基于空間Panel data分位數(shù)回歸的糧食產(chǎn)量分析

趙佩佩，袁永生，吳楠楠

(河海大學(xué) 理學(xué)院，江蘇 南京 211100)

?

基于空間Panel data分位數(shù)回歸的糧食產(chǎn)量分析

趙佩佩，袁永生，吳楠楠

(河海大學(xué) 理學(xué)院，江蘇 南京 211100)

在對空間面板數(shù)據(jù)和分位數(shù)回歸基本原理進(jìn)行全面分析說明的基礎(chǔ)上，選用全國31個省市2000～2012年的面板數(shù)據(jù)，對其進(jìn)行了平穩(wěn)性檢驗，考察了糧食生產(chǎn)的空間相關(guān)性，利用分位數(shù)回歸方法對影響我國糧食產(chǎn)量的各影響因素進(jìn)行了實證分析，根據(jù)估計結(jié)果定量分析了我國糧食產(chǎn)量的主要影響因素及其影響程度。研究結(jié)果表明：各省糧食生產(chǎn)存在空間相關(guān)性，而且糧食播種面積、農(nóng)用化肥使用量和農(nóng)業(yè)勞動力對糧食產(chǎn)量有重要影響，農(nóng)用機(jī)械動力和受災(zāi)面積對糧食產(chǎn)量影響在不同分位點(diǎn)處表現(xiàn)不一，受災(zāi)面積則是糧食產(chǎn)量的抑制因素。

面板數(shù)據(jù)；空間相關(guān)性；分位數(shù)回歸；糧食產(chǎn)量

0　引言

中國作為農(nóng)業(yè)大國，糧食生產(chǎn)問題受到社會各界的廣泛關(guān)注，進(jìn)入2000年以來，由于種種原因，我國糧食產(chǎn)量連續(xù)4年持續(xù)下滑，整體進(jìn)入一個徘徊、下降的變動周期，庫存連續(xù)下降，到2003年，糧食產(chǎn)量減少為4.31億t，糧食供不應(yīng)求，創(chuàng)1990年以來糧食產(chǎn)量的最低點(diǎn)，2004年以后，糧食產(chǎn)量才逐步回升。同時，由于各地區(qū)之間的各生產(chǎn)要素投入不同，糧食生產(chǎn)在不同省份之間也表現(xiàn)出不同程度的差異。因此，為促進(jìn)我國糧食產(chǎn)量穩(wěn)定增長，對糧食生產(chǎn)的空間相關(guān)性及影響因素這一歷史性課題進(jìn)行探究具有重要的現(xiàn)實意義和歷史意義。

近年來，糧食安全問題備受關(guān)注，國內(nèi)外學(xué)者對此展開了激烈的討論，Iddo Kan等(2006)對格魯吉亞農(nóng)業(yè)發(fā)展現(xiàn)狀進(jìn)行了研究，發(fā)現(xiàn)耕地面積和質(zhì)量能提高農(nóng)場產(chǎn)出[1]；伍山林等(2000)利用全國截面數(shù)據(jù)對中國糧食生產(chǎn)主要因素進(jìn)行了研究，認(rèn)為土地與農(nóng)業(yè)勞動力對糧食生產(chǎn)有重要影響[2]；胡冰川(2006)等運(yùn)用面板數(shù)據(jù)的固定效應(yīng)模型對江蘇省糧食生產(chǎn)的投入產(chǎn)出影響因素進(jìn)行了分析，發(fā)現(xiàn)耕地投入和農(nóng)資投入對糧食生產(chǎn)有積極作用[3]。馬文杰等(2008)用面板數(shù)據(jù)模型對全國糧食生產(chǎn)1999～2004的投入產(chǎn)出數(shù)據(jù)進(jìn)行了分析，認(rèn)為糧食播種面積是影響目前中國糧食生產(chǎn)的最主要因素，農(nóng)業(yè)機(jī)械總動力、勞動力和農(nóng)用化肥使用量對糧食產(chǎn)量仍舊具有正的效應(yīng)[4]；朱再清等對湖北省糧食產(chǎn)量采用OLS法建立回歸模型，并對不同時期的糧食生產(chǎn)投入與產(chǎn)出的彈性進(jìn)行了比較分析[5]，在引入空間面板數(shù)據(jù)后，胡亞全利用空間模型對氣候變化、農(nóng)業(yè)生產(chǎn)條件進(jìn)行了實證分析[6]。

