李福奪,　楊興洪

(貴州大學 管理學院, 貴州 貴陽 550025)

?

貴州省糧食產(chǎn)量影響因素的偏最小二乘回歸分析

李福奪,楊興洪*

(貴州大學 管理學院, 貴州 貴陽 550025)

摘要：以貴州省為研究區(qū)域，運用偏最小二乘回歸分析方法，構建貴州省糧食生產(chǎn)影響因素的偏最小二乘回歸模型.通過對模型進行檢驗，發(fā)現(xiàn)該回歸模型對自變量X和因變量Y的解釋能力較強自變量集與因變量集之間存在著顯著的線性關系，且擬合優(yōu)度高達R2=0.988 6，表明回歸模型精度較高，可靠性強.研究結(jié)果表明，在所選取的指標中，糧食播種面積、有效灌溉面積、農(nóng)業(yè)機械總動力、化肥施用量和成災面積等是影響貴州省糧食生產(chǎn)的關鍵因素.

關鍵詞：貴州省; 糧食生產(chǎn)； 影響因素； 偏最小二乘回歸法

世界氣候變化、人口增長及環(huán)境問題的日益凸顯，糧食生產(chǎn)與安全問題受到世界各國的關注，這方面的研究也越來越多，越來越深入.國內(nèi)圍繞糧食產(chǎn)量影響因素問題，趙慧江[1]在1990—2005年統(tǒng)計數(shù)據(jù)的基礎上，采用回歸分析方法通過建立以5種可量化的影響因素為自變量，以糧食產(chǎn)量為因變量的多元線性回歸模型，對影響我國糧食產(chǎn)量主要因子進行了分析，并以此為依據(jù)提出了關于我國穩(wěn)定發(fā)展糧食生產(chǎn)的參考意見.肖海峰[2]通過建立糧食總產(chǎn)量和影響因素的柯布-道格拉斯生產(chǎn)函數(shù)，對我國1978—2002年的數(shù)據(jù)進行了分段研究，來分析我國糧食綜合生產(chǎn)能力.高倩倩等[3]運用統(tǒng)計學的知識、采用Eviews 6.0統(tǒng)計軟件建立了糧食產(chǎn)量評估模型，對建國以來山東省糧食增產(chǎn)的主要因素進行了分析，得出了提高糧食單產(chǎn)是糧食增產(chǎn)的最有效途徑的結(jié)論.杜國明等[4]以黑龍江省1981—2011年糧食總產(chǎn)、單產(chǎn)等方面的統(tǒng)計資料為數(shù)據(jù)源，運用數(shù)理分析的方法對該省糧食產(chǎn)量的影響因素進行了比較分析，認為糧食增產(chǎn)主要依靠糧食播種面積等3個方面的提升.廖婧琳等[5]則更加關注自然災害對糧食生產(chǎn)的影響，他們分析了水旱、冰雹、病蟲害和低溫冷凍等農(nóng)業(yè)災害對貴州省糧食產(chǎn)量的影響機理，并提出了相應的應對政策.盡管目前學術界對糧食產(chǎn)量影響因素的分析方法很多，但幾乎都存在著樣本量少，前提假設可靠性難以確認，模型難以充分包絡影響因子的有效信息、容易出現(xiàn)“偽回歸”現(xiàn)象等問題.為了解決上述問題，為糧食增產(chǎn)影響因素的分析提供一種可靠的計量模型，本文提出了一種新的統(tǒng)計回歸分析方法——偏最小二乘回歸分析( PLS)，并以貴州省為研究區(qū)域，構建偏最小二乘回歸分析模型，對影響貴州省糧食產(chǎn)量的主要因素進行了定量分析，以期為貴州省糧食生產(chǎn)與安全戰(zhàn)略的實施提供科學的決策依據(jù).

