徐學榮++周磊++傅美蘭

摘 要 基于福建省 25個糧食主產縣（市、區(qū)）1989 -2013年水稻單產數(shù)據(jù)，選取歷年平均減產率、歉年平均減產率、災年平均減產率、歷年平均減產率變異系數(shù)、歉年平均減產率變異系數(shù)、災年平均減產率變異系數(shù)、減產率大于3%的概率和減產率大于4%的概率等8個指標作為風險指標，運用聚類分析法將這25個縣（市、區(qū)）進行風險區(qū)劃。區(qū)劃結果為3個風險區(qū)——高風險區(qū)、中風險區(qū)、低風險區(qū)，并分析了各個風險區(qū)的特征，結果對科學布局水稻種植和發(fā)展區(qū)域保險具有一定的實用價值。

關鍵詞 水稻；單產；風險指標；風險區(qū)劃；福建省

中圖分類號：F326.11 文獻標志碼：A 文章編號：1673-890X（2014）12-0-5

農業(yè)是自然再生產和經濟再生產相結合的產物，水稻作為福建省的主要糧食作物，其生產過程面臨很多風險，如自然風險、技術風險等，這些風險都會造成水稻減產。福建省雖位于我國東南沿海，但是山地與丘陵面積占全省總面積的80%以上，各地域氣候的差異較大。事實上，福建省歷來就是缺糧省份，現(xiàn)在糧食自給率僅50%左右。福建省水稻播種面積約86.67萬hm2，旱澇保收面積僅占一半，洪水、干旱、低溫、病蟲害等自然災害，是造成水稻嚴重減產的主要因素[1]。因此，本文以福建省25個糧食主產縣為單位，選取一定的風險指標對他們進行風險分區(qū)，以服務于水稻產量保險和生產布局。

1 相關文獻回顧

關于農作物產量風險區(qū)劃的研究受國內外學者的廣泛重視，取得了豐富的成果。例如，鄧國等利用各省歷年糧食單產資料，歷年平均減產率、歷年減產變異系數(shù)和風險概率3個風險指標，采用聚類分析方法進行風險區(qū)劃[2]。王志春等和劉偉等對赤峰市和寧城縣農作物產量風險指標的選擇更加細致，定義歷年、歉年、災年和大災年的減產率、變異系數(shù)等指標，在產量風險區(qū)劃上選擇總體變異系數(shù)作為風險區(qū)劃的主要因子，參考歷年平均減產率和歉年平均減產率指標，用聚類方法進行分區(qū)[3，4]。王勤等對廣元市7個縣（區(qū)）水稻風險評估及風險區(qū)劃的研究也類似，結果劃分為低風險區(qū)、中風險區(qū)和大風險區(qū)[5]。水稻是我國南方主要種植的農作物，水稻種植保險倍受政府重視和農戶關注，關于水稻風險區(qū)劃的研究也較為深入。例如，吳利紅等利用浙江省52個縣市1971-2004年的晚稻單產數(shù)據(jù)，進行晚稻產量的農業(yè)氣象災害風險區(qū)域研究，選擇平均減產率、變異系數(shù)、風險指數(shù)為風險評價指標，將這三種指標歸一化處理為綜合風險指數(shù)，根據(jù)綜合風險指數(shù)將浙江省晚稻產量劃分為3個氣象災害區(qū)：綜合風險指數(shù)≥0.3的區(qū)域，綜合風險指數(shù)在0.2～0.3的區(qū)域，綜合風險指數(shù)<0.2的區(qū)域[6]；鐘甫寧等則探討水稻的生產風險區(qū)劃問題，選取單產變異系數(shù)、受災率>30%、專業(yè)化指數(shù)和效率指數(shù)，運用聚類分析法，將我國稻谷生產風險區(qū)域分為風險低、風險中、風險大三個區(qū)域[7]；陳新建和陶建平研究湖北省17個地級市的水稻生產風險區(qū)劃，選取單產變異系數(shù)、減產率>10%的概率、減產率>20%的概率、專業(yè)化指數(shù)和生產效率指數(shù)五個指標，運用聚類分析法將風險等級分為四類[8]；李文芳在研究湖北省中稻縣級產量的保險風險區(qū)劃時，在指標選取上綜合考慮了氣候、農業(yè)災害、地形地貌、水利設施等因素，建立了海拔大度、年降水量、年日照時數(shù)、≥10 ℃積溫、年平均氣溫、旱災等級、澇災等級、有效灌溉面積比率、旱澇保收比率、單產變異系數(shù)、災害損失率超過4%的概率、災害損失率超過8%的概率的指標體系[9]。已有研究為本文提供了指導和借鑒，但對福建省水稻風險區(qū)劃的研究有待完善和深入。因此，本文以福建省25個糧食主產縣為研究對象，選取相應風險指標，對水稻產量進行風險區(qū)劃，結果對科學布局水稻種植和發(fā)展區(qū)域保險具有一定的實用價值。