綜觀現(xiàn)有研究發(fā)現(xiàn)，目前關(guān)于糧食產(chǎn)量影響因素的定量研究相對欠缺，所選用的數(shù)據(jù)多為橫截面數(shù)據(jù)或者時間序列數(shù)據(jù)，所用方法多依賴于普通OLS回歸，且多為均值模型，只描述了因變量條件均值的變化，沒有全面地描述因變量在不同分位數(shù)下條件分布的全貌，使得大量的信息被忽略了，而且很少考查變量在空間上的相關(guān)性。針對現(xiàn)有研究的不足，本文選用2000～2012年我國31個省區(qū)糧食產(chǎn)量的面板數(shù)據(jù)，利用空間面板數(shù)據(jù)和分位數(shù)回歸的方法研究我國各省區(qū)糧食生產(chǎn)的空間相關(guān)性及糧食產(chǎn)量的影響因素，考察不同分位點(diǎn)上各影響因素對糧食產(chǎn)量的影響，并與普通OLS回歸進(jìn)行對比，得到各分位點(diǎn)的回歸系數(shù)，更好地描述了各影響因素在不同分位點(diǎn)上與糧食產(chǎn)量的關(guān)系，更加細(xì)致地描述了對糧食產(chǎn)量的影響程度。

1　相關(guān)理論及研究方法

1.1空間面板數(shù)據(jù)

面板數(shù)據(jù)是由大量個體的時序觀測構(gòu)成的數(shù)據(jù)集，與單純的時序數(shù)據(jù)集和橫截面數(shù)據(jù)集相比，面板數(shù)據(jù)具有更多優(yōu)勢，它的自由度更高，能夠有效降低解釋變量之間的共線性程度和觀測個體之間的變異性，而且，面板數(shù)據(jù)還融合了個體之間的差異性和內(nèi)在動態(tài)變化，為變量間的不可觀測效應(yīng)研究提供了依據(jù)。由于地域差異和時間變化的存在，個體在空間維度上的相互作用越來越明顯，即面板數(shù)據(jù)具有空間相關(guān)性，這使得通過對截距項的差異設(shè)置來更多地強(qiáng)調(diào)空間個體的差異性的傳統(tǒng)面板數(shù)據(jù)模型不再適用，基于此，空間面板數(shù)據(jù)模型著重描述空間狀態(tài)下的相關(guān)性，彌補(bǔ)了傳統(tǒng)面板數(shù)據(jù)模型的不足[7]。

空間面板數(shù)據(jù)是在普通面板數(shù)據(jù)模型的基礎(chǔ)上考慮了空間相關(guān)性和空間異質(zhì)性，其模型結(jié)合了空間計量經(jīng)濟(jì)學(xué)方法和面板數(shù)據(jù)的優(yōu)點(diǎn)，能夠同時描述時間和空間上的變化規(guī)律，比單獨(dú)考慮時間變化的時間序列數(shù)據(jù)和僅考慮地域差異的截面數(shù)據(jù)具有更廣泛的適用性，已經(jīng)在經(jīng)濟(jì)學(xué)、地理學(xué)、農(nóng)學(xué)和管理學(xué)等領(lǐng)域得到了廣泛應(yīng)用。由于空間面板數(shù)據(jù)具有空間相關(guān)性,是非獨(dú)立的，因此在使用空間面板數(shù)據(jù)模型時加入空間權(quán)重矩陣，以此來反映空間相關(guān)性。另外，在使用空間面板數(shù)據(jù)模型研究問題時，還要對模型的個體效應(yīng)進(jìn)行判定：固定效應(yīng)與隨機(jī)效應(yīng)哪個更合適[8]。一般而言，用樣本數(shù)據(jù)推斷總體效應(yīng)時選用隨機(jī)效應(yīng)回歸模型，直接對樣本數(shù)據(jù)進(jìn)行分析時采用固定效應(yīng)模型。

