黃淮海地區(qū)縣域糧食單產(chǎn)的空間溢出效應(yīng)及影響因素分析

劉 玉，唐秀美，潘瑜春，唐林楠

（1. 北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097； 2. 國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097；3. 農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100097； 4. 北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心，北京 100097）

黃淮海地區(qū)縣域糧食單產(chǎn)的空間溢出效應(yīng)及影響因素分析

劉 玉，唐秀美，潘瑜春※，唐林楠

（1. 北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097； 2. 國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097；3. 農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100097； 4. 北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心，北京 100097）

該研究運(yùn)用馬爾科夫鏈和空間馬爾科夫鏈方法探討了1980－2010年黃淮海地區(qū)347個(gè)縣域糧食單產(chǎn)的溢出效應(yīng)；并借助空間滯后模型揭示1995和2010年糧食單產(chǎn)分異的影響因素，以期為糧食生產(chǎn)布局優(yōu)化和糧食生產(chǎn)提升政策制定提供依據(jù)。結(jié)果表明：1）35 a間黃淮海地區(qū)縣域糧食單產(chǎn)轉(zhuǎn)移總體呈現(xiàn)漸進(jìn)、平滑的特征，大規(guī)?？缭降膸茁瘦^低。2）似然比統(tǒng)計(jì)量分析表明，在1980－1995年和1995－2010年2個(gè)時(shí)段，區(qū)域背景對(duì)縣域糧食單產(chǎn)類型轉(zhuǎn)移格局的影響顯著，且在1995－2010年更顯著。中低產(chǎn)或中高產(chǎn)類型縣域的糧食單產(chǎn)類型以平穩(wěn)轉(zhuǎn)移為主，而高產(chǎn)和低產(chǎn)類型縣域在區(qū)域背景的作用下逐漸向中產(chǎn)類型轉(zhuǎn)變。3）在空間格局演進(jìn)方面，平原地帶上移概率增加，而市轄區(qū)和沿海一帶下移趨勢(shì)明顯，江蘇、河南和山東3省的縣域糧食單產(chǎn)類型趨于穩(wěn)定。4）空間滯后模型計(jì)算結(jié)果表明，1995年，上一期糧食單產(chǎn)、農(nóng)民人均純收入、有效灌溉面積比率、產(chǎn)業(yè)結(jié)構(gòu)對(duì)糧食單產(chǎn)的正向促進(jìn)作用顯著，分別通過1%的顯著性水平檢驗(yàn)；2010年，上一期糧食單產(chǎn)、農(nóng)民人均純收入和種植結(jié)構(gòu)分別通過1%、1%、5%水平的顯著性檢驗(yàn)，而且上一期糧食單產(chǎn)和農(nóng)民人均純收均對(duì)糧食單產(chǎn)的正面推動(dòng)作用顯著。

糧食；模型；優(yōu)化；單產(chǎn)；空間溢出效應(yīng)；空間馬爾科夫鏈；空間滯后模型；黃淮海地區(qū)

0 引言

糧食持續(xù)穩(wěn)定增產(chǎn)是確保國(guó)家糧食安全、維持社會(huì)穩(wěn)定的基礎(chǔ)[1]。近年來，中國(guó)糧食產(chǎn)量實(shí)現(xiàn)了連續(xù)增長(zhǎng)，但其增長(zhǎng)慢于糧食消費(fèi)的增長(zhǎng)[2]，并且糧食生產(chǎn)資源偏緊、生態(tài)環(huán)境惡化等問題凸顯[3]。在耕地面積減少的背景下，如何在糧食作物播種面積基本穩(wěn)定的基礎(chǔ)上，切實(shí)提高糧食單產(chǎn)成為未來糧食增產(chǎn)的主要途徑[4-5]。糧食單產(chǎn)存在顯著的空間自相關(guān)性，即特定區(qū)域的糧食單產(chǎn)水平不僅取決于區(qū)域本身，也與周邊地區(qū)的糧食單產(chǎn)水平密切相關(guān)[1,6]，而這進(jìn)一步體現(xiàn)在糧食生產(chǎn)演化的區(qū)域差異上[7]。經(jīng)濟(jì)學(xué)理論將促進(jìn)區(qū)域自身發(fā)展內(nèi)在因素以外的經(jīng)濟(jì)外部性現(xiàn)象稱為溢出，其對(duì)區(qū)域要素共同增長(zhǎng)的促進(jìn)作用明顯[8-9]。在當(dāng)今謀求區(qū)域協(xié)同發(fā)展的戰(zhàn)略背景下，糧食單產(chǎn)集聚的空間外部性研究日益引起重視。

中國(guó)糧食生產(chǎn)格局變化歷來是學(xué)術(shù)界關(guān)注的熱點(diǎn)問題，并圍繞糧食單產(chǎn)的時(shí)空格局、波動(dòng)特性、空間關(guān)聯(lián)、演化機(jī)制等展開一系列研究[10-13]。梳理文獻(xiàn)可知，現(xiàn)有研究往往基于國(guó)家、區(qū)域、省域等尺度，重在揭示宏觀層面的糧食單產(chǎn)格局演化特征；同時(shí)，開始關(guān)注區(qū)域間地理要素的空間異質(zhì)性，綜合運(yùn)用空間探索性分析技術(shù)、灰色關(guān)聯(lián)度等模型揭示糧食單產(chǎn)的空間關(guān)聯(lián)特征[14-15]。但總體上看，糧食單產(chǎn)空間溢出效應(yīng)尤其是區(qū)域背景對(duì)糧食單產(chǎn)溢出效應(yīng)的測(cè)度研究不足，難以為區(qū)域糧食生產(chǎn)政策制定提供有效支撐。然而，經(jīng)濟(jì)增長(zhǎng)、區(qū)域發(fā)展等空間溢出效應(yīng)的研究思路與方法相對(duì)成熟，其中基于空間馬爾科夫鏈的研究成為當(dāng)前的主流思路[16-17]，為糧食單產(chǎn)的空間溢出效應(yīng)研究提供方法借鑒。

黃淮海地區(qū)包含天津市和山東省的全部，河北和河南2省的大部分縣域，北京市部分縣域，以及江蘇、安徽2省的淮北地區(qū)，共轄53個(gè)地市、347個(gè)縣域（市、區(qū)），在保障全國(guó)糧食穩(wěn)定供應(yīng)方面具有重要作用[18-20]?；诖?，本研究運(yùn)用馬爾科夫鏈分析方法揭示1980－2010年黃淮海地區(qū)縣域糧食單產(chǎn)（單位糧食作物播種面積上的糧食產(chǎn)出量）的空間溢出效應(yīng)，并借助空間滯后模型探討糧食單產(chǎn)分異的影響因素，以期為針對(duì)性的制定糧食單產(chǎn)提升措施提供參考。

