河南省农用地集约利用驱动因素协整分析

宋文博， 孟庆香,2， 丁艳喜， 康 凯， 王 杨

(1.河南农业大学资源与环境学院，河南 郑州 450002；2.河南省高校农业资源与环境工程技术研究中心，河南 郑州 450002；3.河南今辰信息科技有限公司，河南 郑州 450002)

河南省农用地集约利用驱动因素协整分析

宋文博1， 孟庆香1,2， 丁艳喜3， 康 凯1， 王 杨1

(1.河南农业大学资源与环境学院，河南 郑州 450002；2.河南省高校农业资源与环境工程技术研究中心，河南 郑州 450002；3.河南今辰信息科技有限公司，河南 郑州 450002)

利用河南省1978—2012年的相关数据，建立适用于河南省的农用地集约利用评价体系，用BP神经网络对农用地集约利用水平进行测算，借助协整分析考察了农用地利用集约度与其驱动因素的长期均衡关系和短期波动效应.结果表明,长期内，农用地利用集约度与农民人均收入、农业总产值、政策法规存在正向影响，3者每增加1%，分别会引起农用地利用集约度提高0.241%，0.230%，0.176%；人均耕地对农用地利用集约度存在负向影响，其每减少1%，会引起农用地利用集约度提高0.157%.而在短期内，农民人均收入、农业总产值和人均耕地对农用地利用集约度的作用方向相同而作用力大小不同，政策法规对农用地集约利用的影响更多地体现在长期.

农用地；集约利用；BP神经网络；协整分析

随着《关于支持河南省加快建设中原经济区的指导意见》的出台，建设中原经济区正式上升为国家战略，而增强河南省经济发展对整个中原经济区建设乃至全国改革发展大局都有极为重大的意义.河南省是中国的农业大省、粮食主产区，发展河南农村经济不仅是加快中原经济区建设的重要保障，更是扭转工农差距、城乡差距的关键所在.但是经济增长和城市化进程的不断加快，导致农产品需求和建设活动占用耕地的数量并行增加，城市发展和农地保护的矛盾愈演愈烈，加之土地资源的有限性和稀缺性，提高农用地资源的集约利用水平已经成为社会经济发展的客观要求.农用地集约利用即通过增加人力、物力和技术投入，提升耕地产出率，在有限的耕地上产出更多的农产品，因此受到学者们的广泛关注.一些学者已经发现，农用地集约利用水平的变化有时甚至比耕地面积锐减更能影响到中国粮食的安全问题[1,2]，专家呼吁应加强对农用地内部利用方式和利用程度的研究[3].

学术界对农用地集约利用的相关研究主要集中在构建指标以及综合评价上，如陈笑媛等[4]以贵州西部毕节地区为例，从投入强度、产出效果、利用程度和可持续利用4个方面构建了农用地集约利用评价指标体系，采用层次分析法和多因素加权分值法，建立了农用地集约利用综合指数的计算模型；黄静等[5]基于农用地投入、产出分析，构建农用地集约利用评价指标体系，借助数据包络分析方法对中国西部地区农用地利用效率进行评价，深入分析了投入对农用地利用效率的影响.结果表明，提高农用地利用效率，改善农用地粗放经营的格局，必须科学规划、合理配置资源；李瑞华等[6]采用GRA和多元回归分析研究河南省农用地集约利用影响因素，认为经济、科技和政策是河南省农用地集约利用水平变化的主要影响因素；张晔等[7]选择湖南省环洞庭湖的岳阳、常德、益阳3市为研究区域，以土地集约利用为目标，构建农用地集约利用评价指标体系和评判标准，采用层次分析法和模糊综合评判法相结合的方法，对区域农用地集约利用水平进行评价.研究表明，环洞庭湖3市农用地集约利用程度均高于同期全省平均水平，加大耕地投入强度、提高耕地产出效益是3市农用地集约利用程度提升的有效途径.总的来看，当前关于影响因素分析上主要集中在定性分析上，而对农用地集约利用驱动因素的定量研究较少，在人地矛盾日益加剧的情况下，研究各驱动因素对农用地集约利用的作用机制，对促进农村产业结构调整、资源优化配置以及确保河南省粮食安全等方面有着重要的理论和现实意义.