1.2全局空間相關(guān)性理論

基于空間面板數(shù)據(jù)理論，為綜合分析我國糧食產(chǎn)量的空間效應(yīng)，首先要對個體變量進(jìn)行空間相關(guān)性分析。檢驗全局空間自相關(guān)的指標(biāo)和方法很多，本文選用的是Moran’s I指數(shù)。Moran’s I不易受偏離正態(tài)分布的影響，能夠更好地反映空間相鄰區(qū)域單元屬性值的相似程度，應(yīng)用較為廣泛。根據(jù)Morm的定義，Moran’s I指數(shù)表達(dá)式為[9]：

(1)

(2)

(3)

(4)

1.3分位數(shù)回歸

分位數(shù)回歸理論上是對以古典條件均值模型為基礎(chǔ)的最小二乘法的擴(kuò)展，是一種更一般化的估計方法，在傳統(tǒng)的回歸模型中，普通最小二乘法比較常用，它的基本思想是估計給定解釋變量的條件下被解釋變量的條件均值，闡述了解釋變量對被解釋變量的均值影響，而分位數(shù)回歸是根據(jù)被解釋變量的條件分位數(shù)對解釋變量進(jìn)行回歸，得到所有分位數(shù)下的回歸模型，它能更精確地描述解釋變量對被解釋變量的變化范圍以及條件分布形狀的非對稱影響，描述分布的尾部特征。

面板線性回歸模型如下：

Yit=αi+Xitβ+uit

(5)

Y的τ分位數(shù)為：

(6)

τ分位數(shù)回歸的目標(biāo)函數(shù)為：

(7)

(8)

為示性函數(shù)。求使得函數(shù)F(β;τ)極小的一階條件為：

(9)

分位數(shù)回歸的基本思想是：首先賦予其回歸線上方點(diǎn)的權(quán)重為τ，回歸線下方點(diǎn)的權(quán)重為1-τ，然后求誤差絕對值的加權(quán)和。關(guān)于τ取值的含義，根據(jù)解析幾何原理，它表示回歸線或回歸平面表面或以下的數(shù)據(jù)占全體數(shù)據(jù)的百分比，舉例說明，若τ=0.9，則1-τ=0.1，線性規(guī)劃得到的0.9的條件分位數(shù)表明數(shù)據(jù)的90%分布在模型所形成的回歸線或平面的表面或表面以下，10%分布在回歸線或表面以上，這說明分位數(shù)回歸是在因變量的條件分布的不同分位點(diǎn)上量化自變量的技術(shù)[12]。

表1　中國31個省(市)自治區(qū)相鄰信息

注:資料源自《中華人民共和國地圖》。由于海南省與其他省沒有共同陸地邊界，故以距離它最近的廣東省作為它的相鄰區(qū)域。

2　實證研究

2.1模型的設(shè)定

經(jīng)過對現(xiàn)有文獻(xiàn)的總結(jié)分析及客觀上經(jīng)驗數(shù)據(jù)的制約，模型設(shè)定以面板數(shù)據(jù)和空間作用論為理論基礎(chǔ)，選定糧食產(chǎn)量的影響因素為糧食播種面積、農(nóng)用化肥使用量、機(jī)械動力、農(nóng)業(yè)勞動力、有效灌溉面積和受災(zāi)面積。選用的數(shù)據(jù)為2000～2012年31個省區(qū)糧食生產(chǎn)的面板數(shù)據(jù)，數(shù)據(jù)來源于國家統(tǒng)計局《中國統(tǒng)計年鑒》和各省統(tǒng)計年鑒。

分析投入與產(chǎn)出關(guān)系常用的是柯布—道格拉斯生產(chǎn)函數(shù)(C—D函數(shù))，它對變量取對數(shù)不僅可以做到無量綱化，減少異方差，而且還有明確的經(jīng)濟(jì)意義。由于本文模型變量間是投入產(chǎn)出關(guān)系，故采用柯布—道格拉斯生產(chǎn)函數(shù)來確定模型形式。

設(shè)定面板數(shù)據(jù)模型為：

i=1,…,31,t=1,…,13

(10)