1 研究方法及數(shù)據(jù)來源

1.1 數(shù)據(jù)來源及研究思路

自“八五”計(jì)劃實(shí)施以來，國(guó)家及地方出臺(tái)的一系列農(nóng)業(yè)結(jié)構(gòu)調(diào)整政策對(duì)黃淮海地區(qū)的農(nóng)業(yè)生產(chǎn)具有較大影響，且這一影響在1995年前后尤其顯著?；诖耍狙芯恳?995年為分界點(diǎn)，從1980－1995年和1995－2010 年2個(gè)階段分析黃淮海地區(qū)縣域糧食單產(chǎn)的空間溢出效應(yīng)。1980－2010年糧食單產(chǎn)及影響因素指標(biāo)數(shù)據(jù)主要來自相應(yīng)年份的各?。ㄊ校┙y(tǒng)計(jì)年鑒、農(nóng)村統(tǒng)計(jì)年鑒、中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒、中國(guó)城市統(tǒng)計(jì)年鑒以及中國(guó)縣（市）社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)年鑒。按照黃淮海地區(qū)歷年糧食單產(chǎn)平均值的75%、100%、125%的標(biāo)準(zhǔn)，將縣域糧食單產(chǎn)劃分為低產(chǎn)（糧食單產(chǎn)低于區(qū)域均值的75%）、中低產(chǎn)（糧食單產(chǎn)介于區(qū)域均值的75%～100%之間）、中高產(chǎn)（糧食單產(chǎn)介于區(qū)域均值的100%～125%之間）和高產(chǎn)（糧食單產(chǎn)在區(qū)域均值的125%以上）4種類型。

相關(guān)研究表明，糧食單產(chǎn)空間格局通常在3～5 a間才發(fā)生較大變動(dòng)[21-22]。綜合考慮分析的科學(xué)性以及數(shù)據(jù)可獲取性，本研究以5 a為間隔，計(jì)算各階段縣域糧食單產(chǎn)類型的馬爾科夫轉(zhuǎn)移概率矩陣和空間馬爾科夫轉(zhuǎn)移概率矩陣，將其可視化后分析縣域糧食單產(chǎn)類型的轉(zhuǎn)移概率及演進(jìn)趨向，揭示縣域糧食單產(chǎn)的空間溢出效應(yīng)；對(duì)比傳統(tǒng)馬爾科夫轉(zhuǎn)移矩陣和考慮區(qū)域背景下的轉(zhuǎn)移矩陣（即空間馬爾科夫矩陣），采用似然比統(tǒng)計(jì)量檢驗(yàn)方法分析糧食單產(chǎn)類型轉(zhuǎn)移平穩(wěn)性以及區(qū)域背景對(duì)中心縣域溢出效應(yīng)的影響是否符合統(tǒng)計(jì)性檢驗(yàn)，揭示縣域糧食單產(chǎn)類型變化與區(qū)域背景的內(nèi)在聯(lián)系；以1995和2010年為研究時(shí)點(diǎn)，采用空間滯后模型分析區(qū)域糧食單產(chǎn)空間分異的影響因素，揭示區(qū)域糧食單產(chǎn)變化與各因素之間的關(guān)系。

1.2 馬爾科夫鏈方法和空間馬爾科夫鏈方法

1.2.1 馬爾科夫鏈方法

馬爾科夫鏈?zhǔn)且环N時(shí)間和狀態(tài)均離散的馬爾科夫過程，其狀態(tài)轉(zhuǎn)移過程具有無后效性，即若某隨機(jī)過程在時(shí)刻t0所處狀態(tài)為已知，則其在時(shí)刻t（t>t0）所處狀態(tài)的條件分布和過程與時(shí)刻t0之前的狀態(tài)無關(guān)[16]。通常，該隨機(jī)過程的馬爾科夫鏈具有如下性質(zhì)：1）一定區(qū)域內(nèi)，類型之間可以相互轉(zhuǎn)化；2）類型轉(zhuǎn)化過程包含著較多尚難用函數(shù)關(guān)系準(zhǔn)確描述的事件，這恰好與糧食單產(chǎn)類型的動(dòng)態(tài)演化過程相符。因此，采用馬爾科夫鏈方法揭示縣域糧食單產(chǎn)類型的變化足跡：將縣域糧食單產(chǎn)劃分為k種類型；用一個(gè)狀態(tài)向量存儲(chǔ)t時(shí)刻1×k種類型的糧食單產(chǎn)類型轉(zhuǎn)移概率；結(jié)合不同時(shí)刻糧食單產(chǎn)類型轉(zhuǎn)移過程建立一個(gè)k×k的概率矩陣M（式（1））。

式中mij(d)表示在某時(shí)刻類型為i而經(jīng)過時(shí)間d后轉(zhuǎn)移為類型j的概率。矩陣nij(d)表示在某時(shí)刻屬于類型i而經(jīng)過時(shí)間d后轉(zhuǎn)移為類型j的縣域個(gè)數(shù)之和；ni則表示整個(gè)研究期所有年份中屬于類型i的縣域個(gè)數(shù)之和。如果某時(shí)刻縣域糧食單產(chǎn)類型為i，在經(jīng)歷時(shí)間d后仍保持類型i，則表示區(qū)域糧食單產(chǎn)類型轉(zhuǎn)移平穩(wěn)；若糧食單產(chǎn)類型等級(jí)提高，表示縣域向上轉(zhuǎn)移，否則表示向下轉(zhuǎn)移[23]。

1.2.2 空間馬爾科夫鏈方法

在傳統(tǒng)馬爾科夫鏈方法的基礎(chǔ)上，引入空間滯后或者空間自相關(guān)變量構(gòu)建空間馬爾科夫鏈方法。該方法通過計(jì)算區(qū)域糧食單產(chǎn)類型Y和空間權(quán)重矩陣W的乘積（WY）來確定某一縣域相鄰的糧食單產(chǎn)狀態(tài)，為定量分析區(qū)域環(huán)境對(duì)糧食單產(chǎn)的空間效應(yīng)提供依據(jù)[24]。本研究中，基于空間鄰接關(guān)系建立空間權(quán)重矩陣W，空間馬爾科夫概率轉(zhuǎn)移矩陣即是以初始年份縣域糧食單產(chǎn)的空間滯后類型為條件，將傳統(tǒng)的k×k馬爾科夫矩陣分解為l(l為空間滯后類型)個(gè)k×k條件轉(zhuǎn)移概率矩陣。對(duì)于第l個(gè)條件矩陣而言，則表示以某年份縣域糧食單產(chǎn)的空間滯后類型l為條件，該年份屬于類型i間隔d年后轉(zhuǎn)移為類型j的概率。

空間馬爾科夫鏈概率轉(zhuǎn)移矩陣可用于分析不同區(qū)域背景（空間滯后類型）下，縣域糧食單產(chǎn)類型在不同類型間轉(zhuǎn)移的可能性。通過傳統(tǒng)馬爾可夫矩陣和空間馬爾可夫矩陣的對(duì)比分析，探討一個(gè)區(qū)域向上或向下轉(zhuǎn)移的概率與區(qū)域背景的關(guān)系。

1.2.3 似然比統(tǒng)計(jì)量檢驗(yàn)

