京津冀地区农业劳动生产率的分异特征及其影响因素

doi:10.13209/j.0479-8023.2017.001

摘要/Abstract

摘要：

以京津冀地区 171 个县域为研究单元, 利用GIS空间分析等方法, 分析1994, 2000, 2006 和 2012 年农业劳动生产率的空间分异特征, 并借助地理加权回归模型揭示2000和2012年县域农业劳动生产率空间分异的影响因素, 得到以下结果。1) 县域农业劳动生产率发展不均衡, 空间分异显著。京津唐地区的农业劳动生产率较高, 但近年来北京所辖区县的农业劳动生产率提升较慢, 高高集聚单元数明显减少; 石家庄市周边出现新的高高集聚类型区; 张家口、承德、保定和邢台所辖多数县域的农业劳动生产率处于较低水平。2) 县域农业劳动生产率快速提升, 并且两极分化趋势不明显; 4 个年份中, 县域农业劳动生产率存在显著的正向相关性, 但空间集聚程度减弱。3) 地理加权回归模型的拟合结果明显优于普通最小二乘法。171个县域各控制变量的参数估计结果和回归系数均不相同, 县域农业劳动生产率的驱动因素呈现非均衡联动的局域性特征, 其中, 上期农业劳动生产率的影响最显著。因此, 应结合县域农业劳动生产率的现状和影响因子的效应, 因地制宜地采取相应措施, 优化和提升区域农业劳动生产率。

关键词: 农业劳动生产率, 时空格局, 影响因素, 地理加权回归, 京津冀地区

Abstract:

Taking 171 counties of Beijing-Tianjin-Hebei region as research units, adopting GIS spatial analysis methods, it is revealed that spatial difference of agricultural labor productivity in 1994, 2000, 2006 and 2012. With geographically weighted regression model, the causes for the spatial difference of labor productivity in 2000 and 2012 are revealed. The results indicate that the agricultural labor productivity at county level shows unbalanced development with remarkable special differentiation. The counties in Beijing-Tianjin-Tangshan region possess higher agricultural labor productivity, however, there is a slow increase in labor productivity for the counties in Beijing, obvious decrease in number of agglomeration unit. The agricultural labor productivity of the counties in Shijiazhuang surrounding area sees high-level agglomeration; Agricultural labor productivity of the counties in Zhangjiakou, Chengde, Baoding and Xingtai is situated at a relatively low level. During the research period, agricultural labor productivity has a rapid increase, with no obvious polarization trend. In four research years, agricultural labor productivity at county level shows positive correlation but with weakened agglomerating level, so agricultural labor productivity at county level shows a decentralized sign. Simulation result of geographically weighted regression model is significantly better than ordinary least squares. Parameter estimation results for regression coefficients of controlled variables of 171 countries are different. Driving factors of labor productivity of agricultural work are featured as localization other than unbalanced linkage, and effects of agricultural labor productivity in previous stage are most obvious. Therefore, current status of agricultural labor productivity and driving factor should be combined to optimize agricultural labor productivity in Beijing-Tianjin-Hebei region.

Key words: agricultural labor productivity, spatial-temporal pattern, impact factor, geographically weighted regression, Beijing-Tiajin-Hebei region

中图分类号:

F307

刘玉, 郑艳东, 陈秧分. 京津冀地区农业劳动生产率的分异特征及其影响因素[J]. 北京大学学报自然科学版, 2017, 53(1): 101-110.

Yu LIU, Yandong ZHENG, Yangfen CHEN. Spatial-Temporal Pattern and Causes for Agricultural Labor Productivity in Beijing-Tianjin-Hebei Region[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(1): 101-110.