1 研究方法和数据来源

1.1研究方法

1.1.1 农用地集约利用综合指数测度 农用地集约利用实质上是农民在自然、社会、经济、政策法规等因素的约束下，所采取的对农用地行为方式的静态体现，因此需要综合多方面指标来描述农用地的集约利用水平.本研究在遵循科学性、可操作性、动态性和代表性的基础上，参考现有的研究成果[6,8～12]，从投入强度、利用强度、产出效率和持续状况4个方面选取了12个指标，建立适合河南省农用地集约利用评价的指标体系(表1)，并采用BP神经网络，计算河南省农用地集约利用综合指数.

BP神经网络是由RUMELHART 和 MCCLELLAND[13]提出的一种利用误差反向传播训练算法的神经网络，它是一种模仿人类大脑神经的网络结构，原理是梯度最速下降法，通过不断地调整权值改善系统，使网络总误差降到最小[14].本研究在农用地集约利用综合指数的计算中，选用BP神经网络主要考虑到以下2个方面：1)BP 神经网络各个神经元之间能够实现信息双向传导，主要用于求解系统的误差最小点，具有良好的系统优化特性，农用地集约利用综合指数的计算，本质上就是寻找各个指标和综合指数之间的函数关系.2)BP 神经网络可以实现对任意区间内的连续函数进行逼近，通过隐含层在保证训练精度的基础上，完成任何维度之间的函数映射，BP 神经网络这种连续映射逼近能力，足可满足农用地集约利用综合指数的计算要求.具体流程为：首先，确定BP神经网络拓扑结构，主要包括网络层数、输入层、隐含层和输出层的节点数；其次，确定学习速率、误差上限和激活函数等模型参数；最后，选择样本进行学习训练，通过逼近指标体系和综合指数之间的复杂关系，完成农用地集约利用综合指数测度.

表1 河南省农用地集约利用评价指标体系Table 1 The index system of agricultural land intensive utilization in Henan province

1.1.2 农用地集约利用影响因素协整分析 本研究通过借鉴国内的相关研究[6,15～18]，结合河南省社会经济发展情况和数据的获得性，将影响河南省农用地集约利用水平(ACI)的驱动因素按以下方面进行设定： 河南省是一个旱涝多发的地区，这些自然灾害将会直接影响河南省的农业生产，进而对农用地利用造成影响，选取农业灾害面积(AD)表示自然驱动因素；基础设施的完善程度对区域农用地利用效率有着较大影响，选取有效灌溉面积(EI)表示基础设施的完善程度；经济因素是决定农用地开发利用的基本条件，并直接影响农用地开发利用方式、深度和效益，选取农民人均收入(PI)和农业总产值(TF)表示经济驱动因素；人地关系因素客观上对农民的行为产生影响，选取农业人口(AP)和人均耕地(PC)作为反映人地关系的指标；政策因素是农用地利用的控制因素，其对农用地集约利用的影响不容忽视，选取政策法规(PR)作为其指标.为克服数据中的异方差，对各驱动因素数据取对数并分别记为LACI，LAD，LEI，LPI，LTF，LAP，LPC，LPR.

本研究采用ADF检验进行平稳性检验，在验证时间序列平稳的基础上，采用OLS法估计长期均衡方程，并保存残差，若残差项是平稳的，序列存在协整关系，反之不存在.根据Granger定理，多个非平稳变量如果存在协整关系，则这些变量一定存在误差修正模型(ECM)表达式.ECM是由存在协整关系的同阶单整时间序列组成，它们反映了长期均衡对短期波动影响的“误差修正机制”.误差修正模型不仅能够保留变量关系的长期动态信息，而且还能够保证回归分析的有效性.

1.2数据来源

数据均来源于1978—2012年《河南省统计年鉴》，其中农用地受灾面积来自《改革开放三十年农业统计资料汇编1978—2007》以及《河南省灾情数据统计》(2008—2012).政策法规为定性指标，根据相关农业政策具体设定，主要参照1986年出台的《土地管理法》、2003年出台的《农村土地承包法》以及2006年取消农业税等政策、措施，把1978—1985年赋值为1，1986—2002年赋值为2，2003—2005年赋值为3,2006—2012年赋值为4.

2 实证研究

2.1农用地集约利用综合指数的测度

本研究采用MATLAB工具箱及其语言编程求解BP神经网络.根据计算工作的特点，网络训练数据通常是由各种研究对象的评价标准构成，如劳力投入指数和产投比例等.由于农用地集约利用评价研究尚没用统一的判断标准，本研究参照文献[19]的选取方法，用线性内插法，通过构建所有指标原始数据的最大值和最小值区间，线性设定影响等级，农用地集约利用综合指数为10分，梯度为0.5，从0到10分别表示农用地集约利用综合指数由低到高([0,2)表示集约度最低，[2,4)表示集约度较低，[4,6)表示集约度一般，[6,8)表示集约度较高，[8,10]表示集约度最高).

