黄淮海地区县域粮食单产的空间溢出效应及影响因素分析

刘 玉，唐秀美，潘瑜春，唐林楠

（1. 北京农业信息技术研究中心，北京 100097； 2. 国家农业信息化工程技术研究中心，北京 100097；3. 农业部农业信息技术重点实验室，北京 100097； 4. 北京市农业物联网工程技术研究中心，北京 100097）

黄淮海地区县域粮食单产的空间溢出效应及影响因素分析

刘 玉，唐秀美，潘瑜春※，唐林楠

（1. 北京农业信息技术研究中心，北京 100097； 2. 国家农业信息化工程技术研究中心，北京 100097；3. 农业部农业信息技术重点实验室，北京 100097； 4. 北京市农业物联网工程技术研究中心，北京 100097）

该研究运用马尔科夫链和空间马尔科夫链方法探讨了1980－2010年黄淮海地区347个县域粮食单产的溢出效应；并借助空间滞后模型揭示1995和2010年粮食单产分异的影响因素，以期为粮食生产布局优化和粮食生产提升政策制定提供依据。结果表明：1）35 a间黄淮海地区县域粮食单产转移总体呈现渐进、平滑的特征，大规模跨越的几率较低。2）似然比统计量分析表明，在1980－1995年和1995－2010年2个时段，区域背景对县域粮食单产类型转移格局的影响显著，且在1995－2010年更显著。中低产或中高产类型县域的粮食单产类型以平稳转移为主，而高产和低产类型县域在区域背景的作用下逐渐向中产类型转变。3）在空间格局演进方面，平原地带上移概率增加，而市辖区和沿海一带下移趋势明显，江苏、河南和山东3省的县域粮食单产类型趋于稳定。4）空间滞后模型计算结果表明，1995年，上一期粮食单产、农民人均纯收入、有效灌溉面积比率、产业结构对粮食单产的正向促进作用显著，分别通过1%的显著性水平检验；2010年，上一期粮食单产、农民人均纯收入和种植结构分别通过1%、1%、5%水平的显著性检验，而且上一期粮食单产和农民人均纯收均对粮食单产的正面推动作用显著。

粮食；模型；优化；单产；空间溢出效应；空间马尔科夫链；空间滞后模型；黄淮海地区

0 引言

粮食持续稳定增产是确保国家粮食安全、维持社会稳定的基础[1]。近年来，中国粮食产量实现了连续增长，但其增长慢于粮食消费的增长[2]，并且粮食生产资源偏紧、生态环境恶化等问题凸显[3]。在耕地面积减少的背景下，如何在粮食作物播种面积基本稳定的基础上，切实提高粮食单产成为未来粮食增产的主要途径[4-5]。粮食单产存在显著的空间自相关性，即特定区域的粮食单产水平不仅取决于区域本身，也与周边地区的粮食单产水平密切相关[1,6]，而这进一步体现在粮食生产演化的区域差异上[7]。经济学理论将促进区域自身发展内在因素以外的经济外部性现象称为溢出，其对区域要素共同增长的促进作用明显[8-9]。在当今谋求区域协同发展的战略背景下，粮食单产集聚的空间外部性研究日益引起重视。

中国粮食生产格局变化历来是学术界关注的热点问题，并围绕粮食单产的时空格局、波动特性、空间关联、演化机制等展开一系列研究[10-13]。梳理文献可知，现有研究往往基于国家、区域、省域等尺度，重在揭示宏观层面的粮食单产格局演化特征；同时，开始关注区域间地理要素的空间异质性，综合运用空间探索性分析技术、灰色关联度等模型揭示粮食单产的空间关联特征[14-15]。但总体上看，粮食单产空间溢出效应尤其是区域背景对粮食单产溢出效应的测度研究不足，难以为区域粮食生产政策制定提供有效支撑。然而，经济增长、区域发展等空间溢出效应的研究思路与方法相对成熟，其中基于空间马尔科夫链的研究成为当前的主流思路[16-17]，为粮食单产的空间溢出效应研究提供方法借鉴。

黄淮海地区包含天津市和山东省的全部，河北和河南2省的大部分县域，北京市部分县域，以及江苏、安徽2省的淮北地区，共辖53个地市、347个县域（市、区），在保障全国粮食稳定供应方面具有重要作用[18-20]。基于此，本研究运用马尔科夫链分析方法揭示1980－2010年黄淮海地区县域粮食单产（单位粮食作物播种面积上的粮食产出量）的空间溢出效应，并借助空间滞后模型探讨粮食单产分异的影响因素，以期为针对性的制定粮食单产提升措施提供参考。

1 研究方法及数据来源

1.1 数据来源及研究思路

自“八五”计划实施以来，国家及地方出台的一系列农业结构调整政策对黄淮海地区的农业生产具有较大影响，且这一影响在1995年前后尤其显著。基于此，本研究以1995年为分界点，从1980－1995年和1995－2010 年2个阶段分析黄淮海地区县域粮食单产的空间溢出效应。1980－2010年粮食单产及影响因素指标数据主要来自相应年份的各省（市）统计年鉴、农村统计年鉴、中国区域经济统计年鉴、中国城市统计年鉴以及中国县（市）社会经济统计年鉴。按照黄淮海地区历年粮食单产平均值的75%、100%、125%的标准，将县域粮食单产划分为低产（粮食单产低于区域均值的75%）、中低产（粮食单产介于区域均值的75%～100%之间）、中高产（粮食单产介于区域均值的100%～125%之间）和高产（粮食单产在区域均值的125%以上）4种类型。

