河南省糧食產(chǎn)量影響因素及趨勢預(yù)測

段姍姍

河南科技大學(xué)，河南 洛陽 471000

0 引言

糧食產(chǎn)量的提升不僅影響我國人民生活水平的提升，而且與國民經(jīng)濟(jì)發(fā)展有著密切關(guān)系［1］。河南省作為農(nóng)業(yè)大省，其糧食生產(chǎn)在全國范圍內(nèi)占據(jù)重要地位。因此，探討河南省糧食產(chǎn)量影響因素、變化情況及預(yù)測未來趨勢對糧食產(chǎn)量的穩(wěn)定及提升有十分重要的意義。

對于糧食產(chǎn)量的影響因素及預(yù)測，許多學(xué)者提出了不同的觀點。在糧食產(chǎn)量影響因素方面，朱坤林等［1］依據(jù)灰色關(guān)聯(lián)分析基本原理，以2008—2020 年商丘市糧食產(chǎn)量及相關(guān)指標(biāo)為研究對象，分析商丘市糧食產(chǎn)量的影響因素。楊凡雨等［2］利用湖南省統(tǒng)計數(shù)據(jù)，運用灰色關(guān)聯(lián)分析法篩選關(guān)聯(lián)性較強的影響因素，并建立GM（1，N）預(yù)測模型預(yù)測糧食產(chǎn)量，發(fā)現(xiàn)糧食產(chǎn)量受國家政策、農(nóng)業(yè)機械總動力的影響最大。Zhang等［3］根據(jù)山東省60 余年糧食產(chǎn)量數(shù)據(jù)，對影響糧食產(chǎn)量的主要因素進(jìn)行分析，認(rèn)為影響糧食總產(chǎn)量的最主要因素為單產(chǎn)。在糧食產(chǎn)量預(yù)測方面，許德剛等［4］對比分析了時間序列法等4 種分析方法在糧食產(chǎn)量預(yù)測方面的優(yōu)劣勢，并對糧食產(chǎn)量預(yù)測的發(fā)展進(jìn)行了總結(jié)和展望。胡啟帆等［5］運用主成分分析法分析了糧食產(chǎn)量的變化特點和影響因素，并運用灰色模型預(yù)測了洛陽市未來5 年的糧食產(chǎn)量。曹存梁［6］基于灰色關(guān)聯(lián)分析-影響因子共線性判斷-變量選擇-多元線性的組合預(yù)測模型對2014—2017年河南省糧食產(chǎn)量進(jìn)行預(yù)測，基于GM（1，1）和反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)的組合模型預(yù)測未來一段時間的影響因子和產(chǎn)量數(shù)據(jù)。Michael 等［7］利用衛(wèi)星數(shù)據(jù)和機器學(xué)習(xí)方法構(gòu)建了加拿大草原作物產(chǎn)量預(yù)測模型，并且對比分析了線性機器學(xué)習(xí)和非線性機器學(xué)習(xí)法對作物產(chǎn)量的預(yù)測效果，用歸一化植被指數(shù)預(yù)測作物產(chǎn)量，發(fā)現(xiàn)歸一化植被指數(shù)是較好的預(yù)測指標(biāo)，線性模型比非線性模型在作物產(chǎn)量預(yù)測中更有優(yōu)勢。

在分析糧食產(chǎn)量影響因素時，大多數(shù)學(xué)者選擇了播種面積、農(nóng)業(yè)機械總動力、農(nóng)村用電量等指標(biāo)。在預(yù)測糧食產(chǎn)量時，較多學(xué)者采用了灰色關(guān)聯(lián)模型。這為研究河南省糧食產(chǎn)量影響因素的指標(biāo)選取和糧食產(chǎn)量預(yù)測方法選取提供了思路?，F(xiàn)階段，我國較少學(xué)者對河南省糧食產(chǎn)量影響因素及預(yù)測進(jìn)行研究。因此，筆者在前人研究的基礎(chǔ)上選取2002—2021 年河南省糧食生產(chǎn)的相關(guān)數(shù)據(jù)，進(jìn)行回歸分析和差分自回歸移動平 均（Autoregressive Integrated Moving Average，ARIMA）預(yù)測，以探討河南省糧食產(chǎn)量影響因素，并對糧食產(chǎn)量進(jìn)行預(yù)測。