将21个得分值作为BP神经网络的输出数据，并将评价指标通过线性内插法处理为21个等级，最后得到12组共252个训练用的样本数据，对其标准化后作为输入数据.结合前述BP神经网络计算步骤，设置隐含层神经元个数为25个，神经网络的拓扑结构为12×25×1.隐含层和输出层网络分别采用Sigmoid型激活函数和Purelin型激活函数，学习速率Lr设置为0.01，最大循环次数设置为1 000，均方误差MSE为10-5(图1).将河南省农用地集约利用评价指标体系标准化的数据导入训练好的网络，得到1978—2012年河南省农用地集约利用综合指数(表2).

2.2农用地集约利用驱动因素协整分析

利用EViews计量经济软件，对1978—2012年LACI，LAD，LEI，LPI，LTF，LAP，LPC和LPR序列进行单位根的平稳性检验(最优滞后期根据AIC准则确定)，结果如表3所示.

图1 BP神经网络训练过程Fig.1 Training process of BP ANN

年份Year综合指数ACI年份Year综合指数ACI年份Year综合指数ACI年份Year综合指数ACI年份Year综合指数ACI19780.00819851.75619922.67919994.74920066.26219790.02619861.06419932.52320005.68020077.02419800.07619872.26519942.71120015.63520087.95119810.31019881.18719952.89520025.44420098.36119820.28319892.64819963.36820035.93520109.24019831.00219902.74119973.54020046.01820119.62119841.50619912.53119983.81320056.24620129.867

表3 单位根检验结果Table 3 Unit root test

单位根检验结果表明，在5%的显著水平下，接受序列LACI，LAD，LEI，LPI，LTF，LAP，LPC和LPR均有单位根的假设，但是拒绝LACI，LPI，LTF，LPC和LPR的一阶差分具有单位根的假设，所以这些序列属于一阶单整序列，满足进行协整检验的条件，建立LACI，LPI，LTF，LPC，LPR的OLS回归模型，得到以下方程(括号内为t统计值)：

LACI=3.420+4.241×LPI-4.628×LTF-

(1.213) (2.223) (-2.219)

15.904×LPC+0.399× LPR

(1)

(-4.273) (0.612)

式中：LTF的系数符号与其经济意义不相符，且LPR的t统计值不显著，怀疑存在共线性.对其进行VIF共线性诊断，得到VIF检验结果(表4).从表4中可知，各个驱动因子的VIF值均大于10，表

表4 VIF诊断结果Table 4 The results of the variance inflation factors

明式(1)存在严重的多重共线性.本研究采用岭回归对式(1)中变量系数进行修正，借助SPSS19分析软件，调用Ridge regression命令，得到4个驱动因子的岭迹图(图2).岭迹图显示岭参数k为0.50时，岭回归系数已经基本稳定，选用k=0.50进行参数输出，得到修正OLS回归方程：

LACI=-2.109+0.241×LPI+0.230×LTF-

(-4.464) (6.825) (7.039)

0.157× LPC+0.176× LPR

(2)

(-7.441) (3.629)

R2=0.857F=20.802SigF=0.000

式中：t检验显著，且各因子系数均符合其经济学意义，对其残差进行ADF检验，得出残差项不存在单位根，说明各变量之间存在整体协整关系.长期内农用地集约利用水平与农民人均收入、农业总产值、政策法规存在正相关关系，其每增加1%，分别会引起农用地集约利用水平增加0.241%,0.230%,0.176%；农用地集约利用水平与人均耕地呈现负相关关系，人均耕地每减少1%，会引起农用地集约利用水平增加0.157%.

图2 河南省农用地集约利用影响因素的岭迹图Fig.2 The influencing factors of the ridge trace plot changers related to the agricultural land intensive utilization in Henan province

虽然农用地集约利用水平与其驱动因素存在长期均衡关系，但是这种关系短期调整过程仍需进一步验证.模型短期内由于受到外界干扰会导致偏离均衡状态，所以有必要对短期波动进行修正.误差修正模型(ECM)可以将短期波动和长期均衡进行直接的描述，把均衡误差引入一阶差分滞后模型，建立误差修正模型，得到：

△LACIt=-0.059+2.249×△ LPIt+1.971×△LTFt-0.274×△LPCt

-0.245×△LPRt-0.270×ECMt

(3)

从误差修正模型(式3)可知，短期内，农民人均收入(LPI)和农业总产值(LTF)对农用地集约利用(LACI)有正向影响，其每增加1%，会引起农用地集约利用(LACI)提高2.249%,1.971%；人均耕地(LPC)和政策法规(LPR)对农用地集约利用(LACI)存在负向影响，其每增加1%，会引起农用地集约利用(LACI)降低0.274%，0.245%.农用地集约利用水平的变化不仅取决于驱动因子的变化，还取决于上一期农用地集约利用水平的增长对均衡水平的偏离，ECM的系数-0.270体现了模型对偏离的修正，前一期的偏离程度越大，本期修正的量也就越大，系统存在误差修正机制.