1研究區(qū)域與研究方法

1.1研究區(qū)域概況貴州省地形以山地為主，山地、高原占全省土地面積的87%，丘陵地占10%，盆地、河流灘涂等其他地貌占3%，是我國唯一沒有平原地貌的省份，境內(nèi)地勢西高東低，自中部向南、北、東三面傾斜，平均海拔在1 100 m左右.這種地理特點，使得貴州省可用于農(nóng)業(yè)開發(fā)的土地資源不多，耕地面積少、質(zhì)量差，開發(fā)利用比例大，后備耕地嚴重不足，有限的耕地資源給貴州省的糧食生產(chǎn)與安全造成了極大的壓力，也嚴重制約著貴州省經(jīng)濟的持續(xù)發(fā)展.2005年貴州省委省政府一號文件指出：“當前和今后一個時期，必須堅定不移地把加強農(nóng)業(yè)基礎設施建設，加快農(nóng)業(yè)科技進步，提高農(nóng)業(yè)綜合生產(chǎn)能力作為一項緊迫的戰(zhàn)略任務，切實抓緊抓好，以確保我省糧食產(chǎn)量穩(wěn)定增長和安全消費.”[6]實現(xiàn)糧食穩(wěn)定生產(chǎn)、增強糧食自給能力是貴州省三農(nóng)工作的重點，也是必須堅持的重大原則.

1.2數(shù)據(jù)來源與指標體系現(xiàn)實中影響糧食產(chǎn)量的因素有很多，對這些因素進行量化是進行分析研究的基礎，但這同時也是一個比較復雜和困難的工作.一些學者利用灰色系統(tǒng)理論，對影響糧食產(chǎn)量的因素進行了動態(tài)灰色關聯(lián)量化處理；還有學者通過建立糧食生產(chǎn)的時空回歸模型，對糧食產(chǎn)量的影響因素在時間和空間二維坐標上進行了量化分析[7].本文從數(shù)據(jù)可獲取性、指標量化的可行性、主導因素重點凸顯性等指標選取的原則出發(fā)，參考前人研究成果，并結(jié)合貴州省農(nóng)業(yè)系統(tǒng)的實際狀況，選取糧食總產(chǎn)量Y作為要預測的目標數(shù)據(jù)，選取糧食播種面積x1、有效灌溉面積x2、農(nóng)業(yè)生產(chǎn)資料價格指數(shù)x3、農(nóng)業(yè)機械總動力x4、農(nóng)業(yè)從業(yè)人員x5、家庭農(nóng)業(yè)支出x6、農(nóng)村用電量x7、化肥施用量x8、政府財政支農(nóng)支出x9和成災面積x1010個對貴州省糧食產(chǎn)量有較大影響的指標來構建農(nóng)業(yè)系統(tǒng)糧食生產(chǎn)的指標體系.其中，x1～x4、x7、x8數(shù)據(jù)來源于1992—2012年的《貴州統(tǒng)計年鑒》和《新中國60年統(tǒng)計資料匯編》，x5、x6、x9和x104個指標數(shù)據(jù)由《貴州統(tǒng)計年鑒》(1992—2012)、《中國統(tǒng)計年鑒》和《貴州年鑒》等國家正式發(fā)布的統(tǒng)計資料整理計算而來.

1.3研究方法偏最小二乘回歸分析是用來解決變量多重相關性對系統(tǒng)回歸建模干擾問題的一種方法，在處理樣本容量小、解釋變量個數(shù)多、變量間存在嚴重多重相關性問題方面具有獨特的優(yōu)勢[8]. 偏最小二乘回歸分析可以實現(xiàn)回歸建模、數(shù)據(jù)結(jié)構簡化以及2組變量間的相關性分析.在決定是否采用PLS方法建模前，首先要進行預備分析，以判斷自變量(因變量)是否存在多重相關性，判斷自變量和因變量間是否存在相關關系，具體計算方法是：對于矩陣Z=(X,Y)，記

當因變量Y的階數(shù)為1時，為單變量偏最小二乘回歸分析模型(PLS1).偏最小二乘回歸分析模型的構建步驟如下：

1) 標準化原始數(shù)據(jù).標準化后的數(shù)據(jù)矩陣E0=(fij)n×q(即X) 和F0=(eij)n×p(即Y)，其中，

(1)

(2)

(3)

其中W1是E0的第一個軸，稱為模型的效應權重，且等于1.

