基于岭回归模型的酒泉市耕地集约利用度及驱动因素研究

王 鹏，程文仕

（甘肃农业大学管理学院，兰州 730070）

0 引言

随着工业化、城镇化进程的不断加快，耕地面积不断减少，人地矛盾日渐尖锐[1]。转变耕地利用观念，提高耕地资源集约利用程度的内涵式挖掘将成为破解土地供需矛盾的必由之路[2]。近年来，国内学者从全国[3]、省域[4]、市（县）[5]、村域[6]、农户[7]等尺度对耕地集约利用度进行评价、预测、分析时空变化及差异[8-9]，主要研究集中在全国和省域等宏观尺度，对市县域尺度的区域差异性和特殊性研究较少。耕地集约利用度的研究方法有：面板数据和主成分分析法[3]、网络分析法[10]、ArcGIS 和熵值法[11]、mlogit 模型[12]，等；影响因素分析除个别学者应用GWR 模型[13]、ESDA 模型[14]等计量模型外，大部分学者采用多元线性回归模型，运用此模型时需要剔除存在相关性的数据，这些方法各有优缺点，但大多要求数据间存在独立性，使用中需要剔除存在相关性的数据，不利于全面分析耕地集约利用度的因素。本文以酒泉市为例，在采用熵值法和综合指数法测算酒泉市2000—2018 年耕地集约利用度的基础上，运用岭回归模型分析各县区耕地集约利用度的驱动因素，以期探索酒泉市及其各县（市、区）耕地集约利用问题，为推动耕地资源合理利用和保障粮食安全提供参考。

1 研究区概况

酒泉市（92°20′～100°20′E，38°09′～42°48′N）位于河西走廊的西部，地势垂直分布明显，由西南向东北倾斜，西南部较高，东北部较低，相对高差悬殊，海拔在921～5 808 m 之间。下辖肃州区、敦煌市、玉门市、瓜州县、金塔县、阿克塞哈萨克族自治县、肃北蒙古族自治县。属温带大陆性气候，以温带干旱和高寒半干旱气候为主，日照长，降水少，蒸发量大，干旱少雨，冬季严寒，夏季酷热。日照时数2 789～3 222 h，年平均气温6.5～10.4℃，年降水量42～202.6 mm。虽然降水量较少，但疏勒河、黑河、哈尔腾河三大水系为农业生产提供了便利的灌溉条件。2018 年末，全市112.7 万人，地区生产总值596.9 亿元，全市耕地面积20.590 6 万hm2，粮食总产量50.9 万t。

2 数据来源与研究方法

2.1 数据来源

本文农膜使用量、农业劳动人口、农业机械总动力、化肥施用量（折纯量）、农业产值、粮食产量、人均粮食占有量和人均粮食占有量等数据来源于2001—2019 年《甘肃农村年鉴》；农民人均纯收入、总人口、GDP、第一产业投资额等数据来源于2001—2019 年《甘肃发展年鉴》，其中2017 年与2018 年农民人均纯收入缺失的数据采用均值插补法进行数据重建；农作物播种面积、耕地面积、有效灌溉面积、年末年初耕地面积、粮食播种面积等数据来源于2001—2019 年《酒泉市年鉴》。各县（市、区）的行政边界矢量化数据来源于国家地理空间信息中心网站。

2.2 研究方法

2.2.1 耕地利用集约度评价指标体系选择与计算。参考前人研究成果[15]，根据酒泉市实际情况和数据的可获取性，从投入强度、产出效率、利用强度和可持续性四个方面，选择复种指数、灌溉指数等11 个影响因素构建评价指标体系（表1），指标属性均为正向。本文在采用极值法对原始数据进行标准化处理的基础上，运用改进熵值法和综合指标法测算耕地集约利用度，评价模型如下[16]：

（1）采用极值法对数据标准化处理。

（2）计算各指标所占的比重。

（3）计算各指标的熵和差异性系数。其计算公式为：

式中，ej表示各指标的熵，dj表示差异性系数，k=1/lnn，k 为常数，n 为样本数。

（4）计算各指标的权重（熵值结果见表1）。其计算公式为：

表1 酒泉市耕地利用集约度评价指标体系

式中，Ti表示第i 个地区综合评价指数值。

2.2.2 耕地集约利用驱动因素指标体系构建与评价方法。根据区域实际情况，参考已有研究[17]，从自然资源、社会经济、政策环境、农业科技4 个方面选取耕地质量、农业产业政策等9 个指标作为耕地集约利用度的驱动因素（表2）。