作為非參數(shù)檢驗(yàn)方法的一種，似然比統(tǒng)計(jì)量可以檢驗(yàn)2個(gè)變量之間是否存在關(guān)聯(lián)，在計(jì)量經(jīng)濟(jì)模型檢驗(yàn)中具有極強(qiáng)的適用性[25]。結(jié)合相關(guān)文獻(xiàn)，構(gòu)建式（3）和（4）[17,26]。其中，式（3）中原假設(shè)認(rèn)為縣域糧食單產(chǎn)類型轉(zhuǎn)移具有平穩(wěn)性，即在1980－1995年和1995－2010年期間不存在顯著差異。備擇假設(shè)指縣域糧食單產(chǎn)類型轉(zhuǎn)移在2個(gè)時(shí)期存在顯著差異。式（4）中原假設(shè)區(qū)域背景下糧食單產(chǎn)類型變化在空間上相互獨(dú)立，區(qū)域轉(zhuǎn)移概率與空間滯后類型無關(guān)；備擇假設(shè)是縣域糧食單產(chǎn)類型轉(zhuǎn)移在空間上并不獨(dú)立，需要根據(jù)空間滯后類型進(jìn)行轉(zhuǎn)移概率估計(jì)。

1.3 空間滯后模型

當(dāng)統(tǒng)計(jì)指標(biāo)存在空間自相關(guān)或者空間溢出效應(yīng)時(shí)，經(jīng)典回歸模型（ordinary least squares，OLS）不再適用，通常采用空間計(jì)量回歸方法來捕捉因變量和自變量之間的顯著性關(guān)系。其中，空間滯后模型（spatial lag model，SLM）較為常用。在矩陣1?ρW可逆時(shí)，空間滯后模型（SLM）的表達(dá)式為[27]式中y為被解釋變量；X為n×k的外生解釋變量矩陣；ρ為空間回歸系數(shù)；W為n×n階的空間權(quán)重矩陣，常采用鄰接矩陣；Wy為空間滯后被解釋變量；β為解釋變量的回歸系數(shù)向量，反映了解釋變量x對(duì)被解釋變量y的影響；ε為正態(tài)分布的相互獨(dú)立的隨機(jī)誤差向量。

2 結(jié)果與分析

2.1 基于馬爾科夫鏈方法的縣域糧食單產(chǎn)類型轉(zhuǎn)移特征

2.1.1 1980－2010年縣域糧食單產(chǎn)類型的時(shí)間特征

1）主對(duì)角線上中間的概率高于兩端和對(duì)角線兩側(cè)的概率（表1）。其中，主對(duì)角線上中低產(chǎn)和中高產(chǎn)類型的概率最小為0.613，表明研究期間中低產(chǎn)和中高產(chǎn)類型縣域保持不變的概率至少在60%以上，中低產(chǎn)和中高產(chǎn)類型縣域糧食增長(zhǎng)較為平穩(wěn)。與1980－1995年相比，1995－2010年間主對(duì)角線兩端的概率均降低，低產(chǎn)類型和高產(chǎn)類型縣域保持平穩(wěn)的概率分別為0.396、0.466，縣域糧食單產(chǎn)類型呈現(xiàn)向中低產(chǎn)、中高產(chǎn)類型轉(zhuǎn)移的趨勢(shì)，且中產(chǎn)類型的縣域個(gè)數(shù)約為低產(chǎn)、高產(chǎn)類型個(gè)數(shù)加和的3～4倍，縣域糧食單產(chǎn)類型逐漸向中產(chǎn)水平趨進(jìn)。

表1 縣域糧食單產(chǎn)類型的馬爾科夫轉(zhuǎn)移概率矩陣Table 1 Markov transition-probability matrix for types of grain yield per hectare at county level

2）相鄰糧食單產(chǎn)類型間的轉(zhuǎn)移概率大于差距大的類型間的轉(zhuǎn)移概率，縣域糧食單產(chǎn)類型表現(xiàn)出一種漸進(jìn)、平滑的轉(zhuǎn)移特征，跨越式轉(zhuǎn)移的幾率較小。其中，低產(chǎn)與中低產(chǎn)、中低產(chǎn)與中高產(chǎn)類型間的轉(zhuǎn)移可能性較大。中高產(chǎn)、高產(chǎn)類型向下轉(zhuǎn)移的最小概率在0.4以上，大于其向上轉(zhuǎn)移的概率，表明縣域間糧食單產(chǎn)差距呈現(xiàn)縮小趨勢(shì)。

基于式（3）進(jìn)行似然比統(tǒng)計(jì)量檢驗(yàn)，Ya=20.884，并剔除轉(zhuǎn)移概率為0的元素，自由度調(diào)整為6。在0.5%的統(tǒng)計(jì)檢驗(yàn)下，Ya>26χ=18.548。因此，拒絕原假設(shè)，表明黃淮海地區(qū)縣域糧食單產(chǎn)類型轉(zhuǎn)移在1980－1995年和1995－2010年2個(gè)時(shí)期存在顯著差異。

2.1.2 1980－2010年縣域糧食單產(chǎn)類型空間轉(zhuǎn)移格局

1980－1995年，黃淮海地區(qū)糧食單產(chǎn)類型上移和下移的縣域分布相對(duì)集中（圖1）。

圖1 縣域糧食單產(chǎn)類型轉(zhuǎn)移空間格局Fig.1 Transition pattern for type of grain yield per hectare at county level

108 個(gè)縣域的糧食單產(chǎn)類型向上轉(zhuǎn)移，約占縣域總數(shù)的31.1%，集中分布在太行山山前平原、魯西北平原以及淮河流域；96個(gè)縣域的糧食單產(chǎn)類型向下轉(zhuǎn)移，主要分布在市轄區(qū)和沿海一帶。與1980－1995年相比，1995－ 2010年間糧食單產(chǎn)類型發(fā)生轉(zhuǎn)移的縣域個(gè)數(shù)減少，其中上移單元減少13個(gè)，下移單元減少10個(gè)?？傮w上看，縣域糧食單產(chǎn)類型轉(zhuǎn)移的空間分布相對(duì)集中，其中上移縣域集中在滄州市、德州市和河南東南部；下移縣域集中在濰坊、萊蕪、泰安、棗莊和山東濱海地區(qū)，且分布更為集聚；江淮一帶的縣域糧食單產(chǎn)類型相對(duì)平穩(wěn)。2個(gè)階段同時(shí)保持上移的縣域有26個(gè)，集中分布在山東德州市，河北和河南有零星分布；同時(shí)保持下移的縣域有28個(gè)，主要分布在北京市、山東濱海地區(qū)、江蘇徐州市等。

2.2 基于空間馬爾科夫鏈方法的糧食單產(chǎn)溢出效應(yīng)

2.2.1 區(qū)域背景下縣域糧食單產(chǎn)類型的變化特征

1）基于中心縣域周邊的糧食單產(chǎn)的加權(quán)平均值劃分空間滯后類型，其劃分原則與糧食單產(chǎn)類型的劃分原則一致。結(jié)果表明，若以低產(chǎn)類型縣域?yàn)猷彛h域糧食單產(chǎn)類型向上轉(zhuǎn)移的概率減小而向下轉(zhuǎn)移的概率增加。相反，若以高產(chǎn)類型縣域?yàn)猷?，縣域糧食單產(chǎn)類型向上轉(zhuǎn)移的概率增加而向下轉(zhuǎn)移的概率減小。由表1和表2可知：1980－1995年間，中低產(chǎn)類型縣域向上轉(zhuǎn)移為中高產(chǎn)類型的概率為0.231，而在中高產(chǎn)和高產(chǎn)背景下上移概率分別增至0.400和0.333，而在低產(chǎn)背景下上移概率僅為0.083；中高產(chǎn)類型縣域下移為中低產(chǎn)類型的概率為0.247，但以高產(chǎn)類型縣域?yàn)猷彆r(shí)向下轉(zhuǎn)移的概率降至0.173，以低產(chǎn)類型縣域?yàn)猷彆r(shí)，向下轉(zhuǎn)移的概率增至0.571。這一趨勢(shì)在1995－2010年更明顯。