通过长期均衡模型和短期误差修正模型可以看出，农民人均收入和农业总产值在长期和短期内均是影响农用地集约利用的最主要驱动因素，农业总产值和农民人均收入作为经济因素，是决定农用地集约利用的基本保障，也是能够直接影响农用地集约利用方式、广度、深度和效益的重要条件.农民经济实力的提升，为农村机械化更多的投入提供了可能，使灌溉、机耕水平得到提升，且经济的发展加快了农业科技的研究和推广，进而提高农用地的利用强度和产出水平.

人均耕地一直对农用地集约利用有着负向影响，说明人地关系紧张的地区，客观上对农用地集约利用的要求就强.河南省作为农业大省，2012年底共有耕地面积720.34万hm2，是我国耕地面积所占比例最高的省份之一，但是人均耕地仅有0.068 hm2，仅相当于世界平均水平的1/3，而且人均耕地面积呈现逐年下降趋势，人地矛盾日益严峻.这要求河南省在未来的发展方向上，需要对耕地更为理性地利用，通过合理加大人力、物力的投入，在有限的耕地上产出更多的农产品.

政策法规长期内对农用地集约利用产生正向影响，短期内的影响却为负向，说明政策法规对农用地集约利用变化有一定的滞后效应.农用地集约利用水平所产生的经济效益、社会效益和生态效益，通常需要一定的滞后期才能显现，农民一般只会关心短期和自身的效益，这种“长期—短期”和“公共—自身”的矛盾，需要政府制定政策来调节，对农民的行为加以引导和调控.国家对于惠农政策的出台和实施，比如土地延包、免除农业税等，在很大程度上激发了农民投入农业生产的热情，推动了农用地的集约利用.从中可以看出，农业政策法规对于加快农业和农村经济发展，促进农用地集约利用具有重要现实意义.

3 结论与讨论

根据学习样本自动映射农用地集约利用综合指数与评价指标体系之间的非线性关系，从而为农用地集约利用评价提供一种可行、有效、评价结果客观的信息处理技术方法.从投入强度、利用程度、产出效益和持续状况4个层面共12个指标建立河南省农用地集约利用评价指标体系，借助BP神经网络对河南省1978—2012年农用地土地集约利用水平进行测度，在此基础上，应用协整理论和误差修正模型，考察了河南省农用地集约利用与其驱动因素的长期均衡关系及短期波动影响.

通过协整分析发现，农用地集约利用水平与农民人均收入、农业总产值、人均耕地和政策法规存在长期均衡关系.长期内，农民人均收入、农业总产值和政策法规对农用地集约利用存在正向影响；而人均耕地对农用地利用的集约度存在负向影响.根据短期误差修正模型，尽管农民人均收入、农业总产值和人均耕地对农用地集约利用的影响在方向上没有变化，但是在影响程度上却发生了很大变化；短期内政策法规对农用地集约利用存在负向效应，说明其对农用地集约利用的影响更多体现在长期的作用上.河南省作为农业大省，农业是国民经济的基础，2006年国务院印发《中共中央国务院关于促进中部地区崛起的若干意见》，河南省成为东部产业转移和递推聚集地的最佳区位，到2011年，中原经济区正式上升为国家战略，河南省工业化城市化进程加快，这其中不免占用大量的农用地.因此，在河南省特殊经济环境的背景下，需要更好地保护农用地资源，从土地确权、控制和降低农业生产成本等方面及时制定响应的政策.唯有在确保农用地资源安全的情况下，方能实现社会经济的可持续发展.

[1] 张凤荣,孔祥斌,徐 艳.开展农地利用方式变化规律研究探讨土地可持续利用模式[J].中国农业科技导报,2002,4 (3):18-22.

[2] LI XINBIN,WANG XIUHONG.Changers in agricultural land use in China:1981—2000[J].Asian Geographer,2003,22(1-2):27-42.

[3] 刘成武,李秀彬.1980—2002年中国农用地集约利用变化的时序特征[J].农业工程学报,2006,22(4):194-198.