其中，Y為糧食總產(chǎn)量(萬t)，S為糧食播種面積(千hm2)，H為農(nóng)用化肥使用量(萬kg)，K為機(jī)械動力(萬kW·h)，L為農(nóng)業(yè)勞動力(萬人)，G為有效灌溉面積(千hm2)，Z為受災(zāi)面積(千hm2)。

2.2面板數(shù)據(jù)單位根檢驗及協(xié)整檢驗

為避免由于面板數(shù)據(jù)不平穩(wěn)性所造成的模型偽回歸，因此在進(jìn)行建模前，首先要對數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗，檢驗序列平穩(wěn)性常用的基本方法是單位根檢驗，它也是構(gòu)建模型的基礎(chǔ)性檢驗。由檢驗結(jié)果可知，原始序列的對數(shù)序列不全為平穩(wěn)序列，而一階差分序列均為平穩(wěn)序列(表2)，說明原始序列的對數(shù)序列均為I(1)，即一階單整，在滿足同階單整的條件下對糧食產(chǎn)量與其影響因素進(jìn)行協(xié)整檢驗(表3)，檢驗結(jié)果表明：糧食產(chǎn)量與各影響因素之間存在協(xié)整關(guān)系。

2.3模型形式檢驗

在對面板數(shù)據(jù)模型進(jìn)行回歸分析之前，一般要先確定模型形式，本文通過F檢驗區(qū)分混合回歸模型、變系數(shù)模型和變截距模型，以此來確定模型形式，再根據(jù)Hausman檢驗來確定模型是隨機(jī)效應(yīng)還是固定效應(yīng)。對本文所設(shè)面板數(shù)據(jù)模型形式的檢驗步驟如下：

首先進(jìn)行F檢驗，假設(shè)模型為變系數(shù)模型yit=αi+βixit+uit時，得殘差平方和為S1=2.319；假設(shè)模型為變截距模型yit=αi+βxit+uit時，得殘差平方和S2=5.013；假設(shè)模型為混合回歸模型yit=α+βxit+uit時，得殘差平方和為S3=9.616。本文所選樣本數(shù)據(jù)中N=31，T=13，K=6，由此計算得出統(tǒng)計量為：

模型設(shè)定對應(yīng)的原假設(shè)為H3:αi=αj,βi=βj，當(dāng)原假設(shè)成立時F3～F(210,186)，給定顯著性水平分別為0.05和0.1時，查表得臨界值F0.05(210,186)=1.27，F(xiàn)0.1(210,186)=1.20，F(xiàn)3>臨界值，故拒絕原假設(shè)H3；進(jìn)行假設(shè)H2的檢驗，原假設(shè)為H2:αi≠αj,βi=βj，當(dāng)原假設(shè)成立時，F(xiàn)2～F(180,186)，給定顯著性水平分別為0.05和0.1時，查表得F0.05(180,186)=1.28，F(xiàn)0.1(180,186)=1.21，F(xiàn)2<臨界值，所以接受原假設(shè)H2，認(rèn)為模型為變截距模型：yit=αi+βxit+uit。故本文根據(jù)檢驗結(jié)果選擇變截距模型。

再對所設(shè)面板數(shù)據(jù)模型進(jìn)行Hausman檢驗，檢驗結(jié)果顯示在5%顯著性水平下拒絕隨機(jī)效應(yīng)模型，應(yīng)建立固定效應(yīng)模型，檢驗結(jié)果符合直接對樣本數(shù)據(jù)進(jìn)行分析時采用固定效應(yīng)模型的一般用法，故本文模型為固定效應(yīng)模型。

表2　單位根檢驗結(jié)果

注:括號內(nèi)為檢驗的概率P值。下同。

表3　協(xié)整檢驗結(jié)果(P值)

2.4空間相關(guān)性檢驗

在研究空間數(shù)據(jù)時，若忽略空間相關(guān)性的存在，則會得出極不精確的結(jié)果。因此，在研究過程中，對空間相關(guān)性的檢驗尤為重要。先對糧食產(chǎn)量進(jìn)行探索性空間分析，據(jù)上述空間相關(guān)性計算方法，運(yùn)用Matlab軟件得到我國31個省(市)自治區(qū)在2000～2012年間糧食產(chǎn)量的Moran’sI指數(shù)值和Z值，結(jié)果見表4。