(4)

其中C1是F0的第一個軸，稱為模型的因變量權重，且等于1. 這里要求t1和u1能分別較好的表達X和Y中的數(shù)據(jù)信息，且t1對u1具有較強的解釋能力. 之后求殘差矩陣E1和F1：

其中

從而得到F0、E0對t1的回歸方程：

(5)

(6)

3) 第2成分t2的提取.令

回到以上第3)步，對殘差矩陣進行新一輪的成分提取和回歸分析，重復第1成分t1提取步驟，最終得到F1、E1對t2的回歸方程：

(7)

(8)

第h成分th的提取同理.

4) 構建偏最小二乘回歸模型.根據(jù)以上分析，構建的偏最小二乘回歸模型如下：

(9)

其中

F2為殘差矩陣.

(10)

PRESS越小說明模型的擬合效果越好，PRESS取最小值時，模型的擬合效果達到最優(yōu)，這時提取的成分個數(shù)h即為最佳成分個數(shù).

2結(jié)果與分析

2.1研究結(jié)果利用SIMCA-P11.5軟件構建偏最小二乘回歸模型，對模型進行自動擬合，相關結(jié)果見表1.

表 1　被偏最小二乘因子解釋的變差的百分比

從表1可以看出，從自變量中提取的5個成分可解釋變差的百分比分別是75.331 2%、15.013 4%、4.550 3%、3.275 1%和2.447 9%；計算可得，t1和u1的PRESS=0.663 4，t2和u2的PRESS=0.528 6，t3和u3的PRESS=0.374 5，t4和u4的PRESS=0.155 8，t5和u5的PRESS=-0.201 5，根據(jù)PRESS最小原則，最終確定應該提取4個PLS成分.組合模型為：

t1=0.331 27x1+0.326 55x2+0.333 16x3+

0.317 62x4+0.291 95x5+0.247 81x6+0.309 97x7+

0.350 55x8+0.267 82x9-0.291 69x10, u1=0.303 68Y;

t2=0.320 06x1-0.291 25x2+0.287 51x3+

0.321 30x4+0.280 05x5-0.265 75x6+0.321 22x7+

0.340 79x8+0.265 43x9-0.240 07x10, u2=0.310 03Y;

t3=0.255 35x1+0.301 38x2+0.191 98x3-

0.331 29x4+0.290 15x5+0.301 23x6-0.321 45x7+

0.320 09x8+0.223 34x9-0.313 36x10, u3=0.307 65Y;

t4=0.341 21x1+0.240 07x2-0.231 23x3+

0.314 55x4-0.292 12x5+0.314 56x6+0.276 57x7+

0.334 40x8+0.199 89x9-0.285 58x10,

u4=0.291 24Y.

根據(jù)以上組合模型，可得回歸模型的檢驗統(tǒng)計量，其調(diào)整的R2值、F檢驗值和t檢驗值，見表2.

表 2　回歸模型檢驗統(tǒng)計量

從表2可以看出：

1) 擬合優(yōu)度R2=0.988 6，即t1、t2、t3和t4解釋了因變量98.86%的信息；

2) 方程顯著性檢驗(F檢驗)：F=70.287 33，通過查閱F分布表得F0.05(3.30)=2.92，又因為F>F0.05(3.30),因此在99%的置信度下通過了F檢驗，所以因變量Y與t1、t2、t3、t4存在較好的線性關系如圖1所示;

3) 解釋變量t檢驗：由于t0.05(30)=2.092，經(jīng)回歸分析所得t值大于這一數(shù)值，因此所有解釋變量都通過了t檢驗.

4) 序列相關性杜賓·瓦森(Durbin-Watson)檢驗：由SIMCA-P11.5軟件構建的偏最小二乘回歸模型的回歸結(jié)果可知，該模型的Durbin-Watson 檢驗值為1.528 431，查表得

dL=1.19,dU=1.47，

故有

dU

所以x1、x2、…、x10序列不存在1階自相關性.通過以上分析得出，模型通過了可靠性檢驗，且對自變量X和因變量Y解釋能力是很強的，分別達到了97.45%和98.86%，因此回歸模型精度較高，可靠性也是比較強的.由此最終得到的標準化偏最小二乘回歸方程為：

