zimin.Does farmer economic organization and agricultural specialization improve rural income.Evidence from China Economic Modeling， 2012, 29(3): 990～993

[13]Pandey V.L，Suganthi D.Fueling agricultural growth in India：Some reflections.land Use Policy， 2015， 42： 27～232

[14]马彦丽， 杨云.粮食直补政策对农户种粮意愿、农民收入和生产投入的影响——一个基于河北案例的实证研究.农业技术经济, 2005，(2)： 7～13

[15]陈艳. 基于计量经济模型的农民收入实证分析.科学经济社会， 2007， 25(2)： 82～85， 100

[16]李凤. 因子分析的原理与应用.产业与科技论坛， 2014, 13(10): 76～77

[17]田兵. 多元线性回归分析及其实际应用.阴山学刊， 2011, 25(1): 16～19

THE FACTORS INFLUENCING AGRICULTURAL INCOMEIN THE MOUNTAINOUS AREA*——A CASE STUDY OF FOUR VILLAGES IN WULONG COUNTY,CHONGQING

Cao Fei1，Shao Jingan1， 2※，Deng Hua3，Wang jinliang3，Tan Shaojun1

(1.Geography and Tourism Department，Chongqing Normal University，Chongqing 400047，China；2.Key Laboratory of Surface Process and Environment Remote Sensing，in the Three Gorges Reservoir Area，Chongqing 400047，China；3.Resources and Environment Department，Southwest University 400716，China)

Aiming at the problems such as the shortage of labor force and low income in agricultural activities whichcaused some negative impacts on the development of agriculture in mountainous regions, this paper, taking Wulong as an example, analyzed the factors influencing farmers′incomein the "one circle and two wings" area of Chongqing. A partial number of farmers from the four special villages wasinvestigated to collectthe micro data about the productivity rate of agricultural labor force and agricultural income standard of the local villagers. The factor analysis method and multiple linear regression model were used in this paper. The results showed that the main factors, i.e., F1 (the proportion of commercial crops, using of fertilizer per unit area, government subsidies, training scale, degree of education and bank loans), F3 (irrigation ratio, grain yield, and the purchase price of crops) as well as F4 (the proportion of farming and net income of breeding industry) had positive effects on the increase of agricultural income, and the ratios between three main factors F1, F3, F4 and the annual per capital income were 1:113.2, 1:19.6, 1:74.8, respectively. Among them, F1 had the most significant positive correlation, followed by F3and F4; The extracted variables of F2 (total land area, working net income, the proportion of non-farm labor force) was negatively related to the agricultural income, and the ratio between it and the annual per capita income is 1:-81.5.And then, this paper put forward the corresponding recommendations and suggestions to increase the investment and research in agriculture and aquaculture, such as strengthening the construction of agricultural cooperation and expanding the scale of planting and breeding), to increase the area of commercial crops andirrigation proportion, to strengthen the propaganda and implementation of the country′s policies as well as the government′s subsidies, to improve the acquisition price of crops, to enhance the educational degree of the agricultural labor force and the proportion of training, to expand theusing scope of the agricultural machinery and equipment, and toimprove the grain output of per unit and take the farmer′s interests into consideration.

agricultural income; factor analysis; multiple linear regression model; grain yield per unit area; mountainousarea

10.7621/cjarrp.1005-9121.20160512

2015-10-20

曹飞(1990—)，男，甘肃庆阳人，硕士生。研究方向：资源环境与城乡规划研究。※通讯作者：邵景安(1976—)，男，安徽亳州人，研究员。研究方向：农业产业发展与资源利用研究。Email：shao_ja2003@sohu.com

F323.8；F320

A

1005-9121[2016]05-0073-08

*资助项目：国家自然科学基金重大国际合作基金项目“城市化对山区土地利用及生态压力的影响——以重庆统筹城乡改革试验区为例”(41161140352)； 教育部人文社科青年基金项目“三峡库区土地流转的农户意愿响应与政策需求行为”(10YJCZH122)