相关研究表明，粮食单产空间格局通常在3～5 a间才发生较大变动[21-22]。综合考虑分析的科学性以及数据可获取性，本研究以5 a为间隔，计算各阶段县域粮食单产类型的马尔科夫转移概率矩阵和空间马尔科夫转移概率矩阵，将其可视化后分析县域粮食单产类型的转移概率及演进趋向，揭示县域粮食单产的空间溢出效应；对比传统马尔科夫转移矩阵和考虑区域背景下的转移矩阵（即空间马尔科夫矩阵），采用似然比统计量检验方法分析粮食单产类型转移平稳性以及区域背景对中心县域溢出效应的影响是否符合统计性检验，揭示县域粮食单产类型变化与区域背景的内在联系；以1995和2010年为研究时点，采用空间滞后模型分析区域粮食单产空间分异的影响因素，揭示区域粮食单产变化与各因素之间的关系。

1.2 马尔科夫链方法和空间马尔科夫链方法

1.2.1 马尔科夫链方法

马尔科夫链是一种时间和状态均离散的马尔科夫过程，其状态转移过程具有无后效性，即若某随机过程在时刻t0所处状态为已知，则其在时刻t（t>t0）所处状态的条件分布和过程与时刻t0之前的状态无关[16]。通常，该随机过程的马尔科夫链具有如下性质：1）一定区域内，类型之间可以相互转化；2）类型转化过程包含着较多尚难用函数关系准确描述的事件，这恰好与粮食单产类型的动态演化过程相符。因此，采用马尔科夫链方法揭示县域粮食单产类型的变化足迹：将县域粮食单产划分为k种类型；用一个状态向量存储t时刻1×k种类型的粮食单产类型转移概率；结合不同时刻粮食单产类型转移过程建立一个k×k的概率矩阵M（式（1））。

式中mij(d)表示在某时刻类型为i而经过时间d后转移为类型j的概率。矩阵nij(d)表示在某时刻属于类型i而经过时间d后转移为类型j的县域个数之和；ni则表示整个研究期所有年份中属于类型i的县域个数之和。如果某时刻县域粮食单产类型为i，在经历时间d后仍保持类型i，则表示区域粮食单产类型转移平稳；若粮食单产类型等级提高，表示县域向上转移，否则表示向下转移[23]。

1.2.2 空间马尔科夫链方法

在传统马尔科夫链方法的基础上，引入空间滞后或者空间自相关变量构建空间马尔科夫链方法。该方法通过计算区域粮食单产类型Y和空间权重矩阵W的乘积（WY）来确定某一县域相邻的粮食单产状态，为定量分析区域环境对粮食单产的空间效应提供依据[24]。本研究中，基于空间邻接关系建立空间权重矩阵W，空间马尔科夫概率转移矩阵即是以初始年份县域粮食单产的空间滞后类型为条件，将传统的k×k马尔科夫矩阵分解为l(l为空间滞后类型)个k×k条件转移概率矩阵。对于第l个条件矩阵而言，则表示以某年份县域粮食单产的空间滞后类型l为条件，该年份属于类型i间隔d年后转移为类型j的概率。

空间马尔科夫链概率转移矩阵可用于分析不同区域背景（空间滞后类型）下，县域粮食单产类型在不同类型间转移的可能性。通过传统马尔可夫矩阵和空间马尔可夫矩阵的对比分析，探讨一个区域向上或向下转移的概率与区域背景的关系。

1.2.3 似然比统计量检验

作为非参数检验方法的一种，似然比统计量可以检验2个变量之间是否存在关联，在计量经济模型检验中具有极强的适用性[25]。结合相关文献，构建式（3）和（4）[17,26]。其中，式（3）中原假设认为县域粮食单产类型转移具有平稳性，即在1980－1995年和1995－2010年期间不存在显著差异。备择假设指县域粮食单产类型转移在2个时期存在显著差异。式（4）中原假设区域背景下粮食单产类型变化在空间上相互独立，区域转移概率与空间滞后类型无关；备择假设是县域粮食单产类型转移在空间上并不独立，需要根据空间滞后类型进行转移概率估计。

1.3 空间滞后模型

当统计指标存在空间自相关或者空间溢出效应时，经典回归模型（ordinary least squares，OLS）不再适用，通常采用空间计量回归方法来捕捉因变量和自变量之间的显著性关系。其中，空间滞后模型（spatial lag model，SLM）较为常用。在矩阵1−ρW可逆时，空间滞后模型（SLM）的表达式为[27]式中y为被解释变量；X为n×k的外生解释变量矩阵；ρ为空间回归系数；W为n×n阶的空间权重矩阵，常采用邻接矩阵；Wy为空间滞后被解释变量；β为解释变量的回归系数向量，反映了解释变量x对被解释变量y的影响；ε为正态分布的相互独立的随机误差向量。