Y=0.193 25x1+0.183 76x2+0.020 17x3+

0.174 43x4+0.052 01x5+0.031 52x6+0.019 95x7+

0.160 44x8+0.017 879x9-0.184 03x10+1.776 25 ，

2.2結(jié)果分析結(jié)果表明，在上述選取的10個對貴州省糧食生產(chǎn)有較大影響的因素中，糧食播種面積、有效灌溉面積、農(nóng)業(yè)機械總動力、化肥施用量和成災面積等是影響貴州省糧食生產(chǎn)的關鍵因素.其中，糧食播種面積每變動1個單位，糧食總產(chǎn)量就會變動0.193 25個單位；有效灌溉面積變動1單位，糧食總產(chǎn)量則會變動0.183 76個單位；農(nóng)業(yè)機械總動力每提升1單位，就會引起糧食總產(chǎn)量以0.174 43的倍數(shù)增加；化肥施用量每增加1單位，會使糧食總產(chǎn)量增加0.160 44單位；而成災面積每減少1單位，就會促使糧食產(chǎn)量增加0.184 03倍.圖2和表3分別為貴州省糧食總產(chǎn)實際值與模型擬合值的對比曲線和貴州省1992—2012年影響糧食生產(chǎn)的5個關鍵指標的相關統(tǒng)計數(shù)據(jù)，由圖2可以看出擬合值與實際值具有很高的擬合度，最大擬合誤差僅5.5%.

表 3　貴州省1992—2012年影響糧食生產(chǎn)關鍵指標統(tǒng)計數(shù)據(jù)

2.2.1糧食播種面積由圖3可以看出，貴州省糧食總產(chǎn)量和糧食播種面積之間呈現(xiàn)出較強的正相關關系，由貴州省糧食產(chǎn)量影響因素的偏最小二乘回歸方程可知相關系數(shù)為0.193 25，是對該省糧食產(chǎn)量影響最大的一個因素.貴州省糧食播種面積從1992年以來總體上呈現(xiàn)出逐年遞增趨勢，但增加幅度很小，增加速度也十分緩慢，這與貴州省多山多丘陵少平地的地理條件有關.貴州省可用于農(nóng)業(yè)開發(fā)的土地資源不多，耕地面積少、質(zhì)量差，開發(fā)利用比例大，后備耕地嚴重不足，這極大地制約了糧食播種面積的擴大和整個農(nóng)業(yè)經(jīng)濟的發(fā)展.同時，由于貴州省農(nóng)村勞動力大量向城市轉(zhuǎn)移，導致農(nóng)業(yè)勞動資源外流，使得農(nóng)業(yè)生產(chǎn)出現(xiàn)勞動力短缺的現(xiàn)象，這也是制約糧食播種面積進一步增加的原因[9].2000年以后，隨著貴州省農(nóng)業(yè)產(chǎn)業(yè)結(jié)構戰(zhàn)略性調(diào)整，加之糧食比較利益的下降，貴州省糧食播種面積開始減少，相應的糧食總產(chǎn)量也出現(xiàn)了自1992年8連增以來的首次下滑，如圖3所示.特別是2006年，貴州省全省糧食播種面積僅為389 萬hm2，比2000年減少了89萬hm2，糧食產(chǎn)量減少36萬t，6年間糧食播種面積減少比例達18.62%，年均減少3.1%，相應的糧食產(chǎn)量同比下降4個百分點.正由于貴州省糧食總產(chǎn)量和糧食播種面積之間存在的這種關系，在目前的農(nóng)業(yè)技術水平下，貴州省要增加糧食產(chǎn)量確保糧食安全，就必須保證一定的糧食播種面積來作為基本保障.

2.2.2有效灌溉面積貴州省目前的農(nóng)田水利設施普遍存在著維護不足、老化嚴重，建設速度趕不上折舊速度等問題，導致農(nóng)田有效灌溉面積難以滿足提高糧食產(chǎn)量的需要[10].由圖4可以看出，貴州省農(nóng)田有效灌溉面積在1992—2006這10多年間增長速度經(jīng)歷了一個緩慢的波動，有效灌溉水平并沒有得到實質(zhì)性的提高，只是到了2006年以后這種情況才得到初步改善.

