大蒜种植规模变化特征及影响因素分析*

王霄宇，张艳，柳平增，姜红花，马学文，王刚

(1. 山东农业大学信息科学与工程学院，山东泰安，271018； 2. 山东农业肥业科技有限公司，山东泰安，271600； 3. 德州市陵城区农业农村局，山东德州，253500)

0 引言

我国大蒜产量占全球总产量的70%以上，占据62.8%的国际市场份额[1]。作为大蒜主要生产国、消费国和出口国，大蒜种植规模的相对稳定是实现大蒜产业可持续发展的基础，研究大蒜种植规模变化特征及影响因素，对于指导农户科学决策、稳定蒜价及促进产业平稳发展具有十分重要的意义[2-4]。

针对大蒜种植规模影响因素，刘照普[5]认为，由于2016年“蒜你狠”现象的出现，导致了2017年大蒜种植面积剧增。杨宾宾等[6]认为，2018年大蒜种植面积的减少是受到大蒜国际市场份额下降的影响。李彩彩等[7]采用主成分分析法，对大蒜价格影响因素进行了分析，结果表明上年度大蒜价格对本年度种植面积有较大影响。刘哲[8]认为大蒜属于小宗类农产品，种植面积和产量受人为因素影响较大。近年来国内外学者愈发重视对农作物的种植面积的研究，但鲜有对大蒜此类小宗农产品种植面积的研究。Brink[9]研究了政策、进出口贸易对农业种植面积的影响，肖双喜等[10]采用逐步回归法对棉花种植面积影响因素进行了分析，王彩峰[11]分析了山东省苹果种植面积的变化特征及影响因素。

综合分析研究现状可以看出，作为大蒜的主要生产和供应国，当前对大蒜种植规模的变化特征和影响因素研究尚不系统。本文拟在整合大蒜产业数据资源基础上，分析大蒜种植规模变化特征，分析并确定影响大蒜种植规模的主要影响因素。

1 材料与方法

1.1 数据来源

本文采用1989—2019年全国大蒜种植面积进行种植规模变化特征分析。为提高数据准确性，论文所用数据综合参考了山东农业大学大数据中心大蒜大数据平台、布瑞克数据、山东省农业厅数据、农业农村部数据以及FAO等多方数据资源，并通过ArcGIS、ENVI等软件提取了部分年份大蒜种植面积来对数据进行了校正[12]。

1.2 数据选择

分析大蒜种植面积影响因素，需综合考虑市场因素、投入因素、生产者自身因素及环境因素等。参考国内外学者的研究方法，结合业内专家共识，基于可行性、相关性及简化性准则，将大蒜种植面积影响因素划分为经济因素、成本因素和自然因素[3, 10, 13]。经济因素主要包括大蒜批发市场价格、蒜苗批发价格、蒜黄批发价格、出口额等。自然因素主要包括自然灾害受灾面积、自然灾害绝收面积等。成本因素主要包括蒜种成本、浇水成本、大蒜保险、补贴及劳动力费用等[14]。

本文全面分析大蒜种植面积影响因素，主要选取了大蒜产量(x1)、大蒜单产(x2)、出口额(x3)、大蒜批发市场价格(x4)、上一年的种植面积(x5)、自然灾害受灾面积(x6)、蒜苗批发价(x7)、蒜黄批发价(x8)、主产区库存量(x9)9个初始指标，收集我国1989—2019年间大蒜种植面积与相应指标的时间序列数据(表1～表3)来对大蒜种植面积进行分析和评价[15-17]。

表1 1989—1998年全国大蒜种植面积影响因素数据表Tab. 1 National garlic planting area influencing factors data from 1989 to 1998

表2 1999—2008年全国大蒜种植面积影响因素数据表Tab. 2 National garlic planting area influencing factors data from 1999 to 2008

表3 2009—2019年全国大蒜种植面积影响因素数据表Tab. 3 National garlic planting area influencing factors data from 2009 to 2019

1.3 主成分回归分析原理及方法

主成分分析(Principal Component Analysis，PCA)可以消除评估指标之间的相关性影响，运用线性变换将原来的多个指标组合成相互独立的少数几个能充分反映母体信息的指标[18-20]，从而在不丢掉主要信息的前提下，避开变量之间的共线性关系，便于进一步分析[16]。

大蒜种植面积影响因素有存在9个样本，每个样本包含30个数据，因此构成9×30维矩阵

(1)

为消除量纲影响，首先对大蒜种植面积影响因素变量进行标准化处理，将矩阵X标准化为Z，其中

(2)

σj——第j个变量的标准差。

根据以上得到的标准化矩阵Z，得到了有关种植面积影响因素ZT的相关系数矩阵

(3)

对其提取出一个主成分，第1个主成分F1可表示为

F1=a11Z1+a21Z2+…+a301Z30

(4)

如果累积贡献率大于80%，则可以选取m个因子作主成分。因为大蒜种植面积影响因素第1个主成分贡献率为80.676%，即提取第1个主成分。

选取该主成分建立大蒜种植面积影响因素标准化主成分回归方程

F=BiFi

(5)

式中：Bi——该主成分Fi的标准化偏回归系数。

y=Bixi

(6)