[4] 陈笑媛,丁筑茂,王 博.基于层次分析法的农用地集约利用评价——以毕节地区为例[J].安徽农业科学,2008,36(16):7042-7044.

[5] 黄 静,刘新平,阿依吐尔逊·沙木西.基于DEA理论与模型的中国西部地区农用地利用效率评价[J].科技和产业,2013,13(12):66-69.

[6] 李瑞华,白世强.河南省耕地集约利用时空分异及驱动因素研究[J].系统科学与综合研究,2009,25(3):263-267.

[7] 张 晔,邓楚雄,谢炳庚,等.湖南省环洞庭湖三市耕地集约利用模糊综合评价[J].武陵学刊,2011,36(6):82-86.

[8] 邓楚雄,谢炳庚,李晓青,等.基于主成分分析法的湖南省农用地集约利用评价[J].热带地理,2011,31(1):71-75.

[9] 崔 丽,许月卿.河北省农用地集约利用度时空变异分析[J].地理科学进展,2007,26(2):116-125.

[10] 曹银贵,周 伟,王 静,等.基于主成分分析与层次分析法的三峡库区耕地集约利用对比[J].农业工程学报,2010,26(4):291-296.

[11] 刘 超,王翠欣,李国宁.农用地集约利用潜力评价方法研究[J].地域研究与开发,2008,27(5):81-83.

[12] 张 琳,张凤荣,安萍莉,等.不同经济发展水平下的耕地利用集约度及其变化规律比较研究[J].农业工程学报,2008,24(1):108-112.

[13] LAKNER P.Optimal trading strategy for an investor: the case of partial information[J].Stochastic Processes and Their Applications, 1998，76:77-97.

[14] 王德明,王 莉,张广明.基于遗传BP神经网络的短期风速预测模型[J].浙江大学学报,2012,46(5):837-841.

[15] 朱会义,李秀彬,辛良杰.现阶段我国耕地利用集约度变化及其政策启示[J].自然资源学报,2007,22(6):907-915.

[16] 刘新卫,张丽君.中国土地资源集约利用研究[M].北京:地质出版社,2006:83-86.

[17] 杨 杨,吴次芳,韦仕川.浙江省人地关系变化阶段特征及调整策略[J].中国人口·资源与环境,2007,17(1):61-65.

[18] 崔 丽,许月卿.河北省农用地集约利用时空变异分析[J].地理科学进展,2007,26(2):116-125.

[19] 许月卿,李双成.中国经济发展水平区域差异的人工神经网络判定[J].资源科学,2005,27(1):69-72.

(责任编辑：朱秀英)

Co-integrationanalysisondrivingfactorsofagriculturallandintensiveutilizationinHenanprovince

SONG Wen-bo1, MENG Qing-xiang1,2, DING Yan-xi3, KANG Kai1, WANG Yang1

(1.College of Recourse and Environment, Henan Agricultural University, Zhengzhou 450002, China；2.Agricultural Resources and Environmental Engineering Technology Research Center for Higher Institutions in Henan Province, Zhengzhou 450002, China； 3.Henan Jinchen Information Technology CO.LTD., Zhengzhou 450002, China)

This paper based on time-series data from1978 to 2012 of Henan Province, constructs the index system of agricultural land use intensity, calculates the levels of agricultural land intensive utilization by using BP ANN. On this basis, using co-integration theory, this paper analyzes the long-term equilibrium and the short-term fluctuation relationships between agricultural land intensive utilization and its driving factors. The research shows that, in the long term, per-capita net income of farmers, total value of farm output, policy-regulations have positive influences on agricultural land intensive utilization. When each of these driving factors increases by 1%, the agricultural land intensive utilization will respectively increase by 0.241%, 0.230%, and 0.176%. Moreover, the per-capita area has negative impacts on agricultural land intensive utilization, when the per-capita area increases by 1%, the agricultural land intensive utilization will respectively decrease by 0.157%. In the short term, per-capita net income of farmers, total value of farm output, per-capita area have the same influence direction but different influence sizes on agricultural land intensive utilization, however, the long-term effects of policy-regulations on agricultural land intensive utilization is more evident.

agricultural land; intensive utilization; BP ANN; co-integration analysis

F 301

：A

2014-02-18

中国地质调查局项目(12120113007300)

宋文博，1988年生，男，河南商丘人，硕士研究生，研究方向为土地利用评价.

孟庆香，1977年生，女，河南新乡人，副教授，博士.

1000-2340(2014)05-0637-06