表2 縣域糧食單產(chǎn)類型的空間馬爾科夫矩陣（以空間滯后為條件）Table 2 Spatial Markov matrices for type of grain yield per hectare class conditioning on its spatial lag at county level

2）縣域向上或向下轉(zhuǎn)移的概率與該縣域周圍之間的差異程度不成比例。盡管鄰近縣域糧食單產(chǎn)水平對(duì)中心縣域糧食單產(chǎn)類型的轉(zhuǎn)移有顯著影響，但這種影響并不是同比例發(fā)展的。以低產(chǎn)縣域?yàn)槔?，在中低產(chǎn)、中高產(chǎn)區(qū)域背景下，其向上轉(zhuǎn)移的概率往往高于平均概率；而在低產(chǎn)背景下縣域上移概率減小甚至為0，高產(chǎn)背景下縣域下移概率亦減小甚至為0。這也印證了前文“糧食單產(chǎn)類型較難實(shí)現(xiàn)大規(guī)模跨越”的觀點(diǎn)。

總體來說，區(qū)域背景對(duì)縣域糧食單產(chǎn)類型的轉(zhuǎn)移具有重要作用。在不同區(qū)域背景下，縣域糧食單產(chǎn)類型的轉(zhuǎn)移概率各不相同。隨著相鄰縣域糧食單產(chǎn)水平的提升，中等類型縣域的糧食增長(zhǎng)具有相似性，表現(xiàn)為向上轉(zhuǎn)移的可能性增加；而高產(chǎn)和低產(chǎn)類型縣域在區(qū)域負(fù)面或者正面的影響下，開始向中產(chǎn)類型發(fā)展。可見，以較高水平縣域?yàn)猷彛行目h域能夠獲得更多提高糧食單產(chǎn)的機(jī)會(huì)，從而該地區(qū)向上轉(zhuǎn)移的可能性增大。相反，如果以低水平縣域?yàn)猷?，中心縣域提高糧食單產(chǎn)的機(jī)會(huì)減少。

結(jié)合式（4）分階段計(jì)算似然比統(tǒng)計(jì)量，自由度調(diào)整為30。1980－1995年，在1%的顯著性水平下，Yb=52.198>；1995－2010年，在0.5%的顯著性水平下，。因此，拒絕原假設(shè)，認(rèn)為2個(gè)階段黃淮海地區(qū)糧食單產(chǎn)轉(zhuǎn)移類型與相鄰縣域類型存在顯著性關(guān)聯(lián)。而且就顯著性水平而言，1995－2010年明顯高于1980－1995年，表明區(qū)域背景對(duì)縣域糧食單產(chǎn)類型的影響程度加深。

2.2.2 區(qū)域背景下縣域糧食單產(chǎn)類型的空間格局

1980－1995年間，縣域自身和周圍縣域糧食單產(chǎn)類型同時(shí)向上轉(zhuǎn)移的單元65個(gè)，集中分布在河北中南部、山東西北部；同時(shí)向下轉(zhuǎn)移的單元53個(gè)，主要分布在市轄區(qū)和沿?？h域；78個(gè)縣域的糧食單產(chǎn)類型維持不變，河南、河北和江蘇3省居多，如圖2所示。與1980－1995年相比，1995－2010年間縣域自身和周圍縣域同時(shí)向上轉(zhuǎn)移（或者向下轉(zhuǎn)移）的單元減少，其中同時(shí)向上轉(zhuǎn)移的縣域個(gè)數(shù)減少至33個(gè)，集中分布在河北滄州和山東德州；同時(shí)向下轉(zhuǎn)移的單元減少至38個(gè)，分布狀況與1980－1995年大致相同；保持平穩(wěn)的縣域增至109個(gè)，新增單元以山東省、江蘇省和河南省居多。2個(gè)時(shí)段內(nèi)自身糧食單產(chǎn)類型和周圍地區(qū)糧食單產(chǎn)類型同時(shí)上移或者下移的縣域單元的地理位置基本相同，耕地資源相對(duì)豐富的地區(qū)上移概率較大，而經(jīng)濟(jì)發(fā)展迅速的市轄區(qū)及沿海一帶縣域下移的概率較大，并且這種變化趨勢(shì)在1995－2010年間增強(qiáng)；江蘇、河南和山東3省多數(shù)縣域的糧食單產(chǎn)類型保持不變。總體來說，黃淮海地區(qū)糧食單產(chǎn)類型轉(zhuǎn)移在靠自身發(fā)展的同時(shí)，確實(shí)受到周圍地區(qū)和區(qū)域宏觀背景的影響，單產(chǎn)水平較高的區(qū)域背景對(duì)縣域糧食單產(chǎn)向上轉(zhuǎn)移具有促進(jìn)作用，而處于較低水平的區(qū)域背景帶動(dòng)糧食單產(chǎn)提升的能力較弱。

圖2 區(qū)域背景下縣域糧食單產(chǎn)轉(zhuǎn)移類型的空間分布Fig.2 Spatial distribution of transfer types for grain yield per hectare at county level

2.3 縣域糧食單產(chǎn)分異的影響因素分析

研究表明，黃淮海地區(qū)縣域糧食單產(chǎn)具有較強(qiáng)的空間自相關(guān)性，區(qū)域背景對(duì)縣域糧食單產(chǎn)類型轉(zhuǎn)移的影響顯著，因此采用考慮空間效應(yīng)的空間滯后模型揭示1995年和2010年糧食單產(chǎn)分異的影響因素。基于相關(guān)研究[28-31]，綜合考慮數(shù)據(jù)可獲取性和黃淮海地區(qū)發(fā)展實(shí)際，初步篩選有效灌溉面積比率（有效灌溉面積/耕地面積）、種植結(jié)構(gòu)（糧食作物播種面積/農(nóng)作物播種面積）、地均農(nóng)林牧漁勞動(dòng)力（農(nóng)林牧漁勞動(dòng)力/耕地面積）、地均化肥投入量（化肥投入量/農(nóng)作物播種面積）、地均農(nóng)機(jī)總動(dòng)力投入量（農(nóng)機(jī)總動(dòng)力投入量/農(nóng)作物播種面積）、農(nóng)民人均純收入、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)（第一產(chǎn)業(yè)增加值占GDP比例）、上一期糧食單產(chǎn)（對(duì)應(yīng)1995年和2010年，上一期糧食單產(chǎn)分別為1990年和2005年的糧食單產(chǎn)）等9個(gè)指標(biāo)作為自變量，以縣域糧食單產(chǎn)為因變量，分析1995和2010年縣域糧食單產(chǎn)空間分異的影響因素。建模前，采用逐步回歸分析法篩選指標(biāo)以消除指標(biāo)間的多重共線性，最終選取上一期糧食單產(chǎn)、農(nóng)民人均純收入、產(chǎn)業(yè)結(jié)構(gòu)、有效灌溉面積比率、種植結(jié)構(gòu)等5個(gè)指標(biāo)。