表2 耕地集约利用驱动因素指标体系

借助SPSS 25.0，对所选取的9 项指标与耕地集约利用度进行相关性分析，筛选出与耕地集约利用度相关性显著的指标，再应用岭回归模型分析各县（市、区）耕地集约利用度的驱动因素。

岭回归模型是一种专用于共线性数据分析的有偏估计回归方法，是发挥定性分析和定量分析有机结合的一种分析方法，在解决多重共线性问题中有其独特之处，参数估计的显著性和稳定性却明显高于普通回归，其接近真实性的可能性较大，因而在存在共线性问题和病态数据偏多的研究中有较大的实用价值，广泛应用于分析各变量之间的相互作用和关系[18]。

3 结果与分析

3.1 耕地集约利用度比较

在采用改进熵值法和综合指标法测算各县（市、区）2000—2018 年耕地集约利用度的基础上（图1），利用SPSS 25.0 软件中的K-均值聚类方法进行分级，得到分级结果（图2，表3）。

表3 耕地集约利用综合评价水平分级表

从图1、图2 可以看出，（1）2000—2018 年酒泉市耕地集约利用水平整体较低且年际变化较小，均值在0.216～0.284 之间，表现为先下降后上升的趋势。（2）县域之间差异较大，均值在0.167～0.485 之间，最高的是肃州区，最低的是瓜州县。酒泉市耕地集约利用度均值为0.226，玉门市、敦煌市、瓜州县、肃北县分别为0.188、0.221、0.167、0.225，均低于酒泉市平均水平；肃州区、金塔县、阿克塞县分别为0.485、0.248、0.303，均高于酒泉市平均水平。（3）时序演变上，2000—2018年，肃州区、玉门市、瓜州县与金塔县的耕地集约利用度以2006 年为界呈先减后增的变化过程，敦煌市、肃北县与阿克塞县耕地集约利用度呈波动式上升趋势。（4）空间分布上，酒泉市耕地集约利用度整体上呈南北高、中部低的空间分布特征且差异显著。即肃州区、金塔县、肃北县、阿克塞县较高，玉门市、敦煌市、瓜州县较低。

图2 酒泉市各县（市、区）不同年份耕地集约利用度

3.2 耕地集约利用的驱动因素分析

3.2.1 耕地集约利用度与驱动因素的相关性分析。以瓜州县为例，借助SPSS 25.0 平台，对耕地集约利用度及驱动因素进行相关性分析（表4）。结果显示：人均耕地面积（x3）、农业产业政策（x7）与耕地集约利用度（Y）之间的相关性不显著，剔除这2 项变量，其余因素变量与耕地集约利用度之间的相关性较强，作为主要因素，且存在共线性。

表4 瓜州县耕地集约利用度与驱动因素的相关性分析结果

3.2.2 耕地集约利用度与驱动因素的岭回归分析。根据相关性分析结果，将相关性显著的X3、X4、X5、X6、X8这5 个变量作为瓜州县的主要因素，在SPSS 中绘制瓜州县耕地集约利用度驱动因素岭迹图（图3）。

图3 瓜州县耕地集约利用度驱动因素岭迹图

由图3 可知，当K≥0.12 时，各回归系数趋于稳定，因此，瓜州县取K=0.12 进行岭回归分析，计算回归结果（表5），其岭回归模型表达式为：

3.3 不同地区耕地集约利用度的驱动因素分析

同瓜州县一样，分析酒泉市及其余各县区的情况。与耕地集约利用度之间无显著相关性需剔除的指标情况为：酒泉市的人均耕地面积、耕地质量和灌溉指数，肃州区的耕地面积比例和灌溉指数，玉门市的耕地质量和灌溉指数，敦煌市的耕地质量和灌溉指数，金塔县的耕地质量和灌溉指数，肃北县的人均耕地面积、耕地质量和地均GDP，阿克塞县的人均耕地面积、耕地面积比例、农民人均纯收入、农业产业政策，其余指标作为主要因素进入回归模型。由于其余指标之间存在共线性，回归模型均通过了F 统计量检验且各县区p＜0.05，表明模型有意义，拟合效果良好。因此适合使用岭回归模型进行分析。