表4　中國糧食產(chǎn)量Moran’s I指數(shù)值

注:*表示在5%水平下顯著，**表示在1%水平下顯著。

從表4中統(tǒng)計值可以發(fā)現(xiàn)，我國省級糧食產(chǎn)量具有顯著的正的空間相關(guān)性，這說明我國各省區(qū)糧食產(chǎn)量的空間分布不是相互獨(dú)立變化的，某省區(qū)的糧食生產(chǎn)會影響到相鄰省區(qū)的糧食生產(chǎn)。這主要是由于相鄰省區(qū)之間的勞動、資本相互流通，農(nóng)業(yè)經(jīng)濟(jì)關(guān)聯(lián)性比較強(qiáng)，使得相鄰省區(qū)之間的糧食產(chǎn)量呈現(xiàn)空間相互影響，因此在研究省級糧食生產(chǎn)影響因素分析的模型中需要引入空間分析。

2.5分位數(shù)回歸

在檢驗空間相關(guān)性的基礎(chǔ)上，為了詳細(xì)說明各影響因素對糧食產(chǎn)量的影響，進(jìn)一步描述它們之間的關(guān)系，本文利用空間面板數(shù)據(jù)，采用變截距固定效應(yīng)模型，通過分位數(shù)回歸方法進(jìn)一步研究了在不同分位點(diǎn)條件下各影響因素對糧食產(chǎn)量的影響，檢驗結(jié)果見表5。

表5　分位數(shù)回歸結(jié)果

根據(jù)回歸分析結(jié)果，相比OLS回歸，面板分位數(shù)回歸對各因素的影響關(guān)系更加具體，結(jié)論如下：

2.5.1糧食播種面積對糧食產(chǎn)量有正面影響在OLS回歸和分位數(shù)回歸中可以發(fā)現(xiàn)：糧食播種面積所對應(yīng)的系數(shù)估計量β1幾乎均為正數(shù)，表明糧食播種面積對糧食產(chǎn)量的影響較大，有顯著的促進(jìn)作用，符合生產(chǎn)實際。但隨著經(jīng)濟(jì)的快速發(fā)展和工業(yè)化、城市化進(jìn)程的加快，我國耕地面積還在繼續(xù)減少，耕地資源的數(shù)量和質(zhì)量也在下降，如果強(qiáng)行大量增加生產(chǎn)發(fā)達(dá)省份的糧食播種面積，并不利于糧食產(chǎn)量的增加和經(jīng)濟(jì)的發(fā)展?；诖?，在高分位點(diǎn)0.9出現(xiàn)系數(shù)估計量負(fù)的情況，說明在農(nóng)業(yè)發(fā)達(dá)的省份再加大糧食播種面積反而降低農(nóng)業(yè)總產(chǎn)值。

2.5.2化肥使用量對糧食產(chǎn)量有正面影響在OLS回歸和分位數(shù)回歸中化肥使用量的系數(shù)估計量β2均為正，說明不論是農(nóng)業(yè)發(fā)達(dá)省份還是不發(fā)達(dá)省份，化肥使用量的增加都促進(jìn)了糧食產(chǎn)量的增加，但是化肥使用量的系數(shù)在低分位點(diǎn)高于高分位點(diǎn)，這說明化肥使用量對農(nóng)業(yè)不發(fā)達(dá)省份的影響大于農(nóng)業(yè)發(fā)達(dá)的省份，因此，農(nóng)業(yè)不發(fā)達(dá)省份需要大量使用化肥來增加糧食產(chǎn)量，而農(nóng)業(yè)相對發(fā)達(dá)省份，其化肥使用量已相對較為充足，再加大化肥投入所帶來的產(chǎn)糧食產(chǎn)量增長空間有限。