2 结果与分析

2.1 基于马尔科夫链方法的县域粮食单产类型转移特征

2.1.1 1980－2010年县域粮食单产类型的时间特征

1）主对角线上中间的概率高于两端和对角线两侧的概率（表1）。其中，主对角线上中低产和中高产类型的概率最小为0.613，表明研究期间中低产和中高产类型县域保持不变的概率至少在60%以上，中低产和中高产类型县域粮食增长较为平稳。与1980－1995年相比，1995－2010年间主对角线两端的概率均降低，低产类型和高产类型县域保持平稳的概率分别为0.396、0.466，县域粮食单产类型呈现向中低产、中高产类型转移的趋势，且中产类型的县域个数约为低产、高产类型个数加和的3～4倍，县域粮食单产类型逐渐向中产水平趋进。

表1 县域粮食单产类型的马尔科夫转移概率矩阵Table 1 Markov transition-probability matrix for types of grain yield per hectare at county level

2）相邻粮食单产类型间的转移概率大于差距大的类型间的转移概率，县域粮食单产类型表现出一种渐进、平滑的转移特征，跨越式转移的几率较小。其中，低产与中低产、中低产与中高产类型间的转移可能性较大。中高产、高产类型向下转移的最小概率在0.4以上，大于其向上转移的概率，表明县域间粮食单产差距呈现缩小趋势。

基于式（3）进行似然比统计量检验，Ya=20.884，并剔除转移概率为0的元素，自由度调整为6。在0.5%的统计检验下，Ya>26χ=18.548。因此，拒绝原假设，表明黄淮海地区县域粮食单产类型转移在1980－1995年和1995－2010年2个时期存在显著差异。

2.1.2 1980－2010年县域粮食单产类型空间转移格局

1980－1995年，黄淮海地区粮食单产类型上移和下移的县域分布相对集中（图1）。

图1 县域粮食单产类型转移空间格局Fig.1 Transition pattern for type of grain yield per hectare at county level

108 个县域的粮食单产类型向上转移，约占县域总数的31.1%，集中分布在太行山山前平原、鲁西北平原以及淮河流域；96个县域的粮食单产类型向下转移，主要分布在市辖区和沿海一带。与1980－1995年相比，1995－ 2010年间粮食单产类型发生转移的县域个数减少，其中上移单元减少13个，下移单元减少10个。总体上看，县域粮食单产类型转移的空间分布相对集中，其中上移县域集中在沧州市、德州市和河南东南部；下移县域集中在潍坊、莱芜、泰安、枣庄和山东滨海地区，且分布更为集聚；江淮一带的县域粮食单产类型相对平稳。2个阶段同时保持上移的县域有26个，集中分布在山东德州市，河北和河南有零星分布；同时保持下移的县域有28个，主要分布在北京市、山东滨海地区、江苏徐州市等。

2.2 基于空间马尔科夫链方法的粮食单产溢出效应

2.2.1 区域背景下县域粮食单产类型的变化特征

1）基于中心县域周边的粮食单产的加权平均值划分空间滞后类型，其划分原则与粮食单产类型的划分原则一致。结果表明，若以低产类型县域为邻，县域粮食单产类型向上转移的概率减小而向下转移的概率增加。相反，若以高产类型县域为邻，县域粮食单产类型向上转移的概率增加而向下转移的概率减小。由表1和表2可知：1980－1995年间，中低产类型县域向上转移为中高产类型的概率为0.231，而在中高产和高产背景下上移概率分别增至0.400和0.333，而在低产背景下上移概率仅为0.083；中高产类型县域下移为中低产类型的概率为0.247，但以高产类型县域为邻时向下转移的概率降至0.173，以低产类型县域为邻时，向下转移的概率增至0.571。这一趋势在1995－2010年更明显。

表2 县域粮食单产类型的空间马尔科夫矩阵（以空间滞后为条件）Table 2 Spatial Markov matrices for type of grain yield per hectare class conditioning on its spatial lag at county level

2）县域向上或向下转移的概率与该县域周围之间的差异程度不成比例。尽管邻近县域粮食单产水平对中心县域粮食单产类型的转移有显著影响，但这种影响并不是同比例发展的。以低产县域为例，在中低产、中高产区域背景下，其向上转移的概率往往高于平均概率；而在低产背景下县域上移概率减小甚至为0，高产背景下县域下移概率亦减小甚至为0。这也印证了前文“粮食单产类型较难实现大规模跨越”的观点。

总体来说，区域背景对县域粮食单产类型的转移具有重要作用。在不同区域背景下，县域粮食单产类型的转移概率各不相同。随着相邻县域粮食单产水平的提升，中等类型县域的粮食增长具有相似性，表现为向上转移的可能性增加；而高产和低产类型县域在区域负面或者正面的影响下，开始向中产类型发展。可见，以较高水平县域为邻，中心县域能够获得更多提高粮食单产的机会，从而该地区向上转移的可能性增大。相反，如果以低水平县域为邻，中心县域提高粮食单产的机会减少。

结合式（4）分阶段计算似然比统计量，自由度调整为30。1980－1995年，在1%的显著性水平下，Yb=52.198>；1995－2010年，在0.5%的显著性水平下，。因此，拒绝原假设，认为2个阶段黄淮海地区粮食单产转移类型与相邻县域类型存在显著性关联。而且就显著性水平而言，1995－2010年明显高于1980－1995年，表明区域背景对县域粮食单产类型的影响程度加深。