根据拟合的岭回归模型得到各县区的岭回归结果（表5），其中肃州区、玉门市、敦煌市、金塔县、肃北县、阿克塞县和酒泉市的K 值分别取0.07、0.01、0.99、0.01、0.15、0.06、0.01。根据回归结果，考虑各县区整体情况，选取回归系数大于0.05 的指标作为主导驱动因素。

从表5 可以看出，酒泉市及各县区的耕地集约利用度影响因素差别较大，且相同因素对不同区域的耕地集约利用水平起不同作用：

表5 酒泉市各县（市、区）耕地集约利用驱动因素岭回归结果

（1）酒泉市的主要驱动因素为耕地面积比例和地均GDP。2 个指标的回归系数均为正，对耕地集约水平起促进作用，符合酒泉市耕地面积变化和地均GDP 变化趋势。

（2）瓜州县的主要驱动因素为耕地质量、地均GDP和农业机械化水平。3 个指标的回归系数均为正，对耕地集约利用水平起促进作用，符合瓜州县耕地质量、地均GDP 和农业机械化水平变化情况。

（3）肃州区的主要驱动因素为人均耕地面积和耕地质量。人均耕地面积的回归系数为负，对耕地集约利用水平起抑制作用；耕地质量的回归系数为正，对耕地集约利用水平起促进作用。符合肃州区人均耕地面积和耕地质量变化情况。

（4）玉门市的主要驱动因素为耕地面积比例、农民人均纯收入和地均GDP。耕地面积比例的回归系数为负，对耕地集约利用水平起抑制作用；农民人均纯收入与地均GDP 的回归系数为正，对耕地集约利用水平起促进作用。符合玉门市耕地面积比例、农民人均纯收入和地均GDP 的变化情况。

（5）敦煌市的主要驱动因素为耕地面积比例和地均GDP。耕地面积比例的回归系数为负，对耕地集约利用水平起抑制作用；地均GDP 的回归系数为正，对耕地集约利用水平起促进作用。符合敦煌市耕地面积比例和地均GDP 的变化情况。

（6）金塔县的主要驱动因素为耕地面积比例、农民人均纯收入和地均GDP。耕地面积比例的回归系数为负，对耕地集约利用水平起抑制作用；农民人均纯收入和地均GDP 的回归系数均为正，对耕地集约利用水平起促进作用。符合金塔县耕地面积比例、农民人均纯收入和地均GDP 变化情况。

（7）肃北县的主要驱动因素为农业产值、农业产业政策和灌溉指数。农业产业政策的回归系数为负，对耕地集约利用水平起抑制作用；农业产值与灌溉指数的回归系数均为正，对耕地集约利用水平起促进作用。符合肃北县农业产值、农业产业政策和灌溉指数变化情况。

（8）阿克塞县的主要驱动因素为耕地质量、地均GDP 和灌溉指数。耕地质量的回归系数为负，对耕地集约利用水平起抑制作用；地均GDP 与灌溉指数的回归系数均为正，对耕地集约利用水平起促进作用。符合阿克塞县耕地质量、地均GDP 和灌溉指数变化情况。

4 讨论与结论

（1）相比一般多元线性回归模型，岭回归模型对数据的共线性具有超强的容忍能力[17]，对酒泉市及各县区耕地集约利用度的驱动因素分析较为合理，结果较为符合实际情况，是分析耕地集约利用度驱动因素的较好方法。

（2）酒泉市耕地集约利用度整体上水平较低且差异较大，呈南北高、中部低的空间分布特征。即肃州区、肃北县、金塔县、阿克塞县较高，玉门市、敦煌市、瓜州县较低。

（3）2000—2018 年各区县的变化情况差别较大，肃州区、玉门市、瓜州县与金塔县耕地集约利用度呈先减后增的变化过程，敦煌市、肃北县与阿克塞县耕地集约利用度呈波动式上升趋势。

（4）酒泉市及各县区的耕地集约利用度影响因素差别较大，且相同因素对不同地方的耕地集约利用水平起不同作用，各地应当根据当地实际情况，根据对耕地集约利用水平起抑制或促进作用的主要因素，因地制宜地制定相关政策和措施，以提高耕地集约利用水平，实现耕地资源的高效合理利用。