图/表 8

参考文献 37

[1]	邓一鸣. 农业劳动生产率与农业劳动力转移相关增长规律初探. 经济问题, 1989(10): 18-27
[2]	汪小平. 中国农业劳动生产率增长的特点与路径分析. 数量经济技术经济研究, 2007(4): 14-25
[3]	周亮, 徐建刚, 张明斗, 等. 粮食增产背景下淮河流域农业生产效率时空变化分析. 地理科学, 2013, 33(12): 1476-1483
[4]	刘德光. 改进农业劳动生产率指标的计算方法. 农业技术经济, 1986(8): 43-46
[5]	李静, 蒋长流. 农业劳动生产率区域差异与农业用能强度收敛性. 中国人口 · 资源与环境, 2014, 24(11): 17-25
[6]	余康, 郭萍, 章立. 我国农业劳动生产率地区差异动态演进的决定因素: 基于随机前沿模型的分解研究. 经济科学, 2011(2): 42-53
[7]	Carmen M C.Determinants of labour productivity convergence in the European agricultural sector. Agrociencia, 2012, 46(6): 621-635
[8]	Xin X, Qin F.Decomposition of agricultural labor productivity growth and its regional disparity in China. China Agricultural Economic Review, 2011, 3(1): 92-100
[9]	Lin B Q, Fei R L.Analyzing inter-factor substitution and technical progress in the Chinese agricultural sector. European Journal of Agronomy, 2015, 66: 54-61
[10]	Summer A, Matin Q, Andrew T.Household water constraints and agricultural labour productivity in Tanzania. Water Policy, 2013, 15(5): 761-776
[11]	Dorward A.Agricultural labour productivity, food prices and sustainable development impacts and indicators. Food Policy, 2013, 39(1): 40-50
[12]	魏巍, 李万明. 农业劳动生产率的影响因素分析与提升路径. 农业经济问题, 2012(10): 29-35
[13]	Cao K H, Birchenall J A.Agricultural productivity, structural change, and economic growth in post-reform China. Journal of Development Economics, 2013, 104(3): 165-180
[14]	蒋乃华. 我国农业劳动生产率决定的实证分析及政策含义. 中国农村观察, 2004(2): 34-38
[15]	辛翔飞, 刘晓昀. 要素禀赋及农业劳动生产率的地区差异. 世界经济文汇, 2007(5): 1-18
[16]	Fotheringham A S, Brunsdon C, Charlton M.Geo-graphically weighted regression: the analysis of spatially varying relationships. Chichester: Wiley, 2002
[17]	刘世梁, 刘琦, 王聪, 等. 基于地理加权回归的漫湾库区景观破碎化及影响因子分析. 地理科学, 2014, 34(7): 856-862
[18]	方远平, 谢蔓, 毕斗斗, 等. 中国入境旅游的空间关联特征及其影响因素探析: 基于地理加权回归的视角. 旅游学刊, 2014, 28(3): 22-35
[19]	刘琼峰, 李明德, 段建南, 等. 农田土壤铅、镉含量影响因素地理加权回归模型分析. 农业工程学报, 2013, 29(3): 225-234
[20]	应龙根, 宁越敏. 空间数据:性质、影响和分析方法. 地球科学进展, 2005, 20(1): 49-56
[21]	樊杰. 京津冀都市圈区域综合规划. 北京: 科学出版社, 2010
[22]	陈来, 杨文举. 中国农业劳动生产率的稳态趋同: 产出增长率与劳动力转移的影响. 产业经济研究, 2005(2):11-16
[23]	李金华. 经济增长背景下中国产业生产效率的测度与分析: 改革开放近30年中国经济增长的实证. 财贸经济, 2007(9): 3-8
[24]	郑林庄. 农业现代化的根本标志是提高农业生产效率. 农业经济问题, 1980(4): 44-47
[25]	任定方. 农业生产效率指标的评价及研究. 西北大学学报: 哲学社会科学版, 1982(3): 29-35
[26]	宋连久, 孙养学. 西藏农业劳动生产率的现状及因素分析. 西北农林科技大学学报: 社会科学版, 2009, 9(1): 19-24
[27]	宣国富, 徐建刚, 赵静. 基于ESDA 的城市社会空间研究: 以上海市中心城区为例. 地理科学, 2010, 30(1): 22-29
[28]	李欣, 张平宇, 刘晓琼, 等. 基于BP神经网络的沈阳经济区县域经济空间分异分析. 经济地理, 2012, 32(12): 79-84
[29]	张金萍, 秦耀辰. 县域粮食单产及其生产投入因素的空间异质性: 以河南省为例. 自然资源学报, 2011, 26(3): 373-381
[30]	吴莉, 侯西勇, 徐新良. 环渤海沿海区域耕地格局及影响因子分析. 农业工程学报, 2014, 30(9): 1-10
[31]	袁富华. 劳动生产率: 关联与差异——基于 GWR 模型的分析. 经济学(季刊), 2011, 10(2): 709-734
[32]	刘玉, 刘彦随, 郭丽英. 环渤海地区粮食生产地域功能综合评价与优化调控. 地理科学进展, 2010, 29(8): 920-926
[33]	高凡. 农业劳动生产率提高的国际经验与中国的选择. 复旦学报: 社会科学版, 2005(1): 116-124
[34]	陈秧分, 李先德. 中国粮食产量变化的时空格局与影响因素. 农业工程学报, 2013, 29(20): 1-10
[35]	黄延信, 张海阳, 李伟毅, 等. 农村土地流转状况调查与思考. 农业经济问题, 2011(5): 4-9
[36]	黎霆, 赵阳, 辛贤. 当前农地流转的基本特征及影响因素分析. 中国农村经济, 2009(10): 4-11
[37]	魏巍, 李万明. 农业劳动生产率的影响因素分析与提升路径. 农业经济问题, 2012(10): 29-35