2 數(shù)據(jù)來源及處理

2.1 數(shù)據(jù)來源

福建省25個糧食主產縣（市、區(qū)）分別為：三明市下轄的永安市、明溪縣、清流縣、寧化縣、大田縣、尤溪縣、將樂縣、泰寧縣、建寧縣；南平市下轄的邵武市、武夷山市、建甌市、建陽縣、順昌縣、光澤縣、浦城縣；龍巖市下轄的新羅區(qū)、長汀縣、永定縣、上杭縣、武平縣、連城縣；寧德市下轄的古田縣、屏南縣；漳州市下轄的長泰縣，可見這25個糧食主產區(qū)主要集中在福建省的閩西、閩北地區(qū)。這25個糧食主產縣（市、區(qū)）1989-2013年的水稻667 m2產量數(shù)據(jù)來源于歷年的《福建農村經濟年鑒》《福建經濟與社會統(tǒng)計年鑒（農村篇）》《福建農村經濟年鑒》。

2.2 數(shù)據(jù)處理

影響作物最終產量形成的各種自然和非自然因素可以按影響的性質和時間尺度劃分為農業(yè)技術措施、氣象條件和隨機“噪聲”三大類，即， 其中，是作物單產，是反映歷史時期生產力發(fā)展水平的長周期產量分量，稱為趨勢產量，主要受農業(yè)生產技術水平因素影響，是受以氣象要素和社會經濟因素為主的短周期變化因子影響的產量分量，是隨機因素影響的產量分量，由于所占比例很小，實際計算中不作考慮[10]。本文用二次函數(shù)擬合水稻實際單產，從而得到趨勢產量，它反映的是生產力發(fā)展水平的長期趨勢，估計參數(shù)時所用的軟件是EViews6.0。當?shù)谀陮嶋H單產小于其趨勢單產時，界定該年為歉年，意味著該年水稻減產，損失程度用單產減產率表示，計算公式為：。該公式說明，當實際值大于等于擬合值時，單產減產率為0，當實際值小于擬合值時，單產減產率為。這樣就定義了一個相對值序列，反映的是減產程度的波動狀況，不受時間和各地區(qū)之間生產力水平差異的影響，在各縣（市、區(qū)）之間具有可比性。

3 風險指標及其計算

風險區(qū)劃就是根據(jù)風險損失的不同程度將一個地區(qū)劃分為差異明顯的不同風險區(qū)域[11]，也就是根據(jù)農作物生產的結構性風險因子將農作物生產區(qū)域劃分成不同風險的小區(qū)域[9，12]。這些結構性風險因子包括地形地貌、土壤條件、氣候綜合條件等自然和生態(tài)環(huán)境因子，以及農作物生產的技術裝備狀況、農作物減災防災服務體系和農作物種植結構等。但保險風險區(qū)劃有別于種植區(qū)劃，它更側重于產出的穩(wěn)定性，因此本文選擇了以下三類風險區(qū)劃指標。endprint

3.1 減產率指標及其計算

定義的年份為歉年，<-3%的年份為災年，表示歷年平均減產率，歉年平均減產率，表示災年平均減產率，計算公式分別為：

其中，n為全部樣本數(shù)，m為歉年樣本數(shù)，k為歉年樣本數(shù)。歷年平均減產率為每年水稻平均減產率，歉年平均減產率為水稻相對波動產量小于0的平均減產率，災年平均減產率為水稻相對波動產量小于-3%的平均減產率。數(shù)值見表1的第2～4列。

3.2 變異系數(shù)指標及其計算

變異系數(shù)（cv）是標準差與平均值之比，表明樣本的波動程度，又稱穩(wěn)定系數(shù)。計算公式如下：cv ，

當、n為總樣本數(shù)時，得到歷年減產變異系數(shù)cv，當x=dq、n=m時，得到歉年減產變異系數(shù)cvq；當x=dz、n=k時，得到災年減產變異系數(shù)cvz。數(shù)值見表1的第5-7列。

3.3 減產率概率指標及其計算

事實上，損失率是個隨機變量，有概率密度函數(shù)。非參數(shù)核密度估計法是估計密度函數(shù)的一種有效方法，被廣泛使用。例如，Goodwin，B.K和A.P.Ker采用非參數(shù)核密度估計農作物產量密度[13]，楊汭華等用非參數(shù)核密度估計，對農作物產量損失風險進行實證研究[14]。