據(jù)貴州省水利廳公布的資料顯示，2012年貴州全省農(nóng)田有效灌溉面積為154.84 萬hm2，其中稻田92.15 萬hm2，占貴州省稻田總面積的42.6%；旱地62.69 萬hm2，占全省旱地總面積的27.83%，全省仍有57.4%的稻田和72.17%的旱地要依靠自然降雨和提灌等方式來保證農(nóng)業(yè)生產(chǎn)用水.但是，近些年來，隨著貴州省開始重視生態(tài)治理，作為配套工程修建了一些現(xiàn)代化的農(nóng)業(yè)灌溉基礎設施，再加之國家西部扶貧開發(fā)資金源源不斷的引入，加強了貴州省農(nóng)業(yè)綜合開發(fā)力度，一批節(jié)水灌溉水利設施也逐步完成建設并投入使用，這些都增加了農(nóng)田有效灌溉面積、提高了有效灌溉比例[11]，由圖4和表3可看出，2006年到2012年貴州省的農(nóng)田有效灌溉面積從109.38萬hm2提高到154.84萬hm2，6年間增加了45.46萬hm2，增加比例達41.56%，原因正在于此.雖然近年來貴州省農(nóng)田有效灌溉面積開始有所增加，但要達到相當規(guī)模以滿意糧食生產(chǎn)的需求，仍將需要相當長的一段時間.

2.2.3農(nóng)業(yè)機械總動力由貴州省糧食產(chǎn)量影響因素的偏最小二乘回歸方程可以看出，農(nóng)業(yè)機械總動力對貴州省糧食生產(chǎn)的貢獻率為0.174 43，也就是說農(nóng)業(yè)機械總動力每增加1個單位，就會引起糧食產(chǎn)量以0.174 43的倍數(shù)增加，可見農(nóng)業(yè)機械總動力也是貴州省糧食增產(chǎn)的關鍵因素之一.1992—2012年這20年間，貴州省農(nóng)業(yè)機械總動力從0.8 萬臺提升到11.3萬臺，同比增長131.25%，其中50 馬力以上的大中型機械增加5.6 萬臺，占到全部增加量的44.8%，尤其是2008年以后，貴州省的農(nóng)業(yè)機械總動力呈現(xiàn)出直線型增長趨勢，短短4年就增加了7.9 萬臺，增幅達232.35%，農(nóng)業(yè)機械總動力的提升對促進貴州省糧食產(chǎn)量的增加起到了重要的作用.然而，必須指出的是由于貴州省多山多坡多丘陵的地理狀況，耕地分散且種植條件普遍較差，導致農(nóng)業(yè)機械化進程受到很大制約，農(nóng)業(yè)機械總動力雖然在不斷增加，但發(fā)展瓶頸也越來越大，對糧食產(chǎn)量的促進作用減少，相關問題值得進一步探討.

2.2.4化肥施用量由偏最小二乘回歸擬合方程可知，化肥施用量對貴州省糧食生產(chǎn)的貢獻率為0.160 44，可見適當增加化肥施用量也是促進糧食增產(chǎn)的有效途徑之一.從下圖6可以看出，自1992年起，貴州省農(nóng)業(yè)化肥施用量總體上處在不斷增加的狀態(tài)，除2001—2006年出現(xiàn)局部時間段小幅下降外，其他年份增幅都比較平穩(wěn)，到2012年貴州全省農(nóng)業(yè)化肥施用量達到156.36 萬t，是1992年的1.79倍.貴州省農(nóng)業(yè)化肥施用量與糧食產(chǎn)量的關聯(lián)度較高，對糧食產(chǎn)量影響也比較大，化肥在農(nóng)業(yè)生產(chǎn)中的廣泛應用，對糧食穩(wěn)產(chǎn)和增產(chǎn)都起到了比較大的作用.然而另一方面要指出的是，由于受邊際效益遞減規(guī)律的影響，化肥投入在貴州省糧食生產(chǎn)方面的促進作用也必將逐步下降，因此一味地靠增加化肥施用量來增加糧食產(chǎn)量的做法并不可行，關鍵是要提高化肥的使用效率.