經(jīng)計(jì)算，空間滯后模型下1995年和2010年的AIC值分別為?677.51和?890.84，均低于經(jīng)典回歸模型的結(jié)果（分別為?639.98和?859.20），表明考慮空間效應(yīng)后模型的解釋能力提高。模型結(jié)果顯示，1995和2010年空間滯后變量的系數(shù)為0.209和0.175，均通過了1%的顯著性檢驗(yàn)，表明空間溢出效應(yīng)對(duì)縣域糧食單產(chǎn)產(chǎn)生了顯著影響，如表3所示。

表3 縣域糧食單產(chǎn)分異的空間滯后模型分析結(jié)果Table 3 Regression results of grain yield per hectare at county level by spatial lag model

由表3可知：1）1995和2010年，上一期糧食單產(chǎn)通過了1%概率水平的顯著性檢驗(yàn)，回歸系數(shù)均為正且遠(yuǎn)大于其他因素的回歸系數(shù)，表明糧食單產(chǎn)存在一定的路徑依賴，糧食單產(chǎn)原有基礎(chǔ)對(duì)縣域糧食生產(chǎn)的正向促進(jìn)作用顯著。2）1995和2010年，農(nóng)民人均純收入分別通過了1%概率水平的顯著性檢驗(yàn)，但是相關(guān)系數(shù)由正轉(zhuǎn)為負(fù)，表明農(nóng)民收入與糧食單產(chǎn)之間由顯著的同向推動(dòng)轉(zhuǎn)為逆向阻礙。在較長(zhǎng)的時(shí)間內(nèi)，農(nóng)業(yè)是農(nóng)戶生活需求的主要來源，收入較高的農(nóng)民有更多的資金購(gòu)買化肥、農(nóng)藥等生產(chǎn)資料，有助于提高糧食單產(chǎn)；隨著經(jīng)濟(jì)發(fā)展和市場(chǎng)經(jīng)濟(jì)意識(shí)的增強(qiáng)，農(nóng)戶投資的非農(nóng)化傾向加強(qiáng)，而且當(dāng)農(nóng)戶種植業(yè)投入達(dá)到一定極限時(shí)，投入要素邊際遞減規(guī)律的作用促使農(nóng)戶向更高層次的兼業(yè)化方向發(fā)展，農(nóng)民收入水平在較大程度上抑制糧食單產(chǎn)的提升[32-33]。3）產(chǎn)業(yè)結(jié)構(gòu)在1995年通過了顯著性檢驗(yàn)，且系數(shù)為正，表明第一產(chǎn)業(yè)發(fā)展對(duì)糧食單產(chǎn)起到正向作用，但這一指標(biāo)在2010年沒有通過顯著性檢驗(yàn)。1995年，黃淮海地區(qū)第一產(chǎn)業(yè)增加值比例較大，第一產(chǎn)業(yè)的發(fā)展對(duì)整個(gè)區(qū)域經(jīng)濟(jì)的促進(jìn)作用顯著。第一產(chǎn)業(yè)增加值比例越高，當(dāng)?shù)卣畬?duì)糧食生產(chǎn)的重視程度也較高，對(duì)糧食生產(chǎn)的投入、技術(shù)提升等訴求也比較強(qiáng)烈，糧食單產(chǎn)提升較快。隨著經(jīng)濟(jì)發(fā)展，第一產(chǎn)業(yè)增加值所占比例顯著下降，與糧食單產(chǎn)的相關(guān)性也不顯著。4）1995年，有效灌溉面積比率與糧食單產(chǎn)呈現(xiàn)顯著正向相關(guān)關(guān)系，表明增加有效灌溉面積有助于提升糧食單產(chǎn)；2010年，有效灌溉面積的回歸系數(shù)仍然為正，但未通過顯著性檢驗(yàn)，表明灌溉已非黃淮海地區(qū)糧食生產(chǎn)的主要瓶頸，單純依靠農(nóng)業(yè)灌溉難以有效提高糧食單產(chǎn)。黃淮海地區(qū)農(nóng)業(yè)水資源利用效率具有很大的提升空間，未來需要合理控制農(nóng)業(yè)水資源利用量，實(shí)行灌溉預(yù)報(bào)和動(dòng)態(tài)配水，做到適時(shí)、適量灌溉，并實(shí)時(shí)調(diào)整渠道流量和輪灌組合，有效提升水資源利用效率[34-35]。5）種植結(jié)構(gòu)對(duì)1995年糧食單產(chǎn)的影響不顯著，但2010年通過了5%水平下的顯著性檢驗(yàn)且系數(shù)為正值，表明糧食作物種植比例越高、糧食單產(chǎn)的提升越明顯。近年來，中國(guó)各級(jí)政府日益重視主產(chǎn)區(qū)的糧食生產(chǎn)，在農(nóng)田基礎(chǔ)設(shè)施投入等方面給予政策傾斜[36]，促進(jìn)糧食單產(chǎn)的顯著提升；而且，糧食作物播種面積比例越大，越有利于培育和推廣良種良方、實(shí)施測(cè)土配方施肥、統(tǒng)一科學(xué)的田間管理、推廣統(tǒng)一機(jī)播機(jī)收技術(shù)等，有助于糧食單產(chǎn)水平的提高。

3 討論

1）空間溢出效應(yīng)的表現(xiàn)形式有空間異質(zhì)性、空間依賴以及地理溢出。與以往的空間探索技術(shù)、關(guān)聯(lián)分析等方法不同，空間馬爾科夫鏈方法通過空間權(quán)重矩陣不僅解決了區(qū)域之間的空間關(guān)系測(cè)度問題，還借助于空間滯后這一概念界定了每一個(gè)區(qū)域所處的空間鄰域狀態(tài)，為定量分析區(qū)域背景對(duì)糧食單產(chǎn)的空間溢出效應(yīng)提供了的方法借鑒。

2）區(qū)域背景對(duì)縣域糧食生產(chǎn)格局變化產(chǎn)生顯著影響。低產(chǎn)類型縣域?qū)χ行目h域糧食單產(chǎn)類型轉(zhuǎn)移的影響多為負(fù)面，應(yīng)通過積極改善當(dāng)?shù)匕l(fā)展水平來避免負(fù)面溢出；對(duì)處于中低產(chǎn)和中高產(chǎn)類型的縣域而言，縣域之間的相互作用隨著時(shí)間推移有增強(qiáng)趨勢(shì)，糧食單產(chǎn)類型表現(xiàn)出相似的集聚特征；高產(chǎn)類型縣域?qū)χ行目h域糧食生產(chǎn)往往有正向引領(lǐng)作用，縣域之間可通過加強(qiáng)技術(shù)交流、農(nóng)業(yè)生產(chǎn)資料流通等增強(qiáng)正面溢出效應(yīng)，提高糧食單產(chǎn)。