非參數(shù)核密度估計法就是對隨機變量x的密度函數(shù)f（x）進行核估計的一種方法。f（x）的表達式為：

其中n為樣本容量，h是窗寬，是核函數(shù)。本文以高斯核作為核密度函數(shù)，則

于是核密度估計的形式為：

從核密度估計的公式可以看出，窗寬h和核函數(shù)的選擇會影響到密度函數(shù)估計的效果。選擇窗寬h常用方法有總量確定法、Sliverman法則和各種插入法[15]。本文選擇采用 Silverman 的“經驗法則”，根據(jù)Alan，P.K. and Barry，K.G.的研究，窗寬，其中 ，s為樣本標準差，Q是四分位距（=Q3-Q1），實際工作中的數(shù)據(jù)往往偏離正態(tài)分布，將1. 06降到0. 9效果較好[16]，亦即。根據(jù)福建水稻單產損失率的實際，本文以減產率大于3%和大于4%的風險概率作為風險指標。使用Mathematica9.0計算積分：

，c分別取值0.03和0.04，得到減產率大于3%和大于4%的概率，數(shù)值見表1的第8-9列。

4 風險區(qū)劃結果及分析

4.1 聚類分析法劃分風險區(qū)域

聚類分析是研究樣品或指標進行分類的一種多元統(tǒng)計方法，一般包含以下幾個步驟：選擇聚類變量、進行數(shù)據(jù)變換處理、選擇樣品間距離的計算方法、計算類間的距離、選擇聚類方法、確定分類結果并進行分析。這里為把變量變成均值為0、方差為1的標準化變量，即采用Z-score變換方法，樣品間距離的計算方法采用歐氏距離（Euclidean 距離），類間距離的計算使用離差平方和法（Ward距離），應用社會科學統(tǒng)計軟件包SPSS16.0 for Windows軟件進行聚類運算，結果分成3類，各類的縣市構成見表2。

4.2 風險等級判別

為了便于分析各類風險區(qū)的類別特征， 不僅考慮風險區(qū)劃指標，還應考慮其他指標，如氣象指標、地理指標、社會經濟指標等，這些指標或有助于分析類別特征或能說明類別形成原因。本文選用“歷年單產極差”反映歷年單產中，最高單產與最低單產之差，極差大小說明單產波動幅度大小；“歷年平均單產”在一定意義上能反映該縣單產高低水平，是產出收獲指標。設指標的平均值為和標準差是，以指標值大于時為“高”、指標值屬于時為“中”、指標值小于時為“低”，設定各指標等級的判別基準，見表3。

根據(jù)表2所列的分類結果，計算各類地區(qū)指標的平均值，并判斷其風險高低，結果見表4。在類別號為1的類中，衡量風險大小的指標（歷年平均減產率、歉年平均減產率、減產率>3%的概率、減產率>4%的概率）都達到了“高”的級別、災年平均減產率達到“中”并接近“高”，因此，稱該類地區(qū)為“高風險區(qū)”。在類別號為2的類中，衡量風險大小的指標幾乎都處于“中”的級別，因此稱該類地區(qū)為“中風險區(qū)”。在類別號為3的類中，衡量風險大小的指標都是“低”的級別，因此，稱該類地區(qū)為“低風險區(qū)”。

4.3 各風險區(qū)特征

高風險區(qū)：該區(qū)包括尤溪縣、建陽縣、光澤縣、屏南縣、長泰縣。除衡量風險大小的指標處于風險高水平外，衡量風險穩(wěn)定性的指標（歷年減產變異系數(shù)、歉年減產變異系數(shù)、災年減產變異系數(shù)）處于“中低”水平，這與該區(qū)為高風險區(qū)不矛盾，說明“減產年、歉收年、災年”其風險指標“一致地、穩(wěn)定地”高，從另一個側面佐證了該地區(qū)高風險。從地理位置看，除長泰縣外，建陽縣和光澤縣屬南平市，尤溪縣雖屬三明市，但北與南平市接壤，屏南縣雖屬寧德市但西與南平市下轄的建甌相連，因此該區(qū)可以認為屬于閩北的南平市。該類地區(qū)的歷年單產極差也是三類地區(qū)中最大的，說明該類地區(qū)單產波動大，此外，該類地區(qū)其減產率>3%的概率和減產率<4%的概率都是三類地區(qū)中最高的，這些都同樣說明該區(qū)風險高。有意思的是該類縣的歷年平均單產卻顯著高于其他兩類地區(qū)，體現(xiàn)出“高風險高收益”的特征。該區(qū)的農戶應該積極購買水稻保險以彌補高風險可能帶來的損失。