2.2.5成災面積由圖7可以看出，貴州省糧食總產(chǎn)量和自然災害成災面積之間呈現(xiàn)出一定的負相關關系，相關系數(shù)為0.184 03，是對該省糧食產(chǎn)量影響第2大的因素.因受農(nóng)業(yè)自然災害的影響， 貴州省糧食產(chǎn)量多年來波動較大.貴州省常發(fā)性農(nóng)業(yè)自然災害有冰雹、春旱、暴雨、倒春寒和作物病蟲害等，其中寒災和旱災是對該省糧食生產(chǎn)影響最大的2種自然災害[12].貴州省農(nóng)業(yè)自然災害成災面積在1992—2012年這20年里經(jīng)歷了一個“減-增-減-增-減”的波動變化過程，1992年，貴州省農(nóng)業(yè)自然災害成災面積為56.36 hm2，約占當年全省糧食播種面積的15%，之后的7年里，貴州省糧食成災面積逐年減少，到1999年，成災面積僅為20.54 hm2，減少量為35.82 hm2，降幅達63.56%，是8年里的最小值.

農(nóng)業(yè)自然災害成災面積的減少是糧食穩(wěn)產(chǎn)和增產(chǎn)的有力保障，從表3可以看出，1992—1999年，貴州省的糧食產(chǎn)量是逐年遞增的，從772 萬t增加到880 萬t，增幅達14%.1999年以后，貴州省又經(jīng)歷了2個自然災害多發(fā)期(分別為1999—2002年和2005—2006年)和2個自然災害少發(fā)期(分別為2002—2005年和2006—2012年)，在2個自然災害多發(fā)期內(nèi)和2個自然災害少發(fā)期內(nèi)，貴州省糧食作物年均成災面積分別為56.10 萬hm2和21.34 萬hm2，糧食產(chǎn)量年均增長7.6%和15.8%，可見自然災害成災面積對貴州省糧食生產(chǎn)的影響程度是很大的.

3結(jié)論與建議

3.1結(jié)論1) 利用SIMCA-P11.5軟件構建的偏最小二乘回歸模型對X和Y的解釋能力較強，通過對自變量集和因變量的相關關系進行分析，發(fā)現(xiàn)兩者之間存在著明顯的線性關系，通過對模型進行自動擬合，然后把擬合值與實際值進行比較，發(fā)現(xiàn)最大誤差只有5.5%，因此認為擬合效果很好，構建的模型具有可靠性，在貴州省糧食生產(chǎn)的影響因素的相關性方面具有良好的分析能力.

2) 貴州省糧食產(chǎn)量影響因素的偏最小二乘回歸模型表明，糧食播種面積、有效灌溉面積、農(nóng)業(yè)機械總動力、化肥施用量和成災面積5個指標是影響貴州省糧食生產(chǎn)的關鍵因素.其中，前4個指標與糧食產(chǎn)量正相關，第5個指標與糧食產(chǎn)量負相關；糧食播種面積對糧食產(chǎn)量影響最大，化肥施用量對糧食產(chǎn)量影響相對在減弱.

3) 由于貴州省特殊的地理地貌和氣候環(huán)境制約，在農(nóng)業(yè)現(xiàn)代化和機械化發(fā)展初期，提高農(nóng)業(yè)生產(chǎn)機械化水平可以提高生產(chǎn)力，但當機械化水平達到一定程度后其發(fā)展便會遇到瓶頸；在一定的時期和一定的水平下，增加化肥施用量會提高糧食產(chǎn)量，但受邊際效益遞減規(guī)律的影響，在目前貴州省化肥施用量已很大的前提下，繼續(xù)增加化肥施用量不一定能夠繼續(xù)增加糧食產(chǎn)量.

4) 成災面積對貴州省糧食生產(chǎn)的影響較大，因此政府應該加大投入，做好防災減災預案，提高糧食生產(chǎn)的可能性.