3）本文借助空間馬爾科夫鏈刻畫區(qū)域背景對(duì)糧食單產(chǎn)類型演化的作用，為區(qū)域農(nóng)業(yè)經(jīng)濟(jì)要素空間溢出效應(yīng)分析提供了新方法依據(jù)，但也存在不足：一方面，在空間馬爾科夫鏈方法分析中，糧食單產(chǎn)類型數(shù)目發(fā)生變化，區(qū)域類型及其空間鄰域狀態(tài)也將隨之變化，對(duì)統(tǒng)計(jì)分析結(jié)果產(chǎn)生一定影響。受篇幅限制，本研究?jī)H分析了4種糧食單產(chǎn)類型下的空間溢出效應(yīng)，下一步將強(qiáng)化對(duì)比分析不同類型劃分下的區(qū)域差異。此外，在分析縣域糧食單產(chǎn)分異的影響因素時(shí)，政策作為重要的外生機(jī)制之一，對(duì)區(qū)域糧食單產(chǎn)的影響存在滯后性，如何量化政策在時(shí)序上的滯后性等，將是后續(xù)科學(xué)量化影響機(jī)制與糧食單產(chǎn)變化間關(guān)聯(lián)作用的重要方向。

4 結(jié)論

1）1980 －2010年間，黃淮海地區(qū)縣域糧食單產(chǎn)轉(zhuǎn)移總體呈現(xiàn)漸進(jìn)、平滑的特征，縣域糧食單產(chǎn)類型呈現(xiàn)“中間大、兩頭小”的分布態(tài)勢(shì)。

2）1980 －1995年的似然比統(tǒng)計(jì)量Yb=52.198，1995－2010年的似然比統(tǒng)計(jì)量Yb=55.147，分別通過1%和0.5%的顯著性水平檢驗(yàn)，表明區(qū)域背景對(duì)縣域糧食單產(chǎn)類型轉(zhuǎn)移的影響顯著，且在1995－2010年更為顯著。受自身和周邊縣域的影響，高產(chǎn)和低產(chǎn)類型縣域逐漸向中產(chǎn)類型轉(zhuǎn)變。以糧食單產(chǎn)水平較高的縣域?yàn)猷?，縣域糧食單產(chǎn)類型向上轉(zhuǎn)移的概率增加，向下轉(zhuǎn)移的概率減小，反之亦然。

3）江蘇、河南、山東的縣域糧食生產(chǎn)格局變化趨于平穩(wěn)，沿海地帶和市轄區(qū)縣域出現(xiàn)下移趨勢(shì)，自然資源相對(duì)豐富的平原地區(qū)則表現(xiàn)出明顯的上移趨勢(shì)。

4）空間滯后模型分析表明，空間溢出效應(yīng)對(duì)縣域糧食單產(chǎn)分異的影響顯著，不同時(shí)期，各影響因素的作用方向與程度存在較大差異：1995年，上一期糧食單產(chǎn)、農(nóng)民人均純收入、有效灌溉面積比率、產(chǎn)業(yè)結(jié)構(gòu)分別通過1%的顯著性水平檢驗(yàn)，對(duì)糧食單產(chǎn)的正向促進(jìn)作用顯著；2010年，上一期糧食單產(chǎn)、農(nóng)民人均純收入、種植結(jié)構(gòu)分別通過1%、1%、5%的顯著性水平檢驗(yàn)，除農(nóng)民人均純收入外其余指標(biāo)均對(duì)糧食單產(chǎn)提升具有促進(jìn)作用。

[1] 張金萍，秦耀辰. 縣域糧食單產(chǎn)及其生產(chǎn)投入因素的空間異質(zhì)性：以河南省為例[J]. 自然資源學(xué)報(bào)，2011，26(3)：373－381. Zhang Jinping, Qin Yaochen. Spatial heterogeneity of grain yield per hectare and factors of production inputs in counties: A case study of Henan province[J]. Journal of Natural Resources, 2011, 26(3): 373－381. (in Chinese with English abstract)

[2] 姚成勝，黃琳，呂晞. 河南省糧食消費(fèi)結(jié)構(gòu)變化及其對(duì)我國(guó)糧食安全的貢獻(xiàn)率分析[J]. 農(nóng)業(yè)現(xiàn)代化研究，2014，35(2)：163－167. Yao Chengsheng, Huang Lin, Lü Xi. Grain demand structure change in Henan and its contribution rate to China’s food security[J]. Research of Agricultural Moderanization, 2014, 35(2): 163－167. (in Chinese with English abstract)

[3] 黎東升，曾靖. 經(jīng)濟(jì)新常態(tài)下我國(guó)糧食安全面臨的挑戰(zhàn)[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2015(5)：42－47. Li Dongsheng, Zeng Jing. The challenges facing the food security of China under the new normal economic situation[J]. Issues in Agricultural Economy, 2015(5): 42－47. (in Chinese with English abstract)

[4] 柏林川，武蘭芳，宋小青. 1995－2010年山東省糧食單產(chǎn)變化空間分異及均衡增產(chǎn)潛力[J]. 地理科學(xué)進(jìn)展，2013，32(8)：1257－1265. Bo Linchuan, Wu Lanfang, Song Xiaoqing. Spatial difference of grain yield changes during 1995－2010 and balanced potential output to increase in Shandong Province[J]. Progress in Geography, 2013, 32(8): 1257－1265. (in Chinese with English abstract)

[5] 周志剛，鄭明亮. 基于對(duì)數(shù)均值迪氏指數(shù)法的中國(guó)糧食產(chǎn)量影響因素分解[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(2)：1－6. Zhou Zhigang, Zheng Mingliang. Influential factors decomposition for China’s grain yield based on logarithmic mean divisia index method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 1－6. (in Chinese with English abstract)

[6] 劉玉，郜允兵，高秉博，等. 1980－2012年河南省縣域糧食單產(chǎn)時(shí)空分異及增產(chǎn)潛力研究[J]. 北京大學(xué)學(xué)報(bào):自然科學(xué)版，2014，50(6)：1106－1114. Liu Yu, Gao Yunbing, Gao Bingbo, et al. Spatial-temporal difference of grain yield per hectare during 1980－2012 at county level and its balanced increasing potential in Henan province[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1106－1114. (in Chinese with English abstract)

[7] 程葉青. 東北地區(qū)糧食單產(chǎn)空間格局變化及其動(dòng)因分析[J].自然資源學(xué)報(bào)，2009，24(9)：1541－1549. Cheng Yeqing. Spatial pattern change and its driving factors of grain per unit area yield in Northeast China[J]. Journal of Natural Resources, 2009, 24(9): 1541－1549. (in Chinese with English abstract)

[8] Pan Wenqing. Regional correlation and spatial spillovers in China’s regional economic growth[J]. Social Sciences in China, 2013, 34(3): 125－139.

[9] Pines D. Economics of agglomeration: Cities, industrial location and regional growth[J]. Journal of Economic Geography, 2004, 4(3): 395－397.