1 研究區(qū)概述

河南省處于中國中東部、華北平原以南黃河中下游地區(qū)。河南省地形復(fù)雜，地勢西高東低、北坦南凹，北、西、南三面有太行山、伏牛山、桐柏山、大別山四大山脈環(huán)繞，間有陷落盆地，中部和東部為遼闊的黃淮海沖積平原。河南省的氣候具有四季分明、雨熱同期、復(fù)雜多樣、氣象災(zāi)害頻繁的基本特點。

河南省是我國的糧食大省，糧食播種面積和糧食產(chǎn)量均位于全國前列。2021 年，河南省糧食播種面積為1 077.231萬hm2，全年糧食總產(chǎn)量為6 544.20萬t。

2002—2021 年河南省糧食播種面積和糧食產(chǎn)量整體變化趨勢如圖1 所示。由圖1 可知，2002—2008年，河南省糧食播種面積呈平穩(wěn)增長趨勢；2008—2010年，河南省糧食播種面積逐步減少；2010—2016 年，河南省糧食播種面積又呈現(xiàn)平穩(wěn)增長趨勢；2016—2021年，河南省糧食播種面積表現(xiàn)出增減波動的發(fā)展趨勢，但波動幅度不大。2003 年，河南省糧食產(chǎn)量下降且相較于2002 年下降了640.51 萬t，波動幅度較大；2003—2020年呈波動上升的趨勢；2020—2021年呈下降趨勢。

圖1 2002—2021河南省糧食播種面積及產(chǎn)量變化趨勢

圖2 糧食產(chǎn)量模擬擬合和預(yù)測

2 指標(biāo)選取及數(shù)據(jù)來源

2.1 指標(biāo)選取

影響糧食產(chǎn)量的因素較多。筆者在查閱相關(guān)資料后，最終選取河南省糧食產(chǎn)量作為因變量，資源因素、技術(shù)因素和人力因素作為自變量。資源是糧食產(chǎn)量的基礎(chǔ)條件，但隨著社會的發(fā)展，糧食播種面積受限，在這種情況下，加強技術(shù)因素方面的投入可以減少這些限制，同時人力資源的改善對糧食產(chǎn)量有一定貢獻(xiàn)。因此，筆者選取糧食播種面積作為資源因素的指標(biāo)；選取農(nóng)業(yè)機械總動力、農(nóng)用塑料薄膜使用量、有效灌溉面積、農(nóng)藥使用量、化肥折純量、農(nóng)村用電量作為技術(shù)因素的指標(biāo)；選取第一產(chǎn)業(yè)就業(yè)人員作為人力因素的指標(biāo)（見表1）。

表1 河南省糧食產(chǎn)量影響因素指標(biāo)體系

2.2 數(shù)據(jù)來源

該研究的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》（2003—2022年）和《河南省統(tǒng)計年鑒》（2003—2022年）。

3 河南省糧食產(chǎn)量影響因素的實證分析

3.1 相關(guān)性檢驗

Pearson 相關(guān)性分析是一種常用的統(tǒng)計方法，用于衡量兩個變量之間的線性關(guān)系強度和方向。它基于協(xié)方差的概念，通過計算兩個變量的協(xié)方差除以它們各自的標(biāo)準(zhǔn)差的乘積，得到一個范圍在-1～1 的相關(guān)系數(shù)。Pearson 相關(guān)性檢驗可以幫助研究人員了解變量之間的關(guān)系，從而幫助他們進(jìn)行更深入的研究。該研究各變量的Pearson相關(guān)性檢驗結(jié)果如表2所示。

表2 Pearson相關(guān)性檢驗

由表2可知，農(nóng)藥使用量與糧食產(chǎn)量的相關(guān)系數(shù)為0.400，沒有顯著相關(guān)性，因此剔除該因素后繼續(xù)分析。

3.2 單位根檢驗

對時間序列數(shù)據(jù)進(jìn)行單位根檢驗的目的在于判斷時間序列是否平穩(wěn)。如果檢驗結(jié)果存在單位根，則說明時間序列數(shù)據(jù)是非平穩(wěn)的。筆者對該研究進(jìn)行二階差分單位根檢驗，該研究的單位根檢驗結(jié)果如表3所示。