2.5.3機(jī)械動力對糧食產(chǎn)量有影響從表5中可以看出：機(jī)械動力的系數(shù)估計量β3在0.1分位點(diǎn)處為正，其余分位點(diǎn)均為負(fù)，農(nóng)用機(jī)械動力對糧食產(chǎn)量在較低分位點(diǎn)處能夠促進(jìn)糧食產(chǎn)量的增加，在中高分位點(diǎn)處呈下降趨勢，起反作用。表明對于農(nóng)業(yè)發(fā)展處于較低水平的省份，農(nóng)業(yè)機(jī)械化投入的增加會增加糧食產(chǎn)量，促進(jìn)農(nóng)業(yè)發(fā)展，系數(shù)估計量的下降趨勢說明并不是機(jī)械化程度越高越好，目前我國多數(shù)地區(qū)糧食生產(chǎn)仍處于小田作業(yè)，農(nóng)民通常以傳統(tǒng)生產(chǎn)技術(shù)為主，現(xiàn)代農(nóng)業(yè)科技在糧食生產(chǎn)中應(yīng)用較少，尤其是科技含量較高的農(nóng)用機(jī)械，因此當(dāng)農(nóng)業(yè)機(jī)械化程度到達(dá)一定水平后，再加大投入科技含量較高的農(nóng)用機(jī)械，只會造成機(jī)械過剩，增加成本，反而降低了農(nóng)業(yè)總產(chǎn)值。

2.5.4農(nóng)業(yè)勞動力對糧食產(chǎn)量有正面影響從表5的OLS回歸和分位數(shù)回歸中可以發(fā)現(xiàn)：農(nóng)業(yè)勞動力對糧食產(chǎn)量影響較大，但是農(nóng)業(yè)勞動力對糧食產(chǎn)量的影響在第一個分位點(diǎn)0.1為負(fù)，其余均為正，而且絕對值都較大，這表明勞動力投入對糧食生產(chǎn)有積極影響。從理論角度而言，農(nóng)業(yè)勞動力系數(shù)在正常情況下不可能為負(fù)，即使在勞動力極其過剩的狀況下，農(nóng)民理性種植經(jīng)驗決定了不可能出現(xiàn)在種植過程中由于投入人力較多而導(dǎo)致糧食產(chǎn)量下降的情況，而且在農(nóng)業(yè)較發(fā)達(dá)的省份，農(nóng)業(yè)發(fā)展前景好，引進(jìn)專業(yè)人才對農(nóng)業(yè)發(fā)展有極大的促進(jìn)作用，但是對農(nóng)業(yè)發(fā)展比較落后的省份，農(nóng)業(yè)勞動力投入的增加不會對農(nóng)業(yè)發(fā)展起積極作用，反而會因為生產(chǎn)條件差、糧食消耗多而導(dǎo)致糧食生產(chǎn)相對下降。

2.5.5有效灌溉面積對糧食產(chǎn)量有影響在OLS回歸中，有效灌溉面積系數(shù)估計量為正，說明有效灌溉面積的增加對糧食發(fā)展有積極作用，但在分位數(shù)回歸中，有效灌溉面積系數(shù)估計量兩頭負(fù)中間正，這說明了對于農(nóng)業(yè)中等發(fā)展的省份，有效灌溉面積的增加有利于糧食生產(chǎn)，但對于農(nóng)業(yè)較發(fā)達(dá)的省份和較不發(fā)達(dá)的省份，有效灌溉面積的增加對糧食生產(chǎn)起反作用，這也許不符合生產(chǎn)理論，但是可以解釋為對于農(nóng)業(yè)較發(fā)達(dá)的省份，有效灌溉面積已經(jīng)得到較充分的利用，對于較不發(fā)達(dá)的省份，有效灌溉面積有限，所以糧食生產(chǎn)可增幅的空間受限。

2.5.6受災(zāi)面積對糧食產(chǎn)量有負(fù)面影響受災(zāi)面積在OLS回歸中和各個分位點(diǎn)系數(shù)均為負(fù)，統(tǒng)計結(jié)果十分明顯，受災(zāi)面積的增加引發(fā)糧食產(chǎn)量的下降。