[10] 周立青，程葉青. 黑龍江省糧食生產(chǎn)的時(shí)空格局及動(dòng)因分析[J]. 自然資源學(xué)報(bào)，2015，30(3)：491－501. Zhou Liqing, Cheng Yeqing. Spatio-temporal pattern and its driving factors of grain production in Heilongjiang Province[J]. Journal of Natural Resources, 2015, 30(3): 491－501. (in Chinese with English abstract)

[11] 蔣尚明，金菊良，許滸，等. 基于經(jīng)驗(yàn)?zāi)B(tài)分解和集對(duì)分析的糧食單產(chǎn)波動(dòng)影響分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(4)：213－221. Jiang Shangming, Jin Juliang, Xu Hu, et al. Fluctuations effect analysis of grain yield per hectare based on empirical mode decomposition and set pair analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(4): 213－221. (in Chinese with English abstract)

[12] 劉忠，黃峰，李保國(guó). 2003－2011年中國(guó)糧食增產(chǎn)的貢獻(xiàn)因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(23)：1－8. Liu Zhong, Huang Feng, Li Baoguo. Investigating contribution factors to China’s grain output increase in period of 2003 to 2011[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(23): 1－8. (in Chinese with English abstract)

[13] 劉忠，黃峰，李保國(guó). 基于經(jīng)驗(yàn)?zāi)B(tài)分解的中國(guó)糧食單產(chǎn)波動(dòng)特征及影響因素[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(2)：7－13. Liu Zhong, Huang Feng, Li Baoguo. Analysis on characteristics and influential factors of grain yield fluctuation in China based on empirical mode decomposition[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of theCSAE), 2015, 31(2): 7－13. (in Chinese with English abstract)

[14] 白立佳，張路路，劉瑞卿，等. 基于ESDA的河北省糧食單產(chǎn)空間格局變化研究[J]. 農(nóng)機(jī)化研究，2012(1)：18－24. Bai Lijia, Zhang Lulu, Liu Ruiqing, et al. Regional difference research of grain per unit area yield in Hebei Province base on ESDA[J]. Journal of Agricultural Mechanization Research, 2012(1): 18－24. (in Chinese with English abstract)

[15] 鄧宗兵，封永剛，張俊亮，等. 中國(guó)糧食生產(chǎn)空間布局變遷的特征分析[J]. 經(jīng)濟(jì)地理，2013，33(5)：117－123. Deng Zongbing, Feng Yonggang, Zhang Junliang, et al. Analysis on the characteristics and tendency of grain production’s spatial distribution in China[J]. Economic Geography, 2013, 33(5): 117－123. (in Chinese with English abstract)

[16] 蒲英霞，馬榮華，葛瑩，等. 基于空間馬爾科夫鏈的江蘇區(qū)域趨同時(shí)空演變[J]. 地理學(xué)報(bào)，2005，60(5)：817－826. Pu Yingxia, Ma Ronghua, Ge Ying, et al. Spatial-temporal dynamics of Jiangsu regional convergence with spatial Markov chains approach[J]. Acta Geographica Sinica, 2005, 60(5): 817－826. (in Chinese with English abstract)

[17] 王少劍，王洋，趙亞博. 1990年來廣東區(qū)域發(fā)展的空間溢出效應(yīng)及驅(qū)動(dòng)因素[J]. 地理學(xué)報(bào)，2015，70(6)：965－979. Wang Shaojian, Wang Yang, Zhao Yabo. Spatial spillover effects and multi-mechanism for regional development in Guangdong province since 1990s[J]. Acta Geographica Sinica, 2015, 70(6): 965－979. (in Chinese with English abstract)

[18] 洪舒蔓，郝晉珉，周寧，等. 黃淮海平原耕地變化及對(duì)糧食生產(chǎn)格局變化的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(21)：268－277. Hong Shuman, Hao Jinmin, Zhou Ning, et al. Change of cultivated land and its impact on grain production pattern in Huang-Huai-Hai Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(21): 268－277. (in Chinese with English abstract)

[19] 劉玉，高秉博，潘瑜春，等. 基于LMDI 模型的黃淮海地區(qū)縣域糧食生產(chǎn)影響因素分解[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(21)：1－10. Liu Yu, Gao Bingbo, Pan Yuchun, et al. Influencing factor decomposition of grain production at county level in Huang-Huai-Hai region based on LMDI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(21): 1－10. (in Chinese with English abstract)

[20] 張秋平，郝晉珉，白瑋. 黃淮海地區(qū)糧食生產(chǎn)中的農(nóng)業(yè)水資源經(jīng)濟(jì)價(jià)值核算[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24(2)：1－5. Zhang Qiuping, Hao Jinmin, Bai Wei. Estimation of economic value of agricultural water resource in grain production in Huang-Huai-Hai Region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(2): 1－5. (in Chinese with English abstract)

[21] 徐志宇，宋振偉，鄧艾興，等. 近30年我國(guó)主要糧食作物生產(chǎn)的驅(qū)動(dòng)因素及空間格局變化研究[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，36(1)：79－86. Xu Zhiyu, Song Zhenwei, Deng Aixing, et al. Regional changes of production layout of main grain crops and their actuation factors during 1981－2008 in China[J]. Journal of Nanjing Agricultural University, 2013, 36(1): 79－86. (in Chinese with English abstract)

[22] 徐海亞，朱會(huì)義. 基于自然地理分區(qū)的1990－2010年中國(guó)糧食生產(chǎn)格局變化[J]. 地理學(xué)報(bào)，2015，70(4)：582－590. Xu Haiya, Zhu Huiyi. Spatial change of China’s grain production based on geographical division of natural factors during 1990－2010[J]. Acta Geographica Sinica, 2015, 70(4): 582－590. (in Chinese with English abstract)

[23] 鐘紹軍，劉洪. 中國(guó)人均GDP區(qū)域趨同性時(shí)空演變分析[J].統(tǒng)計(jì)與決策，2015(16)：83－88. Zhong Shaojun, Liu Hong. Temporal evolution convergence analysis of China’s per capita GDP[J]. Statistics and Decision, 2015(16): 83－88. (in Chinese with English abstract)

[24] 薛亮，任志遠(yuǎn). 基于空間馬爾科夫鏈的關(guān)中地區(qū)生態(tài)安全時(shí)空演變分析[J]. 生態(tài)環(huán)境學(xué)報(bào)，2011，20(1)：114－118. Xue Liang, Ren Zhiyuan. The spatial-temporal dynamics of Guanzhong eco-security based on spatial Malcov Chains[J]. Ecology and Environmental Sciences, 2011, 20(1): 114－118. (in Chinese with English abstract)

[25] Bernard Fingleton. Specification and testing of Markov chain models: An application to convergence in the European union[J]. Oxford Bulletin of Economics & Statistics, 1997, 59(3): 385－403.

[26] Le Gallo J. Space-time analysis of GDP disparities among European regions: A Markov chains approach[J]. Regional Science Review, 2004, 27(2): 138－163.

[27] 姜世國(guó)，滕駿華，王法輝. 基于GIS的數(shù)量方法與應(yīng)用[M].北京：商務(wù)印書館，2009.

