基于灰色关联度的甘肃省农业现代化发展对耕地产出率的影响分析

2022-10-17谢保鹏

国土与自然资源研究 2022年6期

赵平，谢保鹏

（甘肃农业大学管理学院，甘肃兰州 730070）

0 引言

耕地作为人类赖以生存的稀缺资源，也是农业生产最基本的生产资料之一，对于保障中国粮食安全和社会稳定具有重要战略地位[1-2]。研究耕地利用情况，很重要的一点是考虑耕地的产出效率，耕地产出效率是反映耕地利用过程中的各项投入要素是否达到最优配置的体现。由于近年来随着城镇化的推进，一方面，农村劳动力大量向城市转移，农村出现劳动力不足，大量的农村土地被闲置、荒废或得不到合理充分利用[3]，导致耕地的利用出现产出率不高的情况，另一方面，我国农业生产已经由解决温饱转向生产方式问题上，耕地的低效利用与过度集约均与可持续发展目标相悖[4]。而从农户角度来看，在我国农村地区，耕地仍然是农户重要的经济来源[5]，“党中央提出实施乡村振兴战略的根本目标旨在真正推动和充分实现农业农村现代化[6]。”为此通过农业现代化发展手段提高耕地产出效率是增加农业收入、实现乡村振兴的重要渠道。

目前，不少学者从不同角度对耕地利用效率开展了诸多研究。在研究方法上，主要有：Data Envelopment Analysis(DEA)模型[7-9]、Sbm-Dea Model(SBM-DEA)模型[10-11]、Slack Based Model(SBM）方向性距离函数[12]、灰色关联度分析模型[13-15]；研究尺度上，主要集中于省域[16-17]、市域、县域[18]等层面；研究内容上，包括耕地利用效率，耕地产出效率[19]；在影响因素的研究方面，常用的研究方法为Tobit模型[20]，灰色关联法[21]等方法。刘玉海[11]等人采用Tobit模型在对转型时期中国农业全要素耕地利用效率进行分析时，提出农业技术创新、外商投资比重、农产品进口额等要素显著影响耕地利用效率，但是该文章没有考虑复种指数这一重要标志。赵翠萍[16]采用Tobit模型在对河南省的耕地利用效率及其影响因素进行分析时，提出人均耕地经营面积正向影响着耕地利用效率。刘春腊[22]等采用灰色关联度分析方法在对湘西多民族山区耕地利用效率进行分析时，得出粮食单产、土地产出对耕地利用效率具有高度关联性。王良健[23]等采用随机前沿生产函数在对中国耕地利用效率及影响因素的区域差异进行分析时，提出信息化程度、农业贷款规模和免征农业税对研究区均有显著影响。现有研究中大部分针对的是耕地利用效率及其影响因素等方面，研究的自变量较为单一，不能很好地结合耕地面积这一重要属性的总体情况。

综上所述，现有的研究大多聚焦于耕地利用效率，但是对耕地产出率的研究并不多见，而耕地产出率是对耕地利用过程的最终评价，产出率在一定程度上反映耕地的粮食生产能力以及农业产值情况。农业现代化的发展促进了农村经济发展，对耕地产出效率的提高产生了积极作用，但具体是哪些方面的因素对耕地产出的影响因素最大还不得而知。为此本文结合农业现代化发展指标，参考辛岭[24]等以及现有的研究[13-14]，构建反映农业现代化发展的8项投入指标和1项产出指标，通过灰色关联度模型测算农业现代化发展的具体指标对耕地产出效率的贡献大小，为甘肃省农业现代化发展提供一定的参考。

1 研究区介绍

1.1 甘肃省基本情况

甘肃省处于中国西北，地处黄河上游，介于32°11′～42°57′N，92°13′～108°46′E之间。气候类型多样，从南向北包括了亚热带季风气候、温带季风气候、温带大陆性（干旱）气候和高原高寒气候等四大气候类型。年平均气温0～15℃，大部分地区气候干燥，干旱、半干旱区占总面积的75%。全省各地年降水量在36.6～734.9毫米，大致从东南向西北递减。据国家统计局数据显示，截至2019年底，甘肃耕地面积达到537.67万公顷，地区常住人口2647.43万人，其中农村人口达1 363.69万人，农业从业人员1 128.25万人。

1.2 农业现代化发展情况

据2010—2019年《甘肃发展年鉴》数据显示，甘肃省的总播种面积从2010年的399.518万公顷到2019年的383.157万公顷，呈现出总体先上升后下降的发展趋势。随着城镇化的发展，农村人口向城市大量转移，2010年的乡村人口为1 635.32万人，到2019年成为1 363.69万人，从2010年到2019年呈现逐年下降的趋势，在一定程度上乡村人口的减少影响着粮食的播种面积。

从2010年到2019年甘肃省的农业机械总动力总体呈现上升的趋势；农用化肥施用折纯量呈先增加后降低的趋势；农村用电量从2010年的42.85亿千瓦时到2019年的61.69亿千瓦时，总体呈现上升趋势；另外耕地有效灌溉面积也逐年增加。图1可以看出，2010年到2019年甘肃省单位耕地面积农业机械总动力增长较为缓慢，前期有所上升，2015年到2016年出现下滑，而2016年开始，单位耕地面积农机总动力出现上升趋势，这与甘肃省耕地地块碎片化，地形山地多、平原少有一定关联。甘肃省农业产值逐年增加（图2），单位耕地农业产值增长迅速。