3　結(jié)論與建議

本文利用空間面板數(shù)據(jù)和分位數(shù)回歸模型對我國31個省份2000～2012年糧食生產(chǎn)的數(shù)據(jù)進(jìn)行建模分析，根據(jù)模型檢驗結(jié)果可知，本文所選數(shù)據(jù)為一階單整序列，糧食產(chǎn)量與各影響因素之間存在協(xié)整關(guān)系，采用變截距固定效應(yīng)模型，空間相關(guān)性檢驗結(jié)果表明我國各省區(qū)糧食生產(chǎn)存在空間正相關(guān)性，因此在研究省級糧食生產(chǎn)影響因素分析的模型中需要引入空間分析。相比普通OLS回歸模型，面板分位數(shù)回歸模型更精確地描述了各影響因素在不同分位水平對我國糧食產(chǎn)量的影響程度，分析結(jié)果表明糧食播種面積、農(nóng)用化肥使用量和農(nóng)業(yè)勞動力對糧食產(chǎn)量有重要影響，農(nóng)用機(jī)械動力和受災(zāi)面積對糧食產(chǎn)量影響在不同分位點(diǎn)處表現(xiàn)不一，受災(zāi)面積則是糧食產(chǎn)量的抑制因素。

根據(jù)本文實證研究結(jié)果，針對性的給出以下政策建議。

(1)政府應(yīng)該制定更加合理有效的農(nóng)業(yè)政策，加強(qiáng)對糧食生產(chǎn)的調(diào)控力度，合理引導(dǎo)和利用糧食生產(chǎn)的空間差異，建立空間分布合理的糧食生產(chǎn)體系，穩(wěn)健調(diào)整糧食產(chǎn)區(qū)，完善農(nóng)業(yè)生產(chǎn)體系。

(2)采取有效措施穩(wěn)定糧食播種面積，保證糧食生產(chǎn)安全，合理引導(dǎo)剩余勞動力，避免農(nóng)業(yè)勞動力的大量流失，確保農(nóng)業(yè)生產(chǎn)所需的勞動力。隨著工業(yè)化、城市化進(jìn)程的加快，如果農(nóng)村勞動力大量流失和耕地面積被強(qiáng)行占用，將對糧食生產(chǎn)產(chǎn)生較大的負(fù)面影響，因此，應(yīng)制定嚴(yán)格的耕地保護(hù)制度，穩(wěn)定糧食播種面積；完善農(nóng)業(yè)補(bǔ)貼政策，合理引導(dǎo)農(nóng)業(yè)勞動力。

(3)合理施用化肥，根據(jù)糧食生產(chǎn)狀況，適度、適量、適時的科學(xué)施肥，提高糧食單位產(chǎn)量，保證糧食生產(chǎn)安全。過量濫用化肥會造成土壤板結(jié)，導(dǎo)致土壤有機(jī)結(jié)構(gòu)惡化，影響耕地質(zhì)量，造成農(nóng)業(yè)生態(tài)環(huán)境的破壞，嚴(yán)重影響我國環(huán)境友好型農(nóng)業(yè)的可持續(xù)發(fā)展。針對當(dāng)前現(xiàn)狀，我國應(yīng)推行廣施農(nóng)家肥、測土配方施肥、精準(zhǔn)施肥等可持續(xù)發(fā)展技術(shù)。

(4)根據(jù)農(nóng)業(yè)生產(chǎn)現(xiàn)狀，研發(fā)并投入符合當(dāng)前生產(chǎn)力水平的機(jī)械動力，培養(yǎng)從事農(nóng)業(yè)技術(shù)推廣的專業(yè)人才，大力發(fā)展農(nóng)機(jī)社會化服務(wù)，增加農(nóng)業(yè)機(jī)械的實用性和不同區(qū)域的適用性。同時改善農(nóng)田灌溉條件和技術(shù)，保證糧食增產(chǎn)的有效灌溉面積，并完善配套政策體系，讓科技進(jìn)步真實高效地服務(wù)和促進(jìn)我國糧食生產(chǎn)。

[1] Iddo K, Kimhi A, Lerman Z. Farm output, non-farm income and commercialization in rural Georgia [J]. Journal of Agricultural and Development Economics, 2006, 3(2): 276-286.