瑞士有很多傳統(tǒng)的奶酪飲食，其中奶酪火鍋就是其中最著名的一款。如果說瑞士有什么美食的話，那一定首推奶酪火鍋。瑞士盛產(chǎn)奶酪，而且法令規(guī)定一個地區(qū)只能生產(chǎn)該地區(qū)產(chǎn)的奶酪，因此瑞士的奶酪直至今日仍能夠保持極其傳統(tǒng)的風(fēng)味，且不同地區(qū)的奶酪味道各不相同。

表3 單位根檢驗

由表3 可知，基于因變量糧食產(chǎn)量的一階差分臨界值在1%水平上呈現(xiàn)顯著性，因此拒絕原假設(shè)，該序列為平穩(wěn)的時間序列，可以進(jìn)行統(tǒng)計建模。

3.3 線性回歸

該研究的線性回歸結(jié)果如表4所示。

表4 線性回歸結(jié)果（n=20）

由表4 可知，各變量的方差膨脹系數(shù)（Variance Inflation Factor，VIF）均大于5，說明影響因素存在多重共線性，因此進(jìn)行逐步回歸解決多重共線性問題。

3.4 逐步回歸

逐步回歸是以線性回歸為基礎(chǔ)的方法。其思路是將變量一個接著一個引入，并在引入一個新變量后，對已入選回歸模型的舊變量逐個進(jìn)行檢驗，將認(rèn)為沒有意義的變量刪除，直到?jīng)]有新變量引入也沒有舊變量刪除，從而保證回歸模型中每一個變量都有意義。該研究的逐步回歸結(jié)果如表5和表6所示。

表5 逐步回歸

表6 逐步回歸結(jié)果（n=20）

由表6 可知，P值為0.000，在1%水平上呈現(xiàn)顯著性，拒絕回歸系數(shù)為0 的原假設(shè)。對于變量共線性表現(xiàn)，VIF全部小于10，因此模型沒有多重共線性問題，模型構(gòu)建良好。模型公式為

4 河南省糧食產(chǎn)量趨勢預(yù)測

基于以上回歸分析結(jié)果，建立ARIMA 模型對河南省2023—2032年糧食產(chǎn)量進(jìn)行預(yù)測。

4.1 ARIMA模型

ARIMA 作為時間序列分析中十分經(jīng)典的方法之一，被應(yīng)用于未來數(shù)值的預(yù)測。

ARIMA模型的基本原理可以用式（2）表示。

式（2）中：AR(p)表示自回歸模型，I(d)表示差分模型，MA(q)表示移動平均模型。ARIMA 模型通過對時間序列的分析與擬合，估計出合適的模型參數(shù)，從而進(jìn)行數(shù)據(jù)預(yù)測和建模。

4.2 ARIMA模型預(yù)測結(jié)果

以2002—2021 年河南省糧食產(chǎn)量數(shù)據(jù)為例，建立ARIMA 擬合模型，并通過擬合模型建立預(yù)測模型，得出（1，1，0）為最優(yōu)結(jié)果，殘差為白噪聲。

根據(jù)所建模型對2023—2032 年河南省糧食產(chǎn)量進(jìn)行預(yù)測，結(jié)果如表7所示。

表7 2023—2032年河南省糧食產(chǎn)量預(yù)測值

由表7 可知，河南省2023—2032 年糧食產(chǎn)量將呈現(xiàn)平穩(wěn)增長趨勢，發(fā)展趨勢良好。

5 研究結(jié)論

筆者基于2002—2021 年數(shù)據(jù)對河南省糧食產(chǎn)量變化趨勢進(jìn)行分析，并采用逐步回歸分析，對影響河南省糧食產(chǎn)量的因素進(jìn)行研究，最后利用ARIMA 模型對河南省未來糧食產(chǎn)量進(jìn)行預(yù)測，得出以下主要結(jié)論。

第一，第一產(chǎn)業(yè)就業(yè)人員與播種面積對河南省糧食產(chǎn)量影響較大，因此建議持續(xù)推進(jìn)高素質(zhì)農(nóng)民教育，培養(yǎng)新型職業(yè)農(nóng)民；堅持耕地紅線不動搖，穩(wěn)定糧食播種面積。

第二，預(yù)測結(jié)果顯示，河南省2023—2032 年糧食產(chǎn)量將呈現(xiàn)平穩(wěn)增長趨勢，發(fā)展趨勢良好。