2.2.2 区域背景下县域粮食单产类型的空间格局

1980－1995年间，县域自身和周围县域粮食单产类型同时向上转移的单元65个，集中分布在河北中南部、山东西北部；同时向下转移的单元53个，主要分布在市辖区和沿海县域；78个县域的粮食单产类型维持不变，河南、河北和江苏3省居多，如图2所示。与1980－1995年相比，1995－2010年间县域自身和周围县域同时向上转移（或者向下转移）的单元减少，其中同时向上转移的县域个数减少至33个，集中分布在河北沧州和山东德州；同时向下转移的单元减少至38个，分布状况与1980－1995年大致相同；保持平稳的县域增至109个，新增单元以山东省、江苏省和河南省居多。2个时段内自身粮食单产类型和周围地区粮食单产类型同时上移或者下移的县域单元的地理位置基本相同，耕地资源相对丰富的地区上移概率较大，而经济发展迅速的市辖区及沿海一带县域下移的概率较大，并且这种变化趋势在1995－2010年间增强；江苏、河南和山东3省多数县域的粮食单产类型保持不变。总体来说，黄淮海地区粮食单产类型转移在靠自身发展的同时，确实受到周围地区和区域宏观背景的影响，单产水平较高的区域背景对县域粮食单产向上转移具有促进作用，而处于较低水平的区域背景带动粮食单产提升的能力较弱。

图2 区域背景下县域粮食单产转移类型的空间分布Fig.2 Spatial distribution of transfer types for grain yield per hectare at county level

2.3 县域粮食单产分异的影响因素分析

研究表明，黄淮海地区县域粮食单产具有较强的空间自相关性，区域背景对县域粮食单产类型转移的影响显著，因此采用考虑空间效应的空间滞后模型揭示1995年和2010年粮食单产分异的影响因素。基于相关研究[28-31]，综合考虑数据可获取性和黄淮海地区发展实际，初步筛选有效灌溉面积比率（有效灌溉面积/耕地面积）、种植结构（粮食作物播种面积/农作物播种面积）、地均农林牧渔劳动力（农林牧渔劳动力/耕地面积）、地均化肥投入量（化肥投入量/农作物播种面积）、地均农机总动力投入量（农机总动力投入量/农作物播种面积）、农民人均纯收入、人均GDP、产业结构（第一产业增加值占GDP比例）、上一期粮食单产（对应1995年和2010年，上一期粮食单产分别为1990年和2005年的粮食单产）等9个指标作为自变量，以县域粮食单产为因变量，分析1995和2010年县域粮食单产空间分异的影响因素。建模前，采用逐步回归分析法筛选指标以消除指标间的多重共线性，最终选取上一期粮食单产、农民人均纯收入、产业结构、有效灌溉面积比率、种植结构等5个指标。

经计算，空间滞后模型下1995年和2010年的AIC值分别为−677.51和−890.84，均低于经典回归模型的结果（分别为−639.98和−859.20），表明考虑空间效应后模型的解释能力提高。模型结果显示，1995和2010年空间滞后变量的系数为0.209和0.175，均通过了1%的显著性检验，表明空间溢出效应对县域粮食单产产生了显著影响，如表3所示。

表3 县域粮食单产分异的空间滞后模型分析结果Table 3 Regression results of grain yield per hectare at county level by spatial lag model

由表3可知：1）1995和2010年，上一期粮食单产通过了1%概率水平的显著性检验，回归系数均为正且远大于其他因素的回归系数，表明粮食单产存在一定的路径依赖，粮食单产原有基础对县域粮食生产的正向促进作用显著。2）1995和2010年，农民人均纯收入分别通过了1%概率水平的显著性检验，但是相关系数由正转为负，表明农民收入与粮食单产之间由显著的同向推动转为逆向阻碍。在较长的时间内，农业是农户生活需求的主要来源，收入较高的农民有更多的资金购买化肥、农药等生产资料，有助于提高粮食单产；随着经济发展和市场经济意识的增强，农户投资的非农化倾向加强，而且当农户种植业投入达到一定极限时，投入要素边际递减规律的作用促使农户向更高层次的兼业化方向发展，农民收入水平在较大程度上抑制粮食单产的提升[32-33]。3）产业结构在1995年通过了显著性检验，且系数为正，表明第一产业发展对粮食单产起到正向作用，但这一指标在2010年没有通过显著性检验。1995年，黄淮海地区第一产业增加值比例较大，第一产业的发展对整个区域经济的促进作用显著。第一产业增加值比例越高，当地政府对粮食生产的重视程度也较高，对粮食生产的投入、技术提升等诉求也比较强烈，粮食单产提升较快。随着经济发展，第一产业增加值所占比例显著下降，与粮食单产的相关性也不显著。4）1995年，有效灌溉面积比率与粮食单产呈现显著正向相关关系，表明增加有效灌溉面积有助于提升粮食单产；2010年，有效灌溉面积的回归系数仍然为正，但未通过显著性检验，表明灌溉已非黄淮海地区粮食生产的主要瓶颈，单纯依靠农业灌溉难以有效提高粮食单产。黄淮海地区农业水资源利用效率具有很大的提升空间，未来需要合理控制农业水资源利用量，实行灌溉预报和动态配水，做到适时、适量灌溉，并实时调整渠道流量和轮灌组合，有效提升水资源利用效率[34-35]。5）种植结构对1995年粮食单产的影响不显著，但2010年通过了5%水平下的显著性检验且系数为正值，表明粮食作物种植比例越高、粮食单产的提升越明显。近年来，中国各级政府日益重视主产区的粮食生产，在农田基础设施投入等方面给予政策倾斜[36]，促进粮食单产的显著提升；而且，粮食作物播种面积比例越大，越有利于培育和推广良种良方、实施测土配方施肥、统一科学的田间管理、推广统一机播机收技术等，有助于粮食单产水平的提高。