差异源	2000年				2012年
差异源	残差平方和	自由度	均方差	F	残差平方和	自由度	均方差	F
OLS模型的残差	0.90	5	0		1.54	6	0
GWR模型的改进量	0.28	18.21	0.0151		0.28	16.27	0.0174
GWR模型的残差	0.63	147.79	0.0043	3.5513	0.26	148.73	0.0085	2.0540

差异源	2000年				2012年
差异源	残差平方和	自由度	均方差	F	残差平方和	自由度	均方差	F
OLS模型的残差	0.90	5	0		1.54	6	0
GWR模型的改进量	0.28	18.21	0.0151		0.28	16.27	0.0174
GWR模型的残差	0.63	147.79	0.0043	3.5513	0.26	148.73	0.0085	2.0540

年份	参数	常数项	上期农业劳动生产率	地均农机动力投入	地均化肥投入	区位优势度
2000	OLS模型的标准回归系数		0.656***	0.054	0.166***	-0.02
	最小值	-0.056	0.541		0.033
	中位数	0.072	0.824		0.127
	最大值	0.139	1.383		0.248
2012	OLS模型的标准回归系数	***	0.934***	0.005	-0.090**	-0.095**
	最小值	0.076	0.869		-0.240	-0.193
	中位数	0.148	0.907		-0.098	-0.064
	最大值	0.217	1.010		0.061	0.046
年份	参数	农业技术人员比重	人均GDP	产业结构	种植结构	有效灌溉面积比率
2000	OLS模型的标准回归系数	0.039	0.065	-0.021	-0.1***	0.124*
	最小值				-0.218	0.025
	中位数				-0.128	0.062
	最大值				0.010	0.199
2012	OLS模型的标准回归系数	-0.016	0.016	-0.158**	0.069**	-0.036
	最小值			-0.180	-0.130
	中位数			-0.103	0.034
	最大值			-0.028	0.066
年份	局部R²	R²	R²_adj		F(R²)
2000	0.674~0.878	0.861(0.800)	0.842(0.796)		41.349(165.667)
2012	0.692~0.848	0.818(0.777)	0.794(0.771)		31.473(114.851)

年份	参数	常数项	上期农业劳动生产率	地均农机动力投入	地均化肥投入	区位优势度
2000	OLS模型的标准回归系数		0.656***	0.054	0.166***	-0.02
	最小值	-0.056	0.541		0.033
	中位数	0.072	0.824		0.127
	最大值	0.139	1.383		0.248
2012	OLS模型的标准回归系数	***	0.934***	0.005	-0.090**	-0.095**
	最小值	0.076	0.869		-0.240	-0.193
	中位数	0.148	0.907		-0.098	-0.064
	最大值	0.217	1.010		0.061	0.046
年份	参数	农业技术人员比重	人均GDP	产业结构	种植结构	有效灌溉面积比率
2000	OLS模型的标准回归系数	0.039	0.065	-0.021	-0.1***	0.124*
	最小值				-0.218	0.025
	中位数				-0.128	0.062
	最大值				0.010	0.199
2012	OLS模型的标准回归系数	-0.016	0.016	-0.158**	0.069**	-0.036
	最小值			-0.180	-0.130
	中位数			-0.103	0.034
	最大值			-0.028	0.066
年份	局部R²	R²	R²_adj		F(R²)
2000	0.674~0.878	0.861(0.800)	0.842(0.796)		41.349(165.667)
2012	0.692~0.848	0.818(0.777)	0.794(0.771)		31.473(114.851)