中風險區(qū)：該區(qū)包括永安市、清流縣、寧化縣、大田縣、將樂縣、邵武市、武夷山市、建甌市、順昌縣、浦城縣、長汀縣、永定縣。該區(qū)包含22個縣市區(qū)中的12個，占55%。從地理位置看，永安市、清流縣、寧化縣、大田縣、將樂縣屬三明市，邵武市、武夷山市、建甌市、順昌縣、浦城縣屬南平市，因此，中風險區(qū)中的縣市以“南平三明為主”，在福建的西北方向。該風險區(qū)中，風險大小在中等、風險大小的波動在中高水平，單產和單產的波動幅度在三個類中處中等水平。政府和保險公司應加強在該區(qū)的水稻保險宣傳和服務，以增強農戶的購買意愿。

低風險區(qū)：該區(qū)包括明溪縣、泰寧縣、 建寧縣、新羅區(qū)、上杭縣、武平縣、連城縣、古田縣。該區(qū)具有“低風險中等收益”的特征。歷年單產極差低于中風險區(qū)，歷年平均單產與中風險區(qū)幾乎相同。從地理位置看，新羅區(qū)、上杭縣、武平縣、連城縣隸屬龍巖市，明溪縣、泰寧縣、建寧縣是三明市下轄，該區(qū)的縣市沒有屬于南平市的，幾乎由龍巖市和三明市管轄，具有“閩西”特征。在該區(qū)應強化政策性保險作用，加大保費的補貼力度，降低農戶逆向選擇給保險公司帶來的風險。endprint

參考文獻

[1]李征.福建水稻保險的探索與實踐[J].中國保險，2011（3）：58-60.

[2]鄧國，王昂生，周玉淑，等.中國省級糧食產量的風險區(qū)劃研究[J].南京氣象學院學報，2002，25（3）：373-379.

[3]王志春，胡桂杰，楊軍.赤峰市主要農作物產量風險評估及區(qū)劃[J].內蒙古氣象，2002（4）：24-26.

[4]劉偉，李向梅，李俊有.寧城縣主要農作物產量風險評估及區(qū)劃[J].內蒙古科技與經濟，2009（8）：7-8.

[5]王勤，姚志國，劉會斌，等.廣元市主要農作物單產風險評估及區(qū)劃[J].安徽農業(yè)科學，2011，39（13）：7674-7675，7802.

[6]吳利紅，毛裕定，苗長明，等.浙江省晚稻生產的農業(yè)氣象災害風險分布[J].中國農業(yè)氣象，2007，28（2）：217-220.

[7]鐘甫寧，寧滿秀，邢鸝.我國政策性種植業(yè)保險制度的可行性研究[M].經濟管理出版社，2007：73-74.

[8]陳新建，陶建平.湖北省水稻生產風險區(qū)劃的實證研究[J].統(tǒng)計與決策，2008（19）：86-88.

[9]李文芳.農作物區(qū)域產量保險風險區(qū)劃指標體系研究[J].生態(tài)經濟，2012（8）：76-78.

[10]張建敏.農業(yè)氣象災害風險估算方法初探[A].李世奎.中國農業(yè)災害風險評價與對策[C].北京：氣象出版社，1999，183-189.

[11]庹國柱，李軍.農業(yè)保險[M].北京：中國人民大學出版社，2005：16.

[12]邢鸝，鐘甫寧.糧食生產與風險區(qū)劃研究[J].農業(yè)技術經濟，2006（1）：19-23.

[13]Goodwin， BK， Ker A，P. Nonparametric estimation of crop yield distributions： implications for rating group-risk （GRP） crop insurance contracts. Journal of Agricultural and Resource Economics， 1998， 80： 139-153.

[14]楊汭華，王麗紅，鮮祖德.農作物產量損失風險水平實證及影響因素分析——基于第二次全國農業(yè)普查數(shù)據(jù)的探討[J].保險研究，2009（10）：102-108.

[15]Barry K G， Alan P K. Nonparametric estimation of crop yield distributions： implications for rating group-risk crop insurance contracts[J].Amer J Agr Econ，1998，80：139-153.

[16]Alan P K， Barry K G. Nonparametric estimation of crop insurance rates revisited[J]. Amer J Agr Econ， 2000（83）： 463-478.

（責任編輯：劉昀）endprint