3 讨论

1）空间溢出效应的表现形式有空间异质性、空间依赖以及地理溢出。与以往的空间探索技术、关联分析等方法不同，空间马尔科夫链方法通过空间权重矩阵不仅解决了区域之间的空间关系测度问题，还借助于空间滞后这一概念界定了每一个区域所处的空间邻域状态，为定量分析区域背景对粮食单产的空间溢出效应提供了的方法借鉴。

2）区域背景对县域粮食生产格局变化产生显著影响。低产类型县域对中心县域粮食单产类型转移的影响多为负面，应通过积极改善当地发展水平来避免负面溢出；对处于中低产和中高产类型的县域而言，县域之间的相互作用随着时间推移有增强趋势，粮食单产类型表现出相似的集聚特征；高产类型县域对中心县域粮食生产往往有正向引领作用，县域之间可通过加强技术交流、农业生产资料流通等增强正面溢出效应，提高粮食单产。

3）本文借助空间马尔科夫链刻画区域背景对粮食单产类型演化的作用，为区域农业经济要素空间溢出效应分析提供了新方法依据，但也存在不足：一方面，在空间马尔科夫链方法分析中，粮食单产类型数目发生变化，区域类型及其空间邻域状态也将随之变化，对统计分析结果产生一定影响。受篇幅限制，本研究仅分析了4种粮食单产类型下的空间溢出效应，下一步将强化对比分析不同类型划分下的区域差异。此外，在分析县域粮食单产分异的影响因素时，政策作为重要的外生机制之一，对区域粮食单产的影响存在滞后性，如何量化政策在时序上的滞后性等，将是后续科学量化影响机制与粮食单产变化间关联作用的重要方向。

4 结论

1）1980 －2010年间，黄淮海地区县域粮食单产转移总体呈现渐进、平滑的特征，县域粮食单产类型呈现“中间大、两头小”的分布态势。

2）1980 －1995年的似然比统计量Yb=52.198，1995－2010年的似然比统计量Yb=55.147，分别通过1%和0.5%的显著性水平检验，表明区域背景对县域粮食单产类型转移的影响显著，且在1995－2010年更为显著。受自身和周边县域的影响，高产和低产类型县域逐渐向中产类型转变。以粮食单产水平较高的县域为邻，县域粮食单产类型向上转移的概率增加，向下转移的概率减小，反之亦然。

3）江苏、河南、山东的县域粮食生产格局变化趋于平稳，沿海地带和市辖区县域出现下移趋势，自然资源相对丰富的平原地区则表现出明显的上移趋势。

4）空间滞后模型分析表明，空间溢出效应对县域粮食单产分异的影响显著，不同时期，各影响因素的作用方向与程度存在较大差异：1995年，上一期粮食单产、农民人均纯收入、有效灌溉面积比率、产业结构分别通过1%的显著性水平检验，对粮食单产的正向促进作用显著；2010年，上一期粮食单产、农民人均纯收入、种植结构分别通过1%、1%、5%的显著性水平检验，除农民人均纯收入外其余指标均对粮食单产提升具有促进作用。

[1] 张金萍，秦耀辰. 县域粮食单产及其生产投入因素的空间异质性：以河南省为例[J]. 自然资源学报，2011，26(3)：373－381. Zhang Jinping, Qin Yaochen. Spatial heterogeneity of grain yield per hectare and factors of production inputs in counties: A case study of Henan province[J]. Journal of Natural Resources, 2011, 26(3): 373－381. (in Chinese with English abstract)

[2] 姚成胜，黄琳，吕晞. 河南省粮食消费结构变化及其对我国粮食安全的贡献率分析[J]. 农业现代化研究，2014，35(2)：163－167. Yao Chengsheng, Huang Lin, Lü Xi. Grain demand structure change in Henan and its contribution rate to China’s food security[J]. Research of Agricultural Moderanization, 2014, 35(2): 163－167. (in Chinese with English abstract)

[3] 黎东升，曾靖. 经济新常态下我国粮食安全面临的挑战[J].农业经济问题，2015(5)：42－47. Li Dongsheng, Zeng Jing. The challenges facing the food security of China under the new normal economic situation[J]. Issues in Agricultural Economy, 2015(5): 42－47. (in Chinese with English abstract)