[28] 劉玉，郭麗英，劉彥隨. 1980－2008年環(huán)渤海地區(qū)縣域糧食的時(shí)空動(dòng)態(tài)變化及分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28(12)：230－236. Liu Yu, Guo Liying, Liu Yansui. Spatial-temporal dynamic change and analysis of grain production in county scale in Bohai Rim from 1980 to 2008[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(12): 230－236. (in Chinese with English abstract)

[29] 陸文聰，梅燕. 中國(guó)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(jì)量經(jīng)濟(jì)學(xué)模型[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2007，24(3)：140－152. Lu Wencong, Mei Yan. Empirical studies on the variation and contributing factors of regional grain production structure in China: based on spatial econometrics models[J]. China Agricultural University Journal of Social Sciences Edition, 2007, 24(3): 140－152. (in Chinese with English abstract)

[30] 胥亞男，張改素，王發(fā)曾，等. 中原經(jīng)濟(jì)區(qū)糧食生產(chǎn)空間格局變化研究[J]. 河南大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，44(2)：170－177. Xu Ya’nan, Zhang Gaisu, Wang Faceng, et al. Spatial pattern change of the grain production in central plains economic region[J]. Journal of Henan University: Natural Science, 2014, 44(2): 170－177. (in Chinese with English abstract)

[31] 仇方道，錢進(jìn)，佟連軍，等. 江蘇省糧食生產(chǎn)時(shí)空格局演變及影響因素[J]. 農(nóng)業(yè)現(xiàn)代化研究，2009，30(1)：11－15. Qiu Fangdao, Qian Jin, Tong Lianjun, et al. Influence factors and temporal-spatial structure of grain production in Jiangsu province[J]. Research of Agricultural Modernization, 2009, 30(1): 11－15.(in Chinese with English abstract)

[32] 中共中央政研室農(nóng)業(yè)部農(nóng)村固定觀察點(diǎn)辦公室. 我國(guó)農(nóng)戶農(nóng)業(yè)投入行為研究[J]. 中國(guó)農(nóng)村經(jīng)濟(jì)，1997(11)：53－60.

[33] 馬俊賢，時(shí)明國(guó). 市場(chǎng)條件下農(nóng)業(yè)投入機(jī)制研究[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題，1995(12)：7－11.

[34] 王震，吳穎超，張娜娜，等. 我國(guó)糧食主產(chǎn)區(qū)農(nóng)業(yè)水資源利用效率評(píng)價(jià)[J]. 水土保持通報(bào)，2015，35(2)：292－296. Wang Zhen, Wu Yingchao, Zhang Nana, et al. Evaluation on agricultural water utilization efficiency in major grain producing region[J]. Bulletin of Soil and Water Conservation 2015, 35(2): 292－296. (in Chinese with English abstract)

[35] 劉影，肖池偉，李鵬，等. 1978－2013年中國(guó)糧食主產(chǎn)區(qū)“糧-經(jīng)”關(guān)系分析[J]. 資源科學(xué)，2015，37(10)：1891－1901. Liu Ying, Xiao Chiwei, Li Peng, et al. Relationship of grain output and economic development from 1978 to 2013 in the major grain producing area of China[J]. Resources Science, 2015, 37(10): 1891－1901. (in Chinese with English abstract)

[36] 張士云，姚升，蔣和平，等. 糧食主產(chǎn)區(qū)農(nóng)村公共產(chǎn)品投入對(duì)農(nóng)業(yè)增長(zhǎng)的影響分析[J]. 農(nóng)業(yè)經(jīng)濟(jì)問題，2010(4)：70－74. Zhang Shiyun, Yao Sheng, Jiang Heping, et al. Analysis on the impact of the rural public goods input on the agricultural growth in main grain producing region[J]. Issues in Agricultural Economy, 2010(4): 70－74. (in Chinese with English abstract)

Analysis on spatial spillover effect and influence factors of grain yield per hectare at county level in Huang-Huai-Hai region

Liu Yu, Tang Xiumei, Pan Yuchun※, Tang Linnan
(1. Beijing Research Center for Information Technology in Agriculture, Beijing 100097, China; 2. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 3. Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing 100097, China; 4. Beijing Engineering Research Center of Agricultural Internet of Things, Beijing 100097, China)

As an important grain production base of China, Huang-Huai-Hai region is of great significance for the steady grain supply of the country. Under the strategic background of regional cooperative development, the spatial externality of grain yield per hectare has attracted increasing attention. In order to investigate the spillover effects of grain yield per hectare at county level, this study focuses on the 347 counties of Huang-Huai-Hai region by Markov Chain method and Spatial Markov Chain method, and reveals the spatial spillover effect of grain yield per hectare at county level during 1980-2010 as well as the influential factors of the differentiation of grain yield in 1995 and 2010. And the results show: 1) During 1980-2010, the type of grain yield per hectare at county level in Huang-Huai-Hai region transfers in a gradual and smooth way, with a low probability of large-scale crossing. 2) During 1980-1995, the likelihood ratio statistic is 52.198, passing the Chi-square test with the significance level of 0.01, and is 55.147, passing the Chi-square test with the significance level of 0.005 during 1995-2010. That is to say the regional background type exerts significant impact on the type shifting of grain yield per hectare, and it’s more significant in the second stage. The growth of grain yield per hectare of the counties at medium-low or medium-high level is similar, while the counties with high yield and low yield under the action of the regional context, gradually change toward middle type. Taking the counties adjacent to the high grain yield for example, their grain yield types per hectare will have a relative high possibility to increase, and vice versa. 3) In the aspect of spatial pattern of evolution, the type of grain yield per hectare tends to increase in the plain, and reduce obviously in the municipal districts and the coastal area. However, the type of grain yield per hectare in Jiangsu, Henan and Shandong Province gradually transfers to be stable. 4) Variations like grain yield per unit area in the last stage, average net income of peasant, industrial structure and ratio of effective irrigated areas have great impacts on the differentiation of grain yield per hectare at county level. And the influencing direction and degree of the factors in 1995 and 2010 are significantly different. In 1995, grain yield per hectare in the last stage, average net income of peasant, ratio of effective irrigated areas and industrial structure have passed the test of the significance level of 0.01, separately, and these indices are significantly positive to promote the grain yield; in 2010, the index of grain yield per hectare in the last stage, average net income of peasant and plant structure goes through the significant test, and the significance level is 0.01, 0.01 and 0.05, respectively. Except the average net income of peasant, the rest both play a positive role in promoting the overflow yield. These results can provide scientific ground for the optimization of grain production and policy-making to increase the grain yield per hectare in Huang-Huai-Hai region.

grain; models; optimization; yield per hectare; spatial spillover effect; spatial Markov chain; spatial lag model; Huang-Huai-Hai region

10.11975/j.issn.1002-6819.2016.09.042

F301.11; F304.5

A

1002-6819(2016)-09-0299-09

劉 玉，唐秀美，潘瑜春，唐林楠. 黃淮海地區(qū)縣域糧食單產(chǎn)的空間溢出效應(yīng)及影響因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(9)：299－307.

10.11975/j.issn.1002-6819.2016.09.042 http://www.tcsae.org

Liu Yu, Tang Xiumei, Pan Yuchun, Tang Linnan. Analysis on spatial spillover effect and influence factors of grain yield per hectare at county level in Huang-Huai-Hai region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 299－307. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2016.09.042 http://www.tcsae.org

2015-11-24

2016-03-24

國(guó)家自然科學(xué)基金項(xiàng)目（41401193；41471115）

劉 玉，男，河北無極縣人，博士，副研究員，主要從事土地利用、區(qū)域農(nóng)業(yè)與農(nóng)村發(fā)展研究。北京 北京農(nóng)業(yè)信息技術(shù)研究中心，100097。Email：Liuyu@nercita.org.cn

※通信作者：潘瑜春，男，安徽歙縣人，研究員，主要從事GIS空間分析與空間信息系統(tǒng)集成研究。北京 北京農(nóng)業(yè)信息技術(shù)研究中心，100097。Email：panyc@nercita.org.cn