2 结果与分析

2.1 种植规模变化特征分析

1989—2019年全国大蒜种植面积如图1所示，总体来看，全国大蒜种植面积总体呈现增长趋势，自1989—2003年，随着大蒜需求量的不断提高，大蒜种植面积持续增长；2003年受自然灾害冻灾影响，大蒜产量大幅下降，大蒜市场价格受供需关系影响大幅提高，导致2004年大蒜种植面积急剧提升；而后2005—2015年影响因素各项指标波动较小，种植面积趋于稳定；2016年大蒜批发市场价格创新高，进而导致2017年大蒜种植面积剧增；2017年大蒜价格“蒜你贱”态势显著，导致2018年种植面积大幅减少。

图1 全国大蒜种植面积走势图Fig. 1 Trend chart of national garlic planting area

总体来看，1989—2006年全国大蒜种植面积整体处于上升态势，2007—2016年市场基本趋于理性，供求关系较为平衡，种植规模趋于稳定。2017—2019年面积受“蒜你狠”和“蒜你贱”价格等影响出现锯齿状波动现象。

2.2 主成分分析及回归模型建立

KMO(Kaiser-Meyer-Olkin)检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合做因子分析。

Bartlett球状检验用于检验相关阵中各变量间的相关性，是否为单位阵，即检验各个变量是否各自独立。如果变量间彼此独立，则无法从中提取公因子，也就无法应用因子分析法。Bartlett球形检验判断如果相关阵是单位阵，则各变量独立因子分析法无效。由SPSS检验结果Sig.<0.05(即P值<0.05)时，说明各变量间具有相关性，因子分析有效。

从表4可以看出，KMO抽样适度检测值为0.894>0.5，Bartlett球度检验结果近似卡方为256.523，相伴概率P(Sig=0.000)<0.05，综合3个指标，说明变量之间具有相关性，可进行因子分析。

表4 KMO和Bartlett检验结果Tab. 4 KMO and Bartlett test results

本文的因子分析法选择的是主成分分析方法，根据特征值大于1的标准提取因子，运用SPSS 21.0软件操作得出的因子方差见表5，解释的总方差见表6，碎石图见图2。

表5 公因子方差Tab. 5 Common factor variance

表6 总方差解释Tab. 6 Total variance explained

由表5可知，提取因子后因子方差均值很高，表明提取因子能很好地描述这9个指标。公因子的贡献率代表了公因子对原始数据反映的信息量的大小，表6也表明前1个因子满足特征值>1，累计方差贡献率达到80.676%，解释了9个指标总方差的80.676%，可以相对全面地反映整体信息。从图2可以看出，从第2个因子开始，特征值差异很小。

图2 碎石图Fig. 2 Gravel map

根据表7结果显示大蒜批发市场价格和自然灾害受灾面积这些指标上的载荷大，反映了这两个因素对大蒜种植面积的影响程度较大。

表7 成分得分系数矩阵Tab. 7 Component score coefficient matrix

同时根据每个因子对应的指标公式，归纳得到

F1=0.138x1+0.147x2+0.145x3+0.330x4+0.145x5-0.228x6+0.244x7+0.134x8+0.120x9

(7)

将每一年的数据代入式(7)，计算得到历年的大蒜种植面积在成分系数得分矩阵上的得分，将得分因子与对应的权重进行加权求和，即可构建综合评价数学模型

F=0.69F1+0.439

(8)

整合式(6)～式(8)可以得到主成分回归模型

F=0.095 2x1+0.101 4x2+0.100 1x3+0.227 7x4+0.100 1x5-0.157 3x6+0.108 4x7+0.092 5x8+0.059 6x9+0.439

(9)

对模型进行卡方检验，检验结果如表8所示。

表8 卡方检验Tab. 8 Chi-square test

由表8可知，卡方值为81.532，显著性为0.000，因此大蒜种植面积影响因素回归模型拟合度较好。由式(9)可知，对大蒜种植面积影响最大的影响因素为大蒜批发市场价格影响，其次为自然灾害受灾面积。

3 结论与建议

本文以全国大蒜种植规模变化特征和种植面积影响因素为研究对象，分析了1989—2019年大蒜种植规模变化特征，并在此基础上提出一种种植面积影响因素主成分回归分析方法，分析影响大蒜种植面积的主要影响因素。

1) 1989—2008年全国大蒜种植面积整体处于上升态势，局部存在轻微波动，2009—2016年市场基本趋于理性，供求关系较为平衡，种植规模趋于稳定，种植面积波动不大，2017年和2018年面积波动较大，随后2019年趋于正常。

2) 采用主成分分析法对1989—2019年全国大蒜种植面积及影响因素数据进行分析，根据影响因素分析结果，可将大蒜种植面积影响因素拟合为大蒜价格这个主要因子，该因子包括大蒜批发市场价格、蒜苗批发价和蒜黄批发价，对大蒜种植面积影响的方差贡献率达到了80.676%，是影响大蒜种植面积的重要因素，其次为自然灾害受灾面积，两个因子的累计方差贡献率为88.921%。

根据研究可知，大蒜价格及自然灾害受灾面积为影响大蒜种植面积的最为关键因素。为稳定大蒜种植面积，保持供给平衡，推动大蒜产业的健康平稳发展，现提出几点产业发展建议。

1) 完善采集和服务机制，建立大蒜产业大数据共建共享新模式。应完善大蒜价格信息传导机制，稳定大蒜价格。政府应充分利用和分析市场信息，制定完善的大蒜价格传导机制。

2) 加大科技创新普及力度和政策扶植力度，提高自然灾害抵御能力。加大蒜农培训力度，研究推广更加高效的生产和管理技术，增设大蒜保险等服务政策，提高对自然灾害的抵御能力，有效降低种植风险，促进大蒜产业健康稳定发展。