[4] 柏林川，武兰芳，宋小青. 1995－2010年山东省粮食单产变化空间分异及均衡增产潜力[J]. 地理科学进展，2013，32(8)：1257－1265. Bo Linchuan, Wu Lanfang, Song Xiaoqing. Spatial difference of grain yield changes during 1995－2010 and balanced potential output to increase in Shandong Province[J]. Progress in Geography, 2013, 32(8): 1257－1265. (in Chinese with English abstract)

[5] 周志刚，郑明亮. 基于对数均值迪氏指数法的中国粮食产量影响因素分解[J]. 农业工程学报，2015，31(2)：1－6. Zhou Zhigang, Zheng Mingliang. Influential factors decomposition for China’s grain yield based on logarithmic mean divisia index method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 1－6. (in Chinese with English abstract)

[6] 刘玉，郜允兵，高秉博，等. 1980－2012年河南省县域粮食单产时空分异及增产潜力研究[J]. 北京大学学报:自然科学版，2014，50(6)：1106－1114. Liu Yu, Gao Yunbing, Gao Bingbo, et al. Spatial-temporal difference of grain yield per hectare during 1980－2012 at county level and its balanced increasing potential in Henan province[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1106－1114. (in Chinese with English abstract)

[7] 程叶青. 东北地区粮食单产空间格局变化及其动因分析[J].自然资源学报，2009，24(9)：1541－1549. Cheng Yeqing. Spatial pattern change and its driving factors of grain per unit area yield in Northeast China[J]. Journal of Natural Resources, 2009, 24(9): 1541－1549. (in Chinese with English abstract)

[8] Pan Wenqing. Regional correlation and spatial spillovers in China’s regional economic growth[J]. Social Sciences in China, 2013, 34(3): 125－139.

[9] Pines D. Economics of agglomeration: Cities, industrial location and regional growth[J]. Journal of Economic Geography, 2004, 4(3): 395－397.

[10] 周立青，程叶青. 黑龙江省粮食生产的时空格局及动因分析[J]. 自然资源学报，2015，30(3)：491－501. Zhou Liqing, Cheng Yeqing. Spatio-temporal pattern and its driving factors of grain production in Heilongjiang Province[J]. Journal of Natural Resources, 2015, 30(3): 491－501. (in Chinese with English abstract)

[11] 蒋尚明，金菊良，许浒，等. 基于经验模态分解和集对分析的粮食单产波动影响分析[J]. 农业工程学报，2013，29(4)：213－221. Jiang Shangming, Jin Juliang, Xu Hu, et al. Fluctuations effect analysis of grain yield per hectare based on empirical mode decomposition and set pair analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(4): 213－221. (in Chinese with English abstract)

[12] 刘忠，黄峰，李保国. 2003－2011年中国粮食增产的贡献因素分析[J]. 农业工程学报，2013，29(23)：1－8. Liu Zhong, Huang Feng, Li Baoguo. Investigating contribution factors to China’s grain output increase in period of 2003 to 2011[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(23): 1－8. (in Chinese with English abstract)

[13] 刘忠，黄峰，李保国. 基于经验模态分解的中国粮食单产波动特征及影响因素[J]. 农业工程学报，2015，31(2)：7－13. Liu Zhong, Huang Feng, Li Baoguo. Analysis on characteristics and influential factors of grain yield fluctuation in China based on empirical mode decomposition[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of theCSAE), 2015, 31(2): 7－13. (in Chinese with English abstract)

[14] 白立佳，张路路，刘瑞卿，等. 基于ESDA的河北省粮食单产空间格局变化研究[J]. 农机化研究，2012(1)：18－24. Bai Lijia, Zhang Lulu, Liu Ruiqing, et al. Regional difference research of grain per unit area yield in Hebei Province base on ESDA[J]. Journal of Agricultural Mechanization Research, 2012(1): 18－24. (in Chinese with English abstract)

[15] 邓宗兵，封永刚，张俊亮，等. 中国粮食生产空间布局变迁的特征分析[J]. 经济地理，2013，33(5)：117－123. Deng Zongbing, Feng Yonggang, Zhang Junliang, et al. Analysis on the characteristics and tendency of grain production’s spatial distribution in China[J]. Economic Geography, 2013, 33(5): 117－123. (in Chinese with English abstract)

[16] 蒲英霞，马荣华，葛莹，等. 基于空间马尔科夫链的江苏区域趋同时空演变[J]. 地理学报，2005，60(5)：817－826. Pu Yingxia, Ma Ronghua, Ge Ying, et al. Spatial-temporal dynamics of Jiangsu regional convergence with spatial Markov chains approach[J]. Acta Geographica Sinica, 2005, 60(5): 817－826. (in Chinese with English abstract)

[17] 王少剑，王洋，赵亚博. 1990年来广东区域发展的空间溢出效应及驱动因素[J]. 地理学报，2015，70(6)：965－979. Wang Shaojian, Wang Yang, Zhao Yabo. Spatial spillover effects and multi-mechanism for regional development in Guangdong province since 1990s[J]. Acta Geographica Sinica, 2015, 70(6): 965－979. (in Chinese with English abstract)

[18] 洪舒蔓，郝晋珉，周宁，等. 黄淮海平原耕地变化及对粮食生产格局变化的影响[J]. 农业工程学报，2014，30(21)：268－277. Hong Shuman, Hao Jinmin, Zhou Ning, et al. Change of cultivated land and its impact on grain production pattern in Huang-Huai-Hai Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(21): 268－277. (in Chinese with English abstract)