图1 2010—2019年甘肃省农业机械总动力和单位耕地面积农机总动力

图2 2010—2019年甘肃省农业总产值和单位耕地农业产值

2 研究方法与数据来源

2.1 研究方法

2.1.1 指标体系，见表1所示。

表1 模型变量

2.1.2 灰色关联度模型。邓聚龙教授基于小样本数据提出的灰色关联分析方法，不需要数据满足典型的分布规律，通过求出被评价对象的指标序列与参考序列之间的灰色关联度，对时间序列动态指标数据关系展开进一步的量化比较分析方法，且计算量较小，此方法简单、可靠[25]。本文采用灰色关联度进行分析。灰色关联度的具体步骤如下：

（1）收集分析数据，设置比较数列和参考数列。

设置比较数列：

设置参考数据列：

（2）对数据进行无量纲化处理。由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，因此在进行灰色关联度分析时，首先对数据进行无量纲化处理，本文采用均值化处理方式，如下所示：

无量纲化后的数据序列形成如下矩阵：

（3）计算绝对差值。计算每个参考序列与比较序列对应值的绝对差值：

k=1,…,m;i=1,…,n，n表示被评价对象的个数。

（4）确定。

（5）计算关联系数。分别计算每个比较序列与参考序列对应元素的关联系数：

式中，ζ[X0(K),Xi(K)]为Xi(K)对于X0(K)的关联系数；ρ为分辨系数，0＜ρ＜1，本文取ρ=0.5，目的是针对关联系数之间的差异显著性，引入系数来进行提高。

（6）计算关联序。对各评价对象（比较序列）分别计算其各指标与参考序列对应元素的关联系数的均值，以反映各评价对象与参考序列的关联关系。

式中，R[X0(K),Xi(K)]表示Xi(K)对于X0(K)的灰色关联度。

2.1.3 数据来源。本文选择单位耕地面积机械总动力、单位耕地面积施肥量、单位耕地面积用电量、农业从业人员率、有效灌溉率、复种指数、林地覆盖率和财政支农比重等八项要素作为投入指标，耕地产出率作为产出指标，主要数据来源于2010—2019年《甘肃统计年鉴》和《甘肃发展年鉴》，相关数据见表2。

表2 甘肃省耕地产出率影响指标相关数据

3 结果与分析

表3是本文通过灰色关联度分析模型得出甘肃省耕地产出率与各影响指标之间的灰色关联度结果表。从时间序列看，财政支农比重、林地覆盖率、单位耕地面积机械总动力与耕地产出率的关联度较为稳定；财政支农比重不断提高；农业从业人员率、有效灌溉率、复种指数、单位面积施肥量对耕地产出率的影响呈上下波动。

表3 灰色关联度结果表

通过灰色关联度分析得出农业现代化发展对于耕地产出率的影响大小顺序为：财政支农比重、农业从业人员率、单位耕地面积用电量、林地覆盖率、有效灌溉率、单位耕地面积施肥量、复种指数、单位耕地面积机械总动力，其关联度分别为：0.776＞0.756＞0.741＞0.719＞0.655＞0.555＞0.551＞0.517。

结果显示，财政支农对于耕地产出率的影响最大，历年来甘肃省农业补贴中对于农村水事务的财政补贴呈现逐年上升的趋势，为此不难解释，其对于耕地产出率的影响最大。排在第二位的是农业从业人员率，甘肃省是农业大省，其2019年农业人口从业人员达到1 128.25万人。农业从业人员对于农业现代化的发展具有非常重要的作用，任何产业的发展都离不开劳动力，甘肃省农业从业人员率对于耕地产出率的影响也较大。单位耕地面积用电量，结合当前分析，甘肃省单位耕地面积用电量与耕地产出率的关联度较大，说明甘肃省农村在用电量方面正逐步增加。林地覆盖率排名第四，甘肃省林地覆盖率对耕地产出率的影响效应较大，其原因主要在于，甘肃省所处的重要位置以及所起的生态屏障作用，为此不难解释上述现状。有效灌溉率的关联程度处于中等水平，有效灌溉的前提是有一定的水源、灌溉设施齐全，能正常灌溉的水田和旱田面积之和。甘肃省地处西北，全年干旱少雨，山地多，平原少，所以能有效灌溉的耕地面积较少，灌溉设施也较为落后，为此有效灌溉率对于耕地产出率的影响较低。单位面积施肥量对于耕地产出率的影响处于先增后降的趋势，一方面说明肥料对于甘肃耕地产出率的影响很大，后面出现降低的原因可能是肥料对于耕地的污染问题，为此大力推动有机肥势在必行。复种指数的影响较低，这跟甘肃省耕地的贫瘠程度有很大关系。单位面积机械总动力最低，与甘肃耕地地块小有很大关系。