[2] 伍山林.中國糧食生產(chǎn)區(qū)域特征與成因研究[J].經(jīng)濟(jì)研究，2000(10)：38-45.

[3] 胡冰川，吳強(qiáng)，周曙東.糧食生產(chǎn)的投入產(chǎn)出影響因素分析：基于江蘇省糧食生產(chǎn)的 實證研究[J].長江流域資源與環(huán)境，2006(1)：71-75.

[4] 馬文杰，馮中朝.中國糧食生產(chǎn)影響因素分析——基于面板數(shù)據(jù)的實證研究[J].陜西農(nóng)業(yè)科學(xué)，2008，54(1)：163-166.

[5] 朱再清，陳昉源.湖北省糧食生產(chǎn)模型與投入要素效益比較分析[J].湖北農(nóng)業(yè)科學(xué)，2006，45(5)：531-533.

[6] 胡亞權(quán).空間面板數(shù)據(jù)模型及其應(yīng)用[D].武漢：華中科技大學(xué)，2012：82-90.

[7] Hsion C. Analysis of Panel Data(2nd ed)[M]. United Kingdom, Cambridge：Cambridge University Press, 2003.

[8] 謝識予，朱弘鑫.高級計量經(jīng)濟(jì)學(xué)[M].上海：復(fù)旦大學(xué)出版社，2005.

[9] 陸文聰，梅燕.中國糧食生產(chǎn)區(qū)域格局變化及其成因?qū)嵶C分析——基于空間計量經(jīng)濟(jì)學(xué)模型[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2007，24(3)：140-152.

[10] 馬榮華，蒲英霞，馬曉冬.GIS空間關(guān)聯(lián)模式發(fā)現(xiàn)[M].北京：科學(xué)出版社，2007.

[11] 李群峰.基于分位數(shù)回歸的面板數(shù)據(jù)模型估計方法[J].統(tǒng)計與決策，2011(17)：24-26.

[12] 吳建南，馬偉.估計極端行為模型：分位數(shù)回歸方法及其實現(xiàn)與應(yīng)用[J].數(shù)理統(tǒng)計與管理，2006，25(5)：536-543.

[13] 羅萬純，陳永福.中國糧食生產(chǎn)區(qū)域格局及影響因素研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2005 (6)：58-64.

[14] 梁子謙,李小軍.影響中國糧食生產(chǎn)的因子分析[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2006(11)：19-23.

[15] 劉賢趙，張安定，李嘉竹.地理學(xué)數(shù)學(xué)方法[M].北京：科學(xué)出版社，2009.

[16] 高鐵梅.計量經(jīng)濟(jì)分析方法與建模：EViews應(yīng)用實例(第二版)[M].北京：清華大學(xué)出版社，2006.

(責(zé)任編輯：管珊紅)

Analysis of Grain Yield Based on Spatial Panel Data and Quantile Regression Model

ZHAO Pei-pei, YUAN Yong-sheng, WU Nan-nan

(College of Science, Hohai University, Nanjing 211100, China)

Based on the spatial panel data and the fundamental principles of quantile regression analysis, the panel data were collected from 31 provinces (cities) in China during 2000～2012, and the spatial correlation of grain crop production was examined by stationarity test. The influencing factors of China’s grain yield were analyzed by quantile regression, and the main influencing factors and their impacts on China’s grain yield were quantitatively analyzed according to the estimated results. The results of the experiments showed that the spatial correlation of grain crop production existed in different provinces, and the sown area of grain crops, chemical fertilizer application rate, and agricultural labor force had important influences on grain yield. However, the effects of agricultural machinery power and damage area on grain yield were various in different quantiles. Comprehensively, the damage area was considered to be the inhibiting factor of grain yield in China.

Panel data; Spatial correlation; Quantile regression; Grain yield

2016-03-04

江蘇省水利科技創(chuàng)新基金項目(2011059)；河海大學(xué)自然科學(xué)基金資助項目(2009426311)。

趙佩佩(1988—)，女，江蘇徐州人，碩士研究生，研究方向：面板數(shù)據(jù)。

F326;O212

A

1001-8581(2016)08-0115-06