基于灰色组合模型的我国粮食生产影响因素差异分析

杨卫明，李炳军

（河南农业大学信息与管理科学学院，河南 郑州 450002）

民以食为先，粮食对于我国这样一个发展中的人口大国来说尤为重要。粮食生产是经济和自然再生产的复杂统一体，其生产过程受到的影响因素众多且存在错综复杂的关系。粮食主产区每年为全国提供约75%的粮食，为我国粮食生产提供了有力保障。基于粮食安全的重要性和针对性，深入分析新形势下我国粮食主产区粮食生产影响因素对我国粮食产量的稳定增长具有重要意义。对各地影响因素的差异进行分析能因地制宜地制定政策，更有针对性地提高当地粮食生产。近年来众多学者对粮食生产情况及影响因素进行了研究，已有研究主要集中在两个方面。一方面是对粮食生产区域层面的研究。如有研究深入分析了四川省［1］、湖北省［2］、河南省［3］、浙江省［4］和山东省［5］耕地、劳动力、气候变化、自然灾害等因素对粮食产量的影响程度；也有研究对我国［6］、河北省［7］、河南省［8］和辽宁省［9］粮食生产能力的影响因素耕地、劳动力、农业机械、有效灌溉率等进行了研究；聂英等［10］对东北地区改革开放以来粮食生产过程中粮食受灾面积、播种面积、化肥使用量等主要影响因素的作用及强度进行了研究。另一方面是对粮食产量影响因素的研究。范东君［11］、程名望等［12］运用数量模型对劳动力转移（流出）与粮食产量之间的关系进行了实证分析，分别得出两者之间呈现正相关、负相关的结论；房丽萍等［13］研究认为，化肥对粮食增产的弹性和贡献率略有下降，盲目施肥现象突出；史常亮等［14］对我国3种主要粮食作物生产中的化肥过量施用程度进行测算，并实证分析造成化肥施用过量的原因。

图1 我国粮食主产区粮食产量空间分布

图2 我国粮食主产区粮食播种面积空间分布

当前对粮食生产影响因素的研究已取得了众多有价值的成果，但仍存在一些局限性：一是现有大多数研究立足于单一变量与粮食产量的关系，未考虑其他变量的影响，因而难以保证结果的可靠性；二是研究多基于一省或者局部地区或全国的时间序列数据，少有对我国多省域影响因素进行对比分析，从而导致样本量较少，不能反映和比较各个地区影响因素的差异。另外由于粮食生产过程中受到区域人文政策的影响，导致粮食生产数据的灰色性难以获取，而灰色系统的方法具有能充分利用“小数据、贫信息”的特点，使计算结果更接近实际。因此本文以我国粮食主产省粮食生产为研究对象，以2009—2016各省粮食产量及影响因素为研究样本数据，运用经过GM（1，1）处理后的数据进行灰色关联分析，得出各粮食主产省的粮食生产影响因素差异性。

1 数据来源与研究方法

1.1 数据来源

本研究采用的数据为2009—2016年我国粮食主产区13个省份关于粮食生产及相关影响因素的数据。相关数据主要来源于历年《中国统计年鉴》、《中国农村统计年鉴》及《改革开放三十年农村资料汇编》，部分数据基于统计年鉴数据计算得出。

1.2 变量说明

通常影响粮食产量的因素可以分为单位面积产量、播种面积和成灾面积等变量，而单产受到包括劳动投入、化肥投入、灌溉面积以及机械投入等因素影响，同时根据经济学知识，参考已有的研究文献［15-17］以及考虑价格因素等，本研究尽量选择可测量查阅指标。系统因素为粮食主产区各省粮食总产量。考虑到当前缺乏单独针对粮食的要素总量统计数据，本研究采用多数文献所使用的权重系数法，将广义农业中用于粮食生产的要素投入剥离出来，所选取的11种影响因素指标如表1所示。

1.3 研究方法

1.3.1 GM（1，1）预测模型 GM（1，1）模型是灰色系统理论重要的分支，它基于有限的数据可以挖掘出新信息并通过模型来表达研究对象的变化趋势和基本规律。由于其适合于很多不确定、贫信息的数据建模，在很多方面得到了广泛应用［15，18-20］。GM（1，1）模型的建模机理如下：

设系统行为特征序列的观测值为

X(1)为X(0)的1-AGO序列，

Z(1)为X(1)的紧邻均值生成序列，

表1 粮食生产影响因素指标

其中，

GM（1，1）模型的基本形式为：

式中，a为发展系数，b为灰色作用量。

式中，

时间响应序列为：

还原值为：

1.3.2 灰色关联分析模型 灰色关联分析是对一个系统发展变化态势进行定量描述和比较的方法，其基本思想是通过确定参考数列和若干个比较数列的几何形状相似程度来判断其联系是否密切，反映了曲线间的关联程度。灰色关联分析方法步骤如下［15，18-20］：

（1）确定分析序列。设系统行为特征序列为：

影响因素序列为：

（2）无量纲化处理原始数据。初始化后的行为特征为：

初始化后的影响因素序列为：

（3）计算序列差。序列差计算公式为：

由时间响应序列所求得的绝对差矩阵中的最大数和最小数分别为最大值和最小值，分别记为：

（4）求灰色关联系数。灰色关联系数计算公式：

（5）求灰色关联度。灰色关联度计算公式为：

式中，γ0i是比较序列xi对参考序列x0的关联度，揭示它们的关联程度，γ0i越大，它们的关联程度越大，反之亦然。

1.3.3 灰色组合模型 为克服模型预测过成功随机波动因素的干扰，本研究克服传统单一模型的缺陷，首先运用灰色GM（1，1）模型对各指标原始数据进行模拟消除扰动因素影响，然后用所得的模拟数据计算灰色关联度。该方法消除了数据的随机波动和误差，可使灰色关联的结果更加合理。