3.2建議

3.2.1加強耕地保護，穩(wěn)定糧食播種面積2012年貴州省政府1號文件要求要保證全省糧食播種面積穩(wěn)定在423.3 萬hm2、糧食總產(chǎn)量穩(wěn)定在1 150 萬t左右，為此就必須進一步挖掘耕地潛力.近5年來，貴州省糧食播種面積一直保持在441～499 萬hm2之間，平均為475.8 萬hm2，變異系數(shù)為5.72%，總體糧食播種面積還算比較穩(wěn)定.糧食播種面積會受到諸如糧價、氣候環(huán)境、耕地數(shù)量與質(zhì)量等多方面因素的影響[13]，只有確保糧食價格穩(wěn)定增加農(nóng)民種糧收入、加強預測預警以減小氣候環(huán)境對播種的影響、實行嚴格的耕地保護政策提高耕地質(zhì)量，才能進一步挖掘挖掘農(nóng)地潛力，糧食播種面積才會有所保障.

3.2.2加強農(nóng)田基礎設施建設，提升有效灌溉水平貴州省目前的農(nóng)田水利基礎設施建設比較薄弱，普遍存在著維護不足、老化嚴重、建設速度趕不上折舊速度的問題，導致農(nóng)田有效灌溉面積難以滿足提高糧食產(chǎn)量的需要.但有效灌溉面積對貴州省糧食產(chǎn)量影響較大，因此必須要加強農(nóng)田水利設施建設，改善農(nóng)業(yè)灌溉條件，提升農(nóng)田有效灌溉水平，增加有效灌溉面積，才能增加糧食產(chǎn)量.

3.2.3加強農(nóng)業(yè)災害預警預報，降低災害損失要加快完善自然災害預警預報系統(tǒng)，最大限度的攻克突發(fā)性農(nóng)業(yè)自然災害在預報方面的難關.可以考慮將地理信息系統(tǒng)中的遙感遙測技術引入到自然災害的監(jiān)測中，提高預報精度.要加快貴州省防汛抗旱領導辦公室的職能建設，對災后農(nóng)業(yè)減災工作開展專業(yè)指導、對口援助，最大限度的降低糧食產(chǎn)量損失.另一方面，還要深化貴州省綜合防治體系建設，農(nóng)業(yè)自然災害是一個復雜的系統(tǒng)工程，只有有的放矢、全面規(guī)劃、綜合防治，才能有效減少自然災害對糧食產(chǎn)量的影響.

3.2.4加快農(nóng)業(yè)科技創(chuàng)新，提高單糧食單產(chǎn)在可用耕地面積有限、糧食播種面積也不可能大幅增加的情況下，貴州省糧食總產(chǎn)量的增加就必須要依靠提高單位面積產(chǎn)量.在2006—2012年這6年間，貴州省糧食單產(chǎn)平均值為268 kg，變異系數(shù)為4.37%，而同期全國糧食單產(chǎn)平均值平均為312 kg,是貴州省的1.16倍，由此可以看出，貴州省糧食單位面積產(chǎn)量依舊很低，農(nóng)業(yè)生產(chǎn)效率不高.要想提高糧食單產(chǎn)，就必須加快農(nóng)業(yè)科技創(chuàng)新，提高糧食生產(chǎn)中的科技含量，具體可以考慮選育適合貴州省生長的優(yōu)良糧食作物品種，提高生物技術應用能力、擴大生物技術應用范圍，研制不會破壞土壤結(jié)構的綠色新型肥料提高土壤肥力等[14].

3.2.5改革現(xiàn)有耕地制度，進一步挖掘糧食生產(chǎn)潛力目前貴州省政府和各下級地方政府在耕地保護上目標不一致：省政府更注重耕地的可持續(xù)利用和全省的糧食生產(chǎn)與安全，地方政府更注重短期經(jīng)濟效益而不太關注對耕地的保護和永續(xù)利用；貴州全省耕地規(guī)?；?jīng)營水平很低，不利于提高糧食生產(chǎn)效率.針對這些個問題，必須果斷改革現(xiàn)有耕地制度，可考慮通過把耕地有效保護和地方政府政績掛鉤來規(guī)范其非理性的供地行為；要提高土地規(guī)模經(jīng)營程度，通過立法立規(guī)為其提供法律保障，以進一步挖掘糧食生產(chǎn)潛力，提高糧食產(chǎn)出效益[15].

致謝貴州大學人文社科重點特色學科重大項目(GDZT12007)對本文給予了資助,謹致謝意.

參考文獻

[1] 趙慧江. 基于回歸分析的糧食產(chǎn)量影響因素分析[J]. 懷化學院學報，2009，28(2):31-35.