[19] 刘玉，高秉博，潘瑜春，等. 基于LMDI 模型的黄淮海地区县域粮食生产影响因素分解[J]. 农业工程学报，2013，29(21)：1－10. Liu Yu, Gao Bingbo, Pan Yuchun, et al. Influencing factor decomposition of grain production at county level in Huang-Huai-Hai region based on LMDI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(21): 1－10. (in Chinese with English abstract)

[20] 张秋平，郝晋珉，白玮. 黄淮海地区粮食生产中的农业水资源经济价值核算[J]. 农业工程学报，2008，24(2)：1－5. Zhang Qiuping, Hao Jinmin, Bai Wei. Estimation of economic value of agricultural water resource in grain production in Huang-Huai-Hai Region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(2): 1－5. (in Chinese with English abstract)

[21] 徐志宇，宋振伟，邓艾兴，等. 近30年我国主要粮食作物生产的驱动因素及空间格局变化研究[J]. 南京农业大学学报，2013，36(1)：79－86. Xu Zhiyu, Song Zhenwei, Deng Aixing, et al. Regional changes of production layout of main grain crops and their actuation factors during 1981－2008 in China[J]. Journal of Nanjing Agricultural University, 2013, 36(1): 79－86. (in Chinese with English abstract)

[22] 徐海亚，朱会义. 基于自然地理分区的1990－2010年中国粮食生产格局变化[J]. 地理学报，2015，70(4)：582－590. Xu Haiya, Zhu Huiyi. Spatial change of China’s grain production based on geographical division of natural factors during 1990－2010[J]. Acta Geographica Sinica, 2015, 70(4): 582－590. (in Chinese with English abstract)

[23] 钟绍军，刘洪. 中国人均GDP区域趋同性时空演变分析[J].统计与决策，2015(16)：83－88. Zhong Shaojun, Liu Hong. Temporal evolution convergence analysis of China’s per capita GDP[J]. Statistics and Decision, 2015(16): 83－88. (in Chinese with English abstract)

[24] 薛亮，任志远. 基于空间马尔科夫链的关中地区生态安全时空演变分析[J]. 生态环境学报，2011，20(1)：114－118. Xue Liang, Ren Zhiyuan. The spatial-temporal dynamics of Guanzhong eco-security based on spatial Malcov Chains[J]. Ecology and Environmental Sciences, 2011, 20(1): 114－118. (in Chinese with English abstract)

[25] Bernard Fingleton. Specification and testing of Markov chain models: An application to convergence in the European union[J]. Oxford Bulletin of Economics & Statistics, 1997, 59(3): 385－403.

[26] Le Gallo J. Space-time analysis of GDP disparities among European regions: A Markov chains approach[J]. Regional Science Review, 2004, 27(2): 138－163.

[27] 姜世国，滕骏华，王法辉. 基于GIS的数量方法与应用[M].北京：商务印书馆，2009.

[28] 刘玉，郭丽英，刘彦随. 1980－2008年环渤海地区县域粮食的时空动态变化及分析[J]. 农业工程学报，2012，28(12)：230－236. Liu Yu, Guo Liying, Liu Yansui. Spatial-temporal dynamic change and analysis of grain production in county scale in Bohai Rim from 1980 to 2008[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(12): 230－236. (in Chinese with English abstract)

[29] 陆文聪，梅燕. 中国粮食生产区域格局变化及其成因实证分析：基于空间计量经济学模型[J]. 中国农业大学学报：社会科学版，2007，24(3)：140－152. Lu Wencong, Mei Yan. Empirical studies on the variation and contributing factors of regional grain production structure in China: based on spatial econometrics models[J]. China Agricultural University Journal of Social Sciences Edition, 2007, 24(3): 140－152. (in Chinese with English abstract)

[30] 胥亚男，张改素，王发曾，等. 中原经济区粮食生产空间格局变化研究[J]. 河南大学学报：自然科学版，2014，44(2)：170－177. Xu Ya’nan, Zhang Gaisu, Wang Faceng, et al. Spatial pattern change of the grain production in central plains economic region[J]. Journal of Henan University: Natural Science, 2014, 44(2): 170－177. (in Chinese with English abstract)

[31] 仇方道，钱进，佟连军，等. 江苏省粮食生产时空格局演变及影响因素[J]. 农业现代化研究，2009，30(1)：11－15. Qiu Fangdao, Qian Jin, Tong Lianjun, et al. Influence factors and temporal-spatial structure of grain production in Jiangsu province[J]. Research of Agricultural Modernization, 2009, 30(1): 11－15.(in Chinese with English abstract)

[32] 中共中央政研室农业部农村固定观察点办公室. 我国农户农业投入行为研究[J]. 中国农村经济，1997(11)：53－60.

[33] 马俊贤，时明国. 市场条件下农业投入机制研究[J]. 农业经济问题，1995(12)：7－11.