2 粮食主产省粮食生产影响因素的区域差异分析

2.1 我国粮食主产省粮食生产现状

我国粮食主产区包括东北（黑、吉、辽）三省，黄淮海（冀、鲁、豫）三省，长江中下游（赣、苏、皖、湘、鄂）五省及内蒙古、四川共13个省。对我国粮食主产区2012—2016年粮食产量及粮食播种面积均值进行绘图，粮食主产区近5年来粮食产量和粮食播种面积的空间分布如图1（封三）和图2（封三）所示。

由图1、2可知，我国粮食产量最多的前3个省分别为黑龙江、山东和河南；几大区域中，东北三省的黑龙江，黄淮海的山东、河南，长江中下游区域中的江苏，粮食产量最多。在粮食作物播种面积中，排在前3位的仍是黑龙江、河南和山东；从几大区域来看，在东北三省中，播种面积最大的是黑龙江，在黄淮海区域中，播种面积最大的是河南和山东，在长江中下游地区，安徽的播种面积最大。这与各地区的地形地貌有很大关系。

2.2 基于灰色组合模型的粮食主产省粮食生产影响因素的灰色关联分析

根据粮食生产影响因素指标的确定及组合的关联分析方法，计算得出粮食主产区各影响因素与粮食产量的灰色关联度（表2）及排序情况（表3）。

从表2、表3可以看出，主产区各省由于生产资料资源生产技术的不同，不同影响因素对产量的影响程度有所不同。但地理上相邻省份由于地理环境、资源的类似，其影响因素会有不同程度的相似。如黑吉辽三省的粮食生产影响因素中，处在前几名的均有农业机械总动力、粮食作物播种面积和粮食作物单产。东北三省地区的区域优势和土地资源优势表现明显，不仅土地肥沃，且地广人稀，加之土地平坦，耕作成本较低，更适合大规模的机械化生产，因而农业机械总动力在其粮食生产中占有重要地位。

表2 我国粮食主产省粮食生产影响因素灰色关联度

表3 我国粮食主产省粮食生产影响因素灰色关联度排序

在黄淮海地区及长江中下游地区，粮食生产影响因素中，粮食播种面积、粮食作物单产和农业农村劳动力均排在前三位。说明由于地理地势的原因，两大地区均处于平原地区，粮食生产的重要影响因素具有相似性。粮食的土地投入、农业投入增加和粮食单产水平对黄淮海地区及长江中下游地区的粮食主产区的生产起到重要作用，此外，地区粮食总产量不断增加的原因还得益于农村农业劳动力的不断增加。

四川地区粮食生产的前三位影响因素为粮食作物单产、农业农村劳动力、粮食播种面积。由于四川省地貌类型以平原、 丘陵、 山地、高原为主，中部为四川盆地，很难利用大型机械化进行生产，因此农村农业劳动力对其粮食生产起到重要作用。

内蒙古粮食生产的前三位影响因素为农业机械总动力、受灾面积、农业生产总值。内蒙古全区面积 118.3 万km2，占全国总面积的12.3%，人均耕地面积居全国首位。农业机械总动力在其粮食生产中占有重要地位。

3 结论与建议

本研究结果表明，在粮食主产区各省生产所受的影响因素中，粮食产量普遍受粮食作物播种面积、单位面积产量、农业机械化水平、农业农村劳动力、农业总产值的影响最大。由于地理位置的原因，我国粮食主产区的东北地区和黄淮海地区粮食生产所受影响因素相似，其他地区则略有不同。各地政府应该根据当地的实际情况制定响应适合自己的措施来提高粮食产量。各邻近省域可以根据相互之间影响程度的相似性相互参考制定相应提高产量的措施，携手共同提高粮食产量［21］。

类似于东北三省的地域应该发挥其地理上土地连片、地势较为平坦、户均土地规模大且有些农作物种植趋同等优势，采取多种有力措施以提高粮食生产中的机械化水平。一方面，各级部门要切实落实国家的农机购买补贴制度，充分调动粮农购买农机的积极性；另一方面，应该积极地推动土地流转，加快粮食的规模化生产经营，为农业机械化的普及提供平台［22］。另外，可以适当对农机租赁市场进行开发，以解决小户农户生产经营和外出务工人员的机械化生产作业问题。还可以重点培育一些大规模的农机服务大户及农机合作户组织，以带动复式、大型农机的应用、推广。

此外，粮食主产区作为我国粮食主要生产基地，应该大力发展能够满足市场需求的高质、优质的农作物产品。积极发展出口产业，满足出口需求，提高经济作物的种植，结合东部地区各主产省的经济发展状况，提高农业的经济效益。西部主产区由于其地形的复杂性，生态的脆弱性，应该合理地调整农业种植结构，因地制宜，将畜牧业、水产业等与粮食产业有机地结合，发展生态经济，实现农业的可持续发展［23］。中东部粮食主产区由于其辽阔的耕种面积，良好的地形地貌，应该合理地巩固粮食生产，实现粮食产量的稳步提升，并发展粮食的产业化经营，对粮食产业进行积极的深加工，增加其粮食产品的附加值，提升农产品整体的竞争力。