[2] 肖海峰. 我國糧食綜合生產(chǎn)能力影響因素分析[J]. 農(nóng)業(yè)技術經(jīng)濟，2004(6)：45-49.

[3] 高倩倩,邢秀峰,姚傳進. 基于逐步回歸分析的糧食產(chǎn)量影響因素研究[J]. 當代經(jīng)濟，2010(9)：145-147.

[4] 杜國明，劉彥隨，劉閣,等. 黑龍江省近30年來糧食生產(chǎn)變化及增產(chǎn)因素分析[J]. 農(nóng)業(yè)現(xiàn)代化研究，2014,35(5)：519-524.

[5] 廖婧琳,蘇月,馮澤蔚,等. 54年來農(nóng)業(yè)自然災害對貴州省農(nóng)業(yè)經(jīng)濟的影響分析[J]. 安徽農(nóng)業(yè)科學，2008,36(25)：114-117.

[6] 趙子瑩，謝頌磊. 1978—2008年貴州省糧食產(chǎn)量影響因素分析[J]. 農(nóng)業(yè)現(xiàn)代科技，2013(8)：336-337.

[7] 謝杰. 中國糧食生產(chǎn)影響因素研究[J]. 經(jīng)濟問題探索，2007(9)：36-40.

[8] 馬明德，馬學娟. 農(nóng)業(yè)經(jīng)濟增長影響因子的偏最小二乘回歸分析研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2014,35(5):123-128.

[9] 肖厚軍. 貴州糧食綜合生產(chǎn)能力的影響因素與對策分析[J]. 貴州農(nóng)業(yè)科學，2005,33(4)：101-103.

[10] 王天生，王瑤. 貴州省糧食生產(chǎn)發(fā)展60年回顧與展望[J]. 貴州農(nóng)業(yè)科學，2009,37(9)：1-9.

[11] 楊靜，張和喜，蔡長舉，等. 貴州省節(jié)水灌溉發(fā)展現(xiàn)狀及對策[J]. 中國農(nóng)村水利水電，2012(7)：29-30.

[12] 蔣彥. 貴州省自然災害對農(nóng)業(yè)經(jīng)濟的影響分析[J]. 北京農(nóng)業(yè)，2012(18)：223.

[13] 郭柏林. 我國糧食播種面積變化的地理研究[J]. 經(jīng)濟地理，1995,15(1)：55-60.

[14] 劉春香，閆國慶. 我國農(nóng)業(yè)技術創(chuàng)新成效研究[J]. 農(nóng)業(yè)經(jīng)濟問題，2012(2)：32-37.

[15] 許慶， 尹榮梁， 章輝. 規(guī)模經(jīng)濟、規(guī)模報酬與農(nóng)業(yè)適度規(guī)模經(jīng)營：基于我國糧食生產(chǎn)的實證研究[J]. 經(jīng)濟研究，2011(3)：59-71.

(編輯陶志寧)

Analysis of the Partial Least-Square Regression (PLS) on Influencing Factors of Grain Output in Guizhou Province

LI Fuduo,YANG Xinghong

(Collegeofmanagement,GuizhouUniversity,Guiyang550025,Guizhou)

Abstract：Taking Guizhou province as the study area, the influence factors of grain production partial least-square regression model were constructed. It shows that there is a significant linear relationship between independent variable set and dependent variable set. The goodness of fit R2=0.9886, which indicates the regression model with high precision and strong reliability.The research results also show that in the selection of indicators, the sown area to grain, effective irrigated area, total power of agricultural machinery, fertilizer application and disaster area are the key factors affecting grain production in Guizhou.

Key words：Guizhou province； grain output； influencing factors； least-square regression method

doi:10.3969/j.issn.1001-8395.2016.01.025

中圖分類號：F321

文獻標志碼：A

文章編號：1001-8395(2016)01-0151-08

*通信作者簡介：楊興洪(1971—)，女，教授，主要從事農(nóng)業(yè)經(jīng)濟理論與政策、農(nóng)業(yè)保險等研究,E-mail:18366622500@163.com

基金項目：貴州省教育廳高校人文社會科學基地研究項目(12JDO22)

收稿日期:2014-11-11