[34] 王震，吴颖超，张娜娜，等. 我国粮食主产区农业水资源利用效率评价[J]. 水土保持通报，2015，35(2)：292－296. Wang Zhen, Wu Yingchao, Zhang Nana, et al. Evaluation on agricultural water utilization efficiency in major grain producing region[J]. Bulletin of Soil and Water Conservation 2015, 35(2): 292－296. (in Chinese with English abstract)

[35] 刘影，肖池伟，李鹏，等. 1978－2013年中国粮食主产区“粮-经”关系分析[J]. 资源科学，2015，37(10)：1891－1901. Liu Ying, Xiao Chiwei, Li Peng, et al. Relationship of grain output and economic development from 1978 to 2013 in the major grain producing area of China[J]. Resources Science, 2015, 37(10): 1891－1901. (in Chinese with English abstract)

[36] 张士云，姚升，蒋和平，等. 粮食主产区农村公共产品投入对农业增长的影响分析[J]. 农业经济问题，2010(4)：70－74. Zhang Shiyun, Yao Sheng, Jiang Heping, et al. Analysis on the impact of the rural public goods input on the agricultural growth in main grain producing region[J]. Issues in Agricultural Economy, 2010(4): 70－74. (in Chinese with English abstract)

Analysis on spatial spillover effect and influence factors of grain yield per hectare at county level in Huang-Huai-Hai region

Liu Yu, Tang Xiumei, Pan Yuchun※, Tang Linnan
(1. Beijing Research Center for Information Technology in Agriculture, Beijing 100097, China; 2. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 3. Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing 100097, China; 4. Beijing Engineering Research Center of Agricultural Internet of Things, Beijing 100097, China)

As an important grain production base of China, Huang-Huai-Hai region is of great significance for the steady grain supply of the country. Under the strategic background of regional cooperative development, the spatial externality of grain yield per hectare has attracted increasing attention. In order to investigate the spillover effects of grain yield per hectare at county level, this study focuses on the 347 counties of Huang-Huai-Hai region by Markov Chain method and Spatial Markov Chain method, and reveals the spatial spillover effect of grain yield per hectare at county level during 1980-2010 as well as the influential factors of the differentiation of grain yield in 1995 and 2010. And the results show: 1) During 1980-2010, the type of grain yield per hectare at county level in Huang-Huai-Hai region transfers in a gradual and smooth way, with a low probability of large-scale crossing. 2) During 1980-1995, the likelihood ratio statistic is 52.198, passing the Chi-square test with the significance level of 0.01, and is 55.147, passing the Chi-square test with the significance level of 0.005 during 1995-2010. That is to say the regional background type exerts significant impact on the type shifting of grain yield per hectare, and it’s more significant in the second stage. The growth of grain yield per hectare of the counties at medium-low or medium-high level is similar, while the counties with high yield and low yield under the action of the regional context, gradually change toward middle type. Taking the counties adjacent to the high grain yield for example, their grain yield types per hectare will have a relative high possibility to increase, and vice versa. 3) In the aspect of spatial pattern of evolution, the type of grain yield per hectare tends to increase in the plain, and reduce obviously in the municipal districts and the coastal area. However, the type of grain yield per hectare in Jiangsu, Henan and Shandong Province gradually transfers to be stable. 4) Variations like grain yield per unit area in the last stage, average net income of peasant, industrial structure and ratio of effective irrigated areas have great impacts on the differentiation of grain yield per hectare at county level. And the influencing direction and degree of the factors in 1995 and 2010 are significantly different. In 1995, grain yield per hectare in the last stage, average net income of peasant, ratio of effective irrigated areas and industrial structure have passed the test of the significance level of 0.01, separately, and these indices are significantly positive to promote the grain yield; in 2010, the index of grain yield per hectare in the last stage, average net income of peasant and plant structure goes through the significant test, and the significance level is 0.01, 0.01 and 0.05, respectively. Except the average net income of peasant, the rest both play a positive role in promoting the overflow yield. These results can provide scientific ground for the optimization of grain production and policy-making to increase the grain yield per hectare in Huang-Huai-Hai region.

grain; models; optimization; yield per hectare; spatial spillover effect; spatial Markov chain; spatial lag model; Huang-Huai-Hai region

10.11975/j.issn.1002-6819.2016.09.042

F301.11; F304.5

A

1002-6819(2016)-09-0299-09

刘 玉，唐秀美，潘瑜春，唐林楠. 黄淮海地区县域粮食单产的空间溢出效应及影响因素分析[J]. 农业工程学报，2016，32(9)：299－307.

10.11975/j.issn.1002-6819.2016.09.042 http://www.tcsae.org

Liu Yu, Tang Xiumei, Pan Yuchun, Tang Linnan. Analysis on spatial spillover effect and influence factors of grain yield per hectare at county level in Huang-Huai-Hai region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 299－307. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2016.09.042 http://www.tcsae.org

2015-11-24

2016-03-24

国家自然科学基金项目（41401193；41471115）

刘 玉，男，河北无极县人，博士，副研究员，主要从事土地利用、区域农业与农村发展研究。北京 北京农业信息技术研究中心，100097。Email：Liuyu@nercita.org.cn

※通信作者：潘瑜春，男，安徽歙县人，研究员，主要从事GIS空间分析与空间信息系统集成研究。北京 北京农业信息技术研究中心，100097。Email：panyc@nercita.org.cn